[发明专利]基于深度学习的超快速磁共振成像高精度仿真方法及系统

权利要求书

1.基于深度学习的超快速磁共振成像高精度仿真方法，其特征在于包括以下步骤：

S1：制作虚拟成像对象；

S2：根据仿真的磁共振序列对虚拟成像对象进行传统的Bloch仿真，得到磁共振图像并保留磁共振序列成像参数、不理想因素；

S3：使用一个位置编码模板、与所述虚拟成像对象、磁共振序列成像参数、不理想因素以及磁共振图像制作训练样本；

S4：针对磁共振成像的特点，构建一个特殊的深度神经网络仿真器Simu-Net；

S5：使用所述训练样本对深度神经网络仿真器Simu-Net进行训练，得到训练好的深度神经网络仿真器Simu-Net；

S6：构建指定磁共振序列成像参数和不理想因素条件下的样本，使用所述深度神经网络仿真器Simu-Net进行磁共振成像仿真，得到磁共振图像。

2.根据权利要求1所述基于深度学习的超快速磁共振成像高精度仿真方法，其特征在于在步骤S1中，所述制作虚拟成像对象，具体包括：

S11：使用成对的磁共振T2加权图像与磁共振PD加权图像，对于磁共振PD加权图像，根据如下磁共振信号公式：

反向求得PD，即质子密度图，并归一化作为虚拟成像对象的质子密度图；

S12：对于磁共振T2加权图像，根据如下磁共振信号公式：

反向求得T2，即横向弛豫时间图，并对T2进行缩放，缩放至人体合理的T2值范围，作为虚拟成像对象的T2图；

S13：根据已经获得的磁共振PD加权图像，根据如下公式：

T1[PD-W＞0]＝2

T1[PD-W＝0]＝0

获取T1，也即纵向弛豫时间图，作为虚拟成像对象的T1图；

S14：将PD、T1、T2组合在一起，构成一个虚拟成像对象；

S15：重复步骤S11-S14，生成足够数量的虚拟成像对象。

3.根据权利要求1所述基于深度学习的超快速磁共振成像高精度仿真方法，其特征在于在步骤S2中，所述根据仿真的磁共振序列对虚拟成像对象进行传统的Bloch仿真，得到磁共振图像并保留磁共振序列成像参数、不理想因素，具体包括：

S21：选择仿真中要使用的磁共振成像序列；

S22：生成随机曲面，并缩放到合理的区间，用作磁共振成像过程中的不理想因素，如主磁场的不均匀性dB0、射频脉冲的不均匀性B1+等；

S23：根据选定的磁共振成像序列和不理想因素，以传统的Bloch仿真方法对所述虚拟成像对象进行仿真成像，并保留成像参数、不理想因素，获得磁共振图像、磁共振成像参数、不理想因素。

4.根据权利要求1所述基于深度学习的超快速磁共振成像高精度仿真方法，其特征在于在步骤S3中，所述使用一个位置编码模板、与所述虚拟成像对象、磁共振序列成像参数、不理想因素以及磁共振图像制作训练样本，具体包括：

将一个带有调制信息的图，作为位置编码模板，与所述虚拟成像对象、磁共振序列成像参数、磁共振图像组成一个训练样本，不断重复该步骤，直至获得足够数量的训练样本。

5.根据权利要求1所述基于深度学习的超快速磁共振成像高精度仿真方法，其特征在于在步骤S4中，所述特殊的深度神经网络仿真器Simu-Net，由三部分组成：动态滤波器生成模块、动态卷积模块、编码器-解码器模块；其中动态滤波器生成模块用于接收一维的磁共振序列成像参数。