[发明专利]磁共振图像重建方法、装置和计算机可读存储介质

说明书

本发明提供一种磁共振图像重建方法，包括以下步骤：获取欠采样k空间数据；基于经训练的神经网络模型和所述欠采样k空间数据获得预测图像；以及基于压缩感知算法、所述欠采样k空间数据和所述预测图像生成重建图像，其中所述压缩感知算法包括若干约束项，所述约束项中的至少一项包括所述预测图像。

技术领域

本发明主要涉及医学图像领域，特别涉及一种磁共振图像重建方法、装置和计算机可读存储介质。

背景技术

医学图像特别是计算机断层扫描(CT，Computed Tomography)、正电子发射断层扫描(PET，Positron Emission Tomography)以及磁共振图像(MR，Magnetic Resonance)均是非常重要的医学图像，可以无创地提供患者的解剖结构图像，从而为相关疾病诊断提供有效的技术支撑。

举例来说MR成像设备所采集到的信息，通过图像重建算法、图像预处理等步骤后，被转换为医生可辨识的灰度图像。磁共振成像能提供出色的软组织图像，但由于磁共振需要进行一系列空间编码，成像速度相对较慢。

一种加速方法在相位编码方向，数据的采样频率低于奈奎斯特采样定理(NyquistSampling Theorem)，称之为k空间欠采样(k-space undersampling)。然而欠采样会导致图像发生混叠伪影。

多通道表面线圈(surface coil)的引入，使得解除混叠伪影成为可能，典型的代表是GRAPPA，SENSE，SPIRIT等技术，称之为并行成像。传统的并行成像，在相位编码方向规则的欠采样，可以实现2～3倍的加速或者对应扫描时间的减少。

相对于传统并行成像，基于压缩感知(Compressed Sensing)的加速技术，倾向于在相位编码方向随机欠采样。利用图像在变换域的稀疏性，转化成先验知识约束项，通过迭代优化的过程，解除混叠伪影，实现图像重建。

典型的优化过程如下：

其中，y是采集的数据，在相位编码方向是欠采样的。Θ＝UF，其中U表示k-空间采样模式，取值0(没采集数据)或者1(采集数据)，F表示傅里叶变换，将图像变换到k空间域。s表示需要求解的图像。Φ表示某种稀疏变换，比如小波变换(wavelet transform)等。‖Φs‖₁表示图像稀疏性的约束项。压缩感知的加速能力，取决于图像在变换域的稀疏程度。但一般而言，这种稀疏性是相对的，或者说只有少数信号是重要分量(significantcomponents)，其余的信号并非是零，而是相对较小。这种假设导致压缩感知加速倍数过高时，丢失细微的图像信息。

典型的最小优化方法是基于凸集理论的最小优化方法，包括各类梯度下降(gradient descent)方法，或者其演化。基于凸集理论的最小优化方法优点是易于添加约束项，缺点是计算量大，速度慢。基于凸集投影(Projections Onto Convex Sets，POCS)和阈值(threshold)的最小优化方法，优点是迭代计算量普遍小于梯度下降方法，缺点是不方便添加约束项。

近几年神经网络技术逐渐成熟，在图像映射方面也有较多应用。在欠采样模板相对固定时，从欠采样图像到全采样图像的映射具有一定的规律性，神经网络可以在大量数据的训练下学习到这种规律。在神经网络的作用下，输出的图片会无限接近全采样图像，但由于欠采样图像的本身缺失的细节信息以及神经网络的随机性，仍可能会在一些细节的地方，缺失或者增添一些内容。

发明内容

本发明提供一种磁共振图像重建方法、装置，以在提高图像扫描的速度的同时避免图像细节信息丢失，提高图像重建的质量和准确性。