CN110073232B - 用于多状态磁共振指纹识别的磁共振成像系统、方法和计算机可读介质 - Google Patents

用于多状态磁共振指纹识别的磁共振成像系统、方法和计算机可读介质 Download PDF

Info

Publication number
CN110073232B
CN110073232B CN201780077164.6A CN201780077164A CN110073232B CN 110073232 B CN110073232 B CN 110073232B CN 201780077164 A CN201780077164 A CN 201780077164A CN 110073232 B CN110073232 B CN 110073232B
Authority
CN
China
Prior art keywords
magnetic resonance
ssfp
data
imaging system
signal evolution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780077164.6A
Other languages
English (en)
Other versions
CN110073232A (zh
Inventor
K·佐默
M·I·多内瓦
T·E·阿姆托尔
P·柯肯
J·J·迈内克
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN110073232A publication Critical patent/CN110073232A/zh
Application granted granted Critical
Publication of CN110073232B publication Critical patent/CN110073232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences
    • 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
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • 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
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
    • 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G01R33/5613—Generating steady state signals, e.g. low flip angle sequences [FLASH]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Abstract

本发明提供一种磁共振成像系统(100)，用于采集测量区域(108)内的来自对象(118)的磁共振数据(142)。所述磁共振成像系统(100)包括：用于控制所述磁共振成像系统(100)的处理器(130)和存储机器可执行指令(150、152、154)、脉冲序列命令(140)和字典(144)的存储器(136)。脉冲序列命令(140)被配置用于控制所述磁共振成像系统(100)以每个重复时间采集多个稳态自由进动(SSFP)状态的所述磁共振数据(142)。脉冲序列命令(140)还被配置用于控制磁共振成像系统(100)以根据磁共振指纹识别协议采集所述多个稳态自由进动(SSFP)状态的所述磁共振数据(142)。所述字典(144)包括多个组织参数集。每个组织参数集被分配有针对多个SSFP状态预先计算的信号演变数据。

Description

用于多状态磁共振指纹识别的磁共振成像系统、方法和计算 机可读介质
技术领域
本发明涉及磁共振成像，具体地，涉及磁共振指纹识别。
背景技术
磁共振指纹识别(MRF)是这样一种技术，其中，施加随时间分布的多个RF脉冲，使得它们使来自不同类型组织的信号对所测量的磁共振 (MR)信号具有独一无二的贡献。将来自识别组织的具体类型或组成的一组或固定数量的组织参数的预计算信号贡献的有限字典与所测量的MR信号进行比较，并且能够在单个体素内确定识别引起所测量的MR信号的组织的类型或组成的参数。例如，如果已知体素仅包含水、脂肪和肌肉组织，则仅需要考虑识别这三种材料及其组成的组织参数的贡献，并且仅需要少量RF脉冲来准确地确定体素的组织的组成的参数。
磁共振指纹识别技术在Ma等人的期刊文章“Magnetic ResonanceFingerprinting”(Nature，2013年，第495卷，第187至193页)中进行了介绍。磁性指纹识别技术还在美国专利申请US 2013/0271132 A1和US 2013/0265047 A1中进行了描述。
发明内容
本发明在独立权利要求中提供一种磁共振成像系统、计算机程序产品和方法。在从属权利要求中给出了实施例。
磁共振(MR)数据在本文中定义为，在磁共振成像扫描期间使用磁共振装置的天线所记录的由原子自旋发射的射频信号的测量值。磁共振数据是医学图像数据的范例。磁共振成像(MRI)图像在本文中定义为，包含在磁共振成像数据内的重建的二维或三维可视化的解剖数据。能够使用计算机来执行这种可视化。
在常规参数映射方法的情况下，例如，在常规T1和T2映射技术中，以针对T1映射的不同的反转时间或针对T2映射的不同的回波时间一个接一个地采集若干完全采样的图像。使用从T1和T2的变化产生的每个体素的多个值通过应用指数拟合来分别确定针对T1映射数据的弛豫时间和针对T2映射数据的衰减时间。
然而，这种常规定量MRI方法具有高度耗时的缺点，因为一次仅测量一个参数。在对于每个图像改变一个特定的采集参数同时所有其他采集参数保持恒定的情况下，采集针对若干图像的磁共振数据。随后将获得的MRI 数据与数学模型拟合，以估计一个感兴趣采集参数，例如，像弛豫时间(T1) 或信号衰减时间(T2)。为了获得关于一个以上的采集参数的信息，必须针对每个感兴趣参数重复上述过程。然而，对于MRI技术的临床应用，主要需要快速和准确的量化。
Ma等人的Nature文章介绍了用于描述这种技术的磁共振指纹识别和术语的基本思想，例如字典，其被理解为涉及磁共振指纹识别字典。
在磁共振指纹识别中，基于针对体素的信号演变来采集组织参数。用于采集信号的采集参数是变化的，所得到的信号演变曲线也被称为引起所测量的MR信号被记录的组织的类型或组成的“指纹”。例如，模式识别算法用于找到最能代表每个体素的采集信号演变的字典条目。字典中的每个指纹指向相关联的组织的MR相关识别特征。
在一个方面中，本发明提供一种用于采集测量区域内的来自对象的磁共振数据的磁共振成像系统。所述磁共振成像系统包括用于控制所述磁共振成像系统的处理器。所述磁共振成像系统还包括存储机器可执行指令的存储器。存储器还用于存储脉冲序列命令和字典。所述脉冲序列命令被配置用于控制所述磁共振成像系统以采集多个稳态自由进动(SSFP)状态的磁共振数据。所述脉冲序列命令还被配置用于控制所述磁共振成像系统以根据磁共振指纹识别协议采集所述多个稳态自由进动(SSFP)状态的所述磁共振数据。
所述字典包括多个组织参数集。每个组织参数集被分配有针对多个 SSFP状态的预先计算的信号演变数据。
机器可执行指令的运行令所述处理器通过控制所述磁共振成像系统利用脉冲序列命令以根据磁共振指纹识别协议采集针对多个体素的多个 SSFP状态的磁共振数据。此外，针对所采集的多个SSFP状态磁共振数据来重建组织参数图。对于每个体素，识别与所采集的多个SSFP状态磁共振数据最佳匹配的由字典提供的预先计算的信号演变数据，并且将最佳匹配的预先计算的共振信号演变数据的组织参数集分配给相应的体素。
根据本发明的实施例，所述脉冲序列命令被配置用于控制磁共振成像系统以每个重复时间采集多个稳态自由进动(SSFP)状态的磁共振数据，并且令处理器通过控制磁共振成像系统利用脉冲序列命令以根据磁共振指纹识别协议针对多个体素以每个重复时间采集多个SSFP状态的磁共振数据。
例如，在Scheffler的期刊文章“A Pictorial Description of Steady-Statesin Rapid Magnetic Resonance Imaging”(Concepts in Magnetic Resonance，1999 年，第11(5)卷，第291至304页)中描述了SSFP状态。此外，Wiegel， M的“Extended phasegraphs:Dephasing,RF pulses,and Echos–Pure and Simple”(Journal of magneticresonance imaging，2015年，第41卷，第266-295 页)给出了这个概念的解释。
在每个激励脉冲之后采集多个SSFP状态可以通过延伸和扩展根据脉冲序列命令生成的读出梯度的应用来实现。可以连续地，即在相同重复期间的不同时间点处，采集不同SSFP状态的磁共振数据。通过适当地调整读出梯度，采集每个不同SSFP状态的磁共振数据的时间点。例如，在Mizumoto 等人的期刊文章“Multiple Echo SSFP Sequences”(Magnetic resonance in medicine，1991年，第18卷，第244-250页)中总体上描述了通过延伸和扩展读出梯度的应用来控制多个SSFP状态。这种脉冲序列还可以通过改变诸如FA、RF阶段和整个采集过程中的TR的序列参数来修正。Heule等人的“Triple Echo Steady-State(TESS)Relaxometry”(Magnetic resonance in medicine，2014年，第71卷，第230-237页)示出了脉冲序列如何看起来像采集多个SSFP状态。通过在每个激励脉冲之后采集多个SSFP状态，与已知的MRF方法相比，可以在相同的测量时间内获得相当更多的信息。因此，本发明的实施例可以改善效率、准确性和/或精度。
磁共振指纹识别(MRF)可以提供诸如T1和T2的组织参数的快速和准确的量化。它依赖于诸如在采集期间的翻转角(FA)的序列参数的连续变化，从而产生被假定为下层组织的特征的信号演变曲线。之后，所采集的信号与可能的信号演变曲线的预先计算的数据库(即，字典条目)的后续匹配可以得到想要的组织参数。
MRF可以使用单次、时间有效的采集提供多个采集参数的同时测量，例如，像T1、T2、相对自旋密度(M0)、B0不均匀性等。
例如以伪随机方式有意地改变多个采集参数，使得每个组织或组织的组合生成独一无二的信号演变。另外，可以使用针对各种各样的组织参数组合的不同物理模型根据第一原理模拟信号演变数据。这种模拟的信号演变数据被收集在字典中。在数据采集之后，可以应用模式识别算法(pattern recognition algorithm)来针对每个体素的每个信号演变找到最能代表相应信号演变的字典条目。然后，针对每个体素，将用于模拟针对从相应体素采集的信号演变识别的最佳匹配字典条目的参数分配给体素。所采集的信号演变对于每个组织是独一无二的，并且能够被视为必须被识别的已收集指纹。字典中的每个指纹指向相关联组织的MR相关识别特征，例如，像T1、 T2、M0、B0、扩散等。
对于常用的磁共振指纹识别序列，针对T1的编码能力通常远高于针对 T2的编码能力。因此，所采用的翻转角(FA)模式的最小长度，以及因此的整个测量的最小长度主要由T2估计的精度来确定。对于大多数MRF序列，T2估计需要相当长的信号演变时间来获得准确的T2估计，因此需要采用相对长的FA模式。
实施例可具有减少所需采集时间的优点。这可以通过增加由于以每个重复时间采集多个SSFP状态导致的针对T2的编码能力来实现。针对T2 的这种更高的编码能力可以大大减少所需采集时间。
根据实施例，针对每个组织参数集的预先计算的信号演变数据包括多个预先计算的信号演变曲线的数据。每个预先计算的信号演变曲线被分配给多个SSFP状态中的一个SSFP状态，并表征相应SSFP状态的信号演变。对最佳匹配所采集的多个SSFP状态磁共振数据的预先计算的信号演变数据的识别还包括，确定所采集的信号演变曲线与被分配给相同的SSFP状态的预先计算的信号演变曲线的每次比较的匹配因子，以及使用用于识别最佳匹配的预先计算的信号演变数据的匹配因子。
实施例可以具有以下有益效果：可以有效地识别组织参数集，其最佳地描述了引起所采集的多个SSFP状态磁共振数据的类型或组织类型的组合。由于针对每个字典条目(即，组织参数集)执行针对多个预先计算的信号演变曲线的匹配，因此可以减少由于测量误差导致的误匹配的概率。与标准MRF方法相比，这可以产生抗(against)测量误差的改善的稳定性，从而允许通过缩短根据MRF协议采用的变化模式来减少总采集时间。
根据实施例，匹配因子的确定还包括计算针对每个组织参数集的预先计算的信号演变数据的平均匹配因子。具有最佳平均匹配因子的预先计算的信号演变数据被识别为最佳匹配所采集的多个SSFP状态磁共振数据的预先计算的信号演变数据。
实施例可以具有有效地考虑针对多个预先计算的信号演变曲线的多个匹配过程的有益效果。
根据实施例，所采集的多个SSFP状态磁共振数据与预先计算的信号演变数据的匹配包括确定经归一化(normalized)的所采集的信号演变曲线与被分配给相同SSFP状态的经归一化的信号演变曲线之间的内积。最佳平均匹配是由内积的最高平均内积给出的。
实施例可以具有通过使用内积来识别最佳匹配的预先计算的信号演变数据从而提供稳定操作的有益效果。使用内积的分析能够正确地对组织参数集(即，所采集的多个SSFP状态磁共振数据下面的组织)进行分类，即使在由于欠采样导致的低SNR的情况下或者甚至存在有限数量的运动伪影的情况下。
为了分析所采集的多状态SSFP信号，可以计算特定的字典，其针对所包括的每个组织参数集包括针对所采用的MRF序列的所有采用的SSFP状态的特征信号演变数据。由字典包括的每个组织参数集，例如像T1/T2-组合可以被分配有多个不同的SSFP信号曲线。所采集的信号(即，所采集的信号演变曲线)可以与字典中被分配给相同SSFP状态的信号曲线中的每个进行匹配。对于由经归一化的所采集的多个SSFP信号所包括的n个不同SSFP状态Fi，针对每个经归一化的字典条目(即，组织参数集)，可以计算n个不同的内积θi(也称为矢量点积)，即，针对每个SSFP状态Fi有一个内积θi，其中，i指示SSFP状态的阶。归一化可以例如是使得每个相应的量具有相同的求和平方量值。最合适的组织参数集，例如，T1/T2组合可以被识别为产生最高平均内积的那一个，即
Figure GDA0003506639100000061
由于针对每个字典条目执行多个匹配过程，因此可以显着降低由于诸如噪声的测量误差导致的误匹配的概率。因此，与标准MRF方法相比，本文描述的多状态SSFP MRF 方法可以表现出抗测量误差的改进的稳定性。这可以通过缩短例如像FA模式的所采用的变化模式来减少总采集时间。
根据实施例，对最佳匹配所采集的多个SSFP状态磁共振数据的预先计算的信号演变数据的识别还包括，使用加权因子对所采集的多个SSFP状态磁共振数据与各个预先计算的信号演变曲线的比较的结果进行加权。实施例可以具有考虑各个预先计算的信号演变曲线(即，SSFP状态)的不同质量和/或显著性的有益效果。
根据实施例，被分配给较高阶SSFP状态的预先计算的信号演变曲线的比较的结果被分配具有比与被分配给较低阶SSFP状态的信号演变的比较的结果相比更小的加权因子。
根据实施例，不同SSFP状态的典型信噪比(SNR)的知识可以包含在匹配过程中，即，不同于使用算术平均来识别最合适的组织参数集，可以引入不同的内积的加权：
Figure GDA0003506639100000062
其中，wi是SSFP状态Fi的内积θi的加权因子。例如，在|i|＞1的情况下，例如像i＝2，3，4或者更高，较高阶SSFP状态Fi可以具有更低的SNR，并且因此，为了改善总SNR，可以用更小的加权因子进行加权，使得它们对总SNR的SNR贡献减小。与最大强度F0状态相比，较高阶Fi具有强烈减小的(即，根据i以指数降低) 的强度。由于磁共振数据采集中的噪声与阶SSFP状态无关，因此与较低阶 Fi相比，针对较高阶Fi的SNR急剧地(即，以指数)降低。
根据实施例，所采集的多个SSFP状态磁共振数据包括三个或更多个 (例如五个、七个、九个等)SSFP状态的磁共振数据。根据实施例，所采集的多个SSFP状态磁共振数据包括中央SSFP状态的磁共振数据。
根据实施例，所采集的多个SSFP状态磁共振数据包括以下SSFP状态的磁共振数据：F-2，F-1，F0，F1和F2。
实施例可以具有为有效率且有效的数据分析提供合适基础的有益效果。与较高阶SSFP状态Fi|i|＞1相比，具有|i|＜1的较低阶SSFP状态Fi的强度更高，对Fi|i|＞1而言，强度以n的指数减小。然而，较高阶SSFP 状态，即F-2和F2表现出更明显的T2依赖性。因此，考虑到较高阶SSFP 状态可以增加T2估计的准确性，从而允许降低采集时间。
根据实施例，根据磁共振指纹识别协议采集多个SSFP状态磁共振数据包括在采集多个SSFP状态磁共振数据期间改变以下参数中的一个或多个：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。根据实施例，个体地改变参数。例如，可以使用一个或多个伪随机模式来改变参数。根据其他实施例，可以使用其他模式。
在整个采集过程中改变射频激励角度(也称为翻转角或FA)的绝对值、射频相位、梯度场和重复时间(TR)，可以采集针对不同组织参数和不同 SSFP状态的不相关演变信号。这些不相关演变信号是独一无二的指纹，可用于识别基础类型或组织类型的组合。
可以通过在整个扫描期间修正读出梯度以引入额外的T2加权来实现针对不同SSFP状态改变回波时间。在字典的计算中考虑这种变化。
根据实施例，机器可执行指令的运行还令处理器预先计算字典的信号演变数据，其中，针对字典的每个组织参数集预先计算针对多个SSFP状态的信号演变数据，处理器还将预先计算的信号演变数据存储在存储器中。例如，可以通过求解Bloch方程或通过执行延伸的相位图计算来计算字典。
根据实施例，信号演变数据的预先计算包括使用以下参数中的一个或多个的变化对多个SSFP状态信号演变数据中的每一个进行建模：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。
根据实施例，可以通过使用延伸的相位图公式对字典包括组织参数集的每个预定组织进行建模来生成字典。例如，在Weigel的“Extednded phase graphs：Dephasing，RFpulse，and echoes–pure and simple”(Journal of Magnetic Resonance Imaging，2015年，第41卷，第266至295页)中并且还在Scheffler的“A Pictorial Description ofSteady–States in Rapid Magnetic Resonance Imaging”(Concepts in MagneticResonance，1999年，第11(5) 卷，第291至304页)中描述了延伸的相位图公式。
根据实施例，使用组织参数图重建一幅或多幅磁共振图像。
实施例可以具有以下有益效果，即允许在表示不同组织参数(即，采集参数)的测量区域中重建对象的磁共振图像，例如像T1加权的图像或 T2加权的图像。在T1加权的成像中，T2弛豫效应最小化。具有例如像白色物质的高脂肪含量的组织看起来是明亮的，并且充满例如像脑脊液 (CSF)的水的隔间(compartment)看起来是暗的。这种对比度选择对于表示解剖结构可以是有益的。在T2加权的成像中，T1弛豫效应最小化。例如像CSF隔间的充满水的隔间看起来是明亮的，而具有例如像白色物质的高脂肪含量的组织看起来是暗的。T2加权的图像对于病理学可以是有利的，因为例如大多数病变与水含量增加有关。
在另一方面中，本发明提供一种包括机器可执行指令的计算机程序产品，所述机器可执行指令用于由处理器运行控制磁共振成像系统采集测量区域内的来自对象的磁共振数据。机器可执行指令的运行令所述处理器通过控制磁共振成像系统利用脉冲序列命令根据磁共振指纹识别协议针对多个体素以每个重复时间采集多个SSFP状态的磁共振数据。脉冲序列命令被配置用于控制磁共振成像系统以根据磁共振指纹识别协议每次重复采集多个SSFP状态的磁共振数据。
机器可执行指令的运行还令所述处理器针对所采集的多个SSFP状态磁共振数据重建组织参数图。重建包括：针对每个体素识别与所采集的多个SSFP状态磁共振数据最佳匹配的由字典提供的预先计算的信号演变数据，并将最佳匹配的预先计算的共振信号演变数据的组织参数集分配给相应的体素。字典包括多个组织参数集，每个组织参数集被分配有针对多个 SSFP状态预先计算的信号演变数据。
计算机程序产品可以包括用于由处理器运行的机器可执行指令，所述处理器被配置用于控制磁共振成像系统以实施前述实施例中的任一个。
在另一方面中，本发明还提供一种操作用于采集测量区域内的来自对象的磁共振数据的磁共振成像系统的方法。所述方法包括通过控制磁共振成像系统利用脉冲序列命令根据磁共振指纹识别协议针对多个体素以每个重复时间采集多个SSFP状态的磁共振数据。所述脉冲序列命令被配置用于控制磁共振成像系统以根据磁共振指纹识别协议每次重复采集多个SSFP 状态的磁共振数据。
所述方法还包括针对所采集的多个SSFP状态磁共振数据重建组织参数图。所述重建包括针对每个体素识别与所采集的多个SSFP状态磁共振数据最佳匹配的由字典提供的预先计算的信号演变数据，并将最佳匹配的共振预先计算的信号演变数据的组织参数集分配给相应的体素。字典包括多个组织参数集，每个组织参数集被分配有针对多个SSFP状态预先计算的信号演变数据。
所述方法可以被配置用于操作磁共振成像系统以实施前述实施例中的任何一个。
本发明的前述实施例可以因此提供：
-采集每个TR的多个SSFP状态的MR指纹识别序列；
-计算包含所有所采集的SSFP状态的特征信号演变数据的字典的方法；
-执行与多状态字典进行匹配(即，重建组织参数图)的方法。
应当理解，只要组合后的实施例不是相互排斥的，可以组合本发明的前述实施例中的一个或多个。
如本领域技术人员将理解的，本发明的各方面可以体现为装置、方法或计算机程序产品。因此，本发明的各方面可以采取完全硬件实施例、完全软件实施例(包括固件、常驻软件。微代码等)或者组合软件和硬件方面的实施例的方式，这些实施例在本文中通常被称为“电路”、“模块”或“系统”。此外，本发明的各方面可以采取体现在一个或多个计算机可读介质中的计算机程序产品的形式，所述计算机可读介质具有包含在其上的计算机可执行代码。
可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。本文使用的“计算机可读存储介质”包括可以存储可由计算设备的处理器执行的指令的任何有形存储介质。计算机可读存储介质可以指计算机可读非暂时性存储介质。计算机可读存储介质还可以指有形计算机可读介质。在一些实施例中，计算机可读存储介质还能够存储能够由计算设备的处理器访问的数据。计算机可读存储介质的范例包括但不限于：软盘、磁性硬盘驱动器、固态硬盘、闪存、USB拇指驱动器、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁性光盘和处理器的寄存器文件。光盘的范例包括压缩盘(CD)和数字通用盘(DVD)，例如CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW 或DVD-R盘。术语计算机可读存储介质还指能够由计算机设备经由网络或通信链路访问的各种类型的记录介质。例如，可以通过调制解调器、通过因特网或通过局域网检索数据。体现计算机可读介质上的计算机可执行代码可以使用任何适当的介质传输，包括但不限于无线、有线、光纤电缆、 RF等，或者前述的任何合适的组合。
计算机可读信号介质可以包括传播数据信号，其带有体现在其中的，例如在基带中或作为载波的一部分的计算机可执行代码。这种传播信号可以采用多种形式中的任何一种，包括但不限于电磁、光学或其任何合适的组合。计算机可读信号介质可以是任何计算机可读介质，其不是计算机可读存储介质并且能够通信、传播或传输程序以供指令执行系统、装置或设备使用或与其结合使用。
“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是对于处理器可直接访问的任何存储器。“计算机存储”或“存储”是计算机可读存储介质的其他范例。计算机存储是任何非易失性计算机可读存储介质。在一些实施例中，计算机存储也可以是计算机存储器，反之亦然。
本文使用的“处理器”包括能够执行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应该被解释为可能包含多于一个处理器或处理核心。处理器可以例如是多核处理器。处理器还可以指单个计算机系统内的或分布在多个计算机系统中的处理器的集合。术语计算设备还应当被解释为可能指每个包括一个或多个处理器的计算设备的集合或网络。计算机可执行代码可以由多个处理器执行，这些处理器可以在相同计算设备内，或者甚至可以分布在多个计算设备上。
计算机可执行代码可以包括机器可执行指令或使得处理器执行本发明的方面的程序。用于执行本发明各方面的操作的计算机可执行代码可以以一种或多种编程语言的任何组合来编写并且被编译成机器可执行指令，所述编程语言包括诸如Java、Smalltalk、C++等的面向对象的编程语言和诸如“C”编程语言或类似的编程语言的常规过程编程语言。在某些情况下，计算机可执行代码可以是高级语言的形式或者是预编译的形式，并且可以与在运行中生成机器可执行指令的解释器结合使用。
计算机可执行代码可以完全在用户计算机上、部分在用户计算机上、作为独立的软件包、部分在用户计算机上并且部分在远程计算机上或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，通过使用互联网服务提供商的互联网)。
参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程示意图和/或框图来描述本发明的各方面。应当理解，流程图、示意图和 /或框图的每个块或块的一部分能够在适用时以计算机可执行代码的形式由计算机程序指令实施。还应当理解，当互相不排斥时，可以组合不同流程图、示意图和/或框图中的块的组合。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器来产生机器，使得经由计算机的处理器或其他可编程数据处理装置执行的指令创建用于实施流程图和/或框图的块中指定的功能/动作的手段。
这些计算机程序指令还可以存储在计算机可读介质中，所述计算机可读介质能够指示计算机、其他可编程数据处理装置或其他设备以具体方式起作用，使得存储在计算机可读介质中的指令产生包括实施流程图和/或框图的块中指定的功能/动作的指令的制品(article of manufacture)。
计算机程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实施的过程，使得在计算机或其他可编程装置上执行的指令提供用于实施在流程图和/或框图的块中指定的功能/动作的过程。本文使用的“用户接口”是允许用户或操作者与计算机或计算机系统进行交互的接口。“用户接口”也可以称为“人机接口设备”。用户接口可以向操作者提供信息或数据和/或从操作者接收信息或数据。用户接口可以使得来自操作者的输入能够被计算机接收，并且可以从计算机向用户提供输出。换言之，用户接口可以允许操作者控制或操纵计算机，并且接口可以允许计算机指示操作者的控制或操纵的效果。在显示器或图形用户接口上显示数据或信息是向操作者提供信息的范例范例。通过键盘、鼠标、轨迹球、触摸板、指点杆、图形输入板、操纵杆、网络摄像头、耳机、有线手套、遥控器和加速度计接收数据都是用户接口组件的范例，其能从操作者接收信息或数据。
本文使用的“硬件接口”包括使计算机系统的处理器能够与外部计算设备和/或装置交互和/或控制外部计算设备和/或装置的接口。硬件接口可以允许处理器将控制信号或指令发送到外部计算设备和/或装置。硬件接口还可以使处理器能够与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于：通用串行总线、IEEE 1394端口、并行端口、IEEE 1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、 TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口和数字输入接口。
本文使用的“显示器”或“显示设备”包括适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉的、音频的和/或触觉的数据。显示器的范例包括但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、
阴极射线管(CRT)、存储管、双稳态显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示器面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪和头戴式显示器。
附图说明
在下文中，将仅通过范例的方式并参考附图来描述本发明的优选实施例，其中：
图1图示了范例性磁共振成像系统的示意图；
图2图示了说明使用图1的范例性磁共振成像系统的方法的流程图；
图3图示了针对典型组织参数的范例性模拟SSFP信号；
图4A至4C图示了使用指纹识别协议的针对典型组织参数的SSFP信号曲线的依赖性；
图5示意性示出了能够利用根据本发明实施例的MRI系统采集的MR 指纹识别采集块。
附图标记列表
100 磁共振成像系统
104 磁体
106 磁体的膛
108 测量区域或成像区域
110 磁场梯度线圈
112 磁场梯度线圈电源
114 射频线圈
116 收发器
118 对象
120 对象支撑物
122 致动器
126 计算机系统
128 硬件接口
130 处理器
132 用户接口
134 计算机存储
136 计算机存储器
140 脉冲序列命令
142 磁共振数据
144 磁共振指纹识别字典
146 磁共振图像
150 控制指令
152 磁共振指纹字典生成指令
154 图像重建指令
200 预先计算和存储信号演变数据
202 采集磁共振数据
204 重建组织参数图
206 重建磁共振图像
具体实施方式
在这些附图中相同标记的元件为等效的元件，或执行相同的功能。如果功能是等效的，则已经在先前讨论过的元件将不必在稍后的附图中进行讨论。
图1示出了具有磁体104的磁共振成像系统100的范例。磁体104是超导圆柱形磁体104，其具有穿过其的膛106。也可以使用不同类型的磁体。例如，也能够使用分裂式圆柱形磁体和所谓的开放式磁体两者。分裂式圆柱形磁体类似于标准圆柱形磁体，除了低温恒温器已经被分开成两部分，以允许进入磁体的等平面，这样的磁体可以例如与带电粒子射束治疗结合使用。开放式磁体具有两个磁体部分，一个在另一个之上，它们之间具有足够大以容纳对象的空间：两个部分区的布置类似于亥姆霍兹线圈的布置。开放式磁体是流行的，这是因为对象被较少地局限。在圆柱形磁体的低温恒温器内部存在超导线圈的集合。在圆柱形磁体104的膛106内存在成像区108，在所述成像区中，磁场足够强且足够均匀以执行磁共振成像。
在磁体的膛106内存在一组磁场梯度线圈110，所述磁场梯度线圈110 用于采集磁共振数据以在磁体104的成像区108内对磁自旋进行空间编码。磁场梯度线圈110被连接到磁场梯度线圈电源112。磁场梯度线圈110意为代表性的。通常，磁场梯度线圈110包含三组单独的线圈，用于在三个正交空间方向上进行空间编码。磁场梯度电源向磁场梯度线圈供应电流。根据时间来控制被供应到磁场梯度线圈110的电流，并且可以对该电流进行斜坡变化或脉冲变化。
与成像区域108相邻的是射频线圈114，其用于操纵成像区域108内的磁自旋的取向，并且用于接收也来自成像区域108内的自旋的无线电传输。射频天线可以包含多个线圈元件。射频天线也可以称为通道或天线。射频线圈114被连接到射频收发器116。射频线圈114和射频收发器116可以由单独的发射线圈和接收线圈以及单独的发射器和接收器代替。应当理解，射频线圈114和射频收发器116是代表性的。射频线圈114还意为表示专用发射天线和专用接收天线。同样地，收发器116还可以表示单独的发射器和接收器。射频线圈114还可以具有多个接收/发射元件，并且射频收发器116可以具有多个接收/发射通道。
对象支撑物120被附接至任选的致动器122，所述致动器122能够使对象支撑物和对象118移动通过成像区域108。以这种方式，能够对对象118 的较大部分或整个对象118进行成像。收发器116、磁场梯度线圈电源112 和致动器122都被视为连接到计算机系统126的硬件接口128。计算机存储器134被示为包含用于执行磁共振指纹识别技术的脉冲序列命令140。
脉冲序列命令140令磁共振系统以根据磁共振指纹识别技术采集磁共振数据。脉冲序列命令可以指定用于通过改变采集参数来重复采集磁共振数据142的脉冲序列。脉冲序列可以包括多个射频脉冲，例如，250个RF 脉冲到1000个RF脉冲，每个脉冲对应于数据采集步骤，即序列步骤，重复时间被分配给步骤。由脉冲序列定义的采集参数可以从采集步骤到采集步骤(即，针对每个重复时间)而变化。因此，可以在每个序列步骤处使用不同的采集参数来采集磁共振数据。此外，可以在每个重复时间(即，每个序列步骤)采集多个SSFP状态。每个重复时间的这种多SSFP状态的采集可以通过在每个射频脉冲之后延伸和扩展读出梯度的应用来实现。为此目的，脉冲序列命令140可以通过控制到所述一组梯度线圈110的供应电流来指定在至少一个方向上的梯度磁场的施加。因此，对于多个SSFP 状态中的每一个，磁共振数据142可以是在每个序列步骤处采集的，其中，采集参数从采集步骤到采集步骤进行变化。由于在每个重复时间期间可以在不同的时间点采集不同SSFP状态的磁共振数据142，因此可以对不同 SSFP状态的磁共振数据142进行去交织(deinterleaved)或解开(disentangle)，从而产生多个不同的信号演变曲线，每个曲线都针对单个 SSFP状态进行采集。例如，脉冲序列的以下采集参数中的一个或多个可以从采集步骤到采集步骤进行变化：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。因此，例如，由脉冲序列提供的射频脉冲的分布可以使磁自旋旋转到翻转角的分布。每个重复时间(即，在相同的数据采集操作期间)采集多个SSFP状态的磁共振数据142可以允许显著减少用于采集足够的磁共振数据142以重建所希望的质量的磁共振图像所需采集时间。具体地，考虑到具有明显T2依赖性的较高阶SSFP状态可以产生针对T2 的更高的编码能力。因此，与已知方法相比，可以具体地在T2的方面减少用于采集足够的磁共振数据142的所需采集时间。
计算机存储134还被示出为包含磁共振数据142，其使用脉冲序列命令 140来采集，以控制磁共振成像系统100。计算机存储134还被示出为包含磁共振指纹识别字典144。计算机存储还被示出为包含使用磁共振数据142 和磁共振指纹识别字典144重建的磁共振图像146。
计算机存储器136包含控制模块150，其包含如操作系统或其他指令的这种代码，所述其他指令使得处理器130能够控制磁共振成像系统100的操作和功能。
计算机存储器136还被示为包含磁共振指纹字典生成模块152。指纹生成模块152可以使用针对每个体素的Bloch方程对一个或多个自旋进行建模以构建磁共振指纹识别字典144。指纹识别字典144可以包括多个组织参数集。每个组织参数集可以被分配有预先计算的信号演变数据，所述信号演变数据包括多个预先计算的信号演变曲线的数据。每个预先计算的信号演变曲线被分配给多个SSFP状态中的一个SSFP状态，并且表征由于从采集步骤到采集步骤的采集参数的变化导致的相应SSFP状态的信号演变，例如翻转角的绝对值、射频相位、梯度场、回波时间和/或重复时间的变化。计算机存储器136还被示为包含图像重建模块154，其使用磁共振数据142 和磁共振指纹识别字典144来重建磁共振图像146。为了重建图像146，每个体素被分配有一组组织参数。可以识别相应的组织参数，确定与所采集的多个SSFP状态磁共振数据142最佳匹配的预先计算的信号演变数据。在每个组织参数集的每个预先计算的信号演变数据包括每个针对不同SSFP 状态计算的多个预先计算的信号演变曲线的数据的情况下，对于每个组织参数集，可以在每个经归一化的所采集的信号演变曲线与被分配给相同的 SSFP状态的组织参数集的预先计算的经归一化的信号演变曲线之间确定内积。最佳平均匹配组织参数集(例如，针对其计算各个曲线的内积的最高平均内积的组织参数)可以被分配给相应的体素。将组织参数集分配给每个体素，可以重建组织参数图。该组织参数图可以用于重建图像146，每个图像图示了由所分配的组织参数集构成的组织参数中的一个或多个。例如，磁共振图像146可以是绘制穿过对象118的二维切片。
计算机存储134和计算机存储器136的内容可以彼此复制，或者可以交换任一内容。
图2示出了图示操作图1的磁共振成像系统100的方法的范例的流程图。在方框200中，针对每个组织参数集，预先计算信号演变数据。每个组织参数集的预先计算的信号演变数据可以包括每个针对不同SSFP状态计算的多个预先计算的信号演变曲线的数据。换言之，针对每个组织参数集，可以预先计算多个预先计算的信号演变曲线。这些预先计算的信号演变曲线中的每个预测针对相应的组织参数和相应的SSFP状态的信号演变。当预先计算针对多个SSFP状态中的每一个的预先计算的信号演变曲线时，信号演变数据可以是正在使用组织参数进行建模并且改变以下参数中的一个或多个：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。
在方框202中，根据磁共振指纹识别协议来以每个重复时间采集多个 SSFP状态的磁共振数据142。例如，采集五个中央SSFP状态F-2，F-1，F0， F1，F2的磁共振数据142。例如，以下参数中的一个或多个是例如：伪随机地、在采集多个SSFP状态磁共振数据142期间变化的：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。由于可以在重复期间在不同时间点采集不同SSFP状态的磁共振数据142，因此可以对不同SSFP状态的磁共振数据142进行去交织或解开，从而产生多个所采集的信号演变曲线，其中，每个所采集的信号演变曲线被分配给多个SSFP状态中的一个SSFP 状态。
在方框204中，重建针对所采集的多个SSFP状态磁共振数据142的组织参数图。对于每个体素，识别一组组织参数，其预先计算的信号演变数据与所采集的多个SSFP状态磁共振数据最佳匹配。在每个组织参数集的每个预先计算的信号演变数据包括多个预先计算的信号演变曲线的数据，每个针对不同的SSFP状态，例如F-2，F-1，F0，F1或F2计算的情况下，最佳匹配的预先计算的信号演变数据可以是例如使用内积的加权和
Figure GDA0003506639100000181
来确定。这里，wj可以是加权因子，并且θj是经归一化的所采集的信号演变曲线的内积，其中，经归一化的预先计算的信号演变曲线被分配给相同的，即第j个SSFP状态Fj。为了改善总SNR，具有|i|＞1(例如像i＝2，3，4或者更高)的较高阶SSFP状态Fi可以用更小的加权因子进行加权，使得它们对总SNR的SNR贡献减小。对其计算出最高加权和的预先计算的信号演变数据可以被识别为最佳匹配的预先计算的信号演变数据。因此，这里评估的所采集的多个SSFP状态磁共振数据142的体素可以被分配最佳匹配的预先计算的信号演变数据的组织参数。因此，可以将组织参数分配给生成组织参数图的每个体素。考虑较高阶SSFP状态可能导致针对T2的更高的编码能力。因此，可以显著减少用于采集足够的磁共振数据142所需的采集时间。
在方框206中，重建的组织参数图用于重建一幅或多幅磁共振图像。重建图像的类型可以取决于由组织参数图所包括的组织参数的类型。例如，可以重建T1加权的或T2加权的图像。此外，例如，可以重建相对自旋密度M0或B0的图像。
图3示出了根据针对三个中央SSFP状态F-1 302，F0 300，F1 304的翻转角的针对典型组织参数的模拟SSFP信号，即T1＝950ms和T2＝100ms。不同的SSFP状态F-1 302，F0 300，F1 304中的每个示出了对翻转角的独一无二的依赖性。因此，通过改变翻转角，可以采集针对SSFP状态中的每个的独一无二的信号演变曲线300、302、304。
图4A示出了用于计算图3中所示的模拟信号演变曲线的范例性翻转角 (FA)模式400。在该范例中，采用TR＝15ms的固定重复时间。
图4B示出了针对图4A的FA模式400的范例性模拟信号演变曲线。所描绘的是针对典型组织参数的五个中央SSFP状态F-2，F-1，F0，F1和F2的信号，在该范例中，T1＝950ms，并且T2＝100ms。请注意，所有信号曲线都已经被归一化。组织参数T1＝950ms和T2＝100ms表示字典的单个组织参数集。从图4B，可以针对所有五个SSFP状态F-2，F-1，F0，F1和 F2获得独一无二的信号曲线变得显而易见。
图4C示出了对于T1＝950ms和两个不同的T2值(即，T2＝100ms 和T2＝150ms)的图3的FA模式的SSEP状态F-2和F2的范例性模拟信号演变曲线。从图4C，额外地采集的较高阶SSFP状态的明显的T2依赖性变得显而易见。考虑到这些较高阶SSFP状态F-2和F2可以因此导致更有效地识别作为组织参数的包括T2的最佳匹配组织参数集。包括特定值T2的每个组织参数集可以被分配有SSFP状态F-2和F2的预先计算的信号演变曲线，所述SSFP状态F-2和F2与包括不同的T2值的其他组织参数集的SSFP 状态F-2和F2的预先计算的信号演变曲线显著不同。因此，考虑到较高阶 SSFP状态可以使得能够更有效地区分具有不同T2值的组织参数集，即，为T2提供更高的编码能力。因此，用于采集足够的磁共振数据142的所需采集时间可以显著减少：针对T1的MRF序列的编码能力通常比针对T2 的高得多。因此，要应用的变化模式的最小长度以及因此整个测量的最小长度主要由T2估计的准确性来确定。然而，随着针对T2的更高编码的能力，所需采集时间显著降低。
考虑到较高阶SSFP状态F-2和F2可以例如包括为这些SSFP状态F-2和F2中的每个在每个序列步骤处(即，在每个重复时间期间)采集磁共振数据142。识别最佳匹配的预先计算的信号演变数据可以包括比较所采集的信号演变曲线和被分配给SSFP状态F-2和F2的预先计算的信号演变曲线。这些比较的结果，例如，使用如上所述的内积，可以促进具有不同T2值的组织参数集的区分，并且因此加速以及简化组织参数图的重建。
图5示意性示出了MR指纹识别采集块501，其能够利用根据本发明的实施例的MRI系统来采集。在MR指纹识别序列中，翻转角不断变化，其由αn和αn+1表示。借由这种采集块，将对应于F1，F0和F-1状态或描述在先前的RF脉冲之后的自旋系统的基本函数来采集三个回波。
尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这种图示和描述应当被认为是说明性或范例性的而非限制性的；本发明不限于所公开的实施例。
通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。在相互不同的从属权利要求中陈述某些措施的仅有事实并不表示这些措施的组合不能用于获益。计算机程序可以存储/分布在合适的介质上，例如与其他硬件一起提供或作为其他硬件的一部分提供的光学存储介质或固态介质，但也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统。权利要求中的任何附图标记不应被解释为限制范围。

Claims (14)

1.一种磁共振成像系统(100)，用于采集在测量区域(108)内的来自对象(118)的磁共振数据(142)，其中，所述磁共振成像系统(100)包括：
处理器(130)，其用于控制所述磁共振成像系统；
存储器(136)，其存储机器可执行指令(150、152、154)、脉冲序列命令(140)和字典(144)，其中，所述脉冲序列命令(140)被配置用于控制所述磁共振成像系统(100)以采集多个不同稳态自由进动(SSFP)状态的磁共振数据(142)，其中，所述脉冲序列命令(140)还被配置用于控制所述磁共振成像系统(100)以根据磁共振指纹识别协议采集所述多个不同稳态自由进动(SSFP)状态的所述磁共振数据(142)，所述字典(144)包括多个组织参数集，每个组织参数集被分配有针对多个不同稳态自由进动(SSFP)状态预先计算的信号演变数据；
其中，所述机器可执行指令(150、152、154)的运行令所述处理器(130)：
通过控制所述磁共振成像系统(100)利用所述脉冲序列命令(140)根据所述磁共振指纹识别协议来采集针对多个体素的所述多个不同稳态自由进动(SSFP)状态的所述磁共振数据(142)；并且
重建针对所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的组织参数图，其中，所述重建包括针对每个体素识别最佳匹配所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的由所述字典(144)提供的所述预先计算的信号演变数据，以及将最佳匹配共振的预先计算的信号演变数据的所述组织参数集分配给相应的体素，其中，所述脉冲序列命令(140)被配置用于控制所述磁共振成像系统(100)以每个重复时间采集多个不同稳态自由进动(SSFP)状态的磁共振数据(142)，并且其中，使所述处理器通过控制所述磁共振成像系统(100)利用所述脉冲序列命令(140)根据所述磁共振指纹识别协议针对多个体素以每个重复时间采集所述多个不同稳态自由进动(SSFP)状态的所述磁共振数据(142)。
2.根据权利要求1所述的磁共振成像系统(100)，其中，对于所述组织参数集中的每个，所述预先计算的信号演变数据包括多个预先计算的信号演变曲线的数据，其中，所述预先计算的信号演变曲线中的每个被分配给所述多个不同稳态自由进动(SSFP)状态中的一个稳态自由进动(SSFP)状态，并表征相应稳态自由进动(SSFP)状态的信号演变，
其中，所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)包括多个所采集的信号演变曲线的数据，其中，所采集的信号演变曲线中的每个被分配给所述多个不同稳态自由进动(SSFP)状态中的一个稳态自由进动(SSFP)状态，
其中，对最佳匹配所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的所述预先计算的信号演变数据的识别包括，确定针对所采集的信号演变曲线与被分配给相同稳态自由进动(SSFP)状态的预先计算的信号演变曲线的每次比较的匹配因子，以及使用所述匹配因子来识别所述最佳匹配的预先计算的信号演变数据。
3.根据权利要求2所述的磁共振成像系统(100)，其中，所述匹配因子的确定还包括，计算针对每个组织参数集的所述预先计算的信号演变数据的平均匹配因子，以及将具有最佳平均匹配因子的所述预先计算的信号演变数据识别作为与所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)最佳匹配的所述预先计算的信号演变数据。
4.根据权利要求3所述的磁共振成像系统(100)，其中，所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)与所述预先计算的信号演变数据的匹配包括，确定经归一化的所采集的信号演变曲线与被分配给相同的稳态自由进动(SSFP)状态的经归一化的信号演化曲线之间的内积，并且
其中，所述最佳平均匹配由所述内积的最高平均内积给出。
5.根据权利要求2所述的磁共振成像系统(100)，其中，对最佳匹配所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的所述预先计算的信号演变数据的识别还包括，使用加权因子对所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)与各个信号演变的比较的结果进行加权。
6.根据权利要求5所述的磁共振成像系统(100)，其中，被分配给较高阶稳态自由进动(SSFP)状态的信号演变曲线的所述比较的所述结果被分配有与被分配给较低稳态自由进动(SSFP)状态的信号演变的所述比较的所述结果相比较小的加权因子。
7.根据权利要求1-5中的任一项所述的磁共振成像系统(100)，其中，所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)包括以下稳态自由进动(SSFP)状态的磁共振数据：F-2，F-1，F0，F1和F2。
8.根据权利要求1-5中的任一项所述的磁共振成像系统(100)，其中，根据所述磁共振指纹识别协议采集所述多个不同稳态自由进动(SSFP)状态磁共振数据(142)包括，在采集所述多个不同稳态自由进动(SSFP)状态磁共振数据(142)期间改变以下参数中的一个或多个：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。
9.根据权利要求8所述的磁共振成像系统(100)，其中，使用一个或多个伪随机模式独立地改变所述参数。
10.根据权利要求1-5中的任一项所述的磁共振成像系统(100)，其中，所述机器可执行指令(152)的运行还令所述处理器(130)预先计算所述字典(144)的所述信号演变数据，其中，针对所述字典(144)的每个组织参数集预先计算针对所述多个不同稳态自由进动(SSFP)状态的所述信号演变数据，并将所述预先计算的信号演变数据存储在所述存储器(136)中的所述字典(144)中。
11.根据权利要求10所述的磁共振成像系统(100)，其中，所述信号演变数据的预先计算包括，使用以下参数中的一个或多个的变化对所述多个不同稳态自由进动(SSFP)状态信号演变数据中的每一个进行建模：翻转角的绝对值、射频相位、梯度场、回波时间和重复时间。
12.根据权利要求1-5中 的任一项所述的磁共振成像系统(100)，其中，使用所述组织参数图来重建一幅或多幅磁共振图像(146)。
13.一种存储机器可执行指令(150、152、154)的计算机可读介质，所述机器可执行指令用于由处理器(130)运行，所述处理器控制磁共振成像系统(100)采集测量区域(108)内的来自对象(118)的磁共振数据(142)，其中，所述机器可执行指令(150、152、154)的运行令所述处理器(130)：
利用脉冲序列命令(140)通过控制所述磁共振成像系统(100)以根据磁共振指纹识别协议针对多个体素以每个重复时间采集多个不同稳态自由进动(SSFP)状态的磁共振数据(142)，所述脉冲序列命令被配置用于控制所述磁共振成像系统(100)以根据所述磁共振指纹识别协议来采集所述多个不同稳态自由进动(SSFP)状态的所述磁共振数据(142)；以及
重建针对所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的组织参数图，其中，所述重建包括针对每个体素识别最佳匹配所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的由字典(144)提供的预先计算的信号演变数据，以及将最佳匹配的预先计算的共振信号演变数据的组织参数集分配给相应的体素，其中，所述字典(144)包括多个所述组织参数集，每个组织参数集被分配有针对多个不同稳态自由进动(SSFP)状态预先计算的信号演变数据。
14.一种操作磁共振成像系统(100)的方法，所述磁共振成像系统(100)用于采集测量区域(108)内的来自对象(118)的磁共振数据(142)，其中，所述方法包括：
利用脉冲序列命令(140)通过控制所述磁共振成像系统(100)以根据磁共振指纹识别协议针对多个体素采集多个不同稳态自由进动(SSFP)状态的磁共振数据(142)，所述脉冲序列命令被配置用于控制所述磁共振成像系统(100)以根据所述磁共振指纹识别协议来采集所述多个不同稳态自由进动(SSFP)状态的所述磁共振数据(142)；并且
重建针对所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的组织参数图，其中，所述重建包括针对每个体素识别最佳匹配所采集的多个不同稳态自由进动(SSFP)状态磁共振数据(142)的由字典(144)提供的预先计算的信号演变数据，以及将最佳匹配共振信号的预先计算的演变数据的组织参数集分配给相应的体素，其中，所述字典(144)包括多个所述组织参数集，每个组织参数集被分配有针对多个不同稳态自由进动(SSFP)状态预先计算的信号演变数据。
CN201780077164.6A 2016-12-15 2017-12-06 用于多状态磁共振指纹识别的磁共振成像系统、方法和计算机可读介质 Active CN110073232B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16204246.9 2016-12-15
EP16204246 2016-12-15
PCT/EP2017/081601 WO2018108643A1 (en) 2016-12-15 2017-12-06 Multi-state magnetic resonance fingerprinting

Publications (2)

Publication Number Publication Date
CN110073232A CN110073232A (zh) 2019-07-30
CN110073232B true CN110073232B (zh) 2022-08-16

Family

ID=57754957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780077164.6A Active CN110073232B (zh) 2016-12-15 2017-12-06 用于多状态磁共振指纹识别的磁共振成像系统、方法和计算机可读介质

Country Status (5)

Country Link
US (1) US11579230B2 (zh)
EP (1) EP3555651B1 (zh)
JP (1) JP7138636B2 (zh)
CN (1) CN110073232B (zh)
WO (1) WO2018108643A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018209584A1 (de) * 2018-06-14 2019-12-19 Siemens Healthcare Gmbh Magnetresonanz-Fingerprinting-Verfahren
EP3629048A1 (de) 2018-09-27 2020-04-01 Siemens Healthcare GmbH Niederfeld-magnetresonanz-fingerprinting
EP3644086A1 (de) * 2018-10-25 2020-04-29 Bayer AG Magnetresonanz-fingerprinting-verfahren für aufnahmen mit kontrastmittel
CN109712696B (zh) * 2018-12-27 2023-06-06 上海联影医疗科技股份有限公司 一种数据处理方法、装置、设备及存储介质
WO2020190879A1 (en) 2019-03-15 2020-09-24 The Trustees Of Columbia University In The City Of New York Accelerated, simultaneous quantitative and non-synthetic multi-contrast imaging
EP3730961A1 (en) * 2019-04-25 2020-10-28 Koninklijke Philips N.V. A method for multi-component analysis on mri measurement data
CN111090069B (zh) * 2019-11-21 2022-03-29 深圳先进技术研究院 定量磁共振成像参数确定方法、装置、设备及存储介质
CN111537931B (zh) * 2020-04-28 2022-05-17 深圳先进技术研究院 快速磁共振多参数成像方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016075020A1 (en) * 2014-11-14 2016-05-19 Koninklijke Philips N.V. Magnetic resonance fingerprinting using a spin-echo pulse sequence with an additional 180 degree rf pulse
WO2016074946A1 (en) * 2014-11-14 2016-05-19 Koninklijke Philips N.V. Magnetic resonance fingerprinting in slices along a one-dimensional extension
WO2016083166A1 (en) * 2014-11-27 2016-06-02 Koninklijke Philips N.V. Magnetic resonance fingerprinting data collection and analysis system
WO2016116545A1 (en) * 2015-01-21 2016-07-28 Koninklijke Philips N.V. Mri method for calculating derived values from b0 and b1 maps
WO2016124414A1 (en) * 2015-02-02 2016-08-11 Koninklijke Philips N.V. Mr fingerprinting for determining performance degradation of the mr system
CN105869192A (zh) * 2016-03-28 2016-08-17 浙江大学 一种基于滑动窗的磁共振指纹识别重建技术

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008109783A2 (en) * 2007-03-06 2008-09-12 The Regents Of The University Of California Detecting spin perturbations using magnetic resonance imaging
US10627468B2 (en) 2011-03-18 2020-04-21 Case Western Reserve University Nuclear magnetic resonance (NMR) fingerprinting
US9759797B2 (en) * 2012-03-20 2017-09-12 Oxford University Innovation Limited Motion sensitized and motion suppressed imaging using dante prepared pulse trains
US9097781B2 (en) 2012-04-12 2015-08-04 Mark Griswold Nuclear magnetic resonance (NMR) fingerprinting with parallel transmission
US9618596B2 (en) * 2012-07-02 2017-04-11 Syntheticmr Ab Methods and systems for improved magnetic resonance acquisition using a single acquisition type
DE102013201814B4 (de) 2013-02-05 2018-11-08 Siemens Healthcare Gmbh Verfahren zur Magnetresonanz-Bildgebung mit multidimensional ortsselektiven HF-Pulsen in einem Außenbereich
US9625547B2 (en) * 2013-03-28 2017-04-18 Universitatsspital Basel Magnetic resonance imaging method for the quantification of the T1 and/or T2 relaxation times in a sample
US10143389B2 (en) * 2014-04-22 2018-12-04 Case Western Reserve University Distinguishing diseased tissue from healthy tissue based on tissue component fractions using magnetic resonance fingerprinting (MRF)
US9897675B2 (en) * 2014-05-28 2018-02-20 Case Western Reserve University Magnetic resonance fingerprinting (MRF) with simultaneous multivolume acquisition
US10422845B2 (en) 2014-10-24 2019-09-24 The General Hospital Corporation Systems and methods for steady-state magnetic resonance fingerprinting
KR101664433B1 (ko) * 2015-03-24 2016-10-10 삼성전자주식회사 자기 공명 영상 장치 및 자기 공명 영상 장치의 영상 생성 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016075020A1 (en) * 2014-11-14 2016-05-19 Koninklijke Philips N.V. Magnetic resonance fingerprinting using a spin-echo pulse sequence with an additional 180 degree rf pulse
WO2016074946A1 (en) * 2014-11-14 2016-05-19 Koninklijke Philips N.V. Magnetic resonance fingerprinting in slices along a one-dimensional extension
WO2016083166A1 (en) * 2014-11-27 2016-06-02 Koninklijke Philips N.V. Magnetic resonance fingerprinting data collection and analysis system
WO2016116545A1 (en) * 2015-01-21 2016-07-28 Koninklijke Philips N.V. Mri method for calculating derived values from b0 and b1 maps
WO2016124414A1 (en) * 2015-02-02 2016-08-11 Koninklijke Philips N.V. Mr fingerprinting for determining performance degradation of the mr system
CN105869192A (zh) * 2016-03-28 2016-08-17 浙江大学 一种基于滑动窗的磁共振指纹识别重建技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Magnetic resonance fingerprinting;Dan Ma等;《NATURE》;20130314;第495卷;187-193 *
Overview of Magnetic Resonance Fingerprinting;Simone Coppo;《http://clinical-mri.com/wp-content/uploads/2016/04/Gulani_MRF_MAGNETOM_Flash_ISMRM_2016.pdf》;20160201;12-21 *

Also Published As

Publication number Publication date
US20200096589A1 (en) 2020-03-26
US11579230B2 (en) 2023-02-14
JP7138636B2 (ja) 2022-09-16
JP2020501670A (ja) 2020-01-23
CN110073232A (zh) 2019-07-30
WO2018108643A1 (en) 2018-06-21
EP3555651B1 (en) 2021-08-11
EP3555651A1 (en) 2019-10-23

Similar Documents

Publication Publication Date Title
CN110073232B (zh) 用于多状态磁共振指纹识别的磁共振成像系统、方法和计算机可读介质
US10321845B2 (en) Magnetic resonance fingerprinting in slices along a one-dimensional extension
CN107110938B (zh) 使用具有额外180度rf脉冲的自旋回波脉冲序列的磁共振指纹
CN110476075B (zh) 针对解剖区域的磁共振指纹识别词典的选择
CN109791186B (zh) 对磁共振指纹期间的b0偏共振场的直接测量
US20190137585A1 (en) Silent 3d magnetic resonance fingerprinting
US11092659B2 (en) Sub voxel resolution magnetic resonance fingerprinting imaging
CN111247449B (zh) 磁共振成像中弛豫时间的定量测量
CN108603921B (zh) 稳态磁共振指纹
JP2023525165A (ja) アンダーサンプリング係数の自動化された調整
CN110114685A (zh) 使用最大似然重建的对心脏的t1映射
EP4318015A1 (en) Mri denoising using specified noise profiles
CN111033290B (zh) 傅里叶空间中的磁共振指纹识别

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