CN110471014A - 磁共振成像中的条纹伪影减少 - Google Patents

Abstract

提供了磁共振成像中的条纹伪影减少。对于磁共振成像（MRI）中的径向采样，根据每个线圈的k‑空间数据确定重新缩放因子。重新缩放因子与k‑空间数据中的条纹能量成反比。来自线圈的k‑空间数据被重新缩放以用于重建，诸如通过迭代重建的数据一致性项中的重新缩放因子来对k‑空间数据进行加权。附加地或可替代地使用重新缩放因子来确定校正场，所述校正场用于在重建之后校正被应用到图像‑对象空间中的强度的强度偏差。这些方法可以导致具有减少的条纹伪影的诊断上有用的偏差校正图像，同时受益于高效的计算（即，计算机操作以更快地重建）。

Description

磁共振成像中的条纹伪影减少

背景技术

本实施例涉及磁共振成像（MRI）。使用径向采样的MRI空间编码在诸如对比增强成像或移动结构的动态成像之类的时间分辨MRI中可以是有价值的。径向采样提供了改进的运动稳健性、改进的时间采集效率，并提供非相干的别名模式。然而，条纹伪影（即，归因于欠采样的伪影）降级径向采样中的图像质量降级。在利用多个线圈元件对大视场成像时，几个线圈元件与其他线圈相比包含显著更多的条纹伪影内容。这是归因于若干原因而发生的，诸如梯度非线性效应（导致离等深点远的区中的强信号累积）、偏共振和/或不足的脂肪抑制。这些条纹伪影可能妨碍最终诊断质量和重建图像的解释。

伪影的强度对于不同切片是不同的。为了减少条纹伪影，可以在重建期间禁用包含显著条纹内容的线圈元件。然而，这些方案要求为每个切片或分区自动选择不需要的线圈。已经提出了一种“去条纹（unstreaking）”方法，其在重建期间通过条纹能量分数对每个线圈进行加权并且隐式地避免线圈的选择/取消选择。条纹分数依赖于图像-空间数据，所述图像-空间数据要求执行计算上昂贵的网格化步骤。因为不同的切片具有不同的条纹能量内容，所以引入了跨体积的图像强度偏差。

发明内容

通过介绍的方式，下面描述的优选实施例包括用于磁共振成像的方法、系统、指令和计算机可读介质。对于MRI中的径向采样，根据每个线圈的k-空间数据确定重新缩放因子。重新缩放因子与k-空间数据中的条纹能量成反比。来自线圈的k-空间数据被重新缩放以用于重建，诸如通过迭代重建的数据一致性项中的重新缩放因子来对k-空间数据进行加权。附加地或可替代地使用重新缩放因子来确定校正场，所述校正场用于在重建之后校正被应用到图像-对象空间中的强度的强度偏差。这些方法可以导致具有减少的条纹伪影的诊断上有用的偏差校正图像，同时受益于高效计算（即，计算机操作以更快地重建）。

在第一方面中，提供一种用于减少磁共振成像系统中的条纹伪影的方法。磁共振成像系统从患者的径向扫描获取不同线圈的k-空间数据。根据每个线圈的k-空间数据确定条纹能量。基于相应的条纹能量，对于线圈中的不同个体，不同地对k-空间数据进行加权。根据加权的k-空间数据重建患者的表示。根据表示生成图像。

在第二方面中，提供一种用于减少磁共振成像系统中的条纹伪影的方法。磁共振成像系统从患者的径向扫描获取不同线圈的k-空间数据。根据每个线圈的k-空间数据确定条纹能量。根据条纹能量计算校正场。根据k-空间数据重建患者的表示。在重建之后，基于校正场来校正表示。根据表示来生成图像。

在第三方面中，提供一种用于条纹伪影减少的磁共振系统。重建处理器被配置为确定线圈的条纹能量的重新缩放因子，并且根据患者通过线圈的测量来重建患者的区域。重新缩放因子被包括在重建的数据一致性核查中。显示器被配置为显示如所重建的患者区域的图像。

本发明由所附权利要求限定，并且本章节中没有内容应被视为对那些权利要求的限制。下面结合优选实施例讨论本发明的另外方面和优点，并且本发明的另外方面和优点可以在以后独立或组合地要求保护。

