CN111537931A - 快速磁共振多参数成像方法和装置 - Google Patents

快速磁共振多参数成像方法和装置 Download PDF

Info

Publication number
CN111537931A
CN111537931A CN202010348375.2A CN202010348375A CN111537931A CN 111537931 A CN111537931 A CN 111537931A CN 202010348375 A CN202010348375 A CN 202010348375A CN 111537931 A CN111537931 A CN 111537931A
Authority
CN
China
Prior art keywords
tissue
images
imaging
tissue characteristic
dictionary
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
CN202010348375.2A
Other languages
English (en)
Other versions
CN111537931B (zh
Inventor
王海峰
邹莉娴
梁栋
刘新
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 CN202010348375.2A priority Critical patent/CN111537931B/zh
Publication of CN111537931A publication Critical patent/CN111537931A/zh
Application granted granted Critical
Publication of CN111537931B publication Critical patent/CN111537931B/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
    • G01R33/50—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
    • G01R33/4818—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
    • G01R33/54—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
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse

Landscapes

  • Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请适用于磁共振技术领域，提供了快速磁共振多参数成像方法和装置，该快速磁共振多参数成像方法包括：通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；将所述脉冲序列的参数、自旋‑晶格弛豫时间常数T1和自旋‑自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出。本申请能够提高磁共振指纹定量成像的准确度。

