CN113538617B - 基于信号幅值特征的磁粒子成像快速重建方法及设备 - Google Patents

基于信号幅值特征的磁粒子成像快速重建方法及设备 Download PDF

Info

Publication number
CN113538617B
CN113538617B CN202110816843.9A CN202110816843A CN113538617B CN 113538617 B CN113538617 B CN 113538617B CN 202110816843 A CN202110816843 A CN 202110816843A CN 113538617 B CN113538617 B CN 113538617B
Authority
CN
China
Prior art keywords
amplitude
frequency domain
matrix
magnetic particle
signal
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
CN202110816843.9A
Other languages
English (en)
Other versions
CN113538617A (zh
Inventor
田捷
张鹏
惠辉
李怡濛
杨鑫
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.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
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 Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202110816843.9A priority Critical patent/CN113538617B/zh
Publication of CN113538617A publication Critical patent/CN113538617A/zh
Application granted granted Critical
Publication of CN113538617B publication Critical patent/CN113538617B/zh
Priority to US17/811,738 priority patent/US20230027988A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • 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 
    • A61B5/0515—Magnetic particle imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/12—Measuring magnetic properties of articles or specimens of solids or fluids
    • G01R33/1276—Measuring magnetic properties of articles or specimens of solids or fluids of magnetic particles, e.g. imaging of magnetic nanoparticles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/0094—Sensor arrays

Abstract

本发明属于无磁场点的三维磁粒子成像系统中的立体重建技术领域，具体涉及了一种基于信号幅值特征的磁粒子成像快速重建方法及设备，旨在解决的问题。本发明包括：将MPI系统设备采集的实域电压信号转换到频域；计算频域信号每一频点实部和虚部的平方和的平方根；将获取的幅值降序排列，并通过幅值占比方法获取筛选阈值；通过筛选阈值进行幅值筛选并构建频域信号数据；获取数据中每一频点对应的系统矩阵的行向量，构建更新系统矩阵；基于频域信号数组及更新系统矩阵，进行基于L2约束的最小二乘形式的逆问题求解，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。本发明在保证重建精度的前提下，大大降低计算量并降低了重建的硬件要求。

Description

基于信号幅值特征的磁粒子成像快速重建方法及设备
技术领域
本发明属于无磁场点的三维磁粒子成像系统中的立体重建技术领域，具体涉及了一种基于信号幅值特征的磁粒子成像快速重建方法及设备。
背景技术
在临床诊断和检测中，如何准确、客观的定位肿瘤及其他病灶一直是国际上的研究热点和挑战性问题。现有的医学影像技术如CT，MRI，SPECT等方法均存在危害大，定位差，精度低等问题。而在近些年，一种全新的基于示踪剂的成像方式——磁粒子成像(MPI)技术被提出。MPI可以通过检测对人体无害的超顺磁氧化铁纳米颗粒(SPIONs)的空间浓度分布，对肿瘤或目标物进行精准定位，是一种不受成像深度限制的三维高时空分辨率和高灵敏度的成像。此外，MPI不显示解剖结构并且无背景信号干扰，因此信号的强度与示踪剂的浓度存在直接关系，是一种颇具医学应用潜力的新方法。
现今的MPI系统的重建方法基本可以分为两类：系统矩阵方法和X-space方法。大量的研究表面，相比于系统矩阵重建方法，X-space方法虽然具有更高的重建速度，但是其重建图像的分辨率很难提升，因此系统矩阵方法一直是图像重建的主要研究方向。目前已有研究人员通过超算平台，实现了基于系统矩阵方法的动态三维磁粒子成像技术。但由于重建计算量较大，其动态影像的帧率较低，仅能实现数帧级别的动态重建。同时由于计算过程中存在庞大的数据传输和矩阵操作，该技术严重依赖硬件设备，对包括存储，传输，计算等多方面设备提出了严苛的要求。
发明内容
为了解决现有技术中的上述问题，即数据量、计算量庞大导致的三维磁粒子成像系统中的立体重建效率低、对设备资源要求高的问题，本发明提供了一种基于信号幅值特征的磁粒子成像快速重建方法，该重建方法包括：
步骤S10，将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
步骤S20，分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
步骤S30，将所述每一频点的幅值进行降序排列，获得幅值矩阵D，并通过幅值占比的方法，获取筛选阈值i0；
步骤S40，基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure BDA0003170447990000021
构建频域信号数组u0；
步骤S50，选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure BDA0003170447990000022
构建更新系统矩阵A0；
步骤S60，基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
在一些优选的实施例中，步骤S30中通过幅值占比的方法，计算筛选阈值i0，其方法为：
步骤S31，计算所述幅值矩阵D的所有幅值的和N，以第1～i个降序排序后的幅值的和除以N作为幅值占比元素Mi的值；
步骤S32，选取幅值占比元素Mi中与设定第一阈值的差异值小于设定第二阈值的m个元素对应的i值，记作筛选阈值i0。
在一些优选的实施例中，所述设定第一阈值为0.8。
在一些优选的实施例中，所述幅值占比元素Mi，其表示为：
Figure BDA0003170447990000031
其中，Dk代表幅值矩阵D中第k个幅值，N代表幅值矩阵D的所有幅值的和，i代表1～i个降序排序后的幅值的第i个。
在一些优选的实施例中，所述凸优化方法为Kaczmarz方法、ADMM方法、TV-L2方法中的一种。
本发明的另一方面，提出了一种基于信号幅值特征的MPI快速重建系统，该重建系统包括以下模块：
信号转换模块，配置为将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
幅值计算模块，配置为分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
筛选阈值获取模块，配置为将所述每一频点的幅值进行降序排列，获得幅值矩阵D，并通过幅值占比的方法，获取筛选阈值i0；
幅值筛选模块，配置为基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure BDA0003170447990000032
构建频域信号数组u0；
系统矩阵更新模块，配置为选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure BDA0003170447990000033
构建更新系统矩阵A0；
重建模块，配置为基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
本发明的第三方面，提出了一种电子设备，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于信号幅值特征的磁粒子成像快速重建方法。
本发明的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于信号幅值特征的磁粒子成像快速重建方法。
本发明的有益效果：
(1)本发明基于信号幅值特征的磁粒子成像快速重建方法，可以在几乎不降低重建精度的前提下，极大降低重建所需计算量，进而提升了重建速度并降低了重建硬件要求，可以用于提升三维动态MPI成像的帧率。
(2)本发明基于信号幅值特征的磁粒子成像快速重建方法，由于大幅度降低计算量，使得重建可以脱离超算平台，仅使用一般工作站即可完成重建，提升了MPI设备的推广潜力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明基于信号幅值特征的磁粒子成像快速重建方法的流程示意图；
图2是本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的幅值占比图以及分割阈值；
图3是本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的筛选后的信号分布茎叶图；
图4是本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的重建结果三维切面图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提供一种基于信号幅值特征的磁粒子成像快速重建方法，本方法利用幅值占比和阈值计算的方法，对原始信号进行筛选，使得该信号能够以较小的数据量，保持与原有信号一致的信息含量和分布特征。同时通过以频域信号为依据的系统矩阵筛选，可以将重建所需的系统矩阵大小一同降低，使得在重建过程中的计算量大幅度降低(为原数据量的1％以下)，进而大大提升了重建速度，并降低了所需的硬件设备要求。
