摘要
本发明公开了一种快速磁共振多序列联合成像方法、系统、设备及介质,涉及深度学习技术领域,包括以下步骤:采集不同序列的多张欠采样MR图像,其中,多张欠采样MR图像共享相同的公共特征,每张欠采样MR图像均享有各自对应的特异特征;基于隐变量模型对多张欠采样MR图像与隐变量之间的映射关系进行建模,并基于映射关系构建快速磁共振多序列联合成像中重建任务的优化目标;通过深度展开网络对优化目标进行求解。将多张欠采样MR图像特征细分为模态间共享的公共特征和模态独有的特异特征,对MR图像的共享与特异特征的精细解耦,解决了模态间相关性建模较弱的问题,并可有效避免引入冗余信息或丢失序列特异性细节信息。
技术关键词
联合成像方法
重建MR图像
特异
磁共振
隐变量模型
欠采样图像
序列
字典
模块
网络
深度学习技术
阶段
关系
处理器
计算机设备
可读存储介质
存储器
系统为您推荐了相关专利信息
深度神经网络训练
磁共振图像重建
深度神经网络架构
多参数
呼吸运动模型
智能调度决策方法
智能调度决策系统
炼钢生产线设备
贪婪算法
特异
集成特征
动态时间规整算法
暂态事件
滑动窗口
随机梯度下降
永磁体
矩阵
参数
神经网络模型构建
磁共振成像技术