[发明专利]基于空间融合的磁共振图像多模态重建方法及存储介质

说明书

本申请公开了一种基于空间融合的磁共振图像多模态重建方法及存储介质。该基于空间融合的磁共振图像多模态重建方法包括：建立空间对齐网络步骤，获取形变场步骤，获取对齐后的全采样参考图像步骤，以及获取全采样目标图像步骤。本申请利用平滑损失函数、重建损失函数和配准损失函数，同步更新空间对齐网络和图像重建网络；在将不同模态的欠采样目标图像和全采样参考图像输入图像重建网络之前，使用空间对齐网络将全采样参考图像向欠采样目标图像对齐，从而使图像重建网络有效利用全采样参考图像与欠采样目标图像之间的相关性，完成全采样目标图像的重建，提高目标图像的质量。

技术领域

本发明涉及基于人工智能方法实现磁共振图像重建领域，尤其涉及一种基于空间融合的磁共振图像多模态重建方法及存储介质。

背景技术

自磁共振成像技术自发明以来，如何提高成像速度一直是一个重要而永恒的研究课题。磁共振成像是一种无创、无辐射的成像技术，已广泛应用于临床诊断。然而，受设备和成像序列的限制，磁共振扫描相对较慢，其更广泛的应用受到患者舒适性、图像质量和经济性等因素的限制。一种实用的解决方案是利用磁共振图像的稀疏性，通过在k空间中进行部分采样来加速采集。

除了利用单个磁共振图像的内在冗余(即k空间稀疏性)来加速磁共振采集外，利用不同磁共振序列之间耦合共享的公共信息也值得一试。在临床实践中，为了更好地分析同一感兴趣区域的不同特征，准确诊断，通常在同一扫描程序中采集多个不同对比度的磁共振图像。另外，最近的研究表明，多模态磁共振重建方法能够利用同一扫描程序中的一个k空间全采样的磁共振序列(即参考模态)，有效重建出的另一个k空间部分采样的磁共振序列(即目标模态)，从而整体提供该扫描程序的成像速度。

然而，不同模态图像之间存在微小差异，不可忽视地削弱目标模态的最终重建质量。这种错位很常见：例如，在磁共振序列切换过程中，患者往往会注意到磁共振扫描仪所产生噪声的变化，进而产生微小的肢体动作，导致空间失配。在深度学习的框架中，一个可能的解决方案是设计一个更深的神经网络，令它对多模态重建过程中的空间失配不敏感。但是，这样的努力不足以解决全采样目标图像和全采样参考图像之间的空间不匹配，容易导致重建后的磁共振图像会出现伪影。

发明内容

发明的目的在于，提供一种基于空间融合的磁共振图像多模态重建方法及存储介质，用以解决目前全采样目标图像和全采样参考图像之间的空间不匹配对图像重建的负面影响。

为了实现上述目的，本发明其中一实施例中提供一种基于空间融合的磁共振图像多模态重建方法，包括步骤：建立空间对齐网络步骤，构建一空间对齐网络，所述空间对齐网络用于建立不同模态磁共振图像的空间对应关系；建立重建网络步骤，构建一重建网络，所述重建网络用于实现对目标图像的重建估计；获取形变场步骤，所述磁共振图像包括欠采样目标图像和全采样参考图像，将欠采样目标图像和全采样参考图像输入空间对齐网络，得到形变场；获取对齐后的全采样参考图像步骤，将所述形变场作用于全采样参考图像，得到与目标图像对齐后的全采样参考图像；以及获取全采样目标图像的估计步骤，将欠采样目标图像和对齐后的全采样参考图像输入图像重建网络，得到与全采样质量接近的目标图像的重建估计。

进一步地，通过形变场计算平滑损失函数，通过全采样目标图像的估计和全采样目标图像计算重建损失函数，通过对齐后的全采样参考图像和全采样目标图像计算配准损失函数；利用平滑损失函数、重建损失函数和配准损失函数更新空间对齐网络；以及利用重建损失函数更新图像重建网络。

进一步地，在所述获取形变场步骤中，所述空间对齐网络T_ω从欠采样的目标图像和全采样参考图像x_ref对比度直接估计变形场φ，获得

进一步地，在所述获取对齐后的全采样参考图像步骤中，根据所述形变场φ，利用空间变换层S，对全采样参考图像进行空间调整获得对齐后的全采样参考图像

进一步地，在磁共振图像中的位置p，满足S(φ，x_ref)[p]＝x_ref[p+φ[p]]。