CN110264538A - 用于核磁共振图像重建的方法、系统和装置 - Google Patents
用于核磁共振图像重建的方法、系统和装置 Download PDFInfo
- Publication number
- CN110264538A CN110264538A CN201910518241.8A CN201910518241A CN110264538A CN 110264538 A CN110264538 A CN 110264538A CN 201910518241 A CN201910518241 A CN 201910518241A CN 110264538 A CN110264538 A CN 110264538A
- Authority
- CN
- China
- Prior art keywords
- image data
- image
- magnetic resonance
- phase
- space
- 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
- 238000005481 NMR spectroscopy Methods 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 162
- 208000035126 Facies Diseases 0.000 claims description 64
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 49
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 15
- 230000002123 temporal effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 107
- 238000012545 processing Methods 0.000 description 54
- 230000008569 process Effects 0.000 description 42
- 238000003860 storage Methods 0.000 description 42
- 230000015654 memory Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 19
- 238000005070 sampling Methods 0.000 description 15
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 9
- 210000002216 heart Anatomy 0.000 description 8
- 230000000747 cardiac effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 102000011990 Sirtuin Human genes 0.000 description 2
- 108050002485 Sirtuin Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012307 MRI technique Methods 0.000 description 1
- 101150013568 US16 gene Proteins 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000003101 oviduct Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000264 spin echo pulse sequence Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 210000000626 ureter Anatomy 0.000 description 1
- 210000003932 urinary bladder Anatomy 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
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
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56308—Characterization of motion or flow; Dynamic imaging
- G01R33/56325—Cine imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
-
- G—PHYSICS
- 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
- G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
-
- 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
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G01R33/4824—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 using a non-Cartesian trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Vascular Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种核磁共振图像重建的方法,可以包括:通过磁共振扫描仪获取磁共振信号,并根据磁共振信号生成k空间的图像数据。该方法还可以包括将图像数据分为多个期相。多个期相中的每个期相可以具有第一计数的条辐。条辐可以表示用于填充k空间的轨迹。该方法还可以包括将多个期相的图像数据分成多个组,并基于多个组确定参考图像。每个参考图像可以对应于至少一个期相的图像数据。该方法还可以包括基于参考图像和多个期相的图像数据,重建图像序列。
Description
优先权声明
本申请要求于2018年6月14日提交的美国申请US16/008,296的优先权,其内容通过引用结合于此。
技术领域
本申请一般涉及磁共振成像技术,更具体地,涉及用于磁共振图像重建的方法和系统。
背景技术
磁共振成像系统广泛用于医学诊断。磁共振成像系统使用强磁场和射频(RF)技术来生成待扫描对象的图像。在磁共振扫描期间,对象(例如,心跳)的运动可能导致磁共振图像中出现运动伪影和/或噪声。最近已经开发了一些技术来减少由于对象的运动引起的这种伪影。例如,心电图(ECG)门控技术已被用于实时重建心脏电影-磁共振图像的过程中。然而,使用这种方法的磁共振成像系统的操作者可能需要通过,例如,调整与用于获取磁共振信号的脉冲序列相关的大量参数(例如,触发延迟、触发窗口),以识别导致对象运动的心脏或呼吸事件,以减少心脏运动对心脏电影-磁共振图像的影响,并且可能是繁重且耗时的。因此,期望提供用于重建心脏电影-磁共振图像的系统和方法,而无需手动识别由于对象运动导致的心脏或呼吸事件。
发明内容
根据本申请的一个方面,提供了一种在磁共振成像系统上实现的方法。磁共振成像系统可包括磁共振扫描仪和计算设备。计算设备可以包括至少一个处理器和至少一个存储设备。该方法可以包括由磁共振扫描仪获取磁共振信号,并且由至少一个处理器根据磁共振信号生成k空间的图像数据。该方法还可以包括由至少一个处理器将K空间的图像数据分为多个期相。多个期相中的每个期相可以具有第一计数的条辐,并且条辐可以表示用于填充k空间的轨迹。该方法还可以包括由至少一个处理器将K空间的图像数据的多个期相分成多个组。多个组中的每组可以包括多个期相中的至少一个期相的K空间的图像数据。该方法还可以包括由至少一个处理器基于多个组来确定参考图像。参考图像的每个参考图像可以对应于多个期相中的至少一个期相的K空间的图像数据。该方法还可以包括由至少一个处理器基于参考图像和多个期相的K空间的图像数据,重建图像序列。
在一些实施例中,图像序列可以包括目标图像,可以将图像数据分为多个期相。该方法还可以包括确定用于重建目标图像的时间分辨率。该方法还可以包括确定用于获取磁共振信号的重复时间,并基于时间分辨率和重复时间确定第一计数的条辐。该方法还可以包括基于第一计数的条辐将图像数据分为多个期相。
在一些实施例中,可以将多个期相的图像数据分成多个组。该方法可以包括确定多个期相的第一部分。第一部分中的期相计数可以等于多个组的组计数。该方法还可以包括将第一部分的每个期相分至多个组的特定组中。该方法还可以包括将第二部分的每个期相分至多个组的特定组中。
在一些实施例中,可以将第二部分中的每个期相分至多个组的特定组中。对于第二部分中的每个期相,该方法还可以包括从第一部分的期相中确定与第二部分中的每个期相具有最小距离的第一期相。该方法还可以包括将第二部分中的每个期相分至第一期相所属的同一组中。
在一些实施例中,该方法还包括获取低通滤波器。通过该低通滤波器,可以对第二部分中的每个期相的图像数据以及第一部分中的每个期相的图像数据进行过滤。通过所述低通滤波器,还可以确定第一部分的每个期相的过滤后图像数据,以及第二部分的每个期相的过滤后图像数据。
在一些实施例中,该方法还可以包括确定第一目标函数。第一目标函数可以包括第一项和第二项。第一项可以表示第二部分中的每个期相的过滤后图像数据与第一部分中的某个期相的过滤后图像数据之间的距离。第二项可以表示第二部分中的每个期相的过滤后图像数据与第一部分的第二期相的过滤后图像数据之间的距离。第二期相可以与第一部分的某个期相相邻。该方法还可以包括基于第一目标函数从第一部分确定第一期相。
在一些实施例中,该方法还可以包括确定第一目标函数的至少两个值。至少两个值中的每个可以对应于图像数据的第一部分的某个期相。该方法还可以包括根据第一目标函数的至少两个值确定最小值,并且根据第一目标函数的至少两个值确定与最小值对应的第一期相。
在一些实施例中,第一目标函数可以进一步包括第三项,该第三项表示第二部分中的每个期相的过滤后图像数据与第一部分的第三期相的过滤后图像数据之间的距离。第三期相可以与第一部分的某个期相相邻。
在一些实施例中,图像序列可以包括目标图像,并且该方法还可以包括基于参考图像和多个期相的图像数据确定第二目标函数。第二目标函数可以包括保真项和第一正则项。保真项可以表示与估计图像相关联的频域中的估计图像数据与多个期相的图像数据之间的差异。第一正则项可以表示估计图像和参考图像之间的差异。该方法还可以包括通过执行至少两次迭代,基于第二目标函数来确定目标图像。
在一些实施例中,对于至少两次迭代中的每次迭代,该方法可以进一步包括基于估计图像确定第二目标函数的值更新估计图像。该方法还可以包括当条件被满足时,将估计图像确定为目标图像。
在一些实施例中,该方法可以进一步包括确定模型,其被配置为用于将估计图像传送到频域中的估计图像数据。模型可以与磁共振扫描仪的线圈灵敏度相关联。该方法还可以包括基于模型确定保真项。
在一些实施例中,第二目标函数还可以包括在频域中约束目标图像的稀疏性的第二正则项。
根据本申请的另一方面,提供了一种磁共振成像系统。该系统可以包括磁共振扫描仪和计算设备。计算设备可包括存储可执行指令的至少一个存储设备,以及至少一个与所述至少一个存储设备通信的处理器。在执行可执行指令时,使所述系统执行所述磁共振图像重建方法。
根据本申请的另一方面,提供了一种非暂时性的计算机可读介质,该介质存储计算机指令,所述计算机指令在执行时执行所述磁共振图像重建方法。
根据本申请的另一方面,提供了一种磁共振成像装置,包括:获取模块,用于通过所述磁共振扫描仪获取磁共振信号;以及根据所述磁共振信号,通过所述至少一个处理器生成k空间的图像数据;分类模块,用于通过所述至少一个处理器将所述k空间的所述图像数据分为多个期相,所述多个期相中的每个期相具有第一计数的条辐,所述条辐表示用于填充所述k空间的轨迹;以及通过所述至少一个处理器,将所述多个期相的所述k空间的所述图像数据分成多个组,所述多个组中的每组包括所述多个期相中的至少一个期相的所述k空间的所述图像数据。图像重建模块,用于通过所述至少一个处理器基于所述多个组确定参考图像,所述参考图像中的每个参考图像对应于所述多个期相中的至少一个期相的所述k空间的所述图像数据;以及通过所述至少一个处理器,基于所述参考图像和所述多个期相的所述k空间的所述图像数据,重建图像序列。
本申请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研究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明显的。本申请的特征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
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性磁共振成像系统的示意图;
图2是根据本申请的一些实施例所示的可在其上实现处理引擎的示例性计算设备的硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的示例性移动设备的硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例性处理引擎的框图;
图5是根据本申请的一些实施例所示的用于重建包括目标图像的图像序列的示例性过程的流程图。
图6是根据本申请的一些实施例所示的用于将期相的K空间的图像数据分成组的示例性过程的流程图。
图7是根据本申请的一些实施例所示的用于重建目标图像的示例性过程的流程图。
图8A是根据本申请的一些实施例所示的k空间的两个相邻条辐之间的示例性角度的示意图;
图8B是根据本申请的一些实施例所示的k空间的示例性条辐的示意图;以及
图9A-9B是根据本申请的一些实施例的心脏的示例性图像序列。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
应当理解的是,本文使用的“系统”、“引擎”、“单元”、“模块”和/或“区块”是用于按升序区分不同级别的不同构件、元素、部件、部分或组件的方法。然而,可以使用其它可以达到相同目的表达取代以上术语。
通常,这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑,或者是软件指令的集合。这里描述的模块,单元或块可以实现为软件和/或硬件,并且可以存储在任何类型的非暂时性计算机可读介质或另一个存储设备中。在一些实施例中,可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解,软件模块可以从其他模块/单元/块或从它们自身调用,和/或可以响应检测到的事件或中断来调用。被配置用于在计算设备(例如,如图2所示的处理器220)上执行的软件模块/单元/块可以在计算机可读介质上提供,例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质,或作为数字下载(并且最初可以以压缩或可安装的格式存储,在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中,并应用在计算设备的操作之中。软件指令可以嵌入固件中,例如可擦除可编程只读存储器(EPROM)。还应当理解,硬件模块/单元/块可以包括在连接的逻辑组件中,例如门和触发器,和/或可以包括可编程单元,例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块,但是可以用硬件或固件表示。通常,这里描述的模块/单元/块指的是逻辑模块/单元/块,其可以与其他模块/单元/块组合或者分成子模块/子单元/子块,尽管它们的物理组织或存储。该描述可适用于系统、引擎或其一部分。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
本申请涉及用于磁共振图像重建的方法和系统。该方法可以包括使用基于由MR扫描仪获取的磁共振信号的径向采样技术来获取K空间的图像数据。该方法还可以包括将图像数据分为多个期相。每个期相可以具有多个条辐,并且每个条辐可以表示用于填充k空间的轨迹。此外,该方法可以包括将多个期相分成多个组。该方法还可以包括基于多个组确定参考图像。该方法可以包括基于参考图像和K空间的图像数据,重建图像序列。
图1是根据本申请的一些实施例所示的示例性磁共振成像系统100的示意图。如图所示,磁共振成像系统100可以包括磁共振扫描仪110、处理设备120、存储设备130、一个或以上终端140和网络150。磁共振成像系统100中的组件可以以一种或多种方式连接。仅作为示例,如图1所示,磁共振扫描器110可以通过网络150连接到处理设备120。又例如,磁共振扫描器110可以直接与处理设备120连接,如通过连接磁共振成像扫描仪和处理设备120的虚线中的双向箭头所示。再例如,存储设备130可以直接与处理设备120连接(图1中未示出)或通过网络150连接。作为又一示例,终端140可以直接与处理设备120连接(如通过连接终端140和处理设备120的虚线中的双向箭头所示)或通过网络150。
磁共振扫描仪110可以扫描(部分)对象或在其检测区域内定位对象,并生成与对象的(部分)有关的磁共振信号。在本申请中,术语“目标”和“对象”可互换使用。在一些实施方案中,对象可包括身体、物质等,或其组合。在一些实施方案中,对象可包括身体的特定部分,例如头部、胸部、腹部等,或其组合。在一些实施方案中,对象可以包括特定的器官,如心脏、食道、气管、支气管、胃、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等。磁共振扫描仪110可包括磁体组件、梯度线圈组件和射频(RF)线圈组件。
磁体组件可以生成第一磁场(也称为主磁场),用于使待扫描的对象偏振。磁体组件可包括永磁体、超导电磁体、电阻电磁体等。
梯度线圈组件可以生成第二磁场(也称为梯度磁场)。梯度线圈组件可包括X梯度线圈、Y梯度线圈和Z梯度线圈。梯度线圈组件可以在X方向(Gx)、Y方向(Gy)和Z方向(Gz)上向主磁场生成一个或以上的磁场梯度脉冲,以编码对象的空间信息。在一些实施例中,X方向可以被指定为频率编码方向,而Y方向可以被指定为期相编码方向。在一些实施例中,Gx可以用于频率编码或信号读出,通常被称为频率编码梯度或读出梯度。在一些实施例中,Gy可以用于相位编码,通常被称为期相编码梯度。在一些实施例中,Gz可以用于片层选择以获取二维k空间数据。在一些实施例中,Gz可以用于相位编码以获取三维k空间数据。
射频线圈组件可包括至少两个射频线圈。射频线圈可包括一个或以上射频发射线圈和/或一个或以上射频接收器线圈。射频发射线圈可以向对象发射射频脉冲。在主磁场、梯度磁场和射频脉冲的协调作用下,可以根据脉冲序列生成与对象有关的磁共振信号。射频接收器线圈可以根据脉冲序列从对象获取磁共振信号。脉冲序列可以表示多个成像参数以及成像参数在时序上的排列。在一些实施例中,成像参数可以包括与射频线圈发射的射频脉冲相关的参数(例如,激励次数(NEX)、带宽等)、与梯度线圈生成的梯度场有关的参数(例如,梯度方向、施加梯度的持续时间等)、与磁共振信号有关的参数(例如,回波时间(TE)、回波链长度(ETL)等)。在一些实施例中,脉冲序列可以表示与时间有关的一个或以上参数,例如重复时间(TR)、采集时间(TA)等。磁共振信号也可以被称为回波信号。磁共振信号可用于基于采样技术填充k空间。示例性采样技术可以包括笛卡尔采样技术、螺旋采样技术、径向采样技术、Z采样技术、降采样技术等。
以径向采样技术为例,可以根据至少两个径向轨迹的磁共振信号填充k空间。用于填充k空间的轨迹也可以被称为条辐。多个条辐可具有中心点。多个条辐通过预设方位角增量间隔,以使条辐以恒定的时间间隔开。另外,多个条辐可以在预设的时间间隔内旋转预设角度(例如,111.25°)。
在一些实施例中,一个或以上射频线圈可以在不同时间发射射频脉冲并接收磁共振信号。在一些实施例中,可以根据一个或以上特定条件来确定或改变射频线圈的功能、尺寸、类型、几何形状、位置、数量和/或幅度。例如,根据功能和尺寸的不同,射频线圈可以分类为体积线圈和局部线圈。在一些实施例中,射频接收器线圈可以对应于用于获取磁共振信号的通道。射频接收器线圈可以对应于从对象接收至少两个磁共振信号的通道。射频接收器线圈可以具有线圈灵敏度。如这里所使用的,射频接收器线圈的线圈灵敏度可以指射频接收器线圈用于接收输入信号(例如,磁共振信号)的响应度。输入信号(例如,磁共振信号)的强度可以随着射频接收器线圈和生成磁共振信号的对象之间的距离而衰减。在一些实施例中,射频接收器线圈的灵敏度越高,输入信号可以越慢地衰减到恒定(例如,0、输入信号的一半强度等)。在一些实施例中,磁共振扫描器110中的射频接收器线圈的线圈灵敏度可以相同或不同。射频接收器线圈的线圈灵敏度可以满足一定的灵敏度分布,其可以由灵敏度函数表示。关于灵敏度函数的更多描述可以在本申请的其他地方找到(例如,图6及其描述)。
所接收的磁共振信号可以直接或经由网络150发送到处理设备120,以进行图像重建和/或图像处理。在一些实施例中,磁共振成像扫描仪110可包括模数转换器(ADC)(图1中未示出)。模数转换器可以将由一个或以上射频接收器线圈接收的磁共振信号转换为磁共振图像数据。模数转换器可以是直接转换模数转换器、逐次逼近型模数转换器、斜坡比较模数转换器、威尔金森模数转换器、积分模数转换器、增量编码模数转换器、流水线模数转换器、sigma-delta模数转换器等,或其组合。
处理设备120可以处理从磁共振扫描仪110、终端140和/或存储设备130获取的数据和/或信息。例如,处理设备120可以基于从磁共振扫描仪110获取的一个或以上通道的磁共振信号获取K空间的图像数据。又例如,处理设备120可以处理K空间的图像数据并重建对象的图像序列。在一些实施例中,重建的图像可以被发送到终端140并显示在终端140中的一个或以上显示设备上。在一些实施例中,处理设备120可以是单个服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备120可以是本地的或远程的。例如,处理设备120可以经由网络150访问存储在磁共振扫描仪110、终端140和/或存储设备130中的信息和/或数据。又例如,处理设备120可以直接与磁共振扫描器110、终端140和/或存储设备130连接,以访问存储信息和/或数据。在一些实施例中,处理设备120可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等,或其任意组合。在一些实施例中,处理设备120可以在具有本申请中的图2中所示的一个或以上组件的计算设备200上实现。
存储设备130可以存储数据和/或指令。在一些实施例中,存储设备130可以存储从终端140和/或处理设备120获取的数据。例如,存储设备130可以存储从磁共振扫描器110获取的磁共振信号和基于磁共振信号确定K空间的图像数据。又例如,存储设备130可以存储对象的图像序列,其可以基于K空间的图像数据来重建。在一些实施例中,存储设备130可以存储处理设备120可以执行或用于执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备130包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等,或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储器卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性ROM可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储设备130可在云端平台上执行。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等,或其任意组合。
在一些实施例中,存储设备130可以与网络150连接以与磁共振成像系统100的一个或以上组件(例如,处理设备120、终端140等)通信。磁共振成像系统100的一个或以上组件可以经由网络150访问存储设备130中存储的数据或指令。在一些实施例中,存储设备130可以直接与磁共振成像系统100的一个或以上组件(例如,处理设备120、终端140等)连接或通信。在一些实施例中,存储设备130可以是处理设备120的一部分。
终端140可以包括移动设备140-1、平板计算机140-2、膝上型计算机140-3等,或其任何组合。在一些实施例中,移动设备140-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任何组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,该虚拟现实设备和/或增强实境设备可包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些实施例中,终端140可以远程操作磁共振扫描器110。在一些实施例中,终端140可以经由无线连接操作磁共振扫描器110。在一些实施例中,终端140可以接收由用户输入的信息和/或指令,并且经由网络150将所接收的信息和/或指令发送到磁共振扫描器110或处理设备120。在一些实施例中,终端140可以从处理设备120接收数据和/或信息。在一些实施例中,终端140可以是处理设备120的一部分。在一些实施例中,可以省略终端140。
网络150可以包括可以促进磁共振成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,磁共振成像系统100的一个或以上组件(例如,磁共振扫描仪110、终端140、处理设备120或存储设备130)可以通过网络150与磁共振成像系统100的一个或以上其他组件通信信息和/或数据。例如,处理设备120可以经由网络150从磁共振扫描仪110获取磁共振信号。又例如,处理设备120可以通过网络150从终端140获取用户指令。在一些实施例中,网络150可以是有线网络或无线网络等,或其任意组合。网络150可以是和/或包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN)、广域网(WAN)等)、有线网络(例如,以太网网络)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,长期演进(LTE)网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例,网络150可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等,或其任何组合。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线和/或无线网络接入点,例如基站和/或互联网交换点,磁共振成像系统100的一个或以上组件可以通过它们与网络150连接以交换数据和/或信息。
网络150可以包括可以促进磁共振成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,磁共振成像系统100的一个或以上组件(例如,磁共振扫描仪110、终端140、处理设备120、存储设备130等)可以通过网络150与磁共振成像系统100的一个或以上其他组件发送或接收信息和/或数据。例如,处理设备120可以经由网络150从磁共振扫描仪110获取图像数据。又例如,处理设备120可以通过网络150从终端140获取用户指令。网络150可以是和/或包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN)、广域网(WAN)等)、有线网络(例如,以太网网络)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,长期演进(LTE)网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换器、服务器计算机和/或其任何组合。仅作为示例,网络150可以包括有线网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等,或其任何组合。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线和/或无线网络接入点,例如基站和/或互联网交换点,磁共振成像系统100的一个或以上组件可以通过它们与网络150连接以交换数据和/或信息。
图2是示出示例性计算设备200的硬件和/或软件组件的示意图,在该计算设备200上可以根据本申请的一些实施例实现处理设备120。如图2所示,计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(程序代码)并根据本文描述的技术执行处理设备120的功能。所述计算机指令可以包括例如执行在此描述的特定功能的常规、程序、对象、组件、数据结构、过程、模块和功能。例如,处理器210可以处理从磁共振扫描仪110、终端140、存储设备130和/或磁共振成像系统100的任何其他组件获取的数据。具体地,处理器210可以处理从磁共振扫描仪110获取的一个或以上测量数据集。例如,处理器210可以对测量的数据集执行一维(1D)校正或二维(2D)校正。处理器210可以基于校正的数据集重建图像。在一些实施例中,重建的图像可以存储在存储设备130、存储器220等中在一些实施例中,重建的图像可以由I/O 230显示在显示设备上。在一些实施例中,处理器210可以执行从终端140获取的指令。在一些实施例中,处理器210可以包括一个或以上硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(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)、高阶RISC机器(ARM)、可编程逻辑器件(PLD)、能够执行一个或以上功能的任何电路或处理器等,或其任何组合。
仅仅为了说明,在计算设备200中仅描述了一个处理器。然而,应该注意,本申请中的计算设备200还可以包括多个处理器。因此,由本申请中描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如,如果在计算设备200的本申请处理器中执行过程A和过程B,应当理解,过程A和过程B也可以由计算设备200中的两个或以上不同的处理器联合或分开执行(例如,第一处理器执行处理A,第二处理器执行处理B,或者第一和第二处理器共同执行处理A和B)。
存储器220可以存储从磁共振扫描仪110、终端140、存储设备130或磁共振成像系统100的任何其他组件获取的数据/信息。在一些实施例中,存储器220包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等,或其任意组合。例如,大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储器卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。随机存取存储器可以包括动态随机存取存储器(DRAM)、双倍速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。只读存储器可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字通用盘只读存储器等。在一些实施例中,存储器220可以存储一个或以上程序和/或指令以执行在本申请中描述的示例性方法。例如,存储器220可以存储用于处理设备120的程序,用于减少或去除图像中的一个或以上的伪影。
I/O 230可以输入或输出信号、数据和/或信息。在一些实施例中,I/O 230可以使用户能够与处理设备120进行交互。在一些实施例中,I/O 230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏和麦克风等,或其任意组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等,或其任意组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面显示器、电视设备、阴极射线管(CRT)等,或其任意组合。
通信端口240可以与网络(例如,网络120)连接以促进数据通信。通信端口240可以在处理设备120和磁共振扫描器110、终端140或存储设备130之间建立连接。连接可以是有线连接、无线连接或两者的组合,其使得能够进行数据发送和接收。有线连接可包括电缆、光缆、电话线等,或其任何组合。无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如,3G、4G、5G等)等,或其组合。在一些实施例中,通信端口240可以是标准化端口,如RS232、RS485等。在一些实施例中,通信端口240可以是专门设计的通信端口。例如,通信端口240可以根据医学数字成像和通信协议(DICOM)进行设计。
图3是根据本申请的一些实施例所示的示例性移动设备300的硬件和/或软件组件的示意图。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,移动操作系统370(例如,iOS、Android、Windows Phone等)和至少一个或以上应用程序380可以从存储器390加载到内存360中,以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从处理设备120接收和呈现与图像处理或其他信息有关的信息。用户与信息流的交互可以通过I/O 350实现,并通过网络120提供给处理设备120和/或磁共振成像系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本文中描述之一个或以上元素的硬件平台。这种计算机的硬件元件,操作系统和编程语言本质上是常规的,并且假设本领域普通技术人员对其进行了充分的熟悉以使那些技术适应于生成具有如本文所述的减少的伪影的图像。一台包含用户接口元素的计算机能够被用作个人计算机(PC)或其他类型的工作站或终端设备,被适当程序化后也可以作为服务器使用。可知,本领域技术人员应熟悉该计算机装置的结构、程序设计和一般操作,因此,图对其应是显而易见的。
图4是根据本申请的一些实施例所示的示例性处理引擎的框图。处理设备120可包括获取模块402、分类模块404、图像重建模块406和存储模块408。处理设备120的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
获取模块402可以获取K空间的图像数据。K空间的图像数据可以与扫描对象(例如,物质、器官、组织等)的磁共振扫描仪(例如,磁共振扫描仪110)获取的磁共振信号相关联。K空间的图像数据可以通过根据至少两个径向轨迹(例如,图8B中所示的线)使用磁共振信号填充k空间来确定。用于填充k空间的轨迹也可以被称为条辐。每个磁共振信号可以对应于K空间的图像数据的条辐。根据临床需求或磁共振成像系统100的默认设置,用户(例如,医生或操作者)可以设置多个条辐的总数。
分类模块404可以将K空间的图像数据分为多个期相。多个期相中的每个期相的K空间的图像数据可以足够重建与对象有关的图像。多个期相中的某个期相或每个期相的K空间的图像数据可以具有第一计数的条辐。如这里所使用的,期相的第一计数的条辐可以指对应于该期相的条辐的数量。在一些实施例中,多个期相中的每个期相的K空间的图像数据可以具有相同的第一计数的条辐。在一些实施例中,多个期相的一个或多个期相的K空间的图像数据可以具有彼此不同的第一计数的条辐。因此,分类模块404可以基于第一计数的条辐将K空间的图像数据分为多个期相。
分类模块404还可以将K空间的图像数据的多个期相分成多个组。在一些实施例中,多个组的总数(也被称为总组计数)可以小于多个期相的总数(也称为总期相计数)。可以由用户(例如,操作者)或根据磁共振成像系统100的默认设置来设置多个组的总数。
在一些实施例中,多个组中的每组可具有相同的期相计数。在一些实施例中,多个组中的每组可具有不同的期相计数。在一些实施例中,分类模块404可以基于两个期相的图像数据之间的相似性将多个期相的图像数据分成多个组。两个期相的图像数据之间的相似性可以由两个期相的图像数据之间的距离表示。距离越小,相似性越高。用于表示相似性的示例性距离可以包括闵科夫斯基距离、欧几里德距离、曼哈顿距离、切比雪夫距离等。分类模块404可以将某个期相的图像数据和具有最大相似性的其他期相的图像数据分至同一组中。
在一些实施例中,分类模块404可以将多个期相的图像数据分为第一部分和第二部分。第一部分可以包括第一期相计数,也可以被称第一部分中期相的数量。第二部分可以包括第二期相计数,也可以被称为第二部分中期相的数量。在一些实施例中,第一期相计数可以小于或等于第二期相计数。在一些实施例中,第一期相计数可以大于第二期相计数。第一期相计数可以等于多个组的总数。分类模块404可以将多个期相中的每个期相分至多个组。如这里所使用的,第一部分中的期相也可以被称为参考期相。分类模块404可以将第二部分中的每个期相分至多个组中。例如,可以从第一部分中的期相中确定与第二部分中的某个期相具有最小距离的参考期相。分类模块404可以将第二部分中的某个期相分至参考期相所属的同一组中。
在一些实施例中,在多个期相的K空间的图像数据之前,分类模块404可以使用低通滤波器对K空间的图像数据进行过滤,以获取过滤后的K空间的图像数据。分类模块404可以基于至少两个过滤后图像数据对多个期相的K空间的图像数据进行分类。低通滤波器可以被配置用于滤除具有大于频率阈值的K空间的图像数据的至少一部分。
图像重建模块406可以基于多个组的图像数据来确定参考图像。图像重建模块406可以基于多个组的图像数据的全部或一部分来重建参考图像。参考图像的数量可以等于或小于多个组的总数。每个参考图像可以对应于多个组中至少一个期相的图像数据。
在一些实施例中,图像重建模块406可以使用图像重建技术来重建参考图像。示例性重建技术可以包括二维傅立叶变换技术、反投影技术(例如、卷积反投影技术、滤波反投影技术)、迭代技术等。示例性迭代技术可以包括代数重建技术(ART)、联合迭代重建技术(SIRT)、联合代数重建技术(SART)、自适应统计迭代重建(ASIR)技术、基于模型的迭代重建(MBIR)技术、正弦图确认迭代重建(SAFIR)技术等,或其任何组合。
重建模块406可以进一步基于参考图像和多个期相的K空间的图像数据,重建包括至少两个目标图像的图像序列。如这里所使用的,可以使用迭代技术来重建至少两个目标图像。例如,重建模块406可以通过基于目标函数执行至少两次迭代来确定至少两个目标图像。可以基于参考图像来构造目标函数。在一些实施例中,目标函数可包括保真项、第一正则项、第二正则项等,或其任何组合。保真项可以表示与估计图像相关联的频域中的估计图像数据与多个期相的图像数据之间的差异。第一正则项可以表示估计图像和参考图像之间的差异。第一正则项可以被配置用于约束目标图像和参考图像之间的差异。第二正则项可以被配置为约束频域中每个目标图像的稀疏性。
在一些实施例中,图像重建模块406可以基于共轭梯度下降技术、模拟退火技术、Bregman技术、定点连续(FPC)技术、L1魔术技术、L1-Ls技术、牛顿下降技术、遗传技术等,或其任何组合,确定目标函数的最优解(例如、图像序列)。
存储模块408可以存储信息。该信息可以包括程序、软件、算法、数据、文本、数字、图像和一些其他信息。例如,信息可以包括K空间的图像数据、多个期相的K空间的图像数据、多个组的K空间的图像数据、参考图像、包括目标图像的图像序列等。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
图5是根据本申请的一些实施例所示的用于重建包括目标图像的图像序列的示例性过程的流程图。在一些实施例中,图5中所示的过程500的一个或以上操作可以在图1中所示的磁共振成像系统100中实现。例如,图5中所示的过程500可以以指令的形式存储在存储设备130中,并由处理设备120调用和/或执行(例如,如图2所示的计算设备200的处理器210,如图3所示的移动设备300的GPU
330或CPU 340)。
在502中,可以获取k空间的图像数据。操作502可以由获取模块402执行。K空间的图像数据可以与扫描对象(例如,物质、器官、组织等)的磁共振扫描仪(例如,磁共振扫描仪110)获取的磁共振信号相关联。在一些实施例中,K空间的图像数据可以通过根据至少两个径向轨迹(例如,图8B中所示的线)使用磁共振信号填充k空间来生成。用于填充k空间的轨迹也可以被称为条辐。每个磁共振信号可以对应于K空间的图像数据的一个条辐。根据临床需求或磁共振成像系统100的默认设置,用户(例如,医生或操作者)可以设置多个条辐的总数。
在一些实施例中,多个条辐射可具有中心点(如图8B中所示的点“A”)。多个条辐可以通过预设的方位角增量(在图8A中示出,例如,111.25°)间隔开,并且多个条辐可以相应地以恒定时间间隔开。另外,多个条辐可以在预设的时间间隔内旋转预设角度(例如,111.25°)。多个条辐中的每个条辐可以具有多个数据点。多个数据点可以表示与某个磁共振信号相关联的多个条辐中的每个条辐的K空间的图像数据。
多个条辐可以分别对应于至少两个采集时间点。因此,可以基于采集时间点来排序多个条辐的K空间的图像数据。在一些实施例中,多个条辐的K空间的图像数据可以表示为由下面示出的等式(1)表示的第一有序集:
S=[S1,S2,Si,…,Sm] (1),
其中,S可以指第一个有序集,Si可以指第i个条辐,并且m可以指多个条辐的总数。在第一有序集中,可以基于多个条辐的获取时间点按时间顺序排序多个条辐。例如,条辐S1可以对应于第一获取时间点,条辐S2可以对应于第二获取时间点。第二采集时间点可以晚于第一采集时间点。两个相邻条辐的图像数据之间的时间间隔(例如,条辐S1和条辐S2)可以与两个相邻磁共振信号之间的时间间隔相关联。两个相邻磁共振信号之间的时间间隔可以与用于获取磁共振信号的脉冲序列的重复时间(TR)相关联。用于获取磁共振信号的脉冲序列的重复时间(TR)可以由用户(例如,医生或操作者)根据磁共振成像系统100的临床需求或默认设置来设置。
在504中,K空间的图像数据可以被分为多个期相。操作504可以由分类模块404执行。多个期相中的每个期相的K空间的图像数据可以足够用于重建与对象有关的图像。每个期相的K空间的图像数据可以具有第一计数的条辐。如这里所使用的,期相中条辐的第一计数可以指某个期相中的条辐的数量。在一些实施例中,多个期相中的每个期相可以具有相同的第一计数的条辐。在一些实施例中,多个期相中的一个或以上期相可以具有彼此不同的第一计数的条辐。因此,可以基于第一计数的条辐将K空间的图像数据分为多个期相。例如,如果多个条辐的总数是120(例如,S1,S2,......,S120),多个期相中的每个期相中的条辐的第一计数是30,K空间的图像数据可以分为4期相,包括(S1,S2,......,S30)、(S31,S32,...,S60)、(S61,S62,...,S90),和(S91,S92,...,S120)。
在一些实施例中,第一计数可以由用户(例如,医生)或根据磁共振成像系统100的默认设置来设置。例如,第一计数可以是21至55范围内的整数。在一些实施例中,第一计数可以基于与图像重建相关联的时间分辨率和用于获取磁共振信号的脉冲序列的重复时间(TR)来确定。如本文所使用的,时间分辨率可以指用于获取足够用于重建图像的磁共振信号的持续时间。时间分辨率可以与获取每个期相的图像数据的持续时间一致。在一些实施例中,时间分辨率可由用户(例如,医生)或根据磁共振成像系统100的默认设置来设定。例如,时间分辨率可以是30毫秒、40毫秒或50毫秒。脉冲序列的重复时间可以指执行脉冲序列一次的持续时间。例如,自旋回波序列的重复时间可以等于两个连续射频脉冲之间的时间间隔。重复时间可以与用于获取一个条辐的K空间的图像数据的时间间隔一致。因此,第一计数可以是等式(2)表示的时间分辨率与重复时间的比率,如下:
其中,N指第一计数,t指时间分辨率,并且TR可以指重复时间。
可以按时间顺序设置多个期相的k空间的图像数据。在一些实施例中,多个期相的K空间的图像数据可以表示为由等式(3)表示的第二有序集,如下:
K=[d(k,t1),d(k,t2),…,d(k,ti),…,d(k,tn)] (3),
其中,K可以指多个期相的图像数据的第二个有序集,d(k,ti)可以指第i个期相的K空间的图像数据,并且,n表示多个期相的K空间的图像数据总期相计数,也被称为多个期相的总数。在第二有序集中,多个期相的图像数据可以按时间顺序排序。关于多个期相的图像数据的更多描述可以在本申请的其他地方找到(例如,图8B及其描述)。
在506中,多个期相的K空间的图像数据可以被分成多个组。操作506可以由分类模块404执行。在一些实施例中,多个组的总数(也被称为总组计数)可以小于多个期相的总数(也称为总期相计数)。可以由用户(例如,操作者)或根据磁共振成像系统100的默认设置来设置多个组的总数。例如,多个组的总数可以在10到40、20到30等范围内。在一些实施例中,多个组中的每组可具有相同的期相计数。在一些实施例中,多个组中的每组可具有不同的期相计数。
在一些实施例中,分类模块404可以基于两个期相的图像数据之间的相似性将多个期相的图像数据分成多个组。例如,分类模块404可以确定两个期相的图像数据之间的相似性。如果分类模块404确定两个期相之间的图像数据的相似性(其可以由两个期相的图像数据之间的距离表示)大于阈值(距离阈值),分类模块404可以将两个期相的图像数据分至相同的组。两个期相的图像数据之间的相似性可以由两个期相的图像数据之间的距离表示。距离越小,相似性越高。用于表示相似性的示例性距离可以包括闵科夫斯基距离、欧几里德距离、曼哈顿距离、切比雪夫距离等。又例如,分类模块404可以确定某个期相与其他期相的图像数据之间的相似性。分类模块404可以将某个期相的图像数据和在其他期相中与其具有最大相似性的某个期相的图像数据分至同一组中。
在一些实施例中,分类模块404可以将多个期相分为第一部分和第二部分。第一部分可以具有第一期相计数,即第一部分中期相的数量。第二部分可以具有第二期相计数,即第二部分中期相的数量。在一些实施例中,第一期相计数可以小于或等于第二期相计数。在一些实施例中,第一期相计数可以大于第二期相计数。第一期相计数可以等于多个组的总数。分类模块404可以将多个期相中的每个期相分别分至多个组中的某个组中。例如,如果第一期相计数是15,则多个组的总数可以是15;即分类模块404可以将多个期相的K空间的图像数据分成15个组。如这里所使用的,第一部分中的期相也可以被称为参考期相。分类模块404可以将第二部分中的每个期相分至多个组中的某个组中。例如,可以在第一部分的期相中确定与第二部分中的某个期相具有最小距离的参考期相。分类模块404可以将第二部分中的每个期相分至参考期相所属的同一组中。
在一些实施例中,在多个期相的K空间的图像数据的分类之前,分类模块404可以使用低通滤波器对K空间的图像数据进行过滤,以获取过滤后K空间的图像数据。分类模块404可以基于至少两个过滤后的图像数据对多个期相的K空间的图像数据进行分类。例如,分类模块404可以基于第二部分中的每个期相的过滤后图像数据与第一部分中的每个期相的过滤后图像数据之间的距离,将第二部分中的每个期相分至多个组中的某个组中。示例性低通滤波器可包括巴特沃斯滤波器、切比雪夫滤波器等。低通滤波器可以被配置用于滤除K空间的图像数据中具有大于频率阈值的至少一部分数据。将多个期相的K空间的图像数据分成多个组的更详细描述可以在本申请的其他地方找到(例如,图6及其描述)。
在508中,可以基于多个组来确定参考图像。操作508可以由图像重建模块406执行。在一些实施例中,多个组中的特定组K空间的图像数据可用于重建参考图像。参考图像的数量可以等于多个组的总数。在一些实施例中,多个组中部分组的K空间的图像数据可以不用于重建参考图像。参考图像的数量可以小于多个组的总数。例如,如果图像重建模块406确定多个组的特定组中的K空间的图像数据量小于阈值,则可以不使用该特定组的K空间的图像数据来重建参考图像。每个参考图像可以对应于多个组中至少一个期相的图像数据。
在一些实施例中,图像重建模块406可以使用图像重建技术来重建参考图像。示例性重建技术可以包括二维傅立叶变换技术、反投影技术(例如,卷积反投影技术、滤波反投影技术)、迭代技术等。示例性迭代技术可以包括代数重建技术(ART)、联合迭代重建技术(SIRT)、联合代数重建技术(SART)、自适应统计迭代重建(ASIR)技术、基于模型的迭代重建(MBIR)技术、正弦图确认迭代重建(SAFIR)技术等,或其任何组合。例如,可以使用迭代技术通过基于目标函数执行一次或以上迭代来重建参考图像。目标函数可以由等式(4)表示如下:
其中,可以指参考图像,L(t)可以指总组计数,Nc可以指通道的编号,dl(k,t)可以指与第t期相的第l通道相关联的K空间的图像数据,FΩ,l(t)可以指与第t期相的第l通道关联的编码函数。与第t期相的第l通道相关联的编码功能可以是基于与第t期相的第l通道相关联的线圈灵敏度函数和/或与第t期相的第l通道相关联的采样函数来确定。例如,编码函数可以由等式(5)表示如下:
FΩ,l(t)=Ω(t)FSl (5),
其中,FΩ,l(t)可以指与第t期相的第l通道相关联的编码函数,Ω(t)可以指与第l通道的第t期相相关联的降采样函数,F可以指二维傅里叶变换,Sl可以指与第l通道相关的线圈灵敏度函数。线圈灵敏度函数Sl可以表示磁共振扫描仪(例如,磁共振扫描仪110)中的射频线圈的灵敏度分布。在一些实施例中,图像重建模块406可以基于磁共振扫描仪(例如,磁共振扫描仪110)中的射频线圈的线圈灵敏度函数来确定与第l通道对应的线圈灵敏度。射频线圈的线圈灵敏度函数可以由等式(6)表示如下:
其中,Sl可以指磁共振扫描仪中射频线圈的线圈灵敏度函数,F-1可以指二维逆傅里叶变换,yl(k)可以指从第l通道导出的K空间的图像数据,⊙可以指哈达玛(Hadamard)乘积,G可以指低通滤波器(例如,高斯滤波器),y(k)可以指K空间的图像数据,并且sos可以指计算K空间的图像数据的平方和的平方根的算子。
在510中,可以基于参考图像和多个期相的K空间的图像数据,重建图像序列。操作510可以由图像重建模块406执行。在一些实施例中,图像序列可包括至少两个目标图像。可以使用迭代技术重建至少两个目标图像。例如,可以通过基于目标函数执行至少两次迭代来确定至少两个目标图像。可以基于参考图像来构造目标函数。在一些实施例中,目标函数可包括保真项和第一正则项。保真项可以表示与估计图像相关联的频域中的估计图像数据与多个期相的图像数据之间的差异。第一正则项可以表示估计图像和参考图像之间的差异。第一正则项可以被配置用于约束目标图像和参考图像之间的差异。在一些实施例中,目标函数还可以包括第二正则项,其被配置用于约束频域中的目标图像的稀疏性。
在一些实施例中,迭代技术可以与用于重建目标图像的优化技术组合。优化技术可以用于识别目标函数的最佳解(例如,图像序列)。例如,可以在至少两次迭代中的每次迭代中确定多个估计图像序列。多个估计图像序列中的每个估计图像序列可包括多个估计图像。可以基于确定满足预设条件的结果,将多个估计图像序列中的一个估计图像序列确定为图像序列。在一些实施例中,预设条件可以是在至少两次连续迭代中目标函数的值的变化等于或小于阈值。阈值可以由用户(例如,医生)或根据磁共振成像系统100的默认设置来设置。在一些实施例中,预设条件可以是至少两次迭代的总次数可以等于或大于预设阈值。
在一些实施例中,图像重建模块406可以基于共轭梯度下降技术、模拟退火技术、Bregman技术、定点连续(FPC)技术、L1-Ls技术、牛顿下降技术、遗传技术等,或其任何组合确定目标函数的最优解(例如,图像序列)。重建目标图像的更详细描述可以在本申请的其他地方找到(例如,图8及其描述)。
通常,对于基于心脏的K空间的图像数据重建的包括至少两个图像的图像序列,可能需要针对至少两个图像中的每个图像确定时间点。根据上述处理500,可以基于用于重建图像的时间分辨率将K空间的图像数据分为多个期相,从而不需要确定重建图像的时间点。如果多个期相的K空间的图像数据直接用于基于傅立叶变换重建图像序列,用于确定重建图像序列的函数可能是欠定的,这导致函数的多个解(即图像序列)。为了准确和方便地确定图像序列,多个期相可以被分成多个组。多个组可用于重建至少两个参考图像。可以使用目标函数,基于多个期相的K空间的图像数据、参考图像和/或频域中的图像的稀疏性,重建图像序列。可以基于参考图像确定目标函数的最优解,这可以减少计算负担并提高准确性。目标函数可以基于频域中目标图像的稀疏性来构造,这可以减少目标图像中的噪声。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出多种修改或变化。然而,变化和修改不会背离本申请的范围。
图6是根据本申请的一些实施例所示的用于对多个期相的K空间的图像数据分组的示例性过程的流程图。在一些实施例中,图6中所示的过程600的一个或以上操作可以在图1中所示的磁共振成像系统100中实现。例如,图6中所示的过程600可以以指令的形式存储在存储设备130中,并由处理设备120调用和/或执行(例如,如图2所示的计算设备200的处理器210,如图3所示的移动设备300的GPU 330或CPU 340)。在一些实施例中,可以根据过程600执行图5中所示的操作506。
在602中,可以从多个期相中获取第一部分的期相。操作602可以由分类模块404执行。可以如结合图5中的操作502所描述的那样获取多个期相的K空间的图像数据。在一些实施例中,分类模块404可以按时间排序多个期相的K空间的图像数据(例如,如图8B中所述的d(k,t1),d(k,t2)d(k,
t3),…,d(k,tn)。多个期相的总数(也称为总期相计数)可以用N表示,例如,在20到40的范围内的整数。第一部分中的期相的数量可以被表示为第一期相计数。第一期相计数可以小于总期相计数。例如,第一期相计数可以是总期相计数的一半。
在一些实施例中,分类模块404可以根据用户经由终端140输入的指令从多个期相中选择第一部分中的期相。例如,可以选择多个期相的排在前第一期相计数(前20)的期相作为第一部分中的期相。又例如,可以选择多个期相的排在后第一期相计数作为第一部分中的期相。在一些实施例中,可以根据磁共振成像系统100的默认设置从多个期相中选择第一部分中的期相。或者,可以从多个期相中随机选择第一部分中的期相。
在604中,第一部分中的每个期相可以被分别分至多个组中的某个组中。操作604可以由分类模块404执行。第一部分中的每个期相也可以被称为属于多个组中的某个组的参考期相。多个组的总数可以表示为总组计数。第一部分中的期相的第一期相计数可以等于总组计数。在一些实施例中,可以根据第一部分中的期相对多个组中的每组进行编号。例如,多个组可以由L(t1)、L(t2)、...、L(tD)表示,其中D表示总组计数,t1、t2、...和tD表示第一部分中的期相。
在606中,可以从第一部分的期相中确定第一期相,第一期相与第二部分中的某个期相具有最小距离。操作606可以由分类模块404执行。在一些实施例中,对于第二部分中的特定期相,可以确定特定期相与第一部分中的每个期相之间的距离,从而可以获取特定期相和第一部分中的期相之间的多个距离。可以确定多个距离中的最小距离,并且可以将与第二部分中的特定期相具有最小距离的期相指定为第一部分中的第一期相。
在一些实施例中,可以基于第一目标函数来确定第一部分中的第一期相。例如,可以将可以最小化第一目标函数的第一部分的某个期相指定为第一期相。或者,可以将使得第一目标函数的值小于阈值的第一部分中的某个期相指定为第一期相。又例如,分类模块404可以确定第一目标函数的多个值。多个值中的每个可以对应于第一部分中的某个期相。分类模块404可以确定第一目标函数的多个值中的最小值。分类模块404可以将与最小值对应的期相确定为第一期相。
在一些实施例中,可以基于低通滤波器构造第一目标函数。对于多个期相中的每个期相的图像数据,可以使用低通滤波器对多个期相中的每个期相的图像数据的至少一部分去除。例如,小于频率阈值的图像数据可以通过低通滤波器,具有大于频率阈值的图像数据不能通过低通滤波器。分类模块404可以使用低通滤波器确定第一部分中的每个期相的过滤后图像数据和第二部分中的每个期相的过滤后图像数据。频率阈值可以与低通滤波器的带宽有关。可以基于用于获取与K空间的图像数据相关联的磁共振信号的采样频率来确定和/或选择低通滤波器的带宽。例如,低通滤波器的带宽可以是采样频率的0.01-0.1倍。采样频率可以由用户根据临床需求或根据磁共振成像系统100的默认设置来设置。
第一目标函数可包括第一项。对于第二部分中的每个期相,第一项可以表示第二部分中的每个期相的过滤后图像数据与第一部分中的第一参考期相的过滤后图像数据之间的第一距离(例如,如图8B所示的d(k,t2))。
可选地或另外地,第一目标函数可以包括第二项。在第二项可以表示第二部分中的每个期相的过滤后图像数据与第一部分中与第一参考期相相邻的第二参考期相的过滤后图像数据之间的第二距离(例如,如图8B所示的d(k,t3))。如这里所使用的,第二参考期相相邻于第一参考期相可以指在第一参考期相和第二参考期相之间不存在期相。
可选地或另外地,第一目标函数可以包括第三项。第三项可以表示第二部分中的每个期相的过滤后图像数据与第三部分中第三参考期相的过滤后图像数据的第三距离(例如,如图8B中所示的d
(k,t1))。第三参考期相与第一参考期相相邻。
第一项、第二项和第三项可以分别具有第一权值、第二权值和第三权值。第一权值、第二权值和第三权值可以表示第一项、第二项和第三项对第一目标函数的值的相对贡献。在一些实施例中,第一权值、第二权值和/或第三权值可以彼此相同或不同。例如,第一权值可以大于第二权值和第三权值。又例如,第二权值可以等于或大于第三权值。第一权值、第二权值和/或第三权值可以是0到2或0到1等范围内的常数。第一权值、第二权值和/或第二权值可以由用户(例如,操作者或医生)或根据磁共振成像系统100的默认设置来设置。
在一些实施例中,第一目标函数可以由等式(8)、等式(9)或等式(10)表示如下:
其中,L(t)可以指包括第t期相的图像数据的组,t可以指k空间的第t个期相,D可以指与第一期相计数相同的总组计数,Ψ可以指低通滤波器,d(k,t)可以指第二部分中的期相,λ0可以指权值,并且d(k,ts)、d(k,ts+1)和d(k,ts-1)分别指第一部分中的参考期相。参考期相d(k,ts+1)和参考期相d(k,ts-1)可以与参考期相d(k,ts)相邻。
在608中,将第二部分中的某个期相分至第一期相所属的同一组中。在一些实施例中,多个组中的特定组中的期相计数可以是不同的。例如,根据等式(10),第一组L(t1)和最后一组L(tD)可以包括单个期相。
磁共振扫描中的对象(例如,心脏)的运动是周期性的,并且与对象有关的K空间的图像数据可以是周期性的,即,多个期相的K空间的图像数据的对应于不同时间段中的相同或相似的状态(如运动状态)。根据过程600,可以基于两个期相的k空间数据的相似性将多个期相分成多个组,因此,对应于相同或相似状态的多个期相可以被分类到同一组中。因此,例如,可以改善基于对应于不同时间段中的相同或类似状态的一组图像数据重建的参考图像的质量,例如具有较少的运动伪影。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出多种修改或变化。然而,变化和修改不会背离本申请的范围。例如,操作602和操作604可以集成到单个操作中。
图7是根据本申请的一些实施例所示的用于重建图像序列的示例性过程的流程图。在一些实施例中,图7中所示的过程700的一个或以上操作可以在图1中所示的磁共振成像系统100中实现。例如,图7中所示的过程500可以以指令的形式存储在存储设备130中,并由处理设备120调用和/或执行(例如,如图2所示的计算设备200的处理器210,如图3所示的移动设备300的GPU 330或CPU 340)。在一些实施例中,可以根据过程700来执行图5中所示的操作510。过程700可以是包括至少两次迭代的迭代过程。可以在至少两次迭代中的每次迭代中执行过程700中的至少一部分操作(例如,操作708至716)。在一些实施例中,初始迭代时间可以设置为0或1。
在702中,可以确定至少两个初始图像估计。操作702可以由图像重建模块406执行。至少两个初始图像估计可以构成初始图像序列估计。如结合图5所描述的,至少两个初始图像估计的数量可以等于多个期相的期相总数。至少两个初始图像估计可以彼此相同或不同。在一些实施例中,至少两个初始图像估计中的每个可包括具有估计特性的至少两个像素或体素,例如亮度值、灰度值、颜色或RGB值、饱和度值。在一些实施例中,至少两个初始图像估计可以由用户或根据磁共振成像系统100的默认设置来设置。例如,至少两个初始图像估计中的每个初始图像估计中的像素点值或体素值可以被设置为不同的值或相同的值。在一些实施例中,可以基于如操作508中所述确定的参考图像来确定至少两个初始图像估计。例如,参考图像的某一参考图像可以被指定为至少两个初始图像估计的某一初始图像估计。又例如,参考图像的某一参考图像可以被指定为至少两个初始图像估计。
在704中,可以确定第二目标函数。操作704可以由图像重建模块406执行。如这里所使用的,第二目标函数可用于确定目标图像序列(也称为“最优解”)。目标图像序列可包括至少两个目标图像。在一些实施例中,可以将使第二目标函数的值小于或等于阈值的图像序列估计确定为目标图像序列。在一些实施例中,可以将使第二目标函数的值最小的图像估计序列确定为目标图像序列。
在一些实施例中,第二目标函数可以包括与在502中获取的K空间的图像数据相关联的保真项,以及与在508中确定的参考图像相关联的第一正则项。保真项可以表示和/或约束与每次迭代中生成的图像估计相关联的频域中的估计图像数据与多个期相的图像数据之间的差异。第一正则项可以表示和/或约束参考图像与在每次迭代中生成的估计图像之间的差异。在一些实施例中,可以通过对在每次迭代中生成的估计图像执行变换来确定与在每次迭代中生成与图像估计相关联的频域中的估计图像数据。此外,可以使用第一变换函数(也称为模型)将在每次迭代中生成的图像估计变换为频域中的估计图像数据。第一变换函数可以包括与磁共振扫描器中的射频线圈的线圈灵敏度相关联的编码函数,如本申请中其他地方所描述的(例如,图5及其描述)。在一些实施例中,可以通过将第一变换函数乘以在每次迭代中生成的图像估计来确定与在每次迭代中生成的图像估计相关联的频域中的估计图像数据。此外,可以基于第一变换模型来构造第一正则项。在一些实施例中,第一变换函数可以是磁共振成像系统100的默认设置的一部分,或者可以由用户(例如,医生)设置。
在一些实施例中,第二目标函数可以由等式(11)表示如下:
其中,F2可以指第二个目标函数,t可以指k空间的第t期相,Nc可以指通道的编号,dl(k,t)可以指第t期相的第l通道的K空间的图像数据,FΩ,l(t)可以是指与第t期相的第l通道相关联的编码函数,和γ(x,t)可以指与第t个期相的K空间的图像数据的关联的图像估计,λ1可以指第一正则化参数,和可以指参考图像。可以基于磁共振扫描器中的射频线圈的灵敏度函数和根据如图5中所述的等式(5)的降采样函数来确定与第t期相的第l通道相关联的编码函数。
在一些实施例中,第二目标函数还可以包括第二正则项,其表示与在每次迭代中生成的图像估计相关联的频域中的图像数据估计的稀疏性。第二正则项可以被配置为约束频域中目标图像的稀疏性。在一些实施例中,可以通过对图像数据估计执行矢量化操作来确定可以表示频域中的图像数据估计的矩阵,其包括至少两个元素。第二正则项可用于表示与频域中的图像数据估计相关联的矩阵的大小。频域中的图像数据估计的稀疏性可以通过矩阵中大于预设值(例如,0)的元素的数量定义。矩阵中的大于预设值的元素数量越大,则频域中的图像数据估计的稀疏度可以越小。第二正则项可以被配置为约束频域中目标图像的稀疏性。在一些实施例中,可以使用第二变换函数来确定与在每次迭代中生成的图像估计相关联的频域中的图像数据估计。第二变换函数可以包括傅立叶变换模型。此外,可以基于第二变换函数来构造第二正则项。在一些实施例中,第二变换函数可以是磁共振成像系统100的默认设置的一部分,或者可以由用户(例如,医生)设置。
在一些实施例中,第二目标函数可以由等式(12)表示如下:
whereг=[(vec(γ(x,t1)),(vec(γ(x,t2),…,(vec(γ(x,tN)))] (13),
其中,F2指第二个目标函数,t指k空间的第t期相,Nc指通道的编号,dl(k,t)指第l通道的K空间的图像数据,FΩ,l(t)指与第t期相的第l通道相关联的编码函数(也称为第一变换函数),和γ(x,t)指与K空间的图像数据的第t个期相关联的图像估计,λ1指第一正则化参数,指参考图像,λ2指第二正则化参数,г指图像序列,包括至少两个图像,并且Ft指时间维度中的傅立叶变换(也称为第二变换函数)。第一正则化参数λ1和第二正则化参数λ2可以由用户根据临床需求或磁共振成像系统100的默认设置来设置。例如,第一正则化参数λ1和/或第二正则化参数λ2可以是0到2,或0到1等范围内的常数。可以基于磁共振扫描器中的射频线圈的灵敏度函数和根据如图5中所述的等式(5)的降采样函数来确定与第t期相的第l通道相关联的编码函数。
在706中,可以确定与第二目标函数相关联的参考值。操作706可以由图像重建模块406执行。在一些实施例中,对应于初始图像估计的第二目标函数的值可以被指定为参考值。在一些实施例中,参考值可以被设置为小于阈值的值。阈值可以由用户或操作者预设,或者由磁共振成像系统100根据例如磁共振成像系统100的默认设置自动设置。例如,参考值可以是0到1范围内的任何值。
在708中,可以基于当前图像估计来确定第二目标函数的值。第二目标函数的值可以根据如704中所述的等式(11)或等式(12)来确定。例如,可以通过将每个当前图像估计的幅度代入第二目标函数来确定与当前图像估计相关联的第二目标函数的值。每个当前图像估计的幅度可以由每个当前图像估计内的至少两个像素的强度确定。
在710中,可以更新当前迭代次数。操作710可以由图像重建模块406执行。在每次迭代中,当前迭代次数可以加1。
在712中,可以确定第二目标函数的值是否小于参考值。操作712可以由图像重建模块406执行。响应于确定第二目标函数的值等于或大于第二目标函数的参考值,过程700可以进行到操作713。响应于确定第二目标函数的值小于参考值,过程700可以进行到操作714。
在713中,可以更新当前图像估计。操作713可以由图像重建模块406执行。在一些实施例中,可以基于在先前迭代中生成的先前图像估计来更新当前图像估计。在一些实施例中,可以基于参考图像来更新当前图像估计,如本申请中其他地方所描述的(例如,图5及其描述)。
在714中,可以将与当前图像估计相关联的第二目标函数的值指定为参考值。操作714可以由图像重建模块406执行。可以基于在708中确定的第二目标函数的值来更新在706中确定的参考值。
在716中,可以确定预设条件是否被满足。操作716可以由图像重建模块406执行。响应于确定预设条件不被满足,过程700可以返回到713。响应于确定预设条件被满足,过程700可以进行到718。在一些实施例中,预设条件可以是至少两次连续迭代中的第二目标函数的值的变化可以等于或小于阈值的条件。阈值可以是处理设备120的默认设置的一部分,或者可以由用户(例如,医生)设置。在一些实施例中,预设条件可以是当前迭代次数可以等于或大于预设阈值。在一些实施例中,如果当前迭代时间等于或大于预设阈值,则可以终止迭代,并且过程700可以进行到718。在一些实施例中,如果当前迭代时间小于预设阈值,则过程700可以返回到713,并且可以开始下一次迭代。
