-
公开(公告)号：CN113933773B
公开(公告)日：2024-11-15
申请号：CN202111158049.6
申请日：2021-09-30
申请人： 深圳先进技术研究院
IPC分类号： G01R33/54
摘要： 本申请涉及一种基于深度学习的磁共振成像方法、系统、终端以及存储介质。所述方法包括：对磁共振全采k空间数据进行欠采样，生成欠采k空间数据；根据所述欠采K空间数据估计填充k空间的SPIRiT卷积核；将所述欠采k空间数据和SPIRiT卷积核输入卷积神经网络进行训练，得到训练好的基于k空间的图像重建模型；通过所述训练好的基于k空间的图像重建模型进行磁共振图像重建。本申请实施例采用基于k空间的图像重建模型进行图像重建，并利用卷积神经网络学习图像的先验信息，无需估计线圈敏感度信息，能够大幅减少重建时间，并获得更好的图像重建效果。
-
公开(公告)号：CN111103562B
公开(公告)日：2022-03-04
申请号：CN201911253289.7
申请日：2019-12-09
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G01R33/561
摘要： 本申请适用于医学影像学领域，提供了一种同时多个片层成像的重建方法及装置，其中方法包括：对采集到的多个片层的混叠信号和自动校准信号进行数据扩展，得到所述混叠信号的虚拟混叠信号和所述自动校准信号的虚拟自动校准信号，将所述混叠信号和所述虚拟混叠信号在线圈方向进行数据融合得到经扩展的混叠信号，将所述自动校准信号和所述虚拟自动校准信号在所述线圈方向进行数据融合得到经扩展的自动校准信号；根据所述经扩展的自动校准信号计算重建核；利用所述重建核对所述经扩展的混叠信号进行重建，得到所述多个片层中的每个片层的重建数据；根据所述每个片层的重建数据，生成所述多个片层的重建图像。
-
公开(公告)号：CN113933773A
公开(公告)日：2022-01-14
申请号：CN202111158049.6
申请日：2021-09-30
申请人： 深圳先进技术研究院
IPC分类号： G01R33/54
摘要： 本申请涉及一种基于深度学习的磁共振成像方法、系统、终端以及存储介质。所述方法包括：对磁共振全采k空间数据进行欠采样，生成欠采k空间数据；根据所述欠采K空间数据估计填充k空间的SPIRiT卷积核；将所述欠采k空间数据和SPIRiT卷积核输入卷积神经网络进行训练，得到训练好的基于k空间的图像重建模型；通过所述训练好的基于k空间的图像重建模型进行磁共振图像重建。本申请实施例采用基于k空间的图像重建模型进行图像重建，并利用卷积神经网络学习图像的先验信息，无需估计线圈敏感度信息，能够大幅减少重建时间，并获得更好的图像重建效果。
-
公开(公告)号：CN110133557A
公开(公告)日：2019-08-16
申请号：CN201810132444.9
申请日：2018-02-09
申请人： 深圳先进技术研究院
IPC分类号： G01R33/56
摘要： 本发明涉及磁共振图像重建，公开了一种基于多通道线圈数据的复数共轭对称性和非线性GRAPPA图像重建的并行快速成像方法、装置及介质。它主要分为五个步骤：从实际多通道线圈数据扩展出虚拟共轭线圈数据；从实际和虚拟多通道线圈数据组合出线性和非线性数据项；用混合的低频全采样数据(其边缘带有部分高频数据)校准线性和非线性数据项的加权因子；根据校准的加权因子重建出高频欠采样的数据；融合低频全采样的数据和高频重建的数据。实施本发明的有益效果主要有：本发明提高了并行磁共振快速成像图像重建的图像质量，减小了重建伪影和噪音；本发明在提高重建的图像质量的同时，不增加额外的数据和扫描时间。
-
公开(公告)号：CN109959887A
公开(公告)日：2019-07-02
申请号：CN201711429290.1
申请日：2017-12-26
申请人： 深圳先进技术研究院
摘要： 本发明涉及磁共振成像的技术领域，公开了一种三维磁共振成像重建方法、装置、应用及可读介质，所述三维磁共振成像重建方法包括以下步骤：步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像；步骤2：由CPU多线程和GPU多线程并行运行进行迭代重建图像；步骤3：进行多通道合并，生成重建的磁共振图像。本发明采用CPU多线程和GPU多线程并行的方式，可以加速三维重建计算速度，实验证明本发明比只用GPU计算或者只用CPU并行计算更快，提高了时间效率。
-
公开(公告)号：CN106491131A
公开(公告)日：2017-03-15
申请号：CN201611260606.4
申请日：2016-12-30
申请人： 深圳先进技术研究院
摘要： 一种磁共振的动态成像方法包括：通过TGRAPPA技术，对动态数据进行欠采样；对欠采样所得到的数据，采用变密度加速采样方式进行第二次欠采样；对所述第二次欠采样信号进行重建；对重建后获得的K空间数据按TGRAPPA方式进行模拟并行欠采样，根据欠采样的数据构造全采样的自动校准数据ACS；将所述自动校准数据ACS映射至比当前空间的维度更高的空间，在新的空间计算出每个线圈的权重系数；根据所述权重系数填充模拟并行欠采样的K空间数据，第二次重建生成最终图像。本方法不需要额外采集K空间中心的自动校准信号，并且在更高的加速倍数下，能够较好的抑制并行成像中由于加速倍数变大而造成的噪声放大，获得信噪比更高的图像。
-
公开(公告)号：CN112489029B
公开(公告)日：2024-08-20
申请号：CN202011455188.0
申请日：2020-12-10
申请人： 深圳先进技术研究院
摘要： 本申请公开一种基于卷积神经网络的医学图像分割数据增强方法及装置，该方法包括：对获取的原始图像进行边缘增强处理，获得边缘增强的原始图像；将原始图像和边缘增强的原始图像合并生成多通道图像数据；将获得的多通道图像数据作为输入数据输入卷积神经网络模型，将原始图像的标注数据作为卷积神经网络模型拟合的目标，对卷积神经网络模型进行训练，获得卷积神经网络模型参数，以实现对待测图像按照所述标注数据的类型进行分割。用于解决相关技术中由于训练样本数量不足导致的网络泛化性能降低，从而导致网络模型测试误差较大甚至失真的问题。
-
公开(公告)号：CN113313778B
公开(公告)日：2023-02-17
申请号：CN202110522945.X
申请日：2021-05-13
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06T11/00
摘要： 本发明提供了一种磁共振图像的重建方法、计算机设备及存储介质，重建方法包括：获取目标对象在第一脉冲序列激发下的欠采样数据；根据目标对象的二维全采样数据获得点扩散函数；对点扩散函数进行通道扩充；获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，第一脉冲序列是由第二脉冲序列增加正弦梯度场获得；基于低分辨率全采样数据获得线圈敏感度图；根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建。本发明提供的重建方法通过对目标对象在第一脉冲序列激发下进行欠采样来提升扫描速度，并通过增加正弦梯度场以及通过对点扩散函数进行通道扩充来降低几何因子，从而实现在减少磁共振的扫描时间的同时提升重建图像的质量。
-
公开(公告)号：CN113298901B
公开(公告)日：2022-12-06
申请号：CN202110522711.5
申请日：2021-05-13
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06T11/00
摘要： 本发明提供了一种卷褶视野磁共振图像的重建方法、计算机设备及存储介质，包括：获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据；获取目标对象在第二脉冲序列激发下的全视野自校准采样数据；基于所述全视野自校准采样数据计算全视野线圈敏感度图；根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建，获得全视野磁共振图像。本发明提供的重建方法利用全视野采样数据建模来对卷褶视野欠采样数据进行图像重建，以获得全视野磁共振图像，从而避免了在卷褶视野扫描场景中的重建混叠伪影现象，提升重建图像的质量。
-
公开(公告)号：CN115115722A
公开(公告)日：2022-09-27
申请号：CN202110285759.9
申请日：2021-03-17
申请人： 中国科学院深圳先进技术研究院
摘要： 本发明实施例公开了一种图像重建模型生成及图像重建方法、装置、设备和介质，其中，图像重建模型生成方法包括：获取全采样磁共振K空间数据，并基于预设低分辨率采样模型得到全采样磁共振K空间数据对应的欠采样K空间数据；将欠采样K空间数据输入至，根据对预设低分辨率模型的反问题进行优化求解得到子问题，建立的超分重建生成网络模型，然后根据模型生成的欠采样重建图像与全采样磁共振K空间数据对应的全采样重建图像，基于判别网络输出结果训练超分重建生成网络模型，生成目标图像重建模型。本实施例的技术方案实现了在提高采样加速倍数的同时，能够重建得到高分辨率图像，提升图像质量。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.029 秒)
