图像处理方法、装置、计算机设备制造方法及图纸

本申请涉及一种图像处理方法、装置、计算机设备。所述方法包括：获取待处理MR图像；待处理MR图像由MR设备对预设空间中扫描对象进行欠采样后处理得到；将待处理MR图像据输入至预训练的第一图像处理网络，得到待处理MR图像对应的目标MR图像；其中，预训练的第一图像处理网络由预训练的第二图像处理网络的特征融合后压缩得到，预训练的第一图像处理网络具有预训练的第二图像处理网络的特性，且网络复杂度小于预训练的第二图像处理网络的网络复杂度。采用本方法能够得到重建精度高、重建速度快的小型网络，提升了MR图像重建速率，降低了网络部署成本。部署成本。部署成本。

【技术实现步骤摘要】
图像处理方法、装置、计算机设备


[0001]本申请涉及医学图像处理
，特别是涉及一种图像处理方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]磁共振成像(MRI，magnetic resonance imaging)作为一种新的影像诊断技术，因其在成像过程中对人体不会产生电离辐射伤害，且具有出色的软组织对比度和高空间分辨率，成为了医疗影像技术中至关重要的一部分。
[0003]目前，MR设备扫描时间长已经成为制约MRI发展的一个重要因素，为了缩短扫描时间，可以通过减少扫描采样点获取MR图像，但因此带来的低信噪比、高伪影严重降低了扫描出来的MR图像质量。传统方法中是基于多个深度学习网络得到大型深度学习模型以进行MR图像重建，整个深度学习模型的参数量和计算量会非常大，使得高精度的大型深度学习模型对MR图像重建的速度变得很慢，从而严重制约了MR重建速度。
[0004]因此，相关技术中存在MR图像处理效率低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够解决上述问题的图像处理方法、装置、计算机设备、存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种图像处理方法，所述方法包括：
[0007]获取待处理MR图像；所述待处理MR图像由MR设备对预设空间中扫描对象进行欠采样后处理得到；
[0008]将所述待处理MR图像输入至预训练的第一图像处理网络，得到所述待处理MR图像对应的目标MR图像；
[0009]其中，所述预训练的第一图像处理网络由预训练的第二图像处理网络的特征融合后压缩得到，所述预训练的第一图像处理网络具有所述预训练的第二图像处理网络的特性，且网络复杂度小于所述预训练的第二图像处理网络的网络复杂度。
[0010]在其中一个实施例中，在所述将所述待处理MR图像输入至预训练的第一图像处理网络，得到所述待处理MR图像对应的目标MR图像的步骤之前，所述方法还包括：
[0011]获取第一训练样本数据；所述第一训练样本数据包括训练样本MR图像；
[0012]将所述第一训练样本数据输入至所述预训练的第二图像处理网络，得到训练样本输出特征集合，以及将所述第一训练样本数据输入至待训练的第一图像处理网络，得到网络处理输出特征集合；
[0013]基于所述训练样本输出特征集合与所述网络处理输出特征集合间的差异，对所述待训练的第一图像处理网络进行训练，直至满足预设的训练结束条件，得到所述预训练的第一图像处理网络。
[0014]在其中一个实施例中，所述将所述第一训练样本数据输入至所述预训练的第二图
像处理网络，得到训练样本输出特征集合，包括：
[0015]将所述第一训练样本数据输入至所述预训练的第二图像处理网络，通过所述预训练的第二图像处理网络中级联的多个第二子网络依次处理，得到各所述第二子网络对应的第二子网络输出特征，并将第一个第二子网络对应的第二子网络输出特征，作为子网络输出特征；
[0016]基于至少两个所述第二子网络对应的第二子网络输出特征确定多个知识融合输出特征；
[0017]根据所述子网络输出特征和多个所述知识融合输出特征，得到所述训练样本输出特征集合。
[0018]在其中一个实施例中，所述基于至少两个所述第二子网络对应的第二子网络输出特征确定多个知识融合输出特征，包括：
[0019]融合第一个第二子网络对应的第二子网络输出特征与第二个第二子网络对应的第二子网络输出特征，得到融合后子网络输出特征，作为第一待知识融合特征，并将第三个第二子网络对应的第二子网络输出特征，作为第二待知识融合特征；
[0020]将所述第一待知识融合特征与所述第二待知识融合特征进行知识融合处理，得到当前的知识融合输出特征；
[0021]将所述当前的知识融合输出特征和第四个第二子网络对应的第二子网络输出特征进行融合，作为所述第一待知识融合特征，以及，将第五个第二子网络对应的第二子网络输出特征，作为第二待知识融合特征，并将所述第一待知识融合特征与所述第二待知识融合特征进行知识融合处理，得到当前的知识融合输出特征，直到依次处理至最后一个第二子网络，得到多个所述知识融合输出特征。
[0022]在其中一个实施例中，所述将所述第一待知识融合特征与所述第二待知识融合特征进行知识融合处理，得到当前的知识融合输出特征，包括：
[0023]融合所述第一待知识融合特征与所述第二待知识融合特征，得到第一特征，并通过减少所述第一特征对应的通道数量，得到第二特征；
[0024]采用预设空洞率的卷积核对所述第二特征进行特征提取，得到第三特征；
[0025]对所述第三特征进行通道注意力优化处理，得到所述当前的知识融合输出特征。
[0026]在其中一个实施例中，所述网络处理输出特征集合包括与所述子网络输出特征和多个所述知识融合输出特征分别一一对应的多个网络处理输出特征，各所述网络处理输出特征由所述待训练的第一图像处理网络中各待训练第一子网络输出得到，所述基于所述训练样本输出特征集合与所述网络处理输出特征集合间的差异，对所述待训练的第一图像处理网络进行训练，直至满足预设的训练结束条件，得到所述预训练的第一图像处理网络，包括：
[0027]基于所述子网络输出特征与对应的所述网络处理输出特征间的差异，以及基于各所述知识融合输出特征与对应的所述网络处理输出特征间的差异，对所述待训练的第一图像处理网络进行训练，直至满足预设的训练结束条件，得到所述预训练的第一图像处理网络。
[0028]在其中一个实施例中，在所述将所述第一训练样本数据输入至所述预训练的第二图像处理网络，得到训练样本输出特征集合的步骤之前，所述方法还包括：
[0029]将第二训练样本数据输入至待训练的第二图像处理网络，通过所述待训练的第二图像处理网络中级联的多个待训练第二子网络依次处理，得到各所述待训练第二子网络对应的待训练第二子网络输出特征；
[0030]根据各所述待训练第二子网络输出特征，调整所述待训练的第二图像处理网络的模型参数，直至满足预设的训练结束条件，得到所述预训练的第二图像处理网络。
[0031]在其中一个实施例中，所述方法还包括：
[0032]在相邻的待训练第二子网络之间，将前一个待训练第二子网络对应的待训练第二子网络输出特征输入至数据保真层，得到所述数据保真层的输出结果；
[0033]将所述输出结果输入至后一个待训练第二子网络，得到所述后一个待训练第二子网络对应的待训练第二子网络输出特征。
[0034]第二方面，本申请还提供了一种图像处理装置，所述装置包括：
[0035]图像获取模块，用于获取待处理MR图像；所述待处理MR图像由MR设备对预设空间中扫描对象进行欠采样后处理得到；
[0036]图像处理模块，用于将所述待处理MR图像输入至预训练的第一图像处理网络，得到所述待处理MR图像对应的目标MR图像；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待处理MR图像；所述待处理MR图像由MR设备对预设空间中扫描对象进行欠采样后处理得到；将所述待处理MR图像输入至预训练的第一图像处理网络，得到所述待处理MR图像对应的目标MR图像；其中，所述预训练的第一图像处理网络由预训练的第二图像处理网络的特征融合后压缩得到，所述预训练的第一图像处理网络具有所述预训练的第二图像处理网络的特性，且网络复杂度小于所述预训练的第二图像处理网络的网络复杂度。2.根据权利要求1所述的方法，其特征在于，在所述将所述待处理MR图像输入至预训练的第一图像处理网络，得到所述待处理MR图像对应的目标MR图像的步骤之前，所述方法还包括：获取第一训练样本数据；所述第一训练样本数据包括训练样本MR图像；将所述第一训练样本数据输入至所述预训练的第二图像处理网络，得到训练样本输出特征集合，以及将所述第一训练样本数据输入至待训练的第一图像处理网络，得到网络处理输出特征集合；基于所述训练样本输出特征集合与所述网络处理输出特征集合间的差异，对所述待训练的第一图像处理网络进行训练，直至满足预设的训练结束条件，得到所述预训练的第一图像处理网络。3.根据权利要求2所述的方法，其特征在于，所述将所述第一训练样本数据输入至所述预训练的第二图像处理网络，得到训练样本输出特征集合，包括：将所述第一训练样本数据输入至所述预训练的第二图像处理网络，通过所述预训练的第二图像处理网络中级联的多个第二子网络依次处理，得到各所述第二子网络对应的第二子网络输出特征，并将第一个第二子网络对应的第二子网络输出特征，作为子网络输出特征；基于至少两个所述第二子网络对应的第二子网络输出特征确定多个知识融合输出特征；根据所述子网络输出特征和多个所述知识融合输出特征，得到所述训练样本输出特征集合。4.根据权利要求3所述的方法，其特征在于，所述基于至少两个所述第二子网络对应的第二子网络输出特征确定多个知识融合输出特征，包括：融合第一个第二子网络对应的第二子网络输出特征与第二个第二子网络对应的第二子网络输出特征，得到融合后子网络输出特征，作为第一待知识融合特征，并将第三个第二子网络对应的第二子网络输出特征，作为第二待知识融合特征；将所述第一待知识融合特征与所述第二待知识融合特征进行知识融合处理，得到当前的知识融合输出特征；将所述当前的知识融合输出特征和第四个第二子网络对应的第二子网络输出特征进行融合，作为所述第一待知识融合特征，以及，将第五个第二子网络对应的第二子网络输出特征，作为第二待知识融合特征，并将所述第一待知识融合特征与所述第二待知识融合特征进行知识融合处理，得到当前的知识融合输出特征，直到依次处理至最后一个第二子网
络，得到多个所述知识融合输出特征。5.根据权利要求4所述的方法，其特征在于，所述将所述第一待知识融合特...

【专利技术属性】
技术研发人员：钟迦福，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：