附图说明

部件和附图不一定是按比例的，而是将重点放在说明本发明的原理上。此外，在附图中，同样的参考标号贯穿不同视图指定对应的部分。

图1是用于条纹伪影减少的磁共振系统的一个实施例；

图2是用于磁共振成像中的条纹伪影减少的方法的一个实施例的流程图；

图3和图4图示了具有不同条纹能量内容的两个不同线圈的示例k-空间数据；

图5图示了依据线圈的条纹能量的示例；

图6图示了依据线圈的示例重新缩放因子；

图7示出了用于具有条纹伪影减少的磁共振成像的一个示例流水线；以及

图8A-8C分别示出了在不具有重新缩放的GRASP重建、具有重新缩放的GRASP重建以及具有重新缩放和强度偏差校正的GRASP重建的情况下的肝脏的示例矢状视图。

具体实施方式

在迭代的径向MRI中减少条纹伪影。在重建之前实现简单的计算上不昂贵的步骤。这些预处理步骤包括对原输入多线圈k-t空间数据上的条纹分数的评估。直接在k-t域中的条纹能量度量允许相对于重建的预处理。条纹能量度量可以是高频k-空间内容与低频k-空间内容的L2范数比。阈值指示低频内容和高频内容的分离。该基于阈值的度量在多线圈k-空间数据方面对每个线圈进行加权，因此隐式地减少包含显著条纹能量内容的线圈元件的贡献。

归因于每个线圈元件的重新缩放而引入的强度偏差被校正。校正发生在重建后。校正对于人为引入的强度偏差是稳健的。

作为扩展，可以将线圈压缩和条纹伪影减少组合成单个步骤。该方法使用广义奇异值分解算法来估计虚拟线圈子空间，同时鼓励低频和高频k-空间区域之间的最大分离。这将导致根据线圈灵敏度变化以及线圈内的条纹内容的量排序的虚拟线圈组。像线圈压缩一样，显著的虚拟线圈而不是包含大部分条纹伪影的线圈可以后续用于重建。

径向MRI通常用于若干应用中。这些条纹伪影减少方法可以用于任何径向MRI扫描中。例如，使用黄金角度采样和基于稀疏度的约束重建（GRASP）的肝脏的迭代径向动态对比增强MRI（DCE-MRI）使用条纹伪影减少。来自手臂的条纹伪影在腹部DCE-MRI检查中折叠起来到肝脏上，并且在数据的解释期间是有碍（nuisance）源。这种减少径向MRI中的条纹的方法直接改进图像质量和来自这些序列的诊断解释。其他用例可以受益于条纹伪影减少，所述用例诸如其中S/I方向上的梯度非线性显著的冠状和/或矢状大视场（FOV）成像，或者诸如其他径向序列（例如，西门子STAR-VIBE）。

图1示出了用于条纹伪影减少的磁共振成像（MRI）系统10。所述系统实现图2的方法或用于基于以下各项来减少条纹伪影的另一方法：（1）根据k-空间数据确定的条纹能量、（2）基于条纹能量的强度偏差校正和/或（3）基于条纹能量的具有重新缩放的迭代重建。

可以使用用于径向成像的任何现在已知或以后开发的MRI系统。系统10包括线圈11、重建处理器12、显示器14和存储器16。可以提供附加的、不同的或更少的部件。例如，提供网络或网络连接，诸如用于与医学成像网络或数据档案系统联网。在另一示例中，提供用户接口。在又一示例中，重建处理器12被实现为多个设备，诸如用于测量来自线圈11的k-空间数据的预处理器或检测器，以及用于执行重建和/或傅立叶变换的图形处理单元或其他设备。

重建处理器12、存储器16和显示器14是医学成像系统10的部分。可替代地，重建处理器12、存储器16和/或显示器14是诸如与医学记录数据库工作站或服务器相关联的档案和/或图像处理系统的部分。在其他实施例中，重建处理器12、存储器16和/或显示器14是诸如台式机或膝上型计算机的计算机、工作站、服务器、网络或其组合。可以提供重建处理器12、存储器16和/或显示器14而不具有用于伪影减少的其他部件（诸如不具有线圈11），其中从存储器或数据库加载k-空间数据。

MR系统10包括诸如低温磁体之类的主场磁体以及梯度线圈。可以提供其他处理部件，诸如用于规划和生成针对线圈11的传输脉冲序列以及用于接收和处理所接收的k-空间数据。可以利用梯度线圈来在空间上控制传输脉冲，以执行患者的径向采样。

线圈11是体线圈中的线圈和/或局部或表面线圈中的线圈。例如，在肝脏的DCE-MRI成像中，患者可以令多个（例如，30-42个）表面线圈在MR系统10的孔内抵靠其体部而定位。这些表面线圈11响应于从体线圈11和/或表面线圈11传输的脉冲而从患者接收信号。线圈11是天线，诸如成环状或其他形状或布置的线或板。可以使用用于MRI的任何线圈11。可以将任何数量的线圈11用于给定的扫描。

重建处理器12是通用处理器、中央处理单元、控制处理器、图形处理器（例如，图形处理单元）、数字信号处理器、三维呈现处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路、它们的组合、或者用于MR重建的其他现在已知或以后开发的设备。重建处理器12是单个设备或者是串行、并行或单独操作的多个设备。重建处理器12可以是诸如膝上型计算机或台式计算机之类的计算机的主处理器，或者可以是用于处置较大系统中（诸如MR系统10中）的一些任务的处理器。通过指令、设计、硬件和/或软件来配置重建处理器12以执行本文中讨论的动作，所述动作诸如从径向采样的MRI扫描来重建具有条纹伪影减少的表示患者的MR区域。

重建处理器12被配置为根据使用线圈11的测量来重建区域（例如，体积、平面或切片）。线圈11提供k-空间中的测量。通过控制MR系统10或通过经由传送或加载对数据的采集，重建处理器12接收k-空间数据。一般而言，通过对k-空间数据应用逆傅立叶处理，来自患者的响应的空间分布被重建。由于径向采样可以是稀疏的，因此可以执行迭代重建。重建的数据是表示患者区域（例如，以三维分布的体积或体素区域）的表示。所述表示是表示体积或平面的体素或像素。

可以使用用于径向采样方法的任何重建。在一个实施例中，将径向采样数据网格化为笛卡尔网格，并且然后执行重建（例如，基于逆傅立叶变换的重建）。在另一个实施例中，在不具有网格化的情况下执行GRASP或其他径向重建。重建可以是直接的或迭代的。对于迭代的重建，测量的k-空间数据拟合MR系统的模型。执行对拟合的迭代改变以重建。

重建提供处于给定的时间或周期的患者区域的表示。重建可以提供随时间表示患者的表示序列。重建可以输出图像或图像序列。图像可以用于表示患者的标量值，所述表示患者的标量值然后可以被格式化或呈现到显示屏。图像可以用于显示针对显示屏格式化的值（例如，RGB）。通过扫描具有特定于重建类型的序列的患者，重建处理器12被配置为重建表示患者的不同方面（例如，结构、扩散和/或功能）的数据组。

以减少来自径向或其他稀疏扫描的条纹伪影的方式执行重建。例如，重建处理器12被配置为确定线圈的条纹能量的重新缩放因子。重新缩放因子可以是条纹能量的逆函数或条纹水平的另一测度。根据测量k-空间数据的线圈11的k-空间数据来确定条纹能量。作为迭代重建的部分，通过重新缩放因子对来自每个线圈11的k-空间数据进行加权，诸如对在用于拟合的函数中的数据一致性核查或项中用于与MR系统的模型比较的k-空间数据进行加权。重建处理器12被配置为根据患者通过线圈11的测量来重建患者的区域。可替代地或附加地，重建处理器12被配置为基于重新缩放因子来重新缩放线圈灵敏度图和/或基于重新缩放因子或条纹量的差异来校正强度偏差。重建处理器12可以基于压缩的k-空间数据执行重建。相对条纹能量内容可以与压缩组合使用，使得在重建中使用的虚拟线圈的k-空间数据具有较少的条纹伪影。

存储器16是图形处理存储器、视频随机存取存储器、随机存取存储器、系统存储器、随机存取存储器、高速缓存存储器、硬驱动器、光学介质、磁介质、闪存驱动器、缓冲器、数据库、其组合、或者用于存储数据或图像信息的其他现在已知或以后开发的存储器设备。存储器16是MR系统10的部分、与重建处理器12相关联的计算机的部分、数据库的部分、另一系统的部分、图片档案存储器或独立设备。

存储器16存储k-空间数据、线圈的条纹能量、重新缩放因子、重新缩放的k-空间数据、线圈灵敏度图、重新缩放的灵敏度图、重建的表示、校正场、校正的数据和/或在根据径向MR扫描生成图像中使用的其他信息。存储器16可以在处理期间存储数据。

存储器16或其他存储器可替代地或附加地是存储数据的计算机可读存储介质，所述数据表示用于MRI中的重建的由编程处理器12可执行的指令。在非暂时性计算机可读存储介质或存储器上提供用于实现本文中讨论的过程、方法和/或技术的指令，所述非暂时性计算机可读存储介质或存储器诸如高速缓存、缓冲器、RAM、可移除介质、硬驱动器或其他计算机可读存储介质。非暂时性计算机可读存储介质包括各种类型的易失性和非易失性存储介质。响应于被存储在计算机可读存储介质中或计算机可读存储介质上的一个或多个指令组，执行附图中图示或本文中描述的功能、动作或任务。功能、动作或任务独立于特定类型的指令组、存储介质、处理器或处理策略，并且可以由单独或组合地操作的软件、硬件、集成电路、固件、微代码以及诸如此类执行。同样，处理策略可以包括多处理、多任务、并行处理以及诸如此类。

在一个实施例中，指令被存储在可移除介质设备上以供本地或远程系统读取。在其他实施例中，指令被存储在远程位置中以供通过计算机网络或通过电话线传送。在再其他实施例中，指令被存储在给定的计算机、CPU、GPU或系统之内。

显示器14是监视器、LCD、投影仪、等离子显示器、CRT、打印机或用于输出视觉信息的其他现在已知或以后开发的设备。显示器14从重建处理器12、存储器16或MR系统10接收图像、图形或其他信息。显示如所重建的患者区域的一个或多个MR图像。在重建体积的情况下，可以将体积三维地呈现为用于二维显示器14的图像，或者可以从通过体积限定的二维平面形成图像。归因于条纹伪影减少，患者的图像包括较少的条纹伪影。归因于强度偏差校正，强度偏差被移除或限制。归因于根据k-空间数据对条纹能量的确定，用于条纹减少的重新缩放可以比根据图像或对象空间数据或基于网格化来确定条纹能量在计算上更高效。

图2是用于减少MRI系统中的条纹伪影的方法的一个实施例的流程图。数据驱动方法用于减少迭代径向MRI中的条纹伪影。在没有网格化的情况下根据k-空间数据来确定与线圈中的条纹能量成反比的线圈重新缩放因子。重新缩放因子可以被包括在数据一致性中并在重建期间作为加权被包括在数据一致性中。在重建后，通过线圈元件的重新缩放而引入的强度偏差在重建的图像-对象域中被校正。

所述方法由图1的系统或另一系统实现。例如，在与MRI系统或PACS相关联的计算机或处理器上实现所述方法。磁共振系统使用与传输器和接收器连接的线圈来通过扫描患者获取k-空间数据。磁共振系统使用重建和/或其他图像处理器来确定条纹能量、对k-空间数据进行加权、重建、计算校正场和/或校正患者区域的重建表示。磁共振系统使用重建或其他处理器和显示器来根据重建生成图像。所述图像具有较少的条纹伪影。可以使用部件间的其他功能分布。

以所示出的顺序（例如，数字或自顶向下）或其他顺序执行动作。例如，动作23作为动作24的部分被执行。作为另一个示例，可以在动作24或动作23之前执行动作25。

在患者在MRI系统中的情况下执行动作，诸如躺在大致均匀的主磁场中。可替代地，在患者在MRI系统中的情况下执行直接依赖于扫描患者的动作，但是在患者在MRI系统之外的情况下执行其他动作。

