[发明专利]一种基于深度学习和凸集投影的磁共振重建方法

说明书

本发明公开一种基于深度学习和凸集投影的磁共振重建方法，涉及磁共振技术领域，包括：S1：根据多个卷积神经网络模块和多个凸集投影层的重叠结构以及共享数据构建网络，所述共享数据包括已采集的K空间数据和线圈灵敏度信息，所述凸显投影层基于共享数据得到；S2：网络构建完成后，通过反向传播过程训练出所有网络参数，并对网络参数进行校验；S3：根据检验后的网络参数确定网络的结构及运算特征，输入已知的测试集数据,进行网络的前向传播，得到未知映射数据，完成磁共振的重建。本发明解决了目前的基于深度学习的磁共振重建技术只能支持单通道磁共振数据，不能够处理多通道磁共振数据的问题。

技术领域

本发明涉及磁共振技术领域，尤其涉及一种基于深度学习和凸集投影的磁共振重建方法。

背景技术

磁共振成像技术是利用氢质子的核磁共振现象进行成像的一种技术。人体内包含单数质子的原子核，例如广泛存在的氢原子核，其质子具有自旋运动。带电原子核的自旋运动，在物理上类似于单独的小磁体，而且在没有外部条件影响下这些小磁体的方向性分布是随机的。当人体置于外部磁场中时，这些小磁体将按照外部磁场的磁力线重新排列具体为在平行于或反平行于外在磁场磁力线的两个方向排列，将上述平行于外在磁场磁力线的方向称为正纵向轴，将上述反平行于外在磁场磁力线的方向称为负纵向轴，原子核只具有纵向磁化分量，该纵向磁化分量既具有方向又具有幅度。

用特定频率的射频(RF，Radio Frequency)脉冲激发处于外在磁场中的原子核，使这些原子核的自旋轴偏离正纵向轴或负纵向轴，产生共振，这就是磁共振现象。上述被激发原子核的自旋轴偏离正纵向轴或负纵向轴之后，原子核具有了横向磁化分量。

停止发射射频脉冲后，被激发的原子核发射回波信号，将吸收的能量逐步以电磁波的形式释放出来，其相位和能级都恢复到激发前的状态，将原子核发射的回波信号经过空间编码等进一步处理即可重建图像。

受到磁共振物理特性及被扫描人体的限制，磁共振成像扫描需要很长的时间来采集足够的信号(K空间数据)进行图像重建。过长的扫描时间，导致医院扫描诊断的效率较低，而且在扫描过程中容易引起病人不适。另外，较长的扫描时间，导致磁共振扫描难以处理人体运动组织，例如腹部、心脏等部位的成像。因此，如何在保证临床诊断所需图像质量的基础上，缩短扫描时间成为磁共振成像及重建领域的核心研究之一。并行成像技术依赖于多个相控阵接收线圈，通过有效的并行成像处理算法，将欠采样的信号进行复原或者将由于欠采样导致的图像混叠解开，最终实现了更短的图像采集时间。

1999年，K.P.Pruessmann等人提出了SENSE(SENSE:Sensitivity Encoding forFast MRI)技术。该技术依赖于多通道相控阵线圈，将线圈灵敏度的空间编码能力与梯度脉冲的编码能力相结合，进而减少数据的采集，缩短扫描时间。SENSE技术首先需要计算所有接收通道的线圈灵敏度分布，这个信息可以通过独立于正式扫描的预扫描来实现；然后，在正式扫描中获取欠采样K空间数据，进而有效的缩短了扫描时间。这些欠采样的K空间数据在图像域对应的就是发生卷褶的图像。最后，通过线圈灵敏度及解卷褶算法，可以有效的将发生卷褶的图像解开，得到没有卷褶的图像。从技术原理上来看，以最小化均方误差为目标，基于已知线圈灵敏度的SENSE算法能够得到最优的结果。同时，SENSE技术还具有广泛适用性，能够适用于多种K空间扫描轨迹并且能够容易的在重建过程中融合多种已知信息提高重建质量。但是，要想稳定的获得精确的线圈灵敏度分布却并不容易，而且即使是很微小的线圈灵敏度误差也会引入图像上非常明显的伪影。