公开(公告)号：CN117192459A

公开(公告)日：2023-12-08

申请号：CN202311145972.5

申请日：2023-09-06

Applicant: 厦门大学

Inventor： 林恩平 ,  方泽 ,  陈博 ,  吴柳滨 ,  陈奕达 ,  杨钰 ,  陈忠

IPC: G01R33/58 ,  G01R33/56

Abstract: 本发明公开了一种磁共振波谱或磁共振图像的低秩快速重建方法及装置，该方法包括：构建磁共振信号的块汉克尔矩阵，并分解得到第一矩阵和第二矩阵，根据第一矩阵、第二矩阵和磁共振欠采信号构建具有低秩约束的磁共振信号欠采重建模型；构建矩阵左乘块汉克尔矩阵的算子、矩阵右乘块汉克尔矩阵的算子以及两矩阵乘积转块汉克尔矩阵伴随算子；将第一矩阵和第二矩阵分别代入左乘块汉克尔矩阵的算子和矩阵右乘块汉克尔矩阵的算子中，并结合两矩阵乘积转块汉克尔矩阵伴随算子和磁共振信号欠采重建模型采用交替方向乘子法重建得到磁共振信号，将磁共振信号转换得到磁共振谱或磁共振图像，能够提高重建速度和节省内存，具有广泛的应用前景。

公开(公告)号：CN115329658A

公开(公告)日：2022-11-11

申请号：CN202210820413.9

申请日：2022-07-13

Applicant: 厦门大学

Inventor： 杨钰 ,  吴柳滨 ,  陈博 ,  黄玉清 ,  陈忠

IPC: G06F30/27 ,  G06F21/60 ,  G06K9/62 ,  G06F119/02

Abstract: 本发明提供了一种基于深度学习核磁共振二维扩散排序谱数据处理方法，首先，根据核磁共振二维扩散排序谱信号特征，以相关数学模型生成模拟数据，构建模拟数据集；生成网络训练所用标签，所述标签为二维矩阵，两个维度分别为化学位移系数和扩散系数；搭建深度学习网络模型，设置训练参数；用构建的模拟数据集进行深度学习网络模型训练；深度学习网络模型测试；本发明提供的方法，无需待测样品分子成分的确切数量作为先验知识，且训练数据均为模拟数据，无需大量采集真实数据。

公开(公告)号：CN115329802A

公开(公告)日：2022-11-11

申请号：CN202210821340.5

申请日：2022-07-13

Applicant: 厦门大学

Inventor： 黄玉清 ,  陈博 ,  吴柳滨 ,  杨钰 ,  陈忠

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的核磁共振信号弛豫时间分布计算方法，根据拉普拉斯核磁共振信号的特征，构建存在噪声的弛豫过程指数衰减信号的数学模型和理想的弛豫时间谱，其中理想的弛豫时间谱作为标签，弛豫时间谱的谱峰所在的位置为T1弛豫时间或T2弛豫时间的确切值，谱峰的半高宽对应着结果的不确定度；由数学模型生成仿真信号，构建训练集数据和测试集数据；搭建网络模型；训练集数据输入到网络模型中进行训练；将测试集数据输入网络模型测试；本发明提供的方法，依赖弛豫过程指数衰减信号的数学模型构建数据集进行训练，无需收集大量的真实数据，且能够将NMR弛豫时间谱的计算时间控制在秒级，同时对不同信噪比的测试数据都具有较高的鲁棒性。