CN119477699A 基于频域感知状态空间模型的前列腺mri超分辨率重建方法 （大连海事大学）

基于频域感知状态空间模型的前列腺MRI超本发明公开基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，涉及医学图像处患者前列腺MRI进行图像预处理，通过降采样操息构建空间频域Mamba模块，提取并融合MRI图的低分辨率图像特征输入到由多个级联SFMamba解决的技术问题是提供基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，方便实现2S3：将所述S1中获得的低分辨率MRI图像特征输入到由2.根据权利要求1所述的基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，，其输入空间可表示为loeR33.根据权利要求2所述的基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，Fhr-r=conv..(Linear(Fn-))（1）S22：将所述S21中输出的特征图分别输入空间Mamba分支在频域Mamba分支中，通过引入三级非下采样剪切波变换算3[·]表示串联操作。4.根据权利要求3所述的基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，卷积操作将低分辨率MRI图像loeR3从输入空间映射为初始U(-)表示上采样操作；4其中：coms20表示3x3卷积操作。5.根据权利要求4所述的基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，S41：引入混合损失函数优化该算法的训练过程，其包括空间损失，低频损失失函数为：LOW(·)和High(·)分别表示从NSST模块抽取的低频子带和高频子带特征；Il表示L1范数；Ox和oy是方差；6.根据权利要求1所述的基于频域感知状态空间模型的前列腺MRI超分辨率重建方法，5同的感受野捕获MRI图像的多层次语义特征，而忽略了图像的全局依赖信息。基于[0005]本发明要解决的技术问题是提供基于频域感知状态空间模型的前列腺MRI超分辨模块组成的特征提取编码器和解码器中，提取图像多层次语义特征，重建高分辨率MRI图6像为低分辨率MRI图像，将低分辨率MRI图像特征表示为low，其输入空间可表示为特征的通道数为3。Fhr-r=convn.(Linear其中：con,()表示1x1卷积操作；Linear(·)表示线性操作；7Fn=[silu(Linear(Fn-1))OSM(Fr-1),ssilu(Linear(Fn-1))OFM(Fn-1)l（5）[·]表示串联操作。卷积操作将低分辨率MRI图像loeR3从输入空间映,该过程可形式化为：U(-)表示上采样操作；最后，通过一个3x3卷积层将解码器最后一个空间一频域Mamba模块输出的语其中：coms20表示3x3卷积操作。8其中和ca分别表示权衡超参数；LOW(·)和High(·)分别表示从NSST模块抽取的低频子带和高频子带特征；Il表示L1范数；[0013]数据预处理模块：负责将临床诊疗过程中纳入的前列腺疾病患者MRI原始图像进本发明引入视觉Mamba架构高效学习医学图像语义特征，提升模型进行图像超分9[0022]本发明将收集的前列腺疾病患者T2加权序列MRI图像进行预处理，采用双三立方将临床纳入的前列腺疾病患者MRI分辨率调整为512×512，像素强度值标准化为像为低分辨率MRI图像，将低分辨率MRI图像特征表示为low，其输入空间可表示为特征的通道数为3。Linear(·)表示线性操作；Fn=[silu(Linear(Fn-1[·]表示串联操作。模块组成的特征提取编码器和解码器中，提取图像多层次语义特征，重建高分辨率MRI图首先使用3x3卷积操作将低分辨率MRI图像loeR3从输入空间映射为Mamba模块操作和降采样操作，从空间和频域两个维度抽取图像不同深度的语义特征，U(-)表示上采样操作；其中：coms20表示3x3卷积操作。LOW(·)和High(·)分别表示从NSST模块抽取的低频子带和高频子带特征；Il表示L1范数；[0037]数据预处理模块：负责将