一种磁共振图像的增强方法以及相关设备

本发明涉及磁共振领域，尤其涉及一种磁共振图像的增强方法以及相关设备。

背景技术：

1、近年来广泛使用三维脂肪抑制t2加权快速自旋回波序列，可获得高分辨的神经影像。此外，结合顺磁性造影剂gd喷酸二钠(gd-dtpa)进行增强扫描，可以显著提高磁共振(nuclear magnetic resonanc，mri)对臂丛神经的显示效果。gd-dtpa可通过缩短组织的t1、t2弛豫时间增强神经与周围组织的对比度。但其长期大剂量使用存在可能的肾损伤风险。部分研究显示gd沉积可诱发肾脏纤维化，也增加了肾源性系统性纤维化(nsf)的概率。

2、当前最常用于臂丛神经mri检查的方法是采用三维快速自旋回波脂肪抑制t2加权序列(fs 3d-t2wi)，例如siemens的3d space stir序列，结合顺磁性造影剂gd喷酸二钠(gd-dtpa)静脉注射进行增强扫描。

3、先进行常规定位扫描，确定上肢和臂丛神经走行；然后在给予gd-dtpa(0.1-0.2mmol/kg)注射后，采用3d space stir序列进行增强扫描，通常扫描参数包括：tr3000ms，te 128ms，fov 240×240mm2，分辨率1.0x1.0x1.0mm3，带宽673hz/px。gd-dtpa可显著缩短血管和组织的t1，t2弛豫时间，使其t2信号减低，而臂丛神经由于血-神经屏障的存在，t2信号不受影响，因而增强了神经与周围组织的对比度。

4、这种gd剂增强的3d t2wi序列成像可准确显示臂丛神经的走行、形态、信号特征及周围病变，但是存在长期大剂量使用gd的安全顾虑。

技术实现思路

1、本发明实施例提供了一种磁共振图像的增强方法及相关设备，可以获得高水平的神经显像效果。

2、本发明第一方面提供了一种磁共振图像的增强方法，包括：

3、获取目标用户所对应的非增强磁共振mri图像；

4、对所述非增强mri图像进行预处理，以得到目标mri图像；

5、将所述目标mri图像输入图像增强模型，以得到目标增强mri图像，其中，所述图像增强模型为预先通过卷积神经网络对训练数据集进行训练得到的，所述训练数据集包括多个用户中每个用户所对应的原始非增强图像以及所述原始非增强图像所对应的增强mri图像，所述原始非增强图像为常规非顺磁性造影剂gd增强臂丛神经mri检查时的图像，所述增强mri图像为标准剂量gd增强臂丛神经的mri图像，所述原始非增强图像所对应的图像属性与所述增强mri图像的图像属性相匹配。

6、一种可能的设计中，所述方法还包括：

7、确定所述训练数据集；

8、对初始训练样本进行预处理，以得到预处理后的所述训练样本集，所述初始训练样本为所述训练样本集中的任意一个训练样本；

9、将预处理后的所述训练样本集进行划分，以得到训练集和测试集；

10、通过所述训练集对所述卷积神经网络进行训练，直至达到预置的迭代终止条件，得到初始图像增强模型；

11、通过所述测试集对所述初始图像增强模型进行测试，以得到测试结果；

12、获取针对所述测试结果的评估打分；

13、根据所述评估打分对所述初始图像增强模型进行优化，以得到所述图像增强模型。

14、一种可能的设计中，所述对初始训练样本进行预处理，以得到预处理后的所述训练样本集包括：

15、对所述初始训练样本进行图像刚性配准、裁剪、像素值调整以及信号强度归一化处理，得到目标训练样本；

16、将每个所述目标训练样本进行汇总，以得到预处理后的所述训练样本集。

17、一种可能的设计中，所述卷积神经网络包括编码器和解码器，所述编码器用于提取预处理后的所述训练样本集中每个训练样本的图像特征，所述解码器用于将所述图像特征恢复成图像，所述卷积神经网络的输入层为所述原始非增强图像，所述卷积神经网络的输出层为针对所述原始非增强图像所对应的gd增强mri图像。

18、一种可能的设计中，所述方法还包括：

19、判断所述初始图像增强模型的损失函数是否收敛，所述损失函数包括平均绝对值误差损失函数以及结构相似性损失函数；

20、若所述损失函数收敛，则确定达到所述预置的迭代终止条件；

21、或，

22、判断对所述卷积神经网络的迭代次数是否达到预设数值；

23、若所述迭代次数达到所述预设数值，则确定达到所述预置的迭代终止条件。

24、一种可能的设计中，所述方法还包括：

25、将所述目标增强mri图像进行展示，并获取针对所述目标增强mri图像的效果打分；

26、根据所述效果打分对所述图像增强模型进行更新。

27、本发明第二方面提供了一种磁共振图像的增强装置，包括：

28、获取模块，用于获取目标用户所对应的非增强磁共振mri图像；

29、预处理模块，用于对所述非增强mri图像进行预处理，以得到目标mri图像；

30、图像增强模块，用于将所述目标mri图像输入图像增强模型，以得到目标增强mri图像，其中，所述图像增强模型为预先通过卷积神经网络对训练数据集进行训练得到的，所述训练数据集包括多个用户中每个用户所对应的原始非增强图像以及所述原始非增强图像所对应的增强mri图像，所述原始非增强图像为常规非顺磁性造影剂gd增强臂丛神经mri检查时的图像，所述增强mri图像为标准剂量gd增强臂丛神经的mri图像，所述原始非增强图像所对应的图像属性与所述增强mri图像的图像属性相匹配。

31、一种可能的设计中，所述装置还包括：

32、模型训练模块，所述模型训练模块用于：

33、确定所述训练数据集；

34、对初始训练样本进行预处理，以得到预处理后的所述训练样本集，所述初始训练样本为所述训练样本集中的任意一个训练样本；

35、将预处理后的所述训练样本集进行划分，以得到训练集和测试集；

36、通过所述训练集对所述卷积神经网络进行训练，直至达到预置的迭代终止条件，得到初始图像增强模型；

37、通过所述测试集对所述初始图像增强模型进行测试，以得到测试结果；

38、获取针对所述测试结果的评估打分；

39、根据所述评估打分对所述初始图像增强模型进行优化，以得到所述图像增强模型。

40、一种可能的设计中，所述模型训练模块对初始训练样本进行预处理，以得到预处理后的所述训练样本集包括：

41、对所述初始训练样本进行图像刚性配准、裁剪、像素值调整以及信号强度归一化处理，得到目标训练样本；

42、将每个所述目标训练样本进行汇总，以得到预处理后的所述训练样本集。

43、一种可能的设计中，所述卷积神经网络包括编码器和解码器，所述编码器用于提取预处理后的所述训练样本集中每个训练样本的图像特征，所述解码器用于将所述图像特征恢复成图像，所述卷积神经网络的输入层为所述原始非增强图像，所述卷积神经网络的输出层为针对所述原始非增强图像所对应的gd增强mri图像。

44、一种可能的设计中，所述模型训练模块还用于执行如下操作：

45、判断所述初始图像增强模型的损失函数是否收敛，所述损失函数包括平均绝对值误差损失函数以及结构相似性损失函数；

46、若所述损失函数收敛，则确定达到所述预置的迭代终止条件；

47、或，

48、判断对所述卷积神经网络的迭代次数是否达到预设数值；

49、若所述迭代次数达到所述预设数值，则确定达到所述预置的迭代终止条件。

50、一种可能的设计中，所述图像增强模块还用于：

51、将所述目标增强mri图像进行展示，并获取针对所述目标增强mri图像的效果打分；

52、根据所述效果打分对所述图像增强模型进行更新。

53、本发明实施例第三方面提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如上述第一方面所述的磁共振图像的增强方法的步骤。

54、本发明实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如上述第一方面所述的磁共振图像的增强方法的步骤。

55、综上所述，可以看出，本发明提供的实施例中，综上所述，可以看出，本发明提供的实施例中，通过提前获取训练数据集，该训练数据集包括多个用户中每个用户所对应的原始非增强图像以及所述原始非增强图像所对应的增强mri图像，原始非增强图像为常规非顺磁性造影剂gd增强臂丛神经mri检查时的图像，增强mri图像为标准剂量gd增强臂丛神经的mri图像，原始非增强图像所对应的图像属性与增强mri图像的图像属性相匹配，并通过该训练数据集训练得到的图像增强模型对非增强mri图像进行图像增强，采用技术手段实现常规非gd剂mri图像获取类gd增强效果，避免过度使用gd剂的同时，保证了臂丛神经mri成像质量。