-
Patent Agency Ranking
公开(公告)号：CN113538612B
公开(公告)日：2022-06-17
申请号：CN202110687906.5
申请日：2021-06-21
Applicant: 复旦大学
Abstract: 本发明属于医疗技术领域，具体为一种基于变分低秩分解的ｋ空间加速磁共振图像重建方法。本发明该法包括：获取成对的ｋ空间全采样数据和ｋ空间降采样数据，生成训练样本；將ｋ空间降采样数据重新排列，用于重建具有低秩性质的k空间数据；基于矩阵低秩分解的原理，通过神经网络构建低秩分解单元；基于变分贝叶斯推断从低秩分解中重建出低秩成分；计算重建结果与k空间全采样数据的损失函数，并利用优化器训练网络；从训练好的网络中快速重建出ｋ空间数据，进而获得重建的磁共振图像。与现有技术相比，本发明方法完全在ｋ空间加速重建，鲁棒性高，泛化能力强，计算时间短，实现方便。
-
公开(公告)号：CN113554728B
公开(公告)日：2022-04-12
申请号：CN202110687898.4
申请日：2021-06-21
Applicant: 复旦大学
Abstract: 本发明公开了一种基于半监督的从多序列3T到7T磁共振图像的生成方法。其包括：获取3T磁共振图像与7T磁共振图像，生成训练样本；通过神经网络构建的生成器G1从7T磁共振图像中生成多序列3T磁共振图像；通过神经网络构建的特征融合模块提取3T磁共振图像的特征并融合，获得指导结构信息与高频细节的7T指导图像；通过神经网络构建的生成器G2，以3T磁共振图像与获得的指导图像为输入，生成相同序列的7T磁共振图像；综合损失函数使用优化器训练网络；从训练好的生成器G2中快速生成单序列7T图像。本发明使用多序列的3T磁共振图像，能够更好地合成对应7T磁共振图像的高频细节，鲁棒性高，泛化能力强，易于训练与实现。
-
公开(公告)号：CN113554728A
公开(公告)日：2021-10-26
申请号：CN202110687898.4
申请日：2021-06-21
Applicant: 复旦大学
Abstract: 本发明公开了一种基于半监督的从多序列3T到7T磁共振图像的生成方法。其包括：获取3T磁共振图像与7T磁共振图像，生成训练样本；通过神经网络构建的生成器G1从7T磁共振图像中生成多序列3T磁共振图像；通过神经网络构建的特征融合模块提取3T磁共振图像的特征并融合，获得指导结构信息与高频细节的7T指导图像；通过神经网络构建的生成器G2，以3T磁共振图像与获得的指导图像为输入，生成相同序列的7T磁共振图像；综合损失函数使用优化器训练网络；从训练好的生成器G2中快速生成单序列7T图像。本发明使用多序列的3T磁共振图像，能够更好地合成对应7T磁共振图像的高频细节，鲁棒性高，泛化能力强，易于训练与实现。
-
公开(公告)号：CN113538612A
公开(公告)日：2021-10-22
申请号：CN202110687906.5
申请日：2021-06-21
Applicant: 复旦大学
Abstract: 本发明属于医疗技术领域，具体为一种基于变分低秩分解的ｋ空间加速磁共振图像重建方法。本发明该法包括：获取成对的ｋ空间全采样数据和ｋ空间降采样数据，生成训练样本；將ｋ空间降采样数据重新排列，用于重建具有低秩性质的k空间数据；基于矩阵低秩分解的原理，通过神经网络构建低秩分解单元；基于变分贝叶斯推断从低秩分解中重建出低秩成分；计算重建结果与k空间全采样数据的损失函数，并利用优化器训练网络；从训练好的网络中快速重建出ｋ空间数据，进而获得重建的磁共振图像。与现有技术相比，本发明方法完全在ｋ空间加速重建，鲁棒性高，泛化能力强，计算时间短，实现方便。
-
公开(公告)号：CN113538611A
公开(公告)日：2021-10-22
申请号：CN202110687905.0
申请日：2021-06-21
Applicant: 复旦大学
Abstract: 本发明公开了一种无监督的心脏磁共振参数定量图像重建方法。本发明方法包括：获取心脏磁共振降采样K空间数据以及对应的降采样算子，生成训练样本；利用卷积神经网络搭建迭代网络框架；利用对抗网络对真实梯度和学习到的梯度的分布进行判别，确保二者在分布上相似；利用神经网络学习正则化算子，对重建图像进行约束；计算损失函数并在训练样本上进行训练；基于物理模型对重建得到的图像序列进行拟合，计算mapping参数图；将网路框架用于新的心脏磁共振数据，进行mapping重建。本方法不需要全采样的金标准数据，能高效实现心脏磁共振mapping重建的加速，且适用于多种参数mapping重建，具有临床应用价值。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
