科创中国

物理

本发明公开了一种基于深度学习的无监督磁共振图像重建联合分割方法。该方法包括：构建深度学习模型，该深度学习模型包括重建网络和分割网络，所述重建网络包含第一分支和第二分支，第一分支对输入图像数据进行重建，获得第一重建图像，第二分支对所述输入图像数据进行重建，获得第二重建图像，所述分割网络针对第一重建图像进行分割，获得分割结果；基于设定的损失函数训练所述深度学习模型；利用经训练的深度学习模型对目标图像进行处理，获得对应的重建图像和分割结果。本发明基于初次采集到的欠采样k空间数据完成重建，能够同时实现图像重建和分割，具有更好的临床适用性。

1.一种基于深度学习的无监督磁共振图像重建联合分割方法，包括以下步骤： 构建深度学习模型，该深度学习模型包括重建网络和分割网络，所述重建网络包含第一分支和第二分支，第一分支对输入图像数据进行重建，获得第一重建图像，第二分支对所述输入图像数据进行重建，获得第二重建图像，所述分割网络针对第一重建图像进行分割，获得分割结果； 基于设定的损失函数训练所述深度学习模型； 利用经训练的深度学习模型对目标图像进行处理，获得对应的重建图像和分割结果。 2.根据权利要求1所述的方法，其特征在于，第一分支和第二分支的输入图像数据根据以下步骤获得： 获取欠采样k空间数据； 对于所述欠采样k空间数据，利用2倍欠采掩模得到再欠采k空间数据，作为第一分支和第二分支的输入图像数据。 3.根据权利要求2所述的方法，其特征在于，对于第一分支，所述输入图像数据经逆傅里叶变换得到再欠采图像，该再欠采图像输入到第一重建网络，获得第一重建图像，其中第一重建网络是迭代阈值收缩算法重建网络；对于第二分支，所述输入图像数据经过小波变换，获得第二重建图像。

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