CN110161442A - 磁共振参数成像方法、装置、医学设备及存储介质 - Google Patents

磁共振参数成像方法、装置、医学设备及存储介质 Download PDF

Info

Publication number
CN110161442A
CN110161442A CN201810145141.0A CN201810145141A CN110161442A CN 110161442 A CN110161442 A CN 110161442A CN 201810145141 A CN201810145141 A CN 201810145141A CN 110161442 A CN110161442 A CN 110161442A
Authority
CN
China
Prior art keywords
image
reconstructed
compensation
parameter
updated
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
CN201810145141.0A
Other languages
English (en)
Other versions
CN110161442B (zh
Inventor
朱燕杰
刘元元
梁栋
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 Shen Tech Advanced Cci Capital Ltd
Shenzhen National Research Institute of High Performance Medical Devices Co Ltd
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 CN201810145141.0A priority Critical patent/CN110161442B/zh
Priority to US17/047,062 priority patent/US11830111B2/en
Priority to PCT/CN2018/087194 priority patent/WO2019153566A1/zh
Publication of CN110161442A publication Critical patent/CN110161442A/zh
Application granted granted Critical
Publication of CN110161442B publication Critical patent/CN110161442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • 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
    • G01R33/54—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
    • 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
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明适用磁共振成像技术领域，提供了一种磁共振参数成像方法、装置、医学设备及存储介质，该方法包括：对预设参数方向下观测目标的待重建图像进行加速采样，获得待重建图像对应的K空间数据，根据K空间数据和参数弛豫模型，计算待重建图像的参数值和补偿系数，根据补偿系数生成待重建图像对应的补偿图像，根据补偿图像分别计算待重建图像的低秩部分和稀疏部分，以对补偿图像进行多次更新，根据更新后的补偿图像更新待重建图像，当待重建图像的更新收敛时，拟合出观测目标的参数图并输出，否则根据参数弛豫模型计算更新后待重建图像的参数值和补偿系数，并跳转至生成补偿图像的步骤，从而有效地提高了磁共振参数成像的效率和精度。

Description

磁共振参数成像方法、装置、医学设备及存储介质
技术领域
本发明属于磁共振成像技术领域，尤其涉及一种磁共振参数成像方法、装置、医学设备及存储介质。
背景技术
磁共振参数成像通过对人体内不同组织固有的一些参数如纵向弛豫时间T1、横向弛豫时间T2、质子密度、旋转坐标系下的纵向弛豫时间T1ρ等进行定量分析，以将不同的组织区分开来，可为医生提供更为准确的诊断信息，因此磁共振参数成像得到了广泛的临床应用。然而，在进行磁共振参数成像时，需要采集参数方向上(例如TE(echo time,回波时间)、TSL(spin lock time,自旋-锁时间))多个不同参数方向值的图像，扫描时间往往很长，这成为制约磁共振参数成像快速发展的一大瓶颈。
为了减少扫描时间，目前商用的快速成像技术主要是部分傅里叶和并行成像(如敏感度编码(SENSE)、广义自动校准部分并行采集(GRAPPA)等)，近年来，基于稀疏采样理论的压缩感知技术也得到了广泛的关注和应用。这些技术都是通过开发图像或k空间数据中的冗余性来获得一个相似或没有明显伪影的参数图，因此最终获得的参数图质量的好坏高度依赖于所采用的参数成像方法。传统的快速参数成像方法通常包含重建和拟合两个阶段，重建阶段主要负责从欠采的数据中重建出参数加权图像，拟合阶段通过既定的弛豫模型从重建的参数加权图中拟合得到参数图像，然而重建的参数加权图像与实际的图像间存在一定的误差，这个误差会传递到接下来的拟合中，并进一步影响拟合出来的图像。
发明内容
本发明的目的在于提供一种磁共振参数成像方法、装置、医学设备及存储介质，旨在解决由于现有技术中的磁共振参数成像方法扫描时间长、成像精度不高的问题。
一方面，本发明提供了一种磁共振参数成像方法，所述方法包括下述步骤：
对预设参数方向下预设观测目标的待重建图像进行加速采样，获得所述待重建图像对应的K空间数据；
根据所述K空间数据和预设的参数弛豫模型，计算所述待重建图像的参数值和补偿系数；
根据所述补偿系数生成所述待重建图像对应的补偿图像，根据所述补偿图像，分别计算所述待重建图像的低秩部分和稀疏部分；
根据所述低秩部分和所述稀疏部分对所述补偿图像进行更新，并判断所述补偿图像的更新是否收敛，是则根据更新后的所述补偿图像更新所述待重建图像，否则跳转至分别计算所述待重建图像的低秩部分、稀疏部分的步骤；
判断所述待重建图像的更新是否收敛，是则根据所述参数弛豫模型和更新后的所述待重建图像，拟合得到所述观测目标的参数图并输出，否则根据所述参数弛豫模型，计算更新后的所述待重建图像的参数值和补偿系数，并跳转到根据所述补偿系数生成所述待重建图像对应的补偿图像的步骤。
另一方面，本发明提供了一种磁共振参数成像装置，所述装置包括：
加速采样单元，用于对预设参数方向下预设观测目标的待重建图像进行加速采样，获得所述待重建图像对应的K空间数据；
系数计算单元，用于根据所述K空间数据和预设的参数弛豫模型，计算所述待重建图像的参数值和补偿系数；
图像补偿单元，用于根据所述补偿系数生成所述待重建图像对应的补偿图像，根据所述补偿图像，分别计算所述待重建图像的低秩部分和稀疏部分；
图像更新单元，用于根据所述低秩部分和所述稀疏部分对所述补偿图像进行更新，并判断所述补偿图像的更新是否收敛，是则根据更新后的所述补偿图像更新所述待重建图像，否则触发所述图像补偿单元执行分别计算所述待重建图像的低秩部分和稀疏部分的步骤；以及
拟合输出单元，用于判断所述待重建图像的更新是否收敛，是则根据所述参数弛豫模型和更新后的所述待重建图像，拟合得到所述观测目标的参数图并输出，否则根据所述参数弛豫模型，计算更新后的所述待重建图像的参数值和补偿系数，并触发所述图像补偿单元执行根据所述补偿系数生成所述待重建图像对应的补偿图像的步骤。
另一方面，本发明还提供了一种医学设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述磁共振参数成像方法所述的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述磁共振参数成像方法所述的步骤。
本发明对预设参数方向下观测目标的待重建图像进行加速采样，获得待重建图像对应的K空间数据，根据K空间数据和参数弛豫模型，计算待重建图像的参数值和补偿系数，根据补偿系数生成待重建图像对应的补偿图像，根据补偿图像分别计算待重建图像的低秩部分和稀疏部分，以对补偿图像进行多次更新，根据更新后的补偿图像更新待重建图像，当待重建图像的更新收敛时，拟合出观测目标的参数图并输出，否则根据参数弛豫模型计算更新后待重建图像的参数值和补偿系数，并跳转至根据补偿系数生成待重建图像对应的补偿图像的步骤，从而有效地提高了磁共振参数成像的效率和精度。
附图说明
图1是本发明实施例一提供的磁共振参数成像方法的实现流程图；
图2是本发明实施例二提供的磁共振参数成像装置的结构示意图；
图3是本发明实施例二提供的磁共振参数成像装置的优选结构示意图；以及
图4是本发明实施例三提供的医学设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的磁共振参数成像方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，对预设参数方向下预设观测目标的待重建图像进行加速采样，获得待重建图像对应的K空间数据。
在本发明实施例中，观测目标可为患者的组织器官，参数方向可为回波时间(echotime,TE)和自旋-锁时间(spin-lock time，TSL)，当参数方向为TE时，后续拟合得到的参数值、参数图分别为T2值和T2图，当参数方向为TSL时，后续拟合得到的参数值、参数图分别为T1ρ值和T1ρ图。
在本发明实施例中，可在参数方向下，对观测目标进行频率编码方向上全采、相位编码上变密度采样，得到预设数量个待重建图像对应的K空间数据，K空间数据为欠采样数据，从而使得磁共振参数成像加速采样的相位编码-参数空间(phase-parameter)符合压缩感知的随机采样理论。其中，不同待重建图像对应不同的参数方向值，例如在TSL方向，不同待重建图像对应不同的TSL值。
作为示例地，在TSL方向，频率编码方向全采、相位编码方向变密度采集，得到不同TSL值下的待重建图像的K空间数据，K空间数据为欠采数据。
在步骤S102中，根据K空间数据和预设的参数弛豫模型，计算待重建图像的参数值和补偿系数。
在本发明实施例中，在采样得到不同参数方向值下的K空间数据后，可将K空间数据中心的全采部分转换至图像域，获得K空间数据中心的全采部分对应的图像，根据全采部分对应的图像和参数弛豫模型，拟合得到待重建图像的参数值，再根据该参数值计算待重建图像的补偿系数，此时计算得到的参数值、补偿系数都为初始值。其中，不同参数方向对应的参数弛豫模型不同。
作为示例地，当参数方向为TSL时，将不同TSL对应的K空间数据中心的全采部分转换到图像域，通过T1ρ弛豫模型和K空间数据中心的全采部分转换得到的图像进行拟合，得到待重建图像的T1ρ值，T1ρ弛豫模型可表示为：
Mx＝M0exp(-TSLk/T1ρ i)，其中，T1ρ i为待重建图像第i次更新中待重建图像的T1ρ值，Mx为第k个TSL值TSLk下待重建图像的图像强度，M0为不带自旋-锁脉冲(spin-lockpulse)下的平衡图像强度，k＝1,2,...,N。具体地，可对上述等式两边先做求对数的操作，将T1ρ弛豫模型转化为一个线性方程，即一个关于TSL的线性函数，再通过沿TSL方向对待重建图像的所有像素进行拟合。根据计算得到的T1ρ值计算待重建图像的补偿系数，计算公式可为其中，Coefi为待重建图像第i次更新中待重建图像的补偿系数。
在本发明实施例中，由于待重建图像的参数值是根据K空间数据中心的全采部分计算得来，分辨率非常低，因此需要进行迭代更新。在后续迭代过程中，可直接根据更新后的待重建图像计算参数值。
在步骤S103中，根据补偿系数生成待重建图像对应的补偿图像。
在本发明实施例中，可将补偿系数与待重建图像的每个像素相乘，得到待重建图像的补偿图像，补偿图像可表示为Ui＝C(Xi-1)，C(·)为补偿过程中的操作算子。其中，Xi-1为待重建图像第i次更新中待重建图像组成的图像序列。
在步骤S104中，根据补偿图像，分别计算待重建图像的低秩部分和稀疏部分。
在本发明实施例中，在生成待重建图像对应的补偿图像后，可通过补偿图像、预设的奇异值阈值操作算子以及待重建图像稀疏部分预设的初始值，计算待重建图像的低秩部分，再根据补偿图像、待重建图像的低秩部分以及预设的软阈值操作算子，对待重建图像的稀疏部分进行更新。其中，待重建图像稀疏部分的初始值可预设为0。
优选地，低秩部分Lj的计算公式表示为：
其中，SVT(·)为奇异值阈值操作算子，奇异值阈值操作算子的计算过程可表示为SVTλ(M)＝UΛλ(Σ)VH，M＝UΣVH表示奇异值分解(SVD)，U、V分别为左、右奇异值组成的矩阵，VH为V的共轭转置，Σ为由M的奇异值组成的对角矩阵，Λλ(Σ)表示保留Σ中最大的奇异值不变，其它全为0，Lj为补偿图像第j次更新中待重建图像的低秩部分，Sj-1为补偿图像第j次更新之前的、待重建图像的稀疏部分，为待重建图像第i次更新中对补偿图像进行第j次更新之前的补偿图像。
优选地，稀疏部分Sj的计算公式表示为：
其中，ST(·)为软阈值操作算子，软阈值操作算子的计算过程可表示为p表示图像矩阵中的一个元素，v为预设阈值，Sj为补偿图像第j次更新之后的稀疏部分。
在步骤S105中，根据低秩部分和稀疏部分对补偿图像进行更新。
在本发明实施例中，在计算得到待重建图像的低秩部分、稀疏部分后，可根据低秩部分和稀疏部分，对补偿图像进行更新，以更新补偿图像的数据保真项。优选地，补偿图像的更新公式为：
其中，为在待重建图像第i次更新中对补偿图像进行第j次更新得到的补偿图像，E为预设的编码矩阵，E*为E的共轭转置，E(X)＝d，X为待重建图像组成的图像序列。
在步骤S106中，判断补偿图像的更新是否收敛。
在本发明实施例中，可通过判断补偿图像的当前更新次数是否达到预设的第一次数阈值，来判断补偿图像的更新是否收敛，也可通过判断更新前的补偿图像与更新后的补偿图像之间的差异是否小于预设的第一差异阈值，来判断补偿图像的更新是否收敛。
在本发明实施例中，当补偿图像的更新收敛时，执行步骤S107，否则跳转至步骤S104执行分别计算待重建图像的低秩部分、稀疏部分的操作。
在步骤S107中，根据更新后的补偿图像更新待重建图像，
在本发明实施例中，可通过将更新后的补偿图像中的每个像素除以补偿系数，来对待重建图像进行更新，更新公式可表示为：
Xi为待重建图像第i次更新后的待重建图像。
在步骤S108中，判断待重建图像的更新是否收敛。
在本发明实施例中，可通过判断待重建图像的当前更新次数是否达到预设的第二次数阈值，来判断待重建图像的更新是否收敛，也可通过判断更新前的待重建图像与更新后的待重建图像之间的差异是否小于预设的第二差异阈值，来判断待重建图像的更新是否收敛。
在本发明实施例中，当待重建图像的更新收敛时，执行步骤S109，否则执行步骤S110。
在步骤S109中，根据参数弛豫模型和更新后的待重建图像，拟合得到观测目标的参数图并输出。
在本发明实施例中，当待重建图像的更新收敛时，通过参数弛豫模型对更新后的待重建图像进行拟合，得到更新后的待重建图像对应的参数值，由参数值构成观测目标的参数图并输出，其中，参数图为对待重建图像进行重建的最终图像。
在步骤S110中，根据参数弛豫模型，计算更新后的待重建图像的参数值和补偿系数。
在本发明实施例中，当待重建图像的更新不收敛时，可通过更新后的待重建图像和参数弛豫模型，拟合得到更新后的待重建图像的参数值，再根据更新后的待重建图像的参数值计算并更新补偿系数，跳转至步骤S103，以执行根据补偿系数生成待重建图像对应的补偿图像的操作，以继续更新待重建图像。
在本发明实施例中，通过变密度采集加快了磁共振参数成像的扫描速度和成像速度，并通过将拟合过程中的参数加入到重建过程中，以指导待重建图像的重建，同时使得磁共振参数成像的重建过程和拟合过程联系起来，从而有效地提高了磁共振参数成像的精度，有效地提高了磁共振成像的效率。
实施例二：
图2示出了本发明实施例二提供的磁共振参数成像装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
加速采样单元21，用于对预设参数方向下预设观测目标的待重建图像进行加速采样，获得待重建图像对应的K空间数据。
在本发明实施例中，参数方向可为回波时间TE和自旋-锁时间TSL，当参数方向为TE时，后续拟合得到的参数值、参数图分别为T2值和T2图，当参数方向为TSL时，后续拟合得到的参数值、参数图分别为T1ρ值和T1ρ图。
在本发明实施例中，可在参数方向下，对观测目标进行频率编码方向上全采、相位编码上变密度采样，得到预设数量个待重建图像对应的K空间数据，K空间数据为欠采样数据，从而使得磁共振参数成像加速采样的相位编码-参数空间符合压缩感知的随机采样理论。作为示例地，在TSL方向，频率编码方向全采、相位编码方向变密度采集，得到不同TSL值下的待重建图像的K空间数据。
系数计算单元22，用于根据K空间数据和预设的参数弛豫模型，计算待重建图像的参数值和补偿系数。
在本发明实施例中，在采样得到不同参数方向值下的K空间数据后，可将K空间数据中心的全采部分转换至图像域，获得K空间数据中心的全采部分对应的图像，根据全采部分对应的图像和参数弛豫模型，拟合得到待重建图像的参数值，再根据该参数值计算待重建图像的补偿系数，此时计算得到的参数值、补偿系数都为初始值。
作为示例地，当参数方向为TSL时，将不同TSL对应的K空间数据中心的全采部分转换到图像域，通过T1ρ弛豫模型和K空间数据中心的全采部分转换得到的图像进行拟合，得到待重建图像的T1ρ值，T1ρ弛豫模型可表示为：
Mx＝M0exp(-TSLk/T1ρ i)，其中，T1ρ i为待重建图像第i次更新中待重建图像的T1ρ值，Mx为第k个TSL值TSLk下待重建图像的图像强度，M0为不带自旋-锁脉冲(spin-lockpulse)下的平衡图像强度，k＝1,2,...,N。具体地，可对上述等式两边先做求对数的操作，将T1ρ弛豫模型转化为一个线性方程，即一个关于TSL的线性函数，再通过沿TSL方向对待重建图像的所有像素进行拟合。根据计算得到的T1ρ值计算待重建图像的补偿系数，计算公式可为其中，Coefi为待重建图像第i次更新中待重建图像的补偿系数。
在本发明实施例中，由于待重建图像的参数值是根据K空间数据中心的全采部分计算得来，分辨率非常低，因此需要进行迭代更新。在后续迭代过程中，可直接根据更新后的待重建图像计算参数值。
图像补偿单元23，用于根据补偿系数生成待重建图像对应的补偿图像，根据补偿图像，分别计算待重建图像的低秩部分和稀疏部分。
在本发明实施例中，可将补偿系数与待重建图像的每个像素相乘，得到待重建图像的补偿图像，补偿图像可表示为Ui＝C(Xi-1)，C(·)为补偿过程中的操作算子。其中，Xi-1为待重建图像第i次更新中待重建图像组成的图像序列。接着，可通过补偿图像、预设的奇异值阈值操作算子以及待重建图像稀疏部分预设的初始值，计算待重建图像的低秩部分，再根据补偿图像、待重建图像的低秩部分以及预设的软阈值操作算子，对待重建图像的稀疏部分进行更新。
优选地，低秩部分Lj的计算公式表示为：
其中，SVT(·)为奇异值阈值操作算子，奇异值阈值操作算子的计算过程可表示为SVTλ(M)＝UΛλ(Σ)VH，M＝UΣVH表示奇异值分解(SVD)，U、V分别为左、右奇异值组成的矩阵，VH为V的共轭转置，Σ为由M的奇异值组成的对角矩阵，Λλ(Σ)表示保留Σ中最大的奇异值不变，其它全为0，Lj为补偿图像第j次更新中待重建图像的低秩部分，Sj-1为补偿图像的第j次更新之前的、待重建图像的稀疏部分，为待重建图像第i次更新中对补偿图像进行第j次更新之前的补偿图像。
优选地，稀疏部分Sj的计算公式表示为：
其中，ST(·)为软阈值操作算子，软阈值操作算子的计算过程可表示为p表示图像矩阵中的一个元素，v为预设阈值，Sj为补偿图像的第j次更新之后的稀疏部分。
图像更新单元24，用于根据低秩部分和稀疏部分对补偿图像进行更新，并判断补偿图像的更新是否收敛，是则根据更新后的补偿图像更新待重建图像，否则触发图像补偿单元23执行分别计算待重建图像的低秩部分、稀疏部分的步骤。
在本发明实施例中，在计算得到待重建图像的低秩部分、稀疏部分后，可根据低秩部分和稀疏部分，对补偿图像进行更新，以更新补偿图像的数据保真项。优选地，补偿图像的更新公式为：
其中，为在待重建图像第i次更新中对补偿图像进行第j次更新得到的补偿图像，E为预设的编码矩阵，E*为E的共轭转置，E(X)＝d，X为待重建图像组成的图像序列。
在本发明实施例中，可通过判断补偿图像的当前更新次数是否达到预设的第一次数阈值，来判断补偿图像的更新是否收敛，也可通过判断更新前的补偿图像与更新后的补偿图像之间的差异是否小于预设的第一差异阈值，来判断补偿图像的更新是否收敛。
在本发明实施例中，当补偿图像的更新收敛时，可通过将更新后的补偿图像中的每个像素除以补偿系数，来对待重建图像进行更新，更新公式可表示为：
Xi为待重建图像的第i次更新中更新后的待重建图像。当补偿图像的更新不收敛时，由图像补偿单元23执行分别计算待重建图像的低秩部分、稀疏部分的操作。
拟合输出单元25，用于判断待重建图像的更新是否收敛，是则根据参数弛豫模型和更新后的待重建图像，拟合得到观测目标的参数图并输出，否则根据参数弛豫模型，计算更新后的待重建图像的参数值和补偿系数，并触发图像补偿单元23执行根据补偿系数生成待重建图像对应的补偿图像的步骤。
在本发明实施例中，可通过判断待重建图像的当前更新次数是否达到预设的第二次数阈值，来判断待重建图像的更新是否收敛，也可通过判断更新前的待重建图像与更新后的待重建图像之间的差异是否小于预设的第二差异阈值，来判断待重建图像的更新是否收敛。
在本发明实施例中，当待重建图像的更新收敛时，通过参数弛豫模型对更新后的待重建图像进行拟合，得到更新后的待重建图像对应的参数值，由参数值构成观测目标的参数图并输出，其中，参数图为对待重建图像进行重建的最终图像。当待重建图像的更新不收敛时，可通过更新后的待重建图像和参数弛豫模型，拟合得到更新后的待重建图像的参数值，再根据更新后的待重建图像的参数值计算并更新补偿系数，由图像补偿单元23执行根据补偿系数生成待重建图像对应的补偿图像的操作。
优选地，如图3所示，加速采样单元21包括：
变密度采样单元311，用于在参数方向下，对观测目标进行频率编码方向上全采、相位编码方向上变密度采样，获得预设数量个待重建图像的K空间数据。
优选地，图像补偿单元23包括：
低秩计算单元331，用于通过补偿图像、预设的奇异值阈值操作算子以及待重建图像稀疏部分预设的初始值，计算待重建图像的低秩部分；以及
稀疏计算单元332，用于通过补偿图像、待重建图像的低秩部分以及预设的软阈值操作算子，对待重建图像的稀疏部分进行更新。
在本发明实施例中，通过变密度采集加快了磁共振参数成像的扫描速度和成像速度，并通过将拟合过程中的参数加入到重建过程中，以指导待重建图像的重建，同时使得磁共振参数成像的重建过程和拟合过程联系起来，从而有效地提高了磁共振参数成像的精度，有效地提高了磁共振成像的效率。
在本发明实施例中，磁共振参数成像装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
实施例三：
图4示出了本发明实施例三提供的医学设备的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的医学设备4包括处理器40、存储器、41以及存储在存储器41中并可在处理器40上运行的计算机程序42。该处理器40执行计算机程序42时实现上述方法实施例中的步骤，例如图1所示的步骤S101至S110。或者，处理器40执行计算机程序42时实现上述装置实施例中各单元的功能，例如图2所示单元21至25的功能。
在本发明实施例中，通过变密度采集加快了磁共振参数成像的扫描速度和成像速度，并通过将拟合过程中的参数加入到重建过程中，以指导待重建图像的重建，同时使得磁共振参数成像的重建过程和拟合过程联系起来，从而有效地提高了磁共振参数成像的精度，有效地提高了磁共振成像的效率。
实施例四：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤，例如，图1所示的步骤S101至S110。或者，该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能，例如图2所示单元21至25的功能。
在本发明实施例中，通过变密度采集加快了磁共振参数成像的扫描速度和成像速度，并通过将拟合过程中的参数加入到重建过程中，以指导待重建图像的重建，同时使得磁共振参数成像的重建过程和拟合过程联系起来，从而有效地提高了磁共振参数成像的精度，有效地提高了磁共振成像的效率。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种磁共振参数成像方法，其特征在于，所述方法包括下述步骤：
对预设参数方向下预设观测目标的待重建图像进行加速采样，获得所述待重建图像对应的K空间数据；
根据所述K空间数据和预设的参数弛豫模型，计算所述待重建图像的参数值和补偿系数；
根据所述补偿系数生成所述待重建图像对应的补偿图像，根据所述补偿图像，分别计算所述待重建图像的低秩部分和稀疏部分；
根据所述低秩部分和所述稀疏部分对所述补偿图像进行更新，并判断所述补偿图像的更新是否收敛，是则根据更新后的所述补偿图像更新所述待重建图像，否则跳转至分别计算所述待重建图像的低秩部分、稀疏部分的步骤；
判断所述待重建图像的更新是否收敛，是则根据所述参数弛豫模型和更新后的所述待重建图像，拟合得到所述观测目标的参数图并输出，否则根据所述参数弛豫模型，计算更新后的所述待重建图像的参数值和补偿系数，并跳转到根据所述补偿系数生成所述待重建图像对应的补偿图像的步骤。
2.如权利要求1所述的方法，其特征在于，对预设参数方向下预设观测目标的待重建图像进行加速采样的步骤，包括：
在所述参数方向下，对所述观测目标进行频率编码方向上全采、相位编码方向上变密度采样，获得预设数量个所述待重建图像的K空间数据。
3.如权利要求1所述的方法，其特征在于，根据所述K空间数据和预设的参数弛豫模型，计算所述待重建图像的参数值和补偿系数的步骤，包括：
将所述K空间数据中心的全采部分转换至图像域，获得所述K空间数据中心的全采部分对应的图像；
根据所述全采部分对应的图像和所述参数弛豫模型，拟合得到所述待重建图像的参数值，根据所述待重建图像的参数值计算所述补偿系数。
4.如权利要求1所述的方法，其特征在于，根据所述补偿图像，分别计算所述待重建图像的低秩部分和稀疏部分的步骤，包括：
通过所述补偿图像、预设的奇异值阈值操作算子以及所述待重建图像稀疏部分预设的初始值，计算所述待重建图像的低秩部分；
通过所述补偿图像、所述待重建图像的低秩部分以及预设的软阈值操作算子，对所述待重建图像的稀疏部分进行更新。
5.如权利要求1所述的方法，其特征在于，根据所述低秩部分和所述稀疏部分对所述补偿图像进行更新的步骤，包括：
根据所述低秩部分和所述稀疏部分，对所述补偿图像的数据保真项进行更新，更新公式为：
其中，为在所述待重建图像第i次更新中对所述补偿图像进行第j次更新得到的所述补偿图像，Lj为所述补偿图像第j次更新中的所述低秩部分，Sj为所述补偿图像第j次更新中的所述稀疏部分，E为预设的编码矩阵，E*为所述E的共轭转置，E(X)＝d，X为所述待重建图像组成的图像序列。
6.一种磁共振参数成像装置，其特征在于，所述装置包括：
加速采样单元，用于对预设参数方向下预设观测目标的待重建图像进行加速采样，获得所述待重建图像对应的K空间数据；
系数计算单元，用于根据所述K空间数据和预设的参数弛豫模型，计算所述待重建图像的参数值和补偿系数；
图像补偿单元，用于根据所述补偿系数生成所述待重建图像对应的补偿图像，根据所述补偿图像，分别计算所述待重建图像的低秩部分和稀疏部分；
图像更新单元，用于根据所述低秩部分和所述稀疏部分对所述补偿图像进行更新，并判断所述补偿图像的更新是否收敛，是则根据更新后的所述补偿图像更新所述待重建图像，否则触发所述图像补偿单元执行分别计算所述待重建图像的低秩部分、稀疏部分的步骤；以及
拟合输出单元，用于判断所述待重建图像的更新是否收敛，是则根据所述参数弛豫模型和更新后的所述待重建图像，拟合得到所述观测目标的参数图并输出，否则根据所述参数弛豫模型，计算更新后的所述待重建图像的参数值和补偿系数，并触发所述图像补偿单元执行根据所述补偿系数生成所述待重建图像对应的补偿图像的步骤。
7.如权利要求6所述的装置，其特征在于，所述加速采样单元包括：
变密度采样单元，用于在所述参数方向下，对所述观测目标进行频率编码方向上全采、相位编码方向上变密度采样，获得预设数量个所述待重建图像的K空间数据。
8.如权利要求6所述的装置，其特征在于，所述图像补偿单元包括：
低秩计算单元，用于通过所述补偿图像、预设的奇异值阈值操作算子以及所述待重建图像稀疏部分预设的初始值，计算所述待重建图像的低秩部分；以及
稀疏计算单元，用于通过所述补偿图像、所述待重建图像的低秩部分以及预设的软阈值操作算子，对所述待重建图像的稀疏部分进行更新。
9.一种医学设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201810145141.0A 2018-02-12 2018-02-12 磁共振参数成像方法、装置、医学设备及存储介质 Active CN110161442B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810145141.0A CN110161442B (zh) 2018-02-12 2018-02-12 磁共振参数成像方法、装置、医学设备及存储介质
US17/047,062 US11830111B2 (en) 2018-02-12 2018-05-17 Magnetic resonance imaging method, device, medical device and storage medium
PCT/CN2018/087194 WO2019153566A1 (zh) 2018-02-12 2018-05-17 磁共振参数成像方法、装置、医学设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810145141.0A CN110161442B (zh) 2018-02-12 2018-02-12 磁共振参数成像方法、装置、医学设备及存储介质

Publications (2)

Publication Number Publication Date
CN110161442A true CN110161442A (zh) 2019-08-23
CN110161442B CN110161442B (zh) 2020-04-21

Family

ID=67549131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810145141.0A Active CN110161442B (zh) 2018-02-12 2018-02-12 磁共振参数成像方法、装置、医学设备及存储介质

Country Status (3)

Country Link
US (1) US11830111B2 (zh)
CN (1) CN110161442B (zh)
WO (1) WO2019153566A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706338A (zh) * 2019-09-30 2020-01-17 东软医疗系统股份有限公司 图像重建方法、装置、ct设备及ct系统
CN112213674A (zh) * 2020-09-11 2021-01-12 上海东软医疗科技有限公司 磁共振压缩感知重建方法及装置
CN112710975A (zh) * 2021-01-25 2021-04-27 东北林业大学 基于稀疏和局部低秩矩阵分解的磁共振扩散图像重建方法
CN112881958A (zh) * 2021-02-04 2021-06-01 上海交通大学 基于低秩与稀疏分解的磁共振介入成像方法、系统及介质
CN113050009A (zh) * 2019-12-27 2021-06-29 深圳先进技术研究院 三维磁共振快速参数成像方法和装置
CN113567901A (zh) * 2020-04-29 2021-10-29 深圳先进技术研究院 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统
WO2022027804A1 (zh) * 2020-08-04 2022-02-10 中国科学院深圳先进技术研究院 动态医学成像方法、装置、设备及存储介质
CN114325524A (zh) * 2020-09-29 2022-04-12 上海联影医疗科技股份有限公司 磁共振图像重建方法、装置、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102389309A (zh) * 2011-07-08 2012-03-28 首都医科大学 基于压缩感知理论的磁共振图像重建的方法
CN103400402A (zh) * 2013-07-12 2013-11-20 西安电子科技大学 基于低秩结构稀疏的压缩感知mri图像重建方法
CN103654789A (zh) * 2013-12-10 2014-03-26 深圳先进技术研究院 磁共振快速参数成像方法和系统
US20160202336A1 (en) * 2015-01-12 2016-07-14 The Board Of Trustees Of The University Of Illinois System and method for high-resolution spectroscopic imaging

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3952247B2 (ja) 1999-12-08 2007-08-01 株式会社日立メディコ 核磁気共鳴撮影装置
CN103472419B (zh) * 2013-08-30 2016-05-18 深圳先进技术研究院 磁共振快速成像方法及其系统
JP6072723B2 (ja) 2014-04-21 2017-02-01 株式会社日立製作所 磁気共鳴イメージング装置、及び画像撮像方法
CN104360295B (zh) 2014-11-04 2017-02-15 中国科学院深圳先进技术研究院 基于字典学习的磁共振并行成像方法和装置
CN106618571A (zh) 2016-11-16 2017-05-10 深圳先进技术研究院 一种磁共振成像方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102389309A (zh) * 2011-07-08 2012-03-28 首都医科大学 基于压缩感知理论的磁共振图像重建的方法
CN103400402A (zh) * 2013-07-12 2013-11-20 西安电子科技大学 基于低秩结构稀疏的压缩感知mri图像重建方法
CN103654789A (zh) * 2013-12-10 2014-03-26 深圳先进技术研究院 磁共振快速参数成像方法和系统
US20160202336A1 (en) * 2015-01-12 2016-07-14 The Board Of Trustees Of The University Of Illinois System and method for high-resolution spectroscopic imaging

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706338A (zh) * 2019-09-30 2020-01-17 东软医疗系统股份有限公司 图像重建方法、装置、ct设备及ct系统
CN110706338B (zh) * 2019-09-30 2023-05-02 东软医疗系统股份有限公司 图像重建方法、装置、ct设备及ct系统
CN113050009A (zh) * 2019-12-27 2021-06-29 深圳先进技术研究院 三维磁共振快速参数成像方法和装置
WO2021129235A1 (zh) * 2019-12-27 2021-07-01 深圳先进技术研究院 三维磁共振快速参数成像方法和装置
CN113567901A (zh) * 2020-04-29 2021-10-29 深圳先进技术研究院 一种磁共振旋转坐标系下的自旋晶格弛豫成像方法和系统
WO2022027804A1 (zh) * 2020-08-04 2022-02-10 中国科学院深圳先进技术研究院 动态医学成像方法、装置、设备及存储介质
CN112213674A (zh) * 2020-09-11 2021-01-12 上海东软医疗科技有限公司 磁共振压缩感知重建方法及装置
CN114325524A (zh) * 2020-09-29 2022-04-12 上海联影医疗科技股份有限公司 磁共振图像重建方法、装置、系统及存储介质
CN114325524B (zh) * 2020-09-29 2023-09-01 上海联影医疗科技股份有限公司 磁共振图像重建方法、装置、系统及存储介质
CN112710975A (zh) * 2021-01-25 2021-04-27 东北林业大学 基于稀疏和局部低秩矩阵分解的磁共振扩散图像重建方法
CN112881958A (zh) * 2021-02-04 2021-06-01 上海交通大学 基于低秩与稀疏分解的磁共振介入成像方法、系统及介质
CN112881958B (zh) * 2021-02-04 2022-02-25 上海交通大学 基于低秩与稀疏分解的磁共振介入成像方法、系统及介质

Also Published As

Publication number Publication date
US11830111B2 (en) 2023-11-28
WO2019153566A1 (zh) 2019-08-15
US20210166442A1 (en) 2021-06-03
CN110161442B (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN110161442A (zh) 磁共振参数成像方法、装置、医学设备及存储介质
Zhao et al. Optimal experiment design for magnetic resonance fingerprinting: Cramér-Rao bound meets spin dynamics
US11170543B2 (en) MRI image reconstruction from undersampled data using adversarially trained generative neural network
Chen et al. Data‐driven self‐calibration and reconstruction for non‐cartesian wave‐encoded single‐shot fast spin echo using deep learning
Liu et al. High-performance rapid MR parameter mapping using model-based deep adversarial learning
CN109658468A (zh) 磁共振参数成像方法、装置、设备及存储介质
CN110146836A (zh) 一种磁共振参数成像方法、装置、设备及存储介质
Deka et al. Compressed Sensing Magnetic Resonance Image Reconstruction Algorithms
CN108872897A (zh) 核磁共振t2图像成像方法
DE102019206827A1 (de) Magnetresonanz-Fingerprinting-Verfahren
CN110148195A (zh) 一种磁共振图像生成方法、系统、终端及存储介质
JP7300811B2 (ja) 医用情報処理装置、医用情報処理方法、およびプログラム
CN110940943B (zh) 搏动伪影校正模型的训练方法和搏动伪影校正方法
CN110992435A (zh) 图像重建方法及设备、成像数据的处理方法及装置
EP3290940B1 (de) Iterative rekonstruktion von quantitativen mr-bildern
Mickevicius et al. On the use of low-dimensional temporal subspace constraints to reduce reconstruction time and improve image quality of accelerated 4D-MRI
JP2024506631A (ja) 医療画像の解析方法
US11754654B2 (en) Method and device for determining a motion field from k-space data
KR101797141B1 (ko) 자기 공명 영상 처리 장치 및 그 영상 처리 방법
Mickevicius et al. Application of a k-Space Interpolating Artificial Neural Network to In-Plane Accelerated Simultaneous Multislice Imaging
Krusen et al. Very fast digital 2D rigid motion estimation directly on continuous k-space data using an RNN
Lee et al. Unsupervised motion artifact correction of turbo spin‐echo MRI using deep image prior
US20220343565A1 (en) Reconstruction apparatus, method, and program
WO2024103414A1 (zh) 一种磁共振图像重建方法和图像重建装置
Liu et al. MANTIS: Model-Augmented Neural neTwork with Incoherent k-space Sampling for efficient MR T2 mapping

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
TR01 Transfer of patent right

Effective date of registration: 20200825

Address after: 518055 Shenzhen Institute of advanced technology, Chinese Academy of Sciences, No. 1068, Xueyuan Avenue, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen National Research Institute of high performance Medical Devices Co.,Ltd.

Address before: Room office building No. 1068 Shenzhen Institute of advanced technology A-301 518055 in Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue

Patentee before: Shenzhen shen-tech advanced Cci Capital Ltd.

Effective date of registration: 20200825

Address after: Room office building No. 1068 Shenzhen Institute of advanced technology A-301 518055 in Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue

Patentee after: Shenzhen shen-tech advanced Cci Capital Ltd.

Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue

Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY

TR01 Transfer of patent right