[发明专利]一种X空间磁粒子成像解卷积方法

权利要求书

1.一种X空间磁粒子成像解卷积方法，其特征在于，包括以下步骤：

S1、获取X空间原生图像：仿真磁纳米粒子成像原生图像，使用仿真程序生成电压信号，对信号进行速度补偿，直接映射到被扫描点的瞬时位置，获得X空间原生图像，作为训练集和测试集；

S2、神经网络结构设置：设置卷积层和反卷积层，相对应的卷积层和反卷积层之间有跳跃连阶层；

S3、神经网络训练：采用所述训练集中的X空间原生图像作为网络输入训练神经网络；

S4、神经网络检测：在所述测试集上对神经网络进行检测，通过图像质量进行定量评价，并且根据评价结果修改网络训练参数；

S5、X空间解卷积：将待解卷积的原生图像输入训练和检测完成的所述神经网络模型进行预测，得到解卷积结果。

2.根据权利要求1所述的X空间磁粒子成像解卷积方法，其特征在于，所述步骤S1，所述获取X空间原生图像具体为：

获得信号：

获得X空间原生图像：

其中，s(t)为电压信号；B₁为接收线圈的灵敏度，单位为T/A；m为纳米颗粒的磁矩，单位为A·m²；ρ(x)为粒子浓度；x_s(t)为FFR的瞬时位置；为FFR速度矢量；H_sat为磁性纳米颗粒示踪剂的饱和场，单位为A/m；h(x)代表PSF函数，是朗之万函数的导数；为X空间原生图像。

3.根据权利要求1所述的X空间磁粒子成像解卷积方法，其特征在于，所述步骤S2，所述卷积层和反卷积层的卷积和反卷积核采用均值为0、标准差为0.01的随机高斯分布进行初始化；最后一层的过滤数设置为1，其他层设置为64；所有层的核大小设置为5×5；卷积和反卷积的步数设置为1，没有填充。

4.根据权利要求3所述的X空间磁粒子成像解卷积方法，其特征在于，所述步骤S2，所述神经网络的网络结构对称，N个卷积层和N个反卷积层，在每个卷积层之后有批处理归一化层和校正线性单元(ReLU)，反卷积之后只有ReLU；

所述卷积层的运算如下：

其中，为卷积提取的特征；W_i和b_i分别表示权重和偏差，*是卷积算子，N是卷积层的数量，x₀为输入图像，x_i(i＞0)为提取的特征层，ReLU(·)表示激活函数；

所述反卷积层的运算如下：

其中，为解卷积后的特征；W’_i，和b’_i，分别表示权重和偏差，是反卷积算子，N是反卷积层的数量，y_i是卷积层输出的特征向量。

5.根据权利要求1所述的X空间磁粒子成像解卷积方法，其特征在于，所述步骤S3，损失函数采用均方误差(MSE)，并在训练过程中计算均方根误差(RMSE)，峰值信噪比(PSNR)和结构相似指数测度(SSIM)，具体为：

其中，Φ是训练好的模型，X是真实磁纳米粒子浓度分布，Y是X空间原生图像，M和N分别是图像的长度和宽度；

其中，X_i和分别是真实磁纳米粒子浓度分布和神经网络预测结果，m代表样本数量；

其中，MSE代表真实磁纳米粒子浓度分布和神经网络预测结果的均方误差；

其中，μ_X和分别代表X和的平均值，σ_X和分别代表X和的标准差，代表X和的协方差；t₁和t₂是常数，避免分母为0带来的系统错误。

6.根据权利要求1所述的X空间磁粒子成像解卷积方法，其特征在于，所述步骤S4，所述定量评价的指标为均方根误差、峰值信噪比和结构相似指数测度。