科创中国

本发明涉及图像处理技术领域，特别涉及一种无监督联邦学习磁共振成像方法，该方法包括：首先，对本地模型进行自监督训练，更新本地模型的参数；本地模型包括多个参与联邦学习的本地客户端模型；接下来，对更新参数后的本地模型进行加权聚合，得到全局模型；然后，基于全局模型，对本地模型进行个性化处理，得到内部个性化模型；内部个性化模型为本地客户端的本地模型、其他客户端的个性化模型和全局客户端之间的插值；最后，对外部客户端进行个性化处理；外部客户端为不可见数据分布的外部客户端。本发明提供的无监督联邦学习磁共振成像方法，能够为缺乏全采样参考数据且数据分布不同的内部和外部客户端提供个性化的模型。

1.一种无监督联邦学习磁共振成像方法，其特征在于，包括： 对本地模型进行自监督训练，更新所述本地模型的参数；所述本地模型包括多个参与联邦学习的本地客户端模型； 对更新参数后的本地模型进行加权聚合，得到全局模型； 基于所述全局模型，对所述本地模型进行个性化处理，得到内部个性化模型；所以内部个性化模型为本地客户端的本地模型、其他客户端的个性化模型和全局客户端之间的插值； 对外部客户端进行个性化处理；所述外部客户端为不可见数据分布的外部客户端。 2.根据权利要求1所述的无监督联邦学习磁共振成像方法，其特征在于，所述对本地模型进行自监督训练，更新所述本地模型的参数，包括： 在任意本地模型上，以欠采样K空间数据作为模型输入数据，对所述欠采样空间数据进行数据增广，得到至少两个K空间数据； 将任意两个K空间数据相对应的磁共振图像分别作为第一网络和第二网络的输入，所述第一网络和所述第二网络为结构相同、参数不同的网络，通过公式(1)对本地模型进行自监督训练：

磁共振成像(Magnetic Resonance Imaging，简称MRI)的原理为：当施加外在磁场时，采用特定频率的射频(Radio Frequency，简称RF)脉冲激发被测组织内的质子，质子吸收一定的能量而发生共振，当停止发射RF脉冲后，被激发的质子将吸收的能量以扫描信号的形式逐步释放出来，对扫描信号进行采集，并采用图像重建技术对扫描信号进行处理就可获得被测组织的扫描图像。

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。

本申请实施例主要针对联邦学习中的内部客户端、外部客户端的个性化问题和联邦学习中磁共振重建方法依赖于全采样参考数据进行网络训练的问题，提出了一种内部个性化和外部个性化的无监督联邦学习磁共振成像方法，包括：联邦学习磁共振图像重建中的内部模型个性化、外部模型个性化和无监督学习方法。本发明的优势在于：本发明的方法框架对内部客户端和外部客户端分别进行不同的个性化处理，使外部客户端数据和内部客户端数据都能获得好的重建性能。其次，在内部个性化模型中，个性化模型被视为本地客户端的本地模型、其他客户端的个性化模型和全局客户端之间的插值。个性化模型仅用到了其他模型的参数，不涉及其余信息的共享。再次，在外部个性化模型中，模型以无监督的形式更新测试模型，不需要访问本地客户端的训练数据。测试自适应模型完全独立于训练模型，不会影响训练阶段的模型。最后，模型训练阶段不需要任何全采样参考数据。

技术合作

上述各实施方式是实现本申请的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。任何本领域技术人员，在不脱离本申请的精神和范围内，均可作各自更动与修改，因此本申请的保护范围应当以权利要求限定的范围为准。