-
公开(公告)号：CN113129401A
公开(公告)日：2021-07-16
申请号：CN202110303696.5
申请日：2021-03-22
Applicant: 厦门大学
Inventor： 屈小波
IPC: G06T11/00
Abstract: 一种参数化磁共振成像的图像重建方法，涉及磁共振成像。包括以下步骤：1)数据准备；待重建的参数化磁共振图像信号表示为高维矩阵，整个参数化磁共振图像重建过程依次重建图像；欠采样参数化磁共振成像在傅里叶空间的数据，得到欠采样的傅里叶空间数据；2)建立基于可分离汉克尔矩阵的参数化磁共振图像重建模型；3)建立基于可分离汉克尔矩阵的参数化磁共振图像重建模型的求解算法：4)对每个频率编码位置的图像都进行重建，得到重建的参数化磁共振图像；5)重建的参数化磁共振图像通道合并，通过非线性最小二乘法拟合得到参数定量图。利用参数化成像不同维度的低秩特性，能有效抑制伪影，降低重建误差。
-
公开(公告)号：CN110378980B
公开(公告)日：2020-07-03
申请号：CN201910641089.2
申请日：2019-07-16
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种基于深度学习的多通道磁共振图像重建方法，涉及多通道磁共振图像的重建方法。包括以下步骤：获取多通道的磁共振图像，由灵敏度映射图、欠采样填零的多通道磁共振图像和全采样的合成图像共同组成训练集；建立多通道的磁共振图像重建的深度学习网络模型；构建网络的损失函数；训练多通道的磁共振图像重建网络模型参数；对目标欠采样多通道磁共振图像进行重建；对迭代块采用残差连接的方式，得到网络模型对应的从欠采样多通道图像到完整磁共振图像的端到端映射函数以及网络模型损失函数；训练残差连接方式的磁共振图像重建网络模型参数；使用残差连接的网络模型对目标欠采样多通道磁共振图像进行重建。具有重建速度快和重建效果好的优点。
-
-
公开(公告)号：CN108828482B
公开(公告)日：2019-11-26
申请号：CN201810874832.4
申请日：2018-08-03
Applicant: 厦门大学
IPC: G01R33/54
Abstract: 结合稀疏和低秩特性的欠采样磁共振扩散谱的重建方法，涉及磁共振扩散谱的欠采样重建方法。生成拉普拉斯‑傅里叶联合变换矩阵；建立一种结合稀疏和低秩特性的欠采样重建模型；基于结合稀疏和低秩特性的欠采样重建模型的求解算法；由得到恢复的扩散谱向量s，经算子作用得到的为最终恢复的扩散谱。根据实验参数生成拉普拉斯‑傅里叶联合变换矩阵；接着建立一种基于结合稀疏和低秩特性的欠采样重建模型；然后通过迭代算法重建扩散谱向量；最后将扩散谱向量转为扩散谱。本发明实现利用少量数据重建完整的磁共振扩散谱，重建精度高，抗噪声能力强。
-
公开(公告)号：CN108828482A
公开(公告)日：2018-11-16
申请号：CN201810874832.4
申请日：2018-08-03
Applicant: 厦门大学
IPC: G01R33/54
Abstract: 结合稀疏和低秩特性的欠采样磁共振扩散谱的重建方法，涉及磁共振扩散谱的欠采样重建方法。生成拉普拉斯-傅里叶联合变换矩阵；建立一种结合稀疏和低秩特性的欠采样重建模型；基于结合稀疏和低秩特性的欠采样重建模型的求解算法；由得到恢复的扩散谱向量s，经算子 作用得到的为最终恢复的扩散谱。根据实验参数生成拉普拉斯-傅里叶联合变换矩阵；接着建立一种基于结合稀疏和低秩特性的欠采样重建模型；然后通过迭代算法重建扩散谱向量；最后将扩散谱向量转为扩散谱。本发明实现利用少量数据重建完整的磁共振扩散谱，重建精度高，抗噪声能力强。
-
Patent Agency Ranking
公开(公告)号：CN108537738A
公开(公告)日：2018-09-14
申请号：CN201810110343.1
申请日：2018-02-02
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种矩阵补全方法，涉及基于低秩近似的高精度的矩阵补全方法，在实际应用中，如图像处理、商品推荐系统和磁共振波谱等领域经常需要获得大规模的数据。对大规模的数据进行采集需要消耗大量时间，一种方式是通过采集部分信号来加速数据采集。从这些数据的低秩特性出发来恢复出完整的信号，首先利用逼近函数来近似计算矩阵的秩，然后建立矩阵缺失信号的重建模型，最后通过迭代算法重建信号。重建的矩阵精度高，易于操作，可以从少量数据中恢复出完整信号。
-
公开(公告)号：CN104739410B
公开(公告)日：2017-03-15
申请号：CN201510181018.0
申请日：2015-04-16
Applicant: 厦门大学
Abstract: 一种磁共振图像的迭代重建方法，涉及磁共振成像。提供计算简单、运算速度快、占用计算机内存少的一种磁共振图像的迭代重建方法。首先提出一个解空间受限的稀疏重建模型，再通过迭代运算求解重建模型并获得重建磁共振图像，其中在每次迭代中利用相邻两次迭代的重建图像对图像进行修正，用来加快图像重建的速度。这种重建方法的参数少，重建的迭代运算复杂度低，运算速度快。同时，图像重建过程不需要额外计算变换域系数，占用少量计算机内存。
-
公开(公告)号：CN105807241A
公开(公告)日：2016-07-27
申请号：CN201610167968.2
申请日：2016-03-23
Applicant: 厦门大学
CPC classification number: G01R33/28 , G01R33/4625
Abstract: 一种利用先验信息的指数信号去噪方法，涉及指数信号的去噪方法。将先验的指数信号按设定的顺序构建出一个汉克尔矩阵，再对汉克尔矩阵进行奇异值分解，获得先验的信号空间和奇异值；接着对目标指数信号构建相同大小的汉克尔矩阵，利用先验信号空间对目标信号的矩阵进行分解；由先验的奇异值得到加权阈值后，对目标指数信号的奇异值根据加权阈值得到去噪的目标信号的汉克尔矩阵；然后将目标信号的汉克尔矩阵进行求解，最终得到去噪后的信号。利用参考信号的先验信息，速度快，效果优良且易于操作。符合指数特征的信号，比如核磁共振波谱的时间域信号，可采用这种方法实现磁共振波谱的去噪，达到降低采样时间，提高谱图信噪比的目的。
-
公开(公告)号：CN103247042B
公开(公告)日：2015-11-11
申请号：CN201310198572.0
申请日：2013-05-24
Applicant: 厦门大学
IPC: G06T5/50
Abstract: 一种基于相似块的图像融合方法，涉及数字图像处理。提供效果优良，易于操作的一种基于相似块的图像融合方法。1）构建多个源图像共享的自相似结构：在多幅源图像中进行相似块匹配，得到共享的相似块结构，所述共享的相似块中即包含了图像的自相似性；2）加权：对共享的相似块中进行图像特征提取后，按照加权的方法确定最后选取的像素值。由于利用了源图像自身的自相似性，对于源图像的特点具有一定的鲁棒性，实际应用中参数的选取范围较大。通过加权，使得融合结果更加平滑。
-
公开(公告)号：CN104932863A
公开(公告)日：2015-09-23
申请号：CN201510362290.9
申请日：2015-06-26
Applicant: 厦门大学
IPC: G06F7/556
Abstract: 一种高维指数信号数据补全方法，涉及高维数据的预测和补全方法。根据张量平行因子分解对高维指数信号建模；建立一种基于张量平行因子分解的高维数据补全模型；求解基于张量平行因子分解的高维数据补全模型；数据后处理，对求解获得的高维指数信号进行傅立叶变换，即得到补全后的高维指数信号频谱。精度高，可以从少量的数据中补全出完整的信号。在实际应用中，若目标函数可以建模成指数函数的高维信号，则可以通过采用高维指数信号补全方法，实现利用少量的数据补全获得完整的信号，从而达到克服采样设备限制，降低采样时间，提高频谱分辨率的目的。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.018 seconds)
