弱监督磁共振快速成像方法和装置制造方法及图纸

本发明专利技术提出了一种基于深度神经网络模型的弱监督磁共振快速成像方法。具体来说，利用不同的成像方法对不同倍率的欠采样数据进行重建，得到不同倍率的重建图像，作为样本标签，将这些重建图像和欠采样数据作为训练样本对深度神经网络模型进行训练，得到可以用于全部欠采样倍率的重建模型，从而可以使用该重建模型直接对磁共振欠采样数据进行重建，得到重建图像。

The method and device of fMRI with weak supervision

【技术实现步骤摘要】
弱监督磁共振快速成像方法和装置
本专利技术涉及图像处理领域，具体而言，涉及一种基于深度神经网络的弱监督磁共振快速成像方法。
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。受傅里叶编码方式和奈奎斯特采样定理的限制，磁共振成像需要较长的扫描时间，不但给患者带来一定的不适，而且在重建的图像容易产生运动伪影。同时，过长的扫描时间限制了MRI对运动物体的成像，如血流、心脏等。依靠提高硬件性能，如梯度切换率和磁场强度等，加速采集的方式受制于人类神经对磁场变换的承受能力而无进一步提升的余地。近来，深度学习方法在图像识别，分割等方向取得显著成果，对于磁共振图像扫描时间慢的问题，深度神经网络(DNN，de本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的弱监督磁共振快速成像方法，其特征在于，包括：/n获取待成像的磁共振欠采样数据；/n获取不同采样倍率的磁共振欠采样训练数据；/n若所述欠采样训练数据的采样倍率小于预设阈值，使用第一重建算法对所述欠采样训练数据进行重建，得到第一重建图像；/n若所述欠采样训练数据的采样倍率不小于预设阈值，使用第二重建算法对所述欠采样训练数据进行重建，得到第二重建图像；/n对所述第一重建图像和所述第二重建图像进行预处理，得到所述欠采样训练数据对应的弱标签数据；/n使用所述欠采样训练数据和所述弱标签数据对预设的多个神经网络模型进行训练，并进行调参优化，得到多个欠采样成像模型；/n根据测试数据获...

【技术特征摘要】
1.一种基于深度神经网络的弱监督磁共振快速成像方法，其特征在于，包括：
获取待成像的磁共振欠采样数据；
获取不同采样倍率的磁共振欠采样训练数据；
若所述欠采样训练数据的采样倍率小于预设阈值，使用第一重建算法对所述欠采样训练数据进行重建，得到第一重建图像；
若所述欠采样训练数据的采样倍率不小于预设阈值，使用第二重建算法对所述欠采样训练数据进行重建，得到第二重建图像；
对所述第一重建图像和所述第二重建图像进行预处理，得到所述欠采样训练数据对应的弱标签数据；
使用所述欠采样训练数据和所述弱标签数据对预设的多个神经网络模型进行训练，并进行调参优化，得到多个欠采样成像模型；
根据测试数据获取所述多个欠采样成像模型的成像误差，选择误差最小的欠采样成像模型作为成像模型；
使用所述成像模型对所述磁共振欠采样数据进行图像重建，得到磁共振图像。


2.如权利要求1所述的成像方法，其特征在于，所述第一重建算法为GRAPPA算法、SPIRiT算法或L1-SPIRiT算法。


3.如权利要求1所述的成像方法，其特征在于，所述第二重建算法为机器学习算法。


4.如权利要求1所述的成像方法，其特征在于，所述预处理为图像归一化处理。


5.如权利要求1所述的成像方法，其特征在于，所述测试数据包括：全采样测试数据、根据所述全采样测试数据重建的磁共振测试图像以及对所述全采样测试数据使用预设欠采样方法进行欠采样得到的欠采样测试数据，使用测试数据测试所述多个欠采样成像模型的成像误差包括：
使用所述多个欠采样模型对所述欠采样测试数据进行重建，得到多个重建图像，计算每个所述重建图像和所述测试图像之间的误差。


6.一种磁共振成像装置，包...

【专利技术属性】
技术研发人员：王珊珊，肖韬辉，郑海荣，李程，刘新，梁栋，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44