CN113313778B - 磁共振图像的重建方法、计算机设备及存储介质 - Google Patents

Abstract

本发明提供了一种磁共振图像的重建方法、计算机设备及存储介质，重建方法包括：获取目标对象在第一脉冲序列激发下的欠采样数据；根据目标对象的二维全采样数据获得点扩散函数；对点扩散函数进行通道扩充；获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，第一脉冲序列是由第二脉冲序列增加正弦梯度场获得；基于低分辨率全采样数据获得线圈敏感度图；根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建。本发明提供的重建方法通过对目标对象在第一脉冲序列激发下进行欠采样来提升扫描速度，并通过增加正弦梯度场以及通过对点扩散函数进行通道扩充来降低几何因子，从而实现在减少磁共振的扫描时间的同时提升重建图像的质量。

Description

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。但是，磁共振成像扫描速度慢，过长的扫描时间在引起病患不适的同时，容易在重建磁共振图像中引入运动伪影，从而影响重建磁共振图像质量，因此，如何加快磁共振成像的速度一直是研究热点和难点。近年来，并行成像技术(Parallel Imaging，PI)的提出极大地减少了磁共振的扫描时间，例如，基于图像域解混叠的灵敏度编码技术(sensitivity encoding，SENSE)和基于K空间填充的全局自动校准部分并行采集技术(generalized auto-calibrating partially parallel acquisitions，GRAPPA)。然而，通过并行成像技术加速后的重建图像的信噪比会随着加速倍数和几何因子的增加而下降。

发明内容

为了解决现有技术的不足，本发明提供一种磁共振图像的重建方法、计算机设备及存储介质，在减少磁共振的扫描时间的同时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欠采样数据；

根据目标对象的二维全采样数据获得点扩散函数；

对所述点扩散函数进行通道扩充获得扩充后的点扩散函数；

获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，所述低分辨率全采样数据的成像视野与所述欠采样数据的成像视野相同，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；

基于所述低分辨率全采样数据获得线圈敏感度图；

根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像。

进一步地，所述对所述点扩散函数进行通道扩充获得扩充后的点扩散函数，包括：

获取所述点扩散函数对应的虚拟通道点扩散函数；

将所述虚拟通道点扩散函数与所述点扩散函数进行拼接获得扩充后的点扩散函数。

进一步地，所述根据目标对象的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；

将所述第二二维全采样数据除以所述第一二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，所述根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像，包括：

根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型；

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未采样的数据；

将所述未采样的数据与所述欠采样数据组合形成待重建数据；

对所述待重建数据进行去卷积以及傅里叶逆变换获得重建图像；

将所述重建图像进行多通道数据融合获得磁共振图像。

进一步地，所述根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型，包括：

获取所述线圈敏感度图对应的子空间投影算子；

根据所述欠采样数据、扩充后的点扩散函数、子空间投影算子建立优化模型。

进一步地，所述获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，包括：

获取目标对象在第二脉冲序列激发下的物理通道全采样数据；

根据所述物理通道全采样数据获得虚拟通道全采样数据；

将所述物理通道全采样数据与所述虚拟通道全采样数据进行拼接获得所述低分辨率全采样数据。

进一步地，所述基于所述低分辨率全采样数据获得线圈敏感度图，包括：

获取所述低分辨率全采样数据的特征值；

求解所述特征值中最大的两个特征值对应的两组特征向量；

将所述两组特征向量作为所述线圈敏感度图。

进一步地，所述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，所述相位编码方向的正弦梯度场和所述选层方向的正旋梯度场的相位差为π/2。

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。

本发明提供的磁共振图像的重建方法通过对目标对象在第一脉冲序列激发下进行欠采样来提升扫描速度，并通过增加正弦梯度场在频率编码方向造成扩散混叠来降低几何因子以及通过对点扩散函数进行通道扩充来增加通道数量来进一步降低几何因子，从而实现在减少磁共振的扫描时间的同时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二脉冲序列为GRE序列的示意图；

图3为本申请实施例一中二维空间下的第一脉冲序列的示意图；

图4为本申请实施例一中三维空间下的第一脉冲序列的示意图；

图5为本申请实施例一中根据规则欠采样的方法获得的欠采样数据在二维K空间中的示意图；

图6为本申请实施例一中根据规则欠采样的方法获得的欠采样数据在三维K空间中的示意图；

图7为本申请实施例一中第三脉冲序列为GRE序列的示意图；

图8为本申请实施例一中二维空间下的第四脉冲序列的示意图；

图9为本申请实施例一中相位编码方向的脉冲序列的示意图；

图10为本申请实施例一中选层方向的脉冲序列的示意图；

图11为本申请实施例一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12为本申请实施例一中第四脉冲序列中的选层方向的脉冲序列的示意图；

