-
公开(公告)号：CN105807241B
公开(公告)日：2018-05-29
申请号：CN201610167968.2
申请日：2016-03-23
Applicant: 厦门大学
Abstract: 一种利用先验信息的指数信号去噪方法，涉及指数信号的去噪方法。将先验的指数信号按设定的顺序构建出一个汉克尔矩阵，再对汉克尔矩阵进行奇异值分解，获得先验的信号空间和奇异值；接着对目标指数信号构建相同大小的汉克尔矩阵，利用先验信号空间对目标信号的矩阵进行分解；由先验的奇异值得到加权阈值后，对目标指数信号的奇异值根据加权阈值得到去噪的目标信号的汉克尔矩阵；然后将目标信号的汉克尔矩阵进行求解，最终得到去噪后的信号。利用参考信号的先验信息，速度快，效果优良且易于操作。符合指数特征的信号，比如核磁共振波谱的时间域信号，可采用这种方法实现磁共振波谱的去噪，达到降低采样时间，提高谱图信噪比的目的。
-
公开(公告)号：CN104793159B
公开(公告)日：2017-06-23
申请号：CN201510235929.7
申请日：2015-05-11
Applicant: 厦门大学
IPC: G01R33/46
Abstract: 一种高维核磁共振时域信号补全方法，涉及核磁共振高维谱信号处理。先根据采集得到的数据和给定的核磁共振谱频谱宽度和分辨率，确定需要补全的时域信号的位置并设计模板；再利用提出的高维核磁共振时域信号补全方法来构建重建模型，然后通过最优化算法求解出完整的高维核磁共振时域信号；最后对补全后的时域信号做傅立叶变换得到核磁共振谱。实现了在高维核磁共振实验中对有丢失的核磁共振时域信号进行信号补全，进而得到完整的核磁共振时域信号。由于利用了高维核磁共振信号自身的特征，可以补全任意高维核磁共振时域信号。可以达到降低采样时间、提高信噪比、达到给定核磁共振谱频谱宽度和分辨率的目的。
-
公开(公告)号：CN103631568A
公开(公告)日：2014-03-12
申请号：CN201310710668.0
申请日：2013-12-20
Applicant: 厦门大学
IPC: G06F9/38
Abstract: 面向医学图像的多线程并行计算方法，涉及医学图像处理方法。是一种把多线程思想及编程方法应用于医学图像的图像处理优化方法。在支持超线程或者多核技术的处理器上，利用处理器上的硬件资源用软件进行多线程编程。首先将需要处理的医学图像划分为可独立处理的图像块并对图像块分组，然后利用多线程技术同一时刻在不同处理器的不同内核中同时运行多个线程，之后让每个线程分别执行由原图像分出来的相对平均工作量的图像块分组，对原图像处理任务集进行并行处理，直到所有线程处理完成之后，最后将处理结果进行汇总后输出。整个多线程并行计算可以提高图像处理的执行效率，达到加速计算的目的。
-
公开(公告)号：CN119414315A
公开(公告)日：2025-02-11
申请号：CN202411512034.9
申请日：2024-10-28
Applicant: 厦门大学
IPC: G01R33/46 , G06F18/15 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 一种磁共振波谱智能去除水信号方法，涉及磁共振波谱去水方法。1）利用磁共振波谱信号模型构建仿真数据，其中包括模拟非理想成像条件下的磁共振波谱信号、对应的代谢物分量信号、水信号以及背景信号波谱作为仿真训练集；2）设计深度学习波谱去水网络及损失函数；3）利用生成的训练集进行网络训练，训练中采用深度学习中表现较好的优化器，通过损失函数来获得最优网络参数集合下的网络；4）将活体磁共振波谱信号输入最优参数集下的去水网络，得到预测的去除水后的无水信号。结合神经网络优越的非线性学习能力和基于L2范数的最小二乘法，可快速精准去除磁共振波谱信号中的水信号，有效减小水信号造成的量化误差，提高后续波谱量化结果准确性。
-
-
Patent Agency Ranking
公开(公告)号：CN118570328B
公开(公告)日：2024-10-01
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：CN117572314B
公开(公告)日：2024-09-24
申请号：CN202311461012.X
申请日：2023-11-06
Applicant: 厦门大学
IPC: G01R33/54 , G01R33/565 , A61B5/055 , A61B5/00 , G06T11/00 , G06T3/4053
Abstract: 一种高分辨率超高b值扩散磁共振成像方法，涉及高清扩散磁共振图像重建。1)获取利用多激发平面回波序列采集的待重建扩散磁共振的k空间数据；2)设计基于自先验子空间的一维低秩重建模型；3)预重建k空间的低频数据，获得低分辨率无运动伪影的重建图像提取自先验子空间；4)将先验子空间代入先验子空间重建模型，利用凸集投影算法求解模型，得无运动伪影的高清扩散重建图像。将高清扩散磁共振重建分解为两个关键步骤。一，基于k空间低频数据预重建无运动伪影的低分辨率图像；二，固定先验子空间进行完整k空间低秩重建，从低分辨率无运动伪影图像中恢复出高分辨率图像。比常见低秩重建算法重建速度提高10到50倍、重建图像更加清晰。
-
公开(公告)号：CN118549867A
公开(公告)日：2024-08-27
申请号：CN202410610659.2
申请日：2024-05-16
Applicant: 厦门大学
Abstract: 一种基于幅值相位分别迭代的深度学习磁共振智能成像方法，涉及磁共振智能成像。步骤：1)采集数据，获取b值为0s/mm2和其他b值的多激发扩散磁共振数据；2)生成训练数据集，重建b值为0s/mm2的磁共振图像，并从中估计得到通道灵敏度,利用传统优化算法重建其他b值的多激发扩散磁共振数据作为训练标签；3)设计基于幅值相位交替更新的深度学习网络模型及损失函数；4)利用训练数据集训练幅值相位迭代重建网络；5)将待重建的多激发扩散磁共振数据输入已训练好的幅值相位迭代网络重建磁共振图像。通过幅值和相位分别构建迭代网络的方式进行重建，增强相位和幅值的拟合程度，降低图像重建误差，提高抗伪影能力。
-
公开(公告)号：CN114333983B
公开(公告)日：2024-08-16
申请号：CN202111597318.9
申请日：2021-12-24
Applicant: 厦门大学
Abstract: 一种基于深度学习的磁共振波谱智能量化分析方法，涉及磁共振波谱量化分析方法。提供可实现目标代谢信号的量化分析，并且具有量化速度快、量化精度高和智能一体化特点的一种基于深度学习的磁共振波谱智能量化分析方法。利用磁共振波谱信号模型构建仿真数据，其中包括模拟非理想成像条件下的磁共振波谱信号、对应的代谢物分量信号以及背景信号波谱作为仿真训练集；设计深度学习波谱量化网络及损失函数；利用获得的仿真训练集训练步所述网络，得到最优参数下的网络；将活体磁共振波谱输入最优参数下的网络，得到背景信号和目标代谢物分量信号，以及代谢物分量在非理想成像条件下的信号参数；利用网络预测得出的信号参数计算目标代谢物的浓度。
-
公开(公告)号：CN118470151A
公开(公告)日：2024-08-09
申请号：CN202410932035.2
申请日：2024-07-12
Applicant: 厦门大学
IPC: G06T11/00 , G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06V10/80 , G06T5/10 , G06N3/084
Abstract: 一种智能动态对比度增强磁共振成像方法，涉及磁共振图像处理。1）获取动态对比度增强磁共振图像的傅里叶变换数据（也称频率数据），预处理，制作训练标签构建训练集；2）构建基于药代动力学和时空特征融合的深度学习网络，网络采用编码器‑解码器框架，由两个编码器（空间特征提取路径、时间‑空间特征提取路径）和一个解码器组成；两个编码器将提取的特征图拼接输入解码器；3）设计多任务损失函数，训练模型，训练集上采用梯度下降法对网络权重更新至损失函数收敛；4）待重建目标成像的频率数据输入训练好的模型，得到重建图像和药代动力学参数。通过时空特征融合及联合优化定量参数，实现快速高质量的图像重建和准确的药代动力学参数估计。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.033 seconds)
