一种磁共振快速成像方法技术

本发明专利技术公开了磁共振技术领域的一种磁共振快速成像方法，包括下述步骤：步骤一，采用欠采样方式对图像数据进行随机采样获得K空间信号，针对采用数据设计欠采样矩阵；步骤二，将冗余小波稀疏变换和循环卷积测量算子相结合，建立数学模型；步骤三，重建欠采样数据，通过步骤二所述的数学模型进行迭代运算，若达到迭代上限或者运算结果收敛性符合要求，则进行逆稀疏变换并将图像输出；通过将冗余小波稀疏变换和循环卷积测量算子相结合，不仅能得到稀疏域，提供更加丰富的特征信息和精确的频率局部化信息，还能大大减小计算量，有效提升重建速度，实验表明，能有效去除图像中Cusp伪影，提高成像质量，重建图像各项指标参数优异。重建图像各项指标参数优异。重建图像各项指标参数优异。

【技术实现步骤摘要】
一种磁共振快速成像方法


[0001]本专利技术涉及磁共振
，尤其涉及一种磁共振快速成像方法。

技术介绍

[0002]随着科学技术的不断进步，磁共振检查和磁共振成像技术的应用越来越广泛，物理学表明，人体氢质子正常状态下是杂乱无章排列的，当人体进入一定的磁场中，氢质子会按照磁场方向进行重排，产生宏观的磁化矢量，此时给人体施加一定频率和方向的射频脉冲，氢质子章动，发生能量的跃迁，产生核磁共振现象。磁共振成像技术是通过编码获取磁共振信号的空间位置信息，通过采样定理对图像频域（K空间）数据进行采集，进而通过计算转化为图像域数据，获得磁共振图像。
[0003]压缩感知磁共振图像重建技术是指在压缩感知框架下的磁共振图像稀疏重建，以比奈奎斯特采样频率要求的采样密度更稀疏的密度对信号进行随机欠采样，由于频谱是均匀泄露的，而不是整体延拓的，因此可以通过特别的追踪方法将原信号恢复。压缩感知理论表明，如果信号在某一个正交空间具有稀疏性（即可压缩性），那么可以设计一个与稀疏变换不相关的测量矩阵，将完备数据投影到测量矩阵上得到欠采样数据，然后通过合适的重建模型和重建算法从非完备的数据集中以高概率精确的重建该信号。一般情况下，MRI图像在一定的变换域(如空间有限差分、小波变换域等)具有稀疏表示，满足压缩感知图像重构的稀疏性要求。利用压缩感知理论可以大大减少采样数据，从而减少扫描时间。
[0004]通过压缩感知理论可以知道，图像的稀疏性越强，重构图像所需要的测量数据就越少，而重建质量越高。因此，找到磁共振图像更加稀疏的表示方法，成为磁共振压缩感知高质量重建的基础。
[0005]目前基于压缩感知技术有很多典型的算法，例如从稀疏变换入手,结合了现有的主要的两类稀疏变换的以加强稀疏性的模型(GLSMRI)，这两类稀疏变换包括预定义的稀疏变换和基于学习的稀疏变换。
[0006][0007]其中，第一项为数据保真,第二项为局部稀疏,第三项为全局稀疏，模型的求解比较常规,即:循环迭代如下两个步骤直至收敛：1）对图像进行局部稀疏表示；2）在局部稀疏表示已知的条件下进行全局稀疏重建。算法流程如图1所示。
[0008]本方法只对信号数据做了稀疏变换，数学模型不具有结构性；重建速度慢。

技术实现思路

[0009]本专利技术所要解决的技术问题是提供一种能够有效去除重建图像中的Cusp伪影的磁共振快速成像方法。
[0010]为解决上述技术问题，本专利技术的技术方案是：一种磁共振快速成像方法，包括下述步骤：
步骤一，采用欠采样方式对图像数据进行随机采样获得K空间信号，针对采用数据设计欠采样矩阵；步骤二，将冗余小波稀疏变换和循环卷积测量算子相结合，建立数学模型：
[0011]表示向量化的待重建的多通道图像，其中，表示冗余小波稀疏变换，表示向量化的欠采样K空间信号，表示欠采样矩阵，表示傅里叶变换，是卷积核，表示用来调整激励权重的正则参数，表示2范数，表示1范数；步骤三，重建欠采样数据，通过步骤二所述的数学模型进行迭代运算，若达到设定的迭代上限或者运算结果收敛性符合要求，则进行逆稀疏变换并将图像输出。
[0012]作为一种优选的技术方案，在所述步骤一中，采用笛卡尔欠采样方式对空间编码数据进行随机采样。
[0013]作为一种优选的技术方案，在所述步骤一中，数据采样的序列类型可以是下述类型中的一种或一种以上：自旋回波序列、梯度回波序列、快速自旋回波序列、3D梯度回波序列和3D快速自旋回波序列。
[0014]作为一种优选的技术方案，在所述步骤一中，对图像数据进行欠采样的欠采样率为25%、33%或50%中的一种或者一种以上。
[0015]作为一种优选的技术方案，在所述步骤二中，冗余小波稀疏变换的逼近信号和细节信号的长度与原始信号相同，变换后的逼近信号和细节信号数据量之和是原始信号的两倍。
[0016]作为一种优选的技术方案，在所述步骤三中，重建欠采样数据的流程如下：向数学模型内输入欠采样数据和参数、、和1，冗余小波提取稀疏成分、阈值化提取卷积成分，利用数据模型进行循环迭代运算，若达到迭代上限或者运算结果收敛性符合要求，则进行逆稀疏变换并将图像输出。
[0017]作为一种优选的技术方案，在进行循环迭代运算前，对冗余小波提取的稀疏成分数据和阈值化提取卷积成分数据进行一致性处理。
[0018]作为一种优选的技术方案，在所述步骤三中，将GPU编程与单指令流多数据流技术SIMD相结合，对欠采样数据进行重建。
[0019]由于采用了上述技术方案，一种磁共振快速成像方法，包括下述步骤：步骤一，采用欠采样方式对图像数据进行随机采样获得K空间信号，针对采用数据设计欠采样矩阵；步骤二，将冗余小波稀疏变换和循环卷积测量算子相结合，建立数学模型；步骤三，重建欠采样数据，通过步骤二所述的数学模型进行迭代运算，若达到设定的迭代上限或者运算结果收敛性符合要求，则进行逆稀疏变换并将图像输出；本方法通过将冗余小波稀疏变换和循环卷积测量算子相结合，不仅能够得到稀疏域，提供更加丰富的特征信息和更加精确的频率局部化信息，还能够大大减小计算量，有效提升重建速度，并且通过实验表明，该方
法能够有效去除重建图像中的Cusp伪影。
附图说明
[0020]以下附图仅旨在于对本专利技术做示意性说明和解释，并不限定本专利技术的范围。其中：图1是本专利技术现有技术的算法流程图；图2是本专利技术实施例基于稀疏先验的磁共振图像重建简要流程图；图3是本专利技术实施例重建过程流程图；图4是本专利技术实施例50%采样率的欠采样模板；图5是本专利技术实施例33%采样率的欠采样模板；图6是本专利技术实施例实例一的欠采样重建图像；图7是本专利技术实施例实例一的全采样重建图像；图8是本专利技术实施例实例二的欠采样重建图像；图9是本专利技术实施例实例二的全采样重建图像；图10是本专利技术实施例实例三的欠采样重建图像；图11是本专利技术实施例实例三的全采样重建图像；图12是本专利技术实施例实例四的欠采样重建图像；图13是本专利技术实施例实例四的全采样重建图像；图14是本专利技术实施例实例五的欠采样重建图像；图15是本专利技术实施例实例五的全采样重建图像；图16是本专利技术实施例实例六的欠采样重建图像；图17是本专利技术实施例实例六的全采样重建图像；图18是本专利技术实施例实例七的欠采样重建图像；图19是本专利技术实施例实例七的全采样重建图像；图20是本专利技术实施例实例八的欠采样重建图像；图21是本专利技术实施例实例八的全采样重建图像；图22是本专利技术实施例实例九的欠采样重建图像；图23是本专利技术实施例实例九的全采样重建图像；图24是本专利技术实施例实例十的欠采样重建图像；图25是本专利技术实施例实例十的全采样重建图像；图26是本专利技术实施例GPU并行重建MRI数据流程图；图27是本专利技术实施例采用SIMD技术编程原理示意图。
具体实施方式
[0021]下面结合附图和实施例，进一步阐述本专利技术。在下面的详细描述中，只通过说明的方式描述了本专利技术的某些示范性实施例。毋庸置疑，本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁共振快速成像方法，其特征在于，包括下述步骤：步骤一，采用欠采样方式对图像数据进行随机采样获得K空间信号，针对采用数据设计欠采样矩阵；步骤二，将冗余小波稀疏变换和循环卷积测量算子相结合，建立数学模型：；表示向量化的待重建的多通道图像，其中，表示冗余小波稀疏变换，表示向量化的欠采样K空间信号，表示欠采样矩阵，表示傅里叶变换，是卷积核，表示用来调整激励权重的正则参数，表示2范数，表示1范数；步骤三，重建欠采样数据，通过步骤二所述数学模型进行迭代运算，若达到设定的迭代上限或者运算结果收敛性符合要求，则进行逆稀疏变换并将图像输出。2.如权利要求1所述的磁共振快速成像方法，其特征在于，在所述步骤一中，采用笛卡尔欠采样方式对空间编码数据进行随机采样。3.如权利要求1所述的磁共振快速成像方法，其特征在于，在所述步骤一中，数据采样的序列类型可以采用下述类型中的一种或一种以上：自旋回波序列、梯度回波序列、快速自旋回波序列、3D梯度回波序列和3D快速自旋回波序列。4.如权利要求1所述的磁共...

【专利技术属性】
技术研发人员：陆瑶，李培勇，刘宇，高沪光，高衍，连瑞德，宋佳，
申请(专利权)人：山东奥新医疗科技有限公司，
类型：发明
国别省市：