基于SENSE和GRAPPA的并行磁共振图像重建算法

并行磁共振成像技术降低了采样时间,提高了成像速度和图像分辨率,但重建图像信噪比有所下降。为此提出了一种基于SENSE(Sensitivity Encoding)和GRAPPA(Gene Relized Autocalibrating Patially Parallel Acquisitions)的并行成像算法,降低由于减少采样行而造成的信噪比损失。在采集较少K空间中心自标定(ACS)行基础上,先用GRAPPA算法拟合出更多中心数据估计得到较为精确的线圈灵敏度,采用共轭梯度法进行图像重建,得到质量较好的重建图像,进而结合估计的线圈灵敏度进行交替迭代优化,计算出误差较小、分辨率较高的最终重建图像。采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能。仿真实验结果表明,该算法重建出的MR图像从视觉效果上和定量对比结果上都优于已有算法。尤其是在加速因子较大、采样行数较少时可以重建出质量更高的磁共振图像,具有更低的归一化均方误差和更高的信噪比(能提高22%)。新算法降低K空间采样行的同时,提高了并行磁共振重建图像信噪比并降低了噪声干扰。