DE102018212481B4

DE102018212481B4 - Linear phasenkorrigiertes lokales Mitteln von MR-Bilddaten

Info

Publication number: DE102018212481B4
Application number: DE102018212481.7A
Authority: DE
Inventors: Marcel Dominik Nickel; Alto Stemmer
Original assignee: Siemens Healthcare GmbH
Current assignee: Siemens Healthineers Ag De
Priority date: 2018-07-26
Filing date: 2018-07-26
Publication date: 2021-01-21
Anticipated expiration: 2038-07-27
Also published as: US20200029854A1; US10888247B2; DE102018212481A1

Abstract

Verfahren zum Filtern von MR-Bilddaten (BD1, ..., BDn, ..., BDN), aufweisend die Schritte:- Empfangen von komplexen MR-Bilddaten (BD1, ..., BDn, ..., BDN) von einem abzubildenden Bereich (ROI),- Erzeugen von gefilterten MR-Bilddaten (BDf(Im)) unter Anwendung einer gleitenden Fenster-Mittelung auf die komplexen MR-Bilddaten (BD1, ..., BDn), wobei für jede Fensterposition- eine Phasenvariation der komplexen MR-Bilddaten (BD1, ..., BDn, ..., BDN) einzelner Bildpunkte (x) eines gleitenden Fensters (F) durch einen linearen Phasenverlauf modellhaft abgeschätzt wird,- gefilterte komplexe MR-Bilddaten (BDf(Im), Im(F)) durch Mittelwertbildung der komplexen MR-Bilddaten (BD1, ..., BDn, ..., BDN) einzelner Bildpunkte (x) des gleitenden Fensters (F) unter Berücksichtigung der abgeschätzten Phasenvariation erzeugt werden.

Description

Die Erfindung betrifft ein Verfahren zum Filtern von Magnetresonanzbilddaten. Zudem betrifft die Erfindung ein MR-Bildgebungsverfahren. Überdies betrifft die Erfindung eine MR-Bilddaten-Filtereinrichtung. Weiterhin betrifft die Erfindung ein MR-Bildgebungssystem.
Bei der Erzeugung von Magnetresonanzaufnahmen wird der zu untersuchende Körper einem relativ hohen Grundmagnetfeld, beispielsweise von 1,5 Tesla, 3 Tesla, oder bei neueren Hochmagnetfeldanlagen sogar von 7 Tesla, ausgesetzt. Es wird dann mit einer geeigneten Antenneneinrichtung ein hochfrequentes Anregungssignal ausgesendet, welches dazu führt, dass die Kernspins bestimmter durch dieses Hochfrequenzfeld in dem gegebenen Magnetfeld resonant angeregter Atome um einen bestimmten Flipwinkel gegenüber den Magnetfeldlinien des Grundmagnetfelds verkippt werden. Das bei der Relaxation der Kernspins abgestrahlte Hochfrequenzsignal, das sog. Magnetresonanzsignal, wird dann mit geeigneten Antenneneinrichtungen, welche auch identisch mit der Sendeantenneneinrichtung sein können, aufgefangen. Die so akquirierten Rohdaten werden schließlich genutzt, um die gewünschten Bilddaten zu rekonstruieren. Zur Ortskodierung werden dem Grundmagnetfeld während des Sendens und des Auslesens bzw. Empfangens der Hochfrequenzsignale jeweils definierte Magnetfeldgradienten überlagert.
Rekonstruierte MR-Bilddaten sind zunächst komplexe Größen, d.h. einem Pixel oder Voxel wird ein komplexwertiges Signal zugeordnet. Durch die komplexe Darstellung der Bilddaten wird eine zweidimensionale Magnetisierung zum Zeitpunkt des Eintretens des durch hochfrequente Signale erzeugten Echos beschrieben. Die zweidimensionale Magnetisierung tritt in der x-y-Ebene auf, d.h. senkrecht zu dem in z-Richtung anliegenden statischen Magnetfeld. Allerdings ist der gemessene Phasenwert, also der Imaginärteil eines MR-Signals wenig aussagekräftig, da er durch unbekannte Einflüsse, wie zum Beispiel die Phasen der HF-Anregungspulse und Parameter der unbekannten Empfangsspule, bestimmt wird. Aus diesem Grund wird zur Gewinnung von MR-Bilddaten üblicherweise der Betrag aus der genannten komplexen Größe gebildet. Relative Phasen, also Phasenänderungen werden allerdings für Anwendungen, wie zum Beispiel die Flussbestimmung, die Diffusionsbildgebung oder die Thermometrie, verwendet.
Die Diffusionsbildgebung macht Diffusionsprozesse anschaulich. Dabei beschreibt die Diffusion das stochastische zeitliche Verhalten der Protonenverteilung auf Subpixel-Niveau. Diffusionsgewichtete Magnetresonanzaufnahmen sind Magnetresonanzaufnahmen, mit deren Hilfe die Diffusionsbewegung von bestimmten Stoffen, insbesondere von Wassermolekülen, im Körpergewebe gemessen und räumlich aufgelöst dargestellt werden kann. Die Diffusions-Bildgebung hat sich im klinischen Alltag insbesondere zur Schlaganfall-Diagnose etabliert, da die betroffenen Hirnregionen in diffusionsgewichteten Bildern bereits deutlich früher zu erkennen sind als in den klassischen Magnetresonanzaufnahmen. Zusätzlich wird die Diffusionsbildgebung auch in zunehmendem Maße im Umfeld der onkologischen, kardiologischen und muskuloskelettalen Erkrankungen eingesetzt. Eine Variante der diffusionsgewichteten Magnetresonanztomographie ist die Diffusions-Tensor-Bildgebung, bei der auch die Richtungsabhängigkeit der Diffusion erfasst wird. Diffusionsgewichtete Magnetresonanzaufnahmen umfassen im Folgenden sowohl im Rahmen von diffusionsgewichteten Magnetresonanztomographien erzeugte Magnetresonanzaufnahmen als auch im Rahmen von Diffusions-Tensor-Bildgebungen erzeugte Magnetresonanzaufnahmen.
Für die Erzeugung von diffusionsgewichteten Magnetresonanzaufnahmen müssen zunächst diffusionskodierte Rohdaten akquiriert werden. Dies erfolgt mit speziellen Messsequenzen, die im Folgenden als Diffusionsgradienten-Messsequenzen bezeichnet werden. Kennzeichnend bei diesen Messsequenzen ist, dass nach einer üblichen Auslenkung der Spins in eine Ebene senkrecht zum Grundmagnetfeld des Magnetresonanztomographen eine bestimmte Abfolge von Gradientenmagnetfeldpulsen geschaltet wird, welche die Feldstärke des äußeren Magnetfelds in einer vorgegebenen Richtung variieren. Bei Vorliegen einer Diffusionsbewegung geraten die präzedierenden Kerne aus der Phase, was sich im Messsignal bemerkbar macht.
Bei der Diffusionsbildgebung werden in der Regel mehrere Bilder mit unterschiedlichen Diffusionsrichtungen und Wichtungen, d. h. mit unterschiedlichen Diffusionskodierungs-Gradientenpulsen, aufgenommen und miteinander kombiniert. Die Stärke der Diffusionswichtung wird meist durch den sogenannten Diffusionsgewichtungsfaktor, auch als „b-Wert“ bezeichnet, definiert. Die unterschiedlichen Diffusionsbilder bzw. die daraus kombinierten Bilder oder Parameterkarten können dann zu den gewünschten diagnostischen Zwecken verwendet werden. Um den Einfluss der Diffusionsbewegung richtig abschätzen zu können, wird zum Vergleich in vielen Fällen eine weitere Referenzaufnahme verwendet, in der kein Diffusionskodierungs-Gradientenpuls geschaltet wird, d. h. ein Bild mit b = 0. Die Puls-Messsequenz zur Akquisition der Referenz-Rohdaten ist in der gleichen Art aufgebaut wie die Diffusionsgradienten-Messsequenz mit Ausnahme der Aussendung der Diffusionskodierungs-Gradientenpulse. Alternativ kann auch eine Referenzaufnahme mit einem b-Wert ≠ 0 durchgeführt werden.
Für die Befundung werden bei der MR-Diffusionsbildgebung in der Regel Bilder oder Parameterkarten verwendet, bei denen ein freier Diffusionsprozess, auch als freier normaler Gaußscher Diffusionsprozess bezeichnet, mit einem scheinbaren Diffusionskoeffizienten (ADC = apparent diffusion coefficient) angenommen wird. Dieser Prozess ist dadurch charakterisiert, dass in Abhängigkeit von dem Diffusions-Gewichtungsfaktor die Signalstärke gemäß einem exponentiellen Zusammenhang abnimmt.
Bei der Diffusionsbildgebung werden die mit Abstand stärksten Gradienten in der Magnetresonanzbildgebung zwischen dem Ausspielen des HF-Anregungssignals und dem Echosignal angewendet, um das erhaltene MR-Signal je nach den Diffusionseigenschaften des Mediums möglichst stark zu reduzieren. Auf diese Weise lässt sich ein besonders starker Bildkontrast erzeugen. Dagegen hat die Gradientenfeldstärke in statischen Bereichen keinen Einfluss auf die Signalphase, da dort idealerweise eine Dephasierung durch das ausgespielte Refokussierungssignal komplett rückgängig gemacht wird. Aufgrund der eingesetzten starken Gradienten ist die Diffusionsbildgebung sehr bewegungssensitiv. Diese Bewegungssensitivität ist umso stärker, je stärker die eingesetzten Magnetfeldgradienten sind.
Ein Verfahren für eine geschwindigkeitskompensierte diffusionssensibilisierte Diffusionsbildgebung ist beispielsweise in der DE 10 2015 205 693 A1 beschrieben.
Stark diffusionsgewichtete MR-Bilddaten weisen ein geringes Signal/Rausch-Verhältnis auf. Um zuverlässigere Daten zu erhalten, werden daher die MR-Messungen mehrmals wiederholt und Mittelwerte gebildet. Bei herkömmlicher Mittelung wird aufgrund der besonders starken Bewegungssensitivität der Phase eine Betragsbildung vorgenommen. Allerdings hat die betragliche Mittelung in Bereichen mit sehr geringem Signal den Nachteil, dass sie nicht zentrisch ist und daher dem Rice'schen Rauschen unterliegt.
Üblicherweise wird zur Mittelung ein sogenanntes „Sliding-Window-Processing“ (abgekürzt mit SWP, ins Deutsche als „rutschendes-Fenster-Prozessierung“ oder „gleitendes-Fenster-Prozessierung“ übersetzt) eingesetzt. Bei der SWP wird für einen Bildpunkt bzw. Pixel oder Voxel eines abzubildenden Bereichs nur ein kleiner Teilbereich, d.h. die Umgebung dieses Bildpunkts betrachtet. Diese Umgebung kann zum Beispiel ein Quadrat und einen Quader aus Pixeln mit einer ungeraden Kantenlänge umfassen, wobei im Zentrum des Quadrats bzw. des Quaders der betrachtete Bildpunkt liegt. Einem Bildpunkt x wird also ein diskretisiertes d-dimensionales Bild mit einem Wertebereich W zugeordnet, was durch folgende Abbildung ausgedrückt werden kann: $X \to W^{1} x \dots {x W}^{d} .$
Dabei kann d den Wert 2 oder 3 annehmen.
Am Rand eines Bildes muss das Ausschneiden des Fensters an die Randsituation angepasst werden. Beispielsweise kann man hierfür verschiedene Randbedingungen verwenden, wie zum Beispiel am Rand spiegeln, den Rand konstant fortsetzen oder die Umgebung in das Bildvolumen schieben, so dass der Bildpunkt nicht mehr im Zentrum des Fensters liegt. Da sich das Fenster bei sequentieller Vorgehensweise über den abzubildenden Bildbereich schrittweise bewegt, müssen beim Übergang zum nächsten Bildpunkt immer nur die in Bewegungsrichtung liegenden Randwerte im Fenster ersetzt werden, wodurch Rechenleistung eingespart werden kann.
Um eine Mittelung durchzuführen, müssen zusätzlich N Wiederholungen der Messungen durchgeführt werden. Diese können als weitere Dimension der den Mittelungsvorgang beschreibenden Abbildung angesehen werden. Formal kann folgende Abbildung definiert werden: $F : x \to A_{y,n},$
wobei y in einer festgelegten, bekannten Reihenfolge durch das Fenster von x läuft und n der Index der Wiederholungen ist.
Die Größe des Fensters wird so gewählt, das es groß genug ist, um eine Korrelation zwischen benachbarten Pixeln ausnutzen zu können. Dies ist möglich aufgrund schwach variierender Parameter, beispielsweise bei schwach variierenden Phasen. Andererseits sollte das gewählte Fenster klein genug sein, dass die erzwungene Korrelation näherungsweise erfüllt ist.
Bei einer Mittelung einer komplexen Größe ist die Anzahl der Pixel in einem Fenster etwas größer als die Anzahl der Mittelungen.
Ein fensterbasiertes Mittelungsverfahren zur Bestimmung von Mittelwerten ist die Singulärwertzerlegung als gewichtetes Mitteln mit lokaler Phasenkorrektur.
Die Mittelung lässt sich wie folgt darstellen: $A_{y, n} = e^{i φ_{n}} B_{y} .$
B_y ist dann die gewünschte Mittelung dividiert durch einen Phasenfaktor mit dem Betrag 1. Als Singulärwertzerlegung von A_y,n ergibt sich: $A_{y, n} = (\frac{B_{y}}{‖ B ‖}) (\begin{matrix} ‖ B ‖ & \dots & 0 \\ ⋮ & 0 & ⋮ \\ 0 & \dots & 0 \end{matrix}) {((\begin{matrix} e^{- i φ_{1}} & \dots \\ ⋮ & \dots \\ e^{- i φ N} & \dots \end{matrix}))}^{+} = U Σ V^{+} .$
Hieraus erhält man als Mittelung: $x \to A_{y, n} \to U_{x,1} Σ_{11} \to | U_{x,1} Σ_{11} | .$
Die beiden senkrechten Striche in Formel (5) sind als Betragsbildung zu verstehen. Dem Wert x wird über die Wahl des größten Singulärwerts ein Mittel zugeordnet.
Man kann das auch als gewichtetes Mittel verstehen, da $U_{x,1} Σ_{11} = \sum_{n} A_{x, n} V_{n,1} .$
Aus der Singulärwertzerlegung erhält man also die Gewichtungskoeffizienten V_n,1 , die auch die Phasenkorrektur beinhalten. Hat A_y,n nicht exakt den Rang 1, so projiziert man dabei den dominanten Beitrag heraus. Um den dominierenden Singulärwert zu berechnen, wird gerne die Power-Iteration basierend auf dem Krylov-Verfahren eingesetzt.
Allerdings ist die Annahme, dass die Phasen innerhalb des Fensters nicht variieren, nicht immer ausreichend. Beispielsweise gilt dies nicht bei diffusionsgewichteter Bildgebung des Abdomens. Die Phasenvariationen durch Atembewegung und Herzbewegung sind auch bei kleinen Fenstern der Größe 5 x 5 Pixel zu stark, so dass Artefakte auftreten.
Ein Verfahren zum Ermitteln von Phasenkorrekturparametern ist beispielsweise aus der DE 10 2010 012 948 B4 bekannt, und auch in der DE 10 2013 201 616 B3 wird unter anderem beschrieben, wie Phasenkorrekturkarten berechnet werden können.
Es besteht also die Aufgabe, ein Verfahren und eine Einrichtung zu entwickeln, mit denen bewegungsbedingte Artefakte reduziert werden können.
Diese Aufgabe wird durch ein Verfahren zum Filtern von Magnetresonanzbilddaten gemäß Patentanspruch 1, ein MR-Bildgebungsverfahren gemäß Patentanspruch 10, eine MR-Bilddaten-Filtereinrichtung gemäß Patentanspruch 12 und ein MR-Bildgebungssystem gemäß Patentanspruch 13 gelöst.
Bei dem erfindungsgemäßen Verfahren zum Filtern von MR-Bilddaten werden zunächst komplexe MR-Bilddaten empfangen. Die komplexen MR-Bilddaten umfassen Bildinformation über einen abzubildenden Bereich eines Untersuchungsobjekts, beispielsweise eines Patienten. Wie bereits erwähnt, basieren komplexe MR-Bilddaten auf einer zweidimensionalen Magnetisierung in dem abzubildenden Bereich zum Zeitpunkt des erfassten Echosignals. Solche MR-Bilddaten werden auf Basis von MR-Rohdaten rekonstruiert. Eine solche Rekonstruktion basiert auf einer Fourier-Transformation vom k-Raum der Rohdaten in den Ortsraum. Auf die komplexen MR-Bilddaten wird eine gleitende Fenster-Mittelung („sliding window processing“) angewandt, wie sie, was das grundsätzliche Vorgehen betrifft, bereits vorstehend erläutert wurde. Allerdings wird für jede Fensterposition eine Phasenvariation der komplexen MR-Bilddaten einzelner Bildpunkte des gleitenden Fensters durch einen linearen Phasenverlauf modellhaft abgeschätzt und es werden gefilterte komplexe MR-Bilddaten durch Mittelwertbildung der komplexen MR-Bilddaten einzelner Bildpunkte des gleitenden Fensters unter Berücksichtigung der abgeschätzten Phasenvariation, d.h. auf Basis der durch die lineare Phasenvariation korrigierten Bilddaten, erzeugt. Im Gegensatz zu der herkömmlichen gleitenden Fenster-Mittelung wird also eine linear verlaufende Phasenvariation in einem Fensterbereich angenommen und bei der Mittelwertbildung im Rahmen der gleitenden Fenster-Mittelung entsprechend korrigierte Bilddaten zugrundegelegt. Vorteilhaft kann auf diese Weise bei dem Einsatz von starken Gradientenfeldern, wie sie insbesondere bei der MR-Diffusionsbildgebung benötigt werden, eine verbesserte Robustheit der Bilddaten gegenüber Bewegungen des abgebildeten Bereichs erzielt werden. Beispielsweise können Bewegungsartefakte aufgrund von Atembewegungen oder Herzbewegungen in Diffusionsbilddaten reduziert werden.
Im Rahmen des erfindungsgemäßen MR-Bildgebungsverfahrens werden zunächst mehrmalig Rohdaten von einem abzubildenden Bereich akquiriert. D.h., es werden von demselben abzubildenden Bereich mehrere Sätze von Rohdaten erzeugt. Dann werden auf Basis der akquirierten Rohdaten MR-Bilddaten rekonstruiert. Weiterhin erfolgt ein modellhaftes Abschätzen einer Phasenvariation der komplexen MR-Bilddaten einzelner Bildpunkte eines Fensters durch einen linearen Phasenverlauf. Schließlich werden gefilterte komplexe MR-Bilddaten durch Mittelwertbildung der komplexen MR-Bilddaten einzelner Bildpunkte des Fensters unter Berücksichtigung der abgeschätzten Phasenvariation erzeugt. Das MR-Bildgebungsverfahren teilt die Vorteile des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten.
Bei einer Variante des erfindungsgemäßen MR-Bildgebungsverfahren mit partieller Abtastung werden die MR-Rohdaten durch partielle Abtastung des k-Raums gewonnen. Es werden weiterhin die nicht abgetasteten Teilbereiche des k-Raums mit Nullwerten aufgefüllt. Unter den nicht abgetasteten Teilbereichen des k-Raums sind die bei der partiellen Abtastung absichtlich nicht abgetasteten Abschnitte des k-Raums zu verstehen. Auf Basis der akquirierten MR-Rohdaten wird eine Rekonstruktion von Bilddaten durchgeführt. Das Auffüllen des k-Raums mit Nullwerten entspricht im k-Raum der Multiplikation der Fouriertransformierten mit einer Fensterfunktion oder im Bilddatenraum der Faltung der Bilddaten mit einer Fensterfunktion. Dabei wird das Bild durch den Imaginärteil der Fensterfunktion asymmetrisch kantenerhöht und durch den Realteil der Fensterfunktion tiefpassgefiltert. Dann erfolgt eine Filterung der Bilddaten, wobei das erfindungsgemäße Verfahren zum Filtern von MR-Bilddaten durchgeführt wird. Mit Hilfe der Filterung der MR-Bilddaten wird der Imaginärteil der Fensterfunktion unterdrückt, um die asymmetrische Kantenerhöhung zu kompensieren. Um auch die unerwünschte Tiefpassfilterung zu unterdrücken, welche zu einem Verwischen (im Englischen „blurring“) von Teilbereichen der Bildaufnahme führt, wird außerdem noch ein zu dem Tiefpassfilter der Fensterfunktion inverser Hochpassfilter auf die gefilterten komplexen MR-Bilddaten angewendet.
Mithin kann die Annahme einer lokalen linearen Variation der Phasenwerte auch bei einer MR-Bildaufnahme mit einer Erfassung von Rohdaten mit einer partiellen Abtastung des k-Raums genutzt vorteilhaft zur Verbesserung der Bildqualität genutzt werden.
Messverfahren mit einer partiellen Abtastung des k-Raums nutzen die Tatsache, dass Bilddaten im Fall einer bekannten Phase nach Phasenkorrektur reellwertig sind und die Fouriertransformierte symmetrisch unter Punktspiegelung am Ursprung kombiniert mit der Konjugierten ist. Es gibt daher Bildgebungsverfahren, bei denen der k-Raum nur partiell abgetastet wird und das gesamte Bild durch Phasenkorrektur und Spiegelung im k-Raum gewonnen wird.
Allerdings sind insbesondere für die Diffusionsbildgebung diese Verfahrensweisen nicht robust und zeigen Artefakte. Vermutlich liegt der Hauptgrund dafür bei sehr starken Phasenvariationen. Erfolgt eine konventionelle Rekonstruktion auf Basis von partiell akquirierten k-Raumdaten dadurch, dass, wie bereits beschrieben, nichtgemessene Werte mit Nullwerten aufgefüllt werden, so ergibt sich dabei ein Effekt für die Bildrekonstruktion, der sich mathematisch als Multiplikation der Fouriertransformierten mit einer Fensterfunktion im k-Raum und damit einer Faltung des Bildes mit einer Fensterfunktion im Bilddatenraum beschreiben lässt. Die Fensterfunktion ist stark lokalisiert und führt zu einem Verwischen des rekonstruierten Bildes.
Die Fensterfunktion kann für den Fall einer partiellen Abtastung in eine Richtung e_j, wie es bei der Diffusionsbildgebung der Fall ist, wie folgt beschrieben werden: $f (x) = (f_{r e a l} (x_{j}) + i f_{i m a g} (x_{j})) Π_{k \neq j} δ_{x_{k},0},$
wobei f_real (x_j) symmetrisch und f_imag(x_j) antisymmetrisch ist. Die beschriebene Funktion hat den Effekt, dass der Realteil in j-Richtung tiefpassgefiltert wird und der Imaginärteil asymmetrisch kantenerhöht wird. Beides führt zu Bildartefakten die man gerne vermeiden würde.
Wie bereits erwähnt, kann man, um die Artefakte zu reduzieren, in dem Bereich des Fensters der Fensterfunktion eine Operation ausführen, mit der der Imaginärteil unterdrückt wird, und anschließend eine Operation auf dem komplex kombinierten Bild durchführen, mit dem der Effekt des Tiefpassfilters f_real(x_j) kompensiert wird. Hierfür kann einfach ein inverser Hochpassfilter genutzt werden. Um den Imaginärteil zu unterdrücken, kann man nun die erfindungsgemäße lineare Phasenkorrektur nutzen, welche einen Teil der Kantenerhöhung kompensiert. Vorteilhaft werden Bildartefakte, insbesondere ein Verwischen (im Englischen Blurring) von Bilddetails reduziert.
Zusätzlich zu der linearen Phasenkorrektur lässt sich bei einer Bildaufnahme mit partieller Abtastung des k-Raums auch eine globale Phasenkorrektur im Rahmen der fensterweisen Mittelung der Bilddaten anwenden. Dabei wird die globale Phase für jede Wiederholung n so gewählt, dass die Summe der Intensitäten im Fenster positiv ist. Danach kann man eine reellwertige Singulärwertzerlegung anwenden, um ein kombiniertes Bild zu erhalten, wobei das Imaginärteilbild entweder verworfen wird oder als weitere reellwertige Bildpunkte interpretiert wird. Schließlich wird noch der inverse Hochpassfilter auf das kombinierte Bild angewendet.
Die erfindungsgemäße MR-Bilddaten-Filtereinrichtung weist eine Phasenkorrektureinheit zum Ermitteln einer korrigierten Phase von komplexen MR-Bilddaten unter Anwendung einer gleitenden Fenster-Mittelung auf die komplexen MR-Bilddaten auf. Die Phasenkorrektureinheit ist dazu eingerichtet, dass für jede Fensterposition eine Phasenvariation der komplexen MR-Bilddaten einzelner Bildpunkte des gleitenden Fensters durch einen linearen Phasenverlauf modellhaft abgeschätzt wird. Teil der erfindungsgemäßen MR-Bilddaten-Filtereinrichtung ist auch eine Mittelungseinheit, welche dazu eingerichtet ist, gefilterte komplexe MR-Bilddaten durch Mittelwertbildung der komplexen MR-Bilddaten einzelner Bildpunkte des gleitenden Fensters unter Berücksichtigung der abgeschätzten Phasenvariation zu erzeugen. D.h. die Mittelwertbildung erfolgt auf Basis mit Hilfe der abgeschätzten linearen Phasenvariation korrigierter komplexer Bilddaten. Die erfindungsgemäße MR-Bilddaten-Filtereinrichtung teilt die Vorteile des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten.
Das erfindungsgemäße MR-Bildgebungssystem weist die erfindungsgemäße MR-Bilddaten-Filtereinrichtung auf. Das erfindungsgemäße MR-Bildgebungssystem teilt die Vorteile der erfindungsgemäßen MR-Bilddaten-Filtereinrichtung.
Teile der erfindungsgemäßen MR-Bilddaten-Filtereinrichtung können zum überwiegenden Teil in Form von Softwarekomponenten ausgebildet sein. Dies betrifft insbesondere Teile der Rekonstruktionseinheit und der Filtereinheit. Grundsätzlich können diese Komponenten aber auch zum Teil, insbesondere wenn es um besonders schnelle Berechnungen geht, in Form von softwareunterstützter Hardware, beispielsweise FPGAs oder dergleichen, realisiert sein. Ebenso können die benötigten Schnittstellen, beispielsweise wenn es nur um eine Übernahme von Daten aus anderen Softwarekomponenten geht, als Softwareschnittstellen ausgebildet sein. Sie können aber auch als hardwaremäßig aufgebaute Schnittstellen ausgebildet sein, die durch geeignete Software angesteuert werden.
Eine teilweise softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher in einem MR-Bildgebungssystem genutzte Rechnersysteme auf einfache Weise durch ein Software-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten. Insofern wird die Aufgabe auch durch ein entsprechendes Computerprogrammprodukt mit einem Computerprogramm gelöst, welches direkt in eine Speichereinrichtung eines solchen Rechnersystems ladbar ist, mit Programmabschnitten, um alle Schritte des erfindungsgemäßen Verfahrens auszuführen, wenn das Computerprogramm in dem Rechnersystem ausgeführt wird.
Ein solches Computerprogrammprodukt kann neben dem Computerprogramm gegebenenfalls zusätzliche Bestandteile, wie z.B. eine Dokumentation und/oder zusätzliche Komponenten, auch Hardware-Komponenten, wie z.B. Hardware-Schlüssel (Dongles etc.) zur Nutzung der Software, umfassen
Zum Transport zur Speichereinrichtung des Rechnersystems und/oder zur Speicherung an dem Rechnersystem kann ein computerlesbares Medium, beispielsweise ein Memorystick, eine Festplatte oder ein sonstiger transportabler oder fest eingebauter Datenträger dienen, auf welchem die von einer Rechnereinheit einlesbaren und ausführbaren Programmabschnitte des Computerprogramms gespeichert sind. Die Rechnereinheit kann z.B. hierzu einen oder mehrere zusammenarbeitende Mikroprozessoren oder dergleichen aufweisen.
Die abhängigen Ansprüche sowie die nachfolgende Beschreibung enthalten jeweils besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung. Dabei können insbesondere die Ansprüche einer Anspruchskategorie auch analog zu den abhängigen Ansprüchen einer anderen Anspruchskategorie und deren Beschreibungsteilen weitergebildet sein. Zudem können im Rahmen der Erfindung auch die verschiedenen Merkmale unterschiedlicher Ausführungsbeispiele und Ansprüche auch zu neuen Ausführungsbeispielen kombiniert werden.
In einer bevorzugten Ausgestaltung des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten wird für jede Fensterposition ein lokal konstanter Phasenwert ermittelt und es wird für die Erzeugung der gefilterten komplexen MR-Bilddaten für jeden Bildpunkt ein Phasenwert, der aus einer Summe aus dem konstanten Phasenwert und einem Wert der abgeschätzten Phasenvariation gebildet wird, ermittelt. Es wird also bei dieser Variante ein für das gesamte Fenster gültiger, konstanter Phasenwert ermittelt und ein variabler Anteil der Phase, der für jeden Bildpunkt des Fensters unterschiedlich ist. Der lokal für das gesamte Fenster gültige, konstante Phasenanteil muss vorteilhaft nur einmal pro Fenster bzw. Fensterposition ermittelt werden.
In einer Ausgestaltung des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten wird der lokal konstante Phasenwert durch eine gewichtet mittelnde Singulärwertzerlegung der Bilddaten einzelner Bildpunkte des gleitenden Fensters ermittelt. Wie bereits in der Beschreibungseinleitung erläutert, erhält man durch die Singulärwertzerlegung Gewichtungskoeffizienten, die eine lokale Phasenkorrektur festlegen, die für das gesamte Fenster gilt. Dieser Vorgang kann auch als Projektion des dominanten Beitrags der Matrix A_y,n der Messwerte eines Fensters betrachtet werden. Da es genügt, den dominierenden Eigenwert zu berechnen, wird als numerisches Verfahren bevorzugt die Power-Iteration, auch als Krylov-Verfahren bekannt, eingesetzt. Vorteilhaft kann die Berechnung der Phase von Bilddatenmittelwerten vereinfacht und beschleunigt werden.
In einer alternativen Ausgestaltung des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten erfolgt zunächst eine reellwertige Mittelung mittels Singulärwertzerlegung, d.h. es werden Realteil und Imaginärteil der Bilddaten mit getrennten Indizes behandelt. In diesem Fall korrigiert man die Phasen der Bilddaten mittels der beschriebenen Abschätzung der Phasenvariation derart, dass eine gemittelte Bildintensität in einem Fenster reellwertig wird, d.h. die Phase der gemittelten Bilddaten in einem Fenster verschwindet.
Dabei wird der lokal konstante Phasenwert, in diesem Fall der Wert „0“, als Phase des Mittelwerts der in einem Fenster ermittelten Signalintensitäten ermittelt.
In einer Variante des erfindungsgemäßen Verfahrens zum Filtern von MR-Bilddaten umfassen die komplexen MR-Bilddaten diffusionsgewichtete MR-Bilddaten. Wie bereits erwähnt, werden bei dem Diffusionsbildgebungsverfahren starke Gradienten angelegt, um einen möglichst ausgeprägten Phasenkontrast zu erhalten. Dadurch werden die Bilddaten besonders bewegungssensitiv bzw. es ergeben sich leicht Bewegungsartefakte. Diese Artefakte können durch die lokale lineare Phasenkorrektur reduziert werden.
Bevorzugt umfasst die Abschätzung einer Phasenvariation das Ermitteln eines Phasenterms in einer Mehrzahl von Ortsrichtungen. Wird schichtweise abgetastet, so umfasst das genutzte gleitende Fenster eine Fensterfläche in der x-y-Ebene. In diesem Fall muss eine Phasenvariation in x-Richtung und in y-Richtung ermittelt werden. Sind die Fenster als dreidimensionale Teilvolumen definiert, so muss zusätzlich eine Phasenvariation in z-Richtung ermittelt werden. Beispielsweise wird bei der Ermittlung der lokalen Phasenvariation ein Pixelabstand in der j-ten Richtung betrachtet. Für die Signalintensitäta_j,n*e^iΔ _j,n ergibt sich dann: $a_{j, n} \cdot e^{i Δ_{j, n}} = \sum_{z \in U j} A_{z + e j, n} A_{z, n}^{*} .$
Dabei ist U_j die Menge der Pixel im Fenster, für die auch z+e_j im Fenster liegt. Weiterhin sind die a_j,n und Δ_j,n reellwertig, so dass insbesondere Δ_j,n einfach der Phase der Summe entspricht.
Die lineare Phasenkorrektur für die Signalwerte A_x,n im Fenster ergibt sich dann zu: $A_{x, n} \to A_{x, n} e^{- i \sum_{j = 1}^{d} Δ_{j, n} x_{j}} .$
Diese Korrektur ergibt sich daraus, dass ein Signal mit einer tatsächlich linear verlaufenden Phase der Form: $A_{x, n} \to M_{n} e^{i \sum_{j = 1}^{d} Δ_{j, n} x_{j}}$
exakt korrigiert würde und diese Summe intensitätsgewichtet ist.
Weiterhin können die bei der Singulärwertermittlung ermittelten Gewichte V_n,1 dazu verwendet werden, durch Bewegung korrupierte Bilddaten zu ermitteln und bei der Rekonstruktion auszusondern. Neben der Phasenvariation verursacht eine Bewegung bei der Diffusionsbildgebung auch eine Signalauslöschung infolge einer Dephasierung innerhalb eines Voxels. Beispielsweise wird bei der abdominalen Diffusionsbildgebung ein Bereich des linken Leberlappens während eines Herzschlags in den Bildddaten nahezu vollständig ausgelöscht. Aus diesem Grund hat ein gemitteltes Bild, in dem einzelne Bildaufnahmen korrupiert sind, sehr wenig Signalintensität.
Um die korrupierten Bilddaten auszusondern, kann man die Beträge der ermittelten Gewichte V_n,1 der Singulärwertzerlegung betrachten. Liegt keine Korrupierung vor, so haben Gewichte alle den gleichen Betrag: $| V_{n,1} | = \frac{1}{\sqrt{N}} .$
Für den Fall einiger korrupierter Bilder sind die Einträge der Gewichtungen der korrupierten Bilder deutlich kleiner, d.h. $| V_{n,1} | ≪ \frac{1}{\sqrt{N}} .$
Mithin lässt sich an einer Bildposition x die Anzahl der Indizes n für die die Gewichte unterhalb der Schwelle liegen, durch Kenntnis der Anzahl der Wiederholungen N der Bildaufnahmen und durch Festlegung einer Schwelle ermitteln. Auf diese Weise lässt sich eine Anzahl N_eff(x) der effektiv unkorrupierten Bilddaten an jedem Pixel ermitteln. Aufgrund der räumlichen Korrelation der Korruption der Bilder lassen sich noch räumliche Mittelwerte N_eff jeweils über ein ganzes Fenster berechnen. Solche Mittelwerte lassen sich zum Beispiel durch ein statistisch robustes Mittel, wie einen Medianfilter, berechnen. Man erhält schließlich einen Korrekturfaktor $\frac{N}{{\bar{N}}_{e f f}},$
um den man die Bildintensität korrigieren kann, um die Korruption zu kompensieren. Vorteilhaft wird auf diese Weise eine Reduktion der Bildintensität aufgrund des Signalausfalls in einzelnen Bildaufnahmen vermieden.
Statt einer Schwelle können auch andere Abbildungen zur Ermittlung der effektiven Anzahl N_eff(x) der unkorrupierten Bilddatensätze genutzt werden. Man könnte zum Beispiel als robustes Mittel den Median berechnen und die Abweichung davon betrachten. Dieser Vorgang kann auch über mehrere Fenster gleichzeitig erfolgen, um die Auflösung von Neff(x) zu reduzieren. Auf diese Weise wird der Aufwand bei der Datenverarbeitung bei der Bildbearbeitung reduziert.
Die Erfindung wird im Folgenden unter Hinweis auf die beigefügten Figuren anhand von Ausführungsbeispielen noch einmal näher erläutert. Es zeigen:

1 ein Flussdiagramm, welches ein MR-Bildgebungsverfahren gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht,
2 ein Schaubild, welches eine Stejskal-Tanner-Pulssequenz veranschaulicht,
3 eine schematische Darstellung einer fensterweisen Bildaufnahme,
4 ein Flussdiagramm, welches ein MR-Bildgebungsverfahren gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht.
5 ein Flussdiagramm, welche ein MR-Bildgebungsverfahren mit partieller Abtastung des k-Raums gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht,
6 eine schematische Darstellung einer Filtereinrichtung gemäß einem Ausführungsbeispiel der Erfindung,
7 eine schematische Darstellung eines MR-Bildgebungssystems gemäß einem Ausführungsbeispiel der Erfindung.

In 1 ist ein Flussdiagramm 100 gezeigt, welches ein MR-Bildgebungsverfahren gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. Bei dem Schritt 1.1 werden im Rahmen einer MR-Diffusionsbildgebung Rohdaten von dem Abdomenbereich eines Patienten erfasst. Eine Pulssequenz für eine Diffusionsbildgebung ist in 2 gezeigt. Wie im Zusammenhang mit 2 erläutert, werden durch Gradienten abgeschwächte Spin-Echo-Signale mit ungeschwächten Spin-Echo-Signalen verglichen, um eine Stärke einer Diffusionsbewegung abschätzen zu können. Aufgrund der geringen Signalstärke unterliegen die akquirierten Messdaten starken Rauscheffekten, was zu statistisch bedingten Unsicherheiten führt. Daher erfolgt eine mehrfache (N-fache) Wiederholung der Rohdatenakquisition, wobei N Rohdatensätze RD₁ , ..., RD_n, ..., RD_N akquiriert werden (N ist eine natürliche Zahl, n ε {1 ... N}) .
Bei dem Schritt 1.II werden auf Basis der Rohdaten RD ₁, ..., RD_N komplexe Bilddaten BD₁ , ..., BD _n, ..., BD _N rekonstruiert.
Anschließend werden die rekonstruierten Bilddaten BD ₁, ..., BD_N bei dem Schritt 1.III fensterweise gemittelt. Da für jeden Teilbereich bzw. Fensterbereich aufgrund der N-fachen Wiederholung der Akquisition N Sätze von komplexen Bilddaten vorliegen, erfolgt jeweils gleichzeitig eine Mittelung der Bilddaten über die N Bilddatensätze. Bei dem Schritt 1.IIIa wird zunächst eine Fläche und Position x eines Fensters F definiert, welches über den abzubildenden Bereich ROI schrittweise bewegt wird. Formal ausgedrückt wird einem Pixelpunkt x eine Abbildung A_y,n zugeordnet, welche die Bilddaten bzw. Intensitäten sämtlicher Fensterpixel y für alle N Wiederholungen der Bildaufnahmen umfasst. Auf Basis dieser Abbildung werden bei dem Schritt 1.IIIb gemäß Formel (6) Gewichtungskoeffizienten V_n,1 berechnet, die bereits eine lokale Phasenkorrektur enthalten. Diese wird benötigt, da die Phasen der Bilddaten in unterschiedlichen Fensterbereichen unterschiedliche Werte annehmen.
Bei dem Schritt 1.IIIc erfolgt noch zusätzlich eine lokale Phasenkorrektur innerhalb der einzelnen Fensterbereiche. D.h., die durch die Singulärwertzerlegung ermittelten Gewichtungen V_n,1 werden um einen Linearfaktor $e^{- i \sum_{j = 1}^{d} Δ_{j, n} x_{j}}$
korrigiert, wodurch korrigierte Gewichtungen V'_n,1 erzeugt werden. Die Größe Δ_j,n ergibt sich aus Gleichung (8), die x_j repräsentieren die einzelnen Pixel im aktuellen Fensterbereich. Weiterhin erfolgt bei dem Schritt 1.IIId eine gewichtete Mittelung der ermittelten n Abbildungen A_x,n mit den Gewichtungen V'_n,1 gemäß Formel (5) und (4). Auf diese Weise erhält man eine gemittelte Pixelintensität Im(F) für eine vorbestimmte Fensterposition. Bei dem Schritt 1.IIIe wird das Fenster F um eine vorbestimmte Pixelzahl, beispielsweise ein einziges Pixel, in einer vorbestimmten Richtung verschoben. Anschließend wird zu dem Schritt 1.IIIb zurückgekehrt und die Schritte 1.IIIb bis 1.IIIe werden wiederholt, bis der gesamte abzubildende Bereich des Patienten abgetastet wurde und für jede Fensterposition eine gemittelt Pixelintensität berechnet wurde. Schließlich wird bei dem Schritt 1.IV ein Bild von einem abzubildenden Bereich ROI, welches die berechneten gemittelten Pixelintensitäten umfasst, ausgegeben.
In 2 ist beispielhaft ein Schaubild einer Stejskal-Tanner-Pulssequenz gezeigt, welche für die Diffusionsbildgebung genutzt werden kann. In dem Schaubild sind untereinander Amplituden von Hochfrequenzpulsen HF, Gradienten G und Messsignalen S über die Zeit t aufgetragen. Wie bereits erwähnt, wird eine Diffusionsbewegung entlang eines Gradientenfelds als Abschwächung eines Spin-Echos gemessen.
Eine diffusionsgewichtete MRT-Pulssequenz beginnt damit, dass ein Hochfrequenzsignal HF1 in einen abzubildenden Bereich eingestrahlt wird, damit der Summenvektor der Magnetisierung in dem genannten Bereich um 90° in die xy-Ebene gekippt wird. Dabei wird aufgrund der Änderung der Magnetisierung ein erstes Signal S1 durch eine Induktion einer entsprechenden elektrischen Spannung in einer Messspule erzeugt. Die Diffusionswichtung geschieht nun dadurch, dass ein kurzzeitig geschaltetes Gradientenfeld G (für die Zeitspanne 5) die Feldstärke des äußeren Magnetfelds in einer vorgegebenen Richtung variiert. Entlang dieser Richtung wird damit auch die Larmorfrequenz der Atomkerne entsprechend variiert. Mithin geraten die Kerne aus der Phase und die in der Messspule induzierte Spannung S1 verschwindet. Nach der halben Echozeit τ_δ erfolgt eine Einstrahlung eines erneuten HF-Pulses HF2, mit dem die Drehrichtung der Kerne um 180° geändert wird und es wird nochmals das gleiche Gradientenfeld G zugeschaltet. Aufgrund der identischen Frequenzunterschiede in umgekehrter Drehrichtung gelangen die magnetischen Momente nun wieder in Phase und es wird erneut ein Signal induziert, das Spin-Echo SE. Aufgrund der Diffusionsbewegung ist dieses Signal SE allerdings schwächer als das Signal S1 zu Beginn der Pulssequenz. Denn ein Teil der Atomkerne gelangt nicht wieder in Phase, weil diese Atomkerne sich in Richtung des Gradientenfelds bewegt haben. Um den Einfluss einer Diffusionsbewegung abschätzen zu können, ist ein Vergleich mit einer zweiten Bildaufnahme ohne Gradienten notwendig, da auch andere Effekte, wie zum Beispiel Spin-Spin-Wechselwirkungen das Spin-Echo SE abschwächen.
In 3 ist beispielhaft ein abzubildender Bereich ROI veranschaulicht, der mit Hilfe einer fensterweisen Bildrekonstruktion abgebildet wird. Der abzubildende Bereich ROI ist der Einfachheit halber nur zweidimensional dargestellt. In der oberen linken Ecke des abzubildenden Bereichs ROI ist mit durchgezogenen Linien ein quadratisches Fenster F(x) um den Punkt x in dem abzubildenden Bereich gezeigt. Das Fenster F(x) weist neben dem Pixel an der Stelle x noch weitere Pixel auf. Insgesamt umfasst das Fenster F(x) 25 Pixel. In einem ersten Rekonstruktionsschritt werden nur Bilddaten, d.h. Intensitätswerte I(F) in dem definierten Fenster F(x) für jedes der 25 Pixel rekonstruiert. Dann wird eine Mittelung der rekonstruierten Intensitätswerte vorgenommen, so dass ein gemittelter Intensitätswert Im(F(x)) für das Fenster F(x) an der Stelle x erhalten wird. Dann wird im Rahmen einer gleitenden Fensterrekonstruktion das Fenster F von der Position x an die Stelle x+e_x versetzt und nun erneut eine Bildrekonstruktion der von dem neu positionierten Fenster F(x+e_x) umfassten 25 Pixel durchgeführt. Anschließend werden die ermittelten Intensitätswerte I(F(x+e_x)) wieder gemittelt, so dass nun ein gemittelter Intensitätswert I_m(F(x+e_x) von dem um e_x verschobenen Fensterbereich erhalten wird. Die gleitende Fenster-Prozessierung wird fortgesetzt, bis der gesamte abzubildende Bereich ROI angetastet wurde.
In 4 ist ein Flussdiagramm 400 gezeigt, welches ein MR-Bildgebungsverfahren gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. Der Übersichtlichkeit halber sind die Schritte 1.1, 1.11, 1.IIIa, und 1.IIIb, welche den 1 veranschaulichten Verfahrensschritten entsprechen, nicht gezeigt. Bei dem Schritt 1.IIIc erfolgt wie bei der in 1 gezeigten Variante noch zusätzlich eine lokale Phasenkorrektur innerhalb der einzelnen Fensterbereiche. D.h., die durch die Singulärwertzerlegung ermittelten Gewichtungen V_n,1 werden um einen Linearfaktor $e^{- i \sum_{j = 1}^{d} Δ_{j, n} x_{j}}$
korrigiert und es werden korrigierte Gewichtungen V'_n,1 erzeugt. Anschließend erfolgt bei dem Schritt 1.IIIca eine Prüfung, ob Gewichtungen V'_n,1 einen vorbestimmten Schwellwert SW unterschreiten. Diese Prüfung dient dazu, sogenannte korrupierte Bilddaten auszusortieren. Derartige Bilddaten entstehen, wenn bei einem Diffusionsbildgebungsvorgang in einem abzubildenden Teilbereich ein Signal aufgrund einer Körperbewegung nahezu vollständig ausgelöscht wird. Infolge dessen hat das rekonstruierte Bild, welches pro Fenster ja aus einer Anzahl N von Bildrekonstruktionen erzeugt wird, weniger Signalintensität in Teilbereichen, in denen einzelne dieser N Bilddatensätze korrupiert sind. Bei dem Schritt 1.IIIca werden nun die Beträge der bei dem Filterprozess ermittelten Gewichtungen V'_n,1 daraufhin untersucht, ob sie einen Schwellwert SW unterschreiten. Falls das der Fall ist, wird die effektive Anzahl Neff(x) der Bildrekonstruktionen für ein Pixel x reduziert. Anschließend erfolgt bei dem Schritt 1.IIId wie bei dem in 1 veranschaulichten Ausführungsbeispiel eine Berechnung der Bildintensitäten der Pixel x.
Bei dem Schritt 1.IIIe wird das Fenster wiederum um e_j verschoben und die Rekonstruktion geht mit den Schritten 1.IIIb bis 1.IIId weiter, bis der gesamte abzubildende Bereich ROI rekonstruiert ist. Bei dem Schritt 1.IIIf erfolgt nun anders als bei der in 1 veranschaulichten Variante eine Ermittlung einer räumlich gemittelten Karte der Anzahl Neffm(x) der effektiven unkorrupierten Bilder. Dieser Vorgang ist daher sinnvoll, da Korruption räumlich korreliert ist. Dieser Schritt kann mit einem statistisch robusten Mittel, wie zum Beispiel einem Medianfilter, erfolgen. Bei dem Schritt 1.IIIg, welcher sich ebenfalls von der in 1 gezeigten Vorgehensweise unterscheidet, werden nun mit Hilfe der gemittelten Anzahl Neffm(x) und der bekannten Anzahl N der Akquisition und Rekonstruktion pro Pixel um den Verlust der Signalintensität korrigierte Bildintensitäten I'_m(F(x)) = N/Neff_m (x)*I_m(F(x)) berechnet. Schließlich werden bei dem Schritt 1.IV korrigierte Bilddaten BD_f(I'_m), welche die korrigierten Bildintensitäten I'_m(F(x)) umfassen, ausgegeben. Mithin werden durch Bewegungen reduzierte Bildintensitäten korrigiert, wodurch die Bildqualität verbessert wird.
In 5 ist ein Flussdiagramm 500 gezeigt, welches ein MR-Bildgebungsverfahren mit partieller Abtastung des k-Raums gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. Bei einer partiellen Abtastung erfolgt nur eine Abtastung eines Teils des k-Raums, wobei die dadurch fehlenden Bildinformationen bzw. Rohdaten durch Phasenkorrektur und Spiegelung im k-Raum ermittelt werden. Allerdings sind herkömmliche Herangehensweisen für die Diffusionsbildgebung nicht robust genug, was zu einer starken Artefaktbildung führt. Die Ursache für die Artefakte ist wohl in einer starken Phasenvariation zu suchen. Wie bereits in der Einleitung erwähnt, werden die nicht abgetasteten Bereiche im k-Raum mit Nullwerten aufgefüllt. Dies entspricht der Multiplikation der Fouriertransformierten mit einer Fensterfunktion und damit einer Faltung des Bildes mit einer Fensterfunktion. Aufgrund der starken Lokalisierung des Fensters wird das rekonstruierte Bild stark verwischt (Blurring). Die genannten Artefakte lassen sich durch eine Phasenkorrektur sowie eine anschließende Hochpassfilterung unterdrücken.
Bei dem Schritt 5.1 werden zunächst im k-Raum N partielle Sätze von Rohdaten RDP₁, ..., RDP _N im Rahmen einer Diffusions-bildgebung erfasst. Die partiellen Rohdatensätze RDP ₁, ..., RDP_N werden anschließend bei dem Schritt 5.II um Nullwerte in den k-Raum-Bereichen ergänzt, in denen der k-Raum nicht abgetastet wurde und es werden nun damit vollständige Rohdatensätze RD₁, ..., RD _N erzeugt. Bei dem Schritt 5. III werden auf Basis der Rohdatensätze RD₁, ..., RD _N N Bilddatensätze BD₁,..., BD_N rekonstruiert. Dann erfolgt bei dem Schritt 5.IV eine dem Schritt 1.III entsprechende Mittelung der Bilddaten BD₁,..., BD_N mit einer Phasenkorrektur wie sie beispielsweise im Zusammenhang mit 1 beschrieben wurde, um die durch die partielle Abtastung verursachte Kantenüberhöhung zu kompensieren. Die dabei entstehenden gefilterten Bilddaten BD_f(Im) werden bei dem Schritt 5.IV mit Hilfe eines inversen Hochpassfilters bearbeitet, der einen durch den Realteil der Fensterfunktion erzeugten Tiefpasseffekt kompensiert. Schließlich werden die derart korrigierten Bilddaten bei dem Schritt 5.VI ausgegeben.
In 6 ist eine Filtereinrichtung 60 gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. Die Filtereinrichtung 60 umfasst eine Fenstererzeugungseinheit 61, welche empfangene Bilddaten BD₁, ..., BD _N fensterweise zu Fensterbilddaten A_y,n gruppiert. Die Fensterbilddaten A_y,n werden an eine Phasenkorrektureinheit 62 übermittelt, welche eine erste Phasenkorrekturuntereinheit 62a und eine zweite Phasenkorrekturuntereinheit 62b umfasst. Die erste Phasenkorrekturuntereinheit 62a dient dazu, auf Basis eines Fensterbilddatensatzes A_y,n einen einheitlichen Phasenkorrekturwert für das gesamte Fenster zu ermitteln. Hierbei werden die in Formel (5) beschriebenen Gewichtungskoeffizienten V_n,1 erzeugt. Auf Basis der Fensterbilddaten A_y,n werden von der zweiten Phasenkorrektureinheit 62b von der Position im Fenster linear abhängige Phasenkorrekturwerte berechnet, welche multipliziert mit den von der ersten Phasenkorrektureinheit 62a berechneten Gewichtungskoeffizienten V_n,1 korrigierte Gewichtungskoeffizienten V'_n,1 ergeben. Teil der Filtereinrichtung 60 ist auch eine Mittelungseinheit 63, welche auf Basis der Fensterbilddaten A_y,n sowie der korrigierten Gewichte V'_n,1 für jedes Fenster F bzw. jede Fensterposition x einen Intensitätsmittelwert Im(F) berechnet. Die Intensitätsmittelwerte werden an eine Bilderzeugungseinheit 64 übermittelt, die daraus ein vollständiges gefiltertes Bild BD_f(Im) von einem zu untersuchenden Bereich ROI kombiniert.
7 zeigt ein Ausführungsbeispiel einer erfindungsgemäßen Magnetresonanzanlage 71, welche in der Lage ist, nach dem erfindungsgemäßen Verfahren 100, 400, 500 zu arbeiten. Kernstück dieser Magnetresonanzanlage 71 ist der Magnetresonanztomograph 72 selbst, in welchem ein Patient P auf einem Patientenlagerungstisch 74 (auch Liegenbrett 74 genannt) in einem ringförmigen Grundfeldmagneten 73, welcher den Messraum 75 umschließt, positioniert wird. Auf und ggf. auch unter dem Patienten befindet sich beispielsweise eine Vielzahl von Lokalspulen LS, auch Magnetresonanzspulen genannt.
Das Liegenbrett 74 ist in Längsrichtung, d. h. entlang der Längsachse des Tomographen 72, verschiebbar. Diese Richtung wird in dem ebenfalls dargestellten Raumkoordinatensystem als z-Richtung bezeichnet. Innerhalb des Grundfeldmagneten befindet sich im Tomographen 72 eine nicht näher dargestellte Ganzkörperspule, mit der Hochfrequenzpulse ausgesendet und empfangen werden können. Außerdem weist der Tomograph 72 in üblicher, in 7 nicht dargestellter Weise Gradientenspulen auf, um in jeder der Raumrichtungen x, y, z einen Magnetfeldgradienten anlegen zu können.
Angesteuert wird der Tomograph 72 von einer Steuereinrichtung 76, welche hier separat dargestellt ist. An die Steuereinrichtung 76 ist ein Terminal 84 angeschlossen. Dieses Terminal 84 weist einen Bildschirm 87, eine Tastatur 85 und ein Zeigegerät 86 für eine graphische Benutzeroberfläche, beispielsweise eine Maus 86 oder dergleichen auf. Das Terminal 84 dient u. a. als Benutzerschnittstelle, über die ein Bediener die Steuereinrichtung 76 und damit den Tomographen 72 bedient. Sowohl die Steuereinrichtung 76 als auch das Terminal 84 können auch integraler Bestandteil des Tomographen 72 sein.
Das Magnetresonanzsystem 71 kann darüber hinaus auch alle weiteren üblichen Komponenten bzw. Merkmale solcher Systeme aufweisen, wie z. B. Schnittstellen zum Anschluss eines Kommunikationsnetzes, beispielsweise eines Bildinformationssystems o. Ä. Alle diese Komponenten sind jedoch der besseren Übersichtlichkeit wegen in 7 nicht dargestellt. Über das Terminal 84 kann ein Bediener mit der Steuereinrichtung 76 kommunizieren und so für die Durchführung der gewünschten Messungen sorgen, indem beispielsweise der Tomograph 72 von der Steuereinrichtung 76 so angesteuert wird, dass die erforderlichen Hochfrequenzpulssequenzen durch die Hochfrequenz-Spulen ausgesendet werden und die Gradientenspulen in geeigneter Weise geschaltet werden. Über die Steuereinrichtung 76 werden auch die vom Tomographen kommenden, für die Bildgebung benötigten Rohdaten RD akquiriert. Hierzu weist die Steuereinrichtung 76 eine Rohdatenerzeugungseinheit 77 auf, in der von dem Tomographen 72 kommende Messsignale in Rohdaten RD gewandelt werden. Beispielsweise wird dies durch eine Digitalisierung der Messsignale erreicht. In einer Signalauswerteeinheit 78, bei der es sich z. B. um ein Modul der Steuereinrichtung 76 handeln kann, werden Rohdaten RD zu Bilddaten BD rekonstruiert. Die rekonstruierten Bilddaten BD werden weiter an eine Filtereinrichtung 60 gesendet, welche in dem in 7 gezeigten Ausführungsbeispiel ebenfalls Teil der Steuereinrichtung 76 ist. Die Filtereinrichtung 60 ist wie in 6 gezeigt, aufgebaut. Die gefilterten Bilddaten BD_f(Im) können beispielsweise auf dem Bildschirm 87 des Terminals 74 visualisiert werden und/oder in einem Speicher hinterlegt bzw. über ein Netzwerk versandt werden. Weiterhin weist die Steuereinrichtung 76 eine Ansteuersequenz-Erzeugungseinheit 79 auf, mit der eine Ansteuersequenz AS entsprechend einem Protokoll, das zum Beispiel von dem Terminal 84 empfangen wird, erzeugt wird.
Beispielsweise empfängt die Ansteuersequenz-Erzeugungseinheit 79 von dem Terminal 84 Protokolldaten PR, welche vorbestimmte Parameterwerte einer zu ermittelnden Pulssequenz AS aufweisen. Die Ansteuersequenz-Erzeugungseinheit 79 ist weiterhin dazu eingerichtet, eine Ansteuersequenz AS auf dem Magnetresonanztomographen 72 auszuspielen. Diese umfasst zum Beispiel eine Pulssequenz für eine Diffusionsbildgebung.
Die zur Umsetzung der Erfindung in einem Magnetresonanzsystem 71 erforderlichen Komponenten der Filtereinrichtung 60 können zumindest teilweise oder auch vollständig in Form von Softwarekomponenten erstellt werden. Übliche Magnetresonanzsysteme weisen ohnehin programmierbare Steuereinrichtungen auf, so dass auf diese Weise die Erfindung bevorzugt mit Hilfe von geeigneter Steuersoftware realisierbar ist, d. h., es wird ein entsprechendes Computerprogramm direkt in den Speicher einer programmierbaren Steuereinrichtung 76 des betreffenden Magnetresonanzsystems 71 geladen, welches Computerprogramm Programmcode-Mittel aufweist, um das erfindungsgemäße Verfahren 100, 400, 500 durchzuführen. Auf diese Weise sind auch bereits existierende Magnetresonanzsysteme einfach und kostengünstig nachrüstbar.
Insbesondere ist es möglich, dass einige der Komponenten auch als Unterroutinen in bereits in der Steuereinrichtung 76 vorhandenen Komponenten realisiert sind bzw. dass vorhandene Komponenten für den erfindungsgemäßen Zweck mitverwendet werden. Dies betrifft beispielsweise die Filtereinrichtung 60, die zum Beispiel in einer existierenden Steuereinrichtung 76 eventuell in einer bereits vorhandenen Rekonstruktionseinheit 78 implementiert werden kann.
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorbeschriebenen Verfahren und Vorrichtungen lediglich um bevorzugte Ausführungsbeispiele der Erfindung handelt und dass die Erfindung vom Fachmann variiert werden kann, ohne den Bereich der Erfindung zu verlassen, soweit er durch die Ansprüche vorgegeben ist. Es wird der Vollständigkeit halber auch darauf hingewiesen, dass die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ nicht ausschließt, dass die betreffenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließt der Begriff „Einheit“ nicht aus, dass diese aus mehreren Komponenten besteht, die gegebenenfalls auch räumlich verteilt sein können.

Claims

Verfahren zum Filtern von MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N), aufweisend die Schritte: - Empfangen von komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) von einem abzubildenden Bereich (ROI), - Erzeugen von gefilterten MR-Bilddaten (BD_f(I_m)) unter Anwendung einer gleitenden Fenster-Mittelung auf die komplexen MR-Bilddaten (BD₁, ..., BD_n), wobei für jede Fensterposition - eine Phasenvariation der komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) einzelner Bildpunkte (x) eines gleitenden Fensters (F) durch einen linearen Phasenverlauf modellhaft abgeschätzt wird, - gefilterte komplexe MR-Bilddaten (BD_f(I_m), Im(F)) durch Mittelwertbildung der komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) einzelner Bildpunkte (x) des gleitenden Fensters (F) unter Berücksichtigung der abgeschätzten Phasenvariation erzeugt werden.
Verfahren nach Anspruch 1, wobei - für jede Fensterposition (x) ein lokal konstanter Phasenwert ermittelt wird und - für die Ermittlung der gefilterten komplexen MR-Bilddaten (BD_f(I_m), I_m(F)) für jeden Bildpunkt (x) ein Phasenwert ermittelt wird, der aus einer Summe aus dem konstanten Phasenwert und einem Wert der abgeschätzten Phasenvariation gebildet wird.
Verfahren nach Anspruch 2, wobei der lokal konstante Phasenwert durch eine gewichtet mittelnde Singulärwertzerlegung der Bilddaten (BD₁, ..., BD_n, ..., BD_N) einzelner Bildpunkte des gleitenden Fensters (F) ermittelt wird.
Verfahren nach Anspruch 2, wobei eine reellwertige Mittelung mittels Singulärwertzerlegung durchgeführt wird und eine Phasenvariation der Bilddaten (BD₁, ..., BD_n, ..., BD_N) derart ermittelt wird, dass eine Mittelwert der in einem Fenster (F) ermittelten Bilddaten (BD₁, ..., BD_n, ..., BD_N) reellwertig ist.
Verfahren nach einem der vorstehenden Ansprüche, wobei die komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) diffusionsgewichtete MR-Bilddaten umfassen.
Verfahren nach einem der vorstehenden Ansprüche, wobei die Abschätzung einer Phasenvariation das Ermitteln eines Phasenterms in einer Mehrzahl von Ortsrichtungen (e_j) umfasst.
Verfahren nach Anspruch 6, wobei eine Phasenvariation in x-Richtung und in y-Richtung ermittelt wird.
Verfahren nach Anspruch 7, wobei zusätzlich eine Phasenvariation in z-Richtung ermittelt wird.
Verfahren nach einem der Ansprüche 3 bis 8, wobei bei der Ermittlung der Phasenvariation ermittelte Gewichte (V_n,1, V'_n,1) dazu verwendet werden, durch Bewegung korrupierte Bilddaten zu ermitteln.
MR-Bildgebungsverfahren, aufweisend die Schritte: - mehrmaliges Akquirieren von Rohdaten (RD₁, ..., RD_n, ..., RD_N) von einem abzubildenden Bereich (ROI), - Rekonstruieren von MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) auf Basis der akquirierten Rohdaten (RD₁, ..., RD_n, ..., RD_N) , - Anwenden des Verfahrens nach einem der Ansprüche 1 bis 9 auf die rekonstruierten Bilddaten (BD₁, ..., BD_n, ..., BD_N) .
MR-Bildgebungsverfahren nach Anspruch 10, wobei - die MR-Rohdaten (RDP₁, ..., RDP_n, ..., RDP_N) durch partielle Abtastung des k-Raums gewonnen werden, - die nicht abgetasteten Teilbereiche des k-Raums mit Nullwerten aufgefüllt werden und - ein Hochpassfilter auf die gefilterten komplexen MR-Bilddaten (BD_f(I_m)) angewendet wird.
MR-Bilddaten-Filtereinrichtung (60), aufweisend: - eine Phasenkorrektureinheit (62) zum Ermitteln einer korrigierten Phase von komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) unter Anwendung einer gleitenden Fenster-Mittelung auf die komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) , wobei für jede Fensterposition (x) eine Phasenvariation der komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) einzelner Bildpunkte (x) eines gleitenden Fensters (F) durch einen linearen Phasenverlauf modellhaft abgeschätzt wird, - eine Mittelungseinheit (63) zum Erzeugen gefilterter komplexer MR-Bilddaten (I_m(F)) durch Mittelwertbildung der komplexen MR-Bilddaten (BD₁, ..., BD_n, ..., BD_N) einzelner Bildpunkte (x) des gleitenden Fensters unter Berücksichtigung der abgeschätzten Phasenvariation.
MR-Bildgebungssystem (71), aufweisend eine MR-Bilddaten-Ermittlungseinrichtung (60) nach Anspruch 12.
Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinheit einer Steuereinrichtung (76) einer MR-Bildgebungseinrichtung ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn das Computerprogramm in der Steuereinrichtung ausgeführt wird.
Computerlesbares Medium, auf welchem von einer Rechnereinheit ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn die Programmabschnitte von der Rechnereinheit ausgeführt werden.