【技术实现步骤摘要】
本专利技术涉及数据处理以及图像处理，更具体的，涉及一种基于双域深度展开网络模型的mri重建方法、系统及介质。
技术介绍
1、磁共振成像(mri)是一种广泛应用于诊断和研究的医学成像技术。然而，mri需要较长的扫描时间，这可能会导致患者不适，并增加重建图像中出现运动相关伪影的可能性。减少mri扫描时间的一种方法是获取欠采样的k空间数据，而不是获取完整的k空间数据。然而，在k空间域中低于奈奎斯特速率的采样会导致空间域中出现混叠伪影，从而导致图像质量降低。为了减少k空间数据的采集时间和提高图像的质量，研究人员已经开发出许多图像重建方法，传统方法一般基于压缩感知(cs)技术，通过采集少量数据和利用信号稀疏性进行重建，实现了加速成像。然而，cs方法在实际应用中仍面临一些挑战和缺点，特别是在稀疏性变换域的选择和应用方面；例如，不同的组织和病变在某个特定变换域中可能并不稀疏；固定变换域的泛化能力有限；正则化参数调整复杂等。在此背景下，深度学习技术逐渐成为了mri图像重建领域的研究热点。
2、现有的mri重建方法无法针对k空间域中上下文信息...
【技术保护点】
1.一种基于双域深度展开网络模型的MRI重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于双域深度展开网络模型的MRI重建方法，其特征在于，所述获取模拟欠采样数据，具体包括：
3.根据权利要求2所述的一种基于双域深度展开网络模型的MRI重建方法，其特征在于，所述基于预设的模型框架构建双域深度展开网络模型，具体包括：
4.根据权利要求3所述的一种基于双域深度展开网络模型的MRI重建方法，其特征在于，所述基于预设的压缩感知算法对所述双域深度展开模型进行约束，具体包括：
5.根据权利要求4所述的一种基于双域...
【技术特征摘要】
1.一种基于双域深度展开网络模型的mri重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于双域深度展开网络模型的mri重建方法，其特征在于，所述获取模拟欠采样数据，具体包括：
3.根据权利要求2所述的一种基于双域深度展开网络模型的mri重建方法，其特征在于，所述基于预设的模型框架构建双域深度展开网络模型，具体包括：
4.根据权利要求3所述的一种基于双域深度展开网络模型的mri重建方法，其特征在于，所述基于预设的压缩感知算法对所述双域深度展开模型进行约束，具体包括：
5.根据权利要求4所述的一种基于双域深度展开网络模型的mri重建方法，其特征在于，所述将所述模拟欠采样数据输入到所述双域深度展开模型得到重建k空间数据，并采用傅里叶逆变换得到重建图像，具体包括：
6.根据权利要求5所述的一种基于双域深度展开网络模型的mri重建方法，其特征在于，所述方法还包括将重建后k空间数据与真实k空间数据和重建图像与真实图像进...
【专利技术属性】
技术研发人员：罗玉，潘佳威，刘雨杰，林文龙，郑嘉，廖浩霖，张伟国，梁展博，温桂豪，孙海涛，黄超，
申请(专利权)人：广东工业大学，
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。