CN109839607B - 一种基于变加速敏感度编码的cest图像重建方法和装置 - Google Patents

Abstract

本发明公开了一种基于变加速敏感度编码法的化学交换饱和转移(CEST)成像方法和装置，属于磁共振成像领域。该方法中，首选对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；然后针对加速因子为R₂的待重建欠采样帧图像，进行图像重建。本发明能够使用欠采样帧来修正传统SENSE法的灵敏度图，该方法所产生的重建误差基本上与在CEST源图像中使用低加速因子传统SNESE法的重建误差值相同，但速度却是传统SENSE法的两倍及以上。由于无需采用完全采样帧，因此该方法尤其适用于三维(3D)CEST成像。

Description

一种基于变加速敏感度编码的CEST图像重建方法和装置

技术领域

本发明属于磁共振成像领域，具体涉及一种基于变加速敏感度编码法的化学交换饱和转移成像方法。

背景技术

化学交换饱和转移(CEST)成像利用了各种溶质池中的质子与自由水池中的质子交换或相互作用的特殊现象，并通过选择性射频(RF)脉冲扰乱这种极化转移过程。在CEST方法中，重复的饱和转移过程可以累积并放大源自溶质池的MRI信号，所以CEST方法可以提高活体内低浓度代谢物的检测灵敏度。可通过化学交换饱和转移(CEST)技术的分支技术检测各种生物分子，例如APT技术可检测多肽，糖原化学交换饱和转移技术可检测糖原，糖胺聚糖化学交换饱和转移技术可检测糖胺聚糖，谷氨酸化学交换饱和转移技术可检测谷氨酸，葡萄糖化学交换饱和转移技术可检测葡萄糖，以及肌酸化学交换饱和转移技术可以检测肌酸。因此，CEST MRI技术已应用于多种疾病的治疗，例如APT技术已应用于脑肿瘤、前列腺癌、乳腺癌和中风的治疗，糖胺聚糖化学交换饱和转移技术应用于治疗骨关节炎，谷氨酸化学交换饱和转移技术应用于治疗癫痫症，葡萄糖化学交换饱和转移技术应用于治疗脑肿瘤。CEST MRI技术中，通常需要采集不同饱和偏移频率下的多个帧，在量化CEST参数时需要采集的帧数尤其多。因此，这项技术的采集时间很长。尽管CEST MRI技术的前景很好，但其较长的采集时间阻碍了它在临床常规中的广泛应用。

并行成像方法(Parallel imaging)是磁共振成像的一种加速采集方式，可以减少成像时间。其利用多个接收线圈，每个线圈接受器可缩减k空间数据采样来加速扫描并维持空间分辨率，但是各线圈所得图像会发生影像上的混叠。而该方法通过利用各个线圈的敏感度(sensitivity)分布不同所得的额外空间信息，或于k空间将缺少的信息填补回来。目前方法发展上主要有两大类：SMASH方法大类与SENSE方法大类。

SENSE方法，即敏感度编码技术(SENSitivity Encoding)是磁共振成像领域中一种相当经典的平行成像方法，为克拉斯·普鲁士曼(Klass Pruessmann)在1999年所提出。它的重建步骤主要包括：(1)通过多个并行接收线圈对K空间数据以加速因子R进行周期性欠采样，对每个线圈得到的欠采样数据进行傅里叶变换，从而得到每个线圈的折叠图像；(2)对并行线圈的敏感度分布进行分析，在敏感度分布图上展开折叠图像，从而得到全视野的图像，即完整的重建图像。

但是，传统SENSE方法的重建结果并不能完全令人满意，特别是当加速因子R较大时，往往会存在一定的伪影，导致诊断结果出现误差。因此，如何保证CEST图像SENSE重建过程中的效率和质量是目前亟待研究的热点问题。

发明内容

本发明的目的在于解决传统SENSE法加速过程中容易出现伪影以及数据采集速度较慢的技术问题，并提供一种基于变加速敏感度编码的CEST图像重建方法。

本发明所采用的具体技术方案如下：

基于变加速敏感度编码的CEST图像重建方法，该方法的步骤如下：

S1：对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；

S2：针对加速因子为R₂的待重建欠采样帧图像，R₂≥R₁，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂；

S22：利用SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像，然后利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值计算每个折叠体素的非零修正系数计算公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。

作为优选，所述的其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像；对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

作为优选，所述的欠采样帧准确图像为加速因子R₁＝2下获得的欠采样帧图像。

作为优选，步骤S25中，修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

作为优选，所述的CEST成像为三维或二维CEST成像。

本发明的另一目的在于提供一种基于变加速敏感度编码的CEST图像重建装置，该装置包括预处理模块和图像重建模块；

所述的预处理模块，用于对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；

所述的图像重建模块，用于针对加速因子为R₂的待重建欠采样帧图像，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂；

S22：利用SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像，然后利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值计算每个折叠体素的非零修正系数计算公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。

作为优选，所述的其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像；对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

作为优选，所述的欠采样帧准确图像为加速因子R₁＝2下获得的欠采样帧图像。

作为优选，步骤S25中，修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

作为优选，所述的CEST成像为三维或二维CEST成像。

本发明相对于现有技术而言，具有以下有益效果：

本发明能够使用加速因子R₁≥1的欠采样帧来修正传统SENSE法的灵敏度图，该方法所产生的重建误差基本上与在CEST源图像中使用低加速因子传统SNESE法的重建误差值相同(p值约1.0)，同时本发明方法的速度却是传统SENSE法的两倍及以上。由于无需采用完全采样帧，因此该方法尤其适用于3D CEST成像。而且，在获取CEST源图像时，本发明允许在相位编码和层选编码方向上的前瞻性加速因子提高至原来的8倍，并且产生与脑肿瘤患者和健康志愿者的真值结果相一致的最终酰胺质子转移(APT)加权图像。重要的是，本发明方法能够去除传统SENSE法在层选编码方向上无法消除的(非折叠类)伪影。

附图说明

图1为实施例中的重建结果图；其中，(a)是R＝1时，传统SENSE法重建的脑肿瘤患者14ppm源图像(完全k-空间重建所得图像)；(b)是R＝2时，传统SENSE法重建的脑肿瘤患者14ppm源图像；(c)是R＝4时，传统SENSE法重建的脑肿瘤患者14ppm源图像；(d)是R＝2时，vSENSE法重建的脑肿瘤患者14ppm源图像(用第一个完全采样状态下3.5ppm帧修正的灵敏度图)；(e)是R＝2时，vSENSE法重建的脑肿瘤患者14ppm源图像(用欠采样状态下3.5ppm帧修正的灵敏度图)；(f-i)依次是(b-e)与(a)的差分图；图中箭头指的是R＝4时传统SENSE法中的伪影；RNMSE是归一化均方根误差。

图2为实施例中的重建结果图；其中，(a)是R＝1时，用传统SENSE法生成的脑肿瘤患者APTw图；(b)是R＝2时，用传统SENSE法生成的脑肿瘤患者APTw图；(c)是R＝4时，用传统SENSE法生成的脑肿瘤患者APTw图；(d)是R＝2时，vSENSE法重建的脑肿瘤患者APTw图(用第一个完全采样状态下3.5ppm帧修正的灵敏度图)；(e)是R＝2时，vSENSE法重建的脑肿瘤患者APTw图(用第一个欠采样状态下3.5ppm帧修正的灵敏度图)；箭头指的是当R＝4时，传统SENSE法中的伪影。

图3为实施例中某位脑肿瘤患者的APTw图(每组为从15张图中挑出的五张图)；(a)为由SENSE法得到的某位脑瘤患者的APTw图像；(b)为由vSENSE法得到的某位脑瘤患者的APTw图像；(c)为FLAIR结构像；SENSE法中的R等于2。vSENSE在相位编码方向上S₀、±3ppm和±4ppm帧的R为4，两组±3.5ppm帧的R因子为2；vSENSE重建过程中选择第一张3.5ppm帧修正灵敏度图；使用非选择性回聚脉冲由3D TSE序列获得CEST数据。

图4为实施例中某位健康志愿者的APTw图(每组为从15张图中挑出的五张图)；其中(a)由SENSE法得到的健康志愿者APTw图像；(b)由vSENSE法得到的健康志愿者APTw图像；(c)FLAIR结构像；SENSE法中的R等于2；vSENSE在相位编码方向上S₀、±3ppm和±4ppm帧的R为4，两组±3.5ppm帧的R因子为2；vSENSE重建过程中选择第一张3.5ppm帧修正灵敏度图；使用非选择性回聚脉冲由3D TSE序列获得CEST数据。

