[发明专利]用于磁共振导航的脑组织快速成像与图像重建方法

权利要求书

1.一种用于磁共振导航的脑组织快速成像与图像重建方法，其特征在于，通过多层级联卷积神经网络分别针对参考图像和介入图像进行重构，将得到的两幅重构图像相减得到介入特征，将得到的介入特征加载至参考图像得到最终介入图像；

所述的多层级联卷积神经网络，由至少三级卷积神经网络级联组成，每级神经网络包括：卷积层和与之相连的数据一致性保持层，包括十个卷积层和一个数据一致性保持层，其中前9个卷积层每层都有64个过滤器，最后一个卷积层包括两个过滤器；

所述方法，具体包括以下步骤：

①脑组织在定位架上固定后，在介入操作前，对脑组织进行常规的结构影像采集得到用于后续重建图像的生成的原始图像x_Ref；

②在没有介入的情况下，对脑组织使用快速成像方法进行预扫描，具体为：采用基于黄金角的径向采集轨迹的快速序列，采集脑组织在与介入成像的相同层面的质子信号，通过重建，得到欠采样图像

③通过若干级神经网络对欠采样图像进行重建，得到恢复图像

④在介入过程中通过与步骤②相同的快速成像方法进行预扫描，得到不同时间点的介入影像并步骤③中用训练的神经网络对介入图像进行重构，得到介入重构图像

⑤将恢复图像和和介入重构图像相减得到介入特征x_Nov，基于已知的介入特征几何参数，对介入特征进行几何参数的修复；

⑥将得到的介入特征x_Nov加载到x_Ref，得到最终介入图像。

2.根据权利要求1所述的方法，其特征是，所有卷积层中的过滤器的尺寸都为3x3，步长都为1x1；每层都使用相同补白策略使输入输出尺寸一致。

3.根据权利要求1所述的方法，其特征是，所述的卷积层使用的激活函数为ReLU函数。

4.根据权利要求1所述的方法，其特征是，所述的数据一致性保持层使用均方误差函数作为损失函数并使用Adam优化器优化。

5.根据权利要求1所述的方法，其特征是，所述的训练是指：使用端到端的方法，以分辨率为128x128的人脑的冠状位磁共振图像为训练图片，脑组织的介入特征通过在原有的磁共振影像中插入介入物形状以模拟介入成像过程，对介入影像进行与实际成像的降采样处理以得到欠采样图片，从而生成相应的网络训练集，训练过程采用批训练方法进行，训练周期为20周期。

6.根据权利要求5所述的方法，其特征是，所述的重建是指：采用已训练好的神经网络，对经过非均匀快速傅立叶变换的欠采样图像进行二次重建；重建所采用的冠状位成像采集参数包括：层厚2.1mm，读出FOV250mm，相位FOV250mm，读出分辨率256，TR 7.4ms，相位编码方向RL，TE 3.53ms，回波数1，翻转角10，所有图像采集过程中的带宽为200Hz，x_Ref使用的辐条数为401，和使用的辐条数为5。

7.根据权利要求1所述的方法，其特征是，所述的介入特征几何参数包括：介入特征的形状和在成像层面的宽度；所述的修复是指：通过重建后定位介入特征的中心线，已知介入特征在成像层面的宽度和像素大小，在此基础上对介入特征的几何形态进行进一步修复和完善。

8.根据权利要求1所述的方法，其特征是，所述的加载是指：已知介入特征的位置和几何形态，以基于参考图像尺寸生成介入特征的二位矩阵，将介入特征二位矩阵与x_Ref做逐个像素的或运算。