[發(fā)明專利]醫(yī)學掃描數(shù)據(jù)處理方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110790443.5
• 申請日: 2021-07-13
• 公開（公告）號: CN113506271A
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計）人: 陳瀟;陳章;孫善輝;陳德仁
• 申請（專利權(quán)）人: 上海聯(lián)影智能醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06N3/04;G06N3/08;A61B5/00;A61B5/055
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;徐婕超

1.一種醫(yī)學掃描數(shù)據(jù)處理方法，包括：

采集具有多線圈尺寸的磁共振成像(MRI)數(shù)據(jù)；

將所述線圈尺寸壓縮到固定且預定數(shù)量的虛擬線圈；以及

由人工智能引擎將所述固定且預定數(shù)量的虛擬線圈用于人工智能應用，其中，所述人工智能應用包括從欠采樣的多線圈k空間數(shù)據(jù)恢復圖像信息、多線圈k空間數(shù)據(jù)的去噪或圖像數(shù)據(jù)的去噪中的一個或多個。

2.根據(jù)權(quán)利要求1所述的方法，包括：從MRI掃描儀、MRI數(shù)據(jù)儲存器、k空間儲存器或圖像儲存器中的一個或多個采集具有多線圈尺寸的所述MRI數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述多線圈尺寸包括12、16、24、32或64個線圈。

4.根據(jù)權(quán)利要求1所述的方法，其中，虛擬線圈的所述固定且預定數(shù)量在4至20之間。

5.根據(jù)權(quán)利要求1所述的方法，包括：使用主成分分析、獨立成分分析、核主成分分析、機器學習或深度學習中的一個或多個將所述線圈尺寸壓縮到固定且預定數(shù)量的虛擬線圈。

6.根據(jù)權(quán)利要求1所述的方法，包括：使用線圈壓縮引擎將所述線圈尺寸壓縮到固定且預定數(shù)量的虛擬線圈。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述線圈壓縮引擎被并入作為所述人工智能引擎的一部分。

8.根據(jù)權(quán)利要求7所述的方法，其中，所述線圈壓縮引擎包括所述人工智能引擎的卷積層。

9.根據(jù)權(quán)利要求1所述的方法，其中，所述人工智能引擎包括深度學習模型、長短期記憶網(wǎng)絡(luò)、全卷積神經(jīng)網(wǎng)絡(luò)模型、生成對抗網(wǎng)絡(luò)、反向傳播神經(jīng)網(wǎng)絡(luò)模型、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型、深度置信網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型或埃爾曼(Elman)神經(jīng)網(wǎng)絡(luò)模型中的一個或多個，其中深度學習模型包括一個或多個門控循環(huán)單元。

10.一種用于醫(yī)學掃描的人工智能系統(tǒng)，包括：

多線圈MRI數(shù)據(jù)源；

線圈壓縮引擎，其被配置為將來自所述多線圈MRI數(shù)據(jù)源的多線圈尺寸的MRI數(shù)據(jù)壓縮到固定且預定數(shù)量的虛擬線圈；以及

人工智能引擎，其將所述固定和預定數(shù)量的虛擬線圈用于人工智能應用，其中，所述人工智能應用包括從欠采樣的多線圈k空間數(shù)據(jù)恢復圖像信息、多線圈k空間數(shù)據(jù)的去噪或圖像數(shù)據(jù)的去噪中的一個或多個。