[发明专利]图像域数据生成方法、计算机设备和可读存储介质

权利要求书

1.一种图像域数据生成方法，其特征在于，所述方法包括：

获取采集的K空间数据，将所述K空间数据转换为第一图像域数据；所述第一图像域数据对应GRASE序列在正或者负极性中的一者梯度下采集的K空间数据；

将所述第一图像域数据输入预设的神经网络模型，生成第二图像域数据；所述第二图像域数据对应GRASE序列在正、负两种极性梯度下采集的K空间数据的加权平均；

其中，所述神经网络模型为根据一种或多种质量指标下的K空间训练数据进行训练所得到的；所述第二图像域数据在所述质量指标下的量化值高于所述第一图像域数据在对应质量指标下的量化值，所述质量指标用于表征利用图像域数据所生成的磁共振图像的质量，所述质量指标包括图像分辨率、信噪比和有无混叠伪影中的至少两种。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包含了神经网络输入前的图像域数据返傅里叶变换至数据域的过程、神经网络输入后的数据域傅里叶变换至图像域数据的过程。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练方法包括：

根据预设参数，采集第一K空间训练数据；

根据所述第一K空间训练数据，生成第二K空间训练数据；其中，所述第二K空间训练数据在所述质量指标下的量化值低于所述第一K空间训练数据在对应质量指标下的量化值；

将所述第一K空间训练数据转换为第一图像域训练数据，以及将所述第二K空间训练数据转换为第二图像域训练数据；

将所述第二图像域训练数据作为输入、所述第一图像域训练数据作为标准输出，训练初始神经网络模型，以得到收敛的所述神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述根据预设参数，采集第一K空间训练数据，包括：

根据预设的空间频率km_l、预设的采样平均次数A_l以及预设的采样间隔dK_l，采集所述第一K空间训练数据；其中，采集所述第一K空间训练数据的空间频率km_h[(1+10％)×km_l]，采集所述第一K空间训练数据的采样平均次数A_hA_l，采集所述第一K空间训练数据的采样间隔dK_hdK_l。

5.根据权利要求3所述的方法，其特征在于，所述根据预设参数，采集第一K空间训练数据，包括：

根据预设的采样密度分布函数P_l，采集所述第一K空间训练数据；其中，采集所述第一K空间训练数据的采样密度分布函数P_h在K空间的值高于所述P_l在所述K空间相同位置的值。

6.根据权利要求3所述的方法，其特征在于，所述根据预设参数，采集第一K空间训练数据，包括：

根据预设的采样密度分布函数P_l、预设的采样平均次数A_l，采集第一K空间训练数据；其中，采集所述第一K空间训练数据的采样密度分布函数P_h在K空间的值高于所述P_l在所述K空间相同位置的值，采集所述第一K空间训练数据的采样平均次数A_hA_l。

7.根据权利要求4-6任一项所述的方法，其特征在于，所述根据所述第一K空间训练数据，生成第二K空间训练数据，包括：

从所述第一K空间训练数据中，非均匀的间隔选取候选第二K空间训练数据；其中，所述候选第二K空间训练数据为预设数量的低频数据；

根据所述候选第二K空间训练数据的采样平均次数N，从所述候选第二K空间训练数据中确定所述第二K空间训练数据；其中，所述第二K空间训练数据的采样平均次数MN。