[发明专利]多任务复值深度学习的欠采样肺部气体MRI重建方法

权利要求书

1.多任务复值深度学习的欠采样肺部气体MRI重建方法，其特征在于，包括以下步骤：

步骤1、获取3D全采样k空间数据和对应的欠采样k空间数据，逐层提取3D全采样k空间数据，获得2D全采样k空间数据和对应的欠采样k空间数据作为k空间数据对，根据k空间数据对生成训练集和测试集；将全采样k空间数据进行二维傅里叶反变换得到全采样图像，分割全采样图像，获得全采样肺实质区域图像；

步骤2、构建k空间重建网络；

步骤3、将步骤1生成的训练集中欠采样k空间数据输入到步骤2构建的k空间重建网络中得到预测的k空间数据；

步骤4、构建图像域重建网络；

步骤5、将步骤3获得的预测的k空间数据进行二维傅里叶反变换得到图像域数据，再将图像域数据与步骤1生成的训练集中欠采样k空间数据输入到步骤4构建的图像域重建网络中得到初步重建图像；

步骤6、构建多任务细节增强网络，

步骤7、将步骤5得到的初步重建图像做取模操作得到幅值图像，然后将幅值图像输入到步骤6构建的多任务细节增强网络得到最终重建的肺部超极化气体MRI图像以及肺实质区域分割结果；

步骤8、设定由k空间重建网络、图像域重建网络、以及多任务细节增强网络构成级联网络的总损失函数；

步骤9、根据步骤8设定的总损失函数，利用步骤1生成的训练集对级联网络进行训练，总损失函数的值持续稳定的收敛到设定误差范围后停止训练，保存级联网络的参数。

2.根据权利要求1所述的多任务复值深度学习的欠采样肺部气体MRI重建方法，其特征在于，所述的步骤2中，k空间重建网络包括级联的2个残差模块和一个k空间数据一致层，

残差模块包括5个复值卷积层，4个ReLu激活层，每个复值卷积层的卷积核大小为3×3，通道数为64，k空间数据一致层的映射函数f(KDC)由下式表示：

f(KDC)＝k_r×(1-mask)+k_u

其中，k_r为k空间重建网络的复值卷积层重建的k空间数据，k_u为k空间重建网络输入的欠采样k空间数据，mask为采样矩阵。

3.根据权利要求1所述的多任务复值深度学习的欠采样肺部气体MRI重建方法，其特征在于，所述的步骤4中，图像域重建网络包括级联的10个残差模块和一个图像域数据一致层，

残差模块中每个复值卷积层的卷积核的大小为3×3，通道数为64，图像域数据一致层的映射函数f(IDC)由下式表示：

f(IDC)＝IFFT2(FFT2(I_r)×(1-mask)+k_u)

其中，FFT2和IFFT2分别代表二维傅里叶变换和二维傅里叶反变换，I_r为图像域重建网络的复值卷积层重建的图像，k_u为k空间重建网络输入的欠采样k空间数据，mask为采样矩阵。

4.根据权利要求1所述的多任务复值深度学习的欠采样肺部气体MRI重建方法，其特征在于，所述的步骤6中，

多任务细节增强网络包含一个编码器、第一解码器和第二解码器，编码器提取的图像特征分别输入到第一解码器和第二解码器中，第一解码器输出最终重建的肺部超极化气体MRI图像，第二解码器输出肺实质区域分割结果。

5.根据权利要求4所述的多任务复值深度学习的欠采样肺部气体MRI重建方法，其特征在于，

所述的编码器包含5个实值卷积层和4个ReLu激活层，每个实值卷积层卷积核的大小为3×3，通道数为64；

所述的第一解码器包含5个实值卷积层和4个ReLu激活层，每个实值卷积层卷积核的大小为3×3，通道数为64；

所述的第二解码器包括5个实值卷积层，4个ReLu激活层和一个sigmoid激活层，每个实值卷积层卷积核的大小为3×3，通道数为64。