[发明专利]一种磁共振成像方法及装置

说明书

本发明属于磁共振重建技术领域，提供了一种磁共振成像方法及装置。所述磁共振成像方法包括：获取样本物体的全采的线下多对比度图像；在K空间对所述全采的线下多对比度图像中的每个全采图像进行欠采，以获取欠采的多对比度图像；根据所述欠采的多对比度图像和所述全采的线下多对比度图像，训练深度学习网络；获取待测物体的欠采图像；将所述待测物体的欠采图像输入至训练好的深度学习网络，以获取所述待测物体的线上磁共振图像。通过本发明可在保留原本对比度的情况下，恢复出磁共振图像欠采丢失的信息，从而加速成像，并改善磁共振成像精度。

技术领域

本发明属于磁共振重建技术领域，尤其涉及一种磁共振成像方法及装置。

背景技术

目前基于信号处理利用先验信息进行磁共振图像重建的方法可以简单的分为自适应型和非自适应型两类。例如，字典学习和数据驱动紧凑框架是自适应型的，全局变换和小波变换是非自适应型的。自适应型可以获得更多的结构信息但计算复杂，而非自适应型利于计算，但容易丢失信息。这些方法，都只是从要进行重建的图像中获取先验信息，或只利用少量的相关图像，无法发掘利用大量数据中的先验信息，导致磁共振成像速度较慢，成像精度较低。

故，有必要提出一种新的技术方案，以解决上述技术问题。

发明内容

鉴于此，本发明实施例提供一种磁共振成像方法及装置，以在保留原本对比度的情况下，恢复出磁共振图像欠采丢失的信息，从而加速成像，并改善磁共振成像精度。

本发明实施例的第一方面，提供一种磁共振成像方法，所述磁共振成像方法包括：

获取样本物体的全采的线下多对比度图像；

在K空间对所述全采的线下多对比度图像中的每个全采图像进行欠采，以获取欠采的多对比度图像；

根据所述欠采的多对比度图像和所述全采的线下多对比度图像，训练深度学习网络；

获取待测物体的欠采图像；

将所述待测物体的欠采图像输入至训练好的深度学习网络，以获取所述待测物体的线上磁共振图像。

本发明实施例的第二方面，提供一种磁共振成像装置，所述磁共振成像装置包括：

线下多对比度图像获取模块，用于获取样本物体的全采的线下多对比度图像；

欠采模块，用于在K空间对所述全采的线下多对比度图像中的每个全采图像进行欠采，以获取欠采的多对比度图像；

训练模块，用于根据所述欠采的多对比度图像和所述全采的线下多对比度图像，训练深度学习网络；

欠采图像获取模块，用于获取待测物体的欠采图像；

线上成像模块，用于将所述待测物体的欠采图像输入至训练好的深度学习网络，以获取所述待测物体的线上磁共振图像。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例获取样本物体的全采的线下多对比度图像，并在K空间对所述全采的线下多对比度图像中的每个全采图像进行欠采，以获取欠采的多对比度图像，根据所述欠采的多对比度图像和所述全采的线下多对比度图像，训练深度学习网络，并将获取的待测物体的欠采图像输入至训练好的深度学习网络，以获取所述待测物体的线上磁共振图像。本发明实施例通过从大量的多对比度训练集(即样本物体的全采的线下多对比度图像)中学习先验信息，训练深度学习网络，并将训练好的深度学习网络模型应用于磁共振图像的重建中，可以保证在保留原本对比度的情况下，恢复出磁共振图像欠采丢失的信息，从而加速成像，并改善磁共振成像精度。

附图说明