多维磁共振成像方法及装置制造方法及图纸

技术编号:36606635 阅读:17 留言:0更新日期:2023-02-04 18:30
本发明专利技术提供一种多维磁共振成像方法及装置,包括:确定磁共振成像的采集序列和采集参数;基于采集参数对被测样品进行全采样,得到全采样一维信号数据,通过拉普拉斯变换算法生成被测样品的全采样一维分布;基于采集参数进行稀疏采样,得到被测样品的多维磁共振信号,并根据多维磁共振信号提取各单体素的多维磁共振采样数据,基于各单体素的多维磁共振采样数据通过拉普拉斯变换算法确定各所述单体素的初始多维磁共振分布;对初始多维磁共振分布进行迭代更新,得到各单体素的更新后的多维磁共振分布;基于各更新后的多维磁共振分布生成被测样品的多参数图谱。该多维磁共振成像方法及装置提高了获得的多维磁共振分布图谱的准确度。确度。确度。

【技术实现步骤摘要】
多维磁共振成像方法及装置


[0001]本专利技术涉及核磁共振成像
,尤其涉及一种多维磁共振成像方法及装置。

技术介绍

[0002]磁共振成像是利用核磁共振基本原理,根据物体内部周围组织环境弛豫时间不同而产生不同的自由感应衰减信号的现象。通过外加射频场并利用傅里叶变换对信号进行空间编码,从而得到物体内部的具体结构,并绘制出其三维图像的一种成像技术。由于磁共振成像对组织灵敏度高,空间定位准确,而又无放射性,受到了普遍欢迎。体素是磁共振的最小成像单位,磁共振本身大都是采用体素平均值的信号,对体素内的微观结构缺乏特异性。
[0003]多维磁共振技术是解决这一问题的有效方法之一,它起源于频率域的二维核磁共振技术,可以在两个维度进行磁共振采集,从而在二维谱图上将重叠的谱峰区分。所以多维磁共振技术可以获得单体素内的组分分布,有着亚体素成像的潜力。多维磁共振技术的测量广泛应用于材料的表征,如食品、石油、催化剂、地下水流量、玉米中的油脂等。与传统的一维磁共振方法相比,多维磁共振方法需要进行更高次数的采集,同时可以测量多种参数的相关性,因此在波谱学的分辨率以及对不同组分的分辨能力上,有了显著的提升。
[0004]而多维磁共振的数据求解为分布波谱的过程,这个求解过程是一个病态问题,即采集方面的一点微小改变,就可能引发结果的显著变化。为了减少多维磁共振的采集次数,目前现有多维磁共振成像技术一般是进行稀疏采样,而基于稀疏采样得到的多参数图谱结构分辨率较低,从而难以保证所获得的多维磁共振分布图谱的准确度。因此,在多维磁共振成像过程中如何提高获取到的多维磁共振分布图谱的准确度是亟待解决的技术问题。

技术实现思路

[0005]有鉴于此,本专利技术提供了一种多维磁共振成像方法及装置,以解决现有技术中存在的一个或多个问题。
[0006]根据本专利技术的一个方面,本专利技术公开了一种多维磁共振成像方法,所述方法包括:
[0007]确定磁共振成像的采集序列和采集参数;
[0008]基于所述采集参数对被测样品进行全采样,得到所述被测样品的全采样一维信号数据,基于所述全采样一维信号数据通过拉普拉斯变换算法生成所述被测样品的全采样一维分布;
[0009]基于所述采集参数对所述被测样品进行稀疏采样,得到所述被测样品的多维磁共振信号,并根据采集到的所述多维磁共振信号提取各单体素的多维磁共振采样数据,基于各单体素的多维磁共振采样数据通过拉普拉斯变换算法确定各所述单体素的初始多维磁共振分布;
[0010]基于所述全采样一维分布和拉普拉斯变换算法对所述初始多维磁共振分布进行迭代更新,得到各所述单体素的更新后的多维磁共振分布;
[0011]基于各所述单体素的更新后的多维磁共振分布生成所述被测样品的多参数图谱。
[0012]在本专利技术的一些实施例中,基于所述全采样一维分布和拉普拉斯变换算法对所述初始多维磁共振分布进行迭代更新,得到各所述单体素的更新后的多维磁共振分布,包括:
[0013]基于所述初始多维磁共振分布及所述采集参数得到各所述单体素的合成多维磁共振信号,通过拉普拉斯变换算法得到所述合成多维磁共振信号对应的多维磁共振分布;
[0014]判断所述合成多维磁共振信号对应的多维磁共振分布与所述全采样一维分布的均方误差是否小于预设阈值,在小于所述预设阈值的情况下,所述合成多维磁共振信号对应的多维磁共振分布为对应的单体素的重构后的多维磁共振分布。
[0015]在本专利技术的一些实施例中,基于所述初始多维磁共振分布及所述采集参数得到各所述单体素的合成多维磁共振信号,包括:
[0016]基于所述采集参数确定初始核函数;
[0017]计算所述初始多维磁共振分布及所述初始核函数的乘积,所述乘积为所述合成多维磁共振信号。
[0018]在本专利技术的一些实施例中,基于各所述单体素的更新后的多维磁共振分布生成所述被测样品的多参数图谱,包括:
[0019]确定所述被测样品的感兴趣区域;
[0020]对所述感兴趣区域内的各单体素的更新后的多维磁共振分布进行积分运算,得到所述被测样品的多参数图谱。
[0021]在本专利技术的一些实施例中,基于所述采集参数对所述被测样品进行稀疏采样,包括:
[0022]对所述采集参数进行优化,得到优化后的采集参数;
[0023]基于优化后的所述采集参数对所述被测样品进行稀疏采样。
[0024]在本专利技术的一些实施例中,对所述采集参数进行优化所采用的优化算法为遗传算法。
[0025]在本专利技术的一些实施例中,根据采集到的所述多维磁共振信号提取各单体素的多维磁共振采样数据,基于各单体素的多维磁共振采样数据通过拉普拉斯变换算法确定各所述单体素的初始多维磁共振分布,包括:
[0026]根据采集到的所述多维磁共振信号提取各单体素的多维磁共振采样数据;
[0027]基于提取到的各单体素的多维磁共振采样数据计算各单体素的信噪比;
[0028]判断各所述单体素的信噪比是否大于预设值,将信噪比小于所述预设值的单体素作为噪声。
[0029]在本专利技术的一些实施例中,所述方法还包括:生成图像采集报告,所述图像采集报告包括所述采集序列、采集参数、对应单体素的更新后的多维磁共振分布以及所述多参数图谱。
[0030]根据本专利技术的另一方面,还公开了一种多维磁共振成像系统,该系统包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该系统实现如上任一实施例所述方法的步骤。
[0031]根据本专利技术的又一方面,还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一实施例所述方法的步骤。
[0032]本专利技术所公开的多维磁共振成像方法及装置,首先获取到被测样品的全采样一维分布,进而对被测样品进行稀疏采样以得到被测样品的多维磁共振信号,并进一步基于多维磁共振信号获取到各单体素的初始多维磁共振分布,进而对单体素的初始多维磁共振分布进行迭代更新以得到更新后的多维磁共振分布,最终基于各单体素的更新后的多维磁共振分布生成被测样品的多参数图谱。该方法提高了基于稀疏采样得到的多参数图谱结构的分辨率,也提高了获取到的多维磁共振分布图谱的准确度。
[0033]除上述之外,本申请在对被测样品进行稀疏采样时,对采集参数通过遗传算法进行优化,并基于优化后的采集参数进行稀疏采集,该方法在采集前就获得使核函数更加稳定的采集参数,减少了核函数矩阵的病态性,减少了采集时间,从而实现了快速且准确的采集。
[0034]本专利技术的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在书面说明及其权利要求书以及附图中具体指出的结构实现到并获得。
[0035]本领域技术人员将会理解的是,能够用本专利技术实现的目的和优点不限本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种多维磁共振成像方法,其特征在于,所述方法包括:确定磁共振成像的采集序列和采集参数;基于所述采集参数对被测样品进行全采样,得到所述被测样品的全采样一维信号数据,基于所述全采样一维信号数据通过拉普拉斯变换算法生成所述被测样品的全采样一维分布;基于所述采集参数对所述被测样品进行稀疏采样,得到所述被测样品的多维磁共振信号,并根据采集到的所述多维磁共振信号提取各单体素的多维磁共振采样数据,基于各单体素的多维磁共振采样数据通过拉普拉斯变换算法确定各所述单体素的初始多维磁共振分布;基于所述全采样一维分布和拉普拉斯变换算法对所述初始多维磁共振分布进行迭代更新,得到各所述单体素的更新后的多维磁共振分布;基于各所述单体素的更新后的多维磁共振分布生成所述被测样品的多参数图谱。2.根据权利要求1所述的多维磁共振成像方法,其特征在于,基于所述全采样一维分布和拉普拉斯变换算法对所述初始多维磁共振分布进行迭代更新,得到各所述单体素的更新后的多维磁共振分布,包括:基于所述初始多维磁共振分布及所述采集参数得到各所述单体素的合成多维磁共振信号,通过拉普拉斯变换算法得到所述合成多维磁共振信号对应的多维磁共振分布;判断所述合成多维磁共振信号对应的多维磁共振分布与所述全采样一维分布的均方误差是否小于预设阈值,在小于所述预设阈值的情况下,所述合成多维磁共振信号对应的多维磁共振分布为相应单体素的重构后的多维磁共振分布。3.根据权利要求2所述的多维磁共振成像方法,其特征在于,基于所述初始多维磁共振分布及所述采集参数得到各所述单体素的合成多维磁共振信号,包括:基于所述采集参数确定初始核函数;计算所述初始多维磁共振分布及所述初始核函数的乘积,所述乘积为所述合成多维磁共振信号。4.根据权利要求1所述的多维磁共振成像方法,其特征在...

【专利技术属性】
技术研发人员:宗芳荣刘勇王栎宪朱载民
申请(专利权)人:北京邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1