公开(公告)号：CN119575271A

公开(公告)日：2025-03-07

申请号：CN202411703452.6

申请日：2024-11-26

Applicant: 厦门大学

Inventor： 蔡聪波 ,  郭心宇 ,  陈维锟 ,  蔡淑惠

IPC: G01R33/54 ,  A61B5/055 ,  A61B5/00 ,  G06T11/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于多扫描重叠回波的磁共振高分辨多参数定量方法及系统，涉及磁共振成像方法。包括：设计基于多扫描重叠回波的高分辨率多参数同时定量成像序列并确定其采样参数；在满足序列和采样参数的磁共振仪器中使用设计好的序列和采样参数，对成像物体进行数据采集，获取磁共振信号；对磁共振信号进行处理后，得到所述序列采集到的图像；设计高保真的定量重建方法；对采集到的磁共振图像使用上述方法进行定量重建，得到高分辨率多参数磁共振定量图像。能够实现磁共振高分辨率多参数同时定量成像，并克服低信噪比条件下重建细节丢失的问题。实验结果表明，重建生成的磁共振定量参数图像与参考方法结果高度一致，成像精度高，具有广阔应用前景。

公开(公告)号：CN118671679A

公开(公告)日：2024-09-20

申请号：CN202410699093.5

申请日：2024-05-31

Applicant: 厦门大学

Inventor： 蔡聪波 ,  陈洁 ,  蔡淑惠 ,  杨亲亲 ,  郑皓烨

IPC: G01R33/561 ,  A61B5/055 ,  A61B5/00 ,  G06T17/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08 ,  G01R33/565 ,  G01R33/56

Abstract: 一种双梯度回波3D‑EPI定量磁化率成像及重建方法，涉及磁共振成像。包括：设计双回波链双极性相位编码梯度回波3D‑EPI序列；生成虚拟成像对象，虚拟成像对象利用T1加权图像分割得到的图谱生成；生成深度神经网络的训练样本，训练样本包括配对的有畸变的仿真样本和无畸变的目标样本；采用训练样本训练深度神经网络，得到训练好的深度神经网络；采用双回波链双极性相位编码梯度回波3D‑EPI序列对实际成像物体数据采集，得实际成像物体的有畸变的图像信号；采用训练好的深度神经网络对实际成像物体的有畸变的图像信号定量磁化率重建，得无畸变的定量磁化率图像。可实现快速高效的定量磁化率重建，并能矫正EPI图像畸变。

公开(公告)号：CN118549870A

公开(公告)日：2024-08-27

申请号：CN202410800105.9

申请日：2024-06-20

Applicant: 厦门大学

Inventor： 蔡淑惠 ,  林颖 ,  杨奇志 ,  蔡聪波 ,  陈忠

IPC: G01R33/565 ,  A61B5/055 ,  G06T5/80 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种多扫描磁共振图像的流动伪影校正方法及系统，包括：在磁共振成像仪中导入磁共振成像脉冲序列并按照设定的采样参数对实际成像物体进行数据采集，得到实际成像物体的多扫描磁共振成像信号；对实际成像物体的多扫描磁共振成像信号进处理，得到实际成像物体的有流动伪影的图像；生成训练样本，包括配对的有流动伪影的仿真样本和无流动伪影的仿真样本；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；将实际成像物体的有流动伪影的图像输入训练好的深度神经网络进行流动伪影校正，得到无流动伪影的图像。本发明无需额外采集用于流动伪影校正的导航回波信号即可实现无流动伪影的高分辨率磁共振图像的快速获取。

公开(公告)号：CN115166612B

公开(公告)日：2024-08-06

申请号：CN202210859475.0

申请日：2022-07-21

Applicant: 厦门大学

Inventor： 蔡聪波 ,  黄海涛 ,  蔡淑惠 ,  杨亲亲 ,  陈忠

IPC: G01R33/56 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455

Abstract: 基于深度学习的超快速磁共振成像高精度仿真方法及系统，涉及磁共振成像仿真成像。制作虚拟成像对象；根据仿真的磁共振序列对虚拟成像对象Bloch仿真，得磁共振图像并保留磁共振序列成像参数、不理想因素；使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本；构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板；训练Simu‑Net；构建指定磁共振序列成像参数和不理想因素条件下的样本，使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真，实现超快速磁共振成像高精度仿真。

公开(公告)号：CN114782569B

公开(公告)日：2024-06-28

申请号：CN202210253168.8

申请日：2022-03-15

Applicant: 厦门大学

Inventor： 蔡淑惠 ,  张溥杰 ,  王璐 ,  蔡聪波

IPC: G06T11/00 ,  G06T7/00 ,  G06T5/70 ,  G06T5/30 ,  G06V10/28 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

