【技术实现步骤摘要】
本专利技术属于医学磁共振图像重建相关，更具体地，涉及一种磁共振声辐射力成像重建方法及其系统。
技术介绍
1、超声神经调控是一种无创的、靶向性好的深部脑刺激技术，在治疗阿尔兹海默症、癫痫等神经退行性疾病上颇具应用潜力。然而，由于颅骨的反射和散射作用会使得超声作用点偏移，超声神经调控的安全性和有效性无法得到保障。磁共振声辐射力成像(magneticresonance acoustic radiation force(impulse)imaging，mr-arfi)能为超声神经调控提供精准定位和引导。然而，目前mr-arfi一次全采样扫描需要超声多次开启，使用的超声剂量较大，扫描时间较长。
2、“用于超声神经调控的磁共振声辐射力成像的快速成像方法[d].中国科学院大,2022.doi:10.27822/d.cnki.gszxj.2022.000038.”一文中提及了k空间欠采样加速方法，但其需要采集四组k空间数据，扫描时间仍然有待优化。
3、因此，如何让mr-arfi在保证定位精度的同时加快成像速度，成为超声神经调控领域的迫切需求。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种磁共振声辐射力成像重建方法及其系统，其目的在于在保证定位精度的同时加快成像速度。
2、为实现上述目的，本专利技术提供了一种磁共振声辐射力成像重建方法，其包括：
3、获取两组欠采样数据，所述两组欠采样数据为开启两次超声脉冲对样本进行两次不同的
4、基于所述欠采样数据以及待决策变量构建模型，所述待决策变量包括分别在不同运动编码梯度下重构的两幅复数图以及两幅复数图之间的相位差，所述模型为最小化函数的加权求和，所述函数包括数据一致性函数、拟合一致性函数以及相位差稀疏性函数的加权求和，所述数据一致性函数用于衡量各组欠采样数据与基于对应的待求解复数图所计算出的相同欠采样模板下的k空间数据之间的偏差，所述拟合一致性函数用于衡量其中任一幅复数图与其拟合图之间的偏差，所述拟合图为基于另一幅复数图和相位差进行拟合所得，所述相位差稀疏性函数用于衡量相位差的稀疏性；
5、求解所述模型，基于求解结果重构所述样本的声辐射力图像。
6、可选地，通过计算l2范数计算不同数据之间的偏差。
7、可选地，通过计算l1范数计算稀疏性。
8、可选地，所述模型为：
9、
10、式中，y10、y20分别为正、负极性运动编码梯度扫描所采集的k空间数据，y1、y2分别为正、负极性运动编码梯度下重构的复数图，f表示傅里叶变换算子，θ是相位差，λ、ε均为设定的权重系数。
11、可选地，采用交替方向乘子法求解所述模型，所述交替方向乘子法将所述模型中的函数的加权求和转换为增广拉格朗日函数，基于所述增广拉格朗日函数将模型求解转换为求解复数图y1的局部子问题和求解复数图y2的局部子问题，通过交替迭代优化各待决策变量直至收敛，输出最终的迭代结果，完成求解。
12、可选地，所述加权求和的权重系数为通过网格化寻优方式所确定。
13、本专利技术还提供一种磁共振声辐射力成像重建系统，其包括：
14、接收单元：两组欠采样数据，所述两组欠采样数据为开启两次超声脉冲对样本进行两次不同的运动编码梯度扫描所分别采集的k空间数据，两次运动编码梯度的幅值相同但极性相反；
15、建模单元：用于基于所述欠采样数据以及待决策变量构建模型，所述待决策变量包括分别在不同运动编码梯度下重构的两副复数图以及两副复数图之间的相位差，所述模型为最小化函数的加权求和，所述函数包括数据一致性函数、拟合一致性函数以及相位差稀疏性函数的加权求和，所述数据一致性函数用于衡量各组欠采样数据与基于对应的待求解复数图所计算出的相同欠采样模板下的k空间数据之间的偏差，所述拟合一致性函数用于衡量其中任一幅复数图与其拟合图之间的偏差，所述拟合图为基于另一幅复数图和相位差进行拟合所得，所述相位差稀疏性函数用于衡量相位差的稀疏性；
16、求解单元：用于求解所述模型，基于求解结果重构所述样本的声辐射力图像。
17、本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
18、本专利技术还提供一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现如上任一项所述的方法的步骤。
19、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，本专利技术主要具有以下有益效果：
20、本专利技术所提的磁共振声辐射力成像重建方法，通过欠采样的方式采集两组k空间数据，代入模型中进行求解，得到待决策量的取值，基于求解结果，便能够快速实现图像的重建。以上方法只需要采集两组欠采样数据，相比于目前的全采样以及欠采样方式(至少四组欠采样数据)，扫描速度得到提升，且模型综合考虑了数据一致性、拟合一致性以及相位差的稀疏性，重构准确度更高。总体而言，采样本专利技术所提方法，可以保证定位精度的同时加快成像速度。
本文档来自技高网...【技术保护点】
1.一种磁共振声辐射力成像重建方法，其特征在于，包括：
2.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，通过计算L2范数计算不同数据之间的偏差。
3.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，通过计算L1范数计算稀疏性。
4.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，所述模型为：
5.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，采用交替方向乘子法求解所述模型，所述交替方向乘子法将所述模型中的函数的加权求和转换为增广拉格朗日函数，基于所述增广拉格朗日函数将模型求解转换为求解复数图Y1的局部子问题和求解复数图Y2的局部子问题，通过交替迭代优化各待决策变量直至收敛，输出最终的迭代结果，完成求解。
6.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，所述加权求和的权重系数为通过网格化寻优方式所确定。
7.一种磁共振声辐射力成像重建系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理
9.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现如权利要求1至6任一项所述的方法的步骤。
...【技术特征摘要】
1.一种磁共振声辐射力成像重建方法，其特征在于，包括：
2.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，通过计算l2范数计算不同数据之间的偏差。
3.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，通过计算l1范数计算稀疏性。
4.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，所述模型为：
5.如权利要求1所述的磁共振声辐射力成像重建方法，其特征在于，采用交替方向乘子法求解所述模型，所述交替方向乘子法将所述模型中的函数的加权求和转换为增广拉格朗日函数，基于所述增广拉格朗日函数将模型求解转换为求解复数图y1的局部...
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。