CN110531294A - 利用字典再压缩的磁共振指纹 - Google Patents

利用字典再压缩的磁共振指纹 Download PDF

Info

Publication number
CN110531294A
CN110531294A CN201910423694.2A CN201910423694A CN110531294A CN 110531294 A CN110531294 A CN 110531294A CN 201910423694 A CN201910423694 A CN 201910423694A CN 110531294 A CN110531294 A CN 110531294A
Authority
CN
China
Prior art keywords
magnetic resonance
dictionary
resonance fingerprint
transformation matrix
length
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910423694.2A
Other languages
English (en)
Other versions
CN110531294B (zh
Inventor
马蒂亚斯·尼特卡
格雷戈尔·克尔德费
彼得·施派尔
庞佳宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthcare GmbH
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Publication of CN110531294A publication Critical patent/CN110531294A/zh
Application granted granted Critical
Publication of CN110531294B publication Critical patent/CN110531294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4828—Resolving the MR signals of different chemical species, e.g. water-fat imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/36—Electrical details, e.g. matching or coupling of the coil to the receiver
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/38—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field
    • G01R33/385—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field using gradient magnetic field coils
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures

Landscapes

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

Abstract

本发明涉及利用字典再压缩的磁共振指纹。方法、MR系统和存储介质提供第一磁共振指纹字典，该磁共振指纹字典的指纹具有第一长度，提供至少一个变换矩阵，变换矩阵至少被设计为将指纹缩短到比第一长度短的第二长度，通过将第一磁共振指纹字典与变换矩阵相乘来获得第二磁共振指纹字典，该磁共振指纹字典的指纹具有第二长度。

