【技术实现步骤摘要】
使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统
本文所公开的主题的实施方案涉及磁共振成像,并且更具体地涉及使用扩展线圈灵敏度模型进行的基于深度学习的磁共振图像重建。
技术介绍
磁共振成像(MRI)是可以在不使用X射线或其他电离辐射的情况下创建人体内部的图像的医学成像模态。MRI使用强力磁体产生强大、均匀的静磁场。当将人体或人体的一部分置于磁场中时,与组织水中的氢原子核相关的核自旋变得极化,其中与这些自旋相关的磁矩会变得优先沿着磁场的方向对准,从而沿着该轴线产生小的净组织磁化。MRI系统还包括梯度线圈,该梯度线圈产生具有正交轴线的较小幅值、空间变化的磁场以通过在体内每个位置处产生特征共振频率来对磁共振(MR)信号进行空间编码。氢核由处于或接近氢核的共振频率的射频信号激发,这为核自旋系统增加了能量。当核自旋弛豫回到其静止能量状态时,其以RF信号的形式释放吸收的能量。该RF信号(或MR信号)由一个或多个RF线圈阵列检测并且使用计算机和已知的重建算法来变换成图像。由于要采集大量数据,MRI获取过程可较慢。欠采样或采集更少k空间数据可减少扫描时间;然而,这可导致混叠伪影,从而可使相关解剖结构模糊不清。先进的MRI重建技术(诸如并行处理)可通过减少数据采集量来加快扫描时间而不发生混叠。
技术实现思路
在一个实施方案中,用于重建磁共振(MR)图像的方法包括由欠采样k空间数据估计多组线圈灵敏度映射图,其中欠采样k空间数据通过多线圈射频(RF)接收器阵列来获取;使用欠采样k空间数据和 ...
【技术保护点】
1.一种用于重建磁共振(MR)图像的方法,包括:/n由欠采样k空间数据估计多组线圈灵敏度映射图,其中所述欠采样k空间数据通过多线圈射频(RF)接收器阵列来获取;/n使用所述欠采样k空间数据和所述估计的多组线圈灵敏度映射图来重建多个初始图像,所述多个初始图像中的每一个对应于所述多组线圈灵敏度映射图中的不同组;/n利用训练的深度神经网络通过使用所述初始图像和所述多组线圈灵敏度映射图迭代地重建多个图像来生成多个最终图像,所述多个图像中的每一个对应于所述多组灵敏度映射图中的不同组;以及/n将从所述训练的深度神经网络输出的所述多个最终图像合并以生成所述MR图像。/n
【技术特征摘要】
20190205 US 16/268,2011.一种用于重建磁共振(MR)图像的方法,包括:
由欠采样k空间数据估计多组线圈灵敏度映射图,其中所述欠采样k空间数据通过多线圈射频(RF)接收器阵列来获取;
使用所述欠采样k空间数据和所述估计的多组线圈灵敏度映射图来重建多个初始图像,所述多个初始图像中的每一个对应于所述多组线圈灵敏度映射图中的不同组;
利用训练的深度神经网络通过使用所述初始图像和所述多组线圈灵敏度映射图迭代地重建多个图像来生成多个最终图像,所述多个图像中的每一个对应于所述多组灵敏度映射图中的不同组;以及
将从所述训练的深度神经网络输出的所述多个最终图像合并以生成所述MR图像。
2.根据权利要求1所述的方法,还包括经由显示设备显示所述MR图像。
3.根据权利要求1所述的方法,其中使用ESPIRiT校准来估计所述多组线圈灵敏度映射图。
4.根据权利要求1所述的方法,其中所述训练的深度神经网络包括多个交错的卷积神经网络(CNN)和数据一致性层。
5.根据权利要求4所述的方法,其中所述训练的深度神经网络执行多次迭代,每次迭代由一个CNN和后续的数据一致性层执行。
6.根据权利要求1所述的方法,其中所述多个初始图像是零填充图像。
7.一种包含指令的非暂态计算机可读介质(CRM),所述指令在被执行时使得处理器:
由欠采样k空间数据估计多组线圈灵敏度映射图,所述欠采样k空间数据通过磁共振(MR)成像装置的多线圈射频(RF)接收器阵列来获取;
使用所述欠采样k空间数据和所述估计的多组线圈灵敏度映射图来重建多个初始图像,所述多个初始图像中的每一个对应于所述多组线圈灵敏度映射图中的不同组;
利用深度神经网络通过将所述初始图像和所述多组线圈灵敏度映射图作为所述深度神经网络的输入来迭代地重建多个最终MR图像,所述多个最终MR图像中的每一个对应于所述多组灵敏度映射图中的不同组并且从所述深度神经网络输出;以及
将从所述深度神经网络输出的所述多个最终MR图像合并以生成合并的最终MR图像。
8.根据权利要求7所述的CRM,其中使用无伪影真实MR图像以及直接由欠采样MR数据重建或由模拟伪影增强的对应初始MR图像对所述深度神经网络进行端到端训练。
9.根据权利要求7所述的CRM,还包括经由与所述CRM电子通信的显示设备向用户显示所述合并的最终MR图像。
10.根据权利要求7所述的CRM,其中估计所述多组线圈灵敏度映射图包括使用ESPIRiT校准来估计所述多组线圈灵敏度映射图。
11.根据权利要求7所述的CR...
【专利技术属性】
技术研发人员:克里斯托弗·迈克尔·桑迪诺,赖鹏,什里亚斯·瓦萨纳瓦拉,约瑟夫·一谈·程,
申请(专利权)人:通用电气精准医疗有限责任公司,小利兰·斯坦福大学托管委员会,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。