[发明专利]涡流校正方法、装置、移动终端及可读存储介质

说明书

本发明适用于属于磁共振序列设计领域，提供了一种涡流校正方法、装置、移动终端及可读存储介质，包括：步骤S1，利用双极性读出梯度回波序列采集多回波图像；步骤S2，估计采集的所述多回波图像中的涡流引入的额外相位项的一阶项系数；步骤S3，去除估计的所述一阶项系数，并估计采集的所述多回波图像中的涡流引入的额外相位项的零阶项系数；步骤S4，根据估计的所述一阶项系数和所述零阶项系数去除涡流引入的所述额外相位项的误差；本发明提供的涡流校正方法可以去除采集的图像中的涡流引起的相位误差，从而保证后续水脂分离算法结果的正确性。

技术领域

本发明属于磁共振序列设计领域，尤其涉及一种涡流校正方法、装置、移动终端及可读存储介质。

背景技术

基于磁共振成像的水脂分离或脂肪定量具有重要的临床意义。多回波梯度回波(Gradient Recalled Echo，GRE)序列是最常见的用于水脂分离的磁共振成像序列。该序列中，为了减小回波间距和重复周期，通常采用双极性读出梯度采集多回波图像，但双极性读出方式往往受到系统涡流的影响，使得奇偶回波相位不一致，多回波数据不满足理论水脂混合模型，导致后续基于复数模型的水脂分离算法失败。

具体地，含有两种成分(常见为水和脂肪)的理论水脂混合模型为：

其中，S_n是在回波时间TE_n下的信号强度，N为回波个数；ρ_w和ρ_f是水和脂肪的信号强度值；脂肪含有P个波峰分量，每个分量对应的相对幅度是α_p，满足f_F,p为相应的化学位移，其值已知；f_B＝γΔB₀局部磁场强度，其中γ为氢质子旋磁比(42.576MHz/T)，R₂^*为表观横向弛豫率。

通常都利用多回波梯度回波序列采集多回波图像，如图1所示。为了提高采集速度，在正负读出梯度都开启模数转换器采集图像，然而在这种双极性读出模式下，快速的梯度切换引起的涡流会在双极性读出的奇偶回波图像中引入不一致，即：

其中，θ为涡流额外引入的相位项，通常可以用一阶线性模型描述：

θ＝αx+β (3)

其中，x表示频率编码方向在图像中对应的维度，由于涡流项引入的相位θ未知，因此直接用(1)模型进行水脂分离会导致较大的错误。

现有技术中，有针对涡流引起的相位误差进行解决的办法。

比如，方法(1)，将涡流作为未知量，在模型拟合时同时求解水、脂肪和涡流。但是，这种算法比较复杂，依赖于初始值的准确性，容易收敛到局部极小，导致算法不稳定，同时逐点迭代求解计算量大。

比如，方法(2)，利用参考采集去除涡流引起的相位误差，该方法采集额外的数据，这些数据对应的读出梯度与原始数据对应的读出梯度大小、时序相同，但极性相反，通过比较原始数据和参考数据得到涡流引起的相位误差，在原始数据中去除该相位误差后，进行后续的脂肪定量计算。但是，这种算法需要额外采集参考图像，所需时间长。

比如，方法(3)，与(2)类似，采集一对多回波图像，其序列时序结构完全一样，但读出梯度极性刚好相反，取平均后可以去除涡流带来的影响，并进行后续的脂肪定量计算。但是，扫描时间加倍，所需时间长。比如，方法(4)，对涡流利用一阶空间模型近似，利用幅值拟合得到的脂肪定量结果作为标准，对比涡流校正后利用复数模型得到的脂肪定量结果，当二者最接近时的一阶模型作为涡流模型。但是，幅值拟合在水脂比例接近1:1时不准确。

比如，方法(5)，利用幅值模型拟合水脂模型。但是幅值拟合对于噪声敏感，且对于脂肪模型误差敏感。