CN108287324A - 磁共振多对比度图像的重建方法和装置 - Google Patents

磁共振多对比度图像的重建方法和装置 Download PDF

Info

Publication number
CN108287324A
CN108287324A CN201810004850.7A CN201810004850A CN108287324A CN 108287324 A CN108287324 A CN 108287324A CN 201810004850 A CN201810004850 A CN 201810004850A CN 108287324 A CN108287324 A CN 108287324A
Authority
CN
China
Prior art keywords
image
contrast
corrected
initial pictures
space data
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
CN201810004850.7A
Other languages
English (en)
Other versions
CN108287324B (zh
Inventor
黄峰
韩璐
陈名亮
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.)
Shanghai Neusoft Medical Technology Co Ltd
Original Assignee
Shanghai Neusoft Medical Technology Co Ltd
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 Shanghai Neusoft Medical Technology Co Ltd filed Critical Shanghai Neusoft Medical Technology Co Ltd
Priority to CN201810004850.7A priority Critical patent/CN108287324B/zh
Publication of CN108287324A publication Critical patent/CN108287324A/zh
Application granted granted Critical
Publication of CN108287324B publication Critical patent/CN108287324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565Correction of image distortions, e.g. due to magnetic field inhomogeneities

Landscapes

  • 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)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请公开了一种磁共振多对比度图像的重建方法,通过将待校正图像的过渡图像和残差图像相加,得到最终重建图像。其中,待校正图像为N个对比度的初始图像中的至少一个,过渡图像相较于初始图像具有较低的噪声和伪影,同时损失了部分组织结构信息,而该损失的部分组织结构信息可以由残差图像中的组织结构信息所弥补,通过两者加和得到的最终图像可以维持图像的保真度。由于过渡图像和残差图像没有改变初始图像的对比度和分辨率,而且均具有较低的噪声和伪影,因此,通过两者加和得到的最终图像可以维持图像的对比度和分辨率,也具有较低的噪声和伪影。本申请还公开了一种磁共振多对比度图像的重建装置。

