-
公开(公告)号：CN114119689B
公开(公告)日：2024-06-07
申请号：CN202111461476.1
申请日：2021-12-02
Applicant: 厦门大学
Abstract: 基于深度学习的多模态医学图像无监督配准方法及系统，涉及医学图像配准。制作模拟仿真样本，将浮动图像、参考图像及浮动图像的序列相关信息输入配准子网络N1，利用所得形变场对浮动图像重采样得初步配准图像；将初步配准图像、参考图像及原序列相关信息输入配准网络N2，利用所得最终形变场对初步配准图像重采样得最终配准图像，通过计算配准图像与参考图像间的损失函数对网络优化从而达到非刚性医学图像的精确配准。系统设有数据仿真模块、网络训练样本预处理模块、神经网络模型训练模块、待配准样本及序列信息预处理模块和无监督配准模块。解决深度学习方法对数据样本的依赖性。只需协同输入待配准浮动图像的序列信息图即可精确完成配准。
-
公开(公告)号：CN117934650A
公开(公告)日：2024-04-26
申请号：CN202410101066.3
申请日：2024-01-24
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于域自适应的体素内不相干运动磁共振成像重建方法及装置，包括：构建体素内不相干运动参数预测模型并通过模拟的扩散加权图像序列训练，得到预训练的体素内不相干运动参数预测模型；获取真实的扩散加权图像序列，对真实的扩散加权图像序列进行预处理，得到预处理后的扩散加权图像序列，采用预处理后的扩散加权图像序列对预训练的体素内不相干运动参数预测模型进行自监督训练，得到微调后的体素内不相干运动参数预测模型；将预处理后的扩散加权图像序列输入微调后的体素内不相干运动参数预测模型，得到重建的体素内不相干运动参数图。本发明能够提升体素内不相干运动参数图重建的稳定性，同时大幅缩短重建时间。
-
公开(公告)号：CN116299107A
公开(公告)日：2023-06-23
申请号：CN202310329562.X
申请日：2023-03-30
Applicant: 厦门大学
Abstract: 基于重叠回波的磁共振快速水脂分离定量成像方法及系统，涉及磁共振成像领域。包括：设计基于重叠回波的水脂分离磁共振成像序列并确定其采样参数；在满足序列和序列参数性能要求的先进磁共振仪中添加序列及设置采样参数，并完成数据采集，获取磁共振数据；生成深度神经网络的训练样本；采用训练样本对深度神经网络进行训练，得到训练好的深度神经网络；采用训练好的深度神经网络和所述磁共振成像序列采集的数据，重建水脂分离图像。能够实现磁共振快速水脂分离成像，并得到准确的水脂T2、T2*定量参数值及准确的脂肪分数图。
-
公开(公告)号：CN112924913B
公开(公告)日：2022-08-12
申请号：CN202110141998.7
申请日：2021-02-02
Applicant: 厦门大学
IPC: G01R33/54
Abstract: 本发明提供了一种时空编码磁共振成像超分辨率重建方法及系统。本发明根据待测样品的特征生成设定量的模拟样品；根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；根据模拟实验方案生成深度神经网络的训练样本集；确定用于时空编码磁共振成像重建的深度神经网络；采用训练样本集训练深度神经网络，获得训练好的深度神经网络；对待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据；将待重建时空编码磁共振成像数据输入训练好的深度神经网络，获得待测样品的高分辨率时空编码磁共振图像。本发明解决了现有重建方法迭代求解时间长、重建结果未能完全消除混叠伪影、图像边缘信息模糊等问题。
-
公开(公告)号：CN113030813A
公开(公告)日：2021-06-25
申请号：CN202110215919.2
申请日：2021-02-26
Applicant: 厦门大学
IPC: G01R33/48
Abstract: 本发明提供了一种磁共振T2定量成像方法及系统，涉及磁共振成像领域。方法包括：设计多扫描多重叠回波T2定量成像脉冲序列并确定其采样参数；利用脉冲序列对待测样品进行多次扫描采样并对采样得到的信号进行处理得到待重建多扫描多重叠回波图像；根据待测样品特征生成设定量的训练样本；确定用于T2定量图像重建的深度神经网络并采用设定量的训练样本对该深度神经网络进行训练；将待测样品的待重建多扫描多重叠回波图像输入训练好的深度神经网络进行重建，得到待测样品的高分辨的T2定量图像。
-
Patent Agency Ranking
公开(公告)号：CN111062994A
