[發明專利]一種加速擴散磁共振成像采集的方法

有效

• 申請號: 202010445650.2
• 申請日: 2020-05-25
• 公開（公告）號: CN111354056B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 許博巖;范陽;廖攀
• 申請（專利權）人: 南京慧腦云計算有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N20/00;G06K9/62;G01R33/48
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 司立彬

1.一種加速擴散磁共振成像采集的方法，其步驟包括：

1）整理準備用于機器學習的數據集，包括擴散磁共振圖像及其對應的擴散參數圖；

2）構建并訓練機器學習模型，使其學習擴散磁共振圖像與擴散參數圖的對應關系；

3）計算該訓練集中各擴散磁共振圖像對訓練后的機器學習模型的重要性；

4）按照重要性排序，保留重要性符合設定條件的擴散磁共振圖像作為新數據集；

5）利用該新數據集重新訓練該機器學習模型，使其學習擴散磁共振圖像與擴散參數圖的對應關系；

6）利用步驟5）訓練的機器學習模型計算擴散參數圖，驗證該擴散參數圖的計算效果，如果驗證通過則保留步驟5）用到的擴散磁共振圖像的對應掃描條件，然后利用該掃描條件進行擴散磁共振圖像采集。

2.如權利要求1所述的方法，其特征在于，步驟1）中，整理準備用于機器學習的數據集的方法為：首先設置擴散參數圖、掃描條件；然后根據擴散參數圖和掃描條件計算對應的擴散磁共振信號，合成擴散磁共振圖像，再給合成的擴散磁共振圖像添加噪聲干擾。

3.如權利要求1所述的方法，其特征在于，步驟1）中，整理準備用于機器學習的數據集的方法為：收集原始采集的擴散磁共振圖像，使用模型擬合方法計算擴散磁共振圖像對應的擴散參數圖。

4.如權利要求1所述的方法，其特征在于，保留重要性超過重要性平均值的擴散磁共振圖像作為新數據集。

5.如權利要求1所述的方法，其特征在于，保留重要性超過設定閾值的擴散磁共振圖像作為新數據集或保留重要性排序靠前的K個擴散磁共振圖像作為新數據集。

6.如權利要求1所述的方法，其特征在于，所述機器學習模型為隨機森林模型；每個擴散磁共振圖像包括多個信號特征；步驟5）中，用新數據重新訓練機器學習模型時，每次排除一個當前重要性最低的信號特征，用剩余的數據重新訓練隨機森林模型。