买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：贵州大学

摘要：本发明公开了一种自监督的DW图像的任意尺度角度超分辨率重建方法：涉及核磁共振图像处理领域，通过设计Q空间隐式扩散图像函数QIDWIF来表示具有不同Q空间采样率的不同角度分辨率的DW图像，实现任意尺度的角度超分辨率重建，结合DW图像在X空间和Q空间中的相似性设计X空间局部自相似信息融合策略和Q空间相似性融合预测策略来完善Q空间隐式扩散图像函数；并结合针对ASR重建任务的自监督学习策略，构建用于角度超分辨率重建的方法ArSASR，ArSASR对HCP多b值高角度分辨率的4维数据预处理生成单b值低角度分辨率的3维DW图像数据作为输入，通过X空间局部相似性的潜在特征提取器和Q空间相似性加权的隐式映射函数进行处理，输出预测结果。

主权项：1.一种自监督的DW图像的任意尺度角度超分辨率重建方法：其特征在于：通过设计Q空间隐式扩散图像函数QIDWIF来表示具有不同Q空间采样率的不同角度分辨率的DW图像，实现任意尺度的角度超分辨率重建，结合DW图像在X空间和Q空间中的相似性设计X空间局部自相似信息融合策略和Q空间相似性融合预测策略来完善Q空间隐式扩散图像函数；并结合针对ASR重建任务的自监督学习策略，构建用于角度超分辨率重建的方法ArSASR，ArSASR对HCP多b值高角度分辨率的4维数据预处理生成单b值低角度分辨率的3维DW图像数据作为输入，通过X空间局部相似性的潜在特征提取器和Q空间相似性加权的隐式映射函数进行处理，输出预测结果；具体包括以下步骤：S1：预处理的步骤包括选择切片、b值划分、扩散梯度方向两次下采样、去噪和数据归一化，从原始高角度分辨率DW图像数据中获得一次下采样的DW图像数据、二次下采样的DW图像数据以及一次下采样数据中未被二次采样的数据，DW图像数据和作为训练输入和输出DW图像数据； ，式中分别表示Q空间下采样率，DW图像的长、宽和q空间的扩散梯度方向数量，R表示实数集，表示扩散梯度方向数量；S2：基于X空间局部自相似信息融合策略的潜在特征提取器，将输入的低角度分辨率的DW图像转换为局部相似信息加权融合的隐函数潜在特征；S3：基于Q空间相似性融合预测策略的隐式映射函数，通过全连接层MLP结合隐函数潜在特征与扩散梯度方向信息解析出目标梯度方向DW图像，将邻域内不同扩散梯度方向解析得到的目标DW图像，依据邻域内扩散梯度方向与目标梯度方向的关系加权融合得到预测的DW图像，与训练数据真实标签计算SmoothL1损失函数来优化模型参数；在步骤S3中，学习一种隐函数潜在空间的映射函数，潜在空间映射函数根据隐函数潜在特征和扩散梯度方向映射得到对应的DW图像，潜在空间映射函数定义为： ；其中，是连续空间域中输出DW图像的扩散梯度方向向量，是中扩散梯度方向所在局部片段的隐函数潜在特征，是隐函数潜在特征的扩散梯度方向向量，是扩散梯度方向为的预测DW图像； 函数预测的扩散梯度方向从一个局部片段边缘移动到另一个局部片段边缘时，函数中的隐函数潜在特征会由突变为,存在不联系性问题，引入Q空间相似性加权融合预测策略，采用DW图像和的扩散梯度方向向量来定义似系数： ；其中，表示DW图像的归一化扩散梯度方向向量，表示DW图像的归一化扩散梯度方向向量的转置，exp是指以自然物e为底的指数函数，是超参数，用来控制指数衰减；将得到的相似系数做归一化处理： ；其中，是指DW图像和的归一化相似权重，是指输出DW图像的扩散梯度方向在输入DW图像的扩散梯度方向中的邻居集合；获得不同扩散梯度方向DW图像之间的归一化相似系数之后，结合DW图像在Q空间中的相似性在隐函数潜在空间的映射函数中引入加权融合策略，得到一种基于Q空间相似性加权的隐式映射函数： ；其中是连续空间域中输出DW图像的扩散梯度方向向量，是指通过深度学习网络模型学习到的隐式映射函数，表示可学习的网络参数，是中扩散梯度方向所在局部片段的隐函数潜在特征，是隐函数潜在特征的扩散梯度方向向量，是扩散梯度方向为的预测DW图像。

全文数据：

权利要求：

百度查询： 贵州大学 一种自监督的DW图像的任意尺度角度超分辨率重建方法