CN109658468A - 磁共振参数成像方法、装置、设备及存储介质 - Google Patents
磁共振参数成像方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109658468A CN109658468A CN201811518375.1A CN201811518375A CN109658468A CN 109658468 A CN109658468 A CN 109658468A CN 201811518375 A CN201811518375 A CN 201811518375A CN 109658468 A CN109658468 A CN 109658468A
- Authority
- CN
- China
- Prior art keywords
- image
- compensated
- intermediate image
- current
- initial pictures
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明实施例公开了一种磁共振参数成像方法、装置、设备及存储介质,该方法包括:将获取的磁共振数据转换至图像域以得到初始图像,基于双指数弛豫模型和初始图像确定当前补偿系数;基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,将补偿后的初始图像输入L+S模型,根据L+S模型在迭代过程中生成的当前中间图像更新当前补偿系数,利用更新后的当前补偿系数对当前中间图像进行补偿以生成用于下一次迭代的补偿后的中间图像,迭代收敛,将最后一次迭代生成的中间图像作为参数加权图像;采用双指数弛豫模型对参数加权图像进行非线性拟合。解决了现有技术的磁共振参数成像方法存在不能同时兼顾成像速度与成像质量的技术问题。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种磁共振参数成像方法、装 置、设备及存储介质。
背景技术
近年来,由于旋转坐标系下的纵向弛豫(spin-lattice relaxation in therotating frame,T1ρ)在骨关节炎中的软骨退变、膝盖软骨损伤、椎间盘退变、肝纤维化 以及一些脑相关疾病诊断上的有效性,受到了临床上的广泛关注。在进行T1ρ定 量成像时,为了获得较高质量的T1ρ参数图,通常一次扫描需要采集多幅不同自 旋锁定时间(spin-locktime,TSL)的图像,因此其扫描时间往往很长。
为了加快扫描速度,减少扫描时间,现有技术要么减少TSL的数量,要么 采用快速成像技术。由于T1ρ参数图是由T1ρ加权图像确定的,那么对于前者,由 于TSL的减少,导致T1ρ参数加权图像数量减少,进而导致T1ρ参数图的精度降 低,即导致定量精度的降低;对于后者,目前商用的快速成像技术主要是并行 成像(如敏感度编码(SENSE)、广义自动校准部分并行采集(GRAPPA)等), 由于受并行成像列阵线圈的限制,加速倍数越高,其获得的T1ρ参数加权图像的 信噪比就越低,T1ρ参数图的质量的精度就越低,即定量精度就越低,因此并行成像的扫描速度通常仅能达到2-3倍。
综上所述,现有技术在参数成像方法很难同时兼顾成像速度与成像质量。
发明内容
本发明实施例提供了一种磁共振参数成像方法、装置、设备及存储介质, 以解决现有技术在参数成像方法存在很难同时兼顾成像速度与成像质量的技术 问题。
第一方面,本发明实施例提供了一种磁共振参数成像方法,包括:
以欠采方式获取目标对象的磁共振数据;
采用预设傅里叶变换将所述磁共振数据转换至图像域以得到初始图像,基 于双指数弛豫模型和所述初始图像确定当前补偿系数;
基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,将补偿 后的初始图像作为首次迭代的输入图像输入L+S模型(low-rank plus sparse,简 称L+S,即低秩加稀疏模型),根据L+S模型在图像重建过程中通过迭代生成 的当前中间图像更新当前补偿系数,并利用更新后的当前补偿系数对当前中间 图像进行补偿以生成输入下一次迭代过程的补偿后的当前中间图像,直至迭代 收敛,并将最后一次迭代所生成的中间图像作为参数加权图像;
采用所述双指数弛豫模型对所述参数加权图像进行非线性拟合以得到参数 图。
第二方面,本发明实施例还提供了一种磁共振参数成像装置,包括:
数据获取模块,用于以欠采方式获取目标对象的磁共振数据;
初始图像模块,用于采用预设傅里叶变换将所述磁共振数据转换至图像域 以得到初始图像,基于双指数弛豫模型和所述初始图像确定当前补偿系数;
参数加权图像确定模块,用于基于当前补偿系数对初始图像进行补偿以得 到补偿后的初始图像,将补偿后的初始图像作为首次迭代的输入图像输入L+S 模型,根据L+S模型在图像重建过程中通过迭代生成的当前中间图像更新当前 补偿系数,并利用更新后的当前补偿系数对当前中间图像进行补偿以生成输入 下一次迭代过程的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代 所生成的中间图像作为参数加权图像;
参数图确定模块,用于采用所述双指数弛豫模型对所述参数加权图像进行 非线性拟合以得到参数图。
第三方面,本发明实施例还提供了一种磁共振设备,所述磁共振设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多 个处理器实现如第一方面所述的磁共振参数成像方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质, 所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的磁 共振参数成像方法。
本发明实施例提供的磁共振参数成像方法的技术方案,以欠采方式获取目 标对象的磁共振数据,可以提高磁共振数据扫描的速度,采用预设傅里叶变换 将磁共振数据转换至图像域以得到初始图像,基于双指数弛豫模型和初始图像 确定当前补偿系数;基于当前补偿系数对初始图像进行补偿以得到补偿后的初 始图像,将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S 模型在图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利 用更新后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程 的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图 像作为参数加权图像;采用双指数弛豫模型对参数加权图像进行非线性拟合以 得到参数图。相较于单指数弛豫模型,双指数弛豫模型能更为准确地表示组织 随时间的变化趋势,尤其是对于存在着不同的质子组成部分且组成部分相互作 用的一些复杂的组织,用单指数模型来描述是不准确的,通过双指数弛豫模型 拟合得到的T1ρs参数图和T1ρl参数图可以更好地描述自由水质子和受束缚水质 子的相互作用,更有助于发掘T1ρ弛豫的底层生物物理机制。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所 需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的 一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下, 还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的磁共振参数成像方法的流程图;
图2是本发明实施例三提供的磁共振参数成像装置结构框图;
图3是本发明实施例四提供的磁共振设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例 中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述 的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施 例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例,都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的磁共振参数成像方法的流程图。本实施例的 技术方案适用于快速获取高质量的参数图的情况。该方法可以由本发明实施例 提供的磁共振参数成像装置来执行,该装置可以采用软件和/或硬件的方式实 现,并配置在处理器中应用。该方法具体包括如下步骤:
S101、以欠采方式获取目标对象的磁共振数据。
为了提高磁共振参数图的成像速度,本实施例基于稀疏采样理论,以欠采 方式获取目标对象的磁共振数据,具体为:由于参数图像往往需要采集多个TSL (spin locktime)时间点的T1ρ参数加权图像,对于小的TSL时间点,采集时采 用较小的加速倍数进行变密度加速采样,在稍后的较大的TSL时间点,采集时 采用较大的加速倍数进行变密度加速采样,从而获得欠采的K空间数据。另外, 频率编码方向的采样模板为全采样;相位编码方向的采样模板为变密度采样, 且相位编码-参数空间的采样数据符合压缩感知的随机采样理论。
S102、采用预设傅里叶变换将磁共振数据转换至图像域以得到初始图像, 基于双指数弛豫模型和初始图像确定当前补偿系数。
由于以欠采方式获取的磁共振数据在K空间中心部分为全采数据,为了快 速得到高精度的参数图,本实施例基于预设傅里叶变换将K空间中心部分的磁 共振数据转换至图像域以得到初始图像。其中,本实施例在初始图像的确定过 程不考虑线圈敏感度的影响。
初始图像确定后,基于双指数弛豫模型对初始图像进行非线性拟合,估计 初始的T1ρs参数和T1ρl参数,根据T1ρs参数和T1ρl参数得到初始补偿系数,并初 始化图像细节为空集。
S103、基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像, 将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S模型在 图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新 后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿 后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为 参数加权图像。
基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,然后基 于L+S模型对补偿后的初始图像进行图像重建,将图像重建中每次迭代生成的 图像命名为中间图像,将每个中间图像除以当前补偿系数以更新中间图像,基 于更新后的中间图像更新T1ρs参数和T1ρl参数,然后根据更新后的T1ρs参数和 T1ρl参数确定当前补偿系数。该循环过程具体为:基于当前补偿系数补偿当前中 间图像以得到补偿后的当前中间图像。将补偿后的当前中间图像作为下一次迭 代的输入图像,同时使用该下一次迭代生成的中间图像除以补偿系数得到更新 后的当前中间图像,重复上述过程,直至迭代收敛,将最后一次迭代所生成的 中间图像作为参数加权图像。
其中,L+S模型每对次迭代的输入图像执行的操作包括:对补偿后的当前 中间图像的低秩部分和稀疏部分别做奇异值阈值操作和软阈值操作,以得到更 新后的低秩部分和稀疏部分;然后根据更新后的低秩部分和稀疏部分确定当前 中间图像。
其中,对补偿后的当前中间图像的稀疏部分做软阈值操作,具体为:基于 当前的图像细节,对补偿后的当前中间图像的稀疏部分进行软阈值操作以更新 稀疏部分。稀疏部分更新后,将根据更新后的稀疏部分和更新后的低秩部分所 确定的图像除以补偿系数得到当前中间图像;通过迭代细节算子提取当前中间 图像的图像细节,以用于对补偿后的当前中间图像的稀疏部分做软阈值操作。
其中,对补偿后的当前中间图像的低秩部分做奇异值阈值操作,具体为:
其中,Lj为标号为j的补偿后的当前中间图像的低秩部分,SVT(·)表示 表示奇异值阈值操作算子,定义为:SVTλ(M)=UΛλ(Σ)VH,其中,M=UΣVH表示 奇异值分解(SVD),U和V分别为左、右奇异值向量组成的矩阵,VH表示V 的共轭转置,Σ是由M的奇异值组成的对角矩阵,Λλ(Σ)表示保留Σ中最大的奇 异值不变,其他全为0,Sj为标号为j的补偿后的当前中间图像的稀疏部分。
S104、采用双指数弛豫模型对参数加权图像进行非线性拟合以得到参数图。
得到参数加权图像后,采用双指数弛豫模型对参数加权图像进行非线性拟 合,得到T1ρs参数和T1ρl参数,进而得到T1ρs参数图和T1ρ1参数图。由于信号 组织通常是由相互作用的不同部分组成,且每个部分由不同的质子组成,因此, 相对于描述单一成分的单指数弛豫模型来说,用于描述两种成分的双指数弛豫 模型更能准确地描述自由水质子(如细胞外的水质子)和受束缚水质子(如细 胞内的水质子)以及它们之间的相互作用。
本发明实施例提供的磁共振参数成像方法的技术方案,以欠采方式获取目 标对象的磁共振数据,可以提高磁共振数据扫描的速度,采用预设傅里叶变换 将磁共振数据转换至图像域以得到初始图像,基于双指数弛豫模型和初始图像 确定当前补偿系数;基于当前补偿系数对初始图像进行补偿以得到补偿后的初 始图像,将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S 模型在图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利 用更新后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程 的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图 像作为参数加权图像;采用双指数弛豫模型对参数加权图像进行非线性拟合以 得到参数图。相较于单指数弛豫模型,双指数弛豫模型能更为准确地表示组织 随时间的变化趋势,尤其是对于存在着不同的质子组成部分且组成部分相互作 用的一些复杂的组织,用单指数模型来描述是不准确的,通过双指数弛豫模型 拟合得到的T1ρs参数图和T1ρl参数图可以更好地描述自由水质子和受束缚水质 子的相互作用,更有助于发掘T1ρ弛豫的底层生物物理机制。
实施例二
图1是本发明实施例二提供的磁共振参数成像方法的流程图。本发明实施 例是对上述实施例的基础的优化。相应地,本实施例的方法包括:
S101、以欠采方式获取目标对象的磁共振数据。
S102、采用预设傅里叶变换将磁共振数据转换至图像域以得到初始图像, 基于双指数弛豫模型和初始图像确定当前补偿系数。
其中,双指数弛豫模型为:
其中,M表示不同自旋-锁时间下的图像强度;M0表示不带自旋-锁脉冲情 况下的基准平衡图像强度,α是长弛豫部分所占的比例,(1-α)为短弛豫部分 所占的比例,TSLk是第k个自旋-锁时间,T1ρs参数和T1ρl参数分别为短的T1ρ和 长的T1ρ,N是自旋-锁定时间的总个数;0.1<α<1,T1ρs≤40ms,40ms<T1ρl≤200ms。 通过上述双指数弛豫模型对中间图像的每个像素进行非线性拟合可以得到每个 像素对应的T1ρs参数和T1ρl参数,此处的非线性拟合采用了信赖域算法。
由于信号补偿可表示为将图像中的每个像素乘以一个补偿系数,因此根据 前述双指数弛豫模型可得知系数补偿公式为:
其中,Coef为补偿系数。
由于以欠采方式获取的磁共振数据在K空间中心部分为全采数据,为了快 速得到高精度的参数图,本实施例先将K空间中心部分的磁共振数据通过预设 傅里叶变换转换至图像域以得到初始图像。然后通过双指数弛豫模型对初始图 像进行非线性拟合得到初始的T1ρs参数和T1ρl参数,然后根据系数补偿公式得 到用于系数补偿的当前补偿系数。本实施例还根据初始图像将图像细节初始化 为空集。
S103、基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像, 将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S模型在 图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新 后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿 后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为 参数加权图像。
其中,L+S模型为低秩加稀疏模型(low-rank plus sparse,简称L+S),具 体为:
min{X,L,S}||S||1 S.T.C(X)=L+S,E(X)=d,Rank(L)=1
其中,||·||1是l1范数;C(·)是一个操作算子,表示对图像进行像素级信号补偿,X为待重建的图像序列,且其表示成大小为体素数×TSL数(N)的矩阵; L是用矩阵形式表示的低秩部分;S是用矩阵形式表示的稀疏部分,表示图像与 低秩部分L之间的残差图像;E是多通道线圈编码矩阵,其等于欠采傅里叶算 子与线圈敏感度矩阵的乘积;Rank(L)为低秩部分L的秩,d是以欠采方式获 取的K空间数据。
由于初始图像和L+S模型的系数补偿方法相同,以及L+S模型对初始图像 和L+S模型迭代生成的中间图像所进行的图像处理方法相同,因此,为了便于 技术方案的阐述,本实施例将初始图像和每次迭代生成的图像均称为过程图像。
设定循环i=1,2…,在i次的迭代中:
1)、根据当前补偿系数对当前过程图像进行补偿以得到补偿后的当前过程 图像,具体为:其中,U表示补偿后的当前过程图像,如果i为1, 则当前过程图像为初始图像,如果i为1,则当前过程图像为中间图像。
2)、确定补偿后的当前过程图像的低秩部分L和稀疏部分S,初始化S=0, 设定内循环次数为j,在第j=1,2,…,在j次的迭代中:
a)、更新Lj:
其中,Lj为标号为j的补偿后的当前过程图像的低秩部分,SVT(·)表示 奇异值阈值操作算子,定义为:SVTλ(M)=UΛλ(Σ)VH,其中,M=UΣVH表示奇异 值分解(SVD),U和V分别为左、右奇异值向量组成的矩阵,VH表示V的 共轭转置,Σ是由M的奇异值组成的对角矩阵,Λλ(Σ)表示保留Σ中最大的奇异 值不变,其他全为0,本实施例仅取L的最大奇异值,使得奇异值阈值操作后L 的秩Rank(L)=1;Sj为标号为j的补偿后的当前过程图像的稀疏部分。
b)、更新Sj:判断图像细节feati是否为空,如果有提取到图像细节,则根 据图像细节feati中的值来对稀疏部分S进行软阈值操作,具体为: 其中,ST(·)是软阈值操作算子,定义为: 其中,P是补偿后的当前过程图像的一个元素,v是阈 值,其值与图像细节feati线性相关。通过对稀疏矩阵S做软阈值操作,可以有 效地去除图像伪影。
c)、更新数据保真项:其中E*表示E的 逆操作,即等于对多通道线圈的K空间数据做傅里叶逆变换后再进行线圈组合 以得到当前过程图像;
d)、更新当前过程图像Xi,其中,C-1(·)表示将图像的每个像 素除以补偿系数。
e)、终止内循环迭代。
3)、根据更新后的当前过程图像,结合双指数弛豫模型更新T1ρs参数和 T1ρ1参数,根据更新后的T1ρs参数和T1ρ1参数更新补偿系数,以用于补偿更新 后的当前过程图像;以及利用迭代细节提取算子(iterative feature refinement, 简称IFR)提取更新后的当前过程图像的图像细节,以用于在新一次迭代过冲 中对补偿后的当前过程图像的稀疏矩阵做软阈值操作。
4)、算法收敛,终止循环迭代,以得到最终的T1ρ参数加权图像。
S104、采用双指数弛豫模型对参数加权图像进行非线性拟合以得到参数图。
本发明实施例利用双指数弛豫模型的先验信息来增加参数加权图像的数据 冗余性,将传统快速参数成像方法中相互独立的重建和拟合过程关联起来,提 高了参数图的精确度。而且相较于现有单指数弛豫模型对应的T1ρ参数图,双指 数弛豫模型对应的T1ρs参数图和T1ρ1参数图可以更好地描述自由水质子和受束 缚水质子的相互作用,更有助于发掘T1ρ弛豫的底层生物物理机制。
实施例三
图2是本发明实施例四提供的磁共振参数成像装置的结构框图。该装置用 于执行上述任意实施例所提供的磁共振参数成像方法,该控制装置可选为软件 或硬件实现。该装置包括:
数据获取模块11,用于以欠采方式获取目标对象的磁共振数据;
初始图像模块12,用于采用预设傅里叶变换将所述磁共振数据转换至图像 域以得到初始图像,基于双指数弛豫模型和所述初始图像确定当前补偿系数;
参数加权图像确定模块13,用于基于当前补偿系数对初始图像进行补偿以 得到补偿后的初始图像,将补偿后的初始图像作为首次迭代的输入图像输入 L+S模型,根据L+S模型在图像重建过程中通过迭代生成的当前中间图像更新 当前补偿系数,并利用更新后的当前补偿系数对当前中间图像进行补偿以生成 输入下一次迭代过程的补偿后的当前中间图像,直至迭代收敛,并将最后一次 迭代所生成的中间图像作为参数加权图像;
参数图确定模块14,用于采用所述双指数弛豫模型对所述参数加权图像进 行非线性拟合以得到参数图。
本发明实施例提供的磁共振参数成像装置的技术方案,相较于现有技术, 可以利用双指数弛豫模型的先验信息来增加参数加权图像的数据冗余性,将传 统快速参数成像方法中相互独立的重建和拟合过程关联起来,提高了参数图的 精确度。而且相较于现有单指数弛豫模型对应的T1ρ参数图,双指数弛豫模型对 应的T1ρs参数图和T1ρ1参数图可以更好地描述自由水质子和受束缚水质子的相 互作用,更有助于发掘T1ρ弛豫的底层生物物理机制。
本发明实施例所提供的磁共振参数成像装置可执行本发明任意实施例所提 供的磁共振参数成像方法,具备执行方法相应的功能模块和有益效果。
实施例四
图3为本发明实施例四提供的磁共振设备的结构示意图,如图3所示,该 设备包括处理器201、存储器202、输入装置203以及输出装置204;设备中处 理器201的数量可以是一个或多个,图3中以一个处理器201为例;设备中的 处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他 方式连接,图3中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机 可执行程序以及模块,如本发明实施例中的磁共振参数成像方法对应的程序指 令/模块(例如,数据获取模块11、初始图像模块12、参数加权图像确定模块 13以及参数图确定模块14)。处理器201通过运行存储在存储器202中的软件 程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上 述的磁共振参数成像方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存 储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使 用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以 包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失 性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201 远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实 例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户 设置以及功能控制有关的键信号输入。
输出装置204可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算 机可执行指令在由计算机处理器执行时用于执行磁共振参数成像方法,该方法 包括:
以欠采方式获取目标对象的磁共振数据;
采用预设傅里叶变换将所述磁共振数据转换至图像域以得到初始图像,基 于双指数弛豫模型和所述初始图像确定当前补偿系数;
基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,将补偿 后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S模型在图像重 建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新后的当 前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿后的当 前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为参数加 权图像;
采用所述双指数弛豫模型对所述参数加权图像进行非线性拟合以得到参数 图。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其 计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例 所提供的磁共振参数成像方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到, 本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很 多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上 或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机 软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器 (Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory, 简称RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算 机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施 例所述的磁共振参数成像方法。
值得注意的是,上述磁共振参数成像装置的实施例中,所包括的各个单元 和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实 现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分, 并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员 会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽 然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以 上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例, 而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种磁共振参数成像方法,其特征在于,包括:
以欠采方式获取目标对象的磁共振数据;
采用预设傅里叶变换将所述磁共振数据转换至图像域以得到初始图像,基于双指数弛豫模型和所述初始图像确定当前补偿系数;
基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S模型在图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为参数加权图像;
采用所述双指数弛豫模型对所述参数加权图像进行非线性拟合以得到参数图。
2.根据权利要求1所述的方法,其特征在于,所述以欠采方式获取目标对象的磁共振数据,包括:
基于稀疏采样理论,以变速率变密度的欠采方式获取目标对象的磁共振数据。
3.根据权利要求2所述的方法,其特征在于,变速率变密度的欠采方式为:
欠采倍数随着时间点的递增而递增;
频率编码方向的采样模板为全采样;
相位编码方向的采样模板为变密度采样,且相位编码-参数空间的采样数据符合压缩感知的随机采样理论。
4.根据权利要求1-3任一所述的方法,其特征在于,所述根据L+S模型在图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为参数加权图像,包括:
基于双指数弛豫模型和当前中间图像确定当前补偿系数;
使用当前补偿系数对当前中间图像进行补偿以得到补偿后的当前中间图像;
将补偿后的当前中间图像输入新一次迭代,以对补偿后的当前中间图像的低秩部分和稀疏部分别做奇异值阈值操作和软阈值操作,以更新低秩部分和稀疏部分;
将更新后的低秩部分和稀疏部分所确定的图像除以补偿系数以得到当前中间图像;
重复上述过程,直至迭代收敛,并将最后一次迭代生成的中间图像作为参数加权图像。
5.根据权利要求4所述的方法,其特征在于,对补偿后的中间图像的稀疏部分做软阈值操作,包括:
根据当前中间图像的图像细节对补偿后的当前中间图像的稀疏部分进行软阈值操作以更新所述稀疏部分。
6.根据权利要求4所述的方法,其特征在于,对补偿后的中间图像的低秩部分做奇异值阈值操作,具体为:
其中,Lj为标号为j的补偿后的当前中间图像的低秩部分,SVT(·)表示奇异值阈值操作算子,定义为:SVTλ(M)=UΛλ(Σ)VH,其中,M=UΣVH表示奇异值分解(SVD),U和V分别为左、右奇异值向量组成的矩阵,VH表示V的共轭转置,Σ是由M的奇异值组成的对角矩阵,Λλ(Σ)表示保留Σ中最大的奇异值不变,其他全为0,Sj为标号为j的补偿后的当前中间图像的稀疏部分。
7.根据权利要求6述的方法,其特征在于,所述双指数弛豫模型为:
其中,M表示不同自旋-锁时间下的图像强度;M0表示不带自旋-锁脉冲情况下的基准平衡图像强度,α是长弛豫部分所占的比例,(1-α)为短弛豫部分所占的比例,且0.1<α<1,TSLk是第k个自旋-锁时间,T1ρs和T1ρl分别为短的T1ρ和长的T1ρ,且T1ρs≤40ms,40ms<T1ρl≤200ms,N是自旋-锁定时间的总个数。
8.一种磁共振参数成像装置,其特征在于,包括:
数据获取模块,用于以欠采方式获取目标对象的磁共振数据;
初始图像模块,用于采用预设傅里叶变换将所述磁共振数据转换至图像域以得到初始图像,基于双指数弛豫模型和所述初始图像确定当前补偿系数;
参数加权图像确定模块,用于基于当前补偿系数对初始图像进行补偿以得到补偿后的初始图像,将补偿后的初始图像作为首次迭代的输入图像输入L+S模型,根据L+S模型在图像重建过程中通过迭代生成的当前中间图像更新当前补偿系数,并利用更新后的当前补偿系数对当前中间图像进行补偿以生成输入下一次迭代过程的补偿后的当前中间图像,直至迭代收敛,并将最后一次迭代所生成的中间图像作为参数加权图像;
参数图确定模块,用于采用所述双指数弛豫模型对所述参数加权图像进行非线性拟合以得到参数图。
9.一种磁共振设备,其特征在于,所述磁共振设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的磁共振参数成像方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的磁共振参数成像方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518375.1A CN109658468B (zh) | 2018-12-12 | 2018-12-12 | 磁共振参数成像方法、装置、设备及存储介质 |
PCT/CN2019/123448 WO2020119581A1 (zh) | 2018-12-12 | 2019-12-05 | 磁共振参数成像方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518375.1A CN109658468B (zh) | 2018-12-12 | 2018-12-12 | 磁共振参数成像方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658468A true CN109658468A (zh) | 2019-04-19 |
CN109658468B CN109658468B (zh) | 2022-12-13 |
Family
ID=66113811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811518375.1A Active CN109658468B (zh) | 2018-12-12 | 2018-12-12 | 磁共振参数成像方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109658468B (zh) |
WO (1) | WO2020119581A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889897A (zh) * | 2019-11-21 | 2020-03-17 | 厦门大学 | 一种体素内不相干运动磁共振成像参数重建方法及系统 |
WO2020119581A1 (zh) * | 2018-12-12 | 2020-06-18 | 深圳先进技术研究院 | 磁共振参数成像方法、装置、设备及存储介质 |
CN113052937A (zh) * | 2021-04-19 | 2021-06-29 | 厦门大学 | 一种动态对比增强核磁共振图像的重建方法及重建系统 |
CN113050009A (zh) * | 2019-12-27 | 2021-06-29 | 深圳先进技术研究院 | 三维磁共振快速参数成像方法和装置 |
CN113567901A (zh) * | 2020-04-29 | 2021-10-29 | 深圳先进技术研究院 | 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统 |
WO2021217509A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳先进技术研究院 | 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598130B (zh) * | 2020-12-09 | 2024-04-09 | 华东交通大学 | 基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035017A (zh) * | 2011-12-08 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 磁共振参数成像方法和系统 |
CN103472419A (zh) * | 2013-08-30 | 2013-12-25 | 深圳先进技术研究院 | 磁共振快速成像方法及其系统 |
CN103654789A (zh) * | 2013-12-10 | 2014-03-26 | 深圳先进技术研究院 | 磁共振快速参数成像方法和系统 |
US20150006114A1 (en) * | 2012-02-03 | 2015-01-01 | Arizona Board Of Regents On Behalf Of The University Of Arizona | System and method for image processing with highly undersampled imaging data |
US20170299681A1 (en) * | 2014-11-01 | 2017-10-19 | Mayo Foundation For Medical Education And Research | Sparse reconstruction strategy for multi-level sampled mri |
CN108828483A (zh) * | 2018-04-25 | 2018-11-16 | 东北大学 | 一种磁共振图像的收缩阈值迭代重建算法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102389309B (zh) * | 2011-07-08 | 2013-07-31 | 首都医科大学 | 基于压缩感知理论的磁共振图像重建的方法 |
CN104871026B (zh) * | 2012-12-17 | 2020-01-10 | 通用电气公司 | 靶物质的体外磁共振检测 |
CN103400402B (zh) * | 2013-07-12 | 2016-05-25 | 西安电子科技大学 | 基于低秩结构稀疏的压缩感知mri图像重建方法 |
CN109658468B (zh) * | 2018-12-12 | 2022-12-13 | 深圳先进技术研究院 | 磁共振参数成像方法、装置、设备及存储介质 |
-
2018
- 2018-12-12 CN CN201811518375.1A patent/CN109658468B/zh active Active
-
2019
- 2019-12-05 WO PCT/CN2019/123448 patent/WO2020119581A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035017A (zh) * | 2011-12-08 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 磁共振参数成像方法和系统 |
US20150006114A1 (en) * | 2012-02-03 | 2015-01-01 | Arizona Board Of Regents On Behalf Of The University Of Arizona | System and method for image processing with highly undersampled imaging data |
CN103472419A (zh) * | 2013-08-30 | 2013-12-25 | 深圳先进技术研究院 | 磁共振快速成像方法及其系统 |
CN103654789A (zh) * | 2013-12-10 | 2014-03-26 | 深圳先进技术研究院 | 磁共振快速参数成像方法和系统 |
US20170299681A1 (en) * | 2014-11-01 | 2017-10-19 | Mayo Foundation For Medical Education And Research | Sparse reconstruction strategy for multi-level sampled mri |
CN108828483A (zh) * | 2018-04-25 | 2018-11-16 | 东北大学 | 一种磁共振图像的收缩阈值迭代重建算法 |
Non-Patent Citations (3)
Title |
---|
YANJIE ZHU 等: "signal compensation for low-rank plus sparse matrix decomposition for fast parameter mapping", 《PHYSICS IN MEDICINE & BIOLOGY》 * |
刘元元 等: "基于主成分迭代支集检测的多对比度磁共振快速成像", 《集成技术》 * |
蒋明峰,陆雨,朱志军,徐文龙,汪亚明: "基于多尺度低秩模型的心脏磁共振成像方法研究", 《电子学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020119581A1 (zh) * | 2018-12-12 | 2020-06-18 | 深圳先进技术研究院 | 磁共振参数成像方法、装置、设备及存储介质 |
CN110889897A (zh) * | 2019-11-21 | 2020-03-17 | 厦门大学 | 一种体素内不相干运动磁共振成像参数重建方法及系统 |
CN113050009A (zh) * | 2019-12-27 | 2021-06-29 | 深圳先进技术研究院 | 三维磁共振快速参数成像方法和装置 |
WO2021129235A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳先进技术研究院 | 三维磁共振快速参数成像方法和装置 |
CN113567901A (zh) * | 2020-04-29 | 2021-10-29 | 深圳先进技术研究院 | 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统 |
WO2021217509A1 (zh) * | 2020-04-29 | 2021-11-04 | 深圳先进技术研究院 | 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统 |
CN113052937A (zh) * | 2021-04-19 | 2021-06-29 | 厦门大学 | 一种动态对比增强核磁共振图像的重建方法及重建系统 |
CN113052937B (zh) * | 2021-04-19 | 2022-07-29 | 厦门大学 | 一种动态对比增强核磁共振图像的重建方法及重建系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020119581A1 (zh) | 2020-06-18 |
CN109658468B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658468A (zh) | 磁共振参数成像方法、装置、设备及存储介质 | |
Güngör et al. | Adaptive diffusion priors for accelerated MRI reconstruction | |
Alexander et al. | Image quality transfer via random forest regression: applications in diffusion MRI | |
WO2020114329A1 (zh) | 磁共振快速参数成像方法及装置 | |
CN106990375B (zh) | 用于指纹重构的无字典mr参数推测 | |
US11830111B2 (en) | Magnetic resonance imaging method, device, medical device and storage medium | |
Pal et al. | A review and experimental evaluation of deep learning methods for MRI reconstruction | |
US8975892B2 (en) | Method of optimizing magnetic resonance image contrast with MRI relaxation time scanning parameters correlated to age of a subject | |
Lin et al. | Artificial intelligence–driven ultra-fast superresolution MRI: 10-fold accelerated musculoskeletal turbo spin echo MRI within reach | |
Hammernik et al. | Physics-driven deep learning for computational magnetic resonance imaging: Combining physics and machine learning for improved medical imaging | |
US20230097417A1 (en) | Multi-slice magnetic resonance imaging method and device based on long-distance attention model reconstruction | |
CN111210484B (zh) | 医学图像生成方法、模型训练方法、装置及介质 | |
CN103027681A (zh) | 用于重构并行获取的mri图像的系统 | |
Cheng et al. | Multi‐pathway multi‐echo acquisition and neural contrast translation to generate a variety of quantitative and qualitative image contrasts | |
CN108333543A (zh) | 磁共振成像方法和装置 | |
Kashtanova et al. | APHYN-EP: Physics-based deep learning framework to learn and forecast cardiac electrophysiology dynamics | |
WO2024021796A1 (zh) | 一种图像处理方法、装置、电子设备、存储介质及程序产品 | |
CN110146836A (zh) | 一种磁共振参数成像方法、装置、设备及存储介质 | |
WO2024093083A1 (zh) | 一种基于变分自编码器的磁共振加权图像合成方法和装置 | |
CN112184845A (zh) | 弥散加权图像重建模型的生成方法及装置 | |
KR102526487B1 (ko) | 딥러닝 모델의 학습을 위한 의료 데이터의 처리 방법, 프로그램 및 장치 | |
Ryu et al. | K-space refinement in deep learning mr reconstruction via regularizing scan specific spirit-based self consistency | |
WO2021129235A1 (zh) | 三维磁共振快速参数成像方法和装置 | |
Hu et al. | SPICE: Self-supervised learning for MRI with automatic coil sensitivity estimation | |
Angshul | A sparsity based approach towards fast MRI acquisition |
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 |