CN109477878B - 运动校正的压缩感知磁共振成像 - Google Patents
运动校正的压缩感知磁共振成像 Download PDFInfo
- Publication number
- CN109477878B CN109477878B CN201780045151.0A CN201780045151A CN109477878B CN 109477878 B CN109477878 B CN 109477878B CN 201780045151 A CN201780045151 A CN 201780045151A CN 109477878 B CN109477878 B CN 109477878B
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- data
- measured
- resonance imaging
- data portions
- 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
- 238000002595 magnetic resonance imaging Methods 0.000 title claims abstract description 120
- 230000033001 locomotion Effects 0.000 title description 42
- 230000002547 anomalous effect Effects 0.000 claims abstract description 32
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 61
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 238000003384 imaging method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 19
- 230000035945 sensitivity Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 230000003068 static effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 238000012804 iterative process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
-
- 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
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
- G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种磁共振成像***(100),包括:存储器(150),其用于存储机器可执行指令(160)并且用于存储根据压缩感知磁共振成像协议来采集测量的磁共振数据的脉冲序列命令(162);以及处理器(144),其用于控制所述磁共振成像***。对所述机器可执行指令的执行使所述处理器:利用所述脉冲序列命令来控制(200)所述磁共振成像***以采集所述测量的磁共振数据,其中,所述测量的磁共振数据被采集为测量的数据部分(164),其中,所述测量的数据部分中的每个是在一时间段期间被采集的;根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(202)中间磁共振图像(168);使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算(204)预测的数据部分(170);使用所述预测的数据部分针对所述测量的数据部分中的每个来计算(206)残差(172);在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别(208)为异常数据部分(176);并且根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(210)校正的磁共振图像(178),并且其中,一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
Description
技术领域
本发明涉及磁共振成像,具体涉及压缩感知磁共振成像。
背景技术
磁共振成像(MRI)扫描器使用大的静态磁场来对齐原子的核自旋,作为用于产生患者的身体内的图像的流程的一部分。该大的静态磁场被称为B0场或主磁场。
一种空间编码的方法是使用磁场梯度线圈。通常存在用来沿着三个不同正交方向生成三个不同梯度磁场的三个线圈。
在MRI扫描期间,由一个或多个发射器线圈生成的射频(RF)脉冲引起所谓的B1场。另外,施加的梯度场和B1场确实引起对有效局部磁场的干扰。RF信号然后由核自旋发射并且由一个或多个接收器线圈探测。这些RF信号包含在k空间中编码的图像数据。k空间的中心区域一般比k空间的外部区域包含更多的图像信息。奈奎斯特采样定理是充分的,但不一定是必要的条件。可接受的磁共振图像经常能够通过比由奈奎斯特定理规定的更少地对k空间进行采样来重建。
Lustig、Michael等人的综述文章“Compressed sensing MRI”(IEEE SignalProcessing Magazine 25.2(2008):72-82)描述了一种被称为压缩感知(CS)的技术,其中,磁共振(MR)图像使用k空间的稀疏采样来进行采集。
发明内容
本发明在独立权利要求中提供了一种磁共振成像***、一种计算机程序产品以及一种方法。在从属权利要求中给出了实施例。
本发明的实施例可以提供用于改善使用压缩感知磁共振成像协议产生的磁共振图像的质量的手段。使用CS对图像的重建是迭代过程。得到的图像不一定会匹配k空间中的原始磁共振数据样本。本文中描述的技术使用CS的那些特征来识别可能由于正被成像的对象的运动而被损害或由于其他原因而被损坏的数据。采集的磁共振数据首先用来根据CS成像协议来重建图像。这得到中间磁共振图像。其次,该图像然后用来计算预测的k空间数据(在本文中被称为预测的数据部分)。k空间中的足够的数据部分被测量,以允许对中间磁共振图像的重建。中间磁共振图像可以具有低空间分辨率、小的视场,并且当并行成像被使用时,具有高折叠度。中间磁共振图像的质量越好,异常越能够被准确地识别,并且可能需要压缩感知重建中的更少的迭代次数来实现更高的图像质量。中间磁共振图像从测量的磁共振信号(即k空间数据点或数据部分(k空间轮廓))来重建。使用测量的磁共振数据来重建中间磁共振图像可以包括整体覆盖的k空间的整体k空间覆盖被用于重建中间磁共振图像。所有实际测量的数据部分的子集可以足以重建低分辨率和/或低视场的中间磁共振图像。
在单个线圈元件的情况下,这将会涉及执行逆傅里叶变换。如果并行成像技术正在被使用(即,用来重建中间图像的数据来自多个线圈元件),线圈灵敏度首先用来计算从所使用的线圈元件中的每个线圈元件得到的预测的图像。这些预测的线圈图像然后被逆傅里叶变换,以针对线圈元件中的每个线圈元件计算预测的k空间数据。在任一情况下,预测的k空间数据能够直接与测量的k空间数据进行比较。中间磁共振图像的图像值和预测的数据部分根据由中间磁共振图像的重建和测量的数据部分暗含的关系的逆而被相关。在一范例中,它们的关系是(逆)傅里叶变换,但是不同的数学关系可以用来变换中间磁共振图像中的测量的数据部分,并且根据中间磁共振图像来反向变换预测的数据部分。例如(滤波的)反向投影可以用于中间磁共振图像的重建,并且通过前向投影根据中间磁共振图像来计算预测的数据部分。(滤波的)反向投影一般从计算机断层摄影的领域已知。
磁共振数据在离散的时间段内被采集为(k空间数据的)测量的部分。残差是针对这些时间段中的每个来计算的。如果针对一时间段的残差在预定阈值之上,则来自该时间段的数据被识别为异常数据部分。对异常的识别对数据部分偏离多于预定阈值的值的根本原因不敏感。即,不管运动是否已经发生或由于另一不一致的原因,数据部分都可以被识别为异常。
校正的磁共振图像然后使用采集的磁共振数据(测量的数据部分)来重建。当该重建被执行时,异常数据部分被忽视或不被使用。在一些情况下,异常数据部分可以被删除或被移除,并且校正的磁共振图像可以被完全重新计算。如上面提到的,CS技术是迭代过程。在数值上,使用中间磁共振图像作为用于校正的磁共振图像的重建的开始点因此可以是更高效的,其中,异常数据部分在该重建期间被忽视。
在一个方面中,本发明提供了一种用于从成像区内的对象采集测量的磁共振数据的磁共振成像***。所述磁共振成像***包括存储器,其用于存储机器可执行指令并且用于存储被配置为控制所述磁共振成像***以根据压缩感知磁共振成像协议来采集所述测量的磁共振数据的脉冲序列命令。
所述磁共振成像***还包括处理器,其用于控制所述磁共振成像***。对所述机器可执行指令的执行使所述处理器利用所述脉冲序列命令来控制所述磁共振成像***以采集所述测量的磁共振数据。所述测量的磁共振数据被采集为测量的数据部分。所述测量的数据部分中的每个是在一时间段期间被采集的。对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建中间磁共振图像。对所述机器可执行指令的执行还使所述处理器使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算预测的数据部分。对所述机器可执行指令的执行还使所述处理器使用所述预测的数据部分针对所述测量的数据部分中的每个来计算残差。
预测的数据部分例如可以通过执行逆傅里叶变换以计算什么测量的数据将会可能生成中间磁共振图像来确定。k空间中的这些预测的数据点能够直接与测量的数据部分内的测量的数据点进行比较。残差因此可以被认为是用来将测量的数据与预测的数据进行比较的度量。残差能够以不同的方式来计算。例如,每一个单个数据点能够被比较,并且然后复合残差能够使用平均值或例如至少平方类型函数来计算。其他统计度量也可以被使用。在一些范例中,对于图像的生成来说更重要的k空间的多个部分(诸如k空间的中心区域)能够比k空间的周边中的数据更重地被加权。
在一些实例中,通过磁共振成像***测量的数据可以使用多于一个天线元件来采集。例如,压缩感知磁共振成像协议可以是并行成像方法。在这种情况下,计算预测的数据部分可能是更复杂的。用于计算图像的加权必须被反向执行,并且然后用于计算由每个天线元件采集的数据。则对于由每个天线元件采集的数据可以存在残差。残差的值可以通过在针对天线中的每个天线的数据内寻找最大残差或某种其他统计度量来发现。例如如果存在由对象进行的运动,则可能的是,运动仅仅在来自不同天线的一个或若干数据集中具有非常严重损坏的数据。
对所述机器可执行指令的执行还使所述处理器在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别为异常数据部分。取决于残差是什么度量,整体测量的数据部分被识别为异常数据部分。因此如果存在并行成像技术,由一个天线采集的数据可以引起来自所有天线或天线元件的数据都被识别为异常数据部分。对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建校正的磁共振图像。
一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。一个或多个异常数据部分的排除能够以不同的方式来执行。在一个实例中,图像能够完全使用压缩感知成像协议仅使用未被识别为异常数据部分的数据来重建。然而这将会在数值上是密集的。另一备选方案是压缩感知协议能够用来使用除了异常数据部分外的所有数据来改善中间磁共振图像。这将会具有在数值上更不密集的优点。
该实施例可以具有压缩感知协议进行排除其中对象在针对特定测量的数据部分的时间段期间正在移动的数据的优良工作的益处。对象的移动可以导致中间磁共振图像内的重影或混叠伪影。计算残差的过程进行识别贡献于运动伪影的这些数据部分的有效工作。
在另一实施例中,所述压缩感知磁共振成像协议是并行成像磁共振成像协议。所述磁共振成像***包括具有用于采集所述测量的磁共振数据的多个天线或天线元件的磁共振成像天线。在所述时间段期间,所述测量的磁共振数据从所述多个天线元件中的每个天线元件被采集为整体测量的数据部分。所述残差是在所述时间段内针对所述多个天线元件中的每个天线元件来计算的。
例如,如果针对它们中的每一个中的多个天线元件中的每个天线元件的残差在特定阈值或标准之上,则对应于该时间段的数据能够被标记为异常数据部分。在压缩感知中,多个天线元件的局部灵敏度可以引起一些天线元件对对象的运动比其他天线元件更灵敏。通过检查来自多个天线元件中的每个天线元件的残差,这可以提供识别对象在压缩感知成像期间的运动的改善的方法。
在另一实施例中,所述残差是针对所述多个天线元件中的每个天线元件单独地来计算的。如果针对所述多个天线元件中的一个天线元件的残差在所述预定阈值之上,则所述整体测量的数据部分从所述测量的磁共振数据中被移除或被识别为异常数据部分。
在另一实施例中,所述残差是所述多个天线中的全部天线上的平均值。如果所述残差在所述预定阈值之上,则所述整体测量的数据部分被识别为所述异常数据部分中的一个。
在另一实施例中,在特定时间段内根据所述压缩感知磁共振成像协议采集的k空间数据使用分布函数被最大地分散。例如,k空间中的样本点可以使用随机或伪随机函数来进行分布。在其他情况下,更明确的分布(诸如泊松分布)可以用来将k空间数据或样本点定中心在k空间的中心区域中。
在另一实施例中,当所述测量的数据部分中的一个或多个测量的数据部分被采集时,所述中间磁共振图像被重复地重建。当所述一个或多个测量的数据部分被采集时,所述预测的数据部分被重复地计算。当所述一个或多个测量的数据部分被采集时,所述残差被重复地计算。当所述一个或多个测量的数据部分被采集时,在所述残差在所述预定阈值之上的情况下所述测量的数据部分被重复地识别为异常数据部分。
该实施例可以具有当测量的磁共振数据正被采集时异常数据部分在运行中被采集的益处。这可以使得磁共振成像***的操作者能够校正问题或对象的移动。它也可以使得操作者(或控制计算机)能够在测量的磁共振数据的采集结束之前重新采集测量的磁共振数据的多个部分。例如,如果异常数据部分在数据的采集完成之后被识别,则不可能回去并且在对象处于完全相同的位置中的情况下重新采集数据。这然后可以得到更高质量的磁共振图像。
在另一实施例中,所述中间磁共振图像的分辨率随着越来越多数量的所述测量的磁共振数据被采集而被改变。在测量的磁共振数据的采集期间,仅对k空间数据的一部分进行采样。当存在更低数量的k空间样本时,中间磁共振图像仍然可以被构建,但是它可能具有更低的分辨率。随着更多的测量的磁共振数据被采集,中间磁共振图像的质量可以被改善。这可以具有若干结果,当仅测量的数据部分中的若干被采集时,测量的数据部分中的一个应当被分配为异常数据部分不会是立即显而易见的。然而,随着k空间内的样本量增加,则早前的测量的数据部分中的一些稍后被分配给异常数据部分是可能的。改变中间磁共振图像的分辨率因此可以实现识别异常数据部分的更动态且灵活的方法。
在另一实施例中,对所述机器可执行指令的执行还使所述处理器在测量的数据部分被识别为所述异常数据部分中的一个的情况下重新采集所述测量的数据部分。这可以具有提供生成的磁共振图像的质量的改善的益处。
在另一实施例中,所述残差是使用将所述测量的数据部分中的每个与所述预测的数据部分进行比较的统计度量来计算的。例如,测量的数据部分可以包括k空间中的个体测量结果。k空间内的这些个体测量结果能够与彼此进行比较,并且统计度量可以用来计算残差。
在另一实施例中,所述统计度量根据个体k空间测量结果在k空间中的位置对所述个体k空间测量结果进行加权。这可以是有益的,因为它可以提供以下手段:提供对图像重建更重要以更多考虑残差的k空间测量结果。例如,在k空间内,k空间的中心区域比k空间的外部区域包含更多的信号功率。如果k空间区域的中心被更多地加权(诸如偏好k空间的中心区域的分布),则当重建校正的磁共振图像时,这可以提供排除运动的更准确的手段。
在另一实施例中,对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用一个或多个所述异常数据部分来重建至少一幅异常磁共振图像。在一些实例中,对象的运动可以是周期性的,或对象可以移动或具有在若干位置之间进行的无意识运动。使用被识别为异常数据部分的磁共振成像数据可以实现一种压缩感知成像的方法,其解析对象的不同运动状态并且其不在对象上使用导航器或外部传感器。至少一幅异常磁共振图像的重建可以遵循如用来构建校正的磁共振图像的相同方法,其中,中间异常磁共振图像被构建,并且然后残差以相同的方式被计算。这样,对象的各种位置可以被划分成每个表示对象的不同位置的多幅不同图像。
还能够使用运动变换以单独使用k空间数据来识别运动的不同阶段。在这种情况下,k空间数据可以被划分成若干组,并且然后这些组可以用来校正针对它们中的每一个的异常磁共振图像。
在另一实施例中,对所述机器可执行指令的执行还使所述处理器将校正的磁共振图像设置为中间磁共振图像。对所述机器可执行指令的执行还使所述处理器重复对所述预测的部分的所述计算、对一个或多个所述异常数据部分的所述识别和对所述校正的磁共振图像的所述重建。在该实施例中,一旦校正的磁共振图像已经被校正,这然后就能够用来再次搜索额外的异常数据部分。例如,如果对象移动并且在磁共振图像内存在重影或一些伪影,则它们中的具有最多运动的磁共振数据的部分将会被识别为异常数据部分。一旦校正的磁共振图像已经被重建,仍然可以存在贡献于校正的磁共振图像中的伪影或缺陷的磁共振数据的部分。校正的磁共振图像然后能够用作中间磁共振图像,并且该过程能够被再次开始。
之前为校正的磁共振图像的中间磁共振图像然后能够用来针对测量的数据部分中的每个使用中间磁共振图像来创建新的预测的数据部分。然后能够存在新的残差,其针对剩余测量的数据部分中的每个使用新的预测的数据部分来计算。最后,测量的数据部分然后能够被重新检查,以基于残差来识别它们中的一个或多个是否应当被识别为异常数据部分。例如,残差是否在新的预定阈值之上。在测量的数据部分再次进行一遍之后,则新的校正的磁共振图像能够根据压缩感知磁共振成像协议使用测量的磁共振数据来构建,并且在这种情况下,然后被识别为一个或多个异常数据部分的数据再次从对校正的磁共振图像的重建中被排除。然而,在这种情况下,测量的磁共振数据中的较大部分被识别为属于一个或多个异常数据部分是非常可能的。
这样的过程可以被重复多次,或循环能够被重复若干次也是可能的,能够看出校正的磁共振图像是否收敛。例如,在若干迭代内,来自每次迭代的校正的磁共振图像能够与先前的图像进行比较,并且使用统计度量或测量结果能够看出两幅图像改变多少。如果图像改变在阈值之下,则该方法能够被认为已经收敛。
在另一实施例中,所述测量的数据部分样本中的每个具有独特的k空间采样模式。代替利用每一个测量的数据部分对相同的k空间采样进行采样,测量的数据部分中的每个对k空间的不同部分进行采样。
在另一方面中,本发明提供了一种用于由控制磁共振成像***的处理器执行的计算机程序产品。所述磁共振成像***被配置用于从成像区采集对象的测量的磁共振数据。对所述机器可执行指令的执行使所述处理器利用脉冲序列命令来控制所述磁共振成像***以根据压缩感知磁共振成像协议来采集测量的磁共振数据。所述测量的磁共振数据被采集为测量的数据部分。所述测量的数据部分中的每个是在一时间段期间被采集的。对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建中间磁共振图像。
对所述机器可执行指令的执行还使所述处理器使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算预测的数据部分。对所述机器可执行指令的执行还使所述处理器使用所述预测的数据部分针对所述测的量数据部分中的每个来计算残差。对所述机器可执行指令的执行还使所述处理器在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别为异常数据部分。对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建校正的磁共振图像。一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
在另一方面中,本发明提供了一种控制磁共振成像***的方法。所述磁共振成像***被配置用于从成像区采集对象的测量的磁共振数据。所述方法包括利用脉冲序列命令来控制所述磁共振成像***以采集所述测量的磁共振数据。所述脉冲序列命令被配置为根据压缩感知磁共振成像协议来采集所述测量的磁共振数据。所述测量的磁共振数据被采集为测量的数据部分。所述测量的数据部分中的每个是在一时间段期间被采集的。
所述方法还包括根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建中间磁共振图像。所述方法还包括使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算预测的数据部分。所述方法还包括使用所述预测的数据部分针对所述测量的数据部分中的每个来计算残差。所述方法还包括在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别为异常数据部分。所述方法还包括根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建校正的磁共振图像。一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
应当理解,只要组合的实施例不相互排斥,就可以组合本发明的前述实施例中的一个或多个。
如本领域的技术人员将认识到的,本发明的各个方面可以被实现为一种装置、方法或计算机程序产品。相应地,本发明的各个方面可以采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微代码等)或组合软件和硬件方面的实施例(在本文中总体上全部可以被称为“电路”、“模块”或“***”)的形式。此外,本发明的各个方面可以采取实现在一个或多个计算机可读介质中的计算机程序产品的形式,所述一个或多个计算机可读介质具有实现在其上的计算机可执行代码。
可以利用一个或多个计算机可读介质的任何组合。所述计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。如本文中所使用的“计算机可读存储介质”涵盖任何可以存储可由计算设备的处理器执行的指令的有形存储介质。可以将计算机可读存储介质称为计算机可读非暂态存储介质。也可以将计算机可读存储介质称为有形计算机可读介质。在一些实施例中,计算机可读存储介质还可以能够存储可以由计算设备的处理器访问的数据。计算机可读存储介质的范例包括但不限于:软盘、磁硬盘驱动器、固态硬盘、闪速存储器、USB拇指驱动器、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁光盘以及处理器的寄存器文件。光盘的范例包括压缩盘(CD)和数字通用盘(DVD),例如,CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW或DVD-R盘。术语计算机可读存储介质还指能够经由网络或通信链路由计算机设备访问的各种类型的记录介质。例如,可以在调制调解器、因特网或局域网上检索数据。可以使用任何适当介质发送实现在计算机可读介质上的计算机可执行代码,所述任何适当介质包括但不限于无线、有线、光纤线缆、RF等或者前述的任何合适的组合。
计算机可读信号介质可以包括具有实现在其中的计算机可执行代码的传播的数据信号,例如,在基带中或作为载波的部分。这样的传播的信号可以采取各种形式中的任何,包括但不限于电磁的、光学的或它们的任何合适的组合。计算机可读信号介质可以是这样的任何计算机可读介质:不是计算机可读存储介质,并且能够传达、传播或传输用于由指令运行***、装置或设备使用或与指令运行***、装置或设备结合使用的程序。
“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是可由处理器直接访问的任何存储器。“计算机存储设备”或“存储设备”是计算机可读存储介质的另外的范例。计算机存储设备可以是任何易失性或非易失性计算机可读存储介质。
如本文中所使用的“处理器”涵盖能够运行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应当被解读为能够包含多于一个的处理器或处理核。所述处理器可以例如是多核处理器。处理器也可以指在单个计算机***之内的或分布在多个计算机***之中的处理器的集合。术语计算设备也应当被解读为能够指每个包括一个或多个处理器的计算设备的集合或网络。计算机可执行代码可以由可以在相同的计算设备之内或甚至可以跨多个计算设备分布的多个处理器来运行。
计算机可执行代码可以包括令处理器执行本发明的方面的机器可执行指令或程序。用于执行针对本发明的方面的操作的计算机可执行代码可以以一种或多种编程语言的任何组合来编写并且被编译为机器可执行指令,所述一种或多种编程语言包括诸如Java、Smalltalk、C++等的面向对象的编程语言以及诸如C编程语言或相似编程语言的常规过程编程语言。在一些实例中,所述计算机可执行代码可以采取高级语言的形式或者采取预编译的形式并且结合在运行中生成机器可执行指令的解释器一起被使用。
所述计算机可执行代码可以完全在用户的计算机上、部分在用户的计算机上(作为独立的软件包)、部分在用户的计算机上并且部分在远程计算机上、或完全在远程计算机或服务器上运行。在后一种情形下,所述远程计算机可以通过包括局域网(LAN)或广域网(WAN)的任何类型的网络连接到用户的计算机,或者可以(例如,通过使用因特网服务提供商的因特网)对外部计算机进行连接。
参考根据本发明的实施例的方法、装置(***)和计算机程序产品的流程图图示和/或方框图来描述本发明的方面。应理解,当可应用时,能够通过采取计算机可执行代码的形式的计算机程序指令来实施流程图、图示和/或方框图的方框中的每个方框或方框的部分。还应理解,当互不排斥时,可以组合不同流程图、图示和/或方框图中的方框。这些计算机程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生一种机器,使得经由计算机或其他可编程数据处理装置的处理器运行的指令创建用于实施在流程图和/或一个或多个方框图框中指定的功能/动作的单元。
这些计算机程序指令还可以存储在计算机可读介质中,所述计算机可读介质能够指引计算机、其他可编程数据处理装置或其他设备以特定的方式来工作,使得存储在计算机可读介质中的指令产生包括实施在流程图和/或一个或多个方框图框中指定的功能/动作的指令的一款制品。
所述计算机程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上,以引起在计算机、其他可编程装置或其他设备上执行一系列操作步骤,从而产生计算机实施的过程,使得在计算机或其他可编程装置上运行的指令提供用于实施在流程图和/或一个或多个方框图框中指定的功能/动作的过程。
如本文中所使用的“用户接口”是允许用户或操作者与计算机或计算机***交互的接口。“用户接口”还可以被称为“人机接口设备”。用户接口可以向操作者提供信息或数据和/或从操作者接收信息或数据。用户接口可以使得来自操作者的输入能够被计算机接收并且可以从计算机向用户提供输出。换言之,所述用户接口可以允许操作者控制或操控计算机,并且所述接口可以允许计算机指示操作者的控制或操控的效果。数据或信息在显示器或图形用户接口上的显示是向操作者提供信息的范例。通过键盘、鼠标、跟踪球、触摸板、指点杆、图形输入板、操纵杆、游戏手柄、网络摄像头、耳机、踏板、有线手套、遥控器和加速度计对数据的接收全都是实现对来自操作者的信息或数据的接收的用户接口部件的范例。
如本文中所使用的“硬件接口”涵盖使得计算机***的处理器能够与外部计算设备和/或装置交互和/或控制外部计算设备和/或装置的接口。硬件接口可以允许处理器将控制信号或指令发送到外部计算设备和/或装置。硬件接口也可以使得处理器能够与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于:通用串行总线、IEEE 1394端口、并行端口、IEEE1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口以及数字输入接口。
如本文中所使用的“显示器”或“显示设备”涵盖适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频和或触觉数据。显示器的范例包括但不限于:计算机监视器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储管、双稳态显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子体显示板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪和头戴式显示器。
磁共振(MR)数据在文本中被定义为在磁共振成像扫描期间使用磁共振装置的天线所记录的由原子自旋发射的射频信号的测量结果。磁共振数据是医学成像数据的范例。磁共振(MR)图像在文本中被定义为包含在磁共振成像数据内的解剖数据的经重建的二维或三维可视化。
医学成像数据在文本中被定义为已经使用医学成像***采集的二维或三维数据。医学成像***在文本中被定义为适于采集与患者的物理结构有关的信息并且构建二维或三维医学成像数据集的装置。医学成像数据能够用于构建可以对医师的诊断有用的可视化。能够使用计算机来执行这一可视化。
附图说明
在下文中将仅通过范例的方式并且参考附图来描述本发明的优选实施例,在附图中:
图1图示了磁共振成像***的范例;
图2图示了使用图1的磁共振成像***的又一方法;
图3图示了使用图1的磁共振成像***的又一方法;
图4图示了使用图1的磁共振成像***的又一方法;并且
图5图示了使用图1的磁共振成像***的又一方法。
附图标记列表
100 磁共振***
104 主磁体
106 磁体的膛
108 成像区
109 感兴趣区域
110 磁场梯度线圈
112 梯度线圈电源
114 射频线圈
115 线圈元件
116 收发器
118 对象
120 对象支撑体
122 结构支撑体
124 调制器
126 开关单元
128 电流充电器
130 梯度控制器
132 连接
134 梯度线圈冷却***
136 磁场传感器
140 计算机***
142 硬件接口
144 处理器
146 用户接口
150 计算机存储器
160 机器可执行指令
162 脉冲序列命令
164 测量的数据部分
166 一组线圈灵敏度
168 中间磁共振图像
170 预测的数据部分
172 残差
174 预定阈值
176 异常数据部分
178 校正的磁共振图像
200 利用脉冲序列命令来控制磁共振成像***以采集测量的磁共振数据
200’ 利用脉冲序列命令来控制磁共振成像***以部分地采集测量的磁共振数据
202 根据压缩感知磁共振成像协议使用测量的磁共振数据来重建中间磁共振图像
204 使用中间磁共振图像针对测量的数据部分中的每个来计算预测的数据部分
206 使用预测的数据部分针对测量的数据部分中的每个来计算残差
208 在残差在预定阈值之上的情况下将测量的数据部分中的一个或多个识别为异常数据部分
210 根据压缩感知磁共振成像协议使用测量的磁共振数据来重建校正的磁共振图像
300 安排对被识别为异常数据部分的测量的数据部分的重新采集
302 所有测量的数据部分已经被采集?或者足够的磁共振数据已经被采集?
400 根据一个或多个异常数据部分来构建一幅或多幅异常磁共振图像
500 校正的磁共振图像已经在预定度量内收敛到中间磁共振图像?
502 结束
504 将校正的磁共振图像设置为中间磁共振图像
具体实施方式
在这些附图中的相似编号的元件要么是等效元件要么执行相同的功能。如果功能是等效的,则在稍后附图中将不必讨论先前已经讨论的元件。
图1图示了磁共振成像***100的范例。磁共振成像***包括主磁体104,所述主磁体可以被称为磁体。磁体104是具有通过其的膛106的超导圆柱型磁体104。不同类型的磁体的使用也是可能的。在圆柱形磁体的低温恒温器内部,存在超导线圈的集合。在圆柱形磁体104的膛106内,存在成像区108,在该成像区中,磁场足够强且均匀以执行磁共振成像。
在磁体的膛106内,也存在一组磁场梯度线圈110,其被用于采集磁共振数据以对磁体104的成像区108内的磁自旋进行空间编码。磁场梯度线圈110被连接至磁场梯度线圈电源112。磁场梯度线圈110旨在是代表性的。通常,磁场梯度线圈110包含用于在三个正交空间方向上进行空间编码的三个分离的线圈组。磁场梯度电源向磁场梯度线圈供应电流。供应到磁场梯度线圈110的电流被控制为时间的函数并且可以是斜变式或脉冲式的。
邻近于成像区108的是射频线圈114,其用于操纵成像区108内的磁自旋的取向并且用于接收来自也在成像区108内的自旋的无线电发射。射频线圈也可以被称为射频天线或天线。射频天线可以包含多个线圈元件。多个线圈元件也可以被称为天线元件。射频天线也可以被称为信道或天线。射频线圈114被连接至射频收发器116。射频线圈114和射频收发器116可以由分离的发射线圈和接收线圈以及分离的发射器和接收器来替换。应当理解,射频线圈114和射频收发器116是代表性的。射频线圈114旨在也表示专用发射天线和专用接收天线。同样地,收发器116也可以表示分离的发射器和接收器。在该范例中,射频线圈114也可以具有多个接收/发射线圈元件,并且射频收发器116具有多个接收/发射信道。
射频线圈114被示为包括多个线圈元件115。线圈元件115可以用来单独采集磁共振数据。射频线圈114因此可以用于并行成像磁共振技术。尽管它未在该图中示出,但是磁共振成像***100还可以包括身体线圈。身体线圈在并行成像技术中将会是有用的,因为它可以在与个体线圈元件115相同的时间获取所采集的数据并且用于计算一组线圈灵敏度。
磁共振数据可以从成像区108内进行采集。在许多情况下,成像区108的区域被限制于感兴趣区域109。在图中描绘了示范性感兴趣区域。能够看出不同的线圈元件115相距感兴趣区域109不同的距离。不同的线圈元件115因此将会对对象118的各种运动更灵敏或更不灵敏。
在磁体104的膛106内,存在将对象支撑在成像区108中的对象支撑体120。在成像区108内能够看见感兴趣区域109。
收发器116和梯度控制器130被示为被连接到计算机***140的硬件接口142。计算机***还包括与硬件***142、存储器150和用户接口146通信的处理器144。存储器150可以是处理器144可访问的存储器的任意组合。这可以包括诸如主存储器、高速缓冲存储器以及还有非易失性存储器(诸如闪速RAM、硬盘驱动器或其他存储设备)之类。在一些范例中,存储器150可以被认为是非瞬态计算机可读介质。存储器150被示为存储使得处理器144能够控制磁共振成像***100的操作和功能的机器可执行指令160。存储器150还被示为包含脉冲序列命令162。如本文中所使用的脉冲序列命令包含用来根据时间控制磁共振成像***100的功能的命令或可以被转换为这种命令的时序图。脉冲序列命令是被应用于特定磁共振成像***100的磁共振成像协议的实施方式。
脉冲序列命令162可以呈以处理器144向磁共振成像***100的各种部件发送的命令的形式,或它们可以是被转换为处理器144用来控制磁共振成像***100的命令的数据或元数据。
计算机存储器150还被示为包含组成测量的磁共振数据的多个测量的数据部分164。计算机存储设备150还被示为包含一组线圈灵敏度166。线圈灵敏度166的存在是可选的。在存在单个天线的情况下,可以不存在任何线圈灵敏度。线圈灵敏度可以通过将根据来自线圈元件中的每个线圈元件的磁共振数据生成的图像与从身体线圈生成的图像进行比较来测量。在一些情况下,该组线圈灵敏度166也可以在根据压缩感知磁共振成像协议生成图像的过程中被确定。
计算机存储器150还被示为包含使用压缩感知磁共振成像协议和测量的数据部分164重建的中间磁共振图像。计算机存储器150还被示为包含预测的数据部分170。预测的数据部分170可以通过执行中间磁共振图像168的逆傅里叶变换以预测k空间中的测量的值来确定。在存在多个线圈元件115的情况下,预测的线圈图像可以首先通过使用一组线圈灵敏度来推测对总体中间磁共振图像的预测的贡献而计算。
中间或预测的线圈图像然后可以被傅里叶变换,以计算针对每个个体线圈元件或天线元件115的预测的数据部分。预测的数据部分170然后可以与针对总体过程或针对每个个体天线元件115的每个测量的数据部分164和残差172进行比较。残差172然后可以结合预定阈值174用来从测量的数据部分识别多个异常数据部分176。计算机存储器还被示为包含校正的磁共振图像178。校正的磁共振图像使用排除异常数据部分176的测量的数据部分164来构建。这可以以多种不同的方式来执行。在一种情况下,校正的磁共振图像可以使用压缩感知磁共振成像协议重建已经从测量的数据部分164移除异常数据部分176的图像来完全重建。
在其他情况下,中间磁共振图像168可以用作根据压缩感知磁共振成像协议来构建图像的迭代过程的开始点。异常数据部分176不在校正的磁共振图像178的重建中使用,然而,它们在用作计算校正的磁共振图像178的数值迭代的种子或开始点的中间磁共振图像168中使用。
图2示出了图示操作图1的磁共振成像***100的方法的流程图。在图2中示出的步骤例如可以通过机器可执行指令160来实施。首先在步骤200中,利用脉冲序列命令162来控制磁共振成像***100以采集测量的磁共振数据。测量的磁共振数据被采集为测量的数据部分164。测量的数据部分中的每个是在一时间段期间被采集的。接下来在步骤202中,根据压缩感知磁共振成像协议使用测量的磁共振数据164来重建中间磁共振图像168。
接下来在步骤204中,使用中间磁共振图像针对测量的数据部分164中的每个来计算预测的数据部分170。如之前提到的,这可以使用逆傅里叶变换来预测测量的数据而完成。接下来在步骤206中,使用预测的数据部分170针对测量的数据部分164中的每个来计算残差172。接下来在步骤208中,从测量的数据部分识别一个或多个异常数据部分176,其具有在预定阈值174之上的残差172。最后,在步骤210中,根据压缩感知磁共振成像协议使用测量的磁共振数据164来重建校正的磁共振图像178。这通过从图像重建中排除异常数据部分176来完成。而且如之前提到的,这可以以若干不同的方式来执行。
图3示出了图示操作图1的磁共振成像***100的又一方法的流程图。该方法以步骤200’开始。在步骤200’中,利用脉冲序列命令162来控制磁共振成像***100,使得仅测量的磁共振数据的一部分被采集。这可以是一个或多个测量的数据部分164。步骤202-208与如在图2中示出的那些相同,除了该方法利用已经被采集的所有测量的数据部分而不是完整的测量的磁共振数据被执行。在步骤208已经被执行之后,步骤300被执行。在步骤300中,执行对被识别为异常数据部分的测量的数据部分的重新采集的安排。该方法然后前进到判定框302。判定框302可以回答若干不同的问题。第一个问题将会是所有测量的数据部分已经被采集。如果回答为是,则该方法前进到步骤210,并且校正的磁共振图像被构建。
如果回答为否,则该方法返回到步骤200’,并且另一组一个或多个测量的数据部分被采集。作为备选方案,判定框302还可以询问足够的磁共振数据已经被采集的问题。如果回答为是,则该方法再次前进到步骤210。如果回答为否,则该方法也回到步骤200’。压缩感知磁共振成像协议能够重建磁共振图像而无需对k空间的完整采集。在一些情况下,简单地丢弃或忽视被识别为异常数据部分的数据可以是足够的。然而,如果太多异常数据部分被识别,则仔细检查并采集识别的异常数据部分中的一个或多个可以是有益的。
图4示出了操作图1的磁共振成像***100的又一方法。图4中的方法类似于在图2中示出的方法,并且额外的步骤在步骤210之后被执行。步骤400在步骤210之后被执行。在步骤400中,根据一个或多个异常数据部分来构建一幅或多幅异常磁共振图像。应当注意,异常数据部分可以被处置为单独采集的磁共振数据,并且单独用来构建中间磁共振图像和残差以及校正的磁共振图像,如在图2中图示的。在一些情况下,残差可以是由于对象118的瞬时运动。然而,在一些情况下,在预定阈值之上的残差可以是由于对象118的周期性或无意识的周期性运动。在这种情况下,异常数据部分可以用来制作表示对象118的周期性运动的不同阶段的一系列图像。
图5示出了图示操作图1的磁共振成像***100的又一方法的流程图。在图5中示出的方法类似于在图2中图示的方法。步骤200-210如它们在图2中一样被执行。在步骤210之后,该方法前进到步骤500。步骤500是执行对校正的磁共振图像与中间磁共振图像之间的收敛的测试的判定框。如果校正的磁共振图像已经在预定度量或统计测试内收敛到中间磁共振图像,则该方法前进到步骤502,并且该方法结束。如果两幅图像还未充分收敛,则该方法前进到步骤504。在步骤504中,校正的磁共振图像被设置为是中间磁共振图像,并且该方法返回到步骤204。
预测的数据部分针对测量的数据部分中的每个使用之前什么是校正的磁共振图像来重新计算。该方法然后通常再次前进通过步骤206、208和步骤210。在步骤208中,当中间磁共振图像已经改变时,可以存在被识别为异常数据部分的更多数据部分。在该范例方法中,之前在其他迭代中被识别为异常数据部分的测量的数据部分可以继续被识别为异常数据部分。然而,在该方法的一些其他范例中,计算残差和预测的数据部分的步骤可以针对用于每一次迭代的每一个单个测量的数据部分进行重复。该方法然后前进到步骤500。如果图像已经收敛,则该方法在步骤502中结束,并且如果还未收敛,则迭代可以通过回到步骤504而继续。在一些范例中,最大迭代数量可以被设置。
CS重建是测量的数据与重新投影的图像之间的差用来计算图像更新(其经受给定的稀疏性约束)的迭代重建。在数据采集期间的运动将会引起图像伪影,因为重建算法试图将冲突数据合并成单幅图像。因为CS通常使用比标准重建更少的数据,其朝向运动伪影的灵敏性高于标准重建的灵敏性。
