基于深度学习的超快速磁共振成像高精度仿真方法及系统

    公开(公告)号:CN115166612B

    公开(公告)日:2024-08-06

    申请号:CN202210859475.0

    申请日:2022-07-21

    Applicant: 厦门大学

    Abstract: 基于深度学习的超快速磁共振成像高精度仿真方法及系统,涉及磁共振成像仿真成像。制作虚拟成像对象;根据仿真的磁共振序列对虚拟成像对象Bloch仿真,得磁共振图像并保留磁共振序列成像参数、不理想因素;使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本;构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板;训练Simu‑Net;构建指定磁共振序列成像参数和不理想因素条件下的样本,使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真,实现超快速磁共振成像高精度仿真。

    基于深度学习的超快速磁共振成像高精度仿真方法及系统

    公开(公告)号:CN115166612A

    公开(公告)日:2022-10-11

    申请号:CN202210859475.0

    申请日:2022-07-21

    Applicant: 厦门大学

    Abstract: 基于深度学习的超快速磁共振成像高精度仿真方法及系统,涉及磁共振成像仿真成像。制作虚拟成像对象;根据仿真的磁共振序列对虚拟成像对象Bloch仿真,得磁共振图像并保留磁共振序列成像参数、不理想因素;使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本;构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板;训练Simu‑Net;构建指定磁共振序列成像参数和不理想因素条件下的样本,使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真,实现超快速磁共振成像高精度仿真。

Patent Agency Ranking