[发明专利]一种基于神经网络的网格化磁共振图像重建方法和装置

权利要求书

1.一种基于神经网络的网格化磁共振图像重建方法，其特征在于，包括：

获取初始采样数据，对所述初始采样数据进行密度补偿，得到补偿数据；

使用至少两种插值算法对所述补偿数据进行重采样，得到各插值算法对应的重采样数据；

将各所述重采样数据输入权重神经网络，得到所述重采样数据对应的权重，并根据各所述重采样数据对应的权重，对各所述重采样数据进行加权求和，得到目标数据；

对所述目标数据进行图像重建处理，得到磁共振图像；

其中，所述将各所述重采样数据输入权重神经网络，得到所述重采样数据对应的权重，并根据各所述重采样数据对应的权重，对各所述重采样数据进行加权求和，得到目标数据，包括：

将各所述重采样数据在预设频段内的数据输入所述预设频段对应的权重神经网络，得到各所述重采样数据在预设频段对应的权重，其中，所述预设频段的数量为两个以上；

根据各所述重采样数据在预设频段对应的权重，对各所述重采样数据在预设频段内的数据进行加权求和，得到所述预设频段对应的融合数据；

根据各所述预设频段对应的融合数据确定所述目标数据。

2.如权利要求1所述的基于神经网络的网格化磁共振图像重建方法，其特征在于，所述权重神经网络为卷积神经网络。

3.如权利要求1所述的基于神经网络的网格化磁共振图像重建方法，其特征在于，所述对所述目标数据进行图像重建处理，得到磁共振图像包括：

对所述目标数据进行快速傅里叶逆变换，得到磁共振图像。

4.如权利要求1所述的基于神经网络的网格化磁共振图像重建方法，其特征在于，所述插值算法为线性插值算法。

5.如权利要求4所述的基于神经网络的网格化磁共振图像重建方法，其特征在于，所述插值算法包括最邻近插值法、双线性插值法以及三次样条插值法中的两种以上。

6.一种基于神经网络的网格化磁共振图像重建装置，其特征在于，包括：

密度补偿模块，用于获取初始采样数据，对所述初始采样数据进行密度补偿，得到补偿数据；

重采样模块，用于使用至少两种插值算法对所述补偿数据进行重采样，得到各插值算法对应的重采样数据；

权重学习模块，用于将各所述重采样数据输入权重神经网络，得到所述重采样数据对应的权重，并根据各所述重采样数据对应的权重，对各所述重采样数据进行加权求和，得到目标数据；

图像重建模块，用于对所述目标数据进行图像重建处理，得到磁共振图像；

其中，所述将各所述重采样数据输入权重神经网络，得到所述重采样数据对应的权重，并根据各所述重采样数据对应的权重，对各所述重采样数据进行加权求和，得到目标数据，包括：

将各所述重采样数据在预设频段内的数据输入所述预设频段对应的权重神经网络，得到各所述重采样数据在预设频段对应的权重，其中，所述预设频段的数量为两个以上；

根据各所述重采样数据在预设频段对应的权重，对各所述重采样数据在预设频段内的数据进行加权求和，得到所述预设频段对应的融合数据；

根据各所述预设频段对应的融合数据确定所述目标数据。

7.如权利要求6所述的基于神经网络的网格化磁共振图像重建装置，其特征在于，所述权重学习模块包括：

权重计算子模块，用于将各所述重采样数据在预设频段内的数据输入所述预设频段对应的权重神经网络，得到各所述重采样数据在预设频段对应的权重，其中，所述预设频段的数量为两个以上；

加权融合子模块，用于根据各所述重采样数据在预设频段对应的权重，对各所述重采样数据在预设频段内的数据进行加权求和，得到所述预设频段对应的融合数据；

目标数据模块，用于根据各所述预设频段对应的融合数据确定所述目标数据。

8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。