CN111065328A - 用于有策略地获取的梯度回波成像的系统和方法 - Google Patents

用于有策略地获取的梯度回波成像的系统和方法 Download PDF

Info

Publication number
CN111065328A
CN111065328A CN201780094537.0A CN201780094537A CN111065328A CN 111065328 A CN111065328 A CN 111065328A CN 201780094537 A CN201780094537 A CN 201780094537A CN 111065328 A CN111065328 A CN 111065328A
Authority
CN
China
Prior art keywords
processor
field
map
transmit
data set
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
CN201780094537.0A
Other languages
English (en)
Other versions
CN111065328B (zh
Inventor
E·M·哈克
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.)
Spintech Inc
Original Assignee
Spintech Inc
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 Spintech Inc filed Critical Spintech Inc
Publication of CN111065328A publication Critical patent/CN111065328A/zh
Application granted granted Critical
Publication of CN111065328B publication Critical patent/CN111065328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01R33/561—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
    • G01R33/5613—Generating steady state signals, e.g. low flip angle sequences [FLASH]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • 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
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo 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
    • G01R33/54—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
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • 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
    • G01R33/56554—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by acquiring plural, differently encoded echo signals after one RF excitation, e.g. correction for readout gradients of alternating polarity in EPI
    • 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
    • G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
    • G01R33/5676—Gating or triggering based on an MR signal, e.g. involving one or more navigator echoes for motion monitoring and correction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/246—Spatial mapping of the RF magnetic field B1

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Pulmonology (AREA)
  • Cardiology (AREA)
  • Neurology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

用于重建MR图像的具有约束的可变翻转角技术，包括处理器，该处理器使用与第一翻转角(FA)对应的第一MR数据集和与第二FA对应的第二MR数据集生成表示解剖区域内T1app的空间分布的T1app图。处理器能够通过分别按与第一组织类型相关联的T1的第一常数值和与第二组织类型相关联的T1的第二常数值缩放T1app图来估计第一发射RF场图和第二发射RF场图。处理器能够使用第一发射RF场图和第二发射RF场图来生成第三发射RF场图，并使用第三发射RF场图来构造解剖区域的MR图像。与第一MR数据集和第二MR数据集的图像相比，能够创建具有改进的对比度‑噪声比的加权减法图像。

Description

用于有策略地获取的梯度回波成像的系统和方法
技术领域
本公开一般而言涉及磁共振成像(MRI)领域。特别地，本公开涉及用于使用可变翻转角(VFA)技术进行定量磁共振成像(qMRI)的方法和系统。
背景技术
磁共振成像(MRI)是使用磁场来重建感兴趣的被扫描对象的结构的成像模态。MRI扫描仪包括用于生成强静态磁场(诸如在0.10Tesla(T)到7T范围内的磁场)的磁体，以及用于传输和/或接收射频(RF)信号的RF收发器。当主体被置于生成的静态磁场中时，主体内的氢质子与磁场对准。在存在振荡的B1场的情况下施加RF脉冲以使自旋倾斜(tip)，以便在横向场中保留大量的磁化。当RF脉冲被关断时，氢质子恢复与静态磁场对准，纵向分量增加并且横向分量减小。在所选的时间点(称为采样时间或回波时间或梯度回波时间)，数据被收集，并且接收到的信号被用于重建被扫描主体或其一部分的图像。在当前公开中，描述了用于基于收集的MR数据集来重建MR图像的各种VFA技术。
发明内容
根据至少一个方面，磁共振成像(MRI)系统可以包括MRI扫描仪、至少一个处理器和其上存储有计算机代码指令的存储器。MRI扫描器可以被配置为通过使用至少一个回波时间对解剖区域进行成像来获取与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集。计算机代码指令在由至少一个处理器执行时使至少一个处理器使用第一MR数据集和第二MR数据集生成表观纵向弛豫时间(T1app)图，该图表示解剖区域内T1app的空间分布。至少一个处理器可以通过按纵向弛豫时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图。T1的第一常数值可以与解剖区域内的第一组织类型相关联。至少一个处理器可以通过按T1的第二常数值缩放T1app图来估计第二发射RF场图。T1的第二常数值可以与解剖区域内的第二组织类型相关联。处理器可以使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图。第三发射RF场图可以表示解剖区域内的发射RF场的空间分布。
解剖区域可以是人脑，其中第一组织类型可以是白质，而第二组织类型可以是灰质。至少一个处理器可以通过按T1的第三常数值缩放T1app图来估计第四发射RF场图。T1的第三常数值可以与解剖区域内的第三组织类型相关联。生成第三发射RF场图可以包括使用估计的第一发射RF场图、估计的第二发射RF场图和估计的第四发射RF场图。解剖区域可以是人脑，其中第一组织类型可以是白质、第二组织类型可以是灰质，而第三组织类型可以是脑脊髓液。至少一个处理器可以通过将T1app图除以第三发射RF场图的平方来生成第一纵向弛豫时间(T1)图。第一T1图可以表示T1在解剖区域内的空间分布。
至少一个处理器可以使用第一MR数据集和第二MR数据集生成表观自旋密度(SDapp)图。SDapp图可以表示SDapp在解剖区域内的空间分布。至少一个处理器可以通过按第三发射RF场图缩放SDapp图来生成第一自旋密度(SD)图。至少一个处理器可以使用第三发射RF场图、第一T1图和第一SD图来合成与第三翻转角对应的第三MR数据集，使得至少与第一组织类型对应的解剖区域的第一子区域和与第二组织类型对应的解剖区域的第二子区域是等强度的。至少一个处理器可以使用合成的第三MR数据集来估计接收RF场图。接收RF场图可以表示解剖区域内的接收RF场的空间分布。至少一个处理器可以通过按估计的接收RF场图缩放第一SD图来生成第二SD图。
至少一个处理器可以按接收RF场图缩放第一MR数据集、按接收MR数据集缩放第二MR数据集，并生成表示从缩放后的第二MR数据集加权减去缩放后的第一MR数据集的图像。至少一个处理器可以生成表示从第二MR数据集加权减去第一MR数据集的图像。
至少一个处理器可以估计多个受试体的多个发射RF场图，并使用所估计的多个受试体的多个发射RF场图的求平均来生成发射RF场模板。至少一个处理器可以使用T1app图和发射RF场模板来生成第二T1图。至少一个处理器可以使用估计的SDapp图、发射RF场模板和估计的接收RF场图来生成自旋密度(SD)图。
根据至少一个方面，一种用于磁共振成像(MRI)的方法可以包括至少一个处理器接收与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集。可以通过使用至少一个回波时间对解剖区域进行成像来获取第一MR数据集和第二MR数据集。该方法可以包括至少一个处理器使用解剖区域内的第一MR数据集和第二MR数据集生成表观纵向弛豫时间(T1app)图，该表观纵向弛豫时间(T1app)图表示解剖区域内T1app的空间分布。该方法可以包括至少一个处理器通过按纵向松弛时间的第一常数值(T1)缩放T1app图来估计第一发射RF场图。T1的第一常数值可以与解剖区域内的第一组织类型相关联。该方法可以包括至少一个处理器通过按T1的第二常数缩放T1app图来估计第二发射RF场图。T1的第二常数值可以与解剖区域内的第二组织类型相关联。该方法可以包括至少一个处理器使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图。第三发射RF场图可以表示解剖区域内的发射RF场的空间分布。
该方法还可以包括至少一个处理器通过按T1的第三常数值缩放T1app图来估计第四发射RF场图。T1的第三常数值可以与解剖区域内的第三组织类型相关联。生成第三发射RF场图可以包括使用估计的第一发射RF场图、估计的第二发射RF场图和估计的第四发射RF场图。解剖区域可以是人脑，其中第一组织类型可以是白质、第二组织类型可以是灰质，而第三组织类型可以是脑脊髓液。该方法还可以包括至少一个处理器通过将T1app图除以第三发射RF场图的平方来生成第一纵向弛豫时间(T1)图。第一T1图可以表示T1在解剖区域内的空间分布。
该方法还可以包括至少一个处理器使用第一MR数据集和第二MR数据集生成表观自旋密度(SDapp)图。SDapp图可以表示SDapp在解剖区域内的空间分布。至少一个处理器可以通过按第三发射RF场图缩放SDapp图来生成第一自旋密度(SD)图。至少一个处理器可以使用第三发射RF场图、第一T1图和第一SD图来合成与第三翻转角对应的第三MR数据集，使得至少与第一组织类型对应的解剖区域的第一子区域和与第二组织类型对应的解剖区域的第二子区域是等强度的。至少一个处理器可以使用合成的第三MR数据集来估计接收RF场图。接收RF场图可以表示解剖区域内的接收RF场的空间分布。至少一个处理器可以通过按估计的接收RF场图缩放第一SD图来生成第二SD图。
该方法还可以包括至少一个处理器按接收RF场图缩放第一MR数据集、按接收MR数据集缩放第二MR数据集，并且生成表示从缩放后的第二MR数据集加权减去缩放后的第一MR数据集的图像。该方法还可以包括至少一个处理器生成表示从第二MR数据集减去第一MR数据集的图像。
该方法还可以包括至少一个处理器估计多个受试体的多个发射RF场图，并使用所估计的多个受试体的多个发射RF场图的求平均生成发射RF场模板。该方法还可以包括至少一个处理器使用T1app图和发射RF场模板来生成第二T1图。该方法还可以包括至少一个处理器使用估计的SDapp图、发射RF场模板和估计的接收RF场图来生成自旋密度(SD)图。
根据至少一个方面，一种计算机可读介质包括存储在其上的计算机代码指令。当由至少一个处理器执行时，计算机代码指令使得执行用于磁共振成像(MRI)的方法。该方法可以包括至少一个处理器接收与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集。可以通过使用至少一个回波时间对解剖区域进行成像来获取第一MR数据集和第二MR数据集。该方法可以包括至少一个处理器使用第一MR数据集、第二MR数据集和解剖区域内发射射频(RF)场的常数值来生成表示解剖区域内T1app的空间分布的表观纵向弛豫时间(T1app)图。该方法可以包括至少一个处理器通过按纵向松弛时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图。T1的第一常数值可以与解剖区域内的第一组织类型相关联。该方法可以包括至少一个处理器通过按T1的第二常数值缩放T1app图来估计第二发射RF场图。T1的第二常数值可以与解剖区域内的第二组织类型相关联。该方法可以包括至少一个处理器使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图。第三发射RF场图可以表示解剖区域内的发射RF场的空间分布。
附图说明
图1是图示根据本公开的发明性构思的磁共振成像(MRI)系统的框图；
图2是图示根据本公开的发明性构思的用于磁共振成像(MRI)的方法200的流程图；
图3A和3B示出了与两个不同翻转角对应的大脑的两个MR图像；
图4A示出了描绘示例表观纵向弛豫时间(T1app)图的图像；
图4B示出了使用图4A中所示的T1app图生成的发射RF场(B1t)图的第一估计的图像；
图5A和5B示出了表示用于白质和灰质的掩模的图像；
图6A示出了跨解剖区域内的线的B1t的第一估计和B1t的第二估计的曲线；
图6B示出了与具有和不具有局部二次拟合的合并的B1t图相关联的曲线；
图7A和7B示出了图示示例性合并的B1t图和在将局部二次拟合应用于合并的B1t图之后获得的示例B1t图的图像；
图8A-8C示出了分别图示T1图的估计、表观自旋密度(SDapp)图的估计和自旋密度(SD)图的估计的示例的图像；
图9示出了在一定范围的FA上与不同组织类型对应的示例信号；
图10A-10C分别示出了图示示例合成的MR数据集、示例接收RF场和示例缩放的自旋密度图的图像；
图11示出了B1t和B1r图的大脑模板的示例；以及
图12A-12D示出了图示缩放的MR数据集的图像和减法MR图像。
具体实施方式
定量磁共振成像(qMRI)涉及测量和/或使用信号强度或相对信号强度来区分不同类型的组织或识别异常组织。通过量化组织特性，变得更容易地开发出对正常和异常组织类型进行分段和分类的方法。如今，定量自旋密度(SD)、纵向弛豫时间(T1)、横向磁化衰减率(T2 ＊)和定量磁化率图谱(QSM)的使用在临床上具有重要意义。例如，定量T1成像在研究肿瘤、中风和多发性硬化、心血管成像中的动脉粥样硬化方面具有潜在的实用性。而且，定量SD绘图也起着重要作用并已被用于研究治疗之后水肿和组织含水量的改变。一般而言，这种类型的组织量化使得有可能以更严格的方式跟踪组织对治疗的反应。
可以使用可变翻转角(VFA)技术来实现定量T1成像和定量SD映射。使用VFA方法涉及针对多个不同的翻转角来获取MR数据。特别地，MRI扫描仪可以获取具有不同标称翻转角的多个扰相的梯度回波数据集，并使用所获取的数据集来适当地量化T1和/或SD。虽然VFA技术的特点是易于收集MR数据，但基于VFA的技术要求准确了解随位置而变的射频(RF)激发(或发射)场(B1t)或翻转角(FA)。实际上，基于VFA数据集准确计算T1图的能力取决于对发射RF场(B1t)图的空间分布的准确了解。而且，SD图的重建涉及接收RF场(B1r)图的使用。在一些实施方式中，MRI扫描仪或相应的处理器可以通过使用所获取的针对至少三个不同翻转角(FA)的数据集来计算发射RF场B1t，例如，数据集包括和与其它两个FA相比相对较大FA相关联的数据集。使用与少于三个FA或相对小FA对应的数据集可能造成构造发射RF场B1t不适定的问题，并且可能需要附加约束来纠正问题的不适定性。用于解决不适定性的此类约束的示例可以包括使用单个组织(诸如脂肪)来确定乳腺成像的B1t场分布，或者对针对白质和灰质的T1与SD之间的关系使用约束。
在当前公开中，描述了用于策略性地获取具有改善的图像质量和定量数据的梯度回波(STAGE)成像的方法和系统。STAGE成像可以允许使用所获取的与两个FA对应的数据集进行全面的快速成像。而且，本文描述的用于STAGE成像的系统和方法允许可靠且准确地重建T1和SD图。
图1是图示根据本公开的发明性构思的磁共振成像(MRI)系统100的框图。简而言之，MRI系统100可以包括MRI扫描仪102、处理器104、存储器106和显示设备108。处理器104可以通信地耦合到MRI扫描仪102、存储器106和显示设备108。
MRI扫描仪102可以包括用于生成强静态磁场(诸如在0.1Tesla(T)至7T的范围内的磁场)的磁体(图1中未示出)，以及用于传输和/或接收RF信号的多个射频(RF)线圈(图1中未示出)。RF线圈可以包括发射RF线圈和接收RF线圈。RF发射线圈可以根据MRI脉冲序列发射RF脉冲以激发受试体(诸如患者的解剖区域)。接收RF线圈可以在发射RF脉冲之后记录由受试体生成的MRI信号。RF线圈可以包括能够交替地传输和接收RF信号的RF收发器。RF线圈可以根据RF扰相的梯度数据获取来获取MRI数据。所记录的MRI信号可以与两个不同的FA相关联。
成像系统100可以包括一个或多个处理器104。一个或多个处理器104可以包括集成在MRI扫描仪102内的处理器、通信地耦合到MRI扫描仪102的计算设备的处理器，或其组合。存储器106可以包括MRI扫描仪102的存储器部件、通信地耦合到MRI扫描仪102的计算设备的存储器部件，或其组合。存储器106可以包括计算机可执行指令，该计算机可执行指令在由一个或多个处理器104执行时可以使一个或多个处理器104执行本文所述的用于STAGE成像的方法。存储器106可以存储由MRI扫描仪102获取的MRI数据，并且(一个或多个)处理器104可以从存储器106访问这种数据。存储器106可以基于由扫描仪102获取的MRI数据来接收并存储由(一个或多个)处理器104生成的图像。
显示设备108可以包括阴极射线管(CRT)显示器、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、等离子体显示面板(PDP)、液晶显示器(LCD)或本领域普通技术人员已知的其它显示器。显示设备108可以是通信地耦合到MRI扫描仪102的独立设备或计算设备的显示器(例如，台式机、膝上型计算机或平板电脑)。显示设备108可以包括触摸屏。显示设备108可以从处理器104或存储器106接收图像数据并且显示接收到的图像数据。例如，在基于由MRI扫描仪102获取的数据重建MRI图像时，处理器104可以提供重建的图像以在显示设备108上显示。
针对RF扰相的梯度回波数据获取的信号强度是翻转角θ的函数，可以被描述为：
Figure BDA0002397878210000091
其中T1是纵向弛豫时间，SD是自旋密度，TR是重复时间，TE是回波时间，B1t是发射RF场，B1r是接收RF场(也称为RF线圈灵敏度或偏置场)，并且E1＝exp(-TR/T1)。在此，我们假设当获得正确的翻转角时B1t项被归一化。等式(1)的两边都乘以
Figure BDA0002397878210000092
等式(1)可以被重写为：
Figure BDA0002397878210000093
其中
Figure BDA0002397878210000098
表示有效自旋密度。
根据等式(2)，
Figure BDA0002397878210000094
可以被看作是
Figure BDA0002397878210000095
的线性函数。具体而言，对于针对不同标称激励翻转角收集的数据，可以将变换后的数据拟合到斜率为E1且纵坐标截距(或x轴相交)为SDeff·(1-E1)的直线。照此，可以通过计算由与
Figure BDA0002397878210000096
坐标系统中的至少两个FA对应的至少两个数据点定义的线的斜率来确定E1的值。而且，使用确定的E1值和x轴与由至少两个数据点形成的直线之间的交点，可以确定SDeff的值。但是，由于B1t场的不均质性，测得的翻转角可以不同于为进行扫描而选定的实际翻转角值
，并且这会导致T1估计中的重大误差，尤其是在高磁场下。因此，对T1的准确估计要求对发射RF场B1t的准确了解。
对于低FA并且其中TR＜＜T1，等式(1)可以近似为：
Figure BDA0002397878210000097
其中角度θE被定义为cosθE＝exp(-TR/T1)。使用等式(3)，可以得出表观自旋密度(SDapp)和表观纵向弛豫时间(T1app)：
SDapp＝B1t·SDeff (4)
T1app＝T1·B1t 2 (5)
考虑等式(3)-(5)，表观自旋密度SDapp与B1t成线性比例，并且表观纵向弛豫时间T1app与B1t 2成线性比例。因此，B1t误差为10％(如果实际FA是θ′＝B1tθ，那么FA误差为10％)会导致T1估计的误差为20％并且SD估计的误差为10％。由此，T1和/或SD图的准确重建需要对B1t图的准确估计。
图2是图示用于磁共振成像(MRI)的方法200的流程图。简而言之，方法200可以包括获得(或接收)与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集(步骤202)，以及使用第一MR数据、第二MR数据和解剖区域内的发射射频(RF)场的常数值来生成表观纵向弛豫时间(T1app)图(步骤204)。方法200还可以包括通过按纵向弛豫时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图(步骤206)、通过按T1的第二常数值缩放T1app图来估计第二发射RF场图(步骤208)，并使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图(步骤210)。
方法200可以包括获得(或接收)与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集(步骤202)。扫描仪102可以通过使用至少一个回波时间TE对解剖区域进行成像来获取第一MR数据集和第二MR数据集。处理器104可以例如在显示设备108上提供用户界面(UI)，以允许用户选择用于MR数据获取的设置。处理器102可以使MR扫描仪102根据所选择的设置来对解剖区域进行成像。所选择的设置可以使用两个分开的FA来指示MR数据获取。所选择的设置可以指示扰相的梯度回波MR数据获取(例如，使用一个或多个扰相的梯度回波MR序列)。要被成像的解剖区域可以包括人脑或患者身体的其它器官或部分。
处理器104可以使MR扫描仪102(或相应的RF线圈)用RF脉冲激发解剖区域，并根据所选择的设置记录由解剖区域生成的MR信号。特别地，MR扫描仪102的接收RF线圈可以记录与第一FA相关联的MR信号的第一集合和与第二FA相关联的MR信号的第二集合。所记录的MR信号与对应的FA之间的关系满足等式(1)和/或(2)。获得第一和第二MR数据集可以包括处理器104从MR扫描仪102接收记录的信号并为每个MR数据集(或MR信号的集合)生成相应的MR图像。
参考图3A和3B，示出了与两个不同FA对应的大脑的两个MR图像。例如，图3A示出了使用等于6°的FA获取的MR数据的图像302，并且图3B示出了使用等于24°的FA获取的MR数据的图像304。用于获取图3A和3B中所示的MR数据的重复时间TR等于25毫秒(ms)。选择与图3A和3B中的图像相关联的FA的值是出于说明的目的，并且不应被解释为限制性的。例如，可以将其它角度值(6°和/或24°以外)用于MR数据获取，只要假定(在两个FA中)低FA小于Ernst角并且大FA大于Ernst角。处理器104可以通过分别对与对应FA相关联的所记录的信号进行傅立叶逆变换来重建图3A和3B中所示的图像。
再次参考图2，方法200可以包括使用第一MR数据集、第二MR数据集以及解剖区域内的发射RF场B1t的常数值来生成表观纵向弛豫时间(T1app)图(步骤204)。T1app图表示T1app在解剖区域内的空间分布。一般而言并且考虑等式(5)，由于B1t的空间不均质性，即使在与单个组织相关联的区域内，T1app也可以在空间上变化。例如，T1app值在表示一个组织的区域内可以具有相对大的方差。如果存在可用于所有人的标准B1t，那么它可以被用于在每个人之间找到局部T1值。但是，缺乏这种B1t标准值(或标准图)就需要准确估计B1t图的方法或技术。可以将生成T1app图(步骤204)视为确定将被用于重建B1t图的T1app图的第一估计。
处理器104可以使用等式(2)并假设解剖区域内的B1t的归一化常数值为例如1以逐像素为基础来计算T1app。具体而言，处理器104可以首先针对每个像素将E1确定为基于与不同FA相关联的数据点定义的线的等式(2)中的斜率。具体而言，考虑分别与FAθ1和θ2对应的数据点S(θ1)和S(θ2)，可以将E1计算为
Figure BDA0002397878210000121
由于E1＝exP(-TR/T1)，处理器104可以使用计算出的E1和重复时间TR来确定T1的估计。处理器104然后可以根据等式(5)使用T1的估计值和B1t的常数值来针对每个像素计算T1app，并因此生成T1app图。
参考图4A，描绘了T1app图的图像402。如上所述，使用图3A和3B中所示的MR数据以及等于1的B1t的归一化常数值以逐像素为基础来计算图4A中所示的T1app图。使用等于25ms的TR值来获取MR数据。
方法200可以包括处理器104通过按T1的第一常数值缩放T1app图来估计第一发射RF场图(步骤206)，以及通过按T1的第二常数值缩放T1app图来估计第二发射RF场图(步骤208)。T1的第一常数值可以与解剖区域内的第一组织类型对应，并且T1的第二常数值可以与解剖区域内的第二组织类型对应。例如，第一组织类型可以是白质，而第二组织类型可以是灰质。一般而言，没有用于验证人脑T1测量结果的三维(3D)可靠和准确的标准。而且，T1可以受许多因素影响，诸如温度、化学交换和灌注。不同研究人员记录的灰质和白质的T1值示出很大的差异。但是，虽然存在这些变化，但是在不同研究人员进行的各种测量中，灰质的T1值除以白质的T1值之比显得相当稳定。具体而言，该比率大约为1.7。因而，可以将T1的第一常数值设置为1000ms，而T1的第二常数值可以被设置为1700ms。在一些实施方式中，可以选择白质和灰质的T1的其它值。例如，白质的T1值可以被设置为800到1200ms范围内的任何值，并且灰质的T1值可以被设置为等于1.7倍于白质的T1值。而且，对于其它类型的组织(例如，除了灰质和/或白质以外)，可以使用不同的T1值。
处理器104可以通过按T1的第一常数值缩放每个像素处的T1app值(或除以T1的第一常数值)来生成B1t图的第一估计。参考图4B，使用图4A中所示的T1app图生成的B1t图的第一估计的图像404。使用等于1000ms以及与白质相应的T1的常数值计算图4B中所示的B1t图的第一估计。处理器104可以通过按T1的第二常数值缩放每个像素处的T1app值(或除以T1的第二常数值)来生成B1t图的第二估计。处理器104还可以使用B1t图的第一估计和第二估计中的至少一个来生成解剖区域内的第一组织类型和第二组织类型的掩模。例如，处理器104可以使用B1t图的第一估计来生成白质的掩模和灰质的掩模，该B1t图的第一估计是使用与白质对应的常数值T1确定的。B1t图的估计的特征在于低空间频率成分并且可以足以将解剖区域分割成与不同组织类型对应的各种区域。处理器104可以将高通滤波器应用于B1t图的第一估计以区分白质与灰质区域。处理器104可以将低通滤波器应用于B1t图的第一估计以确定白质区域，并且将高通滤波器应用于B1t图的第一估计以确定灰质区域。处理器104还可以将腐蚀算法应用于每个掩模，以避免与不同组织类型相关联的区域之间的干扰或重叠。对于由处理器104生成的每个掩模，与对应的组织类型相关联的像素可以具有等于1的值(或非零值)，而其它像素可以具有等于零的值。
参考图5A和5B，示出了表示用于白质和灰质的掩模的图像。图像502表示白质的掩模，并且图像504表示灰质的掩模。使用图4B中所示的B1t图的第一估计生成两个掩模。
在步骤210处，处理器104可以使用估计的第一B1t和估计的第二B1t图生成第三B1t图。参考图6A，示出了跨解剖区域内的一条线的B1t的第一估计和B1t的第二估计的曲线。曲线602表示跨解剖区域内的线的B1t的第一估计(或使用与白质对应的T1的常数值的B1t的估计)。曲线604表示跨解剖区域内的线的B1t的第二估计(或使用与灰质对应的T1的常数值的B1t的估计)。比较两条曲线602与604，可以看到B1t的第一估计和B1t的第二估计是彼此的实质上移位的版本。生成第三B1t图可以包括处理器104使B1t的第一和第二估计图中的至少一个移位，直到B1t的第一和第二估计的图基本重叠。例如，处理器104可以将B1t的第一估计图移位一个移位值，使得被移位的B1t的第一估计的图与B1t的第二估计的图之间的均方误差最小。
处理器104可以使用移位的B1t的第一估计的图、B1t的第二估计的图以及与第一和第二组织类型对应的掩模来生成第三B1t图。特别地，处理器可以(i)将与第一组织类型(例如，白质)对应的掩模与移位的B1t的第一估计的图相乘(即，逐像素相乘)，(ii)将与第二组织类型(例如，灰质)对应的掩模与B1t的第二估计的图相乘(即，逐像素相乘)，以及(iii)将这些乘法的结果合并以形成B1t的合并的图(或第三B1t图)。处理器104可以将局部二次拟合应用于B1t的合并的图(或第三B1t图)，以填充不属于任何生成的掩模的任何像素(或向其指派值)。
参考图6B，描绘了与具有和不具有局部二次拟合的合并的B1t映射相关联的曲线。曲线606表示跨解剖区域内的线的合并的B1t的值。曲线608表示在应用局部二次拟合之后跨解剖区域内的线的合并的B1t的相同值。可以使用尺寸为m×m的局部二次拟合矩阵来实现局部二次拟合，其中m为整数。用于在整个n×n图像上创建平滑、噪声较小的结果。如图6B中所示，局部二次拟合操作导致B1t的平滑且噪声较小的图。
参考图7A，示出了图示示例合并的B1t图的图像702。特别地，图像702表示当合并与白质对应的掩模502和移位的B1t的第一估计的图的乘积和与灰质对应的掩模504和B1t的第二估计的图的乘积时所得的图像。图像702中的黑色区域表示既不属于掩模502也不属于掩模504的像素或区域。
参考图7B，示出了在将局部二次拟合应用于图像702之后获得的B1t映射的图像704。如图像704中所示，局部二次拟合允许填充图702中所示的合并的B1t中的间隙。图像704中所示的B1t图提供了解剖区域内的B1t的可靠估计并且允许T1图和/或SD图的准确重建。
虽然以上关于两种组织类型描述了方法200，但是解剖区域可以包括多于两种的不同组织类型。例如，解剖区域可以包括三种不同的组织类型。在这种情况下，处理器104还可以通过按与解剖区域内的第三组织类型相关联的T1的第三常数值缩放(在步骤204处生成的)T1app图来进一步确定B1t图的另一个估计。处理器104还可以生成代表解剖区域内第三组织类型所占据的区域的第三掩模。例如，处理器104可以使用不同的滤波器(例如，(一个或多个)低通滤波器、(一个或多个)带通滤波器和/或(一个或多个)高通滤波器)来生成三个掩模中的每一个。处理器104可以使用基于T1的第三常数值(例如，根据第三掩模)估计的B1t的图来更新第三B1t图。可替代地，处理器104可以(最初)使用B1t图的三个估计(例如，基于与三种组织类型对应的三个掩模)来生成第三B1t图。例如，第三组织类型可以是脑脊髓液，并且处理器104可以(i)将基于白质的常数T1值估计的第一B1t图与第一掩模相乘，(ii)将使用灰质的常数T1值估计的第二B1t图与第二掩模相乘，(iii)将使用脑脊髓液的常数T1值估计的B1t图与第三掩模相乘，以及(iv)对于其它组织依此类推。脑脊髓液的常数T1值可以等于4500ms。处理器104然后可以合并结果所得的图像(来自与掩模的相乘)以创建单个更准确的B1t图图像。
在一些实施方式中，处理器104可以通过使用例如滑动窗口计算窗口中的均值和标准偏差并移除超出高于或低于均值的给定阈值(例如，噪声的三个标准偏差)的那些点(或像素)来移除局部噪声尖峰。处理器104可以使用例如尺寸为m×m的局部二次拟合矩阵将如上关于图6B所述的局部二次拟合应用于合并的B1t图，以提供平滑且噪声较小的B1t图图像，其中m是整数。在一些实施方式中，整数m可以等于20。但是，可以使用m的其它值。虽然就人脑的情况而言，组织类型可以包括白质、灰质和脑脊髓液，但方法和系统应被解释为不限于人脑或这些组织类型。一般而言，本文所述的方法不限于具体的解剖区域或解剖区域内具体数量的组织类型。
方法200还可以包括处理器104使用在步骤210处确定的B1t图来生成T1图的第一估计。处理器104可以使用等式(5)并将在步骤204处确定的T1app图除以在步骤201处确定的B1t图的平方。具体而言，对于解剖区域的每个像素或体素x，处理器104可以将对应的T1值计算为
Figure BDA0002397878210000161
照此，T1图的第一估计考虑了解剖区域内B1t的分布的变化，并且可以被称为经校正的T1图。
处理器104还可以使用第一MR数据集和第二MR数据集生成表观自旋密度(SDapp)图。SDapp图表示SDapp在解剖区域内的空间分布。处理器104可以使用等式(3)和在步骤204处假设的B1t的常数值来确定SDapp图。例如，处理器104可以使用来自与FA θ1和θ2对应的数据集的数据点以及在步骤204处假设的B1t的常数值来针对每个像素处的SDapp求解等式(3)。可替代地，基于等式(2)并返回去参考步骤204，当假设B1t的归一化常数值(例如，B1t＝1.0)时，处理器104可以基于由数据点
Figure BDA0002397878210000162
和
Figure BDA0002397878210000163
定义的线与
Figure BDA0002397878210000164
坐标系中的x轴的交点来确定每个像素处的SDeff·(1-E1)。由于已经在步骤204处确定了E1，因此处理器104可以通过在每个像素处将与x轴的交点对应的值除以1-E1来生成SDeff图并将SDeff图乘以在步骤204处假设的B1t的常数来生成SDapp图。
处理器104可以通过将确定的SDapp图除以在步骤210处确定的B1t图来生成SD图的第一估计。根据等式(4)，对于解剖区域内的每个像素或体素，处理器104可以将那个像素处的SDapp值缩放(或除以)同一像素处的B1t值(根据在步骤210处生成的B1t图)。所生成的SD图的第一估计是SDeff图的估计，因为
Figure BDA0002397878210000171
SD图的这个第一估计考虑了B1t的分布中的变化(但没有考虑B1r的分布中的变化)。一旦获得了B1r数据，就可以经由
Figure BDA0002397878210000172
获得经校正的SD图并且可以将其称为经校正的SD图。最后，使用多个回波计算T2＊，可以从公式
Figure BDA0002397878210000173
获得绝对SD。
参考图8A-8C，图像802、804和806分别图示了T1图的估计、SDapp图的估计和SD图的估计的示例。图像802中所示的T1图是通过按图像704(图7B)中所示的B1t的平方(以逐像素为基础)缩放图像402(图4A中所示)中的T1app图而生成的。使用等式(3)、图像302或304(图3A和3B)中所示的数据集之一来生成图像804中的SDapp图的估计。通过将图像704的SDapp图除以图像704的B1t图(图7B)来生成图像806的SD图(或SDeff图)的估计。
处理器104可以使用估计的B1t图(在步骤210处确定)、经校正的T1图和经校正的SD图来估计(或生成)B1r的图。特别地，处理器104可以采用估计的B1t图以及经校正的T1和SD图来合成与具体翻转角对应的MR数据集，它可以使与第一组织类型(例如，白质)相关联的第一区域跟与第二组织类型(例如，灰质)相关联的第二区域等强度。处理器104可以合成这种MR数据集，而无需经由MRI扫描仪102来获取附加的MR数据，而是通过使用等式(1)。处理器104还可以改变回波时间TE，以创建MR数据集，其中与三种不同组织类型(例如，白质、灰质和脑脊髓液)对应的三个区域是等强度的。处理器104可以通过估计的B1r图来缩放SD图估计(例如，图8C的图像806中所示的SD图)，以减轻解剖区域内B1r的空间变化的影响并实现SD图的改进的估计。
参考图9，示出了在一定范围的FA上与不同组织类型对应的示例信号。信号902与白质(或WM)对应，信号904与灰质(或GM)对应，而信号906与脑脊髓液(或CSF)对应。信号908表示信号902与904之间的差异，信号910表示信号904与906之间的差异，而信号912表示信号902与906之间的差异。信号902、904和906是使用常数T1值生成的，该值在白质内等于1000ms，在灰质内等于1700ms，而在脑脊髓液内等于4500ms。重复时间TR等于30ms，白质SD等于0.68，而灰质SD等于0.82。而且，分别将44ms和51ms的T2＊值用于白质和灰质。信号902和904在大约10°(或略高于10°)的FA处相交。通过使不同的组织等强度，处理器104可以避免确定局部自旋密度的需要。由于所有信号都是等强度的，因此合成的数据集中的振幅变化表示B1r场中的变化。因而，处理器104可以基于合成的数据集来确定(或生成)B1r图。处理器104还可以在估计B1r图时采用局部二次拟合。可以将用于校正初始图像的B1r图定义为来自被归一化为图像中心中的B1r值的等强度图像的信号。
参考图10A-10C，示出了图示示例合成的MR数据集、示例接收RF场以及示例缩放的自旋密度图的图像。图像1002表示双等强度MR数据集，在该数据集中选择了FA，以使白质和灰质为等强度。图像1004表示基于图像1002的等强度MR数据集生成(或估计)的B1r图。图像1002中的等强度MR数据集包括间隙(黑色区域或像素)。通过使用局部二次拟合在图像1004的B1r图中消除了这些间隙。在一些实施例中，处理器104可通过基于合成的数据集估计的B1r图来缩放SD图估计(例如，图8C的图像806中所示的SD图)以减轻B1r的解剖区域内的空间变化对估计的SD图的影响。图像1006表示图像806中的SD图通过图像1004的B1r图的缩放比例(逐像素缩放比例)。比较图像1006与806，可以看到与图像806相比，图像1006中的SD图提供了解剖区域内的各个子区域的改进表示。
在一些实施方式中，处理器104(或某个其它计算设备)可以估计多个受试体(例如，患者或志愿者)的多个B1t图。如以上关于方法200所描述的，处理器104可以估计每个受试体的B1t图。对于每个受试体，处理器104可以将每个受试体的对应的B1t图变换成解剖区域(例如，大脑)的相应模板。处理器104可以通过首先将第一数据集的量值图像转换成模板大脑来实现此目的(例如，使用Insight Segmentation,and Registration Toolkit(ITK))。处理器104可以使用结果所得的变换来将B1t场映射到模板空间中。然后，处理器104可以将与多个受试体相关联的模板中的B1t值平均成公共的B1t模板。在一些实施方式中，求平均可以是加权求平均。例如，与一些受试体相关联的一些模板可以比其它模板加权更多或更少。通过执行回到患者空间的逆变换，处理器104可以将公共(或平均)B1t模板用作各种患者的B1t图的估计。例如，公共(或平均)B1t模板可以被离线计算并用于为各种患者重建T1图或SD图(如以上关于在步骤201处生成的B1t图所描述的)。通过使用公共(或平均)B1t模板，处理器104可以避免为每个新的被扫描受试体生成B1t图，而是使用预先计算的公共(或平均)B1t模板。在一些实施方式中，处理器可以使用预先计算的公共(或平均)B1t模板和特定于患者的B1t图的估计两者来生成解剖区域的分开的图像(例如，T1图的分开的图像)。
处理器104(或某个其它计算设备)还可以生成公共(或平均)B1r模板。处理器104可以例如基于如上所述的具有针对分开的受试体的等强度区域的合成的MR数据集来估计多个受试体(例如，患者或志愿者)的多个B1r图。对于每个受试体，处理器104可以将对应的B1r图变换为解剖区域(例如，大脑)的相应模板，并且对各种受试体的模板求平均(例如，加权或非加权求平均)以生成公共(或平均)B1r模板。公共(或平均)B1r模板可以被离线计算，并且处理器104可以使用公共(或平均)B1r模板作为针对各种患者的B1r图的估计。预先计算的公共(或平均)B1r模板的可用性可以允许避免为每个新的被扫描患者构建(或计算)相应的B1r图。在一些实施方式中，处理器可以使用预先计算的公共(或平均)B1r模板和特定于患者的B1r图的估计两者来生成解剖区域的分开的图像。
参考图11，示出了B1t和B1r图的大脑模板的示例。图像的上排图示了B1t图的示例公共(或平均)大脑模板。这个公共(或平均)模板表示可以被用于各种受试体的B1t图的估计。图像的下排图示了B1r图的示例公共(或平均)大脑模板。这个公共(或平均)模板表示可以用于各种受试体的B1r图的估计。
对于每个被扫描的受试体，处理器104可以对那个具体受试体的平均B1t模板(例如，使用ITK)和/或平均B1r模板进行逆变换。例如，处理器可以调整公共(或平均)B1t模板和/或公共(或平均)B1r模板，以符合具体患者的解剖区域(例如，大脑)的尺寸。处理器104可以使用经逆变换的公共(或平均)B1t模板来估计那个具体患者的T1图。特别地，处理器104可以通过经逆变换的公共(或平均)B1t模板的平方来缩放(或以逐像素或逐体素为基础相除)患者的T1app图，以生成T1图的估计。这种估计可以或者替代基于特定于患者的估计的B1t图的估计，或者可以是T1图的附加(或第二)估计。当估计患者的SD(或SDeff)图时，处理器104还可使用公共(或平均)B1t。特别地，处理器104可以通过经逆变换的公共(或平均)B1t模板来缩放(或以逐像素或逐体素为基础相除)患者的SDapp图，以生成SD图的估计。
处理器104还可以按基于合成数据集估计的B1r图缩放在步骤202处获取的原始数据集(与FAθ1和θ2对应)，并通过减去经缩放的数据集来生成解剖区域的MR图像。所生成的MR图像可以基于相应的T1值图示解剖区域内的各种组织类型。当从与第二FA对应的另一个缩放的数据集中减去与第一FA对应的第一缩放的MR数据集时，处理器104可以采用加权减法。在一些实施方式中，处理器104可以按离线计算或重建的公共(或平均)B1r模板(或其逆变换)缩放在步骤202处获取的原始数据集(与FAθ1和θ2对应)。在一些实施方式中，处理器104可以按公共(或平均)B1r模板缩放SD图估计(例如，图8C的图像806中所示的SD图)，以减轻解剖区域内B1r的空间变化对估计的SD图的影响。
在一些实施方式中，处理器104可以减去(不按比例缩放)与在步骤202处获取的原始数据集(与FAθ1和θ2对应)对应的图像，以生成解剖区域的另一个(或替代)MR图像。这种MR图像可以基于相应的T1值图示解剖区域内的各种组织类型。
参考图12A-12D，图示了缩放的MR数据集的图像和减法MR图像。图像1202和1204表示分别按图像1002中的B1r图缩放图像302和304。图像1202和1204表示对对应的原始图像302和304的改进，因为按B1r图的缩放减轻了解剖区域内B1r的空间变化的影响。但是，图像1202和1204仍然遭受解剖区域内B1t的空间变化的影响。图像1206表示与针对两个FA的原始获取的数据集对应的图像302与304之间的减法(例如，从与大FA对应的图像中减去与低FA对应的图像)。图像1208表示缩放的图像1202与1204之间的减法(例如，从与大FA对应的图像减去与低FA对应的图像)。虽然与对应于原始获取数据的图像302和304相比，图像1206和1208都提供了解剖区域内各种组织的改进表示，但是图像1208表示优于图像1206的改进，因为解剖区域内的B1r的空间变化影响在前者图像1208中被消除(或缓解)了。
本文所述的方法和系统提供了用于生成使用两个翻转角扫描的解剖区域的改进图像的各种技术。这些方法和系统不应被解释为仅限于人脑，而是可以用于其它解剖区域。而且，虽然本公开描述了描述用于生成各种MR图像(例如，估计的T1图、估计的SD图、缩放的SD图、减法MR图像、缩放的减法MR图像、估计的B1t图、估计的B1r图、公共的B1t模板或公共的B1r模板)的各种技术，但是本公开应当被解释为涵盖此类技术或对应MR图像的各种组合。此外，处理104可以应用用于针对多个回波时间生成本文描述的各种MR图像的技术。例如，处理器104可以将求平均或加权求平均应用于基于与各种回波时间相关联的数据集而生成的MR图像(例如，B1t图、B1r图、T1app图、T1图、SDapp图、SD图等)，以提供解剖区域的改进图像。
本领域技术人员应当认识到的是，可以使用处理器可执行的计算机代码指令来实现本公开中描述的处理。可以将计算机代码指令存储在非暂态或有形计算机可读介质(诸如随机存取存储器(RAM)、只读存储器(ROM)、高速缓存存储器、磁盘存储器、任何其它存储器、或任何其它计算机可读介质)上。本公开中描述的处理可以通过装置来实现，该装置包括至少一个处理器和/或存储可执行代码指令的存储器。代码指令在由至少一个处理器执行时可以使得执行本公开中描述的处理或操作中的至少一个。该装置可以例如是MRI扫描仪、计算机设备或与MRI扫描仪相关联的其它电子设备。

Claims (20)

1.一种磁共振成像(MRI)系统，包括：
MRI扫描仪，被配置为通过使用至少一个回波时间对解剖区域进行成像来获取与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集；
至少一个处理器；以及
存储器，其上存储有计算机代码指令，计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器：
使用第一MR数据集、第二MR数据集和解剖区域内的发射射频(RF)场的常数值来生成表观纵向弛豫时间(T1app)图，该图表示解剖区域内T1app的空间分布；
通过按纵向弛豫时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图，T1的第一常数值与解剖区域内的第一组织类型相关联；
通过按T1的第二常数值缩放T1app图来估计第二发射RF场图，T1的第二常数值与解剖区域内的第二组织类型相关联；以及
使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图，第三发射RF场图表示解剖区域内的发射RF场的空间分布。
2.如权利要求1所述的MRI系统，其中解剖区域是人脑，其中第一组织类型是白质，而第二组织类型是灰质。
3.如权利要求1所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时还使所述至少一个处理器：
通过按T1的第三常数值缩放T1app图来估计第四发射RF场图，T1的第三常数值与解剖区域内的第三组织类型相关联；
其中生成第三发射RF场图包括使用估计的第一发射RF场图、估计的第二发射RF场图和估计的第四发射RF场图。
4.如权利要求3所述的MRI系统，其中解剖区域是人脑，第一组织类型是白质、第二组织类型是灰质，而第三组织类型是脑脊髓液。
5.如权利要求1所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时还使所述至少一个处理器：
通过将T1app图除以第三发射RF场图的平方来生成第一纵向弛豫时间(T1)图，第一T1图表示T1在解剖区域内的空间分布。
6.如权利要求1所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时还使所述至少一个处理器：
使用第一MR数据集、第二MR数据集和发射RF场的常数值来生成表观自旋密度(SDapp)图，该SDapp图表示SDapp在解剖区域内的空间分布；
通过按第三发射RF场图缩放SDapp图来生成第一自旋密度(SD)图；
使用第三发射RF场图、第一T1图和第一SD图来合成与第三翻转角对应的第三MR数据集，使得至少与第一组织类型对应的解剖区域的第一子区域和与第二组织类型对应的解剖区域的第二子区域是等强度的；
使用合成的第三MR数据集来估计接收RF场图，接收RF场图表示解剖区域内的接收RF场的空间分布；以及
通过按估计的接收RF场图缩放第一SD图来生成第二SD图。
7.如权利要求1所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器：
估计多个受试体的多个发射RF场图；以及
使用所述多个受试体的所估计的多个发射RF场图的求平均来生成发射RF场模板。
8.如权利要求7所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器使用T1app图和发射RF场模板来生成第二T1图。
9.如权利要求7所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器使用估计的SDapp图、发射RF场模板和估计的接收RF场图来生成自旋密度(SD)图。
10.如权利要求6所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器：
按接收RF场图缩放第一MR数据集；
按接收RF场图缩放第二MR数据集；以及
生成表示从缩放的第二MR数据集中加权减去缩放的第一MR数据集的图像。
11.如权利要求1所述的MRI系统，其中计算机代码指令在由所述至少一个处理器执行时使所述至少一个处理器生成表示从第二MR数据集中加权减去第一MR数据集的图像。
12.一种磁共振成像(MRI)的方法，包括：
由至少一个处理器接收与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集，通过使用至少一个回声时间对解剖区域进行成像来获取第一MR数据集和第二MR数据集；
由所述至少一个处理器使用第一MR数据集、第二MR数据集和解剖区域内发射射频(RF)场的常数值来生成表观纵向弛豫时间(T1app)图，该图表示解剖区域内T1app的空间分布；
由所述至少一个处理器通过按纵向松弛时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图，T1的第一常数值与解剖区域内的第一组织类型相关联；
由所述至少一个处理器通过按T1的第二常数缩放T1app图来估计第二发射RF场图，T1的第二常数值与解剖区域内的第二组织类型相关联；以及
由所述至少一个处理器使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图，第三发射RF场图表示解剖区域内的发射RF场的空间分布。
13.如权利要求12所述的方法，还包括：
由所述至少一个处理器通过按T1的第三常数值缩放T1app图来估计第四发射RF场图，T1的第三常数值与解剖区域内的第三组织类型相关联，
其中生成第三发射RF场图包括使用估计的第一发射RF场图、估计的第二发射RF场图和估计的第四发射RF场图。
14.如权利要求12所述的方法，还包括：
由所述至少一个处理器通过将T1app图除以第三发射RF场图的平方来生成第一纵向弛豫时间(T1)图，第一T1图表示T1在解剖区域内的空间分布。
15.如权利要求14所述的方法，还包括：
由所述至少一个处理器使用第一MR数据集、第二MR数据集和发射RF场的常数值来生成表观自旋密度(SDapp)图，该SDapp图表示解剖区域内SDapp的空间分布；以及
由所述至少一个处理器通过按第三发射RF场图缩放SDapp图来生成第一自旋密度(SD)图；
由所述至少一个处理器使用第三RF场图、第一T1图和第一SD图来合成与第三翻转角对应的第三MR数据集，使得至少与第一组织类型对应的解剖区域的第一子区域和与第二组织类型对应的解剖区域的第二子区域是等强度的；
由所述至少一个处理器使用合成的第三MR数据集来估计接收RF场图，接收RF场图表示解剖区域内的接收RF场的空间分布；以及
由所述至少一个处理器通过按估计的接收RF场图缩放第一SD图来生成第二SD图。
16.如权利要求12所述的方法，还包括：
由所述至少一个处理器估计多个受试体的多个发射RF场图；以及
由所述至少一个处理器使用所述多个受试体的所估计的多个发射RF场图的求平均来生成发射RF场模板。
17.如权利要求16所述的方法，还包括：
由所述至少一个处理器使用估计的SDapp图、发射RF场模板和估计的接收RF场图来生成自旋密度(SD)图。
18.如权利要求16所述的方法，还包括：
由所述至少一个处理器使用T1app图和发射RF场模板来生成第二T1图。
19.如权利要求15所述的方法，还包括：
由所述至少一个处理器按接收RF场图缩放第一MR数据集；
由所述至少一个处理器按接收RF场图缩放第二MR数据集；以及
由所述至少一个处理器生成表示从缩放的第二MR数据集中加权减去缩放的第一MR数据集的图像。
20.一种非暂态计算机可读介质，包括存储在其上的计算机代码指令，该计算机代码指令在由至少一个处理器执行时使所述至少一个处理器执行以下操作：
接收与第一翻转角对应的第一磁共振(MR)数据集和与第二翻转角对应的第二MR数据集，通过使用至少一个回波时间对解剖区域进行成像来获取第一MR数据集和第二MR数据集；
使用第一MR数据集、第二MR数据集和解剖区域内发射射频(RF)场的常数值来生成表示解剖区域内表观纵向弛豫时间(T1app)的空间分布的T1app图；
通过按纵向松弛时间(T1)的第一常数值缩放T1app图来估计第一发射RF场图，T1的第一常数值与解剖区域内的第一组织类型相关联；
通过按T1的第二常数值缩放T1app图来估计第二发射RF场图，T1的第二常数值与解剖区域内的第二组织类型相关联；以及
使用估计的第一发射RF场图和估计的第二发射RF场图来生成第三发射RF场图，第三发射RF场图表示解剖区域内的发射RF场的空间分布。
CN201780094537.0A 2017-07-25 2017-07-26 用于有策略地获取的梯度回波成像的系统和方法 Active CN111065328B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/659,353 2017-07-25
US15/659,353 US10451697B2 (en) 2017-07-25 2017-07-25 Systems and methods for strategically acquired gradient echo imaging
PCT/US2017/043991 WO2019022733A1 (en) 2017-07-25 2017-07-26 SYSTEMS AND METHODS FOR STRATEGICALLY ACQUIRED GRADIENT IMAGING

Publications (2)

Publication Number Publication Date
CN111065328A true CN111065328A (zh) 2020-04-24
CN111065328B CN111065328B (zh) 2023-10-10

Family

ID=65037799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780094537.0A Active CN111065328B (zh) 2017-07-25 2017-07-26 用于有策略地获取的梯度回波成像的系统和方法

Country Status (6)

Country Link
US (1) US10451697B2 (zh)
EP (1) EP3658018A4 (zh)
JP (1) JP6872079B2 (zh)
KR (1) KR102353790B1 (zh)
CN (1) CN111065328B (zh)
WO (1) WO2019022733A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020123788A1 (en) * 2018-12-14 2020-06-18 The Board Of Trustees Of The Leland Stanford Junior University Qualitative and quantitative mri using deep learning
US11119170B1 (en) 2020-06-11 2021-09-14 Spintech, Inc. Systems and methods for enhancement of resolution for strategically acquired gradient echo (STAGE) imaging
US11249159B2 (en) 2020-06-11 2022-02-15 Spintech, Inc. Systems and methods for enhancement of resolution for strategically acquired gradient echo (stage) imaging
US11435424B1 (en) * 2021-08-27 2022-09-06 Spintech, Inc. Systems and methods of constrained reconstruction of images with white noise

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020173713A1 (en) * 2001-03-23 2002-11-21 Adolf Pfefferbaum Magnetic resonance spectroscopic imaging method to monitor progression and treatment of neurodegenerative conditions
US6603989B1 (en) * 2000-03-21 2003-08-05 Dmitriy A. Yablonskiy T2 contrast in magnetic resonance imaging with gradient echoes
US20100004527A1 (en) * 2008-07-01 2010-01-07 Dale Anders M Identifying White Matter Fiber Tracts Using Magnetic Resonance Imaging (MRI)
CN101981462A (zh) * 2008-03-27 2011-02-23 皇家飞利浦电子股份有限公司 具有针对多rf发射系统的改进的b1映射的翻转角成像
US20150073258A1 (en) * 2011-01-28 2015-03-12 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging
CN104856676A (zh) * 2014-02-26 2015-08-26 西门子(深圳)磁共振有限公司 磁共振成像方法和装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006018413A1 (de) * 2006-04-20 2007-10-25 Siemens Ag MR-Tomograph mit einem System zur Kontrastoptimierung von MRT-Bildern
GB0619269D0 (en) 2006-09-29 2006-11-08 King S College London Method of mapping a magnetic field for use in magnetic resonance imaging
US8502538B2 (en) 2009-03-19 2013-08-06 Kabushiki Kaisha Toshiba B1 and/or B0 mapping in MRI system using k-space spatial frequency domain filtering with complex pixel by pixel off-resonance phase in the B0 map
US9271651B2 (en) * 2009-11-30 2016-03-01 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using patient related time trend data
DE102010020770A1 (de) * 2010-05-17 2011-11-17 Siemens Aktiengesellschaft Verfahren zur Reduzierung von Bildartefakten, insbesondere von Metallartefakten, in CT-Bilddaten
US9400319B2 (en) 2010-11-05 2016-07-26 Hitachi Medical Corporation Magnetic resonance imaging apparatus and method for measuring irradiation magnetic field
US9002428B2 (en) * 2011-01-28 2015-04-07 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging (MRI)
US9201158B2 (en) * 2012-01-24 2015-12-01 Schlumberger Technology Corporation Estimating and displaying molecular size information of a substance
US9625547B2 (en) 2013-03-28 2017-04-18 Universitatsspital Basel Magnetic resonance imaging method for the quantification of the T1 and/or T2 relaxation times in a sample
AU2015284303B2 (en) * 2014-07-02 2019-07-25 Covidien Lp System and method for detecting trachea
US10598750B2 (en) * 2015-04-02 2020-03-24 The General Hospital Corporation 3D balanced EPI magnetic resonance fingerprinting
WO2017022136A1 (ja) * 2015-08-06 2017-02-09 株式会社日立製作所 磁気共鳴イメージング装置
WO2017053799A1 (en) 2015-09-25 2017-03-30 Oregon Health & Science University Systems and methods for functional imaging of the placenta

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6603989B1 (en) * 2000-03-21 2003-08-05 Dmitriy A. Yablonskiy T2 contrast in magnetic resonance imaging with gradient echoes
US20020173713A1 (en) * 2001-03-23 2002-11-21 Adolf Pfefferbaum Magnetic resonance spectroscopic imaging method to monitor progression and treatment of neurodegenerative conditions
CN101981462A (zh) * 2008-03-27 2011-02-23 皇家飞利浦电子股份有限公司 具有针对多rf发射系统的改进的b1映射的翻转角成像
US20100004527A1 (en) * 2008-07-01 2010-01-07 Dale Anders M Identifying White Matter Fiber Tracts Using Magnetic Resonance Imaging (MRI)
US20150073258A1 (en) * 2011-01-28 2015-03-12 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging
CN104856676A (zh) * 2014-02-26 2015-08-26 西门子(深圳)磁共振有限公司 磁共振成像方法和装置
US20150241531A1 (en) * 2014-02-26 2015-08-27 Siemens Aktiengesellschaft Magnetic resonance imaging method and apparatus

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NIKOLAUS WEISKOPF 等: "Unified segmentation based correction of R1 brain maps for RF transmit field inhomogeneities (UNICORT)" *

Also Published As

Publication number Publication date
KR20200032167A (ko) 2020-03-25
CN111065328B (zh) 2023-10-10
US10451697B2 (en) 2019-10-22
EP3658018A1 (en) 2020-06-03
JP6872079B2 (ja) 2021-05-19
EP3658018A4 (en) 2021-04-07
WO2019022733A1 (en) 2019-01-31
JP2020530805A (ja) 2020-10-29
KR102353790B1 (ko) 2022-01-19
US20190033418A1 (en) 2019-01-31

Similar Documents

Publication Publication Date Title
Sijbers et al. Automatic estimation of the noise variance from the histogram of a magnetic resonance image
US9797974B2 (en) Nonrigid motion correction in 3D using autofocusing with localized linear translations
JP5843876B2 (ja) 磁気共鳴イメージング装置および磁化率強調画像生成方法
US9612300B2 (en) System and method for object-based initialization of magnetic field inhomogeneity in magnetic resonance imaging
US9830687B2 (en) Image processing device, magnetic resonance imaging apparatus and image processing method
KR102353790B1 (ko) 전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법
JP2012035082A (ja) 磁気共鳴イメージング方法及び磁気共鳴イメージングシステム
Hutter et al. Slice-level diffusion encoding for motion and distortion correction
Tabelow et al. Local estimation of the noise level in MRI using structural adaptation
Tian et al. Improved cortical surface reconstruction using sub-millimeter resolution MPRAGE by image denoising
US10302726B2 (en) Image reconstruction for MRI using multiplexed sensitivity encoding
Torrado-Carvajal et al. Inpainting as a technique for estimation of missing voxels in brain imaging
US20210383540A1 (en) Partial volume estimation from surface reconstructions
van Rijssel et al. Reducing distortions in echo‐planar breast imaging at ultrahigh field with high‐resolution off‐resonance maps
Kruggel A simple measure for acuity in medical images
Snoussi et al. Evaluation of distortion correction methods in diffusion MRI of the spinal cord
Jayaraman et al. Neutrosophic set in medical image denoising
Park et al. Development of a bias field-based uniformity correction in magnetic resonance imaging with various standard pulse sequences
US20210389401A1 (en) Systems and methods for enhancement of resolution for strategically acquired gradient echo (stage) imaging
Bagur et al. Estimation of field inhomogeneity map following magnitude-based ambiguity-resolved water-fat separation
Zhao et al. k-space weighted image average (KWIA) for ASL-based dynamic MR angiography and perfusion imaging
Folkesson et al. Evaluation of correction methods for coil‐induced intensity inhomogeneities and their influence on trabecular bone structure parameters from MR images
Doniza et al. Noise propagation and MP-PCA image denoising for high-resolution quantitative T2* and magnetic susceptibility mapping (QSM)
US10955511B2 (en) Magnetic resonance imaging coil normalization by using a reference image
US11467238B2 (en) Method for uniform reconstruction of multi-channel surface-coil magnetic resonance data without use of a reference scan

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40028698

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant