双域仿生式多对比度超分辨率MRI模型构建方法

本发明涉及医学影像，尤其涉及一种双域仿生式多对比度超分辨率mri模型构建方法。

背景技术：

1、在实际的临床诊疗中，通常需要获取单个受检者的多种对比度的磁共振图像（t1加权、t2加权、质子密度加权和液体衰减反转恢复等），以获取补充组织信息，从而进行更准确、更全面的放射学评估。多种对比度的磁共振图像的获取过程需要很长的扫描时间，这不仅会给受试者带来不适，还会因为受试者不受控的身体移动引入运动伪影，影响重建图像的质量。

2、超分辨率作为一种图像后处理技术，能够在mri设备原有的硬件基础上，大幅降低高分辨率磁共振图像的获取时间，从而改善受试者的扫描体验并保证重建图像的质量。不同对比度的磁共振图像之间存在一定的互补信息（例如，t1加权图像与t2加权图像之间具有互补性），多对比度超分辨率技术能够利用高分辨率的参考对比度图像指导低分辨率的目标对比度图像进行超分辨率重建，为超分辨率图像提供额外的特征信息，从而提高超分辨率图像的重建质量。

3、目前，用于磁共振成像的多对比度超分辨率模型通常采用多级模块横向堆叠的方式增加模型的深度，扩大模型的感受野，从而提高模型的超分辨率能力。然而，这类模型忽略了同级特征之间的交互和融合，即忽略了模型的宽度对模型性能的影响。并且，现有的双域模型没有利用k空间中各个节点之间的关联性信息，没有完全发掘出k空间域对提高超分辨率重建的作用。

技术实现思路

1、鉴于现有方法中存在的上述缺陷或不足，本发明提供一种双域仿生式多对比度超分辨率mri模型构建方法，在k空间域和图像域按照细胞级、组织级、器官级构建各级特征提取模块，并集合成仿生式双域多对比度超分辨率模型。本发明使得多对比度超分辨率模型能够充分提取和融合同级特征，并且提高模型在跨级特征之间的交互能力。此外，根据k空间域和图像域的特性，选择不同的网络框架构建单域网络，并对两个单域网络的特征进行深度融合，最终生成高质量的超分辨率图像。

2、为实现上述目的，本发明采用如下技术方案：

3、一种双域仿生式多对比度超分辨率mri模型构建方法，包括以下步骤：

4、步骤1：构建k空间域的细胞级、组织级和器官级模块；用于k空间域特征的逐级提取；

5、步骤2：构建图像域的细胞级、组织级和器官级模块；用于图像域特征的逐级提取以及双域多级特征的融合；

6、步骤3：构建双域仿生式多对比度超分辨率mri模型系统；用于实现多对比度超分辨率成像；

7、步骤4：设计结束。

8、进一步的，步骤1所述的k空间域的细胞级模块是一个多层感知器；多层感知器的输入为k空间某一节点及其相邻节点的组合，多层感知器的输出为一个新节点；k空间中每个节点都分配一个独立的细胞级模块。

9、进一步的，步骤1所述的k空间域的组织级模块是k空间中所有节点的k空间域细胞级模块的并行组合；k空间域组织级模块的输入是原始k空间，k空间域组织级模块的输出是与原始k空间维度相同的新的k空间。

10、进一步的，步骤1所述的k空间域器官级模块是多个k空间域组织级模块的级联；第一个组织级模块的输入与最后一个组织级模块的输出相加，实现局部残差连接。

11、进一步的，步骤2所述的图像域细胞级模块包括基础细胞，补丁细胞和解补丁细胞；基础细胞是两个卷积层和多个特征提取块的组合；基础细胞中的特征提取块可以是任意一种深度学习模块；基础细胞通过将第一个卷积块的输出与最后一个特征提取块的输出相加，实现局部残差连接；补丁细胞是在基础细胞的输入端增加补丁运算，将输入特征分解为多个补丁；解补丁细胞是在基础细胞的输出端增加解补丁运算，将多个补丁特征合成为图像。

12、进一步的，步骤2所述的图像域组织级模块由一个多层感知器和一个卷积层组成；多层感知器的神经元是图像域细胞级模块；多层感知器的输出经过一个卷积层后得到图像域组织级模块的输出。

13、进一步的，步骤2所述的图像域器官级模块包括增强融合模块，深度融合模块和重建模块；增强融合模块首先对两个输入特征进行加法和减法运算得到附加特征，然后将输入特征和附加特征送入由图像域组织模块作为神经元的多层感知器，多层感知器的输出经过卷积层后得到增强融合模块的输出；深度融合模块首先将每个输入特征送入补丁细胞得到补丁特征，然后将多组补丁特征送入由图像域组织模块作为神经元的多层感知器，多层感知器的输出经过一个卷积层后得到深度融合模块的输出；重建模块首先将两个输入特征送入由图像域组织模块作为神经元的多层感知器，然后多层感知器的两个输出端的分别连接一个卷积层用于生成补丁特征，最后补丁特征经过解补丁模块得到两种对比度的超分辨率磁共振图像。

14、进一步的，步骤3所述的双域仿生式多对比度超分辨率mri模型系统，由k空间域多级特征提取模块，图像域增强融合模块，图像域深度融合模块和重建模块组成；模型系统的输入为两种对比度的低分辨率k空间数据，输出为两种对比度的超分辨率磁共振图像。

15、本发明与现有技术相比较，具有以下有益效果：

16、第一，由于本发明按照生命系统的结构层次构建模型，增加模型深度的同时增加了模型的宽度，使得模型在同级特征之间和跨级特征之间的特征交互能力得到大幅提升。

17、第二，由于本发明根据k空间域和图像域的特性选择不同的网络框架，提高了模型在k空间域和图像域的特征提取能力，并最大化地实现了k空间域和图像域的特性互补。

18、第三，由于本发明为k空间中每个节点分配一个独立的细胞级模块，并与将相邻节点组成模块的输入，提高了k空间域网络对局部特征的提取能力。

19、第四，由于本发明构建了k空间域多级特征提取模块，通过组织级模块对细胞级模块的并行组合，然后通过堆叠组织级模块生成k空间域的各级特征，使得模型在k空间域具有多级局部特征的提取能力。

20、第五，由于本发明在图像域构建了增强特征融合模块和深度融合模块，提高了模型对高阶多对比度特征的提取和融合能力，促进了多对比度互补特征在超分辨率图像中的表达。

技术特征：

1.一种双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

3.根据权利要求2所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

4.根据权利要求3所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

5.根据权利要求1所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

6.根据权利要求5所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

7.根据权利要求6所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

8.根据权利要求1所述的双域仿生式多对比度超分辨率mri模型构建方法，其特征在于，

技术总结本发明公开了一种双域仿生式多对比度超分辨率MRI模型构建方法。所述方法包括如下步骤：（1）构建k空间域的细胞级、组织级和器官级模块；（2）构建图像域的细胞级、组织级和器官级模块；（3）构建双域仿生式多对比度超分辨率MRI模型系统。基于本发明构建的双域仿生式多对比度超分辨率MRI模型，利用了生命系统的结构层次，逐级进行特征提取，提高了模型在同级特征之间和跨级特征之间的特征交互能力；在k空间域和图像域选择不同的网络框架构建各级模块进行多级特征提取，同时对k空间域和图像域的特征进行深度融合，从而生成高质量的多对比度超分辨磁共振图像。技术研发人员：李磊,杨文晖,魏树峰,王慧贤,王铮受保护的技术使用者：中国科学院电工研究所技术研发日：技术公布日：2024/7/29