【技术实现步骤摘要】
一种基于深度学习的时空编码图像校正方法
[0001]本专利技术涉及医用磁共振成像和深度学习
，具体涉及一种基于深度无监督学习的单扫描时空编码Nyquist伪影校正方法。
技术介绍
[0002]单扫描磁共振成像（single
‑
shot MRI）技术将多次扫描MRI的扫描时间由几分钟缩短至几十毫秒，在脑功能成像、扩散成像等研究中都取得了极大应用。回波平面成像（Echo Planar Imaging，EPI）是目前最为常用的单扫描成像序列方法，但由于其固有的相位编码带宽较低（<200Hz临床，<2000Hz临床前），在高场磁共振实验中由不均匀磁场或化学位移影响引入较大的伪影，相位编码方向图像畸变严重。单扫描时空编码（Spatiotemporally Encoding，SPEN）在单扫描EPI的基础上，在相位编码维度引入绝热Chirp脉冲，有效提高了相位编码维的带宽，能够有效克服由不均匀磁场或化学位移引入的磁化率等伪影。然而，与EPI一样，由于涡流及梯度延时等因素，单扫描时空编码...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的时空编码图像校正方法，其特征在于：所述方法包括以下步骤：S1）构建单扫描时空编码Nyquist伪影校正数据集，所述校正数据集包括奇偶回波图像和参考无伪影图像；S2）搭建基于时空编码特性的无监督残差编码映射网络，将所述校正数据集中用于训练的奇偶回波图像输入所述无监督残差编码映射网络得到预测的相位差图；S3）以奇回波图像/偶回波图像为基准，训练所述无监督残差编码映射网络直至无监督残差编码映射网络达到收敛，得到训练后的无监督残差编码映射网络模型，并通过所述校正数据集中用于测试的奇偶回波图像和参考无伪影图像对所述无监督残差编码映射网络进行测试；S4）利用所述训练后的无监督残差编码映射网络对实际采集的时空编码图像进行预测的相位差图提取，利用预测的相位差图校正偶回波图像/奇回波图像的相位，再与奇回波图像/偶回波图像重组得到相位校正后的时空编码图像，对时空编码图像进行超分辨率处理得到最终的无Nyquist伪影图像。2.根据权利要求1所述的一种基于深度学习的时空编码图像校正方法，其特征在于：步骤S1）构建单扫描时空编码Nyquist伪影校正数据集的具体步骤包括：1.1）将单扫描时空编码图像的奇偶行数据分离得到原始奇偶回波图像；1.2）将若干张具有随机相位的相位差图与原始偶回波图像/原始奇回波图像相乘得到相位失真的偶回波图像/相位失真的奇回波图像；1.3）将原始奇回波图像/原始偶回波图像与相位失真的偶回波图像/相位失真的奇回波图像作为校正数据集中的奇偶回波图像；1.4）对单扫描时空编码图像进行超分辨率处理获得无伪影图像，所述奇偶回波图像和无伪影图像构成所述校正数据集。3.根据权利要求2所述的一种基于深度学习的时空编码图像校正方法，其特征在于：步骤S2）中所述无监督残差编码映射网络包括初步特征提取模块、残差编码网络和受限子空间映射模块，所述奇偶回波图像经过所述初步特征提取模块处理获得浅层回波特征，所述浅层回波特征经过所述残差编码网络处理获得深层相位特征，所述深层相位特征经过所述受限子空间映射模块处理获得预测的相位差图。4.根据权利要求1所述的一种基于深度学习的时空编码图像校正方法，其特征在于：步骤S3）中训练所述无监督残差编码映射网络直至无监督残差编码映射网络的具体步骤包括：S3.1）利用步骤S2得到的预测的相位差图对偶回波图像/奇回波图像的相位进行校正，再沿相位编码方向分别对奇回波图像/偶回波图像和相位校正后的偶回波图像/奇回波图像进行超分辨率处理，其过程表示为：
ꢀꢀꢀ
公式（3）
ꢀꢀꢀ
公式（4）
ꢀꢀꢀ
公式（5）
其中， I
...
【专利技术属性】
技术研发人员：周云，
申请(专利权)人：中遥天地北京信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。