用于运动解析的MRI的系统和方法与流程

相关申请的交叉引用

本申请要求于2015年12月11日提交的美国临时专利申请no.62/266,511的权益，该美国临时专利申请被在其整体上通过引用而明确地合并于此。

本公开一般地涉及用于磁共振成像（mri）重构的方法、系统和装置。

背景技术：

可以通过假设目标图像在小波域中是稀疏的来解决诸如重构、去模糊、超解析、修复或去噪之类的成像反转问题。正交小波变换并不是移位不变的；图像特征取决于它们相关于小波网格的位置而被不同地处理，并且这可能造成块失真（blockingartifact）。

已经开发了用以解决在重构期间执行的接近操作的技术，诸如与在主解算器（例如，在fista内的chambolle-pock或dykstra）内的嵌套内算法结合地利用非抽样冗余小波变换。

动态对比增强的（dce）mri牵涉将对比剂（ca）注入到患者内并且在使用mri的时间上的若干不同点处观察ca到组织中的动态摄入。图像重构方法在每次迭代处应用多个移位的小波变换，这招致每一图像维度的至少因数2的额外计算成本。附加地，精确的非抽样小波方法还存储图像的小波系数，其在每个维度中是图像的2倍。这在大维度使用情况（诸如动态体积重构（3d+t）、运动补偿成像、多重对比成像（包括流动或扩散等））下变得非常大。

技术实现要素：

在一些实施例中，一种方法包括在时间上的多个点中的每个处在导航扫描期间获取导航信号数据。使用笛卡尔采样在时间上的多个点处获取与被成像的对象对应的多个磁共振成像（mri）k空间数据，k空间数据包括至少两个空间维度、时间和分配的运动状态。基于导航数据计算针对k空间数据中的每个的相应的运动状态。使用对应于至少两个运动状态和相同的在时间上的点的k空间数据重构至少一个图像而从所述多个mrik空间数据重构所述至少一个图像。

在一些实施例中，磁共振（mr）成像设备具有多个线圈，并且被配置为从对象收集表示mr图像的数据。处理器具有存储设备，存储设备用于存储在频率分量的获取期间使用笛卡尔获取策略所获取的数据的频率分量，处理器被编程以用于在导航扫描期间在时间上的多个点中的每个处获取导航信号数据。使用笛卡尔采样在时间上的多个点处获取与被成像的对象对应的多个磁共振成像（mri）k空间数据，k空间数据包括至少两个空间维度、时间和运动状态。基于导航数据计算针对k空间数据中的每个的相应的运动状态。使用对应于至少两个运动状态和相同的在时间上的点的k空间数据重构至少一个图像而从所述多个mrik空间数据重构所述至少一个图像。

在一些实施例中，一种被编码有计算机程序代码的非暂态机器可读存储介质，其中当处理器执行所述计算机程序代码时，所述处理器执行一种包括在导航扫描期间在时间上的多个点中的每个处获取导航信号数据的方法。使用笛卡尔采样在时间上的多个点处获取与被成像的对象对应的多个磁共振成像（mri）k空间数据，k空间数据包括至少两个空间维度、时间。基于导航数据计算针对k空间数据中的每个的相应的运动状态。使用对应于至少两个运动状态和相同的在时间上的点的k空间数据重构至少一个图像而从所述多个mrik空间数据重构所述至少一个图像。

附图说明

图1示出如由一些实施例使用的用于针对k空间存储阵列中的存储对表示磁共振（mr）图像数据的频域分量的获取进行排序的系统。

图2是跨越与受试者（例如，患者）的三个相应的运动状态对应的三个振幅范围的导航信号的图。

图3是示出包括用于时间和运动（例如，呼吸运动）状态的两个额外维度的多个所获取的图像数据的示意图。

图4是示出用于mrk空间数据的小波系数的带的示意图。

图5a示出导航信号随时间经过的幅度。

图5b示出图5a的导航信号随时间经过的相位。

图5c示出图5a的导航信号随时间经过的分配的运动状态。

图5d示出根据分配的运动状态聚类的图5a的所获取的导航信号。

图6a示出在硬选通信号（方块）和导航信号（星）之间的随时间经过的比较。

图6b示出从使用硬选通信号的mr数据重构的图像和从具有在此描述的额外时间和运动状态维度的5d图像数据重构的图像。

图7a示出使用图6a的硬选通信号随在时间上的六个点的经过而重构的图像。

图7b示出使用图6a的导航信号随相同的在时间上的六个点的经而重构的图像。

图8是使用与在时间上的临界点处的额外运动状态对应的数据并且使用与在时间上的其它点处的单个运动状态对应的数据的xd混合实施例的示意图。

图9是使用图8的xd混合技术的一般化的方法的示意图。

图10是根据一些实施例的示例性mri方法的流程图。

图11是根据一些实施例的xd混合方法的流程图。

具体实施方式

示例性实施例的该描述意图要与随附附图有关地阅读，附图被认为是整个书面描述的一部分。在该描述中，相对的术语（诸如“下”、“上”、“水平”、“垂直”、“在…之上”、“在…之下”、“向上”、“向下”、“顶部”和“底部”以及它们的衍生词（例如“水平地”、“朝向下地”、“朝向上地”等））应当被解释为提及如然后描述那样或如在讨论中的附图中示出那样的定向。

本公开描述针对于使用小波正则化的方法、系统和装置磁共振成像（mri）重构的若干个实施例。在此描述的技术可以被应用于许多（如果不是所有的话）压缩感测（cs）使用情况，以在不牺牲图像质量的情况下提供整体性能改进。mailhe等人的美国专利申请公开no.us2016/0247263描述了使用用于正则化的小波以及重构磁共振图像，并且该美国专利申请公开在其整体上被通过引用合并于此。mailhe等人的美国专利申请公开no.us2016/0146915描述了用于重构磁共振图像的压缩感测处理，并且该美国专利申请公开在其整体上被通过引用合并于此。

在此描述的一些实施例使用利用选通信号的笛卡尔数据获取方法，该选通信号与空间图像数据和时间（灌注状态）分离。选通信号表示运动状态。使用基于笛卡尔的获取简化计算并加快图像处理。一些实施例使用选通信号来解析在所有运动状态mri扫描中收集的图像。其它实施例使用混合方法，其中选通信号被用于在被选择的时间处（例如，在某些灌注状态）解析在所有运动状态中收集的图像，并且在所有其它时间处仅解析在单个或多个被选择的运动状态中收集的图像。

系统架构

图1示出如由本发明的一些实施例使用的用于针对k空间存储阵列中的存储对表示磁共振（mr）图像数据的频域分量的获取进行排序的系统100。在系统100中，磁线圈12在要被成像并且被定位在平台上的患者11的身体中创建静态基磁场。在磁体系统内的是梯度线圈14，梯度线圈14用于产生叠加在静态磁场上的取决于位置的磁场梯度。梯度线圈14响应于由梯度和匀场线圈控制模块16供应给它的梯度信号来在三个正交方向上产生取决于位置的并且被匀场的磁场梯度，并且生成磁场脉冲序列。被匀场的梯度补偿产生于患者解剖学变化和其它源的在mr成像设备磁场中的不均匀性和变化性。磁场梯度包括应用到患者11的层面选择梯度磁场、相位编码梯度磁场和读出梯度磁场。

进一步的rf（射频）模块20将rf脉冲信号提供到rf线圈18，rf线圈18进行响应而产生磁场脉冲，所述磁场脉冲使患者11的被成像的身体中的质子的自旋旋转九十度或一百八十度，以用于所谓的“自旋回波”成像，或者旋转小于或等于90度的角度以用于所谓的“梯度回波”成像。与rf模块20结合的梯度和匀场线圈控制模块16如由中央控制单元26引导那样控制层面选择、相位编码、读出梯度磁场、射频传输和磁共振信号检测，以获取表示患者11的平坦层面的磁共振信号。

响应于所应用的rf脉冲信号，rf线圈18接收mr信号，即来自在身体内的被激发的质子—在它们返回到由静态和梯度磁场所建立的平衡位置时—的信号。mr信号被由rf模块20内的检测器和k空间分量处理器单元34检测和处理，以将mr数据集提供到图像数据处理器以用于处理成图像。在一些实施例中，图像数据处理器位于中央控制单元26中。然而，在其它实施例中，诸如图1中所描绘的实施例，图像数据处理器位于分离的单元27中。ecg同步信号发生器30提供用于脉冲序列和成像同步的ecg信号。k空间分量处理器单元34中的各单独的数据元素的二维或三维k空间存储阵列存储包括mr数据集的对应的单独频率分量。各单独的数据元素的k空间阵列具有指定的中心，并且各单独的数据元素各自地具有到指定中心的半径。

磁场发生器（包括线圈12、14和18）生成用于在获取与存储阵列中的各单独的数据元素对应的多个单独的频率分量中使用的磁场。随着在表示mr图像的mr数据集的获取期间多个单独的频率分量被顺序地获取而使用笛卡尔获取策略相继地获取各单独的频率分量。k空间分量处理器单元34中的存储处理器把使用磁场获取的各单独的频率分量存储在阵列中的对应的各单独的数据元素中。对应的各单独的数据元素的行和/或列随着多个顺序的单独的频率分量被获取而交替地增加和减少。磁场以与阵列中的实质上相邻的各单独的数据元素的序列对应的次序获取各单独的频率分量，并且被相继地获取的频率分量之间的磁场梯度改变实质上被最小化。

中央控制单元26使用存储在内部数据库中的信息来以协调的方式处理检测到的mr信号以（例如，使用图像数据处理器）生成身体的所选择的（多个）层面的高质量图像，并且调整系统100的其它参数。所存储的信息包括预先确定的脉冲序列和磁场梯度和强度数据以及指示要在成像中应用的梯度磁场的定时、定向和空间体积的数据。所生成的图像被呈现在操作者界面的显示器40上。操作者界面的计算机28包括使得用户能够与中央控制单元26交互并且使得用户能够实质上实时地修改磁共振成像信号的图形用户界面（gui）。显示处理器37处理磁共振信号以提供例如用于在显示器40上显示的图像表示数据。

正则化

诸如重构、去噪或超解析之类的医学成像中的许多挑战可以在数学上被建模为不适定的线性反转问题：

（1）

其中目标是从被测量噪声n破坏的部分地不完整的数据x重构未知的信号y。矩阵a对测量系统进行建模。在平行mri的情况下，经常建模为a=fs，其中f表示（部分）傅立叶变换并且s包含线圈灵敏度。因为系统是欠定的，所以存在对于其的无限多的解，并且强加对于解的附加的约束。对于等式（1）的估计量的标准方法如下：

（2）

其中是用以强制解接近于测量的数据保真项，并且函数φ(x)被称为正则化项，其中λ>0是用以平衡数据保真和正则化之间的折衷的正则化参数。

在一些实施例中，解关于给定的基础是稀疏的，意味着在该基础下仅具有很少的非零系数。压缩感测是信号处理技术，其中信号的稀疏性被利用以与由香农-奈奎斯特（shannon-nyquist）采样定理所要求的相比从远远更少的样本恢复信号。压缩感测中的流行方法是基于小波的框架，并且在给定的小波基础（诸如haar）下促进稀疏性。然而，使非零测量作为正则化项是np困难（np-hard）。因此，在基于小波的压缩感测的情况下，正则化项经常具有的形式并且关于作为对于伪范数的凸近似的-范数促进稀疏性。在此，w表示小波变换。一般而言，取决于潜在的问题，w可以是任何线性算子。例如，对于mri重构而言，一些实施例由于非抽样小波变换的平移不变性而使用非抽样小波变换。然而，对用以解决优化问题的算法的选择取决于潜在的正则化项。用以求解等式（1）的高效算法是迭代收缩/阈值化算法（ista），其是所谓的前向—后向分割算法的特殊情况。前向—后向分割算法将问题分割为函数和，并且单独地使用它们。由于经常是非平滑的，所以经由的接近算子来对其进行处理。迭代方案对函数采取梯度步骤（前向步骤），并在该新的点处评估函数的接近算子（后向步骤）。对于接近步骤而言可以通过使用尚博勒—波克（chambolle-pock）类型算法来处理冗余小波变换。然而，从实际的角度，使用正交小波具有减少存储器消耗并且因此更快的处理时间的优点。

