[发明专利]用于图像重建的系统和方法

说明书

本申请提出了一种图像重建的方法和系统。该方法包括获取原始图像数据(510)；其中该原始图像数据包括多个频域欠采样图像数据样本；基于图像数据生成第一重建结果(520)；以及基于图像数据生成第二重建结果(530)；融合该第一重建结果和该第二重建结果(540)；以及基于该融合结果生成重建图像(550)。

技术领域

本公开涉及图像重建领域，特别涉及一种通过融合多幅图像重建结果来生成重建图像的系统和方法。

背景技术

图像重建常常被用于医学成像。已知有各种不同的重建方法用于由医学成像过程中获取的原始图像数据来生成重建图像，并且每种重建方法都具有其自身的优点和缺点。例如，压缩感知(CS)方法和深度学习(DL)方法可用于生成磁共振成像(MRI)图像。当使用CS方法时，为了实现快速图像重建，需要限制MRI扫描的时间，并且采集来用于重建MRI图像的数据可能是欠采样的。欠采样数据可能会导致重建图像中的信息不精确。当使用DL方法时，必须使用大量训练数据来训练深度学习模型，以在重建图像中产生精确的信息。然而，深度学习模型高度依赖于训练数据，并且训练好的深度学习模型可能仅对于某种类型的原始图像具有较好的性能。因此，期望将压缩感知方法与深度学习方法相结合以用更精确的信息重建医学图像。

发明内容

根据本发明的一个方面，提供了一种方法。该方法可以在至少一个设备上实现，该设备包括至少一个处理器和至少一个计算机可读存储介质。该方法可以包括以下一个或多个操作。可以获取原始图像数据，其中原始图像数据可以包括多个频域欠采样图像数据样本。使用第一重建方法，可以基于原始图像数据生成第一重建结果。使用第二重建方法，可以基于原始图像数据生成第二重建结果。第一重建结果与第二重建结果可以融合。根据融合的结果，可以生成重构图像。

根据本发明的另一方面，提供了一种系统。该系统可以包括存储一组指令的存储设备和配置为与该存储设备通信的至少一个处理器。在执行所述指令时，所述至少一个处理器可以使所述系统获取原始图像数据，其中所述原始图像数据可以包括多个频域欠采样图像数据样本。在执行所述指令时，所述至少一个处理器还可以使所述系统使用第一重建方法基于所述原始图像数据生成第一重建结果，并且使用第二重建方法基于所述原始图像数据生成第二重建结果。方法。在执行所述指令时，所述至少一个处理器还可以使所述系统融合所述第一重构结果和所述第二重构结果，并基于所述融合结果生成重构图像。

根据本发明的另一方面，提供了非暂时性计算机可读介质。非暂时性计算机可读介质可包括可执行指令。当指令由至少一个处理器执行时，可能导致至少一个处理器实现方法。该方法可以包括获取原始图像数据，其中原始图像数据可以包括多个频域欠采样图像数据样本。该方法可以包括使用第一重建方法基于原始图像数据生成第一重建结果，以及使用第二重建方法基于原始图像数据生成第二重建结果。该方法还可以包括融合第一重建结果和第二重建结果，并基于融合结果生成重建图像。

在一些实施例中，融合第一重建结果和第二重建结果可以包括以下一个或多个操作。第一重建结果可分解为多个第一组。所述第二重构结果可以分解为多个第二组，其中所述多个第二组中的每一个可以对应于所述多个第一组中的一个。可以确定与所述多个第一组和相应的第二组之间的匹配相关的置信水平。多个第一组和相应的第二组中的每一个都可以基于置信水平进行融合。

在一些实施例中，与多个第一组和相应的第二组之间的匹配相关的确定置信水平可包括以下一个或多个操作。可以确定所述多个第一组中的每一个的灰度值与相应的第二组的灰度值之间的相似性。置信水平可根据相似性确定。

在一些实施例中，融合第一重建结果和第二重建结果可以包括以下一个或多个操作。第一重构结果可转换为第一小波域数据。可以确定第一小波域数据的第一稀疏度。第二重构结果可转换为第二小波域数据。可以确定第二小波域数据的第二稀疏度。第一重建结果和第二重建结果可以基于第一稀疏度和第二稀疏度融合。