CN113129403B - 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 - Google Patents
基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 Download PDFInfo
- Publication number
- CN113129403B CN113129403B CN202110420853.0A CN202110420853A CN113129403B CN 113129403 B CN113129403 B CN 113129403B CN 202110420853 A CN202110420853 A CN 202110420853A CN 113129403 B CN113129403 B CN 113129403B
- Authority
- CN
- China
- Prior art keywords
- magnetic
- magnetic particle
- imaging system
- magnetic particles
- forward model
- 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
- 239000006249 magnetic particle Substances 0.000 title claims abstract description 215
- 239000011159 matrix material Substances 0.000 title claims abstract description 70
- 238000003384 imaging method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005284 excitation Effects 0.000 claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000006698 induction Effects 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 32
- 238000005316 response function Methods 0.000 claims description 20
- 238000013016 damping Methods 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 230000005674 electromagnetic induction Effects 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000002122 magnetic nanoparticle Substances 0.000 abstract description 10
- 241000399119 Spio Species 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 229940031182 nanoparticles iron oxide Drugs 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- 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
- A61B5/0515—Magnetic particle imaging
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Abstract
本发明属于磁纳米粒子成像领域，具体涉及了一种基于前向模型的磁粒子成像系统矩阵图像重建方法及系统，旨在解决现有技术中获取系统矩阵困难导致磁纳米粒子图像重建无法兼顾效率和精度的问题。本发明包括：构建单个磁粒子在外加激励磁场下的响应，获得单个磁粒子的磁矩矢量；采用郎之万函数构建多个磁粒子在外加激励磁场下的响应，获得多个磁粒子的磁矩矢量；获取检测线圈感应电压，通过数据采集电路的滤波与放大，得到系统矩阵；利用系统矩阵与采集到的电压信号，重建磁粒子浓度分布，实现目标检测对象的磁粒子图像重建。本发明获取MPI系统矩阵速度快，对多种MPI系统结构与不同磁纳米粒子具有普适性，在保持重建精度与准确性的前提下节省重建时间。
Description
技术领域
本发明属于磁纳米粒子成像领域，具体涉及了一种基于前向模型的磁粒子成像系统矩阵图像重建方法及系统。
背景技术
磁粒子成像(MPI，Magnetic Particle Imaging)是一种相对较新的成像方式，它根据超顺磁氧化铁纳米粒子(SPIO，Superparamagnetic Iron Oxide Nanoparticles)对电磁场的响应，重建粒子的空间浓度分布，对肿瘤等检测对象进行精准定位。MPI接收线圈输出的电压信号，包含SPIOs对外加的动态磁场的非线性响应引起的电压。这部分电压信号被用于浓度分布的图像重建。MPI的高时间分辨率、高空间分辨率、没有任何有害辐射等特点，使得MPI在医学应用方面具有巨大潜力。
目前MPI的图像重建方法大致分为两类：基于x-space的重建方法和基于系统矩阵的重建方法。基于x-space的重建方法建立在“SPIO绝热地与外加激励磁场对齐”的假设基础上，忽略了实际情况中SPIO的弛豫效应，这样重建出来的磁粒子浓度分布图像会有伪影；基于x-space的重建方法的另一个基础是“MPI系统的一个线性且不变位移的系统”，这个条件在一维的MPI系统中可以得到很好的保障，但是在2D和3D系统中就不能得到很好的保证了；因此，该方法重建精度和准确性还达不到预期。基于系统矩阵的方法具有较高的重建精度，但是系统矩阵的获取具有一定难度。目前获取系统矩阵的方法是通过测量：依次在MPI成像区域的每个位置放置一个单位浓度的样本，用探针探测各个点的感应电压，从而得到整个系统的系统矩阵。这种方法不但耗费时间长，而且改变使用的磁纳米粒子种类或尺寸，就需要重新测量新的系统矩阵。
总的来说，本领域还需要一种更准确、更快速、具有一定普适性的系统矩阵获取方法，以在保证磁粒子成像系统的图像重建精度和准确性的同时，提高图像重建的效率和速度、降低图像重建的困难。
发明内容
为了解决现有技术中的上述问题，即现有技术中获取系统矩阵困难导致磁纳米粒子图像重建无法兼顾效率和精度的问题，本发明提供了一种基于前向模型的磁粒子成像系统矩阵图像重建方法，该方法包括：
步骤S10，获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数，并构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
步骤S20，基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
步骤S30，基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
步骤S40，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
步骤S50，基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
在一些优选的实施例中，所述单个磁粒子在外加激励磁场下的响应函数，其公式表示为：
其中，
代表t时刻、位置r处的单个磁粒子的磁矩矢量；
代表外加激励磁场的磁感应强度；m0代表起始磁矩矢量；γ代表磁粒子的旋磁比；α代表磁粒子的阻尼系数；
其中，
代表磁粒子的粒子体积，d为磁粒子直径，η代表磁粒子的动态粘度系数；p1+p2＝1，p1代表磁粒子发生奈尔旋转的概率，p2代表磁粒子发生布朗旋转的概率。
在一些优选的实施例中，所述多个磁粒子在外加激励磁场下的响应函数，其公式表示为：
其中，μ0代表真空磁导率，kB是玻尔兹曼常数，T是温度，H是外加激励磁场的磁场强度，c(r)是位置r处的磁粒子浓度，M(H,t,r)代表t时刻、位置r处的多个磁粒子在外加激励磁场的磁场强度H下的响应的平均磁矩矢量。
在一些优选的实施例中，所述感应电压，其计算方法为：
其中，up(t,r)代表磁粒子浓度c(r)在检测线圈中产生的感应电压，object代表检测线圈区域，p(r)代表检测线圈的灵敏度。
在一些优选的实施例中，步骤S30中进行感应电压的滤波和放大，其方法为：
U(f,r)＝up(f,r)·G(f)
其中，U(f,r)为滤波和放大后的感应电压，up(f,r)为将up(t,r)通过傅里叶变换到频域获取的频域感应电压，G(f)为滤波放大电路的传递函数。
在一些优选的实施例中，步骤S40包括：
步骤S41，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得离散感应电压；
步骤S42，将所述离散感应电压所有位置的系统函数组合得到磁粒子成像系统前向模型的系统矩阵。
在一些优选的实施例中，所述离散感应电压，其公式表示为：
其中，UL(f,r)代表离散感应电压，N代表离散位置个数，S(f,rn)代表磁粒子成像系统的位置rn在频率f下的系统函数，c(rn)代表位置rn下的磁粒子浓度。
在一些优选的实施例中，所述系统矩阵，其公式表示为：
S(f,r)＝G(f)·μ0p(r)·2πfM(f,r)
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，G(f)为滤波放大电路的传递函数，μ0代表真空磁导率，p(r)代表检测线圈的灵敏度，M(f,r)代表位置r处多个磁粒子在频率f下的平均磁矩矢量。
在一些优选的实施例中，步骤S50中对待测的磁粒子浓度分布进行求解，其求解的公式为：
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，
代表感应电压的测量值，
代表待测目标的磁粒子分布。
本发明的另一方面，提出了一种基于前向模型的磁粒子成像系统矩阵图像重建系统，该系统包括以下模块：
参数获取模块，配置为获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数；
单个磁粒子的磁矩矢量获取模块，配置为构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
多个磁粒子的磁矩矢量获取模块，配置为基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
感应和滤波放大模块，配置为基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
离散模块，配置为将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
重建模块，配置为基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
本发明的有益效果：
(1)本发明基于前向模型的磁粒子成像系统矩阵图像重建方法，通过理论分析求解系统矩阵，计算迅速，对于不同结构类型的MPI设备和不同的示踪剂具有普适性，磁纳米粒子图像重建效率、准确度、精度高以及分辨率高，节约存储空间，弥补了传统测量方法获取系统矩阵耗时长的缺点。
(2)本发明基于前向模型的磁粒子成像系统矩阵图像重建方法，当磁纳米粒子改变时，只需要改变理论计算中的纳米粒子参数，就可以迅速重新获得新的系统矩阵，从而进一步提升了磁纳米粒子图像重建效率。
(3)本发明基于前向模型的磁粒子成像系统矩阵图像重建方法，还可以指导MPI设备的优化设计，指导重建算法的优化与创新。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明基于前向模型的磁粒子成像系统矩阵图像重建方法的流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提供一种基于前向模型的磁粒子成像系统矩阵图像重建方法，从微观层面单个SPIO对外加激励磁场的响应情况出发，到多个SPIOs聚集对外加激励磁场响应，最后到一定浓度c的磁SPIOs产生的感应电压信号，经过后续信号采集电路，得到最终的系统矩阵S，利用得到的系统矩阵与采集到的电压信号，重建磁粒子的浓度分布，实现目标检测对象的磁粒子图像重建，该方法系统矩阵获取速度快，对多种MPI系统结构与不同磁纳米粒子具有普适性，可以大大节省重建时间。
本发明的一种基于前向模型的磁粒子成像系统矩阵图像重建方法，该方法包括：
步骤S10，获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数，并构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
步骤S20，基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
步骤S30，基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
步骤S40，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
步骤S50，基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
为了更清晰地对本发明基于前向模型的磁粒子成像系统矩阵图像重建方法进行说明，下面结合图1对本发明实施例中各步骤展开详述。
本发明第一实施例的基于前向模型的磁粒子成像系统矩阵图像重建方法，包括步骤S10-步骤S50，各步骤详细描述如下：
步骤S10，获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数，并构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量。
单个磁粒子在外加激励磁场下的响应函数，其公式表示如式(1)所示：
其中，
代表t时刻、位置r处的单个磁粒子的磁矩矢量；
代表外加激励磁场的磁感应强度；m0代表起始磁矩矢量；γ代表磁粒子的旋磁比；α代表磁粒子的阻尼系数；
其中，
代表磁粒子的粒子体积，d为磁粒子直径，η代表磁粒子的动态粘度系数；p1+p2＝1，p1代表磁粒子发生奈尔旋转的概率，p2代表磁粒子发生布朗旋转的概率。
本发明一个实施例中，p1和p2的具体取值可根据观测方法获得，在其他应用场合，p1和p2的具体取值范围还可通过概率密度分布函数获取，本发明在此不一一详述。
步骤S20，基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量。
多个SPIOs在外加激励磁场下的响应，可以用综合的平均磁矩矢量M来描述。当外加激励磁场强度过高时，SPIOs的磁化发生饱和效应，所以本发明采用郎之万函数描述多个SPIOs在外加激励磁场下的磁矩矢量响应，因此，多个磁粒子在外加激励磁场下的响应函数，其公式表示如式(2)所示：
其中，μ0代表真空磁导率，kB是玻尔兹曼常数，T是温度，H是外加激励磁场的磁场强度，c(r)是位置r处的磁粒子浓度，M(H,t,r)代表t时刻、位置r处的多个磁粒子在外加激励磁场的磁场强度H下的响应的平均磁矩矢量。
步骤S30，基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大。
检测线圈的输出电压包含两部分，一部分是由于SPIOs激发产生的感应电压，另一部分是由于时变激励场激发的产生的感应电压。
由于SPIOs激发产生的感应电压，其计算方法如式(3)所示：
由于时变激励场激发的产生的感应电压，其计算方法如式(4)所示：
从而，检测线圈的输出电压如式(5)所示：
u(t,r)＝up(t,r)+uE(t,r) (5)
其中，up(t,r)代表磁粒子浓度c(r)在检测线圈中产生的感应电压，object代表检测线圈区域，p(r)代表检测线圈的灵敏度。
通过去除主频uE(t,r),得到单纯由SPIOs感应出的电压成分up(t,r)。
进行感应电压的滤波和放大，其方法如式(6)所示：
U(f,r)＝up(f,r)·G(f) (6)
其中，U(f,r)为滤波和放大后的感应电压，up(f,r)为将up(t,r)通过傅里叶变换到频域获取的频域感应电压，G(f)为滤波放大电路的传递函数。
步骤S40，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵：
步骤S41，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得离散感应电压；
离散感应电压，其公式表示如式(7)所示：
其中，UL(f,r)代表离散感应电压，N代表离散位置个数，S(f,rn)代表磁粒子成像系统的位置rn在频率f下的系统函数，c(rn)代表位置rn下的磁粒子浓度；
步骤S42，将所述离散感应电压所有位置的系统函数组合得到磁粒子成像系统前向模型的系统矩阵。
系统矩阵，其公式表示如式(8)所示：
S(f,r)＝G(f)·μ0p(r)·2πfM(f,r) (8)
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，G(f)为滤波放大电路的传递函数，μ0代表真空磁导率，p(r)代表检测线圈的灵敏度，M(f,r)代表位置r处多个磁粒子在频率f下的平均磁矩矢量。
步骤S50，基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
对待测的磁粒子浓度分布进行求解，其求解的公式如式(9)所示：
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，
代表感应电压的测量值，
代表待测目标的磁粒子分布。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。
本发明第二实施例的基于前向模型的磁粒子成像系统矩阵图像重建系统，该系统包括以下模块：
参数获取模块，配置为获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数；
单个磁粒子的磁矩矢量获取模块，配置为构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
多个磁粒子的磁矩矢量获取模块，配置为基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
感应和滤波放大模块，配置为基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
离散模块，配置为将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
重建模块，配置为基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的基于前向模型的磁粒子成像系统矩阵图像重建系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
本发明第三实施例的一种电子设备，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述的基于前向模型的磁粒子成像系统矩阵图像重建方法。
本发明第四实施例的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指令，所述计算机指令用于被所述计算机执行以实现上述的基于前向模型的磁粒子成像系统矩阵图像重建方法。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子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。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，该方法包括：
步骤S10，获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数，并构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
所述单个磁粒子在外加激励磁场下的响应函数，其公式表示为：
其中，
代表t时刻、位置r处的单个磁粒子的磁矩矢量；
代表外加激励磁场的磁感应强度；m0代表起始磁矩矢量；γ代表磁粒子的旋磁比；α代表磁粒子的阻尼系数；
其中，
代表磁粒子的粒子体积，d为磁粒子直径，η代表磁粒子的动态粘度系数；p1+p2＝1，p1代表磁粒子发生奈尔旋转的概率，p2代表磁粒子发生布朗旋转的概率；
步骤S20，基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
步骤S30，基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
步骤S40，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
步骤S50，基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
2.根据权利要求1所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，所述多个磁粒子在外加激励磁场下的响应函数，其公式表示为：
其中，μ0代表真空磁导率，kB是玻尔兹曼常数，T是温度，H是外加激励磁场的磁场强度，c(r)是位置r处的磁粒子浓度，M(H,t,r)代表t时刻、位置r处的多个磁粒子在外加激励磁场的磁场强度H下的响应的平均磁矩矢量。
3.根据权利要求2所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，所述感应电压，为将检测线圈输出电压去除由时变激励场激发的产生的电压获得的由多个磁粒子激发产生的电压；
所述检测线圈输出电压，其计算方法为：
u(t,r)＝up(t,r)+uE(t,r)
其中，u(t,r)代表检测线圈输出电压，up(t,r)代表t时刻、位置r处的由多个磁粒子激发产生的电压，uE(t,r)代表t时刻、位置r处的由时变激励场激发的产生的电压；
其中，c(r)代表位置r处的磁粒子浓度，object代表检测线圈区域，p(r)代表检测线圈的灵敏度。
4.根据权利要求3所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，步骤S30中进行感应电压的滤波和放大，其方法为：
U(f,r)＝up(f,r)·G(f)
其中，U(f,r)为滤波和放大后的感应电压，up(f,r)为将up(t,r)通过傅里叶变换到频域获取的频域感应电压，G(f)为滤波放大电路的传递函数。
5.根据权利要求1所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，步骤S40包括：
步骤S41，将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得离散感应电压；
步骤S42，将所述离散感应电压所有位置的系统函数组合得到磁粒子成像系统前向模型的系统矩阵。
6.根据权利要求5所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，所述离散感应电压，其公式表示为：
其中，UL(f,r)代表离散感应电压，N代表离散位置个数，S(f,rn)代表磁粒子成像系统的位置rn在频率f下的系统函数，c(rn)代表位置rn下的磁粒子浓度。
7.根据权利要求6所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，所述系统矩阵，其公式表示为：
S(f,r)＝G(f)·μ0p(r)·2πfM(f,r)
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，G(f)为滤波放大电路的传递函数，μ0代表真空磁导率，p(r)代表检测线圈的灵敏度，M(f,r)代表位置r处多个磁粒子在频率f下的平均磁矩矢量。
8.根据权利要求1所述的基于前向模型的磁粒子成像系统矩阵图像重建方法，其特征在于，步骤S50中对待测的磁粒子浓度分布进行求解，其求解的公式为：
其中，S(f,r)为磁粒子成像系统前向模型的系统矩阵，
代表感应电压的测量值，
代表待测目标的磁粒子分布。
9.一种基于前向模型的磁粒子成像系统矩阵图像重建系统，其特征在于，该系统包括以下模块：
参数获取模块，配置为获取磁粒子成像系统的外加激励磁场强度，起始磁矩矢量，磁粒子直径、旋磁比、阻尼系数和动态粘度系数；
单个磁粒子的磁矩矢量获取模块，配置为构建单个磁粒子在外加激励磁场下的响应函数，获得单个磁粒子的磁矩矢量；
多个磁粒子的磁矩矢量获取模块，配置为基于所述单个磁粒子的磁矩矢量、外加激励磁场强度，采用郎之万函数构建多个磁粒子在外加激励磁场下的响应函数，获得多个磁粒子的磁矩矢量；
感应和滤波放大模块，配置为基于所述多个磁粒子的磁矩矢量，通过法拉第电磁感应定律获取磁粒子浓度c下的多个磁粒子在检测线圈中产生的感应电压，并进行感应电压的滤波和放大；
离散模块，配置为将滤波和放大后的感应电压离散为多个位置系统函数与对应磁粒子浓度乘积和的形式，获得磁粒子成像系统前向模型的系统矩阵；
重建模块，配置为基于所述磁粒子成像系统前向模型的系统矩阵，利用测量获取的输出电压，对待测的磁粒子浓度分布进行求解，获得磁粒子浓度分布作为重建图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110420853.0A CN113129403B (zh) | 2021-04-19 | 2021-04-19 | 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110420853.0A CN113129403B (zh) | 2021-04-19 | 2021-04-19 | 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113129403A CN113129403A (zh) | 2021-07-16 |
| CN113129403B true CN113129403B (zh) | 2022-06-10 |
Family
ID=76778212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110420853.0A Active CN113129403B (zh) | 2021-04-19 | 2021-04-19 | 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113129403B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538617B (zh) * | 2021-07-20 | 2022-02-25 | 中国科学院自动化研究所 | 基于信号幅值特征的磁粒子成像快速重建方法及设备 |
| CN113558597B (zh) * | 2021-07-21 | 2022-05-03 | 北京航空航天大学 | 基于磁滞效应的无磁场点磁纳米粒子成像方法 |
| CN113534025B (zh) * | 2021-07-21 | 2022-06-14 | 北京航空航天大学 | 基于非理想无磁场点的磁纳米粒子成像方法 |
| CN113625208B (zh) * | 2021-08-10 | 2022-08-12 | 中国科学院自动化研究所 | 基于多通道激励和检测的三维磁粒子成像系统及方法 |
| CN114998471B (zh) * | 2022-06-22 | 2022-12-16 | 中国科学院自动化研究所 | 基于RecNet模型的磁粒子成像重建方法 |
| GB202211138D0 (en) * | 2022-07-29 | 2022-09-14 | Univ Birmingham | A method and a system for determining a concentration of magnetic nanoparticles |
| CN116068468B (zh) * | 2023-03-06 | 2023-07-21 | 山东大学 | 时域系统矩阵联合x-space的MPI重建方法 |
| CN117257312B (zh) * | 2023-11-20 | 2024-01-26 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种机器学习中增广脑磁图数据的方法 |
| CN117788630A (zh) * | 2024-02-28 | 2024-03-29 | 中国科学院自动化研究所 | 基于脉冲方波激励的超分辨磁粒子成像方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011121511A1 (en) * | 2010-04-01 | 2011-10-06 | Koninklijke Philips Electronics N.V. | Apparatus and method for forming a concentration image of the concentration of magnetic particles arranged in a field of view field of the invention |
| CN106419914A (zh) * | 2015-07-24 | 2017-02-22 | 布鲁克碧奥斯平Mri有限公司 | Mpi方法 |
| WO2019035956A1 (en) * | 2017-08-16 | 2019-02-21 | The Regents Of The University Of California | SYSTEMS AND METHODS FOR PULSED MAGNETIC PARTICLE IMAGING |
| WO2020240468A1 (en) * | 2019-05-28 | 2020-12-03 | Cornell University Center for Technology Licensing | System and method of perceptive quantitative mapping of physical properties |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8884617B2 (en) * | 2008-06-23 | 2014-11-11 | The Regents Of The University Of California | Magnetic particle imaging devices and methods |
| DE102010013900B4 (de) * | 2010-04-01 | 2013-01-03 | Hochschule Für Angewandte Wissenschaften Fachhochschule Würzburg-Schweinfurt | Verfahren zur Bildgebung mittels magnetischer Kleinstpartikel sowie Vorrichtung hierfür |
| DE102012211662B4 (de) * | 2012-07-04 | 2015-01-08 | Bruker Biospin Mri Gmbh | Kalibrierverfahren für eine MPI (=Magnetic-Particle-Imaging)-Apparatur |
| CN111067520B (zh) * | 2019-12-09 | 2023-04-18 | 中国科学院深圳先进技术研究院 | 一种磁性纳米粒子成像系统 |
-
2021
- 2021-04-19 CN CN202110420853.0A patent/CN113129403B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011121511A1 (en) * | 2010-04-01 | 2011-10-06 | Koninklijke Philips Electronics N.V. | Apparatus and method for forming a concentration image of the concentration of magnetic particles arranged in a field of view field of the invention |
| CN106419914A (zh) * | 2015-07-24 | 2017-02-22 | 布鲁克碧奥斯平Mri有限公司 | Mpi方法 |
| WO2019035956A1 (en) * | 2017-08-16 | 2019-02-21 | The Regents Of The University Of California | SYSTEMS AND METHODS FOR PULSED MAGNETIC PARTICLE IMAGING |
| CN111183364A (zh) * | 2017-08-16 | 2020-05-19 | 加利福尼亚大学董事会 | 脉冲磁粒子成像系统和方法 |
| WO2020240468A1 (en) * | 2019-05-28 | 2020-12-03 | Cornell University Center for Technology Licensing | System and method of perceptive quantitative mapping of physical properties |
Non-Patent Citations (6)
| Title |
|---|
| "Model-Based Reconstruction for Magnetic Particle Imaging";Tobias Knopp等;《IEEE Transactions on Medical Imaging》;20090508;第29卷(第1期);12-18 * |
| "One-dimensional magnetic nanoparticle temperature imaging";Shiqiang Pi等;《2015 5th International Workshop on Magnetic Particle Imaging》;20150414;第1-4节 * |
| "基于系统矩阵优化的二维磁性粒子成像研究";高雅等;《南京师大学报》;20190630;第42卷(第2期);73-80 * |
| "基于系统矩阵的磁粒子成像重构研究进展";陈晓君等;《北京生物医学工程》;20200430;第30卷(第2期);196-202 * |
| "磁性粒子成像重建算法研究";谢迪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140615(第06期);第3-5章 * |
| "纳米磁颗粒电磁探测及成像技术研究进展";朱健健等;《中国生物医学工程学报》;20180630;第37卷(第3期);344-352 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113129403A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113129403B (zh) | 基于前向模型的磁粒子成像系统矩阵图像重建方法及系统 | |
| Graeser et al. | Towards picogram detection of superparamagnetic iron-oxide particles using a gradiometric receive coil | |
| Lee et al. | Intact metabolite spectrum mining by deep learning in proton magnetic resonance spectroscopy of the brain | |
| Ruetten et al. | Introduction to quantitative susceptibility mapping and susceptibility weighted imaging | |
| Ianuş et al. | Accurate estimation of microscopic diffusion anisotropy and its time dependence in the mouse brain | |
| Seehaus et al. | Histological validation of high-resolution DTI in human post mortem tissue | |
| Lu et al. | Linearity and shift invariance for quantitative magnetic particle imaging | |
| RU2525946C2 (ru) | Конструкция и способ для обнаружения и/или определения местонахождения магнитного материала в области воздействия | |
| US10145928B2 (en) | Differential approach to quantitative susceptibility mapping without background field removal | |
| US8700124B2 (en) | System and method for determining size and size distribution of magnetic nanoparticles using VSM magnetization data | |
| CN110132806B (zh) | 一种基于磁纳米粒子的快速粒径分布信息测量方法 | |
| KR20130058004A (ko) | 자화율 가중 이미징 및 자화율 매핑(ｓｗｉｍ)을 이용한 핵 자기 공명 영상 생성 방법 | |
| Fukunaga et al. | Effects of diffusional kurtosis imaging parameters on diffusion quantification | |
| Hong et al. | Magnetic particle imaging with a planar frequency mixing magnetic detection scanner | |
| Li et al. | Modified jiles–atherton model for dynamic magnetization in x-space magnetic particle imaging | |
| CN110706199B (zh) | 基于伪佛克脱线型的z谱拟合方法及cest mri量化方法 | |
| Trisnanto et al. | High-frequency Néel relaxation response for submillimeter magnetic particle imaging under low field gradient | |
| Avram et al. | High-resolution cortical MAP-MRI reveals areal borders and laminar substructures observed with histological staining | |
| von Gladiss et al. | Reconstruction of 1D images with a neural network for magnetic particle imaging | |
| Jurek et al. | Supervised denoising of diffusion-weighted magnetic resonance images using a convolutional neural network and transfer learning | |
| Afzali et al. | Cumulant Expansion with Localization: A new representation of the diffusion MRI signal | |
| Li et al. | Transverse MNP Signal-Based Isotropic Imaging for Magnetic Particle Imaging | |
| Trisnanto et al. | Long-range stray field mapping of statically magnetized nanoparticles using magnetoresistive sensor | |
| Senra Filho et al. | Isotropic anomalous filtering in diffusion-weighted magnetic resonance imaging | |
| Henn et al. | Investigating the harmonic dependence of MPI resolution |
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 |