范例可以通过引入针对运动的简单模型来改善CS重建抵抗运动伪影的稳定性。中间磁共振图像表示对象的静态时间阶段,并且以此方式,该模型将对象处于静止的对象的静态时间阶段与可能的运动阶段区别开:来自静态阶段的数据点在图像更新的计算中被考虑并且在运动阶段期间采集的数据点被忽视是可能的。测量的数据部分在截然不同的时间段期间被采集。被识别为异常数据部分的测量的数据部分可以表示当对象可能在运动中的时间。
压缩感知(CS)重建将重建的图像的稀疏性强加在(合适选择的)域中。这是除了重建的图像符合测量的数据的常用准则之外的额外要求。因此,CS允许从比标准重建更少的数据来重建图像,并且因此实现加速的成像或允许在可用数据有限的情况下重建图像。
范例可以在CS期间减少由数据采集期间的运动引起的重影伪影。
如上面提到的,范例可以通过引入针对运动的简单模型来改善CS重建抵抗运动伪影的稳定性。该模型将对象的静态时间阶段与可能的运动阶段区别开:优选地来自静态阶段/时段的数据点在图像更新的计算中被考虑,并且在运动阶段期间采集的数据点被忽视。
将数据集分割成静态时间阶段和运动时间阶段能够以以下若干方式来完成:
a)通过使用来自外部传感器(例如摄像机、呼吸带、PPU、…)的数据。该方法是非常高效的,因为它能够在实际重建开始之前被应用,但是它具有需要额外传感器的缺点。
b)通过使用测量数据本身并且识别测量的数据部分:为此,分析测量的数据(测量的数据部分)与以残差形式的重新投影的图像之间的差的分布。标准CS重建仅具有一种处理该差的方式:根据其计算图像更新。
范例可以将作为额外选项的数据排除引入到CS算法中:如果差的模式与数据采集的时间模式相关,则运动是该差的原因是可能的。在这种情况下,数据集的该部分能够被排除(=被分配给运动阶段)并且在进一步的重建中被忽视。拒绝的或忽视的数据可以被分配为异常数据部分。以此方式,能够显著地减少运动伪影。
MRI扫描使用可变密度采样和适当的子采样来执行。基于这些数据,开始CS重建。
不同的CS算法实施方式是可想到的。
(1)首先基于所有可用数据,中间磁共振图像使用迭代CS重建算法来重建。该算法使用稀疏化变换和对应的规则化。必要的线圈灵敏性信息能够从k空间数据的中心部分导出。所有测量的数据最初被考虑为是正确的。这意味着在迭代过程期间仅还未被测量的位置处的数据被更新。
(2)在特定水平的收敛下,数据排除(异常数据部分的识别)被激活(在图像更新计算之后):残差针对在短时间间隔(例如一个TSE拍摄)内采集的所有数据进行求和,并且残差模式被分析以检查运动事件。
对于该步骤,针对每个轮廓的自然时间足迹信息用来识别单独的但也在时间上相关的源自于受相同运动事件影响的相同时间间隔的异常。那些在以下过程中被减小权重或被排除。
(3)CS迭代被继续,直至达到特定水平的一致性或要被信任的最小数量的数据并且停止迭代。
该过程还能够通过更新线圈灵敏性图(CSM)进一步改善,因为在运动的情况下那些也可以是伪影的对象。以此方式,CSM也从(经由自动校准)被嵌入在迭代过程中的数据来估计,以识别并且可能完全排除不一致的测量数据,从而最终重建无伪影图像。如果来自中心区域的线不经受运动,则更新CSM不是必要的。
又一要素是对应轮廓的时间足迹的适当选择。即不仅k空间中的采样模式是重要的,而且数据采集的时间顺序也是重要的:在用于CS的可变密度采样模式的生成之后,个体样本必须在时间上被适当地分布。此处,关于期望的图像对比度的考虑以及适当的采样多样性是重要的。这意味着随后采集的可能被分组成个体时间足迹的k空间样本在很大程度上被分布在k空间内,以避免太大的欠采样导致使重建非常不稳定的k空间中的大程度的局部孔。
尽管已经在附图和前述描述中详细说明和描述了本发明,但是这样的说明和描述将被认为是说明性或示范性而非限制性的;本发明不限于所公开的实施例。
通过研究附图、说明书和随附的权利要求书,本领域技术人员在实践所主张的本发明时可以理解和实现所公开的实施例的其他变型。在权利要求中,词语“包括”不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。互不相同的从属权利要求中记载了特定措施的仅有事实并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/被分布在适合的介质(诸如连同其他硬件一起供应或者作为其一部分来供应的光学存储介质或固态介质)上,而且可以以其他形式分布(诸如经由因特网或其他有线或无线电信***)。权利要求中的任何附图标记不应当被解释为对范围的限制。
Claims (15)
1.一种用于从成像区(109)采集对象(118)的测量的磁共振数据的磁共振成像***(100),其中,所述磁共振成像***包括:
- 存储器(150),其用于存储机器可执行指令(160)并且用于存储根据压缩感知磁共振成像协议来采集所述测量的磁共振数据的脉冲序列命令(162);以及
- 处理器(144),其用于控制所述磁共振成像***,其中,对所述机器可执行指令的执行使所述处理器:
- 利用所述脉冲序列命令来控制(200)所述磁共振成像***以采集所述测量的磁共振数据,其中,所述测量的磁共振数据被采集为测量的数据部分(164),其中,所述测量的数据部分中的每个是在一时间段期间被采集的;
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(202)中间磁共振图像(168);
- 使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算(204)预测的数据部分(170);
- 使用所述预测的数据部分针对所述测量的数据部分中的每个来计算(206)残差(172);
- 在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别(208)为异常数据部分(176);并且
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(210)校正的磁共振图像(178),并且其中,一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
2.根据权利要求1所述的磁共振成像***,其中,所述压缩感知磁共振成像协议是并行成像磁共振成像协议,其中,所述磁共振成像***包括具有用于采集所述测量的磁共振数据的多个天线元件(115)的磁共振成像天线(114),其中,在所述时间段期间,所述测量的磁共振数据从所述多个天线元件中的每个天线元件被采集为整体测量的数据部分,并且其中,所述残差是在所述时间段内针对所述多个天线元件中的每个天线元件来计算的。
3.根据权利要求2所述的磁共振成像***,其中,所述残差是针对所述多个天线中的每个天线单独地来计算的,其中,如果针对所述多个天线中的一个天线的残差在所述预定阈值之上,则所述整体测量的数据部分被识别为所述异常数据部分中的一个。
4.根据权利要求2所述的磁共振成像***,其中,所述残差是所述多个天线的全部残差上的平均残差,其中,如果所述平均残差在所述预定阈值之上,则针对所有所述多个天线的所述整体测量的数据部分被识别为所述异常数据部分中的一个。
5.根据前述权利要求中的任一项所述的磁共振成像***,其中,在特定时间段内根据所述压缩感知磁共振成像协议采集的k空间数据使用分布函数被最大地分散在k空间中。
6.根据权利要求5所述的磁共振成像***,其中,当所述测量的数据部分中的一个或多个测量的数据部分被采集时,所述中间磁共振图像被重复地重建,其中,当所述一个或多个测量的数据部分被采集时,所述预测的数据部分被重复地计算,其中,当所述一个或多个测量的数据部分被采集时,所述残差被重复地计算,并且其中,当所述一个或多个测量的数据部分被采集时,在所述残差在所述预定阈值之上的情况下所述测量的数据部分的所述一个或多个测量的数据部分中对应所述残差的所述测量的数据部分被重复地识别为所述异常数据部分中的一个。
7.根据权利要求6所述的磁共振成像***,其中,所述中间磁共振图像的分辨率随着越来越多数量的所述测量的磁共振数据被采集而被改变。
8.根据权利要求1-4中的任一项所述的磁共振成像***,其中,对所述机器可执行指令的执行使所述处理器在测量的数据部分被识别为所述异常数据部分中的一个的情况下重新采集所述测量的数据部分。
9.根据权利要求1-4中的任一项所述的磁共振成像***,其中,所述残差是使用将所述测量的数据部分中的每个与所述预测的数据部分进行比较的统计度量来计算的。
10.根据权利要求9所述的磁共振成像***,其中,所述统计度量根据个体k空间测量结果在k空间中的位置对所述个体k空间测量结果进行加权。
11.根据权利要求1-4中的任一项所述的磁共振成像***,其中,对所述机器可执行指令的执行还使所述处理器根据所述压缩感知磁共振成像协议使用一个或多个所述异常数据部分来重建至少一幅异常磁共振图像。
12.根据权利要求1-4中的任一项所述的磁共振成像***,其中,对所述机器可执行指令的执行还使所述处理器:
- 将所述校正的磁共振成像设置(504)为所述中间磁共振图像;并且
- 重复对所述预测的数据部分的所述计算、对一个或多个所述异常数据部分的所述识别和对所述校正的磁共振图像的所述重建。
13.根据权利要求1-4中的任一项所述的磁共振成像***,其中,所述测量的数据部分样本中的每个具有独特的k空间采样模式。
14.一种计算机可读介质,其存储用于由控制磁共振成像***(104)的处理器(144)执行的机器可执行指令(160),其中,所述磁共振成像***被配置用于从成像区(108)采集对象(118)的测量的磁共振数据,其中,对所述机器可执行指令的执行使所述处理器:
- 利用脉冲序列命令(162)来控制(200)所述磁共振成像***以根据压缩感知磁共振成像协议来采集测量的磁共振数据,其中,所述测量的磁共振数据被采集为测量的数据部分(164),其中,所述测量的数据部分中的每个是在一时间段期间被采集的;
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(202)中间磁共振图像(168);
- 使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算(204)预测的数据部分(170);
- 使用所述预测的数据部分针对所述测量的数据部分中的每个来计算(206)残差(172);
- 在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别(208)为异常数据部分(176);并且
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(210)校正的磁共振图像(178),并且其中,一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
15.一种控制磁共振成像***(100)的方法,其中,所述磁共振成像***被配置用于从成像区(108)采集对象(118)的测量的磁共振数据,其中,所述方法包括:
- 利用脉冲序列命令(162)来控制(200)所述磁共振成像***以采集所述测量的磁共振数据,其中,所述脉冲序列命令被配置为根据压缩感知磁共振成像协议来采集所述测量的磁共振数据,其中,所述测量的磁共振数据被采集为测量的数据部分(164),其中,所述测量的数据部分中的每个是在一时间段期间被采集的;
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(202)中间磁共振图像;
- 使用所述中间磁共振图像针对所述测量的数据部分中的每个来计算(204)预测的数据部分(170);
- 使用所述预测的数据部分针对所述测量的数据部分中的每个来计算(206)残差(172);
- 在所述残差在预定阈值之上的情况下将所述测量的数据部分中的一个或多个识别(208)为异常数据部分(176);并且
- 根据所述压缩感知磁共振成像协议使用所述测量的磁共振数据来重建(210)校正的磁共振图像(178),并且其中,一个或多个所述异常数据部分从对所述校正的磁共振图像的所述重建中被排除。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16180581 | 2016-07-21 | ||
EP16180581.7 | 2016-07-21 | ||
PCT/EP2017/067866 WO2018015298A1 (en) | 2016-07-21 | 2017-07-14 | Motion-corrected compressed sensing magnetic resonance imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109477878A CN109477878A (zh) | 2019-03-15 |
CN109477878B true CN109477878B (zh) | 2021-08-24 |
Family
ID=56507473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780045151.0A Active CN109477878B (zh) | 2016-07-21 | 2017-07-14 | 运动校正的压缩感知磁共振成像 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10698064B2 (zh) |
EP (1) | EP3500869B1 (zh) |
JP (1) | JP6932181B2 (zh) |
CN (1) | CN109477878B (zh) |
RU (1) | RU2019104619A (zh) |
WO (1) | WO2018015298A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3543725A1 (en) * | 2018-03-22 | 2019-09-25 | Koninklijke Philips N.V. | Self-navigation in three-dimensional magnetic resonance imaging |
CN109040757B (zh) * | 2018-07-20 | 2020-11-10 | 西安交通大学 | 一种压缩感知多层残差图像编码方法 |
JP7221681B2 (ja) * | 2018-12-28 | 2023-02-14 | キヤノンメディカルシステムズ株式会社 | 画像再構成方法、再構成装置、及び磁気共鳴イメージング装置 |
US10950014B2 (en) | 2019-03-01 | 2021-03-16 | Canon Medical Systems Corporation | Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI) |
EP3719525A1 (en) * | 2019-04-01 | 2020-10-07 | Koninklijke Philips N.V. | Correction of magnetic resonance images using simulated magnetic resonance images |
US10806370B1 (en) * | 2019-04-25 | 2020-10-20 | General Electric Company | MRI system and method for detection and correction of patient motion |
US11280868B2 (en) * | 2019-06-19 | 2022-03-22 | GE Precision Healthcare LLC | Image enhancement with variable number of excitation (NEX) acquisitions accelerated using compressed sensing |
EP3824814A1 (en) * | 2019-11-22 | 2021-05-26 | Koninklijke Philips N.V. | Assessment of measured tomographic data |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103154934A (zh) * | 2010-06-11 | 2013-06-12 | Abb研究有限公司 | 检测状态估计网络模型数据误差 |
CN103424420A (zh) * | 2013-01-31 | 2013-12-04 | 上海理工大学 | 一种基于拟合的核磁共振信号处理方法 |
EP2728371A1 (en) * | 2012-11-02 | 2014-05-07 | Universitätsklinikum Freiburg | Segmented 3D Cartesian MR data acquisition using a randomized sampling pattern for compressed sensing image reconstruction |
US8768034B2 (en) * | 2012-03-20 | 2014-07-01 | Siemens Medical Solutions Usa, Inc. | Motion compensated MR imaging system |
CN105005012A (zh) * | 2015-06-05 | 2015-10-28 | 北京大学 | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE528733T1 (de) * | 2007-12-20 | 2011-10-15 | Wisconsin Alumni Res Found | Verfahren für dynamische eingeschränkte bildrekonstruktion mit vorhergehendem bild |
US8472688B2 (en) * | 2008-04-17 | 2013-06-25 | Wisconsin Alumni Research Foundation | Method for image reconstruction employing sparsity-constrained iterative correction |
EP2283373B1 (en) * | 2008-04-28 | 2021-03-10 | Cornell University | Accurate quantification of magnetic susceptibility in molecular mri |
WO2012143821A1 (en) | 2011-04-21 | 2012-10-26 | Koninklijke Philips Electronics N.V. | Magnetic resonance imaging of object in motion |
WO2013159044A1 (en) | 2012-04-19 | 2013-10-24 | New York University | System, method and computer-accessible medium for highly-accelerated dynamic magnetic resonance imaging using golden-angle radial samplng and compressed sensing |
US9797974B2 (en) | 2013-01-30 | 2017-10-24 | The Board Of Trustees Of The Leland Stanford Junior University | Nonrigid motion correction in 3D using autofocusing with localized linear translations |
US9476712B2 (en) | 2013-07-31 | 2016-10-25 | Honeywell International Inc. | MEMS device mechanism enhancement for robust operation through severe shock and acceleration |
WO2015086327A1 (en) * | 2013-12-10 | 2015-06-18 | Koninklijke Philips N.V. | Calculating mri rf coil sensitivities using interpolation into an enlarged field of view |
JP2016539722A (ja) | 2013-12-12 | 2016-12-22 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | マルチエコーによる区分化されたk空間の取得を用いたMR撮像 |
JP6494986B2 (ja) | 2014-01-16 | 2019-04-03 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置及び画像処理装置 |
JP6072723B2 (ja) * | 2014-04-21 | 2017-02-01 | 株式会社日立製作所 | 磁気共鳴イメージング装置、及び画像撮像方法 |
US9770223B2 (en) * | 2014-09-09 | 2017-09-26 | Wisconsin Alumni Research Foundation | System and method for accelerated, time-resolved imaging |
US9846214B2 (en) * | 2014-12-29 | 2017-12-19 | Toshiba Medical Systems Corporation | Magnetic resonance image reconstruction for undersampled data acquisitions |
US10310047B2 (en) * | 2016-04-21 | 2019-06-04 | University Of Virginia Patent Foundation | Systems and methods for free-breathing cine DENSE MRI using self-navigation |
CN116741352A (zh) * | 2017-11-24 | 2023-09-12 | 佳能医疗***株式会社 | 医用数据处理装置、磁共振成像装置及学习完毕模型生成方法 |
-
2017
- 2017-07-14 EP EP17737301.6A patent/EP3500869B1/en active Active
- 2017-07-14 US US16/317,592 patent/US10698064B2/en active Active
- 2017-07-14 CN CN201780045151.0A patent/CN109477878B/zh active Active
- 2017-07-14 JP JP2019502637A patent/JP6932181B2/ja active Active
- 2017-07-14 RU RU2019104619A patent/RU2019104619A/ru not_active Application Discontinuation
- 2017-07-14 WO PCT/EP2017/067866 patent/WO2018015298A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103154934A (zh) * | 2010-06-11 | 2013-06-12 | Abb研究有限公司 | 检测状态估计网络模型数据误差 |
US8768034B2 (en) * | 2012-03-20 | 2014-07-01 | Siemens Medical Solutions Usa, Inc. | Motion compensated MR imaging system |
EP2728371A1 (en) * | 2012-11-02 | 2014-05-07 | Universitätsklinikum Freiburg | Segmented 3D Cartesian MR data acquisition using a randomized sampling pattern for compressed sensing image reconstruction |
CN103424420A (zh) * | 2013-01-31 | 2013-12-04 | 上海理工大学 | 一种基于拟合的核磁共振信号处理方法 |
CN105005012A (zh) * | 2015-06-05 | 2015-10-28 | 北京大学 | 基于压缩感知的腹部器官动态对比增强磁共振成像方法 |
Non-Patent Citations (4)
Title |
---|
Compressed-Sensing Motion Compensation (CosMo): A Joint Prospective–Retrospective Respiratory Navigator for Coronary MRI;Mehdi H.Moghari et al.;《Magnetic Resonance in Medicine》;20110610;第66卷(第6期);第1674-1681页 * |
Joint Image Reconstruction and Motion Parameter Estimation for Free-Breathing Navigator-Gated Cardiac MRI;Mehmet Akcakaya et al.;《Proc. of SPIE》;20130926;第8858卷;第885820页 * |
POCS-Enhanced Correction of Motion Artifacts in Parallel MRI;Alexey A.Samsonov et al.;《Magnetic Resonance in Medicine》;20100401;第63卷(第4期);第1104-1110页 * |
Whole-Heart Coronary MRA with 100% Respiratory Gating Efficiency: Self-Navigated Three-Dimensional Retrospective Image-Based Motion Correction (TRIM);Jianing Pang et al.;《Magn Reson Med》;20130207;第71卷(第1期);第67-74页 * |
Also Published As
Publication number | Publication date |
---|---|
US20190242965A1 (en) | 2019-08-08 |
BR112019001002A2 (pt) | 2019-05-14 |
US10698064B2 (en) | 2020-06-30 |
JP2019530486A (ja) | 2019-10-24 |
WO2018015298A1 (en) | 2018-01-25 |
CN109477878A (zh) | 2019-03-15 |
EP3500869A1 (en) | 2019-06-26 |
EP3500869B1 (en) | 2021-02-24 |
RU2019104619A (ru) | 2020-08-21 |
JP6932181B2 (ja) | 2021-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109477878B (zh) | 运动校正的压缩感知磁共振成像 | |
CN105980875B (zh) | 经校正的多切片磁共振成像 | |
EP3682256A1 (en) | Parallel imaging with archived coil sensitivity maps | |
US10345413B2 (en) | Propeller magnetic resonance imaging | |
US11519991B2 (en) | Motion estimation and correction in magnetic resonance imaging | |
CN113892149A (zh) | 用于运动伪影检测的方法 | |
US20230186532A1 (en) | Correction of magnetic resonance images using multiple magnetic resonance imaging system configurations | |
JP7401450B2 (ja) | 3次元磁気共鳴イメージングにおける自律ナビゲーション | |
CN110114685B (zh) | 使用最大似然重建的对心脏的t1映射 | |
US11609294B2 (en) | Acquisition of four dimensional magnetic resonance data during subject motion | |
CN111033290B (zh) | 傅里叶空间中的磁共振指纹识别 | |
EP3524996A1 (en) | Reduction of artifacts in parallel magnetic resonance imaging | |
EP4359810A1 (en) | Out of distribution testing for magnetic resonance imaging | |
JP2022527509A (ja) | シミュレーション磁気共鳴画像を使用した磁気共鳴画像の補正 | |
BR112019001002B1 (pt) | Sistema de imageamento por ressonância magnética, mídia legível por computador e método para controlar um sistema de imageamento por ressonância magnética | |
WO2018134445A1 (en) | Acquisition of four dimensional magnetic resonance data during subject motion |
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 |