本發(fā)明涉及人工智能，尤其涉及生物醫(yī)學(xué)分子影像、磁粒子成像重建，更具體地，涉及一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建方法、模型訓(xùn)練方法及系統(tǒng)。

背景技術(shù)：

1、磁粒子成像（magnetic?particle?imaging，mpi）是一種新型生物醫(yī)學(xué)成像技術(shù)，可以利用超順磁性氧化鐵粒子在復(fù)合磁場中的非線性響應(yīng)，直接檢測其在生物體內(nèi)的分布，具有高靈敏度、高時空分辨率、零背景組織深度信號、無電離輻射等優(yōu)點，在生物醫(yī)學(xué)領(lǐng)域，如血管成像、癌癥檢測、細(xì)胞示蹤、灌注成像等方面具有良好的應(yīng)用前景。

2、mpi重建是將mpi設(shè)備中獲取的電壓信號重建為磁粒子濃度的分布圖，目前多采用基于的重建方法和基于系統(tǒng)矩陣的重建方法?；诘闹亟ǚ椒ǐ@取的磁粒子分布圖像質(zhì)量、清晰度較差，影響重建圖像的分辨率和對比度，進(jìn)而影響對mpi結(jié)果的判讀?；谙到y(tǒng)矩陣的重建方法在重建前通常使用校準(zhǔn)掃描來測量由多個諧波分量組成的系統(tǒng)矩陣，建模磁粒子空間濃度分布同其頻率響應(yīng)間的關(guān)系，然后利用系統(tǒng)矩陣和磁粒子響應(yīng)信號求解線性逆問題，解碼磁粒子空間濃度分布，重建mpi圖像，但復(fù)雜的背景噪聲導(dǎo)致了線性逆問題的病態(tài)性，使逆問題求解不穩(wěn)定且限制求解精度。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建方法、模型訓(xùn)練方法及系統(tǒng)。

2、本發(fā)明的一個方面提供了一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建方法，應(yīng)用于經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)，經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；上述方法包括：將系統(tǒng)矩陣和針對待成像對象的響應(yīng)信號輸入條件生成模型，輸出條件參考信息，其中，條件參考信息包括針對待成像對象的初始重建圖像或初始重建圖像的特征圖；循環(huán)執(zhí)行如下操作，直至循環(huán)次數(shù)達(dá)到預(yù)設(shè)循環(huán)閾值時，得到針對待成像對象的目標(biāo)重建圖像；以初始推理圖像作為當(dāng)前推理圖像，將當(dāng)前推理圖像和條件參考信息輸入條件梯度估計模型，輸出當(dāng)前估計圖像，其中，初始推理圖像包括高斯噪聲圖像；將系統(tǒng)矩陣和響應(yīng)信號輸入數(shù)理信息迭代提取模型，輸出當(dāng)前數(shù)理信息，其中，當(dāng)前數(shù)理信息表征在當(dāng)前循環(huán)次數(shù)時針對待成像對象的數(shù)理信息；將當(dāng)前估計圖像和當(dāng)前數(shù)理信息輸入數(shù)理信息變換驅(qū)動模型對當(dāng)前估計圖像進(jìn)行優(yōu)化，輸出優(yōu)化后的估計圖像，并以優(yōu)化后的估計圖像作為當(dāng)前推理圖像循環(huán)執(zhí)行如上操作。

3、本發(fā)明的另一個方面提供了一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)的訓(xùn)練方法，上述數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；上述方法包括：獲取訓(xùn)練樣本數(shù)據(jù)，其中，訓(xùn)練樣本數(shù)據(jù)包括樣本系統(tǒng)矩陣、仿真mpi圖像和仿真響應(yīng)信號；將樣本系統(tǒng)矩陣和仿真響應(yīng)信號輸入條件生成模型，輸出樣本條件參考信息，其中，樣本條件參考信息包括與仿真mpi圖像對應(yīng)的初始重建圖像或初始重建圖像的特征圖；以初始推理圖像作為當(dāng)前樣本推理圖像，將當(dāng)前樣本推理圖像和樣本條件參考信息輸入條件梯度估計模型，輸出當(dāng)前樣本估計圖像，其中，初始推理圖像包括高斯噪聲圖像；將樣本系統(tǒng)矩陣和仿真響應(yīng)信號輸入數(shù)理信息迭代提取模型，輸出當(dāng)前樣本數(shù)理信息，其中，當(dāng)前樣本數(shù)理信息表征在當(dāng)前循環(huán)次數(shù)時針對待成像對象的數(shù)理信息；將當(dāng)前樣本估計圖像和當(dāng)前樣本數(shù)理信息輸入數(shù)理信息變換驅(qū)動模型對當(dāng)前樣本估計圖像進(jìn)行優(yōu)化，輸出優(yōu)化后的樣本估計圖像；基于優(yōu)化后的樣本估計圖像和仿真mpi圖像迭代調(diào)整數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)的網(wǎng)絡(luò)參數(shù)，直至達(dá)到第一迭代停止條件，并將達(dá)到第一迭代停止條件時得到的模型系統(tǒng)作為訓(xùn)練好的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)。

4、本發(fā)明的另一個方面提供了一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建系統(tǒng)，應(yīng)用于經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)，經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；數(shù)理信息驅(qū)動的磁粒子成像梯度重建系統(tǒng)包括：條件參考信息生成模塊，用于將系統(tǒng)矩陣和針對待成像對象的響應(yīng)信號輸入條件生成模型，輸出條件參考信息，其中，條件參考信息包括針對待成像對象的初始重建圖像或初始重建圖像的特征圖；循環(huán)執(zhí)行模塊，用于循環(huán)執(zhí)行如下操作，直至循環(huán)次數(shù)達(dá)到預(yù)設(shè)循環(huán)閾值時，得到針對待成像對象的目標(biāo)重建圖像；以初始推理圖像作為當(dāng)前推理圖像，將當(dāng)前推理圖像和條件參考信息輸入條件梯度估計模型，輸出當(dāng)前估計圖像，其中，初始推理圖像包括高斯噪聲圖像；將系統(tǒng)矩陣和響應(yīng)信號輸入數(shù)理信息迭代提取模型，輸出當(dāng)前數(shù)理信息，其中，當(dāng)前數(shù)理信息表征當(dāng)前循環(huán)次數(shù)時針對待成像對象的數(shù)理信息；將當(dāng)前估計圖像和當(dāng)前數(shù)理信息輸入數(shù)理信息變換驅(qū)動模型對當(dāng)前估計圖像進(jìn)行優(yōu)化，輸出優(yōu)化后的估計圖像，并以優(yōu)化后的估計圖像作為當(dāng)前推理圖像循環(huán)執(zhí)行如上操作。

5、本發(fā)明的另一個方面提供了一種電子設(shè)備，包括：一個或多個處理器；存儲器，用于存儲一個或多個程序，其中，當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)如上所述的方法。

6、本發(fā)明的另一方面提供了一種計算機(jī)可讀存儲介質(zhì)，存儲有計算機(jī)可執(zhí)行指令，所述指令在被執(zhí)行時用于實現(xiàn)如上所述的方法。

7、本發(fā)明的另一方面提供了一種計算機(jī)程序產(chǎn)品，所述計算機(jī)程序產(chǎn)品包括計算機(jī)可執(zhí)行指令，所述指令在被執(zhí)行時用于實現(xiàn)如上所述的方法。

