磁共振图像的重建方法、装置及电子设备制造方法及图纸

本发明专利技术实施例公开了一种磁共振图像的重建方法、装置及电子设备。该方法包括：获取基于第二序列采集到的被测对象的欠采样数据，并将所述欠采样数据输入到训练完成的目标神经网络模型中，得到输出的恢复数据；基于所述恢复数据进行重建得到与所述被测对象对应的磁共振图像；其中，所述目标神经网络模型是根据基于第一序列采集到的样本满采样数据处理得到的第一样本欠采样数据和基于第二序列采集到的第二样本欠采样数据经过二次训练得到的。本发明专利技术通过基于第一序列的第一样本欠采样数据和基于第二序列的第二样本欠采样数据二次训练得到目标神经网络模型，解决了第二序列的样本满采样数据不易获取的问题，提高了模型输出的恢复数据的数据质量。的恢复数据的数据质量。的恢复数据的数据质量。

【技术实现步骤摘要】
磁共振图像的重建方法、装置及电子设备


[0001]本专利技术实施例涉及磁共振成像
，尤其涉及一种磁共振图像的重建方法、装置及电子设备。

技术介绍

[0002]磁共振成像(Magnetic Resonance Imaging，MRI)是利用磁共振现象从人体中获取电磁信号从而重建人体信息的技术，属于断层成像的一种。磁共振成像技术具有非侵入性、无电离辐射损伤和成像清晰等特点，几乎适用于全身各系统的不同疾病的诊断，例如肿瘤、炎症、创伤、退行性病变，以及各种先天性疾病等的检查。
[0003]磁共振成像技术需要获取满采样的K空间数据才能对人体信息进行重建，采集的数据越多则采集的时间越长，成像速度越慢。因此，为提高成像速度，现有技术通过采集被测对象的欠采样数据，并基于神经网络模型重建与欠采样数据对应的满采样数据。但神经网络模型的好坏受到训练标准
---
满采样数据的影响，不同采集场景采集到的满采样数据的质量参差不齐，且有些采集场景下甚至无法采集到满采样数据，因此现有技术中作为神经网络模型训练标准的满采样数据较难获取，使得模型输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁共振图像的重建方法，其特征在于，包括：获取基于第二序列采集到的被测对象的欠采样数据，并将所述欠采样数据输入到训练完成的目标神经网络模型中，得到输出的恢复数据；基于所述恢复数据进行重建得到与所述被测对象对应的磁共振图像；其中，所述目标神经网络模型是根据基于第一序列采集到的样本满采样数据处理得到的第一样本欠采样数据和基于第二序列采集到的第二样本欠采样数据经过二次训练得到的。2.根据权利要求1所述的方法，其特征在于，还包括：根据所述第二序列的第二场景特征集，建立所述第一序列的第一场景特征集；其中，所述第一场景特征集与所述第二场景特征集中预设数量的场景特征信息不同；所述第二场景特征集中的场景特征信息包括对比度、线圈类型、被测对象、脉冲序列类型以及线圈与被测对象之间的相对位置中的一项或多项。3.根据权利要求2所述的方法，其特征在于，所述第二场景特征集中的被测对象包括胎儿，相应的，所述第一场景特征集中的被测对象为至少两种组织部位。4.根据权利要求2所述的方法，其特征在于，所述第二场景特征集中的脉冲序列类型为回波平面DWI脉冲序列，对应的，所述第一场景特征集中的脉冲序列类型为液体衰减反转恢复脉冲序列。5.根据权利要求2所述的方法，其特征在于，所述第二场景特征集中的脉冲序列类型为单脉冲快速自旋成像回波脉冲序列，对应的，所述第一场景特征集中的脉冲序列类型为多脉冲快速自旋成像回波脉冲序列。6.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型的训练方法，包括：获取基于第一序列采集到的样本满采样数据，并根据所述样本满采样数据对初始神经网络模型进行初次训练，确定训练完成的预训练神经网络模型；获取基于第二序列采集到的第二样本欠采样数据，并根据所述第二样本欠采样数据对所述预训练神经网络模型进行再次训练，确定训练完成的目...

【专利技术属性】
技术研发人员：翟人宽，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：