CN112285624A - 具有改善的正则化参数的压缩感测 - Google Patents
具有改善的正则化参数的压缩感测 Download PDFInfo
- Publication number
- CN112285624A CN112285624A CN202010703437.7A CN202010703437A CN112285624A CN 112285624 A CN112285624 A CN 112285624A CN 202010703437 A CN202010703437 A CN 202010703437A CN 112285624 A CN112285624 A CN 112285624A
- Authority
- CN
- China
- Prior art keywords
- dependent
- image
- signal
- noise
- sensitivity map
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 68
- 230000001419 dependent effect Effects 0.000 claims abstract description 47
- 230000035945 sensitivity Effects 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 210000003484 anatomy Anatomy 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000873 masking effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000000399 orthopedic effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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]
- G01R33/443—Assessment of an electric or a magnetic field, e.g. spatial mapping, determination of a B0 drift or dosimetry
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
- G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及具有改善的正则化参数的压缩感测。本发明涉及一种使用压缩感测技术在MR***中生成检查对象的信噪比改善的MR图像的方法,所述方法包括:‑确定检查对象的第一MR信号数据组,其中,对相应的k空间进行随机子采样,‑针对至少一个接收线圈中的每一个,确定与位置有关的灵敏度图,至少一个接收线圈用于检测检查对象所在的位置的第一MR信号数据组的MR信号,‑使用压缩感测技术的优化过程,来确定信噪比改善的MR图像,其中,使用与位置有关的正则化参数l,其中,基于与位置有关的灵敏度图,来确定与位置有关的正则化参数l。
Description
技术领域
本申请涉及一种用于生成检查对象的信噪比改善的磁共振(magneticresonance,MR)图像的方法以及对应的MR***。此外,提供一种包括程序代码的计算机程序和包括计算机程序的载体。
背景技术
压缩感测(compressed sensing,CS)是一种基于对相应的k空间的不完整的随机采集来进行加速的MR信号采集的方法。基于迭代优化过程来生成信噪比改善的MR图像。在所生成的图像的重建侧执行压缩感测技术,并且使用关于如何能够使用信号的稀疏性(sparsity)来压缩信号的知识。这有助于减小k空间的采样率和/或减小所重建的MR图像的信噪比。
可以在各种应用中,作为示例在以高时间分辨率对流量进行动态测量的情况下,使用压缩感测技术。这里,因为大量图像像素具有低的信号强度,因此可以获得相当好的图像质量,尽管进行高欠采样。表述“稀疏性”反映了如下事实,即,包括有意义的数据的图像像素的范围(extent)小。作为示例,血管造影MR图像通常是本质上稀疏的图像,因为仅血管包括高的信号强度,而其余像素显示没有信息的背景。
压缩感测技术的另一个应用领域是静态应用,例如矫形(orthopedic)应用,其中,例如在相位编码方向上执行欠采样,从而可以减少MR图像的完整采集时间。
压缩感测技术中的一个重要参数是正则化参数λ。该正则化参数描述所获得的MR图像的数据一致性与稀疏性或可压缩性之间的平衡。正则化参数的选择确定最终图像中的噪声的量。如果将该参数选择为具有太大的值,则图像中的噪声大大减少。然而,这可能意味着所显示的解剖结构的重要相关细节也丢失。这在必须显示详细结构的情况下、例如在矫形图像中尤其成问题。如果将正则化参数选择为太小,则噪声可能覆盖所显示的解剖结构,从而无法正确地识别噪声图像中的解剖结构。
在应用压缩感测技术时,已经发现,尤其是在矫形压缩感测MR图像中,发生了最佳正则化参数的很大的变化。相应地发现,取决于测量设置,最佳正则化参数因测量而异,从而无法为了获得良好的重建图像的结果,为不同的测量预先选择正则化参数。在静态测量中,可压缩性与进行成像的身体的部位有关,因此与成像协议的参数和生理机能有关。
动态测量同样如此。
相应地,存在改善压缩感测技术,使得针对不同的成像情形找到最佳正则化参数的需求。
到目前为止,找到提供最佳图像质量、但是避免关于解剖结构的重要信息丢失的最佳正则化参数,需要进行大量的试验和错误。
发明内容
这种需求通过本申请的特征来满足。下面描述其它方面。
根据第一方面,在使用压缩感测技术的MR***中,提供用于生成检查对象的信噪比改善的MR图像的方法。根据所述方法,确定检查对象的第一MR信号数据组,在第一MR信号数据组中,对相应的k空间随机地进行欠采样。此外,针对用于检测检查对象所在的位置的第一MR信号数据组的MR信号的至少一个接收线圈中的每一个,确定与位置有关的灵敏度图。此外,在使用与位置有关的正则化参数的压缩感测技术的优化过程中,确定信噪比改善的MR图像,其中,基于接收线圈的与位置有关的灵敏度图,来确定该与位置有关的正则化参数。
通过使用接收线圈的灵敏度图,可以使信噪比改善的MR图像的生成,适配于当前的测量条件,当前的测量条件主要与接收线圈的接收条件有关。最佳或最优的正则化参数与图像的信噪比有关,并且因为信噪比与所使用的接收线圈的灵敏度图有关,因此可以确定特定于情况的与位置有关的正则化参数。该特定于情况的与位置有关的正则化参数,有助于改善在压缩感测技术的优化过程中生成的所生成的信噪比改善的MR图像。
此外,可以确定检查对象所在的位置处的噪声信息。然后,可以基于所涉及的线圈的与位置有关的灵敏度图以及所确定的噪声,来确定与位置有关的正则化参数。作为示例,可以例如通过使用可能不存在MR信号的图像的一部分中的关注区域中的标准偏差,在所获得的不显示解剖结构的区域中的MR图像中,确定噪声。作为替换,可以使用用于确定噪声的其它方法,例如从如下文献中已知的伪复制方法(pseudo replica method):Comprehensive Quantification of Signal-to-Noise Ratio and g-Factor for Image-Based and k-Space-Based Parallel Imaging Reconstructions,Philip M.Robson,Magnetic Resonance in Medicine 60:895-907(2008)。
与位置有关的正则化参数,可以是取决于作为变量的所确定的噪声和与位置有关的灵敏度图的函数。
可以确定函数,使得函数和噪声成比例,并且间接地和与位置有关的灵敏度图成比例。这意味着,噪声越大,正则化参数将越大。此外,某个区域中的接收线圈的灵敏度越高,则正则化参数可能越小。
与位置有关的灵敏度图可以完全覆盖MR***的最大可能视野内的预先定义的关注区域。可以完全覆盖该预先定义的关注区域,并且该预先定义的关注区域不包括孔,从而针对不包括孔的预先定义的区域,确定与位置有关的正则化参数。针对接收线圈生成的灵敏度图不包含孔,因为基于局部线圈和身体线圈,来确定MR信号是否可能来自MR***的最大可能视野内的某个部分,或者是否在某个位置不存在所检查的对象。相应地,通过使用灵敏度图,可以针对理论上可以由MR***检测到MR信号的整个区域,获得正则化参数。
此外,可以针对多个不同的位置,对与位置有关的正则化参数进行平均,以获得与区域有关的正则化参数,其中,在一个区域内,使用相同的正则化参数。然后,基于与区域有关的正则化参数,来确定信噪比改善的MR图像。
相应地,代替使用对于图像的每个像素不同的正则化参数,可以针对不同的区域,使用相同的正则化参数。可以使用区域增长算法来确定这些区域,在区域增长算法中,将不同的解剖区域的正则化参数组合,并且在这些区域中的每一个内使用单个值。这进一步有助于改善图像质量,因为正则化参数从一个像素到相邻的像素不剧烈地变化。
与位置有关的正则化参数的函数可以为如下:
λf=af(E,R)-λ0 (1)
这里,λ0是恒定的预先定义的偏移参数,E是与x、y和z有关的局部灵敏度图,R是噪声,并且a是缩放因子。
函数的一个可能的选项如下:
函数的另一个选项如下:
R_min和R_max由所需要的最小和最大SNR=信号/噪声来定义,而信号例如由平均信号强度来定义。SNR的示例是5到100的范围。
此外,提供对应的MR***,MR***被配置为用于生成检查对象的信噪比改善的MR图像。MR***包括控制单元,控制单元被配置为如上面所讨论的或如下面进一步详细说明的那样操作。
附加地,提供一种包括程序代码的计算机程序,当由MR***的控制单元执行计算机程序时,计算机程序使MR***执行上面讨论或下面将进一步详细说明的方法。
附加地,提供一种包括计算机程序的载体,其中,载体是电信号、光信号、无线电信号或计算机可读存储介质中的一个。
应当理解,不仅可以在所指出的各个组合中,而且可以在其它组合中,使用上面提到的特征和下面将要说明的特征,而不脱离本申请的范围。除非另外明确指出,否则可以在其它组合中,将下面描述的上面提到的各方面和实施例的特征彼此组合。
附图说明
在结合附图阅读时,根据下面的详细描述,本申请的前述的和附加的特征和效果将变得明显,在附图中,相似的附图标记指代相似的元素。
图1示出了MR***的示意图,MR***被配置为,利用使用接收线圈的灵敏度图的改善的压缩感测技术,来确定MR图像。
图2示出了如何基于使用接收线圈的灵敏度图的压缩感测技术,来计算信噪比改善的图像的过程的示意图。
图3示出了为了基于使用接收线圈的与位置有关的灵敏度图的改善的压缩感测技术,来确定MR图像,而由MR***执行的消息的示意性的示例流程图。
具体实施方式
下面,将参照附图详细描述本发明的实施例。应当理解,下面对实施例的描述不应当视为是限制性的。本发明的范围不旨在由下面描述的实施例或附图限制,下面描述的实施例或附图仅仅是说明性的。
附图应当视为是示意性的表示,并且在附图中示出的元素不一定按比例示出。相反,各个元素被表示为,使得各个元素的功能和通用目的对于本领域技术人员变得显而易见。在附图中示出并且在下面描述的功能块、设备、物理或功能单元的部件之间的任何连接或耦合,可以由间接的连接或耦合来实现。部件之间的耦合可以通过有线或无线连接来建立。在附图中示出的功能块可以以硬件、软件、固件或其组合来实现。
如下面将说明的,基于所涉及的接收MR信号的接收线圈的灵敏度图,来确定在压缩感测技术中使用的正则化参数,MR信号用于生成使用压缩感测技术处理的MR图像。
图1示出了MR***90的示意图,MR***90能够生成具有改善的信噪比的MR图像,改善的信噪比基于使用与位置有关的正则化参数的压缩感测技术来产生。MR***9包括生成极化场B0的磁体100。将躺在工作台12上的检查对象13移动到MR***90的中心,在MR***90的中心,可以在由RF激励脉冲激励磁化之后,由接收线圈11检测MR信号。接收线圈11可以包括不同的线圈部分,其中,每个线圈部分可以与对应的检测通道相关联。此外,提供身体线圈(未示出),身体线圈被配置为,从在MR***90中可能的最大视野接收MR信号或施加RF脉冲。通过施加RF脉冲和磁场梯度,激励对象13、尤其是位于接收线圈中的部分中的核自旋,并且对其进行位置编码,并且可以检测到弛豫感生的电流。生成MR图像以及使用RF脉冲序列和磁场梯度序列检测MR信号的方式,在本领域中是已知的,因此省略其详细说明。
MR***90包括用于控制MR***的控制单元20。控制单元20包括:梯度控制单元14,用于控制和切换磁场梯度;RF控制单元15,用于控制和生成用于成像序列的RF脉冲;以及图像序列控制单元,被配置为,依据所选择的成像序列,来控制所施加的RF脉冲的序列和磁场梯度。可以将操作MR***90所需的计算机程序,和生成MR图像所需的成像序列,与所生成的MR图像一起,存储在存储器17中。可以在显示器18上显示所生成的MR图像,其中,提供输入单元或人机接口19,MR***的用户使用输入单元或人机接口19,来控制MR***的运行。提供包括一个或多个处理器的处理单元21,处理器能够执行存储在存储器17中的指令。此外,存储器可以包括要由处理单元21执行的合适的程序代码。处理单元可以基于检测到的图像,尤其是基于压缩感测技术,来重建MR图像,如下面将说明的。
图2示出了改善的压缩感测技术的示意图。首先,压缩感测技术的已知的三个主要成分是对k空间的非相干随机欠采样、稀疏性变换和非线性的迭代重建。首先,生成第一信号MR数据组30,在第一信号MR数据组30中,利用非相干随机欠采样采集k空间。下面,基于以下方程式来执行优化过程:
在该公式中,y表示根据利用非相干欠采样采集的数据组30计算的临床图像31,x是基于压缩感测技术估计的估计的图像,并且A是包括逆傅立叶变换和轨迹掩蔽(trajectory masking)两个步骤的变换,其中仅在k空间中描绘了测量的像素。第一项描述了数据一致性,并且使估计的图像x与所采集的k空间数据y之间的最小平方差、即L2范数最小。该差项越小,则一致性越好。
第二项描述了变换稀疏性,并且是变换为稀疏(sparse)表示、即变换到W空间中的图像的L1范数。相应地,w将图像空间变换为W空间。在该项中,使作为L1范数表示的变换域中的像素的绝对值的总和最小。该L1范数越小,稀疏性越高。λ是正则化参数,其是用于平衡数据一致性与稀疏性的加权因子。
相应地,优化过程使该方程式最小,并且寻求找到满足数据一致性和变换稀疏性这两个标准的解决方案。这在也在图2中示出的迭代过程中来进行。首先,在k空间中,利用强的欠采样,测量k空间数据组30,使得与在采集的信号数据满足奈奎斯特定理(Nyquisttheorem)的完全采样的MR图像中相比,接收线圈检测到更少的MR信号。
如上面所讨论的,使用非相干采样,并且非相干采样产生由于欠采样而导致的混叠伪影的噪声状的外观。原因是,然后可以在算法的稍后的步骤中,利用W空间中的阈值化过程,来移除这些噪声状的伪影,如下面将进一步详细讨论的。采样的随机特性有利于压缩感测技术的成功。在第一步骤中,将该k空间数据组30傅立叶变换到图像空间中,从而获得图像31,图像31是包括上面讨论的噪声状伪影的图像y。该图像遭受严重的欠采样伪影,但是由于采样的不相干性,混叠伪影被涂抹在图像上。所采集的数据的不相干性越好,噪声状的混叠伪影就看起来越均匀,并且重建过程将越好地工作。
使用该图像31作为迭代优化的起点。因为在数据组30中仅覆盖k空间的一小部分,因此不能获得关于图像的完整信息。通过简单的快速傅立叶变换(fast Fouriertransform,FFT)生成具有附图标记31的图像x,并且该图像仅仅是与所测量的数据一致的一种可能的解决方案,但是这种解决方案遭受伪影。于是,下面的迭代过程用于找到也与所测量的数据y一致的更好的没有伪影的解决方案。然后,在接下来的步骤中,将图像变换为稀疏表示32,即变换到W空间中,这是诸如图像的不同的数学描绘的不同的基础。该变换的目标是从噪声伪影中局部地分离希望的信号。因为W空间中的稀疏性更高,因此W空间是对图像的更适合的描绘。这意味着图像信息内容集中在W空间中的几个像素中,同时这些像素中的大多数仅具有非常低的信号。对于这种W变换,存在不同的选项,一种可能的解决方案是小波变换。
在W变换之后,现在,希望的信号与噪声部分高度分离。这允许通过阈值化过程来去除噪声,在阈值化过程中,将具有小于阈值的值的所有像素设置为零,并且从所有其它像素值中减去阈值,从而生成数据组33。这也称为软阈值化。因为W空间中的许多像素现在具有为零的值,因此非零像素的数量较少。变换稀疏性、即W空间中的图像的稀疏性提高。
这里,正则化参数作为确定丢弃多少信号的阈值起作用。正则化参数的小的值导致几个像素被设置为零。然而,与所采集的原始图像相比,大的正则化参数使最终图像进一步畸变。
现在,选择正则化参数,使得基于针对不同的接收线圈11确定的灵敏度图,来确定正则化参数。可以在预扫描期间确定灵敏度图,在预扫描中,使MR***适配于当前的信号检测情形。在该预扫描中,可以像在本领域中已知的那样确定不同的线圈元件的灵敏度图。灵敏度是每个局部接收线圈如何接收信号的度量。这种灵敏度图是三维的图E(x,y,z)。可以在执行实际测量之前,作为调整的一部分,来确定该图。可以在不提供解剖结构的图像的部分中,例如通过确定仅覆盖图像中的非信号部分的关注区域中的标准偏差,来确定噪声R。作为替换,可以使用与迭代去噪方法类似的伪复制方法,来确定噪声。
然后,正则化参数可以如下确定:
λf=af(E,R)-λ0 (1)
λ0是恒定的偏移,其与成像序列和/或存在于图像中的身体的部分有关,a是与重建有关的缩放因子,并且f是取决于与位置有关的灵敏度图和噪声的函数。优选确定该函数,使得该函数与噪声成比例,并且间接地与灵敏度图成比例。下面给出了该函数的两个不同的示例:
上面给出的两个函数在其效果方面不同。在第一个函数中,指数衰减在小的噪声值中不经历强的平滑,b是缩放因子,并且Rmin和Rmax是预先定义的噪声值。由于Rmin和Rmax的值是与诸如功率放大器和缩放因子的设置有关的绝对值,因此明确的数字没有用处。其应当被选择为例如不超过针对SNR_max和SNR_min的限制。
第二个函数具有对诸如噪声和灵敏度图的两个变量的线性加权,这两个变量由两个阈值Rmin和Rmax来限制。相应地,获得最小去噪(denoising)和最大去噪。为了避免过高的正则化,可以使用其它函数,例如对数限制。
与全局信噪比参考测量相比,使用灵敏度图的优点是,获得与位置有关的接收灵敏度。相应地,可以根据灵敏度图,与位置有关地确定正则化。在信噪比参考图中,没有信息可用于不存在解剖结构的情形。在灵敏度图中避免出现孔,因为相对于从局部接收线圈获得的数据,设置大的身体线圈的均匀的接收图。相应地,当局部接收线圈指示其没有从可能的视野的某些部分接收到信号时,但是如果整个身体线圈具有信号,则可以确定这是局部线圈的接收灵敏度的问题,而不是由于在对应的位置没有组织发出信号的事实。相应地,灵敏度图提供关于当前成像的对象的接收条件的完整概览。
相应地,获得逐像素的正则化。然而,也可以执行特定的区域增长,在区域增长中,针对不同的连接的区域,对逐像素或逐体素的正则化参数进行平均。作为示例,在包括血管的均匀的脂肪和水区域中,可以对解剖结构的不同的区域,分配平均的与区域有关的正则化参数。这些区域由不同的强度等级分离。
再次参考图2,在利用阈值TH进行阈值化之后,在W空间中获得数据组33,其中,许多像素现在具有为零的值,并且仅几个像素具有非零值。在接下来的步骤5中,利用逆W变换,将W空间表示变换回图像空间中,从而获得图像34。通过在W空间中进行阈值化过程,获得了具有较小噪声的图像。这对应于对噪声状的混叠伪影的抑制。然而,利用这种去噪,还对图像的内容进行了适配,图像具有较少的噪声,但是不再准确地反映测量。因此,在接下来的三个步骤中检查图像一致性,以查看经过去噪的图像仍多好地表示测量数据。为了将来自该第五步骤的经过去噪的图像34与k空间测量30进行比较,首先对图像34应用逆傅立叶变换,以将图像34变换回k空间中,从而获得数据组35。现在,该k空间包括所有空间频率,从而存在完整的k空间,在该完整的k空间中,k空间中的所有像素具有非零值,这与所测量的子采样的(subsampled)数据组30相反,在数据组30中,仅几个值具有非零值。
相应地,在接下来的第七步骤中,应用掩蔽过程,从而对k空间数据组35进行过滤,使得仅保留数据组30中的、也在第一步骤中测量的k空间的点。将k空间的其余部分设置为零。在利用所测量的轨迹进行掩蔽之后,获得轨迹k空间(trajectory k-space)Ax,即数据组36。接下来,通过从所测量的k空间y中减去k空间Ax,来产生k空间中的差,从而获得差Ax-y,其对应于与所测量的k空间y相比,上面的步骤4中的阈值产生的误差、即不一致。该差是校正k空间数据组37。在接下来的第九步骤中,简单的傅立叶变换将差k空间转换为差图像38。使用该图像作为对要优化的图像的更新的校正。在接下来的步骤中,现在,通过添加在步骤9中获得的校正差图像38,来更新图像31,即第二步骤中的图像x。现在,由于步骤3和4,与更新之前的图像相比,该更新后的图像具有更少的噪声状伪影。同时,借助步骤8和步骤9中的校正,使其与第一步骤中的测量k空间一致。从第3步骤到第10步骤重复地进行该过程,其中,在图2中用圆圈中的编号示出了步骤编号。现在,重复步骤3到步骤10,并且对应于减少图像空间中的混叠伪影,每一次迭代将使W空间中的稀疏性增加。同时,处理了重建与所测量的k空间的一致性。重复进行迭代,直到数据一致性项的最小平方差小于阈值,或者达到预先定义的迭代次数为止。
最后,获得信噪比改善的MR图像39,其与所测量的数据一致,但是由于变换稀疏性的最大化而被去噪。
为了实现最佳结果,使用于变换稀疏性与数据一致性之间的平衡的加权因子λ,和用于W空间中的稀疏化的阈值彼此相关。在不同的测量中,可能使用不同的接收线圈,例如4通道接收线圈、16通道接收线圈或12通道身体矩阵线圈。正则化参数与信噪比有关,因此也与接收线圈的灵敏度图有关。
利用上面描述的方法,使用接收线圈的灵敏度图,可以对于每一个测量,自动确定最佳正则化参数。
图3总结了在该过程中执行的一些主要步骤。在步骤S41中,确定第一MR信号数据组,即数据组30,其中,对k空间进行随机子采样。此外,针对在信号数据组30的检测中使用的接收线圈中的每一个,确定与位置有关的灵敏度图(步骤S42)。在步骤S43中,使用与位置有关的正则化参数,来确定信噪比改善的MR图像,与位置有关的正则化参数取决于不同的接收线圈的与位置有关的灵敏度图。在步骤S43中,执行结合图2讨论的步骤3至步骤10中的迭代过程,并且重复该迭代过程,直到在图2的过程中获得信噪比改善的MR图像39为止。
上面讨论的解决方案具有如下优点:因为使用与当前测量情形和当前接收条件有关的改善的正则化参数,因此可以更容易地处理不同的使用情况。此外,可以使用已经存在的预扫描和在这种情境下获得的灵敏度图,因此整个测量时间不会显著地增加。
Claims (13)
1.一种使用压缩感测技术在MR***中生成检查对象的信噪比改善的MR图像的方法,所述方法包括:
-确定检查对象的第一MR信号数据组,其中,对相应的k空间进行随机子采样,
-针对至少一个接收线圈中的每一个,确定与位置有关的灵敏度图,所述至少一个接收线圈用于检测所述检查对象所在的位置的所述第一MR信号数据组的MR信号,
-使用压缩感测技术的优化过程,来确定信噪比改善的MR图像,其中,使用与位置有关的正则化参数l,其中,基于所述与位置有关的灵敏度图,来确定所述与位置有关的正则化参数l。
2.根据权利要求1所述的方法,进一步确定所述检查对象所在的位置的噪声信息,其中,基于所述与位置有关的灵敏度图,并且基于所确定的噪声,来确定所述与位置有关的正则化参数l。
3.根据权利要求2所述的方法,其中,所述与位置有关的正则化参数是取决于作为变量的所确定的噪声和所述与位置有关的灵敏度图的函数。
4.根据权利要求3所述的方法,其中,确定所述函数,使得所述函数与噪声成比例,并且与所述与位置有关的灵敏度图成反比。
5.根据上述权利要求中任一项所述的方法,其中,所述与位置有关的灵敏度图完全覆盖所述MR***的最大可能视野内的预先定义的关注区域,其中,所述预先定义的关注区域被完全覆盖并且不包括孔,其中,针对所述预先定义的区域,确定所述与位置有关的正则化参数。
6.根据上述权利要求中任一项所述的方法,其中,针对多个不同的位置,对所述与位置有关的正则化参数进行平均,以形成与区域有关的正则化参数,其中,在区域中的每一个内,使用正则化参数的单个值,其中,基于所述与区域有关的正则化参数,来确定信噪比改善的MR图像。
7.根据权利要求3至6中任一项所述的方法,其中,如下确定所述与位置有关的正则化参数:
λf=af(E,R)-λ0
其中,λ0是恒定的预先定义的偏移,f是函数,E是所述与位置有关的灵敏度图,R是噪声,并且a是缩放因子。
10.一种MR***,其被配置为,使用压缩感测技术在MR***中生成检查对象的信噪比改善的MR图像,所述MR***包括控制单元,所述控制单元被配置为:
-确定所述检查对象的第一MR信号数据组,其中,对相应的k空间进行随机子采样,
-针对至少一个接收线圈中的每一个,确定与位置有关的灵敏度图,所述至少一个接收线圈用于检测所述检查对象所在的位置的所述第一MR信号数据组的MR信号,
-使用压缩感测技术的优化过程,来确定信噪比改善的MR图像,在所述压缩感测技术的优化过程中,使用与位置有关的正则化参数l,其中,基于所述与位置有关的灵敏度图,来确定所述与位置有关的正则化参数l。
11.所述MR***还被配置为执行根据权利要求2至9中任一项所述的方法。
12.一种包括程序代码的计算机程序,当由MR***的控制单元执行所述计算机程序时,所述计算机程序使所述MR***执行根据权利要求1至9中任一项所述的方法。
13.一种包括根据权利要求12所述的计算机程序的载体,其中,所述载体是电信号、光信号、无线电信号或计算机可读存储介质中的一个。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19188049.1 | 2019-07-24 | ||
EP19188049.1A EP3770625B1 (en) | 2019-07-24 | 2019-07-24 | Mri using compressed sensing with improved regularization parameter |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112285624A true CN112285624A (zh) | 2021-01-29 |
Family
ID=67438689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010703437.7A Pending CN112285624A (zh) | 2019-07-24 | 2020-07-21 | 具有改善的正则化参数的压缩感测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11112480B2 (zh) |
EP (1) | EP3770625B1 (zh) |
CN (1) | CN112285624A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2550541A1 (en) * | 2010-03-23 | 2013-01-30 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for reconstructing a sequence of mr images using a regularized nonlinear inverse reconstruction process |
US20140126796A1 (en) * | 2012-11-08 | 2014-05-08 | Siemens Corporation | Mri reconstruction with motion-dependent regularization |
WO2014195384A1 (en) * | 2013-06-06 | 2014-12-11 | Koninklijke Philips N.V. | Parallel mri with b0 distortion correction and multi-echo dixon water-fat separation using regularised sense reconstruction |
CN106574954A (zh) * | 2014-08-22 | 2017-04-19 | 皇家飞利浦有限公司 | 针对epi的具有奈奎斯特伪影校正的并行mr成像 |
US20180074145A1 (en) * | 2016-09-15 | 2018-03-15 | Siemens Healthcare Gmbh | Method and apparatus for low-artifact magnetic resonance fingerprinting scan |
GB201806025D0 (en) * | 2018-04-12 | 2018-05-30 | Siemens Healthcare Ltd | Method of reconstructing magnetic reasonance image data |
GB201807623D0 (en) * | 2018-05-10 | 2018-06-27 | Siemens Healthcare Gmbh | Method of reconstructing magnetic resonance image data |
US20190154784A1 (en) * | 2017-11-22 | 2019-05-23 | Siemens Healthcare Gmbh | Magnetic resonance imaging apparatus and method |
CN109983358A (zh) * | 2016-11-24 | 2019-07-05 | 皇家飞利浦有限公司 | Propeller mr成像 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014087270A2 (en) * | 2012-12-06 | 2014-06-12 | Koninklijke Philips N.V. | Local artifact reduction with insignificant side effects |
CN103064046B (zh) * | 2012-12-25 | 2015-04-15 | 深圳先进技术研究院 | 一种基于稀疏采样的核磁共振成像的图像处理方法 |
US9846214B2 (en) * | 2014-12-29 | 2017-12-19 | Toshiba Medical Systems Corporation | Magnetic resonance image reconstruction for undersampled data acquisitions |
EP3384307B1 (en) * | 2015-12-03 | 2021-07-28 | Koninklijke Philips N.V. | Removal of image artifacts in sense-mri |
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) |
US11899085B2 (en) * | 2019-10-21 | 2024-02-13 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for magnetic resonance imaging |
-
2019
- 2019-07-24 EP EP19188049.1A patent/EP3770625B1/en active Active
-
2020
- 2020-07-08 US US16/923,669 patent/US11112480B2/en active Active
- 2020-07-21 CN CN202010703437.7A patent/CN112285624A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2550541A1 (en) * | 2010-03-23 | 2013-01-30 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for reconstructing a sequence of mr images using a regularized nonlinear inverse reconstruction process |
US20140126796A1 (en) * | 2012-11-08 | 2014-05-08 | Siemens Corporation | Mri reconstruction with motion-dependent regularization |
WO2014195384A1 (en) * | 2013-06-06 | 2014-12-11 | Koninklijke Philips N.V. | Parallel mri with b0 distortion correction and multi-echo dixon water-fat separation using regularised sense reconstruction |
CN105308469A (zh) * | 2013-06-06 | 2016-02-03 | 皇家飞利浦有限公司 | 具有B0失真校正的并行MR成像以及使用规则化的SENSE重建的多点Dixon水-脂肪分离 |
CN106574954A (zh) * | 2014-08-22 | 2017-04-19 | 皇家飞利浦有限公司 | 针对epi的具有奈奎斯特伪影校正的并行mr成像 |
DE112015003853T5 (de) * | 2014-08-22 | 2017-05-18 | Koninklijke Philips N.V. | Parallel-MR-Bildgebung mit Nyquist-Geisterbildkorrektur für EPI |
US20180074145A1 (en) * | 2016-09-15 | 2018-03-15 | Siemens Healthcare Gmbh | Method and apparatus for low-artifact magnetic resonance fingerprinting scan |
CN109983358A (zh) * | 2016-11-24 | 2019-07-05 | 皇家飞利浦有限公司 | Propeller mr成像 |
US20190154784A1 (en) * | 2017-11-22 | 2019-05-23 | Siemens Healthcare Gmbh | Magnetic resonance imaging apparatus and method |
CN109814058A (zh) * | 2017-11-22 | 2019-05-28 | 西门子保健有限责任公司 | Caipirinha波space |
GB201806025D0 (en) * | 2018-04-12 | 2018-05-30 | Siemens Healthcare Ltd | Method of reconstructing magnetic reasonance image data |
GB201807623D0 (en) * | 2018-05-10 | 2018-06-27 | Siemens Healthcare Gmbh | Method of reconstructing magnetic resonance image data |
Non-Patent Citations (1)
Title |
---|
赵扬;王伟;董蓉;王敬时;汤敏;: "基于NLTV和NESTA的MRI/MRA图像感兴趣区域的压缩感知重构", 计算机科学, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
US11112480B2 (en) | 2021-09-07 |
EP3770625B1 (en) | 2024-06-26 |
EP3770625A1 (en) | 2021-01-27 |
US20210025957A1 (en) | 2021-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9482732B2 (en) | MRI reconstruction with motion-dependent regularization | |
Veraart et al. | Comprehensive framework for accurate diffusion MRI parameter estimation | |
JP6635770B2 (ja) | 磁気共鳴イメージング装置及び画像処理装置 | |
CN109239633B (zh) | 磁共振成像方法和***、校正扩散加权磁共振数据的方法 | |
US9797974B2 (en) | Nonrigid motion correction in 3D using autofocusing with localized linear translations | |
US10895622B2 (en) | Noise suppression for wave-CAIPI | |
US9746538B2 (en) | Reference oversampling in sense-type magnetic resonance reconstruction | |
US10429466B2 (en) | MRI apparatus, image processing apparatus, and image processing method | |
CN108778116B (zh) | 磁共振成像装置以及图像处理方法 | |
WO2011161566A1 (en) | Dynamic contrast enhanced mr imaging with compressed sensing reconstruction | |
US20140210467A1 (en) | Magnetic resonance imaging apparatus and susceptibility-weighted imaging method using the same | |
US8306289B1 (en) | Method and system for off-resonance correction for non-cartesian parallel image reconstruction | |
JP3556176B2 (ja) | Mr投影画像の自動修正 | |
JP2017529963A (ja) | 高性能な骨可視化核磁気共鳴画像法 | |
US20190317172A1 (en) | Method and apparatus for reconstructing magnetic resonance image data | |
US11085987B2 (en) | Magnetic resonance imaging device, Nyquist ghost correction method, and Nyquist ghost correction program | |
EP2757523B1 (en) | Method and apparatus for eliminating noise in magnetic resonance images | |
JP2002000581A (ja) | 磁気共鳴画像化を使用して得られた複素画像の合成 | |
US9165353B2 (en) | System and method for joint degradation estimation and image reconstruction in magnetic resonance imaging | |
US10690741B2 (en) | Method and systems for reducing artifacts in magnetic resonance imaging | |
JP4975614B2 (ja) | 磁気共鳴イメージング装置及び方法 | |
US20130137968A1 (en) | Magnetic resonance image distortion correction with a reference volume | |
EP1790991B1 (en) | Data processing system and data processing method involving a Wiener filter | |
US20160054420A1 (en) | Compensated magnetic resonance imaging system and method for improved magnetic resonance imaging and diffusion imaging | |
CN110471014B (zh) | 磁共振成像中的条纹伪影减少 |
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 |