CN105548927A - 基于多层同时激发的多次激发的磁共振扩散成像方法 - Google Patents

Abstract

本发明提出了一种基于多层同时激发的多次激发的磁共振扩散成像方法，该方法包括：使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对被测目标进行信号采集，以获取多次激发的多通道降采的k空间数据；根据多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据；分别对每次激发的完整的多通道的k空间数据进行傅立叶逆变换，以得到多次激发的多通道的图像域数据；对多次激发的多通道的图像域数据进行合并以生成所需图像。本发明实施例的基于多层同时激发的多次激发的磁共振扩散成像方法，能够提高图像分辨率，减少图像变形，提高成像速度。

Description

基于多层同时激发的多次激发的磁共振扩散成像方法

技术领域

本发明涉及磁共振技术领域，特别涉及一种多层同时激发的多次激发的磁共振扩散成像方法。

背景技术

磁共振扩散成像技术是目前活体测量水分子扩散运动的唯一影像手段，它通过施加扩散梯度感知水分子的微观运动，来探测组织的微细结构，既可以获得结构信息，又可以产生功能信息，因此该技术在过去十年内得到了很快的发展，并逐渐成为了一项重要的常规临床检查和科研工具。目前，临床上使用的扩散成像方法通常是单次激发平面回波成像(Echoplanarimaging，简称EPI)。单次激发EPI成像的特点是扫描时间短，受被试者的运动影响较小，然而，单次激发成像技术也有它本身的不足，由于沿着相位编码方向的采集带宽较小，在磁介质率相差较大的不同组织交界处会产生较严重的图像变形，这也限制了图像的空间分辨率。

为了减小图像变形，提高图像分辨率，近年来提出了多次激发扩散成像。多次激发通过减小每次激发采集的相位编码的数目，提高采集带宽，因而能有效减少图像变形，达到较大的采集矩阵，提高空间分辨率。不过，因为施加了扩散梯度，运动的质子无法完全聚相，导致每次激发过程中图像会产生一个随机的相位误差。

目前可通过在图像域进行相位校正，以去除多次激发扩散成像中的相位误差。图像域的相位校正方法有很多，一般是每次激发成像完毕前额外采集导航回波数据，获得每次激发的相位信息，从而在重建过程中把相位移除。但是，在图像域的相位校正仍然存在缺陷，那就是需要导航回波数据与成像数据在图像域是吻合的，而在很多情况下，导航回波数据与成像数据的采集带宽无法做到完全一样，这样相位误差不准确，就会影响最终的图像质量。在这种情况下，需要进行成像数据和导航回波数据之间的图像配准，这会给成像及重建带来麻烦。

为了提高成像速度，减少扫描时间，近年来提出了多层同时激发技术。多层同时激发技术在一次激发中可以同时激发多个成像层面，减少成像需要采集的数据量，因而可以有效地提高成像速度，减少扫描时间。目前多层同时激发技术已经广泛应用于脑功能成像和单次激发的扩散成像，但尚未广泛应用于多次激发扩散成像技术，主要原因是未能有效与多次激发之间的相位校正技术结合起来。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

有鉴于此，本发明需要提供一种基于多层同时激发的多次激发的磁共振扩散成像方法，能够有效消除不同激发之间的运动伪影，提供高图像的分辨率，减少图像变形，提高成像速度。

根据本发明的一个实施例，提出了一种基于多层同时激发的多次激发的磁共振扩散成像方法，包括以下步骤：

使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对所述被测目标进行信号采集，以获取多次激发的多通道降采的k空间数据；

