CN108459289B - 一种基于数据一致性的多次激发弥散加权磁共振成像方法 - Google Patents
一种基于数据一致性的多次激发弥散加权磁共振成像方法 Download PDFInfo
- Publication number
- CN108459289B CN108459289B CN201810090957.8A CN201810090957A CN108459289B CN 108459289 B CN108459289 B CN 108459289B CN 201810090957 A CN201810090957 A CN 201810090957A CN 108459289 B CN108459289 B CN 108459289B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- magnetic resonance
- resonance imaging
- iteration
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000002597 diffusion-weighted imaging Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 239000002131 composite material Substances 0.000 claims abstract description 15
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 238000011084 recovery Methods 0.000 claims abstract description 5
- 230000005284 excitation Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 9
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 abstract description 21
- 230000035945 sensitivity Effects 0.000 abstract description 11
- 238000003384 imaging method Methods 0.000 description 20
- 238000009792 diffusion process Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000005415 magnetization Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012307 MRI technique Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000035790 physiological processes and functions 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
-
- 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
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56341—Diffusion imaging
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开一种基于数据一致性的多次激发弥散加权磁共振成像方法,包括:采集多通道预扫描数据;根据所述多通道预扫描数据,生成基于数据一致性的卷积核;分别采集多次激发的弥散加权磁共振成像数据;根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据;将所述重建数据进行合成,获取合成图像;更新所述合成图像,获取更新图像;检查迭代是否达到预定条件;若迭代达到预定条件,迭代终止;若迭代没达到预定条件,对所述更新图像进行相位恢复。本发明提供的技术方案不依赖于导航回波数据进行运动矫正,也不依赖于图像域的线圈灵敏度,因此能够提高图像采样效率,并获取较为稳定的重建图像。
Description
技术领域
本发明涉及磁共振成像技术领域,尤其涉及一种基于数据一致性的多次激发弥散加权磁共振成像方法。
背景技术
磁共振成像技术是利用氢质子的核磁共振现象进行成像的一种技术。人体内包含单数质子的原子核,例如广泛存在的氢原子核,其质子具有自旋运动。带电原子核的自旋运动,在物理上类似于单独的小磁体,而且在没有外部条件影响下这些小磁体的方向性分布是随机的。当人体置于外部磁场中时,这些小磁体将按照外部磁场的磁力线重新排列,具体为:在平行于或反平行于外在磁场磁力线的两个方向排列,将上述平行于外在磁场磁力线的方向称为正纵向轴,将上述反平行于外在磁场磁力线的方向称为负纵向轴,原子核只具有纵向磁化分量,该纵向磁化分量既具有方向又具有幅度。
用特定频率的射频(Radio Frequency,RF)脉冲激发处于外在磁场中的原子核,使这些原子核的自旋轴偏离正纵向轴或负纵向轴,产生共振,这就是磁共振现象。上述被激发原子核的自旋轴偏离正纵向轴或负纵向轴之后,原子核具有了横向磁化分量。停止发射射频脉冲后,被激发的原子核发射回波信号,将吸收的能量逐步以电磁波的形式释放出来,其相位和能级都恢复到激发前的状态,将原子核发射的回波信号经过空间编码等进一步处理即可重建图像。
磁共振弥散成像技术,是一种依赖于体内水分子随即运动而提供图像对比度的崭新技术。组织中水分子的扩散符合随机的热运动模型,扩散的幅度和方向受到生物膜和组织中生物大分子的影响。当梯度磁场存在时,水分子的扩散运动会引起磁化矢量的失相位,导致磁共振信号的降低。磁共振信号降低的程度依赖于组织类型、结构、物理和生理的状态及微环境。
上述过程中,专门用来影响水分子热运动的梯度磁场称为弥散敏感梯度。弥散敏感梯度能够显著提高各种序列对水分子随机热运动的敏感性,进而帮助观察水分子的扩散特性,但是这种梯度磁场也对其他类型的运动如头部运动十分敏感。单次激发弥散成像技术,在一次信号激发后,采集用于成像的所有数据。这种方式能有效地缩短扫描时间,避免引入更多的宏观运动对图像造成影响。但是,单次激发扫描方式采用的回波链较长,容易引起磁敏感伪影和几何形变;单次采集所能够得到的数据有限,因此图像的分辨率较低,不利于细微结构的诊断。
为了减少图像伪影和几何形变,以及有效地提高图像空间分辨率,一个广泛采用的策略是使用多次激发磁共振弥散成像技术。该技术面临的主要挑战,是有效的处理不同激发后所采集数据之间存在的由于宏观运动导致的相位误差。根据数据采集方式的不同,可以将宏观运动矫正分为两类:第一类需要在正常数据采集之前,采集导航回波信号,这个信号会被用来矫正接下来每个激发所采集的成像数据;第二类不需要采集导航回波信号,而是通过每次激发数据之间的关系来矫正相互的相位。同采集导航回波的方式相比,不需要导航回波的采样方式有更高的数据采集效率,也能避免导航回波与实际成像数据之间失配的问题。
2013年Nan-kuei Chen等人提出了MUSE(Multiplexed Sensitivity-encoding)技术。该技术一方面利用SENSE并行成像技术来估计不同激发数据之间由于宏观运动造成的相位差,另一方面把不同激发的数据联合起来进行最终图像的重建。这种方法能得到更高的图像分辨率,更高的信噪比以及明显降低的运动伪影。与使用导航回波的技术相比,该方法临床上性能更为稳定。2016年,Hua Guo等人利用POCSENSE并行成像技术代替之前的SENSE并行成像技术,提出了用于多激发弥散磁共振成像技术POCS-ICE(POCS-EnhancedInherent Correction of Motion-Induced Phase Errors for high resolutionMultishot Diffusion MRI)。该技术与MUSE具有类似的性能。
注意到磁共振并行成像技术对于多次激发弥散磁共振成像的重大帮助,2016年Wentao Liu等人提出了基于并行成像GRAPPA技术的并采用导航回波的多次激发弥散成像技术。这种方法提出了虚拟通道的概念,认为每个真实通道所接收到的多次激发的数据,均可以被认为是来自于多个虚拟通道的欠采样数据,而这些欠采样数据可以通过一种K空间重排后的GRAPPA算法进行重建。同时,不同激发数据之间由于宏观运动造成的相位误差可以通过导航回波进行矫正。相比于上述基于SENSE的方法,这种方法不需要明确的估计相位差。但是,这种方法需要依赖于导航回波进行运动矫正,降低了采样的效率。
磁共振并行成像技术,按照算法处理的数据,可以分为图像域和K空间域。基于图像域的并行成像技术SENSE,根据已知的线圈灵敏度空间分布,将由于欠采样导致的图像卷褶伪影解析出来,恢复没有卷褶的状态。这种方法高度依赖于线圈的灵敏度。对于临床应用来说,在较低信噪比、复杂组织结构等情况下,要得到较高的线圈灵敏度是很困难的。
为了克服现有的磁共振成像方法的上述种种缺点,需要在此基础上提出一种新的磁共振成像方法。
发明内容
本发明旨在提供一种基于数据一致性的多次激发弥散加权磁共振成像方法,不依赖于导航回波数据进行运动矫正,也不依赖于图像域的线圈灵敏度,因此能够提高图像采样效率,并获取较为稳定的重建图像。
为达到上述目的,本发明采用的技术方案如下:
一种基于数据一致性的多次激发弥散加权磁共振成像方法,包括:
步骤101:采集多通道预扫描数据,所述多通道预扫描数据为全采样的K空间数据;
步骤102:根据所述多通道预扫描数据,生成基于数据一致性的卷积核;
步骤103:分别采集多次激发的弥散加权磁共振成像数据,每次激发的弥散加权磁共振成像数据均为欠采样的K空间数据;
步骤104:根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据;
步骤105:将所述重建数据进行合成,获取合成图像;
步骤106:更新所述合成图像,获取更新图像;
步骤107:检查迭代是否达到预定条件;
步骤108:若迭代达到预定条件,迭代终止;若迭代没达到预定条件,对所述更新图像进行相位恢复,获取更新后的多次激发的弥散加权磁共振成像数据,返回步骤103。
优选地,所述根据所述多通道预扫描数据,生成基于数据一致性的卷积核的方法为:
将公式(1)改写为矩阵形式:x=Gx
其中,矩阵x代表所有K空间网格上的数据点,矩阵G为所述基于数据一致性的卷积核。
优选地,所述根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据的方法为:将所述卷积核与所述每次激发的弥散加权磁共振成像数据进行卷积,获取所述重建数据。
优选地,所述根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据的方法为:
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ(ε)用于控制采样前后图像数据的一致性。
优选地,所述根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据的方法为:
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ1和λ22用于控制采样前后图像数据的一致性,函数R(x)代表正则化项。
优选地,所述正则化项为L1正则化项,或L2正则化项。
优选地,所述L1正则化项为:R(x)=||x||2,所述L2正则化项为:R(x)=||ψ{IFFT(x)}||1,其中,IFFT(x)为离散傅里叶逆变换函数。
优选地,所述将所述重建数据进行合成,获取合成图像的方法为:
其中,Ik为第K个激发对应的图像,Hann(Ik)表示对图像进行Hanning滤波,Iavg为所述合成图像。
优选地,所述更新所述合成图像,获取更新图像的方法为:
优选地,所述检查迭代是否达到预定条件的方法为:检测迭代是否收敛,或者,检测迭代次数是否到达预定的上限;
所述检测迭代是否收敛的方法为:
本发明实施例提供的基于数据一致性的多次激发弥散加权磁共振成像方法,由于不依赖于额外的导航回波数据进行运动矫正,因此,在临床上具有更高的扫描效率,并且能够避免导航回波数据与成像数据之间的失配问题,在临床上提供更为稳定的图像质量。同时,本发明是基于K空间数据一致性的并行成像方法,与依赖于图像域线圈灵敏度的图像域并行成像方法SENSE不同,能够避免由于线圈灵敏度估计偏差导致的图像重建误差,在临床上提供更为稳定的结果。此外,本发明实施例中提出的数据重建方法,能够方便有效的融合各种已知信息,例如L2正则化,有利于加快重建收敛速度及提高图像质量。
附图说明
图1为本发明实施例的方法流程图;
图2本发明实施例中基于预扫描数据卷积核计算过程的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。
步骤101:采集多通道预扫描数据,所述多通道预扫描数据为全采样的K空间数据。采用多通道接收线圈接收数据。该采集数据可以来自于多种扫描序列,建议使用与弥散加权成像同类的回波平面序列扫描。扫描生成的数据大小可以表示为:Nx*Ny*Nc。其中,Nx代表采集数据的行数,Ny表示数据的列数,Nc代表接收通道的数目。
步骤102:根据所述多通道预扫描数据,生成基于数据一致性的卷积核。自校准数据来自于上述步骤中采集到的多通道数据的中心位置,数据大小可以表示为:Na*Ny*Nc。其中,Na为自校准数据的宽度,默认相位编码方向沿着行的方向。基于数据一致性的卷积核可以通过以下方程求解:
其中,为所述多通道预扫描数据中对应于网格位置处的K空间数据点;Rr为一个提取算子,其作用是提取目标点周围所有的数据点;表示将K空间网格处周围的数据点提取出来,不包含这一点;Kij为待求解的一组卷积核。公式(1)的过程可以用图2表示。图2中,黑色的数据点代表已经采集的K空间位置,红色数据点代表未采集的K空间位置。每一组卷积核的大小为四维数组:Wx*Wy*Nc*Nc。在该步骤中由于预扫描数据均为全采样数据,因此公式(1)中和提取算子Rr均为已知量,卷积核Kij为未知量,通过求解上述线性方程能够计算出该卷积核。
将公式(1)改写为矩阵形式,表示为:
x=Gx 公式(2)
其中,矩阵x代表所有K空间网格上的数据点,矩阵G为表示对应位置的卷积算子,即所述基于数据一致性的卷积核。公式(2)表示用于卷积核计算的自矫正过程,即对于全采样的数据点而言,每一个数据点都可以通过卷积核与其周围的数据点重建出来。
步骤103:分别采集多次激发的弥散加权磁共振成像数据,每次激发的弥散加权磁共振成像数据均为欠采样的K空间数据;此时,接收线圈与预扫描所采用的接收线圈相同。
步骤104:根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据。
具体地,将所述卷积核与所述每次激发的弥散加权磁共振成像数据进行卷积,获取所述重建数据。该卷积的物理含义是通过卷积核重建出欠采样的K空间数据点。该卷积过程可以被表示为:
y=Gx 公式(3)
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,G为步骤102中计算出的卷积核。
公式(2)和公式(3)分别描述了卷积核自矫正阶段和数据欠采样阶段的数据一致性。为了避免数据噪声及控制矫正误差,上述问题可以转化为一个优化问题:
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ(ε)用于控制采样前后图像数据的一致性。
公式(4)将欠采样数据的重建过程转化为了优化问题,因此,可以很方便的基于已知知识在该优化问题中设置限制条件,将问题转化为:
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ1和λ2用于控制采样前后图像数据的一致性,函数R(x)代表已知信息的正则化项。
该正则化项可以在图像域,也可以在K空间域。正则化项为L1正则化项,或L2正则化项。典型的正则化项包括:
L1正则化项:R(x)=||x||2 公式(5-1)
L2正则化项:R(x)=||ψ{IFFT(x)}||1 公式(5-2)
其中,IFFT(x)为离散傅里叶逆变换函数。
步骤105:将所述重建数据进行合成,获取合成图像,合成的过程可以用如下公式描述:
其中,Ik为第K个激发对应的图像,Hann(Ik)表示对图像进行Hanning滤波,Iavg为所述合成图像。公式(6-1)表示计算出单次激发数据对应的低通相位,公式(6-2)通过该低通相位将多次激发的数据进行合成。
步骤106:在本次迭代过程中更新所述合成图像,获取更新图像,具体地,可用如下公式描述:
步骤107:检查迭代是否达到预定条件,具体地,检测迭代是否收敛,或者,检测迭代次数是否到达预定的上限。迭代次数上限来自于事先定义的固定数值。检测迭代是否收敛可以采用如下公式:
步骤108:若迭代达到预定条件,即如果连续两次迭代的的差异小于τ,迭代终止;若迭代没达到预定条件,对所述更新图像进行相位恢复,获取更新后的多次激发的弥散加权磁共振成像数据,返回步骤103。相位恢复的过程可以用如下公式描述:
即,将每次激发数据对应的低频相位信息,重新配置到更新后的图像数据上,得到更新后的每次激发的数据。将这些数据传入下一次迭代周期。
本发明实施例提供的基于数据一致性的多次激发弥散加权磁共振成像方法,直接采集多次激发数据,然后通过数据一致性将多次激发的数据进行合成,矫正不同激发数据之间由于运动造成的相位误差,得到高分辨率的合成图像。该方法的重要临床意义在于:a)无需额外的导航回波数据,因此具有更高的采集效率,较短的扫描时间;b)不需要额外的导航回波数据,能够避免导航回波数据与成像数据失配问题,成像结果更为健壮。本发明通过预扫描数据得到卷积核,然后在数据合成阶段利用该卷积核对欠采样数据进行生成。这种实施方案的好处包括:a)避免使用图像域的线圈灵敏度计算,防止线圈灵敏度错误估计导致的重建误差;b)该方法将利用卷积核的数据生成步骤与不同激发数据之间运动矫正步骤融合为一体,能够在同一个过程内同时处理两种计算,减少了计算量;c)该方法能够方便的将已有知识的限制加入重建过程,有利于加快重建收敛速度,提供更为稳定的重建图像。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于数据一致性的多次激发弥散加权磁共振成像方法,其特征在于,包括:
步骤101:采集多通道预扫描数据,所述多通道预扫描数据为全采样的K空间数据;
步骤102:根据所述多通道预扫描数据,生成基于数据一致性的卷积核;
步骤103:分别采集多次激发的弥散加权磁共振成像数据,每次激发的弥散加权磁共振成像数据均为欠采样的K空间数据;
步骤104:根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据;
步骤105:将所述重建数据进行合成,获取合成图像;
步骤106:更新所述合成图像,获取更新图像;
步骤107:检查迭代是否达到预定条件;
步骤108:若迭代达到预定条件,迭代终止;若迭代没达到预定条件,对所述更新图像进行相位恢复,获取更新后的多次激发的弥散加权磁共振成像数据,返回步骤103;
所述根据所述卷积核和所述每次激发的弥散加权磁共振成像数据,计算出重建数据的方法为:
将所述卷积核与所述每次激发的弥散加权磁共振成像数据进行卷积,获取所述重建数据;
该卷积过程被表示为:y=G x公式,其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,G为步骤102中计算出的卷积核;
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ(ε)用于控制采样前后图像数据的一致性;
设置限制条件,将上式进一步转化为:
其中,x表示单次激发K空间网格上的采样数据,y表示单次激发K空间网格上的未采样数据,I为采样前的图像数据,λ1和λ2用于控制采样前后图像数据的一致性,函数R(x)代表正则化项;
所述正则化项为L1正则化项,或L2正则化项;
所述L1正则化项为:R(x)=||x||2
所述L2正则化项为:R(x)=||Ψ{IFFT(x)}||1
其中,IFFT(x)为离散傅里叶逆变换函数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810090957.8A CN108459289B (zh) | 2018-01-30 | 2018-01-30 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
PCT/CN2018/080011 WO2019148610A1 (zh) | 2018-01-30 | 2018-03-22 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810090957.8A CN108459289B (zh) | 2018-01-30 | 2018-01-30 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108459289A CN108459289A (zh) | 2018-08-28 |
CN108459289B true CN108459289B (zh) | 2021-03-12 |
Family
ID=63239082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810090957.8A Active CN108459289B (zh) | 2018-01-30 | 2018-01-30 | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108459289B (zh) |
WO (1) | WO2019148610A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378980B (zh) * | 2019-07-16 | 2020-07-03 | 厦门大学 | 一种基于深度学习的多通道磁共振图像重建方法 |
CN110346743B (zh) * | 2019-07-22 | 2021-09-14 | 上海东软医疗科技有限公司 | 一种磁共振弥散加权成像方法和装置 |
CN110542872B (zh) * | 2019-09-30 | 2022-05-13 | 上海东软医疗科技有限公司 | 磁共振成像方法及设备、相位信息的获取方法及装置 |
CN113298901B (zh) * | 2021-05-13 | 2022-12-06 | 中国科学院深圳先进技术研究院 | 卷褶视野磁共振图像的重建方法、计算机设备及存储介质 |
CN113854995B (zh) * | 2021-10-19 | 2023-11-24 | 复旦大学 | 一种基于单次激发的弥散加权成像扫描重建方法及*** |
CN114187374B (zh) * | 2021-10-29 | 2024-06-04 | 厦门大学 | 一种多激发平面回波扩散加权成像方法 |
CN117011409B (zh) * | 2023-08-10 | 2024-05-10 | 厦门大学 | 多部位物理智能高清扩散磁共振数据生成方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1959397B1 (en) * | 2007-02-19 | 2019-08-07 | Wisconsin Alumni Research Foundation | Iterative HYPR medical image reconstruction |
US7622924B2 (en) * | 2007-06-12 | 2009-11-24 | General Electric Company | Method and apparatus for k-space and hybrid-space based image reconstruction for parallel imaging and artifact correction |
US20090285463A1 (en) * | 2008-04-18 | 2009-11-19 | Ricardo Otazo | Superresolution parallel magnetic resonance imaging |
CN102018514B (zh) * | 2010-12-30 | 2015-07-08 | 中国科学院深圳先进技术研究院 | 磁共振弥散张量成像方法及*** |
US8760163B2 (en) * | 2011-05-10 | 2014-06-24 | Isis Innovation Limited | Diffusion-weighted magnetic resonance imaging using 3D mosaic segmentation and 3D navigator phase correction |
US8886283B1 (en) * | 2011-06-21 | 2014-11-11 | Stc.Unm | 3D and 4D magnetic susceptibility tomography based on complex MR images |
CN102488519B (zh) * | 2011-11-29 | 2014-07-16 | 中国科学院深圳先进技术研究院 | 弥散张量成像方法及*** |
CN102928796B (zh) * | 2012-09-28 | 2014-12-24 | 清华大学 | 快速扩散磁共振成像和重建方法 |
CN103860173B (zh) * | 2012-12-12 | 2015-04-15 | 上海联影医疗科技有限公司 | 磁共振k空间重建方法与装置、磁共振成像方法与装置 |
CN104181486B (zh) * | 2013-07-05 | 2015-07-22 | 上海联影医疗科技有限公司 | 磁共振图像重建方法及装置 |
CA2866438A1 (en) * | 2013-09-30 | 2015-03-30 | Sunnybrook Research Institute | An efficient method for performing k-space channel combination for non-cartesian mri acquisitions |
US10386440B2 (en) * | 2014-07-03 | 2019-08-20 | Koninklijke Philips N.V. | Multi-shot magnetic-resonance (MR) imaging system and method of operation thereof |
CN104569880B (zh) * | 2014-12-31 | 2017-04-05 | 中国科学院深圳先进技术研究院 | 一种磁共振快速成像方法及*** |
CN204649949U (zh) * | 2015-05-07 | 2015-09-16 | 奥泰医疗***有限责任公司 | 核磁共振成像***降噪装置 |
DE102016213042A1 (de) * | 2016-07-18 | 2018-01-18 | Siemens Healthcare Gmbh | Verfahren zur Aufnahme von Kalibrierungsdaten für GRAPPA-Algorithmen |
-
2018
- 2018-01-30 CN CN201810090957.8A patent/CN108459289B/zh active Active
- 2018-03-22 WO PCT/CN2018/080011 patent/WO2019148610A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019148610A1 (zh) | 2019-08-08 |
CN108459289A (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108459289B (zh) | 一种基于数据一致性的多次激发弥散加权磁共振成像方法 | |
CN108335339B (zh) | 一种基于深度学习和凸集投影的磁共振重建方法 | |
CN108535675B (zh) | 一种基于深度学习和数据自洽的磁共振多通道重建方法 | |
US7397242B2 (en) | Parallel magnetic resonance imaging method using a radial acquisition trajectory | |
US8154294B2 (en) | Magnetic resonance imaging apparatus and method for correcting error due to gradient magnetic field | |
US8400152B2 (en) | Method for k-space reconstruction in magnetic resonance inverse imaging | |
US20130088225A1 (en) | System for Reconstructing MRI Images Acquired in Parallel | |
US20070182411A1 (en) | Generalized MRI reconstruction with correction for multiple image distortion | |
US9229081B2 (en) | Accelerated MRI with nonlinear spatial encoding gradients | |
US9594141B2 (en) | System for accelerated magnetic resonance imaging using parallel coils | |
US20150362576A1 (en) | Metal resistant mr imaging | |
US10495717B2 (en) | System and method for dual-kernel image reconstruction | |
CN109696647B (zh) | 三维多次激发扩散加权成像的k空间采集方法及重建方法 | |
CN103885017A (zh) | 基于单扫描正交时空编码磁共振成像的图像畸变校正方法 | |
CN106772167A (zh) | 核磁共振成像方法及装置 | |
CN113971706B (zh) | 一种快速磁共振智能成像方法 | |
EP2856196A2 (en) | System and method for magnetic resonance imaging using highly accelerated projection imaging | |
US9329251B2 (en) | System and method for magnetic resonance imaging using multiple spatial encoding magnetic fields | |
CN110109036B (zh) | 二维时空编码多扫磁共振成像非笛卡尔采样及重建方法 | |
CN112965018B (zh) | 基于时空编码螺旋磁共振成像的多回波采样及重建方法 | |
CN115236576A (zh) | 快速多对比度磁共振扩散成像和重建方法及*** | |
US11226385B2 (en) | Dixon type water/fat separation MR imaging with improved fat shift correction | |
Yang et al. | Virtual Coil Augmentation Technology for MR Coil Extrapolation via Deep Learning | |
Liu et al. | Fast SENSE reconstruction using linear system transfer function | |
US20240201297A1 (en) | Method for acquiring a magnetic resonance image dataset and generating a motion-corrected image dataset |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right |
Effective date of registration: 20230905 Granted publication date: 20210312 |
|
PP01 | Preservation of patent right | ||
PD01 | Discharge of preservation of patent |
Date of cancellation: 20231117 Granted publication date: 20210312 |
|
PD01 | Discharge of preservation of patent |