龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京医科大学
摘要：本发明公开了基于正则化和CNN的欠采样磁共振图像的高性能重建方法，所述方法以高质量的磁共振图像作为训练集，设计并训练了离线卷积神经网络来映射从欠采样的k空间数据和高质量图像中获得的低质量MR图像。本发明的网络模型轻便且端到端进行，成像时间快，重建效果可以显示更多的局部细节，训练好的模型可以处理患者新扫描的低采样率的磁共振图像，减轻磁共振扫描时间过长的问题，辅助医生对病情的判断。
主权项：1.一种基于优化正则化和CNN的欠采样磁共振图像的高性能重建方法，其特征在于包括以下步骤：步骤一：将优化正则化引入到深度学习当中，使之成为卷积神经网络处理欠采样磁共振的前处理，给之后的网络提供输入图像；其中使用通用模型来解决欠采样MR图像的最稀疏解，公式为： 其中，I∈CN是具有N个像素的重构MR图像，y∈CM是获取的欠采样k空间MR图像数据，K是观察矩阵，表示为：K＝MF2其中，M是K空间中欠采样掩膜的对角矩阵，F是二维离散傅里叶变换；将L0范数优化转变为求解L1范数优化问题，得到： I可稀疏地表示为：I＝Ψθ4其中，Ψ＝[ψ1,ψ2,...,ψN]∈RN×N，θ是稀疏变换域中的投影系数；因此，4可以改写成： 其中，KΨT表示编码矩阵：T＝FuΨT6由于系统的不确定性以及成像过程中产生的噪声，可对上式5进行以下约束： 将式7用拉格朗日乘子法进行约束，得到式8： 正则化参数λ，用于平衡式8前后两项的比例，以获得如下最优解θ： 将代入式4便可重建出原始信号；步骤二：设计并训练出一个离线的卷积神经网络模型来获取由欠采样K空间数据获取的磁共振图像和高质量图像之间的映射关系。
全文数据：
权利要求：
百度查询： 南京医科大学 一种基于优化正则化和CNN的欠采样磁共振图像的高性能重建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号