CN102859387A - 采用谱模型的化学物类的磁共振成像 - Google Patents

Abstract

本发明涉及一种用于利用磁共振成像对至少两个化学物类成像的方法，其中对两个化学物类进行信号分离，从而得到这两个化学物类的分离信号数据集，所述方法包括：在不同回波时间上采集第一和第二回波数据，从而得到第一和第二采集复数据集，利用所述化学物类中的至少一个的谱信号模型对所述第一和第二采集数据集建模，所述建模得到第一和第二建模的复数据集，所述第一和第二建模数据集包括第一和第二相位误差和所述两个化学物类的分离信号数据集，从所述第一和第二采集数据集以及所述第一和第二建模数据集来确定所述两个化学物类的分离信号数据集。

Description

采用谱模型的化学物类的磁共振成像

技术领域

本发明涉及一种利用磁共振成像对至少两个化学物类成像的方法，其中对两个化学物类进行信号分离，并且涉及一种计算机程序产品和一种用于对至少两个化学物类成像的磁共振成像设备。

背景技术

目前，利用磁场与核自旋之间的相互作用以形成二维或三维图像的MR成像方法得到了广泛应用，尤其是在医学诊断领域中，因为对于软组织成像而言，这样的方法在很多方面优于其他成像方法，其不需要电离辐射，并且通常是无创的。

根据一般的MR方法，将患者的身体或者待检查的一般对象布置在强的均匀磁场B₀中，同时该磁场的方向定义了所述测量所基于的坐标系的轴，一般为z轴。

通过施加具有定义频率，即具有所谓的拉莫尔频率或MR频率的交变电磁场，所述磁场将产生针对各个核自旋的不同能量水平，其取决于所施加的能够激发自旋（自旋共振）的磁场强度。从宏观角度来看，各个核自旋的分布产生了总体磁化，可以通过在使所述磁场垂直于z轴延伸的同时施加具有适当频率的电磁脉冲（RF脉冲）来使所述总体磁化偏离平衡状态，从而使所述磁化执行围绕z轴的进动运动。

可以通过接收RF天线检测所述磁化的任何变化，所述天线通过某种方式布置在MR装置的检查体积内，并具有一定取向，从而沿垂直于z轴的方向测量所述磁化变化。

为了实现体内的空间分辨率，使沿三个主轴延伸的恒定磁场梯度叠加在所述均匀磁场上，其将导致对自旋共振频率的线性空间相关性。因而，所述接收天线中拾取的信号包含具有不同频率的分量，可以将所述分量与体内的不同位置相关联。

通过接收天线获得的信号数据对应于空间频率域，并且又被称为k空间数据。所述k空间数据通常包括采用不同的相位编码获取的多条线。通过收集大量样本使每条线数字化。例如，通过傅里叶变换将k空间数据的一组样本转化为MR图像。

在MRI中，常常希望获得关于两种主导化学物类，诸如水和脂肪，对总体信号的相对贡献（contribution）的信息，从而抑制其中之一的贡献，或者对两者的贡献单独或联合地分析。如果将来自在不同回波时间上获取的两个或更多对应回波的信息组合，就能够计算出这些贡献。

一种同时获得有关水和脂肪对MR信号的贡献的信息的方式是化学移位编码，在所述编码中定义额外的维度，即化学移位维度，并通过在略微不同回波时间上采集几幅图像而对该维度编码。

具体而言，对于水－脂肪分离而言，常常将这些类型的实验称为Dixon型测量。利用Dixon成像或者Dixon水/脂肪成像，能够通过从在不同回波时间上采集的两个或更多对应回波计算水和脂肪的贡献来获得水－脂肪分离。Dixon成像通常依赖于采集至少两个回波，从而使水和脂肪信号分离。一般而言，这些种类的分离是有可能的，因为在脂肪和水中存在已知的氢的进动频率差异。就其最简单的形式而言，通过对“同相（in phase）”和“异相（out of phase）”数据集的加法或减法生成水和脂肪图像，然而这种方法对主场的不均匀性相当敏感。

假设将脂肪谱的复杂模型结合到水－脂肪分离过程中，可以获得在水图像中不存在残余脂肪信号的高质量水－脂肪分离。例如，在Yu H、Shimakawa A、McKenzie CA、Brodsky E,Brittain JH、Reeder SB、在MagnReson Med 2008;60:1122-1134上的“Multi-echo water-fat separation andsimultaneous R2*estimation with Multi-frequency fat spectrum modeling”一文中已经针对三点Dixon方法对其给出了演示。

具体而言，在对时间要求苛刻的应用当中，诸如在单次屏住呼吸的过程中实施的腹部成像中，优选采用两点方法尽可能地降低扫描时间。然而，所述方法通过单个主峰近似估计脂肪谱，因而通常无法提供更为有效的脂肪抑制。此外，脂肪抑制的质量强烈依赖于对图像数据采集中的回波时间的选择。

发明内容

由上述内容，可以容易地认识到，需要一种改进的MR成像方法。因此，本发明的目的在于以快速、可靠的方式实现MR成像，其中对两个主导化学物类进行高质量分离，以便确定所述两个主导化学物类对所采集的总体信号的相对贡献。

根据本发明，提供了一种利用磁共振成像对至少两个化学物类成像的方法，其中对两个化学物类进行信号分离，从而得到这两个化学物类的分离信号数据集，其中，所述方法包括：

-在不同回波时间上采集第一和第二回波数据，从而得到第一和第二采集复（complex）数据集，

-采用所述化学物类中的至少一个的谱信号模型对所述第一和第二采集数据集建模，所述建模得到第一和第二建模的复数据集，所述第一和第二建模数据集包括第一和第二相位误差和所述两个化学物类的分离信号数据集，

-从所述第一和第二采集数据集以及所述第一和第二建模数据集确定所述两个化学物类的分离信号数据集。

换言之，本发明提出了一种将所述化学物类中的至少一个的谱的更多复数模型结合到两点法的分离当中的方案。因而，其能够提高两个化学物类的信号分离的准确度以及化学物类抑制的效率。

这里必须指出，假设通过例如多峰谱模型仅对所述化学物类之一进行建模，那么可以将其他的化学物类简单地视为是单条线。因此，实际上对两个化学物类都进行了建模，其中，所述模型中的至少一个包括多峰谱模型。

此外，必须指出，必须将“化学物类”一词广义理解为任何种类的预定化学物质，或者任何种类的具有预定磁共振特性的原子核。在简单的范例中，所述两个化学物类为“化学成分”水和脂肪中的质子。在更为复杂的范例中，多峰谱模型实际上描述了按照已知的相对量出现的一组“化学成分”中的原子核。在这种情况下，引入多峰谱模型使两个信号分量分离，例如，所述信号分量是诸如代谢过程的化学反应的产物。因而，可以通过不同产物的输出比率对某一代谢过程的输出建模。之后，可以这些结合成单个信号分量，尽管它们是不同的化学物类。

根据本发明的实施例，所描述的数据集可以是图像空间或k空间数据集。假设优选采用图像数据集，那么可以对所述第一和第二回波数据进行处理，从而实现对所述第一和第二采集数据集的重建，其中，在这种情况下，所述第一和第二采集数据集为图像数据集。

根据本发明的实施例，通过使所述第一和第二采集数据集以及第一和第二建模数据集之间的余数最小化来执行对所述两个化学物类的分离数据集的确定，其中，所述第一和第二建模数据集是以所述化学物类中的至少一个的谱信号模型为基础的。在两个化学物类的示范性范例中，可得到两个复方程，即，总共四个方程，其中，这四个方程中的四个未知数是两个化学物类的两个分离信号数据集以及所述第一和第二相位误差。因此，利用包括数值技术的标准数学方程求解技术，能够由这四个非线性方程获得所述两个化学物类的两个分离信号数据集。

