CN103675737B - 扩散磁共振成像和重建方法 - Google Patents
扩散磁共振成像和重建方法 Download PDFInfo
- Publication number
- CN103675737B CN103675737B CN201310659202.2A CN201310659202A CN103675737B CN 103675737 B CN103675737 B CN 103675737B CN 201310659202 A CN201310659202 A CN 201310659202A CN 103675737 B CN103675737 B CN 103675737B
- Authority
- CN
- China
- Prior art keywords
- image
- diffusion
- time
- reconstructing
- merging
- 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
- 238000009792 diffusion process Methods 0.000 title claims abstract description 86
- 238000002595 magnetic resonance imaging Methods 0.000 title claims abstract description 28
- 238000001646 magnetic resonance method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000003384 imaging method Methods 0.000 claims abstract description 40
- 230000035945 sensitivity Effects 0.000 claims abstract description 17
- 230000000977 initiatory effect Effects 0.000 claims abstract description 4
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 241000135164 Timea Species 0.000 claims 1
- 230000007423 decrease Effects 0.000 abstract description 3
- 238000012804 iterative process Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002598 diffusion tensor imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开一种扩散磁共振成像和重建方法。该方法包括:S1、使用多个通道线圈,采用多次激发扩散成像方式对被测目标进行信号采集,以获取k空间数据;S2、计算线圈敏感度图,进行迭代初始化;S3、根据采集到的k空间数据、计算得到的线圈敏感度图和初始化参数,基于POCS算法,对所需的扩散图像进行迭代重建。本发明的方法不仅提高了信号的采集效率,而且减少了图像的模糊伪影和运动伪影,提高了图像分辨率。
Description
技术领域
本发明涉及磁共振成像技术领域,尤其涉及一种扩散磁共振成像和重建方法。
背景技术
磁共振影像中的扩散成像技术是目前活体测量水分子扩散运动的唯一影像手段。在磁共振影像扩散成像中,通过沿着多个方向施加扩散梯度感知水分子的微观运动来探测组织的微细结构,既可以获得结构信息,又可以产生功能信息。因此,该技术在过去十年内得到了很快的发展,并逐渐成为了一项重要的常规临床检查和科研工具。由于技术上的限制,现在临床上使用的扩散成像方法通常采用单次激发的回波平面成像(Echo Planar Imaging,EPI)序列,单次激发EPI成像特点是扫描时间短,且不存在多次激发之间由于运动导致的相位误差。然而,单次激发技术有它本身的不足,例如空间分辨率低,过长的信号读取所造成的图像变形等。随着临床和神经成像研究需求的增加,人们期待扩散成像能提供更高的分辨率和更高的信噪比的图像。然而对传统的磁共振成像来说,在较少的成像时间内提高空间分辨率、信噪比和保真度一直是一个挑战。
与EPI相比,螺旋轨迹能够有效减少图像变形。传统的螺旋扩散成像采用变密度螺旋轨迹,将每次激发时采集到的位于k空间中心的满采样数据作为导航数据,来矫正运动带来的相位误差;不过这种成像方式增加了每次激发的采集时间,采集效率低,带来模糊伪影。近来,提出了一种基于均匀径向密度的螺旋轨迹的高分辨率扩散成像重建方法SENSE+CG,对SENSE+CG技术的详细说明可以参考2013年Magnetic Resonance in Medicine00:000–000,Trong-Kha Truong等的“High-Resolution Multishot Spiral Diffusion Tensor Imaging withInherent Correction of Motion-Induced Phase Errors”,此处并入以供参考。在该重建方法中,通常采用SENSE技术估计每次激发的运动误差,对SENSE技术的详细说明可以参考2001年Magnetic Resonance in Medicine46:638-651,Klaas P.Pruessmann等的“Advances inSensitivity Encoding With Arbitrary k-Space Trajectories”,此处并入以供参考。然后,利用共轭梯度算法(Conjugate Gradient,简称CG),将估计出的误差融入重建中,恢复出图像。但是,该算法要求激发次数(等同于SENSE加速倍数)相对阵列线圈数目要较小,否则会受并行成像g因子的影响,从而带来图像信噪比下降,因此激发的次数受到限制。进而,这会导致每次激发采集时间较长,获得的图像模糊且分辨率受到影响。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明需要提供一种扩散磁共振成像和重建方法,该方法提高了信号的采集效率,并且矫正不同激发之间由运动导致的相位误差。
进一步地,本发明需要提供一种扩散磁共振成像和重建方法,该方法减少了图像模糊伪影和运动伪影,提高了图像分辨率。
为了解决上述技术问题中的至少一个,根据本发明实施例的扩散磁共振成像和重建方法可以包括以下步骤:S1、使用多个通道线圈,采用多次激发扩散成像,对被测目标进行信号采集,以获取k空间数据kd;S2、计算每个所述通道线圈的线圈敏感度图,并对所需的扩散图像f进行迭代初始化;以及S3、根据所述k空间数据kd、所述线圈敏感度图和所述迭代初始化的初始化参数,对所述扩散图像f进行重建,以获得所需的扩散图像f。
由此,根据本发明实施例的扩散磁共振成像和重建方法,可以有效地提高信号的采集效率,并且可矫正不同激发之间由运动导致的相位误差,减少了图像模糊伪影和运动伪影,加快数据采集,提高了图像分辨率。
另外,根据本发明的扩散磁共振成像和重建方法还具有如下附加技术特征:
所述重建包括基于POCS算法进行多次迭代,以重建所需的所述扩散图像f,其中,第n+1次被执行的所述迭代包括如下步骤:S31、根据所述k空间数据kd进行图像更新,以获得更新后的每次所述激发、每个所述通道线圈的图像gi,j,其中,i=1…N,N为所述激发的次数,j=1…Nc,Nc为所述通道线圈的个数;S32、对于每次所述激发,将每个所述通道线圈更新后的所述图像gi,j进行通道合并,得到每次所述激发的合并图像hi;S33、将每次所述激发的所述合并图像hi求平均得到平均图像并判断所述平均图像是否迭代收敛,其中,n+1为迭代次数;S34,如果收敛,则所述平均图像为所需的扩散图像;以及S35,如果不收敛且n+1小于预设的最大迭代次数,则对每次所述激发进行相位恢复,以得到第n+2次迭代所需的每次所述激发的初始图像,并根据所述初始图像继续执行所述步骤S31。这样可保证迭代重建收敛,进而提高图像的分辨率。
所述信号采集为回波平面成像、均匀密度螺旋式成像或变密度螺旋式成像中的一种或多种。
所述步骤S31进一步包括:S311、对于每次所述激发,将第n次迭代的每次激发的更新图像fi (n)作为所需的所述扩散图像f的图像估计值;S312、对于每次所述激发,将所需的所述扩散图像f的图像估计值和每个所述通道线圈的所述线圈敏感度图相乘,并依次经过傅里叶变换和反网格化变换得到k空间数据kcn+1;S313、将所述k空间数据kcn+1和所述k空间数据kd相减,并将得到的差值依次经过网格化变换和反傅里叶变换,以得到每次所述激发、每个所述通道线圈图像的图像域误差;以及S314、将所述图像域误差和所需的所述扩散图像f的所述图像估计值相加,得到每次所述激发对应的每个所述通道线圈图像更新后的图像gi,j。
所述通道合并采用最优化信噪比方法、SOS方法、自适应重建方法、主成分分析方法、奇异值分解方法中的任意一种。
在所述通道合并采用所述最优化信噪比方法时,所述合并图像hi通过下述重建模型获得:其中Sj为第j个所述通道线圈的线圈敏感度图。
所述步骤S33进一步包括:S331、对每次所述激发的所述合并图像hi的低频相位进行估计,得到每次所述激发的所述合并图像hi的低频相位;以及S332、将所述低频相位从相应的所述合并图像hi中移除,并将得到的新的每次所述激发的合并图像求平均,以得到所述多次激发的所述平均图像这样,在每次迭代过程中将各激发图像求平均,提高了图像的信噪比。
所述步骤S331进一步包括:将每次所述激发的所述合并图像hi通过快速傅里叶变换以得到与所述合并图像hi对应的k空间数据kei,并对所述k空间数据kei进行加窗,且通过对加窗后的所述k空间数据kei进行快速反傅里叶变换,以得到低分辨率图像;以及选取所述低分辨率图像中的相位作为每次所述激发的所述合并图像hi的所述低频相位。
所述步骤S331进一步包括:将每次所述激发的所述合并图像hi进行低通滤波,并将滤波后的图像的相位作为每次所述激发的所述合并图像hi的所述低频相位。
所述步骤S35进一步包括:如果判断所述平均图像不收敛且n+1小于所述最大迭代次数,则分别将每次所述激发的所述合并图像hi的所述低频相位与所述平均图像相乘,以得到用于下一次迭代的所述扩散图像f的初始值fi (n+1),并基于所述初始值fi (n+1)继续执行所述步骤S31,其中fi (n+1)为第n+1次迭代、第i次所述激发的更新图像,i=1…N,N为所述激发的次数。
根据本发明实施例的扩散磁共振成像和重建方法,通过多个通道线圈对被测目标进行多次激发进行信号采集,以获取k空间数据,并对获取到的k空间数据进行迭代重建,直至迭代收敛或整个迭代过程结束,从而得到所需的扩散图像,至少具有以下优点:(1)使得信号采集更快,不需要采集导航信息,可有效地提高单位时间内的图像生成率;(2)有效地消除了由于不同激发间的运动伪影,可以用多次激发的方式采集扩散图像,进而提高图像的分辨率,减少图像模糊或变形;(3)在整个迭代过程中,可自动消除由于运动引起的相位误差,在每次迭代过程中可将各激发图像求平均,提高了图像的信噪比;(4)不需要用SENSE求解出每次激发的相位误差,受接收阵列线圈的阵列数的影响较小,增加激发的次数,在更大程度上缩短了每次激发的采集时间,进一步减少图像模糊或变形。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是根据本发明一个实施例的扩散磁共振成像和重建方法的流程图;
图2是根据本发明一个具体实施例的扩散磁共振成像和重建方法的流程图;
图3是根据本发明一个实施例的扩散磁共振成像和重建方法中的迭代重建的流程图;以及
图4是根据本发明一个实施例的对各通道图像进行更新以得到更新后的图像gi,j的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
下面将结合附图来详细描述根据本发明的一个实施例的扩散磁共振成像和重建方法,其中图1显示了根据本发明一个实施例的扩散磁共振成像和重建方法的流程图。在下述的对本发明实施例的扩散磁共振成像和重建方法的说明中,采用了基于凸集投影POCS算法的高分辨率扩散成像重建方法,并对采集到的k空间数据进行迭代重建,以获得所需的扩散图像,对POCS算法的详细说明可以参考1996年SIAM REVIEW Vol.38,No.3,pp.367–426,HEINZ H.BAUSCHKE等的“ON PROJECTION ALGORITHMS FOR SOLVINGCONVEX FEASIBILITY PROBLEMS”,此处并入以供参考。
如图1所示,该扩散磁共振成像和重建方法可以包括以下步骤:使用多个通道线圈,采用多次激发扩散成像,对被测目标进行信号采集,以获取k空间数据kd(步骤S101);计算每个通道线圈的线圈敏感度图,并对所需的扩散图像f进行迭代初始化(步骤S102);根据k空间数据kd、线圈敏感度图和迭代初始化的初始化参数,对扩散图像f进行迭代重建,获得所需的扩散图像f(步骤S103)。
根据本发明实施例的扩散磁共振成像和重建方法,通过多个通道线圈对被测目标进行多次激发进行信号采集,以获取k空间数据,并对获取到的k空间数据进行迭代重建,直至迭代收敛或整个迭代过程结束,从而得到所需的扩散图像,至少具有以下优点:(1)使得信号采集更快,不需要采集导航信息,可有效地提高单位时间内的图像生成率;(2)有效地消除了由于不同激发间的运动伪影,可以用多次激发的方式采集扩散图像,进而提高图像的分辨率,减少图像模糊或变形;(3)在整个迭代过程中,可自动消除由于运动引起的相位误差,在每次迭代过程中可将各激发图像求平均,提高了图像的信噪比;(4)不需要用SENSE求解出每次激发的相位误差,受接收阵列线圈的阵列数的影响较小,增加激发的次数,在更大程度上缩短了每次激发的采集时间,进一步减少图像模糊或变形。
下面将结合图2对上述各步骤进行详细说明,特别地在下述中,该扩散磁共振成像和重建方法主要可以分成信号采集和图像重建。下文公开提供了一种实施例用来实现本发明的不同结构;需要指出的是,除本文提供的实施例之外,也可以有其他不同的方法或例子实现本发明的不同结构。
为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。此外,本发明提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。
1、信号采集
在信号采集的过程中,可使用多个通道线圈,采用多次激发扩散成像,对被测目标进行信号采集,以获取k空间数据kd(步骤S201)。其中,在本发明的一个实施例中,信号采集可为回波平面成像、均匀密度螺旋式成像或变密度螺旋式成像等中的一种或多种,并且在信号采集时可以结合并行成像技术。此外,扩散加权梯度的施加可以是任意的,如梯度回波中的Bipolar形式,单自旋回波或双自旋回波中多种梯度施加形式。也就是说,信号采集可采用多次激发的成像序列,可以是多次激发EPI扩散成像,也可以是多次激发螺旋轨迹扩散成像。
需要说明的是,在步骤S201的信号采集中,不需要采集额外的导航回波信号。这样,使得信号采集更快,有效提高单位时间内的图像生成率,并且可有效消除由于不同激发间的运动伪影,可以用多次采集的方式采集扩散图像,进而提高图像的分辨率,减少图像模糊或变形。为方便说明,下面以多次激发的均匀密度螺旋轨迹扩散成像为例。
2、图像重建
对于图像的重建,本发明采用基于POCS算法的高分辨率扩散成像重建方法,对采集到的k空间数据进行迭代重建,获得所需的扩散图像f。下面以多次激发的均匀密度螺旋轨迹扩散成像为例,给出本发明的一种具体实现方式。
在本发明的一个实施例中,如图3所示,在每次迭代重建时可包括4个步骤:对各通道图像进行更新;通道合并;对各激发图像进行平均;对各激发进行相位恢复。其中,图3所示中,FT/iFT为傅里叶正/反变换,GF/GI为正/反网格化变换。
需要说明的是,在进行迭代重建之前需要进行初始化。具体地,在本发明的实施例中,在执行步骤S201过程中,除了获取得到扩散图像所需要的k空间数据kd外,首先还获取需要计算每个通道线圈的线圈敏感度图所需要的k空间数据k0,应当理解,既可以用梯度回波成像、自旋回波成像、平面回波成像或者螺旋式成像等中的任意一种方式采集额外的数据作为k0,还可以用采集到的b值为0的k空间数据作为k0。然后,根据k空间数据k0计算每个所述通道线圈的线圈敏感度图,并对所需的扩散图像f进行迭代初始化(步骤S202)。其中,初始化即为设置迭代初始值,在本发明的实施例中,初始值可以设为0,还可以设为由SENSE、SENSE+CG得到的重建结果。
在本发明的实施例中,迭代重建包括基于POCS算法进行多次迭代,以重建所需的所述扩散图像f,经过第n次迭代,可得到各次激发的更新图像fi (n)(i=1…N;N为激发的次数)。则第n+1次被执行的迭代的具体操作如下所示:
1)对各通道图像进行更新
在本发明的实施例中,对于每次激发,根据k空间数据kd对每个通道线圈图像进行更新,以获得每次所述激发、每个通道线圈更新后的图像gi,j(步骤S2031)。下面结合图4所示将对步骤S2031的具体操作进行详细说明。
首先,对于每次激发,将第n次迭代的每次激发的更新图像fi (n)作为所需的扩散图像f的图像估计值(步骤S401)。然后,对于每次激发,将所需的扩散图像f的图像估计值fi (n)和每个通道线圈的线圈敏感度图相乘,并依次经过傅里叶变换FT和反网格化变换GI得到k空间数据kcn+1(步骤S402)。其次,将k空间数据kcn+1和k空间数据kd相减,并将得到的差值依次经过网格化变换GF和反傅里叶变换iFT,以得到每个通道线圈图像的图像域误差(步骤S403)。然后,将图像域误差和所需的扩散图像f的图像估计值相加,得到每次激发对应的每个通道线圈图像更新后的图像gi,j,其中,i=1…N,j=1…Nc,Nc为通道线圈的个数(步骤S404)。
通过上述各步骤获得每个通道线圈更新后的图像gi,j,以进行下面的通道合并步骤,这将在下面进行详细描述。
2)通道合并
对于每次激发,可将每个通道线圈更新后的图像gi,j进行通道合并,以得到每次激发的合并图像hi(步骤S2032)。其中,在本发明的实施例中,通道合并可采用最优化信噪比方法、SOS(Sum of Squares,平方和)方法、自适应重建方法、主成分分析方法、奇异值分解方法等中的任意一种。例如,在通道合并采用最优化信噪比方法时,合并图像hi可通过下述重建模型获得:
其中,Sj为第j个通道线圈的线圈敏感度图。
即可获得每次激发对应的所有通道线圈进行合并之后的合并图像hi,这样,可通过该合并图像hi以进行下面的对各激发图像进行平均步骤,这将在下面进行详细描述。
3)对各激发图像进行平均
在本发明的实施例中,将每次激发对应的合并图像hi求平均,以得到多次激发的平均图像并根据平均图像判断是否迭代收敛,其中,n+1为迭代次数(步骤2033)。如果判断迭代收敛,则平均图像为所需的扩散图像(步骤S2034)。下面将对步骤S2033的具体操作进行详细说明。
首先,对每次激发的合并图像hi的低频相位进行估计,得到每次激发的合并图像hi的低频相位。
需要说明的是,在对每次激发的合并图像hi求平均之前,还需要获取每次激发图像的低频相位。其中,低频相位可通过以下方法中的任意一种获取:
(1)可根据FFT(Fast Fourier Transformation,快速傅里叶变换)和IFFT(InverseFast Fourier Transformation,快速反傅里叶变换)获取低频相位,具体地,在本发明的一个实施例中,对每次激发的合并图像hi的低频相位进行估计,得到每次激发的合并图像hi的低频相位可进一步包括:将每次激发的合并图像hi可通过FFT以得到与合并图像hi对应的k空间数据kei,并对k空间数据kei进行加窗,且通过对加窗后的k空间数据kei进行IFFT,以得到低分辨率图像;以及选取低分辨率图像中的相位作为每次激发的合并图像hi的低频相位。其中,在本发明的实施例中,对k空间数据kei进行加窗的方法可为三角窗方法、汉明窗方法、汉宁窗方法、高斯窗方法等中的任意一种。
(2)可对合并图像hi进行空域低通滤波以获取低频相位,具体地,在本发明的另一个实施例中,对每次激发的合并图像hi的低频相位进行估计,得到每次激发的合并图像hi的低频相位还可进一步包括:将每次激发的合并图像hi进行空域低通滤波,并将滤波后的图像的相位作为每次激发的合并图像hi的低频相位。其中,在本发明的实施例中,空域低通滤波方法可为高斯平滑方法、中值滤波方法、TV滤波方法等中的任意一种。
然后,将低频相位从相应的合并图像hi中移除,并将所有得到的新的每次激发的合并图像求平均,以得到多次激发的平均图像并判断平均图像是否迭代收敛。其次,如果则判断迭代收敛,平均图像为所需的扩散图像,其中δ为收敛阈值,也可理解为预设的误差允许范围。然后,如果n+1等于预设的最大迭代次数且平均图像未收敛,则整个迭代过程终止。此时的平均图像即为所需的扩散图像。这样,在每次迭代过程中将各激发图像求平均,提高了图像的信噪比。
通过上述步骤可获得多次激发的平均图像如果或者n+1等于预设的最大迭代次数,则整个迭代过程终止,就是所需的扩散图像,如果判断平均图像不收敛且n+1小于预设的最大迭代次数,则需对各激发进行相位恢复步骤(步骤S2035),这将在下面进行详细描述。
4)对各激发进行相位恢复
在本发明的实施例中,如果平均图像不收敛且n+1小于预设的最大迭代次数,则对每次激发进行相位恢复,以得到第n+1次迭代所需的每次激发的初始图像,并可根据该初始图像继续执行步骤S2031,即步骤S2035可进一步包括:如果判断平均图像不收敛且n+1小于最大迭代次数,则分别将每次激发的合并图像hi的低频相位与平均图像相乘,以得到用于下一次迭代的扩散图像f的初始值fi (n+1),并基于初始值fi (n+1)继续执行步骤S2031,其中fi (n+1)为第n+1次迭代、第i次激发的更新图像,i=1…N,N为激发的次数。例如,如果且n+1小于预设的最大迭代次数,可认为整个迭代过程还没有结束,这时可分别将各激发的低频相位乘回到平均图像中,以得到下一次迭代的扩散图像f的初始值fi (n+1)。
由上述步骤可知,整个迭代过程中可自动消除运动引起的相位误差,在每次迭代中可将各激发图像求平均,提高了图像的信噪比,并且不需要用SENSE求解出每次激发程序的相位误差,因此受接收阵列线圈的阵列数的影响较小,激发次数可以较多,能在更大程度上缩短每次激发的采集时间,进一步减少图像模糊或变形。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种扩散磁共振成像和重建方法,其特征在于,包括以下步骤:
S1、使用多个通道线圈,采用多次激发扩散成像,对被测目标进行信号采集,以获取k空间数据kd;
S2、计算每个所述通道线圈的线圈敏感度图,并对所需的扩散图像f进行迭代初始化;以及
S3、根据所述k空间数据kd、所述线圈敏感度图和所述迭代初始化的初始化参数,对所述扩散图像f进行重建,其中,所述重建包括基于POCS算法进行多次迭代,以重建所需的扩散图像f,其中,第n+1次被执行的所述迭代包括:
S31、根据所述k空间数据kd进行图像更新,以获得更新后的每次所述激发、每个所述通道线圈的图像gi,j,其中,i=1…N,N为所述激发的次数,j=1…Nc,Nc为所述通道线圈的个数;
S32、对于每次所述激发,将每个所述通道线圈更新后的所述图像gi,j进行通道合并,得到每次所述激发的合并图像hi;
S33、将每次所述激发的所述合并图像hi求平均得到平均图像并判断所述平均图像是否迭代收敛,其中,n+1为迭代次数;
S34,如果收敛,则所述平均图像为所需的扩散图像;以及
S35,如果不收敛且n+1小于预设的最大迭代次数,则对每次所述激发进行相位恢复,以得到第n+2次迭代所需的每次所述激发的初始图像,并根据所述初始图像继续执行所述步骤S31。
2.根据权利要求1所述的扩散磁共振成像和重建方法,其特征在于,所述信号采集为回波平面成像、均匀密度螺旋式成像或变密度螺旋式成像中的一种或多种。
3.根据权利要求1所述的扩散磁共振成像和重建方法,其特征在于,所述步骤S31进一步包括:
S311、对于每次所述激发,将第n次迭代的每次激发的更新图像作为所需的所述扩散图像f的图像估计值
S312、对于每次所述激发,将所需的所述扩散图像f的图像估计值和每个所述通道线圈的所述线圈敏感度图相乘,并依次经过傅里叶变换和反网格化变换得到k空间数据kcn+1;
S313、将所述k空间数据kcn+1和所述k空间数据kd相减,并将得到的差值依次经过网格化变换和反傅里叶变换,以得到每次所述激发、每个所述通道线圈的图像域误差;以及
S314、将所述图像域误差和所需的所述扩散图像f的所述图像估计值fi (n)相加,得到每次所述激发对应的每个所述通道线圈更新后的图像gi,j。
4.根据权利要求1所述的扩散磁共振成像和重建方法,其特征在于,所述通道合并采用最优化信噪比方法、SOS方法、自适应重建方法、主成分分析方法、奇异值分解方法中的任意一种。
5.根据权利要求4所述的扩散磁共振成像和重建方法,其特征在于,在所述通道合并采用所述最优化信噪比方法时,所述合并图像hi通过下述重建模型获得:
其中
Sj为第j个所述通道线圈的线圈敏感度图。
6.根据权利要求1所述的扩散磁共振成像和重建方法,其特征在于,所述步骤S33进一步包括:
S331、对每次所述激发的所述合并图像hi的低频相位进行估计,得到每次所述激发的所述合并图像hi的低频相位;以及
S332、将所述低频相位从相应的所述合并图像hi中移除,并将得到的新的每次所述激发的合并图像hi求平均,以得到多次所述激发的所述平均图像
7.根据权利要求6所述的扩散磁共振成像和重建方法,其特征在于,所述步骤S331进一步包括:
将每次所述激发的所述合并图像hi通过快速傅里叶变换以得到与所述合并图像hi对应的k空间数据kei,并对所述k空间数据kei进行加窗,且通过对加窗后的所述k空间数据kei进行快速反傅里叶变换,以得到低分辨率图像;以及
选取所述低分辨率图像中的相位作为每次所述激发的所述合并图像hi的所述低频相位。
8.根据权利要求6所述的扩散磁共振成像和重建方法,其特征在于,所述步骤S331进一步包括:
将每次所述激发的所述合并图像hi进行低通滤波,并将滤波后的图像的相位作为每次所述激发的所述合并图像hi的所述低频相位。
9.根据权利要求7或8所述的扩散磁共振成像和重建方法,其特征在于,所述步骤S35进一步包括:
如果判断所述平均图像不收敛且n+1小于所述最大迭代次数,则分别将每次所述激发的所述合并图像hi的所述低频相位与所述平均图像相乘,以得到用于下一次迭代的所述扩散图像f的初始值并基于所述初始值继续执行所述步骤S31,其中
为第n+1次迭代、第i次所述激发的更新图像,i=1…N,N为所述激发的次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310659202.2A CN103675737B (zh) | 2013-12-06 | 2013-12-06 | 扩散磁共振成像和重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310659202.2A CN103675737B (zh) | 2013-12-06 | 2013-12-06 | 扩散磁共振成像和重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103675737A CN103675737A (zh) | 2014-03-26 |
CN103675737B true CN103675737B (zh) | 2016-08-17 |
Family
ID=50313884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310659202.2A Active CN103675737B (zh) | 2013-12-06 | 2013-12-06 | 扩散磁共振成像和重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675737B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020430B (zh) * | 2014-04-15 | 2017-01-25 | 清华大学 | 磁共振成像运动伪影的校正方法及系统 |
CN104323777B (zh) * | 2014-10-30 | 2016-06-29 | 西安交通大学医学院第一附属医院 | 一种扩散磁共振成像运动伪影的消除方法 |
CN104597420B (zh) * | 2015-02-02 | 2018-01-16 | 清华大学 | 基于多次激发的磁共振扩散成像方法 |
CN105548927B (zh) * | 2015-08-06 | 2018-11-09 | 清华大学 | 基于多层同时激发的多次激发的磁共振扩散成像方法 |
WO2017092973A1 (en) * | 2015-12-03 | 2017-06-08 | Koninklijke Philips N.V. | Removal of image artifacts in sense-mri |
CN107783067B (zh) * | 2016-08-30 | 2020-02-07 | 上海联影医疗科技有限公司 | 一种磁共振成像方法 |
CN106526514B (zh) * | 2016-11-21 | 2019-05-31 | 清华大学 | 磁共振扩散成像数据压缩加速重建方法 |
CN107589387B (zh) * | 2017-10-23 | 2020-01-07 | 东软医疗系统股份有限公司 | 磁共振成像方法和装置 |
CN110286344B (zh) * | 2018-03-13 | 2021-11-30 | 深圳先进技术研究院 | 一种快速磁共振可变分辨率成像方法、系统和可读介质 |
CN108335339B (zh) * | 2018-04-08 | 2021-10-22 | 朱高杰 | 一种基于深度学习和凸集投影的磁共振重建方法 |
CN109212443B (zh) * | 2018-08-23 | 2020-02-21 | 清华大学 | 基于多板块同时激发的等体素磁共振扩散成像方法及装置 |
CN110133556B (zh) * | 2019-05-29 | 2021-01-19 | 上海联影医疗科技股份有限公司 | 一种磁共振图像处理方法、装置、设备及存储介质 |
CN110244246B (zh) * | 2019-07-03 | 2021-07-16 | 上海联影医疗科技股份有限公司 | 磁共振成像方法、装置、计算机设备和存储介质 |
CN112213674B (zh) * | 2020-09-11 | 2023-03-21 | 上海东软医疗科技有限公司 | 磁共振压缩感知重建方法及装置 |
CN112051531B (zh) * | 2020-09-14 | 2022-10-28 | 首都医科大学附属北京天坛医院 | 多次激发无导航磁共振扩散成像方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5001429A (en) * | 1989-11-21 | 1991-03-19 | General Electric Company | Removal of truncation artifacts in NMR imaging |
US6249595B1 (en) * | 1998-01-22 | 2001-06-19 | General Electric Company | Iterative reconstruction for EPI |
EP1072019B1 (en) * | 1998-04-15 | 2001-10-31 | Mayo Foundation For Medical Education And Research | Autocorrection of mr images for motion artifacts |
CN1686050A (zh) * | 2005-03-28 | 2005-10-26 | 南方医科大学 | 在t1加权磁共振成像中用propeller采样方式消除运动伪影的方法 |
CN102362191A (zh) * | 2009-03-25 | 2012-02-22 | 皇家飞利浦电子股份有限公司 | 具有经运动校正的线圈灵敏度的磁共振部分并行成像(ppi) |
CN102928796A (zh) * | 2012-09-28 | 2013-02-13 | 清华大学 | 快速扩散磁共振成像和重建方法 |
CN103038660A (zh) * | 2010-03-23 | 2013-04-10 | 马克思-普朗克科学促进协会 | 利用正则非线性反演重建过程对mr图像的序列进行重建的方法和设备 |
CN103076583A (zh) * | 2012-12-28 | 2013-05-01 | 深圳先进技术研究院 | 磁共振快速成像方法和系统 |
CN103091656A (zh) * | 2012-12-25 | 2013-05-08 | 深圳先进技术研究院 | 基于正则化约束多项式拟合磁共振线圈灵敏度的计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2133714A1 (en) * | 1999-05-24 | 2009-12-16 | Walid E. Kyriakos | Method and apparatus for parallel data acquisition from an MRI coil array |
-
2013
- 2013-12-06 CN CN201310659202.2A patent/CN103675737B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5001429A (en) * | 1989-11-21 | 1991-03-19 | General Electric Company | Removal of truncation artifacts in NMR imaging |
US6249595B1 (en) * | 1998-01-22 | 2001-06-19 | General Electric Company | Iterative reconstruction for EPI |
EP1072019B1 (en) * | 1998-04-15 | 2001-10-31 | Mayo Foundation For Medical Education And Research | Autocorrection of mr images for motion artifacts |
CN1686050A (zh) * | 2005-03-28 | 2005-10-26 | 南方医科大学 | 在t1加权磁共振成像中用propeller采样方式消除运动伪影的方法 |
CN102362191A (zh) * | 2009-03-25 | 2012-02-22 | 皇家飞利浦电子股份有限公司 | 具有经运动校正的线圈灵敏度的磁共振部分并行成像(ppi) |
CN103038660A (zh) * | 2010-03-23 | 2013-04-10 | 马克思-普朗克科学促进协会 | 利用正则非线性反演重建过程对mr图像的序列进行重建的方法和设备 |
CN102928796A (zh) * | 2012-09-28 | 2013-02-13 | 清华大学 | 快速扩散磁共振成像和重建方法 |
CN103091656A (zh) * | 2012-12-25 | 2013-05-08 | 深圳先进技术研究院 | 基于正则化约束多项式拟合磁共振线圈灵敏度的计算方法 |
CN103076583A (zh) * | 2012-12-28 | 2013-05-01 | 深圳先进技术研究院 | 磁共振快速成像方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于非均匀螺旋线数据和布雷格曼迭代的快速磁共振成像方法;方晟等;《物理学报》;20130223;第62卷(第4期);第048702-1-048702-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103675737A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675737B (zh) | 扩散磁共振成像和重建方法 | |
CN108335339B (zh) | 一种基于深度学习和凸集投影的磁共振重建方法 | |
Blaimer et al. | SMASH, SENSE, PILS, GRAPPA: how to choose the optimal method | |
CN102928796B (zh) | 快速扩散磁共振成像和重建方法 | |
CN103477238B (zh) | 采用来自先验采集的约束的压缩感测mr图像重建 | |
US20140225612A1 (en) | System and method for rapid, multi-shot segmented magnetic resonance imaging | |
CN105005011B (zh) | 在三维快速自旋回波中的混合采集的磁共振成像方法 | |
US7309984B2 (en) | Parallel magnetic resonance imaging method using a radial acquisition trajectory | |
CN106997034B (zh) | 基于以高斯模型为实例整合重建的磁共振扩散成像方法 | |
Frost et al. | 3D Multi‐slab diffusion‐weighted readout‐segmented EPI with real‐time cardiac‐reordered k‐space acquisition | |
CN103323800A (zh) | 用于运行磁共振系统的方法和控制装置 | |
CN104597420A (zh) | 基于多次激发的磁共振扩散成像方法 | |
CN101846731A (zh) | 借助并行采集技术建立图像的方法、磁共振设备和程序 | |
CN103969611A (zh) | 用于运行磁共振系统的方法和控制装置 | |
Frank et al. | High efficiency, low distortion 3D diffusion tensor imaging with variable density spiral fast spin echoes (3D DW VDS RARE) | |
CN105548927A (zh) | 基于多层同时激发的多次激发的磁共振扩散成像方法 | |
CN106772167A (zh) | 核磁共振成像方法及装置 | |
WO2019148610A1 (zh) | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 | |
DE102018113437A1 (de) | Mr-tomografie unter verwendung einer stack-of-stars-erfassung mit variablem kontrast | |
CN103027681A (zh) | 用于重构并行获取的mri图像的系统 | |
CN105051563A (zh) | 使用相位调制rf脉冲的并行多切片mr成像 | |
WO2014154544A1 (en) | Real-time motion correction for mri using fat navigators | |
Tournier | The biophysics of crossing fibers | |
CN103505208B (zh) | 一种磁共振成像方法 | |
US9476957B2 (en) | Method and apparatus for accelerating magnetic resonance imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |