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】
本专利技术涉及生理信息处理,具体涉及一种欠采样核磁共振图像的重建方法。
技术介绍
1、磁共振成像技术(magnetic resonance imaging,mri)是医学诊断和研究的重要手段之一。mri由于其没有辐射损伤,成像的软组织分辨率高等特点被广泛用于临床诊断,但由于mri采集所需时间较长,这往往会让患者感觉到不适,并且导致设备的使用率较低。因此,为了提升成像速度,传统的方法如并行成像、多层并发采集成像等往往会在重建过程中降低图像的信噪比。此外,还有通过提升mri设备的性能来获取更高的成像质量,这会使得成本显著增加。如何在缩短成像时间的同时不降低甚至提高图像整体或局部质量是目前研究的重点和难点。
2、近年来,深度学习算法在mri重建方面展示出了巨大的潜力,这也吸引了越来越多的研究者开始使用深度学习算法解决这一难题。最近,由于去噪扩散概率模型(denoisingdiffusion probabilistic models,ddpm)和基于分数的生成模型(score-basedgenerative models)在图像生成领域的优秀性能,因此使用扩散模型来重建欠采样mri图像具有更好的重建效果。然而,使用扩散模型重建欠采样mri图像也存在一些难点。虽然扩散模型在图像生成领域具有非常优异的性能,但是扩散模型在成像时的采样速度慢,这是制约其发展的一大难题。此外,对于实际应用而言,往往会通过改变现有序列的基本采集参数来缩短采集所需时间,因此用于mri重建的深度学习算法需要针对不同的采集方式都能实现快速、高质量的重建。
...【技术保护点】
1.一种欠采样核磁共振图像的重建方法,其特征在于:包括以下步骤
2.根据权利要求1所述的欠采样核磁共振图像的重建方法,其特征在于:所述步骤1的具体操作如下:对于VE-SDE采样,采用匹配边际分布p(xt|x0)的方式对采样过程进行改进,这使得采样过程中的噪声图像的分布与将x0加噪至同等噪声水平后的噪声图像的分布一致,即均值为x0标准差为σt的高斯分布。这就使得采样过程可以是非马尔可夫的,因此可以实现大幅减少采样所需的时间步。
3.根据权利要求1所述的欠采样核磁共振图像的重建方法,其特征在于:所述步骤2的具体操作如下:基于使用步骤1的加速采样方法的扩散模型,对上一时间步的噪声图像xi+1使用Tweedie’s formula得到对应的无噪图像x0|i+1,接着将该图像转换到k空间与核磁共振欠采样数据y0结合,接着利用傅里叶逆变换转换回空间域得到当前时间步的重建图像接着将重建图像与无噪图像x0|i+1的差值对噪声图像xi+1求梯度,并引导无噪图像x0|i+1在无噪流形上接近目标图像。
4.根据权利要求1所述的欠采样核磁共振图像的重建方法,其特征在于
...【技术特征摘要】
1.一种欠采样核磁共振图像的重建方法,其特征在于:包括以下步骤
2.根据权利要求1所述的欠采样核磁共振图像的重建方法,其特征在于:所述步骤1的具体操作如下:对于ve-sde采样,采用匹配边际分布p(xt|x0)的方式对采样过程进行改进,这使得采样过程中的噪声图像的分布与将x0加噪至同等噪声水平后的噪声图像的分布一致,即均值为x0标准差为σt的高斯分布。这就使得采样过程可以是非马尔可夫的,因此可以实现大幅减少采样所需的时间步。
3.根据权利要求1所述的欠采样核磁共振图像的重建方法,其特征在于:所述步骤2的具体操作如下:基于使用步骤1的加速采样方法的扩散模型,对上一时间步的噪声图像xi+1使用tweedie’s formula得到对应的无噪图像x...
【专利技术属性】
技术研发人员:乔丽红,王荣轩,肖斌,舒禹程,
申请(专利权)人:重庆邮电大学,
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。