CN108490377A - 一种磁共振弥散定量的获取方法和装置 - Google Patents
一种磁共振弥散定量的获取方法和装置 Download PDFInfo
- Publication number
- CN108490377A CN108490377A CN201810291889.1A CN201810291889A CN108490377A CN 108490377 A CN108490377 A CN 108490377A CN 201810291889 A CN201810291889 A CN 201810291889A CN 108490377 A CN108490377 A CN 108490377A
- Authority
- CN
- China
- Prior art keywords
- iteration
- magnetic field
- field gradient
- diffusion
- gradient direction
- 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 60
- 238000009792 diffusion process Methods 0.000 claims abstract description 226
- 238000013178 mathematical model Methods 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims description 122
- 239000006185 dispersion Substances 0.000 claims description 80
- 238000011002 quantification Methods 0.000 claims description 63
- 230000035945 sensitivity Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003759 clinical diagnosis Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请实施例公开了一种磁共振弥散定量的获取方法和装置。该获取方法,把磁共振弥散定量做为数学模型中的未知数进行直接求解。因而,相较于现有技术中先获取弥散加权图像,然后再通过数据拟合的方法计算磁共振弥散定量值的方式,这种通过求解方程解来获取磁共振弥散定量值的方式,能够得到更为准确的结果,因此,本申请实施例提供的磁共振弥散定量的获取方法能够提高磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
Description
技术领域
本申请涉及磁共振技术领域,尤其涉及一种磁共振弥散定量的获取方法和装置。
背景技术
磁共振成像(Magnetic Resonance Imaging,MRI)作为一种多参数、多对比度的成像技术,是现代医疗影像学中主要的成像方式之一,可以反映组织T1、T2和质子密度等多种特性,可为疾病的检出和诊断提供信息。
磁共振弥散定量,包括表观弥散系数(ADC,apparent diffusion coefficient)、各向异性分数(FA,Fractional anisotropy)和弥散张量(diffusion tensor)等,在临床和科研中的应用越来越多。目前,获取磁共振弥散定量的传统方法是先获取不同弥散方向和/或不同b值(扩散敏感梯度场参数或扩散敏感系数)的弥散加权图像,然后通过数据拟合等方法计算磁共振弥散定量值。
然而,通过上述传统方法获取到的磁共振弥散定量存在精度不高、准确度较低的问题,降低了临床诊断的精确性。
发明内容
有鉴于此,本申请实施例提供了一种磁共振弥散定量的获取方法和装置,以提高获取到的磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
为了达到上述发明目的,本申请采用了如下技术方案:
一种磁共振弥散定量的获取方法,所述磁共振弥散定量包括弥散张量矩阵和质子密度,所述方法包括:
采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数;
根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型;所述数学模型包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,所述正则化项用于利用先验知识提高重建出的磁共振定量的稳定性;
求解所述数学模型最小化时对应的弥散张量矩阵以及质子密度,所述数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
可选地,所述数据保真项为各个磁场梯度方向各个通道的残差k空间的二范数的平方和,所述正则化项为质子密度和稀疏化算子的乘积的一范数以及各个弥散张量和稀疏化算子的乘积的一范数之和。
可选地,所述数学模型具体为:
其中,为数据保真项;
g(x)为正则化项;
Sj,k(x)=CSMk·Sj;
其中,λ为非负权重;
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
FFT表示傅里叶变换函数;
Sj,k(x)为第j个梯度方向上的第k个通道的弥散加权图像;
CSMk为第k个通道的线圈敏感度;
Sj为第j个梯度方向上的弥散加权图像;
ρ为质子密度;
b为弥散权重参数;
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T;
为第j个磁场梯度方向上的弥散加权图像相位;
yj,k为采集到的第j个梯度方向上的第k个通道的k空间数据;
和为稀疏化算子;
λ1和λ2为非负权重;
j∈{1,2,......,J},k∈{1,2,......,K}。
可选地,所述求解数学模型最小化时对应的弥散张量矩阵以及质子密度,具体包括:
步骤A:根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据,获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl;其中,l为迭代次数,且l为整数,l的初始值为1,每增加一次迭代,l值加1;
步骤B:对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
步骤C:根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x);
步骤D:根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