Description

利用字典再压缩的磁共振指纹
技术领域
本发明涉及用于减少由磁共振指纹(“MRF”)创建的参数映射中的伪像的方法。
背景技术
获取磁共振(“MR”)图像的基本问题是扫描时间。该时间最初通过软件方法以优化的脉冲序列的形式减少，其中脉冲的翻转角、其数目、梯度的设置或各个序列部分之间的等待时间被修改。因此，可以使用FLASH方法将梯度回波图像的获取从几分钟减少到几秒钟。虽然这会改变对比度行为，但它仍然是T2 *依赖的。RARE方法作为基于自旋回波的快速成像方法是众所周知的。存在诸如GRASE或TrueFISP的其他方法，其涉及基本方法的组合。
为了实现获取时间的进一步减少，已经提出使用多个线圈用于读出扫描信号。这里，并非所有k空间线都被获取；而是仅使用多个线圈来获取所选择的选定k空间线。这也称为欠采样。为了防止由于该过程而在重建图像中出现的混叠伪影，即折叠效应，使用需要更少的k空间线的不同的重建算法，因此对k空间线的更耗时的扫描(填充)是不必要的。
这样的重建方法通常在缩写词GRAPPA(GeneRalized AutocalibratingPartially Parallel Acquisition)、SENSE(SENSitivity Encoding for fast MRI)和SMASH(SiMultaneous Acquisition of Spatial Harmonics)下被提及。
即使这些方法极大地减少了扫描时间，但获取参数映射如T1映射仍然是耗时的。因此，通常，获取具有关于物理参数的已知权重的常规图像。例如，具有长回波时间TE的FLASH序列产生T2 *加权图像。
这些定性图像可以由放射科医师或通常由医生针对特定的疾病特征进行解释。这样的解释需要大量经验，但由于仅检查信号差异的事实而保持高度主观性。
与此相比，通过使用定量MR成像技术，可以在人类中确定扫描的检查对象的绝对特性，例如特别是组织特异的T1和T2弛豫(relaxation)。特性可以例如被表示为参数映射，其以空间分辨的方式再现参数值诸如相应的弛豫时间。因此，定量技术提供了客观可比性的优点，但是，由于扫描时间长，定量技术目前很少用作例行事项。
通过使用较新的扫描方法，例如磁共振指纹方法(MRF方法)，可以将长扫描时间的缺点降低到可接受的程度。这些方法的原理是通过序列参数(翻转角、TR、梯度......)的伪随机变化生成各种物质的良好可微信号特征。物质的不同弛豫参数响应于激励模式产生不同的信号演变。将获得的信号演变与预先创建的大量模拟信号演变进行比较。单个模拟信号演变称为“指纹”。指纹的总体称为“字典”。通过改变作为表观扩散系数(apparentdiffusion coefficient)的期望的参数即T1、T2、B0、B1或ADC来模拟指纹。将测量和模拟的信号演变进行比较并且找到最佳匹配的处理称为“匹配”。与扫描的指纹特征最相似的指纹特征确定所讨论的像素的弛豫参数，例如T1和T2，这进而允许得出关于MR信号所源自的组织的结论以便创建该像素的信号。
在例如Ma等人的文章“Magnetic Resonance Fingerprinting”，Nature，495：第187至192页(2013)中描述了磁共振指纹方法。
为了生成信号演变，获取多达3000个图像。在这种情况下，每个指纹具有3000个复数数据点(complex data point)。如果期望的跨越字典的非时间维度的参数以合理的步骤变化，则即使仅改变三个参数，字典也可以容易地包含数万个指纹。然后，字典包括几千兆字节的数据。对于四个参数，已经可以达到太字节的数量级。此外，匹配时间增加。
为了减少处理时间，已知对字典进行压缩。这在McGivney等人的文章“SVDCompression for Magnetic Resonance Fingerprinting in the Time Domain”，IEEETransactions on Medical Imaging，33(12)：第2311至2322页(2014)中进行描述。
在那里，作为矩阵的未压缩字典D根据奇异值分解被因式分解：
D＝U∑V*
其中，U∈Cpxp和V∈Cqxq是酉矩阵，并且是包含非增加奇异值σi；i＝1，...，min{p，q}的对角矩阵。
然后，通过低秩近似对字典D进行近似，
其中，k＜r，r＝rank(D)。
通过将未压缩字典与所谓的压缩矩阵Vk相乘来计算压缩字典Dk：
在所描述的操作之后，具有：包括奇异值的矩阵∑k、具有基矢量的压缩矩阵Vk和包括基矢量的系数的压缩字典Dk。
为了将获取的信号演变与压缩字典Dk的内容相匹配，还必须对信号演变x进行压缩：
压缩矢量xk还包含压缩矩阵Vk的基矢量的系数。然后，可以通过将xk的系数与Dk的系数进行比较来执行匹配处理。
该处理同时减少磁盘使用和处理时间。
与包含所有时间点的常规MRF字典相比，执行获取的信号与压缩的MRF字典之间的完全模板匹配可能在计算上较不密集。尽管做了这些努力，但是MRF重建仍然是挑战，因为压缩的字典仅适合预先给定的限定长度的指纹。
发明内容
本发明的目的是在用于创建信号演变的图像的数目方面是灵活的。
根据本发明的一个方面，提供了一种用于创建与当前获取的信号演变的长度相对应的字典的方法，方法包括以下方法步骤：
首先，提供第一磁共振指纹字典，该磁共振指纹字典的指纹具有第一长度。如上所述，第一磁共振指纹字典包括关于模拟信号演变的信息，所谓的指纹。指纹具有作为可用的模拟信号演变的最大长度的第一长度。因此，第一长度在时域中并且是未压缩的第一磁共振字典的维度之一。
第二，提供至少一个变换矩阵，变换矩阵至少被设计为将指纹缩短到比第一长度短的第二长度。变换矩阵可以同时完成几个步骤。它必须至少缩短指纹。然后，第二长度总是比第一长度短。这样做必须只提供在存储介质上始终可用的一个字典以及要创建的每个附加字典的变换矩阵。变换矩阵的大小小于完整的字典，因此可以减少存储空间。第二长度也在时域中并且是第二磁共振指纹字典的维度之一。
第三，通过将第一磁共振指纹字典与变换矩阵相乘来获得第二磁共振指纹字典，该磁共振指纹字典的指纹具有第二长度。在创建第二磁共振指纹字典之后，可以确定与信号演变相关联的参数。
设第一长度为3000。这里总是意指复数数据点。第一字典可以用于确定通过使用创建3000个图像的MRF脉冲序列获取的参数。当然，用于创建第一字典的指纹的模拟算法基于脉冲序列的扫描参数。
如果图像的数目减少到例如2000，则匹配过程明显将失败。第一字典不能用于确定信号演变的参数。
一种解决方案是提供第二字典，其指纹具有正确的长度，在这种情况下为2000。为了节省存储空间，可以提供第一磁共振指纹字典和将第一磁共振字典变换为具有期望的较短长度的第二磁共振指纹字典的变换矩阵，在这种情况下，针对每个指纹，2000个复数数据点。
由于理论上可能需要2999个另外的字典，因此明显的是，变换矩阵的使用有助于针对可用指纹的每个长度节省存储空间。
第一磁共振指纹字典和第二磁共振指纹字典的第二维度通常由指纹的数目给出并且在缩短处理期间保持不变。
因此，现在可以仅存储具有第一长度的一个第一磁共振指纹字典，第一长度是可用的最大长度。可以通过变换矩阵将这样的第一字典变换为期望的较短长度(第二长度)的第二字典，变换矩阵可以预先计算并且提供在MRI系统上。根据有用的实施方式，提供了许多变换矩阵，其被设计成将指纹缩短为许多不同的第二长度，即针对各种第二长度。
第一磁共振指纹字典可以以压缩状态存储，例如，它可以通过SVD压缩而已被压缩。例如，它通过适用于第一长度的压缩矩阵而已被压缩。这具有以下优点：第一字典需要甚至更少的存储空间。
根据有用的实施方式，变换矩阵还被设计为对第一磁共振指纹字典进行解压缩，尤其是如果第一磁共振指纹字典处于压缩状态。可以通过适用于第一长度的压缩矩阵的附加(adjunct)的相乘来完成解压缩。
通过与用于较短(第二)长度的压缩矩阵进一步相乘，接收具有较短(第二)长度的压缩的第二磁共振成像指纹字典。因此，在有用的实施方式中，变换矩阵可以是解压缩矩阵和压缩矩阵的乘积，例如，适用于第一长度的压缩矩阵的附加和用于较短(第二)长度的压缩矩阵。从而，可以节省存储空间。
根据有用的实施方式，变换矩阵还被设计为对第二磁共振指纹字典进行压缩，特别地如上所述那样。同样，这节省了存储空间。通常，这样的压缩与信息丢失相关联，因为这将导致有效的数据压缩。
根据有用的实施方式，第二磁共振指纹字典被压缩到比第一磁共振指纹字典的秩低的秩。
本发明还涉及一组变换矩阵，用于将第一磁共振指纹字典的指纹缩短到比第一长度短的一组第二长度，如本文所述那样。
根据本发明的另一方面，公开了一种磁共振成像(MRI)系统，包括：磁体系统，被配置成围绕布置在MRI系统中的对象的至少一部分生成极化磁场；多个梯度线圈，被配置成将梯度场施加到极化磁场；射频(RF)系统，被配置成将激励场施加到对象并且从感兴趣区域(ROI)获取MR图像数据；存储介质，提供第一磁共振指纹字典和变换矩阵，变换矩阵被设计成将第一磁共振指纹字典变换为第二磁共振指纹字典，第二磁共振指纹字典比第一磁共振指纹字典小并且对应于测量的信号演变的长度；计算机系统，被编程为：控制多个梯度线圈和RF系统，以从对象获取磁共振指纹(MRF)数据；根据MRF数据重建图像的MRF时间系列；从图像的时间系列获得信号演变；获得第二磁共振指纹字典；通过将信号演变与第二磁共振指纹字典进行匹配来获得MR参数；根据所匹配的参数生成MR参数映射。
MRI系统与已知系统的不同之处在于提供变换矩阵，该变换矩阵可以将第一磁共振指纹字典分别变换为较小且具有较短长度的第二磁共振指纹字典。
本发明还涉及一种能够执行根据本发明的方法的处理器。这样的处理器可以是用于控制MRI系统的工作站的一部分，但是也可以是任何独立计算机、PC、云计算机、服务器、客户端服务器架构或任何手持设备诸如平板计算机或移动电话或者便携式设备如膝上型计算机的一部分。
根据本发明的另一方面，提供了一种非暂态计算机可读存储介质，该存储介质存储计算机可执行指令，计算机可执行指令在由计算机执行时控制计算机执行用于创建与期望长度(特别是当前获取的信号演变的长度)相对应的字典的方法，方法包括以下方法步骤：
提供第一磁共振指纹字典，该磁共振指纹字典的指纹具有第一长度，
提供至少一个变换矩阵，变换矩阵至少被设计为将指纹缩短到比第一长度短的第二长度，
通过将第一磁共振指纹字典与变换矩阵相乘来获得第二磁共振指纹字典，该磁共振指纹字典的指纹具有第二长度。
根据本发明的另一方面，提供了一种具有软件代码部分的计算机程序，软件代码部分当在处理器上被执行时使处理器执行本发明的方法。
关于本发明的一个方面说明的本发明的所有优点、特征和实施方式适用于本发明的任何其他方面。
附图说明
通过参考以下结合附图进行的描述，本公开内容的前述和其他目的、方面、特征和优点将变得更加明显和更好理解，在附图中：
图1示出了MRI系统。
图2示出了使用MRF生成参数映射的方法。
图3示出了将信号演变与指纹进行比较的示例方法。
图4示出了示例方法。
图5示出了生成第二磁共振指纹字典的示例方法。
图6示出了生成第二磁共振指纹字典的示例方法。
图7示出了生成第二磁共振指纹字典的示例方法。
图8示出了MRF脉冲序列的翻转角分布。
图9示出了MRF脉冲序列的翻转角分布。
图10示出了存储介质。
具体实施方式
如这里描述的设备、存储介质和方法的示例性实施方式用于通过提供针对磁共振指纹字典的变换矩阵来改进常规的磁共振指纹(MRF)，以使字典适用于当前的扫描参数。MRF获取并处理磁共振(MR)数据，以通过模式识别同时提供不同组织参数的定量映射。预定义的磁共振指纹字典可以通过使用例如具有各种MR参数的不同组合的Bloch方程来对模拟的可能的信号演变进行建模。MR参数可以是组T1、T2、T2 *、B0、B1、ADC、M0中的一个或更多个。可以通过计算字典中的噪声信号与预测信号之间的内积来完成模式识别。字典还可以存储先前观察到的信号演变。
示例系统、存储介质和方法将压缩应用于第一磁共振指纹字典。在时域中减小MRF字典的大小产生组织参数(例如，T1、T2、非共振)的更快的重建，而不牺牲MRF的准确性。
示例系统、存储介质和方法将SVD作为压缩方法应用于第一磁共振指纹字典。如果正确应用，则奇异值分解的使用允许压缩而没有信息丢失。
示例系统、存储介质和方法可以包括解压缩矩阵以对第一磁共振指纹字典进行解压缩。压缩的第一磁共振字典Dc1可以通过对其乘以解压缩矩阵Vk -1来被解压缩到未压缩的字典D1(其中原始字典可能不准确地但是近似地再现)：
为了阐明详细示例给出了具体值。设n为指纹的时间点的数目，m为指纹的数目，并且l为压缩后的数据点的数目。一些示例值是m＝5000、n＝3000和l＝200。然后给出以下：和
索引1表示第一磁共振指纹字典。未压缩的字典具有字母D，压缩的字典具有字母Dc。这也适用于第二字典。
第二磁共振指纹字典可以通过将第一磁共振指纹字典D1与变换矩阵Tjxn相乘来实现：
D2≈Tj×n*D1。
变换矩阵仅缩短包括具有第一长度的指纹的第一磁共振指纹字典D1。第二维度是指纹的数目m，这里保持不变。第一长度由n给出。字典缩短为j个数据点。设j为2000，那么以及这里指纹的长度为j，这是第二长度。这意味着在时间维度上将第一磁共振指纹字典D1从m缩短到j。指纹的数目m保持不变。
示例系统和方法可以包括变换矩阵，其被设计为对第一磁共振指纹字典进行解压缩。然后，变换矩阵是解压缩和缩短的步骤的组合，并且表示为Tjxl：
D2≈Tj×l*Dc1。
变换矩阵对第一磁共振指纹字典Dc1进行解压缩和缩短，其包括矩阵Vk的基矢量的系数。变换矩阵Tjxl可以通过缩短矩阵Tjxn和解压缩矩阵Vk -1的组合来实现：
示例系统、存储介质和方法可以包括变换矩阵T，其被设计为对第二磁共振指纹字典Dc2进行压缩。如果第一磁共振指纹字典D1未被压缩，则变换矩阵Tixn缩短第一磁共振指纹字典D1并将第二磁共振指纹字典D2压缩为在压缩维度中具有大小i的压缩矩阵Dc2：
Dc2＝Ti×n*D1
其中变换矩阵Tixn由下式给出：
Ti×n＝Vi×j*Tj×n。
因此，变换矩阵是将矩阵在一维中从j压缩到i的压缩矩阵的乘积。符号表示矩阵Tixn具有i x n的维度并且具有复数数据点。
示例系统、存储介质和方法可以包括第二磁共振指纹字典Dc2，其被压缩到比第一磁共振指纹字典D1的秩k1低(特别是比压缩的第一磁共振指纹字典D1的秩kc1低)的秩kc2。秩kc2可以很小使得发生信息丢失。这是可以忽略的，因为第二磁共振指纹字典Dc2未被进一步处理。相反，这加速了匹配处理。然后，i可以被设置为20。
因此，压缩的磁共振指纹字典Dc2的大小可以小于第一磁共振指纹字典Dc1的大小的25％。在实施方式中，压缩的第二磁共振指纹字典Dc2的大小小于压缩的第一磁共振指纹字典Dc1的大小的10％。
示例系统和方法可以将SVD作为压缩方法应用于第二磁共振指纹字典Dc2。
示例系统、存储介质和方法可以包括变换矩阵，其被设计为对第一磁共振指纹字典Dc1进行解压缩，缩短解压缩的第一磁共振指纹字典D1并且对第二磁共振指纹字典Dc2进行压缩。然后，变换矩阵是解压缩、缩短、压缩的步骤的组合，并且表示为Tixl：
Dc2≈Ti×l*Dc1
其中，变换矩阵由下式给出：
这里，变换矩阵Tixl通过压缩矩阵缩短矩阵Tjxn和解压缩矩阵的组合来实现。维度由 和给出。
示例系统、存储介质和方法可以包括在匹配之前对信号演变进行压缩。如果第二字典Dc2被压缩，那么信号演变y也必须被压缩为压缩的信号演变yc：
yc＝Vi×j*y。
然后，匹配工作如下：
信号演变yc具有第二长度并且比第一长度小。在压缩之后，矢量yc具有属于包括基矢量的矩阵Vixj的系数。这里，以及这描述了y是具有j个数据点的单列矢量，并且yc是具有i个复数数据点的单列矢量。
示例系统、存储介质和方法可以包括在执行生成原始数据的MRF脉冲序列之前计算和存储第一磁共振指纹字典D1或Dc1以及变换矩阵T。特别地，它们可以在交付MR系统之前被存储。
示例系统、存储介质和方法可以包括具有两个维度的第二磁共振指纹字典和第一磁共振指纹字典，其中的一个在时域中并且在时域中执行缩短过程。
示例系统、存储介质和方法可以包括具有两个维度的第二磁共振指纹字典和第一磁共振指纹字典，其中的一个在时域中并且在时域中执行压缩。
示例系统、存储介质和方法可以包括具有两个维度的第二磁共振指纹字典和第一磁共振指纹字典，其中的一个是指纹的数目。
这可以通过附图详细说明：
图1示出了具有磁体系统的磁共振系统1。MR系统1还包括：三个梯度线圈2、3和4，其被配置为将梯度场施加到极化磁场。为了将激励场施加到对象并且从ROI获取MR图像数据，提供了具有两个RF线圈5和6的射频(RF)系统。
RF线圈5实现为励磁线圈，并且RF线圈6实现为检测线圈。RF线圈6通常适用于患者的特定部分，例如，作为“头部线圈”、“胸部线圈”或“膝盖线圈”。RF线圈5也称为“体线圈”，并且比RF线圈6灵敏度低，但在更大的区域上是均匀的。RF线圈6可以被设计为允许并行成像的线圈阵列。
梯度线圈2、3和4在相互正交的方向上产生梯度场。为了在预定方向、切片(slice)方向、读取方向或相位编码方向上产生作为结果的梯度，两个梯度线圈或所有三个梯度线圈2、3和4的梯度场也可以叠加。因此，仅在特殊情况下，梯度与单个梯度线圈的梯度场相同，并且梯度通常是多个梯度场的叠加。
此外，MR系统1提供存储介质7。存储介质7存储第一磁共振指纹字典和变换矩阵，变换矩阵被设计为将第一磁共振指纹字典变换为第二磁共振指纹字典。稍后详细描述存储介质7。
第一磁共振指纹字典可以是未压缩的第一磁共振指纹字典D1或经压缩的第一磁共振指纹字典Dc1。变换矩阵T可以被设计为缩短矩阵Tjxn、解压缩和缩短矩阵Tjxl、缩短和压缩矩阵Tixn或解压缩、缩短和压缩矩阵Tixl。
第一磁共振指纹字典D1的指纹具有第一长度n，系数的数目可以具有l的数目。
为了覆盖比第一长度n短的信号演变，使用变换矩阵T。取决于第一磁共振指纹字典和第二磁共振指纹字典的压缩状态，使用变换矩阵Tjxn、Tixn、Tjxl或Tixl中的一个。
另外，MR系统1具有计算机系统8，计算机系统8具有处理器9，处理器9被编程为控制多个梯度线圈2、3、4和包括RF线圈5和6的RF系统，以从对象获取磁共振指纹(MRF)数据；以根据MRF数据重建图像的MRF时间系列(time series)；以从图像的时间系列获得信号演变；以获得第二磁共振指纹字典D2；以通过将信号演变与第二磁共振指纹字典进行匹配来获得MR参数；以及以根据匹配的参数生成MR参数映射。
图2示出了使用磁共振指纹生成参数映射的示例方法200。在210处，执行MRF脉冲序列。MRF脉冲序列被设计成获取原始数据。在应用脉冲序列期间，至少一个扫描参数例如回波时间TE、翻转角α或重复时间TR改变以随时间在所获取的信号中创建限定的变化。原始数据包括用于生成一定数目的图像的信息或由所述信息组成，这在220处完成。同样，图像的数目是可以改变的扫描参数。
在重建图像之后，在230处从图像确定信号演变。通过将图像系列(image series)的每个图像的给定像素的信号幅度与矢量相加来接收信号演变，其然后是该像素的信号演变。
方法200还包括，在240处，在确定第一磁共振指纹字典的长度与在210处获取的图像系列的长度不对应时，使用变换矩阵T创建第二磁共振字典。稍后详细描述生成第二磁共振指纹字典的各种实施方式。
然后在250处，将信号演变与字典的条目进行比较。如果字典被压缩，则该步骤可以包括信号演变的压缩。然后，针对每个信号演变，可得到一组参数如T1、T2等。
在260处，这些参数用于针对每个参数创建参数映射。
如果第一磁共振指纹字典适合，那么可以在270和280处完成信号演变的长度、参数映射的匹配和创建的步骤，而不生成第二磁共振指纹字典。
