公开(公告)号：CN113744132B

公开(公告)日：2024-09-27

申请号：CN202111055372.0

申请日：2021-09-09

Applicant: 哈尔滨工业大学

Inventor： 刘环宇 ,  李君宝 ,  罗庆 ,  邵明媚 ,  杨一 ,  董博

IPC: G06T3/4053 ,  G06T7/00 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于多重优化的MR图像深度网络超分辨方法，解决了现有利用深度学习网络重建超分辨率MR图像时难以在模型复杂度和训练难度取得较好平衡的问题，属于图像超分辨率重建技术领域。本发明包括：获取MR图像训练集，包括多切片的低分辨MR图像集和对应的多切片高分辨MR图像集；利用MR图像训练集对超分辨深度学习网络进行训练，超分辨深度学习网络包括融合层和多个超分辨网络，每个超分辨网络的输入为低分辨MR图像，每个超分辨网络的输出同时输入到融合层，融合层输出高分辨MR图像；利用训练完成后的超分辨深度学习网络将低分辨MR图像重建为高分辨MR图像。超分辨网络和融合层在训练时，可采用不同的损失函数的级联。

公开(公告)号：CN113744132A

公开(公告)日：2021-12-03

申请号：CN202111055372.0

申请日：2021-09-09

Applicant: 哈尔滨工业大学

Inventor： 刘环宇 ,  李君宝 ,  罗庆 ,  邵明媚 ,  杨一 ,  董博

IPC: G06T3/40 ,  G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于多重优化的MR图像深度网络超分辨方法，解决了现有利用深度学习网络重建超分辨率MR图像时难以在模型复杂度和训练难度取得较好平衡的问题，属于图像超分辨率重建技术领域。本发明包括：获取MR图像训练集，包括多切片的低分辨MR图像集和对应的多切片高分辨MR图像集；利用MR图像训练集对超分辨深度学习网络进行训练，超分辨深度学习网络包括融合层和多个超分辨网络，每个超分辨网络的输入为低分辨MR图像，每个超分辨网络的输出同时输入到融合层，融合层输出高分辨MR图像；利用训练完成后的超分辨深度学习网络将低分辨MR图像重建为高分辨MR图像。超分辨网络和融合层在训练时，可采用不同的损失函数的级联。