-
公开(公告)号：CN116597037A
公开(公告)日：2023-08-15
申请号：CN202310576205.3
申请日：2023-05-22
Applicant: 厦门大学
IPC: G06T11/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G01R33/561 , G01R33/565
Abstract: 一种物理生成数据驱动的快速磁共振智能成像方法，包括以下步骤：1)依据磁共振图像所包含的物理特性，生成全采样的多线圈图像仿真数据，再依据磁共振成像物理模型，通过傅里叶变换、傅里叶空间噪声添加、傅里叶空间欠采样等操作，建立包含全采样的多线圈一维图像仿真数据、欠采样填零的多线圈一维傅里叶空间仿真数据和对应的一维欠采样模板的训练集；2)设计基于迭代过程展开的深度神经网络模型、网络的反馈功能及损失函数；3)利用步骤1)获得的训练集，求解深度神经网络的最优参数；4)将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络，并在网络求解中引入傅里叶空间自一致性操作进行数据校准，实现磁共振图像重建。
-
公开(公告)号：CN113971706A
公开(公告)日：2022-01-25
申请号：CN202111203947.9
申请日：2021-10-15
Applicant: 厦门大学
Abstract: 一种快速磁共振智能成像方法，包括以下步骤：1)获取多线圈磁共振傅里叶空间数据，并通过傅里叶逆变换等操作生成欠采样填零的多线圈一维混合空间数据、对应的一维欠采样模板和完整的多线圈一维混合空间数据共同组成训练集；2)设计基于低秩和稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；3)利用步骤1)获得的训练集，求解基于低秩和稀疏模型展开的深度学习网络的最优参数；4)将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络重建磁共振图像。通过同时约束磁共振傅里叶空间的低秩性和图像的稀疏性，以传统最优化方法为指导设计一维深度神经网络，具有重建速度快、重建质量高和内存消耗小的特点。
-
公开(公告)号：CN117576234B
公开(公告)日：2024-12-13
申请号：CN202311454984.6
申请日：2023-11-03
Applicant: 厦门大学
Abstract: 一种动态磁共振智能成像方法，涉及动态磁共振图像重建。获取多线圈三维磁共振傅里叶空间‑时间数据，通过傅里叶逆变换、傅里叶空间‑时间欠采样、数据分离提取、线圈灵敏度编解码操作，建立包含全采样的合并线圈二维图像空间‑时间数据、欠采样填零的多线圈二维傅里叶空间‑时间数据和对应的二维傅里叶空间‑时间欠采样模板的训练集；设计基于时间低秩和空间稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；求解基于时间低秩和空间稀疏模型展开的深度学习网络的最优参数；将待重建的欠采样的多线圈三维磁共振傅里叶空间‑时间数据输入已训练的网络，实现动态磁共振图像重建。重建速度快、重建质量高、内存消耗小，所需训练数据量少。
-
Patent Agency Ranking
公开(公告)号：CN117173273B
公开(公告)日：2024-09-06
申请号：CN202311164236.4
申请日：2023-09-11
Applicant: 厦门大学
IPC: G06T11/00 , G06T5/80 , G06T5/10 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/082 , G06N3/048
Abstract: 一种即插即用的生成数据深度学习快速磁共振成像方法，涉及磁共振图像的重建方法。依据磁共振图像特性，生成全采样无噪图像仿真数据，再添加高斯白噪声生成对应的带噪声的图像仿真数据，然后进行随机一维数据提取操作，建立包含全采样无噪的一维图像仿真数据、带噪声的一维图像仿真数据的训练集；设计深度去伪影网络、损失函数及网络参数更新方式；利用获得的训练集，求解深度去伪影网络的最优参数；将训练好的深度去伪影网络插入基于近端梯度下降的迭代重建算法中；将待重建的欠采样的磁共振傅里叶空间数据输入迭代重建算法，通过迭代求解，实现快速磁共振图像重建。具有重建质量高、重建速度快和对不同采样模式鲁棒的特点。
-
公开(公告)号：CN113971706B
公开(公告)日：2024-04-30
申请号：CN202111203947.9
申请日：2021-10-15
Applicant: 厦门大学
IPC: G06T11/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , A61B5/055
Abstract: 一种快速磁共振智能成像方法，包括以下步骤：1)获取多线圈磁共振傅里叶空间数据，并通过傅里叶逆变换等操作生成欠采样填零的多线圈一维混合空间数据、对应的一维欠采样模板和完整的多线圈一维混合空间数据共同组成训练集；2)设计基于低秩和稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；3)利用步骤1)获得的训练集，求解基于低秩和稀疏模型展开的深度学习网络的最优参数；4)将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络重建磁共振图像。通过同时约束磁共振傅里叶空间的低秩性和图像的稀疏性，以传统最优化方法为指导设计一维深度神经网络，具有重建速度快、重建质量高和内存消耗小的特点。
-
公开(公告)号：CN116597037B
公开(公告)日：2024-06-04
申请号：CN202310576205.3
申请日：2023-05-22
Applicant: 厦门大学
IPC: G06T11/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G01R33/561 , G01R33/565
Abstract: 一种物理生成数据驱动的快速磁共振智能成像方法，包括以下步骤：1)依据磁共振图像所包含的物理特性，生成全采样的多线圈图像仿真数据，再依据磁共振成像物理模型，通过傅里叶变换、傅里叶空间噪声添加、傅里叶空间欠采样等操作，建立包含全采样的多线圈一维图像仿真数据、欠采样填零的多线圈一维傅里叶空间仿真数据和对应的一维欠采样模板的训练集；2)设计基于迭代过程展开的深度神经网络模型、网络的反馈功能及损失函数；3)利用步骤1)获得的训练集，求解深度神经网络的最优参数；4)将待重建的欠采样的磁共振傅里叶空间数据输入已训练的网络，并在网络求解中引入傅里叶空间自一致性操作进行数据校准，实现磁共振图像重建。
-
公开(公告)号：CN117576234A
公开(公告)日：2024-02-20
申请号：CN202311454984.6
申请日：2023-11-03
Applicant: 厦门大学
Abstract: 一种动态磁共振智能成像方法，涉及动态磁共振图像重建。获取多线圈三维磁共振傅里叶空间‑时间数据，通过傅里叶逆变换、傅里叶空间‑时间欠采样、数据分离提取、线圈灵敏度编解码操作，建立包含全采样的合并线圈二维图像空间‑时间数据、欠采样填零的多线圈二维傅里叶空间‑时间数据和对应的二维傅里叶空间‑时间欠采样模板的训练集；设计基于时间低秩和空间稀疏模型展开的深度学习网络模型、网络的反馈功能及损失函数；求解基于时间低秩和空间稀疏模型展开的深度学习网络的最优参数；将待重建的欠采样的多线圈三维磁共振傅里叶空间‑时间数据输入已训练的网络，实现动态磁共振图像重建。重建速度快、重建质量高、内存消耗小，所需训练数据量少。
-
公开(公告)号：CN117173273A
公开(公告)日：2023-12-05
申请号：CN202311164236.4
申请日：2023-09-11
Applicant: 厦门大学
IPC: G06T11/00 , G06T5/00 , G06T5/10 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/082 , G06N3/048
Abstract: 一种即插即用的生成数据深度学习快速磁共振成像方法，涉及磁共振图像的重建方法。依据磁共振图像特性，生成全采样无噪图像仿真数据，再添加高斯白噪声生成对应的带噪声的图像仿真数据，然后进行随机一维数据提取操作，建立包含全采样无噪的一维图像仿真数据、带噪声的一维图像仿真数据的训练集；设计深度去伪影网络、损失函数及网络参数更新方式；利用获得的训练集，求解深度去伪影网络的最优参数；将训练好的深度去伪影网络插入基于近端梯度下降的迭代重建算法中；将待重建的欠采样的磁共振傅里叶空间数据输入迭代重建算法，通过迭代求解，实现快速磁共振图像重建。具有重建质量高、重建速度快和对不同采样模式鲁棒的特点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
