CN106574952A - 用于硬件rf接收器通道减少的方法和装置 - Google Patents

用于硬件rf接收器通道减少的方法和装置 Download PDF

Info

Publication number
CN106574952A
CN106574952A CN201580043547.2A CN201580043547A CN106574952A CN 106574952 A CN106574952 A CN 106574952A CN 201580043547 A CN201580043547 A CN 201580043547A CN 106574952 A CN106574952 A CN 106574952A
Authority
CN
China
Prior art keywords
coil
advance
individual
output
channel
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
CN201580043547.2A
Other languages
English (en)
Other versions
CN106574952B (zh
Inventor
黄璐巍
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 Electronics 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 Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN106574952A publication Critical patent/CN106574952A/zh
Application granted granted Critical
Publication of CN106574952B publication Critical patent/CN106574952B/zh
Active 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/36—Electrical details, e.g. matching or coupling of the coil to the receiver
    • G01R33/3621—NMR receivers or demodulators, e.g. preamplifiers, means for frequency modulation of the MR signal using a digital down converter, means for analog to digital conversion [ADC] or for filtering or processing of the MR signal such as bandpass filtering, resampling, decimation or interpolation
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/34—Constructional details, e.g. resonators, specially adapted to MR
    • G01R33/341—Constructional details, e.g. resonators, specially adapted to MR comprising surface coils
    • G01R33/3415—Constructional details, e.g. resonators, specially adapted to MR comprising surface coils comprising arrays of sub-coils, i.e. phased-array coils with flexible receiver channels
    • 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
    • G01R33/5612—Parallel RF transmission, i.e. RF pulse transmission using a plurality of independent transmission channels
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/36—Electrical details, e.g. matching or coupling of the coil to the receiver
    • G01R33/3664—Switching for purposes other than coil coupling or decoupling, e.g. switching between a phased array mode and a quadrature mode, switching between surface coil modes of different geometrical shapes, switching from a whole body reception coil to a local reception coil or switching for automatic coil selection in moving table MR or for changing the field-of-view

Landscapes

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

Abstract

公开了用于硬件线圈压缩的方法和装置。被配置用于同一感兴趣区域的阵列中的线圈被分组到子阵列中。每个子阵列的线圈在进一步处理之前利用硬件组合器进行预先组合。包括所述预先组合器的预先组合转换器是灵活的，即，可应用于例如非圆柱形线圈；比软件压缩算法的直接实施更简单；并且在商业上可行。

Description

用于硬件RF接收器通道减少的方法和装置
技术领域
本发明涉及用于磁共振成像(MRI)的线圈压缩，并且具体涉及用于使用硬件线圈压缩器的线圈压缩的方法和装置。
背景技术
磁共振成像(MRI)、核磁共振成像(NMRI)、或磁共振断层摄影(MRT)是在放射学中用于在健康和疾病两方面研究人体的解剖结构和功能的医学成像技术。MRI是基于核磁共振(NMR)、波谱技术的原理的，所述核磁共振(NMR)、波谱技术被科学家用于获得关于分子的微观化学和物理信息。MRI扫描器使用强磁场和放射波来产生人体内部的高质量图像。
自第一个商业单元在20世纪80年代被推行以后，MRI扫描器已经进行了相当多的发展。MRI系统包括主磁体、梯度线圈、射频(RF)线圈和计算机系统。主磁体在要被成像的区周围产生强磁场B0。梯度线圈在B0中沿X、Y和Z方向产生梯度。RF线圈产生使自旋旋转90°、180°、或通过脉冲序列选定的任何其他值所需的磁场B1。RF线圈还检测来自人体内的自旋的信号。计算机系统或成像计算机接收检测到的RF信号并重建人体内部的图像。
使用具有许多RF线圈元件的接收器阵列的MRI系统提供具有高信噪比(SNR)、并行成像加速、或它们两者的图像。日益增长的RF线圈元件的数量导致日益增长的接收器通道或信号通道的数量、日益增长的重建中的数据和计算的量。然而，由于复杂性和成本考虑，商业成像计算机一般具有有限的4个输入部，每个输入部针对一个通道。这意味着可以为例如32个的信号通道的数量必须在信号能够被输入到商业成像计算机内之前被减少或被压缩为4个。
用于线圈压缩、接收器通道减少或MRI数据压缩的技术可以用于将来自许多通道的数据压缩到较少的虚拟通道中。例如，提供16个接收器通道或信号通道的典型16个线圈元件系统可以使用16组组合系数被线性地组合，以产生16个虚拟通道。16组组合系数构成转换矩阵。如果转换矩阵被很好地选取，则16个虚拟通道包含被包含在原始16个接收器通道中的所有信息，并且具有最高SNR的虚拟通道可以是具有理论上可获得的最高SNR的虚拟通道。具有最高SNR的4个虚拟通道可以被输入到用于图像重建的4个通道成像计算机内。
线圈压缩可以利用软件压缩器、硬件压缩器、或利用硬件和软件两者实施的压缩器来实现。硬件压缩器提供快速的压缩。软件压缩器提供灵活性。硬件压缩器和软件压缩器可以针对可行性、成像质量、成本有效性、简单性等进行选择或充分地进行组合。
硬件压缩器包括巴特勒矩阵(King S、Varosi S、Duensing G.，Optimum SNR datacompression in hardware using an eigencoil array，MagnReson Med，2010年，第63卷，第1346–1356页)、TIM(“Mode Matrix-A Generalized Signal Combiner for ParallelImaging Arrays”(ISMRM，2004年，第1587页)和软件压缩的直接实施(“A generalizedanalog mode-mixing matrix for channel compression in receive arrays”，ISMRM，2009年，第101页)。然而，巴特勒矩阵和TIM仅可应用于特定的线圈构造。巴特勒矩阵仅可应用于圆柱形线圈阵列，并且它不足以用于线性阵列或法向表面线圈阵列。TIM仅可应用于线性线圈阵列(例如，脊柱和躯干线圈阵列)，并且压缩比被限制于3:1。软件压缩的直接实施太复杂。利用硬件直接实施软件线圈压缩的32:8转换矩阵不受限于线圈阵列的构造，并且不被限制于3:1的压缩比，但是压缩器硬件利用太多硬件部件来进行构建，并且因此太复杂并且对于商业产品来说是成本低效的。
Wald等人的US20100289494A1公开了一种包括模式混合装置的基于硬件的压缩。所述模式混合装置包括多个分离器、多个组合器和多个路径，以压缩采集的多通道MR信号，从而产生压缩的多通道MR信号。基于硬件的压缩能够利用各种各样的阵列线圈来实现。2007年6月1日的Magnetic Resonance in Medicine中的公布文件“Array compressionfor MRI with large coil arrays”公开了使用相对于主成分分析(PCA)方法的最优组合的阵列压缩，所述阵列压缩得到相对均匀的虚拟灵敏度。2008年1月1日的MagneticResonance in Medicine中的另一公布文件“a software channel compressiontechnique for faster reconstruction with many channels”介绍了用于通道压缩的基于PCA的方法，所述方法不需要对灵敏度图、噪声相关性或任何其他之前信息的计算。Akao等人的US2007013375A1公开了减少在从M个通道信号到更低数量的通道信号的并行重建中采用的通道的数量的方法和装置。重建的通道模式的最优选择能够是将之前的视图信息和/或灵敏度数据用于给定切片的模式。
随着线圈数量日益增长，需要提供高质量成像并且简单且成本有效的压缩技术。
发明内容
公开了用于硬件线圈压缩的方法和装置。被配置用于同一感兴趣区域(ROI)的阵列中的线圈被分组到子阵列中。每个子阵列的线圈在进一步压缩之前利用硬件组合器进行预先组合。包括预先组合器的预先组合转换器是灵活的，即，可应用于例如非圆柱形线圈；比软件压缩算法的直接实施更简单；并且在商业上可行。
例如，对于预先组合，转换矩阵M首先被构建用于被配置用于同一ROI的阵列中的线圈。转换矩阵M针对转换输出进行优化以具有最高质量。线圈基于其重要性而被排序并被分组到子阵列中。预先组合系数针对由预先组合系数跨越的子空间被确定为尽可能靠近由用于排序的线圈的最优转换矩阵M的所有行货最重要的行跨越的空间。利用硬件预先组合器构建的转换器对于商业实施来说是简单且成本有效的，并且具有高性能。
作为一个范例，一种用于磁共振成像(MRI)的硬件线圈压缩的方法包括：使用多个硬件预先组合器对来自子阵列的线圈的输出进行预先组合，以获得预先组合输出，针对所述子阵列中的每个有一个预先组合器，其中，所述子阵列是通过对被配置用于对感兴趣区域(ROI)进行成像的阵列的线圈进行分组来获得的。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，所述阵列中的所述线圈是基于所述线圈中的每个的重要性而被分组到所述子阵列中的。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，线圈的所述重要性是由所述线圈的所述输出对通过组合所述线圈的所述输出获得的信号的信噪比(SNR)的贡献来表示的。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，所述线圈通过以下被分组到所述子阵列中：将具有最高重要性的线圈分配到所述子阵列中，针对每个子阵列有一个线圈；并且重复对其余线圈的分配，直至所有线圈都被分配。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，所述子阵列和用于所述子阵列的预先组合系数通过以下来确定：构建n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从所述阵列的所述线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s′1,s′2,…,s′n)T，s′＝Ms，其中，T表示矩阵转置操作；选择所述通道转换矩阵M的对应于具有最高信噪比(SNR)的多个转换输出的行；并且优化所述预先组合系数或所述分组和所述预先组合系数两者，使得所述预先组合系数跨越这样的空间，所述空间近似由M的所有的行或所选择的行跨越的空间。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，所述通道转换矩阵是最优的通道转换矩阵。
作为一个范例，在所述用于MRI的硬件线圈压缩的方法中，所述预先组合输出被进一步线性地组合以获得虚拟输出。
作为一个范例，一种用于磁共振成像(MRI)的硬件线圈压缩的装置包括：多个硬件预先组合器，所述多个硬件预先组合器中的每个被配置为组合来自多个子阵列中的一个的线圈的输出，其中，所述子阵列是通过对被配置用于对感兴趣区域(ROI)进行成像的阵列的线圈进行分组来获得的。
作为一个范例，在所述用于MRI的硬件线圈压缩的装置中，所述阵列中的所述线圈基于所述线圈中的每个的重要性被分组到所述子阵列中。
作为一个范例，在所述用于MRI的硬件线圈压缩的装置中，线圈的所述重要性是由所述线圈的所述输出对通过组合所述线圈的所述输出而获得的信号的信噪比(SNR)的贡献来表示的。
作为一个范例，在所述用于MRI的硬件线圈压缩的装置中，所述线圈通过以下被分组到所述子阵列中：将具有最高重要性的线圈分配到所述子阵列中，针对每个子阵列有一个线圈；并且重复对其余线圈的分配，直至所有线圈都被分配。
作为一个范例，在所述用于MRI的硬件线圈压缩的装置中，所述子阵列和用于所述子阵列的预先组合系数通过以下来确定：构建n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从所述阵列的所述线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s′1,s′2,…,s′n)T，s′＝Ms，其中，T表示矩阵转置操作；选择所述通道转换矩阵M的对应于具有最高信噪比(SNR)的多个转换输出的行；并且优化所述预先组合系数或所述分组和所述预先组合系数两者，使得所述预先组合系数跨越这样的空间，所述空间近似由M的所有的行或所选择的行跨越的空间。
作为一个范例，在所述用于硬件线圈压缩的装置中，所述通道转换矩阵是最优的通道转换矩阵。
作为一个范例，在所述用于硬件线圈压缩的装置中，所述预先组合输出被进一步线性地组合以获得虚拟输出。
附图说明
根据以下详细描述，本发明的实施例的特征和优点将会变得明显，其中：
图1图示了将接收器通道转换成虚拟接收器通道的具有分离器和组合器的转换器。
图2图示了将接收器通道转换成虚拟接收器通道的具有预先组合器、分离器和组合器的转换器。
图3图示了具有将接收器通道组合成组合的接收器通道的预先组合器的降级的转换器。
具体实施方式
参考附图，在下文中更加充分地描述该新颖系统、装置和方法的各个方面。然而，教导性公开内容可以以许多不同的方式来实施，并不应当被理解为限制于遍及本公开内容所呈现的特定结构或功能。相反，这些方面被提供为使得本公开内容将会是详尽且完整的，并且将会充分地向本领域技术人员传达本公开内容的范围。基于本文中的教导，本领域技术人员应当认识到本公开内容的范围旨在覆盖本文中公开的新颖系统、装置和方法的任一个方面，不管是独立于本发明的任何其他方面被实施还是与本发明的任何其他方面进行组合。例如，使用本文中阐述的任何数量的方面可以实施装置或实行方法。另外，本发明的范围旨在覆盖使用除本文中阐述的本发明的各个方面之外的其他结构、功能、或结构和功能来实行的这样的装置或方法。应当理解，本文中公开的任一个方面都可以通过权利要求中的一个或多个元素来实施。
词语“示范性”在本文中用于意指“充当范例、实例、或图示”。在本文中被描述为“示范性”的任一个方面都不必被理解为优选于或优于其他方面。
尽管在本文中描述了特定方面，但是这些方面的许多变化和排列落入在本公开内容的范围内。尽管提到了优选方面的一些益处和优点，但是本公开内容的范围并不旨在被限制于特定益处、用途、或目的。相反，本公开内容的方面旨在可宽泛地应用于不同的技术、系统构造，其中一些在附图中和在优选方面的以下描述中以范例的方式进行图示。详细描述和附图仅是本公开内容的图示而非限制，本公开内容的范围由权利要求和其等价方案所限定。
在MRI系统中，许多线圈可以被放置在感兴趣区域(ROI)周围以改善成像质量。ROI内部的图像可以通过组合针对最优信噪比(SNR)的线圈的输出的一部分或全部来获得。例如，线圈阵列可以被放置在人体的头部周围，另一线圈阵列可以被放置在人体的手臂周围，并且另外的线圈阵列可以被放置在人体的腿部周围。手臂、头部和腿部是三个ROI，并且三个阵列被放置用于重建人体的三个区域的图像。三个阵列可以提供三倍的并行成像加速。每个阵列的线圈的输出可以被输入到成像计算机并在成像计算机中进行组合以增加图像的SNR。然而，商业成像计算机的输入的数量被限制于例如4个通道。用于ROI的阵列中的线圈元件的数量可以是大的，例如，多达64。它必须被减少或压缩到至多4个通道，并且线圈压缩是必需的。
线圈压缩、或接收器通道减少、MRI数据压缩可以用于将来自许多用于ROI的接收器通道的数据压缩成较少的虚拟接收器通道。图1图示了将接收器通道转换成虚拟接收器通道的具有分离器和组合器的转换器。
如在图1中所图示的，n个线圈c1，c2，…，cn针对ROI进行部署。n个线圈中的每个在成像的过程中输出信号，并且n个线圈构成n个信号通道或接收器通道。如果例如计算机具有n个输入部，则这n个信号可以被放大、被数字化并且被输入到计算机内。对ROI的成像可以在计算机中被完成。然而，日益增长的数量n可以是大的，例如多达32、64、128、或甚至更大，而商业成像计算机的输入部的数量会由于成本原因而被限制于仅4个。因此，信号组合、信号压缩、通道压缩、或线圈压缩会是不可避免的，这些项目在与最高质量(例如，最高SNR)的组合之后选择信号。
作为用于通道压缩的一般模型，图1图示了由n个组合器跟随的n个分离器。分离器中的每个提供来自n个线圈中的一个的信号输出的n个副本。来自n个分离器的输出然后可以与组合器进行组合，以产生一个组合输出。总共可以存在n个组合器和n个组合输出。对于n个线圈可以存在多达n个线性独立的组合输出。
组合器中的每个可以由一组复数组合系数来表征。该组合实际上是使用复数组合系数作为权重的线性组合。组合系数的幅度表示幅度权重，并且组合系数的角度或辐角表示被添加到信号通道的相移。最优的线性组合可以产生与最高信号质量或最高信号SNR的组合。分离器、组合器、以及分离器与组合器之间的移相器和衰减器构成转换器。
在图1中图示的转换器可以利用软件部件，硬件部件、或它们两者的组合来实施。利用硬件部件实施的转换器提供快速的压缩。利用软件部件实施的转换器提供灵活性。硬件部件和软件部件可以针对可行性、成像质量、成本有效性、简单性等进行选择或充分地进行组合。
对于硬件实施方式，在图1中图示的并且被配置用于同一ROI的n个线圈中的每个的输出首先利用低噪声放大器(LNA)被预先放大，并且LNA的输出可以利用移相器和衰减器来进行调整，并且然后被连接到硬件分离器。硬件分离器将预先放大的、移相的且幅度衰减的信号分组成多个副本。在分离器为硬件分离器的情况下，除了简单复制外还会存在分离损失。分离的信号然后利用一组移相器和衰减器进行调整，并且使用硬件组合器被组合成虚拟接收器通道。不同的虚拟接收器通道可以利用不同组的移相器和衰减器来获得。分离器、组合器、以及分离器与组合器之间的移相器和衰减器构成转换器。除了线圈与分离器之间的移相器和衰减器外，可以存在多达n个分离器、n×n个移相器和衰减器、以及n个组合器以用于线性独立的n个组合输出。
对于软件实施方式，在图1中图示的组合器表示加权的添加或线性组合。在图1中图示的分离器表示简单的复制操作。移相器和衰减器表示复数组合系数。在数字处理之前，A/D转换是必需的。
一般来说，包括n个分离器、n×n个移相器和衰减器、以及n个组合器的转换器可以被表达为n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从阵列的n个线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s′1,s′2,…,s′n)T。转换可以被表达为以下等式：
s′＝Ms (1)
或
其中，si是从第i个线圈ci输出的信号；i＝1，2，…，n；n是用于同一ROI的线圈的数量；并且T表示转置操作。
不同的转换器或不同的转换矩阵M可以得到不同组的转换输出s′。最优的转换矩阵M可以得到最优的转换输出s′。例如，转换矩阵M可以被选取或被优化，以产生具有最高信号质量的转换的输出或转换输出s′1,s′2,…,s′n。更具体地，转换矩阵M可以被选取或被优化，以产生具有最高SNR的转换输出s′1,s′2,…,s′n。利用转换矩阵M和转换输出s′1,s′2,…,s′n，n个转换输出中的具有最好质量或最大SNR的部分可以被选取以用于成像计算机中的成像。例如，n个转换输出中的具有最大SNR的4个可以被选取并被输入到4个通道成像计算机内。例如，如果转换输出s′1,s′2,…,s′n以从最高到最低的质量进行排序，则具有最高质量的s′1,s′2,s′3,s′4可以被选取。线圈压缩、接收器通道减少或MRI数据压缩、信号压缩、通道压缩可以通过仅选取n个转换输出的一部分(例如，n个转换输出中的m个)来实现。实际上，仅所选取的转换输出需要被输入到成像计算机内以用于进一步处理。在这种情况下，组合的数量为m个，并且在组合之前紧接着的移相器和衰减器的数量可以从n×n被减少至m×n，其中，m<n。
例如，提供16个接收器通道或信号通道的典型的16个线圈元件系统可以通过使用16组组合系数被线性地组合来产生16个虚拟通道。16组组合系数构成转换矩阵M。如果转换矩阵被很好地选取，则16个虚拟通道包含被包含在原始的16个接收器通道中的所有信息，并且具有最高SNR的虚拟通道可以是具有理论上可获得的最高SNR的虚拟通道。具有最高SNR的4个虚拟通道可以被输入到用于图像重建的4个通道成像计算机内。在这种情况下，组合的数量为4个，并且在组合之前紧接着的移相器和衰减器的数量可以从16×16被减少至4×16。然而，组合的数量以及移相器和衰减器的数量对于商业实施来说仍然太大。
在利用软件实施转换的情况下，当n大的时候，用于组合的计算对于计算机来说是重负荷的，并且n个模数(A/D)转换器必须在n个通道的预先放大之后且在n个数据通道被数字地处理之前被使用。在利用硬件实施转换的情况下，用于组合的计算被消除。仅m个A/D转换器必须在通道压缩之后且在数字处理之前或在压缩的m个数据通道被输入到成像计算机内之前被使用。然而，要求至少m×n个移相器和衰减器，当n大的时候，这是太大的数量并且难以被商业地实施。
针对接收器通道的进一步压缩已经做出了许多努力。例如，如上面所提到的，硬件线圈压缩方法是基于巴特勒矩阵的。然而，它仅可应用于圆柱形线圈阵列，这使得它不足以用于线性阵列或法向表面线圈阵列。TIM方法也被开发，但是它仅可应用于线性线圈阵列(例如，脊柱和躯干线圈阵列)，并且其压缩比被限制于不超过3:1。提供32:8转换矩阵的另一方法利用硬件直接实施软件线圈压缩算法，并不遭受上面提到的2个缺点。然而，它要求许多压缩硬件，这使得它不足以用于商业实施。用于通道压缩的具有预先组合的新颖转换器可以用于解决在图2和图3中图示的上述问题。
图2图示了具有在图1中的转换器的通道压缩之前的预先组合的新颖转换器。图3图示了降级的转换器。如在图2中所图示的，一组n个线圈c1，c2，…，cn被配置用于同一ROI。尽管它们在图2中被示为线性阵列，但是它们也可以以任何其他的方式被部署。唯一限制是它们针对同一ROI进行部署。阵列中的n个线圈被分组到n’个子阵列中。对于每个子阵列，子阵列中的所有线圈的输出都利用预先组合器进行预先组合，并且一个预先组合输出被产生。以此方式，n个通道被减少或被压缩成n’个通道。预先组合器可以是软件组合器或硬件组合器。利用硬件预先组合器构建的转换器对于商业实施是简单且成本有效的。
在数学上，n’×n的预先组合矩阵V可以被构建，所述n’×n的预先组合矩阵V将从阵列的线圈c1，c2，…，cn输出的信号s＝(s1,s2,…,sn)T转换为预先组合输出s″＝(s″1,s″2,…,s″n′)T：
s″＝Vs (3)
在预先组合矩阵V的每一列中，仅一个元素为非零。
上面示出的预先组合矩阵V仅是指示子阵列分别由d1，d1，…，dn’线圈组成的范例，其中，d1+d2+···+dn′＝n，并且每个子阵列的线圈是阵列中相邻的线圈。在子阵列的线圈不是阵列中相邻的线圈的情况下，预先组合矩阵V看起来与上面示出的不同，但是可以看起来类似于上面示出的在线性变换之后的预先组合矩阵V。该变换等价于对线圈进行重新编号而不改变物理部署。
为了产生ROI的最佳图像的目的，分组和预先组合可以是基于线圈中的每个的重要性的。线圈中的每个的重要性可以由线圈的输出对通过组合线圈获得的信号的信噪比(SNR)的贡献来表示。
线圈阵列可以以许多方式被分组成子组。例如，通过将具有最高重要性的线圈分配到子阵列内，针对每个子阵列有一个线圈，并且通过重复对其余线圈的分配直至所有线圈都被分配，线圈可以被分组到子阵列中。
更具体地，但不失去一般性，线圈c1，c2，…，cn被假设为从最重要到最不重要进行排序。例如，线圈c1是最重要的，而cn是最不重要的。在这种情况下，c1被分配给子阵列1，c2被分配给子阵列2，…，cn’被分配给子阵列n’。其余线圈cn’+1，cn’+2，…，c2n”分别以相同的方式被分配给子阵列1，2，…，n’。亦即，cn’+1被分配给子阵列1，cn’+2被分配给子阵列2，…，c2n’被分配给子阵列n’。其余线圈c2n’+1，c2n’+2，…，cn再次以相同的方式被分配给子阵列1，2，…，n’。该过程被重复，直至所有线圈都被分配给子阵列。
可以存在对用于同一ROI的阵列中的线圈进行分组的许多其他方式。例如，最重要的k个线圈c1，c2，…，ck被分配给子阵列1，其余n-k个线圈中的最重要的k线圈ck+1，ck+2，…，ck+k被分配给子阵列2，等等。作为一范例，k＝n\n’+1。“n\n’”表示小于n/n’的最大整数。线圈也可以通过将c1和cn分配给子阵列1、将c2和cn-1分配给子阵列2等来进行分组。
子阵列和用于该子阵列的预先组合系数可以备选地通过以下来确定：构建n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从阵列的线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s′1,s′2,…,s′n)T，s′＝Ms；选择对应于具有最高SNR的转换输出的数量的通道转换矩阵M的行；并且优化预先组合系数或分组和预先组合系数两者，使得预先组合系数跨越这样的空间，所述空间近似由M的所选择的行或M的所有的行跨越的空间。由矩阵跨越的空间指的是通过矩阵的行向量和列向量的线性组合获得的空间。具有最大重要性(例如，具有最大SNR)的转换输出s′1,s′2,…,s′m可以被选择。
另一n’×n’的通道转换矩阵M’可以用于如在图2中示出的那样将预先组合输出s″＝(s″1,s″2,…,s″n′)T转换为转换输出s″′＝(s″′1,s″′2,…,s″′n′)T：
s″′＝M′s″＝M′Vs (5)
预先组合矩阵V可以为使得n’个转换输出的线性组合：(a1 a2 … an′)s″＝(a1 a2… an′)Vs近似第一n’个转换输出(b1 b2 … bn′ 0 … 0)Ms的线性组合，或者16元素行矩阵(a1 a2 … an′)V的空间近似16元素行矩阵(b1 b2 … bn′ 0 … 0)M或16元素行矩阵(b1 b2… bn′ bn′+1 … bn)M的空间。其中，ai，i＝1，…，n’并且bi，i＝1，…，n是任意复数。
优化可以被更详细地表达为如下：
近似
或
通道转换矩阵M可以被选择为理论上最优的通道转换矩阵。软件压缩方法可以用于获得理论上最优的通道转换矩阵M。例如，理论上最优的通道转换矩阵M是白化矩阵。然后，线圈阵列中的阵列元素可以基于最优的通道转换矩阵M而被分组到子阵列中。
采用16元素线圈阵列作为范例，16×16的通道转换矩阵M可以被构建，所述16×16的通道转换矩阵M将从阵列的16个线圈c1，c2，…，c16输出的信号s＝(s1,s2,…,s16)T转换为转换输出s′＝(s′1,s′2,…,s′16)T。其行对应于新的虚拟通道。我们有s′＝Ms和Mi是M的第i个行，并且对应的协方差矩阵是信号s′＝(s′1,s′2,…,s′16)T的C16×16，其中，作为C1，C2，……C16的其对角分量分别表示针对虚拟通道的SNR。矩阵M被布置为使得协方差矩阵的对角分量呈以递减顺序。以此方式，C1对应于具有最大SNR的虚拟通道，而C16对应于具有最小SNR的虚拟通道。
使用硬件来直接实施M，具有最大SNR的四个虚拟通道(即，在16:4压缩的情况下，M1至M4)将会利用硬件来直接实施，得到十六个1到4的功率分离器、4个16到1的功率组合器、以及64个移相器和衰减器。硬件转换器对于商业实施来说太复杂。
使用预先组合的方法，阵列的16个元素被分组到4个子阵列中，每个子阵列具有4个元素。对于预先组合来说存在16个输入通道和4个输出通道。对于分组，M的第一4行(M1至M4)例如被用于确定应当如何实施分组。执行分析以计算出最重要和最不重要的线圈阵列元素，并且然后16个线圈元件以其重要性分等级并且进行排序。16个元素基于重要性的顺序而被分组到4个子阵列中。
在16个线圈元件被分组到4个子阵列中之后，一个4输入1输出的RF硬件预先组合器被用于每个4元素子阵列，因此我们有四个要被确定的预先组合矩阵，即v1 1×4、v2 1×4、v3 1×4、v4 1×4。
四个预先组合矩阵v1、v2、v3和v4跨越子空间：W结果＝(a1v1 a2v2 a3v3 a4v4)，其中，a1、a2、a3和a4是任意的复数。W结果是16元素行矩阵的空间。
选取子阵列组以及选取RF预先组合矩阵v1、v2、v3和v4的目标是要构建另一空间W目标＝b1M1+b2M2+b3M3+b4M4、或W目标＝b1M1+b2M2+b3M3+b4M4+b5M5+…+b16M16，并且W结果应当尽可能地接近W目标，其中，b1，b2，b3，…，b16也是任意的复数，并且Mi是如在上面所指示的M的第i行。
预先组合可以在如下图形中进行示出：
用于所提出的方法的一个简单范例可以如下。对于16元素线圈阵列，最优的通道转换矩阵M可以被构建。第一行可以被挑选出，其表示最重要的虚拟通道。
线圈的重要性可以被确定，并且顺序被调整。假设在调整之后16个线圈c1，c2，…，c16以重要性进行排序。即，假设c1是最重要的线圈，而c16是最不重要的线圈，并且M表示用于排序的线圈的最优的转换矩阵。
16个排序的线圈然后以如下方式被分组到4个子阵列(c1，c5，c9，c13)、(c2，c6，c10，c14)、(c3，c7，c11，c15)和(c4，c8，c12，c16)中：c1、c2、c3、c4首先分别被分配给子阵列1、2、3和4；c5、c6、c7、c8然后是其余线圈中的最重要的线圈并且分别被分配给子阵列1、2、3和4；并且该过程被重复，直至所有线圈都被分配到子阵列中。
RF预先组合矩阵v1、v2、v3和v4可以针对子空间W结果被确定为尽可能地接近W目标。
简而言之，对于预先组合方法，转换矩阵M首先被构建用于被配置用于同一ROI的阵列中的线圈。转换矩阵M针对转换输出进行优化以具有最高质量。线圈基于其重要性而被排序并被分组到子阵列中。预先组合系数针对由预先组合系数跨越的子空间被确定为尽可能地接近由针对排序的线圈的最优的转换矩阵M的所有行或最重要的行所跨越的空间。利用硬件预先组合器构建的转换器对于商业实施来说是简单且成本有效的，并且具有高性能。

Claims (13)

1.一种用于磁共振成像(MRI)的通道压缩的方法，包括：
使用n’个预先组合器对来自被配置用于对同一感兴趣区域(ROI)进行成像的n线圈阵列的n个线圈的n个输出(C1，C2，…Cn)进行预先组合，以获得较少的n’个预先组合输出，其中，所述n个线圈被分组到n’个子阵列中，并且每个预先组合器被配置为对来自所述n’个子阵列中的一个的输出进行预先组合，以获得所述n’个预先组合输出中的一个；
将所述n’个预先组合器的所述n’个预先组合输出压缩到虚拟输出中。
2.根据权利要求1所述的方法，其中，所述n线圈阵列中的所述n个线圈基于所述n个线圈中的每个的重要性而被分组到所述n’个子阵列中，所述重要性由所述线圈的所述输出对通过组合所述n个线圈的所述输出获得的信号的信噪比(SNR)的贡献来表示。
3.根据权利要求2所述的方法，其中，所述n个线圈通过以下被分组到所述n’个子阵列中：
以所述重要性从最高到最低对所述n个线圈进行排序；
分别将所述n个线圈中的第一n’个线圈分配到所述n’个子阵列中；并且
重复对其余n-n’个线圈的分配，直至所有n个线圈都被分配。
4.根据权利要求1所述的方法，其中，所述子阵列和用于所述子阵列的预先组合系数通过以下来确定：
构建n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从所述阵列的所述线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s1′,s2′,…,sn′)T，s′＝Ms，其中，T表示矩阵转置操作；
选择所述通道转换矩阵M的对应于具有最高信噪比(SNR)的多个转换输出的行；并且
优化所述预先组合系数或所述分组和所述预先组合系数两者，使得所述预先组合系数跨越这样的空间，所述空间近似由M的所有的行或所选择的行跨越的空间。
5.根据权利要求4所述的方法，其中，所述通道转换矩阵是理论上最优的通道转换矩阵。
6.根据权利要求5所述的方法，其中，所述理论上最优的通道转换矩阵是白化矩阵。
7.一种用于磁共振成像(MRI)的通道压缩的装置，包括：
n’个预先组合器，其被配置为对来自被配置用于对同一感兴趣区域(ROI)进行成像的n线圈阵列的n个线圈的n个输出(C1，C2，…Cn)进行预先组合，以获得较少的n’个预先组合输出，其中，所述n个线圈被分组到n’个子阵列中，并且每个预先组合器被配置为对来自所述n’个子阵列中的一个的输出进行预先组合，以获得所述n’个预先组合输出中的一个；以及
转换器，其被耦合到所述n’个预先组合器并被配置为将所述n’个预先组合输出压缩到虚拟输出中。
8.根据权利要求7所述的装置，其中，所述n线圈阵列中的所述n个线圈基于所述线圈中的每个的重要性而被分组到所述n’个子阵列中，所述重要性由所述线圈的所述输出对通过组合所述n个线圈的所述输出获得的信号的信噪比(SNR)的贡献来表示。
9.根据权利要求8所述的装置，其中，所述线圈通过以下被分组到子阵列中：
以所述重要性从最高到最低对所述n个线圈进行排序；
分别将所述n个线圈中的第一n’个线圈分配到所述n’个子阵列中；并且
重复对其余n-n’个线圈的分配，直至所有n个线圈都被分配。
10.根据权利要求7所述的装置，其中，所述子阵列和用于所述子阵列的预先组合系数通过以下来确定：
构建n×n的通道转换矩阵M，所述n×n的通道转换矩阵M将从所述阵列的所述线圈输出的信号s＝(s1,s2,…,sn)T转换为转换输出s′＝(s1′,s2′,…,sn′)T，s′＝Ms，其中，T表示矩阵转置操作；
选择所述通道转换矩阵M的对应于具有最高信噪比(SNR)的多个转换输出的行；并且
优化所述预先组合系数或所述分组和所述预先组合系数两者，使得所述预先组合系数跨越这样的空间，所述空间近似由M的所有的行或所选择的行跨越的空间。
11.根据权利要求10所述的装置，其中，所述通道转换矩阵是理论上最优的通道转换矩阵。
12.根据权利要求11所述的装置，其中，所述理论上最优的通道转换矩阵是白化矩阵。
13.根据权利要求7所述的装置，其中，所述转换器还包括：
多个分离器，其被配置为将所述n’个预先组合输出中的每个分成多个输出副本；
多个组合器，其被耦合到所述分离器并被配置为将所分离的输出副本组合为虚拟输出，其中，每个组合器由这样的一组复数组合系数来表征，所述一组复数组合系数的幅度表示幅度权重，并且所述一组复数组合系数的角度表示相移。
CN201580043547.2A 2014-08-14 2015-08-14 用于硬件rf接收器通道减少的方法和装置 Active CN106574952B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CNPCT/CN2014/084407 2014-08-14
CN2014084407 2014-08-14
EP14192427.4 2014-11-10
EP14192427 2014-11-10
PCT/EP2015/068804 WO2016024024A1 (en) 2014-08-14 2015-08-14 Method and apparatus for hardware rf receiver channel reduction

Publications (2)

Publication Number Publication Date
CN106574952A true CN106574952A (zh) 2017-04-19
CN106574952B CN106574952B (zh) 2020-12-22

Family

ID=53836108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580043547.2A Active CN106574952B (zh) 2014-08-14 2015-08-14 用于硬件rf接收器通道减少的方法和装置

Country Status (4)

Country Link
US (1) US11262424B2 (zh)
EP (1) EP3180629B1 (zh)
CN (1) CN106574952B (zh)
WO (1) WO2016024024A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188326A (zh) * 2018-09-29 2019-01-11 上海联影医疗科技有限公司 磁共振成像方法和磁共振系统
CN110554334A (zh) * 2018-05-31 2019-12-10 通用电气公司 用于磁共振成像中的线圈选择的方法和系统
CN110554339A (zh) * 2018-05-31 2019-12-10 通用电气公司 用于磁共振成像中的线圈选择以减少相位卷褶伪影的方法和系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020208611A1 (de) * 2020-07-09 2022-01-13 Siemens Healthcare Gmbh Vorrichtung und Verfahren zur Datenkompression in Lokalspulen

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1870481A (zh) * 2006-04-20 2006-11-29 华东师范大学 F_tdm多通道接收方法
US20070013375A1 (en) * 2005-05-06 2007-01-18 James Akao Method and apparatus for adaptive channel reduction for parallel imaging
US7279893B1 (en) * 2006-04-20 2007-10-09 General Electric Company Receiver channel data combining in parallel mr imaging
CN101825691A (zh) * 2009-03-06 2010-09-08 西门子公司 用于在磁共振接收系统中的通道减少的数字方法
US20100289494A1 (en) * 2009-02-02 2010-11-18 Wald Lawrence L System and Method for Mode Mixing in Magnetic Resonance Imaging
CN101971045A (zh) * 2008-03-14 2011-02-09 皇家飞利浦电子股份有限公司 用于并行磁共振成像的线圈选择
CN103430038A (zh) * 2011-03-17 2013-12-04 皇家飞利浦有限公司 没有图像劣化的较快的逐个信道重建的mri方法
CN103782185A (zh) * 2011-09-07 2014-05-07 皇家飞利浦有限公司 用于rf线圈阵列中的噪声系数最小化和功率控制的模式分离器/组合器

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3455530B1 (ja) * 2001-12-14 2003-10-14 株式会社東芝 Ｍｒ信号受信装置及び磁気共鳴イメージング装置
US7701220B2 (en) * 2004-12-06 2010-04-20 Koninklijke Philips Electronics N. V. Methods and apparatuses for connecting receive coils in magnetic resonance imaging scanners
WO2008031546A1 (en) 2006-09-13 2008-03-20 Eidgenössische Technische Hochschule (ETH) Method and apparatus for mri coil array compression
US8085046B2 (en) 2008-08-28 2011-12-27 The General Hospital Corporation Coil array mode compression for parallel transmission magnetic resonance imaging
DE102009043446B4 (de) * 2009-09-29 2013-08-01 Siemens Aktiengesellschaft Magnetresonanzanlage mit einem in seiner Geometrie veränderbaren Lokalspulenarray
US8538115B2 (en) 2011-08-17 2013-09-17 The Board Of Trustees Of The Leland Stanford Junior University Coil compression for three dimensional autocalibrating parallel imaging with cartesian sampling
WO2014024114A1 (en) * 2012-08-06 2014-02-13 Insiava (Pty) Ltd. A data transfer circuit, method and system for an mri machine having a plurality of receiver surface coils

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070013375A1 (en) * 2005-05-06 2007-01-18 James Akao Method and apparatus for adaptive channel reduction for parallel imaging
CN1870481A (zh) * 2006-04-20 2006-11-29 华东师范大学 F_tdm多通道接收方法
US7279893B1 (en) * 2006-04-20 2007-10-09 General Electric Company Receiver channel data combining in parallel mr imaging
CN101971045A (zh) * 2008-03-14 2011-02-09 皇家飞利浦电子股份有限公司 用于并行磁共振成像的线圈选择
US20100289494A1 (en) * 2009-02-02 2010-11-18 Wald Lawrence L System and Method for Mode Mixing in Magnetic Resonance Imaging
CN101825691A (zh) * 2009-03-06 2010-09-08 西门子公司 用于在磁共振接收系统中的通道减少的数字方法
CN103430038A (zh) * 2011-03-17 2013-12-04 皇家飞利浦有限公司 没有图像劣化的较快的逐个信道重建的mri方法
CN103782185A (zh) * 2011-09-07 2014-05-07 皇家飞利浦有限公司 用于rf线圈阵列中的噪声系数最小化和功率控制的模式分离器/组合器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MARTIN BUEHRER 等: ""Array Compression for MRI With Large Coil Arrays"", 《MAGNETIC RESONANCE IN MEDICINE》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110554334A (zh) * 2018-05-31 2019-12-10 通用电气公司 用于磁共振成像中的线圈选择的方法和系统
CN110554339A (zh) * 2018-05-31 2019-12-10 通用电气公司 用于磁共振成像中的线圈选择以减少相位卷褶伪影的方法和系统
CN110554339B (zh) * 2018-05-31 2022-04-12 通用电气公司 用于磁共振成像中的线圈选择以减少相位卷褶伪影的方法和系统
CN110554334B (zh) * 2018-05-31 2022-07-29 通用电气公司 用于磁共振成像中的线圈选择的方法和系统
CN109188326A (zh) * 2018-09-29 2019-01-11 上海联影医疗科技有限公司 磁共振成像方法和磁共振系统
CN109188326B (zh) * 2018-09-29 2021-04-06 上海联影医疗科技股份有限公司 磁共振成像方法和磁共振系统

Also Published As

Publication number Publication date
CN106574952B (zh) 2020-12-22
US11262424B2 (en) 2022-03-01
US20170234948A1 (en) 2017-08-17
EP3180629B1 (en) 2023-10-11
EP3180629A1 (en) 2017-06-21
WO2016024024A1 (en) 2016-02-18

Similar Documents

Publication Publication Date Title
JP5600587B2 (ja) Ｒｆ場を発生するための方法及びｒｆ送信装置
US6975115B1 (en) Coil arrays for parallel imaging in magnetic resonance imaging
CN106574952A (zh) 用于硬件rf接收器通道减少的方法和装置
JP5571293B2 (ja) Ｍｒイメージング装置
US7279895B2 (en) Fast generalized autocalibrating partially parallel acquisition image reconstruction algorithm for magnetic resonance imaging
US20030094948A1 (en) RF coil and magnetic resonance imaging apparatus
US7898252B2 (en) Phased array coil for MRI
US8581589B2 (en) System and method for variable mode-mixing in magnetic resonance imaging
JP5260819B2 (ja) 並列式ｍｒｉを用いた撮像を高速化させるための方法及びシステム
CN102749600B (zh) 一种磁共振多通道图像的合成方法
US6930480B1 (en) Head coil arrays for parallel imaging in magnetic resonance imaging
EP1581818A2 (en) Degenerate birdcage coil and transmit/receive apparatus and method for same
CN1553784A (zh) 磁共振成像方法和仪器以及rf接收线圈装置
WO2011087847A2 (en) Accelerated mri with nonlineear spatial encoding gradients
CN108627783B (zh) 射频线圈阵列及磁共振成像发射阵列
JPWO2004060156A1 (ja) 磁気共鳴イメージング装置
CN101825691A (zh) 用于在磁共振接收系统中的通道减少的数字方法
CA2902122A1 (en) Improved synthetic aperture imaging methods and systems
US7157910B2 (en) Magnetic resonance imaging apparatus and method
US8922212B2 (en) Noise matching in couplet antenna arrays
US20060238195A1 (en) Efficient mapping of reconstruction algorithms for magnetic resonance imaging onto a reconfigurable reconstruction system
JP2011092433A (ja) 磁気共鳴イメージング装置
JP2002065634A (ja) Ｍｒイメージング装置
JP2023181805A (ja) 磁気共鳴撮像装置および信号処理方法
JP2003325476A5 (zh)

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