基于深度学习和奇异值分解的高场CEST MRI Z谱合成方法

    公开(公告)号:CN119064834A

    公开(公告)日:2024-12-03

    申请号:CN202410953469.0

    申请日:2024-07-16

    Abstract: 本发明公开了一种基于深度学习和奇异值分解的高场CEST MRI Z谱合成方法,包括:获取目标低场CEST MRI Z谱数据;利用预先训练好的高场Z谱数据生成模型,根据目标低场CEST MRI Z谱数据生成目标高场CEST MRI Z谱数据,其中,高场Z谱数据生成模型包括基于深度神经网络DNN的B0校正模块、基于DNN的特征蒸馏模块和奇异值分解SVD截断模块,B0校正模块用以对低场CEST MRI Z谱数据进行B0校正,特征蒸馏模块用以根据目标降维特征表达的维数对B0校正后的目标低场CEST MRI Z谱数据进行特征蒸馏,得到目标高场特征表达,SVD截断模块用以对目标高场特征表达进行SVD逆变换,得到目标高场CEST MRI Z谱数据,目标降维特征表达的维数由SVD截断模块确定。该方法适用于临床CEST的诊断,具有成本低的优点。

    自由呼吸的腹部化学交换饱和转移成像方法及系统

    公开(公告)号:CN116250821A

    公开(公告)日:2023-06-13

    申请号:CN202310091289.1

    申请日:2023-02-06

    Abstract: 本申请涉及医疗设备技术领域,特别涉及一种自由呼吸的腹部化学交换饱和转移成像方法及系统,其中,方法包括:采集成像对象的呼吸运动信号;若检测到呼吸运动信号的预设的特定位置,则在延迟目标时长后触发施加水信号抑制序列模块,使得水信号从0开始进行纵向弛豫恢复;在延迟第一预设时长后施加第二预设时长的CEST饱和脉冲,在CEST饱和脉冲施加完成之后对成像目标进行MR信号读取,得到成像目标的MR图像。由此,解决了相关技术无法克服呼吸运动对腹部CEST的影响,实施性较低,易用性差,准确率较低等问题。

    磁共振成像平台兼容的恒温样品成像系统

    公开(公告)号:CN116148737A

    公开(公告)日:2023-05-23

    申请号:CN202310148105.0

    申请日:2023-02-22

    Applicant: 清华大学

    Abstract: 本发明涉及磁共振成像平台兼容的恒温样品成像系统,包括磁共振兼容温度监控模块、温度测量模块、供气加热模块和样品放置模块;温度测量模块设置在样品放置模块内,温度测量模块用于测量样品放置模块内的温度;供气加热模块分别与样品放置模块和温度测量模块相连,供气加热模块用于向样品放置模块供气以及对供气的气体温度监测和对气体加热;磁共振兼容温度监控模块与温度测量模块相连,磁共振兼容温度监控模块用于显示温度测量模块测量的温度值及控制供气加热模块的温度。本发明实现适用于临床和小动物水平宽场磁共振扫描仪,可进行仿体和样品的磁共振分子代谢成像,相对于水浴加热,气流作为热源进行循环对于磁共振成像不产生流动伪影。

    动态读取CEST信号累积的磁共振分子成像方法、系统

    公开(公告)号:CN114216920A

    公开(公告)日:2022-03-22

    申请号:CN202111273423.7

    申请日:2021-10-29

    Applicant: 清华大学

    Abstract: 本发明公开了一种动态读取CEST信号累积的磁共振分子成像方法、系统。方法包括:通过磁共振成像设备在每个重复时间内施加N个针对待检测对象的CEST饱和脉冲;在前N‑1个CEST饱和脉冲中的每个CEST饱和脉冲之后,采用低分辨率、小角度的读取方式进行信号读取,得到N‑1个第一类信号;在第N次CEST饱和脉冲之后,采用高分辨、大角度的读取方式进行信号读取,得到第二类信号以对第一类信号进行补偿,并根据补偿后的第一、二类信号得到待检测对象的N幅饱和加权磁共振图像。该方法可提升CEST成像信噪比和鲁棒性,并可以根据N个读出信号动态变化,具有更好的定量性,如降低组织纵向弛豫(T1)影响,得到质子交换率图像。

    CEST序列图运动矫正方法、电子设备

    公开(公告)号:CN118379227A

    公开(公告)日:2024-07-23

    申请号:CN202410319026.6

    申请日:2024-03-20

    Abstract: 本发明公开了一种CEST序列图运动矫正方法、电子设备。方法包括:从CEST序列图中确定出参考图像并确定浮动图像的迭代次序,浮动图像为CEST序列图中除去参考图像后的图像;利用当前B样条自由变换模型对当前浮动图像进行B样条非刚性变换;计算参考图像与变换后的当前浮动图像之间的相似度;若相似度或者迭代次数不满足预设条件则更新当前B样条自由变换模型的变换参数,并转至利用当前B样条自由变换模型对当前浮动图像进行B样条非刚性变换的步骤,进行下一次迭代,否则将当前B样条自由变换模型作为最优B样条自由变换模型;利用最优B样条自由变换模型分别对各浮动图像进行B样条非刚性变换得到非刚性运动矫正后的CEST序列图。

