【技术实现步骤摘要】
本专利技术涉及磁共振成像，尤其是涉及一种基于深度学习和线圈灵敏度的腹部器官成像方法及装置。
技术介绍
1、临床上常规的弥散加权图像采集方法是通过单次激发平面回波成像(single-shot echo planar imaging，ssh-epi)实现，但其图像空间分辨率低，导致重建后图像几何失真严重，图像清晰度低。因此目前的改进策略是通过多次激发(沿相位编码方向或者频率编码方向两种)实现，如多次激发平面回波弥散加权成像(multi-shot echo planarimaging diffusion weighted imaging，msh-epidwi)技术，其通过完成较高的空间分辨率采集，从而重建出较少的几何变形和高分辨率图像，为临床诊断提供更精细的解剖信息。
2、但是，对多次激发技术而言，不同次激发之间会存在线性和非线性相位变化，扩散梯度则放大了这种相位差异进而造成多次激发的图像重建中的混叠伪影，而腹部器官相比于头部和四肢等其他部位，在成像中不可避免的会由于呼吸、心跳等运动的存在加剧这种相位差异，从而引入更多的运动伪影，...
【技术保护点】
1.基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于，所述步骤S3具体包括：
3.根据权利要求2所述的基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于：所述图像筛选基于伪影信号比GSR、信噪比SNR、对比度噪声比CNR中一种或多种类似图像评价指标的组合作为图像质量筛选方法。
4.基于深度学习和线圈灵敏度的腹部器官成像装置，其特征在于：包括图像准备模块、运动仿真模块和图像矫正模块；
5.根据权利要求4所述的基于深度学习和...
【技术特征摘要】
1.基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于，所述步骤s3具体包括：
3.根据权利要求2所述的基于深度学习和线圈灵敏度的腹部器官成像方法，其特征在于：所述图像筛选基于伪影信号比gsr、信噪比snr、对比度噪声比cnr中一种或多种类似图像评价指标的组合作为图像质量筛选方法。
4.基于深度学习和线圈灵敏度的腹部器官成像装置，其特征在于：包括图像准备模块...
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。