【技术实现步骤摘要】
本专利技术涉及医疗图像重建，具体地，涉及一种磁共振图像层间超分辨率重建方法。
技术介绍
1、在临床或科研场景中，为了更快捷地获得图像，广泛采用2d序列。这些序列由多个2d切片组成，可叠加以形成3d图像。不过，相对于细粒度的层内分辨率，这类图像通常呈现出明显的层间距，导致体素间距各向异性较大。这对于可视化以及一些自动图像处理软件的应用构成挑战，因为它们要求输入图像具有各项同性的体素间距。
2、目前，基于深度学习的超分辨率技术已被广泛开发并用于磁共振图像的层间超分辨率。该技术的核心思想是运用神经网络来学习低分辨率图像(即具有较大层间距的磁共振图像)到高分辨率图像(即具有较小层间距的磁共振图像)的映射。在训练过程中，通常是对高分辨率图像进行降采样，得到对应的层间距更大的低分辨率图像。然后模型以低分辨率图像为输入，并输出预测的高分辨率图像。通过最小化模型预测结果与实际高分辨率图像之间的误差，引导模型学习正确的映射关系。
3、但是，这些技术在真实场景中运用时会遇到两点障碍。首先，现有的超分辨率网络仅能完成整数倍率的超分辨率...
【技术保护点】
1.一种磁共振图像层间超分辨率重建方法，其特征在于，包括：
2.根据权利要求1所述的磁共振图像层间超分辨率重建方法，其特征在于，所述基于空间注意力的隐式神经表示网络包括：特征学习模块和解码模块，其中，所述特征学习模块用于将输入图像中的每个网格体素用隐式特征进行表示，所述解码模块用于计算新坐标位置的隐式特征表示，并将计算得到的隐式特征映射到体素空间。
3.根据权利要求1所述的磁共振图像层间超分辨率重建方法，其特征在于，在执行步骤2之前，还包括：
4.根据权利要求3所述的磁共振图像层间超分辨率重建方法，其特征在于，步骤2包括：
<...【技术特征摘要】
1.一种磁共振图像层间超分辨率重建方法，其特征在于，包括：
2.根据权利要求1所述的磁共振图像层间超分辨率重建方法，其特征在于，所述基于空间注意力的隐式神经表示网络包括：特征学习模块和解码模块，其中，所述特征学习模块用于将输入图像中的每个网格体素用隐式特征进行表示，所述解码模块用于计算新坐标位置的隐式特征表示，并将计算得到的隐式特征映射到体素空间。
3.根据权利要求1所述的磁共振图像层间超分辨率重建方法，其特征在于，在执行步骤2之前，还包括：
4.根据权利要求3所述的磁共振图像层间超分辨率重建方法，其特征在于，步骤2包括：
5.根据权利要求3所述的磁共振图像层间超分辨率重建方法，其特征在于，步骤2包括...
【专利技术属性】
技术研发人员：艾松涛，严孟宁，王燎，李小敏，赵露露，张钲佳，周鑫，马海荣，刘成磊，
申请(专利权)人：上海交通大学医学院附属第九人民医院，
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。