CN103376434A - 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 - Google Patents
借助磁共振技术采集呼吸的检查对象的测量数据组的方法 Download PDFInfo
- Publication number
- CN103376434A CN103376434A CN2013101353608A CN201310135360A CN103376434A CN 103376434 A CN103376434 A CN 103376434A CN 2013101353608 A CN2013101353608 A CN 2013101353608A CN 201310135360 A CN201310135360 A CN 201310135360A CN 103376434 A CN103376434 A CN 103376434A
- Authority
- CN
- China
- Prior art keywords
- breathing
- bunch
- excite
- index
- space
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
- A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
-
- 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
- G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
- G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
- G01R33/5676—Gating or triggering based on an MR signal, e.g. involving one or more navigator echoes for motion monitoring and correction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
在按照本发明的用于借助磁共振技术采集呼吸的检查对象的测量数据组的方法中,通过多个单测量采集测量数据组,其中,对每个单测量确定一个呼吸位置和一个呼吸阶段,根据所述呼吸位置和呼吸阶段判断,所述单测量是否被记录到最终的测量数据组中,从所述最终的测量数据组中重建图像数据组。此外,要求保护一种相应的磁共振设备、一种相应的计算机程序和一种相应的电子可读数据载体。
Description
技术领域
本发明涉及一种用于借助磁共振技术采集呼吸的检查对象的测量数据组的方法、一种磁共振设备、一种计算机程序以及一种电子可读数据载体。
背景技术
磁共振技术(以下对于磁共振简称MR)是能够用来产生检查对象的内部的图像的公知技术。简言之,为此将检查对象在磁共振设备中定位于具有0.2特斯拉至7特斯拉和更大的场强的相对强的静态均匀基本磁场,也称为B0场中,使得其核自旋沿着基本磁场取向。为了触发核自旋共振,将高频激励脉冲(RF脉冲)入射到检查对象中,测量所触发的核自旋共振作为所谓的k空间数据并且在此基础上重建MR图像或确定光谱数据。为了测量数据的位置编码,与基本磁场重叠快速接通的磁梯度场。所记录的测量数据被数字化并且作为复数值被赋予k空间矩阵中。从被赋值的k空间矩阵中例如借助多维傅里叶变换可以重建所属的MR图像。
要借助MR检查的患者的呼吸运动,可以在磁共振成像中(英语“magneticresonance imaging” -MRI)主要在检查胸部和腹部的器官时,也就是通过患者呼吸运动影响的检查区域,导致所谓的鬼影(英语“ghosting”)、模糊(英语“blurring”)、以及在所产生的图像之间的配准错误。这些伪影可以使得例如通过医生基于这些图像来诊断变得困难,并且可以导致,例如忽视损伤。现有技术中存在用来降低呼吸运动引起的伪影的大量技术。一种这样的技术是呼吸门控。呼吸门控是在MR测量期间采集患者的呼吸并且与采集的测量数据对应的技术。在呼吸门控中,仅当所采集的呼吸运动满足特定的可预先给出的标准时才将测量数据用于重建。
在此,可以利用外部传感器,例如气体垫、或者利用MR信号,所谓的导航器来检测患者的呼吸。导航器通常是短的序列,其采集例如隔膜的或检查对象中的另一个信号源的MR信号,所述信号源的运动与患者的呼吸相关。通过隔膜或另一个信号源的位置可以检测呼吸运动。呼吸位置通常(但是并非一定)仅从利用两个导航器序列采集的数据中确定。一个导航器序列在此是参考测量(通常是第一导航器测量),另一个导航器测量被分配给所确定的呼吸位置。
不同的实施方式与具有或没有导航器的呼吸触发的技术不同。呼吸触发在此理解为一种如下技术,该技术将成像的MR测量与自由呼吸的患者的呼吸同步并试图,在呼吸循环的一个杰出的阶段期间采集测量数据的确定的分组。在此如果每个触发器仅激励一次一个特定的层,则序列的有效的TR等于患者的平均呼吸循环或者是其倍数。相反,在呼吸门控的情况下重复率(特别是其TR、也就是在一个层的连续激励之间的时间)不取决于患者的呼吸,而是通过参数或者通过另一个生理信号,例如ECG来控制。
在具有导航器的呼吸触发的情况下监视阶段与测量阶段交替,在所述监视阶段期间为了采集呼吸信号而重复导航器序列,在所述测量阶段期间执行成像序列。在监视阶段期间通常不执行成像序列。由此呼吸运动的时间扫描率仅通过导航器序列的持续时间向下限制。也就是扫描率通常比呼吸门控情况下要高。
如果利用外部的传感器,例如气体带,采集呼吸信号,则生理信号的扫描率通常明显高于在使用导航器测量的情况下,从而数字滤波和临时平均通常是可以的。此外对于生理信号的测量,不必中断成像的测量。相应地,在利用外部信号的呼吸门控中,接受窗不是作为呼吸位置的函数定义而是通常作为时间窗。时间窗例如当测量的生理信号(其在使用呼吸带的情况下是胸部周长的函数)在呼气期间低于阈值时打开并且当该阈值在吸气期间又被超过时关闭(参见例如Craig E.Lewis et al.“Comparison of Respiratory Triggering and GatingTechniques for the Removal of Respiratory Artifacts in MR Imaging”;Radiology1986;160,第803-810页)。
以下首先考察通过导航器测量采集呼吸位置的呼吸门控方法。在利用导航器的呼吸门控中,将导航器序列例如与成像的序列交错并且将利用导航器测量的隔膜位置然后与直接之后(或之前)采集的成像的数据对应。
区分回顾性和前瞻性的呼吸门控。
在回顾性的呼吸门控中,在MR测量期间采集并且记录、但是不分析呼吸运动,而是多次测量待采集的k空间。为了重建,仅考虑测量的数据的一部分,优选是其中呼吸信号在特定的窗中在杰出的呼吸位置附近的那个部分。如果特定的、对于图像重建来说需要的k空间数据点在杰出的窗内部被多次测量,则可以将所述数据进行平均。相反如果一个数据点总是在窗外部被测量,则可以将与杰出的位置的偏差最小的那个数据点用于重建。
在前瞻性的呼吸门控中,在测量期间分析借助呼吸传感器测量的、生理的呼吸信号(例如利用导航器序列测量的隔膜位置)并且基于所采集的生理信号控制MR测量。在最简单的实施方式中,即所谓的接受/拒绝算法(Acceptance/Rejection-Algorithmus,ARA),将成像的数据分组的测量(和必要时对应的导航器序列)一直重复直到生理的信号落在事先定义的接受窗中。
这样的接受/拒绝算法的例子以及同时第一个对利用导航器的呼吸门控的说明在Todd S.Sachs,Craig H.Meyer,Bob S.Hu,Jim Kohli,Dwight G.Nishimura和Albert Macovski的文章“Real-Time Motion Detection in Spiral MRI UsingNavigators”,MRM 32:第639-645页(1994)中被描述。作者在螺旋序列中对于每个激励采集一个或多个导航器。这些导航器在此在采集图像数据之后被采集。不同的导航器通过其空间取向相区别。从每个导航器中借助互相关来计算沿着导航器的方向相对于参考导航器的空间位移。在第一成像扫描之后被采集的导航器扫描分别用作为参考。特定的成像扫描被一直重复直到利用导航器确定的关于参考的空间位移小于由使用者预先给出的阈值。也就是涉及基于一个或多个空间位移的接受/拒绝算法。
接受/拒绝算法的另一个例子由Wang et al.在“Navigator-Echo-basedReal-Time Respiratory Gating and Triggering for Reduction of Respiratory Effects inThree-dimensional Coronary MR Angiography”.Radiology198;第55-60页(1996)描述。在此生理的信号是利用导航器确定的、隔膜位置相对于参考状态的位移。与Sachs et al.的工作的区别是,在成像的扫描之前或之后分别采集一个导航器,并且在于,仅当利用两个导航器确定的位移小于阈值时才接受成像的扫描。
为了确定接受窗,通常对于每个患者进行一个所谓的预扫描,在预扫描中例如利用导航器序列采集呼吸运动,但是还不采集成像的数据。
前瞻性的呼吸门控通常比回顾性的呼吸门控更有效。对于前瞻性的呼吸门控的前提条件是目前通常给定的、MR设备的控制软件的实时能力。在此,实时能力被理解为,可以在序列运行期间分析利用序列(序列在此包括成像的和导航器序列)测量的数据,并且通过该分析的结果可以影响其它序列流程,其中在采集数据和影响其它流程之间的时间段比呼吸运动的典型的时间常数短(在此人的呼吸循环特别地为3和10秒之间)。
接受/拒绝算法的主要问题是,患者的呼吸通常在检查期间变化。呼吸运动的变化在此可以是这样的,即,呼吸位置在曾经确定的接受窗内部很少或不再被检测。这导致延长的采集时间并且甚至可以导致,测量根本不是常规地结束。
存在大量的替换的前瞻性的门控算法,所述前瞻性的门控算法或者试图相对于接受/拒绝算法改进效率或者对于呼吸在测量期间变化或漂移的情况使得测量更稳健。一般地,只要利用导航器采集呼吸,前瞻性的判断仅基于最后测量的呼吸位置或者多个最后测量的呼吸位置(例如最后测量的隔膜位置或多个最后测量的隔膜位置)。
关注该问题的、以距离最为重要的算法是“Phase Ordering With AutomaticWindow Selection”(PAWS),如在P. Jhooti, P.D. Gatehouse, J. Keegan, N.H. Bunce,A.M.Taylor,和D.N.Firmin的文章“Phase Ordering With Automatic WindowSelection (PAWS):A Novel Motion-Resistant Technique for 3D Coronary Imaging”,Magnetic Resonance in Medicine43,第470–480页(2000)中和在美国专利US7039451 B1中描述的那样。PAWS找到用于运行时间的最终的接受窗并且由此可以灵活地响应于变化的呼吸。PAWS的另一个目的是,确保一定程度的“相位编码排序”(或简称“相位排序”)。这意味着,k空间中相邻的行在类似的呼吸状态中被采集。特别地,在运动特别敏感的k空间中心附近采集时应当避免呼吸状态的变化。PAWS是对于三维笛卡尔采集技术被开发的。在此采用的ky-kz排序方案在每个导航器之后采集三维k空间的一个完整的kx-kz平面。沿着kz方向的k空间信号的调制由于在沿着kx-kz方向通过导航器(以及可能接通的准备脉冲、或对另一个生理信号的等待,诸如EKG触发器)中断静态的均衡之后的超越状态而由此是平滑的。在ky方向上由于保留的运动而可以形成不连续,所述不连续可以作为沿着第一相位编码方向ky的伪影和模糊在图像中显示。这一点仅当在k空间中心附近形成片段边界时才不成立。由呼吸传感器不采集的蠕动运动也可以导致图像中的伪影。
