专利名称：用于执行断层图像获取和重构的系统和方法
技术领域：
本申请涉及用于物体成像的系统和方法，具体地涉及通过测量频率采样的断层重构进行成像的系统和方法。2、相关技术断层摄影术是通过截面或剖切进行成像。断层摄影术中所使用的设备被称为断层摄影装置，而所生成的图像是断层照片。断层摄影术用在医疗、考古学、生物学、地球物理学、海洋学、材料科学、天体物理学和其他科学中。单词断层摄影术从意指“截面”、“切片”或 “切割”的德语单词“tomos”衍生而来。尽管断层摄影术是指基于切片的成像，但是它通常还可应用于三维(3D)图像或四维图像(在时间上分解的3D图像)。在2006 年，Candes 等人的开创性手稿Emmanuel J. Candes ET AL. , Robustuncertainty principles :exact signal reconstruction from highly incompletefrequency information,52 (2)IEEE TRANSACTIONS ON INFORMATION THEORY，2006，at489-509 (Emmanuel J. Candes等人，鲁棒不确定性原理从高度不完整频率信息的准确信号重构，52 (2) IEEE关于信息理论的事务，2006年，489-509页)和Donoho的开创性手稿David Donoho,Compressed sensing,52(4)IEEE TRANSACTIONS ON INFORMATION THEORY,April2006,at 1289-1306 (David Donoho，压缩感测，52 (4) IEEE 关于信息理论的事务，2006年4月，1289-1306页)为图像重构创建了一种称为“压缩感测”的新的研究领域。总地来讲，如Donoho手稿中所陈述的，压缩感测的理论“取决于已知在许多信号和图像处理设定中适用的一种特定假设变换稀疏性原理”。这启发了设法生成这样的模型的大量工作，所述模型可以利用变换稀疏性以使得可以测量更少的数据来重构图像，因此加速图像获取。所有这些技术依赖于压缩图像本身或者该图像的某种变换的能力。该大量工作的动机源于Donoho的开创性手稿，在该手稿中说道“无所不在的可压缩性的现象引起非常自然的问题当我们得到的大部分数据将被扔掉时，为什么要花费这样多的精力来获取所有的数据？我们难道不能仅仅直接测量最终将不会被扔掉的那部分？ ”这一著作导致被设计来生成稀疏性最优的变换的优化模型的开发。
发明内容
公开了用于图像的断层重构的系统和方法。例如，根据本公开内容的一些方面，一种用于生成图像的方法可以包括获取成像物体的k空间(k-space)数据集，收集所述k空间数据集的一部分，以及根据凸优化模型从所述k空间数据集的收集部分重构图像。所述凸优化模型可以包括所述k空间数据集内的预期噪声特性的加权因子表征和成像物体的先验属性的加权因子表征。所述收集k空间数据集的一部分的步骤可以包括根据数据收集图案(datacollecting pattern)收集数据。例如，所述数据收集图案可以包括螺旋形图案、放射状图案和/或包括多个并行采样线的图案。
在一些实施方案中，图像的重构可以包括使用图像强度的总变差(totalvariation)的离散化的I = 0范数的逼近(approximation)来产生图像数据。在这样的实施方案中，所述产生图像数据的步骤可以包括执行迭代过程，其中所述迭代过程的迭代包括更新同伦参数的值和更新二次松弛参数的值。同伦参数和二次松弛参数的各自值彼此的关系可以根据预定关系而为固定的。此外，所述迭代过程的迭代可以包括根据预定速率增大二次松弛参数的值，以及根据二次松弛参数的值和二次松弛参数与同伦参数之间的预定关系减小同伦参数的值。在使用I = 0范数和包括迭代过程的实施方案中，所述迭代过程可以包括内迭代过程和外迭代过程，以使得外迭代过程的每次迭代包括内迭代过程的一次或更多次迭代。所述内迭代过程的每次迭代可以包括至少部分基于同伦参数的值和二次松弛参数的值更新松弛变量的值。所述内迭代过程的每次迭代还可以包括至少部分基于松弛变量的值更新图像数据。在一些实施方案中，图像的重构可以包括使用图像强度的总变差的离散化的I = I或I = 2范数之一来产生图像数据。在这样的实施方案中，所述产生图像数据的步骤可以包括执行迭代过程，其中所述迭代过程的迭代可以包括更新范数加权因子的值以防止惩罚重构图像中的不连续性。范数加权因子可以至少部分基于平滑后的图像数据。所述更新范数加权因子的值的步骤可以包括使用高斯核产生平滑后的图像数据。在使用I = I或I = 2范数和包括迭代过程的实施方案中，所述迭代过程可以包括内迭代过程和外迭代过程，以使得外迭代过程的每次迭代包括内迭代过程的一次或更多次迭代。所述内迭代过程的每次迭代可以包括至少部分基于同伦参数的值和二次松弛参数的值更新松弛变量的值。此外，所述内迭代过程的每次迭代可以包括至少部分基于松弛变量的值更新图像数据。所述图像的重构可以包括产生成像物体的图像数据表征。此外，所述图像的重构可以包括将图像数据输出到显示器、打印机和/或存储器设备。根据本公开内容的进一步的方面，用于生成图像的方法可以包括获取成像物体的k空间数据集，根据预定的数据收集图案收集所述k空间数据集的子集，从而产生采样的k空间数据集，使用所述采样的k空间数据集产生第一组图像数据，以及使用所述第一组图像数据执行迭代过程，以产生第二组图像数据。所述迭代过程可以包括根据优化模型修改所述第一组图像数据，所述优化模型包括根据多个加权因子组合所述第一组图像数据中的图像数据与采样的k空间数据集中的k空间数据。作为实施例，所述第一组图像数据至少部分基于k空间数据集的部分的逆傅里叶变换。所述多个加权因子可以包括用于图像数据的属性的重要性加权因子。所述多个加权因子可以包括用于将各自权重应用于图像数据的不同属性的加权因子。所述多个加权因子可以包括范数加权因子以防止惩罚图像数据中的大的不连续性。根据本公开内容的更进一步的方面，一种用于生成图像的方法可以包括从磁共振成像系统接收k空间数据集，根据预定的数据收集图案收集所述k空间数据集的子集，其中所述预定的数据收集图案包括螺旋形图案，使用采样的k空间数据集产生第一组图像数据，以及使用第一组图像数据执行迭代过程，以产生第二组图像数据。所述迭代过程可以包括根据优化模型修改第一组图像数据，所述优化模型包括根据多个加权因子组合第一组图像数据中的图像数据与采样的k空间数据集中的k空间数据。所述产生第一组图像数据的步骤可以至少部分基于k空间数据集的部分的逆傅里叶变换。所述多个加权因子可以包括用于图像数据的属性的重要性加权因子。所述多个加权因子可以包括用于将各自权重应用于图像数据的不同属性的加权因子。所述多个加权因子可以包括范数加权因子来防止惩罚图像数据中的大的不连续性。根据本公开内容的更进一步的方面，一种用于生成图像的成像系统包括存储器和计算单元，存储器用于接收并储存成像物体的k空间数据集，计算单元用于收集所述k空间数据集的一部分，并且根据凸优化模型从所述k空间数据集的收集部分重构图像。所述凸优化模型可以包括k空间数据集内的预期噪声特性的加权因子表征。所述 凸优化模型包括成像物体的先验属性的加权因子表征。在一些实施方案中，所述计算单元可以使用图像强度的总变差的离散化的I = 0范数的逼近来产生图像数据。在这样的实施方案中，所述计算单元可以使用迭代过程产生图像数据，其中所述迭代过程的迭代可以包括更新同伦参数的值和更新二次松弛参数的值。同伦参数和二次松弛参数的各自值彼此的关系可以根据预定关系而为固定的。在一些实施方案中，所述计算单元可以使用图像强度的总变差的离散化的I = I或I = 2范数之一产生图像数据。在这样的实施方案中，所述计算单元可以使用迭代过程产生图像数据，其中所述迭代过程的迭代可以包括更新范数加权因子的值以防止惩罚重构图像中的不连续性。所述范数加权因子可以至少部分基于平滑后的图像数据。所述计算单元可以产生成像物体的图像数据表征。所述计算单元可以将图像数据输出到显示器、打印机和/或存储器设备。所述k空间数据集可以由图像捕获系统产生，所述图像捕获系统例如为磁共振成像(MRI)系统或其他已知的图像捕获系统。根据本公开内容的更进一步的方面，一种用于生成图像的成像系统可以包括存储器和计算单元，存储器用于接收并储存成像物体的k空间数据集，计算单元用于根据预定的数据收集图案收集所述k空间数据集的子集，从而产生采样的k空间数据集，使用采样的k空间数据集产生第一组数据图像，以及使用第一组图像数据执行迭代过程，以产生第二组图像数据。所述迭代过程可以包括根据优化模型修改第一组图像数据，所述优化模型包括根据多个加权因子组合第一组图像数据中的图像数据与采样的k空间数据集的k空间数据。在一些实施方案中，所述成像系统可以包括用于从图像捕获系统接收k空间数据集的接口。在一些实施方案中，所述成像系统可以包括集成图像捕获系统。在一些实施方案中，所述预定的数据收集图案可以包括螺旋形图案。在这样的实施方案中，所述k空间数据集可以包括由磁共振成像(MRI)系统产生的k空间数据。在其他实施方案中，所述数据收集图案可以包括放射状图案。在这样的实施方案中，所述k空间数据集可以包括由计算断层摄影(CT或CATscan)系统产生的k空间数据。
结合附图对本发明的特征、方面和实施方案进行描述，在附图中图I示出用于I = 0范数的情况的重构算法的流程图；图2示出用于I = I或2范数的情况的重构算法的流程图；图3示出可以用于3D K空间采样的螺旋形轨迹；图4示出可以通过将图3中所示的螺旋形轨迹切成片来实现的一系列采样掩模图案；图5不出用于以固定的偏移角产生的K空间米样的一组螺旋形图案；图6不出用于以变化的偏移角产生的K空间米样的一组螺旋形图案；
图7-11示出用于比较不同重构技术的结果的多组图像；图12A-1 示出针对原始图像与使用不同重构技术和所图示说明的k空间稀疏螺旋形采样重构的图像的比较的多组图像；图16A-19D示出针对原始图像与使用不同重构技术和所图示说明的k空间稀疏放射状采样图案重构的图像的比较的多组图像；图20A-22D示出针对原始图像与使用不同重构技术和所图示说明的k空间稀疏放射状采样图案重构的图像的比较的多组图像；图23A-23D示出针对原始图像与使用不同重构技术和所图示说明的k空间稀疏放射状采样图案重构的图像的比较的多组图像；图24A-24D示出针对原始图像与使用不同重构技术和所图示说明的k空间稀疏GRAPPA采样图案重构的图像的比较的多组图像；以及图25示出成像系统的实施方案的框图。
具体实施例方式本公开内容提供可以用于使用图像处理系统生成图像的断层重构方法，所述图像处理系统可以包括成像系统和/或用于从成像系统接收图像数据的装置。可以包括本公开内容的各方面的成像系统的更具体的实施例包括用于以下断层摄影术的系统使用X射线或伽马射线断层摄影术的计算断层摄影术(CT或CATscan)、共聚焦激光扫描显微镜(LSCM)、低温电子断层摄影术(Cryo-ET)、电容断层摄影术(ECT)、电阻率断层摄影术(ERT)、电阻抗断层摄影术(EIT)、功能性磁共振成像(fMRI)、磁感应断层摄影术(MIT)、磁共振成像(MRI)(以前被通称为磁共振断层摄影术(MRI)或核磁共振断层摄影术)、中子断层摄影术、光学相干断层摄影术(OCT)、光学投影断层摄影术(OPT)、过程断层摄影术(PT)、正电子发射断层摄影术(PET)、正电子发射断层摄影术-计算断层摄影术(PET-CT)、量子断层摄影术、单光子发射计算断层摄影术(SPECT)、地震断层摄影术、超声成像(US)、超声辅助光学断层摄影术(UAOT)、超声传导断层摄影术、光声断层摄影术(PAT)(也被通称为光声断层摄影术(OAT)或热声断层摄影术(TAT))以及用于重构旋转星体的磁体几何形状的塞曼-多普勒(Zeeman-Doppler)成像。尽管所罗列的内容是广泛的，但是并不是穷举的，并且本申请可以应用于本领域技术人员已知的所有这样的类似断层摄影术重构方法。所公开的处理过程涉及I)用于图像重构的模型；2)用于模型的快速数值求解的算法；以及3)K空间采样图案和改进重构逼真度的策略。本申请公开一种用于从物体的不完整测量频率采样执行该物体的图像的断层重构的处理，其中，所述物体或所述物体的傅里叶变换都不是稀疏的，即，不假定或要求变换稀疏性，但是事实上已知不必去严格地适用。所公开的方法包括应用相似的优化方法(诸如压缩感测中所使用的那些优化方法)来生成最优地表现先验地已知被成像物体将表现的物理属性的图像，同时优选地提供与不完整测量频率采样的一致性。然而，现有的压缩感测技术在算法中涉及某个压缩项。相反，本公开内容提供省略在这样的现有算法中存在的压缩项的方法。通过使用所公开的方法，图像获取的速度可以通过减小生成图像所需的频率采样的量来提高。在组织的电离辐射或加热可以发生在人类受试者(human subject)或精细物体(delicate object)的成像中的应用中,还可以减小吸收剂量或能量,从而使被成像的所述物体或受试者的风险最小。所公开的处理过程的实施方案可以利用包括应用以下先验知识的模型，S卩，在像素/体素大小与图像视场(FOV)大小之间的某个介观体系(mesoscopic scale),可以通过无噪声的、强度分段恒定的物体来很好地逼近由测量的基础物体生成的信号。所述处理过程可以包括优化对应的信号强度的这些属性，同时试图在最小二乘意义上获得重构物体的傅里叶变换与测量的傅里叶数据之间的一致。以这种方式，优化处理从稀疏的傅里叶数 据重构物体的欠定问题(underdetermined problem),并且根据其物理属性的先验知识选择与测量数据一致的最优解。所公开的处理过程的动机是这样的观察，即在大部分成像应用中，无论正在被成像的是活体还是制造的物体，被成像的基础物体通过无噪声的、强度分段恒定的物体来很好地表征。例如，人体可以被看作脂肪(fat)或脂肪组织、肌肉、骨头、软组织、脑组织、肺和空气的集合。这些组织彼此邻接，引起图像的不连续性，生成用于识别不同解剖或生理结构的对比(contrast)。本公开内容提供一种用于图像重构的一般模型。该模型可以具有两项，其中，第一项用于实施成像物体的物理先验属性，而第二项用于惩罚用重要性因子加权的最小二乘意义上的图像的傅里叶变换与测量的傅里叶数据的不一致。该模型中的第一项可以是图像变差上的范数，该范数被设计来生成分段恒定的图像，但是同时不惩罚(penalize)已知物体中存在的大的不连续性。所公开的用于图像重构的模型可以利用使图像中的变差的稀疏性最大的无约束凸优化模型
I，-I- - ^ |3, ..... /#|%其中 I = 0，I 或 2 (I)
一 xeX' I在表达式(I)中，a是用于被成像物体的先验属性的重要性加权因子，并且从幻是位置i处的图像强度。M1是防止惩罚大的不连续性的范数加权因子，例如，
m^) = |-(^| + ￡，其中，的平渭 版本(这可以用i午多方 式实现，比如，用高斯核
G、用方差％实现)，并且e是被包括以防止当I只幻| = 0时被零除的小的常数。歹是具有n
维空间域X中的n维空间坐标$的<^)的n维局部有限差分。因此，是图像u的图像
强度的总变差(TV)的离散化的I。、I1或I2范数。此外，在表达式⑴中，，其中，3是n维离散傅里叶变换算子，并且P是与n维傅里叶域K中的被选坐标点^对应的n维选择算子。值^是图像u的傅里叶变换的测量值。范数加权因子M1在降低大的图像强度的变差的重要性中起重要作用，并且可以是随I只幻I单调递减的任何函数。此外，注意的是，K域中的约束已被松弛为具有加权因子％的最小二乘惩罚项，以使得可估计每个测量点的重要性。该方法使得可为具有更高质量或更少噪声的测量数据提供更大的重要性，它还可以被用于加强测量数据中不同频率的特征的重要性，比如，已知的或预期的作为频率的函数的噪声特性可以被合并到力中。本文所公开的是求解表达式⑴中提供的模型的非常高效的算法。本公开内容包括用于I = 0范数的情况的算法的实施方案以及用于I = I或2范数的情况的算法的实施方案。首先，将对用于使用I = 0范数的实施方案的算法进行描述。当I = 0时表达式(I)中明确表述的模型的困难是，由于它的求解通常需要难解决的组合搜索，所以直接求解在数值上是无效率的。为了克服这个问题，可以使用逼近，例如，在Joshua Trzasko和Armando Manduca 的 Highly Undersampled Magnetic Resonance Image Reconstructionvia Homotopic Ici-Minimization (通过同伦Itl-最小化的高度采样下的磁共振图像重构),28(1)IEEETRANSACTI0NS ON MEDICAL IMAGING, January 2009， at 106-121(28(I)IEEE 关于医疗成像的事务，2009年I月，106-121页)中提出的用于I。范数的逼近，该论文通过引用被并入本文，并且以下称之为“Trzasko论文”。Trzasko论文公开了通过Itl拟范数的同伦最小化的I。范数的逼近。这样的逼近应用于本算法导致根据以下表达式(2)的模型
权利要求
1.一种用于生成图像的方法，所述方法包括 获取成像物体的k空间数据集； 收集所述k空间数据集的一部分；以及 根据凸优化模型从所述k空间数据集的收集部分重构图像。
2.如权利要求I所述的方法，其中所述凸优化模型包括所述k空间数据集内的预期噪声特性的加权因子表征。
3.如权利要求I所述的方法，其中所述凸优化模型包括所述成像物体的先验属性的加权因子表征。
4.如权利要求I所述的方法，其中所述收集k空间数据集的一部分的步骤包括根据数据收集图案收集数据。
5.如权利要求4所述的方法，其中所述数据收集图案包括螺旋形图案。
6.如权利要求4所述的方法，其中所述数据收集图案包括放射状图案。
7.如权利要求4所述的方法，其中所述数据收集图案包括包含多个并行采样线的图案。
8.如权利要求I所述的方法，其中所述根据凸优化模型重构图像的步骤包括使用图像強度的总变差的离散化的I = O范数的逼近来产生图像数据。
9.如权利要求8所述的方法，其中所述产生图像数据的步骤包括执行迭代过程，其中所述迭代过程的迭代包括更新同伦參数的值和更新二次松弛參数的值。
10.如权利要求9所述的方法，其中所述同伦參数和所述二次松弛參数的各自值彼此的关系根据预定关系而为固定的。
11.如权利要求10所述的方法，其中所述迭代过程的每次迭代包括 根据预定比率增大所述二次松弛參数的值；以及 根据所述二次松弛參数的值和所述二次松弛參数与所述同伦參数之间的预定关系来减小所述同伦參数的值。
12.如权利要求9所述的方法，其中所述迭代过程是外迭代过程，并且其中所述外迭代过程的每次迭代包括内迭代过程的一次或更多次迭代。
13.如权利要求12所述的方法，其中所述内迭代过程的每次迭代包括至少部分基于所述同伦參数的值和所述二次松弛參数的值更新松弛变量的值。
14.如权利要求13所述的方法，其中所述内迭代过程的每次迭代包括至少部分基于所述松弛变量的值更新图像数据。
15.如权利要求I所述的方法，其中所述根据凸优化模型重构图像的步骤包括使用图像強度的总变差的离散化的I = I范数和图像强度的总变差的离散化的I = 2范数之ー产生图像数据。
16.如权利要求15所述的方法，其中所述产生图像数据的步骤包括执行迭代过程，其中所述迭代过程的迭代包括更新范数加权因子的值以防止惩罚重构图像中的不连续性。
17.如权利要求16所述的方法，其中所述范数加权因子至少部分基于平滑后的图像数据。
18.如权利要求17所述的方法，其中所述更新范数加权因子的值的步骤包括使用高斯核产生所述平滑后的图像数据。
19.如权利要求16所述的方法，其中所述迭代过程是外迭代过程，其中所述外迭代过程的每次迭代包括内迭代过程的一次或更多次迭代。
20.如权利要求19所述的方法，其中所述内迭代过程的每次迭代包括至少部分基于所述同伦參数的值和所述二次松弛參数的值更新松弛变量的值。
21.如权利要求20所述的方法，其中所述内迭代过程的每次迭代包括至少部分基于所述松弛变量的值更新图像数据。
22.如权利要求I所述的方法，其中所述图像的重构包括产生所述成像物体的图像数据表征。
23.如权利要求22所述的方法，其中所述图像的重构包括将所述图像数据输出到显示器、打印机和存储器设备中的至少ー个。
24.一种用于生成图像的方法，所述方法包括 获取成像物体的k空间数据集； 根据预定的数据收集图案收集所述k空间数据集的子集，从而产生采样的k空间数据集; 使用所述采样的k空间数据集产生第一组图像数据；以及 使用所述第一组图像数据执行迭代过程，以产生第二组图像数据， 其中所述迭代过程包括根据优化模型修改所述第一组图像数据，所述优化模型包括根据多个加权因子组合所述第一组图像数据中的图像数据与所述采样的k空间数据集中的k空间数据。
25.如权利要求24所述的方法，还包括至少部分基于所述k空间数据集的部分的逆傅里叶变换产生所述第一组图像数据。
26.如权利要求24所述的方法，其中所述多个加权因子包括用于所述图像数据的属性的重要性加权因子。
27.如权利要求24所述的方法，其中所述多个加权因子包括用于将各自权重应用于所述图像数据的不同属性的加权因子。
28.如权利要求24所述的方法，其中所述多个加权因子包括范数加权因子来防止惩罚所述图像数据中的大的不连续性。
29.一种用于生成图像的方法，所述方法包括 从磁共振成像系统接收k空间数据集； 根据预定的数据收集图案收集所述k空间数据集的子集，所述预定的数据收集图案包括螺旋形图案； 使用所述采样的k空间数据集产生第一组图像数据；以及 使用所述第一组图像数据执行迭代过程，以产生第二组图像数据， 其中所述迭代过程包括根据优化模型修改所述第一组图像数据，所述优化模型包括根据多个加权因子组合所述第一组图像数据中的图像数据与所述采样的k空间数据集中的k空间数据。
30.如权利要求29所述的方法，还包括至少部分基于所述k空间数据集的部分的逆傅里叶变换产生所述第一组图像数据。
31.如权利要求29所述的方法，其中所述多个加权因子包括用于所述图像数据的属性的重要性加权因子。
32.如权利要求29所述的方法，其中所述多个加权因子包括用于将各自权重应用于所述图像数据的不同属性的加权因子。
33.如权利要求29所述的方法，其中所述多个加权因子包括范数加权因子来防止惩罚所述图像数据中的大的不连续性。
34.一种用于生成图像的成像系统，所述成像系统包括 存储器，所述存储器用于接收并储存成像物体的k空间数据集；以及计算单元，所述计算単元用于收集所述k空间数据集的一部分，并且根据凸优化模型从所述k空间数据集的收集部分重构图像。
35.如权利要求34所述的系统，其中所述凸优化模型包括所述k空间数据集内的预期噪声特性的加权因子表征。
36.如权利要求34所述的系统，其中所述凸优化模型包括所述成像物体的先验属性的加权因子表征。
37.如权利要求34所述的系统，其中所述计算単元使用图像强度的总变差的离散化的I =O范数的逼近来产生图像数据。
38.如权利要求37所述的系统，其中所述计算単元使用迭代过程产生图像数据，其中所述迭代过程的迭代包括更新同伦參数的值和更新二次松弛參数的值。
39.如权利要求38所述的系统，其中所述同伦參数和所述二次松弛參数的各自值彼此的关系根据预定关系而为固定的。
40.如权利要求34所述的系统，其中所述计算単元使用图像强度的总变差的离散化的I = I范数和图像强度的总变差的离散化的I = 2范数之一产生图像数据。
41.如权利要求40所述的系统，其中所述计算単元使用交互过程产生图像数据，其中 所述迭代过程的迭代包括更新范数加权因子的值以防止惩罚重构图像中的不连续性。
42.如权利要求41所述的系统，其中所述范数加权因子至少部分基于平滑后的图像数据。
43.如权利要求34所述的系统，其中所述计算单元产生所述成像物体的图像数据表征。
44.如权利要求43所述的系统，其中所述计算单元将所述图像数据输出到显示器、打印机和存储器设备中的至少ー个。
45.如权利要求34所述的系统，其中所述k空间数据集由磁共振成像(MRI)系统产生。
46.一种用于生成图像的成像系统，所述成像系统包括 存储器，所述存储器用于接收并储存成像物体的k空间数据集；以及 计算单元，所述计算単元用于 根据预定的数据收集图案收集所述k空间数据集的子集，从而产生采样的k空间数据集; 使用所述采样的k空间数据集产生第一组图像数据；以及 使用所述第一组图像数据执行迭代过程，以产生第二组图像数据， 其中所述迭代过程包括根据优化模型修改所述第一组图像数据，所述优化模型包括根据多个加权因子组合所述第一组图像数据中的图像数据与所述采样的k空间数据集中的k空间数据。
47.如权利要求46所述的系统，还包括接ロ，所述接ロ用于从图像捕获系统接收所述k空间数据集。
48.如权利要求46所述的系统，还包括图像捕获系统。
49.如权利要求46所述的系统，其中所述预定的数据收集图案包括螺旋形图案。
50.如权利要求49所述的系统，其中所述k空间数据集由磁共振成像(MRI)系统产生。
全文摘要
用于图像的断层重构的系统和方法包括用于从k空间数据生成图像的系统和方法。使用已知的k空间数据获取系统和方法来取得成像物体的k空间数据集。对k空间数据集的一部分进行采样，以便收集k空间数据的某个部分。然后根据凸优化模型从k空间数据集的收集部分重构图像。
文档编号G06K9/62GK102804207SQ201080027320
公开日2012年11月28日 申请日期2010年6月17日 优先权日2009年6月19日
发明者J·F·登普希, Q·曾, R·纳纳, J·L·帕特里克, T·P·伊根, S·施瓦兹曼 申请人:微雷公司