核磁共振(nmr)指纹识别的制作方法
【专利说明】核磁共振（NMR)指纹识别
[0001] 相关申请的交叉引用 本申请要求于2012年9月19日提交的序列号为13/623, 104的美国专利申请的优先 权，该申请的主题以其整体通过引用包含于此。
【背景技术】
[0002] 传统磁共振（MR)脉冲序列包括准备阶段、等待阶段和获取阶段，这些阶段被构造 为产生信号，能够从该信号形成图像。准备阶段确定何时能够获取信号并且确定获取的信 号的性质。例如，第一脉冲序列可被设计为在第一回声时间（TE)产生Tl加权信号，而第二 脉冲序列可被设计为在第二TE产生T2加权信号。然而，尤其当在多个脉冲序列上混合时， 许多准备和许多短等待能够合计达长的时间以收集数据集。这些传统脉冲序列通常被设计 为提供定性结果，其中利用突出特定参数（例如，Tl弛豫、T2弛豫）的各种加权或对比获取 数据。
[0003] 传统MR获取包括准备/等待/获取脉冲序列的许多重复。例如，第一脉冲序列可 被应用许多次以针对感兴趣体积（RoI)中的所有体素获取Tl加权信号，并且然后第二脉冲 序列可被应用许多次以针对RoI中的所有体素获取T2加权信号。可能难以登记（例如，调 准）来自这两次获取的信号。
[0004] 当产生MR图像时，可由放射科医生和/或外科医生观察MR图像，放射科医生和/ 或外科医生针对特定疾病签名解释定性图像。放射科医生可检查在多个成像平面中获取的 多个图像类型（例如，Tl加权、T2加权）以进行诊断。检查定性图像的放射科医生或其他 个体可能需要特定技能以便能够针对不同时期、针对不同机器并且针对不同机器结构评估 变化。因此，图像仅实际上等于图像解释者，并且所有基于图像（例如，定性）的诊断最终 是主观的。
[0005] 从不同视点来看，传统MR使用精确准备时间创建精确准备条件，所述精确准备条 件方便在精确时间点从精确位置获取精确信号以形成不精确的定性数据集。传统MR尝试 强迫扫描的内容（例如，水、脂肪）在某些时间发射某些信号并且随后从这些信号重构数 据。不管这些缺点如何，传统MR已很好地为临床界服务许多年。
[0006] Twieg提出了一种包括压缩感测的方案，其中信号的模型被用于减少重构参数映 射图并且随后重构图像所需的数据的总量。类似地，Doneva等人提出了随机欠采样以实现 压缩感测。在Doneva方案中，像素将会代表它的真实信号演进加上来自其他像素的混叠信 号。在一个实施例中，混叠将会仅看起来好像是在像素的附加噪声。该噪声将不会具有结 构并且将不会与真实信号演进相关。Doneva方案方便执行相对简单的处理（比如，正交匹 配追踪（OMP))以解析正确信号从而支持图像重构。OMP假设存在预期信号演进的约束词 典。OMP将接收的信号与信号的词典进行比较以识别最有可能来自于像素的信号。
[0007] Twieg, Parsing local signal evolution directly from a single-shot MRI signal: a new approach for fMRI，Magn Reson Med 2003，Nov; 50(5): 1043-52描述一 种通过从信号编码检索来执行单次激发参数评估的单次激发MRI方法。Twieg方法放弃在 传统MRI方法中使用的基本简化假设，即局部固有信号在信号获取期间不改变它的幅度或 相位，但这些改变可能很大，尤其是在单次激发图像获取中使用的较长时间段期间。Twieg 意识到发生局部衰变和相位演进，并且因此将每个信号数据建模为来自（k，t)空间而非k 空间的采样。Twieg采用这样的观点：每个数据在也反映另一属性（例如，弛豫、衰变）的 (k，t)空间中具有它自己的位置，其中t是过去的时间。尽管Twieg期待由于新的信号模 型而导致的提高的准确性和健壮性，但密集的重构计算限制了 Twieg的进展。
[0008] Doneva 等的 Compressed sensing reconstruction for magnetic resonance parameter mapping, Magnetic Resonance in Medicine(第 64 卷、第 4 期、第 1114 - 1120 页、2010年10月）意识到：人体中的不同组织能够通过它们的固有MR参数（包括质子密 度、纵向（T1，自旋--点阵）弛豫时间和横向（T2,自旋--自旋）弛豫时间）在MRI中被 区分。Doneva应用学习的词典以使数据稀疏化，并且然后将基于模型的重构用于MR参数映 射。Doneva识别出"能够评估异构体素中的多个弛豫分量"。然而，Doneva使用依赖于库的 基于成像的方案，在一个例子中，该库的曲线能够由下面形式的方程描绘： SE = I - 2e丧 其中： SE是彳目号演进， t是时间，并且 Tx是单弛豫参数。
[0009] 在另一更一般的例子中，Doneva使用依赖于库的基于成像的方案，该库的曲线能 够由下面的方程描绘： SE = A + Be^t7c 其中A是常数，B是常数，t是时间，并且C是单弛豫参数。
[0010] Doneva将接收信号演进与存储在库中的曲线进行模式匹配。
[0011] Doneva库局限于理想化的单弛豫参数曲线，因为准备是特定的并且由这样的事实 约束，即Doneva最终从获取的数据重构图像。因此，t的任何变化看起来好像是恒定的或 线性的，并且《的任何变化也看起来好像是恒定的或线性的。
[0012] Twieg和Doneva看起来好像局限于仅突出一个或几个参数的传统成像序列。就 Twieg或Doneva使用任何定量序列而言，这些序列包括产生具有不同性质的不同组织之间 的对比的激发和准备方案。然而，该准备随着时间过去而衰退，直至不再能够获取有用的信 息，除非重复准备。例如，在大约4-5秒之后，经受为Tl对比设计的反转恢复序列的组织将 会恢复到它们的平衡状态并且将不会再产生信号。这个短的时间限制损害执行三维成像、 移动目标的成像等等的能力。另外，Twieg和Doneva看起来好像还局限于一次获取与一个 弛豫参数关联的信息。Twieg和Doneva看起来好像适合收集关于Tl弛豫、T2弛豫或Tl和 T2的一个固定组合的信息，但不同时收集关于二者的信息。就Twieg和Doneva能够获取关 于Tl和T2的信息而言，通过该获取，对任一个的灵敏度将会是恒定的。
【附图说明】
[0013] 被并入本说明书中并且构成本说明书的一部分的附图表示各种示例性系统、方法 和本发明的各种方面的其他示例性实施例。将会理解，附图中的示出的元件边界（例如，方 框、一组方框或其他形状）代表边界的一个例子。本领域普通技术人员将会理解，在一些例 子中，一个元件可被设计为多个元件或者多个元件可被设计为一个元件。在一些例子中，示 出为另一元件的内部部件的元件可被实现为外部部件，并且反之亦然。另外，可能未按照比 例绘制元件。
[0014] 图1图示出包含两个共振品种的体积。
[0015] 图2图示出从两个共振品种接收的两个个体NMR信号和从该两个个体NMR信号获 得的信号演进。
[0016] 图3将传统序列块与示例性序列块进行比较和对比。
[0017] 图4图示出与NMR指纹识别关联的示例性方法。
[0018] 图5图示出与NMR指纹识别关联的示例性方法。
[0019] 图6图不出与NMR指纹识别关联的不例性设备。
[0020] 图7图不出与NMR指纹识别关联的不例性设备。
[0021] 图8图示出被构造为执行NMR指纹识别的MR设备。
[0022] 图9图示出另一组示例性序列块。
[0023] 图IOa-IOb图示出示例性磁共振指纹识别（MRF)序列模式。图IOa图示出示例性 获取序列图。图IOb表示FA和TR模式的例子。
[0024] 图Ila-Ilc图示出示例性信号性质和匹配结果。图Ila图示出与四个普通脑组织 对应的仿真信号演进曲线。图Ilb图示出获取的信号演进曲线的一个例子及其与词典的比 较。图Ilc图示出从匹配算法得到的Tl和T2值。
[0025] 图12a_12d图示出与匪R指纹识别关联的示例性活体结果。图12a图示出Tl映 射图（ms)，图12b图示出T2映射图（ms)，图12c图示出偏共振映射图（Hz)，并且图12d图 示出得到的质子密度映射图。
[0026] 图13图示出被构造为将获取的信息与参考信息进行比较的设备