公开(公告)号：CN114041776B

公开(公告)日：2024-11-26

申请号：CN202111262206.8

申请日：2021-10-28

Applicant: 复旦大学

Inventor： 王丽丽 ,  王鹤 ,  王成彦

IPC: A61B5/055 ,  G06N3/08 ,  G06T11/00

Abstract: 本发明公开了一种基于深度学习的EPI相位矫正方法。本发明方法：采用正负交替的读出梯度极性进行EPI数据采集，采集到的回波按顺序填入K空间后的轨迹；将正负回波从K空间中分离，变成两个极性一致的K空间；消除以上图像中的卷褶伪影，流程包括：选取神经网络；采集一组EPI原始数据用于网络训练；使用传统相位矫正方法计算金标准图像；将金标准和正负分离后的图像同时喂入神经网络进行训练；将测试数据按正负回波分离重建得到图像喂入训练好的网络模型，得到恢复后的图像。本发明能够很好地恢复低倍欠采的数据，实现EPI采集加速和图像伪影消除；可用于基于EPI采集模式的脑功能成像、扩散加权成像等磁共振技术中。

公开(公告)号：CN115963440A

公开(公告)日：2023-04-14

申请号：CN202310174663.4

申请日：2023-02-28

Applicant: 复旦大学

Inventor： 王鹤 ,  孙爱琦 ,  王冰怡 ,  刘颖

IPC: G01R33/563 ,  A61B5/055 ,  G01R33/565

Abstract: 本发明属于磁共振血流成像技术领域，具体为针对四维血流磁共振成像的速度解卷绕方法。本发明包括：数据预处理，对于四维血流磁共振扫描获得的动态三维空间流速分布图，通过自动分割得到感兴趣区域的血管掩模图；速度解卷绕，分为三个步骤：第一步为基于时间维连续性约束的速度解卷绕，第二步为以时间维约束为主、空间维约束为辅的速度解卷绕，第三步为基于时间空间相关性约束的速度值矫正；最后基于前两部分的数据处理结果即得到解卷绕之后的四维流速分布图。本发明结合四维血流磁共振速度分布图中感兴趣血管区域内三维空间的连续性以及时间维度的速度连续性特性进行交互约束，实现鲁棒性好且可同时适用于心脑血管血流成像的速度解卷绕。

公开(公告)号：CN112763958B

公开(公告)日：2022-06-21

申请号：CN202011458419.3

申请日：2020-12-10

Applicant: 复旦大学

Inventor： 张会 ,  王鹤

IPC: G01R33/565

Abstract: 本发明属于磁共振成像技术领域，具体为一种基于深度学习神经网络的多次激发平面回波磁共振成像方法。本发明针对多次激发平面回波磁共振成像，提供了一种全新的进行相位精准校正和图像快速重建的方法。与传统的基于模型的欠采样图像重建算法相比，本发明利用深度学习神经网络，通过将深度学习应用到多次激发平面回波（MSH‑EPI）图像的混叠校正中，在训练阶段使用无混叠的单次激发平面回波（SSH‑EPI）图像作为目标。将与多次激发平面回波具有相同欠采样因子和轨迹的混叠SSH‑EPI图像送入网络，以提高相位估计的精度。

公开(公告)号：CN113854995A

公开(公告)日：2021-12-31

申请号：CN202111216100.4

申请日：2021-10-19

Applicant: 复旦大学

Inventor： 王鹤 ,  王繁文 ,  王成彦

IPC: A61B5/055 ,  A61B5/00 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明涉及一种基于单次激发的弥散加权成像扫描重建方法及系统，方法包括：通过多线圈扫描仪获取病灶部位的多张线圈敏感度图谱；对多张线圈敏感度图谱进行m次SS‑EPI扫描，对应获得m张不同b值的DWI初始图像；将所有张线圈敏感度图谱以及DWI图像输入训练好的多通道降噪网络，对应获得m张DWI重建图像；根据m张DWI重建图像获取病灶部位的ADC图谱；其中，所述的多通道降噪网络具有m个通道，每个通道包括降噪层和数据一致性层，所述的降噪层对DWI初始图像进行降噪，获得DWI降噪图像，所述的数据一致性层根据多张线圈敏感度图谱，填补DWI降噪图像中缺失的K空间信息，获得DWI重建图像。与现有技术相比，本发明具有效率高、泛化性强等优点。

公开(公告)号：CN112790741B

公开(公告)日：2021-12-28

申请号：CN202110106311.6

申请日：2021-01-27

Applicant: 复旦大学

Inventor： 王鹤 ,  张博宇

IPC: A61B5/02 ,  A61B5/055 ,  A61B5/00

Abstract: 本发明属于医学影像技术领域，具体为一种脑血管形态特征定量分析方法。本发明利用血管网络的结构特点，通过构建血管网络邻接矩阵实现各项定量特征的计算，具有很强的普适性，可用于X射线、CT、MRI等不同采集方式获取的血管影像。分析结果包含血管分支数目、分支长度、血管半径、血管弯曲度、血管网络复杂度等多种特征，能够有效提高医生分析血管定量参数的效率；本发明具有旋转不变性，血管影像经过旋转后不影响分析结果，可实现二维血管影像以及三维血管影像的自动分析。本发明在心血管疾病以及未来其他重大血管疾病的智能诊治中发挥巨大的作用，极具市场潜力和经济社会效益。