【技术实现步骤摘要】
：本专利技术属于医学核磁共振成像领域，具体涉及一种基于核磁共振图像超分辨率恢复方法及模型构建方法，用于从核磁共振成像设备所得到的低分辨率核磁共振图像恢复出高质量的高分辨率核磁共振图像。
技术介绍
0、
技术介绍
：
1、核磁共振成像(mri)是广泛使用的一种无创、无电离辐射的成像技术，它提供了高软组织对比度以及丰富的解剖和功能信息用于临床诊断。由于各种约束因素，如硬件限制和采集时间，mri中的k-空间数据仅捕获了有限的空间频率采样，导致高频细节的丢失。因此，由此产生的低分辨率mr图像难以清晰显示微小结构和边界。因此，改善mr图像的质量和分辨率在临床上具有十分重要的意义。
2、作为后处理工具，超分辨率(sr)技术已被广泛用于提高核磁共振图像的质量，而无需改变核磁共振成像仪器的硬件设备。传统的超分辨率方法包括基于插值的方法(例如双三次插值和b样条插值)，以及基于正则化的方法。近年来，基于深度学习的方法通过设计各种深度网络(例如resnet，u-net和transformer)直接学习从低分辨率(lr)图像到高分辨率(hr)图像的映射。此外，一些研究使用生成对抗网络(gans)生成逼真和清晰的高分辨率核磁共振图像。尽管取得了显著的图像恢复结果，但这些基于深度学习的方法通常着重于固定的整数上采样因子，具有有限的灵活性，限制了这些方法在临床场景中的应用。
技术实现思路
0、
技术实现思路
：
1、本专利技术提出一种基于扩散模型的核磁共振图像超分辨率恢复方法，本专利
2、本专利技术采用的技术方案包含以下步骤：一种核磁共振图像超分辨率恢复模型构建方法，包括如下步骤：
3、构造渐进重建和去噪扩散模型的前向扩散过程：通过模拟核磁共振图像下采样过程，前向扩散过程通过在k空间逐渐掩码掉高频数据和添加随机噪声来逐渐退化无噪的高分辨核磁共振图像；
4、构造渐进重建和去噪扩散模型的反向扩散过程：通过前向扩散过程确定所对应的前向随机微分方程，再根据安德森定理逆转前向随机微分方程得到反向的随机微分方程，通过离散反向随机微分方程得到反向扩散过程；
5、构造渐进重建和去噪扩散模型的损失函数并对渐进重建和去噪扩散模型进行训练：通过去噪分数匹配方法和分数网络的参数化，推导出渐进重建和去噪扩散模型的损失函数，基于训练数据集，用adam优化算法和损失函数学习分数网络的最优参数，进而得到训练完成的模型。
6、进一步的，通过模拟核磁共振图像的下采样过程，前向扩散过程通过在k空间逐渐掩码掉高频数据和添加随机噪声来逐渐退化无噪的高分辨核磁共振图像包括：
7、设计欠采样矩阵mt＝diag(wt)的退化策略掩码掉不同尺度的高频数据，其中为掩码矩阵，操作diag(·)表示将矩阵先拉成向量，将所述向量的元素构造成对角矩阵，wt定义为：
8、
9、其中，(i，j)表示wt元素的空间位置，是第t步的k空间中心窗口，其中ht＝h-t×d和wt＝w-t×d，d是截断步长，当t＝0时，m0＝diag(w0)＝i，即为全采样矩阵，当步数t增加时，mt掩码掉更多的高频数据，mt逐渐构造x0更严重的退化。
10、在第t步，前向渐进扩散过程如下：
11、
12、其中，αt和xt分别是第t步是控制噪声水平的系数和退化的核磁共振图像，表示高斯噪声，其中是单位矩阵，是一个退化算子，用于控制退化的程度，其中和分别表示傅里叶变换和反傅里叶变换，是欠采样矩阵；
13、进一步的，构造渐进重建和去噪扩散模型的反向扩散过程时，将前向扩散过程看作以下随机微分方程的解：
14、
15、其中，w是标准维纳过程，是的导数，根据安德森定理逆转前向随机微分方程得到反向的随机微分方程：
16、
17、其中，是边缘分布qt(xt)的分数函数，是时间步从t到0的标准维纳过程，用欧拉-丸山数值解法和有限差分代替微分的方法将反向随机微分方程进行离散得到反向扩散过程：
18、
19、其中αt和αt-δt分别是第t时间步和第t-δt时间步控制噪声水平的系数。估计未知项和根据上式来恢复无噪的高分辨率图像，其中，表示高斯噪声，是边缘分布qt(xt)的分数函数，x0为无噪的高分辨率图像。
20、进一步的，构造渐进重建和去噪扩散模型的损失函数并对渐进重建和去噪扩散模型进行训练包括：
21、估计分数函数时，应用去噪分数匹配方法训练分数模型：
22、
23、其中，t～u(0，t)，x0～q0(x0)和xt～qt(xt|x0)，λ(t)是一个正值权重函数；
24、估计时，通过以下网络参数化来设计分数模型sθ
25、
26、将改写为：
27、
28、通过最小化上式，网络fθ在退化算子的指导下学习去预测无噪的高分辨率核磁共振图像，fθ训练完成后，通过和分别估计和项。
29、采用去噪分数匹配方法和设计的分数网络参数化得到扩散模型的损失函数，具体为：
30、
31、其中，x0为训练数据集中的一个高分辨率核磁共振图像，xt和为第t个扩散步所对应的退化图像和退化算子；采用反向传播算法计算损失函数相对于网络fθ参数的梯度，然后基于训练数据集采用adam算法优化网络fθ参数，获得最优网络fθ参数。
32、本专利技术提供一种核磁共振图像超分辨率恢复方法，获取低分辨率核磁共振图像，根据采集到的低分辨率图确定反向采样的起始步数以及其对应的噪声退化图像；然后从起始点对应的噪声退化图像开始，交替执行基于模型的迭代改进步和渐进扩散采样步直到恢复无噪的高分辨率核磁共振图像；所述模型为上述核磁共振图像超分辨率恢复模型构建所得。
33、进一步的，将不同尺度的核磁共振图像视为根据渐进扩散过程的模拟核磁共振图像下采样过程步骤所得对应的无噪的核磁共振图像，根据低分辨率核磁共振图像的k-空间数据大小是否与前向过程中保留的中央k空间数据大小相匹配确定采样过程的起始步骤。
34、进一步的，给定一个低分辨率核磁共振图像将其视为前向过程中某个中间步骤的无噪的核磁共振图像，其k空间数据大小为hw，根据前向扩散过程中欠采样掩模的调度，低分辨率核磁共振图像xlr对应的起始步为：
35、
36、其中，h和h是高分辨率和低分辨率图像的高度，得到起始步l相应的采集过程的起始点为：
37、
38、其中，gzf是在频率域的零填充算子，其将k空间数据的大小从hw变成hw，从带噪声的退化图像xl开始，从t＝l到t＝0交替执行基于模型的迭代改进步和渐进扩散采样步来恢复无噪的高分辨图像x0。
39、进一步的，基于模型的迭代改进步包括：根据网络初始预测在第t步改进的核磁共振图像本文档来自技高网...
【技术保护点】
1.一种核磁共振图像超分辨率恢复模型构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，通过模拟核磁共振图像的下采样过程，前向扩散过程通过在k空间逐渐掩码掉高频数据和添加随机噪声来逐渐退化无噪的高分辨核磁共振图像包括：
3.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，构造渐进重建和去噪扩散模型的反向扩散过程时，将前向扩散过程看作以下随机微分方程的解：
4.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，构造渐进重建和去噪扩散模型的损失函数并对渐进重建和去噪扩散模型进行训练包括：
5.根据权利要求4所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，采用去噪分数匹配方法和设计的分数网络参数化得到扩散模型的损失函数，具体为：
6.一种核磁共振图像超分辨率恢复方法，其特征在于，获取低分辨率核磁共振图像，根据采集到的低分辨率图确定反向采样的起始步数以及其对应的噪声退化图像；然后从起始点对应的噪声退化图像开始，交替执行基
7.根据权利要求6所述的核磁共振图像超分辨率恢复方法，其特征在于，将不同尺度的核磁共振图像视为根据渐进扩散过程的模拟核磁共振图像下采样过程步骤所得对应的无噪的核磁共振图像，根据低分辨率核磁共振图像的k-空间数据大小是否与前向过程中保留的中央k空间数据大小相匹配确定采样过程的起始步骤。
8.根据权利要求7所述的核磁共振图像超分辨率恢复方法，其特征在于，给定一个低分辨率核磁共振图像将其视为前向过程中某个中间步骤的无噪的核磁共振图像，其k空间数据大小为hw，根据前向扩散过程中欠采样掩模的调度，低分辨率核磁共振图像xlr对应的起始步为：
9.根据权利要求6所述的核磁共振图像超分辨率恢复方法，其特征在于，基于模型的迭代改进步包括：根据网络初始预测在第t步改进的核磁共振图像为：
10.根据权利要求9所述的核磁共振图像超分辨率恢复方法，其特征在于，渐进扩散采样步包括：改进的网络初始预测后，根据下式执行渐进扩散采样步：
...【技术特征摘要】
1.一种核磁共振图像超分辨率恢复模型构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，通过模拟核磁共振图像的下采样过程，前向扩散过程通过在k空间逐渐掩码掉高频数据和添加随机噪声来逐渐退化无噪的高分辨核磁共振图像包括：
3.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，构造渐进重建和去噪扩散模型的反向扩散过程时，将前向扩散过程看作以下随机微分方程的解：
4.根据权利要求1所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，构造渐进重建和去噪扩散模型的损失函数并对渐进重建和去噪扩散模型进行训练包括：
5.根据权利要求4所述的核磁共振图像超分辨率恢复模型构建方法，其特征在于，采用去噪分数匹配方法和设计的分数网络参数化得到扩散模型的损失函数，具体为：
6.一种核磁共振图像超分辨率恢复方法，其特征在于，获取低分辨率核磁共振图像，根据采集到的低分辨率图确定反向采样的起始步数以及其对应的噪声退化图像；然后从起始点对应的噪声退化图像开始，交替执行基于模型...
【专利技术属性】
技术研发人员：孙剑，王嘉珍，石志豪，古祥，杨燕，
申请(专利权)人：西安交通大学，
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。