-
公开(公告)号：CN116125349A
公开(公告)日：2023-05-16
申请号：CN202211618584.X
申请日：2022-12-15
Applicant: 厦门大学
IPC: G01R33/54 , G06T11/00 , G06N3/0464 , G06N3/084 , G01R33/565
Abstract: 本发明公开一种快速高分辨多参数定量磁共振成像方法及系统，包括：设计快速高分辨多重叠回波成像脉冲序列；确定脉冲序列的采样参数；构建用于多参数定量磁共振图像重建的深度神经网络；生成深度神经网络的训练样本；使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；利用脉冲序列在设定的采样参数下对实体成像对象进行扫描，得到实体成像对象的k空间数据；对所述实体成像对象的k空间数据进行预处理，得到实体成像对象的图像域数据；将所述实体成像对象的图像域数据输入训练好的深度神经网络进行重建，得到高分辨多参数定量磁共振图像。本发明能够实现快速高分辨多参数定量磁共振成像，并且能够抵抗主磁场不均匀导致的图像畸变。
-
公开(公告)号：CN114782569A
公开(公告)日：2022-07-22
申请号：CN202210253168.8
申请日：2022-03-15
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的DSC‑MRI血液动力学参数定量方法和系统，包括：获取对比剂注射前后的T2*加权DSC‑MRI图像序列，称为原始DSC‑MRI图像序列；进行基于统计学和形态学的双重判定，获得二次判定掩膜；将原始DSC‑MRI图像序列与二次判定掩膜相乘，再进行信号模式变换，得到对比剂浓度‑时间图像序列；生成设定量的包含动脉输入点的DSC模拟训练样本；构建深度神经网络；利用DSC模拟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；将对比剂浓度‑时间图像序列输入训练好的深度神经网络，得到血液动力学参数图。本发明可简化血液动力学参数计算过程，快速获得高质量的血液动力学参数图，有效改善由于部分体素灌注效果不佳对血液动力学参数定量的影响。
-
公开(公告)号：CN113030813B
公开(公告)日：2022-02-22
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。
-
公开(公告)号：CN110942496B
公开(公告)日：2022-02-11
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：CN114021485A
公开(公告)日：2022-02-08
申请号：CN202111451737.1
申请日：2021-12-01
Applicant: 厦门大学
Abstract: 基于Bloch仿真合成训练样本的螺旋桨欠采重建系统，涉及磁共振成像领域。系统包括原始模板生成模块、模拟采样模块、训练样本生成模块、深度神经网络训练模块和图像重建模块。方法：1)生成原始模板；2)生成既定参数的采样后的数据；3)批量生成定量的训练样本；4)深度神经网络训练；5)图像重建。具有重建图像时间短、重建图像质量高和抵抗运动伪影等优点,方便螺旋桨(PROPELLER)数据的采集和相关研究，可以在采样数据量少甚至有运动的情况下，快速地重建出质量高无运动伪影的图片，节约大量人力物力成本。
-
Patent Agency Ranking
公开(公告)号：CN111062994B
公开(公告)日：2021-07-30
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：CN112924913A
公开(公告)日：2021-06-08
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：CN109597012B
公开(公告)日：2020-08-04
申请号：CN201811580826.4
申请日：2018-12-24
Applicant: 厦门大学
IPC: G01R33/56
Abstract: 一种基于残差网络的单扫描时空编码成像重建方法，涉及基于深度学习网络的磁共振图像重建技术。提供在单次扫描中获得二维图像，再使用深度学习方法重建得到一种基于残差网络的单扫描时空编码成像重建方法。将激励脉冲替换为线性扫频脉冲，有效抵抗由于不均匀磁场及化学位移造成的图像扭曲，同时获得和EPI相似的成像速度、分辨率和信噪比。SPEN成像沿相位编码方向都是欠采样的。尽管时空编码成像信号本身无需重建就能够反映成像物的轮廓，但是该轮廓的固有分辨率通常是很低。利用深度学习从低分辨率的信号空间重建SPEN图像，大幅提高图像分辨率，呈现质子密度分布，在获得和传统反卷积重建方法相似的分辨率的同时，获得高的信噪比。
-
公开(公告)号：CN108226835A
公开(公告)日：2018-06-29
申请号：CN201711494370.5
申请日：2017-12-31
Applicant: 厦门大学
IPC: G01R33/565 , G01R33/561
Abstract: 基于分段激发的多回波多层时空编码磁共振成像方法，涉及磁共振成像方法。将成像物体分成几段，通过90°段选脉冲选择一个成像段，通过180°线性扫频脉冲对段内核自旋进行时空编码，用180°硬脉冲使非成像段的核自旋回到热平衡态，用与90°段选脉冲相同的脉冲将自旋信息进行存储；采用多个90°层选脉冲依次激发多个目标层，结合频率编码维特定的散相梯度，使不同层的信号在不同采样时刻形成回波；改变层选脉冲中心频率及相关脉冲梯度，获得段内各层面的磁共振数据；修改段选脉冲的中心频率选择不同成像段；重复上述操作获得整个成像物体数据，将同时采集的多回波数据按回波数分割，对每层数据超分辨重建，得多层高分辨磁共振图像。
-
公开(公告)号：CN106841273B
公开(公告)日：2018-04-24
申请号：CN201710288050.8
申请日：2017-04-27
Applicant: 厦门大学
IPC: G01N24/08
Abstract: 一种基于单扫描时空编码磁共振成像的水脂分离重建方法，涉及磁共振成像方法，该方法利用单扫描时空编码成像序列来对水脂信号进行编码和采集，其中90度线性扫频脉冲结合时空编码梯度在激发阶段赋予了水脂信号一个二次相位。基于这一特性，通过选取适当的滤波器来对采集的数据进行预处理，可以获得水和脂的先验知识图像，用以指导水脂的分离和重建。在水脂分离阶段，利用先验知识图像作为初值和加权信息，通过求解水脂环境下的超分辨率提升和边缘去伪影算法方程，可以得到高分辨率和高信噪比的水图和脂图。提出的方法可以有效地实现单扫描时空编码磁共振成像的水脂分离，同时提高分离图像的图像质量，促进临床应用进程。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.023 seconds)
