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。

公开(公告)号：CN115840179A

公开(公告)日：2023-03-24

申请号：CN202211473137.X

申请日：2022-11-21

Applicant: 厦门大学

Inventor： 屈小波 ,  黄奕晖

IPC: G01R33/54 ,  G06N3/04 ,  G06N3/08 ,  A61B5/055

Abstract: 一种高保真磁共振采样信号智能重建方法，首先采集磁共振采样信号，根据信号特点欠采样、傅里叶变换等操作，构建由欠采样的一维磁共振采样信号、对应的一维欠采样模版和全采样的一维磁共振采样信号构成训练集，前二者作为网络模型的输入，后者作为标签；低秩模型迭代求解的最优化算法设计了深度学习神经网络结构，将该神经网络结构与最优化算法交替迭代，构成最终的网络结构，并用训练集求解网络的最优化参数，构成重建模型；最后将待重建的欠采样的磁共振采样信号输入训练完成的网络模型进行磁共振采样信号的重建。