CN106355624B - 一种基于变采样率的肺部超极化气体动态成像方法 - Google Patents
一种基于变采样率的肺部超极化气体动态成像方法 Download PDFInfo
- Publication number
- CN106355624B CN106355624B CN201610743164.2A CN201610743164A CN106355624B CN 106355624 B CN106355624 B CN 106355624B CN 201610743164 A CN201610743164 A CN 201610743164A CN 106355624 B CN106355624 B CN 106355624B
- Authority
- CN
- China
- Prior art keywords
- angle
- imaging
- excitation
- lung
- matrix
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于变采样率的肺部超极化气体动态成像方法。该方法首先优化磁共振成像参数,包括数据采样率,激发角度,采样次数等;其次,确定采样轨迹和相位编码方向,并进行肺部吸气动态成像,获得K空间数据;然后利用肺部吸气动态成像特点构建相应的目标函数,并依此函数重建出肺部超极化气体动态磁共振图像。本方法可以获得具有更高时‑空分辨率的高信噪比肺部动态吸气磁共振图像。
Description
技术领域
本发明涉及肺部的磁共振成像(Magnetic Resonance Imaging,MRI)技术、低秩和压缩感知理论技术领域,具体涉及一种基于变采样率的肺部超极化气体动态成像方法。
背景技术
随着我国空气污染状况日益加剧,肺部疾病已成为生命安全的一个重大威胁。许多肺部疾病如肺癌,慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease,COPD)等被发现时通常已是晚期,难以治愈,因此急需一种能够对肺部疾病进行早期诊断的安全的肺部影像学方法。
常用的医学影像手段如电子计算机断层扫描(Computed Tomography,CT),正电子发射型计算机断层显像(Positron Emission Computed Tomography,PET)等具有放射性,短时间内不宜多做。传统的MRI方法虽具有无侵入性,无放射性等特点,但肺部大部分是空腔组织,难以获得信号。超极化气体(例如,129Xe)MRI技术可以对肺部进行无侵入性,无放射性成像,弥补了传统肺部影像学方法的不足。该方法是通过提高核自旋极化度而增强MRI信号,如仲氢诱导核极化(Para-HydrogenInduced Polarization,PHIP)[Bowers C R etal.PRL,1986,57(21):2 645-2 648.]、动态核极化(Dynamic Nuclear Polarization,DNP)[-Larsen J H,et al.PNAS,2003,100(18):10 158-10 163.]、自旋交换光抽运(Spin-Exchange Optical Pumping,SEOP)[Zhou X.USA:Humana Press,2011]等.自旋交换光抽运的方法可以使惰性气体(如3He、129Xe)的极化度提高10000倍以上(称之为“超极化气体”),大大提高气体磁共振信号的灵敏度,从而使肺部气体MRI成为可能.Albert等人在1994年利用SEOP技术增强了129Xe气体的极化度,第一次获得了肺部超极化气体MRI[Albert M et al.Nature,1994,370:199-201.]。
与肺部超极化气体MRI单次成像相比,采用肺部超极化129Xe气体动态成像方法能观测肺部的动态吸气过程,通常的单次成像是让志愿者尽可能快的吸入超极化气体,然后屏气,在屏气的状态下对志愿者肺部进行磁共振成像。而动态成像是让志愿者以缓慢的匀速吸入超极化气体,在志愿者吸入气体的同时对肺部进行磁共振成像,以此获得动态吸气过程中的多幅图像,获取更为全面的肺部结构和功能信息。这不仅有助于评估气管中的气流模式、肺部各处的气流速度等,还有望提高哮喘,COPD等肺部疾病的早期诊断率。现有的方法技术有的是直接在吸气过程中对志愿者进行动态成像,也有结合压缩感知或并行成像加快成像速度后进行动态成像。
然而,超极化129Xe的极化度会随激发次数和激发时间的增加呈指数衰减,导致磁共振图像信噪比低。此外,相比于其它影像学方法,MRI速度慢,从而导致磁共振图像时间分辨率降低,且易受肺部运动伪影影响。
发明内容
本发明的目的是针对现有技术存在的问题,提出的一种基于变采样率的肺部超极化气体动态成像方法。通过将低秩和压缩感知理论相结合,能大幅度地减少肺部动态成像所需的数据量,加快成像速度。其中,压缩感知方法利用数据可压缩性,通过降低数据采样率从而加快采样速度;而低秩方法可在动态连续成像时进一步压缩肺部动态图像数据。同时,针对肺部吸气动态像特点,优化了成像参数,可以保证肺部信号的稳定性,肺部吸气动态图像本身具有图像信号区域持续扩大,信号逐渐增强的特点,以此构建一种新的目标函数,进一步提高肺部吸气动态图像的质量,获得具有高时-空分辨率和信噪比的肺部吸入超极化129Xe气体动态图像。
为了实现上述目的,本发明采用了以下技术措施:
一种基于变采样率的肺部超极化气体动态成像方法,包括以下步骤:
步骤1,设定肺部超极化气体平均极化度Mp随时间t变化的函数为Mp(t),肺部超极化气体的平均信号强度可用Mp(t)表示,Mp(t)为:
其中TR为重复时间,FAc为定角激发的激发角度。Mp(t)的值是从最大值1到0范围里随时间t单调下降的。通过Mp(t)评估动态吸气成像时的肺部平均信号强度,为之后优化成像参数提供数据支持。
步骤2,根据待吸入到肺部的超极化气体的初始极化度及体积,设定Mp(t)的第一阈值TH1,如图2所示,在第一阈值TH1前后采用不同的成像参数,第一阈值TH1的选值范围为30-60%。其中,待吸入到肺部的超极化气体的初始极化度及体积越高时,第一阈值TH1的选值越低;待吸入到肺部的超极化气体的初始极化度及体积越低时,第一阈值TH1的选值越高。当Mp(t)≥第一阈值TH1时,采用定角激发,并以定角激发数据采样率(一般设置为15-40%)采集数据,定角激发角度为FAc。当Mp(t)<第一阈值TH1时,采用变角激发,并以变角激发数据采样率(一般设置为25-50%)采集数据,变角激发数据采集率高于定角激发数据采样率,同时,设定肺部超极化气体平均极化度Mp随变角激发成像的次数n变化的函数为Mp(n),变角激发角度FAn的计算公式为:
Mp(n)·sin(FAn)=Mp(n+1)·sin(FAn+1) (2)
其中n为采用变角激发成像的次数,Mp(n)为:
其中Mp(n)的初值Mp(1)=TH1,变角激发角度FAn的初值FA1=FAc,t2为以变角激发数据采样率所需的单次成像时间,Tn为第n次变角激发成像前成像所用的时间,设定第n次变角激发成像中获得的超极化气体极化度为IMp(n),IMp(n)为:
根据公式(2)、(3)、(4)计算出在Mp(t)<第一阈值TH1后各次成像的Mp(n)以及激发角度FAn。以此方法在Mp(t)≥TH1时可以保证成像信噪比高,时间分辨率高,而在Mp(t)<TH1时,肺部的吸气过程已相对稳定,并不需要太高的时间分辨率,因此采用较高的变角激发数据采样率,配合变角激发可以保证成像信号强度仍保持在一个阈值之上的稳定状态,并保证图像的重建质量。
步骤3,根据待吸入到肺部的超极化气体的初始极化度及体积,设定分割Mp(n)的第二阈值TH2,Mp(n)<第二阈值TH2表示信号强度已低于成像所需水平,须结束成像过程,第二阈值TH2的范围为10-30%且第一阈值TH1>第二阈值TH2。其中,待吸入到肺部的超极化气体的初始极化度及体积越高时,第二阈值TH2的选值越低,待吸入到肺部的超极化气体的初始极化度及体积越低时,第二阈值TH2的选值越高。根据公式(3)可以计算出在成像过程结束前采用变角激发的成像次数nend。同时,可计算出Mp(t)≥第一阈值TH1时采用定角激发的成像次数M=T/t1,其中T为Mp(t)≥TH1时所用的成像时间,t1为以定角激发数据采样率所需的单次成像时间。这样动态吸气成像所用的成像次数为定角激发成像次数与变角激发成像次数的总和M+nend,对应的成像时间TJ=M×t1+nend×t2。同时,根据待吸入到肺部的超极化气体的体积V以及吸气速度S计算得到的成像时间TI,可用等式(5)表示:
其中td为吸气完成后的扩散时间,需要考虑肺部吸气动态方法的最优成像次数在10次以上,设置范围为0-2s。因此,优化的成像时间Topt需要同时小于等于以上得到的两个成像时间TJ和TI,即优化的成像时间Topt=min(TJ,TI),依此可计算得到优化后的总成像次数N=M+(Topt-M×t1)/t2。此方法可在保证图像信号强度稳定的条件下进行最大次数的肺部吸气动态成像,满足重建算法对成像次数的需要。
步骤1-3优化了定角激发数据采样率、变角激发数据采样率、定角激发角度、变角激发角度、总成像次数这些成像参数。优化后的成像参数可以保证肺部吸气动态MRI具有足够的成像次数、稳定的信号强度以及稳定的图像质量。
步骤4、根据定角激发数据采样率,确定定角激发采样轨迹。具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的定角激发的成像次数M,根据概率密度矩阵生成M个定角激发数据采样率的定角激发采样矩阵,用于前M次的定角激发。
根据变角激发数据采样率,确定变角激发采样轨迹。具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的变角激发次数nend,根据概率密度矩阵生成nend个变角激发数据采样率的变角激发采样矩阵,用于后nend次的变角激发。
设定的相位编码方向的优化方法为,相位编码方向要避开肺部吸气所产生伪影的主要方向:平躺时左右方向,前胸后背方向。这样不仅便于在序列上实现,同时每次成像的采样轨迹均不同,可获得更加全面的K空间信息,避开肺部吸气时运动伪影所产生的主要方向可将运动伪影和欠采样所产生的伪影均匀分布到图像各处,有利于重建算法去伪影。
作为一种优选方案,根据概率密度矩阵生成M个定角激发数据采样率的定角激发采样矩阵包括以下步骤,
通过概率密度矩阵生成M1个定角激发数据采样率的定角激发备选采样矩阵,分别计算定角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前M个点扩散函数较小的定角激发备选采样矩阵作为定角激发采样矩阵。M1为M的十倍及以上。
作为一种优选方案,根据概率密度矩阵生成nend个变角激发数据采样率的变角激发采样矩阵包括以下步骤,
通过概率密度矩阵生成M2个变角激发数据采样率的变角激发备选采样矩阵,分别计算变角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前nend个点扩散函数较小的变角激发备选采样矩阵作为变角激发采样矩阵。M2为nend的十倍及以上。
步骤5、根据定角激发数据采样率,变角激发数据采样率,定角激发的激发角度,变角激发的激发角度,优化的成像时间Topt,优化后的总成像次数N这些成像参数及定角激发和变角激发的采样轨迹和相位编码方向进行肺部吸气动态成像,获得K空间数据。
步骤6、利用肺部吸气动态成像的特点,结合低秩与压缩感知理论构建目标函数,目标函数为:
其中E为图像到K空间数据的变换矩阵,L为图像的低秩部分,S为图像的稀疏部分,d为K空间数据,Ψ为计算相邻图像的差值的操作符,T为稀疏变换矩阵,λh、λL、λS分别为权衡动态图像连续性、图像低秩性和图像稀疏性的正则化参数。该目标函数进行图像重建充分利用了肺部动态图像的连续性,低秩性和稀疏性的特点,利于重建高质量的肺部动态图像。
步骤7、根据步骤5所获得的K空间数据及步骤6所构建的目标函数,采用迭代软阈值(Iterative Soft Thresholding)算法重建图像,该算法具有较好的收敛性,较易得到目标函数(6)中L及S的最优解的最优解。
本发明相对于现有技术存在以下优点:该方法经过参数优化可以保证在动态成像中超极化气体的信号处于稳定的状态,并具有较高的时-空分辨率。同时,针对肺部超极化气体动态成像的特点所构造的目标函数可以进一步提高图像的重建质量,进而获得具有更高信噪比以及更多细节信息的图像。
附图说明
图1本发明方法流程图;
图2肺部超极化气体平均信号强度Mp随时间t变化的曲线;
图3(a)实施例1获得的第1幅图像;
图3(b)实施例1获得的第2幅图像;
图3(c)实施例1获得的第3幅图像;
图3(d)实施例1获得的第4幅图像;
图3(e)实施例1获得的第5幅图像;
图3(f)实施例1获得的最后一幅图像。
具体实施方式
下面结合附图和使用超极化气体129Xe实施示例对本发明进一步说明(方法流程图如图1所示):
实施例1:
步骤1,在采用定角激发的肺部吸气动态成像过程中,设定肺部超极化气体平均极化度Mp随时间t变化的函数为Mp(t),肺部超极化气体的平均信号强度可用Mp(t)表示,Mp(t)为:
其中TR为重复时间,设置范围为10-20ms,在本实验中设置为10ms。FAc为定角激发时的初始激发角度,设置范围为5-9°,在本次试验中设置为5°,根据公式(1)得到Mp(t)的曲线,如图2所示。
步骤2,根据待吸入到肺部的超极化气体的初始极化度及体积,设定Mp(t)的第一阈值TH1,如图2所示,在第一阈值TH1前后采用不同的成像参数。当Mp(t)≥第一阈值TH1时,采用定角激发,并以定角激发数据采样率采集数据,定角激发角度为FAc,。当Mp(t)<第一阈值TH1时,采用变角激发,并以变角激发数据采样率采集数据,变角激发数据采集率高于定角激发数据采样率,在本实施例中,第一阈值TH1为45%,定角激发数据采样率为37.5%,定角激发角度FAc为5°,变角激发数据采样率为50%。
同时,设定肺部超极化气体平均极化度Mp随变角激发成像的次数n变化的函数为Mp(n),变角激发角度FAn的计算公式为:
Mp(n)·sin(FAn)=Mp(n+1)·sin(FAn+1) (2)
其中n为采用变角激发成像的次数,Mp(n)为:
其中Mp(n)的初值Mp(1)=TH1=0.45,变角激发角度FAn的初值FA1=FAc=5°,t2=0.64s为以变角激发数据采样率(50%)所需的单次成像时间,Tn为第n次变角激发成像前成像所用的时间,设定第n次变角激发成像中获得的超极化气体极化度为IMp(n),IMp(n)为:
将初值Mp(1)=0.45,FA1=5°及t2=0.64s等相关参数代入式(2)、(3)、(4),可以计算出在Mp(t)<0.45后的Mp(n)及FAn,其中Mp(1)=45.0%,Mp(2)=42.2%,Mp(3)=37.6%,Mp(4)=32.1%,Mp(5)=25.3%,Mp(6)=20.3%,与Mp(1)、Mp(2)、Mp(3)、Mp(4)、Mp(5)、Mp(6)相应的FA1=5°、FA2=5.4°、FA2=6.1°、FA4=7.2°、FA5=9.1°、FA6=11.4°。
步骤3,由于动态成像要求Mp(n)不能过低,否则图像将会质量下降,因此设定分割Mp(n)的第二阈值TH2=25%,当Mp(n)<第二阈值TH2时动态吸气成像过程须结束。根据公式(3)可以计算出在成像过程结束前采用变角激发的成像次数nend=5,同时,Mp(t)≥0.45时采用定角激发的成像次数M=T/t1=10,其中T=4.8s为Mp(t)≥第一阈值TH1时所用的成像时间,t1=0.48s为以37.5%为数据采样率所需的单次成像时间。这样,全部动态吸气成像所用的成像次数为定角激发的成像次数与变角激发成像次数的总和M+nend=15,对应的成像时间TJ=10×0.48+5×0.64=8s。同时,测量收集到的超极化气体129Xe的体积以及志愿者的平均吸气速度,根据收集到的超极化气体129Xe体积V=450ml以及吸气速度S=60ml/s计算得到的成像时间TI可用等式(5)表示:
设置td=0.5s,则成像时间TI=7.5s+0.5s=8s,因此,优化后的成像时间Topt需要同时小于等于以上得到的两个成像时间TJ和TI,即Topt=min(TJ,TI)=8s,其中min为求最小值的运算符。依此计算得到优化后的成像次数N=10+(8-10×0.48)/0.6=15,优化后的时间为Topt=8s。因此确定成像次数为15次,前10次数据采样率为37.5%,激发角度为5°,后5次数据采样率为50%,激发角度依次为5°、5.4°、6.1°、7.2°、9.1°。
步骤1-3优化了定角激发数据采样率、变角激发数据采样率、定角激发角度、变角激发角度、总成像次数这些成像参数。优化后的成像参数可以保证肺部吸气动态MRI具有足够的成像次数、稳定的信号强度以及稳定的图像质量。
步骤4,根据定角激发数据采样率37.5%,确定定角激发采样轨迹。具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的定角激发的成像次数M=10,根据概率密度矩阵生成10个定角激发数据采样率的定角激发采样矩阵,用于前10次的定角激发。
根据变角激发数据采样率50%,确定变角激发采样轨迹。具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的变角激发次数nend=5,根据概率密度矩阵生成5个变角激发数据采样率的变角激发采样矩阵,用于后5次的变角激发。
设定的相位编码方向的优化方法为,相位编码方向要避开肺部吸气所产生伪影的主要方向:平躺时左右方向,前胸后背方向。在本实施例中,设置采样矩阵的相位编码方向为从志愿者头部到脚部的方向。
在本实施例中,根据概率密度矩阵生成10个定角激发数据采样率的定角激发采样矩阵包括以下步骤:通过概率密度矩阵生成100个定角激发数据采样率的定角激发备选采样矩阵,分别计算定角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前10个点扩散函数较小的定角激发备选采样矩阵作为定角激发采样矩阵。
根据概率密度矩阵生成5个变角激发数据采样率的变角激发采样矩阵包括以下步骤:通过概率密度矩阵生成50个变角激发数据采样率的变角激发备选采样矩阵,分别计算变角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前5个点扩散函数较小的变角激发备选采样矩阵作为变角激发采样矩阵。
步骤5、在1.5T MRI谱仪上,设置其它的成像参数TR=10ms,回波时间TE=5.8ms,采样矩阵为128×128,成像视野大小为384×384mm2,根据定角激发数据采样率,变角激发数据采样率,定角激发的激发角度,变角激发的激发角度,优化后的成像时间Topt,优化后的总成像次数N这些成像参数及定角激发和变角激发的采样轨迹和相位编码方向对健康志愿者进行肺部超极化气体129Xe动态成像,获得K空间数据。
步骤6、利用肺部吸气动态成像具有含信号区域逐渐增大,肺部超极化气体129Xe信号逐渐增强的特点,构造目标函数为:
其中E为与采样矩阵对应的部分傅里叶变换矩阵,L为图像的低秩部分,S为图像的稀疏部分,d为步骤5获得的K空间数据,Ψ为计算相邻图像的差值的操作符,T为小波变换矩阵,λh、λL、λS为权衡动态图像连续性,图像低秩性和图像稀疏性的正则化参数,根据经验数值分别设置为0.005、0.01、0.01。
步骤7、根据步骤5所获得的K空间数据及步骤6所构建的目标函数,采用迭代软阈值(Iterative Soft Thresholding)算法重建图像,最终得到符合目标函数(6)的L和S,重建的图像为abs(L+S),abs为求绝对值的运算符。在图3中显示了在1.5T MRI谱仪上经过步骤1-7处理后最终获得的人体肺部超极化气体129Xe动态成像第1-5幅及最后一幅的图像,可以清楚得观察到超极化气体129Xe从气管进入到肺部,最终点亮全肺的过程。
本文中所描述的具体实施方式仅仅是对本发明精神作举例说明。本发明中超极化气体不限于实施例中的129Xe,也包括3He、83Kr。本发明所属技术领域的技术人员可以对所描述的具体实施方式做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (3)
1.一种基于变采样率的肺部超极化气体动态成像方法,其特征在于,包括以下步骤:
步骤1,设定肺部超极化气体平均极化度Mp随时间t变化的函数为Mp(t),
其中TR为重复时间,FAc为定角激发的激发角度,
步骤2,根据待吸入到肺部的超极化气体的初始极化度及体积,设定Mp(t)的第一阈值TH1,当Mp(t)≥第一阈值TH1时,采用定角激发,并以定角激发数据采样率采集数据,定角激发角度为FAc,当Mp(t)<第一阈值TH1时,采用变角激发,并以变角激发数据采样率采集数据,变角激发数据采集率高于定角激发数据采样率,设定肺部超极化气体平均极化度Mp随变角激发成像的次数n变化的函数为Mp(n),变角激发角度FAn的计算公式为:
Mp(n)·sin(FAn)=Mp(n+1)·sin(FAn+1)
其中n为采用变角激发成像的次数,Mp(n)为:
其中Mp(n)的初值Mp(1)=TH1,变角激发角度FAn的初值FA1=FAc,t2为以变角激发数据采样率所需的单次成像时间,Tn为第n次变角激发成像前成像所用的时间,设定第n次变角激发成像中获得的超极化气体极化度为IMp(n),IMp(n)为:
计算出在Mp(t)<第一阈值TH1后各次成像的Mp(n)以及激发角度FAn,
步骤3,根据待吸入到肺部的超极化气体的初始极化度及体积,设定分割Mp(n)的第二阈值TH2,第一阈值TH1>第二阈值TH2,计算出在成像过程结束前采用变角激发的成像次数nend,计算出Mp(t)≥第一阈值TH1时采用定角激发的成像次数M=T/t1,其中T为Mp(t)≥TH1时所用的成像时间,t1为以定角激发数据采样率所需的单次成像时间,动态吸气成像所用的成像次数为定角激发成像次数与变角激发成像次数的总和M+nend,对应的成像时间TJ=M×t1+nend×t2,根据待吸入到肺部的超极化气体的体积V以及吸气速度S计算得到的成像时间TI,
其中td为吸气完成后的扩散时间,
计算优化的成像时间Topt=min(TJ,TI),计算得到优化后的总成像次数N=M+(Topt-M×t1)/t2,
步骤4、根据定角激发数据采样率,确定定角激发采样轨迹,具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的定角激发的成像次数M,根据概率密度矩阵生成M个定角激发数据采样率的定角激发采样矩阵,
根据变角激发数据采样率,确定变角激发采样轨迹,具体方法为,在相位编码方向进行欠采样,生成一个概率密度从中心行向边缘行逐渐降低的概率密度矩阵,以步骤3所获得的变角激发次数nend,根据概率密度矩阵生成nend个变角激发数据采样率的变角激发采样矩阵,
步骤5、根据定角激发数据采样率、变角激发数据采样率、定角激发的激发角度、变角激发的激发角度、优化的成像时间Topt、优化后的总成像次数N、定角激发和变角激发的采样轨迹和相位编码方向进行肺部吸气动态成像,获得K空间数据,
步骤6、构建目标函数为:
其中E为图像到K空间数据的变换矩阵,L为图像的低秩部分,S为图像的稀疏部分,d为K空间数据,Ψ为计算相邻图像的差值的操作符,T为稀疏变换矩阵,λh、λL、λS分别为权衡动态图像连续性、图像低秩性和图像稀疏性的正则化参数,
步骤7、根据步骤5所获得的K空间数据及步骤6所构建的目标函数,采用迭代软阈值算法重建图像。
2.根据权利要求1所述的一种基于变采样率的肺部超极化气体动态成像方法,其特征在于,相位编码方向避开肺部吸气所产生伪影方向,肺部吸气所产生伪影方向包括平躺时左右方向,前胸后背方向。
3.根据权利要求1所述的一种基于变采样率的肺部超极化气体动态成像方法,其特征在于,根据概率密度矩阵生成M个定角激发数据采样率的定角激发采样矩阵包括以下步骤,
通过概率密度矩阵生成M1个定角激发数据采样率的定角激发备选采样矩阵,分别计算定角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前M个点扩散函数较小的定角激发备选采样矩阵作为定角激发采样矩阵,M1为M的十倍及以上,
根据概率密度矩阵生成nend个变角激发数据采样率的变角激发采样矩阵包括以下步骤,
通过概率密度矩阵生成M2个变角激发数据采样率的变角激发备选采样矩阵,分别计算变角激发备选采样矩阵的点扩散函数,并从小到大排序,挑选前nend个点扩散函数较小的变角激发备选采样矩阵作为变角激发采样矩阵,M2为nend的十倍及以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610743164.2A CN106355624B (zh) | 2016-08-26 | 2016-08-26 | 一种基于变采样率的肺部超极化气体动态成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610743164.2A CN106355624B (zh) | 2016-08-26 | 2016-08-26 | 一种基于变采样率的肺部超极化气体动态成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106355624A CN106355624A (zh) | 2017-01-25 |
CN106355624B true CN106355624B (zh) | 2018-12-25 |
Family
ID=57855933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610743164.2A Active CN106355624B (zh) | 2016-08-26 | 2016-08-26 | 一种基于变采样率的肺部超极化气体动态成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355624B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274461A (zh) * | 2017-06-14 | 2017-10-20 | 合肥工业大学 | 一种超极化气体肺部磁共振图像重建方法 |
CN109256023B (zh) * | 2018-11-28 | 2020-11-24 | 中国科学院武汉物理与数学研究所 | 一种肺部气道微结构模型的测量方法 |
CN114236444B (zh) * | 2021-12-03 | 2023-06-30 | 中国科学院精密测量科学与技术创新研究院 | 超极化气体肺部变采样率快速磁共振扩散加权成像方法 |
CN116664707B (zh) * | 2022-02-17 | 2024-02-13 | 北京朗视仪器股份有限公司 | 一种ct图像迭代重建方法、装置及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999052428A1 (en) * | 1998-04-13 | 1999-10-21 | Duke University | In vivo magnetic resonance vascular imaging using laser-polarized gas microbubbles |
US6338836B1 (en) * | 1999-09-28 | 2002-01-15 | Siemens Aktiengesellschaft | Asthma analysis method employing hyperpolarized gas and magnetic resonance imaging |
CN102293650A (zh) * | 2010-05-27 | 2011-12-28 | 株式会社东芝 | 磁共振成像装置以及方法 |
CN104181483A (zh) * | 2014-08-29 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 一种基于定-变角优化激发的超极化磁共振成像方法 |
-
2016
- 2016-08-26 CN CN201610743164.2A patent/CN106355624B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999052428A1 (en) * | 1998-04-13 | 1999-10-21 | Duke University | In vivo magnetic resonance vascular imaging using laser-polarized gas microbubbles |
US6338836B1 (en) * | 1999-09-28 | 2002-01-15 | Siemens Aktiengesellschaft | Asthma analysis method employing hyperpolarized gas and magnetic resonance imaging |
CN102293650A (zh) * | 2010-05-27 | 2011-12-28 | 株式会社东芝 | 磁共振成像装置以及方法 |
CN104181483A (zh) * | 2014-08-29 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 一种基于定-变角优化激发的超极化磁共振成像方法 |
Non-Patent Citations (4)
Title |
---|
Constant-variable flip angles for hyperpolarized media MRI;He Deng 等;《Journal of Magnetic Resonance》;20160107;第92-100页 * |
CS-MRI中评价随机欠采样矩阵的新方法;肖洒 等;《波谱学杂志》;20151231;第32卷(第4期);第584-595页 * |
Incorporation of prior knowledge in compressed sensing for faster acquisition of hyperpolarized gas images;S.Ajraoui 等;《Magnetic Resonance in Medicine OfficialJournal of the Society of Magnetic Resonance in Medicine》;20120403;第69卷(第2期);第360-369页 * |
Optimal variable flip angle schemes for dynamic acquisition of exchanging hyperpolarized substrates;Yan Xing 等;《Journal of Magnetic Resonance》;20130614;第75-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106355624A (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355624B (zh) | 一种基于变采样率的肺部超极化气体动态成像方法 | |
US11020077B2 (en) | Simultaneous CT-MRI image reconstruction | |
CN108416821B (zh) | 一种深度神经网络的ct图像超分辨重建方法 | |
CN104027113B (zh) | 一种基于先验知识和稀疏采样的肺部快速磁共振成像方法 | |
US9953439B2 (en) | Systems and methods for three-dimensional spiral perfusion imaging | |
CN102906791B (zh) | 使用在先图像约束的图像重建的辐射计量减少的方法 | |
CN104077791B (zh) | 一种多幅动态对比度增强核磁共振图像联合重建方法 | |
CN109863512A (zh) | 用于通过流形近似进行自动变换的系统和方法 | |
CN101627919B (zh) | 有限采样角度下基于卡尔曼滤波的pet浓度重建方法 | |
CN109360152A (zh) | 基于稠密卷积神经网络的三维医学图像超分辨率重建方法 | |
CN113470139B (zh) | 一种基于mri的ct图像重建方法 | |
CN105005012B (zh) | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 | |
CN112348936A (zh) | 一种基于深度学习的低剂量锥束ct图像重建方法 | |
KR20140043655A (ko) | 움직임 오류 데이터를 이용한 자기 공명 영상법의 영상 개선 방법 및 장치 | |
CN109188326B (zh) | 磁共振成像方法和磁共振系统 | |
CN109917315A (zh) | 磁共振成像扫描方法、装置、计算机设备和存储介质 | |
CN106981051A (zh) | 用于运动解析的mri的系统和方法 | |
CN1685243A (zh) | 微脉管血容量磁共振成像 | |
CN106646300B (zh) | 一种超极化气体磁共振影像处理方法 | |
CN110503699A (zh) | 一种ct投影路径减少情况下的ct图像重建方法 | |
US20110275933A1 (en) | Motion compensation in nuclear imaging | |
CN106989835A (zh) | 基于压缩感知的光子计数x射线能谱探测装置及成像系统 | |
CN110536640A (zh) | 从pet列表数据中的呼吸运动信号的噪声鲁棒的实时提取 | |
CN114236443B (zh) | 用于肺部动态通气功能快速定量评估的气体mri方法 | |
Cui et al. | Motion artifact reduction for magnetic resonance imaging with deep learning and k-space analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170125 Assignee: Wuhan Zhongke polarization Medical Technology Co., Ltd. Assignor: Wuhan Inst. of Physics and Mathematics, Chinese Academy of Sciences Contract record no.: 2019420000016 Denomination of invention: Dynamic imaging method of lung hyper-polarization gas based on variable sampling rate Granted publication date: 20181225 License type: Common License Record date: 20190227 |
|
EE01 | Entry into force of recordation of patent licensing contract |