[發(fā)明專利]圖像重建方法及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210652115.3
• 申請(qǐng)日: 2022-06-09
• 公開（公告）號(hào): CN114972570A
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 陳章;孫善輝;陳瀟;陳德仁
• 申請(qǐng)（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(hào): G06T11/00
• 分類號(hào): G06T11/00;G06N3/04;G06N3/08
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 羅朗;王衛(wèi)彬

本文公開了與基于欠采樣磁共振(MR)數(shù)據(jù)重建MR圖像相關(guān)聯(lián)的系統(tǒng)、方法和裝置。MR數(shù)據(jù)包括2D或3D信息，并且可以包含多個(gè)對(duì)比度和多個(gè)線圈。MR圖像使用深度學(xué)習(xí)(DL)方法來重建，這可以加速掃描和/或圖像生成過程。通過基于對(duì)比度、線圈和/或讀出節(jié)段的相應(yīng)子集分別重建MR圖像，然后組合重建的MR圖像以獲得期望的多對(duì)比度結(jié)果，克服了由大量MR數(shù)據(jù)和硬件限制所強(qiáng)加的挑戰(zhàn)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及磁共振圖像重建。

背景技術(shù)

解剖結(jié)構(gòu)(諸如人類大腦或心臟)的多對(duì)比度MRI圖像可以提供關(guān)于解剖結(jié)構(gòu)的特征的有用信息，由此通常用于臨床實(shí)踐。然而，高分辨率MRI圖像的采集需要收集和編碼大量的MRI數(shù)據(jù)(例如，k空間數(shù)據(jù))，由此經(jīng)常導(dǎo)致可能影響圖像質(zhì)量的長(zhǎng)掃描時(shí)間和對(duì)運(yùn)動(dòng)偽影的增加的敏感性。為了解決這些問題，可以在圖像采集過程中采用各種加速技術(shù)，例如，以欠采樣k空間數(shù)據(jù)并基于欠采樣的數(shù)據(jù)重建MRI圖像。然而，常規(guī)加速技術(shù)(諸如基于壓縮感知(CS)的方法)通常是迭代且耗時(shí)的，從而使得這些技術(shù)不適合處理在臨床上可接受的時(shí)間范圍內(nèi)在多維設(shè)置(例如，多個(gè)對(duì)比度、多個(gè)線圈、多個(gè)切片圖像等)中生成的大量數(shù)據(jù)。

因此，非常期望用于基于多維MRI數(shù)據(jù)重建高分辨率MRI圖像并且在臨床實(shí)踐的要求和當(dāng)前可用硬件(例如，GPU內(nèi)存、處理速度等)的限制下這樣做的系統(tǒng)、方法和裝置。

發(fā)明內(nèi)容

本文描述了與基于欠采樣MR數(shù)據(jù)(例如，k空間數(shù)據(jù))的集合重建磁共振(MR)圖像相關(guān)聯(lián)的系統(tǒng)、方法和裝置。欠采樣MR數(shù)據(jù)的集合可以與解剖結(jié)構(gòu)(諸如人類心臟或大腦)相關(guān)聯(lián)，并且可以包括與多個(gè)對(duì)比度設(shè)置、多個(gè)線圈和讀出方向相關(guān)聯(lián)的數(shù)據(jù)。MR圖像的重建可以使用基于深度學(xué)習(xí)的方法和/或通過將MR數(shù)據(jù)集劃分為更小的部分或子集來執(zhí)行。例如，可以基于欠采樣MR數(shù)據(jù)的第一部分使用一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)來重建解剖結(jié)構(gòu)的第一MR圖像，欠采樣MR數(shù)據(jù)的第一部分對(duì)應(yīng)于多個(gè)對(duì)比度設(shè)置的第一子集、多個(gè)線圈的第一子集或讀出方向上的第一節(jié)段。可以基于欠采樣MR數(shù)據(jù)的第二部分使用一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)來重建解剖結(jié)構(gòu)的第二MR圖像，欠采樣MR數(shù)據(jù)的第二部分對(duì)應(yīng)于多個(gè)對(duì)比度設(shè)置的第二子集、多個(gè)線圈的第二子集或讀出方向上的第二節(jié)段。然后，可以組合第一MR圖像和第二MR圖像，以獲得具有多對(duì)比度特性或特征的期望MR圖像。

在示例中，第一MR圖像可以獨(dú)立于第二MR圖像來重建(例如，可以并行重建兩個(gè)MR圖像)。在示例中，第二MR圖像基于第一MR圖像來重建(例如，以順序方式)，以利用第一MR圖像中包含的信息。欠采樣MR數(shù)據(jù)的第一部分和第二部分可以基于不同的準(zhǔn)則來選擇。例如，MR數(shù)據(jù)的第一部分和第二部分可以與不同的對(duì)比度設(shè)置、或者相同的對(duì)比度設(shè)置但不同的線圈、或者相同的對(duì)比度設(shè)置和線圈但讀出方向上的不同節(jié)段相關(guān)聯(lián)。

在示例中，一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)可以包括級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(CNN)，其包括一個(gè)或多個(gè)數(shù)據(jù)一致性層。在示例中，一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)可以包括多個(gè)深度方向可分離的卷積層。在示例中，一個(gè)或多個(gè)神經(jīng)網(wǎng)絡(luò)可以各自具有經(jīng)由神經(jīng)架構(gòu)搜索確定的結(jié)構(gòu)。

附圖說明

從以下結(jié)合附圖通過示例的方式給出的描述中，可以獲得本文所公開示例的更詳細(xì)理解。

圖1是例示了根據(jù)本文所述的一個(gè)或多個(gè)實(shí)施例的用于使用基于深度學(xué)習(xí)的方法重建磁共振(MR)圖像的示例框架的框圖。

圖2是例示了根據(jù)本文所述的一個(gè)或多個(gè)實(shí)施例的組合兩個(gè)單獨(dú)重建的MR圖像以獲得具有期望特征的目標(biāo)MR圖像的示例的框圖。

圖3A、圖3B和圖3C是例示了根據(jù)本文所述的一個(gè)或多個(gè)實(shí)施例的用于為了重建MR圖像的目的而從多維MR數(shù)據(jù)集中選擇MR數(shù)據(jù)子集的示例方式的框圖。

圖4是例示了根據(jù)本文所述的一個(gè)或多個(gè)實(shí)施例的使用人工神經(jīng)網(wǎng)絡(luò)的MR圖像重建的示例的框圖。

圖5是例示了根據(jù)本文所述的一個(gè)或多個(gè)實(shí)施例的可用于基于欠采樣MR數(shù)據(jù)重建MR圖像的示例神經(jīng)網(wǎng)絡(luò)的框圖。