CN112557981A - 一种并行磁共振成像的改进算法 - Google Patents

Abstract

本发明公开了一种并行磁共振成像的改进算法，包括：对成像物体进行R倍欠采样，并对未采样的行的数据填充0；将中间低频部分作为校准区进行全采样，得到校准区矩阵F；任一所述线圈接收的K空间数据共I行，求得第i行与I‑i行数据之间具有共轭对称性；利用校准区矩阵F构建矩阵A；在校准区x(i,j,l)处，获取矩阵A的任一行数据，并构成列向量C；根据矩阵A×W＝C，并结合最小二乘法拟合求得插值窗内权重矩阵W；构建欠采样行数据的预测矩阵D；利用预测矩阵D与插值窗内权重矩阵W的乘积求得列向量E；将列向量E的任一列数据填充至校准区矩阵F中对应位置，并去掉原填充的0的位置，以获得重建的矩阵H，经傅里叶变换后得到并行磁共振成像的图像。

Description

一种并行磁共振成像的改进算法

技术领域

本发明涉及磁共振成像技术领域，尤其是一种并行磁共振成像的改进算法。

背景技术

并行磁共振成像(parallel MRI,p-MRI)是医疗图像高速成像及图像重建领域的重大技术突破，已经被应用于各大磁共振设备。并行磁共振成像过程是由多通道相控阵线圈采集磁共振K空间信号，由于相控阵线圈每个通道都包含有相邻通道的信息，所以我们能够通过相邻线圈的信息估计降采样部分信息，通过减少相位编码次数，提升磁共振扫描速度。

目前，现有技术中的图像重建算法主要分为两类：

第一，基于图像域的重建，该类算法主要利用线圈灵敏度进行图像重构，得到无伪影图像，代表算法为SENSE(Sensitivity Encoding)及随后发展出的扩展方法SC-SENSE(Self-calibrating)、PILS(Local Sensitivities)等，该类算法要求通道线圈有更为精确的灵敏度，线圈灵敏信息由采集低频信号计算而得，当灵敏度已知，Chaari等人将压缩感知与SENSE结合，增加正则项，取得了较好的重构效果，但是，准确估计往往非常困难。如专利申请号为“201711246873.0”、名称为“一种基于自适应联合稀疏编码的并行磁共振成像方法、装置以及计算机可读介质”的中国发明专利。

第二种，基于K空间的逐线圈重建技术，该类技术采集中间行数据作为自校准信号(ACS)，多通道直接重构最终图像，不需要估计线圈灵敏度，由欠采样的K空间数据计算出多通道线圈的权重系数，用这些权重系数拟合欠采样缺失数据，再将其重建为诊断图像，代表算法为AUTO-SMASH(Simulataneous Acquisition of Spatial Harmonics)、GRAPPA(Generalized Auto-calibrating Partially Parallel Acquisitions)，VD-AUTO-SMASH算法等。如专利申请号为“201510216413.8”、名称为“一种并行磁共振成像相位处理方法”的中国发明专利，其通过：对并行磁共振成像中多通道线圈采集的K空间数据进行傅里叶反变换，得到各个线圈图像的幅值和相位；构造参考线圈图像，估计多通道各个线圈的空间敏感度分布；将参考线圈图像的空间敏感度进行二维傅里叶变换，截取中间的矩阵作为卷积核；构造K空间数据卷积模型，求解线圈的联合权重W；得到虚拟线圈K空间值，傅里叶反变换得到虚拟线圈图像；相位解缠绕，并去除虚拟线圈图像背景的相位；使用蒙板图像提取感兴趣区域的相位。

目前，现有技术中的GRAPPA算法在计算重建系数矩阵的过程中，随着加速倍数增加，方程系数矩阵条件数随之增大，可利用信息量降低，方程病态程度增加。使求逆矩阵过程中噪声被放大。

另外，现有技术中的GRAPPA算法对2倍加速能够很好地避免卷褶伪影，但是对于超过2倍的加速情况下重建效果欠佳，噪声明显并且仍然还有卷褶伪影残留。这对于磁共振三维采集、动态成像、实时成像以及平面回波成像等对扫描速度敏感的应用场景是一个亟需解决的问题。

因此，急需要提出一种增加预测源矩阵信息量、改变原GRAPPA算法仅利用未采样信号周围的数据拟合、提高信噪比的并行磁共振成像的改进算法。

发明内容

针对上述问题，本发明的目的在于提供一种并行磁共振成像的改进算法，本发明采用的技术方案如下：

一种并行磁共振成像的改进算法，利用相控阵线圈接收的K空间数据，所述相控阵线圈设置有L个，所述L为大于1的正整数，包括以下步骤：

对成像物体进行R倍欠采样，并对未采样的行的数据填充0；将中间低频部分作为校准区进行全采样，得到校准区矩阵F；所述R为大于1的正整数；

任一所述线圈接收的K空间数据共I行，求得第i行与I-i行数据的共轭对称；

利用校准区矩阵F构建矩阵A；所述矩阵A由L个相控阵线圈接收到的L个在校准区内的K空间数据在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成；

在校准区x(i,j,l)处，获取矩阵A的任一行数据，并构成列向量C；

根据矩阵A与插值窗内权重矩阵W的乘积得到列向量C，并结合最小二乘法拟合求得插值窗内权重矩阵W；

构建欠采样行数据的预测矩阵D；所述预测矩阵D由L个相控阵线圈接收到的L个在欠采样区域内的K空间数据矩阵在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成；

利用预测矩阵D与插值窗内权重矩阵W的乘积求得列向量E；

将列向量E的任一列数据填充至校准区矩阵F中对应位置，并去掉原填充的0的位置，以获得重建的矩阵H，经傅里叶变换后得到并行磁共振成像的图像。

进一步地，所述矩阵A的任一K空间数据的任一行由校准区的第i行第j列第l个线圈接收到位置x(i,j,l)的预测数据和校准区的x(I-i,j,l)位置的预测数据等分组成；所述位置x(i,j,l)的预测数据为距离位置x(i,j,l)最近的邻近已采样信号；所述x(I-i,j,l)位置的预测数据为位置x(I-i,j,l)的邻近的已采样信号的共轭变换后的信号。

更进一步地，所述预测矩阵D的任一K空间数据的任一行由欠采样区域内的第i行第j列第l个线圈接收到位置

的预测数据和欠采样区域内的

位置的预测数据等分组成；所述位置

的预测数据为距离位置

最近的邻近已采样信号；所述

位置的预测数据为位置

的邻近的已采样信号的共轭变换后的信号。

与现有技术相比，本发明具有以下有益效果：

(1)本发明根据K空间数据的共轭对称性，将梯度反转后的另一半数据也纳入到插值窗中；本发明增加预测源矩阵信息量，改变了原GRAPPA算法仅利用未采样信号周围的数据拟合，提高了信噪比；

(2)本发明采用欠采样获取前段和后段的采样数据，并采用全采样获取中间低频部分，在减少采样数据、提高成像速度的同时，也能保证信息量充分；

(3)本发明在共轭对称性的基础上，在降采样的情况下也能获得更多有用信息，有效地提高了信噪比；

(4)本发明利用校准区域的矩阵A求得插值窗内权重矩阵，并将插值窗内权重矩阵运用于欠采样区域，以获得未采样信号周围的数据，增加预测源矩阵信息量。

综上所述，本发明具有预测源矩阵信息量丰富、信噪比较高等优点，在磁共振成像技术领域具有很高的实用价值和推广价值。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明的原理图。

具体实施方式

为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例

如图1所示，本实施例提供了一种并行磁共振成像的改进算法，其利用相控阵线圈接收的K空间数据，在本实施例中相控阵线圈设置有L个。

具体来说：本实施例的并行磁共振成像的改进算法包括以下步骤：

第一步，对成像物体进行R倍欠采样(R＝2,3,4,5,6)，即采第n×R行(n＝1,2,3……)，在未采样行的数据用0填充，中间低频部分(可16行或32行)作为校准区进行全采样，得到矩阵F；

第二步：找共轭对称行：与其它GRAPPA算法及其改进算法不同，本实施例采用K空间的共轭对称性。设每个线圈接收的K空间数据共I行，则第i行数据与第I-i行数据共轭对称。

第三步，利用校准区矩阵F构建矩阵A：与其它GRAPPA算法及其改进算法不同的是，本实施例中的矩阵A中的数据是由L个相控阵线圈接收到的L个K空间数据矩阵在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成。其中，每个K空间数据矩阵的每一行数据，一半来自于x(i,j,l)(所在K空间位置为第i行，第j列，第l个线圈，i、j、l均为大于1的正整数)的预测数据，另一半来自于x(I-i,j,l)的预测数据。在本实施例中，x(i,j,1)的预测数据是指距离它最近的邻近已采样信号，x(I-i,j,l)的预测数据则需要将邻近的已采样信号数据进行共轭变换后加入该行；在校准区移动x(i,j,l)的位置，可获得矩阵A的各行数据，选择x(i,j,l)时，需取可以包含完整插值窗数据(如图所示R＝3时插值窗为3×2)的位置。

第四步，构建列向量C：在校准区移动x(i,j,l)的位置，获得矩阵A的每行数据时，同时记录该点x(i,j,l)的数据，每个数据一行，构成列向量C。

第五步，计算插值窗内权重矩阵W：根据矩阵A与插值窗内权重矩阵W的乘积得到列向量C可知，可得W＝CA^-1，在利用最小二乘法可拟合得插值窗内权重矩阵W。

第六步，构建欠采样行数据的预测矩阵D：矩阵D中的数据是由L个相控阵线圈接收到的L个K空间数据矩阵在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成。同理地；每个K空间数据矩阵的每一行数据，一半来自于

(所在K空间位置为第i行，第j列，第l个线圈)的预测数据，另一半来自于

的预测数据。

的预测数据是指距离它最近的邻近已采样信号，

的预测数据则需要将邻近的已采样信号数据进行共轭变换后加入该行。

第七步，利用预测矩阵D与插值窗内权重矩阵W的乘积求得列向量E。

第八步，将列向量E的任一列数据填充至校准区矩阵F中对应位置，并去掉原填充的0的位置，以获得重建的矩阵H，得到并行磁共振成像的图像。列向量E的每一列数据即

将

填入到F矩阵中对应位置，去掉原来的“0”，获得矩阵H。

综上所述，本发明既能提高磁共振设备成像速度，降低采样工作量，又能使预测源矩阵信息量丰富，还能提高信噪比；与现有技术相比，具有突出的实质性特点和显著的进步，在磁共振成像技术领域具有很高的实用价值和推广价值。

上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。

Claims (3)

1.一种并行磁共振成像的改进算法，利用相控阵线圈接收的K空间数据，所述相控阵线圈设置有L个，所述L为大于1的正整数，其特征在于，包括以下步骤：

对成像物体进行R倍欠采样，并对未采样的行的数据填充0；将中间低频部分作为校准区进行全采样，得到校准区矩阵F；所述R为大于1的正整数；

任一所述线圈接收的K空间数据共I行，求得第i行与I-i行数据之间具有共轭对称性；

利用校准区矩阵F构建矩阵A；所述矩阵A由L个相控阵线圈接收到的L个在校准区内的K空间数据在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成；

在校准区x(i,j,l)处，获取矩阵A的任一行数据，并构成列向量C；

根据矩阵A与插值窗内权重矩阵W的乘积得到列向量C，并结合最小二乘法拟合求得插值窗内权重矩阵W；

构建欠采样行数据的预测矩阵D；所述预测矩阵D由L个相控阵线圈接收到的L个在欠采样区域内的K空间数据矩阵在当前位置及其共轭对称位置周围的邻近插值窗数据变换组合而成；

利用预测矩阵D与插值窗内权重矩阵W的乘积求得列向量E；

将列向量E的任一列数据填充至校准区矩阵F中对应位置，并去掉原填充的0的位置，以获得重建的矩阵H，经傅里叶变换后得到并行磁共振成像的图像。

2.根据权利要求1所述的一种并行磁共振成像的改进算法，其特征在于，所述矩阵A的任一K空间数据的任一行由校准区的第i行第j列第l个线圈接收到位置x(i,j,l)的预测数据和校准区的x(I-i,j,l)位置的预测数据等分组成；所述位置x(i,j,l)的预测数据为距离位置x(i,j,l)最近的邻近已采样信号；所述x(I-i,j,l)位置的预测数据为位置x(I-i,j,l)的邻近的已采样信号的共轭变换后的信号。

3.根据权利要求1或2所述的一种并行磁共振成像的改进算法，其特征在于，所述预测矩阵D的任一K空间数据的任一行由欠采样区域内的第i行第j列第l个线圈接收到位置

的预测数据和欠采样区域内的

位置的预测数据等分组成；所述位置

的预测数据为距离位置

最近的邻近已采样信号；所述

位置的预测数据为位置

的邻近的已采样信号的共轭变换后的信号。

Images