CN103837851B - 用于磁共振图像处理的信号压缩度的动态匹配 - Google Patents

用于磁共振图像处理的信号压缩度的动态匹配 Download PDF

Info

Publication number
CN103837851B
CN103837851B CN201310549729.XA CN201310549729A CN103837851B CN 103837851 B CN103837851 B CN 103837851B CN 201310549729 A CN201310549729 A CN 201310549729A CN 103837851 B CN103837851 B CN 103837851B
Authority
CN
China
Prior art keywords
rekon
process computer
pattern process
image
image reconstruction
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.)
Expired - Fee Related
Application number
CN201310549729.XA
Other languages
English (en)
Other versions
CN103837851A (zh
Inventor
S.比伯
S.坎南基尔瑟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN103837851A publication Critical patent/CN103837851A/zh
Application granted granted Critical
Publication of CN103837851B publication Critical patent/CN103837851B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/34—Constructional details, e.g. resonators, specially adapted to MR
    • G01R33/341—Constructional details, e.g. resonators, specially adapted to MR comprising surface coils
    • G01R33/3415—Constructional details, e.g. resonators, specially adapted to MR comprising surface coils comprising arrays of sub-coils, i.e. phased-array coils with flexible receiver channels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE

Abstract

本发明涉及一种由利用磁共振断层造影设备（101）的多个（N）线圈（40）分别从身体（105）的待检查区域（K）接收的信号（SIG）的N个接收信号数据组（EDS）利用图像处理计算机（REKON）产生（KR，REKON）图像（IMG）的装置和方法，其中利用压缩度确定装置（KBE）考虑至少也表示图像处理计算机的系统资源（SR）的多个参数（SY、SR、VG）确定由利用多个线圈（40）接收的信号（SIG）产生的N个接收信号数据组（EDS）的数量N与模式数据组（MDS）的较小的（M<N）数量M的比率N/M，其中利用压缩计算机（KR）将N个接收信号数据组（EDS）压缩为M个模式数据组（MDS），据此利用M个模式数据组（MDS）利用图像处理计算机产生身体（105）的区域（K）的图像（IMG）。

Description

用于磁共振图像处理的信号压缩度的动态匹配
技术领域
本发明涉及一种用于MRT成像的方法和装置。
背景技术
磁共振断层造影设备（MRT）或压缩法例如由如下公知：
-DE102005018814A1
-DE102009012109A1
-Huang,Vijayakumar,Li,Hertel,Duensing所著“Magnetic Resonance Imaging”中的“A software channel compression technique for faster reconstruction withmany channels”
-http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf（第三章）
发明内容
本发明要解决的技术问题是，优化一种MRT。
上述技术问题分别通过独立权利要求的特征来解决。优选的扩展在从属权利要求和描述中给出。
附图说明
本发明的可能的实施的其它特征和优点借助于附图由下面对实施例的描述给出。附图中（图1-7也作为背景技术，尽可能按照DE102005018814A1）：
图1示出了用于执行方法的MRT设备的示意图，
图2示意性示出了根据GRAPPA的图像重建的原理过程，
图3A针对包括参考行的三个减小的数据组详细示出了k矩阵的拍摄特性，
图3B示出了按照图3A的重建的（变完整的）数据组，
图4A示意性示出了常规的GRAPPA重建矩阵对不完整的数据组块的影响，
图4B示出了缩减的GRAPPA重建矩阵对不完整的数据组块的影响，
图5示意性示出了用于确定4×2缩减矩阵的PCA算法，
图6示意性示出了在使用缩减矩阵以及GRAPPA重建矩阵的条件下由三个输入信道按照本发明缩减为两个输出信道，和
图7示意性示出了与PPA编码方向正交的中央k空间段，其可以针对在PCA算法中获得最大的PPA编码信息而被应用。
图8简化示意性示出了用于确定压缩度K=M/N的按照本发明的方法，其中通过缩减矩阵CM（NxM）将利用MRT阵列的N个线圈产生的信号数据组压缩为少于N的可用于随后的MRT图像重建的M个模式数据组，
图9简化示意性示出了缩减矩阵CM（NxM）的按照本发明的应用，用于将利用MRT阵列的N个线圈产生的信号数据组压缩为少于N的可用于随后的MRT图像重建的M个模式数据组。
具体实施方式
在使用多信道线圈的情况下特别是与并行的成像（SENSE、GRAPPA、SMASH等）相结合会导致要求极其高的计算功率和存储容量。这一点在读取特别是图像重建计算机的系统内存的情况下以及在其计算功率的情况下产生开销。在计算功率较小的情况下产生对于重建图像来说明显更长的等待时间，该等待时间例如可以在3至20分钟的时间范围内延伸，该等待时间这么长是不希望的。多信道线圈虽然可以加速测量时间，但图像的可用性决定性地通过重建时间而不通过测量时间确定。
基于基本知识（预扫描测量或校准数据）来压缩信道的方法例如在Griswold,Kannengiesser,Jellus的DE 102005018814 A1或Biber的2008E15617DE中描述。
在此尤其采用主成分分析（PCA principal component analysis）。
这例如也在Huang,Vijayakumar,Li,Hertel,Duensing的出版物“Asoftwarechannel compression technique for faster reconstruction with many channels”，Magnetic Resonance Imaging及其中引用的作品中描述，并且尤其在Griswold,Kannengiesser等人的申请DE 102005018814A1中详细描述。在那里解释了，（例如来自于线圈阵列的N个线圈的）N个输入信道可以通过乘以大小为NxM的压缩矩阵而被压缩为M个“模式”（在此也称为进一步处理数据组或进一步处理信道）或者特别是在PCA的情况下也称为“主成分”。在此可能的是，明显地压缩了数据，例如N=32个线圈信道被压缩为仅M=16个主成分（参见DE 102005018814A1，图5，6）并且在此仅须接受少的百分比的关于图像平均的SNR损失。
该SNR压缩面临如下事实，即，在信道减半的情况下储存和计算需求例如可接受地降低2至4倍。
但诚实地讲在迄今的出版物中存在如下问题：为了进一步处理，应当引入多少模式或主成分。也就是涉及压缩矩阵的参量的数量M的确定。此外，在DE 102005018814A1中没有详细描述对于确定数量M而引入的标准。
在技术文件中公知用于选择主成分数量的各种方法。例如可以参考http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf第三章。但其都与品质标准（Gütekriterium）的扩展有关，其描述了在特定数量的主成分中包含多少信息。
但在对于医学技术以及特别是对于MRT的应用的背景中也一起考虑技术上的边界条件。在此设定的问题在于，可以采用哪种标准来选择主成分或模式的数量以及怎样选择可以有助于最优地使用系统的硬件设备。
按照至少在内部公知的解决方案，具有内部VD13公知版本的软件压缩法的实施是可用的。在此，主成分的数量M通过在http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf中第三章描述的品质标准来确定。
同样至少在内部公知如下软件方法，其这样限制测量的参数化，使得不能超过可用的计算功率或通用的MRT设备功率（例如HF放大器的、梯度放大器的作为时间、振幅和上升时间的函数的功率）。为此软件组件包括如下模型，其可以依据测量参数在系统上预先计算功率要求并且由此可以防止设置技术上不能实现的测量参数。由此可用的存储器例如也可以限制到可测量的层的数量（例如在3D成像的情况下）。
按照本发明的实施，作为对于压缩度M/N（来自于N个线圈元件的M个主成分；M<N）的计算的标准，也可以使用参数，所述参数也可以表示图像处理计算机的系统资源SR，例如：
1.对于在图像处理计算机方面的图像重建可用的、图像处理计算机REKON的存储器SP可以反作用于所选择的主成分或模式的数量。由此例如在具有较小的计算功率/存储容量的计算机的情况下还是能够例如重建高的层数量或具有大的矩阵大小（例如512x512像素）的图像。在此折衷地考虑，在较小的存储器的情况下有些较高的SNR损失，因为该较小的存储器可以处理少的主成分。但是有利的是如下事实，即，只要大致M>N/5（在此以及下面可以由公知的用于最小质量的标准来确定不应当低于此的下限M_min。如果违反了该限制条件，则系统例如拒绝执行测量），则SNR损失非常连续地随着数量M的降低而上升并且不具有大的跳变。由此可能的是，在给出的存储器的情况下用测量参数、诸如层数量和矩阵大小以及加速因数，可以换取渐增的SNR损失，这在http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf中给出的方法中不可能出现，因为该方法总是要求固定数量的主成分以满足品质标准。如果该数量会导致存储器超出，则上面描述的以该方法的压缩不能实现。
2.例如当原始信道的重建超出重建计算机REKON的功率时，实施才采用PCA。所使用的主成分的数量M以及是否完全采用该方法的问题可以取决于重建系统的特性。预测计算功率/存储器需求的模型可以用于这样限制主成分的数量，使得在给出的存储器的情况下可以进行重建。
3.除了存储量之外也可以引入（单独或附加的）其它标准、诸如重建时间（处理器功率）来确定数量M。
4.该方法相对于http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf中描述的方法还提供如下优点，即，（只要原始信道的应用超出存储器需求）存储器可以总是被完全满载并且相对于使用来自于http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf的固定标准（其可能选择比存储器可以处理的更少的主成分）可以使SNR损失最小化。
5.为此也可以由客户设置参数（下面也称为高级参数，High Level Parameter）、诸如速度（″Speed″）和/或质量（″Quality″），系统基于这些参数判断，使用多少个主成分（在此可以应用http://epub.ub.uni-muenchen.de/12456/1/BA_Berger.pdf中的方法）。
6.边界条件可以由测量的性质给出。由此，具有交互特性的测量典型地比在图像计算结束后为了之后的诊断而首先传送到存档系统（PACS）中的测量更快地被重建。
根据本发明的实施方式，形成在所选择的模式或主成分的数量与MRT测量系统的另外的特性之间的动态关联。由此，动态的压缩度控制可以允许依据现有的系统资源优化图像质量。
在按照图8的本发明的实施方式的示例中，接收器R（在此例如由具有多个线圈40的线圈阵列4，例如局部线圈阵列和/或身体线圈）从待检查的区域K、例如（图1中在MRT之外示出的并且可以移入体积V中的）身体105的身体躯干K接收信号（SIG），并且其作为接收信号数据组EDS（输入数据）进一步传输到压缩度确定装置KBE和压缩计算机KR。
压缩度确定装置KBE基于一个或多个不同的其已知的或由使用者手动输入的参数VG、SY、SR确定由利用多个线圈40接收的来自于身体区域K的信号SIG（必要时利用放大、AD转换等）产生的N个接收信号数据组EDS的数量N与模式数据组MDS的较小的（M<N）数量M的（额定）比率N/M。（M也称为模式或进一步处理信道或主成分。）
用于确定（额定）比率N/M的可能的参数例如是：
-系统资源SR，诸如对于图像重建可用的、图像处理计算机REKON的存储器SP和/或对于图像重建可用的、图像处理计算机REKON的至少一个处理器PR（例如CPU、GPU）的计算功率或处理器功率，和/或
-预给定参数（也称为“高级参数”）VG，诸如预计的利用图像处理计算机进行图像重建所需的图像重建时间、作为MRT的使用者的输入来接收或选择的、该使用者最大可接受的需要的图像重建时间，图像重建的允许的信噪比损失，和/或
-来自于（图像处理的）系统模型的参数SY，和/或
-（局部线圈）阵列L的线圈40的数量。
特别地，当压缩法基于PCA时还可以确定以特征向量矩阵的形式的矩阵C。
在通过压缩度确定装置KBE确定（额定）比率N/M之后计算矩阵CM，该矩阵CM（下面也称为[CM]N×M）可以用来从接收信号数据组EDS形式的输入数据利用压缩计算机KR产生模式数据组MDS形式的输出数据。从M个模式数据组中可以利用（具有简化示出的存储器SP和处理器PR的）（本身公知的MRT）图像处理计算机REKON产生（“重建”）身体105的区域K的图像IMG（并且然后存储或在显示屏上输出等）。
图9简化示意性示出了缩小矩阵[CM]NxM的应用，其用于将利用MRT线圈阵列4的N个线圈（1,2..N）从身体的区域（例如身体躯干K）接收（以及必要时放大、数字化等）的N个信号数据组EDS压缩为可以用于随后的MRT图像重建的M（并且小于N）个模式数据组MDS，所述模式数据组MDS可以用于通过例如GRAPPA、SENSE等方法的图像重建。
本发明的关于背景技术的其他详细描述和可能的应用由DE102005018814A1给出，其通过参考成为该申请的部分并且引用如下：
图1示出了按照本发明用于产生对象的核自旋图像的磁共振成像设备或核自旋断层造影设备的示意图。核自旋断层造影设备的结构在此相应于常规的断层造影设备的结构。基本场磁铁1产生时间上恒定的强磁场，其用于极化或对齐在对象的检查区域、例如人体的待检查的部位中的核自旋。在测量体积V中定义对于核自旋共振测量所需的基本场磁铁的高均匀性，将人体的待检查的部位引入该测量体积。为了满足均匀性要求并且特别是为了消除时间上不变的影响在合适的位置上安装由铁磁材料构成的所谓的匀场片。通过匀场线圈2消除时间上可变的影响，该匀场线圈通过匀场电源来控制。
在基本场磁铁1中置入梯度线圈系统3，后者由多个绕组（所谓的子绕组）组成。每个子绕组由放大器供电以用于产生在笛卡尔坐标系的各个方向上的线性梯度场。梯度场系统3的第一子绕组在此产生在x方向上的梯度Gx，第二子绕组产生在y方向上的梯度Gy并且第三子绕组产生在z方向上的梯度Gz。每个放大器包括数字模拟转换器，后者由序列控制器18控制以用于时间正确地产生梯度脉冲。
在梯度场系统3内存在高频天线4，后者将由高频功率放大器输出的高频脉冲转换为用于激励待检查对象或对象的待检查区域的核以及对齐核自旋的交变磁场。高频天线4在PPA成像系统中由一个或多个以例如组件线圈的线性的布置的形式的HF发送线圈以及多个HF接收线圈组成。由高频天线4的HF接收线圈将从进动的核自旋出发的交变场，即，通常通过由一个或多个高频脉冲以及一个或多个梯度脉冲组成的脉冲序列引起的核自旋回波信号，转换为电压，该电压经由放大器7传送到高频系统22的高频接收信道8。高频系统22还包括发送信道9，在该发送信道中产生用于激励核磁共振的高频脉冲。在此，在序列控制器18中将各个高频脉冲根据由设备计算机20预定的脉冲序列数字地作为复数的序列表示。该数字序列作为实部以及作为虚部分别经由输入端12传送到高频系统22中的数字模拟转换器并且从该数字模拟转换器传送到发送信道9。在发送信道9中将脉冲序列加调制到高频载波信号，其基频相应于测量体积中核自旋的共振频率。
从发送运行到接收运行的切换通过发送-接收转换器6进行。高频天线4的HF发送线圈将用于激励核自旋的高频脉冲入射到测量体积V中并且通过HF接收线圈采样所产生的回波信号。将相应获得的核共振信号在高频系统22的接收信道8中相位敏感地解调并且经由各自的模拟数字转换器转换为测量信号的实部和虚部。通过图像计算机17从这样获得的测量数据中重建图像。测量数据、图像数据和控制程序的管理通过设备计算机20进行。序列控制器18根据规定利用控制程序控制各个期望的脉冲序列的产生和k空间的相应采样。序列控制器18在此特别控制时间正确地接通梯度、发送具有定义的相位和振幅的高频脉冲以及接收核共振信号。用于高频系统22和序列控制器18的时间基础由合成器19提供。用于产生核自旋图像的相应的控制程序的选择以及产生的核自旋图像的显示通过终端21来进行，该终端包括键盘以及一个或多个显示屏。
为了能够利用MRT设备进行PPA测量，目前的标准是，特别是在相位编码方向上（y方向，LIN）不使用单个的线圈，而是使用由多个线圈组成的装置。所述所谓的组件线圈连接为线圈阵列并且互相相邻或重叠地布置，由此同样可以拍摄相邻的重叠的线圈图像。如果在改善SNR的情况下不应当延长采集时间，则线圈阵列的线圈必须同时接收。因此，每个线圈需要其单独的接收器，如已经提到的由前置放大器、混合器和数字模拟转换器组成的那样。该硬件极其昂贵，这在实践中导致阵列中的线圈数量受到限制。目前，阵列通常最大具有32个单个线圈。
但是打算显著提高PPA线圈阵列的组件线圈的数量。具有直至96个输入信道的系统处于试验阶段。在此已经示出，该高的数量的PPA线圈极大地提高了对设备计算机或系统控制器的硬件和软件关于计算功率和存储器容量的要求。在一些PPA方法中功率要求的提高特别高，例如在GRAPPA中，其具有图像重建计算时间与参与的组件线圈的数量的超二次方的依赖关系。本发明的目的是，这样加速GRAPPA图像重建方法，使得在高的线圈数量的情况下也保持计算时间在可接受的范围内。
这一点如下地实现，即，在输出侧缩减参与GRAPPA图像重建的信道（PPA线圈）的总数，方法是不再将所有参与的N个线圈借助NxN-GRAPPA重建矩阵（X）又映射到N个线圈（例如图4A），而是按照图图4B从数量N个输入信道40出发（图5）现在借助缩减的NxM-GRAPPA重建矩阵（X′）映射到较小数量M个输出信道。输出信道的少量缩减已经这样降低了GRAPPA重建矩阵的复杂性，即明显减小了对于GRAPPA重建所需的计算时间。
即，通过不再将所有N个不完整测量的数据组通过GRAPPA重建变完整并且进行傅里叶变换，而是由N个不完整测量的数据组仅形成子集M个不完整的数据组并且现在将该减小数量的不完整的数据组通过GRAPPA重建变完整、进行傅里叶变换以及叠加，总体上可以明显减小计算时间。N和M是正整数，其中成立N>M。
按照本发明形成子集M（其在另外的过程中称为“缩减（Reduktion）”）基于NxM缩减矩阵45的应用，该缩减矩阵可以以不同的方式并且根据不同的视角形成。
用于确定这样的NxM缩减矩阵的可能的方法在于对协方差矩阵41进行特征向量分析，该协方差矩阵41由N个不完整测量的数据组构成。下面按照图5针对从N=4至M=2的信道缩减解释该方法，也称为PCA算法（英文Principal-Component-Analysis PCA，主成分分析）：
出发基础是N=4个由四个在相位编码方向上布置的组件线圈（4个输入信道）测量的不完整的数据组40。
各个数据组40以A、B、C和D来表示并且分别由相同数量的值（测量的频率条目或k矩阵的系数）组成。通过构成协方差矩阵41cov（），现在彼此统计地比较这些数据组A、B、C、D。协方差cov（A,B,C,D）描述了测量值系列A、B、C、D的共同变化（或共变，Kovariieren）的程度并且是参与的变量的平均偏差乘积的和。协方差矩阵的随后的特征向量分析能够确定PPA线圈系统的特征向量42，该特征向量并排写入地形成系统的特征向量48eig（），以及与各个特征向量42对应的特征值43。特征值43的大小表示各个特征向量42的信息含量。
如果特征向量42按照其特征值43的大小分类（例如最大的特征值在最左边，最小的特征值在最右边），则特征向量矩阵48保持列（特征向量42）的重要性的从左到右的渐变。
如果现在进行从N=4个信道到例如M=2个信道的信道缩减，则在尽可能小的信息损失的情况下（N-M=4-2=2个其余的特征向量被舍弃）选择M=2个左边的特征向量，其总地来说构成该信道缩减的NxM缩减矩阵45。缩减系数构成缩减矩阵45的内容。
如果将由此获得的NxM缩减矩阵45应用到N个不完整测量的数据组A、B、C、D（在矩阵44和45的矩阵相乘的意义上），则获得M个缩小的数据组α、β，其本身构成以矩阵46的形式的M个输出信道。
通过将测量值A、B、C、D彼此连成一串产生矩阵44，其中，只要其对于所有信道A、B、C和D以同样的方式进行，按照哪种顺序列出这些测量值是不重要的。这些测量值的数量可以是几千并且通过点来表示。获得的缩小的数据组α、β虽然分别包含与A、B、C、D相同数量的测量值，但对于其不再表示实际的测量顺序，因为通过缩减已经减少并混合了A、B、C和D的值，更确切地说，在缩减时保持最大的图像信息。
但每个缩减的数据组α、β在与A、B、C或D相同的度量中还是不完整的并且在借助傅里叶变换获得位置空间上的完整图像34的M变量之前，必须通过GRAPPA重建才能变完整。
图6提供了一种关于总的本发明方法的改进的概览，其示意性示出了从三个输入信道A、B、C缩减到2个输出信道α、β。
每个输入信道A、B、C由十个测量的行31、33组成，其中在中间有两行表示参考行（校准数据点33）。在PPA技术的意义上省略六个行32，因此A、B、C是不完整的。
通过将NxM缩减矩阵应用到A、B、C来选择A、B、C的特定的值并且这样组合，使得仅得到两个所谓的缩减的数据组α、β。α、β在与A、B和C相同的度量中是不完整的（各六个省略行32）。但α和β的各六个省略行可以基于GRAPPA重建借助NxM-GRAPPA重建矩阵47被重建，由此获得所谓的重建的GRAPPA数据组α′、β′。为此根据GRAPPA方法确定重建系数，更确切地说既在考虑N个输入信道A、B、C的所有测量的行的情况下又在考虑通过缩减的切割而获得的M个输出信道α、β的行的情况下确定重建系数。如在图6中可以识别的那样，缩减的数据组α、β的行与重建的GRAPPA数据组α′、β′的重建的行是错列的，从而α和α′或β和β′的组合分别又形成完整的数据组，其按照GRAPPA根据傅里叶变换在位置空间上得到完整的图像34，该完整的图像在位置空间上逐像素地被组合。
这最终导致相应于GRAPPA的和图像35（高SNR），然而在总体上减小了的计算时间，因为通过缩减，现在仅考察M个而不是N个输出信道。
但除了GRAPPA重建之外在按照本发明的缩减的情况下缩减本身也有开销，即，将缩减矩阵应用到输入信道的数据组（矩阵相乘44*45），又必须投入计算时间，但总体上不会极大地影响计算时间的节约。
在基于PCA算法确定缩减矩阵45的情况下该方法对节约计算时间具有另外的影响，因为协方差矩阵41的形成是计算时间集中的步骤（所有N个输入信道A、B、C、D的全部测量值必须互相比较）。
出于这个原因在本发明的范围内建议一种用于确定缩减矩阵45的替换，其导致在节约计算时间和得到图像质量之间的有意义的折衷。
由此，例如可以基于参与的组件线圈40的SNR分析来确定缩减矩阵45，其中同样在节约计算时间的意义上具有优势的是，保持缩减系数的数量最小。每个缩减矩阵列仅一个缩减系数是特别具有优势的，因为在这种情况下缩减步骤在严格意义上不再要求计算功率（仅须将数据矩阵44的相应的值引入矩阵46）。
此外还可以具有的优点是，级联地实施按照本发明的方法，从而例如从已经进行的之前的缩减获得N个输出信道。还具有优势地（特别是在这样的情况下），组合每个级联的缩减矩阵和重建矩阵。
在级联应用的情况下在确定第一缩减矩阵45时应当考虑，在前面缩减的N个不完整的数据组α、β，取决于要拍摄的层的选择，包含最大的PPA编码信息。
这可以在PCA算法的情况下如下地实现，使得基于在PPA编码方向的方向上的、k矩阵的中央的列或中央的段构成协方差矩阵41。这在图7中示出，其中中央的段表示在PPA编码方向上的k矩阵的向量。向量的值以点象征，更确切地说以如下三种不同的表示形式象征：
-在频率空间（k空间）中的相位编码方向和读取方向，
-在k空间中的相位编码方向和在位置空间x中的读取方向，以及
-在位置空间y中相位编码方向和在k空间中的读取方向。
另外的组合也是可能的，只要与PPA编码方向正交地考虑或比较不同的分别相邻的段。在此指出，按照本发明的方法也可以在二维的PPA编码（英文:integrated ParallelAkquisition Technique square iPAT2）中例如在两个互相正交的相位编码方向上应用。
在利用具有带有模式矩阵的（TIM）（英文：Total Imaging Matrix TIM）线圈系统的MRT设备执行PPA测量的情况下，基于模式矩阵的特征可以确定缩减矩阵45。（在US 2004/0193038A1中详细描述的）模式矩阵线圈系统提供了极大数量的线圈元件（组件线圈），其中通常将相邻的线圈基于硬件地综合为组并且由此（必要时利用不同的组合系数）不同地组合。通过这种方式可以利用关于信道缩减来说在线圈灵敏度的空间覆盖的方向上的冗余。三个分组例如导致主信道、次信道和第三信道。仅考虑主信道作为缩减的结果由此导致信道缩减了3倍。
在这样的具有模式矩阵的PPA线圈系统（其也具有组件线圈的基于硬件分组）中，可以以简单地方式通过加权地选择系数来确定缩减矩阵45，该系数由这样的系统的模式或模式的子集构成。因为这样的TIM系统的模式矩阵在一定程度上代表按照本发明的方法的缩减矩阵，所以可以节约用于确定缩减矩阵的计算时间，为此在采用TIM系统的情况下可以特别具有优势地应用按照本发明的方法。

Claims (25)

1.一种利用基于由磁共振断层造影设备(101)的N个线圈(40)分别从身体(105)的待检查区域(K)接收的信号(SIG)产生的N个接收信号数据组(EDS)利用图像处理计算机(REKON)产生图像(IMG)的方法，
其中利用压缩度确定装置(KBE)在考虑多个参数(SY、SR、VG)的条件下确定，由利用N个线圈(40)接收的信号(SIG)产生的N个接收信号数据组(EDS)的数量N与模式数据组(MDS)的较小的数量M的比率N/M,其中M<N，所述比率N/M是确定的压缩度，所述参数(SY、SR、VG)至少也表示图像处理计算机(REKON)的系统资源(SR)，
其中利用压缩计算机(KR)将N个接收信号数据组(EDS)压缩为M个模式数据组(MDS)，
据此利用M个模式数据组(MDS)利用图像处理计算机(REKON)产生身体(105)的区域(K)的图像(IMG)，
考虑作为磁共振断层造影设备(101)的使用者的输入接收的、该使用者最大可接受的需要的图像重建时间作为参数。
2.根据权利要求1所述的方法，其特征在于，仅或至少也考虑对于图像重建可用的、图像处理计算机(REKON)的存储器(SP)作为表示图像处理计算机(REKON)的系统资源(SR)的参数。
3.根据上述权利要求1所述的方法，其特征在于，仅或至少也考虑对于图像重建可用的、图像处理计算机的至少一个处理器(PR)的计算功率或处理器功率作为表示图像处理计算机(REKON)的系统资源(SR)的参数。
4.根据上述权利要求1所述的方法，其特征在于，考虑预计的利用图像处理计算机(REKON)进行图像重建所需的图像重建时间作为表示图像处理计算机(REKON)的系统资源(SR)的参数。
5.根据上述权利要求1所述的方法，其特征在于，考虑由于图像产生的允许的信噪比损失作为参数。
6.根据上述权利要求1所述的方法，其特征在于，在确定压缩度(N/M)之前确定估计的利用图像处理计算机(REKON)进行图像重建所需的图像重建时间。
7.根据上述权利要求中任一项所述的方法，其特征在于，利用图像处理计算机(REKON)的系统资源(SR)按照预定的尺寸或百分比来产生身体(105)的区域(K)的图像(IMG)。
8.根据权利要求7所述的方法，其特征在于，所述系统资源是以对于图像重建可用的、图像处理计算机(REKON)的处理器功率(PR)和/或对于图像重建可用的、图像处理计算机(REKON)的存储器(SP)的形式的系统资源(SR)。
9.根据上述权利要求1-6中任一项所述的方法，其特征在于，所述M个模式数据组分别是进一步处理信道和/或主成分和/或k空间数据组。
10.根据上述权利要求1-6中任一项所述的方法，其特征在于，该方法以部分并行的采集(PPA)为基础进行。
11.根据上述权利要求1-6中任一项所述的方法，其特征在于，利用缩减矩阵通过矩阵乘法将利用磁共振局部线圈阵列(4)的N个线圈(40)产生的接收信号数据组(EDS)压缩为小于N的对于随后的磁共振图像重建可用的M个模式数据组(MDS)。
12.根据权利要求11所述的方法，其特征在于，所述缩减矩阵是对于基于主成分分析的压缩法的特征向量矩阵。
13.根据上述权利要求1-6中任一项所述的方法，其特征在于，所述M个模式数据组(MDS)是主成分分析的主成分数据组。
14.一种通过利用磁共振断层造影设备(101)的线圈(40)接收的信号(SIG)来产生图像(IMG)的装置(KBE，KR，IMG)，具有
-N个线圈(40)，其被构造为用于从身体(105)的待检查区域(K)接收信号(SIG)，由所述信号(SIG)能够产生N个接收信号数据组(EDS)，
-压缩度确定装置(KBE)，其被构造为在考虑多个参数(SY、SR、VG)的条件下确定，接收信号数据组(EDS)的数量N与待进一步处理的模式数据组(MDS)的较小的数量M的比率N/M，其中M<N,所述参数(SY、SR、VG)至少也表示图像处理计算机(REKON)的系统资源(SR，SP，PR)，
-压缩计算机(KR)，其被构造为由来自于N个线圈的接收信号数据组(EDS)产生M个模式数据组(MDS)，
-图像处理计算机(REKON)，其被构造为由模式数据组(MDS)产生身体(105)的区域(K)的图像(IMG)，
其中，参数是作为磁共振断层造影设备(101)的使用者的输入接收的、该使用者最大可接受的需要的图像重建时间。
15.根据权利要求14所述的装置，其特征在于，表示图像处理计算机(REKON)的系统资源(SR)的参数仅或至少也是对于图像重建可用的、图像处理计算机(REKON)的存储器(SP)。
16.根据权利要求14所述的装置，其特征在于，表示图像处理计算机(REKON)的系统资源(SR)的参数仅或至少也是对于图像重建可用的、图像处理计算机的处理器(PR)的计算功率或处理器功率。
17.根据权利要求14所述的装置，其特征在于，表示图像处理计算机(REKON)的系统资源(SR)的参数是预计的利用图像处理计算机(REKON)进行图像重建所需的图像重建时间。
18.根据权利要求14所述的装置，其特征在于，参数是由于图像产生引起的允许的信噪比损失。
19.根据权利要求14-18中任一项所述的装置，其特征在于，能够利用图像处理计算机(REKON)的系统资源(SR)按照预定的尺寸或百分比来产生身体(105)的区域(K)的图像(IMG)。
20.根据权利要求19所述的装置，其特征在于，所述系统资源是以对于图像重建可用的、图像处理计算机(REKON)的处理器功率(PR)和/或对于图像重建可用的、图像处理计算机(REKON)的存储器(SP)的形式的系统资源(SR)。
21.根据权利要求14-18中任一项所述的装置，其特征在于，所述M个模式数据组分别是进一步处理信道和/或主成分和/或k空间数据组。
22.根据权利要求14-18中任一项所述的装置，其特征在于，所述装置构造为用于部分并行的采集(PPA)。
23.根据权利要求14-18中任一项所述的装置，其特征在于，所述装置被构造为，利用缩减矩阵通过矩阵乘法将利用磁共振局部线圈阵列(4)的N个线圈(40)产生的N个接收信号数据组(EDS)压缩为小于N的对于随后的磁共振图像重建可用的M个模式数据组(MDS)。
24.根据权利要求23所述的装置，其特征在于，所述缩减矩阵是特征向量矩阵。
25.根据权利要求14-18中任一项所述的装置，其特征在于，所述M个模式数据组(MDS)是主成分分析的主成分数据组。
CN201310549729.XA 2012-11-23 2013-11-07 用于磁共振图像处理的信号压缩度的动态匹配 Expired - Fee Related CN103837851B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102012221465.8 2012-11-23
DE102012221465.8A DE102012221465B4 (de) 2012-11-23 2012-11-23 Dynamische Anpassung des Signal-Kompressionsgrades für die MRT-Bildverarbeitung

Publications (2)

Publication Number Publication Date
CN103837851A CN103837851A (zh) 2014-06-04
CN103837851B true CN103837851B (zh) 2017-05-24

Family

ID=50678994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310549729.XA Expired - Fee Related CN103837851B (zh) 2012-11-23 2013-11-07 用于磁共振图像处理的信号压缩度的动态匹配

Country Status (5)

Country Link
US (1) US9297872B2 (zh)
JP (1) JP6270428B2 (zh)
KR (1) KR101615889B1 (zh)
CN (1) CN103837851B (zh)
DE (1) DE102012221465B4 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020211727B3 (de) 2020-09-18 2021-11-04 Siemens Healthcare Gmbh Performance-Optimiertes Verfahren zur Bestimmung von gültigen Parameterdatensätzen

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1640358A (zh) * 2004-01-13 2005-07-20 株式会社东芝 磁共振成像装置和磁共振成像收集数据的处理方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10313004B3 (de) 2003-03-24 2005-01-20 Siemens Ag Verfahren zur Modenbildung, Verfahren zur Modenbereitstellung und Empfangseinheit für ein Magnetresonanzgerät
DE102005018814B4 (de) * 2005-04-22 2007-06-06 Siemens Ag Verfahren zur MRT-Bildgebung auf Basis konventioneller PPA-Rekonstruktionsverfahren sowie korrespondierendes Gerät und Computersoftwareprodukt
US7576536B2 (en) * 2005-05-06 2009-08-18 Invivo Corporation MRI method and apparatus for adaptive channel reduction in parallel imaging
US7279893B1 (en) * 2006-04-20 2007-10-09 General Electric Company Receiver channel data combining in parallel mr imaging
WO2009112987A1 (en) * 2008-03-14 2009-09-17 Koninklijke Philips Electronics N.V. Coil selection for parallel magnetic resonance imaging
DE102009012109B4 (de) * 2009-03-06 2011-05-12 Siemens Aktiengesellschaft Digitales Verfahren zur Kanalreduktion in MR Empfangs-Systemen und entsprechende Vorrichtung
US8890522B2 (en) * 2010-04-02 2014-11-18 General Electric Company Accelerated pseudo-random data magnetic resonance imaging system and method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1640358A (zh) * 2004-01-13 2005-07-20 株式会社东芝 磁共振成像装置和磁共振成像收集数据的处理方法

Also Published As

Publication number Publication date
DE102012221465A1 (de) 2014-05-28
US20140161336A1 (en) 2014-06-12
US9297872B2 (en) 2016-03-29
JP2014104357A (ja) 2014-06-09
KR101615889B1 (ko) 2016-04-27
KR20140066649A (ko) 2014-06-02
CN103837851A (zh) 2014-06-04
DE102012221465B4 (de) 2014-06-26
JP6270428B2 (ja) 2018-01-31

Similar Documents

Publication Publication Date Title
JP6557710B2 (ja) 核磁気共鳴（ｎｍｒ）フィンガープリンティング
KR101607366B1 (ko) 자기 공명 시스템 제어 시퀀스의 결정
US7495437B2 (en) Method for MRT imaging on the basis of conventional PPA reconstruction methods
US7843195B2 (en) Method for determining the spatial distribution of magnetic resonance signals with use of local spatially encoding magnetic fields
RU2504795C2 (ru) Выбор катушек для параллельной магнитно-резонансной визуализации
JP4926976B2 (ja) 磁気共鳴撮像システム及び方法
KR102236865B1 (ko) 자기 공명 시스템 작동 시퀀스 확립
CN105143904A (zh) 用于多信道发射机的多频带射频/磁共振成像脉冲设计
JP2013505046A (ja) Ｍｒｉにおけるｒｆパワー及びｒｆフィールド均一性の同時最適化
CN111721795B (zh) 一种基于核磁共振系统的物质测量方法及系统
CN104736050B (zh) 磁共振成像装置以及sar的预测方法
US10295613B2 (en) Method and apparatus for updating multiple magnetic resonance datasets acquired using a parallel acquisition technique
CN104337516A (zh) 磁共振控制序列的确定
CN104375105B (zh) 用于线圈的自动高频匀场配置
JP2016539735A (ja) 水／脂肪分離を有するゼロエコー時間ｍｒイメージング
CN104101843B (zh) 在磁共振成像中的并行发送阵列的退耦
WO2016096623A1 (en) Spin echo mr imaging
CN111693912B (zh) 利用磁共振断层成像设备和场照相机测量磁场分布的方法
JP6762284B2 (ja) 磁気共鳴イメージング装置およびノイズ除去方法
CN103454606B (zh) 用于确定磁共振技术中特定于对象的b1分布的方法
US9916823B2 (en) Gradient waveforms derived from music
CN103837851B (zh) 用于磁共振图像处理的信号压缩度的动态匹配
US10036793B2 (en) Method and apparatus for reconstructing magnetic resonance images with phase noise-dependent selection of raw data
Kim et al. Assessing MR image reconstruction quality using the fourier radial error spectrum plot
US11686799B2 (en) Method and apparatus for generation of combined magnetic resonance images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170524

Termination date: 20191107