Description

磁共振多对比度图像的重建方法和装置
技术领域
本申请涉及医学影像领域,尤其涉及一种磁共振多对比度图像的重建方法和装置。
背景技术
磁共振成像是一种多对比度成像技术,其可以获得多种对比度图像,提供丰富的信息用于诊断。
例如,T1和T2加权图像可在一定程度上反映被检查部位的分子生物学和组织学特征,为疾病的检出和诊断提供信息。一般来说,T1加权像可以对增长解剖结构显示较好,T2加权像对病变的显示较为敏感。弥散加权成像(Diffusion Weighted Imaging,DWI)的基础是水分子运动,可以反映基于脑生理状态的信息,为急性脑梗死、肿瘤、脱髓鞘等颅内病变的鉴别和诊断提供了重要信息。
然而,相较于其他成像方式,如计算机x射线断层扫描(Computed Tomography,CT)、正电子发射(Positron Emission Tomography,PET)等,磁共振成像需要较长的扫描时间,进而限制了磁共振多对比度图像的获取。
为了提高磁共振成像速率,减少磁共振扫描时间,并行成像(Parallel Imaging)技术应运而生。该并行成像技术通过在相位编码方向用欠采样的方式采集数据,以达到降低扫描时间的目的。
已有的并行成像技术例如敏感度编码(Sensitivity Encoding,SENSE)和广义自校准部分并行采集(Generalized Auto-calibrating Partially ParallelAcquisitions,GRAPPA)技术,能够有效减少磁共振扫描时间,但是也不可避免地降低了图像的信噪比,并在图像中引入一定的伪影。
发明内容
有鉴于此,本申请提供了一种磁共振多对比度图像的重建方法和装置,以在维持图像对比度、保真度和分辨率的前提下,提高并行成像技术中的图像信噪比并消除图像伪影。
为了解决上述技术问题,本申请采用了如下技术方案:
一种磁共振多对比度图像的重建方法,包括:
分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像;所述原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中,N≥2,且N为正整数;设定N个对比度分别为第1对比度、第2对比度,依此类推,直至第N对比度;
根据N个所述初始图像生成待校正图像的过渡图像;相较于待校正图像,所述过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息;所述待校正图像为第n对比度的初始图像,n∈{1,2,.....,N};
对所述过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据;
将所述仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据;
对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像;
将所述过渡图像与所述残差图像相加,得到第n对比度的最终重建图像。
可选地,所述方法还包括:
从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图;
利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图;
所述对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、保留有组织结构信息的残差图像,具体包括:
利用所述组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。
可选地,所述从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图,具体包括:
通过直接计算各个图像梯度的方法、基于结构相似法的图像结构信息提取方法、基于总变差模型的图像结构提取方法中的至少一种方法从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图。
可选地,所述根据N个所述初始图像生成待校正图像的过渡图像,具体包括:
根据N个所述初始图像获取待校正图像的参考图像;相较于所述待校正图像,所述参考图像具有较高信噪比和较少伪影;
根据所述参考图像生成待校正图像的过渡图像。
可选地,所述根据N个所述初始图像获取待校正图像的参考图像,具体包括:
比较N个初始图像的信噪比和/或伪影;
将N个所述初始图像中信噪比最高和/或伪影最少的初始图像作为待校正图像的参考图像。
可选地,所述所述根据N个所述初始图像获取待校正图像的参考图像,具体包括:
对N个初始图像进行加和平均,得到的加和平均图像作为待校正图像的参考图像。
可选地,所述根据所述参考图像生成待校正图像的过渡图像,具体包括:
利用图像比约束重建方法,根据参考图像重建出待校正图像的过渡图像。
可选地,所述利用图像比约束重建方法,根据参考图像重建出待校正图像的过渡图像,具体包括:
分别对待校正图像和参考图像进行去除噪声处理,得到去噪后的待校正图像和参考图像;
将所述去噪后的待校正图像与去噪后的参考图像的比值与参考图像相乘,得到的乘积作为过渡图像。
可选地,所述去除噪声处理为低通滤波处理。
一种磁共振多对比度图像的重建装置,包括并行重建单元、第一生成单元、变换单元、减法单元、稀疏约束重建单元和加和单元,其中:
并行重建单元,用于分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像;所述原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中,N≥2,且N为正整数;设定N个对比度分别为第1对比度、第2对比度,依此类推,直至第N对比度;
第一生成单元,用于根据N个所述初始图像生成待校正图像的过渡图像;相较于待校正图像,所述过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息;所述待校正图像为第n对比度的初始图像,n∈{1,2,.....,N};
变换单元,用于对所述过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据;
减法单元,用于将所述仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据;
稀疏约束重建单元,用于对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像;
加和单元,用于将所述过渡图像与所述残差图像相加,得到第n对比度的最终重建图像。
可选地,所述装置还包括特征提取单元和第二生成单元,其中:
特征提取单元,用于从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图;
第二生成单元,用于利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图;
所述稀疏约束重建单元,具体用于利用所述组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。
可选地,所述特征提取单元具体用于:
通过直接计算各个图像梯度的方法、基于结构相似法的图像结构信息提取方法、基于总变差模型的图像结构提取方法中的至少一种方法从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图。
相较于现有技术,本申请具有以下有益效果:
基于以上技术方案可知,本申请提供的磁共振多对比度图像的重建方法通过过渡图像和残差图像加和得到最终重建图像。其中,过渡图像相较于初始图像具有较低的噪声和伪影,同时损失了部分组织结构信息。而该损失的部分组织结构信息可以由残差图像中的组织结构信息所弥补,因此,通过两者加和得到的最终图像可以维持图像的保真度。并且过渡图像和残差图像没有改变初始图像的对比度和分辨率,因此,通过两者加和得到的最终图像可以维持图像的对比度和分辨率。进一步地,因过渡图像和残差图像均具有较低的噪声和伪影,因此,两者加和得到的最终图像也具有较低的噪声和伪影,如此,该方法能够在维持图像对比度、保真度和分辨率的前提下,提高并行成像技术中的图像信噪比并消除图像伪影。
附图说明
图1所示为本申请实施例提供的一种磁共振多对比度图像的重建方法的实现框架图;
图2所示为本申请实施例提供的一种磁共振多对比度图像的重建方法的流程图;
图3所示为本申请实施例提供的一种磁共振多对比度图像的重建方法的一具体示例的实现框架图;
图4所示为本申请实施例提供的一种磁共振多对比度图像的重建方法的一具体示例的方法流程图;
图5A-图5D所示为本申请实施例提供的一种磁共振多对比度图像的重建方法的一具体示例的实现效果图;
