CN100578546C - 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 - Google Patents
基于复二维奇异谱分析的磁共振部分k数据图像重建方法 Download PDFInfo
- Publication number
- CN100578546C CN100578546C CN200710040655A CN200710040655A CN100578546C CN 100578546 C CN100578546 C CN 100578546C CN 200710040655 A CN200710040655 A CN 200710040655A CN 200710040655 A CN200710040655 A CN 200710040655A CN 100578546 C CN100578546 C CN 100578546C
- Authority
- CN
- China
- Prior art keywords
- delta
- singular
- dimentional
- image
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种基于复二维奇异谱分析的磁共振部分K数据图像重建方法,包括从磁共振成像扫描仪中预设的图像空间范围中采集部分K数据、对该部分K数据进行补零成像处理、根据补零成像得到的近似图像及部分K数据进行模型参数估计、利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构。采用了该发明的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,节省了扫描时间,图像具有高信噪比、高分辨率和高精确度,为医学核磁共振成像检测提供了高质量的可靠图像信息,适用范围较为广泛,给人们带来了很大便利,为医学成像检测技术的进一步发展和大范围普及应用奠定了坚实的理论和实践基础。
Description
技术领域
本发明涉及医学成像检测技术领域,特别涉及快速磁共振成像技术领域,具体是指一种基于复二维奇异谱分析的磁共振部分K数据图像重建方法。
背景技术
随着现代医学技术的不断发展,核磁共振成像(MRI)技术已经成为医学成像检测领域中不可或缺的手段。磁共振信号空间(原始数据空间)称为K空间,即为傅里叶变换空间,K空间采样信号经过傅里叶反变换后再取模,即得到核磁共振(MR)图像。实现快速成像的方法主要有提高硬件设备档次(比如提高主磁场强),采用快速策略(如FLASH,EPI等等)、部分K空间扫描(如半谱扫描,非中心对称扫描等等)以及非直角网格扫描(如螺旋扫描)等方法。其中一维部分K空间数据成像可以在硬件和扫描方式不变的前提下,成倍地提高扫描速度(请参阅文献:P.Margosian,F.Schmitt,D.Purdy,“Faster MR Imaging:Imaging with Halfthe Data,”Health Care Instrum.,vol.1,pp.195-197,1986.,和J.van Cuppen and A.van Est,“Reducing MR imaging time by one-sided reconstruction,”Mag.Reso.Imag.,vol.5,pp.526-527,1987.)。目前流行的策略是基于相位校正的部分K空间数据图像重构,典型的方法有半谱POCS、相位校正共轭对称法和HM法等等(请参阅文献:E.M.Haacke,E.D.Lindskog,W.Lin,″A fast,iterative partial Fourier technique capable of local phase recovery,″J.Magn.Reson.,vol.92,pp.126-145,1991.,V.A.Stenger,D.C.Noll,F.E.Boada,“Partial k-space reconstruction for 3Dgradient echo functional MRI:A comparison of phase correction methods,”Magn.Reson.Med.,vol.40,pp.481-490,1998.,D.C.Noll,D.G.Nishimura,A.Macovski,“Homodyne detection inmagnetic resonance imaging,”IEEE Trans.Med.Imag.,vol.10,PP.154-163,1991.,和G.McGibney,M.R.Smith,S.T.Nicholas and A.Crawley,”Quantitative evaluation of several partial-Fourierreconstruction algorithms used in MRI,”Magn.Reson.Med.,vol.30,pp.51-59,1993.)。
与此同时,二维部分K空间数据扫描可以比一维部分K空间数据扫描节省一半扫描时间,但是其成像方法只有补零法(FZI法),即未采集的K空间数据补零后,再用离散傅里叶反变换成像。由于补零法成像总是有伪影,这是由于该方法是利用牺牲图像质量来换取成像速度的。这些缺点所造成的失真现象足以使临床诊断医生产生误诊,以致始终阻碍着它们进入医学临床应用的大门,这样就给人们的工作和生活带来了很大的不便,并在一定程度上限制了医学成像检测技术的进一步发展。
因此,提高部分K空间数据成像速度的关键问题是要寻找一种新的图像表示方法,即一种新的图像模型,在这种模型下,可以用较少的变量来表示图像。本发明的发明人曾经在文献中(具体请参阅文献:Luo JH,Zhu YM,MR image reconstruction from truncated k-space usinga layer singular point extraction technique,IEEE TRANSACTIONS ON NUCLEAR SCIENCE 51(1):157-169 Part 1 FEB 2004)指出,任何一个实数字信号都可以用奇异函数的加权和表示。因此,这样的模型适合实信号的一维部分K空间数据以及在二维K空间中只有一个方向的K空间数据被截断条件下的图像重构问题。
发明内容
本发明的目的是克服了上述现有技术中的缺点,提供一种能够提高重建磁共振复图像的速度、有效降低图像误差、提高磁共振图像质量、高效实用、工作性能稳定可靠、适用范围较为广泛的基于复二维奇异谱分析的磁共振部分K数据图像重建方法。
为了实现上述的目的,本发明的基于复二维奇异谱分析的磁共振部分K数据图像重建方法如下:
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其主要特点是,所述的方法包括以下步骤:
(1)从磁共振成像扫描仪中预设的图像空间范围中采集部分K数据G(kx,ky),所述的K数据G(kx,ky)即为离散傅里叶变换空间数据G(kx,ky);
(2)对该部分K数据进行补零成像处理;
(3)根据补零成像得到的近似图像及部分K数据进行模型参数估计;
(4)根据模型参数估计的结果,利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的复系数加权二维奇异函数的磁共振图像数学模型为:
其中,g(x,y),0≤x,y<N为像素为N×N的二维磁共振图像的复图像信号,(xi,yi)为g(x,y)的第i个奇异点,ai为该第i个奇异点上的复奇异值,Q为g(x,y)的奇异点的个数,为以(xi,yi)为奇异点的二维奇异函数。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的复二维奇异谱分析模型为:
其中,G(kx,ky)=DFT[g(x,y)], DFT[·]为二维离散付里叶变换算子。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的进行补零成像处理包括以下步骤:
(11)将K空间Ω划分为有数据子空间Ωk和无数据子空间Ωk;
其中,IDFT[·]为二维离散付里叶反变换算子;
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的进行模型参数估计包括以下步骤:
(22)根据g(x,y)的奇异点集进行相应的奇异值的估计处理;
(23)将所得到的g(x,y)的奇异点集和相应的奇异值作为模型参数估计的结果返回。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的使用二维层析法进行g(x,y)的奇异点集的估计处理包括以下步骤:
其中 |Ω|为空间Ω中元素的个数,|Ωk|为空间Ωk中元素的个数;
(3′)判断 是否成立,如果是,则返回上述步骤(1′),其中T为系统中预设的与噪声相关的阈值;
(4′)反之则将该奇异点队列Q作为奇异点集{(x1,y1),(x2,y2),...,(xQ,yQ)}输出。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的进行g(x,y)的奇异点集的奇异值的估计处理可以包括以下步骤:
(33)根据以下公式联列奇异函数方程:
(34)用伪逆矩阵法解出所述的奇异函数方程,得到一个最小误差解,获得Q个复数奇异值{a1,a2,...,aQ}并输出。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的进行g(x,y)的奇异点集的奇异值的估计处理也可以包括以下步骤:
(43)根据以下公式联列奇异谱方程:
(44)用伪逆矩阵法解出所述的奇异谱方程,得到一个最小误差解,获得Q个复数奇异值{a1,a2,..,aQ}并输出。
该基于复二维奇异谱分析的磁共振部分K数据图像重建方法的进行磁共振复图像的重构可以为:
基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),..,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的复图像信号g(x,y):
或者也可以包括以下步骤:
(51)基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的付里叶谱数据G(kx,ky):
(52)根据以下公式得到所述的复图像信号g(x,y):
g(x,y)=IDFT[G(kx,ky)],0≤x,y<N。
采用了该发明的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,由于首先从实际磁共振设备中根据预设的图像空间范围采集部分K空间数据,然后对该部分K数据进行补零成像处理,接着根据该经过补零成像得到的近似图像及部分K数据信息进行模型参数估计,最后根据模型参数估计的结果,利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构,从而相对于一维磁共振部分K空间数据图像重建过程大大节省了扫描时间,实现了快速成像,同时确保了图像的高信噪比、高分辨率和高精确度;而且相比较现有技术中的二维部分K空间数据图像重构方法,能够克服补零法成像中所存在的伪影,有效降低图像误差,精确显示原磁共振图像,为医学核磁共振成像检测提供了高质量的可靠图像信息;同时,本发明的方法高效实用,工作性能稳定可靠、适用范围较为广泛,给人们的工作和生活带来了很大的便利,并且也为医学成像检测技术的进一步发展和大范围普及应用奠定了坚实的理论和实践基础。
