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：江西理工大学

摘要：本发明涉及一种应用于MRI医学图像超分辨重建方法，包括：获取带伪影且欠采样MRI医学图像，构建混合密集知识蒸馏模型，混合密集知识蒸馏模型包括：教师模型和学生模型；对混合密集知识蒸馏模型进行训练，将带伪影且欠采样MRI医学图像输入训练后的混合密集知识蒸馏模型，获取无伪影的全采样MRI医学图像。本发明通过分析发现混合密集网络能够有效解析网络输出中所存在的多个分量，并基于多个分量构建多值映射模型重建锐化边界，同时从知识蒸馏中得到的正则化约束有效解决超分辨率任务中的不适定问题，并在分析重建和超分辨率子任务之间存在联系和互补性基础上，设计出混合密集知识蒸馏模型来更好地完成MRI超分辨率重建任务。

主权项：1.一种应用于MRI医学图像超分辨重建方法，其特征在于，包括：获取带伪影且欠采样MRI医学图像，构建混合密集知识蒸馏模型，所述混合密集知识蒸馏模型包括：教师模型和学生模型；所述学生模型包括：第二解码器和混合密集块；其中，所述第二解码器和所述混合密集块连接；所述教师模型包括：编码器、第一解码器和上采样块；其中，所述编码器、所述第一解码器和所述上采样块依次连接；所述混合密集块包括：卷积层、第一蒸馏子模块和第二蒸馏子模块；其中，通过所述卷积层获取所述第一蒸馏子模块和所述第二蒸馏子模块的权重；对所述混合密集知识蒸馏模型进行训练，将所述带伪影且欠采样MRI医学图像输入训练后的所述混合密集知识蒸馏模型，获取无伪影的全采样MRI医学图像；对所述教师模型进行训练包括：获取高分辨率图像，对所述高分辨率图像进行数据增强处理，将数据增强后的所述高分辨率图像输入所述编码器，获取紧凑特征；获取欠采样图像，基于所述欠采样图像对所述紧凑特征进行约束，将约束后的所述紧凑特征输入所述第一解码器，并通过所述上采样块，获取教师模型输出图像，同时保存所述第一解码器的权重；对所述学生模型进行训练包括：将上采样MRI历史医学图像输入所述卷积层进行权重计算，获取第一权重和第二权重；将所述上采样MRI历史医学图像分别输入所述第一蒸馏子模块和所述第二蒸馏子模块进行均值和方差计算，获取第一均值、第二均值、第一方差和第二方差，根据所述第一均值和所述第一方差，获取第一拉普拉斯分布，根据所述第二均值和所述第二方差，获取第二拉普拉斯分布；根据所述第一权重和所述第二权重，分别对所述第一拉普拉斯分布和所述第二拉普拉斯分布进行加权，获取混合密集分布；计算所述混合密集分布的微分熵，获取可视化的偶然不确定性图；对所述学生模型进行训练包括：获取带伪影且欠采样MRI历史医学图像，将保存的第一解码器的权重赋予所述第二解码器，将所述带伪影且欠采样MRI历史医学图像输入所述第二解码器，并通过所述混合密集块，获取无伪影的全采样MRI历史医学图像。

全文数据：

权利要求：

百度查询： 江西理工大学 一种应用于MRI医学图像超分辨重建方法