图像重建的系统和方法技术方案

本申请涉及一种系统，该系统根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集。该系统还可以基于K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：将K空间数据集的至少一部分输入到序列子模型中；从序列子模型输出K空间数据集的特征表示；将K空间数据集的特征表示输入到域转换子模型中；以及从域转换子模型输出重建图像。

System and method of image reconstruction

【技术实现步骤摘要】
图像重建的系统和方法交叉引用本申请要求于2019年11月28日提交的美国申请号为US16/699,092的优先权，其全部内容通过引用的方式并入本文。
本申请涉及磁共振成像(MRI)系统的图像重建，具体地，涉及基于机器学习技术重建磁共振(MR)图像的系统和方法。
技术介绍
磁共振成像(MRI)通过非侵入方式提供对象或其部分解剖结构，应用广泛。当前，基于与MR信号相对应的K空间数据集来重建MRI图像。实际上，如果对K空间数据集进行全采样，则K空间数据集的数据采集速度慢，导致MRI扫描耗时，并增加了被扫描对象的不适感。降采样可以加快数据采集的速度，基于降采样K空间数据集，可以使用逆傅立叶变换技术进行图像重建。采用这种方式，可能会在重建图像中引入伪影，如，混叠伪影，数据采集的加速是以牺牲重建图像的质量来实现的。因此，期望提供一种使用降采样K空间数据集来有效地重建高质量磁共振(MR)图像的系统和方法。
技术实现思路
本申请的第一方面提供了一种图像重建方法。所述方法包括：根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集；基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：将所述K空间数据集的至少一部分输入到所述序列子模型中；从所述序列子模型输出所述K空间数据集的特征表示；将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及从所述域转换子模型输出所述重建图像。本申请的第二方面提供了一种图像重建的系统。所述系统包括K空间数据集获取模块和图像重建模块。所述K空间数据集获取模块被配置为根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集；所述图像重建模块被配置为基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下方式重建图像：将所述K空间数据集的至少一部分输入到所述序列子模型中；从所述序列子模型输出所述K空间数据集的特征表示；将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及从所述域转换子模型输出所述重建图像。本申请的第三方面提供了一种生成图像重建模型的方法，所述方法包括：获取至少两个训练K空间数据集；以及基于所述至少两个训练K空间数据集，通过训练初始图像重建模型生成图像重建模型。本申请的第四方面提供了一种生成图像重建模型的系统。所述系统可以获取至少两个训练K空间数据集；以及基于所述至少两个训练K空间数据集，通过训练初始图像重建模型生成图像重建模型。本申请的第五方面提供了一种生成图像重建模型的装置，其包括处理器，所述处理器用于执行图像重建方法。所述方法包括：根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集；基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：将所述K空间数据集的至少一部分输入到所述序列子模型中；从所述序列子模型输出所述K空间数据集的特征表示；将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及从所述域转换子模型输出所述重建图像。本申请的第六方面提供了一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行图像重建方法。所述方法包括：根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集；基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：将所述K空间数据集的至少一部分输入到所述序列子模型中；从所述序列子模型输出所述K空间数据集的特征表示；将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及从所述域转换子模型输出所述重建图像。本申请的第七方面提供了一种生成图像重建模型的装置，其包括处理器，所述处理器用于执行生成图像重建模型方法。所述方法包括：获取至少两个训练K空间数据集；以及基于所述至少两个训练K空间数据集，通过训练初始图像重建模型生成图像重建模型。本申请的第八方面提供了一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如生成图像重建方法。所述方法包括：获取至少两个训练K空间数据集；以及基于所述至少两个训练K空间数据集，通过训练初始图像重建模型生成图像重建模型。本申请的第九方面提供了一种图像重建的系统，其包括：包括一组指令的至少一个存储设备；至少一个与所述至少一个存储设备连通的处理器，其中，当执行所述一组指令时，所述至少一个处理器被配置为使所述系统执行以下操作：根据磁共振成像(MRI)扫描仪获取的磁共振(MR)信号获取K空间数据集；基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：将所述K空间数据集的至少一部分输入到所述序列子模型中；从所述序列子模型输出所述K空间数据集的特征表示；将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及从所述域转换子模型输出所述重建图像。本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。附图说明本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：图1是根据本申请的一些实施例所示的示例性磁共振成像(MRI)系统的示意图；图2是根据本申请的一些实施例所示的示例性MRI扫描仪的示意图；图3是根据本申请的一些实施例所示的计算设备的示例性硬件组件和/或软件组件的示意图；图4是根据本申请的一些实施例所示的移动设备的示例性硬件组件和/或软件组件的示意图；图5是根据本申请的一些实施例所示的示例性处理设备的示意性框图；图6是根据本申请的一些实施例所示的基于K空间数据集使用图像重建模型生成重建图像的示例性流程的流程图；图7是根据本申请的一些实施例所示的基于K空间数据集使用图像重建模型生成重建图像的示例性流程的流程图；图8是根据本申请的一些实施例所示的生成图像重建模型的示例性流程的流程图；图9是根据本申请的一些实施例所示的生成图像重建模型的示例性流程的流程图；以及图10是根据本申请的一些实施例所示的基于K空间数据集生成包含一系列数据点的变形数据的示例性过程的示意图。具体实施方式为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，对于本领域的普通技术人员来讲，本专利技术可以在不采用所述细节的情况下实施。在其他情况下，为了避免不必要地模糊本申请的各方面，已经在相对较高的级别上概略地描述了众所周知的方法、过程、系统本文档来自技高网...

【技术保护点】
1.一种图像重建的方法，其特征在于，包括：/n根据磁共振成像MRI扫描仪获取的磁共振MR信号获取K空间数据集；/n基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：/n将所述K空间数据集的至少一部分输入到所述序列子模型中；/n从所述序列子模型输出所述K空间数据集的特征表示；/n将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及/n从所述域转换子模型输出所述重建图像。/n

【技术特征摘要】
20191128 US 16/699,0921.一种图像重建的方法，其特征在于，包括：
根据磁共振成像MRI扫描仪获取的磁共振MR信号获取K空间数据集；
基于所述K空间数据集，使用包含序列子模型和域转换子模型的图像重建模型，通过以下操作生成重建图像：
将所述K空间数据集的至少一部分输入到所述序列子模型中；
从所述序列子模型输出所述K空间数据集的特征表示；
将所述K空间数据集的所述特征表示输入到所述域转换子模型中；以及
从所述域转换子模型输出所述重建图像。


2.根据权利要求1所述的方法，其特征在于，所述将所述K空间数据集的至少一部分输入到所述序列子模型中包括：
基于所述K空间数据集，将所述K空间数据集变形成包含一系列数据点的向量。
将所述向量的至少一部分有序地输入到所述序列子模型中。


3.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：
连结向量、第二向量、第三向量、第四向量和第五向量，其中：
所述第二向量包括所述向量的至少一部分的数据点的降采样信息；
所述第三向量包括所述向量的至少一部分的数据点的第一坐标；
所述第四向量包括所述向量的至少一部分的数据点的第二坐标；
所述第五向量包括所述向量的至少一部分的数据点的第三坐标；以及
将所述连结的向量的至少一部分有序地输入到所述序列子模型中。


4.根据权利要求3所述的方法，其特征在于，所述将所述向量的至少一部分有序地输入到所述序列子模型中包括：
基于所述降采样信息，通过从所述一系列数据点中剔除与所述K空间数据集中的未采样数据点相对应的所述向量的数据点，来确定所述向量的至少一部分。


5.根据权利要求1所述的方法，其特征在于，所述将所述K空间数据集的至少一部分输入到所...

【专利技术属性】
技术研发人员：陈章，孙善辉，陈德仁，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31