CN111127586A - 一种动脉输入函数曲线生成方法及装置 - Google Patents

一种动脉输入函数曲线生成方法及装置 Download PDF

Info

Publication number
CN111127586A
CN111127586A CN201911287180.5A CN201911287180A CN111127586A CN 111127586 A CN111127586 A CN 111127586A CN 201911287180 A CN201911287180 A CN 201911287180A CN 111127586 A CN111127586 A CN 111127586A
Authority
CN
China
Prior art keywords
aif
curve
contrast agent
slice
slices
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
CN201911287180.5A
Other languages
English (en)
Other versions
CN111127586B (zh
Inventor
朱燕杰
刘新
梁栋
邹莉娴
郑海荣
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201911287180.5A priority Critical patent/CN111127586B/zh
Publication of CN111127586A publication Critical patent/CN111127586A/zh
Priority to PCT/CN2020/129515 priority patent/WO2021115055A1/zh
Application granted granted Critical
Publication of CN111127586B publication Critical patent/CN111127586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请适用于医学影像技术领域，提供了一种AIF曲线生成方法及装置，能够提高AIF曲线的精确度。该方法包括：在目标区域推注对比剂之前，分别激发并采集目标区域的NS个片层的参考信号，NS＞1；在目标区域推注对比剂之后，同时激发并采集NS个片层的AIF混叠信号；利用参考信息对AIF混叠信号进行重建，得到每个片层的AIF重建图像；对每个片层的AIF重建图像进行浓度转换处理，得到每个片层的第一AIF曲线，第一AIF曲线为在对应的片层中，对比剂的浓度随时间变化的变化曲线；对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，第二AIF曲线为在目标区域中，对比剂的浓度随时间变化的变化曲线。

Description

一种动脉输入函数曲线生成方法及装置
技术领域
本发明涉及医学影像技术领域，尤其涉及一种动脉输入函数(Arterial inputfunction，AIF)曲线生成方法及装置。
背景技术
磁共振成像(Magnetic Resonance Imaging，MRI)技术是医学影像中的核心技术。利用磁共振成像技术对血液进入组织的灌注过程进行成像(也可以称为灌注成像)，获得的灌注图像使得人们能够观察血液进入组织后的灌注情况，并为评估组织的健康情况提供参考。在MRI中，定量灌注往往能够更加客观的反应组织的灌注情况，例如，定量灌注能够定量心肌血流量(Myocardial Bloocl Flow,MBF)、脑血流量(Cerebral Blood Flow，CBF)、脑血容积(Cerebral Blood Volume，CBV)等。
在定量灌注过程中，通常需要获取对比剂在动脉中的浓度变化曲线，即动脉输入函数(Arterial input function，AIF)曲线。生成AIF曲线的传统方法一般是，在推注对比剂后，施加非选择性饱和激发脉冲。然后等待较短的时间，在目标区域产生的AIF信号的峰值未达到饱和前，以二维笛卡尔轨迹采样低分辨率的AIF信号，得到AIF图像。然后通过对AIF图像进行运动校准、质子密度(Proton Density，PD)配准、左心室(the leftVentricle，LV)血池信号分割、布洛赫(Bloch)方程转换等处理，得到AIF曲线。
然后，在采集AIF信号时，AIF信号可能会受动脉中血液流动的影响。而在传统的AIF曲线生成方法中，采用笛卡尔轨迹采样AIF信号。由于笛卡尔轨迹对运动不敏感，因此，生成的AIF曲线的精确度容易受到血液流动的影响而变得不精确。
发明内容
有鉴于此，本发明实施例提供了一种AIF曲线生成方法及装置，以解决现有技术中AIF曲线精确度低的问题。
第一方面，本申请提供一种动脉输入函数AIF曲线生成方法，包括：在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号，NS为大于1的整数；在所述目标区域推注所述对比剂之后，同时激发并采集所述NS个片层的AIF混叠信号；利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像；对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线；对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
