一种肺部成像方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种肺部成像方法、装置、设备及可读存储介质，涉及磁共振成像领域，包括对肺部待成像区域进行质子磁共振成像；采集所述质子磁共振成像后的所述待成像区域中的动态磁共振数据序列,并进行MR图像重建,得到重建后的MR图像序列；获取第一信息,所述第一信息包括提取呼吸运动过程中肺组织的几何变化信息；根据重建后的所述MR图像序列建立时间序列并进行谱分析；根据所述几何变化信息,结合所述谱分析的所述MR图像序列,构建肺部成像图像。本发明专利技术的有利效果为有效的获取成像对象K空间中的重要信息，提高了高分辨率和高信噪比的高质量肺部磁共振图像。并且可以在图像质量相近甚至更高的情况下，有效缩短使用造影剂成像过程的成像时间。像过程的成像时间。像过程的成像时间。

【技术实现步骤摘要】
一种肺部成像方法、装置、设备及可读存储介质


[0001]本专利技术涉及磁共振成像领域技术，具体而言，涉及肺部成像方法、装置、设备及可读存储介质。

技术介绍

[0002]随着经济的快速发展和大气环境污染的日益严重，肺癌已经成为发病率和死亡率增长最快，对人群健康和生命威胁最大的恶性肿瘤。近50年来许多国家都报道肺癌的发病率和死亡率均明显增高，现有技术中，基于MRI技术对肺的通气功能和灌注能力进行成像，构建肺通气功能图和灌注图，以评估肺的通气换气能力及肺组织的血流灌注状况。在成像时，过长的扫描时间会造成气体造影剂极化度的显著下降，降低磁共振信号的信噪比，使得图像质量变差，不利于图像的采集以及采集后的处理。

