[发明专利]一种核磁共振成像方法

权利要求书

1.一种核磁共振成像方法，其特征在于，包括以下步骤：

步骤1、使用自编码技术与图卷积神经网络构建生成器，编码器、图卷积神经网络、解码器共同构成生成器；

步骤2、将欠采样图像输入到生成器中提取底层特征；

步骤3、通过生成器提取图像的高层特征；

步骤4、通过解码器生成初始的重建图像；

步骤5、经过生成器和鉴别器的动态博弈得到最终的重建图像。

2.如权利要求2所述的一种核磁共振成像方法，其特征在于，在步骤1中自编码技术通过Residualblock模块提取每一个尺度的基础特征，同时使用跳跃连接，让输入与输出实现恒等映射，将输入传递到后边的卷积层；其中，Residualblock模块满足：F(x)＝H(x)-x，其中，H(x)为卷积神经网络中若干非线性网络层的目标映射，x是输入，F(x)为残差映射；Residualblock模块每个卷积层采用3*3的卷积核，步长为1，填充为0，卷积滤波器的数量为128。

3.如权利要求2所述的一种核磁共振成像方法，其特征在于，在步骤1中，使用ResBlock模块作为基础模块；将解码器的底层输出向上聚合，同时采用密集嵌套结构联合相同与不同尺度的特征信息，用于补偿在编码阶段池化和解码阶段上采样所丢失的信息，其中，Residualblock模块满足：F(x)＝H(x)-x，其中，H(x)为卷积神经网络中若干非线性网络层的目标映射，x是输入，F(x)为残差映射；Residualblock模块每个卷积层采用3*3的卷积核，步长为1，填充为0，卷积滤波器的数量为128。

4.如权利要求3所述的一种核磁共振成像方法，其特征在于，在步骤5中，鉴别器使用U-Net模型，用于将重建结果的每一个像素反馈到生成器。

5.如权利要求4所述的一种核磁共振成像方法，其特征在于，在步骤5中使用谱归一化稳定U-Net模型的训练过程。

6.如权利要求4所述的一种核磁共振成像方法，其特征在于，所述鉴别器使用损失函数进行训练，所述鉴别器的损失函数为：

其中，全采样图片Y_μ是来源于全采样数据集的分布Ptrain(Y_μ)；具有伪影的欠采样图像X_μ来源于欠采样的数据集分布Ptrain(X_μ)，D为鉴别器，G为生成器，表示当生成器G的输出Y从Ptrain(Y_μ)中采样时，通过鉴别器的输出取最大，表示当生成器G的输出Y从Ptrain(X_μ)中采样时，通过鉴别器的输出取最小。

7.如权利要求6所述的一种核磁共振成像方法，其特征在于，所述生成器使用损失函数进行训练，所述生成器的损失函数为：

L_G＝L_Adv+αL_mse+β(L_ssim+L_gradient)+γL_FFL，其中α是内容损失的权重；β是纹理损失的权重；γ是频率域损失的权重；L_Adv为对抗损失；L_mse为重建图像与全采样图像之间的均方误差；L_ssim为结构相似性损失；L_gradient为梯度损失；L_FFL为频率域损失。

8.如权利要求7所述的一种核磁共振成像方法，其特征在于，所述L_FFL的公式为：

其中，F_Yμ(u，v)、分别表示将全采样图像与重建图像的每个频率值映射到二维空间以后的坐标，w(u，v)表示(u，v)处空间频率的权重，H、W分别表示图像的宽和高。