CN110244246A - 磁共振成像方法、装置、计算机设备和存储介质 - Google Patents
磁共振成像方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110244246A CN110244246A CN201910594145.1A CN201910594145A CN110244246A CN 110244246 A CN110244246 A CN 110244246A CN 201910594145 A CN201910594145 A CN 201910594145A CN 110244246 A CN110244246 A CN 110244246A
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- space data
- image
- phase
- pupil filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请涉及一种磁共振成像方法、装置、计算机设备和存储介质。所述方法包括:获取检测部位对应的磁共振成像信号,磁共振信号为对检测部位激发成像序列多次激发获得;将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据;将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。采用本方法能够提高成像效率。
Description
技术领域
本申请涉及医学成像技术领域,特别是涉及一种磁共振成像方法、装置、计算机设备和存储介质。
背景技术
磁共振设备是一种利用原子核自旋运动,在外加磁场内,经射频脉冲激发后产生磁共振信号并基于磁共振信号进行成像的医学影像设备。磁共振信号包含了整个激发范围的组织信息,是一个综合的磁共振信息号。为了获得某个层面,以及该层面内不同位置上的磁共振信号,需要使用线性梯度对该组织进行空间编码,包括层方向编码,频率和相位方向的编码。编码就是在原有的由磁体产生的磁场上叠加一个线性梯度场,使得组织所处的磁场是线性变化的。这样每个磁化矢量在三维空间中,对应的磁场都是不一样的,被激发后所产生的信号的频率和相位也都不一样,经过傅里叶变换后得到每个磁化矢量的位置信息,从而获得不同层面的二维图像。通常经过编码后,如果每个磁化矢量的相位信息能正确反应磁化矢量的位置信息,则在经过傅里叶变换之后,能获得没有伪影的图像。
然而,常常由于磁场的不均匀性,梯度非线性或者被扫描者的运动,会导致磁化矢量的相位变化发生了偏差,使得重建的磁共振图像产生伪影。由于伪影通常和运动的强度,协议的参数以及信号的强度有关。传统通常通过改进脉冲序列的设计来消除伪影,但是由于场的不均匀性,涡流以及梯度线性度的影响,脉冲序列的修改很难产生预期的效果,导致成像效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高成像效率的磁共振成像方法、装置、计算机设备和存储介质。
一种磁共振成像方法,所述方法包括:
获取检测部位对应的磁共振成像信号,所述磁共振信号为对所述检测部位激发成像序列获得;
将所述磁共振信号进行编码,获取所述磁共振信号对应的K空间数据,将所述磁共振信号对应的K空间数据作为待修正K空间数据;
将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像。
在其中一个实施例中,所述预设的神经网络为预先根据训练K空间数据训练所得;所述神经网络的训练过程包括:
获取同一检测部位的第一K空间数据和第二K空间数据;所述第一K空间数据为单次激发成像序列所得,所述第二K空间数据为多次激发成像序列所得;
将所述第一K空间数据和所述第二K空间数据输入至所述神经网络进行迭代训练,获得训练后的神经网络。
在其中一个实施例中,所述重建所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像之后,还包括:
重建所述磁共振信号对应的K空间数据,得到对比磁共振图像;
计算所述磁共振图像与所述对比磁共振图像的差异,得到图像差异值;
根据所述图像差异值确定所述磁共振图像是否满足预设要求;
若未满足预设要求,则获取所述磁共振图像的K空间数据,将所述磁共振图像的K空间数据作为待修正K空间数据;
返回将所述待修正K空间数据输入至预设的神经网络进行相位修正的步骤,直到重建得到的磁共振图像满足预设要求为止。
在其中一个实施例中,所述计算所述磁共振图像与对比磁共振图像的差异,得到图像差异值,包括:
获取所述磁共振图像的磁共振图像矩阵,以及获取所述对比磁共振图像的对比磁共振图像矩阵;
根据所述磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为所述图像差异值。
在其中一个实施例中,所述根据所述图像差异值确定所述磁共振图像是否满足预设要求,包括:
将所述图像差异值与预设阈值进行比较;
若所述图像差异值不大于所述预设阈值,则所述磁共振图像满足预设要求;
若所述图像差异值大于所述预设阈值,则所述磁共振图像未满足预设要求。
在其中一个实施例中,所述神经网络为全卷积神经网络;所述将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据,包括:
将所述待修正K空间数据输入至所述全卷积神经网络,利用所述全卷积神经网络对所述待修正K空间数据进行相位修正,得到相位修正后的K空间数据。
在其中一个实施例中,所述神经网络为生成式对抗网络;所述将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据,包括:
将所述待修正K空间数据输入至所述生成式对抗网络,利用所述生成式对抗网络对所述待修正K空间数据进行相位修正,得到相位修正后的K空间数据。
一种磁共振成像装置,所述磁共振成像装置包括:
获取模块,用于获取检测部位对应的磁共振成像信号,所述磁共振信号为对所述检测部位激发成像序列获得;
编码模块,用于将所述磁共振信号进行编码,获取所述磁共振信号对应的K空间数据,将所述磁共振信号对应的K空间数据作为待修正K空间数据;
修正模块,用于将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建模块,用于将所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的磁共振成像方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的磁共振成像方法。
上述磁共振成像方法、装置、计算机设备和存储介质,通过对检测部位激发成像序列接收到对应的磁共振信号,将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据。将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据。从而确保无需改进脉冲序列的设计,不会受场的不均匀性、梯度场非线性、梯度涡流等的影响,就能得到无偏差的相位。重建相位修正后的K空间数据,得到检测部位对应的磁共振图像,从而确保重建后的磁共振图像不会出现伪影。上述方法通过在磁共振扫描成像过程中,利用神经网络对K空间数据进行相位的修正,防止后续对K空间数据进行重建所得到的磁共振图像出现图像伪影,并且利用神经网络对K空间数据进行相位修正,无需改进脉冲序列,提高了成像的效率。
附图说明
图1为一个实施例中磁共振成像方法的应用环境图;
图2为一个实施例中磁共振成像方法的流程示意图;
图3为另一个实施例中磁共振成像方法的流程示意图;
图4为一个实施例中计算磁共振图像与对比磁共振图像的差异,得到图像差异值步骤的流程示意图;
图5为一个实施例中磁共振成像装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的磁共振成像方法,可以应用于如图1所示的应用环境中。其中,磁共振成像装置102通过网络与磁共振扫描设备104进行通信。磁共振成像装置102获取检测部位对应的磁共振信号,磁共振信号为磁共振扫描设备104对检测部位激发成像序列获得。磁共振成像装置102将磁共振信号进行编码,获取磁共振信号对应的K空间数据,磁共振成像装置102将磁共振信号对应的K空间数据作为待修正K空间数据。磁共振成像装置102将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据。磁共振成像装置102重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。其中,磁共振成像装置102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种磁共振成像方法,以该方法应用于图1中的磁共振成像装置为例进行说明,包括以下步骤:
步骤S202,获取检测部位对应的磁共振成像信号,磁共振信号为对检测部位激发成像序列多次激发获得。
其中,检测部位是指需要进行磁共振扫描的部位,可以理解为人体中的部位或器官,例如胸、肺,手部、脚部等。成像序列是指记载有用于指示磁共振扫描设备进行扫描的扫描参数的集合,包括射频脉冲、梯度脉冲、信号采集时刻等在时序上的排列组合。进一步地,梯度脉冲可形成层面选择梯度场、相位编码梯度场、频率编码梯度场等三种。可以理解为,在磁共振成像过程中,射频脉冲、梯度脉冲、信号采集时刻的设置参数的组合成为脉冲序列。磁共振信号则是通过对检测部位激发成像序列时所产生的磁共振信号,基于该磁共振信号进行图像重建等处理。
具体地,获取磁共振扫描设备发送的磁共振信号。在实际应用中,将需要进行检测的检测部位放置在磁共振扫描设备中的扫描床上,通过下发扫描指令控制磁共振扫描设备进行成像扫描。即磁共振扫描设备接收到扫描指令后,获取本次扫描对应的成像序列,通过对扫描床中的检测部位激发该成像序列,从而使得检测部位中的氢质子受到激励后产生磁共振现象,即会产生对应的磁共振信号。磁共振扫描设备接收到磁共振信号后发送给磁共振成像装置。即,磁共振成像装置获取到了对检测部位激发成像序列所获得的磁共振信号。
在本实施例中,所采用的成像序列包括但不限于回波平面成像序列(Echo Planarimaging,EPI)、常规自旋回波序列(Spin-echo sequence,SE)、快速自旋回波序列(FastSpin-echo sequence,FSE)等。在本实施例中,成像序列优选EPI序列,通常的EPI成像序列按照一幅图像需要进行射频脉冲激发的次数,可分为多次激发EPI(multi-shot EPI,MS-EPI)和单次激发EPI(SS-EPI)。其中,MS-EPI是指一次射频脉冲激发后利用读出梯度场连续切换采集多个梯度回波,填充K空间的多条相位编码线,需要多次射频脉冲激发和相应次数的EPI采集及数据迂回填充才能完成整个K空间的填充。而SS-EPI是指在一次射频脉冲激发后连续采集的梯度回波,即在一个RF脉冲激发后采集所有的成像数据,用于重建一个平面的MR图像,这种序列被称为单次激发。单次激发与多次激发各有优缺点,即SS-EPI的成像速度明显快于MS-EPI,因此更适用于对速度要求很高的功能成像。而由于MS-EPI的ETL(echotrain length,回波链长)相对较短,所以MS-EPI的图像质量一般优于SS-EPI,SNR(信噪比)更高,EPI常见的伪影更少。本实施例中,检测部位可以为腹部屏气扫描,成像序列选择多次激发EPI,以获得信噪比高的图像。
步骤S204,将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据。
其中,编码是指进行空间定位编码,让采集到的磁共振信号中带有空间定位信息。而由于磁共振信号的空间定位包括层面和层厚的选择,即编码包括频率编码和相位编码。K空间也称为傅里叶空间,是带有空间定位编码信息的磁共振信号原始数字数据填充的空间,每一幅磁共振图像都有其对应的K空间数据点阵。对K空间中的数据进行傅里叶变换,就能对原始数字数据中的空间定位编码信息进行解码,分解出不同频率、相位和幅度的磁共振信号,不同的频率和相位代表不同的空间位置,而幅度代表磁共振信号强度。把不同频率、相位及信号强度的磁共振数字信号分配到相应的像素中,我们就能得到磁共振图像,即重建出了磁共振图像。
具体地,频率编码和相位编码都是对磁共振信号施加不同的梯度场完成。频率编码通过施加前后高低的梯度场,而相位编码与频率编码施加梯度场的方向不同,应该施加在频率编码的垂直方向上。例如,频率编码施加前后方向的梯度场,相位编码则施加左右方向上的梯度场。通过对磁共振信号进行编码,得到对应的K空间数据,然后将该K空间数据作为待修正K空间数据。即需要进行相位修正的K空间数据,在K空间数据重建之前,通过对K空间数据进行相位的修正,防止重建图像出现伪影。
步骤S206,将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据。
其中,神经网络为预先训练完成,用于相位修正的网络模型。
具体地,将待修正K空间数据输入到预设的神经网络中,神经网络对K空间数据进行特征提取。根据预先训练学习到相位正确的K空间数据的特征,将待修正K空间数据的相位进行映射,对待修正K空间的相位进行修正,得到相位修正后的K空间数据。
在一个实施例中,神经网络为根据训练K空间数据训练所得,训练K空间数据即为用于训练神经网络的K空间数据,包括第一K空间数据和第二K空间数据。神经网络的训练过程具体地包括:获取同一检测部位的第一K空间数据和第二K空间数据;第一K空间数据为单次激发成像序列所得,第二K空间数据为多次激发成像序列所得;将第一K空间数据和第二K空间数据输入至神经网络进行迭代训练,获得训练后的神经网络。
第一K空间数据为单次激发成像序列所得,,第二K空间数据为多次激发成像序列所得。可选地,单次激发(single shot成像)序列可选择单次发射快速SE(SS-FSE)、半傅里叶单发射快速SE序列或者EPI序列中的一种。多次激发成像序列可选择快速自旋回波FSE、平面回波序列EPI等。
由于单次激发是一个层面图像的采集,速度快,对运动不敏感,图像不会因为相位不一致导致伪影,而多次激发完成一个层面图像的采集,对运动较为敏感,图像会出现伪影。因此,将第一K空间数据作为参考数据,将第二K空间数据作为输入数据。将第一K空间数据和第二K空间数据输入至预设的神经网络中,通过神经网络建立第一K空间数据和第二K空间数据相位的映射关系,即建立有伪影的K空间数据和没有伪影K空间数据的映射关系。后续使用神经网络进行相位修正时,通过该映射关系对待修正K空间进行相位修正,得到修正后的K空间数据。其中,神经网络进行训练时同时设置对应的神经网络参数和损失函数,没进行一次训练,通过损失函数的损失值判断神经网络的训练效果,当神经网络没有得到理想的效果时,通过调整神经网络的参数后再进行训练,即迭代训练。直到损失函数收敛时,即表示训练完成停止迭代,此时神经网络已经达到了最优,即可将该神经网络投入使用。
进一步的,在本实施例中,神经网络包括但不限于全卷积神经网络、生成式对抗生成网络。则将待修正K空间数据输入至全卷积神经网络或者生成式对抗网络,利用全卷积神经网络或者生成式对抗网络对待修正K空间数据进行相位修正,得到相位修正后的K空间数据。
步骤S208,重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。
具体地,重建是指图像重建,得到修正后的K空间数据后,即可通过任意一种图像重建方法将修正后的K空间数据进行图像重建,得到对应的磁共振图像。该磁共振图像即为检测部位对应的磁共振图像,将该磁共振图像输出。
上述磁共振成像方法,通过对检测部位激发成像序列接收到对应的磁共振信号,将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据。将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据。从而确保无需改进脉冲序列的设计,不会受场的不均匀性、涡流等的影响,就能得到无偏差的相位。重建相位修正后的K空间数据,得到检测部位对应的磁共振图像,从而确保重建后的磁共振图像不会出现伪影。上述方法通过在磁共振扫描成像过程中,利用神经网络对K空间数据进行相位的修正,防止后续对K空间数据进行重建所得到的磁共振图像出现图像伪影,并且利用神经网络对K空间数据进行相位修正,无需改进脉冲序列,提高了成像的效率。
在一个实施例中,如图3所示,提供另一种磁共振成像方法,在步骤S208之后,还包括以下步骤:
步骤S210,重建磁共振信号对应的K空间数据,得到对比磁共振图像。
步骤S212,计算磁共振图像与对比磁共振图像的差异,得到图像差异值。
步骤S214,根据图像差异值确定磁共振图像是否满足预设要求。
步骤S216,若未满足预设要求,则获取磁共振图像的K空间数据,将磁共振图像的K空间数据作为待修正K空间数据,并返回步骤S206。
具体地,通过将磁共振信号对应的K空间数据进行图像重建,得到对应的对比磁共振图像。将磁共振图像与对比磁共振图像进行计算,得到磁共振图像与对比磁共振图像之间的图像差异值。图像差异值可以理解为两幅图像的图像质量的差异,例如图像信噪比、分辨率等。虽然消除图像伪影很重要,但是不能因为消除伪影而影响了图像的质量,图像质量损害同样影响后续的判断。即,根据图像差异值确定磁共振图像的图像质量是否满足预设要求,当图像差异值不满足预设要求时,则表明虽然经过神经网络进行相位修正消除了伪影,但是图像的质量有所损坏,则进一步对该磁共振图像重新进行相位修正。也就是说,获取磁共振图像的K空间数据,将该K空间数据作为待修正K空间数据。返回修正的步骤,重新进行相位修正。即,将磁共振图像的K空间数据作为待修正K空间数据,将该待修正K空间数据输入至预设的神经网络重新进行相位修正,得到相位修正后的K空间数据。当对该待修正K空间数据对应的修正后的K空间数据进行重建,得到新的磁共振图像。通过将新的磁共振图像与对比磁共振图像再次进行比较,确定新的磁共振图像的图像质量是否满足要求,若满足,则直接将新的磁共振图像输出。若不满足,则获取新的磁共振图像的K空间数据作为待修正K空间数据,返回步骤S206,直到得到的磁共振图像的图像质量满足要求,停止迭代修正。也就是说,在本实施例中,只输出图像质量没有受损以及没有伪影的磁共振图像。
在一个实施例中,如图4所示,计算磁共振图像与对比磁共振图像的差异,得到图像差异值,包括以下步骤:
步骤S402,获取磁共振图像的磁共振图像矩阵,以及获取对比磁共振图像的对比磁共振图像矩阵。
其中,图像矩阵是指用数字图像数据来表示图像,便于计算机进行处理。即每幅图像都有对应的图像矩阵,通过图像的像素转换即可得到对应的矩阵。或者调用图像处理工具,例如MATLAB等,可以直接获取图像的图像矩阵。
具体地,通过图像转换或者调用MATLAB获取磁共振图像的磁共振图像矩阵,以及对比磁共振图像的对比磁共振图像矩阵。
步骤S404,根据磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为图像差异值。
具体地,获取到磁共振图像矩阵和对比磁共振图像矩阵之后,将磁共振图像矩阵和对比磁共振图像矩阵中对应的矩阵元素进行差值计算,即图像矩阵中对应的矩阵元素相减。可以理解为,两幅图像对应的像素值进行差值计算,得到的差值即为图像的差异值。
在一个实施例中,根据图像差异值确定磁共振图像是否满足预设要求,包括:将图像差异值与预设阈值进行比较;若图像差异值不大于预设阈值,则磁共振图像满足预设要求;若图像差异值大于预设阈值,则磁共振图像未满足预设要求。
其中,预设阈值为预先设置的用于表示两幅图像是否差异过大的值,阈值可根据实际情况进行设定,例如根据实际情况确定图像差异值处于什么范围内不会影响后续的对图像的判断即可。
具体地,当得到图像差异值后,通过将图像差异值与预设阈值进行比较,如果预设阈值为差异值不能超过的最大值。则当图像差异值不大于预设阈值时,即小于等于预设阈值时,确定磁共振图像与对比磁共振图像的差异不大,表示没有因为相位修正而影响到图像的质量,则确定磁共振图像满足预设要求。相反的,当图像差异值大于预设阈值时,确定磁共振图像与对比磁共振图像的差异比较大,表示因为相位修正而影响到图像的质量了,则确定磁共振图像未满足预设要求。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种磁共振成像装置,包括:获取模块502、编码模块504、修正模块506和重建模块508,其中:
获取模块502,用于获取检测部位对应的磁共振成像信号,磁共振信号为对检测部位激发成像序列多次激发获得。
编码模块504,用于将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据。
修正模块506,用于将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据。
重建模块508,用于重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。
在一个实施例中,磁共振成像装置还包括训练模块,用于获取同一检测部位的第一K空间数据和第二K空间数据;第一K空间数据为单次激发成像序列所得,第二K空间数据为多次激发成像序列所得;将第一K空间数据和第二K空间数据输入至神经网络进行迭代训练,获得训练后的神经网络。
在一个实施例中,磁共振成像装置还包括对比模块,用于重建磁共振信号对应的K空间数据,得到对比磁共振图像;计算磁共振图像与对比磁共振图像的差异,得到图像差异值;根据图像差异值确定磁共振图像是否满足预设要求;若未满足预设要求,则获取磁共振图像的K空间数据,将磁共振图像的K空间数据作为待修正K空间数据,返回将待修正K空间数据输入至预设的神经网络进行相位修正的步骤,直到重建得到的磁共振图像满足预设要求为止。
在一个实施例中,对比模块还用于获取磁共振图像的磁共振图像矩阵,以及获取对比磁共振图像的对比磁共振图像矩阵;根据磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为图像差异值。
在一个实施例中,对比模块还用于将图像差异值与预设阈值进行比较;若图像差异值不大于预设阈值,则磁共振图像满足预设要求;若图像差异值大于预设阈值,则磁共振图像未满足预设要求。
关于磁共振成像装置的具体限定可以参见上文中对于磁共振成像方法的限定,在此不再赘述。上述磁共振成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种磁共振成像方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取检测部位对应的磁共振成像信号,磁共振信号为对检测部位激发成像序列多次激发获得;
将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据;
将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取同一检测部位的第一K空间数据和第二K空间数据;第一K空间数据为单次激发成像序列所得,第二K空间数据为多次激发成像序列所得;将第一K空间数据和第二K空间数据输入至神经网络进行迭代训练,获得训练后的神经网络。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:重建磁共振信号对应的K空间数据,得到对比磁共振图像;计算磁共振图像与对比磁共振图像的差异,得到图像差异值;根据图像差异值确定磁共振图像是否满足预设要求;若未满足预设要求,则获取磁共振图像的K空间数据,将磁共振图像的K空间数据作为待修正K空间数据,返回将待修正K空间数据输入至预设的神经网络进行相位修正的步骤,直到重建得到的磁共振图像满足预设要求为止。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取磁共振图像的磁共振图像矩阵,以及获取对比磁共振图像的对比磁共振图像矩阵;根据磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为图像差异值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将图像差异值与预设阈值进行比较;若图像差异值不大于预设阈值,则磁共振图像满足预设要求;若图像差异值大于预设阈值,则磁共振图像未满足预设要求。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取检测部位对应的磁共振成像信号,磁共振信号为对检测部位激发成像序列多次激发获得;
将磁共振信号进行编码,获取磁共振信号对应的K空间数据,将磁共振信号对应的K空间数据作为待修正K空间数据;
将待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建相位修正后的K空间数据,得到检测部位对应的磁共振图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取同一检测部位的第一K空间数据和第二K空间数据;第一K空间数据为单次激发成像序列所得,第二K空间数据为多次激发成像序列所得;将第一K空间数据和第二K空间数据输入至神经网络进行迭代训练,获得训练后的神经网络。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:重建磁共振信号对应的K空间数据,得到对比磁共振图像;计算磁共振图像与对比磁共振图像的差异,得到图像差异值;根据图像差异值确定磁共振图像是否满足预设要求;若未满足预设要求,则获取磁共振图像的K空间数据,将磁共振图像的K空间数据作为待修正K空间数据,返回将待修正K空间数据输入至预设的神经网络进行相位修正的步骤,直到重建得到的磁共振图像满足预设要求为止。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取磁共振图像的磁共振图像矩阵,以及获取对比磁共振图像的对比磁共振图像矩阵;根据磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为图像差异值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将图像差异值与预设阈值进行比较;若图像差异值不大于预设阈值,则磁共振图像满足预设要求;若图像差异值大于预设阈值,则磁共振图像未满足预设要求。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种磁共振成像方法,所述方法包括:
获取检测部位对应的磁共振信号,所述磁共振信号为对所述检测部位激发成像序列获得;
将所述磁共振信号进行编码,获取所述磁共振信号对应的K空间数据,将所述磁共振信号对应的K空间数据作为待修正K空间数据;
将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像。
2.根据权利要求1所述的方法,其特征在于,所述预设的神经网络为预先根据训练K空间数据训练所得;
所述神经网络的训练过程包括:
获取同一检测部位的第一K空间数据和第二K空间数据;所述第一K空间数据为单次激发成像序列所得,所述第二K空间数据为多次激发成像序列所得;
将所述第一K空间数据和所述第二K空间数据输入至所述神经网络进行迭代训练,获得训练后的神经网络。
3.根据权利要求1所述的方法,其特征在于,所述重建所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像之后,还包括:
重建所述磁共振信号对应的K空间数据,得到对比磁共振图像;
计算所述磁共振图像与所述对比磁共振图像的差异,得到图像差异值;
根据所述图像差异值确定所述磁共振图像是否满足预设要求;
若未满足预设要求,则获取所述磁共振图像的K空间数据,将所述磁共振图像的K空间数据作为待修正K空间数据;
返回将所述待修正K空间数据输入至预设的神经网络进行相位修正的步骤,直到重建得到的磁共振图像满足预设要求为止。
4.根据权利要求3所述的方法,其特征在于,所述计算所述磁共振图像与对比磁共振图像的差异,得到图像差异值,包括:
获取所述磁共振图像的磁共振图像矩阵,以及获取所述对比磁共振图像的对比磁共振图像矩阵;
根据所述磁共振图像矩阵和对比磁共振图像矩阵进行差值计算,得到的差值为所述图像差异值。
5.根据权利要求3所述的方法,其特征在于,所述根据所述图像差异值确定所述磁共振图像是否满足预设要求,包括:
将所述图像差异值与预设阈值进行比较;
若所述图像差异值不大于所述预设阈值,则所述磁共振图像满足预设要求;
若所述图像差异值大于所述预设阈值,则所述磁共振图像未满足预设要求。
6.根据权利要求1所述的方法,其特征在于,所述神经网络为全卷积神经网络;所述将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据,包括:
将所述待修正K空间数据输入至所述全卷积神经网络,利用所述全卷积神经网络对所述待修正K空间数据进行相位修正,得到相位修正后的K空间数据。
7.根据权利要求1所述的方法,其特征在于,所述神经网络为生成式对抗网络;所述将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据,包括:
将所述待修正K空间数据输入至所述生成式对抗网络,利用所述生成式对抗网络对所述待修正K空间数据进行相位修正,得到相位修正后的K空间数据。
8.一种磁共振成像装置,其特征在于,所述磁共振成像装置包括:
获取模块,用于获取检测部位对应的磁共振成像信号,所述磁共振信号为对所述检测部位激发成像序列获得;
编码模块,用于将所述磁共振信号进行编码,获取所述磁共振信号对应的K空间数据,将所述磁共振信号对应的K空间数据作为待修正K空间数据;
修正模块,用于将所述待修正K空间数据输入至预设的神经网络进行相位修正,得到相位修正后的K空间数据;
重建模块,用于将所述相位修正后的K空间数据,得到所述检测部位对应的磁共振图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594145.1A CN110244246B (zh) | 2019-07-03 | 2019-07-03 | 磁共振成像方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594145.1A CN110244246B (zh) | 2019-07-03 | 2019-07-03 | 磁共振成像方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110244246A true CN110244246A (zh) | 2019-09-17 |
CN110244246B CN110244246B (zh) | 2021-07-16 |
Family
ID=67890857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910594145.1A Active CN110244246B (zh) | 2019-07-03 | 2019-07-03 | 磁共振成像方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110244246B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766661A (zh) * | 2019-09-26 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振成像的水脂分离方法、磁共振成像方法和设备 |
CN112684393A (zh) * | 2020-12-28 | 2021-04-20 | 电子科技大学 | 一种增强磁共振谱仪动态范围的方法 |
WO2021082103A1 (zh) * | 2019-10-31 | 2021-05-06 | 清华大学 | 基于深度学习的无变形单次激发平面回波成像方法及装置 |
CN112763958A (zh) * | 2020-12-10 | 2021-05-07 | 复旦大学 | 一种基于神经网络的多次激发平面回波磁共振成像方法 |
CN113093076A (zh) * | 2021-03-22 | 2021-07-09 | 上海东软医疗科技有限公司 | 磁共振图像的处理方法、装置及电子设备 |
CN113359076A (zh) * | 2020-03-06 | 2021-09-07 | 上海联影医疗科技股份有限公司 | 磁共振成像方法、装置、计算机设备和存储介质 |
CN114114117A (zh) * | 2021-11-05 | 2022-03-01 | 中国科学院精密测量科学与技术创新研究院 | 一种基于深度学习的磁共振波谱相位校正方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004038602A1 (en) * | 2002-10-24 | 2004-05-06 | Warner-Lambert Company, Llc | Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications |
CN102928796A (zh) * | 2012-09-28 | 2013-02-13 | 清华大学 | 快速扩散磁共振成像和重建方法 |
CN103675737A (zh) * | 2013-12-06 | 2014-03-26 | 清华大学 | 扩散磁共振成像和重建方法 |
CN103885014A (zh) * | 2012-12-21 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种波谱相位校正方法 |
CN103901379A (zh) * | 2012-12-28 | 2014-07-02 | 上海联影医疗科技有限公司 | 磁共振扫描成像方法及系统 |
CN104181484A (zh) * | 2013-05-23 | 2014-12-03 | 上海联影医疗科技有限公司 | 磁共振图像重建方法 |
CN104215922A (zh) * | 2013-05-31 | 2014-12-17 | 上海联影医疗科技有限公司 | 控制脉冲序列执行的方法和装置 |
CN105120745A (zh) * | 2013-05-17 | 2015-12-02 | 株式会社日立医疗器械 | 磁共振成像装置以及磁共振成像方法 |
CN107638188A (zh) * | 2017-09-28 | 2018-01-30 | 江苏赛诺格兰医疗科技有限公司 | 图像衰减校正方法及装置 |
CN108828481A (zh) * | 2018-04-24 | 2018-11-16 | 朱高杰 | 一种基于深度学习和数据一致性的磁共振重建方法 |
CN109239633A (zh) * | 2017-06-29 | 2019-01-18 | 通用电气公司 | 多次激发、多次采集mri数据的相位校正 |
CN109741409A (zh) * | 2018-11-30 | 2019-05-10 | 厦门大学 | 回波平面成像涡流伪影的无参考扫描校正方法 |
WO2019192929A1 (en) * | 2018-04-05 | 2019-10-10 | Koninklijke Philips N.V. | Motion tracking in magnetic resonance imaging using radar and a motion detection system |
-
2019
- 2019-07-03 CN CN201910594145.1A patent/CN110244246B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004038602A1 (en) * | 2002-10-24 | 2004-05-06 | Warner-Lambert Company, Llc | Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications |
CN102928796A (zh) * | 2012-09-28 | 2013-02-13 | 清华大学 | 快速扩散磁共振成像和重建方法 |
CN103885014A (zh) * | 2012-12-21 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种波谱相位校正方法 |
CN103901379A (zh) * | 2012-12-28 | 2014-07-02 | 上海联影医疗科技有限公司 | 磁共振扫描成像方法及系统 |
CN105120745A (zh) * | 2013-05-17 | 2015-12-02 | 株式会社日立医疗器械 | 磁共振成像装置以及磁共振成像方法 |
CN104181484A (zh) * | 2013-05-23 | 2014-12-03 | 上海联影医疗科技有限公司 | 磁共振图像重建方法 |
CN104215922A (zh) * | 2013-05-31 | 2014-12-17 | 上海联影医疗科技有限公司 | 控制脉冲序列执行的方法和装置 |
CN103675737A (zh) * | 2013-12-06 | 2014-03-26 | 清华大学 | 扩散磁共振成像和重建方法 |
CN109239633A (zh) * | 2017-06-29 | 2019-01-18 | 通用电气公司 | 多次激发、多次采集mri数据的相位校正 |
CN107638188A (zh) * | 2017-09-28 | 2018-01-30 | 江苏赛诺格兰医疗科技有限公司 | 图像衰减校正方法及装置 |
WO2019192929A1 (en) * | 2018-04-05 | 2019-10-10 | Koninklijke Philips N.V. | Motion tracking in magnetic resonance imaging using radar and a motion detection system |
CN108828481A (zh) * | 2018-04-24 | 2018-11-16 | 朱高杰 | 一种基于深度学习和数据一致性的磁共振重建方法 |
CN109741409A (zh) * | 2018-11-30 | 2019-05-10 | 厦门大学 | 回波平面成像涡流伪影的无参考扫描校正方法 |
Non-Patent Citations (2)
Title |
---|
D. AMPELIOTIS ET.AL: "Computer Aided Detection of Prostate Cancer using Fused Information from Dynamic Contrast Enhanced and Morphological Magnetic Resonance Images", 《2007 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING AND COMMUNICATIONS》 * |
黄颖颖: "基于神经网络的核磁共振谱图自动相位校正综合算法研究与实现", 《万方学位论文数据库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766661A (zh) * | 2019-09-26 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振成像的水脂分离方法、磁共振成像方法和设备 |
WO2021082103A1 (zh) * | 2019-10-31 | 2021-05-06 | 清华大学 | 基于深度学习的无变形单次激发平面回波成像方法及装置 |
CN113359076A (zh) * | 2020-03-06 | 2021-09-07 | 上海联影医疗科技股份有限公司 | 磁共振成像方法、装置、计算机设备和存储介质 |
CN113359076B (zh) * | 2020-03-06 | 2022-09-27 | 上海联影医疗科技股份有限公司 | 磁共振成像方法、装置、计算机设备和存储介质 |
CN112763958A (zh) * | 2020-12-10 | 2021-05-07 | 复旦大学 | 一种基于神经网络的多次激发平面回波磁共振成像方法 |
CN112763958B (zh) * | 2020-12-10 | 2022-06-21 | 复旦大学 | 一种基于神经网络的多次激发平面回波磁共振成像方法 |
CN112684393A (zh) * | 2020-12-28 | 2021-04-20 | 电子科技大学 | 一种增强磁共振谱仪动态范围的方法 |
CN112684393B (zh) * | 2020-12-28 | 2021-11-23 | 电子科技大学 | 一种增强磁共振谱仪动态范围的方法 |
CN113093076A (zh) * | 2021-03-22 | 2021-07-09 | 上海东软医疗科技有限公司 | 磁共振图像的处理方法、装置及电子设备 |
CN113093076B (zh) * | 2021-03-22 | 2022-05-10 | 上海东软医疗科技有限公司 | 磁共振图像的处理方法、装置及电子设备 |
CN114114117A (zh) * | 2021-11-05 | 2022-03-01 | 中国科学院精密测量科学与技术创新研究院 | 一种基于深度学习的磁共振波谱相位校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110244246B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110244246A (zh) | 磁共振成像方法、装置、计算机设备和存储介质 | |
US8076938B2 (en) | System and method of parallel imaging with calibration to a virtual coil | |
CN102914754B (zh) | 用于产生磁共振照片的方法 | |
US9317917B2 (en) | Method, reconstruction device, and magnetic resonance apparatus for reconstructing magnetic resonance raw data | |
KR101694610B1 (ko) | 자기 공명 장치를 이용하여 파라미터 맵을 획득하기 위한 방법 및 자기 공명 장치 | |
CN103885017B (zh) | 基于单扫描正交时空编码磁共振成像的图像畸变校正方法 | |
CN105929350B (zh) | 一种单次激发水脂分离成像误差校正系统及方法 | |
CN108459289B (zh) | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 | |
CN103502831A (zh) | 对运动中目标的磁共振成像 | |
US20190219654A1 (en) | Method for varying undersampling dimension for accelerating multiple-acquisition magnetic resonance imaging and device for the same | |
CN109613460B (zh) | 磁共振成像方法、装置、计算机设备和存储介质 | |
Chauffert et al. | A projection algorithm for gradient waveforms design in Magnetic Resonance Imaging | |
CN107367703A (zh) | 磁共振扫描方法、系统、装置及存储介质 | |
CN111257810B (zh) | 磁共振信号采集系统、方法 | |
CN106324537A (zh) | 一种超快速分段式单次激发水脂分离方法 | |
CN110095742A (zh) | 一种基于神经网络的平面回波成像方法和装置 | |
CN115639510A (zh) | 磁共振成像方法、波谱成像方法、装置、设备和存储介质 | |
CN113313778A (zh) | 磁共振图像的重建方法、计算机设备及存储介质 | |
CN112037298A (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
JP2006021023A (ja) | 磁気共鳴診断装置 | |
CN113030813B (zh) | 一种磁共振t2定量成像方法及系统 | |
CN113391251B (zh) | 磁共振图像重建方法、装置和设备 | |
US10048334B2 (en) | Test of a reordering algorithm of a spin echo magnetic resonance pulse sequence | |
KR102163337B1 (ko) | 언더샘플링 방향 변화를 통한 다중영상획득 mri의 고속화 방법 및 이를 위한 장치 | |
CN110547799B (zh) | 磁共振成像方法、计算机设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |