买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南医科大学申请的专利一种非笛卡尔磁共振动态对比增强智能成像方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120510469B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510985306.5，技术领域涉及：G06V10/774；该发明授权一种非笛卡尔磁共振动态对比增强智能成像方法是由屈彪;薛婷;罗亚梅设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种非笛卡尔磁共振动态对比增强智能成像方法在说明书摘要公布了：本发明涉及磁共振成像技术领域，尤其涉及一种非笛卡尔磁共振动态对比增强智能成像方法。该方法包括以下步骤：获取多线圈磁共振k空间数据并按照时间维度重排分帧，得到欠采样k空间数据、满足奈奎斯特采样准则的k空间标签数据、定量参数、以及动态信号数据，并共同组成训练集，设计基于定量参数约束、动态先验约束以及k空间约束的双域子空间学习的迭代网络以及损失函数并根据训练集，求解迭代网络的最优参数，然后将分帧后的k空间数据输入到已训练好的网络中重建动态图像，实现快速、高时空分辨率和准确定量的磁共振动态对比增强图像重建。

本发明授权一种非笛卡尔磁共振动态对比增强智能成像方法在权利要求书中公布了：1.一种非笛卡尔磁共振动态对比增强智能成像方法，其特征在于，包括以下步骤： S1.通过磁共振数据采集，得到磁共振成像仪器的多线圈磁共振k空间数据，并分别根据时间维度与奈奎斯特采样理论，对多线圈磁共振k空间数据进行分帧重排和动态图像重建，构建训练集； S2.基于定量参数约束、动态先验约束与k空间约束的双域子空间学习理论，构建多线圈磁共振k空间数据的迭代网络和损失函数； S3.根据步骤S1得到的训练集，对迭代网络进行求解得到最优参数； S4.根据训练好的迭代网络，将分帧重排后的多线圈磁共振k空间数据输入迭代网络，进行图像重建，得到重建后的磁共振动态对比增强图像； 所述训练集包括欠采样k空间数据、满足奈奎斯特采样的k空间标签数据、定量参数和动态图像信号数据； 所述分别根据时间维度与奈奎斯特采样理论，对多线圈磁共振k空间数据进行分帧重排和动态图像重建，构建训练集包括以下步骤： S101.通过磁共振数据采集，得到磁共振成像仪器的多线圈磁共振k空间数据，表示为： 其中，Y为多线圈磁共振k空间数据，为复数域，M为辐条数，N为采样点数，J为线圈数，对多线圈磁共振k空间数据进行分帧，得到分帧后的欠采样k空间数据，分帧后的k空间数据的总帧数表示为： 其中，M为辐条数，R为分帧后的欠采样k空间数据的辐条数，F表示分帧后的k空间数据的总帧数； 沿时间维度对多线圈磁共振k空间数据进行重排分帧，得到欠采样k空间数据，表示为： 其中，H为欠采样k空间数据，Y为多线圈磁共振k空间数据，为时间重排算子，为第f帧的第j个线圈的欠采样k空间数据； S102.通过磁共振数据采集，得到磁共振成像仪器的多线圈磁共振k空间数据，根据奈奎斯特采样理论，对多线圈磁共振k空间数据沿相邻时间帧进行重排，得到k空间标签数据，表示为： 其中，为按照奈奎斯特采样准则的辐条数对多线圈磁共振k空间数据Y进行重排的算子，Y为多线圈磁共振k空间数据，为重排后的k空间数据，A为重排后的k空间数据的最后一个维度，根据分帧后的欠采样k空间数据的总帧数对重排后的k空间数据进行复制，得到最终的k空间标签数据，表示为： 其中，为满足奈奎斯特采样的k空间标签数据，为复制算子，F为分帧后的k空间数据的总帧数，W为k空间标签数据中每一帧的径向k空间数据辐条数，N为采样点数，J为线圈数； S103.通过优化重建算法对欠采样k空间数据进行优化动态重建，得到动态图像，表示为： M＝fH M＝[M1；M2；...；MF] 其中，f为优化重建算法，M为优化算法重建得到的动态图像，M1；M2；...；MF分别为优化算法重建得到的动态图像中的第1到F帧，H为欠采样k空间数据，F为分帧后的k空间数据的总帧数，通过提取算法，沿时间维度对动态图像的每一帧图像提取相同位置的像素点的值并计算得到动态信号数据，表示为： 其中，为沿时间维度提取算法，M为优化算法重建得到的动态图像，Cu为动态图像信号数据； S104.根据动态图像信号数据，构建E-tofts模型，并通过最小二乘法沿时间像素点计算得到定量参数； S105.根据得到的欠采样k空间数据、动态图像信号数据与定量参数共同构建得到训练集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南医科大学，其通讯地址为：646000 四川省泸州市龙马潭区香林路1段1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。