CN113994225A - 用于磁共振成像中的图像重建的系统和方法 - Google Patents

用于磁共振成像中的图像重建的系统和方法 Download PDF

Info

Publication number
CN113994225A
CN113994225A CN202080042821.5A CN202080042821A CN113994225A CN 113994225 A CN113994225 A CN 113994225A CN 202080042821 A CN202080042821 A CN 202080042821A CN 113994225 A CN113994225 A CN 113994225A
Authority
CN
China
Prior art keywords
measurement data
mri measurement
magnetic field
sample
mri
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.)
Pending
Application number
CN202080042821.5A
Other languages
English (en)
Inventor
拉姆·纳拉亚南
亚历山大·纳塞夫
普尔基特·马利克
穆勒·戈麦斯
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.)
Promasso
Original Assignee
Promasso
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 Promasso filed Critical Promasso
Publication of CN113994225A publication Critical patent/CN113994225A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/38—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field
    • G01R33/385—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field using gradient magnetic field coils
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/445—MR involving a non-standard magnetic field B0, e.g. of low magnitude as in the earth's magnetic field or in nanoTesla spectroscopy, comprising a polarizing magnetic field for pre-polarisation, B0 with a temporal variation of its magnitude or direction such as field cycling of B0 or rotation of the direction of B0, or spatially inhomogeneous B0 like in fringe-field MR or in stray-field imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/482—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a Cartesian trajectory
    • G01R33/4822—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a Cartesian trajectory in three dimensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56563—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the main magnetic field B0, e.g. temporal variation of the magnitude or spatial inhomogeneity of B0
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56572—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of a gradient magnetic field, e.g. non-linearity of a gradient magnetic field

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Nonlinear Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本公开的一些实施例公开了用于鲁棒磁共振图像重建的系统和方法，该系统和方法可以为磁共振成像系统中的所有或几乎所有要素建模，该系统和方法具有可压缩性特征以加速重建，以及可以被优化以使得重建可以在短时间内执行。

Description

用于磁共振成像中的图像重建的系统和方法
技术领域
本公开总体上涉及用于从磁共振成像信号有效地重建磁共振图像的系统和方法，更具体地涉及允许综合来合并磁共振成像系统的所有或几乎所有方面且允许可压缩性和优化以加快图像重建过程的系统和方法。
背景技术
在磁共振成像(MRI)中，通过应用脉冲序列从感兴趣的对象或样本来测量信号。在传统的MRI系统中，通过频率的矩形网格(也称为笛卡尔扫描)来采集测量的信号，并且图像可以通过2D逆快速傅立叶变换(FFT)来重建。另一种常用方法是在极坐标网格上采集样本，并在将该数据插值到矩形网格后使用2D逆FFT。
附图说明
图1是根据本公开的一些实施例的用于对磁共振成像(MRI)系统中的图像重建进行建模的线性系统模型的示例示意图。
图2是根据本公开的一些实施例的MRI系统中主磁场的切片轮廓的示例示图。
图3A-3D是根据本公开的一些实施例的对应于切片激发的提取表面的示例示图。
图4A-4B分别示出了根据本公开的一些实施例的在x方向和y方向上非线性变化的空间磁场梯度的示例示图。
图5示出了根据本公开的一些实施例的用于基于磁共振成像信号来重建磁共振图像的方法的示例流程图。
图6是示出可实施本教导的实施例的计算机系统的框图。
图7示出了说明根据本公开的一些实施例的用于基于磁共振成像信号来重建磁共振图像的系统的示例框图。
应当理解，附图不必按比例绘制，附图中的对象也不必按彼此的关系来按比例绘制。附图是旨在使本文公开的装置、系统和方法的各种实施例变得清楚且易于理解的描绘。在可能的情况下，在整个附图中将使用相同的附图标记来指代相同或相似的部件。此外，应当理解，附图不旨在以任何方式限制本教导的范围。
发明内容
下面概括了本公开的一些方面以提供对所讨论技术的基本理解。该概括不是对本公开的所有预期特征的广泛概述，并且既不旨在识别本公开的所有方面的关键点或关键要素，也不旨在描绘本公开的任何方面或所有方面的范围。其唯一目的是以概要形式呈现本公开的一个或多个方面的一些构思，作为稍后呈现的更详细描述的前奏。
在本公开的一些实施例中，公开了用于从磁共振成像信号来有效重建磁共振图像的方法和系统。在一些实施例中，可以使用发射线圈和射频(RF)源来分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场，以测量样本的一个或多个状态。此外可以在处理器处从一个或多个接收线圈来接收在采集窗口期间由接收线圈采集的MRI测量数据，该MRI测量数据包括由样本发出的磁共振信号数据。此外，可以通过处理器线性组合MRI测量数据的子集以生成第一编码矩阵，该第一编码矩阵是第二编码矩阵的子矩阵，该第二编码矩阵被配置为(i)通过线性组合所有MRI测量数据而生成，以及(ii)代表样本的一个或多个状态、发射线圈和接收线圈。此外，处理器可以基于第一编码矩阵的计算来确定MRI测量数据的特性。
具体实施方式
各种实施例的以下描述仅是示例性和说明性的，并且不应被解释为以任何方式限制或约束。本教导的其他实施例、特征、目的和优点将从描述和附图以及从权利要求中显而易见。除非另有定义，否则本文使用的所有技术和科学术语与本发明所属领域的普通技术人员通常理解的含义相同。
为了描述和公开在本文中提到的所有出版物中描述并且可能与本公开结合使用的装置、组合物、制剂和方法的目的，提及的所有出版物通过引用整体并入本文中。
如本文所用，术语“包括”、“包含”、“具有”、“包括有”及其变体并非旨在限制，而是包括性的或开放式的并且不排除额外的、未列举的添加物、组件、整数、元件或方法步骤。例如，包括特征列表的过程、方法、系统、组合物、套件或装置不必仅限于那些特征，而是可以包括未明确列出的或此类过程、方法、系统、组合物、套件或装置所固有的其他特征。
在一些实施例中，术语“信号组件”可以指负责生成信号的磁共振成像(MRI)系统的部件。这可以至少包括但不限于脉冲序列构成、发射线圈和接收线圈等。对于脉冲序列的每个状态，所有或几乎所有接收线圈可以通过采集窗口来采集数据。在一些实施例中，术语“采集窗口”可以指磁共振(MR)脉冲序列中记录MR信号的时间。
在一些实施例中，术语“脉冲序列”可以指一组射频(RF)脉冲和梯度脉冲，在采集期间它们被重复多次以便对描述感兴趣的对象(例如样本)的空间和幅度信息进行编码。在某些情况下，这些重复的梯度程度或施加的各个脉冲的形状可能会有所不同，并且最终可以由所需图像的质量来确定。在MRI系统中，z轴梯度被施加用于选择要激发的切片，x轴梯度和y轴梯度用于空间定位，并且RF脉冲用于执行激发。
在一些实施例中，术语“发射线圈”可以指MRI系统中的可生成垂直于MRI系统的主静磁场(“B0”)的振荡或旋转磁场的导线线圈。在一些实施例中，术语“接收线圈”可以指MRI系统中的检测磁共振(MR)信号的导线线圈。在一些方面，接收线圈的空间灵敏度(即幅度)以及彼此之间的相位可以不同。此外，在一些方面，发射线圈的空间灵敏度(即幅度)以及彼此之间的相位也可以不同。
在一些实施例中，术语“图像采集定时”可以指仅包括数据采集时间的用于执行MR成像过程的时间。在某些情况下，总图像采集时间可以等于重复时间、平均化的信号的数量和用于图像重建要采集的(针对位置而编码的)不同信号的数量的乘积。额外的图像重建时间对于确定图像被多快得查看也很重要。在比较序列平面成像和体积成像技术时，可以考虑每个切片的等效图像采集时间以及实际图像采集时间。
在一些实施例中，术语“频率偏移”可以指给定信号频率与参考频率之间的差。在一些方面中，频率偏移可以是切片激发的中心频率。
在一些实施例中，正通过MRI系统而成像的感兴趣对象可以发射可由MRI系统测量并包含所测频率的幅度的信号。在某些情况下，可以通过频率的矩形网格或笛卡尔扫描来采集测量的信号，并且可以通过2D逆傅里叶变换(FFT)来重建图像。在某些情况下，可以在极坐标网格上采集样本，并在将该数据插值到矩形网格后使用2D非均匀FFT。在这种方法中，问题可以被定义为：
s(t)＝∫m(r)e-j2πk(t)rdr
其中s(t)为测量的信号，k表示k空间轨迹，且r对应于被采样的空间位置，并且问题可以表述为通过观察s中的多个样本来恢复图像m。
然而，这样的方法可能具有各种限制，包括要求在执行非均匀FFT之前对信号进行完全采样或在非笛卡尔网格或欠采样的情况下对信号进行重新网格化(即具有足够的带宽)，以及适当的样本间距，以便在不限制视场或混叠的情况下完全捕获感兴趣的对象。非笛卡尔采集还可能要求频率采样密度校正，以最小化可能生成伪影的k空间区域的过度表示。此外，这些方法可能会做出一些可能简化MRI系统或不完全地捕获MRI系统的假设，包括梯度是线性的、磁体的主磁场B0是均匀的、接收线圈具有相似的空间灵敏度剖面等。此外，这些方法可以在没有实际考虑上升时间和下降时间、梯度剖面的真实形状等的情况下以数学方式对脉冲序列中的信号进行建模。因此，多参数MRI的图像重建可能无法充分地对这些因素建模。此外，多参数MRI的图像重建可能需要数小时才能获得高质量的图像。
虽然已经提出了许多方法来克服这些限制(例如非均匀快速傅立叶变换、灵敏度编码、广义自动校准部分并行采集、压缩感测方法等)，但上述限制仍然可以存在并且需要一种鲁棒的图像重建，它可以为系统中的所有或几乎所有要素进行建模，具有可压缩性特征以加速重建，并且可以被优化以使得重建在几分钟内而不是在几小时内是可行的。本公开公开了被配置用于磁共振图像重建的实施例，其解决了以上讨论的挑战和限制以提供用于图像重建的更鲁棒的系统和方法。
本公开的一些实施例公开了可以被一般化、压缩和/或优化的图像重建方式或方法。这些方法可以概括为：图像重建方法可以为系统中的所有或几乎所有要素进行建模，至少包括磁场梯度、主磁场B0、发射线圈和接收线圈的相位和幅度灵敏度、梯度剖面的形状、测量期间的读出梯度和相位(其可能包括在存在永久主磁场的情况下由x和y梯度引起的相位)。此外，方式或方法可以具有可压缩性特征以加速重建，例如，可以以利用被成像的对象的特征的方式允许图像恢复而无需密集采样。在一些实施例中，可以通过各种机制来实现可压缩性，即随机欠采样、使用多个空间上灵敏的线圈的并行重建、使用小波压缩的稀疏约束、L-1和核范数目标函数、单个重复时间内的多个切片激发以及宽带啁啾脉冲激励以激发大区域。此外，可以优化图像重建方式或方法，以使得重建在几分钟或一小时内是可行的。
图1示出了根据本公开的一些实施例的用于对磁共振成像(MRI)系统中的图像重建进行建模的线性系统模型的示例示意图。通常，用于根据提供的参数测量结果来重建图像的模型可以被广泛地描述为线性模型。如图1所示，线性系统模型100包括信号矢量信号(s)102，其包含来自多个接收线圈的对系统(即，对感兴趣的对象或样本)进行的所有或几乎所有测量结果。线性系统模型100还包括矩阵E 104，其用作包含给定系统的所有或几乎所有一般化的编码矩阵。在某些情况下，矩阵E可以由块矩阵E0、E1、...、EN-1组成，其中每个块对应于由重复时间(RT)分隔的单个脉冲序列线，总共N＝ns，其中ns是脉冲序列线的数量。每个块矩阵还可以由对应于该脉冲序列线的单个时间点和来自所记录的信号窗口的脉冲序列中的一个接收线圈的各个行来组成。矩阵E的总行数可以被表示为状态(即脉冲序列线)的数量nstates、使用的接收线圈的数量ncoils和采集窗口中的点的数量nt的乘积(即nstates×ncoils×nt)。线性系统模型100还包括将通过对信号s 102进行观察而求解的图像向量m106，其中矩阵E 104描述系统的状态。即，包括系统特征(诸如磁场梯度、接收线圈和发射线圈、脉冲序列的主磁场B0配置等)的MRI系统100的状态被编码在矩阵E 104中。
在一些实施例中，E矩阵104中的分量Eij可以如下建模：
Figure BDA0003404191040000051
其中pA是信号读出期间存在磁梯度时累积的相位，pB是读出前的梯度脉冲引起相移时累积的相位，pC是来自发射线圈和接收线圈的相位，并且最后pB0是来自静态B0场的相位(例如，在测量期间或始终存在)。在一些实施例中，参数H可以表示针对测量结果的发射线圈选择并且是状态的函数，例如，对于给定状态(例如，状态＝10)，由H(istate)选择的发射线圈被选择用于发射。
相位项可以被计算为：
Figure BDA0003404191040000052
Figure BDA0003404191040000053
pC＝∠C+(j)+∠C-，以及
Figure BDA0003404191040000054
在这些定义中，主磁场B0和梯度场可以以弧度为单位(预先乘以伽马)来表示。这些表达式允许从梯度剖面矩阵(A)和相位矩阵(B)来计算相位，同时结合非均匀磁场B0和中心频率偏移矩阵F。在一些实施例中，上述编码矩阵E可以有特定的结构。在某些情况下，编码矩阵E可以完全由发射线圈图和接收线圈图、A矩阵和B矩阵来确定，并且可能不需要完全存储在存储器中以生成或重建磁共振图像。在一些实施例中，编码矩阵E也可以特别大，例如大约数十万行和类似数量的列。然而，在某些情况下，根据需要在矩阵中构建各个元素而不必存储整个矩阵允许有利地利用编码矩阵E中的上述结构。
在一些实施例中，测量的信号可以包含小的全局移位。重建的图像可能在中心包含亮点伪影。为了消除这一点，可以将表示全局移位的列附加到编码矩阵，其中图像连同所估计的移位系数一起被重建。
索引i对应于针对唯一脉冲序列线、线圈(例如，接收线圈或发射线圈)和时间点的单次采集。索引is和ic是从i中提取出来的，并且被定义如下：对于[0，nstates×ncoils×nt]中的i，is指脉冲序列线，ic指为特定线圈所记录的信号，且it对应于在信号窗口内记录信号的时间。此外，j对应于图像矢量m内的第j个体素。
参数Bgx、Bgy和Bgz可以分别表示从x、y和z梯度测得的磁场。当下标用x、y和z来表示时，参数B表示在该方向上梯度生成的磁场。例如，Bgx对应于由x梯度生成的磁场(该x梯度是主要沿x方向施加的梯度)，并且是3D矢量场，在其中图像上的每个Bgx位置都包含x、y和z分量。因此，矩阵Bgx可以被表示为nimage x3矩阵，其中nimage＝xn×yn×zn，其中xn、yn和zn是沿每个维度重建的体素的数量。作为另一个示例，Bgy对应于由y梯度生成的磁场(该y梯度是主要沿y方向施加的梯度)，并且是3D矢量场，在其中图像上的每个Bgy位置都包含x、y和z分量。因此，矩阵Bgy可以被表示为nimage x3矩阵。作为另一个示例，矩阵Bgx因此可以被表示为nimagex3矩阵，其中重建图像中的体素数量nimage＝xn×yn×zn，并且其中xn、yn和zn是沿每个维度重建的体素的数量。作为另一个示例，Bgz对应于由z梯度生成的磁场(该z梯度是主要沿z方向施加的梯度)，并且是3D矢量场，其中图像上的每个Bgz位置包含x、y和z分量。矩阵Bgz因此可以被表示为nimage x3矩阵。
在一些实施例中，图1中的线性系统模型100的维度可以基于测量的参数来定义，可以如下识别或定义该测量的参数。在一些方面，脉冲序列的重复可以被称为系统中的单个状态，其中这种状态的总数被定义为ns(或nstates)。对于每个状态，信号阵列的长度被测量为nt，其表示单次采集的长度。在一些实施例中，被重建的图像的维度可以被表示为(xn，yn，zn)，其中xn，yn，zn是沿着每个维度重建的体素的数量。图1所示的图像矢量m 106可以被表示为所有体素的线性排列(矢量化)，以使得总长度是维度的乘积，即nimage＝xn×yn×zn。
在一些实施例中，MRI系统可以设置有多个线圈(接收线圈)，每个线圈同时(例如，独立地)进行测量。这种接收线圈的数量可以由参数ncoils表示。
在一些实施例中，矩阵A(例如，在PA的表达式中)被设置有由ns×2×nm表示的维度，其中nm是读出窗口中的点的数量(在采集期间)。对于第一维中的每个脉冲序列状态，以及对于第二维中的每个梯度方向，矩阵A可以包含在采集期间沿第三维(例如，沿读出)存储的梯度剖面，从而表示所施加的读出梯度的归一化形状。在简化的设置中，矩阵A对于脉冲序列的所有状态可能具有相同的剖面，即在读出期间可以施加相同的梯度。例如，读出期间的矩形脉冲使得读出期间所有记录的信号都受到该梯度(沿着该梯度方向)的影响。
在一些实施例中，矩阵B(例如，在PB的表达式中)被设置有由ns×2表示的维度。对于第一维度中的每个脉冲序列状态，矩阵B可以包含为每个梯度存储的相位。这些是在采集信号之前施加的梯度脉冲，使得在信号采集期间自旋被赋予与该梯度脉冲相对应的相位。作为非限制性示例说明，在采集30x30相位编码的简单单相成像实验中，脉冲序列中有900个状态或沿一个方向有30个变化的梯度强度，且沿另一个方向有30个变化的梯度强度。矩阵B的每一行可以包含由于其对应的脉冲序列线的每个梯度而累积的相位。
在一些实施例中，可以被称为接收线圈灵敏度矩阵的矩阵C-(例如，在PC的表达式中)可以被设置有由nimage×2×ncoils表示的维度。对于通过第一维而引用的图像中的每个体素，第二维对应于该体素的幅度和相位，并且对应于在第三维中指定的每个接收线圈(对于多个线圈)的索引的幅度和相位。因此，矩阵C-存储整个图像上每个接收线圈的双分量(幅度和相位)灵敏度图。对于每个体素位置，矩阵C-中存储对于每个接收线圈的幅度和相位灵敏度。矩阵C+(也被称为发射线圈矩阵)可以以与C-相同的方式构造，但用于发射线圈。在一些实施例中，参数tw表示测量到回波的以回波时间为中心的时间窗口。
在定义图1的线性系统的维度时，可以提供测量的信号s的计算，其包含从所有状态和所有线圈记录的信号：
s＝((s0.0)T，(s0.1)T，(s0.2)T，(s0.3)T，...，(sns-1.1)T，(sns-1，2)T，(sns-1.3)T)
其中si，j分别对应于状态i和线圈j的测量的采集窗口。即，由于每个状态都是一个单脉冲序列线，所以线圈j指的是当第i个脉冲序列线被播出时记录信号的第j个线圈。因此，信号包含系统的所有可能测量结果，包括所有线圈、所有状态和整个采集窗口。也就是说，每个si，j都是一个向量(沿读出而记录的点)，并且它们都堆叠在一起形成一个更大的向量s，其包含所有状态、所有线圈和所有点，即由系统记录的所有信号。参考图1，向量s和图像向量m的长度分别为长度(s)＝ns×ncoils×nt和长度(m)＝nimage。在一些实施例中，向量m等于体素的数量。即，它可以是通过重建而确定的所有体素强度的线性排列或用户选择的图像尺寸，以基于其来重建图像。
因此，考虑到这两个长度，编码矩阵E的维度(即编码矩阵的行数和列数)由ns×ncoils×nt，nimage来表示。
在一些实施例中，来自接收线圈的数据在重建之前可能已经崩溃。在这种先验崩溃的情况下，上述公式可以被概况成只有一个线圈的情况，该线圈包含来自所有线圈的经调整和平均化的相位测量结果。在其他情况下，可以一次使用一个线圈来重建各个图像，并且然后在图像域中组合。在D.O.Walsh、A.F.Gmitro和M.W.Marcellin在MagneticResonance in Medicine(2000年5月1日)中发表的题为“相控阵MR图像的自适应重建”的非专利文献中讨论了图像域中的一些组合方法，其全文通过引用并入本文中。
在一些实施例中，用于提供增强的磁共振图像重建的方法包括具有约束的编码矩阵构造。该方法提供了用于图像重建的一般化框架，该一般化框架有利地实现了成功解决非线性梯度、非均匀B0磁场(即，非均匀主磁场)、图像采集期间的全局信号移位、发射线圈和接收线圈的不同灵敏度幅度和相位以及支持所有或几乎所有脉冲序列的接收到的信号的激发频率和带宽的通用编码矩阵设置。小波域中的可压缩性的附加约束和重建图像的平滑度也可以被同时优化。
此外，该方法有利地使用了同步迭代重建、共轭梯度和压缩感测求解器(它们是来求解由主磁场B0激发的曲线3D图像部分，该同步迭代重建、共轭梯度和压缩感测求解器是为了使用通用编码矩阵而设置的。此外，所提供的求解器可以在图形处理单元(GPU)上有利地进行优化，而无需一次性构建通用编码矩阵，从而允许求解非常大的线性系统(诸如每个具有大于例如500,000行和列的线性系统)的可能性。这可以通过存储其底层矩阵(例如A、B、C+、C-等)并动态构建它们来利用编码矩阵的结构来实现。此外，该方法进一步有利地提供了一种插值方法(例如，体积插值方法)以组合重叠的曲线3D图像部分以构建完整的矩形3D体积。
现在参考图2，主磁场B0通常可以被设计为优化切片内的线性度和同质性。然而，对于切片激发频率，如图3A-3D所示，主磁场上所有点经历大致相同程度的激发的等高线可以采用曲线表面的形式。在一些实施例中，可以求解曲线截面中所有点处的体素强度。假设椭圆几何形状，可以通过对数据进行线性回归拟合来提取曲线表面。在某些情况下，由于主B0磁场的形状，表面可能是曲线的。也就是说，它的等高线可以创建该形状。这样，当频率被激发时，共振频率与该激发频率匹配的弯曲区域也可以被激发，并且图像可以在该区域重建。对于多个切片，重建具有类似的曲线几何形状，并且可以显示为具有一定厚度的表面，其被称为平板(slab)。许多这样的平板可以在整个视场内重建，并被插值以构建3D矩形体积。
在一些实施例中，可以应用以下示例工作流程来识别要重建的特定平板。首先，选择以x、y和z参数定义的平板视场和分辨率，从中以x参数和y参数构建网格。以z参数定义的视场可以取决于发射线圈和接收线圈的带宽。
其次，使用例如回归模型从切片激发频率确定对应于平板的中心的表面。例如，为了构建回归模型，为拟合回归模型而设置的特征是对于已知的z值的x、y参数和频率(γB0)。在这种情况下，测量的主磁场数据用B0(x，y，z)表示(其中磁场通过被测量的所有位置的x，y，z来表示)，并且频率用γB0表示。由此，可以估计模型的系数。使用模型的系数和x和y上的网格，可以确定与这些x和y网格点对应的z位置。这构成了所期望的平板的中心表面。
接下来，使用所确定的平板中心表面，可以构建平行于中心表面的附加表面以跨越z中的视场。构建完成时，将提供整个平板的网格Gfi(x,y,z)，其中fl是激发的第l个频率。
从那里，可以在Gfi中的每个网格点处重建平板。因此，可以在沿网格的每个点提取主磁场B0，通过B0 G来引用。此外，还可以提取在这些位置处的梯度。根据各种实施例，如下面对于x轴的图4A和对于y轴的图4B中所示，这些梯度在空间上是非线性的，由此在x和y中来自这些梯度的磁场可以被称为分别在网格位置处的Bx G和By G。最后，发射线圈和接收线圈图的空间灵敏度也可以类似地确定。
因此，提供了一种用于识别要重建的第一表面的方法。第一表面可以是平板。第一表面可以具有曲线几何形状。该方法可以包括，选择第一表面的视场并选择x，y和z中的分辨率。该方法还可以包括在x和y中构建网格。该方法还可以包括，对于特定的切片激发频率，确定对应于第一表面的中心的第二表面。确定可以包括建立回归模型。该方法还可以包括构建平行于中心表面的附加第二表面。该构建可以跨越z中的视场以便为整个第一表面提供网格Gfi(x,y,z)，其中fl是激发的第l个频率。
重建
在一些实施例中，在如上所述建立线性系统之后，然后可以在一系列切片激发位置处求解图像m(被表示为上述曲线平板)。每个这样重建的图像被表示为msl，其中sl对应于被激发的切片的索引。在求解对于这些平板激发的多个这样的线性系统以生成一组重建{ms1,ms2,...,msn}之后，可以构建最终体积V，如下详述。
参考图1，在求解矩阵E的情况下，在整个信号向量s被采集之后或在依据所使用的方法而收集信号数据时重建开始。可以使用多种重建方法(单独或组合)来实现重建，包括例如同步迭代重建技术(SIRT)和共轭梯度方法(例如共轭梯度最小二乘法(CGLS)和具有压缩感测约束的共轭梯度求解器(CG-CS))。
因此，提供了一种在一系列切片激发位置处执行图像的重建的方法，该方法包括，构建编码矩阵E，采集信号向量s，以及应用从由以下各项组成的组中选择的重建方法：SIRT、CGLS、CG-CS及其组合。
在一些实施例中，SIRT还可以用于计算机断层扫描重建，在其中(一个或多个)测量结果中的每个观察以及编码矩阵中的对应行生成对图像的更新。本质上，计算来自所有行的投影，并且图像被同时连续地更新。此外，可以同时更新多个其他测量结果。
可以相对于最速下降法来解释共轭梯度法。最速下降法通常从解的初始化开始，并且通过在降低成本的方向上采取步骤来迭代收敛。这种迭代收敛可以继续进行，直到它达到一个足够接近的解，例如图像在需要更多的迭代的情况下也没有足够的变化。然而，最速下降方法可能会在编码矩阵中先前遍历的方向上采取步骤，这会导致效率低下。这对于收敛缓慢的条件差的系统尤其如此。
相比之下，共轭梯度方法通常依赖于正交搜索方向，在每个方向上进行一步直到收敛为止。共轭梯度方法可以与要同时最小化的附加正则化项一起使用。可以使用例如组合成本函数的导数来估计梯度。其他选项包括使用小波函数和测量图像中梯度变化的总变化项。
优化
由于编码矩阵的大尺寸和低秩，上面讨论的求解器可能特别慢，这使得现成的工具不切实际。例如，简单地在存储器中存储大小为300,000×200,000的矩阵是不可行的方法。因此，根据各种实施例，所提供的求解器可以有利地在图形处理单元(GPU)上进行优化，而无需一次性构建通用编码矩阵，从而允许求解非常大的线性系统(诸如每个具有大于例如500,000行和列的线性系统)的可能性。
这种优化机制的一个示例是计算统一设备架构
Figure BDA0003404191040000101
这是
Figure BDA0003404191040000102
用于数据并行计算的方法。这种方法提供了同时创建数十万个线程的能力。这些线程还可以通过共享线程块内的共享存储器部分来协作。CUDA‘内核’是为每个线程执行的代码块。根据线程自己的ID，这些内核可以执行数据的不同部分。这方面的一个示例可以是长度为10,000的向量的向量加法。在该示例中，10000个分量中的每一个都可以独立添加，并且每个分量都可以构成其自己的线程。该实例中的内核可以简单地在1至10,000之间的索引位置添加对应的标量值，这取决于线程的索引。
可以通过选择每个块的线程数量和块的数量来指定内核。修改这些参数可以在优化级别上生成一些差异。求解线性系统时并行化的两个常见任务是计算E乘以v以及EH乘以v，其中E是编码矩阵且v是任意向量。由于E矩阵可能非常大，所以该工具允许通过将所有矩阵(例如上述A-G矩阵)的适当值插入到编码矩阵公式中而选择该适当值来进行动态计算。
此外，还使用预先计算的指数图来代替在处理单元上计算指数以加快计算时间。
体积插值
如上所述，为各个切片激发{ms1,ms2,...,msn}重建各个曲线平板，由此可以从其构建最终体积V。这些是独立重建的各个曲线平板，然后被插入到单个3D矩形体积中。在体积插值阶段中，这些平板可能会重叠，并且因此可以被重建为3D体积。体积插值步骤考虑了来自多个平板的重叠强度，这些重叠强度可能共同对体素的强度做出贡献。下面详细讨论执行体积插值的步骤。
根据各种实施例，提供了一种用于执行体积插值的方法。该方法可以包括定义在其上重建图像的体积V。该定义可以通过在x，y，z方向上的视场和分辨率来指定(以跨越平板的边界)。该方法还可以包括，对于{ms1,ms2,...,msn}中的每个平板且对于多个网格位置(或所有网格位置)上的每个网格位置，找到指定网格点与3D体积上的最近(或相邻)体素之间的距离，并映射网格点处的强度(例如，各个切片激发的绝对值)及其到来自网格点的指定邻近度内的一个或多个平板的相邻体素的距离。该映射可以发生以使得网格点包含从所有平板映射的强度和对应距离的列表。该方法还可以包括，对于体积V中的每个体素，内插来自所有强度的强度值和分配给该强度的对应距离。该插值可以包括执行逆距离加权方法或衰减指数或高斯加权方法。
图5示出了图示根据本公开的一些实施例的用于基于磁共振成像信号来重建磁共振图像的方法的示例流程图。在块510处，在一些实施例中，可以使用MRI系统的发射线圈和RF源将包括磁场梯度和一个或多个RF脉冲序列的总磁场分别施加到感兴趣的样本或对象，以测量样本的一个或多个状态。即，可以将感兴趣的样本或对象放置在MRI系统中，以使得可以基于MRI系统的测量结果来重建感兴趣的样本或对象的磁共振图像。在一些情况下，总磁场可以包括可能不均匀的主磁场B0。
在块520处，MRI系统的接收线圈可以检测或采集MRI测量结果，其包括在采集窗口或时间段期间由感兴趣的样本或对象发出的磁共振信号。在一些实施例中，可以有多个接收线圈，每个都(例如，独立地)采集MRI测量结果。在某些情况下，接收线圈的灵敏度可能与发射线圈的灵敏度不同。
在块530处，在一些实施例中，可以使用线性系统模型来线性组合来自接收线圈的至少一些测量结果以生成编码矩阵，该编码矩阵可以建模或表示MRI系统中的所有或几乎所有分量，其至少包括磁场梯度、主磁场B0、发射线圈和接收线圈相位和幅度灵敏度、梯度剖面的形状、测量期间的读出梯度和相位(该相位可以包括在存在永久主磁场等情况下由x和y梯度引起的相位)等。也就是说，计算设备(例如，GPU)的处理器可以线性组合MRI测量数据的子集以生成第一编码矩阵，第一编码矩阵是第二编码矩阵的子矩阵，该第二编码矩阵被配置为(i)通过线性组合所有MRI测量数据而生成，以及(ii)表示样本的一个或多个状态、发射线圈和接收线圈。在一些实施例中，编码矩阵可以包括一个或多个编码子矩阵，其编码或表示由编码矩阵表示的所有或几乎所有分量中的一些分量。例如，子矩阵可以通过线性组合一些测量数据(例如，但不是全部)来生成，并且可以对MRI系统的一些但不是所有分量(例如，读出梯度和相位)进行编码。
在块540处，在一些实施例中，可以基于编码子矩阵的计算来确定MRI测量数据的特性。该特性可以包括一个或多个分量，例如在MRI测量期间采集的相位。在一些实施例中，线性组合以生成编码子矩阵的MRI测量数据的子集包括针对磁场梯度中的单个磁场梯度和样本的一个或多个状态中的单个状态的MRI测量数据；并且所确定的MRI测量数据的特性包括磁场梯度的读出梯度的形状。在一些实施例中，线性组合以生成编码子矩阵的MRI测量数据的子集包括接收线圈中的单个接收线圈或发射线圈的MRI测量数据；并且所确定的MRI测量数据的特性包括在样本的一个或多个状态的测量期间样本的相位信息。在一些实施例中，线性组合以生成第一编码子矩阵的MRI测量数据的子集包括针对接收线圈中的单个接收线圈或发射线圈的与样本的幅度和相位相关的MRI测量数据；并且确定的MRI测量数据的特性包括单个接收线圈或发射线圈的各自的幅度和相位灵敏度。在一些实施例中，在不生成第二编码矩阵的情况下确定MRI测量数据的特性。
在一些实施例中，该方法还包括基于所确定的MRI测量数据的特性通过处理器来重建样本的磁共振图像。在一些实施例中，重建磁共振图像包括将同步迭代重建技术(SIRT)、共轭梯度最小二乘法(CGLS)或具有压缩感测约束的共轭梯度求解器(CG-CS)中的一个或多个至少应用于所确定的MRI测量结果的特性。在一些实施例中，所确定的MRI测量结果的特性选自由以下各项组成的组：磁场梯度的读出梯度的形状、在样本的一个或多个状态的测量期间样本的相位信息以及单个接收线圈或发射线圈各自的幅度和相位灵敏度。
在一些实施例中，单个接收线圈的幅度和相位灵敏度不同于发射线圈的幅度和相位灵敏度。在一些实施例中，磁场梯度是非线性磁场梯度。在一些实施例中，总磁场包括非均匀静磁场。
计算机实现的系统
在各种实施例中，用于从磁共振成像信号重建磁共振图像的方法可以通过计算机软件或硬件来实现。即，本文公开的方法(例如，图5中的500)可以在包括处理器和引擎的计算设备上实现，该处理器和引擎接收输入并生成输出。在各种实施例中，计算设备可以经由直接连接或通过互联网连接通信地连接到数据存储装置或存储器和显示设备。
图6是示出可在其上实施本教导的实施例的计算机系统600的框图。在本教导的各种实施例中，计算机系统600可以包括用于传递信息的总线602或其他通信机制以及与总线602耦接以处理信息的处理器604。在各种实施例中，计算机系统600还可以包括存储器，其可以是随机存取存储器(RAM)606或其他动态存储设备，并且被耦接到总线602以用于确定要由处理器604执行的指令。还可以使用存储器来在要由处理器604执行的指令的执行期间存储临时变量或其他中间信息。在各种实施例中，计算机系统600还可以包括只读存储器(ROM)608或耦接到总线602的其他静态存储设备，以用于存储静态信息以及用于处理器604的指令。可以提供诸如磁盘或光盘之类的存储设备610并将其耦接到总线602以用于存储信息和指令。在一些实施例中，计算机系统可以是图形处理单元(GPU)。
在各种实施例中，计算机系统600可以通过总线602耦接到显示器612，例如阴极射线管(CRT)或液晶显示器(LCD)，以用于向计算机用户显示信息。包括字母数字键和其他键的输入设备614可以耦接到总线602以将信息和命令选择传递到处理器604。另一种类型的用户输入设备是光标控件616，例如鼠标、轨迹球或光标方向键(其用于向处理器604传递方向信息和命令选择以及用于控制显示器612上的光标移动)。该输入设备614通常在两个轴(第一轴(即x)和第二轴(即y))上具有两个自由度，这允许设备指定平面中的位置。然而，应当理解，这里还考虑允许3维(x、y和z)光标移动的输入设备614。
与本教导的某些实施方式一致，响应于处理器604执行包含在存储器606中的一个或多个指令的一个或多个序列，计算机系统600可以提供结果。这样的指令可以从另一个计算机可读介质或计算机可读存储介质(例如存储设备610)读入到存储器606中。包含在存储器606中的指令序列的执行可以使处理器604执行这里描述的过程。或者，可以使用硬连线电路代替软件指令或与软件指令结合使用以实现本教导。因此，本教导的实现不限于硬件电路和软件的任何特定组合。
本文使用的术语“计算机可读介质”(例如，数据存储、数据存储装置等)或“计算机可读存储介质”是指参与向处理器604提供指令以供执行的任何介质。这种介质可以采用多种形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质的示例可以包括但不限于动态存储器，例如存储器606。传输介质的示例可以包括但不限于同轴电缆、铜线和光纤(包括具有总线602的电线)。
计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带或任何其他磁介质、CD-ROM、任何其他光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM和EPROM、FLASH-EPROM、另一存储芯片或盒式磁带或计算机可读取的任何其他有形介质。
除了计算机可读介质之外，指令或数据可以作为信号提供在包括于通信装置或系统中的传输介质上，以将一个或多个指令序列提供给计算机系统600的处理器604以供执行。例如，通信装置可以包括具有指示指令和数据的信号的收发器。指令和数据被配置为使一个或多个处理器实现本文公开中概述的功能。数据通信传输连接的代表性示例可以包括但不限于电话调制解调器连接、广域网(WAN)、局域网(LAN)、红外数据连接、NFC连接等。
应当理解，可以使用计算机系统600作为独立设备或在分布式网络或共享计算机处理资源(例如云计算网络)上来实现本文描述的方法、流程图、图表和随附的公开内容。
这里描述的方法可以根据应用通过各种方式来实现。例如，这些方法可以在硬件、固件、软件或其任何组合中实现。对于硬件实现，处理单元可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、电子设备、被设计成执行本文所述功能的其他电子单元、或其组合中实现。
在各种实施例中，本教导的方法可以被实现为固件和/或以诸如C、C++、Python等常规编程语言编写的软件程序和应用程序。如果被实现为固件和/或软件，这里描述的实施例可以在非暂时性计算机可读介质上实现，该非暂时性计算机可读介质存储了用于使计算机执行上述方法的程序。应当理解，这里描述的各种引擎可以被提供在计算机系统(例如计算机系统600)上，由此处理器604将根据由存储器组件606/608/610中的任何一个或组合提供的指令和通过输入设备614提供的用户输入来执行由这些引擎提供的分析和确定。
图7示出了说明根据本公开的一些实施例的用于基于磁共振成像信号来重建磁共振图像的MRI系统700的示例框图。在一些实施例中，MRI系统700可以包括发射线圈710、射频源720、接收线圈730和处理器740。在一些实施例中，MRI系统700可以耦接到计算设备750或与其通信，该计算设备750被配置为接收来自MRI系统700的输出以用于进一步分析、呈现等。在一些实施例中，处理器740可以是计算设备750的一部分或者计算设备750可以是MRI系统700的组件。
在一些实施例中，发射线圈和射频(RF)源可以被配置为分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场，以测量样本的一个或多个状态。此外，在一些实施例中，一个或多个接收线圈可以被配置为在采集窗口期间采集包括由样本发出的包括磁共振信号数据的MRI测量数据。此外，在一些实施例中，处理器被配置为从一个或多个接收线圈接收MRI测量数据。此外，处理器可以被配置为线性组合MRI测量数据的子集以生成第一编码矩阵，该第一编码矩阵是第二编码矩阵的子矩阵，该第二编码矩阵被配置为(i)通过线性组合所有MRI测量数据而生成，以及(ii)标识样本的一个或多个状态、发射线圈和接收线圈。此外，处理器可以被配置为基于第一编码矩阵的计算来确定MRI测量数据的特性。在一些实施例中，处理器还可以被配置为基于所确定的MRI测量数据的特性来重建样本的磁共振图像。
虽然结合各种实施例描述了本教导，但本教导并不旨在限于这些实施例。相反，如本领域技术人员将理解的，本教导包含各种替代、修改和等效物等。
在描述各种实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，就该方法或过程不依赖于本文所述的特定步骤顺序而言，该方法或过程不应限于所描述的特定步骤顺序，并且本领域技术人员可以容易地理解顺序可以改变并且仍然保持在各种实施例的精神和范围内。
尽管已经示出和描述了说明性实施例，但是在前述公开中设想了大范围的修改、改变和替换，并且在一些情况下，可以采用实施例的一些特征而无需对应地使用其他特征。本领域的普通技术人员会认识到许多变化、替代和修改。因此，本发明的范围应仅由所附权利要求来限制，并且适当地以与本文公开的实施例的范围一致的方式来宽泛地解释权利要求。
虽然本说明书包含许多具体的实施细节，但这些不应被解释为对任何发明的范围或可能要求保护的范围的限制，而是对特定发明的特定实施方式特有的特征的描述。本说明书中在单独实现的上下文中描述的某些特征也可以在单个实现中组合实现。相反，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实现中实现。此外，虽然上述特征可能被描述为在某些组合中起作用，甚至最初像这样要求保护，但在某些情况下可以从组合中删除来自所要求保护的组合的一个或多个特征，并且要求保护的组合可以针对子组合或子组合的变体。
类似地，虽然以特定顺序在附图中描绘了操作，但这不应被理解为要求以所示出的特定顺序或先后顺序来执行此类操作，或者执行所有所示出的操作，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施方式中各个系统组件的分离不应被理解为在所有实施方式中都需要这样的分离，并且应当理解的是，所描述的程序组件和系统一般可以集成在单个软件产品中或打包成多个软件产品。
对“或”的引用可以被解释为包含性的，使得使用“或”描述的任何术语可以指示所描述的术语中的单个术语、多于一个术语和所有术语。标记“第一”、“第二”、“第三”等等不一定意味着指示排序并且通常仅用于区分相同或相似的项或元素。
对本公开中描述的实施方式的各种修改对于本领域技术人员来说是显而易见的，并且在不脱离本公开的精神或范围的情况下，本文定义的一般原理可以被应用于其他实施方式。因此，权利要求不旨在限于本文所示的实施方式，而是符合与本公开、本文公开的原理和新颖特征一致的最宽范围。
实施例的叙述
实施例1.一种磁共振成像(MRI)的方法，包括：使用发射线圈和射频(RF)源来分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场,以测量样本的一个或多个状态；从一个或多个接收线圈接收由所述接收线圈在采集窗口期间采集的MRI测量数据，所述MRI测量数据包括由所述样本发出的磁共振信号数据；通过处理器线性组合所述MRI测量数据的子集以生成第一编码矩阵，所述第一编码矩阵是第二编码矩阵的子矩阵，所述第二编码矩阵被配置为(i)通过线性组合所有所述MRI测量数据而生成，以及(ii)表示所述样本的所述一个或多个状态、所述发射线圈和所述接收线圈；以及由所述处理器基于所述第一编码矩阵的计算来确定所述MRI测量数据的特性。
实施例2.根据实施例1所述的方法，其中：被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述磁场梯度中的单个磁场梯度和所述样本的所述一个或多个状态中的单个状态的MRI测量数据；并且所确定的MRI测量数据的特性包括所述磁场梯度的读出梯度的形状。
实施例3.根据实施例1或2所述的方法，其中：被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的MRI测量数据；并且所确定的MRI测量数据的特性包括在所述样本的所述一个或多个状态的测量期间所述样本的相位信息。
实施例4.根据实施例1至3中任一项所述的方法，其中：被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的与所述样本的幅度和相位相关的MRI测量数据，并且所确定的MRI测量数据的特性包括所述单个接收线圈或所述发射线圈的各自的幅度和相位灵敏度。
实施例5.根据实施例4的方法，其中，所述单个接收线圈的幅度和相位灵敏度不同于所述发射线圈的幅度和相位灵敏度。
实施例6.根据实施例1至5中任一项所述的方法，其中，所述磁场梯度是非线性磁场梯度。
实施例7.根据实施例1至6中任一项所述的方法，其中，所述总磁场包括非均匀静磁场。
实施例8.根据实施例1至7中任一项所述的方法，还包括通过处理器基于所确定的MRI测量数据的特性来重建所述样本的磁共振图像。
实施例9.根据实施例8所述的方法，其中，重建所述磁共振图像包括将同步迭代重建技术(SIRT)、共轭梯度最小二乘(CGLS)方法、或具有压缩感测约束的共轭梯度求解器(CG-CS)中的一个或多个至少应用于所确定的MRI测量数据的特性。
实施例10.根据实施例1至9中任一项所述的方法，其中，所确定的MRI测量数据的特性选自由以下各项组成的组：所述磁场梯度的读出梯度的形状、在所述样本的所述一个或多个状态的测量期间所述样本的相位信息以及所述接收线圈或所述发射线圈各自的幅度和相位灵敏度。
实施例11.根据实施例1至10中任一项所述的方法，其中，在不生成所述第二编码矩阵的情况下确定所述MRI测量数据的特性。
实施例12.一种磁共振成像(MRI)系统，包括:发射线圈和射频(RF)源，其被配置为分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场，以测量样本的一个或多个状态；一个或多个接收线圈，其被配置为在采集窗口期间采集包括由所述样本发出的磁共振信号数据的MRI测量数据；处理器，其被配置为：从所述一个或多个接收线圈来接收所述MRI测量数据；线性组合所述MRI测量数据的子集以生成第一编码矩阵，所述第一编码矩阵是第二编码矩阵的子矩阵，所述第二编码矩阵被配置为(i)通过线性组合所有MRI测量数据而生成，以及(ii)表示所述样本的一个或多个状态、发射线圈和接收线圈；基于所述第一编码矩阵的计算来确定所述MRI测量数据的特性。
实施例13.根据实施例12所述的系统，其中，被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述磁场梯度中的单个磁场梯度和所述样本的所述一个或多个状态中的单个状态的MRI测量数据；以及所确定的MRI测量数据的特性包括所述磁场梯度的读出梯度的形状。
实施例14.根据实施例12或13所述的系统，其中，被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的MRI测量数据；以及所确定的MRI测量数据的特性包括所述样本的所述一个或多个状态的测量期间所述样本的相位信息。
实施例15.根据实施例12至14中任一项所述的系统，其中，被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的与所述样本的幅度和相位相关的MRI测量数据，以及所确定的MRI测量数据的特性包括所述单个接收线圈或所述发射线圈的各自的幅度和相位灵敏度。
实施例16.根据实施例15的系统，其中，所述单个接收线圈的幅度和相位灵敏度不同于所述发射线圈的幅度和相位灵敏度。
实施例17.根据实施例12至16中任一项所述的系统，其中，所述磁场梯度是非线性磁场梯度。
实施例18.根据实施例12至17中任一项所述的系统，其中，所述总磁场包括非均匀静磁场。
实施例19.根据实施例12至18中任一项所述的系统，其中，所述处理器还被配置为基于所确定的MRI测量数据的特性来重建所述样本的磁共振图像。
实施例20.根据实施例19所述的系统，其中，重建所述磁共振图像包括将同步迭代重建技术(SIRT)、共轭梯度最小二乘(CGLS)方法或具有压缩感测约束的共轭梯度求解器(CG-CS)中的一个或多个至少应用于所确定的MRI测量数据的特性。
实施例21.根据实施例12至20中任一项所述的系统，其中，所确定的MRI测量数据的特性选自由以下各项组成的组：所述磁场梯度的读出梯度的形状、在所述样本的所述一个或多个状态的测量期间所述样本的相位信息以及所述接收线圈或所述发射线圈各自的幅度和相位灵敏度。
实施例22.根据实施例12至21中任一项所述的系统，其中，在不生成所述第二编码矩阵的情况下确定所述MRI测量数据的特性。

Claims (22)

1.一种磁共振成像(MRI)的方法，包括：
使用发射线圈和射频(RF)源来分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场,以测量样本的一个或多个状态；
从一个或多个接收线圈接收由所述接收线圈在采集窗口期间采集的MRI测量数据，所述MRI测量数据包括由所述样本发出的磁共振信号数据；
通过处理器线性组合所述MRI测量数据的子集以生成第一编码矩阵，所述第一编码矩阵是第二编码矩阵的子矩阵，所述第二编码矩阵被配置为(i)通过线性组合所有所述MRI测量数据而生成，以及(ii)表示所述样本的所述一个或多个状态、所述发射线圈和所述接收线圈；以及
通过所述处理器基于所述第一编码矩阵的计算来确定所述MRI测量数据的特性。
2.根据权利要求1所述的方法，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述磁场梯度中的单个磁场梯度和所述样本的所述一个或多个状态中的单个状态的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述磁场梯度的读出梯度的形状。
3.根据权利要求1所述的方法，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述样本的所述一个或多个状态的测量期间所述样本的相位信息。
4.根据权利要求1所述的方法，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的与所述样本的幅度和相位相关的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述接收线圈的所述单个接收线圈或所述发射线圈的各自的幅度和相位灵敏度。
5.根据权利要求4的方法，其中，所述接收线圈中的所述单个接收线圈的所述幅度和相位灵敏度不同于所述发射线圈的所述幅度和相位灵敏度。
6.根据权利要求1所述的方法，其中，所述磁场梯度是非线性磁场梯度。
7.根据权利要求1所述的方法，其中，所述总磁场包括非均匀静磁场。
8.根据权利要求1所述的方法，还包括通过所述处理器基于所确定的所述MRI测量数据的特性来重建所述样本的磁共振图像。
9.根据权利要求8所述的方法，其中，所述重建所述磁共振图像包括将同步迭代重建技术(SIRT)、共轭梯度最小二乘(CGLS)方法、或具有压缩感测约束的共轭梯度求解器(CG-CS)中的一个或多个至少应用于所确定的所述MRI测量数据的特性。
10.根据权利要求1所述的方法，其中，所确定的所述MRI测量数据的特性选自由以下各项组成的组：所述磁场梯度的读出梯度的形状、在所述样本的所述一个或多个状态的测量期间所述样本的相位信息以及所述接收线圈中的单个接收线圈或所述发射线圈各自的幅度和相位灵敏度。
11.根据权利要求1所述的方法，其中，在不生成所述第二编码矩阵的情况下确定所述MRI测量数据的特性。
12.一种磁共振成像(MRI)系统，包括：
发射线圈和射频(RF)源，其被配置为分别施加包括磁场梯度和一个或多个RF脉冲序列的总磁场，以测量样本的一个或多个状态；
一个或多个接收线圈，其被配置为在采集窗口期间采集包括由所述样本发出的磁共振信号数据的MRI测量数据；以及
处理器，其被配置为：
从所述一个或多个接收线圈来接收所述MRI测量数据；
线性组合所述MRI测量数据的子集以生成第一编码矩阵，所述第一编码矩阵是第二编码矩阵的子矩阵，所述第二编码矩阵被配置为(i)通过线性组合所有所述MRI测量数据而生成，以及(ii)表示所述样本的一个或多个状态、所述发射线圈和所述接收线圈；以及
基于所述第一编码矩阵的计算来确定所述MRI测量数据的特性。
13.根据权利要求12所述的系统，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述磁场梯度中的单个磁场梯度和所述样本的所述一个或多个状态中的单个状态的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述磁场梯度的读出梯度的形状。
14.根据权利要求12所述的系统，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述样本的所述一个或多个状态的测量期间所述样本的相位信息。
15.根据权利要求12所述的系统，其中：
被线性组合以生成所述第一编码矩阵的所述MRI测量数据的子集包括针对所述接收线圈中的单个接收线圈或所述发射线圈的与所述样本的幅度和相位相关的所述MRI测量数据；以及
所确定的所述MRI测量数据的特性包括所述接收线圈中的所述单个接收线圈或所述发射线圈的各自的幅度和相位灵敏度。
16.根据权利要求15的系统，其中，所述接收线圈中的所述单个接收线圈的所述幅度和相位灵敏度不同于所述发射线圈的所述幅度和相位灵敏度。
17.根据权利要求12所述的系统，其中，所述磁场梯度是非线性磁场梯度。
18.根据权利要求12所述的系统，其中，所述总磁场包括非均匀静磁场。
19.根据权利要求12所述的系统，其中，所述处理器还被配置为基于所确定的所述MRI测量数据的特性来重建所述样本的磁共振图像。
20.根据权利要求19所述的系统，其中，所述重建所述磁共振图像包括将同步迭代重建技术(SIRT)、共轭梯度最小二乘(CGLS)方法、或具有压缩感测约束的共轭梯度求解器(CG-CS)中的一个或多个至少应用于所确定的所述MRI测量数据的特性。
21.根据权利要求12所述的系统，其中，所确定的所述MRI测量数据的特性选自由以下各项组成的组：所述磁场梯度的读出梯度的形状、在所述样本的所述一个或多个状态的测量期间所述样本的相位信息以及所述接收线圈中的单个接收线圈或所述发射线圈各自的幅度和相位灵敏度。
22.根据权利要求12所述的系统，其中，在不生成所述第二编码矩阵的情况下确定所述MRI测量数据的特性。
CN202080042821.5A 2019-06-25 2020-06-25 用于磁共振成像中的图像重建的系统和方法 Pending CN113994225A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962866533P 2019-06-25 2019-06-25
US62/866,533 2019-06-25
PCT/US2020/039667 WO2020264194A1 (en) 2019-06-25 2020-06-25 Systems and methods for image reconstruction in magnetic resonance imaging

Publications (1)

Publication Number Publication Date
CN113994225A true CN113994225A (zh) 2022-01-28

Family

ID=74059965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080042821.5A Pending CN113994225A (zh) 2019-06-25 2020-06-25 用于磁共振成像中的图像重建的系统和方法

Country Status (12)

Country Link
US (1) US11953573B2 (zh)
EP (1) EP3990935A4 (zh)
JP (1) JP2022537916A (zh)
KR (1) KR20220024425A (zh)
CN (1) CN113994225A (zh)
AU (1) AU2020308866A1 (zh)
BR (1) BR112021024937A2 (zh)
CA (1) CA3142022A1 (zh)
IL (1) IL289101A (zh)
MX (1) MX2021015362A (zh)
SG (1) SG11202112987SA (zh)
WO (1) WO2020264194A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220024425A (ko) 2019-06-25 2022-03-03 프로맥소 인크. 자기 공명 이미징에서의 이미지 재구성을 위한 시스템들 및 방법들
IL295015A (en) 2020-01-23 2022-09-01 Promaxo Inc mri-guided robotic systems and methods for biopsy
WO2021168291A2 (en) 2020-02-20 2021-08-26 Promaxo, Inc. Radio frequency reception coil networks for single-sided magnetic resonance imaging
AU2021235957A1 (en) 2020-03-09 2022-11-03 Promaxo, Inc. Pulse sequences and frequency sweep pulses for single-sided magnetic resonance imaging
JP2023516474A (ja) 2020-03-09 2023-04-19 プロマクソ インコーポレイテッド 不均一磁場における磁気共鳴撮像のための周波数掃引パルスを用いた位相符号化
KR20240014051A (ko) 2021-04-26 2024-01-31 프로맥소 인크. Mri 가이드된 골반 중재술을 위한 중재적 국소화 가이드 및 방법
WO2023133071A1 (en) 2022-01-04 2023-07-13 Promaxo, Inc. Relaxation-based magnetic resonance thermometry with a low-field single-sided mri scanner

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020093334A1 (en) * 1999-11-30 2002-07-18 Yudong Zhu K-space synthesis for MR imaging in the presence of gradient field nonlinearity
US20040113615A1 (en) * 2002-12-11 2004-06-17 The Board Of Trustees Of The Leland Stanford Junior University Characterization of the effect of spatial gradient field distortions in diffusion-weighted imaging
US20060058634A1 (en) * 2004-09-10 2006-03-16 Ge Medical Systems Global Technology Company, Llc MR image production method and MRI apparatus
CN101248366A (zh) * 2005-08-23 2008-08-20 皇家飞利浦电子股份有限公司 用于并行磁共振成像的设备和方法
US20110148410A1 (en) * 2009-12-23 2011-06-23 Universitaetsklinikum Freiburg Method for data acquisition acceleration in magnetic resonance imaging (MRI) using receiver coil arrays and non-linear phase distributions
CN102947721A (zh) * 2010-06-23 2013-02-27 皇家飞利浦电子股份有限公司 考虑高阶动态场重建对象的磁共振图像的方法
CN102973271A (zh) * 2011-12-12 2013-03-20 中国科学院深圳先进技术研究院 磁共振动态成像方法及系统
CN103033784A (zh) * 2012-12-12 2013-04-10 厦门大学 一种射频脉冲控制的压缩感知磁共振成像方法
CN103505207A (zh) * 2012-06-18 2014-01-15 山东大学威海分校 一种基于压缩感知技术的快速有效的动态磁共振成像方法
CN104965184A (zh) * 2015-05-25 2015-10-07 厦门大学 基于时空编码单扫描磁共振成像的螺旋采样及重建方法
WO2015164793A1 (en) * 2014-04-25 2015-10-29 Mayo Foundation For Medical Education And Research Integrated image reconstruction and gradient non-linearity correction for magnetic resonance imaging
CN106556813A (zh) * 2016-11-25 2017-04-05 上海辰光医疗科技股份有限公司 一种磁共振系统中主动匀场线圈的线性混合优化方法
CN107274462A (zh) * 2017-06-27 2017-10-20 哈尔滨理工大学 基于熵和几何方向的分类多字典学习磁共振图像重建方法
CN107615089A (zh) * 2014-01-03 2018-01-19 朱宇东 压缩感知和mri的建模和验证方法
CN108717171A (zh) * 2018-05-24 2018-10-30 上海理工大学 一种压缩感知低场磁共振成像算法
CN109791187A (zh) * 2016-08-25 2019-05-21 皇家飞利浦有限公司 B0校正灵敏度编码磁共振成像

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009037710A2 (en) 2007-09-20 2009-03-26 Topspin Medical (Israel) Ltd. Dual imaging endoscopic probe with a self-contained mri module and an ultrasound imaging module
US20090285463A1 (en) * 2008-04-18 2009-11-19 Ricardo Otazo Superresolution parallel magnetic resonance imaging
CN105182263A (zh) * 2008-04-28 2015-12-23 康奈尔大学 分子mri中的磁敏度精确量化
US9229081B2 (en) 2009-12-22 2016-01-05 Yale University Accelerated MRI with nonlinear spatial encoding gradients
WO2015077428A1 (en) 2013-11-22 2015-05-28 Yale University Single-echo imaging with nonlinear magnetic gradients
US9594134B2 (en) * 2014-01-22 2017-03-14 Wisconsin Alumni Research Foundation System and method for fully phase-encoded magnetic resonance imaging using multiband radio frequency excitation
US10663551B2 (en) 2015-02-10 2020-05-26 Voxelgrids Innovations Private Limited Method for constructing image from MRI data
US10120049B2 (en) 2015-05-18 2018-11-06 The Johns Hopkins University System and method of obtaining spatially-encoded NMR parameters from arbitrarily-shaped compartments and linear algebraic modeling
US9569843B1 (en) * 2015-09-09 2017-02-14 Siemens Healthcare Gmbh Parameter-free denoising of complex MR images by iterative multi-wavelet thresholding
US10459051B2 (en) * 2017-01-05 2019-10-29 Siemens Healthcare Gmbh Field of view increase in magnetic resonance imaging using nonlinear gradients and generalized iterative reconstruction
AU2020223171A1 (en) 2019-02-15 2021-09-02 Promaxo, Inc. Systems and methods for ultralow field relaxation dispersion
USD895803S1 (en) 2019-02-21 2020-09-08 Promaxo, Inc. Analytical device
JP7170148B2 (ja) 2019-02-22 2022-11-11 プロマクソ インコーポレイテッド 可変同調を用いた擬似バードケージコイルおよびその応用
US20220113361A1 (en) 2019-02-22 2022-04-14 Promaxo, Inc. Systems and methods for performing magnetic resonance imaging
KR102436951B1 (ko) 2019-03-25 2022-08-26 프로맥소 인크. 단면 mri 시스템에서 체적 취득을 위한 시스템들 및 방법들
JP7119241B2 (ja) 2019-03-25 2022-08-16 プロマクソ インコーポレイテッド 片面式高速ｍｒｉ勾配磁場コイルおよびその応用
KR20220024425A (ko) 2019-06-25 2022-03-03 프로맥소 인크. 자기 공명 이미징에서의 이미지 재구성을 위한 시스템들 및 방법들

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020093334A1 (en) * 1999-11-30 2002-07-18 Yudong Zhu K-space synthesis for MR imaging in the presence of gradient field nonlinearity
US20040113615A1 (en) * 2002-12-11 2004-06-17 The Board Of Trustees Of The Leland Stanford Junior University Characterization of the effect of spatial gradient field distortions in diffusion-weighted imaging
US20060058634A1 (en) * 2004-09-10 2006-03-16 Ge Medical Systems Global Technology Company, Llc MR image production method and MRI apparatus
CN101248366A (zh) * 2005-08-23 2008-08-20 皇家飞利浦电子股份有限公司 用于并行磁共振成像的设备和方法
US20110148410A1 (en) * 2009-12-23 2011-06-23 Universitaetsklinikum Freiburg Method for data acquisition acceleration in magnetic resonance imaging (MRI) using receiver coil arrays and non-linear phase distributions
US20130088230A1 (en) * 2010-06-23 2013-04-11 Koninklijke Philips Electronics N.V. Method of reconstructing a magnetic resonance image of an object considering higher-order dynamic fields
CN102947721A (zh) * 2010-06-23 2013-02-27 皇家飞利浦电子股份有限公司 考虑高阶动态场重建对象的磁共振图像的方法
CN102973271A (zh) * 2011-12-12 2013-03-20 中国科学院深圳先进技术研究院 磁共振动态成像方法及系统
CN103505207A (zh) * 2012-06-18 2014-01-15 山东大学威海分校 一种基于压缩感知技术的快速有效的动态磁共振成像方法
CN103033784A (zh) * 2012-12-12 2013-04-10 厦门大学 一种射频脉冲控制的压缩感知磁共振成像方法
CN107615089A (zh) * 2014-01-03 2018-01-19 朱宇东 压缩感知和mri的建模和验证方法
WO2015164793A1 (en) * 2014-04-25 2015-10-29 Mayo Foundation For Medical Education And Research Integrated image reconstruction and gradient non-linearity correction for magnetic resonance imaging
CN104965184A (zh) * 2015-05-25 2015-10-07 厦门大学 基于时空编码单扫描磁共振成像的螺旋采样及重建方法
CN109791187A (zh) * 2016-08-25 2019-05-21 皇家飞利浦有限公司 B0校正灵敏度编码磁共振成像
CN106556813A (zh) * 2016-11-25 2017-04-05 上海辰光医疗科技股份有限公司 一种磁共振系统中主动匀场线圈的线性混合优化方法
CN107274462A (zh) * 2017-06-27 2017-10-20 哈尔滨理工大学 基于熵和几何方向的分类多字典学习磁共振图像重建方法
CN108717171A (zh) * 2018-05-24 2018-10-30 上海理工大学 一种压缩感知低场磁共振成像算法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
CLARISSA ZIMMERMAN COOLEY: "Two-dimensional imaging in a lightweight portable MRI scanner without gradient coils", 《MAGNETIC RESONANCE IN MEDICINE》, 25 March 2014 (2014-03-25), pages 872 - 883 *
SIDDIQUI, MF: "FPGA implementation of real-time SENSE reconstruction using pre-scan and Emaps sensitivities", 《MAGNETIC RESONANCE IMAGING》, 23 August 2017 (2017-08-23), pages 82 - 91 *
刘晓芳;叶修梓;张三元;李霞;: "基于变量分裂法的稀疏约束并行磁共振图像重建", 模式识别与人工智能, no. 01, 15 January 2013 (2013-01-15) *
吴春俐;胡文娟;阚如文;于健;: "一种改进的磁共振并行成像k空间数据采集算法", 东北大学学报(自然科学版), no. 08, 15 August 2011 (2011-08-15) *
杨开;王青;: "高场MRIBLAND序列在上腹部及脊柱检查中的应用", 中国医药指南, no. 04, 10 February 2015 (2015-02-10) *
王宁;金贻荣;邓辉;吴玉林;郑国林;李绍;田野;任育峰;陈莺飞;郑东宁;: "基于高温超导量子干涉仪的超低场核磁共振成像研究", 物理学报, no. 21, 8 November 2012 (2012-11-08) *

Also Published As

Publication number Publication date
AU2020308866A1 (en) 2021-12-23
EP3990935A1 (en) 2022-05-04
EP3990935A4 (en) 2024-01-03
MX2021015362A (es) 2022-01-24
CA3142022A1 (en) 2020-12-30
IL289101A (en) 2022-02-01
BR112021024937A2 (pt) 2022-01-25
JP2022537916A (ja) 2022-08-31
SG11202112987SA (en) 2021-12-30
WO2020264194A1 (en) 2020-12-30
KR20220024425A (ko) 2022-03-03
US20220342020A1 (en) 2022-10-27
US11953573B2 (en) 2024-04-09

Similar Documents

Publication Publication Date Title
CN113994225A (zh) 用于磁共振成像中的图像重建的系统和方法
Sumpf et al. Fast T2 mapping with improved accuracy using undersampled spin-echo MRI and model-based reconstructions with a generating function
Gai et al. More IMPATIENT: A gridding-accelerated Toeplitz-based strategy for non-Cartesian high-resolution 3D MRI on GPUs
EP3308186A1 (en) Mr imaging using a stack-of-stars acquisition
CN113924503B (zh) 时域磁共振的参数图确定
US20200341094A1 (en) Multi-contrast mri image reconstruction using machine learning
KR102629667B1 (ko) 가속 자기 공명 이미징을 위한 방법 및 장치
EP2402780A1 (en) Method of reconstructing a magnetic resonance image of an object considering higher-order dynamic fields
CN110082696B (zh) 一种多回波序列的成像方法和装置
JP6762284B2 (ja) 磁気共鳴イメージング装置およびノイズ除去方法
CN113030813B (zh) 一种磁共振t2定量成像方法及系统
JP7023954B2 (ja) プロペラｍｒイメージング
US11360176B2 (en) Reconstruction of magnetic-resonance datasets using machine learning
CN110542872B (zh) 磁共振成像方法及设备、相位信息的获取方法及装置
US10866296B2 (en) Magnetic resonance imaging apparatus and calculation image generation method using pulse sequence
OA20942A (en) Systems and methods for image reconstruction in magnetic resonance imaging.
CN113050009A (zh) 三维磁共振快速参数成像方法和装置
WO2018037868A1 (ja) 磁気共鳴イメージング装置および画像再構成方法
JP7448418B2 (ja) 磁気共鳴イメージング装置、及び、磁気共鳴イメージング方法
JP7377231B2 (ja) 磁気共鳴イメージング装置、及び、画像処理方法
US20230280430A1 (en) Image Reconstruction from Magnetic Resonance Measurement Data with a Trained Function
CN116953582A (zh) 磁共振成像设备的多个线圈灵敏度图和sense重建
Schilt Accelerating MRI with optimized sampling patterns in Pulseq
Schultz et al. Iterative Reconstruction in PatLoc Imaging
Sharma et al. Highly-accelerated Bloch-Siegert.

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40065354

Country of ref document: HK