本發(fā)明涉及圖像處理，特別涉及一種擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法及角度超分方法。
背景技術(shù)：
1、擴(kuò)散磁共振成像（diffusion?magnetic?resonance?imaging，dmri）的原理為：在常規(guī)mri序列的基礎(chǔ)上，通過(guò)在特定方向上施加一對(duì)對(duì)稱的擴(kuò)散敏感梯度脈沖，對(duì)被測(cè)組織內(nèi)水分子的微觀自擴(kuò)散運(yùn)動(dòng)進(jìn)行標(biāo)記。當(dāng)組織內(nèi)質(zhì)子發(fā)生擴(kuò)散位移時(shí)，其受到的梯度場(chǎng)強(qiáng)度隨位置變化而改變，導(dǎo)致質(zhì)子相位無(wú)法完全重聚，從而產(chǎn)生掃描信號(hào)的強(qiáng)度衰減。通過(guò)在多個(gè)不同方向和不同梯度強(qiáng)度下進(jìn)行信號(hào)采集，并采用圖像重建技術(shù)對(duì)不同的衰減信號(hào)進(jìn)行綜合處理，即可獲得反映被測(cè)組織微觀結(jié)構(gòu)特征和各向異性信息的擴(kuò)散張量圖像。
2、現(xiàn)有的擴(kuò)散磁共振角度超分方法通常存在以下顯著缺點(diǎn)：（1）難以捕捉空間-角度耦合的全局相關(guān)性。傳統(tǒng)的重建網(wǎng)絡(luò)主要依賴局部卷積核，在處理dwi這種高度耦合了“空間紋理”與“角度特征”的數(shù)據(jù)時(shí)，難以在全腦范圍內(nèi)提取長(zhǎng)程的結(jié)構(gòu)一致性模式。（2）缺乏對(duì)序列中間特征的深層約束?，F(xiàn)有方法大多僅對(duì)最終生成的高角度輸出數(shù)據(jù)計(jì)算損失，缺乏對(duì)多階段重建過(guò)程的中間監(jiān)督與約束，導(dǎo)致模型在角度維度的推理過(guò)程中容易出現(xiàn)誤差傳播與累積，使生成信號(hào)在不同擴(kuò)散方向間產(chǎn)生不連續(xù)或物理意義上的漂移。（3）忽略了擴(kuò)散梯度的幾何鄰近性。常規(guī)方法往往將各個(gè)擴(kuò)散通道視為獨(dú)立的特征層，忽略了擴(kuò)散梯度向量在球面幾何空間中的鄰近關(guān)系。由于缺乏物理幾何先驗(yàn)的約束，所生成數(shù)據(jù)在q空間中往往不夠平滑，容易出現(xiàn)與物理規(guī)律相悖的隨機(jī)信號(hào)振蕩，進(jìn)而影響后續(xù)擴(kuò)散張量成像（diffusion?tensor?imaging，dti）或擴(kuò)散峰度成像（diffusion?kurtosis?imaging，dki）等參數(shù)估計(jì)的準(zhǔn)確性。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)存在的空間-角度全局耦合能力不足、缺乏中間監(jiān)督、忽略幾何物理先驗(yàn)的技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供了一種擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法及角度超分方法。所述技術(shù)方案如下：
2、一方面，提供了一種擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，該方法包括：獲取訓(xùn)練數(shù)據(jù)對(duì)，所述訓(xùn)練數(shù)據(jù)對(duì)包括作為模型輸入的初始狀態(tài)數(shù)據(jù)和作為監(jiān)督真值的高角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)，所述初始狀態(tài)數(shù)據(jù)由低角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)經(jīng)零填充得到；構(gòu)建角度超分網(wǎng)絡(luò)，所述角度超分網(wǎng)絡(luò)包括多個(gè)串聯(lián)的空間-角度自回歸單元，所述空間-角度自回歸單元根據(jù)上一階段的輸出生成當(dāng)前階段的增量預(yù)測(cè)，并通過(guò)通道維度拼接更新?tīng)顟B(tài)，所述空間-角度自回歸單元至少還包括數(shù)據(jù)一致性約束模塊用于將低角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)中的真實(shí)信號(hào)強(qiáng)制保留至預(yù)測(cè)結(jié)果的對(duì)應(yīng)角度位置；利用所述訓(xùn)練數(shù)據(jù)對(duì)對(duì)所述角度超分網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以得到訓(xùn)練好的角度超分網(wǎng)絡(luò)，并在訓(xùn)練過(guò)程中采用聯(lián)合損失函數(shù)對(duì)模型參數(shù)進(jìn)行優(yōu)化，所述聯(lián)合損失函數(shù)至少包括：未知角度重建損失，用于對(duì)未采樣角度的預(yù)測(cè)結(jié)果與監(jiān)督真值之間的差異施加監(jiān)督；多階段輔助監(jiān)督損失，用于對(duì)各階段輸出的完整角度狀態(tài)與監(jiān)督真值之間的差異施加監(jiān)督。
3、另一方面，提供了一種角度超分方法，該方法包括：獲取待超分的低角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)；對(duì)所述待超分的低角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)進(jìn)行零填充處理，得到待處理的初始狀態(tài)數(shù)據(jù)；將所述待處理的初始狀態(tài)數(shù)據(jù)輸入訓(xùn)練好的角度超分網(wǎng)絡(luò)中，得到超分后的高角度分辨率擴(kuò)散加權(quán)成像數(shù)據(jù)，其中，所述訓(xùn)練好的角度超分網(wǎng)絡(luò)按所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法訓(xùn)練所得。
4、本發(fā)明實(shí)施例提供的技術(shù)方案帶來(lái)的有益效果至少包括：通過(guò)構(gòu)建包含多個(gè)串聯(lián)空間-角度自回歸單元的角度超分網(wǎng)絡(luò)，每個(gè)單元根據(jù)上一階段輸出生成增量預(yù)測(cè)并通過(guò)通道拼接更新?tīng)顟B(tài)，實(shí)現(xiàn)了空間域與角度域的聯(lián)合建模，有效捕捉了跨區(qū)域的長(zhǎng)程結(jié)構(gòu)一致性；訓(xùn)練過(guò)程中采用的聯(lián)合損失函數(shù)至少包括未知角度重建損失和多階段輔助監(jiān)督損失：未知角度重建損失僅對(duì)未采樣角度施加監(jiān)督，使模型聚焦于真正需要預(yù)測(cè)的角度；多階段輔助監(jiān)督損失對(duì)各階段的完整角度狀態(tài)施加監(jiān)督，有效抑制了逐級(jí)推理過(guò)程中的誤差累積，提高了訓(xùn)練穩(wěn)定性和重建一致性；通過(guò)該方法訓(xùn)練得到的角度超分網(wǎng)絡(luò)，能夠從低角度分辨率數(shù)據(jù)中高質(zhì)量地重建高角度分辨率擴(kuò)散信號(hào)，為后續(xù)擴(kuò)散參數(shù)估計(jì)提供了可靠的圖像基礎(chǔ)。
1.一種擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述空間-角度自回歸單元根據(jù)上一階段的輸出生成當(dāng)前階段的增量預(yù)測(cè)，包括：
3.根據(jù)權(quán)利要求2所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，利用全局上下文建模模塊捕捉所述空間特征圖的空間維度與角度維度之間的長(zhǎng)程依賴關(guān)系，包括：
4.根據(jù)權(quán)利要求1所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述聯(lián)合損失函數(shù)還包括以下?lián)p失中的任意一種或任意幾種：
5.根據(jù)權(quán)利要求1或4所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述未知角度重建損失lrec定義為：
6.根據(jù)權(quán)利要求1或4所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述多階段輔助監(jiān)督損失laux定義為：
7.根據(jù)權(quán)利要求4所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述方向一致性正則損失langle定義為：
8.根據(jù)權(quán)利要求4所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述球諧系數(shù)域約束損失lsh定義為：
9.根據(jù)權(quán)利要求4所述的擴(kuò)散磁共振角度超分網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述難例角度損失lhard定義為：
10.一種角度超分方法，其特征在于，所述方法包括：