[发明专利]基于深度学习的图像采集医学系统和方法

权利要求书

1.一种医学成像系统，包括：

至少一个医学成像设备，所述至少一个医学成像设备提供受检者的图像数据；

处理系统，所述处理系统被编程为：

使用多个训练图像训练深度学习(DL)网络以预测输入数据中的噪声，其中所述多个训练图像包括针对每行k空间训练数据采集的多个激发(NEX)图像；

使用所训练的DL网络来确定所述受检者的所述图像数据中的噪声；以及

基于所述图像数据中的所确定的噪声生成所述受检者的具有减少的噪声的去噪医学图像。

2.根据权利要求1所述的医学成像系统，其中所述多个NEX图像包括至少一对NEX图像。

3.根据权利要求2所述的医学成像系统，其中所述处理系统被编程为通过为所述DL网络提供所述至少一对的所述NEX图像中的一个NEX图像作为输入图像和从所述至少一对的NEX图像导出的目标噪声作为目标图像来训练所述DL网络。

4.根据权利要求3所述的医学成像系统，其中所述DL网络包括两个级联的密集块以预测所述输入图像中的噪声。

5.根据权利要求4所述的医学成像系统，其中所述目标噪声是所述输入图像中存在的真实噪声的实现。

6.根据权利要求4所述的医学成像系统，其中通过在所述输入图像中添加所述预测的噪声来生成所述DL网络的输出图像。

7.根据权利要求4所述的医学成像系统，其中调整密集块的参数值以减少所述DL网络的所述输出与所述DL网络的所述目标图像之间的差异。

8.根据权利要求7所述的医学成像系统，其中将损失函数应用于所述DL网络的所述输出与所述DL网络的所述目标图像之间的所述差异以调整密集块的所述参数值。

9.根据权利要求1所述的医学成像系统，其中生成所述去噪医学图像包括从所述受检者的所述图像数据中减去所述图像数据的所述噪声。

10.一种用于对受检者进行成像的方法，包括：

使用多个训练图像训练深度学习(DL)网络以预测输入数据中的噪声，其中所述多个训练图像包括针对每行k空间训练数据使用磁共振(MR)成像设备采集的多个激发(NEX)图像；

利用所述MR成像设备来生成所述受检者的图像数据；

将所述受检者的所述图像数据作为输入提供给经过训练的深度学习网络模型来确定所述受检者的所述图像数据中的噪声；

基于所述图像数据中的所确定的噪声生成所述受检者的具有减少的伪影的去噪医学图像。

11.根据权利要求10所述的方法，其中所述多个NEX图像包括至少一对NEX图像。

12.根据权利要求11所述的方法，其中训练所述DL网络包括为所述DL网络提供所述至少一对的所述NEX图像中的一个NEX图像作为输入图像和从所述至少一对的另一NEX图像导出的目标噪声作为目标图像。

13.根据权利要求10所述的方法，其中所述DL网络包括两个级联的密集块以预测所述输入图像中的噪声。

14.根据权利要求13所述的方法，其中所述方法还包括调整密集块的参数值以减少所述DL网络的所述输出与所述DL网络的所述目标图像之间的差异。

15.根据权利要求14所述的方法，其中调整所述密集块的所述参数值包括应用损失函数来评估DL输入和输出错配。

16.根据权利要求10所述的方法，其中生成所述去噪医学图像包括从所述受检者的所述图像数据中减去所述图像数据的所述噪声。