CN111009020A - 图像重建方法、装置、计算机设备和存储介质 - Google Patents
图像重建方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111009020A CN111009020A CN201911211560.0A CN201911211560A CN111009020A CN 111009020 A CN111009020 A CN 111009020A CN 201911211560 A CN201911211560 A CN 201911211560A CN 111009020 A CN111009020 A CN 111009020A
- Authority
- CN
- China
- Prior art keywords
- space data
- reconstructed
- reconstruction
- real
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种图像重建方法、装置、计算机设备和存储介质。所述方法包括:基于屏气扫描采集实时电影K空间数据;对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;对所述重建K空间数据赋予心电信号以及权重;根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。通过将实时动态成像技术与节段化成像技术相结合,能够得到高时间分辨率、高空间分辨率以及高信噪比的重建图像。
Description
技术领域
本申请涉及医疗设备技术领域,特别是涉及一种图像重建方法、装置、计算机设备和存储介质。
背景技术
磁共振成像(MR)是一种非常强大的成像方法。该技术可以在无损伤,无电离辐射的情况下得到样品/组织内部的高对比度清晰图像,在各个领域,尤其是医学诊断中得到了广泛应用。与其他辅助成像检查手段相比,核磁共振具有成像参数多、扫描速度快、组织分辨率高和图像更清晰等优点。能够发现早期病变,目前已经成为肿瘤、心脏病及脑血管疾病早期筛查的利器。实时心脏电影是使用电影方式连续显示在单一层面一个心动周期内多幅不同时间的心脏图像,可以直接观察心肌壁运动情况。其主要用于心脏局部、整体功能(射血分数、每搏输出量、心肌质量、心壁收缩期增厚率等)的评价,是心脏磁共振常规检查序列之一。
然而,目前实时心脏电影的实时动态成像方法有很大的局限性,MR图像质量有三个关键性的指标:时间分辨率、空间分辨率以及信噪比。高时间分辨率要求完成一幅图像数据采集的越少越好,因为采集数据的正比于采集时间;然而高空间分辨率和高信噪比就要求每幅图像采集的数据越多越好。实时心脏电影无法同时使三个指标提高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够同时提高的时间分辨率、空间分辨率以及信噪比的图像重建方法、装置、计算机设备和存储介质。
一种图像重建方法,所述方法包括:基于屏气扫描采集实时电影K空间数据;对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;对所述重建K空间数据赋予心电信号以及权重;根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
在其中一个实施例中,所述对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据包括:对所述实时电影K空间数据进行自规避采样,得到采样数据;对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
在其中一个实施例中,所述对所述重建K空间数据赋予心电信号以及权重包括:对所述重建K空间数据逐条赋予心电信号;对所述重建K空间数据逐条赋予权重。
在其中一个实施例中,对所述重建K空间数据逐条赋予心电信号包括:所述重建K空间数据包括采集线以及重建线;根据心电信号对所述采集线逐条赋予心电信号数值;获取与每条重建线相邻的两条采集线的心电信号数值;根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。
在其中一个实施例中,所述重建K空间数据包括采集线以及重建线;所述采集线的权重大于所述重建线的权重。
在其中一个实施例中,所述根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相包括:基于心动周期划分期相;根据预设时间分辨率,将重建K空间数据重新分配至相应期相。
在其中一个实施例中,所述基于压缩感知的实时动态重建包括第一目标函数,所述第一目标函数包括并行重建项以及正则化项,第一目标函数的正则化项包括第一参数;所述基于压缩感知的节段化重建包括第二目标函数,所述第二目标函数包括并行重建项以及正则化项,第二目标函数的正则化项包括第二参数;所述第一参数的值大于所述第二参数的值。
在其中一个实施例中,所述正则化项包括时间方向正则化项和/或空间方向正则化项。
