磁共振成像方法和装置制造方法及图纸

本申请提供了一种磁共振成像方法和装置。该方法和装置将用于描述预设K空间区域的原始采集K空间数据与共轭转置K空间数据之间的映射关系的卷积神经网络应用到未采集数据的K空间区域，如此，可以重建出该未采集数据的K空间区域的缺失K空间数据，最后，利用原始采集K空间数据和重建出的未采集数据的K空间区域的缺失K空间数据进行图像重建，得到磁共振图像。因为卷积神经网络通过一组非线性函数可以较为准确地描述原始采集K空间数据与其对应的共轭转置K空间数据的映射关系，该方法和装置重建出的图像较为准确。而且，该方法和装置能够较好地保留图像相位，并能大幅减少图像中尤其是相位变化剧烈区域处的伪影或变形。

【技术实现步骤摘要】
磁共振成像方法和装置
本申请涉及医学影像
，尤其涉及一种磁共振成像方法和装置。
技术介绍
磁共振成像(MagneticResonanceImaging，简称MRI)由于具有较高的软组织对比度和空间分辨率，可同时获得检查部位的形态信息和功能信息，并能够根据需要灵活地选择成像参数与成像层面，成为当今医学影像检查的重要手段。然而受奈奎斯特采样定理和主磁场强度等因素的制约，磁共振的成像速度非常慢，大大地限制了磁共振在临床中的应用。为了缩短磁共振成像的时间，需要提高磁共振扫描速度。目前已有一些提高磁共振扫描速度的方法。部分傅里叶(PartialFourier)采集就是其中一种提高磁共振扫描速度的方法。所谓部分傅里叶采集，指的是可以仅采集略多于一半K空间区域的K空间数据，例如，原始采集K空间为完整K空间的50％～60％(不包括50％)。如图1所示，该采集到的原始采集K空间包括K空间中靠近一侧的一半K空间S1以及另外一半K空间中的低频部分S2L。然而，目前针对部分傅里叶采集的K空间数据进行图像重建的方法中，要么最终重建图像中的相位信息会有所损失，要么最终重建图像存在一定程度的伪影或变形，要么重建的图像准确性较差。
技术实现思路
有鉴于此，本申请提供了一种磁共振成像方法和装置，该方法能够有效改善重建图像的相位，同时大幅减少最终重建图像中的伪影或变形，并提高图像的准确性。为了解决上述技术问题，本申请采用了如下技术方案：一种磁共振成像方法，包括：采用部分傅里叶采集方式采集K空间数据，得到原始采集K空间区域内的原始采集K空间数据；所述原始采集K空间区域包括第一K空间区域和第二K空间区域；对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间区域内的共轭转置K空间数据；所述共轭转置K空间区域包括所述第二K空间区域和第三K空间区域；所述原始采集K空间区域和所述第三K空间区域构成完整K空间；根据所述第三K空间区域内的共轭转置K空间数据和卷积神经网络，重建第三K空间区域内的缺失K空间数据；根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像；其中，所述卷积神经网络是以预设K空间区域内的原始采集K空间数据作为输出数据，以所述预设K空间区域内的原始采集K空间数据的共轭转置K空间数据作为输入数据，学习所述预设K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系得到的。可选地，所述对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间数据之后，所述重建第三K空间区域内的缺失K空间数据之前，还包括：根据所述原始采集K空间数据和所述共轭转置K空间数据训练卷积神经网络；所述根据所述原始采集K空间数据和所述共轭转置K空间数据训练卷积神经网络，具体包括：分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据；以所述第二K空间区域内的原始采集K空间数据作为预先构建的卷积神经网络的输出数据，以所述第二K空间区域内的共轭转置K空间数据作为所述卷积神经网络的输入数据，学习所述第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系，从而得到所述卷积神经网络。可选地，所述分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之前，还包括：对所述原始采集K空间数据和所述共轭转置K空间数据进行高通滤波处理；所述分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据，具体包括：分别从高通滤波处理后的原始采集K空间数据和共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据。可选地，所述卷积神经网络包括多个串联的卷积层，或者，所述卷积神经网络为单个卷积层。可选地，所述根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像，具体包括：将所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据合成完整K空间数据；对所述完整K空间数据进行逆傅里叶变换，得到磁共振图像。可选地，所述第二K空间区域为K空间中央区域，所述K空间中央区域的K空间数据为低频K空间数据。一种磁共振成像装置，包括：采集单元，用于采用部分傅里叶采集方式采集K空间数据，得到原始采集K空间区域内的原始采集K空间数据；所述原始采集K空间区域包括第一K空间区域和第二K空间区域；共轭转置单元，用于对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间区域内的共轭转置K空间数据；所述共轭转置K空间区域包括所述第二K空间区域和第三K空间区域；所述原始采集K空间区域和所述第三K空间区域构成完整K空间；数据重建单元，用于根据所述第三K空间区域内的共轭转置K空间数据和卷积神经网络，重建第三K空间区域内的缺失K空间数据；图像重建单元，用于根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像；其中，所述卷积神经网络是以预设K空间区域内的原始采集K空间数据作为输出数据，以所述预设K空间区域内的原始采集K空间数据的共轭转置K空间数据作为输入数据，学习所述预设K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系得到的。可选地，所述装置还包括：训练单元，用于在所述共轭转置单元对所述原始采集K空间数据进行共轭转置之后，所述数据重建单元重建第三K空间区域内的缺失K空间数据之前，根据所述原始采集K空间数据和所述共轭转置K空间数据训练卷积神经网络；所述训练单元具体包括：提取子单元，用于分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据；学习子单元，用于以所述第二K空间区域内的原始采集K空间数据作为预先构建的卷积神经网络的输出数据，以所述第二K空间区域内的共轭转置K空间数据作为所述卷积神经网络的输入数据，学习所述第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系，从而得到所述卷积神经网络。可选地，所述训练单元还包括：处理子单元，用于所述提取子单元分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之前，对所述原始采集K空间数据和所述共轭转置K空间数据进行高通滤波处理；所述学习子单元，具体为：分别从高通滤波处理后的原始采集K空间数据和共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据。可选地，所述卷积神经网络包括多个串联的卷积层，或者，所述卷积神经网络为单个卷积层。相较于现有技术，本本文档来自技高网...

【技术保护点】
1.一种磁共振成像方法，其特征在于，包括：/n采用部分傅里叶采集方式采集K空间数据，得到原始采集K空间区域内的原始采集K空间数据；所述原始采集K空间区域包括第一K空间区域和第二K空间区域；/n对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间区域内的共轭转置K空间数据；所述共轭转置K空间区域包括所述第二K空间区域和第三K空间区域；所述原始采集K空间区域和所述第三K空间区域构成完整K空间；/n根据所述第三K空间区域内的共轭转置K空间数据和卷积神经网络，重建第三K空间区域内的缺失K空间数据；/n根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像；/n其中，所述卷积神经网络是以预设K空间区域内的原始采集K空间数据作为输出数据，以所述预设K空间区域内的原始采集K空间数据的共轭转置K空间数据作为输入数据，学习所述预设K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系得到的。/n

【技术特征摘要】
1.一种磁共振成像方法，其特征在于，包括：
采用部分傅里叶采集方式采集K空间数据，得到原始采集K空间区域内的原始采集K空间数据；所述原始采集K空间区域包括第一K空间区域和第二K空间区域；
对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间区域内的共轭转置K空间数据；所述共轭转置K空间区域包括所述第二K空间区域和第三K空间区域；所述原始采集K空间区域和所述第三K空间区域构成完整K空间；
根据所述第三K空间区域内的共轭转置K空间数据和卷积神经网络，重建第三K空间区域内的缺失K空间数据；
根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像；
其中，所述卷积神经网络是以预设K空间区域内的原始采集K空间数据作为输出数据，以所述预设K空间区域内的原始采集K空间数据的共轭转置K空间数据作为输入数据，学习所述预设K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系得到的。


2.根据权利要求1所述的方法，其特征在于，所述对所述原始采集K空间数据进行共轭转置，得到共轭转置K空间数据之后，所述重建第三K空间区域内的缺失K空间数据之前，还包括：
根据所述原始采集K空间数据和所述共轭转置K空间数据训练卷积神经网络；
所述根据所述原始采集K空间数据和所述共轭转置K空间数据训练卷积神经网络，具体包括：
分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据；
以所述第二K空间区域内的原始采集K空间数据作为预先构建的卷积神经网络的输出数据，以所述第二K空间区域内的共轭转置K空间数据作为所述卷积神经网络的输入数据，学习所述第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之间的映射关系，从而得到所述卷积神经网络。


3.根据权利要求2所述的方法，其特征在于，所述分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据之前，还包括：
对所述原始采集K空间数据和所述共轭转置K空间数据进行高通滤波处理；
所述分别从所述原始采集K空间数据和所述共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据，具体包括：
分别从高通滤波处理后的原始采集K空间数据和共轭转置K空间数据中提取第二K空间区域内的原始采集K空间数据和共轭转置K空间数据。


4.根据权利要求2所述的方法，其特征在于，所述卷积神经网络包括多个串联的卷积层，或者，所述卷积神经网络为单个卷积层。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K空间数据进行图像重建，得到磁共振图像，具体包括：
将所述原始采集K空间数据和重建出的所述第三K空间区域内的缺失K...

【专利技术属性】
技术研发人员：黄峰，孙爱琦，鞠光亮，
申请(专利权)人：上海东软医疗科技有限公司，
类型：发明
国别省市：上海;31