[发明专利]一种基于生成式对抗网络的并行磁共振成像方法

权利要求书

1.一种基于生成式对抗网络的并行磁共振成像方法，其特征在于，所述方法至少由一个处理器完成，所述方法包括：

对并行磁共振K等空间数据的中间区域进行全采样获取全采样数据，对并行磁共振K空间数据的周围区域等间隔降采样获取降采样数据；

对全采样数据和降采样数据进行处理后作为训练样本训练判别网络模型；

利用训练好的判别网络模型和经过处理后的全采样数据来训练生成网络模型；

利用训练好的生成网络模型重建并行磁共振K空间数据的周围区域的未采样数据；

将全采样数据、降采样数据和未采样数据进行合并组成完整的并行磁共振K空间数据；

利用傅里叶反变换将所述完整的并行磁共振K空间数据转换成图像；

所述训练样本包括I类样本数据、II类样本数据和III类样本数据；所述判别网络模型基于I类样本数据、II类样本数据和III类样本数据训练得到；所述生成网络模型基于判别网络模型和I类样本数据训练得到；所述I类样本数据、II类样本数据和III类样本数据由如下方法得到：

对全采样数据设置一些数据为0进行伪降采样从而获得伪降采样数据；

在伪降采样数据中依次取大小为M*N的窗口数据作为判别网络模型和生成网络模型的输入，对应标签为0，并记为I类样本数据；

在全采样数据中依次取大小为M*N的窗口数据作为判别网络模型的输入，对应标签为1，并记为II类样本数据；

在降采样数据中依次取大小为M*N的窗口数据作为判别网络模型的输入，对应标签为0，并记为III类样本数据；

所述对全采样数据设置一些数据为0进行伪降采样从而获得伪降采样数据包括：在伪降采样中，采样位置上保留原数据，不采样位置将原有并行磁共振K空间数据设置为0，并多次重复伪降采样以得到充足的训练样本；在获取I类样本数据、II类样本数据和III类样本数据的过程中，依次滑动窗口作相同操作，以获得多例训练样本；所述判别网络模型为卷积神经网络；所述生成网络模型采样卷积自编码器；

所述生成网络模型基于判别网络模型和I类样本数据训练得到包括：

生成网络模型的输出作为判别网络模型的输入，判别网络模型的输出与1 的差值作为生成网络模型的损失函数，并通过算法更新生成网络模型的权重参数；

生成网络模型的输出作为判别网络模型的输入，判别网络模型的输出与1 的差值作为生成网络模型的损失函数，并通过算法更新生成网络模型的权重参数来训练生成网络模型；然后再将生成网络模型重建的未采样数据加入到III类样本数据中训练判别神经模型，然后再用判别网络模型去训练生成网络模型，如此重复直至得到稳定的生成网络模型，利用稳定的生成网络模型去重建并行磁共振K空间数据的周围区域的未采样数据。

2.根据权利要求1所述的基于生成式对抗网络的并行磁共振成像方法，其特征在于，所述通过算法更新生成网络模型的权重参数中的算法包括交替方向乘子法、梯度下降法和牛顿法。