-
公开(公告)号：CN117974515A
公开(公告)日：2024-05-03
申请号：CN202410059201.2
申请日：2024-01-16
Abstract: 本发明公开了一种自旋回波类EPI图像畸变矫正方法及系统，包括：设计多回波链双极性相位编码自旋回波类EPI序列；生成深度神经网络的训练样本，所述训练样本包括配对的有畸变的仿真样本和无畸变的目标样本；采用所述训练样本训练深度神经网络，得到训练好的深度神经网络；采用所述多回波链双极性相位编码自旋回波类EPI序列对实际成像物体进行数据采集，得到实际成像物体的有畸变的图像；采用所述训练好的深度神经网络对所述实际成像物体的有畸变的图像进行畸变矫正，得到无畸变的图像。本发明无需额外参考扫描辅助即可快速高效地矫正自旋回波类EPI图像畸变。
-
公开(公告)号：CN119205527A
公开(公告)日：2024-12-27
申请号：CN202411377049.9
申请日：2024-09-30
Applicant: 厦门大学
IPC: G06T5/50 , G06T3/4053 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/094 , G06V10/80
Abstract: 一种基于深度学习的跨数据集磁共振多模态超分辨图像的合成方法，涉及磁共振成像领域。利用深度学习中的无监督方法，采用生成对抗网络的架构，实现磁共振多模态超分辨图像的合成。将图像经过数据预处理，包括配准，切片，归一化。然后构建高频模板，将数据进行FFT变换，得到其K空间，将K空间图像与高频模板做乘积得到其K空间高频信息，再执行IFFT变换得到图像域的高频信息。将准备好的图像以及其高频信息作为输入送进网络。通过网络训练，实现多模态数据的合成。构造超分辨率重建网络的图像退化算法。构造超分辨率图像重建的网络架构，将退化后的图像以及原来的真实图像输入网络进行训练，得到高分辨率的多模态的磁共振图像。
-
公开(公告)号：CN114972145B
公开(公告)日：2024-06-28
申请号：CN202210581140.7
申请日：2022-05-26
Applicant: 厦门大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度学习的扩散张量重建方法、系统和电子设备：获取T1加权图像、非扩散加权图像、扩散加权图像，分别简称为T1图像、b0图像、DW图像；拟合b0图像和DW图像，得到扩散张量；选用T1图像、部分b0图像和DW图像，以相邻三层为一组，获得原始网络输入图像组；对原始网络输入图像组进行排序，获得三层排序图像组和重建层排序图像组；构建并训练深度神经网络；对待成像对象进行图像采集，将采集的图像排序得到待重建的三层排序图像组和待重建的重建层排序图像组并输入训练好的深度神经网络重建得到扩散张量；由扩散张量计算得到DTI定量图像。本发明可减少扩散张量及其定量图重建所需DW图像数量，加快成像速度。
-
公开(公告)号：CN117907906A
公开(公告)日：2024-04-19
申请号：CN202410007449.4
申请日：2024-01-03
Applicant: 厦门大学
IPC: G01R33/20
Abstract: 基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法。获取MOLED‑T2成像序列；确定采样参数；在磁共振成像平台上添加MOLED‑T2成像序列，设置采样参数，数据采集获取MOLED图像；基于奇异值熵公式、回波移位梯度设置和MOLED图像建立MOLED‑T2成像序列的优化目标函数；以采样参数为约束条件，计算优化目标函数的最优解，获得优化的MOLED‑T2成像序列；获取训练用和重建用MOLED图像；训练深度神经网络；将重建用MOLED图像输入训练好的深度神经网络模型，重建T2参数图。优化MOLED‑T2成像序列的回波移位梯度设置方案，增加信息采集量，提高深度神经网络重建T2参数图质量。
-
公开(公告)号：CN110782452B
公开(公告)日：2022-08-12
申请号：CN201911069801.2
申请日：2019-11-05
Applicant: 厦门大学
Abstract: 本发明公开一种T2定量图像成像方法和系统，包括设置多重叠回波及多回波链采样脉冲序列；基于所述多重叠及多回波链采样脉冲序列，从待测样本中采集真实图像；基于所述多重叠回波及多回波链采样脉冲序列，从历史样本中采集多个模拟图像；对各所述模拟图像训练，得到U‑NET卷积神经网络；根据所述U‑NET卷积神经网络及所述真实图像，得到T2定量图像。多重叠回波及多回波链脉冲序列在多重叠回波序列的基础上增加了多个重聚脉冲，将由磁场不均匀性非T2因素引起的衰减的回波重聚。可以在采样过程中采集到更多的具有不同T2加权的回波，得到更丰富的T2信息，从而提升了T2定量重建结果的精度、准度及分辨率，同时还将获得相应的质子密度图(M0)及射频场(B1)图。
-
Patent Agency Ranking
公开(公告)号：CN112965018B
公开(公告)日：2022-04-01
申请号：CN202110290233.X
申请日：2021-03-16
Applicant: 厦门大学
Abstract: 基于时空编码螺旋磁共振成像的多回波采样及重建方法，涉及磁共振成像方法。使用Matlab生成Chirp线性扫频脉冲和每个回波的采样梯度；将准备好的待测实验样品固定在实验床上，送入磁共振成像仪的检测腔；在磁共振成像仪操作台上打开操作软件，找到成像区域，再对磁共振成像仪进行调谐、频率校正、功率校正及自动匀场；打开编译好的多回波时空编码磁共振成像序列，导入回波采样梯度，设置好回波间的180°重聚脉冲及破坏梯度；设置多回波时空编码非笛卡尔成像序列的采样参数，开始采样，得到多回波信号；对多回波信号进行网格化处理，并进行去卷积的超分辨率重建，得到高质量的图像。有效减小横向弛豫衰减调制以及偏共振效应的影响。
-
公开(公告)号：CN114119689A
公开(公告)日：2022-03-01
申请号：CN202111461476.1
申请日：2021-12-02
Applicant: 厦门大学
Abstract: 基于深度学习的多模态医学图像无监督配准方法及系统，涉及医学图像配准。制作模拟仿真样本，将浮动图像、参考图像及浮动图像的序列相关信息输入配准子网络N1，利用所得形变场对浮动图像重采样得初步配准图像；将初步配准图像、参考图像及原序列相关信息输入配准网络N2，利用所得最终形变场对初步配准图像重采样得最终配准图像，通过计算配准图像与参考图像间的损失函数对网络优化从而达到非刚性医学图像的精确配准。系统设有数据仿真模块、网络训练样本预处理模块、神经网络模型训练模块、待配准样本及序列信息预处理模块和无监督配准模块。解决深度学习方法对数据样本的依赖性。只需协同输入待配准浮动图像的序列信息图即可精确完成配准。
-
公开(公告)号：CN109100669A
公开(公告)日：2018-12-28
申请号：CN201810765276.7
申请日：2018-07-12
Applicant: 厦门大学
IPC: G01R33/50 , G01R33/54 , G01R33/563 , A61B5/055
Abstract: 基于重叠回波的单扫描同步磁共振扩散及T2成像方法，涉及磁共振成像。用两个相同偏转角的小角度激发脉冲和两个回波链采样产生四个回波，每个回波链采集两个回波信号。在第一个激发脉冲之后有一段演化时间和一对扩散梯度，使得第一次采样中的两个回波信号的横向弛豫时间和扩散加权不同。每个激发脉冲之后都加一个频率维和相位维的移位梯度使得不同的激发脉冲产生的信号在k空间的位置不一样。在第一次采样结束后，用一个重聚脉冲重聚两个回波信号，然后进行第二次采样，在第二次采样中可获得两个具有相同横向弛豫时间和不同扩散加权的回波信号。将采样信号用深度学习进重建得到定量T2和ADC图像，可在单次扫描中获得T2和ADC图像。
-
公开(公告)号：CN105738847A
公开(公告)日：2016-07-06
申请号：CN201610085326.8
申请日：2016-02-15
Applicant: 厦门大学
IPC: G01R33/565
Abstract: 一种在强不均匀磁场下磁共振图像扭曲的矫正方法，涉及磁共振图像。模型上，通过二维傅里叶正交变化将不均匀场完备地描述为四维矩阵的形式，再将四维矩阵降维成二维的大型矩阵。方法上主要是迭代进行两个模块，一是给定不均匀场，建立并求解了基于正交基变换和压缩感知的l1范数最优化模型；二是给定磁矩密度分布图像，使用解缠绕算法和布谷鸟最优化搜索算法，实现了拟合不均匀场。对强不均匀场和局部不均匀场下磁共振快速序列成像扭曲的矫正有显著的作用。克服磁共振成像快速序列对强不均匀场的敏感和矫正不均匀场造成的图像扭曲。
-
公开(公告)号：CN105232045A
公开(公告)日：2016-01-13
申请号：CN201510833529.6
申请日：2015-11-26
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 基于双回波的单扫描定量磁共振扩散成像方法，涉及磁共振成像的方法。用两个相同翻转角的小角度激发脉冲产生两个相同演化时间的回波，因而具有相同的横向弛豫时间，在每个激发脉冲后加一个移位梯度实现两个回波信号在信号空间中心偏移，并在第一个激发脉冲后加扩散梯度，这样只有第一个回波信号存在扩散衰减，从而获得不同扩散因子下的信号。这两个回波信号来自同一个成像切片，因此可以利用两个回波信号之间的先验知识分离这两个回波信号，并利用稀疏变换配合相应的分离算法对这两个回波信号进行分离。最后对分离得到的两个信号进行表观扩散系数计算得到定量ADC图像。利用该方法获得单次扫描的定量ADC成像，且得到的ADC图像质量好。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.046 seconds)
