CN110123324A - 一种婴儿大脑t1加权磁共振成像优化方法 - Google Patents
一种婴儿大脑t1加权磁共振成像优化方法 Download PDFInfo
- Publication number
- CN110123324A CN110123324A CN201910448340.3A CN201910448340A CN110123324A CN 110123324 A CN110123324 A CN 110123324A CN 201910448340 A CN201910448340 A CN 201910448340A CN 110123324 A CN110123324 A CN 110123324A
- Authority
- CN
- China
- Prior art keywords
- infant brain
- value
- group
- matter
- white matter
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Neurology (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种婴儿大脑T1加权磁共振成像优化的方法。首先采集0‑12月龄婴儿大脑的T1和PD mapping,得到婴儿大脑白质和灰质的平均T1、PD值,并根据婴儿大脑白质T1值与灰质T1值的关系特点,将婴儿分为三个月龄组。然后,通过Bloch仿真计算3D T1加权图像中婴儿大脑白质和灰质的理论信号强度,根据不同TI下婴儿大脑白质/灰质对比度特点,分别确定每组理论最佳TI优化方案。最后,将上述理论最佳TI优化方案应用于目标婴儿大脑进行3D T1加权磁共振成像。本发明填补了出生后0‑12个月整个婴儿时期大脑T1加权成像优化的空白,并依据婴儿大脑白质与灰质T1值的关系特点将婴儿分为三个月龄组,分别找出不同月龄组的最佳TI优化方案,从而显著提升婴儿大脑T1加权成像对比度。
Description
技术领域
本申请涉及脑磁共振成像优化领域,尤其涉及婴儿大脑T1加权成像优化。
背景技术
婴儿大脑磁共振成像(magnetic resonance imaging,MRI)是用来检查婴儿大脑结构、功能以及早期发育过程中的疾病的一种安全且通用的方法。然而,由于婴儿大脑成像对比度差,且因出生后第一年大脑快速发育导致图像对比度也随之迅速变化,这些都是导致难以对婴儿大脑成像进行解剖分界以及图像自动化分析的原因。由于出生时白质(whitematter,WM)髓鞘发育不成熟导致T1弛豫时间延长,新生儿(≤1个月)大脑的T1加权(T1-weighted,T1w)图像中白质与灰质(gray matter,GM)的对比度与成人大脑表现相反。而年龄稍长的婴儿对比度则类似于成人,而在出现这种反转之前会有一段时期WM和GM信号表现接近,这段时期通常出现在3-6个月。
目前一些研究已经实现对新生儿大脑T1w成像的优化。但事实上新生儿大脑WM/GM对比度非常差,理论上使用3T MRI扫描仪进行T1w成像,新生儿WM/GM的对比度最高仅能达到成人的1/3,而在其他时期(1-12月龄)WM/GM对比度甚至比出生后第一个月更差且更复杂,且目前罕有针对1-12月龄婴儿大脑优化成像的研究。
值得一提的是,由于6个月左右婴儿大脑的WM和GM信号几近相等,对该时期的婴儿大脑图像进行分割仍然是个巨大挑战。一些研究利用延长扫描时间、整合多模态数据、深度学习网络等方法能在一定程度上改善分割的结果。然而除了发展先进的图像处理算法以外,通过在采集过程中提升图像对比度也会对后续分析大有裨益。
发明内容
为了打破对整个婴儿时期(0-12月)T1w成像进行优化的空白,本发明提出一种实现婴儿大脑T1w磁共振成像优化的方法。该方法首先采集0-12月大婴儿大脑的T1和质子密度(proton density,PD)mapping,分别得到婴儿大脑WM和GM的平均T1、PD值,并依据婴儿大脑WM T1值和GM T1值的关系特点将婴儿分为不同的月龄组。接着,通过Bloch仿真计算不同反转时间(inversion time,TI)下的WM和GM信号。随后,确定每个月龄组的理论最佳TI优化方案。最终,将该理论最佳TI优化方案应用于目标婴儿大脑进行3D T1w磁共振成像。本发明填补了整个婴儿时期大脑T1加权成像优化的空白,并依据婴儿大脑白质与灰质T1值的关系特点将婴儿分为三个月龄组,进而分别找出不同月龄组的最佳TI优化方案,从而显著提升婴儿大脑T1加权成像对比度。这种方法的实现有利于婴儿大脑的解剖学分界以及疾病的检测,且方法简便,方便应用于临床常规检查中。
为了达到上述目的,本发明采用以下技术方案予以实现:
一种婴儿大脑T1加权磁共振成像优化的方法,其包括以下步骤:
S1:在0-12月龄中不同月龄分别采集若干婴儿大脑的T1和PD mapping作为样本,得到每个婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值;
S2:根据每个样本中婴儿大脑的白质与灰质T1值关系特点,将婴儿的月龄分为三个月龄组;
S3:根据不同月龄组婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值,通过Bloch仿真分别计算3D T1加权MPRAGE序列产生的婴儿大脑白质和灰质区域的理论信号强度;并根据白质和灰质的对比度,分别确定每个月龄组的理论最佳TI优化方案;
S4:利用所述的理论最佳TI优化方案,对目标婴儿大脑进行3D T1加权磁共振成像。
基于该方案,各步骤还可以进一步提供以下优选的实现方式。需要注意的是,各优选方式中的技术特征在没有冲突的情况下均可进行相互组合。当然这些优选方式也可以通过其他能够实现相同技术效果的方式实现,不构成限制。
作为优选,所述步骤S1中平均T1值和平均PD值计算方法如下:
S101:在0-12月龄中的不同月龄分别采集若干婴儿大脑的T1和PD mapping;
S102:勾画脑皮层灰质和脑皮层下白质的感兴趣区;
S103:针对每个婴儿大脑,计算脑皮层下白质平均T1值作为婴儿大脑白质平均T1值;计算脑皮层下白质平均PD值作为婴儿大脑白质平均PD值;计算脑皮层灰质平均T1值作为婴儿大脑灰质平均T1值;计算脑皮层灰质平均PD值作为婴儿大脑灰质平均PD值。
作为优选,所述步骤S2中婴儿的月龄分组方法如下:
按照不同月龄段的婴儿大脑白质和灰质T1值关系特点,将婴儿分为三个月龄组,其中三组的所述关系特点分别为:
第一组中,该月龄段婴儿大脑白质T1值高于婴儿大脑灰质T1值;
第二组中,该月龄段婴儿大脑白质T1值接近婴儿大脑灰质T1值;
第三组中,该月龄段婴儿大脑白质T1值低于婴儿大脑灰质T1值。
作为优选,所述的三个月龄组分别为0-3月龄(即出生后0~90天)、3-7月龄(即出生后91~210天)和7-12月龄(即出生后211~360天)。
作为优选,所述步骤S3中理论最佳TI优化方案的确定方法如下:
S301:针对每个月龄组婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值,利用Bloch仿真3D T1加权MPRAGE序列;仿真时,固定MPRAGE序列中的反转脉冲α、激发脉冲个数N、激发脉冲翻转角θ、回波间隔τ和延迟时间TD,同时变化反转时间TI;计算体素内第一个读出脉冲的信号强度s1为:
其中
式中:M0为初始磁化矢量,N为沿层选编码方向的单次激发次数, μ=δ·cosθ;T1为待计算的月龄组中所有样本的大脑白质或大脑灰质的平均T1值;TR=TI+N·τ+TD;
S302:针对S2中设定的不同月龄组,分别计算在不同TI下的图像对比度,其中绝对对比度=|SWM|-|SGM|;相对对比度=(|SWM|-|SGM|)/(|SWM|+|SGM|);
式中:SWM为根据S301中公式计算得到的白质体素的平均信号强度,SGM为根据S301中公式计算得到的灰质体素的平均信号强度;
S303:根据不同TI下不同月龄组的图像对比度,分别确定每个月龄组的理论最佳TI优化方案,其中:
对于第一组和第三组月龄组,对比θ与TR不变时不同TI下的图像对比度,分别确定每组绝对对比度表现最佳且相对对比度表现较高时对应的TI;
对于第二组月龄组,在TI反转点两侧采集绝对对比度最高且白质/灰质对比度表现相反的两组不同TI图像,通过将两组图像相减的方法增强图像对比度。
作为优选,所述步骤S4中采用的理论最佳TI优化方案如下:
将3D T1加权磁共振成像参数设置为:θ=10°,TR=2000ms;
将0-3月龄划分为第一组,进行3D T1加权磁共振成像时TI设置为700-800ms;
将3-7月龄划分为第二组,进行3D T1加权磁共振成像时TI分别设置为400-500ms以及600-700ms,将两组TI下获得的图像相减,以获得对比度优化的图像;
将7-12月龄划分为第三组,进行3D T1加权磁共振成像时TI设置为600-700ms。
本发明的另一目的在于提供一种实际使用时的婴儿大脑T1加权磁共振成像优化的方法,其具体步骤为
1)根据婴儿的当前月龄,选择相应的理论最佳TI优化方案:若月龄为0-3月龄(即出生后0~90天),进行3D T1加权磁共振成像时TI设置为700-800ms;若月龄为3-7月龄(即出生后91~210天),进行3D T1加权磁共振成像时TI分别设置为400-500ms以及600-700ms,将两组TI下获得的图像相减,以获得对比度优化的图像;若月龄为7-12月龄(即出生后211~360天),进行3D T1加权磁共振成像时TI设置为600-700ms;
2)3D T1加权磁共振成像时其他参数设置为:θ=10°,TR=2000ms,然后根据确定的参数,对目标婴儿大脑进行3D T1加权磁共振成像,完成共振成像优化。
相对于现有技术,本发明具有以下特点:本发明首次实现对整个婴儿时期的大脑T1w成像优化。首先,本发明按照婴儿大脑白质与灰质T1值的关系特点将婴儿时期划分为三个月龄组,并着重于通过改变TI实现针对不同年龄阶段婴儿大脑的成像优化。该方法具有易于实现、采集时间短、各向同性分辨率高的优点,适合临床常规扫描。
其次,针对对比度最差的3-6月龄的婴儿大脑,本发明提出双TIs扫描方法,即在TI反转点两侧采集对比度相反的两组图像,通过将两组图像相减以达到增强图像对比度的目的。
再次,本发明使用RC作为图像对比度的主要评价标准,而非其他方法中使用的AC或AC衍生物。因为从定义中可以发现,AC的大小依赖于图像本身的信号强度,而RC能更真实地反映图像的对比度。
最后,本发明使用的是镜面对称的k空间轨迹而非线性编码,因为线性相位编码产生的T1w对比度取决于相位编码的步数以及局部傅里叶系数,因而通用性较差。
附图说明
图1是婴儿大脑T1w磁共振成像优化方法的流程图。
图2是使用Bloch仿真分别计算3个月龄组婴儿大脑的WM和GM的T1弛豫时间以及WM/GM对比度。
图3是对新生儿大脑3D T1w成像的优化结果。
图4是对3-7月龄婴儿大脑3D T1w成像的优化结果。
图5是对7-12月龄婴儿大脑3D T1w成像的优化结果。
具体实施方式
下面基于本发明提出的方法结合实施例展示其具体的技术效果,以便本领域技术人员更好地理解本发明的实质。
在本发明的一种较优实现方式中,如图1所示,婴儿大脑T1加权磁共振成像优化的方法步骤如下:
S1:在3T MRI扫描仪上,针对0-12月龄中不同月龄,分别采集多个婴儿大脑的T1和PD mapping作为样本,这些样本需要排除存在任何已知会改变T1w对比度的情况或MRI图像上发现异常的被试。样本应当在0-12月龄的不同月龄段中尽量均匀分布,以减少误差。然后计算每个婴儿大脑的大脑白质(WM)和灰质(GM)区域的平均T1值以及平均PD值,具体计算方法为:
首先对样本图像勾画脑皮层灰质和脑皮层下白质的感兴趣区(ROIs)。然后,针对每个婴儿大脑样本,计算脑皮层下白质平均T1值作为婴儿大脑白质平均T1值;计算脑皮层下白质平均PD值作为婴儿大脑白质平均PD值;计算脑皮层灰质平均T1值作为婴儿大脑灰质平均T1值;计算脑皮层灰质平均PD值作为婴儿大脑灰质平均PD值。
S2:根据每个样本中婴儿大脑的白质与灰质T1值关系特点,将婴儿的月龄分为三个月龄组。出生后第一年大脑快速发育导致图像对比度也随之迅速变化,随着婴儿脑部的不断发育,不同月龄段的婴儿大脑白质和灰质T1值关系会形成不同的特点,而这些大脑白质和灰质T1值的不同关系特点会影响最终的成像效果,因此需要对其进行区分。在本发明中,可以根据不同的关系特点将婴儿分为三个月龄组,其中三组的关系特点分别为:
第一组中,该月龄段婴儿大脑白质T1值明显高于婴儿大脑灰质T1值;
第二组中,该月龄段婴儿大脑白质T1值接近婴儿大脑灰质T1值;
第三组中,该月龄段婴儿大脑白质T1值明显低于婴儿大脑灰质T1值。
根据后续的实施例,本发明中三个月龄组的一种优选划分方式为:
将出生后0~90天的婴儿划分为第一组,即0-3月龄;
将出生后91~210天的婴儿划分为第二组,即3-7月龄;
将出生后211~360天的婴儿划分为第三组,即7-12月龄。
由于上述三个月龄组的婴儿大脑具有不同的特点,因此需要分别针对三组月龄组进行相应的最佳TI优化,从而显著提升每个月龄组的婴儿大脑T1加权成像对比度。
对月龄组进行划分后,需要根据每个月龄组中各自所含有的样本的大脑白质和灰质区域的平均T1值以及平均PD值进行算数平均,作为该月龄组婴儿大脑的大脑白质和灰质区域的平均T1和PD值。对任一月龄组而言:
该月龄组婴儿大脑的大脑白质平均T1值为该月龄组中所有样本的婴儿大脑白质平均T1值的算数平均值;该月龄组婴儿大脑的大脑白质平均PD值为该月龄组中所有样本的婴儿大脑白质平均PD值的算数平均值;该月龄组婴儿大脑的大脑灰质平均T1值为该月龄组中所有样本的婴儿大脑灰质平均T1值的算数平均值;该月龄组婴儿大脑的大脑灰质平均PD值为该月龄组中所有样本的婴儿大脑灰质平均PD值的算数平均值。
S3:根据不同月龄组婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值,通过Bloch仿真分别计算3D T1加权MPRAGE序列产生的婴儿大脑白质和灰质区域的理论信号强度;并根据白质和灰质的对比度,分别确定每个月龄组的理论最佳TI优化方案。此处,理论最佳TI优化方案的具体确定方法如下:
S301:针对每个月龄组的平均T1值以及平均PD值,利用Bloch仿真3D T1加权MPRAGE序列;仿真时,固定MPRAGE序列中的反转脉冲α、激发脉冲个数N、激发脉冲翻转角θ、回波间隔τ和延迟时间TD,同时变化反转时间TI,以计算不同TI下的信号强度。图像对比度由第一个读出信号决定。
第i个读出脉冲的横向信号为
其中参数Meq为:
式中:M0为初始磁化矢量(M0与前述计算的WM和GM的平均PD值有关),N为沿层选编码方向的单次激发次数;λ、δ、ρ、μ均为中间参数, μ=δ·cosθ,总的重复时间TR=TI+N·τ+TD。T1为待计算的月龄组婴儿大脑的大脑白质或大脑灰质的平均T1值(根据前述S2中描述的方法确定)。
空间编码使用镜像对称的采集方法,图像对比度由第一个读出信号决定,因而方程(1)可以简化方程(3),计算体素内第一个读出脉冲的信号强度s1为:
需要注意的是,上述计算方程(3)中,计算不同的信号值时T1的取值不同,具体来说,对于任一月龄组而言:
当计算该月龄组的白质体素的平均信号SWM时,T1的取值为该月龄组婴儿大脑的大脑白质平均T1值,SWM即为此时根据方程(3)计算得到的信号强度s1;当计算该月龄组的灰质体素的平均信号SGM时,T1的取值为该月龄组婴儿大脑的大脑灰质平均T1值,SGM即为此时根据方程(3)计算得到的信号强度s1。
S302:针对S2中设定的不同月龄组,分别计算在不同TI下的图像对比度,图像对比度分为绝对对比度和相对对比度。其中:
绝对对比度(absolute contract,AC)=|SWM|-|SGM|
相对对比度(relative contract,RC)=(|SWM|-|SGM|)/(|SWM|+|SGM|)
S303:根据不同TI下不同月龄组的图像对比度,以白质/灰质对比度为标准,分别确定每个月龄组的理论最佳TI优化方案。由于相较于AC,RC受图像本身信号强度影响较小,本发明使用RC作为主要评价标准。另一方面,由于AC与信噪比相关,本发明将AC作为辅助评价标准。
具体确定方法对于三组月龄组均不同,其中:
对于第一组和第三组月龄组,对比θ与TR不变时不同TI下的图像对比度,分别确定每组绝对对比度表现最佳且相对对比度表现较高的TI。此处,相对对比度表现较高是指在相对对比度可以不是最佳的,但不能过低,应当大于一定的阈值(该阈值可以根据实际需要进行设定)。
对于第二组月龄组,由于大脑白质与灰质信号接近,在TI反转点两侧采集绝对对比度最高且白质/灰质(WM/GM)对比度表现相反的两组不同TI图像,通过将两组图像相减的方法增强图像对比度。
根据后续的实施例,本发明中三个月龄组最终确定的理论最佳TI优化方案的一种优选方式为:
将3D T1加权磁共振成像参数设置为:θ=10°,TR=2000ms;
将0-3月龄(即出生后0~90天)划分为第一组,进行3D T1加权磁共振成像时TI设置为700-800ms;
将3-7月龄(即出生后91~210天)划分为第二组,进行3D T1加权磁共振成像时TI分别设置为400-500ms以及600-700ms,将两组TI下获得的图像相减(TI=600-700ms得到的图像减去TI=400-500ms得到的图像,即TI600-700ms-TI400-500ms),以获得对比度优化的图像;
将7-12月龄(即出生后211~360天)划分为第三组,进行3D T1加权磁共振成像时TI设置为600-700ms。
S4:利用上述确定的理论最佳TI优化方案,对目标婴儿大脑进行3D T1加权磁共振成像。
下面基于上述方法,结合实施例对其技术效果进行展示,以便本领域技术人员更好地理解本发明的实质。
实施例
对上述婴儿大脑T1加权磁共振成像优化方法进行测试。首先使用飞利浦3T MRI扫描仪(Achieva;Philips Healthcare,Best,The Netherlands),采集57名正常发育婴儿大脑的“MIX”序列图像,利用比值以及最小二乘法求解自旋回波(spin-echo,SE)和反转恢复(inversion recovery,IR)信号方程,分别得到T1和PD maps,并以侧脑室PD值为标准对大脑PD值进行归一化。
在T1maps上手工勾画感兴趣区(regions of interest,ROI),包括脑皮层灰质(GM)和脑皮层下白质(WM),并分别针对每个婴儿大脑,计算脑皮层下白质平均T1值作为婴儿大脑白质平均T1值;计算脑皮层下白质平均PD值作为婴儿大脑白质平均PD值;计算脑皮层灰质平均T1值作为婴儿大脑灰质平均T1值;计算脑皮层灰质平均PD值作为婴儿大脑灰质平均PD值。
T1测量结果(图2A)显示:3个月前,皮层下WM的T1值高于皮层GM;3-7个月WM与GM的T1值接近;6个月后,WM的T1值低于GM。在这种规律的基础上,可以将婴儿分为0-3月龄组(即出生后0~90天)、3-7月龄组(即出生后91~210天)和7-12月龄组(即出生后211~360天)。根据每个月龄组中所有样本的大脑白质和灰质区域的平均T1值以及平均PD值进行算数平均,计算该月龄组婴儿大脑的大脑白质/灰质区域的平均T1和PD值,并利用Bloch仿真计算各月龄组婴儿大脑的大脑WM和GM的理论信号强度,结果如下:
1)0-3月龄组婴儿大脑在TI=602ms左右出现RC对比度反转(图2B),表现为反转点两侧出现明显的正负对比。此外,在对比度反转点处AC接近于零,这是由于反转点接近T1零点(WM=610ms,GM=596ms),因而所有信号都接近于零。因此,最佳TI的选择不仅应追求高RC还应考虑到AC(反映信噪比),如当TI=800ms(图2B中的竖直虚线)时,RC≈-0.1,AC约为最大AC的一半。
2)由于3-7月龄组婴儿大脑WM和GM的T1弛豫时间高度相似(1342±104ms和1354±55ms),该组RC和AC均低于其他组(图2C,注意y轴比例不同于图2B和2D)。对于此阶段,选择在对比度反转点两侧采集双TIs图像,例如TI=500ms和700ms能得到两幅对比度相反、同时RC和AC较高的图像,通过将两幅图像相减能增强WM和GM之间的差异。
3)7-12月龄组婴儿大脑的RC、AC曲线与0-3月龄组相反(图2D),且对比度反转点向低TI方向移动。同样地,最佳TI的选择应同时考虑RC和AC,例如当TI=700ms时,RC≈0.1,AC约为最大AC的2/3。
另外采集一组0-12月龄婴儿大脑的3D MPRAGE图像,视野为180mm x 180mm x120mm,轴位扫描,矩阵为180x 180x 120,TR/TE=2000/3.7ms,τ=8ms,,空间编码使用镜像对称的采集方法,反转恢复脉冲,α=180°,θ=10°,N=120(沿层选编码方向单次激发次数),2倍SENSE(加速度与相位编码方向一致),扫描时间为3.07分钟。基于Bloch仿真结果(图2),分别测试了:1)设定TI=500,800和1000ms分别对6个足月新生儿大脑进行扫描;2)设定TI=500和700ms分别对7个3-7月龄的婴儿大脑进行扫描;3)设定TI=700,800和1000ms分别对5个7-12月龄的婴儿大脑进行扫描。
图3A显示,在新生儿大脑中,T1w图像对比度会在TI=500ms到TI=1000ms范围内发生改变,如TI500ms表现为正的低对比度(SWM>SGM),TI700ms表现出低信噪比,TI800ms和TI1000ms表现为负的中等对比度(SWM>SGM),这与仿真结果一致。对TI800ms和TI1000ms进行基于多图谱的图像分割,通过肉眼即可发现TI800ms图像的分割准确度较TI1000ms更高,对皮层下WM与皮层GM之间的分割表现尤为明显(图3B中的箭头和方框)。以TI800ms图像GM和WM的分割结果为基础,TI500ms、TI800ms和TI1000ms图像的RC和AC表现出统计学差异。Post-hoc t检验证实TI800ms较TI1000ms图像RC更高(p<0.001,n=6),而AC则无统计学差异(图3C)。
在3-7月龄婴儿组中,TI500ms图像与TI700ms图像对比度相反,减法图像(TI700ms-TI500ms)能增强图像对比度,这也与仿真结果一致。图4显示前脑的RC低且5.7-5.8月期间信号发生转变,而后脑的RC低但表现为正的对比度且在5.7个月后对比度增强。相较于单个TI图像,通过图像相减(TI700ms-TI500ms)的方法能够增强WM/GM对比度。
对于7-12月龄婴儿,T1w图像对比度接近成人且明显高于另外两组。该组分别对TI为700、800和1000ms进行了测试。同样的,通过勾画前、后皮层GM和皮层下WM的ROI以计算图像对比度。图5显示相较于TI800ms和TI1000ms,TI700ms图像的RC更高,这也与仿真结果一致,且前后脑区的对比度均随年龄增大而增大。
综上所述,基于本实施例中的结构结果,可以提供一种婴儿大脑T1加权磁共振成像优化的方法,其做法为:
根据婴儿的当前月龄,选择相应的理论最佳TI优化方案:
若月龄为0-3月龄(即出生后0~90天),进行3D T1加权磁共振成像时TI设置为700-800ms;若月龄为3-7月龄(即出生后91~210天),进行3D T1加权磁共振成像时TI分别设置为400-500ms以及600-700ms,将两组TI下获得的图像相减(TI600-700ms-TI400-500ms),以获得对比度优化的图像;若月龄为7-12月龄(即出生后211~360天),进行3D T1加权磁共振成像时TI设置为600-700ms。3D T1加权磁共振成像时其他参数设置为:θ=10°,TR=2000ms,根据确定的参数,对目标婴儿大脑进行3D T1加权磁共振成像,完成共振成像优化。
需要指出的是,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 (6)
1.一种婴儿大脑T1加权磁共振成像优化的方法,其特征在于,包括以下步骤:
S1:在0-12月龄中不同月龄分别采集若干婴儿大脑的T1和PD mapping作为样本,得到每个婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值;
S2:根据每个样本中婴儿大脑的白质与灰质T1值关系特点,将婴儿的月龄分为三个月龄组;
S3:根据不同月龄组婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值,通过Bloch仿真分别计算3D T1加权MPRAGE序列产生的婴儿大脑白质和灰质区域的理论信号强度;并根据白质和灰质的对比度,分别确定每个月龄组的理论最佳TI优化方案;
S4:利用所述的理论最佳TI优化方案,对目标婴儿大脑进行3D T1加权磁共振成像。
2.根据权利要求1所述的婴儿大脑T1加权磁共振成像优化的方法,其特征在于,所述步骤S1中平均T1值和平均PD值计算方法如下:
S101:在0-12月龄中的不同月龄分别采集若干婴儿大脑的T1和PD mapping;
S102:勾画脑皮层灰质和脑皮层下白质的感兴趣区;
S103:针对每个婴儿大脑,计算脑皮层下白质平均T1值作为婴儿大脑白质平均T1值;计算脑皮层下白质平均PD值作为婴儿大脑白质平均PD值;计算脑皮层灰质平均T1值作为婴儿大脑灰质平均T1值;计算脑皮层灰质平均PD值作为婴儿大脑灰质平均PD值。
3.根据权利要求1所述的婴儿大脑T1加权磁共振成像优化的方法,其特征在于,所述步骤S2中婴儿的月龄分组方法如下:
按照不同月龄段的婴儿大脑白质和灰质T1值关系特点,将婴儿分为三个月龄组,其中三组的所述关系特点分别为:
第一组中,该月龄段婴儿大脑白质T1值高于婴儿大脑灰质T1值;
第二组中,该月龄段婴儿大脑白质T1值接近婴儿大脑灰质T1值;
第三组中,该月龄段婴儿大脑白质T1值低于婴儿大脑灰质T1值。
4.根据权利要求1所述的婴儿大脑T1加权磁共振成像优化的方法,其特征在于,所述的三个月龄组分别为0-3月龄、3-7月龄和7-12月龄。
5.根据权利要求4所述的婴儿大脑T1加权磁共振成像优化的方法,其特征在于,所述步骤S3中理论最佳TI优化方案的确定方法如下:
S301:针对每个月龄组婴儿大脑的大脑白质和灰质区域的平均T1值以及平均PD值,利用Bloch仿真3D T1加权MPRAGE序列;仿真时,固定MPRAGE序列中的反转脉冲α、激发脉冲个数N、激发脉冲翻转角θ、回波间隔τ和延迟时间TD,变化反转时间TI;计算体素内第一个读出脉冲的信号强度s1为:
其中
式中:M0为初始磁化矢量,N为沿层选编码方向的单次激发次数, μ=δ·cosθ;T1为待计算的月龄组中所有样本的大脑白质或大脑灰质的平均T1值;TR=TI+N·τ+TD;
S302:针对S2中设定的不同月龄组,分别计算在不同TI下的图像对比度,其中绝对对比度=|SWM|-|SGM|;相对对比度=(|SWM|-|SGM|)/(|SWM|+|SGM|);
式中:SWM为根据S301中公式计算得到的白质体素的平均信号强度,SGM为根据S301中公式计算得到的灰质体素的平均信号强度;
S303:根据不同TI下不同月龄组的图像对比度,分别确定每个月龄组的理论最佳TI优化方案,其中:
对于第一组和第三组月龄组,对比θ与TR不变时不同TI下的图像对比度,分别确定每组绝对对比度表现最佳且相对对比度表现较高时对应的TI;
对于第二组月龄组,在TI反转点两侧采集绝对对比度最高且白质/灰质对比度表现相反的两组不同TI图像,通过将两组图像相减的方法增强图像对比度。
6.根据权利要求1所述的婴儿大脑T1加权磁共振成像优化的方法,其特征在于,所述步骤S4中采用的理论最佳TI优化方案如下:
将3D T1加权磁共振成像参数设置为:θ=10°,TR=2000ms;
将0-3月龄划分为第一组,进行3D T1加权磁共振成像时TI设置为700-800ms;
将3-7月龄划分为第二组,进行3D T1加权磁共振成像时TI分别设置为400-500ms以及600-700ms,将两组TI下获得的图像相减,以获得对比度优化的图像;
将7-12月龄划分为第三组,进行3D T1加权磁共振成像时TI设置为600-700ms。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910448340.3A CN110123324B (zh) | 2019-05-28 | 2019-05-28 | 一种婴儿大脑t1加权磁共振成像优化方法 |
JP2021540600A JP7211614B2 (ja) | 2019-05-28 | 2020-05-12 | 乳児の脳のt1強調核磁気共鳴画像の最適化のための方法 |
PCT/CN2020/089882 WO2020238620A1 (zh) | 2019-05-28 | 2020-05-12 | 一种婴儿大脑t1加权磁共振成像优化方法 |
US17/218,172 US11474180B2 (en) | 2019-05-28 | 2021-03-31 | Method for optimizing T1-weighted magnetic resonance imaging of infant brain |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910448340.3A CN110123324B (zh) | 2019-05-28 | 2019-05-28 | 一种婴儿大脑t1加权磁共振成像优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110123324A true CN110123324A (zh) | 2019-08-16 |
CN110123324B CN110123324B (zh) | 2020-05-12 |
Family
ID=67582166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910448340.3A Active CN110123324B (zh) | 2019-05-28 | 2019-05-28 | 一种婴儿大脑t1加权磁共振成像优化方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11474180B2 (zh) |
JP (1) | JP7211614B2 (zh) |
CN (1) | CN110123324B (zh) |
WO (1) | WO2020238620A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238620A1 (zh) * | 2019-05-28 | 2020-12-03 | 浙江大学 | 一种婴儿大脑t1加权磁共振成像优化方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001887B (zh) * | 2020-07-20 | 2021-11-09 | 南通大学 | 用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104161517A (zh) * | 2014-06-12 | 2014-11-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于mri对比度增强的成像方法 |
CN106127792A (zh) * | 2016-07-22 | 2016-11-16 | 杭州师范大学 | 磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法 |
US20180064365A1 (en) * | 2015-03-23 | 2018-03-08 | Advanced Imaging Research, Inc. | Safe infant mr imaging system |
CN108171711A (zh) * | 2018-01-17 | 2018-06-15 | 深圳市唯特视科技有限公司 | 一种基于完全卷积网络的婴幼儿脑部磁共振图像分割方法 |
CN109741319A (zh) * | 2019-01-07 | 2019-05-10 | 南京晓庄学院 | 一种利用纵向信息增强全局重建婴儿大脑神经图像方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69325508T2 (de) | 1992-03-09 | 2000-01-27 | St. Georg's Hospital Medical School, London | Neurographische abbildungsverfahren und diffusions-anistropie |
US6564080B1 (en) | 1999-03-31 | 2003-05-13 | Kabushiki Kaisha Toshiba | MR imaging on ASL technique |
US7369887B2 (en) | 2003-06-26 | 2008-05-06 | Mount Sinai School Of Medicine | Rapid multislice black blood double-inversion recovery technique for blood vessel imaging |
US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
US20100260396A1 (en) * | 2005-12-30 | 2010-10-14 | Achiezer Brandt | integrated segmentation and classification approach applied to medical applications analysis |
WO2008082341A1 (en) * | 2007-01-02 | 2008-07-10 | Synthetic Mr Ab | A method of visualizing mr images |
EP2184010B1 (en) * | 2007-06-29 | 2019-05-08 | Toshinori Kato | White matter enhancing method |
DE102007036564B4 (de) | 2007-08-03 | 2009-07-09 | Siemens Ag | Verfahren zur gewebespezifischen Optimierung von Bildgebungsparametern |
WO2011015865A1 (en) * | 2009-08-03 | 2011-02-10 | Imperial Innovations Limited | T1-weighted ir ss fse mri scanning of the fetal brain |
US8378680B2 (en) | 2010-01-28 | 2013-02-19 | Siemens Medical Solutions Usa, Inc. | System for concurrent acquisition of MR anatomical brain images and MR angiograms without contrast-injection |
US9921283B2 (en) * | 2011-01-28 | 2018-03-20 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging |
US9002428B2 (en) * | 2011-01-28 | 2015-04-07 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging (MRI) |
US9607392B2 (en) * | 2011-12-05 | 2017-03-28 | The Johns Hopkins University | System and method of automatically detecting tissue abnormalities |
JP6382232B2 (ja) * | 2013-02-21 | 2018-08-29 | ユニバ−シティ オブ ロチェスタ− | 脳全体の傍血管経路を老廃物のクリアランス機能について評価するための方法、およびそれに基づいて神経変性障害を治療するための方法 |
US9339239B2 (en) * | 2013-09-10 | 2016-05-17 | Ohio State Innovation Foundation | Methods and devices for optimization of magnetic resonance imaging protocols |
US10169866B2 (en) * | 2014-04-22 | 2019-01-01 | Hitachi, Ltd. | Medical image processing and diagnostic image generation device for predetermined types of diagnostic information |
US10617343B2 (en) * | 2014-11-03 | 2020-04-14 | University Of Washington | Methods and systems for quantitative brain assessment |
US10444311B2 (en) * | 2015-03-11 | 2019-10-15 | Ohio State Innovation Foundation | Methods and devices for optimizing magnetic resonance imaging protocols |
WO2018106713A1 (en) * | 2016-12-06 | 2018-06-14 | Darmiyan, Inc. | Methods and systems for identifying brain disorders |
CN106600621B (zh) * | 2016-12-08 | 2019-07-19 | 温州医科大学 | 基于婴幼儿脑瘤多模态mri图的时空协同分割方法 |
US11079453B2 (en) * | 2017-08-30 | 2021-08-03 | The Board Of Trustees Of The University Of Illinois | System and method for ultrafast magnetic resonance spectroscopic imaging using learned spectral features |
US10712412B2 (en) * | 2018-04-23 | 2020-07-14 | Wisconsin Alumni Research Foundation | System and method for stimulated echo based mapping (STEM) using magnetic resonance imaging (MRI) |
US10575753B2 (en) * | 2018-05-31 | 2020-03-03 | Boston Medical Center Corporation | White matter fibrography by synthetic magnetic resonance imaging |
US20210361167A1 (en) * | 2018-09-17 | 2021-11-25 | Tatiana WOLFE | Signal isolation magnetic resonance image (simri) and methods thereof |
US11131733B2 (en) * | 2019-04-25 | 2021-09-28 | Case Western Reserve University | System and method for magnetic resonance fingerprinting with non-locally sequential sampling of k-space |
CN110123324B (zh) * | 2019-05-28 | 2020-05-12 | 浙江大学 | 一种婴儿大脑t1加权磁共振成像优化方法 |
US11875509B2 (en) * | 2020-04-03 | 2024-01-16 | Case Western Reserve University | System and method for determining undersampling errors for a magnetic resonance fingerprinting pulse sequence |
-
2019
- 2019-05-28 CN CN201910448340.3A patent/CN110123324B/zh active Active
-
2020
- 2020-05-12 JP JP2021540600A patent/JP7211614B2/ja active Active
- 2020-05-12 WO PCT/CN2020/089882 patent/WO2020238620A1/zh active Application Filing
-
2021
- 2021-03-31 US US17/218,172 patent/US11474180B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104161517A (zh) * | 2014-06-12 | 2014-11-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于mri对比度增强的成像方法 |
US20180064365A1 (en) * | 2015-03-23 | 2018-03-08 | Advanced Imaging Research, Inc. | Safe infant mr imaging system |
CN106127792A (zh) * | 2016-07-22 | 2016-11-16 | 杭州师范大学 | 磁共振动脉自旋标记脑灌注成像数据伪迹图去除方法 |
CN108171711A (zh) * | 2018-01-17 | 2018-06-15 | 深圳市唯特视科技有限公司 | 一种基于完全卷积网络的婴幼儿脑部磁共振图像分割方法 |
CN109741319A (zh) * | 2019-01-07 | 2019-05-10 | 南京晓庄学院 | 一种利用纵向信息增强全局重建婴儿大脑神经图像方法 |
Non-Patent Citations (1)
Title |
---|
郑文斌 等: "新生儿和婴儿正常脑髓鞘发育MRI表现", 《现代医用影像学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020238620A1 (zh) * | 2019-05-28 | 2020-12-03 | 浙江大学 | 一种婴儿大脑t1加权磁共振成像优化方法 |
US11474180B2 (en) | 2019-05-28 | 2022-10-18 | Zhejiang University | Method for optimizing T1-weighted magnetic resonance imaging of infant brain |
Also Published As
Publication number | Publication date |
---|---|
WO2020238620A1 (zh) | 2020-12-03 |
US20210215781A1 (en) | 2021-07-15 |
JP7211614B2 (ja) | 2023-01-24 |
CN110123324B (zh) | 2020-05-12 |
US11474180B2 (en) | 2022-10-18 |
JP2022518422A (ja) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hilbert et al. | Accelerated T2 mapping combining parallel MRI and model‐based reconstruction: GRAPPATINI | |
Lv et al. | Transfer learning enhanced generative adversarial networks for multi-channel MRI reconstruction | |
CN108375746B (zh) | 一种相位反卷折方法与设备 | |
Landman et al. | Resolution of crossing fibers with constrained compressed sensing using diffusion tensor MRI | |
CN111505553B (zh) | 磁共振成像系统和方法 | |
Tabelow et al. | Local estimation of the noise level in MRI using structural adaptation | |
Canales-Rodríguez et al. | Comparison of non-parametric T2 relaxometry methods for myelin water quantification | |
WO2019000348A1 (en) | SYSTEM AND METHOD FOR ACCELERATING MAGNETIC RESONANCE IMAGING | |
CN110123324A (zh) | 一种婴儿大脑t1加权磁共振成像优化方法 | |
US20080272781A1 (en) | Q-space sampling method and diffusion spectrum imaging method employing the same | |
Hwang et al. | Synthetic MR: physical principles, clinical implementation, and new developments | |
Fujita et al. | Repeatability and reproducibility of human brain morphometry using three‐dimensional magnetic resonance fingerprinting | |
US10890640B2 (en) | Systems and methods for signal representation determination in magnetic resonance imaging | |
Zhou et al. | Optimized three‐dimensional ultrashort echo time: Magnetic resonance fingerprinting for myelin tissue fraction mapping | |
Fotaki et al. | Accelerating 3D MTC-BOOST in patients with congenital heart disease using a joint multi-scale variational neural network reconstruction | |
Snyder et al. | T2 quantification in brain using 3D fast spin‐echo imaging with long echo trains | |
Tendler et al. | Use of multi-flip angle measurements to account for transmit inhomogeneity and non-Gaussian diffusion in DW-SSFP | |
Fujita et al. | Rigid real-time prospective motion-corrected three-dimensional multiparametric mapping of the human brain | |
Luo et al. | Free‐breathing liver fat and quantification using motion‐corrected averaging based on a nonlocal means algorithm | |
Nunez-Gonzalez et al. | Accuracy and repeatability of joint sparsity multi-component estimation in MR Fingerprinting | |
US11069063B2 (en) | Systems and methods for noise analysis | |
Shen et al. | Efficient 3D cone trajectory design for improved combined angiographic and perfusion imaging using arterial spin labeling | |
Bhaduri et al. | Reduction of Acquisition time using Partition of the sIgnal Decay in Spectroscopic Imaging technique (RAPID-SI) | |
He et al. | Compressed sensing-based simultaneous recovery of magnitude and phase MR images via dual trigonometric sparsity | |
Zhang et al. | Respiratory motion-corrected T1 mapping of the abdomen |
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 |