磁共振成像设备的多个线圈灵敏度图和SENSE重建制造技术

本发明专利技术涉及磁共振成像设备的多个线圈灵敏度图和SENSE重建。各种示例涉及磁共振成像MRI图像的SENSE重建。使用接收器线圈阵列的每个线圈的多个线圈灵敏度图，例如从ESPIRiT自动校准协议来获得。动校准协议来获得。动校准协议来获得。

【技术实现步骤摘要】
磁共振成像设备的多个线圈灵敏度图和SENSE重建


[0001]本公开内容的各种示例通常涉及基于针对接收器线圈阵列的多个线圈获得的欠采样MRI测量数据集的磁共振成像(MRI)图像的重建。各种示例具体涉及采用图像域重建，该图像域重建使用每个接收器线圈的多个线圈灵敏度图。

技术介绍

[0002]MRI基于在检查中的检查对象(例如患者)的区域中的核磁化的动力学的激发和检测。核磁化的动力学具有射频(RF)频谱中的频率。利用常规的MRI技术，通过获取原始MRI数据对空间频率域(也被称为k空间)进行采样。利用空间频率域的足够密集的采样(如例如为了通过所谓的奈奎斯特准则来避免混叠伪影而给出的)，可以通过MRI原始数据的傅立叶变换在图像域中创建MRI图像。在该上下文中，密集采样可以被理解为是指具有足够密度以满足奈奎斯特准则的采样，而欠采样是指具有比奈奎斯特准则所规定的密度更低密度的采样。
[0003]已知用于减少MRI所需的持续时间(获取时间)的不同技术。一种技术是并行成像或部分地并行获取(PPA)。
[0004]并行成像旨在从欠采样的多通道k空间数据集重建MR图像。也就是说，多通道k空间数据集包括使用接收器线圈阵列的不同线圈获取的多个k空间数据。
[0005]在大多数情况下，这样做的主要动机是减少获取时间，因为更少的k空间数据被采样。MR图像的重建基于信号模型，该信号模型使用不同通道的信息来有效地增加采样密度。这允许重建较大的视场和/或避免混叠伪影。换言之，使用欠采样轨迹来对k空间中的k空间数据进行采样，然而对于视场而言，该欠采样轨迹低于奈奎斯特极限(使得通常会出现混叠伪影)。
[0006]用于重建的最重要的方法之一是SENSE。参见Pruessmann KP、Weiger M、Scheidegger MB、Boesiger P，SENSE:sensitivity encoding for fast MRI，医学磁共振(Magn Reson Med)，1999年11月，42(5):952
‑
62，PMID:10542355。SENSE重建算法利用了以下：针对每个接收通道的图像由高分辨率图像和平滑线圈灵敏度图(CSM)的乘积给出。在其原始公式中，SENSE重建算法用于规则的欠采样模式——即二维(2D)笛卡尔欠采样轨迹——使得重建可以纯粹在图像域中被执行。为此目的，对于接收器线圈阵列的每个线圈，欠采样的k空间数据被傅立叶变换成相应的混叠通道图像；并且通过使用预先计算的CSM来展开混叠的通道图像中的每一个。该方法被扩展到任意笛卡尔k空间轨迹和非笛卡尔k空间轨迹。在该一般公式中，模型使样本k空间数据与重建的图像直接相关。通常使用迭代优化来迭代地完成计算。所有这样的方法都被称为SENSE重建。
[0007]已知SENSE重建对混叠更敏感。当与基于k空间的重建(例如GRAPPA重建)相比时，尤其如此。参见Griswold、Mark A等人，“Generalized autocalibrating partially parallel acquisitions(GRAPPA)”，医学磁共振：国际医学磁共振学会官方期刊47.6(2002年)：1202
‑
1210。特别是，SENSE重建容易出现卷褶伪影(wrap
‑
around artifact)。
[0008]此外，参见US20150054505A1。
[0009]因此，存在对先进的SENSE重建技术的需求。具体地，存在对减少混叠和卷褶伪影的技术的需求。
[0010]独立权利要求的特征满足该需求。从属权利要求的特征限定实施方式。

技术实现思路

[0011]一种重建MRI图像的计算机实现的方法包括：针对MRI设备的接收器线圈阵列的每个线圈，使用自动校准协议来确定两个或更多个线圈灵敏度图的相应集合。自动校准协议对k空间的一部分进行密集采样。该方法还包括：针对接收器线圈阵列的每个线圈，确定相应的线圈灵敏度数据结构，该相应的线圈灵敏度数据结构包括沿给定方向在k空间中以拼接布置的相应的两个或更多个线圈灵敏度图。拼接布置的拼接因子与相应集合的两个或更多个线圈灵敏度图的计数对应。该方法还包括：针对接收器线圈阵列的每个线圈，使用k空间中的欠采样轨迹来获取k空间数据，并且确定相应的测量数据结构。每个相应的测量数据结构包括在经调整的k空间轨迹上在k空间中重新布置的相应的k空间数据，该经调整的k空间轨迹是通过沿给定方向以拼接因子拉伸k空间轨迹而确定的。该方法还包括：基于针对接收器线圈阵列的线圈确定的线圈灵敏度数据结构并且还基于针对接收器线圈阵列的线圈确定的测量数据结构，执行迭代优化以获得至少一个MRI图像。针对迭代优化的多次迭代中的至少一些迭代，迭代优化包括正则化操作和数据一致性操作。数据一致性操作基于测量数据结构与相应的合成的测量数据结构之间的差异，合成的MRI测量数据结构基于多次迭代的至少一个先前MRI图像的k空间表示和经调整的欠采样轨迹以及线圈灵敏度数据结构。
[0012]计算机程序或计算机程序产品包括程序代码。程序代码可以由至少一个处理器加载和执行。在执行程序代码时，至少一个处理器执行重建MRI图像的方法。该方法包括：针对MRI设备的接收器线圈阵列的每个线圈，使用自动校准协议来确定两个或更多个线圈灵敏度图的相应集合。自动校准协议对k空间的一部分进行密集采样。该方法还包括：针对接收器线圈阵列的每个线圈，确定相应的线圈灵敏度数据结构，该相应的线圈灵敏度数据结构包括沿给定方向在k空间中以拼接布置的相应的两个或更多个线圈灵敏度图。拼接布置的拼接因子与相应集合的两个或更多个线圈灵敏度图的计数对应。该方法还包括：针对接收器线圈阵列的每个线圈，使用k空间中的欠采样轨迹来获取k空间数据，并且确定相应的测量数据结构。每个相应的测量数据结构包括在经调整的k空间轨迹上在k空间中重新布置的相应的k空间数据，该经调整的k空间轨迹是通过沿给定方向以拼接因子拉伸k空间轨迹而确定的。该方法还包括：基于针对接收器线圈阵列的线圈确定的线圈灵敏度数据结构并且还基于针对接收器线圈阵列的线圈确定的测量数据结构，执行迭代优化以获得至少一个MRI图像。针对迭代优化的多次迭代中的至少一些迭代，迭代优化包括正则化操作和数据一致性操作。数据一致性操作基于测量数据结构与相应的合成的测量数据结构之间的差异，合成的MRI测量数据结构基于多次迭代的至少一个先前MRI图像的k空间表示和经调整的欠采样轨迹以及线圈灵敏度数据结构。
[0013]一种装置包括至少一个处理器和存储器。至少一个处理器被配置成从存储器加载程序代码并执行该程序代码。在执行该程序代码时，至少一个处理器执行重建MRI图像的方法。该方法包括：针对MRI设备的接收器线圈阵列的每个线圈，使用自动校准协议来确定两
个或更多个线圈灵敏度图的相应集合。自动校准协议对k空间的一部分进行密集采样。该方法还包括：针对接收器线圈阵列的每个线圈，确定相应的线圈灵敏度数据结构，该相应的线圈灵敏度数据结构包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种重建MRI图像的计算机实现的方法，所述方法包括：
‑
针对MRI设备(100)的接收器线圈阵列(139)的每个线圈，使用对k空间的一部分进行密集采样的自动校准协议来确定(3005)两个或更多个线圈灵敏度图(431，432)的相应集合，并且确定(3010)相应的线圈灵敏度数据结构(439)，所述相应的线圈灵敏度数据结构(439)包括沿所述k空间中的给定方向(481)以拼接布置的相应的两个或更多个线圈灵敏度图(431，432)，所述拼接布置的拼接因子与所述相应集合的所述两个或更多个线圈灵敏度图(431，432)的计数对应，
‑
针对所述接收器线圈阵列(139)的每个线圈，使用所述k空间中的欠采样轨迹(411)来获取(3015)k空间数据，并且确定(3020)相应的测量数据结构(419)，所述相应的测量数据结构(419)包括在经调整的k空间轨迹(418)上在所述k空间中重新布置的相应的k空间数据，所述经调整的k空间轨迹(418)是通过沿所述给定方向(481)以所述拼接因子拉伸所述k空间轨迹(411)而确定的，以及
‑
基于针对所述接收器线圈阵列的线圈确定的线圈灵敏度数据结构(439)并且还基于针对所述接收器线圈阵列的线圈确定的测量数据结构(419)，执行迭代优化以获得至少一个MRI图像，其中，针对所述迭代优化的多次迭代中的至少一些迭代，所述迭代优化包括正则化操作和数据一致性操作，其中，所述数据一致性操作基于所述测量数据结构与相应的合成的测量数据结构之间的差异，所述合成的MRI测量数据结构基于所述多次迭代的至少一个先前MRI图像的k空间表示和所述经调整的欠采样轨迹以及所述线圈灵敏度数据结构。2.根据权利要求1所述的计算机实现的方法，其中，所述迭代优化通过重建算法来实现，所述重建算法被配置成：针对预定范围的拼接因子，接受所述线圈灵敏度数据结构(439)和所述测量数据结构(419)作为输入数据。3.根据权利要求2所述的计算机实现的方法，其中，所述重建算法被配置成：还接受未在所述k空间中重新布置的非拼接线圈灵敏度图(431)和所述k空间数据(412)作为所述输入数据。4.根据前述权利要求中任一项所述的计算机实现的方法，其中，在多个回波时间处针对每个线圈获取所述k空间数据，以从而获得针对两个或更多个自旋种类的两个或更多个MRI图像，其中，所述方法还包括：
‑
针对所述接收器线圈阵列的每个线圈：通过将所述相应的线圈灵敏度数据结构与针对所述多个回波时间中的每一个获得的预定去相位图以及与所述两个或更多个自旋种类中的至少一对之间的相对去相位相关联的至少一个预定去相位因子相结合，来增强所述相应的线圈灵敏度数据结构。5.根据前述权利要求中任一项所述的计算机实现的方法，其中，所述正则化操作通过卷积神经网络的多个层来实现，所述多个层中的不同层与所述多次迭代中的不同迭代相关联。6.根据前述权利要求中...

【专利技术属性】
技术研发人员：托马斯，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：