CN112423659B - 多对比度磁共振成像的系统和方法 - Google Patents

Abstract

一种图像重建的方法可以包括：获得磁共振成像(MRI)设备捕获的多组扫描数据，每组扫描数据对应于对象的相同扫描区域，并对应于多个扫描特征；基于多组扫描数据生成一个或以上可共享数据集；基于一个或以上可共享数据集，为多个扫描特征中的每一个生成至少一个优化数据集；基于所述多个扫描特征中的至少一个对应的至少一个优化数据集，重建所述多组扫描数据以获得所述至少一个扫描特征的重建图像。

Description

多对比度磁共振成像的系统和方法

技术领域

本申请通常与磁共振成像(MRI)有关，并且更具体地涉及多对比度磁共振成像的系统和方法。

背景技术

磁共振成像(MRI)是一种医学成像模式，可以生成具有多种对比度的图像，例如T1、T2和液体衰减反转恢复(FLAIR)，以进行解剖和/或功能评估。在用于MRI的多对比度数据采集过程中，可能需要相对较长的时间来捕获用于重建图像的扫描数据。因此，需要开发一种使用较少数据量重建高质量多对比度图像的系统和/或方法，这种系统和/或方法反过来可以加速扫描过程并使MRI成像更有效。

发明内容

在本申请的一个方面，提供了一种在计算设备上实现的方法。

在本申请的一个方面，提供了一种在计算设备上实现的方法。该方法可以包括：获得由磁共振成像(MRI)设备捕获的多组扫描数据，每组扫描数据对应于对象的相同扫描区域并且对应于多个扫描特征；以及基于多组扫描数据，生成一个或以上可共享数据集；基于一个或以上可共享数据集，为多个扫描特征中的每一个生成至少一个优化数据集；基于所述多个扫描特征中的至少一个的至少一个优化数据集，重建所述多组扫描数据以获得所述至少一个扫描特征的重建图像。

在一些实施例中，多个扫描特征可以包括多个扫描对比度。

在一些实施例中，多个扫描对比度可以包括T1、T2或液体衰减反转恢复(FLAIR)中的至少一个。

在一些实施例中，多组扫描数据可以是多组欠采样的k空间扫描数据，并且每组扫描数据可以对应于多个扫描对比度中的一个。

在一些实施例中，基于所述多组扫描数据，生成一个或以上可共享数据集可以包括：基于所述多组k空间扫描数据来生成共同边缘图；以及基于所述多组k空间扫描数据，生成线圈灵敏度图。

在一些实施例中，基于所述多组k空间扫描数据，生成共同边缘图可以包括：基于所述多组k空间扫描数据，生成所述多个扫描对比度中的每一个的原始边缘图，其中，原始边缘图包括原始水平边缘图和原始垂直边缘图；通过组合多个原始边缘图，生成共同边缘图。

在一些实施例中，生成多个对比度中的每一个原始边缘图可以包括：对于每个扫描对比度：通过填充与扫描对比度相对应的k空间扫描数据的空白部分来获得零填充的k空间数据；通过对零填充的k空间扫描数据执行傅立叶逆变换，生成与对比度相对应的MRI图像；基于所述扫描对比度对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图；以及基于原始水平边缘图和原始垂直边缘图，生成原始边缘图。

在一些实施例中，基于与扫描对比度相对应的MRI图像，确定原始水平边缘图和原始垂直边缘图可以包括：将MRI图像水平移动一个或以上像素以获得水平移位的MRI图像；将MRI图像与水平移位的MRI图像之间的差分图像确定为原始水平边缘图；将MRI图像垂直移动一个或以上像素以获得垂直移位的MRI图像；以及将所述MRI图像和所述垂直移位的MRI图像之间的差分图像确定为原始垂直边缘图。

在一些实施例中，通过组合多个原始边缘图，生成共同边缘图可以包括：确定多个扫描对比度的原始水平边缘图的平方和的第一平方根；基于平方和的第一平方根生成共同水平边缘图；确定多个扫描对比度的原始垂直边缘图的平方和的第二平方根；基于平方和的第二平方根，生成共同垂直边缘图；基于共同水平边缘图和共同垂直边缘图，生成共同边缘图。

在一些实施例中，基于多组k空间扫描数据，生成线圈灵敏度图可以包括：基于多组k空间扫描数据的低频部分，生成线圈灵敏度图。

在一些实施例中，基于多组k空间扫描数据的低频部分，生成线圈灵敏度图可以包括：组合多组k空间扫描数据以获得完整k空间数据；使用低通滤波器获得完整k空间数据的低频部分；以及基于完整k空间数据的低频部分，生成线圈灵敏度图。

在一些实施例中，基于多组k空间扫描数据的低频部分，生成线圈灵敏度图可以包括：对于多个扫描对比度中的每一个：通过对扫描对比度的k空间扫描数据进行过滤，获得与扫描对比度相对应的k空间扫描数据的低频部分；确定多个扫描对比度的k空间扫描数据的多个低频部分的平方和的平方根；基于多个扫描对比度的k空间扫描数据的多个低频部分的平方和的平方根，生成线圈灵敏度图。

在一些实施例中，基于一个或以上可共享数据集，为多个扫描特征中的每一个生成至少一个优化数据集可以包括：基于共同边缘图和线圈灵敏度图，为多个扫描对比度中的每一个生成对比度特定的边缘图。

在一些实施例中，基于多组k空间扫描数据生成共同边缘图可以包括：获得与全部多个扫描对比度的k空间的中心区域相对应的中心k空间数据集；基于中心k空间数据集，通过在整个中心k空间数据集中滑动块构建结构化矩阵，并将包含在块的k空间数据加入到在结构化矩阵的一行中；通过对结构化矩阵进行奇异值分解(SVD)，从结构化矩阵中提取多个零空间矢量；以及通过重塑多个零空间矢量，生成共同边缘图。

在一些实施例中，基于多组k空间扫描数据，生成共同边缘图可以包括：对于每个扫描对比度：通过填充与扫描对比度相对应的k空间扫描数据的空白部分，获得零填充的k空间数据；通过对零填充的k空间扫描数据执行傅立叶逆变换，生成与对比度相对应的MRI图像；基于梯度算子，确定MRI图像的图像梯度；对所述图像梯度进行第一奇异值分解(SVD)，得到两个第一酉矩阵和所述图像梯度的奇异值；基于每个扫描对比度的两个第一矩阵确定第一矩阵；对第一矩阵进行第二SVD运算，获得两个第二酉矩阵；基于两个第二酉矩阵以及与每个扫描对比度相对应的图像梯度的奇异值的平方和，生成共同边缘图。

根据本申请的一方面，一种系统可以包括：包括一组指令的存储设备；以及与存储设备通信的至少一个处理器。当执行一组指令时，可以指示至少一个处理器以使系统：获得磁共振成像(MRI)设备捕获的多组扫描数据，每组扫描数据对应于扫描对象的相同区域并对应于多个扫描特征；基于多组扫描数据，生成一个或以上可共享数据集；基于一个或以上可共享数据集，为多个扫描特征中的每一个生成至少一个优化数据集；基于所述多个扫描特征中的至少一个的至少一个优化数据集，重建所述多组扫描数据以获得针对所述至少一个扫描特征的重建图像。

根据本申请的另一方面，一种非暂时性计算机可读介质可以包括至少一组指令。当由计算机设备的至少一个处理器执行时，所述至少一组指令可以指示所述至少一个处理器：获得由磁共振成像(MRI)设备捕获的多组扫描数据，每组扫描数据对应于对象的相同扫描区域，并对应于多个扫描特征；基于多组扫描数据，生成一个或以上可共享数据集；基于一个或以上可共享数据集，为多个扫描特征中的每一个生成至少一个优化数据集；基于所述多个扫描特征中的至少一个的至少一个优化数据集，重建所述多组扫描数据以获得所述至少一个扫描特征的重建图像。

本申请的一部分附加特征可以在以下描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各个方面的方法、手段和组合的实践或使用得以实现和达到。

附图说明

本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：

图1是示出根据本申请的一些实施例的示例性磁共振成像(MRI)系统的示意图；

图2是示出根据本申请的一些实施例的可以在其上实现处理设备的示例性计算设备的示例性硬件和/或软件组件的示意图；

图3是示出根据本申请的一些实施例的示例性移动设备的示例性硬件和/或软件组件的示意图；

图4是示出根据本申请的一些实施例的示例性处理设备的框图；

图5是示出根据本申请的一些实施例的示例性可共享数据确定模块的框图；

图6是示出根据本申请的一些实施例的用于重建对象的多个单对比度图像的示例性过程的流程图；

图7A至图7I是示出根据本申请的一些实施例的分别在轴向平面、冠状平面和矢状平面中的大脑的示例性多个单对比度图像的示意图；

图8A-8C是示出根据本申请的一些实施方式的示例性k空间模式的示意图；

图9A是示出根据本申请的一些实施例的零填充k空间的示意图；

图9B是根据本申请的一些实施例的通过对零填充的k空间执行傅立叶逆变换而获得的示例性MRI图像；

图9C和9D分别是根据本申请的一些实施例的示例性原始水平边缘图和示例性原始垂直边缘图；

图10A至图10B分别是根据本申请的一些实施例的示例性水平边缘图和对应的垂直边缘图；

图10C-10D分别是根据本申请的一些实施例的示例性增强水平边缘图和相应的增强垂直边缘图；

图10E至图10F分别是根据本申请的一些实施例的示例性水平边缘图和对应的垂直边缘图；

图10G-10H分别是根据本申请的一些实施例的示例性增强水平边缘图和相应的增强垂直边缘图；

图10J-10K分别是根据本申请的一些实施例的示例性共同水平边缘图和示例性共同垂直边缘图；和

图11A至图11L是根据本申请的一些实施例的示例性重建图像。

具体实施方式

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其他实例中，已经在相对较高的水平上描述了公知的方法、过程、系统、组件和/或电路，而没有细节，以避免不必要地使本申请的各方面不清楚。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。

本申请中所使用的术语仅出于描述特定示例实施例的目的，而非限制性的。如本申请使用的单数形式“一”、“一个”及“该”同样可以包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中使用的术语“包括”、“包含”仅提示存在所述特征、整数、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整数、步骤、操作、组件、部件和/或其组合的情况。

可以理解的是，本文中使用的术语“系统”、“单元”、“模块”和/或“区块”是用于按升序区分不同级别的不同构件、元件、零件、部分或组件的方法。然而，如果可以达到相同的目的，这些术语也可以被其他表达替换。

通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。这里描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应检测到的事件或中断来调用。可以在计算机可读介质上提供被配置为在计算设备(例如，如图2中所示的处理器210)上执行的软件模块/单元/块，所述计算机可读介质例如为光盘、数字视频光盘、闪存驱动器、磁盘、光盘或任何其他有形介质，或者作为数字下载(并且可以最初存储在压缩介质中或在执行之前需要安装、解压缩或解密的可安装格式)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入在诸如EPROM的固件中。将进一步认识到，硬件模块/单元/块可以包括连接的逻辑组件，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们是物理组织或存储器件。

可以理解的是，除非上下文另有明确说明，当单元、引擎、模块或块被称为在另一单元、引擎、模块或块“上”、“连接”或“耦合至”另一单元、引擎、模块或块时，其可以直接在其它单元、引擎、模块或块上，与其连接或耦合或与之通信，或者可能存在中间单元、引擎、模块或块。在本申请中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。

根据以下对附图的描述，本申请的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。

以下描述参照用于减少或去除奈奎斯特鬼影的图像处理技术提供。这并不旨在限制本申请的范围。对于本领域普通技术人员来说，在本申请的指导下可以进行一些变化、改变和/或修改。那些变化、改变和/或修改不脱离本申请的范围。

图1是示出根据本申请的一些实施例的示例性磁共振成像(MRI)系统的示意图。如图所示，MRI系统100可以包括MRI扫描仪110、网络120、一个或以上终端130、处理设备140和存储设备150。MRI系统100中的组件可以以各种方式中的一种或多种连接。仅作为示例，如图1所示，MRI扫描仪110可以通过网络120连接到处理设备140。作为另一示例，MRI扫描仪110可以直接连接到处理设备140，如连接MRI扫描仪和处理设备140的虚线双向箭头所示。又例如，存储设备150可以直接或通过网络120连接到处理设备140。作为又一示例，一个或以上终端130可以直接连接到处理设备140(如连接终端130和处理设备140的虚线双向箭头所示)或通过网络120连接。

MRI扫描仪110可以扫描位于其检测区域内的物体，并生成与该物体有关的多个数据。在本申请中，“物体”和“对象”可互换地使用。MRI扫描仪110可以包括磁体组件、梯度线圈组件和射频(RF)线圈组件(在图1中未示出)。在一些实施例中，MRI扫描仪110可以是闭孔扫描仪或开孔扫描仪。

磁体组件可以产生用于使要扫描的物体极化的第一磁场(也称为主磁场)。磁体组件可以包括永磁体、超导电磁体、电阻电磁体等。在一些实施例中，磁体组件可以进一步包括用于控制主磁场的均匀性的匀场线圈。

梯度线圈组件可以产生第二磁场(也被称为梯度磁场)。梯度线圈组件可以设计用于闭孔MRI扫描仪或开孔MRI扫描仪。梯度线圈组件可以包括X梯度线圈、Y梯度线圈和Z梯度线圈。梯度线圈组件可在X方向(Gx)、Y方向(Gy)和Z方向(Gz)上对主磁场生成一个或以上磁场梯度脉冲，以编码物体的空间信息。在一些实施例中，X方向可以被指定为频率编码方向，而Y方向可以被指定为相位编码方向。在一些实施例中，Gx可以用于频率编码或信号读出，通常被称为频率编码梯度或读出梯度。在一些实施例中，Gy可以用于相位编码，通常被称为相位编码梯度。在一些实施例中，Gz可以用于切片选择以获得2D的k空间数据。在一些实施例中，Gz可以用于相位编码以获得3D的k空间数据。

RF线圈组件可以包括多个RF线圈。RF线圈可包括一个或以上RF发射线圈和/或一个或以上RF接收线圈。RF发射线圈可以将RF脉冲发射到物体。在主磁场、梯度磁场和RF脉冲的协同作用下，可以产生与物体有关的MR信号。RF接收线圈可以从物体接收MR信号。在一些实施例中，一个或以上RF线圈可以在不同时间既发送RF脉冲又接收MR信号。在一些实施例中，可以根据一个或以上特定条件来确定或改变RF线圈的功能、尺寸、类型、几何形状、位置、数量和/或大小。例如，根据功能和尺寸上的差异，可以将RF线圈分类为容积线圈和局部线圈。如本文所使用的术语“容积线圈”通常是指用于在相对较大的体积上提供均匀的RF激励场以覆盖整个目标体的线圈。例如，许多可商购的MRI扫描仪包括容积线圈，该容积线圈对于人类物体的全身成像足够大，因此有时被称为“体线圈”。本文中使用的术语“局部线圈”通常是指在MR成像期间将放置在靠近感兴趣区域的线圈。局部线圈可设计成在较小的感兴趣区域内实现改进的射频检测灵敏度。在一些实施例中，RF接收线圈可以对应于信道。RF接收线圈可以从物体接收MR信号的多个信道。所接收的MR信号可以直接地或经由网络120发送到处理设备140，以用于图像重建和/或图像处理。

为了生成MRI图像，关于MRI图像的信息可以不直接基于扫描获得。相反，可以在包含空间频率信息的k空间中收集物体的多个扫描数据(在本文中也称为k空间扫描数据)。可以通过使用MRI扫描仪110的主磁场使物体极化并随后施加振荡磁场来生成k空间数据。一旦收集了k空间数据，就可以基于傅立叶变换将k空间数据转换成图像。在一些实施例中，为了加速数据获取，MRI扫描仪110可以在收集期间获取欠采样的k空间数据而不是完整采样的k空间数据。这样的欠采样的k空间数据可以表示k空间的欠采样区域。对于本领域技术人员而言，将k空间采样步数减少至奈奎斯特采样率的过程被称为欠采样。在一些实施例中，欠采样可以取决于采样模式。采样模式可以通过加速因子R来表征。在一些实施例中，采样模式可以通过各种采样策略来表征。示例性采样策略可以包括随机采样、偏斜随机采样、泊松采样等，或其任何组合。在一些实施例中，可以在不同的扫描特征下收集这种欠采样的k空间数据。不同扫描特征的每次扫描可以对应于对象的相同扫描区域。相同的扫描区域可以包括感兴趣的区域，该区域将显示在与每次扫描相对应的重建图像中。扫描特征可以包括扫描对比度。扫描对比度可以指的是使用k空间数据重建的图像的图像对比度。示例性的扫描对比度和/或图像对比度可以包括T1、T2或FLAIR。以图像对比度为例，基于MRI的数据采集理论，图像对比度的欠采样k空间数据可用公式(1)表示：

d_i＝Ef_i,           (1)

其中，i表示图像对比度的索引(例如，对于T1、T2、FLAIR，i分别为1、2、3)，d_i表示与MR信号相对应的k空间扫描数据(或为简洁起见，称为k空间数据)，f_i表示要重建的MRI图像。E＝CF_u，其中E表示编码运算符，C表示线圈灵敏度图，并且F_u表示欠采样傅立叶运算符。在特定扫描中，MRI系统100在线圈和物体之间的线圈灵敏度可能不匹配。因此，需要为特定扫描获取线圈灵敏度图。公式(1)可以表示k空间扫描数据和所得的MRI图像之间的关系。在一些实施例中，用户可以在扫描对象之前预设编码运算符和欠采样傅立叶运算符。

在一些实施例中，线圈可以是具有多信道的相控阵线圈。然后，可以通过公式(1)变换的公式(2)来确定第i个图像对比度的欠采样的k空间数据。公式(2)可以表示如下：

其中，i表示图像对比度的索引(例如，分别对于T1、T2、FLAIR，i＝1、2、3)，j表示相控阵线圈的通道索引，M表示相控阵线圈的通道数，

表示第j通道的欠采样傅里叶运算符，C_j表示第j通道的线圈灵敏度图，f_i,j表示与第j通道相对应的待重建的MRI图像。

网络120可以包括可以促进MRI系统100的信息和/或数据的交换的任何合适的网络。在一些实施例中，MRI系统100的一个或以上组件(例如，MRI扫描仪110、终端130、处理设备140或存储设备150)可以经由网络120与MRI系统100的一个或以上其他组件通信信息和/或数据。例如，处理设备140可以经由网络120从MRI扫描仪110获得多个扫描数据(即，MR信号)。又例如，处理设备140可以经由网络120从终端130获得用户指令。在一些实施例中，网络120可以是有线网络或无线网络等或其任意组合。网络120可以是和/或包括公共网络(例如，因特网)、专用网络(例如，局域网(LAN)、广域网(WAN))等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网、虚拟专用网(“VPN”)、卫星网、电话网、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例，网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等，或其任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点，MRI系统100的一个或以上组件可以通过有线和/或无线网络接入点连接到网络120以交换数据和/或信息。

终端130包括移动设备130-1、平板计算机130-2、膝上型计算机130-3等，或其任何组合。在一些实施例中，移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手镯、智能鞋具、一副智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括谷歌眼镜、虚拟现实眼镜、全息眼镜、虚拟现实头盔等。在一些实施例中，一个或以上终端130可以远程操作MRI扫描仪110。在一些实施例中，一个或以上终端130可以经由无线连接来操作MRI扫描仪110。在一些实施例中，一个或以上终端130可以接收用户输入的信息和/或指令，并且经由网络120将所接收的信息和/或指令发送给MRI扫描仪110或处理设备140。在一些实施例中，一个或以上终端130可以从处理设备140接收数据和/或信息。在一些实施例中，一个或以上终端130可以是处理设备140的一部分。在一些实施例中，可以省略终端130。

处理设备140可以处理从MRI扫描仪110、一个或以上终端130和/或存储设备150获得的数据和/或信息。该数据可以包括或与对应于MR信号的k空间扫描数据有关。例如，处理设备140可以处理从MRI扫描仪110获得的多组扫描数据，并且基于多组扫描数据来产生线圈灵敏度图。又例如，处理设备140可以基于多组扫描数据(例如，共同边缘图)来生成一个或以上可共享数据集。一个或以上可共享数据集可在由于，例如，不同的扫描设置而导致的不同扫描特征下的多个图像的图像重建中使用。此外，处理设备140可以生成与多个对比度MRI图像中的每个图像相对应的对比度特定的边缘图，并且重建具有不同对比度的图像(例如，T1图像、T2图像或FLAIR图像)。在一些实施例中，可以将重建的图像发送到终端130并在终端130中的一个或以上显示组件上显示。

在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的，也可以是分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以经由网络120访问存储在MRI扫描仪110、一个或以上终端130和/或存储设备150中的信息和/或数据。又例如，处理设备140可以直接连接到MRI扫描仪110、一个或以上终端130和/或存储设备150以访问存储的信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，处理设备140可以在具有本申请中图2所示的一个或以上组件的计算设备200上实现。

存储设备150可以存储数据和/或指令。在一些实施例中，存储设备150可以存储从终端130和/或处理设备140获得的数据。在一些实施例中，存储设备150可以存储数据和/或指令，其可被处理设备140执行或用来执行本申请中描述的示例性方法。在一些实施例中，存储设备150可以包括大容量存储设备、可移动存储设备、易失性读写内存、只读内存(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDRSDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能盘ROM等。在一些实施例中，所述存储设备150可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

在一些实施例中，存储设备150可以连接到网络120以与MRI系统100的一个或以上组件(例如，处理设备140、一个或以上终端130等)通信。MRI系统100的一个或以上组件可以通过网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接连接至MRI系统100的一个或以上组件(例如，处理设备140、一个或以上终端130等)或与之通信。在一些实施例中，存储设备150可以是处理设备140的一部分。

图2是示出根据本申请的一些实施例的可以在其上实现处理设备140的示例性计算设备200的示例性硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。

处理器210可以根据本文描述的技术执行计算机指令(程序代码)并执行处理设备140的功能。计算机指令可以包括例如例程、程序、对象、组件、信号、数据结构、过程、模块和功能，其执行本文描述的特定功能。处理器210可以处理从MRI扫描仪110、终端130、存储设备150和/或MRI系统100的任何其他组件获得的数据。例如，处理设备140可以处理从MRI扫描仪110获得的多组扫描数据，并且基于多组扫描数据来产生线圈灵敏度图。又例如，处理设备140可以基于多组扫描数据来生成一个或以上先验(在本申请中也称为“可共享数据集”)，多组扫描数据可以例如线圈灵敏度曲线(也称为线圈灵敏度图)、利用了边缘方面的结构很可能会在多个对比度之间相关这一事实将权重引入全变分先验的边缘图(也称为共同边缘图)、以及小波稀疏度等。此外，处理设备140可以生成与多个对比度MRI图像中的每个图像相对应的对比度特定的边缘图，并重建具有不同对比度的图像(例如，T1图像、T2图像或FLAIR图像)。在一些实施例中，重建的图像可以存储在存储设备150、存储器220等中。在一些实施例中，可以通过I/O230在显示设备上显示重建的图像。在一些实施例中，处理器210可以执行从终端130获得的指令。在一些实施例中，处理器210可以包括一个或以上硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行一个或以上功能的任何电路或处理器等，或其任意组合。

仅仅为了说明，在计算设备200中仅描述了一个处理器。然而，应注意，本申请中的计算设备200还可以包括多个处理器，因此，如本申请中所述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器共同或单独执行。例如，如果在本申请中，计算设备200的处理器同时执行过程A和过程B，应当理解，过程A和过程B也可以由计算设备200中的两个或更多个不同的处理器共同或分别执行(例如，第一处理器执行过程A，第二处理器执行过程B，或者第一和第二处理器联合执行过程A和B)。

存储器220可以存储从MRI扫描仪110、终端130、存储设备150或MRI系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储设备、可移动存储设备、易失性读写内存、只读内存(ROM)等或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩磁盘、磁带等。易失性读写内存可以包括随机存取内存(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能盘ROM等在一些实施例中，存储器220可以存储一个或以上程序和/或指令以执行本申请中描述的示例性方法。例如，存储器220可以存储处理设备140用于重建MRI图像的程序。

I/O230可以输入或输出信号、数据和/或信息。在一些实施例中，I/O230可以使用户能够与处理设备140交互。在一些实施例中，I/O230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等，或其组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等或其组合。示例性显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)等，或其组合。

通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以在处理设备140与MRI扫描仪110、终端130或存储设备150之间建立连接。该连接可以是能够进行数据发送和接收的有线连接、无线连接或两者的组合。有线连接可以包括电缆、光缆、电话线等或其任何组合。无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如3G、4G、5G等)等或其组合。在一些实施例中，通信端口240可以是标准化的通信端口，例如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，可以根据数字成像和医学通信(DICOM)协议来设计通信端口240。

图3是示出根据本申请的一些实施例的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，可将移动操作系统370(例如，iOS、Android、Windows Phone等)和一个或以上应用380从存储器390加载到内存360中，以便由CPU340执行。应用380可以包括浏览器或任何其他合适的移动应用程序，用于从处理设备140接收和渲染与图像处理有关的信息或其他信息。可以通过I/O350实现与信息流的用户交互，并通过网络120将其提供给处理设备140和/或MRI系统100的其他组件。

为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。这样的计算机的硬件元件，操作系统和编程语言本质上是常规的，并且假定本领域技术人员充分熟悉这些技术以适应那些技术以产生如本文所述具有减少的奈奎斯特鬼影的图像。一台包含用户界面元素的计算机能够被用作个人计算机(personal computer(PC))或其他类型的工作站或终端设备，被适当程序化后也可以作为服务器使用。可知，本领域技术人员应熟悉该计算机装置的结构、程序设计和一般操作，因此，图对其应是不解自明的。

在MRI检查中，可以采集诸如T1、T2和FLAIR等的各种图像对比度的多组扫描数据。尽管MRI具有通用性，但多对比度数据采集可能会非常耗时，尤其是在需要3D编码时。在对比度维度上的一些可共享信息可以应用于图像重建以解决该问题。如本文所使用的，对比度维度是指多对比度。可共享信息可以包括边缘信息、线圈灵敏度信息等或其组合。在一些实施例中，考虑到采集与不同图像对比度(例如T1、T2和FLAIR)相对应的多组扫描数据的同一MRI扫描仪在数据采集中使用相同的线圈，线圈灵敏度信息可以是一致的。可以基于与多个单对比度图像中的每个图像相对应的完整采样的k空间扫描数据来估计线圈灵敏度图。根据一些实施例，可以通过组合多个单对比度图像的欠采样的k空间扫描数据来生成完整采样的k空间扫描数据。与采集多个对比度中的每一个的完整采样的k空间数据相比，采集欠采样的k空间的扫描数据可以减少采集k空间数据的时间，从而减少了MRI扫描的时间。

嵌入在所采集的与不同单对比度图像相对应的数据集中的至少一些信息，例如T1对比度图像(或简称为T1图像)、T2对比度图像(或简称为T2图像)、或FLAIR对比度图像(简称为FLAIR图像)在生成完整采样的k空间扫描数据时可以是可共享的。对于如图7A-7I所示的示例性可共享边缘结构，在虚线框710中的图7A、图7D和图7G这三幅T1图像分别是大脑在轴向平面、冠状平面和矢状平面上的图像。虚线框720中的图7B、图7E和图7H这三幅T2图像分别是大脑在轴向平面、冠状平面和矢状平面中的图像。虚线框730中的图7C、图7F和图7I这三幅FLAIR图像分别是大脑在轴向平面、冠状平面和矢状平面中的图像。例如，在同一平面上的三个单对比度图像(例如，图7A、7B和7C)之间的比较表示三个单对比度图像的边缘结构在某些程度上可以是一致的或相似的。同样，图7D、7E和7F或图7G、7H和7I的边缘结构在某种程度上可以是一致的或相似的。因此，在本申请的一些实施例中，可以将共同边缘结构应用于多个对比度中的每一个对比度的k空间扫描数据，以重建多对比度MRI图像。在针对多个对比度中的每一个的图像重建中使用可共享信息可以减少图像重建的计算成本。

另外，使用正则化反演来重建图像。例如，使用边缘图加权正则化反演(也被称为空间自适应先验)重建图像，以通过利用对比度维度中的可共享信息来找到解决方案。

图4是示出根据本申请的一些实施例的示例性处理设备140的框图。处理设备140的至少一部分可以在图2所示的计算设备200(例如，处理器210)上或在图3所示的移动设备300上实现。处理设备140可以包括数据获取模块410、可共享数据确定模块420、优化数据确定模块430和图像重建模块440。

数据获取模块410可以被配置为获取图像数据。所获得的图像数据可以包括k空间数据。在一些实施例中，数据获取模块410可以从MRI扫描仪110、存储设备150、终端130和/或外部数据源(未示出)获取图像数据(例如，扫描数据)。在一些实施例中，图像数据可以包括由MRI扫描仪110捕获的多组扫描数据。所述多组扫描数据中的每一组对应于对象的相同扫描区域和一组扫描特征。一组扫描特征可以包括不同的扫描对比度。例如，扫描对比度可以包括T1、T2、FLAIR等或其任何组合。在一些实施例中，获得的多组扫描数据可以表示k空间数据的欠采样区域。例如，数据获取模块410可以获得表示T1对比度的k空间数据的第一欠采样区域的第一k空间扫描数据集、表示T2对比度的k空间数据的第二欠采样区域的第二k空间扫描数据集、表示FLAIR对比度的k空间数据的第三欠采样区域的第三k空间扫描数据集。在一些实施例中，第一欠采样区域、第二欠采样区域和/或第三欠采样区域中的任何一个可以与其他欠采样区域中的一个或两个至少部分重叠。在一些实施例中，第一欠采样区域、第二欠采样区域和/或第三欠采样区域彼此不重叠。在一些实施例中，数据获取模块410可以获取用于处理获得的多组扫描数据的指令。所获取的指令可以由处理设备140的处理器执行以执行本申请中描述的示例性方法。在一些实施例中，所获取的扫描数据可以被发送到存储设备150、存储器220和/或内存360，以被存储。

可共享数据确定模块420可以被配置为基于多组扫描数据来生成一个或以上可共享数据集。在一些实施例中，可共享数据集可以包括线圈灵敏度图、共同边缘图等或其组合。可共享数据确定模块420可以基于每个对比度(例如，T1、T2或FLAIR)的欠采样的k空间扫描数据生成线圈灵敏度图。在一些实施例中，可共享数据确定模块420可以通过组合每个对比度的欠采样的k空间扫描数据来生成完整k空间数据。可共享数据确定模块420还可以通过使用低通滤波器(LPF)来获得完整k空间的低频数据。可共享数据确定模块420可以通过对低频数据执行傅立叶逆变换来生成线圈灵敏度图。在一些实施例中，可共享数据确定模块420可以分别获得每个对比度的k空间的低频部分。可共享数据确定模块420可以确定每个对比度的k空间的低频数据的平方和的平方根(rSoS)，并且基于rSoS生成线圈灵敏度图。

在一些实施例中，可共享数据确定模块420可以基于每个对比度(例如，T1、T2或FLAIR)的欠采样的k空间扫描数据来生成共同边缘图。在一些实施例中，可共享数据确定模块420可以确定多个对比度的原始边缘图，并基于原始边缘图来确定增强边缘图。可共享数据确定模块420还可以通过组合原始边缘图和/或增强边缘图来生成共同边缘图。可共享数据确定模块430可以将确定的线圈灵敏度图和共同边缘图发送到处理设备140的其他组件(例如，优化数据确定模块430)以进行进一步处理。可共享数据确定模块420的更多描述可以在本申请的任何地方找到(例如，图5及其描述)。

优化数据确定模块430可以被配置为分别针对多个扫描特征中的每一个生成至少一个优化数据集。在一些实施例中，优化数据集可以指优化的边缘图。在一些实施例中，优化的边缘图可以是每个对比度(例如，T1、T2或FLAIR)的对比度特定的边缘图。优化数据确定模块430可基于可共享数据集(例如，共同边缘图和线圈灵敏度图)来确定每个对比度的对比度特定的边缘图。优化数据确定模块430可以基于如下所述的公式(8)和(9)来确定对比度特定的边缘图。优化数据确定模块430可以将确定的对比度特定边缘图发送到图像重建模块440以在图像重建中使用。

图像重建模块440可以被配置为基于多组扫描数据(或其一部分)和至少一个优化数据集来获得重建图像。图像重建模块440可以通过利用对应的对比度特定的边缘图来重建多个单对比度图像中的每一个。例如，图像重建模块440可以基于如下所述的公式(10)重建多个单对比度图像中的每一个。

应当注意，上述处理引擎的描述是为了说明的目的而提供的，并不打算限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，优化数据确定模块430和图像重建模块440可以集成到单个模块中。在一些实施例中，一个或以上模块可以在与实现其他模块的设备分开的不同设备上实现。仅作为示例，图像重建模块440可以在第一计算设备上实现，并且其他模块可以在与第一计算设备通信的第二计算设备上实现。

图5是示出根据本申请的一些实施例的示例性可共享数据确定模块420的框图。可共享数据确定模块420可以在图2所示的计算设备200(例如，处理器210)上或在图3所示的移动设备300上实现。可共享数据确定模块420可以包括线圈灵敏度图生成单元502和共同边缘图生成单元504。

线圈灵敏度图生成单元502可以被配置为基于一个或以上对比度(例如，T1、T2或FLAIR)的每个对比度的欠采样的k空间扫描数据来生成线圈灵敏度图。在一些实施例中，线圈灵敏度图生成单元502可以基于一个或以上对比度的完整k空间数据的低频部分来生成线圈灵敏度图。线圈灵敏度图生成单元502可以通过组合每个对比度的欠采样的k空间扫描数据来生成完整k空间数据。如本文所使用的，完整k空间数据表示k空间数据的所有数据点都被填充。线圈灵敏度图生成单元502可以通过使用低通滤波器(LPF)来获得完整k空间数据的低频部分。示例性低通滤波器可包括理想低通滤波器(ILPF)、巴特沃斯低通滤波器(BLPF)、高斯低通滤波器等，或其任意组合。在一些实施例中，线圈灵敏度图生成单元502可以为低通滤波器设置滤波器截止频率。例如，滤波器截止频率可以根据具有接近零的低奇异值的指数的频率确定。可以通过低通滤波器滤除频率超过滤波器截止频率的k空间扫描数据，而可以保留频率低于滤波器截止频率的k空间扫描数据，以便进一步处理以确定线圈灵敏度图。线圈灵敏度图生成单元502可以获得完整k空间数据的低频部分，并通过对完整k空间数据的低频部分执行傅立叶逆变换来生成线圈灵敏度图。

在一些实施例中，线圈灵敏度图生成单元502可以基于一个或以上对比度的每个对比度的k空间数据的低频部分的组合来生成线圈灵敏度图。线圈灵敏度图生成单元502可以分别获得每个对比度的k空间数据的低频部分。线圈灵敏度图生成单元502可以基于一个或以上对比度中的每一个的k空间数据的低频部分的组合来生成线圈灵敏度图。例如，线圈灵敏度图生成单元502可以通过确定一个或以上对比度的每个对比度的k空间数据的低频部分的rSoS，生成一个或以上对比度中的每一个的k空间数据的低频部分的组合，并通过对rSOS进行傅里叶逆变换来生成线圈灵敏度图。

共同边缘图生成单元504可以被配置为基于每个对比度(例如，T1、T2或FLAIR)的欠采样的k空间扫描数据来生成共同边缘图。在一些实施例中，共同边缘图生成单元504可以用常数(例如，零)填充k空间的空白部分，使得k空间的尺寸等于要重建的图像的尺寸。在一些实施例中，共同边缘图生成单元504可以通过对零填充的k空间执行傅里叶逆变换来生成MRI图像(例如，图9B)。共同边缘图生成单元504可以基于MRI图像确定原始水平边缘图和原始垂直边缘图。如本申请的其他地方公开的，处理器可以使MRI图像移位以获得移位的MRI图像。如果该移位是水平移位，则处理器可以将MRI图像和水平移位的MRI图像之间的差分图像确定为原始水平边缘图(例如，图9C)。原始垂直边缘图(例如，图9D)可以与原始水平边缘图类似地获得，不同之处在于通过处理器使MRI图像垂直移位。在一些实施例中，共同边缘图生成单元504可以基于滤波算法(例如，逆滤波)进一步增强原始水平边缘图和原始垂直边缘图中的边缘。共同边缘图生成单元504可以通过组合多个对比度的增强边缘图来确定共同边缘图。关于组合多个对比度的增强边缘图的细节可以在本申请的其他地方找到(例如，图6及其描述)。

在一些实施例中，共同边缘图生成单元504可以在所有对比度(即，T1、T2和FLAIR)上获得k空间的中心区域中的k空间数据。在一些实施例中，k空间的中心区域可以是自动校准(AC)区域。AC区域可以指k空间的中心区域中的一定数量的相线。用户可以在扫描过程之前指定AC区域。处理器可以基于k空间数据构造结构矩阵。处理器可以基于结构矩阵确定共同边缘图。关于生成共同边缘图的细节可以在本申请的其他地方(例如，图6及其描述)公开。

在一些实施例中，共同边缘图生成单元504可以通过图像的光谱分解来生成共同边缘图。当抑制从k空间形成的低空间频率时，图像中几乎没有对比度，但边缘清晰度仍然保留。利用这样一个事实，即图像的精细细节(例如边缘)包含在k空间外围的高空间频率部分中。在一些实施例中，可以基于由高通滤波器进行的高通滤波来确定包括高空间频率部分的k空间的外围。共同边缘图生成单元504可以为高通滤波器设置截止频率。可以将频率超过截止滤波器的k空间数据确定为高空间频率部分。共同边缘图生成单元504可以通过对单个对比度的零填充k空间(也被称为单对比度图像)执行傅立叶逆变换，以生成MRI图像。处理器可以基于梯度算子来确定单对比度图像的图像梯度。然后，共同边缘图生成单元504可以对单对比度图像的图像梯度执行第一次奇异值分解(SVD)，以获得矩阵Z。共同边缘图生成单元504然后可以进一步执行第二次矩阵Z的SVD。共同边缘图生成单元504可以基于第一次SVD和第二次SVD生成共同边缘图。关于生成共同边缘图的细节可以在本申请的其他地方(例如，图6及其描述)公开。

图6是示出根据本申请的一些实施例的用于重建对象的多个单对比度图像的示例性过程的流程图。在一些实施例中，可以在图1所示的MRI系统100中实现图6所示的用于重建对象的图像的过程600的一个或以上操作。例如，在图6中说明的过程600可以指令的形式存储在存储设备150中，并由处理设备140(例如，如图2所示的计算设备200的处理器210，如图3所示的移动设备300的CPU340)调用和/或执行。又例如，过程600的一部分可以在MRI扫描仪110上实现。以下所示过程的操作仅出于说明的目的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或没有所讨论的一个或以上操作来完成该过程。另外，如图6所示和下面描述的过程操作的顺序不是限制性的。

在610中，处理器(例如，处理设备140的数据获取模块410)可以获得由磁共振成像(MRI)设备(例如，MRI扫描仪110)捕获的多组扫描数据。MRI扫描仪110可以根据多个扫描特征来扫描对象或对象的一部分。处理器可从MRI扫描仪110或从存储设备(例如，存储器220)获得与多个扫描特征相对应的多组扫描数据。多个扫描特征可以包括多个扫描对比度，多个扫描时间等或其组合。多个扫描对比度可以包括T1、T2、FLAIR等或其任何组合。在一些实施例中，MRI扫描仪110可以基于多个MRI序列来扫描对象，并且生成多组扫描数据。多个MRI序列可以是脉冲序列和脉冲场梯度(PFG)的特定设置。示例性MRI序列可以包括T1加权(或T1)序列、T2加权(或T2)序列、质子密度(PD)加权序列、FLAIR序列等，或其任何组合。例如，MRI扫描仪110可以生成与T1序列相对应的T1对比度的扫描数据。MRI扫描仪110可以生成与T2序列相对应的T2对比度的扫描数据。MRI扫描仪110可以生成与FLAIR序列相对应的FLAIR对比度的扫描数据。

所获得的扫描数据可以是k空间数据(在本文中也被称为k空间扫描数据)。MRI数据可以在k空间中收集。K空间数据可以通过使用叠加在MRI扫描仪(例如，MRI扫描仪110)的主磁场上的空间变化的磁场梯度来生成。例如，当MRI扫描仪110扫描对象时，MRI扫描仪110可收集与对象的扫描区域相对应的多个MR信号，并基于收集的MR信号填充k空间。在一些实施例中，MRI扫描仪110可以将MR信号逐行填充至k空间中的点的网格。

图8A至图8C示出了根据本申请的一些实施例的示例性k空间。如图8A-8C所示，k空间的K_x方向表示频率编码方向，k空间的K_y方向表示相位编码方向，k空间的k空间点801表示与MR信号对应的采样扫描数据点。k空间的K_x轴和K_y轴可以对应于基于k空间数据重建的图像的水平(x-)轴和垂直(y-)轴。k空间中的线可以表示相位编码线，例如，线4、线3等。k空间的尺寸(例如，256×256)可以等于要重建的图像的尺寸(例如，256×256)。k空间数据点可以包含有关要重建图像中每个像素点的空间频率和相位信息。

在一些实施例中，MRI扫描仪110可以基于采样模式(例如，图8A-8B)来收集MR信号。采样模式可以包括采样率和每个采样数据点在k空间中的位置。采样率是指所需采样数据量与完整k空间数据量之比。例如，如果完整k空间数据的数量是256×256，则期望的采样数据的数量是128×256，则采样率是0.5(即，(128×256)/(256×256))。MRI扫描仪110可以进一步将收集的MR信号转换为相应的k空间数据。可以基于包括在k空间中的所有数据需被填充的采样模式来获得完整k空间数据。但是，由于在扫描对象的过程中生成的数据量很大，因此采样完整k空间数据非常耗时。在一些实施例中，为了加速扫描过程，MRI扫描仪110可以基于其中需要填充k空间数据的一部分的采样模式对k空间数据进行欠采样。例如，基于如图8A所示的采样模式，MRI扫描仪110可以在T1加权序列的影响下收集MR信号以填充k空间的偶数行中的数据(例如，第4行、第2行、第0行、第-2行、第-4行)，这可以称为欠采样。又例如，基于如图8B所示的采样模式，MRI扫描仪110可以在T2加权序列的影响下收集MR信号以填充k空间的奇数行(例如，行3、行1、行-3、行-1)。

在一些实施例中，用户可以基于加速器因子R来设计采样模式。加速器因子R可以被定义为完整采样的图像所需的k空间数据的量与通过例如欠采样的加速采集中收集的k空间数据的量的比率。MRI扫描仪110可以每隔R个相位编码步骤收集一次MR信号。相位编码步骤可以是指每两个相邻的相位编码线之间的步骤(例如，行4和行3之间的相位编码步骤802)。例如，如果收集了k空间中的每隔一行，则加速因子R为2。对应于图8A和8B中所示的采样模式的加速因子是2。在一些实施例中，用户可以基于采样策略来设计采样模式。示例性采样策略可以包括随机采样、偏斜随机采样、泊松采样等，或其任何组合。

对于本领域技术人员而言，一旦收集了k空间扫描数据，处理器就可以通过涉及傅立叶逆变换的图像重建将k空间扫描数据转换为图像。如上所述，MRI扫描仪110直接收集所有的k空间数据是费时的。通过在k空间中收集更少的相位编码线来对k空间数据进行欠采样可以加速扫描过程。减少的k空间扫描数据量也可以减少图像处理时间。为了获得足够数量的数据以便获得期望质量的图像，同时减少扫描过程和图像处理的时间，用户可以根据经验值预先设置欠采样k空间数据的数量。在一些实施例中，经验值可以取决于要重建的图像的图像质量。例如，图像质量可以包括均方根误差(RMSE)、信号噪声比(SNR)、视觉质量等，或其任意组合。在一些实施例中，根据压缩感知(CS)理论，经验值可以取决于复杂度，O(TK+TKlog(N/K))，其中T表示不同对比度的数/量(例如1、2、3)，K表示稀疏度数，是表示稀疏度的稀疏矩阵(例如，要重建的图像)的非零值元素的数量，N表示要重建的图像的像素数(或像素量)。

为了获得多个单对比度图像，MRI扫描仪110可以基于多个MRI序列执行扫描。例如，MRI扫描仪110可以基于T1加权序列执行扫描。MRI扫描仪110可以扫描对象(或对象的一部分)并收集表示k空间数据的第一欠采样区域的第一k空间扫描数据集。第一欠采样区域可以对应于第一采样模式。MRI扫描仪110可以基于第一采样模式来扫描对象以获得第一k空间扫描数据集。类似地，MRI扫描仪110可以基于T2加权序列执行扫描。MRI扫描仪110可以扫描相同的对象(或对象的相同部分)，并收集表示k空间数据的第二欠采样区域的第二k空间扫描数据集。第二欠采样区域可以对应于第二采样模式。MRI扫描仪110可以基于第二采样模式来扫描对象以获得第二k空间扫描数据集。MRI扫描仪110可以基于FLAIR序列执行扫描。MRI扫描仪110可以扫描相同的对象(或对象的相同部分)，并收集代表k空间数据的第三欠采样区域的第三k空间扫描数据集。第三欠采样区域可以对应于第三采样模式。MRI扫描仪110可以基于第三采样模式来扫描对象以获得第三k空间数据集。在一些实施例中，第一欠采样区域、第二欠采样区域和/或第三欠采样区域可以与其他欠采样区域中的一个或两个至少部分重叠。在一些实施例中，第一欠采样区域、第二欠采样区域和/或第三欠采样区域彼此不重叠。注意，第一欠采样区域、第二欠采样区域和/或第三欠采样区域可以构成k空间数据的整个区域。因此，获得的与多个单对比度图像相对应的多组k空间扫描数据可以构成完整k空间数据。

在620中，处理器(例如，可共享数据确定模块420)可基于多组扫描数据来生成一个或以上可共享数据集。在一些实施例中，可共享数据集可以包括线圈灵敏度图、共同边缘图等或其组合。处理器(例如，可共享数据确定模块420的线圈灵敏度生成单元502)可以基于每个对比度(例如，T1、T2或FLAIR)的欠采样k空间扫描数据来生成线圈灵敏度图。在一些实施例中，处理器可以通过组合每个对比度的欠采样k空间扫描数据来生成完整k空间数据。例如，处理器可以获得与第一采样模式(例如，图8A)相对应的T1图像的第一k空间扫描数据，以及与第二采样模式(例如，图8B)相对应的T2图像的第二k空间扫描数据。

处理器可以通过组合第一k空间扫描数据和第二k空间扫描数据来生成完整k空间数据(例如，如图8C所示的所生成的完整k空间数据)。在一些实施例中，处理器可以基于一个或以上对比度的完整k空间数据的低频部分来生成线圈灵敏度图。处理器可以通过使用低通滤波器(LPF)获得完整k空间数据的低频部分。示例性低通滤波器可包括理想低通滤波器(ILPF)、巴特沃思低通滤波器(BLPF)、高斯低通滤波器等，或其任意组合。在一些实施例中，用户或系统100可以为低通滤波器设置滤波器截止频率。例如，可以根据具有接近零的低奇异值的指标的频率来确定滤波器截止频率。可以通过低通滤波器滤除频率超过滤波器截止频率的k空间扫描数据，而可以保留频率低于滤波器截止频率的k空间扫描数据，以便进一步处理以确定线圈灵敏度图。处理器可以进一步获得完整k空间数据的低频部分(或者为简洁起见也称为低频数据)。处理器可以通过对完整k空间数据的低频部分执行傅立叶逆变换来生成线圈灵敏度图。

在一些实施例中，处理器可以基于一个或以上对比度的每个对比度的k空间数据的低频部分的组合来生成线圈灵敏度图。处理器可以分别获得每个对比度的k空间数据的低频部分。例如，处理器可以通过低通滤波T1对比度的第一k空间扫描数据来获得k空间的第一低频部分，通过低通滤波T2对比度的第二k空间扫描数据来获得k空间数据的第二低频部分。处理器可以通过确定k空间数据的第一低频部分和k空间数据的第二低频部分的rSoS来生成k空间数据的第一低频部分和k空间数据的第二低频部分的组合。处理器可以通过对rSoS执行傅立叶逆变换来生成线圈灵敏度图。

在一些实施例中，处理器(例如，可共享数据确定模块420的共同边缘生成单元504)可以基于每个对比度(例如，T1、T2或FLAIR)的欠采样的k空间扫描数据，生成共同边缘图。在一些实施例中，处理器可以用常数(例如，零)填充k空间的空白部分，使得k空间的尺寸等于要重建的图像的尺寸。例如，图9A是示出零填充的k空间的示意图。如图9A所示，对白色区域中的k空间数据进行实际采样，而黑色区域中的k空间数据是通过零填充而获得的。处理器可以通过对零填充的k空间(例如图9B)执行傅里叶逆变换来生成MRI图像。处理器可以基于MRI图像确定原始水平边缘图和原始垂直边缘图。例如，处理器可以根据基于差分图像算法来确定原始水平边缘图(例如，图9C)和/或原始垂直边缘图(例如，图9D)。仅出于说明目的，处理器可以分别基于公式(3)和公式(4)确定原始水平边缘图和原始垂直边缘图，如下所示：

f_x(x,y)＝f(x+c,y)-f(x,y),        (3)

f_y(x,y)＝f(x,y+c)-f(x,y),        (4)

其中f_x(x,y)表示原始水平边缘图，f_y(x,y)表示原始垂直边缘图，f(x,y)表示MRI图像，f(x+c,y)表示在水平(x-)方向上移动c个像素的MRI图像(也被称为水平移动MRI图像)，f(x,y+c)表示MRI在垂直(y-)方向上移动c个像素的图像(也被称为垂直移动MRI图像)。c是整数，例如1、2、3等。从式(3)和(4)可以看出，原始水平边缘图可以是MRI图像和水平偏移的MRI图像之间的差分图像，并且原始垂直边缘图可以是MRI图像和垂直移动的MRI图像之间的差分图像。

在一些实施例中，处理器可以基于边缘检测算子(也称为梯度算子)来确定原始水平边缘图和原始垂直边缘图。示例性边缘检测算子可以包括Sobel算子、Prewitt算子等。例如，处理器可以分别通过水平边缘检测模板和垂直边缘检测模板来检测图像的水平边缘和垂直边缘。在一些实施例中，Sobel算子的水平边缘检测模板可以是矩阵

而Sobel算子的垂直边缘检测模板可以是矩阵

在一些实施例中，Prewitt算子的水平边缘检测模板可以是矩阵

并且Prewitt算子的垂直边缘检测模板可以是矩阵

如图9C和9D所示，原始水平边缘图和原始垂直边缘图的边缘可以是模糊的。处理器可以基于滤波算法进一步增强模糊边缘图的边缘，以获得增强的边缘图。示例性滤波算法可以包括逆滤波算法、秩约束滤波算法、维纳滤波算法等，或其任意组合。处理器可以通过使用有限差分算法基于与T1对比度相对应的扫描数据，确定如图10A所示的T1对比度的原始水平边缘图(也称为T1水平边缘图)以及如图10B所示的T1对比度的原始垂直边缘图(也称为T1垂直边缘图)。处理器可以通过使用滤波算法(例如，逆滤波算法)，确定如图10C所示的增强的T1水平边缘图和如图10D所示的增强的T1垂直边缘图。又例如，处理器可以使用有限差分算法基于与T2图像相对应的扫描数据，确定如图10E所示的T2图像的原始水平边缘图(也称为T2水平边缘图)和如图10F所示的T2图像的原始垂直边缘图(也称为T2垂直边缘图)。处理器可以通过使用滤波算法(例如，逆滤波算法)来确定如图10G所示的增强的T2水平边缘图和如图10H所示的增强的T2垂直边缘图。

在一些实施例中，处理器可以通过组合多个对比度的增强边缘图来确定共同边缘图。共同边缘图可以包括水平维度上的共同水平边缘图和垂直维度上的共同垂直边缘图。例如，处理器可以通过组合增强的T1水平边缘图(即，图10C)和增强的T2水平边缘图(即，图10G)来确定如图10J所示的共同水平边缘图。处理器还可通过组合增强的T1垂直边缘图(即，图10D)和增强的T2垂直边缘图(即图10H)来确定如图10K所示的共同垂直边缘图。仅作为示例，处理器可以确定增强的T1水平边缘图和增强的T2水平边缘图的平方和的第一平方根(rSoS)，并且还基于第一rSoS来生成共同水平边缘图。类似地，处理器可以确定增强的T1垂直边缘图和增强的T2垂直边缘图的第二rSoS，并基于第二rSoS进一步生成共同垂直边缘图。

在一些实施例中，处理器可以跨所有对比度(即，T1、T2和FLAIR)获得k空间中心区域中的k空间数据，例如，如图8C所示的k空间中心区域中的k空间数据。跨所有对比度的k空间中心区域中的k空间数据表示为

在一些实施例中，k空间中心区域可以是自动校准(AC)区域。AC区域可以指k空间中心区域中的一定数量的相线，例如，如图8C所示的包括线1至线-1的三条线。用户可以在扫描过程之前指定AC区域。处理器可以基于k空间数据

构造结构化矩阵

例如，处理器可以通过在整个k空间数据

(例如，AC区域的k空间数据)中滑动块来构造结构化矩阵，并将块覆盖的数据填充到结构化矩阵的行中。在一些实施例中，构造的结构化矩阵是汉克尔矩阵。假设要重建的图像中的边缘(或边缘集)可以被局部化或限制为三角多项式的零集，则图像的偏导函数的傅立叶系数可以通过如下公式(5)满足线性湮没滤波关系：

其中W是所有对比度的共同边缘图。共同边缘图W＝[W_v,W_h]可以分别包括共同垂直边缘图W_v和共同水平边缘图W_h。处理器可以通过求解公式(4)来确定共同边缘图。更具体地说，处理器可以执行结构化矩阵

的奇异值分解(SVD)，以从

中提取多个零空间矢量。处理器还可以通过将多个零空间矢量重塑为要重建的图像的大小来生成共同边缘图。

在一些实施例中，处理器可以通过图像的光谱分解来生成共同边缘图。当k空间的低频被抑制时，图像中的对比度很小，但边缘清晰度仍然存在。其利用了这样的事实，图像的细节，例如边缘，包含在k空间外周的高空间频率部分。如620中公开的，处理器可以通过对单个对比度(也称为单对比度图像)的零填充k空间执行傅立叶逆变换来生成MRI图像。处理器可以基于梯度算子来确定单对比度图像的图像梯度。然后，处理器可以对单对比度图像的图像梯度执行SVD。图像梯度的SVD可以如下表示为公式(6)：

其中，X_i表示单对比度图像，

表示单对比度图像的图像梯度，i是对比度的索引，U_i和V_i分别是酉矩阵，S_i是图像梯度的奇异值。处理器可以通过所有对比度中的α_iU_iV_i ^*的平方和(SoS)确定矩阵Z，其中α_i为常数。处理器还可以根据公式(7)对矩阵进行SVD运算，如下：

其中U′和V′^*分别为酉矩阵，S′是Z的奇异值。处理器可以通过组合每个对比度

的奇异值的SoS、U′和V′，即U′SV′^*来确定共同边缘图。为了在生成共同边缘图的过程中防止或减少高频部分(即，边缘)的噪声放大，可以执行奇异值阈值(SVT)处理以抑制噪声放大。

在630中，处理器(例如，优化数据确定模块430)可以针对多个扫描特性中的每一个生成至少一个优化数据集。在一些实施例中，优化数据集可以包括优化的边缘图。在一些实施例中，优化的边缘图可以是对比度(例如，T1、T2或FLAIR)的对比度特定的边缘图。处理器可以基于可共享数据集(例如共同边缘图和线圈灵敏度图)来确定对比度的对比度特定的边缘图。仅作为示例，处理器可以如下基于公式(8)和(9)生成对比度特定的边缘图：

其中，i是每个对比度的索引(例如，分别对于T1、T2、FLAIR，i＝1、2、3)，

和

分别表示共同垂直边缘图的梯度和共同水平边缘图的梯度，E表示编码运算符，u_v,i表示垂直维度上的对比度特定边缘图(也被称为垂直对比度特定边缘图)，u_h,i表示水平维度中的对比度特定边缘图(也被称为水平对比度特定边缘图))，λ表示正则化参数，W_v表示共同垂直边缘图，W_h表示共同水平边缘图，并且J(W)是与共同边缘图有关的泛函，并且包含可以控制对比度特定边缘图的形状的权重系数。J()是用于控制图像形状的泛函。当公式(8)和(9)达到其各自的最小值时，处理器可以确定公式(8)和(9)的项u_v,i和u_h,i。在一些实施例中，处理器可以根据经验值预设正则化参数λ(例如，0.001、0.004)。公式(8)和(9)的第一项描述了k空间中水平和垂直梯度的数据一致性。公式(8)和(9)的第二项是加权梯度值的1-范数。

在640中，处理器(例如，图像重建模块440)可以重建多组扫描数据以获得针对至少一个扫描特征的重建图像。仅作为示例，处理器可以通过利用对应的对比度特定的边缘图来迭代地重建多个单对比度图像中的每一个。例如，处理器可以基于公式(10)迭代地重建多个单对比度图像中的每一个，公式(10)如下所示：

其中，i是每个图像对比度的索引(对于N个成像序列，为1≤i≤N，其中一个成像序列的成像参数可能与另一个成像参数不同，例如，对于T1、T2、FLAIR，i分别为1、2、3)，分别表示要重建的MRI图像(例如，T1图像、T2图像或FLAIR图像)，f_i表示与图像对比度i的MR信号相对应的k空间扫描数据，λ₁和λ₂分别表示第一正则化参数和第二正则化参数，可以平衡数据一致性和正则化之间的权重，u＝[u_v,i,u_h,i]表示垂直和水平对比度特定的边缘图，

表示MRI图像梯度，其中

表示MRI图像在垂直方向上的梯度，

表示MRI图像在水平方向上的梯度，Ψ(x)表示用于促进数据稀疏性的稀疏变换，例如小波变换。||·||₂表示欧几里得范数，而||||₁表示1-范数。在一些实施例中，用户可以根据经验值预设第一正则化参数和第二正则化参数。公式(10)包括三个项，即

表示评估重建图像与测量值(例如，获得的多组k空间扫描数据)之间的一致性的数据保真度项，

表示对比度特定的边缘图加权总变差(TV)，λ₂‖Ψ(f_i)‖₁表示具有稀疏变换的1-范数，以保证鲁棒重建质量。处理器可以通过求解公式(10)的最小值来重建多个单对比度图像(例如，T1图像、T2图像或FLAIR图像)中的每一个。

在一些实施例中，处理器可以基于梯度算子来确定图像梯度。示例性梯度算子可包括罗伯特算子、Prewitt算子、Sobel算子、各向同性Sobel算子、拉普拉斯算子等，或其任意组合。

图11A至图11L示出根据本申请的一些实施例的示例性重建图像。例如，图11A至图11F所示，图11A和图11D中的两个图像包括在虚线框1100中。图11A是使用第一重建算法SpareSENSE重建的T2图像，图11D是图11A中矩形框的放大图。虚线框1120中包括两个图像，图11B和图11E。图11B是使用第二重建算法，多对比度快速复合分裂算法(FCSA-MT)重建的T2图像，图11E是图11B中矩形框的放大图。虚线框1130中包括两个图像，图11C和图11F。图11C是使用过程600中描述的重建算法重建的FLAIR图像，图11F是图11C中的矩形框的放大图。使用过程600中描述的第一重建方法、第二重建方法和重建算法的重建结果(例如，图11D、图11E和图11F)之间的比较表明，使用如过程600中所描述的重建算法得到的重建结果具有更好的图像质量。例如，与图11D和图11E相比，图11F包含的噪声更少。在另一个例子中，如图11G至11L所示，在虚线框1140中包括图11G和图11J两个图像。图11G是使用第一重建算法SpareSENSE重建的FLAIR图像，图11J是图11G中矩形框的放大图。虚线框1150中包括两个图像，图11H和图11K。图11H是使用第二重建算法FCSA-MT重建的FLAIR图像，图11K是图11H中矩形框的放大图。虚线框1160中包含两个图像，图11I和图11L。图11I是使用过程600中所述的重建算法重建的FLAIR图像，图11L是图11I中矩形框的放大图。使用第一重建算法、第二重建算法和过程600中描述的重建算法的重建结果(例如图11J、图11K和图L)之间的比较表明，使用处理600中描述的重建算法的重建结果具有更好的图像质量。例如，与图11J和图11K相比，图11L包含的噪声更少。本申请中所描述的重建算法对于多对比度图像可以具有更好的重建质量。

上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。因此，本申请的各方面可以完全以硬件，完全以软件(包括固件、常驻软件、微代码等)或通过组合软件和硬件的实现方式来实现，这些实现方式在本文中通常都统称为“单元”、“模块”或“系统”。此外，本发明的各方面可以采取计算机程序产品的形式，该计算机程序产品体现在一个或以上计算机可读介质中，其上包含计算机可读程序代码。

非暂时性计算机可读信号介质可以包括传播的数据信号，其中包含计算机可读程序代码，例如，在基带中或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。

用于执行本申请的各方面的操作的计算机程序代码可以以一种或多种编程语言的任何组合来编写，包括面向对象的编程语言，如Java、Scala、SimalTalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，传统的过程编程语言，如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP、动态编程语言如Python、Ruby和Groovy，或其他编程语言。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用网络服务提供商的网络)或在云计算环境中或作为服务提供，例如，软件服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其它名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为纯软件解决方案，例如，在现有服务器或移动设备上的安装。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对多个发明实施例的理解，前文对本申请的实施例的描述中，有时会将多个特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。

在一些实施例中，表达数量、性质等的数字用于描述和要求本申请的一些实施例应理解为在某些情况下通过术语“大约”、“近似”或“大体上”进行修改。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的，与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说，如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突，则描述、定义和/或在本文件中使用的术语以本文件为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (23)

1.一种在至少一台机器上实现的图像重建方法，每台机器具有至少一个处理器和至少一个存储设备，该方法包括：

获取磁共振成像（MRI）设备捕获的多组扫描数据，每组扫描数据对应于对象的一个相同的扫描区域，并对应于多个扫描特征；

基于所述多组扫描数据，生成一个或以上可共享数据集，其中，所述多组扫描数据是多组欠采样的k空间扫描数据，并且每组扫描数据对应于所述多个扫描对比度中的一个，以及基于所述多组扫描数据，生成一个或以上可共享数据集包括：

基于所述多组k空间扫描数据，生成共同边缘图，其中，基于所述多组k空间扫描数据，生成共同边缘图包括：

基于所述多组k空间扫描数据，生成所述多个扫描对比度中的每一个的原始边缘图，其中所述原始边缘图包括原始水平边缘图和原始垂直边缘图，以及生成所述多个扫描对比度中的每一个的原始边缘图包括：

对于每个扫描对比度：

通过填充与所述扫描对比度相对应的所述k空间扫描数据的空白部分，获得零填充的k空间扫描数据；

通过对所述零填充的k空间扫描数据执行傅立叶逆变换，生成与所述扫描对比度相对应的MRI图像；

基于与所述扫描对比度相对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图；以及

基于所述原始水平边缘图和所述原始垂直边缘图，生成所述原始边缘图；以及

通过组合多个所述原始边缘图，生成所述共同边缘图；以及

基于所述多组k空间扫描数据，生成线圈灵敏度图；

基于所述一个或以上可共享数据集，为所述多个扫描特征中的每一个生成至少一个优化数据集；以及

基于所述多个扫描特征中的至少一个对应的至少一个优化数据集，重建所述多组扫描数据以获得所述至少一个扫描特征的重建图像。

2.根据权利要求1所述的方法，其中，所述多个扫描特征包括多个扫描对比度。

3.根据权利要求2所述的方法，其中，所述多个扫描对比度包括T1、T2或液体衰减反转恢复（FLAIR）中的至少一个。

4.根据权利要求1所述的方法，其中，基于与所述扫描对比度相对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图包括：

将所述MRI图像水平移动一个或以上像素以获得水平移位的MRI图像；

将所述MRI图像与所述水平移位的MRI图像之间的差分图像确定为所述原始水平边缘图；

将所述MRI图像垂直移动一个或以上像素以获得垂直移位的MRI图像；以及

将所述MRI图像和所述垂直移位的MRI图像之间的差分图像确定为所述原始垂直边缘图。

5.根据权利要求4所述的方法，其中，通过组合多个所述原始边缘图，生成所述共同边缘图包括：

确定所述多个扫描对比度的所述原始水平边缘图的平方和的第一平方根；

基于所述平方和的第一平方根，生成共同水平边缘图；

确定所述多个扫描对比度的所述原始垂直边缘图的平方和的第二平方根；

基于所述平方和的第二平方根，生成共同垂直边缘图；以及

基于所述共同水平边缘图和所述共同垂直边缘图，生成所述共同边缘图。

6.根据权利要求1所述的方法，其中，基于所述多组k空间扫描数据，生成线圈灵敏度图包括：

基于所述多组k空间扫描数据的低频部分，生成所述线圈灵敏度图。

7.根据权利要求6所述的方法，其中，基于所述多组k空间扫描数据的低频部分，生成所述线圈灵敏度图包括：

组合所述多组k空间扫描数据以获得完整k空间数据；

使用低通滤波器获得所述完整k空间数据的低频部分；以及

基于所述完整k空间数据的低频部分，生成所述线圈灵敏度图。

8.根据权利要求6所述的方法，其中，基于所述多组k空间扫描数据的低频部分，生成所述线圈灵敏度图包括：

对于所述多个扫描对比度中的每一个：

通过对所述扫描对比度的k空间扫描数据进行过滤，获得与所述扫描对比度相对应的k空间扫描数据的低频部分；

确定所述多个扫描对比度的k空间扫描数据的多个低频部分的平方和的平方根；以及

基于所述多个扫描对比度的k空间扫描数据的所述多个低频部分的平方和的平方根，生成所述线圈灵敏度图。

9.根据权利要求1所述的方法，其中，基于所述一个或以上可共享数据集，为所述多个扫描特征中的每一个生成至少一个优化数据集包括：

基于所述共同边缘图和所述线圈灵敏度图，为所述多个扫描对比度中的每一个生成对比度特定的边缘图。

10.根据权利要求1所述的方法，其中，基于所述多组k空间扫描数据，生成共同边缘图包括：

获得与全部多个扫描对比度的k空间的中心区域相对应的中心k空间数据集；

基于所述中心k空间数据集，通过在整个中心k空间数据集中滑动块构建结构化矩阵，并将包含在所述块中的k空间数据加入到结构化矩阵的一行中；

通过对所述结构化矩阵进行奇异值分解（SVD），从所述结构化矩阵中提取多个零空间矢量；以及

通过重塑所述多个零空间矢量，生成所述共同边缘图。

11.根据权利要求1所述的方法，其中，基于所述多组k空间扫描数据，生成共同边缘图包括：

对于每个扫描对比度：

通过填充与所述扫描对比度相对应的所述k空间扫描数据的空白部分，获得零填充的k空间数据；

通过对所述零填充的k空间扫描数据执行傅立叶逆变换，生成与所述扫描对比度相对应的MRI图像；

基于梯度算子，确定所述MRI图像的图像梯度；

对所述图像梯度进行第一奇异值分解（SVD），获得两个第一酉矩阵和所述图像梯度的奇异值；

基于每个扫描对比度的所述两个第一酉矩阵确定第一矩阵；

对所述第一矩阵进行第二SVD，获得两个第二酉矩阵；以及

基于所述两个第二酉矩阵以及与每个扫描对比度相对应的所述图像梯度的奇异值的平方和，生成所述共同边缘图。

12.一种图像重建系统，包括：

包括一组指令的存储设备；以及

与所述存储设备通信的至少一个处理器，其中，当执行所述一组指令时，所述至少一个处理器被指示为使所述系统：

获取磁共振成像（MRI）设备捕获的多组扫描数据，每组扫描数据对应于对象的相同扫描区域，并对应于多个扫描特征；

基于所述多组扫描数据，生成一个或以上可共享数据集，其中，所述多组扫描数据是多组欠采样的k空间扫描数据，并且每组扫描数据对应于所述多个扫描对比度中的一个，以及基于所述多组扫描数据，生成一个或以上可共享数据集包括：

基于所述多组k空间扫描数据，生成共同边缘图，其中，基于所述多组k空间扫描数据，生成共同边缘图包括：

基于所述多组k空间扫描数据，生成所述多个扫描对比度中的每一个的原始边缘图，其中所述原始边缘图包括原始水平边缘图和原始垂直边缘图，以及生成所述多个扫描对比度中的每一个的原始边缘图包括：

对于每个扫描对比度：

通过填充与所述扫描对比度相对应的所述k空间扫描数据的空白部分，获得零填充的k空间扫描数据；

通过对所述零填充的k空间扫描数据执行傅立叶逆变换，生成与所述扫描对比度相对应的MRI图像；

基于与所述扫描对比度相对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图；以及

基于所述原始水平边缘图和所述原始垂直边缘图，生成所述原始边缘图；以及

通过组合多个所述原始边缘图，生成所述共同边缘图；以及

基于所述多组k空间扫描数据，生成线圈灵敏度图；

基于所述一个或以上可共享数据集，为所述多个扫描特征中的每一个生成至少一个优化数据集；以及

基于所述多个扫描特征中的至少一个的至少一个优化数据集，重建所述多组扫描数据以获得所述至少一个扫描特征的重建图像。

13.根据权利要求12所述的系统，其中，所述多个扫描特征包括多个扫描对比度。

14.根据权利要求13所述的系统，其中，所述多个扫描对比度包括T1、T2或液体衰减反转恢复（FLAIR）中的至少一个。

15.根据权利要求12所述的系统，其中，为了基于与所述扫描对比度相对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图，所述至少一个处理器被进一步指示为使所述系统：

将所述MRI图像水平移动一个或以上像素以获得水平移位的MRI图像；

将所述MRI图像与所述水平移位的MRI图像之间的差分图像确定为所述原始水平边缘图；

将所述MRI图像垂直移动一个或以上像素以获得垂直移位的MRI图像；以及

将所述MRI图像和所述垂直移位的MRI图像之间的差分图像确定为所述原始垂直边缘图。

16.根据权利要求15所述的系统，其中，为了通过组合多个所述原始边缘图，生成所述共同边缘图，所述至少一个处理器被进一步指示为使所述系统：

确定所述多个扫描对比度的所述原始水平边缘图的平方和的第一平方根；

基于所述平方和的第一个平方根，生成共同水平边缘图；

确定所述多个扫描对比度的所述原始垂直边缘图的平方和的第二平方根；

基于所述平方和的第二个平方根，生成共同垂直边缘图；以及

基于所述共同水平边缘图和所述共同垂直边缘图生成所述共同边缘图。

17.根据权利要求16所述的系统，其中，为了基于所述多组k空间扫描数据，生成线圈灵敏度图，所述至少一个处理器被进一步指示为使所述系统：

基于所述多组k空间扫描数据的低频部分，生成线圈灵敏度图。

18.根据权利要求17所述的系统，其中，为了基于所述多组k空间扫描数据的低频部分，生成所述线圈灵敏度图，所述至少一个处理器还被指示以使所述系统：

组合所述多组k空间扫描数据以获得完整k空间数据；

使用低通滤波器获得所述完整k空间数据的低频部分；以及

基于所述完整k空间数据的低频部分，生成所述线圈灵敏度图。

19.根据权利要求18所述的系统，其中，为了基于所述多组k空间扫描数据的低频部分，生成所述线圈灵敏度图，所述至少一个处理器还被指示以使所述系统：

对于所述多个扫描对比度中的每一个：

通过对所述扫描对比度的k空间扫描数据进行过滤，获得与所述扫描对比度相对应的k空间扫描数据的低频部分；

确定所述多个扫描对比度的k空间扫描数据的多个低频部分的平方和的平方根；以及

基于所述多个扫描对比度的k空间扫描数据的多个低频部分的平方和的平方根，生成线圈灵敏度图。

20.根据权利要求12所述的系统，其中，为了基于所述一个或以上可共享数据集，为所述多个扫描特征中的每一个生成至少一个优化数据集，所述至少一个处理器被进一步指示为使所述系统：

基于所述共同边缘图和所述线圈灵敏度图，为所述多个扫描对比度中的每一个生成对比度特定的边缘图。

21.根据权利要求12所述的系统，其中，为了基于所述多组k空间扫描数据，生成共同边缘图，所述至少一个处理器被进一步指示为使所述系统：

获得与全部所述多个扫描对比度的k空间的中心区域相对应的中心k空间数据集；

基于所述中心k空间数据集，通过在整个所述中心k空间数据集中滑动块构建结构化矩阵，并将包含在所述块中的k空间数据加入到结构化矩阵的一行中；

通过对所述结构化矩阵进行奇异值分解（SVD），从所述结构化矩阵中提取多个零空间矢量；以及

通过重塑所述多个零空间矢量，生成所述共同边缘图。

22.根据权利要求12所述的系统，其中，为了基于所述多组k空间扫描数据，生成共同边缘图，所述至少一个处理器还被指示为使所述系统：

对于每个扫描对比度：

通过填充与所述扫描对比度相对应的k空间扫描数据的空白部分，获得零填充的k空间数据；

通过对所述零填充的k空间扫描数据执行傅立叶逆变换，生成与所述扫描对比度相对应的MRI图像；

基于梯度算子，确定所述MRI图像的图像梯度；

对所述图像梯度进行第一奇异值分解（SVD），获得两个第一酉矩阵和所述图像梯度的奇异值；

根据每个所述扫描对比度的所述两个第一酉矩阵确定第一矩阵；

对所述第一矩阵进行第二SVD运算，得到两个第二酉矩阵；以及

基于所述两个第二酉矩阵以及与每个扫描对比度相对应的图像梯度的奇异值的平方和，生成所述共同边缘图。

23.一种非暂时性计算机可读介质，包括至少一组指令，其中，当由计算机设备的至少一个处理器执行时，所述至少一组指令指示所述至少一个处理器：

获取磁共振成像（MRI）设备捕获的多组扫描数据，每组扫描数据对应于对象的相同扫描区域，并对应于多个扫描特征；

基于所述多组扫描数据，生成一个或以上可共享数据集，其中，所述多组扫描数据是多组欠采样的k空间扫描数据，并且每组扫描数据对应于所述多个扫描对比度中的一个，以及基于所述多组扫描数据，生成一个或以上可共享数据集包括：

基于所述多组k空间扫描数据，生成共同边缘图，其中，基于所述多组k空间扫描数据，生成共同边缘图包括：

基于所述多组k空间扫描数据，生成所述多个扫描对比度中的每一个的原始边缘图，其中所述原始边缘图包括原始水平边缘图和原始垂直边缘图，以及生成所述多个扫描对比度中的每一个的原始边缘图包括：

对于每个扫描对比度：

通过填充与所述扫描对比度相对应的所述k空间扫描数据的空白部分，获得零填充的k空间扫描数据；

通过对所述零填充的k空间扫描数据执行傅立叶逆变换，生成与所述扫描对比度相对应的MRI图像；

基于与所述扫描对比度相对应的MRI图像，确定所述原始水平边缘图和所述原始垂直边缘图；以及

基于所述原始水平边缘图和所述原始垂直边缘图，生成所述原始边缘图；以及

通过组合多个所述原始边缘图，生成所述共同边缘图；以及

基于所述多组k空间扫描数据，生成线圈灵敏度图；

基于所述一个或以上可共享数据集，为所述多个扫描特征中的每一个生成至少一个优化数据集；以及

基于所述多个扫描特征中的至少一个的至少一个优化数据集，重建所述多组扫描数据以获得至少一个扫描特征的重建图像。

Images