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

Inventor： 陈忠 ,  周甜甜 ,  蔡聪波 ,  曾坤

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：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

Inventor： 陈忠 ,  周甜甜 ,  蔡聪波 ,  曾坤

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。