-
公开(公告)号：CN108132274B
公开(公告)日：2019-08-16
申请号：CN201711396029.6
申请日：2017-12-21
Applicant: 厦门大学
Abstract: 不均匀磁场下回波平面成像无参考扫描图像畸变矫正方法，涉及核磁共振成像重建方法。利用单扫描回波平面成像序列对信号进行编码和采样，在一次90°脉冲激发后，通过一系列回波梯度采样获得整个k空间信号，不均匀磁场的影响在整个采样过程中积累。采样的信号通过二维傅里叶变换重建出图像，其中实部和虚部分别作为残差神经网络的输入。神经网络的训练来自于模拟数据集。首先随机生成标签，然后根据采样条件获得与标签对应的畸变的图像用于输入。批量生成多组数据用于训练网络。调整网络的超参数以保证训练误差能够收敛。最后导入训练好的网络参数并输入实测单扫描回波平面成像数据，可以获得无畸变的图像。
-
Patent Agency Ranking
公开(公告)号：CN108010100B
公开(公告)日：2020-02-18
申请号：CN201711287890.9
申请日：2017-12-07
Applicant: 厦门大学
Abstract: 一种基于残差网络的单扫描磁共振定量T2成像重建方法，涉及磁共振成像方法。利用具有相同偏转角的4个小角度激发脉冲，在每个激发脉冲之后有一段演化时间，使得每个回波信号的横向弛豫时间T2不同。在每个激发脉冲之后都加一个频率编码维和相位编码维的移位梯度，使得不同的激发脉冲产生的信号在k空间的位置不一样。在一次采样中就获得多个具有不同横向弛豫时间的回波信号。然后将采样信号经过归一化、充零和快速傅里叶变换之后输入到已经训练好的残差网络中重建得到定量T2图像。残差网络的训练数据来源于模拟数据。先随机生成模板，然后模拟实验环境采样得到网络的输入图像，模板作为标签，通过训练得输入图像和输出图像之间的映射关系。
-
公开(公告)号：CN109597012A
公开(公告)日：2019-04-09
申请号：CN201811580826.4
申请日：2018-12-24
Applicant: 厦门大学
IPC: G01R33/56
Abstract: 一种基于残差网络的单扫描时空编码成像重建方法，涉及基于深度学习网络的磁共振图像重建技术。提供在单次扫描中获得二维图像，再使用深度学习方法重建得到一种基于残差网络的单扫描时空编码成像重建方法。将激励脉冲替换为线性扫频脉冲，有效抵抗由于不均匀磁场及化学位移造成的图像扭曲，同时获得和EPI相似的成像速度、分辨率和信噪比。SPEN成像沿相位编码方向都是欠采样的。尽管时空编码成像信号本身无需重建就能够反映成像物的轮廓，但是该轮廓的固有分辨率通常是很低。利用深度学习从低分辨率的信号空间重建SPEN图像，大幅提高图像分辨率，呈现质子密度分布，在获得和传统反卷积重建方法相似的分辨率的同时，获得高的信噪比。
-
公开(公告)号：CN108132274A
公开(公告)日：2018-06-08
申请号：CN201711396029.6
申请日：2017-12-21
Applicant: 厦门大学
Abstract: 不均匀磁场下回波平面成像无参考扫描图像畸变矫正方法，涉及核磁共振成像重建方法。利用单扫描回波平面成像序列对信号进行编码和采样，在一次90°脉冲激发后，通过一系列回波梯度采样获得整个k空间信号，不均匀磁场的影响在整个采样过程中积累。采样的信号通过二维傅里叶变换重建出图像，其中实部和虚部分别作为残差神经网络的输入。神经网络的训练来自于模拟数据集。首先随机生成标签，然后根据采样条件获得与标签对应的畸变的图像用于输入。批量生成多组数据用于训练网络。调整网络的超参数以保证训练误差能够收敛。最后导入训练好的网络参数并输入实测单扫描回波平面成像数据，可以获得无畸变的图像。
-
公开(公告)号：CN108010100A
公开(公告)日：2018-05-08
申请号：CN201711287890.9
申请日：2017-12-07
Applicant: 厦门大学
Abstract: 一种基于残差网络的单扫描磁共振定量T2成像重建方法，涉及磁共振成像方法。利用具有相同偏转角的4个小角度激发脉冲，在每个激发脉冲之后有一段演化时间，使得每个回波信号的横向弛豫时间T2不同。在每个激发脉冲之后都加一个频率编码维和相位编码维的移位梯度，使得不同的激发脉冲产生的信号在k空间的位置不一样。在一次采样中就获得多个具有不同横向弛豫时间的回波信号。然后将采样信号经过归一化、充零和快速傅里叶变换之后输入到已经训练好的残差网络中重建得到定量T2图像。残差网络的训练数据来源于模拟数据。先随机生成模板，然后模拟实验环境采样得到网络的输入图像，模板作为标签，通过训练得输入图像和输出图像之间的映射关系。
-
公开(公告)号：CN109597012B
公开(公告)日：2020-08-04
申请号：CN201811580826.4
申请日：2018-12-24
Applicant: 厦门大学
IPC: G01R33/56
Abstract: 一种基于残差网络的单扫描时空编码成像重建方法，涉及基于深度学习网络的磁共振图像重建技术。提供在单次扫描中获得二维图像，再使用深度学习方法重建得到一种基于残差网络的单扫描时空编码成像重建方法。将激励脉冲替换为线性扫频脉冲，有效抵抗由于不均匀磁场及化学位移造成的图像扭曲，同时获得和EPI相似的成像速度、分辨率和信噪比。SPEN成像沿相位编码方向都是欠采样的。尽管时空编码成像信号本身无需重建就能够反映成像物的轮廓，但是该轮廓的固有分辨率通常是很低。利用深度学习从低分辨率的信号空间重建SPEN图像，大幅提高图像分辨率，呈现质子密度分布，在获得和传统反卷积重建方法相似的分辨率的同时，获得高的信噪比。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
