一种磁共振多参数同时定量成像方法及系统

    公开(公告)号:CN110807492B

    公开(公告)日:2022-05-13

    申请号:CN201911076119.6

    申请日:2019-11-06

    Applicant: 厦门大学

    Abstract: 本发明公开一种磁共振多参数同时定量成像方法及系统。该方法包括:设计磁共振成像序列;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,重建磁共振多参数图像。本发明能够实现磁共振多参数的定量成像,并能够校正由于磁场不均匀造成的图像畸变。

    一种磁共振成像脑胶质瘤IDH基因预测方法及系统

    公开(公告)号:CN114463320A

    公开(公告)日:2022-05-10

    申请号:CN202210143820.0

    申请日:2022-02-17

    Applicant: 厦门大学

    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,输出IDH基因型的分类。本发明提高了基因型预测的鲁棒性。

    一种磁共振多参数同时定量成像方法及系统

    公开(公告)号:CN110807492A

    公开(公告)日:2020-02-18

    申请号:CN201911076119.6

    申请日:2019-11-06

    Applicant: 厦门大学

    Abstract: 本发明公开一种磁共振多参数同时定量成像方法及系统。该方法包括:设计磁共振成像序列;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,重建磁共振多参数图像。本发明能够实现磁共振多参数的定量成像,并能够校正由于磁场不均匀造成的图像畸变。

    一种基于残差网络的单扫描磁共振定量T2成像重建方法

    公开(公告)号:CN108010100B

    公开(公告)日:2020-02-18

    申请号:CN201711287890.9

    申请日:2017-12-07

    Applicant: 厦门大学

    Abstract: 一种基于残差网络的单扫描磁共振定量T2成像重建方法,涉及磁共振成像方法。利用具有相同偏转角的4个小角度激发脉冲,在每个激发脉冲之后有一段演化时间,使得每个回波信号的横向弛豫时间T2不同。在每个激发脉冲之后都加一个频率编码维和相位编码维的移位梯度,使得不同的激发脉冲产生的信号在k空间的位置不一样。在一次采样中就获得多个具有不同横向弛豫时间的回波信号。然后将采样信号经过归一化、充零和快速傅里叶变换之后输入到已经训练好的残差网络中重建得到定量T2图像。残差网络的训练数据来源于模拟数据。先随机生成模板,然后模拟实验环境采样得到网络的输入图像,模板作为标签,通过训练得输入图像和输出图像之间的映射关系。

    基于残差网络重建的单扫描定量磁共振T2*成像方法

    公开(公告)号:CN108663644B

    公开(公告)日:2020-02-14

    申请号:CN201810208422.6

    申请日:2018-03-14

    Applicant: 厦门大学

    Abstract: 基于残差网络重建的单扫描定量磁共振T2*成像方法,涉及磁共振成像方法。利用具有相同偏转角的4个小角度激发脉冲,在每个激发脉冲之后有一段演化时间,使得每个回波信号的横向弛豫时间不同。在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。这样,在一次采样中就获得了多个具有不同横向弛豫时间的梯度回波信号。然后将采样信号经过归一化、充零和快速傅里叶变换之后输入到已经训练好的残差网络中重建得到定量T2*图像。残差网络的训练数据来源于模拟数据,通过随机生成模板然后模拟实验环境采样得到网络的输入图像,模板作为标签,通过训练得到输入图像和输出图像之间的映射关系。

    一种T2定量图像成像方法及系统

    公开(公告)号:CN110782452A

    公开(公告)日:2020-02-11

    申请号:CN201911069801.2

    申请日:2019-11-05

    Applicant: 厦门大学

    Abstract: 本发明公开一种T2定量图像成像方法和系统,包括设置多重叠回波及多回波链采样脉冲序列;基于所述多重叠及多回波链采样脉冲序列,从待测样本中采集真实图像;基于所述多重叠回波及多回波链采样脉冲序列,从历史样本中采集多个模拟图像;对各所述模拟图像训练,得到U-NET卷积神经网络;根据所述U-NET卷积神经网络及所述真实图像,得到T2定量图像。多重叠回波及多回波链脉冲序列在多重叠回波序列的基础上增加了多个重聚脉冲,将由磁场不均匀性非T2因素引起的衰减的回波重聚。可以在采样过程中采集到更多的具有不同T2加权的回波,得到更丰富的T2信息,从而提升了T2定量重建结果的精度、准度及分辨率,同时还将获得相应的质子密度图(M0)及射频场(B1)图。

    基于分段激发的多回波多层时空编码磁共振成像方法

    公开(公告)号:CN108226835B

    公开(公告)日:2020-01-14

    申请号:CN201711494370.5

    申请日:2017-12-31

    Applicant: 厦门大学

    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。

    一种大电流PCB板
    78.
    发明公开

    公开(公告)号:CN110139465A

    公开(公告)日:2019-08-16

    申请号:CN201910244125.1

    申请日:2019-03-28

    Applicant: 厦门大学

    Abstract: 本发明提供了一种大电流PCB板,PCB板本体、高压大电流走线、顶层阻焊层、底层阻焊层、顶层丝印涂层、底层丝印涂层;高压大电流走线设置于所述PCB板本体上;高压大电流走线之间设置有安规绝缘距离;顶层阻焊层完全包覆PCB板本体设置有高压大电流走线的一面,并完全包覆所述高压大电流走线;底层阻焊层完全包覆PCB板本体背向高压大电流走线的一面;顶层丝印涂层完全包覆顶层阻焊层背向PCB板本体的一面;底层丝印涂层完全包覆所述底层阻焊层背向所述PCB板本体的一面;所述顶层丝印涂层及底层丝印涂层均具有一定厚度。应用本技术方案可实现既保证PCB板性能又控制了PCB板的制作成本。

    一种全天候光伏照明装置
    79.
    发明公开

    公开(公告)号:CN110131646A

    公开(公告)日:2019-08-16

    申请号:CN201910265794.7

    申请日:2019-04-03

    Applicant: 厦门大学

    Abstract: 本发明公开了一种全天候光伏照明装置,它包括底座、安装板、灯体、防水板,安装板能前后活动地装接在底座且其与墙体相装配;灯体安装在底座上且其内设置有充电式锂电池,其外侧设置有光源和光伏太阳能板,光伏太阳能板为充电式锂电池和光源供电;防水板能上下活动地装接在灯体上,该防水板之纵向截面为两端向下延伸的弧形。由于灯体安装在室外,在灯体上方活动装接有防水板,该防水板能够遮挡雨水,能避免灯体在外部因长时间被雨水冲淋导致照明灯损坏的情况发生,可以增强其使用寿命。且,能随时调节防水板的高度,使得防水板更好的对灯体进行防护。同时,安装板能相对底座前后移动,能够将灯体安装在合适的位置使得灯体的照明效果更好。

    回波平面成像涡流伪影的无参考扫描校正方法

    公开(公告)号:CN109741409A

    公开(公告)日:2019-05-10

    申请号:CN201811453665.2

    申请日:2018-11-30

    Applicant: 厦门大学

    Abstract: 回波平面成像涡流伪影的无参考扫描校正方法,首先对神经网络的参数进行训练:利用模拟软件随机批量生成模拟样本,然后导入预先编写好的EPI序列对这些模拟样本进行采样,得到对应每个样本的K空间数据。根据涡流效应的相位特点,对采集到的信号进行相位修改,再进行傅里叶变换得到受涡流效应影响的模拟EPI图像。修改的相位信息作为标签保存下来。将这些图像作为训练数据集对神经网络模型进行训练,当训练误差减小到设定的阈值以下时,保存网络参数。神经网络模型训练完成后,将真实采集的EPI图像输入神经网络模型进行重建,即可得到去除了涡流伪影的EPI图像。本发明在无参考扫描的情况下实现EPI图像涡流伪影的去除,可以为EPI的临床应用提供帮助。

Patent Agency Ranking