摘要
本公开涉及用于使用深度学习重建来缩短PROPELLER磁共振成像采集的扫描时间的系统和方法。一种用于缩短周期性旋转重叠平行线伴增强重建(PROPELLER)成像的扫描时间的系统和方法,该系统和方法包括在PROPELLER序列期间经由磁共振成像(MRI)扫描仪以围绕k空间的中心旋转的方式采集感兴趣区域的多个k空间数据叶片,其中,该多个k空间数据叶片中的每个叶片包括按相位编码顺序采样的多个平行相位编码线。多个k空间数据叶片中的每个叶片是欠采样的。该系统和方法包括利用基于深度学习的类似笛卡尔重建网络来单独和分开重建多个k空间数据叶片中的每个叶片,以生成多个完全采样的叶片。该系统和方法包括利用PROPELLER重建算法从多个完全采样的叶片生成复图像。
技术关键词
叶片
笛卡尔
处理器可执行代码
重建算法
计算机
网络
图像
接收器
平行线
磁共振
扫描仪
编码
感兴趣
成像
周期性
序列
线圈
系统为您推荐了相关专利信息
清洁装置
水池
图像采集设备
计算机存储介质
存储计算机程序
风电机组运行数据
失稳预测方法
频率
叶片结构
风电机组技术
共享算法
存储方法
三态内容寻址存储
访问控制列表规则
表项管理
QoS指标
机器学习模型
多模态
历史性能数据
流水线
更新方法
特征提取模块
CDN边缘节点
策略
注意力