一种快速非笛卡尔磁共振智能成像方法

    公开(公告)号:CN117078785B

    公开(公告)日:2024-04-23

    申请号:CN202311045660.7

    申请日:2023-08-18

    Applicant: 厦门大学

    Abstract: 一种快速非笛卡尔磁共振智能成像方法,涉及非笛卡尔采样磁共振图像的重建方法。获取非笛卡尔采样的多线圈磁共振傅里叶空间数据和采样轨迹,结合欠采样轨迹并通过密度补偿和非均匀傅里叶逆变换等操作,获得欠采样K空间数据,全采样合成图,全采样轨迹,欠采样轨迹共同组成训练集;设计基于稀疏模型展开的针对非笛卡尔采样数据的联合磁共振灵敏度估计与图像重建深度学习网络模型、网络的推理功能及损失函数;利用获得的训练集,求解基于稀疏模型展开的深度学习网络的最优参数;将待重建的非笛卡尔欠采样的磁共振傅里叶空间数据输入已训练好的网络重建磁共振图像。具有同时对线圈灵敏度估计、图像重建速度快和重建质量高的特点。

    一种快速非笛卡尔磁共振智能成像方法

    公开(公告)号:CN117078785A

    公开(公告)日:2023-11-17

    申请号:CN202311045660.7

    申请日:2023-08-18

    Applicant: 厦门大学

    Abstract: 一种快速非笛卡尔磁共振智能成像方法,涉及非笛卡尔采样磁共振图像的重建方法。获取非笛卡尔采样的多线圈磁共振傅里叶空间数据和采样轨迹,结合欠采样轨迹并通过密度补偿和非均匀傅里叶逆变换等操作,获得欠采样K空间数据,全采样合成图,全采样轨迹,欠采样轨迹共同组成训练集;设计基于稀疏模型展开的针对非笛卡尔采样数据的联合磁共振灵敏度估计与图像重建深度学习网络模型、网络的推理功能及损失函数;利用获得的训练集,求解基于稀疏模型展开的深度学习网络的最优参数;将待重建的非笛卡尔欠采样的磁共振傅里叶空间数据输入已训练好的网络重建磁共振图像。具有同时对线圈灵敏度估计、图像重建速度快和重建质量高的特点。

Patent Agency Ranking