申请/专利权人：贵州大学

申请日：2024-05-30

公开（公告）日：2024-06-28

公开（公告）号：CN118261822A

主分类号：G06T5/70

分类号：G06T5/70;G06T5/60;G06N3/0464;G06N3/0895;G06V10/74;G06T3/4038;G06T3/4046;G06N5/04;G06N3/048

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了基于体素替换的自监督磁共振扩散加权图像去噪方法，涉及核磁共振图像处理领域，基于X‑Q空间的自监督去噪算法，利用多个扩散梯度方向的扩散加权图像训练神经网络去噪器；自监督去噪算法包括三个部分，第一部分：是使用相似块匹配算法在Q空间中进行体素替换，生成结构相似噪声独立的噪声图像对；第二部分：在X空间上进行互补掩码拼接细化噪声图像对，以减小体素替换后噪声图像对中真实信号差异对降噪结果的影响。第三部分：引入互补掩码一致性损失和反替换正则损失训练神经网络模型。本发明利用扩散加权图像信号不同扩散梯度方向之间的结构相似性和噪声无关性，提出了体素替换的策略，解决了扩散加权图像的相关性噪声的去除问题。

主权项：1.基于体素替换的自监督磁共振扩散加权图像去噪方法，其特征在于，基于X-Q空间的自监督去噪算法，利用多个扩散梯度方向的扩散加权图像训练神经网络去噪器；自监督去噪算法包括三个部分，第一部分：使用相似块匹配算法在Q空间中进行体素替换，生成噪声图像对；第二部分：在X空间上对生成的噪声图像对使用互补掩码拼接策略细化图像对，减小构造的图像对真实信号之间的差异对网络训练的影响；第三部分：引入互补掩码一致性损失和体素反替换正则损失训练神经网络模型；基于Q空间相似块匹配的体素替换，具体包括以下步骤：S11：采样，在Q空间上均匀地采样m个点，采样均匀度影响构建的训练数据在整个Q空间上的覆盖率；S12：搜索，以m个采样点为中心，在Q空间上搜索距离中心点夹角最小的n-1个点；S13：分组，经过搜索操作后，受试者数据分为m个组，每个组内包含n个扩散梯度方向的数据，这n个梯度方向上的信号在Q空间上相邻；S14：相似块匹配，不同扩散梯度方向的相同位置对应块上，通过计算Bray-Curtis距离来衡量匹配块的相似性，如下述公式所示： ；其中，d表示距离，i，j，k分别表示像素点的坐标，和分别表示对应位置的信号值，m表示匹配块的大小，得到的Bray-Curtis距离越小，匹配块之间的相似性越高；S15：中心体素替换，将当前块的中心体素点替换为其他梯度方向上相似性最高的匹配块的中心体素点，构造噪声独立结构相似的训练样本对。

全文数据：

权利要求：

百度查询： 贵州大学 基于体素替换的自监督磁共振扩散加权图像去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD