(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210327800.9 (22)申请日 2022.03.31 (65)同一申请的已公布的文献号 申请公布号 CN 114419183 A (43)申请公布日 2022.04.29 (73)专利权人 南昌睿度医疗科技有限公司 地址 330001 江西省南昌市青云谱区昌南 工业园区昌南园五路5号１ 号楼 4819室 （江西青云谱新经济产业 集聚区内） (72)发明人 徐理博　潘博洋　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 钱湾湾 (51)Int.Cl. G06T 11/00(2006.01)G06T 5/00(2006.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113359077 A,2021.09.07 CN 113359077 A,2021.09.07 CN 114241078 A,202 2.03.25 CN 114241077 A,2022.03.25 审查员 闪赛 (54)发明名称 一种MRA加速图像的优化方法、 系统、 设备及 存储介质 (57)摘要 本申请公开了一种MRA加速图像的优化方 法、 系统、 设备及存储介质， 该方法包括： 采集多 组训练数据并构建出训练数据集； 每组训练数据 中包括通过MRA标准扫描所得到的MRA标准图像， 通过MRA加速扫描所得到的MRA加速图像， 且同一 组训练数据中的各图像均对应同一患者的相同 扫描位置； 构建用于优化MRA加速图像的质量， 以 得到对应的MRA标准图像的神经网络模型； 利用 训练数据集训练神经网络模型， 得到MRA加速图 像优化模型； 将 待优化的MRA加速图像输入至MRA 加速图像优化模型中， 得到对应的MRA标准图像。 应用本申请的方案， 可以实现MRA的成像加速， 且 优化图像质量。 权利要求书2页 说明书9页 附图2页 CN 114419183 B 2022.07.01 CN 114419183 B 1.一种MRA加速图像的优化方法， 其特 征在于， 包括： 采集多组训练数据并构建出训练数据集； 其中， 每组训练数据中包括： 通过MRA标准扫 描所得到的MRA标准图像， 通过MRA加速扫描所得到的MRA加速图像， 且同一组训练数据中的 各图像均对应同一患者的相同扫描位置； 构建用于优化MRA加速图像的质量， 以得到对应的MRA标准图像的神经网络模型； 利用所述训练数据集训练所述神经网络模型， 得到 MRA加速图像优化模型； 将待优化的MRA加速图像输入至所述MRA加速图像优化模型中， 得到对应的MRA标准图 像； 所述构建用于优化MRA加速图像的质量， 以得到对应的MRA标准 图像的神经网络模型， 包括： 构建用于将MRA加速图像模仿为MRA标准图像的生成器； 构建用于分辨模仿出的MRA标准图像和真实的MRA标准图像的判别器； 构建出的训练数据集中的任一图像均为K通道的三维图像， K为 不小于3的正整数； 相应的， 在利用所述训练数据集训练所述神经网络模型的过程中， 所述神经网络模型 所采用的损失函数设置为将图像内容损失、 感知损失以及 对抗损失赋予相应的预设损失权 重值后相加所 得到的损失函数； 所述图像 内容损失包括第 一图像内容差异项和第 二图像内容差异项， 所述感知损失包 括第一感知差异项和第二感知差异项； 所述第一图像内容差异项表示的是所述生成器模仿的MRA标准图像与真实的MRA标准 图像之间的绝对差异， 所述第二图像内容差异项表示的是所述生成器模仿的MRA标准图像 的MIP图像与真实的MRA标准图像的MIP图像之间的绝对差异； 所述第一感知差异项表示的是所述生成器模仿的MRA标准图像经过特征提取网络提取 的特征提取图像与真实的MRA标准图像经过所述特征提取网络提取的特征提取图像之 间的 绝对差异， 所述第二感知差异项表示的是所述生 成器模仿的MRA标准图像的MIP图像经过特 征提取网络提取的特征提取图像与真实的MRA标准图像的MIP图像经过特征提取网络提取 的特征提取图像之间的绝对差异。 2.根据权利要求1所述的MRA加速图像的优化方法， 其特征在于， 所述生成器为由多个 RRDB堆叠以及卷积层形成的生成器。 3.根据权利要求1所述的MRA加速图像的优化方法， 其特征在于， 所述判别器为马尔可 夫判别器。 4.根据权利要求1所述的MRA加速图像的优化方法， 其特征在于， 所述构建出训练数据 集， 包括： 基于采集到的多组训练数据， 通过归一化处理和/或图像取块处理和/或数据扩增处 理， 构建出训练数据集。 5.根据权利要求1至4任一项所述的MRA加速图像的优化方法， 其特征在于， 得到的MRA 加速图像为 通过CS加速得到的MRA加速图像或者 为通过SENSE加速得到的MRA加速图像。 6.一种MRA加速图像的优化系统， 其特 征在于， 包括： 训练数据集构建模块， 用于采集多组训练数据并构建出训练数据集； 其中， 每组训练数 据中包括： 通过MRA标准扫描所得到的MRA标准图像， 通过MRA加 速扫描所得到的MRA加 速图权　利　要　求　书 1/2 页 2 CN 114419183 B 2像， 且同一组训练数据中的各图像均对应同一患者的相同扫描位置； 神经网络模型构建模块， 用于构建用于优化MRA加速图像的质量， 以得到对应的MRA标 准图像的神经网络模型； 训练模块， 用于利用所述训练数据集训练所述神经网络模型， 得到MRA加速图像优化模 型； 执行模块， 用于将待优化的MRA加速图像输入至所述MRA加速图像优化模型中， 得到对 应的MRA标准图像； 神经网络模型构建模块， 具体用于： 构建用于将MRA加速图像模仿为MRA标准图像的生成器； 构建用于分辨模仿出的MRA标准图像和真实的MRA标准图像的判别器； 构建出的训练数据集中的任一图像均为K通道的三维图像， K为 不小于3的正整数； 相应的， 在利用所述训练数据集训练所述神经网络模型的过程中， 所述神经网络模型 所采用的损失函数设置为将图像内容损失、 感知损失以及 对抗损失赋予相应的预设损失权 重值后相加所 得到的损失函数； 所述图像 内容损失包括第 一图像内容差异项和第 二图像内容差异项， 所述感知损失包 括第一感知差异项和第二感知差异项； 所述第一图像内容差异项表示的是所述生成器模仿的MRA标准图像与真实的MRA标准 图像之间的绝对差异， 所述第二图像内容差异项表示的是所述生成器模仿的MRA标准图像 的MIP图像与真实的MRA标准图像的MIP图像之间的绝对差异； 所述第一感知差异项表示的是所述生成器模仿的MRA标准图像经过特征提取网络提取 的特征提取图像与真实的MRA标准图像经过所述特征提取网络提取的特征提取图像之 间的 绝对差异， 所述第二感知差异项表示的是所述生 成器模仿的MRA标准图像的MIP图像经过特 征提取网络提取的特征提取图像与真实的MRA标准图像的MIP图像经过特征提取网络提取 的特征提取图像之间的绝对差异。 7.一种MRA加速图像的优化设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序以实现如权利要求1至5任一项所述的MRA加速图像 的优化方法的步骤。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的MRA加速图像的 优化方法的步骤。权　利　要　求　书 2/2 页 3 CN 114419183 B 3