[发明专利]磁共振成像方法和系统

权利要求书

1.一种磁共振成像方法，所述方法包括：

使用预设采样模式获取对应K空间的欠采K空间数据；

根据所述预设采样模式训练深度学习模型，使用训练获得的深度学习模型表征K空间中已采样点和未采样点间的映射关系，根据已获得的K空间数据和所述映射关系对所述K空间进行填充，获得完整K空间数据；

对所述完整K空间数据进行逆傅立叶变换，获得磁共振图像。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预设采样模式训练深度学习模型，包括：

对K空间的全采中心数据按照所述预设采样模式进行欠采，获得欠采中心数据；

用所述全采中心数据和所述欠采中心数据训练深度学习模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述预设采样模式训练深度学习模型，包括：

采集一组全采K空间数据；

按照所述预设采样模式对全采K空间数据进行欠采，获得训练欠采数据；

用所述全采K空间数据和所述训练欠采数据训练深度学习模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述预设采样模式训练深度学习模型，使用训练获得的深度学习模型表征K空间中已采样点和未采样点间的映射关系，根据已获得的K空间数据和所述映射关系对所述K空间进行填充，获得完整K空间数据，包括：

根据所述预设采样模式训练深度学习模型；

将所述欠采K空间数据输入训练获得的深度学习模型获得输出值，将所述输出值填入所述K空间中的对应位置，获得填充K空间数据；

根据所述填充K空间数据和预设采样模式训练所述深度学习模型，继续执行将所述欠采K空间数据输入训练获得的深度学习模型获得输出值，将所述输出值填入所述K空间中的对应位置，获得填充K空间数据的步骤，直至满足迭代终止条件，将迭代终止后获得的所述填充K空间数据作为完整K空间数据。

5.根据权利要求4所述的方法，其特征在于，所述迭代终止条件包括：

达到预设迭代次数或者本次迭代获得的填充K空间数据与上一次迭代获得的填充K空间数据间的误差小于误差阈值。

6.根据权利要求4所述的方法，其特征在于，所述根据所述预设采样模式训练深度学习模型，包括：

使用超完备基向量表示训练样本，所述训练样本包括全采数据和按照所述预设采样模式对所述全采数据进行欠采获得的欠采数据；

将所述使用超完备基向量表示的训练样本输入所述深度学习模型的第一层，并从所述第一层开始，将所述深度学习模型每一层输出的特征作为下一层的输入从而对每一层进行训练，直至获得所述深度学习模型所有层的参数。

7.一种磁共振成像系统，其特征在于，所述系统包括：

欠采K空间数据获取模块，用于使用预设采样模式获取对应K空间的欠采K空间数据；

完整K空间数据获取模块，用于根据所述预设采样模式训练深度学习模型，使用训练获得的深度学习模型表征K空间中已采样点和未采样点间的映射关系，根据已获得的K空间数据和所述映射关系对所述K空间进行填充，获得完整K空间数据；

逆傅立叶变换模块，用于对所述完整K空间数据进行逆傅立叶变换，获得磁共振图像。

8.根据权利要求7所述的系统，其特征在于，所述完整K空间数据获取模块还用于对K空间的全采中心数据按照所述预设采样模式进行欠采，获得欠采中心数据；用于用所述全采中心数据和所述欠采中心数据训练深度学习模型。

9.根据权利要求7所述的系统，其特征在于，所述完整K空间数据获取模块还用于采集一组全采K空间数据；用于按照所述预设采样模式对全采K空间数据进行欠采，获得训练欠采数据；用于用所述全采K空间数据和所述训练欠采数据训练深度学习模型。