采用本发明实施例提供的AIF曲线生成方法，MRI设备通过同时生成多个片层的第一AIF曲线，然后将多个片层的第一AIF曲线进行平均所得到的第二AIF曲线作为目标区域的AIF曲线，能够在一定程度上消除掉由于血液流动对单个片层的AIF曲线的影响，提高了目标区域的AIF曲线的精确度。
可选的，所述在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号，包括：在所述目标区域推注所述对比剂之前的NS个连续的采集周期内，分别激发并采集所述NS个片层的参考信号，其中，每个所述采集周期内完成所述NS个片层中的一个片层的参考信号采集。
可选的，所述参考信号和所述AIF混叠信号的采集轨迹为非笛卡尔轨迹。
可选的，所述利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像，包括：根据所述参考信号计算图像灵敏度矩阵；利用所述图像灵敏度矩阵对所述AIF混叠信号进行重建，得到每个片层的AIF重建数据；根据所述每个片层的AIF重建数据生成对应片层的AIF重建图像。
可选的，所述对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，包括：对于所述每个片层的AIF重建图像，对所述AIF重建图像进行运动校准、质子密度PD配准以及左心室LV血池信号分割处理，得到在所述片层的磁化矢量；利用布洛赫Bloch方程将所述磁化矢量转换为所述对比剂的浓度值，得到所述片层的第一AIF曲线。
第二方面，本申请提供一种动脉输入函数AIF曲线生成装置，包括：采集单元，用于在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号；并在所述目标区域推注所述对比剂之后，同时激发并采集所述NS个片层的AIF混叠信号，NS为大于1的整数；重建单元，用于利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像；转换单元，用于对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线；处理单元，用于对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
可以理解的是，该AIF曲线生成装置可以是MRI设备，或者是MRI设备中的芯片，或者是集成在MRI设备中的功能模块。其中，该芯片或者该功能模块可以位于MRI设备的控制中心(例如，控制台)，控制MRI设备实现本发明实施例提供的AIF曲线生成方法。
可以理解的是，第二方面所述的AIF曲线生成装置的有益效果可以参见第一方面中对应AIF曲线生成方法的有益效果的描述，在此不再赘述。
第三方面，本发明实施例提供一种MRI设备，包括处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面或者第一方面的任一可选方式所述的AIF曲线生成方法。
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如第一方面或者第一方面的任一可选方式所述的AIF曲线生成方法。
第五方面，本发明实施例提供一种计算机程序产品，当计算机程序产品在MRI设备上运行时，使得MRI设备执行上述第一方面或者第一方面的任一可选方式所述的AIF曲线生成方法。
可以理解的是，上述第三方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种AIF曲线生成方法的一个实施例的流程图；
图2是本发明实施例提供的一种3个片层的心肌示意图；
图3是本发明实施例提供的一种信号采集时序示意图；
图4是本发明实施例提供的一种笛卡尔轨迹的示意图；
图5是本发明实施例提供的一种向轨迹的示意图；
图6是本发明实施例提供的一种螺旋轨迹的示意图；
图7是本发明实施例提供的一种AIF曲线示意图；
图8是本发明实施例提供的一种AIF曲线生成装置的结构示意图；
图9是本发明实施例提供的一种MRI设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
在本发明实施例说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明实施例的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
另外，在本发明实施例说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本申请提供一种基于同时多个片层(Simultaneous Multi-Slice,SMS)成像技术的AIF曲线生成方法。SMS成像技术是一种用于加快MRI扫描速度的快速成像方法，通过相位调制生成的多频带射频脉冲，同时激发和采集多个片层的混叠信号，然后利用预先采集的每个片层的参考信号，对混叠信号进行重建和分离，最终得到多个片层的重建图像。SMS成像技术一般用于加快MRI扫描速度，即通过同时激发并采集多片层的混叠信号实现快速扫描的目的。
本申请则利用SMS成像技术的多片层成像原理，采集目标区域的多个片层的AIF数据，并生成多个片层的AIF曲线(本申请中将片层的AIF曲线称为第一AIF曲线)，通过对多个片层的第一AIF曲线求平均获得目标区域的AIF曲线(本申请中将目标区域的AIF曲线称为第二AIF曲线)。由于第二AIF曲线是基于多个片层的第一AIF曲线求平均所得，相比于现有技术中在一个片层采集AIF数据，并得到一个AIF曲线的方案，能够降低误差，从而提高了精确度。
下面通过具体实施例对本申请提供的AIF曲线生成方法来进行说明。
参见图1，为本发明实施例提供的一种AIF曲线生成方法的一个实施例的流程图。本实施例中的SMS成像的重建方法的执行主体为MRI设备。参见图1，本申请提供的AIF曲线生成方法包括：
S101，在目标区域推注对比剂之前，MRI设备分别激发并采集所述目标区域的NS个片层的参考信号，NS为大于1的整数。
S102，在所述目标区域推注所述对比剂之后，MRI设备同时激发并采集所述NS个片层的AIF混叠信号。
在本申请实施例中，目标区域可以是心肌组织、脑组织、肾组织等。示例性的，以NS＝3为例，心肌上的3个片层(片层1、片层2和片层3)可以如图2所示。
参考信号是MRI设备对NS个片层逐个激发，并逐层采集所获取的标准参考信号，该参考信号通常为全采样的低分辨率信号。示例性的，MRI设备在首先利用射频脉冲1对片层1进行激发，并采集片层1的参考信号。然后基于预设的相位偏移量1的相对位移1，对该射频脉冲1进行线性相位调制得到射频脉冲2，用射频脉冲2对片层2进行激发，并采集片层2的参考信号。然后基于相同的相位偏移量1对射频脉冲2进行线性相位调制得到射频脉冲3，用射频脉冲3对片层3进行激发，并采集片层3的参考信号。依次类推，直至完成NS个片层的参考信号的采集。该NS个片层的参考信号用于后续对AIF混叠信号进行分离和重建。
AIF混叠信号是MRI设备利用经过相位调制的多频带射频脉冲同时激发NS个片层，然后利用多通道线圈对该多个片层的产生的AIF信号进行采集所获得的。也就是说，AIF混叠信号是多个片层的AIF信号混叠在一起的信号。此时，MRI设备无法区分AIF混叠信号中的每个AIF信号是分别是哪个片层的AIF信号。例如，多频带射频脉冲是由三个相同的射频脉冲基于相位偏移量1进行相位调制所生的一个非选择性饱和激发脉冲。MRI设备利用该多频带射频脉冲对片层1、片层2和片层3同时激发，然后采集片层1、片层2和片层3产生的AIF信号进行采集，得到AIF混叠信号。
其中，相位偏移量可以是相位编码方向上的一个相对位移。AIF混叠信号和参考信号均为MRI设备采集的K空间数据。
可以理解的是，参考信号为AIF混叠信号的参考信号，因此，MRI设备在采集AIF混叠信号和参考信号时，需要基于同样的成像采集参数进行采集。即MRI设备在采集周期内相同的时间点以及相同的成像平面采集。
例如，当对心肌组织进行定量灌注时，采集周期可以是一个心跳周期(R-R间隔)。
在一个实例中，针对上步骤S101，MRI设备激发并采集参考信号时，可以在所述目标区域推注所述对比剂之前的NS个连续的采集周期内，分别激发并采集所述NS个片层的参考信号，其中，每个所述采集周期内完成所述NS个片层中的一个片层的参考信号采集。
示例性的，假设NS＝3，MRI设备在第t个R-R间隔向目标区域推注对比剂。如图3所示，MRI设备从第t-3个R-R间隔开始采集参考信息。即在第t-3个R-R间隔激发并采集片层1的参考信息，在第t-2个R-R间隔激发并采集片层2的参考信息，在第t-1个R-R间隔激发并采集片层3的参考信息。然后，在第t个R-R间隔向目标区域推注对比剂后，在预设时间段内，MRI设备从第t个R-R间隔开始，在每个R-R间隔利用多频带射频脉冲同时激发并采集3个片层的AIF混叠信号。其中，参考信号在R-R间隔内的采集位置与AIF混叠信号在R-R间隔内的采集位置相同。例如，如图3所示，均在R-R间隔的时间点a处采集。
值得说明的是，由于生成AIF曲线所需的AIF信号是峰值未饱和的低分辨率信号。因此，MRI设备利用多频带射频脉冲同时激发并采集N个片层的AIF混叠信号时，在对目标区域施加多频带射频脉冲后，等待较短的时间，在AIF信号的峰值未饱和的情况下，利用小角度的FLASH采集低分辨率的AIF混叠信号。也就是说，回波时间(echo time，TE)设置较短，从而避免横向弛豫(T2)的影响。
在本申请实施例中，所述参考信号和所述AIF混叠信号的采集轨迹可以为笛卡尔轨迹也可以为非笛卡尔轨迹。
其中，笛卡尔轨迹是一种平行轨迹。例如，图4示出了笛卡尔轨迹中的一种单向平行轨迹的示意图。由于参考信号和AIF混叠信号均为二维的低分辨率数据，因此，AIF混叠信号和参考信号分布在K空间的x-y平面，其中，x-y平面中x表示相位编码方向，y表示输出编码方向。
非笛卡尔轨迹为除笛卡尔轨迹以外的轨迹，例如，径向轨迹和螺旋轨迹等。
例如，图5示出了一种径向轨迹的示意图，分布在K空间的x-y平面。图6示出了一种螺旋轨迹的示意图，也分布在K空间的x-y平面。
值得说明的是，由于非笛卡尔轨迹具有对运动不敏感的特性，因此，相比于笛卡尔轨迹，采用非笛卡尔轨迹采集的AIF混叠信号能够进一步降低因血液流动导致的误差，提高基于AIF混叠信号生成的AIF曲线的精确度。
示例性的，MRI设备采集的AIF混叠信号(假设表示为ρ(y))可以通过如下公式(1)表示：
Figure BDA0002318339060000081
其中，Sj表示第j(j＝1，2，……，NS)个片层的K空间信号，Δk为采样间距。N表示空间编码数，m为K空间编码指针。其中，若MRI采用笛卡尔轨迹采样AIF混叠信号，则空间编码表示相位编码。若MRI采用非笛卡尔轨迹采样AIF混叠信号，则空间编码表示采集编码线。Δyj表示每个片层的相对位移。通常，为了使得各层间的相对位移均价最大化，可以使得Δyi＝(j-1)·FOV/NS，其中，FOV表示成像视野。Φj(m)表示第j个片层的线性相位调制Φj(m)＝mΔkΔyj。
S103，MRI设备利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像。
示例性得，MRI设备可以基于感知度编码(Sensitivity Encoding，SENSE)算法，利用参考信号对AIF混叠信号进行重建。
例如，MRI设备先根据所述参考信号计算图像灵敏度矩阵。即MRI设备可以先利用N个片层的参考信号模拟出混叠状态的参考信号，然后计算得到能从混叠状态的参考信号恢复出每一片层的参考信号的每个片层的图像灵敏度矩阵。
然后利用所述图像灵敏度矩阵对所述AIF混叠信号进行重建，得到每个片层的AIF重建数据。即将所述AIF混叠信号分别于每个片层的图像灵敏度相乘，得到对应片层的AIF重建数据。
最后根据所述每个片层的AIF重建数据生成对应片层的AIF重建图像。即然后通过傅里叶变换得到每个片层的多通道图像，最后将每个片层的多通道图像进行相位恢复，得到每个片层的重建图像。
针对每个片层的AIF重建数据，MRI设备可以先AIF重建数据之间的相位偏移量，然后基于平方和(sumofsquares，SoS)算法，或者复数线性组合(Complex Coil CoNination)算法，将每个片层的AIF重建数据进行融合，得到融合后的重建数据。最后将融合后的重建数据通过傅里叶逆变换转换到图像域，得到对应片层的AIF重建图像。
S104，MRI设备对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线。
示例性的，对于所述每个片层的AIF重建图像，MRI设备先对AIF重建图像进行运动校准、质子密度(Proton Density，PD)配准以及左心室(the left Ventricle，LV)血池信号分割，得到所述片层的磁化矢量。然后利用布洛赫(Bloch)方程将所述磁化矢量转换为对比剂的浓度值，得到所述片层的第一AIF曲线。
其中，运动校准、PD配准、LV血池信号分割以及Bloch方程对SR值和PD值的转换的具体实施例流程，均可参考现有流程，本申请不做介绍。
S105，MRI设备对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
示例性的，如图7所示，以如图2所示的3个片层为例，MRI设备对基于上述S101-104的步骤，得到片层1的第一AIF曲线1、片层2的第一AIF曲线2、片层3的第一AIF曲线3可。然后，基于S105的步骤，MRI设备对第一AIF曲线1、第一AIF曲线2、第一AIF曲线3求平均后，得到的第二AIF曲线。
可以看出，第一AIF曲线2存在明显误差，而求平均后，得到第二AIF曲线在一定程度上消除了各条第一AIF曲线上的误差。
综上所述，采用本发明实施例提供的AIF曲线生成方法，MRI设备通过同时生成多个片层的第一AIF曲线，然后将多个片层的第一AIF曲线进行平均所得到的第二AIF曲线作为目标区域的AIF曲线，减少了误差，提高了目标区域的AIF曲线的精确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的AIF曲线生成方法，图8示出了本发明实施例提供的AIF曲线生成装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。
参照图8，该灌注图像装置包括：采集单元81、重建单元82、转换单元83、处理单元84。
采集单元81，用于在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号；并在所述目标区域推注所述对比剂之后，同时激发并采集所述NS个片层的AIF混叠信号，NS为大于1的整数.
重建单元82，用于利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像。
转换单元83，用于对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线。
处理单元84，用于对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
其中，采集单元81采集参考信号和AIF混叠信号的具体实施方式、重建单元82重建AIF重建图像的具体实施方式、转换单元83生成第一AIF曲线的具体实施方式以及处理单元84得到第二AIF曲线的具体实施方式，可以参考上文中图1-7所示实施例中的相关描述，此处不在赘述。
在本发明实施例中，该灌注图像装置可以是MRI设备，或者是MRI设备中的芯片，或者是集成在MRI设备中的功能模块。其中，该芯片或者该功能模块可以位于MRI设备的控制中心(例如，控制台)，控制MRI设备实现本发明实施例提供的AIF曲线生成方法。
参见图9，为本发明实施例提供的一种MRI设备，包括：至少一个处理器90(图9中仅示出一个)处理器、存储器91以及存储在存储器91中并可在至少一个处理器90上运行的计算机程序92，处理器90执行计算机程序92时实现上述AIF曲线生成方法实施例中的步骤。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，该处理器90还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器91在一些实施例中可以是MRI设备的内部存储单元，例如MRI设备的硬盘或内存。存储器91在另一些实施例中也可以是MRI设备的外部存储设备，例如MRI设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器91还可以既包括MRI设备的内部存储单元也包括外部存储设备。存储器91用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序92的程序代码等。存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解，图9仅仅是MRI设备的举例，并不构成对MRI设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备、扫描仪等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
相应的，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本发明实施例提供的AIF曲线生成方法。
本发明实施例还提供一种计算机程序产品，当计算机程序产品在MRI设备上运行时，使得MRI设备执行本发明实施例提供的AIF曲线生成方法。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种动脉输入函数AIF曲线生成方法，其特征在于，包括：
在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号，NS为大于1的整数；
在所述目标区域推注所述对比剂之后，同时激发并采集所述NS个片层的AIF混叠信号；
利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像；
对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线；
对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
2.根据权利要求1所述的方法，其特征在于，所述在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号，包括：
在所述目标区域推注所述对比剂之前的NS个连续的采集周期内，分别激发并采集所述NS个片层的参考信号，其中，每个所述采集周期内完成所述NS个片层中的一个片层的参考信号采集。
3.根据权利要求1所述的方法，其特征在于，所述参考信号和所述AIF混叠信号的采集轨迹为非笛卡尔轨迹。
4.根据权利要求1所述的方法，其特征在于，所述利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像，包括：
根据所述参考信号计算图像灵敏度矩阵；
利用所述图像灵敏度矩阵对所述AIF混叠信号进行重建，得到每个片层的AIF重建数据；
根据所述每个片层的AIF重建数据生成对应片层的AIF重建图像。
5.根据权利要求1所述的方法，其特征在于，所述对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，包括：
对于所述每个片层的AIF重建图像，对所述AIF重建图像进行运动校准、质子密度PD配准以及左心室LV血池信号分割处理，得到在所述片层的磁化矢量；
利用布洛赫Bloch方程将所述磁化矢量转换为所述对比剂的浓度值，得到所述片层的第一AIF曲线。
6.一种动脉输入函数AIF曲线生成装置，其特征在于，包括：
采集单元，用于在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号；并在所述目标区域推注所述对比剂之后，同时激发并采集所述NS个片层的AIF混叠信号，NS为大于1的整数；
重建单元，用于利用所述参考信息对所述AIF混叠信号进行重建，得到每个片层的AIF重建图像；
转换单元，用于对所述每个片层的AIF重建图像进行浓度转换处理，得到所述每个片层的第一AIF曲线，所述第一AIF曲线为在对应的片层中，所述对比剂的浓度随时间变化的变化曲线；
处理单元，用于对得到的NS个第一AIF曲线进行平均处理，得到第二AIF曲线，所述第二AIF曲线为在所述目标区域中，所述对比剂的浓度随时间变化的变化曲线。
7.根据权利要求6所述的装置，其特征在于，所述采集单元在目标区域推注对比剂之前，分别激发并采集所述目标区域的NS个片层的参考信号，包括：
在所述目标区域推注所述对比剂之前的NS个连续的采集周期内，分别激发并采集所述NS个片层的参考信号，其中，每个所述采集周期内完成所述NS个片层中的一个片层的参考信号采集。
8.根据权利要求6所述的装置，其特征在于，所述参考信号和所述AIF混叠信号的采集轨迹为非笛卡尔轨迹。
9.一种磁共振成像MRI设备，其特征在于，处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
CN201911287180.5A 2019-12-14 2019-12-14 一种动脉输入函数曲线生成方法及装置 Active CN111127586B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911287180.5A CN111127586B (zh) 2019-12-14 2019-12-14 一种动脉输入函数曲线生成方法及装置
PCT/CN2020/129515 WO2021115055A1 (zh) 2019-12-14 2020-11-17 一种动脉输入函数曲线生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911287180.5A CN111127586B (zh) 2019-12-14 2019-12-14 一种动脉输入函数曲线生成方法及装置

Publications (2)

Publication Number Publication Date
CN111127586A true CN111127586A (zh) 2020-05-08
CN111127586B CN111127586B (zh) 2021-10-29

Family

ID=70498847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911287180.5A Active CN111127586B (zh) 2019-12-14 2019-12-14 一种动脉输入函数曲线生成方法及装置

Country Status (2)

Country Link
CN (1) CN111127586B (zh)
WO (1) WO2021115055A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021115055A1 (zh) * 2019-12-14 2021-06-17 深圳先进技术研究院 一种动脉输入函数曲线生成方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114491993B (zh) * 2022-01-11 2023-04-14 深圳快造科技有限公司 数据处理方法、装置、服务器及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1263601A (zh) * 1998-04-17 2000-08-16 皇家菲利浦电子有限公司 磁共振成象方法和装置
CN102077108A (zh) * 2008-04-28 2011-05-25 康奈尔大学 分子mri中的磁敏度精确量化
CN102686264A (zh) * 2009-10-27 2012-09-19 雪松-西奈医疗中心 用于具有增强的细胞滞留的靶向细胞递送的外部磁力
CN103674031A (zh) * 2012-09-04 2014-03-26 西安电子科技大学 利用脉冲星辐射矢量和线偏振信息的航天器姿态测量方法
US20140241604A1 (en) * 2012-08-30 2014-08-28 Chang Gung University Method for extracting arterial input function and application thereof to dynamic contrast enhanced magnetic resonance imaging
CN104246478A (zh) * 2012-03-22 2014-12-24 光谱创新公司 通过测量光散射和荧光来表征样本的方法和设备
CN105701815A (zh) * 2016-01-12 2016-06-22 深圳安科高技术股份有限公司 一种磁共振灌注成像后处理方法及系统
CN107315896A (zh) * 2016-04-21 2017-11-03 北京大学 一种基于造影剂增强曲线的药代动力学参数估计方法
CN108375747A (zh) * 2018-03-22 2018-08-07 复旦大学 一种基于磁共振指纹的动态增强磁共振成像方法
CN109164759A (zh) * 2018-08-01 2019-01-08 深圳市汇川技术股份有限公司 曲线插补方法、设备及计算机可读存储介质
CN110236544A (zh) * 2019-05-29 2019-09-17 中国科学院重庆绿色智能技术研究院 基于相关系数的中风灌注成像病变区域检测系统及方法
CN110398969A (zh) * 2019-08-01 2019-11-01 北京主线科技有限公司 自动驾驶车辆自适应预测时域转向控制方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101912262B (zh) * 2010-07-22 2012-07-04 中国科学院深圳先进技术研究院 磁共振成像定量参数计算方法及系统
US9529065B2 (en) * 2011-04-21 2016-12-27 Koninklijke Philips N.V. Interleaved black and bright blood dynamic contrast enhanced (DCE) MRI
SG11201703074SA (en) * 2014-10-13 2017-05-30 Agency Science Tech & Res Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors
US10383590B2 (en) * 2015-09-28 2019-08-20 General Electric Company Methods and systems for adaptive scan control
CN111127586B (zh) * 2019-12-14 2021-10-29 深圳先进技术研究院 一种动脉输入函数曲线生成方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1263601A (zh) * 1998-04-17 2000-08-16 皇家菲利浦电子有限公司 磁共振成象方法和装置
CN102077108A (zh) * 2008-04-28 2011-05-25 康奈尔大学 分子mri中的磁敏度精确量化
CN102686264A (zh) * 2009-10-27 2012-09-19 雪松-西奈医疗中心 用于具有增强的细胞滞留的靶向细胞递送的外部磁力
CN104246478A (zh) * 2012-03-22 2014-12-24 光谱创新公司 通过测量光散射和荧光来表征样本的方法和设备
US20140241604A1 (en) * 2012-08-30 2014-08-28 Chang Gung University Method for extracting arterial input function and application thereof to dynamic contrast enhanced magnetic resonance imaging
CN103674031A (zh) * 2012-09-04 2014-03-26 西安电子科技大学 利用脉冲星辐射矢量和线偏振信息的航天器姿态测量方法
CN105701815A (zh) * 2016-01-12 2016-06-22 深圳安科高技术股份有限公司 一种磁共振灌注成像后处理方法及系统
CN107315896A (zh) * 2016-04-21 2017-11-03 北京大学 一种基于造影剂增强曲线的药代动力学参数估计方法
CN108375747A (zh) * 2018-03-22 2018-08-07 复旦大学 一种基于磁共振指纹的动态增强磁共振成像方法
CN109164759A (zh) * 2018-08-01 2019-01-08 深圳市汇川技术股份有限公司 曲线插补方法、设备及计算机可读存储介质
CN110236544A (zh) * 2019-05-29 2019-09-17 中国科学院重庆绿色智能技术研究院 基于相关系数的中风灌注成像病变区域检测系统及方法
CN110398969A (zh) * 2019-08-01 2019-11-01 北京主线科技有限公司 自动驾驶车辆自适应预测时域转向控制方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尹建东 等: "基于k_means簇分析提取DSC成像的脑动脉输入函数", 《东北大学学报（自然科学版）》 *
尹建东: "基于聚类分析提取DSC-MRI脑灌注的动脉输入函数", 《中国优秀博硕士学位论文全文数据库(博士)医药卫生科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021115055A1 (zh) * 2019-12-14 2021-06-17 深圳先进技术研究院 一种动脉输入函数曲线生成方法及装置

Also Published As

Publication number Publication date
WO2021115055A1 (zh) 2021-06-17
CN111127586B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
Polak et al. Highly‐accelerated volumetric brain examination using optimized wave‐CAIPI encoding
Wissmann et al. MRXCAT: Realistic numerical phantoms for cardiovascular magnetic resonance
CN108957375B (zh) 磁共振成像方法、装置、设备及存储介质
Cheng et al. Nonrigid motion correction in 3D using autofocusing withlocalized linear translations
US8120358B2 (en) Magnetic resonance imaging with high spatial and temporal resolution
US10338176B2 (en) Method and apparatus for actuation of a magnetic resonance scanner for the simultaneous acquisition of multiple slices
US9507003B2 (en) System and method for imaging of vascular structures using non-contrast enhanced magnetic resonance imaging
EP1751572A1 (en) Contrast prepared mri involving non-cartesian trajectories with oversampling of the center of k-space
CN110346743B (zh) 一种磁共振弥散加权成像方法和装置
Gong et al. Arterial spin labeling MR image denoising and reconstruction using unsupervised deep learning
JP6510273B2 (ja) 磁気共鳴イメージング装置、磁気共鳴イメージング方法及び磁気共鳴イメージングプログラム
Javed et al. Self‐gated 3D stack‐of‐spirals UTE pulmonary imaging at 0.55 T
US20210264645A1 (en) Multi-contrast mri image reconstruction using machine learning
CN111127586B (zh) 一种动脉输入函数曲线生成方法及装置
WO2018187760A1 (en) System and method for dynamic multiple contrast enhanced, magnetic resonance fingerprinting (dmce-mrf)
Haji‐Valizadeh et al. Accelerated, free‐breathing, noncontrast, electrocardiograph‐triggered, thoracic MR angiography with stack‐of‐stars k‐space sampling and GRASP reconstruction
Mickevicius et al. Simultaneous acquisition of orthogonal plane cine imaging and isotropic 4D-MRI using super-resolution
US20160374586A1 (en) Echo-planar imaging magnetic resonance elastography pulse sequence
EP4057022A1 (en) System and method for magnetization-prepared three-dimensional unbalanced steady-state free precession magnetic resonance imaging
Konar et al. Region of interest compressed sensing MRI
CN108324275A (zh) 一种磁共振成像信号和波谱信号的采集方法和装置
US9799100B2 (en) Integration of T2-preparation and motion tracking in magnetic resonance imaging
US11598833B2 (en) Saturation-prepared recording of MR image data
CN111103562B (zh) 一种同时多个片层成像的重建方法及装置
Hu et al. SPICER: Self‐supervised learning for MRI with automatic coil sensitivity estimation and reconstruction

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