一种磁共振图像的重建方法及装置与流程
- 国知局
- 2024-09-05 14:24:54
本技术涉及磁共振医学图像重建,尤其涉及一种磁共振图像的重建方法及装置。
背景技术:
1、磁共振图像在医学诊断和研究中扮演着不可或缺的角色,其高分辨率和非侵入性使得它成为医生诊断和治疗决策中的重要工具。但是传统的磁共振成像需要用较长来采集k空间(傅里叶空间)的数据,从而导致磁共振成像较慢,影响到了医学的诊断效率。
2、因此在现有的技术中,可以通过磁共振稀疏采样重建来加快磁共振成像的效率,即通过对k空间的数据进行稀疏欠采样来减少采集的数据量,达到缩短成像时间的目的,但是欠采样的k空间需要在欠采样结束后才对其进行重建,最后才能得到磁共振图像。
3、虽然磁共振的稀疏欠采样可以有效地减少采集病人的数据量,但是对于没有欠采样的k空间的数据,对其进行重建时必须利用图像和物理的相关知识才能重建成功,得到磁共振图像,从而就会导致重建时间进一步地增加,并且也进一步地影响磁共振成像的效率。
技术实现思路
1、基于上述现有技术的不足,本技术提供了一种磁共振图像的重建方法及装置,以解决现有技术所带来的增加k空间的数据重建时间的问题。
2、为了实现上述目的,本技术提供了以下技术方案:
3、本技术第一方面提供了一种磁共振图像的重建方法,包括:
4、获取磁共振的自校准信号和欠采样的回波信号;
5、对所述自校准信号进行拟合,得到线性拟合系数矩阵;
6、将所述线性拟合系数矩阵以及所述回波信号,输入到预先构建的优化模型中,并利用预设方法对所述优化模型进行迭代求解,得到所述磁共振对应的磁共振重建图像;其中,在每一步迭代求解的过程中,利用预设方法将所述优化模型的分解成多个子问题;在所述优化模型中,根据预设磁共振图像对所述优化模型进行分解,并且所述预设磁共振图像中的每一个像素点对应一个独立的子问题,以及每个所述子问题均对应一个一维解。
7、可选地,在上述的磁共振图像的重建方法中,所述预设方法为并行校正方法,所述利用预设方法对所述优化模型进行迭代求解,得到所述磁共振对应的磁共振重建图像,包括:
8、设定所述优化模型的初始解;
9、根据所述初始解,计算多个第一目标公式,得到多个第一解;其中,所述第一目标公式的数量根据优化模型对应的子问题的数量进行决定得到;
10、根据每个所述第一解,计算第一求解公式,得到第一目标解;
11、执行迭代操作,将所述初始解的当前系数加1,并判断当前系数是否小于预设迭代步数或者第一目标范数是否小于预设阈值;其中,所述第一目标范数指代所述第一目标解与第一预设解之间的差值的范数;
12、若所述当前系数小于所述预设迭代步数,或者所述第一目标范数小于所述预设阈值,则将所述第一目标解对应的图像确定为所述磁共振对应的磁共振重建图像;
13、若所述当前系数大于所述预设迭代步数,或者所述第一目标范数大于所述预设阈值,则将所述第一目标解作为所述初始解,并返回执行所述根据所述初始解,计算多个目标公式,得到多个第一解。
14、可选地,在上述的磁共振图像的重建方法中,所述利用预设方法对所述优化模型进行迭代求解,得到所述磁共振对应的磁共振重建图像,包括:
15、设定所述优化模型的初始解;
16、根据所述初始解,计算多个第二目标公式,得到多个第二解;其中,所述第二目标公式的数量根据优化模型对应的子问题的数量进行决定得到;
17、根据每个所述第二解,计算设定公式,得到设定解;
18、根据所述第一解以所述设定解,计算第二求解公式,得到第二目标解;
19、执行迭代操作,将所述初始解的当前系数加1,并判断当前系数是否小于预设迭代步数或者第二目标范数是否小于预设阈值;其中,所述第二目标范数指代所述第二目标解与第二预设解之间的差值的范数;
20、若所述当前系数小于所述预设迭代步数,或者所述第二目标范数小于所述预设阈值,则将所述第二目标解对应的图像确定为所述磁共振对应的磁共振重建图像;
21、若所述当前系数大于所述预设迭代步数,或者所述第二目标范数大于所述预设阈值,则将所述第二目标解作为所述初始解,并返回执行所述根据所述初始解,计算多个第二目标公式,得到多个第二解。
22、可选地,在上述的磁共振图像的重建方法中,所述预设方法为并行校正方法或连续校正方法,所述优化模型的分解方法,包括:
23、获取预设磁共振图像;
24、根据所述预设磁共振图像中的每一个像素点,对所述优化模型进行分解,得到所述预设磁共振图像中的每一个像素点对应的子问题;
25、将所述预设磁共振图像中的每一个像素点对应的子问题确定为所述优化模型对应的多个子问题。
26、可选地,在上述的磁共振图像的重建方法中,所述获取磁共振的自校准信号,包括:
27、通过磁共振成像扫描设备对图像进行扫描,得到图像数据;
28、对图像数据进行预处理,得到预处理后的图像数据;
29、从预处理后的图像数据中确定扫描部位,并从所述扫描部位中获取信号强度信息;
30、基于所述信号强度信息,生成磁共振的自校准信号。
