用于MRI数据处理的系统和方法技术方案

本文描述了与使用机器学习(ML)模型处理复值MRI数据相关联的系统、方法和装置。ML模型可以基于合成生成的MRI训练数据并且通过应用一个或多个元学习技术来学习。MRI训练数据可以通过将相位信息添加到实值MRI数据和/或通过基于线圈灵敏度图将单线圈MRI数据转换成多线圈MRI数据来生成。元学习过程可包括使用训练数据的部分来进行第一轮学习以确定更新的模型参数，以及使用训练数据的剩余部分来测试更新的模型参数。然后，可以确定与测试相关联的损失并将其用于细化模型参数。使用这些技术学习的ML模型可以被采用用于各种任务，包括例如MRI图像重建和/或去噪。如MRI图像重建和/或去噪。如MRI图像重建和/或去噪。

【技术实现步骤摘要】
用于MRI数据处理的系统和方法


[0001]本申请涉及医学图像领域。

技术介绍

[0002]磁共振成像(MRI)已经成为用于疾病检测、无创诊断和治疗监测的重要工具。MRI通过从空间频域(通常称为k空间)收集信号并基于所收集的信号生成图像来工作。k空间和/或从其生成的图像包括复值(complex
‑
valued)数据，因此理想地，为了训练人工神经网络(ANN)以执行诸如MRI图像重建的MRI数据处理任务，复值数据应当用于训练。然而，实际上，可用于进行训练的医学MRI图像通常以实值格式(诸如医学数字成像和通信(DICOM)格式)存储，其中，仅复值MRI数据(例如，MRI图像)的大小被保留，而复值数据的相位信息被丢弃。因此，当前可用的训练数据不能以与实际使用情况相关的方式反映真实世界，并且使用这种数据训练的人工智能(AI)模型通常缺乏准确度和适应性。因此，非常期望具有改进的AI模型的系统、方法和装置用于MRI数据处理。

技术实现思路

[0003]本文描述了与使用机器学习(ML)模型处理MRI数据(例如，基于欠采样MR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种处理磁共振成像(MRI)数据的方法，所述方法包括：获得磁共振成像(MRI)数据；以及使用机器学习(ML)模型处理所述MRI数据，其中，所述ML模型是通过训练过程学习的，所述训练过程包括：确定并存储所述ML模型的初始参数；基于所述ML模型的所述初始参数处理第一MRI训练数据集的一部分，其中，作为处理所述第一MRI训练数据集的所述部分的结果，确定所述ML模型的第一更新参数集合；基于所述ML模型的所述初始参数处理第二MRI训练数据集的一部分，其中，作为处理所述第二MRI训练数据集的所述部分的结果，确定所述ML模型的第二更新参数集合；基于所述ML模型的所述第一更新参数集合处理所述第一MRI训练数据集的剩余部分以确定第一损失；基于所述ML模型的所述第二更新参数集合处理所述第二MRI训练数据集的剩余部分以确定第二损失；以及基于所述第一损失和所述第二损失来更新所述ML模型的所述初始参数。2.根据权利要求1所述的方法，其中，所述第一MRI训练数据集或所述第二MRI训练数据集中的至少一个包括复值MRI数据。3.根据权利要求2所述的方法，其中，所述复值MRI数据是基于实值MRI数据并通过将相位值添加到所述实值MRI数据而合成地生成的。4.根据权利要求3所述的方法，其中，所述相位值是从MRI图像导出的，或者是作为与所述实值MRI数据相关联...

【专利技术属性】
技术研发人员：陈潇，刘毅康，陈章，孙善辉，陈德仁，D，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：