用于执行并行磁共振成像的方法
【专利摘要】一种身体的并行磁共振成像的方法，包括：从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组基础磁共振图像，所述基础图像在k-空间中欠采样；以及执行所述身体的磁共振图像的正则化重建，其中，所述执行磁共振图像的正则化重建的步骤是无人监管的或在离散的框架空间中进行。一种执行身体的动态的并行磁共振成像的方法，包括：从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组时间序列的基础磁共振图像，所述基础图像在k-空间中欠采样；以及执行所述身体的时间序列的磁共振图像的正则化重建。
【专利说明】用于执行并行磁共振成像的方法
【技术领域】
[0001]本发明涉及一种用于执行人体的并行磁共振成像(PMRI)的方法，其包括并行的、动态的(时间分辨的)磁共振成像，例如功能性磁共振成像(fMRI)。
【背景技术】
[0002]在医学磁共振成像(MRI)中，尤其当涉及如fMRI的动态成像时，主要关心的是减少整体获取时间。实际上，短获取时间允许改进所获取的fMRI数据的空间分辨率/时间分辨率，这导致更有效的统计分析。此外，通过减少整体成像时间，可避免由患者移动所导致的一些额外的伪像。出于该原因，已经开发了并行成像系统:采用围绕处于下方的物体或身体而放置的多个具有互补敏感轮廓的接收器表面线圈，以同时采集频域内(即所谓的k-空间)的以沿着至少一个空间方向(即相位编码方向)的且比奈奎斯特(Nyquist)采样速率低R倍的速率所采样的数据，R通常称作“缩减因数”。因此，总获取时间比传统的非并行成像短R倍。然后，通过展开由各个接收器所获取的欠采样的“基础”图像而执行重建步骤以建立全视野(FOV)图像。由于与欠采样率有关的混叠伪像所导致的并行MRI (pMRI)中的低信噪比(SNR),这些混叠伪像由获取过程期间的噪音以及在线圈敏感场(sensitivity map)估计中误差的存在所引起，因此该重建是一项具有挑战性的任务。
[0003]空间谐波同步采集(SMASH) [Sodickson等，1997]是第一种重建方法，其在k_空间域操作。它使用预估算的线圈敏感场的线性组合来产生丢失的相位编码步骤。
[0004]还提出了一些其他的基于k-空间的重建技术，如GRAPPA(全局自动校准部分并行米集)[Griswold 等，2002]和 SENSE (灵敏度编码)[Pruessmann 等，1999]。SENSE 是首先依赖于缩小的FOV图像的重建、其次依赖于空间展开技术的两步式过程，其相当于加权最小平方估算法。该技术要求使用参考扫描(通常为2D梯度回波(GRE))的线圈敏感场的精确估算。目如，它是最频繁利用的pMRI技术，尤其被应用于脑成像和心脏成像。
[0005]关于pMRI中的重建方法的综述参见[Hoge等，2005]。
[0006]在具有无噪声数据和完美的线圈敏感场知识的情况下，SENSE通常被期望实现精确的重建，这对于全部上文所提到的方法也是可行的。然而，实际上，数据中噪声的存在以及线圈敏感场估算的不精确性是无法避免的且使重建问题情况较差。
[0007]由于图像重建是不适定的逆问题，因此正则化技术通常用于更好地估算全FOV图像。这些方法中的大多数工作在图像域中；对于Tikhonov正则化[Ying等,2004]尤其是这种情况，其使用二次惩罚项以促进平滑约束或说明重建图像和先验的参考图像之间的平方差。然而，尽管使用正则化，由于重建的图像受严重的混叠伪像影响，故当使用低的磁场强度(直到1.5Tesla)时，高的缩减因数(超过R=2的值)通常被认为是不可行的。
[0008]在[Chairi等，2008]和[Chairi等，2009]中，发明人已经描述了一种用并行MRi
来执行正则化图像重建的方法，其使用基于小波变换的正则化方案，从而允许增加缩减因数R。
【发明内容】
[0009]本发明目的在于提供所述方法的多种改进，包括使所述方法延伸至动态成像(例如fMRI)且使所述方法全部或部分自动校准(或“无人监管”)。
[0010]因此，本发明的一个目的在于一种身体的并行磁共振成像的方法，包括:
[0011]-从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组基础磁共振图像，所述基础图像在k-空间中欠采样；以及
[0012]-执行所述身体的磁共振图像的正则化重建；
[0013]其中，通过最小化成本函数而在离散的框架空间中进行所述执行磁共振图像的正则化重建的步骤，该成本函数包括:
[0014]-误差项，在给定所述所获取的基础图像的情况下，该误差项表示重建图像的似然；和
[0015]-框架惩罚项，该框架惩罚项表示所述重建图像的框架系数的实际统计分布与所述系数的先验分布之间的偏差；
[0016]基于所述身体的辅助的磁共振图像估算重建图像的框架系数的先验分布。
[0017]根据所述方法的不同实施方式:
[0018]-在给定所述所获取的基础图像的情况下，所述误差项可表示所述重建图像的负对数似然(neg-log-likelihood)。
[0019]-在给定所述所获取的基础磁共振图像和所述框架系数的先验分布的情况下，可通过在所述框架空间中最大化限定身体的图像的一组框架系数的完全后验分布而进行所述执行所述身体的磁共振图像的正则化重建的步骤。
[0020]-可根据所述所获取的基础磁共振图像重建所述身体的所述辅助的磁共振图像。更具体地，可使用灵敏度编码-SENS算法，根据所述所获取的基础磁共振图像重建所述身体的辅助的磁共振图像。甚至更具体地，可使用选自未正则化的SENSE算法、在图像空间中正则化的SENSE算法和在k-空间中正则化的SENSE算法中的一种算法，根据所述所获取的基础磁共振图像重建所述身体的辅助的磁共振图像。
[0021]-可假设所述框架系数的广义高斯-拉普拉斯先验统计分布，使用最大似然估算量或后验均值估算量，基于所述身体的所述辅助的磁共振图像估算所述分布的参数。
[0022]-所述误差项可为二次平均误差项。
[0023]-所述所获取的基础图像可为三维图像，且可在离散的三维框架空间中进行所述执行磁共振图像的正则化重建的步骤。更具体地，可以通过叠加待成像的对象的切片的二维基础图像来获得所述所获取的三维基础图像。
[0024]-所述执行磁共振图像的正则化重建的步骤可基于冗余小波框架表示。可替选地，所述执行磁共振图像的正则化重建的步骤可基于非冗余小波表示。
[0025]-所述成本函数可以还包括选自重建图像的全变差范数和凸约束中的至少一个空间域惩罚项。
[0026]本发明的另一目的在于一种执行身体的动态的并行磁共振成像的方法，该方法包括:
[0027]-从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组时间序列的基础磁共振图像，所述基础图像在k_空间中欠采样；以及[0028]-执行所述身体的时间序列的磁共振图像的正则化重建；
[0029]其中，所述执行时间序列的基础磁共振图像的正则化重建的步骤通过最小化成本函数而进行，该成本函数包括:
[0030]-误差项，在给定相应的所获取的基础图像的情况下，所述误差项表示每个重建图像的似然；和
[0031]-时间惩罚项，该时间惩罚项表示所述时间序列的连续图像之间的像素间的差异或体素间的差异。
[0032]根据所述方法的不同实施方式:
[0033]-所述时间惩罚项可基于边缘保持函数，更具体地基于凸边缘保持函数，且甚至更具体地基于Lp范数，其中P≤I且优选地I ≤ p〈l.5。
[0034]-可通过第一部分时间惩罚项和第二部分时间惩罚项的总和而给出所述时间惩罚项，其中:所述第一部分时间惩罚项表示序列的每个偶数图像与前一个奇数图像之间的像素间或体素间的差异；以及所述第二部分时间惩罚项表示序列的每个奇数图像与前一个偶数图像之间的像素间或体素间的差异；通过使用所述第一部分时间惩罚项和第二部分时间惩罚项的邻近算子最小化所述成本函数。
[0035]-可在离散的框架空间中进行所述执行磁共振图像的正则化重建的步骤，且所述成本函数可以还包括框架惩罚项，其表示每个重建图像的框架系数的统计分布与所述系数的先验分布之间的偏差；基于所述身体的辅助的磁共振图像估算重建图像的框架系数的所述先验分布。在这种情况下，所述基础图像可为三维图像，且所述离散的框架空间可为离散的三维框架空间。
[0036]-本方法可以还包括使用最大似然估算量来自动确定所述时间惩罚项的加权参数的步骤。更确切地说，本方法可包括估算待重建的图像的针对每个像素或体素、或者邻近像素或体素的组的时间惩罚项的所述加权参数。此外，所述时间惩罚项可基于Lp范数，且可使用最大似然估算量来共同地确定时间惩罚项的所述加权参数和参数P。特别地，在约束P ≥ I的情况下，可使用最大似然估算量来共同地确定时间惩罚项的所述加权参数和参数P。
[0037]-所述误差项可取决于几何参数，该几何参数限定了所述基础磁共振图像中每个图像相对于作为参照的基础磁共振图像的刚性变换，且其中，还通过相对于所述几何参数最小化所述函数来进行所述执行时间序列的基础磁共振图像的正则化重建的步骤。
[0038]-可通过回波平面成像获取所述基础图像。
[0039]-所述基础图像可以欠采样，且缩减因数大于或等于4。
【专利附图】
【附图说明】
[0040]从结合附图而进行的以下描述中本发明的附加特征和优点将变得显而易见，附图示出:
[0041]-图1为人脑的磁共振图像的小波系数的实部和虚部的经验性的柱状图；
[0042]-图2和图3为使用现有技术中已知的Tikhonov-正则化的SENSEpMRI重建方法而获得的人脑的九个解剖的轴向切片，其中R分别等于2和4 ;
[0043]-图4为使用现有技术中已知的TV-正则化的SENSEpMRI重建方法而获得的同一人脑的解剖的轴向切片，其中R等于2 (左面板)和R等于4 (右面板)；
[0044]-图5和图6为使用根据本发明的实施方式的基于自动校准的2D小波变换的正则化方案(UWR-SENSE)而获得的同一人脑的九个解剖的轴向切片，其中R分别等于2和4 ;
[0045]-图7和图8为使用根据本发明的另一实施方式的基于受约束的、自动校准的2D小波变换的正则化方案(CWR-SENSE)而获得的同一人脑的九个解剖的轴向切片，其中R分别等于2和4 ;
[0046]-图9为使用根据本发明的另一实施方式的自动校准的组合的小波-全变差正则化方案且对非冗余标准正交的小波基使用图像分解而获得的同一人脑的九个解剖的轴向切片，其中R等于4;
[0047]-图10为使用根据本发明的另一实施方式的自动校准的组合的小波-全变差正则化方案且对由两个标准正交基的联合而构成的冗余小波框架使用的图像分解而获得的同一人脑的九个解剖的轴向切片，其中R等于4 ;
[0048]-图11为使用传统的非并行MRI(顶行)、R等于4的mSENSE并行MRI重建(中间行)和根据本发明另一实施方式的基于自动校准的3D小波变换的正则化方案(3D-UWR-SENSE)(底行)而获得的同一人脑的三个解剖的轴向切片；
[0049]-图12为使用传统的非并行MRI(顶行)、R等于4的mSENSE并行MRI重建(中间行)和根据本发明另一实施方式的基于自动校准的3D小波变换的正则化方案(3D-UWR-SENSE)(底行)而获得的同一人脑的三个解剖的矢状切片；
[0050]-图13为使用TV正则化(左)、根据本发明的实施方式的对非冗余小波基使用图像分解的组合小波-全变差正则化方案(中央)以及根据本发明的实施方式对由两个标准正交基的联合构成的冗余小波框架使用图像分解的组合小波-全变差正则化方案(右)而获得的同一人脑的三个解剖的轴向切片(上行)及其放大的细节(下行);
[0051]-图14为使用回波平面(EPI)fMRI获取的，使用现有技术中已知的mSENSE方法和根据本发明的实施方式的基于自动校准的2D小波变换的正则化方案(4D-UWR-SENSE)重建的人脑的轴向切片、冠状切片和矢状切片；
[0052]-图15为使用EPIfMRI所检测的aC_aS对照的叠加到解剖图像的对象级的student-t图片；使用mSENSE、UWR_SENSE和4D-UWR-SENSE方法重建数据，其中R分别等于2 (图的顶部)和4 (图的底部)；示出矢状图、冠状图和轴向图；
[0053]-图16为分别使用mSENSE、UffR-SENSE和4D-UWR-SENSE方法且以R等于2重建的两个对象的aC-aS对照的对象级的student-t图片；示出矢状图、冠状图和轴向图；
[0054]-图17为使用EPIfMRI所检测到的Lc-Rc对照的叠加到解剖图像的对象级的student-t图片；使用mSENSE、UWR_SENSE和4D-UWR-SENSE方法重建数据，其中R分别等于
2(图的顶部)和4 (图的底部)；示出矢状图、冠状图和轴向图；
[0055]-图18为分别使用mSENSE、UffR-SENSE和4D-UWR-SENSE方法且以R等于4重建的两个对象的Lc-Rc对照的对象级的student-t图片；示出矢状图、冠状图和轴向图；
[0056]-图19为aC-aS对照的组级的student-t图片，其中使用mSENSE、UffRSENSE和4D-UWR-SENSE重建数据，且R等于2和4 ;示出矢状图、冠状图和轴向图；以及
[0057]-图20为Lc-Rc对照的组级的student-t图片，其中使用mSENSE、UffRSENSE和4D-UWR-SENSE重建数据，且R等于2和4 ;示出矢状图、冠状图和轴向图。【具体实施方式】
[0058]在详细描述本发明之前，需要回顾关于pMRI (尤其SENSE)的一些基本情况。
[0059]MRI是一种成像技术，其可根据相关的RF脉冲设计以2D (二维)或直接以3D (三维)进行。在2D情况下，使用相邻的切片覆盖体积。由于该方法使k-空间扫描更快速，因此PMRI可适用于这两种情况，不论其清晰度如何(即以2D或3D)。为了简洁，在下文中仅示出2D情况。
[0060]利用一排C线圈来测量进入被研究的对象(例如在患者头部中的脑)中的自旋密度P。图像获取基于具体的成像序列；在本发明的示例性实施方式中，解剖的MRI基于3DMPRAGE序列，而所涉及的功能性MRI则使用2D回波平面成像(EPI)来执行。下面的描述将聚焦于2D情况；那么，每个线圈I所接收的信号d。(I≤c≤C)为在k-空间中的一些位置k (k=(ky，kx)T)(上标τ是指对换)上所估算的、由线圈灵敏度轮廓S。加权的所期望的2D
场P的傅里叶变换。因此，所接收的信号I由采样方案限定:
【权利要求】
1.一种身体的并行磁共振成像的方法，包括: -从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组基础磁共振图像,所述基础图像在k-空间中欠采样；以及 -执行所述身体的磁共振图像的正则化重建； 其中，执行磁共振图像的正则化重建的所述步骤通过最小化成本函数而在离散的框架空间中进行，所述成本函数包括: -误差项，在给定所获取的基础图像的情况下，所述误差项表示重建图像的似然；和 -框架惩罚项，所述框架惩罚项表示所述重建图像的框架系数的实际统计分布与所述系数的先验分布之间的偏差； 基于所述身体的辅助的磁共振图像估算所述重建图像的框架系数的先验分布。
2.根据权利要求1所述的方法，其中，在给定所述所获取的基础图像的情况下，所述误差项表示所述重建图像的负对数似然。
3.根据权利要求1或2所述的方法，其中，在给定所述所获取的基础磁共振图像和所述框架系数的先验分布的情况下，通过在所述框架空间中最大化限定所述身体的图像的一组框架系数的完全后验分布，而进行所述执行所述身体的磁共振图像的正则化重建的步骤。
4.根据前述任一项权利要求所述的方法，其中，根据所述所获取的基础磁共振图像重建所述身体的所述辅助的磁共振图像。
5.根据权利要求4所述的方法，其中，使用灵敏度编码-SENSE算法，根据所述所获取的基础磁共振图像重建所述身体的.所述辅助的磁共振图像。
6.根据权利要求5所述的方法，其中，使用选自以下算法中的一种算法，根据所述所获取的基础磁共振图像重建所述身体的所述辅助的磁共振图像: -未正则化的SENSE算法； -在图像空间中正则化的SENSE算法；和 -在k-空间中正则化的SENSE算法。
7.根据前述任一项权利要求所述的方法，其中，假设所述框架系数的广义Gauss-Laplace先验统计分布，使用最大似然估算量或后验均值估算量，基于所述身体的所述辅助的磁共振图像估算所述分布的参数。
8.根据前述任一项权利要求所述的方法，其中，所述误差项为二次平均误差项。
9.根据前述任一项权利要求所述的方法，其中，所述所获取的基础图像为三维图像，且其中，在离散的三维框架空间中进行所述执行磁共振图像的正则化重建的步骤。
10.根据权利要求9所述的方法，其中，通过叠加待成像的对象的切片的二维基础图像来获得所述所获取的三维基础图像。
11.根据前述任一项权利要求所述的方法，其中，所述执行磁共振图像的正则化重建的步骤基于冗余小波框架表示。
12.根据权利要求1至10中任一项所述的方法，其中，所述执行磁共振图像的正则化重建的步骤基于非冗余小波表示。
13.根据前述任一项权利要求所述的方法，其中，所述成本函数还包括至少一个选自以下项的空间域惩罚项: -所述重建图像的全变差范数；和-凸约束。
14.一种执行身体的动态的并行磁共振成像的方法，包括: -从具有已知的或估算的灵敏度分布和噪声协方差矩阵的各个接收天线中获取所述身体的一组时间序列的基础磁共振图像，所述基础图像在k-空间中欠采样；以及 -执行所述身体的时间序列的磁共振图像的正则化重建； 其中，通过最小化成本函数进行所述执行时间序列的基础磁共振图像的正则化重建的步骤，所述成本函数包括: -误差项，在给定相应的所获取的基础图像的情况下，所述误差项表示各重建图像的似然；和 -时间惩罚项，所述时间惩罚项表示在所述序列的连续图像之间的像素间或体素间的差异。
15.根据权利要求14所述的方法，其中，所述时间惩罚项基于边缘保持函数。
16.根据权利要求15所述的方法，其中，所述时间惩罚项基于凸边缘保持函数。
17.根据权利要求16所述的方法，其中，所述时间惩罚项基于Lp范数，其中，P> I且优选地I ( p〈l.5。`
18.根据权利要求14至17中任一项所述的方法，其中，通过第一部分时间惩罚项和第二部分时间惩罚项的总和而给出所述时间惩罚项，其中: -所述第一部分时间惩罚项表示所述序列的每个偶数图像与前一个奇数图像之间的像素间或体素间的差异；以及 -所述第二部分时间惩罚项表示所述序列的每个奇数图像与前一个偶数图像之间的像素间或体素间的差异； 通过使用针对所述第一部分时间惩罚项和第二部分时间惩罚项的邻近算子最小化所述成本函数。
19.根据权利要求14至18中任一项所述的执行身体的动态的并行磁共振成像的方法，其中，在离散的框架空间内进行所述执行磁共振图像的正则化重建的步骤，且所述成本函数还包括框架惩罚项，所述框架惩罚项表示每个重建图像的框架系数的统计分布与所述系数的先验分布之间的偏差；基于所述身体的辅助的磁共振图像估算所述重建图像的框架系数的所述先验分布。
20.根据权利要求19所述的方法，其中，所述基础图像为三维图像，且其中，所述离散的框架空间为离散的三维框架空间。
21.根据权利要求14至20中任一项所述的方法，还包括使用最大似然估算量来自动确定所述时间惩罚项的加权参数的步骤。
22.根据权利要求21所述的方法，其中，所述方法包括:估算待重建的图像的针对每个像素或体素、或者成组的邻近像素或体素的时间惩罚项的所述加权参数。
23.根据权利要求21或22所述的方法，其中，所述时间惩罚项基于Lp范数，且其中，使用所述最大似然估算量来共同地确定所述时间惩罚项的所述加权参数和参数P。
24.根据权利要求23所述的方法，其中，在约束P> I的情况下，使用所述最大似然估算量来共同地确定所述时间惩罚项的所述加权参数和所述参数P。
25.根据权利要求14至23中任一项所述的方法，其中，所述误差项取决于几何参数，所述几何参数限定所述基础磁共振图像的每个图像相对于作为参照的基础磁共振图像的刚性变换，且其中，还通过相对于所述几何参数最小化所述函数来进行所述执行时间序列的基础磁共振图像的正则化重建的步骤。
26.根据前述任一项权利要求所述的方法，其中，通过回波平面成像获取所述基础图像。
27.根据前述任一项权利要求所述的方法，其中，所述基础图像欠采样，且缩减因数大于或等于 4。
【文档编号】G01R33/563GK103443643SQ201180052754
【公开日】2013年12月11日 申请日期:2011年8月29日 优先权日:2010年9月1日
【发明者】卢菲特·查理, 塞巴斯蒂安·梅里奥, 菲利普·丘丘, 让-克里斯托夫·佩斯凯 申请人:原子能与替代能源委员会