(19)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 202211218697.0 (22)申请日 2022.10.06 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 胡悦　李鹏　 (74)专利代理 机构 黑龙江立超同创知识产权代 理有限责任公司 23217 专利代理师 杨立超 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) A61B 5/055(2006.01) G06F 111/08(2020.01) G06F 111/04(2020.01)G06F 119/10(2020.01) (54)发明名称 一种基于深度学习的磁共振指纹序列参数 优化设计方法 (57)摘要 一种基于深度学习的磁共振指纹序列参数 优化设计方法， 属于磁共振指纹成像领域， 用以 解决脉冲序列与定量成像精度关联关系不明， 以 及脉冲序列参数求解复杂的问题。 本发明方法的 技术要点包括构建脉冲序列与定量成像精度相 关联的脉冲序列参数优化模型； 基于磁共振脉冲 激发物理原理构建脉冲序列参数生成 网络； 采用 与脉冲序列尺度相同的高斯随机序列作为网络 的输入； 根据所提出的脉冲序列参数优化模型设 置迭代收敛条件； 将构建的输入序列输入网络， 经构建的序列参数生成网络生成优化的脉冲序 列参数； 按照构建的脉冲序列参数优化模型对网 络生成的脉冲序列参数进行评估； 根据生成的优 化后的序列参数评估结果， 判断是否达到了所设 置的迭代收敛条件， 是则停 止迭代并输出生成的 脉冲序列参数。 本发明可用于磁共振指纹脉冲序 列参数的优化设计， 能够在不增加其他开销的情况下， 大幅提高磁共振指纹成像的参数估计精 度。 权利要求书2页 说明书7页 附图4页 CN 115455609 A 2022.12.09 CN 115455609 A 1.一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特征在于， 所述方法包 括以下步骤： 步骤一、 根据磁共振指纹成像模型构建脉冲序列参数优化模型， 该模型包括字典可分 性最优项和参数估计最优项两 部分； 步骤二、 基于磁共 振指纹成像脉冲序列物理特性构建神经网络； 步骤三、 构造神经网络输入： 采用与脉冲序列尺度相同的高斯随机序列作为网络的输 入； 步骤四、 设置序列参数优化收敛 条件； 步骤五、 将输入序列输入网络， 优化磁共 振指纹脉冲序列参数； 步骤六、 利用步骤一定义的优化模型评估网络优化后的脉冲序列参数； 步骤七、 判断是否达到迭代收敛条件， 是则 输出最终优化的磁共振指纹脉冲序列参数； 否则根据优化模型反向传播 修正网络参数， 并返回步骤五， 继续迭代。 2.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤一构建脉冲序列 与定量成像精度相关联的脉冲序列参数优化模型为： 其中， W表示权重聚焦矩阵， 表示经过逐条目归一化的组织指纹字典， I表示单位对角 矩阵， λ>0表示可调整的超参数， 表示归一化后的磁共振指纹数据， 表示线性退化算 子， 引入欠采样伪影与噪声。 3.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤二中所述的基于磁共振指纹成像脉冲序列物理特性构建神经网络， 构建过程 具体为： 基于循环门控神经单元与平滑约束模块构建序列参数生成单元， 由若干脉冲序列 参数生成单元串联构成脉冲序列参数生成网络； 构建的网络能够充分利用脉冲序列上下文 之间的相关性信息， 并使生成的脉冲序列参数满足磁共 振脉冲激发的物理要求。 4.根据权利要求3所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤三中脉冲序列参数生成网络的输入为 表示与待生成脉冲序列 尺度相同的高 斯白噪声。 5.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤四根据所提出 的脉冲序列参数优化模型定义序列参数性能的相对变化量为： ∈n＝costn/costn‑1， 设定迭代收敛 条件为∈n<1e‑5。 6.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤五将构建的输入序列输入网络， 经构建的序列参数生成网络生成优化的脉冲 序列参数： 其中， 表示构造的输入序列， fnet(·)表示构建的脉冲序列参数生成网络， 表示网络 生成的优化的脉冲序列参数， 表示网络的参数。 7.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤六按照构建的脉冲序列参数优化模型对网络生成的脉冲序列参数进行评估。权　利　要　求　书 1/2 页 2 CN 115455609 A 28.根据权利要求1所述一种基于深度学习的磁共振指纹序列参数优化设计方法， 其特 征在于， 步骤七根据生成的优化后的序列参数评估结果， 判断是否达到了所设置的迭代收 敛条件， 是则停止迭代并输出生成的脉冲序列参数， 否则 返回步骤五， 继续迭代， 生成新的 脉冲序列参数。权　利　要　求　书 2/2 页 3 CN 115455609 A 3