一种基于成像模型与机器学习的磁共振超分辨率成像方法

摘要

本发明涉及一种基于成像模型与机器学习的磁共振超分辨率成像方法，其特征在于，包括以下步骤：S1，数据集准备：准备低分辨率数据集和高分辨率数据集，其中，高分辨率数据集分为不同等级分辨率的多个；S2，神经网络训练：按等级由低到高依次训练多个神经网络实现层进式学习；S3，成像阶段：将低分辨率图像依次通过已经训练好的神经网络生成高分辨图像，将生成的高分辨图像作为先验信息，将采集到的低分辨率图像代入广义级数模型，重建出最终的超分辨率图像。与现有技术相比，本发明提出的“层进式”训练方式，更加精细化，生成了更加准确的高分辨率边缘，纹理等信息；更好地融合了先验与采集的信息，去除了伪影的超分辨率大脑图像。