[发明专利]基于共轭和层间信息的并行磁共振成像算法

说明书

本发明公开了一种基于共轭和层间信息的并行磁共振成像算法，包括:对成像物体的梯度正向高频部分和梯度负向高频部分进行R倍欠采样，并将中间低频部分作为校准区进行全采样，得到矩阵F；构建欠采样数据的预测矩阵A；利用本层及相邻层矩阵F的校准区构建权重计算矩阵B；构建权重计算矩阵B的列向量矩阵C；根据权重计算矩阵B与权重矩阵W的乘积得到列向量矩阵C，采用最小二乘法可拟合得到插值窗内权重矩阵W；构建欠采样行数据的预测矩阵D；根据预测矩阵D与插值窗内权重矩阵W的乘积，得到列向量E；填充获得重建矩阵H，经傅里叶变换后得到并行磁共振成像的图像。本发明具有成像速度快、预测源矩阵信息量丰富、信噪比较高等优点。

技术领域

本发明涉及磁共振成像技术领域，尤其是基于共轭和层间信息的并行磁共振成像算法。

背景技术

并行磁共振成像(parallel MRI,p-MRI)是医疗图像高速成像及图像重建领域的重大技术突破，已经被应用于各大磁共振设备。并行磁共振成像过程是由多通道相控阵线圈采集磁共振K空间信号，由于相控阵线圈每个通道都包含有相邻通道的信息，所以我们能够通过相邻线圈的信息估计降采样部分信息，通过减少相位编码次数，提升磁共振扫描速度。

目前，现有技术中的图像重建算法主要分为两类：

第一，基于图像域的重建，该类算法主要利用线圈灵敏度进行图像重构，得到无伪影图像，代表算法为SENSE(Sensitivity Encoding)及随后发展出的扩展方法SC-SENSE(Self-calibrating)、PILS(Local Sensitivities)等，该类算法要求通道线圈有更为精确的灵敏度，线圈灵敏信息由采集低频信号计算而得，当灵敏度已知，Chaari等人将压缩感知与SENSE结合，增加正则项，取得了较好的重构效果，但是，准确估计往往非常困难。如专利申请号为“201711246873.0”、名称为“一种基于自适应联合稀疏编码的并行磁共振成像方法、装置以及计算机可读介质”的中国发明专利。

第二种，基于K空间的逐线圈重建技术，该类技术采集中间行数据作为自校准信号(ACS)，多通道直接重构最终图像，不需要估计线圈灵敏度，由欠采样的K空间数据计算出多通道线圈的权重系数，用这些权重系数拟合欠采样缺失数据，再将其重建为诊断图像，代表算法为AUTO-SMASH(Simulataneous Acquisition of Spatial Harmonics)、GRAPPA(Generalized Auto-calibrating Partially Parallel Acquisitions)，VD-AUTO-SMASH算法等。如专利申请号为“201510216413.8”、名称为“一种并行磁共振成像相位处理方法”的中国发明专利，其通过：对并行磁共振成像中多通道线圈采集的K空间数据进行傅里叶反变换，得到各个线圈图像的幅值和相位；构造参考线圈图像，估计多通道各个线圈的空间敏感度分布；将参考线圈图像的空间敏感度进行二维傅里叶变换，截取中间的矩阵作为卷积核；构造K空间数据卷积模型，求解线圈的联合权重W；得到虚拟线圈K空间值，傅里叶反变换得到虚拟线圈图像；相位解缠绕，并去除虚拟线圈图像背景的相位；使用蒙板图像提取感兴趣区域的相位。

目前，现有技术中的GRAPPA算法在计算重建系数矩阵的过程中，随着加速倍数增加，方程系数矩阵条件数随之增大，可利用信息量降低，方程病态程度增加。使求逆矩阵过程中噪声被放大。

另外，现有技术中的GRAPPA算法对2倍加速能够很好地避免卷褶伪影，但是对于超过2倍的加速情况下重建效果欠佳，噪声明显并且仍然还有卷褶伪影残留。这对于磁共振三维采集、动态成像、实时成像以及平面回波成像等对扫描速度敏感的应用场景是一个亟需解决的问题。

在专利申请号为“2020111409917.9”、名称为“一种并行磁共振成像的改进算法”的中国发明专利中，虽然可以实现并行磁共振成像3倍及以下成像重建质量较高，但是在3倍以上的加速情况下，空缺信息太多，此时如果仍然仅利用层内的共轭信息加入至插值窗，虽然可以显著提高成像效果，但仍然存在信息量太少的问题，信噪比不够，无法达到理想成像质量。