基于深度生成对抗神经网络的核磁共振多加权成像方法

专利主权项内容

1.一种基于深度生成对抗神经网络的核磁共振多加权成像方法，其特征在于，包括如下步骤：1)构造深度生成对抗神经网络；2)构造训练数据集和评估数据集；训练数据集由N1对脑部水平切面的T2加权核磁共振图像和PD加权核磁共振图像构成，评估数据集由N2对脑部水平切面的T2加权核磁共振图像和PD加权核磁共振图像构成, 其中，N1表示训练数据集的数量，N2表示评估数据集的数量；3)训练深度生成对抗神经网络的权重；所述步骤3)中，训练深度生成对抗神经网络的权重并获得最优权重w*包括如下步骤：3.1)初始化生成网络和判别网络的权重，初始化生成网络的最小归一化均方误差变量BEST_NMSE＝∞；3.2)初始化变量K＝10，其中，K表示距离训练结束的回合数；3.3)初始化变量i＝0，其中，i表示每个回合中已经进行过的训练次数；3.4)从训练数据集中随机抽取N3对训练数据构成网络训练批处理集Ψ；其中，N3表示网络训练批处理集Ψ的数量；3.5)以Ψ作为判别网络的训练集，通过反向传播算法、自适应矩估计算法对判别网络的损失进行优化和网络权重更新；3.6)使用网络训练批处理集Ψ作为生成网络的训练集，通过反向传播算法、自适应矩估计算法和L2正则化对生成网络的损失进行优化和网络权重更新；3.7)i＝i+1；3.8)判断i是否小于N1/N3，如小于转步骤3.4)，否则转步骤3.9)；3.9)使用评估数据集进行评估；3.10)深度生成对抗神经网络训练完成并获得最优权重w；*4)将T加权核磁共振图像作为输入，通过训练好的深度生成对抗神经网络输出PD加权核磁共振图像。2