科创中国

物理

本发明涉及图像处理技术领域，特别涉及一种半监督联邦学习磁共振成像方法，该方法包括：在参与联邦学习的本地客户端，对网络进行训练，获取网络输出图像对应的空间数据；以欠采样图像的像素点数据作为初始伪标签，并基于网络输出图像对应的空间数据，对初始伪标签进行更新处理；将本地客户端模型上传至中心服务器；对本地客户端模型进行聚合，得到全局模型；将全局模型传输至本地客户端。本发明提供的半监督联邦学习磁共振成像方法，能够解决部分本地客户端缺乏全采样参考数据的网络训练问题。

1.一种半监督联邦学习磁共振成像方法，其特征在于，包括： 在参与联邦学习的本地客户端，对网络进行训练，获取网络输出图像对应的空间数据； 以欠采样图像的像素点数据作为初始伪标签，并基于所述网络输出图像对应的空间数据，对所述初始伪标签进行更新处理； 将本地客户端模型上传至中心服务器； 对所述本地客户端模型进行聚合，得到全局模型； 将所述全局模型传输至本地客户端。 2.根据权利要求1所述的半监督联邦学习磁共振成像方法，其特征在于，所述本地客户端包括具有全采样参考数据的本地客户端以及缺乏全采样参考数据的本地客户端； 对于具有全采样参考数据的本地客户端，所述对网络进行训练，包括： 以欠采样图像作为网络输入，并以全采样图像作为标签，对网络进行训练；监督损失函数为式(1)所示： 其中，fwk为参数为wk的神经网络，xref为全采样参考数据，k为本地客户端的编号。 3.根据权利要求1所述的半监督联邦学习磁共振成像方法，其特征在于，所述本地客户端包括具有全采样参考数据的本地客户端以及缺乏全采样参考数据的本地客户端；

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看