CN104569880A - 一种磁共振快速成像方法及*** - Google Patents
一种磁共振快速成像方法及*** Download PDFInfo
- Publication number
- CN104569880A CN104569880A CN201410849728.1A CN201410849728A CN104569880A CN 104569880 A CN104569880 A CN 104569880A CN 201410849728 A CN201410849728 A CN 201410849728A CN 104569880 A CN104569880 A CN 104569880A
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- rho
- mri
- image
- resonance image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提出了一种磁共振快速成像方法及***,其中,该方法包括:获取欠采样的磁共振数据;根据欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征所对应的K空间数据;根据多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;将重建的图像特征进行合并,生成重建的磁共振图像。本发明提出的磁共振快速成像方法及***首先利用压缩感知技术重建多个卷积核函数所对应的图像特征,这些图像特征或者更稀疏,或者具有更高的信噪比,因而更利于运用压缩感知技术进行重建;最后,图像特征的合并能够进一步地抑制重建的图像特征中的噪声和伪影,进而实现高质量的图像重建。
Description
技术领域
本发明涉及磁共振成像技术领域,特别涉及一种磁共振快速成像方法及***。
背景技术
近年来,基于压缩感知技术的磁共振成像方法是快速磁共振成像领域的热点问题。压缩感知技术主要是利用信号的稀疏性以实现欠采样重建。
磁共振成像的物理机制可以表示为:
d=Fρ+n (公式1)
其中,d表示在磁共振仪上所采集的磁共振数据,F表示傅立叶编码矩阵,ρ为待求的磁共振图像,n通常假定为复高斯白噪声。压缩感知理论认为,如果信号在某一变换域内是稀疏的,那么通过一种与该变换域非相干的采样模式,就可以从少量的采样数据中精确的重建出真实的信号。并且,信号越稀疏,需要的采样数据就越少。基于压缩感知技术的磁共振成像方法可以表示为:
其中,表示基于压缩感知技术重建的磁共振成像,ρ表示待求的磁共振图像,y为k空间的欠采样数据,Fu为欠采样的傅里叶编码矩阵,Ψ为稀疏变换矩阵(例如小波变换),λ为正则化系数,||·||1表示求L1范数,||·||2表示求L2范数。
然而,医学磁共振图像往往只是高度可压缩的,而并非严格稀疏的。这种稀疏性不足以及采样中的噪声会导致重建的图像中产生严重的伪影,降低了图像的成像质量,从而限制了压缩知感技术在加速磁共振成像中的实际应用。
发明内容
基于压缩感知的磁共振成像技术,在图像稀疏性不足以及有噪的情况下会产生比较严重的图像伪影。针对前述问题,本发明利用一系列卷积核函数提取图像的特征,这些图像特征需要比磁共振图像更稀疏或者具有更高的信噪比。具体的,该方法先利用压缩感知技术重建这些图像特征,再将这些重建得到的图像特征合并,以生成重建的图像。
为达到上述目的,本发明提出了一种磁共振快速成像方法,包括:获取欠采样的磁共振数据;根据所述欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征所对应的K空间数据;根据所述多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;将所述重建的图像特征进行合并,生成重建的磁共振图像。
为达到上述目的,本发明还提出了一种磁共振快速成像***,包括:磁共振数据获取模块,用于获取欠采样的磁共振数据;K空间数据计算模块,用于根据所述欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征对应的K空间数据;图像特征重建模块,用于根据所述多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;重建图像生成模块,用于将所述重建的图像特征进行合并,生成重建的磁共振图像。
本发明提出的磁共振快速成像方法及***首先利用压缩感知技术重建多个卷积核函数所对应的图像特征,这些图像特征或者更稀疏,或者具有更高的信噪比,因而更利于运用压缩感知技术进行重建;最后,图像特征的合并能够进一步地抑制重建的图像特征中的噪声和伪影,进而实现高质量的图像重建。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明一实施例的磁共振快速成像方法流程图。
图2为本发明一实施例的磁共振快速成像***的结构示意图。
具体实施方式
以下配合图式及本发明的较佳实施例,进一步阐述本发明为达成预定发明目的所采取的技术手段。
本发明提出了一种磁共振快速成像方法及***,相比较现有的利用标准的压缩感知的磁共振成像技术的成像效果,本发明首先利用压缩感知技术重建多个卷积核函数所对应的图像特征;再将重建的图像特征进行合并,得到重建的磁共振图像,进而实现高质量的图像重建。
图1为本发明一实施例的磁共振快速成像方法流程图。如图1所示,该方法包括:
步骤1,获取欠采样的磁共振数据;
步骤2,根据欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征所对应的K空间数据;
步骤3,根据多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;
步骤4,将重建的图像特征进行合并,生成重建的磁共振图像。
进一步的,在步骤2中,多种待求的磁共振图像特征所对应的K空间数据为:
y1=F{K1}⊙y
y2=F{K2}⊙y
.
.
.
yp=F{Kp}⊙y
其中,y1、y2、…、yp表示多种待求的磁共振图像特征所对应的K空间数据,K1、K2、…、Kp表示多个卷积核函数,⊙为点乘运算符,F{·}表示傅立叶变换,y为欠采样的磁共振数据,p为卷积核函数的个数。
其中,卷积核函数可以为边缘提取核函数或高斯核函数。利用边缘提取核函数重建的图像特征可以更稀疏,利用高斯核函数重建的图像特征具有更高的信噪比。因此,相比较背景技术公式2的直接重建磁共振图像的方法而言,本发明利用压缩感知技术将能更精确的重建出这些图像特征。
在步骤3中,基于压缩感知技术重建磁共振图像特征表示为:
其中,表示重建的图像特征,ρ1、ρ2、…、ρp表示待求的磁共振图像特征,Fu为欠采样的傅里叶编码矩阵,λ1、λ2、…、λp为正则化系数,Ψ表示稀疏变换矩阵,||·||1表示求L1范数,||·||2表示求L2范数;
其中,磁共振图像特征与磁共振图像的关系表示为:
ρ1=K1*ρ
ρ2=K2*ρ
.
.
.
ρp=Kp*ρ
其中,*为卷积运算符,ρ为待求的磁共振图像。
在步骤4中,主要是将步骤3中的重建图像特征进行合并,生成重建的磁共振图像。其中,本实施例中利用的合并方法是利用正则化约束的方法,即完整的重建图像由以下方式获得:
其中,为重建的磁共振图像,函数R(·)用于约束磁共振图像的稀疏性,γ1为控制待求的磁共振图像稀疏性的正则化参数,γ2为控制待求的磁共振图像特征与重建的图像特征之间相似性的正则化参数,α1、α2、…、αp表示各个磁共振图像特征的权重。
函数R(·)用于约束磁共振图像的稀疏性,其中,R(ρ)=||Ψρ||1。
在其他实施例中,步骤4中利用的合并方法并不仅限于此,上述实施例中给出的只是最优化的方法之一。
通过上述步骤1-4便可以得到重建图像,该重建图像的质量要远优于直接利用压缩感知技术(公式2)获得的图像。
基于同一发明构思,本发明实施例中还提供了一种磁共振快速成像***,如下面的实施例。由于该***解决问题的原理与上述方法相似,因此该***的实施可以参见上述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2为本发明一实施例的磁共振快速成像***的结构示意图。如图2所示,该***包括:
磁共振数据获取模块1,用于获取欠采样的磁共振数据;
K空间数据计算模块2,用于根据欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征所对应的K空间数据;
图像特征重建模块3,用于根据多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;
重建图像生成模块4,用于将重建的图像特征进行合并,生成重建的磁共振图像。
K空间数据计算模块2中,多种待求的磁共振图像特征所对应的K空间数据为:
y1=F{K1}⊙y
y2=F{K2}⊙y
.
.
.
yp=F{Kp}⊙y
其中,y1、y2、…、yp表示多种待求的磁共振图像特征所对应的K空间数据,K1、K2、…、Kp表示多个卷积核函数,⊙为点乘运算符,F{·}表示傅立叶变换,y为欠采样的磁共振数据,p为卷积核函数的个数。
图像特征重建模块3中,基于压缩感知技术重建磁共振图像特征表示为:
其中,表示重建的图像特征,ρ1、ρ2、…、ρp表示待求的磁共振图像特征,Fu为欠采样的傅里叶编码矩阵,λ1、λ2、…、λp为正则化系数,Ψ表示稀疏变换矩阵,||·||1表示求L1范数,||·||2表示求L2范数;
其中,磁共振图像特征与磁共振图像的关系表示为:
ρ1=K1*ρ
ρ2=K2*ρ
.
.
.
ρp=Kp*ρ
其中,*为卷积运算符,ρ为待求的磁共振图像。
重建图像生成模块4中,完整的重建图像由以下方式获得:
其中,为重建的磁共振图像,函数R(·)用于约束磁共振图像的稀疏性,γ1为控制待求的磁共振图像稀疏性的正则化参数,γ2为控制待求的磁共振图像特征与重建的图像特征之间相似性的正则化参数,α1、α2、…、αp分别表示各个磁共振图像特征的权重。
函数R(·)用于约束磁共振图像的稀疏性,其中,R(ρ)=||Ψρ||1。
本发明提出的磁共振快速成像方法及***首先利用压缩感知技术重建多个卷积核函数所对应的图像特征,这些图像特征或者更稀疏,或者具有更高的信噪比,因而更利于运用压缩感知技术进行重建;最后,图像特征的合并能够进一步地抑制重建的图像特征中的噪声和伪影,进而实现高质量的图像重建。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种磁共振快速成像方法,其特征在于,包括:
获取欠采样的磁共振数据;
根据所述欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征所对应的K空间数据;
根据所述多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;
将所述重建的图像特征进行合并,生成重建的磁共振图像。
2.如权利要求1所述的磁共振快速成像方法,其特征在于,根据所述欠采样的磁共振数据,利用多个卷积核函数,计算得到多种待求的磁共振图像特征所对应的K空间数据,包括:
多种待求的磁共振图像特征所对应的K空间数据为:
y1=F{K1}⊙y
y2=F{K2}⊙y
.
.
.
yp=F{Kp}⊙y
其中,y1、y2、…、yp表示多种待求的磁共振图像特征所对应的K空间数据,K1、K2、…、Kp表示多个卷积核函数,⊙为点乘运算符,F{·}表示傅立叶变换,y为欠采样的磁共振数据,p为卷积核函数的个数。
3.如权利要求2所述的磁共振快速成像方法,其特征在于,所述卷积核函数为边缘提取核函数或高斯核函数。
4.如权利要求2所述的磁共振快速成像方法,其特征在于,根据所述多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征,包括:
基于压缩感知技术重建磁共振图像特征表示为:
.
.
.
其中,表示重建的图像特征,ρ1、ρ2、…、ρp表示待求的磁共振图像特征,Fu为欠采样的傅里叶编码矩阵,λ1、λ2、…、λp为正则化系数,Ψ表示稀疏变换矩阵,||·||1表示求L1范数,||·||2表示求L2范数;
其中,磁共振图像特征与磁共振图像的关系表示为:
ρ1=K1*ρ
ρ2=K2*ρ
.
.
.
ρp=Kp*ρ
其中,*为卷积运算符,ρ为待求的磁共振图像。
5.如权利要求4所述的磁共振快速成像方法,其特征在于,将所述重建的图像特征进行合并,生成完整的重建图像,包括:
完整的重建图像由以下方式获得:
其中,为重建的磁共振图像,函数R(·)用于约束磁共振图像的稀疏性,γ1为控制待求的磁共振图像稀疏性的正则化参数,γ2为控制待求的磁共振图像特征与重建的图像特征之间相似性的正则化参数,α1、α2、…、αp分别表示各个所述磁共振图像特征的权重。
6.如权利要求5所述的磁共振快速成像方法,其特征在于,所述函数R(·)用于约束磁共振图像的稀疏性,R(ρ)=||Ψρ||1。
7.一种磁共振快速成像***,其特征在于,包括:
磁共振数据获取模块,用于获取欠采样的磁共振数据;
K空间数据计算模块,用于根据所述欠采样的磁共振数据,利用多个卷积核函数,计算多种待求的磁共振图像特征对应的K空间数据;
图像特征重建模块,用于根据所述多种待求的磁共振图像特征所对应的K空间数据,利用压缩感知技术重建磁共振图像特征,获取重建的图像特征;
重建图像生成模块,用于将所述重建的图像特征进行合并,生成重建的磁共振图像。
8.如权利要求7所述的磁共振快速成像***,其特征在于,所述待求的磁共振图像特征计算模块中,多种待求的磁共振图像特征所对应的K空间数据为:
y1=F{K1}⊙y
y2=F{K2}⊙y
.
.
.
yp=F{Kp}⊙y
其中,y1、y2、…、yp表示多种待求的磁共振图像特征所对应的K空间数据,K1、K2、…、Kp表示多个卷积核函数,⊙为点乘运算符,F{·}表示傅立叶变换,y为欠采样的磁共振数据,p为卷积核函数的个数。
9.如权利要求8所述的磁共振快速成像***,其特征在于,所述卷积核函数为边缘提取核函数或高斯核函数。
10.如权利要求8所述的磁共振快速成像***,其特征在于,所述图像特征重建模块中,基于压缩感知技术重建磁共振图像特征表示为:
.
.
.
其中,表示重建的图像特征,ρ1、ρ2、…、ρp表示待求的磁共振图像特征,Fu为欠采样的傅里叶编码矩阵,λ1、λ2、…、λp为正则化系数,Ψ表示稀疏变换矩阵,||·||1表示求L1范数,||·||2表示求L2范数;
其中,磁共振图像特征与磁共振图像的关系表示为:
ρ1=K1*ρ
ρ2=K2*ρ
.
.
.
ρp=Kp*ρ
其中,*为卷积运算符,ρ为待求的磁共振图像。
11.如权利要求10所述的磁共振快速成像***,其特征在于,所述重建图像生成模块中,完整的重建图像由以下方式获得:
其中,为重建的磁共振图像,函数R(·)用于约束磁共振图像的稀疏性,γ1为控制待求的磁共振图像稀疏性的正则化参数,γ2为控制待求的磁共振图像特征与重建的图像特征之间相似性的正则化参数,α1、α2、…、αp分别表示各个所述磁共振图像特征的权重。
12.如权利要求11所述的磁共振快速成像***,其特征在于,所述函数R(·)用于约束磁共振图像的稀疏性,其中,R(ρ)=||Ψρ||1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410849728.1A CN104569880B (zh) | 2014-12-31 | 2014-12-31 | 一种磁共振快速成像方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410849728.1A CN104569880B (zh) | 2014-12-31 | 2014-12-31 | 一种磁共振快速成像方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104569880A true CN104569880A (zh) | 2015-04-29 |
CN104569880B CN104569880B (zh) | 2017-04-05 |
Family
ID=53086402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410849728.1A Active CN104569880B (zh) | 2014-12-31 | 2014-12-31 | 一种磁共振快速成像方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569880B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997034A (zh) * | 2017-04-25 | 2017-08-01 | 清华大学 | 基于以高斯模型为实例整合重建的磁共振扩散成像方法 |
CN108814603A (zh) * | 2018-05-10 | 2018-11-16 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN108872292A (zh) * | 2018-05-25 | 2018-11-23 | 中国石油大学(北京) | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
CN109171727A (zh) * | 2018-09-20 | 2019-01-11 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN109557489A (zh) * | 2019-01-08 | 2019-04-02 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN109959887A (zh) * | 2017-12-26 | 2019-07-02 | 深圳先进技术研究院 | 一种三维磁共振成像重建方法、装置、应用及可读介质 |
WO2019148610A1 (zh) * | 2018-01-30 | 2019-08-08 | 奥泰医疗***有限责任公司 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
CN110288672A (zh) * | 2019-06-28 | 2019-09-27 | 闽江学院 | 一种基于超深稠密网络的压缩感知磁共振图像重建方法 |
CN114325528A (zh) * | 2021-12-25 | 2022-04-12 | 沈阳工业大学 | 一种磁共振成像方法及相关设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090278539A1 (en) * | 2008-05-06 | 2009-11-12 | Philip James Beatty | System and method for using parallel imaging with compressed sensing |
CN101975936A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于cs压缩感知技术的快速磁共振成像方法 |
CN102389309A (zh) * | 2011-07-08 | 2012-03-28 | 首都医科大学 | 基于压缩感知理论的磁共振图像重建的方法 |
CN103064046A (zh) * | 2012-12-25 | 2013-04-24 | 深圳先进技术研究院 | 一种基于稀疏采样的核磁共振成像的图像处理方法 |
CN103142228A (zh) * | 2012-12-14 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 压缩感知磁共振快速成像方法 |
CN103384836A (zh) * | 2010-12-22 | 2013-11-06 | 皇家飞利浦电子股份有限公司 | 包含grappa算子的用于任意k空间轨迹的快速两步并行重建 |
CN103472419A (zh) * | 2013-08-30 | 2013-12-25 | 深圳先进技术研究院 | 磁共振快速成像方法及其*** |
CN103654789A (zh) * | 2013-12-10 | 2014-03-26 | 深圳先进技术研究院 | 磁共振快速参数成像方法和*** |
US8717024B2 (en) * | 2010-12-31 | 2014-05-06 | General Electric Company | System and method for generating a magnetic resonance image using compressed sensing and parallel imaging |
US20140167753A1 (en) * | 2012-12-18 | 2014-06-19 | General Electric Company | Diffusion spectrum imaging systems and methods |
CN104217448A (zh) * | 2014-09-05 | 2014-12-17 | 中国科学院深圳先进技术研究院 | 基于迭代特征修正的磁共振快速成像方法及*** |
-
2014
- 2014-12-31 CN CN201410849728.1A patent/CN104569880B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090278539A1 (en) * | 2008-05-06 | 2009-11-12 | Philip James Beatty | System and method for using parallel imaging with compressed sensing |
CN101975936A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于cs压缩感知技术的快速磁共振成像方法 |
CN103384836A (zh) * | 2010-12-22 | 2013-11-06 | 皇家飞利浦电子股份有限公司 | 包含grappa算子的用于任意k空间轨迹的快速两步并行重建 |
US8717024B2 (en) * | 2010-12-31 | 2014-05-06 | General Electric Company | System and method for generating a magnetic resonance image using compressed sensing and parallel imaging |
CN102389309A (zh) * | 2011-07-08 | 2012-03-28 | 首都医科大学 | 基于压缩感知理论的磁共振图像重建的方法 |
CN103142228A (zh) * | 2012-12-14 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 压缩感知磁共振快速成像方法 |
US20140167753A1 (en) * | 2012-12-18 | 2014-06-19 | General Electric Company | Diffusion spectrum imaging systems and methods |
CN103064046A (zh) * | 2012-12-25 | 2013-04-24 | 深圳先进技术研究院 | 一种基于稀疏采样的核磁共振成像的图像处理方法 |
CN103472419A (zh) * | 2013-08-30 | 2013-12-25 | 深圳先进技术研究院 | 磁共振快速成像方法及其*** |
CN103654789A (zh) * | 2013-12-10 | 2014-03-26 | 深圳先进技术研究院 | 磁共振快速参数成像方法和*** |
CN104217448A (zh) * | 2014-09-05 | 2014-12-17 | 中国科学院深圳先进技术研究院 | 基于迭代特征修正的磁共振快速成像方法及*** |
Non-Patent Citations (2)
Title |
---|
HAOWEN PU ET AL.: "Sparsity regularized nonlinear inverse reconstruction for subsampled Parallel Dynamic Cardiac MRI", 《PROCEEDINGS OF THE 19TH INTERNATIONAL CONFERENCE ON DIGITAL SIGNAL PROCESSING》 * |
YEYANG YU ET AL.: "Comparison and Analysis of Nonlinear Algorithms for Compressed Sensing in MRI", 《32ND ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS BUENOS AIRES, ARGENTINA》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997034A (zh) * | 2017-04-25 | 2017-08-01 | 清华大学 | 基于以高斯模型为实例整合重建的磁共振扩散成像方法 |
CN109959887A (zh) * | 2017-12-26 | 2019-07-02 | 深圳先进技术研究院 | 一种三维磁共振成像重建方法、装置、应用及可读介质 |
WO2019148610A1 (zh) * | 2018-01-30 | 2019-08-08 | 奥泰医疗***有限责任公司 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
CN108814603A (zh) * | 2018-05-10 | 2018-11-16 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN108814603B (zh) * | 2018-05-10 | 2021-11-09 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN108872292B (zh) * | 2018-05-25 | 2019-11-08 | 中国石油大学(北京) | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
CN108872292A (zh) * | 2018-05-25 | 2018-11-23 | 中国石油大学(北京) | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
CN109171727A (zh) * | 2018-09-20 | 2019-01-11 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN109557489B (zh) * | 2019-01-08 | 2021-06-18 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
CN109557489A (zh) * | 2019-01-08 | 2019-04-02 | 上海东软医疗科技有限公司 | 一种磁共振成像方法和装置 |
US11294011B2 (en) | 2019-01-08 | 2022-04-05 | Shanghai Neusoft Medical Technology Co., Ltd. | Magnetic resonance imaging with deep neutral networks |
CN110288672A (zh) * | 2019-06-28 | 2019-09-27 | 闽江学院 | 一种基于超深稠密网络的压缩感知磁共振图像重建方法 |
CN114325528A (zh) * | 2021-12-25 | 2022-04-12 | 沈阳工业大学 | 一种磁共振成像方法及相关设备 |
CN114325528B (zh) * | 2021-12-25 | 2024-01-02 | 沈阳工业大学 | 一种磁共振成像方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104569880B (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569880A (zh) | 一种磁共振快速成像方法及*** | |
Ghodrati et al. | MR image reconstruction using deep learning: evaluation of network structure and loss functions | |
Ravishankar et al. | Efficient blind compressed sensing using sparsifying transforms with convergence guarantees and application to magnetic resonance imaging | |
CN104156994B (zh) | 一种压缩感知磁共振成像的重建方法 | |
Song et al. | Coupled dictionary learning for multi-contrast MRI reconstruction | |
Chartrand | Fast algorithms for nonconvex compressive sensing: MRI reconstruction from very few data | |
Zhang et al. | Image reconstruction with low-rankness and self-consistency of k-space data in parallel MRI | |
RU2568929C1 (ru) | Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных | |
Montefusco et al. | A fast compressed sensing approach to 3D MR image reconstruction | |
Huang et al. | Compressed magnetic resonance imaging based on wavelet sparsity and nonlocal total variation | |
CN104063886B (zh) | 一种基于稀疏表示和非局部相似的核磁共振图像重建方法 | |
Majumdar et al. | On the choice of compressed sensing priors and sparsifying transforms for MR image reconstruction: an experimental study | |
Zhou et al. | Adaptive tight frame based medical image reconstruction: a proof-of-concept study for computed tomography | |
Quan et al. | Compressed sensing reconstruction of dynamic contrast enhanced MRI using GPU-accelerated convolutional sparse coding | |
CN104217448A (zh) | 基于迭代特征修正的磁共振快速成像方法及*** | |
Kelkar et al. | Compressible latent-space invertible networks for generative model-constrained image reconstruction | |
CN109146797A (zh) | 一种基于Lp伪范数与交叠组稀疏的脉冲噪声古籍图像修复方法 | |
Lai et al. | Sparse MRI reconstruction using multi-contrast image guided graph representation | |
Bungert et al. | Robust image reconstruction with misaligned structural information | |
CN103400349A (zh) | 基于盲压缩感知的图像重构方法 | |
Aghabiglou et al. | Projection-Based cascaded U-Net model for MR image reconstruction | |
Shen et al. | Magnetic resonance imaging reconstruction via non‐convex total variation regularization | |
Jiang et al. | Study on compressed sensing reconstruction algorithm of medical image based on curvelet transform of image block | |
Duan et al. | Bregman iteration based efficient algorithm for MR image reconstruction from undersampled K-space data | |
Yuan et al. | Compressed sensing MRI reconstruction from highly undersampled k‐Space data using nonsubsampled shearlet transform sparsity prior |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |