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：南京医科大学

摘要：本发明公开了一种基于空洞卷积的超分辨率卷积神经网络的磁共振重建方法，包括：步骤一，选取MRI作为训练集；步骤二，特征提取，在对磁共振图像的特征进行捕捉，使用三个不同膨胀率的空洞卷积对输入图片进行卷积，将得到三类不同视野的特征图，同时也加入残差学习，将初始卷积层的输出直接与空洞卷积提取的结果结合，进一步提高网络的特征提取能力；步骤三，对步骤二提取的特征进行非线性映射。步骤四，将映射后的特征图进行重建。本发明提高了MRI超分辨率重建的性能，在实际应用中无需人工干预或多阶段计算，MR图像超分辨率重建中的有效性大大提高；在评价指标峰值信噪比和结构相似度方面性能有显着提升，图像的细节恢复也有所提升。

主权项：1.一种基于空洞卷积的超分辨率卷积神经网络的磁共振重建方法，其特征在于包括如下步骤：步骤一，从数据集中选取MRI作为训练集，图像尺寸为256*256；步骤二，特征提取，对磁共振图像的特征进行捕捉，使用三个不同膨胀率的空洞卷积对输入图片进行卷积，将得到三类不同视野的特征图，同时加入残差学习，将初始卷积层的输出直接与空洞卷积提取的结果结合，进一步提高网络的特征提取能力；步骤三，对步骤二提取的特征进行非线性映射；步骤四，将映射后的特征图进行重建；所述特征提取为：F1X＝max0,W1*X+B1其中，X为输入MR图像，W1为网络的第一层卷积核，*为卷积操作，B1为第一层的偏置；在特征提取步骤中，首先使用卷积运算从低分辨率图像中提取多个图像块，每个补丁显示为称为特征向量的多维向量，并共同形成特征矩阵；然后加入整流线性单元，引入空洞卷积，引入的空洞卷积滤波器，设置为三种不同的膨胀率，使卷积过程提取感受视野更加丰富；不进行填充的情况下，空洞卷积的感受野K'可以通过以下公式计算得到：K'＝K+K-1r-1其中，k为原始卷积核大小，r为空洞卷积参数空洞率；所述非线性映射：F2X＝max0,W2*F1X+B2其中，W2为网络的第二层卷积核，*为卷积操作，B2为第二层的偏置n2维；重建用于将特征图进行还原成高分辨率图像F3X，其与真实图像做MSE损失并通过反向传播来学习整个模型的参数；其中：F3X＝W3*F2X+B3其中，W3为网络的第二层卷积核，*为卷积操作，B3为第三层的偏置n3维。

全文数据：

权利要求：

百度查询： 南京医科大学 一种基于空洞卷积的超分辨率卷积神经网络的磁共振重建方法