-
公开(公告)号：CN114972562A
公开(公告)日：2022-08-30
申请号：CN202210555015.9
申请日：2022-05-20
Applicant: 厦门大学
Abstract: 联合线圈灵敏度估计与图像重建的快速磁共振成像方法，包括以下步骤：1)获取多线圈磁共振傅里叶空间数据和欠采样模板，并生成欠采样填零的多线圈图像、完整的多线圈灵敏度映射图与磁共振图像共同组成训练集；2)设计基于稀疏模型展开的联合磁共振灵敏度估计与图像重建深度学习网络模型、网络的反馈功能及损失函数；3)利用步骤1)获得的训练集，求解基于稀疏模型展开的深度学习网络的最优参数；4)将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络重建磁共振图像。通过联合磁共振线圈灵敏度估计和图像的稀疏性，以传统最优化方法为指导设计深度神经网络，具有线圈灵敏度估计准、图像重建速度快和重建质量高的特点。
-
公开(公告)号：CN113129401B
公开(公告)日：2022-08-30
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：CN111784793B
公开(公告)日：2022-05-03
申请号：CN202010627758.3
申请日：2020-07-01
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种动态磁共振成像重建方法，涉及动态磁共振成像。包括以下步骤：1)提出一个时间空间联合加权稀疏约束的重建模型；2)通过迭代运算重建三维动态磁共振图像；3)利用重建得到的三维动态磁共振图像对结果进行修正，加快三维动态磁共振图像重建的收敛速度。同时利用三维动态磁共振图像时间维和空间维冗余信息并且可区分时间维稀疏和空间维稀疏各自重要性的三维稀疏约束重建来加快高空间时间分辨率动态磁共振成像时的一种三维图像重建方法。实现了动态磁共振图像的快速重建，并且保证重建结果具有较高的空间分辨率和时间分辨率。
-
公开(公告)号：CN113143243A
公开(公告)日：2021-07-23
申请号：CN202110213802.0
申请日：2021-02-25
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 一种基于谱分解的深度学习磁共振波谱重建方法，涉及磁共振波谱重建方法。基于磁共振波谱时域信号的指数函数特性，生成仿真信号；将仿真信号进行欠采样作为网络的输入，对应的全采样信号作为输出的标签，构建出网络训练集；设计基于谱分解的深度学习网络迭代块，并对网络执行反馈操作，生成重建模型；用上述训练集对网络进行训练后，将需要进行重建的欠采样核磁共振波谱信号作为网络的输入，获得输出的重建波谱信号。这种通过对磁共振信号进行谱分解的深度学习重建方法在重建过程中充分保护和利用了谱峰信息，具有重建速度快、重建质量高的优势。
-
公开(公告)号：CN111784793A
公开(公告)日：2020-10-16
申请号：CN202010627758.3
申请日：2020-07-01
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种动态磁共振成像重建方法，涉及动态磁共振成像。包括以下步骤：1)提出一个时间空间联合加权稀疏约束的重建模型；2)通过迭代运算重建三维动态磁共振图像；3)利用重建得到的三维动态磁共振图像对结果进行修正，加快三维动态磁共振图像重建的收敛速度。同时利用三维动态磁共振图像时间维和空间维冗余信息并且可区分时间维稀疏和空间维稀疏各自重要性的三维稀疏约束重建来加快高空间时间分辨率动态磁共振成像时的一种三维图像重建方法。实现了动态磁共振图像的快速重建，并且保证重建结果具有较高的空间分辨率和时间分辨率。
-
Patent Agency Ranking
公开(公告)号：CN108090871B
公开(公告)日：2020-05-08
申请号：CN201711354454.9
申请日：2017-12-15
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种基于卷积神经网络的多对比度磁共振图像重建方法，涉及磁共振成像。首先获取多对比度磁共振的低分辨率和高分辨率图像，然后建立多对比度磁共振图像重建的卷积神经网络模型，再利用多对比度的磁共振图像作为训练集对卷积神经网络进行训练，最后将低分辨率的磁共振图像以及对应的参考图像输入到网络来重建高分辨率的磁共振图像。这种通过深度学习利用多对比度图像之间结构相似性的图像重建方法具有重建速度快和重建效果好的特点。
-
公开(公告)号：CN109615675A
公开(公告)日：2019-04-12
申请号：CN201811473256.9
申请日：2018-12-04
Applicant: 厦门大学
Inventor： 屈小波
IPC: G06T11/00
Abstract: 一种多通道磁共振成像的图像重建方法，涉及磁共振成像。首先建立结合低秩汉克尔矩阵与数据一致性的图像重建模型，接着建立避免奇异值分解的改进重建模型，然后通过迭代算法重建磁共振的傅里叶空间数据，最后将傅里叶空间数据变换为最终的磁共振图像。通过结合低秩汉克尔矩阵与数据一致性，利用了并行磁共振的线圈之间的相关性，减轻了不精确的灵敏度图的影响，因此能够重建出伪影抑制更好，边缘保留更多的磁共振图像，能有效地抑制伪影，保留更多的边缘特征。
-
公开(公告)号：CN105137373B
公开(公告)日：2017-12-08
申请号：CN201510438400.5
申请日：2015-07-23
Applicant: 厦门大学
Abstract: 一种指数信号的去噪方法，涉及信号的去噪方法。提供效果优良、易于操作的一种指数信号的去噪方法。对指数信号进行建模：将指数信号按设定的顺序填充在一个汉克尔矩阵当中，建立汉克尔矩阵低秩重建模型，最后通过求解这个模型对信号进行去噪。不仅速度快，精度高，同时可根据测量的噪声方差设定参数。在实际应用中，比如核磁共振波谱的时间域信号，符合这种指数特征的信号，则可以通过采用这种最优化模型实现信号的去噪，从而达到降低采样时间，提高谱图分辨率的目的。实现了效果优良且易于操作的一种指数信号的去噪方法。
-
公开(公告)号：CN107423543A
公开(公告)日：2017-12-01
申请号：CN201710245787.1
申请日：2017-04-14
Applicant: 厦门大学
Inventor： 屈小波
IPC: G06F19/00
Abstract: 一种超复数磁共振波谱的快速重建方法，涉及磁共振波谱。提供一种可以从欠采样的超复数磁共振波谱中重建出完整的磁共振波谱的方法。首先将获得的欠采样超复数磁共振波谱填充到分块汉克尔矩阵中；接着将超复数分块汉克尔矩阵转换成超复数伴随矩阵；然后构建以对应超复数伴随矩阵的核范数最小化的重建模型；最后采用快速算法求解重建模型，从而得到完整的磁共振波谱。
-
公开(公告)号：CN119251074B
公开(公告)日：2025-04-29
申请号：CN202411784782.2
申请日：2024-12-06
Applicant: 厦门大学
IPC: G06T5/60 , G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种物理智能磁共振扩散加权图像去噪和定量方法，涉及扩散磁共振加权成像。包括以下步骤：1）获取利用多扩散方向的平面回波成像序列采集的扩散加权磁共振数据；2）设计物理智能磁共振扩散加权图像去噪与定量的深度学习网络模型及损失函数；3）利用步骤1）获得的训练数据集，训练物理智能磁共振扩散加权图像去噪与定量的深度学习网络模型；4）将待去噪的扩散加权数据输入到训练好的网络中，生成最终的去噪与定量结果。通过物理正则化损失和低b值数据的联合应用，有效解决磁共振扩散加权成像中的低信噪比问题，实现图像去噪，并进一步提供准确的定量结果。在减少采集次数的同时能够保持甚至提升图像质量和ADC定量准确性。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.02 seconds)
