CN112489192B - 用于温度成像的数据处理方法、装置以及设备 - Google Patents
用于温度成像的数据处理方法、装置以及设备 Download PDFInfo
- Publication number
- CN112489192B CN112489192B CN202011320854.XA CN202011320854A CN112489192B CN 112489192 B CN112489192 B CN 112489192B CN 202011320854 A CN202011320854 A CN 202011320854A CN 112489192 B CN112489192 B CN 112489192B
- Authority
- CN
- China
- Prior art keywords
- acquired
- data
- under
- region
- space
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本申请提供一种用于温度成像的数据处理方法、装置以及设备。该方法针对k‑t空间上的任一欠采集区域,将欠采集区域内的已采集数据点的信息输入预先训练的数据恢复模型,得到欠采集区域对应的待恢复数据区域内每个数据点的k空间信息,已采集数据点的信息包括每个已采集数据点在欠采集区域的位置信息和每个已采集数据点的k空间信息,k空间信息为通过第一脉冲序列对目标对象进行扫描得到的,并根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到目标对象的温度分布图像,对每个采集区域进行非线性的数据恢复,提高了温度分布图像的准确性和实时性。
Description
本申请要求于2020年09月11日提交中国专利局、申请号为202010955408.X、申请
名称为“用于温度成像的数据处理方法、装置以及设备”的中国专利申请的优先权,其全部
内容通过引用结合在本申请中。
技术领域
本申请涉及磁共振技术领域,尤其涉及一种用于温度成像的数据处理方法、装置以及设备。
背景技术
随着磁共振技术的不断发展,磁共振成像因其具有无电离辐射、空间分辨率高等优点,成为对目标对象进行动态温度检测的一种可行的选择。在磁共振成像的过程中,需要采集得到多个数据点的k空间信息,根据已采集的数据点的k空间信息重建完整的k空间信息,并根据完整的k空间信息进行温度成像。
现有技术中,为了重建完整的k空间信息,常通过线性拟合算子,以迭代循环的方式进行k空间信息的重建。
由于数据采集的过程中,不可避免的存在非线性噪声,因此现有技术通过线性拟合算子重建的k空间信息存在一定的误差,导致温度成像结果不准确;并且,现有技术在重建k空间信息的过程需要大量的循环运算,导致重建时间过长,影响对目标对象温度的检测的实时性。
发明内容
本申请提供一种用于温度成像的数据处理方法、装置以及设备,能够提高对目标对象的温度进行检测的实时性和准确性。
第一方面,本申请实施例提供一种用于温度成像的数据处理方法,其特征在于,包括:
针对k-t空间上的任一欠采集区域,将所述欠采集区域内的已采集数据点的信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息;所述已采集数据点的信息包括每个已采集数据点在所述欠采集区域的位置信息和每个已采集数据点的k空间信息,所述k空间信息为通过第一脉冲序列对目标对象进行扫描得到的;
根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像。
第二方面,本申请实施例提供一种数据处理装置,包括:
信息处理单元,用于针对k-t空间上的任一欠采集区域,将所述欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息;所述已采集数据点的k空间信息为通过第一脉冲序列对目标对象进行扫描得到的;
温度成像单元,用于根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像。
第三方面,本申请实施例提供一种电子设备,包括:存储器和处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如第一方面所述的用于温度成像的数据处理方法。
本申请实施例提供的用于温度成像的数据处理方法、装置以及设备,根据预先训练的数据恢复模型,对k-t空间上的每个欠采集区域进行数据恢复,得到每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,再根据每个数据点的k空间信息,得到目标对象的温度分布图像。通过数据恢复模型对每个采集区域进行非线性的数据恢复,提高了温度分布图像的准确性和实时性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种EPTI脉冲序列采集的数据信息在k-t空间的采集轨迹示意图;
图2为本申请实施例提供的一种磁共振成像系统示意图;
图3为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图;
图4为本申请实施例提供的一种k-t空间的数据示意图;
图5为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图;
图6为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图;
图7为本申请实施例提供的一种数据恢复模型的结构示意图;
图8为本申请实施例提供的一种数据处理装置的结构示意图;
图9是本申请实施例提供的一种电子设备示意性结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
磁共振温度成像技术常应用于对目标对象进行实时的温度检测,以监控目标对象的温度变化情况。随着磁共振温度成像技术的不断发展,人们对于温度成像的实时性有了越来越高的要求。平面回波时间分辨成像(Echo Planar Time-resolved Imaging,EPTI)技术可以在短时间内获取多幅不同回波时间值图像,正是为了满足快速成像而提出的一种基于磁共振并行采集方法的快速成像序列。
图1为本申请实施例提供的一种EPTI脉冲序列采集的数据信息在k-t空间的采集轨迹示意图。如图1所示,k-t空间为三维的数据空间,在傅里叶对偶空间的基础上增加了回波时间维度,其横轴为回波时间t轴,纵轴为k空间的相位编码ky轴,频率编码kx轴垂直于显示平面,EPTI脉冲序列在相位编码与时间分辨率维度上是降采样,在频率编码维度是满采集的,每个方格代表一个数据点,黑色方格代表已采集数据点,白色方格代表未采集数据点。应理解,EPTI为了实现数据的并行采集,保证温度成像的实时性,其进行降采样得到部分数据点,即图中所示的已采集数据点的k空间信息,若根据已采集数据点的k空间信息进行温度成像则导致画面出现伪影,因此,需要依据已采集数据点的k空间信息进行全部数据点的k空间信息的重建。若通过线性拟合算子,例如Tikhonov正则化,以迭代循环的方式进行全部数据点的k空间信息的重建,则耗时较长,无法实现实时的温度成像,并且依据线性拟合算子重建得到的k空间信息,受到非线性噪声的影响具有较大的误差。
本申请实施例应用于上述场景中,将采集的多个数据点的k空间信息填入k-t空间,并在k-t空间中划分多个欠采集区域,针对每个欠采集区域进行数据恢复模型的训练,再通过数据恢复模型对每个欠采集区域进行k空间信息的重建(即下文中的得到欠采集区域对应的待恢复数据区域中每个数据点的k空间信息),进而得到k-t空间中每个数据点的k空间信息。通过非线性的数据恢复模型对k空间信息进行重建,避免了非线性噪声对重建的k空间信息的影响,提高了温度成像的准确性,且重建过程不需要大量的运算以及循环,提高了温度成像的实时性。
图2为本申请实施例提供的一种磁共振成像系统示意图。如图2所示,
磁共振成像系统001包括磁共振设备10和温度成像控制设备20,磁共振设备10与温度成像控制设备20通过有线或者无线的方式连接。可选的,温度成像控制设备20具体可以是计算机,或者温度成像控制设备20可集成于磁共振设备10中,例如,可作为一种功能化模块实现于磁共振设备的控制芯片中。
示例性的,温度成像控制设备20用于控制磁共振设备10在成像区域2内根据温度成像控制设备20所指示的脉冲序列,对目标对象1进行扫描。磁共振设备10将扫描得到的信息,发送至温度成像控制设备20。进一步的,温度成像控制设备20根据接收到的信息进行信息处理,得到对目标对象1的成像区域2内的温度分布图像。应理解,成像区域2可根据目标对象1所需扫描部位的大小以及设备的扫描能力进行设置,例如成像区域2可涵盖目标对象的局部或全部,本申请对此不做要求,且对目标对象的数量不做要求。
示例性的,温度成像控制设备20包括扫描驱动单元21、信息接收单元22、信息处理单元23和温度成像单元24。
其中,扫描驱动单元21向磁共振设备10发送扫描所需的脉冲序列,或者扫描驱动单元21向磁共振设备10发送脉冲序列指令,指示磁共振设备10根据脉冲序列指令中指示的脉冲序列对目标对象1进行扫描。
信息接收单元22用于接收磁共振设备10扫描得到的扫描结果,并将扫描结果发送至信息处理单元23。信息处理单元23对扫描结果进行处理,例如将扫描结果填入k-t空间,并根据k-t空间中已采集数据点的k空间信息和预先训练的数据恢复模型,得到k-t空间中每个数据点的k空间信息,再根据每个数据点的k空间信息,得到对应的温度数据,并将温度数据发送至温度成像单元24。温度成像单元24根据接收到的温度数据生成最终的温度分布图像。
下面几个实施例对本申请提供的磁共振温度成像方法进行说明,且可选择性的应用于上述磁共振成像系统001中。
本申请实施例为了提高温度成像的准确性和实时性,根据预先训练的数据恢复模型对k-t空间上的每个欠采集区域进行数据恢复。图3为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图。如图3所示,该方法包括:
