《基于迭代特征修正的磁共振快速成像方法及系统.pdf》由会员分享，可在线阅读，更多相关《基于迭代特征修正的磁共振快速成像方法及系统.pdf（15页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104217448 A (43)申请公布日 2014.12.17 CN 104217448 A (21)申请号 201410452350.1 (22)申请日 2014.09.05 G06T 11/00(2006.01) (71)申请人 中国科学院深圳先进技术研究院 地址 518055 广东省深圳市南山区西丽大学 城学苑大道 1068 号 (72)发明人 梁栋 刘建博 王珊珊 刘新 郑海荣 (74)专利代理机构 广州华进联合专利商标代理 有限公司 44224 代理人 吴平 (54) 发明名称 基于迭代特征修正的磁共振快速成像方法及 系统 (57) 摘要 本发明提供了一种。
2、基于迭代特征修正的磁共 振快速成像方法和系统， 其方法包括 ： 对获得的 K 空间的欠采样数据 f 进行重建得到初始重建图 像 ； 对初始重建图像进行基于稀疏约束的去噪处 理得到噪声图 ； 对噪声图进行特征修正， 得到包 含细节特征的修正图像 ； 利用 Tikhonov 正则方法 对修正图像进行优化， 得到最终重建图像。 本发明 通过对初始重建图像进行特征修正， 得到包含细 节特征的修正图像， 再对修正图像进行优化而获 得最终重建图像。采用本发明的方法比较容易的 获得细节特征， 有效的解决了重建图像的细节特 征容易丢失的问题， 通过细节特征修正技术， 有效 地提高了重建图像的质量， 缩短了重建。
3、时间。 (51)Int.Cl. 权利要求书 3 页 说明书 8 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书3页 说明书8页 附图3页 (10)申请公布号 CN 104217448 A CN 104217448 A 1/3 页 2 1. 一种基于迭代特征修正的磁共振快速成像方法， 其特征在于， 包括以下步骤 ： 初始重建步骤， 对获得的 K 空间的欠采样数据 f 进行重建得到初始重建图像 ； 去噪步骤， 对所述初始重建图像进行基于稀疏约束的去噪处理得到噪声图 ； 特征修正步骤， 对所述噪声图进行特征修正， 得到包含细节特征的修正图像 ； 优化步骤， 。
4、利用 Tikhonov 正则方法对所述修正图像进行优化， 得到最终重建图像。 2. 如权利要求 1 所述的基于迭代特征修正的磁共振快速成像方法， 其特征在于， 在所 述初始重建步骤之前， 还包括 ： 迭 代 步 骤，将 基 于 稀 疏 约 束 的 压 缩 感 知 磁 共 振 快 速 成 像 模 型 简化为迭代优化问题， 具体为 ： 对稀疏约束的压缩感知磁共振快速成像模型 引入辅助变量 u I， 得到一个带有约束的优化问题 ： s.t. u I ； 利用变量分裂和二次惩罚函数法， 将所述优化问题简化为迭代优化问题 ： 其中， 所述迭代优化问题的子问题为基于稀疏约束的 图像去噪问题， 获得的图像 。
5、u 为初始重建图像 I 的去噪图， 所述迭代优化问题的子问题 为 Tikhonov 正则问题。 3. 如权利要求 2 所述的基于迭代特征修正的磁共振快速成像方法， 其特征在于， 所述 特征修正步骤具体包括 ： 滤波步骤， 使用高斯滤波器对所述去噪图 u 进行滤波， 得到降质图 ； 特征描述子计算步骤， 利用从去噪图 u 和对应的降质图中提取相同位置的图像块 p 和 q， 通过公式得到一个特征描述子 ut， 其中， 统计变量 p， pq和 p定 义为 ：和C 为常数 ； 权 利 要 求 书 CN 104217448 A 2 2/3 页 3 细节特征修正步骤， 通过求解公式 It u+vt u+v。
6、 ut， 得到修正图像 It， 其中 vt为 检测到的细节特征图像， v 为噪声图， 符号为点乘操作。 4. 如权利要求 3 所述的基于迭代特征修正的磁共振快速成像方法， 其特征在于， 所述 特征描述子计算步骤之后， 还包括 ： 细节特征选取步骤， 选取所述特征描述子的图像中像数点的值最接近 1 的点为细节特 征。 5. 如权利要求 4 所述的基于迭代特征修正的磁共振快速成像方法， 其特征在于， 所述 优化步骤， 通过求解公式得到最终重建图像 I。 6. 一种基于迭代特征修正的磁共振快速成像系统， 其特征在于， 包括 ： 初始重建模块， 用于对获得的 K 空间的欠采样数据 f 进行重建得到初始。
7、重建图像 ； 去噪模块， 用于对所述初始重建图像进行基于稀疏约束的去噪处理得到噪声图 ； 特征修正模块， 用于对所述噪声图进行特征修正， 得到包含细节特征的修正图像 ； 优化模块， 用于利用 Tikhonov 正则方法对所述修正图像进行优化， 得到最终重建图 像。 7. 如权利要求 6 所述的基于迭代特征修正的磁共振快速成像系统， 其特征在于， 还包 括 ： 迭 代 模 块，用 于 将 基 于 稀 疏 约 束 的 压 缩 感 知 磁 共 振 快 速 成 像 模 型 简化为迭代优化问题， 具体为 ： 对稀疏约束的压缩感知磁共振快速成像模型 引入辅助变量 u I， 得到一个带有约束的优化问题 ： 。
8、s.t. u I ； 利用变量分裂和二次惩罚函数法， 将所述优化问题简化为迭代优化问题 ： 其中， 所述迭代优化问题的子问题为基于稀疏约束的 图像去噪问题， 获得的图像 u 为初始重建图像 I 的去噪图， 所述迭代优化问题的子问题 为 Tikhonov 正则问题。 权 利 要 求 书 CN 104217448 A 3 3/3 页 4 8. 如权利要求 7 所述的基于迭代特征修正的磁共振快速成像系统， 其特征在于， 所述 特征修正模块包括 ： 滤波单元， 用于使用高斯滤波器对所述去噪图 u 进行滤波， 得到降质图 ； 特征描述子计算单元， 用于利用从所述去噪图 u 和对应的降质图中提取相同位置的。
9、图 像块 p 和 q， 通过公式得到一个特征描述子 ut， 其中， 统计变量 p， pq 和 p定义为 ：和C 为常数 ； 细节特征修正单元， 用于通过求解公式Itu+vtu+vut， 得到修正图像It， 其中vt 为检测到的细节特征图像， v 为噪声图， 符号为点乘操作。 9. 如权利要求 8 所述的基于迭代特征修正的磁共振快速成像系统， 其特征在于， 还包 括 ： 细节特征选取模块， 用于选取所述特征描述子的图像中像素点的值最接近 1 的点为细 节特征。 10. 如权利要求 9 所述的基于迭代特征修正的磁共振快速成像系统， 其特征在于， 所述 优化模块， 通过求解公式得到最终重建图像 I。。
10、 权 利 要 求 书 CN 104217448 A 4 1/8 页 5 基于迭代特征修正的磁共振快速成像方法及系统 技术领域 0001 本发明涉及磁共振成像领域， 尤其是涉及一种基于迭代特征修正的磁共振快速成 像方法及系统。 背景技术 0002 为了缩短磁共振图像采集时间， 压缩感知理论被成功应用到磁共振成像中。压缩 感知理论利用数据在某个基下的稀疏性实现了一种在非相干采样矩阵中采集少量信号即 可高质量重构数据的方法， 而且该数据在某个基下越稀疏， 那么需要采样的量就可以越少。 传统的压缩感知磁共振成像中主要是利用图像在某个固定的变换域中的稀疏性来重构图 像， 公式如下 ： 0003 0004。
11、 其中为最终重建的图像， I 为重建过程中的图像， f 为在 k 空间中的采样数据， P 为欠采样矩阵， F 为傅立叶变换矩阵， |L1为在某个固定变换域中 L1 正则泛函， 为一 常数。其中， 常用的固定变换有小波变换和有限差分变换。在完成磁共振扫描后， 求解上述 公式的过程， 就是磁共振图像的重建过程。 0005 但是基于上述公式的传统方法在高倍加速欠采样下， 重建的磁共振图像存在明显 的细节失真， 即丢失了很多细节特征。 发明内容 0006 基于此， 有必要针对传统的基于压缩感知磁共振快速成像方法获到的重建图像细 节特征丢失的问题， 提供一种基于迭代特征修正的磁共振快速成像方法及系统。 。
12、0007 一种迭代特征修正的磁共振快速成像方法， 包括以下步骤 ： 0008 初始重建步骤， 对获得的 K 空间的欠采样数据 f 进行重建得到初始重建图像 ； 0009 去噪步骤， 对所述初始重建图像进行基于稀疏约束的去噪处理得到噪声图 ； 0010 特征修正步骤， 对所述噪声图进行特征修正， 得到包含细节特征的修正图像 ； 0011 优化步骤， 利用 Tikhonov 正则方法对所述修正图像进行优化， 得到最终重建图 像。 0012 在其中一个实施例中， 在所述初始重建步骤之前， 还包括 ： 0013 迭 代 步 骤，将 基 于 稀 疏 约 束 的 压 缩 感 知 磁 共 振 快 速 成 像。
13、 模 型 简化为迭代优化问题， 具体为 ： 0014 对稀疏约束的压缩感知磁共振快速成像模型 0015 说 明 书 CN 104217448 A 5 2/8 页 6 0016 引入辅助变量 u I， 得到一个带有约束的优化问题 ： 0017 0018 s.t. u I ； 0019 利用变量分裂和二次惩罚函数法， 将所述优化问题简化为迭代优化问题 ： 0020 0021 其中， 所述迭代优化问题的子问题为基于稀疏约束 的图像去噪问题， 获得的图像 u 为初始重建图像 I 的去噪图， 所述迭代优化问题的子问题 为 Tikhonov 正则问题。 0022 在其中一个实施例中， 所述特征修正步骤具体。
14、包括 ： 0023 滤波步骤， 使用高斯滤波器对所述去噪图 u 进行滤波， 得到降质图 ； 0024 特征描述子计算步骤， 利用从去噪图 u 和对应的降质图中提取相同位置的图像块 p和q， 通过公式得到一个特征描述子ut， 其中， 统计变量p， pq和p 定义为 ：和C 为常数 ； 0025 细节特征修正步骤， 通过求解公式， It u+vt u+v ut得到修正图像 It， 其中 vt为检测到的细节特征图像， v 为噪声图， 符号为点乘操作。 0026 在其中一个实施例中， 特征描述子计算步骤之后， 还包括 ： 0027 细节特征选取步骤， 选取所述特征描述子的图像中像数点的值最接近 1 的。
15、点为细 节特征。 0028 在其中一个实施例中， 优化步骤， 通过求解公式 得到最终重建图像 I。 0029 本发明还提供一种基于迭代特征修正的磁共振快速成像系统， 包括 ： 0030 初始重建模块， 用于对获得的 K 空间的欠采样数据 f 进行重建得到初始重建图 像 ； 0031 去噪模块， 用于对所述初始重建图像进行基于稀疏约束的去噪处理得到噪声图 ； 0032 特征修正模块， 用于对所述噪声图进行特征修正， 得到包含细节特征的修正图 像 ； 说 明 书 CN 104217448 A 6 3/8 页 7 0033 优化模块， 用于利用 Tikhonov 正则方法对所述修正图像进行优化， 得。
16、到最终重建 图像。 0034 在其中一个实施例中， 还包括 ： 0035 迭 代 模 块， 用 于 将 基 于 稀 疏 约 束 的 压 缩 感 知 磁 共 振 快 速 成 像 模 型 简化为迭代优化问题， 具体为 ： 0036 对稀疏约束的压缩感知磁共振快速成像模型 0037 0038 引入辅助变量 u I， 得到一个带有约束的优化问题 ： 0039 0040 s.t. u I ； 0041 利用变量分裂和二次惩罚函数法， 将所述优化问题简化为迭代优化问题 ： 0042 0043 其中， 所述迭代优化问题的子问题为基于稀疏约束 的图像去噪问题， 获得的图像 u 为初始重建图像 I 的去噪图， 。
17、所述迭代优化问题的子问题 为 Tikhonov 正则问题。 0044 在其中一个实施例中， 所述特征修正模块包括 ： 0045 滤波单元， 用于使用高斯滤波器对所述去噪图 u 进行滤波， 得到降质图 ； 0046 特征描述子计算单元， 用于利用从所述去噪图 u 和对应的降质图中提取相同位置 的图像块p和q， 通过公式得到一个特征描述子ut， 其中， 统计变量p， pq和 p定义为 ：和C 为 常数 ； 0047 细节特征修正单元， 用于通过求解公式Itu+vtu+vut， 得到修正图像It， 其 中 vt为检测到的细节特征图像， v 为噪声图， 符号为点乘操作。 0048 在其中一个实施例中，。
18、 还包括 ： 0049 细节特征选取模块， 用于选取所述特征描述子的图像中像素点的值最接近 1 的点 为细节特征。 说 明 书 CN 104217448 A 7 4/8 页 8 0050 在其中一个实施例中， 所述优化模块， 通过求解公式 得到最终重建图像 I。 0051 本发明通过对初始重建图像进行特征修正， 得到包含细节特征的修正图像， 再对 修正图像进行优化而获得最终重建图像。采用本发明的方法比较容易的获得细节特征， 有 效的解决了重建图像的细节特征容易丢失的问题， 通过细节特征修正技术， 有效地提高了 重建图像的质量， 缩短了重建时间。 附图说明 0052 图 1 为基于迭代修正的磁共。
19、振快速成像方法的流程图 ； 0053 图 2 为基于迭代修正的磁共振快速成像方法的框架图 ； 0054 图 3 为基于迭代修正的磁共振快速成像方法的第 K 次迭代中各部分可视化效果 图 ； 0055 图 4 为基于迭代修正的磁共振快速成像方法的特征修正步骤的流程图 ； 0056 图 5 为基于迭代修正的磁共振快速成像系统的模块图。 具体实施方式 0057 为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图及实施例， 对 本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并 不用于限定本发明。 0058 如附图 1 和附图 2 所示 ： 0059 。
20、基于迭代特征修正的磁共振快速成像方法包括以下步骤 ： 0060 步骤 S101: 将基于稀疏约束的压缩感知磁共振快速成像模型 简化为迭代优化问题。 0061 具体为 ： 对稀疏约束的压缩感知磁共振快速成像模型 0062 0063 引入辅助变量 u I， 得到一个带有约束的优化问题 ： 0064 0065 s.t. u I 0066 利用变量分裂和二次惩罚函数法将优化问题简化为迭代优化问题 ： 0067 说 明 书 CN 104217448 A 8 5/8 页 9 0068 对初始重建图像 I 通过求解迭代问题得到最终重建图像。 0069 上述问题的子问题 1 ：为一个基于稀疏约束的去噪问 题，。
21、 子问题2 ：为一个Tikhonov正则问题。 本发明就是在子 问题 1 和子问题 2 之间引入了一个细节特征修正技术， 从而可以提升磁共振重建质量。 0070 步骤 S102 ： 对获得的 K 空间的欠采样数据 f 进行重建得到初始重建图像。 0071 具体的， 重建方法可以采用零填充重建方法， 在获取 K 空间数据时， 把 K 空间中欠 采样时未被拾取的位置填零， 然后经傅立叶反变换重建图像， 从而得到初始重建图像 I。 0072 步骤 S103: 对初始重建图像进行基于稀疏约束的去噪处理得到噪声图。 0073 其中， 可以把初始重建图像 I 看作是一个含有噪声的图像， 输出图像 u 是对。
22、应的 去噪图， 而丢失的图像 v I-u 可以被看作为噪声图。由于在数据扫描中采取了随机欠采 样操作， 因此得到的初始磁共振图像有很多类此随机噪声的伪影信号。基于稀疏约束的去 噪模型可以有效的去除大部分的噪声和类似噪声的伪影信 号。但是， 很多有用的细节特征信号也会同时被丢失掉。 0074 步骤 S104: 对噪声图进行特征修正， 得到包含细节特征的修正图像 It。本实施例 中， 采用一个特征描述子 (Feature descriptor)ut从丢失的噪声图 v 中找回有用的细节特 征。 0075 如图 4 所示， 特征修正包括以下步骤 ： 0076 步骤 S1041 ： 使用高斯滤波器对去噪。
23、图 u 进行滤波， 得到降质图 ； 0077 步骤 S1042 ： 利用从去噪图 u 和对应的降质图中提取相同位置的图像块 p 和 q， 通 过公式得到一个特征描述子ut， 其中， 统计变量p， pq和p定义为 ： 和C 为一个保持计 算稳定性的非常小的常数。 0078 步骤 S1043 ： 选取特征描述子的图像中像数点的值接近 1 的点为细节特征。利用 步骤 S1042 得到的特征描述子如图 3 中所示， 其中每个像素点的值的范围为 0,1， 并且取 值越接近 1 的点表示越有可能属于细节特征。因此这样的特征描述子可以有效地从丢掉的 噪声图 v 中找回细节特征， 同时滤除噪声。 0079 步。
24、骤 S1044 ： 通过求解公式 It u+vt u+v ut， 得到修正图像 It， 其中 vt为检 测到的细节特征图像， v 为噪声图符号， 为点乘操作。 0080 步 骤 S105: 利 用 Tikhonov 正 则 方 法 对 修 正 图 像 进 行 优 化，得 到 最 终 重 建 图 像。 已 知 测 量 到 的 K 空 间 数 据 f 和 步 骤 104 得 到 的 细 节 特 征 修 正 后 的 图 It， 可以利用 Tikhonov 正则方法来进一步优化磁共振重建结果， 通过求解公式 说 明 书 CN 104217448 A 9 6/8 页 10 得到迭代的最终重建图像 I。 。
25、0081 上述实施方式为本申请的最佳实施方式， 在其它的实施方式中， 步骤 101 的迭代 步骤可以省略或采用其它可替代的方式获得。 0082 本发明通过对初始重建图像进行特征修正， 得到包含细节特征的修正图像， 再对 修正图像进行优化而获得最终重建图像。 采用本发明的方法一方面比较容易的获得细节特 征， 有效的解决了重建图像的细节特征容易丢失的问题。另一方面， 本发明对传统的基于 压缩感知磁共振成像理论进行了改进， 在传统的基于压缩感知磁共振快速成像方法基础之 上， 引入了细节特征修正技术， 有效的提高了重建图像的质量。本发明的迭代技巧， 将磁共 振的重建问题转化为一个迭代求解三个子问题。每。
26、个子问题的算法复杂度低， 有效地改善 了基于压缩感知的磁共振快速成像算法在高倍欠采样因子情况下的图像质量重建， 能够实 现在进一步减少采样点的个数的情况下， 提高重建图像的质量和缩短了重建时间。 0083 本发明还提供了一种基于迭代特征修正的磁共振快速成像系统， 如附图 5 所示， 包括 ： 0084 迭 代 模 块 201 ： 用 于 将 基 于 稀 疏 约 束 的 压 缩 感 知 磁 共 振 快 速 成 像 模 型 简化为迭代优化问题， 具体为 ： 0085 对稀疏约束的压缩感知磁共振快速成像模型 0086 0087 引入辅助变量 u I， 得到一个带有约束的优化问题 ： 0088 008。
27、9 s.t. u I ； 0090 利用变量分裂和二次惩罚函数法， 将所述优化问题简化为迭代优化问题 ： 0091 0092 对初始重建图像 I 通过求解迭代问题得到最终重建图像。 0093 其中， 所述迭代优化问题的子问题 1 ：为基于稀疏 约束的图像去噪问题， 所述迭代优化问题的子问题 2 ：为 Tikhonov 正则问题。本发明就是在子问题 1 和子问题 2 之间引入了一个细节特征修正技 术， 从而可以提升磁共振重建质量。 0094 初始重建模块 202 ： 用于对获得的 K 空间的欠采样数据 f 进行重建得到初始重建 说 明 书 CN 104217448 A 10 7/8 页 11 图。
28、像。 0095 具体的， 重建方法可以采用零填充重建方法， 在获取 K 空间数据时， 把 K 空间中欠 采样时未被拾取的位置填零， 然后经傅立叶反变换重建图像， 从而得到初始重建图像 I。 0096 去噪模块 203 ： 用于对初始重建图像进行基于稀疏约束的去噪处理得到噪声图。 0097 其中， 可以把初始重建图像 I 看作是一个含有噪声的图像， 输出图像 u 是对应的 去噪图， 而丢失的图像 v I-u 可以被看作为噪声图。由于在数据扫描中采取了随机欠采 样操作， 因此得到的初始磁共振图像有很多类此随机噪声的伪影信号。基于稀疏约束的去 噪模型可以有效的去除大部分的噪声和类似噪声的伪影信 号。。
29、但是， 很多有用的细节特征信号也会同时被丢失掉。 0098 特征修正模块 204 ： 用于对噪声图进行特征修正， 得到包含细节特征的修正图像 It， 本实施例中， 采用一个特征描述子(Feature descriptor)ut从丢失的噪声图v中找回有 用的细节特征。特征修正模块 204 包括 ： 0099 滤波单元 ： 用于使用高斯滤波器对去噪图 u 进行滤波， 得到降质图 ； 0100 特征描述子计算单元 ： 用于利用从去噪图 u 和对应的降质图中提取相同位置的图 像块p和q， 通过公式得到一个特征描述子ut， 其中， 统计变量p， pq 和 p定义为 ：和C 为一 个保持计算稳定性的非常小。
30、的常数。 0101 细节特征选取单元 ： 用于选取特征描述子的图像中像数点的值接近 1 的点为细 节特征。利用以上方法得到的特征描述子如图 3 中所示， 其中每个像素点的值的范围为 0,1， 并且取值越接近 1 的点表示越有可能属于细节特征。因此这样的特征描述子可以有 效地从丢掉的噪声图 v 中找回细节特征， 同时滤除噪声。 0102 细节特征修正单元 ： 用于通过求解公式 It u+vt u+v ut， 得到修正图像 It， 其中 vt为检测到的细节特征图像， v 为噪声图， 符号为点乘操作。 0103 优化模块 205 ： 用于利用 Tikhonov 正则方法对修正图像进行优化， 得到最 。
31、终重建图像 I。已知测量到的 K 空间数据 f 和步骤 104 得到的细节特征修正后的 图 It， 可以利用 Tikhonov 正则方法来进一步优化磁共振重建结果， 通过求解公式 得到迭代的最终重建图像 I。 0104 本发明通过对初始重建图像进行特征修正， 得到包含细节特征的修正图像， 再对 修正图像进行优化而获得最终重建图像。 采用本发明的方法一方面比较容易的获得细节特 征， 有效的解决了重建图像的细节特征容易丢失的问题。另一方面， 本发明对传统的基于 压缩感知磁共振成像理论进行了改进， 在传统的基于压缩感知磁共振快速成像方法基础之 上， 引入了细节特征修正技术， 有效的提高了重建图像的质。
32、量。本发明的迭代技巧， 将磁共 振的重建问题转化为一个迭代求解三个子问题。每个子问题的算法复杂度低， 有效地改善 了基于压缩感知的磁共振快速成像算法在高倍欠采样因子情况下的图像质量重建， 能够实 说 明 书 CN 104217448 A 11 8/8 页 12 现在进一步减少采样点的个数的情况下， 提高重建图像的质量和缩短了重建时间。 0105 以上所述实施例仅表达了本发明的几种实施方式， 其描述较为具体和详细， 但并 不能因此而理解为对本发明专利范围的限制。应当指出的是， 对于本领域的普通技术人员 来说， 在不脱离本发明构思的前提下， 还可以做出若干变形和改进， 这些都属于本发明的保 护范围。因此， 本发明专利的保护范围应以所附权利要求为准。 说 明 书 CN 104217448 A 12 1/3 页 13 图 1 图 2 说 明 书 附 图 CN 104217448 A 13 2/3 页 14 图 3 说 明 书 附 图 CN 104217448 A 14 3/3 页 15 图 4 图 5 说 明 书 附 图 CN 104217448 A 15 。