CN102736045A - 具有局部sar 约束的并行发射射频脉冲设计 - Google Patents

Abstract

本发明涉及一种设计用于磁共振成像(MRI)系统的并行发射射频(RF)脉冲的方法，包括将待由MRI系统扫描的对象的模型压缩为多个体素集群，各体素集群限定关于体素集群的局部特定吸收率(SAR)具有峰值灵敏度的一个虚拟观察点，以及，基于极小化准则的近似限定并行发射RF脉冲，极小化准则具有基于各虚拟观察点的峰值灵敏度的局部SAR成分，近似则由关于虚拟观察点的局部SAR值的加权和构成。

Description

具有局部SAR 约束的并行发射射频脉冲设计

关于联邦资助研究或开发的声明 

本发明得到政府支持完成，美国国立卫生研究院(NIH)授予的研究补助计划(R01)合同No.EB007942和No.EB006847。政府在本发明中具有确切法定权利。 

技术领域

本发明总体上涉及磁共振成像(MRI)系统，以及，更特别地，本发明涉及适合于MRI系统中使用的并行发射RF脉冲。 

背景技术

磁共振成像(MRI)是一种医学成像技术，广泛用于观察人体的结构及功能。MRI系统提供软组织对比度，诸如用于诊断许多软组织病症。MRI系统通常实施一种两阶段法。第一阶段是激励阶段，在对象中建立磁共振信号。为此，使诊查的身体经受主磁场B₀作用，以使组织中核子的单个磁矩或自旋与极化场的轴(惯例为z轴)对准。主磁场还促使磁矩以其特征拉莫尔频率绕该轴共振进动。然后，如果该组织经受频率接近拉莫尔频率的射频(RF)激励脉冲B₁，则x-y平面中的磁场使净排列矩(net aligned moment)Mz重新定向、翻转(flip)、或者倾斜(tip)成或朝向x-y平面，产生净横向磁矩M_xy，所谓的自旋磁化(spin magnetization)。第二阶段是采集阶段，在终止激励脉冲B₁之后，系统接收被激励核子松弛返回与z轴对准时所发射的电磁信号。成对地重复这两个阶段，以获取足够的数据来构建图像。 

通常定制(tailor)激励相位，以将激励脉冲定位到对象内的特定区域，诸如3D厚片或相对薄的2D切片。随后的采集阶段对有关3D厚片的所有三维局部区域或者有关薄切片的仅平面中的局部区域进行编码。典型地，按一序列测量周期扫描待成像区域，在测量周期中磁场梯度(G_x、G_y和G_z)根据所使用的特殊定位方法改变。也使用定制RF脉冲来定位激励。含有这些RF脉冲和梯度的扫描序列存储在由商品化的MRI扫描仪存取的程序库中， MRI扫描仪以1.5特斯拉或更低的主磁场强度工作，以满足许多不同临床应用的需要。 

用MRI系统采集的MR信号是诊查的对象在傅里叶空间或者本领域通常称为“k-空间”中的信号样本。各MR测量周期或脉冲序列，典型地沿该脉冲序列的采样轨迹特征采样k-空间的一部分。大多数脉冲序列按有时称为“自旋-扭曲”、“傅里叶”、“直线”或“坐标”扫描的光栅扫描状模式采样k-空间。自旋-扭曲扫描技术在采集MR自旋回波信号之前采用可变幅相编码磁场梯度脉冲，以便在此梯度方向对空间信息进行相位编码。例如，在二维实现(“2DFT”)中，通过沿一个方向应用相位编码梯度G_y，在该方向编码空间信息，然后，在与相位编码方向正交的方向有读出磁场梯度G_x的情况下，采集自旋回波信号。在自旋回波采集编码空间信息期间，读出梯度于正交方向呈现。在典型的2DFT脉冲序列中，在测量周期的序列中或者在扫描期间获取的“视图”中，使相位编码梯度脉冲G_y的幅度以ΔG_y增大，以产生一组k-空间MR数据，由其可以重建整个图像。 

大多数MRI扫描仪使用单通道RF激励线圈来使自旋磁性倾斜离开其平衡状态并开始一个测量周期。通常，使用射频(“RF”)激励脉冲来激励下列区域之一内的所有自旋：励磁线圈内(非选择性激励)、通过对象的单切片(切片选择激励)、或者只在特定区域内诸如小立方体内(三维空间选择激励)。在空间选择、空间定制激励中，在存在对MRI系统(其为空间和选择性激励过程中的仪器)的主磁场施加时变梯度的梯度波形的情况下，发射RF脉冲。总体上，梯度场可以视为导致曲线在激励k-空间中的横越(traversal)，路径可以通过k-空间的所有三维空间(k_x、k_y和k_z)，这在某些假设下实质上是三维傅里叶域。在激励k-空间的这种横越期间，与梯度波形协力发挥作用的RF脉冲能量可以视为沿此k-空间激励轨迹曲线沉积RF能量。因此，RF脉冲产生一种激励，其调制(按相位、按幅值、或按二者)为激励k-空间中位置的函数(k_x、k_y以及k_z)。所得到的激励经常与此沉积能量的傅里叶逆变换密切相关。 

例如，按一种典型的切片选择RF脉冲，在z方向施加恒定梯度场，同时，通过MRI系统的单激励线圈发射成形如辛格(“sinc”)函数的RF脉冲。在这种情况下，梯度场促使RF脉冲能量在激励k-空间的k_z方向沿单线(“辐(spoke)”)也就是通过k-空间位置(0，0，k_z)的直线沉积。由于沉积在激励 k-空间中的能量与所产生磁化的翻转角之间的傅里叶关系，k_z中的这种辛格状沉积只激励组织薄片内的那些磁自旋。简而言之，根据这种典型RF脉冲得到的磁化在片内是恒定程度激励，而在片外则没有任何激励。 

近来已经使用了更高磁场强度的扫描仪以改进图像信噪比和对比度。然而，在例如7特斯拉的主磁场强度下，RF激励磁场B₁ ⁺的大小出现空间上的变化。跨越感兴趣区的激励中的这种不合需要的非均匀性通常称为“中心增亮”、“B₁ ⁺不均匀性”或者“翻转角度不均匀性”。 

通过激励空间反向的不均匀性，新一代MRI系统已经产生具有空间定制激励模式的RF脉冲来减缓B₁ ⁺不均匀性。在这些系统中，在不同的独立射频发射通道上并行发射多个单独的射频脉冲串。单独的RF信号然后施加至单独的发射通道，例如，全身天线的单独线杆。称为“并行发射”或“并行激励”的这种新近方法充分利用了多单元RF线圈阵列的不同空间轮廓之中的变化。除减缓B₁ ⁺不均匀性之外，并行激励也使其他几种重要应用包括挠性成形激励体积成为可能。 

关于RF的设计以及关于并行激励的梯度波形，已经提出了许多方法，例如，诸如下列披露：U.Katscher等人“Transmit SENSE”，Magnetic Resonancein Medicine，Vol.49，p.144-150(2003)；Y.Zhu“Parallel Excitation with an Arrayof Transmit Coils”，Magnetic Resonance in Medicine，Vol.51，p.775-784(2004)；M.Griswold等人“Autocalibrated Accelerated Parallel Excitation(Transmit-GRAPPA)”，Proceeding of the 13^th Annual Meeting of ISMRM，p.2435(2005)；以及W.Grissom等人“Spatial Domain Method for the Design of RFPulses in Multicoil Parallel Excitation”，Magnetic Resonance in Medicine，Vol.56，p.620-629(2006)。 

成功的实现在多通道硬件上已得到证明，包括下列描述：P.Ullmann等人“Experimental Analysis of Parallel Excitation Using Dedicated Coil Setups andSimultaneous RF Transmission on Multiple Channels”，Magnetic Resonance inMedicine，Vol.54，p.994-1001(2005)；D.Xu等人“A Noniterative Method toDesign Large-Tip-Angle Multidimensional Spatially-Selective Radio FrequencyPulses for Parallel Transmission”，Magnetic Resonance in Medicine，Vol.58，p.326-334(2007)；以及P.Venickel等人“Eight-channel Transmit/Receive BodyMRI Coil at 3T”，Magnetic Resonance in Medicine，Vol.58，p.381-389(2007)。 

使用并行发射方法的空间定制激励设计成，以特定自旋形式的拉莫尔频率提供预定激励模式。就此而论，在有二维(2D)和三维(3D)梯度轨迹的情况下，RF激励脉冲的并行发射提供了挠性措施，用于体积激励、以及主磁场B0和激励场B1+中不均匀性的减缓。并行发射系统擅长于这些任务，因为它们的RF激励阵列包括具有独特空间轮廓(其可以调制并叠加)的多个独立发射元件，以定制跨越所选择激励场(FOX)的横向磁化的幅值和相位。通过增大幅值以及系统梯度线圈的转换速率，并行发射系统允许减小RF脉冲的持续时间。也就是，激励k-空间轨迹可以欠抽样(减小在k-空间中行进的距离)，又缩短了对应的RF脉冲。由于用系统的多发射元件所提供的附加自由度，在k-空间域中“加速”的能力提高。 

遗憾的是，并行发射技术通常增大峰值脉冲功率，引起了有关过度暴露于RF能量的担心。在此背景下，RF暴露通常针对RF照射的物理吸收，而不是所发射的RF能量。射频吸收的典型度量是特定吸收率或SAR(specificabsorption rate)，其规定了由于RF脉冲所致的每单位重量的沉积功率(瓦特/千克)。关于SAR的最大值由安全规则规定，并且整体(例如，由整个头部或全身所吸收的功率)和局部(例如，每10克组织所吸收的功率)二者都应当满足。例如，根据IEC(国际电工技术委员会)标准，4瓦/千克的标准极限适用于患者的整体SAR。 

当同时采用多个发射通道时，由各通道产生的局部电场经过局部叠加，并且电场幅值中的局部极值可能升高，导致局部SAR中的尖峰。新近研究已经确认了“热点”的存在，并且发现：并行发射的脉冲产生局部与整个头部平均ASR的相对高比值，例如，如F.Seifert等人在“Patient Safety Concept forMultichannel Transmit Coils”，J Magn.Reson.Imag.，26：1315-1321(2007)中所描述的。局部与整个头部平均SAR的这些相对高比值使局部SAR成为并行发射MRI的限制因素。U.Katscher和P.Bornert在“Parallel RF Transmission inMRI”，NMR Biomed，19：393-400(2006)中，也提出了有关升高的SAR水平的担心。 

关于SAR减小的一项技术涉及对整体和局部SAR设置约束。按这种方法，明确使SAR约束成为脉冲设计过程的一部分。因为整个头部平均SAR以及任何部位的局部N克SAR二者都可以用脉冲样本值的二次方表示，通过对设计方法加入二次约束，可以简单地合并对于整个头部和局部SAR二 者的约束。例如，I.Graesslin等人在“A Minimum SAR RF Pulse DesignApproach for Parallel Tx with Local Hot Spot Suppression and Exact FidelityConstraint”，Proc.Intl.Soc.Magn.Reson.Med.，2008；612中所描述的方法，通过将几个二次约束并入设计，明确计算出整体SAR以及几个空间部位的局部SAR。然而，这种方法提出了解具有数万(或百万)个二次约束的方程组的棘手计算问题。 

发明内容

根据本发明的一方面，提供了一种方法，用于设计有关磁共振成像(MRI)系统的并行发射射频(RF)脉冲。该方法包括将关于待由MRI系统进行扫描的对象的模型压缩为多个体素群集，各体素群集限定对关于该体素集群的局部特定吸收率(SAR)具有峰值灵敏度的一个虚拟观察点。该方法进一步包括基于极小化准则的近似限定并行发射RF脉冲，极小化准则具有基于各虚拟观察点的峰值灵敏度的局部SAR成分，近似包括关于虚拟观察点的局部SAR值的加权和。 

在一种实施例中，模型包括一些体素，以及，压缩模型包括计算关于模型各体素的空间矩阵，该空间矩阵是吸收灵敏度的表征。压缩模型可以进一步包括限定关于各虚拟观察点的上界矩阵为虚拟观察点的空间矩阵与按调谐压缩步骤的高估因子缩放的单位矩阵的和。在有些情况下，最小化准则然后可以包括按高估因子缩放的并行发射RF脉冲总功率的成分表征。然后，该方法可以进一步包括选择高估因子。可选择地或者另外，压缩模型可以包括评估关于模型各体素的空间矩阵的本征值，空间矩阵是吸收灵敏度的表征。 

在一种实施例中，限定并行发射RF脉冲包括迭代最小化准则的近似。最小化准则的近似基于一组加权因数。然后可以将各加权因数应用于虚拟观察点各自之一的峰值灵敏度。可选择地或者另外，限定并行发射RF脉冲，可以包括：对于给出的RF脉冲和增大局部SAR值的预测方向，基于虚拟观察点的局部SAR值，更新一组加权因数。 

根据本发明的另一方面，提供了一种设计并行发射射频(RF)脉冲的方法，该并行发射射频(RF)脉冲用于磁共振成像(MRI)系统以及用于待由MRI系统扫描的对象的模型，该模型经由一些体素限定。该方法包括： 计算关于模型各体素的空间矩阵，该空间矩阵是吸收灵敏度的表征；限定模型中体素的多个集群，各集群具有一个虚拟观察点，其代表对关于该集群中各体素的局部特定吸收率(SAR)的最大灵敏度；以及，选择使设计准则的近似减到最小的并行发射RF脉冲，设计准则具有基于各虚拟观察点的峰值灵敏度的局部SAR成分，该近似包括关于该虚拟观察点的局部SAR值的加权和。 

根据本发明的又一方面，一种磁共振成像(MRI)系统，包括：数据存储单元，存储有关用于待扫描对象的模型的校准数据，该模型具有一些体素；线圈阵列，用于向对象发射并行发射射频(RF)脉冲；以及控制系统，与数据存储单元和线圈阵列通信。该控制系统构造成，基于模型、模型压缩、以及设计准则的近似来提供并行发射RF脉冲，以控制局部特定吸收率(SAR)，模型压缩将模型压缩为模型体素的多个集群，各集群限定关于体素集群的局部SAR具有峰值灵敏度的一个虚拟观察点，设计准则具有基于各虚拟观察点的峰值灵敏度的局部SAR成分，以及，近似包括关于虚拟观察点的局部SAR值的加权和。 

附图说明

图1是根据本发明几方面构造的磁共振成像(MRI)系统的一种实施例的方框图； 

图2是图1的MRI系统的RF系统和其它构成部分的方框图，以说明RF系统的并行发射体系结构； 

图3是根据本发明一个或更多方面的并行发射MRI方法的一种实施例的流程图； 

图4是根据本发明一个或更多方面的并行发射RF脉冲设计方法的流程图； 

图5是根据一种实施例的示范模型压缩方法的流程图； 

图6是根据一种实施例的示范特定吸收率(SAR)最小化准则近似法的流程图； 

图7是示例图表，比较有关经由图5的模型压缩方法所限定的一组虚拟观察点(VOPs)的最大局部SAR与全身模型上的最大局部SAR，该VOPs是基于该模型中所有体素的穷竭搜索产生的； 

图8是示例图表，说明由图5的模型压缩方法的高估或调谐因子(tunningfactor)产生的群集或虚拟观察点(VOPs)的数量； 

图9和图10分别是双辐和螺旋设计的有约束并行发射RF脉冲的局部SAR的减缓后发射轮廓的示例图表； 

图1lA和图11B是描绘关于来自期望或目标脉冲磁化轮廓的给定均方根误差(RMSE)在最大局部SAR中的减少的示例图表。 

具体实施方式

对于磁共振成像(MRI)扫描，期望、使用和/或存储并行发射RF脉冲。下文描述的系统及方法针对快速RF脉冲设计，用于最小化或控制由应用并行发射RF脉冲产生的局部特定吸收率(SAR)水平。采用本披露的系统及方法，在适合于临床使用的时帧里可以在执行中设计、存储和/或使用局部SAR有约束的并行发射RF脉冲，同时保持能够实现挠性成形的激励体积(excitation volume)，用于减缓空间不均匀性以及其他目的。因此，由本披露的系统及方法所设计的RF脉冲对每个对象都是特定的或定制的。 

与常规单通道RF系统相比，磁共振成像(MRI)中用于射频(RF)脉冲的并行发射(pTx)系统可以产生更灵活的磁化轮廓(magnetization profile)，也更为可行。并行发射(pTx)系统通常受到SAR约束限制。尽管整体或平均SAR值容易测量并且容易经得起检验，以便合并作为pTx RF脉冲设计中的约束，但在pTx RF脉冲设计期间的局部SAR最小化提出了挑战性的问题。局部SAR通常不可测量只是问题的一部分。更大的挑战在于分段组织模型中的局部SAR估算解析构成了具有大量计算负担的最优化问题。在扫描序列期间所给出的强制患者等待的时间长度内，对于给定患者有关使局部SAR减到最少的单个RF脉冲设计的穷竭搜索并不可行。对于每个可能pTx RF脉冲计算关于每个体素的局部SAR，可以产生实时或执行中设计的pTx RF脉冲。 

与之对比，本披露的系统及方法使得对于特定对象实时或在执行中设计RF脉冲成为可能，在此意义上，在一个或更多预备扫描或校准扫描之后，在对于留在扫描仪中的对象合理的时帧中就可以限定RF脉冲。例如，合理时帧可以是数十秒级，或者可以是一分钟或两分钟。按这种方式，本披露的系统及方法不会对对象带来过于恼人的耽搁。 

本披露的脉冲设计系统及方法针对由叠加在身体内的并行发射信号的变化分布所提出的挑战。作为在发射系统中多(N)个通道的结果，对局部SAR评估要考虑许多潜在重要部位，而不只是一个固定的热点。尽管有这些挑战，本披露的系统及方法高效并有效地将局部SAR约束并入pTx RF脉冲设计，同时，保持能够减缓空间翻转角不均匀性。相对于只有平均SAR约束的常规pTx设计，局部SAR约束设计可以使局部SAR减小15-40％。 

一般而言，本披露的系统及方法实现了模型压缩技术，以确定具有最大局部SAR(所谓的热点候选)的体素，从而降低局部SAR计算的预测复杂性。本披露的系统及方法经由这种模型压缩有效地捕获大局部SAR的区域，从而，能将局部SAR约束并入RF脉冲设计。基于各体素吸收的灵敏度，模型压缩技术通常将特定患者模型的各体素归于m个集群，如用关于模型的预先计算的空间矩阵S表示。然后，模型压缩技术找到关于各集群j的上界矩阵A_j，使得对于属于集群j的具有空间矩阵S的所有体素，满足A_j≥S_v，Ngram。各矩阵A_j可以视为虚拟观察点，其代表该集群中的所有体素。整个集群中的局部SAR将不会超过用A_j预测的局部SAR。尽管相对于模型中体素的总数，这组虚拟观察点数量较少，但可以用来合理地预测并控制最大局部SAR。通过全面但有效地比较不同仿真模型的局部SAR特性并且加速RF脉冲的局部SAR评估，SAR模型压缩有利地将局部SAR优化并入RF脉冲设计。 

基于模型压缩为虚拟观察点，本披露的系统及方法还实现了极小化准则的近似。极小化准则通常包括基于各集群峰值灵敏度的最大局部SAR的成分表征。近似通常使用一组加权因数来表示局部SAR成分，以将关于局部SAR成分的最大范数约束(maximum norm constraint)转变为加权二范数功率约束(weighted two norm power constraint)，这是计算方式的可行条件。 

现在转向附图，图1图示根据本披露的几个方面构造的磁共振成像(MRI)系统100。MRI系统100总体上包括扫描仪或数据采集单元102、以及用于操控扫描仪102操作的控制系统104。控制系统104又包括工作站110，其具有一个或更多输出界面(例如，显示器)112、以及一个或更多输入界面(例如，键盘)114。工作站110包括处理器116，其可以是运行商品化操作系统的商品化可编程机器。工作站110提供操作人员界面，使得能够输入或者定义扫描序列，用于控制系统104和MRI系统100。工作站110可以与一些服务器连接，在本示例中，包括脉冲序列服务器118、数据采集服 务器120、数据处理服务器122、以及数据存储服务器124。工作站110与服务器118、120、122和124可以经由任何期望的通信技术、协议或标准互相通信。控制系统104的构成部件经由数据总线或网络(未示出)可以彼此连接，并且无需如所示的那样经由各自专用的通信线路连接。控制系统104的任何一个或多个构成部件可以实现为由通用物理机器或其他装置实现的服务单元、模块、或者其他单元。另外，可以设置不同的或更少的构成部件，诸如将两个或更多的服务器进行组合，或者在一个服务器上提供工作站功能，反之亦然。 

脉冲序列服务器118响应于从工作站110下载的指令运行，以操作梯度系统126和射频(RF)系统128。产生执行规定扫描的梯度波形并施加至梯度系统126，梯度系统126激励梯度线圈组件130中的梯度线圈，以产生用于位置编码MR信号的磁场梯度G_x、G_y和G_y。梯度线圈组件130形成磁体组件132的一部分，磁体组件132包括环状或其他极化磁体134和全身RF线圈阵列136。在有些情况下，全身RF线圈阵列136以所谓鸟笼天线形式构造，并且具有一些单个天线杆，这些天线杆平行于患者隧道延伸，并且围绕患者隧道均匀地分布于周向布置。在鸟笼天线的一端，单个天线杆可以彼此电容耦合成环状。在美国专利公开No.2010/0327868(“SAR Calculation forMultichannel MR Transmission System”)的描述中，结合SAR计算技术示出了示例的鸟笼天线图示，该披露的全部内容在此以引用方式并入本文。 

RF激励波形由RF系统128施加至RF线圈136，以执行所选择的磁共振脉冲序列。在脉冲序列服务器118的操控下，RF线圈136或单独局部线圈(未示出)所检测到的响应MR信号由RF系统128接收、放大、解调、滤波并且数字化。RF系统128包括RF发射机，用于产生MR脉冲序列中所使用的广泛多样的RF脉冲。RF发射机响应所选择的扫描序列以及来自脉冲序列服务器118的操控，以产生期望频率、相位和脉冲幅度波形的RF脉冲。所产生的RF脉冲可以施加于全身RF线圈136或者一个或更多的局部线圈或线圈阵列。如下所述，RF发射机包括多个发射通道，以产生经由RF脉冲(其由各发射通道产生)的叠加所形成的RF脉冲。 

RF系统128还包括一个或更多的RF接收通道。各RF接收通道包括RF放大器，其放大由与之连接的线圈所接收的MR信号。各接收机还可以包括检测器，其收集并且数字化所接收MR信号的同相(I)和正交(Q)成 分。 

脉冲序列服务器118可以接收来自生理采集控制器138的患者数据。控制器138接收来自与患者连接的一些不同传感器的信号，诸如来自电极的ECG信号、或者膜盒压力传感器(bellows)的呼吸信号。这些信号典型由脉冲序列服务器118使用，以使扫描序列的实现与对象的呼吸或心搏同步或“选通(gate)”。 

脉冲序列服务器118还与扫描室接口电路140连接，扫描室接口电路140接收来自与患者或对象状态以及磁体系统相关联的不同传感器的信号。同样，通过扫描室接口电路140，对象定位系统142接收指令，以在扫描序列期间移动对象至期望位置。对象定位系统142可以操控一个或多个电机(未示出)，驱动检查台并因此使对象到达期望位置。 

RF系统128所产生的数字化MR信号由数据采集服务器120接收。数据采集服务器120响应于从工作站110下载的指令操作，以接收实时MR数据，并且提供缓冲存储器，使得不会有数据因数据过多而丢失。然而，在有些扫描序列中，数据采集服务器120所做的稍稍多于将采集的MR数据传送至数据处理服务器122。然而，在要求根据采集的MR数据导出的信息来控制更多扫描性能的扫描中，对数据采集服务器120进行编程，以产生这种信息并将其发射至脉冲序列服务器118。例如，在校准或其他预扫描期间，采集MR数据，并使用这些数据来校准由脉冲序列服务器118执行的脉冲序列。校准数据可以存储在存储器或存储装置中，或者存储在与上述任何一种服务器或其他装置相关的或与之通信的其他单元中。此外，在扫描期间可以采集导航信号，并且用来调整RF系统或梯度系统操作参数，或者用来控制在其中采样k空间的视图等级(view order)。可以采用数据采集服务器120来处理MR信号，这些MR信号在磁共振血管造影(MRA)扫描中用来检测造影剂的到达。在所有这些示例中，数据采集服务器120采集MR数据并实时进行处理，以产生用来控制扫描的信息。 

数据处理服务器122接收来自数据采集服务器120的数据，并根据从工作站110下载的指令对其进行处理。这种处理可以包括：例如，产生二维或三维图像的原始k空间MR数据的傅里叶变换，应用滤波器重建图像，所采集MR数据的反投影图像重建性能；功能性MR图像的计算；运动或流动图像的计算；分割；或者其他可视化处理。 

将数据处理服务器122所重建的图像传回工作站110以便存储。实时图像可以存储在数据库超高速缓冲存储器(未示出)中，由此可以输出至显示器112或者辅助终端或控制台144，控制台144可能位于磁体组件132附近，以便主治医师或其他操作人员使用。批处理模式图像或选定的实时图像存储在大容量存储装置146上的数据库中，大容量存储装置146可以包括任何期望的存储介质。当这种图像已经重建并传送以进行存储时，数据处理服务器122通知工作站110上的数据存储服务器124。操作人员可以使用工作站110，以存档图像，产生软片，或者经由网络发送图像至其他设备。 

现在参照图2，更具体地示出系统100的RF系统128和其他构成部件。全身线圈阵列136总体上包括多个线圈元件，这些线圈元件可以用多个RF发射机200单独地驱动，以产生期望的RF激励场(field-of-excitation，“FOX”)。各RF发射机200形成通道阵列之一，叠加时，共同限定复合RF信号。线圈阵列136也可以由多个接收通道202使用。可选择地或另外，可以使用另一全身RF线圈阵列(未示出)或另一局部RF线圈来采集MR信号。可以使用大量不同的线圈阵列结构作为系统100的一部分(图1)。 

RF系统128包括一组发射机200，各发射机200产生单独选择的RF激励场。频率合成器204从脉冲序列服务器118接收一组数字控制信号，在频率合成器204的控制下，产生此RF激励场的基波或载波、频率。这些控制信号可以包括RF载波信号的频率和相位的数据表示，RF载波信号可以在输出206处产生。将RF载波施加至各发射机200中的调制器和上变频器208，在此，响应于同样接收自脉冲序列服务器118的信号对其幅值进行调制。该信号限定待产生的RF激励脉冲的包络，并且通过连续地读出一串存储的数字值信号产生。可以改变这些存储的数字值，以使得各发射机200能够产生任何期望的RF脉冲包络。 

输出210处所产生的RF激励脉冲的大小由各发射机200中的激励衰减电路212进行衰减。各衰减电路212接收来自脉冲序列服务器118的数字指令。衰减后的RF激励脉冲施加至各发射机200中的功率放大器214。功率放大器是电流源装置，将其与一组发射/接收开关216上的各自发射输入连接。在本示例中，采用了所需数量的N个发射机200，并通过对应数量的N个发射/接收开关216与RF线圈阵列136中对应数量的N个线圈元件连接。 

对象所产生的信号由线圈阵列136拾取，并且施加至该组接收通道202 的输入。各接收通道202中的前置放大器218按从脉冲序列服务器118(图1)接收的数字衰减信号确定的量放大该信号。所接收的信号为拉莫尔频率或在其附近，并且由下变频器220在两步骤处理中对此高频信号进行下变频，首先将NMR信号与线路206上的载波信号混频，然后将得到的差信号与线路222上的基准信号混频。下变频器NMR信号施加至模数转换器(A/D)224的输入，模数转换器224采样并数字化该模拟信号，并将其施加至数字式检测器和信号处理器226，其产生与所接收信号对应的16比特同相(I)值和16比特正交(Q)值。得到的接收信号的数字化I和Q值的流输出至数据采集服务器120(图1)。基准信号以及施加至A/D转换器224的采样信号由基准频率发生器228产生。 

在脉冲序列中待产生RF场的这些部分期间，脉冲序列服务器118(图1)控制并操控发射/接收开关216，以连接N个发射机200与线圈阵列136中的N个线圈元件。各发射机200由脉冲序列服务器118(图1)单独控制，以在N个线圈元件的每一个处产生所需幅值、频率、相位、以及包络的RF场。在过程的成像阶段，N个线圈元件的组合RF场产生遍及对象中感兴趣区的规定场B₁。 

当没有产生B₁场时，脉冲序列服务器118操控发射/接收开关216，以使N个接收通道的每一个与N个线圈元件的每一个连接。拾取对象中的受激自旋所产生的信号并单独进行处理，如上所述。 

图3示出根据本披露几个方面的pTx RF脉冲设计方法的一种示例。为了对特定对象定制脉冲设计，本方法可以步骤300开始，其中，选择数值模型作为关于扫描对象的取代物。数值模型可以与身体模型库中的任何模型对应，这种身体模型库是MRI系统所依赖的关于人体所呈现复杂导电分布的体素化表示。例如，可供选择的模型可以是所谓“虚拟家庭”中的那些模型，“虚拟家庭”包括平均成年男性模型(Duke)、平均成年女性模型(Ella)、以及关于儿童、肥胖对象、或其他典型患者代表的其他模型。其他商品化模型，包括例如HUGO模型，也适合与本披露的方法一起使用。实际上，本披露的方法也很合适与任何数值身体模型、模型类型、或模型源一起使用。所选择的模型也不必是基于先存的数值模型，而是代之以经由对象的一组全面扫描产生。数值模型可以由操作人员经由工作站110(图1)提供的输入界面进行选择，这又可以存取存储在例如大容量存储单元146(图1)中的数值 模型的数据表征。为了与特定对象结合使用而选择模型之一的方式可以变化多样。 

在本示例中，接下来，本方法包括步骤302，其中，从预定扫描序列库中选择预备扫描序列，这由控制系统104(图1)进行。该库可以包括构造用于各自临床或诊断目的的离散扫描序列。扫描序列可以是预备的，在这种意义上，其提供了RF脉冲的总体框架，以支持期望的临床或诊断目的。扫描序列可以不包括各RF脉冲的细节。可选择地，可以给操作人员提供选项，以定制扫描序列的RF脉冲。在任一情形下，然后，使用这里所描述的pTx RF脉冲设计方法来定制扫描序列，以使关于特定对象的局部SAR减到最小。扫描序列选择也可以由操作人员使用工作站110(图1)进行。扫描序列库也可以存储在大容量存储单元146(图1)上，或者存储在控制系统104(图1)的一个或更多构成部件的任何其他存储介质(或与之通信)。扫描序列选择可以可选地在处理中的不同点进行。在这种情况下，步骤302可以改为针对选择关于脉冲设计的一些其他背景，包括，例如，扫描的一般类型(例如，全身或头部)，待扫描的身体部位(例如，手臂)、或者临床目的。 

在选择数值模型和扫描序列(或扫描类型)之后，可以实施校准步骤304。校准步骤304一般针对在将模型用于支持RF脉冲设计的电场计算之前对所选择的数值模型进行调整。一般而言，每次校准扫描提供了有关对给定pTx脉冲由系统的各自阵列元件在组织片段中所产生电场和磁场的反馈。如有必要，校准步骤304可以包括任意次数的扫描，并且可以涉及与在典型临床语义下使用的商品化扫描仪一起使用的标准校准技术。校准步骤304可以在选择扫描序列之前实施。 

使用校准扫描，以基于在校准扫描期间施加的RF脉冲所产生的横向磁化来调整身体的数值模型。各校准扫描可以涉及并行发射通道200的任何期望组合。按照许多与为临床目的设计的RF脉冲相同的方式，由RF系统128、数据采集服务器120、以及控制系统104的其他构成部件捕获并处理每次扫描所产生的磁化。然而，该数据改为用来改进模型的能力，以便通过结合或者调整组织特性，诸如传导性、介电性、密度等，预测由给定RF脉冲导致的在对象身体中产生的磁场。按这种方式，可以将模型调整到反映在RF脉冲设计期间应当予以考虑的特定对象相对于数值模型的解剖或其他差异。校准数据可以是例如校准扫描结果或对模型调整的表征，校准数据可以存储在 控制系统104(图1)的任何服务器、装置、构成部件、或其他设备中。 

完成校准扫描之后，以及，一旦就特定对象和扫描序列对数值模型进行过调整，即实施RF脉冲设计步骤306，以限定并选择RF脉冲，除了别的以外，使表示对象内局部SAR的设计准则减到最小。RF脉冲设计步骤306可以在例如工作站110(图1)或者与之通信的控制系统104(图1)的任何一个或多个构成部件上执行。有关步骤306中由工作站110所实现的过程的更多细节，诸如使设计准则最小化，下文中结合图4至图6给出。一般而言，RF脉冲设计选择和限定是基于使最大或峰值局部SAR的表示单独或者与下列附加因素之一或二者的结合减到最小：(i)由期望磁化导出的表示，以及(ii)经由例如总脉冲功率、整体SAR、或平均SAR的非局部SAR的表示。这些因素每一个的相对强度或影响可以进行调整，以定制要使其最小化的组合。按这种方式，相对于例如总脉冲功率或整体SAR的影响，可以或多或少地突出峰值局部SAR成分的最小化。 

一旦限定并选择了RF脉冲，在步骤308中，操作人员可以再次使用工作站110(图1)或其他操作人员界面实施扫描序列，实现步骤306中所限定的pTx RF脉冲。可以限定任意数量的pTx RF脉冲并因此在扫描期间实施。在某些情况下，重复图3中所示的一个或更多步骤，以支持并入步骤308中执行的单个扫描序列中的单独pTx RF脉冲的限定。 

结合图4中所示的示例，提供有关pTx RF脉冲设计方法的更多细节。在步骤400中，示例方法可以以关于数值模型中的各体素v的电场(或电场吸收灵敏度)表示的预计算开始，该电场由10μs持续时间的1伏特单位RF信号输入产生。这些电场(以及磁场)计算可以使用周知技术诸如时域有限差分(FDTD)方法实现。一般而言，FDTD方法提供了电场和磁场的数值仿真。分段组织中场的这些仿真最终支持由于用pTx线圈阵列136(图2)发射的RF脉冲所致的局部SAR(以及，在某些情况下，整体SAR)的估算。在这种情况下，经由阵列136中每一单独线圈施加单位信号，以产生空间矩阵S，其代表经由各单位RF信号由该体素所吸收的电场。具体而言，对于任何RF，b，在体素v处的电场可以计算为E_v＝Q_vb，其中，Q_v的第k列是在体素v中由于通道k的单位信号所致的预计算出的电场矢量。例如，采用脑模型的密度ρ和电导率σ，体素v处的局部SAR可以由下式确定： 

${\mathrm{SAR}}_v=\underset{t}{\mathrm{\Σ}}{\mathrm{SAR}}_v\left(t\right)=\underset{t}{\mathrm{\Σ}}\frac{{\mathrm{\σ}}_v}{2{\mathrm{\ρ}}_v}{\left|\right|E_v\left(t\right)\left|\right|}^2=\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v}b\left(t\right),$ 其中， $S_v=\frac{{\mathrm{\σ}}_v}{2{\mathrm{\ρ}}_v}{Q_v}^{\′}{Q}_v$

考虑到上述关系，空间矩阵S是特定体素对电场吸收的灵敏度的表征。空间矩阵S没有并入RF激励的细节或任何时间信息。反而，空间矩阵S反映了对象的解剖、RF线圈的定位、以及其他非时空参数。 

在本示例中，场的预计算以及因此关于局部SAR灵敏度表示的空间矩阵S_v，是关于围绕各体素v的数值模型的体积即N克(N-gram)体积诸如10g体积产生并进行平均。对于N克SAR计算，该体素v周围N克区域中的场利用FDTD技术进行预计算，以及，该区域中的局部SAR可以进行平均，如下所列： 

${\mathrm{SAR}}_{v,\mathrm{ngram}}=\frac{\underset{w\∈{\mathrm{Ngram}}_v}{\mathrm{\Σ}}{\mathrm{SAR}}_w}{\left|{\mathrm{Ngram}}_v\right|}=\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}\left(\frac{\underset{w\∈{\mathrm{Ngram}}_v}{\mathrm{\Σ}}{S}_w}{\left|{\mathrm{Ngram}}_v\right|}\right)b\left(t\right)=\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)$

在美国专利公开No.2010/0308825(“Method and Device for SelectingBody Model Positions for SAR Monitoring of a Magnetic Resonance TransmitArray”)、以及美国专利申请序号No.13/045,832(“Method for DeterminingSensitivity Matrices for Hotspots”)中，对于作为SAR灵敏度表征的空间矩阵S的预计算，给出了有关示例程序的更多细节，这些披露的全部内容在此以引用方式并入本文。 

一旦完成关于各体素吸收灵敏度的空间矩阵的预计算，在步骤402中，将所选择(并校准)的模型压缩为一组虚拟观察点(VOPs)。一般而言，基于空间矩阵S并因此基于各体素的吸收灵敏度，将模型中的所有体素聚集并归入由VOPs之一所代表的体素集群。对于在其体素集群中的所有体素，各体素集群的VOP限定为并通常建立对局部SAR的峰值空间矩阵灵敏度，。 

在一种示例的模型压缩方法中，将人类模型中的所有体素聚类为几组体素。对于各集群C_j，构建半正定矩阵A_j，使得对于集群C_j中的任何体素v，A_j≥S_v，Ngram。于是，集群C_j中的最大N克SAR由下列上界进行限制： 

$\underset{v\∈C_j}{\max }\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)\≤\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{A}_{j}b\left(t\right)$

在本示例中，将pTx脉冲设计中所要使用的最大局部SAR近似为上界 

如果此上界与各集群中的实际最大局部SAR越严密(例如， 越接近)，那么，最大局部SAR的近似越正确，并且，本披露的pTx脉冲设计方法的约束越接近模型中所有体素的最大局部SAR。通过增加集群数量，可以使上界严密，但也增加了脉冲设计方法的复杂性。 

模型中体素的聚类可以经由叠代试探聚类程序进行。经由高估因子ε＞0的选择，可以开始此程序。在第j次叠代中，确定模型中未经聚类的体素v，使得矩阵S_v，Ngram具有最大本征值。然后，将此体素视为集群C_j的支配体素。然后，将上界矩阵A_j定义为如下所述的该空间矩阵与按高估因子缩放的单位矩阵的：A_j＝S_v，Ngram+εI。然后，程序找出受上界矩阵A_j限制的模型中所有未聚类的体素，并将其归于集群j。然后，重复上述步骤，直至所有体素都被聚类。 

高估因子ε可以视为聚类过程或者更一般地视为本文所披露的模型压缩方法和pTx脉冲设计方法的调谐因子(tuning factor)。通过减小高估因子ε，关于各体素集群的最大局部SAR近似更严密，并且使体素集群数量增加。相反地，通过增大高估因子ε，关于各体素集群的最大局部SAR近似则不够严密，并且，使体素集群数量减少。 

在上述参考公开中给出了有关涉及吸收灵敏度空间矩阵表征的示例模型压缩技术的更多细节，并且适合与本披露的方法及系统一起使用。 

一旦完成模型压缩步骤402，经由虚拟观察点(VOPs)捕获支配局部SAR区域，其作为最热点(或体素)HV的候选，如下所述： 

$\underset{v\∈3D}{\max }\left\{\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)\right\}\≤\underset{v\∈\mathrm{HV}}{\max }\left\{\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}(S_{v,\mathrm{Ngram}}+\mathrm{\ϵI})b\left(t\right)\right\}$

$=\underset{v\∈\mathrm{HV}}{\max }\left\{\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)\right\}+\mathrm{\ϵ}\underset{t}{\mathrm{\Σ}}{\left|b\left(t\right)\right|}^2$

然后，基于有关最大局部SAR的这种原理，这里所披露的pTx脉冲设计方法可以限定极小化设计准则。将关于VOPs的最大局部SAR用作极小化设计准则的成分。在有些情况下，极小化设计准则还包括代表总脉冲功率的成分。事实上，上述高估因子导致并入了因此按比例缩放的总脉冲功率成分。根据所披露方法及系统，待要使其极小化的设计准则的一种示例如下所列： 

${{\left|\right|m_d-m\left(b\right)\left|\right|}_2}^2+\mathrm{\λ}\underset{v\∈\mathrm{HV}}{\max }\left\{\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)\right\}+\mathrm{\λ\ϵ}\underset{t}{\mathrm{\Σ}}{\left|b\left(t\right)\right|}^2$

在本示例中，该设计准则还试图使目标(或期望)磁化轮廓(m_d)与pTx 脉冲b(t)的磁化之间的差异以及脉冲功率的缩放表示减到最小。对脉冲设计的这些附加约束合并作为附加项，添加至最大局部SAR成分。通过减少关于最大局部SAR成分的待评估候选的数量，使设计过程的复杂性降低，但该约束也变得更接近于整体功率约束。 

在可供选择的方法中，取代或者修改脉冲功率成分，以并入整体或平均SAR的表示。 

尽管以上描述了模型压缩技术的优点，但在MRI扫描的时间约束内，使设计准则减到最少可能还是困难。为了减少所涉及的计算时间，采用了设计准则的一个或更多成分的近似，此近似至少包括最大局部SAR项。一旦确定一组VOPs，并因此确定了模型中关于最热点的候选，通常在步骤404中实施近似值判断。根据下述迭代处理，步骤404通常试图近似关于该组VOPs的最大局部SAR。在一种示例中，将最大局部SAR近似为该VOPs的各自局部SARs(或者其峰值吸收灵敏度，如空间矩阵S所表示的)的加权平均，如下所述： 

$\underset{v\∈\mathrm{HV}}{\max }\left\{\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{S}_{v,\mathrm{Ngram}}b\left(t\right)\right\}\≅\underset{v\∈\mathrm{HV}}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}{w}_v{S}_{v,\mathrm{Ngram}}b\left(t\right)$

其中，w_v是非负加权因数，其和等于1。将各加权因数施加至VOP空间矩阵各自之一。此近似将极小化准则的最大范数约束有效地转换成加权二范数(功率)约束，有关它的解，利用几种商品化的或周知的脉冲设计方法，就计算方式而言是可行的。例如，请参见Setsompop，K.等人Magnitude leastsquares optimization for parallel radio frequency excitation design demonstratedat 7Tesla with eight channels.Magn Reson Med，Vol.59(4)，p.908-15(2009)；Setsompop，K.等人Parallel RF transmission with eight channels at 3Tesla.MagnReson Med，Vol.56(5)，p.1163-71(2006)；Grissom，W.等人Spatial domainmethod for the design of RF pulses in multicoil parallel excitation.Magn ResonMed，Vol.56(3)，p.620-9(2006)；以及Gumbrecht R.等人Fast high-flip pTxpulse design to mitigate BI+inhomogeneity using composite pulses at 7T.，18^thAnnual Meeting of ISMRM(2010)。使用这些脉冲设计方法来解该近似约束，经由迭代处理更新此近似，从而有效地使设计准则减到最少。 

采用加权因数，结合上述示例提出的三成分设计极小化准则变成下列加权功率约束： 

$b_{\mathrm{opt}}\left(t\right)=\underset{b\left(t\right)}{\arg }\min \{{{\left|\right|m_d-m\left(b\right)\left|\right|}_2}^2+\mathrm{\λ}\underset{t}{\mathrm{\Σ}}b{\left(t\right)}^{\′}(\mathrm{\ϵI}+\mathrm{\Σ}{w}_v{S}_{v,\mathrm{Ngram}})b\left(t\right)\}$

如上所述，对于给定脉冲，通常将不同权重应用于不同VOPs。然后，经由迭代处理，可以确定最优pTx脉冲b_opt(t)，一般而言，设计使加权功率约束减到最少的脉冲。对于RF脉冲设计，迭代处理通常包括关于VOPs(或关于最热点的候选)的局部SAR的计算。然后，基于所计算出的局部SAR，调整加权因数，以达到最大局部SAR的更好近似。在一种示例中，通过梯度下降法更新加权因数。下文结合图6的示范实施例，给出有关迭代处理的更多细节。 

使用加权近似，迭代最终在步骤406达到确定pTx RF脉冲，其使设计准则减到最小，或者充分满足极小化设计准则。 

现在转向图5，模型压缩方法的一种示例在块500中开始，接下来在步骤502中选择高估因子ε，以调谐压缩的复杂性或压缩程度。接着，在步骤504中，开始集群限定过程。如上所述，经由迭代处理限定集群，在步骤506中，通过评估各体素吸收灵敏度的空间矩阵表征，确定关于模型中体素的各集群的支配体素。为了聚集关于各集群的体素，在步骤508中，基于前述步骤确定的支配体素，限定上界矩阵A_j。接着，在步骤510中，找出受到上界矩阵Aj限制的模型中所有未聚类的体素，并将其聚集(或归入)到该体素集群。然后，判定块512判断模型中是否还留有未聚类的体素。如果有，控制返回至步骤506进行下一轮叠代。如果没有，在块514处终止模型压缩过程。 

图6示出叠代加权近似过程的一种示例，在块600中开始，其传递控制至初始块602，其中初始化一组加权因数w_v。在一种示例中，加权因数以相同值开始，使得各w_v＝1/(VOPs数量)。然后，在步骤604中，基于初始加权因数，可以确定关于各VOP的局部SAR表示。接着，经由常规pTx设计算法，对上述加权功率约束(其作为极小化设计准则的近似)进行评估，设计(或解出)pTx脉冲。然后(或者，作为先前步骤的部分实现)，在步骤608中，经由关于各支配体素(即VOP)的局部SAR值，计算局部SAR的加权平均。只要还未超过预定迭代限制，就使用这种计算来更新或调整加权因数。判定块610判断是否已经达到迭代限制，达到之前控制转至更新加权因数的步骤612。一般而言，基于局部SAR计算、以及增大局部SAR值的 加权平均的各单独加权因数的预测方向来更新加权因数。在一种示例中，步骤612使用关于VOPs计算出的局部SAR来预测加权因数w_v增大加权局部SAR的方向。在各迭代步骤中，可以只用较小变化使加权因数w_v向该方向更新。然后，可以使用判定块614来确认或者判断加权平均局部SAR是否确实如预测的那样增大。如果否，控制转至终止块616以停止迭代过程。如果是，那么控制返回步骤606，设计使近似减到最小的下一pTx脉冲。 

现在，参照图7，通过与在全模型上局部SAR分布的穷竭搜索比较，可以表明关于局部SAR最大值的虚拟观察点的预测品质。在||U||＝1的情况下，用1000个具有随机幅值和相位的信号U测试由模型压缩产生的62个集群。斜线上方的结果表示完美预测。斜线下方的结果表示低估。低估没有出现。更上方的直线表示的视为可接受的关于高估的极限。 

以7特斯拉使用8通道pTx头部系统，经由应用脉冲于虚拟家庭模型，可以对上述pTx脉冲设计方法的实现进行测试。通过FDTD仿真估算电磁场。在具有3mm×3mm×3mm的体素尺寸和62×44×47cm³视场的仿真中，包括了虚拟家庭模型的头部和肩部，使得脑部和肩部中的体素数量为271,950。待用根据该仿真的电场，并且给定模型的电导率和密度轮廓，以及预计算的10克区域，对于模型中的各体素确定表示吸收灵敏度的空间矩阵S_v，Ngram。 

以几种复杂程度实现上述模型压缩方法。图8示出VOPs或热点候选的数量，作为高估因子的函数。在示范实施例中，选择了导致80个集群的高估因子，以覆盖模型中的所有体素。然后，在局部SAR约束(其用对应的80个上界矩阵近似)下，设计pTx脉冲。 

为了证明本披露脉冲设计方法的有效性，用围绕等中心的10mm切片厚度，设计用于切片选择激励的pTx脉冲。在假定零不均匀性B0的情况下，通过FDTD仿真获得B1+场。使用带有双辐的MLS设计来减缓B1+的不均匀性。选择期望的磁化轮廓，以具有0.1的横向磁化。图9中示出关于三个不同等级均方根误差(RMSE)的减缓后发射轮廓。 

在另一示例中，对于具有四个加速因子的目标轮廓，设计二维螺旋pTx脉冲。目标轮廓和减缓后轮廓示于图10中。 

图11示出具有同极小化准则的性能比较。在下列整体功率约束下，设计常规MLS辐(spoke)和二维螺旋pTx脉冲： 

${{\left|\right|m_d-\left|m\left(b\right)\right|\left|\right|}_2}^2+{\mathrm{\λ}}_I\underset{t}{\mathrm{\Σ}}{\left|b\left(t\right)\right|}^2$

在两种情形下，计算仿真磁化与期望磁化的RMSE以及关于几个λ、λ_I在全部体素中的最大局部SAR。如图11所示，对于MLS双辐设计，与常规设计相比，本设计可以使最大局部SAR关于双辐减少30％，以及，对于二维螺旋激励，则减少20-40％。 

相对于现有方法，本披露的脉冲设计方法及系统可以提供许多优点及益处。在一组示例中，与现有整体SAR约束设计相比，本披露的方法可以减小局部SAR20-40％。在这些情形下，对于经由热点体素候选估计局部SAR的计算时间(相对于穷竭搜索)可以减少3000倍。虽然有这些益处，上述脉冲设计系统及方法提出了一项技术，其保证并行发射脉冲的最大局部SAR不会超过危险门限值。作为该脉冲设计技术的结果，本披露的系统及方法呈现出额外的优点，用较少集中的局部SAR分布，设计并行发射脉冲。 

对于3特斯拉的8通道pTx体系统，在10克体积上，结合HUGO模型，用微波工作室仿真系统中的瞬时解算器，对本披露的SAR极小化技术的优点进行了评估。借助于上述模型压缩技术，用36个虚拟观察点捕获支配局部SAR区域。对于身体模型中的等中心切片，以四辐设计RF脉冲来减缓B1+不均匀性。经由上述加权近似技术优化选择RF脉冲之后，对于给定的缓和性能等级，相对于只使用整体功率约束的设计，使最大局部SAR减小25-90％。近似技术中各迭代步骤的计算时间与基于整体功率约束的常规MLS辐设计的计算时间总体上相同。 

这里所描述的多种实施例可以单独或者互相组合使用。以上所述只描述了本发明许多可能实现中的一部分。为此，这些具体描述是说明性而非限制性的。 

Claims (26)

1.一种设计用于磁共振成像(MRI)系统的并行发射射频(RF)脉冲的方法，所述方法包括：

将关于待由所述MRI系统扫描的对象的模型压缩为多个体素群集，各体素群集限定关于所述体素集群的局部特定吸收率(SAR)具有峰值灵敏度的一个虚拟观察点；以及

基于极小化准则的近似限定所述并行发射RF脉冲，所述极小化准则具有基于各虚拟观察点的所述峰值灵敏度的局部SAR成分，所述近似包括关于所述虚拟观察点的局部SAR值的加权和。

2.根据权利要求1所述的方法，其中，所述模型包括一些体素，以及，其中，压缩所述模型包括：

计算关于所述模型各体素的空间矩阵，所述空间矩阵是吸收灵敏度的表征；

将关于各虚拟观察点的上界矩阵限定为所述虚拟观察点的所述空间矩阵与按调谐所述压缩步骤的高估因子缩放的单位矩阵的和。

3.根据权利要求2所述的方法，其中，所述最小化准则包括按所述高估因子缩放的所述并行发射RF脉冲总功率的成分表征。

4.根据权利要求2所述的方法，进一步包括选择所述高估因子。

5.根据权利要求1所述的方法，其中，所述模型包括一些体素，以及，其中，压缩所述模型包括评估关于所述模型各体素的空间矩阵的本征值，所述空间矩阵是吸收灵敏度的表征。

6.根据权利要求1所述的方法，其中，限定所述并行发射RF脉冲包括迭代所述最小化准则的近似。

7.根据权利要求1所述的方法，其中，所述最小化准则的近似基于一组加权因数。

8.根据权利要求7所述的方法，其中，将各加权因数应用于所述虚拟观察点各自之一的所述峰值灵敏度。

9.根据权利要求7所述的方法，其中，限定所述并行发射RF脉冲包括对于给出的RF脉冲和增大所述局部SAR值的预测方向，基于所述虚拟观察点的局部SAR值，更新所述一组加权因数。

10.一种设计并行发射射频(RF)脉冲的方法，所述并行发射射频(RF)脉冲用于磁共振成像(MRI)系统以及用于待由所述MRI系统扫描的对象的模型的方法，所述模型经由一些体素限定，所述方法包括：

计算关于所述模型各体素的空间矩阵，所述空间矩阵是吸收灵敏度的表征；

限定所述模型中所述体素的多个集群，各集群具有一个虚拟观察点，代表对关于所述集群中各体素的局部特定吸收率(SAR)的最大灵敏度；以及

选择使设计准则的近似最小化的所述并行发射RF脉冲，所述设计准则具有基于各虚拟观察点的所述峰值灵敏度的局部SAR成分，所述近似包括关于所述虚拟观察点的局部SAR值的加权和。

11.根据权利要求10所述的方法，其中，限定所述多个集群包括将关于各虚拟观察点的上界矩阵限定为所述虚拟观察点的所述空间矩阵与按调谐所述压缩步骤的高估因子缩放的单位矩阵的和。

12.根据权利要求11所述的方法，其中，所述设计准则包括按所述高估因子缩放的所述并行发射RF脉冲总功率的成分表征。

13.根据权利要求11所述的方法，进一步包括选择所述高估因子。

14.根据权利要求11所述的方法，其中，限定所述多个集群包括评估关于所述模型各体素的所述空间矩阵的本征值。

15.根据权利要求11所述的方法，其中，限定所述并行发射RF脉冲包括迭代所述设计准则的近似。

16.根据权利要求11所述的方法，其中，所述设计准则的近似基于一组加权因数。

17.根据权利要求16所述的方法，其中，将各加权因数应用于所述虚拟观察点各自之一的所述最大灵敏度。

18.根据权利要求11所述的方法，其中，选择所述并行发射RF脉冲包括：对于给出的RF脉冲和增大所述局部SAR值的预测方向，基于所述虚拟观察点的局部SAR值，更新所述一组加权因数。

19.一种磁共振成像(MRI)系统，包括：

数据存储单元，存储有关用于待扫描对象的模型的校准数据，所述模型具有一些体素；

线圈阵列，用于向所述对象发射并行发射射频(RF)脉冲；以及

控制系统，与所述数据存储单元和所述线圈阵列通信；

其中，所述控制系统构造成，基于所述模型、模型压缩、以及设计准则的近似，设计所述并行发射RF脉冲，以控制局部特定吸收率(SAR)，所述模型压缩将所述模型压缩为所述模型体素的多个集群，各集群限定对关于所述体素集群的局部SAR具有峰值灵敏度的一个虚拟观察点，以及，所述设计准则具有基于各虚拟观察点的所述峰值灵敏度的局部SAR成分，所述近似包括关于所述虚拟观察点的局部SAR值的加权和。

20.根据权利要求19所述的磁共振成像(MRI)系统，其中，所述控制系统构造成，计算关于所述模型各体素的空间矩阵，所述空间矩阵是吸收灵敏度的表征，以及，进一步构造成，将关于各虚拟观察点的上界矩阵限定为所述虚拟观察点的所述空间矩阵与按调谐所述压缩步骤的高估因子缩放的单位矩阵的和。

21.根据权利要求20所述的磁共振成像(MRI)系统，其中，所述设计准则包括按所述高估因子缩放的所述并行发射RF脉冲总功率的成分表征。

22.根据权利要求19所述的磁共振成像(MRI)系统，其中，所述控制系统构造成，评估关于所述模型各体素的空间矩阵的本征值，所述空间矩阵是吸收灵敏度的表征。

23.根据权利要求19所述的磁共振成像(MRI)系统，其中控制系统构造成，迭代所述设计准则的近似。

24.根据权利要求19所述的磁共振成像(MRI)系统，其中，所述设计准则的近似基于一组加权因数。

25.根据权利要求24所述的磁共振成像(MRI)系统，其中，所述控制系统构造成，将各加权因数施加于所述虚拟观察点各自之一的所述峰值灵敏度。

26.根据权利要求24所述的磁共振成像(MRI)系统，其中，所述控制系统构造成，对于给出的RF脉冲，基于所述虚拟观察点的局部SAR值，更新所述一组加权因数，以及，进一步构造成，预测增大所述局部SAR值的方向。

Images