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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。