[发明专利]用于重建图像的系统和方法

权利要求书

1.一种用于重建图像的计算机实施的方法，所述方法包括：

接收k空间数据；

接收与所述k空间数据相对应的变换算子；

确定表示与一个或多个先前迭代图像相关联的信息的分布；

通过图像重建模型生成下一迭代图像，以缩减目标函数，所述目标函数对应于数据一致性度量和正则化度量；

评估所述下一迭代图像是否令人满意；以及

如果所述下一迭代图像令人满意，则输出所述下一迭代图像作为输出图像；

其中，所述数据一致性度量对应于第一先前迭代图像、所述k空间数据和所述变换算子；并且

其中，所述正则化度量对应于所述分布。

2.根据权利要求1所述的计算机实施的方法，

其中，所述图像重建模型包括输入门和遗忘门；并且

其中，所述生成所述下一迭代图像包括：通过至少以下步骤更新所述图像重建模型：

至少部分地基于所述第一先前迭代图像、输入门权重和输入门偏置来更新所述输入门；和

至少部分地基于所述第一先前迭代图像、遗忘门权重和遗忘门偏置来更新所述遗忘门。

3.根据权利要求2所述的计算机实施的方法，其中，所述输入门被配置为控制与所述一个或多个先前迭代图像相关联的哪个或哪些新值被并入到所述下一迭代图像中；所述遗忘门被配置为控制与所述第一先前迭代图像相关联的哪个或哪些先前值被并入到所述下一迭代图像中。

4.根据权利要求2所述的计算机实施的方法，其中，所述输入门对应于梯度方向和迭代步长，其中，所述遗忘门对应于初始化值。

5.根据权利要求2所述的计算机实施的方法，其中，所述更新所述输入门包括：更新所述输入门权重和所述输入门偏置中的至少一个；所述更新所述遗忘门包括：更新所述遗忘门权重和所述遗忘门偏置中的至少一个。

6.根据权利要求1所述的计算机实施的方法，其中，所述生成下一迭代图像以缩减目标函数包括：生成所述下一迭代图像，以最小化所述目标函数，其中，所述确定表示与所述一个或多个先前迭代图像相关联的信息的分布包括：通过变换一个或多个信息值来归一化所述信息。

7.根据权利要求1所述的计算机实施的方法，其中，所述分布包括表示所述一个或多个先前迭代图像的稀疏性的分布，或，所述分布包括表示所述一个或多个先前迭代图像的平滑度的分布，或，所述分布是具有零均值和单位方差的归一化分布。

8.根据权利要求1所述的计算机实施的方法，其中，所述分布由卷积神经网络表示，该卷积神经网络被配置为表示与一个或多个数据一致性层内的所述一个或多个先前迭代图像相关联的信息以及用于残差学习的一个或多个跳跃连接，其中，所述图像重建模型使用长短期记忆模型，该长短期记忆模型被配置为在迭代之间更新所述卷积神经网络的一个或多个参数其中，所述方法还包括：用训练数据交互地训练所述长短期记忆模型。

9.根据权利要求1所述的计算机实施的方法，其中，评估所述下一迭代图像包括：使用SSIM、PSNR、NMSE和视觉检查中的至少一个来评估所述下一迭代图像，其中，所述变换算子包括与并行成像设置相对应的傅立叶(Fourier)变换矩阵、欠采样矩阵和线圈灵敏度图矩阵中的一个。

10.一种用于重建图像的非瞬时性计算机可读介质，在其上存储有指令，当所述指令被处理器实行时使得所述处理器执行过程，包括：

接收k空间数据；

接收与所述k空间数据相对应的变换算子；

确定表示与一个或多个先前迭代图像相关联的信息的分布；

通过图像重建模型生成下一迭代图像，以缩减目标函数，所述目标函数对应于数据一致性度量和正则化度量；

评估所述下一迭代图像是否令人满意；以及

如果所述下一迭代图像令人满意，则输出所述下一迭代图像作为输出图像；

其中，所述数据一致性度量对应于第一先前迭代图像、所述k空间数据和所述变换算子；并且

其中，所述正则化度量对应于所述分布。