-
公开(公告)号：CN118570328A
公开(公告)日：2024-08-30
申请号：CN202411036555.1
申请日：2024-07-31
Applicant: 厦门大学
Abstract: 一种腹部高清扩散磁共振成像方法，涉及扩散磁共振成像。提供无导航回波的腹部多激发平面回波扩散磁共振图像的重建方法。包括以下步骤：1）获取利用多激发平面回波序列采集的待重建腹部扩散磁共振数据；2）设计基于k空间分离引导重建的低秩重建模型；3）分离重建k空间中心低频数据，提取引导性重建子空间；4）将引导性重建子空间带入重建模型当中，利用交替方向乘子法求解模型，得到无运动伪影的腹部高清扩散磁共振重建图像。本方法通过空间分离重建提取引导性重建子空间，以子空间引导加速完整图像重建，实现了相较于传统低秩重建算法5到10倍的加速，同时重建图像更加清晰，信噪比更高。
-
公开(公告)号：CN114187374B
公开(公告)日：2024-06-04
申请号：CN202111271011.X
申请日：2021-10-29
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 一种多激发平面回波扩散加权成像方法，涉及磁共振图像的重建方法。包括以下步骤：1)获取待重建的多次激发的平面回波扩散加权数据；2)设计基于低秩和加权总变分重建模型；3)利用凸集投影算法求解重建模型，得到重建图像；通过同时约束磁共振图像相位光滑导致的低秩性和加权总变分，并对多次激发数据的相位差异建模，建立了联合多次激发重建的重建模型，以凸集投影方法为数值算法求解该模型。所提方法具有很好地抑制扩散加权图像鬼影的特点。
-
公开(公告)号：CN111783631B
公开(公告)日：2023-10-24
申请号：CN202010610893.7
申请日：2020-06-29
Applicant: 厦门大学
Inventor： 屈小波
IPC: G06F18/214 , G06F18/21 , G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F30/27 , G06N3/04 , G06N3/08 , G01R33/20 , G06F123/02
Abstract: 一种基于稀疏表示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。包括以下步骤：1)利用磁共振波谱的时域信号的指数函数特性，仿真产生全采样的时域信号；2)对时域信号进行欠采样，建立包含全采样时域信号对应的波谱、欠采样时域信号和对应欠采样模板的训练集；3)设计基于稀疏表示的深度学习网络模型、网络的反馈功能及损失函数；4)利用步骤2)获得的训练集，求解基于稀疏表示的深度学习网络的最优参数；5)将待重建的欠采样的磁共振时域信号输入网络重建磁共振波谱。通过约束磁共振频域信号的稀疏性，以传统最优化方法为指导设计深度神经网络，具有重建速度快、重建质量高和网络可解释性强的特点。
-
公开(公告)号：CN115471580A
公开(公告)日：2022-12-13
申请号：CN202211040703.8
申请日：2022-08-29
Applicant: 厦门大学
Abstract: 一种物理智能高清磁共振扩散成像方法，包括以下步骤：1)获取多通道的单次激发或者多次激发b值为0mm/s2的带相位的磁共振图像，并估计得到通道灵敏度；2)根据刚体运动的多项式相位模型得到仿真的运动相位；3)利用带相位的磁共振图像，通道灵敏度和仿真运动相位来生成大量多激发的扩散加权图像数据作为智能重建网络的训练数据。4)构建包含多个迭代块的智能重建网络，其中每个迭代块包含低秩模块，稀疏模块，数据校验模块。最后一个迭代块还包含去噪模块。并利用仿真数据来训练智能重建网络；5)获取待重建的多激发扩散加权数据；6)利用训练好的智能重建网络重建多激发扩散加权数据，得到重建图像。
-
公开(公告)号：CN110598579B
公开(公告)日：2022-08-05
申请号：CN201910784955.3
申请日：2019-08-23
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种基于深度学习的超复数磁共振波谱重建方法，涉及磁共振波谱。根据磁共振波谱信号指数模型生成超复数磁共振波谱的全采样时域信号，按照欠采样模板对全采样时域信号进行欠采样以及对没有采集到的数据点位置进行置零得到超复数磁共振波谱的欠采样时域信号，将该欠采样时域信号以及对应全采样时域信号换为复数时域信号，各自进行傅立叶变换得到对应的频率域的欠采样和全采样磁共振波谱，生成用于超复数谱重建的训练集；构建用于超复数磁共振波谱重建的深度学习网络，采用得到的训练集对该深度学习网络训练，得到训练好的超复数磁共振波谱重建的网络参数；采用训练好的网络对超复数磁共振波谱的欠采样时域信号重建，得到完整的超复数磁共振波谱。
-
Patent Agency Ranking
-
公开(公告)号：CN111324861B
公开(公告)日：2022-05-03
申请号：CN202010129060.9
申请日：2020-02-28
Applicant: 厦门大学
Inventor： 屈小波
IPC: G06F17/16 , G06N3/04 , G06N3/08 , G01R33/561
Abstract: 一种基于矩阵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。包括以下步骤：1)利用指数函数生成磁共振波谱的时域信号；2)建立包含全采样时域信号与欠采样时域信号的训练集；3)设计基于矩阵分解的深度学习网络结构；4)设计基于矩阵分解的深度学习网络的数据校验层；5)设计基于矩阵分解的深度学习网络的反馈功能；6)生成基于矩阵分解的深度学习网络的波谱重建模型；7)训练网络的相对最优参数；8)对需要进行欠采样重建的磁共振信号进行重建；9)对重建后的时域信号进行傅里叶变换即得到重建的波谱。既有深度学习方法优异的时间表现，又基于传统重建方法具有相对可靠的理论支撑；可快速高质量地重建磁共振信号。
-
公开(公告)号：CN114140341A
公开(公告)日：2022-03-04
申请号：CN202111269797.1
申请日：2021-10-29
Applicant: 厦门大学
Abstract: 一种基于深度学习的磁共振图像非均匀场校正方法，涉及磁共振图像处理方法。包括以下步骤：获取带有非均匀场的磁共振图像，由非均匀场、均匀的磁共振图像和带有非均匀场的磁共振图像共同组成训练集；设计校正磁共振图像非均匀场的深度学习网络模型；构建网络的损失函数；训练校正磁共振图像非均匀场的深度学习网络模型参数；对目标带有非均匀场的磁共振图像进行校正。通过深度学习对均匀磁共振图像和非均匀场进行联合估计的方法，具有校正误差小，图像质量高的特点。
-
公开(公告)号：CN110728624B
公开(公告)日：2021-07-23
申请号：CN201910934039.3
申请日：2019-09-29
Applicant: 厦门大学
Inventor： 屈小波
Abstract: 一种高分辨率扩散加权图像重建方法，涉及多激发扩散加权图像的重建方法。包括以下步骤：1)获取多激发傅里叶空间信号，根据对数据的要求设置欠采样方式和实验参数，此时被采样信号点的位置可以确定，进而得到采样模板；2)构建结构化汉克尔矩阵；3)构建基于结构化汉克尔矩阵的扩散加权图像重建模型，建立基于结构化汉克尔矩阵的扩散加权图像的重建模型；4)通过交替方向乘子法求解重建模型获得多激发图像；5)将步骤4)获得的多激发图像合成得到无伪影的高分辨率重建图像。无需额外采集导航回波信息，不仅减少了采样时间，还避免了利用导航回波重建时，图像与导航回波间不匹配的问题。重建出的高分辨率图像是无伪影的。
-
公开(公告)号：CN108090871A
公开(公告)日：2018-05-29
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。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.024 seconds)
