CN103505206A - 一种基于压缩感知理论的快速并行动态磁共振成像方法 - Google Patents
一种基于压缩感知理论的快速并行动态磁共振成像方法 Download PDFInfo
- Publication number
- CN103505206A CN103505206A CN201210200798.5A CN201210200798A CN103505206A CN 103505206 A CN103505206 A CN 103505206A CN 201210200798 A CN201210200798 A CN 201210200798A CN 103505206 A CN103505206 A CN 103505206A
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- dynamic magnetic
- fast
- method based
- resonance imaging
- 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.)
- Pending
Links
Images
Abstract
现有的成像方法速度比较慢,硬件成本高,本发明公开了一种基于CS压缩感知理论的快速并行动态磁共振成像方法。本发明在设定的加速因子下,产生k-t空间的不相干采样轨迹,然后按照该轨迹采集数据;接着,利用动态MRI图像稀疏和低秩结构的复合信息建立目标函数;最后,通过快速复合分裂算法(FCSA)求解该复合正则化目标函数,能够快速并行的得到最优解,从而重建原始的动态MRI图像序列。本发明突破了经典奈奎斯特采样定理的极限,通过随机采样少量数据点,结合联合稀疏信息,利用可并行实现的FCSA算法重建动态MRI图像序列,从而大幅度的缩短了磁共振成像时间。
Description
技术领域
本发明涉及医学成像检测技术领域,特别涉及医学磁共振成像技术领域,具体是指一种基于压缩感知的快速并行动态磁共振成像方法。
背景技术
动态磁共振成像(dMRI)是一种利用体外测量的核磁共振信号产生体内器官动态特性的体素图像成像技术,是一种具有较高软组织分辨能力的无损伤诊断方法,具有X-CT等成像方法无法比拟的优点。然而,常规的动态磁共振成像时间比较长,成本过高,而且很难避免被验者身体中生理性运动所产生影像的模糊和对比度的失真,从而限制了它的实际临床应用。
影响动态磁共振成像速度的主要包括两个方面:(1)原始数据采集速度;(2) k-t空间数据采集数量。研究人员通过改进MRI硬件、快速序列设计研究及有效的采集轨迹来提高原始数据采集速度。但是由于硬件和人的生理条件限制,在缩短数据采集时间方面已经接近极限。因此,更多的研究者把精力放在如何在不降低图像质量条件下减少数据采集总量上。
传统的快速动态磁共振成像方法都受到奈奎斯特定理的限制,例如k-t Blast、k-t SENSE、UNFOLD等。但是近年来提出的压缩感知理论,突破了香农(Shannon)采样定理关于采样速率必须高于两倍信号带宽的极限,因此,一些基于压缩感知理论的动态磁共振成像方法被提了出来,例如k-t SPARSE、k-t FOCUSS、k-t SLR等。这些基于压缩感知的算法能够更好的利用动态数据k空间和时间的相关性,来减少采集成像所需的数据,不仅减少误差而且进一步加速图像采集,因此成为动态磁共振领域的研究热点。而其中最新的k-t SLR不仅利用了数据的稀疏性还能够有效的处理低秩结构,该方法可以在不适用门控技术和存在自由呼吸的情况下对心脏等运动部位进行高分辨率扫描,成为一个非常有潜力的研究方向。
发明内容
本发明的目的是为了进一步加快动态磁共振成像速度,提供了一种基于压缩感知技术的快速并行动态磁共振成像方法。该方法继承了k-t SLR方法的优点,不需要门控技术仍然能够对存在呼吸运动影响的心脏运动进行高分辨率动态成像,而且采用快速的复合分裂算法(FCSA),算法具有较快速的收敛性,能够快速重建高质量的动态图像。
本文基于压缩感知的快速动态磁共振成像方法具体步骤如下:
这里,表示空时信号,是空间位置,代表时间, 表示第个采样位置,是离散的时间点总数。将上面的表达式写成向量的形式,其中,是傅里叶采样运算符,具体的形式由采样轨迹决定。动态磁共振成像的目标就是将信号从测量的空间采样点中恢复出来。
这样就可以用kt-SLR模型来求解该问题,同时利用矩阵稀疏和低秩的性质,动态磁共振成像问题可以写为:
利用拉格朗日多乘子法,放松惩罚项,可以将上面的公式写为:
上述技术可以直接应用到一般的稀疏变换上,但对于梯度稀疏,为了调整这种技术使其应用到全变差(Total Variation,TV)正则化,需要把不可分的惩罚表示为
(5)
(3) 求解复合正则化问题
采用复合分裂算法(Fast Composite Splitting Algorithms,FCSA)高效地求解复合的正则化问题,该算法能够高效地将原始复杂问题分解为多个更简单的子问题,然后并行高效地求解它们。FCSA利用了FISTA算法的快速收敛性,也能够在次迭代中获得精确度为的最优解。如果采用当前并行处理技术,那么所需要的CPU时间要明显小于求解原始问题所用时间,从而可以得到算法1。
算法1 FCSA-kt SLR
附图说明
图1用FCSA算法重建 MRI心脏电影图像的SER伴随加速因子的曲线(径向采样模式)。
图2 用FCSA算法重建 MRI心脏电影图像的SER伴随加速因子的曲线(笛卡尔采样轨迹)。
图3 采用不同正则化组合重建 MRI心脏电影图像的效果对比,(a) 全采样重建,(b) 直接逆傅里叶变换,(c) TV重建,(d) 谱和TV惩罚重建,(e) 谱惩罚项重建,(f) x-f惩罚重建,(g) 谱惩罚和x-f惩罚重建。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。
(1) 从磁共振扫描仪上获取k-t空间的测量样本数据,,是傅里叶采样运算符,具体的形式由采样轨迹决定。这里可以选择笛卡尔采样轨迹和非笛卡尔采样轨迹,常用的非笛卡尔采样轨迹有径向、螺旋、同心圆等,如果采用非笛卡尔采样轨迹,那么需要把非笛卡尔坐标利用插值映射到最近邻的整数点笛卡尔网格点上。
(2) 对于具体的应用选择合适的稀疏变换。例如,对于动态心脏电影成像选择x-f稀疏域,对于存在呼吸运动的心脏灌注成像,采用3D全变差(TV)稀疏域。之后,结合低秩结构,建立复合正则化目标函数。
(3) 正则参数最优组合的确定。采用复合优化算法进行动态磁共振成像,即将信号从测量的空间采样点中恢复出来。利用算法1来求解公式(4)。由于目标函数中含有两个正则化参数,因此,在实际操作中,要适当的选取多种正则化参数的组合,运行该算法后,选择重建效果最好的最优正则化参数。多次实验发现,对于同一动态磁共振成像序列,最优正则化参数一般变化不大。
(4) 用FCSA方法求解最优参数组合的复合正则化问题,即公式(4),得到的解就是重建的动态磁共振图像序列。
图1和图2说明对于动态MRI心脏电影图像,不论是笛卡尔轨迹还是径向轨迹,采用rank和x-f约束的重建效果的SER最大,效果最好。图3展示的重建图像也验证了这一点。
信号误差比SER定义如下,
(11)
Claims (3)
2.一种基于CS压缩感知理论的快速并行动态磁共振成像方法,其特征在于该方法包括以下步骤:
2-1 按照设定的加速因子,确定采样轨迹,采集动态磁共振成像扫描仪中的k-t空间数据;
2-2 对动态磁共振图像序列选择适当的稀疏变换,并结合低秩约束;
2-3 采用FCSA算法来快速并行求解优化目标。
3.根据权利要求1所述的一种基于CS压缩感知理论的快速并行动态磁共振成像方法,其特征在于:步骤2-2中可以同时考虑稀疏和低秩结构,能够更充分利用数据冗余性,从而改进了成像质量,最优化正则化参数组合由经验确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210200798.5A CN103505206A (zh) | 2012-06-18 | 2012-06-18 | 一种基于压缩感知理论的快速并行动态磁共振成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210200798.5A CN103505206A (zh) | 2012-06-18 | 2012-06-18 | 一种基于压缩感知理论的快速并行动态磁共振成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103505206A true CN103505206A (zh) | 2014-01-15 |
Family
ID=49889028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210200798.5A Pending CN103505206A (zh) | 2012-06-18 | 2012-06-18 | 一种基于压缩感知理论的快速并行动态磁共振成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103505206A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937706A (zh) * | 2012-10-31 | 2013-02-20 | 中国科学院深圳先进技术研究院 | 一种磁共振并行成像方法及磁共振成像仪 |
CN104107044A (zh) * | 2014-06-27 | 2014-10-22 | 山东大学(威海) | 一种基于tv范数和l1范数的压缩感知磁共振图像重构方法 |
CN105005012A (zh) * | 2015-06-05 | 2015-10-28 | 北京大学 | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 |
CN105467339A (zh) * | 2015-12-31 | 2016-04-06 | 深圳先进技术研究院 | 一种快速多层磁共振成像方法和装置 |
CN105739951A (zh) * | 2016-03-01 | 2016-07-06 | 浙江工业大学 | 一种基于gpu的l1最小化问题快速求解方法 |
CN105844699A (zh) * | 2016-03-15 | 2016-08-10 | 北京工商大学 | 基于复合正则化技术的荧光显微图像三维重建方法及系统 |
CN105957117A (zh) * | 2016-04-26 | 2016-09-21 | 东南大学 | 并行磁共振的图像重建方法、装置及并行磁共振成像系统 |
CN106530367A (zh) * | 2016-09-29 | 2017-03-22 | 天津大学 | 一种基于Firm阈值迭代的电学层析成像稀疏重建方法 |
CN104156994B (zh) * | 2014-08-14 | 2017-03-22 | 厦门大学 | 一种压缩感知磁共振成像的重建方法 |
CN107615089A (zh) * | 2014-01-03 | 2018-01-19 | 朱宇东 | 压缩感知和mri的建模和验证方法 |
CN108416819A (zh) * | 2018-02-24 | 2018-08-17 | 南京医科大学 | 一种基于curvelet-fista的压缩采样磁共振图像重建方法 |
CN108717171A (zh) * | 2018-05-24 | 2018-10-30 | 上海理工大学 | 一种压缩感知低场磁共振成像算法 |
CN109345473A (zh) * | 2018-09-12 | 2019-02-15 | 南京医科大学 | 一种基于自适应快速迭代收缩阈值算法的图像处理方法 |
CN110426704A (zh) * | 2019-08-20 | 2019-11-08 | 中国科学院重庆绿色智能技术研究院 | 一种用于稀疏阵列的全变差快速成像算法 |
CN110570485A (zh) * | 2019-08-23 | 2019-12-13 | 苏州朗润医疗系统有限公司 | 一种基于fcsa改进的压缩感知加速重建方法 |
CN110604547A (zh) * | 2019-08-07 | 2019-12-24 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102389309A (zh) * | 2011-07-08 | 2012-03-28 | 首都医科大学 | 基于压缩感知理论的磁共振图像重建的方法 |
-
2012
- 2012-06-18 CN CN201210200798.5A patent/CN103505206A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102389309A (zh) * | 2011-07-08 | 2012-03-28 | 首都医科大学 | 基于压缩感知理论的磁共振图像重建的方法 |
Non-Patent Citations (4)
Title |
---|
JUNZHOU HUANG, ET AL.: "Composite splitting algorithms for convex optimization", 《COMPUTER VISION AND IMAGE UNDERSTANDING》 * |
JUNZHOU HUANG, ET AL.: "Efficient MR image reconstruction for compressed MR imaging", 《MEDICAL IMAGE ANALYSIS》 * |
JUNZHOU HUANG, ET AL.: "Efficient MR image reconstruction for compressed MR imaging", 《MEDICAL IMAGE ANALYSIS》, vol. 15, 31 December 2011 (2011-12-31) * |
LUSTIG M,ET AL.: "Sparse MRI: The Application of Compressed Sensing for Rapid MR Imaging", 《MAGNETIC RESONANCE IN MEDICINE》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937706B (zh) * | 2012-10-31 | 2016-08-03 | 中国科学院深圳先进技术研究院 | 一种磁共振并行成像方法及磁共振成像仪 |
CN102937706A (zh) * | 2012-10-31 | 2013-02-20 | 中国科学院深圳先进技术研究院 | 一种磁共振并行成像方法及磁共振成像仪 |
CN107615089A (zh) * | 2014-01-03 | 2018-01-19 | 朱宇东 | 压缩感知和mri的建模和验证方法 |
CN107615089B (zh) * | 2014-01-03 | 2023-12-19 | 朱宇东 | 压缩感知和mri的建模和验证方法 |
CN104107044A (zh) * | 2014-06-27 | 2014-10-22 | 山东大学(威海) | 一种基于tv范数和l1范数的压缩感知磁共振图像重构方法 |
CN104156994B (zh) * | 2014-08-14 | 2017-03-22 | 厦门大学 | 一种压缩感知磁共振成像的重建方法 |
CN105005012A (zh) * | 2015-06-05 | 2015-10-28 | 北京大学 | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 |
CN105005012B (zh) * | 2015-06-05 | 2017-09-26 | 北京大学 | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 |
CN105467339A (zh) * | 2015-12-31 | 2016-04-06 | 深圳先进技术研究院 | 一种快速多层磁共振成像方法和装置 |
CN105739951A (zh) * | 2016-03-01 | 2016-07-06 | 浙江工业大学 | 一种基于gpu的l1最小化问题快速求解方法 |
CN105739951B (zh) * | 2016-03-01 | 2018-05-08 | 浙江工业大学 | 一种基于gpu的l1最小化问题快速求解方法 |
CN105844699A (zh) * | 2016-03-15 | 2016-08-10 | 北京工商大学 | 基于复合正则化技术的荧光显微图像三维重建方法及系统 |
CN105844699B (zh) * | 2016-03-15 | 2018-08-17 | 北京工商大学 | 基于复合正则化技术的荧光显微图像三维重建方法及系统 |
CN105957117B (zh) * | 2016-04-26 | 2018-09-14 | 东南大学 | 并行磁共振的图像重建方法、装置及并行磁共振成像系统 |
CN105957117A (zh) * | 2016-04-26 | 2016-09-21 | 东南大学 | 并行磁共振的图像重建方法、装置及并行磁共振成像系统 |
CN106530367A (zh) * | 2016-09-29 | 2017-03-22 | 天津大学 | 一种基于Firm阈值迭代的电学层析成像稀疏重建方法 |
CN108416819A (zh) * | 2018-02-24 | 2018-08-17 | 南京医科大学 | 一种基于curvelet-fista的压缩采样磁共振图像重建方法 |
CN108717171A (zh) * | 2018-05-24 | 2018-10-30 | 上海理工大学 | 一种压缩感知低场磁共振成像算法 |
CN109345473B (zh) * | 2018-09-12 | 2021-04-13 | 南京医科大学 | 一种基于自适应快速迭代收缩阈值算法的图像处理方法 |
CN109345473A (zh) * | 2018-09-12 | 2019-02-15 | 南京医科大学 | 一种基于自适应快速迭代收缩阈值算法的图像处理方法 |
CN110604547A (zh) * | 2019-08-07 | 2019-12-24 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
CN110604547B (zh) * | 2019-08-07 | 2021-12-21 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
CN110426704A (zh) * | 2019-08-20 | 2019-11-08 | 中国科学院重庆绿色智能技术研究院 | 一种用于稀疏阵列的全变差快速成像算法 |
CN110426704B (zh) * | 2019-08-20 | 2023-03-24 | 中国科学院重庆绿色智能技术研究院 | 一种用于稀疏阵列的全变差快速成像算法 |
CN110570485A (zh) * | 2019-08-23 | 2019-12-13 | 苏州朗润医疗系统有限公司 | 一种基于fcsa改进的压缩感知加速重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103505206A (zh) | 一种基于压缩感知理论的快速并行动态磁共振成像方法 | |
US20200225307A1 (en) | System, method and computer-accessible medium for dynamic magnetic resonance imaging | |
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 | |
CN104933683B (zh) | 一种用于磁共振快速成像的非凸低秩重建方法 | |
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 | |
US9953439B2 (en) | Systems and methods for three-dimensional spiral perfusion imaging | |
CN105980875B (zh) | 经校正的多切片磁共振成像 | |
Xue et al. | High spatial and temporal resolution retrospective cine cardiovascular magnetic resonance from shortened free breathing real-time acquisitions | |
Menchón-Lara et al. | Reconstruction techniques for cardiac cine MRI | |
KR101499829B1 (ko) | 이미지 데이터 프로세싱 장치, 자기 공명 촬영 데이터 프로세싱 장치 및 이미지 데이터 프로세싱 방법 | |
US8873819B2 (en) | Method for sorting CT image slices and method for constructing 3D CT image | |
CN101975936A (zh) | 一种基于cs压缩感知技术的快速磁共振成像方法 | |
US20150285889A1 (en) | Systems and methods for accelerated imaging using variable density sampling and compressed sensing with parallel imaging | |
US10219787B2 (en) | Respiratory mode (“R-Mode”)—acquisition and display of cardiovascular images to show respiratory effects | |
CN103502831A (zh) | 对运动中目标的磁共振成像 | |
US20170169563A1 (en) | Low-Rank and Sparse Matrix Decomposition Based on Schatten p=1/2 and L1/2 Regularizations for Separation of Background and Dynamic Components for Dynamic MRI | |
CN103876739B (zh) | 用于并行成像应用的多阶段磁共振重建 | |
Curtis et al. | Primer and historical review on rapid cardiac CINE MRI | |
CN102973271A (zh) | 磁共振动态成像方法及系统 | |
Lai et al. | Sparse MRI reconstruction using multi-contrast image guided graph representation | |
Shao et al. | SPECTnet: a deep learning neural network for SPECT image reconstruction | |
CN105678822B (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 | |
CN104107044A (zh) | 一种基于tv范数和l1范数的压缩感知磁共振图像重构方法 | |
Jaubert et al. | Deep artifact suppression for spiral real-time phase contrast cardiac magnetic resonance imaging in congenital heart disease |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140115 |