基于隐式神经表征学习的快速磁共振参数定量成像方法

AITNT
正文
推荐专利
基于隐式神经表征学习的快速磁共振参数定量成像方法
申请号:CN202411904664
申请日期:2024-12-23
公开号:CN120028738A
公开日期:2025-05-23
类型:发明专利
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
1
一种基于人工智能的作物基因型预测全生育期图像的方法
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
2
一种基于脑影像融合特征的颞叶癫痫切除手术疗效评估系统
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
3
风电功率预测模型的数值天气预报数据筛选方法和装置
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
4
一种智能厨余垃圾识别分类方法
智能厨余垃圾 多标签 识别分类方法 图像捕捉区域 数据
5
基于属性信息和大型基础模型的车辆目标检测方法
视觉特征 语义 令牌 图像 文本
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号