[发明专利]一种基于深度学习和数据一致性的磁共振重建方法有效
| 申请号： | 201810376217.0 | 申请日： | 2018-04-24 |
| 公开（公告）号： | CN108828481B | 公开（公告）日： | 2021-01-22 |
| 发明（设计）人： | 朱高杰 | 申请（专利权）人： | 朱高杰 |
| 主分类号： | G01R33/54 | 分类号： | G01R33/54;G01R33/561 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 徐金琼 |
| 地址： | 610000 四川省成都市青*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习和数据一致性的磁共振重建方法，涉及磁共振重建方法领域；其包括1：采集K空间数据并将其融入按卷积神经网络、数据一致性层顺序重复叠加组成的网络完成网络搭建；2：将K空间数据中的欠采样数据转换为卷褶图像作为已搭建网络的输入，将其的全采样数据转换为完整图像作为已搭建网络的标记数据，通过反向传播训练网络获得网络输入输出的映射关系；3：将测试集对应图像输入已完成训练的网络进行前向传播获得输出图像完成磁共振重建。本发明解决了现有基于深度学习的磁共振重建方法未充分利用已采集数据且只能处理单通道导致重建性能差和稳定性差的问题，达到了实施监督，提高学习能力，从而提高重建性能的效果。 | ||
| 搜索关键词： | 一种 基于 深度 学习 数据一致性 磁共振 重建 方法 | ||
【主权项】：
1.一种基于深度学习和数据一致性的磁共振重建方法，其特征在于：包括如下步骤：步骤1：采集K空间数据并将其融入按卷积神经网络、数据一致性层顺序重复叠加组成的网络完成网络搭建；步骤2：将K空间数据中的欠采样数据转换为卷褶图像作为已搭建网络的输入，将K空间数据中的全采样数据转换为完整图像作为已搭建网络的标记数据即输出，将标记数据作为目标通过反向传播训练网络获得网络输入输出的映射关系；步骤3：将测试集对应图像输入已完成训练的网络进行前向传播获得输出图像完成磁共振重建。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于朱高杰，未经朱高杰许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810376217.0/，转载请声明来源钻瓜专利网。
