本发明专利技术提供了一种磁共振局部成像重建与去噪方法及系统，包括如下步骤：图像获取步骤：采用局部成像序列采集目标组织磁共振图像的欠采样k空间数据；模型训练步骤：采用含噪声的仿真数据训练待训练扩散模型，得到训练好的扩散模型；重建去噪步骤：使用训练好的扩散模型对采集得到的欠采样k空间数据进行图像重建与去噪。本发明专利技术使用二维空间选择性射频脉冲激发方法，激发成像物体局部区域，使FOV相应缩小，实现高分辨率局部成像。实现高分辨率局部成像。实现高分辨率局部成像。
【技术实现步骤摘要】
磁共振局部成像重建与去噪方法及系统
[0001]本专利技术涉及磁共振成像的
，具体地，涉及一种磁共振局部成像重建与去噪方法及系统。尤其是，优选的涉及一种磁共振高分辨率局部成像及重建去噪方法。
技术介绍
[0002]磁共振成像(Magnetic Resonance Imaging，简称MRI)，也称核磁共振成像(Nuclear Magnetic Resonance Imaging，简称NMRI)，又称自旋成像(spin imaging)，是利用核磁共振(nuclear magnetic resonance，简称NMR)原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。
[0003]公开号为CN104181481A的中国专利技术专利文献公开了一种磁共振图像采集与重建方法，在二维磁共振成像中，使用n片(n≥2)层加速与GRAPPA法并行采集的方法对K空间进行采集与重建，通过改变K空间欠采样和重建方法，使多层激发采集方法与现有GRAPPA技术能够同时结合使用。
[0004]相关文献：
[0005]1)Chung H,Ye J C.Score
‑
based diffusion models for accelerated MRI[J].MedicalImage Analysis,2022,80:102479.
[0006]2)Chung H,Lee E S,Ye J C.MR Image Denoising and Super
‑
Resolution UsingRegularized Reverse Diffusion[J].IEEE Transactions on Medical Imaging,2022.
[0007]相关文献提出了基于扩散模型进行磁共振图像重建的方法。提出了多种重建方法，包括使用实数图像进行重建、使用复数图像进行逐通道重建等。相关文献提出了基于扩散模型进行磁共振图像去噪和超分的方法。该方法是以串联形式进行，即先完成图像去噪，再对去噪后的图像进行超分操作。
[0008]针对上述中的相关技术，专利技术人认为基于扩散模型进行磁共振图像重建的方法迭代采样时间长，且不能对图像噪声进行处理；基于扩散模型进行磁共振图像去噪和超分的方法无法对图像欠采样数据进行重建。另外在常规磁共振成像中，受限于成像物体大小，视野(Field Of View，FOV)无法设置在小范围内成像，否则将造成图像混叠。这也导致了常规成像分辨率不高，无法识别人体细小结构。
技术实现思路
[0009]针对现有技术中的缺陷，本专利技术的目的是提供一种磁共振局部成像重建与去噪方法及系统。
[0010]根据本专利技术提供的一种磁共振局部成像重建与去噪方法，包括如下步骤：
[0011]图像获取步骤：采用局部成像序列采集目标组织磁共振图像的欠采样k空间数据；
[0012]模型训练步骤：采用含噪声的仿真数据训练待训练扩散模型，得到训练好的扩散
模型；
[0013]重建去噪步骤：使用训练好的扩散模型对采集得到的欠采样k空间数据进行图像重建与去噪。
[0014]优选的，所述图像获取步骤包括如下步骤：
[0015]步骤S1.1：在序列开始处，同时施加二维空间选择性射频脉冲与幅度振荡衰减的空间选择梯度，激发选择的局部区域；
[0016]步骤S1.2：在后续的成像中，对选择的局部区域使用回聚脉冲及带有损毁梯度的选层梯度对层选方向进行位置编码；
[0017]步骤S1.3：对层选方向的位置编码结束后，施加相位编码梯度后进行信号采集；获得k空间数据。
[0018]优选的，所述图像获取步骤还包括步骤S1.4：重复步骤S1.1～步骤S1.3，在每次重复中改变相位编码梯度；
[0019]若进行全采样，则重复N次，N与所需分辨率有关；若目标分辨率为n
×
n，则N＝n；
[0020]若进行欠采样，则将此过程重复次，R为欠采样倍数。
[0021]优选的，所述模型训练步骤包括如下步骤：
[0022]步骤S2.1：对仿真数据加入噪声后，得到仿真带噪数据；
[0023]步骤S2.2：向待训练扩散模型输入仿真带噪数据，输出估计的分数函数；
[0024]步骤S2.3：将估计的分数函数与仿真带噪数据输入损失函数计算损失值，通过反向传播使用损失值更新待训练扩散模型中的参数，经过多轮更新训练后，得到训练好的扩散模型。
[0025]优选的，所述重建去噪步骤包括如下步骤：
[0026]步骤S3.1：利用欠采样k空间数据估计线圈敏感度图，将线圈敏感度图和欠采样k空间数据作为训练好的扩散模型的输入；
[0027]步骤S3.2：将欠采样k空间数据和线圈敏感度图输入到训练好的扩散模型中，进行迭代后验采样，输出重建图像；
[0028]步骤S3.3：将重建图像和低频正则项输入到训练好的扩散模型中，进行迭代控制采样，对重建图像进行去噪。
[0029]根据本专利技术提供的一种磁共振局部成像重建与去噪系统，包括如下模块：
[0030]图像获取模块：采用局部成像序列采集目标组织磁共振图像的欠采样k空间数据；
[0031]模型训练模块：采用含噪声的仿真数据训练待训练扩散模型，得到训练好的扩散模型；
[0032]重建去噪模块：使用训练好的扩散模型对采集得到的欠采样k空间数据进行图像重建与去噪。
[0033]优选的，所述图像获取模块包括如下模块：
[0034]模块M1.1：在序列开始处，同时施加二维空间选择性射频脉冲与幅度振荡衰减的空间选择梯度，激发选择的局部区域；
[0035]模块M1.2：在后续的成像中，对选择的局部区域使用回聚脉冲及带有损毁梯度的选层梯度对层选方向进行位置编码；
[0036]模块M1.3：对层选方向的位置编码结束后，施加相位编码梯度后进行信号采集；获得k空间数据。
[0037]优选的，所述图像获取模块还包括模块M1.4：重复模块M1.1～模块M1.3，在每次重复中改变相位编码梯度；
[0038]若进行全采样，则重复N次，N与所需分辨率有关；若目标分辨率为n
×
n，则N＝n；
[0039]若进行欠采样，则将此过程重复次，R为欠采样倍数。
[0040]优选的，所述模型训练模块包括如下模块：
[0041]模块M2.1：对仿真数据加入噪声后，得到仿真带噪数据；
[0042]模块M2.2：向待训练扩散模型输入仿真带噪数据，输出估计的分数函数；
[0043]模块M2.3：将估计的分数函数与仿真带噪数据输入损失函数计算损失值，通过反向传播使用损失值更新待训练扩散模型中的参数，经过多轮更新训练后，得到训练好的扩散模型。
[0044]优选的，所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种磁共振局部成像重建与去噪方法，其特征在于，包括如下步骤：图像获取步骤：采用局部成像序列采集目标组织磁共振图像的欠采样k空间数据；模型训练步骤：采用含噪声的仿真数据训练待训练扩散模型，得到训练好的扩散模型；重建去噪步骤：使用训练好的扩散模型对采集得到的欠采样k空间数据进行图像重建与去噪。2.根据权利要求1所述的磁共振局部成像重建与去噪方法，其特征在于，所述图像获取步骤包括如下步骤：步骤S1.1：在序列开始处，同时施加二维空间选择性射频脉冲与幅度振荡衰减的空间选择梯度，激发选择的局部区域；步骤S1.2：在后续的成像中，对选择的局部区域使用回聚脉冲及带有损毁梯度的选层梯度对层选方向进行位置编码；步骤S1.3：对层选方向的位置编码结束后，施加相位编码梯度后进行信号采集；获得k空间数据。3.根据权利要求2所述的磁共振局部成像重建与去噪方法，其特征在于，所述图像获取步骤还包括步骤S1.4：重复步骤S1.1～步骤S1.3，在每次重复中改变相位编码梯度；若进行全采样，则重复N次，N与所需分辨率有关；若目标分辨率为n
×
n，则N＝n；若进行欠采样，则将此过程重复次，R为欠采样倍数。4.根据权利要求1所述的磁共振局部成像重建与去噪方法，其特征在于，所述模型训练步骤包括如下步骤：步骤S2.1：对仿真数据加入噪声后，得到仿真带噪数据；步骤S2.2：向待训练扩散模型输入仿真带噪数据，输出估计的分数函数；步骤S2.3：将估计的分数函数与仿真带噪数据输入损失函数计算损失值，通过反向传播使用损失值更新待训练扩散模型中的参数，经过多轮更新训练后，得到训练好的扩散模型。5.根据权利要求1所述的磁共振局部成像重建与去噪方法，其特征在于，所述重建去噪步骤包括如下步骤：步骤S3.1：利用欠采样k空间数据估计线圈敏感度图，将线圈敏感度图和欠采样k空间数据作为训练好的扩散模型的输入；步骤S3.2：将欠采样k空间数据和线圈敏感度图输入到训练好的扩散模型中，进行迭代后验采样，输出重建图像；步骤S3.3：将重建图像和低频正则项输入到训练好的扩散模型中，进行迭代控制采样，对重建图像进行去噪。6.一种磁共振...
【专利技术属性】
技术研发人员：冯原，陈燚，王润科，何钊，孙昱皓，孙青芳，杨广中，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。