CN102973271A - 磁共振动态成像方法及系统 - Google Patents

Abstract

一种磁共振动态成像方法，包括如下步骤：在视野中进行扫描得到并行采样数据；对所述并行采样数据进行部分可分离函数模型重建得到混叠数据；对所述混叠数据进行图像重建得到最终的动态图像。上述磁共振动态成像方法及系统中，获取视野中的并行采样数据，对获取的并行采样数据进行部分可分离函数算法重建得到混叠数据，即利用并行采集的方式快速采集数据，并通过部分可分离函数算法重建，以利用部分可分离函数模型和并行成像的优势，在实现高分辨动态磁共振成像的同时，缩短数据采集时间。与现有部分可分离函数模型方法相比，在采样数据量较少的情况下可以获得较高质量的动态磁共振图像。

Description

磁共振动态成像方法及系统

【技术领域】

本发明涉及影像技术，特别是涉及一种磁共振动态成像方法及系统。

【背景技术】

磁共振成像（Magnetic Resonance Imaging，简称MRI）由于具有较高的软组织对比度和空间分辨率，可同时获得检查部位的形态信息和功能信息，并能够根据需要灵活地选择成像参数与成像层面，成为当今医学影像检查的重要手段。然而受奈奎斯特采样定理和主磁场强度等因素的制约，磁共振的成像速度非常慢，大大地限制了磁共振在临床中的应用，且在心脏等运动器官的磁共振成像中，为了避免数据获取时间过长而使得运动对成像结果产生影响，进而导致动态磁共振成像的空间分辨率较低，难以满足心脏功能和心肌灌注等高分辨检查的要求。

为提高分辨率，实现运动器官的动态磁共振成像，研究者大都致力于研究通过提高静磁场的场强与开发能够快速切换的性能优良的梯度磁场来提高成像速度。然而，高速切换的梯度磁场会刺激受检者的神经和肌肉，非常密集的射频脉冲序列可以造成体内射频能量的聚积，使人体组织升温。因此，为了避免对人类健康造成威胁，对静磁场的场强与梯度场的变化做出了严格限制，使得继续依赖提高梯度场切换速度来提高成像速度的方式实现高分辨率动态成像达到了极限。

此时，并行磁共振成像的提出大大地减少了成像时间，在临床成规检查中可以进行2~4倍的加速。并行磁共振成像方法包括了基于图像域重建的灵敏度编码和基于K空间域重建的广义自校准部分并行采集方法，其中，基于K空间域重建的广义自校准部分并行采集方法获取得了更为广泛的商业应用。但是，仅依靠并行成像还难以满足高分辨动态磁共振成像的需求。

部分可分离函数模型是一种动态成像模型，该模型通过将动态磁共振信号分解成时间和空间相关的函数，可有效解决动态磁共振成像中时间和空间分辨此消彼长的制约关系。然而，传统部分可分离函数模型需要采集足够多的预扫描数据才能对模型中的相关参数进行估计，存在预扫描时间过程的缺陷，导致临床中难以得到应用。

【发明内容】

基于此，有必要提供一种能缩短扫描时间的磁共振动态成像方法。

此外，还有必要提供一种能缩短扫描时间的磁共振动态成像系统。

一种磁共振动态成像方法，包括如下步骤：

在视野中进行扫描得到并行采样数据；

对所述并行采样数据进行部分可分离函数重建得到混叠数据；

对所述混叠数据进行图像重建得到动态图像。

优选地，所述在视野中进行扫描得到并行采样数据的步骤为：

向扫描对象施加脉冲序列；

对所述扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到所述并行采样数据；

对所述扫描对象进行附加扫描，并采集得到扫描线。

优选地，所述对所述并行采样数据进行插值恢复得到混叠数据的步骤为：

从所述并行采样数据中获取导航数据集和图像数据集；

通过所述导航数据集和图像数据集计算得到混叠数据。

优选地，所述对所述混叠数据进行并行成像图像重建得到动态图像的步骤为：

通过所述扫描线计算得到线性权重因子；

根据所述线性权重因子逐一对所述混叠数据进行拟合得到相应的图像K空间数据；

对所述图像K空间数据进行反傅里叶变换得到动态图像。

优选地，所述与时间相关的混叠数据和动态图像是与时间轴上的时刻相对应的。

一种磁共振动态成像系统，包括：

扫描模块，用于在视野中进行扫描得到并行采样数据；

部分可分离函数重建模块，用于对所述并行采样数据进行部分可分离函数重建得到混叠数据；

并行成像重建模块，用于对所述混叠数据进行并行成像图像重建得到动态图像。

优选地，所述扫描模块包括：

发射单元，用于向扫描对象施加脉冲序列；

接收线圈，用于对所述扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到所述并行采样数据；

附加扫描单元，用于对所述扫描对象进行附加扫描，并采集得到扫描线。

优选地，所述插值恢复模块包括：

数据集获取单元，用于从所述并行采样数据中获取导航数据集和图像数据集；

混叠计算单元，用于通过所述导航数据集和动态图像数据集计算得到混叠数据。

优选地，所述重建模块包括：

权重计算单元，用于通过所述扫描线计算得到线性权重因子；

拟合单元，用于根据所述线性权重因子逐一对所述混叠数据进行拟合得到相应的图像K空间数据；

数据变换单元，用于对所述图像K空间数据进行反傅里叶变换得到动态图像。

优选地，所述与时间相关的混叠数据和动态图像是与时间轴上的时刻相对应的。

上述磁共振动态成像方法及系统中，获取视野中的并行采样数据，对获取的并行采样数据进行插值恢复得到混叠数据，即利用并行采集的方式快速采集数据，并通过部分可分离函数重建出具有高空间分辨的动态图像。该方法与现有并行成像方法相比，可以同时实现高时空分辨成像，有效克服磁共振成像中时间和空间此消彼长的制约关系，而且与部分可分离函数模型相比，降低了传统部分可分离函数模型所需的预扫描数据量，缩短预扫描时间。

【附图说明】

图1为一个实施例中磁共振动态成像的方法流程图；

图2为图1中在视野中进行扫描得到并行采样数据的方法流程图；

图3为一个实施例中对扫描对象进行附加扫描的示意图；

图4为图1中对并行采样数据进行部分可分离函数重建得到混叠数据的方法流程图；

图5为图1中对混叠数据进行并行成像图像重建得到动态图像的方法流程图；

图6为一个实施例中磁共振动态成像系统的结构示意图；

图7为图6中扫描模块的结构示意图；

图8为图6中部分可分离函数重建模块的结构示意图；

图9为图6中并行成像图像重建模块的结构示意图。

【具体实施方式】

在一个实施例中，如图1所示，一种磁共振动态成像方法，包括如下步骤：

步骤S110，在视野中进行扫描得到并行采样数据。

本实施例中，将多个接收线圈放置于扫描对象的周围不同位置，每一接收线圈均为一个独立的接收通道，从而可以得到每一接收线圈所对应的并行采样数据，即K-t空间数据。在K空间这一采样视野中，包含了多个K-t空间，形成时间轴上的延伸，每一K-t空间数据均与一个具体的时刻相对应。

在一个实施例中，如图2所示，上述步骤S110的具体过程为：

步骤S111，向扫描对象施加脉冲序列。

步骤S113，对扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到并行采样数据。

本实施例中，在向扫描对象施加脉冲序列之后，扫描对象受到脉冲序列激发释放出磁共振信号，此时，多个接收线圈均对磁共振信号进行采集得到并行采样数据，由于多个接收线圈同时进行磁共振信号的采集得到每一接收线圈对应的并行采样数据，大大地节省了采样所耗费的时间，以适应运动器官中并行采样数据的采集。

步骤S115，对扫描对象进行附加扫描，并采集得到扫描线。

本实施例中，如图3所示，在对并行采样数据进行采集的过程中还将在K空间附近额外采集R-1行数据，其中R为加速因子，在扫描对象中扫描少量几行以得到扫描线，该扫描线即为K空间线（Auto Calibration Signal Line，简称ACS线）。

步骤S130，对并行采样数据进行部分可分离函数重建得到混叠数据。

本实施例中，由于仅仅是接收线圈才会拥有对应的并行采样数据，而视野中接收线圈是以一定结构放置于不同的位置的，并未完全覆盖扫描对象，因此，需要对并行采样数据进行部分可分离函数重建以得到覆盖密度的混叠数据。

在一个实施例中，如图4所示，上述步骤S130的具体过程为：

步骤S131，从并行采样数据中获取导航数据集和图像数据集。

本实施例中，每一接收线圈所采集到的并行采样数据均包括了两组K-t空间数据，即高时间、低空间分辨率的导航数据集和高空间、低时间分辨率真的图像数据集。

步骤S133，通过导航数据集和图像数据集计算得到混叠数据。

本实施例中，通过获取的导航数据集和图像数据集进行估算，以得到部分可分离函数模型中的参数，实现K空间中缺少数据的插值。混叠数据是与时间相关的，任一混叠数据均与时间轴上的时刻相对应。

一实施例中，部分可分离函数模型认为图像函数ρ(r,t)的空间变化和时间变化是L阶可分离的，根据部分可分离函数的性质和傅里叶变换的线性特性，混叠数据S(k,t)可表示为空间基函数{c_l(k)}和时间基函数这两个独立变量函数之和，即通过如以下公式表示部分可分离函数模型：

其中，L为频率成分参数。

通过上述公式，将磁共振信号在时间空间联合维度中的复杂运动转化为空间中每一点的磁共振信号随时间变化的较为简单的数学问题，即只需要准确预知频率成分参数L、空间基函数{c_l(k)}以及时间基函数

就可以实现高空间高时间分辨率的插值恢复。

为了能够准确估算频率成分参数L、空间基函数{c_l(k)}以及时间基函数

通过导航数据集来确定频率成分参数L和时间基函数

通过高空间、低时间分辨率真的图像数据集来确定空间基函数{c_l(k)}，其中，采集到的导航数据集和图像数据集必须满足以下3个条件：（1）脉冲重复时间T_R必须满足导航数据集的时间奈奎斯特速率；（2）相位编码方向的采样间隔Δk_y必须满足图像数据集的空间奈奎斯特速率；（3）从图像数据集获取的采样帧数N必须大于或者等于阶数L。

对部分可分离函数模型从最优化问题求解方面可以描述为

首先对采集到的导航数据集抽取成导航数据矩阵：

然后对导航数据矩阵C进行奇异值分解得到

其中，{λ_l}为导航数据矩阵C中按降序排列的奇异值，{μ_l}和

是导航数据矩阵C的左特征向量和右特征向量。取前L个左特征向量作为部分可分离函数模型中的时间基函数数，即：

频率成分函数可以通过以下公式以及噪声水平来确定：

${\left|\right|C-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{\mathrm{\μ}}_l{v}_l^H\left|\right|}_2=\underset{\mathrm{rank}\left(B\right)\≤L}{\min }{\left|\right|C-B\left|\right|}_2={\mathrm{\λ}}_{L+1}$ 或

${\left|\right|C-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{\mathrm{\μ}}_l{v}_l^H\left|\right|}_F=\underset{\mathrm{rank}\left(B\right)\≤L}{\min }{\left|\right|C-B\left|\right|}_F=\sqrt{\underset{l=L+1}{\overset{\min \{Q,N\}}{\mathrm{\Σ}}}{\mathrm{\λ}}_l}$

此时，利用计算得到的时间基函数和图像数据集进行空间基函数的预测，即：

其中，为时间基函数（l＝1,2,...,L,n＝1,2,...,N）,

为待预测的空间基函数，

为图像数据集（p＝1,2,...,P,n＝1,2,...N），并且可将以上公式简写为Ф

步骤S150，对混叠数据进行图像重建得到动态图像。

本实施例中，在得到混叠数据之后，由于每一接收线圈所对应的通道中混叠数据存在着伪影，需要去除混叠数据中的伪影，进而通过图像重建得到动态图像，该动态图像是与时间轴上的时刻相对应的。

在一个实施例中，如图5所示，上述步骤S150的具体步骤为：

步骤S151，通过扫描线计算得到线性权重因子。

本实施例中，上述通过扫描线计算得到线性权重因子的具体过程为：通过扫描线的线性组合与混叠数据的线性组合之间近似相等的关系计算得到线性权重因子，详细过程如以下公式所示：

$\hat{d}(k_m+\mathrm{p\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{d}_l^{\mathrm{ACS}}(k_y+\mathrm{m\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{d}_l\left(k_m\right)$

其中，

为扫描线的线性组合，d_l(k_m)为混叠数据，a_l，p为线性权重因子，k_m为欠采样K空间相位线，k_y为参考相位线，Δk_y为相位编码方向的采样间隔。

在正常采样情况下，相位编码方向的采样间隔Δk_y＝1/L_y，其中，L_y为相位编码方向的视野，则K空间中第m行并行采样数据为

假设共有L个接收线圈，接收线圈l在空间平面的敏感度为s_l(y)，采集因子为R，则可以得到 $d_l\left(k_m\right)=\∫s_l\left(y\right)\mathrm{\ρ}\left(y\right)e^{-l2\mathrm{\πm\Δ}{k}_{y}y}\mathrm{dy}.$

需要构造的数据为： $\hat{d}(k_m+\mathrm{p\Δ}{k}_y)=\∫\mathrm{\ρ}\left(y\right)e^{-l2\mathrm{\πm\Δ}{k}_{y}y}{e}^{-l2\mathrm{\πp\Δ}{k}_{y}y}\mathrm{dy},$ 其中p＝0,1,2,…,R-1。

令 $S^{\mathrm{total}}\left(y\right)={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{s}_l\left(y\right)=e^{l2\mathrm{\πp\Δ}{k}_y},$ 并代入 $\hat{d}(k_m+\mathrm{p\Δ}{k}_y)=\∫\mathrm{\ρ}\left(y\right)e^{-l2\mathrm{\πm\Δ}{k}_{y}y}{e}^{-l2\mathrm{\πp\Δ}{k}_{y}y}\mathrm{dy}$ 得到：

$\hat{d}(k_m+\mathrm{p\Δ}{k}_y)$

$=\∫\mathrm{\ρ}\left(y\right)e^{-l2\mathrm{\πm\Δ}{k}_{y}y}{e}^{-l2\mathrm{\πp\Δ}{k}_{y}y}\mathrm{dy}$

$=\∫\mathrm{\ρ}\left(y\right)e^{-l2\mathrm{\πm\Δ}{k}_{y}y}{\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{s}_l\left(y\right)\mathrm{dy}$

$={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{d}_l\left(k_m\right)$

由以上公式可知，每一接收线圈中的并行采样数据的线性组合可以用来产生K空间位移，从而构造出新的数据。

步骤S153，根据线性权重因子逐一对混叠数据进行拟合得到相应的图像K空间数据。

本实施例中，为构造出缺失的数据，对每一接收线圈对应的混叠数据进行拟合得到图像K空间数据，该图像K空间数据即为每一接收线圈的全K空间数据，详细拟合过程如以下公式所示：

${\hat{d}}_l^{\mathrm{ACS}}(k_m+\mathrm{\ρ\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{d}_l\left(k_m\right)$

通过上述过程将进一步提高拟合的精度，进而更为有效地抑制伪影。

步骤S155，对图像K空间数据进行反傅里叶变换得到动态图像。

在一个实施例中，如图6所示，一种磁共振动态成像系统，包括扫描模块10、部分可分离函数重建模块30以及并行成像重建模块50。

扫描模块10，用于在视野中进行扫描得到并行采样数据。

本实施例中，将多个接收线圈放置于扫描对象的周围不同位置，每一接收线圈均为一个独立的接收通道，从而可以得到每一接收线圈所对应的并行采样数据，即K-t空间数据。在K空间这一采样视野中，包含了多个K-t空间，形成时间轴上的延伸，每一K-t空间数据均与一个具体的时刻相对应。

在一个实施例中，如图7所示，上述扫描模块10包括发射单元110、接收线圈130以及附加扫描单元150。

发射单元110，用于向扫描对象施加脉冲序列。

接收线圈130，用于对扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到并行采样数据。

本实施例中，在向扫描对象施加脉冲序列之后，扫描对象受到脉冲序列激发释放出磁共振信号，此时，多个接收线圈130均对磁共振信号进行采集得到并行采样数据，由于多个接收线圈130同时进行磁共振信号的采集得到每一接收线圈130对应的并行采样数据，降低部分可分离函数重建所需数据量，节省了采样所耗费的时间。

附加扫描单元150，用于对扫描对象进行附加扫描，并采集得到扫描线。

本实施例中，在对并行采样数据进行采集的过程中还将在K空间附近额外采集R-1行数据，其中R为加速因子，附加扫描单元150在扫描对象中扫描少量几行以得到扫描线，该扫描线即为K空间线。

部分可分离函数重建模块30，用于对并行采样数据进行部分可分离函数重建得到混叠数据。

本实施例中，由于仅仅是接收线圈才会拥有对应的并行采样数据，而视野中接收线圈是以一定结构放置于不同的位置的，并未完全覆盖扫描对象，因此，需要部分可分离函数重建模块30对并行采样数据进行部分可分离函数重建以得到覆盖密度的混叠数据。

在一个实施例中，如图8所示，上述部分可分离函数重建模块30包括数据集获取单元310以及混叠计算单元330。

数据集获取单元310，用于从并行采样数据中获取导航数据集和图像数据集。

本实施例中，每一接收线圈130所采集到的并行采样数据均包括了两组K-t空间数据，即高时间、低空间分辨率的导航数据集和高空间、低时间分辨率的图像数据集。

混叠计算单元330，用于通过导航数据集和图像数据集计算得到混叠数据。

本实施例中，混叠计算单元330通过获取的导航数据集和图像数据集进行估算，以得到部分可分离函数模型中的参数，实现K空间中并行成像数据的插值。混叠数据是与时间相关的，任一混叠数据均与时间轴上的时刻相对应。

一实施例中，部分可分离函数模型认为图像函数ρ(r,t)的空间变化和时间变化是L阶可分离的，根据部分可分离函数的性质和傅里叶变换的线性特性，混叠数据S(k,t)可表示为空间基函数{c_l(k)}和时间基函数这两个独立变量函数之和，即通过如以下公式表示部分可分离函数模型：

其中，L为频率成分参数。

通过上述公式，将磁共振信号在时间空间联合维度中的复杂运动转化为空间中每一点的磁共振信号随时间变化的较为简单的数学问题，即只需要准确预知频率成分参数L、空间基函数{c_l(k)}以及时间基函数

就可以实现高空间高时间分辨率的插值恢复。

为了能够准确估算频率成分参数L、空间基函数{c_l(k)}以及时间基函数

混叠计算单元330通过导航数据集来确定频率成分参数L和时间基函数通过高空间、低时间分辨率的图像数据集来确定空间基函数{c_l(k)}，其中，采集到的导航数据集和图像数据集必须满足以下3个条件：（1）脉冲重复时间T_R必须满足导航数据集的时间奈奎斯特速率；（2）相位编码方向的采样间隔Δk_y必须满足并行成像加速倍数的整数倍；（3）从动态图像数据集获取的采样帧数N必须大于或者等于阶数L。

对部分可分离函数模型从最优化问题求解方面可以描述为混叠计算单元330首先对采集到的导航数据集抽取成导航数据矩阵：

然后对导航数据矩阵C进行奇异值分解得到其中，{λ_l}为导航数据矩阵C中按降序排列的奇异值，{μ_l}和

是导航数据矩阵C的左特征向量和右特征向量。取前L个左特征向量作为部分可分离函数模型中的时间基函数，即：

频率成分函数可以通过以下公式以及噪声水平来确定：

${\left|\right|C-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{\mathrm{\μ}}_l{v}_l^H\left|\right|}_2=\underset{\mathrm{rank}\left(B\right)\≤L}{\min }{\left|\right|C-B\left|\right|}_2={\mathrm{\λ}}_{L+1}$ 或

${\left|\right|C-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{\mathrm{\μ}}_l{v}_l^H\left|\right|}_F=\underset{\mathrm{rank}\left(B\right)\≤L}{\min }{\left|\right|C-B\left|\right|}_F=\sqrt{\underset{l=L+1}{\overset{\min \{Q,N\}}{\mathrm{\Σ}}}{\mathrm{\λ}}_l}$

此时，利用计算得到的时间基函数和图像数据集进行空间基函数的预设，即：

其中，为时间基函数（l＝1,2,...,L,n＝1,2,...,N）,

为待预测的空间基函数，

为图像数据集（p＝1,2,...,P,n＝1,2,...N），并且可将以上公式简写为

并行成像重建模块50，用于对混叠数据进行图像重建得到动态图像。

本实施例中，在得到混叠数据之后，由于每一接收线圈所对应的通道中混叠数据存在着伪影，需要并行成像重建模块50去除混叠数据中的伪影，进而通过图像重建得到动态图像，该动态图像是与时间轴上的时刻相对应的。

在一个实施例中，如图9所示，上述并行成像重建模块50包括权重计算单元510、拟合单元530以及数据变换单元550。

权重计算单元510，用于通过扫描线计算得到线性权重因子。

本实施例中，权重计算单元510通过扫描线的线性组合与混叠数据的线性组合之间近似相等的关系计算得到线性权重因子，详细过程如以下公式所示：

$\hat{d}(k_m+\mathrm{p\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{d}_l^{\mathrm{ACS}}(k_y+\mathrm{m\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{d}_l\left(k_m\right)$

其中，

为扫描线的线性组合，d_l(k_m)为混叠数据，a_l，p为线性权重因子，k_m为欠采样相位线，k_y为参考相位线，Δk_y为相位编码方向的采样间隔。

拟合单元530，用于根据线性权重因子逐一对混叠数据进行拟合得到相应的图像K空间数据。

本实施例中，为构造出缺失的数据，拟合单元530对每一接收线圈对应的混叠数据进行拟合得到图像K空间数据，该图像数据即为每一接收线圈的全K空间数据，详细拟合过程如以下公式所示：

${\hat{d}}_l^{\mathrm{ACS}}(k_m+\mathrm{\ρ\Δ}{k}_y)={\mathrm{\Σ}}_{l=0}^L{a}_{l,p}{d}_l\left(k_m\right)$

通过上述过程将进一步提高拟合的精度，进而更为有效地抑制伪影。

数据变换单元550，用于对图像K空间数据进行反傅里叶变换得到动态图像。

上述磁共振动态成像方法及系统中，获取视野中的并行采样数据，对获取的并行采样数据进行插值恢复得到混叠数据，即利用并行采集的方式快速采集数据，并通过部分可分离函数重建出具有高空间分辨的动态图像。该方法与现有并行成像方法相比，可以同时实现高时空分辨成像，有效克服磁共振成像中时间和空间此消彼长的制约关系，而且与部分可分离函数模型相比，降低了传统部分可分离函数模型所需的预扫描数据量，缩短预扫描时间。

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 (10)

1.一种磁共振动态成像方法，包括如下步骤：

在视野中进行扫描得到并行采样数据；

对所述并行采样数据进行部分可分离函数重建得到混叠数据；

对所述混叠数据进行图像重建得到动态图像。

2.根据权利要求1所述的磁共振动态成像方法，其特征在于，所述在视野中进行扫描得到并行采样数据的步骤为：

向扫描对象施加脉冲序列；

对所述扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到所述并行采样数据；

对所述扫描对象进行附加扫描，并采集得到扫描线。

3.根据权利要求1所述的磁共振动态成像方法，其特征在于，所述对所述并行采样数据进行插值恢复得到混叠数据的步骤为：

从所述并行采样数据中获取导航数据集和图像数据集；

通过所述导航数据集和图像数据集计算得到混叠数据。

4.根据权利要求2所述的磁共振动态成像方法，其特征在于，所述对所述混叠数据进行图像重建得到动态图像的步骤为：

通过所述扫描线计算得到线性权重因子；

根据所述线性权重因子逐一对所述混叠数据进行拟合得到相应的图像K空间数据；

对所述图像K空间数据进行反傅里叶变换得到动态图像。

5.根据权利要求3所述的磁共振动态成像方法，其特征在于，所述与时间相关的混叠数据和动态图像是与时间轴上的时刻相对应的。

6.一种磁共振动态成像系统，其特征在于，包括：

扫描模块，用于在视野中进行扫描得到并行采样数据；

部分可分离函数重建模块，用于对所述并行采样数据进行部分可分离函数重建得到混叠数据；

并行成像重建模块，用于对所述混叠数据进行并行成像图像重建得到动态图像。

7.根据权利要求6所述的磁共振动态成像系统，其特征在于，所述扫描模块包括：

发射单元，用于向扫描对象施加脉冲序列；

接收线圈，用于对所述扫描对象受脉冲序列激发所释放的磁共振信号进行采集得到所述并行采样数据；

附加扫描单元，用于对所述扫描对象进行附加扫描，并采集得到扫描线。

8.根据权利要求6所述的磁共振动态成像系统，其特征在于，所述部分可分离函数重建模块包括：

数据集获取单元，用于从所述并行采样数据中获取导航数据集和图像数据集；

混叠计算单元，用于通过所述导航数据集和图像数据集计算得到混叠数据。

9.根据权利要求7所述的磁共振动态成像系统，其特征在于，所述并行成像重建模块包括：

权重计算单元，用于通过所述扫描线计算得到线性权重因子；

拟合单元，用于根据所述线性权重因子逐一对所述混叠数据进行拟合得到相应的图像K空间数据；

数据变换单元，用于对所述图像K空间数据进行反傅里叶变换得到动态图像。

10.根据权利要求8所述的磁共振动态成像系统，其特征在于，所述与时间相关的混叠数据和动态图像是与时间轴上的时刻相对应的。

Images