RU2014117696A - Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных - Google Patents

Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных Download PDF

Info

Publication number
RU2014117696A
RU2014117696A RU2014117696/08A RU2014117696A RU2014117696A RU 2014117696 A RU2014117696 A RU 2014117696A RU 2014117696/08 A RU2014117696/08 A RU 2014117696/08A RU 2014117696 A RU2014117696 A RU 2014117696A RU 2014117696 A RU2014117696 A RU 2014117696A
Authority
RU
Russia
Prior art keywords
reconstruction
space
dictionary
reconstructed
sparse
Prior art date
Application number
RU2014117696/08A
Other languages
English (en)
Other versions
RU2568929C1 (ru
Inventor
Михаил Юрьевич Сиротенко
Дмитрий Александрович Коробченко
Артем Сергеевич Мигукин
Кирилл Артурович Гаврилюк
Михаил Николаевич Рычагов
Правин Гулака
Санчеон ЧОЙ
Янлим ЧОЙ
Original Assignee
Самсунг Электроникс Ко., Лтд.
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 Самсунг Электроникс Ко., Лтд. filed Critical Самсунг Электроникс Ко., Лтд.
Priority to RU2014117696/08A priority Critical patent/RU2568929C1/ru
Priority to KR1020140195373A priority patent/KR102376388B1/ko
Priority to PCT/KR2015/004446 priority patent/WO2015167307A1/ko
Priority to EP15785798.8A priority patent/EP3132742B1/en
Priority to US15/307,936 priority patent/US11080847B2/en
Publication of RU2014117696A publication Critical patent/RU2014117696A/ru
Application granted granted Critical
Publication of RU2568929C1 publication Critical patent/RU2568929C1/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • 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
    • A61B5/0036—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 including treatment, e.g., using an implantable medical device, ablating, ventilating
    • 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
    • A61B5/004—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 adapted for image acquisition of a particular organ or body part
    • 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
    • G01R33/20—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
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

1. Способ реконструкции изображения магнитно-резонансной томографии (МРТ) из недосемплированных данных, содержащий этапы, на которых:получают недосемплированный спектр в k-пространстве с помощью приемной катушки,выполняют первоначальную реконструкцию путем заполнения несэмплированных позиций в k-пространстве начальным приближением,выполняют многополосное разложение первоначально реконструированного спектра на ряд отдельных спектров,выполняют реконструкцию с использованием словаря изображений, соответствующих разложенных полосам, иобъединяют реконструированные изображения для получения результирующего целевого изображения,отличающийся тем, что:a. первоначальную реконструкцию выполняют посредством оптимизации критериальной функции, включающей упрощение lнормы;b. многополосное разложение применяют к первоначально реконструированному спектру в k-пространстве для получения ряда отдельных спектров для разных полос частот;c. реконструкцию с использованием словаря выполняют посредством чередования разреженной аппроксимации и восстановления измеренных частот;d. объединение реконструированных изображений дает конечный результат в виде суммы результатов реконструкции каждой полосы частот.2. Способ по п. 1, в котором регуляризацию lнормы упрощают через оптимизацию lнормы.3. Способ по п. 2, в котором оптимизацию lнормы реализуют посредством способа на основе алгоритма Split Bregman (распределенного алгоритма по Брегману) или способа приближенного разреженного кодирования.4. Способ по п. 3, в котором способ на основе алгоритма Split Bregman включает в себя восстановление измеренных семплов в k-пространстве в реконс

Claims (18)

1. Способ реконструкции изображения магнитно-резонансной томографии (МРТ) из недосемплированных данных, содержащий этапы, на которых:
получают недосемплированный спектр в k-пространстве с помощью приемной катушки,
выполняют первоначальную реконструкцию путем заполнения несэмплированных позиций в k-пространстве начальным приближением,
выполняют многополосное разложение первоначально реконструированного спектра на ряд отдельных спектров,
выполняют реконструкцию с использованием словаря изображений, соответствующих разложенных полосам, и
объединяют реконструированные изображения для получения результирующего целевого изображения,
отличающийся тем, что:
a. первоначальную реконструкцию выполняют посредством оптимизации критериальной функции, включающей упрощение l0 нормы;
b. многополосное разложение применяют к первоначально реконструированному спектру в k-пространстве для получения ряда отдельных спектров для разных полос частот;
c. реконструкцию с использованием словаря выполняют посредством чередования разреженной аппроксимации и восстановления измеренных частот;
d. объединение реконструированных изображений дает конечный результат в виде суммы результатов реконструкции каждой полосы частот.
2. Способ по п. 1, в котором регуляризацию l0 нормы упрощают через оптимизацию l1 нормы.
3. Способ по п. 2, в котором оптимизацию l1 нормы реализуют посредством способа на основе алгоритма Split Bregman (распределенного алгоритма по Брегману) или способа приближенного разреженного кодирования.
4. Способ по п. 3, в котором способ на основе алгоритма Split Bregman включает в себя восстановление измеренных семплов в k-пространстве в реконструированном спектре во время внутренних итераций Брегмана.
5. Способ по п. 3, в котором способ на основе алгоритма Split Bregman включает в себя восстановление измеренных семплов в k-пространстве в реконструированном спектре после завершения процедуры алгоритма Split Bregman.
6. Способ по п. 3, в котором способ приближенного разреженного кодирования включает в себя:
a. сбор набора данных из полностью семплированных k-пространств;
b. подготовку недосемплированных данных из полностью семплированных данных путем применения маски семплирования;
c. обучение модели прогнозировать разреженные коды для недосемплированных данных, используя полностью семплированные данные для вычисления погрешности;
d. прогнозирование приближенных разреженных кодов из недосемплированных данных с использованием обученной модели.
7. Способ по п. 1, в котором упомянутая разреженная аппроксимация включает в себя извлечение неравновеликих перекрывающихся патчей из входного изображения, соответствующего входному сигналу МРТ, выполнение разреженного разложения патчей на разреженные коды с использованием словаря, реконструкцию патчей разреженными кодами и словарем и реконструкцию изображения реконструированными патчами.
8. Способ по п. 7, в котором упомянутый словарь обучают заранее с использованием патчей, извлеченных из набора полностью семплированных обучающих изображений МРТ.
9. Способ по п. 7, в котором словарь обучают отдельно для каждой полосы частот.
10. Способ по п. 7, в котором разреженное разложение выполняют посредством минимизации числа ненулевых компонент в представлении патча как линейной комбинации элементов словаря.
11. Способ по п. 7, в котором упомянутые неравновеликие патчи имеют соотношение сторон, зависимое от величины анизотропии схемы семплирования.
12. Способ по п. 7, в котором упомянутые патчи имеют неквадратную прямоугольную форму для одномерного декартового семплирования и других анизотропных схем и имеют наибольший размер в направлении наибольших информационных потерь в недосемплированном k-пространстве.
13. Способ по п. 7, в котором патчи имеют квадратную форму для изотропной схемы семплирования.
14. Способ по п. 1, в котором реконструкцию с использованием словаря выполняют для каждого k-пространства, соответствующего различной полосе частот.
15. Способ по п. 1, в котором разложенные k-пространства, соответствующие полосам частот, состоят из частот, взятых из первоначально реконструированного k-пространства, соответствующего текущей полосе частот, тогда как другие частоты заполняются нулями и отмечаются как измеренные.
16. Способ по п. 1, в котором дополнительно отображают конечный результат на дисплее.
17. Система для реконструкции изображений магнитно-резонансной томографии (МРТ) из недосемплированных данных, содержащая:
медицинское оборудование, выполненное с возможностью:
получения недосемплированного спектра в k-пространстве с помощью приемной катушки, и
передачи недосемплированного k-пространства в сервер реконструкции;
сервер реконструкции, содержащий процессор и память, подключенную к процессору, причем сервер реконструкции выполнен с возможностью:
приема и сохранения недосемплированного k-пространства, переданного из медицинского оборудования,
выполнения первоначальной реконструкции посредством заполнения начальным приближением несемплированных позиций в k-пространстве,
выполнения многополосного разложения первоначально реконструированного спектра на ряд отдельных спектров,
выполнения реконструкции с использованием словаря изображений, соответствующих разложенным полосам,
объединения реконструированных изображений для получения результирующего целевого изображения, и
передачи результата объединения на пульт оператора; и
пульт оператора, содержащий дисплей и контроллер, причем пульт оператора выполнен с возможностью:
приема результата объединения от сервера реконструкции, и
отображения результата объединения на дисплее, отличающаяся тем, что
a. первоначальную реконструкцию выполняют посредством оптимизации критериальной функции, включающей упрощение l0 нормы;
b. многополосное разложение применяют к первоначально реконструированному спектру в k-пространстве для получения ряда отдельных спектров для разных полос частот;
c. реконструкцию с использованием словаря выполняют посредством чередования разреженной аппроксимации и восстановления измеренных частот;
d. объединение реконструированных изображений дает конечный результат в виде суммы результатов реконструкции каждой полосы частот.
18. Система по п. 17, в которой пульт оператора дополнительно выполнен с возможностью: приема ввода от оператора на выполнение реконструкции изображения, формирования команды реконструировать изображение и передачи этой команды в сервер реконструкции; и сервер реконструкции дополнительно выполнен с возможностью приема команды с пульта оператора и выполнения реконструкции изображения.
RU2014117696/08A 2014-04-30 2014-04-30 Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных RU2568929C1 (ru)

Priority Applications (5)

Application Number Priority Date Filing Date Title
RU2014117696/08A RU2568929C1 (ru) 2014-04-30 2014-04-30 Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных
KR1020140195373A KR102376388B1 (ko) 2014-04-30 2014-12-31 자기 공명 영상 장치 및 자기 공명 영상의 생성 방법
PCT/KR2015/004446 WO2015167307A1 (ko) 2014-04-30 2015-04-30 자기 공명 영상 장치 및 자기 공명 영상의 생성 방법
EP15785798.8A EP3132742B1 (en) 2014-04-30 2015-04-30 Magnetic resonance imaging apparatus
US15/307,936 US11080847B2 (en) 2014-04-30 2015-04-30 Magnetic resonance imaging device and method for generating magnetic resonance image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2014117696/08A RU2568929C1 (ru) 2014-04-30 2014-04-30 Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных

Publications (2)

Publication Number Publication Date
RU2014117696A true RU2014117696A (ru) 2015-11-10
RU2568929C1 RU2568929C1 (ru) 2015-11-20

Family

ID=54536208

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014117696/08A RU2568929C1 (ru) 2014-04-30 2014-04-30 Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных

Country Status (4)

Country Link
US (1) US11080847B2 (ru)
EP (1) EP3132742B1 (ru)
KR (1) KR102376388B1 (ru)
RU (1) RU2568929C1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496468A (zh) * 2020-03-20 2021-10-12 北京航空航天大学 深度图像的修复方法、装置和存储介质

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6370280B2 (ja) * 2015-09-16 2018-08-08 富士フイルム株式会社 断層画像生成装置、方法およびプログラム
US10267883B2 (en) 2015-12-11 2019-04-23 Siemens Healthcare Gmbh System and method for motion resolved MRI
KR101826063B1 (ko) * 2016-08-18 2018-02-06 성균관대학교산학협력단 화학 교환 포화 전이 자기 공명 영상 장치 및 방법
US10436028B2 (en) * 2016-09-22 2019-10-08 Halliburton Energy Services, Inc. Methods and systems for obtaining high-resolution spectral data of formation fluids from optical computing device measurements
CN110023776B (zh) * 2016-09-29 2023-09-22 皇家飞利浦有限公司 用于提高磁共振成像(mri)系统中的数据通信链路的效率和鲁棒性的方法和装置
WO2018085788A1 (en) * 2016-11-04 2018-05-11 The University Of North Carolina At Chapel Hill Office Of Commercialization And Economic Development Methods, systems, and computer readable media for smart image protocoling
US11586674B2 (en) * 2016-12-28 2023-02-21 Khalifa University of Science and Technology Methods and systems for searching
US10685429B2 (en) * 2017-02-22 2020-06-16 Siemens Healthcare Gmbh Denoising medical images by learning sparse image representations with a deep unfolding approach
KR101883806B1 (ko) * 2017-04-07 2018-07-31 울산과학기술원 영상 복원 장치 및 방법
US11185248B2 (en) 2017-04-11 2021-11-30 Korea Advanced Institute Of Science And Technology MRI approach of multiple times to repeat for detection of neuronal oscillations
KR102045998B1 (ko) * 2017-04-11 2019-11-18 한국과학기술원 다중 반복시간을 이용한 자기공명영상 뉴런진동 검출방법
US10983236B2 (en) * 2017-06-20 2021-04-20 Saudi Arabian Oil Company Super-resolution radon transform based on thresholding
KR102210457B1 (ko) * 2017-09-29 2021-02-01 연세대학교 산학협력단 학습을 이용한 자기공명영상 복원을 위한 언더샘플링 장치 및 방법과 학습을 이용한 자기공명영상 복원 장치 및 방법, 그리고 이에 대한 기록 매체
US10989779B2 (en) 2017-09-29 2021-04-27 Yonsei University, University - Industry Foundation (UIF) Apparatus and method for reconstructing magnetic resonance image using learning, and under-sampling apparatus method and recording medium thereof
CN110249365B (zh) * 2017-11-10 2023-05-30 上海联影医疗科技股份有限公司 用于图像重建的系统和方法
US11668777B2 (en) 2017-12-01 2023-06-06 Shenzhen Institutes Of Advanced Technology Adaptive joint sparse coding-based parallel magnetic resonance imaging method and apparatus and computer readable medium
CN109978809B (zh) * 2017-12-26 2022-02-22 同方威视技术股份有限公司 图像处理方法、装置及计算机可读存储介质
CN108346167B (zh) * 2017-12-28 2022-02-18 深圳中物光子科技有限公司 一种基于正交字典下同时稀疏编码的mri图像重构方法
KR102233996B1 (ko) * 2018-04-27 2021-03-29 연세대학교 산학협력단 자기 공명 영상 재구성 장치 및 방법
US10761167B2 (en) * 2018-05-18 2020-09-01 Case Western Reserve University System and method for generating a magnetic resonance fingerprinting dictionary using semi-supervised learning
US11062490B2 (en) * 2018-10-25 2021-07-13 The Board Of Trustees Of The Leland Stanford Junior University Reinforcement learning for online sampling trajectory optimization for magnetic resonance imaging
WO2020127031A1 (en) * 2018-12-18 2020-06-25 Agfa Nv Method of decomposing a radiographic image into sub-images of different types
CN109658471B (zh) * 2018-12-20 2023-07-25 上海联影医疗科技股份有限公司 一种医学图像重建方法和系统
WO2020148163A1 (en) * 2019-01-16 2020-07-23 Koninklijke Philips N.V. Learning of temporal dynamics for feature extraction and compression of physiological waveforms
US10950014B2 (en) * 2019-03-01 2021-03-16 Canon Medical Systems Corporation Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI)
CN111856365B (zh) * 2019-04-24 2023-03-14 深圳先进技术研究院 磁共振成像方法、装置、系统及存储介质
CN111856364B (zh) * 2019-04-24 2023-03-28 深圳先进技术研究院 一种磁共振成像方法、装置、系统及存储介质
CN110148193A (zh) * 2019-04-30 2019-08-20 台州学院 基于自适应正交字典学习的动态磁共振并行重建方法
JP7334073B2 (ja) * 2019-06-19 2023-08-28 キヤノンメディカルシステムズ株式会社 医用データ処理装置及び医用データ処理方法
CN110426704B (zh) * 2019-08-20 2023-03-24 中国科学院重庆绿色智能技术研究院 一种用于稀疏阵列的全变差快速成像算法
US11568584B2 (en) * 2019-08-26 2023-01-31 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for magnetic resonance imaging
US11645791B2 (en) * 2019-10-17 2023-05-09 Rutgers, The State University Of New Jersey Systems and methods for joint reconstruction and segmentation of organs from magnetic resonance imaging data
US20210118200A1 (en) * 2019-10-21 2021-04-22 Regents Of The University Of Minnesota Systems and methods for training machine learning algorithms for inverse problems without fully sampled reference data
CN111047660B (zh) * 2019-11-20 2022-01-28 深圳先进技术研究院 图像重建方法、装置、设备及存储介质
CN113050009B (zh) * 2019-12-27 2022-12-13 深圳先进技术研究院 三维磁共振快速参数成像方法和装置
CN112213674B (zh) * 2020-09-11 2023-03-21 上海东软医疗科技有限公司 磁共振压缩感知重建方法及装置
CN113143243B (zh) * 2021-02-25 2023-08-22 厦门大学 一种基于谱分解的深度学习磁共振波谱重建方法
CN115754857A (zh) * 2021-09-03 2023-03-07 中国科学院深圳先进技术研究院 一种低场磁共振快速成像方法、终端设备及计算机存储介质
CN115900949A (zh) * 2021-09-23 2023-04-04 光宝科技新加坡私人有限公司 具有膜层结构的梳状滤光片以及微型光谱测量装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050228261A1 (en) 2002-05-13 2005-10-13 Koninklijke Philips Electronics N.V. Magnetic resonance imaging method
US7646924B2 (en) * 2004-08-09 2010-01-12 David Leigh Donoho Method and apparatus for compressed sensing
US8165215B2 (en) * 2005-04-04 2012-04-24 Technion Research And Development Foundation Ltd. System and method for designing of dictionaries for sparse representation
US7864999B2 (en) * 2005-10-19 2011-01-04 Siemens Medical Solutions Usa, Inc. Devices systems and methods for processing images
CN101903911A (zh) * 2007-12-20 2010-12-01 皇家飞利浦电子股份有限公司 身体和身体轮廓的3d重建
US8310233B2 (en) * 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
US8274284B2 (en) 2009-10-06 2012-09-25 Northshore University Healthsystem Parallel-accelerated complex subtraction MRI
EP2588878A1 (en) 2010-07-02 2013-05-08 Koninklijke Philips Electronics N.V. Parallel magnetic resonance imaging using undersampled coil data for coil sensitivity estimation
WO2012085810A2 (en) 2010-12-22 2012-06-28 Koninklijke Philips Electronics N.V. Rapid parallel reconstruction for arbitrary k-space trajectories
US20120259590A1 (en) * 2011-04-11 2012-10-11 Jong Chul Ye Method and apparatus for compressed sensing with joint sparsity
KR101283532B1 (ko) 2012-04-17 2013-07-23 고려대학교 산학협력단 자기공명영상장치 및 이를 이용한 자기공명영상 획득 방법
CN103142228A (zh) * 2012-12-14 2013-06-12 中国科学院深圳先进技术研究院 压缩感知磁共振快速成像方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496468A (zh) * 2020-03-20 2021-10-12 北京航空航天大学 深度图像的修复方法、装置和存储介质

Also Published As

Publication number Publication date
EP3132742A4 (en) 2018-06-06
RU2568929C1 (ru) 2015-11-20
KR102376388B1 (ko) 2022-03-18
EP3132742A1 (en) 2017-02-22
KR20150125543A (ko) 2015-11-09
EP3132742B1 (en) 2021-12-29
US20170053402A1 (en) 2017-02-23
US11080847B2 (en) 2021-08-03

Similar Documents

Publication Publication Date Title
RU2014117696A (ru) Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных
RU2015137794A (ru) Способ, устройство и система для реконструкции магнитно-резонансного изображения
ES2360472T3 (es) Muestreo y reconstrucción ciegos de espectros de señales de múltiples bandas.
WO2011116785A8 (en) Method and device for reconstructing a sequence of mr images using a regularized nonlinear inverse reconstruction process
US20150028872A1 (en) Magnetic resonance imaging apparatus and image processing apparatus
RU2013103063A (ru) Динамическая контрастная улучшенная мр визуализация с реконструкцией сжатого измерения
JP6014266B2 (ja) 磁気共鳴撮影装置および水脂肪分離方法
CN103142228A (zh) 压缩感知磁共振快速成像方法
CN110133556A (zh) 一种磁共振图像处理方法、装置、设备及存储介质
US10527695B2 (en) Systems and methods for efficient magnetic resonance fingerprinting scheduling
EP2553926B1 (en) Procede de codage et de reconstruction d'un bloc d'une sequence d'images en utilisant un dictionnaire d'atomes structures et un dictionnaire de patches associes
US20180306881A1 (en) Magnetic resonance imaging apparatus
KR101580532B1 (ko) 자기 공명 영상 처리 장치 및 방법
CN104181482B8 (zh) 一种化学位移成像方法及其系统
CN104280705A (zh) 基于压缩感知的磁共振图像重建方法和装置
CN111295137B (zh) 磁共振摄影装置、灵敏度分布算出方法及存储介质
Liao et al. Acceleration of mr fingerprinting with low rank and sparsity constraint
CN106443534B (zh) 一种磁共振快速成像方法及系统
KR20140106664A (ko) 국소화된 일차원 자기 공진 공간-주파수 분광기
CN110034745B (zh) 用于减小时域选通边缘误差的频谱扩展无边缘选通
Smith et al. Curvelets as a sparse basis for compressed sensing magnetic resonance imaging
JP2018175767A (ja) 磁気共鳴イメージングシステム
Boesandi et al. Compressive sensing in the Huffman coding DWT SVD medical image watermarking
CN105790769B (zh) 基于离散椭球序列的随机解调方法
CN111856366B (zh) k空间数据采集装置及方法、磁共振成像装置及方法

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200501