基于波浪梯度编码场和深度学习模型的磁共振成像方法
公开
摘要
本申请公开了一种基于波浪(Wave－CAIPI)编码梯度场和深度学习模型的磁共振成像方法、装置、设备及其存储介质，该方法包括：在Wave－CAIPI梯度编码场的磁共振重建模型中引入深度生成网络模型(DGM)，加速磁共振成像；通过虚拟共轭线圈(VCC)对物理线圈通道数据做共轭对称，生成VCC通道数据；将物理线圈通道数据和VCC通道数据合并重建几何因子计算模型。本申请提供的上述方案，将Wave－CAIPI梯度编码场合VCC(Wave－CAIPI)技术和DGM相结合，其不仅仅利用了Wave－CAIPI和VCC降低系统条件数的优势，适用重建的g－factor更小，更加均匀，从而重建图形具有更高的信噪比，缩短传统卷积神经网络中需要大量的训练数据训练网络参数的步骤。
基本信息
专利标题 ：
基于波浪梯度编码场和深度学习模型的磁共振成像方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565690A
申请号 ：
CN202111536971.4
公开（公告）日 ：
2022-05-31
申请日 ：
2021-12-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郑海荣王海峰梁栋刘新刘聪聪崔卓须
申请人 ：
中国科学院深圳先进技术研究院
申请人地址 ：
广东省深圳市南山区深圳大学城学苑大道1068号
代理机构 ：
北京市诚辉律师事务所
代理人 ：
刘婷
优先权 ：
CN202111536971.4
主分类号 ：
G06T11/00
IPC分类号 ：
G06T11/00 G06N3/04 G06N3/08 G01R33/48
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T11/00
2D图像的生成
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
