【技术实现步骤摘要】
本专利技术属于图像处理，涉及医疗影像中的磁共振成像，具体涉及一种基于复数紧凑深度可分离卷积的磁共振成像方法。
技术介绍
1、磁共振成像(magnetic resonance imaging,mri)因其无电离辐射等优点，已广泛应用于临床辅助诊断中。但由于磁共振成像速度较慢、易于产生运动伪影等缺点，在实际应用仍然受到诸多的限制。已有的提高磁共振成像速度的研究中，如sense、grappa、压缩感知方法等，在加速比较低时，能显著提高快速mri的图像重建质量，但在加速比较高时，仍然存在伪影显著、图像重建质量不够理想等问题。
2、近年来，深度学习通过卷积神经网络和大数据训练能有效优化网络参数，高质量恢复重建磁共振图像，得到了快速磁共振成像领域的广泛关注。但是基于深度学习的磁共振图像重建存在训练时间长、数据依赖性强、计算量大和参数量大等问题。此外，已有的基于深度学习的磁共振成像方法多是基于实数运算的，而磁共振采集的是复数数据，重建图也是复数图像，如果仅基于实数运算进行训练和重建，有可能损失相位信息，而相位信息在磁敏感加权成像等应用中非
【技术保护点】
1.一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：具体包括以下步骤：
2.如权利要求1所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述输入通道调整模块对网络模型的输入数据进行通道调整，包括依次级联的复数卷积CConv、复数通道标准化CCN和复数激活函数Crelu。
3.如权利要求2所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述复数卷积CConv的卷积核为W＝WR+iWI，对于输入复数数据Isub＝a+ib，复数卷积CConv的输出Dsub为：
4.如权利要求1或3所述一种基于复...
【技术特征摘要】
1.一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：具体包括以下步骤：
2.如权利要求1所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述输入通道调整模块对网络模型的输入数据进行通道调整，包括依次级联的复数卷积cconv、复数通道标准化ccn和复数激活函数crelu。
3.如权利要求2所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述复数卷积cconv的卷积核为w＝wr+iwi，对于输入复数数据isub＝a+ib，复数卷积cconv的输出dsub为：
4.如权利要求1或3所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述复数深度可分离卷积模块对输入数据进行一系列的复数卷积cconv、复数通道标准化ccn、复数激活函数crelu、复数深度卷积cdw、复数逐点卷积cpw以及残差连接操作，输出特征图：
5.如权利要求1或3所述一种基于复数紧凑深度可分离卷积的磁共振成像方法，其特征在于：所述下采样模块包括卷积核大小为2×2、步长为2的复数卷积cconv以及复数通道标准化ccn，用于降低特征图像的尺寸与增大通道数，以便于网络提取更抽象的特征：
6....
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。