-
公开(公告)号：CN112924913B
公开(公告)日：2022-08-12
申请号：CN202110141998.7
申请日：2021-02-02
Applicant: 厦门大学
IPC: G01R33/54
Abstract: 本发明提供了一种时空编码磁共振成像超分辨率重建方法及系统。本发明根据待测样品的特征生成设定量的模拟样品；根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；根据模拟实验方案生成深度神经网络的训练样本集；确定用于时空编码磁共振成像重建的深度神经网络；采用训练样本集训练深度神经网络，获得训练好的深度神经网络；对待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据；将待重建时空编码磁共振成像数据输入训练好的深度神经网络，获得待测样品的高分辨率时空编码磁共振图像。本发明解决了现有重建方法迭代求解时间长、重建结果未能完全消除混叠伪影、图像边缘信息模糊等问题。
-
Patent Agency Ranking
公开(公告)号：CN114972145B
公开(公告)日：2024-06-28
申请号：CN202210581140.7
申请日：2022-05-26
Applicant: 厦门大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度学习的扩散张量重建方法、系统和电子设备：获取T1加权图像、非扩散加权图像、扩散加权图像，分别简称为T1图像、b0图像、DW图像；拟合b0图像和DW图像，得到扩散张量；选用T1图像、部分b0图像和DW图像，以相邻三层为一组，获得原始网络输入图像组；对原始网络输入图像组进行排序，获得三层排序图像组和重建层排序图像组；构建并训练深度神经网络；对待成像对象进行图像采集，将采集的图像排序得到待重建的三层排序图像组和待重建的重建层排序图像组并输入训练好的深度神经网络重建得到扩散张量；由扩散张量计算得到DTI定量图像。本发明可减少扩散张量及其定量图重建所需DW图像数量，加快成像速度。
-
公开(公告)号：CN114972145A
公开(公告)日：2022-08-30
申请号：CN202210581140.7
申请日：2022-05-26
Applicant: 厦门大学
IPC: G06T5/50 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度学习的扩散张量重建方法、系统和电子设备：获取T1加权图像、非扩散加权图像、扩散加权图像，分别简称为T1图像、b0图像、DW图像；拟合b0图像和DW图像，得到扩散张量；选用T1图像、部分b0图像和DW图像，以相邻三层为一组，获得原始网络输入图像组；对原始网络输入图像组进行排序，获得三层排序图像组和重建层排序图像组；构建并训练深度神经网络；对待成像对象进行图像采集，将采集的图像排序得到待重建的三层排序图像组和待重建的重建层排序图像组并输入训练好的深度神经网络重建得到扩散张量；由扩散张量计算得到DTI定量图像。本发明可减少扩散张量及其定量图重建所需DW图像数量，加快成像速度。
-
公开(公告)号：CN114021485A
公开(公告)日：2022-02-08
申请号：CN202111451737.1
申请日：2021-12-01
Applicant: 厦门大学
Abstract: 基于Bloch仿真合成训练样本的螺旋桨欠采重建系统，涉及磁共振成像领域。系统包括原始模板生成模块、模拟采样模块、训练样本生成模块、深度神经网络训练模块和图像重建模块。方法：1)生成原始模板；2)生成既定参数的采样后的数据；3)批量生成定量的训练样本；4)深度神经网络训练；5)图像重建。具有重建图像时间短、重建图像质量高和抵抗运动伪影等优点,方便螺旋桨(PROPELLER)数据的采集和相关研究，可以在采样数据量少甚至有运动的情况下，快速地重建出质量高无运动伪影的图片，节约大量人力物力成本。
-
公开(公告)号：CN112924913A
公开(公告)日：2021-06-08
申请号：CN202110141998.7
申请日：2021-02-02
Applicant: 厦门大学
IPC: G01R33/54
Abstract: 本发明提供了一种时空编码磁共振成像超分辨率重建方法及系统。本发明根据待测样品的特征生成设定量的模拟样品；根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；根据模拟实验方案生成深度神经网络的训练样本集；确定用于时空编码磁共振成像重建的深度神经网络；采用训练样本集训练深度神经网络，获得训练好的深度神经网络；对待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据；将待重建时空编码磁共振成像数据输入训练好的深度神经网络，获得待测样品的高分辨率时空编码磁共振图像。本发明解决了现有重建方法迭代求解时间长、重建结果未能完全消除混叠伪影、图像边缘信息模糊等问题。
-
公开(公告)号：CN114021485B
公开(公告)日：2024-06-14
申请号：CN202111451737.1
申请日：2021-12-01
Applicant: 厦门大学
Abstract: 基于Bloch仿真合成训练样本的螺旋桨欠采重建系统，涉及磁共振成像领域。系统包括原始模板生成模块、模拟采样模块、训练样本生成模块、深度神经网络训练模块和图像重建模块。方法：1)生成原始模板；2)生成既定参数的采样后的数据；3)批量生成定量的训练样本；4)深度神经网络训练；5)图像重建。具有重建图像时间短、重建图像质量高和抵抗运动伪影等优点,方便螺旋桨(PROPELLER)数据的采集和相关研究，可以在采样数据量少甚至有运动的情况下，快速地重建出质量高无运动伪影的图片，节约大量人力物力成本。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
