[发明专利]用于重建图像的系统和方法

说明书

本申请公开了用于重建图像的方法和系统。例如，一种方法包括：接收k空间数据；接收与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，该目标函数对应于数据一致性度量和正则化度量；评估下一迭代图像是否令人满意；以及如果下一迭代图像令人满意，则输出下一迭代图像作为输出图像。在某些示例中，数据一致性度量对应于第一先前迭代图像、k空间数据和变换算子。在某些示例中，正则化度量对应于分布。在某些示例中，计算机实施的方法由一个或多个处理器来执行。

技术领域

本发明的某些实施例涉及图像重建。更具体地，本发明的一些实施例被配置为重建MR 图像。但是可以认识到，本发明具有更广泛的适用范围。

背景技术

慢速数据采集对于磁共振成像(MRI)来说是一个大的挑战。为了加速数据采集，当前系统经常仅采集一小部分可用的MRI数据，称为k空间。在一些实践中，还应用利用多通道线圈的并行成像以进一步减少扫描时间。然后，通过例如快速傅立叶(Fourier)变换的成像处理算法处理所获得的k空间数据，以生成可以由人类用户可视化和解释的图像数据，该k空间数据是表示来自磁共振的频率模式的复值矩阵。这个过程通常被称为图像重建，并且仍然是将受益于更有效的方法的问题。

发明内容

本发明的某些实施例涉及图像重建。更具体地，本发明的一些实施例提供了用于使用元学习重建医学图像的方法和系统。仅仅通过示例的方式，本发明的一些实施例被配置为重建 MR图像。但是可以认识到，本发明具有更广泛的适用范围。

在各个实施例中，一种用于重建图像的计算机实施的方法，包括：接收k空间数据；接收与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，该目标函数对应于数据一致性度量和正则化度量；评估下一迭代图像是否令人满意；以及如果下一迭代图像令人满意，则输出下一迭代图像作为输出图像。在某些示例中，数据一致性度量对应于第一先前迭代图像、 k空间数据和变换算子。在某些示例中，正则化度量对应于分布。

在各个实施例中，一种用于重建图像的系统，包括：k空间数据接收模块，其被配置为接收k空间数据；变换算子接收模块，其被配置为接收与k空间数据相对应的变换算子；分布确定模块，其被配置为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；图像生成模块，其被配置为通过图像重建模型生成下一迭代图像，以缩减目标函数，该目标函数对应于数据一致性度量和正则化度量；评估模块，其被配置为评估下一迭代图像是否令人满意；以及输出模块，其被配置为：如果下一迭代图像令人满意，则输出下一迭代图像作为输出图像。在某些示例中，数据一致性度量对应于第一先前迭代图像、k空间数据和变换算子。在某些示例中，正则化度量对应于分布。

在各个实施例中，一种非瞬时性计算机可读介质，在其上存储有指令，当指令被处理器实行时使得处理器执行一个或多个过程，包括：接收k空间数据；接收与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，该目标函数对应于数据一致性度量和正则化度量；评估下一迭代图像是否令人满意；以及如果下一迭代图像令人满意，则输出下一迭代图像作为输出图像。在某些示例中，数据一致性度量对应于第一先前迭代图像、k空间数据和变换算子。在某些示例中，正则化度量对应于分布。

根据实施例，可以实现一种或多种益处。本发明的这些益处和各种附加目的、特征和优势可以参考下面的详细描述和附图而被充分理解。

附图说明

图1是示出了根据一些实施例的用于重建图像的系统的简化图。

图2是示出了根据一些实施例的用于重建图像的方法的简化图。

图3是示出了根据一些实施例的计算系统的简化图。

图4是示出了根据一些实施例的神经网络的简化图。

具体实施方式