System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及磁共振成像系统,具体为一种磁共振弥散张量成像装置及其成像方法。
技术介绍
1、磁共振弥散张量成像(diffusion tensor imaging,dti)是磁共振成像的一种特殊形式,其利用组织中水分子的自由热运动各向异性的原理,来探测组织的微观结构。作为一种新型的无创检测技术,dti可用于神经系统,肌肉等组织器官的成像,为多发硬化,弥散性脑损伤,肝肿瘤,心肌梗死等重大疾病的早期诊断提供重要的影像学资料,弥散张量成像过程如下:首先用磁共振采集一组数据,包括一幅t2加权图像(一般称为b0图像)和在n个不同方向施加弥散梯度获得的弥散加权图像(dwi),二者幅值满足单指数模型:其中,s0为b0图像,s为dwi,b为弥散加权因子,g为弥散梯度方向,d是弥散张量,为3×3对称矩阵,含6个未知数;然后,用最小二乘法拟合弥散张量,因弥散张量共有6个未知数,因此弥散加权图像个数n最少为6个;最后,利用弥散张量计算出弥散相关参数,如各向异性系数(fa)、平均弥散系数(md)等,用于研究和诊断中,fa和md的计算公式为:md=(λ1+λ2+λ3)/3,λi(i=1,2,3)为弥散张量矩阵d的三个特征值。
2、然而现有技术需要大量的时间进行数据采集后的误差计算来确保弥散张量成像的准确性,因此限制了该技术的临床应用。
技术实现思路
1、本专利技术的目的在于提供一种磁共振弥散张量成像装置及其成像方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,一种磁共振弥散张
3、信息采集模块,所述信息采集模块与信息处理模块连接,用于将信息采集模块采集到的信息分析并进行相应的分配;
4、信息处理模块,所述信息处理模块用于各种信息进行分析、处理、计算概率密度函数并构建图像信息模型;
5、误差计算模块,所述误差计算模块与信息处理模块连接,用于对信息处理模块获取的信息进行误差计算;
6、图像修正模块,所述图像修正模块与误差计算模块、信息处理模块连接,用于接收误差计算模块输出的误差计算结果并对信息处理模块构建的图像信息模型进行微调修正;
7、图像显示模块,所述图像显示模块与信息处理模块、图像修正模块连接,用于将修正后的图像信息进行显示。
8、优选的:所述信息采集模块包括弥散信息采集单元。
9、优选的:所述信息处理模块包括弥散信息处理单元。
10、优选的:所述误差计算模块包括全采样弥散加权数据获取单元、欠采样弥散加权数据信息获取单元、训练单元、全采样弥散加权数据误差计算单元、欠采样弥散加权数据误差计算单元和全采样弥散加权数据误差预测单元。
11、优选的:所述全采样弥散加权数据获取单元和欠采样弥散加权数据信息获取单元分别用于获取全方向采样的弥散加权数据信息和弥散加权方向纬度上的弥散加权数据信息的欠采样。
12、优选的:所述全采样弥散加权数据误差计算单元和欠采样弥散加权数据误差计算单元分别用于全采样弥散加权数据和欠采样弥散加权数据的误差计算。
13、优选的:所述训练单元用于将全采样弥散加权数据误差计算结果作为训练目标,将欠采样弥散加权数据误差结算结果作为训练数据,对深度学习网络进行训练。
14、优选的:所述全采样弥散加权数据误差预测单元用于在训练单元输入欠采样弥撒加权数据误差计算结果后,输出全采样弥撒加权数据误差预测结果。
15、一种磁共振弥散张量成像装置的成像方法,所述装置的成像方法包括如下步骤,步骤s1,基于数据库调取对应的全采样弥散加权数据误差计算数据和欠采样弥散加权数据误差计算数据在训练单元对深度学习网络进行训练,获得训练单元的深度学习网络训练模型;步骤s2,信息采集模块将采集到的信息分析和分配,并在信息处理模块对各种信息进行分析、处理、计算概率密度函数并构建图像信息模型;步骤s3,误差计算模块对采集到的欠采样弥散加权数据信息进行误差计算,并输出误差计算结果至图像修正模块;步骤s4,图像修正模块基于误差计算模块的误差计算结果对信息处理模块构建的图像模型进行修正,并在图像显示模块进行输出显示成像。
16、本专利技术相较于现有技术,其有益效果为:
17、本专利技术可以有效减少成像过程中由于误差计算时间,成像更加稳定准确,其中,基于数据库调取对应的全采样弥散加权数据误差计算数据和欠采样弥散加权数据误差计算数据在训练单元对深度学习网络进行训练,获得训练单元的深度学习网络训练模型,信息采集模块将采集到的信息分析和分配,并在信息处理模块对各种信息进行分析、处理、计算概率密度函数并构建图像信息模型,误差计算模块对采集到的欠采样弥散加权数据信息进行误差计算,并输出误差计算结果至图像修正模块,图像修正模块基于误差计算模块的误差计算结果对信息处理模块构建的图像模型进行修正,并在图像显示模块进行输出显示成像,只需获取较少方向的欠方向采样的弥散加权数据并进行误差计算,输入到训练好的深度学习网络后直接输出全方向采样的弥散张量误差数据,从而便于进行构建后的图像数据的修正,该过程大大降低的数据的采集时间,并且还能保证磁共振弥散张量图像的成像质量,从而提高了磁共振弥散张量图像的成像效率。
本文档来自技高网...【技术保护点】
1.一种磁共振弥散张量成像装置,其特征在于,包括:
2.根据权利要求1所述的一种磁共振弥散张量成像装置,其特征在于:所述信息采集模块(1)包括弥散信息采集单元。
3.根据权利要求2所述的一种磁共振弥散张量成像装置,其特征在于:所述信息处理模块(2)包括弥散信息处理单元。
4.根据权利要求3所述的一种磁共振弥散张量成像装置,其特征在于:所述误差计算模块(3)包括全采样弥散加权数据获取单元、欠采样弥散加权数据信息获取单元、训练单元、全采样弥散加权数据误差计算单元、欠采样弥散加权数据误差计算单元和全采样弥散加权数据误差预测单元。
5.根据权利要求4所述的一种磁共振弥散张量成像装置,其特征在于:所述全采样弥散加权数据获取单元和欠采样弥散加权数据信息获取单元分别用于获取全方向采样的弥散加权数据信息和弥散加权方向纬度上的弥散加权数据信息的欠采样。
6.根据权利要求5所述的一种磁共振弥散张量成像装置,其特征在于:所述全采样弥散加权数据误差计算单元和欠采样弥散加权数据误差计算单元分别用于全采样弥散加权数据和欠采样弥散加权数据的误差计算。
7.根据权利要求6所述的一种磁共振弥散张量成像装置,其特征在于:所述训练单元用于将全采样弥散加权数据误差计算结果作为训练目标,将欠采样弥散加权数据误差结算结果作为训练数据,对深度学习网络进行训练。
8.根据权利要求7所述的一种磁共振弥散张量成像装置,其特征在于:所述全采样弥散加权数据误差预测单元用于在训练单元输入欠采样弥散加权数据误差计算结果后,输出全采样弥散加权数据误差预测结果。
9.根据权利要求1-8任一项所述的一种磁共振弥散张量成像装置的成像方法,其特征在于:包括如下步骤,步骤S1,基于数据库调取对应的全采样弥散加权数据误差计算数据和欠采样弥散加权数据误差计算数据在训练单元对深度学习网络进行训练,获得训练单元的深度学习网络训练模型;步骤S2,信息采集模块(1)将采集到的信息分析和分配,并在信息处理模块(2)对各种信息进行分析、处理、计算概率密度函数并构建图像信息模型;步骤S3,误差计算模块(3)对采集到的欠采样弥散加权数据信息进行误差计算,并输出误差计算结果至图像修正模块(4);步骤S4,图像修正模块(4)基于误差计算模块(3)的误差计算结果对信息处理模块(2)构建的图像模型进行修正,并在图像显示模块(5)进行输出显示成像。
...【技术特征摘要】
1.一种磁共振弥散张量成像装置,其特征在于,包括:
2.根据权利要求1所述的一种磁共振弥散张量成像装置,其特征在于:所述信息采集模块(1)包括弥散信息采集单元。
3.根据权利要求2所述的一种磁共振弥散张量成像装置,其特征在于:所述信息处理模块(2)包括弥散信息处理单元。
4.根据权利要求3所述的一种磁共振弥散张量成像装置,其特征在于:所述误差计算模块(3)包括全采样弥散加权数据获取单元、欠采样弥散加权数据信息获取单元、训练单元、全采样弥散加权数据误差计算单元、欠采样弥散加权数据误差计算单元和全采样弥散加权数据误差预测单元。
5.根据权利要求4所述的一种磁共振弥散张量成像装置,其特征在于:所述全采样弥散加权数据获取单元和欠采样弥散加权数据信息获取单元分别用于获取全方向采样的弥散加权数据信息和弥散加权方向纬度上的弥散加权数据信息的欠采样。
6.根据权利要求5所述的一种磁共振弥散张量成像装置,其特征在于:所述全采样弥散加权数据误差计算单元和欠采样弥散加权数据误差计算单元分别用于全采样弥散加权数据和欠采样弥散加权数据的误差计算。
7.根据权利要求6所述的一种磁共...
【专利技术属性】
技术研发人员:张雪芹,
申请(专利权)人:贞美医疗科技上海有限公司,
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。