一种图像重建装置,所述装置包括:采集模块,用于基于屏气扫描采集实时电影K空间数据;第一重建模块,用于对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;赋值模块,用于对所述重建K空间数据赋予心电信号以及权重;期相划分模块,用于根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;第二重建模块,用于根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述图像重建方法、装置、计算机设备和存储介质,首先基于屏气扫描采集实时电影K空间数据,对实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据,对重建K空间数据赋予心电信号以及权重,根据心电信号以及预设时间分辨率,对重建K空间数据重新划分期相,最后根据权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。通过将实时动态成像技术与节段化成像技术相结合,能够得到高时间分辨率、高空间分辨率以及高信噪比的重建图像。
附图说明
图1为一个实施例中图像重建方法的流程示意图;
图2A为一个实施例中并行采样的K空间采样轨迹;
图2B为一个实施例中一种随机采样的采样轨迹;
图2C为另一个实施例中一种随机采样的采样轨迹;
图3为一个实施例中自规避采样的采样轨迹;
图4为一个实施例中图像重建装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本申请,为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请,附图中给出了本申请的较佳实施方式。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施方式。相反地,提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施例的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。在本申请的描述中,“若干”的含义是至少一个,例如一个,两个等,除非另有明确具体的限定。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
核磁共振(magnetic resonance,MR)检查,是将人体置于特殊的磁场中,用无线电射频脉冲激发人体内氢原子核,引起氢原子核共振,并吸收能量。在停止射频脉冲后,氢原子核按特定频率发出射电信号,并将吸收的能量释放出来,被体外的接受器收录,经电子计算机处理获得图像,这就叫做核磁共振成像。核磁共振检查彻底摆脱了电离辐射对人体的损害,又有参数多,信息量大,可多方位成像,以及对软组织有高分辨力等突出的特点,被广泛用于临床疾病的诊断,对有些病变成为必不可少的检查方法。
核磁共振实时动态成像是指在一段时间之内连续采集多幅磁共振图像,反应被检测物体随时间运动的变化。心脏磁共振成像(Cardiac Magnetic Resonance,CMR)已经成为临床心脏常规检查之一,是核磁共振动态成像最重要的应用之一,心脏磁共振成像检查可以获得心脏的解剖、功能、灌注、代谢等综合信息。
MR心脏电影技术使用电影方式连续显示在单一层面一个心动周期内多幅不同时间的心脏图像,可以直接观察心肌壁运动情况。其主要用于心脏局部、整体功能(射血分数、每搏输出量、心肌质量、心壁收缩期增厚率等)的评价,是CMR常规检查序列之一。
节段化采集成像技术与实时动态成像技术的成像设计完全不同,节段化采集成像技术的特点是每一幅图的K空间数据都被分成多个区段,每个区段在一个心动周期内完成采集,需要多个心动周期才可以完成一幅图的K空间数据采集。实时动态成像技术的特点接近传统照相技术:在一段时间之内完成对一幅图的K空间数据的采集,然后转入对下一幅图的K空间数据采集。
在一个实施例中,如图1所示,提供了一种图像重建方法,包括以下步骤:
步骤102,基于屏气扫描采集实时电影K空间数据。
具体地,屏气扫描是待扫描人体在吸气后屏住呼吸,然后医学成像设备在屏气阶段采集待扫描人体的实时数据重建图像。基于屏气扫描的采集数据不需要进行运动矫正即可避免重建图像中的运动伪影。在屏气阶段通过实时动态成像采集技术采集实时电影K空间数据。也就是在屏气阶段一段时间内完成一幅图像K空间数据的采集,当一幅图像采集结束后,再开始转入对下一幅图像的K空间数据采集。通过上述方式对待扫描人体的心脏部位成像,多幅图像能够体现出心脏随时间的运动情况。采集时间可以用用户自由指定,采集时间与时间分辨率以及空间分辨率没有固定关系,通过延长采集时间能够提高图像的信噪比。
步骤104,对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
具体地,对所述实时电影K空间数据进行自规避采样,得到采样数据;对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。目前现有技术通过并行采样或随机采样对K空间数据进行采样。如图2所示,图2A为并行采样的K空间采样轨迹;图2B为一种随机采样的采样轨迹;图2C为另一种随机采样的采样轨迹。图2中的纵向标识核磁共振相位编码的方向,横向表示时间。但现有的采集方式其采集轨迹决定了图像的时间分辨率。本实施例中,通过自规避采样方式对实时电影K空间数据进行采样,得到采样数据。其中,自规避采样为:在相位梯度-时间的二维空间构建自规避方块,比如4*4或9*9的方块;在所有自规避方块中确定一定数量的采样点,将多个自规避方块进行组合,得到相应的采样模式,基于该采样模式对K空间数据进行采样。K空间中心采样密度高,上下两边的采样密度低。如图3所示,为自规避采样的采样轨迹。其中,改采样轨迹由多个自规避方块组成,黑色方块表示采集线,白色方块表示未采集线。压缩感知通过信号的稀疏性,在远小于奈奎斯采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法重建原始信号。基于压缩感知的图像重建需要满足三个条件:1.