1.基于CAR2UNet网络的复数快速磁共振成像方法,其特征在于:该方法具体包括以下步骤:步骤一、数据处理与划分
s1.1、数据采集与预处理
s1.2数据集划分
步骤二:CAR2UNet网络模型的构建与训练优化
s2.1、CAR2UNet网络的构建
CAR2UNet卷积神经网络包括四个复数降采样层和四个复数升采样层,其中每层复数降采样包含一个复数递归残差模块和复数最大值池化模块;每层复数升采样层包含一个复数递归残差模块和复数上采样模块;在升采样中,每层的上采样输出和对应层的降采样递归残差的输出进行合并作为复数注意力机制模块CA的输入,然后复数注意力机制模块的输出和上采样的输出合并,再依次经过复数递归残差模块得到升采样层的输出;该网络中复数递归残差模块中,包含两个复数递归单元和一个残差单元;复数卷积公式如下:hn*Wn‑1=(A*x‑B*y)+i(A*x+B*y) [4‑2]其中,*表示卷积;hn=x+iy为复数卷积的卷积核,其中hn为一个复数矩阵,i表示虚部,x和y为实数矩阵;卷积核的大小为s×k×k×m,s表示上一层特征图的数量,k表示卷积核的大小,m为当前层的卷积核数量;复数数据的输入为Wn‑1=A+iB,其中A和B都为实数矩阵,Wn为经过卷积后的第n层输出;当n=1时Wn‑1=W0,即填零重建图Iu(x,y);
复数批标准化公式如下:
其中, 是计算中间值;V是协方差矩阵,Vri=Vir,初始化为0,Vrr和Vii的值初始化为其中,移位参数β为复数,其实部和虚部记为R{β}和I{β}均初始化为0;γ为缩放参数矩阵,γrr和γii初始为 γri初始化为0;
复数激活函数公式如下:
其中,Z为批标准化的输出,θz是Z的相位;b为实数,是一个可学习的参数;M是复数激活函数的输出;
复数递归残差模块的公式如下:
W1+n=modReLU(BN(hn+1*(Wn‑1+Wn)+bn+1)) [7‑1]Wt+n=modReLU(BN(hn+t*(Wn‑1+Wn+t‑1)+bn+t)) [7‑2]其中,Wt+n是递归单元的输出,t表示递归次数,hn+t表示第t次递归时的复数卷积核,bn+t表示第t次递归时的卷积的偏置;Wn和Wn+1分别是残差单元的输入和输出,F表示残差,ρ(Wn)表示输入Wn的恒等映射;
s2.2、CAR2UNet网络的训练
将复数均方误差函数作为网络反向传播的损失函数,通过损失函数计算输出层的损失值;公式如下:(ξ)
其中,CAR2UNet(Iu )为数据经过网络后的输出;T表示批数据的大小,ξ表示同批数据的第ξ个图像;R()代表取实部,I()代表取虚部;
s2.3、CAR2UNet网络的优化
将epoch次数作为循环迭代的次数,当epoch次数未达到设定值时执行优化算法,当epoch次数达到设定值时,停止迭代,得到最终的网络参数θ;
步骤三、基于CAR2UNet网络的图像重建
将训练好的CAR2UNet网络参数θ对欠采样测试数据Itest_u(x,y)进行重建,重建结果用Iout(x,y)表示:Iout(x,y)=CAR2UNet(Itest_u(x,y),θ) [9]把Iout(x,y)经过傅里叶变换转换为k空间数据,用Sr(kx,ky)表示,同样再把测试数据Itest_u(x,y)转换为k空间数据,用Su(kx,ky)表示,把Su(kx,ky)中实际采集到的数据替换Sr(kx,ky)中对应位置的数据,再通过傅里叶反变换转换到图像域,用Irec(x,y)表示:Irec(x,y)=IDFT(Su(kx,ky)+Sr(kx,ky).*(1‑mask)) [10]。
2.根据权利要求1所述的基于CAR2UNet网络的复数快速磁共振成像方法,其特征在于:所述的数据采集与预处理,具体为:
初始数据为全采样的k空间复数数据,用SK(kx,ky)表示,其中,kx表示k空间频率编码FE方向的位置,ky表示k空间相位编码PE方向的位置;选取PE方向为模拟欠采样方向,也就是在PE方向每隔n行取一行,对于k空间中心区域全采集,采集的行数约占总行数的4%,在FE方向全采集;根据以上要求构造欠采样模板,公式如下:其中,mask表示欠采样模板,对于需要采集的数据,mask的值设置为1,不需要采集的部分设置为0,且mask矩阵的大小要与全采样k空间复数数据矩阵的大小一致;
接下来对全采样k空间复数数据进行模拟欠采样,方法就是将欠采样模板mask与k空间复数矩阵点乘,公式如下:Su(kx,ky)=mask.*SK(kx,ky) [2]其中,Su(kx,ky)表示欠采样k空间数据;.*表示点乘;
对于全采样和欠采样的k空间数据SK(kx,ky)和Su(kx,ky),进行傅里叶反变换,转换到图像域,公式如下:Iref(x,y)=IDFT(SK(kx,ky)) [3‑1]Iu(x,y)=IDFT(Su(kx,ky)) [3‑2]其中,Iref(x,y)为全采样参考图像,Iu(x,y)为欠采样图像,也就是填零重建图,将对应的数据对保存成mat文件构成训练数据。
3.根据权利要求1所述的基于CAR2UNet网络的复数快速磁共振成像方法,其特征在于:所述的数据集划分,具体为:
将复数数据的实部和虚部一一对应分开,再将数据集分为训练集、验证集和测试集,其中全采样数据作为欠采样数据的真实值标签。