龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：明尼苏达大学董事会
申请日：2022-09-27
公开（公告）日：2024-06-07
公开（公告）号：CN118159861A
主分类号：G01R33/565
分类号：G01R33/565;G01R33/54
优先权：["20210927 US 63/248,931"]
专利状态码：在审-公开
法律状态：2024.06.07#公开
摘要：使用深度学习技术设计并行传输“pTx”射频“RF”脉冲或其他RF脉冲类型，以用于在磁共振成像“MRI”中使用。在一些方面，深度学习可以用于确定优化参数，以用于提高求解基于物理性质的约束优化问题的计算效率，以生成RF脉冲波形。在一些其他方面，深度学习可以用于以数据驱动的方式学习从利用MRI系统获得的磁共振数据到pTxRF脉冲波形的映射。该映射可以在无需明确计算场图的情况下基于侦察图像中固有地编码的场图数据，或者可以基于沿着一个空间维度，例如y维度连结的多通道图I。
主权项：1.一种用于生成并行传输pTx射频RF脉冲波形以由磁共振成像MRI系统使用的方法，所述方法包括：a利用计算机系统访问场图数据，其中，所述场图数据指示与所述MRI系统相关联的至少一个B0场图以及与RF线圈相关联的至少一个场图；b利用所述计算机系统构建优化问题，其中，所述优化问题包括具有至少一个基于物理性质的约束的目标函数；c利用所述计算机系统访问经训练的神经网络，其中，所述经训练的神经网络已经针对训练数据进行训练，以便学习从场图数据到用于提高求解约束优化问题的效率的参数的映射；d使用所述计算机系统将所述场图数据应用于所述经训练的神经网络，生成作为优化参数数据的输出，所述优化参数数据指示用于提高求解利用所述计算机系统构建的所述优化问题的效率的参数；e通过使用所述计算机系统基于所述优化参数数据求解所述优化问题来生成pTxRF脉冲波形；以及f存储所述pTxRF脉冲波形以供所述MRI系统使用。
全文数据：
权利要求：
百度查询： 明尼苏达大学董事会 利用深度学习的并行传输射频脉冲设计
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