[发明专利]磁共振成像方法、装置、系统及存储介质

说明书

本发明公开了一种磁共振成像方法、装置、系统及存储介质。其中方法包括：根据磁共振成像的原始模型和用于求解原始模型的迭代算法建立初始网络模型，其中，迭代算法中包括待定求解算子和待定参数；将样本的欠采样K空间数据输入至初始网络模型中，得到网络模型的输出磁共振图像，根据输出磁共振图像和样本的标准磁共振图像确定损失函数；根据损失函数调节初始网络模型中网络参数和待定参数，生成用于磁共振成像的网络模型，其中，初始网络模型中网络参数用于替代迭代算法中的待定求解算子；获取待处理的欠采样K空间数据，将欠采样K空间数据输入至用于磁共振成像的网络模型，生成磁共振图像，提高了磁共振图像的质量。

技术领域

本发明实施例涉及深度学习技术，尤其涉及磁共振成像方法、装置、系统及存储介质。

背景技术

磁共振利用静磁场和射频磁场对人体组织成像，它不仅提供了丰富的组织对比度，且对人体无害，因此成为医学临床诊断的一种强有力的工具。但是，成像速度慢一直是制约其快速发展的一大瓶颈。

在快速成像方面，目前常用的技术是并行成像和压缩感知。并行成像是利用多通道线圈之间的相关性来加速采集，而压缩感知则是利用被成像物体的稀疏性这一先验信息来减少k空间采样点。但是受硬件等条件限制，并行成像加速倍数有限，且随着加速倍数的增加，图像会出现噪声放大的现象；而压缩感知技术由于采用迭代重建使得重建时间非常长，且较难选择稀疏变换和重建参数。

发明内容

本发明提供一种磁共振成像方法、装置、系统及存储介质，以实现提高磁共振图像的质量。

第一方面，本发明实施例提供了一种磁共振成像方法，该方法包括：

根据磁共振成像的原始模型和用于求解所述原始模型的迭代算法建立初始网络模型，其中，所述迭代算法中包括待定求解算子和待定参数；

将样本的欠采样K空间数据输入至所述初始网络模型中，得到网络模型的输出磁共振图像，根据所述输出磁共振图像和所述样本的全采样K空间数据生成的标准磁共振图像确定损失函数；

根据所述损失函数调节所述初始网络模型中网络参数和待定参数，生成用于磁共振成像的网络模型，其中，所述初始网络模型中网络参数用于替代所述迭代算法中的所述待定求解算子；

获取待处理的欠采样K空间数据，将所述欠采样K空间数据输入至所述用于磁共振成像的网络模型，生成磁共振图像。

第二方面，本发明实施例还提供了一种磁共振成像装置，包括：

初始网络模型建立模块，用于根据磁共振成像的原始模型和用于求解所述原始模型的迭代算法建立初始网络模型，其中，所述迭代算法中包括待定求解算子和待定参数；

损失函数确定模块，用于将样本的欠采样K空间数据输入至所述初始网络模型中，得到网络模型的输出磁共振图像，根据所述输出磁共振图像和所述样本的全采样K空间数据生成的标准磁共振图像确定损失函数；

网络模型训练模块，用于根据所述损失函数调节所述初始网络模型中网络参数和待定参数，生成用于磁共振成像的网络模型，其中，所述初始网络模型中网络参数用于替代所述迭代算法中的所述待定求解算子；

磁共振成像模块，用于获取待处理的欠采样K空间数据，将所述欠采样K空间数据输入至所述用于磁共振成像的网络模型，生成磁共振图像。

第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例提供的磁共振成像方法。

第四方面，本发明实施例还提供了一种磁共振成像系统，包括磁共振设备和计算机设备，其中所述计算机设备包括存储器、一个或多个处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明任意实施例提供的磁共振成像方法。