图5为健康志愿者4ppm源图；其中(a)当R＝2x1时(相位编码和频率编码方向上)，传统SENSE法得到的健康志愿者4ppm源图；(b)当R＝2x2时(相位编码和频率编码方向上)，传统SENSE法得到的健康志愿者4ppm源图；(c)当R＝2x2时(相位编码和频率编码方向上)，vSENSE法得到的健康志愿者4ppm源图(选择第一张3.5ppm帧修正灵敏度图)；(d)加速后的SENSE图像(图b)与假定的真实标准(图a)的差别图；(e)vSENSE图像(图c)与假定的真实标准(图a)的差别图；vSENSE数据集对于第一组±3.5ppm帧的R为2x1；对于S₀、±3ppm和±4ppm帧，以及第二组±3.5ppm帧的R为2x2；图b和图c的一部分由相同的k空间原始数据重建；箭头表示常规SENSE(R＝2x2)图像中的伪影；RNMSE表示根归一化均方根误差；使用选择性回聚脉冲通过3D TSE序列获得CEST数据。

图6为实施例中某位健康志愿者的APTw图(每组为从15张图中挑出的五张图)；其中(a)当R＝2x1时，由SENSE法得到的健康志愿者APTw图像；(b)当R＝2x2时，由SENSE法得到的健康志愿者APTw图像；(c)当R＝2x2时，由vSENSE法得到的健康志愿者APTw图像。且(a)中所有帧的R都等于2。(b)中SENSE法和vSENSE法中的S₀、±3ppm、±4ppm和第一组±3.5ppm帧都使用2x2的R因子，而第二组±3.5ppm帧使用2x1的R因子。使用选择性回聚脉冲由3D TSE序列获得CEST数据。

图7为实施例中健康志愿者4ppm源图；其中(a)当R＝2x1时，传统SENSE法得到的健康志愿者4ppm源图；(b)当R＝4x2时，传统SENSE法得到的健康志愿者4ppm源图；(c)当R＝4x2时，vSENSE法得到的健康志愿者4ppm源图(使用第一个3.5ppm帧修正灵敏度图)；(d)加速后的SENSE图像(图b)与假定的真实标准(图a)的差别图；(e)vSENSE图像(图c)与假定的真实标准(图a)的差别图。图(b)和图(c)由相同的k空间原始数据重建。红色箭头表示传统SENSE(R＝4x2)图像中的伪影。RNMSE表示根归一化均方根误差。使用选择性回聚脉冲通过3D TSE序列获得CEST数据。

图8为健康志愿者的APTw图(每组为从15张图中挑出的五张图)；图中(a)当R＝2x1时，由SENSE法得到的健康志愿者APTw图像；(b)当R＝4x2时，由SENSE法得到的健康志愿者APTw图像；(c)当R＝4x2时，由vSENSE法得到的健康志愿者APTw图像；(a)中所有帧的R都等于2x2。(b)中SENSE法和vSENSE法中的S₀、±3ppm、±4ppm和第一组±3.5ppm帧都使用4x2的R因子，而第二组±3.5ppm帧使用2x1的R因子。使用层面选择性回聚脉冲由3D TSE序列获得CEST数据。

图9为本发明的重建方法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。

如图9所示，一种基于变加速敏感度编码的CEST图像重建方法，步骤如S1和S2两步，下面将分别具体详述。

S1：首先，收集被测对象在CEST成像中不同接收线圈形成的K空间数据，为了加速CEST成像速率，可以选取其中一帧执行加速因子R₁≥1的欠采样，其余帧则以不小于R₁的加速因子进行欠采样。其余帧的加速因子可以相同，也可以不同，根据实际需要进行调整。然后对各线圈K空间数据分别进行傅里叶变换，分别得到各体素的图像空间折叠数据。因此，在该图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像，以及若干加速因子不小于R₁的其他待重建欠采样帧图像。

在本发明中，“欠采样帧准确图像”是指在临床上或者学术界认为精确度在可接受范围内的欠采样帧图像。其具体的选择标准根据成像对象的不同而不同，例如对于脑部CEST成像而言，临床中普遍使用SENSE法加速MRI，当R＝2时，一般认为从传统的SENSE重建中获得足够精确的图像空间信号，因此R₁＝2下获得的欠采样数据一般认为其结果是准确的，该图像即可作为欠采样帧准确图像。而对于人体的其他部位，临床上或者学术界对于欠采样帧准确图像可能不同，因此不仅加速因子为2的帧可以用于修正灵敏度图，只要欠采样帧图像具有可接受的精确度和信噪比(SNR)，具有更高或更低的加速因子的帧也均可以作为欠采样帧准确图像，用于灵敏度图的修正。

由于其他欠采样帧可能具有不同的加速因子，因此需要针对不同的加速因子分别进行图像重建。下面将以加速因子R₁≥1的欠采样帧准确图像为基础，对灵敏度图进行修正，减少重建误差，消除伪影。但在介绍具体的重建数据处理过程之前，我们先阐述一下其基本原理。

本发明的目的是根据被视为准确的欠采样帧的信息，修正加速CEST帧的灵敏度图，以便去除加速时的常见SENSE卷折伪影。具体而言，我们可以对欠采样帧准确图像，进行回顾性欠采样，然后重建。例如，当加速因子为R₂时，满足：

s_Nc*1是k空间傅里叶变换后R₂个体素的折叠图像空间数据，Nc是接收线圈的数量，是R₂个折叠体素的灵敏度权重， 是加速因子为R₂时的不准确图像空间数据展开；是加速因子为R₁时R₂个目标体素的准确重构信号值，在本发明中由于认为R₁≥1的欠采样帧是准确的，因此可以通过传统低加速因子SENSE重建获得该准确信号值；是满足的非零修正系数。

因此，在本发明中可利用R₁≥1的欠采样帧的k空间数据进行回顾性重建，针对每个不同的加速因子R₂(其中R₂≥R₁)计算各自的非零修正系数。对于其他加速帧，即可可计算修正灵敏度值的广义逆

，而不是像传统的SENSE重建一样采用的广义逆。采用本发明的信号强度更加准确，且没有卷折伪影。

另外值得注意的是，以R＝2为例，的广义逆实际上等于和的广义逆的乘积。下面本发明通过数学推导来证明该理论。

A×B的Moore-Penrose逆B是一个满秩对角矩阵

设“+”表示Moore-Penrose广义逆，“H”表示Hermitian转置，上标“-1”表示矩阵逆，I表示单位矩阵，且C＝A×B。对于SENSE重建，不失一般性的，假设灵敏度编码矩阵A具有列满秩，可算出弱条件下的SENSE解，即A⁺＝(A^HA)^-1×A^H。A×B的Moore－Penrose逆满足以下四个Moore-Penrose标准，因此这个逆也可以被表示为D＝B^-1×A⁺。

C×D×C＝A×B×B^-1×A⁺×A×B＝A×(A^HA)^-1×A^H×A×B＝A×B＝C

D×C×D＝B^-1×A⁺×A×B×B^-1×A⁺＝B^-1×(A^HA)^-1×A^H×A×A⁺＝B^-1×A⁺＝D

(C×D)^H＝(A×B×B^-1×A⁺)^H＝A×A⁺＝A×B×B^-1×A⁺＝C×D

(D×C)^H＝(B^-1×A⁺×A×B)^H＝[B^-1×(A^HA)^-1×A^H×A×B]^H＝I＝D×C

因此，从另一个角度来看，本发明的重建过程可以分为以下两个步骤：(1)用传统灵敏度图进行传统SENSE重建；(2)对每个体素应用因子以修正信号强度。

基于上述理论，下面将详细描述具体的图像重建过程。

S2：以R₂代表一帧或多帧待重建欠采样帧图像的加速因子，针对这些待重建欠采样帧图像，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂。一般而言，R₂应当保证不大于N_c。

灵敏度权重的计算一般是通过采集一个快速的SENSE灵敏度权重参考像来实现，该参考像一般花费30秒时间，空间分辨率较低，但是覆盖范围较大，然后可以根据SENSE灵敏度权重参考像和CEST像的空间采集参数，将两者在空间上配准起来，然后通过插值可以计算出针对所要采集的CEST成像的特空空间位置所对应的灵敏度权重。

S22：利用传统的SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值由于加速因子为R₁的欠采样帧准确图像在临床上可以被视为基本准确的，因此我们可以将信号值视为体素的准确重建信号值。

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像。由于该图像并非是真的在CEST成像中欠采样获得的，而是利用实际加速因子为R₁的欠采样帧准确图像降采样获得的，因此我们将其称为仿真欠采样帧图像。由于加速因子为R₁的欠采样帧准确图像可以被视为基本准确的，因此降采后的仿真欠采样帧图像就可以进行回顾性SENSE重建。即利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值由于各种因素的影响，该信号值与实际的真实信号值存在一定的偏差，需要通过修正系数进行校正，因此将其称为不准确重建信号值。

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值就可以计算每个折叠体素的非零修正系数该计算的公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

由此，即可获得加速因子为R₂的欠采样帧图像的准确重建信号值，进而转化为灰度图像。

当然，由于其他欠采样帧图像的加速因子R₂并非完全固定的，因此假如其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像。则需要对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

上述的CEST图像重建方法(为表述方便，记为vSENSE法)既可以用于2D的CEST成像，也可以用于3D的CEST成像。尤其对于3D CEST成像而言，其具有极为重要的意义。因为到目前为止，大多数CEST应用都是通过2D采集实现的，而CEST成像的扫描时间过长是其无法应用至3D CEST的一个关键原因。而本发明允许使用已经加速的帧来修正灵敏度图，避免了需要获取完全采样的3D帧占用时间过长的问题，特别是当饱和度偏移较少时，该优势更为明显。

同理，基于上述重建方法，本发明的部分实施例中还可以提供一种基于变加速敏感度编码的CEST图像重建装置，它包括预处理模块和图像重建模块；

预处理模块，用于对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；

图像重建模块，用于针对加速因子为R₂(R₂≥R₁)的待重建欠采样帧图像，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂；

S22：利用SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像，然后利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值计算每个折叠体素的非零修正系数计算公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。

在本发明的部分实现方式中，其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像；对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

在本发明的部分实现方式中，欠采样帧准确图像为加速因子R₁＝2下获得的欠采样帧图像，当然也可以根据需要采用其他数值的加速因子。

在本发明的部分实现方式中，步骤S25中，修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

在本发明的部分实现方式中，CEST成像为3D或2D CEST成像。

本领域的技术人员应当知道，本发明中所涉及的各模块、功能可以通过电路、其他硬件或者可执行的程序代码来完成，只要能够实现相应功能即可。若采用代码，则代码可存储于存储装置中，并有计算装置中的相应元件执行。本发明的实现更不限制于任何特定的硬件和软件结合。本发明中的各硬件型号均可采用市售产品，可根据实际用户需求进行选择。当然，在上述装置中，必要时也需要配合其他必要硬件或软件、系统，本领域技术人员可根据实际进行设计，此处不再赘述。

下面将通过一个实施例来进一步展示本发明所能够实现的技术效果，以便本领域技术人员更好地理解本发明的实质。

实施例

1、MRI实验

用32通道头线圈的3特斯拉Philips Achieva扫描仪(Best，Netherlands)扫描了7名健康志愿者和15名脑肿瘤患者的大脑。

首先，对每个参与者采用梯度回波序列进行SENSE参考扫描(翻转角FA＝1⁰；重复时间(TR)＝4ms的；回波时间(TE)＝0.8ms；视野(FOV)＝450×300×300mm³；分辨率＝4.7×4.7×3mm³；平均次数＝3；持续时间＝39s)。结构像包括双回波T2加权快速自旋回波序列(TR＝2.8s；TE＝10ms或80ms；FOV＝212×190×131mm³；分辨率＝1.1×1.1×2.2mm³；持续时间＝2.4min)，FLAIR(水抑制反转恢复)序列(TR＝11s；TE＝120ms；FOV＝212×189×132mm³；分辨率＝0.8×1.1×2.2mm³；反转时间TI＝2.8s；持续时间＝3.9min)和T1加权MPRAGE(44)(预磁化快速梯度回波序列)序列(TR＝8ms；TE＝3.7ms；FOV＝212×172×165mm³；分辨率＝1×1×1.1mm³；TI＝0.8s；持续时间＝3.4min)。对于一些脑肿瘤患者，需要注射钆对比剂后重复MPRAGE序列的MRI。

对于其中9名脑肿瘤患者，分块使用4个2μT，200ms饱和脉冲，块间隙为10ms。在轴向上采用2D快速自旋回波(TSE)CEST序列，采集参数为TR＝3s，TE＝6.5ms，FOV＝212×186×4.4mm³，分辨率＝2.2×2.2×4.4mm³，使用“频谱预饱和反转恢复”(SPIR)脂肪抑制，且SENSE加速因子R＝1。用不饱和度S₀执行了52次2D CEST序列，饱和频率范围为14ppm到-8ppm,频率间隔0.5ppm。其中，±3.5ppm频率的平均值有4个，总持续时间2.7min。在±3.5ppm做了多次平均用于提高APT加权(APTw)图像的SNR(信噪比)。除TR＝1.25s，SENSE R＝2和持续时间＝0.6min外，用于B₀场校正的2D WASSR序列与2D CEST序列使用相同的采集参数，分块用两个0.5μT，200ms的饱和脉冲，块间隙为10ms。2D WASSR序列收集了26帧，包括源图像S₀(未饱和图像)，以及范围为1.5到-1.5ppm、频率间隔0.125ppm的饱和频率所对应的帧。

对于其中6名脑肿瘤患者和4名正常志愿者，使用16个2uT sinc脉冲横向实施非选择性回聚3D TSE CEST序列，每个脉冲长度50ms，并交错于两个平行传输通道间。其中，TR＝3.8s，TE＝6.1ms，FOV＝212×186×66mm³，分辨率＝2.2×2.2×4.4mm³，相位编码和层选编码方向上SENSE加速因子R＝2×1，非层选120⁰回聚脉冲，层面过采样因子＝1.4，加速因子＝110，SPIR脂肪抑制，9个饱和帧(S₀，±3，±3.5，±3.5，和±4ppm)，总持续时间＝3分钟。因此，除了八个0.5uT sinc脉冲(TR＝1.2s，分辨率＝2.2×3.3×4.4mm³)之外，3D WASSR序列使用与3D CEST序列相同的参数，26个饱和帧频率范围从1.5到-1.5ppm，频率间隔0.125ppm，总持续时间为1.6min。此外，对于四名健康的志愿者，还使用了一种前瞻性的3DvSENSE CEST序列(除了在±3.5ppm设置加速因子为R＝2×1，其余参数与非选择性回聚3DCEST序列相同)。其他5帧R＝4×1，总扫描时间缩短为1.9分钟。

对剩余的三名健康志愿者，采用16个2uT sinc脉冲的横断面实施选择性回聚3DTSE CEST序列，TR＝3s，TE＝8.4ms，FOV＝212×186×66mm³，分辨率＝2.2×2.2×4.4mm³，SENSE R＝2×1，层选120⁰回聚脉冲，层面过采样因子＝1.45，加速因子＝55，SPIR脂肪抑制，采集9帧频率饱和图像，总持续时间＝6分钟。相应地，除了八个0.5uT sinc脉冲(分辨率＝2.2×3.3×4.4mm³，TR＝1.8s，快速因子＝110，总持续时间＝3.2min)外。此外，除了在±3.5ppm处所采集的图像设置加速因子为R＝2×1、以及其他饱和频率点所采集的7帧图像设置加速因子R＝4×2之外，该前瞻性3D vSENSE CEST序列和选择性回聚3D CEST序列使用相同的参数，这些参数的设置也使得这两种序列的扫描时间分别减少为3.4分钟和2.4分钟。

使用Matlab(Mathworks，Natick，MA)软件在个人笔记本计算机(2.7GHz，四核)上存储上述方法获得的原始k空间数据集，用于下一步的离线重建。

2、图像重建与分析

下面基于前述的步骤S1和S2对原始k空间数据进行图像重建，其具体的流程与前述一致，不再赘述，下面仅针对其具体的做法和参数进行描述。

在进行局部加权多项式回归，配准和插值之后，通过SENSE参考扫描计算出传统SENSE重建灵敏度图，以匹配后续的CEST扫描几何。对于vSENSE重建，用传统灵敏度图作为起始值计算修正灵敏度图。选择第一个3.5ppm帧执行回顾性SENSE重建，但为了进行对比，本发明中的欠采样帧准确图像设置了两种不同类型，第一种是本发明的欠采样帧(R＝2)，所选择的3.5ppm帧处于R＝2时的回顾性欠采样或前瞻性欠采样状态中；第二种是完全采样帧(R＝1)，用于修正灵敏度图的3.5ppm帧始终处于完全采样状态下。另外，本实施例中也设置了传统SENSE法进行图像重建以示比较。同时为了进行比较，图像不仅使用了完全采样的3.5ppm帧数据进行灵敏度调整，而且还将其用于2D CEST研究。

对于所有的2D和3D CEST数据集，传统SENSE法的灵敏度图中所有帧均使用恒定加速因子(例如R＝1,2或4)重建SENSE图像。对于2D CEST数据集，第一帧3.5ppm图像加速因子设置为R＝1或者2以前瞻性地生成vSENSE灵敏度图,其余7帧±3.5ppm图像设置为R＝2，再其余图像设置为R＝4。对于非选择性回聚3D CEST数据集，重建vSENSE图像时，所有±3.5ppm帧的加速因子的R＝2×1，其他五个帧的R＝4×1。对于选择性回聚3D CEST数据集，重建vSENSE图像时，对于一组±3.5ppm帧的加速因子R＝2×1；对于其他七个帧，R＝2×2或R＝4×2。为了进行定量，加速SENSE图像和vSENSE图像与真值结果之间的差异用归一化均方根误差(RNMSE)表示。这些结果分别来自于R＝1的传统2D SENSE成像和R＝2×1的传统3DSENSE成像。为了从统计上比较各种重建方法的RNMSE结果，使用含有复合对称的协方差类型的线性混合模型(随机系数：被试序号；固定系数：重建方法)。然后再采用Bonferroni校正法进行事后配对比较。若p值<0.05，则认为结果是显著的。在将所有饱和频率点所获取的图像配准到3.5ppm处所获取的图像且校正B₀场不均匀性后，生成了APTw图像。

3、结果分析

如图1所示，加速因子同为4时，对于14ppm的源图像，传统SENSE重建(图1g)误差比本发明的vSENSE法的误差大得多(图1h，1i)。完全采样3.5ppm帧修正灵敏度图的vSENSE重建误差小于欠采样3.5ppm帧修正灵敏度图误差的两倍(图1h vs.1i)。此外，当使用2倍均匀欠采样3.5ppm帧时，R＝4时vSENSE法所产生的重建误差与R＝2时传统SENSE的重建误差较为接近，(图1和图1f)。如果在采集第一幅3.5ppm的整个k空间数据的时候，其加速因子设置为R＝2，那么本发明的vSENSE重建的误差甚至要小于传统SENSE差(图1h和1f)。

图2为从源图像(图1)计算出的APTw图像。vSENSE法中的3.5ppm完全采样帧(图2d)，2倍欠采样帧(图2e)生成的APTw图，与传统SENSE法一致。(图2a)为R＝1时的传统SENSE法，(图2b)为R＝2时的传统SENSE法。请注意，3.5ppm帧的完全采样与双倍欠采样对APTw图的影响最小(图2d和图2e)，并与R＝1和R＝2时的传统SENSE法的APTw图高度相似(图2a和2b)。然而，R＝4时的传统SENSE法产生了大量伪影，如图2c中的箭头所示。

将来自脑肿瘤患者的所有9个2D加速SENSE法与vSENSE法数据集的14ppm帧的重建误差，并与完全采样SENSE进行对比。其中，R＝4时使用完全采样3.5ppm帧的vSENSE法的(p值<0.001)误差值明显小于R＝2时的传统SENSE法与R＝4时的传统SENSE法。对于vSENSE法，使用完全采样3.5ppm帧进行灵敏度图修正产生的误差值(p值<0.001)明显小于使用2倍欠采样3.5ppm帧的误差。此外，R＝4时使用2倍欠采样3.5ppm帧的vSENSE法误差与R＝2时的传统SENSE的误差没有显著差异(p值约1.0)。但是，传统SENSE法所花的时间是vSENSE法的两倍长。

在相位编码方向上，当R高达4时，3D回顾性vSENSE法产生的脑肿瘤患者APTw图与R＝2时，传统SENSE法产生的脑肿瘤患者APTw图像对比如图3所示。图3b中的3D vSENSE结果与图2e中所示的2D vSENSE的结果类似。灵敏度图修正的3.5ppm帧的回顾性欠采样因子均为2。APTw图像中的超增强区域由箭头所指，并与高级别神经胶质瘤的诊断相符。

图4为R＝2时3D SENSE法中所有帧的对比图，其中包含R＝2时3D前瞻性vSENSE法的±3.5ppm帧以及R＝4时的其他帧；其中，加速方向均为相位编码方向。虽然前瞻性vSENSE方法生成图像更快，但前瞻性vSENSE(图4b)生成的APTw图像与健康志愿者中的传统SNESE(图4a)生成的APTw图像高度相似，表明其准确性并非降低。在传统的SNESE或vSENSE中，APTw图像没有明显的增强，这符合正常对照组的APTw信号的特点。

图5为在健康志愿者身上用传统SENSE法以及vSENSE法获得与重建的4ppm源图像。需要注意的是，对于所有帧，在相位编码方向上，传统SENSE法的恒定欠采样因子为2(图5a)。这是因为完全采样的3D CEST采集需要相当长时间的扫描。从同一前瞻性加速vSENSE法原始k空间数据来看，vSENSE法(图5c)生成的源图像与传统SENSE法(图5b)生成的源图像比，vSENSE法的结果与基本真值结果更为一致。vSENSE法与传统SENSE法的重建误差分别为0.042和0.076。在传统的SENSE图像中存在明显的伪影(图5d和5b中箭头指向)。

图6为源图像(图5)计算出的,经过在B₀场校正与图像配准之后的APTw图像。在相位和切片编码方向上加速时，传统SNESE方法重建的APTw图像中可以看到大量伪影(图6b)。相反，即使vSENSE法与传统的SENSE法实际上使用了相同的原始k空间数据(图6c与图6b)，vSENSE方法生成的APTw图(图6c)与参考结果(图6a)依然非常相似，几乎没有伪影。

在相位编码方向上R＝2时的传统3D SENSE结果，R＝4×2时的传统3D SENSE结果，与R＝4×2时的前瞻性3D vSENSE源图像如图7所示。vSENSE法(图5)在与传统SENSE法使用相同的k空间数据的同时，去除了在传统SENSE图像(图7c和7b)上的卷折伪影(由箭头表示)。vSENSE方法将重建误差减少了两倍以上，从0.131降低到0.063(图7d和7e)。

图8显示了使用vSENSE法生成APTw图像的重要性。vSENSE法与SENSE法使用相同的k空间数据，且vSENSE法生成的APTw图上没有SENSE法生成的APTw图上的伪影(图8c和8b)，并支持源图像不同帧中最高为8的加速因子。此外，随着最大加速因子从2x2增加到4x4，vSENSE法与R＝2x1的真值SENSE法之间的一致性略有降低(图8c与5c)，这可能是由于SNR的降低所导致的。

由此可见，本发明的vSENSE方法能够从2D扩展到3D CEST加速成像，并且其生成结果与标准SENSE结果高度相似，同时还具有更快的成像速度(图3-图8)。重要的是，vSENSE算法能够使用欠采样帧修正灵敏度图，计算重建误差和APTw图(2e和2b)，与使用更多k空间数据的那些方法的结果较为接近。最重要的是，将vSENSE方法从2D扩展到3D，获取CEST源图像时的加速因子可达到原来的8倍。结合交错并行传输饱和方案，vSENSE法可促进脑肿瘤以及其他神经系统疾病的常规CEST成像。

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (10)

1.一种基于变加速敏感度编码的CEST图像重建方法，其特征在于，步骤如下：

S1：对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各折叠体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；

S2：针对加速因子为R₂的待重建欠采样帧图像，R₂≥R₁，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂；

S22：利用SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像，然后利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值计算每个折叠体素的非零修正系数计算公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。

2.如权利要求1所述的基于变加速敏感度编码的CEST图像重建方法，其特征在于，所述的其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像；对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

3.如权利要求1所述的基于变加速敏感度编码的CEST图像重建方法，其特征在于，所述的欠采样帧准确图像为加速因子R₁＝2下获得的欠采样帧图像。

4.如权利要求1所述的基于变加速敏感度编码的CEST图像重建方法，其特征在于，步骤S25中，修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

5.如权利要求1所述的基于变加速敏感度编码的CEST图像重建方法，其特征在于，所述的CEST成像为三维或二维CEST成像。

6.一种基于变加速敏感度编码的CEST图像重建装置，其特征在于，包括预处理模块和图像重建模块；

所述的预处理模块，用于对被测对象在CEST成像中形成的K空间数据进行傅里叶变换，得到各折叠体素的图像空间折叠数据，所述的图像空间折叠数据中至少包含1帧加速因子R₁≥1的欠采样帧准确图像以及若干加速因子不小于R₁的其他待重建欠采样帧图像；

所述的图像重建模块，用于针对加速因子为R₂的待重建欠采样帧图像，R₂≥R₁，按照S21～S25的方法进行图像重建：

S21：根据图像空间位置计算每个折叠体素的灵敏度权重N_c为CEST成像时接收线圈的数量，k＝1,2,…,R₂；

S22：利用SENSE方法对加速因子为R₁的欠采样帧准确图像进行重建，得到每个折叠体素的准确重建信号值

S23：对加速因子为R₁的欠采样帧准确图像进行R₂倍仿真降采样，得到加速因子为R₂的仿真欠采样帧图像，然后利用SENSE方法对加速因子为R₂的仿真欠采样帧图像进行重建，得到每个折叠体素的不准确重建信号值

S24：根据每个折叠体素的准确重建信号值以及不准确重建信号值计算每个折叠体素的非零修正系数计算公式为：

S25：针对所述图像空间折叠数据中加速因子为R₂的待重建欠采样帧图像，先利用SENSE方法进行重建，然后针对重建后得到的每个折叠体素的不准确重建信号值，利用对应的非零修正系数进行修正，得到准确重建信号值。

7.如权利要求6所述的基于变加速敏感度编码的CEST图像重建装置，其特征在于，所述的其他待重建欠采样帧图像中，含有不同的加速因子下获得的欠采样帧图像；对于每一个加速因子下获得的欠采样帧图像，均需分别按照S21～S25的方法进行图像重建。

8.如权利要求6所述的基于变加速敏感度编码的CEST图像重建装置，其特征在于，所述的欠采样帧准确图像为加速因子R₁＝2下获得的欠采样帧图像。

9.如权利要求6所述的基于变加速敏感度编码的CEST图像重建装置，其特征在于，步骤S25中，修正公式为：

其中：为S25中第k个折叠体素的不准确重建信号值，为经过修正的准确重建信号值，k＝1,2,…,R₂。

10.如权利要求6所述的基于变加速敏感度编码的CEST图像重建装置，其特征在于，所述的CEST成像为三维或二维CEST成像。