给定函数g（x），接近算子是最小化问题的解：

（3）

注意，等式（3）本质上是去噪问题。许多函数具有它们的接近算子的封闭形式解。在本工作中特别感兴趣的是-范数的接近算子，其产生被定义为逐点收缩函数的软收缩算子：

（4）。

利用接近操作的用以求解等式（2）的高效算法是被称为ista的迭代收缩/阈值化算法以及它的被称为快速ista（fast-ista（fista））的加速版本。下面的算法是从优化最小化（majorizationminimization，mm）对策的角度得出的。mm使对于函数的凸代替（而不是函数本身）最小化。考虑取决于固定参数的函数。给定函数f（），被称作在点处优化f，如果有：

对于所有θ，（5）

（6）。

函数q的最小解可以被示出为使函数f下降以使得

（7）。

等式（2）中示出的最小化问题可以被分割成两个函数和。将这合并到mm对策中，人们可以利用如下在给定点xk处通过一阶近似来优化f:=f(x)+

（8）。

针对给定的xk，q满足等式（5）和（6）中的条件，并且其中，其中l是的利普希茨（lipschitz）常数并且。

迭代地最小化q产生ist算法：

（9）

等式（9）容许等式（3）的形式，其中并且因此ist算法也可以被写为：

（10）。

如果=0，则等式10包括使平滑凸函数最小化，并且因此简化为简单的梯度方法。如果是-范数，则产生等式4中给出的封闭形式解。

可以进一步利用被提及为快速ista（或者简单地，fista）的加速方案来适配ista。fista在算法中包括外推步骤：

（11）

其中初始值是=1和。附加地，可以进一步以被提及为松弛ista的形式来一般化fista，其中外推步骤被表达为：

（12）

和任意。

如果是可分离的，则上面讨论的技术适用。然而，在基于小波的框架中，人们经常遇到。如果w是正交变换，则是可分离的，并且上面的技术可以被应用于找出稀疏解。然而，在实际设置中，正交小波变换缺乏移位不变性。在mri重构中，与非抽样小波变换相比，这在重构图像中产生更多的噪声和块失真。另一方面，非抽样的或冗余的变换由于缺失的抽样步骤而具有更高的存储器消耗。

dcemri

在临床实践中，在几分钟的时段上使用多次呼吸保持获取来执行腹部动态对比增强（dce）mri。特别是，迭代重构技术可以将具有高空间-时间解析的连续自由呼吸获取提供到临床范围中。这提供了患者舒适性和鲁棒性，并且目标还在于定量成像。在此公开的一些实施例将运动状态解析为图像重构中的附加维度。一些实施例利用基于附加导航扫描的运动状态检测来使用笛卡尔获取策略。导航扫描与脂肪准备脉冲（例如，频率选择脉冲）对准，并且实际上不出现时间成本。通过基于那些导航信号对成像扫描进行聚类来确定运动状态，从而给定聚类内的成像扫描具有与其它聚类中的成像扫描的导航信号值相比彼此更接近的导航信号值。

支持谱脂肪抑制的3d笛卡尔损伤体积插值呼吸保持检查（vibe）梯度回波（gre）序列能够被扩展以支持相位编码平面的可变密度采样以及如下的导航信号的获取：

一些实施例适合于肝或其它组织中的dcemri。当对肝进行成像时，肝在空气吸入和呼出期间移动，因为图像获取是缓慢的（相对于运动）。在该缓慢扫描期间，隔膜的运动被反映到肝上。dcemri制作组织的一系列图像。该系列图像捕获物理运动以及还有图像对比改变（由于ca移动到肝中以及从肝中移出所致）。cs缩短每一图像的获取时间。cs能够允许患者在图像序列的获取期间自由地呼吸，因为由于在图像中的单个图像的获取期间的非常小的运动的原因而几乎没有在图像质量上的降低。利用cs，人们能够连续地获取数据，并且回溯地排除在观察窗口外部的数据。

在一些实施例中，数据获取以五个维度来捕获数据。除了三个空间维度之外，时间提供第四维度。因为一般的ca流入行为是经验地已知的，所以可以针对动态成像（相对于ca注入时间）预测在时间上的关键点，并且时间表示灌注状态。捕获对应于运动状态的第五维度。临床应用是其中存在ca流入并且ca在身体内的密度改变的灌注。示例性方法解析运动以及流入（时域）。对于dcemri而言，期望ca到达组织（诸如肝）的时间是经验地已知的，并且对于图像解析而言是附加的重要的独立变量。

在一些实施例中，给定采用正弦曲线的一般形式的自导航信号，系统将自导航信号的某些振幅值分配给某些运动状态，诸如吸入和呼出。简单的系统可以使用针对吸入和呼出的两种运动状态。在其它实施例中，使用附加的运动状态，对应于在最大吸入和最大呼出之间的附加的位置。

图2示出表示呼吸运动的选通信号202的示例。来自rf线圈12、14或18的运动信号可以基于导航扫描的相似性而得到。可以在通过应用高通和低通滤波之前处理导航扫描。滤波器设置可以通过扫描指数和分配的时间点来固定。这是由如下的事实所启发的：与对于高通滤波器而言的典型运动（在每次~<200ms呼吸的情况下）相比导航信号总是被更快地采样，并且时间点被选取以使得低通改变（例如通过注入对比剂）在一个时间点内不显著地变化。为此目的，时间点（或时间上的点）提及在被成像的受试者的单个呼吸周期（大约200ms或更少）内的时段。可以使用类似地典型的时间标度。在初始处理之后，每次导航扫描可以被分配给运动状态。

信号202的总振幅范围可以被划分为任何想要的数量的范围，每个范围对应于相应的运动状态。在一些实施例中，每个运动状态对应于k空间数据的相应的聚类。例如，在图2中，选通信号202的振幅范围被划分成三个范围204、206和208。范围204对应于最大吸入。范围208对应于最大呼出。范围206对应于中间状态。这只是一个示例。其它实施例可以将信号202的总振幅范围划分为2、4、6或8个范围或任何其它数量，以提供用于呼吸状态数据的想要的精度。

对于多个时间点而言，根据高斯分布以升序生成采样，保证在每个时间点处用于获取相位编码步骤的期望值与其实际的获取数量相差至多一。相位编码步骤的集合被分配给跟在脂肪准备脉冲之后的回波队列。对于导航而言，在仅在读出中不同于成像扫描的每个脂肪抑制脉冲之后放出附加的gre模块。成像扫描被放在头脚方向上。

利用时间维度和定义运动状态的第五维度来补充3d笛卡尔数据。

对于dce而言，时间维度标识对比剂（ca）摄取状态。对于肝图像而言，相关的运动状态可以定义隔膜位置。例如，图3示意性地示出针对给定的层面（空间区域）的图像数据被在时间上的三个不同点处获取并且与来自三个不同的呼吸状态中的一个的运动状态数据相关联。虽然图3的示例具有与运动状态相同数量的时间点，但是可以与运动状态的数量无关地使用任何数量的时间点。

图4是示出表示小波域中的信号的小波系数的示意图。图4中的块表示小波域中的“带”。左上角的带表示在时间方向上的低频分量和在运动状态方向上的低频分量。右上角的带表示在时间方向上的低频分量和在运动状态方向上的高频分量。无论有多少时间点或运动状态被包括在k空间数据中，在沿着两个维度的小波变换之后，小波系数都可以被归类到这四个带中。

使用如下来在不同的正则化水平的情况下将正则化应用在所有空间、dce和运动状态方向上。

额外的呼吸运动状态维度被用于理清动态对比增强和呼吸运动。针对小的肝穹窿区域获取附加的数据，该附加的数据示出隔膜如何移动以直接地对呼吸运动进行成像。图5a-图5d示出运动状态被从其中获得的导航信号的样本。

一些实施例连同k空间数据一起获取导航信号，计算运动状态，根据导航信号的运动状态对k空间数据进行聚类。并且利用对应的运动状态标记每个所获取的k空间数据，并且然后决定如何使用该数据。在被在相关的窗口的外部获取的获取数据的情况下，系统不丢弃数据而是抑制它们的相关性。

该方法将图像数据连结成大的4d或5d立方体。4d立方体包括2d空间数据，加上时间和运动状态。5d立方体包括3d空间数据，加上时间和运动状态。在4d或5d立方体上执行正则化。在重构期间，可以调整图像以尝试使与邻近的运动状态对应的图像看起来彼此类似。每个运动状态应当是其数据的忠实表示，而同时，相邻的运动状态应当是彼此类似的。这是通过在数据的整个4d或5d立方体上应用小波变换来做到的。图像数据是5d的，但是有时其被重构为是加上时间、加上运动状态的2d或3d空间的。

使用被一般化的k平均算法，通过如下的最小化将导航信号聚类成n个运动状态

其中si,r是在第r个时间点处的第i个导航扫描。c是运动状态，i是扫描指数，r是时间指数，m是平均运动状态，n是运动状态的数量，r是时间上的点的数量，si,r是针对在第r个时间上的点处的第i个导航扫描的导航信号数据的值。alpha(α)是被调谐的参数，其调节时间点内的质心是否是分别针对每个时间点确定的（α=0）或者是否是针对所有时间点使用相同的质心（α=无穷）。在一些实施例中，α被设置为0.1以用于重构。图5a示出导航扫描信号的示例。针对每个线圈元件12、14和18执行优化，并且选择与累积方差相比产生最佳的相对改进的配置。所获得的运动状态{cc,r}被排序并分配给整个相应的回波队列。由于虚扫描和/或反转时间被常规地放在脂肪准备和成像扫描之间，所以实际上在获取时间上没有损失的情况下获得导航信号。作为结果，成像扫描d（k,r,i）被由k空间、时间点和运动状态来指示。通过优化（即，找出数量的最小值）来重构对应的3d+时间+运动状态图像体积i（x,r,i）：

其中w是冗余小波变换（例如，haar或debauchies），λ是正则化强度，并且f由与线圈灵敏度相乘、傅立叶变换和掩蔽构成。

此外，针对单个运动状态使用固定的选通接受（被提及为硬选通）的重构提供了用于与如在此描述的软选通进行比较的基础。在一些实施例中，系统显示与使用运动状态数据重构的至少一个图像相邻的、使用固定的选通信号重构的第二图像（诸如在图6b、图7a和图7b中示出）。然后修改上面的优化问题以在每个时间点处找出给定大小的最佳子集。

图6a和图6b示出在此描述的软选通如何与硬选通方法进行比较。在图6a中，硬选通数据602由方块指示，并且可以由附接到围绕患者的腹部的带的传感器提供，以检测例如最大呼出和吸入。硬选通数据602示出在时间10处的局部最大ca浓度。反映时间和运动状态维度这两者的xdvibe数据604由星指示。在图6a中的时间8处—对应于动脉相—xdvibe数据604包括由于流入—流出行为所致的全局最大ca浓度，其并未被硬选通数据602检测到。

图6b示出基于硬选通（左）的和具有时间和运动状态的xdvibe（右）的针对相同层面的重构图像。xdvibe图像具有更大的对比和更少的噪声。

实验

在临床3t扫描仪（magnetomskyra，西门子医疗（siemenshealthcare），埃朗根，德国）上以自由呼吸来执行肝的dce-mri扫描。vibe获取的参数包括fov=380×345×192mm³，图像矩阵=320×290×64，te/tr=1.8/3.76ms，翻转角=10°，在边界处的可变采样的概率分布下降到其中心值的1/5的情况下在相位编码中的6倍加速，以及每个具有11,57s的时间解析的16个时间点。分别针对6个运动状态的情况以及针对40％的选通接受而使用c++原型执行重构。图5a-图5d示出在该实验期间使用的导航信号。

图5a示出在脂肪准备和成像扫描之间执行的导航扫描期间的来自线圈12、14、18中的一个的分离的导航信号si,r。导航信号数据要被用于标记k空间数据。线圈12、14和18在头至脚（z）方向上的不同位置处。图5a-图5d中的水平轴表示时间。图5a中的每一列表示1个图像。x轴是在不同时间处针对图像的时间坐标。

所获取的导航信号si,r（z）（图5a）对应于具有与成像扫描相同的激发体积的在头-脚方向上的投影。在图5a中，在白色带503上方存在暗带501。白色带503是表示肝运动状态的信号，并且其上方的暗带501表示随着肝向上以及向下移动的隔膜运动状态。在第三列505中，导航数据示出肝正显著地向下移动并且向上返回，对应于隔膜的移动。

图5b针对所选择的线圈元件12、14或18示出作为时间的函数的图5a的导航信号si,r的相位。该信号示出由于呼吸运动所致的变化，并且该方法将使相位与呼吸运动对准。

针对所选择的线圈元件的信号被装箱（bin）到16个时间点，被分别针对6个运动状态分配运动指数以及根据针对每个时间点的运动指数进行聚类。图5c示出导航信号si,r的运动状态。运动状态的进程示出清楚的周期运动，该周期运动可以归因于肝的运动并且在第三时间点处在对比注入期间是最极端的。

图5d示出针对6个运动状态的导航信号的聚类以及根据针对每个时间点的运动状态的排序。

靠近肝穹窿的重构图像被示出在图7a和图7b中。图7a示出使用具有40％的选通容限的硬选通重构针对靠近肝穹窿的层面将前6个时间点示出在相应的列1至列6中。图7b示出具有范围从吸入到呼出的6个运动状态的运动解析重构。为了简洁，仅示出了偶数的运动状态，但是可以以相同的方式重构奇数的运动状态。硬选通重构（图7a）在具有适度的运动和信号改变的时间点处示出良好的结果。然而，在具有对比剂到达和更强的呼吸运动的时间点3处，运动解析的重构（图7b）针对呼出状态与硬选通的重构（图7a）相比提供更好的图像质量。运动解析的重构（图7b）还在稍后的时间点处示出更少的血管，这指示在通过平面方向上的更少的模糊。

当根据运动状态对成像扫描进行聚类时，在此描述的技术准许针对笛卡尔获取的自由呼吸的肝dce。重构时间和图像体积在运动状态中至少线性缩放。其它实施例包括可变数量的运动状态或与硬选通的组合。

图10是如上面描述的示例性xdvibe方法的流程图。

在步骤1002处，针对每个图像执行包括步骤1004至1008的循环。

在步骤1004处，执行脂肪抑制技术（诸如脂肪准备脉冲）。在各种实施例中，脂肪抑制方法可以包括借助于频率选择性脉冲的与水的在谐振频率上的差异、相位对比技术、借助于反转恢复序列的短t1松弛时间（stir技术）、所谓的狄克逊（dixon）方法、或者组合这些脂肪抑制技术中的两种或更多种的混合技术，诸如spir（谱预饱和反转恢复）。

在步骤1006处，获取用于图像的导航信号数据。在一些实施例中，为了对肝进行成像，导航信号具有与患者的隔膜的运动对应的频带。在其它实施例中，导航信号对应于与患者的心脏的运动对应的频带。

在步骤1008处，使用笛卡尔轨迹对用于图像的k空间数据进行采样。在一些实施例中，根据高斯分布以升序来获取k空间数据。

在步骤1010处，使用聚类方法（诸如k平均算法）对k空间数据进行聚类。

在步骤1012处，基于聚类计算针对k空间数据中的每个的运动状态。k空间数据中的每个被标记有其对应的运动状态。

在步骤1014处，使用对应于与相同的在时间上的点对应的至少两个运动状态的k空间数据来重构至少一个图像。在一些实施例中，使用对应于与相同的在时间上点对应的所有运动状态的k空间数据来重构至少一个图像。

额外维度（xd）混合

在一些实施例中，如上面描述那样，系统在多个时间点处使用来自所有运动状态的数据重构图像。在其它实施例中，系统在某些时间点处使用第一数量的运动状态以用于重构，并且在其它时间点处使用第二数量的运动状态以用于重构，其中第一数量和第二数量彼此不同。例如，在一些实施例（在此提及为xd混合方法）中，系统仅针对某些时间点执行全运动状态解析，并且在剩余的时间点处针对单个运动状态执行解析。例如，在一些实施例中，从与在第一时间处获取的第一数量的运动状态对应的k空间数据重构第一图像，并且从与在第二时间处获取的第二数量的运动状态对应的k空间数据重构第二图像，其中第二数量与第一数量不同。

例如，给定2分钟扫描，系统可以每10秒执行全运动状态解析，并且在剩余的时间点处针对单个运动状态解析图像。

图8是示出在xd混合方法的一些实施例中的图像重构期间使用的数据的示意图。灰色框801、804、807指示来自对应于第一运动状态的在时间上的不同点的数据。图8中的第二行的框804、805、806对应于基于ca流入/流出的经验知识而期望ca浓度最大时的预先确定的临界时间（例如，当ca到达肝时）。在对应于第二行的预先确定的时间处，对应于附加的运动状态的额外数据（由黑框指示）805、806被为了更好的图像质量而用于重构图像。针对剩余的在时间上的点，可以仅使用来自单个图像的数据处理针对第一运动状态的图像（灰色框801、807）。

根据xd混合方法的该实施例，针对临界时间和想要的运动状态的最终图像是从如下获得的：

，其中：

xt=2d+t数据（在想要的运动状态下）。

xm=2d+运动状态（+t）数据（在（多个）动脉相下）。

=2d数据（在（多个）动脉相以及想要的运动状态下）；在每次迭代时的xt和xm的平均值。

=3d小波变换。沿着t的阈值化标度。

=3d（或4d）小波变换。沿着运动（以及t，如果多个动脉相的话）的阈值化标度。

虽然图8示出其中仅考虑在时间上的三个点和三个运动状态的示例，但是可以使用任何数量的在时间上的点和任何数量的运动状态。图9是更一般的示意图，其中xd混合实施例可以使用任何数量的在时间上的点以及任何数量的运动状态来在针对想要的运动状态的在时间上的临界点处重构图像。

图11是根据一些实施例的示例性xd混合方法的流程图。

在步骤1102处，如上面关于图10描述的那样获取并标记5d的k空间数据。

在步骤1104处，针对每个图像重复包括步骤1106-1110的循环。

在步骤1106处，作出图像是否对应于在时间上的临界点的确定。例如，在灌注研究中，与正在被成像的组织中的ca的最大浓度对应的时间是在时间上的临界点。如果图像对应于临界时间，则执行步骤1110。如果图像不对应于临界时间，则执行步骤1108。

在步骤1108处，使用与在时间上的多个点处的单个运动状态对应的k空间数据来重构图像，以增加性能。

在步骤1110处，使用与在该相同的在时间上的点处获取的所有运动状态对应的k空间数据来重构图像，以增加图像质量。

xd混合方法提供在时间上的临界点处的改进的图像质量，以及针对在时间上的非临界点处获取的图像的改进的图像重构时间。

在此描述的方法和系统可以被至少部分地以计算机实现的处理和用于实施这些处理的装置的形式来体现。所公开的方法还可以被至少部分地以被编码有计算机程序代码的有形的、非暂态的机器可读存储介质的形式来体现。介质可以包括例如ram、rom、cd-rom、dvd-rom、bd-rom、硬盘驱动器、闪速存储器或任何其它非暂态的机器可读存储介质，其中，当计算机程序代码被加载到计算机中并由计算机执行时，计算机成为用于实施该方法的装置。方法还可以被至少部分地以计算机的形式体现，计算机程序代码被加载和/或执行到该计算机中，以使得计算机成为用于实施该方法的专门目的的计算机。当被实现在一般目的的处理器上时，计算机程序代码区段将处理器配置为创建专用逻辑电路。替换地，方法可以被至少部分地体现在由用于执行该方法的应用专用集成电路形成的数字信号处理器中。

虽然已经就示例性实施例描述了主题事项，但是其并不限制于此。相反，所附的权利要求应当被宽泛地解释，以包括可以由本领域技术人员作出的其它变型和实施例。