-
公开(公告)号：CN111856368B
公开(公告)日：2023-07-11
申请号：CN202010317834.0
申请日：2020-04-21
Applicant: 通用电气公司
Inventor： 伊莎贝尔·休肯斯费尔特詹森 , 桑塔伊·安 , 克里斯托弗·贾德森·哈迪 , 伊齐克·马尔基尔 , 拉斐尔·什穆埃尔·布拉达 , 罗恩·韦恩 , 迈克尔·罗特曼
IPC: G01R33/565 , G01R33/561 , G06N3/0464 , G06N3/08 , G06T7/254 , G06T7/262
Abstract: 本发明题为“利用神经网络检测患者运动的MRI系统和方法”。本发明提供了一种磁共振成像(MRI)系统，该MRI系统包括控制和分析电路，该控制和分析电路具有编程以使用MRI系统的线圈元件来获取磁共振(MR)数据、分析MR数据并将MR数据重建为MR子图像。系统还包括与控制和分析电路相关联的经训练的神经网络，以将MR子图像转换为与MR子图像中运动破坏的存在和程度相关的预测。控制和分析电路的编程包括用于至少部分地基于经训练的神经网络的预测来控制MRI系统的操作的指令。
-
公开(公告)号：CN113066141B
公开(公告)日：2024-10-29
申请号：CN202011476812.5
申请日：2020-12-15
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 桑塔伊·安
IPC: G06T11/00 , G01R33/56 , G06N3/0464 , G06N3/08
Abstract: 本文所讨论的主题涉及用于抑制利用深度学习网络重建的快速自旋回波(FSE)图像中的细线伪影的快速磁共振成像(MRI)方法。使用完全采样的NEX＝2(激励数等于2)数据来训练网络。在每种情况下，都将这两个激励组合以生成没有细线伪影的完全采样的真实图像，这些真实图像用于在损失函数中与网络生成的图像进行比较。然而，在训练期间，仅这些激励中的一个激励被回顾性地欠采样并输入到网络中。这样，网络学习移除欠采样和细线伪影两者。在推断时，仅获取并重建NEX＝1欠采样数据。
-
公开(公告)号：CN113075602B
公开(公告)日：2024-11-26
申请号：CN202011498851.5
申请日：2020-12-16
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 托马斯·郭-法·福 , 伊克·松·坦
IPC: G01R33/48 , G01R33/563 , A61B5/055
Abstract: 本发明题为“低声学噪声磁共振图像采集”。本文所讨论的技术涉及降低的声学噪声和振动磁共振成像(MRI)采集。在某些具体实施中，通过限制梯度波形的频率和振幅来表征和修改一个或多个MRI脉冲序列的声学噪声级，以便在MRI检查期间使用修改的波形时产生较少的噪声和振动。这样，可获得相对较低的声压级。
-
Patent Agency Ranking
公开(公告)号：CN110992433B
公开(公告)日：2024-02-27
申请号：CN201910953108.5
申请日：2019-10-08
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 伊齐克·马尔基尔
IPC: G06T11/00 , G06N3/0464
Abstract: 本发明题为“用于利用空数据一致性来稀疏图像重建的系统和方法”。本发明公开了用于MR稀疏图像重建的系统和方法。MRI装置采集的线圈数据包括欠采样的k空间数据。通过使用图像重建技术来从线圈数据生成初始欠采样的图像。通过具有多个迭代块的残余深度学习网络来从线圈数据和初始欠采样的图像生成重建图像。第一迭代块接收初始欠采样的图像。多个迭代块中的每一个包括数据一致性单元，该数据一致性单元利用归零数据一致性来保持相应迭代块的相应输出中的线圈数据的保真度。初始欠采样的图像经由残余连接被添加到最后一个迭代块的输出。
-
公开(公告)号：CN113075602A
公开(公告)日：2021-07-06
申请号：CN202011498851.5
申请日：2020-12-16
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 托马斯·郭-法·福 , 伊克·松·坦
IPC: G01R33/48 , G01R33/563 , A61B5/055
Abstract: 本发明题为“低声学噪声磁共振图像采集”。本文所讨论的技术涉及降低的声学噪声和振动磁共振成像(MRI)采集。在某些具体实施中，通过限制梯度波形的频率和振幅来表征和修改一个或多个MRI脉冲序列的声学噪声级，以便在MRI检查期间使用修改的波形时产生较少的噪声和振动。这样，可获得相对较低的声压级。
-
公开(公告)号：CN113066141A
公开(公告)日：2021-07-02
申请号：CN202011476812.5
申请日：2020-12-15
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 桑塔伊·安
Abstract: 本文所讨论的主题涉及用于抑制利用深度学习网络重建的快速自旋回波(FSE)图像中的细线伪影的快速磁共振成像(MRI)方法。使用完全采样的NEX＝2(激励数等于2)数据来训练网络。在每种情况下，都将这两个激励组合以生成没有细线伪影的完全采样的真实图像，这些真实图像用于在损失函数中与网络生成的图像进行比较。然而，在训练期间，仅这些激励中的一个激励被回顾性地欠采样并输入到网络中。这样，网络学习移除欠采样和细线伪影两者。在推断时，仅获取并重建NEX＝1欠采样数据。
-
公开(公告)号：CN111856368A
公开(公告)日：2020-10-30
申请号：CN202010317834.0
申请日：2020-04-21
Applicant: 通用电气公司
Inventor： 伊莎贝尔·休肯斯费尔特詹森 , 桑塔伊·安 , 克里斯托弗·贾德森·哈迪 , 伊齐克·马尔基尔 , 拉斐尔·什穆埃尔·布拉达 , 罗恩·韦恩 , 迈克尔·罗特曼
IPC: G01R33/565 , G01R33/561 , G06N3/04 , G06N3/08 , G06T7/254 , G06T7/262
Abstract: 本发明题为“利用神经网络检测患者运动的MRI系统和方法”。本发明提供了一种磁共振成像(MRI)系统，该MRI系统包括控制和分析电路，该控制和分析电路具有编程以使用MRI系统的线圈元件来获取磁共振(MR)数据、分析MR数据并将MR数据重建为MR子图像。系统还包括与控制和分析电路相关联的经训练的神经网络，以将MR子图像转换为与MR子图像中运动破坏的存在和程度相关的预测。控制和分析电路的编程包括用于至少部分地基于经训练的神经网络的预测来控制MRI系统的操作的指令。
-
公开(公告)号：CN110992433A
公开(公告)日：2020-04-10
申请号：CN201910953108.5
申请日：2019-10-08
Applicant: 通用电气公司
Inventor： 克里斯托弗·贾德森·哈迪 , 伊齐克·马尔基尔
Abstract: 本发明题为“用于利用空数据一致性来稀疏图像重建的系统和方法”。本发明公开了用于MR稀疏图像重建的系统和方法。MRI装置采集的线圈数据包括欠采样的k空间数据。通过使用图像重建技术来从线圈数据生成初始欠采样的图像。通过具有多个迭代块的残余深度学习网络来从线圈数据和初始欠采样的图像生成重建图像。第一迭代块接收初始欠采样的图像。多个迭代块中的每一个包括数据一致性单元，该数据一致性单元利用归零数据一致性来保持相应迭代块的相应输出中的线圈数据的保真度。初始欠采样的图像经由残余连接被添加到最后一个迭代块的输出。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
