基于以高斯模型为实例整合重建的磁共振扩散成像方法技术

本发明专利技术公开了一种基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法。其中方法包括：基于多层同时激发预设序列对被测目标进行信号采集；通过并行成像技术对采集到的欠采样信号进行相位估计；通过估计的相位、采集到的欠采样信号、无扩散加权的参考图像，建立高斯扩散模型；根据高斯扩散模型整合所有方向的欠采样信号，建立目标方程；采用非线性共轭梯度算法迭代求解目标方程，得到扩散张量参数；根据扩散张量参数计算得到扩散系数和扩散加权图像。由此，本发明专利技术实施例能够实现磁共振扩散张量成像的高倍加速采集，有效减少采集时间，并能够准确地估计扩散张量参数，得到高信噪比、高分辨率的扩散图像，满足了临床使用需求。

Integrated reconstruction based on Gauss model for magnetic resonance diffusion imaging

The present invention discloses a magnetic resonance diffusion imaging method based on a Gauss diffusion model as an example. The method comprises the following steps: multi excited simultaneously preset sequence signal acquisition of the measured target based on parallel imaging technology; through the undersampled signal phase estimation; through the estimation phase, collected under the reference image sampling signal, diffusion weighted, and established the Gauss diffusion model; according to the Gauss diffusion model integration in all directions the sampling signal, establish the target equation; the nonlinear conjugate gradient algorithm iterative target equation, diffusion tensor parameters are obtained; according to the calculated diffusion coefficient and diffusion tensor parameters of diffusion weighted image. Thus, the embodiment of the invention can realize diffusion tensor magnetic resonance imaging of high speed acquisition, effectively reduce the acquisition time, and can accurately estimate the parameters of diffusion tensor and diffusion images with high signal-to-noise ratio and high resolution, to meet the clinical needs.

【技术实现步骤摘要】
基于以高斯模型为实例整合重建的磁共振扩散成像方法
本专利技术涉及磁共振成像
，尤其涉及一种基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法。
技术介绍
磁共振扩散张量成像能够无创检测人体水分子的微观布朗运动，提供人体纤维连接的结构信息、以及组织的功能信息，是一种重要的神经影像技术，在临床与研究中都得到广泛的应用。目前，磁共振扩散张量成像是唯一能够无创检测人体神经纤维束的成像技术。磁共振扩散成像的对比度机制可以采用高斯扩散模型，该高斯扩散模型中的扩散张量参数反映了组织的扩散性质。通过扩散张量，可以直接计算得到扩散系统、各向异性扩散参数等重要图像指标，例如，各向异性分数(FractionalAnisotropy，英文简称FA)、平均扩散系数(MeanDiffusivity，英文简称MD)、扩散张量特征方向。这些图像参数指标被应用于人体大脑、脊髓、骨骼肌组织连接的诊断。相关技术中，传统的磁共振扩散张量成像通过施加不少于6个方向的扩散梯度编码，通过高斯扩散模型计算得到扩散张量。为了获得更准确的扩散张量，通常需要更多的扩散编码梯度方向，例如32个扩散编码方向，大大增加了信号采集时间。在分辨率方面，多次激发平面回波序列采集能够达到高于传统单次激发技术分辨率的扩散图像，但是多次激发采集也会导致更长的采集时间。因此，尽管高分辨率、多扩散梯度采集能够实现更准确的高质量扩散成像，但所需的图像扫描时间远长于目前临床使用的传统方法，限制了神经影像诊断技术在临床的应用和发展。目前，加速磁共振扩散张量成像的技术主要分为两类：1)并行成像技术，并行成像技术通过多通道线圈采集具有空间敏感度编码的信号，经过解混叠算法，能够将欠采样的信号恢复得到完整的图像；然而，目前并行成像技术受到了通道线圈数目和信噪比的影响，加速倍数通常在2～3倍，并且图像的信噪比偏低。(2)压缩感知技术，压缩感知技术利用扩散图像数据的稀疏性，通过施加稀疏性约束，减少采集信号数量，加速采集；然而，过度依赖压缩感知技术往往会导致图像平滑、细节丢失等问题，并且通常需要随机性采样，难以应用于临床。
技术实现思路
本专利技术的目的旨在至少在一定程度上解决上述的技术问题之一。为此，本专利技术的目的在于提出一种基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法。该方法能够实现磁共振扩散张量成像的高倍加速采集，有效减少采集时间，并能够准确地估计扩散张量参数，得到高信噪比、高分辨率的扩散图像，满足了临床使用需求。为达到上述目的，本专利技术实施例提出的基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法，包括：基于多层同时激发预设序列对被测目标进行信号采集；通过并行成像技术对采集到的欠采样信号进行相位估计；通过估计的相位、所述采集到的欠采样信号、以及无扩散加权的参考图像，建立高斯扩散模型；根据所述高斯扩散模型整合所有方向的欠采样信号，建立用于估计扩散张量参数的目标方程；采用非线性共轭梯度算法迭代求解所述目标方程，得到扩散张量参数；根据所述扩散张量参数计算得到扩散系数和扩散加权图像。根据本专利技术实施例的基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法，基于多层同时激发预设序列对被测目标进行信号采集，并通过并行成像技术对采集到的欠采样信号进行相位估计，之后，通过估计的相位、采集到的欠采样信号、以及无扩散加权的参考图像，建立高斯扩散模型，然后，根据高斯扩散模型整合所有方向的欠采样信号，建立用于估计扩散张量参数的目标方程，并采用非线性共轭梯度算法迭代求解目标方程，得到扩散张量参数，最后，根据扩散张量参数计算得到扩散系数和扩散加权图像，至少具有以下优点：1)基于多层同时激发序列的高倍加速采集，能够实现磁共振扩散张量成像的高倍加速采集，有效减少采集时间；2)在高倍加速下，能够准确地估计扩散张量参数，得到高信噪比、高分辨率的扩散图像，满足了临床使用需求；3)适用于多扩散方向采集的扩散张量成像，能够为更多方向的扩散张量成像序列提供更高的加速；4)通过高斯扩散模型建立采集信号与扩散张量参数的关系，能够直接求解得到扩散张量参数，直接有效，减少了多步处理引起的误差；5)具有良好的灵活性和鲁棒性，适用于多种磁共振序列。本专利技术只是以高斯模型为实例，实际上所提出的方法为一个基本方法，可以扩展到非高斯模型的整合重建，例如扩散峰度成像(diffusionkurtosisimaging,DKI),伽马分布模型(Gammadistributionmodel),截断高斯模型(truncatedGaussianmodel),拉伸指数模型(Stretched-Exponentialmodel)，多高斯模型(multi-Gaussianmodel)，Q空间成像(q-spaceimaging)等等，从而满足不同扩散成像技术的需求。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1是根据本专利技术一个实施例的基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法的流程图；图2是本专利技术实施例的多层同时激发采集加速以及层内降采加速的示例图；图3是本专利技术实施例的基于以高斯扩散模型为实例的整合重建流程的示例图；图4是通过传统并行成像与本专利技术实施例的高斯扩散模型整合重建技术估计得到的各向异性系数对比图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参考附图描述本专利技术实施例的基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法。图1是根据本专利技术一个实施例的基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法的流程图。如图1所示，该基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法可以包括：S110，基于多层同时激发预设序列对被测目标进行信号采集。需要说明的是，该预设序列可以是根据实际需求预先设定的，例如，该预设序列可以是平面回波序列等。本专利技术实施例并不局限于特定序列，能够灵活应用于多种磁共振扫描序列。在本专利技术实施例中，以多次激发平面回波序列为例进行阐述。可以理解，多层同时激发技术是近年来开发的新型磁共振加速采集技术，技术原理是通过同时激发多层数据并同时进行数据采集来减少扫描时间。经过多层同时激发序列采集的数据，实际上是在选层方向欠采样的数据，而数据的信噪比不会有明显的下降。为此，在本步骤中，可基于多层同时激发预设序列对被测目标进行信号采集。为了进一步加速采集，在本专利技术的一个实施例中，在通过并行成像技术对采集到的欠采样信号进行相位估计之前，本专利技术实施例的磁共振扩散成像方法还可包括：基于多次激发预设序列在相位编码方向进行欠采样采集。举例而言，以预设序列为多次激发平面回波序列为例，在基于多层同时激发平面回波序列对被测目标进行信号采集时，还可在相位编码方向进行欠采样采集。由此，通过这两种技术结合，多次激发平面回波序列的采集能够实现高倍加速，加速倍数等于两种方法降采倍数的乘积。例如，如图2中，以一个三次激本文档来自技高网...

【技术保护点】
一种基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法，其特征在于，包括以下步骤：基于多层同时激发预设序列对被测目标进行信号采集；通过并行成像技术对采集到的欠采样信号进行相位估计；通过估计的相位、所述采集到的欠采样信号、以及无扩散加权的参考图像，建立高斯扩散模型；根据所述高斯扩散模型整合所有方向的欠采样信号，建立用于估计扩散张量参数的目标方程；采用非线性共轭梯度算法迭代求解所述目标方程，得到扩散张量参数；根据所述扩散张量参数计算得到扩散系数和扩散加权图像。

【技术特征摘要】
1.一种基于以高斯扩散模型为实例整合重建的磁共振扩散成像方法，其特征在于，包括以下步骤：基于多层同时激发预设序列对被测目标进行信号采集；通过并行成像技术对采集到的欠采样信号进行相位估计；通过估计的相位、所述采集到的欠采样信号、以及无扩散加权的参考图像，建立高斯扩散模型；根据所述高斯扩散模型整合所有方向的欠采样信号，建立用于估计扩散张量参数的目标方程；采用非线性共轭梯度算法迭代求解所述目标方程，得到扩散张量参数；根据所述扩散张量参数计算得到扩散系数和扩散加权图像。2.如权利要求1所述的方法，其特征在于，在所述通过并行成像技术对采集到的欠采样信号进行相位估计之前，所述方法还包括：基于所述多次激发预设序列在相位编码方向进行欠采样采集。3.如权利要求1所述的方法，其特征在于，在所述基于多层同时激发预设序列对被测目标进行信号采集之前，所述方法还包括：对所述被测目标施加预设时间的强梯度磁场，以在每次激发中进行扩散梯度编码，其中，所述强梯度磁场的梯度方向为扩散梯度编码方向。4.如权利要求1所述的方法，其特征在于，所述通过并行成像技术对采集到的欠采样信号进行相位估计，包括：通过线圈敏感度编码的并行成像技术，对所述采集到的欠采样信号进行重建，得到每次激发信号的相位。5.如权利要求4所述的方法，其特征在于，通过以下重建公式来对所述采集到的欠采样信号进行重建：

【专利技术属性】
技术研发人员：董子菁，郭华，戴二鹏，马晓栋，张喆，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11