[发明专利]一种磁共振成像方法和系统

说明书

技术领域

本发明属于磁共振技术领域，具体涉及一种基于数据驱动紧凑框架的快速磁共振成像方法和系统。

背景技术

磁共振成像(MRI)是利用核磁共振的原理，来对物体内部结构进行成像。在医疗诊断应用中，MRI可以获取人体软组织断层的图像，有助于检查癫痫患者脑的能量状态和脑出血情况，对变性病诊断价值很大，故在临床诊断中具有十分重要的意义，目前已经发展成为生物医学工程领域重要的技术之一。

磁共振成像的成像速度较慢，且在成像过程中人体器官的运动、被验者的移动都会影响成像的清晰度，造成图像的缺陷，从而不能满足运动器官的动态成像要求。因此，缩短成像时间对MRI有着重要的意义。

在传统的快速成像方法中，压缩感知(Compressed Sensing,CS)成像方法是将MRI数据空间(又被称为k空间)信号采样与信号重建联合起来考虑，假定目标信号在某种稀疏变换下是稀疏的，CS能从低于奈奎斯特(Nyquist)采样率下的数据中重建信号，通过磁共振采集少量的数据重建出高分辨的图像。但是该方法中CS是假定目标信号可以被稀疏化这个先验知识下，从满足给定欠采数据的多个可能解中选择最稀疏的解作为恢复出来的信号。作为压缩感知的基本假设，尽量稀疏化图像可以降低重建误差。

在经典的基于稀疏变换的快速磁共振成像模型中，全局变换和小波变换都是紧凑框架的一种。设系统是一个紧凑框架，若其式中L₂空间由函数设置的。对于该紧凑框架，定义如下相应分析算子W和综合算子W^T：

其中，I是定义的一个算子，从上式可以看出，只有当W^TW＝I时，系统才是一个紧凑框架。同时，一个紧凑框架可以通过一组合适的滤波器组UEP(Unitaty Extension Principe)产生。二维的滤波器定义为其a_i的尺寸为r×r，综合算子和分析算子分别定义为：

式中是与滤波器a_i相关联的卷积矩阵,n×n为卷积矩阵的尺寸。

目前，图像的稀疏性对基于压缩感知的图像重建是一个非常重要的条件，由于磁共振图像具有稀疏性，基于压缩感知的磁共振成像(Compressed Sensing MRI，CS-MRI)方法有较好的重建质量，其CS-MRI模型可定义为：

式中，x为目标图像，W是稀疏变换算子，如小波变换或全局变换。

为了利用图像块的稀疏性，较流行的一种方法是用K-SVD(K-singular value decomposition)算法来学习一个自适应字典。基于字典学习的快速磁共振成像方法DLMRI(Dictionary Learning MRI)就是采用K-SVD算法来重建磁共振图像的，DLMRI的模型可定义为：

式中D代表字典，R_i是目标图像x第i个位置的块的算子。Γ代表稀疏矩阵{a_i}全部的图像块，λ为正则化参数。该模型既可以自适应地捕捉图像结构信息并抑制噪声，又可以增强稀疏性。

上述的模型都具有局限性，其图像重建的速度和精度都有待提高，为了克服这些缺陷，本发明提出一种基于数据驱动紧凑框架的磁共振成像方法，并提供一种使用该方法的成像系统。

发明内容

本发明是针对磁共振成像方法的缺陷，提供一种数据驱动紧凑框架的磁共振成像方法和系统，以解决现有成像方法普适度不高，算法复杂度大和比较耗时等问题，提高成像的速度和精度。

根据本发明的第一方面，本发明提供一种磁共振成像方法，该方法包括如下步骤：

利用磁共振的原始k空间数据对磁共振图像初始化，并通过理论紧凑框架的二维滤波器构建一个初始的紧凑框架；

在数据拟合约束项的约束条件下，建立基于紧凑框架稀疏表达项的目标图像的重建模型；

将初始化后的磁共振图像划分成图像块组成训练样本集，对初始的紧凑框架进行更新，并根据更新后的紧凑框架对磁共振图像、k空间数据进行更新；按照上述更新过程对紧凑框架、磁共振图像、k空间数据进行交替迭代更新，将求解所述重建模型最优化解的过程转换为所述交替迭代更新的过程；

迭代达到终止条件时，根据所述重建模型得到重建后的目标图像。

根据本申请的第二方面，本发明提供一种磁共振成像系统，包括：

初始的紧凑框架构建模块，用于利用磁共振的原始k空间数据对磁共振图像初始化，并通过理论紧凑框架的二维滤波器构建一个初始的紧凑框架；