公开(公告)号：CN118707416A

公开(公告)日：2024-09-27

申请号：CN202411185276.1

申请日：2024-08-27

Applicant: 厦门大学

Inventor： 屈小波 ,  于小烔 ,  黄奕晖

IPC: G01R33/46 ,  G06N3/0464 ,  G06F18/22 ,  A61B5/055

Abstract: 一种人工智能超复数波谱重建方法，涉及磁共振波谱采样信号的重建。1）获取超复数形式的N维磁共振波谱全采样信号；2）根据实际欠采样模板对未采集的数据位置填零，生成N维磁共振波谱的欠采样信号；3）将步骤1）中N维磁共振波谱的全采样信号作为深度学习网络输出，将步骤2）中N维磁共振波谱的欠采样信号、欠采样模板作为网络输入，构成训练集；4）设计基于秩一近似分解的深度学习网络模型、损失函数及网络的反馈功能；5）利用训练集对基于秩一近似分解的深度学习网络的参数进行训练；6）将待重建的N维磁共振波谱的欠采样信号输入已训练的网络，获得N维磁共振波谱的重建信号。通过深度学习网络和秩一近似分解特性，有效降低重建误差。

公开(公告)号：CN118707416B

公开(公告)日：2024-12-13

申请号：CN202411185276.1

申请日：2024-08-27

Applicant: 厦门大学

Inventor： 屈小波 ,  于小烔 ,  黄奕晖

IPC: G01R33/46 ,  G06N3/0464 ,  G06F18/22 ,  A61B5/055

Abstract: 一种人工智能超复数波谱重建方法，涉及磁共振波谱采样信号的重建。1）获取超复数形式的N维磁共振波谱全采样信号；2）根据实际欠采样模板对未采集的数据位置填零，生成N维磁共振波谱的欠采样信号；3）将步骤1）中N维磁共振波谱的全采样信号作为深度学习网络输出，将步骤2）中N维磁共振波谱的欠采样信号、欠采样模板作为网络输入，构成训练集；4）设计基于秩一近似分解的深度学习网络模型、损失函数及网络的反馈功能；5）利用训练集对基于秩一近似分解的深度学习网络的参数进行训练；6）将待重建的N维磁共振波谱的欠采样信号输入已训练的网络，获得N维磁共振波谱的重建信号。通过深度学习网络和秩一近似分解特性，有效降低重建误差。