【技術實現步驟摘要】
本專利技術涉及磁共振成像，具體涉及運動估計引導的磁共振四維動態成像方法及裝置。
技術介紹
1、四維磁共振成像技術作為醫學影像領域的重要進展，能夠捕捉并分析三維圖像隨時間改變的動態變化，尤其適用于觀察和分析器官運動。然而，傳統的四維磁共振成像技術受限于多次數據采集，導致掃描過程冗長，患者體驗不佳，且易因運動產生圖像失真和偽影。為了平衡時空分辨率，犧牲了時間分辨率，影響了對快速運動結構的捕捉。近年來，深度學習在醫學圖像處理中展現出了潛力，能夠減少掃描時間、提高圖像質量。但現有技術在運動估計和形變場插值方面仍存在不足，導致生成的運動過程不夠真實，影響了成像的準確性和連續性。特別是在捕捉快速或不規則運動時，現有技術雖能生成中間幀，但無法保證拓撲結構的一致性，使得運動過程不真實。
技術實現思路
1、有鑒于此，本專利技術實施例提供了運動估計引導的磁共振四維動態成像方法及裝置，以解決現有磁共振四維成像技術掃描時間長、難以捕捉復雜器官運動及時空一致性差的問題。
2、第一方面，本專利技術實施例提供了一種運動估計引導的磁共振四維動態成像方法，所述方法包括：
3、獲取磁共振的三維單幀靜態圖像以及欠采的低分辨率四維動態圖像序列，其中，所述低分辨率四維動態圖像序列是對k空間采集數據進行欠采樣所獲得的多幀低分辨率的四維動態圖像；
4、利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息；
5、將所述三維單幀靜態圖像輸入所述圖像序列
6、通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列。
7、進一步的，在利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息之前，所述圖像序列預測模型的訓練方法包括：
8、獲取磁共振全采樣的高分辨率四維動態圖像序列樣本；
9、對所述高分辨率四維動態圖像序列樣本進行欠采，得到低分辨率四維動態圖像序列樣本；
10、獲取磁共振全采樣的三維單幀靜態圖像樣本，并將所述四維動態圖像序列樣本與所述三維單幀靜態圖像樣本輸入原始學習模型進行學習，得到預測高分辨率四維動態圖像序列樣本；
11、計算所述預測高分辨率四維動態圖像序列樣本以及全采樣得到的所述高分辨率四維動態圖像序列樣本之間的目標損失值，并利用所述目標損失值調整所述原始學習模型的模型參數，直至所述目標損失值滿足預設訓練條件，得到所述圖像序列預測模型。
12、進一步的，利用所述目標損失值調整所述原始學習模型的模型參數，直至所述目標損失值滿足預設訓練條件，得到圖像序列預測模型，包括：
13、獲取當前所述原始學習模型的訓練次數；
14、在所述訓練次數達到指定次數時，利用預設驗證集合計算所述原始學習模型的目標損失值；
15、分析所述目標損失值的下降趨勢，若所述下降趨勢為停止下降，則確定所述目標損失值滿足所述預設訓練條件，將所述目標損失值最低點對應的原始學習模型作為所述圖像序列預測模型。
16、進一步的，利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息，包括：
17、獲取所述低分辨率四維動態圖像序列中多個時間幀的低分辨率四維動態圖像；
18、通過所述圖像序列預測模型中的運動編碼器，分析多個時間幀的低分辨率四維動態圖像，得到相鄰時間幀之間所述低分辨率四維動態圖像的動態變化特征，以及各個時間幀之間所述低分辨率四維動態圖像的依賴關系；
19、根據所述動態變化特征以及所述依賴關系，提取所述低分辨率四維動態圖像序列對應的運動估計信息。
20、進一步的，通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列，包括：
21、獲取所述解碼器中預存的融合方式；
22、按照所述融合方式對所述解剖結構信息與所述運動估計信息進行融合，得到高分辨率四維動態特征序列；
23、將所述高分辨率四維動態特征序列解碼為所述高分辨率四維動態圖像序列。
24、進一步的，在通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列之后，所述高分辨率四維動態圖像序列的評估方法包括：
25、獲取預設的圖像評估指標，其中，所述圖像評估指標包括量化指標以及性能指標；
26、按照所述量化指標，對生成的所述高分辨率四維動態圖像序列進行量化分析，得到第一分析結果；
27、按照所述性能指標，將生成的所述高分辨率四維動態圖像序列與標準動態圖像進行對比，得到對比結果，并根據所述對比結果分析所述四維動態圖像中的干擾因素，得到第二分析結果；
28、基于所述第一分析結果以及所述第二分析結果確定生成的所述高分辨率四維動態圖像序列是否合格，得到評估結果。
29、第二方面，本專利技術實施例提供了一種運動估計引導的磁共振四維動態成像裝置，所述裝置包括：
30、獲取模塊，用于獲取磁共振的三維單幀靜態圖像以及欠采的低分辨率四維動態圖像序列，其中，所述低分辨率四維動態圖像序列是對k空間采集數據進行欠采樣所獲得的多幀低分辨率的四維動態圖像；
31、提取模塊，用于利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息；
32、輸入模塊，用于將所述三維單幀靜態圖像輸入所述圖像序列預測模型中的結構編碼器，得到靜態解剖結構信息；
33、融合模塊，用于通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列。
34、第三方面，本專利技術實施例提供了一種計算機設備，包括：存儲器和處理器，存儲器和處理器之間互相通信連接，存儲器中存儲有計算機指令，處理器通過執行計算機指令，從而執行上述第一方面或其對應的任一實施方式的方法。
35、第四方面，本專利技術實施例提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機指令，計算機指令用于使計算機執行上述第一方面或其對應的任一實施方式的方法。
36、本申請實施例提供的方法具有以下有益效果：
37、本申請實施例提供的方法通過快速欠采技術來獲取低分辨率四維動態圖像序列，這一策略顯著縮短了掃描時間并提升了成像效率，即便是在快速欠采的條件下，該方法依然能夠保留運動部位的關鍵信息，為后續分析奠定了堅實的基礎。
38、本申請實施例提供的方法通過獲取的三維單幀靜態圖像提供了運動部位的詳細解剖結構信息。這些信息與低分辨率四維動態圖像序列所提供的運動信息相結合，使得對運動部位的理解更為全面。進一步地，運動編碼器能夠從低分辨率四維動態圖像序列中精確提取運動估計信息，有利于捕捉復雜器官的運動狀態，為后續生成高分辨率四本文檔來自技高網...
【技術保護點】
1.一種運動估計引導的磁共振四維動態成像方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，在利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息之前，所述圖像序列預測模型的訓練方法包括：
3.根據權利要求2所述的方法，其特征在于，利用所述目標損失值調整所述原始學習模型的模型參數，直至所述目標損失值滿足預設訓練條件，得到圖像序列預測模型，包括：
4.根據權利要求1所述的方法，其特征在于，利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息，包括：
5.根據權利要求1所述的方法，其特征在于，通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列，包括：
6.根據權利要求1所述的方法，其特征在于，在通過解碼器對所述運動估計信息以及所述解剖結構信息進行融合與解碼，得到高分辨率四維動態圖像序列之后，所述高分辨率四維動態圖像序列的評估方法包括：
7.一種運動估計引導的磁共振四維動態成像裝置，其特
8.一種計算機設備，其特征在于，包括：
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機指令，所述計算機指令用于使計算機執行權利要求1至6中任一項所述的方法。
...【技術特征摘要】
1.一種運動估計引導的磁共振四維動態成像方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，在利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息之前，所述圖像序列預測模型的訓練方法包括：
3.根據權利要求2所述的方法，其特征在于，利用所述目標損失值調整所述原始學習模型的模型參數，直至所述目標損失值滿足預設訓練條件，得到圖像序列預測模型，包括：
4.根據權利要求1所述的方法，其特征在于，利用圖像序列預測模型中的運動編碼器，提取所述低分辨率四維動態圖像序列中的運動估計信息，包括：
5.根據權利要求1所述的方...
【專利技術屬性】
技術研發人員：王珊珊，周炫汝，鄭海榮，李國斌，王振奎，
申請(專利權)人：中國科學院深圳先進技術研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。