CN111812571B - 磁共振成像方法、装置和计算机设备 - Google Patents
磁共振成像方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111812571B CN111812571B CN202010709675.9A CN202010709675A CN111812571B CN 111812571 B CN111812571 B CN 111812571B CN 202010709675 A CN202010709675 A CN 202010709675A CN 111812571 B CN111812571 B CN 111812571B
- Authority
- CN
- China
- Prior art keywords
- space data
- original
- virtual
- space
- data
- 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.)
- Active
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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请涉及一种磁共振成像方法、装置和计算机设备。所述方法包括:对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;所述原始K空间数据仅填充K空间的部分;计算所述虚拟K空间数据和所述原始K空间数据之间的映射关系;基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据;根据所述混合K空间数据进行图像重建,得到目标磁共振图像。采用本方法能够解决图像重建无法恢复相位信息的问题。
Description
技术领域
本申请涉及磁共振技术领域,特别是涉及一种磁共振成像方法、装置和计算机设备。
背景技术
磁共振(Magnetic Resonance Imaging,MRI)成像技术是当今最先进的医学成像方法之一,在临床上和科学研究中得到了越来越广泛的应用。
早期MRI设备和技术面临的最大问题是成像速度太慢,随着主磁体、梯度系统和射频系统等硬件技术的进步,以及多种加速算法的改善,MRI成像的速度已经有了很大的提高。快速采集已经成为当今磁共振技术发展的主流,合理地利用快速采集技术不但可以缩短MRI的检查时间,还可大大提高检查质量。与快速采集技术相关的K空间特点包括:K空间具有镜像对称的特性;K空间中央区域的MR信号主要决定图像的对比,周边区域的MR信号主要决定图像的解剖细节;K空间的点阵与图像矩阵一致。磁共振成像的采集时间与相位编码线的多少成正比,采集的相位编码线越少,所需要的采集时间越少。现有技术中减少所需采集相位编码线的数据的方式可包括:减少相位编码级数、减少重复采集次数以及部分K空间技术。其中,部分傅里叶成像方法是临床成像过程中常用的加速成像方法,其是一种基于K空间的信号采集方法,它利用K空间的共轭对称性,采集K空间略多于一半的数据,再根据采集到的数据进行图像重建。由于采用欠采样的方式,因此可以大量缩短扫描时间,加快磁共振成像的速度。
但是,部分傅里叶算法对图像的相位信息不能很好地恢复,容易出现图像模糊、无法与迭代重建、水脂分离等需要相位信息的其他磁共振应用技术相结合等问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够恢复图像相位信息的磁共振成像方法、装置和计算机设备。
一种磁共振成像方法,该方法包括:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;原始K空间数据仅填充K空间的部分;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;
根据混合K空间数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,上述对预先获取到的原始K空间数据分别进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据,包括:
利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;
将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;
根据幅值信息和相位信息得到第三图像;
对第三图像进行傅里叶变换,得到虚拟K空间数据。
在其中一个实施例中,原始K空间数据的中心区域全采样,上述将原始K空间数据的至少部分变换至图像域,得到第二图像,包括:
对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。
在其中一个实施例中,上述根据幅值信息和相位信息得到第三图像,包括:
将幅值信息与相位信息进行点乘计算,得到第三图像。
在其中一个实施例中,上述计算虚拟K空间数据与原始K空间数据之间的映射关系,包括:
分别获取部分虚拟K空间数据和部分原始K空间数据;部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应;
根据部分虚拟K空间数据和部分原始K空间数据计算投影因子;投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在其中一个实施例中,上述根据部分虚拟K空间数据和部分原始K空间数据计算投影因子,包括:
计算N个通道的虚拟K空间数据的卷积和;N为正整数,且N小于或等于总通道数;
针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
在其中一个实施例中,上述基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据,包括:
根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;
将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
在其中一个实施例中,上述将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据,包括:
将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;
将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;
将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;
其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
一种磁共振成像方法,该方法包括:
获取原始K空间数据,原始K空间数据为对扫描对象进行部分采样获得,且原始K空间数据填充K空间的部分区域;
对原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息得到第三图像;
将第三图像傅里叶变换,获取虚拟K空间数据;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据,获取恢复数据,恢复数据填充K空间中的未采样区域;
对原始K空间数据、恢复数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,原始K空间数据填充大于K空间一半的区域,且幅值信息通过Homodyne方法获得。
一种磁共振成像装置,所述装置包括:
信息提取模块,用于对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;所述原始K空间数据仅填充K空间的部分;
映射关系计算模块,用于计算所述虚拟K空间数据和所述原始K空间数据之间的映射关系;
数据混合模块,用于基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据;
图像重建模块,用于根据所述混合K空间数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,上述信息提取模块,包括:
第一图像获得子模块,用于利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;
第二图像获得子模块,用于将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;
第三图像获得子模块,用于根据幅值信息和相位信息得到第三图像;
数据获得子模块,用于对第三图像进行傅里叶变换,得到虚拟K空间数据。
在其中一个实施例中,原始K空间数据的中心区域全采样,上述第二图像获得子模块,具体用于对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。
在其中一个实施例中,上述第三图像获得子模块,具体用于将幅值信息与相位信息进行点乘计算,得到第三图像。
在其中一个实施例中,上述映射关系计算模块,包括:
数据获取子模块,用于分别获取部分虚拟K空间数据和部分原始K空间数据;部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应;
投影因子计算子模块,用于根据部分虚拟K空间数据和部分原始K空间数据计算投影因子;投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在其中一个实施例中,上述投影因子计算子模块,具体用于计算N个通道的虚拟K空间数据的卷积和;N为正整数,且N小于或等于总通道数;针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
在其中一个实施例中,上述数据混合模块,包括:
投影子模块,用于根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;
数据混合子模块,用于将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
在其中一个实施例中,上述数据混合子模块,具体用于将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
一种磁共振成像装置,该装置包括:
原始数据获取模块,用于获取原始K空间数据,原始K空间数据为对扫描对象进行部分采样获得,且原始K空间数据填充K空间的部分区域;
信息提取模块,用于对原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息得到第三图像;
虚拟数据获取模块,用于将第三图像傅里叶变换,获取虚拟K空间数据;
映射关系计算模块,用于计算虚拟K空间数据和原始K空间数据之间的映射关系;
恢复数据获取模块,用于基于映射关系、虚拟K空间数据和原始K空间数据,获取恢复数据,恢复数据填充K空间中的未采样区域;
图像重建模块,用于对原始K空间数据、恢复数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,原始K空间数据填充大于K空间一半的区域,且幅值信息通过Homodyne方法获得。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;原始K空间数据仅填充K空间的部分;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;
根据混合K空间数据进行图像重建,得到目标磁共振图像。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;原始K空间数据仅填充K空间的部分;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;
根据混合K空间数据进行图像重建,得到目标磁共振图像。
上述磁共振成像方法、装置和计算机设备,处理器对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;计算虚拟K空间数据和原始K空间数据之间的映射关系;基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;根据混合K空间数据进行图像重建,得到目标磁共振图像。本公开实施例中,虚拟K空间数据是根据从原始K空间数据提取到幅值信息和相位信息确定的,因此,虚拟K空间数据不仅包含幅值信息而包含相位信息;进一步地,基于虚拟K空间数据和原始K空间数据得到的混合K空间数据也包含幅值信息和相位信息。这样,根据混合K空间数据进行图像重建得到的目标磁共振图像保留了相位信息,不仅解决了现有技术中无法恢复图像中相位信息的问题,而且对磁共振图像重建的兼容性更强,可以与迭代重建算法、水脂分离算法等结合使用,拓展了应用场景。
附图说明
图1为一个实施例中磁共振成像方法的应用环境图;
图2为一个实施例中磁共振成像方法的流程示意图;
图3为一个实施例中的相位图;
图4为一个实施例中的幅值图;
图5为一个实施例中根据提取到的幅值信息和相位信息确定虚拟K空间数据步骤的流程示意图;
图6为一个实施例中根据提取到的幅值信息和相位信息确定虚拟K空间数据的示意图;
图7为一个实施例中计算虚拟K空间数据与原始K空间数据之间的映射关系步骤的流程示意图;
图8为一个实施例中计算映射关系并得到混合K空间数据的示意图;
图9为一个实施例中计算投影因子的示意图;
图10为一个实施例中基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据步骤的流程示意图;
图11为一个实施例中混合方式的示意图;
图12为另一个实施例中磁共振成像方法的流程示意图;
图13为一个实施例中磁共振成像装置的结构框图;
