非笛卡尔并行磁共振成像重建技术研究新进展

相对于传统的k空间笛卡尔采样,非笛卡尔采样能够使得k空间具有更高的覆盖效率,同时可以更有效地利用梯度系统性能,减少d B/dt值,避免引起人体不良的生理反应。k空间非笛卡尔采样和并行成像技术结合能够进一步提高成像速度,但是也使得图像域中的伪影模式更加复杂,因此非笛卡尔并行磁共振成像重建具有更高的技术难度。综述了目前几种典型的非笛卡尔并行成像重建技术,具体讨论了每种方法的技术细节和优缺点,包括敏感度编码(SENSE)、共轭梯度敏感度编码(CGSENSE)、非笛卡尔自标定并行采集方法(non-Cartesian GRAPPA)、基于数据一致性的迭代方法(SPIRi T)和近年来发展迅速的压缩感知技术。SENSE和CG-SENSE理论上可以获得最优的重建结果,但受制于线圈敏感度分布的准确测量;Non-Cartesian GRAPPA无需测量线圈敏感度,但只能对特定的非笛卡尔采样模式进行近似计算;SPIRi T结合了SENSE和GRAPPA的优点,通过迭代优化方法可以获得较满意的结果;压缩感知技术利用图像的稀疏变换特性,配合现有的迭代优化并行成像方法可以进一步提升重建图像质量,将继续成为未来研究的热点。

非笛卡尔并行磁共振成像数据的自适应约束重建新算法

多通道欠采样非笛卡尔轨迹数据重建是当前磁共振成像的研究热点,当欠采样因子比较大时,病态问题往往使得敏感度编码(SENSE)方法重建图像信噪比严重降低,传统的解决方法是在重建方程中引入Tikhonov约束或TV约束。提出自适应约束的SENSE重建算法,由先验图像的梯度特征并借鉴PM模型的思想决定惩罚函数,在梯度幅值较大的区域使用各向异性扩散的TV约束方式,在梯度幅值较小的区域使用各向同性扩散的Tikhonov约束方式。进行8通道2.6倍欠采样可变密度螺旋轨迹人体动静脉畸形瘤动脉注射X线的仿真实验。结果表明,与平方和(SOS)重建方法、传统无约束SENSE重建方法以及TV约束SENSE重建方法相比,本算法可以有效抑制部分数据成像带来的噪声和伪影,并能较好保护图像细节尤其是小细节信息,成像效果优于传统方法。

基于级联卷积神经网络的非笛卡尔磁共振重建

非笛卡尔磁共振重建是加速磁共振成像一种重要方法,是临床诊疗中不可或缺的工具。然而非笛卡尔磁共振重建受重建算法的影响导致其重建质量较差。针对非笛卡尔磁共振重建质量较差的问题,本文提出了一种基于密度补偿的级联卷积网络,本方法属于跨域网络,利用非均匀快速傅里叶变换层连接图像空间和测量空间。测量空间利用数据一致层来保证数据的一致性,图像空间利用卷积层来提取特征信息,其中卷积去噪自编码器用于提取高频信息,以重建出更多的细节部分。为了验证方法的有效性,在fastMRI单线圈膝盖数据集上进行实验,本文提出方法在4倍加速因子条件下,峰值信噪比提高了1.9 dB,结构相似性提高了0.1,在6倍加速因子条件下,峰值信噪比提高了1.2 dB,结构相似性提高了约0.1。

LED体三维显示BCC采样体素化

在LED立方体三维显示中,为了减少体素量和提高精度,采用BCC栅格采样方法。以"牛"模型进行实验,对比笛卡尔采样,BCC采样在采样点数量相等的前提下体素量减少27.6%;将BCC栅格的采样点数量降低到笛卡尔栅格采样点数量的70%后,BCC采样得到的体素模型实际体素量要比笛卡尔采样得到的体素量减少43.4%。

基于凸集投影的稀疏磁共振图像重建新算法

目的:只将稀疏MRI数据重建公式中的正则化项作为最小化的目标函数,避免在迭代过程中系统矩阵参与运算,以降低算法的运算量,提高稀疏MRI数据重建的速度。方法:本文中所用的正则化函数是图像全变分与小波系数L1范数的组合,其最小化问题是用次梯度优化算法来求解的。在每一步迭代过程中,首先求出正则化项的次梯度,用次梯度优化算法求解得到中间图像并对其进行傅立叶变换,再根据凸集投影原理,直接将在相位编码方向上随机降采样的K空间数据替换到中间图像频域值的相应位置上,然后对替换后得到的频域值进行反傅立叶变换并将求得的图像作为下一次迭代过程的初始图像。结果:在正则化函数和迭代步数均相同的条件下,本文方法重建的图像质量与NCG-SMRI方法的相当,但重建速度是NCG-SMRI方法的2倍多。结论:实验表明,在不降低重建图像的质量的前提下,本文方法可以提高稀疏MRI数据的重建速度,能进一步满足临床上对MRI重建速度的要求。