CN115236576A - 快速多对比度磁共振扩散成像和重建方法及*** - Google Patents
快速多对比度磁共振扩散成像和重建方法及*** Download PDFInfo
- Publication number
- CN115236576A CN115236576A CN202210926935.7A CN202210926935A CN115236576A CN 115236576 A CN115236576 A CN 115236576A CN 202210926935 A CN202210926935 A CN 202210926935A CN 115236576 A CN115236576 A CN 115236576A
- Authority
- CN
- China
- Prior art keywords
- diffusion
- contrast
- imaging
- space
- image
- 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
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
- G01R33/561—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
- G01R33/4818—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
- G01R33/4824—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 using a non-Cartesian trajectory
-
- 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)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General 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)
- Vascular Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种快速多对比度磁共振扩散成像和重建方法及***,包括:通过多个接收线圈,使用keyhole平面回波序列欠采多幅扩散加权图像的k空间数据;构建包括多线圈图像保真项和基于线圈‑空间‑对比度域张量低秩性(Low‑RankTensorConstraint)的图像正则项的目标函数;通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。本发明通过keyhole‑EPI序列实现k空间的欠采样,改善了多对比度扩散成像的分辨率,缩短了回波时间,从而改善了图像的变形伪影,减少了成像时间;避免了求解线圈灵敏度图的步骤,减小了变密度EPI成像所导致的图像伪影,提高了重建结果的鲁棒性和精确性。
Description
技术领域
本发明涉及磁共振扩散成像领域,具体地,涉及一种快速多对比度磁共振扩散成像和重建方法及***。
背景技术
人体组织内的水分子的扩散能力的变化可以反映出生理组织的构成以及病变情况。磁共振扩散成像(Diffusion MRI,dMRI)是一项能够无创地检查活体组织扩散能力的成像技术。被广泛地应用在微血管灌注和扩散效应活体定量研究中,在急性脑卒中、肝脏疾病、癌症等疾病的早期诊断以及神经科学研究中具有重要的作用。扩散效应的定量图像的计算依赖于多个具有不同b值,方向,扩散时间等参数的磁共振扩散加权图像(DiffusionWeighted Imaging,DWI)。由于需要获得多幅不同对比度的图像,磁共振扩散成像需要较长的扫描时间。与此同时,因为扩散梯度的加入,信号衰减速度快,采集的分辨率因此受限,同时图像的畸变大。
现有的磁共振扩散成像主要有两类方法。
第一类是单次激发平面回波序列。这类方法在一次激发之后就完成整个K空间的数据采集,扫描时间短,对运动鲁棒。但是因为较长的回波链,导致分辨率低,信噪比低,图像畸变大。
第二类是多次激发平面回波序列。这类方法采用多次激发策略,每次激发采集K空间的一部分数据,多次激发获取的数据合并为完整的K空间,可以实现更高的空间分辨率和图像质量。然而,扩散编码梯度导致不同激发之间存在着相位的变化,此外多次激发间还可能存在着运动;直接合并这些数据将导致图像伪影。此外,对于ADC、DTI、DKI、IVIM等扩散定量成像应用,需要获得多幅多次激发的图像以实现高分辨率,扫描时间变长。
专利文献(申请号201210388038.1)公开了一种快速扩散磁共振成像和重建方法,包括以下步骤:(S1)通过多通道线圈在N个扩散加权方向上对被测目标进行信号采集;(S2)将所获得的互补的K空间数据进行合并,以获得满采样K空间数据KC;(S3)基于与所述K空间数据对应的不同扩散加权方向的图像和所述满采样k空间数据KC所对应的图像进行初步重建,以获得初步图像以及(S4)基于所述像初步图像进行正则化重建,并迭代直至收敛,以获得所需的最终图像(I1,…,IN)。该发明使用普通而非keyhole回波平面成像序列进行数据采集,需要对采集的扩散图像进行K空间的合并,同时还需要求解线圈灵敏度参数,难以避免合并时带来的重建误差,也不能避免线圈灵敏度参数估计不准确给重建带来的不准确性。
专利文献CN103675737A(申请号:CN201310659202.2)公开了一种扩散磁共振成像和重建方法。该方法包括:S1、使用多个通道线圈,采用多次激发扩散成像方式对被测目标进行信号采集,以获取k空间数据;S2、计算线圈敏感度图,进行迭代初始化;S3、根据采集到的k空间数据、计算得到的线圈敏感度图和初始化参数,基于POCS算法,对所需的扩散图像进行迭代重建。该发明采用多次激发策略,需要先对采集的多线圈扩散图像进行K空间的合并,不能通过变化对比度在多对比度的扩散成像中减少成像时间。
发明内容
针对现有技术中的缺陷,本发明提供一种快速多对比度磁共振扩散成像和重建方法及***,能有效提升分辨率、降低形变伪影、提升扫描效率。
根据本发明提供的一种快速多对比度磁共振扩散成像和重建方法,包括:
步骤S1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
步骤S2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性的图像正则项的目标函数;
步骤S3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
优选地,在所述步骤S1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
优选地,在所述步骤S2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束;
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
优选地,在所述步骤S3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
优选地,该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
根据本发明提供的一种快速多对比度磁共振扩散成像和重建***,包括:
模块M1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
模块M2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性的图像正则项的目标函数;
模块M3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
优选地,在所述模块M1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
优选地,在所述模块M2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束。
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
优选地,在所述模块M3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
优选地,该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
与现有技术相比,本发明具有如下的有益效果:
1、本发明相对于单次激发平面回波成像类技术,通过keyhole平面回波序列成像方法减少了EPI回波链的采集时间,可以实现更高的分辨率,更高的信噪比,更小的图像畸变;
2、本发明相对于多次激发平面回波成像类技术,通过在多次激发过程中引入对比度变化,在较短的成像时间内得到多张不同对比度扩散加权图像以及相应的定量图像,通过使用线圈-空间-对比度域的低秩张量约束,避免了求解线圈灵敏度图的步骤,减小了变密度EPI成像所导致的图像伪影,提高了重建结果的鲁棒性和精确性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本申请的一个实施例的扩散磁共振成像和重建方法的流程图;
图2为本申请的一个实施例的keyhole平面回波序列示意图;
图3为本申请的一个具体实施例的keyhole平面回波序列轨迹示意图;
图4为本申请的一个具体实施例的扩散磁共振成像和重建方法中的迭代重建流程图;
图5为本申请的一个具体实施例与现有技术的回顾性实验重建结果对比示意图;
图6为本申请的一个具体实施例与现有技术的前瞻性实验重建结果对比示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1:
根据本发明提供的一种快速多对比度磁共振扩散成像和重建方法,如图1-图6,包括:
步骤S1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
具体地,在所述步骤S1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
步骤S2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性的图像正则项的目标函数;
具体地,在所述步骤S2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束;
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
步骤S3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
具体地,在所述步骤S3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
具体地,该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
根据本发明提供的一种快速多对比度磁共振扩散成像和重建***,包括:
模块M1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
具体地,在所述模块M1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
模块M2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性的图像正则项的目标函数;
具体地,在所述模块M2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束;
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
模块M3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
具体地,在所述模块M3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
具体地,该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
实施例2:
实施例2为实施例1的优选例,以更为具体地对本发明进行说明。
根据本发明提供的一种快速多对比度磁共振扩散成像和重建方法,包括:
步骤S1:通过多个接收线圈,使用keyhole平面回波(keyhole-EPI)序列欠采多幅可变对比度扩散加权图像的k空间数据;
步骤S2:构建包括多线圈图像保真项和基于线圈-空间-对比度域张量低秩性的图像正则项的目标函数;
步骤S3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
优选地,在所述步骤S1中:
所述接收线圈数量为线圈数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同。
优选地,所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolarEPI梯度对k空间数据进行采集。
优选地,在所述步骤S2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像。
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正。
基于线圈-空间-对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束。
具体地,根据本发明的一个实施例,使用局部张量低秩作为低秩约束时,构建的目标函数可以描述为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。
根据本发明的上述快速多对比度磁共振扩散成像和重建方法,可以避免求解线圈灵敏图参数同时避开直接合并具有不同相位的K空间,提高了重建的图像质量,允许了更高的分辨率和更高的采集效率。
根据本发明的一个实施例,目标函数可以通过构造辅助变量,改写成如下述公式:
s.t Bix=Mi
Mi=gi×lAi×2Bi×3Ci,j=1,2,…,Nv
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像。α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。Mi为一个Tensor类型的辅助变量,通过PARAFAC或Tucker分解得到,Mi=gi×1Ai×2Bi×3Ci,i=1,2,…,Nv
根据本发明的一个实施例,目标函数可以改写为增广拉格朗日形式,如下述公式:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像。α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。Re为取实数算子。Mi为一个Tensor类型的辅助变量,通过PARAFAC或Tucker分解得到,Mi=gi×1Ai×2Bi×3Ci,i=1,2,…,Nv,μ为增广拉格朗日系数,λi为拉格朗日乘子。
优选地,在所述步骤S3中:
其目标函数可通过任意一种最优化算法求解,包括梯度下降法(GradientDescent),共轭梯度法(conjugategradients),拟牛顿法(quasi-Newton),交替乘子法(alternatingdirectionmethod ofmultipliers),近端梯度法(proximalgradient),投影梯度法(projectedgradient),坐标下降法(coordinatedescent)等算法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
该成像方法可用于多次激发下的扩散加权成像、Apparent DiffusionCoefficient(ADC)定量成像、扩散张量成像(Diffusion Tensor Imaging)、扩散峰度成像(Diffusion Kurtosis Imaging)、体素内不相干运动成像(IVIM)等多种扩散成像相关应用场景。
所述根据应用场景获取相关定量参数图像表示:在需要获取定量参数图像时,参数图像和扩散图像为最终结果;在不需要获取定量参数图像时,重建的扩散图像即为最终结果。
具体地,在本发明的一个实施例中,通过交替乘子法迭代最小化目标函数,交替乘子法的计算步骤如下:
S31初始化:在正式迭代重建之前,需要初始化待求解扩散图像,即确定图像初始值,本发明的实施例中,初始值可以设为0,为方便描述,在公式中描述为,x选择初始点x0。
S32分别求解子问题:在ADMM中,需要分别求解只有待求解扩散图像变量,辅助变量以及拉格朗日乘子变量的子问题,步骤S321-323分别描述了上文提到的对应的各个子问题的求解细节。
步骤S321:求解xk,存在解析解
其中H表示共轭转置。
优选地,首先进行张量的PARAFAC或Tucker分解
随后使用奇异值软阈值法:
S33完成以上步骤后,自动地对每个通道的线圈图像进行更新,并进行循环迭代,达到下列条件之一则迭代停止,:(1)迭代次数大于50次;(2)梯度的无穷范数小于1*10-10;(3)步长小于1*10-12。判断是否收敛或者达到最大迭代次数。如果没有满足迭代停止条件,重新进入步骤S32继续迭代。如果满足迭代停止条件,迭代终止,得到磁共振扩散加权图像。
S34根据采集的扩散加权参数类型,以及实际需求,求解ADC、DTI、DKI、IVIM等扩散定量成像,如果不需要求解定量图像,则磁共振扩散加权图像即为最终结果。
实施例3:
实施例3为实施例1的优选例,以更为具体地对本发明进行说明。
本申请的目的在于提出一种快速多对比度磁共振扩散成像和重建方法。
本申请提供的快速多对比度磁共振扩散成像和重建方法的总体步骤如图1所示,包括:步骤S1:通过多个接收线圈,使用keyhole平面回波(keyhole-EPI)序列欠采多幅可变对比度扩散加权图像的k空间数据;步骤S2:构建包括多线圈图像保真项和基于线圈-空间-对比度域张量低秩性的图像正则项的目标函数;步骤S3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
在下述的对本申请实施例的快速高分辨率扩散磁共振成像和重建方法的说明中,采用了线圈-空间-对比度域局部张量低秩约束(Locally Low Rank Tensor,LLRT)结合数据保真项形成目标函数,并优选交替方向乘子法(Alternating Direction Method ofMultipliers,ADMM)作为迭代重建算法,重建多对比度扩散加权图像并获得ADC图像。
下面结合图2,3,4对上述各步骤进行详细说明。
(S101)在任意接收线圈数量下,通过keyhole平面回波序列采集k空间;图3为所述可变对比度keyhole平面回波序列的示意图。图3中,单位相位编码K空间的动量为Mu,中心K空间Blip梯度的动量为Mu,周围K空间Blip梯度的动量为RpMu,Rp为周围K空间欠采率。相邻的TR在相位编码方向上,Prephase梯度的动量相差RcMu/2。实现在中心k空间区域密集采集,在周围k空间区域以欠采样率RP均匀移位采集。不同的TR间具有的对比度参数如b值、扩散编码方向、扩散时间等可以任意变化。在本实施例中,在图2中的TR1与TR2具有不同的扩散对比度参数。在图4中,给出了一个更为详细的实施例。不同的TR间具有连续变化的b值。
(S102)对获取到的K空间数据进行数据预处理,进行奈奎斯特鬼影及梯形采样校正。奈奎斯特鬼影校正及梯形采样校正可以使用任意一种已知方法。本实施例中,使用采集机器uMR790集成的方法进行处理。
(S103)通过结合线圈-空间-对比度域张量低秩正则化项与数据保真项,构建目标方程。本实例优选待求图像在线圈-空间-对比度域的张量低秩性(Locally Low RankTensor,LLRT)结合数据保真项形成目标函数,并选用交替方向乘子法作为迭代重建算法,获取所需的扩散图像。
需要特别说明的是,本发明在重建时不需要获取线圈灵敏度参数;
具体地,该目标函数可以描述为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。根据本发明的上述快速多对比度磁共振扩散成像和重建方法,可以避免求解线圈灵敏图参数同时避开直接合并具有不同相位的K空间,提高了重建的图像质量,允许了更高的分辨率和更高的采集效率。
(S104)本申请的实施例中,基于交替方向乘子法作为迭代重建算法,获取所需的扩散图像。使用上述方法前,需构造辅助变量,改写目标函数为下式。
s.t Bix=Mi
Mi=gi×1Ai×2Bi×3Ci,i=1,2,…,Nv
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像。α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。Mi为一个Tensor类型的辅助变量,通过PARAFAC或Tucker分解得到,Mi=gi×1Ai×2Bi×3Ci,i=1,2,…,Nv
根据本发明的一个实施例,目标函数可以改写为增广拉格朗日形式如下述公式:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像。α为正则化系数,Bix为以第i个像素为中心的线圈-空间-对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束则Nv=1,如使用局部低秩约束则Nv可等于像素数量。Re为取实数算子。Mi为一个Tensor类型的辅助变量,通过PARAFAC或Tucker分解得到,Mi=gi×1Ai×2Bi×3Ci,i=1,2,…,Nv,μ为增广拉格朗日系数,λi为拉格朗日乘子。
(S105)在正式迭代重建之前,需要初始化待求解扩散图像,即确定图像初始值,本发明的实施例中,初始值可以设为0,为方便描述,在公式中描述为,x选择初始点x0。
(S106)分别求解子问题。在ADMM中,需要分别求解只有待求解扩散图像变量,辅助变量以及拉格朗日乘子变量的子问题,下述子步骤分别描述了上文提到的对应的各个子问题的求解细节。
求解xk,存在解析解
其中H表示共轭转置。
优选地,首先进行张量的PARAFAC或Tucker分解
随后使用奇异值软阈值法:
(S107)完成以上步骤后,自动地对每个通道的线圈图像进行更新,并进行循环迭代,达到下列条件之一则迭代停止:(1)迭代次数大于50次;(2)梯度的无穷范数小于1*10-10;(3)步长小于1*10-12。判断是否收敛或者达到最大迭代次数。
(S108)如果没有满足迭代停止条件,重新进入步骤S106继续迭代。
(S109)根据采集的扩散加权参数类型,以及实际需求,求解ADC、DTI、DKI、IVIM等扩散定量成像,如果不需要求解定量图像,则磁共振扩散加权图像即为最终结果。
上文公开了一种实施例来实现本申请的不同结构;所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。可以通过其他的方法与组合实现本发明的不同结构。
使用本发明进行以下实施例,在此实施例中可以更加体现本发明的优点。
使用可变对比度多次激发平面回波序列和根据本申请实施例的可变对比度keyhole平面回波序列成像方法对一位健康受试者进行头部多b值磁共振扩散成像对照实验。实验前进行了口头和书面的知情同意。扫描设备为联影医疗uMR790 3T磁共振。使用32通道头线圈从b值0-1000s/mm2以50s/mm2为间隔采集21个不同b值的DWI全采样的K空间数据,每个b值下采集3个扩散方向。其他序列扫描参数为:
视野/图像大小/TR/TE/带宽/重复次数/翻转角=240×240mm2/128×128/3000ms/132.3ms/1790Hz/1/90°。随后分别以中心k空间区域密集采样,周围k空间区域以欠采样率RP=4;中心k空间区域密集采样,周围k空间区域以欠采样率RP=8,扫描前瞻性欠采样数据。其他序列扫描参数为:视野/图像大小/TR/TE/带宽/重复次数/翻转角=240×240mm2/240×240/3000ms/100.4ms/1790Hz/1/90°。
图5展示了低分辨率下周围k空间欠采样率为RP=4和8时,对比的回顾性实验重建结果。对比方法命名为EPI+SPA-LLR和kEPI+LLR,根据实施例重建的结果为kEPI+LLRT(可变对比度keyhole-EPI)。由图可知,kEPI+LLRT显示出相比kEPI+LLR和EPI+SPA-LLR更好的图像(更接近金标准),特别EPI+SPA-LLR在部分区域存在较大误差。
图6展示了高分辨率下周围k空间欠采样率为RP=4和8时,对比的前瞻性实验重建结果以及对应的扩散参数图像。对比方法命名为EPI+SPA-LLR和kEPI+LLR;根据实施例重建的结果为kEPI+LLRT。EPI+SPA-LLR在图像的全局存在最高强度的残留伪影。根据实施构建的kEPI+LLRT准确地反映了图像的细节,没有残留伪影,具有更高的信噪比。
由此,本发明实现了快速高分辨磁共振扩散成像和重建,通过使用任意变化对比度keyhole平面回波序列进行K空间采集,并利用扩散加权图像在图像维度,对比度维度以及线圈维度的低秩性进行重建,避免了直接合并k空间造成的相位和运动伪影,避免了求解线圈灵敏度参数。提高了鲁棒性,实现了更高的分辨率,更高的信噪比,可以在扩散定量成像等应用中显著减少成像时间。在分辨率与采集效率上达成了平衡,在临床应用中具有重要的意义。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的***、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种快速多对比度磁共振扩散成像和重建方法,其特征在于,包括:
步骤S1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
步骤S2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性(Low-RankTensorConstraint)的图像正则项的目标函数;
步骤S3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
2.根据权利要求1所述的快速多对比度磁共振扩散成像和重建方法,其特征在于,在所述步骤S1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
3.根据权利要求1所述的快速多对比度磁共振扩散成像和重建方法,其特征在于,在所述步骤S2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束(GloballyLow-RankTensorConstraint)和基于局部空间张量低秩性的约束(LocallyLow-RankTensorConstraint);
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
4.根据权利要求1所述的快速多对比度磁共振扩散成像和重建方法,其特征在于,在所述步骤S3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
5.根据权利要求1所述的快速多对比度磁共振扩散成像和重建方法,其特征在于:该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
6.一种快速多对比度磁共振扩散成像和重建***,其特征在于,包括:
模块M1:通过多个接收线圈,使用keyhole平面回波序列欠采多幅可变对比度扩散加权图像的k空间数据;
模块M2:根据采集结果,构建包括多线圈图像保真项和基于线圈、空间及对比度域张量低秩性的图像正则项的目标函数;
模块M3:通过最优化算法最小化目标函数,重建所有接收线圈的扩散图像并根据对比度变化的具体方式获取相关定量参数图像。
7.根据权利要求1所述的快速多对比度磁共振扩散成像和重建***,其特征在于,在所述模块M1中:
所述接收线圈数量为线圈通道数量大于等于1个;
所述可变对比度包括:在平面回波序列的不同TR间的对比度参数能够任意变化,包括但不限于b值、扩散编码方向、和扩散时间的任意变化;
针对特定一个对比度参数,所述任意变化为不同TR间的对比度参数保持不变或存在不同;
所述keyhole-EPI序列使用以下变密度k空间采集:
在中心k空间区域以欠采样率RC密集采集;
在周围k空间区域以欠采样率RP均匀移位欠采,以使相邻的TR采集循环移位的相位编码行;
所述keyhole-EPI序列的变密度k空间采集通过如下方式实施:
确定跨越单个相位编码行的梯度动量;并根据所计算结果,计算其他所需的跨越不同相位编码行的blip梯度动量;将所需的对应动量的blip梯度,根据预设采样的轨迹进行时序排列;根据以上计算结果,采用bipolar EPI梯度对k空间数据进行采集。
8.根据权利要求1所述的快速多对比度磁共振扩散成像和重建***,其特征在于,在所述模块M2中:
待求解图像为多线圈下的可变对比度扩散加权图像,而非多线圈合并后的扩散加权图像;
目标函数中不包括线圈灵敏度,求解该目标函数无需先求解线圈灵敏度或进行并行成像的自校正;
基于线圈、空间及对比度域张量低秩性的图像保真项利用多线圈可变对比度扩散加权图像的张量低秩性对待求解图像的变化范围做出约束,包括基于全局空间内张量低秩性的约束和基于局部空间张量低秩性的约束;
目标函数为:
其中,y表示预处理后得到多维K空间数据,D表示欠采样算子,F表示傅里叶变换算子,x表示待重建的多线圈多对比度图像,α为正则化系数,Bix为以第i个像素为中心的线圈、空间及对比度三维张量,R为该三维张量基于Tucker分解或PARAFAC分解下的求秩算子,Nv为预先设定的值,如使用全局低秩约束,则Nv=1,如使用局部低秩约束,则Nv可等于像素数量。
9.根据权利要求1所述的快速多对比度磁共振扩散成像和重建***,其特征在于,在所述模块M3中:
其目标函数能够通过任意一种最优化算法求解,包括梯度下降法、共轭梯度法、拟牛顿法、交替乘子法、近端梯度法、投影梯度法、坐标下降法,以重建所有接收线圈的扩散图像并根据具体应用场景获取相关定量参数图像。
10.根据权利要求1所述的快速多对比度磁共振扩散成像和重建***,其特征在于:该成像方法能够用于扩散成像应用场景包括:多次激发下的扩散加权成像、表观扩散系数定量成像、扩散张量成像、扩散峰度成像、体素内不相干运动成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926935.7A CN115236576A (zh) | 2022-08-03 | 2022-08-03 | 快速多对比度磁共振扩散成像和重建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926935.7A CN115236576A (zh) | 2022-08-03 | 2022-08-03 | 快速多对比度磁共振扩散成像和重建方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115236576A true CN115236576A (zh) | 2022-10-25 |
Family
ID=83677854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210926935.7A Pending CN115236576A (zh) | 2022-08-03 | 2022-08-03 | 快速多对比度磁共振扩散成像和重建方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115236576A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109724A (zh) * | 2023-04-14 | 2023-05-12 | 首都医科大学附属北京朝阳医院 | 一种磁共振图像矫正方法、装置、存储介质及终端 |
-
2022
- 2022-08-03 CN CN202210926935.7A patent/CN115236576A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109724A (zh) * | 2023-04-14 | 2023-05-12 | 首都医科大学附属北京朝阳医院 | 一种磁共振图像矫正方法、装置、存储介质及终端 |
CN116109724B (zh) * | 2023-04-14 | 2023-08-18 | 首都医科大学附属北京朝阳医院 | 一种磁共振图像矫正方法、装置、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335339B (zh) | 一种基于深度学习和凸集投影的磁共振重建方法 | |
US11022665B2 (en) | Method for echo planar time-resolved magnetic resonance imaging | |
CN106997034B (zh) | 基于以高斯模型为实例整合重建的磁共振扩散成像方法 | |
US11181598B2 (en) | Multi-contrast MRI image reconstruction using machine learning | |
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 | |
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 | |
EP2773985A1 (en) | Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images | |
KR100726739B1 (ko) | 방사형 케이-공간 경로법을 이용한 병렬 자기 공명 영상획득 방법, 그 장치 및 이를 실행하기 위한 컴퓨터로 읽을수 있는 기록매체. | |
CN113298902B (zh) | 卷褶视野磁共振图像的重建方法、计算机设备及存储介质 | |
KR20150115646A (ko) | 자기 공명 장치를 이용하여 파라미터 맵을 획득하기 위한 방법 및 자기 공명 장치 | |
Mickevicius et al. | Simultaneous acquisition of orthogonal plane cine imaging and isotropic 4D-MRI using super-resolution | |
CN115639510A (zh) | 磁共振成像方法、波谱成像方法、装置、设备和存储介质 | |
CN115236576A (zh) | 快速多对比度磁共振扩散成像和重建方法及*** | |
US9535148B2 (en) | Dynamic contrast enhanced magnetic resonance imaging with high spatial-temporal resolution | |
US20220221540A1 (en) | Propeller echo planar time-resolved imaging with dynamic encoding | |
US20240036138A1 (en) | Multichannel deep learning reconstruction of multiple repetitions | |
US10818047B2 (en) | Iterative reconstruction of quantitative magnetic resonance images | |
WO2021129235A1 (zh) | 三维磁共振快速参数成像方法和装置 | |
WO2022217157A1 (en) | System and method for quantitative magnetic resonance imaging using a deep learning network | |
CN111009020B (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
CN115552272A (zh) | 使用多个磁共振成像***配置对磁共振图像的校正 | |
US11009576B2 (en) | Method for magnetic resonance imaging using slice quadratic phase for spatiotemporal encoding | |
Yarach et al. | Blip-Up Blip-Down Circular EPI (BUDA-cEPI) for Distortion-Free dMRI with Rapid Unrolled Deep Learning Reconstruction | |
WO2018082028A1 (zh) | 用于三维动态磁共振成像的笛卡尔k空间采集方法和*** | |
US20230084413A1 (en) | Deep learning-based realtime reconstruction |
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 |