CN113298901B - 卷褶视野磁共振图像的重建方法、计算机设备及存储介质 - Google Patents

卷褶视野磁共振图像的重建方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN113298901B
CN113298901B CN202110522711.5A CN202110522711A CN113298901B CN 113298901 B CN113298901 B CN 113298901B CN 202110522711 A CN202110522711 A CN 202110522711A CN 113298901 B CN113298901 B CN 113298901B
Authority
CN
China
Prior art keywords
full
view
field
data
magnetic resonance
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
Application number
CN202110522711.5A
Other languages
English (en)
Other versions
CN113298901A (zh
Inventor
梁栋
贾森
丘志浪
张磊
王海峰
刘新
郑海荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN202110522711.5A priority Critical patent/CN113298901B/zh
Priority to PCT/CN2021/093909 priority patent/WO2022236823A1/zh
Publication of CN113298901A publication Critical patent/CN113298901A/zh
Application granted granted Critical
Publication of CN113298901B publication Critical patent/CN113298901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供了一种卷褶视野磁共振图像的重建方法、计算机设备及存储介质,包括:获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;基于所述全视野自校准采样数据计算全视野线圈敏感度图;根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。本发明提供的重建方法利用全视野采样数据建模来对卷褶视野欠采样数据进行图像重建,以获得全视野磁共振图像,从而避免了在卷褶视野扫描场景中的重建混叠伪影现象,提升重建图像的质量。

Description

卷褶视野磁共振图像的重建方法、计算机设备及存储介质
技术领域
本发明涉及磁共振成像技术领域,尤其涉及一种卷褶视野磁共振图像的重建方法、计算机设备及存储介质。
背景技术
磁共振成像(MRI,Magnetic Resonance Imaging)技术由于其无辐射、分辨率高等优点被广泛的应用于临床医学与医学研究。根据奈奎斯特采样定理,磁共振成像在相位编码方向的成像视野(field of view,FOV)或覆盖范围应大于被扫描对象的实际大小,然而,增大成像视野导致扫描相位编码数增多,进而增加扫描和重建时间。因此,在某些场景下,相位编码方向的成像视野会被人为设置成小于物体在该方向的尺寸,该场景称之为卷褶视野扫描场景。例如,在高分辨率三维成像中,人为地减小相位编码方向的成像视野,缩短扫描时间,才能在临床可接受的时间内获得诊断图像。但是,在卷褶视野的扫描场景下,传统的全局自动校准部分并行采集技术(generalized auto-calibrating partiallyparallel acquisitions,GRAPPA)和迭代自相一致并行成像技术(iterative self-consistent Parallel Imaging Reconstruction,SPIRiT)等重建方法只能得到卷褶视野的磁共振图像且会存在伪影,无法用于诊断。
发明内容
为了解决现有技术的不足,本发明提供一种卷褶视野磁共振图像的重建方法、计算机设备及存储介质,能够得到在卷褶视野扫描场景中的全视野磁共振图像且能够去除重建混叠伪影,提升重建图像的质量。
本发明提出的具体技术方案为:提供一种卷褶视野磁共振图像的重建方法,所述重建方法包括:
获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;
获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;
基于所述全视野自校准采样数据计算全视野线圈敏感度图;
根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。
进一步地,若所述卷褶视野欠采样数据为采用笛卡尔采样轨迹模式获得的欠采样数据,所述第一脉冲序列和所述第二脉冲序列相同。
进一步地,所述根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得磁共振图像,包括:
将所述全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
根据所述卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图建立优化模型;
求解所述优化模型的最小值,获得两个卷褶视野磁共振图像;
将所述两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像。
进一步地,若所述卷褶视野欠采样数据为采用波浪可控混叠编码采样轨迹模式获得的欠采样数据,所述第一脉冲序列是由所述第二脉冲序列增加正弦梯度场获得,在根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像之前,所述重建方法还包括:
根据目标对象的全视野二维全采样数据获得全视野点扩散函数;
相应的,根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像具体为:
根据所述卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像。
进一步地,所述根据目标对象的全视野二维全采样数据获得全视野点扩散函数,包括:
获取目标对象在第三脉冲序列激发下的第一全视野二维全采样数据;
获取目标对象在第四脉冲序列激发下的第二全视野二维全采样数据,所述第四脉冲序列是由所述第三脉冲序列增加正弦梯度场获得;
将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到全视野点扩散函数。
进一步地,所述将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到全视野点扩散函数,包括:
将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到初始点扩散函数;
将所述初始点扩散函数在K空间沿着频率编码方向进行线性拟合获得全视野点扩散函数。
进一步地,所述根据所述卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像,包括:
将所述全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
将所述全视野点扩散函数分解成第一卷褶视野点扩散函数、第二卷褶视野点扩散函数;
根据所述卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图、第一卷褶视野点扩散函数、第二卷褶视野点扩散函数建立优化模型;
求解所述优化模型的最小值,获得两个卷褶视野磁共振图像;
将所述两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像。
进一步地,所述基于所述全视野自校准采样数据计算全视野线圈敏感度图,包括:
获取所述全视野自校准采样数据的特征值;
求解所述特征值中最大的特征值对应的特征向量并将所述特征向量作为全视野线圈敏感度图。
本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如上任一项所述的重建方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,所述计算机指令被处理器执行时实现如上任一项所述的重建方法。
本发明提供的卷褶视野磁共振图像的重建方法根据目标对象的全视野自校准采样数据获得全视野线圈敏感度图,再根据卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,即利用全视野采样数据建模来对卷褶视野欠采样数据进行图像重建,以获得全视野磁共振图像,从而避免了在卷褶视野扫描场景中的重建混叠伪影现象,提升重建图像的质量。
附图说明
下面结合附图,通过对本发明的具体实施方式详细描述,将使本发明的技术方案及其它有益效果显而易见。
图1为本申请实施例一中卷褶视野磁共振图像的重建方法的流程示意图;
图2为本申请实施例一中第一脉冲序列、第二脉冲序列为二维GRE序列的示意图;
图3为本申请实施例一中第一脉冲序列、第二脉冲序列为三维GRE序列的示意图;
图4为本申请实施例一中根据规则欠采样的方法获得的卷褶视野欠采样数据在二维K空间中的示意图;
图5为本申请实施例一中根据规则欠采样的方法获得的卷褶视野欠采样数据在三维K空间中的示意图;
图6为本申请实施例一中对K空间中心进行全采样获得的全视野自校准采样数据在二维K空间中的示意图;
图7为本申请实施例一中对K空间中心进行全采样获得的全视野自校准采样数据在三维K空间中的示意图;
图8为本申请实施例一中将全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图的示意图;
图9为本申请实施例一中将两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像的示意图;
图10为本申请实施例一中的重建方法在卷褶视野扫描场景下采用笛卡尔采样轨迹模式的测试结果示意图;
图11为本申请实施例二中卷褶视野磁共振图像的重建方法的流程示意图;
图12为本申请实施例二中二维空间下的第一脉冲序列的示意图;
图13为本申请实施例二中三维空间下的第一脉冲序列的示意图;
图14为本申请实施例二中第三脉冲序列为GRE序列的示意图;
图15为本申请实施例二中二维空间下的第四脉冲序列的示意图;
图16为本申请实施例二中相位编码方向的脉冲序列的示意图;
图17为本申请实施例二中选层方向的脉冲序列的示意图;
图18为本申请实施例二中第四脉冲序列中的相位编码方向的脉冲序列的示意图;
图19为本申请实施例二中第四脉冲序列中的选层方向的脉冲序列的示意图;
图20为本申请实施例二中将全视野点扩散函数分解成第一卷褶视野点扩散函数、第二卷褶视野点扩散函数的示意图;
图21为本申请实施例二中将两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像的示意图;
图22为本申请实施例二中的重建方法在卷褶视野扫描场景下采用波浪可控混叠编码采样轨迹模式的测试结果示意图;
图23为本申请实施例三中的重建系统的结构示意图;
图24为本申请实施例四中的重建系统的结构示意图;
图25为本申请实施例五中的计算机设备的结构示意图。
具体实施方式
以下,将参照附图来详细描述本发明的实施例。然而,可以以许多不同的形式来实施本发明,并且本发明不应该被解释为限制于这里阐述的具体实施例。相反,提供这些实施例是为了解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。在附图中,相同的标号将始终被用于表示相同的元件。
本申请提出的卷褶视野磁共振图像的重建方法包括:
获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;
获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;
基于全视野自校准采样数据计算全视野线圈敏感度图;
根据卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。
本申请提供的卷褶视野磁共振图像的重建方法利用全视野采样数据建模来对卷褶视野欠采样数据进行图像重建,以获得全视野磁共振图像,从而避免了在卷褶视野扫描场景中的重建混叠伪影现象,提升重建图像的质量。
下面通过几个具体的实施例并结合附图来对本申请中的卷褶视野磁共振图像的重建方法、计算机设备及存储介质进行详细的描述。
实施例一
参照图1,本实施例中的卷褶视野磁共振图像的重建方法包括步骤:
S1、获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;
S2、获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;
S3、基于全视野自校准采样数据计算全视野线圈敏感度图;
S4、根据卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。
本实施例中卷褶视野欠采样数据、全视野自校准采样数据的获取顺序可以为根据实际需要来调整,即步骤S1、S2的先后顺序可以调整,本实施例仅以依次获取卷褶视野欠采样数据、全视野自校准采样数据为例来进行说明,但是,这并不用于对卷褶视野欠采样数据、全视野自校准采样数据的获取顺序进行限定。
在步骤S1,卷褶视野欠采样数据为采用笛卡尔采样轨迹模式获得的欠采样数据,本实施例中的第一脉冲序列和第二脉冲序列相同。
本实施例以第一脉冲序列、第二脉冲序列为梯度回波(gradient echo,GRE)序列为例来对本实施例中的重建方法进行详细的描述,当然,这里仅仅是作为示例示出,并不用于限定,本实施例中的第一脉冲序列、第二脉冲序列还可以选自快速自旋回波(fast spinecho,FSE)序列、平衡稳态自由进动(balanced steady-state free precession,bSSFP)序列和平面回波(echo planar imaging,EPI)序列中的一种。
参照图2~3,本实施例中的重建方法可以用于二维磁共振图像的重建,也可以应用于三维磁共振图像的重建,图2示出了第一脉冲序列、第二脉冲序列为二维GRE序列的示意图,图3示出了第一脉冲序列、第二脉冲序列为三维GRE序列的示意图,其中,三维GRE序列是由二维GRE序列在选层方向上增加梯度场得到的,增加的梯度场位于选层方向上的两个读出序列之间,不会对目标对象在第一脉冲序列、第二脉冲序列激发下的信号造成影响,从而不会引入额外的伪影。
参照图4~5,本实施例中得到的卷褶视野欠采样数据可以根据已有的K空间欠采样方法来获得,例如,可以采用规则欠采样、随机欠采样、混合采样、可控混叠并行采样(Controlled Aliasing In Parallel Imaging Results IN Higher Acceleration,CAIPIRINHA)等方法来获得卷褶视野欠采样数据,其中,随机欠采样又包括等密度随机欠采样、变密度随机欠采样。图4示出了根据规则欠采样的方法获得的卷褶视野欠采样数据在二维K空间中的示意图,其中,在频率编码方向3倍欠采样,加速倍数为3倍,虚线为全采样所需采集的读出线,实线为3倍欠采样所需采集的读出线。图5示出了根据规则欠采样的方法获得的卷褶视野欠采样数据在三维K空间中的示意图,其中,同时与相位编码方向和选层方向垂直的方向为读出方向,在相位编码方向2倍欠采样,在选层方向2倍欠采样,总的加速倍数为4倍,虚线交点为全采样所需采集的读出线,加粗实心圆点为4倍欠采样所需采集的读出线。
本实施例通过采用欠采样方法来获得卷褶视野欠采样数据可以有效减少磁共振的扫描时间,有效提升了数据采集效率。
参照图6~7,在步骤S2中,由于K空间中心的数据决定重建图像的对比度,为了能够获得较清晰的重建图像,通过对K空间中心进行全采样来获得全视野自校准采样数据,图6示出了对K空间中心进行全采样获得的全视野自校准采样数据在二维K空间中的示意图,虚线为全采样所需采集的读出线,实线为全视野自校准采样所需采集的读出线,图7示出了对K空间中心进行全采样获得的全视野自校准采样数据在三维K空间中的示意图,其中,同时与相位编码方向和选层方向垂直的方向为读出方向,虚线交点为全采样所需采集的读出线,加粗实心圆点为全视野自校准采样所需采集的读出线,其中,读出线的数量可以根据实际需要来设定,图6、图7中仅仅是作为示例示出,并不作限定。
在步骤S3中,在获得全视野自校准采样数据后,基于全视野自校准采样数据计算全视野线圈敏感度图,具体包括:
S31、获取全视野自校准采样数据的特征值;
S32、求解特征值中最大的特征值对应的特征向量并将该特征向量作为全视野线圈敏感度图。
具体地,在获得全视野自校准采样数据后便可以求出其对应的所有特征值,再根据所有特征值中最大的特征值求出该最大特征值对应的特征向量
Figure BDA0003064679840000081
其中,Nc表示线圈通道数量,将C作为全视野线圈敏感度图,需要说明的是,本实施例中求解全视野线圈敏感度图也可以采用已有的线圈敏感度图估计方法,这里不做限定。
在步骤S4中,根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得磁共振图像,具体包括:
S41、将全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
S42、根据卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图建立优化模型;
S43、求解优化模型的最小值,获得两个卷褶视野磁共振图像;
S44、将两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像。
参照图8,在步骤S41中,将全视野线圈敏感度图的均分为两部分,将中间的一部分作为第一卷褶视野线圈敏感度图,将剩余的边缘的部分作为第二卷褶视野线圈敏感度图,图8中左边的图为全视野线圈敏感度图的示意图,右边的两个图分别为第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图的示意图,需要说明的是,本实施例中也可以采用其他的分解方式对全视野线圈敏感度图进行分解,例如,从全视野线圈敏感度图的中间剪切,将全视野线圈敏感度图分解为左右两部分并将左右两部分分别作为第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图。
在步骤S42中,根据卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图建立优化模型如下:
Figure BDA0003064679840000091
其中,M表示卷褶视野K空间的欠采样模板,Fxy表示沿着频率编码方向和相位编码方向的二维傅里叶变换,Nc表示线圈通道数量,Ci1表示第一卷褶视野线圈敏感度图的第i通道的线圈敏感度图,Ci2表示第二卷褶视野线圈敏感度图的第i通道的线圈敏感度图,yi表示卷褶视野欠采样数据的第i通道的欠采样数据,λ表示稀疏约束权重,W表示小波变换,xj表示待求解的两个卷褶视野磁共振图像。
参照图9,在步骤S43~S44中,通过求解上述优化方程的最小值并将最小值对应的两个值作为两个卷褶视野磁共振图像,再根据反卷褶的方法将两个卷褶视野磁共振图像进行拼接,最终获得全视野磁共振图像,其中,图9中左边的两个图分别为两个卷褶视野磁共振图像的示意图,图9中右边的图为全视野磁共振图像的示意图。
参照图10,图10示出了本实施例中的重建方法在卷褶视野扫描场景下采用笛卡尔采样轨迹模式的测试结果,其中,图10右边的图为本实施例中的重建方法得到的磁共振图像,图10左边的图为传统的敏感度编码重建方法得到的磁共振图像,从图10中可以看出,与传统的敏感度编码重建方法相比,本实施例中的重建方法均能够得到在卷褶视野扫描场景下采用笛卡尔采样轨迹模式的全视野磁共振图像且能够很好的去除边缘伪影,重建图像的质量较好。
本实施例中的重建方法除了应用到二维、三维磁共振图像的重建中,还可以应用到多层(SMS)成像中,其基本原理与本实施例所描述的相同,这里不再赘述。
实施例二
参照图11,本实施例中的卷褶视野磁共振图像的重建方法包括步骤:
S1、获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;
S2、获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;
S3、基于全视野自校准采样数据计算全视野线圈敏感度图;
S4、根据目标对象的全视野二维全采样数据获得全视野点扩散函数,其中,全视野二维全采样数据的成像视野与全视野自校准采样数据的成像视野相同;
S5、根据卷褶视野欠采样数据、全视野点扩散函数、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。
本实施例中卷褶视野欠采样数据、全视野自校准采样数据、全视野点扩散函数的获取顺序可以为根据实际需要来调整,即步骤S1、S2、S4的先后顺序可以调整,本实施例仅以依次获取卷褶视野欠采样数据、全视野自校准采样数据、全视野点扩散函数为例来进行说明,但是,这并不用于对卷褶视野欠采样数据、全视野自校准采样数据、全视野点扩散函数的获取顺序进行限定。
在步骤S1中,卷褶视野欠采样数据为采用波浪可控混叠编码采样轨迹模式获得的欠采样数据,第一脉冲序列是由第二脉冲序列增加正弦梯度场获得,正旋梯度场包括相位编码方向的正弦梯度场和选层方向的正旋梯度场。本实施例以第二脉冲序列为梯度回波(gradient echo,GRE)序列为例来对本实施例中的重建方法进行详细的描述,当然,这里仅仅是作为示例示出,并不用于限定,本实施例中的第二脉冲序列还可以选自快速自旋回波(fast spin echo,FSE)序列、平衡稳态自由进动(balanced steady-state freeprecession,bSSFP)序列和平面回波(echo planar imaging,EPI)序列中的一种。
参照图12~13,本实施例中的重建方法可以用于二维磁共振图像的重建,也可以应用于三维磁共振图像的重建,图12示出了二维空间下的第一脉冲序列的示意图,图13示出了三维空间下的第一脉冲序列的示意图,其中,二维空间下的第一脉冲序列是由第二脉冲序列在相位编码方向上增加正弦梯度场得到的,三维空间下的第一脉冲序列是由第二脉冲序列在相位编码方向上增加正弦梯度场和在选层方向上增加正弦梯度场得到的,第二脉冲序列为GRE序列的示意图参见实施例一中的图2所示,这里定义,在相位编码方向上增加的正弦梯度场为第一正弦梯度场,在选层方向上增加的正弦梯度场为第二正弦梯度场,第一正弦梯度场与第二正弦梯度场的相位差为π/2,第一正弦梯度场和第二正弦梯度场的波形均为正弦波,第一正弦梯度场的波形可以与第二正弦梯度场的波形相同,也可以不同。
第一正旋梯度场位于相位编码方向上的两个读出序列之间,第二正弦梯度场位于选层方向上的两个读出序列之间,这样,第一正旋梯度场和第二正弦梯度场不会对目标对象在第二脉冲序列激发下的信号造成影响,从而不会引入额外的伪影。
再次参照图4~5,本实施例中得到的卷褶视野欠采样数据可以根据已有的K空间欠采样方法来获得,例如,可以采用规则欠采样、随机欠采样、混合采样、可控混叠并行采样(Controlled Aliasing In Parallel Imaging Results IN Higher Acceleration,CAIPIRINHA)等方法来获得卷褶视野欠采样数据,其中,随机欠采样又包括等密度随机欠采样、变密度随机欠采样。图4示出了根据规则欠采样的方法获得的卷褶视野欠采样数据在二维K空间中的示意图,其中,在频率编码方向3倍欠采样,加速倍数为3倍,虚线为全采样所需采集的读出线,实线为3倍欠采样所需采集的读出线。图5示出了根据规则欠采样的方法获得的卷褶视野欠采样数据在三维K空间中的示意图,其中,同时与相位编码方向和选层方向垂直的方向为读出方向,在相位编码方向2倍欠采样,在选层方向2倍欠采样,总的加速倍数为4倍,虚线交点为全采样所需采集的读出线,加粗实心圆点为4倍欠采样所需采集的读出线。
通过采用欠采样方法来获得卷褶视野欠采样数据可以有效减少磁共振的扫描时间,同时通过采用增加正弦梯度场的第一脉冲序列来对目标对象进行激发,在频率编码方向造成扩散混叠来降低几何因子,几何因子降低,重建图像的信噪比损失降低,从而在实现减少扫描时间的同时提升重建图像的质量。
再次参照图6~7,由于K空间中心的数据决定重建图像的对比度,为了能够获得较清晰的重建图像,通过对K空间中心进行全采样来获得全视野自校准采样数据,图6示出了对K空间中心进行全采样获得的全视野自校准采样数据在二维K空间中的示意图,虚线为全采样所需采集的读出线,实线为低分辨率全采样所需采集的读出线,图7示出了对K空间中心进行全采样获得的全视野自校准采样数据在三维K空间中的示意图,其中,同时与相位编码方向和选层方向垂直的方向为读出方向,虚线交点为全采样所需采集的读出线,加粗实心圆点为低分辨率全采样所需采集的读出线,其中,读出线的数量可以根据实际需要来设定,图6~7中仅仅是作为示例示出,并不作限定。
在步骤S3中,在获得全视野自校准采样数据后,基于全视野自校准采样数据计算全视野线圈敏感度图,具体包括:
S31、获取全视野自校准采样数据的特征值;
S32、求解特征值中最大的特征值对应的特征向量并将该特征向量作为全视野线圈敏感度图。
具体地,在获得全视野自校准采样数据后便可以求出其对应的所有特征值,再根据所有特征值中最大的特征值求出该最大特征值对应的特征向量
Figure BDA0003064679840000121
其中,Nc表示线圈通道数量,将C作为全视野线圈敏感度图,需要说明的是,本实施例中求解全视野线圈敏感度图也可以采用已有的线圈敏感度图估计方法,这里不做限定。
在步骤S4中,对于二维磁共振图像的重建,根据目标对象的全视野二维全采样数据获得点扩散函数,其中,全视野二维全采样数据的成像视野与全视野自校准采样数据的成像视野相同,即全视野二维全采样数据的大小与全视野自校准采样数据的大小相等,步骤S4具体包括:
S41、获取目标对象在第三脉冲序列激发下的第一全视野二维全采样数据;
S42、获取目标对象在第四脉冲序列激发下的第二全视野二维全采样数据,第四脉冲序列是由第三脉冲序列增加正弦梯度场获得,其中,第一全视野二维全采样数据和第二全视野二维全采样数据的成像视野相同;
S43、将第二全视野二维全采样数据除以第一全视野二维全采样数据得到点扩散函数。
具体地,步骤S43包括:
S431、将第二全视野二维全采样数据除以第一全视野二维全采样数据得到初始点扩散函数;
S432、将初始点扩散函数在K空间沿着频率编码方向进行线性拟合获得全视野点扩散函数。
参照图14~15,将本实施例中的重建方法用于二维磁共振图像的重建时,第三脉冲序列是由第二脉冲序列关闭频率编码梯度场而得到,图14示出了第三脉冲序列为GRE序列的示意图,二维空间下的第四脉冲序列是由第三脉冲序列在相位编码方向上增加第一正弦梯度场得到的,图15示出了二维空间下的第四脉冲序列的示意图。
在获得目标对象在第三脉冲序列、第四脉冲序列激发下的第一全视野二维全采样数据、第二全视野二维全采样数据后,通过下面的式子获得初始点扩散函数:
PsfY(kx,y)=Py′(kx,y)/Py(kx,y)
其中,Py(kx,y)表示相位编码方向上的第一全视野二维全采样数据,Py′(kx,y)表示相位编码方向上的第二全视野二维全采样数据,PsfY(kx,y)表示相位编码方向上的初始点扩散函数。
参照图16~19,将本实施例中的重建方法用于三维磁共振图像的重建时,第三脉冲序列包括相位编码方向的脉冲序列和选层方向的脉冲序列,相位编码方向的脉冲序列由第二脉冲序列关闭频率编码梯度场、选层梯度场而得到,选层方向的脉冲序列由第二脉冲序列关闭频率编码梯度场、相位编码梯度场而得到,图16示出了相位编码方向的脉冲序列的示意图,图17示出了选层方向的脉冲序列的示意图,三维空间下的第四脉冲序列也包括相位编码方向的脉冲序列和选层方向的脉冲序列,其中,第四脉冲序列中的相位编码方向的脉冲序列是由第三脉冲中的相位编码方向的脉冲序列在相位编码方向上增加第一正弦梯度场得到,第四脉冲序列中的选层方向的脉冲序列是由第三脉冲中的选层方向的脉冲序列在选层方向上增加第二正弦梯度场得到,图18示出了第四脉冲序列中的相位编码方向的脉冲序列的示意图,图19示出了第四脉冲序列中的选层方向的脉冲序列的示意图。
在获得目标对象在第三脉冲序列、第四脉冲序列激发下的第一全视野二维全采样数据、第二全视野二维全采样数据后,第一全视野二维全采样数据包括相位编码方向的全采样数据和选层方向的全采样数据,第二全视野二维全采样数据也包括相位编码方向的全采样数据和选层方向的全采样数据,通过下面的式子获得相位编码方向上的初始点扩散函数:
PsfY(kx,y)=Py′(kx,y)/Py(kx,y)
其中,Py(kx,y)表示第一全视野二维全采样数据在相位编码方向上的全采样数据,Py′(kx,y)表示第二全视野二维全采样数据在相位编码方向上的全采样数据,PsfY(kx,y)表示相位编码方向上的初始点扩散函数。
通过下面的式子获得选层方向上的初始点扩散函数:
PsfZ(kx,z)=Pz′(kx,z)/Pz(kx,z)
其中,Pz(kx,z)表示第一全视野二维全采样数据在选层方向上的全采样数据,Pz′(kx,z)表示第二全视野二维全采样数据在选层方向上的全采样数据,PsfZ(kx,z)表示选层方向上的初始点扩散函数。
在获得相位编码方向上的初始点扩散函数PsfY(kx,y)和选层方向上的初始点扩散函数PsfZ(kx,z)后,通过下面的式子获得三维空间中的初始点扩散函数:
PsfYZ(kx,y)=PsfY(kx,y)·PsfZ(kx,z)
其中,PsfYZ(kx,y)表示三维空间中的初始点扩散函数。
在步骤S431中,通过获得二维空间、三维空间中的初始点扩散函数PsfY(kx,y)、PsfYZ(kx,y)后,还需要对初始点扩散函数在K空间沿着频率编码方向进行线性拟合获得二维空间、三维空间中的全视野点扩散函数Psf(kx,y)、Psf′(kx,y),通过线性拟合可以得到更准确的点扩散函数,通过全视野点扩散函数对K空间采样轨迹进行校正,从而提升重建图像的准确度。这里的线型拟合方法可以采用常用的线性拟合方法,这里不再详细说明。
本实施例中通过目标对象的二维全采样数据来获得全视野点扩散函数,由于只需要对目标对象的二维数据进行采样,所需要的采样时间较短,从而进一步减小了磁共振的扫描时间。当然,除了本实施例提到的方法来获得全视野点扩散函数外,还可以通过其他轨迹校正的方法来获得全视野点扩散函数,例如,自动校正波浪可控混叠并行(WaveControlled Aliasing In Parallel Imaging,Wave-CAIPI)重建等。
在步骤S5中,根据卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像,具体包括:
S41、将全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
S42、将全视野点扩散函数分解成第一卷褶视野点扩散函数、第二卷褶视野点扩散函数;
S43、根据卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图、第一卷褶视野点扩散函数、第二卷褶视野点扩散函数建立优化模型;
S44、求解优化模型的最小值,获得两个卷褶视野磁共振图像;
S45、将两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像。
再次参照图8,在步骤S41中,将全视野线圈敏感度图的均分为两部分,将中间的一部分作为第一卷褶视野线圈敏感度图,将剩余的边缘的部分作为第二卷褶视野线圈敏感度图,图8中左边的图为全视野线圈敏感度图的示意图,右边的两个图分别为第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图的示意图,需要说明的是,本实施例中也可以采用其他的分解方式对全视野线圈敏感度图进行分解,例如,从全视野线圈敏感度图的中间剪切,将全视野线圈敏感度图分解为左右两部分并将左右两部分分别作为第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图。
参照图20,在步骤S42中,将全视野点扩散函数均分为两部分,将中间的一部分作为第一卷褶视野点扩散函数,将剩余的边缘的部分作为第二卷褶视野点扩散函数,图20中上方的图为全视野点扩散函数的示意图,下方的两个图分别为第一卷褶视野点扩散函数、第二卷褶视野点扩散函数的示意图,需要说明的是,本实施例中也可以采用其他的分解方式对全视野点扩散函数进行分解,例如,从全视野点扩散函数的中间剪切,将全视野点扩散函数分解为左右两部分并将左右两部分分别作为全视野点扩散函数。
在步骤S43中,根据卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图、第一卷褶视野点扩散函数、第二卷褶视野点扩散函数建立优化模型如下:
Figure BDA0003064679840000151
其中,M表示卷褶视野K空间的欠采样模板,Fx表示沿着频率编码方向的傅里叶变换,Fy表示沿着相位编码方向的傅里叶变换,Nc表示线圈通道数量,Ci1、Ci2分别表示第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图的第i通道的线圈敏感度图,P1、P2分别表示第一卷褶视野点扩散函数、第二卷褶视野点扩散函数,yi表示卷褶视野欠采样数据的第i通道的欠采样数据,λ表示稀疏约束权重,W表示小波变换,xj表示待求解的两个卷褶视野磁共振图像。
参照图21,在步骤S43~S44中,通过求解上述优化方程的最小值并将最小值对应的两个值作为两个卷褶视野磁共振图像,再根据反卷褶的方法将两个卷褶视野磁共振图像进行拼接,最终获得全视野磁共振图像,其中,图21中左边的两个图分别为两个卷褶视野磁共振图像的示意图,图21中右边的图为全视野磁共振图像的示意图。
参照图22,图22示出了本实施例中的重建方法在卷褶视野扫描场景下采用波浪可控混叠编码采样轨迹模式的测试结果,其中,图22右边的图为本实施例中的重建方法得到的磁共振图像,图22左边的图为传统的敏感度编码重建方法得到的磁共振图像,从图22中可以看出,与传统的敏感度编码重建方法相比,本实施例中的重建方法均能够得到在卷褶视野扫描场景下采用波浪可控混叠编码采样轨迹模式的全视野磁共振图像且能够很好的去除中心伪影和边缘伪影,重建图像的质量较好。
本实施例中的重建方法除了应用到二维、三维磁共振图像的重建中,还可以应用到多层(SMS)成像中,其基本原理与本实施例所描述的相同,这里不再赘述。
实施例三
参照图23,本实施例提供了一种卷褶视野磁共振图像的重建系统,所述重建系统包括获取模块100、全视野线圈敏感度图获取模块101、重建模块102。
获取模块100用于获取获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据、目标对象在第二脉冲序列激发下的全视野自校准采样数据。全视野线圈敏感度图获取模块101用于基于全视野自校准采样数据计算全视野线圈敏感度图,重建模块102用于根据卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像。
实施例四
参照图24,本实施例提供的卷褶视野磁共振图像的重建系统在实施例三中的重建系统的基础上增加了全视野点扩散函数获取模块103,即本实施例中的重建系统包括获取模块100、全视野线圈敏感度图获取模块101、重建模块102、全视野点扩散函数获取模块103。
获取模块100用于获取获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据、目标对象的全视野二维全采样数据以及目标对象在第二脉冲序列激发下的全视野自校准采样数据。全视野线圈敏感度图获取模块101用于基于全视野自校准采样数据计算全视野线圈敏感度图。全视野点扩散函数获取模块103用于根据目标对象的全视野二维全采样数据获得全视野点扩散函数,重建模块102用于根据卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像。
实施例五
参照图25,本实施例提供了一种计算机设备,包括处理器200、存储器201以及网络接口202,存储器201上存储有计算机程序,处理器200执行计算机程序以实现如实施例一~二所述的重建方法。
存储器201可以包括高速随机存取存储器(Random Access Memory,RAM),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器200可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,实施例一~二所述的重建方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。处理器200也可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等,还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器201用于存储计算机程序,处理器200在接收到执行指令后,执行该计算机程序以实现如实施例一~二所述的重建方法。
本实施例还提供了一种计算机存储介质,计算机存储介质中存储有计算机程序,处理器200用于读取并执行计算机存储介质中存储的计算机程序,以实现如实施例一~二所述的重建方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机存储介质中,或者从一个计算机存储介质向另一个计算机存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solidstate disk,SSD))等。
本发明实施例是参照根据本发明实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种卷褶视野磁共振图像的重建方法,其特征在于,所述重建方法包括:
获取目标对象在第一脉冲序列激发下的卷褶视野欠采样数据;
获取目标对象在第二脉冲序列激发下的全视野自校准采样数据;
基于所述全视野自校准采样数据计算全视野线圈敏感度图;
根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像;
所述根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得磁共振图像,包括:
将所述全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
根据所述卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图建立优化模型;
求解所述优化模型的最小值,获得两个卷褶视野磁共振图像;
将所述两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像;
其中,所述优化模型被表示为下面的式子,
Figure FDA0003843591810000011
其中,M表示卷褶视野K空间的欠采样模板,Fxy表示沿着频率编码方向和相位编码方向的二维傅里叶变换,Nc表示线圈通道数量,Ci1表示第一卷褶视野线圈敏感度图的第i通道的线圈敏感度图,Ci2表示第二卷褶视野线圈敏感度图的第i通道的线圈敏感度图,yi表示卷褶视野欠采样数据的第i通道的欠采样数据,λ表示稀疏约束权重,W表示小波变换,xj表示待求解的两个卷褶视野磁共振图像。
2.根据权利要求1所述的重建方法,其特征在于,若所述卷褶视野欠采样数据为采用笛卡尔采样轨迹模式获得的欠采样数据,所述第一脉冲序列和所述第二脉冲序列相同。
3.根据权利要求1所述的重建方法,其特征在于,若所述卷褶视野欠采样数据为采用波浪可控混叠编码采样轨迹模式获得的欠采样数据,所述第一脉冲序列是由所述第二脉冲序列增加正弦梯度场获得,在根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像之前,所述重建方法还包括:
根据目标对象的全视野二维全采样数据获得全视野点扩散函数;
相应的,根据所述卷褶视野欠采样数据、全视野线圈敏感度图进行图像重建,获得全视野磁共振图像具体为:
根据所述卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像。
4.根据权利要求3所述的重建方法,其特征在于,所述根据目标对象的全视野二维全采样数据获得全视野点扩散函数,包括:
获取目标对象在第三脉冲序列激发下的第一全视野二维全采样数据;
获取目标对象在第四脉冲序列激发下的第二全视野二维全采样数据,所述第四脉冲序列是由所述第三脉冲序列增加正弦梯度场获得;
将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到全视野点扩散函数。
5.根据权利要求4所述的重建方法,其特征在于,所述将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到全视野点扩散函数,包括:
将所述第二全视野二维全采样数据除以所述第一全视野二维全采样数据得到初始点扩散函数;
将所述初始点扩散函数在K空间沿着频率编码方向进行线性拟合获得全视野点扩散函数。
6.根据权利要求3所述的重建方法,其特征在于,所述根据所述卷褶视野欠采样数据、全视野线圈敏感度图、全视野点扩散函数进行图像重建,获得全视野磁共振图像,包括:
将所述全视野线圈敏感度图分解成第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图;
将所述全视野点扩散函数分解成第一卷褶视野点扩散函数、第二卷褶视野点扩散函数;
根据所述卷褶视野欠采样数据、第一卷褶视野线圈敏感度图、第二卷褶视野线圈敏感度图、第一卷褶视野点扩散函数、第二卷褶视野点扩散函数建立优化模型;
求解所述优化模型的最小值,获得两个卷褶视野磁共振图像;
将所述两个卷褶视野磁共振图像进行拼接获得全视野磁共振图像。
7.根据权利要求1~6任一项所述的重建方法,其特征在于,所述基于所述全视野自校准采样数据计算全视野线圈敏感度图,包括:
获取所述全视野自校准采样数据的特征值;
求解所述特征值中最大的特征值对应的特征向量并将所述特征向量作为全视野线圈敏感度图。
8.一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现如权利要求1~7任一项所述的重建方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现如权利要求1~7任一项所述的重建方法。
CN202110522711.5A 2021-05-13 2021-05-13 卷褶视野磁共振图像的重建方法、计算机设备及存储介质 Active CN113298901B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110522711.5A CN113298901B (zh) 2021-05-13 2021-05-13 卷褶视野磁共振图像的重建方法、计算机设备及存储介质
PCT/CN2021/093909 WO2022236823A1 (zh) 2021-05-13 2021-05-14 卷褶视野磁共振图像的重建方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110522711.5A CN113298901B (zh) 2021-05-13 2021-05-13 卷褶视野磁共振图像的重建方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN113298901A CN113298901A (zh) 2021-08-24
CN113298901B true CN113298901B (zh) 2022-12-06

Family

ID=77321908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110522711.5A Active CN113298901B (zh) 2021-05-13 2021-05-13 卷褶视野磁共振图像的重建方法、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN113298901B (zh)
WO (1) WO2022236823A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690253A (zh) * 2022-11-16 2023-02-03 中国科学院深圳先进技术研究院 一种磁共振图像重建方法和图像重建装置
CN116027280B (zh) * 2023-03-30 2023-06-09 西安电子科技大学 一种低峰值旁瓣频率编码雷达波形设计方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106491131A (zh) * 2016-12-30 2017-03-15 深圳先进技术研究院 一种磁共振的动态成像方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102435966B (zh) * 2011-09-02 2014-07-02 中国科学院深圳先进技术研究院 三维磁共振成像方法及系统
CN106485764B (zh) * 2016-11-02 2019-11-22 中国科学技术大学 Mri图像的快速精确重建方法
US10823806B2 (en) * 2017-11-22 2020-11-03 Siemens Healthcare Gmbh Magnetic resonance imaging using dataset undersampling
CN108459289B (zh) * 2018-01-30 2021-03-12 奥泰医疗系统有限责任公司 一种基于数据一致性的多次激发弥散加权磁共振成像方法
EP3598162A1 (en) * 2018-07-19 2020-01-22 Siemens Healthcare GmbH Magnetic resonance method and apparatus for suppressing metal artifacts
CN108957375B (zh) * 2018-07-23 2020-12-22 深圳先进技术研究院 磁共振成像方法、装置、设备及存储介质
DE102018218471B3 (de) * 2018-10-29 2020-02-06 Siemens Healthcare Gmbh Verfahren zur Magnetresonanzbildgebung mit Zusatzgradientenpulsen, Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
US10712416B1 (en) * 2019-02-05 2020-07-14 GE Precision Healthcare, LLC Methods and systems for magnetic resonance image reconstruction using an extended sensitivity model and a deep neural network
EP4194877A4 (en) * 2020-08-06 2023-09-27 Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences METHOD AND DEVICE FOR GENERATING IMAGE USING MAGNETIC RESONANCE AND COMPUTER STORAGE MEDIUM
CN112014782B (zh) * 2020-08-06 2023-07-28 深圳先进技术研究院 磁共振成像方法、装置及计算机存储介质
CN112037298A (zh) * 2020-08-20 2020-12-04 上海联影医疗科技股份有限公司 图像重建方法、装置、计算机设备和存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106491131A (zh) * 2016-12-30 2017-03-15 深圳先进技术研究院 一种磁共振的动态成像方法和装置

Also Published As

Publication number Publication date
CN113298901A (zh) 2021-08-24
WO2022236823A1 (zh) 2022-11-17

Similar Documents

Publication Publication Date Title
CN108957375B (zh) 磁共振成像方法、装置、设备及存储介质
CN107750338B (zh) 使用星形叠层采集的mr成像方法和设备
JP5221570B2 (ja) 磁気共鳴イメージング装置及びマルチコントラスト画像取得方法
CN113298902B (zh) 卷褶视野磁共振图像的重建方法、计算机设备及存储介质
US7372269B2 (en) Magnetic resonance imaging method and apparatus
CN113313778B (zh) 磁共振图像的重建方法、计算机设备及存储介质
CN110869790B (zh) 使用具有可变对比度的星形堆叠采集进行的mr成像
JP3968352B2 (ja) Mri装置
US11181598B2 (en) Multi-contrast MRI image reconstruction using machine learning
RU2707661C2 (ru) Мр (магнитно-резонансная) томография методом propeller c подавлением артефактов
CN113298901B (zh) 卷褶视野磁共振图像的重建方法、计算机设备及存储介质
US20140111203A1 (en) Reducing artifacts in magnetic resonance images acquired using propeller echo planar imaging
US10901061B2 (en) Accelerated diffusion-weighted magnetic resonance imaging with self-navigated, phase corrected tilted kernel reconstruction of phase encoded and point spread function encoded k-space
JP6762284B2 (ja) 磁気共鳴イメージング装置およびノイズ除去方法
CN115639510A (zh) 磁共振成像方法、波谱成像方法、装置、设备和存储介质
CN114913255A (zh) 用于使用磁共振图像中的高分辨率相位重建的系统和方法
US20240036138A1 (en) Multichannel deep learning reconstruction of multiple repetitions
EP2793040A1 (en) Method for processing phase information, particularly for susceptibility weighted imaging, obtained from PROPELLER measurements
CN113866694B (zh) 一种快速三维磁共振t1定量成像方法、系统及介质
US20240219501A1 (en) System and Method for Distortion and Motion Artifact-Free Diffusion Imaging Using Single-Shot Diffusion-Prepared Turbo-Spin-Echo Sequence With Spiral-Ring Readouts and Magnitude Stabilizers
US20230288515A1 (en) Augmenting Diffusion-Weighted Magnetic Resonance Imaging Data
WO2023092319A1 (zh) 一种基于波浪式梯度的磁共振多对比度参数成像方法
US20210270918A1 (en) Method for generating a magnetic resonance image
EP4053580A1 (en) System and method for acquisition of a magnetic resonance image as well as device for determining a trajectory for acquisition of a magnetic resonance image
WO2024081753A2 (en) Method and system for motion-robust super-resolution magnetic resonance imaging

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