本发明公开了一种基于空间信息与物理先验的弥散张量估计方法。该方法包括:通过将全采样的磁共振弥散加权数据拟合成张量数据,获得参考张量图;在全采样的磁共振弥散加权数据中,选取六个方向的磁共振弥散加权数据,并提取出多个三维体素块;将所述参考张量图和所提取的多个三维体素块输入到深度学习模型进行训练,并且在训练过程输入物理先验信息;利用经训练的深度学习模型针对目标磁共振弥散加权数据在线估计弥散张量。本发明充分考虑了物理先验和相邻像素的空间信息,可以在少量DWI图像的基础上得到更准确和鲁棒的张量估计,有利于缩短弥散张量图像的扫描时间。
权利要求
1.一种基于空间信息与物理先验的弥散张量估计方法,包括以下步骤:
通过将全采样的磁共振弥散加权数据拟合成张量数据,获得参考张量图;
在全采样的磁共振弥散加权数据中,选取六个方向的磁共振弥散加权数据,并提取出多个三维体素块;
将所述参考张量图和所提取的多个三维体素块输入到深度学习模型进行训练,并且在训练过程输入物理先验信息;
利用经训练的深度学习模型针对目标磁共振弥散加权数据在线估计弥散张量。
2.根据权利要求1所述的方法,其特征在于,所述物理先验信息是张量信号的先验信息、弥散信号的先验信息或者弥散信号与张量信号的混合先验信息。
3.根据权利要求1所述的方法,其特征在于,所述物理先验信息是通过拟合六张磁共振弥散加权数据图像获得张量估计图,或者是磁共振弥散加权数据图像的空间域和角度域的稀疏编码。
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。
评价单位:“科创中国”天津中科院先进科技成果技术转移转化专业科技服务团 (天津中科先进技术产业有限公司)
评价时间:2023-11-21
综合评价
与传统的张量拟合技术相比,本发明所提出的基于深度学习的融合物理先验和空间信息的弥散张量在线估计框架,能够显著缩短获取数据的时间,仅需6张DWI图像即可拟合出准确的较高质量的张量图像,从而为脑白质的分析提供了重要依据。并且,本发明充分挖掘了相邻像素间弥散信号和张量信号的空间关系,并加入了物理先验,实现了更准确鲁棒的张量拟合效果,且有效缓解了获取较多高质量磁共振弥散加权图像扫描时间过长的现状。
查看更多>