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

Inventor： 屈彪 ,  李泽宇 ,  屈小波

IPC: G06T11/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

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。

公开(公告)号：CN118570227A

公开(公告)日：2024-08-30

申请号：CN202410610751.9

申请日：2024-05-16

Applicant: 厦门大学

Inventor： 屈小波 ,  李泽宇

IPC: G06T7/11 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  A61B5/00

Abstract: 一种基于深度学习的脑区分割算法，涉及脑区分割。步骤：1)获取由Destrieux脑图谱分割的结果作为模型训练和评估的训练标签，以及将部分左右脑区合并减少标签后，得到122个脑区标签的训练集；2)设计基于Unet网络展开的具有多尺度、多分支注意模块的深度学习网络模型；3)构建网络的损失函数；4)利用步骤1)获得的训练集，求解深度学习网络的最优参数；5)将待分割的脑部数据输入已训练的网络进行分割。通过引入多尺度分割注意力模块和多分支交叉注意力模块，增加不同尺度的感受野，以便得到深度的特征，实现对更多不同尺度大小脑区的精确分割，可将全脑分割为161个脑区的网络结构，具有分割速度快和分割精度高的特点。

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

Inventor： 屈彪 ,  李泽宇 ,  屈小波

IPC: G06T11/00 ,  G06T5/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

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。