CN110226100A - 用于磁共振成像的系统和方法 - Google Patents
用于磁共振成像的系统和方法 Download PDFInfo
- Publication number
- CN110226100A CN110226100A CN201780084516.0A CN201780084516A CN110226100A CN 110226100 A CN110226100 A CN 110226100A CN 201780084516 A CN201780084516 A CN 201780084516A CN 110226100 A CN110226100 A CN 110226100A
- Authority
- CN
- China
- Prior art keywords
- data set
- image data
- group
- space
- syndrome
- 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
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
-
- 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
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/5659—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the RF magnetic field, e.g. spatial inhomogeneities of the RF magnetic field
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0013—Medical image data
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本公开涉及用于校正MRI图像中的不均匀性的系统和方法。该方法可包括下列步骤:采集第一组k空间数据,采集第二组k空间数据,基于第一组k空间数据和第二组k空间数据生成第一组k空间数据的卷积核,对第一组k空间数据的卷积核执行傅里叶逆变换以获得第一组k空间数据的经逆变换卷积核,并且基于所述第一组k空间数据的经逆变换卷积核来生成校正子。该方法可以在包括至少一个处理器以及存储的机器上实现。
Description
技术领域
本公开一般涉及磁共振成像(MRI),并且尤其涉及一种用于校正MRI图像的不均匀性的系统和方法。
背景技术
磁共振成像(MRI)是一种广泛使用的医疗技术,其通过利用强大的磁场和射频(RF)技术来生成感兴趣区域(ROI)的图像。在MRI过程期间,容积线圈(例如,体线圈)和局部线圈(例如,表面线圈)可以采集由被检查对象内部的核弛豫产生的MR信号。此外,采集到的信号可以被处理并填充到k空间中,然后k空间中的数据可以被转换以重建MRI图像。然而,由于信号采集过程中的瑕疵,MRI图像中的强度不均匀性可能表现为跨图像的平滑强度变化。因此,提出了一种用于校正MRI图像中的强度不均匀性的系统和方法。
发明内容
根据本公开的第一方面,提供了一种校正MRI图像的不均匀性的系统。所述系统包括存储设备和至少一个处理器。所述存储设备可以存储指令、与对象的第一区域有关的使用一个或多个第一线圈采集的第一组k空间数据、与该对象的第一区域有关的使用一个或多个第二线圈采集的第二组k空间数据等。例如,一个或多个第一线圈和一个或多个第二线圈可以分别包括一个或多个表面线圈和一个或多个体线圈。所述处理器可以被配置为执行所述指令。当执行所述指令的时候,处理器使所述系统执行一个或多个如下操作。基于所述第一组k空间数据和所述第二组k空间数据生成所述第一组k空间数据的卷积核。对所述第一组k空间数据的卷积核执行傅里叶逆变换,以获得所述第一组k空间数据的经逆变换卷积核。基于所述第一组k空间数据的经逆变换卷积核生成校正子。将所述校正子作为数据文件以电子形式被存储。所述校正子适配成校正与所述一个或多个第一线圈有关的图像。
根据本公开的第二方面,提供了一种校正MRI图像的不均匀性的方法。所述方法包含一个或多个如下操作。藉由一个或多个第一线圈采集与对象的第一区域有关的第一组k空间数据。藉由一个或多个第二线圈采集与该对象的第一区域有关的第二组k空间数据。基于所述第一组k空间数据和所述第二组k空间数据生成所述第一组k空间数据的卷积核。对所述第一组k空间数据的卷积核执行傅里叶逆变换以获得所述第一组k空间数据的经逆变换卷积核。基于所述第一组k空间数据的经逆变换卷积核生成校正子。将所述校正子作为数据文件以电子形式存储。所述校正子适配成校正与所述一个或多个第一线圈有关的图像。
在一些实施例中,所述对象例如可以是人或其他类型的动物。在一些实施例中,所述对象可以是植物或非生物样本。对象的第一区域可以包括对象的部分。一个或多个第一线圈可以包括一个或多个表面线圈。一个或多个第二线圈可以包括一个或多个体线圈。第一组k空间数据可以包括第一k空间数据集和/或经变换的第一图像数据集。第一k空间数据集可以包括候选k空间数据集。候选k空间数据集可以是表面线圈k空间数据集,可以通过将由表面线圈采集到的MR信号填充到k空间中来生成。MR信号可以由表面线圈在预扫描或成像扫描期间获取。经变换的第一图像数据集可以通过对第一图像数据集执行傅里叶变换来产生。第一图像数据集可以包括候选图像数据集。候选图像数据集可以是基于表面线圈采集的MR信号生成的表面线圈图像数据集。MR信号可以是由表面线圈在预扫描或成像扫描期间采集的。在一些实施例中,第一图像数据集可以具有第一大小。在一些实施例中,第一组k空间数据可以具有第二大小。所述第二大小和所述第一大小有关。
在一些实施例中,第二组k空间数据可以包括第二k空间数据集和/或经变换的第二图像数据集。第二k空间数据集可以包括参考k空间数据集。参考k空间数据集可以通过将由体线圈采集到的MR信号填充到第二k空间中来生成。MR信号可以由体线圈在预扫描或成像扫描期间采集。经变换的第二图像数据集可以通过对第二图像数据集执行傅里叶变换来获取。第二图像数据集可以包括参考图像数据集。参考图像数据集可以是基于体线圈采集的MR信号生成的体线圈图像数据集。在一些实施例中,第二图像数据集可以与第一图像数据集具有相同大小。在一些实施例中,第二组k空间数据集可以和第一组k空间数据具有相同大小。
在一些实施例中,第一组k空间数据的卷积核可以是系数矩阵。第一组k空间数据的卷积核可以提供和第一k空间数据集和/或第二图像数据集相关的信息。例如,第一组k空间数据的卷积核可以提供线圈有关的信息(例如,线圈灵敏度信息),所述线圈采集用于生成第一k空间数据集和/或第一图像数据集的MR信号。
在一些实施例中,第一组k空间数据的经逆变换卷积核可以基于原先由零填充的数据集生成。第一组k空间数据的卷积核的复共轭可以被生成。原先由零填充的数据集可以由第一组k空间数据的卷积核的复共轭填充中心部分。进一步地,可以对填充后的数据集执行傅里叶逆变换以获得第一组k空间数据的经逆变换卷积核。在一些实施例中,数据集的大小可以和第一图像数据集的大小和第二图像数据集的大小有关。第一组k空间数据可以基于校正子进行校正。仅仅作为示例,第一图像数据集可以通过将所述校正子乘以所述第一图像数据集进行校正。在一些实施例中,并不用于产生校正子的第三图像数据集通过表面线圈采集。在一些实施例中,第三图像数据集可以在成像扫描期间获取。所述第三图像数据集可以和所述对象的第二区域有关。在一些实施例中,所述对象的第二区域可以位于所述对象的第一区域内。在一些实施例中,第三图像数据集可以通过校正子诚意第三图像数据集进行校正。
根据本公开的第三方面,提供了一种校正MRI图像的不均匀性的方法。所述方法可以在一个具有处理器和存储设备的设备上执行。所述方法包括一个或多个以下操作。通过一个或多个线圈采集与对象的区域有关的图像数据集。基于第一组k空间数据的卷积核获得第一校正子。所述第一组k空间数据可以通过所述线圈采集。使用所述第一校正子来校正所述图像数据集。在一些实施例中,第一校正子可以通过对第二校正子进行大小调整或内插来获取。
本公开的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是显而易见的。本披露的特性可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
根据示例性实施例可以进一步描述本公开。参考附图可以详细描述所述示例性实施例。所述附图不是按照比例的。所述实施例并非限制性的示例性实施例,其中相同的附图标记代表附图的几个视图中相似的结构,并且其中:
图1-A是根据本公开的一些实施例的磁共振成像(MRI)系统的框图;
图1-B示出根据本公开的一些实施例的计算设备的示例性架构;
图2是根据本公开的一些实施例的MR扫描的流程;
图3是根据本公开的一些实施例的图像处理引擎的框图;
图4是示出根据本公开的一些实施例的用于处理MR信号的过程的流程图;
图5是示出根据本公开的一些实施例的校正模块的框图;
图6示出了根据本公开的一些实施例的用于生成校正子的示例性过程;
图7是示出根据本公开的一些实施例的校正子生成器的框图;
图8示出了根据本公开的一些实施例的用于生成校正子的示例性过程;
图9-A示出了解说第一组k空间数据的卷积核的生成的示例性示图;
图9-B示出了解说生成第一组k空间数据的卷积核的过程的示例性示图。
具体实施方式
在下面的详细描述中,为了提供对相关申请的透彻理解,通过实施例阐述了实施例的具体细节。然而,对于本领域技术人员来说显而易见的是,本申请可以在没有这些具体细节的情况下被实现。在其他情况下,为了避免不必要地模糊本申请的各方面,已经以较高级别(没有细节)描述了众所周知的方法、程序、系统、部件和/或电路。对本申请的实施例的各种修改对于本领域技术人员将是显而易见的,并且在不脱离本申请的精神和范围的情况下,本申请定义的一般原理可以应用于其他实施例和应用场景中。因此,本申请不限于所示的实施例,而是符合与权利要求一致的最广范围。
应当理解的是,本申请使用的术语“系统”、“引擎”、“单元”、“模块”和/或“区块”是一种以降序的形式来区分不同组件、元件、部件、部件或组件的级别方法。然而,如果其他表达方式达到相同的目的,则这些术语可能被其他表达方式所取代。
应当理解的是,当单元、引擎、模块或区块被称为“在…上”、“连接到”或“耦合到”另一单元、引擎、模块或区块时,其可以直接“在…上”、“连接到”或“耦合到”、或者与另一单元、引擎、模块或区块通信,或者可以存在中间的单元、引擎、模块或区块,除非上下文明确提示例外情形。如本申请所使用的,术语“和/或”包括一个或多个相关所列项目的任何一种和所有的组合。
本申请使用的术语仅用于描述特定示例性实施例的目的,而不是限制性的。如本申请所使用的,除非上下文明确提示例外情形,单数形态的“一”,“一个”和“该”也可以包括复数。应当进一步理解的是,在本说明书中使用的术语“包括”和/或“包含”时,指存在所述特征、整形常量、步骤、操作、元素和/或组件,但不排除存在或添加一个或多个其他特征、整形常量、步骤、操作、元件、组件和/或其组合。
图1-A是根据本公开的一些实施例的磁共振成像(MRI)系统100的框图。如图所示,MRI系统100可以包括MRI扫描器110、控制器120、处理模块130等。MRI扫描器110可以包括磁体模块111和射频(RF)模块112。在一些实施例中,MRI扫描器110可以执行针对一对象或该对象的区域的扫描。该对象可以是例如人体或其他动物体。例如,该对象可以是患者。该对象的区域可以包括该对象的一部分。例如,该对象的区域可以包括患者的组织。该组织可以包括例如肺、前列腺、胸腔、结肠、直肠、膀胱、卵巢、皮肤、肝脏、脊柱、骨骼、胰腺、子宫颈、淋巴、甲状腺、脾脏、肾上腺、唾液腺、皮脂腺、睾丸、胸腺、阴茎、子宫、气管、骨骼肌、平滑肌,心脏等。在一些实施例中,扫描可以是用于生成图像的成像扫描。
磁体模块111可包括主磁场生成器和/或梯度磁场生成器(图1-A中未示出)。主磁场生成器在扫描期间可产生静态磁场B0。主磁体可以是各种类型的,包括例如永磁体、超导电磁体、电阻性电磁体等。
梯度磁场发生器可以在主磁场B0上沿某一方向(例如X,Y和/或Z方向)产生磁场梯度。如本文中所使用的,X、Y和Z方向可代表坐标系中的X、Y和Z轴。仅作为示例,X轴和Z轴可以在水平面中,X轴和Y轴可以在垂直面中,Z轴可以沿机架的旋转轴。在一些实施例中,X轴、Y轴和Z轴可以由梯度磁场生成器(即,在梯度磁场生成器中的梯度线圈)来指定。梯度磁场可编码和/或读出位于MRI扫描器110内的对象(或该对象的区域)的空间信息。
在一些实施例中,磁体模块111在扫描期间可生成一组方向上的磁场梯度。仅作为示例,磁体模块111可生成第一方向上的第一磁场梯度、第二方向上的第二磁场梯度,以及第三方向上的第三磁场梯度。在一些实施例中,第一、第二和第三方向可分别沿X轴、Y轴和Z轴。在一些实施例中,沿X轴、Y轴和/或Z轴的磁场梯度可对应于k空间中的不同编码/读出方向(例如,kx轴的方向、ky轴的方向、kz轴的方向、或任何其他方向)。
磁体模块111和/或RF模块112的功能、大小、类型、几何、位置、量、和/或幅值可根据一个或多个具体条件来确定或改变。仅作为示例,磁体模块111和射频(RF)模块112可以设计成围绕对象(或对象的区域)以形成隧道型MRI扫描器110(即,闭孔MRI扫描器110)或开放式MRI扫描器110(即,开孔MRI扫描器110)。在一些实施例中,RF模块112可以被分类为发射器线圈和/或接收器线圈。这些RF线圈可向/从对象(或该对象的区域)发射或接收RF信号。仅仅作为示例,发射器线圈可以向该对象(或该对象的区域)发射RF能量以在感兴趣的区域中感应出电信号。作为另一示例,接收器线圈可拾取由该对象(或该对象的区域)内的核弛豫产生的RF电磁辐射。
在一些实施例中,根据功能和/或大小上的不同,RF线圈可被分类为容积线圈和局部线圈。在一些实施例中,容积线圈可以包括体线圈、鸟笼线圈、横向电磁线圈、鞍形线圈等。在本公开的一些实施例中,局部线圈可以包括螺线管线圈、鞍形线圈、柔性线圈,表面线圈等。
表面线圈可以是直接放置在对象(或该对象的区域)上的线圈。在一些实施例中,表面线圈可以是被配置为接收由该对象(或该对象的区域)内的核弛豫所产生的信号的接收器线圈。仅作为示例,表面线圈可以在预扫描和/或成像扫描期间接收多个MR信号。例如,表面线圈可以直接放置在对象的感兴趣区域(ROI)上方,通过限制接收的空间范围来提供改善的信噪比(SNR)。在一些实施例中,表面线圈可以是导电材料的环。仅作为示例,表面线圈可以是铜管。在一些实施例中,该环可以形成各种形状。仅作为示例,该环可以被弯曲为与待检查的身体部位相符。在一些实施例中,射频(RF)模块112可以包括一个或多个表面线圈。仅仅作为示例,射频(RF)模块112可以包括多个表面线圈。
体线圈可以是环绕对象(或该对象的区域)的线圈。仅仅作为示例,体线圈可以围绕被检查的患者的头部或膝盖。在一些实施例中,体线圈可以是被配置为接收由该对象(或该对象的区域)内的核弛豫产生的信号的接收器线圈,和/或被配置为向该对象(或该对象的区域)发射RF能量的发射器线圈。仅作为示例,体线圈可以在预扫描和/或成像扫描期间接收多个MR信号。
在一些实施例中,射频(RF)模块112可以包括一个或多个接收器线圈。这些线圈可以包括表面线圈和/或体线圈。仅仅作为示例,射频(RF)模块112可以包括一第一接收器线圈和一第二接收器线圈。第一接收线圈和第二接收线圈两者都可以是表面线圈。作为另一示例,第一接收线圈和第二接收线圈都可以是体线圈。在一些实施例中,射频(RF)模块112可以包括体线圈。仅仅作为示例,射频(RF)模块112可以包括环绕被检查的患者的体线圈。作为另一示例,射频(RF)模块112可以包括表面线圈和体线圈。
控制器120可以控制MRI扫描器110的磁体模块111和/或RF模块112,图像处理引擎130等。仅仅作为示例,控制器120可以控制X方向、Y方向和Z方向上的磁场梯度。在一些实施例中,控制器120可以从MRI扫描器110、处理130等接收信息或向MRI扫描器110、处理130等发送信息。根据一些实施例,控制器120可以接收来自例如用户的命令,并且根据接收到的命令调整磁体模块111和/或RF模块112以拍摄该对象(或该对象的区域)的图像。
在一些实施例中,控制器120可包括输入/输出设备,以接收来自用户(例如,医生、护士、成像专家等)的命令。仅仅作为示例,输入/输出设备可以包括视频显示器、轨迹球、鼠标、键盘、麦克风、触敏显示器、换能器读卡器、磁带或纸带读取器、平板电脑、手写笔、语音或手写识别器、生物识别读取器,计算机或其任何组合。
在一些实施例中,控制器120可以与图像处理引擎130通信,以便交换与MRI扫描器110或MRI系统100的其他部分的操作有关的信息。存储设备中可以存储有控制逻辑(软件)和数据。存储设备可以是主存储器或辅助存储器。主存储器可以包括随机存取存储器(RAM),只读存储器(ROM)等。辅助存储器可以包括例如硬盘驱动器和/或代表了软盘驱动器、磁带驱动器、光盘驱动器等的可移动存储驱动器等。可移动存储驱动器可以按某种方式从/向可移动存储单元读取和/或写入数据。在一些实施例中,存储设备可以实现在MRI系统100中。例如,存储设备可以实现在控制器120和/或图像处理引擎130中。在一些实施例中,存储设备可以是连接到MRI系统100的外部存储。在本公开的一些实施例中,控制器120可以经由其硬件、软件程序,固件或其组合实现在计算设备150上,如图1-B及其描述所示。
图像处理引擎130可处理接收自不同模块的不同种类的信息。在一些实施例中,图像处理引擎130可以与MRI扫描器110,控制器120等进行通信或连接。为了更好地解说本公开,下面给出几个示例,但是这些示例并不限定本公开的范围。例如,在一些实施例中,图像处理引擎130可以处理从RF模块112(例如,表面线圈和/或体线圈)接收的MR信号,并且基于这些信号生成一个或多个MR数据集(例如,k空间数据集或图像数据集)。仅作为示例,MR信号可以被填充到k空间中以生成k空间数据集。在一些实施例中,这些信号可以被多个接收器线圈接收。由相同的接收器线圈接收的信号可以被填充到同一k空间的多条k空间线中。在一些实施例中,k空间线可以是填充有数据点的数据集的形式。仅作为示例,接收器线圈可以包括第一接收器线圈和第二接收器线圈。第一接收器线圈的k空间可以是第一k空间,第二接收器线圈的k空间可以是第二k空间。
仅作为示例,第一接收器线圈可以接收信号A和信号B;信号A和信号B可以分别被填充到第一k空间的第一k空间线和第二k空间线中。在一些实施例中,可以在信号A之后接收信号B。在一些实施例中,第二k空间线可以与第一k空间线毗邻。在一些实施例中,信号A和/或信号B可以是欠采样信号。在一些实施例中,欠采样信号可以是未完全采集的信号。因此,第一k空间的第一k空间线和第二k空间线可以构成第一k空间的欠采样k空间数据集。在一些实施例中,欠采样k空间数据集可以是包括一个或多个未知数据点的k空间数据集。在一些实施例中,第一接收器线圈还可以接收信号C和信号D,信号C和信号D可以是完整的信号。在一些实施例中,可以在信号C之后接收信号D。在一些实施例中,完整的信号可以是完全采集的信号。在一些实施例中,信号C和信号D可以被填充到第一k空间的第三k空间线和第四k空间线中。在一些实施例中,第三k空间线可以与第四k空间线毗邻。在一些实施例中,第三k空间线可以在第二k空间线隔壁。在一些实施例中,在第二k空间线与第三k空间线之间可以有多条k空间线。
在一些实施例中,可以从k空间中选择校准数据集。在一些实施例中,校准数据集可以包括不具有未知数据点的完全采集的k空间数据集。例如,第一k空间线的一部分和第二k空间线的一部分可以构成第一k空间的局部完整k空间数据集,以及校正数据集。作为另一示例,第三k空间线与第四k空间线或其一部分可以构成校准数据集。作为另一示例,第一k空间线的一部分和第二k空间线的一部分连同第三k空间线的一部分和第四k空间线的一部分可以构成第一k空间的局部完整的k空间数据集,以及校准数据集。作为另一示例,第二k空间线的一部分和第三k空间线的一部分可以构成第一k空间的局部完整的k空间数据集,以及校准数据集。
校准数据集可被用于生成与涉及接收到该校准数据集的(诸)接收器线圈(例如,(诸)第一接收器线圈)的参数(例如,线圈灵敏度)有关的信息。在一些实施例中,可以基于校准数据集生成合成滤波器。该合成滤波器可以提供与(诸)接收器线圈有关的校准信息,以用于校准与由(诸)接收器线圈接收的信号相对应的欠采样数据集。
图像处理引擎130可以基于欠采样的k空间数据集和该合成滤波器来生成完整的k空间数据集。完整的k空间数据集可以包括校准数据集和经填充的欠采样的k空间数据集。在一些实施例中,可以确定原始欠采样的k空间数据集中的未知数据点,以生成经填充的欠采样k空间数据集。此外,在一些实施例中,图像处理引擎130可以基于完整的k空间数据集生成图像数据集。
图像处理引擎130可以生成数据集。该数据集可以包括候选数据集和/或参考数据集。在一些实施例中,图像处理引擎130可以基于在预扫描和/或成像扫描期间采集的信号来生成候选数据集。候选数据集可以包括第一候选数据集和第二候选数据集。仅仅作为示例,图像处理引擎130可以基于在预扫描期间由(诸)表面线圈采集的信号来生成第一候选数据集。作为另一个例子,图像处理引擎130可以基于在成像扫描期间由(诸)表面线圈采集的信号来生成第二候选数据集。在一些实施例中,图像处理引擎130可以基于在预扫描和/或成像扫描期间采集的MR信号来生成参考数据集。参考数据集可以包括第一参考数据集和第二参考数据集。仅仅作为示例,图像处理引擎130可以基于在预扫描期间由(诸)体线圈采集的信号来生成第一参考数据集。作为另一个例子,图像处理引擎130可以基于在成像扫描期间由(诸)体线圈采集的信号来生成第二参考数据集。
在一些实施例中,候选数据集可以包括候选k空间数据集和/或候选图像数据集。仅仅作为示例,第一候选数据集可以包括第一候选k空间数据集和/或第一候选图像数据集。在另一实施例中,第二候选数据集可以包括第二候选k空间数据集和/或第二候选图像数据集。参考数据集可以包括k空间参考数据集和/或参考图像数据集。仅仅作为示例,第一参考数据集可以包括第一参考k空间数据集和/或第一参考图像数据集。在另一实施例中,第二参考数据集可以包括第二参考k空间数据集和/或第二参考图像数据集。在一些实施例中,图像处理引擎130可以生成候选k空间数据集。候选k空间数据集可以是表面线圈k空间数据集。候选k空间数据集可以是基于由一个或多个表面线圈采集的信号而生成的MRk空间数据集。在一些实施例中,图像处理引擎130可以为候选k空间数据集生成参考k空间数据集。在一些实施例中,参考k空间数据集可以是体线圈k空间数据集。体线圈k空间数据集可以是自一个或多个体线圈采集的信号而生成的MRk空间数据集。
在一些实施例中,图像处理引擎130可以生成候选图像数据集。候选图像数据集可以是表面线圈图像数据集。表面线圈图像数据集可以是基于在预扫描或成像扫描期间由一个或多个表面线圈采集的信号而生成的MR图像数据集。仅作为示例,表面线圈可以在预扫描期间接收第一多个信号,基于该第一多个信号可以生成第一候选图像数据集。第一多个信号可以对应于被检查对象的预扫描区域。仅作为示例,第一多个信号可以对应于该对象(例如,患者)。
在一些实施例中,图像处理引擎130可以为候选图像数据集生成参考图像数据集。在一些实施例中,参考图像数据集可以是体线圈图像数据集。体线圈图像数据集可以是自在预扫描或成像扫描期间由一个或多个体线圈采集的信号而生成的MR图像数据集。仅作为示例,(诸)体线圈可以在预扫描期间接收第二多个MR信号,基于该第二多个MR信号可以生成参考图像数据集。第二多个信号可以对应于被检查对象的该预扫描区域。进一步,在一些实施例中,(诸)表面线圈可以在成像扫描期间接收第三多个MR信号,基于该第三多个MR信号可以生成第二候选图像数据集。第三多个信号可以对应于被检查对象的扫描区域。对象的扫描区域可以位于该对象的预扫描区域内。在一些实施例中,(诸)体线圈可以在成像扫描期间接收第四多个MR信号,基于该第四多个MR信号可以生成第二参考图像数据集。第四多个信号可以对应于被检查对象的该扫描区域。
在一些实施例中,可以基于候选图像数据集和参考图像数据集生成校正子。例如,可以基于第一候选图像数据集和第一参考图像数据集生成校正子。作为另一示例,可以基于第二候选图像数据集和第二参考图像数据集生成该校正子。所生成的校正子可以应用于第一候选图像数据集和/或第二候选图像数据集。在一些实施例中,该校正子可被适配成用于图像强度归一化。在一些实施例中,所生成的校正子可被用于校正已用于生成该校正子的数据集。仅作为示例,第二候选图像数据集可以由基于第二候选图像数据集和第二参考图像数据集生成的校正子来校正。在一些实施例中,所生成的校正子可被用于校正未曾用于生成该校正子的数据集(例如,第三图像数据集)。第三图像数据集可以基于由一个或多个表面线圈采集的信号来生成。仅作为示例,第二候选图像数据集可以由基于第一候选图像数据集和第一参考图像数据集生成的校正子来校正。
在一些实施例中,候选数据集(例如,第一候选数据集或第二候选数据集)可以具有与参考数据集(例如,第一参考数据集或第二参考数据集)相比更高的SNR。在一些实施例中,候选数据集可以具有与参考数据集相比更高的强度不均匀性。可以使用校正子来校正候选数据集(例如,第一候选数据集或第二候选数据集)中的强度不均匀性。在一些实施例中,可以基于候选数据集和参考数据集生成该校正子。仅作为示例,可以基于第二候选图像数据集和第二参考图像数据集生成该校正子。作为另一示例,所生成的校正子可以应用于第一候选图像数据集和/或第二候选图像数据集。校正子可以在图像域中。在一些实施例中,图像处理引擎130可以基于该校正子生成经校正图像数据集。仅作为示例,图像处理引擎130可以通过将校正子应用于候选数据集(例如,第一候选数据集或第二候选数据集)来生成经校正图像数据集。在一些实施例中,所生成的校正子可被用于校正用于生成该校正子的数据集。仅作为示例,第二候选数据集可以由基于第二候选数据集和第二参考数据集生成了的校正子来校正。在一些实施例中,所生成的校正子可被用于校正未曾用于生成该校正子的数据集(例如,第三图像数据集)。第三图像数据集可以基于由(诸)表面线圈采集的信号生成。仅作为示例,第二候选图像数据集可以由基于第一候选数据集和第一参考数据集生成的校正子来校正。该经校正图像数据集可以是强度加权图像数据集。在一些实施例中,可以显示或以其他方式输出经校正的图像数据集。在一些实施例中,图像处理引擎130可处理用户或操作者输入的数据并将该数据变换成具体命令,以及将这些命令提供给控制器120。在本公开的一些实施例中,如图1-B及其描述所示,图像处理引擎130可以经由其硬件、软件程序、固件或其组合在计算设备150上实现。
应当注意,对MRI系统100的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形和修改。例如,MRI系统100的组装件和/或功能可根据具体实现场景来变动或更改。仅作为示例,一些其他组件可被添加到MRI系统100中,诸如患者定位模块、梯度放大器模块、以及其他器件或模块。请注意,MRI系统100可以是传统的或单模态医疗系统、或多模态系统,包括例如正电子放射断层照相磁共振成像(PET-MRI)系统、远程医疗MRI系统、以及其他系统等等。然而,这些变化和修改并不脱离本公开的范围。
图1-B示出根据本公开的一些实施例的计算设备150的一种示例性架构。在一些实施例中,控制器120,图像处理引擎130或其一部分或其组合可以经由其硬件、软件程序、固件或其组合在计算设备150上实现。
计算设备150可包括内部通信总线151、中央处理单元(CPU)152、I/O接口156、通信端口155,以及一个或多个存储器器件。内部通信总线151可在计算装置150的诸组件(152到157)之间传送数据。例如,来自盘157的MRI数据可通过内部通信总线151被传送到CUP152以生成图像数据集。
中央处理单元(CPU)152可执行计算机指令。计算机指令可以涉及例程、程序、对象、组件、数据结构、规程、模块等。在一些实施例中,CPU152可以处理从MRI扫描器110、控制器120或MRI系统100的任何其它组件接收到的数据或信息。在一些实施例中,CPU152可包括一个或多个处理器。处理器可包括微控制器、微处理器、精简指令集计算机(RISC)、应用专用集成电路(ASIC)、应用专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任何电路或处理器、或类似物等、或其任何组合。例如,处理器可包括用以处理接收自MRI扫描器110的MRI数据以供图像重建的微控制器。
这一个或多个存储器器件可存储接收自MRI扫描器110的数据或信息。在一些实施例中,存储器器件可包括盘157、随机存取存储器154(RAM)、只读存储器153(ROM)、或类似物等、或其任何组合。盘157可以由例如磁盘、光盘、软盘、光盘或zip磁盘等来实现。RAM154可以由例如动态RAM(DRAM)、双倍数据率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)以及零电容器RAM(Z-RAM)等来实现。ROM153可由例如掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、压缩盘ROM(CD-ROM)以及数字多用盘ROM等来实现。在一些实施例中,存储器器件可以存储一个或多个程序和/或指令以执行在本公开中描述的示例性方法。例如,ROM153可存储用于基于MR数据来重建MR图像的程序或算法。
计算设备150可包括连接到网络的一个或多个COM端口155以供应数据通信。这些通信端口(COM端口)155可经由网络向/从MRI扫描器110传送或接收信息。在一些实施例中,通信端口155可包括有线端口(例如,通用串行总线(USB)、高清多媒体接口(HDMI)、无线端口(诸如蓝牙端口、红外接口、以及WiFi端口)、或类似物等、或其任何组合。
I/O接口156可支持计算设备150与一个或多个外围设备之间的信息输入或输出。在一些实施例中,外围设备可包括终端、键盘、触摸屏、光标控制设备、遥控器、或类似物等、或其任何组合。终端可包括例如移动设备(例如,智能电话、智能手表、膝上型计算机、或类似物等)、个人计算机、或类似物等、或其任何组合。例如,终端可由计算机158来实现,计算机158可为通用计算机或专门设计的计算机。光标控制设备可包括鼠标、轨迹球、或光标方向键以将方向信息和命令选择传达给例如图像处理引擎130或控制显示器设备上的光标移动。
经由I/O接口156的信息输入和/或输出可包括程序、软件、算法、数据、文本、数字、图像、声音、或类似物等、或其任何组合。例如,用户可输入某些初始参数或条件以发起MRI数据处理。在一些实施例中,经由I/O接口156的信息输入可经由键盘、触摸屏、语音传感器、运动传感器、脑监视系统、或任何其他装置来输入。
本领域技术人员将认识到,本文的教导顺应于各种修改和/或增强。例如,尽管本文中描述的各种组件的实现可被实施在硬件设备中,但是它也可被实现为仅软件方案,例如安装在现存服务器上。例如,本文公开的图像处理引擎130和/或控制器120可以以固件、软件或其组合实现。
图2是根据本公开的一些实施例的MR扫描的流程图。在202,MR参数可被设置。该MR参数可涉及MR扫描、协议选择、信号采集、数据处理、数据存储、数据校正、图像生成、或类似物等、或其任何组合。仅作为示例,MR参数可包括图像对比度和/或图像比、感兴趣区域(ROI)、切片厚度、成像类型(例如,T1加权成像、T2加权成像、质子密度加权成像等)、自旋回波类型(自旋回波、快速自旋回波(FSE)、快速恢复FSE、单发FSE、梯度重聚回波、具有稳态推移的快速成像、以及等等)、翻转角度值、采集时间(TA)、回波时间(TE)、重复时间(TR)、回波串长度(ETL)、相位数、激励数(NEX)、反相时间、带宽(例如,RF接收机带宽、RF发射机带宽等)、或类似物等、或其任何组合。在一些实施例中,MR参数可在控制器120中被设置。在一些实施例中,MR参数可经由计算设备150通过用户接口来被设置。
在204,可由例如MRI扫描器110来执行MR扫描。在一些实施例中,包括脉冲序列的MR参数可被发送给MRI扫描器110以在MR扫描期间生成RF激励脉冲以及磁场梯度。脉冲序列可以是例如自旋回波(SE)序列、快速自旋回波(FSE)序列、超短回波时间(UTE)序列、梯度回波(GRE)序列等。仅仅作为示例,径向3DUTE序列可以提供给MRI扫描器110。在一些实施例中,该脉冲序列可以按时序图的形式来被发送给MRI扫描器110。在一些实施例中,可在MR扫描期间采集MR信号。在一些实施例中,所采集的MR信号可以是模拟信号。
在206,在MR扫描期间采集到的MR信号可由例如图像处理引擎130来处理。在MRI扫描期间可以由(诸)表面线圈和/或(诸)体线圈检测或采集MR信号。在一些实施例中,各种信号处理方法可被应用以处理所采集到的信号。仅作为示例,这些信号处理方法可包括模数转换、线性拟合、2D傅立叶变换(2DFT)、快速傅立叶变换(FFT)、内插算法、网格重排、或类似物等、或其任何组合。在一些实施例中,可将采集的信号可转换成离散数据集。此外,该离散数据可被处理以填充到k空间中以生成k空间数据集。仅作为示例,由表面线圈采集到的MR信号可以被填充到该表面线圈的k空间中。作为另一示例,可将由体线圈采集到的MR信号填充到该体线圈的k空间中。
由(诸)表面线圈采集的MR信号可以被填充到(诸)表面线圈的k空间中,以生成候选k空间数据集。在一些实施例中,由(诸)表面线圈采集的MR信号可以是在预扫描和/或成像扫描期间被采集的。在预扫描期间由(诸)表面线圈采集的MR信号可以包括第一多个MR信号。在成像扫描期间由(诸)表面线圈采集的MR信号可以包括第三多个MR信号。仅作为示例,第一多个MR信号可以被填充到(诸)表面线圈的k空间中以生成第一候选k空间数据集。作为另一示例,第三多个MR信号可以被填充到(诸)表面线圈的k空间中以生成第二候选k空间数据集。由(诸)体线圈采集的MR信号可以被填充到(诸)体线圈的k空间中,以生成参考k空间数据集。在一些实施例中,由(诸)体线圈采集的MR信号可以是在预扫描和/或成像扫描期间被采集的。在预扫描期间由(诸)体线圈采集的MR信号可以包括第二数个MR信号。在成像扫描期间由(诸)体线圈采集的MR信号可以包括第四多个MR信号。仅作为示例,第二多个MR信号可以被填充到(诸)体线圈的k空间中以生成第一参考k空间数据集。作为另一示例,第四数个MR信号可以被填充到(诸)体线圈的k空间中以生成第二参考k空间数据集。
在一些实施例中,可以基于候选k空间数据集和参考k空间数据集生成校正子。仅作为示例,可以基于第一候选k空间数据集和第一参考k空间数据集生成该校正子。作为另一示例,可以基于第二候选k空间数据集和第二参考k空间数据集生成该校正子。此外,在一些实施例中,生成器校正子可以被配置为校正候选k空间数据集(例如,第一候选k空间数据集和/或第二候选k空间数据集)。在一些实施例中,所采集的信号可以包括欠采样信号和完整信号。在一些实施例中,欠采样信号和完整信号可以被同一线圈接收。在一些实施例中,欠采样信号可以被填充到k空间中以生成欠采样k空间数据集。在一些实施例中,完整信号可以被填充到k空间中以生成校准数据集。在一些实施例中,可以基于校准数据集来生成合成滤波器。校准数据集可以被应用于欠采样的k空间数据集以生成完整k空间数据集。
在208,可基于经处理的信号来生成MR图像数据集。在一些实施例中,图像处理引擎130可以被配置为生成MR图像。在一些实施例中,可以基于完整k空间数据集来生成MR图像。在一些实施例中,图像数据集通过重复202到206达一定次数来生成。在一些实施例中,该一定次数可由MRI系统100来确定或由用户(例如,医生)来提供。在一些实施例中,所生成的图像数据集可以是候选图像数据集和/或参考图像数据集。该候选图像数据集可以基于由(诸)表面线圈采集的MR信号来生成。该参考图像数据集可以基于由(诸)体线圈采集的MR信号来生成。
在一些实施例中,所生成的图像数据集可以是T1加权图像数据集、T2加权图像数据集、PD(质子密度)加权图像数据集、FLAIR(流体衰减反转恢复)图像数据集、强度加权图像数据集、或类似物等。仅作为示例,可以基于候选图像数据集和参考图像数据集来生成强度加权图像数据集。具体地,可以基于经处理的信号来生成候选图像数据集和参考图像数据集。可以基于候选图像数据集和参考图像数据集来生成配置成用于校正候选图像数据集中的强度不均匀性的校正子。此外,强度加权图像数据集可以通过用校正子校正候选图像数据集来生成。在一些实施例中,可以进一步处理强度加权图像数据集以生成报告。强度加权图像数据集和/或所生成的报告可被输出到有关设备(例如,以被打印、显示、或类似处理等)。
应当注意到,以上描述是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,多种变形和修改可在本公开的启发下被付诸实践。然而,那些变形和修改并不脱离本公开的范围。例如,该过程可进一步在204与206之间包括用于存储所采集的MR信号的操作。
图3是示出根据本公开的一些实施例的图像处理引擎130的框图。如图1所示的图像处理引擎130可在成像规程之前、期间或之后处理信息。请注意,图像处理引擎130的构造可具有某些其他变体,并且图3是为解说目的而提供的。图像处理引擎130可以实现在包括CPU的计算设备150上。CPU可以是中央处理单元(CPU)、应用专用集成电路(ASIC)、应用专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、ARM、或类似物等、或其任何组合。如图3所示,图像处理引擎130可以包括生成模块310,校正模块320和存储模块330。
生成模块310可以基于在MR扫描期间采集的MR信号生成数据集。该数据集可包括k空间数据集或图像数据集。在MRI扫描期间所采集的MR型号可以是由(诸)表面线圈和/或(诸)体线圈采集的。所生成的k空间数据集可包括候选k空间数据集和/或参考k空间数据集。所生成的图像数据集可以包括候选图像数据集和/或参考图像数据集。
在一些实施例中,生成模块310可以与校正320模块、存储模块330、控制器120、MRI扫描器110等通信或与之连接。在一些实施例中,生成模块310可以处理来自MRI扫描器110的、或从控制器120接收的、由用户提供的不同种类的信息等。来自MRI扫描器110的信息可以是对象(或对象的区域)的多个MR信号。来自控制器120的信息可包括关于MRI扫描器110、磁体模块111、患者位置(例如,在MRI系统100内的位置)、RF模块112、或类似物等、或其任何组合的信息。在一些实施例中,该信息可以是患者位置、主和/或梯度磁体强度、射频相位和/或振幅等。
来自控制器120的信息可包括来自用户和/或其他外部源的信息。来自用户的示例性信息可包括关于以下各项的参数:图像对比度和/或图像比、感兴趣对象(或该感兴趣对象的区域)、切片厚度、成像类型(例如,T1加权成像、T2加权成像、质子密度加权成像等)、T1、T2、自旋回波类型(例如,自旋回波、快速自旋回波(FSE)、快速恢复FSE、单发FSE、梯度重聚回波、具有稳态推移的快速成像、以及等等)、翻转角度值、采集时间(TA)、回波时间(TE)、重复时间(TR)、回波串长度(ETL)、相位数、激励数(NEX)、反相时间、带宽(例如,RF接收机带宽、RF发射机带宽等)、或类似物等、或其任何组合。生成模块310可以处理从感兴趣对象(或该感兴趣对象的区域)采集的磁共振信号(MR)信号之类的数据,并将它们处理为数据集。该数据集包括k空间数据集和/或图像数据集。在一些实施例中,该数据集可以包括候选数据集和/或参考数据集。该候选数据集可以基于由(诸)表面线圈采集的MR信号来生成。在一些实施例中,候选数据集可以包括候选k空间数据集和/或候选图像数据集。该参考数据集可以基于由(诸)体线圈采集的MR信号来生成。在一些实施例中,参考数据集可以包括参考k空间数据集和/或参考图像数据集。
在一些实施例中,生成模块310可以处理从感兴趣对象(或该感兴趣对象的区域)采集的磁共振信号(MR)信号之类的数据,并将它们处理为k空间数据集。在一些实施例中,生成模块310可以将MR信号填充到k空间中来生成k空间数据集。仅作为示例,生成模块310可以将由(诸)表面线圈采集的MR信号填充到(诸)表面线圈的k空间中,以生成候选k空间数据集。作为另一示例,生成模块310可以将由(诸)体线圈采集的MR信号填充到(诸)体线圈的k空间中,以生成参考k空间数据集。
在一些实施例中,生成模块310可以处理从感兴趣对象(或该感兴趣对象的区域)采集的磁共振信号(MR)信号之类的数据,并将它们重建为MR图像数据集。在一些实施例中,生成模块310可将模拟MR信号转换为数字MR信号。在一些实施例中,一个或多个参数可在该转换之前或期间被设置,例如,电压、电流、速率、采样频率、或类似物等、或其组合。经转换的MR信号可被存储在存储模块330中。在一些实施例中,生成模块310可以对由(诸)磁场进行了空间编码的MR信号进行空间解码。可以探明该信号的强度或幅度以及其他属性,诸如相位数、弛豫时间(T1或T2)、磁化转移、或类似物等。
生成模块310可对图像数据集重建规程采用不同种类的成像重建技术。示例性重建技术可包括傅立叶重建、受约束图像数据集重建、并行MRI中的正则化图像数据集重建、或类似物等、或其变化、或其任何组合。仅作为示例,生成模块310可以在预扫描期间从MRI扫描器110采集由(诸)表面线圈和(诸)体线圈检测到的MR信号,并基于由(诸)表面线圈和(诸)体线圈采集的MR信号来生成候选图像数据集和参考图像数据集。
在一些实施例中,所生成的候选数据集和参考数据集可以被传送到校正模块320。该候选数据集可以包括候选k空间数据集和/或候选图像数据集。
在一些实施例中,生成模块310可以对候选图像数据集执行傅里叶变换,以获得经变换候选图像数据集。经变换候选图像数据集可以是在k空间域中的。仅作为示例,经变换候选图像数据集可以是数据集的形式。作为另一示例,经变换候选图像数据集可以是矩阵的形式。在一些实施例中,生成模块310可以对参考图像数据集执行傅里叶变换,以获得经变换参考图像数据集。仅作为示例,生成模块310可以对第一参考图像数据集执行傅里叶变换,以获得经变换第一参考图像数据集。作为另一示例,生成模块310可以对第二参考图像数据集执行傅里叶变换,以获得经变换第二参考图像数据集。经变换参考图像数据集(例如,经变换第一参考图像数据集和/或经变换第二参考图像数据集)可以是在k空间域中的。仅作为示例,经变换参考图像数据集可以是数据集的形式。作为另一示例,经变换参考图像数据集可以是矩阵的形式。
在一些实施例中,经变换候选图像数据集和经变换参考图像数据集可以被传送到校正模块320。仅作为举例,经变换第一候选图像数据集和经变换第一参考图像数据集可以被传送到校正模块320。作为另一示例,经变换第二候选图像数据集和经变换第二参考图像数据集可以被传送到校正模块320。
校正模块320可以基于从生成模块310和/或存储模块330接收的图像数据或k空间数据来校正候选图像数据集。在一些实施例中,校正模块320可以接收来自例如生成模块310和/或存储模块330的候选k空间数据集、参考k空间数据集、候选图像数据集、参考图像数据集、经变换候选图像数据集、经变换参考图像数据,或其任何组合。
校正模块320可以生成校正子来校正候选数据集中的错误或伪影(例如,强度不均匀性)。仅作为示例,校正模块320可以被配置为执行图像强度归一化。在一些实施例中,校正模块320可以基于候选数据集和参考数据集生成校正子。该候选数据集可以包括候选k空间数据集和/或候选图像数据集。参考数据集可以包括参考k空间数据集和/或参考图像数据集。与候选数据集相比,参考数据集可以具有较小的强度不均匀性。在一些实施例中,校正模块320可以基于候选k空间数据集和参考k空间数据集生成校正子。仅作为示例,校正模块320可以基于候选k空间数据集和参考k空间数据集生成校正子。
在一些实施例中,校正模块320可以基于所生成的校正子来校正候选k空间数据集。仅仅作为示例,校正模块320可以使用基于第一候选k空间数据集和第一参考k空间数据集生成的校正子来校正第二候选k空间数据集。作为另一示例,校正模块320可以在基于第二候选k空间数据集和第二参考k空间数据集生成的校正子的基础上校正第二候选k空间数据集。在一些实施例中,校正模块320可以基于候选图像数据集和参考图像数据集生成校正子。在一些实施例中,校正模块320可以使用所生成的校正子来校正已用于生成该校正子的数据集。仅作为示例,校正模块320可以在基于第二候选数据集和第二参考数据集生成的校正子的基础上校正第二候选数据集。在一些实施例中,校正模块320可以使用所生成的校正子来校正未曾用于生成该校正子的数据集(例如,第三图像数据集)。第三图像数据集可以基于由(诸)表面线圈采集的信号来生成。仅作为示例,校正模块320可以在基于第一候选数据集和第一参考数据集的基础上生成的校正子来校正第二候选图像数据集。在一些实施例中,校正模块320可以基于候选图像数据集和参考图像数据集之间的差别来生成校正子。例如,可以藉由候选图像数据除以参考图像数据集合或参考图像数据集除以候选图像数据集合来指示该差别。仅作为示例,校正模块320可以基于候选图像数据集和参考图像数据集之间的差别来生成校正子。
在一些实施例中,校正模块320可以基于经变换候选图像数据集和经变换参考图像数据集来生成校正子。仅作为示例,校正模块320可以基于经变换第一候选图像数据集和经变换第一参考图像数据集来生成校正子。作为另一个例子,校正模块320可以基于经变换第二候选图像数据集和经变换第二参考图像数据集来生成校正子。在一些实施例中,经变换候选图像数据集和经变换参考图像数据集可以由生成模块310生成。
在一些实施例中,可以由校正模块320分布基于候选图像数据集和参考图像数据集来生成经变换候选图像数据集和经变换参考图像数据集。此外,在一些实施例中,校正模块320可以基于校正子来校正候选图像数据集。可以生成经校正图像数据集。仅作为示例,校正模块320可以通过将候选图像数据集与校正子相乘来校正候选图像数据集。
存储模块330可以存储可由生成模块310和/或校正模块320使用的信息。该信息可包括程序、软件、算法、数据、文本、数字、图像以及其他信息。这些示例是出于说明性目的而在此提供的,且并不旨在限定本发明的范围。存储在存储模块330中的算法可以包括递归、二分法、穷举搜索(或蛮力搜索)、贪婪算法、分治算法、动态规划方法、迭代法、分支-定界算法、回溯算法或类似物等、或其任何组合。在一些实施例中,存储模块330可存储生成模块310所生成的MR信号。在一些实施例中,存储模块330可以存储由生成模块310传送的候选数据集(例如,第一候选数据集和/或第二候选数据集)和参考数据集。在一些实施例中,存储模块330可以存储由校正模块320传送的经校正图像数据集。
应当注意,对图像处理引擎130的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形或修改。例如,处理单元130的组装件和/或功能可被变动或更改。在一些实施例中,生成模块310和校正模块320可共享一个存储模块330。而在一些实施例中,生成模块310和校正模块320可分别具有它们自己的存储块。然而,那些变形和修改并不脱离本公开的范围。
图4是示出根据本公开的一些实施例的处理MR信号的过程的流程图。在一些实施例中,MR信号可以由生成模块310处理。
在402,可采集回波信号。回波信号可以由MRI扫描器110采集,或从存储模块330或者包括例如软盘、硬盘、有线终端、无线终端等的外部资源采集,或类似物、或其任何组合。回波信号可以由(诸)表面线圈和/或(诸)体线圈检测。所采集的回波信号可以是被相位编码的,和/或频率编码的。可以从RF脉冲序列的多个激发采集回波信号。所采集的回波信号可以是模拟或数字的。在一些实施例中,所采集的模拟回波信号可以在404中被转换成数字信号。经数字化的回波信号可以包括多个数据点,其中每个数据点可以具有特定的空间频率(即特定的相位和特定的频率)。此外,从回波信号数字化得到的数据点可以是具有实部和虚部的复数。替换地,数据点可以被定义为具有一个或多个因素或特征,例如振幅、相位或类似物等。在一些实施例中,数据点的振幅和相位可以由三角关系确定。在一些实施例中,经数字化的回波信号可以被存储在图像处理引擎130的存储模块330中,或者存储在例如包括软盘、硬盘、有线终端、无线终端的外部存储介质中,或类似物,或其任何组合。
然后可以在406处理回波信号。回波信号的处理可以包括傅里叶变换,将笛卡尔坐标系中的数据转换成极坐标系中的数据,或反之(例如,转换具有实部和虚部的数据与具有振幅和相位分量的数据,或反之)等。在一些实施例中,可以执行处理以校正回波信号。回波信号的处理可以包括加权操作、取平均、优化、数据过滤、数据筛选或类似物等,或其组合。
经处理的回波信号可被用于在408中产生MR数据集。在一些实施例中,MR数据集可包括k空间数据集和/或图像数据集。在一些实施例中,回波信号可以被填充到k空间中以生成k空间数据集。k空间数据集可以包括候选k空间数据集和/或参考k空间数据集。在一些实施例中,回波信号可以被填充到k空间中,基于一个或多个算法来处理,并且可以重建图像数据集。在一些实施例中,回波信号可以被填充到k空间中以生成欠采样k空间数据集。这些欠采样的k空间数据集可以包括至少一个未知数据点。在一些实施例中,MR图像数据集可以是候选图像数据集和/或参考图像数据集(例如,第一参考图像数据集和/或第二参考图像数据集)。在一些实施例中,可以基于欠采样k空间数据集来生成MR图像数据集。用于基于欠采样k空间数据集生成MR图像数据集的示例性方法可以在同日提交的题为“SYSTEMANDMETHODFORIMAGERECONSTRUCTION(用于图像重建的系统和方法)”的PCT申请No._________(代理人案号:20618-0077WO00)中找到,其全部内容通过引用纳入于此。在一些实施例中,可以校正MR图像数据集。用于减少或移除MR图像数据集中的强度不均匀性的示例性方法可以在2016年11月7日提交的题为“IMAGERECONSTRUCTIONSYSTEMANDMETHODINMAGNETICRESONANCEIMAGING(磁共振成像中的图像重建系统和方法)”的美国申请No.15/344,757(代理人案号No.20618-0071US00)中找到,其全部内容通过引用纳入于此。
应当注意,对图4中的流程图的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形或修改。例如,406中的回波信号的存储可能是不必要的。替换地,可以在408之后添加图像存储操作。作为另一示例,406可以与408整合。然而,那些变形和修改并不脱离本公开的范围。
图5是解说根据本公开的一些实施例的校正模块320的框图。如图5所示,校正模块320可以包括采集单元510、校正子生成器520和校正单元530。
采集单元510可以连接到生成模块310,存储模块330和/或校正子生成器520或与之进行通信。在一些实施例中,采集单元510可以从生成模块310和/或存储模块330接收图像数据和/或k空间数据。k空间数据可以包括k空间数据集。仅作为示例,k空间数据集可以包括候选k空间数据集和/或参考k空间数据集。图像数据可以包括图像数据集。仅作为示例,图像数据集可以包括候选图像数据集和/或参考图像数据集。仅作为示例,采集单元510可以从生成模块310接收候选k空间数据集、参考k空间数据集、候选图像数据集、参考图像数据集、经变换候选图像数据集和/或经变换参考图像数据集。
在一些实施例中,采集单元510可以将接收到的图像数据和/或k空间数据传送到校正子生成器520。仅仅作为示例,获取单元510可以将从生成模块310接收的经变换候选图像数据集和经变换的参考图像数据集发送到校正子生成器520,基于上述内容可以生成校正子。作为另一示例,采集单元510可以将从生成模块310接收的候选k空间数据集和参考k空间数据集传送到校正子生成器520,基于上述内容可以生成校正子。
校正子生成器520可以生成校正子。在一些实施例中,校正子可以校正候选数据集(例如,第一候选数据集和/或第二候选数据集)中的强度不均匀性。在一些实施例中,校正子可以在图像域中。仅作为示例,校正子可以是数据集的形式。作为另一示例,校正子可以是矩阵的形式。
校正子生成器520可以基于候选数据集和参考数据集来校正候选数据集。候选数据集和参考数据集可以在图像域或k空间域中。在一些实施例中,校正子生成器520可以基于候选图像数据集和参考图像数据集生成校正子。仅作为示例,校正子生成器520可以基于候选图像数据集和参考图像数据集生成校正子。在一些实施例中,校正子生成器520可以基于候选图像数据集和参考图像数据集之间的差别来生成校正子。例如,可以藉由候选图像数据集除以参考图像数据集或参考图像数据集除以候选图像数据集来指示该差别。仅作为示例,校正子生成器520可以基于候选图像数据集与参考图像数据集之间的差别来生成校正子。
在一些实施例中,校正子生成器520可以基于经变换候选图像数据集和经变换参考图像数据集来生成校正子。例如,校正子生成器520可以对候选图像数据集执行傅里叶变换,以获得经变换候选图像数据集。校正子生成器520可以对参考图像数据集执行傅里叶变换,以获得经变换参考图像数据集。此外,在一些实施例中,校正子生成器520可以基于经变换候选图像数据集和经变换参考图像数据集来生成校正子。仅作为示例,校正子生成器520可以分布对候选图像数据集和参考图像数据集执行傅立叶变换以获得经变换候选图像数据集和经变换参考图像数据集。校正子生成器520可以基于经变换候选图像数据集和经变换参考图像数据集来生成校正子。
例如,校正子可以是基于经变换候选图像数据集的卷积核生成的矩阵。可以基于经变换候选图像数据集和经变换参考图像数据集来生成卷积核。在一些实施例中,校正子生成器520可以基于候选k空间数据集和参考k空间数据集来生成校正子。例如,校正子可以是基于候选k空间数据集的卷积核生成的矩阵;该卷积核可以基于候选k空间数据集和参考k空间数据集来生成。在一些实施例中,所生成的校正子可以进一步被发送到校正模块。
校正单元530可以基于校正子来校正候选数据集。在一些实施例中,校正单元530可利用校正子来校正未曾用于生成该校正子的数据集(例如,第三图像数据集)。仅作为示例,校正单元530可以在基于第一候选数据集和第一参考数据集生成的校正子的基础上校正第二候选数据集。在一些实施例中,校正单元530可以使用校正子来校正已用于生成该校正子的数据集。例如,校正单元530可以在基于第二候选数据集和第二参考数据集生成的校正子的基础上校正第二候选数据集。校正子可以是在图像域中。在一些实施例中,校正单元530可以调整校正子的大小以具有与要校正的图像数据集的大小有关的大小。仅作为示例,校正单元530可以通过裁剪或内插校正子来调整校正子的大小。在一些实施例中,校正单元530可以通过将候选图像数据集与经调整大小的校正子相乘来校正候选图像数据集。
应当注意,对校正模块320的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形和修改。例如,采集单元510的功能可以与校正子生成器520的功能整合。
图6示出了根据本公开的一些实施例的生成校正子的示例性过程。
在602中,可以采集第一数据集。可以基于在预扫描或成像扫描期间由一个或多个表面线圈采集的信号来生成第一数据集。第一数据集可以在k空间域或图像域中。在一些实施例中,第一数据集可以由采集单元510采集。在一些实施例中,第一数据集可以包括第一候选数据集和/或第二候选数据集。该第一候选数据集可以包括第一候选k空间数据集和/或第一候选图像数据集。该第二候选数据集可以包括第二候选k空间数据集和/或第二候选图像数据集。在一些实施例中,该第一数据集可以包括第一k空间数据集和/或第一图像数据集。第一k空间数据集可以包括候选k空间数据集(例如,第一候选k空间数据集和/或第二候选k空间数据集)。可以通过将由表面线圈采集到的MR信号填充到k空间中来生成候选k空间数据集。第一图像数据集可以包括候选图像数据集(例如,第一候选图像数据集和/或第二候选图像数据集)。第一数据集可以是基于由(诸)表面线圈采集的MR信号而生成的表面线圈数据集。(诸)表面线圈可以被放置在正被检查的对象上,并且接收对应于该对象的某个区域(例如,心脏,肺等)的信号。仅作为示例,第一候选数据集可以表示对象的预扫描区域(例如,心脏,肺等)。作为另一示例,第二候选数据集可以表示对象的扫描区域。在一些实施例中,对象的扫描区域可以位于对象的预扫描区域内。
在604中,可以采集与第一数据集有关的第二数据集。可以基于在预扫描或成像扫描期间由一个或多个体线圈采集的信号来生成第二数据集。第二数据集可以在k空间域或图像域中。在一些实施例中,与第一数据集有关的第二数据集可以由采集单元510采集。在一些实施例中,第二数据集可以包括第一参考数据集和/或第二参考数据集。该第一参考数据集可以包括第一参考k空间数据集和/或第一参考图像数据集。该第二参考数据集可以包括第二参考k空间数据集和/或第二参考图像数据集。在一些实施例中,第二数据集可以包括第二k空间数据集和第二图像数据集。第二k空间数据集可以包括参考k空间数据集(例如,第一参考k空间数据集和/或第二参考k空间数据集)。可以通过将(诸)体线圈采集的MR信号填充到(诸)体线圈的k空间中来生成参考k空间数据集。第二图像数据集可以包括参考图像数据集(例如,第一参考图像数据集和/或第二参考图像数据集)。第二数据集可以是基于由(诸)体线圈采集的MR信号而生成的体线圈数据集。(诸)体线圈可围绕被检查对象或被检查对象的区域,并且接收与该对象和/或该对象的区域相对应的信号。在一些实施例中,第二数据集可以涉及该对象的与第一图像数据集相同的区域(例如,心脏,肺等)。仅作为示例,第一参考数据集可以表示对象的预扫描区域。作为另一示例,第二参考数据集可以与该对象的扫描区域对应。在一些实施例中,可以同时采集第二数据集和第一数据集。在一些实施例中,可以依次采集第二数据集和第一数据集。
在606中,可以基于第一数据集和第二数据集生成校正子。在一些实施例中,校正子可由校正子生成器520生成。校正子可以是在图像域中。第一数据集可以在k空间域中或在图像域中。仅作为示例,第一数据集可以包括第一k空间数据集(例如,第一候选k空间数据集和/或第二候选k空间数据集)和/或第一图像数据设置(例如,第一候选图像数据集和/或第二候选图像数据集)。第二数据集可以包括第二k空间数据集(例如,第一参考k空间数据集和/或第二参考k空间数据集)和/或第二图像数据集(例如,第一参考图像数据集和/或第二参考图像数据集)。在一些实施例中,可以基于第一k空间数据集和第二k空间数据集之间的差别来生成校正子。例如,校正子可以是基于第一k空间数据集的卷积核生成的矩阵;该卷积核可以基于第一k空间数据集和第二k空间数据集来生成。在一些实施例中,可以基于第一图像数据集与第二图像数据集之间的差别来生成校正子。在一些实施例中,可以藉由候选图像数据集除以参考图像数据集或参考图像数据集除以候选图像数据来指示该差别。在一些实施例中,校正子可以基于经变换的第一图像数据集(例如,经变换第一候选图像数据集或经变换第二候选图像数据集)和经变换的第二图像数据集(例如,经变换第一参考图像数据集或经变换第二参考图像数据集)来生成。仅作为示例,校正子可以基于经变换第一图像数据集的卷积核来生成。
校正子可以被配置为校正第一图像数据集(例如,第一候选图像数据集和/或第二候选图像数据集)。在一些实施例中,校正子可以被调整大小以具有与第一图像数据集(例如,第一候选图像数据集或第二候选图像数据集)的大小有关的大小,第一图像数据集(例如,第一候选图像数据集或第二候选图像数据集)可以基于经调整大小的校正子来校正。仅作为示例,校正子可以被裁剪和/或内插。在一些实施例中,可以通过将第一图像数据集与校正子相乘来校正第一图像数据集。
应当注意,以上描述的流程图是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,多种变形和修改可在本公开的启发下被付诸实践。然而,那些变形和修改并不脱离本公开的范围。例如,602和604可以按与以上结合图6所描述的次序不同的次序来被依次执行。替换地,602和604可以被并发地执行。
图7是解说根据本公开的一些实施例的校正子生成器520的框图。如图7所示,校正子生成器520可以包括傅里叶变换块710、卷积核块720和傅里叶逆变换块730。
傅立叶变换块710可以对从采集单元510接收的MR图像数据集执行傅里叶变换。在一些实施例中,傅立叶变换可以基于信号的频率来分解信号。傅里叶变换可以包括例如连续傅里叶变换、离散傅里叶变换、离散时间傅里叶变换、傅立叶级数和循环傅里叶变换,或其任何组合。仅作为示例,傅立叶变换块710可以对第一图像数据集和/或第二图像数据集执行傅里叶变换。第一图像数据集可以包括候选图像数据集,例如表面线圈图像数据集。仅作为示例,第一图像数据集可以包括第一候选图像数据集和/或第二候选图像数据集。第二图像数据集可以包括参考图像数据集,例如体线圈图像数据集。仅作为示例,第二图像数据集可以包括第一参考图像数据集和/或第二参考图像数据集。
在一些实施例中,傅里叶变换块710可以通过傅里叶变换将MR图像数据集转换到k空间域。在一些实施例中,傅立叶变换块710可以分别通过对第一图像数据集和第二图像数据集执行傅里叶变换来生成经变换候选图像数据集和经变换参考图像数据集。仅作为示例,傅里叶变换块710可以分别通过对第一候选图像数据集和第一参考图像数据集执行傅立叶变换来生成经变换第一候选图像数据集和经变换第一参考图像数据集。作为另一示例,傅里叶变换块710可以分别通过对第二候选图像数据集和第二参考图像数据集执行傅里叶变换来生成经变换第二候选图像数据集和经变换第二参考图像数据集。在一些实施例中,可以将经变换候选图像数据集和经变换参考图像数据集提供给卷积核块720。
卷积核块720可以基于从傅立叶变换块710和/或采集单元510接收的数据来生成卷积核。卷积核可以是第一k空间数据集的卷积核或经变换第一图像数据集的卷积核。在一些实施例中,经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)可以提供与第一图像数据集(或第一k空间数据集)有关的信息。例如,经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)可以提供与接收到了用于生成第一图像数据集(或第一k空间数据集)的MR信号的(诸)线圈有关的信息。例如,经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)可以揭示关于(诸)表面线圈的灵敏度(例如,强度灵敏度)的信息。在一些实施例中,经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)可以是系数矩阵。矩阵的大小可由用户(例如,医生、护士、成像专家等)设定。例如,经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)可以是3×3矩阵。
卷积核块720可以基于从傅立叶变换块710接收的经变换第一图像数据集(例如,经变换第一候选图像数据集和/或经变换第二候选图像数据集)、和经变换第二图像数据集(例如,经变换第一参考图像数据集和/或经变换第二参考图像数据集)生成经变换第一图像数据集的卷积核。卷积核块720可以基于从采集单元510接收的第一k空间数据集和第二k空间数据集来生成第一k空间数据集的卷积核。在一些实施例中,所生成的卷积核可以被提供给傅里叶逆变换块730。
傅立叶逆变换块730可以对从卷积核块720接收到的经变换第一图像数据集的卷积核(或第一k空间数据集的卷积核)执行傅立叶逆变换。傅里叶逆变换是傅里叶变换的逆变换。在一些实施例中,傅里叶逆变换块730可以生成经变换第一图像数据集的卷积核的复共轭(或第一k空间数据集的卷积核的复共轭)。在一些实施例中,傅里叶逆变换块730可以用经变换第一图像数据集的卷积核的复共轭(或第一k空间数据集的卷积核的复共轭)来填充一填充有零的数据集以获得经盖写数据集。仅作为示例,傅里叶逆变换块730可以捕获填充有零的原始数据集。在一些实施例中,傅里叶逆变换块730可以用经变换第一图像数据集的卷积核的复共轭(或第一k空间数据集的卷积核的复共轭)来填充一填充有零的原始数据集的中心部分。在一些实施例中,傅里叶逆变换块730可以对经盖写数据集执行傅立叶逆变换。
应当注意,对校正子生成器520的以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形和修改。例如,校正子生成器520的组装件和/或功能可根据具体实现场景来变动或更改。仅作为示例,校正子生成器520可以包括存储块,该存储块可以存储由傅里叶变换块710、卷积核块720和/或傅里叶逆变换块730传送的数据。
图8示出了根据本公开的一些实施例的用于生成校正子的示例性过程。
在802中,可以获得第一组k空间数据(K1)。可以基于在预扫描或成像扫描期间由(诸)表面线圈采集的信号生成第一组k空间数据。在一些实施例中,该第一组k空间数据可以包括第一k空间数据集和/或经变换第一图像数据集。第一k空间数据集可以包括候选k空间数据集(例如,第一候选k空间数据集和/或第二候选k空间数据集)。第一图像数据集可以包括候选图像数据集(例如,第一候选图像数据集和/或第二候选图像数据集)。该经变换第一图像数据集可以包括经变换候选图像数据集(例如,经变换第一候选图像数据集和/或经变换第二候选图像数据集)。仅作为示例,可以对第一图像数据集执行傅里叶变换,以获得第一组k空间数据。傅立叶变换块710可以对第一图像数据集执行傅里叶变换。在一些实施例中,傅立叶变换可以基于信号的频率来分解信号。傅里叶变换可以包括,例如,连续傅里叶变换、离散傅里叶变换、离散时间傅里叶变换、傅立叶级数和循环傅里叶变换,或其任何组合。
在804中,可以获得第二组k空间数据(K2)。可以基于在预扫描或成像扫描期间由一个或多个体线圈采集的信号来生成第二组k空间数据。在一些实施例中,该第二组k空间数据可以包括第二k空间数据集和/或经变换第二图像数据集。第二k空间数据集可以包括参考k空间数据集(例如,第一参考k空间数据集和/或第二参考k空间数据集)。第二图像数据集可以包括参考图像数据集(例如,第一参考图像数据集和/或第二参考图像数据集)。该经变换第二图像数据集可以包括经变换参考图像数据集(例如,经变换第一参考图像数据集和/或经变换第二参考图像数据集)。仅作为示例,可以对第二图像数据集执行傅里叶变换,以获得第二组k空间数据。傅立叶变换块710可以被用来对第二图像数据集执行傅里叶变换。在一些实施例中,第二图像数据集可以具有与第一图像数据集相同的大小。仅作为示例,第一参考图像数据集可以具有与第一候选图像数据集相同的大小。作为另一示例,第二参考图像数据集可以具有与第二候选图像数据集相同的大小。在一些实施例中,可以同时采集第一图像数据集和第二图像数据集。
在806中,可以基于第一组k空间数据和第二组k空间数据来生成第一组k空间数据的卷积核(K3)。第一组k空间数据的卷积核可以提供与第一数据集有关的信息。例如,第一组k空间数据的卷积核可以提供与采集了用于生成该第一数据集的MR信号的(诸)线圈有关的信息。例如,第一组k空间数据的卷积核可以揭示关于(诸)表面线圈的灵敏度(例如,强度灵敏度)的信息。在一些实施例中,第一组k空间数据的卷积核可以是系数矩阵。矩阵的大小可由用户(例如,医生,护士,成像专家等)设定。可以基于第一组k空间数据和第二组k空间数据来生成第一组k空间数据的卷积核。图9-A示出了基于第一组k空间数据和第二组k空间数据生成第一组k空间数据的示例性卷积核的示图。如图9-A所示,矩阵910可以代表第一组k空间数据,矩阵920可以代表第二组k空间数据,矩阵930可以代表基于第一组k空间数据和第二组k空间数据生成的第一组k空间数据的卷积核,其中
在式(1)中,an+i,m+j可以表示第一组k空间数据中的某个数据点,bn,m可以表示第二组k空间数据中的某个数据点,n或m可以表示第一组k空间数据或第二组k空间数据中的行号和列号,i或j可以表示范围从-1到1的整数。在一些实施例中,n可以等于m。这里应当注意,在一些实施例中,根据本公开,i或j可以是大于1或小于一1的数字。
在808中,可以对第一组k空间数据的卷积核执行傅里叶逆变换以生成校正子。傅里叶逆变换是傅里叶变换的逆变换。在一些实施例中,傅立叶逆变换块730可以对第一组k空间数据的卷积核执行傅里叶逆变换。校正子可以是第一组k空间数据的经逆变换卷积核。在一些实施例中,可以生成第一组k空间数据的经逆变换卷积核,其占据填充了零的数据集。仅作为示例,可以采集填充了零的数据集,可以生成第一组k空间数据的卷积核的复共轭。填充了零的数据集可以在中心处用第一组k空间数据的卷积核的复共轭来盖写。此外,可以对经盖写的数据集执行傅里叶逆变换,以获得第一组k空间数据的经逆变换卷积核。在一些实施例中,填充了零的数据集可以具有与第一图像数据集的大小和第二图像数据集的大小有关的大小。仅作为示例,填充了零的数据集可以具有与第一组k空间数据相同的大小。在一些实施例中,校正子可以通过裁剪或内插被调整大小为具有与第一图像数据集相同的大小。在一些实施例中,可以通过将经调整大小的校正子与第一图像数据集相乘来校正第一图像数据集。
图9-B示出了解说生成第一组k空间数据的卷积核的示例性过程的示图。矩阵930可以表示第一组k空间数据的卷积核,矩阵940可以表示通过用第一组k空间数据的卷积核的复共轭盖写用零填充了的原始数据集而生成的数据集。在一些实施例中,可以通过将经逆变换的经盖写数据集(或称为,第一组k空间数据的经逆变换卷积核)与第一图像数据集相乘来校正第一图像数据集。
应当注意,以上描述的流程是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,多种变形和修改可在本公开的启发下被付诸实践。然而,那些变形和修改并不脱离本公开的范围。例如,该过程可进一步在804与806之间包括用于存储所采集到的k空间数据的操作。
应当注意,尽管是在减轻或消除由接收器线圈引起的不均匀性的上下文中描述了本方法,但是它也可以被用于减轻或消除由发射器线圈引起的不均匀性。
应当注意,以上描述仅仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。在本公开的图像产生过程在减少、移除或消除其他类型的运动伪影包括,例如,被扫描对象的血管搏动、心脏运动和随机运动或任意组合,诸如此类的方面是有效的。本公开的图像产生过程可以应用于全身MR成像,并且产生的图像具有更清晰的结构细节。
既已描述了基本概念,对本领域技术人员来说在阅读本详细公开之后十分显然的是,之前的详细公开旨在仅作为示例来给出,而并不构成限定。各种变更、改善和修改可发生并且为本领域技术人员所预期,尽管未在本文中明确陈述。这些变更、改善和修改旨在为本公开所建议,并且落在本公开的示例性实施例的精神和范围之内。
进一步地,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。进一步地,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
进一步地,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“模块”、“子“单元”、“模块”或“系统”。进一步地,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、射频信号、类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffe1、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
进一步地,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的申请实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个申请实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体的实例中列出的数值是精确的。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (40)
1.一种系统,包括:
存储器,所述存储器被配置为存储指令、与对象的第一区域有关的使用一个或多个第一线圈采集的第一组k空间数据、与该对象的第一区域有关的使用一个或多个第二线圈采集的第二组k空间数据;以及
配置成执行所述指令的至少一个处理器,其中当执行所述指令时,所述至少一个处理器使所述系统执行操作,所述操作包括:
基于所述第一组k空间数据和所述第二组k空间数据生成所述第一组k空间数据的卷积核;
对所述第一组k空间数据的卷积核执行傅里叶逆变换,以获得所述第一组k空间数据的经逆变换卷积核;
基于所述第一组k空间数据的经逆变换卷积核生成校正子;以及
将所述校正子作为数据文件以电子形式存储在所述存储器中,
其中所述校正子适配成校正与所述一个或多个第一线圈有关的图像。
2.如权利要求1所述的系统,其特征在于,所述第一组k空间数据是基于第一图像数据集来生成的。
3.如权利要求2所述的系统,其特征在于,所述第一图像数据集是MR图像数据集。
4.如权利要求2所述的系统,其特征在于,所述第二组k空间数据是基于第二图像数据集生成的。
5.如权利要求4所述的系统,其特征在于,所述第二图像数据集是MR图像数据集。
6.如权利要求4所述的系统,其特征在于,所述第一图像数据集和所述第二图像数据集具有第一大小。
7.如权利要求6所述的系统,其特征在于,所述第一组k空间数据和所述第二组k空间数据具有第二大小。
8.如权利要求7所述的系统,其特征在于,所述第二大小与所述第一大小有关。
9.如权利要求4所述的系统,其特征在于,所述操作进一步包括:
采集与所述对象的第二区域有关的第三图像数据集。
10.如权利要求9所述的系统,其特征在于,所述对象的所述第二区域位于所述对象的所述第一区域内。
11.如权利要求10所述的系统,其特征在于,所述操作进一步包括:
将所述校正子与所述第三图像数据集相乘,藉此校正与所述第三图像数据相对应的图像。
12.一种方法,包括:
藉由一个或多个第一线圈采集与对象的第一区域有关的第一组k空间数据;
藉由一个或多个第二线圈采集与该对象的第一区域有关的第二组k空间数据;
基于所述第一组k空间数据和所述第二组k空间数据生成所述第一组k空间数据的卷积核;
对所述第一组k空间数据的卷积核执行傅里叶逆变换以获得所述第一组k空间数据的经逆变换卷积核;
基于所述第一组k空间数据的经逆变换卷积核生成校正子;以及
将所述校正子作为数据文件以电子形式存储,
其中所述校正子适配成校正与所述一个或多个第一线圈有关的图像。
13.如权利要求12所述的方法,其特征在于,所述第一组k空间数据和所述第二组k空间数据是在预扫描期间采集的。
14.如权利要求12所述的方法,其特征在于,所述一个或多个第一线圈包括一个或多个表面线圈。
15.如权利要求12所述的方法,其特征在于,所述一个或多个第二线圈包括一个或多个体线圈。
16.如权利要求12所述的方法,其特征在于,采集与所述对象的所述第一区域有关的第一组k空间数据包括:
采集与所述对象的所述第一区域有关的第一图像数据集;
对所述第一图像数据集执行傅立叶变换以获得所述第一组k空间数据。
17.如权利要求16所述的方法,其特征在于,采集与所述对象的所述第一区域有关的第二组k空间数据包括:
采集与所述对象的所述第一区域有关的第二图像数据集;以及
对所述第二图像数据集执行傅立叶变换以获得所述第二组k空间数据。
18.如权利要求17所述的方法,其特征在于,所述第一图像数据集是MR图像数据集。
19.如权利要求18所述的方法,其特征在于,所述第二图像数据集是MR图像数据集。
20.如权利要求19所述的方法,其特征在于,所述第一图像数据集和所述第二图像数据集是在预扫描期间采集的。
21.如权利要求20所述的方法,其特征在于,进一步包括:
藉由所述一个或多个第一线圈采集第三图像数据集。
22.如权利要求21所述的方法,其特征在于,所述第三图像数据集是在成像扫描期间采集的。
23.如权利要求22所述的方法,其特征在于,所述第三图像数据集与所述对象的第二区域有关。
24.如权利要求23所述的方法,其特征在于,所述对象的所述第二区域位于所述对象的所述第一区域内。
25.如权利要求21所述的方法,其特征在于,进一步包括:基于所述校正子来校正所述第三图像数据集。
26.如权利要求25所述的方法,其特征在于,基于所述校正子来校正所述第三图像数据集包括:将所述校正子乘以所述第三图像数据集。
27.如权利要求17所述的方法,其特征在于,所述第一图像数据集和所述第二图像数据集具有第一大小。
28.如权利要求27所述的方法,其特征在于,所述第一组k空间数据和所述第二组k空间数据具有第二大小。
29.如权利要求28所述的方法,其特征在于,对所述第一组k空间数据的卷积核执行傅里叶逆变换以获得所述第一组k空间数据的经逆变换卷积核包括:
生成所述第一组k空间数据的卷积核的复共轭;
提供填充了零的数据集;
用所述卷积核的复共轭来填充所述数据集;以及
对所述数据集执行傅里叶逆变换。
30.如权利要求29所述的方法,其特征在于,填充了零的数据集具有第二大小。
31.如权利要求28所述的方法,其特征在于,所述第二大小与所述第一大小有关。
32.如权利要求27所述的方法,其特征在于,基于所述第一组k空间数据的经逆变换卷积核生成校正子包括:调整所述第一组k空间数据的所述经逆变换卷积核的大小以具有所述第一大小。
33.如权利要求17所述的方法,其特征在于,所述第一图像数据集和所述第二图像数据集是在成像扫描期间采集的。
34.如权利要求33所述的方法,其特征在于,进一步包括:基于所述校正子来校正所述第一图像数据集。
35.如权利要求34所述的方法,其特征在于,基于所述校正子来校正所述第一图像数据集包括:将所述校正子乘以所述第一图像数据集。
36.一种在具有处理器和存储设备的设备上实现的方法,所述方法包括:
藉由线圈采集与对象的区域有关的图像数据集;
基于第一组k空间数据的卷积核获得第一校正子,所述第一组k空间数据是藉由所述线圈采集的;以及
使用所述第一校正子来校正所述图像数据集。
37.如权利要求36所述的方法,所述采集图像数据集包括:
对所述对象的所述区域执行图像扫描。
38.如权利要求36所述的方法,其特征在于,所述获得第一校正子包括:
对所述对象的所述区域执行预扫描以提供与所述对象的所述区域有关的第一组k空间数据和所述对象的所述区域有关的第二组k空间数据;
基于所述第一组k空间数据和所述第二组k空间数据生成所述第一组k空间数据的所述卷积核;
对所述第一组k空间数据的卷积核执行傅里叶逆变换以获得所述第一组k空间数据的经逆变换卷积核;以及
基于所述第一组k空间数据的所述经逆变换卷积核生成所述第一校正子。
39.如权利要求36所述的方法,其特征在于,所述获得第一校正子包括:
从所述存储设备检索所述第一校正子。
40.如权利要求36所述的方法,其特征在于,所述获得第一校正子包括:
对所述第二校正子进行大小调整或内插以提供所述第一校正子。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/072659 WO2018137191A1 (en) | 2017-01-25 | 2017-01-25 | System and method for magnetic resonance imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110226100A true CN110226100A (zh) | 2019-09-10 |
CN110226100B CN110226100B (zh) | 2022-03-15 |
Family
ID=62906287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780084516.0A Active CN110226100B (zh) | 2017-01-25 | 2017-01-25 | 用于磁共振成像的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10591569B2 (zh) |
CN (1) | CN110226100B (zh) |
WO (1) | WO2018137191A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018203507B4 (de) * | 2018-03-08 | 2020-10-22 | Siemens Healthcare Gmbh | Verfahren zur Aufnahme und Rekonstruktion eines vierdimensionalen Dynamikbilddatensatzes mit einer Magnetresonanzeinrichtung, Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
JP7236220B2 (ja) * | 2018-05-08 | 2023-03-09 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置 |
EP3905946A4 (en) * | 2019-01-04 | 2022-08-31 | University of Cincinnati | SYSTEM AND METHOD FOR RECONSTRUCTING MAGNETIC RESONANCE IMAGES ACQUIRED WITH PARTIAL FOURIER ACQUISITION |
CN113835058A (zh) * | 2020-06-24 | 2021-12-24 | 通用电气精准医疗有限责任公司 | 采集和处理mr数据的方法、mri系统和方法、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435966A (zh) * | 2011-09-02 | 2012-05-02 | 中国科学院深圳先进技术研究院 | 三维磁共振成像方法及系统 |
CN102772210A (zh) * | 2011-05-10 | 2012-11-14 | 西门子公司 | 弥散加权磁共振成像 |
US20130279781A1 (en) * | 2012-04-19 | 2013-10-24 | The Ohio State University | Method for estimating a grappa reconstruction kernel |
CN104166113A (zh) * | 2013-12-31 | 2014-11-26 | 上海联影医疗科技有限公司 | 磁共振图像重建方法及装置 |
CN105825496A (zh) * | 2015-01-22 | 2016-08-03 | 西门子公司 | 磁共振图像数据组的图像质量改进方法、计算设备和程序 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7343193B2 (en) * | 2003-06-16 | 2008-03-11 | Wisconsin Alumni Research Foundation | Background suppression method for time-resolved magnetic resonance angiography |
US7282917B1 (en) * | 2006-03-30 | 2007-10-16 | General Electric Company | Method and apparatus of multi-coil MR imaging with hybrid space calibration |
US8354844B2 (en) * | 2009-12-23 | 2013-01-15 | Universitaetsklinikum Freiburg | Method for data acquisition acceleration in magnetic resonance imaging (MRI) with N-dimensional spatial encoding using two or more receiver coil arrays and non-linear phase distributions |
KR101330638B1 (ko) * | 2012-05-10 | 2013-11-18 | 고려대학교 산학협력단 | 자기 공명 영상 생성 방법 및 그에 따른 자기 공명 영상 생성 장치 |
EP2976654A2 (en) * | 2013-03-21 | 2016-01-27 | Koninklijke Philips N.V. | Mr image reconstruction using compressed sensing |
CN104166110B (zh) * | 2013-05-17 | 2017-12-26 | 深圳联影医疗科技有限公司 | 磁共振并行采集图像重建方法及设备 |
CA2866438A1 (en) * | 2013-09-30 | 2015-03-30 | Sunnybrook Research Institute | An efficient method for performing k-space channel combination for non-cartesian mri acquisitions |
CN105467342B (zh) * | 2014-05-30 | 2017-12-22 | 上海联影医疗科技有限公司 | 磁共振多通道采集图像重建方法和装置 |
WO2016001836A2 (en) * | 2014-07-03 | 2016-01-07 | Koninklijke Philips N.V. | Multi-shot magnetic-resonance (mr) imaging system and method of operation thereof |
WO2016183572A1 (en) * | 2015-05-14 | 2016-11-17 | Ohio State Innovation Foundation | Systems and methods for estimating complex b1+ fields of transmit coils of a magnetic resonance imaging (mri) system |
-
2017
- 2017-01-25 WO PCT/CN2017/072659 patent/WO2018137191A1/en active Application Filing
- 2017-01-25 CN CN201780084516.0A patent/CN110226100B/zh active Active
- 2017-06-29 US US15/638,347 patent/US10591569B2/en active Active
-
2020
- 2020-03-13 US US16/817,734 patent/US11204408B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102772210A (zh) * | 2011-05-10 | 2012-11-14 | 西门子公司 | 弥散加权磁共振成像 |
CN102435966A (zh) * | 2011-09-02 | 2012-05-02 | 中国科学院深圳先进技术研究院 | 三维磁共振成像方法及系统 |
US20130279781A1 (en) * | 2012-04-19 | 2013-10-24 | The Ohio State University | Method for estimating a grappa reconstruction kernel |
CN104166113A (zh) * | 2013-12-31 | 2014-11-26 | 上海联影医疗科技有限公司 | 磁共振图像重建方法及装置 |
CN105825496A (zh) * | 2015-01-22 | 2016-08-03 | 西门子公司 | 磁共振图像数据组的图像质量改进方法、计算设备和程序 |
Also Published As
Publication number | Publication date |
---|---|
US10591569B2 (en) | 2020-03-17 |
US20200209332A1 (en) | 2020-07-02 |
US11204408B2 (en) | 2021-12-21 |
CN110226100B (zh) | 2022-03-15 |
US20180210055A1 (en) | 2018-07-26 |
WO2018137191A1 (en) | 2018-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111513716B (zh) | 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统 | |
US11185249B2 (en) | Self ensembling techniques for generating magnetic resonance images from spatial frequency data | |
US10803631B2 (en) | Systems and methods for magnetic resonance imaging | |
CN109325985A (zh) | 磁共振图像重建方法、装置和计算机可读存储介质 | |
US11120585B2 (en) | Systems and methods for image reconstruction | |
US20220237748A1 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
CN109581253A (zh) | 用于磁共振成像的方法和系统 | |
US20220268866A1 (en) | System and method for magnetic resonance imaging acceleration | |
US11204408B2 (en) | System and method for magnetic resonance imaging | |
JP2023513801A (ja) | 磁気共鳴映像処理装置及びその方法 | |
US11315252B2 (en) | Systems and methods for magnetic resonance image reconstruction | |
US11022667B2 (en) | System and method for image reconstruction | |
US20220262001A1 (en) | Systems and methods for magnetic resonance image reconstruction | |
US11992289B2 (en) | Fast real-time cardiac cine MRI reconstruction with residual convolutional recurrent neural network | |
US11935211B2 (en) | Systems and methods for image processing | |
US20230306656A1 (en) | Systems and methods for mri data processing | |
Qiu et al. | A new parallel MRI image reconstruction model with elastic net regularization | |
CN117368817A (zh) | 图像重建方法、磁共振成像方法和计算机设备 | |
CN112494029A (zh) | 实时mr电影数据重建方法和系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |