【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 ...
【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:
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。