CN104781685A - 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建 - Google Patents

用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建 Download PDF

Info

Publication number
CN104781685A
CN104781685A CN201380058249.1A CN201380058249A CN104781685A CN 104781685 A CN104781685 A CN 104781685A CN 201380058249 A CN201380058249 A CN 201380058249A CN 104781685 A CN104781685 A CN 104781685A
Authority
CN
China
Prior art keywords
data
coil
scan
dynamic image
space scan
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
Application number
CN201380058249.1A
Other languages
English (en)
Other versions
CN104781685B (zh
Inventor
A.勒费布弗雷
J.刘
E.米勒
M.S.纳达尔
M.施密特
M.曾格
Q.王
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 Healthineers 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 CN104781685A publication Critical patent/CN104781685A/zh
Application granted granted Critical
Publication of CN104781685B publication Critical patent/CN104781685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • 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
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/482—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a Cartesian trajectory
    • 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
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/4824—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory
    • 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
    • G01R33/44—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
    • G01R33/56308—Characterization of motion or flow; Dynamic imaging
    • 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
    • G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

用于具有多个线圈(136)的磁共振成像(MRI)系统(100)的图像重建的方法包括：获得由所述MRI系统(100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；为所述多个线圈(136)的每一个线圈确定用于所述区域的相应线圈灵敏度曲线；并且，经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述区域的动态图像。所述最小化问题基于所确定的线圈灵敏度曲线和所述动态图像的冗余Haar子波变换。

Description

用于使用非相干采样和冗余HAAR子波的动态磁共振成像的图像重建
技术领域
本申请要求下述部分的权益，它们的公开由此通过引用被明确地包含：在2012年9月26日提交的题目为“Sparse Learning in Parallel MagneticResonance Imaging”并且被分配序号No.61/705,799的美国临时申请；以及，在2012年9月26日提交的题目为“Cardiac MRI Reconstruction with IncoherentSampling and Weighted Redundant Haar Wavelets”并且被分配序号No.61/705,805的美国临时申请。
技术领域
本公开总体上涉及磁共振成像(MRI)系统，并且更具体地涉及并行传输MRI系统。
背景技术
磁共振成像(MRI)是广泛用于观看人体的结构和/或功能的医疗成像技术。MRI系统提供软组织对比，诸如用于诊断许多软组织疾病。MRI系统一般实现两阶段方法。第一阶段是激发阶段，其中，使用主极化磁场B0和射频(RF)激发脉冲B1 +来在受试者中建立磁共振信号。第二阶段是获取阶段，其中，该系统接收电磁信号，该电磁信号在激发脉冲B1结束后作为受激核放松被发射回以与主磁场对齐。这两个阶段被成对地重复，以获取足以构造图像的数据。
较高的磁场强度扫描器近来已经用于改善图像信噪比和对比度。然而，在RF激发磁场B1 +的幅度上的空间变化随着例如7特斯拉的主磁场强度而出现。跨越感兴趣的区域的激发的该不期望的非均匀通常被称为“中心增亮”、“B1 +不均匀”或“翻转角不均匀”。
新一代MRI系统已经产生具有空间定制的激发模式的RF脉冲以通过激发不均匀的空间逆而减轻B1 +不均匀。在这些系统中，通过例如整体天线的个别杆的独立射频发送信道来并行发送多个射频脉冲串。被称为“并行发送”或“并行激发”的该方法利用在多元件RF线圈阵列的不同空间轮廓之中的变化。除了B1 +不均匀的减轻之外，并行激发已经使得几个重要应用成为可能，包括柔性成形激发体积。
并行发送也已经用于减少获取时间。在阵列中的个别线圈之间的灵敏度上的变化用于减少在成像过程中涉及的梯度编码的数量。
减少的获取时间和其他进步已经使得用于研究对象的运动的动态MRI过程成为可能。例如，动态MRI成像已经用于心脏的电影成像。尽管减少了梯度编码的数量，减少的获取时间已经维持了图像质量。
尽管如此，但是动态成像的时间分辨率仍然受益于在获取时间的进一步的减少。经常在空间分辨率和时间分辨率之间作出折中。通常实现欠采样技术以获得其获取时间上的进一步节省。例如，可以每隔一行获取扫描数据，以将获取时间减半。
发明内容
使用其中优化最小化问题的迭代过程来对于欠采样或非相干地采样的扫描数据实现在磁共振成像(MRI)系统中的图像重建。该最小化问题基于线圈灵敏度曲线和冗余Haar子波变换(Haar wavelet transform)。
根据一个方面，用于包括多个线圈的MRI系统的图像重建的方法包括：获得由MRI系统捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；使用处理器为所述多个线圈的每一个线圈确定所述区域的相应线圈灵敏度曲线；并且，使用所述处理器经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述区域的动态图像。所述最小化问题是所确定的线圈灵敏度曲线和所述动态图像的冗余Haar子波变换的函数。
根据另一个方面，计算机程序产品用于实现用于包括多个线圈的MRI系统的图像重建的方法。所述计算机程序产品包括一个或多个计算机可读存储介质，其上存储了计算机可执行指令，所述计算机可执行指令当被计算系统的一个或多个处理器执行时使得所述计算系统执行所述方法。所述方法包括：获得由所述MRI系统捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；为所述多个线圈的每一个线圈估计用于所述欠采样区域的相应线圈灵敏度曲线；并且，经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述欠采样区域的动态图像。所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，第二项包括所述动态图像的加权的冗余Haar子波变换。
根据又一个方面，数据处理系统用于包括多个线圈的MRI系统。所述数据处理系统包括：存储器，其中，存储线圈灵敏度估计指令和迭代重建指令；数据存储设备，其中，存储由所述MRI系统捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；以及，处理器，其耦合到所述存储器和所述数据存储设备，并且被配置为执行所述线圈灵敏度估计指令以为所述多个线圈的每一个线圈估计用于所述欠采样区域的相应线圈灵敏度曲线。所述处理器被进一步配置为执行所述迭代重建指令，以经由最小化问题的优化从所述k空间扫描数据重建用于所述欠采样区域的动态图像。所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，该第二项包括所述动态图像的加权的冗余Haar子波变换。
附图说明
图1是磁共振成像(MRI)系统的一个实施例的框图。
图2是根据一个实施例的图1的MRI系统的RF系统和其他组件的框图，用于描述RF系统的并行传输架构。
图3是根据一个实施例的数据处理系统(诸如图1的MRI系统的数据处理服务器和/或工作站)的框图。
图4是由图3的数据处理服务器或工作站和/或图1的MRI系统的另一个组件实现的并行传输MRI方法的一个实施例的流程图。
图5A和5B是根据所公开的方法和系统的一个实施例重建的图像的示例。
具体实施方式
描述在电影或动态磁共振成像(MRI)系统中的图像重建技术。该重建技术包括迭代过程，其使用冗余Haar子波变换来利用在图像之中和之间的空间和时间相关性以补偿在MRI扫描过程期间的欠采样。可以将冗余Haar子波变换加权以在迭代重建期间强调时间相关性。
所公开的实施例的迭代重建技术向要优化的最小化问题内并入目标图像的先验知识。该目标图像具有已知的特性，该已知特性的识别可以用于从欠采样的扫描数据重建图像。该目标图像的已知特性被目标图像的Haar子波变换的稀疏性表示。目标图像的Haar子波变换在以下意义上稀疏：通过变换计算出的梯度图像包括具有值0的多个像素。例如，如果在垂直方向上的许多相邻像素具有相同的值，则指向垂直梯度的Haar子波变换产生许多零值像素。要解决或优化的最小化问题被配置为并入这样的稀疏性的先验知识。
所公开的实施例被配置为在利用非相干采样的同时重建动态图像。该非相干采样包含如下所述地欠采样k空间以减少获取时间并改善时间分辨率。在实时成像中，存在不足以获取多于几个梯度编码的时间。非相干采样被配置为提供适当的采样模式。所公开的实施例可以使用多种不同的采样模式，包括笛卡尔(Cartesian)和径向采样模式。在重建期间，可以对欠采样的动态图像使用根据采样模式的傅立叶变换。
所公开的实施例的MRI系统被配置为用于使用多个线圈的并行成像。并行成像利用在接收阵列中的各个线圈元件之间在灵敏度上的差别来减少梯度编码的数量。尽管欠采样的k空间扫描数据，所公开的实施例使用不同的线圈灵敏度来用于图像重建。
所公开的实施例估计或另外确定每一个线圈的线圈灵敏度曲线。可以基于要成像的区域的预扫描或其他参考扫描来确定该线圈灵敏度曲线。替代地或附加地，可以基于用于产生用于图像重建的数据的扫描来确定线圈灵敏度曲线。在一些情况下，可以使用基于特征向量的方法来估计线圈灵敏度。可以使用其他方法，包括例如平方和技术，如下所述。
虽然与心脏电影成像相关地描述，但是所公开的实施例可以用于重建多种不同对象的图像。例如，可以与重建在心脏之外的血流的图像相关地使用所公开的实施例。所公开的实施例不限于其中使用造影剂的心脏磁共振(CMR)成像或MRI过程。其他电影或动态MRI成像(不论是现在已知的或以后开发的)都可以包含所公开的实施例。
现在转向附图，图1描述根据本公开的几个方面配置的磁共振成像(“MRI”)系统100。MRI系统100一般包括扫描器或数据获取单元101和用于引导扫描器102的操作的控制系统104。在操作的激发阶段，数据获取单元102通过下述方式来建立磁共振信号：使受试者经受主磁场B0，以将在组织中的原子核的个别磁矩或自旋与极化场的轴(传统上为Z轴)对齐。该主磁场也使得磁矩在它们的特征拉莫尔频率(characteristic Larmor frequency)围绕该轴共振地进动。然后数据获取单元102使组织经受具有接近拉莫尔频率的频率的射频(RF)激发脉冲B1，使得在x-y平面中的磁场重新定向、翻转或倾斜净对齐的磁矩Mz到x-y平面或向x-y平面内重新定向、翻转或倾斜净对齐的磁矩Mz，以产生净横向磁矩Mxy(所谓的自旋磁化)。该激发阶段一般被定制以将激发脉冲局部化到在受试者内的特定区域，诸如3D平板或相对薄的2D切片。在随后的操作的获取阶段中，数据获取单元102在用于3D平板的所有三维中或仅在用于薄的切片的平面内编码该局部化的区域。可以通过测量周期的序列来扫描要成像的区域，在测量周期的序列中，磁场梯度(Gx、Gy和Gz)根据正使用的具体局部化方法而改变。可以使用定制的RF脉冲来局部化该激发。
控制系统104包括工作站110，其具有一个或多个输出接口(例如，显示器)112和一个或多个输入接口(例如，键盘)114。工作站110包括处理器116，其可以是运行市售的操作系统的市售的可编程机器。工作站110提供操作员接口，其使得扫描序列能够进入控制系统104和MRI系统100或能够对于控制系统104和MRI系统100限定。工作站110可以耦合到多个服务器，在这个示例中其包括脉冲序列服务器118、数据获取服务器120、数据处理服务器122和数据存储服务器124。工作站110和服务器118、120、122和124可以经由任何期望的通信技术、协议或标准来彼此进行通信。服务器118、120、122和124可以与由诸如工作站110之类的单个工作站提供的相应服务对应。控制系统104的组件可以经由数据总线或网络(未示出)彼此耦合，并且不必经由所示的相应专用通信线连接。控制系统104的组件中的任何一个或多个可以被实现为由诸如工作站110之类的公共物理机器或其他装置实现的服务单元、模块或其他单元。可以提供另外、不同或更少的组件，诸如组合两个或更多服务器或者在服务器上提供工作站功能，或者反之亦然。
脉冲序列服务器118响应于从工作站110下载的指令而起作用，以操作梯度系统126和射频(“RF”)系统128。包含用于指示RF脉冲和梯度的数据的扫描序列可以被存储在脉冲序列服务器118或控制系统104的其他组件的库或其他存储器中。用于执行规定的扫描的梯度波形被产生和被施加到梯度系统126，该梯度系统126激发在梯度线圈套件130中的梯度线圈，以产生用于位置编码MR信号的磁场梯度Gx、Gy和Gz。梯度线圈套件130形成磁套件132的一部分，磁套件132包括环形或其他极化磁铁134和整体RF线圈阵列136。在一些情况下，该整体RF线圈阵列136被以所谓的鸟笼天线的形式构造，并且具有多个独立的天线杆，该多个独立的天线杆与患者通道平行地延伸，并且被均匀地布置在围绕患者通道的周围布置中。独立的天线杆可以在鸟笼天线的一端处以环形形状电容性地彼此耦合。可以使用其他天线或线圈配置。
RF激发波形被RF系统128施加到RF线圈136以执行所选择的磁共振脉冲序列。由RF线圈阵列136或独立的本地线圈阵列(未示出)检测到的响应MR信号在脉冲序列服务器118的方向上被RF系统128接收、被放大、被解调、被滤波和数字化。RF系统128包括RF发送器，用于产生在MR脉冲序列中使用的多种多样的RF脉冲。RF发送器响应于来自脉冲序列服务器118的所选择的扫描序列和方向，以产生期望频率、相位和脉冲幅度波形的RF脉冲。所产生的RF脉冲可以被施加到整体RF线圈136或一个或多个局部线圈或线圈阵列。如下所述，RF发送器包括多个发送信道，用于产生经由由每一个发送信道产生的RF脉冲的叠加形成的RF脉冲。
RF系统128也包括多个RF接收器信道。每一个RF接收器信道包括RF放大器，其放大由其所连接的线圈接收到的MR信号。每一个接收器也可以包括检测器，其收集和数字化所接收的MR信号的同相(I)和正交(Q)分量。
脉冲序列服务器118可以从生理获取控制器138接收患者数据。控制器138从连接到患者的多个不同传感器接收信号，诸如来自电极的ECG信号或来自波纹管的呼吸信号。这样的信号通常被脉冲序列服务器118使用来将扫描序列的实现与受试者的呼吸或心跳同步或“选通”。
脉冲序列服务器118也连接到扫描室接口电路140，扫描室接口电路140从与患者或受试者的状况相关联的各个传感器和磁系统接收信号。受试者定位系统142也通过扫描室接口电路140来接收在扫描序列期间将受试者移动到期望位置的命令。受试者定位系统142可以引导一个或多个电机(未示出)，该一个或多个电机向期望位置驱动床并且因此驱动受试者。
由RF系统128产生的数字化的MR信号样本被数据获取服务器120接收。数据获取服务器120响应于从工作站110下载的指令来运行以接收实时MR数据，并且提供缓冲器存储，使得不因为数据溢出而丢失数据。在一些扫描序列中，数据获取服务器120将所获取的MR数据传送到数据处理器服务器122。然而，在要求从所获取的MR数据得出的信息来控制扫描的另外的执行的扫描中，数据获取服务器120也可以被编程以产生这样的信息，并且将其传递到脉冲序列服务器118。例如，在校准或其他预扫描期间，MR数据被获取和用于校准由脉冲序列服务器118执行的脉冲序列。该校准数据可以被存储在与上述服务器或其他装置的任何一个相关联或通信的存储器或存储装置或其他单元中。而且，导航信号可以在扫描期间被获取，并且用于调整RF或梯度系统操作参数或控制其中将k空间采样的观看顺序。数据获取服务器120可以被使用来处理用于检测在磁共振血管造影(MRA)扫描中的造影剂的到来的MR信号。在所有这些示例中，数据获取服务器120获取MR数据，并且实时地处理它以产生用于控制扫描的信息。
数据处理服务器122从数据获取服务器120接收原始k空间MR扫描数据，并且根据从工作站110下载的指令来处理它。由MR扫描器获取的原始数据是图像的傅立叶系数或所谓的k空间数据。该k空间数据典型通过一系列相位或频率编码而被获取。每一个相位编码覆盖与扫描的轨迹和采样相关的给定量的k空间数据。k空间反映扫描的采样模式，例如，笛卡儿采样、径向采样等。例如，对于笛卡儿采样，使用总共256个频率编码来产生一个256×256像素图像的完全k空间。可以在在此所述的公开实施例中欠采样k空间。
k空间扫描数据的处理可以包括用于迭代重建过程的校准的参考扫描数据的处理以及经由重建过程的扫描数据的图像重建。下面连同图3和4提供关于这样的校准和图像重建的另外的细节。在一些情况下，该处理可以包括另外的数据处理，涉及例如原始k空间MR数据的傅立叶变换、滤波器向重建的图像的应用、所获取的MR数据的背投影图像重建的执行、功能MR图像的计算、运动或流图像的计算、分段、呈现或其他可视化处理。
由数据处理服务器122重建的图像被传递回工作站110以用于存储和/或显示。实时图像可以被存储在数据库存储器高速缓存(未示出)中，从该数据库存储器高速缓存，实时图像可以被输出到显示器112或辅助终端或控制台144，该显示器112或辅助终端或控制台144可以位于磁套件132附近，以由主治放射科医生或其他操作者使用。批模式图像或选择的实时图像被存储在海量存储装置146上的数据库中，海量存储装置146可以包括任何期望的存储介质。当这样的图像已经被重建和传送到存储器时，数据处理服务器122通知在工作站110上的数据存储服务器124。工作站110可以被操作员使用来归档图像、产生影片或经由网络向其他设施发送图像。
现在参见图2，更详细地示出系统100的RF系统128和其他组件。整体线圈阵列136一般包括多个线圈或线圈元件，其可以独立被多个RF发送器200驱动以产生期望的RF激发场(“FOX”)。每一个RF发送器200形成信道的阵列之一，该信道的阵列当叠加时集体限定复合RF信号。线圈阵列136也可以与多个接收器信道202一起使用。替代地或附加地，可以使用另一个整体RF线圈阵列(未示出)或另一个局部RF线圈来获得MR信号。多个不同的线圈阵列结构可以被用作系统100(图1)的一部分。
RF系统126包括一组发送器200，其每一个产生个别的选择的RF激发场。在频率合成器204的控制下产生该RF激发场的基本或载波频率，该频率合成器204从脉冲序列服务器118接收一组数字控制信号。这些控制信号可以包括表示可以在输出206处产生的RF载波信号的频率和相位的数据。RF载波被施加到在每一个发送器200中的调制器和上变频器208，其中，响应于也从脉冲序列服务器118接收的信号来调制其幅度。该信号限定要产生的RF激发脉冲的包络，并且通过依序读出一系列存储的数字值而被产生。这些存储的数字值可以被改变以使得每一个发送器200能够产生任何期望的RF脉冲包络。
在输出210处产生的RF激发脉冲的幅度被在每一个发送器200中的激发器衰减器电路212衰减。每一个衰减器电路212从脉冲序列服务器118接收数字命令。所衰减的RF激发脉冲被施加到在每一个发送器200中的功率放大器214。功率放大器214是连接到在一组发送/接收开关216上的相应发送输入的电流源装置。在这个示例中，期望数目的N个发送器200被使用并且通过对应的数目N个发送/接收开关216连接到在RF线圈阵列136中的对应的数目N个线圈元件。可以使用其他发送/接收布置。
由受试者产生的信号被线圈阵列200拾取，并且被施加到所述一组接收器信道202的输入。在每一个接收器信道202中的预放大器218将该信号放大由从脉冲序列服务器118(图1)接收的数字衰减信号确定的量。所接收的信号在拉莫尔频率处或周围，并且该高频信号由下变频器220在双步骤处理中下变换，下变频器220首先在线206上将核磁共振(NMR)信号与载波信号混频，并且然后在线222上将结果产生的差信号与参考信号混频。该下变换的NMR信号被施加到模数(“A/D”)转换器224的输入，该模数(“A/D”)转换器224采样和数字化模拟信号，并且将该数字信号施加到数字检测器和信号处理器226。该数字检测器和信号处理器226产生与所接收的信号对应的16位同相(I)值和16位正交(Q)值，但是可以使用其他格式。所接收的信号的数字化I和Q值的结果产生的流被输出到数据获取服务器120(图1)。通过参考频率发生器228来产生参考信号以及被施加到A/D转换器224的采样信号。
发送/接收开关216在其中要产生RF场的脉冲序列的那些部分期间被脉冲序列服务器118(图1)控制和引导以将N个发送器200连接到在线圈阵列136中的N个线圈元件。每一个发送器200被脉冲序列服务器118(图1)独立地控制以在N个线圈元件的每一个处产生期望幅度、频率、相位和包络的RF场。该N个线圈元件的组合的RF场在该过程的成像阶段期间贯穿在受试者中的感兴趣的区域产生规定的B1场。
当未产生B1场时，脉冲序列服务器118引导发送/接收开关216以将N个接收器信道的每一个连接到相应的N个线圈元件。由在受试者体内的激发自旋产生的信号被拾取，并且分别被处理，如上所述。
图3描述用于诸如上面连同图1和2描述的具有多个线圈的并行成像MRI系统的MRI系统的数据处理系统300。该数据处理系统300可以与数据处理服务器122(图1)、工作站110(图1)或其任何组合对应。数据处理系统300可以与连同图1描述的组件的任何一个集成或与其对应。在这个示例中，数据处理系统300包括存储器302、处理器304、(多个)用户输入306、显示器308和数据存储设备310。处理器304耦合到存储器和数据存储设备310，以执行在存储器302中存储的计算机可执行指令，以处理在数据存储设备310中存储的扫描数据，从而从该扫描数据重建图像。可以在显示器308上呈现该重建的图像。(多个)用户输入306可以用于向数据处理系统300提供手动指令。该数据处理系统300可以包括更少、附加或替代的组件。例如，数据处理系统300可以被配置为服务器，诸如数据处理服务器122，其中，不包括(多个)用户输入306和显示器308。
数据处理系统300对于在时间上的区域(诸如二维片段或三维厚片或其他体积)获得k空间扫描数据。可以在扫描序列期间接收扫描数据，如上所述。该扫描序列可以是预扫描或参考扫描序列或者被配置为产生用于图像重建的欠采样扫描数据的扫描序列。然后，该扫描数据可以被存储在数据存储设备310中。替代地，该扫描可以被MRI系统先前捕获或获取，并且从数据存储设备310和/或不同的数据存储设备被获得。以任何一种方式，其后从数据存储设备310可访问k空间扫描数据，以用在重建过程的校准中和/或用于图像重建。
用于图像重建的k空间扫描数据表示时间上的欠采样区域。该欠采样可以根据多种采样模式。在一些实施例中，该欠采样可以包括或根据笛卡儿采样模式。笛卡儿采样模式的每行可以与相应频率编码对应。然后该笛卡儿采样模式可以通过周期地跳过每隔一行或周期地跳过多行来欠采样k空间。也可以实现在顺序图像中的k空间行的时间交织。可以使用非笛卡儿采样模式，包括例如螺旋、投影和其他径向采样模式。
在其中对于区域获得参考扫描数据的实施例中，未欠采样参考扫描数据。但是，在一些情况下，为了节省时间，参考扫描数据可以是与用于图像重建的扫描数据相同的质量或比其低的质量。例如，参考扫描数据可以限于k空间的低频或中心部分。
存储器302是计算机可读存储介质，在其中计算机可执行指令或指令集被存储以由处理器304执行来实现所公开的实施例的图像重建过程。在图3的实施例中，在线圈灵敏度估计指令312和迭代重建指令314中布置指令。指令312、314可以被配置为分立模块或指令集。指令312、314可以被整合到任何期望的程度。可以在存储器302中存储附加或替代的指令集或模块。例如，与迭代重建过程相关的指令可以被划分为多个模块，而不是被整合到所示的单个模块内。可以在存储器302上存储另一个模块或指令集，用于获得k空间扫描数据以存储在数据存储设备310中或从数据存储设备310访问。
线圈灵敏度估计指令312被配置为使得处理器304估计或另外确定在MRI系统中的每一个线圈的相应的线圈灵敏度曲线。对于要重建图像的区域确定线圈灵敏度曲线。可以基于用于区域的参考扫描数据和/或基于经由用于产生用于图像重建的非相干采样模式获取的扫描数据而确定线圈灵敏度曲线。该指令312可以被配置为使得处理器304实现用于估计或确定线圈灵敏度曲线的各种技术，包括例如基于特征向量的方法或平方和方法。该基于特征向量的方法可以使用基于奇异值分解(SVD)的特征向量技术来估计每一个线圈灵敏度曲线，基于奇异值分解(SVD)的特征向量技术可以使用在扫描数据中的所有时间阶段上的平均k空间数据。在那些情况下，在像素位置的每一个处独立地估计线圈灵敏度。从k空间校准数据装配校准矩阵。基于校准矩阵来计算行空间矩阵。然后将该行空间矩阵变换为图像域，该图像域具有对于每一个像素位置的矩阵。在每个像素位置处的最后的估计线圈灵敏度是与这样的图像域矩阵的最高特征值对应的特征向量。而且，提供了关于可以经由指令312实现的线圈灵敏度曲线估计过程的示例的另外的细节：Lustig等的“An Eigen-Vector Approach to AutoCalibrating Parallel MR1,WhereSENSE Meets GRAPPA,”Proc.Intl.Soc.Mag.Reson.Med.,卷19,页479(2011),和Pruessmann等的“SENSE:Sensitivity Encoding for Fast MRI,”Magnetic Resonance in Medicine,卷42,页952-962(1999)，其整体公开通过引用被并入在此。
迭代重建指令314被配置为使得处理器304实现迭代图像重建过程，以从k空间扫描数据重建用于欠采样的区域的动态图像。该图像重建过程包括基于线圈灵敏度曲线和动态图像的冗余Haar子波变换的最小化问题的优化。
该最小化问题呈现目标函数，其具有基于欠采样的动态图像和估计的线圈灵敏度曲线的傅立叶变换的数据保真项。可以根据按照k空间扫描数据的采样模式配置的欠采样运算符来修改傅立叶变换。在一个示例中，根据L2范数来配置数据保真项目。可以使用其他范数，包括例如Frobenius范数。
该目标函数包括基于或构成动态图像的加权冗余Haar子波变换的先验知识项。该先验知识项可以表示时间和/或空间相关性，并且因此，表示在目标图像上的结构。由该项呈现的先验知识可以与稀疏的冗余Haar子波变换相关。源自冗余Haar子波变换向目标图像的应用的子波系数因为时间和/或空间相关性而可压缩。
Haar子波变换向目标图像的应用产生四个输出。第一输出表示在所有方向上的像素值的平均。第二和第三输出是在垂直和水平方向上的梯度。第四输出表示在垂直和水平方向两个上的梯度。
最小化问题的两项求和。可以加权两项的相对贡献。在一个实施例中，将先验知识之类以因子(参见下面的λ)加权。在其他实施例中，可以向另一个或两项应用因子。
在一个实施例中，通过优化可以被表达如下的最小化问题而重建动态图像：
其中，索引i和j分别指定行和线圈，Di是欠采样运算符，以配置2D(或3D)傅立叶变换F，是由第j线圈获取的k空间扫描数据，sj是用于第j线圈的线圈灵敏度曲线，d是权重运算符，用于强调在源自冗余Haar子波变换W向目标图像x的应用的冗余Haar子波变换系数中的时间相关性(例如，将高的权重置于其上)。通过⊙符号来表示逐分量的相乘运算符。可以使用其他运算符和/或函数。优化最小化问题以确定最小化所述和的目标或重建的图像x。
迭代重建指令314可以被配置为实现用于解决最小化问题的多种不同的优化算法。在一个实施例中，可以使用子带迭代收缩门限算法(S-ISTA)。也可以使用迭代收缩门限算法(ISTA)，诸如快速ISTA(FISTA)或其他涅斯捷罗夫型(Nesterov-type)方法。也可以使用乘法器交替方向法(ADMM)技术来解决最小化问题。可以使用迪杰特斯拉型(Dykstra-type)算法来有效地求解与非光滑正则项(以冗余Haar变换作为稀疏变换)相关联的近似运算符。
处理器304可以是通用处理器、中央处理单元、控制处理器、图形处理器、数字信号处理器、三维呈现处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路、其组合或用于确定位置和/或产生图像的其他现在已知或以后开发的装置。处理器304是串行地、并行地或独立地运行的单个装置或多个装置。处理器304可以具有在一个或多个装置上分布的任何数量的处理内核。例如，可以通过具有总共四个处理内核的一对中央处理单元(CPU)来实现所公开的过程。处理器304可以是诸如膝上型或台式计算机之类的计算机的主处理器，或者可以是用于诸如在成像系统中的在较大系统中处理某些任务的处理器。
存储器302可以是图形处理存储器、视频随机存取存储器、随机存取存储器、系统存储器、高速缓存存储器、硬盘驱动器、光学介质、磁介质、快闪驱动器、缓冲器、数据库、其组合和或用于存储数据或成像信息的其他现在已知或以后开发的存储器装置。存储器302是成像系统的一部分、与处理器304相关联的计算机的一部分、数据库的一部分、另一个系统的一部分或单独的装置。
存储器302可以包括非瞬时计算机可读存储介质，用于存储用于表示由编程的处理器304可执行的指令的数据。在诸如高速缓存、缓冲器、RAM、可装卸介质、硬盘驱动器或其他计算机可读存储介质的计算机可读存储介质或存储器上提供用于实现在讨论述的处理、方法和/或技术的指令。计算机可读存储介质包括各种类型的易失性和非易失性存储介质。响应于在计算机可读存储介质之中或之上存储的一个或多个指令集而执行在附图中图示或在此所述的功能、动作或任务。该功能、动作或任务独立于具体类型的指令集、存储介质、处理器或处理策略，并且可以通过单独或组合地运行的软件、硬件、集成电路、固件和微码等被执行。同样，处理策略可以包括多处理、多任务和并行处理，如上所述。计算机可读存储介质不包括用于承载波形或信号的通信介质。
可以在数据处理系统300中设置附加的、更少的或不同的组件。例如，可以提供网络或网络连接，诸如用于与医疗成像网络或数据归档系统联网。可以提供任何数量或类型的用户输入或其他用户界面。
图4描述用于具有多个线圈的MRI系统的图像重建的方法。MRI系统可以如上面结合图1和2描述地被配置。该方法可以与其他MRI系统一起使用。该方法包括可以使用如上面结合图3描述的处理器304和数据处理系统300执行的动作的序列。可以使用其他处理器和处理系统。可以在该方法中包括附加的、更少的或替代的动作。例如，可以通过访问诸如数据存储设备310(图3)的数据存储设备来获得用于校准或重建的扫描数据。
该方法可以在动作400处开始，在步骤400中，使用线圈阵列对于区域获得由MRI系统捕获的k空间扫描数据。该k空间扫描数据可以表示时间上的欠采样区域。在其他情况下，通过在动作402处进行低质量参考扫描来获得k空间扫描数据。参考扫描数据被获得以校准重建过程，从而处理随后获得的另外的扫描数据。在任何一种情况下，在动作400中获得的扫描数据用于确定每一个线圈的线圈灵敏度曲线。
在动作400中获得的扫描数据用于图像重建的情况下，动作400可以包括以非相干采样来在动作404中进行扫描。该非相干采样可以包括或涉及多种不同的采样模式。在一些示例中，根据笛卡儿采样模式来配置欠采样。笛卡儿采样模式可以周期地跳过一条或多条线。该模式可以涉及在顺序图像中的线的交织。在其他示例中，k空间扫描数据的采样模式包括径向采样模式，诸如螺旋或投影模式。
在动作406中，对于每一个线圈的扫描区域确定相应的线圈灵敏度曲线。可以通过各种技术来估计灵敏度曲线。在一些情况下，在动作408中通过迭代处理来确定线圈灵敏度。在其他情况下，在动作410中使用基于SVD的特征向量技术以估计灵敏度。在其他情况下，在动作412中使用平方和方法。可以使用这些和其他技术的任何一个或多个。
可以基于参考扫描数据或要用于图像重建的扫描数据来估计或确定线圈灵敏度。在后一种情况下，该方法可以包括动作414，在其中对于要成像的区域获得另外的k空间扫描数据。该扫描数据被欠采样以支持在此所述的图像重建。动作414可以包括在动作416中进行另一个扫描，诸如高质量扫描。替代地，可以通过访问从之前进行的扫描存储的扫描数据而获得扫描数据。
一旦确定了线圈灵敏度曲线，则在动作418中实施迭代过程，以从k空间扫描数据重建用于区域的动态图像。该迭代重建过程包括最小化问题的优化，其示例如上所述。该最小化问题基于动态图像的线圈灵敏度曲线和冗余Haar子波变换，如上所述。该最小化问题被配置为最小化具有数据保真项目的目标函数。可以根据L2或其他范数来配置数据保真项。该范数可以基于欠采样的动态图像的傅立叶变换。可以根据采样模式来配置该傅立叶变换。可以根据按照k空间扫描数据的采样模式配置的欠采样运算符来修改傅立叶变换，如上所述。
目标函数也包括用于表示稀疏的冗余Haar子波变换的先验知识的先验知识项。可以将冗余Haar子波变换加权以强调在动态图像中的时间相关性。
可以相对于彼此加权最小化问题的数据保真和先验知识项之一或两者。在一些情况下，在动作420中选择一个或多个加权因子。例如，可以选择在上述目标函数中的加权因子λ。
在优化的每一个迭代期间，可以在动作422中计算数据保真项。基于欠采样的动态图像的线圈灵敏度曲线和傅立叶变换来计算该数据保真项。可以因此根据在获得k空间扫描数据中使用的采样模式来配置该傅立叶变换。也在优化的每一个迭代期间在动作424中计算先验知识项。先验知识项的计算包括Haar子波系数的确定，该Haar子波系数可以被加权以强调在动态图像中的时间相关性。
图5A和5B描述根据一个实施例的用于重建心脏电影图像的迭代重建方法。在具有30个线圈的3.0T MRI扫描器(MAGNETOM Skyra System,SiemensHealthcare,Erlangen,德国)上获取扫描数据。使用下面的成像参数：FOV＝340×255mm2；matrix＝224×168；TR/TE＝29/1.26ms；每一个像素的带宽＝1395HZ；翻转角＝38°；以及时间分辨率＝30ms。对于每一个时间阶段，获取用于38个时间阶段和10个频率编码的扫描数据。
图5A和5B分别描述用于阶段1和19的重建过程的结果。重建的心脏电影图像不包括在由其他重建过程呈现的结果中观察到的伪像(artifact)，特别是当以视频序列来显示图像时。由所公开的实施例的重建过程提供的空间和时间正规化产生无伪像的结果。
可以单独或彼此组合地使用在此所述的各个实施例。上面的详细说明已经仅描述了本发明的许多可能实现方式的几个。因为这个原因，该详细说明意图是例示，而不是限制。

Claims (20)

1.一种用于包括多个线圈(136)的磁共振成像(MRI)系统(100)的图像重建的方法，所述方法包括：
获得由所述MRI系统(100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；
使用处理器(304)为所述多个线圈(136)的每一个线圈确定用于所述区域的相应线圈灵敏度曲线；并且
使用所述处理器(304)经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述区域的动态图像，
其中，所述最小化问题是所确定的线圈灵敏度曲线和所述动态图像的冗余Haar子波变换的函数。
2.根据权利要求1所述的方法，其中，所述冗余Haar子波变换被加权以强调所述动态图像的时间相关性。
3.根据权利要求1所述的方法，其中，所述k空间扫描数据的采样模式包括笛卡尔采样模式。
4.根据权利要求3所述的方法，其中，所述笛卡尔采样模式周期地跳过一条或多条线。
5.根据权利要求1所述的方法，其中，所述k空间扫描数据的采样模式包括径向采样模式。
6.根据权利要求1所述的方法，进一步包括获得参考扫描数据，其中，基于所述参考扫描数据来确定所述线圈灵敏度曲线。
7.根据权利要求1所述的方法，其中，所述最小化问题进一步基于所述欠采样区域的所述动态图像的傅立叶变换。
8.根据权利要求7所述的方法，其中，根据按照所述k空间扫描数据的采样模式而配置的欠采样运算符来修改所述傅立叶变换。
9.根据权利要求1所述的方法，其中，确定所述相应线圈灵敏度曲线包括：使用基于奇异值分解(SVD)的特征向量技术来估计每一个线圈灵敏度曲线。
10.根据权利要求1所述的方法，其中，所述最小化问题被配置为最小化目标函数，所述目标函数包括根据L2范数配置的数据保真项。
11.根据权利要求1所述的方法，其中，所述最小化问题被配置为最小化目标函数，所述目标函数包括先验知识项，先验知识项表示稀疏的所述冗余Haar子波变换的先验知识。
12.一种计算机程序产品，用于实现用于包括多个线圈(136)的磁共振成像(MRI)系统(100)的图像重建的方法，所述计算机程序产品包括一个或多个计算机可读存储介质(302)，其上存储了计算机可执行指令，所述计算机可执行指令当被计算系统(300)的一个或多个处理器(304)执行时使得所述计算系统(300)执行所述方法，所述方法包括：
获得由所述MRI系统(100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；
为所述多个线圈(136)的每一个线圈估计用于所述欠采样区域的相应线圈灵敏度曲线；并且
经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述欠采样区域的动态图像，
其中，所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，该第二项包括所述动态图像的加权的冗余Haar子波变换。
13.根据权利要求12所述的计算机程序产品，其中，所述冗余Haar子波变换被加权以强调所述动态图像的时间相关性。
14.根据权利要求12所述的计算机程序产品，其中，根据按照所述k空间扫描数据的采样模式而配置的欠采样运算符来修改所述傅立叶变换。
15.根据权利要求12所述的计算机程序产品，其中，根据L2范数来配置所述第一项。
16.根据权利要求12所述的计算机程序产品，其中，所述第二项表示稀疏的所述冗余Haar子波变换的先验知识。
17.一种用于包括多个线圈(136)的磁共振成像(MRI)系统(100)的数据处理系统(300)，所述数据处理系统(300)包括：
存储器，在其中存储线圈灵敏度估计指令和迭代重建指令；
数据存储设备，在其中存储由所述MRI系统(100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；以及，
处理器(304)，其耦合到所述存储器和所述数据存储设备，并且被配置为执行所述线圈灵敏度估计指令以为所述多个线圈(136)的每一个线圈估计用于所述欠采样区域的相应线圈灵敏度曲线；
其中，所述处理器(304)被进一步配置为执行所述迭代重建指令，以经由最小化问题的优化从所述k空间扫描数据重建用于所述欠采样区域的动态图像；
其中，所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，该第二项包括所述动态图像的加权的冗余Haar子波变换。
18.根据权利要求17所述的数据处理系统(300)，其中，根据按照所述k空间扫描数据的采样模式而配置的欠采样运算符来修改所述傅立叶变换。
19.根据权利要求17所述的数据处理系统(300)，其中，根据L2范数来配置所述第一项。
20.根据权利要求17所述的数据处理系统(300)，其中，所述第二项表示稀疏的所述冗余Haar子波变换的先验知识。
CN201380058249.1A 2012-09-26 2013-09-26 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建 Active CN104781685B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201261705805P 2012-09-26 2012-09-26
US201261705799P 2012-09-26 2012-09-26
US61/705,805 2012-09-26
US61/705,799 2012-09-26
US14/036,352 US9396562B2 (en) 2012-09-26 2013-09-25 MRI reconstruction with incoherent sampling and redundant haar wavelets
US14/036,352 2013-09-25
PCT/US2013/061824 WO2014052527A1 (en) 2012-09-26 2013-09-26 Image reconstruction for dynamic mri with incoherent sampling and redundant haar wavelets

Publications (2)

Publication Number Publication Date
CN104781685A true CN104781685A (zh) 2015-07-15
CN104781685B CN104781685B (zh) 2017-12-01

Family

ID=50338899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380058249.1A Active CN104781685B (zh) 2012-09-26 2013-09-26 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建

Country Status (3)

Country Link
US (1) US9396562B2 (zh)
CN (1) CN104781685B (zh)
WO (1) WO2014052527A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107656224A (zh) * 2017-09-30 2018-02-02 上海联影医疗科技有限公司 一种磁共振成像方法、装置及系统
CN108647418A (zh) * 2018-05-03 2018-10-12 华中科技大学 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法
CN109009109A (zh) * 2018-06-25 2018-12-18 深圳大学 三维并行磁共振成像的方法、装置、设备以及存储介质
CN110023776A (zh) * 2016-09-29 2019-07-16 皇家飞利浦有限公司 用于提高磁共振成像(mri)系统中的数据通信链路的效率和鲁棒性的方法和装置
WO2019153441A1 (zh) * 2018-02-09 2019-08-15 奥泰医疗系统有限责任公司 一种快速磁敏感加权成像扫描序列及方法
CN110133555A (zh) * 2018-02-08 2019-08-16 深圳先进技术研究院 一种Wave-CAIPI磁共振成像参数的解析优化方法、装置及介质
CN112001981A (zh) * 2020-08-28 2020-11-27 南京医科大学 基于广义涅斯捷罗夫加速共轭梯度算法的压缩采样mr影像重建方法
US20220179029A1 (en) * 2020-12-08 2022-06-09 Siemens Healthcare Gmbh Method for capturing mr data

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9478050B2 (en) * 2011-01-06 2016-10-25 Koninklijke Philips N.V. Imaging system for imaging an object
US9482732B2 (en) * 2012-11-08 2016-11-01 Nicolas Chesneau MRI reconstruction with motion-dependent regularization
US10126398B2 (en) 2014-01-03 2018-11-13 Yudong Zhu Modeling and validation for compressed sensing and MRI
WO2016108947A1 (en) * 2014-01-03 2016-07-07 Yudong Zhu Modeling and validation methods for compressed sensing and mri
CN104880684B (zh) * 2014-02-28 2019-02-22 西门子(深圳)磁共振有限公司 一种磁共振成像系统的图像重建方法和装置
KR101630762B1 (ko) * 2014-07-30 2016-06-15 삼성전자주식회사 자기 공명 영상 생성 장치 및 방법
US10313012B2 (en) 2015-08-03 2019-06-04 Phase Sensitive Innovations, Inc. Distributed array for direction and frequency finding
CN108140248B (zh) 2015-08-03 2021-10-29 菲斯灵敏创新公司 用于测向和测频的分布式阵列
US10897309B2 (en) 2015-08-03 2021-01-19 Phase Sensitive Innovations, Inc. Distributed array for direction and frequency finding
DE102016215112A1 (de) 2016-08-12 2018-02-15 Siemens Healthcare Gmbh Verfahren zum Aufzeichnen von diagnostischen Messdaten eines Herzens eines Untersuchungsobjekts in einer Herzbildgebung mittels eines Magnetresonanzgeräts
US9858689B1 (en) * 2016-09-15 2018-01-02 Siemens Healthcare Gmbh Fast and memory efficient redundant wavelet regularization with sequential cycle spinning
EP3564695A1 (de) 2018-05-04 2019-11-06 Siemens Healthcare GmbH Verfahren zur erzeugung eines magnetresonanz-bilddatensatzes, computerprogrammprodukt, datenträger sowie magnetresonanzanlage
US10657646B2 (en) * 2018-06-14 2020-05-19 Uih America, Inc. Systems and methods for magnetic resonance image reconstruction
WO2020028257A2 (en) 2018-07-30 2020-02-06 Hyperfine Research, Inc. Deep learning techniques for magnetic resonance image reconstruction
US10527699B1 (en) * 2018-08-01 2020-01-07 The Board Of Trustees Of The Leland Stanford Junior University Unsupervised deep learning for multi-channel MRI model estimation
US11789104B2 (en) 2018-08-15 2023-10-17 Hyperfine Operations, Inc. Deep learning techniques for suppressing artefacts in magnetic resonance images
JP2022526718A (ja) * 2019-03-14 2022-05-26 ハイパーファイン，インコーポレイテッド 空間周波数データから磁気共鳴画像を生成するための深層学習技術
CN110575166B (zh) * 2019-09-30 2022-04-12 北京信息科技大学 用于人体脑电信号时频分析的方法及装置
JP2021126207A (ja) 2020-02-12 2021-09-02 キヤノンメディカルシステムズ株式会社 画像再構成装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105522A (zh) * 2006-07-12 2008-01-16 Ge医疗系统环球技术有限公司 并行成像方法和mri设备
EP1959397A2 (en) * 2007-02-19 2008-08-20 Wisconsin Alumni Research Foundation Iterative highly constrained image reconstruction method
CN101975936A (zh) * 2010-09-03 2011-02-16 杭州电子科技大学 一种基于cs压缩感知技术的快速磁共振成像方法
CN102008306A (zh) * 2010-12-22 2011-04-13 中国科学院深圳先进技术研究院 磁共振并行成像方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8472688B2 (en) 2008-04-17 2013-06-25 Wisconsin Alumni Research Foundation Method for image reconstruction employing sparsity-constrained iterative correction
US8379947B2 (en) * 2010-05-28 2013-02-19 International Business Machines Corporation Spatio-temporal image reconstruction using sparse regression and secondary information
CN103443643B (zh) 2010-09-01 2016-08-10 原子能与替代能源委员会 用于执行并行磁共振成像的方法
US9482732B2 (en) * 2012-11-08 2016-11-01 Nicolas Chesneau MRI reconstruction with motion-dependent regularization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105522A (zh) * 2006-07-12 2008-01-16 Ge医疗系统环球技术有限公司 并行成像方法和mri设备
EP1959397A2 (en) * 2007-02-19 2008-08-20 Wisconsin Alumni Research Foundation Iterative highly constrained image reconstruction method
CN101975936A (zh) * 2010-09-03 2011-02-16 杭州电子科技大学 一种基于cs压缩感知技术的快速磁共振成像方法
CN102008306A (zh) * 2010-12-22 2011-04-13 中国科学院深圳先进技术研究院 磁共振并行成像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JUN LIU等: "Dynamaic cardiac MRI reconstruction with weighted redundant Haar wavelets", 《PROC.INTL.SOC.MAG.RESON.MED.20》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110023776A (zh) * 2016-09-29 2019-07-16 皇家飞利浦有限公司 用于提高磁共振成像(mri)系统中的数据通信链路的效率和鲁棒性的方法和装置
CN110023776B (zh) * 2016-09-29 2023-09-22 皇家飞利浦有限公司 用于提高磁共振成像(mri)系统中的数据通信链路的效率和鲁棒性的方法和装置
CN107656224B (zh) * 2017-09-30 2020-04-21 上海联影医疗科技有限公司 一种磁共振成像方法、装置及系统
CN107656224A (zh) * 2017-09-30 2018-02-02 上海联影医疗科技有限公司 一种磁共振成像方法、装置及系统
CN110133555A (zh) * 2018-02-08 2019-08-16 深圳先进技术研究院 一种Wave-CAIPI磁共振成像参数的解析优化方法、装置及介质
CN110133555B (zh) * 2018-02-08 2021-11-05 深圳先进技术研究院 一种Wave-CAIPI磁共振成像参数的解析优化方法、装置及介质
WO2019153441A1 (zh) * 2018-02-09 2019-08-15 奥泰医疗系统有限责任公司 一种快速磁敏感加权成像扫描序列及方法
CN108647418B (zh) * 2018-05-03 2020-08-18 华中科技大学 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法
CN108647418A (zh) * 2018-05-03 2018-10-12 华中科技大学 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法
CN109009109A (zh) * 2018-06-25 2018-12-18 深圳大学 三维并行磁共振成像的方法、装置、设备以及存储介质
CN112001981A (zh) * 2020-08-28 2020-11-27 南京医科大学 基于广义涅斯捷罗夫加速共轭梯度算法的压缩采样mr影像重建方法
CN112001981B (zh) * 2020-08-28 2023-12-12 南京医科大学 基于广义涅斯捷罗夫加速共轭梯度算法的压缩采样mr影像重建方法
US20220179029A1 (en) * 2020-12-08 2022-06-09 Siemens Healthcare Gmbh Method for capturing mr data

Also Published As

Publication number Publication date
WO2014052527A1 (en) 2014-04-03
US20140086469A1 (en) 2014-03-27
US9396562B2 (en) 2016-07-19
CN104781685B (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
CN104781685B (zh) 用于使用非相干采样和冗余haar子波的动态磁共振成像的图像重建
CN111513716B (zh) 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统
US9482732B2 (en) MRI reconstruction with motion-dependent regularization
CN102959388B (zh) 利用压缩感测重建的动态对比度增强mr成像
US8076938B2 (en) System and method of parallel imaging with calibration to a virtual coil
EP2828678B1 (en) Magnetic resonance image reconstruction method with respiratory motion detection during sampling of central and peripheral k-space areas
US20220237748A1 (en) Methods and system for selective removal of streak artifacts and noise from images using deep neural networks
US9709650B2 (en) Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images
US8379951B2 (en) Auto calibration parallel imaging reconstruction method from arbitrary k-space sampling
US8581589B2 (en) System and method for variable mode-mixing in magnetic resonance imaging
US9229081B2 (en) Accelerated MRI with nonlinear spatial encoding gradients
CN103384836A (zh) 包含grappa算子的用于任意k空间轨迹的快速两步并行重建
CN107209238B (zh) 具有对边带伪迹的抑制的并行多切片mr成像
CN103477238A (zh) 采用来自先验采集的约束的压缩感测mr图像重建
CN102736045A (zh) 具有局部sar 约束的并行发射射频脉冲设计
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
US20110241670A1 (en) Accelerated dynamic magnetic resonance imaging system and method
CN102870000A (zh) 使用单个和多个通道接收器线圈的用于同时多切片磁共振成象的方法
CN104833931A (zh) 用于控制磁共振成像系统的方法和装置
EP2800980A1 (en) Mri with dixon-type water/fat separation and prior knowledge about inhomogeneity of the main magnetic field
CN101023867A (zh) 数据校正装置、数据校正方法、磁共振成像装置和x射线ct装置
CN105473067A (zh) 用于降低mr成像中声音噪声水平的系统和方法
US11696700B2 (en) System and method for correcting for patient motion during MR scanning
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

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220118

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG

TR01 Transfer of patent right