一种即插即用的生成数据深度学习快速磁共振成像方法

    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

    Inventor: 屈小波 肖敏 王孜

    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。

    一种即插即用的生成数据深度学习快速磁共振成像方法

    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

    Inventor: 屈小波 肖敏 王孜

    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。

Patent Agency Ranking