-
公开(公告)号：CN106056554B
公开(公告)日：2019-04-12
申请号：CN201610383443.2
申请日：2016-06-01
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种梯度域卷积稀疏编码的磁共振快速成像方法，按以下步骤：步骤A：把磁共振图像转换到梯度域中，在水平梯度图像和垂直梯度图像上进行滤波器学习，建立图像稀疏模型。步骤B：通过引入辅助变量，并利用轮换技术交替更新滤波器和稀疏参数，恢复水平梯度和垂直梯度，然后在这两个方向上重建图像。本发明把图像转换为梯度域后，可以更好地稀疏表示，然后利用卷积稀疏编码对梯度域里的整幅图像进行稀疏重建。由于对整幅图像进行处理，可以很好地保留相邻图像块间的潜在信息，因此可以更好地重建磁共振图像，达到令人满意的效果。
-
公开(公告)号：CN106991651B
公开(公告)日：2019-10-29
申请号：CN201611138095.9
申请日：2016-12-12
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。
-
公开(公告)号：CN106056554A
公开(公告)日：2016-10-26
申请号：CN201610383443.2
申请日：2016-06-01
Applicant: 南昌大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10088 , G06T2207/20192 , G06T2207/30004
Abstract: 一种梯度域卷积稀疏编码的磁共振快速成像方法，按以下步骤：步骤A：把磁共振图像转换到梯度域中，在水平梯度图像和垂直梯度图像上进行滤波器学习，建立图像稀疏模型。步骤B：通过引入辅助变量，并利用轮换技术交替更新滤波器和稀疏参数，恢复水平梯度和垂直梯度，然后在这两个方向上重建图像。本发明把图像转换为梯度域后，可以更好地稀疏表示，然后利用卷积稀疏编码对梯度域里的整幅图像进行稀疏重建。由于对整幅图像进行处理，可以很好地保留相邻图像块间的潜在信息，因此可以更好地重建磁共振图像，达到令人满意的效果。
-
公开(公告)号：CN106991651A
公开(公告)日：2017-07-28
申请号：CN201611138095.9
申请日：2016-12-12
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。
-
-
-
Search Results
4
records
(took 0.017 seconds)
