一种基于多通道协作编码的磁共振成像重建方法和装置的制造方法
【技术领域】
[0001]本申请涉及磁共振成像技术领域，具体涉及一种基于多通道协作编码的磁共振成 像重建方法和装置。
【背景技术】
[0002] 磁共振成像(magnetic resonance imaging，MRI)技术目前已广泛应用于临床诊 断与分析，该技术利用数学的方法对原子核共振产生的信号进行重建，以生成人体内部的 结构图像。在磁共振成像过程中，出于对成像速度的考虑，需要对K空间降采样以产生观测 图像，MRI重建的目的即是为了减轻或消除伪影，得到"真实"的原始图像。MRI重建算法主要 包括:常规MRI重建算法、功能性MRI重建算法、并行MRI重建算法等。
[0003] 在经典的基于压缩感知的快速磁共振成像模型里，通常有两个成份:数据拟合项 和稀疏正则项。在现存的约束里，基于块的正则化因能够高效地开发图像内部的冗余性而 被广泛采用。
[0004] 假设采集到的K空间数据为f，欠采样矩阵为FM，图像为^心代表图像块提取算子， Riu为提取的样本，此时成像模型为：
[0005]
[0006] 在传统的基于字典学习的快速磁共振成像方法里，例如基于字典学习的磁共振成 {^(DLMRI,Dictionary learning magnetic resonance image)和基于双层Bregman字典更 新的磁共振成像方法（TBMDU，two_level Bregman method with dictionary updating) 里，
[0007:
[0008] 其中，D为字典为稀疏系数，L为样本总数，λ为正则化参数。
[0009] 该成像模型既可以自适应地捕捉图像结构信息，抑制噪声，又可以增强稀疏性。因 此，使得DLMRI和TBMDU的成像结果优于基于固定变换的小波变换(Wavelet transform)和 全局变换(Total-Variation)的磁共振成像结果。
[0010]然而这种成像模型也具有局限性，其所用的字典学习是把每个原子看作单独的个 体，它们的自由度大，求解不稳定，计算复杂，耗时较长，不利于稳定、精确成像。
[0011]另外，在多通道并行成像里，假设有J个通道，S:为第j个通道的灵敏度，^为第j个 通道采集到的数据，则有
[0012]
[0013]这里0代表点乘算子，FM为编码矩阵。为了重建磁共振图像u，其基于字典学习的 并行磁共振成像的目标函数为：
[0014]
[0015] 其中，E是集成了 FM和灵敏度&的并行成像的总编码矩阵，y是所有通道集成的数 据，字典学习直接对原图进行约束。但随着线圈数的增多，各线圈间的相关性也增强，系统 矩阵条件数增大，从而造成采样噪声不稳定，使得并行成像的图像噪声变得严重。
【发明内容】
[0016] 为解决现有技术中存在的技术问题，根据本申请的第一方面，本申请提供一种基 于多通道协作编码的磁共振成像重建方法，包括：
[0017] 获取多通道K空间数据；
[0018] 根据获取到的多通道K空间数据建立磁共振重建模型；
[0019] 对多通道K空间数据进行傅里叶反变换，以得到预估的多通道磁共振图像;在所述 预估的多通道磁共振图像中进行块提取并聚类，得到多通道图像样本块聚类后的样本集；
[0020] 利用所述样本集进行字典学习；
[0021] 利用学习到的字典来更新所有的图像样本块；
[0022] 将更新后的图像样本块返回到图像，来更新多通道K空间数据；
[0023] 对更新后的K空间数据进行傅里叶反变换，以得到更新后的磁共振图像。根据本申 请的第二方面，本申请还提供一种基于多通道协作编码的磁共振成像重建装置，包括：
[0024] K空间数据获取模块，用于获取多通道K空间数据；
[0025] 磁共振重建模型建立模块，用于根据获取到的多通道K空间数据建立磁共振重建 丰旲型；
[0026] 聚类模块，用于对多通道K空间数据进行傅里叶反变换，以得到预估的多通道磁共 振图像;在所述预估的多通道磁共振图像中进行块提取并聚类，得到多通道图像样本块聚 类后的样本集；
[0027] 字典学习模块，用于利用所述样本集进行字典学习；
[0028] 图像样本块更新模块，用于利用学习到的字典来更新所有的图像样本块；
[0029] K空间数据更新模块，用于将更新后的图像样本块返回到图像，来更新多通道K空 间数据；
[0030] 磁共振图像更新模块，用于对更新后的K空间数据进行傅里叶反变换，以得到更新 后的磁共振图像。
[0031] 本申请提供的基于多通道协作编码的磁共振成像重建方法和装置，对多通道K空 间数据进行傅里叶反变换，以得到预估的多通道磁共振图像;在预估的多通道磁共振图像 中进行块提取并聚类，得到多通道图像样本块聚类后的样本集;利用所述样本集进行字典 学习；利用学习到的字典来更新所有的图像样本块，进而更新磁共振图像。对通道间与通道 内的数据进行样本块的提取与聚类，设计开发磁共振成像中线圈间的相关性，充分增强稀 疏约束。同时通过相应的协作编码机制，将图像块间的相似性进行协作利用，以提高多通道 的利用率，进一步加大并行成像的欠采倍数，并且有效抑制图像噪声，提高磁共振成像的稳 定性，改善磁共振成像精度。
【附图说明】
[0032] 图1为本申请一种实施例中基于多通道协作编码的磁共振成像重建方法的流程示 意图；
[0033] 图2为本申请一种实施例中基于多通道协作编码的磁共振成像重建装置的模块示 意图。
【具体实施方式】
[0034] 本申请的发明构思在于:针对多通道协作编码机制，依据Papoulis(帕普里斯)多 通道采样理论，并行成像的加速倍数应该等于通道的个数。然而，各线圈间的相关性会随着 线圈数的增加而增加，系统矩阵条件数随之增大，从而造成对采样噪声极不稳定，并行成像 的图像噪声变得严重。而传统的CS(Compressed sensing)_PI(Parallel imaging)方法在 抑制噪声的同时可能造成细节丢失。针对这一缺陷，本申请设计开发线圈间的相关性，对通 道间与通道内的数据进行样本块的提取与聚类，充分增强稀疏约束。同时通过相应的协作 编码机制，将图像块间的相似性进行协作利用，以提高多通道的利用率，进一步加大并行成 像的欠采倍数，并且有效抑制图像噪声，提高磁共振成像的稳定性，改善磁共振成像精度。
[0035] 下面通过【具体实施方式】结合附图对本申请作进一步详细说明。
[0036] 实施例一
[0037]请参考图1，本实施例提供了一种基于多通道协作编码的磁共振成像重建方法，包 括下面步骤：
[0038]步骤1.1:获取多通道K空间数据。
[0039]并行磁共振成像技术是通过采用多个接收线圈同时采集磁共振信号的空间信息， 并且每个线圈均未对所有信号进行全采集，利用各个线圈空间敏感度的差异性来对空间信 息进行编码，通过相关的重建算法得到最终的图像。SENSE(Sensitivity Encoding，敏感度 编码)并行磁共振成像技术是一种典型的图像域重建算法。它的重建步骤主要包括：（1)通 过并行线圈对多通道k空间数据以加速因子R进行欠采样，对每个线圈得到的欠采样数据进 行逆傅里叶变换，从而得到每个线圈的混叠图像；（2)对并行线圈的敏感度分布进行分析， 在敏感度分布图上展开卷褶图像，从而得到全视野的F0V(field of view，视野)图像，即完 整的重建图像。
[0040]具体的，可以通过欠采样序列直接采集获取多通道K空间数据。
[0041]或者，通过欠采样模板（即一个二值掩模，1为采样点，0为非欠采样点）点乘所采集 的磁共振完全数据，以得到多通道K空间数据。
[0042] 例如通过下面方式得到多通道K空间数据：
[0043] f=Fmu=MFu
[0044]这个数据有两种获取方式，一种是前瞻性(prospective)欠采样直接获取，另一种 是回顾性采样，利用欠采样模板点乘机子上得到的完整K空间数据。
[0045]当然，在步骤1.1中，在获取多通道K空间数据时，也可以采用现有技术中的其他可 行方式。
[0046] 步骤1.2:根据获取到的多通道K空间数据建立磁共振重建模型。磁共振重建模型 如下：
[0047]
!
[0048]其中，f为多通道Κ空间数据，Fm为编码矩阵，u为磁共振图像，L为样本总数（即划分 的图像块的总个数），Ri u为第1个图像块（即第1个样本），Reg(RlU)为图像块的约束，λ为正 则化参数。
[0049] 步骤1.3:对多通道Κ空间数据进行傅里叶反变换，以得到预估的多通道磁共振图 像;在该预估的多通道磁共振图像中进行块提取并聚类，得到多通道图像样本块聚类后的 样本集。
[0050] 步骤1.4:利用该样本集进行字典学习。
[0