基于字典的信号匹配方法、及定量磁共振成像方法和系统技术方案

本发明专利技术涉及一种基于字典的信号匹配方法、及定量磁共振成像方法和系统，匹配方法包括：S100、获取仿真信号构建的初始字典，获取观测信号；S200、利用数学变换规则处理所述初始字典中的仿真信号，获取合成字典；利用数学变换规则处理所述观测信号，获取合成实采信号；S300、将所述合成实采信号与合成字典进行相关性匹配，获取匹配词条。本发明专利技术通过上述设置，耗时少，效率高，且突出了不同组织的差异性，准确性高。

【技术实现步骤摘要】

本专利技术涉及磁共振成像，尤其涉及一种基于字典的信号匹配方法、及定量磁共振成像方法和系统。

技术介绍

1、磁共振指纹成像技术(magnetic resonance fingerprinting，mrf)借鉴压缩感知与模式识别理论，可以实现多种组织生理参数的快速并行量化成像，例如纵向弛豫时间(t1)、横向弛豫时间(t2)、质子密度(proton density，pd)。常规定量磁共振成像技术(magnetic resonance imaging，mri)需要对单一加权mri重复多次扫描才能获得一个参数(如t1弛豫恢复)的定量图，并且每次扫描，需要扫描多个tr才能获得一个二维平面的采样数据。指纹信号的形成需要对同一成像物体进行数百次采样(数百个tr),但由于每个tr时长较短,总扫描时间接近常规的单一加权mri(如t1加权的结构mri)的扫描时间。

2、伪随机的激发翻转角(fa)和重复时间(tr)是mrf技术区别于mri技术的主要特征之一。理论上，越多、越复杂随机的(fa，tr)组合，可以让参数反演更加准确。但过多的tr个数会导致扫描时间增长，同时影本文档来自技高网...

【技术保护点】

1.一种基于字典的信号匹配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的信号匹配方法，其特征在于，所述S200中的数学变换规则，其由初始变换规则经过模型优化后得到，所述初始变换规则包括线性变换、非线性变换或基于模型的变换中的至少一种，所述线性变换包括矩阵乘法、傅里叶变换或小波变换中的至少一种。

3.根据权利要求2所述的信号匹配方法，其特征在于，获取所述S200中的数学变换规则的方法，具体包括以下步骤：

4.根据权利要求3所述的信号匹配方法，其特征在于，所述S230中的深度学习模型包含注意力模块，所述注意力模块用于聚焦与组织生理参数相关的信号...

【技术特征摘要】

1.一种基于字典的信号匹配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的信号匹配方法，其特征在于，所述s200中的数学变换规则，其由初始变换规则经过模型优化后得到，所述初始变换规则包括线性变换、非线性变换或基于模型的变换中的至少一种，所述线性变换包括矩阵乘法、傅里叶变换或小波变换中的至少一种。

3.根据权利要求2所述的信号匹配方法，其特征在于，获取所述s200中的数学变换规则的方法，具体包括以下步骤：

4.根据权利要求3所述的信号匹配方法，其特征在于，所述s230中的深度学习模型包含注意力模块，所述注意力模块用于聚焦与组织生理参数相关的信号特征。

5.根据权利要求4所述的信号匹配方...

【专利技术属性】
技术研发人员：邹莉娴，王海峰，吴星阳，李烨，梁栋，刘新，郑海荣，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：