根据所述多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据；

分别对每次激发的完整的多通道的k空间数据进行傅立叶逆变换，以得到多次激发的多通道的图像域数据；

对所述多次激发的多通道的图像域数据进行合并以生成所需图像。

根据本发明的一个的实施例，其中，所述根据所述多次激发的多通道降采的k空间数据，恢复每次激发的完整的多通道的k空间数据具体包括：

恢复每次激发在本次激发未被采集到而其他次激发采集到的k空间位置的数据，以获得每次激发对应的多层同时激发数据；

对每次激发对应的多层同时激发数据进行解混叠，以恢复每次激发的完整的多通道的k空间数据。

根据本发明的一个的实施例，其中，通过以下公式恢复所述每次激发在本次激发未被采集到而其他次激发采集到的k空间位置的数据，以获得每次激发对应的多层同时激发数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\′}=1}{\overset{NSA}{\Σ}}\underset{i^{\′}=1}{\overset{Ns}{\Σ}}\underset{j^{\′}=1}{\overset{Nc}{\Σ}}\underset{k^{\′},m^{\′},n^{\′}\∈A}{\Σ}{w}_2(h^{\′},i^{\′},j^{\′},k^{\′},m^{\′},n^{\′})d_{h^{\′},i^{\′},j^{\′}}(k^{\′},m^{\′},n^{\′}),$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为所述待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为第h'次采集、第i′次激发过程中、第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，w₂(h',i′,j′,k',m′,n′)为第h'次采集、第i′次激发、第j′个通道、数据点(k',m′,n′)对应的权重系数。其中，所述权重系数是基于满采的多次激发的导航回波数据所构建的线性方程求解获得的。

根据本发明的一个的实施例，其中，通过以下公式对所述每次激发对应的多层同时激发数据进行解混叠，以恢复每次激发的完整的多通道的k空间数据：

$d_{h,j}(k,m,n)=\underset{h^{\′}=1}{\overset{NSA}{\Σ}}\underset{i^{\′}=1}{\overset{N_c}{\Σ}}\underset{k^{\′},m^{\′},n^{\′}\∈A}{\Σ}{w}_4(h^{\′},j^{\′},k^{\′},m^{\′},n^{\′})d_{h^{\′},j^{\′}}(k^{\′},m^{\′},n^{\′}),$

其中，h,h'∈(1,NSA)，j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,j(k,m,n)为所述待恢复数据点在第h次采集过程中，第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向的和层选方向的坐标，d_h',j′(k',m′,n′)为第h'次采集过程中，第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_c为总通道数，NSA和N_c为正整数，且N_c大于1，w₄(h',j′,k',m′,n′)为第h'次采集、第j′个通道、数据点(k',m′,n′)对应的权重系数。其中，所述权重系数是基于满采的未施加扩散梯度的多次激发的成像回波数据所构建的线性方程求解获得的。

根据本发明的一个实施例，所述根据所述多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据具体包括：

通过以下公式对所述多次激发的多通道降采的k空间数据进行一步数据插值以得到每次激发的完整的多通道的k空间数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\′}=1}{\overset{NSA}{\Σ}}\underset{i^{\′}=1}{\overset{Ns}{\Σ}}\underset{j^{\′}=1}{\overset{Nc}{\Σ}}\underset{k^{\′},m^{\′},n^{\′}\∈A}{\Σ}{w}_5(h^{\′},i^{\′},j^{\′},k^{\′},m^{\′},n^{\′})d_{h^{\′},i^{\′},j^{\′}}(k^{\′},m^{\′},n^{\′}),$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为所述待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为第h'次采集、第i′次激发过程中、第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，w₅(h',i′,j′,k',m′,n′)为第h'次采集、第i′次激发、第j′个通道、数据点(k',m′,n′)对应的权重系数。其中，所述权重系数是基于满采的多次激发的导航回波数据所构建的线性方程求解获得的。

根据本发明的一个实施例，所述信号采集包括带导航回波数据的多次激发EPI扩散成像或多次激发螺旋扩散成像。

根据本发明的一个实施例，其中，使用CAIPI技术进行信号采集以获得成像回波数据和导航回波数据。

根据本发明的一个实施例，其中，所述多次激发的导航回波数据为自导航回波数据或额外采集的导航回波数据。

根据本发明的一个实施例，所述对所述多次激发的多通道的图像域数据进行合并方法至少包括最优化信噪比方法、平方和SOS方法、自适应重建ACC方法、主成分分析PCA方法和奇异值分解SVD方法中的一种或多种。

本发明实施例的一种基于多层同时激发的多次激发的磁共振扩散成像方法，通过使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对被测目标进行信号采集，并进行图像重建，能够有效消除不同激发之间的运动伪影。使用多次激发的方式采集扩散图像，提高图像分辨率，减少图像变形；使用多层同时激发采集图像，有效减少成像需要采集的数据量，提高成像速度。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的基于多层同时激发的多次激发的磁共振扩散成像方法的流程图；

图2为根据本发明的一个具体实施例的采集序列原理示意图；

图3为根据本发明一个实施例的通过步骤S21和S22对k空间数据进行恢复的示意图；

图4为根据本发明一个实施例的通过公式(4)对k空间数据进行恢复的示意图。

具体实施方式

下面参考附图描述根据本发明实施例的基于多层同时激发的多次激发的磁共振扩散成像方法，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明的实施例提出了一种基于多层同时激发的多次激发的磁共振扩散成像方法。

图1为根据本发明一个实施例的基于多层同时激发的多次激发的磁共振扩散成像方法的流程图。

如图1所示，根据本发明实施例的基于多层同时激发的多次激发的磁共振扩散成像方法，包括以下步骤：S1，使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对被测目标进行信号采集，以获取多次激发的多通道降采的k空间数据；S2，根据多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据；S3，分别对每次激发的完整的多通道的k空间数据进行傅立叶逆变换，以得到多次激发的多通道的图像域数据；S4，对多次激发的多通道的图像域数据进行合并以生成所需图像。

应当理解，本发明实施例中信号采集可采用带导航回波数据的多次激发的成像序列，例如可以是但不限于带导航回波数据的多次激发平面回波成像EPI扩散成像或多次激发螺旋扩散成像。本发明的实施例对多次激发的成像方法的种类不限。其中，导航回波数据可以是自导航回波数据(例如变密度轨迹螺旋成像，即Variabledensityspiral，简称VDS)，也可以是额外采集的导航回波数据。

具体地，在使用EPI采集成像数据时，为了之后能更好地解多层同时激发引起的图像混叠，可以使用CAIPI(Controlledaliasinginparallelimaging，控制并行成像混叠)技术进行信号采集以获得成像回波数据和导航回波数据。具体来讲，每次在施加读出梯度前，在层选方向额外施加一个小的梯度，不同的层对应的k空间数据在相位编码方向有不同的相位累加，因而在图像域有不同程度的FOV(Fieldofview，感兴趣视野)偏移。这样的采集模式能够更好地利用线圈灵敏度信息，更加有效地解层间混叠，提高图像重建质量。

图2为根据发明一个实施例的采集序列原理示意图，如图2所示，以2次激发、每次同时激发3层的扩散成像序列为例，图中MB90°、MB180°分别表示用于多层同时激发的90°、180°脉冲，Gr、Gp和Gs分别表示在频率编码方向、相位编码方向和层选方向施加梯度，sh1、sh2分别表示第1、2次激发。在本发明的实施例中，将CAIPI拓展到任意激发次数的EPI采集模式，对于每次激发，每次采集成像回波和导航回波数据前，在层选方向施加额外的小的梯度，以实现所需的层内FOV偏移。

如图1所示，在本发明的实施例中以基于额外采集的导航回波数据的多次激发的EPI扩散成像为例对本发明提出的基于多次激发的磁共振扩散成像方法进行说明。

在步骤S1中，使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对被测目标进行信号采集，以获取多次激发的多通道降采的k空间数据。

在本发明的一个实施例中，可通过以下公式(1)对射频激发脉冲(本发明以SINC脉冲为例进行说明)进行频率调制并相加以得到多层同时激发脉冲：

$f\left(t\right)=A\frac{\sin (\mathrm{\&gamma;}\&CenterDot;G\&CenterDot;a\&CenterDot;t){\&Sigma;}_{-(N-1)/2}^{(N-1)/2}{e}^{j\&CenterDot;\mathrm{\&gamma;}\&CenterDot;k\&CenterDot;G\&CenterDot;2b}}{\mathrm{\&gamma;}\&CenterDot;G\&CenterDot;a\&CenterDot;t},-\frac{T}{2}<t<\frac{T}{2}---\left(1\right)$

其中，f(t)为所述多层同时激发脉冲，A为振幅比例因子，γ是旋磁比，2a为成像层面厚度，2b为层间距，T为脉冲的时间长度，G为层选梯度，N为同时激发层数。

应当理解，本发明对激发脉冲的形式不做具体限定，在其他实施例中，也可使用其他形式的激发脉冲。具体地，在高加速倍数时，为了减少成像过程的能量沉积，射频激发脉冲还可以使用更加高级的形式，如VERSE(Variablerateselectiveexcitation，变速率选择激发)，PINS(Powerindependentofnumberofslicesradiofrequencypulses，能量不依赖于层数的射频脉冲)以及Multi-PINS脉冲。

需要说明的是，在采集导航回波数据的时候，使用与采集成像回波相同的CAIPI采集方式，得到多次激发的多通道降采k空间导航回波数据，便于用于后期的三维相位校正，同时可以减少相位编码方向的图像变形。

在步骤S2中，根据多次激发的多通道降采的k空间数据，恢复每次激发的完整的多通道的k空间数据。

在本发明的一个实施例中，可以将k空间数据的恢复过程分两步进行实现，具体包括步骤S21和S22。

在步骤S21中，恢复每次激发在本次激发未采集到而其他次激发采集到的k空间位置的数据，以获得每次激发对应的多层同时激发数据。

举例来说，对于第i次激发来说，恢复第i次激发未采集到、而除第i次激发以外的其他次激发采集到的k空间位置上的数据。

在本发明的实施例中，可通过以下公式(2)恢复每次激发在原始采集到的k空间位置的数据，以获得每次激发对应的多层同时激发数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{i^{\&prime;}=1}{\overset{Ns}{\&Sigma;}}\underset{j^{\&prime;}=1}{\overset{Nc}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_2(h^{\&prime;},i^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},i^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;})---\left(2\right)$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为在第h'次采集、第i′次激发过程中、第j′个通道在待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，且N_c大于1，w₂(h',i′,j′,k',m′,n′)为第i′次激发、第j′个，通道、数据点(k',m′,n′)对应的权重系数，该权重系数可以是基于满采的多次激发的导航回波数据所构建的线性方程求解获得的。

在步骤S22中，对每次激发对应的多层同时激发数据进行解混叠，以恢复每次激发的完整的多通道的k空间数据。

在本发明的实施例中，可通过以下公式(3)对每次激发对应的多层同时激发数据进行解混叠，以恢复每次激发的完整的多通道的k空间数据：

$d_{h,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{i^{\&prime;}=1}{\overset{N_c}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_4(h^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;})---\left(3\right)$

其中，h,h'∈(1,NSA)，j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,j(k,m,n)为待恢复数据点在第h次采集过程中，第j个通道对应的k空间数据，(k',m′,n′)为在待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向的和层选方向的坐标，d_h',j′(k',m′,n′)为第h'次采集过程中，第j′个通道在待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为预设范围，NSA为总平均次数，N_c为总通道数，NSA和N_c为正整数，且N_c大于1，w₄(h',j′,k',m′,n′)为第h'次采集、第j′个通道、数据点(k',m′,n′)对应的权重系数，该权重系数是基于满采的未施加扩散梯度的多次激发的成像回波数据所构建的线性方程求解获得的。

为了便于理解本发明施例的基于多层同时激发的多次激发的磁共振扩散成像方法中通过步骤S21和S22对k空间数据进行恢复过程，通过图3对步骤S21和S22恢复k空间数据的过程进行说明。

如图3所示，图3(a)所示为2次激发，每次同时激发3层采集到的k空间数据(这里仅以一个通道进行说明)，斜线填充的圆圈表示第1次激发(sh1)激发采集到的原始数据，网状线填充的圆圈表示第2次激发(sh2)激发采集到的原始数据，黑色实心的圆圈表示未采集到的数据。

图3(b)所示过程对应步骤S21，即使用SYMPHONY(Synergisticimagereconstructionusingphasevariationsandsensitivityink-spaceformulti-shotdiffusionweightedimaging，基于k-空间的同时使用相位变化和灵敏度的多次激发扩散成像重建技术)相位校正算法恢复第1次激发中与图3(a)中第2次激发的采集位置对应的k空间数据，并恢复第2次激发中与图3(a)中第1次激发的采集位置对应的k空间数据。举例来说，如图3(b)所示，可通过中第1次激发的一个原始采集的数据和第2次激发的两个原始采集的数据的恢复图中三个箭头指向的数据，得到图3(c)所示的数据。

图3(c)所示过程对应步骤S22，即使用二维GRAPPA算法(Generalizedautocalibratingpartiallyparallelacquisition，广义的自校准部分并行采集技术)(BlaimerM,BreuerFA,MuellerM,etal.2D-GRAPPA-operatorforfaster3DparallelMRI.MagneticResonanceinMedicine2006；56(6):1359-1364.)恢复每次激发剩下未采集到的k空间数据(即图3(c)中实心圆圈所表示的数据)。举例来说，如图3(c)所示，在第1次激发中通过标号为1、2的两个数据和一个原始采集数据恢复图中三个箭头指向的数据，在第2次激发中通过标号为3的数据和两个原始采集数据恢复图中三个箭头指向的数据，图中横线填充的圆圈表示上述SYMPHONY恢复的k空间数据。得到图3(d)所示的数据，即恢复完整每次激发的k空间数据，空心圆圈表示上述二维GRAPPA算法恢复的k空间数据。

此外，在本发明的另一个实施例中，对于每次激发的多通道降采的k空间数据可通过一步数据插值过程直接进行恢复以得到每次激发的完整的多通道的k空间数据。具体地，可通过以下公式对多次激发的多通道降采的k空间数据进行一步数据插值以得到每次激发的完整的多通道的k空间数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{i^{\&prime;}=1}{\overset{Ns}{\&Sigma;}}\underset{j^{\&prime;}=1}{\overset{Nc}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_5(h^{\&prime;},i^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},i^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;})---\left(4\right)$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为在第h'次采集、第i′次激发过程中、第j′个通道在待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，w₅(h',i′,j′,k',m′,n′)为第h'次采集、第i′次激发、第j′个通道、数据点(k',m′,n′)对应的权重系数，该权重系数可以是基于满采的多次激发的导航回波数据所构建的线性方程求解获得的。

具体地还需要说明的是，与依次使用SYMPHONY和二维GRAPPA恢复k空间数据不同的是，通过一步数据插值过程直接进行恢复每次激发的多通道降采的k空间数据以得到每次激发的完整的多通道的k空间数据时，(k,m,n)遍历整个k空间。

为了便于理解本发明施例的基于多层同时激发的多次激发的磁共振扩散成像方法中通过公式(4)对k空间数据进行恢复过程，通过图4对根据公式(4)一步数据插值恢复k空间数据的过程进行说明。

如图4所示，图4(a)所示为2次激发，每次同时激发3层采集与未采集到的k空间数据(这里仅以一个通道进行说明)，斜线填充的圆圈表示第1次激发采集到的数据，网状线填充的圆圈表示第2次激发采集到的数据，黑色实心的圆圈表示未采集到的k空间数据。

图4(b)所示为使用集成的SYMPHONY和GRAPPA算法，通过一步数据插值运算恢复每次激发所有未采集到的k空间数据的过程。举例来说，如图4(b)所示，可通过使用第1次激发中的一个原始采集数据和第2次激发中的两个原始采集数据恢复图中三个箭头指向的数据，得到如图4(c)所示为恢复完整的每次激发的k空间数据，空心圆圈表示上述集成的SYMPHONY和GRAPPA算法通过一步数据插值恢复的k空间数据。

需要说明的是，本发明实施例的基于多层同时激发的多次激发的磁共振扩散成像方法，所涉及的权重系数可通过以下式(5)进行求解：

其中，是第h次采集、第i次激发中、第j个通道的第nb个导航k空间数据点，Nb为导航回波数据点总数；a^Nb(1,1,1,k₁′,m₁′,n₁′),h'∈(1,NSA),i′∈(1,N_s),j′∈(1,N_c),na∈(1,Na)，为在数据点的预设范围内的第h'次采集、第i′次激发中、第j′个通道对应的第na个导航k空间数据点，其坐标为(k′_Na,m′_Na,n′_Na)，Na为在数据点的预设范围内的导航回波数据点总数；w₃是待求的权重系数。同样地，如果预设范围内采集到的数据点的分布方式不同，那么权重系数就不同，所以每种排布方式就有一个特定的权重系数(如上述公式(2)和(4)中的权重系数)，需要单独构建方程求解。

公式(5)可以等同于如下以矩阵形式表达的方程(6)：

AW＝B(6)

其中A、W和B分别等同于公式(5)中的a、w和b构成的矩阵，求解此线性方程，可以求得权重系数。

在本发明的实施例中，为减少导航回波图像的几何变形，通常对导航回波数据使用CAIPI技术进行降采。然后可使用并行成像的重建技术，将每次激发的导航回波数据恢复为满采的k空间导航回波数据B。具体地，数据插值的过程可以用如下公式(7)表示：

$b_j(k,m,n)=\underset{j^{\&prime;}=1}{\overset{N_c}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_1(j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})b_{j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;})---\left(7\right)$

其中，j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，b_j(k,m,n)为待恢复数据点在第j个通道对应的k空间数据，(k',m′,n′)为在待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向的和层选方向的坐标，b_j′(k',m′,n′)为第j′个通道在待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为预设范围，N_c为总通道数，N_c为大于1的正整数，w₁(j′,k',m′,n′)为第j′个通道、数据点(k',m′,n′)对应的权重系数，该权重系数可根据满采的未施加扩散梯度的成像回波数据所构建的线性方程求解获得。

在步骤S3中，分别对每次激发的完整的多通道的k空间数据进行傅立叶逆变换，以得到多次激发的多通道的图像域数据。

在步骤S4中，对多次激发的多通道的图像域数据进行合并以生成所需图像。

在本发明的一个实施例中，多次激发的多通道的图像域数据进行合并的方法至少包括最优化信噪比方法(RoemerPB,EdelsteinWA,HayesCE,SouzaSP,MuellerOM.TheNMRphasedarray.MagneticResonanceinMedicine1990；16(2):192-225.)、平方和SOS方法、自适应重建ACC方法(WalshDO,GmitroAF,MarcellinMW.AdaptivereconstructionofphasedarrayMRimagery.MagneticResonanceinMedicine2000；43(5):682-690.)、主成分分析PCA方法(HuangF,VijayakumarS,LiY,HertelS,DuensingGR.Asoftwarechannelcompressiontechniqueforfasterreconstructionwithmanychannels.MagnResonImaging2008；26(1):133-141.)和奇异值分解SVD方法(ZhangT,PaulyJM,VasanawalaSS,LustigM.CoilcompressionforacceleratedimagingwithCartesiansampling.MagneticResonanceinMedicine2013；69(2):571-582.)中的一种或多种。

本发明实施例的基于多层同时激发的多次激发的磁共振扩散成像方法，使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对被测目标进行信号采集，在k空间进行图像重建，能够有效消除不同激发之间的运动伪影。使用多次激发的方式采集扩散图像，提高图像分辨率，减少图像变形；使用多层同时激发采集图像，有效减少成像需要采集的数据量，提高成像速度。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (11)

1.一种基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，包括以下步骤：

使用多层同时激发脉冲对被测目标进行多次激发，并在每次激发的过程中通过多通道线圈对所述被测目标进行信号采集，以获取多次激发的多通道降采的k空间数据；

根据所述多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据；

分别对每次激发的完整的多通道的k空间数据进行傅立叶逆变换，以得到多次激发的多通道的图像域数据；

对所述多次激发的多通道的图像域数据进行合并以生成所需图像。

2.如权利要求1所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，所述根据所述多次激发的多通道降采的k空间数据，恢复每次激发的完整的多通道的k空间数据具体包括：

恢复每次激发在本次激发未被采集到而其他次激发采集到的k空间位置的数据，以获得每次激发对应的多层同时激发数据；

对每次激发对应的多层同时激发数据进行解混叠，以恢复每次激发的完整的多通道的k空间数据。

3.如权利要求2所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，通过以下公式恢复每次激发在本次激发未被采集到而其他次激发采集到的k空间位置的数据以获得每次激发对应的多层同时激发数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{i^{\&prime;}=1}{\overset{Ns}{\&Sigma;}}\underset{j^{\&prime;}=1}{\overset{Nc}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_2(h^{\&prime;},i^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},i^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;}),$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为所述待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为第h'次采集、第i′次激发过程中、第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，且N_c大于1，w₂(h',i′,j′,k',m′,n′)为第h'次采集、第i′次激发、第j′个通道、数据点(k',m′,n′)对应的权重系数。

4.如权利要求2所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，通过以下公式对每次激发对应的多层同时激发数据进行解混叠以恢复每次激发的完整的多通道的k空间数据：

$d_{h,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{j^{\&prime;}=1}{\overset{N_c}{\&Sigma;}}\underset{h^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_4(h^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;}),$

其中，h,h'∈(1,NSA)，j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,j(k,m,n)为所述待恢复数据点在第h次采集过程中，第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向的和层选方向的坐标，d_h',j′(k',m′,n′)为第h'次采集过程中，第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_c为总通道数，NSA和N_c为正整数，且N_c大于1，w₄(h',j′,k',m′,n′)为第h'次采集、第j′个通道、数据点(k',m′,n′)对应的权重系数。

5.如权利要求1所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，所述根据所述多次激发的多通道降采的k空间数据恢复每次激发的完整的多通道的k空间数据具体包括：

通过以下公式对所述多次激发的多通道降采的k空间数据进行一步数据插值以得到每次激发的完整的多通道的k空间数据：

$d_{h,i,j}(k,m,n)=\underset{h^{\&prime;}=1}{\overset{NSA}{\&Sigma;}}\underset{i^{\&prime;}=1}{\overset{Ns}{\&Sigma;}}\underset{j^{\&prime;}=1}{\overset{Nc}{\&Sigma;}}\underset{k^{\&prime;},m^{\&prime;},n^{\&prime;}\&Element;A}{\&Sigma;}{w}_5(h^{\&prime;},i^{\&prime;},j^{\&prime;},k^{\&prime;},m^{\&prime;},n^{\&prime;})d_{h^{\&prime;},i^{\&prime;},j^{\&prime;}}(k^{\&prime;},m^{\&prime;},n^{\&prime;}),$

其中，h,h'∈(1,NSA),i,i'∈(1,N_s),j,j′∈(1,N_c)，(k,m,n)为待恢复数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h,i,j(k,m,n)为所述待恢复数据点在第h次采集、第i次激发过程中、第j个通道对应的k空间数据，(k',m′,n′)为在所述待恢复数据点所在的预设范围内的已采集到的数据点在频率编码方向、相位编码方向和层选方向的坐标，d_h',i',j′(k',m′,n′)为第h'次采集、第i′次激发过程中、第j′个通道在所述待恢复数据点所在的预设范围内已采集到的数据点(k',m′,n′)的k空间数据，A为所述预设范围，NSA为总平均次数，N_s为总激发次数，N_c为总通道数，NSA、N_s和N_c为正整数，且N_c大于1，w₅(h',i′,j′,k',m′,n′)为第h'次采集、第i′次激发、第j′个通道、数据点(k',m′,n′)对应的权重系数。

6.如权利要求3或5所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，其中，所述权重系数是基于满采的多次激发的导航回波数据所构建的线性方程求解获得的。

7.如权利要求4所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，其中，所述权重系数是基于满采的未施加扩散梯度的多次激发的成像回波数据所构建的线性方程求解获得的。

8.如权利要求1-7任一项所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，所述信号采集包括带导航回波数据的多次激发EPI扩散成像或多次激发螺旋扩散成像。

9.如权利要求1-7任一项所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，其中，使用CAIPI技术进行信号采集以获得成像回波数据和导航回波数据。

10.如权利要求7所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，所述多次激发的导航回波数据为自导航回波数据或额外采集的导航回波数据。

11.如权利要求1-10所述的基于多层同时激发的多次激发的磁共振扩散成像方法，其特征在于，所述对所述多次激发的多通道的图像域数据进行合并方法至少包括最优化信噪比方法、平方和SOS方法、自适应重建ACC方法、主成分分析PCA方法和奇异值分解SVD方法中的一种或多种。