一种头部三维MRI超分辨率重建方法与流程

技术特征：
1.一种头部三维mri超分辨率重建方法，其特征在于，包括如下步骤：1）选取头部高分辨率的mri图像数据，将该数据进行处理，去除黑色背景区域数据，并作为步骤2）的数据范围；2）对步骤1）选取的mri数据进行预处理，在该数据上滑动选取正方体数据块，得到的正方体数据块分解为六个表面图像和表面数据覆盖的内部3d数据块，得到的数据作为步骤3）的模型训练数据；3）建立基于卷积神经网络和transformer编码器的三维mri超分辨率重建模型，步骤2）描述的数据块作为网络训练数据，得到三维mri超分辨率重建模型；4）选取三个轴向的mri数据，对三个轴向数据进行配准，将三个方向平面数据进行交叉，得到空腔数据块，将空腔数据块分解得到6个平面；5）将步骤4）得到的数据，输入到步骤3）建立的模型中，得到输出数据；6）将步骤5）所得到的输出数据进行重新整合，根据步骤4）中空腔数据块选取位置，重建整个数据空间。2.根据权利要求1所述的一种头部三维mri超分辨率重建方法，其特征在于，所述的步骤1），具体是选取的数据为层间隔为零的高分辨率mri数据，数据为dicom格式图像，其每个像素真实空间大小为1mm
×
1mm
×
1mm；去除黑色背景区域数据具体操作首先将dicom数据转换成位图数据，将像素取值范围转换到0-1之内，然后选取阈值为0.1，将背景区域噪声像素信息去除。3.根据权利要求1所述的一种头部三维mri超分辨率重建方法，其特征在于，所述的步骤2），具体是在高分辨率数据上滑动取数据块，滑动的步进应该为（目标mri图像层间距/目标mri图像像素真实大小-1）；对于六个表面图像和表面数据覆盖的内部3d数据块，其中六个表面图像作为步骤3）模型训练的输入数据，表面数据覆盖的内部正方体数据块作为步骤3）模型训练的目标输出。4.根据权利要求1所述的一种头部三维mri超分辨率重建方法，其特征在于，所述的步骤3），基于卷积神经网络和transformer编码器的三维mri超分辨率重建模型，是由线性变换层、cnn层、dnn层和transformer编码器层四部分共同构成，模型数据并行输入到线性变换变换层和cnn层，数据经过线性变换层处理后输入到transformer编码器层中；经过transformer编码器层和cnn层处理后由dnn层进行整合，输出最终结果；其中cnn层由卷积、池化、激活以及残差连接结构组成；transformer编码器层由多个transformer编码器串联构成，每个编码器由两个子层连接结构组成，第一个子层连接结构包括一个多头自注意力子层、标准化化层和一个残差连接，第二个子层连接结构包括一个前馈全连接子层、标准化层和一个残差连接；线性变换层的作用是将多维数据转化为一维，cnn层作用是图像轮廓和部分纹理信息提取、transformer编码器作用是纹理信息提取，dnn层作用是信息整合；在构建好模型后，将步骤2）的数据输入模型中训练，得到mri超分辨率重建模型，训练过程中，将由模型得到的3d数据块，与真实数据块做比较，使用绝对误差和梯度误差作为他们之间损失值的损失函数，损失值通过反向传播算法不断地迭代优化模型中的参数。5.根据权利要求1所述的一种头部三维mri超分辨率重建方法，其特征在于，所述的步骤4），具体是横断面、冠状面和矢状面图像在成像过程中记录每张图像的空间位置关系，将所有三个轴向的mri切片图像建立空间面方程，通过求解得到任意两个相邻横断面、任意两
个相邻冠状面和任意两个相邻矢状面，相交产生的空腔正方体，通过得到的空腔正方体得到步骤3）所需要输入的数据格式。6.根据权利要求1所述的一种头部三维mri超分辨率重建方法，其特征在于，所述的步骤6），具体是步骤5）得到的数据块与步骤4）得到的空腔数据进行组合，完成步骤4）空腔填充，然后将组合的数据重新还原到步骤4）产生空腔的位置。

技术总结
本发明公开了一种头部三维MRI超分辨率重建方法，该方法首先选取高分辨的MRI图像数据，对选取的MRI数据进行预处理得到小数据块，将得小数据块作为训练数据；然后建立基于卷积神经网络和Transformer编码器的三维MRI超分辨率重建模型，将小数据块作为输入对模型进行训练，得到三维MRI超分辨率重建模型；最后使用三个轴向MRI数据进行处理得到正方体空腔数据，将空腔数据输入到训练好的模型中得到空腔被填充小正方体，拼接空腔被填充小正方体组成完整数据空间。该方法模型规模小，图像重建速度快，重建图像质量高，为医学图像处理提供更精密数据。密数据。密数据。


技术研发人员：刘伟 陈洪波 赵岩
受保护的技术使用者：桂林电子科技大学
技术研发日：2021.11.29
技术公布日：2022/2/24