    基于可变饱和梯度的三维CEST或Z谱磁共振成像方法和设备

    公开(公告)号:CN117554875A

    公开(公告)日:2024-02-13

    申请号:CN202311266353.1

    申请日:2023-09-27

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于可变饱和梯度的三维CEST或Z谱磁共振成像方法和电子设备,方法包括:向目标对象施加饱和脉冲的同时,打开r方向的梯度,读出原始图像,上述过程重复n次以得到n组原始图像;将n组原始图像填充到r‑Δω平面上;根据r‑Δω平面中的已采集图像确定目标未采集图像,并对目标未采集图像进行估计;基于已采集图像和估计出的目标未采集图像进行插值和/或拟合,得到高空间分辨率、高频谱采样率的CEST或Z谱图像。该方法具有很强的灵活性和可扩展性,方便和并行成像、基于压缩感知等欠采样技术联合使用,加速倍数可达数十倍甚至上百倍,将革命性地推动微小病灶、运动器官及造影剂动态增强的CEST或Z谱成像,实现活体无创的CEST信号精准探测。

    磁共振图像的重建方法和电子设备

    公开(公告)号:CN117474768A

    公开(公告)日:2024-01-30

    申请号:CN202311482076.8

    申请日:2023-11-08

    Applicant: 清华大学

    Abstract: 本发明公开了一种磁共振图像的重建方法和电子设备,方法包括:确定磁共振图像的重建需求;若重建需求为第一需求,则利用预先训练好的第一重建模型根据低分辨率化学交换饱和转移CEST图像,得到伪高分辨率CEST图像,并利用预先训练好的第二重建模型根据伪高分辨率CEST图像,得到高分辨率CEST图像;若重建需求为第二需求,则利用预先训练好的第三重建模型根据第一模态的高分辨率磁共振图像和第二模态的低分辨率磁共振图像,得到第二模态的高分辨率磁共振图像。该重建方法,可得到高质量的CEST图像,便于CEST定量分析,还可得到不同对比度的磁共振图像,便于疾病的早期、精确诊断。

    基于排列随机森林的CEST磁共振分析方法及装置

    公开(公告)号:CN114999627A

    公开(公告)日:2022-09-02

    申请号:CN202210426923.8

    申请日:2022-04-21

    Abstract: 本申请公开了一种基于排列随机森林的CEST磁共振分析方法及装置,其中,方法包括:获取受试的CEST磁共振图像和病变区域与非病变区域内的体素标签;将CEST磁共振图像中每个体素的Z谱和体素标签输入预先训练的排列随机森林模型,得到每个饱和频率偏移的重要性,根据饱和频率偏移的重要性确定CEST磁共振图像中所有饱和频率偏移对于病变分类的贡献。由此,可以鲁棒性地解释代谢相关的频率偏移信号对于病变分类的贡献,以及病变区域精确分割问题。

    CEST-MRI超分辨率重建方法、电子设备

    公开(公告)号:CN117474767A

    公开(公告)日:2024-01-30

    申请号:CN202311480465.7

    申请日:2023-11-08

    Applicant: 清华大学

    Abstract: 本发明公开了一种CEST‑MRI超分辨率重建方法、电子设备,方法包括:获取待处理CEST‑MRI图像和预置CEST‑MRI图像,其中,预置CEST‑MRI图像为包含部分Z谱频率点的高分辨率CEST‑MRI图像,待处理CEST‑MRI图像为包含全Z谱信息的低分辨率CEST‑MRI图像;将待处理CEST‑MRI图像和预置CEST‑MRI图像输入至预先训练好的CEST‑MRI超分辨率重建模型,得到包含全Z谱信息的高分辨率CEST‑MRI图像;其中,CEST‑MRI超分辨率重建模型包括上采样模块、K个依次连接的迭代模块和重建模块,第1个迭代模块与上采样模块连接,重建模块与第K个迭代模块连接。

    基于K-means聚类的快速高信噪比的CEST量化参数图计算方法

    公开(公告)号:CN116433597A

    公开(公告)日:2023-07-14

    申请号:CN202310219151.5

    申请日:2023-03-08

    Abstract: 本发明公开了一种基于K‑means聚类的快速高信噪比的CEST量化参数图计算方法,方法包括:根据CEST‑MRI图像的像素个数和标准差设置聚类终止条件;对待聚类目标进行K‑means聚类,并分别对每个类的平均Z谱进行参数拟合;对于不满足条件的类,将该类作为待聚类目标,并将该类的平均Z谱的拟合参数作为下一次聚类后拟合的初值,转至聚类步骤;对于满足的类,将该类的拟合值作为该类内所有像素的量化信号输出,并在所有类均满足所述聚类终止条件时,根据所有类的拟合值输出基于类拟合的量化图。该方法可提高CEST‑MRI的量化图信噪比和拟合准确度并显著减少计算时间,利于在临床前研究和临床实践中推广应用。

Patent Agency Ranking