生成磁共振图像的方法和系统、计算机可读存储介质与流程

技术特征：
1.一种生成磁共振图像的方法，包括：获取多个定量图；基于所述多个定量图合成第一加权图像；以及，基于训练的深度学习网络将所述第一加权图像转换为对应的第二加权图像。2.如权利要求1所述的方法，其中，获取多个定量图包括：基于初始图像计算所述多个定量图，所述初始图像是通过磁共振成像设备执行预设的扫描序列产生的。3.如权利要求1所述的方法，其中，所述多个定量图包括t1定量图、t2定量图和质子密度定量图。4.如权利要求3所述的方法，其中，合成第一加权图像的步骤包括：根据所述多个定量图中的定量值与假设的序列参数和图像信号值之间的预设关系确定所述第一加权图像。5.如权利要求4所述的方法，其中，所述假设的序列参数包括假设的回波时间、假设的重复时间以及假设的反转恢复时间中的部分或全部。6.如权利要求5所述的方法，其中，所述第一加权图像为t1加权图像、t2加权图像或质子密度加权图像，所述第一加权图像是基于以下公式得到的：s＝pd
·
exp(-te/t2)
·
(1-exp(-tr/t2))；其中，s为所述第一加权图像的图像信号值，exp为以自然常数e为底的指数函数，te为假设的回波时间，tr为假设的重复时间，t1、t2、pd分别为t1定量值、t2定量值和质子密度定量值。7.如权利要求5所述的方法，其中，所述第一加权图像为t1wi-flair图像、t2wi-flair图像、stir图像或psir图像，所述第一加权图像是基于以下公式得到的：s＝pd
·
exp(-te/t2)
·
(1-2
·
exp(-ti/t1) exp(-tr/t1)；其中，s为所述第一加权图像的图像信号值，exp为以自然常数e为底的指数函数，te为假设的回波时间，tr为假设的重复时间，ti为假设的反转恢复时间，t1、t2、pd分别为t1定量值、t2定量值和质子密度定量值。8.如权利要求3所述的方法，其中，合成第一加权图像的步骤还包括：对所述多个定量图分别进行卷积运算，并基于所述卷积运算结果合成所述第一加权图像。9.如权利要求1所述的方法，其中，训练所述深度学习网络的输入数据集包括多个所述第一加权图像，训练所述深度学习网络的输出数据集包括：通过执行磁共振成像扫描并基于扫描数据进行图像重建得到的多个真实加权图像。10.如权利要求9所述的方法，其中，所述深度学习网络的网络参数是通过求解下式得到的：minθ||f(θ)-f||2其中，θ是所述网络参数，f包括所述真实加权图像，f(θ)表示所述深度学习网络的输出，min表示最小化。11.一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被运行时执行权利要求1至10任意一项所述的方法。
12.一种生成磁共振图像的系统，其包括：定量图获取模块，其用于获取多个定量图；图像合成模块，其用于基于所述多个定量图合成第一加权图像；以及，转换模块，其用于基于训练的深度学习网络将所述第一加权图像转换为对应的第二加权图像。13.如权利要求1所述的系统，其中，还包括：磁共振成像设备，用于生成初始图像；以及，计算模块，其用于基于所述初始图像计算所述多个定量图。

技术总结
本发明的实施例提供一种生成磁共振图像的方法和系统、计算机可读存储介质。该方法包括：获取多个定量图；基于该多个定量图合成第一加权图像；以及，基于训练的深度学习网络将该第一加权图像转换为对应的第二加权图像。该第一加权图像转换为对应的第二加权图像。该第一加权图像转换为对应的第二加权图像。


技术研发人员：张颖 夏静静 赵周社
受保护的技术使用者：通用电气精准医疗有限责任公司
技术研发日：2020.12.09
技术公布日：2022/6/10