【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能領(lǐng)域，具體是指一種mri成像中的偽影消除與圖像校正控制系統(tǒng)。
技術(shù)介紹
1、隨著科技的進(jìn)步，磁共振成像（mri）已經(jīng)成為現(xiàn)代醫(yī)學(xué)影像的重要工具之一，在現(xiàn)有的mri成像過程中，偽影的存在嚴(yán)重影響了圖像質(zhì)量和診斷準(zhǔn)確性，因此，有效地檢測(cè)、分類和校正這些偽影，成為mri成像技術(shù)中亟待解決的重要問題。現(xiàn)有的偽影檢測(cè)與分類方法存在檢測(cè)準(zhǔn)確性低、分類效果差和處理效率低的問題，傳統(tǒng)的分類器在處理高維數(shù)據(jù)時(shí)效率低，導(dǎo)致偽影檢測(cè)的準(zhǔn)確性降低，并且在處理過程中不穩(wěn)定，導(dǎo)致偽影分類效果不佳，影響后續(xù)校正和去除過程；一般的偽影校正與去除方法存在偽影消除效果有限、圖像質(zhì)量低、三維重建困難的問題，傳統(tǒng)方法通常基于預(yù)定義的規(guī)則和參數(shù)，難以應(yīng)對(duì)復(fù)雜、多樣的偽影類型和形態(tài)，常規(guī)偽影校正方法可能導(dǎo)致圖像模糊，尤其是在處理偽影邊緣區(qū)域時(shí)，細(xì)節(jié)容易丟失，影響圖像的診斷價(jià)值，由于缺乏時(shí)空信息整合，傳統(tǒng)的2d偽影校正方法難以充分利用3d數(shù)據(jù)中的時(shí)空信息，無法有效重建高質(zhì)量的3d圖像。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)上述情況，本專利技術(shù)提供了一種mri成像中的偽影消除與圖像校正控制系統(tǒng)（magnetic?resonance?imaging），對(duì)于現(xiàn)有的偽影檢測(cè)與分類方法存在檢測(cè)準(zhǔn)確性低、分類效果差和處理效率低的問題，本專利技術(shù)在偽影檢測(cè)與分類模塊中構(gòu)建dnh分類器（distributed?nearest?hashing,分布式最近哈希），使用dnh分類器進(jìn)行偽影檢測(cè)，通過特征提取和標(biāo)準(zhǔn)化處理，提高了偽影檢測(cè)和分類
2、本專利技術(shù)提供的一種mri成像中的偽影消除與圖像校正控制系統(tǒng)，包括數(shù)據(jù)采集與預(yù)處理模塊、硬件校正模塊、偽影檢測(cè)與分類模塊、偽影校正與去除模塊，具體包括以下內(nèi)容：
3、所述數(shù)據(jù)采集與預(yù)處理模塊使用mri掃描儀采集mri圖像數(shù)據(jù)并進(jìn)行初步處理，包括噪聲過濾、偏移場(chǎng)矯正和圖像標(biāo)準(zhǔn)化，將處理后的mri圖像數(shù)據(jù)傳輸至偽影檢測(cè)與分類模塊和偽影校正與去除模塊；
4、所述硬件校正模塊對(duì)梯度線圈、射頻線圈和系統(tǒng)頻率進(jìn)行校準(zhǔn)，同時(shí)進(jìn)行環(huán)境噪聲過濾和溫度矯正；
5、所述偽影檢測(cè)與分類模塊使用dnh分類器進(jìn)行偽影檢測(cè)，得到偽影并進(jìn)行分類，分類包括運(yùn)動(dòng)偽影、化學(xué)位移偽影和射頻干擾；
6、所述偽影校正與去除模塊使用gan模型和vgg-16模型結(jié)合3d重建，進(jìn)行偽影去除和圖像重建。
7、進(jìn)一步的，在偽影檢測(cè)與分類模塊，具體包括以下內(nèi)容：
8、獲取訓(xùn)練數(shù)據(jù)：將處理后的mri圖像數(shù)據(jù)劃分為每段為0.5的圖像段，每個(gè)圖像段稱為一個(gè)數(shù)據(jù)點(diǎn)；
9、特征提取：對(duì)每個(gè)數(shù)據(jù)點(diǎn)添加標(biāo)簽，標(biāo)簽包括正常和偽影，同時(shí)對(duì)每個(gè)數(shù)據(jù)點(diǎn)進(jìn)行特征提取，提取的特征包括方差、峰峰值幅度和平均整流值；
10、偽影檢測(cè)與分類：將提取的特征進(jìn)行標(biāo)準(zhǔn)化處理，使用分布式最近哈希對(duì)所有數(shù)據(jù)點(diǎn)進(jìn)行檢測(cè)，具體包括以下步驟：
11、步驟q1：構(gòu)建分類器，構(gòu)建dnh分類器，利用哈希圖和主鍵聚類順序進(jìn)行處理，定義dnh分類器參數(shù)，具體包括以下內(nèi)容：
12、哈希函數(shù)數(shù)量：哈希函數(shù)將數(shù)據(jù)點(diǎn)映射到哈希表中，設(shè)定范圍為[10,20]；
13、哈希表數(shù)量：存儲(chǔ)哈希函數(shù)結(jié)果，設(shè)定范圍為[5，10]；
14、寬列存儲(chǔ)數(shù)據(jù)庫：存儲(chǔ)和管理哈希圖數(shù)據(jù)結(jié)構(gòu)；
15、步驟q2：初始化哈希圖，使用哈希函數(shù)和哈希表初始化哈希圖的數(shù)據(jù)結(jié)構(gòu)；
16、步驟q3：特征輸入，將每個(gè)數(shù)據(jù)點(diǎn)標(biāo)準(zhǔn)化后的特征和標(biāo)簽輸入dnh分類器，利用哈希圖和主鍵聚類順序，對(duì)數(shù)據(jù)點(diǎn)進(jìn)行增量訓(xùn)練；
17、步驟q4：dnh分類器訓(xùn)練，在哈希圖中插入數(shù)據(jù)點(diǎn)，建立哈希索引，根據(jù)數(shù)據(jù)點(diǎn)準(zhǔn)化后的特征通過哈希函數(shù)映射到哈希表中；
18、步驟q5:更新哈希圖，設(shè)定最大迭代次數(shù)并且當(dāng)達(dá)到時(shí)，停止更新，得到訓(xùn)練后的dnh分類器；
19、步驟q6：獲取待檢測(cè)數(shù)據(jù)，從數(shù)據(jù)采集與預(yù)處理模塊收集未標(biāo)注的待檢測(cè)mri圖像數(shù)據(jù)；
20、步驟q7：數(shù)據(jù)處理，對(duì)未標(biāo)注的待檢測(cè)mri圖像數(shù)據(jù)進(jìn)行預(yù)處理、特征提取和標(biāo)注；
21、步驟q8：應(yīng)用dnh分類器，使用訓(xùn)練后的dnh分類器進(jìn)行偽影檢測(cè)。
22、進(jìn)一步的，在偽影矯正與去除模塊中，使用gan模型和vgg-16模型結(jié)合3d重建，具體包括以下步驟：
23、步驟s1：數(shù)據(jù)準(zhǔn)備，使用數(shù)據(jù)采集與預(yù)處理模塊中處理后的mri圖像數(shù)據(jù)；
24、步驟s2：特征提取，從處理后的mri圖像數(shù)據(jù)中提取特征并進(jìn)行標(biāo)準(zhǔn)化，特征包括噪聲水平、對(duì)比噪聲比和紋理特征；
25、步驟s3：初步矯正；
26、步驟s4：深度偽影去除。
27、進(jìn)一步的，步驟s3，具體包括以下步驟：
28、步驟s31：金屬區(qū)域檢測(cè)，使用閾值分割技術(shù)識(shí)別處理后的mri圖像數(shù)據(jù)中的金屬區(qū)域，標(biāo)記金屬區(qū)域并生成金屬掩模；
29、步驟s32：偽影區(qū)域檢測(cè)，根據(jù)金屬掩模，使用區(qū)域生長(zhǎng)算法檢測(cè)由金屬引起的偽影區(qū)域，標(biāo)記偽影區(qū)域；
30、步驟s33：插值法校正，使用高階插值對(duì)金屬區(qū)域進(jìn)行處理，得到插值校正后的mri圖像數(shù)據(jù)；
31、步驟s34：圖像重建，使用迭代重建算法，利用插值校正后的mri圖像數(shù)據(jù)進(jìn)行重建；
32、步驟s35：模型矯正，使用基于物理模型的校正方法對(duì)偽影區(qū)域進(jìn)行校正。
33、進(jìn)一步的，在步驟s35中，基于物理模型的矯正方法包括以下內(nèi)容：
34、磁場(chǎng)不均勻性矯正：利用磁場(chǎng)映射圖進(jìn)行校正，補(bǔ)償磁場(chǎng)不均勻性引起的信號(hào)偏移；
35、梯度非線性校正：基于梯度非線性模型，在圖像重建過程中校正幾何失真；
36、射頻干擾校正：通過頻譜分析檢測(cè)射頻干擾信號(hào)，使用射頻濾波器濾除干擾；
37、步驟s36：偽影區(qū)域平滑處理，使用高斯濾波器對(duì)校正后的偽影區(qū)域進(jìn)行平滑處理并調(diào)整對(duì)比度。
38、進(jìn)一步的，步驟s4，具體包括以下步驟：
39、步驟s41：預(yù)訓(xùn)練vgg-16模型；
40、步驟s42：使用預(yù)訓(xùn)練的vgg-16模型從初步校正后的圖像中提取高級(jí)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種MRI成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：包括數(shù)據(jù)采集與預(yù)處理模塊、硬件校正模塊、偽影檢測(cè)與分類模塊、偽影校正與去除模塊，具體包括以下內(nèi)容：
2.根據(jù)權(quán)利要求1所述的一種MRI成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：在偽影檢測(cè)與分類模塊，具體包括以下內(nèi)容：
3.根據(jù)權(quán)利要求2的一種MRI成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：在偽影矯正與去除模塊中，使用GAN模型和VGG-16模型結(jié)合3D重建，具體包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種MRI成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：進(jìn)一步的，步驟S3，具體包括以下步驟：
5.根據(jù)權(quán)利要求4所述的一種MRI成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：步驟S4，具體包括以下步驟：
【技術(shù)特征摘要】
1.一種mri成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：包括數(shù)據(jù)采集與預(yù)處理模塊、硬件校正模塊、偽影檢測(cè)與分類模塊、偽影校正與去除模塊，具體包括以下內(nèi)容：
2.根據(jù)權(quán)利要求1所述的一種mri成像中的偽影消除與圖像校正控制系統(tǒng)，其特征在于：在偽影檢測(cè)與分類模塊，具體包括以下內(nèi)容：
3.根據(jù)權(quán)利要求2的一種mri成像中的偽影消除與圖像校正控...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：翟桂娟，于淳，
申請(qǐng)(專利權(quán))人：吉林醫(yī)藥學(xué)院附屬醫(yī)院，
類型：發(fā)明
國別省市：
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。