技术特征：
1.一种基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在于，该方法包括以下步骤：s100，获取待成像重建的一维mpi信号，作为输入信号；s200，将所述输入信号输入训练好的生成对抗网络模型的生成器进行图像重建，得到二维mpi图像；其中，所述生成对抗网络模型包括生成器、判别器；所述生成器基于依次连接的全连接层、编码模块、线性逆摊平层构建；所述编码模块包括四个transformer编码器、三个上采样单元，上采样单元位于两两transformer编码器之间；所述判别器基于依次连接的n个卷积层、全连接层构建；n为正整数。2.根据权利要求1所述的基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在于，所述生成对抗网络模型，其训练方法为：a100，通过matlab中预选取的模型生成不同种类的二值图像；对二值图像进行仿真，生成对应的一维mpi信号；所述二值图像包括几何图像、字母图像以及分辨率图像；a200，将二值图像作为真值标签，结合对应的一维mpi信号，构建训练样本，得到训练数据集；a300，将二值图像输入预构建的vgg16模型中，得到二值图像的类别；将所述二值图像的类别以及二值图像对应的一维mpi信号输入预构建的生成器，生成二维mpi图像，作为预测图像；a400，基于所述预测图像，结合所述预测图像对应的真值标签，通过预构建的生成器损失函数，得到损失值，对生成器的网络参数进行更新；a500，将所述预测图像、对应的真值标签，输入预构建的判别器，判别所述预测图像的真假；a600，结合所述预测图像对应的真假判别结果，通过预构建的判别器损失函数，得到损失值，对判别器的网络参数进行更新；a700，循环a300-a600，直至得到训练好的生成对抗网络模型。3.根据权利要求2所述的基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在于，所述预选取的模型包括几何模型、字母模型和分辨率模型。4.根据权利要求2所述的基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在于，所述vgg16模型中卷积层的卷积核尺寸为3
×
3，步长为1。5.根据权利要求4所述的基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在于，所述生成器损失函数为：其中，表示生成器损失函数，g表示生成器，d表示判别器，y表示二值图像的类别，x表示真实图像，即真值标签，g(z|y)表示生成器生成的图像，z表示输入的一维mpi信号，表示x的概率分布函数，λ
g
表示预设的第一常数系数，l
mae
表示平均绝对误差函数。6.根据权利要求5所述的基于生成对抗网络的磁性纳米粒子成像重建方法，其特征在
于，所述判别器损失函数：若生成器的输入为字母图像的一维mpi信号，则判别器损失函数为：其中，表示判别器损失函数，表示z的概率分布函数，l
bce
表示二分类交叉熵损失函数，t
letter
表示提取字母图像的特征，λ
d
表示预设的第二常数系数；若生成器的输入为几何图像的一维mpi信号，则判别器损失函数为：其中，t
geometry
表示提取几何图像的特征；若生成器的输入为分辨率图像的一维mpi信号，则判别器损失函数为：其中，t
resolution
表示提取分辨率图像的特征。7.一种基于生成对抗网络的磁性纳米粒子成像重建系统，其特征在于，该系统包括：信号获取模块、图像重建模块；所述信号获取模块，配置为获取待成像重建的一维mpi信号，作为输入信号；所述图像重建模块，配置为将所述输入信号输入训练好的生成对抗网络模型的生成器进行图像重建，得到二维mpi图像；其中，所述生成对抗网络模型包括生成器、判别器；所述生成器基于依次连接的全连接层、编码模块、线性逆摊平层构建；所述编码模块包括四个transformer编码器、三个上采样单元，上采样单元位于两两transformer编码器之间；所述判别器基于依次连接的n个卷积层、全连接层构建；n为正整数。8.一种设备，其特征在于，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1-6任一项所述的基于生成对抗网络的磁性纳米粒子成像重建方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现权利要求1-6任一项所述的基于生成对抗网络的磁性纳米粒子成像重建方法。
技术总结
本发明属于生物医学成像技术领域，具体涉及一种基于生成对抗网络的磁性纳米粒子成像重建方法、系统、设备，旨在解决现有磁性纳米粒子成像重建方法重建时间长且重建图像的分辨率低的问题。本方法包括：获取待成像重建的一维MPI信号，作为输入信号；将输入信号输入训练好的生成对抗网络模型的生成器进行图像重建，得到二维MPI图像；其中，生成对抗网络模型包括生成器、判别器。本发明能够减少重建时间和提高重建图像的分辨率。高重建图像的分辨率。高重建图像的分辨率。
技术研发人员：田捷 张慧 赵婧 侯晓媛 安羽
受保护的技术使用者：北京航空航天大学
技术研发日：2022.06.10
技术公布日：2022/9/15