【技術實現步驟摘要】
本專利技術涉及磁共振成像，具體涉及物理模型驅動的磁共振四維動態成像方法及裝置。
技術介紹
1、在醫學影像領域，傳統三維磁共振成像技術在提供器官和組織動態運動信息方面有局限性，難以評估復雜動態運動部位的關節功能和病變情況。四維磁共振成像技術可在時間維度上連續記錄動態影像以增強評估能力。近年來，深度學習技術在醫學影像處理領域有潛力，已有一些基于深度學習的方法用于四維磁共振成像序列生成，如通過預測形變場及插值技術、結合convlstm提出概率預測模型等。
2、然而，當前的四維磁共振數據生成技術仍存在諸多缺陷。像依賴形變場插值法，在面對快速或大幅度運動時，無法精準地捕捉連續的動態變化過程，導致成像信息的缺失與不連貫。并且，多數方法局限于二維序列預測，難以全方位地對復雜動態運動部位進行詳盡評估，無法滿足臨床對于精確、完整動態影像數據的迫切需求。
技術實現思路
1、有鑒于此，本專利技術實施例提供了物理模型驅動的磁共振四維動態成像方法及裝置，以解決三維磁共振成像技術在提供器官組織動態運動信息的局限及難以全面評估復雜動態運動關節功能和病變情況的問題。
2、第一方面，本專利技術實施例提供了一種物理模型驅動的磁共振四維動態成像方法，所述方法包括：
3、獲取待成像部位完整運動過程的磁共振k空間數據；
4、提取所述磁共振k空間數據中預設數量的三維靜態圖像；
5、利用目標訓練模型對所述三維靜態圖像進行分析，得到所述三維靜態圖像的動態變化模式，并基于
6、在k空間域內利用預設物理驅動模塊對所述四維圖像序列施加物理約束并修正數據，直至所述四維圖像序列滿足訓練條件，得到目標四維動態成像序列。
7、進一步的，在利用目標訓練模型對所述三維靜態圖像進行分析之前，所述方法還包括：
8、獲取磁共振采集待成像部位完整運動過程的標準四維動態成像序列；
9、提取所述標準四維動態成像序列中預設數量的三維圖像樣本；
10、基于所述三維圖像樣本與所述標準四維動態成像序列構建訓練集合；
11、利用所述訓練集合對原始預測模型進行訓練，直至滿足預設條件，得到目標預測模型。
12、進一步的，所述利用所述訓練集合對原始預測模型進行訓練，直至滿足預設條件，得到目標預測模型，包括：
13、將所述訓練集合中的三維圖像樣本輸入所述原始預測模型，得到預測的高保真四維動態成像序列；
14、對比所述高保真四維動態成像序列與所述標準四維動態成像序列，得到對比結果；
15、根據所述對比結果更新所述原始預測模型的模型參數，并判斷所述原始預測模型是否滿足預設條件；
16、若滿足預設條件，則將所述原始預測模型作為目標預測模型，或，若未滿足預設條件，則繼續執行訓練操作。
17、進一步的，所述將所述訓練集合中三維圖像樣本輸入所述原始預測模型，得到預測的高保真四維動態成像序列，包括：
18、將所述三維圖像樣本輸入至所述原始預測模型中的共享編碼器，得到不同時間幀的三維圖像特征；
19、將不同時間幀的三維圖像樣本輸入所述原始預測模型中的三維時空域模塊，對全段時間幀的圖像特征進行預測，得到預測圖像特征序列；
20、通過共享解碼器將所述預測圖像特征序列轉換為預測的高保真四維動態成像序列。
21、進一步的，所述將所述三維圖像樣本輸入所述原始預測模型中的共享編碼器，得到不同時間幀的圖像特征樣本，包括：
22、對多個所述三維圖像樣本進行卷積，得到各個時間幀的初始空間特征；
23、對所述初始空間特征進行下采樣，得到關鍵空間特征；
24、分析各個時間幀的關鍵空間特征，得到共性特征以及特定特征；
25、對所述共性特征以及所述特定特征進行時空相關性分析，得到不同時間幀的圖像特征樣本。
26、進一步的，所述將不同時間幀的圖像特征樣本輸入所述原始預測模型中的三維時空域模塊，對全段時間幀的圖像特征進行預測，得到預測圖像特征，包括：
27、識別所述不同時間幀的三維圖像特征在時空維度上的關聯關系；
28、根據所述關聯關系確定所述圖像特征樣本的動態變化模式；
29、按照所述動態變化模式對所述圖像特征樣本進行預測補全，得到全段時間幀的預測圖像特征。
30、進一步的，所述判斷所述原始預測模型是否滿足預設條件，包括：
31、獲取當前所述原始預測模型的訓練次數；
32、判斷所述訓練次數是否達到預設次數；
33、若未達到所述預設次數，則確定所述原始預測模型未滿足所述預設條件，或，若達到所述預設次數，則利用驗證集合判斷所述原始預測模型是否滿足所述預設條件。
34、進一步的，所述利用驗證集合判斷所述原始預測模型是否滿足所述預設條件，包括：
35、獲取所述驗證集合中的三維圖像集合以及對應的驗證成像序列；
36、將所述三維圖像集合輸入至所述原始預測模型，得到預測成像序列；
37、基于預設損失函數，計算所述預測成像序列與所述驗證成像序列之間的第一約束值以及第二約束值；
38、根據所述第一約束值以及所述第二約束值計算目標綜合損失；
39、判斷所述目標綜合損失是否滿足連續預設輪次的變化幅度均小于預設閾值；
40、若滿足連續預設輪次的變化幅度均小于預設閾值，則確定所述原始預測模型滿足所述預設條件，或，若未滿足連續預設輪次的變化幅度均小于預設閾值，則確定所述原始預測模型未滿足所述預設條件。
41、第二方面，本專利技術實施例提供了一種物理模型驅動的磁共振四維動態成像裝置，所述裝置包括：
42、獲取模塊，用于獲取待成像部位完整運動過程的磁共振k空間數據；
43、提取模塊，用于提取所述磁共振k空間數據中預設數量的三維靜態圖像；
44、分析模塊，用于利用目標訓練模型對所述三維靜態圖像進行分析，得到所述三維靜態圖像的動態變化模式，并基于所述動態變化模式對未來時間幀的靜態圖像進行預測，得到四維圖像序列；
45、約束模塊，用于在k空間域內利用預設物理驅動模塊對所述四維圖像序列施加物理約束并修正數據，直至所述四維圖像序列滿足訓練條件，得到目標四維動態成像序列。
46、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。
47、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。
48、本申請實施例提供的方法具有以本文檔來自技高網...
【技術保護點】
1.一種物理模型驅動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，在利用目標訓練模型對所述三維靜態圖像進行分析之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述利用所述訓練集合對原始預測模型進行訓練，直至滿足預設條件，得到目標預測模型，包括：
4.根據權利要求3所述的方法，其特征在于，所述將所述訓練集合中的三維圖像樣本輸入所述原始預測模型，得到預測的高保真四維動態成像序列，包括：
5.根據權利要求4所述的方法，其特征在于，所述將所述三維圖像樣本輸入所述原始預測模型中的共享編碼器，得到不同時間幀的圖像特征樣本，包括：
6.根據權利要求4所述的方法，其特征在于，所述將不同時間幀的圖像特征樣本輸入所述原始預測模型中的三維時空域模塊，對全段時間幀的圖像特征進行預測，得到預測圖像特征，包括：
7.根據權利要求3所述的方法，其特征在于，所述判斷所述原始預測模型是否滿足預設條件，包括：
8.根據權利要求7所述的方法，其特征在于，所述利用驗證集
9.一種物理模型驅動的磁共振四維動態成像裝置，其特征在于，所述裝置包括：
10.一種計算機設備，其特征在于，包括：
...【技術特征摘要】
1.一種物理模型驅動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，在利用目標訓練模型對所述三維靜態圖像進行分析之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述利用所述訓練集合對原始預測模型進行訓練，直至滿足預設條件，得到目標預測模型，包括：
4.根據權利要求3所述的方法，其特征在于，所述將所述訓練集合中的三維圖像樣本輸入所述原始預測模型，得到預測的高保真四維動態成像序列，包括：
5.根據權利要求4所述的方法，其特征在于，所述將所述三維圖像樣本輸入所述原始預測模型中的共...
【專利技術屬性】
技術研發人員：王珊珊，周炫汝，鄭海榮，李燁，
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。