31、本技术第二方面提供了一种磁共振图像的重建装置,包括:
32、信号获取单元,用于获取磁共振的自校准信号和欠采样的回波信号;
33、拟合单元,用于对所述自校准信号进行拟合,得到线性拟合系数矩阵;
34、求解单元,用于将所述线性拟合系数矩阵以及所述回波信号,输入到预先构建的优化模型中,并利用预设方法对所述优化模型进行迭代求解,得到所述磁共振对应的磁共振重建图像;其中,在每一步迭代求解的过程中,利用预设方法将所述优化模型的分解成多个子问题;在所述优化模型中,根据预设磁共振图像对所述优化模型进行分解,并且所述预设磁共振图像中的每一个像素点对应一个独立的子问题,以及每个所述子问题均对应一个一维解。
35、可选地,在上述的磁共振图像的重建装置中,所述预设方法为并行校正方法,所述求解单元,包括:
36、第一设定单元,用于设定所述优化模型的初始解;
37、第一计算单元,用于根据所述初始解,计算多个第一目标公式,得到多个第一解;其中,所述第一目标公式的数量根据优化模型对应的子问题的数量进行决定得到;
38、第二计算单元,用于根据每个所述第一解,计算第一求解公式,得到第一目标解;
39、第一判断单元,用于执行迭代操作,将所述初始解的当前系数加1,并判断当前系数是否小于预设迭代步数或者第一目标范数是否小于预设阈值;其中,所述第一目标范数指代所述第一目标解与第一预设解之间的差值的范数;
40、第一确定单元,用于若所述当前系数小于所述预设迭代步数,或者所述第一目标范数小于所述预设阈值,则将所述第一目标解对应的图像确定为所述磁共振对应的磁共振重建图像;
41、第一作为单元,用于若所述当前系数大于所述预设迭代步数,或者所述第一目标范数大于所述预设阈值,则将所述第一目标解作为所述初始解,并返回执行所述根据所述初始解,计算多个目标公式,得到多个第一解。
42、可选地,在上述的磁共振图像的重建装置中,所述预设方法为连续校正方法,所述求解单元,包括:
43、第二设定单元,用于设定所述优化模型的初始解;
44、第三计算单元,用于根据所述初始解,计算多个第二目标公式,得到多个第二解;其中,所述第二目标公式的数量根据优化模型对应的子问题的数量进行决定得到;
45、第四计算单元,用于根据每个所述第二解,计算设定公式,得到设定解;
46、第五计算单元,用于根据所述第一解以所述设定解,计算第二求解公式,得到第二目标解;
47、第二判断单元,用于执行迭代操作,将所述初始解的当前系数加1,并判断当前系数是否小于预设迭代步数或者第二目标范数是否小于预设阈值;其中,所述第二目标范数指代所述第二目标解与第二预设解之间的差值的范数;
48、第二确定单元,用于若所述当前系数小于所述预设迭代步数,或者所述第二目标范数小于所述预设阈值,则将所述第二目标解对应的图像确定为所述磁共振对应的磁共振重建图像;
49、第二作为单元,用于若所述当前系数大于所述预设迭代步数,或者所述第二目标范数大于所述预设阈值,则将所述第二目标解作为所述初始解,并返回执行所述根据所述初始解,计算多个第二目标公式,得到多个第二解。
50、可选地,在上述的磁共振图像的重建装置中,所述预设方法为并行校正方法或连续校正方法,还包括:
51、图像获取单元,用于获取预设磁共振图像;
52、处理单元,用于根据所述预设磁共振图像中的每一个像素点,对所述优化模型进行分解,得到所述预设磁共振图像中的每一个像素点对应的子问题;
53、第三确定单元,用于将所述预设磁共振图像中的每一个像素点对应的子问题确定为所述优化模型对应的多个子问题。
54、可选地,在上述的磁共振图像的重建装置中,所述信号获取单元,包括:
55、扫描单元,用于通过磁共振成像扫描设备对图像进行扫描,得到图像数据;
56、预处理单元,用于对图像数据进行预处理,得到预处理后的图像数据;
57、第四确定单元,用于从预处理后的图像数据中确定扫描部位,并从所述扫描部位中获取信号强度信息;
58、生成单元,用于基于所述信号强度信息,生成磁共振的自校准信号。
59、本技术提供的一种磁共振图像的重建方法,通过获取磁共振的自校准信号和欠采样的回波信号,然后对自校准信号进行拟合,得到线性拟合系数矩阵,最后将线性拟合系数矩阵以及回波信号,输入到预先构建的优化模型中,并利用预设方法对优化模型进行迭代求解,得到磁共振对应的磁共振重建图像,其中,在每一步迭代求解的过程中,利用预设方法将优化模型的分解成多个子问题,在优化模型中,根据预设磁共振图像对优化模型进行分解,并且预设磁共振图像中的每一个像素点对应一个独立的子问题。从而通过对优化模型进行并行迭代求解,使得可以有效地减少图像的重建时间,提高重建图像的效率。
本文地址:https://www.jishuxx.com/zhuanli/20240905/286314.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表