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：深圳市计量质量检测研究院(国家高新技术计量站、国家数字电子产品质量监督检验中心)

摘要：本发明是一种基于多尺度神经网络的核磁共振去伪影方法及系统，涉及医用核磁共振磁成像和深度学习技术领域，具体涉及一种基于多尺度神经网络的核磁共振去伪影方法及系统，所述一种基于多尺度神经网络的核磁共振去伪影方法包括：利用核磁共振系统采集带有伪影的图像进行数据预处理得到数据预处理结果；利用数据预处理结果基于多尺度卷积神经网络结构得到网络模型结果；利用网络模型结果进行伪影去除得到伪影去除核磁共振图像矩阵。根据本申请实施例的方法，可以有效且快速的去除核磁共振中产生伪影，输出清晰的图像矩阵，便于做出诊断。

主权项：1.一种基于多尺度神经网络的核磁共振去伪影方法，其特征在于，包括：S100、利用核磁共振系统采集带有伪影的图像进行数据预处理得到数据预处理结果；S101、利用核磁共振系统采集带有伪影的图像进行全采样模式的图像转换得到图像转换结果；S102、利用所述图像转换结果进行图像处理得到带伪影的核磁共振图像数据库；S103、利用带伪影的核磁共振图像数据库作为数据预处理结果；其中，所述图像处理包括旋转、镜像、缩小、放大；S200、利用数据预处理结果基于多尺度卷积神经网络结构得到网络模型结果；S201、根据所述数据预处理结果基于多尺度卷积神经网络结构建立对应残差网络；S202、利用所述数据预处理结果对残差网络进行训练、调参、验证得到第一优化模型；S2021、利用所述预处理结果输入残差网络根据权重参数进行模型训练得到第一中间模型；S2022、利用评估参数对所述第一中间模型进行二次调参得到第一优化模型；S203、根据所述第一优化模型进行特征结构划分，针对特征结构进行层间融合的网络结构得到网络模型结果；S2031、利用所述预处理结果进行比对筛选处理得到带伪影的核磁共振图像数据库内的图片特征结构；S2032、利用所述第一优化模型引入层间融合的网络结构对所述特征结构进行交叉互容得到高质量的模糊核；S2033、利用所述高质量的模糊核作为网络模型结果；其中，所述多尺度卷积神经网络结构包含Tensorflow与pycharm架构；S300、利用网络模型结果进行伪影去除得到伪影去除核磁共振图像矩阵；S301、利用所述网络模型结果对核磁共振的伪影区域基于模糊核进行去伪影处理，得到伪影去除核磁共振图像矩阵。

全文数据：

权利要求：

百度查询： 深圳市计量质量检测研究院(国家高新技术计量站、国家数字电子产品质量监督检验中心) 一种基于多尺度神经网络的核磁共振去伪影方法及系统