8、根據(jù)本發(fā)明的實施例，因為采用將系統(tǒng)矩陣和針對待成像對象的響應(yīng)信號輸入條件生成模型，輸出條件參考信息；然后以初始推理圖像即高斯噪聲圖像作為當(dāng)前推理圖像，將當(dāng)前推理圖像和條件參考信息輸入條件梯度估計模型，輸出當(dāng)前估計圖像；然后將系統(tǒng)矩陣和響應(yīng)信號輸入數(shù)理信息迭代提取模型，輸出當(dāng)前數(shù)理信息，其中，當(dāng)前數(shù)理信息表征在當(dāng)前循環(huán)次數(shù)時針對待成像對象的數(shù)理信息；之后將當(dāng)前估計圖像和當(dāng)前數(shù)理信息輸入數(shù)理信息變換驅(qū)動模型對當(dāng)前估計圖像進(jìn)行優(yōu)化，輸出優(yōu)化后的估計圖像，并以優(yōu)化后的估計圖像作為當(dāng)前推理圖像循環(huán)執(zhí)行如上操作，直至循環(huán)次數(shù)達(dá)到預(yù)設(shè)循環(huán)閾值時，得到針對待成像對象的目標(biāo)重建圖像，由于本發(fā)明的技術(shù)方案采用數(shù)理信息驅(qū)動，結(jié)合條件梯度估計模型和數(shù)理信息迭代提取模型為數(shù)理信息變換驅(qū)動模型提供一組良好的輸入，并循環(huán)進(jìn)行濾波校正，實現(xiàn)數(shù)據(jù)一致性約束，有助于提高mpi重建的保真度和精度。

技術(shù)特征：

1.一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建方法，應(yīng)用于經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)，其特征在于，所述經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述條件參考信息包括初始重建圖像；

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述條件梯度估計模型包括特征提取模塊和梯度估計模塊；

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)理信息迭代提取模型包括數(shù)理信息迭代模塊和數(shù)理信息提取模塊；

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述系統(tǒng)矩陣、所述響應(yīng)信號和上一輪次由所述數(shù)理信息迭代模塊輸出的迭代結(jié)果計算當(dāng)前迭代結(jié)果包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)理信息變換驅(qū)動模型包括數(shù)理信息變換模塊和神經(jīng)濾波校正模塊；

7.一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)的訓(xùn)練方法，其特征在于，所述數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；所述方法包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，還包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述數(shù)理信息迭代提取模型包括數(shù)理信息迭代模塊和數(shù)理信息提取模塊；

10.一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建系統(tǒng)，應(yīng)用于經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)，其特征在于，所述經(jīng)訓(xùn)練的數(shù)理信息驅(qū)動的磁粒子成像梯度重建模型系統(tǒng)包括條件生成模型、條件梯度估計模型、數(shù)理信息迭代提取模型和數(shù)理信息變換驅(qū)動模型；

技術(shù)總結(jié)
本發(fā)明提供了一種數(shù)理信息驅(qū)動的磁粒子成像梯度重建方法、模型訓(xùn)練方法及系統(tǒng)，涉及人工智能技術(shù)領(lǐng)域，尤其涉及生物醫(yī)學(xué)分子影像、磁粒子成像重建技術(shù)領(lǐng)域。該方法包括：將系統(tǒng)矩陣和針對待成像對象的響應(yīng)信號輸入條件生成模型，輸出條件參考信息；循環(huán)執(zhí)行如下操作，得到針對待成像對象的目標(biāo)重建圖像；以初始推理圖像作為當(dāng)前推理圖像，將當(dāng)前推理圖像和條件參考信息輸入條件梯度估計模型，輸出當(dāng)前估計圖像；將系統(tǒng)矩陣和響應(yīng)信號輸入數(shù)理信息迭代提取模型，輸出當(dāng)前數(shù)理信息；將當(dāng)前估計圖像和當(dāng)前數(shù)理信息輸入數(shù)理信息變換驅(qū)動模型，輸出優(yōu)化后的估計圖像，并以優(yōu)化后的估計圖像作為當(dāng)前推理圖像循環(huán)執(zhí)行如上操作。

技術(shù)研發(fā)人員：田捷,王炳燁,惠輝,衛(wèi)澤琛,楊鑫
受保護(hù)的技術(shù)使用者：中國科學(xué)院自動化研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26