(19)國家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利學(xué)城學(xué)苑大道1068號(hào)有限公司44414GO6N3/088審查員甄紅欣迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重GAP算法模型中進(jìn)行圖像重建，得到磁共振重建2所述GAP算法模型在圖像重建過程中通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去將正則化項(xiàng)R(x)特定為對(duì)原始圖像x的稀疏性約束，即R(x)=||Dxll?,x(t)=θ(t-1)+A(AAH)-1(y-Aθ(構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型；所述自監(jiān)督網(wǎng)絡(luò)模型包括并行設(shè)置的第一GAP算法模型和第二獲取多個(gè)訓(xùn)練樣本，所述訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)所述欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的利用所述多個(gè)訓(xùn)練樣本對(duì)所述自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，設(shè)閾值時(shí)，將所述第—GAP算法模型和所述第二GAP算法模型中的任一者作為訓(xùn)練后的GAP根據(jù)所述第一GAP算法模型對(duì)每一所述訓(xùn)練樣本的第一圖像進(jìn)行根據(jù)所述第一GAP算法模型對(duì)每一所述訓(xùn)練樣本的第一圖像進(jìn)行圖像重建輸出的重建3將所述圖像域自監(jiān)督損失值、所述k空間自監(jiān)督損失值以及所述差異損失值的和值作為所述自監(jiān)督網(wǎng)絡(luò)模型的損失值。獲取多個(gè)欠采樣k空間數(shù)據(jù)；分別針對(duì)每個(gè)欠采樣k空間數(shù)據(jù)，執(zhí)行以下步驟：隨機(jī)生成第一選擇矩陣和第二選擇矩陣，并根據(jù)所述欠采樣k空間數(shù)據(jù)、所述第一選擇矩陣和所述第二選擇矩陣，得到所述欠采樣k空間數(shù)據(jù)的第一子集和第二子集；對(duì)所述第一子集進(jìn)行傅里葉逆變換，得到所述欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像；對(duì)所述第二子集進(jìn)行傅里葉逆變換，得到所述欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第二圖像；將所述欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像作為一訓(xùn)練樣本。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的通過公式θ(t=D(x(t)對(duì)迭代輸出的圖像進(jìn)行去噪處理；進(jìn)行去噪處理后的圖像，D表示圖像去噪神經(jīng)網(wǎng)絡(luò)，t為整數(shù)，且0<t≤T,T為預(yù)設(shè)迭代次6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像去噪神經(jīng)網(wǎng)絡(luò)為U-Net神經(jīng)網(wǎng)絡(luò)。7.一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建裝置，其特征在于，包括：重建模塊，用于將所述欠采樣MRI圖像輸入訓(xùn)練后的GAP算法模型中進(jìn)行圖像重建，得到磁共振重建圖像；所述GAP算法模型在圖像重建過程中通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去噪處理；重建問題可表述為以下非線性優(yōu)化問題的求解：其中，A為觀測(cè)矩陣，A=PF,P為欠采樣矩陣，F(xiàn)為傅里葉變換矩陣，y為欠采樣傅里葉頻將正則化項(xiàng)R(x)特定為對(duì)原始圖像x的稀疏性約束，即R(x)=||Dx1l?,其中D為圖像稀s.t.Ax=y;其中，t為迭代次數(shù)，在GAP算法下，該優(yōu)化問題的求解可在原變量x和輔助變量θ的交替x(t)=θ(t-1)+A(AA)-1(y-Aθ(而給定原變量x,輔助變量θ的更新可被視為一個(gè)圖像去噪的問題。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括：構(gòu)建模塊，用于構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型；所述自監(jiān)督網(wǎng)絡(luò)模型包括并行設(shè)置的第一GAP算4法模型和第二GAP算法模型；第二獲取模塊，用于獲取多個(gè)訓(xùn)練樣本，所述訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的第二圖像；訓(xùn)練模塊，用于利用所述多個(gè)訓(xùn)練樣本對(duì)所述自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到所述自監(jiān)督網(wǎng)絡(luò)模型的損失值，并根據(jù)所述損失值調(diào)整所述自監(jiān)督網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，直至所述損失值低于預(yù)設(shè)閾值時(shí)，將所述第一GAP算法模型和所述第二GAP算法模型中的任一者作為訓(xùn)練后的GAP算法模型。9.一種終端設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的方法。10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的方法。5迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建方法及裝置技術(shù)領(lǐng)域[0001]本申請(qǐng)屬于磁共振成像技術(shù)領(lǐng)域，尤其涉及一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建方法及裝置。背景技術(shù)[0002]磁共振成像(MRI,MagneticResonanceImaging)是一種廣泛應(yīng)用于臨床診斷和治療的成像技術(shù)。然而，MRI需要在傅里葉變換域(k空間)中順序采集數(shù)據(jù)樣本，采集過程較為緩慢，并且數(shù)據(jù)的采集速度也往往會(huì)受到成像對(duì)象的生理約束或者成像設(shè)備的硬件約束。同時(shí)長(zhǎng)時(shí)間的掃描過程會(huì)增加患者的不適感并且會(huì)由于掃描對(duì)象的位置變換而產(chǎn)生運(yùn)動(dòng)偽影，這些偽影常常會(huì)與病理特征相混淆，影響醫(yī)學(xué)診斷結(jié)果。[0003]實(shí)現(xiàn)快速M(fèi)RI的一種常用方法是：先對(duì)磁共振數(shù)據(jù)以一個(gè)較高的欠采樣率進(jìn)行欠采，之后通過圖像處理等技術(shù)進(jìn)行重建，恢復(fù)出高質(zhì)量的圖像。目前磁共振圖像的重建主要通過基于傳統(tǒng)壓縮感知(CS)算法迭代求解的重建方法完成。但該重建方法的迭代過程較發(fā)明內(nèi)容[0004]本申請(qǐng)實(shí)施例提供了一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建方法及裝置，可以解決磁共振圖像的重建效率低的問題。[0005]第一方面，本申請(qǐng)實(shí)施例提供了一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建[0006]獲取待重建的欠采樣MRI圖像；[0007]將欠采樣MRI圖像輸入訓(xùn)練后的GAP算法模型中進(jìn)行圖像重建，得到磁共振重建圖[0008]GAP算法模型在圖像重建過程中通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去噪處理。[0010]構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型；自監(jiān)督網(wǎng)絡(luò)模型包括并行設(shè)置的第一GAP算法模型和第二[0011]獲取多個(gè)訓(xùn)練樣本，訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的第二圖像；[0012]利用多個(gè)訓(xùn)練樣本對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到自監(jiān)督網(wǎng)絡(luò)模型的損失值，并根據(jù)損失值調(diào)整自監(jiān)督網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，直至損失值低于預(yù)設(shè)閾值時(shí)，將第一GAP算法模型和第二GAP算法模型中的任一者作為訓(xùn)練后的GAP算法模型。[0013]可選的，利用多個(gè)訓(xùn)練樣本對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到自監(jiān)督網(wǎng)絡(luò)模型的6[0014]將多個(gè)訓(xùn)練樣本輸入自監(jiān)督網(wǎng)絡(luò)模型；[0015]根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建過程中迭代輸出的圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建過程中迭代輸出的圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的圖像域自監(jiān)督損失值；[0016]根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建輸出的重建圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建輸出的重建圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的k空間自監(jiān)督損失值和差異損失值；[0017]將圖像域自監(jiān)督損失值、k空間自監(jiān)督損失值以及差異損失值的和值作為自監(jiān)督網(wǎng)絡(luò)模型的損失值。[0019]獲取多個(gè)欠采樣k空間數(shù)據(jù)；[0020]分別針對(duì)每個(gè)欠采樣k空間數(shù)據(jù)，執(zhí)行以下步驟：[0021]隨機(jī)生成第一選擇矩陣和第二選擇矩陣，并根據(jù)欠采樣k空間數(shù)據(jù)、第一選擇矩陣和第二選擇矩陣，得到欠采樣k空間數(shù)據(jù)的第一子集和第二子集；[0022]對(duì)第一子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像；[0023]對(duì)第二子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第二圖像；[0024]將欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像作為一訓(xùn)練樣本。[0025]可選的，通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去噪處理，包括：[0026]通過公式o(t)=D(x(t)對(duì)迭代輸出的圖像進(jìn)行去噪處理；[0027]其中，x(t)表示GAP算法模型在圖像重建過程中第t次迭(t)進(jìn)行去噪處理后的圖像，D表示圖像去噪神經(jīng)網(wǎng)絡(luò)，t為整數(shù)，且0<t≤T,T為預(yù)設(shè)迭代次[0029]第二方面，本申請(qǐng)實(shí)施例提供了一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建[0031]重建模塊，用于將欠采樣MRI圖像輸入訓(xùn)練后的GAP算法模型中進(jìn)行圖像重建，得到磁共振重建圖像；[0032]GAP算法模型在圖像重建過程中通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去噪處理。[0034]構(gòu)建模塊，用于構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型；自監(jiān)督網(wǎng)絡(luò)模型包括并行設(shè)置的第一GAP算法模型和第二GAP算法模型；[0035]第二獲取模塊，用于獲取多個(gè)訓(xùn)練樣本，訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的第二圖像；[0036]訓(xùn)練模塊，用于利用多個(gè)訓(xùn)練樣本對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到自監(jiān)督網(wǎng)絡(luò)模型的損失值，并根據(jù)損失值調(diào)整自監(jiān)督網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，直至損失值低于預(yù)設(shè)閾值7[0038]輸入單元，用于將多個(gè)訓(xùn)練樣本輸入自監(jiān)督網(wǎng)絡(luò)模型；[0039]第一計(jì)算單元，用于根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建過程中迭代輸出的圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建過程中迭代輸出的圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的圖像域自監(jiān)督損失值；[0040]第二計(jì)算單元，用于根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建輸出的重建圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建輸出的重建圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的k空間自監(jiān)督損失值和差異損失值；[0041]第三計(jì)算單元，用于將圖像域自監(jiān)督損失值、k空間自監(jiān)督損失值以及差異損失值的和值作為自監(jiān)督網(wǎng)絡(luò)模型的損失值。[0043]獲取單元，用于獲取多個(gè)欠采樣k空間數(shù)據(jù)；[0044]執(zhí)行單元，用于分別針對(duì)每個(gè)欠采樣k空間數(shù)據(jù)，執(zhí)行以下步驟：[0045]隨機(jī)生成第一選擇矩陣和第二選擇矩陣，并根據(jù)欠采樣k空間數(shù)據(jù)、第一選擇矩陣和第二選擇矩陣，得到欠采樣k空間數(shù)據(jù)的第一子集和第二子集；[0046]對(duì)第一子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像；[0047]對(duì)第二子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第二圖像；[0048]將欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像作為一訓(xùn)練樣本。[0049]可選的，重建模塊，具體用于通過公式θ(t)=D(x(t))對(duì)迭代輸出的圖像進(jìn)行去噪(t)進(jìn)行去噪處理后的圖像，D,表示圖像去噪神經(jīng)網(wǎng)絡(luò)，t為整數(shù)，且0<t≤T,T為預(yù)設(shè)迭代次[0052]第三方面，本申請(qǐng)實(shí)施例提供了一種終端設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器中并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的方法。[0053]第四方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法。[0054]第五方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品在終端設(shè)備上運(yùn)行時(shí)，使得終端設(shè)備執(zhí)行上述第一方面中任一項(xiàng)的方法。[0055]本申請(qǐng)實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：[0056]在本申請(qǐng)的實(shí)施例中，通過將待重建的欠采樣MRI圖像輸入GAP算法模型中進(jìn)行圖像重建，得到磁共振重建圖像。其中由于GAP算法模型中的去噪處理是通過深度學(xué)習(xí)的圖像去噪神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，從而使得GAP算法模型能利用深度學(xué)習(xí)的特點(diǎn)加速對(duì)欠采樣MRI圖像的重建，提升磁共振圖像的重建效率。附圖說明[0057]為了更清楚地說明本申請(qǐng)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請(qǐng)的一些8實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0058]圖1是本申請(qǐng)一實(shí)施例提供的無監(jiān)督深度學(xué)習(xí)磁共振重建方法的流程圖；[0059]圖2是本申請(qǐng)一實(shí)施例提供的GAP算法模型的訓(xùn)練過程的流程圖；[0060]圖3是本申請(qǐng)一實(shí)施例提供的自監(jiān)督網(wǎng)絡(luò)模型的結(jié)構(gòu)示意圖；[0061]圖4是本申請(qǐng)一實(shí)施例提供的計(jì)算自監(jiān)督網(wǎng)絡(luò)模型的損失值的流程圖；[0062]圖5是本申請(qǐng)一實(shí)施例提供的無監(jiān)督深度學(xué)習(xí)磁共振重建裝置的結(jié)構(gòu)示意圖；[0063]圖6是本申請(qǐng)一實(shí)施例提供的終端設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式[0064]以下描述中，為了說明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、技術(shù)之類的具體細(xì)節(jié)，以便透徹理解本申請(qǐng)實(shí)施例。然而，本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，在沒有這些具體細(xì)節(jié)的其它實(shí)施例中也可以實(shí)現(xiàn)本申請(qǐng)。在其它情況中，省略對(duì)眾所周知的系統(tǒng)、裝置、電路以及方法的詳細(xì)說明，以免不必要的細(xì)節(jié)妨礙本申請(qǐng)的描述。[0065]應(yīng)當(dāng)理解，當(dāng)在本申請(qǐng)說明書和所附權(quán)利要求書中使用時(shí)，術(shù)語“包括”指示所描述特征、整體、步驟、操作、元素和/或組件的存在，但并不排除一個(gè)或多個(gè)其它特征、整體、步驟、操作、元素、組件和/或其集合的存在或添加。[0066]還應(yīng)當(dāng)理解，在本申請(qǐng)說明書和所附權(quán)利要求書中使用的術(shù)語“和/或”是指相關(guān)聯(lián)列出的項(xiàng)中的一個(gè)或多個(gè)的任何組合以及所有可能組合，并且包括這些組合。[0067]如在本申請(qǐng)說明書和所附權(quán)利要求書中所使用的那樣，術(shù)語“如果”可以依據(jù)上下定”或“如果檢測(cè)到[所描述條件或事件]”可以依據(jù)上下文被解釋為意指“一旦確定”或“響應(yīng)于確定”或“一旦檢測(cè)到[所描述條件或事件]”或“響應(yīng)于檢測(cè)到[所描述條件或事件]”。等僅用于區(qū)分描述，而不能理解為指示或暗示相對(duì)重要性。[0069]在本申請(qǐng)說明書中描述的參考“一個(gè)實(shí)施例”或“一些實(shí)施例”等意味著在本申請(qǐng)的一個(gè)或多個(gè)實(shí)施例中包括結(jié)合該實(shí)施例描述的特定特征、結(jié)構(gòu)或特點(diǎn)。由此，在本說明書中的不同之處出現(xiàn)的語句“在一個(gè)實(shí)施例中”、“在一些實(shí)施例中”、“在其他一些實(shí)施例中”、“在另外一些實(shí)施例中”等不是必然都參考相同的實(shí)施例，而是意味著“一個(gè)或多個(gè)但不是形都意味著“包括但不限于”,除非是以其他方式另外特別強(qiáng)調(diào)。[0070]目前磁共振圖像的重建主要通過基于傳統(tǒng)壓縮感知算法迭代求解的重建方法完成，但該重建方法的迭代過程較長(zhǎng)，計(jì)算復(fù)雜度高，造成磁共振圖像的重建效率低。[0071]針對(duì)上述問題，本申請(qǐng)實(shí)施例通過GAP算法模型對(duì)待重建的欠采樣MRI圖像進(jìn)行圖像重建，得到磁共振重建圖像。其中由于GAP算法模型中的去噪處理是通過深度學(xué)習(xí)的圖像去噪神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，從而使得GAP算法模型能利用深度學(xué)習(xí)的特點(diǎn)加速對(duì)欠采樣MRI圖像的重建，提升磁共振圖像的重建效率。[0072]下面結(jié)合具體實(shí)施例對(duì)本申請(qǐng)?zhí)峁┑臒o監(jiān)督深度學(xué)習(xí)磁共振重建方法進(jìn)行示例性的說明。9[0074]如圖1所示，本申請(qǐng)的實(shí)施例提供了一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振逆變換處理后得到的圖像。具體的，終端設(shè)備可以從磁共振成像設(shè)備獲得欠采樣k空間數(shù)[0077]步驟12,將欠采樣MRI圖像輸入訓(xùn)練后的GAP算法模型中進(jìn)行圖像重建，得到磁共[0078]值得一提的是，在本申請(qǐng)的一些實(shí)施例中，通過將待重建的欠采樣MRI圖像輸入是通過深度學(xué)習(xí)的圖像去噪神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，從而使得GAP算法模型能利用深度學(xué)習(xí)的特多次實(shí)驗(yàn)效果進(jìn)行確定，并預(yù)先設(shè)置。[0087]由此可見，在本申請(qǐng)的一些實(shí)施例中，GAP算法模型進(jìn)行圖像重建的過程為：(1)根據(jù)θ),利用公式x(t)=(t-1)+A"(AA5-1(y-AO(t-1)得到x(t+1;(2)根據(jù)公式o(t)=D(x(t)得到0(t+1);(3)根據(jù)步驟(1)和步驟(2)進(jìn)行多次迭代更新得到最終的重建圖像θ。需要說明的像)。[0088]下面結(jié)合具體實(shí)施例對(duì)GAP算法模型的訓(xùn)練過程進(jìn)行示例性的說明。[0090]步驟21,構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型。[0091]如圖3所示，上述自監(jiān)督網(wǎng)絡(luò)模型300包括并行設(shè)置的第一GAP算法模型301和第二算法模型。需要說明的是，第—GAP算法模型301和第二GAP算法模型302對(duì)輸入自身的欠采樣圖像進(jìn)行圖像重建的過程，均與前文所述的GAP算法模型進(jìn)行圖像重建的過程相同。[0092]步驟22,獲取多個(gè)訓(xùn)練樣本。[0093]上述訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的第二圖像。需要說明的是，多個(gè)訓(xùn)練樣本對(duì)應(yīng)的欠采樣k空間數(shù)據(jù)互不相同。[0094]在本申請(qǐng)的一些實(shí)施例中，上述步驟22,獲取多個(gè)訓(xùn)練樣本的具體實(shí)現(xiàn)方式包括如下步驟：[0095]步驟一，獲取多個(gè)欠采樣k空間數(shù)據(jù)。[0096]在本申請(qǐng)的一些實(shí)施例中，具體可通過磁共振成像設(shè)備采集得到多個(gè)欠采樣k空間數(shù)據(jù)。[0098]第一步，隨機(jī)生成第一選擇矩陣和第二選擇矩陣，并根據(jù)欠采樣k空間數(shù)據(jù)、第一選擇矩陣和第二選擇矩陣，得到欠采樣k空間數(shù)據(jù)的第一子集和第二子集。[0099]在本申請(qǐng)的一些實(shí)施例中，可通過隨機(jī)矩陣生成算法生成上述第一選擇矩陣和第二選擇矩陣。在得到第一選擇矩陣和第二選擇矩陣后，可通過以下公式計(jì)算得到第一子集[0100]第二步，對(duì)第一子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像，并對(duì)第二子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第二圖像。[0101]需要說明的是，上述第一圖像為對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)輸入第一GAP算法模型的圖像，第二圖像為對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)輸入第二GAP算法模型的圖像。[0102]第三步，將欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像作為一訓(xùn)練樣本。[0103]可見，在本申請(qǐng)的一些實(shí)施例中，通過獲取多個(gè)欠采樣k空間數(shù)據(jù)，并獲取每個(gè)欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像，便能得到對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的多個(gè)訓(xùn)練樣本。[0104]步驟23,利用多個(gè)訓(xùn)練樣本對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到自監(jiān)督網(wǎng)絡(luò)模型的損失值，并根據(jù)損失值調(diào)整自監(jiān)督網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，直至損失值低于預(yù)設(shè)閾值時(shí)，將第[0107]步驟42,根據(jù)第—GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建過程中迭代輸出的圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建過程中GAP算法模型對(duì)第i個(gè)訓(xùn)練樣本的第一圖像進(jìn)行第t次迭代過程中圖像像素點(diǎn)隨機(jī)遮掩使用像進(jìn)行圖像重建過程中第t個(gè)圖像去噪神經(jīng)網(wǎng)絡(luò)的輸入，Mi?為第二GAP算法模型對(duì)第i個(gè)[0111]步驟43,根據(jù)第—GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建輸出的采樣k空間數(shù)據(jù)時(shí)的欠采樣矩陣，I-P1為采集第i個(gè)訓(xùn)練樣本對(duì)應(yīng)的欠采樣k空間數(shù)據(jù)時(shí)未[0124]第二，由于GAP算法模型是GAP算法與深度學(xué)習(xí)結(jié)合的磁共振圖像重建網(wǎng)絡(luò)模型，[0126]第四，在GAP算法模型的訓(xùn)練過程中，對(duì)自監(jiān)督網(wǎng)絡(luò)模型中并行的兩個(gè)GAP算法模型的輸出圖像作一致性約束，從而間接約束未掃描頻率點(diǎn)處的信息恢復(fù)過程，提升圖像重建質(zhì)量；[0127]第五，通過綜合利用k空間以及圖像域中的信息完成GAP算法模型的自監(jiān)督訓(xùn)練過[0128]下面結(jié)合具體實(shí)施例對(duì)本申請(qǐng)?zhí)峁┑臒o監(jiān)督深度學(xué)習(xí)磁共振重建裝置進(jìn)行示例性的說明。[0129]如圖5所示，本申請(qǐng)的實(shí)施例提供了一種迭代優(yōu)化展開的無監(jiān)督深度學(xué)習(xí)磁共振重建裝置，該無監(jiān)督深度學(xué)習(xí)磁共振重建裝置500包括：[0130]第一獲取模塊501,用于獲取待重建的欠采樣MRI圖像；[0131]重建模塊502,用于將欠采樣MRI圖像輸入訓(xùn)練后的GAP算法模型中進(jìn)行圖像重建，得到磁共振重建圖像；[0132]GAP算法模型在圖像重建過程中通過圖像去噪神經(jīng)網(wǎng)絡(luò)對(duì)迭代輸出的圖像進(jìn)行去噪處理。[0133]可選的，無監(jiān)督深度學(xué)習(xí)磁共振重建裝置500還包括：[0134]構(gòu)建模塊，用于構(gòu)建自監(jiān)督網(wǎng)絡(luò)模型；自監(jiān)督網(wǎng)絡(luò)模型包括并行設(shè)置的第一GAP算法模型和第二GAP算法模型；[0135]第二獲取模塊，用于獲取多個(gè)訓(xùn)練樣本，訓(xùn)練樣本包括對(duì)欠采樣k空間數(shù)據(jù)的第一子集進(jìn)行傅里葉逆變換得到的第一圖像，以及對(duì)欠采樣k空間數(shù)據(jù)的第二子集進(jìn)行傅里葉逆變換得到的第二圖像；[0136]訓(xùn)練模塊，用于利用多個(gè)訓(xùn)練樣本對(duì)自監(jiān)督網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到自監(jiān)督網(wǎng)絡(luò)模型的損失值，并根據(jù)損失值調(diào)整自監(jiān)督網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，直至損失值低于預(yù)設(shè)閾值[0138]輸入單元，用于將多個(gè)訓(xùn)練樣本輸入自監(jiān)督網(wǎng)絡(luò)模型；[0139]第一計(jì)算單元，用于根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建過程中迭代輸出的圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建過程中迭代輸出的圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的圖像域自監(jiān)督損失值；[0140]第二計(jì)算單元，用于根據(jù)第一GAP算法模型對(duì)每一訓(xùn)練樣本的第一圖像進(jìn)行圖像重建輸出的重建圖像，以及第二GAP算法模型對(duì)每一訓(xùn)練樣本的第二圖像進(jìn)行圖像重建輸出的重建圖像，得到自監(jiān)督網(wǎng)絡(luò)模型的k空間自監(jiān)督損失值和差異損失值；[0141]第三計(jì)算單元，用于將圖像域自監(jiān)督損失值、k空間自監(jiān)督損失值以及差異損失值的和值作為自監(jiān)督網(wǎng)絡(luò)模型的損失值。[0143]獲取單元，用于獲取多個(gè)欠采樣k空間數(shù)據(jù)；[0144]執(zhí)行單元，用于分別針對(duì)每個(gè)欠采樣k空間數(shù)據(jù)，執(zhí)行以下步驟：[0145]隨機(jī)生成第一選擇矩陣和第二選擇矩陣，并根據(jù)欠采樣k空間數(shù)據(jù)、第一選擇矩陣和第二選擇矩陣，得到欠采樣k空間數(shù)據(jù)的第一子集和第二子集；[0146]對(duì)第一子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像；[0147]對(duì)第二子集進(jìn)行傅里葉逆變換，得到欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第二圖像；[0148]將欠采樣k空間數(shù)據(jù)對(duì)應(yīng)的第一圖像和第二圖像作為一訓(xùn)練樣本。[0149]可選的，重建模塊502,具體用于通過公式θ(t)=D(xt))對(duì)迭代輸出的圖像進(jìn)行去噪處理；(t)進(jìn)行去噪處理后的圖像，D表示圖像去噪神經(jīng)網(wǎng)絡(luò)，t為整數(shù)，且0<t≤T,T為預(yù)設(shè)迭代次[0152]需要說明的是，上述裝置/單元之間的信息交互、執(zhí)行過程等內(nèi)容，由于與本申請(qǐng)方法實(shí)施例基于同一構(gòu)思，其具體功能及帶來的技術(shù)效果，具體可參見方法實(shí)施例部分，此處不再贅述。[0153]所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡(jiǎn)潔，僅以上述各功能單元、模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能單元、模塊完成，即將所述裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能單元或模塊，以完成以上描述的全部或者部分功能。實(shí)施例中的各功能單元、模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中，上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。另外，各功能單元、模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本申請(qǐng)的保護(hù)范圍。上述系統(tǒng)中單元、模塊的具體工作過程，可以參考前述方法實(shí)[0154]如圖6所示，本申請(qǐng)的實(shí)施例提供了一種終端設(shè)備，如圖6所示，該實(shí)施例的終端設(shè)備D10包括：至少一個(gè)處理器D100(圖6中僅示出一個(gè)處理器)、存儲(chǔ)器D101以及存儲(chǔ)在所述存儲(chǔ)器D101中并可在所述至少一個(gè)處理器D100上運(yùn)行的計(jì)算機(jī)程序D102,所述處理器D100執(zhí)行所述計(jì)算機(jī)程序D102時(shí)實(shí)現(xiàn)上述任意各個(gè)方法實(shí)施例中的步驟。[0155]所稱處理器D100可以是中央處理單元(CPU,CentralProcessingUnit),該處理器D100還可以是其他通用處理器、數(shù)字信號(hào)處理器(DSP,DigitalSignalPr用集成電路(ASIC,ApplicationSpecificIntegratedCircuit)、現(xiàn)成可編程門陣列(FPGA,Field-ProgrammableGateArray)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件等。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。[0156]所述存儲(chǔ)器D101在一些實(shí)施例中可以是所述終端設(shè)備D10的內(nèi)部存儲(chǔ)單元，例如終端設(shè)備D10的硬盤或內(nèi)存。所述存儲(chǔ)器D101在另一些實(shí)施例中也可以是所述終端設(shè)備D10的外部存儲(chǔ)設(shè)備，例如所述終端設(shè)備D10上配備的插接式硬盤，智能存儲(chǔ)卡(SMC,SmartMediaCard),安全數(shù)字(S存儲(chǔ)器D101還可以既包括所述終端設(shè)備D10的內(nèi)部存儲(chǔ)單元也包括外部存儲(chǔ)設(shè)備。所述存儲(chǔ)器D101用于存儲(chǔ)操作系統(tǒng)、應(yīng)用程序、引導(dǎo)裝載程序(BootLoader)、數(shù)據(jù)以及其他程序等，例如所述計(jì)算機(jī)程序的程序代碼等。所述存儲(chǔ)器D101還可以用于暫時(shí)地存儲(chǔ)已經(jīng)輸出或者將要輸出的數(shù)據(jù)。[0157]需要說明的是，上述裝置/單元之間的信息交互、執(zhí)行過程等內(nèi)容，由于與本申請(qǐng)方法實(shí)施例基于同一構(gòu)思，其具體功能及帶來的技術(shù)效果，具體可參見方法實(shí)施例部分，此處不再贅述。[0158]所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡(jiǎn)潔，僅以上述各功能單元、模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能單元、模塊完成，即將所述裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能單元或模塊，以完成以上描述的全部或者部分功能。實(shí)施例中的各功能單元、模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中，上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。另外，各功能單元、模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本申請(qǐng)的保護(hù)范圍。上述系統(tǒng)中單元、模塊的具體工作過程，可以參考前述方法實(shí)[0159]本申請(qǐng)實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)可實(shí)現(xiàn)上述各個(gè)方法實(shí)施例中的步驟。[0160]本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品在終端設(shè)備上運(yùn)行時(shí)，使得終端設(shè)備執(zhí)行時(shí)實(shí)現(xiàn)可實(shí)現(xiàn)上述各個(gè)方法實(shí)施例中的步驟。[0161]所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本申請(qǐng)實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，所述的計(jì)算機(jī)程序可存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，該計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)，可實(shí)現(xiàn)上述各個(gè)方法實(shí)施例的步驟。其中，所述計(jì)算機(jī)程序包括計(jì)算機(jī)程序代碼，所述計(jì)算機(jī)程序代碼可以為源代碼形式、對(duì)象代碼形式、可執(zhí)行文件或某些中間形式等。所述計(jì)算機(jī)可讀介質(zhì)至少可以包括：能夠?qū)?/p>