科创中国

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；

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。

现有联邦磁共振图像重建方法主要存在以下两个问题：(1)联邦学习重建方法依赖全采样参考数据的问题。现有的联邦学习重建方法都依赖于一个强假设：各医院的数据都有全采样数据作为模型训练的参考值。但是在实际情况中，有的医院仅有欠采样数据，没有相应的全采样数据。(2)以往用于医学图像的联邦半监督学习方法大多是应用于分类或分割任务，适用于重建任务的方法暂未被探索。

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不具有全采样参考数据的机构或医院不能参与联邦学习磁共振重建进程的问题，提供了一种半监督联邦学习磁共振成像方法，该方法是基于一致感知确定性，逐渐完善伪标签的联邦半监督学习磁共振图像重建方法。本发明的优势在于：本发明是在联邦学习设置下的半监督学习，可避免跨站点的数据访问，保护每个本地客户端的数据隐私。加之，本发明还解决了部分本地客户端缺乏全采样参考数据的网络训练问题。此外，本发明不是简单的将半监督学习磁共振重建方法扩展到联邦学习框架下，而是针对磁共振重建的固有性质进行伪标签的渐进补充，同时运用动态加权聚合方法避免伪标签的不精准影响全局模型的精度。

技术合作

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。