[發明專利]一種基于生成對抗網絡的磁共振成像方法及裝置有效
| 申請號： | 202010420192.7 | 申請日： | 2020-05-18 |
| 公開（公告）號： | CN111598966B | 公開（公告）日： | 2023-04-18 |
| 發明（設計）人： | 張賀曄;郭宜鋒 | 申請（專利權）人： | 中山大學 |
| 主分類號： | G06T11/00 | 分類號： | G06T11/00;G06N3/0464;G06N3/048;G06N3/045;G06N3/0442;G06N3/084;G01R33/48;G01R33/54;G01R33/56 |
| 代理公司： | 深圳市智勝聯合知識產權代理有限公司 44368 | 代理人： | 齊文劍 |
| 地址： | 510275 *** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 生成 對抗 網絡 磁共振 成像 方法 裝置 | ||
1.一種基于生成對抗網絡的磁共振成像方法，應用于將壓縮感知磁共振成像裝置獲取的欠采樣MRI數據進行成像，所述欠采樣MRI數據包含多段依據時序獲取及排列的數據段，其特征在于，包括：
利用人工神經網絡的自學習能力，建立欠采樣MRI數據與MRI圖像的圖像特征之間的對應關系；確定相鄰時序對應的所述數據段之間的相關性；確定所述欠采樣MRI數據中的目標空間特征；依據所述相關性和所述目標空間特征，確定所述欠采樣MRI數據與MRI圖像的圖像特征之間的對應關系，包括：獲取用于建立所述欠采樣MRI數據與所述MRI圖像的圖像特征之間的對應關系的樣本數據；分析所述欠采樣MRI數據的特性及其規律，根據所述特性及其規律，確定所述人工神經網絡的網絡結構及其網絡參數；使用所述樣本數據，對所述網絡結構和所述網絡參數進行訓練和測試，確定所述欠采樣MRI數據與所述MRI圖像的圖像特征的所述對應關系；
獲取當前受檢測者的當前欠采樣MRI數據；
通過所述對應關系，確定與所述當前欠采樣MRI數據對應的當前MRI圖像的圖像特征；確定與所述當前欠采樣MRI數據對應的當前MRI圖像的圖像特征，包括：將所述對應關系中與所述當前欠采樣MRI數據相同的欠采樣MRI數據所對應的MRI圖像的圖像特征，確定為所述當前MRI圖像的圖像特征。
2.根據權利要求1所述的方法，其特征在于，
所述對應關系，包括：函數關系；所述欠采樣MRI數據為所述函數關系的輸入參數，所述MRI圖像的圖像特征為所述函數關系的輸出參數；
確定與所述當前欠采樣MRI數據對應的當前MRI圖像的圖像特征，還包括：
當所述對應關系包括函數關系時，將所述當前欠采樣MRI數據輸入所述函數關系中，確定所述函數關系的輸出參數為當前MRI圖像的圖像特征。
3.根據權利要求1所述的方法，其特征在于，所述獲取用于建立所述欠采樣MRI數據與所述MRI圖像的圖像特征之間的對應關系的樣本數據的步驟，包括：
收集不同受檢測者的所述欠采樣MRI數據和所述MRI圖像的圖像特征；
對所述欠采樣MRI數據進行分析、并結合預存的專家經驗信息，選取與所述MRI圖像的圖像特征相關的數據作為所述欠采樣MRI數據；
將所述MRI圖像的圖像特征、以及選取的所述欠采樣MRI數據構成的數據對，作為樣本數據。
4.根據權利要求3所述的方法，其特征在于，
對所述網絡結構和所述網絡參數進行訓練，包括：
選取所述樣本數據中的一部分數據作為訓練樣本，將所述訓練樣本中的所述欠采樣MRI數據輸入到所述網絡結構，通過所述網絡結構的損失函數，激活函數和所述網絡參數進行訓練，得到實際訓練結果；
確定所述實際訓練結果與所述訓練樣本中的相應MRI圖像的圖像特征之間的實際訓練誤差是否滿足預設訓練誤差；
當所述實際訓練誤差滿足所述預設訓練誤差時，確定對所述網絡結構和所述網絡參數的所述訓練完成；
和/或，
對所述網絡結構和所述網絡參數進行測試，包括：
選取所述樣本數據中的另一部分數據作為測試樣本，將所述測試樣本中的所述欠采樣MRI數據輸入到所述訓練完成的所述網絡結構中，以所述損失函數，激活函數和所述訓練完成的所述網絡參數進行測試，得到實際測試結果；
確定所述實際測試結果與所述測試樣本中的相應MRI圖像的圖像特征之間的實際測試誤差是否滿足設定測試誤差；
當所述實際測試誤差滿足所述設定測試誤差時，確定對所述網絡結構和所述網絡參數的所述測試完成。
5.根據權利要求4所述的方法，其特征在于，
所述損失函數包括結合圖像域均方誤差損失函數，頻域均方誤差損失函數，圖像處理內容感知損失函數，和對抗損失函數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中山大學，未經中山大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010420192.7/1.html，轉載請聲明來源鉆瓜專利網。
