一种基于相邻层信息和欠采样的多层磁共振快速成像方法技术

本发明专利技术公开了一种基于相邻层信息和欠采样的多层磁共振快速成像方法。该方法首先从与待扫描层相邻并且已经完成扫描的层面中，获取其K空间的局部大信号点和全局大信号点的分布位置；其次，据此规划待扫描层的欠采样扫描轨迹，并完成扫描；最后，通过非线性共轭梯度迭代法，对欠采样数据在稀疏变换域内以最小化一范数为目标进行优化的方式重建图像。本方法通过采样点的减少缩短了扫描时间，并且通过相邻层信息的指导提高了成像的质量和稳定性。

【技术实现步骤摘要】
一种基于相邻层信息和欠采样的多层磁共振快速成像方法
本专利技术涉及磁共振成像（MagneticResonanceImaging，MRI）
，具体涉及一种基于相邻层信息和欠采样的多层磁共振快速成像方法。
技术介绍
磁共振成像是利用物质中的原子核在磁场中受到射频脉冲激励而发生核磁共振现象，产生磁共振信号，经过电子计算机处理，重建出物质内部结构图像的成像技术。磁共振成像作为一项新的医学影像诊断技术，近年来发展十分迅速。磁共振成像无放射性，一般来说所提供的信息量较其他影像技术更为丰富，能够更好的为疾病诊断提供支持。但是和其他医学影像技术相比，磁共振成像技术成像速度相对较慢，这限制了磁共振成像技术更广泛的应用。图像压缩技术的研究表明，磁共振图像的可压缩比很高。这表明磁共振信号采集过程中有很多冗余成分。通过欠采样技术可以在采样过中节省采样时间，同时获得与满采样相比图像质量相近的图像。但是通过随机的方式决定欠采样点位置的采样方法，难以保证重建图像质量的稳定性。对于磁共振连续多层成像来说，其相邻层面图像的K空间具有较高的相似度。本专利技术公开的方法，利用了连续多层扫描过程中，已完成扫描层面的K空间提供的信息来辅助规划新扫描层的欠采样扫描轨迹，在加快扫描速度的同时提高重建图像的质量和稳定性。
技术实现思路
本专利技术的目的是针对现有技术存在的上述磁共振成像速度较慢的问题，提出一种基于相邻层信息和欠采样的多层磁共振快速成像方法。为了实现上述目的，本专利技术采用以下技术措施：一种基于相邻层信息和欠采样的多层磁共振快速成像方法，包括以下步骤：步骤1、对扫描层面序列的第一层，进行满采样扫描，并通过傅里叶变换重建图像；步骤2、进入下一层的扫描，对与当前扫描层面相邻的前一层的K空间数据进行分析，获取其中局部大信号点和全局大信号点的位置信息。挑选局部大信号点的标准为在K空间中，数据幅值比其四邻域或八邻域中其他点都大的点；挑选全局大信号点的标准为在K空间中，数据幅值从大到小进行排列，选取预定比例数据幅值较大的点。作为优选方案，在采样过程中挑选出的全局大信号点的数量应和局部大信号点的数量相近或相同。通过这种方式可以实现图像轮廓和细节之间的平衡，获得视觉效果更佳的图像；步骤3、根据步骤2获得的全局大信号点和局部大信号点位置信息，规划当前层面的欠采样扫描轨迹。统计笛卡尔扫描轨迹中每行轨迹所包含的全局大信号点和局部大信号点数量，在笛卡尔扫描轨迹中按照预定行数选取包含全局大信号点和局部大信号点数量较大的行，从而确定欠采样扫描轨迹，预定行数由欠采样比率所确定；步骤4、根据步骤3得到的欠采样扫描轨迹，对当前层面进行扫描，得到当前层面的欠采样K空间数据；步骤5、将步骤4中得到的欠采样K空间数据通过零填充和傅里叶逆变换得到当前层面重建图像I0；步骤6、以步骤5中的重建图像I0为重建初始值，通过非线性共轭梯度法，以重建图像If的稀疏变换的1范数最小化为目标，以重建图像If在傅里叶逆变换后与步骤4中获得的欠采样K空间数据之差的2范数小于设定值为约束条件，进行优化迭代运算，从而得到最终的重建图像If。可以使用稀疏变换包括离散余弦变换、小波变换、有限差分变换等。