磁共振图像生成方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术公开了一种磁共振图像生成方法、装置、计算机设备和存储介质。磁共振图像生成方法包括：采集对待测目标进行磁共振扫描得到的K空间数据；基于K空间数据和用于图像重建和参数拟合以生成图像的重建框架进行处理，重建框架为嵌入有物理模型以及已训练神经网络的稀疏低秩模型；获取重建框架最终输出的T1加权图像和T1量化图像。采用本发明专利技术，可以得到精确的T1加权图像和T1量化图像，图像质量高。图像质量高。图像质量高。

【技术实现步骤摘要】
磁共振图像生成方法、装置、计算机设备和存储介质


[0001]本专利技术涉及医学成像
，特别是涉及一种磁共振图像生成方法、装置、计算机设备和存储介质。

技术介绍

[0002]磁共振成像(MRI)作为一种无创、非电离成像技术，广泛应用于物理、生物和医学等领域。虽然它可以提供高质量的图像与各种对比机制，但MRI往往仅限于定性而不是定量成像，磁共振成像的图像对比度可能因扫描设备、成像协议、射频线圈和实验环境的不同而不同，这阻碍了不同平台之间的定量比较。近年来，T1定量成像获得了越来越多的关注，被广泛应用到诸如评估铁吸收患者的帕金森病、监测脑部白质(WM)和灰质(GM)异常以及高危颈动脉粥样硬化斑块成分识别。然而，传统T1映射序列由于需要获取多个T1加权图像进行参数拟合，使得扫描时间较长，而采集时间过长可能会引起运动伪影、图像错位和患者的不适。
[0003]随着技术的发展，提出了一种快速的三维T1量化磁共振序列技术GOAL
‑
SNAP，该技术采用反演恢复脉冲(IR)和三维黄金角径向采样轨迹，使得其可以在短时间内得到三维的、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁共振图像生成方法，其特征在于，包括：采集对待测目标进行磁共振扫描得到的K空间数据；基于所述K空间数据和用于图像重建和参数拟合以生成图像的重建框架进行处理，所述重建框架为嵌入有物理模型以及已训练神经网络的稀疏低秩模型；获取所述重建框架最终输出的T1加权图像和T1量化图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述K空间数据和用于图像重建和参数拟合以生成图像的重建框架进行处理之前，还包括：将预设的物理模型以及已训练神经网络嵌入稀疏低秩模型，得到重建框架。3.根据权利要求2所述的方法，其特征在于，所述将预设的物理模型以及已训练神经网络嵌入稀疏低秩模型之前，还包括：从大脑数字仿体获取仿真的K空间数据；构建初始的神经网络；根据所述仿真的K空间数据对所述初始的神经网络进行从T1加权图像映射到T1量化图像的训练，得到所述已训练神经网络。4.根据权利要求3所述的方法，其特征在于，所述从大脑数字仿体获取仿真的K空间数据，包括：采用三维黄金径向角采集方式采集大脑数字仿体的不同成分所对应的T1量化值；利用GOAL
‑
SNAP序列的信号公式对所述T1量化值进行处理得到处理后的数据；对处理后的数据进行傅里叶变换操作并添加高斯分布噪声，生成仿真的K空间数据。5.根据权利要求3所述的方法，其特征在于，所述根据所述仿真的K空间数据对所述初始的神经网络进行从T1加权图像映射到T1量化图像的训练，得到已训练神经网络，包括：对所述仿真的K空间数据进行逆不规则傅里叶变换，得到第一类T1加权图像；将所述仿真的K空间数据输入到稀疏低秩重建算法中，取前面预设次迭代的重建图像得到第二类T1加权图像，取所述稀疏低秩重建算法迭代完成后的图像得到第三类T1加权图像；利用GOAL
‑
SNAP序列的信号公式对所述仿真的K空间数据处理，得到的图像作为标准的T1量化图像；将所述第一类T1加权图像、所述第二类T1加权图像和所述第三类T1加权图像作为所述初始的神经网络的输入，将所述标准的T1量化图像作为所述初始的神经网络的输出，对所述初始的神经网络进行训练得到所述已训练神经网络。6.根据权利要求1所述的方法，其特征在于，所述重建框架包括稀疏低秩优化公式、引入已训练神经网络的量化模型和引入物理模型的加权模型，所述基于所述K空间数据和用于图像重建和参数拟合以生成图像的重建框架进行处理，包括：使用K空间数据进行参数初始化得到初始化的参数，根据所述初始化的参数和所述稀疏低秩优化公式进行稀疏低秩迭代计算，得到下一次迭代的低秩部分和下一次迭代的稀疏部分；根据所述量化模型进行量化图像迭代计算，得到下一次迭代的T1量化图像；根据所述K空...

【专利技术属性】
技术研发人员：陈慧军，李雨泽，杨润宇，窦佳琦，王雅洁，徐子茗，
申请(专利权)人：清华大学，
类型：发明
国别省市：