ach to AutoCalibrating Parallel MRI, Where SENSE Meets GRAPPA, "Proc. Inti. Soc. Mag. Reson. Med?，卷 19，页 479(2011)，和Pruessmann等的"SENSE:Sensitivity Encoding for Fast MRI, ''Magnetic Resonance in Medicine,卷 42,页952-962 (1999)，其整体公开通过引用被并入在此。
[0048] 迭代重建指令314被配置为使得处理器304实现迭代图像重建过程，以从k空间 扫描数据重建用于欠采样的区域的动态图像。该图像重建过程包括基于线圈灵敏度曲线和 动态图像的冗余Haar子波变换的最小化问题的优化。
[0049] 该最小化问题呈现目标函数，其具有基于欠采样的动态图像和估计的线圈灵敏度 曲线的傅立叶变换的数据保真项。可以根据按照k空间扫描数据的采样模式配置的欠采样 运算符来修改傅立叶变换。在一个示例中，根据L 2范数来配置数据保真项目。可以使用其 他范数，包括例如Frobenius范数。
[0050] 该目标函数包括基于或构成动态图像的加权冗余Haar子波变换的先验知识项。 该先验知识项可以表示时间和/或空间相关性，并且因此，表示在目标图像上的结构。由该 项呈现的先验知识可以与稀疏的冗余Haar子波变换相关。源自冗余Haar子波变换向目标 图像的应用的子波系数因为时间和/或空间相关性而可压缩。
[0051] Haar子波变换向目标图像的应用产生四个输出。第一输出表不在所有方向上的像 素值的平均。第二和第三输出是在垂直和水平方向上的梯度。第四输出表示在垂直和水平 方向两个上的梯度。
[0052] 最小化问题的两项求和。可以加权两项的相对贡献。在一个实施例中，将先验知 识之类以因子（参见下面的A)加权。在其他实施例中，可以向另一个或两项应用因子。
[0053] 在一个实施例中，通过优化可以被表达如下的最小化问题而重建动态图像：
[0054]
【主权项】
1. 一种用于包括多个线圈（136)的磁共振成像（MRI)系统（100)的图像重建的方法， 所述方法包括： 获得由所述MRI系统（100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上 的欠采样区域； 使用处理器（304)为所述多个线圈（136)的每一个线圈确定用于所述区域的相应线圈 灵敏度曲线；并且 使用所述处理器（304)经由最小化问题的优化从所述k空间扫描数据迭代地重建用于 所述区域的动态图像， 其中，所述最小化问题是所确定的线圈灵敏度曲线和所述动态图像的冗余Haar子波 变换的函数。
2. 根据权利要求1所述的方法，其中，所述冗余Haar子波变换被加权以强调所述动态 图像的时间相关性。
3. 根据权利要求1所述的方法，其中，所述k空间扫描数据的采样模式包括笛卡尔采样 模式。
4. 根据权利要求3所述的方法，其中，所述笛卡尔采样模式周期地跳过一条或多条线。
5. 根据权利要求1所述的方法，其中，所述k空间扫描数据的采样模式包括径向采样模 式。
6. 根据权利要求1所述的方法，进一步包括获得参考扫描数据，其中，基于所述参考扫 描数据来确定所述线圈灵敏度曲线。
7. 根据权利要求1所述的方法，其中，所述最小化问题进一步基于所述欠采样区域的 所述动态图像的傅立叶变换。
8. 根据权利要求7所述的方法，其中，根据按照所述k空间扫描数据的采样模式而配置 的欠采样运算符来修改所述傅立叶变换。
9. 根据权利要求1所述的方法，其中，确定所述相应线圈灵敏度曲线包括：使用基于奇 异值分解（SVD)的特征向量技术来估计每一个线圈灵敏度曲线。
10. 根据权利要求1所述的方法，其中，所述最小化问题被配置为最小化目标函数，所 述目标函数包括根据L2范数配置的数据保真项。
11. 根据权利要求1所述的方法，其中，所述最小化问题被配置为最小化目标函数，所 述目标函数包括先验知识项，先验知识项表示稀疏的所述冗余Haar子波变换的先验知识。
12. -种计算机程序产品，用于实现用于包括多个线圈（136)的磁共振成像（MRI)系 统（100)的图像重建的方法，所述计算机程序产品包括一个或多个计算机可读存储介质 (302)，其上存储了计算机可执行指令，所述计算机可执行指令当被计算系统（300)的一个 或多个处理器（304)执行时使得所述计算系统（300)执行所述方法，所述方法包括： 获得由所述MRI系统（100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上 的欠采样区域； 为所述多个线圈（136)的每一个线圈估计用于所述欠采样区域的相应线圈灵敏度曲 线；并且 经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述欠采样区域的动 态图像， 其中，所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述 估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，该第二项包括所述动态图像的 加权的冗余Haar子波变换。
13. 根据权利要求12所述的计算机程序产品，其中，所述冗余Haar子波变换被加权以 强调所述动态图像的时间相关性。
14. 根据权利要求12所述的计算机程序产品，其中，根据按照所述k空间扫描数据的采 样模式而配置的欠采样运算符来修改所述傅立叶变换。
15. 根据权利要求12所述的计算机程序产品，其中，根据L2范数来配置所述第一项。
16. 根据权利要求12所述的计算机程序产品，其中，所述第二项表示稀疏的所述冗余 Haar子波变换的先验知识。
17. -种用于包括多个线圈（136)的磁共振成像（MRI)系统（100)的数据处理系统 (300)，所述数据处理系统（300)包括： 存储器，在其中存储线圈灵敏度估计指令和迭代重建指令； 数据存储设备，在其中存储由所述MRI系统（100)捕获的k空间扫描数据，所述k空间 扫描数据表示时间上的欠采样区域；以及， 处理器（304)，其耦合到所述存储器和所述数据存储设备，并且被配置为执行所述线圈 灵敏度估计指令以为所述多个线圈（136)的每一个线圈估计用于所述欠采样区域的相应 线圈灵敏度曲线； 其中，所述处理器（304)被进一步配置为执行所述迭代重建指令，以经由最小化问题 的优化从所述k空间扫描数据重建用于所述欠采样区域的动态图像； 其中，所述最小化问题包括基于所述欠采样区域的所述动态图像的傅立叶变换和所述 估计的线圈灵敏度曲线的第一项，并且进一步包括第二项，该第二项包括所述动态图像的 加权的冗余Haar子波变换。
18. 根据权利要求17所述的数据处理系统（300)，其中，根据按照所述k空间扫描数据 的采样模式而配置的欠采样运算符来修改所述傅立叶变换。
19. 根据权利要求17所述的数据处理系统（300)，其中，根据L2范数来配置所述第一 项。
20. 根据权利要求17所述的数据处理系统（300)，其中，所述第二项表示稀疏的所述冗 余Haar子波变换的先验知识。
【专利摘要】用于具有多个线圈(136)的磁共振成像(MRI)系统(100)的图像重建的方法包括：获得由所述MRI系统(100)捕获的k空间扫描数据，所述k空间扫描数据表示时间上的欠采样区域；为所述多个线圈(136)的每一个线圈确定用于所述区域的相应线圈灵敏度曲线；并且，经由最小化问题的优化从所述k空间扫描数据迭代地重建用于所述区域的动态图像。所述最小化问题基于所确定的线圈灵敏度曲线和所述动态图像的冗余Haar子波变换。
【IPC分类】G01R33-561, G01R33-56, G01R33-48, G01R33-563
【公开号】CN104781685
【申请号】CN201380058249
【发明人】A.勒费布弗雷, J.刘, E.米勒, M.S.纳达尔, M.施密特, M.曾格, Q.王
【申请人】西门子公司
【公开日】2015年7月15日
【申请日】2013年9月26日
【公告号】US20140086469, WO2014052527A1