PAWS存在于不同的所谓“bin”变形中。在PAWS中确定最终的接受窗的宽度。包括了该接受窗的呼吸位置与接受/拒绝算法不同自动地在运行时间被找到。k空间填充按照簇进行。一个簇(在原始工作中使用“容器(bin)”的概念而不是簇)的特征通过呼吸位置区域、接受区域表示,并且包括在测量了在与簇对应的呼吸位置区域中的呼吸位置之后已经被测量的所有的k空间行。在PAWS的n-bin变形中由n个相继跟随的簇覆盖一个呼吸位置区域,其宽度等于接受窗。
此外,为每个簇对应一个k空间中的开始位置,其中不同的开始位置的数量是n。将具有相邻的呼吸位置的簇对于n>1个不同的开始位置进行对应。如果利用导航器测量与一个簇对应的呼吸位置,则开始在该簇内部还没有测量的k空间行的测量。对于在此选择哪些还待测量的k空间行的决定,一般地也包括由相邻的簇已经采集的k空间行。例如这样选择尚缺少的k空间行,使得n个相邻的簇的任意组尽可能完整,其中n个相邻的簇的任意组包含与当前测量的呼吸位置对应的簇;即,n个相邻的簇的组包括尽可能多的不同k空间行。只要n个相邻的簇的任意组包括所有待测量的k空间行,则结束测量,因为呼吸位置的总变化在该测量数据中由此限制到接受窗。
n个不同的开始点和PAWS的n-bin变形的簇通常导致k空间中的n个片段。在此每个片段由相邻的k空间行组成。利用导航器测量的呼吸位置的变化在一个片段内部,相应于与一个簇对应(在原始工作中提到“bin尺寸”)的位置区域,并且由此相应于采集窗的n分之一。关于整个k空间,呼吸位置的变化更大并且向上受到确定的接受窗限制。属于相同的片段的行,在类似的呼吸状态期间被测量。在片段边界处由此信号的调制随着呼吸改变。也就是产生片段边界处的位置跳变。PAWS的不同的bin变形的目的是,将片段边界从运动敏感的k空间中心移开。另一个目的是实现高的效率。
在已经提到的Jhooti et al.的文章中以及例如也在P.Jhooti,P.Gatehouse,J.Keegan,A.Stemmer,D.Firmin的随后文章“Phase ordering with Automatic WindowSelection(PAWS)with Half Fourier for Increased Scan Efficiency and ImageQuality”;Proc.Intl.Soc.Mag.Reson.Med.11(2004);第2146页中将1-bin、2-bin、3-bin和4-bin变形互相比较。该比较的结果是,PAWS的1-bin和2-bin变形是最有效的,即,对于接受窗的给定宽度,测量最快结束。1-bin变形被放弃,因为其不允许“相位排序”,4-bin变形(和更高)由于效率低而被放弃。3-bin变形比2-bin变形效率低。对此的原因是,具有在左和右k空间的边沿处的开始位置的簇的单向增长方向。只要在这两个***簇和中央的簇(具有在k空间中心的开始位置和双向的增长方向)之间的间隙被封闭,则其一直增长直到在另一个***的簇和中央的簇之间的缝隙也被封闭,只要测量呼吸位置并且与第一***簇对应。这通常导致在簇边界(片段边界)处多次采集的k空间行。该问题在2-bin变形中不存在。在该2-bin变形中每个第二个簇单向地从左k空间边沿经过k空间中心在右k空间边沿的方向上并且其余的簇单向地从右k空间边沿经过k空间中心在左k空间边沿的方向上增长。只要(具有相对的增长方向的)两个相邻的簇“相遇”,则测量结束。然而,在如利用2-bin变形那样对称地扫描k空间的情况下簇边界通常位于运动特别敏感的k空间中心的附近,这可以导致强的图像伪影。对于靠近k空间中心的簇边界的可能性在使用部分傅里叶(也就是k空间的不对称扫描)的情况下明显更小。
实际上重要的由此是PAWS的所谓的2-bin和3-bin变形,其中在对称扫描的情况下3-bin变形、在不对称扫描的情况下2-bin变形是优选的。该分析基于2-bin变形,在所述2-bin变形中相邻的簇的开始点在左和右k空间边沿之间交替。相应地,簇分别从与其对应的开始点出发首先在k空间中心的方向上增长。
还要提到,在一些工作中仅将唯一一个呼吸位置与一个簇对应。最终的接受窗的宽度于是为呼吸信号的分辨率的n倍。在该替换的表达中通过如下实现了接受窗的灵活选择,即,将利用传感器测量的呼吸位置首先这样粗化,使得n个相邻的产生的呼吸位置覆盖一个与接受窗的宽度相应的呼吸区域。
PAWS最初是对于ky-kz排序方案开发的,其中分别在采集呼吸信号之后,采集具有第二相位编码梯度(在kz方向上)的特定值的所有的k空间行。相应地,“相位排序”也限制到笛卡尔k空间方向,这可以导致在该方向上的加强的保留运动伪影。
关注变化的呼吸的问题的另一种前瞻性的门控算法是Diminishing VarianceAlgorithm(DVA)(Todd S.Sachs,Craig H.Meyer,Pablo Irarrazabal,Bob S.Hu,Dwight G.Nishimura:“The Diminishing Variance Algorithm for Real-TimeReduction of Motion Artifacts in MRI”;MRM34;第412-422页(1995)):
首先在初始阶段完整地没有门控地采集待采集的k空间,并且对于每个采集阶段利用一个导航器测量和记录呼吸位置相对于参考位置的位移。在初始阶段的结束借助直方图确定最频繁的呼吸位置并且称为统计分布的模式。其存储的呼吸位置与该模式偏差最大的k空间数据现在与导航器一起被重新采集,并且更新直方图(和由此更新该模式)。分别与当前的模式偏差最大的k空间数据的该重新采集一直继续直到所有的呼吸位置位于预先给出的宽度的接受窗内部,或者达到了时间限制。
发明内容
本发明要解决的技术问题是,提出一种方法、一种磁共振设备、一种计算机程序以及一种电子可读数据载体,利用它们,在采集为重建而使用的图像数据期间呼吸位置的实际变化可以相对于预先给出的接受区域以比现有技术中的相应方法中更小的程度放大。
按照一个方面,本发明涉及一种用于借助磁共振技术的门控算法采集呼吸的检查对象的测量数据组的方法。测量数据组通过不同的k空间片段的多个单测量采集。对每个单测量借助导航器测量确定一个呼吸位置和一个呼吸阶段,其中,根据呼吸位置和呼吸阶段判断,单测量是否被记录到最终的测量数据组中,从所述最终的测量数据组重建图像数据组。导航器测量分别在单测量的采集之前或之后进行。
本发明的基础是如下的考察,即,特定的导航器测量是在吸气还是呼气期间被测量是具有重大区别的。之所以呼吸阶段,也就是呼吸循环的阶段(吸气或呼气),在利用导航器的前瞻性的呼吸门控中迄今为止不被使用,估计是技术上的特性。在相继跟随的导航器测量之间的时间间隔相对长,因为任何导航器测量一方面降低测量的效率并且另一方面中断磁化的动态均衡(英语:“steadystate,稳态”)。同时任何导航器测量具有噪声,从而仅从两个相继跟随的导航器测量的比较通常不能推导出瞬时的呼吸阶段。这些噪声可以通过测量的呼吸位置的序列的临时平均或数字滤波来降低。但是二者都延迟了信息的可用性并且由此不能作出前瞻性的判断。
而本发明如下地扩展了最重要的前瞻性门控算法,即,关于特定的测量数据点是否用于图像重建的决定是呼吸位置(例如隔膜位置)的和(在其间测量呼吸位置的)呼吸阶段的函数。呼吸阶段在此是二元状态(吸气、呼气)或三态(吸气、呼气、未知)。
此外,提供了一种算法,该算法允许确定瞬时呼吸阶段,即使当生理的呼吸运动的扫描率小并且每个单个扫描点具有噪声时。
在按照本发明的用于借助磁共振技术采集呼吸的检查对象的测量数据组的方法中通过多个单测量采集测量数据组,其中,对每个单测量确定一个呼吸位置和一个呼吸,根据它们判断,单测量是否被记录到最终的测量数据组中,从所述最终的测量数据组重建图像数据组。
通过按照本发明不仅考虑呼吸位置,而且也考虑呼吸阶段(对于所述呼吸阶段采集了一个单测量),相对于仅考虑呼吸位置的方法明显降低了在最终的测量数据组中呼吸位置的实际的总变化。
在按照本发明的方法中,生理的数据点由此不是仅通过一个、例如利用导航器测量的呼吸位置(例如隔膜位置)来确定。而是一个生理数据点是由一个呼吸位置和一个呼吸阶段组成的对。呼吸阶段在此可以取两个不同的值(状态)(吸气或呼气)或三个不同的值(状态)(吸气、呼气或未知)。与呼吸位置相反,呼吸阶段不能由唯一一个导航器测量确定。呼吸阶段特别地可以通过呼吸位置的至少两个测量来确定,其中在呼吸位置的两个相继跟随的测量之间的时间间隔相对于一个呼吸循环来说是小的。例如在呼吸位置的两个相继跟随的测量之间的时间间隔在一个呼吸循环的大约八分之一的数量级或更小。
呼吸位置和由此呼吸阶段在此可以特别地借助导航器测量来确定。在一些实施例中呼吸位置和呼吸阶段的确定也可以通过外部的传感器,诸如呼吸带来确定。但是借助导航器确定呼吸位置和呼吸阶段节省了否则需要的附加外部传感器及其处理。
呼吸阶段可以对应于值“吸气”或“呼气”,以便确定,待检查的患者在测量数据的采集期间是否刚好吸气或呼气。如果不可对应于两个值“吸气”或“呼气”中的任何一个,则呼吸阶段可以对应于值“未知”。在呼吸阶段“未知”中采集的测量数据可以被放弃。
按照一种实施方式,检查对象的呼吸位置和呼吸阶段划分为多个预定义的簇,所述簇分别覆盖了检查对象的呼吸位置和呼吸阶段的一个预先定义的呼吸区域。测量数据组可以通过多个激发采集,所述激发沿着预先给出的三维k空间轨迹分别采集预先给定数量的k空间行。不同的激发采集不同的k空间行,从而通过多个激发扫描预定义的k空间区域。为激发分别对应一个激发索引,其说明对于各自的激发相对于检查对象的运动的敏感性。激发索引与激发的对应是这样的,即,紧挨的激发索引与相对于运动具有递增改变的敏感性的这样两个激发对应。该方法包括:A)借助导航器技术测量检查对象的呼吸位置和B)选择特定的簇,所测量的呼吸位置和呼吸阶段位于其覆盖的呼吸区域。该方法还包括:C)选择一个待采集的激发作为具有对应的激发索引的那个激发,该激发索引与最后对于特定的簇所采集的激发的激发索引紧挨。该方法还包括:D)采集待采集的激发并且将激发与特定的簇对应。该方法还包括:一直执行步骤A)-D),直到覆盖了检查对象的相邻的呼吸区域的至少两个紧挨的簇一起与测试数据组的所有激发对应。该方法还包括从与两个紧挨的簇对应的激发中确定MR图像。
K空间行也可以被称为View。
在这里讨论的情况中,呼吸阶段可以特别地关于“呼气”和“吸气”,即,利用两个可能的值定义。例如相应于最大的呼吸位置(例如完全吸气或完全呼气)的簇也具有带有不同的呼吸阶段的相邻的簇。
通过对于每个簇这样选择待采集的激发,使得分别选择紧挨的激发索引用于采集,可以实现,***地和关于相对于运动的递增改变的敏感性排序地填充簇。例如,不同的簇的填充可以这样进行,即,首先采集具有相对于运动的大的敏感性(相对于运动的小的敏感性)的这些簇,然后***地和排序地采集具有相对于运动增加的小敏感性(相对于运动增加的大的敏感性)的这些激发。