可以提供附加的、不同的或更少的动作。例如，不执行校正场相关的动作25和26。作为另一个示例，提供用于重建、配置、结果的使用或流水线的其他操作的其他动作。在又一个示例中，提供其他预处理。

在动作20中，磁共振成像系统获取k-空间数据。磁共振系统执行一次或多次扫描。可以在大致均匀的主磁场中从一个或多个线圈传输脉冲序列，而采样由梯度线圈控制。响应于磁场和一个或多个脉冲的应用，获取表示患者的内部区域的数据。通过从任何MRI线圈传输和/或在任何MRI线圈处接收信号来获取k-空间数据。例如，使用时间交织的多线圈动态成像脉冲序列来获取k-空间数据。作为另一个示例，将k-空间数据获取为k-空间数据的帧或镜头划分（shot division）。针对多个不同线圈中的每一个获取k-空间数据。

传输序列和测量是用于径向序列的。可以使用任何径向序列，诸如GRASP。可以使用任何现在已知或以后开发的MR扫描序列。例如，将k-空间数据获取为动态对比增强磁共振成像扫描、其他动态扫描、用于患者或具有运动的区域的其他扫描或另一稀疏扫描模式的部分。

如所测量的k-空间数据针对每个线圈形成随时间的数据组（即，k-t数据）。可以将预处理应用到k-空间数据。例如，对于每个k-空间数据组，执行去耦以促进逐片处理。沿着一维（例如，z维）应用逆快速傅立叶变换（IFFT），从而将k-空间表示折叠成二维。为计及部分傅立叶因子而在kz维度中的零填充随后是沿着kz的IFFT。在其他实施例中，不执行去耦或以不同方式执行去耦。

在动作22中，图像、重建或其他处理器根据每个线圈的k-空间数据确定条纹能量。对于每个线圈，根据该线圈的k-空间数据确定条纹能量。图3和图4示出了来自使用DCE-MRI的42-线圈径向扫描的两个线圈的示例k-空间数据组。在每个数据组中随时间示出k-空间数据。

为了确定线圈的条纹能量，该线圈的k-空间数据被分离成不同的频带。例如，k-空间数据被分离成高频和低频。

指定阈值以分离，但是可以使用另一个过程。阈值限定k-空间区域的范围。例如，k-空间数据具有512的动态范围。动态范围的中心是最低频率。阈值限定中心上方和下方的k-空间箱（bin），低频k-空间数据位于所述k-空间箱之间，并且高频k-空间数据位于所述k-空间箱之外。阈值可以是任何水平，诸如512个箱的中心30个箱。图3和图4示出了在右边的括号，其对应于在512个箱的30个箱处的阈值。所述范围可以是大于0％且小于100％的总数的任何百分比。在一个实施例中，所述范围在2-15％之间，诸如总箱的6％或10％被分配到低频。所述范围可以从中心偏移。

k-空间数据的频率分离提供用于评估条纹能量度量的一个自由参数。可以使用条纹能量的任何测度。在一个实施例中，使用高频与低频的能量比（即，k）。例如，条纹能量是去耦的k-空间数据的高频能量的L2范数与去耦的k-空间数据的低频能量的L2范数的比。这由以下等式表示：条纹能量，其中h是高频k-空间数据的能量，l是低频k-空间数据的能量，并且下标2表示L2范数。可以使用其他函数，诸如差异。可以使用k-空间数据中的条纹水平的方差或其他指标。

k-空间数据、校正场和/或线圈灵敏度图要基于条纹能量或其他条纹水平被重新缩放。在使用乘法加权来重新缩放的情况下，使用条纹能量的逆，诸如由以下等式表示：重新缩放因子=1/条纹能量。可以使用其他函数，诸如除以条纹能量作为加权，或者将条纹能量映射到查找表中的权重。可以使用条纹能量和重新缩放因子之间的线性或非线性关系。

针对每个线圈确定重新缩放因子。重新缩放因子可以跨线圈被标准化，诸如从0到1标准化。图5示出了42个线圈中的每个的示例条纹能量。图6示出了每个线圈的对应示例重新缩放因子。图3的线圈1的k-空间数据和图4的线圈19的k-空间数据用于图5和图6的针对线圈1和19的这些示例中。如示出的，线圈1的k-空间数据具有非常小的条纹能量，因此重新缩放因子是大的或接近于1（例如，大约0.9）。线圈19的k-空间数据具有更大量的条纹能量，因此重新缩放因子更小（例如，大约0.1）。

在动作23中，图像、重建或其他处理器对于线圈中的不同个体，不同地对k-空间数据进行加权。条纹能量度量用于对k-空间数据进行加权。例如，k-空间数据乘以重新缩放因子。通过每个线圈的相应重新缩放因子（例如，条纹能量的标准化逆）重新缩放每个线圈的k-空间数据。例如，由图6的0.9重新缩放因子对在图3中表示的线圈1的k-空间数据进行加权，并且由图6中表示的0.1重新缩放因子对在图4中表示的线圈19的k-空间数据进行加权。其他线圈的k-空间数据由那些线圈的对应重新缩放因子进行加权，所述重新缩放因子可以具有相同或不同的值。可以使用其他加权，诸如除以条纹能量和/或基于条纹能量的偏移。

在一个实施例中，加权作为压缩的部分发生。将压缩和条纹伪影减少组合。来自线圈的k-空间数据被压缩为更少数量的虚拟线圈。可以使用任何压缩，诸如广义奇异值分解。通过在压缩中考虑低频和高频k-空间数据（例如，k-t），可以将条纹伪影信息压缩为几个虚拟线圈。在一个示例中，压缩由以下等式表示：，其中H是高频数据，L是低频数据，上标H是复共轭，V是虚拟线圈的奇异向量，并且D是压缩中的奇异值。结果是将许多线圈（例如，42个）的k-空间数据减少到更少数量的虚拟线圈（例如，8个）。通过在压缩中分离地包括高频和低频k-空间数据，根据线圈灵敏度变化以及在它们内的条纹内容的量对虚拟线圈组进行排序。V中的显著虚拟线圈被用于后续重建中。在重建中不使用与大多数条纹伪影相关联的虚拟线圈。在重建中，使用显著的虚拟线圈，并且条纹相关的虚拟线圈不被用作加权的k-空间数据。

在动作24中，重建处理器根据加权的k-空间数据重建患者的表示。该表示是二维或三维表示，诸如图像或对象空间中的体素、像素或标量值。将加权的k-空间数据或k-空间数据重建到空间域中。

可以使用任何重建，诸如径向重建。可以网格化k-空间或加权的k-空间数据，并且根据网格化数据执行重建。在一个实施例中，执行迭代重建。迭代重建利用加权的k-空间数据来拟合正演模型。加权的k-空间数据在迭代重建的数据一致性项中。重复拟合以最小化测量的加权的k-空间数据与MRI系统的正演模型之间的差异。正演模型可以包括从预扫描或加权的k-空间数据的时间折叠数据（例如，随时间的径向平均）估计的线圈灵敏度图。

在数据一致性项中引入加权的一个示例被表示为：

其中是每个线圈j的加权的k-空间数据，f是被重建的图像或对象空间估计，A是包括线圈灵敏度图的正演模型，λ是L1范数，以及是小波转变。重建的数据一致性项在每次迭代中使用或包括加权的k-空间数据，以求解最终图像。

在一个实施例中，重建是GRASP重建。回顾性地限定的21射线每帧的时间分辨率用于利用一阶时空小波和二阶小波重建。使用空间尺度的200倍的时间尺度。线圈灵敏度估计是通过根据时间折叠数据的特征分解方法。由于在重建之后执行动作26的偏差校正，因此不将偏差校正作为重建的部分来执行。可以使用其他时间分辨率、尺度、线圈灵敏度确定、小波方法和/或分解。

可以代替k-空间数据或者附加于k-空间数据重新缩放线圈灵敏度图。条纹能量用于重新缩放线圈灵敏度图。在一个实施例中，如所重新缩放的线圈灵敏度图由以下给出：

其中csm是线圈灵敏度图，并且是来自条纹能量的重新缩放因子。重新缩放针对每个线圈的线圈灵敏度图。可以使用其他缩放函数。

在动作25中，图像、重建或其他处理器计算校正场。根据条纹能量计算校正场。归因于重新缩放线圈元件而引入空间强度变化的偏差。偏差校正场计及用于条纹减少的重新缩放。偏差校正场还可以计及其他偏差，诸如表面线圈变化和/或线圈压缩。

在另一实施例中，校正场是从不具有加权的k-空间数据的逆非均匀快速傅立叶变换与从加权的k-空间数据的逆非均匀快速傅立叶变换的比。该变换被应用到去耦或时间折叠的k-空间和加权的k-空间数据。在计算该比之前，可以对经变换的数据进行低通滤波。

在又一实施例中，将校正场计算为线圈灵敏度图和条纹能量的函数。如果线圈灵敏度图是已知的（例如，从预扫描或从专用线圈灵敏度图估计算法），则可以使用所述图来确定校正。例如，校正场被计算为：

可以使用其他函数。

在动作26中，图像、重建或其他处理器校正所重建的表示。应用校正场。基于对象或图像空间中的空间位置，更改重建表示（即，最终输出重建对象）的强度或标量值。在重建完成之后，应用偏差校正作为强度校正。使用加权或乘法，但是可以使用除法或其他函数用于校正。

可以使用来自k-空间数据的条纹能量用于重新缩放k-空间数据和/或线圈灵敏度图。可以使用加权的k-空间和/或条纹能量来计算偏差校正场。可以使用加权的k-空间数据作为迭代重建的部分用于条纹伪影减少。可以将压缩与条纹伪影减少组合以对要用于重建的k-空间数据进行加权。可以单独使用这些方法中的任何方法。可以使用各种组合。

图7示出了示例组合。如果已知原始k-空间数据和线圈灵敏度，则将其输入。根据k-空间数据的条纹能量确定缩放因子。根据缩放因子来创建校正场、重新缩放的k-空间和重新缩放的线圈灵敏度图。可以针对重新缩放的k-空间数据和重新缩放的线圈灵敏度图执行线圈压缩。在其他实施例中，k-空间数据的重新缩放可以作为压缩的部分而发生。如果线圈灵敏度图不可用（例如，从预扫描），则使用线圈灵敏度估计器函数来直接从虚拟压缩的k-空间数据估计线圈图。使用虚拟线圈灵敏度图和虚拟k-空间数据（例如，具有有限条纹伪影的所选虚拟线圈的k-空间数据）来执行重建。针对强度偏差来校正输出重建图像对象。结果是归因于重新缩放而具有较少的条纹伪影和减少的强度变化的图像对象。由于处理器通过基于来自径向扫描的k-空间数据高效地确定条纹能量而不必执行计算上昂贵的网格化，因此如重建处理器所实现的确定可以更高效。

在动作28中，重建、图像或其他处理器根据表示生成图像。图像是二维图像或从表示三维的体素数据到二维显示器的三维呈现。根据来自重建的强度的空间分布来生成图像。可以生成图像序列，诸如随时间表示患者。

传输图像。传输到显示器、到存储器或通过网络到另一个设备。例如，在MRI系统的显示器上显示图像。可替代地，在工作站、计算机或其他设备上显示图像。图像可以被存储在PACS存储器中并且从PACS存储器调用。

通过归因于重新缩放而减少条纹伪影和偏差，图像在诊断上是有用的。图8A-8C示出了一示例。图8A-8C是来自相同扫描的相同肝脏的矢状图像。在图8A中，根据DCE-MRI径向扫描来使用GRASP重建。条纹在图像中表现为不同强度的曲线，使得诊断更加困难。图8B示出了相同的重建，但是使用基于k-空间的条纹能量来重新缩放如在迭代重建中使用的k-空间数据。条纹伪影减少，但产生水平强度偏差。图8C示出了由使用基于线圈灵敏度图的校正场的偏差校正而产生的图像。偏差减少，从而提供不具有来自条纹伪影的错误信息或来自重新缩放的偏差的图像。

虽然上面已经通过参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下可以做出许多改变和修改。因此，旨在将前述详细描述视为是说明性的而不是限制性的，并且应当理解，旨在所附权利要求（包括所有等同物）限定本发明的精神和范围。

Claims (20)

1.一种用于减少磁共振成像系统中的条纹伪影的方法，所述方法包括：

通过所述磁共振成像系统从患者的径向扫描获取不同线圈的k-空间数据；

根据所述线圈中的每个的所述k-空间数据确定条纹能量；

基于相应的条纹能量，对于所述线圈中的不同个体，不同地对所述k-空间数据进行加权；

根据所加权的k-空间数据重建所述患者的表示；以及

根据所述表示来生成图像。

2.根据权利要求1所述的方法，其中获取包括获取为动态对比增强磁共振成像扫描作为所述径向扫描。

3.根据权利要求1所述的方法，其中确定包括将所述k-空间数据分离成不同的频带。

4.根据权利要求3所述的方法，其中分离包括分离成高频和低频，所述条纹能量是所述高频中的能量与所述低频中的能量的比。

5.根据权利要求3所述的方法，其中分离包括通过频率阈值进行分离。

6.根据权利要求1所述的方法，其中加权包括利用所述条纹能量的逆进行加权，所述逆是标准化的。

7.根据权利要求1所述的方法，其中重建包括迭代重建，所述迭代重建利用存在于所述迭代重建的数据一致性项中的所加权的k-空间数据。

8.根据权利要求7所述的方法，其中迭代重建包括黄金角度径向稀疏重建。

9.根据权利要求1所述的方法，进一步包括：

计算校正场；以及

在所述重建之后，基于所述校正场来校正所述表示。

10.根据权利要求9所述的方法，其中计算所述校正场包括计算为从不具有所述加权的所述k-空间数据的逆非均匀快速傅立叶变换与从所加权的k-空间数据的逆非均匀快速傅立叶变换的比。

11.根据权利要求9所述的方法，其中计算所述校正场包括将所述校正场计算为线圈灵敏度图和所述条纹能量的函数。

12.根据权利要求1所述的方法，其中加权包括将所述不同线圈的所述k-空间数据压缩为更少数量的虚拟线圈，所述压缩包括用于所述k-空间数据的高频和低频分量的分离项。

13.根据权利要求12所述的方法，其中加权进一步包括使用少于所有所述虚拟线圈作为所加权的k-空间数据，具有更多所述条纹伪影的所述虚拟线圈不被用作所加权的k-空间数据。

14.根据权利要求1所述的方法，其中重建包括利用作为所述条纹能量的函数被重新缩放的线圈灵敏度图来重建。

15.一种用于减少磁共振成像系统中的条纹伪影的方法，所述方法包括：

通过所述磁共振成像系统从患者的径向扫描获取不同线圈的k-空间数据；

根据所述线圈中的每个的所述k-空间数据确定条纹能量；

根据所述条纹能量计算校正场；

根据所述k-空间数据重建所述患者的表示；

在所述重建之后，基于所述校正场来校正所述表示；以及

根据所述表示来生成图像。

16.根据权利要求15所述的方法，进一步包括基于相应的条纹能量，对于所述线圈中的不同个体，不同地对所述k-空间数据进行加权，其中重建包括根据所加权的k-空间数据来重建。

17.根据权利要求16所述的方法，其中重建包括利用针对所述线圈的线圈灵敏度图来重建，所述线圈灵敏度图基于所述相应的条纹能量而被重新缩放。

18.根据权利要求16所述的方法，其中计算所述校正场计算为从不具有所述加权的所述k-空间数据的逆非均匀快速傅立叶变换与从所加权的k-空间数据的逆非均匀快速傅立叶变换的比。

19.根据权利要求15所述的方法，其中计算所述校正场包括将所述校正场计算为线圈灵敏度图和所述条纹能量的函数。

20.一种用于条纹伪影减少的磁共振系统，所述磁共振系统包括：

多个线圈；

重建处理器，其被配置为确定所述线圈的条纹能量的重新缩放因子，并且根据患者通过所述线圈的测量来重建所述患者的区域，所述重新缩放因子被包括在所述重建的数据一致性核查中；以及

显示器，其被配置为显示如所重建的所述患者的所述区域的图像。