CN101172036A - 相位校正的方法 - Google Patents
相位校正的方法 Download PDFInfo
- Publication number
- CN101172036A CN101172036A CNA2007101849025A CN200710184902A CN101172036A CN 101172036 A CN101172036 A CN 101172036A CN A2007101849025 A CNA2007101849025 A CN A2007101849025A CN 200710184902 A CN200710184902 A CN 200710184902A CN 101172036 A CN101172036 A CN 101172036A
- Authority
- CN
- China
- Prior art keywords
- phase
- picture point
- point
- phase value
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000012937 correction Methods 0.000 title claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 33
- 230000002093 peripheral effect Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 10
- 230000008520 organization Effects 0.000 claims description 5
- 230000001915 proofreading effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005191 phase separation Methods 0.000 abstract 2
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 210000001519 tissue Anatomy 0.000 description 18
- 239000000470 constituent Substances 0.000 description 11
- 230000005415 magnetization Effects 0.000 description 10
- 238000002372 labelling Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 239000004744 fabric Substances 0.000 description 6
- 238000007792 addition Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 210000000577 adipose tissue Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002075 inversion recovery Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
-
- 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
- G01R33/4828—Resolving the MR signals of different chemical species, e.g. water-fat imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/56563—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the main magnetic field B0, e.g. temporal variation of the magnitude or spatial inhomogeneity of B0
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/5659—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
Landscapes
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种用于校正MR图像中的相位误差的方法,具有如下步骤:-拍摄检查对象的MR信号,-建立该检查对象的复数图像,-分别利用来自有关图像点的第一周围区域的图像点的平均相位值为所述复数图像的不同图像点建立相位值的相位差,-根据所述相位差与一个预先确定的相位值对应的良好程度来进行相位校正,其中,执行相位校正所依照的图像点的顺序取决于,在这些图像点中的相位值与该预先确定的相位值对应的良好程度。
Description
技术领域
本发明涉及一种用于校正MR图像中的相位误差的方法。该方法例如可以用于计算在成像过程中由于***不稳定性或者***误差而形成的相位误差。此外,本发明可以被用于相对于水组织的信号分离脂肪组织的信号。
背景技术
借助于核磁共振、即磁共振断层造影或简称为MR断层造影的成像,在诊断中得到越来越宽广的应用领域。除了所辐射的场的无害性以及除了在MR断层造影中可以自由地选择图像平面这一事实之外,MR信号还具有如下的优点:MR信号是复数,而不仅仅是一个标量(如例如在常规的X射线图像或在计算机断层造影中的情况那样)。在MR图像中对于每个点存在MR信号的大小以及相位、即与该信号对应的磁化向量的方向。在按照标准的绝对值成像(Betragsbildgebung)中不使用相位信息。不过,也存在其中相位信息具有重大意义的应用。例如,相位信息被用于获得关于血液流动的信息。相位信息也可以例如被用于显示血管结构或者被用于温度成像。
在使用相位信息时在许多应用中存在这样的基本问题:在所检测的MR信号的相位中不仅出现所希望的相位变换,如其通过所辐射的高频脉冲(HF脉冲)产生的那样,而且还出现由于场不均匀性或者外部磁场B0在时间上的改变而引起的其它相位效应。
但是,对于许多应用来说值得期待的是,能够将***造成的相位误差定量化,以便随后可以在采用MR图像中的相位信息时将其排除。
相位校正过的MR图像的一种可能的应用领域例如是分离来自两种不同的组织成分的信号,如果被检查的组织具有两种不同的组成(例如脂肪和水)的话。在带有不同的化学位移(Verschiebung)的两种不同的组织的条件下,在原子核上产生了不同的磁场,这导致不同的共振频率。这点在信号记录中带来两个组分的不同的相位角。在磁共振信号中两种不同组织类型的最著名的代表是脂肪和水,不过其它应用也是可能的。脂肪和水的共振频率差别约为3.5ppm(Parts per Million,百万分之一)。在许多临床MR应用中值得期待的是压制脂肪的信号,因为脂肪信号通常非常强烈并且可以例如掩盖了病变。
相位校正过的MR图像的另一种应用领域在于,带有前面引入180°反转脉冲的脉冲序列,即,所谓的反转恢复拍摄或者其它的其中可以出现180°相位改变的拍摄。
US 2005/0165296A1描述了一种基于所谓的区域增长算法(Region-Growing-Algorithmus)的相位校正方法,其中,计算***造成的相位误差,方法是计算在MR图像内部的相位梯度并且将该相位梯度用于校正算法,以便去除***造成的相位误差。不过,对于该校正算法来说必须计算另外的两幅相位图像:在图像平面的一个方向上的一幅相位梯度图像以及在图像平面的第二方向上相位梯度图像,这使得计算开销大。
发明内容
本发明要解决的技术问题是,提供一种进一步改善的用于校正相位误差的方法。
按照本发明,提供了一种用于校正MR图像中的相位误差的方法,其中,该方法具有如下步骤:在该方法的一个步骤中,拍摄检查对象的MR信号,并且建立带有该检查对象的相位信息的复数图像。此时在该相位校正方法中,分别利用来自有关图像点的第一周围区域的图像点的平均相位值计算所述复数图像的不同图像点的相位值的相位差。在计算该MR信号的平均相位值时可以如下地进行。因为所述MR信号是具有实部和虚部的复数量,所以为了计算该平均相位值可以计算相邻图像点的信号的总和,其中,在求总和时对应于矢量相加地将复数相加。然后,利用将该总和的相位与不同图像点的相位进行比较。按照另一种计算类型可以计算相位的总和的平均值,其中,在该例子中每个图像点对于总和的贡献相同,即使一个图像点仅仅包含噪声。在复数相加以及随后的比较中,将单个图像点的分量根据信号强度进行平均,因为在复数相加中具有低信号的图像点对于总和的贡献也仅仅微小。平均值计算也不是必须的,因为总和的相位等于平均值的相位。
按照本发明的另一方面,根据所确定的相位差与一个预先确定的相位值对应的良好程度的事实来进行相位校正。在不同的图像点中执行相位校正时,在图像点中相位校正的顺序如下确定:该顺序取决于在这些图像点中的相位值与该预先确定的相位值对应的良好程度。通过利用来自第一周围区域的平均相位值建立图像点的相位差,提供了一种可靠且迅速工作的方法。通过这样的事实,即,图像点何时进行相位校正的顺序取决于相位差与该预先确定的相位值对应的良好程度,实现了一种稳定的良好起作用的方法。在这种其中图像点被逐步校正且在前面校正的结果上构造的校正方法中,校正方法的“过去”是主要的。这种方法也被公知为区域增长算法。如果首先采用了具有极小相位误差的图像点,其中,对于更后面的时间点采用并不确定其中的相位信息是否正确的不可靠的图像点,则实现了用于校正相位误差的可靠工作的方案。
按照本发明的一种实施方式,对于计算来自所述第一周围区域的平均相位值来说,基本上仅仅考虑这样的图像点,即,其中执行了相位校正、即其中检验了相位差与预先确定的相位值对应的良好程度。通过将已经相位校正的图像点用于对第一周围区域中的相位值求平均值,保证了具有可能错误的相位值的图像点不被考虑到计算中。例如,所述相位校正存在于这样的一个检查中,即,图像点的所建立的相位差是否与来自所述第一周围区域的图像点的平均相位值处于一个预定的角度区域内。如果是这样,则使得被检查的图像点的相位值不改变。如果该相位差不处于该预定的角度区域内,则例如可以将所述被检查的图像点的相位值校正一个预定的相位值、即进行相位校正。在一种实施例中,相位校正意味着从该相位值中减掉180°。正如后面还要信息解释的那样,利用180°的相位值的校正适合了这样的事实,即,在该相位值的条件下可能涉及的是具有另一个相位值的另一种组织、例如脂肪。如果从相位值中减掉180°,则考虑到了涉及的是另一种组织、例如脂肪。这样,保留的相位值例如反映了***造成的相位不均匀性,该不均匀性可以随后被用于,识别相位误差以及在其它相位成像中去除相位误差。
优选地,建立对于不同的图像点的相位差的顺序取决于,各个图像点和相邻图像点的相位差与预先确定的相位值对应的良好程度,其中,一个图像点和来自第二周围的相邻图像点的相位差与该预先确定的相位值对应越好,则带有该相位值的对应的图像点就在相位校正中越先被考虑。首先采用和考虑其中0°或180°的相位差可以被可靠地识别的图像点。如果仅仅假设,相位误差在MR图像上、即在不同的图像点上仅仅缓慢而不是跳跃性地改变,则可以将该事实在相位校正中加以考虑。
在一种优选的实施方式中,检查相位差是否对应于不是一个而是两个预先确定的相位值、即0°和180°。在该应用情况下检验是否所确定的相位差对应于0°或180°。相位差与0°或180°对应得越好,则该图像点在相位校正中被越先地考虑。在检查图像点至第一周围区域中的图像点的相位差是否处于预先确定的角度范围中,在一种实施方式中可以检查相位差是否处于0°和90°之间或者处于90°和180°之间。例如,如果角度处于0°和90°之间,则可以认为理想的相位、即预先确定的相位处于0°。如果相位值与来自第一周围区域的相位的平均值的所计算的相位差大于90°,则可以得出结论:理想的、预先确定的相位为180°。在这种情况下,从所检查的图像点的相位值中减掉180°。这种180°的校正尤其是在两点狄克逊技术(Zweipunkt-Dixon-Technik)中进行。在该两点狄克逊技术中建立这样的MR照片,即,其中在两种诸如水和脂肪的组织的模型(Vorlage)的条件下,一次性地产生一种其中两个组分脂肪和水具有相同的相位并且与两个组分的信号相加的回波信号。此外,选择另一个回波时间点,在该时间点上一种组织(例如水)的相位与另一种组织(例如脂肪)的相位相反。对于处于相反相位下(所谓的Opposed-Phase-Bild,反相位图像)的图像点,相位取决于哪个组分对于信号的贡献更强。如果此时在180°附近检测到了相位,而不是如同在同相位的情况下的相位0°,则可以认为是脂肪主导的组织部分。利用这种描述的方法此时可以确定,在哪些图像点中脂肪以及在哪些图像点中水对于相位负有责任。如果是脂肪对于相位负有责任,则将相位逆转180°,以便得到水的对应的相位,或者换一种表达方式来说,以便排除通过脂肪信号对相位的影响。由此可以识别出,哪种组织类型存在于哪个图像点中。根据对于组织类型的这一了解,可以对所建立的相位差校正180°或者不校正。在该对由于脂肪组织引起的相位改变的校正之后,此时仅仅剩下在复数MR设备的相位值中的相位变化,该相位变化对应于由***造成的MR设备的相位误差,该相位误差是在这样的时间中形成的:该时间处于其中两种组织的相位相互平行的信号的信号记录与其中两种组织的相位相反的信号记录的时间点之间。
按照本发明的另一个方面,在该校正方法中确定要为其建立相位差的图像点的相邻图像点。然后,为所述相邻图像点确定有关相邻图像点与来自至相邻图像点的第二周围区域的图像点的平均相位值的另一个相位差,其中,为来自第二周围区域的平均相位值同样采用目前已校正过的图像点。然后,按照大小整理相邻图像点的所述另一个相位差,并从对其进行相位校正的相邻图像点中选择出最靠近的图像点,其中该选择根据所述的另一个相位差进行。优选地,在堆栈区域中整理相邻图像点的所述另一个相位差。在这些堆栈区域中按照图像点的带有预先确定的相位范围的相位值对其进行排列。在此,在具有较大相位范围的堆栈区域之前,处理具有较小的相位范围的堆栈区域、即具有较小角度范围的相位值。在单个的堆栈区域中可以按照FIFO(先进先出)原则处理图像点,也就是说,在一个堆栈区域中不是按照图像点大小、而是根据其在该堆栈区域的进入来对图像点进行处理。整体上堆栈区域是按照大小来处理的,也就是说,具有小的相位值的堆栈区域位于具有大的相位值的堆栈区域之前。
根据本发明的另一方面,可以采用3个不同的空间方向上的相邻图像点的相位值来求平均值。在本文开始部分描述的US 2005/0165295A1中所采用的方法中,仅仅采用了在图像平面中的相位梯度。没有采用在三个空间方向上的点。
对于在每个空间方向上相位值的平均值的建立,优选地采用3至9个与要为其计算相对于相邻图像点的相位差的图像点相邻的图像点。对于图像点在堆栈中的分类(Einsortierung),例如可以采用5×5(2D情况下)或5×5×5(3D情况下)的周围或者7×7或7×7×7的周围,其中,仅仅考虑来自该周围的经过检查的图像点。在本发明的情况下,一方面需要用于建立至MR图像的单个图像点的差值的平均相位值(来自第一周围区域的相位值),另一方面也需要这些相邻图像点至它们的相邻图像点的平均相位值(即,来自于第二周围区域)。该第二平均相位值用于,根据相位差在堆栈中对要对其进行相位校正的图像点的相邻图像点进行分类。在第一种求平均值中可以例如采用7×7×7的图像点,而在用于在堆栈中对相邻图像点进行分类的第二种求平均值中则可以例如采用5×5×5的图像点。自然,对于两种求平均值可以采用同样多的图像点,或者对于第二种求平均值可以采用比第一种求平均值更多的图像点。