根据本发明的另一实施例，所述两个化学物类的分离信号数据集的确定包括：

-确定所述第一和第二采集数据集的量值（magnitude），并基于所述第一和第二建模数据集检索所述两个化学物类的分离信号数据集的初始估计，

-基于所述第一和第二建模数据集从所述第一和第二采集数据集以及所述两个化学物类的分离信号数据集的初始估计导出所述第一和第二相位误差之间的差的至少一个解，

-从所述第一和第二采集数据集以及所述第一和第二相位误差之间的差的一个解来确定所述两个化学物类的分离信号数据集的最终估计。

其还将简化导出所述第一和第二相位误差以及所述两个化学物类的分离信号数据集的数学过程。

根据本发明的实施例，对所述两个化学物类的分离信号数据集的最终估计的确定涉及对两个复方程的方程系求解，从而得到所述两个化学物类的两个复分离信号。

根据本发明的另一实施例，对所述两个化学物类的分离信号数据集的初始估计包括对两个二次方程的方程系求解，所述方程由第一和第二采集数据集以及第一和第二建模的复数据集的量值形成。例如，可以采用四次方程执行这一操作，其允许通过一种在数学上简单的并因而快速的方式执行对分离信号数据集的检索。其还能够加快所述两个化学物类的信号分离过程。

根据本发明的另一实施例，所述第一和第二相位误差之间的差的确定得到真解和伪解，其中，所述方法还包括例如基于主磁场不均匀性的平滑空间变化的假设来确定所述真解。一般而言，可以应用大量已知方法中的任何方法，例如，可以应用区域性迭代相量提取（RIPE）来选择正确的相量值（例如，比较Xiang QS的“Two-point water-fat imaging with partially-opposed-phase(POP)acquisition:an asymmetric Dixon method”,Magn ResonMed 2006;56:572-584）。

必须指出，在整个说明书中，可以将相位误差理解为相位本身的误差，也可以将其理解为与既定相位相关的相应相量的误差。

根据本发明的另一实施例，所述第一和第二数据集的建模包括采用与所述第一和第二相量相乘的两个化学物类的分离信号数据集的线性组合，所述第一和第二相量包括第一和第二相位误差，其中，所述线性组合的权重是从所述化学物类的谱信号模型导出的。

这种类型的建模的优点在于，能够仅由两个不同的图像获得所述两个化学物类的分离信号数据集，所述图像中的任何一个都不必具备同相条件。因此，需要采取与Dixon重建过程相关的限制性更低的假设，其将提高所述两个化学物类的经重建的分离信号数据集的质量。

根据本发明的另一实施例，利用所述第一和第二量值以及所述两个采集数据集的共轭复数乘积执行所述两个化学物类的分离信号数据集的确定。或者，可以单独采用第一和第二采集数据集以及所述第一和第二相位误差的差，即不利用所述第一和第二量值，来解所述两个方程的线性系。由于能够以更快的方式执行所述两个方程的线性系的求解，因而将进一步加快相应的重建过程。此外，这一方案可以为解增加一个自由度，其可以有助于减少人为因素。

根据本发明的另一实施例，所述两个化学物类为水和脂肪。在这种情况下，所述谱信号模型为脂肪的多峰谱模型。因此，本发明并未简单地假定在所述谱内仅存在一个脂肪的主导谱峰，而是采用了脂肪的多峰谱模型。假设仅对所述化学物类之一，例如仅对脂肪建模，那么可以将水看作是单峰谱。

因此，假设对于所述物类之一，例如，对于脂肪而言，相对共振频率和相对共振强度是预先已知的，例如，是由理论或实验模型获得的，或者是由单独或综合校准获得的，例如其以可能仅含有一种化学物类（例如脂肪）的像素的识别为基础。

根据本发明的另一实施例，所述第一和第二采集数据集的第一和第二相位误差包括所述第一和第二图像数据集的相位误差，其不包括由于通过谱信号数据集模型建模的所述化学物类的存在而导致的化学移位诱发相位误差，即，例如不包括由于脂肪的存在而导致的化学移位诱发相位误差。

能够在当前临床使用的大多数MR装置中有利地实施本发明的方法。出于这一目的，仅须利用计算机程序，使其对MR装置加以控制，从而使所述装置执行上文解释的本发明的方法步骤。所述计算机程序可以存在于数据载体上，也可以存在于数据网络内，从而将其下载下来，安装到所述MR装置的控制单元内。因此，本发明还涉及一种计算机程序产品，其包括用于执行上述方法的计算机可执行指令。

此外，本发明还涉及一种用于对至少两个化学物类成像的磁共振成像设备，所述设备包括用于采集磁共振图像数据的磁共振成像扫描器，所述扫描器可用于：

-在不同回波时间上采集第一和第二回波数据，从而得到第一和第二采集复数据集，

-利用所述化学物类中的至少一个的谱信号模型对所述第一和第二采集数据集建模，所述建模得到第一和第二建模的复数据集，所述第一和第二建模数据集包括第一和第二相位误差和所述两个化学物类的分离信号数据集，

-从所述第一和第二采集数据集以及所述第一和第二建模数据集来确定所述两个化学物类的分离信号数据集。

附图说明

所包含的附图公开了本发明的优选实施例。然而，应当理解，附图仅仅是出于举例说明的目的设计的，而不是作为对本发明的限定范围的界定。

具体实施方式

参考图1，其示出了MR成像系统1。所述系统包括超导或电阻主磁体线圈2，从而沿z轴建立贯穿检查体积的基本均匀的时间恒定的主磁场B0。

磁共振生成操纵系统通过施加一系列RF脉冲和切变的磁场梯度来反转或激励原子核磁自旋、诱发磁共振、使磁共振重新聚焦、操纵磁共振、对磁共振进行空间编码或者其他形式的编码、使自旋饱和等，以执行MR成像。

更具体而言，梯度脉冲放大器3沿检查体积的x、y和z轴向全身梯度线圈4、5、6中的选定线圈施加电流脉冲。RF发射器7通过发送/接收开关8向RF天线9发送RF脉冲或脉冲包，从而向检查体积内发射RF脉冲。典型的MR成像序列由短时长RF脉冲序列的包构成，使所述RF脉冲序列相互结合并与所施加的任何磁场梯度结合将实现对核磁共振的选定操纵。采用所述RF脉冲使共振饱和、激励共振、反转磁化、使共振重新聚焦或者操纵共振，以及选择处于检查体积内的人体10的部分。也可以通过RF天线9拾取MR信号。

为了例如利用并行成像生成身体或者一般对象10的有限区域的MR图像，邻近所选定的待成像的区域放置一组局部阵列RF线圈11、12和13。能够使用阵列线圈11、12和13接收由通过RF天线实施的RF发射所感生的MR信号。然而，也有可能采用阵列线圈11、12和13向检查体积发射RF信号。

通过RF天线9和/或通过RF线圈11、12、13的阵列拾取所生成的MR信号，并通过优选包括前置放大器（未示出）的接收器14对所述信号解调。将接收器14经由发送/接收开关8连接至RF线圈9、11、12和13。

主计算机15控制梯度脉冲放大器3和发射器7以生成多个成像序列中的任何一个，诸如回波平面成像（EPI）、回波体积成像、梯度和自旋回波成像、快速自旋回波成像等。对于选定的序列而言，接收器14遵循每一RF激励脉冲接收快速演替的单条或者多条MR数据线。数据采集系统16对接收信号执行模数转换，并将每一MR数据线转换成适合进一步处理的数字格式。在新型的MR装置中，数据采集系统16是专门用于采集原始图像数据的单独计算机。

最后，重建处理器17采用傅里叶变换或者诸如Dixon重建算法的其他适当的重建算法将数字原始图像数据重建为图像表示。MR图像可以表示贯穿患者的平面片层、平面片层的阵列、三维体积等。之后，将所述图像存储在图像存储器中，可以在所述图像存储器内访问所述图像，从而将图像表示的片层或者其他部分转换成可视化的适当形式，例如，通过视频监视器18进行所述转换，其将提供所得到的MR图像的人可读显示。

在下文中，将更为详细地描述采用了上述方法的示范性图像重建过程。所提出的下述过程是在一般的不对回波时间的选择强加明显的限制的两点法的分离中考虑脂肪的多峰值谱模型。

所述方法开始于在不同的回波时间TEn上采集第一和第二回波数据，其中，n=1、2，以及通过重建处理器17对所述第一和第二回波数据进行处理，从而实现第一和第二数据集S_n的重建。之后，通过下述方程建立对于回波时间TE_n（其中，n=1、2）而言图像空间内的复合复信号S：

其中，W和F表示图像空间中的实数或者复数的水和脂肪信号，

表示相位误差，表示对应的相量。如上所述，所述相位误差包括由于主磁场不均匀性而导致的相位以及可能由接收器链中的RF渗透和信号延迟引起的静止相位，其不包括由于脂肪的存在而产生的化学移位诱发相位。

通过下述方程给出的复加权系数（即，复因数）c'提供脂肪的谱信号模型：

$c_n^{\′}=\underset{m}{\mathrm{\Σ}}{w}_m{e}^{i{\mathrm{\θ}}_{n,m}},---\left(2\right)$

其中，w表示相加等于1的权重，

等于2πΔf_mTE_n，Δf_m是脂肪谱的相对于水的第m峰的共振频率的偏移。任选地，可以通过增加采用TE_n描述指数衰减的因数，将横向驰豫的影响包含在内。假设所述权重、化学移位和任选的弛豫速率在理论上或者通过实验是先验已知的，例如，通过对所采集的MR图像本身的单独校准过程使之先验已知。

在接下来的步骤中，逐像素或者逐体素（3D像素）地由S₁和S₂计算两个信号分量。通过考虑两个由方程（1）得到的所述采集图像数据集和建模数据集的量值而执行这一操作：

${\left|S_1\right|}^2=w^2+2c_{1R}^{\′}\mathrm{WF}+(c_{1R}^{\′2}+c_{1l}^{\′2})F^2,---\left(3\right)$

${\left|S_2\right|}^2=w^2+2c_{2R}^{\′}\mathrm{WF}+(c_{2R}^{\′2}+c_{2l}^{\′2})F^2,---\left(4\right)$

这里，c_nR和c_nI表示c_n的实部和虚部。利用四次方程：

a₁F⁴+a₂F²+a₃=0，            （5）

可以导出两个解F₁，₂：

$F_{\mathrm{1,2}}=\sqrt{-\frac{a_2}{2a_1}\±\sqrt{\frac{a_2^2}{4a_1^2}-\frac{a_3}{a_1}}},---\left(6\right)$

通过下述方程给出了常数a：

$a_1={(c_{1R}^{\′2}-c_{1l}^{\′2}-2c_{1R}^{\′}{c}_{2R}^{\′}+c_{2R}^{\′2}+c_{2l}^{\′2})}^2+{4(c_{1R}-c_{2R}^{\′})}^2{c}_{1l}^{\′2},---\left(7\right)$

$a_2=2(c_{1R}^{\′2}-c_{1l}^{\′2}-2c_{1R}^{\′}{c}_{2R}^{\′}+c_{2R}^{\′2}+c_{2l}^{\′2})({\left|S_1\right|}^2-{\left|S_2\right|}^2)-4{(c_{1R}^{\′}-c_{2R}^{\′})}^2{\left|S_1\right|}^2,---\left(8\right)$

a₃=(S₁ ²-S₁ ²)²。        （9）

W_1，2的对应的两个解为：

$W_{\mathrm{1,2}}=-c_{1R}^{\′}F\±\sqrt{{\left|S_2\right|}^2-c_{1l}^{\′2}{F}^2}.---\left(10\right)$

因此，可以由通过方程（3）和方程（4）计算的所述量值获得第一和第二物类特异性图像数据集W和F。

由第一和第二建模的图像数据集方程（1）以及W和F的两对值（方程6和方程10）将得到所述相量

的两个值：

$\mathrm{\Δ}{P}_{\mathrm{1,2}}=\frac{S_1^{*}{S}_2}{(W_{\mathrm{1,2}}+c_1^{\′*}{F}_{\mathrm{1,2}})(W_{\mathrm{1,2}}+c_2^{\′}{F}_{\mathrm{1,2}})}.---\left(11\right)$

其得到两个可能的相量候选值，一个为真，一个为伪。通过诸如区域性迭代相量提取（RIPE）过程的过程从所述两个相量候选值中提取真相量。此外，可以考虑在所述像素的空间邻近区域内获得的结果来调整所述真相量的估计。

在给定所述相量的这一估计的情况下重新计算W和F。例如，可以通过解由四个方程构成的非线性系得到实变量W和F来完成这一操作，在所述四个方程中，两个是针对方程（3）和方程（4）中的S₁ ²和S₂ ²的方程，两个是：

$S_1^{*}{S}_2\mathrm{\Δ}{P}^{*}=(W+c_1^{\′*}F)(W+c_2^{\′}F).---\left(12\right)$

的实部和虚部。

或者，可以通过解由两个方程构成的线性系得到复变量W’和F’：

$S_1=W^{\′}+c_1^{\′*}{F}^{\′},---\left(13\right)$

S₂ΔP^*=W'+c′₂F'。(14)

由于

并且

因而W'和F'的量值等于W和F的量值。

因此，通过采用重建处理器17执行上述步骤，以一种快速的数据采集方法实现了良好的水－脂肪分离。可以仅由两个具有复值的图像使水和脂肪分离，所述图像中的任何一幅图像都不必具备同相条件。

Claims (12)

1.一种利用磁共振成像对至少两个化学物类成像的方法，其中对两个化学物类进行信号分离，从而得到这两个化学物类的分离信号数据集，所述方法包括：

-在不同回波时间上采集第一和第二回波数据，从而得到第一和第二采集复数据集，

-采用所述化学物类中的至少一个的谱信号模型对第一和第二采集数据集建模，所述建模得到第一和第二建模复数据集，所述第一和第二建模数据集包括第一和第二相位误差和所述两个化学物类的所述分离信号数据集，

-从所述第一和第二采集数据集以及所述第一和第二建模数据集来确定所述两个化学物类的所述分离信号数据集。

2.根据权利要求1所述的方法，其中，通过使所述第一和第二采集数据集与所述第一和第二建模复数据集之间的余数最小化来执行对所述两个化学物类的所述分离信号数据集的所述确定。

3.根据权利要求1所述的方法，其中，对所述两个化学物类的所述分离信号数据集的所述确定包括：

-确定所述第一和第二采集数据集的量值，并基于所述第一和第二建模数据集检索所述两个化学物类的所述分离信号数据集的初始估计，

-基于所述第一和第二建模数据集从所述第一和第二采集数据集以及所述两个化学物类的所述分离信号数据集的所述初始估计来导出所述第一和第二相位误差之间的差的至少一个解，

-从所述第一和第二采集数据集以及所述第一和第二相位误差之间的所述差的一个解来确定所述两个化学物类的所述分离信号数据集的最终估计。

4.根据权利要求3所述的方法，其中，对所述两个化学物类的所述分离信号数据集的所述初始估计包括对两个二次方程的方程系求解，所述方程由所述第一和第二采集数据集以及所述第一和第二建模复数据集的量值形成。

5.根据权利要求4所述的方法，其中，通过推导四次方程对所述两个二次方程的方程系进行解析求解。

6.根据权利要求3所述的方法，其中，对所述第一和第二相位误差之间的所述差的所述确定得到真解和伪解，其中，所述方法还包括基于主磁场不均匀性的空间平滑性假设来确定所述真解。

7.根据权利要求6所述的方法，其中，利用区域性迭代相量提取过程执行对所述真解的确定。

8.根据权利要求1所述的方法，其中，对所述第一和第二数据集的所述建模包括采用与第一和第二相量相乘的所述两个化学物类的所述分离信号数据集的线性组合，所述第一和第二相量包括所述第一和第二相位误差，其中，从所述化学物类的所述谱信号模型导出所述线性组合的权重。

9.根据权利要求1所述的方法，其中，所述两个化学物类为水和脂肪，并且所述谱信号模型为脂肪的多峰谱模型。

10.根据权利要求3所述的方法，其中，对所述两个化学物类的所述分离信号数据集的所述最终估计的所述确定涉及对两个复方程的方程系求解，从而得到所述两个化学物类的两个复分离信号。

11.一种计算机程序产品，其包括用于执行根据前述权利要求1到10中的任一项所述的方法步骤中的任意方法步骤的计算机可执行指令。

12.一种用于对至少两个化学物类成像的磁共振成像设备（1），所述设备包括用于采集磁共振图像数据的磁共振成像扫描器，所述扫描器能够用于：

-在不同回波时间上采集第一和第二回波数据，从而得到第一和第二采集复数据集，

-采用所述化学物类中的至少一个的谱信号模型对第一和第二采集数据集建模，所述建模得到第一和第二建模复数据集，所述第一和第二建模数据集包括第一和第二相位误差和所述两个化学物类的分离信号数据集，

-从所述第一和第二采集数据集以及所述第一和第二建模数据集来确定所述两个化学物类的所述分离信号数据集。

Images