CN113298902A - 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 PDFInfo
- Publication number
- CN113298902A CN113298902A CN202110524453.4A CN202110524453A CN113298902A CN 113298902 A CN113298902 A CN 113298902A CN 202110524453 A CN202110524453 A CN 202110524453A CN 113298902 A CN113298902 A CN 113298902A
- Authority
- CN
- China
- Prior art keywords
- full
- data
- view
- field
- pulse sequence
- 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.)
- Granted
Links
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
- G06T11/008—Specific 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,根据所述全视野自校准采样数据计算K空间的卷积核;根据卷褶视野欠采样数据、卷积核进行图像重建。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K空间的卷积核,再根据卷褶视野欠采样数据、卷积核进行图像重建,即利用全视野自校准采样数据建模来对卷褶视野欠采样数据进行图像重建,从而获得全视野的磁共振图像,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
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下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,能够去除在卷褶视野扫描场景中的重建混叠伪影,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;
根据所述全视野自校准采样数据计算K空间的卷积核;
根据所述卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像。
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、卷积核进行图像重建,获得磁共振图像,包括:
根据所述卷褶视野欠采样数据、卷积核建立优化模型;
求解所述优化模型的最小值并将所述优化模型的最小值所对应的数据作为全视野采样数据;
将所述全视野采样数据进行傅里叶逆变换获得两组多通道图像;
对所述两组多通道图像进行通道合并获得磁共振图像。
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、卷积核进行图像重建,获得磁共振图像之前,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点扩散函数;
相应的,根据所述卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像具体为:
根据所述卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像。
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点扩散函数。
进一步地,所述根据所述卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像,包括:
根据所述卷褶视野欠采样数据、点扩散函数、卷积核建立优化模型;
求解所述优化模型的最小值并将所述优化模型的最小值所对应的数据作为全视野采样数据;
将所述全视野采样数据进行傅里叶逆变换获得两组多通道图像;
对所述两组多通道图像进行通道合并获得磁共振图像。
进一步地,所述根据所述全视野自校准采样数据计算K空间的卷积核,包括:
采用滑动窗口以预定的步长对所述全视野自校准采样数据进行遍历,所述滑动窗口的大小与所述卷积核的大小相等;
将所述全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将所述全视野自校准采样数据中与所述滑动窗口除中心点外其他位置对应的数据作为第二数据;
求解将所述第二数据映射至所述第一数据的权重系数向量;
对所述权重系数向量进行拼接,获得所述卷积核。
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K空间的卷积核,再根据卷褶视野欠采样数据、卷积核进行图像重建,即利用全视野自校准采样数据建模来对卷褶视野欠采样数据进行图像重建,从而获得全视野的磁共振图像,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9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10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11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12为本申请实施例二中第三脉冲序列为GRE序列的示意图;
图13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14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15为本申请实施例二中选层方向的脉冲序列的示意图;
图16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17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18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19为本申请实施例三中的重建系统的结构示意图;
图20为本申请实施例四中的重建系统的结构示意图;
图21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;
根据所述全视野自校准采样数据计算K空间的卷积核;
根据卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像。
本申请提供的卷褶视野磁共振图像的重建方法根据目标对象的全视野自校准采样数据获得K空间的卷积核,再根据卷褶视野欠采样数据、卷积核进行图像重建,即利用全视野自校准采样数据建模来对卷褶视野欠采样数据进行图像重建,从而获得全视野的磁共振图像,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、根据全视野自校准采样数据计算K空间的卷积核;
S4、根据卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像。
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,根据全视野自校准采样数据计算K空间的卷积核,具体包括:
S31、采用滑动窗口以预定的步长对全视野自校准采样数据进行遍历,其中,滑动窗口的大小与卷积核的大小相等;
S32、将全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将全视野自校准采样数据中与滑动窗口除中心点外其他位置对应的数据作为第二数据;
S33、求解将第二数据映射至第一数据的权重系数向量;
S34、对权重系数向量进行拼接,获得卷积核。
具体地,根据卷积核的大小来确定滑动窗口的大小,例如,卷积核的大小为Nkerx×Nkery×Nc,其中,Nc为线圈通道数量,Nkerx和Nkery分别为卷积核在频率编码方向和相位编码方向的尺寸,例如,Nkerx=6,Nkery=6,Nc=8,选择大小与卷积核大小相同的滑动窗口,利用滑动窗口以预定的步长对全视野自校准采样数据进行遍历,即滑动窗口以预定的步长在全视野自校准采样数据中滑动,在每一次滑动时,将全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将全视野自校准采样数据中与滑动窗口除中心点外其他位置对应的数据作为第二数据。
通过下面的公式求解将第二数据映射至第一数据的权重系数向量:
Ag=b
其中,A表示第二数据,b表示第一数据,g表示权重系数向量。
在获得多个线圈通道对应的权重系数向量后,将多个权重系数向量进行拼接,获得完整的权重系数矩阵,该完整的权重系数矩阵即为卷积核。
在步骤S4中,根据卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像,具体包括:
S41、根据卷褶视野欠采样数据、卷积核建立优化模型;
S42、求解优化模型的最小值并将优化模型的最小值所对应的数据作为全视野采样数据;
S43、对全视野采样数据进行傅里叶逆变换获得两组多通道图像;
S44、对两组多通道图像进行通道合并获得磁共振图像。
在步骤S41中,根据卷褶视野欠采样数据、卷积核建立优化模型如下:
其中,I表示单位矩阵,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,G表示卷积核,M表示卷褶视野K空间的欠采样模板,D表示全视野K空间变换到卷褶视野K空间的变换算子,λ表示稀疏约束权重,W表示小波变换,y表示步骤S1中获得的卷褶视野欠采样数据,x表示待求解的全视野采样数据,H表示对矩阵求共轭转置。
在步骤S42中,可以采用共轭梯度法(CG)、快速软阈值迭代(FISTA)、交替方向乘子法(ADMM)等算法来求解优化模型的最小值,这些算法均为常见的优化算法,这里不再详细描述。
在步骤S44中,可以采用平方和(sum of square,SoS)或自适应线圈合并(Adaptive Coil Combination,ACC)等方法对两组多通道图像进行通道合并,获得磁共振图像。
参照图8,图8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8右边的图为本实施例中的重建方法得到的磁共振图像,图8左边的图为传统的(iterative self-consistent Parallel ImagingReconstruction,SPIRiT)重建方法得到的磁共振图像,从图8中可以看出,与传统的(iterative self-consistent Parallel Imaging Reconstruction,SPIRiT)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9,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、根据全视野自校准采样数据计算K空间的卷积核;
S4、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;
S5、根据卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像。
本实施例中卷褶视野欠采样数据、全视野自校准采样数据、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、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、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10~11,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10示出了二维空间下的第一脉冲序列的示意图,图11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,根据全视野自校准采样数据计算K空间的卷积核,具体包括:
S31、采用滑动窗口以预定的步长对全视野自校准采样数据进行遍历,其中,滑动窗口的大小与卷积核的大小相等;
S32、将全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将全视野自校准采样数据中与滑动窗口除中心点外其他位置对应的数据作为第二数据;
S33、求解将第二数据映射至第一数据的权重系数向量;
S34、对权重系数向量进行拼接,获得卷积核。
具体地,根据卷积核的大小来确定滑动窗口的大小,例如,卷积核的大小为Nkerx×Nkery×Nc,其中,Nc为线圈通道数量,Nkerx和Nkery分别为卷积核在频率编码方向和相位编码方向的尺寸,例如,Nkerx=6,Nkery=6,Nc=8,选择大小与卷积核大小相同的滑动窗口,利用滑动窗口以预定的步长对全视野自校准采样数据进行遍历,即滑动窗口以预定的步长在全视野自校准采样数据中滑动,在每一次滑动时,将全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将全视野自校准采样数据中与滑动窗口除中心点外其他位置对应的数据作为第二数据。
通过下面的公式求解将第二数据映射至第一数据的权重系数向量:
Ag=b
其中,A表示第二数据,b表示第一数据,g表示权重系数向量。
在获得多个线圈通道对应的权重系数向量后,将多个权重系数向量进行拼接,获得完整的权重系数矩阵,该完整的权重系数矩阵即为卷积核。
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点扩散函数。
参照图12~13,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12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13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)=P′y(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,P′y(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14~17,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14示出了相位编码方向的脉冲序列的示意图,图15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16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17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)=P′y(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,P′y(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)=P′z(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,P′z(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点扩散函数外,还可以通过其他轨迹校正的方法来获得点扩散函数,例如,自动校正波浪可控混叠并行(Wave Controlled Aliasing InParallel Imaging,Wave-CAIPI)重建等。
在步骤S5中,根据卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像,具体包括:
S51、根据卷褶视野欠采样数据、点扩散函数、卷积核建立优化模型;
S52、求解优化模型的最小值并将优化模型的最小值所对应的数据作为全视野采样数据;
S53、对全视野采样数据进行傅里叶逆变换获得两组多通道图像;
S54、对两组多通道图像进行通道合并获得磁共振图像。
在步骤S51中,根据卷褶视野欠采样数据、点扩散函数、卷积核建立优化模型如下:
其中,Psf表示点扩散函数,将本实施例中的重建方法用于二维磁共振图像的重建时,Psf=Psf(kx,y),将本实施例中的重建方法用于三维磁共振图像的重建时,Psf=Psf′(kx,y),I表示单位矩阵,Fy表示沿着相位编码方向的傅里叶变换,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,G表示卷积核,M表示卷褶视野K空间的欠采样模板,D表示全视野K空间变换到卷褶视野K空间的变换算子,λ表示稀疏约束权重,W表示小波变换,y表示步骤S1中获得的卷褶视野欠采样数据,x表示待求解的全视野采样数据,H表示对矩阵求共轭转置。
在步骤S52中,可以采用快速软阈值迭代(FISTA)、交替方向乘子法(ADMM)等算法来求解优化模型的最小值,这些算法均为常见的优化算法,这里不再详细描述。
在步骤S54中,可以采用平方和(sum of square,SoS)或自适应线圈合并(Adaptive Coil Combination,ACC)等方法对两组多通道图像进行通道合并,获得磁共振图像。
参照图18,图18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18右边的图为本实施例中的重建方法得到的磁共振图像,图18左边的图为传统的(iterative self-consistent Parallel ImagingReconstruction,SPIRiT)重建方法得到的磁共振图像,从图18中可以看出,与传统的(iterative self-consistent Parallel Imaging Reconstruction,SPIRiT)重建方法相比,本实施例中的重建方法均能够很好的去除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中的重建混叠伪影,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19,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、卷积核获取模块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。卷积核获取模块101用于根据全视野自校准采样数据计算K空间的卷积核,重建模块102用于根据卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像。
实施例四
参照图20,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、卷积核获取模块101、重建模块102、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。卷积核获取模块101用于根据全视野自校准采样数据计算K空间的卷积核,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点扩散函数,重建模块102用于根据卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像。
实施例五
参照图21,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 (10)
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;
根据所述全视野自校准采样数据计算K空间的卷积核;
根据所述卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像。
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2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、卷积核进行图像重建,获得磁共振图像,包括:
根据所述卷褶视野欠采样数据、卷积核建立优化模型;
求解所述优化模型的最小值并将所述优化模型的最小值所对应的数据作为全视野采样数据;
将所述全视野采样数据进行傅里叶逆变换获得两组多通道图像;
对所述两组多通道图像进行通道合并获得磁共振图像。
4.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、卷积核进行图像重建,获得磁共振图像之前,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点扩散函数;
相应的,根据所述卷褶视野欠采样数据、卷积核进行图像重建,获得磁共振图像具体为:
根据所述卷褶视野欠采样数据、点扩散函数、卷积核进行图像重建,获得磁共振图像。
5.根据权利要求4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点扩散函数。
6.根据权利要求5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点扩散函数。
7.根据权利要求4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、点扩散函数、卷积核进行图像重建,获得磁共振图像,包括:
根据所述卷褶视野欠采样数据、点扩散函数、卷积核建立优化模型;
求解所述优化模型的最小值并将所述优化模型的最小值所对应的数据作为全视野采样数据;
将所述全视野采样数据进行傅里叶逆变换获得两组多通道图像;
对所述两组多通道图像进行通道合并获得磁共振图像。
8.根据权利要求1~7任一项所述的重建方法,其特征在于,所述根据所述全视野自校准采样数据计算K空间的卷积核,包括:
采用滑动窗口以预定的步长对所述全视野自校准采样数据进行遍历,所述滑动窗口的大小与所述卷积核的大小相等;
将所述全视野自校准采样数据中与滑动窗口中心点位置对应的数据作为第一数据,将所述全视野自校准采样数据中与所述滑动窗口除中心点外其他位置对应的数据作为第二数据;
求解将所述第二数据映射至所述第一数据的权重系数向量;
对所述权重系数向量进行拼接,获得所述卷积核。
9.一种计算机设备,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1~8任一项所述的重建方法。
10.一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1~8任一项所述的重建方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110524453.4A CN113298902B (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/CN2021/094391 WO2022236851A1 (zh) | 2021-05-13 | 2021-05-18 | 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 |
---|---|---|---|
CN202110524453.4A CN113298902B (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 |
---|---|
CN113298902A true CN113298902A (zh) | 2021-08-24 |
CN113298902B CN113298902B (zh) | 2022-11-25 |
Family
ID=77322029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110524453.4A Active CN113298902B (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) | CN113298902B (zh) |
WO (1) | WO2022236851A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140544A (zh) * | 2021-10-26 | 2022-03-04 | 上海东软医疗科技有限公司 | 图像重建方法、装置及设备 |
CN115063503A (zh) * | 2022-07-28 | 2022-09-16 | 山东奥新医疗科技有限公司 | 一种磁共振图像卷褶伪影去除方法、装置、设备及介质 |
WO2023108484A1 (zh) * | 2021-12-15 | 2023-06-22 | 中国科学院深圳先进技术研究院 | 基于波浪梯度编码场和深度学习模型的磁共振成像方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597333A (zh) * | 2016-12-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种磁共振并行成像方法及磁共振成像系统 |
CN108535675A (zh) * | 2018-04-08 | 2018-09-14 | 朱高杰 | 一种基于深度学习和数据自洽的磁共振多通道重建方法 |
US20190154784A1 (en) * | 2017-11-22 | 2019-05-23 | Siemens Healthcare Gmbh | Magnetic resonance imaging apparatus and method |
US20190172230A1 (en) * | 2017-12-06 | 2019-06-06 | Siemens Healthcare Gmbh | Magnetic resonance image reconstruction with deep reinforcement learning |
CN110766768A (zh) * | 2019-10-23 | 2020-02-07 | 深圳先进技术研究院 | 一种磁共振图像重建方法、装置、设备和介质 |
CN112014782A (zh) * | 2020-08-06 | 2020-12-01 | 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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016213042A1 (de) * | 2016-07-18 | 2018-01-18 | Siemens Healthcare Gmbh | Verfahren zur Aufnahme von Kalibrierungsdaten für GRAPPA-Algorithmen |
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 |
-
2021
- 2021-05-13 CN CN202110524453.4A patent/CN113298902B/zh active Active
- 2021-05-18 WO PCT/CN2021/094391 patent/WO2022236851A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597333A (zh) * | 2016-12-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种磁共振并行成像方法及磁共振成像系统 |
US20190154784A1 (en) * | 2017-11-22 | 2019-05-23 | Siemens Healthcare Gmbh | Magnetic resonance imaging apparatus and method |
US20190172230A1 (en) * | 2017-12-06 | 2019-06-06 | Siemens Healthcare Gmbh | Magnetic resonance image reconstruction with deep reinforcement learning |
CN108535675A (zh) * | 2018-04-08 | 2018-09-14 | 朱高杰 | 一种基于深度学习和数据自洽的磁共振多通道重建方法 |
CN110766768A (zh) * | 2019-10-23 | 2020-02-07 | 深圳先进技术研究院 | 一种磁共振图像重建方法、装置、设备和介质 |
CN112014782A (zh) * | 2020-08-06 | 2020-12-01 | 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 |
Non-Patent Citations (5)
Title |
---|
MARK A. GRISWOLD ET AL: "Generalized Autocalibrating Partially Parallel Acquisitions (GRAPPA)", 《MAGNETIC RESONANCE IN MEDICINE》 * |
MARTIN BLAIMER ET AL: "2D-GRAPPA-Operator for Faster 3D Parallel MRI", 《MAGNETIC RESONANCE IN MEDICINE》 * |
MARTIN UECKER ET AL: "ESPIRiT—An Eigenvalue Approach to Autocalibrating Parallel MRI: Where SENSE Meets GRAPPA", 《MAGNETIC RESONANCE IN MEDICINE》 * |
吴振洲等: "非笛卡尔并行磁共振成像重建技术研究新进展", 《仪器仪表学报》 * |
王婉婷: "基于虚拟线圈和卷积神经网络的多层同时激发图像重建", 《波谱学杂志》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140544A (zh) * | 2021-10-26 | 2022-03-04 | 上海东软医疗科技有限公司 | 图像重建方法、装置及设备 |
WO2023108484A1 (zh) * | 2021-12-15 | 2023-06-22 | 中国科学院深圳先进技术研究院 | 基于波浪梯度编码场和深度学习模型的磁共振成像方法 |
CN115063503A (zh) * | 2022-07-28 | 2022-09-16 | 山东奥新医疗科技有限公司 | 一种磁共振图像卷褶伪影去除方法、装置、设备及介质 |
CN115063503B (zh) * | 2022-07-28 | 2022-11-01 | 山东奥新医疗科技有限公司 | 一种磁共振图像卷褶伪影去除方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113298902B (zh) | 2022-11-25 |
WO2022236851A1 (zh) | 2022-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN107750338B (zh) | 使用星形叠层采集的mr成像方法和设备 | |
CN108957375B (zh) | 磁共振成像方法、装置、设备及存储介质 | |
JP6691797B2 (ja) | 磁気共鳴イメージング装置 | |
CN113313778B (zh) | 磁共振图像的重建方法、计算机设备及存储介质 | |
CN110133556B (zh) | 一种磁共振图像处理方法、装置、设备及存储介质 | |
US11181598B2 (en) | Multi-contrast MRI image reconstruction using machine learning | |
CN109212443B (zh) | 基于多板块同时激发的等体素磁共振扩散成像方法及装置 | |
US7492152B2 (en) | Method of reconstructing parallel magnetic resonance image using radial K-space trajectory, apparatus thereof, and computer readable recording medium recorded with program for executing the method | |
CN112763958B (zh) | 一种基于神经网络的多次激发平面回波磁共振成像方法 | |
RU2707661C2 (ru) | Мр (магнитно-резонансная) томография методом propeller c подавлением артефактов | |
CN113994225A (zh) | 用于磁共振成像中的图像重建的系统和方法 | |
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 | |
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 | |
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 | |
US20230184861A1 (en) | Propeller magnetic resonance acquisition and blade-specific reconstruction | |
CN115236576A (zh) | 快速多对比度磁共振扩散成像和重建方法及系统 | |
EP2793040A1 (en) | Method for processing phase information, particularly for susceptibility weighted imaging, obtained from PROPELLER measurements | |
US11918335B2 (en) | Magnetic resonance imaging method, apparatus, and computer storage medium | |
CN114565690A (zh) | 基于波浪梯度编码场和深度学习模型的磁共振成像方法 | |
CN113866694B (zh) | 一种快速三维磁共振t1定量成像方法、系统及介质 | |
Yarach et al. | Blip-Up Blip-Down Circular EPI (BUDA-cEPI) for Distortion-Free dMRI with Rapid Unrolled Deep Learning Reconstruction | |
US12027254B2 (en) | Multi-contrast MRI image reconstruction using machine learning | |
CN108378851A (zh) | 磁共振弥散加权成像方法和装置 |
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 |