CN106471389B - 在多激发mri中由于激发间运动造成的伪影的降低 - Google Patents

在多激发mri中由于激发间运动造成的伪影的降低 Download PDF

Info

Publication number
CN106471389B
CN106471389B CN201580036341.7A CN201580036341A CN106471389B CN 106471389 B CN106471389 B CN 106471389B CN 201580036341 A CN201580036341 A CN 201580036341A CN 106471389 B CN106471389 B CN 106471389B
Authority
CN
China
Prior art keywords
excitation
image
data
information
collection
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.)
Expired - Fee Related
Application number
CN201580036341.7A
Other languages
English (en)
Other versions
CN106471389A (zh
Inventor
黄峰
G·R·丁辛
张必达
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN106471389A publication Critical patent/CN106471389A/zh
Application granted granted Critical
Publication of CN106471389B publication Critical patent/CN106471389B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • 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
    • 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
    • G01R33/561—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
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • G01R33/5616—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE] using gradient refocusing, e.g. EPI
    • 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
    • G01R33/56341—Diffusion imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

在多激发MRI(例如，DWI)中由激发间运动引起的伪影的降低。对此，本发明教导了一种磁共振(MR)成像(MRI)系统(100、1500)，包括至少一个控制器(110、1510)，所述至少一个控制器被配置为：执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息；训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下或者通过使用自训练过程获得的所述MR信息的至少一部分的数据，所述卷积核包括卷积数据；将针对所述至少一个多激发图像集的所述图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积；将针对所述至少一个多激发图像集中的至少两个图像激发的合成k空间数据投影到图像空间中；并且对投影到所述图像空间中的所投影的合成k空间数据进行平均以形成图像信息。