步骤E:将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
步骤F:判断所述第l次迭代的平均残差k空间是否小于预设阈值;
步骤G:当所述所述第l次迭代的平均残差k空间小于预设阈值时,停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解;
步骤H:当所述第l次迭代的平均残差k空间不小于预设阈值时,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
步骤I:将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到;
步骤J:对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1;
步骤K:更新迭代次数l的值,设定l=l+1,返回步骤B。
可选地,所述步骤A具体为:
步骤A1:根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像
步骤A2:分别对所述各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位
步骤A3:根据所述各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl。
可选地,所述求解数学模型最小化时对应的弥散张量矩阵以及质子密度,具体包括:
通过拉普拉斯方程利用求弥散张量矩阵以及质子密度偏导的方法迭代求解数学模型最小化时对应的弥散张量矩阵以及质子密度。
可选地,所述采集J个不同磁场梯度方向上的K个线圈通道上的k空间数据,具体包括:
采用等密度部分采样方式采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据。
一种磁共振弥散定量的获取装置,所述磁共振弥散定量包括弥散张量矩阵和质子密度,所述装置包括:
采集单元,用于采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数;
构建单元,用于根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型;所述数学模型包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,所述正则化项用于利用先验知识提高重建出的磁共振定量的稳定性;
求解单元,用于求解数学模型最小化时对应的弥散张量矩阵以及质子密度,所述数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
可选地,所述数据保真项为各个磁场梯度方向各个通道的残差k空间的二范数的平方和,所述正则化项为质子密度和稀疏化算子的乘积的一范数以及各个弥散张量和稀疏化算子的乘积的一范数之和。
可选地,所述数学模型具体为:
其中,其中,为数据保真项;
g(x)为正则化项;
Sj,k(x)=CSMk·Sj;
其中,λ为非负权重,
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
Sj,k(x)为第j个梯度方向上的第k个通道的弥散加权图像;
CSMk为第k个通道的线圈敏感度;
Sj为第j个梯度方向上的弥散加权图像;
ρ为质子密度,
b为弥散权重参数;
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T;
为第j个磁场梯度方向上的弥散加权图像相位;
yj,k为采集到的第j个梯度方向上的第k个通道的k空间数据;
和为稀疏化算子;
λ1和λ2为非负权重;
j∈{1,2,......,J},k∈{1,2,......,K}。
可选地,所述求解单元,具体包括:
第一获取子单元,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据,获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl;其中,l为迭代次数,且l为整数,l的初始值为1,每增加一次迭代,l值加1;
第一去噪子单元,用于对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
第一计算子单元,用于根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x);
第二计算子单元,用于根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
加和平均子单元,用于将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
判断子单元,用于判断所述第l次迭代的平均残差k空间是否小于预设阈值;
确定子单元,用于当所述所述第l次迭代的平均残差k空间小于预设阈值时,停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解;
第一图像重建子单元,用于当所述第l次迭代的平均残差k空间不小于预设阈值时,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
第三计算子单元,用于将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到;
第二去噪子单元,用于对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1;
更新子单元,用于更新迭代次数l的值,设定l=l+1,并触发所述第一去噪子单元。
可选地,所述第一获取子单元具体包括:
第二图像重建子单元,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像;
第三去噪子单元,用于分别对各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位;
第二获取子单元,用于根据各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵以及质子密度的初始值。
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,本申请实施例提供的磁共振弥散定量的获取方法,把磁共振弥散定量做为数学模型中的未知数进行直接求解,正则化也直接针对共振弥散定量。因而,相较于现有技术中先获取弥散加权图像,然后再通过数据拟合的方法计算磁共振弥散定量值的方式,这种通过求解方程解来获取磁共振弥散定量值的方式,能够得到更为准确的结果,因此,本申请实施例提供的磁共振弥散定量的获取方法能够提高磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
