[发明专利]一种基于深度学习的压缩感知磁共振图像快速重建方法

权利要求书

1.一种基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于，包括以下步骤：

S1：采集磁共振K空间原始数据，得到K空间原始数据K_fid；

S2：基于压缩感知理论构建欠采样模板mask，通过所述欠采样模板mask模拟欠采样K空间数据，得到欠采样K空间数据K_cs-fid；

S3：对所述K空间原始数据K_fid和所述欠采样K空间数据K_cs-fid进行逆傅里叶变换处理得到全采样图像I_img与欠采样图像I_cs-img，并对所述全采样图像I_img与所述欠采样图像I_cs-img进行归一化处理，并保留归一化参数；

S4：基于Unet构建重建网络，通过所述重建网络对归一化处理后的所述全采样图像I_img与所述欠采样图像I_cs-img进行处理得到重建图像I_recon；

S5：对所述重建图像I_recon进行保真操作，得到保真图像I_{data-consistency}。

2.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

在步骤S1中，所述K空间原始数据能够为任意部位、任意模态以及任意矩阵大小的数据。

3.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

在步骤S2中，所述欠采样模板mask符合高斯分布，其第二主峰高度低于第一主峰高度。

4.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

在步骤S3中，所述全采样图像I_img与所述欠采样图像I_cs-img归一化处理后分布在[0,1]之间。

5.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

在步骤S4中，所述重建网络包括编码层和解码层，所述编码层包含5个编码模块，每个模块由两个卷积层组成，其卷积核个数分别为32、64、128、256、512，所述解码层包含5个解码模块，每个模块由两个反卷积层组成，其卷积核个数分别为512、256、128、64、32，

所述解码层中最后一个卷积层使用softmax激活函数，其余卷积层使用adam激活函数。

6.根据权利要求5所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

其中，每一所述编码模块均有一所述解码模块与之对应，相对应的所述编码模块与所述解码模块进行跳跃连接。

7.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

在步骤S4中，所述重建网络的输入层为所述欠采样图像I_cs-img，输出层为所述全采样图像I_img，所述输入层数据和所述输出层数据一一对应。

8.根据权利要求1所述的基于深度学习的压缩感知磁共振图像快速重建方法，其特征在于：

其中，步骤S5包括如下子步骤：

S51，截取所述欠采样模板mask中心连续部分，得到低频欠采样矩阵mask_low；

S52，利用所述低频欠采样矩阵mask_low对所述空间K原始数据K_fid进行掩膜得到低频欠采样K空间矩阵K_cs-fid-low，对所述低频欠采样K空间矩阵K_cs-fid-low进行逆傅里叶变换得到低频欠采样图像I_cs-img-low，求取所述低频欠采样图像I_cs-img-low的第一相位角

S53，利用所述归一化参数对所述重建图像I_recon进行反归一化，并与所述第一相位角相乘恢复所述重建图像I_recon的相位信息，得到复数图像I_{recon-complex}；

S54，对所述复数图像I_{recon-complex}进行傅里叶变换得到重建后的K空间数据K_recon，求取所述重建后的K空间数据K_recon的第二相位角

S55，利用所述欠采样模板mask对所述重建后的K空间数据K_recon进行掩膜得到欠采样重建后的K空间数据K_cs-recon；

S56，将所述欠采样K空间数据K_cs-fid的模值K_cs-fid-abs与所述欠采样重建后的K空间数据K_cs-recon的模值K_cs-recon-abs进行线性回归操作，线性回归公式为K_cs-recon-abs＝a*K_cs-fid-abs+b，得到线性回归系数斜率a和截距b的值；

S57，使用所述斜率a和所述截距b对所述重建后的K空间数据K_recon进行放缩，放缩公式为K_{data-consistency}＝(abs(K_recon)-b)/a，得到保真后的K空间数据K_{data-consistency}；

S58，所述保真后的K空间数据K_{data-consistency}与所述第二相位角相乘恢复K空间的相位信息，得到保真后的复数K空间数据K_{data-consistency-complex}，并将所述欠采样K空间数据K_cs-fid中不为零的数据替换至所述保真后的复数K空间数据K_{data-consistency-complex}中；

S59，对所述保真后的复数K空间数据K_{data-consistency-complex}进行逆傅里叶变换得到所述保真图像I_{data-consistency}。