CN107194354A - 一种用于磁共振指纹成像的快速字典搜索方法 - Google Patents
一种用于磁共振指纹成像的快速字典搜索方法 Download PDFInfo
- Publication number
- CN107194354A CN107194354A CN201710371903.4A CN201710371903A CN107194354A CN 107194354 A CN107194354 A CN 107194354A CN 201710371903 A CN201710371903 A CN 201710371903A CN 107194354 A CN107194354 A CN 107194354A
- Authority
- CN
- China
- Prior art keywords
- values
- value
- signal
- dictionary
- magnetic resonance
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003384 imaging method Methods 0.000 title claims abstract description 25
- 238000002595 magnetic resonance imaging Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 229910052739 hydrogen Inorganic materials 0.000 claims description 5
- 239000001257 hydrogen Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000014616 translation Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 102000003898 interleukin-24 Human genes 0.000 description 2
- 108090000237 interleukin-24 Proteins 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种用于磁共振指纹成像的快速字典搜索方法。它包括以下步骤：S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列得到每个像素位置处的实际采集到的磁共振指纹S；S2：搜索每个像素相应的物理特征参数，搜索某个像素相应的物理特征参数包括以下步骤：将该像素的磁共振指纹信号S与其对应的信号字典D进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数；S3：将所有像素的物理特征参数分别集成后即得到所需的完整的物理特征图像。本发明能够有效降低搜索计算复杂度，减少计算时间，提高搜索效率。
Description
技术领域
本发明涉及磁共振指纹成像技术领域，尤其涉及一种用于磁共振指纹成像的快速字典搜索方法。
背景技术
磁共振指纹法成像(Magnetic Resonance Fingerprinting，MRF)是一种磁共振成像的新方法。不同于传统方法利用一次磁共振扫描只获取一种物理特征图像，该方法可以在一次扫描后同时获取多个物理特征图像，从而提高磁共振扫描的效率。在MRF方法的数据采集序列中，激发角度(flip angles，FA)，回波时间(echo times，TE)和重复时间(repetition times，TR)这些序列参数的设置都是随机变化的，这使得所产生的磁共振信号对不同的序列参数的依赖互不相干，从而保证了不同参数组合所产生的磁共振信号的唯一性。
MRF图像重构的方法不涉及传统MR图像重构方法中的矩阵求逆的过程，因此避免了求逆过程中带来的噪音放大问题，这使得MRF方法具有扩展性，多参数同时成像，层内移动不敏感性等优点。然而在实际应用中，MRF方法面临的主要问题之一是其计算过程中消耗大量计算内存和硬盘存储空间及计算量巨大。早期MRF使用遍历搜寻的方法对信号字典进行匹配，这需要大量的内存或硬盘空间和计算时间来产生最终的图像，从而制约了MRF方法向临床医学应用的发展。
发明内容
本发明的目的是克服现有磁共振指纹成像的字典搜索方法计算量巨大，计算时间长，搜索效率低的技术问题，提供了一种用于磁共振指纹成像的快速字典搜索方法，其能够有效降低搜索计算复杂度，减少计算时间，提高搜索效率。
本发明的一种用于磁共振指纹成像的快速字典搜索方法，包括以下步骤：
S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列得到每个像素位置处的实际采集到的磁共振指纹S；
S2：搜索每个像素相应的物理特征参数，搜索某个像素相应的物理特征参数包括以下步骤：将该像素的磁共振指纹信号S与其对应的信号字典D进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数；
S3：将所有像素的物理特征参数分别集成后即得到所需的完整的物理特征图像。
在本技术方案中，扫描序列可以是IR-bSSFP序列、FISP序列或其它MRF序列。扫描参数可以包括射频激发翻转角度、TR、TE、TI等。磁共振指纹S为磁共振信号的时间序列。信号字典D可预先生成或动态生成。物理特征参数可以包括T1，T2，ΔB等。本方法不需要预先生成完整的磁共振数据字典，具体搜索哪个像素相应的物理特征参数时，可以动态生成其对应的信号字典D。
例如：使用IR-bSSFP序列(翻转恢复式的平衡稳态自由进动序列)作为扫描序列。多个单独的扫描序列片段连接在一起顺序运行，从而产生多点的磁共振指纹S。信号字典D可以在任何计算机上产生不依赖于任何磁共振设备。
在磁共振扫描设备上进行实际数据采集时所用的MRF扫描序列参数(FA，TE，TR)应与信号字典D产生过程中所用的MRF扫描序列参数(FA，TE，TR)完全一致。这样，在图像中每个象素对应的实际采集到的磁共振指纹S，我们都可以将其与信号字典D进行匹配，以找到最接近的匹配项，从而得到这个像素相应的物理特征参数。
作为优选，每个像素的磁共振指纹信号S对应的信号字典D是根据磁共振扫描设备运行的MRF扫描序列、扫描参数以及待量化的物理特征参数的当前匹配位置的理想值，通过数值计算方法求解Bloch方程得到理想磁共振信号随时间推进在各个回波时间TE处的具体信号值的组合。
作为优选，所述步骤S2中将某个像素的磁共振指纹信号S与其对应的信号字典D进行匹配之前先执行以下步骤：动态生成该像素的磁共振指纹信号S对应的信号字典D。
作为优选，所述Bloch方程为：
其中是需求解的信号字典D里的理想磁共振信号向量，γ为磁自旋常数，M0为平衡态时的磁向量，Mx，My，Mz为在x，y，z方向上的分量，为氢原子核所体验到的磁场强度，包括由MRF扫描序列产生的磁场强度以及区域磁场不均匀产生的磁场强度差异ΔB，T1代表纵向驰豫时间，T2代表横向驰豫时间。
作为优选，物理特征参数包括T1，T2，ΔB，信号字典D的每个字典条目包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值
M2：根据当前查找到的最新T1值和最新T2值，在指定ΔB范围根据周期TR以最低边界为起点以周期TR为间隔，将磁共振指纹S与信号字典D的字典条目依次匹配，找到当前最佳匹配点(T1，T2，ΔB)，以找到的当前最佳匹配点(T1，T2，ΔB)为中心左右距离半个周期为范围，步长为最小ΔB搜索分辨率的5倍再次搜索找到最新的当前最佳匹配点(T1，T2，ΔB)；在指定的最大搜索范围内从当前最佳匹配点(T1，T2，ΔB)的ΔB为种子点向左和向右以周期为步长遍历整个范围找到最新的当前最佳匹配点(T1，T2，ΔB)；以当前最佳匹配点(T1，T2，ΔB)为中心，左右各半个周期为范围，最小分辨率为步长进行字典条目匹配来获取或者实时生成，最终确定最佳匹配点(T1，T2，ΔB)，将相对应的ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，采用聚焦变焦技术快速查找T1，包括以下步骤：
将当前T1搜索视野窗的中心设为当前的T1值，T1搜索视野窗大小为T1搜索最大范围的1/4，比较T1搜索视野窗的中心、T1搜索视野窗两个边缘点、磁共振指纹之间匹配程度大小，并将T1搜索视野窗平移使得它的中心位于这3个位置中匹配程度最高的地方，重复这个比较和平移直至T1搜索视野窗在搜索范围内不再移动，然后将T1搜索视野窗的视野减少到当前大小的1/4，重复以上搜索；
多次重复以上的缩小视野平移T1搜索视野窗的步骤直至视野大小与指定分辨率相同为止，最终T1搜索视野窗的中心点的T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，采用步骤M3中聚焦变焦技术快速查找T2，最终T2搜索视野窗的中心点的T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：最终得到的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
字典搜索和匹配所需的总体数目很小，所以不需要预先将所有字典条目都产生出来，可以做到完全动态生成，需要匹配一项就产生一项。在具体搜索ΔB时，由于ΔB的搜索几乎与其它参数的搜索是独立的，所以单独对于ΔB可以产生一个预先生成的字典，这样匹配的时候不用动态产生字典，对于很多体素而言，使用一个小的ΔB字典可以进一步搜索匹配节省时间。
作为优选，物理特征参数包括T1，T2，ΔB，信号字典D的每个字典子集包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行比较，从信号字典子集D1中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典D中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行比较，从信号字典子集D2中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典D中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行比较，从信号字典子集D3中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典D中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行比较，从信号字典子集D4中找到与磁共振指纹S匹配度最高的信号字典子集项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
衡量实际采集到的磁共振指纹S与信号字典子集D4中的每一项的匹配度可采用相关系数CC、距离或点乘内积。
作为优选，物理特征参数包括T1，T2，ΔB，信号字典D的每个字典子集包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D(T1，T2，ΔB)中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行相关系数计算，得到若干个相关系数CC，
相关系数CC的计算公式为：
xj代表采集到的磁共振指纹S中时间序列的某个时间点的值，yj代表信号字典子集D1中时间序列的某个时间点的值，N为时间点个数，
比较计算得到的若干个相关系数CC值，从中找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，该信号字典子集项为最接近的匹配项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
引入了一维及两维的快速递归搜索方法，利用搜索空间的凸性(Convexity)特点来加快MRF成像方法中图像重构时的搜索算法速度。
作为优选，所述步骤M3、M4采用一维快速递归搜索方法找出最大的相关系数CC值，所述用一维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
A1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近左右两个位置的CC值；
A2：如果当前位置的CC值小于最邻近的某个位置的CC值，则将当前位置移到CC值最大的那个邻近位置，并重复执行步骤A2；
A3：如果当前位置的CC值不小于最邻近左右两个位置的CC值，则保持当前位置不变，并减小搜索步长；
A4：如果搜索步长大于或等于指定的最小步长，则重复执行A1至A3，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
作为优选，所述步骤M7采用二维快速递归搜索方法找出最大的相关系数CC值，所述用二维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
B1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近的左边位置、上方位置及左上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B2：比较当前位置的CC值与最邻近的左边位置、下方位置及左下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B3：比较当前位置的CC值与最邻近的右边位置、上方位置及右上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B4：比较当前位置的CC值与最邻近的右边位置、下方位置及右下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B5：如果所有的邻近位置的CC值都不大于当前位置的CC值，则保持当前位置不变，并减小搜索步长；
B6：如果搜索步长大于或等于指定的最小步长，则重复执行B1至B5，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
本发明的有益效果是：(1)基于被处理的MR参数相对独立的假设，将一个高维空间中的搜索问题简化为较低维度空间的搜索，这有效降低了MRF图像重构计算的复杂度，显著减少计算时间及占用的计算内存需求，极大地提高了计算效率，引入了一维及两维的快速递归搜索方法，利用搜索空间的凸性(Convexity)特点来加快MRF成像方法中图像重构时的搜索算法速度。(2)本方法的优点是快速搜索，每个像素搜索时所需要的匹配次数非常小，所以可以不需要预先生成一个完整包含所有可能的字典，具体搜索哪个像素相应的物理特征参数时，可以动态生成其对应的信号字典D。
附图说明
图1是本发明的一种工作流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例1：本实施例的一种用于磁共振指纹成像的快速字典搜索方法，如图1所示，包括以下步骤：
S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列并在数据重建以后，得到每个像素位置处的实际采集到的磁共振指纹S；
S2：搜索每个像素相应的物理特征参数，搜索某个像素相应的物理特征参数包括以下步骤：动态生成该像素的磁共振指纹信号S对应的信号字典D，将该像素的磁共振指纹信号S与其对应的信号字典D进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数；
S3：将所有像素的物理特征参数分别集成后即得到所需的完整的物理特征图像。
每个像素的磁共振指纹信号S对应的信号字典D是根据磁共振扫描设备运行的MRF扫描序列、扫描参数以及待量化的物理特征参数的当前匹配位置的理想值，通过数值计算方法求解Bloch方程得到理想磁共振信号随时间推进在各个回波时间TE处的具体信号值的组合。
所述Bloch方程为：
其中是需求解的信号字典D里的理想磁共振信号向量，γ为磁自旋常数，M0为平衡态时的磁向量，Mx，My，Mz为在x，y，z方向上的分量，为氢原子核所体验到的磁场强度，包括由MRF扫描序列产生的磁场强度以及区域磁场不均匀产生的磁场强度差异ΔB，T1代表纵向驰豫时间，T2代表横向驰豫时间。
扫描序列可以是IR-bSSFP序列、FISP序列或其它MRF序列。扫描参数可以包括射频激发翻转角度、TR、TE、TI等。磁共振指纹S为磁共振信号的时间序列。信号字典D可预先生成或动态生成。
物理特征参数包括T1，T2，ΔB，信号字典D的每个字典条目包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值
M2：根据当前查找到的最新T1值和最新T2值，在指定ΔB范围(比如-300Hz到300Hz)根据周期TR(1/min)以最低边界(比如-300Hz)为起点以周期TR为间隔，将磁共振指纹S与信号字典D的字典条目(该条目可以预先生成或动态生成)依次匹配，找到当前最佳匹配点(T1，T2，ΔB)，以找到的当前最佳匹配点(T1，T2，ΔB)为中心左右距离半个周期为范围，步长为最小ΔB搜索分辨率(比如1Hz)的5倍再次搜索找到最新的当前最佳匹配点(T1，T2，ΔB)；在指定的最大搜索范围内从当前最佳匹配点(T1，T2，ΔB)的ΔB为种子点向左和向右以周期为步长遍历整个范围找到最新的当前最佳匹配点(T1，T2，ΔB)；以当前最佳匹配点(T1，T2，ΔB)为中心，左右各半个周期为范围，最小分辨率为步长进行字典条目匹配(字典条目根据T1、T2、ΔB)来获取或者实时生成，最终确定最佳匹配点(T1，T2，ΔB)，将相对应的ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，采用聚焦变焦技术快速查找T1，包括以下步骤：
将当前T1搜索视野窗的中心设为当前的T1值，T1搜索视野窗大小为T1搜索最大范围的1/4(针对具体应用比如大脑成像，该初始值可以根据具体物体的T1作相应调整，比如设为1000msec)，比较T1搜索视野窗的中心、T1搜索视野窗两个边缘点、磁共振指纹之间匹配程度大小，并将T1搜索视野窗平移使得它的中心位于这3个位置中匹配程度最高的地方，重复这个比较和平移直至T1搜索视野窗在搜索范围内不再移动，然后将T1搜索视野窗的视野大小减少到当前大小的1/4，重复以上搜索；
多次重复以上的缩小视野平移T1搜索视野窗的步骤直至视野大小与指定分辨率相同为止，最终T1搜索视野窗的中心点的T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，采用步骤M3中聚焦变焦技术快速查找T2，最终T2搜索视野窗的中心点的T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：最终得到的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
字典搜索和匹配所需的总体数目很小，所以不需要预先将所有字典条目都产生出来，可以做到完全动态生成，需要匹配一项就产生一项。在具体搜索ΔB时，由于ΔB的搜索几乎与其它参数的搜索是独立的，所以单独对于ΔB可以产生一个预先生成的字典，这样匹配的时候不用动态产生字典，对于很多体素而言，使用一个小的ΔB字典可以进一步搜索匹配节省时间。
例如：使用IR-bSSFP序列(翻转恢复式的平衡稳态自由进动序列)作为扫描序列。多个单独的扫描序列片段连接在一起顺序运行，从而产生多点的磁共振指纹S。信号字典D可以在任何计算机上产生不依赖于任何磁共振设备。
在磁共振扫描设备上进行实际数据采集时所用的MRF扫描序列参数(FA，TE，TR)应与信号字典D产生过程中所用的MRF扫描序列参数(FA，TE，TR)完全一致。这样，在图像中每个象素对应的实际采集到的磁共振指纹S，我们都可以将其与信号字典D进行匹配，以找到最接近的匹配项，从而得到这个像素相应的物理特征参数。
本方法根据具体的快速多次扫描的序列参数产生一个磁共振信号字典D(字典容量如果超出计算机存储空间的限度时可以适当降低分辨率和缩小搜索范围)。任意抽取几个字典项目作为采集到的磁共振信号(也可以称为磁共振指纹)的理想替代品。对每个理想磁共振指纹分别计算它和所有字典项目匹配时的相似程度或匹配误差，该匹配误差相对于各字典项目所对应的生产物理参数比如T1/T2/ΔB/perfusion等形成一个多维函数。分析该多维匹配误差函数图像，寻找它对每一维度的近似性质并设计相应的快速搜索算法。由于该算法导致了需要匹配的字典数目急剧下降，因而在实际MRF参数估计时只需要产生非常小量的指纹字典甚至完全不需要预先生成字典。根据该技术可以预先指定一个期望获得的匹配误差函数图(比如平滑和只有一个全局最高峰等性质)反向设计扫描序列参数使得真正的匹配函数图与理想的非常接近，从而可以使用本技术方案作快速搜索。
本方法的优点是快速搜索，每个像素搜索时所需要的匹配次数非常小，所以可以不需要预先生成一个完整包含所有可能的字典，具体搜索到哪时所需要的字典项可以动态生成。当然如果预先已经生成了完备的字典，该方法照样可以使用。前者可以针对任意数目待求参数的磁共振指纹技术，也可以任意增加精度。后者(有预先生成字典的情况)在待求参数数目很大比如超过3个，精度很高时无法实现因为完备的字典没有硬盘可以存放，数据读取也极其缓慢。
实施例2：本实施例的一种用于磁共振指纹成像的快速字典搜索方法，包括以下步骤：
S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列并在数据重建以后，得到每个像素位置处的实际采集到的磁共振指纹S；
S2：搜索每个像素相应的物理特征参数(T1，T2，ΔB)，搜索某个像素相应的物理特征参数(T1，T2，ΔB)包括以下步骤：动态生成该像素的磁共振指纹信号S对应的信号字典D(T1，T2，ΔB)，将该像素的磁共振指纹信号S与其对应的信号字典D(T1，T2，ΔB)进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数(T1，T2，ΔB)；
S3：将所有像素的物理特征参数(T1，T2，ΔB)分别集成后即得到所需的完整的物理特征图像。
每个像素的磁共振指纹信号S对应的信号字典D(T1，T2，ΔB)是根据磁共振扫描设备运行的MRF扫描序列、扫描参数以及待量化的物理特征参数的当前匹配位置的理想值，通过数值计算方法求解Bloch方程得到理想磁共振信号随时间推进在各个回波时间TE处的具体信号值的组合。
所述Bloch方程为：
其中是需求解的信号字典D里的理想磁共振信号向量，γ为磁自旋常数，M0为平衡态时的磁向量，Mx，My，Mz为在x，y，z方向上的分量，为氢原子核所体验到的磁场强度，包括由MRF扫描序列产生的磁场强度以及区域磁场不均匀产生的磁场强度差异ΔB，T1代表纵向驰豫时间，T2代表横向驰豫时间。
将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行比较，从信号字典子集D1中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典D中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行比较，从信号字典子集D2中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典D中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行比较，从信号字典子集D3中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典D中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行比较，从信号字典子集D4中找到与磁共振指纹S匹配度最高的信号字典子集项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
衡量实际采集到的磁共振指纹S与信号字典子集D4中的每一项的匹配度可采用相关系数CC、距离或点乘内积。
本方法的优点是快速搜索，每个像素或体素搜索时所需要的匹配次数非常小，所以可以不需要预先生成一个完整包含所有可能的字典，具体搜索到哪时所需要的字典项可以动态生成。当然如果预先已经生成了完备的字典，该方法照样可以使用。前者可以针对任意数目待求参数的磁共振指纹技术，也可以任意增加精度。后者(有预先生成字典的情况)在待求参数数目很大比如超过3个，精度很高时无法实现因为完备的字典没有硬盘可以存放，数据读取也极其缓慢。
实施例3：本实施例的一种用于磁共振指纹成像的快速字典搜索方法，包括以下步骤：
S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列并在数据重建以后，得到每个像素位置处的实际采集到的磁共振指纹S；
S2：搜索每个像素相应的物理特征参数(T1，T2，ΔB)，搜索某个像素相应的物理特征参数(T1，T2，ΔB)包括以下步骤：动态生成该像素的磁共振指纹信号S对应的信号字典D(T1，T2，ΔB)，将该像素的磁共振指纹信号S与其对应的信号字典D(T1，T2，ΔB)进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数(T1，T2，ΔB)；
S3：将所有像素的物理特征参数(T1，T2，ΔB)分别集成后即得到所需的完整的物理特征图像。
每个像素的磁共振指纹信号S对应的信号字典D(T1，T2，ΔB)是根据磁共振扫描设备运行的MRF扫描序列、扫描参数以及待量化的物理特征参数的当前匹配位置的理想值，通过数值计算方法求解Bloch方程得到理想磁共振信号随时间推进在各个回波时间TE处的具体信号值的组合。
所述Bloch方程为：
其中是需求解的信号字典D里的理想磁共振信号向量，γ为磁自旋常数，M0为平衡态时的磁向量，Mx，My，Mz为在x，y，z方向上的分量，为氢原子核所体验到的磁场强度，包括由MRF扫描序列产生的磁场强度以及区域磁场不均匀产生的磁场强度差异ΔB，T1代表纵向驰豫时间，T2代表横向驰豫时间。
将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D(T1，T2，ΔB)中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行相关系数计算，得到若干个相关系数CC，
相关系数CC的计算公式为：
xj代表采集到的磁共振指纹S中时间序列的某个时间点的值，yj代表信号字典子集D1中时间序列的某个时间点的值，N为时间点个数，
比较计算得到的若干个相关系数CC值，从中找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，该信号字典子集项为最接近的匹配项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
引入了一维及两维的快速递归搜索方法，利用搜索空间的凸性(Convexity)特点来加快MRF成像方法中图像重构时的搜索算法速度。
步骤M3、M4采用一维快速递归搜索方法找出最大的相关系数CC值，用一维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
A1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近左右两个位置的CC值；
A2：如果当前位置的CC值小于最邻近的某个位置的CC值，则将当前位置移到CC值最大的那个邻近位置，并重复执行步骤A2；
A3：如果当前位置的CC值不小于最邻近左右两个位置的CC值，则保持当前位置不变，并减小搜索步长；
A4：如果搜索步长大于或等于指定的最小步长，则重复执行A1至A3，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
步骤M7采用二维快速递归搜索方法找出最大的相关系数CC值，用二维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
B1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近的左边位置、上方位置及左上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B2：比较当前位置的CC值与最邻近的左边位置、下方位置及左下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B3：比较当前位置的CC值与最邻近的右边位置、上方位置及右上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B4：比较当前位置的CC值与最邻近的右边位置、下方位置及右下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B5：如果所有的邻近位置的CC值都不大于当前位置的CC值，则保持当前位置不变，并减小搜索步长；
B6：如果搜索步长大于或等于指定的最小步长，则重复执行B1至B5，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
本方法的优点是快速搜索，每个像素搜索时所需要的匹配次数非常小，所以可以不需要预先生成一个完整包含所有可能的字典，具体搜索到哪时所需要的字典项可以动态生成。当然如果预先已经生成了完备的字典，该方法照样可以使用。前者可以针对任意数目待求参数的磁共振指纹技术，也可以任意增加精度。后者(有预先生成字典的情况)在待求参数数目很大比如超过3个，精度很高时无法实现因为完备的字典没有硬盘可以存放，数据读取也极其缓慢。
Claims (9)
1.一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，包括以下步骤：
S1：对任意给定的MRF扫描序列及其扫描参数，通过磁共振扫描设备运行该MRF扫描序列得到每个像素位置处的实际采集到的磁共振指纹S；
S2：搜索每个像素相应的物理特征参数，搜索某个像素相应的物理特征参数包括以下步骤：将该像素的磁共振指纹信号S与其对应的信号字典D进行匹配，找到与该像素的磁共振指纹S最接近的匹配项，该最接近的匹配项就是该像素相应的物理特征参数；
S3：将所有像素的物理特征参数分别集成后即得到所需的完整的物理特征图像。
2.根据权利要求1所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于：每个像素的磁共振指纹信号S对应的信号字典D是根据磁共振扫描设备运行的MRF扫描序列、扫描参数以及待量化的物理特征参数的当前匹配位置的理想值，通过数值计算方法求解Bloch方程得到理想磁共振信号随时间推进在各个回波时间TE处的具体信号值的组合。
3.根据权利要求1所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，所述步骤S2中将某个像素的磁共振指纹信号S与其对应的信号字典D进行匹配之前先执行以下步骤：动态生成该像素的磁共振指纹信号S对应的信号字典D。
4.根据权利要求1所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于：所述Bloch方程为：
其中是需求解的信号字典D里的理想磁共振信号向量，γ为磁自旋常数，M0为平衡态时的磁向量，Mx，My，Mz为在x，y，z方向上的分量，为氢原子核所体验到的磁场强度，包括由MRF扫描序列产生的磁场强度以及区域磁场不均匀产生的磁场强度差异ΔB，T1代表纵向驰豫时间，T2代表横向驰豫时间。
5.根据权利要求1或2或3所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于：物理特征参数包括T1，T2，ΔB，信号字典D的每个字典条目包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，在指定ΔB范围根据周期TR以最低边界为起点以周期TR为间隔，将磁共振指纹S与信号字典D的字典条目依次匹配，找到当前最佳匹配点(T1，T2，ΔB)，以找到的当前最佳匹配点(T1，T2，ΔB)为中心左右距离半个周期为范围，步长为最小ΔB搜索分辨率的5倍再次搜索找到最新的当前最佳匹配点(T1，T2，ΔB)；在指定的最大搜索范围内从当前最佳匹配点(T1，T2，ΔB)的ΔB为种子点向左和向右以周期为步长遍历整个范围找到最新的当前最佳匹配点(T1，T2，ΔB)；以当前最佳匹配点(T1，T2，ΔB)为中心，左右各半个周期为范围，最小分辨率为步长进行字典条目匹配来获取或者实时生成，最终确定最佳匹配点(T1，T2，ΔB)，将相对应的ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，采用聚焦变焦技术快速查找T1，包括以下步骤：
将当前T1搜索视野窗的中心设为当前的T1值，T1搜索视野窗大小为T1搜索最大范围的1/4，比较T1搜索视野窗的中心、T1搜索视野窗两个边缘点、磁共振指纹之间匹配程度大小，并将T1搜索视野窗平移使得它的中心位于这3个位置中匹配程度最高的地方，重复这个比较和平移直至T1搜索视野窗在搜索范围内不再移动，然后将T1搜索视野窗的视野减少到当前大小的1/4，重复以上搜索；
多次重复以上的缩小视野平移T1搜索视野窗的步骤直至视野大小与指定分辨率相同为止，最终T1搜索视野窗的中心点的T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，采用步骤M3中聚焦变焦技术快速查找T2，最终T2搜索视野窗的中心点的T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：最终得到的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
6.根据权利要求1或2或3所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，物理特征参数包括T1，T2，ΔB，信号字典D的每个字典子集包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：
M1：设定T1和T2的初始值：
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行比较，从信号字典子集D1中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典D中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行比较，从信号字典子集D2中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典D中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行比较，从信号字典子集D3中找到与磁共振指纹S匹配度最高的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典D中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行比较，从信号字典子集D4中找到与磁共振指纹S匹配度最高的信号字典子集项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
7.根据权利要求1或2或3所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，物理特征参数包括T1，T2，ΔB，信号字典D的每个字典子集包括T1，T2，ΔB，将某个象素对应的磁共振指纹S与其对应的信号字典D进行匹配，找到最接近的匹配项，从而得到这个像素相应的物理特征参数的方法包括以下步骤：M1：设定T1和T2的初始值；
M2：根据当前查找到的最新T1值和最新T2值，从信号字典D(T1，T2，ΔB)中提取一个信号字典子集D1＝D(T1，T2，ΔB)，这个信号字典子集D1只包含对应的T1值和T2值为当前最新值且ΔB可以为任意值的项，即该信号字典子集D1中的项随ΔB值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D1中的每一项进行相关系数计算，得到若干个相关系数CC，
相关系数CC的计算公式为：
xj代表采集到的磁共振指纹S中时间序列的某个时间点的值，yj代表信号字典子集D1中时间序列的某个时间点的值，N为时间点个数，
比较计算得到的若干个相关系数CC值，从中找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的ΔB值，将该ΔB值设定为最新ΔB值；
M3：根据当前查找到的最新ΔB值和最新T2值，从信号字典中提取一个新的信号字典子集D2＝D(T1，T2，ΔB)，这个信号字典子集D2只包含对应的ΔB值和T2值为当前最新值且T1可以为任意值的项，即该信号字典子集D2中的项随T1值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D2中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T1值，将该T1值设定为最新T1值；
M4：根据当前查找到的最新ΔB值和最新T1值，从信号字典中提取一个新的信号字典子集D3＝D(T1，T2，ΔB)，这个信号字典子集D3只包含对应的ΔB值和T1值为当前最新值且T2可以为任意值的项，即该信号字典子集D3中的项随T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D3中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，从而确定与该信号字典子集项相对应的T2值，将该T2值设定为最新T2值；
M5：重复执行一次步骤M3和步骤M4；
M6：重复执行一次步骤M2；
M7：根据当前查找到的最新ΔB值，从信号字典中提取一个新的信号字典子集D4＝D(T1，T2，ΔB)，这个信号字典子集D4只包含对应的ΔB值为当前最新值且T1、T2可以为任意值的项，即该信号字典子集D4中的项随T1值及T2值变化而变化，然后将实际采集到的磁共振指纹S与信号字典子集D4中的每一项进行相关系数计算，得到若干个相关系数CC，并找出最大的相关系数CC值以及其对应的信号字典子集项，该信号字典子集项为最接近的匹配项，该信号字典子集项包含的T1值、T2值、ΔB值为这个像素相应的物理特征参数(T1，T2，ΔB)。
8.根据权利要求7所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，所述步骤M3、M4采用一维快速递归搜索方法找出最大的相关系数CC值，所述用一维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
A1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近左右两个位置的CC值；
A2：如果当前位置的CC值小于最邻近的某个位置的CC值，则将当前位置移到CC值最大的那个邻近位置，并重复执行步骤A2；
A3：如果当前位置的CC值不小于最邻近左右两个位置的CC值，则保持当前位置不变，并减小搜索步长；
A4：如果搜索步长大于或等于指定的最小步长，则重复执行A1至A3，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
9.根据权利要求7所述的一种用于磁共振指纹成像的快速字典搜索方法，其特征在于，所述步骤M7采用二维快速递归搜索方法找出最大的相关系数CC值，所述用二维快速递归搜索方法找出最大的相关系数CC值的方法包括以下步骤：
B1：在给定的搜索范围及步长的条件下，比较当前位置的CC值与最邻近的左边位置、上方位置及左上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B2：比较当前位置的CC值与最邻近的左边位置、下方位置及左下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B3：比较当前位置的CC值与最邻近的右边位置、上方位置及右上方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B4：比较当前位置的CC值与最邻近的右边位置、下方位置及右下方位置的CC值，如果这些邻近位置CC值有至少一个大于当前位置的CC值，则找出其中最大CC值所在的位置，并将当前位置移到该位置，接着重复执行步骤B1；
B5：如果所有的邻近位置的CC值都不大于当前位置的CC值，则保持当前位置不变，并减小搜索步长；
B6：如果搜索步长大于或等于指定的最小步长，则重复执行B1至B5，如果搜索步长小于指定的最小步长，则结束步骤，所得到的当前位置所对应的变量值即为最大的相关系数CC值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710371903.4A CN107194354B (zh) | 2017-05-23 | 2017-05-23 | 一种用于磁共振指纹成像的快速字典搜索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710371903.4A CN107194354B (zh) | 2017-05-23 | 2017-05-23 | 一种用于磁共振指纹成像的快速字典搜索方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107194354A true CN107194354A (zh) | 2017-09-22 |
| CN107194354B CN107194354B (zh) | 2019-09-03 |
Family
ID=59874536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710371903.4A Expired - Fee Related CN107194354B (zh) | 2017-05-23 | 2017-05-23 | 一种用于磁共振指纹成像的快速字典搜索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107194354B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109044355A (zh) * | 2018-06-28 | 2018-12-21 | 上海联影医疗科技有限公司 | 温度成像方法、装置、计算机设备和存储介质 |
| CN110133554A (zh) * | 2018-02-08 | 2019-08-16 | 深圳先进技术研究院 | 一种基于分数阶模型的磁共振指纹成像方法、装置及介质 |
| CN110148195A (zh) * | 2019-05-22 | 2019-08-20 | 山东颐邦齐鲁医生集团管理有限公司 | 一种磁共振图像生成方法、系统、终端及存储介质 |
| CN111537931A (zh) * | 2020-04-28 | 2020-08-14 | 深圳先进技术研究院 | 快速磁共振多参数成像方法和装置 |
| WO2020228641A1 (zh) * | 2019-05-10 | 2020-11-19 | 浙江大学 | 一种超短回波时间磁共振指纹弛豫时间测量方法 |
| WO2021217391A1 (zh) * | 2020-04-28 | 2021-11-04 | 深圳先进技术研究院 | 快速磁共振多参数成像方法和装置 |
| CN115561690A (zh) * | 2022-09-23 | 2023-01-03 | 深圳市联影高端医疗装备创新研究院 | 磁共振数据处理方法、装置和计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105869192A (zh) * | 2016-03-28 | 2016-08-17 | 浙江大学 | 一种基于滑动窗的磁共振指纹识别重建技术 |
| CN106056647A (zh) * | 2016-05-30 | 2016-10-26 | 南昌大学 | 一种基于卷积稀疏双层迭代学习的磁共振快速成像方法 |
| US9633455B1 (en) * | 2015-12-10 | 2017-04-25 | Siemens Healthcare Gmbh | Dictionary-free MR parameter inference for fingerprinting reconstruction |
-
2017
- 2017-05-23 CN CN201710371903.4A patent/CN107194354B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9633455B1 (en) * | 2015-12-10 | 2017-04-25 | Siemens Healthcare Gmbh | Dictionary-free MR parameter inference for fingerprinting reconstruction |
| CN105869192A (zh) * | 2016-03-28 | 2016-08-17 | 浙江大学 | 一种基于滑动窗的磁共振指纹识别重建技术 |
| CN106056647A (zh) * | 2016-05-30 | 2016-10-26 | 南昌大学 | 一种基于卷积稀疏双层迭代学习的磁共振快速成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| D.I.HOULT: "The Solution of the Bloch Equations in the Presence of a Varying B1 Field-An Approach to Selective Pulse Analysis", 《JOURNAL OF MAGNETIC RESONANCE》 * |
| STEPHEN F. CAULEY等: "Fast Group Matching for MR Fingerprinting", 《MAGNETIC RESONANCE IN MEDICINE》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110133554A (zh) * | 2018-02-08 | 2019-08-16 | 深圳先进技术研究院 | 一种基于分数阶模型的磁共振指纹成像方法、装置及介质 |
| CN110133554B (zh) * | 2018-02-08 | 2021-04-30 | 深圳先进技术研究院 | 一种基于分数阶模型的磁共振指纹成像方法、装置及介质 |
| CN109044355A (zh) * | 2018-06-28 | 2018-12-21 | 上海联影医疗科技有限公司 | 温度成像方法、装置、计算机设备和存储介质 |
| WO2020228641A1 (zh) * | 2019-05-10 | 2020-11-19 | 浙江大学 | 一种超短回波时间磁共振指纹弛豫时间测量方法 |
| US11353531B2 (en) | 2019-05-10 | 2022-06-07 | Zhejiang University | Method for measuring relaxation time of ultrashort echo time magnetic resonance fingerprinting |
| CN110148195A (zh) * | 2019-05-22 | 2019-08-20 | 山东颐邦齐鲁医生集团管理有限公司 | 一种磁共振图像生成方法、系统、终端及存储介质 |
| CN110148195B (zh) * | 2019-05-22 | 2023-05-05 | 山东颐邦齐鲁医生集团管理有限公司 | 一种磁共振图像生成方法、系统、终端及存储介质 |
| CN111537931A (zh) * | 2020-04-28 | 2020-08-14 | 深圳先进技术研究院 | 快速磁共振多参数成像方法和装置 |
| WO2021217391A1 (zh) * | 2020-04-28 | 2021-11-04 | 深圳先进技术研究院 | 快速磁共振多参数成像方法和装置 |
| CN111537931B (zh) * | 2020-04-28 | 2022-05-17 | 深圳先进技术研究院 | 快速磁共振多参数成像方法和装置 |
| CN115561690A (zh) * | 2022-09-23 | 2023-01-03 | 深圳市联影高端医疗装备创新研究院 | 磁共振数据处理方法、装置和计算机设备 |
| CN115561690B (zh) * | 2022-09-23 | 2023-09-26 | 深圳市联影高端医疗装备创新研究院 | 磁共振数据处理方法、装置和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107194354B (zh) | 2019-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107194354A (zh) | 一种用于磁共振指纹成像的快速字典搜索方法 | |
| Schlemper et al. | A deep cascade of convolutional neural networks for dynamic MR image reconstruction | |
| Nam et al. | Local decorrelation for improved pedestrian detection | |
| Nam et al. | Local decorrelation for improved detection | |
| Ravishankar et al. | Data-driven learning of a union of sparsifying transforms model for blind compressed sensing | |
| Zhang et al. | Robust sparse representation based multi-focus image fusion with dictionary construction and local spatial consistency | |
| US10175321B2 (en) | Iterative magnetic resonance fingerprinting reconstruction | |
| Liu et al. | Searching a hierarchically aggregated fusion architecture for fast multi-modality image fusion | |
| Kim et al. | Example-based super-resolution via structure analysis of patches | |
| Chen et al. | Pyramid convolutional RNN for MRI image reconstruction | |
| CN110110113A (zh) | 图像搜索方法、系统及电子装置 | |
| CN108038503B (zh) | 一种基于k-svd学习字典的机织物纹理表征方法 | |
| CN110531294B (zh) | 利用字典再压缩的磁共振指纹 | |
| Wang et al. | High fidelity deep learning‐based MRI reconstruction with instance‐wise discriminative feature matching loss | |
| CN110133554A (zh) | 一种基于分数阶模型的磁共振指纹成像方法、装置及介质 | |
| CN114972563A (zh) | 组织参数确定方法、装置、计算机设备和存储介质 | |
| CN108596906B (zh) | 一种基于稀疏局部保持投影的全参考屏幕图像质量评价方法 | |
| Yu et al. | Self-supervised gan compression | |
| US20040136611A1 (en) | System and method for using normalized gray scale pattern find | |
| Hou et al. | PNCS: Pixel-level non-local method based compressed sensing undersampled MRI image reconstruction | |
| CN112862094A (zh) | 一种基于元学习的快速适应drbm方法 | |
| CN112837220A (zh) | 一种提高红外图像分辨率的方法及其用途 | |
| Drew et al. | Shape retrieval with eigen-CSS search | |
| Liu et al. | Fine-grained MRI reconstruction using attentive selection generative adversarial networks | |
| CN117036897A (zh) | 一种基于Meta RCNN的少样本目标检测方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Ze Inventor before: Wang Ze Inventor before: Xie Jun |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190903 |