[发明专利]用于图像重建的系统和方法

说明书

提供了一种用于磁共振成像(MRI)中的图像重建的系统。系统可以获得与对象相关联的欠采样的k空间数据，其中，欠采样的k空间数据可以基于磁共振(MR)信号来生成，这些MR信号由扫描对象的MR扫描仪收集。系统将基于欠采样的k空间数据的MR图像的重建过程，构建常微分方程(ODE)。系统还可以通过使用ODE求解器基于欠采样的k空间数据求解ODE来生成对象的MR图像。

技术领域

本公开总体涉及图像重建，更具体地涉及用于使用常微分方程(ODE)进行图像重建的系统和方法。

背景技术

诸如磁共振成像(MRI)的医学成像广泛用于各种身体状况(例如肿瘤、冠心病或脑部疾病)的疾病诊断和/或治疗。图像重建是医学成像领域中用来将扫描数据转换成图像的关键技术。常规上，图像重建通过基于扫描数据求解优化问题来执行，这是耗时的并且需要大量的计算资源。因此，期望提供用于图像重建的系统和方法，从而提高医学分析和/或诊断的效率和准确度。

发明内容

本公开的一个方面涉及一种用于MRI中的图像重建的系统。系统可以包括：至少一个储存装置，其包括指令集；和至少一个处理器，其与至少一个储存装置通信。当执行该指令集时，可以指示至少一个处理器执行操作。操作可以包括：获得与对象相关联的欠采样的k空间数据，其中，欠采样的k空间数据可以基于磁共振(MR)信号来生成，这些MR信号由扫描对象的MR扫描仪收集。操作还可以包括：将基于欠采样的k空间数据的MR图像的重建过程构建ODE；以及通过使用ODE求解器基于欠采样的k空间数据求解ODE来生成对象的MR图像。

在一些实施例中，训练过的神经网络模型可以包括卷积神经网络(CNN)模型、卷积循环神经网络(RNN)模型和/或级联神经网络模型。

在一些实施例中，ODE求解器可以包括欧拉(Euler)算法、中值算法和/或龙格-库塔(Runge-Kutta)算法。

本公开的另外方面涉及一种用于MRI中的图像重建的方法。该方法可以在包括至少一个处理器和至少一个储存装置的计算装置上实施。方法可以包括：获得与对象相关联的欠采样的k空间数据，其中，欠采样的k空间数据可以基于MR信号来生成，这些MR信号由扫描对象的MR扫描仪收集。方法还可以包括：将基于欠采样的k空间数据的MR图像的重建过程构建ODE；以及通过使用ODE求解器基于欠采样的k空间数据求解ODE来生成对象的MR图像。

本公开的又一方面涉及一种包括可执行指令的非瞬时性计算机可读介质。当可执行指令由至少一个处理器执行时，可执行指令可以引导至少一个处理器执行一种方法。方法可以包括：获得与对象相关联的欠采样的k空间数据，其中，欠采样的k空间数据可以基于MR信号来生成，这些MR信号由扫描对象的MR扫描仪收集。方法还可以包括：将基于欠采样的k空间数据的MR图像的重建过程构建ODE；以及通过使用ODE求解器基于欠采样的k空间数据求解ODE来生成对象的MR图像。

附加特征将部分在以下描述中阐述，并且将部分在审查以下内容和附图时对本领域技术人员变得显而易见，或者可以通过示例的产生或操作来学习。本公开的特征可以通过实践或使用在下面讨论的详细示例中阐述的方法、装置以及组合的各个方面来实现和获得。

附图说明

本公开根据示例性实施例来进一步描述。这些示例性实施例参见附图来详细描述。这些实施例是非限制性的示例性实施例，其中在附图的若干视图中，同样的附图标记表示类似的结构，并且附图中：

图1是例示了根据本公开的一些实施例的示例性MRI系统的示意图；

图2是例示了根据本公开的一些实施例的计算装置的示例性硬件和/或软件部件的示意图；

图3是例示了根据本公开的一些实施例的移动装置的示例性硬件和/或软件部件的示意图；

图4A和图4B是例示了根据本公开的一些实施例的示例性处理装置的框图；