申请/专利权人：烟台大学

申请日：2023-11-13

公开（公告）日：2024-04-30

公开（公告）号：CN117541473B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T11/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：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。

主权项：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ILR，将数据集中高分辨率的图像帧记为IHR，ILR∈RT×H×W，IHR∈RT×s*H×s*W，R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；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；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Lt，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；S3-2、将作为图像组Lt中的当前帧低分辨率图像，将图像组Lt输入到超分辨重建模型中，得到重建后的高分辨图像 的具体获取过程为：将图像组Lt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并将图像组Lt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ISR；S3-5、根据最终的高分辨图像序列ISR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IHR，计算损失函数；S3-6、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。

全文数据：

权利要求：

百度查询： 烟台大学 一种磁共振成像图像的超分辨重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD