基于DUNet的DTI图像重建方法及系统与流程

基于dunet的dti图像重建方法及系统
技术领域
1.本发明涉及人工智能算法辅助医学技术领域，具体涉及一种基于dunet的dti图像重建方法及系统。


背景技术：

2.扩散张量成像(dti，diffusion tensor imaging)是一种磁共振成像(mri，magnetic resonance imaging)技术，是通过探测水在软组织中扩散的范围和方向来量化组织微结构的变化。dti在神经肿瘤学中有着广泛的应用前景，因为它能够提供传统mri无法获得的图像对比度。新的研究结果表明，dti可以提高肿瘤分类的敏感性和特异性，区分肿瘤的复发与坏死，并预测肿瘤复发的部位。尽管有这些强大的应用潜力，但一些技术挑战却阻碍了dti在临床神经肿瘤学中的应用。例如，dti需要较长的扫描时间(通常为5
–
10分钟)，因为需要在每个层面多次重复采集，其具有独特的扩散强度和方向，以充分对三维扩散过程进行采样。由于dti使用具有七个自由参数的二阶对称张量对每个体素的扩散过程进行建模，因此至少需要七次唯一采集(包括一次参考采集)才能形成一个完全确定的方程组。在实践中，通常至少有20个独特的方向用于对肌肉或神经组织等非均质系统进行充分采样。此外，即使完成了长时间的扫描，多步骤dti后处理管道(在张量拟合之后，包括特征系统分解和标量张量形状参数计算)也会传播由原始成像数据中的噪声引起的错误。当重建低信噪比(snr，signal-to-noise ratios)的图像时，这些误差会引起扩散各向异性的人为增加。dti中有许多因素会影响snr，包括协议细节(例如，空间分辨率、b值、重复时间、回波时间、信号平均值)和所用硬件(例如，梯度强度、静态磁场强度)。因此，不同的测量偏差可能会出现在不同的地点和扫描设备上，从而混淆了直接的定量比较。由于这些技术问题在很大程度上源于图像噪声和张量模型重建管道之间的相互作用，因此能够更有效地利用所获得的dti数据的后处理工具，会有助于dti技术的临床应用。
3.综上所述现有技术存在的技术问题如下：
4.1、传统dti需要较长的扫描时间；
5.2、由于扫描原因产生的伪影；
6.3、多步骤dti后处理管道会传播由原始图像数据中的噪声引起的错误。


技术实现要素：

7.本发明实施例的目的在于提供一种基于dunet的dti图像重建方法及系统，用以解决现有技术存在传统dti需要较长的扫描时间、由于扫描原因产生的伪影和多步骤dti后处理管道会传播由原始图像数据中的噪声引起的错误的问题。
8.为实现上述目的，本发明实施例提供一种基于dunet的dti图像重建方法，方法包括以下步骤：
9.通过利用mri扫描仪对拟扫描部位进行扫描而获取定位像；
10.基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
11.利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像。
12.进一步地，dti扫描协议包括1.7*1.7*5.0mm的空间分辨率、15个扫描层、2个并行的图像加速采集器、78ms回波时间和2300ms重复时间。
13.进一步地，基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
14.利用涡流神经网络凸优化扩散编码消除dti图像失真，在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像上沿20个唯一方向采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值。
15.进一步地，其中校正线性单元激活函数的公式为：
16.f(x)＝max(0,x)
ꢀꢀꢀ
(1)
17.其中x取值为上一层神经网络的输入向量。
18.进一步地，其中双曲正切激活函数的公式为：
19.tanh(x)＝2sigmoid(2x)-1，-∞＜x＜+∞，-1＜tanh＜1
ꢀꢀꢀ
(2)
20.其中x取值为上一层神经网络的输入向量。
21.进一步地，其中均方误差损失函数的公式为：
[0022][0023]
其中y和p分别为神经网络输出的实际值和神经网络的预测值。
[0024]
一种基于dunet的dti图像重建系统，所述系统包括：
[0025]
扫描模块，用于通过利用mri扫描仪对拟扫描部位进行扫描而获取定位像；
[0026]
采集模块，用于基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0027]
处理模块，用于利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像。
[0028]
进一步地，dti扫描协议包括1.7*1.7*5.0mm的空间分辨率、15个扫描层、2个并行的图像加速采集器、78ms回波时间和2300ms重复时间。
[0029]
进一步地，采集模块用于基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0030]
利用涡流神经网络凸优化扩散编码消除dti图像失真，在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像上沿20个唯一方向采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值。
[0031]
进一步地，其中校正线性单元激活函数的公式为：
[0032]
f(x)＝max(0,x)
ꢀꢀꢀ
(1)
[0033]
其中x取值为上一层神经网络的输入向量；
[0034]
其中双曲正切激活函数的公式为：
[0035]
tanh(x)＝2sigmoid(2x)-1，-∞＜x＜+∞，-1＜tanh＜1
ꢀꢀꢀ
(2)
[0036]
其中x取值为上一层神经网络的输入向量；
[0037]
其中均方误差损失函数的公式为：
[0038][0039]
其中y和p分别为神经网络输出的实际值和神经网络的预测值。
[0040]
本发明实施例具有如下优点：
[0041]
本发明通过dunet能够明显缩短扫描时间，扫描时间缩短为4分钟，本技术通过利用mri扫描仪对拟扫描部位进行扫描而获取定位像；基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像解决了现有技术存在传统dti需要较长的扫描时间、由于扫描原因产生的伪影和多步骤dti后处理管道会传播由原始图像数据中的噪声引起的错误的问题。
附图说明
[0042]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0043]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
[0044]
图1为本发明实施例提供的一种基于dunet的dti图像重建方法的方法流程图；
[0045]
图2为本发明实施例提供的dunet重建dti图像的示意图；
[0046]
图3为本发明实施例提供的dunet计算dti图像并获取各向异性分数图像和平均扩散率图像的示意图；
[0047]
图4为本发明实施例提供的dunet输出各向异性分数图像和平均扩散率图像的示意图；
[0048]
图5为本发明实施例提供的一种基于dunet的dti图像重建的系统的框架图。
具体实施方式
[0049]
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一
部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
实施例1
[0051]
结合图1至图4说明本实施方式，本实施方式的一种基于dunet的dti图像重建的方法，方法包括以下步骤：
[0052]
s1：通过利用mri扫描仪对拟扫描部位进行扫描而获取定位像；
[0053]
s2：基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0054]
s3：利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像。
[0055]
本实施方式中利用mri扫描仪对拟扫描部位进行扫描而获取定位像；基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像解决了现有技术存在传统dti需要较长的扫描时间、由于扫描原因产生的伪影和多步骤dti后处理管道会传播由原始图像数据中的噪声引起的错误的问题。
[0056]
本实施方式中dunet能够明显缩短扫描时间，通过三个编码方向进行重建，dunet使得各向异性分数的快速测量成为可能。dti是沿着几个不同的方向进行编码的，传统的dti重建在每个像素处使用符合扩散张量模型的线性最小二乘法进行拟合，然后将张量模型分解为特征向量和特征值，用于计算张量形状度量，如各向异性分数和平均扩散率。dunet则绕过这些步骤，直接从原始dti信号强度计算各向异性分数，与最快的常规dti扫描方法相比，本方法速度提升2倍。
[0057]
本实施方式中mri(magnetic resonance imaging)是磁共振成像；
[0058]
视场角是fov；
[0059]
各向异性分数(fa)也称各向异性分数值，fa是dti成像中重要的一个定量参数；
[0060]
平均扩散率(md)反映成像组织中自由水的含量；
[0061]
dunet(dense-u-net)是一种神经网络。
[0062]
优选实施例中，本实施方式dti扫描协议包括1.7*1.7*5.0mm的空间分辨率、15个扫描层、2个并行的图像加速采集器(采用自动校准并行加速采集图像)、78ms回波时间(te)和2300ms重复时间(tr)。
[0063]
优选实施例中，本实施方式基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0064]
利用涡流神经网络凸优化扩散编码消除dti图像失真，在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像上沿20个唯一方向(ndi r＝20)采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值(navg＝5)。
[0065]
本实施方式在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像
上沿20个唯一方向(ndir＝20)采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值(navg＝5)以提高信噪比。
[0066]
优选实施例中，本实施方式其中校正线性单元激活函数的公式为：
[0067]
f(x)＝max(0,x)
ꢀꢀꢀ
(1)
[0068]
其中x取值为上一层神经网络的输入向量。
[0069]
本实施方式中校正线性单元激活函数是作为神经元的激活函数，定义了该神经元在线性变换之后的非线性输出结果。f(x)＝max(0,x),当输入x《0时，输出为0当x》0时，输出为x。
[0070]
优选实施例中，本实施方式其中双曲正切激活函数的公式为：
[0071]
tanh(x)＝2sigmoid(2x)-1，-∞＜x＜+∞，-1＜tanh＜1
ꢀꢀꢀ
(2)
[0072]
其中x取值为上一层神经网络的输入向量。
[0073]
本实施方式中双曲正切激活函数的导函数的极值为1，x取值为上一层神经网络的输入向量，本技术将双曲正切激活函数的导函数用于各向异性分数图像和平均扩散率生成任务的最后一层。
[0074]
优选实施例中，本实施方式其中均方误差损失函数的公式为：
[0075][0076]
其中y和p分别为神经网络输出的实际值和神经网络的预测值。
[0077]
本实施方式中mes是目标变量与预测值之间距离平方之和，mes是衡量“平均误差”的一种方便的方法，mes评价数据变化程度，mes值越小，说明预测模型描述数据具有更好的精确度。
[0078]
实施例2
[0079]
结合图5说明本实施方式，本实施方式的一种基于dunet的dti图像重建的系统，所述系统包括：
[0080]
扫描模块10，用于通过利用mri扫描仪对拟扫描部位进行扫描而获取定位像；
[0081]
采集模块20，用于基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0082]
处理模块30，用于利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像。
[0083]
本实施方式中利用mri扫描仪对拟扫描部位进行扫描而获取定位像；基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；利用dunet重建dti图像；将dti图像输入dunet中，dti图像依次进入两个隐藏层并通过校正线性单元激活函数进行计算，经过校正线性单元激活函数计算后的dti图像再进入输出层并依次通过双曲正切激活函数和均方误差损失函数进行计算，得到各向异性分数图像和平均扩散率图像解决了现有技术存在传统dti需要较长的扫描时间、由于扫描原因产生的伪影和多步骤dti后处理管道会传播由原始图像数据中的噪声引起的错误的问题。
[0084]
优选实施例中，本实施方式dti扫描协议包括1.7*1.7*5.0mm的空间分辨率、15个扫描层、2个并行的图像加速采集器(采用自动校准并行加速采集图像)、78ms回波时间(te)和2300ms重复时间(tr)。
[0085]
优选实施例中，本实施方式采集模块20用于基于预先设置在mri扫描仪上的dti扫描协议确定定位像视场角并获取dti图像；
[0086]
利用涡流神经网络凸优化扩散编码消除dti图像失真，在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像上沿20个唯一方向采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值。
[0087]
本实施方式在mri扫描仪上根据设置的最小化回波时间b＝1000s/mm2，在定位像上沿20个唯一方向采集信号平均值且扫描时间为4分钟，每个方向均采集五次信号平均值以提高信噪比。
[0088]
优选实施例中，本实施方式其中校正线性单元激活函数的公式为：
[0089]
f(x)＝max(0,x)
ꢀꢀꢀ
(1)
[0090]
其中x取值为上一层神经网络的输入向量；
[0091]
其中双曲正切激活函数的公式为：
[0092]
tanh(x)＝2sigmoid(2x)-1，-∞＜x＜+∞，-1＜tanh＜1
ꢀꢀꢀ
(2)
[0093]
其中x取值为上一层神经网络的输入向量；
[0094]
其中均方误差损失函数的公式为：
[0095][0096]
其中y和p分别为神经网络输出的实际值和神经网络的预测值。
[0097]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。