-
公开(公告)号:CN113222812B
公开(公告)日:2024-10-18
申请号:CN202110612732.6
申请日:2021-06-02
Applicant: 北京大学深圳研究生院
IPC: G06T3/04 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 一种基于信息流加强深度展开网络的图像重建方法,包括以下步骤:S1.构造训练数据集;S2.构造信息流加强深度展开网络;S3.训练信息流加强深度展开网络;以及S4.应用训练好的信息流加强深度展开网络进行压缩感知重建过程。该方法设计了一个信息流加强深度展开网络来进行训练和重建,能够达到很高的成像精度的同时保持了较快的速度。
-
公开(公告)号:CN111932650B
公开(公告)日:2024-06-25
申请号:CN202010794182.X
申请日:2020-08-10
Applicant: 北京大学深圳研究生院
Abstract: 一种基于高通量深度展开网络的核磁共振图像重建方法,通过设计了一个高通量深度展开网络来进行训练和重建,该方法包括以下步骤:步骤1构造训练数据集、步骤2构造高通量深度展开网络、步骤3高通量深度展开网络训练过程、步骤4应用训练好的高通量深度展开网络进行压缩感知磁共振图像重建过程;本发明的基于高通量深度展开网络的压缩感知核磁共振成像方法可以从观测到的K空间亚采样数据中重建出高质量的核磁共振图像,具有更快的重建速度和更高的重建精度和更好的可解释性。
-
公开(公告)号:CN111932650A
公开(公告)日:2020-11-13
申请号:CN202010794182.X
申请日:2020-08-10
Applicant: 北京大学深圳研究生院
Abstract: 一种基于高通量深度展开网络的核磁共振图像重建方法,通过设计了一个高通量深度展开网络来进行训练和重建,该方法包括以下步骤:步骤1构造训练数据集、步骤2构造高通量深度展开网络、步骤3高通量深度展开网络训练过程、步骤4应用训练好的高通量深度展开网络进行压缩感知磁共振图像重建过程;本发明的基于高通量深度展开网络的压缩感知核磁共振成像方法可以从观测到的K空间亚采样数据中重建出高质量的核磁共振图像,具有更快的重建速度和更高的重建精度和更好的可解释性。
-
公开(公告)号:CN113379867B
公开(公告)日:2023-09-12
申请号:CN202110756412.8
申请日:2021-07-05
Applicant: 北京大学深圳研究生院
Abstract: 一种基于联合优化采样矩阵来设计核磁共振图像重建方法,包括:构造训练数据集;训练数据集由多张全采样磁共振图像构成,每张图像由核磁共振设备采集的K空间全采样数据进行傅里叶逆变换得到;构造联合优化采样矩阵和重建算法的神经网络;联合优化采样矩阵和重建算法训练神经网络:基于训练数据集,给定损失函数,使用梯度下降算法更新联合优化采样矩阵和重建算法的神经网络中的参数,直至损失函数值稳定;应用所学到的采样矩阵和重建算法进行磁共振图像重建过程。本发明方法可以自适应学习最优的采样矩阵,并实现从核磁共振设备采集到的K空间亚采样数据中快速重建出高质量的核磁共振图像。
-
公开(公告)号:CN113379867A
公开(公告)日:2021-09-10
申请号:CN202110756412.8
申请日:2021-07-05
Applicant: 北京大学深圳研究生院
Abstract: 一种基于联合优化采样矩阵来设计核磁共振图像重建方法,包括:构造训练数据集;训练数据集由多张全采样磁共振图像构成,每张图像由核磁共振设备采集的K空间全采样数据进行傅里叶逆变换得到;构造联合优化采样矩阵和重建算法的神经网络;联合优化采样矩阵和重建算法训练神经网络:基于训练数据集,给定损失函数,使用梯度下降算法更新联合优化采样矩阵和重建算法的神经网络中的参数,直至损失函数值稳定;应用所学到的采样矩阵和重建算法进行磁共振图像重建过程。本发明方法可以自适应学习最优的采样矩阵,并实现从核磁共振设备采集到的K空间亚采样数据中快速重建出高质量的核磁共振图像。
-
公开(公告)号:CN113222812A
公开(公告)日:2021-08-06
申请号:CN202110612732.6
申请日:2021-06-02
Applicant: 北京大学深圳研究生院
Abstract: 一种基于信息流加强深度展开网络的图像重建方法,包括以下步骤:S1.构造训练数据集;S2.构造信息流加强深度展开网络;S3.训练信息流加强深度展开网络;以及S4.应用训练好的信息流加强深度展开网络进行压缩感知重建过程。该方法设计了一个信息流加强深度展开网络来进行训练和重建,能够达到很高的成像精度的同时保持了较快的速度。
-
-
-
-
-