CN117872245A - 一种用于磁共振水脂分离技术消除大面积水脂互换的方法 - Google Patents

Abstract

本发明公开了一种用于磁共振水脂分离技术消除大面积水脂互换的方法，涉及医学图像处理技术领域；包括：输入多个回波的原始图像，并采用不同的降采样因子得到降采样后的图像；构建三个初始场图并针对三个初始场图各自进行降维简化，随后基于图割的场图迭代，从而得到对应的场图及其场图的范围；对三个场图范围进行连续对比判断，并确定最终场图，最后将最终场图代入信号强度模型公式中，求解出水脂分离的图像。本方法可获得人体各部位清晰准确的水脂分离图像，减少大面积水脂互换现象的产生；抑制脂肪组织信号，增加图像对比度；增加增强扫描效果；得到脂肪分数，反映骨质疏松、脂肪肝的发展情况。

Description

一种用于磁共振水脂分离技术消除大面积水脂互换的方法

技术领域

本发明涉及医学图像处理技术领域，具体为一种用于磁共振水脂分离技术消除大面积水脂互换的方法。

背景技术

目前运用于临床的磁共振脂肪抑制技术有：频率选择饱和法(FS)、短反转时间的反转恢复技术(STIR)、频率选择反转脉冲脂肪抑脂技术(包括SPIR、SPAIR技术)、选择性水或脂肪激发技术(包括PROSET、WATS及SPGR)、化学位移反相位成像技术(Dixon)等。

FS利用脂肪和水分子中质子的进动频率的差别，给予与脂肪质子进动频率一致的预脉冲，使脂肪中的质子饱和来实现脂肪抑制的目的。其优点是选择性高，抑制的几乎全是脂肪组织信号，对其他组织的信号影响较小。但对场强及其磁场的均匀性要求高，故一般用于中高场机器。STIR是一种幅度选择饱和技术,是基于人体组织不同的T1值进行成像的,其场强依赖性和场均匀性要求低，但图像信噪比差。频率选择反转脉冲脂肪抑脂技术可看作FS与STIR技术的结合，SPIR技术缩短了扫描时间，但对场强和场均匀性要求较高，SPAIR技术压脂更彻底，但延长了扫描时间。PROSET和WATS技术利用脂肪与水的化学位移效应，在频率选择法的基础上同时具有空间选择性，选择性脂肪激发或者水激发。SPGR技术通过施加扰相RF脉冲消除T2成分的干扰，因此反映T1较好。

Dixon在1984年首次提出了水、脂分离的化学位移MRI方法。Dixon技术利用水和脂肪的共振频率的差别，一次可得到同相位图、反相位图、水图和脂肪图，对场强的要求有所降低，但易受运动伪影影响。但改良后的Dixon技术(FTED、IDEAL)将扫描时间大大的缩短，减少了呼吸运动伪影，以及彻底将水和脂肪分开，具有广阔的应用前景。向清三于1997年提出了直接相位编码的新三点Dixon方法，采样(0，π/2，π)三点，在分离的同时能确定出哪个是水像，哪个是脂像。2007年Berglund和Kullberg表明，通过仅考虑每个体素B0偏共振的两个周期性重复候选者，可以使用单个所谓的二次伪布尔优化(QPBO)图切割非迭代地解决水脂分离问题。2010年Hernando提出了一种基于图割算法的水脂分离方法，先将最优化问题离散化，然后设置迭代条件，子问题用图割求解，直到迭代出全局最小值。但是该算法在低信噪比区域仍会得到水脂分离错误的结果。2016年，程传力将相量估计引入求解模型，避免了场图的相位解缠绕。提出的种子像素识别方法和区域生长方法在不同分辨率下独立执行。在较低分辨率下获得多个相量图，然后合并成一个新的种子图，用于生成最佳分辨率的最终相量图。在此相量图的基础上，对最终的脂肪和水图像进行重建。相量估计的自反馈机制保证了在最佳分辨率下种子像素选择的可靠性。

但是目前的图割算法对于脂肪组织不是连续的情况，容易得到错误的水脂分离结果，在盆腔、颈椎等人体结构复杂区域尤为常见，因此，本发明提出一种用于磁共振水脂分离技术消除大面积水脂互换的方法。

发明内容

本发明的目的在于提供了一种用于磁共振水脂分离技术消除大面积水脂互换的方法，结合脂肪多峰模型和可变降维(还可以利用压缩感知、并行成像、半傅里叶采集技术等)，可以大大加速序列的扫描，抑制生理上和病人运动造成的运动伪影，降低扫描时间，给医生和患者带来更好的检查体验，是未来磁共振成像领域的发展方向。

本发明所解决的技术问题为：如何将医学采集图像中的脂肪分量和水分量分离开，避免大面积的水脂互换现象发生。

本发明可以通过以下技术方案实现：一种用于磁共振水脂分离技术消除大面积水脂互换的方法，该方法包括如下步骤：

步骤一、输入N个回波的原始图像，且N≥3，并采用不同的降采样因子得到降采样后的图像；

步骤二、构建3个初始场图，分别标记为场图fm1Initial、fm2Initial和场图fm3Initial，其中场图fm1Initial和场图fm2Initial取各自前两个回波的图像域数据做共轭相减结果，场图fm3Initial为在空白矩阵点上设置初始值A后的结果；

步骤三、针对上述三个初始场图各自进行降维并简化至二值化选取模型，随后基于图割的场图迭代，从而得到对应的场图fm1、fm2和fm3，并计算三个得到的场图的范围；

步骤四、对三个场图范围进行连续对比判断，并确定最终场图fm；

步骤五、将最终场图fm代入至不同时刻对应场的单个点q信号强度模型公式中，进而求解出水脂分离的图像。

本发明的进一步技术改进在于：在基于化学位移的序列扫描过程中，采集不同TE时间(t₁,t₂,···,t_n)的信号，对于t_n时刻，单个点q的信号强度s_q(t_n)表示为：

其中：f_B,q(单位：Hz)是由于静磁场不均匀引起的局部磁场偏移；ρ_W,q和ρ_F,q分别表示水和脂肪成分的幅值；

f_F(单位：Hz)表示脂肪相对于水的频率偏移，为已知参数；

且/>表示横向磁化矢量衰减的时间常数。

本发明的进一步技术改进在于：对初始场图进行降维简化的具体步骤包括：

(1)构建关于点q的误差函数式并进行最小化处理，得到水或脂肪幅值ρ以及局部磁场偏移f的最大似然估计：

s_q＝[s_q(t₁)···s_q(t_n)]

(2)用惩罚极大似然框架，计算完成场图的估计：

其中，δ_q是点q的局部近邻，μ是平衡数据一致性和解的平滑性的正则化系数，W_q,j是空间依赖权重，V(f_B,q,f_B,j)是场图粗糙度的惩罚项，且V(f_B,q,f_B,j)＝(f_B,q,f_B,j)²；

(3)利用可变投影来进行降维，通过将最小化得到非线性参数f_B,q，其中，ψ(f_B,q)是个N×2的矩阵，且n＝1,2,···N，⁺表示逆伪矩阵；

从而步骤(2)中的场图估计可以离散化表示为：

(4)对离散范围进行限定，则每个点的场的可能性存在Ω种，取其子集，使每个点的场图只有当前的场图值和将要改变的场图值两种可能性，则步骤(3)中的场图表达式可简化为：

本发明的进一步技术改进在于：对简化的场图表达式使用图割算法，在局部极小点间进行两两迭代选择，确定使用当前场值或下一次场值，并在全局范围内找到最小值，从而确定出三个初始场图对应得到的场图fm1、fm2和fm3以及对应的场图范围range1、range2和range3。

本发明的进一步技术改进在于：确定最终场图的判断过程如下：

当range1≤range2且range1≤range3，则令最终的场图fm＝fm1，否则执行下一步判断；

当range2≤range1且range2≤range3，则令最终的场图fm＝fm2，否则执行下一步判断；

判断|range1-range3|<M是否满足，若是，则令最终的场图fm＝fm1；

若否，则令最终的场图fm＝fm3，其中，M为实验得到的场的范围差值。

本发明的进一步技术改进在于：针对下一次场值，可以从以下三种不同集合中进行选取：

Γ_β:

Γ₊:

Γ_-:

其中，是点q的下一次可能的场值，β是一个常量，/>是一系列的R₀(f_B；s_q)在点q的局部最小值；Γ_β表示场图上每个点都要均匀跳跃，Γ₊和Γ_-表示对应于体素相关的跳跃。

本发明的进一步技术改进在于：初始值A具体设置为150Hz。

与现有技术相比，本发明具备以下有益效果：

本方法可获得人体各部位(头部、脊椎、乳腺、肝脏、四肢关节)清晰准确的水脂分离图像，减少大面积水脂互换现象的产生；抑制脂肪组织信号，增加图像对比度；增加增强扫描效果；得到脂肪分数，反映骨质疏松、脂肪肝的发展情况。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的方法执行流程框图；

图2为本发明的对应点下一次可能的场值选取示意图；

图3为本发明的图割问题逻辑示意图；

图4为本发明的三种不同场图得到水脂分离结果对比图；

图5为盆腔矢状面图像中原始图割算法与本发明方法的结果对比图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。

请参阅图1所示，一种用于磁共振水脂分离技术消除大面积水脂互换的方法，包括如下步骤：

步骤一、首先输入N个回波的原始图像，且N≥3，采用不同的降采样率得到降采样后的图像，本发明中使用的降采样因子为Q和2Q，即采样Q倍和2Q倍，且降采样因子Q为是2，3，4等；

步骤二、取各自前2个回波的图像域数据做共轭相减，得到各自初始的场图fm1Initial和fm2Initial，同时创建空白矩阵，并将矩阵中的每个点的初始值都设置为A，作为场图fm3Initial，其中，场图中点的初始值A设置为初始预估场范围内的值，如初始预估场范围为[-300Hz,300Hz],则可以设置A＝150Hz；

步骤三、将三个场图初始值各自进行降维并简化至二值化选取模型，随后基于图割的场图迭代，得到对应的场图fm1、fm2和fm3，并计算三个得到的场图的范围，分别为range1＝max(fm1)-min(fm1),range2＝max(fm2)-min(fm2),range3＝max(fm3)-min(fm3)。

步骤四、对步骤三中的场图范围进行判断：

当range1≤range2且range1≤range3，则令最终的场图fm＝fm1，否则执行下一步判断；

当range2≤range1且range2≤range3，则令最终的场图fm＝fm2，否则继续判断是否满足|range1-range3|<M：若是，则令最终的场图fm＝fm1；若否，则令最终的场图fm＝fm3；

其中，场的范围差值M为经实验测试得到的频率值，可设置为50Hz；

步骤五、将场图的最终结果代入到不同时刻对应场的单个点q信号强度模型公式中，进而求解出水脂分离的图像。

具体地，在基于化学位移的序列扫描过程中，采集不同TE时间(t₁,t₂,···,t_n)的信号，对于t_n时刻，单个点q的信号强度模型表示为：

其中：f_B,q(单位：Hz)是由于静磁场不均匀引起的局部磁场偏移；

ρ_W,q和ρ_F,q分别表示水和脂肪成分的幅值；

f_F(单位：Hz)表示脂肪相对于水的频率偏移，为已知参数；

磁共振信号激发后，纵向磁化矢量在弛豫过程中呈指数增长，其时间常数为T₁，横向磁化矢量在弛豫过程中呈指数衰减，其时间常数为T₂。实际上，主磁场B0无法达到绝对的均匀，因为氢原子旋转频率与B0的强度相关，不均匀的B0就会导致不同位置的氢原子旋转频率不一样，因此氢原子的旋转就会不同步，这样就加速了横向磁化矢量的衰减，这个衰减也是指数衰减，其时间常数为/>且/>比T₂要小。

对以下误差函数式进行最小化处理，可以得到ρ和f的最大似然估计：

s_q＝[s_q(t₁)···s_q(t_n)] (2)

调用惩罚极大似然框架，我们可以计算出完整场图的估计：

其中，δ_q是点q的局部近邻，μ是平衡数据一致性和解的平滑性的正则化系数，W_q,j是空间依赖权重，V(f_B,q,f_B,j)是场图粗糙度的惩罚项，且V(f_B,q,f_B,j)＝(f_B,q,f_B,j)²。

利用可变投影(VARPRO)来将问题降维，则非线性参数f_B,q可以由最小化下式得到：

其中，ψ(f_B,q)是个N×2的矩阵，且 n＝1,2,···N，⁺表示逆伪矩阵。

因此，场图估计可以离散化的表示为：

可以将场图离散化到±1500Hz的范围内，每个间距2～4Hz，则每个点的场有Ω种可能，当取间距为3Hz时，Ω＝1500/3＝500，则将上式变为：

取Ω的子集Γ，每个点的场图只有两种可能，即当前的场图值和将要改变的场图值，上式将进一步简化为：

该场图表达式可以用图割算法快速求解，初始时所有点场为0，然后在不断迭代中确定使用当前的场还是用下一次的场，可以在全局范围内找到符合上述表达式的最优解。

使用三种不同的集合Γ，快速找到最优解：

Γ_β:

Γ₊:

Γ_-:

其中，是点q的下一次可能的场值，β是一个常量，/>是一系列的R₀(f_B；s_q)在点q的局部最小值；Γ_β表示场图上每个点都要均匀跳跃，Γ₊和Γ_-表示对应于体素相关的跳跃。

如图2所示，表示单个点的R₀(f_B；s_q)有很多局部最小值，但是可以通过不断迭代，不断跳跃，找到最终的全局的最小值。

如图3所示的图割问题的示意图，图中的点为v₁,v₂,...,v_Q，s表示源点，t表示汇点，d_1t,d₁₂,d_s1,...,d_qt表示点与点之间的权值；

需要说明的是，针对图割中的点和权值，每个点的场图离散化为L种取值，则在一幅K x K的图中，场图的取值情况有L^KxK种。比如一幅像素点为192x192的图像，每个点有500种场图的取值，则总的场图取值情况有500^192*192＝500³⁶⁸⁶⁴种。则图割中，一共有K+2个点，其中多的两个点为源点和汇点。而点与点之间连接的线的权重公由正则化权重和残差权重组成。

在一个网络流中，能够从源点到达汇点的最大流量等于如果从网络中移除就能够导致网络流中断的边的集合的最小容量和；遍历找出所有可能得通路，每条通路中的最小边作为这条通路的最大流量，减去这个流量，得到其中的没有流量的边作为割。通过该算法，可求解降维后的最优化问题，进而得到真实的场图，最终带入公式(1)，可求解出水脂分离的图像。

如图4所示，对三种不同场图得到水脂分离结果进行比较，采用场图fm1的结果，避免大面积水脂互换的结果。

如图5所示，为盆腔矢状面图像中原始图割算法与本发明提出的算法的结果对比。原始的图割算法在人体结构复杂的盆腔中表现不佳，18层中仅有6层分离正确(图a，b分别为原始图割算法得到的脂图和水图)，而本发明提出的算法在左右层面中均得到良好的水脂分离结果(图c，d分别为本发明提出的算法得到的脂图和水图)。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (7)