附图说明
为了清楚地理解本申请的具体实现方式,下面将描述本申请具体实施方式时用到的附图做一简要说明。显而易见地,这些附图仅是本申请的部分实施例。
图1是本申请实施例提供的磁共振弥散定量的获取方法流程示意图;
图2是本申请实施例提供的通过数值求解法求解磁共振弥散定量的具体实现方式流程示意图;
图3是本申请实施例提供的用于磁共振弥散定量的获取的控制设备的结构示意图;
图4是本申请实施例提供的磁共振弥散定量的获取装置的结构示意图;
图5是本申请实施例提供的求解单元的一个具体实现方式的结构示意图。
具体实施方式
基于背景技术部分所述,目前,获取磁共振弥散定量的传统方法是先获取不同弥散方向和/或不同b值(扩散敏感梯度场参数或扩散敏感系数)的弥散加权图像,然后通过数据拟合等方法计算磁共振弥散定量值。
然而,通过上述数据拟合方法获取到的磁共振弥散定量存在精度不高、准确度较低的问题,降低了临床可用性。
为了提高磁共振弥散定量的精度和准确度,进而提高磁共振弥散定量的临床可用性,本申请实施例提供了一种磁共振弥散定量的获取方法。其中,在本申请实施例中,磁共振弥散定量包括弥散张量矩阵和质子密度。其中,其具体可以表示为:
弥散张量矩阵D为对称阵,所以,Dxy=Dyx,Dxz=Dzx,Dyz=Dzy,因而,在弥散张量矩阵里有6个变量,分别为Dxx、Dxy、Dxz、Dyy、Dyz和Dzz。
因此,在本申请实施例中,需要求解的为磁共振弥散定量有7个值,分别为弥散张量矩阵里的6个变量(分别为Dxx、Dxy、Dxz、Dyy、Dyz和Dzz)以及质子密度。
为了准确地获取到上述7个定量的值,本申请实施例提供的磁共振弥散定量的获取方法中,首先多次改变磁场梯度方向,并采集多个不同磁场梯度方向上的各个线圈通道上的k空间数据,然后根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建数学模型;最后求解该数学模型最小化时对应的弥散张量矩阵以及质子密度。最后求解得到的该数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
因而,本申请实施例提供的磁共振弥散定量的获取方法,把磁共振弥散定量做为数学模型中的未知数进行直接求解,正则化也直接针对共振弥散定量。因而,相较于现有技术中先获取弥散加权图像,然后再通过数据拟合的方法计算磁共振弥散定量值的方式,这种通过求解方程解来获取磁共振弥散定量值的方式,能够得到更为准确的结果,因此,本申请实施例提供的磁共振弥散定量的获取方法能够提高磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
下面结合附图详细描述本申请实施例提供的磁共振弥散定量的获取方法的具体实现方式。请参见图1,本申请实施例提供的磁共振弥散定量的获取方法包括以下步骤:
S101、采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数。
为了提高扫描速度,可以采用部分采样的方式采集J个不同磁场梯度方向上的K个线圈通道上的k空间数据。
进一步地,为了方便图像的重建,采集轨迹可以为等密度部分采样轨迹。
采集方式可以是单次激发采集,也可以为多次激发采集。
S102:根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型。
需要说明,在本申请实施例中,构建得到的数学模型中包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,具体地,该数据保真项为各个磁场梯度方向各个通道的残差k空间的二范数的平方和。
正则化项用于利用先验知识提高重建出的磁共振定量的稳定性。所述正则化项为质子密度和稀疏化算子的乘积的一范数以及各个弥散张量和稀疏化算子的乘积的一范数之和。
Stejskal-Tanner弥散张量数学模型可以用以下公式表达:
式中,Sj为第j个梯度方向对应的弥散加权图像;
ρ为质子密度;
b为弥散权重参数;
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T;
为第j个磁场梯度方向上的弥散加权图像相位;
作为示例,构建出的数学模型可以为:
其中,为数据保真项,目的是为了保证根据重建出来的未知数D和ρ通过数学模型计算出的k空间数据可以和采集到的k空间数据保持一致;
g(x)为正则化项,目的是利用先验知识来提高未知数的解的稳定性。
在式中,λ为非负权重,可以为常数,也可以是在空间(例如在靠近边界的地方小)、时间上(随迭代次数)变化的数。
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
FFT表示傅里叶变换函数;
Sj,k(x)为第j个梯度方向第k个通道的弥散加权图像;
ρ为质子密度,
D为弥散张量矩阵,D为对称阵,
yj,k为采集到的第j个梯度方向、第k个通道的k空间数据;
j∈{1,2,......,J},k∈{1,2,......,K}。
在上述数学模型中,
在公式(3)中,CSMk为第k个通道的线圈敏感度,
Sj为第j个梯度方向对应的弥散加权图像,其可以通过公式(1)计算得到,
ρ为质子密度,
b为弥散权重参数,
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T,
为第j个磁场梯度方向上的弥散加权图像相位;
在公式(4)中,
ρ为质子密度,
Dmn为弥散张量矩阵中的变量,
和为稀疏化算子,用于约束重建出的值在某个数学空间系数,这些稀疏化化算子可以不同,也可以部分或者全部相同。常用的稀疏化段子包括小波变换、全变分等。
λ1和λ2为非负权重,可以为常数,也可以是在空间(例如在靠近边界的地方小)、时间上(随迭代次数)变化的数。
需要说明,利用本申请实施例构建出的数学模型可以直接求解磁共振定量,从而为直接计算磁共振定量提供了理论基础。
S103:求解数学模型最小化时对应的弥散张量矩阵以及质子密度。
作为一示例,可以通过本申请提供的数值解法求解数学模型最小化时对应的弥散张量矩阵以及质子密度。作为另一示例,也可以通过拉普拉斯方程利用求弥散张量矩阵以及质子密度偏导的方法迭代求解数学模型最小化时对应的弥散张量矩阵以及质子密度。其中,通过本申请提供的数值解法求解的方法,其磁共振定量的解的收敛速度较快,其求解效率较高。
其中,本申请实施例提供的通过数值解法求解磁共振定量的具体实现方式可以如图2所示,其包括以下步骤:
S201:根据采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像。
当采用部分采样方式采集各个不同磁场梯度方向上的各个线圈通道上的k空间数据时,则可以采用并行重建方法例如敏感度编码(Sensitivity Encoding,SENSE)或广义自校准部分并行采集(Generalized Auto-calibrating Partially ParallelAcquisitions,GRAPPA)方法对采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k进行图像重建,从而得到各个不同磁场梯度方向上的初始弥散加权图像
设定有J个磁场梯度方向,则本步骤S201得到J个初始弥散加权图像
S202:分别对各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位
作为示例,可以采用低通滤波的方式分别对各个不同磁场梯度方向上的初始弥散加权图像Sj的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位
其中,l为迭代次数,且l为整数,l的初始值为1,迭代次数每增加一次,l的值加1。
S203:根据所述各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl。
采用本领域传统方法根据各个初始弥散加权图像Sj获取弥散张量矩阵Dl以及质子密度的第l次迭代的初始值。
需要说明,计算第l次迭代的弥散张量矩阵以及质子密度解的本领域传统方法为迭代计算方法,为了节省时间,在根据各个不同磁场梯度方向上的初始弥散加权图像计算第l次迭代的弥散张量矩阵以及质子密度的初始值时可以不进行完全迭代。
S204:对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
S205:根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)。
根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,利用公式(3),分别计算各个磁场梯度方向上的各个通道的l次迭代的弥散加权图像Sl j,k(x)。
S206:根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
本步骤可以具体为:分别对各个磁场梯度方向上的各个通道的第l次迭代的图像Sl j,k(x)通过反傅里叶变换映射到k空间,得到第l次迭代的对应磁场梯度方向上的对应通道的满采k空间数据。
然后将第l次迭代的各个磁场梯度方向上的各个通道的满采k空间数据乘以每行相位编码线上的数据采集标识,即得到第l次迭代的各个磁场梯度方向上的各个通道的映射k空间数据。
然后将第l次迭代的各个磁场梯度方向上的各个通道的映射k空间数据分别与采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据相减,得到的差值为各个磁场梯度方向各个通道的第l次迭代的残差k空间
本步骤用公式表示为:
其中,为第j个磁场梯度方向的第k个通道的第l次迭代的残差k空间;
yj,k为采集到的第j个磁场梯度方向的第k个通道的k空间数据;
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0。
S207:将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
本步骤用公式表示为:
为第l次迭代的平均残差k空间;
为第j个磁场梯度方向的第k个通道的第l次迭代的残差k空间。
S208:判断所述第l次迭代的平均残差k空间是否小于预设阈值;如果是,执行S209,如果否,执行S210至S213。
S209:停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解。
S210:分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
由于各个磁场梯度方向各个通道的第l次迭代的残差k空间为稀疏k空间,所以,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间进行图像重建的过程为稀疏重建过程,在稀疏重建过程的正则化参数可以加大或改变正则化的数学空间,重建得到的各个磁场梯度方向上的第l次迭代的残差图像为稀疏图像。
S211:将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到。
本步骤用公式表示为:
为第j个磁场梯度方向上的第l次迭代的总图像;
为第j个磁场梯度方向上的第l次迭代的弥散加权图像;
为第j个磁场梯度方向上的第l次迭代的残差图像。
S212:对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1。
需要说明,在本步骤中,也是利用本领域传统方法利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值。
S213:更新迭代次数l的值,设定l=l+1,返回执行S204。
以上为通过数值解法求解数学模型最小化时对应的弥散张量矩阵以及质子密度的具体求解过程。在该求解过程中,充分利用了传统定量值的计算方法以及残差k空间迭代的方法,从而实现了弥散张量矩阵以及质子密度解的快速收敛,提高了计算效率。
以上为本申请实施例提供的磁共振弥散定量的获取方法的具体实现方式。在该具体实现方式中,把磁共振弥散定量做为数学模型中的未知数进行直接求解,正则化也是针对磁共振弥散定量的最终值。因而,相较于现有技术中先获取弥散加权图像,然后再通过数据拟合的方法计算磁共振弥散定量值的方式,这种通过求解方程解来获取磁共振弥散定量值的方式,能够得到更为准确的结果,因此,本申请实施例提供的磁共振弥散定量的获取方法能够提高磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
上述实施例的磁共振弥散定量的获取方法可以由图3所示的控制设备执行。图3所示的控制设备包括处理器(processor)310,通信接口(Communications Interface)320,存储器(memory)330,总线340。处理器310,通信接口320,存储器330通过总线340完成相互间的通信。
其中,存储器330中可以存储有磁共振弥散定量获取的逻辑指令,该存储器例如可以是非易失性存储器(non-volatile memory)。处理器310可以调用执行存储器330中的磁共振弥散定量获取的逻辑指令,以执行上述的磁共振弥散定量的获取方法。作为实施例,该磁共振弥散定量获取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。
磁共振弥散定量获取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-OnlyMemory,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。
上述的磁共振弥散定量获取的逻辑指令,可以称为“磁共振弥散定量获取装置”,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弥散定量获取装置的具体实施方式。
请参见图4,本申请实施例提供的磁共振弥散定量获取装置包括以下单元:
采集单元41,用于采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数;
构建单元42,用于根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型;所述数学模型包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,所述正则化项用于利用先验知识提高重建出的磁共振定量的稳定性;
求解单元43,用于求解数学模型最小化时对应的弥散张量矩阵以及质子密度,所述数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
在上述实施例提供的磁共振弥散定量的获取装置中,把磁共振弥散定量做为数学模型中的未知数进行直接求解,正则化也直接针对共振弥散定量。因而,相较于现有技术中先获取弥散加权图像,然后再通过数据拟合的方法计算磁共振弥散定量值的方式,这种通过求解方程解来获取磁共振弥散定量值的方式,能够得到更为准确的结果,因此,本申请实施例提供的磁共振弥散定量的获取装置能够提高磁共振弥散定量的精度和准确度,进而提高临床诊断的精确性。
为了较为准确地通过求解数学模型的方式直接求解出磁共振弥散定量,
数学模型中的数据保真项为各个磁场梯度方向各个通道的残差k空间的范式函数,正则化项为质子密度和稀疏化算子的乘积的范式函数以及各个弥散张量和稀疏化算子的乘积的范式函数之和。
作为本申请的一可选实施例,所述数学模型可以具体为:
其中,为数据保真项,目的是为了保证根据重建出来的未知数D和ρ通过数学模型计算出的k空间数据可以和采集到的k空间数据保持一致;
g(x)为正则化项,目的是利用先验知识来提高未知数的解的稳定性。
在式中,λ为非负权重,可以为常数,也可以是在空间(例如在靠近边界的地方小)、时间上(随迭代次数)变化的数。
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
FFT表示傅里叶变换函数;
Sj,k(x)为第j个梯度方向第k个通道的弥散加权图像;
ρ为质子密度,
D为弥散张量矩阵,D为对称阵,
yj,k为采集到的第j个梯度方向、第k个通道的k空间数据;
j∈{1,2,......,J},k∈{1,2,......,K}。
在上述数学模型中,
在公式(3)中,CSMk为第k个通道的线圈敏感度,
Sj为第j个梯度方向对应的弥散加权图像,其可以通过公式(1)计算得到,
ρ为质子密度,
b为弥散权重参数,
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T,
为第j个磁场梯度方向上的弥散加权图像相位;
在公式(4)中,
ρ为质子密度,
Dmn为弥散张量矩阵中的变量,
和为稀疏化算子,用于约束重建出的值在某个数学空间系数,这些稀疏化化算子可以不同,也可以部分或者全部相同。常用的稀疏化段子包括小波变换、全变分等。
λ1和λ2为非负权重,可以为常数,也可以是在空间(例如在靠近边界的地方小)、时间上(随迭代次数)变化的数。
为了加快求解速率,提高数学模型中未知数解的收敛速率,作为本申请的一可选实施例,如图5所示,所述求解单元43可以具体包括:
第一获取子单元4301,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据,获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl,其中,l为迭代次数,且l为整数,l的初始值为1,每增加一次迭代,l值加1;
第一去噪子单元4302,用于对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
第一计算子单元4303,用于根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x);
第二计算子单元4304,用于根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
加和平均子单元4305,用于将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
判断子单元4306,用于判断所述第l次迭代的平均残差k空间是否小于预设阈值;
确定子单元4307,用于当所述所述第l次迭代的平均残差k空间小于预设阈值时,停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解;
第一图像重建子单元4308,用于当所述第l次迭代的平均残差k空间不小于预设阈值时,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
第三计算子单元4309,用于将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到;
第二去噪子单元4310,用于对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1;
更新子单元4311,用于更新迭代次数l的值,设定l=l+1,并触发所述第一去噪子单元4302。
作为示例,该第一获取子单元4301可以具体包括:
第二图像重建子单元,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像;
第三去噪子单元,用于分别对各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位;
第二获取子单元,用于根据各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵以及质子密度的初始值。
作为本申请的另一可选实施例,所述求解单元43也可以具体包括:
通过拉普拉斯方程利用求弥散张量矩阵以及质子密度偏导的方法迭代求解数学模型最小化时对应的弥散张量矩阵以及质子密度。
为了方便后续图像重建,所述采集单元41可以具体包括:
采用等密度部分采样方式采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据。
以上为本申请实施例提供的磁共振弥散定量的获取方法以及获取装置的具体实现方式。
Claims (12)
1.一种磁共振弥散定量的获取方法,其特征在于,所述磁共振弥散定量包括弥散张量矩阵和质子密度,所述方法包括:
采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数;
根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型;所述数学模型包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,所述正则化项用于利用先验知识提高重建出的磁共振定量的稳定性;
求解所述数学模型最小化时对应的弥散张量矩阵以及质子密度,所述数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
2.根据权利要求1所述的方法,其特征在于,所述数据保真项为各个磁场梯度方向各个通道的残差k空间的二范数的平方和,所述正则化项为质子密度和稀疏化算子的乘积的一范数以及各个弥散张量和稀疏化算子的乘积的一范数之和。
3.根据权利要求2所述的方法,其特征在于,所述数学模型具体为:
其中,为数据保真项;
g(x)为正则化项;
Sj,k(x)=CSMk·Sj;
其中,λ为非负权重;
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
FFT表示傅里叶变换函数;
Sj,k(x)为第j个梯度方向上的第k个通道的弥散加权图像;
CSMk为第k个通道的线圈敏感度;
Sj为第j个梯度方向上的弥散加权图像;
ρ为质子密度;
b为弥散权重参数;
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T;
为第j个磁场梯度方向上的弥散加权图像相位;
yj,k为采集到的第j个梯度方向上的第k个通道的k空间数据;
▽1和▽2为稀疏化算子;
λ1和λ2为非负权重;
j∈{1,2,......,J},k∈{1,2,......,K}。
4.根据权利要求3所述的方法,其特征在于,所述求解数学模型最小化时对应的弥散张量矩阵以及质子密度,具体包括:
步骤A:根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据,获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl;其中,l为迭代次数,且l为整数,l的初始值为1,每增加一次迭代,l值加1;
步骤B:对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
步骤C:根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x);
步骤D:根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
步骤E:将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
步骤F:判断所述第l次迭代的平均残差k空间是否小于预设阈值;
步骤G:当所述所述第l次迭代的平均残差k空间小于预设阈值时,停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解;
步骤H:当所述第l次迭代的平均残差k空间不小于预设阈值时,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
步骤I:将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到;
步骤J:对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1;
步骤K:更新迭代次数l的值,设定l=l+1,返回步骤B。
5.根据权利要求4所述的方法,其特征在于,所述步骤A具体为:
步骤A1:根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像
步骤A2:分别对所述各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位
步骤A3:根据所述各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl。
6.根据权利要求1所述的方法,其特征在于,所述求解数学模型最小化时对应的弥散张量矩阵以及质子密度,具体包括:
通过拉普拉斯方程利用求弥散张量矩阵以及质子密度偏导的方法迭代求解数学模型最小化时对应的弥散张量矩阵以及质子密度。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述采集J个不同磁场梯度方向上的K个线圈通道上的k空间数据,具体包括:
采用等密度部分采样方式采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据。
8.一种磁共振弥散定量的获取装置,其特征在于,所述磁共振弥散定量包括弥散张量矩阵和质子密度,所述装置包括:
采集单元,用于采集J个不同磁场梯度方向上的各个线圈通道上的k空间数据,其中,每个磁场梯度方向上的线圈通道数为K,J>1,且J和K均为正整数;
构建单元,用于根据Stejskal-Tanner弥散张量数学模型、各个不同磁场梯度方向上的各个线圈通道上的k空间数据、弥散张量矩阵以及质子密度构建弥散张量矩阵和质子密度的数学模型;所述数学模型包括数据保真项和正则化项;所述数据保真项用于保证重建出的磁共振弥散定量与采集的k空间数据一致,所述正则化项用于利用先验知识提高重建出的磁共振定量的稳定性;
求解单元,用于求解数学模型最小化时对应的弥散张量矩阵以及质子密度,所述数学模型最小化时对应的弥散张量矩阵以及质子密度为最终获取到的磁共振弥散定量。
9.根据权利要求8所述的装置,其特征在于,所述数据保真项为各个磁场梯度方向各个通道的残差k空间的二范数的平方和,所述正则化项为质子密度和稀疏化算子的乘积的一范数以及各个弥散张量和稀疏化算子的乘积的一范数之和。
10.根据权利要求9所述的装置,其特征在于,所述数学模型具体为:
其中,其中,为数据保真项;
g(x)为正则化项;
Sj,k(x)=CSMk·Sj;
g(x)=λ1||▽1ρ||1+λ2∑m,n=x,y,z||▽2Dmn||1;
其中,λ为非负权重,
Mask为k空间中的每行相位编码线上的数据采集标识,数据被采集的相位编码线对应的Mask=1,数据未被采集的相位编码线对应的Mask=0;
Sj,k(x)为第j个梯度方向上的第k个通道的弥散加权图像;
CSMk为第k个通道的线圈敏感度;
Sj为第j个梯度方向上的弥散加权图像;
ρ为质子密度,
b为弥散权重参数;
D为弥散张量矩阵,D为对称阵,
gj为第j个磁场梯度方向,gj=(gxj,gyj,gzj)T;
为第j个磁场梯度方向上的弥散加权图像相位;
yj,k为采集到的第j个梯度方向上的第k个通道的k空间数据;
▽1和▽2为稀疏化算子;
λ1和λ2为非负权重;
j∈{1,2,......,J},k∈{1,2,......,K}。
11.根据权利要求10所述的装置,其特征在于,所述求解单元,具体包括:
第一获取子单元,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据,获取第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl;其中,l为迭代次数,且l为整数,l的初始值为1,每增加一次迭代,l值加1;
第一去噪子单元,用于对所述第l次迭代的弥散张量矩阵的初始值Dl以及质子密度的初始值ρl利用正则化去噪,得到去噪后的第l次迭代的弥散张量矩阵以及质子密度
第一计算子单元,用于根据所述去噪后的第l次迭代的弥散张量矩阵以及质子密度以及所述各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位并结合各个通道的线圈敏感度,分别计算各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x);
第二计算子单元,用于根据所述各个磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)以及采集到的各个不同磁场梯度方向上的各个线圈通道上的k空间数据yj,k分别计算各个磁场梯度方向各个通道的第l次迭代的残差k空间
加和平均子单元,用于将所述各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k绝对值进行加和平均,得到第l次迭代的平均残差k空间
判断子单元,用于判断所述第l次迭代的平均残差k空间是否小于预设阈值;
确定子单元,用于当所述所述第l次迭代的平均残差k空间小于预设阈值时,停止迭代,将所述去噪后的第l次迭代的弥散张量矩阵以及质子密度作为弥散张量矩阵以及质子密度的最终解;
第一图像重建子单元,用于当所述第l次迭代的平均残差k空间不小于预设阈值时,分别利用各个磁场梯度方向各个通道的第l次迭代的残差k空间yj,k进行图像重建,得到各个磁场梯度方向上的第l次迭代的残差图像
第三计算子单元,用于将各个磁场梯度方向上的第l次迭代的弥散加权图像和对应磁场梯度方向上的第l次迭代的残差图像相加,得到各个磁场梯度方向上的第l次迭代的总图像其中,所述各个磁场梯度方向上的第l次迭代的弥散加权图像分别由对应磁场梯度方向上的各个通道的第l次迭代的弥散加权图像Sl j,k(x)重建得到;
第二去噪子单元,用于对各个磁场梯度方向上的第l次迭代的总图像的相位进行去噪,得到各个不同磁场梯度方向上的第l+1次迭代的弥散加权图像的相位并利用各个磁场梯度方向上的第l次迭代的总图像获取第l+1次迭代的弥散张量矩阵的初始值Dl+1以及质子密度的初始值ρl+1;
更新子单元,用于更新迭代次数l的值,设定l=l+1,并触发所述第一去噪子单元。
12.根据权利要求11所述的装置,其特征在于,所述第一获取子单元具体包括:
第二图像重建子单元,用于根据各个不同磁场梯度方向上的各个线圈通道上的k空间数据分别进行图像重建,得到各个不同磁场梯度方向上的初始弥散加权图像;
第三去噪子单元,用于分别对各个不同磁场梯度方向上的初始弥散加权图像的相位进行去噪,得到各个不同磁场梯度方向上的第l次迭代的弥散加权图像的相位;
第二获取子单元,用于根据各个不同磁场梯度方向上的初始弥散加权图像获取第l次迭代的弥散张量矩阵以及质子密度的初始值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291889.1A CN108490377B (zh) | 2018-04-03 | 2018-04-03 | 一种磁共振弥散定量的获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291889.1A CN108490377B (zh) | 2018-04-03 | 2018-04-03 | 一种磁共振弥散定量的获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108490377A true CN108490377A (zh) | 2018-09-04 |
CN108490377B CN108490377B (zh) | 2020-08-21 |
Family
ID=63318315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810291889.1A Active CN108490377B (zh) | 2018-04-03 | 2018-04-03 | 一种磁共振弥散定量的获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108490377B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0267062A1 (fr) * | 1986-09-26 | 1988-05-11 | General Electric Cgr S.A. | Procédé de mesure des paramètres de diffusion moléculaire et/ou de perfusion d'un tissu vivant |
US5492122A (en) * | 1994-04-15 | 1996-02-20 | Northrop Grumman Corporation | Magnetic resonance guided hyperthermia |
JP2000279390A (ja) * | 1999-03-30 | 2000-10-10 | Hitachi Medical Corp | 磁気共鳴イメージング装置 |
CN104583796A (zh) * | 2012-07-16 | 2015-04-29 | 皇家飞利浦有限公司 | 使用对比信号评分方程对磁共振对比的预测、评分和归类 |
CN108027412A (zh) * | 2015-07-07 | 2018-05-11 | Q生物公司 | 场不变定量磁共振特征标志 |
-
2018
- 2018-04-03 CN CN201810291889.1A patent/CN108490377B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0267062A1 (fr) * | 1986-09-26 | 1988-05-11 | General Electric Cgr S.A. | Procédé de mesure des paramètres de diffusion moléculaire et/ou de perfusion d'un tissu vivant |
US5492122A (en) * | 1994-04-15 | 1996-02-20 | Northrop Grumman Corporation | Magnetic resonance guided hyperthermia |
JP2000279390A (ja) * | 1999-03-30 | 2000-10-10 | Hitachi Medical Corp | 磁気共鳴イメージング装置 |
CN104583796A (zh) * | 2012-07-16 | 2015-04-29 | 皇家飞利浦有限公司 | 使用对比信号评分方程对磁共振对比的预测、评分和归类 |
CN108027412A (zh) * | 2015-07-07 | 2018-05-11 | Q生物公司 | 场不变定量磁共振特征标志 |
Also Published As
Publication number | Publication date |
---|---|
CN108490377B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | DeepcomplexMRI: Exploiting deep residual network for fast parallel MR imaging with complex convolution | |
US10671939B2 (en) | System, method and computer-accessible medium for learning an optimized variational network for medical image reconstruction | |
WO2018099321A1 (zh) | 一种基于广义树稀疏的权重核范数磁共振成像重建方法 | |
Ye et al. | Computational acceleration for MR image reconstruction in partially parallel imaging | |
CN108802648B (zh) | 一种基于梯度回波的磁共振定量成像方法和装置 | |
WO2020114329A1 (zh) | 磁共振快速参数成像方法及装置 | |
JP7520964B2 (ja) | マクスウェルパラレル撮像 | |
CN113423336A (zh) | 使用预测模型确定模型参数 | |
Welsh et al. | Model‐based reconstruction of undersampled diffusion tensor k‐space data | |
Holme et al. | ENLIVE: an efficient nonlinear method for calibrationless and robust parallel imaging | |
Arvinte et al. | Deep J-Sense: Accelerated MRI reconstruction via unrolled alternating optimization | |
Pieciak et al. | Non-stationary rician noise estimation in parallel mri using a single image: a variance-stabilizing approach | |
CN109658468B (zh) | 磁共振参数成像方法、装置、设备及存储介质 | |
US9939509B2 (en) | Variable density incoherent spatiotemporal acquisition (VISTA) for highly accelerated magnetic resonance imaging | |
JP7490003B2 (ja) | タイムドメイン磁気共鳴のためのパラメータマップ決定 | |
JP7471877B2 (ja) | 磁気共鳴イメージング装置、磁気共鳴イメージング方法及びプログラム | |
Auría et al. | Structured sparsity for spatially coherent fibre orientation estimation in diffusion MRI | |
Castaño-Moraga et al. | A Riemannian approach to anisotropic filtering of tensor fields | |
Cheng et al. | Joint 6D kq space compressed sensing for accelerated high angular resolution diffusion MRI | |
Torop et al. | Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact‐free and denoised images | |
Gaillochet et al. | Joint reconstruction and bias field correction for undersampled MR imaging | |
CN104504657B (zh) | 磁共振弥散张量去噪方法和装置 | |
Kleineisel et al. | Real‐time cardiac MRI using an undersampled spiral k‐space trajectory and a reconstruction based on a variational network | |
CN112581385B (zh) | 基于多先验约束扩散峰度成像张量估计方法、介质和设备 | |
Shafieizargar et al. | Systematic review of reconstruction techniques for accelerated quantitative MRI |
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 |