图14为一个实施例中磁共振成像装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的磁共振成像方法,可以应用于如图1所示的应用环境中。该应用环境为磁共振系统,该磁共振成像系统100包括床体110、MR扫描器120和处理器130,MR扫描器120包括磁体、射频发射线圈、梯度线圈和射频接收线圈。床体110用于承载目标对象010,射频发射线圈用于向目标对象发射射频脉冲,梯度线圈用于产生梯度场,该梯度场可以是沿相位编码方向、层面选择方向或频率编码方向等;射频接收线圈用于接收磁共振信号。在一个实施例中,MR扫描器120的磁体可以是永磁体或超导磁体,且根据功能的不同,组成射频单元的射频线圈可分为体线圈和局部线圈。在一个实施例中,射频发射线圈、射频接收线圈的种类可以是鸟笼形线圈、螺线管形线圈、马鞍形线圈、亥姆霍兹线圈、阵列线圈、回路线圈等。在一个具体实施例中,射频发射线圈设置为鸟笼线圈,局部线圈设置为阵列线圈,且该阵列线圈可设置为4通道模式、8通道模式或16通道模式。
该磁共振成像系统100还包括控制器140和输出装置150,其中,控制器140可同时监测或控制MR扫描器110、处理器130和输出装置150。控制器140可以包括中央处理器(Central Processing Unit,CPU)、专门应用集成电路(Application-SpecificIntegrated Circuit,ASIC)、专用指令处理器(Application Specific Instruction SetProcessor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理器(PhysicsProcessing Unit,PPU)、数字信号处理器(Digital Processing Processor,DSP)、现场可编程逻辑门阵列(Field-Programmable Gate Array,FPGA)、ARM处理器等中的一种或几种的组合。
输出装置150,比如显示器,可显示感兴趣区域的磁共振图像。进一步地,输出装置150还可显示受检者的身高、体重、年龄、成像部位、以及MR扫描器110的工作状态等。输出装置150的类型可以是阴极射线管(CRT)输出装置、液晶输出装置(LCD)、有机发光输出装置(OLED)、等离子输出装置等中的一种或几种的组合。
磁共振成像系统100可连接一个局域网(Local Area Network,LAN)、广域网(WideArea Network,WAN)、公用网络、私人网络、专有网络、公共交换电话网(Public SwitchedTelephone Network,PSTN)、互联网、无线网络、虚拟网络、或者上述网络的任何组合。
在一个实施例中,处理器130可控制MR扫描器120对扫描对象执行半傅里叶采样,并控制MR扫描器120获取扫描对象的磁共振信号,以及处理器130将磁共振信号填充至K空间,获取原始K空间数据,该原始K空间数据可仅填充K空间的部分区域,例如大于K空间一半的区域。
在一个实施例中,处理器130可对原始K空间数据进行重建得到幅值图像,从而得到幅值信息;以及,提取原始K空间数据所填充的K空间中间区域的数据,作为参考数据。处理器130可利用参考数据进行相位重建,获取相位图,从而得到相位信息。处理器130可联合幅值信息和相位信息确定虚拟图,对该虚拟图进行傅里叶变换可得到虚拟K空间数据,虚拟K空间数据可包含比原始K空间数据多的数据点,例如虚拟K空间数据可填充K空间的大部或全部。
在一个实施例中,处理器130可分别在虚拟K空间数据、原始K空间数据中确定参考数据,并获取两个参考数据的映射关系;进一步的,根据映射关系可得到恢复数据,该恢复数据可填充K空间中未被原始K空间数据填充的区域。进一步的,处理器130可以利用原始K空间数据、恢复数据形成的混合K空间数据,得到扫描对象的目标磁共振图像。
在一个实施例中,如图2所示,提供了一种磁共振成像方法,以该方法应用于图1中的处理器130为例进行说明,包括以下步骤:
步骤201,处理器对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据,该虚拟K空间数据包含比原始K空间数据多的填充数据点。
其中,原始K空间数据仅填充K空间的部分,在此实施例中为使用半空间数据或者半傅里叶技术,将数据线仅填充略多于一半K空间相位编码线。
处理器预先获取原始K空间数据,对原始K空间数据进行幅值提取处理,得到幅值信息;对原始K空间数据进行相位提取,得到相位信息。在一个实施例中,幅值信息可以是幅值图,相位信息可以是相位图,且幅值图和相位图中包括多个一一对应的像素点。根据提取到的幅值信息和相位信息确定虚拟K空间数据,得到虚拟K空间数据可以包括:
对于相位图中每一个像素,提取该像素的值,并将相位图中像素的值转化为相位值;将前述相位值施加到幅值图中对应的像素,得到附加相位信息的像素,多个附加相位信息的像素组成虚拟图;将该虚拟图进行傅里叶变换至K空间域,即可得到虚拟K空间数据。虚拟K空间数据可填充K空间的大部或全部。在其中一个实施例中,对原始K空间数据进行幅值提取处理,可以是基于原始K空间数据进行图像重建,根据得到的重建图像确定幅值信息。对原始K空间数据进行相位提取处理,可以是对原始K空间数据进行傅里叶变换得到时域数据,根据时域数据确定相位信息。示例性的,以原始K空间数据为半傅里叶成像的K空间采样获得,幅值提取处理过程中的图像重建方法可以采用填零方法、Homodyne方法、POCS(Projection onto Convex Sets)方法来确定。对原始K空间数据进行相位提取处理过程中的时域数据可以采用钥孔成像方法、基于自校准并行采集(Generalized Auto-calibrating Partially Parallel Acquisitions,GRAPPA)的方法、基于SMASH的方法、基于PSF(Partially Separable Functions)的方法等。本公开实施例对幅值提取处理和相位提取处理不做限定。
步骤202,计算虚拟K空间数据和原始K空间数据之间的映射关系。
由于虚拟K空间数据是根据原始K空间数据的幅值信息和相位信息确定的,因此,相应位置的虚拟K空间数据与原始K空间数据是具有一定的映射关系的,即虚拟K空间数据与原始K空间数据所对应的K空间的相同编码位置,数据之间存在的函数关系。在此实施例中,上述映射关系可以为K空间的卷积核,该卷积核表征接收原始K空间数据的线圈灵敏度函数。
处理器根据相应位置的虚拟K空间数据与原始K空间数据计算映射关系。例如,根据K空间位置a1对应的虚拟K空间数据和原始K空间数据计算映射关系。本公开实施例对相应位置不做限定。
步骤203,基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据。在此实施例中,对数据进行混合可表示对于虚拟K空间数据的部分、原始K空间数据进行合并和组合。
由于原始K空间数据仅填充K空间的部分,而虚拟K空间数据填充K空间的大部甚至全部,因此,将上述映射关系扩展到K空间的全部,可以根据上述映射关系和虚拟K空间数据计算出K空间中未被原始K空间数据填充部分的数据。
