一种基于对抗性域自适应的无监督MRI图像复原方法与流程

技术特征：
1.一种基于对抗性域自适应的无监督mri图像复原方法，是将待复原的mri图像输入网络模型中完成图像复原，其特征在于所述网络模型依次按照如下步骤建立：步骤1：制作训练集取m张cap数据集图像作为清晰图像，每张图像记为clear_image1，clear_image2，...，clear_image m；取m张amrg心脏mri图谱的图像，每张图像记为preprocess_image 1，preprocess_image2，...，preprocess_imagem；步骤1.2：将图像preprocess_image1，preprocess_image2，...，preprocess_imagem分别加入角度θ为5，长度l为3的运动模糊，记为blur_image1，blur_image2，...，blur_imagem；步骤1.3：将图像blur_image1，blur_image2，...，blur_imagem分别加入sigma值为25的高斯噪声，记为退化图像lowquality_image1，lowquality_image2，...，lowquality_imagem；步骤1.4：选取m张清晰图像和m张退化图像并按顺序对应为清晰图像和退化图像对，记为作为训练集；步骤2：训练网络步骤2.1：将训练集输进网络；步骤2.2：约定清晰图像是来自干净域clear_domain的干净样本退化图像是来自于退化域degraded_domain的退化样本步骤2.3：将干净样本送入一个清晰图像编码器e
clear
提取出一个干净图的内容表示r
clear
；将退化样本送入一个退化图像编码器e
degraded
，提取出一个退化图的内容表示r
degraded
，再将退化图的内容表示r
degraded
送入一个退化特征编码器提取出一个退化图的退化特征表示步骤2.4：将退化样本及所提取出的干净图的内容表示r
clear
同时送入一个干净图像生成器g
clear
，生成干净样本将干净样本退化图的内容表示r
degraded
以及退化图的退化特征表示同时送入一个退化图像生成器g
degraded
，生成退化样本步骤2.5将干净样本送入一个清晰图像编码器e
clear
提取出一个干净图的内容表示r
clear
'，再将退化样本同时送入一个退化图像编码器e
degraded
和一个退化特征编码器分别提取出一个退化图的内容表示r
degraded
'以及一个退化图的退化特征表示然后将退化样本及所提取出的干净图的内容表示r
clear
'一起送入一个干净图像生成器g
clear
，重构清晰图像同时，将干净样本
退化图像的内容表示r
degraded
'以及退化图像的退化特征表示一起送入一个退化图像生成器g
degraded
，重构退化图像步骤3：求取损失函数值并确定网络模型步骤3.1：为干净域clear_domain和退化域degraded_domain添加跨周期一致性损失l
cc
，vgg的模型损失l
vgg
，添加清晰图像和退化图像生成的对抗损失l
d
以及背景一致性损失l
bc
和l
sc
，加入拉普拉斯边缘算子对生成图像进行约束，并加入自重构损失l
rec
及添加kl loss，所述约束通过kl散度实现；步骤3.2：计算总损失函数值loss；若迭代次数达到规定的次数，则网络停止训练，保存最后一次迭代后得到的训练模型为网络模型；否则再一次进入步骤2，循环重复训练。

技术总结
本发明公开一种基于对抗性域自适应的无监督MRI图像复原方法，通过对抗性域自适应的框架，从退化的输入图像中学习模糊及噪声的中间表示，然后使用额外的自我监督模块进一步提高表示的鲁棒性，并通过多种约束来辅助模型的训练，同时在编码器中嵌入拉普拉斯算子提取边缘，形成额外的边缘恢复约束。即在去除图像噪声的同时，尽可能精细地恢复图像中模糊部分原本的边缘纹理，从而更好地对低质量MRI图像进行复原。行复原。行复原。


技术研发人员：傅博 董宇涵
受保护的技术使用者：辽宁师范大学
技术研发日：2021.09.08
技术公布日：2021/11/2