(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 202111663311.2 (22)申请日 2021.12.31 (71)申请人 清华大学 地址 100084 北京市海淀区清华大 学 (72)发明人 陈慧军　李雨泽　杨润宇　窦佳琦　 王雅洁　徐子茗　 (74)专利代理 机构 北京聿宏知识产权代理有限 公司 11372 代理人 陈超德　吴昊 (51)Int.Cl. G06T 11/00(2006.01) G06N 3/08(2006.01) (54)发明名称 磁共振图像生成方法、 装置、 计算机设备和 存储介质 (57)摘要 本发明公开了一种磁共振图像生 成方法、 装 置、 计算机设备和存储介质。 磁共振图像生成方 法包括： 采集对待测目标进行磁共振扫描得到的 K空间数据； 基于K空间数据和用于图像重建和参 数拟合以生成图像的重建框架进行处理， 重建框 架为嵌入有物理模型以及已训练神经网络的稀 疏低秩模型； 获取重建框架最终输出的T1加权图 像和T1量化图像。 采用本发明， 可以得到精确的 T1加权图像和T1量 化图像， 图像质量高。 权利要求书2页 说明书12页 附图2页 CN 114299185 A 2022.04.08 CN 114299185 A 1.一种磁共 振图像生成方法， 其特 征在于， 包括： 采集对待测目标进行磁共 振扫描得到的K空间数据； 基于所述K空间数据和用于 图像重建和参数拟合以生成图像的重建框架进行处理， 所 述重建框架为嵌入有物理模型以及已训练神经网络的稀疏低秩模型； 获取所述重建框架最终输出的T1加权图像和T1量 化图像。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述K空间数据和用于 图像重建 和参数拟合以生成图像的重建框架进行处 理之前， 还 包括： 将预设的物理模型以及已训练神经网络嵌入 稀疏低秩模型， 得到 重建框架。 3.根据权利要求2所述的方法， 其特征在于， 所述将预设的物理模型以及已训练神经网 络嵌入稀疏低秩模型之前， 还 包括： 从大脑数字 仿体获取仿真的K空间数据； 构建初始的神经网络； 根据所述仿真的K空间数据对所述初始的神经网络进行从T1加权图像映射到T1量化图 像的训练， 得到所述已训练神经网络 。 4.根据权利要求3所述的方法， 其特征在于， 所述从大脑数字仿体获取仿真的K空间数 据， 包括： 采用三维黄金径向角采集方式采集大脑数字 仿体的不同成分所对应的T1量 化值； 利用GOAL‑SNAP序列的信号公式对所述T1量 化值进行处 理得到处 理后的数据； 对处理后的数据进行傅里叶变换操作并添加高斯分布噪声， 生成仿真的K空间数据。 5.根据权利要求3所述的方法， 其特征在于， 所述根据所述仿真的K空间数据对所述初 始的神经网络进行从T1加权图像映射到T1量 化图像的训练， 得到已训练神经网络， 包括： 对所述仿真的K空间数据进行逆不 规则傅里叶变换， 得到第一类T1加权图像； 将所述仿真的K空间数据输入到稀疏低秩重建算法中， 取前面预设次迭代的重建图像 得到第二类T1加权图像， 取所述稀疏低秩重 建算法迭代完成后的图像得到第三类T1加权图 像； 利用GOAL ‑SNAP序列的信号公式对所述仿真的K空间数据处理， 得到的图像作 为标准的 T1量化图像； 将所述第一类T1加权图像、 所述第二类T1加权图像和所述第三类T1加权图像作 为所述 初始的神经网络的输入， 将所述标准的T1量化图像作为所述初始的神经网络的输出， 对所 述初始的神经网络进行训练得到所述已训练神经网络 。 6.根据权利要求1所述的方法， 其特征在于， 所述重建框架包括稀疏低秩优化公式、 引 入已训练神经网络的量化模型和引入物理模型 的加权模型， 所述基于所述K空间数据和用 于图像重建和参数拟合以生成图像的重建框架进行处 理， 包括： 使用K空间数据进行参数初始化得到初始化的参数， 根据所述初始化的参数和所述稀 疏低秩优化 公式进行稀疏低秩迭代计算， 得到下一次迭代的低秩部 分和下一次迭代的稀疏 部分； 根据所述 量化模型进行量 化图像迭代计算， 得到下一次迭代的T1量 化图像； 根据所述K空间数据、 所述下一次迭代的低秩部分、 所述下一次迭代 的稀疏部分、 所述 下一次迭代的T1量化图像和所述加权模型进 行加权图像迭代计算， 得到下一次迭代的T1加权　利　要　求　书 1/2 页 2 CN 114299185 A 2权图像； 重复所述稀疏低秩迭代计算、 所述量化图像迭代计算和所述加权图像迭代计算直到迭 代完成， 得到迭代完成时的T1加权图像和迭代完成时的T1量化图像， 并作为最终输出的T1 加权图像和最终输出的T1量 化图像。 7.根据权利要求1所述的方法， 其特 征在于， 所述初始化的参数包括： k＝0， S＝0， L ＝u＝EHd； 所述低秩稀疏优化公式包括： 所述量化模型包括： Qk+1≈Rk+1uk； 所述加权模型包括： uk+1＝uk+1/2‑EH(Euk+1/2‑d)； 式中， k表示迭代次数， L为初始的低 秩部分， S为初始的稀疏部分， d为所述K空间数据， u 为初始的T1加权图像， E为数据转换算子， 包括多通道线圈数据融合操作和不规则傅里叶变 换操作； Lk+1为第k+1次迭代的低秩部分， Sk+1为第k+1次迭代的稀疏部分； Lk为第k次迭代的低秩 部分， Sk为第k次迭代的稀疏部分， 表示使用参数λ1进行奇异值阈值收缩， 表示使 用参数λ2进行软阈值收缩， T表示稀疏变换， t表示迭代步长， uk表示第k次迭代的T1加权图 像； Qk+1表示第k+1次迭代的T1量化图像， Rk+1为第k+1次迭代的已训练神经网络， I为单位矩 阵， μ为预定的参数， G为物理模型。 8.一种磁共 振图像生成装置， 其特 征在于， 包括： 数据采集模块， 用于采集对待测目标进行磁共 振扫描得到的K空间数据； 数据处理模块， 用于基于所述K空间数据和用于 图像重建和参数拟合以生成图像的重 建框架进行处 理， 所述重建框架为嵌入有物理模型以及已训练神经网络的低秩稀疏模型； 图像获取模块， 用于获取 所述重建框架最终输出的T1加权图像和T1量 化图像。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 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权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114299185 A 3