-
公开(公告)号：CN102096055B
公开(公告)日：2013-01-23
申请号：CN201010587354.2
申请日：2010-12-14
Applicant: 南方医科大学
IPC: G01R33/565
Abstract: 本发明公开了一种适用于磁共振成像非均匀采样数据的快速精确重建方法，包括以下步骤：(1)通过直线采样线组成的采样轨迹对K空间数据进行采样；(2)对每一条直线采样线进行傅里叶变换(DFT)重建，将每一条直线采样线的采样数据分别填充到空矩阵的对角线位置上，然后通过CTA算法对填充后的各个矩阵进行kx方向和ky方向的一维傅里叶变换(CTA-DFT)，最后得到每一条采样线重建的各个临时图像矩阵；(3)将重建出的所有临时图像矩阵叠加起来得到最终的重建图像。本发明既保持有DFT重建算法的重建精度，又极大提高了DFT重建算法的重建速度。
-
公开(公告)号：CN1327810C
公开(公告)日：2007-07-25
申请号：CN200510033773.0
申请日：2005-03-28
Applicant: 南方医科大学
Abstract: 本发明公开了一种磁共振图像重建时所产生Gibbs环状伪影的消除方法，包括以下步骤：(1)获取部分K空间数据；(2)将所获各原始频域矢量矩阵进行转换；(3)对转换成的频域矢量矩阵数据1进行滤波得到频域矢量矩阵数据2；(4)利用频域矢量矩阵数据2对图像进行边缘检测；(5)把图像函数方程改写成以第二类Chebyshev多项式为基函数进行展开的图像成像方程；(6)通过步骤(4)获取的边缘信息，在每个连续区域内，把频域矢量矩阵数据1带入步骤(5)中求得的图像成像方程，来获得所求的图像域数据矩阵；并将其矢量转化为向量，得到修正好的图像。本发明可有效消除Gibbs环状伪影同时保证了重建图像的高分辨率。
-
公开(公告)号：CN1327809C
公开(公告)日：2007-07-25
申请号：CN200510033772.6
申请日：2005-03-28
Applicant: 南方医科大学
Abstract: 本发明公开了一种在T1加权磁共振成像中用PROPELLER采样方式消除运动伪影的方法，包括步骤如下：(1)基于PROPELLER采集方式对T1加权成像数据进行采集；(2)在图像域进行相位矫正；(3)由中心重叠采样区域的K空间数据，根据相关测度，进行基于频域相关的运动参数估计；(4)以步骤3中结果出发，基于图像域最大化互信息量算法，进行运动参数的迭代优化搜索；(5)由步骤4中结果，进行运动补偿；(6)通过非笛卡尔数据网格化重建算法，重建出不受运动伪影干扰的图像。本发明可以提高运动估计与补偿的精度与稳健性，相应地更好地消除T1加权图像的运动伪影干扰。
-
公开(公告)号：CN113837958A
公开(公告)日：2021-12-24
申请号：CN202111056998.3
申请日：2021-09-09
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 本发明公开了一种扩散加权图像去噪算法、介质及设备，算法包括步骤：S1、获取扩散加权图像；S2、建立莱斯分布或非中心卡方分布下的噪声矫正模型；S3、求解得到初始解X0；S4、采用迭代法，对X0进行去噪处理；S5、已知第k‑1次的输入图像Xk‑1，采用滑动窗形式，以固定步长，选取扩散加权图像Xk‑1的局部三维块，对每个局部图像块进行高阶奇异值分解去噪处理；S6、对步骤S5得到的所有图像块进行聚合得到去噪图像Zk；S7、计算非局部均值滤波的相似性权重，对原始输入图像进行非局部均值滤波；S8、更新Xk‑1，得到Xk，若满足迭代停止条件，则退出，更新后的Xk为最终的去噪图像，否则跳到步骤S5。本发明能确保最终所得的去噪图像为理想无噪图像的无偏估计。
-
公开(公告)号：CN107507148A
公开(公告)日：2017-12-22
申请号：CN201710762719.2
申请日：2017-08-30
Applicant: 南方医科大学
CPC classification number: G06T5/006 , G06N3/0454 , G06T2207/10088
Abstract: 基于卷积神经网络去除磁共振图像降采样伪影的方法，将带有伪影的样本磁共振图像作为输入图像，通过卷积神经网络框架进行处理，最终得到无伪影的结果图像，(一)获取最优模型，T1、对样本磁共振图像进行预处理；T2、搭建卷积神经网络基本框架；T3、对卷积神经网络基本框架参数进行初始化；T4、通过训练数据对卷积神经网络基本框架参数进行优化，得到最优模型；(二)通过最优模型对待处理图像进行去伪影得到目标图像，T5、将经过预处理的待处理图像数据代入最优模型中，输出结果图像。该发明建立的最优模型可以有效去除降采样造成的伪影，获得较高的分辨率以及对比度，并很好的保留图像的细节。
-
Patent Agency Ranking
公开(公告)号：CN104200441B
公开(公告)日：2017-03-22
申请号：CN201410477499.5
申请日：2014-09-18
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 一种基于高阶奇异值分解的磁共振图像去噪方法，包括：（1）对原始图像进行方差稳定变换；（2）对变换后的图像进行第一次高阶奇异值分解去噪，具体是：（a）对每一个标的像素对应的参考块，逐个寻找该参考块的相似块组成高维数组；（b）对高维数组进行高阶奇异值分解变换得到系数和自适应基；（c）通过第一阈值操作；（d）进行高阶奇异值分解逆变换；（3）加权平均进行像素合并；（4）加权平均得到第一次加权平均后的图像；（5）对第一次加权平均后的图像进行第二次高阶奇异值分解去噪获得第二次去噪后的图像；（6）对第二次去噪后的图像进行方差稳定逆变换得到滤波图像。本发明的方法能够有效地抑制磁共振图像噪声，提高图像质量。
-
公开(公告)号：CN106056613A
公开(公告)日：2016-10-26
申请号：CN201610390823.9
申请日：2016-06-02
Applicant: 南方医科大学
IPC: G06T7/00
CPC classification number: G06T7/00 , G06T7/0012 , G06T2207/10088 , G06T2207/20221 , G06T2207/30004
Abstract: 本发明提出了一种基于像素分类和局部曲面拟合的磁共振相位解缠绕方法。先计算幅值为1，相位为真实相位的复向量相位局部偏差图，再计算缠绕相位的相位局部偏差图；然后把感兴趣区域内像素分成不连通块和残余像素两类；再识别出任一不连通块内是否含有缠绕，若存在，则对该不连通块进行块内相位解缠绕：先把该不连通块分成不连通子块和残余像素两类，优先进行不连通子块之间的相位解缠绕，然后对残余像素相位解缠绕；最后进行掩膜内相位解缠绕：合并感兴趣内不连通块，再利用解缠绕后的不连通块来对感兴趣区域内的残余像素解缠绕。本发明能更加准确地把感兴趣区内真实相位变化较快的像素和缠绕相位变化较快的像素分别提取出来，从而可以更加可靠地实现相位的解缠绕。
-
公开(公告)号：CN105957029A
公开(公告)日：2016-09-21
申请号：CN201610260711.1
申请日：2016-04-25
Applicant: 南方医科大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/10088 , G06T2207/20056 , G06T2207/20081
Abstract: 本发明涉及一种基于张量字典学习的磁共振图像重建方法，包括如下步骤：(1)采用变密度随机欠采样方式得到原始k空间数据，对采样数据进行傅里叶逆变换得到初始重建图像；(2)建立基于张量字典学习的压缩感知重建模型；(3)对所述重建图像随机提取部分三维子图像块进行张量字典学习，得到一个用于稀疏表示的张量字典；(4)用硬域值法对所有子图像块进行所述张量字典下的稀疏表示；(5)用最小二乘法更新重建图像；(6)重复步骤(3)‑(5)直至收敛，得到最终重建图像。该基于张量字典学习的磁共振图像重建方法，能够提高重建图像质量，而且计算简单。
-
公开(公告)号：CN103714521B
公开(公告)日：2016-08-17
申请号：CN201310742267.3
申请日：2013-12-30
Applicant: 南方医科大学
Abstract: 一种基于查询表的肝脏R2*图测量方法：包括：（1）获得磁共振肝脏图像，绘制包含肝脏的感兴趣区域；（2）对给定接收线圈通道数的合流超几何函数进行样条插值，建立相应的查询表；（3）对肝脏感兴趣区域内的每个像素，将其灰度与回波时间拟合到单指数模型在非中心Chi噪声影响下的一阶矩模型中，得到包含肝脏的R2*图。本发明能准确快速测量肝脏的R2*图。
-
公开(公告)号：CN104899906A
公开(公告)日：2015-09-09
申请号：CN201510323802.0
申请日：2015-06-12
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种基于自适应正交基的磁共振图像重建方法,包括如下步骤：(1)获得原始的k空间数据，对采样的k空间数据进行傅里叶逆变换得到初始重建图像；(2)在正交基约束下建立基于压缩感知的重建模型；(3)对初始重建图像进行分块，随机提取部分图像块进行正交基学习，得到一组自适应正交基；(4)用硬域值法对所有图像块进行自适应正交基下的稀疏表示；(5)用最小二乘法更新重建图像得到当前重建图像；(6)判断当前重建图像是否满足收敛条件，如果收敛，以当前重建图像作为最终的重建图像，否则进入步骤(7)；(7)减小正则化参数取值，以当前重建图像作为初始重建图像，返回步骤(3)。本发明重建速度快、图像质量良好。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.022 seconds)
