一种基于收缩约束自编码器的磁共振影像去噪方法技术

本发明专利技术公开了一种基于收缩约束自编码器的磁共振影像去噪方法，其基于编码

【技术实现步骤摘要】
一种基于收缩约束自编码器的磁共振影像去噪方法


[0001]本专利技术属于人工智能
，具体涉及一种基于收缩约束自编码器的磁共振影像去噪方法，适用于磁共振影像去噪。

技术介绍

[0002]磁共振成像(Magnetic Resonance Imaging,MRI)拍摄过程中产生的噪声会严重降低磁共振影像的质量，使得影像丢失细节或边缘信息，影响后续处理[Sagheer S V M,George S N.Biomed.,SignalProces.,2020,61.]，因此，图像去噪(Image Denoising)是磁共振影像应用必不可少的预处理步骤。通常地，磁共振影像噪声的去除可以分为两种方式，一种是硬件方式，通过改善成像设备的性能提升成像质量，比如增大磁场强度或增加扫描时间，但这种方式会耗费更多时间和资金，同时增加被拍摄者的不舒适度；另一种是图像后处理方式，将扫描获得的低质量磁共振影像利用算法进行去噪，这种做法不需要对成像设备进行处理，可以集成到现有设备中，具有实际的应用价值。
[0003]近年来，深度学习方法在磁共振影像去噪领域展现出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于收缩约束自编码器的磁共振影像去噪方法，其特征在于，包括以下步骤：步骤1、获取有噪磁共振影像，并将有噪磁共振影像作为训练集；步骤2、构建收缩约束自编码去噪网络，收缩约束自编码去噪网络包括一个编码器和一个解码器；步骤3、将步骤1中获得的训练集的有噪磁共振影像输入到收缩约束自编码去噪网络中，得到预测的去噪磁共振影像；步骤4、设定总损失函数L；步骤5、根据步骤4设定的总损失函数，利用步骤1生成的训练集对步骤2构建的收缩约束自编码去噪网络进行端到端的训练，并保存收缩约束自编码去噪网络的参数；步骤6、将待处理的有噪磁共振影像输入到步骤5训练好的收缩约束自编码去噪网络中得到去噪磁共振影像。2.根据权利要求1所述一种基于收缩约束自编码器的磁共振影像去噪方法，其特征在于，所述收缩约束自编码去噪网络中编码器包括1个输入层和多个下采样层：输入层包括卷积层、批归一化层、以及激活层，下采样层包括卷积层、批归一化层、以及激活层。3.根据权利要求2所述一种基于收缩约束自编码器的磁共振影像去噪方法，其特征在于，所述收缩约束自编码去噪网络中解码器包括多个上采样层和1个输出层：上采样层的数量与所述下采样层数量一致；第1个上采样层包括上采样模块、卷积层、批归一化层、以及激活层；除第1个上采样层，其他上采样层包括融合模块、上采样模块、卷积层、批归一化层和激活层；输出层包括融合模块、卷积层和激活层。4.根据权利要求3所述一种基于收缩约束自编码器的磁共振影像去噪方法，其特征在...

【专利技术属性】
技术研发人员：周欣，石胜杰，肖洒，王成，孙献平，叶朝辉，
申请(专利权)人：湖北光谷实验室，
类型：发明
国别省市：