一种基于深度学习和数据自洽的磁共振多通道重建方法

摘要

本发明公开了一种基于深度学习和数据自洽的磁共振多通道重建方法，涉及磁共振重建方法领域；包括1：采集多通道全采样训练集数据，将其中的欠采样数据转换为卷褶图像作为重建网络的输入，将其中的全采样数据作为训练标记数据并基于其生成卷积核；2：输入步骤1数据，通过重复叠加的SC层、CNN网络和DC层构建的重建网络，将训练标记数据作为目标，通过反向传播训练网络参数得到重建网络输入输出的映射关系；3：将测试集数据输入重建网络进行前向传播得到未知映射数据完成磁共振的重建；解决了现有磁共振重建方法只能处理单通道数据的问题，能够获得更为稳定、精准的端到端映射关系，从根本上提高磁共振重建的质量，更明显缩短磁共振扫描的时间。