动态磁共振图像成像方法和系统技术方案

本发明专利技术提供了一种动态磁共振图像成像方法和系统，用以在常规的PS方法的基础上对空间基进行一范数的稀疏约束，从而更有效地减少了图像伪影和重建噪声，大大提高图像质量，有效实现高时空分辨的动态磁共振图像的重建。其方法包括：获取基于部分可分离函数方法的采样模式所采集的K-t空间导航数据和动态图像数据；基于部分可分离函数方法构建包含空间基函数与时间基函数的动态成像重建模型；根据所述导航数据，获得所述时间基函数；基于所述动态成像重建模型，利用所述时间基函数和动态图像数据，采用最小二乘法估计所述空间基函数；利用所述时间基函数和空间基函数对K空间的动态图像数据进行插值恢复，再进行傅里叶变换，从而获得重建后的动态磁共振图像。

【技术实现步骤摘要】
动态磁共振图像成像方法和系统
本专利技术涉及动态磁共振图像成像技术，特别是涉及一种动态磁共振图像成像方法和系统。
技术介绍
基于磁共振成像的无辐射，高软组织对比及多平面成像使得它成为目前最为流行的临床诊断工具之一。然而，由于奈奎斯特采样理论(即Nyquist采样定理)及硬件系统等条件限制，在获取动态MRI信号时，往往只能获取有限的一部分K空间信号。比如像心脏成像，动态对比度增强的肝脏成像，血流成像等，当用这些有限采集到的数据直接去傅里叶重建就会产生很大的运动伪影，因此就需要根据动态磁共振数据在时间维度上的低秩和稀疏特性，对其进行限制约束，去恢复出未采集数据来实现高分辨动态磁共振(MRI)成像。对于像心脏，血流这种动态MR(MagneticResonance)成像需要在很短的时间内获取一个层面的切片才能避免图像出现严重的运动伪影，但是由于MR成像的本身的物理因素限制，只能在短的时间内扫描一个层面的某些行，所以在这种高度稀疏采样的数据中恢复出高时空分辨的动态图像，是目前研究动态磁共振成像的一个很重要的方向。在过去的几十年，很多理论算法被提出去解决这种稀疏重建问题，这些大致可以分为两类：一是稀疏约束方法，比如压缩感知(CompressedSensing:CS)和它的各种变化模型,压缩感知重建是利用随机测量矩阵可把一个稀疏的高维信号随机投影到低维空间上，这样的随机投影包含了待重建信号的足够信息，这样利用压缩传感理论就可以设计随机测量矩阵在K空间中稀疏采样，只须采集少量数据就可以得到高质量的MR图像。二是依据时空相关的部分可分离(partialseparability:PS)函数方法以及它的各种改进，部分可分离函数模型是通过将动态磁共振信号分解为与空间和时间相关的函数参数进行成像，这两者是相互独立的，这样就克服了传统磁共振成像时间和空间分辨率此消彼长的制约关系，还能同时实现高时间和高空间分辨率成像，非常适用于心脏，血流等动态成像研究。这两种方法各有优缺点。虽然部分可分离函数算法和压缩传感理论能够证明磁共振成像在稀疏采样条件下可以实现高质量图像重建，从理论上突破了Nyquist采样定理的限制，但是在磁共振成像的临床应用中还存在一定的困难。由于这两种稀疏成像模型侧重点各有不同，部分可分离函数算法侧重于K-t空间数据的稀疏性，并且常规的部分可分离函数算法算法无法准确计算高度欠采样的图像信号，重建图像往往会伴随一定的噪声；而压缩传感理论则侧重于K空间数据的稀疏性，并且模型参数较多，鲁棒性不高等缺点。基于现有技术中存在的问题，有待进一步地改进。
技术实现思路
基于此，有必要针对现有技术中的问题，提供一种动态磁共振图像成像方法和系统，用以在常规的PS方法的基础上对空间基进行一范数的稀疏约束，从而更有效地减少了图像伪影和重建噪声，大大提高图像质量，有效实现高时空分辨的动态磁共振图像的重建。本专利技术提供的一种动态磁共振图像成像方法，其包括：获取基于部分可分离函数方法的采样模式所采集的K-t空间导航数据和动态图像数据；基于部分可分离函数方法构建包含空间基函数与时间基函数的动态成像重建模型；根据所述导航数据，获得所述时间基函数；基于所述动态成像重建模型，利用所述时间基函数和动态图像数据，采用最小二乘法估计所述空间基函数，在所述利用最小二乘法进行估计时，对所述空间基函数进行L1范数的约束，获得所述空间基函数；利用所述时间基函数和空间基函数对K空间的动态图像数据进行插值恢复，再进行傅里叶变换，从而获得重建后的动态磁共振图像。在其中一个实施例中，所述采用最小二乘法估计所述空间基函数时，最小二乘法估计的优化判据表示为下述公式(1)：其中，Ω是采样矩阵；Fs是一空间傅里叶变化矩阵；λ是正则化参数；d是所述动态图像数据；表示所述空间基形变矩阵的估计值；Us表示空间基形变矩阵，即Us＝Fs-1Uk，Uk表示空间基函数；CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；||||2表示取2-范数；||||1表示取L1范数；根据所述优化判据获得对所述空间基形变矩阵的估计值，利用所述空间傅里叶变化矩阵求解获得所述空间基函数。在其中一个实施例中，所述空间基形变矩阵为行为N、列为L的矩阵，其中，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶。在其中一个实施例中，在根据所述优化判据获得对所述空间基形变矩阵的估计值时，引入下述公式(2)表示的Huber函数：其中，t表示Huber函数的输入，α表示控制参数；将所述空间基形变矩阵Us输入所述Huber函数后，去替换所述公式(1)优化判据中λ||Us||1部分内的所述空间基形变矩阵Us，然后求解所述优化判据，获得所述空间基形变矩阵的估计值。在其中一个实施例中，所述根据所述优化判据获得对所述空间基形变矩阵的估计值的过程包括：步骤10，调用按照下述公式(3)构建的对所述空间基形变矩阵进行最小二乘法估计的优化判据：其中，vec(G)表示将所述辅助矩阵G的列向量拉直转为多维向量；G表示辅助矩阵，所述辅助矩阵G为行为N、列为L的矩阵，其中，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；Fs是空间傅里叶变化矩阵；λ是正则化参数；Us表示空间基形变矩阵，即Us＝Fs-1Uk，Uk表示空间基函数；||||2表示取2-范数；||||1表示取L1范数；α表示Huber函数的控制参数；||||F表示取F-范数；步骤20，基于所述控制参数α的一固定值，通过多次迭代的交替最小化求解过程求解所述公式(3)中的辅助矩阵G和空间基形变矩阵，直至所述辅助矩阵G和空间基形变矩阵的中间量均收敛；步骤30，逐渐减小所述控制参数α的值，基于每一次调整所述控制参数α的调整值执行所述步骤20的交替最小化求解过程，直至将所述控制参数α的值减小到零，将最后一次迭代计算获得的所述空间基形变矩阵的中间量作为所述空间基形变矩阵的估计值。在其中一个实施例中，所述步骤20的过程包括以下步骤：步骤21，获取控制参数α的值；步骤22，基于所述空间基形变矩阵的初始值，按照下述公式(4)计算所述辅助矩阵G的中间量；其中，CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；||||F表示取F-范数；vec(G)表示将所述辅助矩阵G的列向量拉直转为多维向量；l表示迭代次数，表示第l次迭代时获得的所述空间基形变矩阵的中间量；G(l+1)表示第l+1次迭代时获得的所述辅助矩阵G的中间量；步骤23，基于所述辅助矩阵G的中间量，按照下述公式(5)计算此次迭代过程中的所述空间基形变矩阵的中间量，并将该值作为下一次执行步骤22时所述空间基形变矩阵的初始值：其中，CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；表示第l+1次迭代时获得的所述空间基形变矩阵的中间量；步骤24，判断所述辅助矩阵G的中间量和所述空间基形变矩阵的中间量是否均同时收敛；若否则将迭代次数加一，继续执行步骤22至步骤23；若是，则将最后一次迭代计算获得的所述空间基形变矩阵的本文档来自技高网...

【技术保护点】
一种动态磁共振图像成像方法，其包括：获取基于部分可分离函数方法的采样模式所采集的K‑t空间导航数据和动态图像数据；基于部分可分离函数方法构建包含空间基函数与时间基函数的动态成像重建模型；根据所述导航数据，获得所述时间基函数；基于所述动态成像重建模型，利用所述时间基函数和动态图像数据，采用最小二乘法估计所述空间基函数，在所述利用最小二乘法进行估计时，对所述空间基函数进行L1范数的约束，获得所述空间基函数；利用所述时间基函数和空间基函数对K空间的动态图像数据进行插值恢复，再进行傅里叶变换，从而获得重建后的动态磁共振图像。

【技术特征摘要】
1.一种动态磁共振图像成像方法，其包括：获取基于部分可分离函数方法的采样模式所采集的K-t空间导航数据和动态图像数据；基于部分可分离函数方法构建包含空间基函数与时间基函数的动态成像重建模型；根据所述导航数据，获得所述时间基函数；基于所述动态成像重建模型，利用所述时间基函数和动态图像数据，采用最小二乘法估计所述空间基函数，在所述采用最小二乘法进行估计时，对所述空间基函数进行L1范数的约束，获得所述空间基函数；利用所述时间基函数和空间基函数对K空间的动态图像数据进行插值恢复，再进行傅里叶变换，从而获得重建后的动态磁共振图像。2.根据权利要求1所述的动态磁共振图像成像方法，其特征在于，所述采用最小二乘法估计所述空间基函数时，最小二乘法估计的优化判据表示为下述公式(1)：其中，Ω是采样矩阵；Fs是一空间傅里叶变化矩阵；λ是正则化参数；d是所述动态图像数据；表示空间基形变矩阵的估计值；Us表示空间基形变矩阵，即Us＝Fs-1Uk，Uk表示空间基函数；CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；||||2表示取2-范数；||||1表示取L1范数；Vt表示时间基函数；根据所述优化判据获得对所述空间基形变矩阵的估计值，利用所述空间傅里叶变化矩阵求解获得所述空间基函数。3.根据权利要求2所述的动态磁共振图像成像方法，其特征在于，所述空间基形变矩阵为行为N、列为L的矩阵，其中，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶。4.根据权利要求2所述的动态磁共振图像成像方法，其特征在于，在根据所述优化判据获得对所述空间基形变矩阵的估计值时，引入下述公式(2)表示的Huber函数：其中，t表示Huber函数的输入，α表示控制参数；将所述空间基形变矩阵Us输入所述Huber函数后，去替换所述公式(1)优化判据中λ||Us||1部分内的所述空间基形变矩阵Us，然后求解所述优化判据，获得所述空间基形变矩阵的估计值。5.根据权利要求4所述的动态磁共振图像成像方法，其特征在于，所述根据所述优化判据获得对所述空间基形变矩阵的估计值的过程包括：步骤10，调用按照下述公式(3)构建的对所述空间基形变矩阵进行最小二乘法估计的优化判据：其中，G表示辅助矩阵，所述辅助矩阵G为行为N、列为L的矩阵，其中，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；vec(G)表示将所述辅助矩阵G的列向量拉直转为多维向量；Fs是空间傅里叶变化矩阵；λ是正则化参数；Us表示空间基形变矩阵，即Us＝Fs-1Uk，Uk表示空间基函数；||||2表示取2-范数；||||1表示取L1范数；α表示Huber函数的控制参数；||||F表示取F-范数；Vt表示时间基函数；步骤20，基于所述控制参数α的一固定值，通过多次迭代的交替最小化求解过程求解所述公式(3)中的辅助矩阵和空间基形变矩阵，直至所述辅助矩阵和空间基形变矩阵的中间量均收敛；步骤30，逐渐减小所述控制参数α的值，基于每一次调整所述控制参数α的调整值执行所述步骤20的交替最小化求解过程，直至将所述控制参数α的值减小到零，将最后一次迭代计算获得的所述空间基形变矩阵的中间量作为所述空间基形变矩阵的估计值。6.根据权利要求5所述的动态磁共振图像成像方法，其特征在于，所述步骤20的过程包括以下步骤：步骤21，获取控制参数α的值；步骤22，基于所述空间基形变矩阵的初始值，按照下述公式(4)计算所述辅助矩阵G的中间量；其中，CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；||||F表示取F-范数；vec(G)表示将所述辅助矩阵G的列向量拉直转为多维向量；l表示迭代次数，表示第l次迭代时获得的所述空间基形变矩阵的中间量；G(l+1)表示第l+1次迭代时获得的所述辅助矩阵G的中间量；步骤23，基于所述辅助矩阵的中间量，按照下述公式(5)计算此次迭代过程中的所述空间基形变矩阵的中间量，并将该空间基形变矩阵的中间量作为下一次执行步骤22时所述空间基形变矩阵的初始值：其中，CN×L表示软阈值算子，N表示K空间的所有像素点数，L表示所述动态成像重建模型中空间基函数与时间基函数的模阶；表示第l+1次迭代时获得的所述空间基形变矩阵的中间量；Vt表示时间基函数；步骤24，判断所述辅助矩阵的中间量和所述空间基形变矩阵的中间量是否均同时收敛；若否则将迭代次数加一，继续执行步骤22至步骤23；若是，则将最后一次迭代计算获得的所述空间基形变矩阵的中间量，作为基于所述控制参数α的另一调整值、执行所述步骤20时，所采用的所述空间基形变矩阵的初始值。7.根据权利要求6所述的动态磁共振图像成像方法，其特征在于，所述步骤22的计算过程包括以下步骤：首先，提取第l次迭代时获得的所述空间基形变矩阵的中间量中各个元素的值；然后，判断所述空间基形变矩阵的中间量的元素值的绝对值与所述控制参数α值的大小，当所述空间基形变矩阵的中间量的元素值的绝对值小于所述控制参数α的值时，在所述辅助矩阵中的相应位置赋值为零；当所述空间基形变矩阵的中间量的元素值的绝对值大于等于所述控制参数α的值时，在所述辅助矩阵中的相应位置赋值为下述公式(6)所表示的值：其中，n＝1,...,N，N表示K空间的所有像素点数；l1＝1,...,L，L表示动态成像重建模型中空间基函数与时间基函数的模阶；表示第l+1次迭代时获得的所述辅助矩阵G的中间量中矩阵位置在(n,l1)处的值；Qn,l1表示第l次迭代时获得的所述空间基形变矩阵的中间量中矩阵位置在(n,l1)的值；α表示所述Huber函数中的控制参数；最后，按照所述赋值后的结果形成N行、L列的矩阵，作为第l+1次迭代时获得的所述辅助矩阵的中间量。8.根据权利要求6所述的动态磁共振图像成像方法，其特征在于，所述步骤23中按照所述公式(5)计算此次迭代过程中的所述空间基形变矩阵的中间量的过程包括以下步骤：首先，调用按照公式(7)构建的关联所述空间基形变矩阵的中间量和辅助矩阵的中间量G(l+1)的最优解方程：其中，λ是正则化参数；α表示Huber函数的控制参数；A表示求导获得的矩阵Ω(FsUsVt)，A*表示矩阵A的共轭矩阵；A*(d)中的d表示欠采的图像数据矩阵；表示第l+1次迭代时获得的所述空间基形变矩阵的中间量；G(l+1)表示第l+1次迭代时...

【专利技术属性】
技术研发人员：史彩云，谢国喜，张丽娟，张晓勇，刘新，郑海荣，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44