附图说明
图1为本发明的奇异点为(58,36)的奇异函数图象。
图2a、2b、2c分别为物体模拟磁共振成像试验中的二维复图像信号g(x,y)、K数据图像G(kx,ky)和g(x,y)在y方向的差分Δg(x,y)的图像。
图4为本发明的基于复二维奇异谱分析的磁共振部分K数据图像重建方法的工作过程原理示意图。
图5为仿真实验中由仿真图像调制而成的相位缓慢变化的复数图像的相位图。
图6a、6b、6c分别为仿真实验中的原始图像、使用现有技术中的FZI法对图6a的图像进行重构后的图像和使用本发明的复二维奇异谱分析(2DSSA)方法对图6a的图像进行重建后的图像。
图7为实际人体磁共振成像试验中使用本发明的复二维奇异谱分析(2DSSA)方法和现有技术中的ZFI方法分别对部分K空间数据进行重构的图像与完全K空间谱数据重构的图像之间的标准差STD随部分K数据的中心点变化状况示意图。
图8为实际人体磁共振成像试验中使用本发明的复二维奇异谱分析(2DSSA)方法和现有技术中的ZFI方法分别对三维K空间切片中部分图像数据进行重构的图像与该对应切片中完全K空间谱数据重构的图像之间的标准差STD随不同切片的变化状况示意图。
图9a为实际人体磁共振成像试验中使用三维K空间第88幅横切片中完全K空间谱数据重构的图像。
图9b为该实际人体磁共振成像试验中三维K空间第88幅横切片中部分K空间数据示意图。
图9c为使用现有技术中的FZI方法根据图9b中的数据进行重构后的图像。
图9d为使用本发明的复二维奇异谱分析(2DSSA)方法根据图9b中的数据进行重构后的图像。
具体实施方式
为了能够更清楚地理解本发明的技术内容,特举以下实施例详细说明。
本发明是从实际磁共振设备中预设的图像空间范围中采集部分K数据,并采用二维直角网格形式的部分K空间数据成像方法,因而称运用复二维奇异谱分析方法直接重构磁共振图像方法为复二维奇异谱分析方法(2DSSA,2 Dimension Singular Spectrum Analysis)。
在阐述本发明的整体工作过程及工作原理之前,为了更加明确其技术含义,首先需要给出以下定义:
定义1:给定实的或复的一个数字信号,其差分不为零的点为奇异点,奇异点上的差分值为奇异值,奇异值可以是实数也可以是复数。
定义2:实数字信号w(x),x=0,1,...,N-1的有一个唯一奇异点,且奇异值为1,则称w(x)为奇异函数。
为了适应二维部分K空间数据的图像重构,我们定义二维奇异函数为
其中δ(x-xi)和u(y-yi)分别是单位脉冲和单位阶跃函数:
如奇异点为(58,36)的奇异函数请参阅图1所示。
对于任意二维像素为N×N的磁共振图像g(x,y),0≤x,y<N,其复二维奇异函数磁共振图像模型为:
即,g(x,y)都可以用的复数加权和表示。其中,(xi,yi)和ai分别称为第i个奇异点(以适应磁共振图像多为复数的情况)和第i个奇异点的奇异值,Q为奇异点数。对公式(2)两边对y差分得,则图像g(x,y)的y方向差分Δg(x,y)表示为:
由上式可见,复二维奇异函数磁共振图像模型模型参数奇异点是y方向差分不为零的位置,而奇异值就是差分值。
其中G(kx,ky)=DFT[g(x,y)], 即磁共振K空间数据可由二维奇异函数的谱函数的复系数加权和表示:其中DFT[·]表示二维离散付里叶变换算子。同理,对公式(3)两边同取付里叶变换有:
其中,GΔ(kx,ky)=DFT[Δg(x,y)],
如果仅已知一个部分K空间数据,要获得模型的奇异点和奇异值参数一般方法是困难的。本发明的策略是先对部分K空间数据进行补零法成像,然后用层析法从这图像找出奇异点,最后用奇异谱分析法获得奇异值。
为此,本发明需要先把K空间Ω划分为有数据子空间Ωk和无数据子空间Ωk。在补零法成像中,将Ωk空间数据用零代替,Ωk空间保持不变。这样G(kx,ky)、GΔ(kx,ky)和采用补零法成像后的频谱数据表示为:
相应地,可以将部分K空间数据补零法成像后重构的信号表示为:
同样对于公式(5),也可以变成为:
接下来需要考查请参阅图3c所示,在原奇异点位上的有最大的函数值,而纵横两方向上有吉布斯效应。而上的吉布斯效应是由全体的吉布斯效应共同作用的结果。所以,最大的地方最有可以是奇异点。据此,二维层析法求取奇异点的算法如下:
第二步,根据以下公式计算:
其中 |Ω|和|Ωk|分别表示空间Ω和Ωk中元素的个数;
第三步,判断 是否成立,其中T为系统中预设的与噪声相关的给定的阈值,如果成立,则返回第一步继续找奇异点;反之将该奇异点队列Q作为奇异点集{(x1,y1),(x2,y2),...,(xQ,yQ)}输出。
经过上述的求取奇异点的步骤后,求取该奇异点集所对应的奇异值的方法有以下两种:
第一步,求取
第二步,根据奇异点集{(x1,y1),(x2,y2),...,(xQ,yQ)}选取奇异函数,i=1~Q,并按照以下公式计算:
第三步,联列奇异函数方程:
用伪逆矩阵法解出所述的奇异函数方程,得到一个最小误差解,确定奇异值{a1,a2,...,aQ}。
第二步,i=1~Q进行计算:
第三步,联列奇异谱方程:
用伪逆矩阵法解出所述的奇异谱方程,得到一个最小误差解,确定奇异值{a1,a2,...,aQ}。
最后是根据上述的奇异点和奇异值信息进行图像重构,有以下两种方法:
(1)根据奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},按公式(2)重构图像g(x,y):
(2)按公式(4)重构未采集的K空间数据G(kx,ky):
然后再用离散傅里叶反变换成像:
g(x,y)=IDFT[G(kx,ky)],0≤x,y<N。
请参阅图4所示,该基于复二维奇异谱分析的磁共振部分K数据图像重建方法,包括以下步骤:
(1)从磁共振成像扫描仪中预设的图像空间范围中采集部分K数据G(kx,ky);
(2)对该部分K数据进行补零成像处理,包括以下步骤:
(a)将K空间Ω划分为有数据子空间Ωk和无数据子空间Ωk;
其中,IDFT[·]为二维离散付里叶反变换算子;
(3)根据该经过补零成像处理的部分K数据信息进行模型参数估计,包括以下步骤:
(ii)根据以下公式计算
其中 |Ω|为空间Ω中元素的个数,|Ωk|为空间Ωk中元素的个数;
(iii)判断 是否成立,如果是,则返回上述步骤(i),其中T为系统中预设的与噪声相关的阈值;
(iv)反之则将该奇异点队列Q作为奇异点集{(x1,y1),(x2,y2),...,(xQ,yQ)}输出。
(b)根据g(x,y)的奇异点集进行相应的奇异值的估计处理,可以包括以下步骤:
(i)根据以下公式计算
(ii)根据奇异点集{(x1,y1),(x2,y2),..,(xQ,yQ)}选取奇异函数其中i=1~Q,并按照以下公式计算:
(iii)根据以下公式联列奇异函数方程:
(iv)用伪逆矩阵法解出所述的奇异函数方程,得到一个最小误差解,获得Q个复数奇异值{a1,a2,...,aQ}并输出;也可以包括以下步骤:
(iii)根据以下公式联列奇异谱方程:
(iv)用伪逆矩阵法解出所述的奇异谱方程,得到一个最小误差解,获得Q个复数奇异值{a1,a2,...,aQ}并输出;
(c)将所得到的g(x,y)的奇异点集和相应的奇异值作为模型参数估计的结果返回;
(4)根据模型参数估计的结果,利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构;其中,该复系数加权二维奇异函数的磁共振图像数学模型为:
其中,g(x,y),0≤x,y<N为像素为N×N的二维磁共振图像的复图像信号,(xi,yi)为g(x,y)的第i个奇异点,ai为该第i个奇异点上的复奇异值,Q为g(x,y)的奇异点的个数,为以(xi,yi)为奇异点的二维奇异函数;
该复二维奇异谱分析模型为:
其中,G(kx,ky)=DFT[g(x,y)], DFT[·]为二维离散付里叶变换算子;
该磁共振复图像的重构可以为:
基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的复图像信号g(x,y):
或者也可以包括以下步骤:
(a)基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的付里叶谱数据G(kx,ky):
(b)根据以下公式得到所述的复图像信号g(x,y):
g(x,y)=IDFT[G(kx,ky)],0≤x,y<N。
以下是使用本发明的方法进行的仿真实验:
首先应用计算机仿真数据进行算法测试,仿真实验用的图像是一幅灰度范围为0~255,图像尺寸为128×128。考虑到磁共振图像大多数情况下,在图像区域的相位是缓慢变化,变化范围一般在[0°,360°]之内(如果相位变化频率超过这个范围,可以通过K空间中心点平移方法进行校正);所以,实验中,取相位变化范围为0°~360°。
仿真实验一:噪声的敏感性实验
将仿真图像调制上成一幅相位缓慢变化的复数图像,其相位图请参阅图5所示,再加入0均值的标准差分别是1、2、3、4、5、6、7、8、9的高斯白噪声,作为原始图像。然后对这原始图像进行傅里叶变换,再取K空间数据Ωk={-24<kx,ky<40},用本发明的方法进行图像重构,最后计算重构图像与原始图像的标准差。实验结果如表1所示。
STD | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
2DSSA | 1.3582 | 2.3576 | 3.6088 | 4.2717 | 4.3534 | 5.5481 | 6.0089 | 7.2448 | 7.6032 |
FZI | 9.9308 | 9.9842 | 9.9928 | 10.051 | 10.142 | 10.148 | 10.187 | 10.315 | 10.332 |
表1.随噪声变化的重构精度比较
从表1中的数据结果可以看出,本发明的2DSSA方法重构图像的标准差(STD)逼近加入噪声的STD,噪声对本发明的2DSSA算法影响很小,并且对于高噪声图像有提高信噪比的功效。这主要是由于2DSSA通过层析法以避免因噪声引入虚假奇异点,通过求解伪逆方程进一步滤去层析中混入的虚假奇异点,从而大大抑制了噪声对2DSSA的影响。2DSSA因截去含噪声分量高的高频K空间,而后又重构还原了高频信号分量,从而提高了信噪比。而在现有技术的FZI方法中,在低噪声段,其STD主要来自于截断伪迹影响,在高噪声段受到截断伪迹和噪声的双重影响,所以都有较高的STD,重构质量相对较差。
仿真实验二:复数图像相位变化敏感性实验
在上述的仿真图像上加入标准差为5的均值为0的高斯噪声,对加噪声后的仿真图像进行相位调制构成测试用的原始图像,调制的相位变化范围分别是40°、80°、120°、160°、200°、240°、280°、320°、360°,然后对这原始图像进行傅里叶变换,再取K空间数据Ωk={-24<kx,ky<40},用本发明的方法进行图像重构,最后计算重构图像与原始图像的标准差。实验结果如表2所示。
PHASE | 40 | 80 | 120 | 160 | 200 | 240 | 280 | 320 | 360 |
2DSSA | 4.6015 | 4.5875 | 4.5502 | 4.7380 | 5.1505 | 4.7065 | 4.115 | 4.2908 | 4.3534 |
FZI | 10.157 | 10.025 | 10.167 | 10.604 | 10.125 | 10.213 | 10.213 | 10.186 | 10.142 |
表2.随图像相位变化的重构精度比较
由表2的数据可知,缓慢的相位变化对2DSSA重构精度没有任何相关性,也就是本发明的2DSSA方法和现有技术的ZFI都不受复数图像的缓慢相位变化的影响。由于缓慢变化的相位变化产生图像差分大小,相对于噪声产生的差分变化来说要小轻微得多。在层析法、伪逆求解奇异值方法的压制虚假奇异点的作用下,相位变化不易产生对2DSSA重构精度的影响。但是实际的相位变化并非如上述实验中那么简单,相位突变情况时有发生。
请参阅图6所示,其中给出一个仿真图像重构的例子。Ωk={-24<kx,ky<40},其加性高斯零均值噪声的STD为5。在FZI方法的图中,截断伪迹随处可见,2DSSA方法几乎没有截断伪迹,与原始图像比较仅仅有部分地方的细节变得略微模糊。
以下是使用本发明的方法进行实际MRI数据的测试实验。
实验三:分析算法的部分K数据采集的空间差异性
实验用的实际磁共振图像是一幅灰度范围为0~255,图像尺寸为256×176。用于实验的部分K空间大小为128×88。实验过程设计如下:
让部分K数据空间的中心点,从原点开始,以水平方向步距4,纵向步距6,向右下角移动,并每移动一次用本发明的2DSSA方法和现有技术的ZFI方法重构图像,把重构的图像和完全K空间数据重构的图像,进行比较,并给出了标准差STD随部分K数据的中心点变化情况,请参阅图7所示。从图7中可以发现:
第一,本发明的2DSSA方法比较现有技术的ZFI有好得多的重构精度,这说明2DSSA能较好重构未取到的部分频谱数据;
第二,在同样部分K空间数据条件下,采集空间的中心点位置稍偏离原点,对本发明的2DSSA方法的提取奇异和奇异值有益,但不宜过分不对称,否则会使频谱能量丢失过多,而引入较大误差。
实验四:2DSSA对图像解剖结构的敏感性
实际磁共振数据卷为256×256×276的三维K空间数据,实验设计如下:
根据上述实验三的结果,取部分K数据采集范围为Ωk={-28<kx<60,-42<ky<86},然对各片图像使用本发明的2DSSA方法和现有技术的ZFI方法进行重构,最后将重构图像与完全谱数据重构图像进行比较,并给出了随不同横切片的STD变化情况,结果如图8所示,其中表明本发明的2DSSA方法和现有技术的ZFI方法一样受图像解剖结构的影响,但2DSSA方法总是有比ZFI有更高重构图像精度。
为了从视觉直观地观察本方法效果,请参阅图9a~9d所示,其中给出了图像卷中第88幅横切面图像,其中图9a为完全K空间数据所作的图像,图9b为部分K空间示意图,图9c为根据图9b中的部分K空间的数据用现有技术中的ZFI方法所重构的图像,图9d为根据图9b中的部分K空间的数据用本发明的2DSSA方法所重构的图像。从图9c和图9d的直观比较可以看出,在现有技术的ZFI方法中,截断伪迹随处可见,而本发明的2DSSA方法的图像中几乎难寻这种截断伪迹,可以说本发明的2DSSA方法是行之有效的方法。
从以上可以看出,本发明的方法的基本思想是:首先给出二维奇异谱分析图像重构模型,为解决磁共振图像的相位问题引入复数加权系数,运用层析法、伪逆矩阵确定奇异值方法,从而能够较好的抑制噪声,并消除了相位变化对重构图像质量所造成的的不利影响。在仿真实验和实际磁共振图像数据的测试实验中,本发明的2DSSA方法都表现出比现有技术ZFI好得多的结果。本发明的2DSSA方法把目前研究的一维部分K空间数据重构问题推广到二维中去,这将对解决部分K空间磁共振数据的图像重建问题提供了一种新的思考方法。
采用了上述的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,由于首先从实际磁共振设备中根据预设的图像空间范围采集部分K空间数据,然后对该部分K数据进行补零成像处理,接着根据补零成像得到的近似图像及部分K数据进行模型参数估计,最后根据模型参数估计的结果,利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构,从而相对于一维磁共振部分K空间数据图像重建过程大大节省了扫描时间,实现了快速成像,同时确保了图像的高信噪比、高分辨率和高精确度;而且相比较现有技术中的二维部分K空间数据图像重构方法,能够克服补零法成像中所存在的伪影,有效降低图像误差,精确显示原磁共振图像,为医学核磁共振成像检测提供了高质量的可靠图像信息;同时,本发明的方法高效实用,工作性能稳定可靠、适用范围较为广泛,给人们的工作和生活带来了很大的便利,并且也为医学成像检测技术的进一步发展和大范围普及应用奠定了坚实的理论和实践基础。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (9)
1、一种基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其特征在于,所述的方法包括以下步骤:
(1)从磁共振成像扫描仪中预设的图像空间范围中采集部分K数据G(kx,ky),所述的K数据G(kx,ky)即为离散傅里叶变换空间数据G(kx,ky);
(2)对该部分K数据进行补零成像处理;
(3)根据补零成像得到的近似图像及部分K数据进行模型参数估计;
(4)根据模型参数估计的结果,利用复系数加权二维奇异函数的磁共振图像的数学模型和复二维奇异谱分析模型进行磁共振复图像的重构。
2、根据权利要求1所述的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其特征在于,所述的复系数加权二维奇异函数的磁共振图像数学模型为:
其中,g(x,y),0≤x,y<N为像素为N×N的二维磁共振图像的复图像信号,(xi,yi)为g(x,y)的第i个奇异点,ai为该第i个奇异点上的复奇异值,Q为g(x,y)的奇异点的个数,为以(xi,yi)为奇异点的二维奇异函数。
3、根据权利要求2所述的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其特征在于,所述的复二维奇异谱分析模型为:
其中,G(kx,ky)=DFT[g(x,y)], DFT[·]为二维离散付里叶变换算子。
4、根据权利要求3所述的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其特征在于,所述的进行补零成像处理包括以下步骤:
(11)将K空间Ω划分为有数据子空间Ωk和无数据子空间Ωk;
其中,IDFT[·]为二维离散付里叶反变换算子;
9、根据权利要求7或8所述的基于复二维奇异谱分析的磁共振部分K数据图像重建方法,其特征在于,所述的进行磁共振复图像的重构为:
基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的复图像信号g(x,y):
或者包括以下步骤:
(51)基于模型参数估计的结果奇异点{(x1,y1),(x2,y2),...,(xQ,yQ)}和奇异值{a1,a2,...,aQ},根据以下公式重构所述的付里叶谱数据G(kx,ky):
(52)根据以下公式得到所述的复图像信号g(x,y):
g(x,y)=IDFT[G(kx,ky)],0≤x,y<N。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710040655A CN100578546C (zh) | 2007-05-15 | 2007-05-15 | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 |
PCT/CN2007/001695 WO2008138174A1 (fr) | 2007-05-15 | 2007-05-24 | Procédé de reconstruction d'image à partir de données k partielles de résonance magnétique basé sur une analyse spectrale singulière bidimensionnelle complexe |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710040655A CN100578546C (zh) | 2007-05-15 | 2007-05-15 | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101051388A CN101051388A (zh) | 2007-10-10 |
CN100578546C true CN100578546C (zh) | 2010-01-06 |
Family
ID=38782790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710040655A Expired - Fee Related CN100578546C (zh) | 2007-05-15 | 2007-05-15 | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN100578546C (zh) |
WO (1) | WO2008138174A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100578546C (zh) * | 2007-05-15 | 2010-01-06 | 骆建华 | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 |
CN101135722B (zh) * | 2007-10-23 | 2010-10-06 | 骆建华 | 基于重构信号替代频谱数据的信号去噪方法 |
CN101545877B (zh) * | 2008-03-28 | 2013-08-28 | 普拉德研究及开发股份有限公司 | 改进非均匀磁场中nmr波谱分辨率的方法和设备 |
CN103163496A (zh) * | 2011-12-12 | 2013-06-19 | 中国科学院深圳先进技术研究院 | 平面回波成像方法及系统 |
US9453895B2 (en) * | 2012-10-05 | 2016-09-27 | Siemens Aktiengesellschaft | Dynamic image reconstruction with tight frame learning |
CN103325091B (zh) * | 2013-03-07 | 2016-02-17 | 上海交通大学 | 低频频谱数据补零法图像获取方法及系统 |
WO2018137199A1 (en) * | 2017-01-25 | 2018-08-02 | Tsinghua University | Real-time phase-contrast flow mri with low rank modeling and parallel imaging |
US10551458B2 (en) | 2017-06-29 | 2020-02-04 | General Electric Company | Method and systems for iteratively reconstructing multi-shot, multi-acquisition MRI data |
EP3550319A1 (en) * | 2018-04-05 | 2019-10-09 | Koninklijke Philips N.V. | Emulation mode for mri |
CN108680874B (zh) * | 2018-04-25 | 2020-05-26 | 浙江工业大学 | 一种基于脉冲泵浦式原子磁力计的弱磁场重建方法 |
US10949951B2 (en) * | 2018-08-23 | 2021-03-16 | General Electric Company | Patient-specific deep learning image denoising methods and systems |
CN110133556B (zh) * | 2019-05-29 | 2021-01-19 | 上海联影医疗科技股份有限公司 | 一种磁共振图像处理方法、装置、设备及存储介质 |
CN111681272B (zh) * | 2020-06-09 | 2023-05-30 | 上海交通大学 | 一种基于奇异性功率谱的sar图像处理方法 |
CN115187594B (zh) * | 2022-09-08 | 2023-09-08 | 济南博图信息技术有限公司 | 大脑皮质模型重建方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4973111A (en) * | 1988-09-14 | 1990-11-27 | Case Western Reserve University | Parametric image reconstruction using a high-resolution, high signal-to-noise technique |
CN1198530A (zh) * | 1998-04-20 | 1998-11-11 | 骆建华 | 奇异谱分析截断频谱信号重建方法及其应用 |
CN1300938A (zh) * | 1999-12-22 | 2001-06-27 | 上海交通大学 | X-ct有限角投影数据图象重建方法 |
US6393313B1 (en) * | 2000-08-23 | 2002-05-21 | Ge Medical Systems Global Technology Company, Llc | Producing a phase contrast MR image from a partial Fourier data acquisition |
CN100578546C (zh) * | 2007-05-15 | 2010-01-06 | 骆建华 | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 |
-
2007
- 2007-05-15 CN CN200710040655A patent/CN100578546C/zh not_active Expired - Fee Related
- 2007-05-24 WO PCT/CN2007/001695 patent/WO2008138174A1/zh active Application Filing
Non-Patent Citations (2)
Title |
---|
"MR Image Reconstruction From Truncated k-Space Using aLayer Singular Point Extraction Technique",. Jianhua Luo,et al.IEEE TRANSACTIONS ON NUCLEAR SCIENCE,,Vol.51 No.1,. 2004 |
"MR Image Reconstruction From Truncated k-Space Using aLayer Singular Point Extraction Technique",. Jianhua Luo,et al.IEEE TRANSACTIONS ON NUCLEAR SCIENCE,Vol.51 No.1. 2004 * |
Also Published As
Publication number | Publication date |
---|---|
CN101051388A (zh) | 2007-10-10 |
WO2008138174A1 (fr) | 2008-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100578546C (zh) | 基于复二维奇异谱分析的磁共振部分k数据图像重建方法 | |
Sandino et al. | Accelerating cardiac cine MRI using a deep learning‐based ESPIRiT reconstruction | |
Schloegl et al. | Infimal convolution of total generalized variation functionals for dynamic MRI | |
Plenge et al. | Super‐resolution methods in MRI: can they improve the trade‐off between resolution, signal‐to‐noise ratio, and acquisition time? | |
Rousseau et al. | On super-resolution for fetal brain MRI | |
Malavé et al. | Reconstruction of undersampled 3D non‐Cartesian image‐based navigators for coronary MRA using an unrolled deep learning model | |
US8335955B2 (en) | System and method for signal reconstruction from incomplete data | |
Kasten et al. | Data-driven MRSI spectral localization via low-rank component analysis | |
CN105232045A (zh) | 基于双回波的单扫描定量磁共振扩散成像方法 | |
Dar et al. | Synergistic reconstruction and synthesis via generative adversarial networks for accelerated multi-contrast MRI | |
WO2019153659A1 (zh) | 一种新型的非线性并行重建的磁共振成像方法、装置及介质 | |
Levine et al. | On-the-Fly Adaptive ${k} $-Space Sampling for Linear MRI Reconstruction Using Moment-Based Spectral Analysis | |
Wong et al. | Sparse reconstruction of breast MRI using homotopic $ l_0 $ minimization in a regional sparsified domain | |
CN106772167A (zh) | 核磁共振成像方法及装置 | |
Li et al. | An adaptive directional Haar framelet-based reconstruction algorithm for parallel magnetic resonance imaging | |
Aggarwal et al. | Accelerated fMRI reconstruction using matrix completion with sparse recovery via split bregman | |
Konar et al. | Accelerated dynamic contrast enhanced MRI based on region of interest compressed sensing | |
Cheng et al. | Compressed sensing: From research to clinical practice with data-driven learning | |
CN101051075B (zh) | 基于复奇异谱分析的磁共振部分k数据图像重建方法 | |
Weizman et al. | PEAR: PEriodic And fixed Rank separation for fast fMRI | |
Zhang et al. | HF-SENSE: an improved partially parallel imaging using a high-pass filter | |
Hu et al. | Technique for reduction of truncation artifact in chemical shift images | |
Hefnawy | An efficient super-resolution approach for obtaining isotropic 3-D imaging using 2-D multi-slice MRI | |
Joy et al. | Multichannel compressed sensing MR image reconstruction using statistically optimized nonlinear diffusion | |
Zhong et al. | Understanding aliasing effects and their removal in SPEN MRI: A k‐space perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100106 Termination date: 20110515 |