在718中,可以将当前图像估计指定为目标图像。操作718可以由图像重建模块406执行。在一些实施例中,当前图像估计可以是矢量化的形式(例如,基于等式(12)确定的图像序列)。可以通过对当前图像估计执行维度转换操作来获取目标图像(例如,基于等式(12)确定的图像序列)。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,过程700还可以包括一个或以上存储操作。例如,过程700可以包括存储在每次迭代中生成的第二目标函数的值。又例如,过程700可以包括存储当前迭代次数。
图8A是根据本申请的一些实施例所示的k空间的两个相邻条辐之间的示例性角度的示意图。如图8A所示,两条线代表k空间的两个相邻条辐。如结合图5所述,k空间的多个条辐可以间隔预定的方位增量,如图8A所示。预设的方位增量可以是111.25度。
图8B是根据本申请的一些实施例所示的k空间的示例性条辐的示意图。如结合图5所述,如图8B所示,K空间的图像数据可以分为多个期相,可表示为d(k,t1),d(k,t2),d(k,t3)…,d(k,tn)。d(k,t1),d(k,t2),d(k,t3)…,d(k,tn)中每个多个期相可以包括特定计数的条辐,例如,图8B中所示的七条辐射。如本申请中其他地方所述(例如,图5及其描述),多个期相中的每个期相中的两个相邻条辐可具有由β表示的方位增量(例如,111.25度)。
图9A-9B是根据本申请的一些实施例的心脏的示例性图像序列。如图9A所示,与心脏有关的第一图像序列包括时域中的至少两个图像。如图9B所示,通过对第一图像序列的时间维度执行快速傅里叶变换(FFT)来获取时频域中的第二图像序列。与心脏有关的第二图像序列中的至少两个图像是稀疏的,这意味着可以基于如图5-7中所述的过程500,过程600和/或过程700的图像数据(例如,K空间的图像数据、磁共振信号等)的稀疏性来重建与心脏相关的目标图像。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。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、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“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。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,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过程、机器、产品或物质的组合,或对其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(包括韧体、常驻软件、微代码等)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“单元”、“模块”或“系统”。此外,本申请的各方面可以表现为位于一个或以上计算机可读介质中的计算机产品,所述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代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。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信、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代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、射频等,或任何上述介质的组合。
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 (10)
1.一种核磁共振图像重建方法,所述方法包括:
通过磁共振扫描仪获取磁共振信号;
根据所述磁共振信号,通过至少一个处理器生成k空间的图像数据;
通过所述至少一个处理器将所述k空间的所述图像数据分为多个期相,所述多个期相中的每个期相具有第一计数的条辐,所述条辐表示用于填充所述k空间的轨迹;
通过所述至少一个处理器,将所述多个期相的所述k空间的所述图像数据分成多个组,所述多个组中的每组包括所述多个期相中的至少一个期相的所述k空间的所述图像数据;
通过所述至少一个处理器基于所述多个组确定参考图像,所述参考图像中的每个参考图像对应于所述多个期相中的至少一个期相的所述k空间的所述图像数据;以及
通过所述至少一个处理器,基于所述参考图像和所述多个期相的所述k空间的所述图像数据,重建图像序列。
2.根据权利要求1所述的方法,其特征在于,
所述图像序列包括目标图像;以及
将所述图像数据分为多个期相包括:
确定用于重建所述目标图像的时间分辨率;
确定用于获取所述磁共振信号的重复时间;
基于所述时间分辨率和所述重复时间,确定所述第一计数;以及
基于所述第一计数,将所述图像数据分为所述多个期相。
3.根据权利要求1所述的方法,其特征在于,将所述多个期相的所述图像数据分成多个组包括:
确定所述多个期相的第一部分,所述第一部分中的期相计数等于所述多个组的组计数;
将所述第一部分中的每个期相分别分至所述多个组中的特定组中;以及
将所述第二部分中的每个期相分至所述多个组的特定组中。
4.根据权利要求3所述的方法,其特征在于,将所述第二部分中的每个期相分至所述多个组的特定组中包括:
对于所述第二部分中的每个期相:
从所述第一部分的期相中确定与所述第二部分中的每个期相具有最小距离的第一期相;以及
将所述第二部分中的每个期相分至所述第一期相所属的同一组中。
5.根据权利要求4所述的方法,其特征在于,还包括:
获取低通滤波器;
通过所述低通滤波器,对所述第二部分中的每个期相的图像数据以及所述第一部分中的每个期相的图像数据进行过滤;以及
确定所述第一部分的每个期相的过滤后图像数据,以及所述第二部分的每个期相的过滤后图像数据。
6.根据权利要求1所述的方法,其特征在于,
图像序列包括目标图像,以及
基于所述参考图像和所述多个期相的所述图像数据,重建所述图像序列,包括:
基于所述参考图像和所述多个期相的所述图像数据,确定第二目标函数,所述第二目标函数包括保真项和第一正则项,其中
所述保真项表示与估计图像相关联的频域中的估计图像数据与所述多个期相的所述图像数据之间的差异,以及
所述第一正则项表示所述估计图像与所述参考图像之间的差异;以及
通过执行至少两次迭代,基于所述第二目标函数确定所述目标图像。
7.根据权利要求6所述的方法,其特征在于,通过执行至少两次迭代,基于所述第二目标函数确定所述目标图像包括:
对于所述至少两次迭代中的每次迭代,
基于所述估计图像,确定所述第二目标函数的值;
更新所述估计图像;以及
当条件被满足时,将所述估计图像确定为所述目标图像。
8.根据权利要求6所述的方法,其特征在于,基于所述参考图像和所述多个期相的所述图像数据,确定第二目标函数包括:
确定模型,所述模型被配置为将所述估计图像转换为在所述频域中的估计图像数据,所述模型与所述磁共振扫描仪的线圈灵敏度相关联;以及
基于所述模型,确定所述保真项。
9.一种核磁共振成像系统,包括:
存储可执行指令的至少一个存储设备,以及
至少一个与所述至少一个存储设备通信的处理器,当执行所述可执行指令时,使所述系统执行如权利要求1-8任一所述的磁共振图像重建方法。
10.一种核磁共振成像装置,包括:
获取模块,用于通过所述磁共振扫描仪获取磁共振信号;以及根据所述磁共振信号,通过所述至少一个处理器生成k空间的图像数据;
分类模块,用于通过所述至少一个处理器将所述k空间的所述图像数据分为多个期相,所述多个期相中的每个期相具有第一计数的条辐,所述条辐表示用于填充所述k空间的轨迹;以及通过所述至少一个处理器,将所述多个期相的所述k空间的所述图像数据分成多个组,所述多个组中的每组包括所述多个期相中的至少一个期相的所述k空间的所述图像数据;
图像重建模块,用于通过所述至少一个处理器基于所述多个组确定参考图像,所述参考图像中的每个参考图像对应于所述多个期相中的至少一个期相的所述k空间的所述图像数据;以及通过所述至少一个处理器,基于所述参考图像和所述多个期相的所述k空间的所述图像数据,重建图像序列。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/008,296 US10657646B2 (en) | 2018-06-14 | 2018-06-14 | Systems and methods for magnetic resonance image reconstruction |
US16/008,296 | 2018-06-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110264538A true CN110264538A (zh) | 2019-09-20 |
CN110264538B CN110264538B (zh) | 2023-04-25 |
Family
ID=67918488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910518241.8A Active CN110264538B (zh) | 2018-06-14 | 2019-06-14 | 用于核磁共振图像重建的方法、系统和装置 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10657646B2 (zh) |
CN (1) | CN110264538B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080738A (zh) * | 2019-11-28 | 2020-04-28 | 上海联影智能医疗科技有限公司 | 图像重建的系统和方法 |
CN111430010A (zh) * | 2020-03-30 | 2020-07-17 | 王博 | 基于dicom图像信息推断扫描序列期相的系统及方法 |
CN111856363A (zh) * | 2019-10-21 | 2020-10-30 | 上海联影医疗科技有限公司 | 同步多层磁共振成像的系统、方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423593B2 (en) * | 2019-12-19 | 2022-08-23 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for reconstructing a medical image using meta learning |
CN115251884A (zh) * | 2021-04-30 | 2022-11-01 | 上海联影医疗科技股份有限公司 | 一种磁共振(mr)成像方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140086469A1 (en) * | 2012-09-26 | 2014-03-27 | Siemens Aktiengesellschaft | Mri reconstruction with incoherent sampling and redundant haar wavelets |
CN106910194A (zh) * | 2015-12-22 | 2017-06-30 | 上海联影医疗科技有限公司 | 心脏心功能磁共振图像中的心内外膜的分割方法 |
CN107576924A (zh) * | 2017-08-07 | 2018-01-12 | 上海东软医疗科技有限公司 | 一种磁共振动态成像方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8384383B2 (en) * | 2010-03-23 | 2013-02-26 | Max-Planck-Gesellschaft zur Foerferung der Wissenschaften E.V. | Method and device for reconstructing a sequence of magnetic resonance images |
US9921285B2 (en) * | 2012-04-19 | 2018-03-20 | New York University | System, method and computer-accessible medium for highly-accelerated dynamic magnetic resonance imaging using golden-angle radial sampling and compressed sensing |
WO2015103184A1 (en) * | 2013-12-31 | 2015-07-09 | The Medical College Of Wisconsin, Inc. | Adaptive replanning based on multimodality imaging |
DE102014215954B4 (de) * | 2014-08-12 | 2018-11-22 | Siemens Healthcare Gmbh | Leise Magnetresonanz-Angiographiebildgebung |
EP3436837A4 (en) * | 2016-04-01 | 2020-03-11 | The Medical College of Wisconsin, Inc. | SYSTEMS AND METHODS FOR MOTION MANAGEMENT IN MAGNETIC RESONANCE IMAGING-GUIDED THERAPIES |
US10088539B2 (en) * | 2016-04-22 | 2018-10-02 | General Electric Company | Silent multi-gradient echo magnetic resonance imaging |
US10524689B2 (en) * | 2016-05-19 | 2020-01-07 | Duke University | Self-gated interleaved radial MRI for abdominothoracic imaging |
DE102016224175A1 (de) * | 2016-12-06 | 2018-06-07 | Siemens Healthcare Gmbh | EPI mit Zickzack-Trajektorie und paralleler Bildgebung |
US10909730B2 (en) * | 2017-01-13 | 2021-02-02 | Washington University | Free-breathing and self-navigated MRI method for deformable motion derivation |
DE102017211677A1 (de) * | 2017-07-07 | 2019-01-10 | Siemens Healthcare Gmbh | Bewegungsabhängige Rekonstruktion von Magnetresonanzabbildungen |
-
2018
- 2018-06-14 US US16/008,296 patent/US10657646B2/en active Active
-
2019
- 2019-06-14 CN CN201910518241.8A patent/CN110264538B/zh active Active
-
2020
- 2020-05-18 US US16/876,147 patent/US11315252B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140086469A1 (en) * | 2012-09-26 | 2014-03-27 | Siemens Aktiengesellschaft | Mri reconstruction with incoherent sampling and redundant haar wavelets |
CN106910194A (zh) * | 2015-12-22 | 2017-06-30 | 上海联影医疗科技有限公司 | 心脏心功能磁共振图像中的心内外膜的分割方法 |
CN107576924A (zh) * | 2017-08-07 | 2018-01-12 | 上海东软医疗科技有限公司 | 一种磁共振动态成像方法和装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111856363A (zh) * | 2019-10-21 | 2020-10-30 | 上海联影医疗科技有限公司 | 同步多层磁共振成像的系统、方法 |
CN111856363B (zh) * | 2019-10-21 | 2024-03-01 | 上海联影医疗科技股份有限公司 | 同步多层磁共振成像的系统、方法 |
CN111080738A (zh) * | 2019-11-28 | 2020-04-28 | 上海联影智能医疗科技有限公司 | 图像重建的系统和方法 |
CN111080738B (zh) * | 2019-11-28 | 2024-02-27 | 上海联影智能医疗科技有限公司 | 图像重建的系统和方法 |
CN111430010A (zh) * | 2020-03-30 | 2020-07-17 | 王博 | 基于dicom图像信息推断扫描序列期相的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200279375A1 (en) | 2020-09-03 |
US10657646B2 (en) | 2020-05-19 |
US20190385309A1 (en) | 2019-12-19 |
CN110264538B (zh) | 2023-04-25 |
US11315252B2 (en) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sandino et al. | Accelerating cardiac cine MRI using a deep learning‐based ESPIRiT reconstruction | |
US10902651B2 (en) | Systems and methods for magnetic resonance image reconstruction | |
CN110264538B (zh) | 用于核磁共振图像重建的方法、系统和装置 | |
US10803631B2 (en) | Systems and methods for magnetic resonance imaging | |
CN109581253B (zh) | 用于磁共振成像的方法和系统 | |
US11120585B2 (en) | Systems and methods for image reconstruction | |
CN111157933B (zh) | 用于磁共振图像重建的系统和方法 | |
US20220268866A1 (en) | System and method for magnetic resonance imaging acceleration | |
US11776171B2 (en) | Systems and methods for magnetic resonance image reconstruction | |
US11372071B2 (en) | Method and system for diffusion magnetic resonance imaging | |
KR102584166B1 (ko) | 리스케일링과 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 | |
US20240290011A1 (en) | Dual-domain self-supervised learning for accelerated non-cartesian magnetic resonance imaging reconstruction | |
US20220262001A1 (en) | Systems and methods for magnetic resonance image reconstruction | |
US20240036138A1 (en) | Multichannel deep learning reconstruction of multiple repetitions | |
CN103236049A (zh) | 基于序列相似性插值的部分k空间图像重构方法 | |
US20230084413A1 (en) | Deep learning-based realtime reconstruction | |
KR102572311B1 (ko) | 보조맵과 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 | |
US20230298162A1 (en) | Machine learning for medical image reconstruction with phase correction | |
Hauptmann et al. | Real-time Cardiovascular MR with Spatio-temporal De-aliasing using Deep Learning-Proof of Concept in Congenital Heart Disease | |
US20230326099A1 (en) | Magnetic resonance image processing apparatus and method using artificial neural network in k-space domain | |
Zhang | Deep Learning Approaches for Accelerated MRI Reconstruction | |
CN115542216A (zh) | 同时多层成像的系统和方法 |
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 |