CN108291950A - Sense-mri中的图像伪影的去除 - Google Patents

Abstract

本发明提供了一种磁共振成像系统(100、300)，其包括：用于从成像区(108)采集磁共振数据(152)的射频系统(116、122、124、126、126’、126”、126”’)，其中，所述射频系统包括多个天线元件(126、126’、126”、126”’)；存储器(140)，其包含机器可执行指令(170)和脉冲序列命令(150)，其中，所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据；以及处理器。对所述机器可执行指令的运行使所述处理器：利用所述脉冲序列命令来控制(200)所述磁共振成像系统采集所述磁共振数据；使用所述磁共振成像数据来重建(202)初步图像(154)；计算(204)解剖模型(156)与所述初步图像之间的适配(159)，其中，所述解剖模型包括运动可能性图(158)；至少部分地使用所述运动可能性图和所述适配来识别(206)至少一个图像伪影来源(160)；至少部分地使用至少一个图像伪影来源来确定(208)扩展的SENSE方程(162)；并且使用所述扩展的SENSE方程来构建(210)校正的SENSE图像(164)。

Description

SENSE-MRI中的图像伪影的去除

技术领域

本发明涉及磁共振成像，特别涉及在SENSE磁共振成像协议期间的伪影的去除。

背景技术

磁共振成像(MRI)扫描器使用大型静态磁场来对齐原子的核自旋，作为用于在患者的身体内产生图像的流程的部分。该大型静态磁场被称作B0场。

在MRI扫描期间，由发射器天线或天线元件生成的射频(RF)脉冲引起对局部磁场的扰动，并且由接收器天线或天线元件的阵列检测由核自旋发出的RF信号。这些RF信号用于构建MRI图像。这些天线或天线元件也可以被称作线圈。术语线圈通常可互换地用于描述天线或天线元件。另外，发射器天线和接收器天线也能够被集成到执行两个功能的单个收发器天线。应理解，对术语收发器天线的使用也指使用单独的发射器天线和接收器天线的系统。所发射的RF场被称作B1场。在较长的扫描期间，对象能够具有内部运动或外部运动，其损坏数据并导致具有模糊或伪影的图像。

SENSE是并行成像技术。在并行成像技术中，使用多个天线元件来同时采集数据。线圈灵敏度图(CSM)包含所有天线元件的空间灵敏度。在这种情况下，“线圈”指的是天线元件。线圈灵敏度图用于将使用个体天线元件中的每个采集的数据组合成单个合成图像。SENSE大大加速了对磁共振图像的采集。在2004年由Elsevier Academic Press公布的Bernstein等人的“the handbook of MRI Pulse Sequences”(在下文中简称Bernstein等人)的第13.3章节中简要地概述了磁共振并行成像重建技术。

Winkelmann等人的期刊文章“Ghost artifact removal using a parallelimaging approach”(Magn.Reson.Med.2005十月；54(4)：1002-9(在下文中简称Winkelmann等人))描述了使用并行成像的幻影伪影去除算法。扩展的SENSE公式用于去除幻影伪影。扩展的SENSE重建通过使用一致性度量数值地尝试幻影伪影的不同来源并对它们进行排序来确定。这种方法的缺点在于其是非常数值密集的。

发明内容

本发明在独立权利要求中提供了一种磁共振成像系统、一种计算机程序成品、以及一种操作磁共振成像系统的方法。在从属权利要求中给出了实施例。

本领域技术人员将认识到，本发明的各方面可以被实施为装置、方法或计算机程序产品。因此，本发明的各方面可以采用以下形式：完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)或在本文中全部被通称为“电路”、“模块”或“系统”的组合了软件方面和硬件方面的实施例。此外，本发明的各方面可以采用被实施在一个或多个计算机可读介质中的计算机程序产品的形式，所述一个或多个计算机可读介质具有被实施在其上的计算机可执行代码。

可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。本文中所使用的“计算机可读存储介质”涵盖可以存储能由计算设备的处理器执行的指令的任何有形存储介质。计算机可读存储介质可以被称为计算机可读非瞬态存储介质。计算机可读存储介质还可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质还能够存储能够由计算设备的处理器访问的数据。计算机可读存储媒介的范例包括但不限于：软盘、磁硬盘驱动器、固态硬盘、闪盘存储器、USB拇指驱动器、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁光盘以及处理器的寄存器文件。光盘的范例包括压缩盘(CD)和数字多用盘(DVD)，例如，CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW或DVD-R盘。术语计算机可读存储介质还指能够由计算机设备经由网络或通信链路进行存取的各种类型的记录媒介。例如，可以在调制解调器上、在互联特网上或在局域网上检索数据。可以使用任何适当的介质来发射在计算机可读介质上实施的计算机可执行代码，所述任何适当的介质包括但不限于：无线、有线、光纤线缆、RF等，或前面的任何合适的组合。

计算机可读信号介质可以包括例如在基带中或作为载波的部分的、在其中实施计算机可执行代码的传播的数据信号。这样的经传播的信号可以采用各种形式中的任何形式，包括但不限于：电磁、光学或其任何合适的组合。计算机可读信号介质可以是这样的任何计算机可读介质：所述计算机可读介质不是计算机可读存储介质并且能够传递、传播或传输用于由指令执行系统、装置或设备使用的程序或与指令执行系统、装置或设备结合使用的程序。

“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是能由处理器直接访问的任何存储器。“计算机存储设备”或“存储设备”是计算机可读存储介质的另外的范例。计算机存储设备是任何非易失性计算机可读存储介质。在一些实施例中，计算机存储设备还可以是计算机存储器，或者反之亦然。

本文中所使用的“处理器”涵盖能够运行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应当被解读为可能包含多于一个处理器或处理核。处理器例如可以是多核处理器。处理器也可以指在单个计算机系统之内的或被分布在多个计算机系统之间的处理器的集合。术语计算设备也应当被解读为可能指多个计算设备的集合或网络，所述多个计算设备每个均包括一个或多个处理器。计算机可执行代码可以由可以在相同的计算设备之内或者甚至可以被分布在多个计算设备上的多个处理器来运行。

计算机可执行代码可以包括令处理器执行本发明的一方面的机器可执行指令或程序。用于执行针对本发明的各方面的操作的计算机可执行代码可以被写成一种或多种编程语言的任何组合，包括面向对象的编程语言(例如，Java、Smalltalk、C++等)和常规程序编程语言(例如，“C”编程语言或类似的编程语言)，并且被编译成机器可执行指令。在一些实例中，计算机可执行代码可以是高级语言的形式或是预编译的形式，并且可以与解读器联合使用，所述解读器联机生成机器可执行指令。

计算机可执行代码可以完全在用户的计算机上、部分在用户的计算机上、作为单机软件包、部分在用户的计算机上并且部分在远程计算机上，或者完全在远程计算机或服务器上运行。在后一种情景中，远程计算机可以通过任何类型的网络连接到用户的计算机，所述网络包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)的连接。

参考根据本发明的实施例的流程图图示和/或方法、装置(系统)以及计算机程序产品的框图描述了本发明的各方面。应当理解，在适当时能够由计算机可执行代码形式的计算机程序指令来实施流程图、图示和/或框图的框的每个框或部分。还应当理解，当互不排斥时，可以对不同的流程图、图示和/或框图中的框进行组合。可以将这些计算机程序指令提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器以产生机器，使得经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实施流程图和/或框图的一个或多个框中指定的功能/动作的单元。

这些计算机程序指令也可以被存储在计算机可读介质中，所述计算机可读介质能够指导计算机、其他可编程数据处理装置或其他设备来以具体方式起作用，使得被存储在计算机可读介质中的指令产生制品，所述制品包括实施在流程图和/或一个或多个框图框中指定的功能/动作的指令。

计算机程序指令也可以被加载到计算机、其他可编程数据处理装置或其他设备上，以引起要在计算机、其他可编程装置或其他设备上执行的一系列操作步骤，以产生计算机实施的过程，使得在计算机或其他可编程装置上运行的指令提供用于实施在流程图和/或一个或多个框图框中指定的功能/动作的过程。

本文中所使用的“用户接口”是允许用户或操作者与计算机或计算机系统交互的接口。“用户接口”还可以被称为“人类接口设备”。用户接口可以向操作者提供信息或数据和/或从操作者接收信息或数据。用户接口可以使得来自操作者的输入能够被所述计算机接收，并且可以从计算机向用户提供输出。换言之，用户接口可以允许操作者控制或操纵计算机，并且接口可以允许计算机指示操作者的控制或操纵的效果。显示器或图形用户接口上对数据或信息的显示是向操作者提供信息的范例。通过键盘、鼠标、跟踪球、触控板、指点杆、图形输入板、操纵杆、游戏手柄、网络摄像头、头戴式受话器、脚踏板、有线手套、远程控制以及加速度器来接收数据是使得能够从操作者接收信息或数据的用户接口部件的全部范例。

本文中所使用的“硬件接口”涵盖使得计算机系统的处理器能够与外部计算设备和/或装置交互和/或控制外部计算设备和/或装置的接口。硬件接口可以允许处理器向外部计算设备和/或装置发送控制信号或指令。硬件接口还可以使得处理器能够与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于：通用串行总线、IEEE 1394端口、并行端口、IEEE 1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口以及数字输入接口。

本文中所使用的“显示器”或“显示设备”涵盖适用于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、听觉和或触觉的数据。显示器的范例包括，但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储管、双稳显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪以及头戴式显示器。

磁共振(MR)数据在本文中被定义为是在磁共振成像扫描期间使用磁共振装置的天线记录的由原子自旋发出的射频信号的测量结果。磁共振数据是医学图像数据的范例。磁共振成像(MRI)图像在本文中被定义为是对在磁共振成像数据之内包含的解剖数据所重建的二维可视化或三维可视化。能够使用计算机来执行该可视化。

在一个方面中，本发明提供了一种磁共振成像系统，其包括用于从成像区采集磁共振数据的射频系统。所述射频系统包括多个天线元件。所述磁共振成像系统还包括包含机器可执行指令和脉冲序列命令的存储器。所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据。SENSE或灵敏度编码方法是磁共振成像中使用的众所周知的并行成像重建方法。例如在之前提到的教科书Bernstein等人的Handbook ofMRI Pulse Sequences的第13.3章中评述了SENSE协议。

所述磁共振成像系统还包括处理器。对所述机器可执行指令的运行使所述处理器利用所述脉冲序列命令来控制所述磁共振成像系统采集所述磁共振数据。对所述机器可执行指令的运行还使所述处理器使用所述磁共振成像数据来重建初步图像。在各种范例中，所述初步图像可以采取不同的形式。例如，所述脉冲序列命令也可以包含使所述处理器控制所述磁共振成像系统在SENSE图像数据被采集之前采集调查图像或定位图像的指令。在其他范例中，所述初步图像可以是使用SENSE成像协议重建的SENSE图像。

对所述机器可执行指令的运行还使所述处理器计算解剖模型与所述初步图像之间的适配或配准。所述解剖模型可以包括被配准或被适配到所述初步图像的详细解剖数据。在其他实例中，所述解剖模型可以是用于识别所述初步图像的区域的流程或操作的集合。例如，所述解剖模型能够用于识别距对象的前边缘的预定距离的区域。该区域的识别可以被认为是适配或配准。

所述解剖模型可以被适配或被配准到所述初步图像。各种类型的解剖模型包括识别解剖标记的模型、使用从许多不同对象编译的解剖图集的模型、以及被变形以适配特定初步图像的可变形形状模型。所述解剖模型包括运动可能性图。所述运动可能性图可以具有表示由解剖模型识别的特定区域能够在对磁共振数据的采集期间处于运动中的可能性的数据。例如，诸如隔膜、肺或心脏的区域将会非常可能处于运动中。在其他范例中，例如某些血管可以被标记，其可以是由于血液的新鲜流入而引起的潜在流伪影的来源。这些区域可以比解剖模型中的其他区域给出更高的值或相对的值。在一些范例中，所述运动可能性图可以是概率分布，然而，所述运动可能性图也可以包含未被归一化或被缩放的简单加权。

对所述机器可执行指令的运行还使所述处理器至少部分地使用所述运动可能性图和所述适配或配准来识别至少一个图像伪影来源。所述适配或配准将所述解剖模型中的位置与所述初步图像相关联。这使得所述运动可能性图能够被应用于所述初步图像。运动可能性图与所述适配或配准的组合因此允许在所述初步图像内识别可能引起运动伪影或为运动伪影的源的区域。在一些范例中，所述运动可能性图可以被直接应用于所述初步图像，以识别所述至少一个图像伪影来源。在其他范例中，所述运动可能性图在用于识别所述至少一个图像伪影来源的搜索算法中用作加权。

对所述机器可执行指令的运行还使所述处理器至少部分地使用至少一个图像伪影来源来确定扩展的SENSE方程。在SENSE图像重建期间，从多个天线元件中的每个采集的图像被重建，并且然后被组合，被展开成单幅图像。扩展的sense方程可以被表示为方程的线性系统，其中灵敏度矩阵已经使其秩随着额外的条目增大以抑制或消除幻影或运动伪影。例如，灵敏度矩阵可以具有被添加的一个或多个额外的列。对所述机器可执行指令的运行还使所述处理器使用方程的扩展的SENSE集合来构建校正的SENSE图像。该实施例可以具有提供有效减小SENSE重建的图像中的图像伪影的影响的益处。它可以具有由于被包含在所述解剖模型的所述运动可能性图中的先前知识而提供减少的运动的优点。

在一些实例中，所述至少一个图像伪影来源可以被认为是物理位置或与参考所述初步图像或稍后的SENSE图像重建的物理位置相对应的位置。例如，如果所述初步图像是调查图像或定位图像，则位置(尤其是体素)可以是不同的，但是由解剖模型识别的空间位置能够被使用在SENSE图像重建中。

在另一实施例中，对所述机器可执行指令的运行使所述处理器使用所述磁共振数据来重建针对所述多个天线元件中的每个的测得的线圈图像。对所述机器可执行指令的运行还使所述处理器根据所述SENSE协议通过使用线圈灵敏度的集合将所述多个天线元件中的每个的所述测得的线圈图像组合来构建初步SENSE图像。这可以是有益的，因为所述初步SENSE图像能够用于识别所述至少一个图像伪影来源。

在另一实施例中，所述初步SENSE图像使用超定的重建来执行。在这种情况下，多个天线元件的数量大于SENSE因数加上额外约束的数量。例如，如果存在16个天线元件，SENSE因数是3，并且对于每个x值，存在被识别为图像伪影来源的2个位置，则SENSE重建是超定的，因为16大于3加2。

在另一实施例中，所述初步图像包括所述初步SENSE图像。换言之，所述初步图像可以是所述初步SENSE图像，或者所述初步SENSE图像可以是用于制作所述初步图像的图像数据的一部分。

在另一实施例中，对所述机器可执行指令的运行还使所述处理器使用所述初步SENSE图像和所述线圈灵敏度来构建针对所述多个天线元件中的每个的反向投影图像。在SENSE重建期间，来自所述天线元件中的每个的个体图像使用所述线圈灵敏度来组合。在反向投影中，所述初步SENSE图像或所述重建的SENSE图像与所述线圈灵敏度一起用于计算针对所述多个天线元件中的每个的图像。如果所采集的磁共振数据和所述线圈灵敏度是完美的，则所述反向投影图像和所述测得的线圈图像将是相同的。然而，通常不是这样的情况。所述线圈灵敏度矩阵中可以存在引起所述反向投影图像与所述测得的线圈图像之间的差异的误差。这些误差可以使所述初步SENSE图像或所述初步SENSE图像的部分变得被损坏。将针对所述多个天线元件中的每个的反向投影图像与其测得的线圈图像进行比较因此提供了评估SENSE重建有多成功的方式。

对所述机器可执行指令的运行还使所述处理器将针对所述多个天线元件中的每个的所述反向投影图像与所述测得的线圈图像进行比较以识别针对所述多个天线元件中的每个的受影响体素的集合。所述反向投影图像可以在逐个体素的基础上与所述测得的线圈图像进行比较。如果所述反向投影图像中的体素改变多于预定量或根据来自测得的线圈图像的统计度量，则该体素能够被添加到受影响体素的集合。受影响体素的集合中的体素是在所述反向投影图像和所述测得的线圈图像中充分不同以指示该体素中或所述初步SENSE图像的对应体素中可能存在误差的特定体素。

对所述至少一个图像伪影来源的所述识别是在图像空间中被执行的。对所述至少一个图像伪影来源的所述识别是至少部分地使用所述受影响体素的集合、至少部分地使用所述运动可能性图和所述适配或配准而被执行的。所述受影响体素的集合例如可以通过将所述反向投影图像与其对应的测得的线圈图像之间的体素值进行比较来识别。如果特定体素的值改变多于预定阈值，则它可以被添加到受影响体素的集合。该方法可以具有以下益处：所述受影响体素的集合、所述运动可能性图和所述适配或配准可以有用于在空间上识别在所述初步SENSE图像中引起的伪影的来源。例如，所述受影响体素的集合可以是由运动引起的幻影图像或幻影。三者的组合可以用于识别所述至少一个图像伪影来源。

在另一实施例中，所述至少一个图像伪影来源通过在构建所述校正的SENSE图像之前在所述至少一个图像伪影来源中的每个的预定邻域内数值地搜索一致性度量的最大值来校正。Winkelmann等人中详述了对一致性度量的使用。所述一致性度量对应于在Winkelmann等人的图3中图示的一致性检查，并且所述一致性度量的一个范例是Winkelmann等人中的方程7。使用在Winkelmann等人中图示的幻影伪影去除的难点在于它是极其数值要求高的。如本文中描述的范例可以具有以下优点：在所述运动可能性图中对可能运动区域的先前识别可以用于极大地加速数值过程。

所述一致性度量依赖于针对所述多个天线元件中的每个的所述初步SENSE图像与反向投影试验性SENSE图像中的所述受影响体素的集合之间的差异。所述反向投影试验性SENSE图像根据试验性SENSE图像来构建。所述试验性SENSE图像使用试验性SENSE方程来构建。试验性SENSE方程的范例是Winkelman的方程3。存在已经被添加到所述线圈灵敏度矩阵的额外列。然而，不知道幻影的源来自哪里。由于该原因，不同的试验性SENSE方程被构建，并且尝试查看哪个得到最大一致性度量。本实施例可以具有以下优点：所述至少一个图像伪影来源可以位于哪里的先前知识可以用于极大地加速搜索提供最佳结果的扩展的SENSE方程。先前知识根据所述解剖模型来表示。

在另一实施例中，使所述一致性度量最大化的所述试验性SENSE方程是所述扩展的SENSE方程。

在另一实施例中，对所述机器可执行指令的运行还使所述处理器还使所述处理器通过将所述受影响体素的集合配准到所述初步图像来修改所述至少一个图像伪影来源。例如，如果受影响体素的集合识别所述图像中的幻影伪影，则能够简单地将受影响体素的集合直接配准到所述初步图像。这可以帮助对所述至少一个图像伪影来源的识别。在一些实例中，所述运动可能性图也可以用于提供将受影响体素的集合配准到所述初步图像的试验性位置。这可以帮助进一步加速该数值方法。

在另一实施例中，所述扩展的SENSE方程包括扩展的线圈灵敏度矩阵。所述扩展的SENSE方程被选择为使来自所述至少一个图像伪影来源的至少部分的贡献最小化。

这可以以不同的方式来执行。在一个范例中，所述运动可能性图可以单独用于识别被包括在所述扩展的SENSE重建中的区域。在一个具体范例中，所述初步图像可以被重建，并且然后所述解剖模型被配准到所述初步图像。所述运动可能性图然后也因此被配准到所述初步图像。所述运动可能性图内的在特定值或阈值之上的区域然后被识别为所述初步图像内的可能引起运动伪影的区域或体素。这些区域的伪影贡献然后可以通过将这些位置的灵敏度添加到所述扩展的线圈灵敏度矩阵来抑制。

在另一实施例中，所述初步图像包括调查扫描图像。在一些实例中，对调查扫描图像的使用可以是有益的。例如，所述调查扫描图像能够使用身体线圈或身体天线来采集，而非执行所述SENSE重建。所述调查扫描图像较不可能在其内具有图像伪影。这在配准所述解剖模型中可以是有用的。

在另一实施例中，所述至少一个图像伪影是二维的或三维的。这可以是有益的，因为例如Winkelmann等人中详述的方法是如此数值密集的，以至于难以校正引起运动伪影的二维区域或三维区域。

在另一方面中，本发明提供了一种计算机程序产品，其包括用于由控制磁共振成像系统的处理器运行的机器可执行指令。所述磁共振成像系统包括用于从成像区采集磁共振数据的射频系统。所述射频系统包括多个天线元件。对所述机器可执行指令的运行使所述处理器利用脉冲序列命令来控制所述磁共振成像系统采集所述磁共振数据。所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据。对所述机器可执行指令的运行还使所述处理器使用所述磁共振成像数据来重建初步图像。对所述机器可执行指令的运行还使所述处理器计算解剖模型与所述初步图像之间的适配或配准。

所述解剖模型包括运动可能性图。对所述机器可执行指令的运行还使所述处理器至少部分地使用所述运动可能性图和所述适配或配准来识别至少一个图像伪影来源。对所述机器可执行指令的运行还使所述处理器至少部分地使用至少一个图像伪影来源来确定扩展的SENSE方程。对所述机器可执行指令的运行还使所述处理器使用所述扩展的SENSE方程来构建校正的SENSE图像。这种情况的优点之前已经被讨论过。

在另一方面中，本发明提供了一种操作磁共振成像系统的方法。所述磁共振成像系统包括用于从成像区采集磁共振数据的射频系统。所述射频系统包括多个天线元件。所述方法包括利用脉冲序列命令来控制所述磁共振成像系统采集所述磁共振数据的步骤。所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据。所述方法还包括使用所述磁共振成像数据来重建初步图像的步骤。

所述方法还包括计算解剖模型与所述初步图像之间的适配或配准的步骤。所述解剖模型包括运动可能性图。所述方法还包括至少部分地使用所述运动可能性图和所述适配或配准来识别至少一个图像伪影来源的步骤。所述方法还包括至少部分地使用至少一个图像伪影来源来确定扩展的SENSE方程的步骤。所述方法还包括至少部分地使用所述扩展的SENSE方程来构建校正的SENSE图像的步骤。

应理解，本发明的前述实施例中的一个或多个可以被组合，只要所组合的实施例不相互排斥。

附图说明

在下文中将仅通过范例的方式并参考附图描述本发明的优选实施例，在附图中：

图1图示了磁共振成像系统的范例；

图2示出了图示操作图1的磁共振成像系统的方法的流程图；

图3图示了磁共振成像系统的又一范例；

图4示出了图示操作图3的磁共振成像系统的方法的流程图；

图5图示了注释的身体模型引导的扩展的SENSE重建的方案；

图6图解性地图示了磁共振图像中的运动的影响；

图7进一步图解性地图示了磁共振图像中的运动的影响；

图8图解性地图示了对在扩展的SENSE重建期间被最小化以减少运动伪影的区域的选择；

图9示出了已经被修改以模拟脂肪层中的运动的磁共振图像；以及

图10示出了从图9中示出的图像去除运动伪影的模拟。

附图标记列表

100 磁共振成像系统

104 磁体

106 磁体的膛

108 成像区

110 磁场梯度线圈

112 磁场梯度线圈电源

114 身体线圈或身体天线

116 收发器

118 对象

120 对象支撑体

122 收发器

124 磁共振成像天线

126 天线元件

126’ 天线元件

126” 天线元件

126”’ 天线元件

130 计算机

132 硬件接口

134 处理器

136 用户接口

138 计算机存储设备

140 计算机存储器

150 脉冲序列命令

152 磁共振数据

154 初步图像

156 解剖模型

158 运动可能性图

159 适配或配准

160 图像伪影来源的位置

162 扩展的SENSE方程

164 校正的SENSE图像

170 机器可执行指令

200 利用脉冲序列命令来控制磁共振成像系统采集磁共振数据

202 使用磁共振成像数据来重建初步图像

204 计算解剖模型与初步图像之间的适配或配准，其中，解剖模型包括运动可能性图

206 至少部分地使用运动可能性图和适配或配准来识别至少一个图像伪影来源

208 至少部分地使用至少一个图像伪影来源来确定扩展的SENSE方程

210 根据至少部分地使用扩展的SENSE方程的扩展的SENSE重建来构建校正的SENSE图像

300 磁共振成像系统

302 测得的线圈图像

304 初步SENSE图像

306 线圈灵敏度的集合

308 反向投影图像

310 受影响体素的集合

400 使用磁共振数据来重建针对多个天线元件中的每个的测得的线圈图像

402 根据SENSE协议通过使用线圈灵敏度的集合将针对多个天线元件中的每个的测得的线圈图像组合来构建初步SENSE图像

404 使用初步SENSE图像和线圈灵敏度来构建针对多个天线元件中的每个的反向投影图像

406 将针对多个天线元件中的每个的反向投影图像与测得的线圈图像进行比较以识别针对多个天线元件中的每个的受影响体素的集合

408 在构建校正的SENSE图像之前在至少一个图像伪影来源中的每个的预定邻域内数值地搜索一致性度量的最大值以校正至少一个图像伪影来源

500 幻影伪影

502 主动脉

600 矢状位视图

602 心脏

604 图像伪影

700 腹部区段

702 脂肪

704 感兴趣区域

706 图像伪影

800 区域

900 磁共振图像

1000 磁共振图像

具体实施方式

在这些附图中类似的附图标记是等价的元件或执行相同的功能。当功能等价时，先前讨论的元件不必在后续附图中进行讨论。

图1示出了具有磁体104的磁共振成像系统100的范例。磁体104是具有穿过其的膛106的圆柱型超导磁体104。使用不同类型的磁体也是可能的，例如还可以使用分裂式圆柱磁体以及所谓的开放式磁体。分裂式圆柱磁体类似于标准的圆柱磁体，除了低温恒温器已经被分裂成两段以允许进入磁体的等平面，这样的磁体例如可以结合带电粒子束治疗进行使用。开放式磁体具有两个磁体区段，一个在另一个上面，且两者之间存在足够大以容纳对象的空间：两个区段的布置类似于亥姆霍兹线圈的布置。开放式磁体非常流行，这是因为对象较少受限制。在圆柱磁体的低温恒温器内部存在超导线圈的集合。在圆柱磁体104的膛内存在成像区108，在所述成像区108中磁场足够强且均匀以执行磁共振成像。

在磁体的膛106内还存在磁场梯度线圈的集合110，其用于采集磁共振数据以在磁体104的成像区108内空间编码磁自旋。磁场梯度线圈110连接到磁场梯度线圈电源112。磁场梯度线圈110旨在为表示性的。典型地，磁场梯度线圈110包含单独的三组线圈以用于在三个正交空间方向上进行空间编码。磁场梯度电源向磁场梯度线圈供应电流。根据时间控制供应给磁场梯度线圈110的电流，并且该电流可以是斜变的或脉冲的。

在磁体104的膛106内，存在任选的身体线圈114。身体线圈114也可以被称为身体天线。身体线圈114被示为被连接到收发器116。在一些实施例中，身体线圈114也可以被连接到全身线圈射频放大器和/或接收器，然而，这在该范例中未示出。如果发射器和接收器两者都被连接到全身线圈114，则可以提供用于在发送模式与接收模式之间切换的器件。例如，具有pin二极管的电路可以用于选择发射模式或接收模式。对象支撑体120将对象118支撑在成像区内。

收发器122被示为被连接到磁共振成像天线124。在该范例中，磁共振成像线圈124是表面线圈，其包括多个天线元件126、126’、126”、126”’。收发器122能用于向个体线圈元件126、126’、126”、126”’发送和接收个体RF信号。在该范例中，收发器116和收发器122被示为单独的单元。然而，在其他范例中，单元116和112能够被组合。

磁共振成像系统包括计算机系统130。收发器116、收发器122以及磁场梯度线圈电源被示为被连接到计算机130的硬件接口132。计算机130还被示为包含处理器134，所述处理器134能用于运行机器可读指令。计算机130还被示为包括用户接口136、计算机存储设备138和计算机存储器140，其全部可由处理器134访问并且被连接到处理器134。

计算机存储器138被示为包含脉冲序列命令150。脉冲序列命令包含使得处理器134能够控制磁共振成像系统100根据SENSE协议采集磁共振数据152的指令。脉冲序列命令可以包含使得处理器134能够根据多于一种成像协议采集磁共振数据的指令。脉冲序列命令150使得处理器134能够根据SENSE协议采集数据，但是它也可以使得其他协议能够被使用，诸如在执行SENSE协议之前采集调查扫描或定位扫描。计算机存储设备138被示为包含使用脉冲序列命令150来控制采集而被采集的磁共振数据152。

计算机存储设备138被进一步示为包含根据磁共振数据152来重建的初步图像154。计算机存储设备138被进一步示为包含能够被适配或被配准到初步图像154的解剖模型156。计算机存储设备138被进一步示为包含被配准或是解剖模型156的部分的运动可能性图158。计算机存储设备138被进一步示为包含计算初步图像154与解剖模型156之间的适配159或配准。计算机存储设备138被进一步示为包含在初步图像154中识别的图像伪影来源160的位置。图像伪影来源160的位置指的是初步图像154中的位置或位置的集合。如果磁共振成像系统100被适当地校准，则图像伪影来源160的位置也可以根据相对于对象118的坐标来存储。

计算机存储设备138被进一步示为包含扩展的SENSE方程162。扩展的SENSE方程在其灵敏度矩阵中包含一个或多个额外的列，所述一个或多个额外的列用于使重建结果对图像伪影来源的位置处的运动的灵敏度最小化。计算机存储设备138被进一步示为包含校正的SENSE图像164。计算机存储器140被示为具有机器可执行指令170。机器可执行指令170包含使得处理器134能够控制磁共振成像系统100的操作并且还执行对磁共振数据和磁共振图像的图像重建和修改的指令。机器可执行指令170可以使处理器134执行如在以下方法流程图中的任一个中描述的计算机实施的方法。

图2示出了图示操作图1的磁共振成像系统100的方法的流程图。以下方法步骤能够由图1中示出的机器可执行指令170来实施。

首先，在步骤200中，利用脉冲序列命令150来控制磁共振成像系统采集磁共振数据152。接下来在步骤202中，根据磁共振数据152来重建初步图像154。接下来在步骤204中，计算解剖模型156与初步图像154之间的适配或配准。解剖模型156包括运动可能性图158。在步骤206中，至少部分地使用运动可能性图158和适配或配准159来识别至少一个图像伪影来源160。接下来在步骤208中，至少部分地使用至少一个图像伪影来源160的知识来构建扩展的方程162。最后在步骤210中，校正的SENSE图像164根据扩展的SENSE方程162来构建。

在一个变型中，通过将一个或多个额外的列添加到线圈灵敏度矩阵以构建扩展的线圈灵敏度矩阵来构建扩展的SENSE方程。扩展的线圈灵敏度矩阵被选择为使来自至少一个图像伪影来源的至少部分的贡献最小化。

图3示出了磁共振成像系统300的又一示例。系统300类似于图1中示出的系统100。计算机存储设备138被进一步示为包含根据磁共振数据152来重建的测得的线圈图像302。计算机存储设备138进一步示出了使用被示为被存储在计算机存储器138中的测得的线圈图像302和线圈灵敏度的集合306构建的初步SENSE图像304。线圈灵敏度的集合306可以是先验已知的，或它们可以在SENSE校准步骤期间被测得。例如调查图像可以使用身体线圈来采集，并且用于校准天线元件126、126’、126”、126”’中的每个。

计算机存储设备138被进一步示为包含根据初步SENSE图像304和线圈灵敏度的集合306计算的反向投影图像308。如果线圈灵敏度的集合306被完美地知晓并且也不存在图像伪影，则反向投影图像308用于创建示出测得的线圈图像302将会是什么样子的图像。然而，反向投影图像308不同于测得的线圈图像302。将针对线圈元件126、126’、126”、126”’中的每个的测得的线圈图像和反向投影图像进行比较，能够针对每个线圈识别出受影响体素的集合310。这些可以用于识别测得的线圈图像内的图像伪影。这些也可以导致对初步SENSE图像304内的图像伪影的识别。计算机存储器140同样示出机器可执行指令170。机器可执行指令例如可以使处理器134执行如图2中或也在以下图4中描述的计算机实施的方法。

图4示出了图示与图2中图示的方法类似的方法的流程图。在图4中，多个额外的步骤已经被添加到该方法。图4以如图2中描述的步骤200和202开始。接下来在步骤400中，使用磁共振数据152来重建针对多个天线元件126、126’、126”、126”’中的每个的测得的线圈图像。接下来在步骤402中，根据SENSE磁共振成像协议通过使用线圈灵敏度的集合306将针对多个天线元件126、126’、126”、126”’中的每个的测得的线圈图像302组合来构建初步SENSE图像304。在一些范例中，初步SENSE图像304可以是初步图像154。在这种情况向下，步骤204现在被执行，因为步骤204与步骤400和402相同。

然而在其他范例中，初步图像不同于或区别于初步SENSE图像304。例如脉冲序列命令150可以使磁共振成像系统100采集调查扫描或定位扫描，并且这然后可以被适配到解剖模型。在其他范例中，当执行计算机实施的方法时，调查扫描或定位扫描图像以及初步SENSE图像都用于适配到解剖模型。

如上面描述的，该方法然后可以任选地执行步骤204。在图4中示出的方法中，步骤404、406、408是关于图2的步骤206如何被执行的更详细的指令。首先在步骤404中，针对多个天线元件126、126’、126”、126”’中的每个的反向投影图像使用初步SENSE图像304和线圈灵敏度的集合306来构建。接下来在步骤406中，将针对多个天线元件126、126’、126”、126”’中的每个的反向投影图像308与测得的线圈图像302进行比较以识别受影响体素的集合310。然后至少部分地使用受影响体素的集合310以及运动可能性图158和适配或配准159来执行对至少一个图像伪影来源的识别。接下来在步骤408中，通过在构建校正的SENSE图像164之前在至少一个图像伪影来源中的每个的预定邻域内数值地搜索一致性度量的最大值来校正至少一个图像伪影来源160。

在搜索区域被限制于针对特定体素的预定邻域的情况下，例如Winkelmann等人中描述的数值方法可以被应用。在这种情况下，Winkelmann等人的算法被应用，但是搜索区域已经使用图像空间中的处理而被极大地减少。这可以导致在找到至少一个图像伪影来源方面的数值效率的急剧增大。在步骤404之后，406和408可以在搜索一致性度量的最大值的过程期间被数值地重复。其次，步骤208和210如在图2中描述的那样被执行。

SENSE是加速磁共振(MR)数据采集的技术中的一种。为便于展开，线圈灵敏度信息和测得的数据必须可用作用于SENSE算法的基本输入。如果线圈灵敏度是完美的，则SENSE图像伪影仍然会由于测得的数据中的误差而显现。由傅里叶编码过程的失真引起的这种种类的最显著伪影是幻影，导致实际信号的部分的移位的外观。然而，尽管傅里叶编码过程被损坏，但是实际信号被适当地灵敏度编码，这给出了识别并去除幻影结构的处理，参见Winkelmann等人的文章。

这种构思的关键在于通过一致性检查来识别处于危险中的信号，并且解决扩展的SENSE问题，其包括移位的信号分量(幻影)，对于所述移位信号分量，正确的来源必须在沿着相位编码方向执行的搜索流程中被找到。这种搜索的数值负担在1D欠采样中可能是可行的，但是在二维中造成问题，并且在一些差的情况下会行进到假极小值。在一些实施例中，构思是将合适的患者适应的身体模型包含到扩展的SENSE重建中，以通过包含特定的先前知识来加速并稳定对幻影来源的搜索。基于在检查开始的时候采集的3D定位MRI数据(或其他图像)，适当的身体模型(或解剖模型)能够适应患者。模型可以包含注释的器官(即，肝脏、肺等)和(例如由于流入、流、运动影响等)具有成为MR幻影的高概率的结构(像血管、充满流体的腔室(心脏等)、胸壁等)。适应折叠的SENSE/一致性数据的该模型能够引导幻影来源搜索流程，减少数值努力并增大置信度。

SENSE是用于并行成像的方法。如果线圈灵敏度信息是完美的，则SENSE图像质量仍然依赖于测得的数据。那些能够包含例如由实际上能够损坏傅里叶编码过程的运动(像大运动、流和新鲜磁化流入等)引起的一些数据不一致性。除了模糊外，幻影是最显著的图像伪影，其不能通过标准SENSE重建来解决。

然而，发现尽管(由于损坏的傅里叶编码过程)在最终SENSE图像中在相位编码方向上移位，但是幻影被适当地灵敏度编码。然而，其实际位置(它来自的位点)是未知的(1)。因此能够通过分析重建的SENSE图像与基础的折叠数据(1)之间的一致性来在重建的SENSE图像中找到被伪影信号损坏的体素。一致性测试示出了幻影，因为相比于已经在SENSE重建所假设的，它在信号检测期间被暴露于不同的接收线圈灵敏度。

为了去除那些损坏的体素的幻影，扩展的SENSE问题必须要求额外的信号贡献来公式化；源于另一位置的幻影折叠到损坏的体素上。得到的信号模型与正常SENSE的信号模型的不同在于Winkelmann等人的方程[1]中的额外项S_i,_gδ，

C_i＝∑S_i,_jρ_j+S_i,_gδ [1]

此处向量C包含针对线圈i的测得的折叠的线圈信号(测量结果数据)。S表示灵敏度矩阵，ρ是包含要被获得的实际体素信号的向量，δ是当在所有线圈内进行求和时来自未知位置g的幻影信号贡献。如果SENSE问题是超定的，则仅能够建立这种扩展的SENSE问题。具有一个相位编码方向(2D成像)将扩展的SENSE矩阵的秩增加一(仅预期到一个幻影)，像在3D成像中具有两个方向可以导致两个幻影源，甚至进一步增加扩展的SENSE矩阵的秩，结果是减少使解倾向于噪声的伪逆的条件数。扩展的SENSE问题是关于幻影的潜在位置g获得最佳数据一致性(固定为惩罚项)的优化的关键要素。这种搜索在1D欠采样(参见Winkelmann等人的图3a)中会是可行的，但是在二维中造成问题，并且在一些差的情况下会行进到假极小值。

在Winkelmann等人的图3a中，针对幻影伪影沿着相位编码方向的一维搜索是2D成像。扩展的SENSE重建的一致性log(P)根据幻影δ的潜在源沿着相位编码方向进行绘制。示出了最终SENSE图像中的两个不同的幻影体素(I、II)。在伪影出现(LAA-最终图像中的伪影出现的位置)处，问题在一致性示出了最大值的幻影来源(LAO-伪影来源的位置)处是奇异的。对于幻影(I)，主要最大值被大致地明确定义，对于幻影(II)，问题会更难。

此外，如果伪影的来源g接近研究中体素的位置I，则方程[1]的逆的条件变差，使扩展的SENSE求解更难。

为了加速并且为了稳定扩展的SENSE问题方程[1]的求解过程，提出包含先前的知识。这通过在扩展的SENSE重建中使用合适的患者适应的身体模型来实现。该模型指示处于成为幻影伪影的源的危险中的区域，帮助引导搜索并排除潜在的假阳性。

基于在检查开始的时候采集的3D定位MRI数据，身体模型能够适应患者，具体地合适地反映患者的解剖结构和几何结构的主要特征。模型包含注释的器官(肝脏、肺等)和(例如由于流入、流、运动影响等)具有成为MR幻影的来源的高概率的结构(像血管、充满流体的腔室(心脏等)、胸壁等)。

模型能够适应折叠的SENSE/一致性数据，能够引导幻影来源搜索流程，减少数值努力并增大置信度。

此外，适应的身体模型可以有助于还在其他方向上引导SENSE信号模型。基于适应的身体模型，能够识别线圈灵敏度图中的处于错误危险中的区域。这些区域也能够作为列被添加到灵敏度矩阵，进一步扩展灵敏度矩阵。

在一个范例中，对对象或患者执行肝脏检查。肝脏由对应的多元件接收线圈环绕，被放置在磁体的等中心中。出于规划目的，测量多切片或3D低分辨率定位扫描或其他扫描。数据被进一步发送到使用弹性配准将对应的身体区域的预定义身体模型适配到数据的图像处理算法。对粗糙身体区域的识别可以被自动完成或可以是情境驱动的。在识别过程之后，患者几何结构被匹配到关于运动伪影的危险和其性质的信息。该信息将会变得可用于患者内的每个体素，并且对于随后要执行的所有算法，将会是可访问的。

线圈灵敏度信息使用SENSE参考扫描来获得。使用接收器阵列，执行3D屏气(15-20秒)诊断肝脏扫描，覆盖整个腹部区域。由于心脏运动，新鲜血液被泵送到所扫描的3D体积内，导致到MR信号的强度调制中的流入影响，引起子采样的SENSE成像中的傅里叶幻影伪影。该伪影还在SENSE重建期间传播到整个FOV内。

这种伪影通过Winkelmann等人中提出的一致性检查来识别。这种检查度量测得的子采样的减小的FOV图像如何适配最终的SENSE重建的图像。

为了便于这种比较，最终的SENSE图像被反向投影到针对每个通道的个体的减小的FOV线圈图像；其与测得的数据的差异必须匹配接收器噪声水平，并且使用合适的概率(参见Winkelmann等人)来评估。不匹配允许识别损坏的体素，其需要采用扩展的SENSE方法(参见Winkelmann等人)的对SENSE问题的不同解。此处，几何匹配的模型起作用，下面在图5中简洁地图示，其支持/引导要沿着对应的相位编码方向执行搜索以找到幻影的来源。因此，扩展的SENSE方法通过告知算法全视场(FOV)中或相应的子采样的FOV中的哪些像素是伪影的潜在源的注释的身体模型来补充。那些和其邻域关于假设它们是源的可实现的一致性进行测试。此外，来自模型的信息能够被使用，额外地调整潜在的其他解(位置)，以避免假解。

该方法加速了算法，并且能够用于避免噪声突破或假阳性。

图5示出了初步SENSE图像304、解剖模型156和校正的SENSE图像164的理想化表示。初步SENSE图像304示出了对象的横截面，并且存在主动脉502的多个幻影伪影500。主动脉502内的血液的移动引起幻影伪影500。解剖模型156可以具有被分配给它的运动可能性图158。在该图中，主动脉502被识别为具有引起幻影伪影的高可能性的区域。该模型156然后被适配到初步SENSE图像304，并且如图3和4中描述的方法被应用以计算校正的SENSE图像164。图5图示了注释的身体模型引导的扩展的SENSE重建的方案。SENSE重建的MR图像示出了通过一致性检查识别的幻影伪影(在相位编码方向(垂直)上的脉动的主动脉的复制本)。几何匹配的适应的身体模型(中间)示出了该幻影伪影的潜在来源(主动脉-以红色突出的高危险区域)。该信息用于引导扩展的SENSE重建的搜索，去除示意地示出的伪影(右侧)。

这样的模型此外能够用于许多其他目的，例如：

-器官特异性规划

-自动导航器定位

-自动垫片体积定位

-自动外体积抑制(REST-平板)定位。

在MRI中，经常发生的是，临床上不感兴趣的区域在临床上感兴趣的区域上散布伪影。一个典型范例是将流伪影散布到肝脏上的主动脉；另一典型范例是可以通过运动引起脊柱上的伪影的乳房或心脏。例如，参见下面的图6。它示意地示出了通过人类身体的矢状位视图，包含临床上感兴趣的脊柱和在该研究中不感兴趣的心脏。

图6示出了矢状位视图600，其示出了心脏602。当心脏正在移动时，它引起心脏602的图像伪影604或幻影图像。

在一些情况下，该问题能够通过在有问题的(通常是移动的)身体区域上定位所谓的REST(对于“区域饱和技术”)。然而，这常常受到约束，例如，除了笔直平板之外的区域通常是不切实际的。它还可能在扫描时间、可达到的重复时间等方面具有严重缺点。

利用大量接收元件，该问题能够以完全不同的方式被解决。能够进行线圈组合算法，使得组合的结果对已知引起麻烦的区域最小程度地敏感。

这可以通过用户指示已知引起运动伪影的区域来完成。这与也由用户规划的REST-平板的放置具有一定的相似性。作为差异，为了最佳的协同作用组合，能够在实际测量之前或之后进行运动存在指示(假设测量结果的原始数据仍然被保存在存储器中)。由于该原因，该技术被称为“扫描后REST”。

然而，用户输入的必要性妨碍了工作流程。因此，本发明的目的是应用相同的原理，但是无接口。

特别地在腹部成像中，我们假设运动伪影主要由患者的前皮下脂肪引起。构思是检测该区域，并且在重建过程中设想时对该区域的灵敏度最小化的线圈组合算法。

图7示出了表示腹部区段MRI的图。标记为702的区域表示脂肪。标记为704的区域表示感兴趣器官，诸如肝脏。各种线706表示由脂肪层702的移动引起的图像伪影或幻影伪影。

在一些范例中，该方法应用于利用多个接收天线或天线元件完成的矢状或轴向腹部成像。在原理上，本发明与所有类型的采集序列兼容，并不需要对其的修改。本发明包括修改的重建‘规律’数据。

一些范例的一个要素是对前皮下脂肪区域的前边缘的检测。这能够通过分析即将进行的扫描的初始重建、来自先前扫描或线圈参考扫描的相同区域的图像等来完成。

任选地，对脂肪层的厚度的估计能够通过低分辨率化学移位成像扫描(诸如水-脂肪分离扫描；硅-脂肪分离扫描)来提供；备选地，‘典型的’脂肪层厚度能够被预编程。完全自动的图像分割(诸如基于强度的或基于图集的分割)也可以用于生成其信号强度要被抑制的目标的初始估计。

考虑到目标的初始估计，最前的目标部分被认为是‘有问题的’脂肪层。与厚度结合的前边缘为我们提供了区域(切片中的2D区域，或多个切片中的3D区域)。

备选地，我们能够确定表示前脂肪区域的中心的曲线的位置(多切片或3D中：平面)。

给定了该区域或中心平面，我们能够设想使对该区域的灵敏度最小化的重建。对于要被重建的每个像素，这通过选择对前脂肪区域的区域不敏感的最合适的线圈元件加权来完成。

图8类似于图7中示出的。在MRI的该示意图中，再次示出了腹部区段700。在这种情况下，存在使线圈元件权重的组合不敏感的区域800。这消除了图7中示出的图像伪影706或幻影伪影。

在一些实施例中，重建算法包括将额外的行s_a(或多个行s_a1,...s_ak,...s_aK，其中，k在运动伪影可以源自的所有识别的位置上行进)添加到线圈灵敏度矩阵S。这得到“扩展的线圈灵敏度矩阵”S_E＝[S s_a](或者，备选地，S_E＝[S s_a1 ... s_ak ... s_aK])。利用该矩阵，对SENSE问题的规律解能够被应用，即：

除了下标‘E’外，这看起来像非常熟悉的SENSE方程，其中，p表示得到的像素的集合，Ψ是采集通道之间的噪声协方差，R是正则化矩阵，并且m是测得的线圈阵列数据。但是，p和R两者现在都包含一个(或一系列)额外的元素。在本发明中，SENSE方程不产生展开像素的等距集合，但是‘规律的’等距集合加上对伪影源(即前脂肪边缘)的位置上的像素强度的估计；在本发明的范围内，该额外的结果被认为是不感兴趣的。

类似地，‘规律的’正则化矩阵R与“R_E”之间的差异是，后者必须指示前脂肪的位置处的预期信号水平，其也被称为矩阵R的其他对角元素。

图9和图10示出了磁共振图像900和1000。图9示出了磁共振图像900，其中模拟的运动伪影已经被添加到图像。

图10示出了磁共振图像1000，其中使线圈权重元素的区域不敏感以去除图像900的人为运动伪影。

在以下描述中，“Possup”用作用于“对前脂肪层的扫描后灵敏度抑制”的速记。实质上，构思是以如下方式稍微改变SENSE重建：使得得到的天线元件组合对患者的(自动检测的)区域(例如，腹部成像中的前皮下脂肪区域)最小程度地敏感。

以获取腹部的屏气图像作为开始点。该图像示出了相对少的“自然的”运动伪影。随后，设想了四个线圈灵敏度图，从图像的前边缘、右边缘、后边缘和右边缘衰减1/x。

通过创建6幅不同的‘失真’图像来模拟运动。每个失真使目标的后半部分不受影响，但是使前半部分伸展使得目标的上边缘被向前移动1、2、3、4、5或6个像素。(目标在大小上为大约200个像素，因此前半部分为大约100个像素，这意味着最大失真使前半部分伸展大约6％)。在图9中示出了失真的图像。

所有这些集合被傅里叶变换到k空间，并且模拟的每个ky线从这六个集合中的一个随机地被拾取。

利用CLEAR重建前面提到的模拟得到右侧的图像。

使用该图像作为第一迭代，检测目标的前边缘。随后，与前边缘平行的两个区域被定义：一个在5个像素的深度处(向前地)并且一个在12mm的深度处。脂肪层的厚度的知识被手动地输入。这递送了两个曲线F1(x)和F2(x)。

对于每个位置(x,y)，Possup重建计算对区域F1(x)和F2(x)最小程度地敏感同时使对(x,y)的灵敏度最大化的线圈元件加权。它随后将线圈元件数据组合。

果不其然，前脂肪区域在5个像素与12个像素的深度之间中被抑制。数学上，这包括利用两个额外的列来扩展SENSE线圈灵敏度矩阵。此处这是相关的，因为它允许与SENSE的容易组合。通过应用Possup，该伪影也被大体去除，如在图10中示出的。

尽管已经在附图和前面的描述中详细说明和描述了本发明，但是这样的说明和描述应当被认为是说明性或示范性的，而非限制性的；本发明不限于所公开的实施例。

本领域技术人员通过研究附图、说明书以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。尽管某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信系统。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (14)

1.一种磁共振成像系统(100、300)，包括：

-用于从成像区(108)采集磁共振数据(152)的射频系统(116、122、124、126、126’、126”、126”’)，其中，所述射频系统包括多个天线元件(126、126’、126”、126”’)；

-存储器(140)，其包含机器可执行指令(170)和脉冲序列命令(150)，其中，所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据；

-处理器，其中，对所述机器可执行指令的运行使所述处理器：

-利用所述脉冲序列命令来控制(200)所述磁共振成像系统采集所述磁共振数据；

-使用所述磁共振成像数据来重建(202)初步图像(154)；

-计算(204)解剖模型(156)与所述初步图像之间的适配(159)，其中，所述解剖模型包括运动可能性图(158)；

-至少部分地使用所述运动可能性图和所述适配来识别(206)至少一个图像伪影来源(160)；

-至少部分地使用至少一个图像伪影来源来确定(208)扩展的SENSE方程(162)；并且

-使用所述扩展的SENSE方程来构建(210)校正的SENSE图像(164)。

2.根据权利要求1所述的磁共振成像系统，其中，对所述机器可执行指令的运行使所述处理器：

-使用所述磁共振数据来重建(400)针对所述多个天线元件中的每个的测得的线圈图像(302)；

-根据所述SENSE协议通过使用线圈灵敏度的集合将所述多个天线元件中的每个的所述测得的线圈图像组合来构建(402)初步SENSE图像(304)。

3.根据权利要求2所述的磁共振成像系统，其中，所述初步图像包括所述初步SENSE图像。

4.根据权利要求2或3所述的磁共振成像系统，其中，对所述机器可执行指令的运行还使所述处理器：

-使用所述初步SENSE图像和所述线圈灵敏度来构建(404)针对所述多个天线元件中的每个的反向投影图像(308)；并且

-将所述反向投影图像与针对所述多个天线元件中的每个的所述测得的线圈图像进行比较(406)以识别针对所述多个天线元件中的每个的受影响体素的集合(310)；

其中，对所述至少一个图像伪影来源的所述识别是在图像空间中被执行的；其中，对所述至少一个图像伪影来源的所述识别是至少部分地使用所述受影响体素的集合、至少部分地使用所述运动可能性图和所述适配而被执行的。

5.根据权利要求4所述的磁共振成像系统，其中，所述至少一个图像伪影来源通过在构建所述校正的SENSE图像之前在所述至少一个图像伪影来源中的每个的预定邻域内数值地搜索(408)一致性度量的最大值来校正，其中，所述一致性度量依赖于针对所述多个天线元件中的每个的所述初步SENSE图像与反向投影试验性SENSE图像中的所述受影响体素的集合之间的差异，其中，所述反向投影试验性SENSE图像根据试验性SENSE图像来构建，其中，所述试验性SENSE图像使用试验性SENSE方程来构建。

6.根据权利要求5所述的磁共振成像系统，其中，使所述一致性度量最大化的所述试验性SENSE方程是所述扩展的SENSE方程。

7.根据权利要求4、5或6所述的磁共振成像系统，其中，对所述机器可执行指令的运行还使所述处理器通过将所述受影响体素的集合配准到所述初步图像来修改所述至少一个图像伪影来源。

8.根据权利要求1至3中的任一项所述的磁共振成像系统，其中，所述扩展的SENSE方程被选择为使来自所述至少一个图像伪影来源的至少部分的贡献最小化。

9.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述初步图像包括调查扫描图像。

10.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述至少一个图像伪影来源是二维的或三维的。

11.一种计算机程序产品，包括用于由控制磁共振成像系统(100、300)的处理器(134)运行的机器可执行指令(170)，其中，所述磁共振成像系统包括用于从成像区(108)采集磁共振数据(152)的射频系统(116、122、124、126、126’、126”、126”’)，其中，所述射频系统包括多个天线元件(126、126’、126”、126”’)，其中，对所述机器可执行指令的运行使所述处理器：

-利用脉冲序列命令(150)来控制(200)所述磁共振成像系统采集所述磁共振数据，其中，所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据；

-使用所述磁共振成像数据来重建(202)初步图像(154)；

-计算(204)解剖模型与所述初步图像之间的适配(159)，其中，所述解剖模型包括运动可能性图(158)；

-至少部分地使用所述运动可能性图和所述适配来识别(206)至少一个图像伪影来源(160)；

-至少部分地使用至少一个图像伪影来源来确定(208)扩展的SENSE方程(162)；并且

-使用所述扩展的SENSE方程来构建(210)校正的SENSE图像(164)。

12.一种操作磁共振成像系统(100、300)的方法，其中，所述磁共振成像系统包括用于从成像区(108)采集磁共振数据(152)的射频系统(116、122、124、126、126’、126”、126”’)，其中，所述射频系统包括多个天线元件(126、126’、126”、126”’)，其中，所述方法包括以下步骤：

-利用脉冲序列命令(150)来控制(200)所述磁共振成像系统采集所述磁共振数据，其中，所述脉冲序列命令使所述处理器根据SENSE协议从所述多个天线元件采集磁共振数据；

-使用所述磁共振成像数据来重建(202)初步图像(154)；

-计算(204)解剖模型(156)与所述初步图像之间的适配(159)，其中，所述解剖模型包括运动可能性图(158)；

-至少部分地使用所述运动可能性图和所述适配来识别(206)至少一个图像伪影来源(160)；

-至少部分地使用至少一个图像伪影来源来确定(208)扩展的SENSE方程(162)；并且

-使用所述SENSE方程来构建(210)校正的SENSE图像(164)。

13.根据权利要求12所述的方法，其中，所述方法还包括：

-使用所述磁共振数据来重建(400)针对所述多个天线元件中的每个的测得的线圈图像(302)；

-根据所述SENSE协议通过使用线圈灵敏度的集合将针对所述多个天线元件中的每个的所述测得的线圈图像组合来构建(402)初步SENSE图像(304)；

-使用所述初步SENSE图像和所述线圈灵敏度来构建(404)针对所述多个天线元件中的每个的反向投影图像(308)；并且

-将所述反向投影图像与针对所述多个天线元件中的每个的所述测得的线圈图像进行比较(406)以识别针对所述多个天线元件中的每个的受影响体素的集合(310)；

其中，对所述至少一个图像伪影来源的所述识别是在图像空间中被执行的；其中，对所述至少一个图像伪影来源的所述识别是至少部分地使用所述受影响体素的集合、至少部分地使用所述运动可能性图和所述适配或配准而被执行的，其中，所述至少一个图像伪影来源通过在构建所述校正的SENSE图像之前在所述至少一个图像伪影来源中的每个的预定邻域内数值地搜索(408)一致性度量的最大值来校正，其中，所述一致性度量依赖于针对所述多个天线元件中的每个的所述初步SENSE图像与反向投影试验性SENSE图像中的所述受影响体素的集合之间的差异，其中，所述反向投影试验性SENSE图像根据试验性SENSE图像来构建，其中，所述试验性SENSE图像使用试验性SENSE方程来构建。

14.根据权利要求12或13所述的方法，其中，所述扩展的SENSE方程包括扩展的线圈灵敏度矩阵，其中，所述扩展的线圈灵敏度矩阵被选择为使来自所述至少一个图像伪影来源的至少部分的贡献最小化。