申请/专利权人：上海理工大学;上海健康医学院;上海申康医院发展中心

申请日：2024-01-12

公开（公告）日：2024-04-09

公开（公告）号：CN117853602A

主分类号：G06T11/00

分类号：G06T11/00;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供一种基于人工智能的MRI加速磁共振成像方法，涉及磁共振成像方法领域。该基于一种基于人工智能的MRI加速磁共振成像方法，包括，S1、使用磁共振成像设备采集相关的成像数据，包括原始的k空间数据或图像数据，S2、对采集到的数据进行预处理，包括去噪、校准和重采样步骤，以确保数据的质量和一致性，S3、在完成采样加速后，引入注意力机制，对不完全采样的数据进行图像重建，以恢复出完整的MRI图像。通过人工智能技术来学习和优化采样模式，优化采样策略来减少伪影和损失。以最大程度地保留图像的结构和细节信息，使用卷积神经网络的深度学习模型、引入注意力机制来改善图像重建质量。

主权项：1.一种基于人工智能的MRI加速磁共振成像方法，其特征在于，包括：S1、使用磁共振成像设备采集相关的成像数据，包括原始的k空间数据或图像数据；S2、对采集到的数据进行预处理，包括去噪、校准和重采样步骤，以确保数据的质量和一致性；S3、在完成采样加速后，引入注意力机制，对不完全采样的数据进行图像重建，以恢复出完整的MRI图像；S4、设计优化的采样策略，以减少采样点数并加速数据采集过程，利用人工智能技术加速采样过程：其中采样过程被建模为一个马尔可夫决策过程，在这个模型中，我们定义一个状态空间S，动作空间A，以及奖励函数R，采样过程表示为一个序列：S_1,A_1,R_1,S_2,A_2,R_2,...，其中S_i是第i个状态，A_i是在状态S_i采取的动作，R_i是在状态S_i采取动作A_i后获得的奖励，强化学习算法通过学习一个策略π：S-A，来决定在每个状态下应该采取哪个动作，采样过程中的奖励函数R根据目标函数fx的值进行定义，将R设计为fx的负值，以便在采样过程中最大化奖励；S5、使用重建算法和人工智能技术，将部分采样数据重建为完整的图像，包括基于稀疏表示模型的重建算法；S6、对重建的图像进行后处理，包括去伪影、降噪、增强图像细节步骤，以提高图像质量和清晰度；S7、评估重建图像的质量和准确性，可以使用峰值信噪比、结构相似性指数和定性分析来评估结果。

全文数据：

权利要求：

百度查询： 上海理工大学;上海健康医学院;上海申康医院发展中心 一种基于人工智能的MRI加速磁共振成像方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD