公开(公告)号：CN111696168B

公开(公告)日：2022-08-23

申请号：CN202010538650.7

申请日：2020-06-13

Applicant: 中北大学

Inventor： 蔺素珍 ,  马凤飞 ,  王丽芳 ,  李大威

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/54 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及MRI加速采集方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。本方法采用生成对抗网络构建本发明的网络结构，将基于残差自注意力的特征增强模块内嵌至U‑NET收缩路径底部；将高倍欠采样图像输入生成器，经U‑NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U‑NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像。本方法可以捕获图像更抽象、更丰富的纹理细节特征，融合局部信息和非局部信息以增强全局信息量，整个过程由网络自动选择有效特征，能实现关键区域纹理细节的自适应提取与重构，可以很好地重建高倍速采MR图像。

公开(公告)号：CN111696168A

公开(公告)日：2020-09-22

申请号：CN202010538650.7

申请日：2020-06-13

Applicant: 中北大学

Inventor： 蔺素珍 ,  马凤飞 ,  王丽芳 ,  李大威

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明涉及MRI加速采集方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。本方法采用生成对抗网络构建本发明的网络结构，将基于残差自注意力的特征增强模块内嵌至U-NET收缩路径底部；将高倍欠采样图像输入生成器，经U-NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U-NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像。本方法可以捕获图像更抽象、更丰富的纹理细节特征，融合局部信息和非局部信息以增强全局信息量，整个过程由网络自动选择有效特征，能实现关键区域纹理细节的自适应提取与重构，可以很好地重建高倍速采MR图像。