DEEP LEARNING TECHNIQUES FOR MAGNETIC RESONANCE IMAGE RECONSTRUCTION

• Main Authors: KUNDU, PRANTIK, SACOLICK, LAURA, MOSHEN SALEHI, SEYED SADEGH, O'HALLORAN, RAFAEL, WANG, ZIYI, SOFKA, MICHAL, ROTHBERG, JONATHAN M, DYVORNE, HADRIEN A, SCHLEMPER, JO, LAZARUS, CAROLE
• Format: Patent
• Language: English; French
• Published: 06.02.2020
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; DIAGNOSIS; HUMAN NECESSITIES; HYGIENE; IDENTIFICATION; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; MEASURING; MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES; MEDICAL OR VETERINARY SCIENCE; PHYSICS; SURGERY; TESTING

A magnetic resonance imaging (MRI) system, comprising: a magnetics system comprising: a Bo magnet configured to provide a Bo field for the MRI system; gradient coils configured to provide gradient fields for the MRI system; and at least one RF coil configured to detect magnetic resonance (MR) signals; and a controller configured to: control the magnetics system to acquire MR spatial frequency data using non-Cartesian sampling; and generate an MR image from the acquired MR spatial frequency data using a neural network model comprising one or more neural network blocks including a first neural network block, wherein the first neural network block is configured to perform data consistency processing using a non-uniform Fourier transformation. L'invention concerne un système d'imagerie par résonance magnétique (IRM), comprenant : un système magnétique comprenant : un aimant Bo conçu pour fournir un champ Bo pour le système IRM; des bobines de gradient conçues pour fournir des champs de gradient pour le système IRM; et au moins une bobine RF conçue pour détecter des signaux de résonance magnétique (MR); et un dispositif de commande conçu pour : ordonner au système magnétique d'acquérir des données de fréquence spatiale MR à l'aide d'un échantillonnage non cartésien; et générer une image RM à partir des données de fréquence spatiale RM acquises à l'aide d'un modèle de réseau neuronal comprenant un ou plusieurs blocs de réseau neuronal incluant un premier bloc de réseau neuronal, le premier bloc de réseau neuronal étant conçu pour effectuer un traitement de cohérence de données à l'aide d'une transformée de Fourier non uniforme.