[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

说明书

一种用于磁共振导航的脑组织快速成像与图像重建方法，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，实现针对介入操作中的磁共振影像实时的快速采集和重建，对图像引导的介入和手术具有重要意义。

技术领域

本发明涉及的是一种医疗器械领域的技术，具体是一种用于磁共振导航的脑组织快速成像与图像重建方法。

背景技术

磁共振影像的软组织对比度好，成像的方法多样，为当前影像导航的手术与介入操作提供了重要途径。然而，磁共振成像采集时间较长，难以在术中操作的过程中开展实时的图像采集与图像重建。当前磁共振快速采集与重建的主要方法包括并行成像方法、短TR采集方法、部分k空间采集方法、非笛卡尔坐标系k空间采集方法、压缩感知方法等等，但常规并行成像和短TR采集方法的加速倍数无法满足实时成像的要求、部分k空间采集方法的图像重建分辨率较低，图像质量不佳、非笛卡尔坐标系的k空间采集在高降采样的情况下，重建的图像质量不佳、压缩感知方法的图像重建速度慢，无法满足实时需求。

发明内容

本发明针对现有技术存在的上述不足，提出一种用于磁共振导航的脑组织快速成像与图像重建方法，实现针对介入操作中的磁共振影像实时的快速采集和重建，对图像引导的介入和手术具有重要意义。

本发明是通过以下技术方案实现的：

本发明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，优选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(filter)，最后一个则只有两个过滤器。

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(same padding)使输入输出尺寸一致。卷积层使用的激活函数为ReLU函数。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。

技术效果

与现有技术相比，本发明针对介入影像进行采集和重建，图像降采样率高，成像速度快；针对介入特征进行重建，提高图像采集和重建速率，准确捕捉介入特征的空间位置进行导航；通过基于机器学习的重建，图像质量好。

附图说明

图1为本发明流程示意图；

图2为实施例效果示意图；

图中：(a)全采样的介入影像；(b)采用本方法重建的介入影像。

图3为现有技术比较效果图；

图中：(a1)未采样的参考图像；(a2)本方法重建图像；(a3)现有GAN网络生成图像。

具体实施方式

如图1所示，为本实施例涉及的一种用于磁共振导航的快速成像与图像重建方法，通过多层级联卷积神经网络分别针对介入前降采样参考图像和介入后降采样图像进行重构，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介入前全采样参考图像得到最终介入图像。

本实施例具体包括以下步骤：

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。

所述的原始图像x_Ref是全采样图像，针对不同的介入需求进行采集，类似于常规诊断影像，具有较高的分辨率并保留尽量多的细节。