CN112419451B - 一种图像重建方法、装置、设备及存储介质 - Google Patents

一种图像重建方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112419451B
CN112419451B CN202011408947.8A CN202011408947A CN112419451B CN 112419451 B CN112419451 B CN 112419451B CN 202011408947 A CN202011408947 A CN 202011408947A CN 112419451 B CN112419451 B CN 112419451B
Authority
CN
China
Prior art keywords
size
space data
target
data line
image reconstruction
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.)
Active
Application number
CN202011408947.8A
Other languages
English (en)
Other versions
CN112419451A (zh
Inventor
黎新星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202011408947.8A priority Critical patent/CN112419451B/zh
Publication of CN112419451A publication Critical patent/CN112419451A/zh
Application granted granted Critical
Publication of CN112419451B publication Critical patent/CN112419451B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/60Editing figures and text; Combining figures or text
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明实施例公开了一种图像重建方法、装置、设备及存储介质。该方法包括:获取采集到的K空间数据线的原始尺寸,并确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果,根据尺寸排序结果从各候选尺寸中筛选出目标尺寸;根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。本发明实施例的技术方案,通过对在原始尺寸附近的各候选尺寸进行质因子分解的方式来自适应调整K空间数据线的目标尺寸,进而对该目标尺寸下的K空间数据线进行重建,由此达到了加快图像重建速度的效果。

Description

一种图像重建方法、装置、设备及存储介质
技术领域
本发明实施例涉及图像重建技术领域,尤其涉及一种图像重建方法、装置、设备及存储介质。
背景技术
磁共振成像在现代医学影像中扮演着越来越重要的角色,其具有分辨率高、成像参数多、对人体无伤害性和多方位成像等优点,已被普遍应用于临床医学中。但是,其成像速度是磁共振成像中的主要瓶颈,这一缺陷大大限制了其在一些临床方面的应用,因此提高磁共振成像的成像速度具有重要意义。
磁共振成像的成像速度主要受限于数据扫描速度和图像重建速度这两方面,即成像速度的提高意味着需在数据扫描速度和图像重建速度这两方面均做提高。目前已通过半傅立叶成像、并行成像、压缩感知等等技术实现了数据扫描速度的提高,但是在图像重建速度的提高方面仍没有较好的解决方案。
发明内容
本发明实施例提供了一种图像重建方法、装置、设备及存储介质,解决了在成像过程中图像重建速度较慢的问题。
第一方面,本发明实施例提供了一种图像重建方法,可以包括:
获取采集到的K空间数据线的原始尺寸,并确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸;根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
可选的,确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子,可包括:获取预设查找关系,并在预设查找关系中分别查找出与原始尺寸在预设尺寸范围内的各候选尺寸相对应的目标质因子,其中,目标质因子是对候选尺寸进行质因子分解后得到的各质因子中的最大值。
可选的,根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,可以包括:确定各目标质因子中最小的目标质因子在该质因子排序结果中的目标排序位置,并将在尺寸排序结果中处于目标排序位置上的候选尺寸作为目标尺寸。
可选的,根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,包括:获取用于实现图像重建方法的图像重建设备的并行度以及各候选尺寸中的当前尺寸;若根据并行度确定将当前尺寸作为目标尺寸,将当前尺寸作为目标尺寸,否则将当前尺寸在尺寸排序结果中的下一个候选尺寸更新为当前尺寸,并重复执行若根据并行度确定将当前尺寸作为目标尺寸的步骤,直至得到目标尺寸。
在此基础上,可选的,若根据并行度确定将当前尺寸作为目标尺寸,可以包括:若当前尺寸除以并行度之后的余数大于预设数值阈值,则确定将当前尺寸作为目标尺寸,其中预设数值阈值是小于并行度的数值;相应的,对处理后的K空间数据线进行重建,可包括:将处理后的K空间数据线分配到数量是余数的各线程上,并基于分配到各线程上的K空间数据线进行重建。
可选的,针对处理后的K空间数据线中在用于实现图像重建方法的图像重建设备的内存区域中未以连续形式进行存储的非连续K空间数据线,对处理后的K空间数据线进行重建,可包括:获取图像重建设备中缓存区域的缓存容量、以及每条非连续K空间数据线在缓存区域中的占用容量,并根据缓存容量和占用容量确定缓存区域中可缓存的非连续K空间数据线的条数;从各非连续K空间数据线中重排出条数下的连续K空间数据线,并对连续K空间数据线进行重建;根据非连续K空间数据线中除连续K空间数据线之外的待重排K空间数据线更新非连续K空间数据线;重复执行从各非连续K空间数据线中重排出条数下的连续K空间数据线的步骤,直至待重排K空间数据线不再存在。
在此基础上,可选的,K空间数据线是基于磁共振扫描技术采集得到的,和/或,目标尺寸是重建过程中在执行傅里叶变换时数据的大小,和/或,缓存区域包括末级缓存区域,和/或,占用容量是根据每条非连续K空间数据线的大小、在内存区域中以连续形式进行存储的每条处理后的K空间数据线的大小和处理后的K空间数据线的数据类型的大小确定的。
第二方面,本发明实施例还提供了一种图像重建装置,可以包括:
质因子确定模块,用于获取采集到的K空间数据线的原始尺寸,确定原始尺寸在预设尺寸范围内各候选尺寸的目标质因子;
尺寸筛选模块,用于根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸;
图像重建模块,用于根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
第三方面,本发明实施例还提供了一种图像重建设备,可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明任意实施例所提供的图像重建方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的图像重建方法。
本发明实施例的技术方案,通过获取到的K空间数据线的原始尺寸确定该原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;由于目标质因子和候选尺寸间存在对应关系,因此根据各目标质因子的质因子排序结果可以确定各候选尺寸的尺寸排序结果,根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,该目标尺寸是在原始尺寸的临近尺寸区间内的不会对重建图像的图像质量产生影响的尺寸;进而基于该目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,对处理后的K空间数据线进行重建得到重建图像。上述技术方案,通过对在原始尺寸附近的各候选尺寸进行质因子分解的方式自适应调整待重建的K空间数据线的尺寸,由此得到了不会对图像质量产生影响并且可以加快图像重建速度的目标尺寸,那么后续在对该目标尺寸下的K空间数据线进行重建时,达到了加快图像重建速度的效果。
附图说明
图1是本发明实施例一中的一种图像重建方法的流程图;
图2是本发明实施例二中的一种图像重建方法的流程图;
图3是本发明实施例二中的一种图像重建方法中可选示例的流程图;
图4是本发明实施例三中的一种图像重建方法的流程图;
图5是本发明实施例三中的一种图像重建方法中可选示例的示意图;
图6是本发明实施例四中的一种图像重建装置的结构框图;
图7是本发明实施例五中的一种图像重建设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在介绍本发明实施例之前,先对本发明实施例的应用场景进行示例性说明:以应用于磁共振图像的图像重建过程为例,由于基于磁共振扫描技术采集到的K空间数据线是离散频域上的数据,其通常需要经过快速傅里叶变换(Fast Fourier Transform,FFT)转换到图像域后方能在临床方面有所应用。而且,由于多种优化算法的需要,该K空间数据线有可能需要在图像域和离散频域间进行多次转换,即需要执行多次的FFT和快速傅里叶反变换(Inverse Fast Fourier Transform,iFFT),因此提高FFT和iFFT的执行速度是提高整个图像重建速度的一个有效手段。
进一步的,发明人在对FFT和iFFT进行详细研究后认为,以FFT为例,当待执行FFT的K空间数据线的尺寸(即数据大小)是N时,其匀速复杂度是O(NLog(N))。需要说明的是,考虑到对于数据大小是N的FFT,可以将N通过质因子分解出N1和N2,并对二者分别执行FFT得到子FFT的变换结果,再对各子FFT的变换结果进行加减处理得到原FFT的变换结果,而经过分解后的子FFT的运算总量小于原FFT的运算总量,因此可以通过对FFT的数据大小N进行质因子分解的方式来减小FFT的运算总量,进而加快图像重建速度。
在此基础上,为解决背景技术中阐述的在磁共振成像过程中图像重建速度较慢的问题,发明人提出了一种图像重建方法,该方法的具体实现过程在本发明下述各实施例中进行详细阐述。
实施例一
图1是本发明实施例一中提供的一种图像重建方法的流程图。本实施例可适用于加快图像重建速度的情况,尤其适用于通过对采集到的K空间数据线的尺寸进行调整的方式来加快图像重建速度的情况。该方法可以由本发明实施例提供的图像重建装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在图像重建设备上,该设备可以是各种用户终端或服务器。
参见图1,本发明实施例的方法具体包括如下步骤:
S110、获取采集得到的K空间数据线的原始尺寸,并确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子。
其中,K空间数据线可以通过多种方式采集得到,如基于磁共振扫描技术对受检部位进行扫描后采集到该受检部位的K空间数据线、再如在对空间和对共振频率同时做选择性激发的射频与梯度磁场上采集到K空间数据线、等等。对该K空间数据线进行重建后可以得到重建图像,该重建图像可以是自然图像、医学图像等等,示例性的,该重建图像可以是重建后得到的磁共振图像。需要说明的是,后文为简化表述和便于理解,均以基于磁共振扫描技术采集到的K空间数据线为例进行相关技术方案的阐述。
进一步的,在采集到K空间数据线之后,可以从该K空间数据线确定它的原始尺寸,该原始尺寸可以理解为后续在对该K空间数据线进行重建的过程中所涉及到的傅里叶变换(Fourier Transform,FT)的数据大小。在本实施例中,可选的,FT可以采用FFT来提高计算效率。
需要说明的是,由于磁共振图像中的边缘数据不会对图像质量产生影响(即中心数据方会对图像质量产生影响),因此可以对该边缘数据进行增减处理,换言之,这可以将原始尺寸在预设尺寸范围内进行调整,或是说将原始尺寸在该原始尺寸的临近尺寸区间进行调整,该预设尺寸范围可以是预先设置的不会对图像质量产生影响的尺寸范围,即在该预设尺寸范围内对原始尺寸进行调整后得到目标尺寸,而后续对该目标尺寸的K空间数据线进行重建后得到的磁共振图像的图像质量并未低于对原始尺寸的K空间数据线进行重建后得到的磁共振图像的图像质量。在实际应用中,该预设尺寸范围可以是[-n,+n],其中,n可以是任意正整数,如考虑到原始尺寸通常是几百,n可以设置为10。
进一步的,根据原始尺寸和预设尺寸范围可以得到多个候选尺寸,该候选尺寸是基于预设尺寸范围对原始尺寸进行调整后得到的尺寸,示例性的,假设N=500且n=10,则候选尺寸可以是490、491、492、493、494、495、496、497、498、499、500、501、502、503、504、505、506、507、58、509和510。在此基础上,针对每个候选尺寸,可以对其进行质因子分解得到至少一个质因子,并从该至少一个质因子中筛选出目标质因子,该目标质因子可以是根据该至少一个质因子的数学统计结果确定得到的质因子,该数学统计结果可以是最小值、最大值、平均值、中位数、众数等等。
在此基础上,可选的,为了简化目标质因子的确定过程,可以先获取预设查找关系,该预先查找关系可以是预先设置的存储有候选尺寸和与该候选尺寸相对应的目标质因子间的对应关系,因此,针对原始尺寸在预设尺寸范围内的每个候选尺寸,可以在该预设查找关系中直接且快速查找出与该候选尺寸相对应的目标质因子。实际应用中,该目标质因子可以是各质因子中的最大值,这样设置的原因在于,继续以上述例子为例,将N分解为质因子N1,N2..Nk,若N1,N2...Nk中的最大值Nx越小,则整个FFT的运算总量越小,因此可以将目标质因子设置为各质因子中的最大值,后续可以从各目标质因子中筛选出最小的目标质因子,由此在最大程度上降低了FFT的运算总量。
S120、根据各目标质因子的质因子排序结果来确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸。
其中,对各候选尺寸的目标质因子进行排序,比如以从小到大的方向进行排序、从大到小的方向进行排序等等,得到质因子排序结果。考虑到每个目标质因子都存在与其相对应的候选尺寸,因此根据各质因子排序结果可以得到与其相对应的各候选尺寸的尺寸排序结果。需要说明的是,若对各目标质因子的排序过程中存在至少两个数值相同的目标质因子,该至少两个数值相同的目标质因子的先后排序未存在具体限定,比如将更靠近原始尺寸的候选尺寸所对应的目标质因子排序在前面、将更小的候选尺寸所对应的目标质因子排序在前面,等等,上述几种情况反之亦然可以;或者,后续在考虑到用于实现上述图像重建方法的图像重建设备的并行度时,还可以根据该并行度对该至少两个数值相同的目标质因子进行约束,等等,在此未做具体限定。
进一步的,目标尺寸可以是根据各候选尺寸分别对应的目标质因子的数学统计结果从各候选尺寸中筛选出的尺寸,该数学统计结果可以根据质因子排序结果确定,而该质因子排序结果可以体现在尺寸排序结果中,因此可以根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,该数学统计结果可以是最小值、最大值、平均值、中位数、众数等等。
在实际应用中,可选的,目标尺寸的筛选过程可以是:确定各目标质因子中最小的目标质因子在质因子排序结果中的目标排序位置,由于尺寸排序结果是根据质因子排序结果确定,因此可以将在尺寸排序结果中处于目标排序位置上的候选尺寸作为目标尺寸,该处于目标排序位置上的候选尺寸即为该最小的目标质因子所对应的候选尺寸,由此在最大程度上降低了FFT的运算总量。
S130、根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
其中,相对于原始尺寸,目标尺寸是可以加快对K空间数据线进行重建时的图像重建速度的尺寸,因此可以基于目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,或是说根据目标尺寸和原始尺寸间的尺寸差值对K空间数据线进行数据线增减处理,以使处理后的K空间数据线的尺寸为目标尺寸。需要说明的是,本步骤这样的设置的原因在于,正如上文所述,重建图像中的边缘数据不会对该重建图像的图像质量产生影响,因此可以对该边缘数据进行数据线增减处理,比如,在目标尺寸小于原始尺寸时,可以根据二者的差值对属于边缘数据的K空间数据线进行数据线删减处理,反之则可以进行数据线增添处理。那么在对处理后的K空间数据线进行重建时,既可以加快图像重建速度而又不会降低重建得到的重建图像的图像质量。
本发明实施例的技术方案,通过获取到的K空间数据线的原始尺寸确定该原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;由于目标质因子和候选尺寸间存在对应关系,因此根据各目标质因子的质因子排序结果可以确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,该目标尺寸是在原始尺寸的临近尺寸区间内的不会对重建图像的图像质量产生影响的尺寸;进而基于该目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,对处理后的K空间数据线进行重建,得到重建图像。上述技术方案,通过对在原始尺寸附近的各候选尺寸进行质因子分解的方式自适应调整待重建的K空间数据线的尺寸,由此得到了不会对图像质量产生影响且可以加快图像重建速度的目标尺寸,那么后续在对该目标尺寸下的K空间数据线进行重建时,达到了加快图像重建速度的效果。
为了更好地理解上述步骤的具体实现过程,下面结合具体示例对本实施例的图像重建方法进行示例性的说明。示例性的,考虑到K空间数据线的原始尺寸通常是几百,因此对k(k=0-1000)范围内的各整数进行质因子分解,并将每个整数对应的最大质因子和该整数组成一张线性查找表M,即M[k]=V,其中V是k的最大质因子(即上文所述的目标质因子)。获取采集到的K空间数据线的原始尺寸,即对K空间数据线进行FFT运算时的原始尺寸N;从M中查找下标(即k)是从N-10到N+10范围内的V(即V1,V2...V21);将V1,V2...V21从小到大排序得到W1,W2...W21,假设W1,W2...W21在M中的下标分别为k1,k2...k21,由于k1是各最大质因子中的最小值,考虑到FFT运算本身的特性,其是可以最大程度上降低FFT的运算总量的尺寸,因此可以基于k1(即目标尺寸)和N对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,该重建过程中可以是对处理后的K空间数据线执行FFT运算,并对FFT运算结果执行相应的算法处理,后续再对算法处理结果执行iFFT运算变换到原来的离散频域上。上述技术方案,充分考虑到磁共振图像在重建过程中所涉及到的FFT的运算特性,通过质因子分解的方式自适应优化尺寸,由此加快了FFT的运算速度,进而加快了磁共振图像的重建速度。
实施例二
图2是本发明实施例二中提供的一种图像重建方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,具体可以包括:获取可实现图像重建方法的图像重建设备的并行度、以及各候选尺寸中的当前尺寸;根据并行度判断是否将当前尺寸作为目标尺寸;若是,则将当前尺寸作为目标尺寸,否则将当前尺寸在尺寸排序结果中的下一个候选尺寸更新为当前尺寸,并重复执行根据并行度判断是否将当前尺寸作为目标尺寸的步骤,直至得到目标尺寸。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例的方法具体可以包括如下步骤:
S210、获取采集到的K空间数据线的原始尺寸,确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子,并根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果。
S220、获取用于实现图像重建方法的图像重建设备的并行度、以及各候选尺寸中的当前尺寸。
其中,图像重建设备可以包括可用于实现图像重建方法的电子设备,其可包括一个或多个处理器,用于存储一个或多个程序的存储器,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现图像重建方法。由于现在的图像重建设备(即硬件运算平台)通常是多核并行运行平台,因此可以获取该图像重建设备的平行度,并行度是该图像重建设备中可以同时开辟的线程的数量,其可以通过预设参数直接获取得到。
当前尺寸可以是根据尺寸排序结果从各候选尺寸中筛选出的一个尺寸,如可以将排序在首位的或是排序在末位的候选尺寸作为当前尺寸、将最小的目标质因子对应的候选尺寸作为当前尺寸,等等,在此未做具体限定。实际应用中,当前尺寸的确定策略可以以最快得到目标尺寸为目的进行设置,示例性,目标尺寸可以是尽可能小的目标质因子所对应的候选尺寸,那么可以将最小的目标质因子对应的候选尺寸作为当前尺寸来开始后续的循环过程。
S230、若根据并行度确定将当前尺寸作为目标尺寸,则将当前尺寸作为目标尺寸,否则将当前尺寸在尺寸排序结果中的下一个候选尺寸更新为当前尺寸,并重复执行S230的步骤,直至得到目标尺寸。
其中,在获取到当前尺寸后,可以根据并行度判断是否可以将该当前尺寸作为目标尺寸,这样设置的原因在于,在实际应用中,如果磁共振图像在重建过程中的运算量可以分配到图像重建设备内的多个线程中,尤其是可以均匀分配在各个线程中时,那么整个图像重建速度将会得以显著提高,因此,在此通过并行度判断当前尺寸是否是可以将运算量分配到多个线程中的目标尺寸。
若根据判断结果确定可以将当前尺寸作为目标尺寸,则可以将该当前尺寸作为目标尺寸,并执行后续步骤;否则,可以将当前尺寸在尺寸排序结果中的下一个候选尺寸更新为当前尺寸,并重复执行上述过程以确定是否可以将当前尺寸作为目标尺寸,直至找到可以作为目标尺寸的当前尺寸,输出目标尺寸。
S240、根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
本发明实施例的技术方案,通过以用于实现图像重建方法的图像重建设备的并行度为判断标准,以各候选尺寸中的当前尺寸为循环起点,判断是否可以将该当前尺寸作为目标尺寸,循环往复,直至得到目标尺寸,由此得到了能够从尺寸优化和多线程运算两个方面共同提高图像重建速度的目标尺寸。
在此基础上,可选的,若根据并行度确定将当前尺寸作为目标尺寸,可以包括:若当前尺寸除以并行度后的余数大于预设数值阈值,其中预设数值阈值是小于并行度的数值,即当前尺寸下的K空间数据线可以分配到数量是余数的各线程进行运算,多线程的同时运算可以显著提高运算速度,因此可以将当前尺寸作为目标尺寸;在此基础上,对处理后的K空间数据线进行重建,具体可包括:将处理后的K空间数据线分配到数量是余数的各线程上,并基于分配到各线程上的K空间数据线进行重建,这通过均衡各线程上的运算量的方式,这从总体上提高了图像重建速度。
为了更好地理解上述步骤的具体实现过程,下面继续以本发明实施例一中的示例性的说明为例,对本实施例的图像重建方法进行示例性的说明。示例性的,如图3所示,获取图像重建设备的平行度P,在得到k1,k2...k10后,不再直接将k1作为目标尺寸,而是从k1开始循环搜索满足k mod P>P/2的k,并将第一个满足该条件的k作为目标尺寸,即先以k1为当前尺寸,在k1,k2...k10中依次更新当前尺寸进行搜索,直至找到满足上述条件的k。当然,若在循环过程中未找到满足上述条件的k,可以直接将k1作为k进行输出。
需要说明的是,一方面,将条件设置为k mod P>P/2的原因是,由此得到的k使得重建过程中可并行运行的线程数超过P的一半,资源的利用率比较高;另一方面,在循环过程中是在k1,k2...k10中进行搜索而不是在k1,k2...k21中进行搜索的原因在于,考虑到本发明实施例可能涉及到的应用场景可能是寻找最小的目标质因子,而在尺寸排序结果中排序更靠前的候选尺寸所对应的目标质因子越小,因此这里可以只在k1,k2...k10中进行搜索。
实施例三
在介绍本发明实施例三前,先对其可能涉及到的应用场景进行示例性说明:在对K空间数据线进行重建时,由于各种算法的需要,需要经常执行FFT/iFFT以切换到不同的处理域中,在此过程中,如果K空间数据线是二维数据,比如RO x PE,则在RO/PE两个方向都需要执行FFT/iFFT和算法处理;相应的,如果K空间数据线是三维数据,如RO x PE x SPE,则在RO/PE/SPE三个方向都需要执行FFT/iFFT和算法处理。需要说明的是,计算机内存区域中,至少两位数据中只有一维数据能以连续形式进行存储,另一维或另两维数据都无法连续访问,因此,在执行第二维和/或第三维数据的FFT/iFFT和算法处理时,通常需要对数据进行重排,以便将待执行FFT/iFFT的那一维数据调整到在内存区域里以连续形式进行存储。另外,在依次执行重排、FFT/iFFT和算法处理时,计算机本身的处理机制使得其需要消耗时间从将相应数据从内存区域重新加载至缓存区域中,然后CPU再从缓存区域中调用相应数据来执行相应步骤。
现有技术是对单层数据中整个维度下的数据全部执行重排后,再执行整个单层数据的FFT/iFFT,然后再对FFT/iFFT后的整个单层数据进行算法处理,最后使用FFT/iFFT变换回原来的离散频域。此种方式存在的技术问题是,当单层数据、或者单块数据比较大如RO或PE或SPE比较大而导致单层数据或单块数据的大小超过了缓存区域的缓存容量时,第一步重排之后的重排结果在执行第二步和第三步时可能会因为缓存容量不够的原因而被交换出了缓存区域,从而需要将该重排结果从内存区域中重新加载至缓存区域,这样存在同一维度下的数据需要多次加载进缓存区域的情况,由此增加了时间消耗。
为解决这一问题,发明人提出了本发明实施例三所述的图像重建方法,该方法的具体实现过程如下所述。具体的,
图4是本发明实施例三中提供的一种图像重建方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,针对处理后的K空间数据线中在用于实现图像重建方法的图像重建设备的内存区域中未以连续形式进行存储的非连续K空间数据线,对处理后的K空间数据线进行重建,具体可以包括:获取图像重建设备中缓存区域的缓存容量、以及每条非连续K空间数据线在缓存区域中的占用容量,并根据缓存容量和占用容量确定缓存区域中可缓存的非连续K空间数据线的条数;从各非连续K空间数据线中重排出条数下的连续K空间数据线,并对连续K空间数据线进行重建;根据非连续K空间数据线中除连续K空间数据线之外的待重排K空间数据线更新非连续K空间数据线;重复执行从各非连续K空间数据线中重排出条数下的连续K空间数据线的步骤,直至待重排K空间数据线不再存在。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图4,本实施例的方法具体可以包括如下步骤:
S310、获取采集到的K空间数据线的原始尺寸,确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子,并根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果。
S320、根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理。
S330、针对处理后的K空间数据线中在用于实现图像重建方法的图像重建设备的内存区域中未以连续形式进行存储的非连续K空间数据线,通过S340-S360实现非连续K空间数据线的重建。
其中,处理后的K空间数据线是基于目标尺寸和原始尺寸之间的尺寸差值进行过数据线增减处理后的K空间数据线,非连续K空间数据线是处理后的各K空间数据线中在内存区域中未以连续形式进行存储的处理后的K空间数据线。在实际应用中,由于RO方向上的处理后的K空间数据线在内存区域中多是以连续形式进行存储,因此该非连续K空间数据线可以是PE方向或是SPE方向上的数据,这些数据可以认为是非连续方向上的数据,该非连续方向可以是PE方向、SPE方向等等。
需要说明的是,对于那些在内存区域中以连续形式进行存储的处理后的K空间数据线,可以直接对其进行重建即可。
S340、获取图像重建设备中缓存区域的缓存容量、以及每条非连续K空间数据线在缓存区域中的占用容量,并根据缓存容量和占用容量确定缓存区域中可缓存的非连续K空间数据线的条数。
其中,缓存容量是缓存区域中最多可容纳的数据的大小,占用容量是一条非连续K空间数据线在缓存区域中所占的容量,实际应用中,可选的,该占用容量可以根据每条非连续K空间数据线的大小、在内存区域中以连续形式进行存储的每条处理后的K空间数据线的大小和处理后的K空间数据线的数据类型的大小确定,其中在内存区域中以连续形式进行存储的每条处理后的K空间数据线可以是位于连续方向上的数据,实际应用中,该连续方向可以是RO方向;再可选的,当单层数据是由两个非连续方向上的数据组成时,该占用容量还可以根据这两个非连续方向上的数据的大小和上述数据类型的大小确定;等等。进一步的,根据缓存容量和占用容量可以确定该缓存区域中可缓存的非连续K空间数据线的条数。
实际应用中,可选的,该缓存区域可以是末级缓存区域,这样设置的原因在于,图像重建设备中的缓存区域可以分为多级缓存区域,比如有些图像重建设备中的缓存区域包括一级缓存区域和二级缓存区域,有些图像重建设备中的缓存区域包括一级缓存区域、二级缓存区域和三级缓存区域,等等。而末级缓存区域可以是每个缓存区域中的最后一级的缓存区域,其是缓存容量最大且最远离CPU(或是说最靠近内存区域)缓存区域,而一级缓存区域是缓存容量最小且最靠近CPU的区域。计算机本身的处理机制使得数据先从内存区域加载到末级缓存区域中,再从该末级缓存区域中一级级向前移动直至被调用至CPU中。
S350、从各非连续K空间数据线中重排出条数下的连续K空间数据线,并对连续K空间数据线进行重建。
其中,为了解决上文所述的现有技术中存在的将同一数据多次从内存区域加载至缓存区域中而带来的时间消耗较多的问题,这里采用分块技术减少内存区域的多次载入,即在对非连续K空间数据线在数据维度上进行重排时,无需一次性将一层数据全部重排完成,只对缓存容量能够容纳的非连续K空间数据线进行重排,即对上述条数下的非连续K空间数据线进行重排得到连续K空间数据线,并对该连续K空间数据线进行重建。
S360、根据非连续K空间数据线中除连续K空间数据线之外的待重排K空间数据线更新非连续K空间数据线;重复执行从各非连续K空间数据线中重排出条数下的连续K空间数据线的步骤,直至待重排K空间数据线不再存在,得到重建图像。
其中,在对连续K空间数据线进行重建后,可以循环执行下一个条数下的非连续K空间数据线依次进行重排和重建,直至全部的非连续K空间数据线均处理完毕。具体的,可以根据非连续K空间数据线中除连续K空间数据线之外的待重排K空间数据线更新非连续K空间数据线,该待重排K空间数据线是未进行过重排和重建的非连续K空间数据线,更新后的非连续K空间数据线都是未经重排和重建过的数据;进一步,重复执行S350中的步骤以对下一个在缓存区域中可容纳的上述条数下的非连续K空间数据线进行重排和重建,直至不再存在未进行过重排和重建的非连续K空间数据线。
本发明实施例的技术方案,针对处理后的K空间数据线中在内存区域中未以连续形式进行存储的非连续K空间数据线,获取缓存区域的缓存容量和每条非连续K空间数据线在缓存区域中的占用容量确定缓存区域中可缓存的非连续K空间数据线的条数;由此,可以从各非连续K空间数据线中重排出该条数下的连续K空间数据线,并对连续K空间数据线进行重建,由于每次重排的数据的大小并未超过缓存区域中可容纳的数据的大小,这意味着后续重建所需要的数据仍在缓存区域中,缓存区域中数据的重复利用使得无需再次从内存区域中加载数据至缓存区域,由此大大减少了因数据反复加载而消耗的时间。当然,当该条数下的非连续K空间数据线处理完成后,可以对下一个条数下的非连续K空间数据线进行处理,直至全部的非连续K空间数据线处理完毕。上述技术方案,充分利用了缓存区域的缓存特性,根据缓存容量和占用容量自适应匹配每次处理的非连续K空间数据线的条数,通过这种分块处理方式进一步提高了图像重建速度。
为了更好地理解上述步骤的具体实现过程,下面结合具体示例对本实施例的图像重建方法进行示例性的说明。示例性的,如图5所示,以二维数据为例,在未考虑通道时,针对单层数据的大小,若RO为iRo,PE为iPe,且二者均的数据类型为complex float,该数据类型的大小为iCpx,则单层数据的占用容量为iRo*iPe*iCpx,CPU末级缓存区域的缓存容量为iCache,由于RO方向连续,需要执行PE方向FFT/iFFT和算法处理。在此基础上,末级缓存区域中可缓存的PE方向的条数iPeLn=iCache%(iRo*iPe*iCpx),进一步的,循环处理下述步骤,直至在PE方向不再存在未经处理的非连续K空间数据线:
a)在内存区域中重排出iPeLn条连续的PE数据(即连续K空间数据线)
b)对iPeLn条PE数据执行FFT
c)对FFT后的iPeLn条PE数据执行算法处理
d)对算法处理后的iPeLn条PE数据执行iFFT变换回原先的离散频域中
e)若存在剩余部分的PE数据(即待重排K空间数据线/未经处理的非连续K空间数据线),则继续循环,否则跳出循环。
实施例四
图6为本发明实施例四提供的图像重建装置的结构框图,该装置用于执行上述任意实施例所提供的图像重建方法。该装置与上述各实施例的图像重建方法属于同一个发明构思,在图像重建装置的实施例中未详尽描述的细节内容,可以参考上述图像重建方法的实施例。参见图6,该装置具体可包括:质因子确定模块410、尺寸筛选模块420和图像重建模块430。其中,
质因子确定模块410,用于获取采集得到的K空间数据线的原始尺寸,并确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;
尺寸筛选模块420,用于根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸;
图像重建模块430,用于根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
可选的,质因子确定模块410,具体可以包括:
质因子确定单元,用于获取预设查找关系,并在预设查找关系中分别查找出与原始尺寸在预设尺寸范围内的各候选尺寸相对应的目标质因子,其中,目标质因子是对候选尺寸进行质因子分解后得到的各质因子中的最大值。
可选的,尺寸筛选模块420,具体可以包括:
第一尺寸筛选单元,用于确定各目标质因子中最小的目标质因子在质因子排序结果中的目标排序位置,并将在尺寸排序结果中处于目标排序位置上的候选尺寸作为目标尺寸。
可选的,尺寸筛选模块420,具体可以包括:
尺寸获取单元,用于获取用于实现图像重建方法的图像重建设备的并行度、以及各候选尺寸中的当前尺寸;
第二尺寸筛选单元,用于若根据并行度确定将当前尺寸作为目标尺寸,则将当前尺寸作为目标尺寸,否则将当前尺寸在尺寸排序结果中的下一个候选尺寸更新为当前尺寸,并重复执行若根据并行度确定将当前尺寸作为目标尺寸的步骤,直至得到目标尺寸。
在此基础上,可选的,第二尺寸筛选单元,具体可以包括:
目标尺寸确定子单元,用于若当前尺寸除以并行度之后的余数大于预设数值阈值,则确定将当前尺寸作为目标尺寸,预设数值阈值是小于并行度的数值;
相应的,图像重建模块430,具体可以包括:
第一图像重建单元,用于将处理后的K空间数据线分配到数量是余数的各线程上,并基于分配到各线程上的K空间数据线进行重建。
可选的,针对处理后的K空间数据线中在用于实现图像重建方法的图像重建设备的内存区域中未以连续形式进行存储的非连续K空间数据线,图像重建模块430,具体可以包括:
条数确定单元,用于获取图像重建设备中缓存区域的缓存容量、及每条非连续K空间数据线在缓存区域中的占用容量,并根据缓存容量和占用容量确定缓存区域中可缓存的非连续K空间数据线的条数;
第二图像重建单元,用于从各非连续K空间数据线中重排出条数下的连续K空间数据线,并对连续K空间数据线进行重建;
K空间数据线更新单元,用于根据非连续K空间数据线中除连续K空间数据线之外的待重排K空间数据线更新非连续K空间数据线;
循环执行单元,用于重复执行从各非连续K空间数据线中重排出条数下的连续K空间数据线的步骤,直至待重排K空间数据线不再存在。
在此基础上,可选的,K空间数据线是基于磁共振扫描技术采集得到的,和/或,目标尺寸是重建过程中在执行傅里叶变换时数据的大小,和/或,缓存区域包括末级缓存区域,和/或,占用容量是根据每条非连续K空间数据线的大小、在内存区域中以连续形式进行存储的每条处理后的K空间数据线的大小和处理后的K空间数据线的数据类型的大小确定的。
本发明实施例四提供的图像重建装置,通过质因子确定模块根据获取到的K空间数据线的原始尺寸确定该原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;由于目标质因子和候选尺寸间存在对应关系,因此尺寸筛选模块根据各目标质因子的质因子排序结果可以确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸,该目标尺寸是在原始尺寸的临近尺寸区间内的不会对重建图像的图像质量产生影响的尺寸;进而,图像重建模块,基于该目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。上述装置,通过对在原始尺寸附近的各候选尺寸进行质因子分解的方式自适应调整待重建的K空间数据线的尺寸,由此得到了不会对图像质量产生影响并且可以加快图像重建速度的目标尺寸,那么,后续在对该目标尺寸下的K空间数据线进行重建时,达到了加快图像重建速度的效果。
本发明实施例所提供的图像重建装置可执行本发明任意实施例所提供的图像重建方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述图像重建装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例五
图7本发明实施例五提供的一种图像重建设备的结构示意图,如图7所示,该设备可包括存储器510、处理器520、输入装置530和输出装置540。设备中的处理器520的数量可以是一个或多个,图7中以一个处理器520为例;设备中的存储器510、处理器520、输入装置530和输出装置540可以通过总线或其它方式连接,图7中以通过总线550连接为例。
存储器510作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像重建方法对应的程序指令/模块(例如,图像重建装置中的质因子确定模块410、尺寸筛选模块420和图像重建模块430)。处理器520通过运行存储在存储器510中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述图像重建方法。
存储器510可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器510可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器510可进一步包括相对于处理器520远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例六
本发明实施例六提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种图像重建方法,该方法包括:
获取采集到的K空间数据线的原始尺寸,并确定原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;
根据各目标质因子的质因子排序结果确定各候选尺寸的尺寸排序结果,并根据尺寸排序结果从各候选尺寸中筛选出目标尺寸;
根据目标尺寸和原始尺寸对K空间数据线进行数据线增减处理,并对处理后的K空间数据线进行重建,得到重建图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的图像重建方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像重建方法,其特征在于,包括:
获取采集到的K空间数据线的原始尺寸,并确定所述原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;
根据各所述目标质因子的质因子排序结果确定各所述候选尺寸的尺寸排序结果,并根据所述尺寸排序结果从各所述候选尺寸中筛选出目标尺寸;
根据所述目标尺寸以及所述原始尺寸对所述K空间数据线进行数据线增减处理,并对处理后的所述K空间数据线进行重建,得到重建图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子,包括:
获取预设查找关系,并在所述预设查找关系中分别查找出与所述原始尺寸在预设尺寸范围内的各候选尺寸相对应的目标质因子,其中,所述目标质因子是对所述候选尺寸进行质因子分解后得到的各质因子中的最大值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述尺寸排序结果从各所述候选尺寸中筛选出目标尺寸,包括:
确定各所述目标质因子中最小的所述目标质因子在所述质因子排序结果中的目标排序位置,并将在所述尺寸排序结果中处于所述目标排序位置上的所述候选尺寸作为目标尺寸。
4.根据权利要求1所述的方法,其特征在于,所述根据所述尺寸排序结果从各所述候选尺寸中筛选出目标尺寸,包括:
获取用于实现所述图像重建方法的图像重建设备的并行度、以及各所述候选尺寸中的当前尺寸;
若根据所述并行度确定将所述当前尺寸作为目标尺寸,则将所述当前尺寸作为所述目标尺寸,否则将所述当前尺寸在所述尺寸排序结果中的下一个所述候选尺寸更新为所述当前尺寸,并重复执行所述若根据所述并行度确定将所述当前尺寸作为目标尺寸的步骤,直至得到所述目标尺寸。
5.根据权利要求4所述的方法,其特征在于,所述若根据所述并行度确定将所述当前尺寸作为目标尺寸,包括:
若所述当前尺寸除以所述并行度之后的余数大于预设数值阈值,则确定将所述当前尺寸作为目标尺寸,其中所述预设数值阈值是小于所述并行度的数值;
相应的,所述对处理后的所述K空间数据线进行重建,包括:
将处理后的所述K空间数据线分配到数量是所述余数的各线程上,并基于分配到各所述线程上的所述K空间数据线进行重建。
6.根据权利要求1所述的方法,其特征在于,针对所述处理后的所述K空间数据线中在用于实现所述图像重建方法的图像重建设备的内存区域中未以连续形式进行存储的非连续K空间数据线,所述对处理后的所述K空间数据线进行重建,包括:
获取所述图像重建设备中缓存区域的缓存容量、以及每条所述非连续K空间数据线在所述缓存区域中的占用容量,并根据所述缓存容量和所述占用容量确定所述缓存区域中可缓存的所述非连续K空间数据线的条数;
从各所述非连续K空间数据线中重排出所述条数下的连续K空间数据线,并对所述连续K空间数据线进行重建;
根据所述非连续K空间数据线中除所述连续K空间数据线之外的待重排K空间数据线更新所述非连续K空间数据线;
重复执行所述从各所述非连续K空间数据线中重排出所述条数下的连续K空间数据线的步骤,直至所述待重排K空间数据线不再存在。
7.根据权利要求6所述的方法,其特征在于,所述K空间数据线是基于磁共振扫描技术采集得到的,和/或,所述目标尺寸是重建过程中在执行傅里叶变换时数据的大小,和/或,所述缓存区域包括末级缓存区域,和/或,所述占用容量是根据每条所述非连续K空间数据线的大小、在所述内存区域中以连续形式进行存储的每条所述处理后的所述K空间数据线的大小和所述处理后的所述K空间数据线的数据类型的大小确定的。
8.一种图像重建装置,其特征在于,包括:
质因子确定模块,用于获取采集到的K空间数据线的原始尺寸,确定所述原始尺寸在预设尺寸范围内的各候选尺寸的目标质因子;
尺寸筛选模块,用于根据各所述目标质因子的质因子排序结果确定各所述候选尺寸的尺寸排序结果,并根据所述尺寸排序结果从各所述候选尺寸中筛选出目标尺寸;
图像重建模块,用于根据所述目标尺寸和所述原始尺寸对所述K空间数据线进行数据线增减处理,并对处理后的所述K空间数据线进行重建,得到重建图像。
9.一种图像重建设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像重建方法。
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如权利要求1-7中任一所述的图像重建方法。
CN202011408947.8A 2020-12-04 2020-12-04 一种图像重建方法、装置、设备及存储介质 Active CN112419451B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011408947.8A CN112419451B (zh) 2020-12-04 2020-12-04 一种图像重建方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011408947.8A CN112419451B (zh) 2020-12-04 2020-12-04 一种图像重建方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112419451A CN112419451A (zh) 2021-02-26
CN112419451B true CN112419451B (zh) 2022-09-16

Family

ID=74830351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011408947.8A Active CN112419451B (zh) 2020-12-04 2020-12-04 一种图像重建方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112419451B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360498A (zh) * 2011-10-27 2012-02-22 江苏省邮电规划设计院有限责任公司 图像超分辨率重建方法
CN109949256A (zh) * 2019-01-14 2019-06-28 昆明理工大学 一种基于傅里叶变换的天文图像融合方法
CN110133556A (zh) * 2019-05-29 2019-08-16 上海联影医疗科技有限公司 一种磁共振图像处理方法、装置、设备及存储介质
CN110349253A (zh) * 2019-07-01 2019-10-18 深圳前海达闼云端智能科技有限公司 一种场景的三维重建方法、终端和可读存储介质
CN110796652A (zh) * 2019-10-30 2020-02-14 上海联影智能医疗科技有限公司 图像处理方法、计算机设备和存储介质
CN111242066A (zh) * 2020-01-17 2020-06-05 中国人民解放军国防科技大学 大尺寸图像目标检测方法、装置及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360498A (zh) * 2011-10-27 2012-02-22 江苏省邮电规划设计院有限责任公司 图像超分辨率重建方法
CN109949256A (zh) * 2019-01-14 2019-06-28 昆明理工大学 一种基于傅里叶变换的天文图像融合方法
CN110133556A (zh) * 2019-05-29 2019-08-16 上海联影医疗科技有限公司 一种磁共振图像处理方法、装置、设备及存储介质
CN110349253A (zh) * 2019-07-01 2019-10-18 深圳前海达闼云端智能科技有限公司 一种场景的三维重建方法、终端和可读存储介质
CN110796652A (zh) * 2019-10-30 2020-02-14 上海联影智能医疗科技有限公司 图像处理方法、计算机设备和存储介质
CN111242066A (zh) * 2020-01-17 2020-06-05 中国人民解放军国防科技大学 大尺寸图像目标检测方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Analysis of Partial K-Space reconstruction algorithms for Magnetic Resonance Imaging;S. Bashir, S. D. Joshi , S. Shabir;《2014 International Conference on Issues and Challenges in Intelligent Computing Techniques (ICICT)》;20141231;论文第736-742页 *
基于低秩的二维CZT与小波树复合稀疏约束MRI重建研究;张霞荣;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20200315;论文第7-18页 *

Also Published As

Publication number Publication date
CN112419451A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
US11733968B2 (en) Neural processing unit, neural processing system, and application system
US8620932B2 (en) Parallel sorting apparatus, method, and program
US11704036B2 (en) Deduplication decision based on metrics
WO2022057420A1 (zh) 数据处理方法、装置、电子设备以及存储介质
US20200134435A1 (en) Computation apparatus, circuit and relevant method for neural network
US20100188412A1 (en) Content based cache for graphics resource management
US11526960B2 (en) GPU-based data join
CN107957848B (zh) 重删处理方法及存储设备
Takeuchi et al. ASCII art generation using the local exhaustive search on the GPU
CN116684420A (zh) 集群资源调度方法、装置、集群系统和可读存储介质
CN112419451B (zh) 一种图像重建方法、装置、设备及存储介质
US8108661B2 (en) Data processing apparatus and method of controlling the data processing apparatus
CN112966807A (zh) 基于存储资源受限fpga的卷积神经网络实现方法
US11500767B2 (en) Method and device for determining a global memory size of a global memory size for a neural network
US9519948B2 (en) Data processing apparatus, data processing method, and non-transitory computer readable medium
US20220366217A1 (en) Method and device of computing layout selection for efficient dnn inference
US8037256B2 (en) Programmable address processor for graphics applications
CN115774605A (zh) Kubernetes的预测式弹性伸缩方法及系统
Lin et al. Parallel motion estimation and GPU-based fast coding unit splitting mechanism for HEVC
Matsumura et al. An FPGA-accelerated partial duplicate image retrieval engine for a document search system
CN115049529A (zh) 一种图像梯度确定方法、装置、设备及存储介质
US10209345B2 (en) Signal processing unit and method for searching for peaks in a two-dimensional matrix
CN113298258A (zh) 数据处理方法、机器学习模型推理方法、装置和电子设备
CN112100446A (zh) 搜索方法、可读存储介质和电子设备
CN111737347A (zh) 在Spark平台顺序切分数据的方法及装置

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
GR01 Patent grant
GR01 Patent grant