一种磁共振成像方法和装置制造方法及图纸

本申请公开了一种磁共振成像方法和装置，该方法将深度网络模型和常规加速重建方法顺序结合，首先利用深度网络模型将降采样倍数较高的第一成像信息恢复到降采样倍数较低的第二成像信息，然后利用常规加速重建方法将降采样倍数较低的第二成像信息进行完全重建，从而得到最终磁共振图像。如此，在本申请提供的磁共振成像方法中，用于磁共振快速成像的深度神经网络的输出训练样本不是满采样或超满采样数据，而是降采样数据，因而，训练深度神经网络的输出训练样本通过常规降采样方法即可获得，因而，该输出训练样本可以通过较短的采集时间获得，因而，该深度神经网络可以应用到采集时间受限的磁共振成像应用场景中，例如腹部扫描。

【技术实现步骤摘要】
一种磁共振成像方法和装置
本申请涉及医学影像
，尤其涉及一种磁共振成像方法和装置。
技术介绍
磁共振成像(MagneticResonanceImaging，MRI)作为一种多参数、多对比度的成像技术，是现代医疗影像学中主要的成像方式之一，可以反映组织T1、T2和质子密度等多种特性，可为疾病的检出和诊断提供信息。磁共振成像的基本工作原理是利用磁共振现象，采用射频激励激发人体中的氢质子，运用梯度场进行位置编码，随后采用接收线圈接收带位置信息的电磁信号，最终利用傅里叶变换重建出图像信息。深度学习因其超强的学习能力，被广泛的应用于各个领域的研究。近些年在图像领域的研究尤为突出，例如Iphone的人脸识别，goolge的图像识别动物等等。磁共振图像有一个关键问题是扫描时间慢。深度神经网络(DNN,deepneuralnetwork)在近期被应用于加速磁共振扫描，以解决磁共振成像扫描速度慢的问题。DNN应用的一个重要前提是需要训练集，训练集中的输出样本一般为高质量无噪声的成像信息。该高质量无噪声的成像信息一般由满采样或超满采样的k-空间数据重建得到。该满采样或超满采样的k-空间数据的采集需本文档来自技高网...

【技术保护点】
1.一种磁共振成像方法，其特征在于，包括：采用第一降采样倍数和预设采样轨迹采集磁共振成像数据，得到第一成像信息；利用深度神经网络对所述第一成像信息进行处理，得到第二成像信息；所述第二成像信息的降采样倍数为第二降采样倍数；所述第一降采样倍数大于所述第二降采样倍数；对所述第二成像信息进行完全重建，得到最终磁共振图像；其中，所述第一降采样倍数和所述预设采样轨迹为所述深度神经网络的输入训练样本的降采样倍数和采样轨迹；所述第二降采样倍数为所述深度神经网络的输出训练样本的降采样倍数。

【技术特征摘要】
1.一种磁共振成像方法，其特征在于，包括：采用第一降采样倍数和预设采样轨迹采集磁共振成像数据，得到第一成像信息；利用深度神经网络对所述第一成像信息进行处理，得到第二成像信息；所述第二成像信息的降采样倍数为第二降采样倍数；所述第一降采样倍数大于所述第二降采样倍数；对所述第二成像信息进行完全重建，得到最终磁共振图像；其中，所述第一降采样倍数和所述预设采样轨迹为所述深度神经网络的输入训练样本的降采样倍数和采样轨迹；所述第二降采样倍数为所述深度神经网络的输出训练样本的降采样倍数。2.根据权利要求1所述的方法，其特征在于，所述对所述第二成像信息进行完全重建，得到最终磁共振图像，具体包括：采用并行成像加速成像方法、压缩感知加速成像方法或半傅里叶加速成像方法对所述第二成像信息进行完全重建，得到最终磁共振图像。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：预先训练深度神经网络，所述预先训练深度神经网络，具体包括：采用第二降采样倍数采集磁共振数据，得到第三成像信息；根据所述第一降采样倍数和预设采样轨迹从所述成像信息中提取出部分信息，得到第四成像信息；以所述第三成像信息为输出样本，以所述第四成像信息为输入样本，训练深度神经网络，得到用于磁共振加速重建的深度神经网络。4.根据权利要求1所述的方法，其特征在于，所述第一成像信息和所述第二成像信息为K空间域的K空间数据或者对所述K空间数据进行快速傅里叶变换得到的卷叠图。5.根据权利要求1-4任一项所述的方法，其特征在于，所述第二降采样倍数为所述并行成像加速成像方法、压缩感知加速成像方法或半傅里叶加速成像方法允许的降采样倍数。6.根据权利要求1-4任一...

【专利技术属性】
技术研发人员：黄峰，韩冬，梅玲，
申请(专利权)人：上海东软医疗科技有限公司，
类型：发明
国别省市：上海,31