[发明专利]一种磁共振成像方法和装置有效
申请号: | 201810879064.1 | 申请日: | 2018-08-03 |
公开(公告)号: | CN109239631B | 公开(公告)日: | 2021-02-23 |
发明(设计)人: | 黄峰;陈名亮 | 申请(专利权)人: | 上海东软医疗科技有限公司 |
主分类号: | G01R33/48 | 分类号: | G01R33/48;G01R33/561 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 赵秀芹;王宝筠 |
地址: | 200241 上海市闵*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 磁共振 成像 方法 装置 | ||
1.一种磁共振成像方法,其特征在于,包括:
采用欠采样方式采集k-空间数据,得到第一部分k-空间数据;
根据第一深度神经网络和所述第一部分k-空间数据进行图像重建,得到第一图像;
将所述第一图像映射到k-空间,得到完整k-空间数据;
提取所述完整k-空间数据中的部分k-空间数据,得到第二部分k-空间数据,所述第一部分k-空间数据和所述第二部分k-空间数据在k-空间上分布位置相同;
根据所述第一部分k空间数据和所述第二部分k空间数据,重建得到残差图像;
将所述第一图像和所述残差图像相加,得到的结果为磁共振图像。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一图像映射到k-空间,得到完整k-空间数据,具体包括:
通过傅里叶变换的方式将所述第一图像映射到k-空间,得到完整k-空间数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述第一图像和所述残差图像相加,得到的结果为磁共振图像之后,所述方法还包括:
将所述磁共振图像进行去噪处理,得到最终磁共振图像。
4.根据权利要求3所述的方法,其特征在于,将所述磁共振图像进行去噪处理,具体为:
采用第二深度神经网络对所述磁共振图像进行去噪处理,得到所述最终磁共振图像。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述第一部分k空间数据和所述第二部分k空间数据,重建得到残差图像,具体包括:
对所述第二部分k-空间数据与所述第一部分k-空间数据进行作差,得到残差k-空间数据;
对所述残差k-空间数据进行稀疏约束重建,得到残差图像。
6.根据权利要求5所述的方法,其特征在于,所述对所述残差k-空间数据进行稀疏约束重建,得到残差图像,具体包括:
以图像支持域为正则化项,结合并行成像方式对所述残差k-空间数据进行稀疏约束重建,得到残差图像。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述根据第一深度神经网络和所述第一部分k-空间数据进行图像重建,得到第一图像,具体为:
采用显式解析解成像方法对所述第一部分k-空间数据进行部分重建,得到第二图像;
根据所述第一深度神经网络对所述第二图像进行完全重建,得到第一图像。
8.一种磁共振成像装置,其特征在于,包括:
采集单元,用于采用欠采样方式采集k-空间数据,得到第一部分k-空间数据;
第一重建单元,用于根据第一深度神经网络和所述第一部分k-空间数据进行图像重建,得到第一图像;
映射单元,用于将所述第一图像映射到k-空间,得到完整k-空间数据;
提取单元,用于提取所述完整k-空间数据中的部分k-空间数据,得到第二部分k-空间数据,所述第一部分k-空间数据和所述第二部分k-空间数据在k-空间分布位置相同;
第二重建单元,用于根据所述第一部分k空间数据和所述第二部分k空间数据,重建得到残差图像;
计算单元,将所述第一图像和所述残差图像相加,得到的结果为磁共振图像。
9.根据权利要求8所述的装置,其特征在于,所述映射单元,具体用于通过傅里叶变换的方式将所述第一图像映射到k-空间,得到完整k-空间数据。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括:
去噪单元,用于将所述磁共振图像进行去噪处理,得到最终磁共振图像。
11.根据权利要求10所述的装置,其特征在于,所述去噪单元,具体用于采用第二深度神经网络对所述磁共振图像进行去噪处理,得到所述最终磁共振图像。
12.根据权利要求8-11任一项所述的装置,其特征在于,所述第二重建单元具体包括:
作差子单元,用于对所述第二部分k-空间数据与所述第一部分k-空间数据进行作差,得到残差k-空间数据;
稀疏约束重建子单元,用于对所述残差k-空间数据进行稀疏约束重建,得到残差图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海东软医疗科技有限公司,未经上海东软医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810879064.1/1.html,转载请声明来源钻瓜专利网。