公开(公告)日：2020-04-24
申请号：CN201911173109.4
申请日：2019-11-26
Applicant: 厦门大学
Abstract: 本发明公开一种化学交换饱和转移对比图像的重建方法。该方法包括：生成深度神经网络的训练样本；采用所述训练样本对深度神经网络进行训练，得到训练好的神经网络模型；采用所述训练好的深度神经网络和PROPELLER欠采样的化学交换饱和转移(CEST)图像，重建CEST对比图像。本发明能够有效缩短CEST对比成像实验时间，并使图像更加平滑，重建结果更加准确。本发明还公开了一种化学交换饱和转移对比图像的重建系统，以实现上述重建方法。
-
公开(公告)号：CN110940944A
公开(公告)日：2020-03-31
申请号：CN201911226733.6
申请日：2019-12-04
Applicant: 厦门大学
Abstract: 基于深度学习的磁共振信号的去J耦合方法，涉及磁共振信号。根据磁共振波谱信号的特征，构建网络输入数据的数学模型和网络标签，即无J耦合现象的频谱实部的数学模型，由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建网络模型，设置好相关的训练参数；将训练集数据输入到网络模型中训练网络，调整网络参数，直至损失函数下降至收敛并趋于稳定，得到功能化的网络模型；将测试集数据信号输入到训练后的功能化的网络模型中，得到经网络去耦合得到的理想吸收谱图，并与标签进行比较以验证网络的性能。实现去耦合以及去噪的功能，实现端到端的功能，无需对谱信号进行预处理等其他辅助手段操作，使用神经网络真正实现去耦合去噪功能。
-
公开(公告)号：CN110889897A
公开(公告)日：2020-03-17
申请号：CN201911148171.8
申请日：2019-11-21
Applicant: 厦门大学
Abstract: 本发明公开了一种体素内不相干运动磁共振成像参数重建方法及系统。该方法包括：在模拟区域内生成的几何图形内设置D参数、f参数、D*参数和S(0)参数，判断所有几何图形总区域是否覆盖模拟区域；若覆盖，生成D参数图、f参数图、D*参数图和S(0)参数图；生成与每一个b值对应的磁共振扩散加权图像，对神经网络模型进行训练，得到训练好的神经网络模型；对k空间数据进行傅里叶变换和归一化处理，将归一化的磁共振扩散加权图像输入训练好的神经网络模型，得到重建后的IVIM参数图像。采用本发明的方法及系统，解决了逐点拟合导致的重建结果呈现颗粒感的问题，图像更加平滑，考虑了小b值对IVIM双指数模型的影响，提高了重建效果。
-
公开(公告)号：CN108132274B
公开(公告)日：2019-08-16
申请号：CN201711396029.6
申请日：2017-12-21
Applicant: 厦门大学
Abstract: 不均匀磁场下回波平面成像无参考扫描图像畸变矫正方法，涉及核磁共振成像重建方法。利用单扫描回波平面成像序列对信号进行编码和采样，在一次90°脉冲激发后，通过一系列回波梯度采样获得整个k空间信号，不均匀磁场的影响在整个采样过程中积累。采样的信号通过二维傅里叶变换重建出图像，其中实部和虚部分别作为残差神经网络的输入。神经网络的训练来自于模拟数据集。首先随机生成标签，然后根据采样条件获得与标签对应的畸变的图像用于输入。批量生成多组数据用于训练网络。调整网络的超参数以保证训练误差能够收敛。最后导入训练好的网络参数并输入实测单扫描回波平面成像数据，可以获得无畸变的图像。
-
公开(公告)号：CN110109036A
公开(公告)日：2019-08-09
申请号：CN201910440035.X
申请日：2019-05-24
Applicant: 厦门大学
IPC: G01R33/48 , G01R33/56 , G01R33/565
Abstract: 二维时空编码多扫磁共振成像非笛卡尔采样及重建方法，涉及磁共振成像方法。使用Matlab生成Chirp线性扫频脉冲；使用Matlab生成与Chirp脉冲相匹配的螺旋解码梯度；编写序列程序代码，在成像仪上编译并通过；准备好实验样品，将其固定在成像仪成像区域；找到成像区域，确定层选信息，进行调谐、匀场、频率校正和功率校正；测量Chirp脉冲功率；调出编译的序列，加入生成的Chirp线性扫频脉冲和螺旋解码梯度，设置好相关参数；设置层选参数，采集图像得到k空间数据；对得到的k空间数据进行网格化处理，并进行超分辨率重建。采用的非笛卡尔采样方式具有抵抗混叠伪影、高采样效率和对硬件要求较低等优势。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.023 seconds)