确定第一磁共振字典的长度是否适合的步骤不一定直接在匹配处理之前完成。实际上，可以在要获取的图像的数目固定之后的任何时间执行。然后，第二磁共振指纹字典的生成可以与原始数据的获取并行完成或者在图像系列的重建期间完成。
图3示出了将信号演变与字典条目进行比较的示例方法300，其可以在方法200的部分250或270期间发生。
在310处，接收信号演变y。然后必须确定：如果在使用字典，则第一磁共振指纹字典或第二磁共振指纹字典是否是压缩字典。
在压缩字典的情况下，在320处，信号演变也被压缩。这通过使用用于对字典Dc2进行压缩的相同压缩矩阵Vixj来执行。在信号演变y的压缩之后，可以在330处进行比较。这里，在SVD域内对系数进行比较。
否则，可以在340处立即进行比较。该比较发生在时域中。
图4示出了在第一实施方式中创建第二磁共振指纹字典D2的示例方法400，其可以在方法200的部分240期间发生。
应该提到的是，将存在多于一个的变换矩阵T，独立于以下实施方式。第一磁共振指纹字典D1限定了图像的最大数目，其等于信号演变的长度。
为了恢复对应于较短长度的字典，需要生成针对每个长度的变换矩阵。可以通过允许有限可能数目的图像来限制变换矩阵的数目。然后，信号演变的长度也仅具有有限数目的可能值。
例如，图像的数目可以仅是100的倍数。然后，要获取的图像的数目可以是100、200、300、...、3000。那么仅需要30个变换矩阵T，一个用于将第一磁共振指纹字典缩短到100个数据点的长度，一个用于将第一磁共振指纹字典缩短到200个数据点的长度等。
在410处，选择关于信号演变的长度具有合适长度的变换矩阵Tjxn。
然后，在420处，将未压缩的第一磁共振字典D1与变换矩阵Tjxn相乘，以接收未压缩的第二磁共振字典D2。
然后，可以在时域中执行匹配处理。在使用之后，可以再次删除第二磁共振字典D2。
根据图4的实施方式节省了存储空间，因为变换矩阵Tjxn小于第二磁共振字典D2。
图5示出了在第二实施方式中创建第二磁共振指纹字典D2的示例方法500，其可以在方法200的部分240期间发生。
在510处，选择关于信号演变的长度j具有合适长度的变换矩阵Tjxl。如之前数次提到的，必须针对要生成的每个长度j存储变换矩阵。
在第二实施方式中，第一磁共振指纹字典Dc1被压缩。因此，在520处，变换矩阵Tjxl对压缩的第一磁共振字典Dc1进行解压缩并将其缩短为未压缩的第二磁共振指纹字典D2：
D2＝Tj×l*Dc1。
第一磁共振指纹字典Dc1永久存储；因此，期望所使用的磁盘空间的最小化。
图6示出了在第三实施方式中创建压缩的第二磁共振指纹字典Dc2的示例方法600，其可以在方法200的部分240期间发生。
在610处，选择关于信号演变的长度具有合适长度的变换矩阵Tixn。
在第二实施方式中，第一磁共振指纹字典D1未被压缩。因此，在620处，变换矩阵Tixn缩短第一磁共振字典D1并将其压缩到压缩的第二磁共振指纹字典Dc2的长度i：
Dc2＝Ti×n*D1。
可以在有信号丢失或没有信号丢失的情况下执行第二磁共振指纹字典Dc2的压缩。由于以下两个原因，压缩到具有显著信息丢失的秩是优选的：
首先，可以更频繁地使用第二磁共振指纹字典Dc2并且将其存储更长时间。由于字典Dc2对于每个第二长度j是必要的，因此可以存储几个字典Dc2。第二，匹配处理越快，第二磁共振指纹字典Dc2越小。换句话说，匹配处理的速度与第二MRF字典Dc2的大小相反地对应。
图7示出了在第四实施方式中用于创建压缩的第二磁共振指纹字典Dc2的示例性方法700，其可以在方法200的部分240期间发生。
在710处，选择关于信号演变的长度具有合适长度的变换矩阵Tixl。
在第四实施方式中，第一磁共振指纹字典Dc1被压缩。因此，在720处，变换矩阵Tixl对压缩的第一磁共振字典Dc1进行解压缩，将其缩短并且将其压缩到压缩的第二磁共振指纹字典Dc2的长度i：
Dc2＝Ti×l*Dc1。
在这里，实现了压缩的所有益处。第四实施方式是关于第二磁共振指纹字典Dc2的生成的最佳模式示例。
图8示出了用于创建六百个图像的可能的翻转角分布。图8示出了关于图像数目的翻转角曲线800。为了创建图像，可以使用具有螺旋读数(spiral readout)的FISP序列。然后执行一个激励脉冲，并且可以在一个拍摄(shot)中获取总体图像。每个翻转角然后代表一个图像。
如果第一磁共振指纹字典Dc1被设计用于作为第一长度n的特定数目的例如3000个图像，那么变换矩阵根据所获取的图像的数目将其缩短为作为第二长度j的600个数据点。如上所述，根据像素方式(pixel-wise)的600个图像实现信号演变。
这由区域810示出，区域810隐藏了由变换矩阵Tixl移除的元素。
可以对第一磁共振指纹字典Dc1和第二磁共振指纹字典Dc2进行压缩。
图9示出了当MRF脉冲序列包括不同脉冲序列时的缩短结果。曲线900再次表示翻转角。使用FISP序列获取第一块910中的前200个图像。接下来是在第二块920中利用FLASH序列获取的四百个图像。第一磁共振指纹字典Dc1被设计用于第一块910中的六百个图像和第二块920中的八百个图像。第一块910和第二块920之后可以是其他块，从而可以总共获取3000个图像。
然后，变换矩阵Tixl移除指纹中间和末尾的数据点。这由掩蔽区域930和940指示。
应该注意，曲线800和900未示出信号演变或指纹；而是，它们示出翻转角曲线。每个翻转角属于图像，并且每个图像向信号演变添加数据点。因此，即使信号演变可能具有完全不同的形状，翻转角也代表信号演变的数据点。
图10更详细地示出了图1中引入的存储介质7。可以看出，存储了压缩的第一磁共振指纹字典Dc1。其维度为l x m，并且例如因此，在SVD域中存在具有200个数据点的长度的5000个指纹。第一长度n不能直接看到。另外，可以发现多个变换矩阵。它们具有维度以针对不同的第二长度j在不同变换矩阵之间清楚地区分。长度1总是相同的并且匹配第一字典Dc1的长度l。这些变换矩阵可以用于生成具有维度j×m(这里是j×5000)的第二磁共振指纹字典D2。
明显的是，那里代替变换矩阵的可以是存储的多个变换矩阵那里使用索引i的可以是具有相同的索引i和l的不同的变换矩阵Ti×l。这可能发生，因为矩阵由下式给出：
参见上面。然后它们可以不同，因为即使索引i和l是相同的，它们是使用不同的矩阵生成的。
i、j、l、m和n的示例值仅用于说明目的，并且不应该将本发明限制于这些值。
如果在存储介质或MR系统上不能找到与所获取的信号演变的长度相对应的长度的变换矩阵，则可以关于所使用的MRF脉冲序列来计算变换矩阵。这可以在MR系统上进行，也可以在外部例如在大容量计算机上进行。

Claims (15)

1.一种方法，包括：
提供第一磁共振指纹字典(Dc1)，所述磁共振指纹字典的指纹具有第一长度，
提供至少一个变换矩阵(Tix1)，所述变换矩阵至少被设计为将所述指纹缩短到比所述第一长度短的第二长度，
通过将所述第一磁共振指纹字典与所述变换矩阵(Tix1)相乘来获得第二磁共振指纹字典(D2)，所述磁共振指纹字典的指纹具有所述第二长度。
2.根据权利要求1所述的方法，其中，对所述第一磁共振指纹字典进行压缩。
3.根据前述权利要求中的一项所述的方法，还包括：所述变换矩阵(Tix1)被设计为对所述第一磁共振指纹字典进行解压缩。
4.根据前述权利要求中的一项所述的方法，还包括：所述变换矩阵(Tix1)被设计为对所述第二磁共振指纹字典进行压缩。
5.根据前述权利要求中的一项所述的方法，其中，所述第二磁共振指纹字典用于匹配具有所述第二长度的信号演变。
6.根据权利要求5所述的方法，其中，在匹配之前，对所述信号演变进行压缩。
7.根据前述权利要求中的一项所述的方法，其中，根据使用MRF脉冲序列的所获取图像的数目从多个变换矩阵(Tix1，Tixn)中选择所述变换矩阵。
8.一种磁共振成像MRI系统(1)，包括：
磁体系统(2)，其被配置成围绕布置在所述MRI系统中的对象的至少一部分生成极化磁场；
多个梯度线圈(2，3，4)，其被配置成将梯度场施加到所述极化磁场；
射频RF系统(5)，其被配置成将激励场施加到对象并且从ROI获取MR图像数据；
存储介质，其提供第一磁共振指纹字典和多个变换矩阵，所述变换矩阵被设计成将所述第一磁共振指纹字典变换为第二磁共振指纹字典，所述第二磁共振指纹字典具有比所述第一磁共振指纹字典的第一长度短的第二长度；
计算机系统，其被编程为：
控制所述多个梯度线圈(2，3，4)和所述RF系统，以从对象获取磁共振指纹MRF数据；
根据所述MRF数据重建图像的MRF时间系列；
从所述图像的时间系列获得信号演变；
获得所述第二磁共振指纹字典；
通过将所述信号演变与所述第二磁共振指纹字典进行匹配来获得MR参数；
根据所匹配的参数生成MR参数映射。
9.根据权利要求8所述的MR系统，其中，所述第二磁共振指纹字典的大小小于所述第一磁共振指纹字典的大小的25％。
10.根据权利要求8或9所述的MR系统，其中，计算机程序被编程为根据按MRF脉冲序列选择的图像的数目从多个变换矩阵中选择变换矩阵。
11.根据权利要求8至10中的一项所述的MR系统，其中，所述第一磁共振字典被压缩。
12.一种非暂态计算机可读存储介质，其存储计算机可执行指令，所述计算机可执行指令在由计算机执行时控制所述计算机执行用于产生第二磁共振指纹字典的方法，包括：
提供第一磁共振指纹字典，所述磁共振指纹字典的指纹具有第一长度，
提供多个变换矩阵，所述变换矩阵至少被设计为将所述指纹缩短到比所述第一长度短的第二长度，
根据使用MRF脉冲序列的所获取图像的数目选择所述变换矩阵之一，
通过将所述第一磁共振指纹字典与所述变换矩阵相乘来获得所述第二磁共振指纹字典，所述磁共振指纹字典的指纹具有所述第二长度。
13.根据权利要求12所述的非暂态计算机可读存储介质，其中，所述第一磁共振字典被压缩。
14.根据权利要求13所述的非暂态计算机可读存储介质，还包括被设计为对所述第一磁共振指纹字典进行解压缩的变换矩阵。
15.根据权利要求12、13或14所述的非暂态计算机可读存储介质，还包括被设计为对所述第二磁共振指纹字典进行压缩的变换矩阵。
CN201910423694.2A 2018-05-24 2019-05-21 利用字典再压缩的磁共振指纹 Active CN110531294B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862675893P 2018-05-24 2018-05-24
US62/675,893 2018-05-24

Publications (2)

Publication Number Publication Date
CN110531294A true CN110531294A (zh) 2019-12-03
CN110531294B CN110531294B (zh) 2022-02-08

Family

ID=66589333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910423694.2A Active CN110531294B (zh) 2018-05-24 2019-05-21 利用字典再压缩的磁共振指纹

Country Status (3)

Country Link
US (1) US11209511B2 (zh)
EP (1) EP3572825A3 (zh)
CN (1) CN110531294B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201800001367A1 (it) * 2018-01-19 2019-07-19 Dellorso Andrea Metodo per eliminare artefatti da aliasing in un'immagine di risonanza magnetica
US10761167B2 (en) * 2018-05-18 2020-09-01 Case Western Reserve University System and method for generating a magnetic resonance fingerprinting dictionary using semi-supervised learning
DE102018209584A1 (de) * 2018-06-14 2019-12-19 Siemens Healthcare Gmbh Magnetresonanz-Fingerprinting-Verfahren
EP3629048A1 (de) 2018-09-27 2020-04-01 Siemens Healthcare GmbH Niederfeld-magnetresonanz-fingerprinting
US20230168323A1 (en) * 2020-04-27 2023-06-01 Nanalysis Corp. Methods and systems for acquiring magnetic resonance data from a sample

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1083752A1 (en) * 1999-09-08 2001-03-14 STMicroelectronics S.r.l. Video decoder with reduced memory
US20020009143A1 (en) * 2000-06-27 2002-01-24 Bamboo Mediacasting, Inc. Bandwidth scaling of a compressed video stream
CN1585472A (zh) * 2003-08-20 2005-02-23 三星电子株式会社 再压缩和再记录记录数据的图像记录和再现装置及其方法
US20120045139A1 (en) * 2010-03-10 2012-02-23 Demidov Lilia Real-time multi-block lossless recompression
US20150302579A1 (en) * 2014-04-21 2015-10-22 Case Western Reserve University Nuclear Magnetic Resonance (NMR) Fingerprinting With Singular Value Decomposition (SVD) Compression
US20170115368A1 (en) * 2015-10-23 2017-04-27 Siemens Healthcare Gmbh Iterative Magnetic Resonance Fingerprinting Reconstruction
CN107105298A (zh) * 2017-05-22 2017-08-29 山东大学 一种医学图像压缩方法
US20180203082A1 (en) * 2017-01-17 2018-07-19 Case Western Reserve University System and Method for Low Rank Approximation of High Resolution MRF Through Dictionary Fitting

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170234951A1 (en) * 2016-02-11 2017-08-17 The General Hospital Corporation Systems and methods for improved reconstruction of magnetic resonance fingerprinting data with low-rank methods
US20180231626A1 (en) * 2017-02-10 2018-08-16 Case Western Reserve University Systems and methods for magnetic resonance fingerprinting for quantitative breast imaging
US10436871B2 (en) * 2017-04-24 2019-10-08 Cedars-Sinai Medical Center Low-rank tensor imaging for multidimensional cardiovascular MRI
EP3629047A1 (de) 2018-09-27 2020-04-01 Siemens Healthcare GmbH Magnetresonanz-fingerprinting-verfahren basierend auf ähnlichkeitswerten

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1083752A1 (en) * 1999-09-08 2001-03-14 STMicroelectronics S.r.l. Video decoder with reduced memory
US20020009143A1 (en) * 2000-06-27 2002-01-24 Bamboo Mediacasting, Inc. Bandwidth scaling of a compressed video stream
CN1585472A (zh) * 2003-08-20 2005-02-23 三星电子株式会社 再压缩和再记录记录数据的图像记录和再现装置及其方法
US20120045139A1 (en) * 2010-03-10 2012-02-23 Demidov Lilia Real-time multi-block lossless recompression
US20150302579A1 (en) * 2014-04-21 2015-10-22 Case Western Reserve University Nuclear Magnetic Resonance (NMR) Fingerprinting With Singular Value Decomposition (SVD) Compression
US20170115368A1 (en) * 2015-10-23 2017-04-27 Siemens Healthcare Gmbh Iterative Magnetic Resonance Fingerprinting Reconstruction
US20180203082A1 (en) * 2017-01-17 2018-07-19 Case Western Reserve University System and Method for Low Rank Approximation of High Resolution MRF Through Dictionary Fitting
CN107105298A (zh) * 2017-05-22 2017-08-29 山东大学 一种医学图像压缩方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DEBRA F MCGIVNEY ET AL.: "SVD compression for magnetic resonance fingerprinting in the time domain", 《IEEE TRANS MED IMAGING》 *
李敏 等: "磁共振指纹成像技术及其最新进展", 《中国科学》 *

Also Published As

Publication number Publication date
CN110531294B (zh) 2022-02-08
EP3572825A2 (en) 2019-11-27
US20190361080A1 (en) 2019-11-28
US11209511B2 (en) 2021-12-28
EP3572825A3 (en) 2019-12-11

Similar Documents

Publication Publication Date Title
CN110531294A (zh) 利用字典再压缩的磁共振指纹
Wang et al. DIMENSION: dynamic MR imaging with both k‐space and spatial prior knowledge obtained via multi‐supervised network training
Cole et al. Analysis of deep complex‐valued convolutional neural networks for MRI reconstruction and phase‐focused applications
KR101674848B1 (ko) 핵 자기 공명(nmr) 핑거프린팅
US8379951B2 (en) Auto calibration parallel imaging reconstruction method from arbitrary k-space sampling
US8638096B2 (en) Method of autocalibrating parallel imaging interpolation from arbitrary K-space sampling with noise correlations weighted to reduce noise of reconstructed images
US10996306B2 (en) MRI system and method using neural network for detection of patient motion
Shi et al. Parallel imaging and compressed sensing combined framework for accelerating high‐resolution diffusion tensor imaging using inter‐image correlation
US9709650B2 (en) Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images
Zhu et al. Compressed Sensing‐Based MRI Reconstruction Using Complex Double‐Density Dual‐Tree DWT
Zhou et al. Parallel imaging and convolutional neural network combined fast MR image reconstruction: Applications in low‐latency accelerated real‐time imaging
US20170115368A1 (en) Iterative Magnetic Resonance Fingerprinting Reconstruction
US10180476B2 (en) Systems and methods for segmented magnetic resonance fingerprinting dictionary matching
US10806370B1 (en) MRI system and method for detection and correction of patient motion
EP3256870B1 (en) Method for constructing image from mri data
US20180172788A1 (en) Robust Principal Component Analysis for Separation of On and Off-resonance in 3D Multispectral MRI
US20100013472A1 (en) Method and apparatus for coil array compression
Mani et al. Model-based deep learning for reconstruction of joint kq under-sampled high resolution diffusion MRI
US20140185894A1 (en) Complex reconstruction of q-space for simultaneous detection of coherent and incoherent motion
Yaman et al. Self-supervised physics-guided deep learning reconstruction for high-resolution 3D LGE CMR
Cheng et al. Compressed sensing: From research to clinical practice with data-driven learning
Jin et al. Improving accelerated MRI by deep learning with sparsified complex data
CN110709721B (zh) 用于使用并行发射射频线圈阵列的同时多切片磁共振指纹成像的系统和方法
US11385311B2 (en) System and method for improved magnetic resonance fingerprinting using inner product space
Ke et al. CRDN: cascaded residual dense networks for dynamic MR imaging with edge-enhanced loss constraint

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant