功能磁共振成像方法和装置制造方法
【专利摘要】一种功能磁共振成像方法，所述方法包括：获取利用部分可分离函数算法的采样模式在(k-t)空间采集到的导航数据和测量数据；根据所述导航数据得到时间基函数；根据所述时间基函数和所述测量数据，引入二范数约束构造重建模型，利用所述重建模型得到最优的空间基函数；根据所述最优的空间基函数和L阶的部分可分离函数算法模型，获得重建后的功能磁共振图像。采用本方法，能够有效减少图像伪影和重建噪声，提高图像质量。此外还提供一种功能磁共振成像装置。
【专利说明】功能磁共振成像方法和装置
【技术领域】
[0001] 本发明涉及磁共振【技术领域】，特别是涉及一种功能磁共振成像方法和装置。
【背景技术】
[0002] fMRI (functional magnetic resonance imaging，功能性磁共振成像）是一种新 兴的神经影像学方式，能够无创伤地对神经元活动进行较准确的定位。目前应用最广的是 B0LD(Blood Oxygenation Level Dependent，血氧合度依赖）效应的fMRI jOLD脑功能磁共 振成像方法主要是利用EPI序列（Echo-Planar Imaging,回波平面成像）采集方式进行快 速成像。但EPI序列本身对磁场硬件梯度的要求过高，而且EPI序列采集方式会使得图像的 空间分辨率较低，容易出现图像几何畸变，使得某些功能信号丢失或产生错误的功能激活 区。在BOLD脑功能磁共振成像过程中需要对脑部（全脑或某一区域）进行多次重复扫描， 由于重复扫描的图像之间具有高度的相关性，因此越来越多的研究者从稀疏采样理论出发 研究磁共振成像方法。目前，稀疏采样理论的数学模型主要有两种，一是美国伊利诺伊大学 梁志培教授提出的部分可分离函数算法（Partial Separable Functions,简称PSF)，另一 种是美国斯坦福大学Donoho教授提出的压缩传感理论（Compressed Sensing)。在这两种 稀疏理论数学模型中，部分可分离函数算法是一种动态成像方法，它通过将动态磁共振信 号分解为与空间和时间相关的函数参数进行成像，两者相互独立，由此克服了传统磁共振 成像时间和空间分辨率此消彼长的制约关系，还可以实现高时间和高空间分辨率成像。由 于部分可分离函数算法是通过常规的最小二乘法来进行拟合估计得到磁共振图像的，因此 往往会造成对丢失的、未采集数据的拟合不够准确，并且会对噪声进行重建，由此产生了图 像伪影和重建噪声，导致磁共振图像质量下降。
【发明内容】
[0003] 基于此，有必要针对上述技术问题，提供一种有效减少图像伪影和重建噪声，提高 图像质量的功能磁共振成像方法和装置。
[0004] -种功能磁共振成像方法，所述方法包括：
[0005] 获取利用部分可分离函数算法的采样模式在（k_t)空间采集到的导航数据和测 量数据；
[0006] 根据所述导航数据得到时间基函数；
[0007] 根据所述时间基函数和所述测量数据，引入二范数约束构造重建模型，利用所述 重建模型得到最优的空间基函数；
[0008] 根据所述最优的空间基函数和L阶的部分可分离函数算法模型，获得重建后的功 能磁共振图像。
[0009] 一种功能磁共振成像装置，所述装置包括：
[0010] 数据获取模块，用于获取利用部分可分离函数算法的采样模式在（k-t)空间采集 到的导航数据和测量数据； toon] 时间基函数获取模块，用于根据所述导航数据得到时间基函数；
[0012] 空间基函数获取模块，用于根据所述时间基函数和所述测量数据，引入二范数约 束构造重建模型，利用所述重建模型得到最优的空间基函数；
[0013] 成像模块，用于根据所述最优的空间基函数和L阶的部分可分离函数算法模型， 获得重建后的功能磁共振图像。
[0014] 上述功能磁共振成像方法和装置，通过获取利用部分可分离函数算法的采样模式 在（k_t)空间采集到的导航数据和测量数据，根据导航数据得到时间基函数，根据时间基 函数和测量数据，引入二范数约束构造重建模型，利用重建模型得到最优的空间基函数，根 据最优的空间基函数和L阶的部分可分离函数算法模型，获得重建后的磁共振图像。由于 引入了二范数约束，在常规的部分可分离函数算法基础上对空间基函数进行了稀疏限制和 平滑约束，由此克服了常规的部分可分离函数算法通过采用最小二乘法拟合不准确的问 题，并且避免了由于最小二乘法对图像噪声的重建，有效提高了磁共振图像的质量。
【专利附图】
【附图说明】
[0015] 图1为一个实施例中功能磁共振成像方法的流程图；
[0016] 图2为一个实施例中功能磁共振成像方法的效果图；
[0017] 图3为一个实施例中功能磁共振成像装置的结构示意图；
[0018] 图4为另一个实施例中功能磁共振成像装置的结构示意图；
[0019] 图5为一个实施例中成像模块的结构示意图。
【具体实施方式】
[0020] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不 用于限定本发明。
[0021] 在一个实施例中，如图1所示，提供了一种功能磁共振成像方法，该方法具体包 括：
[0022] 步骤102,获取利用部分可分离函数算法的采样模式在（k_t)空间采集到的导航 数据和测量数据。
[0023] 由于很难通过密集采样获取MR (magnetic resonance,磁共振）数据，空间分辨 率和时间分辨率之间会出现此消彼长的问题，也就是若空间分辨率提高了，则时间分辨率 会下降，反之，若时间分辨率提高了，则空间分辨率会下降。部分可分离函数算法即PSF理 论模型，通过假设图像函数在时间维度和空间维度上是部分可分离的，可以解决这个问题。 PSF理论模型，可以简单的由下面的公式表示
【权利要求】
1. 一种功能磁共振成像方法，所述方法包括： 获取利用部分可分离函数算法的采样模式在（k-t)空间采集到的导航数据和测量数 据； 根据所述导航数据得到时间基函数； 根据所述时间基函数和所述测量数据，引入二范数约束构造重建模型，利用所述重建 丰旲型得到最优的空间基函数； 根据所述最优的空间基函数和L阶的部分可分离函数算法模型，获得重建后的功能磁 共振图像。
2. 根据权利要求1所述的方法，其特征在于，所述重建模型的公式为：
其中，为空间基函数，i为空间基函数的简写，为单位算子，N为图像矩阵的 所有像素点数，L为模阶，d为测量数据，Q为空间稀疏采样因子，Fk为把时空图像转化到 k空间的三维傅里叶变换，奶(0为时间基函数，Il Il丨为二范数约束，入为正则化参数，所 述空间基函数的初始值为0。
3. 根据权利要求2所述的方法，其特征在于，所述根据所述时间基函数和所述测量数 据，引入二范数约束构造重建模型，利用所述重建模型得到最优的空间基函数的步骤之后， 还包括： 对所述重建模型的公式进行转换得到所述重建模型的等价公式，所述等价公式为： (Cl^t)11 F^'aF^ + Aiy^) = cp^t)" FlnOJ1Cl 其中，H为NXL矩阵的共轭转置，I为单位算子。
4. 根据权利要求2所述的方法，其特征在于，所述利用所述重建模型得到最优的空间 基函数的步骤之前，还包括： 调节所述重建模型中的正则化参数。
5. 根据权利要求1所述的方法，其特征在于，所述根据所述最优的空间基函数和L阶的 部分可分离函数算法模型，获得重建后的功能磁共振图像的步骤包括： 将所述最优的空间基函数和所述时间基函数调入所述L阶的部分可分离函数算法模 型； 通过所述L阶的部分可分离函数算法模型获得时间维度上重建后的功能磁共振图像。
6. -种功能磁共振成像装置，其特征在于，所述装置包括： 数据获取模块，用于获取利用部分可分离函数算法的采样模式在（k-t)空间采集到的 导航数据和测量数据； 时间基函数获取模块，用于根据所述导航数据得到时间基函数； 空间基函数获取模块，用于根据所述时间基函数和所述测量数据，引入二范数约束构 造重建模型，利用所述重建模型得到最优的空间基函数； 成像模块，用于根据所述最优的空间基函数和L阶的部分可分离函数算法模型，获得 重建后的功能磁共振图像。
7. 根据权利要求5所述的装置，其特征在于，所述重建模型的公式为：
其中，C/@为空间基函数，A为空间基函数的简写，为单位算子，N为图像矩阵 的所有像素点数，L为模阶，d为测量数据，Q为空间稀疏采样因子，Fk为把时空图像转化到 k空间的三维傅里叶变换，仍(0为时间基函数，Il g为二范数约束，A为正则化参数，所 述空间基函数的初始值为0。
8. 根据权利要求7所述的装置，其特征在于，所述装置还包括： 转换模块，用于对所述重建模型的公式进行转换得到所述重建模型的等价公式，所述 等价公式为： F^O^aF^in + AI^.ir) - (p,(t)n FlnQnd 其中，H为NXL矩阵的共轭转置，I为单位算子。
9. 根据权利要求7所述的装置，其特征在于，所述空间基函数获取模块还用于调节所 述重建模型中的正则化参数。
10. 根据权利要求6所述的装置，其特征在于，所述成像模块包括： 调入模块，用于将所述最优的空间基函数和所述时间基函数调入所述L阶的部分可分 离函数算法模型； 重建模块，用于通过所述L阶的部分可分离函数算法模型获得时间维度上重建后的功 能磁共振图像。
【文档编号】A61B5/055GK104337517SQ201410559198
【公开日】2015年2月11日 申请日期:2014年10月20日 优先权日:2014年10月20日
【发明者】史彩云, 谢国喜, 张丽娟, 刘新, 郑海荣 申请人:中国科学院深圳先进技术研究院