图6所示是本申请实施例提供的执行磁共振多对比度图像重建方法的控制设备的结构示意图;
图7所示是本申请实施例提供的一种磁共振多对比度图像的重建装置的结构示意图。
具体实施方式
如背景技术部分所记载,传统的并行成像技术例如SENSE或GRAPPA技术,尽管能够减少磁共振扫描时间,但是也不可避免地降低了图像的信噪比,并在图像中引入一定的伪影,造成多对比度图像中诊断信息的损失,给疾病诊断增加了难度。
本申请的发明人经过研究发现,多对比度图像所固有的组织结构相似性,可以用于精确地提取结构特征,根据该结构特征进行稀疏约束重建,可以有效地抑制噪声和伪影,恢复图像的细节信息。
有鉴于此,本申请实施例提供了一种磁共振多对比度图像的重建方法。该方法可以先基于多个对比度的初始图像来获取待校正图像图像的过渡图像和残差图像,然后将过渡图像和残差图像加和得到待校正图像的最终重建图像。其中,过渡图像相较于初始图像具有较低的噪声和伪影,同时损失了部分组织结构信息。而该损失的部分组织结构信息可以由残差图像中的组织结构信息所弥补,因此,通过两者加和得到的最终图像可以维持图像的保真度。并且,过渡图像和残差图像没有改变初始图像的对比度和分辨率,通过两者加和得到的最终重建图像可以维持图像的对比度和分辨率。进一步地,因过渡图像和残差图像均具有较低的噪声和伪影,因此,两者加和得到的最终重建图像也具有较低的噪声和伪影,如此,该方法能够在维持图像对比度、保真度和分辨率的前提下,提高并行成像技术中的图像信噪比并消除图像伪影。
下面结合附图,对本申请实施例提供的磁共振多对比度图像的重建方法进行介绍。
图1示出了本申请实施例提供的磁共振多对比度图像的重建的实现框架图,根据该实现框架图,本申请还相应地提供了磁共振多对比图像的的重建方法的流程图,如图2所示。
由图1可知,可以采用本领域常规的并行重建方法分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像。由于采用了并行成像技术,该初始图像中存在信噪比降低以及伪影等问题,需要对存在上述问题的初始图像进行校正,将需要进行校正的初始图像作为待校正图像。可以理解,在本申请实施例中,生成的N个初始图像中,有可能只有部分图像需要进行后续校正处理。这是因为,生成的N个初始图像中,可能存在某一或多个图像的图像质量较好,能够满足使用要求,在这种情况下,就可以不对该图像进行后续校正处理,。因此,在本申请实施例中,可以仅对那些不满足使用要求的图像进行后续校正处理。
为了方便描述,本申请实施例将需要进行后续校正处理的初始图像称为待校正图像。
根据初始图像的质量,即图像的对比度、信噪比、伪影等特征,可以确定出待校正图像。因此,在本申请实施例中,待校正图像为初始图像中的至少一个,为了方便表述,设定初始图像的N个对比度分别为第1对比度、第2对比度,……,依此类推,直至第N对比度,待校正图像为第n对比度的图像,其中,n可以为1至N中的任意整数。
由于待校正图像的数量可以为一个,也可以为多个。在本申请示例中,对其中一个待校正图像的重建方法进行说明,对其他待校正图像进行校正时可以参照本示例中的重建方法。
请参照图1,在得到N个对比度的初始图像后,可以根据N个初始图像得到待校正图像的过渡图像,并从N个初始图像中提取出组织结构特征信息。其中,过渡图像相对于待校正图像,包含了较低的噪声和伪影,但同时损失了部分组织结构信息。而组织结构特征信息可以结合初始图像、过渡图像进行稀疏约束重建,得到残差图像,残差图像具有较低的噪声和伪影,并且保留有组织结构信息。将均具有较低噪声和伪影的过渡图像和残差图像相加,可以得到具有较低噪声和伪影的最终重建图像,而且残差图像中保留的组织结构信息弥补了过渡图像中损失的部分组织结构信息,维持了最终重建图像的保真度。
以上为本申请实施例提供的一种磁共振多对比度图像的重建的实现框架,为了便于理解,下面结合图2所示的磁共振多对比度图像的重建方法的流程图,对本申请实施例提供的磁共振多对比度图像的重建方法进行介绍。请参照图2,该方法包括:
S201:分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像,原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中N≥2,且N为正整数,设定N个对比度分别为第一对比度、第二对比度,依此类推,直至第N对比度。
S202:根据N个初始图像生成待校正图像的过渡图像,相较于待校正图像,过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息,待校正图像为第n对比度的初始图像,n∈{1,2,.....,N}。
S203:对过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据。
S204:将仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据。
S205:对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像。
S206:将过渡图像与残差图像相加,得到第n对比度的最终重建图像。
针对上述各步骤的具体实现方式,将在下文中详细描述。
在S201中,为了提高磁共振成像速率,减少磁共振扫描时间,在采集N个对比度的原始K空间数据时采用了欠采样方式对K空间进行采集。在采集过程中通过多线圈通道采集得到,所谓欠采样,就是仅采集K空间内的部分相位编码行,而非全部相位编码行。举例来说,设定采集加速倍数即并行加速因子为4,则在每个对比度的原始K空间数据对应的相位编码行占真个K空间总相位编码行的1/4。
进一步地,为了便于并行重建,减少图像重建所需的时间,在本申请实施例中,可以采用等距离降采样的方式采集K空间数据。仍以上述的采集加速倍数为4举例,则采集到的一个对比度的原始K空间数据可以为第1行、第5行、第9行,……,第4k+1行相位编码线上的数据。其中,k为整数。
对每个对比度的原始K空间数据进行并行重建可以采用有多种实现方式。作为本申请的一具体示例,可以应用SENSE算法对N个对比度的原始K空间数据进行并行重建。作为本申请的另一具体示例,还可以应用GRAPPA算法对N个对比度的原始K空间数据进行并行重建。
S202可以具体为,根据N个初始图像生成待校正图像的参考图像,然后根据待校正图像的参考图像生成待校正图像的过渡图像。
相较于待校正图像,参考图像具有较高的信噪比和较少的伪影。生成待校正图像的参考图像可以由多种实现方式。作为本申请的一具体示例,可以对N个初始图像进行加和平均,得到平均图像,将平均图像作为参考图像。由于平均图像加强了共享的细节和边界特征等信息,并且抑制了噪声和伪影,因此,平均图像相较于待校正图像,具有较高的信噪比和较少的伪影,可以作为参考图像对待校正图像进行校正。
作为本申请的另一具体示例,当重建得到的N个初始图像中存在图像质量较好的图像时,还可以将其中一个初始图像作为参考图像,在该情形下,S202可以具体为:比较N个初始图像的信噪比,将N个初始图像中信噪比最高的初始图像作为待校正图像的参考图像。作为本申请实施例的扩展,S202还可以具体为:可以比较N个初始图像的伪影,将N个初始图像中伪影最少的初始图像作为待校正图像的参考图像。在本申请实施例其他可能的实现方式中,S202也可以具体为:比较N个初始图像的信噪比和伪影,将N个初始图像中信噪比最高且伪影最少的初始图像作为待校正图像的参考图像。
在生成待校正图像的参考图像之后,可以根据参考图像生成待校正图像的过渡图像。作为本申请的一具体示例,为了减少图像平坦区域的退化,较好地保护图像中的组织细节,可以利用图像约束比重建(Image Ratio Constrained Reconstruction,IRCR)算法,根据参考图像重建出待校正图像的过渡图像。具体为,分别对待校正图像和参考图像进行去除噪声处理,得到去噪后的待校正图像和参考图像,将去噪后的待校正图像与去噪后的参考图像的比值与参考图像相乘,得到的乘积作为过渡图像。其中,对图像进行去噪处理,可以通过低通滤波的方式实现。需要说明的是,利用IRCR算法生成待校正图像的过渡图像仅仅为本申请的一个具体示例,任意可以生成过渡图像的方法均可以应用于本申请实施例,本申请实施例对生成过渡图像的方式不做限定。
在上述实施例中,由于过渡图像是根据待校正图像和参考图像生成的,对待校正图像和参考图像进行去噪声处理,提高了信噪比,由于采用了高信噪比、少伪影的参考图像去获取过渡图像,该过渡图像也包含较低的噪声和伪影,然而在去除噪声和伪影的过程中,同时也损失了部分组织结构信息。为了维持图像的保真度,以帮助医生进行疾病诊断,有必要对过渡图像中损失的部分组织结构信息进行恢复。对组织结构信息进行恢复的过程将在接下来的步骤中进行详细描述。
在S203中,将图像转换为K空间数据可以视为S201中由K空间数据重建得到图像的逆过程,由于在重建图像时采用了傅里叶变换,为此可以通过反傅里叶变换将图像转换为K空间数据。需要说明,对过渡图像进行反傅里叶变换得到的转换后的K空间数据为一个线圈通道的K空间数据,而在采集过程中得到的每个对比度的原始K空间数据均为多线圈通道的K空间数据,因此,为了方便后续得到残差K空间数据,所以,步骤S203在通过反傅里叶变换得到转换后的K空间数据后,还要结合磁共振系统中的多线圈通道信息来得到仿真后的多通道K空间数据。
其中,多线圈通道信息即为S201中的原始K空间数据的采集通道的信息。当采用SENSE算法进行并行重建时,多线圈通道信息可以包括预扫描的多通道相控阵列线圈的不同敏感度信息。在一种可能的实现方式中,多线圈通道信息还可以包括通过欠采样数据重建得到的初始图像的混叠信息。需要说明,多线圈通道信息还可以是其他信息,本申请实施例对此不做限定。
作为示例,S203的一个具体实现方式可以为,对过渡图像进行反傅里叶变换,结合预扫描的多通道相控阵列线圈的不同敏感度信息和初始图像的混叠信息进行仿真,得到仿真后的多通道K空间数据。
在S203中,仿真后的多通道K空间数据是基于过渡图像得到的,可以理解,由于过渡图像中损失了部分组织结构信息,该仿真后的多通道K空间数据也相应地缺少与损失的组织结构信息相对应的K空间数据。此外,过渡图像相对于待校正图像具有较低的噪声和伪影,与过渡图像相对应的仿真后的多通道K空间数据也相应地缺少获取过渡图像过程中减少的噪声和伪影所对应的K空间数据。
基于此,在S204中,可以将仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据。由于原始K空间数据为对对象例如患者进行扫描所采集到的数据,具有较为完整的组织结构信息所对应的数据,将原始K空间数据与仿真后的多通道K空间数据作差,所得到的残差K空间数据保留了损失的组织结构信息所对应的K空间数据。基于残差K空间数据,可以进行重建,得到保留了组织结构信息的图像,该图像可以用于弥补过渡图像中所损失的组织结构信息。
此外,由于过渡图像相对于初始图像,减少了噪声和伪影,因此基于仿真后的多通道K空间数据和原始K空间数据所得到的残差K空间数据中也保留了部分噪声和伪影所对应的K空间数据。为了得到较高信噪比、较少伪影的图像,可以在对原始K空间数据进行重建的过程中抑制噪声和伪影,以得到具有较高信噪比,较少伪影,并且保留有组织结构信息的图像,以恢复过渡图像中损失的部分组织结构信息,同时保障具有较高的信噪比和较少的伪影。
对残差K空间数据进行重建的过程在接下来的步骤中进行详细描述,这里不再赘述。
在S205中,可以对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像。为了实现组织结构特征权重调制的稀疏约束重建,首先可以获取组织结构特征信息。获取图像的组织结构特征信息,通常可以采用图像结构特征提取算法。
作为本申请的一具体示例,由于不同对比度图像间享有共同组织结构特征这一特性,因此,为了提高结构特征的精度,可以采用基于总变差模型(Relative TotalVariation,RTV)的图像结构提取方法,获取各个初始图像的组织结构特征图。在本步骤中,还可以采用其他图像结构特征提取算法代替本步骤中的基于RTV的图像结构提取方法,任意的图像结构特征提取算法均可以用于提取图像结构特征信息。作为本申请实施例的扩展,可以采用计算各个图像梯度的方法提取组织结构特征信息,或者采用基于结构相似法(Structure Similarity,SSIM)的图像结构信息提取方法(Feature descriptor)提取组织结构特征信息,也可以采用上述提取方法的结合从N个不同对比度的初始图像中分别提取组织结构特征,得到N个组织结构特征图。
进一步地,由于N个不同对比度的初始图像是对同一对象进行扫描时采集的数据重建得到的,同一对象的组织结构信息可以视为不变的,因此,N个初始图像共享相同的细节和组织结构信息,可以将N个组织结构特征图进行结合,生成一个组织结构特征总图,从而进一步提高结构特征的精度。在本申请实施例中,可以采用多种方式实现N个组织结构特征图结合,生成一个组织结构特征总图。作为示例,可以通过将N个组织结构特征图进行加和平均,得到的平均图作为组织结构特征总图。
可以根据组织结构信息对残差K空间数据进行重建。作为本申请的一具体示例,可以利用组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。所谓正则化重建,即为稀疏约束重建。由于采用了组织结构特征总图作为先验知识,使得根据残差K空间数据重建得到的残差图像保留有组织结构信息。而在正则化重建过程中,正则化函数的选择是成像质量的关键,合适的正则化函数可以有效抑制噪声和伪影对重建图像的影响。也就是说,以组织结构特征总图,对残差K空间数据进行正则化重建,可以得到噪声和伪影被抑制,且保留有组织结构信息的残差图像。需要说明的是,以上仅为本申请实施例中,对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像的一个具体示例,在本申请实施例其他可能的实现方式中,也可以采用其他方式生成残差图像。
在生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像后,在S206中,可以将过渡图像和残差图像相加,得到第n对比度的最终重建图像。由于过渡图像相较于初始图像具有较低的噪声和伪影,同时损失了部分组织结构信息。而该损失的部分组织结构信息可以由残差图像中的组织结构信息所弥补,因此,通过两者加和得到的最终重建图像可以维持图像的保真度。并且过渡图像和残差图像没有改变初始图像的对比度和分辨率,因此,通过两者加和得到的最终重建图像可以维持图像的对比度和分辨率。进一步地,因过渡图像和残差图像均具有较低的噪声和伪影,因此,两者加和得到的最终重建图像也具有较低的噪声和伪影,如此,该方法能够在维持图像对比度、保真度和分辨率的前提下,提高并行成像技术中的图像信噪比并消除图像伪影。
需要说明,在S206中,将过渡图像与残差图像相加,有以下两种具体实现方式:
一种是在图像域加和:该具体实现方式直接将过渡图像与残差图像相加,得到的加和为第n对比度的最终重建图像。通过在图像域加和,成像速度更快,提高了成像效率。
另外一种在数据域加和:该具体实现方式,需要先通过反傅里叶变换分别将过渡图像和残差图像转换为过渡图像的K空间数据和残差图像的K空间数据,然后对该两个K空间数据进行加和,最后对加和后的K空间数据进行图像重建,得到的图像为第n对比度的最终重建图像。通过在数据域加和,可以提高成像质量。
以上为本申请实施例提供的一种磁共振多对比图像的重建方法的具体实现方式。通过获取待校正图像的过渡图像和残差图像,由于过渡图像包含有较低的噪声和伪影,损失了部分组织结构信息,而残差图像保留有组织结构信息,并且具有较低的噪声和伪影,将过渡图像和残差图像进行结合,可以改善并行成像算法中信噪比下降的问题,减少图像的伪影程度,而且具有较强的鲁棒性。
为了更清楚地理解本申请实施例提供的磁共振多对比度图像的重建方法,下面结合一更具体示例描述本申请提供的磁共振多对比度图像的重建方法。图3所示为本申请另一实施例提供的一种磁共振多对比度图像的重建方法的实现框架图,根据图3所示的实现框架图,本申请另一实施例还提供了一种磁共振多对比度图像的重建方法的流程图,如图4所示。
结合图3所示的实现框架图,可以明确,该具体示例是以图像约束比重建算法重建得到过渡图像,以基于SSIM或RTV的特征提取方法提取组织结构信息,根据过渡图像和组织结构信息得到最终重建图像。由于过渡图像具有较低的噪声和伪影,但损失了部分组织结构信息,而以基于SSIM或RTV的特征提取方法提取组织结构信息可以弥补过渡图像损失的组织结构信息,因而根据过渡图像和组织结构信息得到的最终重建图像在维持了保真度的同时,具有较高的信噪比和较少的伪影,可以给疾病诊断带来帮助。
其中,根据过渡图像和组织结构信息得到最终重建图像的过程具体为,基于过渡图像,结合初始图像信息以及组织结构特征信息,进行系数约束重建,得到残差图像,将残差图像和过渡图像相加得到最终重建图像。
下面结合图4所示的磁共振多对比度图像的重建方法的流程图对该示例进行介绍,请参照图4,该方法包括:
S401:利用欠采样方式通过多线圈通道采集N个对比度的磁共振数据,分别得到N个对比度的原始K空间数据。
在本步骤,由于需要对并行成像技术形成的图像进行校正,以改善信噪比和伪影,因此,需要采集至少2个对比度的磁共振数据以重建得到至少2个图像,也就是说,N≥2,且N为正整数。
S402:应用SENSE算法,分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像
其中,SENSE算法为获得N个对比度的初始图像的一种具体实现方式,在本申请实施例中还可以采用其他方式获得N个对比度的初始图像,例如可以采用GRAPPA算法对采集的N个对比度的原始K空间数据进行并行重建得到。
S403:对N个初始图像进行加和平均,得到平均图像将平均图像作为参考图像。
对N个初始图像进行加和平均,得到平均图像可以通过如下公式实现:
其中,待校正图像可以为信噪比较低或伪影较多,需要进行校正的图像。待校正图像可以是N个对比度的初始图像中的至少一个。相较于待校正图像,参考图像具有较高信噪比和较少伪影,而平均图像加强了共享的细节和边界特征等信息,并且抑制了噪声和伪影,可以作为参考图像。
S404:对待校正图像和参考图像进行低通滤波,得到去噪后的待校正图像和去噪后的参考图像
可以理解,图像中一般存在低频部分和高频部分,而图像中的噪声通常为高频部分,通过对图像进行低通滤波,可以将图像中的高频部分进行过滤,从而实现了图像的去噪。
在本步骤中,可以通过对待校正图像和参考图像进行低通滤波,实现对待校正图像和参考图像分别进行去除噪声处理,得到去噪后的待校正图像和去噪后的参考图像在本申请实施例其他可能的实现方式中,还可以通过其他方式对待校正图像和参考图像分别进行去除噪声处理,得到去噪后的待校正图像和参考图像,低通滤波仅为本申请的一个示例。
S405:根据图像比约束重建算法进行重建,得到过渡图像
在本步骤中,可以将去噪后的待校正图像与去噪后的参考图像的比值与参考图像相乘,得到的乘积作为过渡图像通过公式表示如下:
相较于待校正图像过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息。可以在过渡图像的基础上,恢复损失的组织结构信息,得到较高信噪比、较少伪影的图像,从而给诊断疾病带来帮助。
S406:基于过渡图像结合预扫描的多通道相控阵列线圈的不同敏感度信息和初始图像的混叠信息进行仿真,得到仿真后的多通道K空间数据。
在本步骤中,可以对过渡图像进行反傅里叶变换,并结合多线圈通道信息,得到仿真后的多通道K空间数据。当采用SENSE算法获取初始图像时,多线圈通道信息可以包括预扫描的多通道相控阵列线圈的不同敏感度信息。多通道相控阵列线圈的不同敏感度信息仅为本申请实施例中多线圈通道信息的一个具体示例,在本申请实施例中,多线圈通道信息还可以是其他信息。
S407:将仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据。
在本步骤中,仿真后的多通道K空间数据是基于过渡图像得到的,而过渡图像与待校正图像具有对应关系,待校正图像可以为N个初始图像中的至少一个。当待校正图像为多个时,可以得到多个过渡图像分别与待校正图像对应。根据多个过渡图像可以得到多组仿真后的多通道K空间数据,可以将这多组仿真后的多通道K空间数据与待校正图像对应的原始K空间数据分别作差,以得到多个待校正图像对应的多组残差K空间数据。当待校正图像为一个时,可以参照待校正图像为多个时,获取残差K空间数据的方法,这里不再赘述。
为了更清楚地理解本步骤,举例说明如下:
若待校正图像包括时,则将基于的过渡图像得到的仿真后的多通道K空间数据与待校正图像的原始K空间数据作差,得到对应的残差K空间数据,将基于的过渡图像得到的仿真后的多通道K空间数据与待校正图像的原始K空间数据作差,得到对应的残差K空间数据。
S408:基于总变差模型(Relative Total Variation,RTV)的图像结构提取方法,获取各个初始图像的组织结构特征图。
由于过渡图像具有较低的噪声和伪影,但是同时损失了部分组织结构信息,而本步骤获取的组织结构特征是从与过渡图像相对应的初始图像中提取的,可以将该结构特征信息用于恢复过渡图像中损失的部分组织结构信息。
S409:利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图。
可以理解,不同对比度的初始图像均为对同一对象进行扫描得到的,同一对象具有相同的组织结构,因此不同对比度的初始图像共享相同的细节和组织结构信息,基于此,可以将N个初始图像中分别提取的N个组织结构特征图进行结合,生成一个组织结构特征总图。该组织结构特征总图由于结合了对个对比度图像中的组织结构信息,相比于某一特定组织结构特征图,可以包括更多的细节与组织结构信息,更有利于对过渡图像中损失的组织结构信息进行恢复,因而可以提供较多的诊断信息,可以为疾病诊断带来帮助。
S410:利用组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像
在本步骤中,由于采用了组织结构特征总图作为先验知识,因而对残差K空间数据进行正则化重建得到的图像中具有组织结构信息,此外,采用正则化重建方法,可以抑制图像中的噪声和伪影,因此,可以得到噪声和伪影被抑制的且保留有组织结构信息的残差图像
需要说明的是,正则化重建仅仅是图像重建方法的一个具体示例,在本申请实施例其他可能的实现方式中,也可以采用其他图像重建方法对残差K空间数据进行重建,以得到残差图像。例如,可以采用基于滤波的方式,包括逆滤波、维纳滤波、卡尔曼滤波等等。
S411:将过渡图像和残差图像相加,得到最终重建图像Iα
由于过渡图像中具有较低的噪声和伪影,但是损失了部分组织结构信息,残差图像也具有较低的噪声和伪影,而且保留了组织结构信息,因此,将过渡图像和残差图像相加得到的最终重建图像Iα不仅具有较低的噪声和伪影,还保留了组织结构信息,可以提供较多的诊断信息,为疾病诊断带来帮助。
其中,S408-S410为对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、保留有组织结构信息的残差图像的一种具体实现方式,作为本申请实施例的扩展,还可以采用其他方式得到残差图像,本申请实施例对此不做限定。
此外,S408-S409可以在S402之后,S410之前的任意时间执行,例如可以在S402之后、S403之前执行,本申请实施例对此不做限定,S408-S409的执行顺序并不影响本申请实施例的实现。
以上为本申请实施例提供的一种磁共振多对比度图像的重建方法的具体实现方式。通过将待校正图像的过渡图像和残差图像加和得到最终重建图像。其中,过渡图像相较于初始图像具有较低的噪声和伪影,同时损失了部分组织结构信息。而该损失的部分组织结构信息可以由残差图像中的组织结构信息所弥补,因此,通过两者加和得到的最终图像可以维持图像的保真度。并且过渡图像和残差图像没有改变初始图像的对比度和分辨率,因此,通过两者加和得到的最终图像可以维持图像的对比度和分辨率。进一步地,因过渡图像和残差图像均具有较低的噪声和伪影,因此,两者加和得到的最终图像也具有较低的噪声和伪影,如此,该方法能够在维持图像对比度、保真度和分辨率的前提下,提高并行成像技术中的图像信噪比并消除图像伪影。
为了突出本申请具体实施方式达到的技术效果,图5A至图5D分别示出了本申请具体实施方式中所提及的初始图像、过渡图像、组织结构特征总图和最终重建图像。其中,图5A为根据SENSE并行算法重建得到的初始图像,由图5A可知,该图像中具有明显的噪声和伪影,影响疾病诊断,图5B为根据初始图像所确定出的参考图像,该图像信噪比明显提高,而且伪影也相应减少,然而损失了部分组织结构信息,图5C为从初始图像中提取组织结构特征所得到的组织结构特征总图,图5C具有较低的噪声和伪影,而且保留了组织结构信息,图5D为根据图5B所示的过渡图像和图5C所示的组织结构特征总图所确定出的最终重建图像,对比图5D和图5A,很容易发现,本申请具体实施方式重建得到的图像在保护了细节和边界信息、对比度、保真度的前提下,图像的信噪比有明显的提升,伪影水平有明显降低。
上述实施例的磁共振多对比度图像的重建方法可以由图6所示的控制设备执行。图6所示的控制设备包括处理器(processor)610,通信接口(Communications Interface)620,存储器(memory)630,总线640。处理器610,通信接口620,存储器630通过总线640完成相互间的通信。
其中,存储器630中可以存储有磁共振多对比度图像重建的逻辑指令,该存储器例如可以是非易失性存储器(non-volatile memory)。处理器610可以调用执行存储器630中的磁共振多对比度图像重建的逻辑指令,以执行上述的磁共振多对比度图像的重建方法。作为实施例,该磁共振多对比度图像重建的逻辑指令可以为控制软件对应的程序,在处理器执行该指令时,控制设备可以对应地在显示界面上显示该指令对应的功能界面。
磁共振多对比度图像重建的逻辑指令的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上述的磁共振多对比度图像重建的逻辑指令,可以称为“磁共振多对比度图像重建装置”,该装置可以划分成各个功能模块。具体参见以下实施例。
