一种基于解剖先验数据的磁共振成像图像重建方法与流程

1.本发明涉及磁共振成像(magnetic resonance imaging，mri)技术领域，尤其涉及一种基于解剖先验数据的磁共振图像重建方法。


背景技术：

2.随着医疗行业的快速发展，磁共振成像技术被广泛应用于各种疾病的临床诊断。磁共振成像系统获取的原始数据为频域空间的数据(即k空间数据)，通过一系列信号处理方法(即图像重建方法)将原始数据转换为磁共振图像。图像重建方法在一定程度上决定了磁共振图像的质量，尤其是为了节省扫描时间而只采集部分k空间数据时，图像重建方法对于获得高质量的图像尤为重要。
3.通常来说，可以结合先验知识来进行图像重建。现有的图像重建方法通常使用来自诸如接收线圈灵敏度(例如sense、grappa等并行成像图像重建算法)和变换域数据稀疏性(例如压缩感知方法)之类的先验知识，但现有技术中未出现基于扫描的解剖方位分别进行图像重建的方法。


技术实现要素：

4.针对现有技术中存在的上述问题，现提供一种磁共振成像图像重建方法。
5.具体技术方案如下：
6.本发明包括一种基于解剖先验数据的磁共振成像图像重建方法，在进行磁共振图像重建之前，预先针对目标对象的各个解剖部位形成多个对应的子成像模型，具体训练过程包括：
7.步骤a1，采集所述目标对象的训练数据，并将所述训练数据按所述目标对象的各个所述解剖部位划分为多个训练样本；
8.步骤a2，利用多个所述训练样本分别针对多个所述解剖部位建立模型，以针对每个所述解剖部位形成一个对应的所述子成像模型，以及针对每个所述解剖部位形成对应的参考图像；
9.还包括利用多个所述子成像模型进行磁共振图像重建过程，具体包括：
10.步骤b1，针对所述目标对象进行主扫描获取磁共振数据，并执行至少一次定位信息采集，将采集的所述定位信息与所述参考图像进行对比，以识别出当前扫描的所述解剖部位；
11.步骤b2，根据识别出的所述解剖部位，调取对应的所述子成像模型，利用所述子成像模型将所述磁共振数据重建为对应所述解剖部位的解剖图像；
12.步骤b3，将各个所述解剖部位对应的所述解剖图像合并形成所述目标对象的整体图像。
13.可选的，每一个所述训练样本包括一对通过从磁共振成像系统采集获取或者从磁共振成像的计算机仿真系统获取的训练图像和k空间训练数据，其中所述k空间训练数据作
为所述子成像模型的输入，所述训练图像作为所述子成像模型的输出。
14.可选的，在所述步骤a1中，获取所述训练数据的方法包括：
15.步骤a11，通过满采样方式采集原始k空间训练数据；
16.步骤a12，根据所述原始k空间训练数据形成第一训练图像；
17.步骤a13，将所述第一训练图像进行仿射变换得到第二训练图像；
18.步骤a14，通过降采样方式从所述第二训练图像中获取稀疏采样k空间数据作为最终输入所述子成像模型的所述k空间训练数据，并将所述第二训练图像作为所述子成像模型的输出。
19.可选的，所述步骤a2具体包括：
20.步骤a21，对所述第二训练图像进行图像配准及平均后得到所述参考图像；
21.步骤a22，将从所述步骤a14中获取的所述稀疏采样k空间数据作为所述k空间训练数据，将所述第二训练图像作为所述训练图像，每一对所述k空间训练数据和所述训练图像组成一个所述训练样本，用于训练对应的所述子成像模型。
22.可选的，所述训练样本中的所述k空间训练数据被完全采样或通过后处理进行欠采样。
23.可选的，其中所述k空间训练数据为二维数据或三维数据；
24.当所述k空间训练数据为所述二维数据时，每个所述解剖部位包括至少一个成像层面；
25.当所述k空间训练数据为所述三维数据时，每个所述解剖部位包括至少一个成像块。
26.可选的，所述训练数据的采样轨迹包括笛卡尔的采样轨迹或非笛卡尔的采样轨迹。
27.可选的，在所述步骤b1中，通过在执行所述主扫描之前执行至少一次定位扫描采集到所述定位信息，所述定位扫描的过程具体包括：
28.执行至少一次所述定位扫描获取定位图像，将所述定位图像与所述参考图像进行图像配准得到第一变换矩阵；
29.从磁共振成像系统获取所述定位扫描的扫描方位，得到所述定位扫描相对于所述主扫描的扫描方位的第二变换矩阵；
30.将所述第一变换矩阵和所述第二变换矩阵相乘得到第三变换矩阵，通过所述第三变换矩阵得到所述主扫描对应的所述解剖部位。
31.可选的，在所述步骤b1中，在执行所述主扫描的过程中采集导航信号，将所述导航信号通过逆傅立叶变换获得导航图像，并将所述导航图像和所述参考图像进行图像匹配得到第三变换矩阵，通过所述第三变换矩阵得到所述主扫描对应的所述解剖部位。
32.可选的，所述子成像模型采用的网络架构包括卷积神经网络和/或生成性对抗网络和/或自编码器。
33.可选的，在所述子成像模型的训练过程中，所述训练数据包含有各种病变情形的磁共振数据。
34.本发明的技术方案具有如下优点或有益效果：提供一种基于解剖先验数据的磁共振成像图像重建方法，利用各个解剖方位的磁共振数据训练针对各个解剖部位的子成像模
型，在后续的扫描过程中，利用这些子成像模型分别针对每个解剖部位的图像进行重建，从而获得更好的磁共振图像质量；同时，由于后续扫描过程中可以利用降采样的或信噪比较低的原始磁共振成像数据重建出质量更佳的磁共振图像，也有效地缩短了扫描时间。
附图说明
35.参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
36.图1为本发明实施例中针对解剖部位训练子成像模型的原理示意图；
37.图2为本发明实施例中利用稀疏采样的k空间数据进行图像重建的流程示意图；
38.图3为本发明实施例中的模型训练流程以及图像重建流程的整体流程图；
39.图4为本发明实施例中针对各个解剖部位的子成像模型的训练流程图；
40.图5为本发明实施例中利用定位扫描识别解剖部位的原理示意图；
41.图6为本发明实施例中利用导航信号识别解剖部位的原理示意图。
具体实施方式
42.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
44.下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
45.本发明包括一种基于解剖先验数据的磁共振成像图像重建方法，在进行磁共振图像重建之前，预先针对目标对象的各个解剖部位形成多个对应的子成像模型，如图1和图4所示，具体训练过程包括：
46.步骤a1，采集目标对象的训练数据，并将训练数据按目标对象的各个解剖部位划分为多个训练样本；
47.步骤a2，利用多个训练样本分别针对多个解剖部位建立模型，以针对每个解剖部位形成一个对应的子成像模型，以及针对每个解剖部位形成对应的参考图像。
48.具体地，人体解剖结构在不同个体之间依然有着巨大的相似性，而大多数临床磁共振扫描都是在预设的标准解剖方位对待成像部位进行成像，这使得磁共振成像获得图像也具备极大的相似性。例如，对于脑磁共振成像，一个常用的预设解剖方位是，采用横断面视图，并使成像平面平行于前连合(anterior commissure，ac)
‑
后连合(posterior commissure，pc)线(ac
‑
pc)，从而获取从颅顶到颅底覆盖整个大脑部位的多层图像。因此，利用解剖先验知识以及扫描的解剖部位，在特定待成像部位的图像内容在很大程度上是可预测的。这种解剖先验数据可以从庞大的磁共振图像数据集中提炼出来，用于训练针对各个解剖部位的子成像模型，在后续的扫描过程中，利用这些子成像模型对各个解剖部位的图像进行重建，以期获得更好的磁共振图像质量，后续扫描过程中可以利用降采样的或信噪比较低的原始磁共振成像数据，重建出质量更佳的磁共振图像，同时也可以缩短扫描时
间。
49.本发明的目的是通过结合解剖先验知识来提高磁共振成像的图像重建的质量，通过深度学习的方法(例如卷积神经网络、生成对抗网络等)对各个解剖方位的磁共振数据进行提炼，并体现在训练获得的重建模型(即子成像模型)中。更具体地说，可以使用磁共振成像系统直接采集，或者使用计算机仿真的方式获取包括磁共振图像和相应的k空间数据的训练数据集，并且根据磁共振成像扫描的解剖部位划分为多个训练样本，对于每个解剖部位，训练至少一个子成像模型来预测来自k空间数据的图像。图1所示，首先从特定的成像层面中提取图像，并从这些成像层面获得的稀疏或低信噪比的k空间数据训练图像重建模型。不同的模型(模型1
‑
n)将针对不同的子成像部位(1
‑
n)进行训练。这个概念可以通过卷积神经网络(cnn)、对抗生成网络(gan)、协作对抗生成网络(collaborative gan,collagan)或自编码器(autoencoder)方法来实现。
50.还包括利用多个子成像模型进行磁共振图像重建过程，如图2所示，具体包括：
51.步骤b1，针对目标对象进行主扫描获取磁共振数据，并执行至少一次定位信息采集，将采集的定位信息与参考图像进行对比，以识别出当前扫描的解剖部位；
52.步骤b2，根据识别出的解剖部位，调取对应的子成像模型，利用子成像模型将磁共振数据重建为对应解剖部位的解剖图像；
53.步骤b3，将各个解剖部位对应的解剖图像合并形成目标对象的整体图像。
54.具体地，在对目标对象进行扫描时，除了主扫描外，至少执行一次定位信息采集，在图像重建阶段，首先从定位扫描中识别出图成像层面/子成像部位，然后选择相应的重建模型。该策略有望从可能较少或/和噪声较大的k空间数据中实现更有效的图像重建。通过将定位信息与参考图像相匹配，可以识别出主扫描对应的解剖部位，调取该解剖部位对应的子成像模型进行图像重建，或者将主扫描数据进一步划分为子成像部位，通过在每个子成像部位或该子成像部位相邻层面进行训练得到重建模型，在每个子成像部位上重建主扫描数据(包括多层面二维数据、三维体数据、二维动态数据、三维动态体数据等)，并将各子成像部位生成的解剖图像合并存储、传输或显示，最终形成一个针对目标对象的整体磁共振图像，通过上述技术方案重建获得的磁共振图像具有更好的图像质量，比如噪声水平更低、伪影更少等；此外，对于相同的图像质量需要更少的磁共振成像数据，因此所需的扫描时间更少。
55.作为可选的实施方式，每一个训练样本包括一对通过从磁共振成像系统采集获取或者从磁共振图像仿真系统获取的训练图像和k空间训练数据，其中k空间训练数据作为子成像模型的输入，训练图像作为子成像模型的输出。
56.在模型训练阶段，首先准备特定解剖部位的训练数据，例如脑部的横断面。训练数据由多对磁共振成像的k空间训练数据和训练图像组成，然后按解剖部位将训练数据划分为多个训练样本，针对每个解剖部位分别用对应的训练样本来训练重建子成像模型；这些子成像模型都可以根据指定磁共振成像的k空间数据预测磁共振图像。如图4所示，在对训练数据进行划分的过程中，产生至少一组参考图像，使得实际扫描过程中可以通过对比参考图像的坐标来定位。将训练好的子成像模型和解剖部位的参考图像存储起来，以备后续扫描使用。当被扫描的目标对象被放置在磁共振成像系统中进行成像时，除了主扫描之外，还需要获取定位扫描或导航信号，以识别主扫描数据的解剖部位。
57.作为可选的实施方式，如图4所示，在步骤a1中，获取训练数据的方法包括：
58.步骤a11，通过满采样方式采集原始k空间训练数据；
59.步骤a12，根据原始k空间训练数据形成第一训练图像；
60.步骤a13，将第一训练图像进行仿射变换得到第二训练图像；
61.步骤a14，通过降采样方式从第二训练图像中获取稀疏采样k空间数据作为最终输入子成像模型的k空间训练数据，并将第二训练图像作为子成像模型的输出。
62.图4示出了在一些实施例中重建子成像模型的训练过程。首先需要将原始磁共振成像k空间数据或者第一训练图像转换为第二训练图像，即通过仿射变换使得训练图像的方位、几何位置、大小等尽量一致。这是因为对于我们能够获得的海量原始k空间数据或者图像，其成像的方位、几何位置、大小等都可能有所不同，我们需要通过仿射变换(affine transformation)来使其尽量一致，从而使得训练模型的效果更好。具体来说，可以通过互信息最大化(mutual information maximization)等图像配准算法对第一训练图像的进行配准，从而获得方位、几何位置、大小都尽量一致的第二训练图像。在一些实施例中，可以平均第二训练图像以形成参考图像。
63.具体地，第二训练图像根据待成像的解剖部位分为n个部分。例如，从前到后，或从上到下，或从左到右每隔一段距离形成一个解剖部位。根据预设的k空间采样轨迹对磁共振成像k空间数据进行欠采样，形成稀疏采样的磁共振成像k空间数据。对于每个解剖部位，稀疏采样的k空间数据和相应的磁共振图像被组成一对训练样本，分别作为子成像模型的输入和输出，用于训练子成像模型利用k空间数据预测图像。在训练过程中，可以使用不同的目标函数，例如，可以使用交叉熵最小化(cross
‑
entropy minimization)、均方误差最小化(mean square errorminimization)或铰链损失最小化(hinge loss minimization)。
64.进一步地，如图4所示，步骤a2具体包括：
65.步骤a21，对第二训练图像进行图像配准及平均后得到参考图像；
66.步骤a22，将从步骤a14中获取的稀疏采样k空间数据作为k空间训练数据，将第二训练图像作为训练图像，每一对k空间训练数据和训练图像组成一个训练样本，用于训练对应的子成像模型。
67.作为可选的实施方式，训练样本中的k空间训练数据被完全采样或通过后处理进行欠采样。其中k空间训练数据为二维数据或三维数据；当k空间训练数据为二维数据时，每个解剖部位包括至少一个成像层面；当k空间训练数据为三维数据时，每个解剖部位包括至少一个成像块。
68.作为可选的实施方式，训练数据的采样轨迹包括笛卡尔的采样轨迹或非笛卡尔的采样轨迹。
69.作为可选的实施方式，如图5所示，在步骤b1中，通过在执行主扫描之前执行至少一次定位扫描采集到定位信息，定位扫描的过程具体包括：
70.执行至少一次定位扫描获取定位图像，将定位图像与参考图像进行图像配准得到第一变换矩阵；
71.从磁共振成像系统获取定位扫描的扫描方位，得到定位扫描相对于主扫描的扫描方位的第二变换矩阵；
72.将第一变换矩阵和第二变换矩阵相乘得到第三变换矩阵，通过第三变换矩阵得到
主扫描对应的解剖部位。
73.图5示出了在一些实施例中使用定位扫描来识别解剖部位的方法。通过互信息最大化等图像配准算法，得到了从定位图像到参考图像的第一变换矩阵(仿射变换)。然后从磁共振成像系统获得系统默认扫描方位(亦即定位扫描图像的扫描方位)相对于主扫描的扫描方位的第二变换矩阵(对应刚体变换)，这一扫描方位通常由操作员手动设置或由某些算法自动调整。第三变换矩阵由第二变换矩阵和第一变换矩阵相乘得到；利用上述第三变换矩阵，可以将主扫描的坐标映射到第一训练图像与一致。然后通过坐标变换，可以确认主扫描所对应的解剖部位。
74.作为另外一种可选的实施方式，在步骤b1中，在执行主扫描的过程中采集导航信号，将导航信号通过逆傅立叶变换获得导航图像，并将导航图像和参考图像进行图像匹配得到第三变换矩阵，通过第三变换矩阵得到主扫描对应的解剖部位。
75.图6示出了在一些实施例中使用导航信号来识别解剖部位的方法。利用导航信号可以通过逆傅立叶变换获得导航图像，并将导航图像和训练参考图像之间的图像匹配，类似于上述实施例中使用定位扫描的过程获得第三变换矩阵。
76.作为可选的实施方式，在子成像模型的训练过程中，训练数据包含有各种病变情形的磁共振数据。例如，可以采集具有不同疾病的脑部图像数据对子成像模型进行训练，使得子成像模型能够在实际扫描过程中针对有疾病患者脑部的磁共振数据重建出质量更佳的脑部图像。
77.本发明实施例的有益效果在于：提供一种基于解剖先验数据的磁共振成像图像重建方法，利用各个解剖方位的磁共振数据训练针对各个解剖部位的子成像模型，在后续的扫描过程中，利用这些子成像模型分别针对每个解剖部位的图像进行重建，从而获得更好的磁共振图像质量；同时，由于后续扫描过程中可以利用降采样的或信噪比较低的原始磁共振成像数据重建出质量更佳的磁共振图像，也有效地缩短了扫描时间。
78.以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。