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：深圳先进技术研究院
摘要：本申请涉及一种基于深度学习的磁共振成像方法、系统、终端以及存储介质。所述方法包括：对磁共振全采k空间数据进行欠采样，生成欠采k空间数据；根据所述欠采K空间数据估计填充k空间的SPIRiT卷积核；将所述欠采k空间数据和SPIRiT卷积核输入卷积神经网络进行训练，得到训练好的基于k空间的图像重建模型；通过所述训练好的基于k空间的图像重建模型进行磁共振图像重建。本申请实施例采用基于k空间的图像重建模型进行图像重建，并利用卷积神经网络学习图像的先验信息，无需估计线圈敏感度信息，能够大幅减少重建时间，并获得更好的图像重建效果。
主权项：1.一种基于深度学习的磁共振成像方法，其特征在于，包括：对磁共振全采k空间数据进行欠采样，生成欠采k空间数据；根据所述欠采k空间数据估计填充k空间的SPIRiT卷积核；将所述欠采k空间数据和SPIRiT卷积核输入卷积神经网络进行训练，得到训练好的基于k空间的图像重建模型；通过所述训练好的基于k空间的图像重建模型进行磁共振图像重建；所述将所述欠采k空间数据和SPIRiT卷积核输入卷积神经网络进行训练，得到训练好的基于k空间的图像重建模型包括：采用优化算法对基于k空间的图像重建模型进行迭代求解，求解过程为： 其中x为k空间数据，D为欠采模式，y表示欠采k空间数据，G表示SPIRiT操作，n表示迭代次数，F表示傅立叶变换；proxR,τ表示迫近算子，其定义为： 用卷积神经网络拟合惩罚函数Rx相关的迫近算子proxR,τ，将重建过程表示为： 其中Λ为卷积神经网络。
全文数据：
权利要求：
百度查询： 深圳先进技术研究院 基于深度学习的磁共振成像方法、系统、终端及存储介质
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