CN104379058A

CN104379058A - 用于高分辨率mri合并复用灵敏度编码(muse)的多重拍摄扫描协议

Info

Publication number: CN104379058A
Application number: CN201380033385.5A
Authority: CN
Inventors: N-K.陈; A.W.宋
Original assignee: Duke University
Current assignee: Duke University
Priority date: 2012-06-28
Filing date: 2013-06-27
Publication date: 2015-02-25
Anticipated expiration: 2033-06-27
Also published as: US9886745B2; CN104379058B; EP2858559A1; WO2014004870A1; EP2858559B1; US9760979B2; US20150154741A1; EP2858559A4; US20140002078A1

Abstract

利用具有复用灵敏度编码（MUSE）的多重拍摄DWI固有地校正非线性拍摄到拍摄相位变动，而不需要使用导航回波。多重拍摄DWI可以使用交错回波平面成像或其它扫描协议。这个新技术应当证实对于绘制脑部结构的高价值并且对于神经科学研究的高空间分辨率的连通性。

Description

用于高分辨率MRI合并复用灵敏度编码（MUSE）的多重拍摄扫描协议

相关申请

本申请要求2012年6月28日提交的US临时申请号No. 61/665494的权益和优先权，其内容由此通过引用而合并，如同全文记载于此。

联邦支持声明

本发明是利用国家健康研究所授予的拨款编号R01 NS 074045, R01 EB 009483和R01 NS 075017下的政府支持而做出的。美国政府对于本发明享有某些权利。

背景技术

弥散加权成像（DWI）和弥散张量成像（DTI）的出现提供了经由水弥散调查研究人脑中白质的完整性及其对神经功能的影响的手段。诸如从DWI和DTI扫描导出的表观弥散系数（ADC）和部分各向异性（FA）之类的组织弥散特性的定量映射对于各种疾病的病理变化敏感，并且因此在临床上有价值。包括弥散张量成像（DTI）在内的弥散加权磁共振成像（DWI）技术现在是用于评估体内神经微结构最为强大的工具之一[1,2,3]。迄今，已经普遍地利用诸如单次拍摄回波平面成像（EPI）[4]之类的单次拍摄脉冲序列获取DWI数据，以避免放大运动引发的相位误差[5]所导致的显著伪像。然而，单次拍摄DWI经常在空间分辨率方面受限[6]，使其难以测量需要高空间分辨率的精细结构中的详细弥散特性[7]。

已经投入显著的努力以解决DWI中的分辨率限制。并行成像技术的进步使用以选定加速因子的欠采样k-空间数据已经实现了较高的空间分辨率和保真度[8]。然而，当使用较低的加速因子（例如2）时，并行DWI仍然受几何失真和不够理想的点扩散函数限制。另一方面，当使用较高的加速因子时，在重建的并行MR图像中噪声被不合期望地放大。为了彻底消除这些限制，已经开发了诸如交错EPI、交错螺旋成像，PROPELLER和具有嵌入或固有低分辨率导航回波的快速自旋回波脉冲序列之类的多重拍摄技术以解决被放大的拍摄到拍摄运动引发的相位变动，并且产生足够的高分辨率DWI数据[9,10,11,12,13,14,15,16,17,18]。然而，如果运动在导航和真实DWI数据获取之间不同，则基于导航回波的校正可能失效。还提出了不使用导航回波的替换的相位校正机制。举例来说，已经表明可以利用后处理中迭代的且经常是耗时的计算算法而不利用导航根据交错DWI来估计运动引发的相位误差的线性项[19]。然而，这个迭代计算方案在校正由多重拍摄DWI数据中的局部移动所导致的非线性相位误差时可能不是有效的。已经表明，可以根据变密度螺旋成像的嵌入低分辨率信号固有地估计多重拍摄DWI中的线性和非线性相位变动[20,21,22]。变密度螺旋成像方法的潜在问题是当期望高分辨率导航回波时可能连累成像吞吐量。

发明内容

本发明的各实施例利用使用复用灵敏度编码（MUSE）实现高空间分辨率、高SNR、高空间保真度和最小的运动引发的相位误差（所有固有地不需要（但可选地使用）导航回波）的新颖技术来解决前述技术挑战。

MUSE方法可以采用常规SENSE技术[23]来估计多个EPI分段之间的运动引发的相位变动，并且随后可以从交错EPI的所有分段同时地联合计算混淆体素（aliased voxel）（由于内扫描运动引起）的量值信号。与常规SENSE过程相比，MUSE方法具有极大地改进的矩阵求逆调节并且因此可以产生较高SNR的DWT或非DWI图像。与现有基于导航的交错DWI方法相比，用于交错DWI的MUSE协议技术允许交错DWI而不需要任何脉冲序列修改。

本发明的实施例涉及一种用于根据多重拍摄交错MRI脉冲序列来生成高分辨率DWI图像而不依赖外部导航回波的MRI图像数据信号后处理方法。该方法包括：（a）使用并行图像重建固有地、以编程方式估计所获取的DWI图像数据的多个分段之间的运动引发的相位变动和位置变化；（b）以编程方式把（i）来自所估计的运动引发的相位变动和位置变化的拍摄到拍摄相位和位置变动与（ii）所定义的线圈灵敏度分布数据合并成一数学模型，所述数学模型可以联合计算在所获取的未校正交错DWI图像数据中重叠的量值-值源密度信号以生成经校正的DWI图像数据；以及（c）基于经校正的数据以编程方式生成高分辨率DWI图像以由此生成没有由运动引发的混淆伪像的图像。

可以通过将多个分段中的一个分段用作相位和位置的参考分段并且计算所述参考分段与所获取的DWI图像数据的其他分段之间与相位和位置关联的信号的差来执行对运动引发的相位变动和位置变化的估计。

所述多重拍摄MRI脉冲序列可以是与以下各项中的一个或多个关联的多重拍摄交错MRI脉冲序列：（i）交错回波平面成像（EPI）；（ii）交错快速自旋回波（FSE）成像；或者（iii）交错螺旋成像。

所述多重拍摄交错MRI脉冲序列可以与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的FSE分段的交错快速自旋回波（FSE）成像关联。

根据所获取的数据固有地估计运动引发的相位和位置变动可以由以下步骤来执行：（i）通过将并行重建应用到每个个体EPI或FSE分段来重建对应于不同EPI或FSE分段的图像；和（ii）以数学方式量化由所述重建生成的多个图像之间的相位和位置变化；随后（iii）在空间上平滑从数学方式的量化导出的拍摄到拍摄相位变动图以产生高信噪比的相位信息。

所述方法可以包括从相应的所获取的DWI图像数据集的基线T2加权EPI导出用于所述并行图像重建的线圈灵敏度分布数据。

可以通过比较对应于不同分段的复值图像的相位值来计算不同EPI或FSE分段之间的相位变动。

可以根据对应于不同分段的k-空间数据来计算不同EPI或FSE分段之间的旋转和平移运动。

可以使用空间平滑协议来在空间上平滑所述相位信息。

所述空间平滑协议可以包括保存所述相位变动图的锐利边缘信息的总体变动算法。

假定在不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在矩阵求逆同时被应用到所有EPI或FSE分段的情况下，可以通过联合施行对所有EPI或FSE分段的并行图像重建而计算来自重叠体素的所述获取图像数据的DWI信号。可以基于所估计的相位变动和位置变化计算跨多个EPI或FSE分段的相位变动。

使用反映被以数学方式合并到根据所有EPI或FSE分段的联合并行图像重建中的旋转和平移运动的变换矩阵，可以将量值-值信号考虑为跨多个EPI或FSE分段一致，即使在存在跨分段的大规模内扫描运动时。

所述高分辨率DWI图像可以是基于质子弥散性特性说明脑部结构的脑部图像。

所述方法可以包括使用高分辨率DWI图像生成脑部的部分各向异性（FA）图。

其它实施例涉及一种用于根据包括外部导航回波的多重拍摄交错MRI脉冲序列来生成高分辨率DWI和DTI图像的方法。所述方法可以包括：（a）根据嵌入在所述交错MRI脉冲序列中的导航回波以编程方式估计多个EPI或FSE分段之间的运动引发的相位变动和位置变化；（b）将（i）拍摄到拍摄相位和位置变动和（ii）已知的线圈灵敏度数据以编程方式合并成一数学模型，所述数学模型联合计算在未校正交错DWI数据中重叠的质子源密度量值信号以生成经校正的DWI数据；以及（c）基于所述经校正的DWI数据生成高分辨率DWI和DTI图像以由此生成没有混淆伪像的图像。

可以使用低分辨率单次拍摄序列或高分辨率并行单次拍摄序列获取所述导航回波。

低分辨率单次拍摄序列在被使用时可以是单次拍摄回波平面成像（EPI）序列。

高分辨率并行单次拍摄序列可以是具有2或4的加速因子的并行单次拍摄EPI。

根据所获取的数据估计运动引发的相位和位置变动可以由以下步骤执行：（i）通过将所述并行重建应用到每个个体EPI或FSE分段来重建对应于不同EPI或FSE分段的图像；和（ii）以数学方式量化由所述重建生成的多个图像之间的相位和位置变化；随后（iii）在空间上平滑从数学方式的量化导出的拍摄到拍摄相位变动图以产生高信噪比的相位信息。

方法可以包括从相应的所获取的DWI图像数据集的基线T2加权EPI导出用于所述并行图像重建的线圈灵敏度分布数据。

可以根据对应于不同分段的k-空间数据计算不同EPI或FSE分段之间的旋转和平移运动。

可以使用空间平滑协议在空间上平滑所述相位信息。

所述空间平滑协议可以包括保存所述相位变动图的锐利边缘信息的总体变动算法或任何其他空间平滑过程。

假定在不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在矩阵求逆同时被应用到所有EPI或FSE分段的情况下，可以通过联合施行对所有EPI或FSE分段的并行图像重建而计算来自图像数据的重叠体素的DWI信号。可以基于所估计的相位变动和位置变化计算跨多个EPI或FSE分段的相位变动。

再其它实施例涉及一种用于根据多重拍摄交错MRI脉冲序列生成高分辨率fMRI图像或其他类型的非DWI图像而不依赖外部导航回波的方法。方法包括：（a）使用并行图像重建根据所获取的图像数据固有地、以编程方式估计多个回波平面成像（EPI）或螺旋分段之间的运动引发的相位变动和位置变化；（b）以编程方式将（i）来自所估计的运动引发的相位变动和位置变化的拍摄到拍摄相位和位置变动与（ii）所计算的或已知的线圈灵敏度数据合并成一数学模型，所述数学模型联合计算在未校正交错fMRI数据或非DWI数据中重叠的质子源密度信号以生成经校正的交错图像数据；以及（c）使用所述经校正的交错图像数据生成高分辨率fMRI图像或其他非DWI图像以由此生成没有运动引发的混淆伪像的图像。

所述多重拍摄交错MRI脉冲序列可以与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的螺旋分段的交错螺旋成像关联。

根据所获取的数据固有地估计运动引发的相位和位置变动可以通过以下步骤来执行：（i）通过将所述并行重建应用到每个个体EPI或螺旋分段来重建对应于不同EPI或螺旋分段的图像；和（ii）以数学方式量化由所述重建生成的多个图像之间的相位和位置变化；随后（iii）在空间上平滑从数学方式的量化导出的拍摄到拍摄相位变动图以产生高信噪比的相位信息。

可以通过比较对应于不同分段的复值图像的相位值来计算不同EPI或螺旋分段之间的所述相位变动。

可以根据对应于不同分段的k-空间数据计算不同EPI或螺旋分段之间的旋转和平移运动。

可以使用保存所述相位变动图的锐利边缘信息的空间平滑协议在空间上平滑所述相位信息。

所述图像可以是具有来自重叠体素的fMRI信号的fMRI图像，假定不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在将矩阵求逆同时应用到所有EPI或螺旋分段的情况下，通过联合施行对所有EPI或螺旋分段的并行图像重建而计算所述fMRI信号。可以基于所估计的相位变动和位置变化计算跨多个EPI或螺旋分段的相位变动。

使用反映被以数学方式合并到根据所有EPI或螺旋分段的联合并行图像重建中的旋转和平移运动的变换矩阵，可以将量值值信号考虑为跨多个EPI或螺旋分段一致，即使具有跨分段的大规模内扫描运动。

再其它实施例涉及一种用于根据包括外部导航回波的多重拍摄交错MRI脉冲序列生成高分辨率fMRI图像或其他类型的使用非DWI数据的图像的方法。方法包括：（a）根据嵌入在交错MRI脉冲序列中的导航回波以编程方式估计多个回波平面成像（EPI）或螺旋分段之间的运动引发的相位变动和位置变化；（b）把（i）从编程方式的估计导出的拍摄到拍摄相位和位置变动与（ii）所计算的或已知的线圈灵敏度数据合并成一数学模型，所述数学模型联合计算在未校正交错fMRI或其他类型的非DWI图像数据中重叠的质子源密度信号以生成经校正的图像数据；以及（c）使用所述经校正的图像数据生成高分辨率fMRI图像或其他非DWI图像。

根据所获取的数据固有地估计运动引发的相位和位置变动可以包括：（i）通过将所述并行重建应用到每个个体EPI或螺旋分段来重建对应于不同EPI或螺旋分段的图像；和（ii）以数学方式量化由所述重建生成的多个图像之间的相位和位置变化；随后（iii）在空间上平滑从数学方式的量化导出的拍摄到拍摄相位变动图以产生高信噪比的相位信息。

可以通过比较对应于不同分段的复值图像的相位值来计算不同分段之间的所述相位变动。

可以根据对应于不同分段的k-空间数据计算不同分段之间的旋转和平移运动。

可以使用保存所述相位变动图的锐利边缘信息的空间平滑协议来在空间上平滑所述相位信息。

所述相位平滑协议可以包括总体变动算法。

假定不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在将矩阵求逆同时应用到所有分段的情况下，可以通过联合施行对所有分段的并行图像重建而计算来自重叠体素的图像数据信号。可以基于所估计的相位变动和位置变化计算跨多个分段的相位变动。

使用反映以数学方式合并到根据所有分段的联合并行图像重建中的旋转和平移运动的变换矩阵，可以将量值-值信号考虑为跨多个分段一致，即使在存在跨分段的大规模内扫描运动的情况下。

一些实施例涉及一种图像处理电路，其配置成电子地执行上面和/或本文中所述的方法中的任一个。

一些实施例涉及一种MR图像处理系统，包括配置成执行本文中描述和/或要求保护的方法中的任一个的至少一个处理器。

再其它实施例涉及一种数据处理系统，具有非暂时性计算机可读存储介质，非暂时性计算机可读存储介质具有体现在介质中的计算机可读程序代码，所述计算机可读程序代码包括配置成执行本文中描述和/或要求保护的方法中的任一个的计算机可读程序代码。

注意，关于一个实施例描述的本发明的各方面可以合并到不同的实施例中，尽管未相对于他进行具体地描述。也即是说，可以以任何方式和/或组合方式来组合所有实施例和/或任何实施例的特征。另外，可以将关于一个权利要求要求保护的任何特征或子特征无保留地包括在另一个将来的权利要求中，并且这应当被认为在所提交的权利要求中被支持。因此，举例来说，关于方法权利要求所要求保护的任何特征可以可替换地要求保护为系统、电路、计算机可读程序代码或工作站的部分。申请人保留改变任何原始提交的权利要求或相应地提交任何新权利要求的权利，包括能够将任何初始提交的权利要求修改成从属于任何其他权利要求和/或合并任何其他权利要求的任何特征的权利，尽管初始没有以该方式要求保护。在下面阐述的说明书中详细地说明本发明的这些和其他目的和/或方面。

本文详细说明本发明的前述和其他目的和方面。

附图说明

该专利或申请文件包含至少一个用彩色完成的图。在请求并支付必要的费用后，将由专利局提供带有彩色图的本专利或专利申请公开的副本。

图1图示了MRI图像。图1A：15个方向的四次拍摄交错DTI数据易受运动引发的相位误差的影响。图1B：使用MUSE技术，可以消除运动引发的混淆伪像。图1C：根据常规SENSE重建生成的FA图具有低SNR。图1D：利用MUSE技术产生的FA图中改进了SNR。

图2图示了MRI图像。图2A：当其存在局部且非线性的运动（例如，在脑干中）时，在交错DTI中出现明显的运动引发的伪像。图2B：可以利用MUSE技术消除混淆伪像。图2C：在利用常规SENSE过程产生的FA图中SNR低。图2D：使用MUSE技术，可以实现高SNR的FA图。

图3A是提供良好解剖可分辨性的高面内分辨率（体素大小：的DWI数据的MRI图像。图3B是不能揭示相同解剖细节的、具有同一数据集的低分辨率重建（体素大小：的MRI图像。

图4A是高面内分辨率（体素大小：的FA图。图4B是用于（4A）的白色框内部的体素的FA值的放大视图。图4C是将图4B中所指示的绿色和红色体素的轮廓叠加到平均DWI图像上的图像。图4D是将图4B中所指示的绿色和红色体素的轮廓叠加到基线T2加权EPI上的图像。

图5A图示了对应于不同b因子（以步长从500到）的MUSE生成的DWI的图像。图5B图示了对应的b因子（从500到）的SENSE生成的图像的图像。图5C是具有来自图5A的所有7个MUSE生成的DWI的量值均值的图像。图5D是具有来自图5B的所有7个SENSE生成的DWI的量值均值的图像。图5E是从对应于不同B因子（也被称为小写的“b”因子）的MUSE-DWI（黑条）和SENSE-DWI（白条）的白质ROI测量的变动系数的图表。

图6示出了三行MRI图像：图6的最上面行示出了在存在明显的内扫描运动时4个轴向切片的未校正的4-拍摄DWI。图6的中间行示出了利用原始MUSE过程重建的图像。可以看到，与未校正图像相比，在MUSE产生的图像中减少了混淆伪像，但是由于内扫描运动引起的残余模糊伪像仍然可见。使用改进的MUSE过程图像，图6的最下面行示出了可以有效地消除残余伪像，并且所重建的图像具有高质量和高SNR。

图7：图7的最上面行将所获得的图像中的时间波动噪声水平与4-拍摄EPI数据的常规的分段EPI重建（7A）、4个连续SENSE产生的图像的量值加总（7B），以及MUSE算法（7C）进行比较。可以看到，基于MUSE的重建产生具有最低时域波动的数据。图7的最下面行将所获得的图像中的时域SNR水平与常规分段EPI重建（7D）、基于SENSE的重建（7E），以及MUSE算法（7F）进行比较。

图8示出了MRI图像：图8最上面行的图8A、图8B和图8C示出了利用8-拍摄EPI获得的原始DWI图像（分别沿着左-右、前-后和表-里的方向应用弥散敏化梯度）。显著的混淆伪像可见于未校正的DWI数据中。图8最下面行的图8D、图8E和图8F示出了三个原始DWI图像的量值加总（左边，图8D）、嵌入的高分辨率导航回波中的一个（中间，图8E，利用具有4的加速因子的并行EPI获取）和使用从4x并行导航回波导出的相位信息对8-拍摄DWI数据的MUSE重建（右边，图8F）。

图9A是根据本发明的实施例可以被施行以生成MRI图像的示例性动作的流程图。

图9B是根据本发明的实施例可以被施行以生成非DWI图像的示例性动作的流程图。

图10A是根据本发明的一些实施例可以被施行以生成MRI图像的示例性动作的流程图。

图10B是根据本发明的一些实施例可以使用导航回波而被施行以生成MRI图像的示例性动作的流程图。

图10C是根据本发明的一些实施例可以使用并行导航回波而被施行以生成MRI图像的示例性动作的流程图。

图10D是根据本发明的一些实施例可以使用fMRI数据而被施行以生成MRI图像的示例性动作的流程图。

图10E是根据本发明的一些实施例可以使用fMRI数据和导航回波而被施行以生成MRI图像的示例性动作的流程图。

图10F是根据本发明的一些实施例可以使用fMRI数据和并行导航回波而被施行以生成MRI图像的示例性动作的流程图。

图11A-11C是根据本发明的实施例对包括被配置成执行改进的重建以减少伪像误差的图像处理电路或与该图像处理电路通信的不同系统的示意性图示。

图12是根据本发明的实施例的数据处理系统的示意性图示。

具体实施方式

出于促进理解本公开的原理的目的，现在将参考优选实施例并且将使用特定语言描述这些优选实施例。然而应当理解，并不意图由此限制本公开的范围，如本文中所说明的公开内容的这样的更改和另外的修改被构思，如将正常地由本公开所属技术领域的技术人员想到的那样。

冠词“一个”和“一”在本文用来指代一个或指代多于一个（即至少一个）冠词的语法对象。举例而言，“一个元件”意指至少一个元件并且可以包括多于一个元件。

除非另有定义，本文使用的所有技术术语具有与本公开所属技术领域的普通技术人员所普遍理解的相同含义。

现在将参考在其中示出本发明的实施例的附图来在下文中更为充分地描述本发明。然而，该发明可以以许多不同形式进行体现并且不应当解释为被限制到本文阐述的实施例。类似的数字自始至终指代类似的元件。在图中，为了清楚起见，可以夸大某些层、组件或特征，并且虚线图示可选的特征或操作，除非另有指定。此外，操作（或步骤）的次序不限于图和/或权利要求中所呈现的顺序，除非另有具体指示。在这些图中，为了清楚起见，可以夸大线的粗度、层、特征、组件和/或区，并且虚线图示可选的特征或操作，除非另有指定。关于一个图或实施例所描述的特征可以与图的另一实施例关联，尽管未像这样具体描述或示出。

本文使用的术语仅出于描述特定实施例的目的并且不意图限制本发明。如本文所使用的，单数形式“一个”、“一”和“该”意图也包括复数形式，除非上下文明确指示其他情况。将进一步理解，当用于该说明书中时，术语“包括”和/或“包括着”指定所陈述特征、步骤、操作、元件和/或组件的存在，但不排除一个或多个其他特征、步骤、操作、元件、组件和/或其群组的存在或增加。如本文所使用的，术语“和/或”包括关联列出的项目中的一个或多个的任何和所有组合。

将理解，尽管术语“第一”和“第二”在本文用来描述各个动作、步骤或组件，但是不应当被这些术语限制。这些术语仅用来将一个动作、步骤或组件区分于另一动作、步骤或组件。类似的数字自始至终指代类似的组件。

除非另外定义，本文所使用的所有术语（包括技术和科学术语）具有与本发明所属的技术领域中普通技术人员所普遍理解的相同的含义。将进一步理解的是，诸如在普遍使用的字典中定义的那些的术语应当被解释为具有与在本说明书的上下文和相关技术中他们的含义一致的含义并且不应当以理想化或过度正式意义被解释，除非本文中明确地如此定义。公知的功能或构建出于简要和/或清楚的目的可以不被描述。

术语“电路”指代整个软件实施例或组合软件和硬件方面、特征和/或组件的实施例（包括例如处理器和嵌入其中的和/或可由其执行的与其关联的软件，用于可编程地引导和/或施行某些描述的动作或方法步骤）。

术语“可编程地”意指操作或步骤可以被数字信号处理器和/或计算机程序代码引导和/或执行。类似地，术语“电子地”意指步骤或操作可以使用电子组件以自动方式而不是手动地或使用任何智力步骤来执行。

术语“MRI扫面议”或“MR扫面议”被可互换地使用以便指代磁共振成像系统，并且包括高场磁铁和操作组件，例如RF放大器、梯度放大器和通常引导脉冲序列和选择扫描平面的处理器。当前可购买扫面议的示例包括：GE Healthcare: Signa 1.5T/3.0T；Philips Medical Systems: Achieva 1.5T/3.0T；Integra 1.5T；Siemens: MAGNETOM Avanto；MAGNETOM Espree；MAGNETOM Symphony；MAGNETOM Trio；和MAGNETOM Verio。如公知的，MR扫面议可以包括主操作/控制系统，其容纳在一个或多个柜中，该柜驻留在MR控制室中而MRI磁铁驻留在MR扫描套件中。控制室和扫描室可以被称为MR套件并且该两个室可以由RF屏蔽壁分离。术语“高磁场”指代高于大约0.5T的场强，该场强通常高于1.0T，并且更通常地在大约1.5T和10T之间。本发明的实施例可以尤其适合于1.5T和3.0T系统，或者更高场系统，诸如处于4.0T、5.0T、6.0T、7T、8T、9T等的未来构想的系统。

本方法和系统还可以被应用于从动物MRI扫面议获取的动物MRI数据。

术语“患者”指代人类和动物。

术语“自动地”意指操作可以基本上并且通常全部地在没有手动输入的情况下执行，并且通常被可编程地引导和/或执行。关于连接的术语“电子地”包括组件之间的无线和有线连接两者。

术语“临床医生”意指内科医生、放射科医生、物理学家或期望审阅患者的医疗数据的其他医疗人员。术语“工作站”指代与临床医生关联的显示器和/或计算机。

术语“协议”指代自动电子算法和/或具有数学计算的计算机程序，该数学计算具有针对数据询问、分析和/或操纵MRI图像数据的重建所定义的规则。

术语“SENSE”指代由Pruessmann等人描述的灵敏度编码协议：Sense: sensitivity encoding for fast mri. Magn Reson Med 42(5), 952–62 (1999)，其内容通过引用被合并于此，就像全部记载于此。

术语“高分辨率”意指已完成的空间分辨率高于利用常规单拍摄EPI脉冲序列完成的空间分辨率。例如，亚毫米空间分辨率在分辨率方面增加到常规单拍摄EPI的2倍或更多倍（例如，0.5mm x 0.5mm，而利用常规单拍摄EPI完成的面内分辨率大约是2mm x 2mm）。

关于图像质量的术语“高质量”指代由鬼影信号比（ghost-to-signal ratio）计量的低混淆伪像水平。如果鬼影信号比（MSR）小于10%，则MR图像可以被认为没有混淆。MUSE图像的GSR通常能够在大约2%和大约8%之间。参见例如Chen et al., A robust multi-shot scan strategy for high-resolution diffusion weighted MRI enabled by multiplexed sensitivity-encoding (MUSE), NeuroImage 72 (2013), pp. 41-47，其内容通过引用被合并于此，就像全部记载于此。换句话说，在一些实施例中，利用MUSE重建获得的MRI数据中的GSR能够至多是在未校正的交错DWI图像中的三分之一。

术语“高SNR”指代信噪比，针对脑部应用，其可以从利用MUSE过程重建的脑部MRI的灰质和白质区域测量，其是来自利用常规并行图像重建过程（诸如SENSE）产生的图像的信噪比的至少两倍。可接受的SNR值随临床问题变化。举例来说，为了检测MRI中高对比度的可见损伤，选择具有较低SNR值的较快协议可以是令人满意的。在图5中， 7个图像（具有不同b值）具有不同SNR，但对于不同临床问题来说可以都是有用的。因此，术语“高SNR”可以定义成相对的措辞而不是SNR阈值的绝对值。举例来说，在图5a中全部都具有比图5b（利用不同重建过程）更高的SNR，即使对应于不同b值的绝对SNR值不同。

术语“交错EPI”在本领域中是公知的。参见例如：Butts K，Riederer SJ，Ehman RL，Thompson RM，Jack CR. Interleaved echo planar imaging on a standard MRI system. Magn Reson Med. 1994 Jan;31(1):67-72。

术语“多次拍摄交错MRI脉冲序列”指代与交错回波平面成像（EPI）、交错快速自旋回波（FSE）成像、交错螺旋成像关联的MRI脉冲序列和在单次RF脉冲激发之后获取多个回波列（例如，多个ky线）的其他MRI脉冲序列。

术语“固有地”意指信息（例如，运动引发的相位误差）从真实DWI、fMRI或其他（原始）MRI图像数据自身直接导出而不使用诸如导航回波之类的外部信号来调整/校正图像数据以减少或消除运动引发的混淆伪像。

关于所要求保护的方法的术语“后处理”意指在获得相应主体的k-空间中的初始的MRI原始数据之后执行这些方法。

术语“大规模内扫描运动”指代显著的患者移动，例如在MRI扫描期间移动1个体素或大于大约1个体素，该MRI扫描在基于未校正交错EPI的DWI、fMRI或其他图像数据中生成混淆伪像。

术语“存档的”指代可以被访问和重建成患者图像/可视化/渲染的电子存储的患者图像数据。诸如放射科医生之类临床医生的诊断任务可以随患者不同而变化，并且患者的医疗图像的期望渲染或视图相应地可以如此。在一些可视化系统中，内科医生使用具有数据检索接口的交互式工作站生成期望的医疗表示，该数据检索接口从电子体积数据集获得用于医疗图像渲染的医疗数据。可以使用诸如例如PACS（图片存档和通信系统）之类的任何合适的系统执行使用多维MRI图像数据的图像可视化。PACS是从成像医疗设备（modalities）接收图像、将数据存储在存档中以及将数据分发到放射科医生和临床医生以供阅览的系统。

术语“重建”广泛地用来指代初始的或后图像数据获取和存储以及对图像数据集的图像切片或图像的随后构建。

还注意到，为了清楚起见，虽然将某些图描述为“彩色”或“彩色编码”，但为了符合提交规则，可以将这些图像的黑和白副本或灰度版本用于支持本申请。

本发明的实施例可以采取完全为软件的实施例或组合在本文中一般而言全部被称为“电路”或“模块”的软件和硬件方面的实施例的形式。此外，本发明可以采取计算机程序产品的形式，该计算机程序产品在具有体现在介质中的计算机可用程序代码的计算机可用存储介质上。可以利用任何合适的计算机可读介质，包括硬盘、CD-ROM、光学存储设备、诸如支持互联网或内部网的那些之类的传输媒介，或者磁性存储设备。可以用汇编语言或者甚至微代码编写一些电路、模块或例程以增强性能和/或存储器使用。将进一步领会，还可以使用分立硬件组件、一个或多个专用集成电路（ASIC）或编程的数字信号处理器或微控制器实现任何或全部程序模块的功能。本发明的实施例不限于特定编程语言。

可以用诸如Java®、Smarttalk或C++之类面向对象的编程语言编写用于执行本发明的操作的计算机程序代码。然而，也可以用诸如“C”编程语言之类的常规过程编程语言编写用于执行本发明的操作的计算机程序代码。程序代码可以完全在用户的计算机上、部分在用户的计算机上、作为单独的软件包、部分在用户的计算机上且部分在本地和/或远程的另一计算机上、或完全在其他本地或远程计算机上执行。在后面的情境中，其他本地或远程计算机可以通过局域网（LAN）或广域网（WAN）连接到用户的计算机，或者可以做出到外部计算机的连接（例如，使用互联网服务提供商而通过互联网）。

在本文中部分地参考根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图示和/或方块图描述本发明的实施例。将理解，可以通过计算机程序指令实现流程图示和/或方块图中的每个方块以及流程图示和/或方块图中的方块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机和其他可编程数据处理装置的处理器执行的这些指令创建用于实现流程图和/或一个或多个方块图方块中指定的功能/动作的装置。

还可以将这些计算机程序指令存储在这样的计算机可读存储器中，该计算机可读存储器可以引导计算机或其他可编程数据处理装置以特定方式运行，使得存储在计算机可读存储器中的这些指令产生包括实现流程图和/或一个或多个方块图方块中指定的功能/动作的指令装置的制品。

还可以将计算机程序指令加载到计算机或其他可编程数据处理装置上来以使得在该计算机或其他可编程装置上施行一系列操作步骤产生计算机实现的过程，从而使得在该计算机或其他可编程装置上执行的这些指令提供用于实现流程图和/或一个或多个方块图方块中指定的一些或全部功能/动作的步骤。

本文中某些图的流程图和方块图图示本发明实施例的可能实现方式的示例性架构、功能和操作。在这个方面，流程图或方块图中的每个方块表示模块、分段或代码部分，其包括用于实现（一个或多个）指定逻辑功能的一个或多个可执行指令。还应当注意，在一些可替换实现方式中，这些方块中注明的功能可以不按这些图中注明的顺序发生。举例来说，取决于所牵涉的功能，连续示出的两个方块事实上可以基本上并发地执行，或者有时可以以相反顺序执行这些方块，或者可以组合两个或更多方块，或者对方块进行划分并独立地施行。

一般来说，本发明的实施例设计成减少（如果不消除的话）利用当前的弥散加权成像（DWI）和弥散张量成像（DTI）协议获取的MRI数据中的定量不准确度，以由此提供没有混淆伪像的MRI图像。

作为在存在强弥散加权梯度时放大的拍摄到拍摄运动引发的相位变动的结果，利用交错EPI脉冲序列获得的DWI数据极易受混淆伪像影响。此处，在对于多次拍摄获取不失一般性，通过举例的方式描述用于根据使用三通道线圈利用2-拍摄交错EPI序列获得的DWI数据重建没有混淆的图像的简化过程。如实验结果所示，这个过程可以容易地适配到更多交错和更大线圈阵列。从2-拍摄交错EPI的第一个和第二个分段获得的被混淆图像分别由方程1和2表示，其中u_j是由第j个线圈（j=1, 2, 3）从第一个EPI分段检测到的被混淆信号；v_j是由第j个线圈（j=1, 2, 3）从第二个EPI分段检测到的被混淆信号；S_j是针对第j个线圈的线圈灵敏度分布（profile）；以及p和q是计划用于重建的未被混淆的完整FOV图像。

注意，由于相对k-空间轨迹在两个EPI分段之间移位，所以项之前的符号在方程1和2之间不同。利用已知的线圈灵敏度分布，可以使用并行MRI重建根据获取的被混淆信号估计未被混淆的完整FOV图像。举例来说，可以使用SENSE技术根据第一个EPI分段计算完整FOV图像p[23]，其中根据三个测量的信号（即，u_j(x,y),其中 j=1, 2, 3）确定这两个未知项（即，p(x,y)和）。类似地，可以利用SENSE根据第二个EPI分段计算完整FOV图像q。完整FOV图像p和q主要由于两次拍摄之间的运动引发的相位不一致而不同，如方程3和4中所示的，其中非负实数D表示量值信号（即，由弥散对比度加权的质子密度），该量值信号被预期为在多个EPI分段之间是一致的；和是在两次拍摄之间不同的运动引发的相位误差；以及c表示独立于运动的背景相位值。SENSE方法所估计的完整FOV图像（p_s 和q_s ）可以由方程5和6表示，其中n_p 和n_q 是SENSE产生的噪声，当未知项的数目（即，在该示例中为2）不是远小于方程的数目（即，在该示例中为3）时，这些噪声常常是显著的。

即使SENSE方法所估计的完整FOV图像易受不期望的噪声放大影响，预期在空间上平滑的拍摄到拍摄相位不一致也可以利用方程7和8可靠地进行估计，其中TV表示基于总体变动的去噪操作[32]。

此时，可以将方程1和2重新格式化成方程9和10。

可以看到，方程9和10具有两个共同的未知项（即，和），并且因此当合并关于运动引发的相位误差（例如）时可以进行联合求解。前面描述的称为复用灵敏度编码（MUSE）的过程与常规SENSE过程（在该示例中具有2个未知项和3个方程）相比具有显著改进的矩阵求逆条件（在该示例中具有2个未知项和6个方程）。尽管本文主要利用2-拍摄EPI作为示例描述MUSE过程，但也可以将MUSE方案直接扩展成具有更多数目分段的交错EPI。应当注意，复用灵敏度编码方法可以是纯粹的后处理过程，不要求硬件或脉冲序列修改，并且不同于新近开发的复用EPI脉冲序列[24]。

在3 Telsa MRI系统（GEHC HD和MR750, Waukesha, WI）上进行一系列实验以评估所开发的MUSE方法，如下面所描述的。

为了评估所开发技术的性能，使用8通道接收机线圈从6名健康志愿者获得DTI图像。使用4-拍摄交错EPI脉冲序列利用两次重聚焦自旋回波机制获取DTI图像（具有一个基线获取，和b因子为或的15个弥散加权方向）以最小化涡流引发的几何失真[31]。扫描参数包括：部分傅立叶过采样ky线的数目12、面内获取矩阵大小256×140（即，对于4-拍摄扫描来说在部分傅立叶重建之后为256×256）、FOV 、轴向平面切片厚度4mm、TR 5秒和TE 59.3毫秒。

参照图9，可以利用以下步骤处理所获取的图像数据。首先，可以使用新近开发的相位循环重建过程[30]来测量由基线（即T2加权的）图像中的奇偶回波不一致导致的2D相位误差，并且然后可以使用所测量的信息来抑制基线和弥散加权图像两者中的奈奎斯特伪像（方块10、15、20、30、35）。第二，可以根据基线T2加权的图像来估计线圈灵敏度分布（方块40、50）。第三，使用常规SENSE重建过程，可以根据DWI分段（例如四个）重建完整FOV图像（方块36），并且可以计算拍摄到拍摄相位变动（例如，使用方程7）（方块38），其中可以使用总体变动算法来平滑复杂图像并且不需要相位解扭曲（方块37）。第五，使用MUSE算法，可以使用经平滑的相位图（步骤4，方块60）和线圈灵敏度分布（步骤2，方块50）来根据经奈奎斯特校正的DWI数据重建没有混淆的DWI图像（方块70, 90）。

注意，总体变动算法是合适的平滑协议的示例，并且可以使用诸如基于来自相邻体素的平均信息的那些的其他平滑协议。

可以根据没有混淆的DTI或fMRI数据计算诸如部分各向异性（FA）值的质子弥散值的定量测量。

为了图示作为MUSE过程的优点的噪声减少和SNR改进，通过将利用常规SENSE过程（即，前面描述的步骤3中）从四个EPI分段导出的经相位校正的图进行相加而生成另一组没有混淆的DTI数据[25]，并且随后按照张量拟合残余误差来评估所得到的FA图的质量[26, 27]。

为了测试利用MUSE技术实现高面内空间分辨率的能力，利用4-拍摄交错EPI从一健康志愿者获取DWI和DTI数据。使用具有以下参数的8通道线圈获得由1个基线图像和具有沿三个正交方向应用的、处于的弥散梯度的3个图像所组成的DWI数据集：部分傅立叶过采样ky线的数目12、面内获取矩阵大小512×268（即，对于4-拍摄扫描来说在部分傅立叶重建之后为512×512）、FOV 、轴向平面切片厚度5mm、TR 6.5秒和TE 74.3毫秒。使用具有如下这些扫描参数的8通道线圈获得由4个基线图像和处于的15个DWI组成的DTI数据集：部分傅立叶过采样ky线的数目12、面内获取矩阵大小512×268（即，对于4-拍摄扫描来说在部分傅立叶重建之后为512×512）、FOV 、轴向平面切片厚度8mm、TR 5秒和TE 75.5毫秒。如前面所描述的，所开发的MUSE方法用来重建高分辨率DWI和DTI图。

为了测试用于处理处于不同SNR水平的数据的MUSE方法的可靠性，使用具有500、750、1000、1250、1500、1750和的b因子的8通道线圈从一健康志愿者获取7个DWI数据集。每个DWI数据集由1个基线图像和具有沿三个正交方向应用的弥散梯度的3个图像组成。扫描参数包括：部分傅立叶过采样ky线的数目12、面内获取矩阵大小384×204（即，对于4-拍摄扫描来说在部分傅立叶重建之后为384×384）、FOV 、轴向平面切片厚度4mm、TR 5秒，和从61.7毫秒到87毫秒范围的TE。将利用MUSE方法重建的图像与利用常规SENSE过程重建的图像按照变动的白质系数（即，标准偏差与白质ROI内的平均信号强度的比率）进行比较。

为了进一步评估由MUSE或SENSE重建导致的固有SNR代价，使用以下的不同接收机线圈从一健康志愿者获取三组4-拍摄自旋回波EPI数据（没有弥散敏化梯度）：8通道GE线圈；32通道GE线圈；以及32通道NOVA线圈。此外，利用8通道GE线圈获取2-拍摄EPI数据集。扫描参数包括：部分傅立叶过采样ky线的数目12、面内获取矩阵大小256×140（即，对于4-拍摄扫描来说在部分傅立叶重建之后为256×256）、FOV 、轴向平面切片厚度4mm、TR 5秒和TE 59.3毫秒。在不应用弥散敏化梯度的情况下，利用2D FFT直接重建的交错EPI图像（在奈奎斯特伪像移除之后）没有运动引发的混淆伪像，并且因此可以用作量化MUSE或SENSE重建中的SNR代价的参考。

如根据所有获取的数据所证实的，使用新的MUSE过程，可以可靠地移除基于交错EPI的DWI中的混淆伪像，并且如下面所总结的，所产生的图像与SENSE产生的图像相比具有更高的SNR。

图1A示出了对应于从一个代表性参与者获得的15个方向的、由常规交错EPI重建（即其后面是2D FFT的直接k-空间数据组合）所产生的经奈奎斯特校正的DWI图像。如所预期的，取决于内扫描运动程度，运动引发的混淆伪像水平显著变化。在图1A中所示的图像中，鬼影信号比（GSR）为。图1B示出了不管原始DWI数据中混淆伪像的水平如何，使用MUSE可以有效地消除运动引发的混淆伪像。在图1B中所示的图像中，GSR为。应当注意，尽管也可以利用常规SENSE过程减少运动引发的混淆伪像（GSR：），但是所得到的图像具有显著更低的SNR。图1C和图1D分别将利用常规SENSE重建（即，通过将SENSE应用于个体分段所产生的4个图像的组合：[25]）所产生的FA图与利用新的MUSE技术所产生的FA图相比较。另外的分析示出，对于该切片中的白质体素来说，利用MUSE方法实现的张量拟合残余误差是来自常规SENSE重建[26,27]的张量拟合残余误差的53%。这表明基于MUSE的DWI由于对于矩阵求逆的改进调节而具有显著更低噪声水平。

图2A和图2B分别示出了对于包括普遍存在局部运动伪像的脑干和眼睛的另一切片应用MUSE过程之前和之后的DTI图像。可以看到，由于局部运动，在许多交错DWI图像中混淆伪像可能极为显著（图2A，GSR：。此外，眼睛的被混淆信号可以破坏性地干扰脑部图像。这些混淆伪像可以由MUSE过程全部有效地消除，如图2B中表明的。同样地，尽管也可以利用常规SENSE重建来抑制运动引发的混淆伪像，但是所得到的DTI图像和FA图与MUSE产生的结果（图2D）相比具有更低的SNR（图2C）。对于该切片中的白质体素来说，利用MUSE方法实现的张量拟合残余误差是来自常规SENSE重建的张量拟合残余误差的69%。

对于利用8通道线圈获得的256×256矩阵的2D 4-拍摄EPI来说，利用运行在苹果Macbook Pro（2.7GHz英特尔核i7 CPU；8GB DDR3 存储器）中的Matlab程序，数据处理时间大约为83秒（包括用于迭代2D相位循环重建和奈奎斯特伪像移除的20秒；用于拍摄到拍摄相位变动的初始SENSE估计的17秒；用于基于总体变动的噪声减少的10秒；以及用于最终MUSE重建的36秒）。注意，通过仅在k-空间数据的中心部分施行预处理步骤（包括2D相位循环重建、拍摄到拍摄相位变动的起始基于SENSE的估计以及基于总体变动的平滑）可以减少计算时间。举例来说，如果在中心的64×64 k-空间矩阵中执行预处理步骤并且随后将所计算的相位误差图插值成用于最终MUSE重建的256×256矩阵，则总体数据处理时间大约为50秒每切片（包括用于迭代2D相位循环重建和奈奎斯特伪像移除的4秒、用于拍摄到拍摄相位变动的起始SENSE估计的3秒、用于基于总体变动的噪声减少的7秒，以及用于MUSE重建的36秒）。

图3A示出了高面内分辨率的基于MUSE的DWI图像（体素大小：矩阵大小：512×512），其中精细的解剖特征可见。相比之下，仅根据k-空间数据的中心部分重建的同一图像的低分辨率版本（图3B：体素大小矩阵大小128×128）具有显著更低的解剖可分辨性（如箭头所指示的）。图4A示出了由所开发的MUSE方法生成的具有高面内分辨率的FA图。图4B中显示了白色框内部的体素，其中可能在白质和灰质（由绿色和红色箭头指示）之间的截然不同的FA图案可见。图4C和图4D分别示出了叠加到平均DWI和T2*加权的EPI图（即，非弥散加权基线EPI）上的所示绿色和红色体素的轮廓，暗示了可以利用基于MUSE的高分辨率DTI区分白质和灰质FA图案。图3和图4中所示的图像指示：所开发的MUSE方法实现了高分辨率DWI并且可以提供在低面内空间分辨率处常常不可获得的信息。

图5A和B将对应于以的步长从500到变动的b因子的MUSE产生的DWI图与SENSE产生的DWI图进行比较。可以看到，不管SNR水平如何，利用MUSE方法可以有效地全部移除运动引发的混淆伪像，并且与SENSE重建相比，MUSE方法较不易受不合期望的噪声放大影响。图5C和图5D中分别示出了所有7个MUSE-DWI的量值均值和所有SENSE-DWI的量值均值，用于容易地可视化这两个重建方法之间的SNR差值。在图5E中，通过黑条和黄条分别示出利用MUSE和SENSE方法重建的图像中的变动的白质系数（即，标准偏差与白质ROI中的平均信号的比率）。以白质信号与背景噪声的比率计量的、针对基于MUSE的DWI图像的SNR值为8.5、6.5、5.0、3.9、3.4、2.9和2.4。这些数据暗示，甚至对于具有非常低SNR的DWI数据，MUSE重建也优于常规SENSE重建。

将利用2D FFT直接重建的非弥散加权交错EPI图像用作测量由MUSE或SENSE重建导致的SNR代价的参考。首先，对于利用8通道GE线圈获得数据，4-拍摄MUSE图像中的变动的白质系数比利用2D FFT获得的变动的白质系数高3.1%，并且4-拍摄SENSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高23.3%。第二，利用同一8通道GE线圈，2-拍摄MUSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高0.4%，并且2-拍摄SENSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高14.6%。第三，对于利用32通道GE线圈获得数据，4-拍摄MUSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高1.2%，并且4-拍摄SENSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高16.7%。第四，使用32通道NOVA线圈，4-拍摄MUSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高8.5%，并且4-拍摄SENSE图像中变动的白质系数比利用2D FFT获得的变动的白质系数高41.0%。这些数据暗示，对于2-拍摄和4-拍摄EPI来说，由MUSE重建导致的SNR代价一般不显著，并且与SENSE重建相比总是更小。

总之，MUSE可以是通过多重拍摄获取而实现高分辨率DWI的通用和有效方法。与单次拍摄获取相比，所开发的MUSE技术产生具有更高空间分辨率和保真度的多重拍摄DWI数据。与常规的基于导航的交错DWI相比较，既不需要导航也不需要参考回波的新的MUSE技术还具有若干优点。首先，不用导航的交错DWI的成像吞吐量高于基于导航的交错DWI的成像吞吐量。第二，不同于当运动在导航之间不同时可能失效的基于导航的校正，新开发的MUSE方法可以固有地测量并校正相位误差。类似于基于可变密度螺旋成像的DWI[20, 21, 22]，我们的MUSE方法能够直接根据获取的多重拍摄DWI数据固有地估计线性和非线性相位变动两者，而不需要任何脉冲序列修改。

MUSE方法的一些实施例的限制在于EPI分段的数目不能高于线圈的数目；否则不能利用常规SENSE过程（即，在方法段落中描述的步骤3）估计相位变动图。应当注意，与常规SENSE重建相比，MUSE过程具有改进的矩阵求逆调节，甚至当EPI分段的数目不显著小于线圈数目时。举例来说，如人脑数据所表明的，可以使用8通道接收机线圈从4-拍摄交错EPI获取获得鲁棒的高分辨率DWI。

MUSE算法不同于被设计成校正非弥散加权MRI中的大规模运动的、现有的基于并行成像的运动校正方法[28]。相比之下，在一些实施例中，MUSE解决如下问题，该问题与当假定不存在大规模内扫描运动（即，显著大于1个体素）并且量值信号跨多个EPI分段保持恒定时（图9）由于小规模（例如，亚体素）运动引起的交错DWI中的拍摄到拍摄相位不一致相关。在具有合作主体的大多数扫描中很大程度上满足这个条件。在存在非常大规模的运动时，假定量值信号跨多个EPI分段保持恒定将是不适当的。在这种情况下，将需要进一步修改或扩展MUSE算法以适应于大规模内扫描运动[29]（图10）。还应当注意，将所开发的方法设计成解决EPI分段之间的而不是每个个体分段内的那些的相位变动。

可以将MUSE算法进一步扩展成适应于如例如图10A-10F中所示的大规模内扫描运动。为完成这点，可以处理所获取的数据（方块10、15或10、15e或10、15p或15f）。图10A使用基于2-拍摄EPI的DWI作为示例图示了以下步骤。首先，可以将相位循环重建过程[30]用来测量由基线（即，T2加权的）图像中的奇偶回波不一致所导致的相位误差（方块10），并且然后将所测量的信息用来抑制基线和弥散加权图像两者中的奈奎斯特伪像（方块20、30、35）。第二，根据基线（经奈奎斯特校正的）T2加权图像（方块30）来估计（方块40, 50）线圈灵敏度分布。

参考图10A，第三，使用常规SENSE重建过程（方块36），根据两个DWI分段（或者对于基于N-拍摄EPI的DWI为N个DWI）重建两个完整FOV图像（或者对于基于N-拍摄EPI的DWI为N个完整FOV图像），并且利用方程7计算拍摄到拍摄相位变动，其中将总体变动算法用来平滑复杂图像（方块37）。可以跨EPI分段计算相位变动（方块38），并且可以生成相位误差图（方块60）。第五，利用先前介绍的过程估计两个SENSE产生的图像（或者对于N-拍摄EPI扫描来说为N个SENSE产生的图像）之间的平移和旋转运动（方块130）。参见Eddy WF, Fitzgerald M, Noll DC. 1996. Improved image registration by using Fourier interpolation. Magn Reson Med, 36:923-931；以及Maas LC, Frederick BD, Renshaw PF. 1997. Decoupled automated rotational and translational registration for function MRI time series data: the DART registration algorithm. Magn Reson Med. 37:131-139。第六，将平移和旋转信息合并到经修改的MUSE方程中以展开来自重叠体素的信号（方块135, 70）。举例来说，将先前段落中描述的方程9和10进行修改以适应内扫描运动，如方程11和12中所示，其中M表示将第一个分段用作位置参考的2个DWI分段之间的变换矩阵（包括旋转和平移）。第七，通过利用方程11和12同时展开所有图像域列中的重叠体素，可以利用该经修改的MUSE过程重建没有伪像且高SNR的DWI（方块90）。

使用基于4-拍摄EPI的DWI脉冲序列，利用从装备有8通道头部RF线圈的3 Telsa系统获取的人类MRI数据对适应大规模内扫描运动、关于图10A进行描述的经修改的MUSE算法进行实验检验。指令健康志愿者在DWI扫描期间移动其头部，从而创建与大规模内扫描运动关联的明显伪像。将初始MUSE过程（即，类似于方程9和10，但针对4-拍摄EPI，）和经修改的MUSE过程（即，类似于方程11和12，但针对4-拍摄EPI，）用来抑制伪像。如图6中所示将图像质量进行比较。图6的最上面行示出了在存在明显内扫描运动时，4个轴向切片的未校正4-拍摄DWI。图6的中间行示出了利用初始MUSE过程重建的图像。可以看到，与未校正图像相比，在MUSE产生的图像中减少了混淆伪像，但是由于内扫描运动引起的残余模糊伪像仍然可见。使用改进的MUSE过程（图6的最下面行），可以有效地消除残余伪像，并且所重建的图像具有高质量和高SNR。

尽管MUSE过程在实现高分辨率和高质量交错DWI方面特别有价值，但是也可以应用复用并行成像的概念来利用其他笛卡尔或非笛卡尔脉冲序列（诸如交错快速自旋回波成像和/或交错螺旋成像）来消除交错高分辨率DWI和DTI中的运动引发的伪像。

还应当注意，也可以应用MUSE来改进期望高空间分辨率的其他类型脉冲序列的质量，诸如在存在由于生理运动或磁场漂移引起的随时间的相位变动时基于交错EPI的功能性MRI（fMRI）。图9B图示了根据本发明的实施例类似于图9A但针对fMRI进行了修改的这样的协议的示例。

图10B图示了根据本发明的一些实施例的示例性动作的流程图，其可以被施行以使用导航回波来生成MRI图像。如所示的，该分析可以包括：具有导航回波的交错弥散加权EPI（方块15e）、产出用于每个EPI分段的导航回波（方块33）和作为利用平滑的SENSE协议（方块37）的替换方案的利用FT（傅立叶变换）的图像重建（方块34）、相位变动计算（方块38）以及用于MUSE重建（方块70）的相位误差图（方块60）。

图10C是根据利用并行成像（例如，SENSE）重建（方块36）、平滑（方块37）、相位变动计算（方块38）以及用于MUSE重建（方块70）的相位误差图（方块38）的本发明的一些实施例的示例性动作的流程图，该示例性动作被施行以使用交错弥散加权EPI生成MRI图像，交错弥散加权EPI利用并行导航回波（方块15p）产生针对每个EPI分段的并行导航回波（方块33p）。

类似于图9A，也可以将类似于图10B、10C而不对大规模运动方块130、135进行量化的协议与导航回波一起使用。

使用如图9B和10D-10F中所示的前面描述的相同或基本类似的后处理过程，可以将MUSE重建模块用于fMRI和其他非DWI/DTI图像数据。注意，在fMRI研究中不存在基线T2-EPI。可替换地，可以把由作为标准过程的附加校准扫描提供的线圈灵敏度分布用来提供已知线圈灵敏度分布（方块50）。可以针对奈奎斯特伪像获取（方块15f）和校正（方块20）基于交错EPI的fMRI数据。图9B图示了处理fMRI数据但不包括导航回波且不包括大规模运动调整（比较图10D-10F）的实施例。类似于图10A，图10D不包括导航回波但针对用于MUSE重建（方块70）的EPI分段之间的大规模运动（方块130，方块135）进行调整。图10E使用具有导航回波的基于交错EPI的fMRI数据（方块15f）和类似于图10B的用于DWI数据的用于具有FT图像重建（方块34）的每个EPI分段的导航回波（方块33）。图10F使用具有用于针对每个EIP分段的并行导航回波（方块33）的并行导航回波（方块15f）的基于交错EPI的fMRI数据和类似于图10C用于DWI数据的SENSE重建（方块36）。

如图7中所示，按照所得到的时间波动噪声水平和时域SNR水平，已经对于以下各项施行了实验比较：1）MUSE重建；2）常规的分段EPI重建（即，简单2D傅立叶变换）；以及3）基于4-拍摄交错EPI的fMRI数据的基于SENSE的重建。

图7的最上面行把利用以下三种不同协议所获得的T2*加权图像（例如，用于大多数功能性MRI研究中）中的时间波动噪声水平进行比较：4-拍摄EPI数据的常规分段EPI重建（图7A）、4个连续SENSE产生的图像的量值加总（图7B）和MUSE算法（图7C）。可以看到，基于MUSE的重建产生具有最低时域波动的数据。图7的最下面行把利用常规分段EPI重建（图7D）、基于SENSE重建（图7E）和MUSE算法（图7F）所获得的图像中的时域SNR水平进行比较。结果表明，与分段EPI重建和SENSE重建相比，利用MUSE算法可以实现最高的时域SNR。

MUSE算法能够根据多重拍摄交错EPI数据的初始SENSE重建固有地估计拍摄到拍摄相位变动和内扫描运动，而不依赖任何导航回波或脉冲序列修改。应当注意，MUSE算法实际上与嵌入有导航回波获取的交错DWI脉冲序列兼容。当导航回波可获得时，可以从所嵌入的导航回波导出拍摄到拍摄相位变动和内扫描运动，并然后用于基于方程9和10（在不存在大规模内扫描运动时）或者方程11和12（在存在大规模内扫描运动时）的MUSE重建中以产生没有伪像的图像。与常规的基于导航回波的交错DWI重建[9、10、11、12、13、14]相比，当展开被混淆的信号时，MUSE和导航回波信息的集成把线圈灵敏度分布明确地用来显著地改进矩阵求逆调节。因此，其中相位信息根据导航回波进行估计的交错DWI数据的基于MUSE的重建比现有导航DWI重建[9、10、11、12、13、14]在数学上更为稳定。集成MUSE重建算法和导航DWI获取的另一优点在于允许EPI交错的数目等于或大于RF线圈通道的数目，因为利用经集成的算法可以避免起始SENSE重建（其提供没有导航的MUSE中的拍摄到拍摄相位变动）。如图8中所示，实验已经表明，使用装备有8通道头部线圈的3 Telsa系统，集成MUSE重建算法和具有导航回波的8-拍摄DWI获取是可行的。

图8的最上面行示出了利用8-拍摄EPI获得的三个原始DWI图像图8A, 8B, 8C（具有分别沿左-右、前-后和表-里方向应用的弥散敏化梯度）。在未校正的DWI数据中可见显著混淆的伪像。图8的最下面行示出了三个原始DWI图像的量值加总（左边，图8D）、利用具有加速因子为4）的并行EPI获取的嵌入高分辨率导航回波中的一个（中间，图8E），以及使用从4x并行导航回波导出的相位信息对8-拍摄DWI数据的MUSE重建（右边，图8F）。可以看到，使用将MUSE重建算法和包括基于并行EPI的导航回波的交错DWI获取进行集成的过程可以有效地消除未校正的DWI中的混淆伪像。

图11A-11C图示了具有MUSE重建模块或电路10M的示例性图像处理系统10。

图11A图示了系统10可以包括具有用于访问模块10M的入口的至少一个工作站60。可以在可经由LAN、WAN或互联网访问的远程服务器上保持模块10M。工作站60可以与可保持在远程或本地服务器、扫描仪或其他以电子方式访问的数据库或知识库中的患者图像数据进行通信。工作站60可以包括具有GUI（图形用户输入）的显示器和访问入口。工作站可以使用例如LAN经由相对宽带的高速连接访问数据集或者可以是远程的和/或可以具有较低带宽和/或速度，并且例如可以经由WAN和/或互联网访问数据集。当对于安全性而言适当时可以提供防火墙。

图11B图示了可以将模块10M包括在可与工作站60通信的MR扫描仪20中。可以将模块10M集成到具有图像处理电路系统的控制柜中。

图11C图示了可以将模块10M集成到与扫描仪20通信的一个或多个本地或远程工作站60中。尽管未示出，但可以将模块10M的部件保持在可以是远程或本地的扫描仪20和一个或多个工作站60这两者上。

一些或所有模块10M可以被保持在可与一个或多个扫描仪20通信的至少一个服务器上。可以使用云计算提供该至少一个服务器，云计算包括经由计算机网络按需对计算资源的提供。这些资源可以被体现为各种基础设施服务（例如，计算、存储，等等）以及应用、数据库、文件服务、电子邮件，等等。在计算的传统模型中，数据和软件两者通常全部包含于用户的计算机上；在云计算中，用户的计算机可以只包含一点软件或数据（也许是操作系统和/或网络浏览器），并且可以比用于发生于外部计算机网络上的处理的显示终端稍多地服务。云计算服务（或多个云资源的聚合）一般来说可以称为“云”。云存储可以包括联网计算机数据存储的模型，其中将数据存储在多个虚拟服务器上而非主控在一个或多个专用服务器上。可以遵循防火墙和合适的安全性协议以交换和/或分析患者数据。

图12是电路或数据处理系统290的示意性图示。系统290可以与系统10中的任一个一起使用并且提供模块10M的所有或部分。可以将电路和/或数据处理系统290数据处理系统合并在任何合适的一个或多个设备中的数字信号处理器中。如图12中所示，处理器410可以与MRI扫描仪20通信并且可以经由地址/数据总线448与存储器414通信。处理器410可以是任何商业上可获得或者定制的微处理器。存储器414代表包含被用来实现数据处理系统的功能的软件和数据的存储器设备的整体层级。存储器414可以包括但不限于以下类型的设备：高速缓存、ROM、PROM、EPROM、EEPROM、闪速存储器、SRAM和DRAM。

图12图示了存储器414可以包括被用于数据处理系统中的若干类别的软件和数据：操作系统452；应用程序454；输入/输出（I/O）设备驱动器458；以及数据455。数据455可以包括特定于患者的MRI图像数据，该特定于患者的MRI图像数据可选地包括交错基线T2加权EIP数据和交错弥散加权EPI数据。

图12还图示了应用程序454可以包括可针对混淆伪像而进行校正的MUSE图像重建模块450。数据处理系统可以特别适合于脑部的DWI/DTI成像，但是也可以用于非DWI成像（例如，fMRI）。所构思的是，可以将经校正的图像数据用于更为准确的皮质神经活动图像和/或包括FA（部分各向异性）图像和/或纤维束图像的白质评估。

如本领域技术人员将领会的，操作系统452可以是适合于与数据处理系统一起使用的任何操作系统，诸如OS/2、AIX、DOS、OS/390或来自国际商用机器公司的System390、Armonk、NY、Windows CE、Windows NT、Windows 95、Windows 98、Windows 2000、Windows XP或来自微软公司的其他Windows版本、Redmond、WA、Unix或Linux或FreeBSD、来自Palm公司的Palm OS、来自苹果计算机的Mac OS、LabView或私有操作系统。I/O设备驱动器458通常包括由应用程序454通过操作系统452访问以与诸如（一个或多个）I/O数据端口、数据存储455和某些存储器414组件之类的设备进行通信的软件例程。应用程序454说明了实现数据（图像）处理系统的各个特征的程序，并且可以包括支持根据本发明的实施例的操作的至少一个应用。最后，数据455表示由应用程序454、操作系统452、I/O设备驱动器458和可以驻留在存储器414中的其他软件程序使用的静态和动态数据。

虽然例如参考作为图12中的应用程序的模块450而说明了本发明，但是如本领域技术人员将领会的，也可以使用其他配置而仍然受益于本发明的教导。举例来说，还可以将模块450合并到操作系统452、I/O设备驱动器458或数据处理系统的其他这样的逻辑划分中。因此，不应当将本发明解释为限于图12的配置，本发明意图包括能够执行本文描述的操作的任何配置。另外，模块450可以与诸如MRI扫描仪20、接口/网关或工作站60之类的其他组件通信或者被全部或部分地合并到这些其他组件中。

可以将I/O数据端口用来在数据处理系统、工作站、MRI扫描仪、接口/网关和另一计算机系统或网络（例如，互联网）之间转移信息，或者把信息转移到由处理器控制的其他设备或电路。这些组件可以是可依照本发明进行配置以如本文所描述的那样进行操作的常规组件，诸如在许多常规数据处理系统中所使用的那些。

总之，描述了在不需要导航和参考回波的情况下完全固有地允许通过多重拍摄获取机制的高分辨率DWI的新颖且鲁棒的技术。MUSE技术可以容易地与诸如大量并行成像之类的先前的进展相合并以进一步改进DWI的空间分辨率，并且可以在需要极高空间分辨率的详细脑部微结构和相关功能的现代神经科学调查研究中发现广泛应用。

引用文献

[1] Le Bihan, Breton, Lallemand, Aubin, Vignaud, and Laval- Jeantet] Le Bihan, D., Breton, E., Lallemand, D., Aubin, M. L., Vignaud, J., Laval-Jeantet, M., 1988. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging. Radiology 168 (2), 497-505.

[2] Moseley, M. E., Cohen, Y., Kucharczyk, J., Mintorovitch, J., Asgari, H. S., Wendland, M. F., Tsuruda, J., Norman, D., Aug 1990. Diffusion- weighted mr imaging of anisotropic water diffusion in cat central nervous system. Radiology 176 (2), 439-45.

[3] Basser, P. J., Mattiello, J., LeBihan, D., 1994. MR diffusion tensor spectroscopy and imaging. Biophys J 66 (1), 259-67.

[4] Turner, R., Le Bihan, D., Chesnick, A. S., Jun 1991. Echo-planar imaging of diffusion and perfusion. Magn Reson Med 19 (2), 247-53.

[5] Anderson, A. W., Gore, J. C, Sep 1994. Analysis and correction of motion artifacts in diffusion weighted imaging. Magn Reson Med 32 (3), 379-87.

[6] Farzaneh, F., Riederer, S. J., Pelc, N. J., Apr 1990. Analysis of t2 limitations and off-resonance effects on spatial resolution and artifacts in echo-planar imaging. Magn Reson Med 14 (1), 123-39.

[7] Jezzard, P., Barnett, A. S., Pierpaoli, C, May 1998. Characterization of and correction for eddy current artifacts in echo planar diffusion imaging. Magn Reson Med 39 (5), 801-12.

[8] Griswold, M. A., Jakob, P. M., Heidemann, R. M., Nittka, M., Jellus, V., Wang, J., Kiefer, B., Haase, A., Jun 2002. Generalized autocalibrating partially parallel acquisitions (grappa). Magn Reson Med 47 (6), 1202-10.

[9] Butts, K., de Crespigny, A., Pauly, J. M., Moseley, M., May 1996. Diffusion- weighted interleaved echo-planar imaging with a pair of orthogonal navigator echoes. Magn Reson Med 35 (5), 763-70.

[10] Bammer, R., Stollberger, R., Augustin, M., Simbrunner, J., Offenbacher, H., Kooijman, H., Ropele, S., Kapeller, P., Wach, P., Ebner, F., Fazekas, F., Jun 1999. Diffusion-weighted imaging with navigated interleaved echo-planar imaging and a conventional gradient system. Radiology 21 1 (3), 799-806.

[11] Atkinson, D., Porter, D. A., Hill, D. L., Calamante, F., Connelly, A., Jul 2000. Sampling and reconstruction effects due to motion in diffusion-weighted interleaved echo planar imaging. Magn Reson Med 44 (1), 101-9.

[12] Pipe, J. G., Farthing, V. G., Forbes, K. P., Jan 2002. Multishot diffusion- weighted fse using propeller mri. Magn Reson Med 47 (1), 42-52.

[13] Wang, F.-N., Huang, T.-Y., Lin, F.-H, Chuang, T.-C, Chen, N.- ., Chung, H.-W., Chen, C.-Y., Kwong, K. K., Nov 2005. Propeller epi: an mri technique suitable for diffusion tensor imaging at high field strength with reduced geometric distortions. Magn Reson Med 54 (5), 1232-40.

[14] Skare, S., Newbould, R. D., Clayton, D. B., Bammer, R., Jun 2006. Propeller epi in the other direction. Magn Reson Med 55 (6), 1298-307.

[15] Atkinson, D., Counsell, S., Hajnal, J. V., Batchelor, P. G., Hill, D. L. G., Larkman, D. J., Nov 2006. Nonlinear phase correction of navigated multi-coil diffusion images. Magn Reson Med 56 (5), 1135-9.

[16] Porter, D. A., Heidemann, R. M., Aug 2009. High resolution diffusion-weighted imaging using readout-segmented echo-planar imaging, parallel imaging and a two-dimensional navigator-based reacquisition. Magn Reson Med 62 (2), 468-75.

[17] Li, Z., Pipe, J. G., Lee, C.-Y, Debbins, J. P., Karis, J. P., Huo, D., Aug 2011. X-prop: a fast and robust diffusion-weighted propeller technique. Magn Reson Med 66 (2), 341-7.

[18] Jeong, H.-K., Gore, J. C, Anderson, A. W., May 2012. High-resolution human diffusion tensor imaging using 2-d navigated multishot sense epi at 7 1. Magn Reson Med (E-pub ahead of print).

[19] Robson, M. D., Anderson, A. W., Gore, J. C, Jul 1997. Diffusion- weighted multiple shot echo planar imaging of humans without navigation. Magn Reson Med 38 (1), 82-8.

[20] Miller, . L., Pauly, J. M., Aug 2003. Nonlinear phase correction for navigated diffusion imaging. Magn Reson Med 50 (2), 343-53.

[21] Liu, C, Bammer, R., Kim, D.-H., Moseley, M. E., Dec 2004. Self- navigated interleaved spiral (snails): application to high-resolution diffusion tensor imaging. Magn Reson Med 52 (6), 1388-96.

[22] Frank, L. R., Jung, Y., Inati, S., Tyszka, J. M, Wong, E. C, Jan 2010. High efficiency, low distortion 3d diffusion tensor imaging with variable density spiral fast spin echoes (3d dw vds rare). Neuroimage 49 (2), 1510-23.

[23] Pruessmann, K. P., Weiger, M., Scheidegger, M. B., Boesiger, P., Nov 1999. SENSE: sensitivity encoding for fast mri. Magn Reson Med 42 (5), 952-62.

[24] Feinberg, D. A., Moeller, S., Smith, S. M., Auerbach, E., Ramanna, S., Gunther, M., Glasser, M. F., Miller, K, L., Ugurbil, K., Yacoub, E., 2010. Multiplexed echo planar imaging for sub-second whole brain fmri and fast diffusion imaging. PLoS One 5 (12), el5710.

[25] Holdsworth, S. J., Aksoy, M., Newbould, R. D., Yeom, K., Van, A. T., Ooi, M. B., Barnes, P. D., Bammer, R., Skare, S., Oct 2012. Diffusion tensor imaging (dti) with retrospective motion correction for large-scale pediatric imaging. J Magn Reson Imaging 36 (4), 961-71.

[26] Andersson, J. L. R., Skare, S., May 2002. A model-based method for retrospective correction of geometric distortions in diffusion-weighted epi. Neuroimage 16 (1), 177-99.

[27] Mohammadi, S., Moller, H. E., Kugel, H., Muller, D. K., Deppe, M., Oct 2010. Correcting eddy current and motion effects by affine whole-brain registrations: evaluation of three-dimensional distortions and comparison with slicewise correction. Magn Reson Med 64 (4), 1047-56.

[28] Bydder, M., Atkinson, D., Larkman, D. J., Hill, D. L. G., Hajnal, J. V., Mar 2003. Smash navigators. Magn Reson Med 49 (3), 493-500.

[29] Bammer, R., Aksoy, M., Liu, C, Jan 2007. Augmented generalized sense reconstruction to correct for rigid body motion. Magn Reson Med 57 (1), 90-102.

[30] Chen, N.-K., Avram, A. V., Song, A. W., Oct 2011. Two-dimensional phase cycled reconstruction for inherent correction of echo-planar imaging nyquist artifacts. Magn Reson Med 66 (4), 1057-66.

[31] Reese, T. G., Heid, O., Weisskoff, R. M., Wedeen, V. J., Jan 2003. Reduction of eddy-current-induced distortion in diffusion mri using a twice-refocused spin echo. Magn Reson Med 49 (1), 177-82.

[32] Rudin, L., Osher, S., Fatemi, E., Nov. 1992. Nonlinear total variation based noise removal algorithms. Physica D 60 (1-4), 259-268。

本说明书中提及的任何专利或公开物指示本发明所属技术领域中的技术人员的水平。这些专利和公开物以如同将每一个体公开物具体地且单独地被指示为通过在由引用该文献的引证所注明的位置处的引用合并的相同程度通过引用合并于此。如果发生冲突，则包括定义在内的本说明书将进行控制。

前述内容是对本发明的说明并且不应被解释为对其进行限制。尽管已经描述了本发明的一些示例性实施例，但是本领域技术人员将容易地领会，在本质上不偏离本发明的新颖教导和优点的情况下，在这些示例性实施例中许多修改是可能的。因此，意图将所有这样的修改包括在如定义在权利要求中的本发明的范围内。在这些权利要求中，装置加功能的分句意图覆盖本文中描述为施行所记载的功能的结构并且不仅覆盖结构上的等同物而且覆盖等同结构。因此，应当理解，前述内容是对本发明的说明并且不应被解释为限制所公开的具体实施例，并且意图将对所公开实施例的修改以及其他实施例包括在所附权利要求的范围内。本发明由所附权利要求定义，其中这些权利要求的等同物被包括于其中。

Claims

1.一种用于根据多重拍摄交错MRI脉冲序列来生成高分辨率DWI图像而不依赖外部导航回波的MRI图像数据信号后处理方法，包括：

使用并行图像重建固有地、以编程方式估计所获取的DWI图像数据的多个分段之间的运动引发的相位变动和位置变化；

以编程方式把（i）来自所估计的运动引发的相位变动和位置变化的拍摄到拍摄相位和位置变动与（ii）所定义的线圈灵敏度分布数据合并成一数学模型，所述数学模型可以联合计算在所获取的未校正交错DWI图像数据中重叠的量值-值源密度信号以生成经校正的DWI图像数据；以及

基于经校正的数据以编程方式生成高分辨率DWI图像以由此生成没有混淆伪像的图像。

2.如权利要求1所述的方法，其中，通过将多个分段中的一个分段用作相位和位置的参考分段并且计算所述参考分段与所获取的DWI图像数据的其他分段之间与相位和位置关联的信号的差来执行估计运动引发的相位变动和位置变化。

3.如权利要求1所述的方法，其中，所述多重拍摄MRI脉冲序列包括与以下各项中的一个或多个关联的多重拍摄交错MRI脉冲序列：（i）交错回波平面成像（EPI）；（ii）交错快速自旋回波（FSE）成像；或者（iiii）交错螺旋成像。

4.如权利要求1所述的方法，其中，所述多重拍摄交错MRI脉冲序列与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的FSE分段的交错快速自旋回波（FSE）成像关联。

5.如权利要求4所述的方法，其中，根据所获取的数据固有地估计运动引发的相位和位置变动包括：

i．通过将并行重建应用到每个个体EPI或FSE分段来重建对应于不同EPI或FSE分段的图像；和

ii．以数学方式量化由所述重建生成的多个图像之间的相位和位置变化；随后

iii．在空间上平滑从数学方式的量化导出的拍摄到拍摄相位变动图以产生高信噪比的相位信息。

6.如权利要求5所述的方法，进一步包括从相应的所获取的DWI图像数据集的基线T2加权EPI导出用于所述并行图像重建的线圈灵敏度分布数据。

7.如权利要求5所述的方法，其中，通过比较对应于不同分段的复值图像的相位值来计算不同EPI或FSE分段之间的所述相位变动。

8.如权利要求5所述的方法，其中，根据对应于不同分段的k-空间数据来计算不同EPI或FSE分段之间的旋转和平移运动。

9.如权利要求5所述的方法，其中，使用空间平滑协议来在空间上平滑所述相位信息。

10.如权利要求9所述的方法，其中，所述空间平滑协议包括保存所述相位变动图的锐利边缘信息的总体变动算法。

11.如权利要求4所述的方法，其中，假定在不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在矩阵求逆同时被应用到所有EPI或FSE分段的情况下，通过联合施行对所有EPI或FSE分段的并行图像重建而计算来自重叠体素的所述获取图像数据的DWI信号，并且其中基于所估计的相位变动和位置变化计算跨多个EPI或FSE分段的相位变动。

12.如权利要求4所述的方法，其中，使用反映被以数学方式合并到根据所有EPI或FSE分段的联合并行图像重建中的旋转和平移运动的变换矩阵，将量值-值信号考虑为跨多个EPI或FSE分段一致，即使在存在跨分段的大规模内扫描运动时。

13.如权利要求1所述的方法，其中，所述高分辨率DWI图像是基于质子弥散性特性说明脑部结构的脑部图像。

14.如权利要求1所述的方法，进一步包括使用所述高分辨率DWI图像生成脑部的部分各向异性（FA）图。

15.一种用于根据包括外部导航回波的多重拍摄交错MRI脉冲序列来生成高分辨率DWI和DTI图像的方法，包括：

根据嵌入在所述交错MRI脉冲序列中的导航回波以编程方式估计多个EPI或FSE分段之间的运动引发的相位变动和位置变化；

将（i）拍摄到拍摄相位和位置变动和（ii）已知的线圈灵敏度数据以编程方式合并成一数学模型，所述数学模型联合计算在未校正交错DWI数据中重叠的质子源密度量值信号以生成经校正的DWI数据；以及

基于所述经校正的DWI数据生成高分辨率DWI和DTI图像以由此生成没有混淆伪像的图像。

16.如权利要求15所述的方法，其中，使用低分辨率单次拍摄序列或高分辨率并行单次拍摄序列获取所述导航回波。

17.如权利要求16所述的方法，其中，所述低分辨率单次拍摄序列包括单次拍摄回波平面成像（EPI）序列。

18.如权利要求16所述的方法，其中，所述高分辨率并行单次拍摄序列包括具有2或4的加速因子的并行单次拍摄EPI。

19.如权利要求15所述的方法，其中，所述多重拍摄交错MRI脉冲序列与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的FSE分段的交错快速自旋回波（FSE）成像关联。

20.如权利要求19所述的方法，其中，根据所获取的数据估计运动引发的相位和位置变动包括：

i．通过将所述并行重建应用到每个个体EPI或FSE分段来重建对应于不同EPI或FSE分段的图像；和

21.如权利要求20所述的方法，进一步包括从相应的所获取的DWI图像数据集的基线T2加权EPI导出用于所述并行图像重建的线圈灵敏度分布数据。

22.如权利要求20所述的方法，其中，通过比较对应于不同分段的复值图像的相位值来计算不同EPI或FSE分段之间的相位变动。

23.如权利要求20所述的方法，其中，根据对应于不同分段的k-空间数据计算不同EPI或FSE分段之间的旋转和平移运动。

24.如权利要求20所述的方法，其中，使用空间平滑协议在空间上平滑所述相位信息。

25.如权利要求24所述的方法，其中，所述空间平滑协议包括保存所述相位变动图的锐利边缘信息的总体变动算法或任何其他空间平滑过程。

26.如权利要求20所述的方法，其中，假定在不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在矩阵求逆同时被应用到所有EPI或FSE分段的情况下，通过联合施行对所有EPI或FSE分段的并行图像重建而计算来自图像数据的重叠体素的DWI信号，并且其中基于所估计的相位变动和位置变化计算跨多个EPI或FSE分段的相位变动。

27.如权利要求20所述的方法，其中，使用反映被以数学方式合并到根据所有EPI或FSE分段的联合并行图像重建中的旋转和平移运动的变换矩阵，将量值-值信号考虑为跨多个EPI或FSE分段一致，即使在存在跨分段的大规模内扫描运动时。

28.一种用于根据多重拍摄交错MRI脉冲序列生成高分辨率fMRI图像或其他类型的非DWI图像而不依赖外部导航回波的方法，包括：

使用并行图像重建根据所获取的图像数据固有地、以编程方式估计多个回波平面成像（EPI）或螺旋分段之间的运动引发的相位变动和位置变化；

以编程方式将（i）来自所估计的运动引发的相位变动和位置变化的拍摄到拍摄相位和位置变动与（ii）所计算的或已知的线圈灵敏度数据合并成一数学模型，所述数学模型联合计算在未校正交错fMRI数据或非DWI数据中重叠的质子源密度信号以生成经校正的交错图像数据；以及

使用所述经校正的交错图像数据生成高分辨率fMRI图像或其他非DWI图像以由此生成没有混淆伪像的图像。

29.如权利要求28所述的方法，其中，所述多重拍摄交错MRI脉冲序列与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的螺旋分段的交错螺旋成像关联。

30.如权利要求28所述的方法，其中，根据所获取的数据固有地估计运动引发的相位和位置变动包括：

i．通过将所述并行重建应用到每个个体EPI或螺旋分段来重建对应于不同EPI或螺旋分段的图像；和

31.如权利要求28所述的方法，其中，通过比较对应于不同分段的复值图像的相位值来计算不同EPI或螺旋分段之间的所述相位变动。

32.如权利要求28所述的方法，其中，根据对应于不同分段的k-空间数据计算不同EPI或螺旋分段之间的旋转和平移运动。

33.如权利要求28所述的方法，其中，使用保存所述相位变动图的锐利边缘信息的空间平滑协议在空间上平滑所述相位信息。

34.如权利要求33所述的方法，其中，所述空间平滑协议包括保存所述相位变动图的锐利边缘信息的总体变动算法。

35.如权利要求28所述的方法，其中，所述图像是包括来自重叠体素的fMRI信号的fMRI图像，假定不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在将矩阵求逆同时应用到所有EPI或螺旋分段的情况下，通过联合施行对所有EPI或螺旋分段的并行图像重建而计算所述fMRI信号，并且其中，基于所估计的相位变动和位置变化计算跨多个EPI或螺旋分段的相位变动。

36.如权利要求28所述的方法，其中，使用反映被以数学方式合并到根据所有EPI或螺旋分段的联合并行图像重建中的旋转和平移运动的变换矩阵，将量值值信号考虑为跨多个EPI或螺旋分段一致，即使具有跨分段的大规模内扫描运动。

37.一种用于根据包括外部导航回波的多重拍摄交错MRI脉冲序列生成高分辨率fMRI图像或其他类型的使用非DWI数据的图像的方法，包括：

根据嵌入在交错MRI脉冲序列中的导航回波以编程方式估计多个回波平面成像（EPI）或螺旋分段之间的运动引发的相位变动和位置变化；

把（i）从编程方式的估计导出的拍摄到拍摄相位和位置变动与（ii）所计算的或已知的线圈灵敏度数据合并成一数学模型，所述数学模型联合计算在未校正交错fMRI或其他类型的非DWI图像数据中重叠的质子源密度信号以生成经校正的图像数据；以及

使用所述经校正的图像数据生成高分辨率fMRI图像或其他非DWI图像。

38.如权利要求37所述的方法，其中，所述多重拍摄交错MRI脉冲序列与生成作为所述多个分段的EPI分段的交错回波平面成像（EPI）或者生成作为所述多个分段的螺旋分段的交错螺旋成像关联。

39.如权利要求38所述的方法，其中，根据所获取的数据固有地估计运动引发的相位和位置变动包括：

40.如权利要求39所述的方法，其中，通过比较对应于不同分段的复值图像的相位值来计算不同分段之间的所述相位变动。

41.如权利要求39所述的方法，其中，根据对应于不同分段的k-空间数据计算不同分段之间的旋转和平移运动。

42.如权利要求39所述的方法，其中，使用保存所述相位变动图的锐利边缘信息的空间平滑协议来在空间上平滑所述相位信息。

43.如权利要求42所述的方法，其中，所述空间平滑协议包括总体变动算法。

44.如权利要求39所述的方法，其中，假定不存在跨分段的大规模内扫描运动时量值-值信号跨多个分段一致，在将矩阵求逆同时应用到所有分段的情况下，通过联合施行对所有分段的并行图像重建而计算来自重叠体素的图像数据信号，并且其中，基于所估计的相位变动和位置变化计算跨多个分段的相位变动。

45.如权利要求39所述的方法，其中，使用反映以数学方式合并到根据所有分段的联合并行图像重建中的旋转和平移运动的变换矩阵，将量值-值信号考虑为跨多个分段一致，即使在存在跨分段的大规模内扫描运动的情况下。

46.一种图像处理电路，其配置成电子地执行权利要求1-45所述的方法中的任一个。

47.一种MR图像处理系统，包括配置成执行权利要求1-45所述的方法中的任一个的至少一个处理器。

48.一种数据处理系统，包括具有体现在介质中的计算机可读程序代码的非暂时性计算机可读存储介质，所述计算机可读程序代码包括配置成执行权利要求1-45所述的方法中的任一个的计算机可读程序代码。