时域磁共振的参数图确定制造技术

本专利公开内容描述了用于基于时域磁共振TDMR信号来确定样本内的至少一个组织参数的空间分布的新方法和新设备，该TDMR信号是在根据施加的脉冲序列激励样本之后从样本发射的。使用计算的稀疏黑塞矩阵确定空间分布，其中基于施加的脉冲序列计算稀疏黑塞矩阵。中基于施加的脉冲序列计算稀疏黑塞矩阵。中基于施加的脉冲序列计算稀疏黑塞矩阵。

【技术实现步骤摘要】
【国外来华专利技术】时域磁共振的参数图确定
[0001]本专利公开内容涉及用于基于根据施加的脉冲序列激励样本之后从样本发射的时域磁共振TDMR信号来确定样本内的至少一个组织参数的空间分布的方法和设备，以及用于执行该方法的计算机程序产品。
[0002]磁共振成像(MRI)是用于许多应用的成像方式，并且具有许多可以调整的序列参数和许多可以观察到的成像参数以提取例如不同种类的生物信息。常规的MRI图像重建涉及获取k空间信号并且对获取的数据执行快速傅立叶逆变换(EFT)。常规的MRI成像慢，这是因为对于要测量的每个参数(例如T1或T2)，要使用具有不同设置的MRI设备获取单独的MRI测量。扫描可能需要多达30分钟至45分钟。
[0003]时域中的磁共振自旋断层扫描(MR
‑
STAT)是用于直接从时域数据获得MR图像的定量方法。特别地，MR
‑
STAT是用于使用来自单个短扫描的数据获得多参数定量MR图的框架。
[0004]如WO 2016/184779 A1中所描述的，解决了大规模优化问题，其中通过使用不精确的高斯牛顿(Gauss
‑
Newton)方法将基于布洛赫(Bloch)的体积信号模型直接拟合至时域数据来同时执行信号的空间定位和组织参数的估计。高度并行化、无矩阵的不精确高斯牛顿重建算法可以用于解决针对高分辨率扫描的大规模优化问题。
[0005]G.W
ü
bbeler等人，在“A Large
‑
Scale Optimization Method Using a Sparse Approximation of the Hessian for Magnetic Resonance Fingerprinting”,SIAM JOURNAL ON IMAGING SCIENCES,vol.10,nr.3,18July 2017,pp.979
‑
1004中，描述了用于磁共振指纹(MRF)的最小二乘法，其中使用了黑塞矩阵(Hessian)的稀疏近似。
[0006]虽然测量时间大大减少至几分钟的量级，但是用于将信号模型拟合至时域数据的计算时间对于单个2D切片来说是约1小时。
[0007]本专利公开内容的目的之一是用于改进时域MR信号至定量MR图的转换。
[0008]根据第一方面，提供了一种方法，优选地为计算机实现的方法，该方法用于基于时域磁共振TDMR信号来确定样本内的至少一个组织参数的空间分布，该TDMR信号是在根据施加的脉冲序列激励样本之后从样本发射的，该方法包括：
[0009]i)确定TDMR信号模型以近似发射的时域磁共振信号，其中，TDMR信号模型被配置成取决于TDMR信号模型参数，所述TDMR信号模型参数包括：
[0010]样本内的至少一个组织参数的空间分布；以及
[0011]施加的脉冲序列；
[0012]ii)估计TDMR信号模型参数的初始集合；
[0013]iii)基于作为输入的TDMR信号模型参数的初始集合，确定表示发射的TDMR信号与TDMR信号模型之间的差异的残差向量；
[0014]iv)通过下述方式确定TDMR信号模型参数的更新集合
[0015]v)计算残差向量的梯度；
[0016]vi)计算TDMR信号模型的稀疏黑塞矩阵，所计算的稀疏黑塞矩阵具有使用施加的脉冲序列计算的稀疏模式；以及
[0017]vii)基于所计算的梯度和所计算的黑塞矩阵更新TDMR信号模型参数的初始集合；
[0018]viii)针对作为输入的TDMR信号模型参数的更新集合，重复步骤iii)、步骤iv)、步骤v)、步骤vi)和步骤vii)直到发射的TDMR信号与TDMR信号模型之间的差异小于预定阈值为止或者直到完成预先确定的重复的次数为止，从而获得TDMR信号模型参数的最终更新集合；以及
[0019]ix)从TDMR信号模型参数的最终更新集合中提取至少一个组织参数的空间分布。
[0020]当重复步骤iii)、步骤iv)、步骤v)、步骤vi)和步骤vii)时，使用TDMR信号模型参数的更新集合代替TDMR信号模型参数的初始集合。以这种方式，TDMR信号模型参数的更新集合迭代地收敛至TDMR信号模型参数的最终更新集合。通常，可以使用其中上述差异小于预定阈值和预先确定的重复的次数表示示例的任何停止标准。因此，重复150步骤可以完成直到满足停止标准为止。
[0021]在本公开内容中使用“稀疏”来指示作为矩阵的黑塞矩阵包含为零或可忽略的元素(例如元素的总数量的一半以上)。例如，稀疏黑塞矩阵的稀疏性是黑塞矩阵的零值和可忽略元素的数量除以黑塞矩阵的元素的总数量。在步骤vi)中的计算的黑塞矩阵的稀疏性基于施加的脉冲序列。更具体地，黑塞矩阵具有稀疏模式，例如包括非零的和不可忽略的元素的对角带的稀疏模式。选择施加的脉冲序列，使得黑塞矩阵是具有特定稀疏模式的稀疏黑塞矩阵。
[0022]在本方法中，与不精确的高斯牛顿方法相比，计算时间减少了至少10倍。在不精确的高斯牛顿方法中，为了近似黑塞矩阵，必须计算信号相对于每个参数的偏导数，这需要大量的计算时间。相反，在本方法中，对于TDMR信号模型参数的每个集合，作为稀疏黑塞矩阵的黑塞矩阵被预先计算并存储，使得不需要针对每个参数计算这些偏导数。此外，本方法的内存需求可以低至不精确的高斯牛顿方法的内存需求的0.04％。
[0023]在G.W
ü
bbeler等人中，稀疏黑塞矩阵的近似是独立于施加的脉冲序列的近似，这是因为P
lT
P
l
≈(M
l
/N)I
N
的近似致使稀疏黑塞矩阵总是仅具有稀疏黑塞矩阵的每个对角带的单一参数。另一方面，在本申请中，稀疏黑塞矩阵是基于施加的脉冲序列来确定的，并且允许带宽大于1。这致使所需的计算时间至少减少一个或者甚至两个数量级。
[0024]注意，虽然确定了残差向量，但是该残差向量也可以被命名为残差函数。
[0025]优选地，在将TDMR信号模型的黑塞矩阵计算为稀疏黑塞矩阵时，黑塞矩阵的稀疏模式基于施加的脉冲序列。
[0026]在实施方式中，施加的脉冲序列包括梯度编码模式和/或射频激励模式，并且黑塞矩阵的稀疏模式是基于梯度编码模式和/或射频激励模式确定的。
[0027]在实施方式中，黑塞矩阵被计算为残差向量的雅可比行列式(Jacobian)和残差向量的雅可比行列式的厄尔米特(Hermitian)转置的乘积。代替残差向量的雅可比行列式，它将等同于采用TDMR信号模型的雅可比行列式和对应的厄尔米特转置。梯度编码模式确定k空间采样轨迹，例如笛卡尔、径向、螺旋。
[0028]在实施方式中，施加的脉冲序列被配置成产生笛卡尔获取、径向获取或螺旋获取中的任一个。对于这些类型的脉冲序列，稀疏模式适当地包括黑塞矩阵中不可忽略的元素的多个对角带。其他元素优选为零或可忽略的。
[0029]根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于基于时域磁共振TDMR信号来确定样本内的至少一个组织参数的空间分布的方法，所述TDMR信号是根据施加的脉冲序列激励所述样本之后从所述样本发射的，所述方法包括：i)确定TDMR信号模型以近似发射的时域磁共振信号，其中，所述TDMR信号模型被配置成取决于TDMR信号模型参数，所述TDMR信号模型参数包括：所述样本内的所述至少一个组织参数的空间分布；以及所述施加的脉冲序列；ii)估计TDMR信号模型参数的初始集合；iii)基于作为输入的所述TDMR信号模型参数的初始集合，确定表示所述发射的TDMR信号与所述TDMR信号模型之间的差异的残差向量；iv)通过下述方式确定TDMR信号模型参数的更新集合v)计算所述残差向量的梯度；vi)计算所述TDMR信号模型的稀疏黑塞矩阵，所计算的稀疏黑塞矩阵具有使用所述施加的脉冲序列计算的稀疏模式；以及vii)基于所计算的梯度和所计算的黑塞矩阵更新所述TDMR信号模型参数的初始集合；viii)使用作为所述输入的所述TDMR信号模型参数的更新集合，重复步骤iii)、步骤iv)、步骤v)、步骤vi)和步骤vii)直到所述发射的TDMR信号与所述TDMR信号模型之间的差异小于预定阈值为止或者直到完成预先确定的重复的次数为止，从而获得TDMR信号模型参数的最终更新集合；以及ix)从所述TDMR信号模型参数的最终更新集合中提取所述至少一个组织参数的空间分布。2.根据权利要求1所述的方法，其中，所述施加的脉冲序列包括梯度编码模式和/或射频激励模式，以及其中，所述稀疏黑塞矩阵包括多个对角带，其中，所述多个对角带中的任一个的宽度由所述施加的脉冲序列的所述射频激励模式和/或所述梯度编码模式确定。3.根据权利要求1或2所述的方法，其中，计算所述稀疏黑塞矩阵包括确定所述黑塞矩阵的不可忽略的元素，其中优选地，当每个元素的绝对值高于阈值时，确定所述黑塞矩阵的元素为不可忽略的，更优选地其中，当所述残差向量的雅可比行列式和所述残差向量的雅可比行列式的厄尔米特转置的乘积的绝对值大于预先确定的值时，确定所述黑塞矩阵的元素为不可忽略的。4.根据权利要求2或3所述的方法，其中，所述多个对角带中的任一个的宽度大于1，其中，所述多个对角带中的任一个的宽度优选地在2至55的范围内，所述多个对角带中的任一个的宽度更优选地在3至8的范围内，所述多个对角带中的任一个的宽度最优选地为3。5.根据前述权利要求中任一项所述的方法，其中，将所述黑塞矩阵计算为所述残差向量的雅可比行列式与所述残差向量的雅可比行列式的厄尔米特转置的乘积。6.根据前述权利要求中任一项所述的方法，其中，所述施加的脉冲序列被配置成产生笛卡尔获取、径向获取或螺旋获取中的任一个。7.根据权利要求6所述的方法，其中，所述施加的脉冲序列的所述梯度编码模式被配置成产生笛卡尔获取，使得对应的点扩散函数仅在相位编码方向上传播。8.根据前述权利要求中任一项所述的方法，其中，所述施加的脉冲序列被配置成产生
变化的翻转角...

【专利技术属性】
技术研发人员：奥斯卡，
申请(专利权)人：UMC乌得勒支控股有限公司，
类型：发明
国别省市：