(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111451737.1 (22)申请日 2021.12.01 (71)申请人 厦门大学 地址 361005 福建省厦门市思明区思明南 路422号 (72)发明人 陈忠　杜宏杰　蔡聪波　王杰超　 陈欣然　 (74)专利代理 机构 厦门南强之 路专利事务所 (普通合伙) 35200 代理人 马应森　刘勇 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (54)发明名称 基于Bloch仿真合成训练样 本的螺旋桨欠采 重建系统 (57)摘要 基于Bloch仿真合成训练样 本的螺旋桨欠采 重建系统， 涉及磁共振成像领域。 系统包括原始 模板生成模块、 模拟采样模块、 训练样本生成模 块、 深度神经网络训练模块和图像重建模块。 方 法： 1)生成原始模板； 2)生成既定参数的采样后 的数据； 3)批量生成定量的训练样本； 4)深度神 经网络训练； 5)图像重建。 具有重建图像时间短、 重建图像质量高和抵抗运动伪影等优点,方便螺 旋桨(PROPELLER)数据的采集和相关研究， 可以 在采样数据量少甚至有运动的情况下， 快速地重 建出质量高无运动伪影的图片， 节约大量人力物 力成本。 权利要求书2页 说明书7页 附图3页 CN 114021485 A 2022.02.08 CN 114021485 A 1.基于Bloch仿真合成训练样本的螺旋桨欠采重建系统， 其特征在于包括原始模板生 成模块、 模拟采样模块、 训练样本生成模块、 深度神经网络训练模块、 图像重建模块； 所述原始模板生成模块用于对磁共振脑部、 腹部数据集通过计算、 整合， 生成模拟的不 同模板的完整数据集； 所述模拟采样模块用于通过建立磁场模型， 结合PROPELLER序列并基于Bloch仿真对模 拟数据集进行 数据采样， 生成既定参数的采样后的数据并保存； 所述训练样本生成模块用于将采样后数据集的k空间数据处理成特定参数维度的数 据， 并对数据进行外理后批量 生成定量训练样本； 所述深度神经网络训练模块用于对输入深度神经网络中的定量训练样本到进行网络 拟合训练； 所述图像重建模块用于对训练好的深度神经网络， 以及PROPELLER成像序列采集的欠 采样的k空间实采数据， 重建出PROPEL LER磁共振图像。 2.一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征在于包括以下步 骤： 1)生成原 始模板； 2)生成既定参数的采样后的数据； 3)批量生成定量的训练样本； 4)深度神经网络训练； 5)图像重建。 3.如权利要求2所述一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征 在于在步骤1)中， 所述 生成原始模板， 具体包括以下步骤： 1.1)获取公开的磁共振脑部、 腹部数据集， 并根据已有模态计算得到包括T1、 T2、 M0等 参数； 1.2)合成固定形状的仿真水模， 每 个水模内部随机 选取不同的T2、 M 0、 T1组合； 1.3)合成图案随机的仿真模板， 让随机图案填满整个空白矩形模板， 并在其中添加来 自于外部光学数据集的纹 理， 合成T2、 M 0、 T1等参数的组合； 1.4)整合数据集， 确定添加比例， 得到有四种包括模拟人脑、 模拟水膜、 模拟随机图案 以及模拟腹部的不同模板的完整数据集， 作为原 始模板。 4.如权利要求2所述一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征 在于在步骤2)中， 所述 生成既定参数的采样后的数据， 包括以下步骤： 2.1)输入数据集样本； 2.2)将磁场进行建模处 理， 得到磁场模型； 2.3)利用磁场模型结合设定好的PROPELLER序列 并基于Bloch仿真对对模拟数据集进 行数据采样； 2.4)得到所述数据集的k空间数据； 2.5)利用所 得k空间数据重建出传统非欠采样PROPEL LER方法重建图像并保存； 2.6)重复步骤2.1)～ 2.5)， 生成既定参数的采样后的数据。 5.如权利要求2所述一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征 在于在步骤3)中， 所述批量 生成定量的训练样本， 包括以下步骤：权　利　要　求　书 1/2 页 2 CN 114021485 A 23.1)加载数据集的k空间数据， 处理成特定参数维度的数据， 包括每个Blade的矩阵大 小以及Blade数量； 3.2)对所述特定参数维度的数据， 加入 模拟随机噪声； 3.3)对Blade的k空间矩形 数据进行充零处 理， 变成方 形k空间矩阵； 3.4)对方 形k空间矩阵进行逆傅里叶变换， 得到图像数据； 3.5)对图像数据添加随机 旋转运动和随机平 移运动， 得到模拟运动 后的数据； 3.6)对模拟运动 后的数据进行旋转处 理， 并裁剪成原来方 形矩阵大小； 3.7)根据欠采样倍 率调整Blade 数量； 3.8)对单个采样的所有Bl ade数据进行归一化处理， 并裁剪成适合网络训练的大小， 加 入传统非欠采样PROPEL LER方法重建图像作为 Label， 共同组成单个训练样本； 3.9)重复步骤3.1)～3.8)， 批量 生成定量的训练样本 。 6.如权利要求2所述一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征 在于在步骤4)中， 所述深度神经网络训练的具体步骤为： 将定量训练样本输入到深度神经 网络中， 将Blade作为网络输入的图像通道； 网络的输出会越来越逼近网络的Label对应的 图像， 这也叫做网络拟合训练； 网络的Loss函数可以表示 为： 其中， N为每次参与训练的样本数量， i表示样本的序号， W和b分别代表深度神经网络的 权重大小和偏 置大小， Y是参数Label(标签)， 而 X代表的是输入图像， f表 示网络对于输入图 像的作用函数。 7.如权利要求2所述一种基于Bloch仿真合成训练样本的螺旋桨欠采重建方法， 其特征 在于在步骤5)中， 所述图像重建的具体步骤为： 采用训练好的深度神经网络， 以及 PROPELLER成像序列采集的欠采样的k空间实采数据， 重建出PROPEL LER磁共振图像。权　利　要　求　书 2/2 页 3 CN 114021485 A 3