核磁共振的图像是可稀疏的,核磁共振图像常用的稀疏变换有傅里叶变换、小波变化以及差分变化等。2.K域亚采样引起的混叠伪影是非相干的;3.非线性重建方法可将稀疏域中被欠采样分散的值重新集中。在核磁共振领域中,由于扫描仪器所采集的不是直接的图像像素,而是经过全局傅里叶变换将原始采集的时域图像转化得到的频域图像。每一个频域像素是由时域图像的所有像素值的线性组合,也即频域图像的每一个像素都包含原始图像的所有信息。因此,只保留部分重要的采集数据不会导致原始图像信息的永久缺失。运用压缩感知理论可以大大减少采样数据量,从而为后续数据传输、处理和存储减小压力。并且能够将数据获取的速度提高十几倍,进而实现缩短扫描时间,同时又具有更高的空间分辨率。通过基于压缩感知的实时动态重建对采样数据进行图像重建,得到图像,由于图像与K空间数据存在一一对应关系,因此根据图像得到该图像对应的重建K空间数据。其中,基于压缩感知的实时动态重建为迭代重建。
步骤106,对所述重建K空间数据赋予心电信号以及权重。
具体地,对所述重建K空间数据逐条赋予心电信号;对所述重建K空间数据逐条赋予权重。其中,心电信号为心脏在进行有节奏的收缩和舒张运动时,由于心肌激动产生的生物电通过心脏周围的导电组织和体液,反映到身体表面上来,使身体各部位在每一心动周期中也都发生有规律的电变化活动。检测该电变化活动曲线,即为心电信号。重建K空间数据为待扫描人体的数据,心电信号为对待扫描人体进行扫描期间的心电信号。由于扫描需要一定的时间,因此,重建K空间数据中的每一条数据线都对应有心电信号,也就是心电信号的数值。而权重代表着重建K空间数据中的每一条数据线的重要性,由成像设备直接采集到的采集线重要性高,权重大。而经过上一步重建得到的重建线重要性低,权重小;也即所述采集线的权重大于所述重建线的权重。
更具体地,所述重建K空间数据的数据线包括采集线以及重建线。其中,采集线为直接通过扫描设备扫描得到的K空间数据线,重建线为经过压缩感知的实时动态重建的到的K空间数据线。根据心电信号对所述采集线逐条赋予心电信号数值;获取与每条重建线相邻的两条采集线的心电信号数值;根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。将采集线所在心动周期相位对应心电信号的心动周期相位,并将相同相位的心电信号的数值赋予改采集线。所有采集线都赋予了心电信号的数值之后,通过重建线相邻的两条采集线的心电信号的数值计算该重建线的心电信号的数值。具体的,取相邻两条采集线的心电信号的数值的平均值作为该重建线的心电信号的数值。或对相邻两条采集线的心电信号的数值进行线性插值,得到该重建线的心电信号的数值。
步骤108,根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相。
具体地,基于心动周期划分期相;根据预设时间分辨率,将重建K空间数据重新分配至相应期相。将心动周期等分为若干等分,每一份为一个期相。预设时间分辨率为根据用户的需求自行设定的时间分辨率,根据该时间分辨率选取相应的重建K空间数据。根据重建K空间数据中每条数据线的心电信号数值,将数据线分配至相应的期相。用于最终重建的图对应的K空间数据与采集的K空间数据之间的差不能太大,数据线中采集线的权重大于重建线的权重,也就是采集线的可靠性高于重建线的可靠性。由于用户能够自行设定时间分辨率,因此图像的时间分辨率不再由采集轨迹决定,能够得到时间分辨率、空间分辨率以及信噪比均处于最优状态的重建图像。
步骤110,根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
具体地,基于压缩感知的节段化重建中,划分期相后的重建K空间数据中有采集线也有重建线,在计算最小二乘的残差的时,权重高的采集线,残差有一点就会放大,表示重建方法不喜欢在该采集线的位置上有大的变化,相反,权重低的重建线,就允许在该重建线的位置上有相应的变化。其中,基于压缩感知的节段化重建为迭代重建。
在其中一个实施例中,所述基于压缩感知的实时动态重建包括第一目标函数,所述第一目标函数包括并行重建项以及正则化项,第一目标函数的正则化项包括第一参数;所述基于压缩感知的节段化重建包括第二目标函数,所述第二目标函数包括并行重建项以及正则化项,第二目标函数的正则化项包括第二参数;所述第一参数的值大于所述第二参数的值,本实施只是举例进行说明,并不对第一参数的值和第二参数的值之间的大小关系做具体限定,可以理解的,所述第一参数的值也可以小于或者等于所述第二参数的值。所述正则化项包括时间方向正则化项和/或空间方向正则化项。
具体的,在基于压缩感知的实时动态重建使用的最优化目标函数(第一目标函数)至少包括两项,第一项对应并行重建项,第二项对应正则化项。基于压缩感知的节段化重建使用的最优化目标函数(第二目标函数)也至少包括两项,第一项对应并行重建项,第二项对应正则化项。目标函数可以包括多个正则化项。其中,两个目标函数的正则化项包括时间方向的正则化项,或者包括空间方向的正则化项,又或者既包括时间方向的正则化项又包括空间方向的正则化项。每一个正则化项都包括一个参数来调整改正则化项的相对重要性。优选的,第一目标函数的第一参数值大于第二目标函数的第二参数的值,本实施只是举例进行说明,并不对第一参数的值和第二参数的值之间的大小关系做具体限定,可以理解的,所述第一参数的值也可以小于或者等于所述第二参数的值。时间方向的正则化项包括全变差正则化,空间方向的正则化项可以使用全变差正则化,也可以使用其他正则化。更优选的,时间方向的正则化项比空间方向的正则化项更为重要,可以没有空间方向的正则化项,但需要设置时间方向的正则化项。
在其中一个实施例中,对所述重建K空间数据逐条赋予权重。扫描时间越快,重建线的权重值越低,因为重建的可靠性越低。在逐条赋予权重时,每条数据线的权重值不同。
在其中一个实施例中,基于压缩感知的实时动态重建和基于压缩感知的节段化重建的区别在于在L2项中怎样使用采集数据和第一次重建数据。基于压缩感知的实时动态重建,如果全部采集持续4秒,每40毫秒一个期相,一共有100个期相出现在目标函数的L2项中,经过压缩感知重建,也会有100个期相被重建出来。而对于基于压缩感知的节段化重建也以采集时间4秒,时间分辨率40毫秒为例进行说明,节段化采集还需要考虑心动周期的长度(以800毫秒为例),和每条线的心电时间。节段化重建就是按照心电时间重新划分期相。现在一共有800/40=20个期相,4000/800=5个心动周期。5个心动周期的数据集中到20个期相里面,相对上面的实时动态成像,总期相从100减少到20,每个期相的数据线数目增加了5倍。重建之后只有20个期相,一个心动周期。
在本实施例中,将实时动态重建与节段化重建相结合,将压缩感知成像技术与自规避采样轨迹技术相结合,并且逐条为K空间数据赋予心电信号以及权重。在上述条件的基础下,能够获得高时间分辨率、高空间分辨率以及高信噪比的心脏图像。并且本实施例还具有以下特点:
1.通过用户自行设定时间分辨率,图像的时间分辨率不再由采集轨迹决定;
2.采集时间可以由用户制定,采集时间与时间分辨率以及空间分辨率没有固定关系;
3.延长采集实际时间可以提高图像信噪比。
上述图像重建方法,首先基于屏气扫描采集实时电影K空间数据,对实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据,对重建K空间数据赋予心电信号以及权重,根据心电信号以及预设时间分辨率,对重建K空间数据重新划分期相,最后根据权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。通过将实时动态成像技术与节段化成像技术相结合,能够得到高时间分辨率、高空间分辨率以及高信噪比的重建图像。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种图像重建装置,包括:采集模块100、第一重建模块200、赋值模块300、期相划分模块400和第二重建模块500,其中:
采集模块100,用于基于屏气扫描采集实时电影K空间数据;
第一重建模块200,用于对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;
赋值模块300,用于对所述重建K空间数据赋予心电信号以及权重;
期相划分模块400,用于根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;
第二重建模块500,用于根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
第一重建模块200,还用于对所述实时电影K空间数据进行自规避采样,得到采样数据;对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
赋值模块300,还用于对所述重建K空间数据逐条赋予心电信号;对所述重建K空间数据逐条赋予权重。
赋值模块300,还用于根据心电信号对所述采集线逐条赋予心电信号数值;获取与每条重建线相邻的两条采集线的心电信号数值;根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。
期相划分模块400,还用于基于心动周期划分期相;根据预设时间分辨率,将重建K空间数据重新分配至相应期相。
关于图像重建装置的具体限定可以参见上文中对于图像重建方法的限定,在此不再赘述。上述图像重建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像重建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
基于屏气扫描采集实时电影K空间数据;对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;对所述重建K空间数据赋予心电信号以及权重;根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对所述实时电影K空间数据进行自规避采样,得到采样数据;对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对所述重建K空间数据逐条赋予心电信号;对所述重建K空间数据逐条赋予权重。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据心电信号对所述采集线逐条赋予心电信号数值;获取与每条重建线相邻的两条采集线的心电信号数值;根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于心动周期划分期相;根据预设时间分辨率,将重建K空间数据重新分配至相应期相。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
基于屏气扫描采集实时电影K空间数据;对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;对所述重建K空间数据赋予心电信号以及权重;根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对所述实时电影K空间数据进行自规避采样,得到采样数据;对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对所述重建K空间数据逐条赋予心电信号;对所述重建K空间数据逐条赋予权重。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据心电信号对所述采集线逐条赋予心电信号数值;获取与每条重建线相邻的两条采集线的心电信号数值;根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于心动周期划分期相;根据预设时间分辨率,将重建K空间数据重新分配至相应期相。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种图像重建方法,其特征在于,所述方法包括:
基于屏气扫描采集实时电影K空间数据;
对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;
对所述重建K空间数据赋予心电信号以及权重;
根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;
根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据包括:
对所述实时电影K空间数据进行自规避采样,得到采样数据;
对所述采样数据进行基于压缩感知的实时动态重建,得到重建K空间数据。
3.根据权利要求1所述的方法,其特征在于,所述对所述重建K空间数据赋予心电信号以及权重包括:
对所述重建K空间数据逐条赋予心电信号;
对所述重建K空间数据逐条赋予权重。
4.根据权利要求3所述的方法,其特征在于,对所述重建K空间数据逐条赋予心电信号包括:所述重建K空间数据包括采集线以及重建线;
根据心电信号对所述采集线逐条赋予心电信号数值;
获取与每条重建线相邻的两条采集线的心电信号数值;
根据相邻的两条采集线的心电信号数值,计算相应重建线的心电信号数值。
5.根据权利要求3所述的方法,其特征在于,所述重建K空间数据包括采集线以及重建线;所述采集线的权重大于所述重建线的权重。
6.根据权利要求1所述的方法,其特征在于,所述根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相包括:
基于心动周期划分期相;
根据预设时间分辨率,将重建K空间数据重新分配至相应期相。
7.根据权利要求1所述的方法,其特征在于,
所述基于压缩感知的实时动态重建包括第一目标函数,所述第一目标函数包括并行重建项以及正则化项,第一目标函数的正则化项包括第一参数;
所述基于压缩感知的节段化重建包括第二目标函数,所述第二目标函数包括并行重建项以及正则化项,第二目标函数的正则化项包括第二参数;
所述第一参数的值大于所述第二参数的值。
8.根据权利要求7所述的方法,其特征在于,
所述正则化项包括时间方向正则化项和/或空间方向正则化项。
9.一种图像重建装置,其特征在于,所述装置包括:
采集模块,用于基于屏气扫描采集实时电影K空间数据;
第一重建模块,用于对所述实时电影K空间数据进行基于压缩感知的实时动态重建,得到重建K空间数据;
赋值模块,用于对所述重建K空间数据赋予心电信号以及权重;
期相划分模块,用于根据所述心电信号以及预设时间分辨率,对所述重建K空间数据重新划分期相;
第二重建模块,用于根据所述权重以及划分期相后的重建K空间数据进行基于压缩感知的节段化重建,得到重建图像。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911211560.0A CN111009020B (zh) | 2019-12-02 | 2019-12-02 | 图像重建方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911211560.0A CN111009020B (zh) | 2019-12-02 | 2019-12-02 | 图像重建方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111009020A true CN111009020A (zh) | 2020-04-14 |
CN111009020B CN111009020B (zh) | 2023-07-11 |
Family
ID=70113488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911211560.0A Active CN111009020B (zh) | 2019-12-02 | 2019-12-02 | 图像重建方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111009020B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113476029A (zh) * | 2021-06-25 | 2021-10-08 | 陕西尚品信息科技有限公司 | 一种基于压缩感知的核磁共振成像方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090161933A1 (en) * | 2007-12-20 | 2009-06-25 | Guang-Hong Chen | Method for dynamic prior image constrained image reconstruction |
US20100310144A1 (en) * | 2009-06-09 | 2010-12-09 | Guang-Hong Chen | Method for Dynamic Prior Image Constrained Image Reconstruction |
US20110228999A1 (en) * | 2010-03-17 | 2011-09-22 | Jiang Hsieh | System and method of image reconstruction using a temporal subset of sparsified image data |
US20150077112A1 (en) * | 2012-04-19 | 2015-03-19 | New York University | System, method and computer-accessible medium for highly-accelerated dynamic magnetic resonance imaging using golden-angle radial sampling and compressed sensing |
CN107978001A (zh) * | 2016-10-24 | 2018-05-01 | 北京东软医疗设备有限公司 | 一种重建心脏ct图像的方法和装置 |
CN109633503A (zh) * | 2018-12-28 | 2019-04-16 | 上海联影医疗科技有限公司 | 磁共振图像重建方法、装置、计算机设备和存储介质 |
CN109671129A (zh) * | 2018-12-14 | 2019-04-23 | 深圳先进技术研究院 | 一种自适应参数学习的动态磁共振图像重建方法和装置 |
US20190154785A1 (en) * | 2017-11-17 | 2019-05-23 | University Of Virginia Patent Foundation | Cardiac and Respiratory Self-Gated Motion-Corrected Free-Breathing Spiral Cine Imaging |
US20190235037A1 (en) * | 2018-01-31 | 2019-08-01 | Canon Medical Systems Corporation | Image reconstructing method and reconstructing apparatus |
US20190353741A1 (en) * | 2018-05-16 | 2019-11-21 | Siemens Healthcare Gmbh | Deep Learning Reconstruction of Free Breathing Perfusion |
-
2019
- 2019-12-02 CN CN201911211560.0A patent/CN111009020B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090161933A1 (en) * | 2007-12-20 | 2009-06-25 | Guang-Hong Chen | Method for dynamic prior image constrained image reconstruction |
US20100310144A1 (en) * | 2009-06-09 | 2010-12-09 | Guang-Hong Chen | Method for Dynamic Prior Image Constrained Image Reconstruction |
US20110228999A1 (en) * | 2010-03-17 | 2011-09-22 | Jiang Hsieh | System and method of image reconstruction using a temporal subset of sparsified image data |
US20150077112A1 (en) * | 2012-04-19 | 2015-03-19 | New York University | System, method and computer-accessible medium for highly-accelerated dynamic magnetic resonance imaging using golden-angle radial sampling and compressed sensing |
CN107978001A (zh) * | 2016-10-24 | 2018-05-01 | 北京东软医疗设备有限公司 | 一种重建心脏ct图像的方法和装置 |
US20190154785A1 (en) * | 2017-11-17 | 2019-05-23 | University Of Virginia Patent Foundation | Cardiac and Respiratory Self-Gated Motion-Corrected Free-Breathing Spiral Cine Imaging |
US20190235037A1 (en) * | 2018-01-31 | 2019-08-01 | Canon Medical Systems Corporation | Image reconstructing method and reconstructing apparatus |
