[发明专利]磁共振图像重建方法、装置和计算机可读存储介质

权利要求书

1.一种磁共振图像重建方法，包括以下步骤：

获取欠采样k空间数据；

基于经训练的神经网络模型和所述欠采样k空间数据获得预测图像；以及

基于压缩感知算法、所述欠采样k空间数据和所述预测图像生成重建图像，其中所述压缩感知算法包括若干约束项，所述约束项中的至少一项包括所述预测图像；所述压缩感知算法包括搜寻一个或一组变量的解，使成本函数得到最大或最小值，所述成本函数包括所述约束项，其中，所述约束项包括稀疏变换函数，所述稀疏变换函数的输入值为所述重建图像和所述预测图像。

2.如权利要求1所述的方法，其特征在于，所述成本函数的表达式为：

其中，s表示需要求解的图像，y表示采集的数据，Θ＝UF，U表示k-空间采样模式，取值为0或者1，F表示傅里叶变换，T表示稀疏变换函数，s_pred表示预测图像，λ₁和λ₂表示标量因子，ψ表示稀疏变换。

3.如权利要求1或2所述的方法，其特征在于，所述稀疏变换函数为差值操作函数，所述差值操作函数包括权重算子。

4.如权利要求3所述的方法，其特征在于，所述权重算子包括图像域的权重因子，与所述重建图像和所述预测图像差值进行点乘操作。

5.如权利要求3所述的方法，其特征在于，所述权重算子包括傅里叶变换域的权重因子和傅里叶变换域的K空间数据，所述傅里叶变换域的权重因子与所述傅里叶变换域的K空间数据进行点乘操作。

6.如权利要求1或2所述的方法，其特征在于，所述稀疏变换函数为全变量函数，所述全变量函数包括各向同性或者各向异性全变量算子，且图像域的权重因子和所述重建图像进行点乘操作。

7.如权利要求1所述的方法，其特征在于，所述神经网络模型包括卷积神经网络、全卷积网络或对抗生成网络，所述对抗生成网络包括生成网络和对抗网络，所述生成网络输入欠采样图像和参考图像，且输出解混叠图像，所述对抗网络输入所述解混叠图像和目标图像。

8.一种磁共振图像重建装置，包括：

存储器，用于存储可由处理器执行的指令；

处理器，用于执行所述指令以实现如权利要求1-7任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机指令，其中当计算机指令被处理器执行时，执行如权利要求1-7任一项所述的方法。