-
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。
-
Patent Agency Ranking
公开(公告)号：CN118671679A
公开(公告)日：2024-09-20
申请号：CN202410699093.5
申请日：2024-05-31
Applicant: 厦门大学
IPC: G01R33/561 , A61B5/055 , A61B5/00 , G06T17/00 , G06T7/10 , G06N3/0464 , G06N3/08 , G01R33/565 , G01R33/56
Abstract: 一种双梯度回波3D‑EPI定量磁化率成像及重建方法，涉及磁共振成像。包括：设计双回波链双极性相位编码梯度回波3D‑EPI序列；生成虚拟成像对象，虚拟成像对象利用T1加权图像分割得到的图谱生成；生成深度神经网络的训练样本，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；采用双回波链双极性相位编码梯度回波3D‑EPI序列对实际成像物体数据采集，得实际成像物体的有畸变的图像信号；采用训练好的深度神经网络对实际成像物体的有畸变的图像信号定量磁化率重建，得无畸变的定量磁化率图像。可实现快速高效的定量磁化率重建，并能矫正EPI图像畸变。
-
公开(公告)号：CN115166612B
公开(公告)日：2024-08-06
申请号：CN202210859475.0
申请日：2022-07-21
Applicant: 厦门大学
IPC: G01R33/56 , G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 基于深度学习的超快速磁共振成像高精度仿真方法及系统，涉及磁共振成像仿真成像。制作虚拟成像对象；根据仿真的磁共振序列对虚拟成像对象Bloch仿真，得磁共振图像并保留磁共振序列成像参数、不理想因素；使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本；构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板；训练Simu‑Net；构建指定磁共振序列成像参数和不理想因素条件下的样本，使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真，实现超快速磁共振成像高精度仿真。
-
公开(公告)号：CN115166612A
公开(公告)日：2022-10-11
申请号：CN202210859475.0
申请日：2022-07-21
Applicant: 厦门大学
Abstract: 基于深度学习的超快速磁共振成像高精度仿真方法及系统，涉及磁共振成像仿真成像。制作虚拟成像对象；根据仿真的磁共振序列对虚拟成像对象Bloch仿真，得磁共振图像并保留磁共振序列成像参数、不理想因素；使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本；构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板；训练Simu‑Net；构建指定磁共振序列成像参数和不理想因素条件下的样本，使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真，实现超快速磁共振成像高精度仿真。
-
公开(公告)号：CN110942496A
公开(公告)日：2020-03-31
申请号：CN201911278368.3
申请日：2019-12-13
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 基于螺旋桨采样和神经网络的磁共振图像重建方法及系统，涉及磁共振成像技术领域。通过螺旋桨采样的方式，对获取的公开磁共振图像数据集进行欠采样，得到N个k空间数据带；分别对N个k空间数据带重建得到N张临时图像，并进行运动估计和校正，得到校正后的N张临时图像；对神经网络模型进行训练，得到训练好的神经网络模型；将实采待重建的N张临时图像输入到训练好的神经网络模型，得到重建后的磁共振图像。可在更少的采样时间内获得更高的图像重建精度，同时通过结合传统的运动校正和神经网络模型的预测，来避免运动伪影和欠采导致的混叠伪影的干扰。具有更快的重建速度和更高的图像重建精度。
-
公开(公告)号：CN110942496B
公开(公告)日：2022-02-11
申请号：CN201911278368.3
申请日：2019-12-13
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 基于螺旋桨采样和神经网络的磁共振图像重建方法及系统，涉及磁共振成像技术领域。通过螺旋桨采样的方式，对获取的公开磁共振图像数据集进行欠采样，得到N个k空间数据带；分别对N个k空间数据带重建得到N张临时图像，并进行运动估计和校正，得到校正后的N张临时图像；对神经网络模型进行训练，得到训练好的神经网络模型；将实采待重建的N张临时图像输入到训练好的神经网络模型，得到重建后的磁共振图像。可在更少的采样时间内获得更高的图像重建精度，同时通过结合传统的运动校正和神经网络模型的预测，来避免运动伪影和欠采导致的混叠伪影的干扰。具有更快的重建速度和更高的图像重建精度。
-
-
-
-
-
Search Results
6
records
(took 0.033 seconds)