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：CN117331010A

公开(公告)日：2024-01-02

申请号：CN202311193255.X

申请日：2023-09-15

Applicant: 厦门大学

Inventor： 蔡聪波 ,  陈维锟 ,  郭心宇 ,  吴健 ,  林青 ,  蔡淑惠 ,  陈忠

IPC: G01R33/56 ,  G01R33/565 ,  G01R33/48

Abstract: 基于多重重叠回波的多参数同时定量成像方法和系统，涉及磁共振成像。方法：设计基于多重重叠回波的包含T的包含1、T2、TT2*1等多参数同时定量成像序列、T2、T2*等多参数同时定量成像序列的采样参数；确定基于多重重叠回波；在满足序列和采样参数性能要求的磁共振仪中添加序列并设置采样参数，采集K空间数据；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，得到训练好的深度神经网络；采用所述训练好的深度神经网络和所述磁共振成像序列采集的k空间数据，重建磁共振多参数定量图像。能实现磁共振多参数同时定量成像，利用k空间内不同回波和/或不同k空间信息互补，实现不理想因素校正。

公开(公告)号：CN115728691A

公开(公告)日：2023-03-03

申请号：CN202211581494.8

申请日：2022-12-09

Applicant: 厦门大学

Inventor： 蔡聪波 ,  林青 ,  陈维锟 ,  蔡淑惠 ,  耿文华

IPC: G01R33/54 ,  G01R33/56 ,  A61B5/055

Abstract: 一种基于重叠回波的磁共振多参数同时定量成像方法及系统。方法：设计基于重叠回波的稳态自由进动多参数定量成像序列；确定基于重叠回波的稳态自由进动多参数定量成像序列的采样参数；在满足序列和采样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；采用所述训练样本对深度神经网络进行训练，得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k空间数据，重建磁共振多参数图像。能实现磁共振多参数同时定量成像，并能利用k空间内不同回波和/或不同k空间信息互补，实现不理想因素校正，包括但不限于伪影、射频场不均匀、主磁场不均匀等。

公开(公告)号：CN114972145A

公开(公告)日：2022-08-30

申请号：CN202210581140.7

申请日：2022-05-26

Applicant: 厦门大学

Inventor： 蔡淑惠 ,  陈遵权 ,  蔡聪波 ,  王杰超

IPC: G06T5/50 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于深度学习的扩散张量重建方法、系统和电子设备：获取T1加权图像、非扩散加权图像、扩散加权图像，分别简称为T1图像、b0图像、DW图像；拟合b0图像和DW图像，得到扩散张量；选用T1图像、部分b0图像和DW图像，以相邻三层为一组，获得原始网络输入图像组；对原始网络输入图像组进行排序，获得三层排序图像组和重建层排序图像组；构建并训练深度神经网络；对待成像对象进行图像采集，将采集的图像排序得到待重建的三层排序图像组和待重建的重建层排序图像组并输入训练好的深度神经网络重建得到扩散张量；由扩散张量计算得到DTI定量图像。本发明可减少扩散张量及其定量图重建所需DW图像数量，加快成像速度。

公开(公告)号：CN113052937B

公开(公告)日：2022-07-29

申请号：CN202110419657.1

申请日：2021-04-19

Applicant: 厦门大学

Inventor： 吴方圆 ,  蔡聪波 ,  蔡淑惠 ,  王璐

IPC: G06T11/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种动态对比增强核磁共振图像的重建方法及重建系统，先获取DCE‑MRI图像和T1‑mappingMRI图像。然后以DCE‑MRI图像和T1‑mapping MRI图像作为输入，利用训练好的深度神经网络模型得到重建参数图像，进而利用训练好的深度神经网络模型实现动态对比增强核磁共振图像的重建过程，通过训练好的深度神经网络模型，能够在几十毫秒内得到重建参数图像，重建速度快，效率高。

公开(公告)号：CN114518555A

公开(公告)日：2022-05-20

申请号：CN202210127212.0

申请日：2022-02-11

Applicant: 厦门大学

Inventor： 蔡淑惠 ,  兰新力 ,  蔡聪波 ,  吴健 ,  余靖伊

IPC: G01R33/56 ,  G06V10/25 ,  G06V10/82

Abstract: 本发明涉及一种核Overhauser增强成像方法及系统。所述方法包括：获取待处理的CEST图像并进行预处理得到预处理后的CEST图像；根据预处理后的CEST图像和Bloch‑McConnell方程模型得到各样本参数的取值范围；根据样本参数的取值范围生成设定量的训练样本；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；将所述预处理后的CEST图像输入所述训练好的深度神经网络得到NOE对比图，包括NOE浓度图和NOE交换速率图。本发明可快速重建出高质量的NOE对比图。