Description

快速磁共振多参数成像方法和装置
技术领域
本申请属于磁共振技术领域，尤其涉及快速磁共振多参数成像方法和装置。
背景技术
磁共振成像(MRI)是一种强大的医用成像模式，它没有电离辐射，而且能提供多种图像对比度，可获得人体解剖结构、生理功能、血流和代谢信息等信息。其中，磁共振指纹成像(MRF)是一种快速的定量磁共振成像新技术，一次扫描即可同时获得组织的多种组织特性参数。磁共振指纹成像技术主要包括利用N次激发不同的重复时间(TR)、回波时间(TE)和翻转角(FA)的脉冲序列，采集N组数据并重建得到N幅高度欠采样的图像，然后利用一阶布洛赫模型并根据脉冲序列的参数TR、TE和FA生成字典，最后将N幅图像上对应像素的信号与字典中元素逐点匹配识别，即可同时获得组织的多种参数结果。
然而，传统的磁共振指纹成像MRF过程中信号的演化较为复杂，而其字典模型又过于简单，从而导致得到的结果准确度较差。
发明内容
为克服相关技术中存在的问题，本申请实施例提供了快速磁共振多参数成像方法和装置。
本申请是通过如下技术方案实现的：
第一方面，本申请实施例提供了一种快速磁共振多参数成像方法，包括：
通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；
将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；
将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
在一个实施例中，所述方法还包括：
将所述字典根据分数阶因子分为K个类别的字典，K为大于或等于1的整数。
在一个实施例中，所述分数阶因子为针对T1和T2的分数阶因子。
在一个实施例中，所述分数阶因子的取值范围为0到2之间。
在一个实施例中，所述将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，包括：
将所述N幅图像对应像素组成的信号序列，分别与K个类别中的每一类别的所述字典的条目进行匹配识别，得到K组组织特性参数的定量成像图像，每组组织特性参数的定量成像图像包括R个组织特性参数的定量成像图像；
对于所述K组定量成像图像中的任一组的定量成像图像，选取M个感兴趣的组织区域；
将各组组织特性参数的定量成像图像的所述M个感兴趣的组织区域的R个组织特性参数与对应区域的R个经验组织特性参数进行比较，根据比较得出的偏差度确定最终的组织特性参数图作为指纹成像的输出。
在一个实施例中，所述将所述N幅图像对应像素组成的信号序列分别与各个类别的所述字典中的条目进行匹配识别，得到K组组织特性参数的定量成像图像，包括：
提取N幅图像中对应像素点的信号，得到一个二维的信号序列；其中，N幅图像中的每幅图像均由多个像素点构成；
将所述信号序列与所述K个分数阶因子类别字典的各个条目进行匹配，得到每个像素点位置对应的K组组织特性参数，每组组织特性参数包括R个组织特性参数；
将所有像素点的组织特性参数转换为R幅定量成像图像。
在一个实施例中，所述选取M个感兴趣的组织区域，包括：
在所述定量成像图像上选取单一成分的组织对应的图像区域为感兴趣的组织区域。
在一个实施例中，所述将各组组织特性参数的定量成像图像的所述M个感兴趣的组织区域的组织特性参数与对应区域的R个经验组织特性参数进行匹配，根据比较得出的偏差度确定最终的R个组织特性参数图作为指纹成像的结果输出，包括：
对各组定量成像图像的所述M个感兴趣的组织区域所包含的像素点进行标号排序，并对应设置每个像素点的R个经验组织特性参数，将各个像素点的各个经验组织特性参数构成行向量r；
基于所述标号排序的方式将各个类别的所述字典中与所述M个感兴趣的组织区域所包含的像素点对应的各个组织特性参数构成矩阵J；
根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图。
在一个实施例中，所述根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图，包括：
计算所述矩阵J中每行向量与所述行向量r的残差平方和，各个残差平方和构成大小为K的列向量err；
根据所述列向量err中最小的值所对应的组织特性参数确定所述最终的R个组织特性参数图。
在一个实施例中，所述计算所述矩阵J中每行向量与所述行向量r的残差平方和，具体为：
计算所述矩阵J中的候选组织特性参数与所述行向量r中对应的经验组织特性参数的差值；其中，所述候选组织特性参数为各个类别的字典中与所述M个感兴趣的组织区域所包含的像素点对应的组织特性参数；
将所述差值除以对应的经验组织特性参数并将取平方。
在一个实施例中，所述组织特性参数为T1和/或T2。
在一个实施例中，所述通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像，包括：
在对所述脉冲序列的每一次激发中，采用不同的重复时间TR、回波时间TE和翻转角FA，采集N组数据并重建得到N幅图像。
在一个实施例中，所述分数阶布洛赫模型为：
Figure BDA0002471045710000041
Mz(t)＝Mz(0)+[M0-Mz(0)][1-Eβ(-(t/T1)β)]
Figure BDA0002471045710000042
Mxy(t)＝Mxy(0)[Eα(-(t/T2)α)]+Mxy(∞)
其中，
Figure BDA0002471045710000043
为Caputo形式的Riemann-Liouville的β阶微分算子，
Figure BDA0002471045710000044
为Caputo形式的Riemann-Liouville的α阶微分算子，M0为初始磁化矢量，Mz(t)为t时刻纵向磁化矢量，Mxy(t)为t时刻横向磁化矢量，T1 β为β阶T1驰豫时间常数，
Figure BDA0002471045710000045
为α阶T2驰豫时间常数，Eβ(-(t/T1)β)为T1的β阶拉伸Mittag-Leffler函数，Eα(-(t/T2)α)为T2的α阶拉伸Mittag-Leffler函数，ω0为共振频率，
Figure BDA0002471045710000046
为Riemann-Liouville的(1-α)阶积分算子，且Mittag-Leffler函数为
Figure BDA0002471045710000047
第二方面，本申请实施例提供了一种快速磁共振多参数成像装置，包括：
采集模块，用于通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；
字典生成模块，用于将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；
匹配成像模块，用于将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理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，所述处理器执行所述计算机程序时实现如第一方面任一项所述的快速磁共振多参数成像方法。
第四方面，本申请实施例提供了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，所述计算机程序被处理器执行时实现如第一方面任一项所述的快速磁共振多参数成像方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的快速磁共振多参数成像方法。
可以理解的是，上述第二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。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例，通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，由于综合了脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2生成字典，因此得到的R个组织特性参数图能够提高定量成像的准确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请一实施例提供的应用场景示意图；
图2是本申请一实施例提供的快速磁共振多参数成像方法的流程示意图；
图3(a)是本申请一实施例提供的脉冲序列中翻转角FA的示意图；
图3(b)是本申请一实施例提供的脉冲序列中重复时间TR和回波时间TE的示意图；
图4是本申请一实施例提供的脉冲序列的时序图；
图5是本申请一实施例提供的快速磁共振多参数成像方法的流程示意图；
图6是本申请一实施例提供的对字典按分数阶因子归类的示意图；
图7是本申请一实施例提供的快速磁共振多参数成像方法的流程示意图；
图8是本申请一实施例提供的将N幅图像划分为K组图像的过程示意图；
图9是本申请一实施例提供的在图像中选取感兴趣的组织区域的示意图；
图10是本申请一实施例提供的快速磁共振多参数成像方法的流程示意图；
图11是本申请一实施例提供的对感兴趣的组织区域中的像素点标号排序的示意图；
图12是本申请一实施例提供的本申请效果与其他方法效果对比的示意图；
图13是本申请一实施例提供的快速磁共振多参数成像装置的结构示意图；
图14是本申请一实施例提供的终端设备的结构示意图。
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，以便透彻理解本申请实施例。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申请。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申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请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。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请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。
磁共振成像(MRI)是一种强大的医用成像模式，它没有电离辐射，而且能提供多种图像对比度，可获得人体解剖结构、生理功能、血流和代谢信息等信息。然而传统的MRI用于定量成像时，其应用受限于扫描时间，为获得组织的一种组织特性参数需要重复多次扫描并只改变一个变量。例如，反转恢复的自旋回波序列重复多次扫描改变反转恢复时间(TI)同时保持其他扫描参数不变，经非线性拟合以测得自旋-晶格弛豫时间常数(T1)；自旋回波序列重复多次扫描改变回波时间同时保持其他扫描参数不变，经非线性拟合以测得自旋-自旋弛豫时间常数(T2)。
磁共振指纹成像(MRF)是一种快速的定量磁共振成像新技术，一次扫描即可同时获得组织的多种组织特性参数。磁共振指纹成像技术主要包括利用N次激发不同的重复时间(TR)、回波时间(TE)和翻转角(FA)的脉冲序列，采集N组数据并重建得到N幅高度欠采样的图像，然后利用一阶布洛赫模型并根据脉冲序列的参数TR、TE和FA生成字典，最后将N幅图像上对应像素的信号与字典中元素逐点匹配识别，即可同时获得组织的多种参数结果。
但是，该分数阶指纹成像因为使用了逐点的分数阶因子，提高了局部的匹配精度却牺牲了图像的信噪比和全局精度，从而导致该分数阶指纹成像的结果虽比一阶的指纹成像结果好，但仍与经典的定量磁共振成像MRI仍有一定差距。
本申请发明人在研究过程中发现：目前的分数阶磁共振指纹成像只考虑了单点实际采得信号演变与字典模拟信号演变的匹配度，并没有充分利用先验的组织特性参数与字典中候选的组织特性参数间的匹配度。针对以上技术的缺点，本发明提出了一种基于分数阶指纹定量成像的快速磁共振多参数成像方法，通过脉冲序列采集N组数据，并基于N组数据重建得到N幅图像；将脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；将N幅图像上对应像素的信号序列与字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，由于综合了脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2生成字典，因此得到的R个组织特性参数图能够提高定量成像的准确度。
举例说明，本申请实施例可以应用到如图1所示的示例性场景中。其中，磁共振设备10和服务器20构成上述快速磁共振多参数成像方法的应用场景。
具体的，磁共振设备10根据服务器20的脉冲序列获取N组数据，该数据可以为指纹图像数据，并将该N组数据发送给服务器20；服务器20基于该N组数据重建得到N幅图像，将脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典，将N幅图像上对应像素的信号序列与字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出。
其中，上述最终的R个组织特性参数图为能够反映人体组织的R个组织特性参数，而且上述最终的R个组织特性参数图能够显示为对应的人体组织图像，例如对上述最终的R个组织特性参数图经过图像化处理可以显示为对应的人体组织图像，以便于医生进行参考观察。
以下结合图1对本申请的快速磁共振多参数成像方法进行详细说明。
图2是本申请一实施例提供的快速磁共振多参数成像方法的示意性流程图，参照图2，该快速磁共振多参数成像方法的详述如下：
在步骤110中，通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数。
示例性的，步骤110具体可以为：在对上述脉冲序列的每一次激发中，采用不同的重复时间(Time of Repetition，TR)、回波时间(Time of Echo，TE)和翻转角(Flip Angle,FA)，采集N组数据并重建得到N幅图像。
具体的，可以调整重复时间TR、回波时间TE和翻转角FA，不同的重复时间TR、回波时间TE和翻转角FA对应不同的脉冲序列，然后根据不同的脉冲序列来采集数据，例如可以为指纹图像数据。
图3(a)和图3(b)中提供了一种整重复时间TR、回波时间TE和翻转角FA的示例性实施例，其中图3(a)中调整的是翻转角FA，图3(b)中调整的是重复时间TR和回波时间TE，通过图3(a)和图3(b)中所示的方式可以实现对脉冲序列的重复时间TR、回波时间TE和翻转角FA进行调整，得到的脉冲序列如图4所示，根据图4所示的脉冲序列采集N组数据，例如可以为指纹图像数据。
在步骤120中，将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典。
其中，弛豫时间为动力学系统的一种特征时间，为系统的某种变量由暂态趋于某种定态所需要的时间。自旋-晶格弛豫时间常数T1为纵向磁化强度恢复的时间常数，又称为纵向弛豫时间常数；自旋-自旋弛豫时间常数T2为横向磁化强度消失的时间常数，又称横向弛豫时间常数。
示例性的，上述脉冲序列的参数可以包括重复时间TR、回波时间TE和翻转角FA。
本实施例中，根据脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典，使得该字典能够更加准确的反映出组织特性参数，从而使得后续的成像准确度更高。
在步骤130中，将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
示例性的，可以将N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，将匹配度最高的信号序列作为最终的R个组织特性参数图作为指纹成像的输出，或根据匹配度大于阈值的信号序列确定最终的R个组织特性参数图作为指纹成像的输出，对此不予限定，可以根据实际需要设定。
例如，可以根据N幅图像上对应像素的信号序列与所述字典中的条目的差值的大小，确定匹配度的高低，差值越小匹配度越高，差值越大匹配度越高。
上述快速磁共振多参数成像方法，通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，由于综合了脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2生成字典，因此最终的R个组织特性参数图能够提高定量成像的准确度。
图5是本申请一实施例提供的快速磁共振多参数成像方法的示意性流程图，基于图2所示的实施例，该快速磁共振多参数成像方法还可以包括：
在步骤140中，将所述字典根据分数阶因子分为K个类别的字典，K为大于或等于1的整数。
一个实施例中，上述分数阶因子可以为针对T1和T2的独立的分数阶因子。
一个实施例中，上述分数阶因子的范围可以为0到2之间。
示例性的，如图6所示，可以根据脉冲序列的参数(重复时间TR、回波时间TE和翻转角FA)以及T1和T2，通过分数阶布洛赫方程(亦称分数阶布洛赫模型)生成字典，然后通过分数阶布洛赫模型的各个分数阶因子将该字典分为K个类别的字典，每个类别的字典对应一种信号演变曲线。
本实施例中，将分数阶因子作为弹性校准因子对字典进行分类，并采用分类后的字典中的元素与N幅图像上对应像素的信号序列进行匹配，根据匹配度确定最终的R个组织特性参数图，能够提高匹配效果，并进一步提高成像的准确度。
一些实施例中，上述分数阶布洛赫模型具体可以为：
Figure BDA0002471045710000111
Mz(t)＝Mz(0)+[M0-Mz(0)][1-Eβ(-(t/T1)β)] (2)
Figure BDA0002471045710000112
Mxy(t)＝Mxy(0)[Eα(-(t/T2)α)]+Mxy(∞) (4)
其中，式(1)和式(2)对应T1的弛豫时间，式(3)和式(4)对应T2的弛豫时间，
Figure BDA0002471045710000113
为Caputo形式的Riemann-Liouville的β阶微分算子，
Figure BDA0002471045710000114
为Caputo形式的Riemann-Liouville的α阶微分算子，M0为初始磁化矢量，Mz(t)为t时刻纵向磁化矢量，Mxy(t)为t时刻横向磁化矢量，T1 β为β阶T1驰豫时间常数，
Figure BDA0002471045710000121
为α阶T2驰豫时间常数，Eβ(-(t/T1)β)为T1的β阶拉伸Mittag-Leffler函数，Eα(-(t/T2)α)为T2的α阶拉伸Mittag-Leffler函数，ω0为共振频率，
Figure BDA0002471045710000122
为Riemann-Liouville的(1-α)阶积分算子，且在参数t较小时Mittag-Leffler函数可以为
Figure BDA0002471045710000123
图7是本申请一实施例提供的快速磁共振多参数成像方法的示意性流程图，基于图5所示的实施例，步骤130具体可以包括：
在步骤131中，将所述N幅图像对应像素组成的信号序列，分别与K个类别中的每一类别的所述字典的条目进行匹配识别，得到K组组织特性参数的定量成像图像，每组组织特性参数包括R个组织特性参数。
一个实施例中，可以将上述N幅图像对应像素组成的信号序列分别与各个类别的所述字典中的条目进行匹配识别，得到K组组织特性参数的定量成像图像。即，可以通过K个类别的字典分别将上述N幅图像划分为K组图像。
参见图8，将重建得到的N幅图像对应像素组成的信号序列分别与K个类别的字典中各分数阶因子的条目逐条匹配识别，可以同时获得K组组织特性参数的定量成像结果。
示例性的，N幅图像中的每幅图像由多个像素点构成，提取N幅图像中对应像素点的信号，得到一个二维的信号序列，然后将该信号序列与K个类别的字典的各个条目匹配，得到每个像素点位置对应的K组组织特性参数，每组组织特性参数可以包括R个组织特性参数；将所有像素点的组织特性参数转换为R幅定量成像图像。
在步骤132中，对于所述K组定量成像图像中的任一组定量成像图像，选取M个感兴趣的组织区域。
一个实施例中，对于上述K组定量成像图像中的任一组定量成像图像，可以在定量成像图像上选取单一成分的组织对应的图像区域为感兴趣的组织区域。本实施例中，感兴趣的组织区域为已知单一成分的特定组织，例如背景噪声区域就不该纳入感兴趣的组织区域的选取范围。
参见图9，图中以定量成像图像包含四个成分的特定组织为例进行说明，但并不以此为限。对于定量成像图像中的四个成分的组织，可以分别在每一成分的特定组织中选取感兴趣的组织区域，得到四个感兴趣的组织区域，分别为ROI1、ROI2、ROI3和ROI4。其中，每个感兴趣的组织区域均是在某一个成分的特定组织对应的图像区域选取的感兴趣的组织区域。
本实施例中，感兴趣的组织区域的个数不小于1个，例如可以选取3个以上，并且每个感兴趣的组织区域包含法人像素个数可以不同，另外每个感兴趣的组织区域包含的像素个数一搬不少于10个。
在步骤133中，将各组定量成像图像的所述M个感兴趣的组织区域的R个组织特性参数与对应区域的R个经验组织特性参数进行比较，根据比较得出的偏差度确定最终的组织特性参数图作为指纹成像的输出。
参见图10，一个实施例中，步骤133可以包括以下步骤：
在步骤201中，对各组定量成像图像的所述M个感兴趣的组织区域所包含的像素点进行标号排序，并对应设置每个像素点的R个经验组织特性参数，将各个像素点的各个经验组织特性参数构成行向量r。
参见图11，对于感兴趣的组织区域ROI1，可以包含12个像素点，对于这12个像素点进行标号排序，得到如图11左图所示的内容；其中，像素点4、像素点5、像素点8和像素点9是全包含在感兴趣的组织区域ROI1中的，其他像素点均只是部分包含在感兴趣的组织区域ROI1中的。对于感兴趣的组织区域ROI2，可以包含12个像素点，对于这12个像素点进行标号排序，得到如图11右图所示的内容。其中，像素点16、像素点17、像素点20和像素点21是全包含在感兴趣的组织区域ROI1中的，其他像素点均只是部分包含在感兴趣的组织区域ROI1中的。
本实施例中，各个感兴趣的组织区域中的像素点的标号可以依此排序。例如，以四个感兴趣的组织区域、每个感兴趣的组织区域包含12个像素点为例，感兴趣的组织区域ROI1中的像素点的标号为1～12，感兴趣的组织区域ROI2中的像素点的标号为13～24，感兴趣的组织区域ROI3中的像素点的标号为25～36，感兴趣的组织区域ROI4中的像素点的标号为37～48。
当然，在其他实施例中每个感兴趣的组织区域包含的像素点个数不限于12个，每个感兴趣的组织区域可以包含多于12个像素点的情况，以上仅为示例性说明，对此不予限定。
在对各个感兴趣的组织区域所包含的像素点进行标号排序后，对应设置每个像素点的R个经验组织特性参数，从而构成行向量r。例如，可以按照各个像素点的标号的顺序，将对应的经验组织特性参数构成行向量r。
在步骤202中，基于所述标号排序的方式将各个类别的所述字典的候选组织特性参数构成矩阵J。
基于步骤201中对像素点的标号排序的方式，将各个类别的字典中与M个感兴趣的组织区域所包含的像素点对应的各个组织特性参数进行处理，构成矩阵J，其中矩阵J中的行表示像素点维度，列表示K组组织特性参数。为便于描述，可以将各个类别的字典中与M个感兴趣的组织区域所包含的像素点对应各个组织特性参数成为候选组织特性参数。
在步骤203中，根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图。
一个实施例中，步骤203的具体实现方式可以为：
步骤A，计算所述矩阵J中每行向量与所述行向量r的残差平方和，各个残差平方和构成大小为K的列向量err；
步骤B，根据所述列向量err中最小的值所对应的组织特性参数作为所述最终的R个组织特性参数图。
其中，残差平方和指的是矩阵J中的候选组织特性参数减去向量r中对应的经验组织特性参数后除以该经验组织特性参数后取平方，步骤A具体可以为：
计算所述矩阵J中的候选组织特性参数与所述行向量r中对应的经验组织特性参数的差值；
将所述差值除以对应的经验组织特性参数并将取平方。
一些实施例中，所述组织特性参数为T1和/或T2。
对于组织特性参数为T1和T2的情况，在步骤A中则分别得到T1和T2的每行的残差平方和err，将两者的残差平方和err做平均或者相加作为该行的err，将所有行的err组成大小为K的列向量err，该列向量中最小的值所对应的组织特性参数即为最终的R个组织特性参数图。
图12为将本申请、背景技术中的方案(如图中所示的之前技术)和传统定量磁共振成像进行比对的示意图，由图12可知，本申请相对于背景技术中所述的之前技术(分数阶磁共振指纹成像)更接近传统定量磁共振成像结果。
上述快速磁共振多参数成像方法，通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，由于综合了脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2生成字典，因此最终的R个组织特性参数图能够提高定量成像的准确度。
传统的分数阶指纹成像只考虑了单点实际采得信号演变与字典模拟信号演变的匹配度，并没有充分利用先验的组织特性参数与字典中的候选组织特性参数间的匹配度。针对以上技术的缺点，本申请不仅考虑了信号演变的匹配度，还充分利用了与分数阶因子相关的候选组织特性参数的匹配度，从而提高了定量成像准确度。
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，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例应用于快速磁共振多参数成像方法，图13示出了本申请实施例提供的快速磁共振多参数成像装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参见图13，本申请实施例中的快速磁共振多参数成像装置可以包括采集模块201、字典生成模块202和匹配成像模块203；
其中，采集模块201，用于通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；
字典生成模块202，用于将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；
匹配成像模块203，用于将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
可选的，上述装置还可以包括：
字典分类模块，用于将所述字典根据分数阶因子分为K个类别的字典，K为大于或等于1的整数。
示例性的，所述分数阶因子为针对T1和T2的分数阶因子。
示例性的，所述分数阶因子的取值范围为0到2之间。
可选的，匹配成像模块203可以包括：
图像分组单元，用于将所述N幅图像对应像素组成的信号序列，分别与K个类别中的每一类别的所述字典的条目进行匹配识别，得到K组组织特性参数的定量成像图像，每组组织特性参数包括R个组织特性参数；
感兴趣区域选取单元，用于对于所述K组组织特性参数的定量成像图像中的任一组的定量成像图像，选取M个感兴趣的组织区域；
匹配成像单元，用于将各组组织特性参数的定量成像图像的所述M个感兴趣的组织区域的R个组织特性参数与对应区域的R个经验组织特性参数进行比较，根据比较得出的偏差度确定最终的R个组织特性参数图作为指纹成像的输出。
可选的，所述图像分组单元具体可以用于：
提取N幅图像中对应像素点的信号，得到一个二维的信号序列；其中，N幅图像中的每幅图像均由多个像素点构成；
将所述信号序列与所述K个类别字典的各个条目进行匹配，得到每个像素点位置对应的K组组织特性参数，每组组织特性参数包括R个组织特性参数；
将所有像素点的组织特性参数转换为R幅定量成像图像。
可选的，上述图像分组单元具体可以用于：
在所述定量成像图像上选取单一成分的组织对应的图像区域为感兴趣的组织区域。
可选的，上述匹配成像单元具体可以用于：
对各定量成像图像的所述M个感兴趣的组织区域所包含的像素点进行标号排序，并对应设置每个像素点的R个经验组织特性参数值，将各个像素点的各个经验组织特性参数构成行向量r；
基于所述标号排序的方式将各个类别的所述字典中与所述M个感兴趣的组织区域所包含的像素点对应的各个组织特性参数构成矩阵J；
根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图。
可选的，所述根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图，包括：
计算所述矩阵J中每行向量与所述行向量r的残差平方和，各个残差平方和构成大小为K的列向量err；
根据所述列向量err中最小的值所对应的组织特性参数作为所述最终的R个组织特性参数图。
例如，所述计算所述矩阵J中每行向量与所述行向量r的残差平方和，具体为：
计算所述矩阵J中的候选组织特性参数与所述行向量r中对应的经验组织特性参数的差值；
将所述差值除以对应的经验组织特性参数并将取平方。
示例性的，所述组织特性参数为T1和/或T2。
可选的，采集模块201具体可以用于：
在对所述脉冲序列的每一次激发中，采用不同的重复时间TR、回波时间TE和翻转角FA，采集N组数据并重建得到N幅图像。
可选的，所述分数阶布洛赫模型为：
Figure BDA0002471045710000181
Mz(t)＝Mz(0)+[M0-Mz(0)][1-Eβ(-(t/T1)β)] (2)
Figure BDA0002471045710000182
Mxy(t)＝Mxy(0)[Eα(-(t/T2)α)]+Mxy(∞) (4)
其中，式(1)和式(2)对应T1的弛豫时间，式(3)和式(4)对应T2的弛豫时间，
Figure BDA0002471045710000183
为Caputo形式的Riemann-Liouville的β阶微分算子，
Figure BDA0002471045710000184
为Caputo形式的Riemann-Liouville的α阶微分算子，M0为初始磁化矢量，Mz(t)为t时刻纵向磁化矢量，Mxy(t)为t时刻横向磁化矢量，T1 β为β阶T1驰豫时间常数，
Figure BDA0002471045710000185
为α阶T2驰豫时间常数，Eβ(-(t/T1)β)为T1的β阶拉伸Mittag-Leffler函数，Eα(-(t/T2)α)为T2的α阶拉伸Mittag-Leffler函数，ω0为共振频率，
Figure BDA0002471045710000186
为Riemann-Liouville的(1-α)阶积分算子，且在参数t较小时Mittag-Leffler函数可以为
Figure BDA0002471045710000187
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
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，并不用于限制本申请的保护范围。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。
本申请实施例还提供了一种终端设备，参见图14，该终端设备400可以包括：至少一个处理器410、存储器420以及存储在所述存储器420中并可在所述至少一个处理器410上运行的计算机程序，所述处理器410执行所述计算机程序时实现上述任意各个方法实施例中的步骤，例如图2所示实施例中的步骤101至步骤103。或者，处理器410执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图13所示模块301至303的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器420中，并由处理器410执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在终端设备400中的执行过程。
本领域技术人员可以理解，图14仅仅是终端设备的示例，并不构成对终端设备的限定，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，例如输入输出设备、网络接入设备、总线等。
处理器410可以是中央处理单元(Central Processing Unit，CPU)，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420可以是终端设备的内部存储单元，也可以是终端设备的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器420用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器420还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例还提供了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，所述计算机程序被处理器执行时实现上述快速磁共振多参数成像方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现上述快速磁共振多参数成像方法各个实施例中的步骤。
所述集成的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，本申请实现上述实施例方法中的全部或部分流程，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。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至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
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申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络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。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种快速磁共振多参数成像方法，其特征在于，包括：
通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；
将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；
将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
2.如权利要求1所述的快速磁共振多参数成像方法，其特征在于，所述方法还包括：
将所述字典根据分数阶因子分为K个类别的字典，K为大于或等于1的整数。
3.如权利要求2所述的快速磁共振多参数成像方法，其特征在于，所述将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，包括：
将所述N幅图像对应像素组成的信号序列，分别与K个类别中的每一类别的所述字典的条目进行匹配识别，得到K组组织特性参数的定量成像图像，每组组织特性参数包括R个组织特性参数；
对于所述K组组织特性参数的定量成像图像中的任一组的定量成像图像，选取M个感兴趣的组织区域；
将各组组织特性参数的定量成像图像的所述M个感兴趣的组织区域的R个组织特性参数与对应区域的R个经验组织特性参数进行比较，根据比较得出的偏差度确定最终的R个组织特性参数图作为指纹成像的输出。
4.如权利要求3所述的快速磁共振多参数成像方法，其特征在于，所述将所述N幅图像对应像素组成的信号序列分别与各个类别的所述字典中的条目进行匹配识别，得到K组组织特性参数的定量成像图像，包括：
提取N幅图像中对应像素点的信号，得到一个二维的信号序列；其中，N幅图像中的每幅图像均由多个像素点构成；
将所述信号序列与所述K个类别字典的各个条目进行匹配，得到每个像素点位置对应的K组组织特性参数，每组组织特性参数包括R个组织特性参数；
将所有像素点的组织特性参数转换为R幅定量成像图像。
5.如权利要求3所述的快速磁共振多参数成像方法，其特征在于，所述将各组特性参数的定量成像图像的所述M个感兴趣的组织区域的组织特性参数与对应区域的R个经验组织特性参数进行比较，根据比较得出的偏差度确定最终的R个组织特性参数图作为指纹成像的结果输出，包括：
对各定量成像图像的所述M个感兴趣的组织区域所包含的像素点进行标号排序，并对应设置每个像素点的R个经验组织特性参数，将各个像素点的各个经验组织特性参数构成行向量r；
基于所述标号排序的方式将各个类别的所述字典中与所述M个感兴趣的组织区域所包含的像素点对应的各个组织特性参数构成矩阵J；
根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图。
6.如权利要求5所述的快速磁共振多参数成像方法，其特征在于，所述根据所述矩阵J每行向量与所述行向量r的差值，确定所述最终的R个组织特性参数图，包括：
计算所述矩阵J中每行向量与所述行向量r的残差平方和，各个残差平方和构成大小为K的列向量err；
根据所述列向量err中最小的值所对应的组织特性参数作为所述最终的R个组织特性参数图。
7.如权利要求1所述的快速磁共振多参数成像方法，其特征在于，所述通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像，包括：
在对所述脉冲序列的每一次激发中，采用不同的重复时间TR、回波时间TE和翻转角FA，采集N组数据并重建得到N幅图像。
8.一种快速磁共振多参数成像装置，其特征在于，包括：
采集模块，用于通过脉冲序列采集N组数据，并基于所述N组数据重建得到N幅图像；其中，N为大于等于1的整数；
字典生成模块，用于将所述脉冲序列的参数、自旋-晶格弛豫时间常数T1和自旋-自旋弛豫时间常数T2，通过分数阶布洛赫模型生成字典；
匹配成像模块，用于将所述N幅图像上对应像素的信号序列与所述字典中的条目进行匹配，根据匹配度确定最终的R个组织特性参数图作为指纹成像的输出，R为大于等于1的整数。
9.一种终端设备，包括存储器、处理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7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7任一项所述的方法。
CN202010348375.2A 2020-04-28 2020-04-28 快速磁共振多参数成像方法和装置 Active CN111537931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010348375.2A CN111537931B (zh) 2020-04-28 2020-04-28 快速磁共振多参数成像方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010348375.2A CN111537931B (zh) 2020-04-28 2020-04-28 快速磁共振多参数成像方法和装置

Publications (2)

Publication Number Publication Date
CN111537931A true CN111537931A (zh) 2020-08-14
CN111537931B CN111537931B (zh) 2022-05-17

Family

ID=71967567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010348375.2A Active CN111537931B (zh) 2020-04-28 2020-04-28 快速磁共振多参数成像方法和装置

Country Status (1)

Country Link
CN (1) CN111537931B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112075934A (zh) * 2020-09-09 2020-12-15 清华大学 用于识别颈动脉斑块的磁共振单序列多参数定量成像系统
CN112617796A (zh) * 2020-12-30 2021-04-09 深圳市联影高端医疗装备创新研究院 磁共振功能成像方法、装置、设备、存储介质及系统
CN112731235A (zh) * 2020-12-09 2021-04-30 中国科学院深圳先进技术研究院 一种磁共振化学交换饱和转移成像方法以及相关设备
CN115137347A (zh) * 2022-05-10 2022-10-04 浙江大学 三维超短回波时间磁共振指纹成像的髓鞘定量成像方法
WO2023093842A1 (zh) * 2021-11-29 2023-06-01 浙江大学 一种肝脏多参数定量成像方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170003365A1 (en) * 2014-03-14 2017-01-05 The General Hospital Corporation System and method for magnetic resonance fingerprinting
CN107194354A (zh) * 2017-05-23 2017-09-22 杭州师范大学 一种用于磁共振指纹成像的快速字典搜索方法
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
CN110073232A (zh) * 2016-12-15 2019-07-30 皇家飞利浦有限公司 多状态磁共振指纹识别
CN110133554A (zh) * 2018-02-08 2019-08-16 深圳先进技术研究院 一种基于分数阶模型的磁共振指纹成像方法、装置及介质
CN110346741A (zh) * 2018-04-06 2019-10-18 凯斯西储大学 使用多个脉冲序列类型的磁共振指纹的系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170003365A1 (en) * 2014-03-14 2017-01-05 The General Hospital Corporation System and method for magnetic resonance fingerprinting
CN110073232A (zh) * 2016-12-15 2019-07-30 皇家飞利浦有限公司 多状态磁共振指纹识别
CN107194354A (zh) * 2017-05-23 2017-09-22 杭州师范大学 一种用于磁共振指纹成像的快速字典搜索方法
CN110133554A (zh) * 2018-02-08 2019-08-16 深圳先进技术研究院 一种基于分数阶模型的磁共振指纹成像方法、装置及介质
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
CN110346741A (zh) * 2018-04-06 2019-10-18 凯斯西储大学 使用多个脉冲序列类型的磁共振指纹的系统和方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112075934A (zh) * 2020-09-09 2020-12-15 清华大学 用于识别颈动脉斑块的磁共振单序列多参数定量成像系统
CN112731235A (zh) * 2020-12-09 2021-04-30 中国科学院深圳先进技术研究院 一种磁共振化学交换饱和转移成像方法以及相关设备
CN112731235B (zh) * 2020-12-09 2024-04-19 中国科学院深圳先进技术研究院 一种磁共振化学交换饱和转移成像方法以及相关设备
CN112617796A (zh) * 2020-12-30 2021-04-09 深圳市联影高端医疗装备创新研究院 磁共振功能成像方法、装置、设备、存储介质及系统
WO2023093842A1 (zh) * 2021-11-29 2023-06-01 浙江大学 一种肝脏多参数定量成像方法
CN115137347A (zh) * 2022-05-10 2022-10-04 浙江大学 三维超短回波时间磁共振指纹成像的髓鞘定量成像方法

Also Published As

Publication number Publication date
CN111537931B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN111537931B (zh) 快速磁共振多参数成像方法和装置
Chaudhari et al. Super‐resolution musculoskeletal MRI using deep learning
Ghodrati et al. MR image reconstruction using deep learning: evaluation of network structure and loss functions
Ouyang et al. Ultra‐low‐dose PET reconstruction using generative adversarial network with feature matching and task‐specific perceptual loss
CN108375746B (zh) 一种相位反卷折方法与设备
US8706188B2 (en) Automatic segmentation of articular cartilage from MRI
Zhou et al. Deep learning methods for medical image fusion: A review
CN111047629A (zh) 多模态图像配准的方法、装置、电子设备及存储介质
CN107468250B (zh) 基于多尺度熵的生物组织太赫兹成像方法、系统和设备
Park et al. Dimensionality reduced cortical features and their use in the classification of Alzheimer's disease and mild cognitive impairment
Jog et al. Random forest flair reconstruction from t 1, t 2, and p d-weighted mri
Sperl et al. Model‐based denoising in diffusion‐weighted imaging using generalized spherical deconvolution
Varela‐Mattatall et al. Automatic determination of the regularization weighting for wavelet‐based compressed sensing MRI reconstructions
Polzehl et al. Magnetic resonance brain imaging
Wang et al. A two-step automated quality assessment for liver MR images based on convolutional neural network
Valverde et al. Assessing the accuracy and reproducibility of PARIETAL: a deep learning brain extraction algorithm
Liu et al. Recycling diagnostic MRI for empowering brain morphometric research–critical & practical assessment on learning-based image super-resolution
CN114119546A (zh) 检测mri影像的方法及装置
Oszust et al. Blind image quality assessment of magnetic resonance images with statistics of local intensity extrema
Sander et al. Autoencoding low-resolution MRI for semantically smooth interpolation of anisotropic MRI
HashemizadehKolowri et al. Jointly estimating parametric maps of multiple diffusion models from undersampled q‐space data: a comparison of three deep learning approaches
Taraschi et al. Computing fractal descriptors of texture images using sliding boxes: An application to the identification of Brazilian plant species
Kipele et al. Poisson noise reduction with nonlocal-pca hybrid model in medical x-ray images
CN114494014A (zh) 一种磁共振图像超分辨率重建方法及装置
WO2021217391A1 (zh) 快速磁共振多参数成像方法和装置

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