CN108872292A - 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 - Google Patents
基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 Download PDFInfo
- Publication number
- CN108872292A CN108872292A CN201810512913.XA CN201810512913A CN108872292A CN 108872292 A CN108872292 A CN 108872292A CN 201810512913 A CN201810512913 A CN 201810512913A CN 108872292 A CN108872292 A CN 108872292A
- Authority
- CN
- China
- Prior art keywords
- data
- sampling
- lack sampling
- sample
- magnetic resonance
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
Landscapes
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供一种基于稀疏采样重建的多维拉普拉斯磁共振方法与装置,通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;然后对欠采样数据进行数据重建,获得全采样数据。本实施例的方法通过在核磁共振测量过程中进行欠采样,不需要取得全部数据,通过获得样品足够信息,从而提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确,在石油勘探,医疗,化学,文物保护等领域具有广泛的应用前景。
Description
技术领域
本发明涉及多维拉普拉斯核磁谱的快速测量领域,尤其涉及一种基于稀疏采样重建的多维拉普拉斯磁共振方法与装置。
背景技术
核磁共振是一种强有力的无损测量手段,可以获得样品的丰富信息。在医疗领域中,核磁成像广泛用于疾病诊疗。在化学领域,核磁化学位移谱可以用来分析样品化学结构。此外,核磁弛豫、扩散测量也可以获得样品内部丰富信息,如分子运动、孔隙结构、流体流速等。这些弛豫、扩散、流速谱称为拉普拉斯谱。
随着2002快速多维拉普拉斯反演方法的出现,多维拉普拉斯核磁得到快速发展。多维拉普拉斯核磁可以将弛豫、扩散、流速等多个参数关联起来,得出关联谱以及交换谱,更加深入考察样品内部信息,如识别孔隙内油水分布,表征流体的交换行为等。
但多维拉普拉斯核磁测量耗时较长,尤其是三维关联谱,如D-T1-T2测量需要数小时,限制其在实际中的应用和推广。
发明内容
本发明提供一种基于稀疏采样重建的多维拉普拉斯磁共振方法与装置,以通过欠采样后进行数据重建,提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确。
本发明的一个方面是提供一种基于稀疏采样重建的多维拉普拉斯磁共振方法,包括:
通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;
对所述欠采样数据进行数据重建,获得全采样数据。
进一步,所述对所述欠采样数据进行数据重建,获得全采样数据,包括:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
进一步,所述通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,包括:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
进一步,所述通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样前,还包括:
根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;
获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板;
所述通过核磁共振仪器对所述待测样品的间接测量参数进行数据的欠采样,包括:
通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。
进一步,所述对所述欠采样数据进行数据重建,获得全采样数据后,还包括:
采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
本发明的另一个方面是提供一种基于稀疏采样重建的多维拉普拉斯磁共振装置,包括:
欠采样模块,用于通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;
数据重建模块,用于对所述欠采样数据进行数据重建,获得全采样数据。
进一步,所述数据重建模块用于:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
进一步,所述欠采样模块用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
进一步,所述装置还包括:
采样模板获取模块,用于根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板;
所述欠采样模块具体用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。
进一步,所述装置还包括:
多维拉普拉斯谱获取模块,用于采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
本发明提供的基于稀疏采样重建的多维拉普拉斯磁共振方法与装置,通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;然后对欠采样数据进行数据重建,获得全采样数据。本实施例的方法通过在核磁共振测量过程中进行欠采样,不需要取得全部数据,通过获得样品足够信息,从而提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确,在石油勘探,医疗,化学,文物保护等领域具有广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法流程图;
