-
公开(公告)号:CN117710761B
公开(公告)日:2024-07-19
申请号:CN202410169637.7
申请日:2024-02-06
申请人: 中国科学院深圳先进技术研究院
IPC分类号: G16H50/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本申请提供了一种基于量子卷积神经网络的磁共振影像分类方法、装置,涉及图像分类技术领域。其中,该方法包括:获取MRI图像,基于所述MRI图像、卷积层与池化层获取对应的MRI图像特征数据;将所述MRI图像特征数据输入全连接层获取对应的MRI图像类别数据;将所述MRI图像类别数据输入到量子层转换为量子态数据,且基于所述量子态数据通过所述量子层进行图像分类。本申请解决了相关技术中磁共振成像中图像分类效率低的问题。
-
公开(公告)号:CN117710514A
公开(公告)日:2024-03-15
申请号:CN202410170764.9
申请日:2024-02-06
申请人: 中国科学院深圳先进技术研究院
IPC分类号: G06T11/00 , G06N3/0464 , G06N3/08 , G06N10/40
摘要: 本发明公开了一种动态磁共振成像方法、模型训练方法、装置、设备及介质,其包括获取待重建的动态磁共振图像;将待重建的动态磁共振图像输入训练好的成像模型,以获取重建后的动态磁共振图像;其中,重建后的动态磁共振图像是待重建的动态磁共振图像的上采样图像;成像模型包括量子卷积神经网络及普通卷积神经网络,量子卷积神经网络用于对待重建的动态磁共振图像进行特征提取,以获取对应的特征图;普通卷积神经网络用于将特征图转化为重建后的动态磁共振图像。本发明通过量子卷积神经网络与普通卷积神经网络串联,实现对磁共振图像进行重构;相比在经典计算上网络,不仅减少了计算时间,同时获得了更高质量的动态磁共振重建图像。
-
公开(公告)号:CN117689966A
公开(公告)日:2024-03-12
申请号:CN202410158112.3
申请日:2024-02-04
申请人: 中国科学院深圳先进技术研究院
IPC分类号: G06V10/764 , G06T7/00 , G06N3/04
摘要: 本发明涉及一种基于量子贝叶斯神经网络的磁共振图像分类方法,包括:从图像数据集获取输入数据集;选择可训练电路权重参数的先验分布和先验置信度;根据输入数据集、先验分布和先验置信度计算可训练电路权重参数的后验分布;更新先验分布和先验置信度;根据后验分布和变分量子电路将输入数据集进行处理得到量子态数据;将量子态数据分类形成输出数据集。其具有贝叶斯推理的理想特性,同时保持与其他同类模型相当的预测性能。与现有技术相比,本申请公开的一种基于量子贝叶斯神经网络的磁共振图像分类方法,可以实现更全面地理解和利用输入数据中量化预测的不确定性,从而提高模型的泛化能力和鲁棒性。
-
公开(公告)号:CN116884564A
公开(公告)日:2023-10-13
申请号:CN202310415582.9
申请日:2023-04-18
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癫痫耐药性的预测方法、装置、电子设备及存储介质,涉及计算机辅助诊断技术领域,其中,所述方法包括:获取患者的MRI特征和CT特征,得到所述患者的第一特征矩阵;基于所述第一特征矩阵进行第二特征矩阵的构建和学习,对所述第一特征矩阵中的各特征进行筛选,得到所述患者的第二特征矩阵;根据所述第一特征矩阵和所述第二特征矩阵进行的特征图动态学习,调整所述第一特征矩阵中各特征对所述患者的癫痫耐药性预测的贡献程度,得到特征关系图;根据所述特征关系图对所述患者的癫痫耐药性进行预测,得到所述患者的预测结果。本发明解决了现有相关技术不能准确预测早期癫痫患者的癫痫耐药性的问题。
-
公开(公告)号:CN116263970A
公开(公告)日:2023-06-16
申请号:CN202111538547.3
申请日:2021-12-14
申请人: 中国科学院深圳先进技术研究院
IPC分类号: G06T11/00 , G06V10/74 , G06V10/75 , G06V10/762 , A61B5/055
摘要: 本申请公开了一种基于图像结构以及物理弛豫先验的磁共振定量成像方法、装置、设备及其存储介质,该方法包括:基于块匹配法提取具有结构相似性的图像块,并根据图像块构造低秩化结构张量;利用信号物理弛豫先验,对加权图像构造低秩化参数张量;通过低秩化结构张量和低秩化参数张量建立基于低秩张量的图像重建模型和求解方法。本申请提供的上述方案,极大地加快数据扫描速度,减少定量成像时间,在图像重建时,本发明提出的重建方法在较高加速倍数下仍能够精确地从高度欠采的数据中重建出参数加权图像。
-
公开(公告)号:CN116158749A
公开(公告)日:2023-05-26
申请号:CN202111404269.2
申请日:2021-11-24
申请人: 中国科学院深圳先进技术研究院
摘要: 本发明公开了一种基于波浪式梯度的磁共振多对比度参数成像方法。该方法包括:采集磁共振成像序列,该序列包含双重复时间、双翻转角,且每一重复时间包含多个回波;针对所述磁共振成像序列施加读出梯度时,利用磁共振梯度场线圈在选层方向施加余弦波浪梯度序列,并在相位方向施加正弦波浪梯度序列;或者在相位方向施加余弦波浪梯度序列,在选层方向施加正弦波浪梯度序列;将所述波浪式梯度序列应用于梯度重聚回波成像序列,并对信号进行欠采样,获得多层图像,进而基于所述多层图像,获得多种对比度的参数图像。本发明可以实现单次扫描获得多种对比度参数图像,显著缩短了扫描时间且改善了生成图像的清晰度。
-
公开(公告)号:CN113298902B
公开(公告)日:2022-11-25
申请号:CN202110524453.4
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,根据所述全视野自校准采样数据计算K空间的卷积核;根据卷褶视野欠采样数据、卷积核进行图像重建。本发明提供的卷褶视野磁共振图像的重建方法根据目标对象的全视野自校准采样数据获得K空间的卷积核,再根据卷褶视野欠采样数据、卷积核进行图像重建,即利用全视野自校准采样数据建模来对卷褶视野欠采样数据进行图像重建,从而获得全视野的磁共振图像,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:CN114565690A
公开(公告)日:2022-05-31
申请号:CN202111536971.4
申请日:2021-12-15
申请人: 中国科学院深圳先进技术研究院
摘要: 本申请公开了一种基于波浪(Wave-CAIPI)编码梯度场和深度学习模型的磁共振成像方法、装置、设备及其存储介质,该方法包括:在Wave-CAIPI梯度编码场的磁共振重建模型中引入深度生成网络模型(DGM),加速磁共振成像;通过虚拟共轭线圈(VCC)对物理线圈通道数据做共轭对称,生成VCC通道数据;将物理线圈通道数据和VCC通道数据合并重建几何因子计算模型。本申请提供的上述方案,将Wave-CAIPI梯度编码场合VCC(Wave-CAIPI)技术和DGM相结合,其不仅仅利用了Wave-CAIPI和VCC降低系统条件数的优势,适用重建的g-factor更小,更加均匀,从而重建图形具有更高的信噪比,缩短传统卷积神经网络中需要大量的训练数据训练网络参数的步骤。
-
公开(公告)号:CN114137462A
公开(公告)日:2022-03-04
申请号:CN202111376303.X
申请日:2021-11-19
申请人: 中国科学院深圳先进技术研究院
IPC分类号: G01R33/50
摘要: 本发明公开了一种用于低场磁共振的多对比度成像方法和设备。该方法包括:依次采用设定的第一射频脉冲序列和第二射频脉冲序列应用于目标成像区域;针对第一射频脉冲序列采集第一组回波信号,并针对第二射频脉冲序列采集第二组回波信号,其中第一组回波信号和第二组回波信号中均包含多个回波;对所获得的回波信号进行调制和欠采样,进而重建得到目标成像区域的多种对比度的磁共振图像。本发明通过单次扫描过程可以生成多种对比度图像并显著缩短了图像生成的时间,增强了重建图像的清晰度。
-
公开(公告)号:CN111103562A
公开(公告)日:2020-05-05
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。
-
-
-
-
-
-
-
-
-