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！

龙图腾网恭喜浙江工业大学申请的专利一种基于多个扫描仪数据的MRI重建网络的训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114548371B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210124817.4，技术领域涉及：G06N3/0464；该发明授权一种基于多个扫描仪数据的MRI重建网络的训练方法是由李小薪;郑希雨;王珏成设计研发完成，并于2022-02-10向国家知识产权局提交的专利申请。

本一种基于多个扫描仪数据的MRI重建网络的训练方法在说明书摘要公布了：一种结合多个扫描仪数据的MRI重建网络的训练方法，充分利用来自于高分辨率扫描仪数据的细节信息对低分辨率扫描仪数据的补偿作用提升深度神经网络在目标扫描仪上的重建性能；首先按照分辨率大小对辅助扫描仪和目标扫描仪进行排序；其次在训练过程的每个批次中，按照分辨率从大到小的策略依次使用来自于不同扫描仪的数据所随机生成的批次数据训练网络；这一过程进行多轮迭代，直至训练轮数达到预设的最大值。本发明能够有效地将来自于不同厂商的分辨率不同的MRI数据组织起来训练网络，并能够有效地针对目标扫描仪进行训练。相对于仅使用单一的扫描仪数据或乱序的多扫描仪数据，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。

本发明授权一种基于多个扫描仪数据的MRI重建网络的训练方法在权利要求书中公布了：1.一种基于多个扫描仪数据的MRI重建网络的训练方法，其特征在于，所述训练方法包括以下步骤：步骤1记目标扫描仪为第0号扫描仪，选取目标扫描仪所采集的L0个人的k空间MRI数据构成集合其中，表示复数域；步骤2选取D个辅助扫描仪所采集的k空间MRI数据构成集合Y＝{Y1,Y2,…,YD}，其中，且Md和Nd须满足：MdMd-1M0或NdNd-1N0；步骤3构建用于在目标扫描仪上实施MRI重建的深度神经网络模型fCNN·；Θ，其中，Θ为fCNN的参数集；步骤4由上述D+1扫描仪所采集到的k空间MRI数据构建训练fCNN的训练集，对于通过如下方式构建第d个扫描仪的训练集： 其中，这里，F-1表示二维逆傅里叶变换，表示对MRI的k空间数据进行u倍欠采样的掩码矩阵，表示对进行u倍欠采样后的k空间数据；步骤5将目标扫描仪的训练集X0进一步分割为训练子集和验证子集且令步骤6基于上述D+1个扫描仪数据：X0,X1,X2,…,XD，训练fCNN·；Θ，得到Θ的最优参数集Θ★；所述步骤6的过程如下：步骤6.1随机初始化fCNN·；Θ的参数集Θ为Θ0；步骤6.2令迭代轮数e＝1，迭代次数t＝1；步骤6.3对于各扫描仪d∈{0,1,2,…,D}，将训练集Xd随机分割为B个子集：Xd＝Xd；1∪Xd；2…∪Xd；B；步骤6.4令迭代批次b＝1，选取第d＝D号扫描仪；步骤6.5对于所有的由fCNN·；Θt-1估计的重构图像： 并构建重构图像及其全采样图像的集合： 步骤6.6通过优化算法，求解如下目标式 其中，l·,·为损失函数，优化算法为随机梯度下降法和Adam算法，采用l1范数、l2范数或Charbonnier惩罚函数，其中，Charbonnier惩罚函数定义为：其中x1、x2分别为重构图像和原始图像，∈为一个常量；步骤6.7在验证集上评估深度神经网络fCNN·；Θt的重构性能： 其中，Q·,·为MRI图像的质量评估函数，采用峰值信噪比或结构化相似度作为质量评估函数；步骤6.8令d＝d-1，t＝t+1，迭代执行上述步骤6.5～步骤6.7，直至d＝0；步骤6.9令b＝b+1，迭代执行上述步骤6.5～步骤6.8，直至b＝B；步骤6.10令e＝e+1，迭代执行上述步骤6.3～步骤6.9，直至e＝E，这里E为预设的最大训练轮数；步骤6.11选取当前深度神经网络fCNN·；Θ的最优参数集其中，

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。