回波平面成像涡流伪影的无参考扫描校正方法与流程

本申请涉及核磁共振图像重建方法，尤其是涉及一种基于神经网络的回波平面成像涡流伪影的无参考扫描校正方法。

背景技术：

磁共振成像(magneticresonanceimaging,mri)无电离辐射且具有多成像参数，在临床诊断和科学研究中发挥着重要的作用，例如已公开文献：e.yacoub,n.harel,andk.u"high-fieldfmriunveilsorientationcolumnsinhumans,"proceedingsofthenationalacademyofsciencesoftheunitedstatesofamerica,vol.105,no.30,pp.10607-10612,2008；及j.budde,g.shajan,j.hoffmann,k.andr.pohmann,"humanimagingat9.4tusingt2^*-,phase-,andsusceptibility-weightedcontrast,"magneticresonanceinmedicine,vol.65,no.2,pp.544-550,2011.

传统的磁共振成像需要进行多次射频脉冲激发才能获得完整的k空间信号，参见r.w.brown,y.c.n.cheng,e.m.haacke,m.r.thompson,andr.venkatesan,magneticresonanceimaging:physicalprinciplesandsequencedesign,secondedition.j.wiley&sons,2013。为使受激发的核自旋回到平衡态，连续两次扫描之间通常需要数秒的时间间隔，因此多扫描磁共振成像的实验时间较长。较长的实验时间给测试对象带来不适，且其可能在扫描过程中发生运动，导致图像出现运动伪影，图像质量下降。

因此，超快速成像技术具有重要价值，尤其是对需要高的时间分辨率的功能磁共振成像(r.d.hoge,m.a.franceschini,r.j.covolan,t.huppert,j.b.mandeville,andd.a.boas,"simultaneousrecordingoftask-inducedchangesinbloodoxygenation,volume,andflowusingdiffuseopticalimagingandarterialspin-labelingmri,"neuroimage,vol.25,no.3,pp.701-707,2005)和扩散张量成像(s.moriandj.zhang,"principlesofdiffusiontensorimaginganditsapplicationstobasicneuroscienceresearch,"neuron,vol.51,no.5,pp.527-539,2006)等。单扫描回波平面成像(echoplanarimaging,epi)是一种单次射频脉冲激发即可采集整个k空间信号的典型超快速磁共振成像方法。epi采用快速切换的正负梯度读出信号并填充k空间。梯度系统的不完美，如涡流效应或时域延迟，会导致k空间数据相位误差，这些误差交替出现在k空间的奇偶行间，反映在图像域即为伪影。该伪影体现为测试对象沿相位编码方向在图像域移动视野(fieldofview,fov)的二分之一，通常被称作“奈奎斯特伪影”或“n/2伪影”。

目前校正epi涡流伪影的方法可按是否采用模型分为两类(v.b.xie,m.lyu,ande.x.wu,"epinyquistghostandgeometricdistortioncorrectionbytwo-framephaselabeling,"magneticresonanceinmedicine,vol.77,no.5,pp.1749-1761,2017)。第一类方法是基于模型的校正方法，该方法通常将涡流效应模拟为x-ky域的一维线性相位偏移(h.bruder,h.fischer,h.e.reinfelder,andf.schmitt,"imagereconstructionforechoplanarimagingwithnon-equidistantk-spacesampling,"magneticresonanceinmedicine,vol.23,no.2,pp.311-323,2010；及s.skare,d.clayton,r.newbould,m.moseley,andr.bammer,"afastandrobustminimumentropybasednon-interactivenyquistghostcorrectionalgorithm,"in:proceedingsofthe14thannualmeetingofismrm,seattle,washington,usa,2006,p.2349)，一维非线性相位误差(h.p.d.xiaopingandt.h.le,"artifactreductioninepiwithphase-encodedreferencescan,"magneticresonanceinmedicine,vol.36,no.1,pp.166-171,2010)，或二维相位误差(n.k.chenanda.m.wyrwicz,"removalofepinyquistghostartifactswithtwo-dimensionalphasecorrection,"magneticresonanceinmedicine,vol.51,no.6,pp.1247-1253,2004；d.xu,k.f.king,y.zur,andr.s.hinks,"robust2dphasecorrectionforechoplanarimagingunderatightfield-of-view,"magneticresonanceinmedicine,vol.64,no.6,pp.1800-1813,2010；及n.chen,a.v.avram,anda.w.song,"two-dimensionalphasecycledreconstructionforinherentcorrectionofepinyquistartifacts,"magneticresonanceinmedicine,vol.66,no.4,pp.1057-1066,2011)。相位误差通过参考扫描得到的图像信息进行估算和建模进而消除，但是利用参考扫描会耗费更多的时间和成本，而且测试对象运动可能导致校正失败。第二类是迭代方法，该方法采用多次扫描(b.a.poser,m.barth,p.e.goa,w.dengandv.a.stenger,“single-shotecho-planarimagingwithnyquistghostcompensation:interleaveddualechowithacceleration(idea)echo-planarimaging(epi),”magneticresonanceinmedicine,vol.69,no.1,pp.37-47,2013)或者时域间隔扫描(w.vanderzwaag,j.p.marques,h.x.lei,n.just,t.kober,andr.gruetter,"minimizationofnyquistghostingforecho-planarimagingatultra-highfieldsbasedona"negativereadoutgradient"strategy,"journalofmagneticresonanceimaging,vol.30,no.5,pp.1171-1178,2010)，对同一对象沿x轴正向和负向进行重复采样，通过重新排列沿x轴正向和负向采样得到的数据，消除正向和负向采样数据之间的不一致性，进而去除伪影。然而，由于k空间数据需要以相反的方向采样两次得到，该方法回波链长度较长或时域分辨率较低(v.b.xie,m.lyu,ande.x.wu,"epinyquistghostandgeometricdistortioncorrectionbytwo-framephaselabeling,"magneticresonanceinmedicine,vol.77,no.5,pp.1749-1761,2017)。

综上所述，需要寻找一种更高效的去除epi图像涡流伪影的方法。

技术实现要素：

本发明的主要目的在于克服现有技术中的上述缺陷，提出了一种回波平面成像涡流伪影的无参考扫描伪影校正方法。该方法能够很好地校正由涡流效应引起的图像伪影，并且不需要额外的扫描提供参考图像。

本发明采用如下技术方案：

回波平面成像涡流伪影的无参考扫描校正方法，其特征在于，包括如下步骤：

1)采用磁共振成像仪，加载epi序列对测试对象进行采样，保存k空间数据，并记录采样参数；

2)对k空间数据进行傅里叶变换得到epi图像，对其幅值进行归一化处理并保存；

3)根据epi图像的纹理特征生成具有相似特征的模拟样本，并根据记录的采样参数设置模拟采用的epi序列参数，用该epi序列对模拟样本进行采样，生成相应的k空间模拟数据并进行处理得到模拟图像后保存；

4)对步骤3)得到的模拟图像进行相位修改，得到受涡流效应影响的模拟图像，作为输入图像进行保存，涡流场相位信息作为标签进行保存；

5)搭建神经网络模型，设置神经网络模型的超参数，采用步骤4)得到的模拟图像为输入、涡流场相位为标签训练神经网络模型，观察训练误差，当训练误差收敛并低于设定的阈值时，则该神经网络模型已训练好，结束训练并保存网络参数；

6)将步骤2)中得到的epi图像输入步骤5)中训练好的神经网络模型进行涡流场相位信息提取，再采用该涡流场相位信息按步骤4)的方法对步骤2)中得到的epi图像进行相位修正，得到去除涡流伪影的epi图像。

优选的，在步骤1)中，将测试对象送入磁共振成像仪的检测腔后，先进行调谐、匀场、频率校正和功率校正，再加载epi序列对测试对象进行采样。

优选的，在步骤1)中，所述epi序列包含：90°sinc射频激发脉冲、层选梯度gs、频率维偏置梯度ga和读出梯度gro、相位维偏置梯度ge和相位编码梯度gpe，频率维偏置梯度ga的面积为第一个读出梯度gro面积的一半，方向与之相反；相位维偏置梯度ge的面积为所有相位编码gpe面积和的一半，方向相反；90°sinc射频脉冲结合层选梯度gs进行空间选层；读出梯度gro和相位编码梯度gpe相结合，实现对自旋磁共振信号的采集。

优选的，在步骤3)中，对所述k空间模拟数据进行傅里叶变换得到幅值图，对其幅值进行归一化处理得到模拟图像。

优选的，在步骤3)中，所述模拟样本是采用计算机随机批量生成；模拟采样过程中，加入随机变量因子来提高网络模型对不理想实验环境的鲁棒性。

优选的，根据涡流效应的特点，将涡流场引起的相位偏移简化为一阶线性相位和零阶相位的组合，表示为：

其中a为一阶线性相位的系数，b为零阶相位的系数，x为图像域频率编码维的坐标，y为图像域相位编码维的坐标，奇、偶行以相位编码维区分；

在步骤4)中，所述相位修改包括：把保存的模拟的图像域信号s(x,y)沿相位编码维做一维傅里叶反变换，得到x-ky域的信号i(x,ky)，其中ky为k空间相位编码维坐标，kx为k空间频率编码维坐标。然后把相位θ(x)引入i(x,ky)，得到相位修改后的结果i′(x,ky)：

i′(x,ky)＝i(x,ky)·e^-iθ(x)

再对i′(x,ky)沿相位编码维做一维傅里叶变换即得到相位修改后的模拟图像t(x,y)。

优选的，在步骤5)中，所述神经网络模型的损失函数为：

其中m为每次参与训练的样本个数，l和h为输入图像在频率编码维和相位编码维的像素数，w和b是网络参数，x是图像域的标签，y代表输入图像，g表示网络对输入图像的作用函数。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

本发明先用epi序列采样获得一个epi图像，然后使用深度学习方法重建得到一张无涡流伪影的epi图像。本发明提供的基于神经网络的对epi图像涡流伪影的无参考扫描校正方法将单扫描epi序列快速成像的特点和神经网络强大的学习能力相结合，保证在超快速成像的情况下，重建出高质量的无涡流伪影的epi图像。

附图说明

图1是本发明采用的单扫描回波平面成像序列。

图2是本发明采用的单扫描回波平面成像序列的采样轨迹。

图3是重建无涡流伪影图像采用的代表性神经网络模型。

图4是实际采集得到的epi图像和采用本申请方法校正后的epi图像。在图4中，a-c为epi序列采集的不同层的人脑图像，d-f为采用本申请方法校正得到的与a-c对应的epi图像。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

本发明提供了epi的涡流伪影的无参考扫描校正方法，具体实施过程中的各步骤如下：

1)在操作台打开磁共振成像仪操作软件，将测试对象由实验床送入磁共振成像仪的检测腔。进行调谐、匀场、频率校正和功率校正。加载epi序列，对序列的各个参数进行设置并检查。

epi序列包含：90°sinc射频激发脉冲、层选梯度gs、频率维偏置梯度ga和读出梯度gro、相位维偏置梯度ge和相位编码梯度gpe。频率维偏置梯度ga的面积为第一个读出梯度gro面积的一半，方向与之相反；相位维偏置梯度ge的面积为所有相位编码梯度gpe面积和的一半，方向相反。90°sinc射频脉冲结合层选梯度gs进行空间选层；读出梯度gro和相位编码梯度gpe相结合，实现对自旋磁共振信号的采集。

利用epi序列对测试对象进行采样，采样完成后，保存k空间数据，并记录采样参数。

2)对采集的k空间数据进行傅里叶变换得到epi图像，对其幅值进行归一化处理并保存。

3)根据epi图像的纹理特征生成具有相似特征的模拟样本，并根据记录的采样参数设置模拟采用的epi序列参数，用该epi序列对模拟样本进行采样，生成相应的k空间模拟数据并进行处理得到模拟图像后保存。

所述模拟样本是根据磁共振图像的纹理特征采用计算机随机批量生成。模拟采样过程中，加入随机变量因子来提高网络模型对不理想实验环境的鲁棒性，如增加一个随机二次曲面的微扰。

4)对步骤3)得到的模拟图像进行相位修改，得到受涡流效应影响的模拟图像，作为输入图像保存下来。涡流场相位信息作为标签进行保存。

根据涡流效应的特点，将涡流场引起的相位偏移简化为一阶线性相位和零阶相位的组合，表示为：

其中a为一阶线性相位的系数，b为零阶相位的系数，x为图像域频率编码维的坐标，y为图像域相位编码维的坐标，奇、偶行以相位编码维区分。

相位修改包括：把保存的模拟的图像域信号s(x,y)沿相位编码维做一维傅里叶反变换，得到x-ky域的信号i(x,ky)，其中ky为k空间相位编码维坐标，kx为k空间频率编码维坐标。然后把相位θ(x)引入i(x,ky)，得到相位修改后的结果i′(x,ky)：

i′(x,ky)＝i(x,ky)·e^-iθ(x)

再对i′(x,ky)沿相位编码维做一维傅里叶变换即得到相位修改后的图像t(x,y)。

5)搭建神经网络模型，设置神经网络模型的超参数。

神经网络模型的损失函数为：

其中m为每次参与训练的样本个数，l和h为输入图像在频率编码维和相位编码维的像素数，w和b是网络参数，x是图像域的标签，y代表输入图像，g表示网络对输入图像的作用函数。

训练神经网络模型，观察训练误差，当训练误差收敛并低于设定的阈值时，认为该神经网络模型已训练好，结束训练并保存网络参数。

训练好的神经网络模型由于使用随机产生的模拟样本进行训练，泛化性较强，适用于各种实验环境下测量数据的涡流伪影去除与图像重建。

6)将步骤2)中得到的epi图像输入步骤5)中训练好的神经网络模型进行涡流场相位信息提取，再采用该涡流场相位信息按步骤4)的方法对步骤2)得到的epi图像进行相位修正，即得到去除涡流伪影的epi图像。

本发明采用的单扫描epi序列参见图1。本发明采用的epi序列的采样轨迹参见图2。重建无涡流伪影图像采用的代表性神经网络模型参见图3。该网络模型主要包括四个部分：输入网络、编码网络、解码网络和输出网络。输入网络将epi图像的实部和虚部作为输入。编码网络用以校正图像涡流伪影。解码网络用以对校正好的图像进行重建，提高图像的精度。输出网络输出无涡流伪影的epi图像。

以下给出具体实施例：

图4展示了epi序列采样得到的人脑图像和采用本申请方法重建的结果，其中a-c为epi序列采集的不同层的人脑图像，d-f为采用本申请方法校正得到的与a-c对应的epi图像。

本实施例通过采用u型神经网络对epi采集的人脑图像的涡流伪影进行无参考扫描校正，来验证本发明的可行性。实验在7t磁共振成像仪上进行。在操作台打开成像仪操作软件，使测试对象平躺在实验床上，并将实验床送入成像仪的检测腔，进行调谐、匀场、频率校正和功率校正。根据具体的实验情况，设置脉冲序列的各个参数。本实施例的实验参数设置如下：成像视野fov为40mm×40mm。epi序列的采样回波时间为65.94ms，脉冲重复时间为32.97ms，总的扫描时间为692.37ms，频率编码维和相位编码维的采样点数均为64。将以上实验参数设置好后开始采样。

数据采集完成后，按照上述步骤2)～步骤6)对数据进行重建，重建结果如图4中的d、e、f图所示。

本发明在一次90°sinc脉冲的激发下，通过梯度正负切换快速采集整个k空间信号，再通过对采样信号进行二维傅里叶变换得到图像。在采样过程中，由于梯度涡流等影响，导致k空间的奇偶行相位不匹配，继而使重建图像产生涡流伪影。神经网络的输入来自重建图像的实部和虚部。网络训练采用模拟数据集，其训练的简要过程是：首先随机生成模拟的epi采样信号，然后根据涡流效应的特征，以模拟信号为基础制作出具有涡流效应的图像作为输入数据。利用模拟软件批量产生丰富的模拟数据，并对网络参数进行微调，以确保训练误差收敛到给定的较小数值。网络训练完成后，输入实测数据就可以重建去除了涡流伪影的图像。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。