下面介绍本申请实施例提供的磁共振多对比度图像重建装置的具体实施方式。
请参见图7,本申请实施例提供的磁共振多对比度图像重建装置包括:
并行重建单元701,用于分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像;原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中,N≥2,且N为正整数;设定N个对比度分别为第1对比度、第2对比度,依此类推,直至第N对比度;
第一生成单元702,用于根据N个初始图像生成待校正图像的过渡图像;相较于待校正图像,过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息;待校正图像为第n对比度的初始图像,n∈{1,2,.....,N};
变换单元703,用于对过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据;
减法单元704,用于将仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据;
稀疏约束重建单元705,用于对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像;
加和单元706,用于将过渡图像与残差图像相加,得到第n对比度的最终重建图像。
作为本申请的一可选实施例,该装置还可以包括特征提取单元和第二生成单元,其中:
特征提取单元,用于从N个初始图像中分别提取组织结构特征,得到N个组织结构特征图;
第二生成单元,用于利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图;
稀疏约束重建单元具体用于,利用组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。
作为本申请的一可选实施例,特征提取单元具体用于通过直接计算各个图像梯度的方法、基于结构相似法的图像结构信息提取方法、基于总变差模型的图像结构提取方法中的至少一种方法从N个初始图像中分别提取组织结构特征,得到N个组织结构特征图。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种磁共振多对比度图像的重建方法,其特征在于,包括:
分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像;所述原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中,N≥2,且N为正整数;设定N个对比度分别为第1对比度、第2对比度,依此类推,直至第N对比度;
根据N个所述初始图像生成待校正图像的过渡图像;相较于待校正图像,所述过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息;所述待校正图像为第n对比度的初始图像,n∈{1,2,.....,N};
对所述过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据;
将所述仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据;
对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像;
将所述过渡图像与所述残差图像相加,得到第n对比度的最终重建图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图;
利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图;
所述对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、保留有组织结构信息的残差图像,具体包括:
利用所述组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。
3.根据权利要求2所述的方法,其特征在于,所述从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图,具体包括:
通过直接计算各个图像梯度的方法、基于结构相似法的图像结构信息提取方法、基于总变差模型的图像结构提取方法中的至少一种方法从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据N个所述初始图像生成待校正图像的过渡图像,具体包括:
根据N个所述初始图像获取待校正图像的参考图像;相较于所述待校正图像,所述参考图像具有较高信噪比和较少伪影;
根据所述参考图像生成待校正图像的过渡图像。
5.根据权利要求4所述的方法,其特征在于,所述根据N个所述初始图像获取待校正图像的参考图像,具体包括:
比较N个初始图像的信噪比和/或伪影;
将N个所述初始图像中信噪比最高和/或伪影最少的初始图像作为待校正图像的参考图像。
6.根据权利要求4所述的方法,其特征在于,所述所述根据N个所述初始图像获取待校正图像的参考图像,具体包括:
对N个初始图像进行加和平均,得到的加和平均图像作为待校正图像的参考图像。
7.根据权利要求4所述的方法,其特征在于,所述根据所述参考图像生成待校正图像的过渡图像,具体包括:
利用图像比约束重建方法,根据参考图像重建出待校正图像的过渡图像。
8.根据权利要求7所述的方法,其特征在于,所述利用图像比约束重建方法,根据参考图像重建出待校正图像的过渡图像,具体包括:
分别对待校正图像和参考图像进行去除噪声处理,得到去噪后的待校正图像和参考图像;
将所述去噪后的待校正图像与去噪后的参考图像的比值与参考图像相乘,得到的乘积作为过渡图像。
9.根据权利要求8所述的方法,其特征在于,所述去除噪声处理为低通滤波处理。
10.一种磁共振多对比度图像的重建装置,其特征在于,包括并行重建单元、第一生成单元、变换单元、减法单元、稀疏约束重建单元和加和单元,其中:
并行重建单元,用于分别对N个对比度的原始K空间数据进行并行重建,得到N个对比度的初始图像;所述原始K空间数据利用欠采样方式通过多线圈通道采集得到,其中,N≥2,且N为正整数;设定N个对比度分别为第1对比度、第2对比度,依此类推,直至第N对比度;
第一生成单元,用于根据N个所述初始图像生成待校正图像的过渡图像;相较于待校正图像,所述过渡图像包含较低的噪声和伪影,同时损失了部分组织结构信息;所述待校正图像为第n对比度的初始图像,n∈{1,2,.....,N};
变换单元,用于对所述过渡图像进行反傅里叶变换并结合多线圈通道信息,得到仿真后的多通道K空间数据;
减法单元,用于将所述仿真后的多通道K空间数据与待校正图像对应的原始K空间数据作差,得到残差K空间数据;
稀疏约束重建单元,用于对残差K空间数据进行组织结构特征权重调制的稀疏约束重建,生成噪声和伪影被抑制的、且保留有组织结构信息的残差图像;
加和单元,用于将所述过渡图像与所述残差图像相加,得到第n对比度的最终重建图像。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括特征提取单元和第二生成单元,其中:
特征提取单元,用于从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图;
第二生成单元,用于利用不同对比度图像共享相同的细节和组织结构信息的特性,将N个组织结构特征图进行结合,生成一个组织结构特征总图;
所述稀疏约束重建单元,具体用于利用所述组织结构特征总图作为先验知识,对残差K空间数据进行正则化重建,得到噪声和伪影被抑制的且保留有组织结构信息的残差图像。
12.根据权利要求11所述的装置,其特征在于,所述特征提取单元具体用于:
通过直接计算各个图像梯度的方法、基于结构相似法的图像结构信息提取方法、基于总变差模型的图像结构提取方法中的至少一种方法从N个所述初始图像中分别提取组织结构特征,得到N个组织结构特征图。
CN201810004850.7A 2018-01-03 2018-01-03 磁共振多对比度图像的重建方法和装置 Active CN108287324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810004850.7A CN108287324B (zh) 2018-01-03 2018-01-03 磁共振多对比度图像的重建方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810004850.7A CN108287324B (zh) 2018-01-03 2018-01-03 磁共振多对比度图像的重建方法和装置

Publications (2)

Publication Number Publication Date
CN108287324A true CN108287324A (zh) 2018-07-17
CN108287324B CN108287324B (zh) 2020-05-15

Family

ID=62834908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810004850.7A Active CN108287324B (zh) 2018-01-03 2018-01-03 磁共振多对比度图像的重建方法和装置

Country Status (1)

Country Link
CN (1) CN108287324B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239631A (zh) * 2018-08-03 2019-01-18 上海东软医疗科技有限公司 一种磁共振成像方法和装置
CN109342981A (zh) * 2018-09-20 2019-02-15 上海东软医疗科技有限公司 一种基于epi序列的动态成像方法和装置
CN111091517A (zh) * 2019-12-26 2020-05-01 东软医疗系统股份有限公司 一种残差加权成像方法和装置
CN111443318A (zh) * 2019-01-16 2020-07-24 上海联影医疗科技有限公司 磁共振图像处理方法、装置、存储介质和磁共振成像系统
CN113854995A (zh) * 2021-10-19 2021-12-31 复旦大学 一种基于单次激发的弥散加权成像扫描重建方法及系统
CN114494027A (zh) * 2020-10-27 2022-05-13 上海联影医疗科技股份有限公司 图像降噪方法、装置、计算机设备和存储介质
WO2022183988A1 (en) * 2021-03-03 2022-09-09 The University Of Hong Kong Systems and methods for magnetic resonance image reconstruction with denoising

