【技术实现步骤摘要】
本专利技术涉及磁共振成像，特别是涉及一种基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法。
技术介绍
1、多重叠回波分离(multiple overlapping-echo detachment)磁共振定量t2成像序列(moled-t2)能够在一次扫描中采集由不同相位演化和t2加权的回波信号重叠而成的图像，应用深度神经网络可以由采集的moled图像重建出定量t2参数图。moled-t2成像序列基于回波移位梯度设置使得回波信号在相位编码维和频率编码维偏离k空间中心，为深度神经网络重建t2参数图提供基础。回波移位梯度的设置方案会影响回波信号的重叠情况，进而影响moled图像包含的信息量，从而影响深度神经网络从moled图像重建t2参数图的质量。然而，目前moled-t2成像序列的回波移位梯度设置主要依赖操作者的经验，缺少优化的方法。
2、奇异值熵(singular value entropy)反映二维矩阵的奇异值分布的复杂性和信息量。当奇异值分布均匀时，奇异值熵较大，代表矩阵包含的信息较分散和丰富。相反，当奇异值分布集中在少数几个较大的奇异值时，奇异值熵较小，代表矩阵的信息集中在某些主要模式上。奇异值熵可用于计算moled图像的信息量，从而以定量的方式衡量moled-t2成像序列的信息采集量，因此可用于优化回波移位梯度设置方案，提高深度神经网络重建t2参数图的精度、准度及分辨率。
技术实现思路
1、本专利技术的主要目的在于提出一种基于奇异值熵的多重叠回波分离磁共振
2、为实现上述目的，本专利技术提供如下方案：
3、基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法，包括如下步骤：
4、s1获取moled-t2成像序列，moled-t2成像序列即多重叠回波分离磁共振定量t2成像序列；
5、s2确定moled-t2成像序列的采样参数，包括回波移位梯度设置和其他采样参数；
6、s3在磁共振成像平台上添加moled-t2成像序列，设置采样参数并进行数据采集，获取moled图像；
7、s4基于奇异值熵公式、回波移位梯度设置和moled图像建立moled-t2成像序列的优化目标函数；
8、s5以采样参数为约束条件，计算优化目标函数的最优解，获得优化的moled-t2成像序列；
9、s6采用优化的moled-t2成像序列在磁共振成像平台上进行数据采集，获得优化的moled图像，分为训练用moled图像和重建用moled图像；
10、s7使用训练用moled图像对深度神经网络进行训练，得到训练好的深度神经网络模型；
11、s8将重建用moled图像输入训练好的深度神经网络模型，重建出t2参数图。
12、步骤s1中，获取moled-t2成像序列，序列具体结构表示为：
13、α1，g1，α2，g2，…，αn，gn，β、采样回波链其中αi(i＝1,2,3,…,n)是激发脉冲，n代表激发脉冲数量，n个激发脉冲产生n个主回波；gi代表回波移位梯度，每个回波移位梯度包含频率编码方向移位梯度和相位编码方向移位梯度；β是重聚脉冲；采样回波链在频率编码方向由一系列正负梯度构成，在相位编码方向由一系列相等的“blips”梯度构成。
14、步骤s2中，确定moled-t2序列的采样参数，包括回波移位梯度设置和其他采样参数，具体包括：
15、确定moled-t2成像序列参数，包括激发脉冲的大小及形状、回波移位梯度的大小及持续时间、重聚脉冲的大小及形状、回波时间、采样回波链长度及回波间隔等；
16、确定成像视野、成像矩阵等参数。
17、步骤s3中，在磁共振成像平台上添加moled-t2成像序列，设置采样参数并进行数据采集，获取moled图像，具体包括：
18、将moled-t2成像序列输入磁共振成像仿真平台；
19、获得设定量的仿真模板，每个仿真模板包括一张t1参数图，一张t2参数图、一张质子密度图；仿真模板可从公开数据集获取或自己仿真生成；
20、设置采样参数，以仿真模板作为成像对象在磁共振仿真平台上进行模拟扫描，得到moled成像信号；
21、将moled成像信号重排成二维k空间信号，然后进行逆傅里叶变换，获得moled图像。
22、步骤s4中，基于奇异值熵公式、回波移位梯度设置和moled图像建立moled-t2成像序列的优化目标函数，具体如下：
23、将moled图像的信息量f(g)表示为：
24、
25、则建立如下优化目标函数：
26、max:f(g)
27、其中g代表moled-t2成像序列的回波移位梯度设置，为待优化参数；i(g)代表该回波移位梯度设置下由moled-t2成像序列模拟扫描得到的moled图像的复数二维矩阵，t代表第t个仿真模板，q代表仿真模板总数，svden(·)代表运用奇异值熵公式计算单张moled图像的信息量。
28、运用奇异值熵公式计算单张moled图像的信息量，具体过程如下：
29、利用奇异值分解公式获取奇异值矩阵σ：
30、i＝uσvt
31、其中，σ矩阵大小为h×w，h、w分别代表moled图像在频率编码维和相位编码维的像素点数，奇异值的大小反映moled图像的结构和细节信息；i是moled图像的复数二维矩阵，矩阵大小为h×w；u是h阶的正交矩阵，代表i的左奇异值矩阵，其列向量反映矩阵i在列向量上的投影；vt是w阶的正交矩阵，代表i的右奇异值矩阵，其行向量反映矩阵i在行向量上的投影；t代表转置；
32、提取σ中的奇异值并按照大小顺序排列即得moled图像的奇异值向量σ：
33、σ＝[σ1,σ2,σ3,…,σl]
34、l表示h和w中较大的数；将奇异值向量σ转化为概率密度分布向量p：
35、
36、σj(j＝1,2,3,…,l)代表奇异值向量σ的第j个元素；利用奇异值熵公式对概率密度分布向量p进行熵计算，用于衡量moled图像的信息量，计算公式为：
37、
38、其中，pj表示概率密度分布向量p的第j个元素；svden即奇异值熵，反映moled图像的信息量，奇异值熵越大，moled图像包含的信息量越大。
39、步骤s5中，以采样参数为约束条件，具体如下：
40、主回波在k空间的位置由回波移位梯度决定，以主回波在k空间的位置为约束条件，约束条件可通过以下公式设置：
41、
42、kroi、kpei分别代表k空间中第i个主回波频率编码方向和相位编码方向的位置；gro本文档来自技高网...
【技术保护点】
1.基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S1中，所述获取MOLED-T2成像序列，序列具体结构表示为：
3.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S2中，所述确定MOLED-T2成像序列的采样参数，包括回波移位梯度设置和其他采样参数，具体包括：
4.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S3中，所述在磁共振成像平台上添加MOLED-T2成像序列，设置采样参数并进行数据采集，获取MOLED图像，具体包括：
5.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S4中，所述基于奇异值熵公式、回波移位梯度设置和MOLED图像建立MOLED-T2成像序列的优化目标函数，具体如下：
6.如权利要求5所述基于奇异值熵的多重叠回波分离
7.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S5中，所述以采样参数为约束条件，具体如下：
8.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量T2成像采集优化方法，其特征在于，在步骤S5中，所述计算优化目标函数的最优解，获得优化的MOLED-T2成像序列，具体过程如下：
...【技术特征摘要】
1.基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法，其特征在于，在步骤s1中，所述获取moled-t2成像序列，序列具体结构表示为：
3.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法，其特征在于，在步骤s2中，所述确定moled-t2成像序列的采样参数，包括回波移位梯度设置和其他采样参数，具体包括：
4.如权利要求1所述基于奇异值熵的多重叠回波分离磁共振定量t2成像采集优化方法，其特征在于，在步骤s3中，所述在磁共振成像平台上添加moled-t2成像序列，设置采样参数并进行数据采集，获取moled图像，具体包括：
5.如权利要...
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。