【摘要】：多種加權(quán)的核磁共振(Magnetic Resource,MR)圖像能夠為病情的精確診斷提供更多的參考,而核磁共振成像(Magnetic Resonance Imaging,MRI)在一次成像過程中只能實現(xiàn)一種加權(quán)方式,這不僅限制了病情的參考條件,也增加了患者在采集不同加權(quán)MR圖像時的不適感和醫(yī)療開銷。基于深度學(xué)習(xí)的醫(yī)療影像分析和計算機輔助診斷正逐漸成為醫(yī)學(xué)精確診斷的解決方案,深度學(xué)習(xí)的出現(xiàn)解決了高維特征學(xué)習(xí)的難題。論文利用深度學(xué)習(xí)方法創(chuàng)新性地將T_2加權(quán)的MR圖像轉(zhuǎn)換為質(zhì)子密度(Proton Density,PD)加權(quán),從而在一次MRI中獲得多種加權(quán)的MR圖像。論文的主要研究工作和貢獻如下:(1)對MRI方法進行研究,從組織弛豫過程分析T_2加權(quán)MR圖像中包含的PD加權(quán)成分,為T_2加權(quán)MR圖像轉(zhuǎn)換為PD加權(quán)提供了理論條件,并對深度學(xué)習(xí)方法進行研究,使得這種轉(zhuǎn)換具備技術(shù)實現(xiàn)的條件。(2)提出了保留紋理的生成對抗網(wǎng)絡(luò)(Preserving-Texture Generative Adversarial Networks,PTGAN),將改進的U-Net模型作為PTGAN的生成模型,并將深度卷積神經(jīng)網(wǎng)絡(luò)作為PTGAN的判別模型,通過生成模型和判別模型的對抗訓(xùn)練來實現(xiàn)T_2和PD的加權(quán)轉(zhuǎn)換。在改進的U-Net模型中,使用卷積層替換池化層來實現(xiàn)更高維的特征提取,增加批歸一化層來減少數(shù)據(jù)差異,并進一步增加網(wǎng)絡(luò)的深度。(3)將最小二乘損失作為PTGAN的基本損失來減小決策邊界距離和提高模型訓(xùn)練的穩(wěn)定性,并在生成模型中加入L2損失、頻率損失和均方誤差,從而在空間域和頻域上確保轉(zhuǎn)換過程中的結(jié)構(gòu)紋理不變。利用多種數(shù)據(jù)擴充方式增加數(shù)據(jù)多樣性,設(shè)計四種網(wǎng)絡(luò)結(jié)構(gòu)與PTGAN進行對比,并使用多種MR圖像測試PTGAN模型。實驗表明,PTGAN模型能夠?qū)_2加權(quán)圖像轉(zhuǎn)換為高質(zhì)量的PD加權(quán)圖像,轉(zhuǎn)換的PD加權(quán)圖像與采集的PD加權(quán)圖像相比較,結(jié)構(gòu)相似性達到0.971,峰值信噪比達到32.944dB。此外,在獨立的CPU下每個轉(zhuǎn)換過程達到48.4ms左右,而在獨立的GPU下僅為4ms左右,可以在一次成像過程中快速地為疾病診斷提供更多的參考信息。
【圖文】：

基 于 生 成 對 抗 網(wǎng) 絡(luò) 的 核 磁 共 振 多 加 權(quán) 成 像 方Convolutional Neural Networks，CNN）被廣泛應(yīng)用到不同的巨大成功。而在醫(yī)學(xué)圖像處理領(lǐng)域，大量深度學(xué)習(xí)技術(shù)秀的模型。針對不同的醫(yī)學(xué)圖像處理任務(wù)，深度學(xué)習(xí)技術(shù)的數(shù)據(jù)庫來進行模型訓(xùn)練[9]。隨著計算機 CPU 處理能力用深度學(xué)習(xí)技術(shù)進行圖像轉(zhuǎn)換和分類的目標(biāo)更加易于實現(xiàn)設(shè)備接收到的信號總是受質(zhì)子密度的影響[10][11]，因此無論 對比信息，則可以將 T2加權(quán) MR 圖像中包含的 PD 加權(quán)成這就為 T2加權(quán) MR 圖像轉(zhuǎn)換為 PD 加權(quán)提供理論條件。深征映射[9]的加權(quán)轉(zhuǎn)換提供了技術(shù)條件，而計算機硬件設(shè)備下將核磁共振成像設(shè)備采集得到的 T2加權(quán)MR 圖像轉(zhuǎn)換為成像過程中提供出兩種加權(quán)圖像。

組織的弛豫和質(zhì)子密度信息。2.1 MRI 原理MRI建立在 MR 原理的基礎(chǔ)上，MR 涉及的基本物理概念包括：原子核的自旋和磁矩、自旋磁矩在外磁場中的能量狀態(tài)、產(chǎn)生核磁共振的條件、以及射頻場對磁化強度矢量的作用和弛豫過程[31]。MRI 涉及激發(fā)和測量 MR 信號的射頻脈沖序列、利用 K 空間編碼獲取信號位置、以及利用 K 空間編碼信息重建影像這三個方面的問題。2.1.1 弛豫過程當(dāng)對患者進行核磁共振掃描時，患者體內(nèi)的氫原子核不僅按照主磁場的方向?qū)R，而且會按照近似的頻率進行旋進，但它們在旋進中的相位是隨機的，，這將產(chǎn)生主磁場方向的網(wǎng)狀縱向磁化，如圖 2.1 所示。
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP183;TP391.41;R445.2

【參考文獻】

相關(guān)期刊論文 前5條

1 余萍;趙繼生;張潔;;基于非線性修正函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)圖像識別研究[J];科學(xué)技術(shù)與工程;2015年34期

2 張云;;核磁共振技術(shù)的歷史及應(yīng)用[J];科技信息;2010年15期

3 夏震;;3.0T磁共振使用體會之Tim[J];實用醫(yī)技雜志;2008年28期

4 李儉川,秦國軍,溫熙森,胡蔦慶;神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的過擬合問題及解決方法[J];振動、測試與診斷;2002年04期

5 鐘鼎蘇;沈國光;;中國首臺超導(dǎo)型磁共振成像系統(tǒng)誕生[J];影像診斷與介入放射學(xué);1992年01期

本文編號：2671403