一种基于深度学习的磁场扰动自动校正方法与流程

本发明涉及磁共振图像处理，具体涉及一种基于深度学习的磁场扰动自动校正方法。

背景技术：

1、磁共振成像是一种重要的医学成像技术，它能够提供人体内部结构的高分辨率图像。然而，在实际操作中，mri系统的成像质量往往受到周围环境磁场的影响。尤其在磁共振成像系统附近的轨道交通(如地铁和火车)以及大功率电器的运行，会导致成像区域内磁场强度及方向的变化，进而引起接收线圈检测到的磁共振信号相位的改变，导致k-空间内不同相位编码线的数据相位不一致。这种不一致性会在成像过程中产生图像伪影，进而引起图像模糊和几何失真，严重影响成像结果的准确性和可靠性。

2、现有技术中，为了消除磁场扰动的影响，可以使用磁通门探测器检测磁场扰动，并驱动主动屏蔽线圈以抵消该扰动的影响，比如，中国专利cn201811041108.x公开了一种基于squid三轴磁强计的矢量磁场稳定系统，包括：设置于三轴补偿线圈中，用于探测三个轴向磁场的squid三轴磁强计；读出squid三轴磁强计检测到信号的squid读出模块；将squid三轴磁强计的检测信号反馈到相应的三轴补偿线圈中的反馈模块；产生与环境磁场波动相反的补偿磁场的三轴补偿线圈；其中，squid三轴磁强计与三轴补偿线圈的三个轴向对应设置。本发明使用squid三轴模块作为磁探测器进行磁场稳场，可以获得更全面(总场和各矢量场)的磁场稳定效果，灵敏度高，带宽大。

3、但是，在实际实施过程中，发明人发现，该类技术方案成本相对较高，或者需要重新设计带导航回波采集的成像序列且对磁场扰动的估计精度要求很高。

技术实现思路

1、针对现有技术中存在的上述问题，现提供一种基于深度学习的磁场扰动自动校正方法。

2、具体技术方案如下：

3、一种基于深度学习的磁场扰动自动校正方法，针对磁共振设备预先在外部设置磁场扰动仪，所述磁场扰动仪针对外部环境分别采集三个垂直方向上的磁场强度作为环境磁场序列；

4、所述磁场扰动自动校正方法包括：

5、步骤s1：于采用磁共振设备采集磁共振序列的过程中，同时采集所述环境磁场序列；

6、步骤s2：对所述磁共振序列进行图像重建得到图像序列；

7、步骤s3：将所述图像序列和所述环境磁场序列逐帧输入图像校正模型以获得校正后的磁共振图像。

8、另一方面，于执行所述步骤s1之后、执行所述步骤s3之前还包括：

9、步骤a11：对所述磁共振序列提取第一时间戳，以及，对所述环境磁场序列提取第二时间戳；

10、步骤a12：对所述第一时间戳和第二时间戳进行对齐，以获得同步信息；

11、步骤a13：依照所述同步信息对所述磁共振序列和所述环境磁场序列进行对齐。

12、另一方面，所述步骤s3中，所述图像校正模型包括：

13、输入层，所述输入层依次接收输入的所述图像序列中的单帧图像和所述环境磁场序列中的单帧磁场数据并组装得到第一特征图；

14、编码器，所述编码器连接所述输入层，所述编码器依次对所述第一特征图进行多次下采样得到第二特征图；

15、解码器，所述解码器连接所述编码器，所述解码器依次对所述第二特征图进行多次上采样得到第三特征图；

16、输出层，所述输出层连接所述解码器，所述输出层对所述第三特征图进行重建得到所述磁共振图像。

17、另一方面，所述编码器包括多个依次连接的第一卷积模块，多个所述第一卷积模块的滤波器数量和通道数依次递增；

18、所述第一卷积模块包括：

19、第一卷积层，所述第一卷积层对输入图像采用第一预设尺寸的卷积核和对应层级数量的滤波器进行提取得到第一卷积图；

20、第二卷积层，所述第二卷积层对所述第一卷积图采用所述第一预设尺寸的卷积核和所述对应层级数量的滤波器进行提取得到第二卷积图；

21、最大池化层，所述最大池化层对所述第二卷积图采用第二预设尺寸的池化窗口进行下采样得到当前的所述卷积模块的输出图像传入下一级；

22、最后一级的所述第一卷积模块输出所述第二特征图。

23、另一方面，所述解码器包括多个依次连接的第二卷积模块，多个所述第二卷积模块的滤波器数量和通道数依次递减；

24、所述第二卷积模块包括：

25、上采样层，所述上采样层对所述第二卷积模块的输入图像进行第三预设尺寸的上采样操作得到上采样图；

26、第三卷积层，所述第三卷积层采用第四预设尺寸的卷积核和对应层级数量的滤波器对所述上采样图进行提取并作为所述第二卷积模块的输出图像输出；

27、最后一级的所述第二卷积模块输出所述第三特征图。

28、另一方面，所述第二卷积模块还包括：

29、合并层，所述合并层连接在所述第三卷积层的后级，所述合并层对所述第三卷积层输出的处理图像与所述编码器中对应层级的卷积图像进行连接后再作为所述输出图像输出。

30、另一方面，所述输出层将所述第三特征图转换成与所述单帧图像尺寸大小相同的所述磁共振图像并输出。

31、另一方面，于执行所述步骤s1之前，还包括模型训练过程，所述模型训练过程用于训练所述图像校正模型；

32、步骤s01：预先收集不同磁场扰动下采集的加扰磁共振图像和对应的无扰动磁共振图像，并构建数据集；

33、步骤s02：采用所述数据集对所述图像校正模型进行训练形成训练数据；

34、步骤s03：对所述训练数据采用均方误差进行损失衡量，并采用优化器对所述图像校正模型进行参数调整，随后返回所述步骤s02，直至满足迭代条件后输出所述图像校正模型。

35、上述技术方案具有如下优点或有益效果：

36、针对现有技术中对磁场扰动的修正方案相对复杂，不易实施的问题，本方案中引入了磁场扰动仪对三个方向上的磁场强度进行采集，并和图像重建得到的含磁场扰动的图像序列成对输入图像校正模型中，使得图像校正模型依照磁场强度和方向对图像中含有的磁场扰动导致的成分进行有效的滤除，从而实现了高质量的成像过程。

技术特征：

1.一种基于深度学习的磁场扰动自动校正方法，其特征在于，针对磁共振设备预先在外部设置磁场扰动仪，所述磁场扰动仪针对外部环境分别采集三个垂直方向上的磁场强度作为环境磁场序列；

2.根据权利要求1所述的磁场扰动自动校准方法，其特征在于，于执行所述步骤s1之后、执行所述步骤s3之前还包括：

3.根据权利要求1所述的磁场扰动自动校准方法，其特征在于，所述步骤s3中，所述图像校正模型包括：

4.根据权利要求3所述的磁场扰动自动校准方法，其特征在于，所述编码器包括多个依次连接的第一卷积模块，多个所述第一卷积模块的滤波器数量和通道数依次递增；

5.根据权利要求3所述的磁场扰动自动校准方法，其特征在于，所述解码器包括多个依次连接的第二卷积模块，多个所述第二卷积模块的滤波器数量和通道数依次递减；

6.根据权利要求5所述的磁场扰动自动校准方法，其特征在于，所述第二卷积模块还包括：

7.根据权利要求5所述的磁场扰动自动校准方法，其特征在于，所述输出层将所述第三特征图转换成与所述单帧图像尺寸大小相同的所述磁共振图像并输出。

8.根据权利要求1所述的磁场扰动自动校准方法，其特征在于，于执行所述步骤s1之前，还包括模型训练过程，所述模型训练过程用于训练所述图像校正模型；

技术总结本发明涉及磁共振图像处理技术领域，具体涉及一种基于深度学习的磁场扰动自动校正方法，包括：步骤S1：于采用磁共振设备采集磁共振序列的过程中，同时采集所述环境磁场序列；步骤S2：对所述磁共振序列进行图像重建得到图像序列；步骤S3：将所述图像序列和所述环境磁场序列逐帧输入图像校正模型以获得校正后的磁共振图像。有益效果在于：引入了磁场扰动仪对三个方向上的磁场强度进行采集，并和图像重建得到的含磁场扰动的图像序列成对输入图像校正模型中，使得图像校正模型依照磁场强度和方向对图像中含有的磁场扰动导致的成分进行有效的滤除，从而实现了高质量的成像过程。技术研发人员：肖林芳,朱瑞星受保护的技术使用者：杭州微影医疗科技有限公司技术研发日：技术公布日：2024/8/1