【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)處理，特別涉及一種冠脈磁共振成像重建模型的處理方法和裝置。
技術(shù)介紹
1、冠狀動(dòng)脈(簡(jiǎn)稱冠脈)粥樣硬化性心臟病(coronary?atherosclerosis?heartdisease，chd)簡(jiǎn)稱冠心病，是一種由冠脈血管發(fā)生粥樣硬化病變引起血管腔狹窄的心臟病。目前對(duì)冠心病進(jìn)行檢查的常規(guī)技術(shù)手段是基于對(duì)比增強(qiáng)ct(computer?tomographyangio，cta)技術(shù)來對(duì)患者的冠脈血管進(jìn)行影像學(xué)分析、并通過cta影像來對(duì)患者的冠脈狹窄特征(冠脈狹窄趨勢(shì)、與冠脈狹窄相關(guān)的斑塊性質(zhì)等)進(jìn)行識(shí)別。但這種cta技術(shù)在檢查時(shí)需要向被試者注射大劑量的造影劑、屬于有創(chuàng)檢查手段，對(duì)于身體體質(zhì)較差和/或年紀(jì)偏大的被試者而言還是會(huì)造成一定程度的不良影響。
2、磁共振成像(magnetic?resonance?imaging，mri)技術(shù)可為患者提供一種無創(chuàng)的磁共振血管造影(magnetic?resonance?angiography，mra)手段，基于呼吸導(dǎo)航回波(navigator?echo，ne)觸發(fā)磁共振血管造影的成像技術(shù)還能讓患者在自由呼吸狀態(tài)下完成檢測(cè)、無需進(jìn)行不舒適的屏氣配合。醫(yī)生通過分析冠脈磁共振成像圖可以對(duì)患者的冠脈狹窄特征進(jìn)行識(shí)別。但我們?cè)趯?shí)踐中發(fā)現(xiàn)冠脈磁共振成像檢查也存在一些不足，諸如成像時(shí)間長(zhǎng)、成像清晰度不穩(wěn)定等。其中，成像時(shí)間長(zhǎng)與磁共振成像技術(shù)的成像原理有關(guān)；成像清晰度不穩(wěn)定與呼吸導(dǎo)航軌跡的采樣有關(guān)、若患者呼吸波動(dòng)大則容易在最終成像中產(chǎn)生擾影，這里的擾影可被視為一種噪聲。
4、壓縮感知(compressed?sensing)算法是一種尋找欠定線性系統(tǒng)的稀疏解的技術(shù)；該算法目前已經(jīng)被廣泛應(yīng)用于通信信號(hào)處理領(lǐng)域，可用于對(duì)高通量的通信信號(hào)進(jìn)行欠采樣、并基于欠采樣結(jié)果對(duì)原始信號(hào)進(jìn)行有效重建、從而達(dá)到提高通信效率的目的。人工智能技術(shù)的深度學(xué)習(xí)(deep?learning，dl)模型可用于對(duì)算法推演過程進(jìn)行模擬，還可以用于對(duì)圖像進(jìn)行有效降噪達(dá)到提高圖像清晰度的目的；通過對(duì)深度學(xué)習(xí)模型的持續(xù)訓(xùn)練還能對(duì)模型的處理準(zhǔn)確度進(jìn)行持續(xù)性提高。而本專利技術(shù)要解決的技術(shù)問題也就是如何基于壓縮感知算法和深度學(xué)習(xí)模型來對(duì)目前冠脈磁共振成像中存在的兩類不足(成像時(shí)間長(zhǎng)、成像清晰度不穩(wěn)定)進(jìn)行改善。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的，就是針對(duì)現(xiàn)有技術(shù)的缺陷，提供一種冠脈磁共振成像重建模型的處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本專利技術(shù)預(yù)先基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建一個(gè)用于模擬壓縮感知算法推演過程的深度學(xué)習(xí)模型即壓縮感知算法模型，該模型可根據(jù)一個(gè)輸入的欠采樣k空間數(shù)據(jù)進(jìn)行磁共振成像圖重建并輸出對(duì)應(yīng)的磁共振成像圖；并預(yù)先基于u-net模型或gan模型結(jié)構(gòu)構(gòu)建一個(gè)用于對(duì)磁共振成像圖進(jìn