CN103901377A - 用于相干和非相干运动的同时检测的q-空间的复数重建 - Google Patents
用于相干和非相干运动的同时检测的q-空间的复数重建 Download PDFInfo
- Publication number
- CN103901377A CN103901377A CN201310734723.XA CN201310734723A CN103901377A CN 103901377 A CN103901377 A CN 103901377A CN 201310734723 A CN201310734723 A CN 201310734723A CN 103901377 A CN103901377 A CN 103901377A
- Authority
- CN
- China
- Prior art keywords
- locus
- signal
- image
- data
- phase place
- 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.)
- Granted
Links
Images
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
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56341—Diffusion imaging
Landscapes
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Vascular Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
Abstract
一种磁共振(MR)成像方法包括使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码。这些信号每个包括与q-空间位置中的相干运动和非相干运动有关的信息。方法还包括:确定由相干运动对采集的MR信号的相位的贡献;从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及从速度分量的图像产生三维速度图像。
Description
背景技术
一般,磁共振成像(MRI)检查基于一次磁场、射频(RF)磁场和在感兴趣受检者(例如患者)内具有带核自旋的旋磁材料的时变磁梯度场之间的交互。某些旋磁材料(例如水分子中的氢核)具有响应于外部磁场的特征行为。这些核的自旋运动可以通过操纵场来产生可以被检测、处理并且用于重建有用图像的RF信号而受到影响。
已经开发技术来执行MRI成像序列以生成可指示组织微观结构的扩散信息和/或对于例如神经损伤、神经退化性疾病等各种异常来评估组织。在扩散成像中,在图像空间和扩散空间两者中对信息编码,后者典型地在本领域内称为q-空间。典型地,q-空间用于检测水分子中氢核的移动。扩散编码梯度脉冲用于对在组织内和之间-更特定地在单独体素(每个空间位置)内的水分子的三维移动表征。水分子的移动可表征为由扩散过程产生的非相干运动,和由例如在脉动期间由组织移动产生的相干运动。
从q-空间采集获得的数据因此包含与非相干和相干运动两者都有关的数据。因为常规的扩散频谱成像(DSI)方法关于扩散表征,相干运动典型地作为用于促进数据处理的数学运算的部分而被丢弃。
发明内容
与最初要求保护的本发明在范围上相当的某些实施例在下文概述。这些实施例不意在限制要求保护的本发明的范围,而相反这些实施例只意在提供本发明的可能形式的简短概要。实际上,本发明可包含与下文阐述的实施例相似或不同的多种形式。
在一个实施例中,磁共振(MR)成像方法包括使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码。这些信号每个包括与q-空间位置中的相干运动和非相干运动有关的信息。方法还包括:确定由相干运动对采集的MR信号的相位的贡献;从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及从速度分量的图像产生三维速度图像。
在另一个实施例中,磁共振(MR)成像系统包括控制和分析电路,对其编程以:使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且这些信号每个包括与q-空间位置中的相干运动和非相干运动有关的信息。还对该控制和分析电路编程来确定由相干运动对采集的MR信号的相位的贡献;从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及从速度分量的图像产生三维速度图像。
在另外的实施例中,提供非暂时性机器可读介质。该介质存储指令,其能被一个或多个处理器执行来:促使MR扫描仪使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度。这些采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且这些信号每个包括与q-空间位置中的相干运动和非相干运动有关的信息。这些指令还能被执行来促使一个或多个处理器确定由相干运动对采集的MR信号的相位的贡献;从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集并以及对于每个q-空间位置的速度分量的图像;以及从速度分量的图像产生三维速度图像。
提供一种磁共振(MR)成像方法,其包括:
使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且所述信号每个包括与所述q-空间位置中的相干运动和非相干运动有关的信息;
确定由相干运动对采集的MR信号的相位的贡献;
从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及
从所述速度分量的图像产生三维速度图像。
优选的,确定由相干运动对采集的MR信号的相位的贡献包括使用多项式函数在q-空间中拟合所述信号的相位来获得对应于所述相干运动的多项式拟合系数。
优选的,所述多项式拟合系数对应于所述速度分量的图像。
优选的,从采集的MR信号去除能归因于相干运动的相位贡献包括根据所述多项式拟合系数,去除能归因于相干运动的所述相位贡献。
优选的,从所述速度分量的图像产生三维速度图像包括对所述速度分量的图像执行速度编码计算。
优选的,对于每个q-空间位置的复数数据集保留从采集获得的高斯噪声性质。
优选的,所述方法包括在提取所述复数数据的实部后从所述复数数据集生成取向分布函数,并且使用所述取向分布函数来生成所述组织的结构图像。
优选的,使用所述扩散敏化脉冲序列采集q-空间位置处的MR信号包括对于少于全部的q-空间位置的多个q-空间位置采集欠采样q-空间位置处的MR信号。
优选的,所述方法包括对于其中不采集MR信号的q-空间位置使用压缩感测技术来使q-空间编码合成。
优选的,所述方法包括通过相位展开对每个q-空间位置的信号的相位去混叠。
优选的,所述方法包括使用多项式函数从采集的MR信号去除背景相位来使采集的MR信号相位拟合到图像空间。
提供一种磁共振(MR)成像系统,其包括:
控制和分析电路,对其编程以:
使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且所述信号每个包括与所述q-空间位置中的相干运动和非相干运动有关的信息;
确定由相干运动对采集的MR信号的相位的贡献;
从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及
从所述速度分量的图像产生三维速度图像。
优选的,所述控制和分析电路配置成通过使用多项式函数在q-空间中拟合信号的相位来获得对应于相干运动的多项式拟合系数而确定由所述相干运动对采集的MR信号的相位的贡献,并且所述多项式拟合系数对应于所述速度分量的图像。
优选的,所述控制和分析电路配置成通过根据所述多项式拟合系数来去除能归因于相干运动的相位贡献而从采集的MR信号去除能归因于相干运动的相位贡献。
优选的,所述控制和分析电路配置成对于少于全部的q-空间位置的多个q-空间位置采集欠采样q-空间位置处的MR信号,并且配置成对于其中不采集MR信号的q-空间位置使用压缩感测技术来使q-空间编码合成。
优选的,所述控制和分析电路配置成在提取所述复数数据的实部后从所述复数数据集生成取向分布函数,并且使用所述取向分布函数来生成所述组织的结构图像。
提供一种非暂时性机器可读介质,其能被一个或多个处理器执行来:
促使MR扫描仪使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且所述信号每个包括与所述q-空间位置中的相干运动和非相干运动有关的信息;
确定由相干运动对采集的MR信号的相位的贡献;
从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及
从速度分量的图像产生三维速度图像。
优选的,存储的指令能由所述一个或多个处理器执行以通过使用多项式函数在q-空间中拟合信号的相位来获得对应于相干运动的多项式拟合系数而确定由相干运动对采集的MR信号的相位的贡献,并且所述多项式拟合系数对应于所述速度分量的图像。
优选的,存储的指令能由所述一个或多个处理器执行以通过根据所述多项式拟合系数来去除能归因于相干运动的相位贡献而从采集的MR信号去除能归因于相干运动的相位贡献。
优选的,存储的指令能由所述一个或多个处理器执行来促使所述MR扫描仪对于少于全部的q-空间位置的多个q-空间位置采集欠采样q-空间位置处的MR信号,并且能由所述一个或多个处理器执行来对于其中未采集MR信号的q-空间位置使用压缩感测技术来使q-空间编码合成。
优选的,存储的指令能由所述一个或多个处理器执行以在提取所述复数数据的实部后从所述复数数据集生成取向分布函数,并且使用所述取向分布函数来生成所述组织的结构图像。
附图说明
当参照附图(其中类似的符号在整个附图中代表类似的部件)阅读下列详细描述时,本发明的这些和其他特征、方面和优势将变得更好理解,其中:
图1是根据本公开的方面配置成执行扩散成像的磁共振成像(MRI)系统的实施例的示意图示;
图2是根据本公开的方面描绘用于从由图1的系统收集的复数q-空间数据获得相干和非相干运动数据两者的方法的实施例的过程流程图;
图3是根据本公开的方面描绘用于采用实现相干运动的表征的方式来处理复数q-空间数据的方法的实施例的过程流程图;以及
图4是根据本公开的方面描绘用于采用实现非相干运动的表征的方式来处理复数q-空间数据的方法的实施例的过程流程图。
具体实施方式
一个或多个特定实施例将在下文描述。为了提供这些实施例的简洁描述,可不在该说明书中描述实际实现的所有特征。应该意识到在任何这样的实际实现的开发中,如在任何工程或设计项目中,必须做出许多实现特定的决定以达到开发者的特定目标,例如遵守系统有关和业务有关的约束等,其可在实现之间变化。此外,应该意识到这样的开发努力可能是复杂并且耗时的,但对于具有本公开的利益的那些普通技术人员仍将是设计、制作和制造的例行任务。
当介绍本发明的各种实施例的要素时,冠词“一(a)”、“一(an)”、 “该”和“所述”意在表示存在要素中的一个或多个。术语“包括”、“包含”和“具有”意在为包括性的并且表示可存在除列出的要素外的附加要素。此外,下面的论述中的任何数值示例意在为非限制性,并且从而另外的数值、范围和百分比在公开的实施例的范围内。
如上文提到的,常规的DSI牵涉去除相干流信息来以便于数据处理。特别地,对于每个q-空间点的复数信号(例如,具有幅度和相位两者的信号)操作来产生信号的所谓的“模数”。信号的模数大体上对应于信号的幅度,其中信号的相位由全部被去除的q-空间点中的扩散自旋的速度分量产生。然而,保留这样的相位信息来获得组织结构和扩散的更准确估计,这可是可期望的。根据本实施例,采用信号的相位来同时对现有的运动归类以及从相同的复数q-空间数据提取扩散信息。
实际上,本实施例实现在生物组织中说明的尺度上的相干和非相干运动的同时估计。另外,本技术保留在复数MRI采集中固有的高斯噪声性质,其使扩散MRI数据的量化上的幅度引致的偏差减少。与使用基于模数的重建方法将获得的相比,这导致在非相干(扩散或峰度)或相干运动上的数据驱动度量的更准确估计。
本文描述的实施例可由磁共振成像(MRI)系统执行,其中特定成像例程(例如,扩散MRI序列)由用户(例如,放射科医师)发起。从而,MRI系统可执行数据采集、数据构造和图像合成。因此,参考图1,磁共振成像系统10示意地图示为包括扫描仪12、扫描仪控制电路14和系统控制电路16。根据本文描述的实施例,MRI系统10大体上配置成执行MR成像,例如对于扩散成像的成像序列,T1、T2、质子密度(PD)加权、流体衰减等。系统10另外包括例如图片归档和通信系统(PACS)18等远程访问和存储系统或装置或例如远程放射设备等其他装置,使得可现场或非现场访问由系统10采集的数据。这样,可采集MR数据,接着现场或非现场处理和评估。尽管MRI系统10可包括任何适合的扫描仪或检测器,在图示的实施例中,系统10包括具有壳体20的全身扫描仪12,膛22通过该壳体20而形成。台24能移动到膛22内来允许将患者26安置在其中用于对患者内选择的解剖结构成像。
扫描仪22包括一系列关联的线圈,用于产生受控磁场用于在正成像的受检者的解剖结构内激发旋磁材料。具体地,提供一次磁体线圈28,用于生成一次磁场B0,其大体上与膛22对齐。一系列梯度线圈30、32和34允许生成受控磁梯度场用于在检查序列期间患者26内的旋磁核中的某个的位置编码。提供射频(RF)线圈36,并且它配置成生成射频脉冲用于激发患者内的某个旋磁核。除可以是扫描仪12的局部的线圈外,系统10还包括配置用于靠近(例如,靠着)患者26放置的一组接收线圈38(例如,线圈阵列)。作为示例,接收线圈38可以包括颈部/胸部/腰部(CTL)线圈、头部线圈、单侧脊柱线圈等。大体上,接收线圈38接近患者26放置或放置在患者26的顶部上以便接收弱RF信号(相对于由扫描仪线圈生成的传送脉冲是弱的),其在患者26内的旋磁核恢复到它们的松弛状态时由它们中的某个生成。
系统10的各种线圈由外部电路控制来生成期望的场和脉冲,并且以受控的方式读取来自旋磁材料的发射。在图示的实施例中,主电力供应40向一次场线圈28提供电力。提供驱动器电路42用于使梯度场线圈30、32和34脉动。这样的电路可包括用于向线圈供应电流的放大和控制电路(如由扫描仪控制电路14输出的数字化脉冲序列限定的),其在一个实施例中可以是扩散成像模块。提供另一个控制电路44,用于调节RF线圈36的操作。电路44包括用于在主动和被动操作模式之间交替的切换装置,其中RF线圈36相应地传送和不传送信号。电路44还包括用于生成RF脉冲的放大电路。相似地,接收线圈38连接到开关46,其能够使接收线圈38在接收和非接收模式之间切换。从而,接收线圈38在处于接收模式时利用由来自患者26内的松弛旋磁核产生的RF信号共振,并且它们在处于非接收模式时未利用来自传送线圈(即,线圈36)的RF能量共振以便防止非期望操作。另外,提供接收电路48用于接收由接收线圈38检测的数据,并且它可包括一个或多个复用和/或放大电路。
应该注意尽管上文描述的扫描仪12和控制/放大电路图示为通过单个线路而耦合,在实际安装中可出现许多这样的线路。例如,独立线路可用于控制、数据通信等。此外,适合的硬件可沿每个类型的线路设置用于数据的适当处理。实际上,各种滤波器、数字化器和处理器可设置在扫描仪与扫描仪和系统控制电路14、16中的任一个或两者之间。通过非限制性示例,尽管图示为单个单元,在下文详细描述的控制和分析电路中的某个包括额外的硬件,例如配置成执行本文描述的数据处理技术的图像重建硬件。
如图示的,扫描仪控制电路14包括接口电路50,其输出用于驱动梯度场线圈和RF线圈并且用于接收代表在检查序列中产生的磁共振信号的数据的信号。接口电路50耦合于控制和分析电路52。控制和分析电路52基于经由系统控制电路16选择的限定协议来执行用于驱动电路42和44的命令。控制和分析电路52还起到接收磁共振信号的作用并且在将数据传送到系统控制电路16之前执行后续处理。扫描仪控制电路14还包括一个或多个存储器电路54,其在操作期间存储配置参数、脉冲序列描述、检查结果等。如上文指出的,在一个实施例中,扫描仪控制电路14可对应于扩散成像模块中的全部或一部分。
接口电路56耦合于控制和分析电路52用于在扫描仪控制电路14与系统控制电路16之间交换数据。在某些实施例中,尽管图示为单个单元,控制和分析电路52可包括一个或多个硬件装置。此外,在某些实施例中,系统控制电路16可以是扩散成像模块的一部分。系统控制电路16包括接口电路58,其从扫描仪控制电路14接收数据并且将数据和命令传送回到扫描仪控制电路14。接口电路58耦合于控制和分析电路60,其可包括多用或专用计算机或工作站中的CPU。控制和分析电路60耦合于存储器电路62来存储用于操作MRI系统10的编程代码并且存储处理的图像数据用于重建、显示和传送。编程代码可执行一个或多个算法,其在由处理器执行时可配置成执行采集的q-空间数据的复数重建来获得相干和非相干运动数据两者。可提供另外的接口电路64,用于与例如远程访问和存储装置18等外部系统组件交换图像数据、配置参数等。最后,系统控制和分析电路60可包括各种外设装置,用于使操作者接口便利化并且用于产生重建图像的硬拷贝。在图示的实施例中,这些外设包括打印机60、监测器62和用户接口64,其包括例如键盘或鼠标等装置。
应该注意描述的MRI系统仅意在为示范性的,并且也可使用例如所谓的“开放式”MRI系统等其他系统类型。相似地,这样的系统可通过它们的一次磁体的强度来定额,并且可采用能够实施下文描述的数据采集和处理的任何适合的额定系统。实际上,公开的方法的至少一部分可由在上文关于图1描述的系统10执行。即,MRI系统10可执行本文描述的采集技术,并且在一些实施例中,执行本文描述的数据处理技术。应该注意继本文描述的采集之后,系统10可简单地存储采集的数据用于稍后的本地和/或远程访问,例如在存储器电路(例如,存储器62)中。从而,当本地和/或远程访问时,采集的数据可由包含在专用或通用计算机内的一个或多个处理器操纵。该一个或多个处理器可访问采集的数据并且执行存储在一个或多个非暂时性机器可读介质(其共同存储指令用于执行包括本文描述的扩散成像方法的方法)上的例程。
一个这样的方法80图示为图2中的过程流程图。特别地,方法80包括意在分析复数q-空间数据(即,包括相位信息的q-空间数据)来表征非相干(即,扩散的和易散发的)运动和相干(即。流、脉动)运动两者的多个步骤。因此,应该注意方法80包括保留包含在复数q-空间数据中的相位信息以便实现相干运动的表征。
方法80以执行扩散MRI采集开始(框82)。采集可以是用于采用来自感兴趣三维区(例如,患者的组织)的一组信号形式的数据的任何适合的扩散脉冲序列。通过非限制性示例,采集可包括自旋回波或双自旋回波回波平面成像脉冲序列,其具有扩散敏化梯度脉冲。该脉冲序列产生一系列MR图像(在k空间中的复数傅立叶变换后),其中每个图像代表扩散的倒易空间-q-空间中的一个点。图像构成复数扩散编码数据集,其包含与非相干和相干运动(例如由脉动组织-即,血液或脑脊流体(CSF)流产生的运动)两者有关的相位信息。在每个q-空间位置处的采集信号代表每个体素中旋磁材料(例如,水中的质子)的自旋的三维位移分布。根据框82获得的信号包括通过一组随机分布的编码梯度(其代表成像体积中自旋的三维位移概率分布函数)的扩散编码。
最广泛的扩散信息典型地使用满足奈奎斯特准则的采集来获得。根据框82的采集将典型地具有高维度-其包括空间域中的三个维度和q-空间域中的三个维度,并且在某些实施例中可以奈奎斯特速率执行。因此,对于某些序列的扫描时间可是相对长的。为了减少扫描时间,在其他实施例中,可采集少于全部的q-空间数据。也就是说,作为备选采集方法,q-空间数据可以小于奈奎斯特速率来采样。在这样的实施例中采用的采集轨迹可以是任何适合的轨迹,例如非均匀(例如,随机或伪随机)模式、稀疏采样位置的常规采样模式,等。在一个实施例中,模式可未均匀分布。
在对少于总可用q-空间位置采样的实施例中,方法80可包括使对于未采样的q-空间位置的q-空间编码合成(框84)以便产生一组均匀分布的q-空间数据点。例如,尽管并行成像重建技术可以潜在地用于使有缺失空间数据合成,由于欠采样模式的随机或伪随机性质,利用例如压缩感测等其他技术以便实现有缺失q-空间数据的合成,这可是可期望的。如将由本领域内技术人员理解的,压缩感测是其中数据既被采集并且然后又被重建的技术。因此,根据框82的采样可以是顺从使用压缩感测算法的重建的模式。尽管任何适合的压缩感测算法可用于重建,在一个实施例中,重建可使用非线性重建方案来执行。然而,应该注意用于欠采样和伴随重建的任何适合的方法可连同本文描述的技术一起用于复数q-空间重建。
在采集并且合成期望的q-空间数据位置(如适合的话)时,方法80进展到提取对于每个q-空间数据点的图像相位(框86)。应该注意图像相位的提取不包括相位数据的去除。相反,如本领域内技术人员将意识到的,图像相位提取导致对于每个q-空间点的相位图像,其可经受另外的处理步骤,如在下文详细论述的。任何适合的技术可用于根据框86的相位提取。通过非限制性示例,这样的技术可包括采取虚部除以实部的反正切。
因为复数q-空间数据的相位可混叠超出-pi到+pi的范围,相位图像可被包裹(即,混叠)。此外,因为数据是复数的,它还包括与背景噪声(例如,由于B0不均一性引起)有关的相位数据。因此,可执行一系列处理步骤(大体上在框88处描绘)用于展开并且拟合对于每个q-空间点的相位。执行根据框88的动作所采用的方式的一个实施例在下文关于图3进一步详细论述。
大体上,根据框88的动作将起到去除背景相位、展开相位以及还将根据本实施例实现正成像的组织中非相干和相干运动两者的分离和表征的作用。因此,继根据框88执行的步骤后,方法80包括对独立数据集执行的一系列并行过程。这些并行过程在下文关于图3和4进一步详细论述。
作为示例,与非相干运动有关的数据可用于生成代表在给定回波时间处自旋位移的概率分布的函数-特别对于扩散有关的过程。如本领域内技术人员所理解的,取向分布函数(ODF)可从概率分布函数生成(框90)。特别地,ODF是概率分布函数的角分量,并且反映基本组织各向异性。因此,ODF可用于重建组织的图像(框92)。
如上文指出的,方法80还产生与相干运动有关的数据,其可与与非相干运动有关的数据并行地处理。具体地,与相干运动有关的数据可用于生成3D速度图像(框94),其对于表征血液、脑脊流体(CSF)、脉动运动的流及诸如此类可以是有用的。
处理相位信息所采用的方式可参考图3而更好地理解,其是图示用于处理具有速度相位信息的复数q-空间数据集的方法100的实施例的过程流程图。该方法100可视为在方法80的框88处开始,在框86处对于每个q-空间点提取图像相位后。
尽管使用适合大小的视场(FOV)来对感兴趣组织成像可以是可能且可期望的,这样的成像采集可是耗时的。因为q-空间成像代表与传统MRI相比比平均值更长的成像时间,使FOV减少到提供足够的覆盖同时还实现一些程度的去混叠的大小,这可是可期望的。在这样的实施例中,如在上文关于图2指出的,FOV可大小适于使得复数q-空间数据的相位可混叠超出-pi到+pi的范围。因此,在图示的实施例中,图像可使用任何适合的相位展开技术来去混叠(框102)。通过非限制性示例,这样的技术可包括找到经历相位中的混叠的图像区,并且将偶数倍的pi扣除或添加到原始相位。这些动作的结果是对于每个q-空间点(数据104)的展开、连续相位图像。数据104可以具有超出-pi到+pi范围的相位值。在一些实施例中,可显示展开的相位图像。
展开的相位图像(数据104)还可包括具有低空间变化的背景相位,其可以能归因于不是生理感兴趣的运动、测量缺陷(例如,B0不均一性)及诸如此类。因此,背景相位可通过对于每个q-空间点拟合图像空间中的信号的相位而去除(框106)。通过非限制性示例,相位φ可使用具有任何适合的阶(例如,一、二、三,等)的任何适合的多项式来拟合。在一个实施例中,二阶多项式可用于根据下面的等式来拟合:
(1)
根据框106的动作在多项式中的系数的基础上经由对于缓慢变化相位的相位校正来去除图像中的相位。框106中的动作因此产生具有背景相位校正的相位展开的复数q-空间数据(数据108)。
如上文指出的,根据本文描述的方法获得的q-空间数据是复数的,并且包括与相干和非相干运动有关的信息。从而,复数q-空间数据实现成像组织中这些类型的运动的分离和表征。例如,灌注(非定向运动)应该导致快速衰落,例如经由具有小于100mm2/s的b值的体素内-非相干运动现象,后跟对于更高b值的扩散信号衰落。另一方面,相干流(例如,组织运动,其是定向的)可导致在q-空间域中的非零相位贡献或位移传播器的中心的偏心偏移以及在位移域中失去对称。因此,非相干和相干流每个对每个q-空间点中的信号的相位具有不同的贡献。
相干运动的相位贡献可以通过执行本文论述的一系列步骤来确定。如在图3中图示的,能归因于相干运动的信号相位φ可以在q-空间中拟合(框110)。例如,拟合可使用具有任何适合的阶(例如,一、二、三等)的任何适合的多项式来执行。通过非限制性示例,一阶多项式可用于根据下面的等式的拟合:
(2)
在拟合期间或之后,相干运动的相位贡献可根据多项式拟合系数来去除以从q-空间相位拟合产生具有系数的图像(即,x、y、z速度分量的图像)(数据112)并且对于没有来自相干运动和背景梯度的相位贡献的每个q-空间点(数据114)产生复数数据集。使用具有x、y、z速度分量的图像(数据112),可对每个q-空间点执行速度编码计算(VENC)(框116)来产生一系列3D速度图像(数据118)。速度图像可用于表征例如MR图像中的脑脊流体的速度,和/或大脑图像中的运动校正。此外,目前预想这样的图像可对于能顺从相似表征的其他解剖结构而获得。
对于每个q-空间点的复数数据集(数据114)可根据方法130处理,其示意地在图4中图示。如上文指出的,因为本实施例的重建方法保留复数MRI采集中固有的高斯噪声性质,在扩散MRI数据的量化上的幅度引致的偏差减少或共同被避免。也就是说,本实施例保留噪声的真正分布。与使用基于模数的重建方法将获得的相比,这导致关于非相干(扩散或峰度)运动的数据驱动度量的更准确估计。因此,应该注意根据方法130处理的数据在与这样的方法相比时可实现非相干运动的更准确估计。
以具有去除的速度和背景相位的复数q-空间数据(数据114)开始,提取复数数据的实部(框132)来产生对于每个q-空间点(数据134)的实像。应该注意这些实像(数据134)可与从基于模数的方法获得的幅度图像相似。然而,复数数据还实现例如峰度等高阶扩散性质的评估。
在一些实施例中,复数q-空间数据(数据134)可在q-空间中变换(例如,经由快速傅立叶变换)(框136)来产生代表对于q-空间中的每个点的三维自旋位移的实数(数据138)。数据通过在扩散传播器的一组加权重建上求积分而进一步处理(框140)来产生取向分布函数(ODF)(数据142)。ODF(数据142)然后可用于重建(框144)一个或多个图像(数据146),例如正成像的组织的结构。本领域内技术人员应意识到其他图像可从复数q-空间数据产生,例如代表角扩散特性、径向扩散特性及诸如此类的图像。
该书面描述使用示例来公开本发明,其包括最佳模式,并且还使本领域内技术人员能够实践本发明,其包括制作和使用任何装置或系统并且执行任何包含的方法。本发明的专利范围由权利要求限定,并且可包括本领域内技术人员想到的其他示例。这样的其他示例如果它们具有不与权利要求的文字语言不同的结构要素,或者如果它们包括与权利要求的文字语言无实质区别的等同结构要素则规定在权利要求的范围内。
要素列表
10 | 磁共振成像系统 | 12 | 扫描仪 |
14 | 扫描仪控制电路 | 16 | 系统控制电路 |
20 | 壳体 | 22 | 膛 |
24 | 台 | 26 | 患者 |
28 | 一次磁体线圈 | 30 | 梯度线圈 |
32 | 梯度线圈 | 34 | 梯度线圈 |
36 | RF线圈 | 38 | 接收线圈 |
40 | 主电力供应 | 42 | 驱动器电路 |
44 | 另一个控制电路 | 46 | 开关 |
48 | 接收电路 | 50 | 接口电路 |
52 | 分析电路 | 54 | 存储器电路 |
56 | 接口电路 | 58 | 接口电路 |
60 | 分析电路 | 62 | 存储器电路 |
64 | 另外的接口电路 | 18 | 存储装置 |
80 | 方法 | 82 | 执行扩散MRI采集 |
84 | 使对于未采样的q-空间位置的q-空间编码合成 | 86 | 提取对于每个q-空间点的图像相位 |
88 | 展开并且拟合对于每个q-空间点的相位 | 90 | 生成取向分布函数 |
92 | 使用取向分布函数来重建组织的图像 | 94 | 生成3D速度图像 |
100 | 方法 | 102 | 展开对于每个q-空间点的相位图像 |
104 | 对于每个q-空间点的展开的相位图像(数据) | 106 | 图像空间中的相位拟合 |
108 | 没有背景相位的复数q-空间数据(数据) | 110 | q-空间中的相位拟合 |
112 | x、y、z速度分量的图像(数据) | 114 | 没有速度相位的复数q-空间数据(数据) |
116 | 速度编码计算 | 118 | 3D速度图像(数据) |
130 | 方法 | 132 | 提取复数数据的实部 |
134 | 对于每个q-空间点的实像(数据) | 136 | q-空间中的FFT |
138 | 代表3D自旋位移的实数(数据) | 140 | 径向投影 |
142 | 取向分布函数(数据) | 144 | 重建组织的图像 |
146 | 组织图像(数据) |
Claims (10)
1.一种磁共振(MR)成像方法,包括:
使用对感兴趣组织执行的扩散敏化脉冲序列来采集MR信号,其在q-空间位置处具有相位和幅度,其中采集的信号每个包括代表q-空间位置中自旋的三维位移分布的一组复数傅立叶编码,并且所述信号每个包括与所述q-空间位置中的相干运动和非相干运动有关的信息;
确定由相干运动对采集的MR信号的相位的贡献;
从采集的MR信号去除能归因于相干运动的相位贡献来产生对于每个q-空间位置的复数数据集以及对于每个q-空间位置的速度分量的图像;以及
从所述速度分量的图像产生三维速度图像。
2.如权利要求1所述的方法,其中,确定由相干运动对采集的MR信号的相位的贡献包括使用多项式函数在q-空间中拟合所述信号的相位来获得对应于所述相干运动的多项式拟合系数。
3.如权利要求2所述的方法,其中,所述多项式拟合系数对应于所述速度分量的图像。
4.如权利要求2所述的方法,其中,从采集的MR信号去除能归因于相干运动的相位贡献包括根据所述多项式拟合系数,去除能归因于相干运动的所述相位贡献。
5.如权利要求2所述的方法,其中,从所述速度分量的图像产生三维速度图像包括对所述速度分量的图像执行速度编码计算。
6.如权利要求1所述的方法,其中,对于每个q-空间位置的复数数据集保留从采集获得的高斯噪声性质。
7.如权利要求1所述的方法,包括在提取所述复数数据的实部后从所述复数数据集生成取向分布函数,并且使用所述取向分布函数来生成所述组织的结构图像。
8.如权利要求1所述的方法,其中,使用所述扩散敏化脉冲序列采集q-空间位置处的MR信号包括对于少于全部的q-空间位置的多个q-空间位置采集欠采样q-空间位置处的MR信号。
9.如权利要求8所述的方法,包括对于其中不采集MR信号的q-空间位置使用压缩感测技术来使q-空间编码合成。
10.如权利要求1所述的方法,包括通过相位展开对每个q-空间位置的信号的相位去混叠。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/728,871 US8908951B2 (en) | 2012-12-27 | 2012-12-27 | Complex reconstruction of Q-space for simultaneous detection of coherent and incoherent motion |
US13/728871 | 2012-12-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103901377A true CN103901377A (zh) | 2014-07-02 |
CN103901377B CN103901377B (zh) | 2018-09-21 |
Family
ID=50992828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310734723.XA Active CN103901377B (zh) | 2012-12-27 | 2013-12-27 | 用于相干和非相干运动的同时检测的q-空间的复数重建 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8908951B2 (zh) |
CN (1) | CN103901377B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107683419A (zh) * | 2015-05-28 | 2018-02-09 | 三星电子株式会社 | 磁共振成像装置和方法 |
CN108601552A (zh) * | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 医学成像和医学成像信息的有效共享 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012222149B4 (de) * | 2012-12-04 | 2014-09-18 | Siemens Aktiengesellschaft | Verfahren zur Erzeugung von Magnetresonanzmessdaten |
US9720063B2 (en) * | 2012-12-18 | 2017-08-01 | General Electric Company | Diffusion spectrum imaging systems and methods |
US8908951B2 (en) * | 2012-12-27 | 2014-12-09 | General Electric Company | Complex reconstruction of Q-space for simultaneous detection of coherent and incoherent motion |
US11340323B2 (en) | 2020-01-06 | 2022-05-24 | General Electric Company | Low acoustic noise magnetic resonance image acquisition |
CN112597947B (zh) * | 2020-12-29 | 2022-03-08 | 电子科技大学 | 一种基于傅里叶域光学相干层析成像技术的色散补偿方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1267717B1 (en) * | 2000-03-31 | 2007-11-07 | The General Hospital Corporation | Diffusion imaging of tissues |
CN101470178A (zh) * | 2007-12-29 | 2009-07-01 | 西门子(中国)有限公司 | 一种抑制残余运动伪影的方法及装置 |
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 |
US20130113481A1 (en) * | 2011-11-09 | 2013-05-09 | Samsung Electronics Co., Ltd. | Apparatus and method for compensating artifact in higher order diffusion magnetic resonance imaging (mri) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9404986B2 (en) * | 2011-05-06 | 2016-08-02 | The Regents Of The University Of California | Measuring biological tissue parameters using diffusion magnetic resonance imaging |
US8908951B2 (en) * | 2012-12-27 | 2014-12-09 | General Electric Company | Complex reconstruction of Q-space for simultaneous detection of coherent and incoherent motion |
-
2012
- 2012-12-27 US US13/728,871 patent/US8908951B2/en active Active
-
2013
- 2013-12-27 CN CN201310734723.XA patent/CN103901377B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1267717B1 (en) * | 2000-03-31 | 2007-11-07 | The General Hospital Corporation | Diffusion imaging of tissues |
CN101470178A (zh) * | 2007-12-29 | 2009-07-01 | 西门子(中国)有限公司 | 一种抑制残余运动伪影的方法及装置 |
US20130113481A1 (en) * | 2011-11-09 | 2013-05-09 | Samsung Electronics Co., Ltd. | Apparatus and method for compensating artifact in higher order diffusion magnetic resonance imaging (mri) |
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 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107683419A (zh) * | 2015-05-28 | 2018-02-09 | 三星电子株式会社 | 磁共振成像装置和方法 |
CN108601552A (zh) * | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 医学成像和医学成像信息的有效共享 |
CN108601552B (zh) * | 2015-11-29 | 2021-04-09 | 阿特瑞斯公司 | 医学成像和医学成像信息的有效共享 |
Also Published As
Publication number | Publication date |
---|---|
US8908951B2 (en) | 2014-12-09 |
CN103901377B (zh) | 2018-09-21 |
US20140185894A1 (en) | 2014-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Recht et al. | Using deep learning to accelerate knee MRI at 3 T: results of an interchangeability study | |
JP6557710B2 (ja) | 核磁気共鳴(nmr)フィンガープリンティング | |
CN103901377A (zh) | 用于相干和非相干运动的同时检测的q-空间的复数重建 | |
CN104603630B (zh) | 具有基于导航器的运动检测的磁共振成像系统 | |
US9964616B2 (en) | Fast group matching for magnetic resonance fingerprinting reconstruction | |
Jones | Tractography gone wild: probabilistic fibre tracking using the wild bootstrap with diffusion tensor MRI | |
Chaudhari et al. | Rapid knee MRI acquisition and analysis techniques for imaging osteoarthritis | |
Alexander | An introduction to computational diffusion MRI: the diffusion tensor and beyond | |
US10996306B2 (en) | MRI system and method using neural network for detection of patient motion | |
US8706188B2 (en) | Automatic segmentation of articular cartilage from MRI | |
US11360166B2 (en) | Tensor field mapping with magnetostatic constraint | |
Garwood et al. | Advanced imaging techniques in the knee: benefits and limitations of new rapid acquisition strategies for routine knee MRI | |
CN103576116A (zh) | 磁共振成像中的运动校正的多激励叶片获取 | |
CN105051564A (zh) | 用于压缩感测MRI中的经改进的k-空间采样的方法 | |
CN107440719A (zh) | 用于显示定量磁共振图像数据的方法 | |
Khachaturian et al. | Boosting the sampling efficiency of q‐ball imaging using multiple wavevector fusion | |
Chen et al. | Compressed sensing in sodium magnetic resonance imaging: techniques, applications, and future prospects | |
Legarreta et al. | Generative sampling in bundle tractography using autoencoders (GESTA) | |
CN106137199B (zh) | 扩散磁共振成像中的广义球面去卷积 | |
MomayyezSiahkal et al. | 3D stochastic completion fields for mapping connectivity in diffusion MRI | |
Yang et al. | Generative Adversarial Network Powered Fast Magnetic Resonance Imaging—Comparative Study and New Perspectives | |
Gabusi et al. | Blurred streamlines: A novel representation to reduce redundancy in tractography | |
Ben Alaya et al. | Comparison analysis of local angular interpolation methods in diffusion MRI | |
Bologna | MRI-based radiomic analysis of rare tumors: optimization of a workflow for retrospective and multicentric studies | |
Huang et al. | Data and Physics Driven Learning Models for Fast MRI--Fundamentals and Methodologies from CNN, GAN to Attention and Transformers |
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 |