[發明專利]磁共振成像方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010151562.1
• 申請日: 2020-03-06
• 公開（公告）號: CN113359076B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 翟人寬
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G01R33/48
• 分類號: G01R33/48;G01R33/561;G06T11/00;G06N3/04;G06N3/08;A61B5/055
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 喬改利

本申請涉及一種磁共振成像方法、裝置、計算機設備和存儲介質。所述方法包括：獲取第一磁共振成像數據；第一磁共振成像數據填充K空間的部分編碼位置；將第一磁共振成像數據輸入預設的神經網絡模型，得到第二磁共振成像數據；第二磁共振成像數據填充K空間的部分編碼位置和除部分編碼位置之外的編碼位置；預設的神經網絡模型為將樣本磁共振成像數據作為預設的初始神經網絡模型的輸入，并根據樣本磁共振成像數據對初始神經網絡模型的輸出結果進行反饋，調節初始神經網絡模型的參數，進行訓練得到的；對第二磁共振成像數據進行圖像重建，得到磁共振圖像。采用本方法能夠提高得到的第二磁共振成像數據的質量。

技術領域

本申請涉及醫學影像技術領域，特別是涉及一種磁共振成像方法、裝置、計算機設備和存儲介質。

背景技術

磁共振成像(Magnetic Resonance Imaging，MRI)能夠反映組織的縱向弛豫時間T1，橫向弛豫時間T2和質子密度等多種特性，從而為疾病的檢出和診斷提供信息，MRI已成為醫學影像檢查的重要技術手段。然而，磁共振成像過程中掃描速度慢、掃描時間長，限制了磁共振成像在臨床上的應用。隨著深度學習技術的發展，因其超強的學習能力，利用深度學習技術為磁共振掃描進行加速已成為深度學習技術的應用之一，而利用深度學習技術為磁共振掃描進行加速最大的問題就是訓練集的獲取。

傳統技術中，獲取深度學習模型的訓練集的方法主要是通過預先制定好標準，對受試者進行長時間的數據采集，得到滿采樣數據，根據臨床中會執行的欠采樣方案對滿采樣數據進行剔除等處理，得到欠采樣數據，將得到的欠采樣數據作為深度學習模型的訓練集。

然而，傳統方法中由于采集滿采樣數據時間較長，導致采集到的滿采樣數據存在數據質量較低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高采集的滿采樣數據質量的磁共振成像方法、裝置、計算機設備和存儲介質。

一種磁共振成像方法，所述方法包括：

獲取第一磁共振成像數據；所述第一磁共振成像數據填充K空間的部分編碼位置；

將所述第一磁共振成像數據輸入預設的神經網絡模型，得到第二磁共振成像數據；所述第二磁共振成像數據填充所述K空間的所述部分編碼位置和除所述部分編碼位置之外的編碼位置；其中，所述預設的神經網絡模型為將樣本磁共振成像數據作為預設的初始神經網絡模型的輸入，并根據所述樣本磁共振成像數據對所述預設的初始神經網絡模型的輸出結果進行反饋，以調節所述預設的初始神經網絡模型的參數，對所述預設的初始神經網絡模型進行訓練得到的；所述樣本磁共振成像數據填充樣本K空間的部分樣本編碼位置；所述輸出結果填充所述樣本K空間的所述部分樣本編碼位置和除所述部分樣本編碼位置之外的編碼位置；

對所述第二磁共振成像數據進行圖像重建，得到磁共振圖像。

在其中一個實施例中，所述神經網絡模型的訓練過程包括：

獲取樣本磁共振成像數據；所述樣本磁共振成像數據填充所述樣本K空間的部分樣本編碼位置；

將所述樣本磁共振成像數據輸入所述預設的初始神經網絡模型，得到預測磁共振成像數據；所述預測磁共振成像數據填充所述樣本K空間的所述部分樣本編碼位置和除所述部分樣本編碼位置之外的樣本編碼位置；

根據所述樣本磁共振成像數據、所述預測磁共振成像數據、恢復樣本磁共振成像數據和預設的判斷標準，對所述初始神經網絡模型進行訓練，得到所述神經網絡模型；所述恢復樣本磁共振成像數據為對所述樣本磁共振成像數據進行擬合所得到的數據。

在其中一個實施例中，所述根據所述樣本磁共振成像數據、所述預測磁共振成像數據、恢復樣本磁共振成像數據和預設的判斷標準，對所述初始神經網絡模型進行訓練，得到所述神經網絡模型，包括：