[发明专利]磁共振成像方法、装置、系统及存储介质有效

专利信息
申请号: 201911032337.X 申请日: 2019-10-28
公开(公告)号: CN110664378B 公开(公告)日: 2022-05-24
发明(设计)人: 梁栋;朱燕杰;柯子文;刘新;郑海荣 申请(专利权)人: 中国科学院深圳先进技术研究院
主分类号: A61B5/00 分类号: A61B5/00;A61B5/055;G06N3/08;G06T11/00
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 518055 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 磁共振 成像 方法 装置 系统 存储 介质
【权利要求书】:

1.一种磁共振成像方法,其特征在于,包括:

获取基于时间交叉欠采方式采集的目标扫描部位的欠采K空间数据;

将所述欠采K空间数据输入已训练的预设神经网络模型以得到目标磁共振图像;

其中,所述目标磁共振图像为全编码图像,所述已训练的预设神经网络模型在训练过程中,通过确定欠编码K空间数据与全编码图像之间的对应关系确定欠采K空间数据与全编码图像之间的对应关系,训练过程中的欠编码K空间数据和所述全编码图像是根据所述欠采K空间数据对应的全编码K空间数据确定的;

所述欠编码K空间数据的确定方法包括:

确定对应帧的欠编码K空间数据的通道提取矩阵;

将所述全编码K空间数据与对应帧的欠编码K空间数据的通道提取矩阵的乘积作为该对应帧的欠编码K空间数据;

所述全编码K空间数据的确定方法包括:

对所述欠采K空间数据进行整合和平均处理以得到对应的全编码K空间数据。

2.根据权利要求1所述的方法,其特征在于,预设神经网络模型的训练方法包括:

构建训练样本,所述训练样本包括作为输入图像的欠编码K空间数据和作为输出图像并与所述输入图像对应的全编码图像,其中,所述全编码图像由对应的全编码K空间数据通过傅里叶逆变换和通道融合得到;

将预设数量的训练样本输入预设神经网络模型以生成已训练的预设神经网络模型。

3.根据权利要求2所述的方法,其特征在于,所述欠采K空间数据对应一个欠采倍数,所述训练样本至少包含两种欠采倍数的欠编码K空间数据。

4.根据权利要求1-2任一所述的方法,其特征在于,所述预设神经网络模型为并行神经网络模型。

5.一种磁共振成像装置,其特征在于,包括:

获取模块,用于获取基于时间交叉欠采方式采集的目标扫描部位的欠采K空间数据;

输出模块,用于将所述欠采K空间数据输入已训练的预设神经网络模型中以得到目标磁共振图像;其中,所述目标磁共振图像为全编码图像,所述已训练的预设神经网络模型在训练过程中,通过确定欠编码K空间数据与全编码图像之间的对应关系确定欠采K空间数据与全编码图像之间的对应关系;训练过程中的欠编码K空间数据和所述全编码图像是根据所述欠采K空间数据对应的全编码K空间数据确定的;

所述欠编码K空间数据的确定方法包括:

确定对应帧的欠编码K空间数据的通道提取矩阵;

将所述全编码K空间数据与对应帧的欠编码K空间数据的通道提取矩阵的乘积作为该对应帧的欠编码K空间数据;

所述全编码K空间数据的确定方法包括:

对所述欠采K空间数据进行整合和平均处理以得到对应的全编码K空间数据。

6.一种磁共振成像系统,其特征在于,包括:

扫描床,用于承载受检者;

扫描装置,用于对所述扫描床上的受检者的目标扫描部位进行扫描;

处理器,用于基于时间交叉欠采方式控制所述扫描装置对所述目标扫描部位进行扫描以得到欠采K空间数据,将所述欠采K空间数据输入已训练的预设神经网络模型以得到目标磁共振图像,其中,所述目标磁共振图像为全编码图像,所述已训练的预设神经网络模型在训练过程中,通过确定欠编码K空间数据与全编码图像之间的对应关系确定欠采K空间数据与全编码图像之间的对应关系,训练过程中的欠编码K空间数据和所述全编码图像是根据所述欠采K空间数据对应的全编码K空间数据确定的;

所述欠编码K空间数据的确定方法包括:

确定对应帧的欠编码K空间数据的通道提取矩阵;

将所述全编码K空间数据与对应帧的欠编码K空间数据的通道提取矩阵的乘积作为该对应帧的欠编码K空间数据;

所述全编码K空间数据的确定方法包括:

对所述欠采K空间数据进行整合和平均处理以得到对应的全编码K空间数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,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/201911032337.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top