图13为本申请实施例一中对K空间中心进行全采样获得的物理通道全采样数据在二维K空间中的示意图；

图14为本申请实施例一中对K空间中心进行全采样获得的物理通道全采样数据在三维K空间中的示意图；

图15为本申请实施例一中的重建方法在高分辨率场景下的测试结果示意图；

图16为本申请实施例一中的重建方法在高带宽场景下的测试结果示意图；

图17为本申请实施例二中的重建系统的结构示意图；

图18为本申请实施例三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欠采样数据；

根据目标对象的二维全采样数据获得点扩散函数；

对点扩散函数进行通道扩充获得扩充后的点扩散函数；

获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，其中，低分辨率全采样数据的成像视野与欠采样数据的成像视野相同，第一脉冲序列是由第二脉冲序列增加正弦梯度场获得；

基于低分辨率全采样数据获得线圈敏感度图；

根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像。

本申请提供的重建方法通过对目标对象在第一脉冲序列激发下进行欠采样来提升扫描速度，并通过增加正弦梯度场在频率编码方向造成扩散混叠来降低几何因子以及通过对点扩散函数进行通道扩充来增加通道数量来进一步降低几何因子，从而实现在减少磁共振的扫描时间的同时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欠采样数据；

S2、根据目标对象的二维全采样数据获得点扩散函数；

S3、对点扩散函数进行通道扩充获得扩充后的点扩散函数；

S4、获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，其中，低分辨率全采样数据的成像视野与欠采样数据的成像视野相同，第一脉冲序列是由第二脉冲序列增加正弦梯度场获得；

S5、基于低分辨率全采样数据获得线圈敏感度图；

S6、根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像。

本实施例中欠采样数据、点扩散函数、低分辨率全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、S4的先后顺序可以调整，本实施例仅以依次获取欠采样数据、点扩散函数、低分辨率全采样数据为例来进行说明，但是，这并不用于对欠采样数据、点扩散函数、低分辨率全采样数据的获取顺序进行限定。

在步骤S1中，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2～4，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示出了第二脉冲序列为GRE序列的示意图，图3示出了二维空间下的第一脉冲序列的示意图，图4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，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。

参照图5～6，本实施例中得到的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(ControlledAliasing In Parallel Imaging Results IN Higher Acceleration，CAIPIRINHA)等方法来获得欠采样数据，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5示出了根据规则欠采样的方法获得的欠采样数据在二维K空间中的示意图，其中，在频率编码方向6倍欠采样，总的加速倍数为6倍，虚线为全采样所需采集的读出线，实线为6倍欠采样所需采集的读出线。图6示出了根据规则欠采样的方法获得的欠采样数据在三维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4倍欠采样，在选层方向2倍欠采样，总的加速倍数为8倍，虚线交点为全采样所需采集的读出线，加粗实心圆点为8倍欠采样所需采集的读出线。

通过采用欠采样方法来获得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。

对于二维磁共振图像的重建，根据目标对象的二维全采样数据获得点扩散函数，即步骤S2具体包括：

S21、获取目标对象在第三脉冲序列激发下的第一二维全采样数据；

S22、获取目标对象在第四脉冲序列激发下的第二二维全采样数据，第四脉冲序列是由第三脉冲序列增加正弦梯度场获得；

S23、将第二二维全采样数据除以第一二维全采样数据得到初始点扩散函数；

S24、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7～8，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7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8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一二维全采样数据、第二二维全采样数据后，通过下面的式子获得初始点扩散函数：

PsfY(k_x,y)＝P′_y(k_x,y)/P_y(k_x,y)

其中，P_y(k_x,y)表示相位编码方向上的第一二维全采样数据，P′_y(k_x,y)表示相位编码方向上的第二二维全采样数据，PsfY(k_x,y)表示相位编码方向上的初始点扩散函数，即二维空间中的初始点扩散函数。

参照图9～12，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9示出了相位编码方向的脉冲序列的示意图，图10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11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12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一二维全采样数据、第二二维全采样数据后，第一二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(k_x,y)＝P′_y(k_x,y)/P_y(k_x,y)

其中，P_y(k_x,y)表示第一二维全采样数据在相位编码方向上的全采样数据，P′_y(k_x,y)表示第二二维全采样数据在相位编码方向上的全采样数据，PsfY(k_x,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(k_x,z)＝P′_z(k_x,z)/P_z(k_x,z)

其中，P_z(k_x,z)表示第一二维全采样数据在选层方向上的全采样数据，P′_z(k_x,z)表示第二二维全采样数据在选层方向上的全采样数据，PsfZ(k_x,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(k_x,y)和选层方向上的初始点扩散函数PsfZ(k_x,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(k_x,y)＝PsfY(k_x,y)·PsfZ(k_x,z)

其中，PsfYZ(k_x,y)表示三维空间中的初始点扩散函数。

在步骤S24中，通过获得二维空间、三维空间中的初始点扩散函数PsfY(k_x,y)、PsfYZ(k_x,y)后，还需要对初始点扩散函数在K空间沿着相位编码方向进行线性拟合获得点扩散函数PsfY₁(k_x,y)、PsfYZ₂(k_x,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S3中，由于几何因子与线圈的通道数成反比，即几何因子随着线圈的通道数的增加会降低，而几何因子降低会减小重建图像的信噪比的损失，从而提升重建图像的质量，但是，在实际成像过程中，磁共振设备中的线圈的数量往往是固定的，因此，为了增加通道数量，本实施例通过对点扩散函数进行共轭转置生成与点扩散函数的大小相同的一组虚拟通道数据，然后将该虚拟通道数据与点扩散函数进行拼接，从而使得通道数量成倍增加，具体地，步骤S3包括：

S31、获取点扩散函数对应的虚拟通道点扩散函数；

S32、将虚拟通道点扩散函数与点扩散函数进行拼接获得扩充后的点扩散函数。

在步骤S31中，通过下面的公式来获取点扩散函数对应的虚拟通道点扩散函数：

PsfY′(k_x,y)＝PsfY₁ ^*(-k_x,y)

PsfYZ′(k_x,y)＝PsfYZ₂ ^*(-k_x,y)

其中，PsfY′(k_x,y)表示二维空间中的虚拟通道点扩散函数，PsfYZ′(k_x,y)表示三维空间中的虚拟通道点扩散函数，*表示对矩阵求转置。

在步骤S32中，通过下面的公式将虚拟通道点扩散函数与点扩散函数进行拼接：

其中，Psf(k_x,y)表示二维空间中扩充后的点扩散函数，Psf′(k_x,y)表示三维空间中扩充后的点扩散函数。

在步骤S4中获得的低分辨率全采样数据的成像视野与欠采样数据的成像视野相同，即低分辨率全采样数据的大小与欠采样数据的大小相等，第二脉冲序列的示意图如图2所示，具体地，步骤S4包括：

S41、获取目标对象在第二脉冲序列激发下的物理通道全采样数据；

S42、根据物理通道全采样数据获得虚拟通道全采样数据；

S43、将物理通道全采样数据与虚拟通道全采样数据进行拼接获得低分辨率全采样数据。

参照图13～14，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，在步骤S41中，通过对K空间中心进行全采样来获得物理通道全采样数据，图13示出了对K空间中心进行全采样获得的物理通道全采样数据在二维K空间中的示意图，虚线为全采样所需采集的读出线，实线为物理通道全采样所需采集的读出线，图14示出了对K空间中心进行全采样获得的物理通道全采样数据在三维K空间中的示意图，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，加粗实心圆点为物理通道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13～14中仅仅是作为示例示出，并不作限定。

在步骤S42中，通过下面的公式来获取物理通道全采样数据对应的虚拟通道全采样数据：

Y′(k_x,y)＝Y^*(-k_x,y)

YZ′(k_x,y)＝YZ^*(-k_x,y)

其中，Y(k_x,y)表示二维空间中的物理通道全采样数据，Y′(k_x,y)表示二维空间中的虚拟通道全采样数据，YZ(k_x,y)表示三维空间中的物理通道全采样数据，YZ′(k_x,y)表示三维空间中的虚拟通道全采样数据，*表示对矩阵求转置。

在步骤S43中，通过下面的公式将物理通道全采样数据与虚拟通道全采样数据进行拼接：

其中，Y″(k_x,y)表示二维空间中的低分辨率全采样数据，YZ″(k_x,y)表示三维空间中的低分辨率全采样数据。

在步骤S5中，在获得低分辨率全采样数据后，根据低分辨率全采样数据获得线圈敏感度图，具体包括：

S51、获取低分辨率全采样数据的特征值；

S52、求解特征值中最大的两个特征值对应的两组特征向量；

S53、将两组特征向量作为线圈敏感度图。

具体地，在获得低分辨率全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两个特征值求出这两个最大特征值对应的特征向量

其中，N_c表示线圈通道数量，将C₁(x,y)、C₂(x,y)作为线圈敏感度图。

在步骤S6中，根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像，具体包括：

S61、根据欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型；

S62、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未采样的数据；

S63、将未采样的数据与欠采样数据组合形成待重建数据；

S64、对待重建数据进行去卷积以及傅里叶逆变换获得重建图像；

S65、将重建图像进行多通道数据融合获得磁共振图像。

在步骤S61中，根据欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型具体为：

S611、获取线圈敏感度图对应的子空间投影算子；

S612、根据欠采样数据、扩充后的点扩散函数、子空间投影算子建立优化模型。

通过下面的公式获得线圈敏感度图对应的子空间投影算子：

其中，G是子空间投影算子，λ_i(x,y)表示低分辨率全采样数据的特征值中最大的两个特征值，

是C_i(x,y)的转置矩阵。

具体地，在步骤S612中，根据欠采样数据、扩充后的点扩散函数、子空间投影算子建立优化模型如下：

其中，I表示单位矩阵，F_x表示沿着频率编码方向的傅里叶变换，F_y表示沿着相位编码方向的傅里叶变换，M表示K空间欠采样模板，

表示M的补集，u表示步骤S1中获得的欠采样数据，v表示未采样的数据，H表示对矩阵求共轭转置，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(k_x,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′(k_x,y)。

当然，本实施例中优化模型也可以采用其他重建算法的优化模型，例如，灵敏度编码技术(sensitivity encoding，SENSE)、全局自动校准部分并行采集技术(generalizedauto-calibrating partially parallel acquisitions，GRAPPA)和迭代自相一致并行成像技术(iterative self-consistent Parallel Imaging Reconstruction，SPIRiT)等。

在步骤S62～S65中，可以采用共轭梯度算法(Conjugate Gradient，CG)或LSQR(Least Squares with QR-factorization)算法求解上面的优化模型的最小值，这些算法均为常见的优化算法，这里不再详细描述。

在获得优化模型的最小值后，将优化模型的最小值所对应的数据作为未采样的数据v，然后再将未采样的数据v与欠采样数据u通过下面的公式组合形成待重建数据w：

其中，待重建数据为w为全采样的多通道K空间数据，再根据下面的公式对待重建数据w进行去卷积和傅里叶逆变换获得重建图像m：

上式中，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(k_x,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′(k_x,y)。

最后，通过下面的公式将重建图像进行多通道数据融合获得最终的磁共振图像m′：

这里，m_j表示的是重建图像m中第j个线圈通道对应的图像数据，重建图像m是由数量为N_c个线圈通道的图像数据按照线圈通道的顺序依次拼接而成，每一个线圈通道对应的图像数据的大小相等，因此，可以根据线圈通道的数量以及每一个线圈通道的图像数据的大小来分别获得每一个线圈通道对应的图像数据m_j。

当然，将重建图像进行多通道数据融合也可以采用其他融合方法，例如，自适应线圈合并方法(ACC，Adaptive Coil Combination)，这里不再详细描述。

为验证本实施例中的重建方法的可行性和技术效果，在3T磁共振系统和24通道头线圈上对本实施例中的重建方法进行了人脑成像的测试。

参照图15～16，图15示出了在高分辨率场景下的测试结果，图16示出了在高带宽场景下的测试结果。高分辨率场景和高带宽场景的扫描参数如下：成像视野＝224×224mm²，层厚＝5mm，重复时间＝250ms，回波时间＝5ms，翻转角＝70°，扫描方位为横断位，其中，前后为频率编码方向，左右为相位编码方向。对于高分辨率场景：体素大小＝0.67×0.67mm²，带宽＝250Hz/pixel，正弦梯度场相对幅度＝1.0(绝对幅度＝8.76mT/m)，最大梯度切换率＝96.36mT/m/ms；对于高带宽的成像场景：体素大小＝1×1mm²，带宽＝400Hz/pixel，正弦梯度场相对幅度＝1.0(绝对幅度＝9.4mT/m)，最大梯度切换率＝165mT/m/ms。在每个测试实验中，在成像层面的上方和下方分别放置两个饱和带，用于抑制动脉和静脉血液信号。

图15中的分辨率为各向同性0.67毫米，加速倍数为6(左右方向)，本实施例中的重建方法与其他三种重建技术SENSE、Wave、VCC-ESPIRIT相比，如图15中左图所示，SENSE具有最差的重建图像信噪比，Wave在此高分辨率场景下性能受到限制而信噪比不足，VCC-ESPIRIT也受到噪声和残留伪影的影响，而本实施例中的重建方法具有最高的重建图像信噪比，如图15中右图所示，其是对应的几何因子图，从图中可以看出，本实施例中的重建方法相比于传统的Wave、VCC-ESPIRIT能够显著降低几何因子，提高信噪比。图16中的带宽为400Hz/pixel，加速倍数为6(左右方向)，本实施例中的重建方法与其他三种重建技术SENSE、Wave、VCC-ESPIRIT相比，如图16中左图所示，SENSE具有最差的重建结果，Wave在此高带宽场景下性能受到限制而信噪比不足，VCC-ESPIRIT也受到噪声和残留伪影的影响，而本实施例中的重建方法具有最高的重建图像信噪比，如图16中右图所示，其是对应的几何因子图，从图中可以看出，本实施例中的重建方法相比于传统的Wave、VCC-ESPIRIT能够显著降低几何因子，提高信噪比。

因此，本实施例中的重建方法相对于传统的重建方法能够在减少磁共振的扫描时间的同时提升重建图像的质量。

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17，本实施例提供了一种磁共振图像的重建系统，所述重建系统包括获取模块100、点扩散函数获取模块101、扩充模块102、线圈敏感度图获取模块103、重建模块104。

获取模块100用于获取目标对象在第一脉冲序列激发下的欠采样数据以及获取目标对象在第二脉冲序列激发下的低分辨率全采样数据。点扩散函数获取模块101用于根据目标对象的二维全采样数据获得点扩散函数，扩充模块102用于对点扩散函数进行通道扩充获得扩充后的点扩散函数，线圈敏感度图获取模块103用于基于低分辨率全采样数据获得线圈敏感度图，重建模块104用于根据欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像。

实施例三

参照图18，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 (8)

1.一种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欠采样数据；

根据目标对象的二维全采样数据获得点扩散函数；

对所述点扩散函数进行通道扩充获得扩充后的点扩散函数；

获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，所述低分辨率全采样数据的成像视野与所述欠采样数据的成像视野相同，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；

基于所述低分辨率全采样数据获得线圈敏感度图；

根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像；

其中，所述对所述点扩散函数进行通道扩充获得扩充后的点扩散函数，包括：

获取所述点扩散函数对应的虚拟通道点扩散函数；

将所述虚拟通道点扩散函数与所述点扩散函数进行拼接获得扩充后的点扩散函数；

其中，所述根据目标对象的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；

将所述第二二维全采样数据除以所述第一二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。

2.根据权利要求1所述的重建方法，其特征在于，所述根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图进行图像重建，获得磁共振图像，包括：

根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型；

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未采样的数据；

将所述未采样的数据与所述欠采样数据组合形成待重建数据；

对所述待重建数据进行去卷积以及傅里叶逆变换获得重建图像；

将所述重建图像进行多通道数据融合获得磁共振图像。

3.根据权利要求2所述的重建方法，其特征在于，所述根据所述欠采样数据、扩充后的点扩散函数、线圈敏感度图建立优化模型，包括：

获取所述线圈敏感度图对应的子空间投影算子；

根据所述欠采样数据、扩充后的点扩散函数、子空间投影算子建立优化模型。

4.根据权利要求1所述的重建方法，其特征在于，所述获取目标对象在第二脉冲序列激发下的低分辨率全采样数据，包括：

获取目标对象在第二脉冲序列激发下的物理通道全采样数据；

根据所述物理通道全采样数据获得虚拟通道全采样数据；

将所述物理通道全采样数据与所述虚拟通道全采样数据进行拼接获得所述低分辨率全采样数据。

5.根据权利要求1所述的重建方法，其特征在于，所述基于所述低分辨率全采样数据获得线圈敏感度图，包括：

获取所述低分辨率全采样数据的特征值；

求解所述特征值中最大的两个特征值对应的两组特征向量；

将所述两组特征向量作为所述线圈敏感度图。

6.根据权利要求1～5任一项所述的重建方法，其特征在于，所述正弦梯度场包括相位编码方向的正弦梯度场和选层方向的正弦梯度场，所述相位编码方向的正弦梯度场和所述选层方向的正弦梯度场的相位差为π/2。

7.一种计算机设备，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1～6任一项所述的重建方法。

8.一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1～6任一项所述的重建方法。

Images