[发明专利]一种磁共振图像降噪方法、装置、设备及存储介质

说明书

本申请公开了一种磁共振图像降噪方法、装置、设备及存储介质，包括：获取目标对象待检测区域的部分K空间频域数据，得到目标加速磁共振图像；将目标加速磁共振图像输入至利用基于标准序列磁共振图像合成的包含多种噪声的仿真加速磁共振图像集对基于生成对抗网络构建的初始降噪模型进行训练后得到的目标神经网络模型中，并通过所述目标神经网络模型对所述目标加速磁共振图像进行降噪处理，得到降噪后的加速磁共振图像。本申请通过标准序列磁共振图像能够合成包含多种噪声的仿真加速磁共振图像集，进而得到能够对多种噪声进行降噪处理的神经网络模型，通过上述神经网络模型能够有效地对磁共振图像进行降噪，提高磁共振成像的质量。

技术领域

本申请涉及磁共振图像处理技术领域，特别涉及一种磁共振图像降噪方法、装置、设备及存储介质。

背景技术

磁共振成像（Magnetic Resonance Imaging，MRI）是一种较新的医学成像技术，通常采集的是K空间频域信息，然后经过傅里叶变换后得到对应的病人的体内结构图像信息。通常情况下，标准磁共振成像（标准序列）的信息采集需要较长时间，而降低采集时间（快速序列）所得到的序列中K空间信息较少，重建出的图像存在噪声较多，图像质量较差的问题。

目前主流的磁共振图像降噪方法包括：1、基于滤波的方法；2、基于深度学习的方法。其中，基于滤波的方法包括高斯滤波、中值滤波、小波变换阈值滤波等方法，其假定图像噪声符合一定的分布规律，并根据相应的算法更新图像中的像素值。这类方法的效果依赖于所假设模型与待降噪图像的匹配性，适用范围有一定的局限；基于深度学习的方法使用仿真数据集训练降噪模型，并用仿真数据集量化评估。然而临床数据往往不同于仿真数据，噪声类型和图像结构均较为复杂，因此好的量化指标并不代表好的临床应用价值。例如，即使降噪后的图像信噪比较高、量化指标好，但它可能存在较多的伪影，使医生分不清人体内结构。

综上所述，如何有效地对磁共振图像进行降噪是目前还有待进一步解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种磁共振图像降噪方法、装置、设备及存储介质，能够有效地对磁共振图像进行降噪，提高磁共振成像的质量。其具体方案如下：

第一方面，本申请公开了一种磁共振图像降噪方法，包括：

获取目标对象待检测区域的部分K空间频域数据，以得到目标加速磁共振图像；

将所述目标加速磁共振图像输入至训练后的目标神经网络模型中，以便通过所述目标神经网络模型对所述目标加速磁共振图像进行降噪处理，得到降噪后的加速磁共振图像；其中，所述目标神经网络模型为利用基于标准序列磁共振图像合成的包含多种噪声的仿真加速磁共振图像集对基于生成对抗网络构建的初始降噪模型进行训练后得到的模型。

可选的，所述基于标准序列磁共振图像合成的包含多种噪声的仿真加速磁共振图像集，包括：

采集未加速的标准序列磁共振图像，并对所述标准序列磁共振图像进行预处理，得到预处理后的标准序列磁共振图像；

将所述预处理后的标准序列磁共振图像中图像强度小于第一阈值的像素值设置为0；

根据预设的第一均值和第一标准差的高斯分布生成一个随机数，并将所述随机数作为噪声缩放因子；

利用所述噪声缩放因子和预设的尺寸修正因子生成多种噪声；

随机生成一个与所述标准序列磁共振图像的信噪比成正比的数值，并将所述多种噪声乘以所述数值，得到修正后的多种噪声；

在预设的第一范围内随机生成与所述修正后的多种噪声数量相同的多个权重值，并将所述多个权重值与所述修正后的多种噪声按照一对一的关系进行匹配，再分别利用匹配后的权重值对相应的噪声进行加权处理，得到多个加权后的噪声；