并行磁共振成像GRAPPA-SENSE技术

并行磁共振成像技术已在MRI领域被广泛应用。本研究提出一种新的并行成像方法,命名为GRAPPA-SENSE。此法应用GRAPPA(generalized autocalibrating partially parallel acquisitions)算法内插出部分K空间中心未采集数据,生成更为精确的SC-SENSE(self-calibrating sensitivity encoding)重建算法所需的线圈敏感度函数。标准水模实验证明此方法可改善图像质量。

基于奇异值分解的改进GRAPPA算法研究

GRAPPA算法是临床上使用较多的并行磁共振成像算法。现有的GRAPPA算法对2倍降采样能够很好地避免卷褶伪影,但是对于3倍以及3倍以上的降采样重建效果欠佳。为此提出一种GRAPPA算法的改进方法以提高在高倍降采样情况下的图像重建质量,将并行成像重建过程引入奇异值分解法,降低矩阵条件数,提高最小二乘法拟合出超定方程组的稳定性。将仿真结果与原GRAPPA算法相比,发现此算法稳定性更好,在降采样倍数为3及以上时表现出更小的卷褶伪影,更低的噪声,更丰富图像细节;从运行时间看,该算法虽然理论复杂度增加,但由于对矩阵进行压缩使得计算时间下降,运行效率提高。

基于各向异性扩散的GRAPPA重建算法

全局自动校准部分并行采集(GRAPPA)算法假设插值核在整个K空间内具有平移不变性,在实际应用中容易引起重建伪影和噪声放大。为此,提出一种基于各向异性扩散的GRAPPA重建算法。利用偏微分方程设计各向异性扩散重建模型,对GRAPPA算法合成后的数据进行各向异性扩散,在保证相位信息正确的情况下,去除K空间中的噪声和奇异点,从而提高重建图像的准确率。对活体实验数据的重建结果表明,该算法能减少噪声和伪影,提高重建图像的信噪比。

GRAPPA增强的SPACE RIP并行MRI重建算法

为加快磁共振(MRI)的采集速度,提高图像质量,提出了一种利用SPACE RIP算法和GRAPPA算法的并行磁共振(PMRI)成像算法。该方法提高了线圈敏感度值计算的准确性和未采集到采样间隔较小的相位编码行数据重建的精度。当加速因子较大时进行重建时,得到非均匀欠采样得到的数据。利用水模和仿真数据,验证了该算法的性能。结果表明:该算法噪声低,分辨率高,无明显混叠伪影。因此,该算法具有良好的图像重建质量性能;有利于临床诊断。