基于CAR2UNet网络的复数快速磁共振成像方法与流程

技术特征：
1.基于car2unet网络的复数快速磁共振成像方法，其特征在于：该方法具体包括以下步骤：步骤一、数据处理与划分s1.1、数据采集与预处理s1.2数据集划分步骤二：car2unet网络模型的构建与训练优化s2.1、car2unet网络的构建car2unet卷积神经网络包括四个复数降采样层和四个复数升采样层，其中每层复数降采样包含一个复数递归残差模块和复数最大值池化模块；每层复数升采样层包含一个复数递归残差模块和复数上采样模块；在升采样中，每层的上采样输出和对应层的降采样递归残差的输出进行合并作为复数注意力机制模块ca的输入，然后复数注意力机制模块的输出和上采样的输出合并，再依次经过复数递归残差模块得到升采样层的输出；该网络中复数递归残差模块中，包含两个复数递归单元和一个残差单元；复数卷积公式如下：h
n
*w
n
‑1＝(a*x
‑
b*y) i(a*x b*y)
ꢀꢀꢀꢀꢀꢀ
[4
‑
2]其中，*表示卷积；h
n
＝x iy为复数卷积的卷积核,其中h
n
为一个复数矩阵，i表示虚部，x和y为实数矩阵；卷积核的大小为s
×
k
×
k
×
m，s表示上一层特征图的数量，k表示卷积核的大小，m为当前层的卷积核数量；复数数据的输入为w
n
‑1＝a ib,其中a和b都为实数矩阵，w
n
为经过卷积后的第n层输出；当n＝1时w
n
‑1＝w0，即填零重建图i
u
(x，y)；复数批标准化公式如下：复数批标准化公式如下：其中，是计算中间值；v是协方差矩阵，v
ri
＝v
ir
，初始化为0，v
rr
和v
ii
的值初始化为的值初始化为的值初始化为其中，移位参数β为复数，其实部和虚部记为r{β}和i{β}均初始化为0；γ为缩放参数矩阵，γ
rr
和γ
ii
初始为γ
ri
初始化为0；复数激活函数公式如下：其中，z为批标准化的输出，θ
z
是z的相位；b为实数，是一个可学习的参数；m是复数激活函数的输出；复数递归残差模块的公式如下：
w
1 n
＝modrelu(bn(h
n 1
*(w
n
‑1 w
n
) b
n 1
))
ꢀꢀꢀꢀꢀꢀ
[7
‑
1]w
t n
＝modrelu(bn(h
n t
*(w
n
‑1 w
n t
‑1) b
n t
))
ꢀꢀꢀꢀꢀ
[7
‑
2]其中，w
t n
是递归单元的输出，t表示递归次数，h
n t
表示第t次递归时的复数卷积核，b
n t
表示第t次递归时的卷积的偏置；w
n
和w
n 1
分别是残差单元的输入和输出，f表示残差，ρ(w
n
)表示输入w
n
的恒等映射；s2.2、car2unet网络的训练将复数均方误差函数作为网络反向传播的损失函数，通过损失函数计算输出层的损失值；公式如下：其中，car2unet(i
u(ξ)
)为数据经过网络后的输出；t表示批数据的大小，ξ表示同批数据的第ξ个图像；r()代表取实部，i()代表取虚部；s2.3、car2unet网络的优化将epoch次数作为循环迭代的次数，当epoch次数未达到设定值时执行优化算法，当epoch次数达到设定值时，停止迭代，得到最终的网络参数θ；步骤三、基于car2unet网络的图像重建将训练好的car2unet网络参数θ对欠采样测试数据i
test_u
(x，y)进行重建，重建结果用i
out
(x，y)表示：i
out
(x，y)＝car2unet(i
test_u
(x，y)，θ)
ꢀꢀꢀꢀꢀꢀꢀ
[9]把i
out
(x，y)经过傅里叶变换转换为k空间数据，用s
r
(k
x
，k
y
)表示，同样再把测试数据i
test_u
(x，y)转换为k空间数据，用s
u
(k
x
，k
y
)表示，把s
u
(k
x
，k
y
)中实际采集到的数据替换s
r
(k
x
，k
y
)中对应位置的数据，再通过傅里叶反变换转换到图像域，用i
rec
(x，y)表示：i
rec
(x，y)＝idft(s
u
(k
x
，k
y
) s
r
(k
x
，k
y
).*(1
‑
mask))
ꢀꢀꢀꢀꢀꢀꢀ
[10]。2.根据权利要求1所述的基于car2unet网络的复数快速磁共振成像方法，其特征在于：所述的数据采集与预处理，具体为：初始数据为全采样的k空间复数数据，用s
k
(k
x
，k
y
)表示，其中，k
x
表示k空间频率编码fe方向的位置，k
y
表示k空间相位编码pe方向的位置；选取pe方向为模拟欠采样方向，也就是在pe方向每隔n行取一行，对于k空间中心区域全采集，采集的行数约占总行数的4％，在fe方向全采集；根据以上要求构造欠采样模板，公式如下：其中，mask表示欠采样模板，对于需要采集的数据，mask的值设置为1，不需要采集的部分设置为0，且mask矩阵的大小要与全采样k空间复数数据矩阵的大小一致；接下来对全采样k空间复数数据进行模拟欠采样，方法就是将欠采样模板mask与k空间复数矩阵点乘，公式如下：
s
u
(k
x
，k
y
)＝mask.*s
k
(k
x
，k
y
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
[2]其中，s
u
(k
x
，k
y
)表示欠采样k空间数据；.*表示点乘；对于全采样和欠采样的k空间数据s
k
(k
x
，k
y
)和s
u
(k
x
，k
y
)，进行傅里叶反变换，转换到图像域，公式如下：i
ref
(x，y)＝idft(s
k
(k
x
，k
y
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
[3
‑
1]i
u
(x，y)＝idft(s
u
(k
x
，k
y
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
[3
‑
2]其中，i
ref
(x，y)为全采样参考图像，i
u
(x，y)为欠采样图像，也就是填零重建图，将对应的数据对保存成mat文件构成训练数据。3.根据权利要求1所述的基于car2unet网络的复数快速磁共振成像方法，其特征在于：所述的数据集划分，具体为：将复数数据的实部和虚部一一对应分开，再将数据集分为训练集、验证集和测试集，其中全采样数据作为欠采样数据的真实值标签。

技术总结
本发明公开了一种基于CAR2UNet网络的复数快速磁共振成像方法，磁共振成像技术在实际应用中存在扫描时间较长的问题，且磁共振成像数据是一种复数信号，相位能获得磁化率等多种人体生理信息。本文提出基于复数注意力机制的递归残差U型卷积神经网络，对复数磁共振数据进行离线训练和快速重建，复数注意力机制模块通过着重关注图像中的感兴趣区域来增加网络模型重建精度，复数递归残差模块可以在增加卷积神经网络深度的同时控制模型参数数量，减少训练时梯度消失的现象。实验结果表明，CAR2UNet卷积神经网络能够重建出高质量的复数图像，使得感兴趣区域的细节更清晰，有助于欠采样数据的幅值和相位成像，并提高磁共振成像的速度。像的速度。像的速度。


技术研发人员：史雄丽 叶峥 金朝阳 王春林
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.03.23
技术公布日：2021/10/18