[发明专利]一种基于深度学习的欠采样核磁共振图像重建方法有效
| 申请号： | 201910784735.0 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110570486B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 李秀;严江鹏 | 申请（专利权）人： | 清华大学深圳研究生院 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 江耀纯 |
| 地址： | 518055 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的欠采样核磁共振图像重建方法，包括如下步骤：S1：构造深度神经网络，所述深度神经网络包括：至少1个小网络单元、至少1个压缩的小网络单元和输出模块；S2：构建候选操作池，所述候选操作池包括所述小网络单元和/或压缩小网络单元的节点之间的相互连接方式；S3：使用微分网络结构搜索算法从所述候选操作池中搜索所述节点之间的可能操作，得到最优的深度神经网络结构。在特定的计算资源情况下设计出最适合核磁共振图像重建的深度神经网络模型；调整小网络单元、压缩的小网络单元以及每个单元内部的计算节点数目，灵活限定模型所需要占据的计算资源，设计出灵活多变的高质量核磁共振重建深度网络。 | ||
| 搜索关键词： | 一种 基于 深度 学习 采样 核磁共振 图像 重建 方法 | ||
【主权项】：
1.一种基于深度学习的欠采样核磁共振图像重建方法，其特征在于，包括如下步骤：/nS1：构造深度神经网络，所述深度神经网络包括：至少1个小网络单元、至少1个压缩的小网络单元和输出模块；/nS2：构建候选操作池，所述候选操作池包括所述小网络单元和/或压缩小网络单元的节点之间的相互连接方式；/nS3：使用微分网络结构搜索算法从所述候选操作池中搜索所述节点之间的可能操作，得到最优的深度神经网络结构。/n
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清华大学深圳研究生院，未经清华大学深圳研究生院许可，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/201910784735.0/，转载请声明来源钻瓜专利网。
