当前位置: 首页 > 专利查询>厦门大学专利>正文

一种同时多层磁共振参数定量成像方法技术

技术编号:39413256 阅读:9 留言:0更新日期:2023-11-19 16:04
一种同时多层磁共振参数定量成像方法,涉及磁共振成像。包括以下步骤:S1:设计同时多层磁共振参数定量成像脉冲序列;S2:生成深度神经网络的训练样本;S3:采用所述训练样本对深度神经网络进行训练,得到训练好的深度神经网络;S4:采用所述同时多层磁共振参数定量成像脉冲序列采集实际成像物体的k空间数据并进行预处理,得到所述实际成像物体的混叠图像;S5:采用所述训练好的深度神经网络对所述实际成像物体的混叠图像进行重建,获得多层磁共振参数定量图像。该方法能一次扫描实现多层磁共振参数定量成像,不仅可用于较低的加速倍数,也适用于高加速倍数,缩短定量成像的采集时间。缩短定量成像的采集时间。缩短定量成像的采集时间。

【技术实现步骤摘要】
一种同时多层磁共振参数定量成像方法


[0001]本专利技术涉及磁共振成像
,特别是涉及一种同时多层磁共振参数定量成像方法。

技术介绍

[0002]磁共振参数定量成像能对生物组织的生理参数进行定量测量,相较于加权磁共振成像具有更好的量化特性,对疾病诊断、分级以及预后等都有着重要的意义。然而,传统磁共振参数定量成像方法通常需要多次扫描获得不同加权图像来拟合得到一张定量图像,因而数据采集时间长。长的采集时间限制了磁共振参数定量成像在临床上的应用。
[0003]一系列基于重叠回波的磁共振参数定量成像方法(包括:CN107045115A,CN105232046A,CN108010100A,CN110807492A等)一次扫描即能实现定量成像,然而这些方法一次扫描仅能成像某一层,要实现多层定量成像以满足疾病诊断需求必须逐层扫描,因而总的采集时间随采集层数增加。

技术实现思路

[0004]本专利技术的主要目的在于为缩短采集时间,提供单次扫描即可获得多层磁共振参数定量成像所需信息的方法,结合先进的定量图像重建算法,实现超快速多层磁共振参数定量成像。
[0005]本专利技术包括以下步骤:
[0006]S1:设计同时多层磁共振参数定量成像脉冲序列;
[0007]S2:生成深度神经网络的训练样本;
[0008]S3:采用所述训练样本对深度神经网络进行训练,得到训练好的深度神经网络;
[0009]S4:采用所述同时多层磁共振参数定量成像脉冲序列采集实际成像物体的k空间数据并进行预处理,得到所述实际成像物体的混叠图像;
[0010]S5:采用所述训练好的深度神经网络对所述实际成像物体的混叠图像进行重建,获得多层磁共振参数定量图像。
[0011]所述设计同时多层磁共振参数定量成像脉冲序列,具体包括:
[0012]S11:设计多层信号激发模块;
[0013]S12:设计移位梯度模块;
[0014]S13:设计多层信号采集模块;
[0015]S14:设计线圈敏感地图预扫描模块。
[0016]生成深度神经网络的训练样本,具体包括:
[0017]S21:生成数个空白矩形模板;
[0018]S22:选取一个空白矩形模板;
[0019]S23:在该模板内生成一个图像,分别赋予各种磁共振参数分布,得到各种磁共振参数的模板,这些磁共振参数模板共同组成一个虚拟成像物体;
[0020]S24:选取一个新的空白矩形模板,重复步骤S23;
[0021]S25:重复步骤S24,直到步骤S21中所述数个空白矩形模板成为数个虚拟成像物体;
[0022]S26:对磁场进行建模,得到磁场模型;
[0023]S27:对射频场进行建模,得到射频场模型;
[0024]S28:采用所述射频场模型、所述磁场模型和所述同时多层磁共振参数定量成像脉冲序列分别对所述数个虚拟成像物体进行信号采集,得到所述数个虚拟成像物体的k空间数据;
[0025]S29:对所述数个虚拟成像物体的k空间数据进行叠加,然后进行傅里叶变换,得到所述数个虚拟成像物体的混叠图像;
[0026]S210:将所述数个虚拟成像物体的混叠图像和所述数个虚拟成像物体构成一个训练样本。
[0027]S211:重复步骤S21

S210,生成设定量的训练样本。
[0028]采用所述同时多层磁共振参数定量成像脉冲序列采集实际成像物体的k空间数据并进行预处理,得到所述实际成像物体的混叠图像,具体如下:
[0029]S41:采用所述同时多层磁共振参数定量成像脉冲序列对实际成像物体进行信号采集,得到所述实际成像物体的k空间数据;若步骤S11中多层信号激发模块选择使用多带脉冲,则使用多通道线圈进行信号采集;
[0030]S42:对所述实际成像物体的k空间数据进行傅里叶变换,得到所述实际成像物体的混叠图像;若步骤S11中多层信号激发模块选择使用多带脉冲,则使用各通道线圈敏感地图对所述实际成像物体混叠图像进行敏感度地图解耦处理。
[0031]与现有技术相比,本专利技术具有如下有益效果:
[0032]本专利技术先用同时多层磁共振参数定量成像序列采集得到k空间数据并预处理后得到混叠图像,然后使用神经网络重建得到多层磁共振参数定量图像。本专利技术提供单次扫描同时激发并采集多层信号的序列设计和多层磁共振参数定量图像的重建方法,能够实现多层定量成像信息的超快速采集与定量图像的快速重建。该方法不仅可用于较低的加速倍数,也适用于高加速倍数(同时4层及以上),大大缩短定量成像的采集时间。
附图说明
[0033]图1为本专利技术同时多层磁共振参数定量成像方法流程图。
[0034]图2为本专利技术生成深度神经网络的训练样本流程图。
[0035]图3为本专利技术同时多层磁共振参数定量成像脉冲序列图。
[0036]图4为本专利技术生成的组成虚拟成像物体的磁共振参数模板示意图。其中,(a)和(b)模板的纹理不同,用于模拟不同的层。
[0037]图5为本专利技术对实际采集的人脑数据的多层磁共振参数定量图像的重建结果。其中,(a)为采集到的k空间数据经过预处理后得到的4张混叠图像;(b)为经过深度网络重建得到的8层磁共振T2定量图像。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。
[0039]如图1所示,本专利技术实施例所述一种同时多层磁共振参数定量成像方法,包括以下步骤:
[0040]S1:设计同时多层磁共振参数定量成像脉冲序列,包括多个多层信号激发模块、多个移位梯度模块、多层信号采集模块以及线圈敏感地图预扫描模块,各个模块的数量以及各模块之间的时间间隔根据实际需要设定。具体设计步骤包括:
[0041]S11:设计多层信号激发模块,具体地,多层信号激发模块包含一个激发脉冲及对应的层选梯度,其核心为激发脉冲。激发脉冲翻转角的大小和中心频率根据实际需要设定。多层信号激发模块是否采用多带脉冲根据实际需要设定;为了实现一次扫描激发多层,不同多层信号激发模块的激发脉冲需要具有不同的中心频率或者每个多层信号激发模块都选择使用多带脉冲。
[0042]S12:设计移位梯度模块,具体地,每个多层信号激发模块后都会施加移位梯度模块。移位梯度的大小和方向根据实际需要设定,使得不同层或不同回波时间的信号重聚在预期的k空间位置上。
[0043]S13:设计多层信号采集模块,具体地,根据实际需要确定信号读出方式并确定对应的读出参数。可选的,若步骤S11中多层信号激发模块选择使用多带脉冲,可以使用CAIPI技术在层选方向上施加blips梯度以辅助提升采集信号的信噪比。
本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种同时多层磁共振参数定量成像方法,其特征在于包括以下步骤:S1:设计同时多层磁共振参数定量成像脉冲序列;S2:生成深度神经网络的训练样本;S3:采用所述训练样本对深度神经网络进行训练,得到训练好的深度神经网络;S4:采用所述同时多层磁共振参数定量成像脉冲序列采集实际成像物体的k空间数据并进行预处理,得到实际成像物体的混叠图像;S5:采用所述训练好的深度神经网络对所述实际成像物体的混叠图像进行重建,获得多层磁共振参数定量图像。2.如权利要求1所述一种同时多层磁共振参数定量成像方法,其特征在于在步骤S1中,所述设计同时多层磁共振参数定量成像脉冲序列,具体包括:S11:设计多层信号激发模块;所述多层信号激发模块用于激发信号;多层信号激发模块包含一个激发脉冲及对应的层选梯度,激发脉冲翻转角的大小和中心频率根据实际需要设定;多层信号激发模块是否采用多带脉冲根据实际需要设定;为了实现一次扫描激发多层,不同多层信号激发模块的激发脉冲需要具有不同的中心频率或每个多层信号激发模块都选择使用多带脉冲;S12:设计移位梯度模块;所述移位梯度模块用于使不同层或不同回波时间的信号重聚在预期的k空间位置上;在每个多层信号激发模块后都施加移位梯度模块;移位梯度的大小和方向根据实际需要设定;S13:设计多层信号采集模块;所述多层信号采集模块用于对信号进行采集,根据实际需要确定信号读出方式并确定对应的读出参数;若步骤S11中多层信号激发模块选择使用多带脉冲,则可以使用CAIPI技术在层选方向上施加blips梯度以辅助提升采集信号的信噪比;S14:设计线圈敏感地图预扫描模块;所述线圈敏感地图预扫描模块用于获得各通道线圈敏感地图;若步骤S11中多层信号激发模块选择使用多带脉冲,则在脉冲序列最前面添加线圈敏感地图预扫描模块并根据实际需要确定模块参数。...

【专利技术属性】
技术研发人员:蔡淑惠李思民蔡聪波
申请(专利权)人:厦门大学
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