摘要
本发明公开了一种基于隐式神经表征学习的快速磁共振参数定量成像方法。该方法包括:构建隐式神经网络,用于学习T1ρ加权图像序列的表示;以设定的总损失函数为优化目标,利用自监督学习方式训练所述隐式神经网络;对于欠采样的磁共振成像k空间数据,利用经训练的所述隐式神经网络,重建T1ρ加权图像和T1ρ定量图。本发明能够在高欠采样率下,实现高质量的图像重建,并且不依赖于完全采样数据,显著缩短扫描时间并提高成像效率。
技术关键词
定量成像方法
磁共振
神经网络参数
多层感知器
缩短扫描时间
正则化参数
编码
处理器
图像重建
坐标
计算机设备
矩阵
数据
采样率
可读存储介质
存储器
序列
系统为您推荐了相关专利信息
作物表型
作物全生育期
语义分割模型
图像特征向量
多层感知器
疗效评估系统
多模态影像数据
融合特征
时序分析方法
可视化模块
数值天气预报数据
风电功率预测模型
风速
输入神经网络模型
多层感知器
智能厨余垃圾
多标签
识别分类方法
图像捕捉区域
数据