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：浙江大学
申请日：2024-04-10
公开（公告）日：2024-07-05
公开（公告）号：CN118298054A
主分类号：G06T11/00
分类号：G06T11/00;G06N3/04;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于模型展开的深度学习磁共振CEST图像重建方法及设备。该方法包括：获取待成像对象的磁共振CEST降采样k空间数据；获取经训练的深度神经网络，该网络由若干迭代模块组成；利用神经网络进行CEST源图像的重建。本方法使用了基于模型展开的深度学习网络，通过在传统重建方法中引入了神经网络先验的方式，取得了传统方法的可解释性和深度学习方法的灵活性之间的平衡。本方法可以在保证图像质量的前提下，提高CEST成像速度。此外，本发明还提出了一种高拟真度CEST图像数据仿真方法，降低了前述深度学习网络训练环节对大量真实采集CEST数据的依赖程度。
主权项：1.一种基于模型展开的深度学习磁共振CEST图像重建方法，其特征在于，包括：S1、针对待进行磁共振CEST成像的目标对象，获取目标对象的多通道欠采样k空间数据以及对应的线圈灵敏度图；所述多通道欠采样k空间数据由采集到的所有CEST饱和偏移频率下的欠采样k空间数据帧组成；S2、获取经过训练的深度神经网络；所述深度神经网络基于降噪-稀疏约束类型的数学模型展开进行设计，其输入为多通道欠采样k空间数据以及对应的线圈灵敏度图，输出为经过网络重建的CEST源图像；S3、将S1中获取的多通道欠采样k空间数据以及对应的线圈灵敏度图输入S2所述经过训练的深度神经网络中，得到重建后的CEST源图像。
全文数据：
权利要求：
百度查询： 浙江大学 基于模型展开的深度学习磁共振CEST图像重建方法及设备
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