【技术实现步骤摘要】
磁共振成像方法、磁共振成像方法及装置
本专利技术实施例涉及深度学习技术，尤其涉及磁共振成像方法、磁共振成像方法及装置。
技术介绍
磁共振利用静磁场和射频磁场对人体组织成像，它不仅提供了丰富的组织对比度，且对人体无害，因此成为医学临床诊断的一种强有力的工具。但是，成像速度慢一直是制约其快速发展的一大瓶颈。在快速成像方面，目前常用的技术是并行成像和压缩感知。并行成像是利用多通道线圈之间的相关性来加速采集，而压缩感知则是利用被成像物体的稀疏性这一先验信息来减少k空间采样点。但是受硬件等条件限制，并行成像加速倍数有限，且随着加速倍数的增加，图像会出现噪声放大的现象；而压缩感知技术由于采用迭代重建使得重建时间非常长，且较难选择稀疏变换和重建参数。
技术实现思路
本专利技术提供一种磁共振成像方法、磁共振成像方法及装置，以实现提高磁共振图像的质量。第一方面，本专利技术实施例提供了一种磁共振成像方法，该方法包括：根据磁共振成像的原始模型和用于求解所述原始模型的迭代算法建立初始网络模型，其中，所述迭...
【技术保护点】
1.一种磁共振成像方法，其特征在于，包括：/n根据磁共振成像的原始模型和用于求解所述原始模型的迭代算法建立初始网络模型，其中，所述迭代算法中包括待定求解算子和待定参数；/n将样本的欠采样K空间数据输入至所述初始网络模型中，得到网络模型的输出磁共振图像，根据所述输出磁共振图像和所述样本的全采样K空间数据生成的标准磁共振图像确定损失函数；/n根据所述损失函数调节所述初始网络模型中网络参数和待定参数，生成用于磁共振成像的网络模型，其中，所述初始网络模型中网络参数用于替代所述迭代算法中的所述待定求解算子；/n获取待处理的欠采样K空间数据，将所述欠采样K空间数据输入至所述用于磁共振成...
【技术特征摘要】
1.一种磁共振成像方法，其特征在于，包括：
根据磁共振成像的原始模型和用于求解所述原始模型的迭代算法建立初始网络模型，其中，所述迭代算法中包括待定求解算子和待定参数；
将样本的欠采样K空间数据输入至所述初始网络模型中，得到网络模型的输出磁共振图像，根据所述输出磁共振图像和所述样本的全采样K空间数据生成的标准磁共振图像确定损失函数；
根据所述损失函数调节所述初始网络模型中网络参数和待定参数，生成用于磁共振成像的网络模型，其中，所述初始网络模型中网络参数用于替代所述迭代算法中的所述待定求解算子；
获取待处理的欠采样K空间数据，将所述欠采样K空间数据输入至所述用于磁共振成像的网络模型，生成磁共振图像。
2.根据权利要求1所述的方法，其特征在于，所述用于求解所述原始模型的迭代包括对偶迭代、基本迭代和所述对偶迭代与所述基本迭代的关联关系；
相应的，根据磁共振成像的原始模型和用于求解所述原始模型的迭代建立初始网络模型，包括：
建立用于执行所述对偶迭代的至少一个第一子网络模型；
建立用于执行所述基本迭代的至少一个第二子网络模型；
根据所述对偶迭代与所述基本迭代的关联关系确定所述第一子网络模型与所述第二子网络模型的关联模块；
根据所述对偶迭代和所述基本迭代之间的迭代关系确定所述第一子网络模型、所述第二子网络模型和所述关联模块之间的连接关系；
根据所述连接关系对所述至少一个第一子网络模型、所述至少一个第二子网络模型和所述关联模块进行连接，生成所述初始网络模型。
3.根据权利要求2所述的方法，其特征在于，所述初始网络模型包括预设层级的第一子网络模型和第二子网络模型，所述第一子网络模型的输出端分别与同一层级中的第二子网络模型的输入端和下一层级的第一子网络模型的输入端连接，所述第二子网络模型的输出端与下一层级中的第二子网络模型的输入端连接，以及基于所述关联模块与下一层级中的第一子网络模型的输入端连接。
4.根据权利要求2所述的方法，其特征在于，所述第一子网络和第二子网络模型均为残差网络；
所述第一子网络模型包括第一预处理层、卷积层和激活层，用于将所述第一子网络模型接收的不同类型的输入参数根据预设规则进行预处理，将生成第一多维度矩阵数据发送至与所述第一预处理层连接的卷积层；
所述第二子网络模型还包括第二预处理层、卷积层和激活层，用于将所述第二子网络模型接收的不同类型的输入参数根据预设规则进行预处理，将生成第二多维度矩阵数据发送至与所述第二预处理层连接的卷积层。
5.根据权利要求4所述的方法，其特征在于，所述第一子网络模型和所述第二子网络模型中的每一个卷积层包括实部通道和虚部通道，所述实部通道用于对所...
【专利技术属性】
技术研发人员：梁栋，程静，王海峰，刘新，郑海荣，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。