基于循环网络的磁共振参数量化方法、装置、设备及介质

技术特征：
1.一种基于循环网络的磁共振参数量化方法，其特征在于，包括以下步骤：采集不同对比度的多幅磁共振加权图像；将多幅所述磁共振加权图像输入已构建的循环神经网络中，多次循环后，得到磁共振参数图像；其中，所述循环神经网络是基于物理模型和卷积神经网络构建而成的，对于所述循环神经网络的每一次循环，对应输入为不同对比度的多幅所述磁共振加权图像和循环神经网络上一次循环输出的状态参数，对应输出为所述循环神经网络本次循环计算得到的磁共振参数图像和状态参数；所述物理模型由不同对比度的多幅磁共振加权图像的采集过程确定。2.根据权利要求1所述的基于循环网络的磁共振参数量化方法，其特征在于，所述状态参数包括a、b和c；所述循环神经网络由梯度单元、hessian单元、去噪单元以及两个比例系数λ和ρ组合连接而成；对于所述循环神经网络的第i次循环，所述梯度单元的输入为循环神经网络第i-1次循环输出的状态参数a
i-1
，b
i-1
，c
i-1
和采集得到的不同对比度的多幅磁共振加权图像{y
q
}，其输出为目标函数f(a)相对于状态参数a在a
i-1
处的梯度值其中，q＝1,
…
,n
q
，n
q
为输入的不同对比度的磁共振加权图像的数量，目标函数f(a)为：式中，s
q
为第q个输入的磁共振加权图像采集过程中确定的物理模型，物理模型的输入为状态参数a，其输出为应用物理模型计算得到的磁共振加权图像；所述hessian单元的输入为循环神经网络第i-1次循环输出的状态参数a
i-1
，其输出为目标函数f(a)相对于状态参数a在a
i-1
处的hessian矩阵h
f
(a
i-1
)；所述噪声单元的输入为循环神经网络第i-1次循环输出的状态参数b
i-1
，其输出为对状态参数b
i-1
去除噪声后的状态参数d(b
i-1
)。3.根据权利要求2所述的基于循环网络的磁共振参数量化方法，其特征在于，所述去噪单元为一个具有残差结构的卷积神经网络，其由多个卷积层串联而成，除最后一个卷积层外，每个卷积层后有一个线性整流激活函数，最后一个卷积层的输出与卷积神经网络的输入相加得到卷积神经网络的输出。4.根据权利要求2所述的基于循环网络的磁共振参数量化方法，其特征在于，所述循环神经网络采用以下公式计算得到其第i次循环输出的状态参数a
i
、b
i
和c
i
：b
i
＝[ρ(a
i
c
i-1
) λd(b
i-1
)]/(ρ λ)；c
i
＝c
i-1
a
i-b
i
；式中，为hessian单元的输出hessian矩阵h
f
(a
i-1
)的逆矩阵，d(b
i-1
)为去噪单元的输出结果，i为大于等于1的整数。5.根据权利要求4所述的基于循环网络的磁共振参数量化方法，其特征在于，所述循环神经网络采用以下公式计算得到其第i次循环输出的磁共振参数图像x
i
：x
i
＝a
i
。
6.根据权利要求1所述的基于循环网络的磁共振参数量化方法，其特征在于，所述比例系数λ和ρ均通过一种加权的平均绝对误差损失函数来学习，其中，加权的平均绝对误差损失函数为：式中，n
s
为循环神经网络的循环次数，x
i
为循环神经网络第i次循环计算输出的磁共振参数图像，d为去噪单元，b
i-1
为循环神经网络第i-1次循环输出的状态参数，x
gt
为真实的参数图像。7.根据权利要求1所述的基于循环网络的磁共振参数量化方法，其特征在于，不同对比度的多幅所述磁共振加权图像为使用不同序列参数采集到的磁共振加权图像。8.一种基于循环网络的磁共振参数量化装置，其特征在于，包括：采集模块，用于采集不同对比度的多幅磁共振加权图像；输入模块，用于将多幅所述磁共振加权图像输入已构建的循环神经网络中，多次循环后，得到磁共振参数图像；其中，所述循环神经网络是基于物理模型和卷积神经网络构建而成的，对于所述循环神经网络的每一次循环，对应输入为不同对比度的多幅所述磁共振加权图像和循环神经网络上一次循环输出的状态参数，对应输出为所述循环神经网络本次循环计算得到的磁共振参数图像和状态参数；所述物理模型由不同对比度的多幅磁共振加权图像的采集过程确定。9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权力要求1-7任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。

技术总结
本发明提供了一种基于循环网络的磁共振参数量化方法、装置、设备及介质，其中方法包括：采集不同对比度的多幅磁共振加权图像；将多幅磁共振加权图像输入已构建的循环神经网络中，多次循环后，得到磁共振参数图像；其中，循环神经网络是基于物理模型和卷积神经网络构建而成的，对于循环神经网络的每一次循环，对应输入为不同对比度的多幅磁共振加权图像和循环神经网络上一次循环输出的状态参数，对应输出为循环神经网络本次循环计算得到的磁共振参数图像和状态参数；物理模型由不同对比度的多幅磁共振加权图像的采集过程确定。本发明解决了现有深度学习技术无法在输入的磁共振加权图像的采集参数发生较大改变时进行高质量参数量化的问题。质量参数量化的问题。质量参数量化的问题。


技术研发人员：冯衍秋 陆琪琪 程希元 王华峰 龚剑 陈凌剑 胡秋根
受保护的技术使用者：南方医科大学
技术研发日：2022.11.24
技术公布日：2023/3/10