CN104635188B - K空间重建方法及磁共振成像方法 - Google Patents

Abstract

本发明提供了一种K空间重建方法，包括：并行采集K空间数据，所采集数据包括应采集数据和校准数据；提取所述校准数据形成第一数据组，对所述第一数据组执行像素合并操作获得第二数据组，所述第一数据组与第二数据组的扫描视野相同；利用所述第二数据组计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补以获得满采样的K空间。本发明技术方案提高了数据的信噪比，优化了线圈合并系数的计算精度，减小了由拟合误差引起的图像伪影。

Description

K空间重建方法及磁共振成像方法

技术领域

本发明涉及磁共振成像领域，尤其涉及一种K空间重建方法及磁共振成像方法。

背景技术

在磁共振成像技术中，成像的速度是衡量成像方法的一个很重要标准。限制成像速度的很重要因素是数据采集以及k空间数据填充。一般的数据采集方式要采满k空间后才能进行重建得到图像，磁共振并行采集重建技术利用线圈重组合并的方式，采集部分K空间数据，然后对欠采样的K空间进行数据填补，最后利用填补完整的k空间数据进行图像重建。采用并行采集技术，无需对整个K空间的数据进行采集，耗时少，提高了磁共振成像的速度。

图1为4个通道(线圈1,2,3,4)拟合的GRAPPA方法的采样图。传统的GRAPPA算法如图1，黑色点代表实际采集的K空间数据，也可称为应采集数据，白色点代表欠采样需要填补的数据，灰色点代表为了计算线圈合并系数，而适量全采的K空间数据，也可称为校准数据。图中任意一个白色点可以表示为周围黑色点的线性叠加，相当于对多个线圈的数据进行了合并，而合并系数n_ij(表示第i个线圈，第j个位置)可以通过黑色点拟合灰色点来确定，图1中从某个灰色点辐射出去到其他每个黑色点之间的线表示拟合灰色点的关系。线圈合并系数确定后，白色点可根据求得的线圈合并系数将各线圈的数据合并后计算得到。

虽然这种填补方式可以将成像速度提高，但是由于合并系数的精度会受到多种因素的影响(包括噪音)，导致拟合的结果有一定的误差，使得填补的数据与实际值产生偏差，导致重建后图像产生卷折等伪影，影响成像质量(在加速因子较大时更为明显)。所以，如果能够克服噪声等因素的影响，减小线圈合并系数的误差，会对成像的质量带来很大的改进。

发明内容

本发明要解决的问题是提供一种K空间重建方法及装置，以以减小线圈合并系数计算过程中，噪音等不理想因素的干扰。

为解决上述问题，本发明提供的K空间重建方法，包括以下步骤：

a，并行采集K空间数据，所采集数据包括应采集数据和校准数据；

b，提取所述校准数据形成第一数据组，对所述第一数据组执行像素合并操作获得第二数据组，所述第一数据组与第二数据组的扫描视野相同；

c，利用所述第二数据组计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补，以获得满采样的K空间。

进一步地，所述步骤b中，对所述第一数据组执行像素合并操作获得第二数据组,所述第一数据组与第二数据组的扫描视野相同的步骤，进一步包括：

b11,在所述第一数据组中，选取至少一个维度；

b12,将所述第一数据组变换至所选各维度的时域，在各维度的时域中，对所述第一数据组执行卷积操作，得到第二数据组；

b13,将所述第二数据组由时域变换至K空间域。

进一步地，所述步骤b12和步骤b13中，所述变换为傅里叶变换。

进一步地，所述步骤b12之前，还包括：在各维度的时域中，对所述第一数据组的相位执行去线性操作。

进一步地，所述在各维度的时域中，对所述第一数据组的相位执行去线性操作的步骤之前，还包括：在各维度的时域中，对所述第一数据组取模值。

进一步地，所述步骤b中，对所述第一数据组执行像素合并操作获得第二数据组,所述第一数据组与第二数据组的扫描视野相同的步骤，进一步包括：

b21,在所述第一数据组中，选取至少一个维度；

b22，在所选维度的K空间域，对所述第一数据组执行点乘操作以得到第二数据组。

基于上述K空间重建方法，本发明还提供了一种磁共振成像方法，包括以下步骤：

以上述的K空间重建方法对K空间进行重建；

将重建之后的K空间变换到图像域以获得图像。

本发明提供的K空间重建方法，在利用校准数据计算线圈合并系数之前，对校准数据执行不改变扫描视野的像素合并操作，提高了数据的信噪比，优化了线圈合并系数的计算精度，减小了由拟合误差引起的图像伪影。

附图说明：

图1是4个通道(线圈1,2,3,4)拟合的GRAPPA方法的采样示意图；

图2是本发明提供的K空间重建方法的流程示意图；

图3是本发明实施例一的K空间数据采样示意图；

图4是利用本发明提供的K空间重建方法进行K空间重建时的数据变化示意图；

图5是本发明实施例一中一种C^N操作的实现过程的示意图；

图6a是利用传统GRAPPA的方法，在加速因子为4时，填补缺失k空间数据后重建的图像；

图6b是利用本发明实施例一的方法提供的K空间重建方法，在加速因子为4时，填补缺失k空间数据后重建的图像。

具体实施方式：

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和实施例对本发明的具体实施方式做详细的说明。

图2是本发明提供的K空间重建方法的流程示意图。请参考图2，所述K空间重建方法，包括以下步骤：

a,并行采集K空间数据，所采集数据包括应采集数据和校准数据；

b,提取所述校准数据形成第一数据组，对所述第一数据组执行像素合并操作获得第二数据组，所述第一数据组与第二数据组的矩阵尺寸相同；

c,利用所述第二数据组计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补，以获得满采样的K空间。

下面结合具体实施例，对本发明的K空间重建方法进行详细说明。

实施例一

图3是本实施例的K空间数据采样示意图。请参考图3，图中共有4个通道，分别代表线圈1’、线圈2’、线圈3’和线圈4’，黑色点代表实际采集的数据，即应采集数据，白色点代表待填补的欠采集数据，灰色点代表为了计算线圈合并系数而适量全采的校准数据。图中任意一个白色点可通过周围黑色点的线性叠加而计算得到，相当于对多个线圈的数据进行了合并，而线圈合并系数可以通过黑色点拟合灰色点来确定。若直接利用采集到的黑色点拟合灰色点来计算线圈合并系数，由于噪声等不理想因素的干扰，会导致计算得到的线圈合并系数不精确。为了减少线圈合并系数计算过程中不理想因素的干扰，本实施例提供的K空间重建方法，在计算线圈合并系数之前，对由灰色点组成的校准数据进行优化。

图4是利用本发明提供的K空间重建方法进行K空间重建时的数据变化示意图。下面结合图4，对本实施例提供的K空间重建方法进行详细的说明。图中，41为K空间采集区域，白色部分代表应采集数据区域和欠采集数据区域，包含多个如图3所示的代表应采集数据的黑色点和代表欠采集数据的白色点；黑色部分代表校准数据区域，包含多个代表校准数据的灰色点。图4中虽未示出各数据点，但是关于各数据点的具体分布可参考图3所示的采样示意图。

将校准数据提取出来，形成第一数据组，如图中42所示数据。在第一数据组的所有维度中(如频率编码维度、相位编码维度、三维采集中的第二相位编码维度等)，选取至少一个维度。将第一数据组由K空间域变换至所选各维度的时域中，在各维度的时域中，对第一数据组执行卷积操作。本实施例以从第一数据组的所有维度中选择一个维度为例，对在各维度的时域中，对所述第一数据组执行卷积操作的步骤进行说明。本领域技术人员知晓，对于在第一数据组的所有维度中选取多个维度的实施例，其在所选每一个维度方向对第一数据组的处理与本实施例在所选一个维度方向对第一数据组的处理相同。

本实施例在第一数据组的所有维度中选取一个维度，将第一数据组由K空间域变换至所选维度的时域，得到图中43所示数据，此处变换可以为傅里叶变换。在时域中，对第一数据组执行卷积操作得到第二数据组，如图中44所示。上述卷积操作的具体过程为：固定扫描视野不变，减小该维度下的分辨率(缩放尺度N)，进行插值，这个操作记为C^N，原始数据43为O，变换后数据44为M，则M＝C^N(O)。以所选维度为频率编码维度，缩放尺度等于2为例，原始数据O的长度为256，则变换后数据M＝C²(256)＝128。

图5是本实施提供的一种C^N操作的实现过程的示意图。请参考图5，下面以所选维度为频率编码维度，缩放尺度N＝2为例，对C^N操作的一种实现过程进行详细的说明。51表示原始数据O在频率编码维度方向的数据，执行C²操作，进行临近点相加，得到52表示的数据M。关于52表示的数据M的获取办法，如数据M中数据点521可以认为是51表示的原始数据O中数据点511与数据点512之和，图5虚线框中所示。卷积操作的另一种实现形式是在进行临近点相加的过程中引入一部分权重。

在进行卷积操作前，还可以对原始数据O的相位进行去线性的操作，该操作对原始数据O有一定程度的优化。在进行去线性操作前，还可以对原始数据O取模值。

将所述第二数据组44由时域变换至K空间域，得到数据组45，利用数据组45计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补，以获得满采样的K空间46。

图6a是利用传统GRAPPA的方法，在加速因子为4时，填补缺失k空间数据后重建的图像；图6b是利用本实施例一提供的K空间重建方法，在加速因子为4时，填补缺失k空间数据后重建的图像。可以看到在图6a中有伪影出现，在图6b中伪影基本消失。