例如,K空间位置a2,只有对应的虚拟K空间数据而没有对应的原始K空间数据,根据映射关系对位置a2对应的虚拟K空间数据进行映射计算,得到位置a2对应的数据A1。以此类推,计算出K空间中未被原始K空间数据填充部分的数据。
之后,将计算出的数据与原始K空间数据进行混合,得到填充K空间全部的混合K空间数据。
步骤204,根据混合K空间数据进行图像重建,得到目标磁共振图像。
由于混合K空间数据填充K空间的全部,因此可以采用傅里叶变换方式进行图像重建,得到目标磁共振图像。也可以采用其他图像重建方式,本公开实施例对此不做限定。
在一个实施例中,根据混合K空间数据进行图像重建,得到目标磁共振图像包括:根据混合K空间数据获得第一幅值图像;根据混合K空间数据获得第一相位图像;使用第一相位图像计算相位图像掩膜;以及将相位掩膜图像应用到第一幅值图像来产生在幅值图像中的对比度,以产生磁敏感加权图像,该此敏感加权图像为目标磁共振图像。
如图3所示,左图为采用平衡稳态自由进动(balanced steady statefreeprecession,bSSFP)序列对扫描对象进行全采样获得的相位图;右图为采用bSSFP序列对扫描对象进行半傅里叶采样,并通过本申请步骤201-204恢复后得到的相位图,可见右图与左图高度一致,而且本申请方法得到的相位图相较于现有技术全采样得到的相位图信噪比更高、噪声信息更好。又如图4所示,左图为对扫描对象进行全采样后重建的幅值图,中图为部分傅里叶降采样后利用Homodyne重建的幅值图,右图为使用部分傅里叶降采样后利用步骤201-204重建的幅值图,可见右图与左图高度一致。也就是说,通过本公开实施例,幅值图与相位图都能够达到与全采样图像一致的效果。
在一个实施例中,根据混合K空间数据进行图像重建,得到目标磁共振图像包括:对混合K空间数据进行快速傅立叶重建,并根据K空间数据所对应的相位,得到水和脂肪同相位的图像以及水和脂肪反相位的图像;对水和脂肪同相位的图像、水和脂肪反相位的图像执行水脂分离算法,得到纯水的图像和纯脂肪的图像,目标磁共振图像为水、脂分离的图像。
在一个实施例中,根据混合K空间数据进行图像重建,得到目标磁共振图像包括:通过重复地重建混合K空间数据,以获得幅值图和相位图,并根据幅值图和相位图迭代地更新K空间数据点的估计值;更新K空间的数据,并且迭代地更新所述估计值直到所述合成图像达到收敛。在上述过程中,还可包括对每次重建得到的相位图进行校正。
上述磁共振成像方法中,处理器对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;计算虚拟K空间数据和原始K空间数据之间的映射关系;基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;根据混合K空间数据进行图像重建,得到目标磁共振图像。本公开实施例中,虚拟K空间数据是根据从原始K空间数据提取到幅值信息和相位信息确定的,因此,虚拟K空间数据不仅包含幅值信息还包含相位信息;进一步地,基于虚拟K空间数据和原始K空间数据得到的混合K空间数据也包含幅值信息和相位信息。这样,根据混合K空间数据进行图像重建得到的目标磁共振图像保留了相位信息,不仅解决了现有技术中无法恢复图像中相位信息的问题,而且对磁共振图像重建的兼容性更强,可以与迭代重建算法、水脂分离算法等结合使用,拓展了应用场景。
在一个实施例中,如图5所示,对预先获取到的原始K空间数据分别进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据,可以包括:
步骤301,处理器利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息。
其中,部分傅里叶成像算法可以包括Homodyne、POCS,本公开实施例对此不做限定。在此实施例中,第一图像通过Homodyne方法重建获得,以能够精确的估计图像的幅值信息。
如图6所示,处理器利用部分傅里叶算法对原始K空间数据进行图像重建,得到第一图像。第一图像中包含原始K空间数据对应的幅值信息,因此,可以从第一图像中提取出幅值信息。
步骤302,将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息。
其中,原始K空间数据的中心区域全采样,原始K空间数据仅填充K空间的略超过一半的区域,剩余部分未采样。
将原始K空间数据的至少部分变换至图像域,得到第二图像,可以包括:对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。例如,去除域未采样部分镜像对称的采样区域数据,保留中间区域的数据。之后,根据中间区域的数据进行反傅里叶变换,得到第二图像。本公开实施例对中间区域不做限定。
由于第二图像中包含原始K空间数据对应的相位信息,因此可以从第二图像中提取出相位信息。
步骤303,根据幅值信息和相位信息得到第三图像。
将相应位置的幅值信息与相位信息进行点乘计算,得到第三图像。在此实施例中,包含幅值信息的幅值图中可具有多个像素,包含相位信息的相位图中可包括多个像素;将相位图中每个像素的值转化为该像素位置的相位值;将得到的相位值作为幅值图中对应像素的信号相位值;对于相位图、幅值图中的每个像素执行同样操作,得到虚拟图。
步骤304,对第三图像进行傅里叶变换,得到虚拟K空间数据。
对第三图像进行傅里叶变换,得到填充K空间大部或全部的虚拟K空间数据。
上述对预先获取到的原始K空间数据分别进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据的过程中,处理器利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;根据幅值信息和相位信息得到第三图像;对第三图像进行傅里叶变换,得到虚拟K空间数据。本公开实施例中,从原始K空间数据分别提取出幅值信息和相位信息,然后根据幅值信息和相位信息确定虚拟K空间数据,虚拟K空间数据保留了相位信息,可以使目标磁共振图像保留相位信息,从而解决现有技术中磁共振图像无法恢复相位信息的问题。
在一个实施例中,如图7所示,计算虚拟K空间数据与原始K空间数据之间的映射关系,可以包括:
步骤401,处理器分别获取部分虚拟K空间数据和部分原始K空间数据。
其中,部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应,且分别定义部分虚拟K空间数据为虚拟K空间参考数据,定义部分原始K空间数据为原始K空间参考数据。
如图8所示,处理器从虚拟K空间数据中获取部分数据,得到部分虚拟K空间数据;从原始K空间数据中获取部分数据,得到部分原始K空间数据,两部分数据分别对应K空间的中间位置。
步骤402,根据部分虚拟K空间数据和部分原始K空间数据计算投影因子。
其中,投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在采样时,磁共振系统通过多个通道进行数据采样。在计算投影因子时,处理器计算N个通道的虚拟K空间数据的卷积和;针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
如图9所示,通过8个通道进行数据采样,计算投影因子时,针对K空间的一个位置,可以计算通道1、通道2……通道8的卷积和;之后,根据通道1的原始K空间数据与卷积和的对应关系,计算出通道1对应的投影因子。以此类推,根据通道2……通道8的原始K空间数据与卷积和的对应关系,计算出通道2……通道8对应的投影因子。
其中,N为正整数,且N小于或等于总通道数。例如,通过8个通道进行数据采样,计算投影因子时,针对K空间的一个位置,可以计算通道1、通道2……通道6的卷积和;之后,根据通道1的原始K空间数据与卷积和的对应关系,计算出通道1对应的投影因子。以此类推,根据通道2……通道8的原始K空间数据与卷积和的对应关系,计算出通道2……通道8对应的投影因子。本公开实施例对N不做限定。
上述计算虚拟K空间数据与原始K空间数据之间的映射关系的过程中,处理器分别获取部分虚拟K空间数据和部分原始K空间数据;根据部分虚拟K空间数据和部分原始K空间数据计算投影因子。本公开实施例中,确定虚拟K空间数据与原始K空间数据之间的映射关系,可以根据映射关系和虚拟K空间数据填补K空间中未被原始K空间数据填充的部分,使得后续进行图像重建时可以采用常用的图像重建算法,增加了磁共振图像重建的兼容性。进一步地,N小于总导通数,可以降低数据计算量,节省计算资源。
在一个实施例中,如图10所示,基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据,包括:
步骤501,处理器根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据。
如图8所示,针对K空间的任意一个位置,处理器计算投影因子与虚拟K空间数据的点积,得到投影K空间数据。
例如,针对K空间的位置a2,计算投影因子与虚拟K空间数据的点积,得到位置a2对应的投影K空间数据。以此类推,可以得到填充全部K空间的投影K空间数据。
在其中一个实施例中,投影因子为1,即将虚拟K空间数据进行单位映射,得到的投影K空间数据与虚拟K空间数据相同。
步骤502,将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
将投影K空间数据与原始K空间数据进行数据混合,可以采用多种方式。其中一个方式包括:确定K空间中未被原始K空间数据填充的部分,根据未被原始K空间数据填充的部分获取对应的投影K空间数据,将获取到的投影K空间数据与原始K空间数据进行合并,得到混合K空间数据。
如图11所示,另一个方式包括:将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
例如,预设值为1,第一加权系数空间中任意一个位置的加权系数为x,第二加权系数空间中对应位置的加权系数为1-x。将投影K空间数据与x进行点乘计算,得到第一加权K空间数据y1;将原始K空间数据与1-x进行点乘计算,得到第二加权K空间数据y2;对第一加权K空间数据y1和第二加权K空间数据y2进行点加计算得到混合K空间数据y。以此类推,得到填充K空间全部的混合K空间数据。
上述基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据的过程中,处理器根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。本公开实施例中,先根据投影因子对虚拟K空间数据进行投影处理,得到可以与原始K空间数据进行数据混合的投影K空间数据,之后,进行数据混合,得到混合K空间数据。由于虚拟K空间数据包含相位信息,因此得到的混合K空间数据也包含相位信息,可以解决现有技术中无法恢复图像中的相位信息的问题。进一步地,由于虚拟K空间数据和原始K空间数据存在一定的不兼容,对虚拟K空间数据进行投影处理,可以解决不兼容的问题。而采用多种数据混合方式,可以获得更适用与图像重建的混合K空间数据,进而使得重建的目标磁共振图像更符合用户需求。
在一个实施例中,如图12所示,提供了一种磁共振成像方法,可以包括:
步骤601,处理器获取原始K空间数据,原始K空间数据为对扫描对象进行部分采样获得,且原始K空间数据填充K空间的部分区域。
步骤602,对原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息得到第三图像。
步骤603,将第三图像傅里叶变换,获取虚拟K空间数据。
步骤604,计算虚拟K空间数据和原始K空间数据之间的映射关系。
步骤605,基于映射关系、虚拟K空间数据和原始K空间数据,获取恢复数据,恢复数据填充K空间中的未采样区域。
步骤606,对原始K空间数据、恢复数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,原始K空间数据填充大于K空间一半的区域,且幅值信息通过Homodyne方法获得。
本公开实施例中在目标磁共振图像中保留了相位信息,不仅解决了现有技术中无法恢复图像中相位信息的问题,而且对磁共振图像重建的兼容性更强,可以与迭代重建算法、水脂分离算法等结合使用,拓展了应用场景。
应该理解的是,虽然图2-图12的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图12中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图13所示,提供了一种磁共振成像装置,包括:
信息提取模块701,用于对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;所述原始K空间数据仅填充K空间的部分;
映射关系计算模块702,用于计算所述虚拟K空间数据和所述原始K空间数据之间的映射关系;
数据混合模块703,用于基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据;
图像重建模块704,用于根据所述混合K空间数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,上述信息提取模块701,包括:
第一图像获得子模块,用于利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;
第二图像获得子模块,用于将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;
第三图像获得子模块,用于根据幅值信息和相位信息得到第三图像;
数据获得子模块,用于对第三图像进行傅里叶变换,得到虚拟K空间数据。
在其中一个实施例中,原始K空间数据的中心区域全采样,上述第二图像获得子模块,具体用于对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。
在其中一个实施例中,上述第三图像获得子模块,具体用于将幅值信息与相位信息进行点乘计算,得到第三图像。
在其中一个实施例中,上述映射关系计算模块702,包括:
数据获取子模块,用于分别获取部分虚拟K空间数据和部分原始K空间数据;部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应;
投影因子计算子模块,用于根据部分虚拟K空间数据和部分原始K空间数据计算投影因子;投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在其中一个实施例中,上述投影因子计算子模块,具体用于计算N个通道的虚拟K空间数据的卷积和;N为正整数,且N小于或等于总通道数;针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
在其中一个实施例中,上述数据混合模块703,包括:
投影子模块,用于根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;
数据混合子模块,用于将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
在其中一个实施例中,上述数据混合子模块,具体用于将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
在一个实施例中,如图14所示,提供了一种磁共振成像装置,该装置包括:
原始数据获取模块801,用于获取原始K空间数据,原始K空间数据为对扫描对象进行部分采样获得,且原始K空间数据填充K空间的部分区域;
信息提取模块802,用于对原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息得到第三图像;
虚拟数据获取模块803,用于将第三图像傅里叶变换,获取虚拟K空间数据;
映射关系计算模块804,用于计算虚拟K空间数据和原始K空间数据之间的映射关系;
恢复数据获取模块805,用于基于映射关系、虚拟K空间数据和原始K空间数据,获取恢复数据,恢复数据填充K空间中的未采样区域;
图像重建模块806,用于对原始K空间数据、恢复数据进行图像重建,得到目标磁共振图像。
在其中一个实施例中,原始K空间数据填充大于K空间一半的区域,且幅值信息通过Homodyne方法获得。
关于磁共振成像装置的具体限定可以参见上文中对于磁共振成像方法的限定,在此不再赘述。上述磁共振成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种磁共振成像方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;原始K空间数据仅填充K空间的部分;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;
根据混合K空间数据进行图像重建,得到目标磁共振图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;
将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;
根据幅值信息和相位信息得到第三图像;
对第三图像进行傅里叶变换,得到虚拟K空间数据。
在一个实施例中,原始K空间数据的中心区域全采样,处理器执行计算机程序时还实现以下步骤:
对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将幅值信息与相位信息进行点乘计算,得到第三图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分别获取部分虚拟K空间数据和部分原始K空间数据;部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应;
根据部分虚拟K空间数据和部分原始K空间数据计算投影因子;投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算N个通道的虚拟K空间数据的卷积和;N为正整数,且N小于或等于总通道数;
针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;
将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;
将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;
将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;
其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;原始K空间数据仅填充K空间的部分;
计算虚拟K空间数据和原始K空间数据之间的映射关系;
基于映射关系、虚拟K空间数据和原始K空间数据进行数据混合,得到混合K空间数据;
根据混合K空间数据进行图像重建,得到目标磁共振图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
利用部分傅里叶成像算法对原始K空间数据进行图像重建,得到第一图像,并提取出第一图像中包括的幅值信息;
将原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出第二图像中包括的相位信息;
根据幅值信息和相位信息得到第三图像;
对第三图像进行傅里叶变换,得到虚拟K空间数据。
在一个实施例中,原始K空间数据的中心区域全采样,计算机程序被处理器执行时还实现以下步骤:
对原始K空间数据的中心区域进行反傅里叶变换,得到第二图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将幅值信息与相位信息进行点乘计算,得到第三图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分别获取部分虚拟K空间数据和部分原始K空间数据;部分虚拟K空间数据的位置与部分原始K空间数据的位置相对应;
根据部分虚拟K空间数据和部分原始K空间数据计算投影因子;投影因子用于表征虚拟K空间数据与原始K空间数据之间的映射关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算N个通道的虚拟K空间数据的卷积和;N为正整数,且N小于或等于总通道数;
针对每个通道,根据原始K空间数据与卷积和之间的对应关系,计算出投影因子。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据投影因子对虚拟K空间数据进行投影处理,得到投影K空间数据;
将投影K空间数据与原始K空间数据进行数据混合,得到混合K空间数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将投影K空间数据与预先设置的第一加权系数空间进行点乘计算,得到第一加权K空间数据;
将原始K空间数据与预先设置的第二加权系数空间进行点乘计算,得到第二加权K空间数据;
将第一加权K空间数据与第二加权K空间数据进行点加计算,得到混合K空间数据;
其中,第一加权系数空间中任意一个位置的加权系数与第二加权系数空间中对应位置的加权系数之和为预设值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种磁共振成像方法,其特征在于,所述方法包括:
对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;所述原始K空间数据仅填充K空间的部分;
分别获取部分虚拟K空间数据和部分原始K空间数据;所述部分虚拟K空间数据的位置与所述部分原始K空间数据的位置相对应;
根据所述部分虚拟K空间数据和所述部分原始K空间数据计算投影因子;所述投影因子用于表征所述虚拟K空间数据与所述原始K空间数据之间的映射关系;
基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据;
根据所述混合K空间数据进行图像重建,得到目标磁共振图像。
2.根据权利要求1所述的方法,其特征在于,所述对预先获取到的原始K空间数据分别进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据,包括:
利用部分傅里叶成像算法对所述原始K空间数据进行图像重建,得到第一图像,并提取出所述第一图像中包括的幅值信息;
将所述原始K空间数据的至少部分变换至图像域,得到第二图像,并提取出所述第二图像中包括的相位信息;
根据所述幅值信息和所述相位信息得到第三图像;
对所述第三图像进行傅里叶变换,得到所述虚拟K空间数据。
3.根据权利要求2所述的方法,其特征在于,所述原始K空间数据的中心区域全采样,所述将所述原始K空间数据的至少部分变换至图像域,得到第二图像,包括:
对所述原始K空间数据的中心区域进行反傅里叶变换,得到所述第二图像。
4.根据权利要求2所述的方法,其特征在于,所述根据所述幅值信息和所述相位信息得到第三图像,包括:
将所述幅值信息与所述相位信息进行点乘计算,得到所述第三图像。
5.根据权利要求1所述的方法,其特征在于,所述基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据,包括:
根据所述投影因子对所述虚拟K空间数据进行投影处理,得到投影K空间数据;
将所述投影K空间数据与所述原始K空间数据进行数据混合,得到所述混合K空间数据。
6.一种磁共振成像方法,其特征在于,所述方法包括:
获取原始K空间数据,所述原始K空间数据为对扫描对象进行部分采样获得,且所述原始K空间数据填充K空间的部分区域;
对所述原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息得到第三图像;
将所述第三图像傅里叶变换,获取虚拟K空间数据;
分别获取部分虚拟K空间数据和部分原始K空间数据;所述部分虚拟K空间数据的位置与所述部分原始K空间数据的位置相对应;
根据所述部分虚拟K空间数据和所述部分原始K空间数据计算投影因子;所述投影因子用于表征所述虚拟K空间数据与所述原始K空间数据之间的映射关系;
基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据,获取恢复数据,所述恢复数据填充K空间中的未采样区域;
对所述原始K空间数据、所述恢复数据进行图像重建,得到目标磁共振图像。
7.根据权利要求6所述的方法,其特征在于,所述原始K空间数据填充大于K空间一半的区域,且所述幅值信息通过Homodyne方法获得。
8.一种磁共振成像装置,其特征在于,所述装置包括:
信息提取模块,用于对预先获取到的原始K空间数据进行幅值提取处理和相位提取处理,并根据提取到的幅值信息和相位信息确定虚拟K空间数据;所述原始K空间数据仅填充K空间的部分;
映射关系计算模块,用于分别获取部分虚拟K空间数据和部分原始K空间数据;所述部分虚拟K空间数据的位置与所述部分原始K空间数据的位置相对应;根据所述部分虚拟K空间数据和所述部分原始K空间数据计算投影因子;所述投影因子用于表征所述虚拟K空间数据与所述原始K空间数据之间的映射关系;
数据混合模块,用于基于所述映射关系、所述虚拟K空间数据和所述原始K空间数据进行数据混合,得到混合K空间数据;
图像重建模块,用于根据所述混合K空间数据进行图像重建,得到目标磁共振图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709675.9A CN111812571B (zh) | 2020-07-22 | 2020-07-22 | 磁共振成像方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709675.9A CN111812571B (zh) | 2020-07-22 | 2020-07-22 | 磁共振成像方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111812571A CN111812571A (zh) | 2020-10-23 |
CN111812571B true CN111812571B (zh) | 2023-06-23 |
Family
ID=72861806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010709675.9A Active CN111812571B (zh) | 2020-07-22 | 2020-07-22 | 磁共振成像方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111812571B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540116A (zh) * | 2011-12-08 | 2012-07-04 | 中国科学院深圳先进技术研究院 | 磁共振成像方法和系统 |
EP2793040A1 (en) * | 2013-04-19 | 2014-10-22 | Universitätsklinikum Jena | Method for processing phase information, particularly for susceptibility weighted imaging, obtained from PROPELLER measurements |
CN104166112A (zh) * | 2013-12-31 | 2014-11-26 | 上海联影医疗科技有限公司 | 磁共振图像重建方法及装置 |
CN104749538A (zh) * | 2015-04-30 | 2015-07-01 | 郑州轻工业学院 | 一种并行磁共振成像相位处理方法 |
WO2020142109A1 (en) * | 2019-01-04 | 2020-07-09 | University Of Cincinnati | A system and method for reconstruction of magnetic resonance images acquired with partial fourier acquisition |
-
2020
- 2020-07-22 CN CN202010709675.9A patent/CN111812571B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540116A (zh) * | 2011-12-08 | 2012-07-04 | 中国科学院深圳先进技术研究院 | 磁共振成像方法和系统 |
EP2793040A1 (en) * | 2013-04-19 | 2014-10-22 | Universitätsklinikum Jena | Method for processing phase information, particularly for susceptibility weighted imaging, obtained from PROPELLER measurements |
CN104166112A (zh) * | 2013-12-31 | 2014-11-26 | 上海联影医疗科技有限公司 | 磁共振图像重建方法及装置 |
CN104749538A (zh) * | 2015-04-30 | 2015-07-01 | 郑州轻工业学院 | 一种并行磁共振成像相位处理方法 |
WO2020142109A1 (en) * | 2019-01-04 | 2020-07-09 | University Of Cincinnati | A system and method for reconstruction of magnetic resonance images acquired with partial fourier acquisition |
Non-Patent Citations (1)
Title |
---|
磁共振部分K空间重建算法;柴青焕等;《中国医学物理学杂志》;20180525(第05期);47-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111812571A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111513716B (zh) | 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统 | |
Lin et al. | Artificial intelligence for MR image reconstruction: an overview for clinicians | |
US10803631B2 (en) | Systems and methods for magnetic resonance imaging | |
US10915990B2 (en) | Systems and methods for denoising medical images with deep learning network | |
Van Reeth et al. | Super‐resolution in magnetic resonance imaging: a review | |
Cole et al. | Unsupervised MRI reconstruction with generative adversarial networks | |
Malavé et al. | Reconstruction of undersampled 3D non‐Cartesian image‐based navigators for coronary MRA using an unrolled deep learning model | |
CN110133556B (zh) | 一种磁共振图像处理方法、装置、设备及存储介质 | |
JP7466141B2 (ja) | 磁気共鳴画像高速再構成法及び磁気共鳴イメージング装置 | |
KR101351583B1 (ko) | 의료 영상 이미징 방법, 그에 따른 의료 진단 장치 및 그에 따른 기록 매체 | |
CN112489154A (zh) | 基于局部优化生成对抗网络的mri运动伪影校正方法 | |
KR102584166B1 (ko) | 리스케일링과 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 | |
CN110827369A (zh) | 欠采样模型生成方法、图像重建方法、设备和存储介质 | |
Wang et al. | Correction of out-of-FOV motion artifacts using convolutional neural network | |
CN111047512B (zh) | 图像增强方法、装置及终端设备 | |
CN111157935B (zh) | 磁共振成像方法、装置、存储介质及计算机设备 | |
Lv et al. | Parallel imaging with a combination of sensitivity encoding and generative adversarial networks | |
Ke et al. | CRDN: cascaded residual dense networks for dynamic MR imaging with edge-enhanced loss constraint | |
US12045917B2 (en) | Deep learning systems and methods of removal of truncation artifacts in magnetic resonance images | |
WO2024021796A1 (zh) | 一种图像处理方法、装置、电子设备、存储介质及程序产品 | |
CN111681297B (zh) | 图像重建方法、计算机设备和存储介质 | |
US20230221388A1 (en) | Magnetic resonance imaging apparatus, image reconstruction apparatus, and image reconstruction method | |
CN111812571B (zh) | 磁共振成像方法、装置和计算机设备 | |
CN113866694B (zh) | 一种快速三维磁共振t1定量成像方法、系统及介质 | |
WO2023050249A1 (zh) | 基于深度学习的磁共振成像方法、系统、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |