[发明专利]磁共振成像方法、装置、计算机设备和存储介质

说明书

本申请涉及一种磁共振成像方法、装置、计算机设备和存储介质。所述方法包括：获取第一磁共振成像数据；第一磁共振成像数据填充K空间的部分编码位置；将第一磁共振成像数据输入预设的神经网络模型，得到第二磁共振成像数据；第二磁共振成像数据填充K空间的部分编码位置和除部分编码位置之外的编码位置；预设的神经网络模型为将样本磁共振成像数据作为预设的初始神经网络模型的输入，并根据样本磁共振成像数据对初始神经网络模型的输出结果进行反馈，调节初始神经网络模型的参数，进行训练得到的；对第二磁共振成像数据进行图像重建，得到磁共振图像。采用本方法能够提高得到的第二磁共振成像数据的质量。

技术领域

本申请涉及医学影像技术领域，特别是涉及一种磁共振成像方法、装置、计算机设备和存储介质。

背景技术

磁共振成像(Magnetic Resonance Imaging，MRI)能够反映组织的纵向弛豫时间T1，横向弛豫时间T2和质子密度等多种特性，从而为疾病的检出和诊断提供信息，MRI已成为医学影像检查的重要技术手段。然而，磁共振成像过程中扫描速度慢、扫描时间长，限制了磁共振成像在临床上的应用。随着深度学习技术的发展，因其超强的学习能力，利用深度学习技术为磁共振扫描进行加速已成为深度学习技术的应用之一，而利用深度学习技术为磁共振扫描进行加速最大的问题就是训练集的获取。

传统技术中，获取深度学习模型的训练集的方法主要是通过预先制定好标准，对受试者进行长时间的数据采集，得到满采样数据，根据临床中会执行的欠采样方案对满采样数据进行剔除等处理，得到欠采样数据，将得到的欠采样数据作为深度学习模型的训练集。

然而，传统方法中由于采集满采样数据时间较长，导致采集到的满采样数据存在数据质量较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高采集的满采样数据质量的磁共振成像方法、装置、计算机设备和存储介质。

一种磁共振成像方法，所述方法包括：

获取第一磁共振成像数据；所述第一磁共振成像数据填充K空间的部分编码位置；

将所述第一磁共振成像数据输入预设的神经网络模型，得到第二磁共振成像数据；所述第二磁共振成像数据填充所述K空间的所述部分编码位置和除所述部分编码位置之外的编码位置；其中，所述预设的神经网络模型为将样本磁共振成像数据作为预设的初始神经网络模型的输入，并根据所述样本磁共振成像数据对所述预设的初始神经网络模型的输出结果进行反馈，以调节所述预设的初始神经网络模型的参数，对所述预设的初始神经网络模型进行训练得到的；所述样本磁共振成像数据填充样本K空间的部分样本编码位置；所述输出结果填充所述样本K空间的所述部分样本编码位置和除所述部分样本编码位置之外的编码位置；

对所述第二磁共振成像数据进行图像重建，得到磁共振图像。

在其中一个实施例中，所述神经网络模型的训练过程包括：

获取样本磁共振成像数据；所述样本磁共振成像数据填充所述样本K空间的部分样本编码位置；

将所述样本磁共振成像数据输入所述预设的初始神经网络模型，得到预测磁共振成像数据；所述预测磁共振成像数据填充所述样本K空间的所述部分样本编码位置和除所述部分样本编码位置之外的样本编码位置；

根据所述样本磁共振成像数据、所述预测磁共振成像数据、恢复样本磁共振成像数据和预设的判断标准，对所述初始神经网络模型进行训练，得到所述神经网络模型；所述恢复样本磁共振成像数据为对所述样本磁共振成像数据进行拟合所得到的数据。

在其中一个实施例中，所述根据所述样本磁共振成像数据、所述预测磁共振成像数据、恢复样本磁共振成像数据和预设的判断标准，对所述初始神经网络模型进行训练，得到所述神经网络模型，包括：