[发明专利]去除磁共振图像中的截断伪影的深度学习系统和方法

权利要求书

1.一种从磁共振(MR)图像中去除截断伪影的计算机实现的方法，所述方法包括：

接收粗图像，所述粗图像基于来自在与高空间频率对应的k空间位置处在至少一个k空间维度中被不对称地截断的部分k空间的部分k空间数据；

使用神经网络模型分析所述粗图像，其中所述神经网络模型是用一对原始图像和损坏图像训练的，其中所述损坏图像基于来自在与所述高空间频率对应的所述k空间位置处以一个或多个部分采样图案截断的部分k空间的部分k空间数据，所述一个或多个部分采样图案包括在至少一个k空间维度中的不对称截断，所述原始图像基于与所述损坏图像的所述部分k空间数据对应的完整k空间数据，并且所述神经网络模型的目标输出图像是所述原始图像；

基于所述分析导出所述粗图像的改进图像，其中与所述粗图像相比，所述导出的改进图像包括减少的截断伪影和增加的高空间频率数据；以及

输出所述改进图像。

2.根据权利要求1所述的方法，其中所述原始图像进一步包括残留图像，所述残留图像包括所述损坏图像与所述损坏图像的基准真实图像之间的差异图像，并且所述基准真实图像基于与去除了所述截断伪影的所述损坏图像的所述部分k空间数据对应的所述完整k空间数据。

3.根据权利要求1所述的方法，其中所述损坏图像的所述部分k空间数据包括来自在至少一个k空间维度中被对称地截断的部分k空间的k空间数据，其中所述导出的改进图像中的所述增加的高空间频率数据包括所具有的空间频率高于所述部分k空间数据的空间频率的高空间频率数据。

4.根据权利要求1所述的方法，其中所述损坏图像的所述部分k空间数据包括来自在多于一个k空间维度中被不对称地截断的部分k空间的k空间数据。

5.根据权利要求1所述的方法，其中所述损坏图像的所述部分k空间数据包括第一组k空间数据和第二组k空间数据，其中所述第二组k空间数据是所述第一组k空间数据的共轭反射。

6.根据权利要求1所述的方法，其中分析所述粗图像进一步包括分析所述粗图像和所述粗图像的共轭反射图像，其中所述神经网络模型采用所述粗图像和所述共轭反射图像两者作为输入。

7.根据权利要求1所述的方法，其中所述部分k空间数据是通过多采集脉冲序列采集的，并且每次采集的所述部分k空间数据包括来自以互补部分采样图案截断的部分k空间的部分k空间数据。

8.根据权利要求1所述的方法，其中通过多通道射频(RF)线圈采集部分k空间数据，所述方法包括：

针对每个通道，

接收基于通过所述通道采集的所述部分k空间数据的粗图像；

使用所述神经网络模型来分析所述粗图像；以及

基于所述分析导出所述粗图像的改进图像；以及

将至少两个通道的改进图像组合成组合图像。

9.一种从磁共振(MR)图像中去除截断伪影的计算机实现的方法，所述方法包括：

接收一对原始图像和损坏图像，其中所述损坏图像基于来自在与高空间频率对应的k空间位置处以一个或多个部分采样图案截断的部分k空间的部分k空间数据，所述一个或多个部分采样图案包括在至少一个k空间维度中的不对称截断，所述原始图像基于与所述损坏图像的所述部分k空间数据对应的完整k空间数据；以及

通过以下方式使用所述对的所述原始图像和所述损坏图像来训练神经网络模型：

将所述损坏图像输入所述神经网络模型；

将所述原始图像设置为所述神经网络模型的目标输出；

使用所述神经网络模型来分析所述损坏图像；

将所述神经网络模型的输出与所述目标输出进行比较；以及

基于所述比较调节所述神经网络模型，

其中所述经训练的神经网络模型被配置为减少所述损坏图像中的截断伪影，并增加所述损坏图像中的高空间频率数据。