1.一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，该方法包括如下步骤：

步骤一、输入N个回波的原始图像，且N≥3，并采用不同的降采样因子得到降采样后的图像；

步骤二、构建3个初始场图，分别标记为场图fm1 Initial、fm2 Initial和场图fm3Initial，其中场图fm1 Initial和场图fm2Initial取各自前两个回波的图像域数据做共轭相减结果，场图fm3Initial为在空白矩阵点上设置初始值A后的结果；

步骤三、针对上述三个初始场图各自进行降维并简化至二值化选取模型，随后基于图割的场图迭代，从而得到对应的场图fm1、fm2和fm3，并计算三个得到的场图的范围；

步骤四、对三个场图范围进行连续对比判断，并确定最终场图fm；

步骤五、将最终场图fm代入至不同时刻对应场的单个点q信号强度模型公式中，进而求解出水脂分离的图像。

2.根据权利要求1所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，在基于化学位移的序列扫描过程中，采集不同TE时间(t₁,t₂,···,t_n)的信号，对于t_n时刻，单个点q的信号强度s_q(t_n)表示为：

其中：f_B,q(单位：Hz)是由于静磁场不均匀引起的局部磁场偏移；ρ_W,q和ρ_F,q分别表示水和脂肪成分的幅值；

f_F(单位：Hz)表示脂肪相对于水的频率偏移，为已知参数；

且/>表示横向磁化矢量衰减的时间常数。

3.根据权利要求2所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，对初始场图进行降维简化的具体步骤包括：

(1)构建关于点q的误差函数式并进行最小化处理，得到水或脂肪幅值ρ以及局部磁场偏移f的最大似然估计：

s_q＝[s_q(t₁)···s_q(t_n)]

(2)用惩罚极大似然框架，计算完成场图的估计：

其中，δ_q是点q的局部近邻，μ是平衡数据一致性和解的平滑性的正则化系数，W_q,j是空间依赖权重，V(f_B,q,f_B,j)是场图粗糙度的惩罚项，且V(f_B,q,f_B,j)＝(f_B,q,f_B,j)²；

(3)利用可变投影来进行降维，通过将最小化得到非线性参数f_B,q，其中，ψ(f_B,q)是个N×2的矩阵，且+表示逆伪矩阵；

从而步骤(2)中的场图估计可以离散化表示为：

(4)对离散范围进行限定，则每个点的场的可能性存在Ω种，取其子集，使每个点的场图只有当前的场图值和将要改变的场图值两种可能性，则步骤(3)中的场图表达式可简化为：

4.根据权利要求3所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，对简化的场图表达式使用图割算法，在局部极小点间进行两两迭代选择，确定使用当前场值或下一次场值，并在全局范围内找到最小值，从而确定出三个初始场图对应得到的场图fm1、fm2和fm3以及对应的场图范围range1、range2和range3。

5.根据权利要求1所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，确定所述最终场图的判断过程如下：

当range1≤range2且range1≤range3，则令最终的场图fm＝fm1，否则执行下一步判断；

当range2≤range1且range2≤range3，则令最终的场图fm＝fm2，否则执行下一步判断；

判断|range1-range3|<M是否满足，若是，则令最终的场图fm＝fm1；若否，则令最终的场图fm＝fm3，其中，M为实验得到的场的范围差值。

6.根据权利要求4所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，针对所述的下一次场值，可以从以下三种不同集合中进行选取：

Γ_β:

Γ₊:

Γ_-：

其中，是点q的下一次可能的场值，β是一个常量，/>是一系列的R₀(f_B；s_q)在点q的局部最小值；Γ_β表示场图上每个点都要均匀跳跃，Γ₊和Γ_-表示对应于体素相关的跳跃。

7.根据权利要求1所述的一种用于磁共振水脂分离技术消除大面积水脂互换的方法，其特征在于，所述初始值A具体设置为150Hz。