CN116630213A - 4d-mri图像的获取方法、装置及存储介质 - Google Patents
4d-mri图像的获取方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116630213A CN116630213A CN202310518295.0A CN202310518295A CN116630213A CN 116630213 A CN116630213 A CN 116630213A CN 202310518295 A CN202310518295 A CN 202310518295A CN 116630213 A CN116630213 A CN 116630213A
- Authority
- CN
- China
- Prior art keywords
- image
- mri
- acquiring
- images
- mri image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 230000033001 locomotion Effects 0.000 claims abstract description 34
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 96
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000000747 cardiac effect Effects 0.000 description 7
- 230000003187 abdominal effect Effects 0.000 description 6
- 230000000241 respiratory effect Effects 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000000004 hemodynamic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 210000005166 vasculature Anatomy 0.000 description 2
- 208000006678 Abdominal Neoplasms Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 201000003883 Cystic fibrosis Diseases 0.000 description 1
- 238000012307 MRI technique Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003875 gradient-accelerated spectroscopy Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 210000004258 portal system Anatomy 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009278 visceral effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请实施例公开了一种4D‑MRI图像的获取方法、装置及存储介质,其中4D‑MRI图像的获取方法包括:基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D‑MRI图像作为原始4D‑MRI图像;使用图像配准算法单独估计所述3D‑MRI图像中存在的三维扫描空间变形,以对输入的所述3D‑MRI图像中噪声引起的运动潜在变形扰动进行补偿;基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D‑MRI图像的连续帧,以增强每一帧的所述3D‑MRI图像,最终得到目标4D‑MRI图像。解决现有技术中的获取4D‑MRI图像的方法都需要获取多张具有足够信噪比的2D或3D图像,这在MR采集过程中存在图像视场、空间分辨率、帧数、体素大小或采集时间等方面的限制的问题。
Description
技术领域
本申请涉及医学图像处理技术领域,具体涉及一种4D-MRI图像的获取方法、装置及存储介质。
背景技术
四维核磁共振(4D-MRI,four-dimensional magnetic resonance imaging)是一种定量MRI技术,可以对三维成像体积的时间分辨血液动力学和血管解剖进行综合评估。它不仅可以可视化复杂腹部血管床中的流动分布,还可以在后验中量化视野(FOV,field-of-view)任何位置的血流,并获得有关流动方向的信息,且可以在一次MRI采集中有效地结合了侵入性和非侵入性成像模式(如超声、血管造影和计算机断层扫描)的多项优势,并提供了前所未有的体内非侵入性速度场特征。
腹部脉管系统的功能和形态学成像特别具有挑战性,因为其解剖结构复杂多变,血管口径和流速范围广泛,并且需要大体积覆盖。4D-MRI在三个方向上进行速度编码的时间比非速度编码采集的扫描时间增加了四倍,因此在合理的扫描时间内限制了可实现的空间分辨率和覆盖范围。通常,选择成像体积仅用于评估大血管中的血流以减少扫描时间,从而排除了对大器官(例如肝脏)的综合评估以及跨越大解剖区域的侧支血流通路的评估。此外,单一的速度编码设置限制了对门静脉和内脏静脉血管系统的流量评估。另外,3D径向欠采样策略显示了在合理的扫描时间内(大约10-15分钟)以高空间分辨率和大体积覆盖对肠系膜血流动力学进行定性和定量流动评估的可行性。
尽管存在这些挑战,但4D-MRI是一种很有前途的诊断和预后工具,因为腹部的许多病理与动脉、静脉或门静脉系统的血流动力学或形态学的变化有关。4D-MRI可以通过提高成像帧率减少扫描时的运动伪影,但当增加每个生理周期的空间和/或帧数时,特别是在腹部,会观察到较差的信噪比(SNR,signal-to-noise ratios)。由于其在软组织造影方面的优势及其非侵入性特征,MRI已成为临床常规检查的既定方式。例如在腹部或心胸水平对运动器官进行成像,并有可能获得时间分辨的3D图像(4D-MRI)。例如肺探查和检测肺结节、囊性纤维化等。4D-MRI也是腹部肿瘤放射治疗和高强度聚焦超声(HIFU,high intensityfocused ultrasound)治疗的首选工具:因此它有助于对治疗中的器官定位进行前瞻性分析,并在治疗期间监测目标运动模式的变化。
目前已经开发了多种方法来获取4D-MRI图像。数据需要根据呼吸或心动周期在3D中进行回顾性分析从而重新排序。为此,最近的方法是使用一种从采集的数据中提取运动信号的自门控技术。然后,为了构建高分辨率4D-MR数据,利用了前瞻性门控成像和回顾性合并方法。对于前瞻性和回顾性分箱,挑战在于在可接受的采集持续时间内,足够密集地填充运动分箱。这种方法经常遇到缺失的数据伪影,并且通常必须使用较大的切片厚度才能获得足够的视场(FOV,field-of-view)和信噪比(SNR,signal-to-noise ratios)。这种方法通常在空间分辨率方面受到限制,因此超分辨率(SR,super-resolution)技术来补偿所获取图像中的大体素尺寸:使用迭代反投影(IBP,iterative back-projection)融合包含同一区域独立信息的几张低分辨率图像,以生成一张高分辨率图像。
这种SR方法的一个固有缺点是,它不能在倾向静止的组织图像区域中提供任何附加信息。另外,稀疏成像也被引入,并通过超维黄金角径向稀疏平行(XD-GRASP,Extra-dimensional golden-angle radial sparse parallel)技术的扩展获得了5D心脏信息(3D图像加上分别代表心脏和呼吸阶段的两个不同的时间维度)。这些不同的技术使用特定的k空间编码,最常见的是径向或螺旋轨迹。众所周知,最后这些方法对运动来说更稳健。已经引入了基于对所有采集的k空间的线性相位校正的进一步运动校正方法,并且它可以与加速技术相结合以获得广泛应用中的自由呼吸图像。在后一种方法中,呼吸引起的运动会产生较长的采集时间,以获取高空间分辨率的4D图像,从而阻止在临床常规中使用此类成像。使用自门控信息和/或使用多通道线圈进行压缩传感重建方法的复杂性也是临床常规腹部和心肺MRI发展必须注意的问题。
上述所有获取4D-MRI图像的方法都需要获取多张具有足够信噪比的2D或3D图像,这在MR采集过程中存在图像视场、空间分辨率、帧数、体素大小或采集时间等方面的限制。
发明内容
本申请实施例的目的在于提供一种4D-MRI图像的获取方法、装置及存储介质,用以解决现有技术中的获取4D-MRI图像的方法都需要获取多张具有足够信噪比的2D或3D图像,这在MR采集过程中存在图像视场、空间分辨率、帧数、体素大小或采集时间等方面的限制的问题。
为实现上述目的,本申请实施例提供一种4D-MRI图像的获取方法,包括:基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;
使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;
基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
可选地,所述预设的时间序列包括自门控3D超短回波时间序列。
可选地,所述图像配准算法包括可变形图像配准算法。
可选地,所述使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿,包括使用以下步骤减少正向转换中的潜在噪声:
利用应用于所述正向变换的体素时间平均滤波器,减少由于所述正向变换中由所述3D-MRI图像中存在的噪声引起的扰动;
使用Tn,n等同于的假设,所述平均滤波器过滤完成后,对于任何给定的n,Tn,n由此提供了一个体素方向的OF-bias映射,减去/>其中,Tn,k表示所述正向变换,/>
可选地,所述使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,包括:
S1:获取所需的无噪声图像的初始猜测,对于每一帧n∈[1,…,N],计算滑动时间窗口ΔT中包含的所述3D-MRI图像的平均值,即每个图像被记录到当前位置:/>如果猜测正确,则估计得到的所述3D-MRI图像
S2:对无噪声图像的估计使用3D空间变换在每个帧位置上进行反向记录
S3:对于每一帧,原始和生成的所述3D-MRI图像之间的体素差异计算方法:
S4:从一个Σ(n)的定点方案生成更新的无噪声猜测
重复迭代过程S2-S4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值。
为实现上述目的,本申请还提供一种4D-MRI图像的获取装置,包括:存储器;以及
与所述存储器连接的处理器,所述处理器被配置成:
基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;
使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;
基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
为实现上述目的,本申请还提供一种计算机存储介质,其上存储有计算机程序,其中所述计算机程序被机器执行时实现如上所述的方法的步骤。
本申请实施例具有如下优点:
本申请实施例提供一种4D-MRI图像的获取方法,包括:基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
通过上述方法,在生理运动周期(呼吸或心脏)期间获得4D数据集,具有较大的FOV,特权空间分辨率,帧数(从而避免扫描内运动伪影,只存在扫描间运动)和各向同性体素,使得在MR信号采集期间撇开任何信噪比考虑因素;使用低分辨率图像投射方法(IBP)算法回顾性地解决了重建数据中随之而来的信噪比损失,在使用图像配准算法计算图像中存在的单个空间3D变形后,每个3D图像通过融合其局部时间邻域中的几个连续帧来单独增强,这些帧可能覆盖共同的独立信息,调整参数允许人们自由地重新调整4D-MRI的时间分辨率和精度之间的平衡。
附图说明
为了更清楚地说明本申请的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
图1为本申请实施例提供的一种4D-MRI图像的获取方法的流程图;
图2为本申请实施例提供的一种4D-MRI图像的获取方法的整体步骤示意图;
图3为本申请实施例提供的一种4D-MRI图像的获取方法的三维扫描空间变形估计结果示意图;
图4为本申请实施例提供的一种4D-MRI图像的获取方法的IBP增强结果示意图;
图5为本申请实施例提供的一种4D-MRI图像的获取装置的模块框图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
此外,下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本申请一实施例提供一种4D-MRI图像的获取方法,参考图1,图1为本申请的一实施方式中提供的一种4D-MRI图像的获取方法的流程图,应当理解的是,该方法还可以包括未示出的附加框和/或可以省略所示出的框,本申请的范围在此方面不受限制。
本申请提出的4D-MRI图像获取方法在MR采集期间有利于空间分辨率、帧数、各向同性体素和大视野(FOV)。使用迭代反投影(IBP)算法回顾性地解决了重建数据中随之而来的信噪比损失。在使用可变形图像配准(DIR,deformable image registration)算法计算图像中存在的单个空间3D变形后,每个3D图像通过融合其局部时间邻域中的几个连续帧来单独增强,这些帧可能覆盖共同的独立信息。调整参数允许人们自由地重新调整4D-MRI的时间分辨率和精度之间的平衡。
所提出的方法(参考图2,在图2中,IBP算法为4D腹部MRI设计的数据处理序列,浅灰色虚线包含重建单个帧(此处为帧#1)所涉及的数据)由以下步骤组成:
在步骤101处,基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像。
在一些实施例中,所述预设的时间序列包括自门控3D超短回波时间序列。
具体地,第一步为MR-采集/重建,具有各向同性体素和优化空间分辨率/帧数的4D-MRI首先在生理运动周期中获取(即如果胸部被筛选则为呼吸,如果是心脏则为心动周期)。为了在减少的扫描时间内获得每个动态的3D图像(从而避免扫描内运动伪影),必须限制k空间中采集的数据量。这在很大程度上反过来影响信噪比(SNR)。
本实施例中,使用自门控3D超短回波时间(UTE,ultrashort echo time)序列。N作为3D噪声帧数。本方法将为定义为原始的“低质量”(噪音)图像(3D-MRI图像),k作为时间指标,k∈{1,…,N}.假设呼吸和心脏活动的周期性,在下面的方程中,一旦超出范围[0,N],则k对N取模。
在步骤102处,使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿。
在一些实施例中,所述图像配准算法包括可变形图像配准算法。
具体地,第二步为3D器官变形的估计,即3D-MRI图像中存在的三维扫描空间变形的估计。利用采集得到的一组低信噪比4D数据,其具有优化的空间分辨率/帧数。使用可变形图像配准(DIR,deformable image registration)算法单独估计三维图像(3D-MRI图像)中存在的三维扫描间空间变形,对输入图像中噪声引起的运动潜在变形扰动进行补偿。
Tn,k作为允许注册帧k的3D空间变换(即,/>称为“运动图像”),到框架n(即/>称为“参考图像”)。既向前和向后的非刚性位移(即Tn,k和/>)对实现第103步至关重要。Tn,k和/>使用3D光流(OF,optical flow)算法估计。
在一些实施例中,所述使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿,包括使用以下步骤减少正向转换中的潜在噪声:
利用应用于所述正向变换的体素时间平均滤波器,减少由于所述正向变换中由所述3D-MRI图像中存在的噪声引起的扰动;
使用Tn,n等同于的假设,所述平均滤波器过滤完成后,对于任何给定的n,Tn,n由此提供了一个体素方向的OF-bias映射,减去/>其中,Tn,k表示所述正向变换,/>
具体地,使用了以下两步过程减少正向转换中的潜在噪声,即提高正向转换的信噪比:
1.利用应用于Tn,k的体素时间(沿k)平均滤波器(内核大小=5)可以很容易地减少由于Tn,k中由运动图像中存在的噪声引起的扰动(索引k),对于每个n∈[1,…,N]单独算;
2.使用Tn,n等同于(无器官运动)的假设:一旦上一步中的过滤完成,Tn,n由“参考图像”中噪声存在的OF持续偏差(索引n)所填充。对于任何给定的n,Tnn由此提供了一个体素方向的OF-bias映射,减去/>实际上
这两步还用于反向转换第102步结果参考图3所示,在图3中,(a)、(b)与(c)为三张原始图,(d)为预估空间变形图,(e)和(f)为差距算法,(g)为最大绝对误差。
在步骤103处,基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
具体地,第三步为IBP增强,每个信噪比低的3D-MRI图像都通过使用低分辨率图像投射(IBP)方法融合几个包含公共信息的连续帧来单独增强。本方法迭代地最小化了获取的3D低SNR图像与本步骤生成的初始猜测图像之间的差异。
本实施例中,用来表示N个所需的“高质量”3D图像。/>中的每一帧都是通过融合ILQ(即3D-MRI图像)中的几个连续帧来计算的,覆盖了其他内容。实际上,只有连续的帧包含在滑动时间窗口中才被考虑在内。ΔT≥2作为是这个时间窗口的大小。本方法用ρ∈[0,1]表示时间窗口大小和帧N的总量。/>ρ作为本方法自定义的核心参数,直接影响N算法的结果。
在每个3D帧中分别采用IBP算法,以补偿由于在图像上应用3D空间变换而产生的固有数值近似。本方法用表示在第一个方程迭代中获得的无噪声猜测(第n帧)。
在一些实施例中,所述使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,包括:
S1:获取所需的无噪声图像的初始猜测,对于每一帧n∈[1,…,N],计算滑动时间窗口ΔT中包含的所述3D-MRI图像的平均值,即每个图像被记录到当前位置:/>如果猜测正确,则估计得到的所述3D-MRI图像
S2:对无噪声图像的估计使用3D空间变换在每个帧位置上进行反向记录
S3:对于每一帧,原始和生成的所述3D-MRI图像之间的体素差异计算方法:S4:从一个Σ(n)的定点方案/>生成更新的无噪声猜测/>
重复迭代过程S2-S4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值。
具体地,首先计算所需的无噪声图像的初始猜测。对于每一帧n∈[1,…,N],本方法计算了上述滑动时间窗口中包含的噪声图像(3D-MRI图像)的平均值(即),每个图像被记录到当前位置:
方程1:
如果猜测正确,则可以估计得到的噪声图像为此,当前对无噪声图像的估计/>使用3D空间变换在每个帧位置上进行了反向记录
方程2:
对于每一帧,原始和生成的3D噪声图像之间的体素差异可以计算如下:
方程3:
从一个Σ(n)的定点方案可以生成更新的无噪声猜测
方程4:
重复迭代过程2-4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值(ε)。虽然减少ε的值可能会导致残差的有利减少,但它也必须保证足够高的值以防止算法陷入无限循环(出于数值精度考虑)。ε=10%经验证为最适中的值。
第103步结果参考图4所示,在图4中,(a)原始图像(采集持续时间=35分钟,ρ=100%),(b)合流点IBP增强图像,(c)作为迭代次数函数的残差。(d)与(e)为(a)与(b)的虚线框区域内的图,(f)为残差图,(g)为合流点预估图,而(h)为其残差图。
综上,本申请提出了一种图像增强方法来优化4D腹部MRI:在生理运动期间获取具有高时空分辨率的4D数据集。每个3D图像随后通过使用IBP策略融合几个连续的帧来单独增强——这些帧可能包含共同的独立结构信息;
在本申请范围内称为ρ∈[0,1]——被引入以自由调整4D输出的精度(有利于ρ向1增加)和时间分辨率(有利于ρ向0减少)之间的平衡。
通过上述方法,在生理运动周期(呼吸或心脏)期间获得4D数据集,具有较大的FOV,特权空间分辨率,帧数(从而避免扫描内运动伪影,只存在扫描间运动)和各向同性体素,使得在MR信号采集期间撇开任何信噪比考虑因素;使用低分辨率图像投射方法(IBP)算法回顾性地解决了重建数据中随之而来的信噪比损失,在使用图像配准算法计算图像中存在的单个空间3D变形后,每个3D图像通过融合其局部时间邻域中的几个连续帧来单独增强,这些帧可能覆盖共同的独立信息,调整参数允许人们自由地重新调整4D-MRI的时间分辨率和精度之间的平衡。
图5为本申请实施例提供的一种4D-MRI图像的获取装置的模块框图。该装置包括:
存储器201;以及与所述存储器201连接的处理器202,所述处理器202被配置成:基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;
使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;
基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
在一些实施例中,所述处理器202还被配置成:所述预设的时间序列包括自门控3D超短回波时间序列。
在一些实施例中,所述处理器202还被配置成:所述图像配准算法包括可变形图像配准算法。
在一些实施例中,所述处理器202还被配置成:所述使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿,包括使用以下步骤减少正向转换中的潜在噪声:
利用应用于所述正向变换的体素时间平均滤波器,减少由于所述正向变换中由所述3D-MRI图像中存在的噪声引起的扰动;
使用Tn,n等同于的假设,所述平均滤波器过滤完成后,对于任何给定的n,Tn,n由此提供了一个体素方向的OF-bias映射,减去/>其中,Tn,k表示所述正向变换,/>
在一些实施例中,所述处理器202还被配置成:所述使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,包括:
S1:获取所需的无噪声图像的初始猜测,对于每一帧n∈[1,…,N],计算滑动时间窗口ΔT中包含的所述3D-MRI图像的平均值,即每个图像被记录到当前位置:/>如果猜测正确,则估计得到的所述3D-MRI图像
S2:对无噪声图像的估计使用3D空间变换在每个帧位置上进行反向记录
S3:对于每一帧,原始和生成的所述3D-MRI图像之间的体素差异计算方法:
S4:从一个Σ(n)的定点方案生成更新的无噪声猜测
重复迭代过程S2-S4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值。
具体实现方法参考前述方法实施例,此处不再赘述。
本申请可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。
这里参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
注意,除非另有直接说明,否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此,除非另有明确说明,否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下,进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头,该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
虽然,上文中已经用一般性说明及具体实施例对本申请作了详尽的描述,但在本申请基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本申请精神的基础上所做的这些修改或改进,均属于本申请要求保护的范围。
Claims (10)
1.一种4D-MRI图像的获取方法,其特征在于,包括:
基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;
使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;
基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
2.根据权利要求1所述的4D-MRI图像的获取方法,其特征在于,
所述预设的时间序列包括自门控3D超短回波时间序列。
3.根据权利要求1所述的4D-MRI图像的获取方法,其特征在于,
所述图像配准算法包括可变形图像配准算法。
4.根据权利要求1所述的4D-MRI图像的获取方法,其特征在于,所述使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿,包括使用以下步骤减少正向转换中的潜在噪声:
利用应用于所述正向变换的体素时间平均滤波器,减少由于所述正向变换中由所述3D-MRI图像中存在的噪声引起的扰动;
使用Tn,n等同于的假设,所述平均滤波器过滤完成后,对于任何给定的n,Tn,n由此提供了一个体素方向的OF-bias映射,减去/>其中,Tn,k表示所述正向变换,/>
5.根据权利要求4所述的4D-MRI图像的获取方法,其特征在于,所述使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,包括:
S1:获取所需的无噪声图像的初始猜测,对于每一帧n∈[1,…,N],计算滑动时间窗口ΔT中包含的所述3D-MRI图像的平均值,即每个图像被记录到当前位置:/>如果猜测正确,则估计得到的所述3D-MRI图像
S2:对无噪声图像的估计使用3D空间变换在每个帧位置上进行反向记录/>
S3:对于每一帧,原始和生成的所述3D-MRI图像之间的体素差异计算方法:
S4:从一个Σ(n)的定点方案生成更新的无噪声猜测/>
重复迭代过程S2-S4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值。
6.一种4D-MRI图像的获取装置,其特征在于,包括:
存储器;以及
与所述存储器连接的处理器,所述处理器被配置成:
基于预设的时间序列,在采集对象的生理运动周期中获取若干帧的3D-MRI图像作为原始4D-MRI图像;
使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿;
基于所述三维扫描空间变形,使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,以增强每一帧的所述3D-MRI图像,最终得到目标4D-MRI图像。
7.根据权利要求6所述的4D-MRI图像的获取装置,其特征在于,所述处理器还被配置成:
所述预设的时间序列包括自门控3D超短回波时间序列;
所述图像配准算法包括可变形图像配准算法。
8.根据权利要求6所述的4D-MRI图像的获取装置,其特征在于,所述处理器还被配置成:
所述使用图像配准算法单独估计所述3D-MRI图像中存在的三维扫描空间变形,以对输入的所述3D-MRI图像中噪声引起的运动潜在变形扰动进行补偿,包括使用以下步骤减少正向转换中的潜在噪声:
利用应用于所述正向变换的体素时间平均滤波器,减少由于所述正向变换中由所述3D-MRI图像中存在的噪声引起的扰动;
使用Tn,n等同于的假设,所述平均滤波器过滤完成后,对于任何给定的n,Tn,n由此提供了一个体素方向的OF-bias映射,减去/>其中,Tn,k表示所述正向变换,/>
9.根据权利要求8所述的4D-MRI图像的获取装置,其特征在于,所述处理器还被配置成:
所述使用低分辨率图像投射方法融合若干个包含公共信息的所述3D-MRI图像的连续帧,包括:
S1:获取所需的无噪声图像的初始猜测,对于每一帧n∈[1,…,N],计算滑动时间窗口ΔT中包含的所述3D-MRI图像的平均值,即每个图像被记录到当前位置:/>如果猜测正确,则估计得到的所述3D-MRI图像
S2:对无噪声图像的估计使用3D空间变换在每个帧位置上进行反向记录
S3:对于每一帧,原始和生成的所述3D-MRI图像之间的体素差异计算方法:
S4:从一个Σ(n)的定点方案生成更新的无噪声猜测
重复迭代过程S2-S4,直到残差的相对变化误差,即Σ(n)的均方低于预定义的用户阈值。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被机器执行时实现如权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518295.0A CN116630213A (zh) | 2023-05-09 | 2023-05-09 | 4d-mri图像的获取方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518295.0A CN116630213A (zh) | 2023-05-09 | 2023-05-09 | 4d-mri图像的获取方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116630213A true CN116630213A (zh) | 2023-08-22 |
Family
ID=87640944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310518295.0A Pending CN116630213A (zh) | 2023-05-09 | 2023-05-09 | 4d-mri图像的获取方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630213A (zh) |
-
2023
- 2023-05-09 CN CN202310518295.0A patent/CN116630213A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6855223B2 (ja) | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理方法 | |
US9754390B2 (en) | Reconstruction of time-varying data | |
US10588587B2 (en) | System and method for accelerated, time-resolved imaging | |
Van Reeth et al. | Super‐resolution in magnetic resonance imaging: a review | |
Lingala et al. | Deformation corrected compressed sensing (DC-CS): a novel framework for accelerated dynamic MRI | |
US8781243B2 (en) | Method for constrained reconstruction of high signal-to-noise ratio images | |
US8355555B2 (en) | System and method for multi-image based virtual non-contrast image enhancement for dual source CT | |
JP6275826B2 (ja) | ノイズ除去再構成画像データエッジ改善 | |
Zhou et al. | MDPET: a unified motion correction and denoising adversarial network for low-dose gated PET | |
WO2005046478A1 (ja) | 画像処理方法、画像処理装置、医用画像診断支援システム、及び時間軸方向フィルタリング方法 | |
US10657621B2 (en) | Moving structure motion compensation in imaging | |
KR20140043655A (ko) | 움직임 오류 데이터를 이용한 자기 공명 영상법의 영상 개선 방법 및 장치 | |
JP7292942B2 (ja) | 医用画像処理装置、方法及びプログラム | |
JP6744764B2 (ja) | 画像診断装置、及び画像取得方法 | |
JP7122301B2 (ja) | 画像データ内のノイズ低減 | |
Tian et al. | Feasibility of multiple-view myocardial perfusion MRI using radial simultaneous multi-slice acquisitions | |
WO2015189811A1 (en) | Improved image reconstruction for a volume based on projection data sets | |
US10013778B2 (en) | Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus | |
JP6985056B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
Sandino et al. | Upstream machine learning in radiology | |
Liao et al. | Fast and low-dose medical imaging generation empowered by hybrid deep-learning and iterative reconstruction | |
Perez-Liva et al. | Ultrafast ultrasound imaging for super-resolution preclinical cardiac PET | |
CN116630213A (zh) | 4d-mri图像的获取方法、装置及存储介质 | |
Miller et al. | Motion compensated extreme MRI: Multi-scale low rank reconstructions for highly accelerated 3D dynamic acquisitions (MoCo-MSLR) | |
US20220019850A1 (en) | Medical data processing apparatus and method |
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 |