[發(fā)明專利]磁共振成像方法、裝置、存儲介質(zhì)及電子設備

在審

• 申請?zhí)枺?/td>: 202011270981.3
• 申請日: 2020-11-13
• 公開（公告）號: CN112370040A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設計）人: 孫愛琦;王宇;梅玲
• 申請（專利權(quán)）人: 上海東軟醫(yī)療科技有限公司;東軟醫(yī)療系統(tǒng)股份有限公司
• 主分類號: A61B5/055
• 分類號: A61B5/055;G06N3/04;G06T11/00
• 代理公司: 北京英創(chuàng)嘉友知識產(chǎn)權(quán)代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹

1.一種磁共振成像方法，其特征在于，所述方法包括：

基于三維擾相梯度回波序列，且通過K空間變密度交錯采樣的方式獲取不同對比度的降采樣K空間特征數(shù)據(jù)；

將所述降采樣K空間特征數(shù)據(jù)輸入多參數(shù)定量網(wǎng)絡模型，所述多參數(shù)定量網(wǎng)絡模型基于所述降采樣K空間特征數(shù)據(jù)重建得到不同對比度的完整K空間特征數(shù)據(jù)對應的圖像，根據(jù)所述完整K空間特征數(shù)據(jù)對應的圖像得到多個參數(shù)定量圖像；

將所述多參數(shù)定量網(wǎng)絡模型輸出的多個參數(shù)定量圖像確定為磁共振成像結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述三維擾相梯度回波序列包括不同的翻轉(zhuǎn)角分別連接的多個梯度回波，所述多個梯度回波為雙極性梯度回波。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多參數(shù)定量網(wǎng)絡模型包括多對比度圖像重建模塊和多參數(shù)定量圖像重建模塊，所述多對比度圖像重建模塊的輸出結(jié)果用于輸入所述多參數(shù)定量圖像重建模塊中進行圖像重建。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過K空間變密度交錯采樣的方式獲取不同對比度的降采樣K空間特征數(shù)據(jù)，包括：

在預設數(shù)據(jù)中心區(qū)域進行滿采樣，以采集所述預設數(shù)據(jù)中心區(qū)域的所有特征數(shù)據(jù)；

在預設數(shù)據(jù)外周區(qū)域進行交錯采樣，以采集所述預設數(shù)據(jù)外周區(qū)域的部分特征數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述在預設數(shù)據(jù)外周區(qū)域進行交錯采樣，包括：

對所述預設數(shù)據(jù)外周區(qū)域中的數(shù)據(jù)行進行交錯采樣，以使每一個所述梯度回波采集不同的所述數(shù)據(jù)行。

6.根據(jù)權(quán)利要求1-5任一項所述的方法，其特征在于，所述交錯采樣的采樣軌跡是通過如下方式確定的：

將預設采樣軌跡作為初始的目標采樣軌跡，執(zhí)行以下處理：

基于每一次確定的目標采樣軌跡對樣本滿采樣K空間特征數(shù)據(jù)進行降采樣，以得到樣本降采樣K空間特征數(shù)據(jù)，并將所述樣本降采樣K空間特征數(shù)據(jù)輸入所述多參數(shù)定量網(wǎng)絡模型；

根據(jù)所述多參數(shù)定量網(wǎng)絡模型的輸出結(jié)果調(diào)整所述目標采樣軌跡，并將調(diào)整后的所述目標采樣軌跡確定為新的目標采樣軌跡，直到所述多參數(shù)定量網(wǎng)絡模型的輸出結(jié)果滿足預設條件；

將所述多參數(shù)定量網(wǎng)絡模型的輸出結(jié)果滿足預設條件時的目標采樣軌跡確定為所述交錯采樣的采樣軌跡。

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多對比度圖像重建模塊包括第一卷積神經(jīng)網(wǎng)絡和第二卷積神經(jīng)網(wǎng)絡；

所述第一卷積神經(jīng)網(wǎng)絡用于對輸入的降采樣K空間特征數(shù)據(jù)進行處理，以得到對應的完整K空間特征數(shù)據(jù)，并將所述完整K空間特征數(shù)據(jù)進行傅里葉變換和通道合并之后的圖像域數(shù)據(jù)輸入所述第二卷積神經(jīng)網(wǎng)絡；

所述第二卷積神經(jīng)網(wǎng)絡用于對所述圖像域數(shù)據(jù)進行處理，以輸出所述完整K空間特征數(shù)據(jù)對應的圖像。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述多對比度圖像重建模塊還包括第一約束模塊，所述第一約束模塊用于根據(jù)所述降采樣K空間特征數(shù)據(jù)，修正所述第一卷積神經(jīng)網(wǎng)絡得到的所述完整K空間特征數(shù)據(jù)；

所述第二卷積神經(jīng)網(wǎng)絡用于對修正后的所述完整K空間特征數(shù)據(jù)對應的圖像域數(shù)據(jù)進行處理，以輸出修正后的所述完整K空間特征數(shù)據(jù)對應的圖像。

9.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多參數(shù)定量圖像重建模塊包括深度特征擬合模塊和第二約束模塊；

所述深度特征擬合模塊用于根據(jù)所述多對比度圖像重建模塊輸出的完整K空間對應的圖像進行圖像重建，以生成多個參數(shù)定量圖像；

所述第二約束模塊用于針對每一所述參數(shù)定量圖像，根據(jù)該參數(shù)定量圖像對應的總變分，對該參數(shù)定量圖像進行加權(quán)的總變分最小化約束，以根據(jù)約束后的所述參數(shù)定量圖像確定所述磁共振成像結(jié)果。