US20190353741A1 (en) * | 2018-05-16 | 2019-11-21 | Siemens Healthcare Gmbh | Deep Learning Reconstruction of Free Breathing Perfusion |
CN109671129A (zh) * | 2018-12-14 | 2019-04-23 | 深圳先进技术研究院 | 一种自适应参数学习的动态磁共振图像重建方法和装置 |
CN109633503A (zh) * | 2018-12-28 | 2019-04-16 | 上海联影医疗科技有限公司 | 磁共振图像重建方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
李爽;陆敏杰;赵世华;: "压缩感知技术及其在心脏磁共振中的应用进展" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113476029A (zh) * | 2021-06-25 | 2021-10-08 | 陕西尚品信息科技有限公司 | 一种基于压缩感知的核磁共振成像方法 |
CN113476029B (zh) * | 2021-06-25 | 2024-02-02 | 陕西尚品信息科技有限公司 | 一种基于压缩感知的核磁共振成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111009020B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997034B (zh) | 基于以高斯模型为实例整合重建的磁共振扩散成像方法 | |
CN107510458B (zh) | 一种磁共振成像方法和设备 | |
JP2008539852A (ja) | 磁気共鳴イメージングシステムのそれぞれの信号チャネルにおける独立した運動補正 | |
JP7466141B2 (ja) | 磁気共鳴画像高速再構成法及び磁気共鳴イメージング装置 | |
US20170343635A1 (en) | Reduced Field-of-View Perfusion Imaging With High Spatiotemporal Resolution | |
CN109633503A (zh) | 磁共振图像重建方法、装置、计算机设备和存储介质 | |
KR102584166B1 (ko) | 리스케일링과 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 | |
CN115639510A (zh) | 磁共振成像方法、波谱成像方法、装置、设备和存储介质 | |
CN113534031A (zh) | 图像域数据生成方法、计算机设备和可读存储介质 | |
CN111681297B (zh) | 图像重建方法、计算机设备和存储介质 | |
CN111009020B (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
CN114167334B (zh) | 磁共振图像的重建方法、装置及电子设备 | |
CN111145285B (zh) | Mri动态增强图像重建方法、装置、计算机设备和存储介质 | |
CN110673071B (zh) | 磁共振成像方法、装置、计算机设备及可读存储介质 | |
CN112741612B (zh) | 磁共振成像方法、装置、存储介质及计算机设备 | |
CN112986878B (zh) | 冠脉成像方法以及磁共振成像系统 | |
CN113384260B (zh) | 加速因子调节方法、磁共振成像扫描方法、装置和设备 | |
US20220189081A1 (en) | B0 field inhomogeneity estimation using internal phase maps from long single echo time mri acquisition | |
KR102352004B1 (ko) | 자기 공명 파라미터 맵 재구성 장치 및 방법 | |
KR102472546B1 (ko) | 노이즈 투 노이즈 기법이 적용되는 자기 공명 영상 처리 장치 및 그 방법 | |
US20230326099A1 (en) | Magnetic resonance image processing apparatus and method using artificial neural network in k-space domain | |
CN115236574A (zh) | 磁共振成像方法、装置、计算机设备和存储介质 | |
Schlemper | Deep learning for fast and robust medical image reconstruction and analysis | |
CN117368817A (zh) | 图像重建方法、磁共振成像方法和计算机设备 | |
Pei et al. | DeepEMC-T2 Mapping: Deep Learning-Enabled T2 Mapping Based on Echo Modulation Curve Modeling |
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 |
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. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |