申请/专利权人：厦门大学

申请日：2021-10-15

公开（公告）日：2024-04-30

公开（公告）号：CN113971706B

主分类号：G06T11/00

分类号：G06T11/00;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;A61B5/055

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.02.15#实质审查的生效;2022.01.25#公开

摘要：一种快速磁共振智能成像方法，包括以下步骤：1获取多线圈磁共振傅里叶空间数据，并通过傅里叶逆变换等操作生成欠采样填零的多线圈一维混合空间数据、对应的一维欠采样模板和完整的多线圈一维混合空间数据共同组成训练集；2设计基于低秩和稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；3利用步骤1获得的训练集，求解基于低秩和稀疏模型展开的深度学习网络的最优参数；4将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络重建磁共振图像。通过同时约束磁共振傅里叶空间的低秩性和图像的稀疏性，以传统最优化方法为指导设计一维深度神经网络，具有重建速度快、重建质量高和内存消耗小的特点。

主权项：1.一种快速磁共振智能成像方法，其特征在于包括以下步骤：1获取多线圈磁共振傅里叶空间数据，并通过傅里叶逆变换操作生成欠采样填零的多线圈一维混合空间数据、对应的一维欠采样模板和完整的多线圈一维混合空间数据共同组成训练集，具体方法为：首先，要从磁共振成像仪器上获取完整的多线圈磁共振傅里叶空间数据表示第j个线圈的完整的傅里叶空间数据，表示复数域，M,N,J分别表示数据中频率编码维的长度、相位编码维的长度和线圈数；然后对X中每个线圈的傅里叶空间数据进行欠采样操作得到欠采样填零的多线圈傅里叶空间数据表示第j个线圈的欠采样的傅里叶空间数据，定义为接着对Y中每个线圈的傅里叶空间数据做沿着频率编码维的一维傅里叶逆变换得到欠采样填零的多线圈混合空间数据表示第j个线圈的欠采样的混合空间数据，定义为E表示完整的多线圈混合空间数据，定义为再将Z沿着频率编码维分成M行，每一行含有欠采样填零的多线圈一维混合空间数据再将E沿着频率编码维分成M行，每一行含有完整的多线圈一维混合空间数据再将欠采样操作对应生成的欠采样模板U沿着频率编码维分成M行，每一行含有对应的一维欠采样模板最后，由zm、um和em共同组成训练集；2设计基于低秩和稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；3利用步骤1获得的训练集，求解基于低秩和稀疏模型展开的深度学习网络的最优参数；4将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络重建磁共振图像。

全文数据：

权利要求：

百度查询： 厦门大学 一种快速磁共振智能成像方法

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