(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210049071.5 (22)申请日 2022.01.17 (71)申请人 柚皮 （重庆） 科技有限公司 地址 400000 重庆市渝北区两 港大道18 8号 4幢2-3-20 (72)发明人 杨建　 (74)专利代理 机构 重庆金橙专利代理事务所 (普通合伙) 50273 代理人 李梅 (51)Int.Cl. G06T 3/40(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 一种脑部 磁共振图像超分辨 率重建方法 (57)摘要 本发明公开了一种脑部磁共振图像超分辨 率重建方法， 包括对原始脑部磁共振图像进行预 处理， 将待重建的磁共振图像输入初步卷积层， 沿着超分辨率重建网络的深度方向， 使各个高级 信息提取模块依次进行特征信息提取操作； 将信 息压缩模块输出的特征图输入图像放大重建模 块， 图像放大重建模块输出超分磁共振图像等步 骤， 所述超分辨率重建网络包括初步卷积层、 高 级信息提取模块、 信息压缩模块和图像放大重建 模块。 本发 明利用深度卷积神经网络对低分辨率 的脑部磁共振图像进行超分辨率重建， 极大地降 低了获得高清磁共振图像的成本， 针对不同感受 范围的特征图使用不同的注意力模块进行调制， 图像重建效果取得了实质的进步。 权利要求书2页 说明书5页 附图3页 CN 114283069 A 2022.04.05 CN 114283069 A 1.一种脑部磁共 振图像超分辨 率重建方法， 其特 征是： 包括以下步骤： S10、 获取原始脑部磁共振图像， 对所述原始脑部磁共振图像进行预处理， 获得待重建 的磁共振图像； S20、 获取超分辨率重建网络， 所述超分辨率重建网络已经预先完成训练， 所述超分辨 率重建网络包括初步卷积层、 高级信息提取模块、 信息压缩模块和图像放大重建模块， 多个 所述高级信息提取模块首尾顺次连接； S30、 将所述待重建的磁共振图像输入所述初步卷积层， 所述初步卷积层输出获得低级 特征图； S40、 将所述低级特征图输入第一个所述高级信息提取模块， 经过特征信息提取后， 第 一个所述高级信息提取模块输出高级特 征图； S50、 沿着所述超分辨率重建网络的深度 方向， 依次将前方高级信息提取模块输出的高 级特征图输入下一个高级信息提取模块， 使 各个所述高级信息提取模块依次进行特征信息 提取操作； S60、 提取最后一个所述高级信息提取模块输出的高级特征图， 并输入所述信息压缩模 块； S70、 将所述信息压缩模块输出的特征图输入所述图像放大重建模块， 所述图像放大重 建模块输出超分磁共振图像， 所述超分辨磁共振图像的分辨率大于所述待重建的磁共振图 像； 所述高级信息提取模块可以用如下公式表示： Xn+1＝[fD(f1(Xn)),Xn] 其中， Xn和Xn+1分别代表 所述高级信息提取模块的输入和输出， f1代表卷积核大小为1*1 的普通卷积运 算， fD代表特征提取单元， [·]表示对其中的特 征图进行拼接操作。 2.根据权利要求1所述的脑部磁共 振图像超分辨 率重建方法， 其特 征是： 所述特征提取单元可以用如下 数学模型表示： D1＝σ1(f13(M)) D2＝σ2(f15(M)) D3＝[D1,D2]·fSCA([D1,D2]) D4＝[σ3(f215(D1)), σ4(f225(D2))] D5＝fBCA(D4,S)·D4 N＝σ5(f31([D3,D5,D3+D5]) ) 其中， M和N分别代表所述特征提取单元的输入和输出， f13表示卷积核大小为3*3的普通 卷积运算， f15、 f215和f225均表示卷积核大小为5*5的普通卷积运算， [ ·]表示将其中的特征 图在通道方向上拼接起来， fSCA()表示SCA注意力模块， 所述SCA注意力模块接收D1和D2拼 接后的特征图作为输入， fBCA()表示BCA注意力模块， S代表 从所述SCA注意力模块中输出到 所述BCA模块中的注意力图， 所述BCA注意力模块同时接收D4和S作为输入， f31表示卷积核大 小为1*1的普通卷积运 算， σ1、 σ2、 σ3、 σ4和σ5均表示ReLU激活函数。 3.根据权利要求2所述的脑部磁共振图像超分辨率重建方法， 其特征是： 所述SCA注意 力模块可以用如下公式表示： LS＝βS(fS([GVPs(H),GEPs(H),GMPs(H)]) )权　利　要　求　书 1/2 页 2 CN 114283069 A 2其中， H代表输入所述SCA注意力模块的特征图， fS表示卷积核大小为1*1的卷积 运算， βS 表示sigmoid函数， [ ·]表示拼接操作， GVPs()表示对特征图在通道方向做全局方差池化 操作， GEPs()表 示对特征图在通道方向做全局平均池化操作， GMPs()表 示对特征图在通道 方向做全局最大池化操作， Ls代 表所述SCA 注意力模块输出的第一空间调制图。 4.根据权利要求3所述的脑部磁共振图像超分辨率重建方法， 其特征是： 所述BCA注意 力模块可以用如下 数学模型表示： G1＝GMPs(H) ‑GEPs(H)+GEPg(T) G2＝GMPs(H)+GMPg(T) G3＝βG(fG([G1,G2,GD Pg(T),GEPg(T),GMPg(T)]) ) 其中， H和T分别代表输入所述SCA注意力模块和输入所述BCA注意力模块的特征图， GDPg()表示对特征图在通道方向做全局中值池化操作， GEPs()和GEPg()均表示对特征图 在通道方向做全局平均池化操作， GMPs()和GMPg()均表示对特征图在通道方向做全局最 大池化操作， fG表示卷积核大小为1*1的卷积运算， βG表示sigmoid函 数， [·]表示拼接操作， G3代表所述BCA 注意力模块输出的第二空间调制图。 5.根据权利要求1所述的脑部磁共振图像超分辨率重建方法， 其特征是： 在步骤S10中， 预处理操作包括对所述原 始脑部磁共 振图像进行分割， 移除不需要部位的图像。 6.根据权利要求1所述的脑部磁共振图像超分辨率重建方法， 其特征是： 所述信 息压缩 模块是卷积核大小为1*1的普通卷积层。权　利　要　求　书 2/2 页 3 CN 114283069 A 3