[发明专利]图像重建方法及设备

权利要求书

1.一种重建磁共振(MR)图像的方法，所述方法包括：

获得与解剖结构相关联的欠采样MR数据的集合，其中，所述欠采样MR数据的集合包括与多个对比度设置、多个线圈和读出方向相关联的数据；

选择所述欠采样MR数据的第一部分，所述第一部分对应于所述多个对比度设置的第一子集、所述多个线圈的第一子集或所述读出方向上的第一节段；

使用一个或多个神经网络基于所述欠采样MR数据的所述第一部分来重建所述解剖结构的第一MR图像；

选择所述欠采样MR数据的第二部分，所述第二部分对应于所述多个对比度设置的第二子集、所述多个线圈的第二子集或所述读出方向上的第二节段；以及

使用所述一个或多个神经网络基于所述欠采样MR数据的所述第二部分来重建所述解剖结构的第二MR图像。

2.根据权利要求1所述的方法，其中，所述第一MR图像独立于所述第二MR图像来重建，或，所述第二MR图像基于所述第一MR图像来重建。

3.根据权利要求1所述的方法，其中，所述欠采样MR数据的所述第一部分和所述第二部分与相同的对比度设置但不同的线圈相关联。

4.根据权利要求3所述的方法，其中，所述欠采样MR数据的所述第一部分和所述第二部分与所述读出方向上的不同节段相关联。

5.根据权利要求1所述的方法，还包括：通过结合至少所述第一MR图像和所述第二MR图像来生成所述解剖结构的目标MR图像。

6.根据权利要求1所述的方法，其中，所述一个或多个神经网络包括级联卷积神经网络(CNN)，所述CNN包括一个或多个数据一致性层，或，所述一个或多个神经网络包括多个深度方向可分离的卷积层。

7.根据权利要求1所述的方法，其中，所述欠采样MR数据的集合包括二维或三维MR数据。

8.一种设备，包括：

一个或多个处理器，其被配置为：

获得与解剖结构相关联的欠采样MR数据的集合，其中，所述欠采样MR数据的集合包括与多个对比度设置、多个线圈和读出方向相关联的数据；

选择所述欠采样MR数据的第一部分，所述第一部分对应于所述多个对比度设置的第一子集、所述多个线圈的第一子集或所述读出方向上的第一节段；

使用一个或多个神经网络基于所述欠采样MR数据的所述第一部分来重建所述解剖结构的第一MR图像；

选择所述欠采样MR数据的第二部分，所述第二部分对应于所述多个对比度设置的第二子集、所述多个线圈的第二子集或所述读出方向上的第二节段；以及

使用所述一个或多个神经网络基于所述欠采样MR数据的所述第二部分来重建所述解剖结构的第二MR图像。

9.根据权利要求8所述的设备，其中，所述一个或多个神经网络各自具有经由神经架构搜索确定的结构。

10.一种训练神经网络以学习用于重建磁共振(MR)图像的模型的方法，所述方法包括：

所述神经网络接收MR训练数据集的第一部分，其中，所述MR训练数据集包括与解剖结构、多个对比度设置、多个线圈和读出方向相关联的欠采样MR数据，并且其中，所述训练数据集的所述第一部分对应于所述多个对比度设置的第一子集、所述多个线圈的第一子集或所述读出方向上的第一节段；

所述神经网络基于所述训练数据集的所述第一部分来重建所述解剖结构的第一MR图像；

所述神经网络基于所述第一MR图像与第一金标准图像之间的差异来调节一个或多个执行参数；

所述神经网络接收所述训练数据集的第二部分，其中，所述训练数据集的所述第二部分对应于所述多个对比度设置的第二子集、所述多个线圈的第二子集或所述读出方向上的第二节段；

所述神经网络基于所述训练数据集的所述第二部分来重建所述解剖结构的第二MR图像；以及

所述神经网络还基于所述第二MR图像与第二金标准图像之间的差异来调节所述一个或多个执行参数。