本发明属于磁共振成像技术领域，具体涉及一种梯度回波多回波(四个及以上)水脂分离方法及应用该方法的磁共振成像系统。
背景技术
磁共振成像(magneticresonanceimaging，mri)技术已经成为现代医学诊断中一种常用的技术手段。在mri中，由于人体组织水和脂肪中的氢质子所处的分子环境不同，使得其共振频率存在一定差异，称之为化学位移。dixon最早利用该原理获得了mri中的水图和脂肪图像。假设人体组织只含有水和脂肪两种成分，即人体组织在mri中只含有两种共振频率，当人体受到射频脉冲激励之后，两种组织的弛豫时间不同，在不同回波时间采集信号，水和脂肪也会表现出信号强度的差异。dixon方法分别采集水和脂肪的同相位(inphase，简称ip)和反相位(outphase，简称op)两种回波信号，通过两个回波的数据后处理，得到纯水和纯脂肪的图像。
早期dixon方法受磁场不均匀性影响较大，成像过程容易受到人体呼吸等运动影响，计算方法复杂且容错性较差。实际应用中存在着系统噪声、涡流、主磁场不均匀性和人体组织之间磁导率变化等都会导致磁场不均匀，如何克服硬件和人为误差带来的影响是dixon算法的重点。随着水脂分离技术的发展，三点法、不对称三点法和多点法相继提出：其基本原理都是依据三个及三个以上多个回波，计算出磁场不均匀性导致的附加相位，校正各个回波相位之后再求得水和脂肪图像。
随着水脂定量研究的不断深入，单纯的水脂双峰模型已经无法提供足够精准的量化分析结果，借助磁共振谱(magneticresonancespectroscopy，mrs)的验证，多峰模型的水脂分离成像技术不断完善，通过多个回波(四个及以上)信号，计算出不同脂肪类型的含量，可以获得更精确的水脂含量比例。
现有专利和相关技术文献中，对多回波水脂分离数据的后处理，都会加入t2*的校正，克服t2*衰减对信号的影响，同时获得被扫描物体的t2*分布图像，提供更多的临床诊断信息，例如肝脏的铁沉积评价信息。但是，现有报道中，对t2*都存在无法避免的低估。尤其是当采集回波数较少时，计算出的t2*相比理想值大幅缩短，增加回波数会使得计算出的t2*逐步逼近理想值，但会大幅增加数据采集时间。t2*的低估不仅影响本身临床意义的诊断(例如铁沉积)，更会影响信号本身的t2*衰减校正，进而使得水脂分离量化分析的精度大打折扣。
因此，目前行业内亟待一种快速准确稳定的多回波水脂分离算法，能够在高效的扫描时间内，不仅能够准确的估计t2*分布，校正回波间信号衰减，还能获得多峰水脂模型的量化分析图像结果。
技术实现要素：
本发明的一个目的是：提供一种梯度回波多回波水脂分离方法，其能够准确的估计t2*分布，有效校正回波间信号衰减，克服磁场不均匀性带来的相位变化，获得多峰水脂模型的量化分析图像结果。
本发明的技术方案是：一种梯度回波多回波水脂分离方法，其特征在于，包括以下步骤：
步骤1：采用三维梯度回波n回波序列对磁共振成像区域进行磁共振成像扫描，并对n个回波进行数据采集，同时在采集过程中利用grappa技术加速数据采集，其中n为自然数，且n≥4；
步骤2：利用grappa技术拟合还原n个回波数据各自k空间内欠采的相位编码数据，然后做初步的数据处理，求得完整的n个回波的图像域数据；
步骤3：将n个回波的图像域数据带入多峰水脂模型的水脂分离算法中，引入t2*变量，通过迭代计算，获得被成像物体t2*分布图的同时，计算出水和脂肪图像。
所述grappa技术可参见论文“griswoldma,jakobpm,heidemannrm,etal.generalizedautocalibratingpartiallyparallelacquisitions(grappa)[j].magneticresonanceinmedicine,2002,47(6):1202–1210.”。
进一步的，本发明所述步骤1中的对磁共振成像区域使用三维梯度回波序列进行磁共振扫描，一次激发后采集n个回波，至少4个，用于后处理。根据多峰水脂模型，回波个数n决定了能够区分的脂肪峰个数，在不考虑t2*衰减的情况下，3个回波可以计算出水脂图像(一个脂肪峰)。因此，至少4个回波信号可以计算出水脂图像和t2*分布图，每增加采集一个回波信号，可以多计算出一个脂肪峰含量，目前mrs结果中，人体脂肪信号中最多含有6个不同共振频率的脂肪峰。本发明中利用1.5tmri系统采集的第一个回波时间te1＝1.83ms，依次的te2＝3.3ms，……，ten＝1.83+(n-1)×1.46ms……，确保每经过1.46ms，回波信号之间水脂相位以2π/3为间隔变化，n为自然数，且1≤n≤n。依据实际采集需要，可以随意控制回波数n。当te1＝1.83ms时，水脂相位差为5π/6，依次类推，各个回波的水脂相位差满足-π/6+πk，π/2+πk，7π/6+πk(k为整数)时，信噪比最优。
进一步的，本发明中所述步骤2的具体步骤如下：
a：将采集到的n个回波的数据分为n组分别进行grappa后处理，拟合补充完整的k空间数据，n个回波的k空间数据分别为si1、si2、……、sin、……，n为自然数，且1≤n≤n；
b：对n组k空间数据各个通道的信号进行滤波去噪处理，傅里叶变化求得图像域数据之后，进行多通道合成进一步增加信噪比，同时减少后处理运算量。
进一步的，本发明中所述步骤3的具体步骤如下：
a：根据公式
b：利用区域生长算法，根据像素间的t2*的变化差异，对t2*分布图进行校正，确保t2*分布均匀变化，消除噪声等带入的奇点等干扰；
c：利用校正之后的t2*分布图数据，重复上述步骤a，获得校正之后的ρw、ρf、αp，最终获得水脂分离图像(ρw，ρf)和p个不同共振频率的脂肪峰含量图，第p个脂肪峰图为，ρf·αp。
本发明另一目的是提供应用上述方法来获得水脂分离图像和t2*分布图的磁共振成像系统。
本发明的优点是：
1.本发明方法利用grappa技术提高梯度多回波水脂分离成像序列的扫描速度，减少长时间扫描带来的运动伪影和高sar值影响；多回波信号公式引入t2*变量，迭代计算出t2*分布，比单纯依靠水脂同相位信号下的衰减拟合t2*更加精确，并且同时准确计算出水脂多峰的信号分量；区域生长避免了相位卷绕等数学难题，快速校正了t2*和其他计算结果，提高了水脂多峰量化结果的准确性和稳定性。
2.本发明方法有较高适用性和通用性，采集回波个数可控，针对不同成像需求(脂肪峰分辨个数)和采集时间限制，选取不同的回波数n，上述技术方案步骤不变。
3.本发明的磁共振成像系统由于采用上述方法来获得水脂分离图像，相比常规系统，提高了水脂多峰量化结果的准确性和稳定性。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为多峰水脂模型图；
图2为本发明方法的概括流程图；
图3为本发明实施例中扫描序列及回波演变示意图；
图4为本发明实施例中最终计算得到的水、脂肪和t2*图像合并示意图(从左往右依次为水像、脂像和t2*图)。
具体实施方式
实施例：下面结合附图对本发明提供的这种梯度回波多回波水脂分离方法做具体说明如下：
如图1所示是已知一种在3.0tmri系统上测得的多峰水脂模型图，显示最主要的脂肪成分(即图中1号峰，最主要的脂肪分子)相对于水的化学位移频率差为420hz，如果是1.5tmri系统上约为210hz，因为1.5tmri系统的水脂化学位移频率差正好是3.0tmri系统上的一半。水脂多峰模型中各个脂肪峰的相对位置是一样的，所以借用该图说明水脂多峰模型这一概念。该图仅是一种脂肪样品的脂肪峰信号示例，如果扫描其他样品，脂肪各个峰的峰面积比例也会有一定差异，甚至有部分脂肪峰不存在(不含该类型脂肪分子)，但是脂肪峰相对位置关系基本不变。总之，该图所示的脂肪多峰模型是客观存在的，不受本发明或者其他发明影响改变。
下面以回波数n＝4为例，对本发明方法进行说明，本发明方法的概括流程如图2所示，即依次进行grappa加速3d梯度多回波采集、数据k空间滤波多通道合成重建、迭代计算n回波信号多参量、区域生长校正t2*，获得最终结果(即水像、脂像和t2*图)
其具体步骤展开如下：
(1)采用三维梯度回波4回波序列(参见图3)对磁共振成像区域进行磁共振成像扫描，并对4个回波进行数据采集，同时在采集过程中利用grappa技术加速数据采集。本实施例中一次激发后采集4个回波，用于后处理，利用1.5tmri系统采集的第一个回波时间te1＝1.83ms，依次的te2＝3.3ms，……，第n个回波的回波时间ten＝1.83+(n-1)×1.46ms，确保每经过1.46ms，回波信号之间水脂相位以2π/3为间隔变化，n为自然数，且1≤n≤4。
(2)利用grappa技术拟合还原4个回波数据各自k空间内欠采的相位编码数据，然后做初步的数据处理，求得完整的4个回波的4组图像域数据；具体为：
a：将采集到的4个回波的数据分为4组分别进行grappa后处理，拟合补充完整的k空间数据，4个回波的k空间数据分别为si1、si2、……、sin、……，n为自然数，且1≤n≤4；
b：对4组k空间数据各个通道的信号进行滤波去噪处理，傅里叶变化求得图像域数据之后，进行多通道合成进一步增加信噪比，同时减少后处理运算量。
(3)将4个回波的图像域数据带入多峰水脂模型的水脂分离算法中，引入t2*变量，通过迭代计算，获得被成像物体t2*分布图的同时，计算出水和脂肪图像，具体步骤为：
a：上面求得的4个回波的4组图像域数据，即每一个像素点的数据都包含4个信号值，根据公式：
b：利用区域生长算法，根据像素间的t2*的变化差异，对t2*分布图进行校正，确保t2*分布均匀变化，消除噪声等带入的奇点等干扰；
c：利用校正之后的t2*分布图数据，重复上述步骤a，获得校正之后的ρw、ρf，即对所有图像像素点完成计算后即可获得水和脂肪图像，如图4所示(从左往右依次为水像、脂像和t2*图)。
当n＞4时，可以算出多个ρf，即多幅脂肪图，例如当n＝5时p＝2，会有两个脂肪峰对应的脂肪含量图：ρf*α1和ρf*α2α1+α2＝1，可以直接相加获得完整的脂肪含量图，不再赘述。
当然需要说明的是n不能无限大，一方面数据采集信号会逐渐衰减，有物理极限；另一方面水脂多峰模型中脂肪峰不是无限多，在系统条件有限的情况下，也不是所有脂肪峰都能被区分，有的脂肪峰在特定的被试的特定区域内，有可能不含有该成分，也就不存在相应的脂肪峰。
当然上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰，都应涵盖在本发明的保护范围之内。