-
公开(公告)号：CN105738847B
公开(公告)日：2018-04-13
申请号：CN201610085326.8
申请日：2016-02-15
Applicant: 厦门大学
IPC: G01R33/565
Abstract: 一种在强不均匀磁场下磁共振图像扭曲的矫正方法，涉及磁共振图像。模型上，通过二维傅里叶正交变化将不均匀场完备地描述为四维矩阵的形式，再将四维矩阵降维成二维的大型矩阵。方法上主要是迭代进行两个模块，一是给定不均匀场，建立并求解了基于正交基变换和压缩感知的l1范数最优化模型；二是给定磁矩密度分布图像，使用解缠绕算法和布谷鸟最优化搜索算法，实现了拟合不均匀场。对强不均匀场和局部不均匀场下磁共振快速序列成像扭曲的矫正有显著的作用。克服磁共振成像快速序列对强不均匀场的敏感和矫正不均匀场造成的图像扭曲。
-
公开(公告)号：CN103885017B
公开(公告)日：2017-02-22
申请号：CN201410057539.0
申请日：2014-02-20
Applicant: 厦门大学
IPC: G01R33/565
Abstract: 本发明公开一种基于单扫描正交时空编码磁共振成像的图像畸变校正方法。该方法通过90度和180度的线性扫频脉冲（chirp脉冲）联合正交分布的空间编码梯度，在激发阶段使空间内的质子自旋获得一个和空间位置相关的二次相位；在采样阶段，通过快速切换的正负梯度回波链进行数据采样，超快速地获得具有T2*加权的空间域磁共振成像数据；最后通过高分辨重建算法和图像畸变校正方法对畸变的磁共振图像进行重建校正，从而获得高分辨率的高品质磁共振图像。本发明所提出的基于正交时空编码磁共振成像的图像畸变校正方法，不仅不需要额外的参考扫描，根据自身的数据就可以进行畸变校正，并且还具有克服局部不均匀场的能力，即使在极强的不均匀场下仍能正常工作。
-
公开(公告)号：CN105232046A
公开(公告)日：2016-01-13
申请号：CN201510833537.0
申请日：2015-11-26
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 一种基于重叠回波的单扫描定量磁共振T2成像方法，涉及磁共振成像的方法。通过在单次扫描中加入两个有相同偏转角的激发脉冲来产生两个不同演化时间的回波信号，尽管两个回波信号的演化时间不同，导致两个回波信号的T2加权不同，这两个回波信号来自同一个成像切片，可通过两个回波信号之间的先验知识：两者结构类似、联合边缘的稀疏性来分离这两个回波信号，利用稀疏变换配合相应的分离算法对这两个回波信号进行分离；最后对分离得到的两个信号进行T2计算得到定量T2图像。获得了单次扫描的定量T2成像，将定量T2成像的时间由秒级甚至分钟级，减少到ms级，并且得到的T2图像质量能够与常规的单次扫描EPI序列得到的图像质量相当。
-
公开(公告)号：CN104965184A
公开(公告)日：2015-10-07
申请号：CN201510269980.X
申请日：2015-05-25
Applicant: 厦门大学
IPC: G01R33/56
Abstract: 基于时空编码单扫描磁共振成像的螺旋采样及重建方法，涉及磁共振成像方法。通过90°和180°的线性扫频脉冲结合相应的时空编码梯度，在激发阶段使空间内的质子自旋获得一个和空间位置相关的二次相位；在采样阶段，通过施加优化之后的螺旋采样梯度进行数据采集，超快速获得具有T2*加权的空间域磁共振成像数据；最后通过特定的网格化算法和基于压缩感知的超分辨率重建算法对螺旋采样数据进行重建，从而获得超分辨率的高品质磁共振图像。极大地提高了时空编码单扫描成像的图像质量，为需要超快速成像的领域提供了一个很好的成像工具。
-
公开(公告)号：CN103809140A
公开(公告)日：2014-05-21
申请号：CN201410057472.0
申请日：2014-02-20
Applicant: 厦门大学
IPC: G01R33/48
Abstract: 本发明公开了基于单扫描超快速正交时空编码的小视野磁共振成像方法。该方法通过正交分布的空间编码梯度和线性扫频脉冲的有机结合，在激发阶段使空间内的质子自旋获得一个和空间位置相关的二次相位，从而对成像平面内的质子自旋进行两维的时空编码；对于经过正交时空编码空间内的质子自旋，在解码采样期只有静态相位分布的质子自旋才能被检测到，根据正交时空编码的这种特性，通过设计解码采样梯度，就可以对空间内多个任意分布的区域进行解码采样，最终获得多个感兴趣区域的磁共振数据。将获得的多个区域的磁共振数据，依次进行高分辨重建，最后就可以得到多个区域的高分辨的小视野磁共振图像。
-
Patent Agency Ranking
公开(公告)号：CN119575271A
公开(公告)日：2025-03-07
申请号：CN202411703452.6
申请日：2024-11-26
Applicant: 厦门大学
IPC: G01R33/54 , A61B5/055 , A61B5/00 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种基于多扫描重叠回波的磁共振高分辨多参数定量方法及系统，涉及磁共振成像方法。包括：设计基于多扫描重叠回波的高分辨率多参数同时定量成像序列并确定其采样参数；在满足序列和采样参数的磁共振仪器中使用设计好的序列和采样参数，对成像物体进行数据采集，获取磁共振信号；对磁共振信号进行处理后，得到所述序列采集到的图像；设计高保真的定量重建方法；对采集到的磁共振图像使用上述方法进行定量重建，得到高分辨率多参数磁共振定量图像。能够实现磁共振高分辨率多参数同时定量成像，并克服低信噪比条件下重建细节丢失的问题。实验结果表明，重建生成的磁共振定量参数图像与参考方法结果高度一致，成像精度高，具有广阔应用前景。
-
公开(公告)号：CN118671679A
公开(公告)日：2024-09-20
申请号：CN202410699093.5
申请日：2024-05-31
Applicant: 厦门大学
IPC: G01R33/561 , A61B5/055 , A61B5/00 , G06T17/00 , G06T7/10 , G06N3/0464 , G06N3/08 , G01R33/565 , G01R33/56
Abstract: 一种双梯度回波3D‑EPI定量磁化率成像及重建方法，涉及磁共振成像。包括：设计双回波链双极性相位编码梯度回波3D‑EPI序列；生成虚拟成像对象，虚拟成像对象利用T1加权图像分割得到的图谱生成；生成深度神经网络的训练样本，训练样本包括配对的有畸变的仿真样本和无畸变的目标样本；采用训练样本训练深度神经网络，得到训练好的深度神经网络；采用双回波链双极性相位编码梯度回波3D‑EPI序列对实际成像物体数据采集，得实际成像物体的有畸变的图像信号；采用训练好的深度神经网络对实际成像物体的有畸变的图像信号定量磁化率重建，得无畸变的定量磁化率图像。可实现快速高效的定量磁化率重建，并能矫正EPI图像畸变。
-
公开(公告)号：CN118549870A
公开(公告)日：2024-08-27
申请号：CN202410800105.9
申请日：2024-06-20
Applicant: 厦门大学
IPC: G01R33/565 , A61B5/055 , G06T5/80 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种多扫描磁共振图像的流动伪影校正方法及系统，包括：在磁共振成像仪中导入磁共振成像脉冲序列并按照设定的采样参数对实际成像物体进行数据采集，得到实际成像物体的多扫描磁共振成像信号；对实际成像物体的多扫描磁共振成像信号进处理，得到实际成像物体的有流动伪影的图像；生成训练样本，包括配对的有流动伪影的仿真样本和无流动伪影的仿真样本；采用训练样本对深度神经网络进行训练，得到训练好的深度神经网络；将实际成像物体的有流动伪影的图像输入训练好的深度神经网络进行流动伪影校正，得到无流动伪影的图像。本发明无需额外采集用于流动伪影校正的导航回波信号即可实现无流动伪影的高分辨率磁共振图像的快速获取。
-
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
IPC: G01R33/56 , G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/0455
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。
-
公开(公告)号：CN114782569B
公开(公告)日：2024-06-28
申请号：CN202210253168.8
申请日：2022-03-15
Applicant: 厦门大学
IPC: G06T11/00 , G06T7/00 , G06T5/70 , G06T5/30 , G06V10/28 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于深度学习的DSC‑MRI血液动力学参数定量方法和系统，包括：获取对比剂注射前后的T2*加权DSC‑MRI图像序列，称为原始DSC‑MRI图像序列；进行基于统计学和形态学的双重判定，获得二次判定掩膜；将原始DSC‑MRI图像序列与二次判定掩膜相乘，再进行信号模式变换，得到对比剂浓度‑时间图像序列；生成设定量的包含动脉输入点的DSC模拟训练样本；构建深度神经网络；利用DSC模拟训练样本对深度神经网络进行训练，得到训练好的深度神经网络；将对比剂浓度‑时间图像序列输入训练好的深度神经网络，得到血液动力学参数图。本发明可简化血液动力学参数计算过程，快速获得高质量的血液动力学参数图，有效改善由于部分体素灌注效果不佳对血液动力学参数定量的影响。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.021 seconds)
