-
公开(公告)号：CN110109036B
公开(公告)日：2020-07-03
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。
-
公开(公告)号：CN110942496A
公开(公告)日：2020-03-31
申请号：CN201911278368.3
申请日：2019-12-13
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 基于螺旋桨采样和神经网络的磁共振图像重建方法及系统，涉及磁共振成像技术领域。通过螺旋桨采样的方式，对获取的公开磁共振图像数据集进行欠采样，得到N个k空间数据带；分别对N个k空间数据带重建得到N张临时图像，并进行运动估计和校正，得到校正后的N张临时图像；对神经网络模型进行训练，得到训练好的神经网络模型；将实采待重建的N张临时图像输入到训练好的神经网络模型，得到重建后的磁共振图像。可在更少的采样时间内获得更高的图像重建精度，同时通过结合传统的运动校正和神经网络模型的预测，来避免运动伪影和欠采导致的混叠伪影的干扰。具有更快的重建速度和更高的图像重建精度。
-
公开(公告)号：CN109100669B
公开(公告)日：2020-01-14
申请号：CN201810765276.7
申请日：2018-07-12
Applicant: 厦门大学
IPC: G01R33/50 , G01R33/54 , G01R33/563 , A61B5/055
Abstract: 基于重叠回波的单扫描同步磁共振扩散及T2成像方法，涉及磁共振成像。用两个相同偏转角的小角度激发脉冲和两个回波链采样产生四个回波，每个回波链采集两个回波信号。在第一个激发脉冲之后有一段演化时间和一对扩散梯度，使得第一次采样中的两个回波信号的横向弛豫时间和扩散加权不同。每个激发脉冲之后都加一个频率维和相位维的移位梯度使得不同的激发脉冲产生的信号在k空间的位置不一样。在第一次采样结束后，用一个重聚脉冲重聚两个回波信号，然后进行第二次采样，在第二次采样中可获得两个具有相同横向弛豫时间和不同扩散加权的回波信号。将采样信号用深度学习进重建得到定量T2和ADC图像，可在单次扫描中获得T2和ADC图像。
-
公开(公告)号：CN105548928B
公开(公告)日：2018-04-24
申请号：CN201510887987.8
申请日：2015-12-04
Applicant: 厦门大学
IPC: G01R33/565
Abstract: 一种基于分段激发时空编码的多层超快速磁共振成像方法，涉及磁共振成像的方法。将成像物体分成几段，在激发阶段使用90°段选sinc脉冲选择成像段，通过180°的线性调频脉冲使段内质子自旋获得二次相位，从而对成像段内的质子自旋进行时空编码；通过与90°段选脉冲相同的脉冲将二次相位信息存储；衔接层选90°sinc脉冲，对该层质子解码和采样。通过设计层选脉冲的中心频率和解码采样梯度，获得段内多个层面的磁共振数据。通过修改段选脉冲的中心频率选择不同的成像段，并重复上述操作获得整个成像物体的多层数据。将获得的每一层的磁共振数据，依次进行高分辨重建，最后得到多层高分辨磁共振图像。
-
公开(公告)号：CN105232045B
公开(公告)日：2017-12-29
申请号：CN201510833529.6
申请日：2015-11-26
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 基于双回波的单扫描定量磁共振扩散成像方法，涉及磁共振成像的方法。用两个相同翻转角的小角度激发脉冲产生两个相同演化时间的回波，因而具有相同的横向弛豫时间，在每个激发脉冲后加一个移位梯度实现两个回波信号在信号空间中心偏移，并在第一个激发脉冲后加扩散梯度，这样只有第一个回波信号存在扩散衰减，从而获得不同扩散因子下的信号。这两个回波信号来自同一个成像切片，因此可以利用两个回波信号之间的先验知识分离这两个回波信号，并利用稀疏变换配合相应的分离算法对这两个回波信号进行分离。最后对分离得到的两个信号进行表观扩散系数计算得到定量ADC图像。利用该方法获得单次扫描的定量ADC成像，且得到的ADC图像质量好。
-
Patent Agency Ranking
公开(公告)号：CN107045115A
公开(公告)日：2017-08-15
申请号：CN201710309395.7
申请日：2017-05-04
Applicant: 厦门大学
Abstract: 基于双回波的单扫描定量磁共振T2*成像方法，涉及磁共振成像，用两个相同偏转角的小角度激发脉冲，并在第一个激发脉冲后加一段演化时间，产生两个演化时间不同的回波，使得两个回波具有不同的横向弛豫时间，在每个激发脉冲后加一个散相梯度实现两个回波信号在信号空间中心偏移。这两个回波信号来自同一个成像切片，因此可以利用两个回波信号之间的先验知识：两者的结构类似和联合边缘的稀疏性来分离这两个回波信号，并利用合适的稀疏变换配合相应的分离算法对这两个回波信号进行分离。最后对分离得到的两个信号进行T2*计算得到定量T2*图像。
-
公开(公告)号：CN103809140B
公开(公告)日：2016-04-20
申请号：CN201410057472.0
申请日：2014-02-20
Applicant: 厦门大学
IPC: G01R33/48
Abstract: 本发明公开了基于单扫描超快速正交时空编码的小视野磁共振成像方法。该方法通过正交分布的空间编码梯度和线性扫频脉冲的有机结合，在激发阶段使空间内的质子自旋获得一个和空间位置相关的二次相位，从而对成像平面内的质子自旋进行两维的时空编码；对于经过正交时空编码空间内的质子自旋，在解码采样期只有静态相位分布的质子自旋才能被检测到，根据正交时空编码的这种特性，通过设计解码采样梯度，就可以对空间内多个任意分布的区域进行解码采样，最终获得多个感兴趣区域的磁共振数据。将获得的多个区域的磁共振数据，依次进行高分辨重建，最后就可以得到多个区域的高分辨的小视野磁共振图像。
-
公开(公告)号：CN104267361A
公开(公告)日：2015-01-07
申请号：CN201410538141.9
申请日：2014-10-13
Applicant: 厦门大学
IPC: G01R33/56
Abstract: 基于结构特征的自适应定量磁化率分布图复合重建的方法，涉及定量磁化率成像。基于幅值图像结构特征先验的磁化率分布图基础重建，重建模型包含具有压缩感知特性的保真项和具有稀疏特性的幅值先验正则化约束项，并且通过添加感兴趣区域从幅值图像中提取二值加权矩阵，对原始磁化率分布进行二值加权；基于磁化率分布结构特征的磁化率分布图复合重建，重建模型包含最小二乘保真项、由基础重建获得的磁化率分布图构造的结构特征正则化约束项以及改善重建磁化率分布效果的平滑项，磁化率结构特征先验定义为3D图像数据在三个方向上的一阶梯度信息；对于l1范数优化问题，采用迭代阈值法进行处理；之后基于l2范数的凸函数性质，用共轭梯度法进行求解。
-
公开(公告)号：CN114463320B
公开(公告)日：2024-01-26
申请号：CN202210143820.0
申请日：2022-02-17
Applicant: 厦门大学
IPC: G06T7/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明涉及图像分割及检测技术领域，具体涉及一种磁共振成像脑胶质瘤IDH基因预测方法及系统，该方法包括：构建脑胶质瘤区域预测网络；预测网络包括生成网络、判别网络和分割网络；生成网络用于源域数据集和目标域数据集域间的自适应转换；基于损失目标函数采用源域和目标域数据集训练预测网络；损失目标函数根据对抗损失、循环一致性损失、分割损失和分割一致性损失确定；采用训练好的脑胶质瘤区域预测网络对待预测磁共振图像进行脑胶质瘤区域分割；分别采用放射组学和深度神经网络提取分割后的脑胶质瘤区域组学特征和深度特征；将组学特征和深度特征结合作为随机森林算法的输入，
-
公开(公告)号：CN117017263A
公开(公告)日：2023-11-10
申请号：CN202311039313.3
申请日：2023-08-17
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 一种同时多层磁共振参数定量成像方法，涉及磁共振成像。包括以下步骤：S1：设计同时多层磁共振参数定量成像脉冲序列；S2：生成深度神经网络的训练样本；S3：采用所述训练样本对深度神经网络进行训练，得到训练好的深度神经网络；S4：采用所述同时多层磁共振参数定量成像脉冲序列采集实际成像物体的k空间数据并进行预处理，得到所述实际成像物体的混叠图像；S5：采用所述训练好的深度神经网络对所述实际成像物体的混叠图像进行重建，获得多层磁共振参数定量图像。该方法能一次扫描实现多层磁共振参数定量成像，不仅可用于较低的加速倍数，也适用于高加速倍数，缩短定量成像的采集时间。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.019 seconds)
