[发明专利]图像重建方法及设备、图像数据的处理方法及装置

权利要求书

1.一种图像重建方法，其特征在于，所述图像重建方法包括：

将梯度回波图像裁剪成多个待重建的梯度回波图像块；

将所述梯度回波图像块输入预先训练的液体衰减反转恢复图像重建模型进行图像重建；

将所述液体衰减反转恢复图像重建模型输出的液体衰减反转恢复图像块拼接成液体衰减反转恢复图像；

获取多组训练数据，每组训练数据包括成像对象的梯度回波图像和液体衰减反转恢复图像；

针对每组训练数据，基于相同的裁剪策略裁剪所述梯度回波图像和液体衰减反转恢复图像，分别得到多个梯度回波图像块和多个液体衰减反转恢复图像块；

将所述梯度回波图像块作为输入，将所述液体衰减反转恢复图像块作为标签训练神经网络模型，得到所述液体衰减反转恢复图像重建模型。

2.如权利要求1所述的图像重建方法，其特征在于，基于图像裁剪函数将所述梯度回波图像块裁剪成多个梯度回波图像块。

3.如权利要求1所述的图像重建方法，其特征在于，基于线性叠加算法将所述液体衰减反转恢复图像块拼接成液体衰减反转恢复图像。

4.一种图像数据的处理方法，其特征在于，所述处理方法包括：

获取多组图像数据；每组图像数据包括成像对象的梯度回波图像和液体衰减反转恢复图像；

针对每组图像数据，基于相同的裁剪策略裁剪所述梯度回波图像和液体衰减反转恢复图像，分别得到多个梯度回波图像块和多个液体衰减反转恢复图像块；

将所述梯度回波图像块作为输入，将所述液体衰减反转恢复图像块作为标签训练神经网络模型，得到所述液体衰减反转恢复图像重建模型；所述液体衰减反转恢复图像重建模型用于图像重建。

5.如权利要求4所述的图像数据的处理方法，其特征在于，基于相同的裁剪策略裁剪所述梯度回波图像和液体衰减反转恢复图像，包括：

在梯度回波图像上随机选取第一区域并裁剪得到梯度回波图像块；

针对梯度回波图像的每次裁剪，在液体衰减反转恢复图像相对位置处选取相同尺寸的第二区域并裁剪得到液体衰减反转恢复图像块。

6.一种图像重建设备，其特征在于，所述图像重建设备包括：

裁剪模块，用于将梯度回波图像裁剪成多个待重建的梯度回波图像块；

输入模块，用于将所述梯度回波图像块输入预先训练的液体衰减反转恢复图像重建模型进行图像重建；

拼接模块，用于将所述液体衰减反转恢复图像重建模型输出的液体衰减反转恢复图像块拼接成液体衰减反转恢复图像；

获取模块，用于获取多组训练数据，每组训练数据包括成像对象的梯度回波图像和液体衰减反转恢复图像；

所述裁剪模块还用于针对每组训练数据，基于相同的裁剪策略裁剪所述梯度回波图像和液体衰减反转恢复图像，分别得到多个梯度回波图像块和多个液体衰减反转恢复图像块；

模型训练模块，用于将所述梯度回波图像块作为输入，将所述液体衰减反转恢复图像块作为标签训练神经网络模型，得到所述液体衰减反转恢复图像重建模型。

7.如权利要求6所述的图像重建设备，其特征在于，所述裁剪模块具体用于基于图像裁剪函数将所述梯度回波图像块裁剪成多个梯度回波图像块。

8.如权利要求6所述的图像重建设备，其特征在于，所述拼接模块具体用于基于线性叠加算法将所述液体衰减反转恢复图像块拼接成液体衰减反转恢复图像。

9.一种图像数据的处理装置，其特征在于，所述处理装置包括：

获取模块，用于获取多组图像数据；每组图像数据包括成像对象的梯度回波图像和液体衰减反转恢复图像；

裁剪模块，用于针对每组图像数据，基于相同的裁剪策略裁剪所述梯度回波图像和液体衰减反转恢复图像，分别得到多个梯度回波图像块和多个液体衰减反转恢复图像块；

模型训练模块，用于将所述梯度回波图像块作为输入，将所述液体衰减反转恢复图像块作为标签训练神经网络模型，得到所述液体衰减反转恢复图像重建模型；所述液体衰减反转恢复图像重建模型用于图像重建。