本发明的一种基于信号幅值特征的磁粒子成像快速重建方法，该重建方法包括：
步骤S10，将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
步骤S20，分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
步骤S30，将所述每一频点的幅值进行降序排列，获得幅值矩阵D，并通过幅值占比的方法，获取筛选阈值i0；
步骤S40，基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure BDA0003170447990000061
构建频域信号数组u0；
步骤S50，选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure BDA0003170447990000062
构建更新系统矩阵A0；
步骤S60，基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
为了更清晰地对本发明基于信号幅值特征的磁粒子成像快速重建方法进行说明，下面结合图1对本发明实施例中各步骤展开详述。
本发明第一实施例的基于信号幅值特征的磁粒子成像快速重建方法，包括步骤S10-步骤S60，各步骤详细描述如下：
步骤S10，将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u。
本发明一个实施例中，通过傅里叶变换将MPI系统设备采集的时域电压信号变换至频域，获得复数形式的频域复数电压信号u。
步骤S20，分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值。
步骤S30，将所述每一频点的幅值进行降序排列，获得幅值矩阵D，并通过幅值占比的方法，获取筛选阈值i0：
步骤S31，计算所述幅值矩阵D的所有幅值的和N，以第1～i个降序排序后的幅值的和除以N作为幅值占比元素Mi的值。
幅值占比元素Mi，其表示如式(1)所示：
Figure BDA0003170447990000063
其中，Dk代表幅值矩阵D中第k个幅值，N代表幅值矩阵D的所有幅值的和，i代表1～i个降序排序后的幅值的第i个。
步骤S32，选取幅值占比元素Mi中与设定第一阈值的差异值小于设定第二阈值的m个元素对应的i值，记作筛选阈值i0。
本发明一个实施例中，设定第一阈值为0.8，获取m种最接近于0.8的元素对应的i值，记为筛选阈值i0。
如图2所示，为本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的幅值占比图以及分割阈值，横坐标代表根据幅值降序排列后的幅值矩阵的位置k，纵坐标代表幅值占比M，曲线代表随着包含的幅值数量上升，幅值占比的变换，虚线代表阈值。
步骤S40，基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure BDA0003170447990000071
构建频域信号数组u0。
如图3所示，为本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的筛选后的信号分布茎叶图，横坐标代表频点值，纵坐标代表归一化后的幅值大小，每个空心圆圈代表在该频点的幅值大小，图3为筛选出前625个较大幅值的信号分布茎叶图，可以看到其集中在主要频点周围。
步骤S50，选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure BDA0003170447990000072
构建更新系统矩阵A0。
可以采用一个标准浓度的较小的测量样本，移动遍历整个FOV，并在每次移动后测量一次信号作为矩阵A的一行，遍历后获得整的系统矩阵A，也可以采用其他方法获取系统矩阵A，本发明在此不一一详述。
步骤S60，基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
凸优化方法为Kaczmarz方法、ADMM方法、TV-L2方法中的一种。本发明一个实施例中，采用Kaczmarz方法。
如图4所示，为本发明基于信号幅值特征的磁粒子成像快速重建方法一种实施例的重建结果三维切面图，横坐标为位置的x轴坐标，纵坐标为位置的y轴坐标，Slice at xz&y＝10代表其对应的图为xy平面在y＝10处的切面，图4左上图、右上图、下图代表不同角度的切面
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。
本发明第二实施例的基于信号幅值特征的MPI快速重建系统，该重建系统包括以下模块：
信号转换模块，配置为将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
幅值计算模块，配置为分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
筛选阈值获取模块，配置为将所述每一频点的幅值进行降序排列，获得幅值矩阵D，并通过幅值占比的方法，获取筛选阈值i0；
幅值筛选模块，配置为基于所述阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure BDA0003170447990000081
构建频域信号数组u0；
系统矩阵更新模块，配置为选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure BDA0003170447990000082
构建更新系统矩阵A0；
重建模块，配置为基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的基于信号幅值特征的MPI快速重建系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
本发明第三实施例的一种电子设备，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于信号幅值特征的磁粒子成像快速重建方法。
本发明第四实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述的基于信号幅值特征的磁粒子成像快速重建方法。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (7)

1.一种基于信号幅值特征的磁粒子成像快速重建方法，其特征在于，该重建方法包括：
步骤S10，将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
步骤S20，分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
步骤S30，将所述每一频点的幅值进行降序排列，获得幅值矩阵D，计算所述幅值矩阵D的所有幅值的和N，以第1～i个降序排序后的幅值的和除以N作为幅值占比元素Mi的值，选取幅值占比元素Mi中与设定第一阈值的差异值小于设定第二阈值的m个元素对应的i值，记作筛选阈值i0；
步骤S40，基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure FDA0003457322800000011
构建频域信号数组u0；
步骤S50，选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure FDA0003457322800000012
构建更新系统矩阵A0；
步骤S60，基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
2.根据权利要求1所述的基于信号幅值特征的磁粒子成像快速重建方法，其特征在于，所述设定第一阈值为0.8。
3.根据权利要求1所述的基于信号幅值特征的磁粒子成像快速重建方法，其特征在于，所述幅值占比元素Mi，其表示为：
Figure FDA0003457322800000021
其中，Dk代表幅值矩阵D中第k个幅值，N代表幅值矩阵D的所有幅值的和，i代表1～i个降序排序后的幅值的第i个。
4.根据权利要求1所述的基于信号幅值特征的磁粒子成像快速重建方法，其特征在于，所述凸优化方法为Kaczmarz方法、ADMM方法、TV-L2方法中的一种。
5.一种基于信号幅值特征的MPI快速重建系统，其特征在于，该重建系统包括以下模块：
信号转换模块，配置为将MPI系统设备采集的时域电压信号变换至频域，获得频域复数电压信号u；
幅值计算模块，配置为分别计算所述频域复数电压信号u的每一频点的实部和虚部的平方和的平方根，获得每一频点的幅值；
筛选阈值获取模块，配置为将所述每一频点的幅值进行降序排列，获得幅值矩阵D，计算所述幅值矩阵D的所有幅值的和N，以第1～i个降序排序后的幅值的和除以N作为幅值占比元素Mi的值，选取幅值占比元素Mi中与设定第一阈值的差异值小于设定第二阈值的m个元素对应的i值，记作筛选阈值i0；
幅值筛选模块，配置为基于所述筛选阈值i0，进行所述幅值矩阵D的元素筛选，并基于筛选出的元素
Figure FDA0003457322800000022
构建频域信号数组u0；
系统矩阵更新模块，配置为选取所述频域信号数组u0中每一频点对应的系统矩阵A的行向量
Figure FDA0003457322800000023
构建更新系统矩阵A0；
重建模块，配置为基于所述频域信号数组u0以及所述更新系统矩阵A0，通过凸优化方法求解基于L2约束的最小二乘形式的逆问题，获得三维磁粒子浓度分布结果，实现MPI系统的快速重建。
6.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现权利要求1-4任一项所述的基于信号幅值特征的磁粒子成像快速重建方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现权利要求1-4任一项所述的基于信号幅值特征的磁粒子成像快速重建方法。
CN202110816843.9A 2021-07-20 2021-07-20 基于信号幅值特征的磁粒子成像快速重建方法及设备 Active CN113538617B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110816843.9A CN113538617B (zh) 2021-07-20 2021-07-20 基于信号幅值特征的磁粒子成像快速重建方法及设备
US17/811,738 US20230027988A1 (en) 2021-07-20 2022-07-11 Signal amplitude feature-based method for fast reconstructing a magnetic particle imaging and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110816843.9A CN113538617B (zh) 2021-07-20 2021-07-20 基于信号幅值特征的磁粒子成像快速重建方法及设备

Publications (2)

Publication Number Publication Date
CN113538617A CN113538617A (zh) 2021-10-22
CN113538617B true CN113538617B (zh) 2022-02-25

Family

ID=78128835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110816843.9A Active CN113538617B (zh) 2021-07-20 2021-07-20 基于信号幅值特征的磁粒子成像快速重建方法及设备

Country Status (2)

Country Link
US (1) US20230027988A1 (zh)
CN (1) CN113538617B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797493B (zh) * 2023-02-03 2023-04-25 北京航空航天大学 基于一维系统矩阵稀疏采样的磁场自由线磁粒子成像方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106419914A (zh) * 2015-07-24 2017-02-22 布鲁克碧奥斯平Mri有限公司 Mpi方法
CN110420026A (zh) * 2019-07-15 2019-11-08 中国科学院自动化研究所 基于ffl的磁粒子成像三维立体重建方法、系统、装置
CN113129403A (zh) * 2021-04-19 2021-07-16 中国科学院自动化研究所 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102402317B1 (ko) * 2017-06-01 2022-05-27 한국전자통신연구원 영상 시스템 및 이를 이용한 영상 재구성 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106419914A (zh) * 2015-07-24 2017-02-22 布鲁克碧奥斯平Mri有限公司 Mpi方法
CN110420026A (zh) * 2019-07-15 2019-11-08 中国科学院自动化研究所 基于ffl的磁粒子成像三维立体重建方法、系统、装置
CN113129403A (zh) * 2021-04-19 2021-07-16 中国科学院自动化研究所 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统

Also Published As

Publication number Publication date
US20230027988A1 (en) 2023-01-26
CN113538617A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
US8873819B2 (en) Method for sorting CT image slices and method for constructing 3D CT image
CN107133549B (zh) Ect运动门控信号获取方法及ect图像重建方法
RU2013139541A (ru) Компенсация усечения для итерационной реконструкции в компьютерной томографии (кт) с коническим пучком в комбинированных системах офэкт/кт
CN109522894A (zh) 一种探测fMRI脑网络动态协变的方法
CN103942772A (zh) 一种多模态多维度的血管融合方法及系统
Kujala et al. Localization of correlated network activity at the cortical level with MEG
CN113538617B (zh) 基于信号幅值特征的磁粒子成像快速重建方法及设备
US11294015B2 (en) Method and system for deep convolutional neural net for artifact suppression in dense MRI
CN106251380A (zh) 图像重建方法
CN112085675B (zh) 深度图像去噪方法、前景分割方法及人体运动监测方法
CN113628296B (zh) 一种从时频域信号到二维图像的磁粒子成像重建方法
Robinson et al. Localization of interictal spikes using SAM (g2) and dipole fit
JP2013066708A (ja) Ｍｃｇ測定値のノイズ除去
CN115640506B (zh) 基于时频谱信号增强的磁粒子分布模型重建方法和系统
CN107481224A (zh) 基于线粒体结构的图像配准方法及装置、存储介质及设备
Mairhofer et al. Visual tracking for the recovery of multiple interacting plant root systems from X-ray\upmu μ CT images
WO2019190576A2 (en) Fully automatic, template -free particle picking for electron microscopy
CN106725468B (zh) 用于脑出血检测的多频电磁层析成像方法
CN104921727B (zh) 基于自适应先验信息指导的脑功能连通性检测系统和方法
CN115349863A (zh) 一种脑磁测量装置以及脑磁测量装置与mri配准的方法
CN102540115A (zh) 磁共振成像方法及系统
CN110211091A (zh) 一种高分辨图像重构方法、装置及隐裂无损检测系统
CN116068468B (zh) 时域系统矩阵联合x-space的MPI重建方法
CN107690587A (zh) 具有可变密度采样的mri
CN116342444A (zh) 一种双通道多模态图像融合方法及融合成像终端机

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
CB03 Change of inventor or designer information

Inventor after: Tian Jie

Inventor after: Zhang Peng

Inventor after: Hui Hui

Inventor after: Li Yimeng

Inventor after: Yin Lin

Inventor after: Feng Xin

Inventor before: Tian Jie

Inventor before: Zhang Peng

Inventor before: Hui Hui

Inventor before: Li Yimeng

Inventor before: Yang Xin

CB03 Change of inventor or designer information