[发明专利]一种基于深度学习和凸集投影的磁共振重建方法有效
| 申请号： | 201810306848.5 | 申请日： | 2018-04-08 |
| 公开（公告）号： | CN108335339B | 公开（公告）日： | 2021-10-22 |
| 发明（设计）人： | 朱高杰 | 申请（专利权）人： | 朱高杰 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;A61B5/055 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 徐金琼 |
| 地址： | 610000 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度学习和凸集投影的磁共振重建方法，涉及磁共振技术领域，包括：S1：根据多个卷积神经网络模块和多个凸集投影层的重叠结构以及共享数据构建网络，所述共享数据包括已采集的K空间数据和线圈灵敏度信息，所述凸显投影层基于共享数据得到；S2：网络构建完成后，通过反向传播过程训练出所有网络参数，并对网络参数进行校验；S3：根据检验后的网络参数确定网络的结构及运算特征，输入已知的测试集数据,进行网络的前向传播，得到未知映射数据，完成磁共振的重建。本发明解决了目前的基于深度学习的磁共振重建技术只能支持单通道磁共振数据，不能够处理多通道磁共振数据的问题。 | ||
| 搜索关键词： | 一种 基于 深度 学习 投影 磁共振 重建 方法 | ||
【主权项】：
1.一种基于深度学习和凸集投影的磁共振重建方法，其特征在于，包括如下步骤：S1：根据多个卷积神经网络模块和多个凸集投影层的重叠结构以及共享数据构建网络，所述共享数据包括已采集的K空间数据和线圈灵敏度信息，所述凸集投影层基于共享数据得到；S2：网络构建完成后，通过反向传播过程训练出所有网络参数，并对网络参数进行校验；S3：根据检验后的网络参数确定网络的结构及运算特征，输入已知的测试集数据,进行网络的前向传播，得到未知映射数据，完成磁共振的重建。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于朱高杰，未经朱高杰许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810306848.5/，转载请声明来源钻瓜专利网。
- 上一篇：实验动物体多模融合成像系统及使用方法
- 下一篇：动态倒车轨迹显示及校准方法
