背景技术
磁共振技术(以下用简称MR表示磁共振)是一种公知的技术,利用该技术例如可以产生检查对象的内部的图像。简言之,在MR检查中,即在一个或多个MR测量中,将检查对象定位在MR设备中在相对较强的静态的、通常是均匀的基本磁场(场强由0.2特斯拉至7特斯拉以及更高)中,使得其核自旋沿着基本磁场取向。为了触发核自旋共振,将高频的激励脉冲入射到检查对象中、测量触发的核自旋共振并且在其基础上例如重建MR图像。为了对测量数据进行位置编码,将快速切换的梯度磁场叠加到基本磁场上。将所记录的测量数据进行数字化并且作为复数值存储在k空间矩阵中。从存放了值的k空间矩阵中,借助多维傅里叶变换重建相关联的MR图像。
要借助MR进行检查的患者的呼吸运动,在磁共振成像(英语:“magneticresonance imaging”-MRI)中首先在胸廓和腹部的器官的检查中,也就是由通过患者的呼吸运动影响的检查区域的检查中,会导致所谓的鬼影(英语:“ghosting”)、模糊(英语:“blurring”)和/或导致产生的图像中的强度损失,以及导致在产生的图像之间的配准误差。这些伪影会使得例如由医生基于这些图像来诊断变得困难,并且会导致漏掉损伤。
已经存在大量技术,用以减少呼吸运动导致的伪影。这些技术的两组一方面是所谓的呼吸门控(Atemgating)另一方面是所谓的呼吸触发,其中这两个概念并非是清楚地分开的。
在此,呼吸门控被理解为一种MR测量,在该MR测量期间,采集患者的呼吸并且与采集的测量数据相关联,但是MR测量(特别是其TR、即在一层的连续的激励之间的时间)的重复率不取决于患者的呼吸。而是,重复率通过参数来控制或者还可以通过其它生理信号(例如EKG)来控制。呼吸信息然后例如被用来,重复地采集例如在强的呼吸运动期间采集的各个测量的测量数据(数据分组),直到其在呼吸的一个平静阶段被采集。呼吸信息的另一个应用可以是,在一个特殊的(ausgezeichneten)(平静的)呼吸阶段中或在一个与其相应的隔膜位置前瞻性地采集特别地运动敏感的或确定图像印象的k空间行(所谓的“ROPE-respiratory ordered phase encoding”)。
呼吸触发被理解为一种这样的技术:该技术例如将成像的MR测量与自由呼吸的患者的呼吸同步,并且试图,仅仅在呼吸周期的特殊的阶段期间采集测量数据的确定的数据分组。特殊的阶段通常是在呼气末端(英语:“end expiration”)时呼吸周期的相对平静的阶段。也就是,通过呼吸周期的该阶段来触发测量数据的记录。在此如果每个触发仅仅一次激励特定的层,则测量数据的有效的重复率(TR)是患者的平均呼吸周期的整数倍(v=1...k)。
例如在Lewis et al.的文章“Comparison of Respiratory Triggering and Gating Techniques for the Removal of Respiratory Artifacts in MR Imaging”,Radiology 1986;160:803-310中描述了呼吸门控和呼吸触发。
此外还有所谓的呼吸屏住技术,在该技术中患者对于采集测量数据的期间必须屏住其呼吸,以避免呼吸伪影。在Wang et al.的文章“Navigator-Echo-based Real-Time Respiratory Gating and Triggering for Reduction of Respiratory Effects in Three-dimensional Coronary MR Angiography“,Radiology 1996;198:55-60中描述了多重呼吸屏住技术的一个例子。
以下详细讨论呼吸触发。如上所述,呼吸触发试图将MR测量与自由呼吸的患者的呼吸周期同步并且将MR测量限制到呼气末端时的呼吸周期的相对平静的阶段。为此,例如利用气动传感器来采集患者的呼吸作为生理信号。在触发算法的开始的学习阶段之后,只要触发算法探测到预定的事件,则由触发算法产生“触发”。通过这样的“触发”激活,执行MR序列,该MR序列采集一个或多个层的测量数据的又预定的部分。在采集了该预定的测量数据分组之后,自动停止测量数据的采集,直到触发算法产生下一个触发。然后采集第二测量数据分组。
一直继续该过程,直到采集了所有层的所有测量数据。例如,如果最近测量的生理信号穿过在最大的吸气期间的(在多个呼吸周期上平均的)生理信号和在最大的呼气期间的平均的生理信号之间的、由MR设备的操作人员确定的阈值,则发生了预定的事件(对其的探测产生触发)。通常,仅在呼气期间产生触发。为了能够将测量数据的采集限制到呼气末端时的呼吸周期的相对平静的阶段,一方面必须选择合适的阈值,另一方面预定的测量数据分组的采集持续时间必须比患者的个体的呼吸周期短。
患者的呼吸周期典型地为3和6秒之间,但是具有强烈的个体的(并且还由于疾病引起的)波动。测量数据分组的采集持续时间取决于为采集而使用的脉冲序列的多个参数。特别是在所谓的多层测量中(在该多层测量中在一个测量数据分组内部采集多个层的测量数据),例如如下数量的层:在一个触发之后对这些层采集其测量数据。在此,每个测量数据分组相对于患者的呼吸周期来说的非常短的采集持续时间会降低效率(即,延长总的检查持续时间),因为随着每个呼吸周期的测量数据的量的增加或者说随着层(每个呼吸周期采集这些层的测量数据)的数量的增加,用以采集所有的层的测量数据分组所需的呼吸周期的数量也增加。
如果相反地,每个测量数据分组的采集持续时间超过在呼气末端时相对平静的阶段的持续时间,则在紧接着的吸气期间也进行测量数据的采集。这点又会导致伪影或在层之间的错误配准。如果每个测量数据分组的采集持续时间达到呼吸周期的持续时间或甚至位于其上,则此外不是在每个呼吸间隔中产生一个触发,而是例如仅在每第二个呼吸间隔中产生。这点又增加了总的检查持续时间并且由此降低了测量的效率。
在现有技术中,MR设备的操作人员的任务一方面是将检查的成像的MR序列的参数与待检查的患者的个体的呼吸周期相匹配,并且另一方面是输入描述要激活一个触发的事件的其它参数。
例如,在西门子公司的MR设备中公知,操作人员首先根据所确定的患者的呼吸周期确定所谓的采集窗。采集窗是时间间隔,其向上限制每个触发的测量数据的采集持续时间。然后这样限制待使用的MR序列的参数的值,如层的数量、重复率TR、快速因子(Turbo-Faktor)等,使得每个触发的采集持续时间不超过采集窗。在西门子MR设备中,激活触发的事件例如通过如下的参数来描述:该参数是在最大的吸气期间的事先计算的平均信号和在最大的呼气期间的同样事先计算的平均信号之间的百分比阈值。如果最近测量的生理信号(呼吸信号)低于该值,则激活一个触发。例如在用于西门子公司的身体成像的应用手册中在章节“Application:Respiratory gating”,第110-113页中描述了采集窗的布置。要指出的是,在那里用“门控(Gating)”表示的方法,按照上面给出的定义是“触发(Triggering)”。
在飞利浦的MR系统中的方案非常类似于西门子公司的。那里同样由操作人员根据所确定的患者的呼吸周期确定所谓的采集窗。例如在“Application Guide,Volume 2,Intera,Achieva,Panorama 1.0T,Release 1.5的章节2.24.2“Respiratory triggering”中第2-46页直到2-48顶部描述了这一点。
在GE公司的MR系统中除了别的之外同样可以将采集窗,但是还可以将触发位置设置为用于执行呼吸触发的测量的参数。在GE公司的“MR 1.5
EXCITE
TM 11.0Learning and Reference Guide”的第45-32至45-34页上的章节“Respiratory Gating and Triggering Parameters”中有更详细的描述。
所有领先的制造商通过如下来支持在刚才描述的任务的情况下的操作人员:其将所测量的生理信号作为时间的函数来可视化并且计算和显示患者的平均的呼吸周期。在此,平均的呼吸周期定义为例如在最大的吸气期间生理信号的两个相继的极值之间的平均时间间隔。
为了采集患者的生理呼吸信号(根据其例如要触发一个MR测量),例如采用布置在患者上的所谓的呼吸带或垫,并且例如借助气动传感器探测由呼吸引起的胸廓的起伏。
探测呼吸信号的另一种可能性是所谓的导航器(Navigator)。在此是除了用于期望的MR检查(例如成像的或光谱的检查)的本身的MR信号之外的借助所使用的MR设备产生和探测的MR信号。导航器通常是一个短序列,其例如采集隔膜(胸隔)的MR信号,从该MR信号例如可以提取在导航采集的时刻的患者的隔膜的位置和由此在相应的生理信号的导航采集的时刻的呼吸运动的状态。导航序列与成像的序列交错并且将利用导航测量所确定的呼吸阶段或位置分派给直接在其上采集的解剖MR数据。这点对于光谱的检查也类似地适用。
在采用导航器用于呼吸触发时产生如下问题:在测量准备期间一般还不知道患者的呼吸周期,因为患者的呼吸只有在MR测量期间才被采集。由此对于操作人员来说例如不可能将MR序列的成像参数与患者的个体的呼吸周期匹配或者在MR测量之前最佳地设置描述期望的触发事件的参数。
在西门子公司的MR系统上利用导航器执行呼吸触发时,由此得到如下可能性:在学习阶段期间将每个触发的采集持续时间与所探测的生理呼吸信号一起图形地显示给操作人员。由此操作人员可以,在不合适的参数化的情况下尽早地中断并相应地匹配MR测量。这点在已经提到的西门子公司的身体成像的应用手册的第20-27页上的章节“Measurement during normal breathing-Navigator gating with 2-D PACE(I-IV)”中有所描述。然而为了正确实现该过程需要操作人员的良好培训,使得其具有关于参数化和呼吸周期的关系的足够的知识。
此外,在具有所谓的“侦测模式”的西门子MR系统中给出如下可能性:进行短的MR测量,在该短的MR测量中仅执行导航序列。在该纯的导航器测量期间,可视化生理的呼吸信号。只要采集了完整的呼吸周期,就计算和显示呼吸周期。由此在跟随“侦测模式”之后的例如成像的序列的准备期间又已知患者的呼吸周期并且可以由操作人员在确定成像序列的参数时使用。这点例如在已经提到的西门子公司的身体成像的应用手册的第108页上的章节“Application Navigator Gating-Optional measurement parameters(II)”中有所描述。
在不对MR测量的参数(即,确定借助磁共振对测量数据的采集方式的参数)进行匹配的条件下,通常仅能达到不够满意的结果。特别是在为覆盖待检查的器官需要来自多个层的测量数据的患者的情况下,这点通常会导致每个触发的采集持续时间远远长于呼吸周期。如上所述,这点导致具有伪影的图像以及长的检查时间。
具体实施方式
图1示出了在其上可以执行本方法的MR设备1的示意性概图。MR设备1借助其主磁铁1.1和梯度和HF线圈单元1.2表示,利用它们能够在待检查的检查对象(例如患者)中产生并且作为测量数据采集MR信号。MR设备的其它组件及其工作原理是公知的并且为清楚起见没有示出或详细解释。
患者P置于患者支撑装置1.3上,在该患者支撑装置上可以将患者驶入MR设备1的检查区域并且又从中驶出。为了探测其生理的呼吸信号,在患者身上例如放置以呼吸带或呼吸垫形式的呼吸探测单元3。或者,可以借助所谓的导航器来直接借助MR设备1探测患者P的呼吸信号,其中弃用其它的硬件,并且患者可以卧于患者支撑装置1.3上,而在其身上没有其它限制的设备。在两种情况下,所探测的患者P的生理的呼吸信号被传输到呼吸信号采集单元5并且在那里被采集。采集的呼吸信号被进一步传送到分析单元7,在其中可以对呼吸信号进行分析。对所采集的呼吸信号的分析例如包括在所采集的呼吸信号中确定局部极值和/或在所采集的呼吸信号中确定一个周期的持续时间。
计算单元9可以访问分析的呼吸信号并且例如基于分析的信号计算至少一个影响测量数据的采集的方式的参数。
对于呼吸触发的MR测量还可以利用呼吸信号采集单元5采集患者的当前的生理的呼吸信号并且例如在计算单元9中与至少一个触发条件比较。在满足该至少一个触发条件的情况下,然后借助控制单元在使用计算的参数的条件下激活(触发)测量数据的采集。在此一直重复当前的生理的呼吸信号的采集、其与至少一个触发条件的比较和在满足该至少一个触发条件的情况下的测量数据的采集,直到采集了所有期望的测量数据,例如完全再现待检查的器官的测量数据。
采集的测量数据此时可以被存储在存储单元13中和/或在处理单元15中被处理,例如换算为图像数据。
在此,呼吸信号采集单元5、分析单元7、计算单元9、控制单元11和处理单元15可以将数据存储在存储单元13中并且又调用。
此处所选择的到不同单元的划分不一定是物理的划分,而是理解为主要是到象征单元(Sinneinheit)的纯直观的划分。所有提到的单元可以综合为一个唯一的物理单元或者以任意方式划分或连接。
在显示单元17上例如可以显示所采集的呼吸信号、当前的呼吸信号、图像数据和/或其它涉及MR检查的数据。
在计算单元7上可以运行计算机程序20,当其在计算单元7上被运行时,其在计算单元7上执行按照本发明的方法。
在执行按照本发明的方法时,为了利用MR设备1采集呼吸着的检查对象的测量数据,例如首先对于多个呼吸周期的长度采集生理的呼吸信号,并且然后在采集其它MR测量数据(例如成像的或光谱的)之前分析。该阶段可以称为学习阶段,因为待检查的检查对象的个体的呼吸信号在此被“学习”。该学习阶段不应选择得太长,因为否则的话MR检查的总持续时间相应地延长。然而也不应选择得太短,由此可以正确地学习个体的呼吸信号。例如,如果要确定一个呼吸周期的持续时间,则通常需要在学习阶段在至少一个完整的呼吸周期的长度上采集生理的呼吸信号。然而,因为一个呼吸着的检查对象的呼吸信号并不是严格周期性的,而是具有一定的波动,因此具有优势的是,甚至在多个呼吸周期的长度上采集生理的呼吸信号,以便能够考虑波动。之所以这样,是因为患者通常在检查的开始比较紧张,并且因此快速地呼吸。由此推荐大约5个呼吸周期的长度的学习阶段。
图2示出了呼吸触发的MR检查的例子的示意图,其中示出了为数据采集而使用的序列的时间上的变化。在该例子中借助导航器采集呼吸信号。在序列的开始,在没有通过成像的或光谱的序列中断的条件下,以恒定的时间间隔Scout-TR重复导航序列(“导航器”),直到采集了足够数量的生理的数据点(在下面例如将结合图6对此更详细描述)。该阶段是已经提到的学习阶段(“LP”)。
在学习阶段“LP”之后,例如开始MR检查的成像阶段。在该阶段首先同样利用恒定的时间间隔(“Scout-TR”)重复导航序列(“导航器”),并且采集当前的生理的呼吸信号。每个导航测量的结果分别是一个生理的数据点,例如胸廓位置。最近采集的生理的数据点的序列可以推断出呼吸的当前阶段。采集的数据点的序列在此为直观起见表示为实线200。实际上按照“Scout-TR”的时间间隔每个导航器分别仅采集一个生理的数据点。在不执行导航序列的时间,因此也不存在生理的信号。尽管如此,在此为更好理解,用连续的信号200表示。只要满足给出的触发条件(“Resp.Trigger”),则首先不进行其它导航序列。取而代之,在图2中示出的例子中,执行成像的序列(“解剖的序列块(anatomical sequence block)1”),即,在此例如触发成像的测量数据的采集并且采集第一分组测量数据。测量数据的采集的触发以下简称为触发事件。
测量数据的采集的该过程在事先确定的时间间隔(“采集持续时间”,“AD”)上进行。在采集之后可以插入一定的、通常是相对短的填充时间“R”(例如大约400ms长)。该填充时间“R”例如可以用于,至少部分地衰减通过成像的序列引起的在检查对象中的磁化的干扰。这点是具有优势的,因为被干扰的磁化会负面地影响导航测量。然后,重新开始导航序列的重复,直到通常在患者的下一个呼吸周期期间第二次满足触发条件。在这样触发的第二个触发(Trigger)之后,成像序列采集测量数据的第二分组(“解剖的序列块(anatomical sequence block)2”)。该过程一直重复,直到采集了所有的图像数据。
如果满足触发条件,则产生触发,即触发测量数据的采集。在此,触发条件可以包括所有都必须满足的多个条件。一个条件例如可以是患者呼气。利用此处使用的符号约定,这点意味着,测量的生理的数据点的顺序增加。另一个触发条件例如可以是,测量的生理的呼吸信号在事先确定的接受窗(Akzeptanzfenster)201中下降。在一个实施例中,在初始的学习阶段LP的末端自动地基于分析的呼吸信号来确定接受窗的位置。
图3举例示出了影响采集的方式的参数的作用。
为了利用2D序列覆盖整个检查区域,即,为了采集为显示期望的检查区域所需的所有测量数据,通常必须采集大量的层(检查区域被划分到这些层)中的测量数据。层的精确数量在此取决于检查区域的大小、层厚和各个层彼此的距离。典型地需要例如20至40个层,以便例如能够覆盖腹部的器官并且然后三维地显示。因为在呼吸触发的MR技术中通过患者的呼吸周期(典型地大约4-6s)规定了为采集测量数据而使用的序列的有效重复时间(英语“repetition time”TR),所以优选地在序列技术中采用相对长的重复时间。在这些序列技术中,又优选地采用所谓的交错的(英语“interleaved”)采集方案。在此,在重复激励特定的层以采集测量数据的下一个分组之前,首先采集不同层的相应的测量数据。作为交错的采集的替换,还可以采用所谓的顺序的数据采集方案,其中完整地采集一个层的所有测量数据,然后开始另一层的测量数据的采集。通常仅当所述采集是如此快,使得在一个呼吸触发之后能够采集一层的所有数据时,才结合呼吸触发采用顺序的2D方法。在这种情况下,呼吸触发用于避免在层之间的配准错误。
现在在图3中示出了如下的可能性:交错的多层测量(此处示例性具有总共九层)的采集持续时间(“AD”)与患者的个体的呼吸周期匹配。
在图3的上面的行中示出了对于九个层的交错的采集方案。在每个触发之后,依次地激励九个层并且分别采集测量数据。为了减小相邻层的窜扰(英语“cross talk”),在此可以如图所示地例如首先采集第一个具有奇数层号的所有层,然后在第二个遍历中采集具有偶数层号的所有层。在此,假定这些层相应于其空间位置被编号。窜扰被理解为如下的事实:每个高频脉冲由于其有限的持续时间不可避免地还会激励层外部的区域。该隐含的激励首先影响下一个相邻者。利用两个遍历,人们实现了,具有偶数层号的层由于其下一个相邻者(具有奇数层号)导致的该隐含的激励在其激励的时刻(即在第二个遍历期间)至少部分地被衰减。为了完整地采集一个层的数据需要n个激励。由此在n个触发事件之后,也就是通常在n个呼吸周期之后结束MR检查。每个触发事件的采集持续时间AD(为了避免伪影例如明显比呼吸周期短),在此为每个层激励的采集持续时间ADS的九倍(AD1=9*ADS)。
在图3的中间的行中示出了例如当呼吸周期是采集持续时间AD1=9*ADS的数量级时,减少每个触发事件的采集持续时间的可能性。为此,如在图3的中间的行中示出的层,被划分为两组。第一组例如由具有奇数层号的所有的层组成,第二组由具有偶数层号的所有层组成。在此,首先完整地采集第一组的测量数据,然后开始第二组的测量数据的采集。对于每个组的测量数据的采集,(在成像序列的不变的参数的情况下)仍是需要n个激励,即n个触发事件。在假定每个呼吸间隔一个触发事件的条件下,由此总持续时间相对于在上面的行中的图示加倍。但是每个触发事件的采集持续时间AD2以每个层激励的5倍或4倍采集持续时间明显缩短AD2=5*ADS或AD2′=4*ADS。由此每组的层的最大数量在此等于5。将层划分到各个组的所述划分方案仍具有已经提到的优点,即减少在相邻层之间的窜扰并且还避免在相邻层之间的对比度差,该对比度差是由于不同的窜扰引起的。不过,还可以在需要时选择其它方式的划分。
如果限制采集持续时间的呼吸周期更短,则例如还可以将层划分为三组,如在图3的下面的行所示。在此采集持续时间AD3由此为每个层激励的采集持续时间ADS的3倍(AD3=3*ADS)。在此,每个组的层的最大数量由此等于3。类似地以简单的方式将层划分为3个或一般地划分为C个组,即,每第三或第C个层分别属于一组。以类似的方式,随着组的数量增加,每个触发的采集持续时间缩短并且用于采集所有层的所有测量数据的触发事件的总数增加。
由此,大数量的组通常导致少数剩余的运动伪影,因为数据采集(在最佳选择触发时刻的情况下-图3中未示出)可以被限制到呼吸周期的特别平静的阶段。小数量的组通常缩短检查持续时间,只要每个触发的采集持续时间明显短于一个呼吸周期。组的最佳数量取决于患者的个体的呼吸。在现有技术中由操作人员将其与患者的呼吸周期匹配,具有上面提到的缺陷。在本发明中自动地由系统例如在学习阶段的末尾确定。
影响测量数据的采集方式的参数“组的数量”具有如下优点:其不取决于作为基础的序列技术,该序列技术允许改变每个触发的采集持续时间(AD)。在此其通常还仅对图像对比度具有小的影响。由此其可以被自动地选择,而不会负面地影响由此获得的测量数据。由此甚至可以取消通过操作人员来确定自动选出的参数“组的数量”。
通常有影响每个层激励的采集持续时间和由此每个触发的采集持续时间(在每个组或组C的恒定数量的层的情况下)的、成像的或光谱的序列的多个其它参数。例如每个像素的读出带宽、在快速自旋回波序列(TSE)中的回波串长度或平面回波序列(EPI)的回波串长度。但是这些参数通常还直接地或间接地确定结果的图像的对比度。在一些情况下,例如在单射序列中的参数“回波串长度”的情况下,重建的图像的分辨率也会被影响。但是对比度和分辨率对于从测量数据重建的图像的诊断价值来说是关键的。由此通常不接受由系统带来的隐含的改变。因此,需要其它的、通常特别地与各个序列一致的措施以避免对比度或分辨率的改变。这点将在以下结合图4和5以快速自旋回波序列的回波串的改变为例来解释。
图4示意性示出了快速自旋回波序列的各个回波串,如在现有技术中例如在腹部的T2加权的成像中使用的那样。
在此,回波串由一个高频激励脉冲(此处是90°)和其后跟随的一系列高频重聚焦脉冲(此处是180°)(如在上面的行“RF”中所示)组成。在每个重聚焦脉冲之后,如在第三行“回波”所示,以时间间隔“ES”产生自旋回波并且在其时间上的周围分别读出并且作为测量数据采集一个k空间行(kx)。此外如在磁共振技术中通常的那样,以合适的方式接通用于选择的层激励、用于采集的测量信号的位置编码和用于抑制不期望的信号分量的梯度磁场。为清楚起见在图4中在第二行“PE”中示意性地仅示出相应的相位编码梯度和相位重聚焦梯度。
在图4的下面区域示出了待利用测量数据填充的k空间。在示出的例子中要填充35个k空间行kx(垂直的实线和点划线)。利用一个回波串的每个回波读出一个k空间行。在示出的每个回波串具有七个回波的例子中由此利用每个回波串采集七行。为了从35个k空间行中完整地读出期望的k空间,由此需要五个示出的回波串。这相应于五个触发事件,因为在一个回波事件之后分别触发一个回波串。通过各个相位编码和相位重聚焦梯度对的振幅和符号,进行在回波和k空间行之间的对应。该对应具有一系列的边界条件。在k空间中的振幅和相位跳变应当最小,以避免所谓的Gibbssche环形伪影(英语“Ringing artifact”)和鬼影。由于沿着回波串的T2衰减,由此将不同回波串的具有相同的回波号:回波#1至#7的回波归入到相邻的k空间行。由此得到k空间中的7个片段:片段#1至#7,其中每个回波串一行,也就是每个片段5行。在图中为了说明片段,分别将一个片段的第一行表示为实线并且将该片段的四个其它的行表示为点划线。
为了最小化在片段之间的振幅跳变,可以利用回波串内部的相继的回波来填充相邻的片段。从该对应得到k空间中一个阶梯形的相位和振幅调制。
靠近k空间中心的k空间行确定对比度和图像印象。在例子中分别从5个回波串的第四个回波采集它们。也就是第四回波的回波时间确定对比度和序列的图像印象。也称为有效回波时间TEeff。其通常可以由用户设置。
如上所述,可以控制每个触发的采集持续时间,方法是,改变一个回波串的回波的数量(也称为回波串长度)。在此,当在其中采集测量数据的k空间行的总数保持恒定时,回波串的缩短(每个回波串更少的回波)伴随着为了完整采集测量数据所需的回波串或触发事件的数量的增加;回波串的延长(每个回波串的更多个回波)通常伴随着为完整采集测量数据所需的回波串或触发事件的数量的减少。在其中采集测量数据的k空间行的总数应该至少不被变小,以使得测量数据的获得的分辨率不会变差。
此外,必须利用具有相同回波号(在该例子中是回波号#4)的回波来编码k空间中心,以便保持对比度和图像印象。为了避免伪影,应该附加地保持k空间中尽可能平滑的振幅和相位变化。
图5此时示意性示出了在将参数“每个回波串的回波的数量”与个体的呼吸匹配之后,快速自旋回波序列的一个回波串。在此,示出了k空间行到回波串的回波的对应方案,其同样,如图4所示,覆盖35个k空间行,并且在此满足所有上面提到的条件然而具有缩短的回波长(此处现在是每个回波串5个回波:回波#1至#5,而不是图4中的每个回波串7个回波)。
为了填充35个k空间行,此处由此需要7个回波串或7个触发事件。k空间被划分为10个片段:片段#1至#10。片段:片段#2至#6分别由四个k空间行组成。其例如利用前四个回波串的回波来填充,并且具体来说是这样的,使得片段#2的行利用具有号为回波#1的回波来填充,片段#3的行利用具有号为回波#2的回波来填充,等等。
片段#5包含k空间中心并且由具有号为回波#4的回波填充,以便保持有效回波时间TEeff不变。剩下的片段:片段#1和片段#7至#10利用总共7个回波串的剩下的三个来填充。在此,具有号为回波#1(为了容易地区分前四个回波串的具有号为回波#1的回波,稍微向上偏移地标出)填充具有号为片段#1的片段。回波号到片段的其它对应从k空间外围地向内进行。由此具有号为回波#2的回波填充k空间片段#10,具有号为回波#3的回波填充k空间片段#9,等等。利用该对应能够避免了在片段#6和#7之间的振幅跳变,这两个片段在图5中都利用回波串的后面的回波来填充。类似地,片段#1和#2二者都利用回波串的前面的回波来填充。由此相邻的片段分别利用具有相同的或仅偏离一个位置的回波号的回波来填充,由此避免了振幅跳变。
图6此时示出了按照本发明的方法的示意性流程图。
如果该方法开始(框100),则首先开始对待检查的呼吸着的检查对象的生理的呼吸信号的采集(框101)。例如以导航序列的执行开始或者采集事先放置在检查对象处的呼吸带或呼吸垫的信号。
为了更好处理,在框102中将初始采集的信号转换为由呼吸信号的生理的值和相关联的时间戳组成的值对。例如,在框102中从由导航序列采集的原始数据中,与借助导航序列采集数据的时刻一起,提取生理的数据点,例如胸廓的位置。在使用呼吸带或呼吸垫的条件下,例如在特定的时刻由压力传感器读出的、与呼吸带或垫的压缩成比例的压力,被转换为可数字处理的生理的信号。对应于生理的信号的时间戳相应于压力的读出时刻。
提取的一系列数据点(具有相关联的时间戳的生理的呼吸信号)例如被存储在全局的存储器103中。“全局”在该关联中是指在流程图中的不同框中采用的多个单元,可以访问存储器103。
在查询104中查询,学习阶段是否已经结束,即,在存储器103中是否已经存储了生理的呼吸信号的足够数量的数据点。例如可以如下面将详细解释的那样通过一个最小数量的待采集的呼吸周期的预先给出的值M确定足够数量的数据点。在开始(框100)该方法时,该布尔变量为“false”。即,在采集生理的呼吸信号的第一数据点之后用否“N”来应答询问104。
如果对询问104的应答等于“N”,则例如开始(框105)对所采集的呼吸信号的分析。为此例如分析单元读取地访问全局的存储器并且读出已经采集的数据点序列,以便例如确定该序列中的局部极值(最小值和最大值)。这点例如以公知的方式进行,例如在计算该序列相对于时间的至少一个导数的条件下。不失一般性,此处统一以下的符号规定(Vorzeichenkonvention):局部的最小值相应于最大吸气的状态并且局部最大值相应于最大呼气的状态。
此外,在步骤105中还可以至少确定在采集的呼吸信号中的一个周期的持续时间(一个呼吸周期,也称为呼吸间隔)。一个呼吸周期在此例如定义为从最大的吸气状态到下一个最大的吸气状态的时间间隔。探测的呼吸间隔的数量由此等于局部最小值的数量减一。然后可以进行下一个询问106,其例如询问,是否已经确定在已经采集的生理的数据点序列中例如在局部最小值上的预先给出的值M。只要探测的呼吸间隔的数量小于预先给出的值M,则利用“N”来应答询问106,并且利用对生理的呼吸信号的下一个采集,例如借助下一个导航序列对测量数据的采集,来继续(框101和102)所述检查。
特别是在借助导航器采集生理的呼吸信号时,相继的导航序列的时间间隔应该相等,由此在检查对象中的磁化能够达到动态的平衡状态(英语“Steady State”)。相应于图2的“Scout-TR”的该时间间隔,在此应该选择得足够长,使得在其中既可以执行导航序列,又可以处理利用导航序列采集的测量数据。
如果确定了第(M+1)个局部最小值,即,第(M+1)个最大吸气的状态,则利用是(英语“Yes”)“Y”来应答询问106。据此,还可以进一步分析(框107)所采集的生理的呼吸信号。例如,在此可以确定在采集的呼吸信号中的不同周期的多个在框105中确定的持续时间的中值。这点例如按照以下方式进行:
序列(T1,...,TM+1)是采集的生理的数据点的时间戳的序列,其在生理的数据点的序列中作为局部最小值被识别。从中首先计算序列A=(a1,...,aM)。序列A的第n个元素是采集的呼吸信号中的第n个周期的持续时间:
an=(Tn+1-Tn),n=1,...,M。
然后将序列A按照呼吸周期的长度归类。新的序列在此用B=(b
1,...,b
M)表示。也就是B具有与A相同的元素,但是有:b
n<=b
n+1。然后如下得到呼吸周期B的持续时间的中值
替换地,还可以计算另一个统计值,其表示一个呼吸周期的“平均的”持续时间(不是理解为数学上的平均,而是作为“标准的”持续时间),例如呼吸周期的计算的持续时间的平均值。在此可以取消序列A到序列B的归类。但是中值相对于平均值来说具有如下优点:其相对于“异常值(Ausreiβer)”来说更稳健,其中“异常值”在此被理解为,远远长于或远远短于其余的呼吸间隔的呼吸周期的各个持续时间。因此在以下始终称为呼吸周期的持续时间的中值,而并不局限于此。
根据分析的呼吸信号,此时可以计算(框108)至少一个影响借助磁共振对测量数据的采集方式的参数。为此,例如将在分析生理的呼吸信号时确定的呼吸信号的持续时间的中值传输到计算单元并且由该计算单元例如如结合图3已经解释的那样作为参数:对于检查所需数量的层应该被划分到的组的数量C来计算。
这例如通过选择最小数量的组C来进行,对于其成立:每个触发的采集持续时间AD小于采集的呼吸信号的持续时间的中值的百分数:
也就是说,应该这样选择参数C,使得每个触发的采集持续时间AD不超过确定的个体的呼吸周期的特定的百分数。
也就是,影响借助磁共振对测量数据的采集方式的参数的计算包括对在分析所采集的呼吸信号时确定的、采集的呼吸信号的一个周期的持续时间
的计算。
由此限制每个触发的最大采集持续时间AD。在此D是一个通常不取决于患者的(即不是与患者的个体的呼吸匹配的)在1和100之间的预先给出的值。实际的值典型地位于25和50之间。作为(D/100)表示的百分数仅用于说明,其是一个百分数。当然还可以预先给出值d,对于其成立:d=(D/100)。
值D例如由负责借助磁共振采集测量数据的人员预先给出。替换地,D还可以是一个根据对于测量数据的采集而选出的采集方式(例如选择的序列)而采用的经验值。
在通过负责采集测量数据的人员的预先给出的情况下,例如可以允许在短的检查持续时间(值D大)或剩下小的运动伪影(值D小)的相对的优点之间选择值D。相反地,如果人们使用一个不能由应用者修改的经验值,则人们可以按照优选方式根据作为基础的成像的或光谱的序列来选择它。例如,可以在相对来说运动敏感的PROPELLER序列的情况下选择比在运动敏感的相同序列的笛卡尔变量的情况下更大的值。
作为通过这样预先给出的、一个呼吸周期的确定的持续时间的百分数来限制每个触发的最大采集持续时间AD的替换,还可以从所采集的生理的呼吸信号中确定每个触发的最大采集持续时间AD。例如通过确定最大的时间间隔,其中生理的呼吸信号的最大的或平均的变化不超过固定选择的值或在采集的呼吸信号中在至少一个吸气的值和至少一个呼气的值之间的最大的或平均的变化的百分数。也就是,预先给出绝对的或与生理的呼吸信号的变化相对的变化,并且寻找最大的时间间隔,其变化不超过预先给出的变化。该时间间隔越长,则在该时间间隔中的变化越大。此处寻找的最大的时间间隔然后给出每个触发的最大采集时间AD。
在此,每个触发的最大采集持续时间AD与每个组的最大层数成比例。在如结合图3描述的那样将待测量的层对应到组的情况下,AD由此取决于组的数量C。AD在此最大是从中要采集测量数据的层数S,除以组数量C,向下一个整数取整,乘以每个层激励的采集持续时间ADS:
其中,
表示取整函数。影响借助磁共振对测量数据的采集方式的至少一个参数(在此是组的数量C),取决于依赖于患者的值D和呼吸周期的持续时间的依赖于患者的中值。
对所需数量的层S被划分到的组的数量C的计算,包括按照不等式(2)比较一个组中的所有层的测量数据的采集的持续时间与在分析所采集的呼吸信号时确定的、所采集的呼吸信号的一个周期的统计的持续时间。
如果不能对于所有可能的值C满足不等式(2),则将组的数量置为等于层的数量。
此时通过控制单元控制测量数据的采集方式,使得为采集测量数据所使用的序列准备用于新的组数C或者已经进行的准备与新的组数匹配。“准备”在此包括能够在实际的序列种类之前进行的所有的计算。也就是除了别的之外,层激励顺序的计算、填充时间的计算等等。
如结合图4和5描述的,一个替换的或另一个影响测量数据的采集方式的参数还可以是每个所使用的回波串的回波数量。在这种情况下,不等式(2)继续成立,然而每个层激励的采集持续时间取决于每个所使用的回波串的回波数量E:ADS=E*ES+K,其中ES表示回波距离并且K表示到来的取决于序列的时间,例如使用的激励脉冲的持续时间、在激励脉冲和第一重聚焦脉冲之间的持续时间ES/2和必要时的其它时间,例如可能的扰相梯度的持续时间等等。
此外还成立:
由此,还可以既计算组的数量C,又计算每个回波串的回波的数量E,分别作为影响采集方式的参数。
还可以仅计算参数“每个回波串的回波”。特别是为此设置S=1。S=1例如典型地对于在通常(但不强制)通过一个唯一的激励体积完整地覆盖检查区域的情况下的3D序列。对于S=1不能采用结合图3描述的方法,因为一个层不能被划分为组。对于具有S=1的MR检查于是成立:AD大约等于E*ES。
在通过不等式(2)和影响测量数据的采集方式的参数将每个触发的采集持续时间AD自动地选择为与个体的呼吸信号一致地之后,此外还可以根据采集的呼吸信号计算(框109)至少一个触发条件。
例如可以作为触发条件计算所谓的触发位置TP。触发位置TP具有与生理的呼吸信号相同的单位。例如只有当最近测量的当前的生理的呼吸信号的数据点与触发位置TP的偏差等于或小于预先给出的接受窗[TP-δ,...,TP+δ]时,才产生触发。
触发位置的计算例如可以如下进行:P=(p
1,...,p
L)是测量的生理的数据点的序列。此外,在框105中将该序列P的M+1个元素标记为最大吸气的状态。I=(i
1,...,i
M+1)是表示最大吸气状态的序号的序列。换言之:
是在第k个最大吸气状态期间所采集的生理的呼吸信号的数据点的值,其是在时刻T
k被采集的。在每两个最大吸气的状态之间总是有一个最大呼气的状态。采集的生理的呼吸信号的相应的数据点通过第二序号序列E=(e
1,...,e
N)来表示。此外,例如函数t还可以将信号点对应于其时间戳。也就是利用至此涉及的约定,有:
此时可以首先对采集的呼吸信号的M个呼吸间隔的每个如下地确定一个触发位置TPk:
在一种实施方式中,使用在框108中计算的每个触发的采集持续时间AD,以便根据每个触发的采集持续时间AD,并且由此根据影响测量数据的采集方式的参数,并且根据所采集的呼吸信号,计算触发位置TP。
也就是,AD和ad是最小的整数,对于其成立:
ad≥AD/Scout TR。
在此Scout TR是在两个相继的生理的数据点之间的恒定的时间间隔:
Scout TR=t(pi+1)-t(pi)。
ad由此相应于采集的生理的呼吸信号的相继的数据点的数量,所述呼吸信号是在一个覆盖了每个触发的采集持续时间AD的时间段中被采集的。
对于在区间ik<=j<=ek中具有序号j的数据点,也就是在最大的吸气和最大的呼气之间并且由此位于呼气的阶段中的数据点,此时可以计算以下的和,该和是所采集的呼吸信号的涉及的数据点的变化的“平坦性”的度量:
jmin是最小化和Sum(j)的序号,即,如下的数据点的序号:从该数据点通过随后的ad个数据点开始,呈现“最平坦的”的变化:
对于第k个呼吸间隔的触发位置TP
k,此时等于具有序号j
min的数据点的生理的信号值,即:
为了获得稳定的触发位置TP,此时可以将当前的触发位置TP设定为M个触发位置TPk的中值。在上面以呼吸周期的持续时间的中值为例示出了中值的计算。对于触发位置类似地计算中值。
在此,触发位置TP由此相应于呼吸信号的值,在达到该值的情况下,在预先给出的偏差(接受窗)的范围内满足触发条件。
最后,以至少一个触发条件的计算(框109)结束学习阶段并且将布尔变量询问104的置为“true”(框110)。此时测量处于成像的或光谱的阶段。在下一次执行框101和102之后(在其中采集当前的生理的呼吸信号),由此用“Y”来应答询问104,并且控制单元(其特别地包括了触发单元)将最近采集的呼吸信号与触发条件比较(框111)。
一直进行具有恒定的时间间隔Scout-TR的导航序列的执行(框101)和对所采集的信号到生理的数据点的相关联的转换(框102),直到在框111中首次确定了触发条件的满足(询问112:满足触发条件Y/N?)。为了产生触发事件,在一个实施方式中必须至少满足以下的两个条件:
1)最近采集的生理的数据点的序列必须是增加的,这相应于呼气的阶段的涉及的符号选择。
2)最近测量的生理的信号点与触发位置TP的偏差Δ必须等于或小于事先确定的接受窗[TP-δ,...,TP+δ],即|Δ|≤δ。
如果满足触发条件,则通过触发单元触发测量数据的采集。即,产生触发事件并且在考虑计算的、影响测量数据的采集的参数的条件下在每个触发的采集持续时间AD期间采集成像的或光谱的测量数据的第一数据分组。在此,数据分组被理解为什么,取决于作为基础的成像的或光谱的序列。例如,在T2加权的快速自旋回波序列的情况下数据分组可以由第一组的每层的各一个回波串组成。
在采集测量数据的第一数据分组之后,随着其它导航序列的展开(Aus-spielen)继续测量,直到第二次满足触发条件。在这样触发的第二触发事件之后,采集成像的或光谱的序列的测量数据的第二数据分组。该过程一直继续,直到采集了期望的待检查的检查区域的所有测量数据(询问114:采集了所有的测量数据Y/N?)。
特别是在借助导航器采集当前的呼吸信号的情况下,通过触发事件对导航器的序列的中断(参见图2中的“导航器”)会干扰磁化的动态平衡状态(“steady state”)。这点对在重新采用导航序列之后从导航信号中提取的生理的呼吸信号具有负面影响。例如在这些导航信号中会出现信号改变,其原因是在重新到达平衡状态期间磁化的过渡状态。这些信号改变不能与由于生理的呼吸运动产生的信号改变相区别。由此这点会使得所采集的当前的呼吸信号错误并且导致错误的触发事件。
但是,这些问题例如可以通过以下措施来减小。
例如可以在一个触发事件之后并且在采集测量数据之后插入一个与一个呼吸周期的持续时间相比较短的填充时间,然后进行用于采集生理的数据点的下一个导航序列。在填充时间期间,磁化在检查对象中部分地松弛。对于这样的填充时间的例子在图2中用“R”表示。
此外,可以在询问116中例如借助计数器来询问在框102中在一个触发事件之后采集了当前的呼吸信号的第几个数据点。如果一个数据点的这样的计数器小于预先给出的值Z,则舍弃该数据点,即,不存储在存储器103中。预先给出的值Z是一个整数,并且应该这样选择,使得例如一方面至少近似又达到平衡状态,并且另一方面不舍弃太多的数据点,由此在以下的呼吸间隔中可以产生一个触发事件。例如,如果Z=2,则舍弃在一个触发事件之后在重新采用导航之后采集的各两个第一数据点。
在利用外部的传感器(例如呼吸垫或呼吸带)采集呼吸信号时,通常这样的措施是不必要的,因为该传感器的信号通常不会受到成像的或光谱的序列的干扰。
在一种实施例中,为了在询问112之后产生一个触发事件,此外还可以是必须满足以下触发条件:
3)如果已经发生了第一触发事件,则自最后的触发事件以来必须过去了一个可预先给出的时间段Tt。时间段Tt在此例如大于在框107中计算的呼吸周期的中值的大约60%。
通常一个呼吸周期的持续时间至少位于两个触发事件之间,因为通常每个呼吸仅一次周期产生一个触发事件。由此两个触发事件不应该比呼吸周期的计算的中值的百分数更互相靠近,其可以视为低于呼吸周期的持续时间的正常波动。
在另一个实施方式中,上面描述的触发位置的计算同样还可以在初始的学习阶段结束之后作为新的触发位置TP′重新计算,并且对于在框111中当前的呼吸信号的下一个比较,代替在初始的学习阶段中计算的触发位置TP。
这点例如如下地进行:
询问117监视,是否在两个最近探测的最大的吸气状态之间产生了一个触发。替换地,询问117例如可以监视,在最后的触发信号之后过去了多少时间。如果在一个呼吸周期的持续时间内(必要时在考虑其正常的波动的条件下),也就是例如在持续时间bmax内,没有发生下一个触发事件,则询问117启动在框109中触发位置的重新计算。然而在此(例如在学习阶段的末端)根据例如M个最后完整地采集的呼吸周期,如上所述,计算新的触发位置TP′。在重新计算的第一个开始之后,例如根据学习阶段的最后M-1个呼吸周期和在其中没有产生触发的呼吸周期,进行该计算。由此在给出的条件下,在初始的学习阶段期间在第一计算之后至少再一次地重新计算触发条件“触发位置”。
在一种优选实施方式中,不是与触发位置一起匹配影响测量数据的采集的参数,即,在上面的例子中不是重新计算每个触发的采集持续时间。这点一般地具有如下结果:必须舍弃已经采集的例如成像的测量数据的一部分,因为影响测量数据的采集的参数的改变在数据采集期间会导致伪影或对比度区别。
在替换的询问117中b
max例如是呼吸周期的计算的中值的、延长了正常波动的持续时间
即
其中κ是在呼吸信号的正常的波动下允许的延长。
如果患者的呼吸在检查期间改变,则触发位置的这样的重新计算是具有优势的。例如有些患者在MR检查的开始呼吸得快和/或深,例如,因为其比较紧张。快速的呼吸导致较短的呼吸周期。在每个触发的给出的采集持续时间AD的情况下,由此AD比呼吸周期长,由此触发位置被向下推移。呼吸可能还因为患者在检查期间入睡而改变。通过触发位置的重新计算可以在运行着的MR检查期间也能够考虑该改变,这可以改善MR检查的结果并且可以缩短MR检查的总持续时间。