本实施例利用噪音的不相关性，将校准数据保持扫描视野不变，进行像素合并，并将提高了信噪比的新数据重新变换回k空间，重新计算线圈合并系数，减小了线圈合并系数计算过程中不理想因素的影响；利用这个优化了的线圈合并系数填补k空间缺失数据，使重建图像的伪影大大减弱；同时，由于操作后数据量一定程度的减少，有效数据得到提炼，使得线圈合并系数的计算开销减少。

实施例二

本技术领域技术人员知晓，对校准数据执行像素合并操作可以在各维度的时域中进行，也可以在K空间域进行。时域的卷积操作可以视为K空间域的点乘操作。实施例一中，C^N(X)＝X*Y，其中*为卷积操作，Y为选取的卷积核，对应于K空间域的点乘操作：F(C^N(X))＝F(X)·F(Y)，这里·为乘法操作，F为傅里叶变换。

首先，在K空间域，将校准数据提取出来形成第一数据组，此处用kX表示第一数据组。然后，在第一数据组中选取至少一个维度，在所选维度方向的K空间域中对第一数据组执行点乘操作。执行点乘操作的过程为：确定时域的卷积操作C^N所选择的卷积核Y的傅里叶变换形式(K空间域的形式)kY；将第一数据组kX与kY进行点乘操作得到第二数据组kX_new，即kX_new＝kX·kY。最后，利用第二数据组kX_new计算线圈合并系数，并利用优化后的线圈合并系数进行欠采样数据填充以得到满K空间。

本实施例中，在K空间域对第一数据组执行点乘操作之前，还可以对第一数据组的相位进行去线性的操作D，操作D对第一数据组中的数据有一定的优化。操作D(X)具体为：对X的相位pX进行线性拟合，得到pX_l，则D(X)＝abs(X)·exp(i(pX-pX_l))，其中abs为取模值操作，exp为e指数操作，i为虚数单位。

综上，本发明提供的K空间重建方法及磁共振成像方法，在进行线圈合并系数计算之前，对校准数据进行优化，利用优化后的校准数据计算线圈合并系数，减小了线圈合并系数计算过程中不理想因素的影响；利用这个优化了的线圈合并系数填补k空间缺失数据，使重建图像的伪影大大减弱；同时，由于操作后数据量一定程度的减少，有效数据得到提炼，使得线圈合并系数的计算开销减少。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (6)

1.一种K空间重建方法，其特征在于，包括以下步骤：

a,并行采集K空间数据，所采集数据包括应采集数据和校准数据；

b,提取所述校准数据形成第一数据组，对所述第一数据组执行像素合并操作获得第二数据组，所述第一数据组与第二数据组的扫描视野相同；

c,利用所述第二数据组计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补，以获得满采样的K空间；

其中，所述步骤b中，对所述第一数据组执行像素合并操作获得第二数据组,所述第一数据组与第二数据组的扫描视野相同的步骤，进一步包括：

b11,在所述第一数据组中，选取至少一个维度；

b12,将所述第一数据组变换至所选各维度的时域，在各维度的时域中，对所述第一数据组执行卷积操作，得到第二数据组；

b13,将所述第二数据组由时域变换至K空间域。

2.如权利要求1所述的K空间重建方法，其特征在于，所述步骤b12和步骤b13中,所述变换为傅里叶变换。

3.如权利要求1所述的K空间重建方法，其特征在于，所述步骤b12之前,还包括：在各维度的时域中，对所述第一数据组的相位执行去线性操作。

4.如权利要求3所述的K空间重建方法，其特征在于，所述在各维度的时域中，对所述第一数据组的相位执行去线性操作的步骤之前,还包括：在各维度的时域中，对所述第一数据组取模值。

5.一种K空间重建方法，其特征在于，包括以下步骤：

a,并行采集K空间数据，所采集数据包括应采集数据和校准数据；

b,提取所述校准数据形成第一数据组，对所述第一数据组执行像素合并操作获得第二数据组，所述第一数据组与第二数据组的扫描视野相同；

c,利用所述第二数据组计算线圈合并系数，基于所述线圈合并系数对欠采样的K空间进行填补，以获得满采样的K空间；

其中，所述步骤b中，对所述第一数据组执行像素合并操作获得第二数据组,所述第一数据组与第二数据组的扫描视野相同的步骤，进一步包括：

b21,在所述第一数据组中，选取至少一个维度；

b22，在所选维度的K空间域，对所述第一数据组执行点乘操作以得到第二数据组。

6.一种磁共振成像方法，其特征在于，包括以下步骤：

以权利要求1至5任一项所述的K空间重建方法对K空间进行重建；

将重建之后的K空间变换到图像域以获得图像。