← 返回列表

一种磁共振成像图像的超分辨重建方法

申请号: CN202311505970.2
申请人: 烟台大学
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 一种磁共振成像图像的超分辨重建方法
专利类型 发明申请
申请号 CN202311505970.2
申请日 2023/11/13
公告号 CN117541473A
公开日 2024/2/9
IPC主分类号 G06T3/4053
权利人 烟台大学
发明人 吕骏; 刘峰
地址 山东省烟台市莱山区清泉路30号

摘要文本

本发明涉及一种磁共振成像图像的超分辨重建方法,包括:S1、将多幅磁共振成像图像构建成数据集;S2、将数据集分成测试集和训练集;S3、构建超分辨重建模型,并分批次使用训练集中的训练样本对构建的超分辨重建模型进行训练,得到训练完成后的超分辨重建模型;超分辨重建模型包括位置感知空间路径网络和运动感知时间路径网络;S4、在测试集中选取任一帧低分辨率图像,将该低分辨率图像输入到S3中训练完成后的超分辨重建模型中,即得到重建后的高分辨图像。该方法通过将位置感知空间路径网络和运动感知时间路径网络的输出连接起来,充分利用图像帧之间的相关性,有效地抑制了伪影或模糊。

专利主权项内容

1.一种磁共振成像图像的超分辨重建方法,其特征在于包括如下步骤:S1、将多幅磁共振成像图像构建成数据集;其中将数据集中的低分辨率图像帧记为I,将数据集中高分辨率的图像帧记为I,I∈R,I∈RR为实数集合,T为图像帧的总帧数、H为图像帧的高度,W为图像帧的宽度,s为分辨率的升级系数;LRHRLRT×H×WHRT×s*H×s*WS2、将数据集分成测试集和训练集;S3、构建超分辨重建模型,并分批次使用训练集中的训练样本对构建的超分辨重建模型进行训练,得到训练完成后的超分辨重建模型;超分辨重建模型包括位置感知空间路径网络和运动感知时间路径网络;每次训练时,选取连续的T帧低分辨率图像对超分辨重建模型进行训练;/>为第1帧低分辨率图像、/>为第2帧低分辨率图像,/>为第T帧低分辨率图像,超分辨重建模型训练的具体过程为:S3-1、将所有低分辨率图像按照滑动窗口的方式建立图像组,滑动窗口大小为2N+1,步幅为M,N和M均为正整数;将其中一个图像组记为L,分别为第t-N帧低分辨率图像、第t-N+1帧低分辨率图像、第t帧低分辨率图像、第t+N帧低分辨率图像;tS3-2、将作为图像组L中的当前帧低分辨率图像,将图像组L输入到超分辨重建模型中,得到/>重建后的高分辨图像/>tt
的具体获取过程为:将图像组L中的连续低分辨率图像帧输入到位置感知空间路径网络中,得到当前帧低分辨率图像所对应的增强特征图/>t并将图像组L中的连续低分辨率图像帧输入到运动感知时间路径网络中,得到当前帧低分辨率图像所对应的光流图引导特征/>t将增强特征图和光流图引导特征/>融合在一起,得到融合后的特征图,并将融合后的特征图输入到依次相连接的解码器和上采样层中,得到重建后的高分辨图像序列/>S3-3、按照上述步骤S3-2中相同的方式,依次将各个图像组输入到超分辨重建模型中,得到每个图像组中的当前帧低分辨率图像重建后的高分辨图像;S3-4、将所有重建后的高分辨图像按照先后顺序排序构成最终的高分辨率图像序列I;SRS3-5、根据最终的高分辨图像序列I与训练时使用的低分辨率图像帧所对应的真实高分辨率图像帧序列I,计算损失函数;SRHRS3-6、根据S3-5中的损失函数反向更新超分辨重建模型的网络参数,即得到一次更新后的超分辨重建模型;S4、在测试集中选取任一帧低分辨率图像,将该低分辨率图像输入到S3中训练完成后的超分辨重建模型中,即得到重建后的高分辨图像。 来自: