图像重建方法及设备、成像数据的处理方法及装置制造方法及图纸

本发明专利技术涉及图像重建方法及设备、成像数据的处理方法及装置、电子设备、存储介质。图像重建方法包括：获取待图像重建的三维梯度回波数据；将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；经所述图像重建模型对输入的三维梯度回波数据进行图像重建，获取目标合成对比度的三维加权图像。本发明专利技术将快速采集的三维梯度回波数据输入训练好的图像重建模型，即可得到用户预期的目标合成对比度的三维加权图像，图像重建效率高。

Image reconstruction method and equipment, image data processing method and device

【技术实现步骤摘要】
图像重建方法及设备、成像数据的处理方法及装置
本专利技术涉及医学成像
，特别涉及图像重建方法及设备、成像数据的处理方法及装置、电子设备、存储介质。
技术介绍
磁共振成像(MagneticResonanceImaging，MRI)基本原理为：人体组织内具有自旋的氢核(氢原子)或者其它自旋不为零的原子核在强均匀主磁场作用下，本无规律排列的自旋磁矩会沿主磁场方向排列，形成宏观磁矩。在射频脉冲激励下，宏观磁化矢量将翻转到与主磁场垂直的方向，射频激发能量撤销之后，磁矩在进动旋转过程中就能被射频接收系统接收，从而产生电磁感应信号，经过模数转换和相应数据重建形成各种对比度的磁共振图像。各类合成对比度图像，如TSE(快速自旋回波)图像、FALIR(长T1反转恢复)图像、DWI(弥散加权)图像等，对于医疗诊断具有重要意义。现有技术中，关于上述合成对比度图像的重建一般采用序列采集的方式，扫描时间较长，以FLAIR图像为例，临床1.5T核磁扫描仪大约需要3.5分钟以上，图像重建效率很低。
技术实现思路
本专利技术提供图像重建方法及设备、成像数据的处理方法及装置、电子设备、存储介质，以解决相关技术中的不足。具体地，本专利技术是通过如下技术方案实现的：第一方面，提供一种图像重建方法，所述图像重建方法包括：获取待图像重建的三维梯度回波数据；将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；经所述图像重建模型对输入的三维梯度回波数据进行图像重建，获取目标合成对比度的三维加权图像。第二方面，提供一种成像数据的处理方法，所述处理方法包括：获取多组成像数据作为神经网络的训练样本；每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；针对每组成像数据，根据所述三维梯度回波数据对所述二维成像数据进行插值处理，得到计算的三维成像数据；将所述三维梯度回波数据输入神经网络，并确定所述神经网络输出的三维成像数据与所述计算的三维成像数据之间的差异；基于所述差异调整所述神经网络的网络参数。第三方面，提供一种图像重建设备，所述图像重建设备包括：获取模块，用于获取待图像重建的三维梯度回波数据；输入模块，用于将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；图像重建模块，用于使用所述图像重建模型对输入的三维梯度回波数据进行图像重建，获取目标合成对比度的三维加权图像。第四方面，提供一种成像数据的处理装置，所述处理装置包括：获取模块，用于获取多组成像数据作为神经网络的训练样本；每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；插值模块，用于针对每组成像数据，根据所述三维梯度回波数据对所述二维成像数据进行插值处理，得到计算的三维成像数据；输入模块，用于将所述三维梯度回波数据输入神经网络，并确定所述神经网络输出的三维成像数据与所述计算的三维成像数据之间的差异；调整模块，用于基于所述差异调整所述神经网络的网络参数。第五方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的图像重建方法。第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的图像重建方法的步骤。第七方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第二方面所述的成像数据的处理方法。第八方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第二方面所述的成像数据的处理方法的步骤。本专利技术的实施例提供的技术方案可以包括以下有益效果：本专利技术实施例，将快速采集的三维梯度回波数据输入训练好的图像重建模型，即可得到用户预期的目标合成对比度的三维加权图像，图像重建效率高。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术一示例性实施例示出的一种图像重建方法的流程图；图2是本专利技术一示例性实施例示出的另一种图像重建方法的流程图；图3是本专利技术一示例性实施例示出的一种成像数据的处理方法的流程图；图4是本专利技术一示例性实施例示出的一种图像重建设备的模块示意图；图5是本专利技术一示例性实施例示出的一种成像数据的处理装置的模块示意图；图6是本专利技术一示例性实施例示出的一种电子设备的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本专利技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。图1是本专利技术一示例性实施例示出的一种图像重建方法的流程图，该图像重建方法包括以下步骤：步骤101、获取待图像重建的三维梯度回波数据。其中，待图像重建的三维梯度回波数据也即某成像对象的三维梯度回波数据，成像对象例如可以是脑组织、脊髓等人体组织。本实施例中，采用快速的三维梯度多回波序列采集不同回波时间的三维梯度回波数据。具体的，在序列运行的重复时间内，采集对应翻转角为恩斯特角度(ErnstAngle)的包括多个梯度回波(回波个数N≥5)的三维梯度回波数据，对应N个不同的回波时间(TE)，可将回波标注为回波E1,回波E2,…,回波EN。每个回波信号可以描述为：其中，ρ0表示成像对象的组织质子密度；T1为组织的纵向弛豫时间；表示组织的横向驰豫时间；TE表示回波时间；T本文档来自技高网...

【技术保护点】
1.一种图像重建方法，其特征在于，所述图像重建方法包括：/n获取待图像重建的三维梯度回波数据；/n将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组所述成像数据包括：成像对象的三维梯度回波数据和二维成像数据；/n经所述图像重建模型对输入的三维梯度回波数据进行图像重建，获取目标合成对比度的三维加权图像。/n

【技术特征摘要】
1.一种图像重建方法，其特征在于，所述图像重建方法包括：
获取待图像重建的三维梯度回波数据；
将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组所述成像数据包括：成像对象的三维梯度回波数据和二维成像数据；
经所述图像重建模型对输入的三维梯度回波数据进行图像重建，获取目标合成对比度的三维加权图像。


2.如权利要求1所述的图像重建方法，其特征在于，所述二维成像数据包括以下数据类型中的至少一种：
二维TSE数据、二维FLAIR数据、二维DWI数据；
所述图像重建模型输出的三维加权图像的目标合成对比度与模型训练时二维成像数据的数据类型相对应。


3.如权利要求1所述的图像重建方法，其特征在于，获取待图像重建的三维梯度回波数据之后，所述图像重建方法还包括：
根据所述三维梯度回波数据计算量化参数，并根据量化参数建立定量拓扑图像；
和/或，从所述三维梯度回波数据中提取目标回波，并根据所述目标回波建立加权图像。


4.如权利要求3所述的图像重建方法，其特征在于，根据所述三维梯度回波数据计算量化参数，并根据量化参数建立定量拓扑图像，包括：
对所述三维梯度回波数据中所有回波进行最小二乘线性处理，得到量化参数R2*值，以建立R2*定量图像；
和/或，计算所述三维梯度回波数据中每个回波对应的组织空间磁化分布数据，根据所述组织空间磁化分布数据计算量化参数QSM，以建立QSM定量图像；
从所述三维梯度回波数据中提取目标回波，并根据所述目标回波建立加权图像，包括：
从所述三维梯度回波数据中提取回波时间最短的目标回波，根据所述回波时间最短的目标回波建立T1加权图；
和/或，从所述三维梯度回波数据中提取回波时间均大于第一阈值的相邻的两个目标回波，根据所述相邻的两个目标回波建立T2*加权图像；
和/或，对所述三维梯度回波数据中所有回波做加权平均融合处理，以建立eT2*加权图像；
和/或，从所述三维梯度回波数据中提取回波时间大于第二阈值的一个目标回波或两个目标回波，根据所述一个目标回波或两个目标回波建立SWI加权图像。


5.如权利要求1所述的图像重建方法，其特征在于，采用多组成像数据对神经网络训练得到所述图像重建模型，包括：
针对每组成像数据，根据所述成像数据中成像对象的三维梯度回波数据对所述成像数据中成像对象的二维成像数据进行插值处理，得到计算的三维成像数据；
将所述三维梯度回波数据输入神经网络，并确定所述神经网络输出的三维成像数据与所述计算的三维成像数据之间的差异；
基于所述差异调整所述神经网络的网络参数。


6.一种成像数据的处理方法，其特征在于，所述处理方法包括：
获取多组成像数据作为神经网络的训练样本；每组成像数据包括：成像对象的三维梯度回波数据和二维成像数据；
针对每组成像数据，根据所述三维梯度回波数据对所述二维成像数据进行插值处理，得到计算的三维成像数据；
将所述三维梯度回波数据输入神经网络，并确定所述神经网络输出的三维成像数据与所述计算的三维成像数据之间的差异；
基于所述差异调整所述神经网络的网络参数。


7.如权利要求6所述的成像数据的处理方法，其特征在于，所述二维成像数据包括以下数据类型中的至少一种：
二维TSE数据、二维FLAIR数据、二维DWI数据；
将所述三维梯度回波数据输入神经网络，包括：
将包括不同数据类型的二维成像数据的训练样本分别输入不同的神经网络进行模型训练，以得到输出的三维加权图像的合成对比度与模型训练时二维成像数据的数据类型相对应的多个图像重建模型。


8.一种图像重建设备，其特征在于，所述图像重建设备包括：
获取模块，用于获取待图像重建的三维梯度回波数据；
输入模块，用于将所述待图像重建的三维梯度回波数据输入图像重建模型，其中，所述图像重建模型预先采用多组成像数据对神经网络训练得到，每组所述成像数据包括：成像对象的三维梯度回波数据和二维成像数据；
图像重建模块，用于使用所述图像...

【专利技术属性】
技术研发人员：徐威，黄峰，陈名亮，
申请(专利权)人：上海东软医疗科技有限公司，东软医疗系统股份有限公司，
类型：发明
国别省市：上海;31