磁共振弥散张量成像方法、装置和纤维束追踪方法、装置制造方法及图纸

公开了一种磁共振弥散张量成像方法及装置。方法包括：获取复数个训练样本的全方向采样的弥散加权图像；针对每个训练样本，对全方向采样的弥散加权图像进行弥散张量模型拟合及欠采样，得到一全方向采样的弥散张量图像和一欠方向采样的弥散加权图像；将复数个训练样本的全方向采样的弥散张量图像作为训练目标，将欠方向采样的弥散加权图像作为训练数据，对深度学习网络进行训练；获取目标对象的欠方向采样的弥散加权图像；将目标对象的欠方向采样的弥散加权图像输入训练好的深度学习网络中，得到预测出的目标对象的全方向采样的弥散张量图像，提高了磁共振弥散张量成像的效率。还公开了一种纤维束追踪方法及装置，能够提高纤维束追踪的效率。

MR diffusion tensor imaging method, device and fiber tracking method, device

【技术实现步骤摘要】
磁共振弥散张量成像方法、装置和纤维束追踪方法、装置
本专利技术涉及磁共振成像系统
，特别是一种磁共振弥散张量成像方法和装置、纤维束追踪方法和装置、及存储介质。
技术介绍
磁共振弥散张量成像(DiffusionTensorImaging，DTI)是核磁共振成像(MagneticResonanceImaging,MRI)的一种特殊形式，由于其能够无创地显示组织的形态结构，目前已被广泛应用于临床。它在脑部、心肌纤维、脊髓、肾脏、肌肉和周围神经等部位的疾病诊疗中发挥了重要作用，尤以脑部神经病变的应用最为广泛。弥散张量纤维束成像(diffusiontensortractography，DTT)技术，也称纤维束追踪技术(FiberTracking，FT)是DTI技术的进一步发展，其可以显示三维神经纤维束走形，为临床手术提供指导，避免手术过程中损伤重要的神经束支，从而确保病人预后。然而该技术需要大量的数据采集时间来确保纤维束追踪的准确性，因此限制了该技术的临床应用。
技术实现思路
本专利技术实施例中一方面提出了一种磁共振弥散本文档来自技高网...

【技术保护点】
1.磁共振弥散张量成像方法，其特征在于，包括：/n获取复数个训练样本的全方向采样的弥散加权图像；/n针对每个训练样本，对所述训练样本的全方向采样的弥散加权图像进行弥散张量模型拟合，得到所述训练样本的全方向采样的弥散张量图像；并在弥散加权方向维度，对所述训练样本的全方向采样的弥散加权图像进行欠采样，得到所述训练样本的欠方向采样的弥散加权图像；/n将所述复数个训练样本的全方向采样的弥散张量图像作为训练目标，将所述复数个训练样本的欠方向采样的弥散加权图像作为训练数据，对深度学习网络进行训练；/n获取目标对象的欠方向采样的弥散加权图像；/n将所述目标对象的欠方向采样的弥散加权图像输入训练好的深度学习网...

【技术特征摘要】
1.磁共振弥散张量成像方法，其特征在于，包括：
获取复数个训练样本的全方向采样的弥散加权图像；
针对每个训练样本，对所述训练样本的全方向采样的弥散加权图像进行弥散张量模型拟合，得到所述训练样本的全方向采样的弥散张量图像；并在弥散加权方向维度，对所述训练样本的全方向采样的弥散加权图像进行欠采样，得到所述训练样本的欠方向采样的弥散加权图像；
将所述复数个训练样本的全方向采样的弥散张量图像作为训练目标，将所述复数个训练样本的欠方向采样的弥散加权图像作为训练数据，对深度学习网络进行训练；
获取目标对象的欠方向采样的弥散加权图像；
将所述目标对象的欠方向采样的弥散加权图像输入训练好的深度学习网络中，得到所述深度学习网络预测出的全方向采样的弥散张量图像，将所述预测出的全方向采样的弥散张量图像作为所述目标对象的弥散张量图像。


2.根据权利要求1所述磁共振弥散张量成像方法，其特征在于，所述获取复数个训练样本的全方向采样的弥散加权图像包括：
针对每个训练样本，获取磁共振扫描仪输出的全方向采样的弥散加权图像；或者，获取来自人脑连接组计划，HCP，公开数据中的设定b值复数个训练样本的全方向采样的弥散加权图像。


3.根据权利要求2所述的磁共振弥散张量成像方法，其特征在于，所述设定b值为对应临床应用成像需求的b值。


4.纤维束追踪方法，其特征在于，包括：
获取目标对象的欠方向采样的弥散加权图像；
将所述欠方向采样的弥散加权图像输入一训练好的深度学习网络中，得到所述深度学习网络预测出的一全方向采样的弥散张量图像，将所述全方向采样的弥散张量图像作为所述目标对象的弥散张量图像；
对所述目标对象的弥散张量图像进行纤维束追踪。


5.根据权利要求4所述的纤维束追踪方法，其特征在于，所述训练好的深度学习网络通过如下方法得到：
获取复数个训练样本的全方向采样的弥散加权图像；
针对每个训练样本，对所述训练样本的全方向采样的弥散加权图像进行弥散张量模型拟合，得到所述训练样本的全方向采样的弥散张量图像；在弥散加权方向维度，对所述训练样本全方向采样的弥散加权图像进行欠采样，得到所述训练样本的欠方向采样的弥散加权图像；
将所述复数个训练样本的全方向采样的弥散张量图像作为训练目标，将所述复数个训练样本的欠方向采样的弥散加权图像作为训练数据，对深度学习网络进行训练。


6.根据权利要求5所述的纤维束追踪方法，其特征在于，所述获取复数个训练样本的全方向采样的弥散加权图像包括：
针对每个训练样本，获取磁共振扫描仪输出的全方向采样的弥散加权图像；或者，获取来自人脑连接组计划，HCP，公开数据中的设定b值复数个训练样本的全方向采样的弥散加权图像。


7.磁共振弥散张量成像装置，其特征在于，包括：
全采样弥散加权图像获取模块(201)，用于获取复数个训练样本的全方向采样的弥散加权图像；
全采样弥散张量图像生成模块(202)，用于针对每个训练样本，对所述训练样本的全方向采样的弥散加权图像进行弥散张量模型拟合，得到所述训练样本的全方向采样的弥散张量图像；
欠采样弥散加权图像生成模块(203)，用于针对每个训练样本，在弥散加权方向维度，对所述训练样本的全方向采样的弥散加权图像进行欠采样，得到所述训练样本的欠方向采样的弥散加权图像；
训练模块(204)，用于将所述复数个训练样本的全方向采样的弥散张量图像作为训练目标，将所述复数个训练...

【专利技术属性】
技术研发人员：钟健晖，林木，孙毅，
申请(专利权)人：西门子医疗系统有限公司，浙江大学，
类型：发明
国别省市：上海;31