一种基于深度学习的EPI相位矫正方法技术

本发明专利技术公开了一种基于深度学习的EPI相位矫正方法。本发明专利技术方法：采用正负交替的读出梯度极性进行EPI数据采集，采集到的回波按顺序填入K空间后的轨迹；将正负回波从K空间中分离，变成两个极性一致的K空间；消除以上图像中的卷褶伪影，流程包括：选取神经网络；采集一组EPI原始数据用于网络训练；使用传统相位矫正方法计算金标准图像；将金标准和正负分离后的图像同时喂入神经网络进行训练；将测试数据按正负回波分离重建得到图像喂入训练好的网络模型，得到恢复后的图像。本发明专利技术能够很好地恢复低倍欠采的数据，实现EPI采集加速和图像伪影消除；可用于基于EPI采集模式的脑功能成像、扩散加权成像等磁共振技术中。扩散加权成像等磁共振技术中。扩散加权成像等磁共振技术中。

【技术实现步骤摘要】
York, 1993,
”ꢀ
p. 1239.2、Bammer R, Keeling SL, Augustin M, Pruessmann KP, Wolf R, Stollberger R, Hartung HP, Fazekas F. Improved diffusion
‑
weighted single
‑
shot echo
‑
planar imaging (EPI) in stroke using sensitivity encoding (SENSE). MagnReson Med 2001; 46: 548
–ꢀ
554.3、Xie VB, Lyu M, Liu Y, Feng Y, Wu EX. Robust EPI Nyquist ghost removal by incorporating phase error correction with sensitivity encoding (PEC
‐
SENSE). Magnetic Resonance in Medi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的EPI相位矫正方法，其特征在于，具体步骤如下：（一）EPI数据的采集和分离EPI采用正负交替的读出梯度极性进行数据采集，采集到的回波按顺序填入K空间后的轨迹；将正负回波从K空间中分离，变成两个极性一致的K空间；分离后的正负K空间信号用方程表示为： ， （1），
ꢀꢀꢀ
（2）其中，表示无伪影的图像强度，x，y分别表示K空间内沿读出和相位编码方向的K空间位置，m，n表示相应的图像域位置；分别表示读出方向和相位编码方向的采集矩阵， 表示正负回波间的相位差；和为欠采的K空间信号，直接对这两个K空间进行傅里叶变换得到的重建图像会出现由于欠采导致的卷褶伪影；（二）消除以上图像中的卷褶伪影；利用基于神经网络的深度学习技术，通过学习满采时重建得到的无伪影图像，分别对这些带伪影的图像进行恢复，最后将恢复后的图像合并成一副图像；具体流程如下：（1）选取神经网络，将选择好的网络主函数表示为；（2）采集数据，采集一组EPI原始数据用于网络训练，这些数据是满采的，或者是低倍欠采的；为了提高网络的泛化性，能够兼容不同对比度和几何形变的测试数据，训练数据在采集时设置不同的TE值，以获得不同对比度和几何形变的训练集；（3）计算金标准图像，对步骤2中采集到的数据用传统相位矫正方法，以消除图像中的伪影，保存为金标准；（4）训练网络：首先，将无伪影的金标准图像由图像域转换到K空间，转换后的K空间是满采的，对满采的K空间根据加速倍数需求按正负回波进行分离，产生两个极性单一的K空间，缺失的回波位置填0以保持K空间的大小不变；然后，将分离后的K空间转换到图像域；最后，将...

【专利技术属性】
技术研发人员：王丽丽，王鹤，王成彦，
申请(专利权)人：复旦大学，
类型：发明
国别省市：