用于磁共振成像的水脂分离方法、系统及终端技术方案

本发明专利技术的用于磁共振成像的水脂分离方法、系统及终端，通过基于深度学习与传统模型分段式相结合的水脂分离模型，根据所述回波复数图像数据获得对应的水脂分离结果。本发明专利技术优化提取场图的精准度，并提高水脂分离的稳定性和计算速度，同时保留传统算法对输出结果的约束力，最大程度上保证输出结果与原始信号的一致性。性。性。

【技术实现步骤摘要】
用于磁共振成像的水脂分离方法、系统及终端


[0001]本专利技术涉及磁共振成像
，特别是涉及一种用于磁共振成像的水脂分离方法、系统及终端。

技术介绍

[0002]磁共振成像(Magnetic Resonance Imaging，MRI)是利用射频脉冲对磁场中特定原子核(通常为氢核)进行激励产生磁共振信号，再对信号进行采集和重建得到解剖结构断层图像的一种成像技术。作为一种非介入式的、多方位的、多对比度的成像方式，MRI已经在医学领域得到极为广泛的应用，并成为临床诊断的一个重要手段。人体组织即含水也含脂肪，而来自脂肪的高亮信号会干扰一些潜在病变的识别，将水和脂肪进行分离显示不仅可以增强组织结构水图像的对比度还可以利用脂肪图像为医生提供更多的辅助诊断信息。水脂分离方法作为一种极其高效的化学位移成像技术，因其对主磁场和射频的不均匀较不敏感，且能同时得到信噪比较高的多种对比度图像(水图、脂肪图、同相位图和反相位图)，在MRI脂肪抑制领域有着越来越广泛的应用。传统的水脂分离技术包括迭代平滑法、区域增长法还有图割法、信息树传递法等一些全局优化的方法。这些传统的方法计算复杂度高且比较耗时，对高置信初始估计的选取和优化收敛的能力有很强的依赖性，在SNR较低或主磁场变化较快等一些具有挑战性区域的应用中，很难保证得到全局最优解，从而会降低水脂分离的准确性。
[0003]近年来，伴随着大数据与大算力的突破性进展，深度学习的发展异常迅猛，越来越多的MRI研究中也都加入了深度学习的模块。神经网络对输入和输出之间非线性映射关系精确而高效的学习能力也被用于MRI的水脂分离任务中。神经网络可以通过大数据预训练以提高水脂分离算法的重建速度和鲁棒性。然而，目前基于深度学习的水脂分离方法大都是基于U
‑
net、CNN等通用的网络架构进行从原始采集信号到水和脂肪图像的端到端一站式分离，这不仅会加大网络训练的难度降低网络的泛化性增加组织水脂交换的问题，同时还会损失部分高频细节信息，使分离出的水脂图像变模糊。虽然加入GAN网络可以提高图像的税利度，但网络训练的难度也进一步加大。目前基于深度学习的水脂分离方法与传统方法相结合的方式也只限于提升场图(P)的初始化模块中，还未应用到提升像素点的主要化学成分(B)和次要化学成分(S)的准确计算中。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种用于磁共振成像的水脂分离方法、系统及终端，用于解决现有技术中以上技术问题。
[0005]为实现上述目的及其他相关目的，本专利技术提供一种用于磁共振成像的水脂分离方法，所述方法包括：获取待分离的回波复数图像数据；其中，所述回波复数图像数据包括：至少两个不同回波时间的回波复数图像；基于深度学习与传统模型分段式相结合的水脂分离模型，根据所述回波复数图像数据获得对应的水脂分离结果。
[0006]于本专利技术的一实施例中，所述水脂分离模型包括：数据输入模块，用于获取至少两个不同回波时间的回波复数图像并提取对应的实部数据以及虚部数据输入；候选相位提取优化模块，连接所述数据输入模块，用于基于级联多尺度卷积网络根据提取的实部数据以及虚部数据计算主要化学成分分布图以及次要化学成分分布图，并计算两个候选相位值；场图提取优化模块，连接所述候选相位提取优化模块，用于根据两个候选相位值以及初始预估场图进行迭代式互反馈场图提取，获得最终提取场图；水脂分解模块，连接所述场图提取优化模块，用于对最终提取场图进行分解获得对应的水图像以及脂图像；输出模块，连接所述水脂分解模块，用于输出所述水图像以及脂图像。
[0007]于本专利技术的一实施例中，所述候选相位提取优化模块包括：化学成份图提取单元，包括：级联多尺度卷积网络，用于根据提取的实部数据以及虚部数据以及计算主要化学成分分布图以及次要化学成分分布图；传统候选相位计算单元，连接所述化学成份图提取单元，用于基于传统候选相位计算模型根据所述主要化学成分分布图以及次要化学成分分布图计算两个候选相位值。
[0008]于本专利技术的一实施例中，所述级联多尺度卷积网络包括：多个级联的有监督网络；其中，首个有监督网络，用于输入两个候选相位值输出对应的主要化学成分分布图以及次要化学成分分布图；每个非首个的有监督网络用于输入上一个有监督网络输出的主要化学成分分布图、次要化学成分分布图、两个候选相位值以及各自的邻接区域信息，并输出生成的主要化学成分分布图以及次要化学成分分布图。
[0009]于本专利技术的一实施例中，所述有监督网络采用对应一卷积核的卷积网络。
[0010]于本专利技术的一实施例中，所述替换处理子模块包括：删除编辑单元，用于基于对应目标删除位置区域的删除指示符对梅尔谱图进行修改，并基于两个一维卷积模块获得第一均值序列数据以及第一方差序列数据；添加编辑单元，连接所述删除编辑单元，用于基于对应目标添加位置区域的添加指示符对所述第一均值序列数据以及第一方差序列数据进行修改，以获得均值序列处理数据以及方差序列处理数据。
[0011]于本专利技术的一实施例中，所述场图提取优化模块包括：多个级联场图提取子模块，用于根据两个候选相位值以及初始预估场图进行迭代式互反馈场图提取，并输出初始场图；场图优化子模块，用于根据所述初始场图并结合两个候选相位值、输入的实部数据以及虚部数据、参考水脂图像信息获得最终提取场图。
[0012]于本专利技术的一实施例中，每个场图提取子模块包括：第一深度学习网络模型以及与所述第一深度学习网络模型连接的传统场图提取模型；其中，所述场图提取子模块的类型包括：首个场图提取子模块，用于基于第一深度学习网络模型根据输入的两个候选相位值以及初始预估场图输出对应提取的第一初始场图，再输入所述传统场图提取模型提取并输出对应的第一场图；非首个场图提取子模块，用于基于第一深度学习网络模型根据输入的两个候选相位值以及上一场图提取子模块提取的第一场图输出对应的第一初始场图，再输入所述传统场图提取模型提取并输出对应的第一场图，以供最后的场图提取子模块输出初始场图。
[0013]于本专利技术的一实施例中，所述场图优化子模块包括：第二深度学习网络模型，用于根据输入所述初始场图输出对应的初始提取场图；优化加权单元，连接所述第二深度学习网络模型，用于根据所述初始提取场图、两个候选相位值、输入的实部数据以及虚部数据、
参考水脂图像信息进行加权优化计算，获得最终提取场图。
[0014]为实现上述目的及其他相关目的，本专利技术提供一种用于磁共振成像的水脂分离系统，所述系统包括：获取模块，用于获取待分离的回波复数图像数据；其中，所述回波复数图像数据包括：至少两个不同回波时间的回波复数图像；水脂分离模块，连接所述获取模块，用于基于深度学习与传统模型分段式相结合的水脂分离模型，根据所述回波复数图像数据获得对应的水脂分离结果。
[0015]为实现上述目的及其他相关目的，本专利技术提供一种用于磁共振成像的水脂分离终端，包括：一或多个存储器及一或多个处理器；所述一或多个存储器，用于存储计算机程序；所述一或多个处理器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于磁共振成像的水脂分离方法，其特征在于，所述方法包括：获取待分离的回波复数图像数据；其中，所述回波复数图像数据包括：至少两个不同回波时间的回波复数图像；基于深度学习与传统模型分段式相结合的水脂分离模型，根据所述回波复数图像数据获得对应的水脂分离结果。2.根据权利要求1中所述的用于磁共振成像的水脂分离方法，其特征在于，所述水脂分离模型包括：数据输入模块，用于获取至少两个不同回波时间的回波复数图像并提取对应的实部数据以及虚部数据输入；候选相位提取优化模块，连接所述数据输入模块，用于基于级联多尺度卷积网络根据提取的实部数据以及虚部数据计算主要化学成分分布图以及次要化学成分分布图，并计算两个候选相位值；场图提取优化模块，连接所述候选相位提取优化模块，用于根据两个候选相位值以及初始预估场图进行迭代式互反馈场图提取，获得最终提取场图；水脂分解模块，连接所述场图提取优化模块，用于对最终提取场图进行分解获得对应的水图像以及脂图像；输出模块，连接所述水脂分解模块，用于输出所述水图像以及脂图像。3.根据权利要求2中所述的用于磁共振成像的水脂分离方法，其特征在于，所述候选相位提取优化模块包括：化学成份图提取单元，包括：级联多尺度卷积网络，用于根据提取的实部数据以及虚部数据以及计算主要化学成分分布图以及次要化学成分分布图；传统候选相位计算单元，连接所述化学成份图提取单元，用于基于传统候选相位计算模型根据所述主要化学成分分布图以及次要化学成分分布图计算两个候选相位值。4.根据权利要求3中所述的用于磁共振成像的水脂分离方法，其特征在于，所述级联多尺度卷积网络包括：多个级联的有监督网络；其中，首个有监督网络，用于输入两个候选相位值输出对应的主要化学成分分布图以及次要化学成分分布图；每个非首个的有监督网络用于输入上一个有监督网络输出的主要化学成分分布图、次要化学成分分布图、两个候选相位值以及各自的邻接区域信息，并输出生成的主要化学成分分布图以及次要化学成分分布图。5.根据权利要求4中所述的用于磁共振成像的水脂分离方法，其特征在于，所述有监督网络采用对应一卷积核的卷积网络。6.根据权利要求2中所述的用...

【专利技术属性】
技术研发人员：沈定刚，李丹丹，孙开聪，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：