磁共振图像在上述几种稀疏变换域内都有较好的稀疏化效果，但是不同身体部位的磁共振图像，在不同的稀疏变换域内的稀疏程度不同，需要根据具体情况合理选取；步骤7、通过对重建图像If的傅里叶逆变换，得到当前层面的完整K空间数据；返回步骤2直至扫描层面序列中所有扫描及图像重建完成。本专利技术具有以下优点和积极效果：本专利技术可以加快多层磁共振扫描的速度，提高MRI设备的使用效率，节省病人的使用成本，并为MRI新方法的研究提供技术基础。附图说明图1专利技术方法扫描流程图；图2实施例2中其中一层K空间大点分布情况；图3实施例2中其中一层K空间欠采样扫描轨迹；图4实施例2中其中一层迭代初始图像；图5欠采样图像重建算法流程；图6（a）为利用相邻层信息指导的欠采样重建图像；图6（b）为利用随机欠采样后进行非线性共轭梯度重建算法所得的图像。具体实施方式下面结合附图和实施示例对本专利技术进一步说明：实施例1：一种基于相邻层信息和欠采样的多层磁共振快速成像方法，包括以下步骤：步骤1、对需要扫描层面序列的第一层，进行满采样扫描，并通过傅里叶变换重建图像；步骤2、进入下一层的扫描，对与当前扫描层面相邻的前一层的K空间数据进行分析，获取其中局部大信号点和全局大信号点的位置信息；步骤3、根据步骤2获得的全局大信号点和局部大信号点位置信息，规划当前层面的欠采样扫描轨迹；步骤4、根据步骤3得到的欠采样扫描轨迹，对当前层面进行扫描，得到当前层面的欠采样K空间数据；步骤5、将步骤4中得到的欠采样K空间数据通过零填充和傅里叶逆变换得到当前层面重建图像I0；步骤6、以步骤5中的重建图像I0为重建初始值，通过非线性共轭梯度法，以重建图像If的稀疏变换的1范数最小化为目标，以重建图像If在傅里叶逆变换后与步骤4中获得的欠采样K空间数据之差的2范数小于设定值为约束条件，进行优化迭代运算，从而得到最终的重建图像If；步骤7、通过对重建图像If的傅里叶逆变换，得到当前层面的完整K空间数据；返回步骤2直至扫描层面序列中所有扫描及图像重建完成。步骤2中局部大信号点为在K空间中，数据幅值比其四邻域或八邻域中其他点都大的点；全局大信号点为在K空间中，数据幅值从大到小进行排列，选取预定比例数据幅值较大的点。步骤3中规划当前层面的欠采样扫描轨迹包括以下步骤：统计笛卡尔扫描轨迹中每行轨迹所包含的全局大信号点和局部大信号点数量，在笛卡尔扫描轨迹中按照预定行数选取包含全局大信号点和局部大信号点数量较大的行，从而确定欠采样扫描轨迹，预定行数由欠采样比率所确定；步骤6中稀疏变换为离散余弦变换或小波变换或有限差分变换等。实施例2：步骤1、小鼠头部扫描层数为5层，每层厚度为0.4mm，分辨率为128*128。首先对需要扫描层面序列的第一层，采用自旋回波（SE）序列，设定TR=2s，TE=8.667ms，采样轨迹为笛卡尔采样方式，进行满采样扫描，得到K空间数据，通过傅里叶变换重建图像；步骤2、进入下一层的扫描，对与当前扫描层面相邻的前一层的K空间数据求取幅值，统计得出前一层的K空间中的八邻域局部大点位置以及全局大点位置。经过统计，K空间中八邻域局部大信号点数量占总点数的15%，选取全局大信号点的个数与局部大信号点一致；前15%的全局大信号点和局部大信号点之间重复的点数占总点数的6%，因此两者之和共占总点数的24%。将全局大点和局部大点位置信息融合得到K空间大点分布，如图2所示；步骤3、按照笛卡尔采样轨迹，统计K空间中每一行所包含的大信号点（包括全局大信号点和局部大信号点）个数，按从大到小的顺序进行排序。设定欠采样比率为50%，选择前64行为所要扫描的行，确定欠采样扫描轨迹，如图3所示；步骤4、根据步骤3得到的欠采样扫描轨迹，对当前层进行扫描，得到当前层欠采样的K空间数据；步骤5、将步骤4中得到的欠采样K空间数据通过零填充，得到大小为128*128的欠采样K空间数据。零填充后对K空间数据做傅里叶变换得到当前层面重建图像I0，如图4所示；步骤6、以步骤5中的重建图像I0为重建初始值并通过非线性共轭梯度法进行本文档来自技高网...

【技术保护点】
一种基于相邻层信息和欠采样的多层磁共振快速成像方法，其特征在于，包括以下步骤：步骤1、对需要扫描层面序列的第一层，进行满采样扫描，并通过傅里叶变换重建图像；步骤2、进入下一层的扫描，对与当前扫描层面相邻的前一层的K空间数据进行分析，获取其中局部大信号点和全局大信号点的位置信息；步骤3、根据步骤2获得的全局大信号点和局部大信号点位置信息，规划当前层面的欠采样扫描轨迹；步骤4、根据步骤3得到的欠采样扫描轨迹，对当前层面进行扫描，得到当前层面的欠采样K空间数据；步骤5、将步骤4中得到的欠采样K空间数据通过零填充和傅里叶逆变换得到当前层面重建图像I0 ；步骤6、以步骤5中的重建图像I0为重建初始值，通过非线性共轭梯度法，以重建图像If的稀疏变换的1范数最小化为目标，以重建图像If在傅里叶逆变换后与步骤4中获得的欠采样K空间数据之差的2范数小于设定值为约束条件，进行优化迭代运算，从而得到最终的重建图像If；步骤7、通过对重建图像If的傅里叶逆变换，得到当前层面的完整K空间数据；返回步骤2直至扫描层面序列中所有扫描及图像重建完成。

【技术特征摘要】
1.一种基于相邻层信息和欠采样的多层磁共振快速成像方法，其特征在于，包括以下步骤：步骤1、对需要扫描层面序列的第一层，进行满采样扫描，并通过傅里叶变换重建图像；步骤2、进入下一层的扫描，对与当前扫描层面相邻的前一层的K空间数据进行分析，获取其中局部大信号点和全局大信号点的位置信息；步骤3、根据步骤2获得的全局大信号点和局部大信号点位置信息，规划当前层面的欠采样扫描轨迹；步骤4、根据步骤3得到的欠采样扫描轨迹，对当前层面进行扫描，得到当前层面的欠采样K空间数据；步骤5、将步骤4中得到的欠采样K空间数据通过零填充和傅里叶逆变换得到当前层面重建图像I0；步骤6、以步骤5中的重建图像I0为重建初始值，通过非线性共轭梯度法，以重建图像If的稀疏变换的1范数最小化为目标，以重建图像If在傅里叶逆变换后与步骤4中获得的欠采样K空间数据之差的2范数小于设定值为约束条件，进行优化迭代运算，从而得到最终的...

【专利技术属性】
技术研发人员：吕植成，周欣，孙献平，刘买利，叶朝辉，阮伟伟，
申请(专利权)人：中国科学院武汉物理与数学研究所，
类型：发明
国别省市：湖北;42