图2为本发明另一实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法流程图;
图3为本发明另一实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法中采用的脉冲序列的示意图;
图4为图3所示的方法中得到的采样模板的示意图;
图5为图3所示的方法中得到的样品多维拉普拉斯谱示意图;
图6为本发明实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法流程图。如图1所示,本实施例提供了一种基于稀疏采样重建的多维拉普拉斯磁共振方法,该方法具体步骤如下:
S101、通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据。
在本实施例中,考虑到现有技术中采用核磁共振仪器对于待测样品采集的原始数据具有高度的冗余度,因此不需要取得全部数据,获得样品足够信息即可,所以本实施例中采用对数据进行欠采样,从而能够测量速度,其中对于多维拉普拉斯核磁实验可以加速的实验有:T1-T2、D-T2、D-D,内部梯度-T2,流速-T2,D-T1-T2等实验,T1为纵向弛豫时间,T2为横向弛豫时间,D为扩散系数。在多维拉普拉斯核磁所涉及的参数中,分为直接测量参数和间接测量参数,只有T2为直接测量参数,可以直接测量,只需一次扫描,其他参数只能间接测量,需要多次扫描,本实施例中欠采样只能在间接测量维度进行,也即仅能对间接测量参数进行数据的欠采样,通过欠采样可以减少间接测量参数测量过程中的扫描次数。在上述可加速的实验中,只能在T1,D,内部梯度,流速等测量中进行欠采样加速,测量T2中无法进行欠采样加速。具体例如在D-D实验中,在两个扩散系数测量方向均可以进行欠采样,进而加速实验,获取样品各向异性信息。
S102、对所述欠采样数据进行数据重建,获得全采样数据。
在本实施例中,可通过一定的算法对欠采样数据进行数据重建,高精度的恢复出全采样数据,在采样次数较少的情况下,获得样品精确信息。本实施例中可采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到全采样数据,当然也可采用先用的其他数据重建方法,此处不再赘述。
本实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法,通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;然后对欠采样数据进行数据重建,获得全采样数据。本实施例的方法通过在核磁共振测量过程中进行欠采样,不需要取得全部数据,通过获得样品足够信息,从而提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确,在石油勘探,医疗,化学,文物保护等领域具有广泛的应用前景。
在上述实施例的基础上,S102所述的对所述欠采样数据进行数据重建,获得全采样数据,具体可包括:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
在本实施例中,考虑到原始数据具有高度的冗余度,体现在其在不同维度强度单调衰减以及数据的平滑性,说明数据具有高度可压缩性。通过选择数据的稀疏低秩表示方法,可用以加速多维拉普拉斯核磁实验。本实施例中采用稀疏低秩分解重建法重建数据,其对于低信噪比数据仍能取得较好的重建效果。本实施例对于低信噪比数据同样具有良好加速、重建效果,可以实现多维拉普拉斯谱核磁的快速测量,本实施例提供的方法对于低信噪比数据仍有较好的重建效果,对于无论高信噪比场景(医疗,化学),还是低信噪比场景(石油勘探),均可以良好的应用。
具体的,稀疏低秩分解重建法通过同时发掘数据的稀疏性和低秩性,重建数据。通过稀疏低秩分解,首先将数据分解成稀疏部分和低秩部分。稀疏部分所涉及的稀疏变换为多尺度小波变换,研究数据在小波域的稀疏性;低秩性则通过奇异值分解法来考察,其奇异值快速衰减,衰减越快,其秩越低,越有利于采样。然后对稀疏部分和低秩部分分别进行稀疏重建和低秩恢复,达到高精度重建全采样信号。也即对于欠采样数据采用一定的算法找到稀疏度较高和秩比较低的解,就能高精度恢复全采样数据。欠采样数据数据在合适的稀疏低秩变换之后,具有高度稀疏低秩性,稀疏低秩性越高,数据潜在可压缩性(实验可加速性)越大。本实施例采用多尺度小波变换数据进行稀疏表示,通过奇异值分解发掘数据的低秩特征,充分加速实验。
进一步的,S101所述的通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,具体可包括:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
本实施例中,根据压缩感知等相关理论,欠采样矩阵需要与稀疏矩阵具有高度非相干性,而随机矩阵满足这一要求,本实施例采用高斯随机矩阵。另外,根据数据衰减特征,本方法采用变密度随机采样,即在信号强度区域采样密度增加,在信号弱的区域采样密度减少,这样可以提高实验信噪比,提升重建质量。
本实施例中采用高斯随机采样方法可以大概率满足非相干理论,为精确重建提供良好保证;采用变密度采样,在信号强的区域进行高密度采样,信号弱区域进行低密度采样,可以提高信号信噪比,提升重建质量。
由于随机采样只是大概率满足不相干理论,为了避免在实际实验中遇到小概率不满足的情况,需要大量重复随机采样模板,选择点扩散函数值较小的模板,可以较好满足相干性。
具体的,如图2所示,S101所述的通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样前,还可包括:
S201、根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;
S202、获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板。
本实施例中为了保证采样模板具有较高的非相干性,计算每一备选采样模板的点扩散函数,点扩散函数计算结果的数值越小,相干性较越,选取相干性较低的备选采样模板作为最终的采样模板。则进一步的在上述S201和S202的基础上,S101所述的通过核磁共振仪器对所述待测样品的间接测量参数进行数据的欠采样,可包括:通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。本实施例中点扩散函数为本领域中通常意义的点扩散函数,此处不再赘述。本实施例中根据随机函数编写代码生成随机采样模板,由于本实施例中涉及的实验信号通常为指数衰减,起始信号强,之后一直衰减直至成为噪音,因此采样模板也相应的在信号较强的初始阶段以高采样密度采样,在信号较弱时以低采样密度采样。由于采样模板是以随机函数为基础生成,因此并不是一次就能找到适合实验采样的采样模板,因此首先生成多个采样模板作为备选采样模板,并从中选出最合适的作为最终的采样模板,可以较好满足相干性。
进一步,所述对所述欠采样数据进行数据重建,获得全采样数据后,还包括:
采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
本实施中通过快速多维拉普拉斯反演方法反演全采样数据,得到多维拉普拉斯谱,其中快速多维拉普拉斯反演方法为现有技术中的反演方法,其具体过程此处不再赘述。
下面以T1-D-T2实验为示例来进行说明。
1)以图3中所示的脉冲序列来描述本实施方式。按照图3中所示,编写脉冲序列,其脉冲序列包含三个窗口,第一窗口测量纵向T1弛豫,施加180度脉冲,并改变时间间隔td来实现。第二个窗口测量流体扩散系数,通过改变梯度磁场强度(g)来实现。第三个窗口测量横向T2弛豫,通过CPMG脉冲序列(180度脉冲循环)记录回波串(窗口中绿色部分,信号)实现。在仪器上,编写脉冲序列,输入一系列td,g参数,获得采样信号。
2)对第一个和第二个窗口进行欠采样测量。生成采样模板:本方法采用变密度高斯随机欠采样方法。首先,根据变密度函数,在强信号区域定义高采样密度,在弱信号区域定义低采样密度。以此采样模板为基础,进行高斯随机欠采样。通过生成大量采样模板,计算其点扩散函数,选取相关性低的采样模板,作为最终在实验中使用的采样方式,以提高信噪比,提升重建质量。
3)选取实验样品,如饱和油水的岩石,在核磁共振仪器上(本示例是在2MHz核磁岩心分析仪上进行的),进行实验,欠采样方法采用上一步生成的采样模板,对样品的间接测量参数进行数据的欠采样。其中采样模板如图4所述,根据相应的白线确定采样点。其中对于图4所示的采样模板如果白线和黑线都采样则为全采样模式,而仅根据白线采样则为欠采样模式,其中本示例为了便于展示,将三维采样模板改成二维采样模板。
4)以得到的欠采样数据,重建全采样数据。重建方法为稀疏低秩分解法,将数据分为稀疏部分和低秩部分,通过多尺度小波变换、奇异值分解法以及共轭梯度法,高精度重建全采样数据。本示例中可通过编写Matlab程序,处理数据,实现数据重建。
5)采用快速多维拉普拉斯反演方法,反演重建得到的全采样数据,获得如图5所示的样品多维拉普拉斯谱,本示例中,在欠采样下可获得了高精度饱和油水岩石的T1-D-T2关联谱。
本实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振方法,通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;然后对欠采样数据进行数据重建,获得全采样数据。本实施例的方法通过在核磁共振测量过程中进行欠采样,不需要取得全部数据,通过获得样品足够信息,从而提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确,在石油勘探,医疗,化学,文物保护等领域具有广泛的应用前景。
图6为本发明实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振装置的结构图。本实施例提供一种基于稀疏采样重建的多维拉普拉斯磁共振装置,可以执行基于稀疏采样重建的多维拉普拉斯磁共振方法实施例提供的处理流程,如图6所示,本实施例的基于稀疏采样重建的多维拉普拉斯磁共振装置包括欠采样模块301以及数据重建模块302。
欠采样模块301,用于通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;
数据重建模块302,用于对所述欠采样数据进行数据重建,获得全采样数据。
进一步,所述数据重建模块302用于:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
进一步,所述欠采样模块301用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
进一步,所述装置还包括:
采样模板获取模块303,用于根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板;
所述欠采样模块301具体用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。
进一步,所述装置还包括:
多维拉普拉斯谱获取模块304,用于采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
本发明实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振装置可以具体用于执行上述图1所提供的方法实施例,具体功能此处不再赘述。
本实施例提供的基于稀疏采样重建的多维拉普拉斯磁共振装置,通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;然后对欠采样数据进行数据重建,获得全采样数据。本实施例通过在核磁共振测量过程中进行欠采样,不需要取得全部数据,通过获得样品足够信息,从而提高多维拉普拉斯核磁测量速度,同时获得的数据也较为精确,在石油勘探,医疗,化学,文物保护等领域具有广泛的应用前景。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于稀疏采样重建的多维拉普拉斯磁共振方法,其特征在于,包括:
通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;
对所述欠采样数据进行数据重建,获得全采样数据。
2.根据权利要求1所述的方法,其特征在于,所述对所述欠采样数据进行数据重建,获得全采样数据,包括:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
