一种基于深度学习的颅内血管壁磁共振图像质控方法

本发明公开了一种基于深度学习的颅内血管壁磁共振图像质控方法，包括以下步骤：步骤S1，数据采集和筛选；步骤S2，影响检查；步骤S3，对DICOM格式图像进行匿名化处理，基于血管中心线进行切片采样及图像切块生成；步骤S4，由医生分别对血管壁显示质量、血流抑制效果和运动伪影影响进行独立评分；步骤S5，构建基于ResNet‑18架构的联合学习网络模型，所述模型包括共享主干网络及三个独立全连接层；步骤S6，模型训练；步骤S7，将预处理后的多通道图像输入训练完成的模型，输出各维度质量评分结果。采用本发明能够快速识别低质量图像并提示干预，辅助医生进行图像质量控制，从而提升MR‑VWI在临床中的应用效果与诊断价值的优点。