图像重建方法、装置、计算机设备和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种图像重建方法、装置、计算机设备和存储介质。


背景技术：

2.磁共振成像(mri)是利用原子核在强磁场内发生共振产生的信号经图像重建的一种成像技术。该技术可以在无损伤，无电离辐射的情况下得到样品/组织内部的高对比度清晰图像,在医学诊断中得到了广泛应用。
3.通常，因一些因素的制约，磁共振的成像速度非常慢，较慢的成像速度使得磁共振成像在诸如心脏这种运动器官的动态成像中图像时间分辨率大大受到限制，同时会在图像中产生严重的运动伪影，降低图像质量。
4.因此，如何保证磁共振动态成像较高的时间和空间分辨率，成为亟待解决的技术问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种图像重建方法、装置、计算机设备和存储介质，能够保证磁共振动态成像较高的时间和空间分辨率。
6.第一方面，本技术实施例提供一种图像重建方法，该方法包括：
7.获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；
8.基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率；
9.根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨率。
10.在其中一个实施例中，上述根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图，包括：
11.将k空间数据集、低空间分辨率t2参数图和重建参数，输入至预设的第一重建模型中，得到高空间分辨率t2参数图；第一重建模型中包括低空间分辨率t2参数图的重建正则约束项。
12.在其中一个实施例中，上述第一重建模型的获取过程包括：
13.根据k空间数据集、重建参数和稀疏参数构建初始重建模型的目标函数；目标函数包括数据保真项、稀疏正则约束项和重建正则约束项；重建正则约束项包括低空间分辨率t2参数图；
14.最小化目标函数，迭代优化初始重建模型，直至满足预设的迭代条件，得到第一重建模型。
15.在其中一个实施例中，上述k空间数据集包括n个k空间数据，n个k空间数据具有不
同的t2准备时间，n为正整数。
16.在其中一个实施例中，基于k空间数据集重建低空间分辨率t2参数图，包括：
17.根据k空间数据集，重建至少一个低空间分辨率t2加权图像；
18.基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图。
19.在其中一个实施例中，上述基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图，包括：
20.将至少一个低空间分辨率t2加权图像的各像素点的信号强度值进行拟合，得到的拟合值确定为各像素点的t2值；
21.将各像素点以t2值表示后构成的图像确定为低空间分辨率t2参数图。
22.在其中一个实施例中，上述基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图，包括：
23.将k空间数据集和重建参数，输入至预设的第二重建模型中，得到低空间分辨率t2参数图。
24.第二方面，本技术实施例提供一种图像重建装置，该装置包括：
25.数据获取模块，用于获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心全采样且k空间边缘欠采样；
26.第一重建模块，用于基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率；
27.第二重建模块，用于根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨率。
28.第三方面，本技术实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，该处理器执行计算机程序时实现上述第一方面中任一项实施例的方法步骤。
29.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例的方法步骤。
30.本技术实施例提供的一种图像重建方法、装置、计算机设备和存储介质，获取目标部位的k空间数据集，该k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；并基于k空间数据集重建低空间分辨率t2参数图，之后根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图。该方法中，由于基于k空间数据重建的是低空间分辨率的t2参数图，所以k空间数据可以是通过欠采样的方式采集的，即利用k空间中心完全采样且k空间边缘欠采样的方式采集，这样，采集的k空间数据的数据量减少，扫描时间就会大大缩短，提高了磁共振成像的时间分辨率，且得到低空间分辨率的t2参数图后，根据低空间分辨率的t2参数图，还进一步重建出高分辨率t2参数图，同时也保证了空间分辨率，从而能够保证磁共振动态成像较高的时间和空间分辨率。
附图说明
31.图1为一个实施例中提供的一种图像重建方法的应用环境图；
32.图2为一个实施例中提供的一种图像重建的流程示意图；
33.图3为另一个实施例中提供的一种图像重建的流程示意图；
34.图4为另一个实施例中提供的一种图像重建的流程示意图；
35.图5为另一个实施例中提供的一种图像重建的流程示意图；
36.图6为另一个实施例中提供的一种图像重建过程的流程图；
37.图7为一个实施例中提供的一种图像重建装置的结构框图；
38.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
39.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
40.本技术提供的图像重建方法，可以应用于如图1所示的应用环境中。其中，计算机设备的内部结构中的处理器用于提供计算和控制能力。存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。数据库用于存储图像重建方法过程的相关数据。该网络接口用于与外部的其他设备通过网络连接通信。该计算机程序被处理器执行时以实现一种图像重建方法。
41.在具体介绍本技术实施例的技术方案之前，先对本技术实施例基于的技术背景或者技术演进脉络进行介绍。首先，先对本技术实施例中的t2参数图进行说明：以目标部位是心脏为例，心脏磁共振成像(cardiac magnetic resonance，cmr)可以通过t2加权序列图像评估心肌水肿程度。这些图像是基于水肿引起的横向弛豫时间延长而重建成像的。由于水的积聚，自由水的比例增加，心肌水肿在t2加权图像上表现为高信号强度，t2加权图像上每个像素体现的是不同信号强度，具体表现是不同信号强度显示的灰度值不同。t2加权图像可以做定性评估，t2定量序列(t2 mapping)则是t2加权图像的“升级版”，用于定量测定，通过数值反映心肌组织的t2值，如果心肌有水肿，心肌组织的t2值通常会升高。基于此，可通过t2 mapping技术获取每个像素处的值均是具体的t2值的图像来作为诊断图像，该图像即为t2参数图。
42.在实际应用中，为了最小化由于心脏运动引起的图像模糊，采集窗口必须变窄，优选不超过50ms，但这样一个狭窄的采集窗口是不够覆盖足够的k空间(或k空间)范围以达到一定的空间分辨率的，所以通过狭窄的采集窗口改善图像质量也是不现实的。另一方面，磁共振成像过程中需保持静止状态，成像时间过长增加了病人的不舒适感，并且容易受到呼吸运动的影响，产生运动伪影，使得采集k空间数据不能够采集过多，常见的就是采集3个，这样在通过t2加权图像拟合到t2参数图时，因为k空间数据数量的较少，也会导致最终的图像质量较差。
43.而在相关技术中，获取t2参数图是将采集到的多个k空间数据数据分别的独立的重建为对应的t2加权图像，然后通过多个t2加权图像进行图像处理，得到t2参数图，这种方法中，t2参数图是直接从t2加权图像得到，即t2参数图的空间分辨率与t2加权图像的空间分辨率正相关，而t2加权图像是从k空间数据数据重建得到的，则若要得到高空间分辨率的t2加权图像，就必须在k空间数据的采集时完全采样或者欠采样也需要足够量的数据，以保证重建的t2加权图像的高空间分辨率。但是，k空间数据的采集时，完全采样或者欠采样足
够量的数据，就需要采集较多的数据，这需要的时间也会越长，又会导致时间分辨率降低。反之执行，又会导致t2参数图的空间分辨率下降。因此，如何保证磁共振动态成像较高的时间和空间分辨率，至今仍属于需要解决的技术问题。基于此，本技术实施例提供一种图像重建方法、装置、计算机设备和存储介质，能够保证磁共振动态成像较高的时间和空间分辨率。另外，需要说明的是，从上述技术缺陷的发现以及下述实施例介绍的技术方案，申请人均付出了大量的创造性劳动。
44.下面将通过实施例并结合附图具体地对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，下面对本技术实施例提供的一种图像重建方法进行说明时，以执行主体是计算机设备进行说明。为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。
45.在一个实施例中，如图2所示，提供了一种图像重建方法。本实施例涉及的是计算机设备根据目标部位的k空间数据重建低空间分辨率t2参数图，再基于k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图的具体过程；该实施例包括以下步骤：
46.s101，获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样。
47.核磁共振扫描采集的数据是k空间数据，也就是频域数据，其是用来表示磁共振图像中空间频率的空间。对k空间的数据进行反傅里叶变换，能够对原始数据中的空间定位编码信息进行解码，得到图像域数据，即磁共振图像数据。重建就是把k空间数据转换为图像域数据的过程。k空间数据点与图像像素点是傅里叶变换和反变换的关系，k空间内每一个数据点都包含着整个图像的信息。所以重建t2参数图的前提是需要先获取k空间数据。
48.其中，本技术实施例中的目标部位可以是心脏、冠状动脉等运动器官，或者其他可适用的器官均可，本技术实施例对此不作限定。以目标部位是心脏为例，则是需要获取心脏的k空间数据集。可选地，k空间数据集包括n个k空间数据，n个k空间数据具有不同的t2准备时间，n为正整数。例如，n等于3，则获取的k空间数据集包括3个k空间数据，且这3个k空间数据具体不同的t2准备时间。对于心脏来说，一个心跳周期包括舒张和收缩，那么在采集心脏的这3个k空间数据时可以是一个一个采集，先采集第一个等心脏恢复后，再次新的跳动时开始第二次时采集第二个k空间数据，继续等待，等心脏恢复后再次新的跳动时采集第三个k空间数据。其中，准备时间为采集一个k空间数据过程中的准备时间，其不同于等待时间。对于多个k空间数据来说，不同k空间数据的设定的准备时间不相同。具体设定的准备时间是多少可根据实际情况而定，本技术实施例对此不加以限定。
49.在获取k空间数据集中的各k空间数据时，其采集方式为k空间中心完全采样且k空间边缘欠采样。
50.在采集k空间数据时，欠采样方式的采样频率因不满足内奎斯特采样频率,会导致混叠伪像。一副图像的能量主要集中在其k空间中心区域，若k空间中心区域采用欠采样的方式，会使得混叠伪像将包含了大部分的低频成分；而k空间边缘包含了一副图的很少能量，所以欠采样边缘并不导致严重的混叠伪像。因此，可通过k空间中心全采样且k空间边缘
欠采样的方式减少扫描时间。对于完全采样的k空间中心区域的范围，以及除了中心区域以外的边缘区域的欠采样的程度(不同程度，代表采样数据量不同)，可根据本技术实施例后续重建低空间分辨率t2参数图的需求而定，本技术实施例对此不作限定。且不同的k空间数据其在边缘欠采样的数据位置也是不相同的，如，虽然都是欠采样，但第一个k空间数据采集的是1、3、7的数据，而第二个k空间数据采集的是2、4、9数据，本技术实施例对此也不作限定。
51.需要强调的是，本技术实施例中针对采集方式的说明只是提供一种示例地采集方式。但本技术实施例中，获取k空间数据集时，其获取方式可以是从计算机设备的数据库中获取已存储的已有k空间数据；或者，从其他网上平台上下载所需的k空间数据；又或者，是通过特定软件模拟心脏跳动，根据模拟的模型采集所需的k空间数据等等，本技术实施例对此不作限定。即，本技术实施例在进行图像重建时，所获取的k空间数据指的不是实时采集，而是通过下载或者调用的方式来获取。
52.s102，基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率。
53.在获取到目标部位的k空间数据集之后，根据k空间数据集重建低空间分辨率t2参数图。空间分辨率是指密度分辨率大于10％时，影像中能显示的最小细节；密度分辨率是指能分辨组织之间最小密度差异。二者是互相制约的。空间分辨率与像素大小有密切关系，一般为像素宽度的1.5倍。像素越小、数目越多，空间分辨率越高，图像越清晰。所以，这里的低空间分辨率的程度可以根据预设的临界值确定，例如，预设的临界值为第一值等于4，那么小于4的空间分辨率就是低空间分辨率；当然，这里的第一值只是一个示例，实际应用时，重建出的低空间分辨率的临界值可根据具体情况而定。
54.示例地，基于k空间数据集重建低空间分辨率t2参数图的方式可以是利用预先训练的神经网络模型，将获取的k空间数据集作为输入，那么神经网络模型输出的结果即为低空间分辨率t2参数图。或者，可以是根据k空间数据集中的各k空间数据重建出对应的磁共振图像，然后根据磁共振图像重建成低空间分辨率t2参数图，等等，本技术实施例对此不加以限定。
55.s103，根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨。
56.根据上述获取的k空间数据集和上述重建得到的低空间分辨率t2参数图，进一步重建出高空间分辨率t2参数图。
57.同样，高空间分辨率的程度也可以根据预设的临界值确定，例如，预设的临界值为第二值等于8，那么大于8的空间分辨率就是高空间分辨率；当然，这里的第二值也只是一个示例，实际应用时，重建出的高空间分辨率的临界值可根据具体情况而定。而且，可以理解的是，低空间分辨率和高空间分辨率划分的临界值可以为同一值，也可以是不同值，即第一预设值可以等于第二预设值，也可以不等于第二预设值。
58.示例地，一种根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图的实施方式，可以是利用预设的算法，比如双线性差值或最近邻差值，具体地，可以是对低空间分辨率t2参数图进行简单的双线性差值，然后，使用哈希算法快速将图像块分到不同的类别(bucket)中，对于每个类别，分别使用四个预先训练好的滤波器进行线性滤波，
之后将不同的图像块的结果融合起来，得到最终的高空间分辨率t2参数图。
59.另一种实施方式还可以是将多个k空间数据集和低空间分辨率t2参数图，以及对应的高空间分辨率t2参数图，对预设的神经网络模型进行训练，使得训练好的神经网络模型可以根据上述k空间数据集和低空间分辨率t2参数图，输出对应的高空间分辨率t2参数图。
60.本实施例提供的图像重建方法，获取目标部位的k空间数据集，该k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；并基于k空间数据集重建低空间分辨率t2参数图，之后根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图。该方法中，由于基于k空间数据重建的是低空间分辨率的t2参数图，所以k空间数据可以是通过欠采样的方式采集的，即利用k空间中心完全采样且k空间边缘欠采样的方式采集，这样，采集的k空间数据的数据量减少，扫描时间就会大大缩短，提高了磁共振成像的时间分辨率，且得到低空间分辨率的t2参数图后，根据低空间分辨率的t2参数图，还进一步重建出高分辨率t2参数图，同时也保证了空间分辨率，从而能够保证磁共振动态成像较高的时间和空间分辨率。
61.在上述实施例的基础上，下面提供一种根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图的可实现方式，该实施例包括：将k空间数据集、低空间分辨率t2参数图和重建参数，输入至预设的第一重建模型中，得到高空间分辨率t2参数图；第一重建模型中包括低空间分辨率t2参数图的重建正则约束项。
62.其中，第一重建模型指的是可以是上述提及的预先训练的神经网络模型，也可以是根据预设的重建算法构建的算法模型。且以算法模型为例，第一重建模型中包括低空间分辨率t2参数图的重建正则约束项，该重建正则约束项是用于约束防止从低空间分辨率t2参数图到高空间分辨率t2参数图过拟合，且利用引入的低空间分辨率t2参数图作为先验知识，来估计高空间分辨率t2参数的实际结果。使得从低空间分辨率t2参数图到高空间分辨率的t2参数图更加准确。
63.而重建参数指的是重建过程所需要用的到任一个参数，例如，时间调制模式，其是表示调制信号在幅度、频率和相位随时间变化的特征，该时间调制模式在采集k空间数据的扫描前已经预先设定好的参数，在根据k空间数据重建图像的过程中可直接获取使用，即其在重建过程为已知值。又例如，重建参数包括线圈灵敏度图，磁共振设备中是使用接收线圈探测到的电磁波作为磁共振信号的，所以线圈灵敏度指的就是接收线圈对输入信号的响应程度，其值越高，检测微弱信号的能力越强，整个线圈的线圈灵敏度值构成的图即为线圈灵敏度图。上述两种参数只是举例，本技术实施例对重建参数不作限定。
64.对于本实施例来说，k空间数据集、低空间分辨率t2参数图和重建参数均是已知值，那么将这些数据输入至预设的第一重建模型中，输出的结果即为高空间分辨率的t2参数图。使得从低空间分辨率t2参数图到高空间分辨率的t2参数图更加快速。
65.可选地，如图3所示，第一重建模型的获取过程包括以下步骤：
66.s201，根据k空间数据集、重建参数和稀疏参数构建初始重建模型的目标函数；目标函数包括数据保真项、稀疏正则约束项和重建正则约束项；重建正则约束项包括低空间分辨率t2参数图。
67.模型就可以简单的理解为是一个函数，所以对于上述第一重建模型的构建过程，
是需要以目标函数来作为迭代目标。那么，构建目标函数需要以k空间数据集、重建参数和稀疏参数来构建，这里的k空间数据集和重建参数与前述实施例中的含义一致，区别是这里的k空间数据集和重建参数可以是训练集中的数据，即获取的大量的、多样化的训练数据作为训练集。其中，稀疏参数指的是空间平滑性的参数，例如，空间差分或者其他稀疏算子等，其用于衡量图像的空间平滑性的参数。
68.构建的目标函数中包括数据保真项、稀疏正则约束项和重建正则约束项，数据保真项是用于保证结果符合降质过程。正则项则是对输出进行增强，即稀疏正则约束项和重建正则约束项均是对输出进行增强，区别是稀疏正则约束项是从空间平滑性维度进行约束增强，重建正则约束项则是从低空间分辨率t2参数图作为先验知识，来估计高空间分辨率t2参数且防止过拟合维度来进行约束增强的。
69.例如，目标函数为：其中，该目标函数中这部分为数据保真项，其中，xi指代的是k空间数据集中的任一k空间数据重建的t2加权图像，下标i表示的就是任一个；t2指代的是高空间分辨率t2参数图；yi指代的是k空间数据集中的任一k空间数据，为实际数据；p1指代的是重建参数时间调制模式；s表示的是重建参数线圈灵敏度图，φ表示反转恢复信号模型，其中φ(xi,t2)等于a*exp(-t/b))+c，其中a是初始信号幅度，b是t2值，偏移量c是可选的。p1fsφ(xi,t2)整体表示的根据重建参数和反转信号模型反向预估的k空间数据，f指代傅里叶变换；因此，数据保真项是以实际k空间数据与预估k空间数据之间的差别最小化来保证最终输出的t2参数图符合要求的。其中，为稀疏正则约束项，λi和β是正则化系数，平衡正则项和数据保真项之间的误差，正则化稀疏变大时，解趋于光滑，反之则解的边缘锐化。t为稀疏化参数空间差分。其中，γ|t
2-t
2low
|1为重建正则约束项，γ也是正则化系数，平衡正则项和数据保真项之间的误差；t
2low
表示前述获取的低空间分辨率的t2参数图。其中，稀疏正则约束项和重建正则约束项均可促进某些变换域中的稀疏性。
70.s202，最小化目标函数，迭代优化初始重建模型，直至满足预设的迭代条件，得到第一重建模型。
71.构建了目标函数之后，最小化该目标函数，即求解目标函数的最小值，例如，可设置预设的迭代条件为达到预先设置的迭代次数t，或者迭代过程收敛，那么可交替迭代优化所构造的初始重建模型，并进行正则项参数的更新，直到满足预设的迭代条件，训练完成，得到第一重建模型。
72.由上述目标函数可知，因只有xi和t2为未知参数，其他数据均为已知量，在通过该目标函数构建的第一重建模型输出的是k空间数据集中每个k空间数据对应的t2加权图像和最终的高空间分辨率t2参数图。从而得到高空间分辨率t2参数图。
73.本技术实施例中，将k空间数据集、低空间分辨率t2参数图和重建参数，输入至预设的第一重建模型中，得到高空间分辨率t2参数图，使得可以快速准确地从低空间分辨率
t2参数图重建出高空间分辨率t2参数图。且第一重建模型的训练目标函数中包括了数据保真项、稀疏正则约束项和重建正则约束项，在训练过程对数据输出结果进行误差最小化以及稀疏和过拟合约束，保证最终训练的第一重建模型的输出结果的正确性。
74.下面通过不同的实施例对上述基于k空间数据集重建低空间分辨率t2参数图的过程进行说明。
75.则如图4所示，在一个实施例中，上述基于k空间数据集重建低空间分辨率t2参数图包括以下步骤：
76.s301，根据k空间数据集，重建至少一个低空间分辨率t2加权图像。
77.k空间数据集中包括多个k空间数据，例如3个k空间数据；那么，基于各个k空间数据可至少重建出一个低空间分辨率t2加权图像，当然每个k空间数据对应都重建出一个低空间分辨率t2加权图像也可以，本技术实施例对此不作限定。
78.根据k空间数据集重建低空间分辨率t2加权图像的方式可以是直接对k空间数据进行反傅里叶变化后得到的图像即为低空间分辨率t2加权图像。需要注意的是，本技术实施例中的，之所以从k空间数据集进行反傅里叶变化后得到的图像称为低空间分辨率t2加权图像，是因为k空间数据是通过本技术实施例限定的方式采集的，即k空间中心区域完全采样且边缘区域欠采样，以此方式采集的k空间数据数量较少，其重建的磁共振图像(t2加权图像)空间分辨率很低，所以称为低空间分辨率t2加权图像。
79.s302，基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图。
80.得到了低空间分辨率t2加权图像之后，根据低空间分辨率t2加权图像重建低空间分辨率t2参数图。这里可结合前面提及的t2加权图像和t2参数图的区别来理解，即t2加权图像上每个像素表示的是不同组织的信号强度，具体表现为不同的灰度。组织信号强度越强，t2加权图像上相应像素点的部分就越亮；反之，组织信号强度越弱，t2加权图像上相应像素点的部分就越暗。但是t2参数图每个像素点表示的是具体的t2值，而不是信号强度。
81.可选地，如图5所示，基于低空间分辨率t2加权图像重建低空间分辨率t2参数图包括：
82.s401，将至少一个低空间分辨率t2加权图像的各像素点的信号强度值进行拟合，得到的拟合值确定为各像素点的t2值。
83.以k空间数据集中包括3个k空间数据，且每个k空间数据对应重建一个t2加权图像为例，即将3张低空间分辨率t2加权图像的各像素点的信号强度值进行拟合，得到的拟合值确定为各像素点的t2值。
84.假设一张图像的像素点有10*10等于100个，3张低空间分辨率t2加权图像分别是t21、t22、t23，那么将t21、t22、t23这三张图像的第一行第一列对应的像素点的信号强度进行拟合，例如，通过预设的拟合函数进行拟合，拟合后得到的拟合值确定为t2值，即为第一行第一列对应的像素点的t2值；以此方式，可得到其他99个像素点的t2值，综合即得到了100个像素点的t2值。
85.s402，将各像素点以t2值表示后构成的图像确定为低空间分辨率t2参数图。
86.得到了各像素点的t2值后，将各像素点以t2值表示，构成的一副图像即为低空间分辨率t2参数图。
87.本技术实施例中，通过将k空间数据重建为t2加权图像后，基于t2加权图像中各像
素点的信号强度值拟合得到低空间分辨率t2参数图。由于t2加权图像中各像素点的信号强度值表示的就是反映目标部位组织在t2特性的特征，因此，以各像素点的信号强度值拟合出对应像素点的t2值，可以使得最终得到的低空间分辨率t2参数图更加准确。
88.在另外一个实施例中，基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图，包括：将k空间数据集和重建参数，输入至预设的第二重建模型中，得到低空间分辨率t2参数图。
89.同样，第二重建模型也既可以是上述提及的预先训练的神经网络模型，也可以是根据预设的重建算法构建的算法模型。其中，第二重建模型中的k空间数据集和重建参数可参见前述实施例中的说明，在此不再赘述。
90.以算法模型为例，构建第二重建模型的过程也是需要构建目标函数。例如，第二重建模型的目标函数为：其中，该目标函数中这部分为数据保真项，其中，xi指代的是k空间数据集中的任一k空间数据重建的t2加权图像，下标i表示的就是任一个；t2指代的是高空间分辨率t2参数图；yi指代的是k空间数据集中的任一k空间数据，为实际数据；p1指代的是重建参数时间调制模式；s表示的是重建参数线圈灵敏度图，φ表示反转恢复信号模型，其中φ(xi,t2)等于a*exp(-t/b))+c，其中a是初始信号幅度，b是t2值，偏移量c是可选的。p1fsφ(xi,t2)整体表示的根据重建参数和反转信号模型反向预估的k空间数据，f指代傅里叶变换；因此，数据保真项是以实际k空间数据与预估k空间数据之间的差别最小化来保证最终输出的t2参数图符合要求的。其中，为稀疏正则约束项，λi和β是正则化系数，平衡正则项和数据保真项之间的误差，正则化稀疏变大时，解趋于光滑，反之则解的边缘锐化。t为稀疏化参数空间差分。
91.构建了第二重建模型的目标函数之后，最小化目标函数，迭代优化第二重建模型的初始重建模型，直至满足预设的迭代条件，得到第二重建模型。第二重建模型中，同样只有xi和xi为未知参数，其他数据均为已知量，在通过该第二重建模型输出的是k空间数据集中每个k空间数据对应的t2加权图像和低空间分辨率t2参数图。
92.本实施例以第二重建模型由k空间数据集和重建参数得到低空间分辨率t2参数图，由于模型是预先构建的，且其在构建时对数据输出结果进行误差最小化以及稀疏约束，使得构建的模型可以快速准确地从k空间数据集重建出低空间分辨率t2参数图。
93.另外，本技术实施例还提供一种图像重建方法，如图6所示，该实施例包括：
94.s1，获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；执行s2或者s5。
95.s2，根据k空间数据集，重建至少一个低空间分辨率t2加权图像；执行s3。
96.s3，将至少一个低空间分辨率t2加权图像的各像素点的信号强度值进行拟合，得到的拟合值确定为各像素点的t2值；执行s4。
97.s4，将各像素点以t2值表示后构成的图像确定为低空间分辨率t2参数图；执行s6。
98.s5，将k空间数据集和重建参数，输入至预设的第二重建模型中，得到低空间分辨率t2参数图；执行s6。
99.s6，根据k空间数据集、重建参数和稀疏参数构建初始重建模型的目标函数；目标函数包括数据保真项、稀疏正则约束项和重建正则约束项；重建正则约束项包括低空间分辨率t2参数图；执行s7。
100.s7，最小化目标函数，迭代优化初始重建模型，直至满足预设的迭代条件，得到第一重建模型；执行s8。
101.s8，将k空间数据集、低空间分辨率t2参数图和重建参数，输入至预设的第一重建模型中，得到高空间分辨率t2参数图；第一重建模型中包括低空间分辨率t2参数图的重建正则约束项。
102.本实施例提供的图像重建方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
103.应该理解的是，虽然上述实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
104.在一个实施例中，如图7所示，提供了一种图像重建装置，该装置包括：数据获取模块10、第一重建模块11和第二重建模块12，其中：
105.数据获取模块10，用于获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心全采样且k空间边缘欠采样；
106.第一重建模块11，用于基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率；
107.第二重建模块12，用于根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨率。
108.在一个实施例中，上述数据获取模块10，具体将k空间数据集、低空间分辨率t2参数图和重建参数，输入至预设的第一重建模型中，得到高空间分辨率t2参数图；第一重建模型中包括低空间分辨率t2参数图的重建正则约束项。
109.在一个实施例中，该装置还包括：
110.构建模块，用于根据k空间数据集、重建参数和稀疏参数构建初始重建模型的目标函数；目标函数包括数据保真项、稀疏正则约束项和重建正则约束项；重建正则约束项包括低空间分辨率t2参数图；
111.优化模块，用于最小化目标函数，迭代优化初始重建模型，直至满足预设的迭代条件，得到第一重建模型。
112.在一个实施例中，上述k空间数据集包括n个k空间数据，n个k空间数据具有不同的t2准备时间，n为正整数。
113.在一个实施例中，上述第一重建模块11包括：
114.第一重建单元，用于根据k空间数据集，重建至少一个低空间分辨率t2加权图像；
115.第二重建单元，用于基于至少一个低空间分辨率t2加权图像，重建低空间分辨率t2参数图。
116.在一个实施例中，上述第二重建单元，具体用于将至少一个低空间分辨率t2加权图像的各像素点的信号强度值进行拟合，得到的拟合值确定为各像素点的t2值；将各像素点以t2值表示后构成的图像确定为低空间分辨率t2参数图。
117.在一个实施例中，上述第一重建模块11包括：第三重建单元，用于将k空间数据集和重建参数，输入至预设的第二重建模型中，得到低空间分辨率t2参数图。
118.关于图像重建装置的具体限定可以参见上文中对于图像重建方法的限定，在此不再赘述。上述图像重建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
119.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像重建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
120.本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
121.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
122.获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；
123.基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率；
124.根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨率。
125.上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
126.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
127.获取目标部位的k空间数据集，k空间数据集的采集方式为k空间中心完全采样且k空间边缘欠采样；
128.基于k空间数据集重建低空间分辨率t2参数图；低空间分辨率表示小于第一预设值的空间分辨率；
129.根据k空间数据集和低空间分辨率t2参数图，重建高空间分辨率t2参数图；高空间分辨率表示大于第二预设值的空间分辨率。
130.上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
131.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
132.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
133.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。