CN109239633B - 磁共振成像方法和系统、校正扩散加权磁共振数据的方法 - Google Patents

磁共振成像方法和系统、校正扩散加权磁共振数据的方法 Download PDF

Info

Publication number
CN109239633B
CN109239633B CN201810722324.4A CN201810722324A CN109239633B CN 109239633 B CN109239633 B CN 109239633B CN 201810722324 A CN201810722324 A CN 201810722324A CN 109239633 B CN109239633 B CN 109239633B
Authority
CN
China
Prior art keywords
image
acquisition
data
acquired
space
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.)
Active
Application number
CN201810722324.4A
Other languages
English (en)
Other versions
CN109239633A (zh
Inventor
陈逸骏
G.C.吴
C.J.哈迪
胡国蕐
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN109239633A publication Critical patent/CN109239633A/zh
Application granted granted Critical
Publication of CN109239633B publication Critical patent/CN109239633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56554—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by acquiring plural, differently encoded echo signals after one RF excitation, e.g. correction for readout gradients of alternating polarity in EPI
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56341—Diffusion imaging

Landscapes

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

Abstract

本发明涉及磁共振成像方法和系统、校正扩散加权磁共振数据的方法。磁共振MR成像方法包括：采集多次激发和多次采集的MR数据，多次激发的每次激发引起通过MR成像系统的线圈获得的部分k空间数据集的采集，每次采集包括一组完整的多次激发；根据迭代过程处理MR数据，包括：分别重建每次激发和每次采集产生的图像的幅值和相位；对每次激发和每次采集的相应图像应用相位校正；合成从每次激发和每次采集产生的图像以形成合成图像；使用合成图像估计MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；通过用k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。

Description

磁共振成像方法和系统、校正扩散加权磁共振数据的方法
技术领域
本申请涉及一种磁共振(MR)成像系统，以及通过该MR成像系统执行的磁共振(MR)成像方法。
背景技术
一般来说，磁共振成像(MRI)检查基于主磁场、射频(RF)磁场和时变梯度磁场之间的相互作用，其中旋磁材料在所关注对象，例如患者内具有核自旋。某些旋磁材料，例如水分子中的氢核具有响应于外部磁场的特性行为。这些原子核的自旋进动可能受到控制场以产生RF信号的影响，所述RF信号可以被检测、处理并用于重建有用的图像。
在MRI中，检测到的信号用于填充k空间，所述k空间在一般意义上通过傅里叶变换与MR图像相关。一般来说，k空间包括编码数据，并且当变换成图像空间时非常复杂，所述k空间包括幅值和相位。幅值和相位中的每一个可以被重建以产生相应的图像。
不利的是，在MRI序列期间收集的信号几乎肯定会包括噪声和某些失真(例如，由于磁场波动或移动)，如果未得到校正则可能会降低图像质量。已开发各种技术以通过增加所采集数据的信噪比(SNR)来增强图像质量，同时减少图像失真。然而，这些技术可能不够完善或有待进一步改进。
发明内容
在一个实施例中，通过MR成像系统执行的磁共振(MR)成像方法包括：使用MR成像系统采集多次激发和多次采集的MR数据，其中多次激发的每次激发引起通过MR成像系统的线圈获得的部分k空间数据集的采集，并且其中每次采集包括一组完整的所述多次激发。所述方法包括根据迭代过程使用MR成像系统处理MR数据，其包括：分别重建每次激发和采集产生的图像的幅值和相位；对每次拍摄和每次采集的相应图像应用相位校正；合成从每次激发和每次采集产生的图像以形成合成图像；使用所述合成图像来估计MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
在另一实施例中，磁共振(MR)成像系统包括通信地耦接到控制和分析电路的MR扫描仪。其中所述控制和分析电路被编程为：使所述MR扫描仪采集多次激发和多次采集的MR数据，使得所述多次激发的每次激发引起通过所述MR成像系统的线圈获得的部分k空间数据集的采集，并且使得每次采集包括一组完整的所述多次激发；分别重建每次激发和采集产生的图像的幅值和相位；对每次激发和每次采集的相应图像应用相位校正；合成从每次激发和每次采集产生的图像以形成合成图像；使用所述合成图像来估计MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
在另一实施例中，提供一种使用与磁共振(MR)成像系统相关联的控制和分析电路校正扩散加权MR数据的方法。所述方法包括：获得与在MR扩散加权成像采集序列期间采集的多次激发和多次采集相对应的扩散加权MR数据，在所述MR扩散加权成像采集序列中执行多次激发和多次采集，其中所述多次激发的每一个包括使用MR成像系统的线圈采集的欠采样k空间数据，并且所述多次采集中的每一个包括一组完整的所述多次激发；分别重建与所述多次激发和多次采集的所述扩散加权MR数据相对应的图像的幅值和相位；对所述图像中的每一个应用相位校正；在所述相位校正之后，合成所述激发图像和所述采集图像以产生合成图像；使用所述合成图像估计MR成像系统的每个线圈、多次激发中的每一个以及所述多次采集中的每一个的完整k空间数据；用所估计k空间数据点来替换扩散加权MR数据中的未采集k空间数据点，以针对多次激发中的每一个和多次采集中的每一个产生更新的扩散加权MR数据。
具体地，本申请技术方案1涉及一种通过MR成像系统执行的磁共振(MR)成像方法。所述MR成像方法包括使用所述MR成像系统采集多次激发和多次采集的MR数据，其中所述多次激发的每次激发引起通过所述MR成像系统的线圈获得的部分k空间数据集的采集，并且其中每次采集包括一组完整的所述多次激发。所述MR成像方法包括根据迭代过程使用所述MR成像系统处理所述MR数据。所述根据迭代过程使用所述MR成像系统处理所述MR数据包括分别重建每次激发和采集产生的图像的幅值和相位；对每次激发和每次采集的相应图像应用相位校正；合成从每次激发和每次采集产生的图像以形成合成图像；使用所述合成图像来估计所述MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
本申请技术方案2涉及根据技术方案1所述的方法，其中，所述方法包括重建对应于每次激发和每次采集的图像的所述幅值和所述相位，其中所估计k空间数据点已替换未采集k空间数据点。
本申请技术方案3涉及根据技术方案2所述的方法，其中，通过重复地重建分别对应于每次激发和每次采集的所述图像的所述幅值和所述相位来迭代地更新所述未采集k空间数据点的估计值，从所述图像清除所述相位，形成所述合成图像；估计所述未采集k空间数据点，以及用所述估计值替换所述未采集k空间数据点以产生用于重建所述图像中的每一个的所述幅值和所述相位的更新输入，并且迭代地更新所述估计值直到所述合成图像达到收敛。
本申请技术方案4涉及根据技术方案1所述的方法，其中，合成从每次激发和每次采集产生的图像以形成合成图像包括合成所述采集图像以及随后合成所述激发图像。
本申请技术方案5涉及根据技术方案1所述的方法，其中，合成从每次激发和每次采集产生的图像以形成合成图像包括合成所述激发图像以及随后合成所述采集图像。
本申请技术方案6涉及根据技术方案1所述的方法，其中，所述方法包括在重建分别来自每次激发和每次采集产生的所述图像的所述幅值和所述相位之前，预加权所述部分k空间数据集。
本申请技术方案7涉及根据技术方案6所述的方法，其中，预加权所述部分k空间数据集包括通过使用自适应加窗应用的空间相关加权函数对所述部分k空间数据集进行预加权。
本申请技术方案8涉及根据技术方案7所述的方法，所述自适应加窗包括确定具有最高能量信号的k空间的区域，并相应地移位所述加权函数。
本申请技术方案9涉及根据技术方案1所述的方法，其中，使用所述MR成像系统采集多次激发和多次采集的MR数据包括执行用于初始化的并行成像采集，所述并行成像采集使得通过比完整采样k空间所需的激发少的激发来采集每次采集，并且其中对应于每次激发和每次采集的初始幅值和相位图像由于所述并行成像采集而混叠。
本申请技术方案10涉及根据技术方案9所述的方法，其中，所述方法包括使用与所述MR成像系统的线圈有关的线圈灵敏度信息使所述图像不混叠。
本申请技术方案11涉及根据技术方案1所述的方法，其中，使用所述MR成像系统采集多次激发和多次采集的MR数据包括采集扩散加权数据，并且将所述相位校正应用于每次激发和每次采集的相应图像校正所述扩散加权数据。
本申请技术方案12涉及根据技术方案11所述的方法，其中，所述方法包括基于所述合成图像产生对应于所述多次激发和多次采集的表观扩散系数(ADC)图。
本申请技术方案13涉及一种磁共振(MR)成像系统，其包括MR扫描仪。所述MR扫描仪通信地耦接到控制和分析电路。所述控制和分析电路被编程为：使所述MR扫描仪采集多次激发和多次采集的MR数据，使得所述多次激发的每次激发引起通过所述MR成像系统的线圈获得的部分k空间数据集的采集，并且使得每次采集包括一组完整的所述多次激发；分别重建每次激发和采集产生的图像的幅值和相位；对每次激发和每次采集的相应图像应用相位校正；合成从每次激发和每次采集产生的图像以形成合成图像；使用所述合成图像来估计所述MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
本申请技术方案14涉及根据技术方案11所述的MR成像系统，其中，所述控制和分析电路被编程为使所述MR扫描仪采集所述多次激发和多次采集的扩散加权MR数据，并且其中所述控制和分析电路被编程为通过应用所述相位校正来校正所述扩散加权MR数据。
本申请技术方案15涉及根据技术方案14所述的MR成像系统，其中，所述控制和分析电路被编程为基于所述合成图像产生对应于所述多次激发和多次采集的表观扩散系数(ADC)图。
本申请技术方案16涉及根据技术方案13所述的MR成像系统，其中，所述控制和分析电路被编程为通过以下步骤初始化MR成像序列：采集所述MR数据作为所述多次激发和多次采集中的初始k空间数据；分别重建对应于所述多次激发和多次采集的初始图像的所述幅值和所述相位；从每个所述初始图像校正各个相位；以及在校正所述相应相位之后，合成初始激发图像和初始采集图像以产生初始合成图像；使用所述初始合成图像估计每个线圈、每次激发和每次采集的初始完整k空间数据；将所述所采集的k空间数据投影到所述所估计完整k空间数据上以产生初始完整混合k空间数据集。
本申请技术方案17涉及根据技术方案16所述的MR成像系统，其中，所述控制和分析电路被编程为在达到预定收敛之前，在所述MR成像序列的初始化之后迭代地重建所述MR数据。
本申请技术方案18涉及根据技术方案13所述的MR成像系统，其中，所述控制和分析电路被编程为通过以下步骤迭代地重建所述MR数据：使用所述完整混合k空间数据集更新对应于所述多次激发和所述多次采集的图像；校正所述更新图像中的相应相位；在校正所述相应相位之后，合成所述更新的激发图像和更新的采集图像以产生更新的合成图像；使用所述更新的合成图像更新每个线圈、每次激发和每次采集的所述完整k空间数据的估计值；以及通过将所述所采集的k空间数据投影到更新的所估计完整k空间数据上来更新所述完整混合k空间数据集；以及基于所述更新的合成图像来确定是否已达到收敛。
本申请技术方案19涉及一种使用与磁共振(MR)成像系统相关联的控制和分析电路校正扩散加权MR数据的方法。所述方法包括获得与在MR扩散加权成像采集序列期间采集的多次激发和多次采集相对应的扩散加权MR数据，在所述MR扩散加权成像采集序列期间执行所述多次激发和多次采集，所述多次激发中的每一个包括使用所述MR成像系统的线圈采集的欠采样k空间数据，并且所述多次采集中的每一个包括一组完整的所述多次激发。所述方法包括分别重建与所述多次激发和多次采集的所述扩散加权MR数据相对应的图像的幅值和相位。所述方法包括对所述图像中的每一个应用相位校正；在所述相位校正之后，合成所述激发图像和所述采集图像以产生合成图像。所述方法包括使用所述合成图像估计所述MR成像系统的每个线圈、所述多次激发中的每一个以及所述多次采集中的每一个的完整k空间数据；投影用所估计k空间数据点来替换所述扩散加权MR数据中的未采集k空间数据点，以产生所述多次激发中的每一个以及所述多次采集中的每一个的更新的扩散加权MR数据。
本申请技术方案20涉及根据技术方案19所述的方法，所述方法包括在达到收敛之前通过以下步骤迭代地更新所述扩散加权MR数据：使用所述更新的扩散加权MR数据分别重建与所述多次激发和所述多次采集相对应的更新图像的更新幅值和更新相位；从所述更新图像中的每一个清除相应相位；在清除相应更新相位之后，合成更新的激发图像和更新的采集图像以产生更新的合成图像；以及基于所述更新的合成图像来确定是否已达到所述收敛。
附图说明
当参考附图阅读以下详细描述时，本申请的这些和其它特征、方面以及优点将变得更好理解，其中在整个附图中相同的标号表示相同的部分，其中：
图1说明根据本申请的一个实施例的具有扫描仪的磁共振(MR)成像系统以及和扫描仪与成像系统相关联的控制电路，所述控制电路被配置成执行扩散加权MRI；
图2是根据本申请的一个实施例描绘的MRI方法的过程流程图，在所述MRI方法中多次激发和多次采集用于采集MRI扩散数据；
图3是根据本申请的一个实施例描绘的MRI方法的过程流程图，在所述MRI方法中多次激发和多次采集用于采集MRI扩散数据并且迭代地更新MRI扩散数据；
图4是根据本申请的一个实施例描绘的用于处理多次采集原始MRI数据的重建算法的流程图；
图5是根据本申请的一个实施例描绘的用于处理多次激发、多次采集MRI数据的通用架构的流程图；
图6是根据根据本申请的一个实施例将不同加权函数应用于k空间数据之后产生的不同MRI扩散图像的比较；
图7是根据本申请的一个实施例在将S型加权函数应用于k空间数据之后产生的MRI扩散图像的图示；
图8是根据本申请的一个实施例在使用和不使用自适应加窗的情况下在将加权函数应用于k空间数据之后产生的不同MRI扩散图像的图示的比较；
图9是根据本申请的一个实施例使用自适应加窗对k空间数据进行预加权的示意性图示；以及
图10是根据本申请的一个实施例用于将用于合成MRI线圈图像的正则化参数的不同值的效果的图示。
具体实施方式
下面将描述一个或多个特定实施例。为了提供这些实施例的简要描述，可能无法在本说明书中描述实际实施方案的所有特征。应了解，在如任何工程或设计项目的任何此种实际实施方案的开发过程中，众多针对实施方案的决定必须实现开发者的具体目标，例如遵守可能在各个实施方案之间变化的系统相关约束和商业相关约束。此外，应了解，这样的开发工作可能是复杂且耗时的，但对于受益于本发明的所属领域的一般技术人员来说，这些都是设计、制造和生产中的常规任务。
在介绍本申请实施例的各种实施例的元素时，冠词“一个”、“一种”、“该”和“所述”意图表示这些元素中的一个或多个。术语“包括”和“具有”希望为包括性的并且意味着可能存在除了所列元件之外的额外元件。此外，以下论述中的任何数值实例旨在为非限制性，并且因此附加的数值、范围和百分比在所公开的实施例的范围内。
非常高分辨率和非常高b值(其中b值反映用于获得扩散加权的梯度脉冲的强度、持续时间和计时)扩散图像具有很大的研究和商业意义，因为在其它学科当中，扩散适用于提供肿瘤学、神经病学和神经科学中的生物标记。不利的是，在高b值或高空间分辨率下的扩散MRI序列期间采集扩散加权数据以信噪比(SNR)降低为代价。某些扩散成像方法使用单次激发采集技术来抑制运动伪影，使得扩散数据相对准确。然而，这通常以空间分辨率、图像失真以及其它一般不希望的影响为代价。增加单次激发成像中的空间分辨率会产生长读数，从而导致磁化率或涡流导而使图像失真。
多次激发成像可以用于减少每次激发的读出持续时间，其中通过多次激发执行完整的k空间数据集(例如，满足奈奎斯特准则)的采集。每次激发可以包括一个或多个RF激励脉冲(射频脉冲用于核自旋翻转，例如，90度或180度RF脉冲)。在多次激发回波平面成像(EPI)技术中，例如，根据所需图像视野执行若干次激发以填充k空间。换句话说，激发产生k空间数据的连续集合，当组合时所述k空间数据填充k空间视野。在某些实施例中，在每次激发中，频率编码梯度在正频率脉冲与负频率脉冲之间交替以采集所需的k空间覆盖范围。
以此方式，每次激发采集少于k空间数据的完整集合(例如，每次激发采集一段k空间)。在某些实施例中，可以交错采集，其中在每次激发中采集k空间中的每第N行，其中N表示每次采集的激发数目。例如，当N是2时，每次激发采集k空间(或，更一般来说，k空间的一部分)中的每隔一行。不利的是，多次激发成像以扫描时间为代价，并且在激发之间会出现相位差，这表示一般在重建期间执行额外处理(相较于针对单次激发采集在数字化数据上使用FFT)。
多次激发采集通常减少图像失真，而多次采集平均化可以用于增加信号(其中多次采集是指使用另外一组多次激发对同一图像的再次采集)。然而，目前公认的是，在扩散MRI中，合成多次激发和多次采集信号可能会由于激发与采集之间的相位不一致而导致信号损耗。本申请提供一种用于合成多次激发和多次采集，同时可以校正相位不一致的系统和方法。
用于合成多个图像的一个方法是将图像幅值平均化。因此，在某些DWI技术中，可以舍弃相位信息并且仅保存信号的幅值以供进一步处理。然而，获取信号的幅值可改变噪声分布，尤其是在低SNR的情况下。噪声往往具有莱斯分布而不是高斯分布，从而导致扩散加权成像中的偏差，并且因此在执行幅值平均化时存在偏差。
为了避免幅值运算符造成的偏差，用于合成图像的另一策略是直接平均化复杂数据(包括幅值和相位)。然而，由于运动(整体运动、心脏搏动、呼吸)，图像之间的相位信息不同，并且当执行复杂平均化时由于相位分散而引起的信号消除。
用于避免或最小化信号消除的一个方法是在合成从多次激发或采集产生的数据之前，估计图像的相位并将相位从复杂数据中清除。当估计相位并将相位从复杂MRI数据中清除时，所有信息随后可以被视为包括在实部中，并且虚部可以被视为噪声。因此，通过获取如上提及的量值所引入的偏差替代地通过获取图像的实部来避免。因此，可以执行复杂平均化，而不会由于相位分散引起任何信号损耗。
根据本申请的某些实施例，通过独立地从每次激发和每次采集重建图像以及将相位校正应用于每个图像来处理从多次激发、多次采集技术采集的MRI数据。合成所述图像并且所述合成图像用于获取每次激发和每次采集的未采集数据的估计值。该过程可以迭代地进行，其中未采集数据用估计值替换，并且重复所述过程直到收敛至预定的标准。在实现收敛之后，可以对所述图像进行处理以产生可以具有诊断实用性的表观扩散系数(ADC)图，所述图像可以是扩散加权MRI图像或对应于MRI图像的更新扩散加权数据。
本文所描述的实施例可以通过磁共振成像(MRI)系统执行，其中特定成像例程(例如，扩散MRI序列)通过用户(例如，放射科医生)起始。因此，MRI系统可以执行数据采集、数据构造以及在某些实例中，图像合成。因此，参考图1，磁共振成像系统10被示意性地说明为包括扫描仪12、扫描仪控制电路14和系统控制电路16。根据本文所描述的实施例，MRI系统10一般被配置成执行MR成像，例如，用于扩散成像的成像序列。例如，系统10可以产生扩散加权图像，其中突出相对于其它组织具有较高或较低的水自扩散特征的组织。
所述系统10另外包括远程访问和存储系统或装置，例如，图片存档和通信系统(PACS)18，或例如远程放射学设备的其它装置，使得可以现场或场外访问通过系统10采集的数据。以此方式，可以采集MR数据，随后进行现场或场外处理和评估。尽管MRI系统10可以包括任何合适的扫描仪或检测器，但是在所说明的实施例中，所述系统10包括具有外壳20的全身扫描仪12，孔22通过所述外壳形成。工作台24可移动到孔22中以允许患者26位于其中，从而对患者体内的选定解剖结构进行成像。
扫描仪12用于激励成像对象的解剖结构内的旋磁材料以产生受控磁场的一些列相关联的线圈。具体来说，主磁体线圈28用于产生主磁场B0，所述主磁场一般与孔22对准。一系列梯度线圈30、32和34允许产生受控梯度磁场，以在检查序列期间对患者26体内的某些旋磁核进行位置编码。射频(RF)线圈36被配置成产生射频脉冲，以激励患者体内的某些旋磁核。除了可能局部于扫描仪12的线圈之外，系统10还包括配置用于靠近(例如，紧贴)患者26放置的一组接收线圈38(例如，线圈阵列)。举例来说，接收线圈38可以包括颈椎/胸椎/腰椎(CTL)线圈、头部线圈、单侧脊柱线圈等等。一般来说，接收线圈38靠近患者26放置或放置于患者26的顶部上，以便接收在患者26体内的某些旋磁核返回其松弛状态时由所述旋磁核产生的微弱RF信号(相对于由扫描仪线圈产生的所传输脉冲微弱)。
系统10的各个线圈由外部电路控制以产生所需场和脉冲并且以受控方式从旋磁材料读取发射。在所说明实施例中，主电源40将电力提供到主磁场线圈28。驱动器电路42提供电力以对梯度磁性线圈30、32和34施加脉冲。该电路可以包括放大和控制电路，用于将电流供应到如由扫描仪控制电路14输出的数字化脉冲序列所定义的线圈，所述扫描仪控制电路在一个实施例中可以是扩散成像模块。另一控制电路44用于调节RF线圈36的操作。电路44包括用于在有效与无效操作模式之间交替的开关装置，其中RF线圈36分别传输信号和不传输信号。电路44还包括被配置成产生RF脉冲的放大电路。类似地，接收线圈38连接到开关46，所述开关能够在接收与非接收模式之间切换接收线圈38。因此，接收线圈38与处于接收模式时通过从患者26体内放松旋磁核产生的RF信号共振，并且所述接收线圈不与从发射线圈(即，线圈36)产生的RF能量共振，以便防止处于非接收模式时不希望的操作。另外，接收电路48被配置成接收通过接收线圈38检测到的数据，并且可以包括一个或多个多路复用和/或放大电路。
应注意，尽管上文所描述的扫描仪12和控制/放大电路被说明为通过单个线路连接，但是多个此类线路可以在实际例示中出现。例如，单独线路可以用于控制、数据通信等。此外，合适硬件可以沿着每种类型的线路安置，以用于数据的适当处理。实际上，各种滤波器、数字转换器和处理器可以安置于扫描仪与扫描仪控制电路14和系统控制电路16中的任一个或两个之间。借助于非限制性实例，尽管说明为单个单元，但是下文详细描述的控制和分析电路中的某些控制和分析电路包括额外硬件，例如，被配置成执行本文所描述的数据处理技术的图像重构硬件。
如图所示，所述扫描仪控制电路14包括接口电路50，所述接口电路50输出用于驱动梯度磁场线圈和RF线圈以及用于接收表示在检查序列中产生的磁共振信号的数据的信号。借助于非限制性实例，扫描仪控制电路14可以通过使梯度线圈30、32、34发射包围由RF线圈36发射的再聚焦RF脉冲的一对大梯度脉冲来实现扩散加权。由于扩散而经受不规则运动的患者26体内的旋磁核自旋不会由该对的第二梯度脉冲完全重新定相，所以从这些自旋产生的信号减弱，使得具有更高水扩散的组织经历增加的信号损耗。
接口电路50耦合到控制和分析电路52。控制和分析电路52执行基于通过系统控制电路16选择的所定义协议驱动电路42和电路44的命令。控制和分析电路52还用于接收磁共振信号并且在将数据传输到系统控制电路16之前执行后续处理。扫描仪控制电路14还包括一个或多个存储器电路54，所述存储器电路在操作期间存储配置参数、脉冲序列描述、检查结果等等。如上所述，在一个实施例中，扫描仪控制电路14可以对应于扩散成像模块的全部或部分。
接口电路56耦接到控制和分析电路52，用于在扫描仪控制电路14与系统控制电路16之间交换数据。在某些实施例中，尽管说明为单个单元，但是控制和分析电路52可以包括一个或多个硬件装置。系统控制电路16包括接口电路58，所述接口电路58从扫描仪控制电路14接收数据并且将数据和命令传输回扫描仪控制电路14。接口电路58耦接到控制和分析电路60，所述控制和分析电路60可以包括在多用途或应用程序特定的计算机或工作站中的CPU。控制和分析电路60耦接到存储器电路62以存储用于MRI系统10的操作的编程代码并且存储处理后图像数据以供稍后重建、显示和传输。编程代码可以执行一个或多个算法，所述算法在由处理器执行时被配置成执行所采集数据的重建。该重建可以用于获得与整个患者的组织内的旋磁核的非相干运动(例如，扩散)相关的角度和径向信息。
额外的接口电路64可以提供用于与外部系统组件，例如，远程访问和存储装置18交换图像数据、配置参数等等。最后，系统控制和分析电路60可以包括各种外围装置，用于促进操作者接口以及用于产生重建图像的硬拷贝。在所说明的实施例中，这些外围设备包括打印机66、监视器68和用户接口70，包括例如键盘或鼠标的装置。
应注意，所描述的MRI系统仅为示例性的，但是还可以使用其它系统类型，例如，所谓的“开放”MRI系统。类似地，这些系统可以通过其主磁体的强度评级，并且可以采用能够执行下文描述的数据采集和处理的任何适当评级的系统。实际上，本文所公开的方法的至少一部分可以通过上文关于图1所描述的系统10执行。也就是说，MRI系统10可以执行本文所描述的采集和重建技术。应注意，在本文所描述的采集之后，系统10可以仅存储所采集数据以供稍后本地和/或远程访问，例如，存储在存储器电路(例如，存储器62)中。因此，当进行本地和/或远程访问时，所采集数据可以由包括在应用程序特定或通用计算机中的一个或多个处理器控制。一个或多个处理器可以访问所采集数据并且执行存储在一个或多个非暂时性机器可读媒体上的例程，所述非暂时性机器可读媒体共同地存储用于执行包括本文所描述的多次激发、多次采集图像平均化技术的方法的指令。举例来说，本文所描述的方法可以通过与MR扫描仪12相关联或另外以通信方式连接到MR扫描仪12的控制和分析电路执行。
图2为本申请一个实施例的实例磁共振成像(MRI)方法100过程流程图。一般来说，方法100涉及合成来自多次激发和多次激励的图像以产生图像。如所说明，方法100包括使用多次激发和多次采集来采集(步骤102)MRI数据(例如，MRI扩散加权数据)。根据步骤102的采集可以包括执行图像视场的多次采集，其中每次采集包括多次激发以获得与期望视场相对应的期望的k空间覆盖。每次激发可以仅遍历k空间的一部分，并且因此产生一组不完整的k空间数据。每次激发收集特定数目的k空间线或视图，这可以被统称为k空间的一部分。每次采集的多次激发可以使得区段在k空间中连续或在k空间中交错。此外，在某些实施例中，区段可以在k空间中部分地重叠。每次激发可以涉及RF激励和额外脉冲以遍历k空间的一部分。
跨每次采集的期望的k空间覆盖可能满足或不满足奈奎斯特标准，因此可以产生或不产生欠采样数据集。此外，根据奈奎斯特标准可以对k空间的某些部分进行欠采样、过采样或采样。根据一个实施例，包括其对应多次激发的每次采集可以是加速采集，其中多次激发并未完全填充k空间。短语“多次采集”一般是指对应于相同图像视场的数据的再次采集。根据步骤102的采样轨迹不受特别限制，并且可以包括容许k空间平面的多次激发采集的任何合适采样轨迹。
从步骤102的输出可以包括多个k空间数据集，例如，从多次激发采集的所采集k空间数据的多个区段以及区段的多个组，其中区段的每个组对应于完整k空间采集(或k空间平面的欠采样采集)。由于跨越多次激发和多次采集的不同激励，激发和采集产生具有不一致相位的k空间数据的集合，这通常是由于在采集期间发生的移动引起。在某些实施例中，执行根据步骤102的采集，使得在对应于每次激发的k空间的区段或线中存在k空间的采样点和欠采样点，和/或在从多次激发的采集中存在k空间的采样点和欠采样点。在某些实施例中，例如，当根据步骤102的采集是扩散加权成像采集时，通过步骤102表示的动作可以是具有非常高空间分辨率和非常高b值的采集。
如图所示，方法100还包括分别重建(步骤104)从每次激发和采集产生的图像的幅值和相位。步骤104的重建可以通过k空间数据的傅里叶变换，然后基于傅里叶变换输出而分离(例如，计算)幅值和相位来执行。
如上文所述重建幅值和相位随后紧接着将相位校正应用于(步骤106)对应于每次激发和采集的图像。根据本申请的实施例，在处理原始k空间数据之后(在如上文所述执行重建之后)将相位校正应用于对应于每次激发和采集的图像可以避免或减小扩散加权图像中的偏差。
在应用相位校正之后，方法100包括合成(步骤108)从每次激发和采集产生的图像以形成合成图像。根据步骤108执行的图像合成可以完成，可以首先合成所有激发，接着合成所述采集，或可以先合成所有采集，接着合成所有激发。所述激发和所述采集的合成产生合成图像。根据本申请实施例，尽管从步骤108产生的合成图像从已校正相位的图像输入中产生，但是与莱斯噪声分布相反，就如在重建步骤104之前已校正相位的情况，合成图像具有高斯噪声分布。
方法100还包括使用所述合成图像从每次激发和采集获得(步骤110)未采集k空间数据点的估计值。图2的方法100还可以包括额外步骤，如图3的方法120中所示。如图3所示，方法120还包括用在步骤110中产生的未采集数据点的估计值来替换(步骤122)未采集数据点(其中未采集数据的k空间的区域)。相应地，方法120的部分可以迭代地继续，其中可以不断更新所述步骤104的输入直到符合预定标准或标准集合。也就是说，步骤104的输入可以使得步骤104包括重建对应于每次激发和每次采集的图像的幅值和相位，其中所估计k空间数据点已替换未采集k空间数据点。
以此方式，未采集k空间数据点的估计值通过以下方式迭代地更新：分别地重复地重建对应于每次激发和每次采集的图像的量值和相位；对所述图像应用相位校正；形成复合图像；估计未采集k空间数据点；以及用估计值替换未采集k空间数据点以产生用于重建图像中的每一个的幅值和相位的更新输入。在合成图像达到收敛之前，可以迭代地更新k空间数据的估计值。应注意，通过获得迭代k空间数据估计值，还估计相位，用于重建，并且随后不断地重复步骤104、106和108直到收敛时校正所述相位。
如可能了解，方法100和方法120之间的共享步骤在MR成像序列期间可以被视为彼此相关(例如，以获得扩散加权MRI数据)。例如，可以执行方法100以获得所估计k空间数据，其中所有输入可以被视为表示“初始”输入，并且所述过程仅执行一次。然而，可以迭代地执行方法120中的某些步骤，具体来说，通过步骤104、106、108、110和122表示的动作。因此，步骤104、106、108、110和122的步骤中的每一个可以包括第一或初始回程，接着为更新回程。
举例来说，方法120的第一迭代可以被视为初始化过程，包括将在多次激发和多次采集中采集的MR数据作为初始MR数据；分别地重建对应于多次激发和多次采集的初始图像的幅值和相位；将相位校正应用于初始图像中的每一个(每采集)；以及在应用相位校正之后合成初始激发图像和初始采集图像以产生初始合成图像。通过方法120的后采集步骤的后续回程可以被视为在更新(例如，校正)输入上操作。后续回程一般迭代地重建所采集MR数据，直到例如达到预定收敛。
因此，当首次执行时，步骤122的动作导致用所估计k空间数据点来替换初始MR数据中的未采集k空间数据点，以针对多次激发中的每一个和多次采集中的每一个产生更新的MR数据。例如，步骤104的动作可以被视为包括使用更新的MR数据分别地重建对应于多次激发和多次采集的更新图像的更新幅值和更新相位。步骤106可以包括，例如，校正更新图像中的每一个的相位，并且步骤108可以包括，例如，在校正相应更新相位之后，合成更新的激发图像和更新的采集图像以产生更新的合成图像。可以结合方法120执行额外步骤，例如，基于更新的合成图像确定是否已达到收敛。
可以对上述方法100、120作出若干改进以改进图像重建、相位估计、采集速度等等。例如，方法可以并入有用于POCS(凸集投影)等的技术中的策略，所述技术迭代地合成丢失数据，其方式为使得合成数据与所收集数据一致。方法可以另外或替代地并入有用于基于灵敏度编码(SENSE)的技术中的策略，所述技术涉及使用与用于图像重建的MR扫描仪(例如，扫描仪12)的线圈有关的灵敏度信息。方法可以另外或替代地并入有用于基于自动校准的技术的策略中，所述基于自动校准的技术不需要使用与用于图像重建的MR扫描仪(例如，扫描仪12)的线圈有关的单独灵敏度信息。
还可以使用这些技术的组合，所述组合可以用于校正根据步骤102执行的激发之间的相位差。一些技术使用额外的读出器、导航器来获得相位信息，并且其它技术是自动导航的或不使用任何导航器。
多路复用灵敏度编码(MUSE)方法或基于POCS的方法，例如POCSMUSE或POCS-ICE(运动引发的相位误差的固有校正)不需要导航器来估计每次激发的相位。所述方法使用SENSE或POCS来获得每次激发的非混叠图像。基于POCS的方法迭代地估计每次激发的相位并且强制所有激发共享相同量值。通过这些方法，可以采集具有更多激发次数的数据。然而，这些方法被称为多次激发的采集方法。
本申请方法可以适用于多次采集的方式的实例，请参考图4所示，其描绘了重建算法140。在某些实施例中，重建算法140可以表示全部或部分上文所论述的方法100。如图所示，算法140开始于多次采集原始数据142，所述多次采集原始数据可以包括或不包括用于每次采集的多次激发。所述数据142可以被合成以产生一组部分k空间数据144，包括进行采样的数据点以及未进行采样的数据点。
因为所采集的多次采集数据142通常仅是部分k空间数据，所以可能另外需要零差重建来恢复未采集k空间数据144，用于产生k空间数据146的对称集合和预加权k空间数据148。因此，在原始数据的采集与两个k空间数据集146、148的产生之间未发生信号平均化或相位校正。k空间数据146的对称集合对应于关于k空间轴对称的一组所采集k空间数据点的集合。在某些实施例中，通过将预加权函数应用于部分k空间数据144来获得预加权k空间数据148，使得当获取图像数据的实部时，加权在k空间中是均匀的。举例来说，k空间数据的预加权可以使得k空间数据的高频部分比低频组分更多地进行加权。在某些实施例中，从k空间146的对称部分产生的数据的相位可以用于在重建期间的相位估计。
k空间数据146和预加权k空间数据148的对称集合进行快速傅里叶变换(FFT)150a、150b，这可以引起通过共轭对称合成丢失数据。傅里叶变换之后是SENSE处理152a、152b。SENSE处理152a、152b可以使用线圈灵敏度信息产生未采样k空间数据点的所估计数据，或可以改进所估计数据。
然后将相位校正154应用于SENSE处理152a、152b的输出。举例来说，相位校正154可以估计、清除和/或替换从SENSE处理152a、152b的数据输出产生的相位。随后执行平均化156(例如，幅值平均化)，这产生具有高斯噪声分布的图像数据的实部158。
尽管图4的重建算法140在多次采集原始数据142上操作并且因此可以不包括多次激发原始数据，但是本申请实施例还包括用于多次激发和多次采集(多次采集)成像(例如，扩散加权成像(DWI))的通用架构170，这在图5中示出。具体来说，图5描绘通用架构170的实施例，其中在用于多次激发、多次采集DWI的基于POCS-ICE的重构方法中跨越不同采集施加量值限制。然而，因为方法是通用架构，所以可以使用除了POCS-ICE之外的策略。
图5中阐述的通用方法在架构170的近似中间部分开始，对原始k空间数据172(所采集k空间数据172)进行欠采样。所采集k空间数据172包括来自多次激发和多次采集的数据，这些数据从一般在每行中描绘。图5所显示的架构170，使得在单次采集(例如，第一采集或采集1)中，激发1/采集1至激发N/采集1对应于多次激发(从第一激发到第N激发)。还说明标记为与第M采集中的多次激发相对应的激发1/采集M至激发N/采集M的行。因此，架构170表示每次采集的第一激发到第N激发，以及总体成像过程的第一采集到第M采集。
在所说明的实施例中，执行根据MUSE过程的并行成像。因此，通过所采集k空间数据172的快速傅里叶逆变换(iFFT)174产生与用于采集的每个线圈相对应的图像173，并且这些图像通过应用线圈灵敏度信息进行校正175。随后通过线圈组合步骤177产生激发图像176。在某些实施例中，线圈组合步骤177可以并入有线圈灵敏度校正175。
在某些实施例中，例如，线圈组合步骤177根据以下公式(1)完成：
(1)
Figure GDA0003442107980000201
其中xc和Sc分别是第c个线圈的对应图像和敏感场。*运算符对应于共轭复数。线圈组合步骤177产生每次激发的对应图像176。在获得激发图像176之后，在相位校正步骤178中应用每次采集内的每次激发的相位校正。
激发组合步骤179和采集组合步骤180跟随着线圈组合步骤177。尽管激发组合步骤179被示为紧接在线圈组合步骤177之后以及在采集组合步骤180之前，但是在其它实施例中，激发组合步骤179和采集组合步骤180可以按相反次序执行。
用于合成激发图像(xi)的激发组合步骤179根据以下公式(2)执行：
(2)
Figure GDA0003442107980000202
其中
Figure GDA0003442107980000203
是包括所估计相位的低通滤波图像。如图所示，激发组合步骤179产生一系列图像182(示为182a、182b)，每个图像182对应于每次采集的激发。应注意，激发组合步骤179一般是平均化步骤。采集组合步骤180是根据等式(3)的激发图像(xj)的简单均值，其产生图像估计值184：
(3)
Figure GDA0003442107980000211
在收敛之前，图像估计值184随后用作架构170的其余部分的更新输入。也就是说，在达到收敛之前，架构170是迭代的。收敛可以通过等式(4)表示，其中I(n)是图像估计值184的第n个迭代并且e是误差阈值：
(4)
Figure GDA0003442107980000212
如图所示，架构170包括相位校正展开步骤186和线圈灵敏度校正展开步骤188。在相位校正展开步骤186中，图像估计值184乘以与每次采集的每次激发相对应的相位信息190(例如，激发特定的相位术语)，所述相位信息被示为190a、190b、190c、190d。激发特定的相位术语可以包括基于作为SENSE或MUSE算法的一部分执行的重建过程的估计相位。线圈灵敏度校正展开步骤188涉及放大线圈灵敏度轮廓192，所述线圈灵敏度轮廓被示为192a、192b、192c、192d。
随后执行快速傅里叶变换(FFT)193以从图像域返回到k空间。随后执行数据投影步骤194。在数据投影步骤194中，合成图像184用于估计从MR成像系统的每个线圈、每次激发和每次采集产生的每个线圈图像的完整k空间数据196。随后通过用所采集的k空间的部分(例如，线)来替换k空间的对应所估计部分(例如，线)以将所采集k空间数据172投影到所估计完整k空间数据196上，以产生每个图像的完整混合k空间数据集197。被示为197a、197b、197c、197d的完整混合k空间数据集197替换架构170中的所采集k空间数据172(原始数据)，作为线圈组合步骤177的输入。在达到收敛之前再次重复所述过程。
应注意，可以对图5中阐述的通用架构170进行若干改进。实际上，通用架构170容许并入若干特征，例如，数据的预加权、滤波、运动校正等等。
例如，当获取部分傅里叶数据时，可能需要如在零差重建中对数据进行预加权。所选择的加权函数对最终图像具有影响。图6描绘应用于k空间数据的不同加权函数，以及当结合本文所描述的多次激发、多次采集使用时，使用这类加权函数产生的图像。数据集通过4次激发和6次采集产生，并且T2和三个扩散方向的k空间数据通过不同加权函数进行预加权，如在行A和B中所示。行C描绘一个线圈和一次采集的k空间数据。
如图所示，一个可能的加权函数是在图6、行A中示出的阶梯函数200。然而，由于加权函数中，尤其在其对应T2图像中的强烈不连续性，可能出现环状伪影。在图6、行B中示出的倾斜函数202可以用于减少此类伪影。如在行B中的图像中所描绘，信号在扩散加权图像中丢失。实际上，由于两次激发之间的运动，k空间的中心可能会移动并且能量可以扩展，如可以在用于不同扩散方向的行C中看到。此外，如果未采集k空间中的足够附加行(ky<0)，则在最坏情况下可能不对k空间的中心进行采样，并且重要信息丢失，由此阻止相位的准确估计。因此，在某些实施例中，阶梯加权函数200可能太不连续并且倾斜加权函数202可能太不平衡。根据本发明的某些实施例，图7中所示的更平滑S型函数210用于对数据进行加权。
因为如上所述，在激发之间可能存在运动，所以k空间的中心可能发生移位，从而引起相位估计误差等等。因此，应意识到，在k空间的中心已移位，但仍进行采样的情况下，避免不正确地加权k空间的一个方法是找到最高能量的位置并且因此移位加权函数。这被称为自适应加窗。自适应加窗的影响可以在通过倾斜加权函数202进行预加权的情况下看到，如图8中所说明。通过沿着一个或多个k空间方向滑动加权函数，在包括4次激发和6次采集的过程中恢复信号。自适应加窗应用于迭代的多次激发、多次采集重建架构，表明如果在不应用自适应加窗的情况下，增加迭代次数不会导致收敛。
更一般而言，在图9中描绘自适应加窗技术，其中k空间数据实例230具有k空间中心。所述技术涉及基于最高相对能级位于k空间FOV中的位置的确定来寻找(步骤232)k空间的中心。通过沿着k空间方向(在此实例中，ky方向)滑动函数，加权函数(例如，图7的S型函数210)可以从第一位置234移位到第二位置236。在某些实施例中，通过方法100、120中的步骤102表示的动作可以包括采集k空间中的附加线，以确定k空间中心是否已移位。在此类实施例中，自适应加窗并入到总体成像方法中。
如上文所述，在某些实施例中，执行相位估计，接着从复杂数据中清除相位以确定高斯噪声分布，而不是莱斯噪声分布。如关于重建算法140所描述，使用从k空间146的对称部分的相位获得所估计相位。
再次参考图5的通用架构，可以使用正则化参数执行线圈组合步骤177。具体来说，当组合线圈图像176时使用此参数。在线圈组合步骤177期间，将线圈灵敏度应用于图像的图像或SENSE图通常不被掩蔽，这可以导致放大正成像的感兴趣区域(例如，大脑)外部的噪声。在所述步骤期间并且为了避免在期间线圈组合步骤177的归一化期间放大感兴趣区域外部的噪声，可以使用正则化参数。已发现相对较低的正则化参数(例如，约0.001)放大感兴趣区域外部的噪声，而相对较高的正则化参数(例如，0.1)不允许图像的足够非混叠。具体来说，图像强度随着高正则化参数降低，从而导致与所采集k空间相比新的所估计k空间的权重下降。重建算法随后收敛成混叠图像，并且运行更多的算法迭代不会离开混叠图像解决方案。
为了避免在感兴趣区域调节太多以及在大脑外部调节不充分，可以根据本发明实施例应用空间相关的正则化。图10描绘根据本发明实施例的从使用4次激发、6次采集数据采集序列获得的图像的不同正则化参数的使用中产生的图像的差异。
具体来说，在图10中，图像A表示使用相对较低且恒定的正则化参数(α＝0.001)获得线圈组合图像。图像B表示使用较高的恒定正则化参数(α＝0.005)获得的线圈组合图像。图像C表示使用空间相关的正则化参数获得的线圈组合图像。图像D是图像C与图像A之间的绝对差。图像E是图像C与图像B之间的绝对差。图形F表示使用具有通过线240表示的α＝0.001(图像A)的恒定正则化情况、具有通过线242表示的α＝0.005(图像B)的恒定正则化情况，以及通过线244表示的空间相关的正则化情况(图像C)的与线圈组合图像的最终估计值的差异。
如可以在图10中看到，更高正则化参数避免感兴趣区域(例如，大脑)外部的噪声放大，但是一些混叠残余保持在图像(参看图像E)中。通过空间相关的正则化，重建算法更快收敛并且避免恒定正则化的问题，从而导致更快地收敛到最终估计值(相对较少迭代)。在α＝0.005的情况下，重建算法更快收敛，因为大脑外部的体积更多地向下加权，并且因此在更少迭代中抑制混叠。
本发明的技术效果包括能够实现非常高分辨率和非常高b值扩散图像。此类图像具有很大的研究和商业意义，因为扩散适用于提供肿瘤学、神经病学和神经科学中的生物标记。具体来说，本发明的实施例提供用于组合多次激发和多次采集，同时校正激发与采集之间的不一致相位的系统和方法。
此书面描述使用实例来公开本发明，包括最佳模式，并且还使所属领域的技术人员能够实践本发明，包括制造和使用任何装置或系统以及执行任何所并入的方法。本发明的可获专利的范围由权利要求书界定，且可以包括所属领域的技术人员所想到的其它实例。如果此类其它实例具有并非不同于权利要求书的字面语言的结构要素，或如果它们包括与权利要求书的字面语言无实质差异的等效结构要素，那么它们既定在权利要求书的范围内。

Claims (20)

1.一种通过磁共振MR成像系统执行的MR成像方法，所述MR成像方法包括以下步骤：
使用所述MR成像系统采集多次激发和多次采集的MR数据，其中所述多次激发的每次激发引起通过所述MR成像系统的线圈获得的部分k空间数据集的采集，并且其中每次采集包括一组完整的所述多次激发；
根据迭代过程使用所述MR成像系统处理所述MR数据，包括：
分别重建每次激发和每次采集产生的图像的幅值和相位；
对每次激发和每次采集的相应图像应用相位校正；
合成从每次激发和每次采集产生的图像以形成合成图像；
使用所述合成图像来估计所述MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及
通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
2.根据权利要求1所述的MR成像方法，其中，所述MR成像方法包括以下步骤：重建对应于每次激发和每次采集的图像的所述幅值和所述相位，其中所估计k空间数据点已替换未采集k空间数据点。
3.根据权利要求2所述的MR成像方法，其中，通过重复地重建分别对应于每次激发和每次采集的所述图像的所述幅值和所述相位来迭代地更新所述未采集k空间数据点的估计值，从所述图像清除所述相位，形成所述合成图像；估计所述未采集k空间数据点，以及用所述估计值替换所述未采集k空间数据点以产生用于重建所述图像中的每一个的所述幅值和所述相位的更新输入，并且迭代地更新所述估计值直到所述合成图像达到收敛。
4.根据权利要求1所述的MR成像方法，其中，合成从每次激发和每次采集产生的图像以形成合成图像的步骤包括：合成采集图像，以及随后合成激发图像。
5.根据权利要求1所述的MR成像方法，其中，合成从每次激发和每次采集产生的图像以形成合成图像的步骤包括：合成激发图像，以及随后合成采集图像。
6.根据权利要求1所述的MR成像方法，其中，所述MR成像方法包括以下步骤：在重建分别来自每次激发和每次采集产生的所述图像的所述幅值和所述相位之前，预加权所述部分k空间数据集。
7.根据权利要求6所述的MR成像方法，其中，预加权所述部分k空间数据集的步骤包括：通过使用自适应加窗应用的空间相关加权函数对所述部分k空间数据集进行预加权。
8.根据权利要求7所述的MR成像方法，其中，所述自适应加窗包括：确定具有最高能量信号的k空间的区域，并相应地移位所述加权函数。
9.根据权利要求1所述的MR成像方法，其中，使用所述MR成像系统采集多次激发和多次采集的MR数据的步骤包括：执行用于初始化的并行成像采集，所述并行成像采集使得通过比完整采样k空间所需的激发少的激发来采集每次激发，并且其中对应于每次激发和每次采集的初始幅值和相位图像由于所述并行成像采集而混叠。
10.根据权利要求9所述的MR成像方法，其中，所述MR成像方法包括以下步骤：使用与所述MR成像系统的线圈有关的线圈灵敏度信息使所述图像不混叠。
11.根据权利要求1所述的MR成像方法，其中，使用所述MR成像系统采集多次激发和多次采集的MR数据的步骤包括：采集扩散加权数据，并且将所述相位校正应用于每次激发和每次采集的相应图像校正所述扩散加权数据。
12.根据权利要求11所述的MR成像方法，其中，所述MR成像方法包括以下步骤：基于所述合成图像产生对应于所述多次激发和多次采集的表观扩散系数ADC图。
13.一种磁共振MR成像系统，包括：
MR扫描仪，其通信地耦接到控制和分析电路，其中所述控制和分析电路被编程为：
使所述MR扫描仪采集多次激发和多次采集的MR数据，使得所述多次激发的每次激发引起通过所述MR成像系统的线圈获得的部分k空间数据集的采集，并且使得每次采集包括一组完整的所述多次激发；
分别重建每次激发和采集产生的图像的幅值和相位；
对每次激发和每次采集的相应图像应用相位校正；
合成从每次激发和每次采集产生的图像以形成合成图像；
使用所述合成图像来估计所述MR成像系统的每个线圈、每次激发和每次采集的完整k空间数据；以及
通过用所采集的k空间的部分来替换k空间的对应所估计部分而将所采集k空间数据投影到所估计完整k空间数据上，以产生完整混合k空间数据集。
14.根据权利要求13所述的MR成像系统，其中，所述控制和分析电路被编程为使所述MR扫描仪采集所述多次激发和多次采集的扩散加权MR数据，并且其中所述控制和分析电路被编程为通过应用所述相位校正来校正所述扩散加权MR数据。
15.根据权利要求14所述的MR成像系统，其中，所述控制和分析电路被编程为基于所述合成图像产生对应于所述多次激发和多次采集的表观扩散系数ADC图。
16.根据权利要求13所述的MR成像系统，其中，所述控制和分析电路被编程为：
通过以下步骤初始化MR成像序列：
采集所述MR数据作为所述多次激发和多次采集中的初始k空间数据；
分别重建对应于所述多次激发和多次采集的初始图像的所述幅值和所述相位；
从每个所述初始图像校正各个相位；以及
在校正相应相位之后，合成初始激发图像和初始采集图像以产生初始合成图像；
使用所述初始合成图像估计每个线圈、每次激发和每次采集的初始完整k空间数据；
将所述所采集的k空间数据投影到所述所估计完整k空间数据上以产生初始完整混合k空间数据集。
17.根据权利要求16所述的MR成像系统，其中，所述控制和分析电路被编程为在达到预定收敛之前，在所述MR成像序列的初始化之后迭代地重建所述MR数据。
18.根据权利要求13所述的MR成像系统，其中，所述控制和分析电路被编程为通过以下步骤迭代地重建所述MR数据：
使用所述完整混合k空间数据集更新对应于所述多次激发和所述多次采集的图像；
校正更新图像中的相应相位；
在校正所述相应相位之后，合成更新的激发图像和更新的采集图像以产生更新的合成图像；
使用所述更新的合成图像更新每个线圈、每次激发和每次采集的所述完整k空间数据的估计值；以及
通过将所述所采集的k空间数据投影到更新的所估计完整k空间数据上来更新所述完整混合k空间数据集；以及
基于所述更新的合成图像来确定是否已达到收敛。
19.一种使用与磁共振MR成像系统相关联的控制和分析电路校正扩散加权MR数据的方法，其包括：
获得与在MR扩散加权成像采集序列期间采集的多次激发和多次采集相对应的扩散加权MR数据，在所述MR扩散加权成像采集序列期间执行所述多次激发和多次采集，所述多次激发中的每一个包括使用所述MR成像系统的线圈采集的欠采样k空间数据，并且所述多次采集中的每一个包括一组完整的所述多次激发；
分别重建与所述多次激发和多次采集的所述扩散加权MR数据相对应的图像的幅值和相位；
对所述图像中的每一个应用相位校正；
在所述相位校正之后，合成激发图像和采集图像以产生合成图像；
使用所述合成图像估计所述MR成像系统的每个线圈、所述多次激发中的每一个以及所述多次采集中的每一个的完整k空间数据；
用所估计k空间数据点来替换所述扩散加权MR数据中的未采集k空间数据点，以产生所述多次激发中的每一个以及所述多次采集中的每一个的更新的扩散加权MR数据。
20.根据权利要求19所述的方法，其中，所述方法包括在达到收敛之前通过以下步骤迭代地更新所述扩散加权MR数据：
使用所述更新的扩散加权MR数据分别重建与所述多次激发和所述多次采集相对应的更新图像的更新幅值和更新相位；
从所述更新图像中的每一个清除相应相位；
在清除相应更新相位之后，合成更新的激发图像和更新的采集图像以产生更新的合成图像；以及
基于所述更新的合成图像来确定是否已达到所述收敛。
CN201810722324.4A 2017-06-29 2018-06-29 磁共振成像方法和系统、校正扩散加权磁共振数据的方法 Active CN109239633B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/637,708 US10551458B2 (en) 2017-06-29 2017-06-29 Method and systems for iteratively reconstructing multi-shot, multi-acquisition MRI data
US15/637708 2017-06-29

Publications (2)

Publication Number Publication Date
CN109239633A CN109239633A (zh) 2019-01-18
CN109239633B true CN109239633B (zh) 2023-04-11

Family

ID=64737958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810722324.4A Active CN109239633B (zh) 2017-06-29 2018-06-29 磁共振成像方法和系统、校正扩散加权磁共振数据的方法

Country Status (2)

Country Link
US (1) US10551458B2 (zh)
CN (1) CN109239633B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109313247B (zh) * 2016-05-31 2020-10-30 上海联影医疗科技有限公司 用于在医学成像系统中去除吉布斯伪影的系统和方法
EP3801218A4 (en) * 2018-06-01 2022-03-23 New York University SYSTEM, METHOD AND COMPUTER-ACCESSIBLE MEDIUM FOR FACILITATING NOISE SUPPRESSION FOR MAGNETIC RESONANCE IMAGING
WO2020037121A1 (en) 2018-08-15 2020-02-20 Hyperfine Research, Inc. Deep learning techniques for suppressing artefacts in magnetic resonance images
CN109696647B (zh) * 2019-02-21 2021-05-28 奥泰医疗系统有限责任公司 三维多次激发扩散加权成像的k空间采集方法及重建方法
WO2020186013A2 (en) * 2019-03-14 2020-09-17 Hyperfine Research, Inc. Deep learning techniques for generating magnetic resonance images from spatial frequency data
US11313933B2 (en) * 2019-03-20 2022-04-26 The Board Of Trustees Of The Leland Stanford Junior University Diffusion-weighted MRI with magnitude-based locally low-rank regularization
CN110244246B (zh) * 2019-07-03 2021-07-16 上海联影医疗科技股份有限公司 磁共振成像方法、装置、计算机设备和存储介质
WO2021026552A1 (en) * 2019-08-06 2021-02-11 The Johns Hopkins University Platform to detect patient health condition based on images of physiological activity of a patient
US11119175B2 (en) * 2020-01-03 2021-09-14 Ge Precision Healthcare Systems and methods for suppressing Nyquist ghost for diffusion weighted magnetic resonance imaging
JP7479959B2 (ja) * 2020-06-25 2024-05-09 富士フイルムヘルスケア株式会社 画像処理装置、医用撮像装置および画像処理プログラム
US11486953B2 (en) * 2020-09-03 2022-11-01 Siemens Healthcare Gmbh Phase estimation for retrospective motion correction
CN112763958B (zh) * 2020-12-10 2022-06-21 复旦大学 一种基于神经网络的多次激发平面回波磁共振成像方法
US11763429B2 (en) 2021-05-19 2023-09-19 GE Precision Healthcare LLC Deep learning based medical system and method for image acquisition
US20220392035A1 (en) * 2021-06-04 2022-12-08 GE Precision Healthcare LLC Nonuniformity correction systems and methods of diffusion-weighted magnetic resonance images

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9614407D0 (en) 1996-07-09 1996-09-04 Secr Defence Method for imaging artefact reduction
US6208139B1 (en) * 1998-09-18 2001-03-27 General Electric Company System and method of phase sensitive MRI reconstruction using partial k-space data
US6560353B1 (en) 2000-03-21 2003-05-06 Magnetic Resonance Innovations, Inc. Method of MRI image reconstruction from partially acquired data in two or more dimensions using a multidimensional inverse transform technique
US6998841B1 (en) 2000-03-31 2006-02-14 Virtualscopics, Llc Method and system which forms an isotropic, high-resolution, three-dimensional diagnostic image of a subject from two-dimensional image data scans
GB0129465D0 (en) 2001-12-08 2002-01-30 Qinetiq Ltd Method for compensating for effects of object motion in an image
GB0129600D0 (en) 2001-12-08 2002-01-30 Qinetiq Ltd Method for compensating for effects of object motion in an image
EP1623245A2 (en) 2003-05-05 2006-02-08 Case Western Reserve University Mri probe design and tracking, and efficient mri reconstruction and deblurring
US7545966B2 (en) 2003-05-05 2009-06-09 Case Western Reserve University Efficient methods for reconstruction and deblurring of magnetic resonance images
US7202663B2 (en) 2003-11-12 2007-04-10 Iovivo Corporation Method for generating fast magnetic resonance images
US6975113B1 (en) * 2003-11-25 2005-12-13 General Electric Company Method and system for moving table MRI with partial fourier imaging
US6853191B1 (en) 2003-12-10 2005-02-08 The Board Of Trustees Of The Leland Stanford Junior University Method of removing dynamic nonlinear phase errors from MRI data
US20070083114A1 (en) 2005-08-26 2007-04-12 The University Of Connecticut Systems and methods for image resolution enhancement
US7408345B2 (en) * 2006-02-06 2008-08-05 The Board Of Trustees Of The Leland Stanford Junior University Generalized MRI reconstruction with correction for multiple image distortion
US7558414B2 (en) 2006-09-11 2009-07-07 Case Western Reserve University Iterative image reconstruction
US7535222B2 (en) 2007-01-02 2009-05-19 The Board Of Trustees Of The Leland Stanford Junior University MRI data acquisition using propeller k-space data acquisition
US7777487B2 (en) 2007-02-15 2010-08-17 Uwm Research Foundation, Inc. Methods and apparatus for joint image reconstruction and coil sensitivity estimation in parallel MRI
CN100578546C (zh) 2007-05-15 2010-01-06 骆建华 基于复二维奇异谱分析的磁共振部分k数据图像重建方法
US7622924B2 (en) * 2007-06-12 2009-11-24 General Electric Company Method and apparatus for k-space and hybrid-space based image reconstruction for parallel imaging and artifact correction
US7860291B2 (en) 2007-06-12 2010-12-28 General Electric Co. Method and apparatus for correcting motion in multi-shot diffusion-weighted magnetic resonance imaging
EP2183612A2 (en) 2007-08-24 2010-05-12 Koninklijke Philips Electronics N.V. Mri involving dynamic profile sharing such as keyhole and motion correction
WO2009088524A1 (en) 2008-01-02 2009-07-16 D & H Global Enterprise, Llc System for and method of enhancing images using fractals
US8472689B2 (en) 2008-03-04 2013-06-25 Carestream Health, Inc. Method for enhanced voxel resolution in MRI image
WO2009134820A2 (en) 2008-04-28 2009-11-05 Cornell University Tool for accurate quantification in molecular mri
US7902825B2 (en) 2008-05-19 2011-03-08 The Board Of Trustees Of The Leland Stanford Junior University Motion corrected tensor magnetic resonance imaging
US8310233B2 (en) 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
EP2400921A4 (en) 2009-02-25 2015-11-25 Zimmer Inc PERSONALIZED ORTHOPEDIC IMPLANTS AND ASSOCIATED METHODS
CN103124517B (zh) 2010-10-07 2015-10-14 杜克大学 Mri图像的多维迭代相位循环重构
EP2773985A4 (en) 2011-11-06 2015-05-06 Mayo Foundation PROCESS FOR CALIBRATION-FREE LOCAL RANK LOW ACTIVATION OF THE RECONSTRUCTION OF MAGNETIC RESONANCE IMAGES
US8975895B2 (en) 2012-01-13 2015-03-10 The Board Of Trustees Of The University Of Illinois Method for correcting motion-induced phase errors in magnetic resonance imaging
US8989465B2 (en) 2012-01-17 2015-03-24 Mayo Foundation For Medical Education And Research System and method for medical image reconstruction and image series denoising using local low rank promotion
CN103257333B (zh) 2012-02-17 2016-04-13 西门子(深圳)磁共振有限公司 一种磁共振成像中的水脂分离成像方法及装置
US9042623B2 (en) 2012-03-07 2015-05-26 Vanderbilt University Automatic detection and correction of magnetic resonance imaging data
ITGE20120048A1 (it) 2012-05-04 2013-11-05 Esaote Spa Metodo di ricostruzione di immagini biomediche
US9430854B2 (en) 2012-06-23 2016-08-30 Wisconsin Alumni Research Foundation System and method for model consistency constrained medical image reconstruction
JP6309217B2 (ja) 2012-08-04 2018-04-11 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置
US9989606B2 (en) * 2012-08-08 2018-06-05 Koninklijke Philips N.V. Multiple shot magnetic resonance imaging with ghosting stability correction
CN102928796B (zh) 2012-09-28 2014-12-24 清华大学 快速扩散磁共振成像和重建方法
US9726742B2 (en) * 2013-02-01 2017-08-08 Regents Of The University Of Minnesota System and method for iteratively calibrated reconstruction kernel for accelerated magnetic resonance imaging
US9329250B2 (en) 2013-03-14 2016-05-03 Wisconsin Alumni Resesarch Foundation System and method for combined chemical species separation and high resolution R2* mapping with magnetic resonance imaging
WO2014154544A1 (en) 2013-03-25 2014-10-02 Fatnav Ekonomisk Förening Real-time motion correction for mri using fat navigators
JP2014188120A (ja) * 2013-03-26 2014-10-06 Toshiba Corp 磁気共鳴イメージング装置
US10317499B2 (en) 2013-03-27 2019-06-11 Duke University MRI with repeated K-T-sub-sampling and artifact minimization allowing for free breathing abdominal MRI
US9535148B2 (en) 2013-08-07 2017-01-03 The Board Of Trustees Of The Leland Stanford Junior University Dynamic contrast enhanced magnetic resonance imaging with high spatial-temporal resolution
US9918639B2 (en) 2013-11-07 2018-03-20 Siemens Healthcard GmbH Magnetic resonance imaging with asymmetric radial sampling and compressed-sensing reconstruction
JP2015116474A (ja) 2013-11-13 2015-06-25 株式会社東芝 磁気共鳴イメージング装置
KR101857795B1 (ko) 2013-12-18 2018-05-14 삼성전자주식회사 자기 공명 영상 장치 및 그 동작방법
JP6494986B2 (ja) * 2014-01-16 2019-04-03 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置及び画像処理装置
EP2924457B1 (en) 2014-03-28 2016-11-02 Albert-Ludwigs-Universität Freiburg Half Fourier MRI with iterative reconstruction
US10302726B2 (en) * 2014-07-03 2019-05-28 Koninklijke Philips N.V. Image reconstruction for MRI using multiplexed sensitivity encoding
RU2697994C2 (ru) * 2014-07-03 2019-08-21 Конинклейке Филипс Н.В. Система многокадровой магнитно-резонансной (мр) томографии и способ ее функционирования
CN106796274B (zh) * 2014-10-10 2020-01-07 皇家飞利浦有限公司 具有伪迹抑制的propeller-mr成像
JP6700261B2 (ja) * 2014-10-13 2020-05-27 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． マルチショット磁気共鳴イメージングシステム及び方法
CN104597420B (zh) * 2015-02-02 2018-01-16 清华大学 基于多次激发的磁共振扩散成像方法
CN106443533B (zh) * 2016-09-21 2019-08-09 清华大学 基于多次激发的导航磁共振扩散成像方法及装置

Also Published As

Publication number Publication date
US10551458B2 (en) 2020-02-04
CN109239633A (zh) 2019-01-18
US20190004132A1 (en) 2019-01-03

Similar Documents

Publication Publication Date Title
CN109239633B (zh) 磁共振成像方法和系统、校正扩散加权磁共振数据的方法
CN106461746B (zh) 使用以每次重复不同的序列顺序对k线的重复采样的多回波MRI
CN107850652B (zh) 具有运动检测的mr成像
CN106574954B (zh) 针对epi的具有奈奎斯特伪影校正的并行mr成像
US9575154B2 (en) MR imaging using a multi-point dixon technique
US8461840B2 (en) Magnetic resonance method and apparatus to generate an image using a parallel acquisition technique
US10534060B2 (en) Parallel MRI with spatially misregistered signal
US10203394B2 (en) Metal resistant MR imaging
EP3123192B1 (en) Epi ghost correction involving sense
US20170307716A1 (en) Propeller mr imaging with artefact suppression
WO2011080693A1 (en) Water -fat separation in mri using partial echoes at different echo times
EP3673281A1 (en) Dixon-type water/fat separation mr imaging
US10996305B2 (en) Propeller MR imaging with relaxation weightings varying between k-space blades and k-space data lines
WO2018114554A1 (en) Dixon-type water/fat separation mr imaging
US11226385B2 (en) Dixon type water/fat separation MR imaging with improved fat shift correction
EP3931588A1 (en) Epi mr imaging with distortion correction
US20240094320A1 (en) Dixon-type water/fat separation mr imaging
EP4012434A1 (en) Dixon-type water/fat separation mr imaging
JP2022535548A (ja) オフ共鳴アーチファクト補正を伴うスパイラルｍｒ撮像
EP3118643A1 (en) Dynamic propeller mr imaging

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