通过激发索引与激发的对应,从而紧挨的激发索引表示相对于运动的递增地改变的敏感性,可以实现:将激发索引按照一种排序的方式与激发对应。例如,可以首先将激发关于其相对于运动的敏感性排序并且然后将这些排序的激发,例如按照连续的或上升的或下降的方式与激发索引对应。
例如可以这样划分预定义的簇,使得检查对象的呼吸位置的整个呼吸区域被无缝隙地覆盖。这样总是可以,在上面讨论的步骤B)中选择特定的簇,测量的呼吸位置位于其覆盖的呼吸区域中。
例如采集与k空间中心具有相对小的距离的一个或多个k空间行的这些激发可以具有相对于运动的相对大的敏感性。相应地,不采集或仅采集k空间中心附近的小数量的k空间行的这些激发可以具有相对于检查对象的运动的相对小的敏感性。通过这样对应激发索引,使得其可以表示相对于运动的敏感性,可以实现,激发的选择和采集在考虑相对于运动的敏感性的条件下进行并且例如可以就此优化。
例如,关于相对于运动的敏感性对激发的采集的优化,可以通过在相邻的簇之间相关地选择和采集激发来实现。可能不必要的是,对于相邻的簇的一个被采集的激发对于另一个相邻的簇来采集。这一点可以是这样,因为MR图像可以由至少两个紧挨的簇中确定,在所述簇中选择激发索引用于相关。
一个簇可以具有多于一个的邻居,例如两个邻居。以下考察例如可以对于任何邻居成立。
例如,对于覆盖了检查对象的相邻的呼吸区域的两个紧挨的簇的第一个,首先选择并采集具有与相对于运动的大的敏感性相应的对应的激发索引的这些激发。对于两个紧挨的簇的第二个可以首先选择和采集具有与相对于运动的小的敏感性相应的对应的激发索引的这些激发。
换言之,对于两个紧挨的簇的第一个来说待采集的激发的选择包括:选择至此对于两个紧挨的簇的第一个还没有被测量的并且具有相对于该至此还没有被测量的激发的运动的最大的敏感性的那个激发。对于两个紧挨的簇的第二个来说待采集的激发的选择可以包括:选择至此对于两个紧挨的簇的第二个来说还没有被测量的并且具有相对于该至此还没有测量的激发的运动的最小的敏感性的那个激发。
对于不同的激发索引的具体选择可以使用不同的技术。例如,连续增加的激发索引可以表示各自的激发相对于检查对象的运动的连续上升或下降的敏感性。但是激发索引的另外的变形也是可以的,例如在附加考虑各自的k空间轨迹的k空间组件的条件下。
待采集的激发的选择还可以这样进行,即,k空间区域尽可能均匀地沿着不同的方向和/或在k空间区域的不同侧面被扫描。
前面主要描述了如下的技术,所述技术涉及基于对于激发的预定义的集合的激发索引选择和采集特定的激发。然而按照不同的实施方式也可以进行激发本身的集合的确定。特别地,可以这样确定激发或激发索引,使得它们具有相对于运动的特征性的敏感性。这一点例如可以通过将k空间区域划分为扇形来进行,所述扇形具有与k空间中心的明确定义的距离。该距离特别地可以表示相对于特定的采集的k空间行的运动的敏感性。
k空间行或View可以沿着相位编码梯度场方向布置,其中多个激发的k空间轨迹或View分别主要径向地在垂直于相位编码梯度场方向取向的平面中布置。
主要径向地可以意味着,不同激发的k空间轨迹或View也可以具有切线的分量,但是所述分量相对于其径向分量来说相对小。
可以将k空间区域划分为扇形,所述扇形关于其与k空间中心的距离定义,其中对于多个激发的每一个来说,分别一个k空间行位于每个扇形中。
例如,每个激发的k空间轨迹可以按照顺序扫描不同的k空间行,所述顺序相应于k空间区域中的、不同的k空间行所位于其中的扇形的相邻关系。
按照本发明的磁共振设备包括基本场磁体、梯度场***、高频天线和用于控制梯度场***和高频天线的控制装置,以及用于接收由高频天线记录的测量信号、用于分析测量信号和用于建立磁共振图像并且构造为用于执行所述方法的图像计算机。
按照本发明的计算机程序包括程序装置,当计算机程序在磁共振设备的控制装置中运行时,其执行所描述的方法的所有步骤。
按照本发明的电子可读数据载体包括在其上存储的电子可读的控制信息,其构造为,在磁共振设备的控制装置中使用所述数据载体的情况下执行所描述的方法。
关于方法给出的优点和实施方式也类似地适用于磁共振设备、计算机程序产品和电子可读数据载体。
附图说明
本发明的其它优点和细节从以下描述的实施例以及结合附图得出。所举的例子不是本发明的限制。其中,
图1示意性示出了按照本发明的磁共振设备,
图2示出了View与扇形和激发的新的对应的例子,
图3示意性示出了待扫描的k空间按照扇形和激发的新的排序的流程图,
图4示意性示出了新的PAWS方法的流程图,
图5举例示出了根据ky坐标的原始工作的PAWS排序方案与对于3-bin-PAWS算法按照激发索引的新的排序方案的比较,
图6举例示出了迄今为止的2-bin PAWS与新的优化的2-bin PAWS的比较,
图7示意性示出了优化的2-bin PAWS的流程图,
图8示意性示出了用于确定呼吸阶段的方法的流程图,
图9示意性示出了按照本发明的方法的流程图,
图10举例示出了结合新的优化的2-bin PAWS的、按照本发明的方法的实施例,
图11举例示出了测量的呼吸信号。
具体实施方式
图1示出了(磁共振成像或核自旋断层造影设备的)磁共振装置5的示意图。在此,基本场磁体1产生时间上恒定的强磁场以用于极化或对齐检查对象U的(例如位于检查台23上为了检查或测量而被移动到磁共振装置5中的人体的待检查的部位的)检查区域中的核自旋。对于核自旋共振测量所需的基本磁场的高的均匀性在典型地为球形的测量体积M中定义,人体的待检查的部位布置在该测量体积中。为了支持均匀性要求和特别是为了消除时间上不可变的影响,在合适的位置上安装由铁磁材料组成的所谓匀场片。时间上可变的影响通过匀场线圈2和用于匀场线圈2的控制器27消除。
在基本场磁体1中采用由三个子线圈组成的圆柱形的梯度线圈***3。由放大器24-26给每个子线圈提供电流以用于在笛卡尔坐标系的各个方向上产生线性梯度场。在此,梯度场***3的第一子线圈产生x方向上的梯度Gx,第二子线圈产生y方向上的梯度Gy,并且第三子线圈产生z方向上的梯度Gz。放大器24-26包括数模转换器(DAC),该数模转换器由用于时间正确地产生梯度脉冲的序列控制装置18控制。
高频天线4位于梯度线圈***3内,所述高频天线4将由高频功率放大器给出的高频脉冲转换为用于待检查的对象或者对象的待检查区域的核的激励以及核自旋的对齐的交变磁场。高频天线4由线圈的以例如环形的、线形或矩阵形布置的形式的一个或多个HF发送线圈和一个或多个HF接收线圈组成。高频天线4的HF接收线圈也将从进动的核自旋出发的交变场、即通常由一个或多个高频脉冲和一个或多个梯度脉冲组成的脉冲序列引起的核自旋回波信号,转换为电压(测量信号),该电压经由放大器7被传输到高频***22的高频接收通道8、8'。高频***22还包括发送信道9,在该发送信道9中产生用于激励核磁共振的高频脉冲。在此,将各个高频脉冲根据由设备计算机20预先给出的脉冲序列在序列控制装置18中数字地表示为复数的序列。该数列作为实部和虚部分别经由输入端12被传输到高频***22中的数模转换器(DAC)并且从该数模转换器被传输到发送信道9。在发送信道9中将脉冲序列加调制到高频载波信号上,其基频相应于测量空间中核自旋的共振频率。通过放大器28将调制的脉冲序列传输到高频天线4的HF发送线圈。
通过发送-接收转接器6进行发送运行到接收运行的切换。高频天线4的HF发送线圈将用于激励核自旋的高频脉冲入射到测量空间M,并且通过HF接收线圈扫描所得到的回波信号。相应获得的核共振信号在高频***22的接收信道的第一解调器8'中被相位敏感地解调到中间频率,并且在模拟-数字-转换器(ADC)中被数字化。该信号还被解调到频率0。到频率0的解调和到实部和虚部的分离在第二解调器8中在数字域中数字化之后进行,所述第二解调器8通过输出端11将解调的数据输出到图像计算机17。通过图像计算机17可以从这样获得的测量数据重建MR图像、特别是在使用按照本发明的方法的条件下,所述方法包括例如借助图像计算机17计算至少一个干扰矩阵和其逆。通过设备计算机20进行测量数据、图像数据和控制程序的管理。序列控制装置18根据利用控制程序的预定值来控制各个期望的脉冲序列的产生和k空间的相应扫描、特别地根据按照本发明的方法。在此,序列控制装置18特别地控制梯度的时间正确的接通、具有定义的相位振幅的高频脉冲的发送以及核共振信号的接收。由合成器19提供用于高频***22和序列控制装置18的时间基准。通过包括用于输入可能性的输入部件诸如键盘15和/或鼠标16和用于显示可能性的显示部件诸如显示屏14的终端13,来选择用于产生MR图像的相应控制程序(所述MR图像例如存储在DVD 21中)以及其它用户方面的输入(诸如应当一起覆盖期望的k空间的相邻的簇的期望的数量n),和显示所产生的MR图像。
图2示出了新的k空间排序方案的例子。示出了kz-ky平面,在该平面中按照笛卡尔布置(通过利用不同的图案填充的圆形表示的)View。
图3示意性示出待扫描的k空间按照扇形和激发的排序的流程图。
在此,首先选择对每个激发应当采集的数量Nv个View(块301)。这一点例如通过用户到磁共振设备5的终端13的输入来进行。利用对每个激发对View的选择例如可以在使用用于确定呼吸信号作为生理信号的导航器的情况下,由此自由选择呼吸信号的时间分辨率,因为在导航器之后采集具有选择的数量的View的激发。从(通过又由用户选择的分辨率等确定的)待测量的View的总数和对每个激发的View的数量Nv中由此确定为了完整说明待扫描的k空间所需的激发的数量Ns(块303)。
在k空间中的View被划分到扇形S1,S2,S3,S4,S5,S6,S7,S8(块305)。属于相同的扇形的View利用相同的图案填充。此外扇形S1,S2,S3,S4,S5,S6,S7,S8的边界通过细虚线画出。
不同扇形的数量等于每个激发的View的数量并且例如是用户定义的参数。在示出的例子中扇形的和每个激发的View的数量等于8。
每个扇形的View的数量等于激发的数量Ns。在例子中在每个扇形中的View的数量和由此激发的数量等于49。与同一个扇形对应的View具有与k空间中心的相似的距离并且位于相同的半空间中(在图2的例子中第一半空间通过ky>0或(ky=0和kz≤0))定义)。从中在非对称采集k空间(部分傅里叶)的情况下得到优点。
每个激发现在对每个扇形采集一个View。在此特定扇形的View在导航器序列之后或在激发开始之后的相同的时刻被采集。
所有View与一个激发对应,其中在每个扇形中一个View与一个特定的激发对应(块307)。一个扇形的单个View与一个特定的激发的对应相应于其在kz-ky平面中的取向进行,例如相应于其在极坐标中的方位角进行。该方案产生沿着几乎径向的扫描方向的k空间的平滑调制(由于在中断静态均衡之后的超越状态)。
图2中举例通过先后顺序的实箭头表示三个激发。在采集测量数据时与相同的扇形和不同的激发对应的View分别占据激发内部的相同(时间)位置(块309)。如在图2的例子中可以看出的,对于每个激发采集的View的顺序分别相应于其扇形,在示出的情况中从S1至S2至S3至S4至S5至S6至S7至S8。激发由此在几乎径向的k空间轨迹上在此从待扫描的k空间的右边沿到左边沿引导。
该排序方案相对于迄今为止结合PAWS技术采用的排序方案来说具有优点,即,不太容易产生由于保留的运动导致的鬼影伪影,因为该运动按照方位角被分散。此外该方案允许对每个激发的View的自由选择和由此利用导航器序列采集的生理呼吸信号的时间分辨率。此外与所谓的椭圆形扫描兼容,在所述椭圆形扫描中k空间的特别是ky-kz平面的***的角中的View,以相对小的信息内容,为了更短的测量时间而不被采集,如在示出的例子中那样。此外k空间的所介绍到扇形的划分与k空间扫描的变化的密度兼容,如在利用自动校准的并行成像中出现的那样。
一般化的PAWS描述允许,与PAWS一起采用刚才描述的排序方案,方法是,如上所述将激发通过划分到扇形的View与满足上面给出的假定的激发索引对应。
在此提供以下工作方式:
首先为每个激发分配一个例如在[–π,π]之间的方位角。为此,例如可以使用在第一半空间中的激发的View的平均方位角(arctan2(ky,kz))或者在扇形中的一个的,有利地是位于k空间中心的附近中的扇形诸如图2中的扇形S4的View的方位角。该方位角是合适的标尺并且由此是激发的排序标准,其描述了激发的相邻关系。人们注意到,不要求激发→标尺的对应是可逆转的。有利地将激发索引ns0置为等于采集k空间中心的激发的激发索引。图2的例子中该激发具有方位角并且由此位于ns[0,Ns-1]的值域的中心中。
在真实的径向轨迹中所有激发具有相同的运动敏感性。尽管如此,可以应用一般化的PAWS描述。在ns0的选择中是自由的。
利用通过上面的假定的确定,由此可以对任意的二维笛卡尔ky-kz排序方案和k空间轨迹应用PAWS算法,方法是将(Jhooti et al.的)原始工作的ky坐标通过激发索引ns来代替。这一点例如简单地通过为具有在左k空间边沿处(原始工作中的kymin)的开始位置的簇(原始工作中的“bin”)分配激发索引ns=0作为开始位置并且为具有在右k空间边沿处(原始工作中的kymax)的开始位置的簇分配激发索引ns=Ns-1作为开始位置,并且为具有在k空间中心中(在原始工作中)的开始位置的簇分配具有最大的运动敏感性的激励索引ns=ns0作为开始位置。在图5中示出了从根据ky坐标的原始工作的排序方案(上面)到按照对于3-bin PAWS算法的激发索引的排序方案(下面)的这样的转变的例子。在纵坐标中分别画出了呼吸位置AP。
图4中示意性示出了一般化的PAWS方法的流程图。
在此,首先如在PASW中通常的那样选择数量n,该数量说明了相邻的簇的数量,其一起应当完整填充k空间,以获得完整的测量数据组,所述测量数据组不超过在测量期间呼吸位置的预定的总变化(块401)。
Ns个激发的每个如上所述对应一个激发索引(块403),其中这样进行对应,使得激发索引ns这样排序,使得激发相对于检查对象的运动的敏感性从激发索引ns=0到激发索引ns=ns0增加并且从激发索引ns=ns0至激发索引ns=Ns-1又降低。
以用于确定呼吸信号和由此瞬时的呼吸位置的导航器测量开始测量(块405)。
在此,将在导航器测量之后要测量的激发以在PAWS方法中通常的方式相应于利用导航器测量所测量的呼吸信号与一个簇对应(块407)。
在通过导航器测量确定,以下要测量的激发与哪个簇对应之后,根据由前面选择的簇和其相邻的簇已经采集的激发索引来确定对于待测量的激发的激发索引(块409)。如果还没有采集与待测量的激发对应的簇中的激发,则选择具有相应于分配给所述簇的开始位置的激发索引的激发(块409)。
将具有选择的激发索引的相应激发作为待测量的激发来采集(块411)。
如果在一个激发的最后采集之后在一个预先给出的数量n个相邻的簇中采集了具有所有Ns个激发索引的共同的激发(询问413),则测量结束(块415)。
相应地在一般化的PAWS方法中具有开始位置0的所谓的***的簇在至k空间中心的方向上增长,方法是其选择下一个还没有采集的较大的激发索引,并且具有开始位置Ns-1的***的簇增长,方法是其选择下一个更小的还没有采集的激发索引。
中央的簇(具有开始位置ns0)从n个可能的簇组合中选择最完整的那个,即,已经包括了具有不同的激发索引的大多数激发,并且然后分别根据从具有ns≤ns0的激发中形成的集合或从还没有由簇组合采集的具有ns≥ns0的激发中形成的集合是否具有多个元素而在至更小的或更大的激发索引的方向上增长。只要任意组的n个相邻的簇包括所有待测量的激发索引[0,...,Ns-1],则测量结束(块415),因为呼吸位置的总变化由此限制到接受窗。如果还没有在n个相邻的簇的簇组合中包括具有所有Ns激发索引的激发,则在块405中继续并且分别以一个新的随后的激发采集新的导航器测量。
在图2的例子中k空间中的相邻的View分别属于具有类似的方位角的激发并且由此属于具有相邻的激发索引的激发。由此一般化的PAWS算法负责,相邻的View在类似的呼吸状态期间被采集。在图2的例子中采集k空间中心的激发占据方位角并且由此位于激发索引的值域的中心。由此可以假定,在原始工作中获得的结果(关于效率和保留的运动倾向性)也可以直接传输到所介绍的灵活的ky-kz排序方案。利用所描述的方法可以将PAWS原理应用于任意的笛卡尔ky-kz排序方案和任意的非笛卡尔k空间轨迹。
在采用用于采集运动的导航器的情况下通过执行导航器序列中断磁化的静态均衡。在按照Jhooti et al的原始工作的排序方案中该中断分别在采集Nz个TR间隔之后进行,其中Nz是在第二相位编码方向上的相位编码步骤的数量。呼吸信号的时间分辨率由此直接与沿着第二相位编码方向的成像的序列的空间分辨率相关联。然而,利用导航器测量的呼吸信号仅一个有限的时间是有效的,该时间相对于呼吸间隔来说是短的。即,在Jhooti et al的原始工作中使用的排序方案固有地将最大的分辨率限制到两个笛卡尔方向中的一个。在采用介绍的具有排序方案的一般化的PAWS算法时,如上特别是参考图2所述,不存在这样的限制,因为每个激发的View的数量和由此呼吸信号的时间分辨率可以自由选择。该优点是特别重要的,因为呼吸门控的测量的目的通常是,避免由于有限的取决于患者的屏气时间而固有的、屏气测量的分辨率限制。
导航器信号的有限的时间有效性的问题部分地通过采用沿着Kz方向的一维中央的排序方案来避免。这样的排序方案在k空间中心中开始并且这样交替地采集具有kz的正的和负的值的View,使得相位编码梯度的绝对矩(也就是kz=0的距离)在分别两个相位编码步骤之后连续增长。但是该中央的排序方案具有缺陷,即,会导致在TR间隔之间通过大的相位编码跳变由于涡流引起的伪影。
替换通常的n-bin PAWS方法,以下介绍优化的2-bin PAWS方法。
图6举例示出了迄今为止的2-bin PAWS与新的、优化的2-bin PAWS的比较,其中上面示出了迄今为止的2-bin PAWS并且下面示出了新的2-bin PAWS。
如在(Jhooti et al.的)原始工作中描述的,在最初的2-bin PAWS变形中相邻的簇的开始位置在左和右k空间边沿之间交替。在图6中上面具有偶数索引的簇对应右开始位置并且具有奇数索引的簇对应左开始位置。这一点在此处刚刚描述的、一般化的显示中相应于在ns=0和ns=Ns-1之间的交替。相应地,具有开始位置ns=0的簇通过选择还没有被簇采集的最小的激发索引而增长。具有开始位置ns=Ns-1的簇通过选择还没有由簇采集的最大的激发索引来增长。以下始终提到激发索引ns,即使可以使用按照ky坐标的初始排序。与每个簇对应的呼吸位置区域的宽度通常相应于半个接受窗(Af)。只要两个任意的相邻的簇一起已经采集所有激发,测量结束。这一点在图6的例子中对于簇c4和c5是这样。图形地来说,“从左增长的”簇(开始位置ns=0)和两个相邻的“从右增长的”簇之一(开始位置ns=Ns-1)相遇,从而两个簇一起张开共同的值域[0,...,Ns-1]。只要这两个簇通常包括近似相同数量的激发,则在此通常在k空间中心附近的运动敏感的区域中得到一个簇边界(通过图6中的虚线椭圆标记)。
在这里介绍的最佳的2-bin PAWS实施中,也是两个簇类型交替。一个簇类型具有带有最大的运动敏感性ns=0作为开始位置的激发并且在以下称为中央的簇。另一个簇类型没有明确的开始位置并且在以下称为***的簇。在图6的例子中具有奇数索引的簇是中央的簇并且具有偶数索引的簇是***的簇。***的簇的开始位置要么是ns=0要么是ns=Ns-1,或者说要么是ky坐标中的右k空间边沿要么是左k空间边沿,其中实际的开始位置在运行时间才决定。***的簇独立于其开始位置地增长,或者是从更大的还不属于该簇的激发索引在ns0或ky=0的方向上降序地、或者从最小的还不属于该簇的激发索引在ns0或ky=0的方向上升序地。关于哪个增长方向当前是优选的判断又在运行时间进行。这一点示意性在图7中的流程图中示出。
如果如上面已经描述的借助导航器测量测量呼吸位置(块701,相应于图4中的块405),其按照在PAWS中通常的对应(图4中的块407)位于***的簇cn的呼吸位置区域中,则首先询问,簇组合cn-c(n-1)或cn-c(n+1)是否接近完整(块705和707)。对此,首先对在簇c(n-1)和c(n+1)中已经采集的激发计数,并且存储这些各自的数量M-及M+(块705)。相邻的簇cx(***的簇cn与所述相邻的簇一起共同最接近完整)相应于该数量M-及M+来选择,其中当M-大于M+时选择簇c(n-1),并且当M+大于M-时选择簇c(n+1)。这些簇如通常的那样相应于其呼吸位置区域来标记(簇cn相应于第n个呼吸位置)。相应地c(n-1)和c(n+1)是中央的簇并且是***的簇cn的两个最相邻的簇。以这种方式当簇组合cn-c(n-1)更接近完整时选择簇c(n-1),否则选择簇c(n+1)。
接下来对还没有由两个簇(cn和选择的cx))采集的、具有在范围[0,...,ns]中的索引的激发Mlow的数量,和还没有由两个簇采集的、具有在范围[ns,...,Ns-1]中的索引的Mhigh的数量进行计数(块709)。如果与最后测量的呼吸位置对应的簇cn如在假定的情况中那样是***的簇(询问711中的“y”),则当Mlow大于Mhigh(询问713中的“y”)时,***的簇cn从其最小的还没有采集的激发索引在方向ns0或ky=0上增长,方法是采集最小的、还没有采集的激发索引(块715),否则从其最大的还没有采集的激发索引在方向ns0或ky=0上增长(询问713中的“n”),方法是采集最大的、还没有采集的激发索引(块717)。
也就是***的簇一般地张开两个关联的索引区域。一个在最小的激发索引ns=0(或左k空间边沿)的情况下开始并且在更大的激发索引的方向上增长。另一个在最大的激发索引ns=Ns-1(或右k空间边沿)的情况下开始并且在更小的激发索引的方向上增长。或者也可以说,对于***的簇的索引区域在区域边界处周期性或循环地继续。
当最后测量的呼吸位置在中央的簇cn的呼吸位置区域中时,判断过程类似进行:
如刚才所述,询问簇组合cn-c(n-1)和cn-c(n+1)中的哪个更接近完整,并且选择该簇组合(块705和707)。接下来对还没有由两个簇采集的、具有在范围[0,...,ns]中的索引的激发Mlow的数量,以及还没有由两个簇采集的、具有在范围[ns,...,Ns-1]中的索引的Mhigh的数量进行计数(块709)。如果与最后测量的呼吸位置对应的簇cn如现在假定的那样是中央的簇(询问711中的“n”),则当Mlow大于Mhigh时中央的簇cn从其最小的已经采集的激发索引在方向ns=0或kmin上增长(询问719中的“n”),方法是采集最大的、小于最小的已经采集的激发索引的那个还没有被采集的激发索引(块723)。否则(Mhigh大于Mlow)(询问719中的“y”),簇cn从其最大的已经采集的激发索引在方向Ns-1或kmax上增长,方法是采集最小的、大于最大已经采集的激发索引的那个激发索引(块721)。
在任何情况下在块715、717、721和723中在一个激发的采集之后在询问725中检验,在选择的簇组合中所有Ns个期望的激发索引是否已经被采集。如果是(询问725中的“y”)则测量是完整的(块727)并且可以结束;如果否(询问725中的“n”)则以新的导航器测量继续。由此相对于PAWS的原始版本中断标准不变:只要两个相邻的簇(2-bin)的任意组已经采集了所有要测量的激发索引,则结束测量,因为呼吸位置的总变化限制到接受窗。
在图7中的总结了刚才描述的算法的流程图中,使用集合论的通常符号:
{.}...表示集合。
{xs|…}...表示“对于…成立”的所有激发索引xs的集合。
∈...表示“是…的元素”。
#{.}...表示集合的元素的数量。
∧...对于“与”的逻辑符号。
∨...对于“或”的逻辑符号。
PAWS的该最佳的2-bin版本统一了原始的2-bin PAWS版本的高效率与原始的3-bin变形的降低的伪影可能性。新的算法主动地将片段边界从运动特别敏感的k空间中心在k空间***的方向上移开。
在不同的PAWS变形的以下比较中假定,接受窗的总宽度是给定的。在n-bin变形的情况下该接受窗由n个相继跟随的簇的呼吸位置区域张开。例如为每个簇分配一个呼吸位置区域,其宽度相应于接受窗的1/n。这一点与上面已经引用的Jhooti et al.的MRM文章的附录A的比较稍有不同,其中一个簇的呼吸位置区域的宽度设置为等于导航器分辨率。在后一种工作方式中接受窗的总宽度是导航器分辨率的n倍并且随着bin的数量增加。这一点使得不同的bin变形的公正比较变得困难。
此处刚刚描述的新的2-bin变形的效率在如下意义上是最佳的,即,只要在由两个相邻的簇覆盖的区域中的呼吸位置被测量了Ns次则采集了所有Ns个激发并且由此可以结束测量。该特征由新的2-bin变形与原始的2-bin变形分享并且比原始的3-bin变形和上面引用的Nuval et al.的文章中的3-bin变形更突出。
与原始的2-bin变形不同,明显降低了在运动特别敏感的k空间中心附近形成簇边界的可能性。
这一点在图6中解释,在图6中如通常的那样每条线相应于一个簇cn。它们在垂直方向上相应于其呼吸位置区域布置。在水平方向上画出相位编码索引ky或在一般的图中画出激发索引ns。灰色阴影条示出由一个簇采集的ky行或激发。上面是已经在前面引用的Jhooti et al.的MRM文章的图11b,其示出了在测量的结束时原始的2-bin变形的相位编码线的选择。下面示出了新的2-bin变形的相应图示。注意到,测量一个特定的呼吸位置的次数在两个图(Plot)中是相同的。在上面描述的原始PAWS方法中簇边界靠近k空间中心。在下面示出的新的变形中其明显在k空间***的方向上移动。在图6中分别利用虚线画出的椭圆突出所述簇边界。
当分配给两个最终的簇的呼吸位置大约相同频繁地被测量并且中央的、运动特别敏感的具有激发索引ns0或ky=0的激发精确位于索引区域的中心时,该问题在原始版本中是最大的。在这种情况中簇边界精确与k空间中心(ky=0)一致。新的版本最佳地处理该特别重要的情况:簇边界处于值域的大约+25%和+75%并且由此与运动敏感的k空间中心距离最大。
在k空间的非对称扫描时在此介绍的新的2-bin变形也在如下意义上最佳地反应,即,在分摊到中央的簇的扫描的数量给定的情况下,片段边界与具有激发索引ns0或ky=0的中央的运动特别敏感的激发距离最大。由此新的版本实际地总是比原始的2-bin版本更好地反应。对此的原因是,激发的围绕中央的激发ns0的对称分布主动地嵌入到算法的判断过程中。
当且仅当分摊到最终的中央的簇的扫描的数量相对于分摊到最终的***的簇的扫描的数量来说是小的时,才可以在k空间中心附近形成簇边界。在该情况中该边界也如在原始版本中那样可以靠近k空间中心。但是该情况在接受窗的合适选择和呼吸位置在最可能的呼吸位置的附近的静态分布的情况下是极其不可能的并且在我们的利用新的2-bin变形的大量测量中没有观察到。通过类似于上面已经引用的Nuval et al.的文章中的修改b)的扩展,该情况甚至可以完全被避免:这样收紧中断标准,即,要么中央的最终的簇必须已经采集了所有激发Ns的最小百分比,要么***的最终的簇必须已经采集了所有Ns个激发。注意到,围绕k空间中心的对称分布对于新的2-bin算法来说是固有的并且不必要求(与现有技术中的3-bin变形不同)。
还要提到,在新的2-bin算法的(以及原始版本的)“没有呼吸”的边界情况中被最佳处理:所有激发由唯一一个簇采集,也就是不形成簇边界,而不管该簇是中央的还是***的。
图8示意性示出用于确定呼吸阶段的方法的流程图。
对此给出与呼吸位置相应的测量的生理信号点(s1,s2,...,sn)的序列。在此sn例如可以是最后在时刻tn利用导航器信号测量的呼吸位置。sn-1是在时刻tn-1在紧挨着的前面测量的呼吸位置,等等。这些测量是具有噪声的。也就是每个测量点sn可以被描述为:
sn=qn+nn,
其中qn是未知的实际生理状态(也就是在例子中在时刻tn的隔膜位置)并且nn是同样未知的噪声。
不失一般性此外还假定,序列(qn)的局部最大值与在呼气结束时的状态(结束呼气状态)相应并且序列(qn)的最小值与吸气结束时的状态(结束吸气状态)相应。该约定用于使得描述简单。如果信号走向相反,例如在利用呼吸带测量胸部周长的情况下,可以将所有的信号点sn简单地乘以-1并且类似进行。
该算法的目的是,从至此的测量中确定在任意时刻tn的呼吸阶段,而不必知道在更后面的时间n+1,n+2...的生理信号点(sn+1,sn+2,...)。呼吸阶段在此是三态,该三态可以取状态{“未知”(U)、“呼气”(E)和“吸气”(I)}。在此状态“未知”仅在初始被假定。只要曾经离开该“未知”状态一次则绝不会再达到该状态。
如果已知序列(qn),则问题是微不足道的。从qn>qn-1中可以推导出呼气(Exspiration)并且qn<qn-1暗示吸气(Inspiration)。在qn=qn-1的情况下保持至此的状态。
算法的其它输入是阈值参数Δs,其-粗略来说-将噪声与由于呼吸阶段引起的信号走向变化相区别。Δs例如可以在一次校准测量中从序列(sn)的标准偏差中被确定。在我们的实施中使用经验值Δs=4mm,只要导航器测量隔膜位置的话。
算法可以作为状态机(德语中也称为“Endlicher Automat”并且在英语中称为“finite state machine”(FSM))来解释。
图8借助流程图示出了该算法。
在此,首先测量(呼吸信号的)生理的信号点sn(块801)。如果测量的信号点sn是第一个测量的信号点(sn=s1),则首先对应状态“未知”(询问803中的“y”)。由此呼吸阶段的初始的状态是“未知”。
如果状态机位于该状态,则自从最后变换呼吸阶段以来至此的最大测量的信号值smax以及至此的最小的测量的信号值smin被记录。
利用第一信号点s1的测量进行以下初始化(块805):
阶段=“未知”(U);smin=s1;smax=s1。
每个新的测量sk(其中k>1)(询问803的“n”)可以触发到呼吸阶段或状态“呼气”(E)或“吸气”(I)的过渡。对此首先询问瞬时的呼吸阶段,即,与最后的信号点对应的呼吸阶段(询问807)。
在第一测量之后,如所述的,呼吸阶段“未知”(U)是瞬时的呼吸阶段。只要sk≤smax-Δs(询问809中的“y”),从这里进行到状态吸气(I)的过渡。由此当前的呼吸阶段等于“吸气”(I)并且在该呼吸阶段中最小的测量的信号值被更新为smin=sk(块811)。在此smin是变量,该变量记录自从到状态“吸气”(I)的当前过渡以来的最小的信号值。
如果sk>smax-Δs(询问809中的“n”),进行到状态“呼气”(E)的过渡,只要sk≥smin+Δs(询问813中的“y”)。由此当前的呼吸阶段等于“呼气”(E)并且在该呼吸状态中最大的测量的信号值被更新为smax=sk(块815)。在此smax是变量,该变量记录了自从当前过渡到状态“呼气”(E)以来的最大的信号值。
如果询问809以及询问813都不对(询问813中的“n”),则sk不触发状态过渡,而是呼吸阶段“未知”也是当前的呼吸阶段并且变量smin和smax被更新:
smin=min(smin,sk);smax=max(smax,sk)。
如果状态机处于状态“呼气”(E)(询问807的“E”),则可以利用下一个信号点s1的测量要么保持状态“呼气”(E)要么进行到状态“吸气”(I)的过渡。对此执行询问819,该询问检验,是否s1≤smax-Δs。如果是(询问819的“y”),则呼吸阶段当前过渡到状态“吸气”(I)并且变量smin被更新为smin=s1(块821)。如果否(询问819的“n”),则状态“呼气”(E)对于当前的呼吸阶段保持并且变量smax被更新为smax=max(smax,s1)(块823)。
smin是变量,该变量记录自从当前过渡到状态“吸气”(I)以来的最小的信号值。利用当前的测量的信号点的初始化独立于是否从状态“未知”(U)过渡到状态“呼气”(E)进行。
如果状态机处于状态“吸气”(I)(询问807“I”)则下一个信号点sm的测量或者可以进行到状态“呼气”(E)的过渡,或者保持状态“吸气”(I)。对此执行询问825,该询问检验,是否Sm≥smin+Δs。如果是(询问825“y”),则呼吸阶段当前过渡到状态“呼气”(E)并且变量smax被更新为smax=sm(块827)。如果否(询问825“n”),则状态“吸气”(I)对于当前的呼吸阶段保持并且变量smin被更新为smin=min(smin,sm)(块829)。
以这种方式为每个新的信号点sn分配唯一一个呼吸状态。该分配隐含地通过状态机的瞬时状态和变量smin或/和smax而取决于前面测量的信号点,但是不取决于将来的sn+1,...,它们在前瞻性的判断中是未知的。只要曾经离开初始状态“未知”,则可以在考虑二元的呼吸阶段的条件下开始前瞻性的门控。
要说明的是,可以完全弃用序列(sn)的数字滤波或平滑。
借助该方法,可以确定和使用在前瞻性的门控方法中的呼吸阶段,以及借助导航器测量测量的呼吸位置,以便将呼吸位置的实际的变化在最终用于图像重建的测量数据中保持为小的。
图9中示意性示出了按照本发明的方法的流程图。
在此测量生理信号(呼吸位置),并且例如就像刚才参考图8描述的那样,确定所属的呼吸阶段(块901.1)。然后对于待测量的测量数据组采集单测量,为该单测量对应前面确定的呼吸阶段和测量的呼吸位置(块901.2)。
如果对应的呼吸阶段是“未知”(U)(询问903的“y”)则放弃单测量的数据,或不记录到最终的测量数据组中,从所述最终的测量数据组中重建待测量的检查对象的图像数据组(块905)。
如果对应的呼吸阶段不是“未知”(U)(询问903的“n”),则测量数据与其呼吸阶段和呼吸位置一起被存储(块907)。
根据询问909,基于分别对应的呼吸位置和呼吸阶段并且通过选择的算法来判断,采集的测量数据是否被记录到最终的测量数据组中(询问909的“y”)并且相应地在可能的最终测量数据组中被存储(块913),或者采集的测量数据在块911中是否被放弃(询问909的“n”)。根据使用的算法,可以存储多个可能的最终测量数据组,其中当这些可能的最终测量数据组中的一个完整地采集了期望的k空间时结束测量。
如果至此在最终的测量数据组中存储的测量数据完整地覆盖总共待采集的k空间(询问915),则该方法结束并且从最终的测量数据组中重建图像数据组(块917),如果否(询问915“n”)则确定呼吸位置和呼吸阶段并且采集所属的单测量。由此,一直确定呼吸位置和呼吸阶段并采集所属的单测量,直到与待检查的检查对象相应的k空间被完整采集。
在询问909中要使用何种标准,取决于选择的算法。
例如可以选择接受-拒绝算法,其中将为了图像重建而要采集的k空间按照片段在单测量中进行测量(块901.2)。为每个片段的每个测量对应一个生理的数据点(块901.1)。生理的数据点在此通过呼吸位置和呼吸阶段表示特征。特定的数据片段在询问909中仅当对应的生理数据点的呼吸位置处于接受窗内部并且对应的生理数据点的呼吸阶段取预先给出的状态,例如“吸气”时才被接受,也就是后面在块917中用于图像重建。必要时在此可以设置两个最终的测量数据组,其分别允许另一个呼吸阶段。在这种情况下当这两个最终的测量数据组中的一个完整采集了待采集的k空间时测量结束(块917)。
具体的呼吸阶段的条件区分了按照本发明的方法与现有技术。如果这两个条件不满足则重复片段的测量(询问915“n”)。生理数据点的呼吸位置例如就像在现有技术中那样利用导航器序列来采集,所述导航器序列直接在片段的测量之前或之后执行。在特定的k空间轨迹(诸如径向或螺旋)中也可以直接从测量数据中提取呼吸位置。称之为自导航方法(英语“self navigated”或“selfgated”)。而与生理的数据点对应的呼吸阶段从前面进行的导航器测量的序列中确定。
k空间分割的方式对于该方法来说不起作用。因为导航器序列通常中断成像序列的静态均衡,所以优选将导航器***序列流程中的如下位置,在所述位置,静态均衡由于其它原因例如由于脂肪饱和脉冲或对于其它生理信号,诸如ECG触发的等待而本来被中断。
在另一个实施方式中选择PAWS算法,其中用来采集单测量的成像序列的前提条件在此(如上所述再次总结)为:
a)一个单测量是一个激发,其中“激发”被理解为成像序列的所有测量数据,所述测量数据在特定的导航器序列之后(并且在跟随的导航器序列之前)被采集。为这些数据分配利用导航器序列测量的呼吸位置和确定的呼吸阶段。一般地,将一个激发的持续时间选择为恒定,但是这一点并非必须。
b)对于完整采集待扫描的k空间所需的激发的数量是Ns。
前提条件a和b足以自动找到最终的接受窗。如果要附加地进行“相位排序”还需要以下两个前提条件c和d:
c)可以为每个激发分配一个标尺,该标尺描述了k空间中的相邻关系。在[0,...,Ns-1]中的激发索引ns相应于该标尺排序。
d)存在具有最大运动敏感性的在[0,...,Ns-1]中的激发索引ns0的杰出的激发。相应地,运动敏感性在[0,...,ns0]的范围中增加并且在[ns0,...,Ns-1]范围中又下降。
在此,为每个导航器测量如已经描述的那样分配一个(标量的)呼吸位置和一个二元的呼吸阶段(“吸气”、“呼气”)或三元组(“吸气”、“呼气”、“未知”)中的呼吸阶段。对于前瞻性判断的前提条件是,在时间上在应当分配有呼吸阶段的单测量之后进行的导航器测量,对于呼吸阶段的确定来说是需要的。这一点例如可以结合参考图8描述的方法来实现。
使用上面介绍的一般性的PAWS算法的方法的一种实施方式通过以下特征来表示:
a)簇的特征在于呼吸位置区域(或接受区域)和呼吸阶段。其包括在测量了在与该簇对应的呼吸位置区域中的呼吸位置和与该簇对应的呼吸阶段之后已经被测量了的所有激发索引(块913)。
b)存在两个簇集合。第一簇集合由所谓的吸气簇(也就是具有分配的呼吸阶段“吸气”的簇)组成。第二组由所谓的呼气的簇(也就是具有分配的呼吸阶段“呼气”的簇)组成。具有未定的呼吸阶段的数据被放弃。
c)在一个集合内部将簇相应于其呼吸位置区域排序。不同的簇的呼吸位置区域是不相交的和“无缝隙的”。对于每个测量的呼吸位置也就是恰好存在一个簇,该呼吸位置落在该簇的接受区域中。此外n个相继跟随的簇的呼吸位置区域分别覆盖一个呼吸位置区域,该呼吸位置区域与接受窗的期望的最终宽度一致。
d)只要一个集合的任意一组n个相邻的簇包括所有待测量的激发索引[0,...,Ns-1](询问915),则可以结束测量(块917),因为呼吸位置的总变化由此限制到接受窗并且所有属于该组n个相邻的簇的测量数据在一个呼吸阶段期间被测量。
特征a)至d)足以自动找到最终的接受窗。通过特征e可以附加地实现相位排序。
e)在间隔[ns0,...,Ns-1]中为每个簇对应一个开始位置作为激发索引(也称为开始索引ns_seed)。该簇从该开始位置出发这样增长,使得由簇覆盖的索引区域是无缝隙的。在此最佳地,索引区域在区域边界处周期地或循环地继续,如上面参考优化的2-bin-PAWS所描述的。对于一个簇是在更小的还是在更大的激发索引的方向上增长的判断还一起包括由相邻的簇已经采集的激发索引。目的是,这样选择索引,使得任意一组n个相邻的簇(该组包含了对应有当前测量的呼吸位置的簇)尽可能是完整的,也就是包括尽可能多的不同激发索引。在相邻的簇之间的开始位置的最佳分布取决于bin的数量。
刚才描述的实施方式强制要求,最终的接受的数据完整地在呼吸阶段“吸气”或完整地在呼吸阶段“呼气”期间被测量。
在同样使用上面介绍的一般化的PAWS算法的另一个实施方式中,允许例外:在呼气结束时的特别安静的阶段中并且通过***的吸气,允许利用在呼气和吸气期间采集的数据进行图像重建。即,具有第一呼吸阶段的最大测量的呼吸位置的簇被认为是与具有第二呼吸阶段的最大测量的呼吸位置的簇相邻,尽管这两个簇对应不同的呼吸阶段。该替换变形的特征是:
a)如上所述,簇的特征在于呼吸位置区域(或接受区域)和呼吸阶段。其包括在测量了在与该簇对应的呼吸位置区域中的呼吸位置和与该簇对应的呼吸阶段之后已经被测量了的所有激发索引(块913)。
b)直接相邻的簇对应相同的呼吸阶段,例外是:具有最大的呼吸位置的呼气的簇和具有最大的呼吸位置的吸气的簇可以在遵守c)的条件下认为是相邻的。
c)具有相同的呼吸阶段的簇相应于其呼吸位置区域排序。具有相同的呼吸阶段的不同的簇的呼吸位置区域是不相交的和“无缝隙的”。具有不同的呼吸阶段的这两个相邻的簇要么占据相同的呼吸位置区域、要么吸气的簇的呼吸位置区域无缝隙地连接地呼气的簇的呼吸位置区域处直到达到更小的呼吸位置。两个规则一般都要求***空的簇(也就是具有接受区域/呼吸阶段的簇,在所述呼吸阶段期间还没有采集数据)。
要指出,在呼气和吸气的簇之间的过渡处的相邻关系通常是临时的。如果测量一个更极端的呼吸位置,则在分别具有最大的呼吸位置的呼气和吸气的簇之间存在的相邻关系被中断并且***其它簇。
d)只要一个集合的任意一组n个相邻的簇包括所有待测量的激发索引[0,...,Ns-1](询问915),则可以结束测量(块917),因为呼吸位置的总变化由此限制到接受窗。
特征a)至d)足以自动找到最终的接受窗。通过特征e可以附加地实现相位排序。
e)在间隔[ns0,...,Ns-1]中为每个簇对应一个开始位置作为激发索引(也称为开始索引ns_seed)。该簇从该开始位置出发这样增长,使得由该簇覆盖的索引区域是无缝隙的。在此最佳地,索引区域在区域边界处周期地或循环地继续(如上面参考优化的2-bin-PAWS所描述的)。对于一个簇是在更小的还是在更大的激发索引的方向上增长的判断还一起包括由相邻的簇已经采集的激发索引。目的是,这样选择索引,使得任意一组n个相邻的簇(该组包含了对应有当前测量的呼吸位置的簇)尽可能是完整的,也就是包括尽可能多的不同激发索引。在相邻的簇之间的开始位置的最佳分布取决于bin的数量。
如果实现开始位置的特定模式,则该模式也应当在呼气和吸气的簇之间的过渡处得到保持。这一点可以要求***空的簇。
在另一种实施方式中,作为特定的算法的询问909选择Diminishing VarianceAlgorithm(DVA)。在这种情况下在考察呼吸阶段的情况下可以按照如下实现DVA的可能扩展:
在呼吸阶段“呼气”和呼吸阶段“吸气”期间被测量的呼吸位置被画到分离的直方图中。在初始阶段的结束(也就是在所有期望的k空间数据完整地没有门控地与分别测量的呼吸位置和呼吸阶段一起采集之后),首先确定最频繁的呼吸阶段并且确定对于两个直方图的每一个的模式。在接下来的重新采集阶段然后首先重新采集在阶段“未知”期间被采集的这些k空间数据。利用每个新的测量更新直方图(和由此每个模式)并且确定当前最频繁的呼吸阶段。只要不再存在具有呼吸阶段“未知”的k空间数据,则选择具有总共更多输入的直方图模式作为重新采集的基础(块913)。如在现有技术中那样,为重新采集而考虑其呼吸位置与该模式偏差最大的k空间数据。由于呼吸信号的数字化,通常存在具有相同呼吸位置的更多k空间数据分组(在上面使用的表示中的激发)。在与选择的模式偏差最大的激发中可以存在在不同的呼吸阶段中被测量的那些。如果是,则(与现有技术不同)以在不太频繁的呼吸阶段期间被测量的激发的重复开始。中断标准或者是时间限制和/或所有的测量数据在一个呼吸阶段期间被测量并且呼吸位置位于预先给出的宽度的接受窗内部(块917)。可以看到,由于直方图的连续更新,最频繁的呼吸阶段,至少理论上,可以在运行时间改变。
图10举例示出了结合新的优化的2-bin PAWS的按照本发明的方法的实施例。在此,示出了具有呼吸阶段的按照本发明的区别的、新的优化的2-bin-PAWS测量的簇图。每个水平短线相应于一个簇。它们在垂直方向上相应于其呼吸位置区域布置。在水平方向上画出了激发索引ns。在垂直方向上画出呼吸位置AP。在水平方向上一个簇分别包括了由该簇采集的激发。左边的图示出了具有呼吸阶段“呼气”(E)的簇并且右边的图示出了具有呼吸阶段“吸气”(I)的簇。
在此利用导航器测量的隔膜位置用作为呼吸信号。分辨率在此为0.5mm。相应地呼吸信号以0.5mm单位数字化。因为利用导航器仅测量与参考状态的相对位置,所以这样选择垂直的轴的零点,使得“0”相应于最大的所测量的结束呼气信号。
最终的接受窗的宽度由用户置为±1mm。由于在0.5mm格栅上的数字化也就是其包括5个不同的呼吸位置。它们被这样分布到***的和中央的簇,使得一个***的簇的接受窗包括三个不同的呼吸位置并且一个中央的簇的接受窗包括两个呼吸位置。
两个最终的簇用较细的线示出。这两个簇的呼吸阶段是“呼气”(E)。中央的最终的簇的接受窗包围呼吸位置-4.5mm和-4.0mm。***的最终的簇的接受窗包围呼吸位置-3.5mm、-3.0mm和-2.5mm。
在图10中看出,仅有相对少的信号点通过呼吸阶段的区别而被排除。被排除的激发的总数等于如下的激发的数量,所述激发与具有呼吸阶段“吸气”(I)的两个被包围的簇对应,其接受窗分别与最终的簇之一一致。
在图11中举例示出了测量的呼吸信号,如在图10的测量中出现的那样。在此向右画出了时间t并且向上画出了呼吸位置AP。根据各自的呼吸位置是对应于阶段“吸气”(圆)还是“呼气”(三角形),测量的呼吸位置作为圆或三角形绘出。在图的左边缘和通过实线示出了接受窗AF。此外利用虚线示出了在最终的测量数据组的采集期间呼吸位置的总变化V1和总变化V2,它们是当发生(V1)或不发生(V2)呼吸阶段的区别时产生的。如可以看出的,总变化V2(在所述总变化情况下相邻的呼吸位置独立于其呼吸阶段可以位于相邻的簇中)比当如按照本发明那样仅相同的呼吸阶段的呼吸位置能够位于相邻的簇中时明显更大。
成像的序列在此是三维双回波扰相的梯度回波序列。其直接在导航器序列之后分别采集具有两个相位编码梯度的不同的值的35个k空间行。直接在35个k空间行之后进行另一个导航器测量。前瞻性的门控的固有特征是,判断给出仅能够基于前面的导航器测量。但是,当然可以事后将在前面的和后面的导航器测量之间的差异作为对于在成像测量期间的呼吸位置的实际变化的度量来使用。
如果前瞻性的判断如现有技术中那样仅基于呼吸位置,则呼吸位置的实际变化V2在为重建而使用的图像数据期间明显大于接受窗AF。对于这三个示出的呼吸循环,其以距离V2位于在虚线画出的线之间。对于总测量来说其更大。
图11中的四个圆形信号点具有如下的呼吸位置,该呼吸位置虽然位于接受窗内部,但是其在按照本发明的方法中不用于最终的图像重建,因为按照本发明直接在这些信号点之后测量的数据与其它簇对应。所述信号点的排除导致呼吸位置的实际的总变化的明显降低。其对于这三个示出的呼吸循环来说位于虚线画出的线之间(距离V1)并且仅稍微大于接受窗。
通过对呼吸阶段的按照本发明的识别和区别,通过相对小的效率降低实现了在成像测量期间实际的呼吸运动和与之相关的呼吸伪影的极大降低。
在现有技术中用于降低成像测量期间的呼吸运动的可能性将减小接受窗。但是为了如图11中那样实现实际的呼吸运动以大约50%的相应降低,需要接受窗的同样大约50%的减小,这导致效率极大降低。
现有技术中的另一个可能性是,使用从上面引用的Sachs et al.的文章“Real-Time Motion Detection in spiral MRI Using Navigators,” MRM32:第639–645页(1994)公知的双门控方法。但是该方法仅与简单的接受-拒绝算法兼容。在该方法的应用中也必须忍受与接受-拒绝算法相关的上面提到的缺陷(在变化的/漂移的呼吸情况下的效率损失)。
Claims (16)
1.一种用于借助磁共振技术的门控算法采集呼吸的检查对象的测量数据组的方法,
其中,所述测量数据组通过不同的k空间片段的多个单测量采集,
其中,对每个单测量借助导航器测量确定一个呼吸位置和一个呼吸阶段,
其中,根据所述呼吸位置和呼吸阶段判断,所述单测量是否被记录到最终的测量数据组中,从所述最终的测量数据组中重建图像数据组,
其中,所述导航器测量分别在单测量的采集之前或之后进行。
2.根据权利要求1所述的方法,其中,所述呼吸阶段通过呼吸位置的至少两个导航器测量确定,其时间间隔相对于一个呼吸循环来说是小的。
3.根据上述权利要求中任一项所述的方法,其中,所述呼吸阶段取两个值“吸气的受检人员”或“呼气的受检人员”之一。
4.根据上述权利要求中任一项所述的方法,其中,如果两个值“吸气的受检人员”或“呼气的受检人员”中没有一个可以被对应,则所述呼吸阶段取值“未知”。
5.根据上述权利要求中任一项所述的方法,其中,与呼吸阶段“未知”对应的单测量被放弃。
6.根据上述权利要求中任一项所述的方法,其中,只有对单测量确定的呼吸位置位于预先给出的接受窗内部并且对单测量确定的呼吸阶段具有预先给出的值时,才将该单测量记录到所述最终的测量数据组中。
7.根据上述权利要求1-6中任一项所述的方法,
其中,将检查对象的呼吸位置和呼吸阶段划分为多个预定义的簇,所述簇分别覆盖了检查对象的呼吸位置和呼吸阶段的一个预先定义的呼吸区域,
其中,测量数据组通过多个激发采集,所述激发分别采集预先给定数量的具有分别预先给出的三维k空间轨迹的k空间行,
其中,不同的激发采集不同的k空间行,从而扫描预定义的k空间区域,
其中,为激发分别对应一个激发索引,其说明对于各自的激发相对于检查对象的运动的敏感性,
其中,激发索引与激发的对应是这样的,即,紧挨的激发索引与相对于运动具有递增改变的敏感性的这样两个激发对应,
其中,该方法包括:
A)借助导航器技术测量检查对象的呼吸位置和呼吸阶段,
B)选择特定的簇,测量的呼吸位置和呼吸阶段位于其覆盖的呼吸区域,
C)选择一个待采集的激发作为具有对应的激发索引的那个激发,该激发索引与最后对于特定的簇采集的激发的激发索引紧挨,
D)采集待采集的激发并且将该激发与特定的簇对应,
-一直执行步骤A)-D),直到覆盖了检查对象的相邻的呼吸区域的至少两个紧挨的簇一起与测试数据组的所有激发对应,
-从与两个紧挨的簇对应的激发中确定MR图像。
8.根据权利要求7所述的方法,其中,对于覆盖了检查对象的相邻的呼吸区域的两个紧挨的簇的第一个首先选择并采集具有与相对于运动的大的敏感性相应的对应的激发索引的这些激发,
其中,对于两个紧挨的簇的第二个首先选择和采集具有与相对于运动的小的敏感性相应的对应的激发索引的这些激发。
9.根据权利要求8所述的方法,其中,对于两个紧挨的簇的第一个来说待采集的激发的选择包括:
-选择至此对于两个紧挨的簇的第一个还没有被测量的并且具有相对于该至此还没有被测量的激发的运动的最大的敏感性的那个激发,
其中,对于两个紧挨的簇的第二个来说待采集的激发的选择包括:
-选择至此对于两个紧挨的簇的第二个来说还没有被测量的并且具有相对于该至此还没有测量的激发的运动的最小的敏感性的那个激发。
10.根据权利要求7-9中任一项所述的方法,其中,待采集的激发的选择还这样进行,即,尽可能均匀地沿着不同的方向和/或在k空间区域的不同侧扫描k空间区域。
11.根据权利要求7-10中任一项所述的方法,
其中,k空间行沿着相位编码梯度场方向布置,
其中,多个激发的k空间轨迹分别主要径向地在垂直于相位编码梯度场方向取向的平面中布置。
12.根据权利要求11所述的方法,
其中,k空间区域划分为扇形,所述扇形关于其与k空间中心的距离定义,
其中,对于多个激发中的每一个来说分别一个k空间行位于每个扇形中。
13.根据权利要求12所述的方法,
其中,每个激发的k空间轨迹按照顺序扫描不同的k空间行,所述顺序相应于k空间区域中的、不同的k空间行所位于其中的扇形的相邻关系。
14.一种磁共振设备,其中,所述磁共振设备(5)包括基本场磁体(1)、梯度场***(3)、高频天线(4)和用于控制梯度场***(3)和高频天线(4)的控制装置(10),以及用于接收由高频天线(4)记录的测量信号、用于分析测量信号和用于建立磁共振图像的图像计算机(17),并且
其中,所述磁共振设备(5)构造为用于执行按照权利要求1至13中任一项所述的方法。
15.一种计算机程序,具有程序装置,当所述计算机程序在磁共振设备(5)的控制装置(10)中运行时,用于执行按照权利要求1至13中任一项所述的方法的所有步骤。
16.一种电子可读数据载体,具有其上存储的电子可读控制信息,所述控制信息构造为,当在磁共振设备(5)的控制装置(10)中使用所述数据载体(21)时执行按照权利要求1至13中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1020122065784 | 2012-04-20 | ||
DE102012206578.4 | 2012-04-20 | ||
DE102012206578.4A DE102012206578B4 (de) | 2012-04-20 | 2012-04-20 | Verfahren zur Akquisition eines Messdatensatzes eines atmenden Untersuchungsobjekts mittels Magnetresonanztechnik, Magnetresonanzanlage, Computerprogramm sowie elektronisch lesbarer Datenträger |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103376434A true CN103376434A (zh) | 2013-10-30 |
CN103376434B CN103376434B (zh) | 2017-07-07 |
Family
ID=49290190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310135360.8A Active CN103376434B (zh) | 2012-04-20 | 2013-04-18 | 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9138162B2 (zh) |
KR (1) | KR101598660B1 (zh) |
CN (1) | CN103376434B (zh) |
DE (1) | DE102012206578B4 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113998A (zh) * | 2016-12-28 | 2019-08-09 | 皇家飞利浦有限公司 | 表征睡眠呼吸障碍的方法 |
CN110353683A (zh) * | 2015-01-13 | 2019-10-22 | 西门子公司 | 用于拍摄磁共振图像数据组的方法和磁共振设备 |
CN111643083A (zh) * | 2020-06-22 | 2020-09-11 | 苏州高新区人民医院 | 一种基于机器视觉的乳腺mri伪影抑制方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8970217B1 (en) | 2010-04-14 | 2015-03-03 | Hypres, Inc. | System and method for noise reduction in magnetic resonance imaging |
DE102013219120B3 (de) * | 2013-09-24 | 2015-03-05 | Siemens Aktiengesellschaft | Ermittlung von schichtspezifischen Zusatzdaten bei der Aufnahme von Magnetresonanzdaten für mehrere, simultan aufzunehmende Schichten |
KR102024427B1 (ko) | 2017-06-05 | 2019-09-23 | 경희대학교 산학협력단 | Mems 센서 기반 자가 호흡 훈련 시스템 |
DE102017219313B4 (de) | 2017-10-27 | 2020-10-22 | Siemens Healthcare Gmbh | Ermittlung von Änderungen eines B0-Feldes aus reflektierten Wellen |
CN109901088B (zh) * | 2017-12-11 | 2023-08-22 | 通用电气公司 | 用于磁共振成像的运动追踪方法、计算机程序、存储设备 |
EP3599477A1 (de) | 2018-07-26 | 2020-01-29 | Siemens Healthcare GmbH | Verfahren zum getriggerten akquirieren eines messdatensatzes mittels einer magnetresonanzanlage, computerprogramm, datenspeicher und magnetresonanzanlage |
GB2582338A (en) * | 2019-03-20 | 2020-09-23 | Siemens Healthcare Gmbh | Method and apparatus for correcting motion in K-Space data acquired in a magnetic resonance imaging procedure |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001014901A1 (en) * | 1999-08-20 | 2001-03-01 | Imperial College Innovations Limited | Phase ordering with automatic window selection (paws) for motion resistant mri |
US20080273785A1 (en) * | 2007-05-04 | 2008-11-06 | John C. Sitko | Methods and systems for retrospective internal gating |
US20100264922A1 (en) * | 2009-04-15 | 2010-10-21 | Siemens Medical Solutions Usa, Inc. | System for Multi Nucleus Cardiac MR Imaging and Spectroscopy |
CN101874733A (zh) * | 2009-04-30 | 2010-11-03 | 西门子公司 | 用于触发的测量的方法以及磁共振断层造影设备 |
CN102078192A (zh) * | 2009-11-27 | 2011-06-01 | 西门子公司 | 借助磁共振技术采集呼吸着的检查对象的测量数据的方法 |
JP4789244B2 (ja) * | 2006-01-12 | 2011-10-12 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009055961B4 (de) * | 2009-11-27 | 2018-10-18 | Siemens Healthcare Gmbh | Verfahren zur Erfassung von einer Atembewegung eines Untersuchungsobjektes entsprechender Signaldaten mittels Magnetresonanz |
DE102011007850B4 (de) * | 2011-04-21 | 2015-05-13 | Siemens Aktiengesellschaft | Verfahren zur getriggerten Akquisition von Messdaten mittels eines Magnetresonanzgeräts unter Unterdrückung von unerwünschten Signalen, Magnetresonanzgerät, Computerprogramm und elektronisch lesbarer Datenträger |
-
2012
- 2012-04-20 DE DE102012206578.4A patent/DE102012206578B4/de active Active
-
2013
- 2013-04-18 CN CN201310135360.8A patent/CN103376434B/zh active Active
- 2013-04-19 KR KR1020130043694A patent/KR101598660B1/ko active IP Right Grant
- 2013-04-19 US US13/866,311 patent/US9138162B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001014901A1 (en) * | 1999-08-20 | 2001-03-01 | Imperial College Innovations Limited | Phase ordering with automatic window selection (paws) for motion resistant mri |
JP4789244B2 (ja) * | 2006-01-12 | 2011-10-12 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
US20080273785A1 (en) * | 2007-05-04 | 2008-11-06 | John C. Sitko | Methods and systems for retrospective internal gating |
US20100264922A1 (en) * | 2009-04-15 | 2010-10-21 | Siemens Medical Solutions Usa, Inc. | System for Multi Nucleus Cardiac MR Imaging and Spectroscopy |
CN101874733A (zh) * | 2009-04-30 | 2010-11-03 | 西门子公司 | 用于触发的测量的方法以及磁共振断层造影设备 |
CN102078192A (zh) * | 2009-11-27 | 2011-06-01 | 西门子公司 | 借助磁共振技术采集呼吸着的检查对象的测量数据的方法 |
US20110130644A1 (en) * | 2009-11-27 | 2011-06-02 | Alto Stemmer | Method to acquire measurement data of a breathing examination subject by magnetic resonance technology, and associated computer program |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110353683A (zh) * | 2015-01-13 | 2019-10-22 | 西门子公司 | 用于拍摄磁共振图像数据组的方法和磁共振设备 |
CN110353683B (zh) * | 2015-01-13 | 2023-07-21 | 西门子公司 | 用于拍摄磁共振图像数据组的方法和磁共振设备 |
CN110113998A (zh) * | 2016-12-28 | 2019-08-09 | 皇家飞利浦有限公司 | 表征睡眠呼吸障碍的方法 |
CN110113998B (zh) * | 2016-12-28 | 2022-05-13 | 皇家飞利浦有限公司 | 表征睡眠呼吸障碍的方法 |
CN111643083A (zh) * | 2020-06-22 | 2020-09-11 | 苏州高新区人民医院 | 一种基于机器视觉的乳腺mri伪影抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
US9138162B2 (en) | 2015-09-22 |
KR101598660B1 (ko) | 2016-02-29 |
US20130281824A1 (en) | 2013-10-24 |
DE102012206578A1 (de) | 2013-10-24 |
KR20130118827A (ko) | 2013-10-30 |
CN103376434B (zh) | 2017-07-07 |
DE102012206578B4 (de) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103376434A (zh) | 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 | |
CN103371821A (zh) | 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 | |
CN103371820A (zh) | 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 | |
US6516210B1 (en) | Signal analysis for navigated magnetic resonance imaging | |
CN103371823A (zh) | 借助磁共振技术采集呼吸的检查对象的测量数据组的方法 | |
CN102736046B (zh) | 产生扩散信息的方法和相应的磁共振设备 | |
CN106030329B (zh) | 使用多回波分段k空间采集的MR成像方法 | |
CN104095634B (zh) | 用于产生图像数据的方法 | |
CN104101853B (zh) | 用于确定共振频率偏差的方法和磁共振设备 | |
US8155419B2 (en) | MRI acquisition using sense and highly undersampled fourier space sampling | |
US20130197347A1 (en) | Method for Free-Breathing Magnetic Resonance Imaging Using Iterative Image-Based Respiratory Motion Correction | |
CN107850652A (zh) | 具有运动检测的mr成像 | |
CN102743172A (zh) | 借助磁共振设备抑制不期望的信号触发地采集测量数据 | |
US20210123999A1 (en) | Systems and methods of reconstructing magnetic resonance images using deep learning | |
CN101806874B (zh) | 用于排序代表mr图像数据的频域分量的*** | |
Javed et al. | Self‐gated 3D stack‐of‐spirals UTE pulmonary imaging at 0.55 T | |
CN106772157A (zh) | 一种磁共振成像的方法和装置 | |
CN108693492A (zh) | 用于相位循环的磁共振指纹(phc-mrf)的***和方法 | |
US7039451B1 (en) | Phase ordering with automatic window selection (PAWS) for motion resistant MRI | |
CN103323803A (zh) | 采集预定体积片段中的磁共振数据的方法以及磁共振装置 | |
KR20170074762A (ko) | 모션 분해 mri를 위한 시스템 및 방법 | |
CN106796274A (zh) | 具有伪迹抑制的propeller‑mr成像 | |
KR20130049744A (ko) | Mr 영상 생성 방법 및 대응하는 자기 공명 시스템 | |
US5766128A (en) | Respiratory motion compensation using segmented k-space magnetic resonance imaging | |
CN102565736A (zh) | 确定层关于相对其运动的部位的位置的方法和磁共振设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220128 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |
|
TR01 | Transfer of patent right |