)行降噪的深度學(xué)習(xí)模型即深度學(xué)習(xí)降噪模型，該模型可對(duì)一個(gè)輸入的磁共振成像圖進(jìn)行降噪并輸出高清晰度的成像圖；并預(yù)先由壓縮感知算法模型+深度學(xué)習(xí)降噪模型組成一個(gè)端到端的冠脈磁共振成像重建模型，通過該冠脈磁共振成像重建模型可以基于一個(gè)輸入的欠采樣k空間數(shù)據(jù)得到一個(gè)高清晰度的磁共振成像圖；并通過對(duì)壓縮感知算法模型、深度學(xué)習(xí)降噪模型進(jìn)行分別訓(xùn)練的方式完成對(duì)冠脈磁共振成像重建模型的整體模型訓(xùn)練；并在整體模型訓(xùn)練結(jié)束后將冠脈磁共振成像重建模型引入到日常的冠脈磁共振血管造影掃描過程中，并在掃描過程中基于欠采樣方式來縮短序列-k空間的填充時(shí)間、基于冠脈磁共振成像重建模型來縮短k空間-圖像的轉(zhuǎn)換時(shí)間并對(duì)輸出的冠脈磁共振成像的清晰度進(jìn)行提高，并基于冠脈磁共振成像重建模型輸出的冠脈磁共振成像進(jìn)行冠脈狹窄特征識(shí)別。通過本專利技術(shù)不但可以縮短冠脈磁共振成像時(shí)長(zhǎng)、提高成像清晰度，還可以基于高清晰度的冠脈磁共振成像圖提高冠脈狹窄特征識(shí)別的準(zhǔn)確度。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)實(shí)施例第一方面提供了一種冠脈磁共振成像重建模型的處理方法，所述方法包括：
3、構(gòu)建冠脈磁共振成像重建模型；
4、對(duì)所述冠脈磁共振成像重建模型進(jìn)行模型訓(xùn)練；
5、模型訓(xùn)練結(jié)束后，使用磁共振掃描設(shè)備按配置的掃描序列類型對(duì)第一被試者進(jìn)行全心三維冠脈成像掃描，并在掃描過程中基于預(yù)設(shè)的欠采樣方式對(duì)得到的掃描序列數(shù)據(jù)進(jìn)行k空間數(shù)據(jù)采樣得到對(duì)應(yīng)的第一欠采樣k空間數(shù)據(jù)；并將所述第一欠采樣k空間數(shù)據(jù)輸入所述冠脈磁共振成像重建模型進(jìn)行磁共振成像圖重建和降噪處理得到對(duì)應(yīng)的第一成像圖；并基于所述第一成像圖進(jìn)行冠脈狹窄特征識(shí)別生成對(duì)應(yīng)的第一識(shí)別報(bào)告。
6、優(yōu)選的，所述冠脈磁共振成像重建模型包括壓縮感知算法模型和深度學(xué)習(xí)降噪模型；所述壓縮感知算法模型的輸入端與所述冠脈磁共振成像重建模型的輸入端連接，輸出端與所述深度學(xué)習(xí)降噪模型的輸入端連接；所述深度學(xué)習(xí)降噪模型的輸出端與所述冠脈磁共振成像重建模型的輸出端連接；
7、所述壓縮感知算法模型基于卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)；所述壓縮感知算法模型用于根據(jù)輸入的欠采樣k空間數(shù)據(jù)進(jìn)行磁共振成像圖重建處理并輸出對(duì)應(yīng)的初始重建圖，具體為將所述欠采樣k空間數(shù)據(jù)帶入壓縮感知算法目標(biāo)函數(shù)t、并按使所述壓縮感知算法目標(biāo)函數(shù)t達(dá)到最小值的方向?qū)λ龀跏贾亟▓D的最優(yōu)解進(jìn)行計(jì)算；
8、其中，所述壓縮感知算法目標(biāo)函數(shù)t為：
9、
10、p為與所述欠采樣方式對(duì)應(yīng)的k空間欠采樣矩陣，f為傅里葉變換矩陣，x為所述初始重建圖，m為所述壓縮感知算法模型的模型映射函數(shù)，y為所述欠采樣k空間數(shù)據(jù)，θ為所述壓縮感知算法模型的模型參數(shù)集，λ為預(yù)設(shè)的正則化因子，‖‖1、‖‖2分別為對(duì)應(yīng)的l1、l2正則化項(xiàng)；
11、所述深度學(xué)習(xí)降噪模型基于一類深度學(xué)習(xí)模型的模型結(jié)構(gòu)實(shí)現(xiàn)，所述深度學(xué)習(xí)模型至少包括u-net模型和gan模型；所述深度學(xué)習(xí)降噪模型用于對(duì)所述初始重建圖進(jìn)行磁共振成像圖降噪處理并輸出對(duì)應(yīng)的最終重建圖。
12、優(yōu)選的，所述對(duì)所述冠脈磁共振成像重建模型進(jìn)行模型訓(xùn)練，具體包括：
13、采集多個(gè)高清晰度的全心三維冠脈磁共振成像圖及其對(duì)應(yīng)的掃描序列數(shù)據(jù)組建對(duì)應(yīng)的第一、第二數(shù)據(jù)集；并基于所述第一數(shù)據(jù)集對(duì)所述壓縮感知算法模型進(jìn)行訓(xùn)練；并基于所述第二數(shù)據(jù)集對(duì)所述深度學(xué)習(xí)降噪模型進(jìn)行訓(xùn)練；所述第一數(shù)據(jù)集包括多個(gè)第一數(shù)據(jù)記錄；所述第一數(shù)據(jù)記錄包括第一訓(xùn)練k空間數(shù)據(jù)和第一標(biāo)簽圖；所本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種冠脈磁共振成像重建模型的處理方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的冠脈磁共振成像重建模型的處理方法，其特征在于，
3.根據(jù)權(quán)利要求2所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述對(duì)所述冠脈磁共振成像重建模型進(jìn)行模型訓(xùn)練，具體包括：
4.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述采集多個(gè)高清晰度的全心三維冠脈磁共振成像圖及其對(duì)應(yīng)的掃描序列數(shù)據(jù)組建對(duì)應(yīng)的第一、第二數(shù)據(jù)集，具體包括：
5.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述基于所述第一數(shù)據(jù)集對(duì)所述壓縮感知算法模型進(jìn)行訓(xùn)練，具體包括：
6.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述基于所述第二數(shù)據(jù)集對(duì)所述深度學(xué)習(xí)降噪模型進(jìn)行訓(xùn)練，具體包括：
7.根據(jù)權(quán)利要求2所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述將所述第一欠采樣K空間數(shù)據(jù)輸入所述冠脈磁共振成像重建模型進(jìn)行磁共振成像圖重建和降噪處理得到對(duì)應(yīng)的第一成像圖，具體包括：
<...【技術(shù)特征摘要】
1.一種冠脈磁共振成像重建模型的處理方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的冠脈磁共振成像重建模型的處理方法，其特征在于，
3.根據(jù)權(quán)利要求2所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述對(duì)所述冠脈磁共振成像重建模型進(jìn)行模型訓(xùn)練，具體包括：
4.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述采集多個(gè)高清晰度的全心三維冠脈磁共振成像圖及其對(duì)應(yīng)的掃描序列數(shù)據(jù)組建對(duì)應(yīng)的第一、第二數(shù)據(jù)集，具體包括：
5.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述基于所述第一數(shù)據(jù)集對(duì)所述壓縮感知算法模型進(jìn)行訓(xùn)練，具體包括：
6.根據(jù)權(quán)利要求3所述的冠脈磁共振成像重建模型的處理方法，其特征在于，所述基于所述第二數(shù)據(jù)集對(duì)所述深...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姚洪祥，曹豐，王亞斌，王新江，劉貫中，崔津津，鄭雪，
申請(qǐng)(專利權(quán))人：中國(guó)人民解放軍總醫(yī)院第二醫(yī)學(xué)中心，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。