[发明专利]基于3T、7T的核磁共振脑部图像血管重建方法

说明书

本发明提供一种基于3T、7T的核磁共振脑部图像血管重建方法：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；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；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。本发明能在3T图片上重建血管。

技术领域

本发明涉及磁共振成像技术领域，具体地涉及一种基于3T、7T的核磁共振脑部图像血管重建方法。

背景技术

7T的磁共振图像能够清晰的看到3T磁共振图像所不具备的血管，但由于7T设备的昂贵以及稀少，大部分医院还是使用的3T图像。因此，针对这一问题，提出一种基于3T、7T的核磁共振脑部图像血管重建方法以克服这一问题甚为必要。

现有的对于图像重建的国内外研究大部分集中于超分辨率图像重建上。2014年，Dong等人提出用于一般自然图像超分辨率重建的CNN模型SRCNN。Kim等在SRCNN的基础上借鉴用于图像分类的VGG网络结构，提出了VDSR。Bee Lim等提出了增强型深度残差网络EDSR。

而针对磁共振图像，Wang等在(Accelerating magnetic resonance imagingviadeep learning)中将CNN用于了磁共振图像的重建，Chang等在(Deep learning forundersampled MRI reconstruction)论文中提出了基于U-net的磁共振图像重建网络。但都是将高分辨率图像进行k空间欠采样作为低分辨率图像进行的重建。

虽然已有多种超分辨率重建方法，但在3T、7T的重建上依然存在一些问题：

(1)大部分的超分辨率重建网络主要用于自然图像。

(2)与欠采样的低分辨率图片和高分辨率图片不同，3T、7T图像并不是完全的配准的，直接利用图片之间的差异难以重建出图片。

因此，需要对现有技术进行改进。

发明内容

本发明要解决的技术问题是提供一种高效的基于3T、7T的核磁共振脑部图像血管重建方法。

为解决上述技术问题，本发明提供一种基于3T、7T的核磁共振脑部图像血管重建方法：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；

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；

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。

作为对本发明基于3T、7T的核磁共振脑部图像血管重建方法的改进：步骤1中的归一化处理方法为：