S11:针对k-t空间上的任一欠采集区域,将欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到欠采集区域对应的待恢复数据区域内每个数据点的k空间信息。
应理解,在磁共振温度成像的过程中,首先通过第一脉冲序列对目标对象进行扫描以获取目标对象的扫描数据,并将扫描数据填入k-t空间中,如图1或图4所示。
结合图1所示,本领域技术人员应理解,通过第一脉冲序列扫描得到的k-t空间中的数据,在一定区域内的已采集数据点的分布具有一致性,并且回波时间TE相邻的磁共振图像的对比度具有一定连续性,而TE相差较大的图像的对比度差别较显著,因此,基于上述两点原因将k-t空间划分为多个欠采集区域进行局部的数据恢复,具有更高的准确性。
以第一脉冲序列为EPTI脉冲序列为例,通过每个脉冲对目标对象进行扫描采集到的数据点所形成的采集轨迹是规律性的采集轨迹,因此可根据已采集数据点以及未采集数据点在k-t空间中的分布规律,将k-t空间划分为多个欠采集区域,每个欠采集区域中均包括已采集数据点和未采集数据点。
结合图4所示,线框内的区域即为欠采集区域(图中所示仅为部分欠采集区域),全部欠采集区域所覆盖的数据点,包括已采集数据点和未采集数据点,应包含k-t空间中的全部数据点,每个欠采集区域之间可以重叠也可以不重叠,本申请对此不做限制。
在本步骤中,针对每个欠采集区域,将欠采集区域内的每个已采集数据点在欠采集区域的位置信息和k空间信息输入预先训练的数据恢复模型,由数据恢复模型输出欠采集区域对应的待恢复数据区域内每个数据点的k空间信息。
结合图4所示,将欠采样区域011(白色线框)中的5个已采集数据点的位置信息和k空间信息输入数据恢复模型,该数据恢复模型即可输出待恢复数据区域012(白色线框)内的9个数据点的k空间信息。应理解欠采样区域011对应的待恢复数据区域012可以覆盖更少的数据点,或者待恢复数据区域012也可以覆盖更多的数据点,例如与欠采样区域011覆盖的数据点相同,本申请对此不做要求,在待恢复数据区域012小于欠采样区域011时,多个欠采样区域之间应存在重叠,以保证全部待恢复数据区域所覆盖的数据点包含k-t空间中的全部数据点。
示例性的,可在数据恢复模型预先训练的过程中对所要输出的待恢复数据区域的大小进行参数设置。
S12:根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到目标对象的温度分布图像。
每个欠采集区域对应的待恢复数据区域内的每个数据点应包含k-t空间上的任何一个数据点,在全部数据点的k空间数据都得到后,即可根据k-t空间内的每个数据点的k空间信息,得到目标对象的温度分布图像。
示例性的,若不同的待恢复数据区域内包含了相同的数据点,则表明同一数据点对应恢复了多个k空间信息,那么首先应根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,确定k-t空间中每个数据点的k空间信息,再根据k-t空间中每个数据点的k空间信息,得到所述目标对象的温度分布图像。
作为一种示例,针对相同的数据点,若存在多个恢复得到的k空间信息,则根据从多个恢复得到的k空间信息中确定该数据点最终的k空间信息。例如,可按照待恢复数据区域恢复的顺序,即数据恢复模型输出该数据点的不同k空间信息的顺序,将最先或者最后输出的k空间信息作为该数据点最终的k空间信息;或者,根据该数据点的多个k空间信息,通过加权运算等,得到最终的k空间信息。
本申请实施例中,根据预先训练的数据恢复模型,对k-t空间上的每个欠采集区域进行数据恢复(也称作数据重建),得到每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,再根据每个数据点的k空间信息,得到目标对象的温度分布图像。通过数据恢复模型对每个采集区域进行非线性的数据恢复,提高了温度分布图像的准确性和实时性。
在上述实施例的基础上,本申请实施例针对上述实施例涉及的欠采集区域提出一种欠采集区域的确定方式:在将每个欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到每个欠采集区域对应的待恢复数据区域内每个数据点的k空间信息之前,根据预设的内核(Kernel)窗口,确定k-t空间上的多个欠采集区域。
应理解,内核窗口的数量和大小可根据k-t空间上已采集数据点的分布规律进行设置,以保证内核窗口在“滑动”的过程中所确定的多个欠采集区域能够覆盖k-t空间中的全部数据点,能够理解的是,若待恢复数据区域所覆盖的数据点少于欠采集区域覆盖的数据点,则应保证内核窗口在“滑动”的过程中确定的多个采集区域对应的待恢复数据区域能够覆盖k-t空间中的全部数据点。
示例性的,EPTI脉冲序列在频率编码维度上是满采样,因此内核窗口的尺寸在频率编码方向上可以进行任意延展,不同的延展程度对温度分布图像的质量有不同的影响。
图5为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图。如图5所示,作为一种示例,本申请实施例中,每个欠采集区域中的已采集数据点的位置分布满足第一位置分布规律,则相应的内核窗口的数量为一个,即内核窗口为第一内核窗口,则确定k-t空间上的多个采集区域的过程包括:
S21:控制第一内核窗口按照预设的第一移动轨迹在k-t空间中移动。
结合图4所示,第一内核窗口01(黑色线框)具有固定的大小,按照预设的第一移动轨迹在k-t空间中移动。
其中,第一移动轨迹用于指示第一内核窗口01的移动方向和移动的间隔距离。
作为一种示例而非限制的,如图4所示,第一移动轨迹指示第一内核窗口01,由首行首列的数据点开始,以纵向间隔两个数据点、横向间隔一个数据点的间隔距离向右下方移动至黑色虚线框的位置;进一步的,第一移动轨迹还指示第一内核窗口01在移动至k-t空间的最下方后,返回k-t空间首行的与第一内核窗口01起始位置相邻或重合的某一数据点处,再指示第一内核窗口01以相同的间隔距离向右下方移动;进一步的,在k-t空间的右侧数据点均经过第一内核窗口01遍历后,第一移动轨迹指示第一内核窗口01移动至首列的与第一内核窗口01起始位置相邻或重合的某一数据点处,再指示第一内核窗口01以相同的间隔距离向右下方移动,直至第一内核窗口01遍历过k-t空间中的全部数据点时,控制第一内核窗口停止移动。
可选的,第一移动轨迹还可指示第一内核窗口01,由首行首列数据点开始,向右移动至k-t空间的最右侧,再返回第一内核窗口01起始位置的下方,继续向右移动,以此类推直至第一内核窗口01遍历过k-t空间中的全部数据点。
类似的,第一移动轨迹还可指示第一内核窗口01,由首行首列数据点开始,向下移动至k-t空间的最下方,再返回第一内核窗口01起始位置的右侧,继续向下移动,以此类推直至第一内核窗口01遍历过k-t空间中的全部数据点。
本申请对于第一移动轨迹不做具体的限定,可根据实际应用场景进行设定,需要能够指示第一内核窗口遍历k-t空间中的全部数据点。
S22:在第一内核窗口按照第一移动轨迹移动的过程中,动态检测第一内核窗口覆盖的已采集数据点的位置分布是否满足第一位置分布规律。
示例性的,假设第一位置分布规律为如图4中的欠采集区域011所覆盖的数据点所表示的分布规律,则在第一内核窗口按照第一移动轨迹移动至黑色虚线框所示的位置时,两个黑色虚线框内所覆盖的已采集数据点的分布规律均满足第一位置分布规律,而图中灰色实线框所覆盖的已采集数据点的分布规律则不满足第一位置分布规律。
S23:在第一内核窗口覆盖的已采集数据点的位置分布满足第一位置分布规律时,确定第一内核窗口覆盖的区域为欠采集区域。
在第一内核窗口按照第一移动轨迹移动的过程中,实时对第一内核窗口覆盖的数据点中已采集数据点的位置分布进行检测,当检测到第一内核窗口覆盖的数据点中已采集数据点的位置分布满足第一位置分布规律时,将第一内核窗口覆盖的区域确定为欠采集区域。
进一步地,继续控制第一内核窗口按照第一移动轨迹移动,并在第一内核窗口移动的过程中,检测第一内核窗口覆盖的已采集数据点的位置分布是否满足第一位置分布,在满足第一位置分布时,将第一内核窗口覆盖的区域确定为欠采集区域,重复执行本过程直至第一内核窗口按照第一移动轨迹遍历k-t空间的全部数据点。
示例性的,第一内核窗口01在起始位置时,所覆盖的区域中已采集数据点的位置分布满足第一位置分布规律,则将该区域确定为欠采集区域011;在第一内核窗口01向右下方移动至第一个黑色虚线框时,所覆盖的区域中已采集数据点的位置分布满足第一位置分布规律,则将该区域确定为另一个欠采集区域;类似的,在第二内核窗口01向右下方移动至第二个黑色虚线框时,所覆盖的区域中已采集数据点的位置分布满足第一位置分布规律,则将该区域确定为又一个欠采集区域;若第一内核窗口01移动至灰色实线框所覆盖的区域,可以看出灰色实线框所覆盖的区域中已采集数据点的位置分布不满足第一位置分布规律,则该区域不是所需的欠采集区域。当第一内核窗口01按照第一移动轨迹遍历了k-t空间中的全部数据点后,即可得到多个满足第一位置分布规律的欠采集区域。
可选的,可按照欠采集区域确定的顺序,依次将每个欠采集区域中已采集数据点的信息输入数据恢复模型,并由数据恢复模型依次输出每个欠采集区域对应的待恢复数据区域中每个数据点的k空间信息;或者,在得到全部欠采集区域后,分别将每个欠采集区域中的已采集数据点的信息输入数据恢复模型。
从上述实施例可以理解,如图4灰色实线框02-1所覆盖的已采集数据点的位置分布不能满足第一位置分布规律,在这种情况下,通过第一内核窗口01所确定的欠采集区域由于存在一定的重叠,也有可能恢复出k-t空间中全部数据点的k空间信息,但为了确保能够对k-t空间中每个未采集数据点进行k空间信息的恢复,本申请实施例提出一种更加可靠的确定多个欠采集区域的处理方式。可预设至少两个内核窗口,以两个内核窗口为例,分别为第一内核窗口和第二内核窗口,第一内核窗口与第二内核窗口的大小可以相同也可以不同。示例性的,第一内核窗口可为如图4中所示的第一内核窗口01;第二内核窗口可为如图4所示的第二内核窗口02-1(灰色实线框)或者第二内核窗口02-2(灰色虚线框)。其中,第一内核窗口可根据预设的第一移动轨迹和第一位置分布规律,确定多个第一欠采集区域,第二内核窗口可根据预设的第二移动轨迹和第二位置分布规律,确定多个第二欠采集区域,应理解,第一位置分布规律和第二位置分布规律不同。
针对任一内核窗口,控制该内核窗口,按照对应的移动轨迹在k-t空间中移动;移动轨迹用于指示对应的内核窗口的移动方向和移动的间隔距离;在内核窗口按照移动轨迹移动的过程中,动态检测内核窗口覆盖的已采集数据点的位置分布是否满足对应的位置分布规律;在内核窗口覆盖的已采集数据点的位置分布满足位置分布规律时,则确定内核窗口覆盖的区域为欠采集区域;重复执行本过程直至内核窗口按照移动轨迹遍历k-t空间的数据点,得到多个欠采集区域。
具体的,第一方面,控制第一内核窗口,按照第一移动轨迹在k-t空间中移动,在第一内核窗口按照第一移动轨迹移动的过程中,动态检测第一内核窗口覆盖的已采集数据点的位置分布是否满足第一位置分布规律,在第一内核窗口覆盖的已采集数据点的位置分布满足第一位置分布规律时,则确定第一内核窗口覆盖的区域为第一欠采集区域,重复执行本过程直至第一内核窗口按照第一移动轨迹遍历k-t空间的数据点,得到多个第一欠采集区域;第二方面,控制第二内核窗口,按照第二移动轨迹在k-t空间中移动,在第二内核窗口按照第二移动轨迹移动的过程中,动态检测第二内核窗口覆盖的已采集数据点的位置分布是否满足第二位置分布规律,在第二内核窗口覆盖的已采集数据点的位置分布满足第二位置分布规律时,则确定第二内核窗口覆盖的区域为第二欠采集区域,重复执行本过程直至第二内核窗口按照第二移动轨迹遍历k-t空间的数据点,得到多个第二欠采集区域。其中,第一方面与第二方面可以同时执行,或者一个方面开始执行后,执行另一方面,或者一个方面执行完成后,执行另一方面,且第一方面和第二方面执行的先后顺序不做要求。
示例性的,可通过两个预先训练的数据恢复模型分布执行第一方面和第二方面。提升数据的处理效率。
针对上述任一实施例所提到的数据恢复模型,本申请实施例提供一种可能的实现方式,将神经网络模型作为初始网络模型,预先对其进行训练得到该数据恢复模型。
图6为本申请实施例提供的一种用于温度成像的数据处理方法的流程示意图。如图6所示,该方法包括:
S31:通过第二脉冲序列对目标物体进行扫描,得到目标物体的基准扫描数据。
应理解,第二脉冲序列对目标物体扫描后,得到的基准扫描数据包括在k-t空间上的全采集区域,全采集区域仅包括多个已采集数据点。例如,第二脉冲序列可以为平面回波成像(Echo Planar Imaging,EPI)脉冲序列。
S32:根据预设的内核窗口和基准扫描数据,对初始网络模型进行训练,得到数据恢复模型。
在本步骤中,根据预设的内核窗口和基准扫描数据,对初始网络模型进行训练,得到数据恢复模型。示例性的,在训练的过程中,可控制内核窗口根据预设的移动轨迹,在基准扫描数据对应的k-t空间上移动,在每次移动后,获取所覆盖的区域内的多个数据点的位置关系以及每个数据点的k空间信息,根据所覆盖的区域内的多个数据点的位置关系、每个数据点的k空间信息以及已采集数据点在该区域内的位置分布,学习每个被覆盖区域中已采集数据点和未采集数据点之间的映射关系。进而,当数据恢复模型接收到欠采集区域内已采集数据点的信息后,在基准扫描数据中找到对应的被覆盖区域,并按照该被覆盖区域对应的映射关系,得到待恢复数据区域内的未采集数据点的k空间信息,并通过数据恢复模型输出已采集数据点和未采集数据点的k空间信息,或者仅输出未采集数据点的k空间信息。
应理解,在训练数据恢复模型时的内核窗口应与划分第一脉冲序列所采集得到的k-t空间上的欠采集区域所使用的内核窗口一致。即若通过第一内核窗口根据第一移动轨迹,确定k-t空间上的多个欠采集区域,则训练数据恢复模型时也通过第一内核窗口根据第一移动轨迹移动以得到多个覆盖区域,再针对每个覆盖区域和预设的第一位置分布规律,获取其中已采集数据点的k空间信息与未采集数据点的k空间信息之间的映射关系;若通过至少两个内核窗口,确定k-t空间上的多个欠采集区域,则训练与每个内核窗口对应的数据恢复模型,在训练每个数据恢复模型时均通过对应的内核窗口根据对应的移动轨迹,确定k-t空间上的多个覆盖区域,再针对每个覆盖区域和对应的位置分布规律,获取每个覆盖区域中已采集数据点的k空间信息与未采集数据点的k空间信息之间的映射关系。
图7为本申请实施例提供的一种数据恢复模型的结构示意图。如图7所示,数据恢复模型为基于一维神经网络模型训练得到的,其中相连节点均引入了权重w及偏置b,且隐藏层部分均使用激活函数实现网络非线性。该网络建立了从已采集数据点到待恢复数据区域内的数据点的映射模型。由于EPTI温度监控应用于临床热消融手术中时,其校准扫描部分(包括获取上文提到的基准扫描数据)与加速降采样扫描部分(即通过第一脉冲序列对目标对象进行扫描)是分开进行的,而数据恢复模型的训练部分完全基于校准扫描进行,因此温度成像的时间受到数据恢复模型根据输入数据得到输出数据时间的影响,而模型训练所消耗的时间并不影响温度成像的实时性。因为EPTI的神经网络重建是基于尺寸远小于k-t空间矩阵的内核窗口进行,因此为了恢复每个数据点的k空间信息,需要将内核窗口在k-t空间中进行“滑动”。这一过程可以通过循环的方式进行,即系统每次只执行一个卷积神经网络的运算。由于内核窗口尺寸较小,因此每个神经网络的体量也较小,通过循环的方式对逐个位置重建运算难以充分利用计算资源,由于不同的内核窗口下的运算是完全独立的,因此为了有效地利用计算资源,本申请可通过并行计算的方式,使处理器同时对多个数据恢复模型执行运算,这样可以大幅度缩短计算时间。
图8为本申请实施例提供的一种数据处理装置的结构示意图,如图8所示,该数据处理装置10包括:
信息处理单元11,用于针对k-t空间上的任一欠采集区域,将所述欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息;所述已采集数据点的k空间信息为通过第一脉冲序列对目标对象进行扫描得到的;
温度成像单元12,用于根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像。
本申请实施例提供的一种数据的处理装置10包括信息处理单元11和温度成像单元12,根据预先训练的数据恢复模型,对k-t空间上的每个欠采集区域进行数据恢复,得到每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,再根据每个数据点的k空间信息,得到目标对象的温度分布图像。通过数据恢复模型对每个采集区域进行非线性的数据恢复,提高了温度分布图像的准确性和实时性。
上述实施例提供的数据处理装置,可以执行上述任一方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图9是本申请实施例提供的一种电子设备示意性结构图。图9所示的电子设备900包括处理器910,处理器910可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图9所示,电子设备900还可以包括存储器920。其中,处理器910可以从存储器920中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器920可以是独立于处理器910的一个单独的器件,也可以集成在处理器910中。
可选地,如图9所示,电子设备900还可以包括收发器930,处理器910可以控制该收发器930与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器930可以包括发射机和接收机。收发器930还可以进一步包括天线,天线的数量可以为一个或多个。
可选地,该电子设备900可以实现本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的电子设备,并且该计算机程序使得计算机执行本申请实施例的各个方法中由电子设备实现的相应流程,为了简洁,在此不再赘述。
本实施例中的计算机可读存储介质可以是计算机能够存取的任何可用介质,或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备,可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如SSD)等。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的图形码的识别方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于温度成像的数据处理方法,其特征在于,包括:
针对k-t空间上的任一欠采集区域,将所述欠采集区域内的已采集数据点的信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息;所述已采集数据点的信息包括每个已采集数据点在所述欠采集区域的位置信息和每个已采集数据点的k空间信息,所述k空间信息为通过第一脉冲序列对目标对象进行扫描得到的;
根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像;
在所述将所述欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息之前,所述方法还包括:
根据预设的内核窗口,确定所述k-t空间上的多个欠采集区域;
所述内核窗口为第一内核窗口,所述根据预设的内核窗口,确定所述k-t空间上的多个欠采集区域,包括:
控制所述第一内核窗口,按照预设的第一移动轨迹在所述k-t空间中移动;所述第一移动轨迹用于指示所述第一内核窗口的移动方向和移动的间隔距离;
在所述第一内核窗口按照所述第一移动轨迹移动的过程中,动态检测所述第一内核窗口覆盖的已采集数据点的位置分布是否满足所述第一位置分布规律;
在所述第一内核窗口覆盖的已采集数据点的位置分布满足所述第一位置分布规律时,确定所述第一内核窗口覆盖的区域为所述欠采集区域;
重复执行本过程直至所述第一内核窗口按照所述第一移动轨迹遍历所述k-t空间的数据点,得到所述多个欠采集区域。
2.根据权利要求1所述的方法,其特征在于,每个欠采集区域中的已采集数据点的位置分布满足第一位置分布规律。
3.根据权利要求1所述的方法,其特征在于,所述多个欠采集区域包括多个第一欠采集区域和多个第二欠采集区域;
所述多个第一欠采集区域中的已采集数据点的位置分布满足第一位置分布规律;所述多个第二欠采集区域中的已采集数据点的位置分布满足第二位置分布规律;所述第一位置分布规律与所述第二位置分布规律不同。
4.根据权利要求3所述的方法,其特征在于,所述内核窗口包括第一内核窗口和第二内核窗口,所述第一内核窗口用于确定所述第一欠采集区域,所述第二内核窗口用于确定所述第二欠采集区域,则所述根据预设的内核窗口,确定所述k-t空间上的多个欠采集区域,包括:
针对任一内核窗口,控制所述内核窗口,按照对应的移动轨迹在所述k-t空间中移动;所述移动轨迹用于指示对应的内核窗口的移动方向和移动的间隔距离;
在所述内核窗口按照所述移动轨迹移动的过程中,动态检测所述内核窗口覆盖的已采集数据点的位置分布是否满足对应的位置分布规律;
在所述内核窗口覆盖的已采集数据点的位置分布满足所述位置分布规律时,则确定所述内核窗口覆盖的区域为所述欠采集区域;
重复执行本过程直至所述内核窗口按照所述移动轨迹遍历所述k-t空间的数据点,得到所述多个欠采集区域。
5.根据权利要求1至4任一项所述的方法,其特征在于,在所述将所述欠采集区域内的已采集数据点的信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息之前,所述方法还包括:
通过第二脉冲序列对所述目标对象进行扫描,得到所述目标对象的基准扫描数据,所述基准扫描数据包括在所述k-t空间上的全采集区域,所述全采集区域仅包括多个已采集数据点;
根据所述预设的内核窗口和所述基准扫描数据,对初始网络模型进行训练,得到所述数据恢复模型。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像,包括:
根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,确定所述k-t空间中每个数据点的k空间信息;
根据所述k-t空间中每个数据点的k空间信息,得到所述目标对象的温度分布图像。
7.一种数据处理装置,其特征在于,包括:
信息处理单元,用于针对k-t空间上的任一欠采集区域,将所述欠采集区域内的已采集数据点的k空间信息输入预先训练的数据恢复模型,得到所述欠采集区域对应的待恢复数据区域内每个数据点的k空间信息;所述已采集数据点的k空间信息为通过第一脉冲序列对目标对象进行扫描得到的;
温度成像单元,用于根据每个欠采集区域对应的待恢复数据区域内的每个数据点的k空间信息,得到所述目标对象的温度分布图像。
8.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至6任一项所述的用于温度成像的数据处理方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955408 | 2020-09-11 | ||
CN202010955408X | 2020-09-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112489192A CN112489192A (zh) | 2021-03-12 |
CN112489192B true CN112489192B (zh) | 2022-12-16 |
Family
ID=74933551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011320854.XA Active CN112489192B (zh) | 2020-09-11 | 2020-11-23 | 用于温度成像的数据处理方法、装置以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489192B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013242757A (ja) * | 2012-05-22 | 2013-12-05 | Sony Corp | 画像処理装置及び画像処理方法、並びにコンピューター・プログラム |
CN104597420A (zh) * | 2015-02-02 | 2015-05-06 | 清华大学 | 基于多次激发的磁共振扩散成像方法 |
CN107909015A (zh) * | 2017-10-27 | 2018-04-13 | 广东省智能制造研究所 | 基于卷积神经网络及空谱信息融合的高光谱图像分类方法 |
CN110325871A (zh) * | 2017-01-25 | 2019-10-11 | 上海联影医疗科技有限公司 | 用于图像重建的系统和方法 |
-
2020
- 2020-11-23 CN CN202011320854.XA patent/CN112489192B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013242757A (ja) * | 2012-05-22 | 2013-12-05 | Sony Corp | 画像処理装置及び画像処理方法、並びにコンピューター・プログラム |
CN104597420A (zh) * | 2015-02-02 | 2015-05-06 | 清华大学 | 基于多次激发的磁共振扩散成像方法 |
CN110325871A (zh) * | 2017-01-25 | 2019-10-11 | 上海联影医疗科技有限公司 | 用于图像重建的系统和方法 |
CN107909015A (zh) * | 2017-10-27 | 2018-04-13 | 广东省智能制造研究所 | 基于卷积神经网络及空谱信息融合的高光谱图像分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112489192A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8358359B2 (en) | Reducing motion-related artifacts in rolling shutter video information | |
KR102245693B1 (ko) | 3차원 영상 재구성 장치 및 그 방법 | |
CN111179372B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
US8811694B2 (en) | Intrinsic detection of motion in segmented sequences | |
RU2570506C2 (ru) | Способ подготовки изображений в визуально неразличимых спектральных областях и соответствующая камера и измерительная аппаратура | |
US20220187402A1 (en) | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method | |
CN108333543B (zh) | 磁共振成像方法和装置 | |
CN112927279A (zh) | 一种图像深度信息生成方法、设备及存储介质 | |
CN111028212B (zh) | 关键点检测方法、装置、计算机设备和存储介质 | |
WO2015094537A1 (en) | Methods and apparatuses for detecting anomalies in the compressed sensing domain | |
US11789142B2 (en) | Graph-based array signal denoising for perturbed synthetic aperture radar | |
CN111157935B (zh) | 磁共振成像方法、装置、存储介质及计算机设备 | |
CN111179365A (zh) | 一种基于循环神经网络的移动放射源辐射图像自适应叠加优化方法 | |
KR101575798B1 (ko) | 자기 공명 영상 처리 장치 및 방법 | |
CN112489192B (zh) | 用于温度成像的数据处理方法、装置以及设备 | |
CN111681297B (zh) | 图像重建方法、计算机设备和存储介质 | |
US20170070279A1 (en) | Managing beamformed signals to optimize transmission rates of sensor arrays | |
JP2020091649A (ja) | 画像処理装置、画像処理システム、画像処理装置の制御方法、及び、プログラム | |
CN112184845B (zh) | 弥散加权图像重建模型的生成方法及装置 | |
KR102313160B1 (ko) | 동작 정보를 이용한 고해상도 동영상 생성 방법 및 장치 | |
CN112927313B (zh) | 磁共振图像重建方法、装置、计算机设备及可读存储介质 | |
Lin et al. | An object reconstruction algorithm for moving vehicle detection based on three-frame differencing | |
Zhang et al. | Temporal interpolation via motion field prediction | |
Fischer et al. | Enhanced diagnostic fidelity in pathology whole slide image compression via deep learning | |
CN116128727B (zh) | 极化雷达图像超分辨方法、系统、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |