CN110133557A - 一种新型的非线性并行重建的磁共振成像方法、装置及介质 - Google Patents

一种新型的非线性并行重建的磁共振成像方法、装置及介质 Download PDF

Info

Publication number
CN110133557A
CN110133557A CN201810132444.9A CN201810132444A CN110133557A CN 110133557 A CN110133557 A CN 110133557A CN 201810132444 A CN201810132444 A CN 201810132444A CN 110133557 A CN110133557 A CN 110133557A
Authority
CN
China
Prior art keywords
data
item
sample space
module
coil
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810132444.9A
Other languages
English (en)
Other versions
CN110133557B (zh
Inventor
王海峰
梁栋
贾森
刘新
郑海荣
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201810132444.9A priority Critical patent/CN110133557B/zh
Priority to EP18882276.1A priority patent/EP3751301A4/en
Priority to US16/473,806 priority patent/US11579229B2/en
Priority to PCT/CN2018/096782 priority patent/WO2019153659A1/zh
Publication of CN110133557A publication Critical patent/CN110133557A/zh
Application granted granted Critical
Publication of CN110133557B publication Critical patent/CN110133557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material

Landscapes

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

Abstract

本发明涉及磁共振图像重建，公开了一种基于多通道线圈数据的复数共轭对称性和非线性GRAPPA图像重建的并行快速成像方法、装置及介质。它主要分为五个步骤：从实际多通道线圈数据扩展出虚拟共轭线圈数据；从实际和虚拟多通道线圈数据组合出线性和非线性数据项；用混合的低频全采样数据(其边缘带有部分高频数据)校准线性和非线性数据项的加权因子；根据校准的加权因子重建出高频欠采样的数据；融合低频全采样的数据和高频重建的数据。实施本发明的有益效果主要有：本发明提高了并行磁共振快速成像图像重建的图像质量，减小了重建伪影和噪音；本发明在提高重建的图像质量的同时，不增加额外的数据和扫描时间。

Description

一种新型的非线性并行重建的磁共振成像方法、装置及介质
技术领域
本发明涉及磁共振图像重建领域，特别涉及一种新型的非线性并行重建的磁共振成像方法、装置及介质。
背景技术
在磁共振并行成像中，图像重建是一个重要操作。在实际临床研究中，高性能的图像重建方法，尤其是实现并行快速成像有着非常重要的作用。目前,多通道线圈并行成像中的图像重建方法有很多,比如:SENSE(Sensitivity encoded，敏感度编码)法,GRAPPA(Generalized auto calibrating partially parallel acquisitions，全面自动校准部分并行采集)法,SMASH(Simultaneous acquisition of spatial harmonics，空间谐波)法等。其中，GRAPPA法因不需要计算多通道线圈敏感度的线性方法，而具有广泛的应用便利性。
基于GRAPPA法发展而来的方法中，非线性的GRAPPA(Nonlinear GRAPPA)重建方法受到磁共振数据的通道数量限制，所以重建图像质量较差；基于虚拟共轭线圈技术(Virtual Coil Conception，VCC)的GRAPPA重建方法则在削弱伪影和噪音方面的效果并不理想。
发明内容
本发明要解决的技术问题是提供一种提高重建图像质量，减小重建图像的伪影和噪音的图像成像方法。
为了解决上述技术问题，本发明首先披露了一种新型的非线性并行重建的磁共振成像方法、装置及介质，其技术方案是这样实施的：
一种新型的非线性并行重建的磁共振成像方法，所述成像方法的步骤包括：
步骤S1，用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
步骤S2，根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
步骤S3，利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
步骤S4，根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
步骤S5，融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
步骤S6，根据多通道完整的采样空间数据得到最终重建图像。
优选地，所述步骤S6为，将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
优选地，在所述步骤S2中，所述数据组合项包括常数、线性数据项和非线性数据项。
优选地，所述步骤S3为：利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性数据项和非线性数据项。
优选地，所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项。
优选地，所述步骤S3中的校准方法为，用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
优选地，所述步骤S3中，校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
本发明还公开了一种计算机可读介质，该计算机可读介质具有存储在其中的程序，该程序用于计算机执行所述的成像方法。
本发明还公开了一种用于使用所述成像方法的磁共振图像重建装置，
包括采集模块、数据组合模块、校准模块、重建数据模块、融合模块、成像模块；
所述采集模块利用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
所述数据组合模块根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
所述校准模块利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
所述重建数据模块根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
所述融合模块融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
所述成像模块根据多通道完整的采样空间数据得到最终重建图像。
优选地，所述成像模块将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
优选地，所述数据组合模块得到的所述数据组合项包括常数、线性数据项和非线性数据项；
所述校准模块利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性混合数据项和非线性数据项。
优选地，所述校准模块得到的所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项；
所述校准模块用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
优选地，所述校准模块使用的校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
实施本发明的有益效果主要有：
1、本发明提高了并行磁共振快速成像图像重建的图像质量，减小了重建伪影和噪音；
2、本发明在提高重建的图像质量的同时，不增加额外的数据和扫描时间。
附图说明
为更好地理解本发明的技术方案，可参考下列的、用于对现有技术或实施例进行说明的附图。这些附图将对部分实施例或现有技术涉及的产品或方法进行简要的展示。这些附图的基本信息如下：
图1为所述VCC-NL-GRAPPA方法的流程示意图；
图2为所述VCC-NL-GRAPPA方法在采样空间中进行加速的欠采样方案；
图3为GRAPPA、NL-GRAPPA和VCC-NL-GRAPPA方法在5倍加速(净加速3倍)时候的重建图像；
图4为GRAPPA、NL-GRAPPA和VCC-NL-GRAPPA方法的均方差和外部加速系数的关系图。
具体实施方式
现在对本发明实施例中的技术方案或有益效果作进一步的展开描述，显然，所描述的实施例仅是本发明的部分实施方式，而并非全部。
需要指出的是，本发明创造的提出，主要是为了解决磁共振图像重建领域内，相应的现有技术存在的问题，所以本发明创造特别适用于该细分领域，但并非意味本发明创造的技术方案所可应用的范围因此受限，本领域技术人员可根据需要，在磁共振成像领域下的各种具体应用场合进行合理地实施。
一种新型的非线性并行重建的磁共振成像方法，参考图1，所述成像方法的步骤包括：
步骤S1，用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
步骤S2，根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
步骤S3，利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
步骤S4，根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
步骤S5，融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
步骤S6，根据多通道完整的采样空间数据得到最终重建图像。
本发明所公开的方法，利用复数共轭对称性来扩充磁共振数据的通道数量。具体的为，在不增加扫描时间以及采集额外数据的情况下，对实际采样获得的多通道复数数据进行共轭转置操作扩展出相同通道数的虚拟数据，从而使得用于后续重建步骤的已知数据量加倍，提高后续重建结果的信噪比和准确性；此外，在图像重建时候组合出非线性数据项，则充分提高重建图像质量，减小重建图像的伪影和噪音。
VCC-NL-GRAPPA(基于虚拟共轭线圈技术的非线性全面自动校准部分并行采集)方法在采样空间中进行加速的欠采样的方案如图2所示。在方形的采样区域内，其中的黑色区域代表欠采样区域，灰色区域代表采样区域。
另外，需要注意的是，对于低频区域内完全采样的数据，在一些情况下其边缘带也包含有部分高频数据。
在一个优选的实施例中，所述步骤S6为，将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
在一个优选的实施例中，在所述步骤S2中，所述数据组合项包括常数、线性数据项和非线性数据项。
本发明中的非线性数据项的指数次幂可以是二次，也可以是三次以上，当然也可以是其中任意两种以上的组合。
在一个优选的实施例中，所述步骤S3为：利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性数据项和非线性数据项。
在一个优选的实施例中，所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项。
从实际的真实和虚拟的多通道线圈数据中，组合出常数、线性和非线性数据项。因为非线性数据项很多，为了在不过多的降低最后成像质量的条件下，加速运算速度，一般只截取二次非线性数据组合项，高于二次数据组合项在实施时候可以被忽略不计。
在一个优选的实施例中，所述步骤S3中的校准方法为，用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
为重建采样空间高频区域中缺失的采样数据，需要首先用采样空间低频区域内完全采样的部分数据进行校准，也即用线性回归法拟合出一组加权因子，建立起采样空间中数据和相邻数据之间的一组线性组合关系。
在一个优选的实施例中，所述步骤S3中，校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
k为K空间中的任意位置；
l为通道的序数；
b为采样空间中沿欠采样相位编码梯度方向，待估计数据和实际采样数据之间的距离；
h为采样空间中沿全采样频率编码梯度方向，待估计数据和实际采样数据之间的距离；
Sl为第l个通道的采样空间数据；
为Sl的共轭装置矩阵；
kx，ky为采样数据点在二维采样空间的坐标；
Δkx，Δky为采样空间内完全采样时相邻采样点应满足的最小间隔；
R:加速倍数，也即欠采样倍数；
为GRAPPA成像方法中的加权因子，可通过对采样空间低频区域中全采样数据进行校准获得；其中，j为通道序数，r为通道位移的序数，上标(2，1)内的第一项数字为指数，第二项为横向距离，也就是为与距其横向距离为1的加权因子进行点乘；
B1，B2，H1，H2为成像方法中的加权因子的个数。
本发明还公开了一种计算机可读介质，该计算机可读介质具有存储在其中的程序，该程序用于计算机执行所述的成像方法。
本发明还公开了一种用于使用所述成像方法的磁共振图像重建装置，
包括采集模块、数据组合模块、校准模块、重建数据模块、融合模块、成像模块；
所述采集模块利用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
所述数据组合模块根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
所述校准模块利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
所述重建数据模块根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
所述融合模块融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
所述成像模块根据多通道完整的采样空间数据得到最终重建图像。
在一个优选的实施例中，所述成像模块将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
在一个优选的实施例中，所述数据组合模块得到的所述数据组合项包括常数、线性数据项和非线性数据项；所述校准模块利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性数据项和非线性数据项。
在一个优选的实施例中，所述校准模块得到的所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项；所述校准模块用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
在一个优选的实施例中，所述校准模块使用的校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
k为K空间中的任意位置；
l为通道的序数；
b为采样空间中沿欠采样相位编码梯度方向，待估计数据和实际采样数据之间的距离；
h为采样空间中沿全采样频率编码梯度方向，待估计数据和实际采样数据之间的距离；
Sl为第l个通道的采样空间数据；
为Sl的共轭装置矩阵；
kx，ky为采样数据点在二维采样空间的坐标；
Δkx，Δky为采样空间内完全采样时相邻采样点应满足的最小间隔；
R:加速倍数，也即欠采样倍数；
为GRAPPA成像方法中的加权因子，可通过对采样空间低频区域中全采样数据进行校准获得；其中，j为通道序数，r为通道位移的序数，上标(2，1)内的第一项数字为指数，第二项为横向距离，也就是为与距其横向距离为1的加权因子进行点乘；
B1，B2，H1，H2为成像方法中的加权因子的个数。
利用本发明公开的方法，经过模拟和实验得到结果图3和图4。其中，图3为全面自动校准部分并行采集(GRAPPA)、非线性GRAPPA(NL-GRAPPA)和虚拟线圈的非线性GRAPPA(VCC-NL-GRAPPA)方法在5倍加速(净加速3倍)时候的重建图像比较；图4为GRAPPA、NL-GRAPPA和VCC-NL-GRAPPA方法的均方差和外部加速系数的关系图。其中的Diff.表示重建图像与参考图像的差值，×5表示差值放大5倍显示，MSE表示均方差，R表示外部加速系数，NetR表示净加速系数。
由图可知，通过本发明重建的图像，其MSE相对于GRAPPA法和Nonlinear GRAPPA法均有所减小，同时图像中伪影和噪音均有所减少。
最后需要指出的是，上文所列举的实施例，为本发明较为典型的、较佳实施例，仅用于详细说明、解释本发明的技术方案，以便于读者理解，并不用以限制本发明的保护范围或者应用。因此，在本发明的精神和原则之内所作的任何修改、等同替换、改进等而获得的技术方案，都应被涵盖在本发明的保护范围之内。

Claims (13)

1.一种新型的非线性并行重建的磁共振成像方法，其特征在于：
所述成像方法的步骤包括：
步骤S1，用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
步骤S2，根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
步骤S3，利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
步骤S4，根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
步骤S5，融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
步骤S6，根据多通道完整的采样空间数据得到最终重建图像。
2.根据权利要求1所述的成像方法，其特征在于：
所述步骤S6为，将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
3.根据权利要求2所述的成像方法，其特征在于：
在所述步骤S2中，所述数据组合项包括常数、线性数据项和非线性数据项。
4.根据权利要求3所述的成像方法，其特征在于：
所述步骤S3为：利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性数据项和非线性数据项。
5.根据权利要求4所述的成像方法，其特征在于：
所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项。
6.根据权利要求5所述的成像方法，其特征在于：
所述步骤S3中的校准方法为，用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
7.根据权利要求6所述的成像方法，其特征在于：
所述步骤S3中，校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
。
8.一种计算机可读介质，该计算机可读介质具有存储在其中的程序，该程序用于计算机执行权利要求1～7中任一项所述的成像方法。
9.一种用于使用权利要求1～7中任一项所述成像方法的磁共振图像重建装置，其特征在于：
包括采集模块、数据组合模块、校准模块、重建数据模块、融合模块、成像模块；
所述采集模块利用多通道线圈并行采集实际线圈数据，根据所述实际线圈数据扩展出相同通道数的虚拟线圈数据，所述虚拟线圈数据和所述实际线圈数据之间满足共轭对称关系；
所述数据组合模块根据所述实际线圈数据和所述虚拟线圈数据组合得到数据组合项；
所述校准模块利用采样空间中，低频区域内完全采样的数据，结合数据组合项校准加权因子；
所述重建数据模块根据校准的所述加权因子，重建采样空间中的缺失数据得到重建数据，所述缺失数据指采样空间中，高频区域没有采集的数据；
所述融合模块融合采样空间中所述低频区域内完全采样数据和所述重建数据得到完整的采样空间数据；
所述成像模块根据多通道完整的采样空间数据得到最终重建图像。
10.根据权利要求9所述的装置，其特征在于：
所述成像模块将所述多通道完整的采样空间数据进行平方求和得到所述最终重建图像，或者将所述多通道完整的采样空间数据与多通道线圈的敏感度相乘后求和得到所述最终重建图像。
11.根据权利要求9所述的装置，其特征在于：
所述数据组合模块得到的所述数据组合项包括常数、线性数据项和非线性数据项；
所述校准模块利用低频区域内完全采样的数据，结合数据组合项产生混合数据组合项，所述混合数据组合项包括常数、线性数据项和非线性数据项。
12.根据权利要求9所述的装置，其特征在于：
所述校准模块得到的所述数据组合项中的非线性数据项为二次及其以上非线性数据项，和/或所述混合数据组合项中的非线性数据项为二次及其以上非线性数据项；
所述校准模块用线性回归法拟合出一组加权因子，进而建立采样空间中的数据与其相邻数据之间的一组线性组合关系。
13.根据权利要求9所述的装置，其特征在于：
所述校准模块使用的校准方法所涉及的公式为：
其中，j＝1,2,……2·L；
r≠b·R；
。
CN201810132444.9A 2018-02-09 2018-02-09 一种新型的非线性并行重建的磁共振成像方法、装置及介质 Active CN110133557B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810132444.9A CN110133557B (zh) 2018-02-09 2018-02-09 一种新型的非线性并行重建的磁共振成像方法、装置及介质
EP18882276.1A EP3751301A4 (en) 2018-02-09 2018-07-24 NEW METHOD, DEVICE AND SUPPORT FOR MAGNETIC RESONANCE IMAGING OF NON-LINEAR PARALLEL RECONSTRUCTION
US16/473,806 US11579229B2 (en) 2018-02-09 2018-07-24 Imaging method and device for nonlinear parallel magnetic resonance image reconstruction, and medium
PCT/CN2018/096782 WO2019153659A1 (zh) 2018-02-09 2018-07-24 一种新型的非线性并行重建的磁共振成像方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810132444.9A CN110133557B (zh) 2018-02-09 2018-02-09 一种新型的非线性并行重建的磁共振成像方法、装置及介质

Publications (2)

Publication Number Publication Date
CN110133557A true CN110133557A (zh) 2019-08-16
CN110133557B CN110133557B (zh) 2021-08-31

Family

ID=67549146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810132444.9A Active CN110133557B (zh) 2018-02-09 2018-02-09 一种新型的非线性并行重建的磁共振成像方法、装置及介质

Country Status (4)

Country Link
US (1) US11579229B2 (zh)
EP (1) EP3751301A4 (zh)
CN (1) CN110133557B (zh)
WO (1) WO2019153659A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111103562A (zh) * 2019-12-09 2020-05-05 中国科学院深圳先进技术研究院 一种同时多个片层成像的重建方法及装置
CN112526423A (zh) * 2020-12-10 2021-03-19 川北医学院 基于共轭和层间信息的并行磁共振成像算法
CN112557981A (zh) * 2020-12-03 2021-03-26 川北医学院 一种并行磁共振成像的改进算法
CN114565690A (zh) * 2021-12-15 2022-05-31 中国科学院深圳先进技术研究院 基于波浪梯度编码场和深度学习模型的磁共振成像方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022132659A1 (en) * 2020-12-17 2022-06-23 University Of Southern California Region-optimized virtual (rovir) coils
US20220244333A1 (en) * 2021-01-26 2022-08-04 Ohio State Innovation Foundation High-dimensional fast convolutional framework (hicu) for calibrationless mri

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529268A (zh) * 2006-10-31 2009-09-09 皇家飞利浦电子股份有限公司 采用多个发射线圈的mri rf编码
US20100244825A1 (en) * 2009-03-31 2010-09-30 General Electric Company System And Method Of Parallel Imaging With Calibration To A Virtual Coil
US20120226007A1 (en) * 2010-08-31 2012-09-06 The University Of Kansas High capacity magnetic nanoparticles as supports for reagents and catalysts
CN102937706A (zh) * 2012-10-31 2013-02-20 中国科学院深圳先进技术研究院 一种磁共振并行成像方法及磁共振成像仪
CN103185878A (zh) * 2011-12-27 2013-07-03 上海联影医疗科技有限公司 磁共振图像并行采集以及图像重建方法
US20140163664A1 (en) * 2006-11-21 2014-06-12 David S. Goldsmith Integrated system for the ballistic and nonballistic infixion and retrieval of implants with or without drug targeting
US20140340083A1 (en) * 2013-05-17 2014-11-20 Shanghai United Imaging Healthcare Co., Ltd. Parallel acquisition image reconstruction method and device for magnetic resonance imaging
CN104434108A (zh) * 2014-12-09 2015-03-25 中国科学院武汉物理与数学研究所 一种基于相邻层信息和欠采样的多层磁共振快速成像方法
US20150241537A1 (en) * 2014-02-27 2015-08-27 Toshiba Medical Systems Corporation Magnetic Resonance Imaging with Consistent Geometries
CN106772167A (zh) * 2016-12-01 2017-05-31 中国科学院深圳先进技术研究院 核磁共振成像方法及装置
CN107182216A (zh) * 2015-12-30 2017-09-19 中国科学院深圳先进技术研究院 一种基于深度卷积神经网络的快速磁共振成像方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1799498B (zh) 2004-12-31 2010-04-28 西门子（中国）有限公司 磁共振成像快速广义自校准并行采集图像重建方法
CN100396240C (zh) * 2005-02-28 2008-06-25 西门子（中国）有限公司 频域灵敏度编码磁共振并行成像方法
CN102519597B (zh) * 2011-12-14 2013-12-25 中国电子科技集团公司第四十一研究所 一种傅里叶变换光谱仪相位校正切趾方法
CN104749538B (zh) 2015-04-30 2016-02-03 郑州轻工业学院 一种并行磁共振成像相位处理方法
CN107507148B (zh) * 2017-08-30 2018-12-18 南方医科大学 基于卷积神经网络去除磁共振图像降采样伪影的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529268A (zh) * 2006-10-31 2009-09-09 皇家飞利浦电子股份有限公司 采用多个发射线圈的mri rf编码
US20140163664A1 (en) * 2006-11-21 2014-06-12 David S. Goldsmith Integrated system for the ballistic and nonballistic infixion and retrieval of implants with or without drug targeting
US20100244825A1 (en) * 2009-03-31 2010-09-30 General Electric Company System And Method Of Parallel Imaging With Calibration To A Virtual Coil
US20120226007A1 (en) * 2010-08-31 2012-09-06 The University Of Kansas High capacity magnetic nanoparticles as supports for reagents and catalysts
CN103185878A (zh) * 2011-12-27 2013-07-03 上海联影医疗科技有限公司 磁共振图像并行采集以及图像重建方法
CN102937706A (zh) * 2012-10-31 2013-02-20 中国科学院深圳先进技术研究院 一种磁共振并行成像方法及磁共振成像仪
US20140340083A1 (en) * 2013-05-17 2014-11-20 Shanghai United Imaging Healthcare Co., Ltd. Parallel acquisition image reconstruction method and device for magnetic resonance imaging
US20150241537A1 (en) * 2014-02-27 2015-08-27 Toshiba Medical Systems Corporation Magnetic Resonance Imaging with Consistent Geometries
CN104434108A (zh) * 2014-12-09 2015-03-25 中国科学院武汉物理与数学研究所 一种基于相邻层信息和欠采样的多层磁共振快速成像方法
CN107182216A (zh) * 2015-12-30 2017-09-19 中国科学院深圳先进技术研究院 一种基于深度卷积神经网络的快速磁共振成像方法及装置
CN106772167A (zh) * 2016-12-01 2017-05-31 中国科学院深圳先进技术研究院 核磁共振成像方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MARTIN BLAIMER 等: "Virtual coil concept for improved parallel MRI employing conjugate symmetric signals", 《MAGNETIC RESONANCE IN MEDICINE》 *
史彩云 等: "基于多通道并行采集的部分可分离函数", 《集成技术》 *
许林: "并行磁共振成像及相位信息获取方法研", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111103562A (zh) * 2019-12-09 2020-05-05 中国科学院深圳先进技术研究院 一种同时多个片层成像的重建方法及装置
CN111103562B (zh) * 2019-12-09 2022-03-04 中国科学院深圳先进技术研究院 一种同时多个片层成像的重建方法及装置
CN112557981A (zh) * 2020-12-03 2021-03-26 川北医学院 一种并行磁共振成像的改进算法
CN112557981B (zh) * 2020-12-03 2023-06-13 川北医学院 一种并行磁共振成像的改进算法
CN112526423A (zh) * 2020-12-10 2021-03-19 川北医学院 基于共轭和层间信息的并行磁共振成像算法
CN112526423B (zh) * 2020-12-10 2023-06-06 川北医学院 基于共轭和层间信息的并行磁共振成像算法
CN114565690A (zh) * 2021-12-15 2022-05-31 中国科学院深圳先进技术研究院 基于波浪梯度编码场和深度学习模型的磁共振成像方法

Also Published As

Publication number Publication date
EP3751301A4 (en) 2021-11-17
CN110133557B (zh) 2021-08-31
US20210356545A1 (en) 2021-11-18
EP3751301A1 (en) 2020-12-16
WO2019153659A1 (zh) 2019-08-15
US11579229B2 (en) 2023-02-14

Similar Documents

Publication Publication Date Title
CN110133557A (zh) 一种新型的非线性并行重建的磁共振成像方法、装置及介质
Hammernik et al. Systematic evaluation of iterative deep neural networks for fast parallel MRI reconstruction with sensitivity‐weighted coil combination
Bodammer et al. Eddy current correction in diffusion‐weighted imaging using pairs of images acquired with opposite diffusion gradient polarity
Tao et al. Integrated image reconstruction and gradient nonlinearity correction
CN105232045B (zh) 基于双回波的单扫描定量磁共振扩散成像方法
CN103376433B (zh) 图像畸变校正方法及系统、磁共振成像设备
US10684345B2 (en) Reconstructing magnetic resonance images for contrasts
Ramos‐Llordén et al. High‐fidelity, accelerated whole‐brain submillimeter in vivo diffusion MRI using gSlider‐spherical ridgelets (gSlider‐SR)
CN103705239B (zh) 磁共振参数成像方法和系统
Wang et al. Motion‐robust sub‐millimeter isotropic diffusion imaging through motion corrected generalized slice dithered enhanced resolution (MC‐gSlider) acquisition
Kasten et al. Data-driven MRSI spectral localization via low-rank component analysis
Bastin et al. On the use of water phantom images to calibrate and correct eddy current induced artefacts in MR diffusion tensor imaging
Chen et al. Application of k-space energy spectrum analysis to susceptibility field mapping and distortion correction in gradient-echo EPI
Liao et al. Highly efficient MRI through multi-shot echo planar imaging
CN105931242B (zh) 基于字典学习和时间梯度的动态核磁共振图像重建方法
Holla et al. A series of five population‐specific Indian brain templates and atlases spanning ages 6–60 years
Dai et al. High-resolution whole-brain diffusion MRI at 3T using simultaneous multi-slab (SMSlab) acquisition
Usman et al. Joint B0 and image estimation integrated with model based reconstruction for field map update and distortion correction in prostate diffusion MRI
CN101051075B (zh) 基于复奇异谱分析的磁共振部分k数据图像重建方法
Yung et al. Atlas‐based automated positioning of outer volume suppression slices in short‐echo time 3D MR spectroscopic imaging of the human brain
Steinhoff et al. Segmented diffusion imaging with iterative motion‐corrected reconstruction (sediment) for brain echo‐planar imaging
Irfanoglu et al. Susceptibility distortion correction for echo planar images with non-uniform B-spline grid sampling: a diffusion tensor image study
Goto et al. Effects of image distortion correction on voxel-based morphometry
US20020093334A1 (en) K-space synthesis for MR imaging in the presence of gradient field nonlinearity
Li et al. Sampling strategies and integrated reconstruction for reducing distortion and boundary slice aliasing in high‐resolution 3D diffusion MRI

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