在另一种应用情况中,可以为了记录所述MR信号而采用多个接收线圈,以便接收MR信号用于图像重建。优选地,可以首先将这些来自不同通道的不同的复数MR信号组合成一个复数总信号,然后再对该复数总信号进行相位校正。这具有许多优点。第一个优点在于,复数总信号具有比来自不同的线圈的各个MR信号好许多的信噪比。由于信噪比的提高而使得这种对相位误差的校正方法更加鲁棒(robuster),因为由于噪声引起更少的相位误差。另一个优点在于,仅需要对唯一一幅图像执行相位校正方法。例如,如果采用12个线圈来接收信号,则必须对12个不同的复数MR信号进行相位错误的校正。这在处理技术上是一种开销极大的方法。通过采用单个的复数总信号,极大地加速了计算和相位校正。为了建立一个复数总信号,优选的是,确定每个接收线圈的灵敏度和相位信息,并且在认可所述复数总信号中加以考虑。每个线圈可以对在MR信号中的相位值产生影响。如果在相加成复数总图像之前考虑该信息,则该复数总信号不再包含由线圈引起的相位信息。此外,为了建立该复数总信号,值得期待的是对每个接收线圈的灵敏度进行估计,其中,根据每个线圈的灵敏度对其信号分量进行加权。这具有这样的优点,例如在信号记录时,具有对于检查区域非常差的信噪比的线圈比具有对于该区域好许多的信噪比的线圈对于该复数总信号的贡献更小。通过对各个线图的加权,所检测的信号比占复数总信号的信号分量较小的其它线圈的信号更好的线圈对于复数总信号的贡献更大。在按照US 2005/0165296A1的现有技术的方法中,在采用多个线圈时对各个图像进行比较。如果多个单个图像对于一个图像点具有相位值,则可以从中得出:涉及的是水组织,而如果较少数目的图像对于一个图像点具有相位值则证明在该图像点有脂肪组织,则可以通过多数判决来确定在该图像点中可能存在的是何种组织。不过,该计算是非常消耗计算和时间的并且是复杂的。通过建立随后用于相位校正的复数总信号,改善了信噪比(这改善了该校正方法)并且还极大地减小了待处理的数据的数目。
附图说明
下面参考附图对本发明作进一步的说明。附图中:
图1示出了按照本发明的相位校正方法的流程图,
图2示出了带有按照本发明的用于对相位误差进行校正的步骤的另一个流程图,
图3示意地示出了在两个不同的回波时刻两种不同的组织类型的磁化,
图4示出了一幅结合其解释相位校正方法的图像的一个片段,
图5示出了一个带有多个堆栈区域的堆栈,其中根据相位差对图像点进行分类,
图6A和图6B示出了按照本发明的相位校正方法的流程图,
图7至图19示例性地示出了在校正方法中各个图像点的使用,以及
图20示出了对于本发明的相位校正方法的另一种应用情况的流程图。
具体实施方式
在图1中示意性地示出了一个流程图,该流程图显示了可以被用于按照本发明的相位误差校正方法的步骤。在步骤10该方法开始之后,在步骤11中记录来自一个或多个接收线圈的MR信号,其中在步骤12中建立带有相位信息的复数图像。在该方法的另一个步骤13中,计算图像点与来自第一周围区域的平均相位值的相位差。然后在步骤14中,检查所计算的相位差与一个预先确定的相位值或两个预先确定的相位值是否一致。在步骤15中,根据该一致性进行或不进行相位校正,其中,在步骤16中检查是否处理了所有图像点。如果是则在步骤17中结束该方法;如果不是则返回到步骤13。
下面将解释在何种情形下可以使用图1的方法。如果从具有两种组织组分(如脂肪和水)的组织中记录MR信号,则两种组织组分具有不同的共振频率。如果此时记录两个例如梯度回波的回波,则可以将该两个回波通过选择回波时间这样选择,使得水的相位与脂肪的相位相一致一次,而在第二回波中水的相位与脂肪的相位相反地取向。在信号处理以及傅立叶变换之后形成了两幅图像:一幅图像带有一致的相位,而第二幅图像带有相反的相位(所谓的同相图像以及反相图像)。在忽略组织的驰豫的条件下,可以如下地描述两幅图像中的该信号:
在给定的图像点中水和脂肪的成分是通过W以及F表示的,其中,m以及n表示图像点沿着x轴和沿着y轴的位置。在理想情况下,回波时刻的相位为零。Φ0此时给出了在图像中由于场不均匀性以及由于可能在信号和接收链中出现的静态相位误差而形成的相位。相位Φ表示由于在同相和反相回波之间的场不均匀性而形成的另一种相位误差。
如果此时识别出了并且要去除该相位误差,则必须在第一步骤中确定在哪个图像点中脂肪或水信号是主导的组分,因为在每个图像点中的相位信息取决于该事实。此时为了确定每个图像点中的脂肪和水含量,必须消除两个相位Φ0和Φ。这点可以按照下列的方式进行:
e-iΦ0可以通过图像S0的绝对值(Betrag)在该图像本身上的关系确定,其中
不过,在磁场不均匀性的条件下,Φ不为零。如从等式(4)中可以看出的那样,磁场不均匀性的相位Φ取决于在该组织中是脂肪还是水为主导的信号分量。
下面结合图3解释相位校正算法的基础。在图3中,在左侧示出了在两者具有相同相位的回波时刻的水17的磁化和脂肪18的磁化。在这种情况下两个磁化相加。在图3的右面部分则示出了水17的磁化与脂肪18的磁化相反取向的情况。在所示出的例子中水17的磁化向量比脂肪18的更大,从而在这些图像点中可以探测到的总磁化按照水的磁化方向显示。在图3右侧示出的所谓的反相图像形式中,在该图像点中包含的总相位取决于,是脂肪成分还是水成分为主导。如果脂肪成分为主导,则是与水磁化相反取向的脂肪18的磁化为较大的向量,从而总的来说相位向量与在图3左侧示出的例子相反地取向。总之,这点意味着:在脂肪主导的图像点处相位在反相图像中理想地应该为180°;而其否则应该为0°。因为现在等式(4)中的参数W-F可以根据是脂肪成分还是水成分为主导而要么为正要么为负,所以可以如下地改写等式(4):
e-iΦ=±S′1(m,n)/|S′1(m,n)| (5)
如果此时要确定由于场不均匀性造成的相位,以便在相位确定中加以考虑,则必须首先识别出在哪些图像点中脂肪或水是主导的成分。如果脂肪是主导的信号分量,则必须将相位值校正180°,以便从图像中去除脂肪成分的相位影响。此时相位校正方法的基础是:识别出具有主导的脂肪成分的图像部分、考虑并且去除由于脂肪造成的相位影响。在该相位校正之后剩余的相位表示了由于横向(seitlich)变化的场不均匀性造成的相位误差。因此,在理想情况下在反相图像中相位值要么为180°要么为0°。不过,在实际中该相位值由于在第一回波与第二回波之间形成的场不均匀性而波动。在一种所谓的区域增长方法中此时可以确定这样的像素,即,其中可能是脂肪或者可能是水是主导的信号分量,以便如果脂肪是主导的信号分量则随后将该相位校正180°。如果在一个图像点中相位值出现在10°和20°之间,则可以按照相对大的可靠性认为涉及的是水信号组成部分。同样,在170°至180°的相位值的条件下可以认为,在该图像点中涉及的极其可能是脂肪信号分量。不过,在接近90°的相位值的条件下,该判断是较为困难的。在下面的例子中现在假设:如果相位值出现为小于90°,则在该图像点中的组织组分可能是水;而在相位值大于90°的情况下主导的组分可能是脂肪。对于该检查来说,将每个图像点的相位值与来自第一周围的相位值的平均值进行比较,然后对该相位值进行或者不进行校正。
在图2中现在说明,如何可以利用有效可靠地工作的相位校正方法确定,在图像点中的主导组分是脂肪还是水。在此,图2的方法利用了对被检查的图像点与相邻的图像点的平均相位值的相位差的计算。在***造成的相位不均匀性的条件下,可以认为***造成的相位变化在图像上从图像点到图像点仅仅微小或者缓慢地改变。在对相位求平均值时,仅仅考虑已经为其进行了相位校正的图像点。为了鲁棒和有效地设计该相位校正方法,将图像点按照这样的顺序进行处理,即,首先处理其中相位值允许相对可靠地得出脂肪或水含量的图像点,而将带有较为不可靠相位值的图像点在随后的时刻进行处理。
图2的方法在步骤20中开始。在初始化步骤21中,例如对于所拍摄的MR图像的所有图像点将一个标记设置为0。如果在随后的时刻在一个图像点中进行相位校正,则将该标记设置为1,以便显示出该图像点已经被处理过,并且从而避免该图像点被重新处理。在步骤22中,产生一个空堆栈,如其例如在图5中被示出的那样。在该堆栈中,将单个的图像点根据后面还要详细说明的相位差进行分类。该在图5中示出的堆栈50具有多个堆栈区域51。在这些堆栈区域中可以将各个的图像点根据其相位差进行放置。在所示出的实施例中,这样确定堆栈区域51的大小,使得该堆栈区域容纳大约10°的相位差。按照绝对值相位差可以取得0°和90°之间的值,从而在所示出的实施例中采用9个堆栈区域。自然,也可以不同地确定堆栈区域的大小。
在步骤23中,从反相图像中选择一个任意的起始图像点。然后在步骤24中从具有最小的ΔΦ值的堆栈区域选择一个图像点。这意味着,相位差按照较大的可能性处于0°或180°的附近。在步骤25中,确定所选择的图像点的最靠近的相邻点。根据来自所选择的图像点的相邻图像点周围的图像点的平均相位值,将相邻图像点置于堆栈中。在步骤26中,计算起初所选择的图像点与相邻图像点的平均相位值的相位差。如果该所计算的相位差小于90,则使得相位值不改变;而如果该所计算的相位差大于90°,则将相位值校正180°(步骤27)。在步骤27中进行了相位校正之后,从堆栈中去除所选择的图像点,被检查过的图像点标记为相位校正过的(步骤28)。例如,这可以意味着,在步骤21中初始化的蒙片(Maske)中将值Φ从0设置为1。在本例中相位校正意味着对相位差的检查,并且如果相位差小于90°则相位值不改变,在相位差大于90°的情况下将相位校正180°。在其中已经进行了相位校正的图像点的情况下,这可能意味着相位可能没有改变了,不过无论如何已经检查了与相邻图像点的相位差。
在步骤29中,此时检查在堆栈中是否还包含着没有被检查的图像点。如果在堆栈50中还包含图像点,则方法返回到步骤24,并且从堆栈中选择出下一个具有最小的相位差的图像点。如果已经对所有图像点进行了相位校正,则在步骤30中结束该方法。
结合图4至图6再次进一步具体解释该相位校正方法。
如图6A所示,在步骤60中该方法开始。在下一个步骤61中,提供在图5中示出的堆栈50。在校正方法的开始时,还没有校正任何图像点,而是在步骤62中选择一个起始图像点。将该图像点标记为访问过或检查过的。例如,将该图像点用“C”标记为“检查过”(“checked”),而用v标记为“访问过”(“visited”)。对于该图像点还不能确定其是具有水还是脂肪成分的图像点。不过,这对于给出的研究来说也没有意义。如果它是个带有脂肪信号的图像点,则下面校正方法对水信号成分进行校正。不过,只有在该方法结束时才可以做出对于哪些组织部分是脂肪或水的判断。作为起始图像点例如可以选择一个在图像的中心的图像点或具有最高的绝对值信号(Betragssignal)的图像点,或者也可以对起始图像点提出其它的要求。
例如,在图4中示出MR图像40的片段中,标记为A的图像点是用于校正方法的起始图像点。在下一步骤63中,选择该图像点A的直接的相邻点。在所示出的例子中它们是图像点B、C、D和E。如果涉及的是一个三维的数据组,还可以采用在第三空间方向上的相邻的图像点。不过,在另一个实施例中也可以采用多个相邻点,例如在二维的情况下考虑图像点F和H、I和K,这在二维的情况下意味着8个图像点是最近的相邻点,或者在三维的情况下意味着26个图像点是最接近的相邻点。在下一步骤64中,对于每个相邻图像点,计算每个相邻图像点与例如(5×5图像点)相邻点中的已经被检查过的(即标记了“C”的)相邻图像点的相位差。然后,将有关相邻图像点至起始图像点A的相位差置于堆栈50。例如,如果图像点E与图像点A的相位差为5°,则将图像点E置于最上面的堆栈区域51中。如果像素C与像素A的相位差为24°,则将像素C置于从上面数第三个堆栈区域51中。因此,将相邻图像点根据其相位差置于堆栈中。将被访问过的相邻点标记为访问过的。将相邻点在图5中示出的堆栈中的堆栈区域51进行分类。例如,第一堆栈区域51包含0°至10°的相位差,第二区域包含11°至20°的相位差,等等。在此,可以按照先进先出原则对各个单个的堆栈区域进行处理。总的来说,按照大小来处理堆栈区域,也就是说,堆栈区域0°至10°在堆栈区域11°至20°之前,等等。不过,在堆栈区域本身中也可以按照先进先出原则进行处理,即,在一个堆栈区域中根据图像点对该堆栈区域的进入而对其进行处理。在下一步骤65中,从堆栈中选择出最靠近的图像点,其中,从还要填充的堆栈区域中具有最低相位值的开始。在相位差计算中,计算在相邻图像点的复数值的总和与被检查的图像点之间的相位差。该相位差可以处于-180°至180°之间。现在对其取绝对值,这意味着现在相位差位于0°至180°之间。带有0°至10°的值的堆栈区域此时具有0°和10°之间以及170°和180°之间的相位差,带有11°至20°的值的第二堆栈区域具有该值以及160°和170°之间的值,等等。换一个角度来看,这意味着,在求绝对值后出现介于0°至180°之间的值。如果相位差小于90°,则相位值不改变,在相位差大于90°的情况下将相位值校正180°。这种换算的结果是介于0°至90°之间的值,其中,可以根据该结果将堆栈区域再次利用0°至10°、11 °至20°等等的堆栈区域进行设置。下面假设其为图像点E。重新访问还没有被标记为访问过的最靠近的图像点,即,这里的图像点F、G和H(步骤66)。在下一步骤67中,将这些相邻图像点置于堆栈中。为了将这些相邻图像点置于堆栈中,再次如在步骤64中一样为每个相邻图像点计算周围像素的平均相位值,并且将该平均相位值与该相邻图像点的相位值进行比较。在计算平均相位值中,再次仅仅考虑已经被检查过的图像点。在将相邻图像点在堆栈中分类之后,为在步骤65中已经选择出的图像点计算与相邻图像点相位值的平均值的相位差,其中,在该计算中再次仅仅考虑已经被检查过的、即标记有C的图像点。例如,可以从围绕在步骤65中所选择的图像点的7×7或7×7×7图像点的范围中,选择关于该所选择的图像点的相邻图像点。因此仅仅采用已经被检查过的图像点,在本例中其为起始图像点A。
这意味着,在步骤68中,计算图像点A和E之间的相位差。在此,在步骤69中,检查所计算的相位差是否小于90°。如果是,则使得图像点E的相位值不变。如果E与检查过的相邻点(即图像点A)的相位差大于90°,则将E的所计算的相位值校正180°(步骤70),因为在这种情况下暗含了在该图像点中脂肪信号是主导的组织。通过该校正考虑并去除了由于脂肪造成的相位影响。然后在步骤71中,将该像素E标记为被检查过的(即在比例中用“C”标记)并且从堆栈中去除。随后在步骤72中,从堆栈50中选择位于最低的堆栈区域中的下一个图像点。在步骤73中,如同在步骤66中一样重新选择和访问还没有被标记为访问过的相邻图像点。然后在步骤74中,确定每个相邻图像点与来自第二周围区域的图像点的平均相位值的另一相位差。这意味着,与开始时还没有相邻图像点被检查过而计算所选择的图像点与相邻图像点之间的相位差不同,而是确定相邻图像点与第二周围区域中图像点的总和的相位差。在此,再次仅仅考虑已经被检查过的图像点。在本例中已经有两个图像点、即起始图像点A和随后检查的图像点E,它们为对与E相邻的图像点的平均值而被加以考虑。在步骤75中,根据各个相邻图像点与其第二周围区域的相位差,在堆栈50中重新整理这些(关于E的)相邻图像点。在二维的情况下,这意味着在步骤75中在最靠近的相邻点的条件下将4个图像点在堆栈中分类,在三维的情况下则为6个图像点。在堆栈50中对相邻图像点的分类之后,对于在此前为其(即为E)选择了相邻点的图像点,计算该图像点与来自第一周围中的相位值的平均值的相位差。对于该计算利用采用二维情况下的7×7或三维情况下的7×7×7图像点。再次仅仅采用已经进行了检查的图像点。在给出的情况下,这仍然是两个像素A和E(步骤76)。在步骤77中对所计算的相位差进行检查,即,确定其是否小于90°。如果其大于90°,则重新在步骤78中对所检查的图像点的相位值校正180°。如果该相位差小于90°,则使得相位值不改变。最后在步骤79中,将被检查的图像点标记为被检查过的、即用“C”标记该图像点,以便指示出在该图像点中相位已经被检查过了。
在步骤76中,计算所选择的图像点与第一周围中已经被标记的图像点的相位差。该相位差的建立用作在步骤77和78中的相位校正的基础。在步骤74中,同样地计算与相邻图像点的相位值的平均值的相位差。这种为每个相邻图像点的相位差建立用于在堆栈中对于图像点进行分类。堆栈控制了相位校正的进程。按照本发明的一个方面,首先考虑其中特定的相位值与预先确定的值0°或180°相对较好地对应的相位值。如果相位值、即与在周围图像点的相位差处于90°附近,则将计算推迟到更晚的时刻。通过在平均值计算中仅仅考虑已经被检查过和相位校正过的图像点这一事实,校正方法变得更稳定。
在步骤79中将图像点标记为相位校正过的或检查过的之后,在步骤80中检查堆栈、即所有堆栈区域51是否空了,也就是说,是否所有图像点都被检查过了。如果不是这样,则方法返回到步骤72,其中,在同一个堆栈区域中或者(如果前面的堆栈区域空了)从下一个堆栈区域中选择下一个图像点。然后,又选择与刚刚选择的图像点最靠近的相邻点,建立该最靠近的相邻点与其第二周围的相位差,根据该相位差在堆栈中整理该最靠近的相邻点,以及计算对于被选择为最靠近的堆栈的图像点的相位差。在第一过程(Durchlauf)中周围图像点中的仅仅两个图像点已经被检查。在该下一个过程中被检查过的图像点的数目已经上升到三个,它们可以被考虑到相邻图像点的求总和以及求平均值中。按照这种方式,被检查过的图像点的数目在每个过程中上升,处于周围中并且可以被应用到求平均值中的图像点的可能的数目也上升。周围中确切有多少图像点可以被采用,除了别的之外取决于通过从堆栈50中选择下一个图像点所形成的轨迹。如果在最后的步骤中所有图像点被检查过了,则堆栈50空了并且方法在步骤81中结束。
在步骤81结束之后,此时校正了例如由于脂肪组织造成的相位影响,剩余的相位影响表示由于***不精确造成的相位不均匀性。可以识别出该相位误差并且可以在成像方法中将该相位误差去除。
如果利用多个接收线圈检测了MR数据,则可以首先在考虑各个线圈的相位的条件下将各个复数MR图像综合成一幅复数总图像。在此,可以进一步考虑每个线圈的灵敏度。例如,可以通过自相关方法(Autokorrelations-verfahren)计算每个线圈的灵敏度,在该方法中计算对于最大的特征值的特征向量。特征向量的值分别给出灵敏度。灵敏度可以提前确定。如果此时已经确定了每个线圈的相位影响和每个线圈的灵敏度,则可以通过对各个组分的信号的加权来计算总信号。在此,具有良好信号接收和高信号电平的信号分量可以得到比具有较小接收电平和较低信噪比的信号分量更高的加权系数。
这种公知为自适应组合的方法的应用总体上改善了信噪比,因为该复数总图像具有被单个图像更好的信噪比。这点改善了相位校正过程。此外,已经考虑了每个线圈的相位发展,这又使得该方法更鲁棒和更可靠。另一个优点是减小的数据处理量,因为仅仅需要对一幅图像进行相位校正,而不是对于不同通道的不同图像。
为了更好地理解,在图7至图18中结合示例图像解释了在图6A和图6B中描述的相位校正算法。在图7中示出了相位图像的图像点,它们被标记为A至Q列和0至13行。开始时类似于步骤62选择一个起始图像点。在所示出的情况下,其为带有坐标I6的图像点。将该起始图像点标记为检查过的和访问过的,即,用“C”表示检查过,而用“v”表示访问过。在图8中可以看出,在类似于步骤63地选择直接的相邻图像点之后,访问相邻图像点、这里为图像点I5。然后,对于图像点I5标记5×5图像点的周围(虚线示出)。对于图8的虚线四边形内部的这些图像点建立一个平均相位值,其中,仅仅考虑已经检查过的图像点、即标记有C的图像点。在这种情况下,其仅仅为图像点I6。在由I6建立的平均相位值和图像点I5的相位值之间的相位差的基础上,将图像点I5置于堆栈中。同样将I5标记为访问过的。如在图9中可以看出的那样,对于图像点H6执行已经对于图像点I5执行过的相同的过程,在考虑已经检查过相位的图像点的条件下计算周围中图像点的平均相位值,根据所计算的相位差将该图像点置于堆栈中。此时在图10中可以看出,已经访问图像点I6的四个直接的相邻点,并且在堆栈中进行了分类。在图11中示出了,此时如何类似于步骤65地从堆栈中选择具有最小相位差的图像点。在所示出的例子中其为加框的图像点H6。如在步骤66中提到的并且在图12中示出的那样,又选择还没有被选择的直接的相邻点,即图像点G6、H5和H7。在堆栈中重新对这些利用v新近标记的相邻图像点进行分类,如结合图7至图10已经描述的那样。如在图13中可以看出的那样,此时为由堆栈取得的图像点H6选择第一周围,在所示出的例子中是用点划线表示7×7的周围。在此,计算图像点H6与已经被检查过的相邻的图像点(其仅仅为图像点I6)之间的相位差(类似于步骤68)。根据所选择的图像点H6与来自该周围的平均相位值之间的相位差,此时检查该相位差是否小于90°。随后是类似于步骤69至71的步骤,其中,在检查之后同样通过表示“检查过”的标记C将图像点H6标记为检查过的。随后,将图像点H6从堆栈中去除,并且从堆栈中取得最小相位差的下一个图像点,在图14中示出的例子中是图像点I5。对于图像点I5又访问最靠近的相邻点,在图15中的图像点I4。对于该图像点又计算已经检查过的相邻点与图像点I4的差值。按照图15,在求平均值时此时已经考虑两个图像点、即被标记为检查过的图像点H6和I6。在图像点I5的所有相邻点(即图像点I4、H5和J5)被访问过之后,如在图16中示出的那样,计算图像点I5与(再次从虚线区域中选择出的)周围图像点的平均相位差。在该周围图像点的计算中再次考虑两个被标记了C的图像点。然后,检验该相位差是否小于90°,并且如果必要时对相位值校正180°,随后将图像点I5也标记为检查过的。
在图17中再次可以看出,采用图像点I7作为堆栈的下一个图像点,其中,在图18中重新选择没有被访问过的最靠近的相邻点,即图像点H7、I8和J7。在为这些带有其各自的周围的各个的相邻图像点求平均值之后,如在图19中示出的那样,再次为前面所选择的图像点(这里为图像点I7)选择一个7×7像素的周围,并且计算该图像点与已经被校正过的相邻图像点(在示出的情况下考虑三个图像点)的平均相位值的相位差。如在图6B中可以看出的那样,该校正算法在一个循环内运行,其中,在校正开始时已经检查过的图像点的数目小,然后缓慢增长。在图7至19中采用了正方形的周围作为相邻图像点,不过,也可以采用其它的周围区域和形式,例如圆等等。如同从图7至19中还又一次表明的那样,在周围中求平均值时仅仅考虑已经被检查过的图像点,即,其中如果必要已经对相位值校正了180°。在这里所描述的方法中,对于图像点(当其被考虑时)的整理是作为区域增长方法的一部分,因为这里已经仅仅考虑被检查过的图像点。
在图20中示出了所述方法的另一种应用情况。在步骤81中记录MR图像和去除一般的相位Φ0之后,可以在步骤82中选择一个起始图像点,并且在步骤83中进行结合图6描述的区域增长算法。在步骤84中对相位的平滑之后,此时可以在步骤85中将带有信号分量脂肪的图像点与带有信号分量水的图像点进行分离。
总之,本发明允许一种可靠地起作用的用于校正相位误差的方法,该方法可以在多个步骤的应用中被采用,其中利用正确的相位值的计算以及相位误差的去除是重要的。
Claims (19)
1.一种用于校正在磁共振图像中相位误差的方法,具有如下步骤:
-拍摄检查对象的磁共振信号,
-建立该检查对象的复数图像,
-建立所述复数图像的不同图像点的相位值与分别来自有关图像点的第一周围区域的图像点的平均相位值的相位差,
-根据所述相位差与一个预先确定的相位值对应的良好程度来进行相位校正,其中,在其中执行相位校正的图像点的顺序取决于,在这些图像点中的相位值与该预先确定的相位值对应的良好程度。
2.根据权利要求1所述的方法,其特征在于,对于从所述第一周围区域中计算平均相位值来说,基本上仅仅考虑这样的图像点,即,在其中检验了相位差与预先确定的相位值对应的良好程度。
3.根据权利要求1或2所述的方法,其特征在于,所述相位校正存在于这样的一个检查中,即,所建立的所述图像点的相位差是否与来自所述第一周围区域的图像点的平均相位值处于一个预定的角度区域内,其中,在肯定的情况下使得被检查的图像点的相位值不改变;而如果该相位差不处于该预定的角度区域内则将所述被检查的图像点的相位值校正一个预定的相位值。
4.根据上述权利要求中任一项所述的方法,其特征在于,所述建立对于不同的图像点的相位差的顺序取决于各个图像点的相位差与预先确定的相位值对应的良好程度,其中,一个图像点的相位差与该预先确定的相位值对应得越好,则在相位校正中就越先考虑带有该相位值的对应的图像点。
5.根据权利要求3或4所述的方法,其特征在于,所述预先确定的角度范围包括0°和90°之间的角度,其中,如果所述相位差小于90°则使得相位值保持改变;而如果所述相位差大于90°则将图像点的相位值校正180°。
6.根据上述权利要求中任一项所述的方法,其特征还在于如下步骤:
-确定要为其建立相位差的图像点的相邻图像点,
-为所述相邻图像点确定相邻图像点与来自至有关相邻图像点的第二周围区域的图像点的平均相位值的另一相位差,
-按照大小整理所述相邻图像点的所述另一相位差,以及
-根据所述另一相位差,从要对其进行相位校正的相邻图像点中选择出最靠近的图像点。
7.根据权利要求6所述的方法,其特征在于,在其中有具有预先确定的相位范围中的相位值的图像点的堆栈区域中,整理所述相邻图像点的所述另一相位差,其中,在具有较大相位范围的堆栈区域之前处理具有小的相位范围的堆栈区域。
8.根据上述权利要求中任一项所述的方法,其特征在于,所述检查对象具有至少两种组织的信号分量,其中,采用用于识别和区分该至少两种不同组织类型的方法。
9.根据权利要求8所述的方法,其特征在于,所述两种组织具有不同的化学位移并因此具有不同共振频率,其中,在记录磁共振信号时,一方面记录其中两种组织的相位基本上相同的信号,另一方面记录其中两种组织的相位相互相反取向的磁共振信号。
10.根据权利要求8或9所述的方法,其特征在于,采用两个对应于0°和180°的预先确定的相位值作为所述预先确定的相位值,从而检验所确定的相位差是否对应于0°或180°。
11.根据权利要求9或10所述的方法,其特征在于,在其中两种组织的相位相反的所述磁共振信号的基础上,确定哪种组织对于在图像点中所产生的相位值负有责任,其中,根据对于组织类型的了解在对图像点的相位值进行相位校正时校正180°或者不校正。
12.根据权利要求11所述的方法,其特征在于,在对两种组织类型的识别以及对一种组织类型校正相位差180°之后,在复数的磁共振信号的相位值中形成一种对应于磁共振设备的由***造成的相位误差的相位变化。
13.根据权利要求8至12中任一项所述的方法,其特征在于,所述两种不同的组织是脂肪和水。
14.根据上述权利要求中任一项所述的方法,其特征在于,为所述平均相位值采用来自3个不同的空间方向相邻图像点。
15.根据上述权利要求中任一项所述的方法,其特征在于,在每个空间方向上为所述平均相位值采用3至9个、优选为6至8图像点、进一步优选为5至7个相邻图像点。
16.根据上述权利要求中任一项所述的方法,其特征在于,为了记录所述磁共振信号采用多个接收线圈,其中,将各个线圈的复数磁共振信号组合成复数总信号,然后再对该复数总信号进行相位校正。
17.根据权利要求16所述的方法,其特征在于,确定每个接收线圈的相位信息并且在计算所述复数总信号时加以考虑。
18.根据权利要求16或17所述的方法,其特征在于,在建立所述复数总信号之前对每个接收线圈的灵敏度进行估计,其中,在建立该复数总信号时根据每个线圈的灵敏度对其信号分量进行加权。
19.根据权利要求6至18中任一项所述的方法,其特征在于,在从第二周围区域的图像点中确定平均相位值时,基本上仅仅考虑这样的图像点,即,其中检验了相位差与预先确定的相位值对应的良好程度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US85643106P | 2006-11-02 | 2006-11-02 | |
US60/856,431 | 2006-11-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101172036A true CN101172036A (zh) | 2008-05-07 |
CN101172036B CN101172036B (zh) | 2011-08-03 |
Family
ID=39420953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101849025A Expired - Fee Related CN101172036B (zh) | 2006-11-02 | 2007-10-29 | 相位校正的方法 |
Country Status (2)
Country | Link |
---|---|
US (2) | US20090201021A1 (zh) |
CN (1) | CN101172036B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073025A (zh) * | 2010-11-18 | 2011-05-25 | 宁波鑫高益磁材有限公司 | 一种mri***中正交线圈输出信号的合成重建方法 |
CN103424721A (zh) * | 2012-05-21 | 2013-12-04 | 西门子公司 | 在多维位置选择高频激励脉冲中校正相位误差的方法 |
CN103885016A (zh) * | 2012-12-19 | 2014-06-25 | 西门子公司 | 相位差图的确定 |
CN113391251A (zh) * | 2020-03-12 | 2021-09-14 | 上海联影医疗科技股份有限公司 | 磁共振图像重建方法、装置和设备 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008048304B4 (de) * | 2008-09-22 | 2010-10-07 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum automatischen Unterscheiden von wasserdominiertem und fettdominiertem Gewebe |
DE102009015006B4 (de) * | 2009-03-26 | 2011-09-22 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum automatischen Unterscheiden von silikondominiertem, wasserdominiertem und fettdominiertem Gewebe |
WO2013130587A1 (en) | 2012-02-28 | 2013-09-06 | The Board Of Regents Of The University Of Texas System | Method and apparatus for extended phase correction in phase sensitive magnetic resonance imaging |
DE102012206493B3 (de) * | 2012-04-19 | 2013-09-19 | Bruker Biospin Mri Gmbh | Magnetresonanz-Bildgebungsverfahren mit optimierter Hintergrundphasenverteilung |
US9411032B2 (en) * | 2012-07-31 | 2016-08-09 | General Electric Company | Sensitivity distribution generating apparatus, magnetic resonance system, sensitivity distribution generating method, and program |
DE102012215299B4 (de) | 2012-08-29 | 2014-05-22 | Siemens Aktiengesellschaft | Bestimmen eines Magnetresonanz-Bilds aus approximierten MR-Bildern |
CN103885014B (zh) * | 2012-12-21 | 2016-01-20 | 上海联影医疗科技有限公司 | 一种波谱相位校正方法 |
US10234522B2 (en) * | 2013-09-16 | 2019-03-19 | Koninklijke Philips N.V. | MR imaging with dixon-type water/fat separation |
CN105793721B (zh) * | 2013-12-02 | 2020-03-03 | 皇家飞利浦有限公司 | 使用零回波时间脉冲序列的磁共振成像*** |
CN104739409B (zh) * | 2013-12-31 | 2018-02-13 | 西门子(深圳)磁共振有限公司 | 磁共振成像方法和装置 |
US9519040B2 (en) | 2014-04-04 | 2016-12-13 | Board Of Regents, The University Of Texas System | Methods and apparatus for phase correction in magnetic resonance imaging |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5226418A (en) * | 1991-08-01 | 1993-07-13 | General Electric Company | Phase correction of complex - difference processed magnetic resonance angiograms |
US6016057A (en) * | 1998-04-17 | 2000-01-18 | General Electric Company | System and method for improved water and fat separation using a set of low resolution MR images |
DE10132274B4 (de) * | 2001-07-04 | 2004-01-15 | Siemens Ag | Trennung von Fett- und Wasserbildern durch das Zwei-Punkt-Dixon-Verfahren unter Berücksichtigung einer integrierten 3D-Feld-Messung zur Aufnahme einer Karte der Grundfeldinhomogenität |
US6617850B2 (en) * | 2001-12-03 | 2003-09-09 | Mayo Foundation For Medical Education And Research | Motion correction of magnetic resonance images using phase difference of two orthogonal acquisitions |
US7227359B2 (en) * | 2003-11-26 | 2007-06-05 | Boards Of Regents, The University Of Texas System | Method and apparatus for phase-sensitive magnetic resonance imaging |
US7102352B2 (en) * | 2004-09-30 | 2006-09-05 | General Electric Company | Method and system for image artifact reduction using nearest-neighbor phase correction for echo planar imaging |
US7259557B2 (en) * | 2005-10-19 | 2007-08-21 | General Electric Company | Method and apparatus of echo planar imaging with real-time determination of phase correction coefficients |
US7515742B2 (en) * | 2006-06-29 | 2009-04-07 | Vassol. Inc. | Automatic segmentation of stationary tissue in PCMR imaging |
-
2007
- 2007-10-29 CN CN2007101849025A patent/CN101172036B/zh not_active Expired - Fee Related
- 2007-11-01 US US11/933,499 patent/US20090201021A1/en not_active Abandoned
-
2010
- 2010-04-20 US US12/763,480 patent/US7888936B2/en not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073025A (zh) * | 2010-11-18 | 2011-05-25 | 宁波鑫高益磁材有限公司 | 一种mri***中正交线圈输出信号的合成重建方法 |
CN102073025B (zh) * | 2010-11-18 | 2012-11-28 | 宁波鑫高益磁材有限公司 | 一种mri***中正交线圈输出信号的合成重建方法 |
CN103424721A (zh) * | 2012-05-21 | 2013-12-04 | 西门子公司 | 在多维位置选择高频激励脉冲中校正相位误差的方法 |
CN103885016A (zh) * | 2012-12-19 | 2014-06-25 | 西门子公司 | 相位差图的确定 |
CN103885016B (zh) * | 2012-12-19 | 2017-04-12 | 西门子公司 | 相位差图的确定 |
US9645215B2 (en) | 2012-12-19 | 2017-05-09 | Siemens Aktiengesellschaft | Determination of a phase difference map |
CN113391251A (zh) * | 2020-03-12 | 2021-09-14 | 上海联影医疗科技股份有限公司 | 磁共振图像重建方法、装置和设备 |
CN113391251B (zh) * | 2020-03-12 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 磁共振图像重建方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
US7888936B2 (en) | 2011-02-15 |
US20090201021A1 (en) | 2009-08-13 |
US20100201364A1 (en) | 2010-08-12 |
CN101172036B (zh) | 2011-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101172036B (zh) | 相位校正的方法 | |
US9881394B2 (en) | Method and apparatus for extended phase correction in phase sensitive magnetic resonance imaging | |
Berglund et al. | Three‐point dixon method enables whole‐body water and fat imaging of obese subjects | |
Scott et al. | An in-vivo comparison of stimulated-echo and motion compensated spin-echo sequences for 3 T diffusion tensor cardiovascular magnetic resonance at multiple cardiac phases | |
US8774475B2 (en) | Two-point dixon technique with flexible choice of echo times | |
US7053613B2 (en) | Method for parallel image reconstruction using automatic regularization | |
CN104067137B (zh) | 具有对流动伪影的抑制的mr成像 | |
WO2002056767A1 (fr) | Imagerie parallele par resonance magnetique utilisant une carte de sensibilite de bobine haute precision | |
EP3384307B1 (en) | Removal of image artifacts in sense-mri | |
EP3123192B1 (en) | Epi ghost correction involving sense | |
US20130343625A1 (en) | System and method for model consistency constrained medical image reconstruction | |
US9612307B2 (en) | Reducing artifacts in magnetic resonance images acquired using propeller echo planar imaging | |
US9519040B2 (en) | Methods and apparatus for phase correction in magnetic resonance imaging | |
CN103099617A (zh) | 磁共振成像装置 | |
Keegan et al. | Non‐model‐based correction of respiratory motion using beat‐to‐beat 3D spiral fat‐selective imaging | |
US10175330B2 (en) | Dixon MR imaging with suppression of flow artifacts | |
CN106796274A (zh) | 具有伪迹抑制的propeller‑mr成像 | |
Rydell et al. | Phase sensitive reconstruction for water/fat separation in MR imaging using inverse gradient | |
JP5461255B2 (ja) | 磁気共鳴イメージング装置 | |
US20020042568A1 (en) | Magnetic resonance method for forming a fast dynamic imaging | |
Rüssel et al. | Comparison of 2D and 3D calculation of left ventricular torsion as circumferential-longitudinal shear angle using cardiovascular magnetic resonance tagging | |
Tian et al. | Real‐time water/fat imaging at 0. 55T with spiral out‐in‐out‐in sampling | |
US8362769B2 (en) | Magnetic resonance method and device to automatically differentiate water-dominated and fat-dominated tissue with only one spin echo acquired for each pixel | |
WO2009061468A1 (en) | Systems, methods and machine readable programs for enhanced fat/water separation in magnetic resonance imaging | |
JP6873134B2 (ja) | Senseイメージングにおける画像アーチファクトの除去 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220112 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110803 |
|
CF01 | Termination of patent right due to non-payment of annual fee |