Description

在多激发MRI中由于激发间运动造成的伪影的降低
技术领域
本系统涉及一种用于降低使用多激发(ms)图像采集方法采集的重建磁共振(MR)图像中的运动伪影的磁共振成像(MRI)系统，并且更具体涉及一种可以包括对归因于多激发MR采集中的激发间运动的伪影的降低的MRI系统以及其操作方法。
背景技术
在临床磁共振成像(MRI)应用中广泛采用多激发(ms)采集以获得高空间分辨率诊断信息。两种常见的多激发MR成像方法被称为：快速自旋回波(TSE)和ms回波平面成像(ms-EPI)。这些成像方法能够被用于获得高空间分辨率弥散加权成像(DWI)。然而，激发间运动是几乎不可避免的并且会导致多激发MR图像中的减小的图像清晰度。此外，由于多激发方法要求多个采集，因而其可能要求比针对单激发采集所要求的更长的采集时间。这些更长的采集时间可能加重激发间运动。
例如，在基于ms-EPI的弥散加权成像(DWI)中，少量的激发间运动会引入激发间图像之间的显著的相位差。尽管可以使用基于导航器的校正方法以尝试移除该引入的相位差，但是如果激发间运动在导航与实际DWI数据之间不同，则基于导航器的校正方法通常失败。基于导航器的校正方法的假定在于，导航器和对应的成像数据具有相同相位。如果在导航器与采集成像激发的对应成像数据采集之间存在运动，来自导航器的相位不能准确地校正成像激发中的相位差。为了避免该问题，可以使用不采用基于导航器的校正方法的相位校正方法。一种这样的相位校正方法依赖于执行多激发集合中的每个激发的平均重建(R5)的平均重建方法(在下文中称为平均方法)。使用诸如敏感性编码(SENSE)方法的部分并行成像(PPI)方法来生成每个激发的重建。遗憾的是，SENSE方法可能急剧地降低信噪比(SNR)并且可能引入图像伪影，特别是当多激发采集中的激发的数量大于诸如4的阈值时。因此，当使用常规PPI平均方法时，SNR会急剧地降低，并且当使用常规的基于导航器的方法时，不能高效地移除相位差。
尽管TSE成像方法是许多MR成像应用的试验台，TSE成像方法对运动敏感。尽管许多运动抑制方法抑制刚性运动伪影，其一般不能高效地抑制非刚性运动伪影。然而，在抑制非刚性运动伪影的尝试中，已经开发了数据卷积和组合运算(COCOA)方法(R7)。遗憾的是，甚至当使用COCOA方法时，仍然可以观察到一些残余的运动伪影。更具体地，COCOA方法可以被用于降低归因于连续的非刚性运动的TSE成像方法中的运动伪影。然而，如果运动是大量的，则COCOA方法可能是不足的，因为可以观察到一些残余的伪影。
此外，最近引入的MUSE方法(R1)可以聪明地使用来自多路复用的SENSE方程组中的初始SENSE(R2)重建的相位信息。在该方法中，初始SENSE运算中的SENSE因子可以等于激发的数量。遗憾的是，当激发的数量是四或者关于典型的8信道头部线圈更少时，高质量ms-EPI图像仅能够由MUSE方法鲁棒地产生，并且作为自导航算法，MUSE方法关于基于导航器的方法(R1)不具有优势。例如，当超过四个激发针对3T或7T(R4)中的较高空间分辨率或较低几何失真水平是必要的时，MUSE中的初始SENSE重建可能失败并且不提供准确的相位信息。此外，具有加速度因子8的典型SENSE重建通常将导致针对MUSE的有意义的相位信息，并且可能导致失败的MUSE重建。参考图9A和图9B图示了这一激发，其中，图9A示出了基于8激发SENSE的重建的一个激发的幅度的图像900A，并且图9B示出了图示8激发SENSE重建的一个激发的相位的图像900B。8激发sense重建的幅度和相位两者的图像质量是不佳的。因此，SENSE重建可能被认为是失败的重建。
因此，本系统的实施例可以提供除了其他方面可以克服典型系统的缺点的系统和方法。
发明内容
本文中所描述的(一个或多个)系统、(一个或多个)设备、(一种或多种)方法、(一个或多个)用户接口、(一个或多个)计算机程序、过程等(除非上下文另外指明，否则在下文中其中的每一个将被称为系统)解决诸如图像伪影的问题和/或提供对现有技术系统的一个或多个备选方案。
根据本系统的实施例，提供了一种磁共振(MR)成像(MRI)系统，其可以包括至少一个控制器。所述至少一个控制器可以被配置为：执行多激发(multi-shot)图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下或者通过使用自训练过程获得的MR信息的至少一部分的数据，所述卷积核包括卷积数据；将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述多个图像激发的至少两个图像激发的每个对应激发的合成k空间数据；将针对所述至少一个多激发图像集的所述多个图像激发中的所述至少两个图像激发的合成k空间数据投影到图像空间中；和/或对投影到所述图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
还应当设想到，当执行针对对应的多激发集的迭代卷积时，所述至少一个控制器可以保持所述卷积核的数据恒定。还应当设想到，所述至少一个控制器还可以被配置为固定所述卷积核的数据，以便形成在针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性。此外，根据本系统的实施例，所述合成k空间数据可以形成合成k空间数据的激发的数量(Ns)集。还应当设想到，在所述平均期间，所述至少一个控制器可以被配置为对针对所述多个图像激发中的至少两个激发的所述合成k空间数据的幅度进行平均。
根据本系统的实施例，所述MRI系统可以包括显示器并且所述至少一个控制器可以被配置为在所述显示器上对所形成的图像信息进行绘制。
根据本系统的又一实施例，提供了一种重建由具有至少一个控制器的磁共振(MR)成像(MRI)系统所获得的图像的方法。所述方法可以由所述MR成像系统的所述至少一个控制器来执行并且可以包括如下中的一个或多个动作：执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下获得的所述MR信息的至少一部分的数据，所述卷积核包括卷积数据；将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述至少两个图像激发的每个对应激发的合成k空间数据；将针对所述多个图像激发中的所述至少两个图像激发的所述合成k空间数据投影到图像空间中；并且对投影到图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
应当设想到，所述方法还可以包括如下动作：当执行针对所述对应的多激发集的所述迭代卷积时，保持所述卷积核的数据恒定。还应当设想到，所述方法可以包括如下动作：固定所述卷积核的所述数据，以便形成在针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性。根据本系统的实施例，所述合成k空间数据可以形成合成k空间数据的激发的数量(Ns)集。还应当设想到，平均的所述动作还可以包括如下动作：针对所述至少一个多激发图像集中的所述两个激发的所述合成k空间数据的幅度。还应当设想到，所述方法可以包括如下动作：在显示器上对所形成的图像信息进行绘制。
根据本系统的又一实施例，提供了一种存储在计算机可读非瞬态存储介质上的计算机程序。所述计算机程序可以被配置为重建从磁共振(MR)图像系统所获得的图像并且可以包括程序部分，所述程序部分可以被配置为：执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下获得的MR信息的至少一部分的数据，所述卷积核包括卷积数据；将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述至少两个图像激发的每个对应激发的合成k空间数据；将针对所述至少一个多激发图像集的所述多个图像激发中的所述至少两个图像激发的所述合成k空间数据投影到图像空间中；并且对投影到所述图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
应当设想到，所述计算机程序还可以被配置为，当执行针对对应的多激发集的迭代卷积时，保持所述卷积核的数据恒定。还应当设想到，所述程序部分还可以被配置为固定所述卷积核的数据，以便形成针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性。还应当设想到，在所述平均期间，所述程序部分还可以被配置为对针对所述至少一个多激发图像集的所述至少两个激发的所述合成k空间数据的幅度进行平均。根据一些实施例，应当设想到，所述程序部分还可以被配置为在显示器上绘制所形成的图像信息。
根据本系统的又一实施例，提供了一种磁共振(MR)成像(MRI)系统，其可以包括至少一个控制器，所述至少一个控制器被配置为：执行多激发图像采集过程以采集针对多激发图像集的多个图像激发的MR信息，所述图像激发中的每个图像激发包括对应的图像数据；基于针对所述多激发图像集的每个图像激发的所述图像数据来组成矩阵；确定矩阵的特征值和特征向量；从所述特征值中间确定最大特征值；并且基于对应于所述最大特征值的组合图像来形成复合图像。
还应当设想到，所述至少一个控制器还可以被配置为归一化复合图像的能量。还应当设想到，所述至少一个控制器可以被配置为重建所述MR信息以形成针对所述至少一个多激发图像集中的所述多个图像激发的每个对应的图像激发的所述图像数据。根据本系统的又一实施例；提供了一种磁共振(MR)成像(MRI)系统，其可以包括至少一个控制器，所述至少一个控制器可以被配置为：执行多激发图像采集以采集具有若干(NS)激发的多激发图像集的若干(NEX)扫描的MR信息，所述图像激发中的每个图像激发包括对应的图像数据，使得所采集的MR信息包括针对NS*NEX个图像的图像信息；通过将针对所述NS*NEX个图像和所述目标图像的所述图像信息视为未知集并且联合地数字求解所述未知集，来重建针对所述NS*NEX个图像和目标图像的所述图像信息；和/或绘制所述经重建的图像。
还应当设想到，当执行所述重建时，所述至少一个控制器还可以被配置为采用卷积方法和低秩(rank)方法来求解所述未知集。
附图说明
详细地并且以范例的方式参考附图解释了本发明更，在附图中：
图1示出了根据本系统的实施例操作的磁共振(MR)系统的一部分的剖面侧视图；
图2是图示根据本发明的实施例的由磁共振系统所执行的过程的流程图；
图3A示出了在没有相位校正的情况下重建的MR图像；
图3B示出了使用PPI的平均值重建的MR图像；
图3C示出了根据本系统的实施例重建的MR图像；
图4是图示根据本系统的实施例的由磁共振系统所执行的过程的流程图；
图5是图示根据本系统的实施例采集的多激发集的k空间扫描线的图形；
图6A示出了根据常规平均方法重建的多激发DWI图像；
图6B示出了根据本系统的实施例操作的特征值分析组合方法重建的多激发DWI图像；
图7A示出了根据常规平均方法重建的8激发EPI DWI图像；
图7B示出了根据本系统的实施例重建的8激发EPI DWI图像；
图8A示出了根据常规平均方法重建的4激发TSE肝图像；
图8B示出了根据本系统的实施例重建的4激发TSE肝图像；
图9A示出了图示基于8激发SENSE重建的一个激发的幅度的图像；
图9B示出了图示8激发SENSE重建的一个激发的相位的图像；
图10是图示根据本系统的实施例的由磁共振系统所执行的过程的流程图；
图11示出了使用根据本系统的实施例操作的4激发的激发数据集生成的FA地图；
图12示出了使用根据本系统的实施例操作的8激发数据集生成的FA地图；
图13示出了使用根据本系统的实施例操作的8激发数量据集生成的地图；
图14示出了使用根据本系统的实施例操作的12激发的数量据集生成的地图；
图15示出了图示根据本发明的实施例的由磁共振系统所执行的过程的流程图；并且
图16示出了根据本系统的实施例的系统的一部分。
具体实施方式
下文是对说明性实施例的描述，其在结合如下附图取得时将证明以上指出的特征和优点以及另外的那些。在下文的描述中，出于解释而非限制性的目的，阐述诸如架构、接口、技术、要素属性等的说明性细节。然而，对于本领域的普通技术人员而言将明显的是，脱离这些细节的其他实施例将仍然被理解为处于随附权利要求书的范围之内。此外，出于清晰的目的，省略对众所周知的设备、电路、工具、技术和方法的描述，以便不使对本系统的描述难以理解。应当明确理解，附图出于说明性目的而包括并且不表示本系统的全部范围。在附图中，不同附图中的同样的参考数字可以指代类似的元件。术语和其形成应当被理解为意指仅所记载的元件中的一个或多个可能需要适合地存在(即，仅一个所记载的元件存在，所记载的元件中的两个可以存在等，直到所有所记载的元件可以存在)于根据权利要求记载和根据本系统的一个或多个实施例的系统中。
图1示出了根据本系统的实施例操作的磁共振(MR)系统100(出于清晰的缘故，在下文中称为系统100)的一部分的剖面侧视图。系统100可以包括如下中的一个或多个：控制器100、存储器、显示器、主体102、主磁体104、梯度线圈106和射频(RF)部分120。可以提供患者支撑体140，以支撑诸如患者101(出于清晰的缘故，在下文中称为患者)的感兴趣对象(OOI)和/或例如在控制器110的控制下相对于主体102将患者101定位在期望的位置和/或取向中。
主体102可以包括位于相对端114之间的至少一个腔108和主孔膛112。主孔膛112可以位于主体102的相对开口115之间并且可以被配置为通过相对开口115中的一个开口来接收患者101。至少一个腔108可以被配置为接收如下中的一个或多个：主磁体104、梯度线圈106以及RF部分120中的至少一部分。主体102还可以包括冷却机构(例如，低温冷却系统等)，其被配置为，如果期望的话，对系统100的诸如主磁体104的各部分进行冷却。
控制器110可以控制系统100的总体操作并且可以包括诸如处理器(例如，微处理器等)等的一个或多个逻辑设备。控制器110可以包括如下中的一个或多个：主磁体控制器、梯度控制器、RF控制器和重建器。主磁体控制器可以控制主磁体104的操作。梯度控制器可以控制梯度线圈106的操作。RF控制器可以控制RF部分120的操作。重建器可以可操作以基于根据本系统的实施例获得的MR信息来重建图像信息。因此，重建器可以基于多激发信息来重建图像信息。所重建的图像信息可以例如还被处理、被存储在系统的存储器中以用于随后的使用和/或被绘制在系统的显示器上以方便用户。
控制器110还可以从用户和/或从存储器确定或以其他方式获得扫描序列、扫描参数等并且在扫描流程期间对其进行应用。例如，控制器110可以从存储器获得诸如多激发扫描序列的扫描序列并且例如根据所述扫描序列来控制主磁体104、梯度线圈106和/或RF部分120中的一个或多个，以获得例如期望的磁共振信息，诸如回波信息。控制器110和/或其部分可以经由任何适合的方法，诸如经由有线和/或无线通信方法、经由一个或多个网络(例如，广域网(WAN)、局域网(LAN)、因特网、专有通信总线、控制器区域网络(CAN)、电话网络等)与如下中的一个或多个通信：存储器、显示器、主磁体104、梯度线圈106、RF部分120等。
主磁体104可以具有孔膛113并且可以被配置为生成主孔膛112内的主磁场(例如，B0场)。主磁场可以在主孔膛112的扫描体积内是基本上均匀的。主磁体104可以包括一个或多个主磁体，每个主磁体被配置为生成主磁场的至少一部分。主磁体104可以是环形(例如，环)磁体、平面磁体、分裂磁体、开放式磁体、半圆形(例如，C形)磁体等。主磁体104或其部分可以由诸如半导体材料的任何适合的材料形成和/或可以在控制器110的控制下操作。
梯度线圈106可以包括一个或多个梯度线圈(例如，x、y和z梯度线圈)，其可以在控制器110的控制下沿着一个或多个对应轴产生一个或多个梯度场。RF部分120可以包括一个或多个RF传输线圈，其被配置为在控制器110的控制下发射RF激发脉冲和/或接收(例如，感生的)MR信号(例如，回波信息)。例如，在一些实施例中，RF部分120可以包括传输和/或接收线圈的换能器阵列。RF部分120可以位于主体102的主孔膛112内并且可以被放置在期望的位置和/或取向中，诸如在患者支撑体140之下，以获得主孔膛112内的期望的扫描体积的图像。RF部分120可以包括有线和/或无线类型的RF线圈。
说明性地，下文讨论了根据本系统的实施例的执行多激发采集和图像重建的若干种方法。这些方法可以被称为：相关性强制(enforcement)方法；特征值分析图像合成方法；以及低秩方法。这些方法或者其部分中的一个或多个可以自身根据本系统的实施例来利用或者其中的两个或两个以上可以彼此组合地利用。这些方法中的每种方法可以强制多激发图像集中的图像激发中间的数据相关并且可以根据合成k空间数据集来生成最终的重建。根据本系统的实施例，可以使用可以由多激发图像集执行的k空间数据集来执行图像重建。因此，多激发图像集的每个激发可以包括k空间的子集。
相关性强制方法
参考图2讨论了根据本系统的实施例操作的相关性强制方法，图2示出了由根据本系统的实施例的磁共振系统所执行的过程200的流程图。过程100可以使用通过网络通信的一个或多个计算机执行并且可以从本地的和/或彼此远离的一个或多个存储器获得信息和/或将信息存储到所述一个或多个存储器。根据本系统的实施例的本文中的过程200和其他过程可以包括如下动作中的一个或多个。此外，如果期望的话，这些动作中的一个或多个可以组合和/或分离为子动作。此外，取决于设置，可以跳过这些动作中的一个或多个。图像信息可以包括例如从多激发图像序列采集的图像信息。在操作中，过程200可以在动作201期间开始并且然后转到动作203。
在动作203期间，所述过程可以执行多激发采集过程以采集针对包括多个激发的至少一个多激发集的MR信息(例如，回波信息、模拟MR信息等)。可以根据诸如ms-EPI弥散加权图像(DWI)扫描序列的多激发序列来执行多激发采集过程。根据一些实施例，ms-EPI扫描可以具有交错和/或读出方向类型。还可以使用任何适合的多激发采集方法，诸如快速自旋回波(TSE)、多激发螺旋、螺旋桨和/或ms-回波平面成像(ms-EPI)方法，来执行多激发采集过程。
关于至少一个多激发集，该集可以包括多个激发，其中的每个激发可以包括对应的MR信息，其可以形成针对对应激发的k空间数据的至少一部分。例如，假定完全k空间具有256条k空间线并且每个激发可以包括64条线，那么所述过程可以在给定采集期间要求(256条线)/(64条线/激发)＝4个激发，以形成完整的k空间多激发图像集。因此，4个激发可以被用于填充k空间线，但是还可以设想不同的激发的数量，诸如4的倍数个激发，诸如8个激发。
此外，激发的数量(NS)可以被设定等于扫描的数量(NEX)，其可以是大于一的整数并且可以由系统和/或用户设定。然而，在又一实施例中，NEX可以是可以与NS不同的整数。数个扫描(NEX)中的每个扫描可以对应于具有等于NS的激发的数量的完整的k空间多激发图像集(例如，4个激发，诸如本文说明性地讨论的)。因此，假定多激发集包括L条k空间扫描线的k空间数据(例如，参见图5)，那么这些L条线中的每条线将被扫描NEX次并且对应的MR信息被采集并且被分配给对应的多激发集的对应激发。可以采集NEX个多激发集。因此，每个k空间图像集可以被扫描NEX次。因此，L条k空间线中的每条线可以被认为被扫描NEX次。例如，假定NS等于三，那么针对给定采集可能存在第一到第三激发。第一激发可以包括针对L条k空间线中的每条线的NS个采集中的第一采集的MR信息；第二激发可以包括针对L条k空间线中的每条线的NS个采集中的第二采集的MR信息，并且第三激发可以包括针对L条k空间线中的每条线的NS采集中的第三采集的MR信息。可以参考图5和对应的文本进一步解释该过程。根据本系统的实施例，如果期望的话，该过程可以获得多个(例如，其中，多个可以等于NEX)多激发集。
此外，k空间数据可以包括：MR数据，诸如b＝0MR数据，其可以包括在不使用梯度的情况下获得的MR信息(并且其可以被称为b＝0(包括b＝0和b>0的k空间可以由多激发组成))；以及b>0MR数据，其包括在使用梯度的情况下获得的MR信息。因此，b＝0数据可以与在不使用梯度的情况下采集的至少一个多激发集(例如，在没有梯度(例如，b＝0)的情况下的图像的MR图像信息)相对应，并且b>0数据可以与在根据本系统的实施例的使用梯度的情况下获得的至少一个多激发集(例如，使用梯度(例如，b>0)的图像的MR图像信息)相对应。根据本系统的实施例，b的值可以从0到b变化，其中，例如，b可以等于800。然而，根据又一实施例，b可以具有其他值。根据实施例，k空间数据可以与MR回波信息相对应。例如，在一些实施例中，过程可以在与b＝0相对应的信息(例如，b＝0信息，诸如b＝0(多个)激发)和与b>0相对应的信息(例如，b>0信息)之间进行区分。梯度可以被用于弥散加权成像(DWI)。为了检测可以与方向有关的弥散，可以沿着MR中的特定方向应用磁体梯度。
所述过程还可以从用户和/或从系统的存储器获得初始化信息。所述初始化信息可以包括信息，诸如扫描序列、要扫描的k空间线的数量L、b的值、NS的值和NEX的值。例如，根据一些实施例，NS可以被设定到2，NEX可以被设定到1或更高的整数，并且B可以被设定到800，如下文说明性地讨论的。
在完成动作230之后，所述过程可以继续动作205，其中，所述过程可以获得针对数据校正的卷积核。如果期望的话，所述卷积核可以从系统的存储器采集和/或可以由过程形成。所述卷积核可以形成紧凑矩阵，并且根据一些实施例，可以不使用来自相同激发的所采集的信号(例如，在本实施例中的b＝0k空间)。例如，所述卷积核可以包括NxM矩阵，其中，如果期望的话，N表示行数，并且M表示列数并且可以是预定义参数。例如，根据一些实施例，所述卷积核可以是5x5矩阵。然而，还设想到了其他值。此外，可以由针对卷积核的计算的过程使用b＝0的k空间或者当前要重建的图像。另外，可以由针对核计算的本系统的实施例使用诸如R7中所公开的那个的任何适合的数据拟合方案。在完成动作205之后，所述过程可以继续到动作207。
在动作207期间，所述过程可以对诸如b＝0信息的训练信息(例如，在不使用梯度的情况下采集的MR数据)或其他额外数据训练卷积核，如可能期望的。然而，在又一实施例中，所述卷积核可以是自训练的。然而，根据本系统的一些实施例，并且如上文所讨论的，所述卷积核不应当包括来自相同激发(例如，其被训练到的激发)的MR图像信息。因此，可以根据额外数据，诸如DWI中的b＝0数据，来训练卷积核。参考证明根据本系统的实施例的卷积和核计算方案的等式(1)图示了这一激发。
其中，J是在线性组合中使用的相邻k空间信号的数量，L是线圈元件的数量。Sl'(kr-Δkj)表示来自具有被用于近似来自线圈元件l的信号Sl(kr)的偏移Δkj的元件l'的k空间信号。表示权重并且可以取决于线圈元件灵敏度(R9)和相对偏移Δkj。由等式1定义的操作是具有由定义的卷积核的k空间中的卷积。对于的计算而言，b＝0的中心k空间可以被用于Sl(kr)和Sl'(kr-Δkj)，并且未知的可以然后由系统计算。在完成动作207之后，所述过程可以继续到动作209。
在动作209期间，所述过程可以执行数学卷积过程以将使用梯度所获得的MR信息(例如，b>0MR图像信息)与训练的卷积核迭代地卷积以形成合成k空间数据的激发的数量(Ns，激发的数量)集。因此，所述过程可以将b>0k空间数据与针对多激发集的多个(例如，NS)激发中的每个激发的经训练的卷积核迭代地卷积。更具体地，针对多激发集中的多个激发(例如，NS)中的每个激发而言，可以通过在可以确保激发方面保真度的迭代卷积期间强制对应激发的数据一致性以形成合成k空间数据集。在每次迭代期间，对应激发的数据被固定为是恒定的。通过保持多激发集的每个激发恒定(例如，通过与经训练的相关性内核的卷积)，每个激发将导致合成k空间数据集。可以针对合成k空间数据中的每条NS线的NEX扫描中的每个重复扫描过程。因此，可以由过程生成合成k空间数据的Ns x NEX集。在完成动作209之后，所述过程可以继续到动作211。
在动作211期间，所述过程可以通过将合成k空间数据的Ns x NEX个集(或者Ns xNEX集中的所选择的那些)中的每个投影到图像空间中以形成对应的重建图像信息来形成经重建的图像信息。所述过程然后可以在有或没有空间自适应权重的情况下确定图像信息的“平均”，如可以由系统和/或用户设定的。所述过程可以确定在动作209的卷积的每次迭代期间的“平均”并且可以采用任何适合的方法，诸如如在本文中所讨论的SVD分析类型方法，或可以适合地应用的其他平均方案。上文所提到的“平均”计算可以采用任何适合的一种或多种平均方法，诸如奇异值分解(SVD)分析或低秩方法。在完成动作211之后，所述过程可以继续到动作213。
在动作213期间，所述过程可以在系统的显示器上绘制经重建的图像信息，使得用户可以查看由本系统的实施例所获得的图像。此外，所述过程还可以提供用户接口(UI)，利用所述用户接口，用户可以交互以改变查看参数、输入信息(例如，笔记、命令、选择等)等。根据本系统的实施例，如果期望的话，图像采集、处理和绘制中的一个或多个可以实时发生或者可以延迟。在完成动作213之后，所述过程可以继续到动作215。
在动作215期间，所述过程可以将由过程所生成的信息，诸如MR图像信息、合成k空间信息、重建信息等，(如可以期望的)存储在系统的存在中以用于随后的使用。如可以容易理解到的，在过程200期间和/或之后的任何时间处，信息可以被存储以用于后续绘制和/或处理。在完成动作215之后，过程继续到动作217，其中，所述过程可以结束。
根据本系统的实施例，上文所描述的过程强制在所采集的多激发MR数据中的数据相关性一致性和激发方面数据一致性。
可以采集任何适合的多激发MR数据，诸如ms-EPI DWI等。根据本系统的实施例，如果不存在归因于激发间运动的相位差，则b>0数据的数据相关性应当与b＝0数据相同。通过强制从b＝0数据训练的数据相关性，可以迭代地移除相位差。
因此，过程200可以包括如下动作：
(1)迭代强制动作，其迭代地强制信道中间的数据相关性。在k空间中的卷积能够被用于强制相关性。在卷积之后，能够生成合成k空间。所述相关性可以使用额外数据(例如，DWI中的b＝0数据)来训练或者可以自训练，以及
(2)激发方面数据一致性强制动作，其中，针对每个激发而言，可以通过强制在例如导致合成k空间的若干多个激发集的迭代期间的对应激发的数据一致性，来针对每个激发生成合成k空间。换言之，本系统的实施例可以采用激发方面数据一致性。
当与先前所讨论的COCOA方法相比较时，应当看到，尽管COCOA也使用数据相关性方法，但是其既不执行也不依赖于如由本系统的实施例所执行的迭代强制。此外，COCOA方法不采用激发方面数据一致性强制。
测试结果
根据本系统的实施例，使用在PhilipsTM 3T线圈上操作的ms-EPI DWI方法获得样本MR图像信息。MR图像信息具有由4个交错EPI激发的1mm x 1mm x 4mm分辨率。在图3A到图3C中示出了b＝800和NS＝2。更具体地，图3A示出了在没有相位校正的情况下重建的MR图像；图3B示出了使用PPI的平均(例如，SENSE的平均)重建的MR图像；并且图3示出了根据本系统的实施例重建的MR图像。能够看到，根据本系统的实施例所执行的图像重建(例如，图像3C)比使用常规方法(其使用图3B的SENSE的平均)重建的图像具有清楚地经改进的SNR。
因此，本系统的实施例可以提供用于降低归因于多激发采集的激发间运动的伪影的方法。还应当设想到，本系统的实施例可以被用于多激发EPI、DWI和TSE成像方法中的空间分辨率。
特征值分析图像组成方法
下面在本文中参考图4描述了根据本系统的实施例操作的特征值分析图像组成方法，图4是图示了根据本系统的实施例的由磁共振系统所执行的过程400的流程图。图像信息可以包括例如从多激发图像序列采集的图像信息。在操作中，所述过程可以在动作401期间开始并且然后转到动作403。
在动作403期间，所述过程可以执行多激发图像采集过程以采集针对具有多个激发的多激发图像序列(诸如ms-EPI弥散加权图像(DWI)扫描序列)的MR图像数据(例如，回波信息、模拟MR信息等)。因此，每个多激发图像序列可以形成包括多个对应激发(例如，NS个激发，其中，NS是>1的整数)的激发集。此外，可以采集一个或多个激发集。然而，在本实施例中，仅出于清晰的缘故讨论单个激发集。
在图像采集期间，可以通过形成激发集的激发集填充每个k空间。因此，完全k空间可以对应于一个MR图像并且可以包括NS个激发。每个激发集(例如，ms集)可以包括Ns个激发并且可以被扫描NEX次。因此，可以假定，所述过程可以采集若干(例如，NEX)相同图像。根据本系统的实施例，这可以提供比常规图像重建方法更高的SNR和/或运动伪影水平。
此外，所述过程可以从用户和/或从系统的存储器获得初始化信息。所述初始化信息可以包括诸如扫描序列、要扫描的k空间线的数量以及针对NS和NEX的值的信息。例如，根据一些实施例，NS可以被设定到3并且NEX可以被设定到2。在完成动作403之后，所述过程可以继续到动作405。
在动作405期间，所述过程可以基于针对激发集的所采集的MR图像数据重建多个图像。因此，所述过程可以重建针对多激发集中的每个激发的图像，其中，多激发集中的激发的数量可以等于NS。假定每个图像激发集包括NS个激发，那么所述过程可以重建NS*NEX(其中，出于清晰的缘故将假定NEX＝1，使得可以采集NS*(1)个图像激发)个图像，所述图像中的每个在理论上应当是相同的，并且因此出于该描述的缘故，可以被假定为是“相同的”。然而，由于运动和/或噪声，激发中的一个或多个可以与其他激发中的一个或多个不同。
图5是图示根据本发明的实施例采集的多激发集的k空间扫描线的图形500。在图形500中，NS可以被假定为等于三并且扫描线的数目等于L。因此，针对每条扫描线506(l)(其中，I从1到L变化)而言，可以存在各自对应于多激发集的激发的NS条激发线502(1)到502(3)。此外，当重建对应于这些激发中的每个激发的数据时，可以形成诸如由图像504-1到504-3(一般地504-x)所示的对应的图像。因此，图像504-x中的每个图像可以被认为在理论上是相同的图像。然而，重建的多激发图像508可以与来自多激发集的激发中的每个激发的信息(或者多激发集中的所选择的激发或部分，如果期望的话)相对应。尽管在图5中示出了线性多激发集，但是本系统的实施例还可以与旋转扫描(径向轨迹)等相兼容。在完成动作405之后，过程可以继续到动作407。
在动作407期间，所述过程可以基于多激发集中的激发中的每个激发的图像组成矩阵。更具体地，所述过程可以将多激发集的每个图像(例如，504x)用作向量，以组成可以表示对应图像的矩阵。因此，所述过程可以形成多个矩阵，其中的每个矩阵可以表示对应的图像。所述过程可以将针对每个图像的矩阵存储在系统的存储器中以用于随后使用。此外，所述过程可以重塑这些矩阵中的一个或多个矩阵，以例如形成具有期望长度的向量。因此，对应的向量可以表示多个图像的矩阵的列。在完成动作407之后，过程可以继续到动作409。
在动作409期间，所述过程可以生成针对矩阵的特征值和对应的特征向量。因此，所述过程例如向矩阵应用SVD分析以生成特征值和特征向量中的每个。因此，SVD分析的结果可以提供特征值和对应的特征向量。所述过程可以使用适合的特征分析方法确定特征值，以提取多激发图像集中的每个图像(激发)中间的共同特征。例如，根据本系统的实施例操作的基于特征分析的方法可以被用于自适应地(利用局部权重)组合针对最佳SNR的相位阵列MR图像。当根据本系统的实施例操作时，该方法可以在没有线圈灵敏度信息的知识的情况下提供最佳SNR。该方法可以被称为经修改的ACC方法。此外，特征分析还在R6中讨论并且可以适合地根据本系统的实施例应用。针对(例如，在动作405期间形成的原始图像的)(原始)图像中的每个而言，每个(例如，对应图像的)特征向量的元素可以用作这些(原始)图像中的每个的权重，以生成这些图像的加权和。该加权和可以被称为复合图像(例如，参见如下动作413)，其是求和或组合图像。此外，根据本系统的实施例，所执行的SVD分析可以被认为是全局分析。在完成动作409之后，所述过程可以继续到动作411。
在动作411期间，所述过程可以根据在动作409期间所确定的特征值来确定最大特征值。所述过程还可以确定对应于最大特征值的特征向量。因此，针对所确定的最大特征值而言，所述过程可以选择其对应的特征向量。因此，所述过程可以例如分析SVD分析的结果的至少一部分(例如，特征值)并且确定最大特征值。在完成动作411之后，过程可以继续到动作413。
在动作413期间，所述过程可以基于组合的(复合)图像信息来形成复合图像，其与先前所确定的最大特征值相对应，作为复合图像。因此，对应于最大特征值的组合图像可以被用作复合图像。上文参考如根据本系统的实施例在本文中可以适合地应用的动作409进一步说明性地讨论了复合图像的形成。所述复合图像可以是对应于所确定的最大特征值的组合图像。根据本系统的实施例，该图像可以具有比使用常规平均方法获得的图像显著地更低的噪声和/或伪影水平。在完成动作413之后，过程可以继续到动作415。
在动作415期间，所述过程可以使用适合的归一化方法对复合图像的能量进行归一化。例如，所述过程可以使用可以确定复合图像(例如，对应于复合图像的复合图像信息)的L2范数的归一化方法并且复合图像除以自身的L2范数并且乘以原始图像之一的L2范数(诸如图像集中的第一个)或所有原始图像的L2范数的平均。在完成动作415之后，所述过程可以继续到动作417。
在动作417期间，为了用户的方便，所述过程可以在系统的显示器上绘制归一化的复合图像信息。此外，所述过程还可以提供的用户接口(UI)，利用所述用户接口，用户可以交互以改变查看参数、输入信息(例如，笔记、命令、选择等)等。根据本系统的实施例，如果期望的话，图像采集、处理和绘制中的一个或多个可以实时发生或延迟，诸如通过图像存储(例如，参见动作419)和后续处理。在完成动作417之后，所述过程可以继续到动作419。
在动作419期间，所述过程可以将由所述过程所生成的信息，诸如MR图像信息、所生成的组合图像等，存储在系统的存储器中以用于随后的使用。如可以容易理解到，在过程400期间和/或之后的任何时间处，信息可以被存储用于后续绘制和/或处理。在完成动作419之后，所述过程继续到动作421，其中，所述过程可以结束。
测试结果
下文讨论了根据本系统的实施例的过程400的两个测试的结果，如在第一测试和第二测试中所图示的。
在第一测试中，利用NS＝4采集多激发DWI图像。然后，所采集的DWI图像被重建为如在图6A中所示，图6A示出了根据常规平均方法重建的多激发DWI图像；并且被重建为如在图8B中所示，图6B示出了使用根据本系统的实施例操作的特征分析组合方法重建的多激发DWI图像。比较图6A和图6B的结果，应看到本系统的实施例可以导致比常规方法更高的对比度噪声比(CNR)。
第二测试图示了本系统的实施例可以提供具有比当这些图像的子集包含伪影时可以使用常规平均方法获得的伪影水平更低的伪影水平的图像。使用两个数据集。一个数据集与8激发EPI DWI图像相对应；另一数据集与4激发TSE肝图像相对应。在这两个数据集中，利用单个激发生成单个图像。下文在图7A-图7B和图8A-图8B中示出了这些图像，其中，图7A示出了根据常规平均方法重建的8激发EPI DWI图像；并且图7B示出了根据本系统的实施例重建的8激发EPI DWI图像。图8A示出了根据常规平均方法重建的4激发TSE肝图像；并且图8B示出了根据本系统的实施例重建的4激发TSE肝图像。在图7A和图7B中，使用相同的8激发EPI DWI图像数据集，并且所得的图像700A和700B是数据集中的所有激发的组合的图像。类似地，在图8A和图8B中，使用相同的4激发TSE数据集，并且所得的图像800A和800B是数据集中的所有激发的组合的图像。关于图8A，箭头810示出了伪影的位置。
因此，本系统的实施例可以形成在理论上应当相同的图像集(例如，在NS>1的情况下)。然而，由于在数据采集期间的各种原因，诸如噪声等，一个或多个可以稍微不同。然后，所述过程可以使用根据本系统的实施例操作的特征分析方法从多激发集的图像集提取共同特征。然后，对应于最大特征值的组合图像可以被选择为复合图像，为了用户的方便，其后者可以在系统的显示器上绘制和/或被存储在系统的存储器中以用于随后的使用，诸如处理等。该方法可以导致比常规基于平均的方法显著更低的噪声和/或伪影水平。
低秩方法
根据本系统的其他实施例，提供了一种甚至当激发的数量增加(例如，针对高数量的激发)到例如18激发时鲁棒地工作的针对ms-EPI的自导航重建算法。然而，也设想了其他值和/或值的范围。如上文所讨论的，当激发的数量大于4时，常规MUSE方法可能失败。利用图9A和图9B的比较图示了这种情况，其中，图9A示出了基于1激发SENSE的重建900A；并且图9B示出了其中存在显著伪影的基于8激发SENSE的重建的范例。
图10是根据本系统的实施例的图示了由磁共振系统所执行的过程1000的流程图。在操作中，所述过程可以在动作1001期间开始并且然后转到动作1003。
在动作1003期间，所述过程可以执行多激发图像采集过程以采集针对包括若干激发的多激发序列(例如，多激发集)的MR图像数据(例如，回波信息、模拟MR信息等)。可以使用任何适合的成像方法，诸如高空间分辨率多激发ERI、DWI和/或TSE，来执行采集。在完成动作1003之后，所述过程可以继续到动作1005。例如等式2中的第二项可以被用于该目的。因此，根据本系统的实施例，较大的秩将导致等式中的较大的总能量。然而，根据本系统的实施例，为了最小化能量，可以惩罚经重建的图像的秩。
在动作1005期间，所述过程可以根据激发的数量和/或信号平均数(R3)强制图像集的低秩。该低秩强制可以被分离地应用到复杂数据或幅度和相位。根据本系统的实施例，多激发成像可以被视为加速的动态成像。每个单个激发可以与多激发集的一个静态图像相对应并且可以被认为形成动态图像集。因此，动态图像集的加速因子等于多激发集中的激发的数量。该动态图像集的唯一性质在于，如果不存在运动，则针对多激发图像集的每个对应激发的图像应当在理论上是相同的。因此，如果在多激发图像集的图像激发中不存在大量的连续的运动，则应预期到，这些图像将然后基本上彼此类似并且多激发的秩应当是低的，如关于如下等式2下文将讨论的。因此，本系统的实施例可以采用低秩性质来求解根据本系统的实施例的加速动态成像问题。所提出的低秩方法的数学模型可以被表达为：
其中，s是激发的计数(例如，激发指数)；Is是激发s的图像；F是编码运算符；ks是针对激发S的采集的(针对当前激发的k空间)数据；F是傅里叶变换；rank(*)是秩计算运算符，秩是描述矩阵中的向量的线性相关性的数学度量，其是大于或等于1并且小于或等于矩阵的大小的整数(例如，如根据约定)；γ是平衡等式的第一项和第二项的非负参数，其可以分别被称为第一数据保真度(FDF)项和低秩正则化(LRR)项，相应地，如下文所述并且还将讨论的。γ的范例值可以是1。较大的γ可以强调低秩，并且所重建的图像可以具有高信噪比(SNR)但是较高的伪影水平。较小的γ更强调保真度项，并且所重建的图像可以具有低SNR但是较低的伪影水平。由于针对DWI的采集的信号平均的数量(NSA)常常大于1以改进SNR，因而s能够包括激发的数量(Ns)和平均的数量者两者。如上文所描述的，每个完全k空间包含NS个激发。相同受检者可以被扫描NEX次以导致NEX个完全k空间。因此，所述过程总计可以采集NS x NEX个激发。可以通过系统(例如，从存储器获得的或者基于系统参数计算的)或用户设定NS和NEX的值。第一数据保真度项可以与SENSE项相同。低秩正则化项，其促使(激发的)图像的低秩性质对应于相同受检者(例如，在相同多激发集内)的多激发。因此，数学模型可以被认为是经修改的低秩正则化的SENSE方法。
如上文所讨论的，如果根本不存在运动，那么所有这些图像应当确切地是相同的多激发集，并且秩是一。如果仅存在偶然的相对大的缩放运动，则秩可以保持低(基本上等于或接近1)。在这些场景中，所述数学模型在理论上是声音。然而，当在图像采集期间存在连续的随机运动时，所述模型可能失败。因此，如果模型失败，则经重建的图像可以包括伪影并且可以降低准确度。当在ms-EPI中不存在大的缩放运动时，秩能够等于一并且可以促使用于Is的幅度，因为多激发集的所有激发的图像的所有幅度可以被认为是确切相同的。
根据一些实施例，所述过程可以例如使用SVD分析来生成至少一个平均图像，以强制低秩正则化。例如，所述过程可以采用SVD分析来执行低秩正则化(例如，利用秩＝1)。该SVD分析可以被用于基于来自多激发集的图像集来确定平均图像。
在完成动作1005之后，所述过程继续到动作1007，在动作1007期间，所述过程可以基于作为Is的配准平均的最后重建来重建最终的图像。动作1005的结果可以包括图像集。如果使用等于一的秩，那么输出是一幅图像，其可以被用作最终的重建图像。然而，如果使用大于一的秩，那么输出可以包括图像集，其可以被用作最终的重建图像。可能的是，这些图像的幅度(例如，后者的情况)是不同的。因此，在执行平均操作之前，所述过程可以对针对图像集的这些图像中的每个图像的幅度进行配准。在完成动作1007之后，过程可以继续到动作1009。
在动作1009期间，为了用户的方便，所述过程可以在系统的显示器上绘制最终的图像。所述过程可以提供用户接口(UI)，利用所述用户接口，用户可以交互以改变查看参数、输入信息(例如，笔记、命令、选择等)等。根据本系统的实施例，如果期望的话，图像采集、处理和绘制中的一个或多个可以实时发生或可以延迟。在完成动作1009之后，所述过程可以继续到动作1011。
在动作1011期间，所述过程可以将由所述过程所生成的信息(诸如最终的图像、所采集的MR信息等)存储在系统的存储器中以用于随后的使用。如可以容易理解到，在过程1000期间和/或之后的任何时间处，信息可以被存储用于后续绘制和/或处理。在完成动作1011之后，所述过程继续到动作1013，其中，所述过程可以结束。
本系统的实施例可以采用笛卡尔或非笛卡尔轨迹，诸如多激发螺旋。
根据本系统的实施例，多激发图像集中的每个激发和待重建的图像的相位(或图像自身)可以被视为两个未知项。这些未知项然后可以使用根据本系统的实施例的方法迭代地并且联合地求解。
根据本系统的实施例，在本文中所讨论的卷积方法和低秩方法中，每个中的一个步骤是生成平均图像。根据本系统的实施例，可以采取在本文中所讨论的SVD平均方案来计算平均图像。例如，在本文所讨论的卷积方法的一个或多个迭代中，可以例如使用在本文中所讨论的SVD平均方案来计算平均图像。根据本系统的实施例，在本文中所讨论的卷积方法的每次迭代可以使用在本文中所讨论的SVD平均方案。
此外，根据本系统的实施例，在本文中所讨论的低秩方法可以将SVD平均方案用作用于低秩正则化(秩＝1)的特定实现方案。
测试结果
在具有(由Invivo Corp.，Gainesville，U.S.A制造的)8信道(ch)头部线圈的PhilipsTM 3T AchievaTM系统上采集样本高分辨率弥散张量成像(DTI)图像。更具体的，使用具有两次重新聚焦的自旋回波方案和如下参数的多激发EPI序列来执行数据采集：(b＝800s/mm2，平均的数量＝4，方向的数量＝6，FOV＝230mm2，平面内空间分辨率＝0.8mm2，切片厚度4mm，部分傅里叶比率＝0.6，FA＝90°，TR＝2.8s，并且TE＝70ms)。取决于测试，激发的数量被设定到4和8，如下文所描述的。
图11示出了使用根据本系统的实施例操作的4激发的激发数据集所生成的FA地图1100。FA地图1100示出了四幅图像a到d，其中，使用根据本系统的实施例操作的所提出的低秩SENSE成像方法获得图像a，并且使用MUSE成像方法获得图像b并且图像c和图像d分别是图像a和图像b的放大图像。使用低秩SENSE和MUSE方法获得的图像展示相似的图像质量。
图12示出了使用根据本系统的实施例操作的8激发数据集生成的FA地图1200。FA地图1200示出了四幅图像，其中，列中的每个列示出不同的切片并且上行示出了使用低秩SENSE方法获得的图像并且下行示出了使用MUSE方法获得的图像。当激发的数量被设定到八时，MUSE中的初始SENSE具有为8的加速因子。然而，8信道线圈未提供针对有意义的重建的信息以提供针对MUSE方法的必要的相位信息。因此，使用MUSE方法重建的图像是不可接受的。另一方面，低秩SENSE方法仍然提供高图像质量。
图13示出了使用根据本系统的实施例操作的8激发数量据集生成的地图1300。地图1300包括对应于在不使用导航器的情况下使用规则螺旋设置的体内大脑DWI数据的四幅图像。在具有如下参数的PhilipsTM 3T扫描器上采集这些图像：8信道、8激发、TE/TR＝46/2900ms、FOV＝210X210mm、分辨率＝0.86x0.86mm、切片厚度＝3mm、b值＝800s/mm2、弥散方向＝15、读出持续时间＝30ms。
图14示出了使用根据本系统的实施例操作的12激发数据集生成的地图1400。地图1400包括对应于在不使用导航器的情况下使用规则螺旋设置的体内大脑DWI数据的四幅图像。在具有如下参数的PhilipsTM 3T扫描器上采集这些图像：32信道、12激发、TE/TR＝49/2500ms、FOV＝220X220mm、分辨率＝0.9x0.9mm、切片厚度＝4mm、b值＝1000s/mm2、弥散方向＝6、读出持续时间＝18ms。
更具体地，在对应的地图1300和1400内的左列和右列中布置地图1300和1400中的每个地图中的图像，并且在这些地图的每个地图中，使用SENSE+CG方法来重建左列中的图像，并且使用根据本系统的实施例操作的低秩SENSE方法来重建右列中的图像。白箭头可以证明低秩SENSE的重建比常规SENSE+CG方法具有更高的SNR的区域。
因此，本系统的实施例可以提供有效地降低归因于多激发采集的激发间运动的伪影的系统和方法。本系统的实施例可以特别地适于与高空间分辨率多激发EPI DWI以及TSE成像系统和方法一起使用。
参考图15讨论了重建根据本系统的实施例操作的目标图像的方法，图15示出了图示可以由根据本系统的实施例的磁共振系统执行的过程1500的流程图。过程1500可以使用通过网络通信的一个或多个计算机执行并且可以从彼此本地和/或远程的一个或多个存储器获得信息和/或将信息存储到所述一个或多个存储器。根据本系统的实施例的本文中的过程1500和其他过程可以包括如下动作中的一个或多个。此外，如果期望的话，则这些动作中的一个或多个可以组合和/或分离为子动作。此外，取决于设置，可以跳过这些动作中的一个或多个。图像信息可以包括例如从多激发图像序列采集的图像信息。在操作中，过程1500可以在动作1501期间开始并且然后转到动作1503。
在动作1503期间，所述过程可以执行多激发采集过程以采集针对包括多个激发的至少一个多激发集(例如，激发集)的MR信息(例如，回波信息、模拟MR信息等)。可以根据诸如ms-EPI弥散加权图像(DWI)扫描序列的多激发序列来执行多激发采集过程。根据一些实施例，ms-EPI扫描可以具有交错和/或读出方向类型。还可以使用任何适合的多激发采集方法，诸如快速自旋回波(TSE)、多激发螺旋、螺旋桨和/或ms-回波平面成像(ms-EPI)方法，来执行多激发采集过程。每个多激发集可以包括NS个激发并且可以被扫描NEX次。因此，根据本系统的实施例，所述过程可以采集NS*NEX个图像。因此，所述过程可以采集针对NS*NEX个图像的MR信息(例如，回波信息、模拟MR信息等)并且所述过程可以采集若干(例如，其可以等于NEX)相同的图像。说明性地，该动作可以与例如本文中的动作403类似，但是可以适合地应用图像采集的其他方法。在完成动作之后1503，过程可以继续到动作1505。
在动作1505期间，所述过程可以执行联合重建，其中，NS*NEX个图像和目标图像可以被视为未知集。所述过程然后可以使用任何适合的(一种或多种)数学方法数字地联合求解未知的这两个集合。例如，所述过程可以使用根据本系统的实施例操作的卷积和/或低秩方法(如分别关于图2和图10的流程图所讨论的)来联合地获得未知的这两个集合的数字分辨率。还应当设想到，可以同时或者顺序地获得数字解以便数字地联合求解未知的两个集合。在该过程期间，所述过程可以使用根据本系统的实施例的卷积方法和低秩方法中的至少一个迭代地计算针对NS*NEX个图像和目标图像的解，以求解未知集(例如，多激发集)，从而确定目标图像。在完成动作1505之后，过程可以继续到动作1507。
在动作1507期间，为了用户的方便，所述过程可以在系统的显示器上绘制联合地重建的目标图像。此外，所述过程还可以提供用户接口(UI)，利用所述用户接口，用户可以交互以改变查看参数、输入信息(例如，笔记、命令、选择等)等。根据本系统的实施例，如果期望的话，图像采集、处理和绘制中的一个或多个可以实时发生或延迟，诸如通过图像存储和后续处理。在完成动作1507之后，过程可以继续到动作1509。
在动作1509期间，所述过程可以将由过程所生成的信息(诸如MR图像信息、所计算的目标图像等)存储在例如系统的存储器中以用于随后的使用。如可以容易理解到，在过程1500期间和/或之后的任何时间处，信息可以被存储用于后续绘制和/或处理。在完成动作1509之后，所述过程继续到动作1511，其中，所述过程可以结束。
本系统的实施例可以将由每个激发得到的图像(或图像自身)的相位和待重建图像(例如，目标图像)两者视为两个未知项，并且可以迭代并且联合地求解这两个未知项。相反，常规方法可以独立地获得对这两个未知项的某个解，其可以产生与可以根据本系统的实施例获得的图像质量相比较劣质的图像质量。
本系统的实施例可以重建单个目标图像。为了改进单个目标图像的质量超过由常规方法获得的图像质量，应当设想到，根据本系统的实施例操作的过程可以采集多激发数据(例如，NS)信号平均数(例如，NSA或NEX)次，并且产生NS x NEX个图像。然后，所述过程然后可以迭代地计算针对NS x NEX个图像和目标图像的解。所述过程可能不需要在重建目标图像之前确定针对NS*NEX个图像的相位信息。根据本系统的实施例，过程可以将NS x NEX个图像和目标图像两者视为未知并且联合地计算未知的这两个集合的解。根据一些实施例，计算采用卷积方法和/或低秩方法以获得解。此外，可以同时或者顺序地执行确定未知的两个集合的计算。
此外，本系统的实施例还可以采用SVD平均方法(例如，参见图4)来确定目标图像。例如，卷积和/或低秩方法可以采用SVD平均方法以根据诸如根据NS*NEX图像的多激发图像信息来确定目标图像。
图16示出了根据本系统的实施例的系统1600的一部分。例如，本系统的一部分可以包括处理器1610(例如，控制器)，其操作地耦合到存储器1620、显示器1630、RF换能器1660、磁线圈1690和用户输入设备1670。存储器1620可以是用于存储应用数据以及涉及所描述的操作的其他数据的任何类型的设备。应用数据和其他数据由处理器1610接收用于将处理器1610配置(例如，编程)为执行根据本系统的操作动作。这样配置的处理器1610变为特别适合于根据本系统的实施例执行操作的专用机器。
操作动作可以包括通过例如控制磁线圈1690和/或RF换能器1660对MRI系统进行配置。磁线圈1690可以包括主磁线圈和梯度线圈(例如，x、y和z梯度线圈)并且可以被配置为以期望的方向和/或强度来发射主磁场和/或梯度磁场。所述控制器可以控制一个或多个电源以将电力提供给磁线圈1690，使得在期望的时间处发射期望的磁场。RF换能器1660可以被控制为在患者处发射RF脉冲和/或从其接收回波信息。所述重建器可以处理所接收的诸如回波信息的信号并将其(例如，使用本系统的实施例的一种或多种重建技术)转换为可以包括可以在例如本系统的用户接口(UI)上(诸如在显示器1630上等)绘制的图像信息(例如，静止或视频图像(例如，视频信息)、数据和/或图形)的内容。此外，内容然后可以被存储在系统(诸如存储器1620)的存储器中以用于随后的使用。因此，操作动作可以包括对内容(诸如例如从回波信息所获得的经重建的图像信息，如本文所描述的)的请求、提供和/或绘制。处理器1610可以在系统的UI(诸如系统的显示器)上绘制内容(诸如视频信息)。
用户输入1670可以包括键盘、鼠标、轨迹球或其他设备(诸如触敏显示器)，其可以是独立的或是用于经由任何可操作链接与处理器1610通信的系统的一部分。用户输入设备1670可以可操作用于与包括UI内的使能交互的处理器1610交互，如本文所描述的。清楚地，处理器1610、存储器1620、显示器1630和/或用户输入设备1670可以全部或部分是计算机系统或其他设备(诸如MR系统)的一部分。
本系统的方法特别地适合于由计算机软件程序执行，这样的程序包含对应于由本系统所描述和/或所预想的单独的步骤或动作中的一个或多个。当然，这样的程序可以实现在计算机可读介质中，诸如集成芯片、外围设备或存储器，诸如存储器1620或耦合到处理器1610的其他存储器。
在系统1620中包含的程序和/或程序部分可以将处理器1610配置为实现本文所公开的方法、操作动作和功能。
处理器1610可操作用于响应于来自用户输入设备1670的输入信号以及响应于例如网络1680的其他设备提供控制信号和/或执行操作和执行存储在存储器1620中的指令。处理器1610可以包括如下中的一个或多个：微处理器、(一个或多个)专用或通用集成电路、逻辑设备等等。此外，处理器1610可以是用于根据本系统执行的专用处理器或可以是通用处理器，其中，仅若干功能之一操作用于根据本系统执行。处理器1610可以利用程序部分、多个程序分段操作，或者可以是利用专用或多用集成电路的硬件设备。
本系统的实施例可以提供快速成像方法来采集和重建多激发图像。适合的应用可以包括诸如MRI和MRS系统等的成像系统，其要求：短采集时间和高分辨率，同时消除诸如归因于化学位移和主磁场不均匀性的不利影响。本系统的其他变型将容易由本领域的普通技术人员想到并且由如下权利要求书所包含。
最后，以上讨论旨在仅图示本系统并且不应当被解释为将随附的权利要求书限于任何特定的实施例或实施例之一。因此，虽然已经参考示范性实施例描述了本系统，但是还应当理解，在不脱离如如下权利要求中所阐述的本系统的边界和预期精神和范围的情况下，可以由本领域的普通技术人员做出许多修改和备选实施例。另外，在本文中包括的章节标题旨在促进回顾而不是旨在限制本系统的范围。因此，说明书和附图将以说明性方式看待并且将并非旨在限制随附权利要求书的范围。
在解析权利要求书时，应当理解：
a)词语“包括”不排除给定权利要求中的那些外的其他元件或动作的存在；
b)在元件前面的词语“一”或“一个”不排除多个这样的元件的存在；
c)权利要求中的任何附图标记不限制其范围；
d)若干“装置”可以通过相同项目或硬件或软件实现的结构或功能表示；
e)任何所公开的元件可以包括硬件部分(例如，包括分立和集成电子电路)、软件部分(例如，计算机编程)和其任何组合；
f)硬件部分可以包括模拟和数字部分中的一者或两者；
g)除非另外特别陈述，否则任何所公开的设备或其部分可以组合在一起或分离为另外的部分；
h)除非特别指明，否则动作或步骤的特定序列不旨在是要求的；以及
i)术语“多个”元件包括所要求保护的元件中的两个或两个以上，并且不隐含任何特定范围数目的元件：即，多个元件可以像两个元件那样少，并且可以包括不可测量数目的元件。
参考文件：
下文所列出的参考文件1到9通过引用并入本文并且贯穿说明书相应地使用附图标记R1到R9在本文中提及。例如，R1可以对第一引用文件(例如，由Chen N-k)。
1、Chen N-k，Guidon A，Chang H-C，Song AW。A robust multi-shot scanstrategy for high-resolution diffusion weighted MRI enabled by multiplexedsensitivity-encoding(MUSE)。NeuroImage 2013；72：41-47。
2、Pruessmann KP，Weiger M，Scheidegger MB，Boesiger P。SENSE：Sensitivityencoding for fast MRI。MagnReson Med 1999；42：952-962。
3、Zhao B，Haldar JP，Brinegar C，Liang Z-P。Low rank matrix recovery forreal-time cardiac MRI。IEEE ISBI；2010，第996-999页。
4、Jeong H-K，Gore JC，Anderson AW。High-Resolution Human DiffusionTensor Imaging Using 2-D Navigated Multishot SENSE EPI at 7T。MagnReson Med2013；69：793-802。
5、Fautz HP，Honal M，Saueressig U，Schafer O，Kannengiesser SAR。ArtifactReduction in Moving-Table Acquisitions Using Parallel Imaging and MultipleAverages。Magn Reson Med 2007；57：226–232。
6、Walsh DO，Gmitro AF，Marcellin MW。Adaptive Reconstruction of PhasedArray MR Imagery。Magn Reson Med 2000；43：682-690。
7、Huang F，Lin W，P，Li Y，Reykowski A。Data COnvolution andCombination OperAtion(COCOA)for Motion Ghost Artifacts Reduction。MagnResonMed 2010；64(1)：157-166。
8、Truong TK，Chen NK，Song AW。Inherent correction of motion-inducedphase errors in multishot spiral diffusion-weighted imaging。Magn ResonMed2012；68(4)：1255-1261。
9、Griswold MA，Jakob PM，Heidemann RM，Mathias Nittka，Jellus V，Wang J，Kiefer B，Haase A。Generalized Autocalibrating Partially Parallel Acquisitions(GRAPPA)。Magn Reson Med 2002；47：1202-1210。

Claims (15)

1.一种磁共振(MR)成像(MRI)系统(100、1500)，所述系统包括至少一个控制器(110、1510)，所述至少一个控制器被配置为：
执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；
训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下或者通过使用自训练过程获得的所述MR信息的至少一部分的数据，所述卷积核包括卷积数据；
将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述多个图像激发中的所述至少两个图像激发的每个对应激发的合成k空间数据，从而校正运动误差，其中，所述合成k空间数据是通过强制在所述迭代卷积期间的在所述多个图像激发中的至少两个图像激发之间的数据一致性而形成的；
将针对所述至少一个多激发图像集的所述多个图像激发中的所述至少两个图像激发的所述合成k空间数据投影到图像空间中；并且
对投影到所述图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
2.根据权利要求1所述的MRI系统，其中，当执行针对对应的多激发集的所述迭代卷积时，所述至少一个控制器保持所述卷积核的所述数据恒定。
3.根据权利要求1所述的MRI系统，其中，所述至少一个控制器还被配置为：固定所述卷积核的所述数据，以便形成在针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性。
4.根据权利要求1所述的MRI系统，其中，所述合成k空间数据形成合成k空间数据的若干激发(Ns)集。
5.根据权利要求1所述的MRI系统，其中，在所述平均期间，所述至少一个控制器被配置为对针对所述多个图像激发中的至少两个激发的所述合成k空间数据的幅度进行平均。
6.根据权利要求1所述的MRI系统，还包括显示器，其中，所述至少一个控制器还被配置为在所述显示器上绘制所形成的图像信息。
7.一种重建由具有至少一个控制器(110、1510)的磁共振(MR)成像(MRI)系统(100、1500)获得的图像的方法，所述方法由所述MR成像系统(100、1500)的所述至少一个控制器(110、1510)执行，并且所述方法包括如下动作：
执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；
训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下获得的所述MR信息的至少一部分的数据，所述卷积核包括卷积数据；
将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述至少两个图像激发中的每个对应激发的合成k空间数据，从而校正运动误差，其中，所述合成k空间数据是通过强制在所述迭代卷积期间的在所述多个图像激发中的至少两个图像激发之间的数据一致性而形成的；
将针对所述多个图像激发中的所述至少两个图像激发的所述合成k空间数据投影到图像空间中；并且
对投影到图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
8.根据权利要求7所述的方法，其中，所述方法还包括如下动作：当执行针对对应的多激发集的所述迭代卷积时，保持所述卷积核的所述数据恒定。
9.根据权利要求7所述的方法，其中，所述方法还包括如下动作：固定所述卷积核的所述数据，以便形成在针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性。
10.根据权利要求7所述的方法，其中，所述合成k空间数据形成合成k空间数据的若干激发(Ns)集。
11.根据权利要求7所述的方法，其中，平均的所述动作还包括：对针对所述至少一个多激发图像集中的至少两个激发的所述合成k空间数据的幅度进行平均。
12.根据权利要求7所述的方法，其中，所述方法还包括如下动作：在显示器上绘制所形成的图像信息。
13.一种存储有计算机程序的计算机可读非瞬态存储器介质，所述计算机程序被配置为重建从磁共振(MR)图像系统(100、1500)获得的图像，所述计算机程序包括：
程序部分，其被配置为：
执行多激发图像采集过程以采集针对至少一个多激发图像集的MR信息，所述至少一个多激发图像集包括多个图像激发，每个图像激发包括对应的数据，所述MR信息的至少一部分是在使用梯度的情况下获得的，并且所述MR信息的至少另一部分是在不使用所述梯度的情况下获得的；
训练卷积核，所述卷积核包括关于在不使用所述梯度的情况下获得的所述MR信息的至少一部分的数据，所述卷积核包括卷积数据；
将针对所述至少一个多激发图像集的所述多个图像激发中的至少两个图像激发的在使用梯度的情况下获得的所述MR信息与经训练的卷积核迭代地卷积，以形成针对所述至少两个图像激发中的每个对应激发的合成k空间数据，从而校正运动误差，其中，所述合成k空间数据是通过强制在所述迭代卷积期间的在所述多个图像激发中的至少两个图像激发之间的数据一致性而形成的；
将针对所述至少一个多激发图像集的所述多个图像激发中的所述至少两个图像激发的所述合成k空间数据投影到图像空间中；并且
对投影到所述图像空间中的所投影的合成k空间数据进行平均以形成图像信息。
14.根据权利要求13所述的计算机可读非瞬态存储器介质，其中，所述程序部分还被配置为：当执行针对对应的多激发集的所述迭代卷积时，保持所述卷积核的所述数据恒定。
15.根据权利要求13所述的计算机可读非瞬态存储器介质，其中，所述程序部分还被配置为：固定所述卷积核的所述数据，以便形成在针对所述至少一个多激发图像集的所述迭代卷积期间的一致相关性，和/或在平均期间，所述程序部分还被配置为对针对所述至少一个多激发图像集中的至少两个激发的所述合成k空间数据的幅度进行平均。
CN201580036341.7A 2014-07-03 2015-06-30 在多激发mri中由于激发间运动造成的伪影的降低 Expired - Fee Related CN106471389B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2014081589 2014-07-03
CNPCT/CN2014/081589 2014-07-03
PCT/IB2015/054905 WO2016001836A2 (en) 2014-07-03 2015-06-30 Multi-shot magnetic-resonance (mr) imaging system and method of operation thereof

Publications (2)

Publication Number Publication Date
CN106471389A CN106471389A (zh) 2017-03-01
CN106471389B true CN106471389B (zh) 2019-10-18

Family

ID=53762240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580036341.7A Expired - Fee Related CN106471389B (zh) 2014-07-03 2015-06-30 在多激发mri中由于激发间运动造成的伪影的降低

Country Status (6)

Country Link
US (1) US10386440B2 (zh)
EP (1) EP3164729A2 (zh)
JP (1) JP6640757B2 (zh)
CN (1) CN106471389B (zh)
RU (1) RU2697994C2 (zh)
WO (1) WO2016001836A2 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843862B (zh) * 2016-09-20 2021-04-23 奥泰医疗系统有限责任公司 一种propeller技术中参考位置图像的非迭代生成方法
CN110226100B (zh) * 2017-01-25 2022-03-15 上海联影医疗科技股份有限公司 用于磁共振成像的系统和方法
EP3583436B1 (en) * 2017-02-14 2022-09-28 The United States of America, as represented by the Secretary, Department of Health and Human Services Denoising of dynamic magnetic resonance spectroscopic imaging using low rank approximations in the kinetic domain
US10551458B2 (en) * 2017-06-29 2020-02-04 General Electric Company Method and systems for iteratively reconstructing multi-shot, multi-acquisition MRI data
US10557907B2 (en) * 2017-09-15 2020-02-11 Uih America, Inc. System and method for reducing nyquist ghost artifact
US10989779B2 (en) * 2017-09-29 2021-04-27 Yonsei University, University - Industry Foundation (UIF) Apparatus and method for reconstructing magnetic resonance image using learning, and under-sampling apparatus method and recording medium thereof
EP3495832A1 (en) * 2017-12-11 2019-06-12 Koninklijke Philips N.V. Diffusion mr imaging with fat suppression
CN108305221B (zh) * 2018-01-03 2021-10-12 上海东软医疗科技有限公司 一种磁共振并行成像方法和装置
CN108459289B (zh) * 2018-01-30 2021-03-12 奥泰医疗系统有限责任公司 一种基于数据一致性的多次激发弥散加权磁共振成像方法
CN109413510B (zh) * 2018-10-19 2021-05-18 深圳市商汤科技有限公司 视频摘要生成方法和装置、电子设备、计算机存储介质
CN109800800B (zh) * 2019-01-08 2020-10-16 上海东软医疗科技有限公司 一种磁共振成像获得深度学习训练集的方法和装置
CN110346743B (zh) * 2019-07-22 2021-09-14 上海东软医疗科技有限公司 一种磁共振弥散加权成像方法和装置
CN110673070B (zh) * 2019-09-12 2022-03-01 上海联影医疗科技股份有限公司 磁共振信号校正网络的训练方法和磁共振信号处理方法
US20230126413A1 (en) * 2020-04-08 2023-04-27 The Johns Hopkins University D-glucose and its analogs as tracers to assess the glucose transporter function on blood-cerebrospinal fluid barrier and the functioning of the brain lymphatic system
WO2023205746A2 (en) * 2022-04-20 2023-10-26 The General Hospital Corporation Portable neonatal mri system and method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6853191B1 (en) * 2003-12-10 2005-02-08 The Board Of Trustees Of The Leland Stanford Junior University Method of removing dynamic nonlinear phase errors from MRI data
CN103371821A (zh) * 2012-04-20 2013-10-30 西门子公司 借助磁共振技术采集呼吸的检查对象的测量数据组的方法
CN104181486A (zh) * 2013-07-05 2014-12-03 上海联影医疗科技有限公司 磁共振图像重建方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5828718A (en) * 1996-11-27 1998-10-27 Analogic Corporation Method and apparatus for helical computed tomography scanning with asymmetric detector system
US7795869B1 (en) 2005-05-02 2010-09-14 The Regents Of The University Of California Processing of multiple echo data sets in magnetic resonance imaging
CN101171527A (zh) 2005-05-02 2008-04-30 皇家飞利浦电子股份有限公司 磁共振成像系统的各个信号通道中的独立运动校正
US7176683B2 (en) 2005-05-06 2007-02-13 The Board Of Trustees Of The Leland Stanford Junior University Iterative decomposition of water and fat with echo asymmetry and least square estimation
CN101416068A (zh) * 2006-04-06 2009-04-22 皇家飞利浦电子股份有限公司 波谱磁共振成像
US7439739B2 (en) 2006-07-11 2008-10-21 The Board Of Trustees Of The Leland Stanford Junior University Anti-aliased magnetic resonance image reconstruction using partially parallel encoded data
US7860291B2 (en) * 2007-06-12 2010-12-28 General Electric Co. Method and apparatus for correcting motion in multi-shot diffusion-weighted magnetic resonance imaging
US8922209B2 (en) 2008-03-11 2014-12-30 The University Of Western Ontario System and method for magnetic resonance imaging
US7902825B2 (en) * 2008-05-19 2011-03-08 The Board Of Trustees Of The Leland Stanford Junior University Motion corrected tensor magnetic resonance imaging
US20120002858A1 (en) 2009-03-25 2012-01-05 Koninklijke Philips Electronics N.V. Motion detection and correction in magnetic resonance imaging for rigid, nonrigid, translational, rotational, and through-plane motion
DE102009017778A1 (de) * 2009-04-20 2010-11-18 Siemens Aktiengesellschaft Verfahren, Magnetresonanzgerät und Computerprogramm für eine Akquisition von Messdaten eines Untersuchungsbereichs eines Untersuchungsobjekts während einer kontinuierlichen Fahrt des Untersuchungsbereichs durch ein Magnetresonanzgerät
US8384383B2 (en) * 2010-03-23 2013-02-26 Max-Planck-Gesellschaft zur Foerferung der Wissenschaften E.V. Method and device for reconstructing a sequence of magnetic resonance images
US20130028538A1 (en) * 2011-07-29 2013-01-31 Simske Steven J Method and system for image upscaling

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6853191B1 (en) * 2003-12-10 2005-02-08 The Board Of Trustees Of The Leland Stanford Junior University Method of removing dynamic nonlinear phase errors from MRI data
CN103371821A (zh) * 2012-04-20 2013-10-30 西门子公司 借助磁共振技术采集呼吸的检查对象的测量数据组的方法
CN104181486A (zh) * 2013-07-05 2014-12-03 上海联影医疗科技有限公司 磁共振图像重建方法及装置

Also Published As

Publication number Publication date
WO2016001836A2 (en) 2016-01-07
RU2017103445A (ru) 2018-08-03
RU2697994C2 (ru) 2019-08-21
RU2017103445A3 (zh) 2019-02-27
WO2016001836A3 (en) 2016-03-17
JP2017519576A (ja) 2017-07-20
US10386440B2 (en) 2019-08-20
JP6640757B2 (ja) 2020-02-05
CN106471389A (zh) 2017-03-01
EP3164729A2 (en) 2017-05-10
US20170146630A1 (en) 2017-05-25

Similar Documents

Publication Publication Date Title
CN106471389B (zh) 在多激发mri中由于激发间运动造成的伪影的降低
JP6557710B2 (ja) 核磁気共鳴（ｎｍｒ）フィンガープリンティング
US10365344B2 (en) Magnetic resonance imaging apparatus
US9897675B2 (en) Magnetic resonance fingerprinting (MRF) with simultaneous multivolume acquisition
US8638096B2 (en) Method of autocalibrating parallel imaging interpolation from arbitrary K-space sampling with noise correlations weighted to reduce noise of reconstructed images
US9588207B2 (en) System for reconstructing MRI images acquired in parallel
US9709650B2 (en) Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images
JP6270709B2 (ja) 磁気共鳴生データの再構成方法および装置
US10379188B2 (en) MRI using spatially adaptive regularization for image reconstruction
US8379951B2 (en) Auto calibration parallel imaging reconstruction method from arbitrary k-space sampling
US10401456B2 (en) Parallel MR imaging with Nyquist ghost correction for EPI
CN104939828B (zh) 磁共振成像方法
US20070096732A1 (en) Parallel magnetic resonance imaging method using a radial acquisition trajectory
WO2015019970A1 (ja) 画像処理装置及び磁気共鳴イメージング装置
WO2014052527A1 (en) Image reconstruction for dynamic mri with incoherent sampling and redundant haar wavelets
CN108693492B (zh) 用于相位循环的磁共振指纹(phc-mrf)的系统和方法
JP2014508622A (ja) 事前情報に制約される正則化を使用するｍｒ画像再構成
US9594141B2 (en) System for accelerated magnetic resonance imaging using parallel coils
US10481231B2 (en) Magnetic resonance imaging apparatus and image generation method
US9971007B2 (en) Method and apparatus for accelerated magnetic resonance imaging
CN110869790A (zh) 使用具有可变对比度的星形堆叠采集进行的mr成像
CN108459289A (zh) 一种基于数据一致性的多次激发弥散加权磁共振成像方法
US20170307716A1 (en) Propeller mr imaging with artefact suppression
Zibetti et al. Fast data-driven learning of MRI sampling pattern for large scale problems
CN106255896B (zh) 具有对磁场不均匀性信息的运动校正、水脂肪分离和估计的mri propeller

Legal Events

Date Code Title Description
PB01 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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191018