技术实现思路

[0003]本专利技术的目的在于提供一种肺部成像方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0004]第一方面，本申请提供了一种肺部成像方法，包括：
[0005]对肺部待成像区域进行质子磁共振成像；
[0006]采集所述质子磁共振成像后的所述待成像区域中的动态磁共振数据序列,并进行MR图像重建,得到重建后的MR图像序列；
[0007]获取第一信息,所述第一信息包括提取呼吸运动过程中肺组织的几何变化信息；
[0008]根据重建后的所述MR图像序列建立时间序列并进行谱分析；
[0009]根据所述几何变化信息,结合所述谱分析的所述MR图像序列,构建肺部成像图像。
[0010]第二方面，本申请还提供了一种肺部成像装置，包括成像模块、重建模块、获取模块、分析模块和构建模块，其中：
[0011]成像模块：用于对肺部待成像区域进行质子磁共振成像；
[0012]重建模块：用于采集所述质子磁共振成像后的所述待成像区域中的动态磁共振数据序列,并进行MR图像重建,得到重建后的MR图像序列；
[0013]获取模块：用于获取第一信息,所述第一信息包括提取呼吸运动过程中肺组织的几何变化信息；
[0014]分析模块：用于根据重建后的所述MR图像序列建立时间序列并进行谱分析；
[0015]构建模块：用于根据所述几何变化信息,结合所述谱分析的所述MR图像序列,构建肺部成像图像。
[0016]第三方面，本申请还提供了一种肺部成像设备，包括：
[0017]存储器，用于存储计算机程序；
[0018]处理器，用于执行所述计算机程序时实现所述肺部成像方法的步骤。
[0019]第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算
机程序，所述计算机程序被处理器执行时实现上述基于肺部成像方法的步骤。
[0020]本专利技术的有益效果为：本专利技术利用快速脉冲序列来提高肺部MR图像的对比度；通过采集部分radial轨迹k空间数据来实现快速数据采集；通过设计radial轨迹欠采样k空间数据重建算法来重建分辨率较高的肺部动态磁共振图像序列；通过图像重建、图像分割、图像配准和时间序列谱分析提取了肺通气信息和血流灌注信息，最终对肺通气功能和灌注能力进行成像；同时，通过预扫描获取先验知识，指导欠采样轨迹的生成过程，有效获取成像对象K空间中的重要信息，提高了高分辨率和高信噪比的高质量肺部磁共振图像。并且可以在图像质量相近甚至更高的情况下，有效缩短使用造影剂成像过程的成像时间。
[0021]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]图1为本专利技术实施例中所述的肺部成像方法流程示意图；
[0024]图2为本专利技术实施例中所述的肺部成像装置结构示意图；
[0025]图3为本专利技术实施例中所述的肺部成像设备结构示意图。
[0026]图中:701、成像模块；7011、识别单元；7012、筛选单元；70121、建立单元；70122、设定单元；70123、第一获取单元；70124、第二获取单元；70125、第一生成单元；70126、排序单元；70127、计算单元；70128、第二生成单元；7013、调整单元；7014、遍历单元；702、重建模块；7021、采集单元；7022、第一重建单元；7023、求解单元；703、获取模块；7031、第一构建单元；7032、第二构建单元；7033、训练单元；704、分析模块；705、构建模块；800、肺部成像设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0029]实施例1：
[0030]本实施例提供了一种肺部成像方法。
[0031]参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
[0032]S100、对肺部待成像区域进行质子磁共振成像。
[0033]可以理解的是，在S100步骤之后包括S101、S102、S103和S104，其中：
[0034]S101、识别肺部的所述待成像区域中的肺泡和血管的轮廓位置；
[0035]S102、根据灰度反转函数和傅里叶变换，将识别后的所述待成像区域的图像数据转换为对应的K空间数据，并筛选获取K空间中第一信号的分布情况，作为先验信息，其中，第一信号包括按照预设的稀疏采样比例选取其中数值大的信号点进行扫描；
[0036]S103、根据所述先验信息，对所述待成像区域的扫描区域和扫描轨迹进行调整，得到肺部超极化气体的稀疏采样扫描脉冲序列；
[0037]S104、遍历所述稀疏采样扫描脉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部成像方法，其特征在于，包括：对肺部待成像区域进行质子磁共振成像；采集所述质子磁共振成像后的所述待成像区域中的动态磁共振数据序列,并进行MR图像重建,得到重建后的MR图像序列；获取第一信息,所述第一信息包括提取呼吸运动过程中肺组织的几何变化信息；根据重建后的所述MR图像序列建立时间序列并进行谱分析；根据所述几何变化信息,结合所述谱分析的所述MR图像序列,构建肺部成像图像。2.根据权利要求1所述的肺部成像方法，其特征在于,所述采集所述进行MR图像重建,得到重建后的MR图像序列,包括:采集第二信息,所述第二信息包括基于radial采样方式对肺部的所述动态磁共振数据序列进行采集；基于深度学习的MRI重建方法,根据所述第一信息,重建空间分辨率及对比度良好的肺部动态MR图像序列,其中包括:根据深度学习中的正则化技术构建求解模型；根据所述动态磁共振数据序列的稀疏性和低秩性,构建约束性条件；根据所述约束性条件和所述求解模型,利用交替方向乘子算法,求解算法以重建肺部磁共振图像序列。3.根据权利要求1所述的肺部成像方法，其特征在于,所述对肺部待成像区域进行质子磁共振成像，之后包括：识别肺部的所述待成像区域中的肺泡和血管的轮廓位置；根据灰度反转函数和傅里叶变换，将识别后的所述待成像区域的图像数据转换为对应的K空间数据，并筛选获取K空间中第一信号的分布情况，作为先验信息，其中，第一信号包括按照预设的稀疏采样比例选取其中数值大的信号点进行扫描；根据所述先验信息，对所述待成像区域的扫描区域和扫描轨迹进行调整，得到肺部超极化气体的稀疏采样扫描脉冲序列；遍历所述稀疏采样扫描脉冲序列中的信号点，判断是否有大信号集中的区域，若有，则进行集中重点扫描，若无，则不扫描或减少扫描。4.根据权利要求1所述的肺部成像方法，其特征在于,所述获取第一信息，之前包括：构建用于网络训练、验证和测试的肺部数据库样本；根据所述肺部数据库样本和损失函数，构建VDD
‑
Net深度网络模型，得到肺部数据集训练模型；对所述肺部数据集训练模型进行训练，并用验证集和测试集测试网络模型的重建能力，得到适用于肺部图像重建的图像重建模型。5.一种肺部成像装置，其特征在于，包括：成像模块：用于对肺部待成像区域进行质子磁共振成像；重建模块：用于采集所述质子磁共振成像后的所述待成像区域中的动态磁共振数据序列,并进行MR图像重建,得到重建后的MR图像序列；获取模块：用于获取第一信息,所述...

【专利技术属性】
技术研发人员：刘向军，
申请(专利权)人：中科微影浙江医疗科技有限公司，
类型：发明
国别省市：