EP3698157A1 - Génération optimisée d'images irm par un système irm multi-antennes - Google Patents

Génération optimisée d'images irm par un système irm multi-antennes

Info

Publication number
EP3698157A1
EP3698157A1 EP18800251.3A EP18800251A EP3698157A1 EP 3698157 A1 EP3698157 A1 EP 3698157A1 EP 18800251 A EP18800251 A EP 18800251A EP 3698157 A1 EP3698157 A1 EP 3698157A1
Authority
EP
European Patent Office
Prior art keywords
antenna
complex
image data
antennas
data
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.)
Withdrawn
Application number
EP18800251.3A
Other languages
German (de)
English (en)
Inventor
Mathieu SANTIN
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.)
Centre National de la Recherche Scientifique CNRS
Assistance Publique Hopitaux de Paris APHP
Institut National de la Sante et de la Recherche Medicale INSERM
Sorbonne Universite
Institut du Cerveau et de La Moelle Epiniere ICM
Original Assignee
Centre National de la Recherche Scientifique CNRS
Assistance Publique Hopitaux de Paris APHP
Institut National de la Sante et de la Recherche Medicale INSERM
Sorbonne Universite
Institut du Cerveau et de La Moelle Epiniere ICM
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 Centre National de la Recherche Scientifique CNRS, Assistance Publique Hopitaux de Paris APHP, Institut National de la Sante et de la Recherche Medicale INSERM, Sorbonne Universite, Institut du Cerveau et de La Moelle Epiniere ICM filed Critical Centre National de la Recherche Scientifique CNRS
Publication of EP3698157A1 publication Critical patent/EP3698157A1/fr
Withdrawn legal-status Critical Current

Links

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
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
    • 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
    • G01R33/44—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
    • G01R33/5659—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the RF magnetic field, e.g. spatial inhomogeneities of the RF magnetic field

Definitions

  • the present invention generally relates to the field of medical imaging and more particularly to nuclear magnetic resonance imaging or MRI.
  • the present invention aims to improve the quality of the images in magnitude and phase, obtained by an MRI system comprising a plurality of radio frequency (RF) receiver antennas.
  • RF radio frequency
  • MRI is based on the principle of nuclear magnetic resonance (NMR), which uses the quantum properties of atomic nuclei.
  • NMR nuclear magnetic resonance
  • MRI requires a strong and stable magnetic field produced by a superconducting magnet that creates tissue magnetization by aligning magnetic spin moments. Weaker oscillating magnetic fields, called “radiofrequency”, are then applied so as to slightly modify this alignment. The return to equilibrium, noted relaxation gives rise to a radio frequency signal measurable by an antenna.
  • MRI magnetic resonance
  • An inverse Fourier transform applied to the data in the space k makes it possible to form complex image data in the spatial domain, ie data with complex values, of an anatomical zone of a subject.
  • image data can correspond to a two-dimensional image (or "slice") or volume image (that is to say three-dimensional).
  • a magnitude image formed of the modules of complex values in each pixel of the image data obtained is traditionally used because it has a maximum signal-to-noise ratio.
  • An in-phase image, formed of the arguments of the complex values in each pixel of the image data obtained can also be used to measure velocities and flows, for example blood, or to provide information on the macroscopic variations of the magnetic field.
  • MRI systems with multiple antennas or antenna elements have been developed to explore a wide area of interest and provide an improved signal-to-noise ratio over single-antenna systems.
  • Such multi-antenna MRI systems are formed of a set of several surface antennas, arranged for example side by side. Each antenna has its own radiofrequency signal receiving channel and produces an image of the anatomical region in which it is located. The different images obtained in the spatial domain are then combined by computer algorithms to form a terminal image.
  • a classic combination of images is based on the so-called sum of squares technique (or SoS for Sum of Squares in English).
  • the present invention aims to improve known techniques for obtaining images in magnitude and / or phase better quality, that is to say having an improved signal-to-noise ratio and / or with fewer artifacts.
  • the invention provides a method of generating an image of a subject using a nuclear magnetic resonance imaging system, MRI, comprising a plurality of radiofrequency receiver antennas, the method comprising the following steps:
  • the covariance matrix has non-diagonal coefficients that are non-zero, and
  • each complex piece of data image is weighted by the diagonal element of the covariance matrix or its inverse or pseudo-inverse matrix corresponding to the antenna by means of which said complex data is obtained.
  • the invention also relates to a nuclear magnetic resonance imaging system, MRI, comprising a plurality of radiofrequency receiving antennas and at least one processor configured to:
  • each complex image data is weighted by the diagonal element of the covariance matrix or of its inverse or pseudo-inverse matrix corresponding to the antenna with which said complex data is obtained.
  • the MRI system has similar advantages to those of the above method.
  • the method further comprises the following steps:
  • the reference antenna is one of said antennas which is sensitive on the whole of a volume of interest formed by the subject. This approach simplifies the processing to remove the sensitivity of each antenna within the various data obtained.
  • the reference antenna is a virtual antenna formed by linear combination of said antennas of the MRI system. This makes it possible to overcome the problem of the absence of an antenna having a sensitivity on the entire volume of interest.
  • the linear combination determination may include a phase correction of the obtained complex image data. This makes it possible to avoid or limit a loss of signal-to-noise ratio in the development and use of the reference virtual antenna.
  • This correction on complex image data obtained by means of an antenna can be carried out independently of the other antennas, by means of weighting coefficients of the antennas chosen in an appropriate way, that is to say on the basis of complex image data obtained using said antenna only.
  • the correction can be performed by subtracting, from the complex image data obtained using an antenna, the phase of the sum of the complex image data obtained with the aid of said antenna (for the same moment of acquisition).
  • This correction is simpler than that implemented in the Parker publication. It makes it possible to reduce overall phase noise in the data, and thus to transcribe the coherent phase of the explored tissue of the subject.
  • the inventor has found that, thanks to this phase correction of the images, the false estimation situations of the reference antenna in the application of the aforementioned Parker publication have disappeared.
  • the images of the subject generated by the invention are therefore generally of better quality.
  • it can be performed by subtracting from the complex image data obtained using an antenna a predetermined phase value so that the complex image data obtained using several or even all the antennas have the same phase value (preferably zero) in the same pixel.
  • This predetermined value can be calculated for each antenna, corresponding for example to the phase obtained by this antenna at said pixel (or spatial point of the observed area).
  • this pixel or spatial point can be chosen in a maximum overlap area between the antennas. Several points can be chosen in the case where all antennas do not present a common recovery.
  • the linear combination comprises a weighting of the complex image data corrected according to the magnitude of the set of complex data (for example a weighting by the inverse of the sum of the modules of these data complex). This allows in particular to normalize the different images acquired between them.
  • the step of replacing comprises applying a low-pass filter to a phase difference between a complex image data obtained using an antenna and a complex piece of data. corresponding (ie of the same coordinates) obtained for the reference antenna, and the subtraction of this filtered phase difference from the phase of the complex image data obtained by means of the antenna.
  • the image data obtained for the reference virtual antenna may correspond to the aforementioned linear combination applied to the image data obtained using the different antennas mentioned in this linear combination.
  • this subtraction can be achieved by multiplying the complex image data obtained by the antenna 'j' in each pixel (x, y, z) by exp (-i. ⁇ 3 ⁇ 4 (x, y, z )>) where ⁇ 3 ⁇ 4 (x, y, z)> is the filtered phase difference at the point (x, y, z) for the antenna j.
  • the image of the generated subject is a magnitude image or a phase image or a complex image.
  • Figure 1 schematically illustrates a multi-antenna MRI system 1 in which the present invention can be implemented
  • Figure 2 illustrates, using a flow chart, general steps of an embodiment of generating an image according to the invention.
  • FIG. 3 illustrates MRI images generated by the implementation of the invention (FIG. 3 low) compared to MRI images generated according to standard square sum reconstruction techniques, known under the abbreviation SoS (FIG. 3 top) .
  • SoS abbreviation SoS
  • the present invention is concerned with improving the quality of images generated by a multi-antenna nuclear magnetic resonance imaging (MRI) system, typically by spin echo or gradient echo sequence.
  • MRI nuclear magnetic resonance imaging
  • the radiofrequency signal measured by an antenna allows the acquisition, step by step, of images in the frequency space, generally the space k (otherwise known as k-space data in English terminology).
  • These data in the space k correspond to a vector representing the magnetic field measured by the measuring antenna at each pixel or voxel of the observed area, in response to an excitation sequence emitted by the MRI system.
  • These k-space data are complex in that their values at each pixel or voxel are complex values.
  • the complex spatial data (two-dimensional or volumetric, ie three-dimensional) obtained via the multiple antennas or antenna elements in a zone or volume of interest, generally an anatomical zone of a patient subject, are combined to form a single spatial image (2D or 3D), which is generally used by the practitioner. We are talking about building an image.
  • the magnitude image is formed by the modules of the complex spatial data from the combination, at the level of each pixel / voxel. In most medical applications, it is this magnitude image that is exploited.
  • the in-phase image is made up of complex spatial data arguments from the same combination, at the pixel / voxel level.
  • the use of the phased image is newer. It allows in particular to analyze the blood flow in an anatomical zone of interest, or to be interested in the local magnetic field variations, carried by the phase
  • This publication proposes to determine an absolute phase relative to the area of interest explored, from the multi-antenna measurements. This determination involves the creation of a reference virtual antenna, the replacement of the phase component specific to each antenna by a phase component of the reference antenna within each spatial image (therefore in the complex spatial data). , then the use of an inverse matrix of noise covariance between the antennas to combine these images previously rephased on the reference virtual antenna.
  • the reference virtual antenna is formed by simply combining the physical antennas of the MRI system weighted by complex weights, so as to present a sensitivity over the entire area of interest.
  • the rephasing on the reference antenna is performed by applying a low-pass filter to the phase difference between the non-rephased image and a generated image corresponding to the reference antenna, and then subtracting this difference in phase filtered at the phase of the image not yet rephased.
  • This rephasing ensures that the phase proper to each antenna has been replaced by the same reference phase, while maintaining the magnetization phase that we wish to observe and the noise phase. The influence of the sensitivity of the antennas is thus reduced or suppressed in these rephased images.
  • the present invention takes advantage of an unexpected technical effect of improving the quality of generated magnitude and / or phase images resulting from a choice made by the inventor when combining the complex spatial images into a single image.
  • the invention provides a summation of the complex image data (in the spatial domain) obtained using different antennas, by weighting these complex image data using only the diagonal elements of the covariance matrix or of its inverse or pseudo-inverse matrix (for example if the covariance matrix is not invertible), preferably the diagonal element corresponding to the antenna from which is derived each complex image data obtained in question.
  • the invention thus does not provide for a complex combination using all the elements of the inverse matrix of noise covariance of the antennas as in the publication Parker et al. above, being reminded that in practice the covariance matrix is not diagonal and has one or more non-diagonal non-zero coefficients.
  • the approach according to the invention thus reduces the calculation complexity during the generation of the final image of the subject observed.
  • this simplified summation can be applied to the algorithm described in Parker et al. or improved versions of it.
  • this algorithm is only interested in the improvement of the phase image, it is surprisingly observed that the simplified summation provided by the invention substantially improves the quality of the image in magnitude.
  • Figure 1 schematically illustrates a multi-antenna MRI system 1 in which the present invention may be implemented.
  • a multi-antenna MRI system 1 comprises a plurality of antennas (or antenna elements) Aj receiving radio frequency 2, 3, 4 disposed near the zone or the volume of interest, generally an anatomical zone 5. Although only three antennas are shown in the Figure, the MRI system 1 may comprise two or more such antennas. For example, there may be 64 antennas distributed near the volume of interest.
  • the antennas may be surface or volume (surrounding a tunnel in which the area of interest is located), arranged side by side (phased array) or according to different plans, be receivers only or transceivers.
  • the antennas all have a volume / measurement area that includes the volume / area of interest.
  • the invention also applies to an antenna array that does not completely overlap the area of interest (some antennas measuring part of the area of interest and others not, vice versa for another part of the area of interest). 'interest).
  • An antenna control module 6 allows the acquisition of raw complex data, known as k-space data (radio frequency signal detected) according to conventional MRI techniques well known to those skilled in the art.
  • An image processing processor 7 implements treatments according to the invention for the purpose of generating an image I of a subject 5 disposed in the area of interest.
  • the image I thus generated, in magnitude and / or in phase, can be displayed on screen 8, for example to a doctor.
  • Several images I can be generated in time, to obtain a series of MRI images.
  • the k-space data acquired by each antenna Aj 1 ... Nc, with Ne the number of antennas) are converted into space space (using a Fourier transform) .
  • the complex data thus obtained are complex spatial data, denoted Pj (x, y, z) at each point P (x, y, z) of the volume of interest.
  • the spatial data pj (x, y, z) obtained using each antenna Aj can be realigned in the same frame ( ⁇ , ⁇ , ⁇ ), so that two pixels pi (x, y, z) and p2 (x, y, z) obtained using two antennas Ai and A 2 and having the same coordinates (x, y, z) in this frame of reference correspond to the same point P (x, y , z) the volume of interest.
  • pi (x, y, z) designates the data of the constructed image I for the point P (x, y, z) from the different image data acquired.
  • FIG. 2 illustrates, by means of a flow chart, general steps of an embodiment of generation of an image I of the subject 5 by the image building processor 7 for a current instant t of acquisition . All or part of these steps can be repeated at subsequent acquisition times to form a time series of MRI images.
  • the initial step 20 consists in determining a noise covariance matrix for the antenna array AA N c.
  • This symmetric matrix of size N c ⁇ N c denoted R, represents the noise coupling between the individual antennas, and therefore the influence of the antennas Aj to each other.
  • a single covariance matrix can be determined for all points P (x, y, z) of the observed interest volume.
  • P points P (x, y, z) of the observed interest volume.
  • R an automatic and periodic reevaluation of the matrix R, for example if an acquisition is prolonged in time.
  • Rij denotes the element of R at column i and line j (i, I [1 ... N C ]).
  • Ru is the diagonal element of position i, corresponding to antenna A, that is to say the variance of A.
  • Step 20 may be performed at system start 1 or, preferably, before each imaging session performed (i.e. before a series of data acquisitions in the space k for a patient in response to an excitation MRI sequence).
  • the covariance matrix R is estimated from a noise acquisition only: the radio frequency excitation and / or the magnetic field gradients are deactivated and the MRI system acquires noise samples to estimate the noise on each antenna Aj. A correlation between these noises can be estimated and retranscribed as a covariance matrix.
  • the covariance matrix R represents a measurement, by each antenna A ,, of thermal and / or electronic noise due to the other antennas Aj (for the non-diagonal elements of the matrix) or due to the antenna A, it -even (for diagonal elements).
  • the skilled person knows many techniques for determining the covariance matrix or matrices
  • the covariance matrix (and therefore its inverse or pseudo-inverse) has non-diagonal elements that are non-zero.
  • Step 20 is followed by step 22 in which the MRI system 1 acquires raw data (k-space data) from the area of interest (in which a patient has been placed for example), transforms them into the space domain to obtain raw spatial data.
  • raw data k-space data
  • the raw spatial image data thus obtained are denoted by the antenna Aj (je [1 ... N c ]).
  • These data can be volumic: Pj (x, y, z) for each point P (x, y, z) of the volume of interest, or be two-dimensional for example within a slice
  • Steps 24 and 26 are optional, meaning that step 28 described later can be applied directly to the raw image data obtained in step 22.
  • a reference antenna denoted Ref. This reference antenna will be used, as described below, to rephasing the different raw image data obtained so that they are decorrelated to the maximum of the sensitivity of their own respective antennas.
  • Step 24 may simply consist in taking one of said antennas Aj which is sensitive over a whole volume of interest formed by the subject.
  • a variant envisaged consists in forming a virtual antenna by linear combination of said antennas Aj of the IRM system 1: Ref w J pj where wj is a weight assigned to the antenna Aj in the linear combination, to rotate each datum pj in a preferred direction and to normalize the reference antenna (
  • 1 for example, which allows to multiply data by Ref without changing the magnitude of the data).
  • step 24 comprises a first phase correction sub-step 240 of the complex image data obtained. This step is intended to standardize each channel in terms of phase.
  • this correction can be used to choose a phase offset that cancels the phase of the data pj obtained with the aid of each antenna Aj, at the same point P. 0 (xo, yo, z 0 ).
  • one subtracts, in the R phase, said corrective thus determined, so that the data R of more or all antennas have the same phase value (preferably zero) in the same pixel.
  • ⁇ Pj arg (p (x 0 , y 0 , z 0 )).
  • this approach must be cascaded (daisy chain in English language) between a first sub-volume where some antennas have a common point P 0 where to cancel for example the phase of the complex data obtained, then a second sub-volume where some antennas have another common point Pi where the phase of the complex data obtained will take a specific value.
  • This precise value is for example given by the value at the point Pi of an image belonging to the two subvolumes, whose phase has already been canceled in P 0 .
  • a preferred variant of correction is not dependent on the degree of overlap of the antennas.
  • the correction is performed by subtracting, from the complex image data obtained using an antenna, the phase of the sum of the complex image data obtained with the aid of said antenna.
  • This correction 240 is performed on each set of raw data pj obtained using an antenna Aj.
  • Step 242 then calculates the reference antenna Ref for the current instant t, by linear combination of the antennas Aj.
  • the linear combination may comprise a weighting of the corrected data pj as a function of the magnitude of the set of data pj obtained, for example a weighting by the inverse of the sum of the modules of the pj.
  • Ref > or l-1 is a function absolute value (or module
  • the reference antenna Ref can be determined once and then stored in memory for a series of measurements (step 22 repeated at different consecutive instants of the same subject explored, or even with a new subject).
  • the reference antenna can be re-determined whenever parameters of the MRI sequence are modified.
  • step 26 consists for the image construction processor 7 of rephasing the acquired raw image data with respect to the reference antenna Ref determined, so that their phases no longer depend on the sensitivity specific to their corresponding Aj antennas. During this step, it can therefore be expected to replace, in each complex image data obtained using an antenna, a phase component specific to the antenna by a phase component of the reference antenna. corresponding to the same spatial position as the complex image data.
  • This operation can be performed in several sub-steps.
  • a phase difference 3 ⁇ 4 (x, y, z) between a complex image data obtained Pj (x, y, z) and a corresponding complex data (ie with the same coordinates) generated for reference antenna Ref (x, y, z) is calculated:
  • this phase difference is filtered to remove the noise-related phase components. Since the noise is not correlated between pixels in the acquired data, unlike the sensitivity of the antennas, a low-pass filter (in the frequency domain of the images) is used.
  • a Hanning filter can be used, of the Hanning 3D filter type when acquiring three-dimensional data (ie when 3 ⁇ 4 (x, y, z) is three-dimensional) or of the 2D Hanning filter type with two-dimensional data (3 ⁇ 4 (x, y) is 2D).
  • a 2D Hanning filter can also be used for three-dimensional data.
  • 3 ⁇ 4 (x, y, z) is then "split" into slices (2D), for example by setting z constant, then each 2D slice is transformed into the frequency domain (using a Fourier transform ) before applying the Hanning filter. The result is reconverted in the space domain.
  • a filter as discussed in the "Combination of Signals from Array Coils Using Image-Based Estimation of Coilability Proficiency Profiles" (Bydder et al., Magn Reson Med 2002; 47: 539-548) may be used.
  • this filtered phase difference is subtracted from the phase of the image complex data element considered: arg (pj (x, y, z)) - ⁇ 3 ⁇ 4 (x, y, z)>.
  • pj (x, y, z) pj x, y, z). e ⁇ l ⁇ i ⁇ x ' y ' z ⁇ .
  • the weight used is proportional, or even equal, contrary to the diagonal element of R, or it is proportional, or even equal to the diagonal element of R -1 :
  • each complex image data obtained is weighted by the inverse of the diagonal element of the covariance matrix corresponding to the antenna with which the complex data was obtained or by the diagonal element of the (pseudo) inverse covariance matrix corresponding to the same antenna.
  • the signal pi thus generated is complex, making it possible to construct a magnitude image of the explored zone and / or a phase image of this same zone.
  • This summation according to the invention is of low computational complexity (compared to the solution described in Parket et al., For example) for a clear improvement in the quality of the images constructed (compared to the solutions of the machine manufacturers IRM s' using a simple unweighted summation of the images obtained using the different antennas, for example).
  • FIG. 3 illustrates MRI images generated by the implementation of the invention using the inverse of the diagonal elements of the covariance matrix R (FIG. 3 low) compared with MRI images generated according to the standard techniques of sum reconstruction. squares, known under the abbreviation SoS ( Figure 3 top).
  • phased image In the phased image (right), conventionally observed artifacts are removed, including English-language branch line artifacts, open-ended fringe lines, and phase discontinuities (see arrow F1).
  • the embodiments described above first seek to improve the phased image, the inventor has found that the magnitude image (left) is also significantly improved when the final summation 28 uses the only diagonal coefficients of the covariance matrix R (here) or of its inverse matrix R 1 .
  • the inventor has observed a lower intensity variation, which is therefore beneficial, in the magnitude images.
  • the implementation of the invention makes it possible to correct biases in the image.
  • the contrast in the center of the explored area is enhanced (see the image at the bottom left), even though the antenna sensitivity profile may be unknown.

Landscapes

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

Abstract

La présente invention améliore la qualité des images en magnitude et en phase produites en imagerie médicale, notamment IRM multi-antennes. L'invention propose de générer (28) une telle image (I) en sommant les données complexes d'image (I.) obtenues de différentes antennes par pondération de ces données à l'aide des seuls éléments diagonaux (II.) d'une matrice de covariance de bruit des antennes ou de sa matrice inverse ou pseudo-inverse (III.). Une antenne de référence (Ref) peut être déterminée (24) de sorte à pouvoir remplacer (26), dans chacune de ces données, une composante de phase propre à l'antenne d'acquisition par une composante de phase de référence. L'antenne de référence est préférentiellement une antenne virtuelle formée par combinaison linéaire des antennes du système IRM. Si des améliorations notables sont obtenues dans l'image en phase résultant de la sommation, un très net gain est également obtenu, de façon surprenante, dans l'image en magnitude.

Description

GENERATION OPTIMISEE D'IMAGES IRM PAR UN SYSTEME IRM MULTI-
ANTENNES
La présente invention concerne de manière générale le domaine de l'imagerie médicale et plus particulièrement de l'imagerie par résonance magnétique nucléaire ou IRM. La présente invention vise à améliorer la qualité des images en magnitude et en phase, obtenues par un système IRM comprenant une pluralité d'antennes réceptrices radio fréquence (RF).
CONTEXTE DE L'INVENTION
L'IRM repose sur le principe de la résonance magnétique nucléaire (RMN) qui utilise les propriétés quantiques des noyaux atomiques. L'IRM nécessite un champ magnétique puissant et stable produit par un aimant supraconducteur qui crée une magnétisation des tissus par alignement des moments magnétiques de spin. Des champs magnétiques oscillants plus faibles, dits « radiofréquence », sont alors appliqués de façon à légèrement modifier cet alignement. Le retour à l'équilibre, noté relaxation donne lieu à un signal radiofréquence mesurable par une antenne.
La spécificité de l'IRM consiste à localiser précisément dans l'espace l'origine de ce signal RMN en appliquant des champs magnétiques non uniformes, des « gradients », qui vont induire des fréquences de précession légèrement différentes en fonction de la position des atomes dans ces gradients.
Les champs magnétiques détectés par l'antenne sont acquis pour former une image à valeurs complexes dans le domaine fréquentiel, autrement appelés k-space data (données dans l'espace k). On connaît le document US 2013/076352 qui divulgue la sélection d'un schéma de sous-échantillonnage pour une imagerie IRM.
Une transformée de Fourier inverse appliquée aux données dans l'espace k permet de constituer des données complexes d'image dans le domaine spatial, c'est-à- dire des données à valeurs complexes, d'une zone anatomique d'un sujet. Ces données d'image peuvent correspondre à une image bidimensionnelle (ou « tranche ») ou volumique (c'est-à-dire tridimensionnelle).
Une image en magnitude, formée des modules des valeurs complexes en chaque pixel des données d'image obtenues est traditionnellement utilisée car elle présente un rapport signal sur bruit maximal. Une image en phase, formée des arguments des valeurs complexes en chaque pixel des données d'image obtenues, peut également être utilisée pour mesurer des vitesses et débits, par exemple sanguins, ou renseigner sur les variations macroscopiques du champ magnétique.
Des systèmes IRM dotés de plusieurs antennes ou éléments d'antenne ont été développés, permettant d'explorer une large zone d'intérêt et procurant un rapport signal sur bruit amélioré par rapport aux systèmes mono-antenne. De tels systèmes IRM multi-antennes sont formés d'un ensemble de plusieurs antennes de surface, disposées par exemple côte à côte. Chaque antenne possède son propre canal de réception du signal radiofréquence et produit une image de la région anatomique en regard de laquelle elle se trouve. Les différentes images obtenues dans le domaine spatial sont ensuite combinées par des algorithmes informatiques pour former une image terminale. Une combinaison classique des images s'appuie sur la technique dite de la somme des carrés (ou SoS pour Sum of Squares en langue anglo-saxonne).
Le document « Image Reconstruction: An Overview for Clinicians » (Michael
S. Hansen et al., Journal of Magnetic Résonance Imaging 41 : 537-585, 2015) donne une présentation d'ensemble de techniques de reconstructions en imagerie IRM.
La présente invention vise à améliorer les techniques connues pour obtenir des images en magnitude et/ou en phase de meilleure qualité, c'est-à-dire présentant un rapport signal sur bruit amélioré et/ou avec moins d'artéfacts.
RESUME DE L'INVENTION
Dans ce contexte, l'invention propose un procédé de génération d'une image d'un sujet à l'aide d'un système d'imagerie par résonance magnétique nucléaire, IRM, comprenant une pluralité d'antennes réceptrices radiofréquence, le procédé comprenant les étapes suivantes :
obtenir, à l'aide de chaque antenne (à un instant d'acquisition), des données complexes (c'est-à-dire à valeurs complexes) d'image du sujet,
obtenir une matrice de covariance de bruit desdites antennes. Dans la pratique, la matrice de covariance présente des coefficients non diagonaux qui sont non nuls, et
générer une image du sujet en sommant les données complexes d'image obtenues à l'aide de différentes antennes par pondération de ces données complexes d'image à l'aide des seuls éléments diagonaux de la matrice de covariance obtenue ou de sa matrice inverse ou pseudo-inverse. Notamment, chaque donnée complexe d'image est pondérée par l'élément diagonal de la matrice de covariance ou de sa matrice inverse ou pseudo-inverse correspondant à l'antenne à l'aide de laquelle ladite donnée complexe est obtenue.
L'inventeur a constaté que cette opération de combinaison linéaire des images pondérées par les seuls éléments diagonaux de la matrice ou matrice (pseudo)inverse de covariance (et donc sans utiliser les éléments non-diagonaux qui sont en pratique non-nuls) simplifie les algorithmes de combinaison des images acquises par les antennes, tout en rehaussant la qualité des images en phase et, de façon surprenante, en magnitude ainsi composées.
Corrélativement, l'invention concerne également un système d'imagerie par résonance magnétique nucléaire, IRM, comprenant une pluralité d'antennes réceptrices radiofréquence et au moins un processeur configuré pour :
obtenir, à l'aide de chaque antenne, des données complexes d'image d'un sujet,
obtenir une matrice de covariance de bruit desdites antennes, comportant un ou plusieurs coefficients non diagonaux non nuls, et
générer une image du sujet en sommant les données complexes d'image obtenues à l'aide de différentes antennes par pondération de ces données complexes d'image à l'aide des seuls éléments diagonaux de la matrice de covariance obtenue ou de sa matrice inverse ou pseudo-inverse. Notamment, chaque donnée complexe d'image est pondérée par l'élément diagonal de la matrice de covariance ou de sa matrice inverse ou pseudo-inverse correspondant à l'antenne à l'aide de laquelle ladite donnée complexe est obtenue.
Le système IRM présente des avantages similaires à ceux du procédé ci- dessus.
Selon un mode particulier de réalisation, le procédé comprend en outre les étapes suivantes :
déterminer une antenne de référence, et
remplacer, dans chaque donnée complexe d'image obtenue à l'aide d'une antenne, une composante de phase propre à l'antenne par une composante de phase de l'antenne de référence à la même position spatiale que la donnée complexe d'image.
Cette configuration permet de supprimer l'influence de la sensibilité propre des antennes dans la combinaison finale des données d'image permettant de générer l'image du sujet. Selon une caractéristique particulière, l'antenne de référence est une desdites antennes qui est sensible sur l'ensemble d'un volume d'intérêt formé par le sujet. Cette approche permet de simplifier les traitements pour supprimer la sensibilité propre de chaque antenne au sein des différentes données obtenues.
Selon une variante, l'antenne de référence est une antenne virtuelle formée par combinaison linéaire desdites antennes du système IRM. Cela permet de pallier le problème d'absence d'une antenne ayant une sensibilité sur l'entièreté du volume d'intérêt.
Dans ce cas, la détermination par combinaison linéaire peut comprendre une correction des phases des données complexes d'image obtenues. Cela permet d'éviter ou limiter une perte de rapport signal sur bruit dans l'élaboration et l'utilisation de l'antenne virtuelle de référence.
Cette correction sur des données complexes d'image obtenues à l'aide d'une antenne peut être réalisée indépendamment des autres antennes, au travers de coefficients de pondération des antennes choisis de façon appropriée, c'est-à-dire sur la base de données complexes d'image obtenues à l'aide de ladite antenne seulement.
La correction peut être réalisée en soustrayant, aux données complexes d'image obtenues à l'aide d'une antenne, la phase de la somme des données complexes d'image obtenues à l'aide de ladite antenne (pour le même instant d'acquisition). Cette correction est plus simple que celle mise en œuvre dans la publication Parker. Elle permet de réduire globalement le bruit de phase dans les données, et d'ainsi retranscrire la phase cohérente du tissu exploré du sujet. L'inventeur a constaté que, grâce à cette correction des phases des images, les situations d'estimation fausse de l'antenne de référence dans l'application de la publication Parker susmentionnée ont disparues. Les images du sujet générées par l'invention sont donc globalement de meilleure qualité.
En variante, elle peut être réalisée en soustrayant, aux données complexes d'image obtenues à l'aide d'une antenne, une valeur de phase prédéterminée pour que les données complexes d'image obtenues à l'aide de plusieurs voire toutes les antennes présentent une même valeur de phase (préférentiellement zéro) en un même pixel. Cette valeur prédéterminée peut être calculée pour chaque antenne, correspondant par exemple à la phase obtenue par cette antenne au dit pixel (ou point spatial de la zone observée). De préférence, ce pixel ou point spatial peut être choisi dans une zone de recouvrement maximum entre les antennes. Plusieurs points peuvent être choisis dans le cas où toutes les antennes ne présenteraient pas un recouvrement commun.
Selon une caractéristique optionnelle de l'invention, la combinaison linéaire comprend une pondération des données complexes d'image corrigées fonction de la magnitude de l'ensemble des données complexes (par exemple une pondération par l'inverse de la somme des modules de ces données complexes). Cela permet notamment de normaliser les différentes images acquises entre elles.
Dans un autre mode de réalisation particulier, l'étape consistant à remplacer comprend l'application d'un filtre passe-bas à une différence de phase entre une donnée complexe d'image obtenue à l'aide d'une antenne et une donnée complexe correspondante (à savoir de mêmes coordonnées) obtenue pour l'antenne de référence, et la soustraction de cette différence de phase filtrée de la phase de la donnée complexe d'image obtenue à l'aide de l'antenne. Les données d'image obtenues pour l'antenne virtuelle de référence peuvent correspondre à la combinaison linéaire susmentionnée appliquée aux données d'image obtenues à l'aide des différentes antennes évoquées dans cette combinaison linéaire.
En pratique, cette soustraction peut être réalisée par la multiplication de la donnée complexe d'image obtenue par l'antenne 'j' en chaque pixel (x,y,z) par exp(-i.<¾(x,y,z)>) où <¾(x,y,z)> est ladite différence de phase filtrée au point (x,y,z) pour l'antenne j.
Selon un mode de réalisation, l'image du sujet générée est une image en magnitude ou une image en phase ou une image à valeurs complexes.
BREVE DESCRIPTION DES FIGURES
D'autres particularités et avantages de l'invention apparaîtront encore dans la description ci-après, illustrée par les dessins ci-joints, dans lesquels :
la Figure 1 illustre schématiquement un système IRM multi-antennes 1 dans lequel la présente invention peut être mise en œuvre ;
la Figure 2 illustre, à l'aide d'un ordinogramme, des étapes générales d'un mode de réalisation de génération d'une image selon l'invention ; et
la Figure 3 illustre des images IRM générées par la mise en œuvre de l'invention (Figure 3 bas) comparativement à des images IRM générées selon les techniques classiques de reconstruction par somme des carrés, connues sous l'abréviation SoS (Figure 3 haut). DESCRIPTION DETAILLEE DE MODES DE REALISATION
La présente invention s'intéresse à l'amélioration de la qualité des images générées par un système d'imagerie à résonance magnétique (IRM) nucléaire multi- antennes, typiquement par séquence écho de spin ou écho de gradient. Dans un tel système, le signal radiofréquence mesuré par une antenne permet l'acquisition, tranche par tranche, d'images dans l'espace fréquentiel, généralement l'espace k (autrement appelées k-space data en terminologie anglo-saxonne).
Ces données dans l'espace k correspondent à un vecteur représentant le champ magnétique mesuré par l'antenne de mesure au niveau de chaque pixel ou voxel de la zone observée, en réponse à une séquence d'excitation émis par le système IRM. Ces k-space data sont complexes en ce que leurs valeurs à chaque pixel ou voxel sont des valeurs complexes.
Une transformée de Fourier inverse de ce signal (k-space data) permet d'obtenir des données, également complexes, dans le domaine spatial pour l'antenne de mesure. Il s'agit donc d'images spatiales.
Ce sont ainsi plusieurs jeux d'images spatiales (données spatiales complexes) qui sont obtenus par les multiples antennes du système IRM.
Aux fins de simplification des explications, on fera référence par la suite aux seules données spatiales complexes (ou images spatiales complexes) obtenues par les antennes, Bien entendu, leur obtention passe par l'acquisition de k-space data et l'application d'une transformée de Fourier inverse telles qu'évoquées ci-dessus.
Les données spatiales complexes (bidimensionnelles ou volumétriques, c'est- à-dire tridimensionnelles) obtenues via les multiples antennes ou éléments d'antenne dans une zone ou un volume d'intérêt, généralement une zone anatomique d'un sujet patient, sont combinées pour former une seule image spatiale (2D ou 3D), laquelle est généralement exploitée par le praticien. On parle de construction d'une image.
Du fait que les données spatiales sont complexes, cette combinaison permet de construire deux types d'images.
D'un côté, l'image en magnitude est formée des modules des données spatiales complexes issues de la combinaison, au niveau de chaque pixel/voxels. Dans la plupart des applications médicales, c'est cette image en magnitude qui est exploitée.
De nombreuses techniques sont connues qui visent à améliorer la qualité de l'image en magnitude, par exemple par rehaussement du contraste.
De l'autre côté, l'image en phase est formée des arguments des données spatiales complexes issues de la même combinaison, au niveau des pixels/voxels. L'utilisation de l'image en phase est plus récente. Elle permet notamment d'analyser les débits sanguins dans une zone anatomique d'intérêt, ou de s'intéresser aux variations locales de champ magnétiques, portées par la phase
Quelques techniques ont été développées pour améliorer la qualité de l'image en phase. On connaît notamment la publication « Phase Reconstruction from Multiple Coil Data Using a Virtual Référence Coil » (Parker et al., Magnetic Résonance in Medicine 72:563-569, 2014).
Cette publication propose de déterminer une phase absolue relative à la zone d'intérêt explorée, à partir des mesures multi-antennes. Cette détermination passe par la création d'une antenne virtuelle de référence, le remplacement de la composante de phase propre à chaque antenne par une composant de phase de l'antenne de référence au sein de chaque image spatiale (donc dans les données spatiales complexes), puis l'utilisation d'une matrice inverse de covariance de bruit entre les antennes pour combiner ces images préalablement rephasées sur l'antenne virtuelle de référence.
L'antenne virtuelle de référence est formée par simple combinaison des antennes physiques du système IRM pondérées par des poids complexes, de sorte à présenter une sensibilité sur l'ensemble de la zone d'intérêt.
Le rephasage sur l'antenne de référence s'opère par application d'un filtre passe-bas à la différence de phase entre l'image non rephasée et une image générée correspondant à l'antenne de référence, puis par soustraction de cette différence de phase filtrée à la phase de l'image non encore rephasée. Ce rephasage garantit que la phase propre à chaque antenne a été remplacée par la même phase de référence, tout en conservant la phase de magnétisation que l'on souhaite observer et la phase de bruit. L'influence de la sensibilité des antennes est ainsi réduite voire supprimée dans ces images rephasées.
La présente invention tire profit d'un effet technique inattendu d'amélioration de la qualité d'images en magnitude et/ou en phase générées résultant d'un choix opéré, par l'inventeur, lors de la combinaison des images spatiales complexes en une seule image.
L'invention prévoit une sommation des données complexes d'image (dans le domaine spatial) obtenues à l'aide de différentes antennes, par pondération de ces données complexes d'image à l'aide des seuls éléments diagonaux de la matrice de covariance ou de sa matrice inverse ou pseudo-inverse (par exemple si la matrice de covariance n'est pas inversible), préférablement l'élément diagonal correspondant à l'antenne d'où est issue chaque donnée complexe d'image obtenue en question. L'invention ne prévoit ainsi pas de combinaison complexe utilisant l'ensemble des éléments de la matrice inverse de covariance de bruit des antennes comme dans la publication Parker et al. susmentionnée, étant rappelé qu'en pratique la matrice de covariance n'est pas diagonale et comporte un voire plusieurs coefficients non diagonaux non nuls. L'approche selon l'invention réduit ainsi la complexité de calcul lors de la génération de l'image finale du sujet observé.
Comme il sera décrit par la suite, cette sommation simplifiée peut être appliquée à l'algorithme décrit dans Parker et al. ou à des versions améliorées de celui-ci. Bien que cet algorithme s'intéresse uniquement à l'amélioration de l'image en phase, il est observé, de façon surprenante, que la sommation simplifiée prévue par l'invention améliore substantiellement la qualité de l'image en magnitude.
La Figure 1 illustre schématiquement un système IRM multi-antennes 1 dans lequel la présente invention peut être mise en œuvre.
De façon classique, un système IRM multi-antennes 1 comprend une pluralité d'antennes (ou éléments d'antenne) Aj réceptrices radio fréquence 2, 3, 4 disposées à proximité de la zone ou du volume d'intérêt, généralement une zone anatomique d'un sujet patient 5. Bien que seulement trois antennes soient représentées sur la Figure, le système IRM 1 peut comprendre deux ou un plus grand nombre de telles antennes. On peut par exemple compter 64 antennes réparties à proximité du volume d'intérêt.
Les antennes peuvent être surfaciques ou volumiques (entourant un tunnel dans lequel la zone d'intérêt est située), disposées côte à côte (réseau phasé) ou selon des plans différents, être réceptrices seulement ou émettrices-réceptrices.
Préférentiellement, les antennes ont toutes un volume/une zone de mesure qui inclut le volume/la zone d'intérêt. L'invention s'applique également à un réseau d'antennes ne chevauchant pas entièrement la zone d'intérêt (certaines antennes mesurant une partie de la zone d'intérêt et d'autres non, vice versa pour une autre partie de la zone d'intérêt).
Un module de contrôle des antennes 6 permet l'acquisition de données complexes brutes, connues sous l'appellation de k-space data (signal radiofréquence détecté) selon des techniques classiques d'IRM bien connues de l'homme du métier.
Un processeur de construction d'images 7 met en œuvre des traitements selon l'invention aux fins de générer une image I d'un sujet 5 disposé dans la zone d'intérêt. L'image I ainsi générée, en magnitude et/ou en phase, peut être affichée sur l'écran 8, par exemple à un médecin. Plusieurs images I peuvent être générées dans le temps, permettant d'obtenir une série d'images IRM.
De façon connue, les k-space data acquises par chaque antenne Aj (j=1 ...Nc, avec Ne le nombre d'antennes) sont converties dans l'espace spatial (à l'aide d'une transformée de Fourier). Les données complexes ainsi obtenues sont des données spatiales complexes, notées Pj(x,y,z) au niveau de chaque point P(x,y,z) du volume d'intérêt.
Toujours de façon connue, les données spatiales pj(x,y,z) obtenues à l'aide de chaque antenne Aj peuvent être réalignées dans un même référentiel (Χ,Υ,Ζ), de telle sorte que deux pixels pi(x,y,z) et p2(x,y,z) obtenues à l'aide de deux antennes Ai et A2 et ayant les mêmes coordonnées (x,y,z) dans ce référentiel correspondent à un même point P(x,y,z) du volume d'intérêt. Les données d'image volumiques pj(x,y,z) obtenues peuvent être traitées par tranches, auquel cas une des dimensions prend une valeur fixe pour chaque tranche (par exemple z=z0, zi , z2, zN, avec N+1 le nombre de tranches).
Pour la suite, pi(x,y,z) désigne les données de l'image construite I pour le point P(x,y,z) à partir des différentes données d'image acquises.
La Figure 2 illustre, à l'aide d'un ordinogramme, des étapes générales d'un mode de réalisation de génération d'une image I du sujet 5 par le processeur de construction d'images 7 pour un instant courant t d'acquisition. Tout ou partie de ces étapes peuvent être réitérées à des instants ultérieurs d'acquisition, afin de former une série temporelle d'images IRM.
L'étape initiale 20 consiste à déterminer une matrice de covariance de bruit pour le réseau d'antennes A ANc Cette matrice symétrique de taille Nc x Nc, notée R, représente le couplage de bruit entre les antennes individuelles, et donc l'influence des antennes Aj les unes aux autres.
Une unique matrice de covariance peut être déterminée pour l'ensemble des points P(x,y,z) du volume d'intérêt observé. Bien entendu d'autres approches peuvent être mises en œuvre, notamment une réévaluation automatique et périodique de la matrice R, par exemple si une acquisition se prolonge dans le temps.
Rij désigne l'élément de R à la colonne i et ligne j (i,j e [1 ...NC]). Ru est l'élément diagonal de position i, correspondant à l'antenne A, c'est-à-dire la variance de A.
L'étape 20 peut être réalisée au démarrage du système 1 ou, préférentiellement, avant chaque session d'imagerie effectuée (c'est-à-dire avant la série d'acquisitions de données dans l'espace k pour un patient en réponse à une séquence IRM d'excitation).
La matrice de covariance R est estimée à partir d'une acquisition de bruit seulement : l'excitation radiofréquence et/ou les gradients de champ magnétiques sont désactivés et le système IRM acquiert des échantillons de bruit pour estimer le bruit sur chaque antenne Aj. Une corrélation entre ces bruits peut être estimée et retranscrite sous forme de matrice de covariance. Ainsi, la matrice de covariance R représente une mesure, par chaque antenne A,, de bruit thermique et/ou électronique dû par les autres antennes Aj (pour les éléments non-diagonaux de la matrice) ou dû par l'antenne A, elle-même (pour les éléments diagonaux). L'homme du métier connaît de nombreuses techniques permettant de déterminer la ou les matrices de covariance
R d'un réseau d'antennes.
En pratique, les systèmes IRM étant non parfaits, la matrice de covariance (et donc son inverse ou pseudo-inverse) comporte des éléments non-diagonaux qui sont non nuls.
L'étape 20 est suivie de l'étape 22 au cours de laquelle le système IRM 1 acquiert des données brutes (k-space data) de la zone d'intérêt (dans laquelle un patient a été placé par exemple), les transforme dans le domaine spatial pour obtenir des données spatiales brutes. Cette obtention, à l'aide de chaque antenne réceptrice RF (à l'instant t d'acquisition), de données spatiales brutes du sujet, ces données étant à valeurs complexes, permet d'obtenir une pluralité d'images (2D ou 3D) parallèles de la zone explorée,
On note pj les données spatiales brutes d'image ainsi obtenues à l'aide de l'antenne Aj (j e [1 ...Nc]). Ces données peuvent être volumiques : Pj(x,y,z) pour chaque point P(x,y,z) du volume d'intérêt, ou être bidimensionnelles par exemple au sein d'une tranche
Les étapes 24 et 26 sont optionnelles, signifiant que l'étape 28 décrite par la suite peut être appliquée directement sur les données brutes d'image obtenues à l'étape 22.
A l'étape 24, une antenne de référence, notée Ref, est déterminée. Cette antenne de référence sera utilisée, comme décrit par la suite, pour rephaser les différentes données brutes d'image obtenues afin que celles-ci soient décorrélées au maximum de la sensibilité propre de leurs antennes respectives.
L'étape 24 peut simplement consister à prendre une desdites antennes Aj qui est sensible sur l'ensemble d'un volume d'intérêt formé par le sujet. Toutefois, une variante envisagée consiste à former une antenne virtuelle par combinaison linéaire desdites antennes Aj du système IRM 1 : Ref wJpj où wj est un poids affecté à l'antenne Aj dans la combinaison linéaire, pour faire tourner chaque donnée pj dans une direction privilégiée et pour normaliser l'antenne de référence (|Ref|=1 par exemple, ce qui permet de multiplier des données par Ref sans modifier la magnitude des données).
Il s'agit alors de déterminer les données spatiales brutes virtuelles (pour chaque point P(x,y,z)) qui correspondent à cette antenne virtuelle, afin de les utiliser pour rephaser les données spatiales brutes obtenues à l'aide de chaque antenne physique Aj.
Dans un mode de réalisation avec antenne virtuelle de référence, l'étape 24 comprend une première sous-étape 240 de correction des phases des données complexes d'images obtenues. Cette étape a pour vocation de normaliser chaque canal en termes de phase.
Comme décrit dans la publication « Phase Reconstruction from Multiple Coil
Data Using a Virtual Référence Coil » de Parker et al., cette correction peut par exemple consister à choisir un correctif (offset) de phase qui annule la phase des données pj obtenues à l'aide de chaque antenne Aj, en un même point P0(xo,yo,z0). Ainsi, on soustrait, à la phase des R, ledit correctif ainsi déterminé, pour que les données R de plusieurs, voire toutes, les antennes présentent une même valeur de phase (préférentiellement zéro) en un même pixel.
Cette correction sur les données R est ici réalisée indépendamment des autres antennes, au travers de coefficients de pondération des antennes choisis de façon appropriée sur la base de données complexes d'image obtenues à l'aide de ladite antenne seulement : le correctif φ, utilisé pour Aj vaut par exemple l'argument de
<Pj = arg(p (x0, y0, z0)).
La soustraction de ce correctif aux données acquises permet d'obtenir un signal corrigé pj :
pj (x, y, z) = pj (x, y, z). e ~ιφϊ
Si les antennes ne se chevauchent pas suffisamment dans le volume d'intérêt, cette approche doit être mise en cascade (daisy chain en langue anglo-saxonne) entre un premier sous-volume où certaines antennes ont un point commun P0 où annuler par exemple la phase des données complexes obtenues, puis un second sous-volume où certaines antennes ont un autre point commun Pi où la phase des données complexes obtenues va prendre une valeur précise. Cette valeur précise est par exemple donnée par la valeur au point Pi d'une image appartenant aux deux sous-volumes, dont la phase a déjà été annulée en P0.
Une variante préférentielle de correction n'est pas dépendante du degré de chevauchement des antennes. Dans cette variante, la correction est réalisée en soustrayant, aux données complexes d'image obtenues à l'aide d'une antenne, la phase de la somme des données complexes d'image obtenues à l'aide de ladite antenne.
En d'autres termes, on calcule d'abord la somme Sj des données complexes d'une image : Sj =∑xy,z Pj (.x > y> z) ou Ie volume parcouru par (x,y,z) correspond au volume d'observation (qui peut être réduit à une surface dans le cas d'images 2D).
On extrait la phase φ, de cette somme : <pj = arg(5 )
Puis on soustrait à chaque donnée brute obtenue cette phase φ, correctrice pour obtenir des données corrigées : (x, y, z) = pj (x, y, z). e ~i(pj .
Cette correction 240 est réalisée sur chaque jeu de données brutes pj obtenues à l'aide d'une antenne Aj.
L'étape 242 calcule alors l'antenne de référence Ref pour l'instant courant t, par combinaison linéaire des antennes Aj. En particulier, la combinaison linéaire peut comprendre une pondération des données corrigées pj fonction de la magnitude de l'ensemble des données pj obtenues, par exemple une pondération par l'inverse de la somme des modules des pj.
Ainsi, Ref > ou l- l est 'a fonction valeur absolue (ou module
pour des nombres complexes).
En utilisant les coordonnées de chaque pixel :
Avantageusement, l'antenne de référence Ref peut être déterminée une fois puis gardée en mémoire pour une série de mesures (étape 22 réitérée à différents instants consécutifs du même sujet exploré, voire avec un nouveau sujet). L'antenne de référence peut notamment être re-déterminée chaque fois que des paramètres de la séquence IRM sont modifiés.
Suite à l'étape 24, l'étape 26 consiste pour le processeur de construction d'image 7 à rephaser les données brutes d'image acquises par rapport à l'antenne de référence Ref déterminée, de sorte que leurs phases ne dépendent plus de la sensibilité propre à leurs antennes Aj correspondantes. Lors de cette étape, il peut donc être prévu de remplacer, dans chaque donnée complexe d'image obtenue à l'aide d'une antenne, une composante de phase propre à l'antenne par une composante de phase de l'antenne de référence correspondant à la même position spatiale que la donnée complexe d'image.
Cette opération peut être réalisée en plusieurs sous-étapes.
A la sous-étape 260, une différence de phase ¾(x,y,z) entre une donnée complexe d'image obtenue Pj(x,y,z) et une donnée complexe correspondante (à savoir de mêmes coordonnées) générée pour l'antenne de référence Ref(x,y,z) est calculée :
¾(x,y,z)=arg(pj(x,y,z))-arg(Ref(x,y,z)).
A la sous-étape 262, cette différence de phase est filtrée pour supprimer les composantes de phase liées au bruit. Comme le bruit n'est pas corrélé entre pixels dans les données acquises, à l'inverse de la sensibilité des antennes, un filtre passe- bas (dans le domaine fréquentiel des images) est utilisé. A titre d'exemple, un filtre de Hanning peut être utilisé, du type filtre de Hanning 3D lors de l'acquisition de données tridimensionnelles (donc lorsque ¾(x,y,z) est tridimensionnel) ou du type filtre de Hanning 2D avec des données bidimensionnelles (¾(x,y) est 2D). Un filtre de Hanning 2D peut également être utilisé pour des données tridimensionnelles. Par exemple, ¾(x,y,z) est alors « découpée » en tranches (2D), par exemple en fixant z constant, puis chaque tranche 2D est transformée dans le domaine fréquentiel (à l'aide d'une transformée de Fourier) avant de lui appliquer le filtre de Hanning. Le résultat est reconverti dans le domaine spatial.
En variante, un filtre tel qu'évoqué dans la publication « Combination of signais from array coils using image-based estimation of coil sensitivity profiles » (Bydder et al., Magn Reson Med 2002; 47:539-548) peut être utilisé.
On note <.> le filtrage. Ainsi, on obtient <¾(x,y,z)> la différence de phase filtrée.
A la sous-étape 264, cette différence de phase filtrée est soustraite de la phase de la donnée complexe d'image considérée : arg(pj(x,y,z)) - <¾(x,y,z)>.
On obtient ainsi des données complexes traitées , (x, y, z) pour chaque antenne A :
pj(x, y, z) = pj x, y, z). e~l^i^x'y'z^ .
C'est cette opération qui substitue les composantes de phase de sensibilité des différentes antennes Aj de mesure par une même composante de phase propre à l'antenne de référence. S'ensuit alors la génération d'une image I du sujet 5 en sommant les données pj(x, y, z) par pondération de celles-ci à l'aide des seuls éléments diagonaux de la matrice de covariance R ou de sa matrice (pseudo)inverse R~ . (c'est-à-dire sans l'aide des autres coefficients non-diagonaux de ces matrices dont tout ou partie sont non nuls).
En particulier, soit le poids utilisé est proportionnel, voire égal, à l'inverse de l'élément diagonal de R, soit il est proportionnel, voire égal, à l'élément diagonal idoine de R-1 :
p,(x, y, z) = — -— . ρ χ, ν, ζ) lorsque la matrice de covariance R est utilisée ;
P/(x, y, z) =∑'=1 Rj (x, y, z). pj(x, y, z) lorsque la matrice inverse (ou pseudoinverse) R 1 est utilisée.
C'est l'étape finale 28.
Dans cette formule de sommation, chaque donnée complexe d'image obtenue est pondérée par l'inverse de l'élément diagonal de la matrice de covariance correspondant à l'antenne à l'aide de laquelle la donnée complexe a été obtenue ou par l'élément diagonal de la matrice (pseudo)inverse de covariance correspondant à la même antenne.
Le signal pi ainsi généré est complexe, permettant de construire une image en magnitude de la zone explorée et/ou une image en phase de cette même zone.
Cette sommation selon l'invention est de faible complexité de calcul (par rapport à la solution décrite dans Parket et al., par exemple) pour une amélioration nette de la qualité des images construites (par rapport aux solutions des constructeurs de machines IRM s'appuyant sur une simple sommation non pondérée des images obtenues à l'aide des différentes antennes, par exemple).
La Figure 3 illustre des images IRM générées par la mise en œuvre de l'invention utilisant l'inverse des éléments diagonaux de la matrice de covariance R (Figure 3 bas) comparativement à des images IRM générées selon les techniques classiques de reconstruction par somme des carrés, connues sous l'abréviation SoS (Figure 3 haut).
Dans l'image en phase (à droite), les artéfacts classiquement observés sont supprimés, incluant les artéfacts de repliement (branch line en langue anglo-saxonne), les bordures ouvertes (open-ended fringe line en langue anglo-saxonne) et les discontinuités de phase (voir la flèche F1 ). De façon surprenante, bien que les modes de réalisation décrits ci-dessus cherchent d'abord à améliorer l'image en phase, l'inventeur a constaté que l'image en magnitude (à gauche) est également nettement améliorée lorsque la sommation finale 28 utilise les seuls coefficients diagonaux de la matrice de covariance R (ici) ou de sa matrice inverse R 1. En particulier, lorsque les inverses des éléments diagonaux de la matrice R sont utilisés, l'inventeur a constaté une variation d'intensité plus faible, donc bénéfique, dans les images en magnitude,
Si traditionnellement le signal IRM se concentre sur les parties proches des antennes (généralement le cortex d'une imagerie du cerveau) et s'effondre rapidement au centre de la zone explorée (voir l'image en haut à gauche), la mise en œuvre de l'invention permet de corriger des biais dans l'image. Le contraste au centre de la zone explorée (loin des antennes) est rehaussé (voir l'image en bas à gauche), alors même que le profil de sensibilité des antennes peut être inconnu.
Les exemples qui précèdent ne sont que des modes de réalisation de l'invention qui ne s'y limite pas.

Claims

REVENDICATIONS
1 . Procédé de génération d'une image (I) d'un sujet (5) à l'aide d'un système (1 ) d'imagerie par résonance magnétique nucléaire, IRM, comprenant une pluralité d'antennes réceptrices radiofréquence (Aj), le procédé comprenant les étapes suivantes :
obtenir (22, 24), à l'aide de chaque antenne (Aj), des données complexes d'image (R) du sujet,
obtenir (20) une matrice de covariance (R) de bruit desdites antennes, comportant un ou plusieurs coefficients non diagonaux non nuls, et
générer (28) une image (I) du sujet en sommant les données complexes d'image (p -, ) obtenues à l'aide de différentes antennes par pondération de ces données complexes d'image à l'aide des seuls éléments diagonaux (Rj R j) de la matrice de covariance obtenue ou de sa matrice inverse ou pseudo-inverse chaque donnée complexe d'image (Pj, pj) étant pondérée par l'élément diagonal (Rj , Rjj~ ) de la matrice de covariance ou de sa matrice inverse ou pseudo-inverse correspondant à l'antenne (Aj) à l'aide de laquelle ladite donnée complexe d'image est obtenue.
2. Procédé selon la revendication 1 , dans lequel obtenir des données complexes d'image comprend les étapes suivantes :
déterminer (24) une antenne de référence (Ref), et
remplacer (26), dans chaque donnée complexe d'image (pj) obtenue à l'aide d'une antenne (Aj), une composante de phase propre à l'antenne par une composante de phase de l'antenne de référence à la même position spatiale que la donnée complexe d'image.
3. Procédé selon la revendication 2, dans lequel l'antenne de référence
(Ref) est une antenne virtuelle formée par combinaison linéaire desdites antennes du système IRM.
4. Procédé selon la revendication 3, dans lequel la détermination par combinaison linéaire comprend une correction (240) des phases des données complexes d'images obtenues (pj).
5. Procédé selon la revendication 4, dans lequel la correction (240) sur des données complexes d'image obtenues à l'aide d'une antenne est réalisée indépendamment des autres antennes, au travers de coefficients de pondération des antennes choisis sur la base de données complexes d'image obtenues à l'aide de ladite antenne seulement.
6. Procédé selon la revendication 4, dans lequel la correction (240) comprend la soustraction, aux données complexes d'image (pj) obtenues à l'aide d'une antenne (Aj), de la phase (φ,) de la somme (Sj) des données complexes d'image obtenues à l'aide de ladite antenne.
7. Procédé selon la revendication 4, dans lequel la combinaison linéaire comprend une pondération des données complexes d'image corrigées (p ) fonction de la magnitude de l'ensemble des données complexes.
8. Procédé selon l'une des revendications 2 à 7, dans lequel l'étape (26) consistant à remplacer comprend l'application (262) d'un filtre passe-bas à une différence de phase (¾) entre une donnée complexe d'image (pj) obtenue à l'aide d'une antenne et une donnée complexe correspondante obtenue pour l'antenne de référence (Ref), et la soustraction (264) de cette différence de phase filtrée (<¾>) de la phase de la donnée complexe d'image (pj) obtenue à l'aide de l'antenne.
9. Procédé selon l'une quelconque des revendications 1 à 8, dans lequel l'image (I) du sujet générée est une image en magnitude ou une image en phase ou une image à valeurs complexes.
10. Système (1 ) d'imagerie par résonance magnétique nucléaire, IRM, comprenant une pluralité d'antennes réceptrices radiofréquence (Aj) et au moins un processeur (7) configuré pour :
obtenir, à l'aide de chaque antenne, des données complexes d'image (pj) d'un sujet (5),
obtenir une matrice (R) de covariance de bruit desdites antennes, comportant un ou plusieurs coefficients non diagonaux non nuls, et
générer une image (I) du sujet en sommant les données complexes d'image obtenues à l'aide de différentes antennes par pondération de ces données complexes d'image à l'aide des seuls éléments diagonaux {Rj R 'j) de la matrice de covariance obtenue ou de sa matrice inverse ou pseudo-inverse, chaque donnée complexe d'image (p -, p ) étant pondérée par l'élément diagonal (Rj , Rj~ ) de la matrice de covariance ou de sa matrice inverse ou pseudo-inverse correspondant à l'antenne (Aj) à l'aide de laquelle ladite donnée complexe d'image est obtenue.
EP18800251.3A 2017-10-18 2018-10-15 Génération optimisée d'images irm par un système irm multi-antennes Withdrawn EP3698157A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1759804 2017-10-18
PCT/FR2018/052552 WO2019077246A1 (fr) 2017-10-18 2018-10-15 Génération optimisée d'images irm par un système irm multi-antennes

Publications (1)

Publication Number Publication Date
EP3698157A1 true EP3698157A1 (fr) 2020-08-26

Family

ID=60515670

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18800251.3A Withdrawn EP3698157A1 (fr) 2017-10-18 2018-10-15 Génération optimisée d'images irm par un système irm multi-antennes

Country Status (4)

Country Link
US (1) US11143729B2 (fr)
EP (1) EP3698157A1 (fr)
JP (1) JP2021500108A (fr)
WO (1) WO2019077246A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022185902A (ja) * 2021-06-03 2022-12-15 富士フイルムヘルスケア株式会社 磁気共鳴イメージング装置、及び、画像処理装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3171881B2 (ja) * 1991-07-31 2001-06-04 株式会社東芝 磁気共鳴映像装置用高周波プローブおよび磁気共鳴映像装置
AU2002322248A1 (en) * 2001-06-18 2003-03-03 Mri Devices Corporation Method and apparatus for enhanced multiple coil mr imaging
GB0718590D0 (en) * 2007-09-24 2007-10-31 Univ Edinburgh Improved medical image processing
US8638096B2 (en) 2010-10-19 2014-01-28 The Board Of Trustees Of The Leland Stanford Junior University Method of autocalibrating parallel imaging interpolation from arbitrary K-space sampling with noise correlations weighted to reduce noise of reconstructed images
DE102011083406B4 (de) 2011-09-26 2013-05-23 Siemens Ag Verfahren zur Auswahl eines Unterabtastungsschemas für eine MR-Bildgebung, Verfahren zur Magnetresonanz-Bildgebung und Magnetresonanzanlage
US10429475B2 (en) * 2013-03-12 2019-10-01 The General Hospital Corporation Method for increasing signal-to-noise ratio in magnetic resonance imaging using per-voxel noise covariance regularization

Also Published As

Publication number Publication date
JP2021500108A (ja) 2021-01-07
US20210072334A1 (en) 2021-03-11
US11143729B2 (en) 2021-10-12
WO2019077246A1 (fr) 2019-04-25

Similar Documents

Publication Publication Date Title
WO2022183988A1 (fr) Systèmes et procédés de reconstruction d&#39;image par résonance magnétique avec débruitage
Benkert et al. Free‐breathing volumetric fat/water separation by combining radial sampling, compressed sensing, and parallel imaging
Ma et al. Removal of nuisance signals from limited and sparse 1H MRSI data using a union‐of‐subspaces model
Narsude et al. Three‐dimensional echo planar imaging with controlled aliasing: a sequence for high temporal resolution functional MRI
Olafsson et al. Enhanced identification of BOLD-like components with multi-echo simultaneous multi-slice (MESMS) fMRI and multi-echo ICA
Bilgic et al. Lipid suppression in CSI with spatial priors and highly undersampled peripheral k‐space
Xie et al. Robust EPI Nyquist ghost removal by incorporating phase error correction with sensitivity encoding (PEC‐SENSE)
EP2939046B1 (fr) Analyse par rmn d&#39;un échantillon comprenant une espèce à caractériser et une espèce de référence
Bouhrara et al. Noise estimation and reduction in magnetic resonance imaging using a new multispectral nonlocal maximum-likelihood filter
Ertürk et al. Denoising MRI using spectral subtraction
WO2016180429A1 (fr) Procédé et dispositif pour imagerie par résonance magnétique à sensibilité améliorée par réduction du bruit
WO2004086060A2 (fr) Suppression d&#39;espece chimique pour imagerie irm mettant en oeuvre des trajectoires en spirale avec correction hors resonance
US10527700B2 (en) Multiband, multishot magnetic resonance elastography
US8306289B1 (en) Method and system for off-resonance correction for non-cartesian parallel image reconstruction
EP3123192A1 (fr) Correction de fantôme epi mettant en uvre sense
Otazo et al. Accelerated short‐TE 3D proton echo‐planar spectroscopic imaging using 2D‐SENSE with a 32‐channel array coil
Wang et al. Analytical three‐point Dixon method: With applications for spiral water–fat imaging
Akçakaya et al. Localized spatio‐temporal constraints for accelerated CMR perfusion
JP2017529963A (ja) 高性能な骨可視化核磁気共鳴画像法
EP4314854A1 (fr) Procédé d&#39;atténuation du bruit d&#39;images résultant d&#39;acquisitions multiples par résonance magnétique
EP3105604B1 (fr) Procede d&#39;analyse par resonance magnetique nucleaire
Huang et al. Partial fourier reconstruction through data fitting and convolution in k‐space
Kafali et al. Phase‐correcting non‐local means filtering for diffusion‐weighted imaging of the spinal cord
Ye et al. Denoising complex‐valued diffusion MR images using a two‐step, nonlocal principal component analysis approach
JP5675362B2 (ja) 磁気共鳴撮像における脂肪／水の分離を強化するためのシステム、方法及びマシン読み取り可能プログラム

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20200416

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: GRANT OF PATENT IS INTENDED

RIC1 Information provided on ipc code assigned before grant

Ipc: G01R 33/565 20060101ALN20220817BHEP

Ipc: G01R 33/561 20060101AFI20220817BHEP

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SORBONNE UNIVERSITE

Owner name: ASSISTANCE PUBLIQUE-HOPITAUX DE PARIS (AP-HP)

Owner name: INSTITUT NATIONAL DE LA SANTE ET DE LA RECHERCHE MEDICALE (INSERM)

Owner name: CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS)

Owner name: INSTITUT DU CERVEAU ET DE LA MOELLE EPINIERE (ICM)

INTG Intention to grant announced

Effective date: 20220916

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20230127