3.根据权利要求2所述的方法,其特征在于,所述通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,包括:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
4.根据权利要求3所述的方法,其特征在于,所述通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样前,还包括:
根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;
获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板;
所述通过核磁共振仪器对所述待测样品的间接测量参数进行数据的欠采样,包括:
通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述欠采样数据进行数据重建,获得全采样数据后,还包括:
采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
6.一种基于稀疏采样重建的多维拉普拉斯磁共振装置,其特征在于,包括:
欠采样模块,用于通过核磁共振仪器对待测样品的间接测量参数进行数据的欠采样,获得欠采样数据;
数据重建模块,用于对所述欠采样数据进行数据重建,获得全采样数据。
7.根据权利要求6所述的装置,其特征在于,所述数据重建模块用于:
采用稀疏低秩分解重建法对所述欠采样数据进行稀疏重建和低秩恢复,进而得到所述全采样数据。
8.根据权利要求7所述的装置,其特征在于,所述欠采样模块用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用变密度高斯随机欠采样方法进行数据的欠采样,其中对于强信号区域的采样密度较弱信号区域的采样密度高。
9.根据权利要求8所述的装置,其特征在于,还包括:
采样模板获取模块,用于根据变密度函数以及信号强弱定义不同区域的采样密度,并采用高斯随机欠采样,生成预定数量的备选采样模板;获取每一所述备选采样模板的点扩散函数结果,以点扩散函数结果最小的所述备选采样模板作为最终的采样模板;
所述欠采样模块具体用于:
通过核磁共振仪器对所述待测样品的间接测量参数采用所述采样模板进行数据的欠采样。
10.根据权利要求6-9任一项所述的装置,其特征在于,还包括:
多维拉普拉斯谱获取模块,用于采用快速多维拉普拉斯反演方法,反演数据重建得到的所述全采样数据,获得多维拉普拉斯谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810512913.XA CN108872292B (zh) | 2018-05-25 | 2018-05-25 | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810512913.XA CN108872292B (zh) | 2018-05-25 | 2018-05-25 | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108872292A true CN108872292A (zh) | 2018-11-23 |
CN108872292B CN108872292B (zh) | 2019-11-08 |
Family
ID=64334599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810512913.XA Active CN108872292B (zh) | 2018-05-25 | 2018-05-25 | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108872292B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975935A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于部分回波压缩感知的快速磁共振成像方法 |
CN103033784A (zh) * | 2012-12-12 | 2013-04-10 | 厦门大学 | 一种射频脉冲控制的压缩感知磁共振成像方法 |
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 |
CN104569880A (zh) * | 2014-12-31 | 2015-04-29 | 中国科学院深圳先进技术研究院 | 一种磁共振快速成像方法及*** |
CN104933683A (zh) * | 2015-06-09 | 2015-09-23 | 南昌大学 | 一种用于磁共振快速成像的非凸低秩重建方法 |
US20170089995A1 (en) * | 2014-05-19 | 2017-03-30 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Serv | Magnetic resonance 2d relaxometry reconstruction using partial data |
US10209335B2 (en) * | 2014-04-21 | 2019-02-19 | Case Western Reserve University | Nuclear magnetic resonance (NMR) fingerprinting with singular value decomposition (SVD) compression |
-
2018
- 2018-05-25 CN CN201810512913.XA patent/CN108872292B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975935A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于部分回波压缩感知的快速磁共振成像方法 |
CN103033784A (zh) * | 2012-12-12 | 2013-04-10 | 厦门大学 | 一种射频脉冲控制的压缩感知磁共振成像方法 |
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 |
US10209335B2 (en) * | 2014-04-21 | 2019-02-19 | Case Western Reserve University | Nuclear magnetic resonance (NMR) fingerprinting with singular value decomposition (SVD) compression |
US20170089995A1 (en) * | 2014-05-19 | 2017-03-30 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Serv | Magnetic resonance 2d relaxometry reconstruction using partial data |
CN104569880A (zh) * | 2014-12-31 | 2015-04-29 | 中国科学院深圳先进技术研究院 | 一种磁共振快速成像方法及*** |
CN104933683A (zh) * | 2015-06-09 | 2015-09-23 | 南昌大学 | 一种用于磁共振快速成像的非凸低秩重建方法 |
Non-Patent Citations (2)
Title |
---|
PETRIK GALVOSAS,P. CALLAGHAN: "Multi-dimensional inverse Laplace spectroscopy in the NMR of porous media", 《COMPTES RENDUS PHYSIQUE》 * |
XIAOBO QU ET AL.: "Accelerated NMR Spectroscopy with Low-Rank Reconstruction", 《ANGEWANDTE COMMUNICATIONS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108872292B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021147529A1 (zh) | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 | |
CN106491131B (zh) | 一种磁共振的动态成像方法和装置 | |
CN106772583A (zh) | 一种地震绕射波分离方法和装置 | |
CN109410289A (zh) | 一种深度学习的高欠采样超极化气体肺部mri重建方法 | |
Zhang et al. | GPU-accelerated 3D reconstruction of porous media using multiple-point statistics | |
CN112462438B (zh) | 基于核磁共振测井定量评价地层流体的方法、装置及设备 | |
CN101706956A (zh) | 一种利用多点地质统计法重构图像统计信息的方法 | |
CN111353935A (zh) | 基于深度学习的磁共振成像优化方法及其设备 | |
Zhang et al. | Porous media reconstruction using a cross-section image and multiple-point geostatistics | |
Zhang et al. | Reconstruction of three-dimensional porous media using multi-scale generative adversarial networks | |
CN108872292B (zh) | 基于稀疏采样重建的多维拉普拉斯磁共振方法与装置 | |
Zhang et al. | Research on the reconstruction method of porous media using multiple-point geostatistics | |
CN104570090B (zh) | 全波形反演噪音滤波算子的提取及使用其噪音滤波的方法 | |
Ji et al. | A hybrid method for reconstruction of three-dimensional heterogeneous porous media from two-dimensional images | |
Yao et al. | Multiscale pore structure analysis in carbonate rocks | |
CN108152770A (zh) | 一种同步检测组织位移和t2的方法及装置 | |
CN106772573A (zh) | 基于最大相关熵的地震子波信号提取方法 | |
Zhang et al. | A statistical information reconstruction method of images based on multiple-point geostatistics integrating soft data with hard data | |
CN106291676A (zh) | 一种基于匹配追踪算法的地震数据重构方法 | |
CN109884699A (zh) | 基于超完备子波基邻近目标函数法的滩坝储层预测方法 | |
WO2022153984A1 (ja) | 学習データ生成方法、モデル生成方法および学習データ生成装置 | |
Guo et al. | Deep learning-based adaptive mode decomposition and instantaneous frequency estimation for vibration signal | |
CN115754007A (zh) | 一种基于声发射技术和层析成像技术的损伤检测方法 | |
CN116068644A (zh) | 一种利用生成对抗网络提升地震数据分辨率和降噪的方法 | |
Hou et al. | An intelligent method for reconstructing large-size digital rocks by joining multi-dimension information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |