申请/专利权人：武汉理工大学

申请日：2021-11-26

公开（公告）日：2024-06-25

公开（公告）号：CN114299174B

主分类号：G06T11/00

分类号：G06T11/00;G06N3/0464;G06N3/088;G06N3/045;A61B5/055;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：本发明公开了一种基于深度无监督学习的多回波欠采样重建—水脂分离方法，包括构建重建—水脂分离腹部MRI欠采样K空间数据集；建立无监督分组卷积—多回波双向卷积残差网络；训练无监督分组卷积—多回波双向卷积残差网络直至网络达到收敛；利用训练好的无监督分组卷积—多回波双向卷积残差网络对输入MRI欠采样K空间数据和零填充图像进行一体化的多回波图像重建和水脂分离。本发明通过学习不同回波图像的特征信息，极大地补全了欠采样回波图像的纹理细节，得到纹理细节更丰富的重建图像；通过利用相邻回波图像之间的依赖性提取到重建图像更准确的特征表示，并通过迭代优化分离结果和多层特征融合，有效提高了水脂分离的鲁棒性和准确率。

主权项：1.一种基于深度无监督学习的多回波欠采样重建—水脂分离方法，其特征在于：包括以下步骤：步骤1构建重建—水脂分离腹部MRI欠采样K空间数据集，MRI欠采样K空间数据集包括欠采样K空间数据Ku、多回波零填充图像Z1、参考重建图像、参考水图像和参考脂肪图像；步骤2基于梯度回波序列多回波特性建立无监督分组卷积—多回波双向卷积残差网络，分组卷积—多回波双向卷积残差网络包括分组卷积重建网络和多回波双向卷积残差网络，欠采样K空间数据Ku和多回波零填充图像Z1经过分组卷积重建网络处理获得重建回波图像，重建回波图像经过多回波双向卷积残差网络处理获得计算的纯水信号图像、计算的纯脂肪信号图像、计算的场图和计算的弛豫时间；其中，分组卷积重建网络包括P组级联的分组卷积重建网络单元，每组分组卷积重建网络单元包括一个分组卷积单元和一个数据保真层；多回波双向卷积残差网络包括Q个级联的多回波双向卷积单元和q个级联的残差模块；步骤3训练无监督分组卷积—多回波双向卷积残差网络直至无监督分组卷积—多回波双向卷积残差网络达到收敛，得到训练好的无监督分组卷积—多回波双向卷积残差网络模型；步骤4在重建—水脂分离测试阶段，利用步骤3中训练好的无监督分组卷积—多回波双向卷积残差网络对欠采样K空间数据和多回波零填充图像进行重建和水脂分离，得到测试阶段最终的纯水信号图像和纯脂肪信号图像。

全文数据：

权利要求：

百度查询： 武汉理工大学 一种基于深度无监督学习的多回波欠采样重建—水脂分离方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD