CN109345605A - 用于减少奈奎斯特Ghost伪像的系统和方法 - Google Patents

用于减少奈奎斯特Ghost伪像的系统和方法 Download PDF

Info

Publication number
CN109345605A
CN109345605A CN201811081826.XA CN201811081826A CN109345605A CN 109345605 A CN109345605 A CN 109345605A CN 201811081826 A CN201811081826 A CN 201811081826A CN 109345605 A CN109345605 A CN 109345605A
Authority
CN
China
Prior art keywords
data
collection
space
data set
generated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811081826.XA
Other languages
English (en)
Other versions
CN109345605B (zh
Inventor
郑远
丁彧
张卫国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN109345605A publication Critical patent/CN109345605A/zh
Application granted granted Critical
Publication of CN109345605B publication Critical patent/CN109345605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R33/561—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
    • G01R33/5612—Parallel RF transmission, i.e. RF pulse transmission using a plurality of independent transmission channels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • G01R33/561—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
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • G01R33/5616—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE] using gradient refocusing, e.g. 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
    • G01R33/54—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
    • 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
    • G01R33/56518—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to eddy currents, e.g. caused by switching of the gradient magnetic field
    • 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

Landscapes

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

Abstract

提供了用于减少奈奎斯特Ghost伪像的方法和系统。该方法可包括：采集多个测得数据集；基于该多个测得数据集来在数据空间中确定多个卷积核，每一个卷积核与该多个测得数据集中的所有测得数据集相关；基于该多个卷积核以及该多个测得数据集来在数据空间中生成多个合成数据集；基于该多个合成数据集以及该多个测得数据集来在数据空间中生成多个组合数据集，每一个组合数据集与该多个合成数据集之一以及该多个测得数据集中的对应测得数据集相关；以及基于该多个组合数据集来重建图像。

Description

用于减少奈奎斯特Ghost伪像的系统和方法
相关申请的交叉引用
本申请要求于2017年9月15日递交的美国申请No.15/705,460的优先权，其全部内容通过参考在此引入。
技术领域
本公开一般涉及图像处理，尤其涉及用于减少由平面回波成像(EPI)产生的图像中的奈奎斯特Ghost伪像的系统和方法。
背景技术
磁共振成像(MRI)被广泛使用。可以通过利用强大的磁场和射频(RF)技术来产生MRI图像。在MRI过程期间，可以将多个采集的RF信号填充到k空间中。可以变换k空间中的数据以重建MRI图像。回声平面成像(EPI)是一种快速成像技术。使用EPI可以在30毫秒内产生整个图像。EPI技术可以使用反向频率读出梯度来轮流获得一个或多个奇回波和偶回波。k空间中的奇回波和偶回波可以分别对应于以相反的读出梯度极性采集的多个MR信号。由于由梯度磁场的高速切换感生的涡电流，可以在奇回波和偶回波之间(或者在以相反的读出梯度极性采集的多个MR信号之间)引起相位不一致(或相位误差)。k空间数据中的相位不一致的存在进而可以在所重建的图像中生成奈奎斯特Ghost伪像。
奈奎斯特Ghost伪像在通过EPI产生的图像中可以是常见的。一种或多种传统技术只可沿读出(即，频率编码)方向校正相位误差(也称为一维(1D)相位校正)。然而，在这样的1D相位校正之后，残留伪像可能仍然存在。因此，期望提供二维(2D)相位校正技术以减少或移除奈奎斯特Ghost伪像。
发明内容
根据本公开的一方面，提出一种在计算设备上实现的方法。所述计算设备具有至少一个处理器、至少一个计算机可读存储介质以及连接到成像设备的通信端口，所述成像设备包括用于接收多通道磁共振(MR)信号的多个射频(RF)线圈，所述方法包括：a)获得多个测得数据集；b)基于所述多个测得数据集来在数据空间中确定多个卷积核，每一个卷积核与所述多个测得数据集中的全部相关，每一个卷积核用于生成某一通道MR信号；c)基于所述多个卷积核以及所述多个测得数据集来在所述数据空间中生成多个合成数据集，其中每一个合成数据集是基于所述多个测得数据集中的一者或多者以及所述多个卷积核中的相应卷积核来生成的，并且其中每一个合成数据集以及相应卷积核对应于同一通道；d)基于所述多个合成数据集以及所述多个测得数据集来在所述数据空间中生成多个组合数据集，每一个组合数据集与所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集相关；以及e)基于所述多个组合数据集来重建图像。
在一些实施例中，所述多个测得数据集使用所述成像设备通过平面回波成像(EPI)来生成，每一个测得数据集对应于由RF线圈接收到的单个通道MR信号。
在一些实施例中，所述多个测得数据集通过执行初步校正来预处理。
在一些实施例中，进一步包括：
执行多次迭代，并且在每一次当前迭代中，
将前一次迭代中生成的所述多个组合数据集指定为所述多个测得数据集；
重复b)–d)以更新所述多个组合数据集；以及
确定在当前迭代中生成的多个经更新的组合数据集是否满足终止准则。
在一些实施例中，所述终止准则涉及在前一次迭代中生成的多个组合数据集与在当前迭代中生成的多个经更新的组合数据集之间的差异。
在一些实施例中，在不同迭代中生成的针对同一通道的至少两个卷积核是不同的。
在一些实施例中，所述多个测得数据集中的每一个测得数据集包括完整k空间数据集。
在一些实施例中，重建图像包括：
用傅立叶逆变换来处理所述多个组合数据集以生成所述图像。
在一些实施例中，所述多个测得数据集中的至少一个测得数据集包括经部分填充的k空间数据集。
在一些实施例中，重建图像包括：
对于包括经部分填充的k空间数据集的每一个测得数据集，基于所述多个组合数据集的至少一部分来填充对应的组合数据集以重建完整K空间数据集；以及
用傅立叶逆变换来处理对应于所述多个组合数据集的多个完整K空间数据集以生成所述图像。
在一些实施例中，所述数据空间是k空间。
在一些实施例中，所述数据空间是k空间与图像空间之间的中间空间，所述方法进一步包括：
通过用一维(1D)傅立叶逆变换处理k空间来确定所述中间空间。
在一些实施例中，所述多个卷积核中的至少两个卷积核是不同的。
在一些实施例中，生成多个组合数据集包括：
基于多个加权因子来确定所述多个合成数据集与所述多个测得数据集的加权和以获得所述多个组合数据集，其中每一个组合数据集基于所述多个加权因子的一部分、所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集来确定。
根据本公开的第二方面，提出一种磁共振成像(MRI)的方法，包括：通过使用成像设备扫描对象来生成多个磁共振(MR)信号；使用所述成像设备的多个射频(RF)线圈来接收所述多个MR信号；通过将所述MR信号输入到k空间中来获得多个测得k空间数据集，每一个测得k空间数据集对应于所述多个RF线圈之一；对所述多个测得k空间数据集执行一次或多次校正以获得多个经校正k空间数据集；以及基于多个经校正的k空间数据集来重建与所述对象相关的图像，其中所述一次或多次校正包括：
基于所述多个测得k空间数据集来确定多个卷积核；基于所述多个卷积核以及所述多个测得k空间数据集来生成多个合成k空间数据集；以及基于所述多个合成k空间数据集以及所述多个测得k空间数据集来生成所述多个经校正k空间数据集。
在一些实施例中，进一步包括：在确定所述多个卷积核之前，对所述多个测得k空间数据集执行线性或非线性校正。
在一些实施例中，确定多个卷积核包括：用一维(1D)傅立叶逆变换处理所述多个测得k空间数据集以获得中间图像；以及基于所述中间图像来确定所述多个卷积核。
在本公开的第三方面，提出一种系统，包括：存储指令集的至少一个存储介质；与所述至少一个存储介质通信的至少一个处理器；以及连接到成像设备的通信端口，所述成像设备包括用于接收多通道磁共振(MR)信号的多个射频(RF)线圈，其中在执行所述指令集时所述至少一个处理器被配置成使所述系统：
a)获得多个测得数据集；b)基于所述多个测得数据集来在数据空间中确定多个卷积核，每一个卷积核与所述多个测得数据集中的全部相关，每一个卷积核用于生成某一通道MR信号；c)基于所述多个卷积核以及所述多个测得数据集来在所述数据空间中生成多个合成数据集，其中每一个合成数据集基于所述多个测得数据集中的一者或多者以及所述多个卷积核中相应卷积核来生成，并且其中每一个合成数据集以及该卷积核对应于同一通道；d)基于所述多个合成数据集以及所述多个测得数据集来在所述数据空间中生成多个组合数据集，每一个组合数据集与所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集相关；以及e)基于所述多个组合数据集来重建图像。
在一些实施例中，所述多个测得数据集中的每一个测得数据集包括完整K空间数据集。
在一些实施例中，所述多个测得数据集中的至少一个测得数据集包括经部分填充的k空间数据集。
附图说明
本公开进一步以示例性实施例的形式来描述。这些示例性的实施例将参考附图详述。这些附图不是按比例的。这些实施例是非限定性的示例性实施例，其中在附图的若干个视图中相同的附图标记表示相似的结构，并且其中：
图1是根据本公开的一些实施例的示例性磁共振成像(MRI)系统的示意图；
图2是解说根据本公开的一些实施例处理设备可在其上实现的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3是解说根据本公开的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图；
图4是示出根据本公开的一些实施例的示例性的处理设备的框图；
图5是示出根据本公开的一些实施例的示例性数据校正模块的框图；
图6是示出根据本公开的一些实施例的用于生成具有减少的或不具有奈奎斯特Ghost伪像的图像的示例性过程的流程图；
图7A和7B是解说根据本公开的一些实施例的填充到k空间中的示例性回波的示意图；
图8是解说根据本公开的一些实施例的用于对测得数据集执行初步校正的示例性过程的流程图；
图9是根据本公开的一些实施例的用于生成一个或多个组合数据集的示例性过程的流程图；
图10A-10D是解说根据本公开的一些实施例的示例性测得数据集、示例性卷积核、示例性合成数据集以及示例性组合数据集的示意图；
图11A和11B是通过1D校正来处理的具有不同亮度的示例性图像；以及
图11C和11D是通过2D校正来处理的具有不同亮度的示例性图像。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性实施例仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些系统、模块或单元做出了各种引用，然而，任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
不同系统、模块或单元之间的连接、耦合可表示直接电气连接或直接电气耦合，以用于不同模块之间的信息传递，还可采用无线通信同时进行相互之间的信息传递。本说明书中的“和/或”表示两者之一或者两者的结合。
图1是根据本公开的一些实施例的示例性磁共振成像(MRI)系统100的示意图。如所示，MRI系统100可以包括MRI扫描仪110、网络120、一个或多个终端130、处理设备140和存储设备150。MRI系统100中的组件可以以各种方式中的一种或多种连接。仅仅作为示例，如图1所示，MRI扫描仪110可以通过网络120连接到处理设备140。作为另一个示例，MRI扫描仪110可以直接连接到处理设备140(如由链接MRI扫描仪和处理设备140的虚线双向箭头所示)。作为另一示例，存储设备150可以直接或通过网络120连接到处理设备140。作为又一示例，一个或多个终端130可以直接(如链接终端130和处理设备140的虚线双向箭头所指示的)或通过网络120连接到处理设备140。
MRI扫描仪110可以扫描位于其检测区域内的对象，并产生与该对象相关的多个数据。在本公开中，“对象”和“对象”可互换使用。MRI扫描仪110可包括磁体组装件，梯度线圈组装件和射频(RF)线圈组装件(图1中未示出)。在一些实施例中，MRI扫描仪110可以是闭孔扫描仪或开孔扫描仪。
磁体组装件可以产生第一磁场(也称为主磁场)以用于使待扫描的对象偏振。磁体组装件可包括永磁体，超导电磁体，电阻性电磁体等。在一些实施例中，磁体组装件还可包括用于控制主磁场的均质性的匀场线圈。
梯度线圈组装件可以生成第二磁场(也称为梯度磁场)。梯度线圈组装件可以是为闭孔MRI扫描仪或开孔MRI扫描仪而设计。梯度线圈组装件可包括X梯度线圈，Y梯度线圈和Z梯度线圈。梯度线圈组装件可以在X方向(Gx)，Y方向(Gy)和Z方向(Gz)上生成一个或多个磁场梯度脉冲到主磁场，以编码对象的空间信息。在一些实施例中，X方向可以被指定为频率编码方向，而Y方向可以被指定为相位编码方向。在一些实施例中，Gx可以被用于频率编码或信号读出，通常称为频率编码梯度或读出梯度。在一些实施例中，Gy可以被用于相位编码，通常称为相位编码梯度。在一些实施例中，Gz可以被用于切片选择以获得2D k空间数据。在一些实施例中，Gz可以被用于相位编码以获得3D k空间数据。
RF线圈组装件可包括多个RF线圈。RF线圈可包括一个或多个RF发射线圈和/或一个或多个RF接收线圈。RF发射线圈可以向对象发射RF脉冲。在主磁场、梯度磁场和RF脉冲的协调作用下，可以生成与对象有关的MR信号。RF接收线圈可以从对象接收MR信号。在一些实施例中，一个或多个RF线圈可以在不同时间既发射RF脉冲又接收MR信号。在一些实施例中，RF线圈的功能、大小、类型、几何、位置、量、和/或幅值可根据一个或多个具体条件来确定或改变。例如，根据功能和大小上的不同，RF线圈可被分类为容积线圈和局部线圈。在一些实施例中，RF接收线圈可以对应于通道。RF接收线圈可以从对象接收多通道MR信号。所接收的MR信号可以直接或经由网络120被发送到处理设备140，以用于图像重建和/或图像处理。
网络120可包括能促成MRI系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，MRI系统100的一个或多个组件(例如MRI扫描仪110、终端130、处理设备140、或存储设备150)可以与MRI系统100的其它一个或多个部件经由网络120进行信息和/或数据通信。例如，处理设备140可以经由网络120从MRI扫描仪110获得MR信号。作为另一示例，处理设备140可经由网络120从(诸)终端130获得用户指令。在一些实施例中，网络120可以是任何类形的有线或无线网络，或其组合。网络120可以是和/或包括公共网络(例如，因特网)、专有网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机、和/或其任何组合。仅作为示例，网络120可包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等等、或者其任何组合。在一些实施例中，网络120可包括一个或多个网络接入点。例如，网络120可包括有线和/或无线网络访问点，例如基站和/或互联网交换点，通过这些网络访问点，MRI系统100的一个或多个部件可连接到网络120以交换数据和/或信息。
终端130包括移动设备130-1、平板计算机130-2、膝上型计算机130-3、或类似物、或其任何组合。在一些实施例中，移动设备130-1可包括智能家用设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备、或类似物、或其任何组合。在一些实施例中，智能家用设备可包括智能照明设备、智能电气装置的控制设备、智能监视设备、智能电视、智能摄像机、互联电话等等、或者其任何组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能饰物、或类似物、或其任何组合。在一些实施例中，智能移动设备可包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、或类似物、或其任何组合。在一些实施例中，虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩、或类似物、或其任何组合。例如，虚拟现实设备和/或增强现实设备可包括Google Glass、Oculus Rift、Hololens、Gear VR等。在一些实施例中，终端130可远程操作MRI扫描仪110。在一些实施例中，终端130可经由无线连接来操作MRI扫描仪110。在一些实施例中，终端130可接收由用户输入的信息和/或指令，并且将收到的信息和/或指令经由网络120发送给MRI扫描仪110或处理设备140。在一些实施例中，终端130可接收来自处理设备140的数据和/或信息。在一些实施例中，(诸)终端130可以是处理设备140的一部分。在一些实施例中，终端130可以被省略。
处理设备140可以处理从MRI扫描仪110、终端130和/或存储设备150获得的数据和/或信息。例如，处理设备140可以处理从MRI扫描仪110获得的一个或多个通道的MR信号，并重建对象的图像。在一些实施例中，重建的图像可以被传送到终端130并且显示在终端130中的一个或多个显示设备上。在一些实施例中，处理设备140可以是单个服务器或服务器群。服务器群可以是集中式的或者分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140经由网络120访问MRI扫描仪110、终端130和/或存储设备150中所存储的信息和/或数据。作为另一个示例，处理设备140可以直接连接到MRI扫描仪110、终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可被实现在云平台上。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等等、或者其任何组合。在一些实施例中，控制设备140可被实现在具有如本公开图2中所示的一个或多个组件的计算设备200上。
存储设备150可以存储数据和/或指令。在一些实施例中，存储设备150可以存储从终端130和/或处理设备140获得的数据。在一些实施例中，存储设备150可以存储数据和/或指令，处理设备140可执行或使用这些数据和/或指令以执行本公开描述的示例性方法。在一些实施例中，存储设备150可包括大容量存储器、可移动存储设备、易失性读写存储器、只读存储器(ROM)、或者类似物、或其任何组合。示例性的大容量存储设备可包括磁盘、光盘、固态驱动器等。示例性的可移动存储设备可包括闪存驱动器、软盘、光盘、存储器卡、zip盘、磁带等。示例性的易失性读写存储器可包括随机存取存储器(RAM)。示例性的RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、以及数字通用盘ROM等。在一些实施例中，存储设备150可以在云平台上实现。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等等、或者其任何组合。
在一些实施例中，存储设备150可连接到网络120，以与MRI系统100(例如处理设备140、终端130等)的一个或多个组件通信。MRI系统100的一个或多个组件可经由网络120访问存储设备150中存储的数据或指令。在一些实施例中，存储设备150可以与MRI系统100的一个或多个组件(例如处理设备140、终端130等)直接连接或通信。在一些实施例中，存储设备150可以是处理设备140的一部分。
图2是解说根据本公开的一些实施例的可在其上实现处理设备140的示例性计算设备200的示例性硬件和/或软件组件的示意图。如图2中所解说的，计算设备200可包括处理器210、存储220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(程序代码)，并根据本文所描述的技术来执行处理设备140的功能。计算机指令可包括例如执行本文所描述的特定功能的例程、程序、对象、组件、信号、数据结构、规程、模块以及函数。例如，处理器210可以处理从MRI扫描仪110、(诸)终端130、存储设备150、和/或MRI系统100的任何其他组件获得的数据。具体地，处理器210可以处理从MRI扫描仪110获得的一个或多个测得数据集。例如，处理器210可以对测得数据集执行一维(1D)校正或二维(2D)校正。处理器210可以基于经校正的数据集来重建图像。在一些实施例中，重建的图像可被存储在存储设备150、存储220等中。在一些实施例中，重建的图像可通过I/O 230被显示在显示设备上。在一些实施例中，处理器210可执行从终端130获得的指令。在一些实施例中，处理器210可包括一个或多个硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任何电路或处理器等等、或其任何组合。
仅为了解说，在计算设备200中仅描述了一个处理器。然而，应当注意，本公开中的计算设备200也可包括多个处理器，因此如由本公开中所描述的一个处理器执行的操作和/或方法步骤也可由多个处理器联合地或分开地执行。例如，如果在本公开中计算设备200的处理器执行过程A和过程B两者，则应当理解，过程A和过程B也可由计算设备200中的两个或更多个不同的处理器联合地或分开地执行(例如，第一处理器执行过程A并且第二处理器执行过程B，或者第一和第二处理处理器联合地执行过程A和B)。
存储220可存储来自MRI扫描仪110、终端130、存储设备150，或MRI系统100的任意其它部件的数据信息。在一些实施例中，存储220可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等等、或者其任何组合。例如，大容量存储设备可包括磁盘、光盘、固态驱动器等。可移动存储设备可包括闪存驱动器、软盘、光盘、存储器卡、zip盘、磁带等。易失性读写存储器可包括随机存取存储器(RAM)。RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、压缩盘ROM(CD-ROM)、以及数字多用碟ROM等。在一些实施例中，存储220可存储用于执行本公开中所描述的示例性方法的一个或多个程序和/或指令。例如，存储220可以存储供处理设备140用于减少或移除图像中的一个或多个伪像的程序。
30可输入或输出信号、数据和/或信息。在一些实施例中，230可以使用户能够与处理设备140进行交互。在一些实施例中，I/O 230可包括输入设备和输出设备。示例性的输入装置可包括键盘、鼠标、触摸屏、麦克风、或类似物、或其任何组合。示例性的输出装置可包括显示设备、扬声器、打印机、投影仪、或类似物、或其任何组合。示例性的显示设备可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、或类似物、或其任何组合。
通信端口240可连接到网络(例如，网络120)以促成数据通信。通信端口240可在处理设备140与MRI扫描仪110、终端130或存储设备150之间建立连接。连接可以是有线连接、无线连接、或者能够实现数据传输和接收的有线连接和无线连接的组合。有线连接可包括电缆、光缆、电话线、或类似物、或其任何组合。无线连接可包括蓝牙、Wi-Fi、WiMax、WLAN、物联网(ZigBee)、移动网络(例如3G、4G、5G等)、或类似物、或其任何组合。在一些实施例中，通信端口240可以是标准通信端口，例如RS232，RS485等。在一些实施例中，通信端口240可以是特殊设计的通信端口。例如，通信端口240可根据医学数字成像和通信(DICOM)协议来设计。
图3是解说根据本公开的一些实施例的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3中所解说的，移动设备300可包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、存储器360、以及存储设备390。在一些实施例中，移动设备300中还可包括任何其他合适的组件，包括但不限于系统总线或控制器(未示出)。在一些实施例中，移动操作系统370(例如iOS、Android、Windows Phone等)以及一个或多个应用380可从存储390被加载到存储器360，以被CPU 340执行。应用380可包括浏览器或任何其它合适的移动应用，用于接收和呈现来自处理设备140的与图像处理有关的信息或其它信息。用户与信息流的交互可经由I/O 350来达成，并且经由网络120提供给MRI系统100的处理设备140和/或其他组件。
为了实现本公开中所描述的各种模块、单元及其功能性，计算机硬件平台可被用作为用于本文所描述的一个或多个元件的(诸)硬件平台。这些计算机的硬件元件、操作系统和编程语言本质上是常规的，并且假定本领域技术人员足够熟悉这些技术以使这些技术适配成生成具有减少的奈奎斯特Ghost伪像的图像，如本文描述的。具有用户界面元素的计算机可以用于实现个人计算机(PC)或其他类型的工作站或终端设备，尽管计算机如果被适当地编程也可以充当服务器。相信本领域技术人员熟悉这种计算机设备的结构、编程和一般操作，因此附图应该是不言自明的。
图4是示出根据本公开的一些实施例描述的示例性的处理设备140的框图。处理设备140可以在图2所示的计算设备200(例如，处理器210)上实现。处理设备140可以包括数据采集模块410、数据预处理模块420、数据校正模块430和图像重建模块440。
数据采集模块410可被配置成采集图像数据。在一些实施例中，数据采集模块410可从MRI扫描仪110、存储设备150、终端130、和/或外部数据源(未示出)采集图像数据(例如，MR数据)。在一些实施例中，图像数据可包括由平面回波成像(EPI)生成的一个或多个测得数据集。在一些实施例中，数据采集模块410可以采集用于处理测得数据集或类似数据集或其组合的指令。在一些实施例中，一个或多个射频(RF)线圈可以用于EPI。一个RF线圈可对应于单个通道。RF线圈可以接收对应通道的MR信号。测得数据集可对应于由RF线圈接收到的单个通道MR信号。在一些实施例中，测得数据集可以按回环形方式被填充(或输入)到数据空间(例如，k空间)中。经填充的k空间可包括对应于测得数据集的一个或多个k空间数据集。k空间数据集可包括对应于奇回波和偶回波的数据(参见图7A和7B)。在一些实施例中，测得数据集可以是和/或包括完整K空间数据集，即该k空间数据可以是被全采样的。在一些实施例中，测得数据集可以是和/或包括欠采样k空间数据集，即该k空间数据可以是被部分采集的。在一些实施例中，所采集的指令可由处理设备140的处理器执行以执行本公开中所描述的示例性方法。在一些实施例中，可以将所采集的数据传送到存储200、存储390、存储器360等以供存储。
数据预处理模块420可以被配置为对测得数据集执行初步校正以生成一个或多个经预处理数据集。经预处理数据集可对应于测得数据集。在一些实施例中，测得数据集可按顺序被初步校正以生成经预处理数据集。替换地或附加地，测得数据集可被同时或同步地初步校正以生成经预处理数据集。在一些实施例中，初步校正可以包括一维(1D)校正和/或二维(2D)校正。数据预处理模块420可以基于一个或多个校正算法(例如，参考校正算法(即，基于参考扫描的校正)、迭代校正(例如，迭代相位循环)等)来初步校正测得数据集。
仅作为示例，数据预处理模块420可以基于一个或多个参考数据集(例如，由数据采集模块410获得的参考回波)来初步校正测得数据集。在一些实施例中，可以在没有相位编码的情况下检测参考回波。数据预处理模块420可基于参考回波来确定一个或多个校正参数。校正参数可以包括相位偏差、相位偏转、相位偏移等。可以基于参考回波之间的相位差来确定校正参数。然后，数据预处理模块420可以基于校正参数来初步校正测得数据集。图像校正的更多描述可在本公开中别处找到。参见例如图8及其描述。
数据校正模块430可以被配置为校正测得数据集或经预处理数据集。数据校正模块430可以消除测得数据集或经预处理数据集的一个或多个相位不一致。在一些实施例中，数据校正模块430可以生成包括减少的相位不一致或者没有相位不一致的一个或多个数据集。在一些实施例中，数据校正模块430可以更新所生成的数据集。在一些实施例中，数据校正模块430可以基于经预处理数据集或测得数据集来生成数据集。所生成的数据集可以与经预处理数据集或测得数据集不同。所生成的数据集可包括组合数据集。组合数据集可以指通过组合两个或更多个已知数据集或先前生成的数据集来获得的数据集。数据校正模块430可以通过组合经预处理数据集、测得数据集、基于一个或多个经预处理数据集或测得数据集生成的合成数据集等或其任何组合中的两个或更多个来生成组合数据集。
在一些实施例中，数据校正模块430可以通过执行一次或多次迭代，基于经预处理数据集或测得数据集来生成组合数据集。如果组合数据集满足一个或多个条件(也称为终止准则)，则可以终止迭代，并由此可以确定组合数据集。在一些实施例中，条件可以涉及在包括前一迭代和当前迭代的两次连贯迭代中生成的组合数据集之间的差异。响应于确定该差异大于第一阈值，数据校正模块430可以确定要执行下一次迭代。响应于确定该差异低于或等于第一阈值，数据校正模块430可以确定要终止迭代。然后可确定组合数据集。在一些实施例中，条件可以涉及表示已经执行的迭代次数的迭代计数。响应于确定迭代计数低于第二阈值，数据校正模块430可以确定要执行下一次迭代。响应于确定迭代计数大于或等于第二阈值，数据校正模块430可以确定终止迭代。然后可确定组合数据集。在一些实施例中，数据校正模块430可以生成一个或多个卷积核、一个或多个合成数据集等。可以结合图5找到数据校正模块430的更多描述，这里不再重复。
图像重建模块440可以被配置为重建一个或多个图像。在一些实施例中，图像重建模块440可以基于一个或多个数据集(例如，测得数据集、经预处理数据集和/或组合数据集)来重建图像。图像重建模块440可以基于傅立叶变换技术和/或一种或多种数据填充技术来重建图像。
如果数据集(例如，测得数据集、经预处理数据集和/或组合数据集)是完整K空间数据集，则图像重建模块440可以根据基于傅立叶变换的技术来重建图像。图像重建模块440可以利用傅立叶逆变换处理数据集以生成图像。仅作为示例，图像重建模块440可以对数据集之一执行傅立叶逆变换以生成子图像。因此，可以基于数据集来生成多个子图像。数据集和得到的子图像可以对应于通道。图像重建模块440可以通过使用重建技术组合子图像来生成图像。示例性重建技术可以包括“平方和”(SoS)重建、最优阵列重建等。在一些实施例中，图像重建模块440可以确定数据集的一个或多个权重(或加权因子)。数据集的权重可以是相同的或不同的。图像重建模块440可以基于权重来组合数据集以生成经重建数据集。图像重建模块440可以对经重建数据集执行傅立叶逆变换以获得重建的图像。
如果数据集(例如，测得数据集、经预处理数据集和/或组合数据集)是部分填充的k空间数据集，则图像重建模块440可以根据基于傅立叶变换的技术并结合一种或多种数据填充技术来重建图像。在一些实施例中，图像重建模块440可通过填充每一个部分填充的k空间数据集来重建完整的k空间数据集。示例性数据填充技术可以包括同时采集空间谐波(SMASH)、AUTO-SMASH、VD(可变密度)-AUTO-SMASH、灵敏度编码(SENSE)、经修改的SENSE(mSENSE)、具有局部灵敏度的并行成像(PILS)、广义自动校准部分并行采集(GRAPPA)、迭代自洽并行成像重建(SPIRiT)等。然后，图像重建模块440可以利用傅立叶逆变换来处理完整K空间数据集以生成图像。在一些实施例中，图像重建模块440可以利用傅立叶逆变换来处理与一通道相对应的一个完整K空间数据集以生成一个子图像。因此，可以基于与该多个数据集相对应的多个完整K空间数据集来生成多个子图像。图像重建模块440可以通过使用重建技术组合子图像来生成图像。示例性重建技术可以包括SoS重建、最优阵列重建等。
应当注意，对处理引擎的以上描述仅仅是为了解说的目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，数据预处理模块420和数据校正模块430可以被集成到一个模块中，该模块被配置为对测得数据集执行初步校正并生成一个或多个组合数据集。在一些实施例中，一个或多个模块可以安装在与其他模块分开的不同设备上。仅作为示例，图像重建模块440可以驻留在设备中，并且其他模块可以驻留在不同的设备上。
图5是解说根据本公开的一些实施例的示例性数据校正模块430的框图。数据校正模块430可以在图2所示的计算设备200(例如，处理器210)上实现。数据校正模块430可以包括卷积核确定单元502、合成数据生成单元504、组合数据生成单元506、数据更新单元508和判断单元510。
卷积核确定单元502可以被配置为基于测得数据集或经预处理数据集来确定一个或多个卷积核。在一些实施例中，卷积核的数量可以涉及测得数据集或经预处理数据集的数量或通道数量。在一些实施例中，卷积核确定单元502可以确定用于对应数据集(例如，测得数据集或经预处理数据集)或对应通道的一个卷积核。仅作为示例，如果存在9个通道(即，9个对应数据集)，则卷积核确定单元502可以确定9个卷积核。在一些实施例中，卷积核确定单元502可基于一个或多个对应数据集来确定一个卷积核。例如，卷积核确定单元502可以基于从第一通道以及一个或多个其他通道(例如，来自所有通道)获得的数据集来确定第一通道的第一卷积核。作为另一示例，卷积核确定单元502可以基于从第二通道以及一个或多个其他通道(例如，来自所有通道)获得的数据集来确定第二通道的第二卷积核。在一些实施例中，多个通道或相应数据集的卷积核可以彼此相同或不同。
卷积核可以指代包括一个或多个元素的特定大小的矩阵。在一些实施例中，卷积核可被表达为具有kx维度(参见图10B)、ky维度(参见图10B)和/或通道维度的数据矩阵。这三个维度(kx维度、ky维度和通道维度)内的卷积核的范围也可以称为支持范围。卷积核的大小可以对应于数据矩阵的大小。可以基于对应数据集(例如，对应的测得数据集或经预处理数据集)的数据点的数量和/或通道的数量来确定卷积核的大小。由于通道的数量可能是已知的，因此在本公开中为了简洁起见，可以不在维度中呈现卷积核的通道维度。例如，为简明起见，具有M×N×C矩阵的卷积核可被表达为M×N矩阵，其中M为kx维度，N为ky维度，C为通道数，且M×N矩阵被称为M×N×C矩阵。在一些实施例中，卷积核可以具有正方形、矩形、三角形、椭圆形、长方体形、圆柱形、六边形等。仅作为示例，对于每个通道具有正方形的卷积核，卷积核可以是3×3矩阵、5×5矩阵等。作为另一个示例，对于每个通道具有矩形的卷积核，卷积核可以是3×5矩阵、5×6矩阵等。在一些实施例中，卷积核可以不必包括所有周围数据点。例如，每个通道具有六边形的卷积核可以不包括围绕六边形的支持范围的一个或多个数据点。应当注意，本公开中描述的数据集(例如，测得数据集、经预处理数据集、合成数据集、组合数据集等)可以被表达为数据矩阵。
在一些实施例中，卷积核确定单元502可以确定k空间中的卷积核。替换地或附加地，卷积核确定单元502可以确定中间空间中的卷积核。中间空间可以是k空间和图像空间之间的数据空间。在一些实施例中，可以通过利用1D傅立叶逆变换处理k空间来确定中间空间。
在一些实施例中，卷积核确定单元502可以基于一个或多个对应数据集(例如，所有对应数据集)的一部分来生成卷积核。在一些实施例中，对应数据集的该部分可以位于对应数据集的任何位置(例如，中心区域、靠近对应数据集的边缘的区域)。在一些实施例中，所有对应的数据集可被用于生成卷积核。在一些实施例中，卷积核的一个或多个元素的值可以通过在k空间(或中间空间)中滑动卷积核并使用支持范围内的数据点来拟合每个目标点(参见例如图10A中的点T)来确定。目标点可以指代在支持范围的中心处的已知点(例如，测得(或经预处理)数据集中的已知点)。在一些实施例中，如果至少一个对应数据集(例如，对应的测得数据集或经预处理数据集)是或包括经部分填充的k空间数据集，则卷积核确定单元502可以基于包括来自经部分填充的k空间数据的相对密集的数据的区域来生成卷积核。。在一些实施例中，如果经部分填充的k空间数据不是均匀分布的并且存在相对密集的区域，则卷积核确定单元502可以基于经部分填充的k空间数据集中的相对密集的区域来生成卷积核。如这里所使用的，“包括相对密集的数据的区域”可以指示该区域包括填充有比经部分填充的k空间的另一区域更大量的k空间数据的区域。例如，如果加速因子是2并且所填充的k空间数据不是均匀分布的，则卷积核确定单元502可以沿着读出方向和相位编码方向选择包含相对密集的k空间数据的矩阵。加速因子可以涉及数据采样率。例如，如果加速因子是2，则可以仅采样一半数据，相应地采样时间可以被减半。如本文所使用的，经部分填充的k空间数据被均匀分布可以指示对应于经部分填充的k空间数据的奇回波和/或偶回波之间的ky间隔(即，ky方向上的间隔)基本相同。对于均匀分布的数据，对应于经部分填充的k空间数据的奇回波和/或偶回波之间的第一ky间隔和第二ky间隔之间的差别可以小于与ky间隔有关的阈值。如本文所使用的，经部分填充的k空间数据未被均匀分布可以指示对应于经部分填充的k空间数据的奇回波和/或偶回波之间的ky间隔基本不相同。对于不均匀分布的数据，对应于经部分填充的k空间数据的奇回波和/或偶回波之间的第一ky间隔和第二ky间隔之间的差别可以不小于与ky间隔有关的阈值。具体地，可以基于核函数和对应数据集的一个或多个数据点通过数据拟合来生成卷积核。核函数的更多描述可在本公开中别处找到。参见例如式(1)及其描述。
合成数据生成单元504可以被配置为生成一个或多个合成数据集。合成数据集可以指基于一个或多个已知数据集(例如，测得数据集、经预处理数据集、组合数据集等)或先前生成的数据集来合成的数据集。在一些实施例中，合成数据生成单元504可基于卷积核以及一个或多个对应数据集(例如，所有测得数据集或经预处理数据集)来生成合成数据集。例如，合成数据生成单元504可以通过使用卷积核遍历对应数据集(例如，所有测得数据集或经预处理数据集)来生成合成数据集。在一些实施例中，如果存在多个通道(即，多个对应的数据集)，则合成数据生成单元504可以生成多个合成数据集。例如，如果存在9个通道(即，9个对应的数据集)，则合成数据生成单元504可以生成9个合成数据集，其中可以基于卷积核和所有9个对应数据集(例如，所有测得数据集或经预处理数据集)来生成每个合成数据集。在一些实施例中，合成数据生成单元504可以同时或按顺序生成多个合成数据集。在一些实施例中，合成数据生成单元504可以在k空间或中间空间中生成合成数据集。应当注意，合成数据生成单元504可以不填满数据集或增加对应的合成数据集中的数据量。例如，如果测得数据集或经预处理数据集包括完整K空间数据集，则对应的合成数据集可以是基本上完全的k空间数据集。作为另一示例，如果测得数据集或经预处理数据集包括经部分填充的k空间数据集，则对应的合成数据集仍可以是经部分填充的k空间数据集。
组合数据生成单元506可以被配置为生成一个或多个组合数据集。在一些实施例中，组合数据生成单元506可以基于两个或更多个已知数据集来生成组合数据集。例如，组合数据生成单元506可以基于合成数据集和测量(或经预处理)数据集来生成组合数据集。在一些实施例中，组合数据生成单元506可基于多个合成数据集和多个测得(或经预处理)数据集来生成多个组合数据集，其中每个组合数据集可涉及合成数据集和对应的测得(或经预处理)数据集之一。
在一些实施例中，组合数据生成单元506可以基于一个或多个加权因子(或权重)生成组合数据集。例如，组合数据生成单元506可以基于加权因子来确定合成数据集和对应的测得(或经预处理)数据集的加权和。组合数据生成单元506可将该加权和指定为组合数据集。在一些实施例中，不同组合数据集的加权因子可以相同或不同。应当注意，组合数据生成单元506可以基于一个或多个其他算法(例如，松弛迭代、优化算法等)来生成组合数据集。组合数据生成单元506可以在k空间或中间空间中生成组合数据集。如果合成数据集包括完整K空间数据集，则对应的组合数据集可以仍然是完整K空间数据集。如果合成数据集包括经部分填充的k空间数据集，则对应的组合数据集可以仍然是经部分填充的k空间数据集。
数据更新单元508可以被配置为在一次或多次迭代中更新由卷积核确定单元502确定的卷积核、由合成数据生成单元504生成的合成数据集和/或由组合数据生成单元506生成的组合数据集。仅作为示例，数据更新单元508可以在一次迭代中更新卷积核，基于经更新的卷积核来更新合成数据集，然后基于经更新的合成数据集来更新组合数据集。在一些实施例中，数据更新单元508可以更新测得数据集或经预处理数据集。例如，数据更新单元508可以将组合数据集指定为测得数据集或经预处理数据集，然后基于经更新的测得数据集或经预处理数据集来更新卷积核。在一些实施例中，数据更新单元508可以更新与迭代算法有关的一个或多个参数，例如迭代计数，迭代所花费的时间等。仅作为示例，数据更新单元508可以通过对已经执行的当前迭代数进行计数来更新迭代计数。
判断单元510可以被配置为确定组合数据集是否满足条件。在一些实施例中，条件可以涉及在两次或更多次连贯迭代中生成的组合数据集之间的差异。判断单元510可以确定差异是否大于第一阈值。在一些实施例中，响应于确定该差异大于第一阈值，判断单元510可以确定要执行下一次迭代。在一些实施例中，响应于确定差异低于或等于第一阈值，判断单元510可以确定要终止迭代。在一些实施例中，条件可以涉及表示已经执行的迭代次数的迭代计数。判断单元510可以确定迭代计数是否大于第二阈值。响应于确定迭代计数低于第二阈值，判断单元510可以确定要执行下一次迭代。响应于确定迭代计数大于或等于第二阈值，判断单元510可以确定要终止迭代。在一些实施例中，可以根据实际情况预先确定第一阈值和/或第二阈值。第一阈值和/或第二阈值可以是处理设备140的默认设置的一部分，或者可以由用户(例如，医生)设置或调整。
图6是解说根据本公开的一些实施例的用于生成具有减少的或不具有奈奎斯特Ghost伪像的图像的示例性过程600的流程图。在一些实施例中，图6中所解说的用于生成具有减少的奈奎斯特Ghost伪像的图像的过程600的一个或多个操作可在图1中所解说的MRI系统100中实现。例如，图6中所解说的过程600可按指令的形式被存储在存储设备150中、并由处理设备140(例如，如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。作为另一示例，过程600的一部分可以在MRI扫描仪110上实现。下面给出的所示过程的操作是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成该过程，和/或在没有所讨论的一个或多个操作的情况下来完成该过程。另外，图6所示并在下文描述的过程的操作次序并不旨在构成限定。
在610中，可获得一个或多个测得数据集。操作610可由数据采集模块410来执行。在一些实施例中，可以通过平面回波成像(EPI)生成测得数据集。EPI是一种双极读出扫描技术。在一些实施例中，一个或多个射频(RF)线圈可以用于EPI。RF线圈可对应于通道。EPI扫描可以产生一连串或一系列梯度回波(也称为相继MR信号)。RF线圈可以从对应通道接收MR信号。测得数据集可对应于来自由RF线圈接收到的通道的MR信号。测得数据集可以按环形方式被填充到数据空间(例如，k空间)中。经填充的k空间可包括对应于测得数据集的一个或多个k空间数据集。k空间数据集可包括对应于一个或多个奇回波以及一个或多个偶回波的数据(如图7A和7B中所示)。在一些实施例中，测得数据集可以是和/或包括完整K空间数据集，即可以通过采样、数据填充等来完全采集(或填充)k空间数据。在一些实施例中，测得数据集可以是和/或包括经部分填充的k空间数据集，即可以部分地采集(或填充)k空间数据。
在620中，可以对在610中获得的测得数据集执行初步校正以生成一个或多个经预处理数据集。操作620可由数据预处理模块420来执行。经预处理数据集可对应于测得数据集。在一些实施例中，多个测得数据集可按顺序被校正以生成经预处理数据集。替换地或附加地，多个测得数据集可被同时或同步地校正以生成经预处理数据集。在一些实施例中，初步校正可以包括1D校正和/或2D校正。结合图8描述示例性初步校正，这里不再重复。在一些实施例中，操作620可以被省略。因此，未进行初步校正的测得数据集可以被用于进一步处理(例如，用于生成一个或多个组合数据集)。
在630中，可以基于经预处理数据集或测得数据集来生成一个或多个组合数据集。操作630可由数据校正模块430来执行。组合数据集可以涉及对应的经预处理数据集或对应的测得数据集。在一些实施例中，可以通过基于经预处理数据集或测得数据集执行一次或多次迭代来生成组合数据集。在一些实施例中，可以在迭代中更新组合数据集。结合图9详细描述迭代，这里不再重复。如果组合数据集满足一个或多个条件，则可以终止迭代，并且可以确定组合数据集。在一些实施例中，条件可以涉及在两次或更多次连贯迭代中生成的组合数据集之间的差异。响应于确定差异大于第一阈值，数据校正模块430可以确定要执行下一次迭代。响应于确定差异低于或等于第一阈值，数据校正模块430可以确定要终止迭代。然后可确定组合数据集。在一些实施例中，条件可以涉及表示已经执行的迭代次数的迭代计数。响应于确定迭代计数低于第二阈值，数据校正模块430可以确定要执行下一次迭代。响应于确定迭代计数大于或等于第二阈值，数据校正模块430可以确定要终止迭代。然后可确定组合数据集。可以根据实际情况预先确定第一阈值和/或第二阈值。第一阈值和/或第二阈值可以是处理设备140的默认设置的一部分，或者可以由用户(例如，医生)设置或调整。
在640中，可基于组合数据集来重建图像。操作640可由图像重建模块440来执行。在一些实施例中，可以根据基于傅里叶变换和/或一种或多种数据填充技术的技术来重建图像。
如果组合数据集是完整K空间数据集，则可以根据基于傅里叶变换的技术来重建图像。可以使用傅立叶逆变换来处理组合数据集以生成图像。在一些实施例中，可以使用傅立叶逆变换处理组合数据集之一以生成子图像。因此，可以基于这些组合数据集来生成多个子图像。组合数据集和得到的子图像可以对应于通道。然后，可以通过使用重建技术组合子图像来生成图像。示例性重建技术可以包括“平方和”(SoS)重建、最优阵列重建等。在一些实施例中，图像重建模块440可以确定组合数据集的一个或多个权重(或加权因子)。组合数据集的权重可以是相同的或不同的。图像重建模块440可以基于权重来对组合数据集进行组合以生成重建数据集。图像重建模块440可以对重建数据集执行傅立叶逆变换以获得重建的图像。
如果组合数据集是经部分填充的k空间数据集，则图像重建模块440可以根据基于傅立叶变换的技术结合一种或多种数据填充技术来重建图像。在一些实施例中，图像重建模块440可通过填充每一个组合数据集(或经部分填充的k空间数据集)来重建完整K空间数据集。示例性数据填充技术可以包括同时采集空间谐波(SMASH)、AUTO-SMASH、VD(可变密度)-AUTO-SMASH、灵敏度编码(SENSE)、经修改的SENSE(mSENSE)、具有局部灵敏度的并行成像(PILS)、广义自动校准部分并行采集(GRAPPA)、迭代自洽并行成像重建(SPIRiT)等。然后，图像重建模块440可以利用傅立叶逆变换来处理完整K空间数据集以生成图像。在一些实施例中，图像重建模块440可以利用傅立叶逆变换来处理与一通道相对应的一个完整K空间数据集以生成一个子图像。因此，可以基于与多个组合数据集相对应的多个完整K空间数据集来生成多个子图像。图像重建模块440可以通过使用重建技术组合子图像来生成图像。示例性重建技术可以包括SoS重建、最优阵列重建等。
应当注意，对用于生成具有减少的或不具有奈奎斯特Ghost伪像的图像的过程的以上描述是为了解说的目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。在一些实施例中，可以利用一维(1D)傅立叶逆变换来处理k空间以确定中间空间。中间空间可以在k空间和图像空间之间。可以利用1D傅立叶逆变换来处理k空间数据集以生成一个或多个中间空间数据集。中间空间数据集可以对应于k空间数据集。中间空间数据集可以用于处理以生成具有减少的或不具有奈奎斯特Ghost伪像的图像。
在一些实施例中，用于生成图像(例如，MR图像)的另一示例性过程可包括以下操作中的一个或多个。可以通过使用成像设备(例如，MR成像设备)扫描对象来生成多个磁共振(MR)信号。可以使用成像设备的多个射频(RF)线圈来接收多个MR信号。可以通过将MR信号输入(也称为填充)到k空间中来获得多个测得k空间数据集，其中每个测得k空间数据集可以对应于该多个RF线圈中的一个。可以对多个测得k空间数据集执行一个或多个校正以获得多个经校正k空间数据集。可以基于多个经校正k空间数据集来重建与对象相关的图像。在一些实施例中，一个或多个校正可以包括以下操作中的一个或多个。可以基于多个测得k空间数据集来确定多个卷积核(参见例如操作901)。可以基于多个卷积核以及多个测得k空间数据集来生成多个合成k空间数据集(参见例如操作903)。可以基于多个合成k空间数据集和多个测得k空间数据集来生成多个经校正k空间数据集(参见例如操作905)。在一些实施例中，在确定多个卷积核之前，可以对多个测得k空间数据集执行线性或非线性校正(例如，线性或非线性初步校正)。线性或非线性校正可以是本公开中描述的任何1D校正或2D校正。在一些实施例中，多个卷积核的确定可以包括以下操作中的一个或多个。可以利用一维(1D)傅立叶逆变换处理多个测得k空间数据集以获得中间图像。可以基于该中间图像来确定多个卷积核。在一些实施例中，中间图像可以是与中间空间中的数据相对应的图像。
图7A和7B是解说根据本公开的一些实施例的填充到k空间中的示例性回波的示意图。图7A示出了k空间中所填充的理想回波。如图7A所示，回波之间(例如，回波1到回波7)可能没有不一致。具体地，回波(例如，回波1到回波7)可以沿着读出方向(Kx)和相位编码方向(Ky)两者都具有相同的涡电流感应相位(例如，Φ)和延迟。相应地，基于图7A中所示的k空间数据重建的图像可以不包括奈奎斯特Ghost伪像。图7B示出了k空间中所填充的包括不一致的回波。在一些实施例中，图7B所示的回波可由EPI生成。EPI是一种双极读出扫描技术。梯度脉冲序列可用于EPI扫描。梯度脉冲序列可以包括在读出方向(即，图7B中的Kx方向)上连续交替极性的一连串梯度脉冲，以及在相位编码方向(即，图7B中的Ky方向)上的一连串梯度脉冲。EPI扫描可以产生对应的一连串或一系列梯度回波(也称为相继MR信号)。回波可以基于它们在回波串列中的相应位置而被指定为“奇”(例如，图7B中的回波1、回波3、回波5和回波7)或“偶”(例如，图7B中的回波2、回波4和回波6)。可以分别利用相反的读出梯度极性来采集奇回波和偶回波。相应地，对应于MR信号的MR数据可以以环形方式被填充到k空间中，并且可以在k空间中生成环形回波。然而，由于具有不同极性、移位等的梯度磁场的高速切换所感生的涡电流，可能生成奇回波和偶回波之间的不一致。k空间数据的不一致可能进而导致重建的图像中的奈奎斯特Ghost伪像。如图7B所示，不一致可以包括不同的相位(例如，Φ1和Φ2)、沿着读出方向的延迟(例如，ΔKx)以及沿着相位编码方向的移位(例如，ΔKy)。在一些实施例中，可以通过执行一维(1D)校正来至少在一定程度上校正沿着Kx方向的不同相位和延迟。然而，在重建的图像中可能仍存在伪像(如图11A和11B所示)。可以执行二维(2D)校正以减少或移除奈奎斯特Ghost伪像。本公开中描述的2D校正技术(参见例如图6和图9)可以基本上消除奈奎斯特Ghost伪像(如图11C和11D所示)。应当注意，本公开中描述的2D校正技术可以在不使用额外校准数据或参考数据的情况下消除或减少偶回波和奇回波之间的相位差。
应当注意，以上解说的k空间中的回波是为了解说的目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。例如，回波可以只包括沿着读出方向上的差异。
图8是解说根据本公开的一些实施例的用于执行对测得数据集的初步校正的示例性过程800的流程图。在一些实施例中，在图8中解说的用于执行初步校正的过程800的一个或多个操作可以在图1中所解说的MRI系统100中实现。例如，图8中所解说的过程800可按指令的形式被存储在存储设备150中、并由处理设备140(例如，如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。作为另一示例，过程800的一部分可以在MRI扫描仪110上实现。在一些实施例中，图6所示的操作620可以根据过程800执行。下面给出的所示过程的操作是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成该过程，和/或在没有所讨论的一个或多个操作的情况下来完成该过程。另外，图8所示的过程的操作顺序及下文描述的并不旨在构成限定。
在一些实施例中，初步校正可以包括用于减少奇偶回波之间的不一致的一维(1D)校正。一般而言，1D校正可校正沿着读出方向上的相位和延迟(例如，图7B中的不同相位Φ1和Φ2以及ΔKx)。在1D校正后，经预处理数据集可被用于生成组合数据集。仅仅作为示例，1D校正技术在下文中描述。
在801中，可获得一个或多个参考回波。操作801可由数据预处理模块420来执行。在一些实施例中，数据预处理模块420可以经由数据采集模块410获得与参考回波有关的数据。参考回波可以是在没有进行相位编码的情况下检测到的回波。在一些实施例中，参考回波的数量可以是三个，包括两个偶回波和一奇回波(例如，第一偶回波、第二奇回波和第三偶回波)。在一些实施例中，参考回波的数量可以是四个，包括两个偶回波和两个奇回波。
在803中，可以基于在801中获得的参考回波来确定一个或多个校正参数。操作803可由数据预处理模块420来执行。校正参数可以涉及参考回波的一个或多个相位偏差、一个或多个相位偏转、一个或多个相位偏移等。可以基于沿着读出方向的1D傅立叶逆变换之后的参考回波的相位差来确定校正参数。例如，如果参考回波的数量是三个，则相位差可以指偶回波和奇回波(例如，第一偶回波和第二奇回波，第二奇回波和第三偶回波)之间的相位差。在一些实施例中，数据预处理模块420可以沿着读出方向对参考回波执行1D傅里叶逆变换。数据预处理模块420可以确定经变换的参考回波的相位差。
在805中，可以基于在803中确定的校正参数来校正测得数据集。操作805可由数据预处理模块420来执行。在一些实施例中，数据预处理模块420可以沿着读出方向对测得数据集执行1D傅立叶逆变换以生成一个或多个中间数据集。数据预处理模块420可以基于校正参数来校正中间数据集。
应当注意，以上对用于对测得数据集执行1D校正的过程800的描述是出于说明的目的而提供的，并且不旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。在一些实施例中，可以基于参考回波和读出位置来确定拟合模型。测得数据集可基于该拟合模型来校正。1D校正的更多描述可以在例如2013年3月6日提交的题为“METHOD FOR RECONSTRUCTINGIMAGE PRODUCED BY ECHO PLANAR IMAGING SEQUENCE(用于重建由平面回波成像序列产生的图像的方法)”的中国专利No.104035059和2014年2月21日提交的题为“METHOD ANDDEVICE FOR ECHO PLANAR IMAGING(用于平面回波成像的方法和设备)”的中国专利No.104865545中找到，每一者的内容通过引用结合于此。
图9是根据本公开的一些实施例的用于生成一个或多个组合数据集的示例性过程900的流程图。在一些实施例中，在图9中解说的用于生成组合数据集的过程900的一个或多个操作可以在图1中所解说的MRI系统100中实现。例如，图9中所解说的过程900可按指令的形式被存储在存储设备150中、并由处理设备140(例如，如图2中所解说的计算设备200的处理器210、如图3中所解说的移动设备300的CPU 340)调用和/或执行。作为另一示例，过程900的一部分可以在MRI扫描仪110上实现。在一些实施例中，图6所示的操作630可以根据过程900执行。下面给出的所示过程的操作是说明性的。在一些实施例中，可以结合未描述的一个或多个附加操作来完成该过程，和/或在没有所讨论的一个或多个操作的情况下来完成该过程。另外，图9所示并在下文描述的过程的操作次序并不旨在构成限定。
在901中，可以基于在610中获得的测得数据集或在620中生成的经预处理数据集来确定一个或多个卷积核。操作901可以由卷积核确定单元502执行。在一些实施例中，卷积核可以在k空间中确定。替换地或附加地，卷积核可以在k空间和图像空间之间的中间空间中确定。在一些实施例中，卷积核确定单元502可以确定用于对应数据集(例如，测得数据集或经预处理数据集)或对应通道的一个卷积核。在一些实施例中，每个测得数据集或每个经预处理数据集可以具有相应的卷积核。仅作为示例，如果存在9个通道(即，9个对应数据集)，则卷积核确定单元502可以确定9个卷积核。在一些实施例中，卷积核确定单元502可以基于一个或多个对应数据集(例如，所有9个对应数据集或9个通道)来确定一个卷积核。在一些实施例中，每一个卷积核可涉及所有测得数据集或经预处理数据集。例如，卷积核确定单元502可以基于从第一通道和一个或多个其他通道(例如，从所有通道)获得的数据集来确定第一通道的第一卷积核。作为另一示例，卷积核确定单元502可以基于从第二通道以及一个或多个其他通道(例如，从所有通道)获得的数据集来确定第二通道的第二卷积核。在一些实施例中，多个通道或相应数据集的卷积核可以彼此不同。例如，至少两个卷积核的元素的值可以是不同的。作为另一示例，至少两个卷积核的大小可以不同。作为另一示例，至少两个卷积核的形状可以不同。
在一些实施例中，卷积核确定单元502可以基于一个或多个对应数据集(例如，所有对应数据集)的一部分来生成卷积核。在一些实施例中，对应数据集的该部分可以位于对应数据集的任何位置(例如，中心区域、靠近对应数据集的边缘的区域)。在一些实施例中，所有对应的数据集可被用于生成卷积核。在一些实施例中，卷积核的一个或多个元素的值可以通过在k空间(或中间空间)中滑动卷积核并使用支持范围内的数据点来拟合每个目标点(参见例如图10A中的点T)来确定。目标点可以指代在支持范围的中心处的已知点(例如，测得(或经预处理)数据集中的已知点)。在一些实施例中，如果至少一个对应数据集(例如，对应的测得数据集或经预处理数据集)是或包括经部分填充的k空间数据集，则卷积核确定单元502可以基于包括来自经部分填充的k空间数据的相对密集的数据的区域来生成卷积核。。在一些实施例中，如果经部分填充的k空间数据不是均匀分布的并且存在相对密集的区域，则卷积核确定单元502可以基于经部分填充的k空间数据集中的相对密集的区域来生成卷积核。如这里所使用的，“包括相对密集的数据的区域”可以指示该区域包括填充有比经部分填充的k空间的另一区域更大量的k空间数据的区域。例如，如果加速因子是2并且经填充的k空间数据不是均匀分布的，则卷积核确定单元502可以沿着读出方向和相位编码方向选择包含相对密集的k空间数据的矩阵。加速因子可以涉及数据采样率。例如，如果加速因子是2，则可以仅采样一半数据，相应地采样时间可以被减半。如本文所使用的，经部分填充的k空间数据被均匀分布可以指示对应于经部分填充的k空间数据的奇回波和/或偶回波之间的ky间隔(即，ky方向上的间隔)基本相同。对于均匀分布的数据，对应于经部分填充的k空间数据的奇回波和/或偶回波之间的第一ky间隔和第二ky间隔之间的差别可以小于与ky间隔有关的阈值。如本文所使用的，经部分填充的k空间数据未被均匀分布可以指示对应于经部分填充的k空间数据的奇回波和/或偶回波之间的ky间隔基本不相同。对于不均匀分布的数据，对应于经部分填充的k空间数据的奇回波和/或偶回波之间的第一ky间隔和第二ky间隔之间的差别可以不小于与ky间隔有关的阈值。
在一些实施例中，可以通过基于核函数和对应数据集的一个或多个数据点进行数据拟合来确定卷积核。出于解说目的，示例性核函数可被表达为式(1)：
Sl(kx，ky)＝∑l，p，qn(l，kx-pΔkx，ky-qΔky)Sl(l，kx-pΔkx，ky-qΔky) (1)
其中Sl(kx,ky)可以表示通道l(或k空间数据集)中的点(kx,ky)得测得数据或经预处理数据；l可以表示通道号；(kx,ky)可以表示k空间中的数据点；p可以表示沿读出(kx)方向的位置；q可以表示沿相位编码(ky)方向的位置；并且n可以表示通道l(或k空间数据集)的权重。
如式(1)所示，在确定卷积核时，权重n是未知的，并且其他参数是已知的。通过执行数据拟合，可以确定权重n。在一些实施例中，可以基于最小二乘拟合技术来执行数据拟合。在一些实施例中，可以确定一个或多个权重以形成卷积核。
在903中，可以基于卷积核和测得数据集或经预处理数据集来生成一个或多个合成数据集。操作903可以由合成数据生成单元504执行。可以在k空间或中间空间中确定合成数据集。合成数据集可以涉及对应的卷积核以及一个或多个测得数据集或经预处理数据集(例如，所有测得(或经预处理)数据集)。在一些实施例中，可以基于对应的卷积核与测得(或经预处理)数据集(例如，所有测得(或经预处理)数据集)的卷积来确定合成数据集。例如，对于具有3×3×C(C是通道数)大小的卷积核(例如，图10B中的卷积核1012)，对应于卷积核1012的合成数据集(例如，图10C中的合成数据集1022)可以通过使用卷积核1012遍历这些数据集(例如，测得(或经预处理)数据集)来生成。在一些实施例中，可以生成一个或多个合成数据集，其中可以基于测得(或经预处理)数据集和对应的卷积核来生成每个合成数据集。例如，如果存在9个通道(即，9个对应的测得数据集或经预处理数据集)，则合成数据生成单元504可以生成9个合成数据集。
在一些实施例中，如果测得数据集或经预处理数据集包括完整K空间数据集，则对应的合成数据集可以是基本上完全的k空间数据集。在一些实施例中，如果测得数据集或经预处理数据集包括经部分填充的k空间数据集，则对应的合成数据集仍可以是经部分填充的k空间数据集。在一些实施例中，合成数据生成单元504可以同时或按顺序生成合成数据集。
在905中，可以基于合成数据集以及测得数据集或经预处理数据集来生成一个或多个组合数据集。操作905可以由组合数据生成单元506执行。可以在k空间或中间空间中确定组合数据集。组合数据集可以涉及对应的合成数据集和对应的测得(或经预处理)数据集。在一些实施例中，如果合成数据集包括完整K空间数据集，则对应的组合数据集可以仍然是完整K空间数据集。在一些实施例中，如果合成数据集包括经部分填充的k空间数据集，则对应的组合数据集可以仍然是经部分填充的k空间数据集。在一些实施例中，可以基于对应的合成数据集和对应的测得(或经预处理)数据集的线性或非线性组合来生成组合数据集。在一些实施例中，可以基于松弛迭代算法或任何其他优化算法来实现对应的合成数据集与对应的测得(或经预处理)数据集的组合。
仅作为示例，对于每个合成数据集和对应的测得(或经预处理)数据集，组合数据生成单元506可以确定一个或多个加权因子(或权重)。组合数据生成单元506可以基于加权因子，对应的合成数据集和对应的测得(或经预处理)数据集来确定组合数据集。例如，组合数据生成单元506可以基于加权因子来确定对应的合成数据集和对应的测得(或经预处理)数据集的加权和。在一些实施例中，不同k空间数据集的加权因子可以相同或不同。在不同的迭代中，加权因子可以保持相同或改变。在一些实施例中，可以基于在两次或更多次连贯迭代中生成的组合数据集之间的差异来改变或调整加权因子。
在907中，可以确定组合数据集是否满足条件。操作907可由判断单元510来执行。在一些实施例中，条件可以涉及在两次或更多次连贯迭代中生成的组合数据集之间的差异。判断单元510可以确定该差异是否大于第一阈值。响应于确定差异大于第一阈值，判断单元510可以确定要执行下一次迭代，并且该过程可继续至909。响应于确定差异低于或等于第一阈值，判断单元510可以确定要终止迭代，并且该过程可继续至911。在一些实施例中，条件可以涉及表示已经执行的迭代次数的迭代计数。判断单元510可以确定迭代计数是否大于第二阈值。响应于确定迭代计数低于第二阈值，判断单元510可以确定要执行下一次迭代，并且该过程可继续至909。响应于确定迭代计数大于或等于第二阈值，判断单元510可以确定要终止迭代，并且该过程可继续至911。在一些实施例中，可以根据实际情况预先确定第一阈值和第二阈值。第一阈值和/或第二阈值可以是处理设备140的默认设置的一部分，或者可以由用户(例如，医生)设置或调整。
在909中，组合数据集可以被指定为测得数据集或经预处理数据集。操作909可由数据更新单元508来执行。在执行下一次迭代之前，数据更新单元508可以将组合数据集指定为测得(或经预处理)数据集。然后该过程可继续至901，并且可执行下一次迭代。在每一次迭代中，测得数据集或经预处理数据集、合成数据集和/或组合数据集可被更新。此外，卷积核中的点可以在不同的迭代中被更新。应当注意，对于同一通道在不同迭代中生成的卷积核可以相同或不同。例如，卷积核的元素的值可以是不同的。作为另一示例，卷积核的大小可以相同或不同。作为另一示例，卷积核的形状可以相同或不同。
在911中，可获得最后生成的组合数据集。在一些实施例中，最后生成的组合数据集可以被存储在存储设备150中或用于进一步处理。在一些实施例中，可以由图像重建模块440获得最后生成的组合数据集以用于重建图像。
应当注意，对用于生成组合数据集的过程的以上描述仅仅是为了解说的目的而提供的，而并非旨在限定本公开的范围。对于本领域普通技术人员而言，可在本公开的教导下作出多种变型和修改。然而，那些变型和修改并不脱离本公开的范围。在一些实施例中，操作901至909可以在k空间中执行。在一些实施例中，操作901至909可以在中间空间中执行。
图10A-10D是解说根据本公开的一些实施例的示例性测得数据集、示例性卷积核、示例性合成数据集以及示例性组合数据集的示意图。多个通道的测得数据集可以在图10A中示出。如图10A所示，第一测得数据集1001可以从第一通道获得。第二测得数据集1002可以从第二通道获得。第三测得数据集1003可以从第三通道获得。如图10A所示，测得数据集可具有多个回波之间的第一不一致。每一个测得数据集可包括多个数据点。第一测得数据集1001可以是和/或包括完整K空间数据集或经部分填充的k空间数据集。第二测得数据集1002可以是和/或包括完整K空间数据集或经部分填充的k空间数据集。第三测得数据集1003可以是和/或包括完整K空间数据集或经部分填充的k空间数据集。如图10A中所示，数据点可能在相位编码方向上未对齐，并且相应地在测得数据集的偶回波和奇回波之间可能存在不一致。例如，不同回波中的第一测得数据集1001中的数据点P1、数据点P2和数据点P3在相位编码方向上未对齐。
图10B示出了包含多个通道的示例性卷积核1012。卷积核1012可对应于测得数据集1002。卷积核1012可基于一个或多个测得(或对应的经预处理)数据集(例如，所有测得(或对应的经预处理)数据集)以及核函数(例如，式(1))来生成。例如，可以使用卷积核1012的支持范围(例如，由图10A中的具有虚线框的长方体指示的支持范围1005)内的数据点以及核函数(例如，式(1))来拟合目标点(例如，第二测得数据集1002中的点T)。如图10B所示，卷积核1012的实心点可以指示由基于第一测得数据集1001、第二测得数据集1002和第三测得数据集1003中的对应数据点的数据拟合来确定的元素。在一些实施例中，卷积核1012的空心点可以指示不存在元素。
应注意，在一些实施例中，支持范围内的数据点的一部分可以在数据拟合中被用来确定卷积核的一个或多个元素。例如，第二行1007、第二行1010和第二行1014可以不在数据拟合中被用来确定卷积核1012的元素(在图10B中示为实心点)。如图10A所示，第一测得数据集1001的第一组数据、第二测得数据集1002的第二组数据和第三测得数据集1003的第三组数据可被用于数据拟合。第一组数据可以包括支持范围1005内的第一行1006中的三个数据点和支持范围1005内的第三行1008中的三个数据点。第二组数据可以包括支持范围1005内的第一行1009中的三个数据点和支持范围1005内的第三行1011中的三个数据点。第三组数据可以包括支持范围1005内的第一行1013中的三个数据点和支持范围1005内的第三行1015中的三个数据点。在一些实施例中，支持范围1005内的第一测得数据集1001的第二行1007中的数据点、支持范围1005内的第二测得数据集1002的第二行1010中的数据点，以及支持范围1005内的第二测得数据集1003的第二行1014中的数据点可以不被用于数据拟合。在一些实施例中，如果支持范围1005内的第一测得数据集1001的第二行1007中的数据点、支持范围1005内的第二测得数据集1002的第二行1010中的数据点，以及支持范围1005内的第二测得数据集1003的第二行1014中的数据点在数据拟合中被使用，则可以在空心点处将对应元素添加到卷积核1012中，并且因此可以将空心点转换为实心点。
类似地，可以通过遍历测得(或对应的经预处理)数据集(例如，所有测得(或对应的经预处理)数据集)来使用支持范围内的数据点拟合测得(或对应的经预处理)数据集(例如，测得数据集1002)中的一个或多个目标点。可以基于最小二乘拟合技术来执行数据拟合，并且可以确定一个或多个权重。因此，可以基于由数据拟合生成的权重来确定卷积核1012。类似地，可确定对应于测得数据集1001(或对应的经预处理数据集)的第一卷积核(图10B中未示出)和/或对应于测得数据集1003(或对应的经预处理数据集)的第三卷积核(图10B中未示出)。
图10B中所示的具有2×3(省略了通道维度)大小或3×3×3(或为简明起见是3×3)的卷积核1012仅仅是示例，并且卷积核1012可以具有其他大小和/或形状。例如，卷积核可以具有3×4×3(或为简明起见是3×4)大小、4×2×3(或为简明起见是4×2)大小等。在一些实施例中，用于不同通道的卷积核可以具有不同的大小。例如，第一卷积核可以具有3×3×3(或为简明起见是3×3)大小，第二卷积核可以具有5×7×3(或为简明起见是5×7)大小，第三卷积核可以具有7×3×3(或为简明起见是7×3)大小。
如图10C所示，可以基于测得(或经预处理)数据集(例如，第一测得数据集1001、第二测得数据集1002和第三测得数据集1003)与卷积核1012的卷积来生成第二合成数据集1022。在每个卷积中，可以基于卷积核1012的所有元素(例如，图10B中被示为实心点的数据点)与第一测得数据集1001、第二测得数据集1002和第三测得数据集1003中的对应元素(例如，支持范围1005内的除了第二行1007、第二行1010和第二行1014之外的元素)的加权和来确定第二合成数据集1022中的对应于卷积核1012的中心(例如，图10中所示的点A)的数据点(例如，图10C中所示的点B)。可以通过遍历第一测得数据集1001、第二测得数据集1002和第三测得数据集1003中的卷积核1012来确定第二合成数据集1022中的所有数据点。当卷积核1012遍历测得(或经预处理)数据集时，可以通过使用由卷积核1012提供的权重对支持范围中的所有数据点求和来确定合成数据集1022。类似地，第一合成数据集1021和第三合成数据集1023可以基于测得(或经预处理)数据集(例如，第一测得数据集1001、第二测得数据集1002、第三测得数据集1003)和对应的卷积核(例如，图10B中未示出的第一卷积核和第三卷积核)的卷积来确定。如图10C所示，合成数据集可具有多个回波之间的第二不一致。第二不一致可以与第一不一致不同。
如图10D所示，可以基于第一测得数据集1001(或对应的经预处理数据集)与第一合成数据集1021的组合来生成第一组合数据集1031。可以基于第二测得数据集1002(或对应的经预处理数据集)与第二合成数据集1022的组合来生成第二组合数据集1032。可以基于第三测得数据集1003(或对应的经预处理数据集)与第三合成数据集1023的组合来生成第三组合数据集1033。如图10D所示，在通过组合测得数据集和合成数据集获得的组合数据集中，该(些)组合数据集中的不一致可以基本上得到消除。应当注意，测得数据集(或合成数据集或组合数据集)仅仅是示例，并不旨在限制本公开的范围。例如，数据集(或通道)的数量可以是大于1的任何整数。作为另一示例，奇偶行不一致可具有其他形式，例如，总相位差和沿相位编码方向和/或读出方向的移位等。作为又一示例，图10A中示出的测得数据集可以用经预处理数据集替换，并且可以类似地生成组合数据集。
图11A和11B是通过1D校正处理的具有不同亮度的示例性图像。在重建图像之前，通过根据图8的过程800执行一维校正来校正测得数据集。图11B中的图像具有比图11A更高的亮度。如图11B所示，可以在该图像中看到奈奎斯特Ghost伪像。
图11C和11D是通过2D校正处理的具有不同亮度的示例性图像。在图像重建之前，通过根据图8的过程800执行1D校正并根据图9的过程900执行2D校正来校正测得数据集。图11D中的图像具有比图11C更高的亮度。如图11D所示，该图像包括减少的奈奎斯特Ghost伪像或者没有奈奎斯特Ghost伪像，是清晰可见的。
既已描述了基本概念，对本领域技术人员来说在阅读本详细公开之后十分显然的是，之前的详细公开旨在仅作为示例来给出，而并不构成限定。各种变更、改善和修改可发生并且为本领域技术人员所预期，尽管未在本文中明确陈述。这些变更、改善和修改旨在为本公开所建议，并且落在本公开的示例性实施例的精神和范围之内。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档、物件等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种在计算设备上实现的方法，所述计算设备具有至少一个处理器、至少一个计算机可读存储介质以及连接到成像设备的通信端口，所述成像设备包括用于接收多通道磁共振(MR)信号的多个射频(RF)线圈，所述方法包括：
a)获得多个测得数据集；
b)基于所述多个测得数据集来在数据空间中确定多个卷积核，每一个卷积核与所述多个测得数据集相关，每一个卷积核用于生成单个通道MR信号；
c)基于所述多个卷积核以及所述多个测得数据集来在所述数据空间中生成多个合成数据集，其中每一个合成数据集是基于所述多个测得数据集中的一者或多者以及所述多个卷积核中的相应卷积核来生成的，并且其中每一个合成数据集以及相应卷积核对应于同一通道；
d)基于所述多个合成数据集以及所述多个测得数据集来在所述数据空间中生成多个组合数据集，每一个组合数据集与所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集相关；以及
e)基于所述多个组合数据集来重建图像。
2.如权利要求1所述的方法，其特征在于，所述多个测得数据集使用所述成像设备通过平面回波成像(EPI)来生成，每一个测得数据集对应于由RF线圈接收到的单个通道MR信号。
3.如权利要求1所述的方法，其特征在于，进一步包括：
执行多次迭代，并且在每一次当前迭代中，
将前一次迭代中生成的所述多个组合数据集指定为所述多个测得数据集；
重复b)–d)以更新所述多个组合数据集；以及
确定在当前迭代中生成的多个经更新的组合数据集是否满足终止准则。
4.如权利要求1所述的方法，其特征在于，所述多个测得数据集中的至少一个测得数据集包括经部分填充的k空间数据集，重建图像包括：
对于包括经部分填充的k空间数据集的每一个测得数据集，基于所述多个组合数据集的至少一部分来填充对应的组合数据集以重建完整K空间数据集；以及
用傅立叶逆变换来处理对应于所述多个组合数据集的多个完整K空间数据集以生成所述图像。
5.如权利要求1所述的方法，其特征在于，所述数据空间是k空间与图像空间之间的中间空间，所述方法进一步包括：
通过用一维(1D)傅立叶逆变换处理k空间来确定所述中间空间。
6.如权利要求1所述的方法，其特征在于，生成多个组合数据集包括：
基于多个加权因子来确定所述多个合成数据集与所述多个测得数据集的加权和以获得所述多个组合数据集，其中每一个组合数据集基于所述多个加权因子的一部分、所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集来确定。
7.一种磁共振成像(MRI)的方法，包括：
通过使用成像设备扫描对象来生成多个磁共振(MR)信号；
使用所述成像设备的多个射频(RF)线圈来接收所述多个MR信号；
通过将所述MR信号输入到k空间中来获得多个测得k空间数据集，每一个测得k空间数据集对应于所述多个RF线圈之一；
对所述多个测得k空间数据集执行一次或多次校正以获得多个经校正k空间数据集；以及
基于多个经校正的k空间数据集来重建与所述对象相关的图像，其中所述一次或多次校正包括：
基于所述多个测得k空间数据集来确定多个卷积核；
基于所述多个卷积核以及所述多个测得k空间数据集来生成多个合成k空间数据集；以及
基于所述多个合成k空间数据集以及所述多个测得k空间数据集来生成所述多个经校正k空间数据集。
8.如权利要求7所述的方法，其特征在于，确定多个卷积核包括：
用一维(1D)傅立叶逆变换处理所述多个测得k空间数据集以获得中间图像；以及
基于所述中间图像来确定所述多个卷积核。
9.一种系统，包括：
存储指令集的至少一个存储介质；
与所述至少一个存储介质通信的至少一个处理器；以及
连接到成像设备的通信端口，所述成像设备包括用于接收多通道磁共振(MR)信号的多个射频(RF)线圈，其中在执行所述指令集时所述至少一个处理器被配置成使所述系统：
a)获得多个测得数据集；
b)基于所述多个测得数据集来在数据空间中确定多个卷积核，每一个卷积核与所述多个测得数据集相关，每一个卷积核用于生成某一通道MR信号；
c)基于所述多个卷积核以及所述多个测得数据集来在所述数据空间中生成多个合成数据集，其中每一个合成数据集基于所述多个测得数据集中的一者或多者以及所述多个卷积核中相应卷积核来生成，并且其中每一个合成数据集以及该卷积核对应于同一通道；
d)基于所述多个合成数据集以及所述多个测得数据集来在所述数据空间中生成多个组合数据集，每一个组合数据集与所述多个合成数据集之一以及所述多个测得数据集中的对应的测得数据集相关；以及
e)基于所述多个组合数据集来重建图像。
10.如权利要求9所述的系统，其特征在于，所述多个测得数据集中的每一个测得数据集包括完整K空间数据集，或者所述多个测得数据集中的至少一个测得数据集包括经部分填充的k空间数据集。
CN201811081826.XA 2017-09-15 2018-09-17 用于减少奈奎斯特Ghost伪像的系统和方法 Active CN109345605B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/705,460 US10557907B2 (en) 2017-09-15 2017-09-15 System and method for reducing nyquist ghost artifact
US15/705,460 2017-09-15

Publications (2)

Publication Number Publication Date
CN109345605A true CN109345605A (zh) 2019-02-15
CN109345605B CN109345605B (zh) 2022-11-25

Family

ID=65305694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811081826.XA Active CN109345605B (zh) 2017-09-15 2018-09-17 用于减少奈奎斯特Ghost伪像的系统和方法

Country Status (2)

Country Link
US (1) US10557907B2 (zh)
CN (1) CN109345605B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10823805B2 (en) * 2017-09-21 2020-11-03 Centre National De La Recherche Scientifique (Cnrs) Method and magnetic resonance apparatus for image reconstruction with trimmed autocalibrating k-space estimation based on structured matrix completion
US11010642B2 (en) * 2019-03-28 2021-05-18 General Electric Company Concurrent image and corresponding multi-channel auxiliary data generation for a generative model
CN114169497A (zh) * 2021-11-23 2022-03-11 北京大觥科技有限公司 基于卷积神经网络模型的特征提取方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080297152A1 (en) * 2007-06-04 2008-12-04 Brau Anja C S System and method of parallel imaging with calibration to a separate coil
CN104166113A (zh) * 2013-12-31 2014-11-26 上海联影医疗科技有限公司 磁共振图像重建方法及装置
CN106471389A (zh) * 2014-07-03 2017-03-01 皇家飞利浦有限公司 在多激发mri中由于激发间运动造成的伪影的降低

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7710115B2 (en) 2007-09-14 2010-05-04 The Board Of Trustees Of The Leland Stanford Junior University Independent phase modulation for efficient dual-band 3D imaging
DE102009014054B4 (de) 2009-03-19 2011-06-09 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Steuerung eines Ablaufs einer MR-Messung bei einer Magnetresonanzanlage
US8405395B2 (en) 2010-04-15 2013-03-26 The General Hospital Corporation Method for simultaneous multi-slice magnetic resonance imaging
DE102011005726B4 (de) 2011-03-17 2012-12-27 Siemens Aktiengesellschaft Einstellung von mindestens einem Shimstrom und einer zugehörigen RF-Mittenfrequenz in einem Magnetresonanzgerät während einer verschachtelten Mehrschicht-MR-Messung eines bewegten Untersuchungsobjekts
CN106030329B (zh) * 2013-12-12 2019-09-27 皇家飞利浦有限公司 使用多回波分段k空间采集的MR成像方法
US10061005B2 (en) 2014-04-25 2018-08-28 Siemens Healthcare Gmbh Apparatus and method for multi-band MR imaging
WO2016171759A1 (en) 2015-04-20 2016-10-27 The General Hospital Corporation Systems and methods for slice dithered enhanced resolution simultaneous multislice magnetic resonance imaging
DE102015219932B4 (de) 2015-09-30 2019-06-06 Siemens Healthcare Gmbh Beschleunigte Aufnahme von Magnetresonanzdaten
US10261153B2 (en) 2015-10-15 2019-04-16 Siemens Healthcare Gmbh Magnetic resonance apparatus and method for simultaneous multi-contrast acquisition with simultaneous multislice imaging

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080297152A1 (en) * 2007-06-04 2008-12-04 Brau Anja C S System and method of parallel imaging with calibration to a separate coil
CN104166113A (zh) * 2013-12-31 2014-11-26 上海联影医疗科技有限公司 磁共振图像重建方法及装置
CN106471389A (zh) * 2014-07-03 2017-03-01 皇家飞利浦有限公司 在多激发mri中由于激发间运动造成的伪影的降低

Also Published As

Publication number Publication date
US20190086498A1 (en) 2019-03-21
CN109345605B (zh) 2022-11-25
US10557907B2 (en) 2020-02-11

Similar Documents

Publication Publication Date Title
US10902651B2 (en) Systems and methods for magnetic resonance image reconstruction
CN112881957B (zh) 用于磁共振成像的方法和系统
CN104583799B (zh) 基于快速图像采集的运动跟踪
US11494903B2 (en) Systems and methods for image data acquisition
CN109658471A (zh) 一种医学图像重建方法和系统
CN110249365A (zh) 用于图像重建的系统和方法
CN109345605A (zh) 用于减少奈奎斯特Ghost伪像的系统和方法
US10818044B2 (en) Systems and methods for magnetic resonance image reconstruction
US20220268866A1 (en) System and method for magnetic resonance imaging acceleration
US11315252B2 (en) Systems and methods for magnetic resonance image reconstruction
WO2019222897A1 (en) System and method for multi-contrast magnetic resonance imaging
US10706510B2 (en) Systems and methods for phase unwrapping
US20210011104A1 (en) Systems and methods for magnetic resonance imaging
CN106680750B (zh) 磁共振匀场图像获取方法、匀场方法及磁共振系统
US10935619B2 (en) Method, device and MRI system for correcting phase shifts
US11776171B2 (en) Systems and methods for magnetic resonance image reconstruction
US11372071B2 (en) Method and system for diffusion magnetic resonance imaging
US10890640B2 (en) Systems and methods for signal representation determination in magnetic resonance imaging
Mittmann et al. Performing real-time interactive fiber tracking
US20190046131A1 (en) Systems and methods for determining a target position of a scanning table
CN110226100A (zh) 用于磁共振成像的系统和方法
US20220262001A1 (en) Systems and methods for magnetic resonance image reconstruction
CN107561466B (zh) 核磁共振成像射频脉冲生成方法、系统和计算机可读媒介
US20200302605A1 (en) Systems and methods for noise analysis
US20190101608A1 (en) Systems and methods for modifying excitation radio frequency pulse

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
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant