基于过完备字典与先验知识的高质量肺部磁共振成像方法
【技术领域】
[0001] 本发明涉及肺部的磁共振成像（MagneticResonanceImaging，MRI)技术领域，具 体涉及基于过完备字典与先验知识的高质量肺部磁共振成像方法。
【背景技术】
[0002] 近年来随着经济的快速发展，我国的空气污染状况正变得越来越严峻。肺部疾病 对国民健康的影响日益严重。急需一种能够对肺部疾病进行早期诊断的肺部成像方法。
[0003] 使用超极化气体作为造影剂的磁共振成像技术是一种非侵入性的，无放射性的成 像方法。其解决了传统磁共振成像方法无法对肺部进行成像的问题，在对肺部疾病的诊断 中有着良好的应用前景。该方法需要采用超极化气体作为造影剂，超极化气体的极化度具 有不可恢复的特点。成像过程中提高分辨率或通过大角度脉冲激发获取高信噪比都会消耗 超极化气体的极化度。所以，提高成像分辨率与提高信噪比存在矛盾。现有技术在分辨率 和信噪比之间进行了折中，主要采用小角度激发的脉冲序列对肺部进行成像。
[0004] 一种解决这种矛盾的思路是在对肺部进行成像时进行欠采样。如果能够有选择性 的对肺部K空间进行采样即欠采样，就可以在提高分辨率的同时采用大角度的脉冲激发， 同时获得具有高分辨率和高信噪比的图像。但是，使用欠采样技术也有其自身的问题。欠 采样技术能否得到好的重建效果取决于能否找到合适的线性变换对重建图像进行稀疏化 分解，另外一方面取决于欠采样轨迹是否能充分获取K空间中的重要信息。
[0005] 本发明公开的方法，通过建立一种用于肺部磁共振图像的过完备字典库，能够针 对性地提供将重建图像充分稀疏化的过完备字典；同时，通过预扫描获取先验知识，指导欠 采样轨迹的生成过程，有效获取成像对象K空间中的重要信息。通过这两种技术手段，高 效地利用超极化气体的极化度，同时获得具有高分辨率和高信噪比的高质量肺部磁共振图 像。
【发明内容】
[0006] 本发明的目的是针对现有技术存在的问题，提出的一种基于过完备字典与先验知 识的高质量肺部磁共振成像方法。
[0007] 为了实现上述目的，本发明采用了以下技术措施：
[0008] 基于过完备字典与先验知识的高质量肺部磁共振成像方法，包括以下步骤：
[0009] 步骤1、建立适用于设定图像分辨率的设定对象的肺部图像（如小鼠，分辨率 256*256像素）的过完备字典的方法为：
[0010] 步骤1. 1，从预定张数的设定对象的肺部的图像中任意选出一幅图像，对图像进行 分块处理，将每一块都按照以下方法进行排列：将块的左数第一列提取出来作为一个列向 量al，再提取块左数第二列，放在的al的下方，这样组成了一个新的列向量a2,以此类推， 直到提取到块的最右一列放在当前列向量的下方。这样每个块都会得到一个列向量，组成 了学习对象矩阵A的每一列；
[0011] 步骤I. 2,对字典D进行初始化得到字典Dtl，初始化包括以下步骤：计算学习对象 矩阵A的左奇异矩阵，挑选左奇异矩阵的前设定列组成字典Dtl，挑选左奇异矩阵作为初始矩 阵可以减少计算量，节省图像重建时间；
[0012] 步骤1. 3,以公式（1)所描述的目标进行计算，获得稀疏系数矩阵r;
【主权项】
1. 基于过完备字典与先验知识的高质量肺部磁共振成像方法，其特征在于，包括以下 步骤： 步骤1、建立适用于设定图像分辨率的设定对象的肺部图像的过完备字典； 步骤2、通过变角FLASH序列，设定小角度激发脉冲序列，对设定对象的肺部进行预成 像，获得相应的K空间数据； 步骤3、对步骤2中获得的K空间数据进行分析，获取其中局部大点的位置信息，挑选局 部大点的标准为数据幅值大于其四邻域或八邻域的点； 步骤4、预先在计算机中随机生成多个的固定欠采样率的笛卡尔采样矩阵，通过计算这 些固定欠采样率的笛卡尔采样矩阵的点扩散函数，按点扩散函数的平均值从小到大进行排 序，挑选出排名靠前的若干个笛卡尔采样矩阵，储存在计算机中，根据步骤3中获得的局部 大点的位置信息，计算各个笛卡尔采样矩阵中与局部大点位置的相干性，得到其中相干性 最大的笛卡尔采样矩阵，将该相干性最大的笛卡尔采样矩阵作为采样轨迹，通过变角FLASH 序列，生成大角度激发的欠采样脉冲序列； 步骤5、根据步骤4中生成的采样轨迹，对设定对象的肺部进行超极化磁共振成像，获 得设定对象的肺部的K空间数据y ; 步骤6、挑选步骤1中建立的设定图像分辨率的设定对象的肺部的过完备字典，对步骤 5中获得的K空间数据进行图像迭代重建。
2. 根据权利要求1所述的基于过完备字典与先验知识的高质量肺部磁共振成像方法， 其特征在于，所述的步骤1包括以下步骤： 步骤1. 1、从预定张数的设定对象肺部图像中任意选出一幅图像，对图像进行分块处 理，每一块的各列按列序号纵向拼接为单列的列向量，每个块对应的列向量构成了学习对 象矩阵A的每一列； 步骤1. 2、对字典D进行初始化得到字典Dtl，初始化包括以下步骤：计算学习对象矩阵 A的左奇异矩阵，挑选左奇异矩阵的前设定列组成字典Dtl; 步骤1.3、以获得以下公式的最优解为目标进行计算，获得稀疏系数矩阵Γ ; min \\DmT-A\f2+l\n 其中，λ为稀疏系数矩阵Γ的LI范数的加权系数，m为字典被更新的次数，m多0, m =〇时Dm为初始化得到的字典D ^，采用的算法为FISTA迭代算法， 判断稀疏系数矩阵Γ是否满足以下公式，若满足以下公式，则对单幅图像建立字典的 过程完成，进入步骤1. 5 ;若不满足以下公式，进入步骤1. 4 IKrHrl1M 其中λ为矩阵Γ的Ll范数的加权系数，ε i为设定的优化值； 步骤1. 4、按照K-SVD方法对字典Dm进行逐列更新，获得新的字典D m+1，将Dm+1代入步骤 1. 3进行迭代计算； 步骤1. 5、重复步骤I. 1~1. 3,直到对步骤I. 1中所有预定张数的设定对象肺部图像 的建立字典过程完成，则每一幅图像都有一个对应的字典，将每一幅图像对应的字典按列 组合获得新的字典，对新的字典中的任意两列相互计算点积，若点积大于设定的阈值，则删 除其中任意一列，最终获得适用于设定对象的肺部的图像的过完备字典。
3.根据权利要求1所述的基于过完备字典与先验知识的高质量肺部磁共振成像方法， 其特征在于，所述的步骤6包括以下步骤： 步骤6. 1、将得到的K空间数据y填零后进行傅里叶变换得到初始图像Xtl，即初始图像 为xn = d，η为迭代次数； 步骤6. 2、字典D选用步骤1获得的过完备字典； 步骤6. 3、对图像Xn矩阵进行分块处理，每一块的各列按列序号纵向拼接为单列的列向 量，每个块对应的列向量构成了学习对象矩阵An的每一列； 步骤6. 4、以获得以下公式的最优解为目标进行计算，获得稀疏系数矩阵Γ ; 咱，-41+本 Il1 其中，λ为稀疏系数矩阵Γ的Ll范数的加权系数，采用的算法为FISTA迭代算法， 步骤6. 5、将步骤6. 4中所得的D Γ还原成块后求平均值得到图像矩阵X'，再对X'求 傅里叶变换得到K空间数据S，按照下面两个公式计算得到图像矩阵χη+1，
兵甲HxntlU^kj) 73对囹僳圯件χη+1近仃傅！吖父俠侍到的圯件，-为傅立叶逆变换， S d 为K空间数据S中某个点的像素值，Stl为对肺部K空间数据y填零得到的矩阵，γ 为Stl的加权系数，Ω为采样轨迹所覆盖的区域，对图像矩阵Χη+1用步骤6.3中的方法得到 新的学习对象矩阵Α η+1，若χη+1和A n+1满足下列两个公式中任意一个公式则计算结束，得到 最终重建的图像矩阵1+1;若X n+1和A n+1不满足下列两个公式中任意一个公式，则将A n+1迭 代为步骤6. 4中的An并返回步骤6. 4进行处理， Wdt - Λ+ι Iz + r\\F"xn+i ~y\\22+^IrI1 ^ n ^ N 其中Fu为部分傅立叶变换，y为肺部K空间数据，λ为稀疏系数矩阵Γ的LI范数的 加权系数，N为设定的迭代次数的上限，ε 2为设定的优化值。
【专利摘要】本发明公开了基于过完备字典与先验知识的高质量肺部磁共振成像方法。该方法首先建立适用于设定对象，设定图像分辨率的过完备字典；通过小角度激发对肺部进行预成像；随后对预成像中获取的K空间数据进行分析，提取局部大点的位置信息；再根据局部大点的位置信息自适应生成大角度欠采样脉冲序列；使用此脉冲序列再次对肺部进行成像；最后挑选之前建立的设定对象和设定图像分辨率的过完备字典对图像进行重建。和现有技术相比，使用本方法可以获得具有更高分辨率和信噪比的高质量肺部磁共振图像。
【IPC分类】A61B5-055
【公开号】CN104825161
【申请号】CN201510298966
【发明人】周欣, 肖洒, 吕植成, 孙献平, 刘买利, 叶朝辉
【申请人】中国科学院武汉物理与数学研究所
【公开日】2015年8月12日
【申请日】2015年6月4日