基于图像伪影自动校准的磁共振CEST成像方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种基于图像伪影自动校准的磁共振CEST成像方法、装置、介质及设备，方法包括：获取待成像对象的磁共振CEST欠采样k空间数据；获取经训练的深度神经网络，该网络由一个图像重建模块和一个图像伪影抑制模块组成；利用神经网络进行CEST源图像的重建和伪影抑制。本发明专利技术将图像伪影抑制策略融入到深度学习图像重建架构中，借助图像伪影先验，在保证图像质量的前提下大幅缩减了磁共振CEST成像时间，解决了磁共振CEST成像期间由数据欠采样和T2衰减造成的图像实际分辨率降低的问题。衰减造成的图像实际分辨率降低的问题。衰减造成的图像实际分辨率降低的问题。

【技术实现步骤摘要】
基于图像伪影自动校准的磁共振CEST成像方法、装置、介质及设备


[0001]本专利技术属于磁共振成像领域，特别是涉及结合深度神经网络和图像伪影自动校准策略的快速化学交换饱和转移成像技术。

技术介绍

[0002]化学交换饱和转移(Chemical Exchange Saturation Transfer,CEST)成像通过对特定内源性质子的选择性饱和，并利用水质子和内源性质子相互交换的现象，积累和放大内源性质子产生的磁共振(Magnetic Resonance,MR)信号，故能从分子水平灵敏地探测到活体内低浓度代谢物质的空间分布，实现对代谢产物和pH等重要生理参数的成像，将磁共振成像由结构水平扩展到了代谢和功能水平，当前CEST成像技术已在多类疾病的诊断和治疗方面展现出独特优势和较大潜力。然而，CEST成像信息的高丰富度是以较长的成像时间为代价的，为保证CEST成像的质量和可靠性，往往需要在较大的饱和偏移频率范围内采集多帧图像。因此，尽管CEST成像具有很好的应用前景，但成像时间长的弊端严重制约了它的发展和临床推广。
[0003]为解决上述问题，基于图像变换域稀疏性的压缩感知(Compressed Sensing,CS)重建方法被用于加速CEST成像，但重建期间耗时的非线性迭代环节、重建图像细节信息缺失等弊端限制了CS算法在CEST成像领域的应用。基于多通道线圈采集的并行成像方法，通过对不同通道线圈的空间灵敏度差异信息的建模和挖掘，有效缩减了CEST成像时间，其中具有代表性的变加速敏感度编码(vSENSE)方法提供了一种有效的图像伪影抑制策略，由此发展而来的结合k空间和图像空间重建的快速成像(KIPI)方法，进一步证明了该伪影抑制策略可有效解决数据采集期间由T2衰减造成的图像实际分辨率降低的问题；然而，上述伪影抑制策略完全基于逐像素的线性模型，未能对欠采样图像和全采样图像间的复杂关系进行准确建模，且忽略了各像素之间的相关性。
[0004]近年来，基于深度学习的图像重建算法在对数据中隐含信息的挖掘和利用方面展现出独特优势，为加速CEST成像提供了全新的思路。然而，一类重要的信息——待重建图像中的伪影信息，尚未能作为图像重建的先验而得到有效利用。如何借助深度神经网络数据驱动的优势，在图像重建环节充分利用图像伪影先验，进而实现更高质量、更快速的CEST成像，是值得研究的问题。
[0005]另请参见公开号为CN 114820849 A的中国专利，其公开了一种基于深度学习的磁共振CEST图像重建方法、装置、介质及设备，同时提供了一种高效的多通道CEST数据仿真方法。该工作通过深度神经网络和线圈灵敏度编码的结合，有效加速了临床场景的CEST成像。

技术实现思路

[0006]本专利技术目的在于，基于图像伪影自动校准思想，提供一种成像时间短、重建效果好且具备较高临床及商业价值的快速磁共振CEST成像方法、装置、介质及设备，用于解决CEST
成像时间长的问题。
[0007]本专利技术所采用的具体技术方案如下：
[0008]第一方面，本专利技术提供了一种基于图像伪影自动校准的磁共振CEST成像方法，其包括：
[0009]S1、针对待进行磁共振CEST成像的目标对象，获取目标对象的多通道k空间数据，以及对应的线圈灵敏度图；所述多通道k空间数据由采集到的所有CEST饱和偏移频率下的k空间数据帧组成，包括一帧校准帧全采样k空间数据和其余非校准帧欠采样k空间数据；
[0010]S2、对所述校准帧全采样k空间数据进行z谱调制，并进行回顾性欠采样且欠采样的轨迹与所述非校准帧欠采样k空间数据一致，得到校准帧欠采样k空间数据，同时对z谱调制后的校准帧全采样k空间数据做傅里叶逆变换和多通道合并，得到校准帧合并全采样图像；
[0011]S3、获取经过训练的深度神经网络，且所述深度神经网络由一个图像重建模块和一个图像伪影抑制模块级联而成；所述图像重建模块的输入为非校准帧欠采样k空间数据、校准帧欠采样k空间数据、线圈灵敏度图，三个输入经过图像重建操作后，输出含剩余伪影的非校准帧合并图像和含剩余伪影的校准帧合并图像；所述图像伪影抑制模块的输入为所述校准帧合并全采样图像、所述含剩余伪影的非校准帧合并图像和所述含剩余伪影的校准帧合并图像，校准帧合并全采样图像和含剩余伪影的校准帧合并图像先经过伪影估计得到图像伪影校准谱，然后利用所述图像伪影校准谱对所述含剩余伪影的非校准帧合并图像进行伪影校准，最终的输出为重建后的CEST源图像；
[0012]S4、将S1和S2中获取的非校准帧欠采样k空间数据、校准帧欠采样k空间数据、线圈灵敏度图以及校准帧合并全采样图像输入所述经过训练的深度神经网络中，得到重建和伪影抑制后的CEST源图像。
[0013]作为上述第一方面的优选，S1中所述线圈灵敏度图通过直接采集得到，或利用所述校准帧全采样k空间数据计算得到。
[0014]作为上述第一方面的优选，所述校准帧全采样k空间数据可以全采样得到，或降采样后通过并行成像算法重建得到。
[0015]作为上述第一方面的优选，S2中所述z谱调制的具体操作步骤为：
[0016]S11、对所述非校准帧欠采样k空间数据进行傅里叶逆变换和多通道合并，得到帧数为N
F
的非校准帧欠采样合并图像；
[0017]S12、对所述非校准帧欠采样合并图像中的各帧取均值，每一帧图像的像素均值依次作为z谱中的一个点，从而得到一条由N
F
个点构成的z谱；
[0018]S13、将所述校准帧全采样k空间数据复制和堆叠N
F
次，得到堆叠后的校准帧全采样k空间数据；
[0019]S14、将所述z谱与所述堆叠后校准帧全采样k空间数据沿帧方向进行逐通道和逐像素的点乘，得到经z谱调制后的校准帧全采样k空间数据。
[0020]作为上述第一方面的优选，所述图像重建模块由结合并行成像的图像重建算法实现。
[0021]作为上述第一方面的优选，所述图像重建模块由傅里叶逆变换和多通道合并代替。
[0022]作为上述第一方面的优选，所述图像伪影抑制模块由伪影估计单元和伪影校准单元构成，且伪影估计单元和伪影校准单元分别由一个基于编码
‑
解码结构的卷积神经网络实现；所述伪影估计单元的输入为校准帧合并全采样图像和含剩余伪影的校准帧合并图像，所述伪影估计单元的输出为图像伪影校准谱；所述伪影校准单元的输入为含剩余伪影的非校准帧合并图像和所述图像伪影校准谱，所述伪影校准单元的输出为重建后的CEST源图像。
[0023]作为上述第一方面的优选，所述基于编码
‑
解码结构的卷积神经网络包含编码器和解码器；
[0024]所述编码器包含两条末端融合的编码分支，卷积神经网络的两个输入图像分别输入不同的编码分支中；每条编码分支各自的输入图像先经过两层3
×
3卷积后各自得到对应的第一中间特征，每条编码分支的第一中间特征经过2
×...

【技术保护点】

【技术特征摘要】
1.一种基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，包括：S1、针对待进行磁共振CEST成像的目标对象，获取目标对象的多通道k空间数据，以及对应的线圈灵敏度图；所述多通道k空间数据由采集到的所有CEST饱和偏移频率下的k空间数据帧组成，包括一帧校准帧全采样k空间数据和其余非校准帧欠采样k空间数据；S2、对所述校准帧全采样k空间数据进行z谱调制，并进行回顾性欠采样且欠采样的轨迹与所述非校准帧欠采样k空间数据一致，得到校准帧欠采样k空间数据，同时对z谱调制后的校准帧全采样k空间数据做傅里叶逆变换和多通道合并，得到校准帧合并全采样图像；S3、获取经过训练的深度神经网络，且所述深度神经网络由一个图像重建模块和一个图像伪影抑制模块级联而成；所述图像重建模块的输入为非校准帧欠采样k空间数据、校准帧欠采样k空间数据、线圈灵敏度图，三个输入经过图像重建操作后，输出含剩余伪影的非校准帧合并图像和含剩余伪影的校准帧合并图像；所述图像伪影抑制模块的输入为所述校准帧合并全采样图像、所述含剩余伪影的非校准帧合并图像和所述含剩余伪影的校准帧合并图像，校准帧合并全采样图像和含剩余伪影的校准帧合并图像先经过伪影估计得到图像伪影校准谱，然后利用所述图像伪影校准谱对所述含剩余伪影的非校准帧合并图像进行伪影校准，最终的输出为重建后的CEST源图像；S4、将S1和S2中获取的非校准帧欠采样k空间数据、校准帧欠采样k空间数据、线圈灵敏度图以及校准帧合并全采样图像输入所述经过训练的深度神经网络中，得到重建和伪影抑制后的CEST源图像。2.如权利要求1所述的基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，S1中所述线圈灵敏度图通过直接采集得到，或利用所述校准帧全采样k空间数据计算得到；所述校准帧全采样k空间数据通过全采样得到，或者以降采样后通过并行成像算法重建得到。。3.如权利要求1所述的基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，S2中所述z谱调制的具体操作步骤为：S11、对所述非校准帧欠采样k空间数据进行傅里叶逆变换和多通道合并，得到帧数为N
F
的非校准帧欠采样合并图像；S12、对所述非校准帧欠采样合并图像中的各帧取均值，每一帧图像的像素均值依次作为z谱中的一个点，从而得到一条由N
F
个点构成的z谱；S13、将所述校准帧全采样k空间数据复制和堆叠N
F
次，得到堆叠后的校准帧全采样k空间数据；S14、将所述z谱与所述堆叠后校准帧全采样k空间数据沿帧方向进行逐通道和逐像素的点乘，得到经z谱调制后的校准帧全采样k空间数据。4.如权利要求1所述的基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，所述图像重建模块由结合并行成像的图像重建算法实现。5.如权利要求1所述的基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，所述图像重建模块由傅里叶逆变换和多通道合并代替。6.如权利要求1所述的基于图像伪影自动校准的磁共振CEST成像方法，其特征在于，所述图像伪影抑制模块由伪影估计单元和伪影校准单元构成，且伪影估计单元和伪影校准单元分别由一个基于编码
‑
解码结构的卷积神经网络实现；所述伪影估计单元的输入为校准
帧合并全采样图像和含剩余伪影的校准帧合并图像，所述伪影估计单元的输出为图像伪影校准谱；所述伪影校准单元的输入为含剩余伪影的非校准...

【专利技术属性】
技术研发人员：张祎，徐健平，祖涛，
申请(专利权)人：浙江大学，
类型：发明
国别省市：