科创中国

本申请公开了一种细节保真多尺度深度学习磁共振动态图像重建方法、装置、设备及其存储介质，该方法包括：确定待重建图像；将所述待重建图像输入至图像重建模型中，所述图像重建模型中包括图像超分辨率单元和双向长短期记忆卷积网络单元；在图像重建模型中采用多尺度超分辨率方法形成高细节保真图像；对于电影磁共振图像，利用图像序列的时间相关性，采用双向长短期记忆卷积网络合并相邻帧信息。本申请提供的上述方案，实现了从高倍数欠采样数据到高细节保真图像的重建。现有技术要么要求欠采样数据为大约低于10的欠采倍数，要么所重建图像的细节不够清晰。同时，当欠采样倍数大于10时，重建出与全采样图像很相近的高细节保真图像。

1.一种细节保真多尺度深度学习磁共振动态图像重建方法，其特征在于，该方法包括： 确定待重建图像； 将所述待重建图像输入至图像重建模型中，所述图像重建模型中包括图像超分辨率单元和双向长短期记忆卷积网络单元； 在图像重建模型中采用多尺度超分辨率方法形成高细节保真图像；对于电影磁共振图像，利用图像序列的时间相关性，采用双向长短期记忆卷积网络合并相邻帧信息。 2.根据权利要求1所述的细节保真多尺度深度学习磁共振动态图像重建方法，其特征在于，所述确定待重建图像包括： 确定欠采图像。 3.根据权利要求2所述的细节保真多尺度深度学习磁共振动态图像重建方法，其特征在于，所述在图像重建模型中采用多尺度超分辨率方法形成高细节保真图像，包括： 对欠采图像的第一次迭代重建的中间结果进行N－1次最大池化操作，对所得到图像进行第一次超分技术得到第一个残差图像； 对第二次迭代重建的中间结果进行N－2次最大池化操作，对所得图像与第一个残差图像相加，得到第一次迭代细节保真图像； 对第一次迭代细节保真图像进行重建图像的1/(N－2)2尺度的监督，依次重复上述操作，得到全尺寸的高细节保真图像。

1. 医学影像重建：该方法可以应用于医学影像领域，如磁共振成像（MRI）的动态图像重建。通过保留细节信息，可以提高医学影像的诊断准确性和可视化效果。

2. 视频处理：该方法可以应用于视频处理领域，如视频压缩和增强。通过重建高质量图像，可以提高视频的清晰度和细节保真度。

3. 图像重建与增强：该方法可以应用于图像重建和增强领域，如图像超分辨率重建和去噪。通过学习图像的多尺度特征，可以提高图像的细节保真度和视觉质量。

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AC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。

1. 数据准备：收集磁共振动态图像的训练数据集，包括原始图像和相应的低质量图像。低质量图像可以通过降低采样率、加入噪声等方式得到。

2. 多尺度特征提取：利用深度学习网络，如卷积神经网络（CNN），对低质量图像进行多尺度的特征提取。通过多层卷积操作，网络可以学习到图像中的不同尺度的特征信息。

3. 特征融合与重建：将提取的多尺度特征进行融合，并利用逆卷积操作将低质量图像重建为高质量图像。特征融合可以通过卷积操作、注意力机制等方式实现，以保留图像中的细节信息。

4. 损失函数优化：通过比较重建图像与原始图像之间的差异，设计合适的损失函数，并利用反向传播算法优化网络参数，使得重建图像尽可能接近原始图像。

技术转让

细节保真多尺度深度学习磁共振动态图像重建方法通过多尺度特征提取和重建过程，保留图像中的细节信息，提高图像的保真度。该方法可以应用于医学影像、视频处理和图像重建等领域，提高图像的质量和可视化效果。