CN102309328B - 弥散张量成像方法及系统 - Google Patents
弥散张量成像方法及系统 Download PDFInfo
- Publication number
- CN102309328B CN102309328B CN2011103187783A CN201110318778A CN102309328B CN 102309328 B CN102309328 B CN 102309328B CN 2011103187783 A CN2011103187783 A CN 2011103187783A CN 201110318778 A CN201110318778 A CN 201110318778A CN 102309328 B CN102309328 B CN 102309328B
- Authority
- CN
- China
- Prior art keywords
- gradient direction
- space
- diffusion
- data
- diffusion gradient
- 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.)
- Active
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种弥散张量成像方法，包括以下步骤：通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据；选取各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，将参考K空间数据变换得到参考图；分别将各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据；对各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图；将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像。同时还提供了一种弥散张量成像系统。
Description
【技术领域】
本发明涉及磁共振技术，特别是涉及一种弥散张量成像方法及系统。
【背景技术】
弥散张量成像（diffusion tensor imaging，DTI），是在弥散加权成像（diffusionweight imaging，DWI）基础上发展起来的新方法，是核磁共振成像的特殊形式，是近几年发展迅速的一项新的磁共振成像技术。DTI中张量D的计算需要一个不加弥散梯度的b0图及多个施加了弥散梯度的b1~bn图。通过解这个对称矩阵D的特征值和特征向量就可以得到分析DTI的一些常用参数，如各向异性分数（fractional anisotropy，FA），相对各向异性（relative anisotropy，RA）及表观弥散系数（apparent diffusion coefficient，ADC）等。
在传统的弥散张量成像过程中，张量D的计算是个最小二乘拟合过程，为了让拟合效果更好，除了施加较多的弥散梯度外，我们通常会采用多b值来拟合。多b值中的b值越大，弥散越大，信号的信噪比也就越小。为了满足SNR的要求，我们要重复多次。为了得到更多的生理信息，还要选择多个层面（slice）成像。这一系列的措施的结果是总的采样时间过长，导致整个弥散张量成像的时间过长，会超出病人的承受范围。
【发明内容】
基于此，有必要提供一种快速的弥散张量成像方法。
一种弥散张量成像方法，其特征在于，包括以下步骤：通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据；选取所述各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，将参考K空间数据变换得到参考图；分别将所述各个弥散梯度方向的K空间欠采样数据与所述参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据；对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图；将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像。
进一步地，对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图的步骤具体是：对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，得到各个弥散梯度方向的差值图。
进一步地，对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，重建过程中通过优化代价函数得到各个弥散梯度方向的差值图，所述代价函数为：
ε(Idiff(i))=||FIdiff(i)-ddiff(i)||2+λL1|WIdiff(i)|1+λTVTV(Idiff(i))i=1、2…n
其中F是傅里叶变换矩阵，λL1和λTV是两个正则化参数，W是稀疏变换，TV是全变差矩阵，ddiff(i)是第i个弥散梯度方向的差值图K空间欠采样数据，Idiff(i)是第i个弥散梯度方向的差值图，ε为重建误差。
进一步地，所述弥散梯度方向至少为6个。
进一步地，将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像的公式为：
Irecon(i)＝Iref+Idiff(i)i＝1、2…n
其中，Irecon(i)为第i个弥散梯度方向的弥散张量图像，Iref为参考图，Idiff(i)为第i个弥散梯度方向的差值图。
此外，还有必要提供一种快速的弥散张量成像系统。
一种弥散张量成像系统，包括：
采集模块，用于通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据；
处理模块，与所述采集模块连接，用于选取所述各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据；所述处理模块还用于分别将所述各个弥散梯度方向的K空间欠采样数据与所述参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据；
重建模块，与所述处理模块连接，用于将参考K空间数据变换得到参考图；所述重建模块还用于对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图；
图像获取模块，与所述重建模块连接，用于将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像。
进一步地，所述重建模块对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，得到各个弥散梯度方向的差值图。
进一步地，所述弥散梯度方向至少为6个。
上述弥散张量成像方法及系统中，通过相同的变密度采样形式分别对成像对象各个弥散梯度方向进行K空间欠采样，并选定任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，然后把各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，通过重建得到差值图，然后再联合参考图像最终得到各个弥散梯度方向上的图像，缩短了采集时间，实现了快速弥散张量成像。
进一步地，由于各个弥散梯度方向的弥散张量图像相似性很高，且都是采用相同的变密度采样形式进行欠采样。各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差后，得到的各个弥散梯度方向的差值图K空间欠采样数据的稀疏度很高。稀疏度越高，利用压缩感知重建方法重建出原始信号的概率就越高。
【附图说明】
图1为弥散张量成像方法的流程图；
图2为弥散张量成像系统的模块图。
【具体实施方式】
为了解决传统的弥散张量成像的时间过长的问题，提出了一种弥散张量成像方法来实现快速弥散张量成像。
如图1所示的弥散张量成像方法，包括以下步骤：
步骤S10，通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据。
在磁共振领域里，K空间是寻常空间在傅利叶转换下的对偶空间。一般来说，在K空间里，因为图像的能量主要集中在低频区域，高频区域所含的信息量很少，在随机采样时采用变密度采样的方式，主要采低频信号，高频区的信号尽量少采或者不采，这样就可以节省大量的采集时间，并有效的减少混叠伪影。根据同一种的变密度采样形式，对各个弥散梯度方向的K空间数据进行欠采样，保证了采集到的各个弥散梯度方向的K空间数据的关联性。
步骤S20，选取各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，将参考K空间数据变换得到参考图。
参考K空间数据是经反傅里叶变换得到参考图像的。从各个弥散梯度方向的K空间欠采样数据中任意选取一个作为参考K空间数据，并经过反傅里叶变换得到参考图。具体在本实施例中，弥散梯度方向为6~15个。由于D是一个3*3的对称矩阵，所以要想解出D，至少需要施加6个非共线的弥散梯度，为了节省扫描的时间，本实施例中弥散梯度方向优选为6~15个，但也可以不限于6~15个，弥散梯度方向可以取到24甚至是256个或者更多。
步骤S30，分别将各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据。
将各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差的公式为：
ddiff(i)=drecon(i)-dref i=1、2…n
其中，drecon(i)为各个弥散梯度方向的K空间欠采样数据；
dref为参考K空间数据；
ddiff(i)为各个弥散梯度方向的差值图K空间欠采样数据。
步骤S40，对各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图。
步骤S50，将各个弥散梯度方向的差值图与参考图相结合得到各个弥散梯度方向上的弥散张量图像。
将各个弥散梯度方向的差值图与参考图相叠加，最后得到各个弥散梯度方向上的弥散张量图像，进而求出张量D。具体的，将各个弥散梯度方向的差值图与参考图相结合得到各个弥散梯度方向上的弥散张量图像的公式为：
Irecon(i)=Iref+Idiff(i)i＝1、2…n
其中，Irecon(i)为各个弥散梯度方向的弥散张量图像；
Iref为参考图；
Idiff(i)为各个弥散梯度方向的差值图。
上述弥散张量成像方法及系统中，通过相同的变密度采样形式分别对成像对象各个弥散梯度方向进行K空间欠采样，并选定任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，然后把各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，通过重建得到差值图，然后再联合参考图像最终得到各个弥散梯度方向上的图像，缩短了采集时间，实现了快速弥散张量成像。
在一个实施例中，步骤S40具体为：对各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，得到各个弥散梯度方向的差值图。
压缩感知（compressed sensing，CS）是近几年新兴起的一种能实现快速成像的理论。CS基于信号或图像的稀疏性，突破奈奎斯特采样定理的限制，通过欠采样得到的极少量的采样点或观测点恢复出原始信号或图像。CS理论主要应用的就是图像的稀疏性。如果信号的稀疏度越高，越容易以高概率重建出原始信号。
由于各个弥散梯度方向的弥散张量图像相似性很高，且都是采用相同的变密度采样形式进行欠采样。选取任一方向的图像作为参考图，将各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，得到的各个弥散梯度方向的差值图K空间欠采样数据稀疏度非常高。对各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，重建过程中通过优化代价函数得到各个弥散梯度方向的差值图，所述代价函数为：
ε(Idiff(i))=||FIdiff(i)-ddiff(i)||2+λL1|WIdiff(i)|1+λTVTV(Idiff(i))i＝1、2…n
其中F为傅里叶变换矩阵；
λL1和λTV为两个正则化参数；
W为稀疏变换；
TV为全变差矩阵；
ddiff(i)为各弥散梯度方向的差值图K空间欠采样数据；
Idiff(i)为各弥散梯度方向的差值图。
ε为重建误差。优化迭代的最终结果是重建误差ε越小越好，从而计算得到各个弥散梯度方向的差值图Idiff(i)。
上述步骤中，各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差后，得到的各个弥散梯度方向的差值图K空间欠采样数据的稀疏度很高，故利用压缩感知重建方法重建出原始信号的概率高。需要指出的是，对弥散梯度方向的差值图K空间欠采样数据的压缩感知重建也可以替换成其它重建方式，只要其重建方式满足重建需求即可。
如图2所示，还提供了一种弥散张量成像系统，该弥散张量成像系统包括采集模块100、处理模块200、重建模块300和图像获取模块400。
采集模块100用于通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据。根据同一种的变密度采样形式，对各个弥散梯度方向的K空间数据进行欠采样，保证了采集到的各个弥散梯度方向的K空间数据的一致性，并节省大量的采集时间。
处理模块200与采集模块100电连接，用于选取各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据。处理模块200还用于分别将各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据。
重建模块300与处理模块200电连接，用于将参考K空间数据变换得到参考图；重建模块300还用于对各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图。参考K空间数据是经反傅里叶变换得到参考图像。
图像获取模块400与重建模块300电连接，用于将各个弥散梯度方向的差值图与参考图相结合得到各个弥散梯度方向上的弥散张量图像。
在该弥散张量成像系统中，通过相同的变密度采样形式分别对成像对象各个弥散梯度方向进行K空间欠采样，并选定任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，然后把各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差，通过重建得到差值图，然后再联合参考图像最终得到各个弥散梯度方向上的图像，缩短了采集时间，实现了快速弥散张量成像。
需要指出的是，具体在本实施例中，弥散梯度方向为6~15个。由于D是一个3*3的对称矩阵，所以要想解出D，至少需要施加6个非共线的弥散梯度，为了节省扫描的时间，本实施例中弥散梯度方向优选为6~15个，但也可以不限于6~15个，弥散梯度方向可以取到24甚至是256个或者更多。
在一实施例中，重建模块300对各个弥散梯度方向的差值图K空间欠采样数据进行重建的方式为压缩感知重建，从而得到各个弥散梯度方向的差值图。
由于各个弥散梯度方向的弥散张量图像相似性很高，且都是采用相同的变密度采样形式进行欠采样。各个弥散梯度方向的K空间欠采样数据与参考K空间数据作差后，得到的各个弥散梯度方向的差值图K空间欠采样数据的稀疏度很高，故利用压缩感知重建方法重建出原始信号的概率高。需要指出的是，对弥散梯度方向的差值图K空间欠采样数据的压缩感知重建也可以替换成其它重建方式，只要其重建方式满足重建需求即可。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种弥散张量成像方法，其特征在于，包括以下步骤：
通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据；
选取所述各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据，将参考K空间数据变换得到参考图；
分别将所述各个弥散梯度方向的K空间欠采样数据与所述参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据；
对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图；
将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像。
2.根据权利要求1所述的弥散张量成像方法，其特征在于，对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图的步骤具体是：对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，得到各个弥散梯度方向的差值图。
3.根据权利要求2所述的弥散张量成像方法，其特征在于，对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，重建过程中通过优化代价函数得到各个弥散梯度方向的差值图，所述代价函数为：
ε(Idiff(i))=||FIdiff(i)-ddiff(i)||2+λL1|WIdiff(i)|1+λTVTV(Idiff(i))i=1、2…n
其中F是傅里叶变换矩阵，λL1和λTV是两个正则化参数，W是稀疏变换，TV是全变差矩阵，ddiff(i)是第i个弥散梯度方向的差值图K空间欠采样数据，Idiff(i)是第i个弥散梯度方向的差值图，ε为重建误差。
4.根据权利要求1所述的弥散张量成像方法，其特征在于，所述弥散梯度方向至少为6个。
5.根据权利要求1所述的弥散张量成像方法，其特征在于，将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像的公式为：
Irecon(i)＝Iref+Idiff(i)i＝1、2…n
其中，Irecon(i)为第i个弥散梯度方向的弥散张量图像，Iref为参考图，Idiff(i)为第i个弥散梯度方向的差值图。
6.一种弥散张量成像系统，其特征在于，包括：
采集模块，用于通过相同的变密度采样形式分别对成像对象在各个弥散梯度方向进行K空间欠采样，得到各个弥散梯度方向的K空间欠采样数据；
处理模块，与所述采集模块连接，用于选取所述各个弥散梯度方向的K空间欠采样数据中任意一个弥散梯度方向的K空间欠采样数据作为参考K空间数据；所述处理模块还用于分别将所述各个弥散梯度方向的K空间欠采样数据与所述参考K空间数据作差，得到各个弥散梯度方向的差值图K空间欠采样数据；
重建模块，与所述处理模块连接，用于将参考K空间数据变换得到参考图；所述重建模块还用于对所述各个弥散梯度方向的差值图K空间欠采样数据进行重建，得到各个弥散梯度方向的差值图；及
图像获取模块，与所述重建模块连接，用于将所述各个弥散梯度方向的差值图与所述参考图相结合得到各个弥散梯度方向上的弥散张量图像。
7.根据权利要求6所述的弥散张量成像系统，其特征在于，所述重建模块对所述各个弥散梯度方向的差值图K空间欠采样数据进行压缩感知重建，得到各个弥散梯度方向的差值图。
8.根据权利要求6所述的弥散张量成像系统，其特征在于，所述弥散梯度方向至少为6个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011103187783A CN102309328B (zh) | 2011-10-19 | 2011-10-19 | 弥散张量成像方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011103187783A CN102309328B (zh) | 2011-10-19 | 2011-10-19 | 弥散张量成像方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102309328A CN102309328A (zh) | 2012-01-11 |
| CN102309328B true CN102309328B (zh) | 2012-11-14 |
Family
ID=45423171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011103187783A Active CN102309328B (zh) | 2011-10-19 | 2011-10-19 | 弥散张量成像方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102309328B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103529414B (zh) * | 2012-07-04 | 2016-06-29 | 上海联影医疗科技有限公司 | 磁共振成像方法与装置、k空间的重建方法与装置 |
| CN102928796B (zh) * | 2012-09-28 | 2014-12-24 | 清华大学 | 快速扩散磁共振成像和重建方法 |
| CN102931999B (zh) * | 2012-10-16 | 2015-10-07 | 河海大学 | 基于傅里叶变换的时空数据有损压缩方法 |
| CN103860173B (zh) * | 2012-12-12 | 2015-04-15 | 上海联影医疗科技有限公司 | 磁共振k空间重建方法与装置、磁共振成像方法与装置 |
| CN103048632B (zh) * | 2012-12-19 | 2015-11-25 | 北京大学 | 一种基于压缩传感的快速高角分辨率扩散成像方法 |
| CN103230274B (zh) * | 2013-03-06 | 2015-01-07 | 北京师范大学 | 一种弥散磁共振图像计算方法及基于其的分析方法 |
| CN103356193B (zh) * | 2013-07-19 | 2016-12-28 | 哈尔滨工业大学深圳研究生院 | 压缩感知框架下的快速弥散张量成像方法及系统 |
| CN104111431A (zh) * | 2013-09-27 | 2014-10-22 | 深圳先进技术研究院 | 动态磁共振成像中的重建方法和装置 |
| KR101663229B1 (ko) * | 2013-10-23 | 2016-10-06 | 삼성전자주식회사 | 자기 공명 영상 장치 및 그에 따른 자기 공명 영상의 이미징 방법 |
| WO2015060656A1 (en) | 2013-10-23 | 2015-04-30 | Samsung Electronics Co., Ltd. | Magnetic resonance imaging apparatus and method |
| CN104013403B (zh) * | 2014-05-23 | 2016-02-03 | 浙江理工大学 | 一种基于张量分解稀疏约束的三维心脏磁共振成像方法 |
| JP6163471B2 (ja) * | 2014-09-17 | 2017-07-12 | 株式会社日立製作所 | 磁気共鳴イメージング装置 |
| CN104282021B (zh) * | 2014-09-28 | 2017-03-08 | 深圳先进技术研究院 | 磁共振弥散张量成像的参数误差估计方法和装置 |
| CN104280705B (zh) * | 2014-09-30 | 2017-01-11 | 深圳先进技术研究院 | 基于压缩感知的磁共振图像重建方法和装置 |
| CN104504657B (zh) | 2014-12-11 | 2017-05-03 | 中国科学院深圳先进技术研究院 | 磁共振弥散张量去噪方法和装置 |
| CN104545917A (zh) * | 2014-12-25 | 2015-04-29 | 深圳先进技术研究院 | 主磁场偏移估算方法和系统 |
| CN106344015A (zh) * | 2015-07-15 | 2017-01-25 | 四川大学华西医院 | 一种异常扩散程度加权的弥散磁共振成像方法 |
| CN109633502B (zh) * | 2018-12-03 | 2020-07-24 | 深圳先进技术研究院 | 磁共振快速参数成像方法及装置 |
| CN110367985B (zh) * | 2019-07-18 | 2023-01-03 | 惠仁望都医疗设备科技有限公司 | 一种低场磁共振线扫弥散成像去除黑色条纹的方法 |
| CN110967041B (zh) * | 2019-12-18 | 2021-09-14 | 自然资源部国土卫星遥感应用中心 | 基于张量不变理论的卫星引力梯度数据精度的验证方法 |
| CN111161370B (zh) * | 2019-12-30 | 2021-10-29 | 中国科学院精密测量科学与技术创新研究院 | 一种基于ai的人体多核dwi联合重建方法 |
| CN111812570A (zh) * | 2020-06-22 | 2020-10-23 | 燕山大学 | 基于dti和血清因子分析脑损伤标志物的方法 |
| CN115115723B (zh) * | 2021-03-17 | 2025-02-21 | 中国科学院深圳先进技术研究院 | 图像重建模型生成及图像重建方法、装置、设备和介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6815952B1 (en) * | 2003-05-12 | 2004-11-09 | The University Of Queensland | Magnetic resonance diffusion imaging with eddy-current compensation |
| CN101975935A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于部分回波压缩感知的快速磁共振成像方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7408345B2 (en) * | 2006-02-06 | 2008-08-05 | The Board Of Trustees Of The Leland Stanford Junior University | Generalized MRI reconstruction with correction for multiple image distortion |
| US8169216B2 (en) * | 2007-07-20 | 2012-05-01 | Medical College Of Georgia Research Institute, Inc. | System and method for synthesizing crossing ADC distributions via reassembly of multiple k-spaces |
| JP5570743B2 (ja) * | 2009-03-09 | 2014-08-13 | 株式会社東芝 | 半導体装置 |
-
2011
- 2011-10-19 CN CN2011103187783A patent/CN102309328B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6815952B1 (en) * | 2003-05-12 | 2004-11-09 | The University Of Queensland | Magnetic resonance diffusion imaging with eddy-current compensation |
| CN101975935A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于部分回波压缩感知的快速磁共振成像方法 |
Non-Patent Citations (3)
| Title |
|---|
| Arvidas B. Cheryauka et.al..MRI diffusion tensor reconstruction with PROPELLER data acquisition.《Magnetic Resonance Imaging》.2004,第22卷139-148. * |
| JP特开2010-212367A 2010.09.24 |
| 翁卓等.基于k空间加速采集的磁共振成像技术.《中国生物医学工程学报》.2010,第29卷(第5期),785-792. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102309328A (zh) | 2012-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102309328B (zh) | 弥散张量成像方法及系统 | |
| CN106780372B (zh) | 一种基于广义树稀疏的权重核范数磁共振成像重建方法 | |
| CN102928796B (zh) | 快速扩散磁共振成像和重建方法 | |
| CN102389309B (zh) | 基于压缩感知理论的磁共振图像重建的方法 | |
| Wu et al. | Accelerated MR diffusion tensor imaging using distributed compressed sensing | |
| CN104939828B (zh) | 磁共振成像方法 | |
| Liu et al. | Compressed sensing MRI combined with SENSE in partial k-space | |
| CN102540116A (zh) | 磁共振成像方法和系统 | |
| CN103323805B (zh) | 基于小波域稀疏表示的speed快速磁共振成像方法 | |
| He et al. | MR image reconstruction from sparse radial samples using Bregman iteration | |
| CN104434108B (zh) | 一种基于相邻层信息和欠采样的多层磁共振快速成像方法 | |
| CN101975935A (zh) | 一种基于部分回波压缩感知的快速磁共振成像方法 | |
| CN103505207A (zh) | 一种基于压缩感知技术的快速有效的动态磁共振成像方法 | |
| CN104013403B (zh) | 一种基于张量分解稀疏约束的三维心脏磁共振成像方法 | |
| CN108717171A (zh) | 一种压缩感知低场磁共振成像算法 | |
| Jiang et al. | Sparsity-constrained SENSE reconstruction: an efficient implementation using a fast composite splitting algorithm | |
| CN105678822A (zh) | 一种基于Split Bregman迭代的三正则磁共振图像重构方法 | |
| CN105931242B (zh) | 基于字典学习和时间梯度的动态核磁共振图像重建方法 | |
| CN107942271B (zh) | 基于迭代的speed快速磁共振成像方法 | |
| Steinhoff et al. | Segmented diffusion imaging with iterative motion‐corrected reconstruction (SEDIMENT) for brain echo‐planar imaging | |
| CN109247939A (zh) | 一种自适应高欠采样超极化气体肺部动态mri重建方法 | |
| CN103048632A (zh) | 一种基于压缩传感的快速高角分辨率扩散成像方法 | |
| CN117233674A (zh) | 基于单激发buda采集和联合约束重建的mr成像方法及系统 | |
| CN108051766A (zh) | 基于奇异谱分析的speed快速磁共振成像方法 | |
| Cheng et al. | Learning data consistency for MR dynamic imaging |
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 | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170216 Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Patentee after: Shanghai United Imaging Healthcare Co., Ltd. Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Patentee before: Shenzhen Institutes of Advanced Technology, Chinese Academy of Science |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181012 Address after: 518055 Nanshan District, Xili, Shenzhen University, Shenzhen, Guangdong, 1068 Patentee after: Shenzhen Institutes of Advanced Technology, Chinese Academy of Science Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee before: Shanghai United Imaging Healthcare Co., Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190730 Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee after: Shanghai United Imaging Healthcare Co., Ltd. Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili Road School of Shenzhen University Patentee before: Shenzhen Institutes of Advanced Technology, Chinese Academy of Science |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |