[发明专利]基于3T、7T的核磁共振脑部图像血管重建方法

权利要求书

1.基于3T、7T的核磁共振脑部图像血管重建方法，其特征在于：包括以下步骤：

步骤1：获取3T图片和7T图片，对3T图片和7T图片进行图像预处理，得到预处理之后的3T图片和7T图片；

步骤2：基于U-net网络，以预处理之后的3T图片作为U-net网络的输入，得到经过U-net的输出图片；

包括以下步骤：

步骤2-1，构建U-net网络结构；

步骤2-2，U-net网络的输出位置添加tanh函数，如下公式所示：C_out＝tanh(x_i)；

其中C_out表示U-net网络的输出；以预处理之后的3T图片作为U-net网络的输入x_i，得到经过U-net的输出图片；以相应的预处理之后的7T图片作为标签；

步骤3：分别将经过U-net的输出图片和预处理之后的7T图片输入VGG-16网络，得到3T图片经过VGG-16网络后的输出和7T图片经过VGG-16网络的输出；

在U-net网络后接入ImageNet的预训练VGG-16网络，形成U-net-VGG网络，该VGG-16网络为VGG-19网络的前16层；将经过U-net的输出图片和预处理之后的7T图片输入预训练VGG-16网络，得到3T图片经过VGG-16网络后的输出和7T图片经过VGG-16网络的输出；

步骤4：对U-net网络的输出、3T图片经过VGG-16网络后的输出和7T图片经过VGG-16网络的输出都进行损失计算，基于损失函数利用随机梯度下降法得到参数，根据参数更新U-net网络，将3T图片输入更新后的U-net网络得到重建结果；

包括以下步骤：

步骤4-1，对U-net网络的输出进行损失计算,使用L1 loss函数，其目标函数如下公式所示：

其中表示与处理之后的7T图片，y_j表示U-net网络的输出，E_l表示U-net网络的损失函数；

步骤4-2，对VGG-16网络的输出进行特征图层面的损失计算，使用均方误差函数，其目标函数如下公式所示：

其中表示7T图片经过VGG-16网络的输出，y_v表示3T图片经过VGG-16网络后的输出，v表示每一个像素，N表示所有的像素个数；E_k表示特征层面的损失函数；

步骤4-3，最终的目标函数公式E如下公式所示：

其中是平衡两个损失的权重；

步骤4-4，使用随机梯度下降优化方法来进行梯度更新，从而优化目标函数E，进行训练得到参数，根据参数更新U-net网络，将3T图片输入更新后的U-net网络得到重建结果。

2.根据权利要求1所述的基于3T、7T的核磁共振脑部图像血管重建方法，其特征在于：步骤1的预处理中的归一化处理方法为：

其中s_i表示每张图中的每一个像素值，max(s_i)表示这张图片中像素最大值，这样让每个像素的值在[-1,1]之间。

3.根据权利要求2所述的基于3T、7T的核磁共振脑部图像血管重建方法，其特征在于：步骤4-4包括：

使用随机梯度下降优化方法来进行梯度更新，从而优化总体的目标函数E，将所有的预处理之后的3T图片中的90％作为训练集图片，10％作为测试集图片，将训练集图片作为U-net网络的输入，以对应的7T图片作为标签进行训练，保存训练过程中更新权重和参数；

U-net网络加载训练得到的模型权重和参数，以测试集图片作为输入U-net网络得到重建结果。