多扫描磁共振图像的流动伪影校正方法及系统

    公开(公告)号:CN118549870A

    公开(公告)日:2024-08-27

    申请号:CN202410800105.9

    申请日:2024-06-20

    Applicant: 厦门大学

    Abstract: 本发明公开了一种多扫描磁共振图像的流动伪影校正方法及系统,包括:在磁共振成像仪中导入磁共振成像脉冲序列并按照设定的采样参数对实际成像物体进行数据采集,得到实际成像物体的多扫描磁共振成像信号;对实际成像物体的多扫描磁共振成像信号进处理,得到实际成像物体的有流动伪影的图像;生成训练样本,包括配对的有流动伪影的仿真样本和无流动伪影的仿真样本;采用训练样本对深度神经网络进行训练,得到训练好的深度神经网络;将实际成像物体的有流动伪影的图像输入训练好的深度神经网络进行流动伪影校正,得到无流动伪影的图像。本发明无需额外采集用于流动伪影校正的导航回波信号即可实现无流动伪影的高分辨率磁共振图像的快速获取。

    一种快速高分辨多参数定量磁共振成像方法及系统

    公开(公告)号:CN116125349A

    公开(公告)日:2023-05-16

    申请号:CN202211618584.X

    申请日:2022-12-15

    Applicant: 厦门大学

    Abstract: 本发明公开一种快速高分辨多参数定量磁共振成像方法及系统,包括:设计快速高分辨多重叠回波成像脉冲序列;确定脉冲序列的采样参数;构建用于多参数定量磁共振图像重建的深度神经网络;生成深度神经网络的训练样本;使用训练样本对深度神经网络进行训练,得到训练好的深度神经网络;利用脉冲序列在设定的采样参数下对实体成像对象进行扫描,得到实体成像对象的k空间数据;对所述实体成像对象的k空间数据进行预处理,得到实体成像对象的图像域数据;将所述实体成像对象的图像域数据输入训练好的深度神经网络进行重建,得到高分辨多参数定量磁共振图像。本发明能够实现快速高分辨多参数定量磁共振成像,并且能够抵抗主磁场不均匀导致的图像畸变。

    一种磁共振T2定量成像方法及系统

    公开(公告)号:CN113030813B

    公开(公告)日:2022-02-22

    申请号:CN202110215919.2

    申请日:2021-02-26

    Applicant: 厦门大学

    Abstract: 本发明提供了一种磁共振T2定量成像方法及系统,涉及磁共振成像领域。方法包括:设计多扫描多重叠回波T2定量成像脉冲序列并确定其采样参数;利用脉冲序列对待测样品进行多次扫描采样并对采样得到的信号进行处理得到待重建多扫描多重叠回波图像;根据待测样品特征生成设定量的训练样本;确定用于T2定量图像重建的深度神经网络并采用设定量的训练样本对该深度神经网络进行训练;将待测样品的待重建多扫描多重叠回波图像输入训练好的深度神经网络进行重建,得到待测样品的高分辨的T2定量图像。

    一种磁共振液体衰减T2定量成像方法及系统

    公开(公告)号:CN119625103A

    公开(公告)日:2025-03-14

    申请号:CN202411722115.1

    申请日:2024-11-28

    Applicant: 厦门大学

    Abstract: 一种磁共振液体衰减T2定量成像方法及系统,涉及磁共振成像。旨在快速获取无脑脊液信号干扰的FLA‑T2图。该方法采用单扫描反转恢复多回波链多重叠回波序列IR‑METMOLED,并设定采样参数,在磁共振成像仪中采集实际成像物体的IR‑METMOLED信号,经过预处理后得到实采图像;通过生成模拟IR‑METMOLED图像和模拟FLA‑T2图的配对训练样本,对神经网络进行训练;将预处理后的实采图像的实部与虚部输入训练好的神经网络进行重建,得到实际成像物体的FLA‑T2图。该方法能够消除回波链长度对回波时间的限制,同时排除脑脊液信号的干扰,实现在不增加信号复杂度的情况下快速获取FLA‑T2图。

    一种磁共振T2定量成像方法及系统

    公开(公告)号:CN113030813A

    公开(公告)日:2021-06-25

    申请号:CN202110215919.2

    申请日:2021-02-26

    Applicant: 厦门大学

    Abstract: 本发明提供了一种磁共振T2定量成像方法及系统,涉及磁共振成像领域。方法包括:设计多扫描多重叠回波T2定量成像脉冲序列并确定其采样参数;利用脉冲序列对待测样品进行多次扫描采样并对采样得到的信号进行处理得到待重建多扫描多重叠回波图像;根据待测样品特征生成设定量的训练样本;确定用于T2定量图像重建的深度神经网络并采用设定量的训练样本对该深度神经网络进行训练;将待测样品的待重建多扫描多重叠回波图像输入训练好的深度神经网络进行重建,得到待测样品的高分辨的T2定量图像。

Patent Agency Ranking