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5498963A (en) * 1994-08-05 1996-03-12 General Electric Company Correction of geometric distortion in MRI phase and phase difference images
US5617028A (en) * 1995-03-09 1997-04-01 Board Of Trustees Of The Leland Stanford Junior University Magnetic field inhomogeneity correction in MRI using estimated linear magnetic field map
CN101308202A (zh) * 2007-05-17 2008-11-19 西门子(中国)有限公司 并行采集图像重建的方法和装置
CN103064046A (zh) * 2012-12-25 2013-04-24 深圳先进技术研究院 一种基于稀疏采样的核磁共振成像的图像处理方法
CN103529413A (zh) * 2012-07-04 2014-01-22 上海联影医疗科技有限公司 磁共振成像方法与装置、k空间的重建方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5498963A (en) * 1994-08-05 1996-03-12 General Electric Company Correction of geometric distortion in MRI phase and phase difference images
US5617028A (en) * 1995-03-09 1997-04-01 Board Of Trustees Of The Leland Stanford Junior University Magnetic field inhomogeneity correction in MRI using estimated linear magnetic field map
CN101308202A (zh) * 2007-05-17 2008-11-19 西门子(中国)有限公司 并行采集图像重建的方法和装置
CN103529413A (zh) * 2012-07-04 2014-01-22 上海联影医疗科技有限公司 磁共振成像方法与装置、k空间的重建方法与装置
CN103064046A (zh) * 2012-12-25 2013-04-24 深圳先进技术研究院 一种基于稀疏采样的核磁共振成像的图像处理方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239631A (zh) * 2018-08-03 2019-01-18 上海东软医疗科技有限公司 一种磁共振成像方法和装置
US10852376B2 (en) 2018-08-03 2020-12-01 Neusoft Medical Systems Co., Ltd. Magnetic resonance imaging method and device
CN109342981A (zh) * 2018-09-20 2019-02-15 上海东软医疗科技有限公司 一种基于epi序列的动态成像方法和装置
US11119173B2 (en) 2018-09-20 2021-09-14 Neusoft Medical Systems Co., Ltd. Dynamic imaging based on echo planar imaging sequence
CN111443318A (zh) * 2019-01-16 2020-07-24 上海联影医疗科技有限公司 磁共振图像处理方法、装置、存储介质和磁共振成像系统
CN111443318B (zh) * 2019-01-16 2022-08-02 上海联影智能医疗科技有限公司 磁共振图像处理方法、装置、存储介质和磁共振成像系统
CN111091517A (zh) * 2019-12-26 2020-05-01 东软医疗系统股份有限公司 一种残差加权成像方法和装置
CN111091517B (zh) * 2019-12-26 2023-05-02 东软医疗系统股份有限公司 一种残差加权成像方法和装置
CN114494027A (zh) * 2020-10-27 2022-05-13 上海联影医疗科技股份有限公司 图像降噪方法、装置、计算机设备和存储介质
WO2022183988A1 (en) * 2021-03-03 2022-09-09 The University Of Hong Kong Systems and methods for magnetic resonance image reconstruction with denoising
CN113854995A (zh) * 2021-10-19 2021-12-31 复旦大学 一种基于单次激发的弥散加权成像扫描重建方法及系统
CN113854995B (zh) * 2021-10-19 2023-11-24 复旦大学 一种基于单次激发的弥散加权成像扫描重建方法及系统

Also Published As

Publication number Publication date
CN108287324B (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN108287324A (zh) 磁共振多对比度图像的重建方法和装置
CN111513716B (zh) 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统
Bustin et al. Five‐minute whole‐heart coronary MRA with sub‐millimeter isotropic resolution, 100% respiratory scan efficiency, and 3D‐PROST reconstruction
Zhao et al. Applications of a deep learning method for anti-aliasing and super-resolution in MRI
CN111081354B (zh) 用于通过深度学习网络对医疗图像进行去噪的系统和方法
Lyu et al. Cine cardiac MRI motion artifact reduction using a recurrent neural network
US8099148B2 (en) Artifact suppression in dynamic magnetic resonance imaging
US12067698B2 (en) Machine learning processing of contiguous slice image data
WO2020219915A1 (en) Denoising magnetic resonance images using unsupervised deep convolutional neural networks
US11181598B2 (en) Multi-contrast MRI image reconstruction using machine learning
US10809337B2 (en) Reconstructing magnetic resonance images with different contrasts
Lv et al. Which GAN? A comparative study of generative adversarial network-based fast MRI reconstruction
WO2022183988A1 (en) Systems and methods for magnetic resonance image reconstruction with denoising
CN111091517B (zh) 一种残差加权成像方法和装置
US20240138700A1 (en) Medical image processing apparatus, method of medical image processing, and nonvolatile computer readable storage medium storing therein medical image processing program
US20230380714A1 (en) Method and system for low-field mri denoising with a deep complex-valued convolutional neural network
CN112700380A (zh) 一种基于mr梯度信息和深度学习的pet图像容积校正方法
CN113854995A (zh) 一种基于单次激发的弥散加权成像扫描重建方法及系统
CN108378851B (zh) 磁共振弥散加权成像方法和装置
CN116758182B (zh) 一种基于运动分选的肝脏快速成像方法及系统
CN109934807A (zh) 一种定量磁化率成像的方法及装置
Hauptmann et al. Real-time Cardiovascular MR with Spatio-temporal De-aliasing using Deep Learning-Proof of Concept in Congenital Heart Disease
KR20240076953A (ko) 어텐션 게이트가 적용된 완전 밀집 합성곱 신경망을 이용한 자기공명영상 복원에서 디 앨리어싱 및 가속화 방법과 이를 기록한 기록 매체
Lyu Deep Neural Networks for MRI Applications
Zhang Deep Learning Approaches for Accelerated MRI Reconstruction

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