技术领域
[0001] 本
发明是一种集成压缩感知(compressed sensing,CS)技术的邻域共享(view sharing)K空间
采样轨迹优化采集方法，属于磁共振医学成像技术领域，能够提供高时间
分辨率和高
信噪比的脏器动态对比增强(DCE-MRI)图像，可以用于腹部脏器等的
疾病诊断、功能参数定量测量和
预后评价等。
背景技术
[0002] 慢性肾脏病和肝癌已经成为全球性公共健康问题，在发达国家，普通人群的慢性肾病患病率高达6.5％～16％，给全球卫生财政带来了沉重负担。根据2012年一项《中国慢性肾脏病流行病学调查》结果显示，我国成年人群中慢性肾脏病的患病率已经高达10.8％，预计全国现有成年慢性肾脏病患者1.2亿人。此外，发达国家普通人群的肝癌发病率高达ASR 2.7～8.6，且发病率在逐年提高，患者死亡率高达ASR 2.5～7.1。肝癌已经成为世界范围内男性癌症致死的第二大疾病，仅2012年全球新增肝癌患者78万，死亡74万，其中，中国肝癌患病人数和死亡人数约占到50％。腹部临床诊断中，基于
磁共振成像技术的动态对比增强检查是诊断肾脏疾病和肝脏疾病的有效手段。因此，改善腹部动态对比增强磁共振成像的
时间分辨率和图像
质量，以达到更加准确的脏器功能定量测量，对于腹部脏器疾病的临床诊断及预后评价具有非常重要的意义。
[0003] 在腹部动态对比增强DCE-MRI成像中，由于三维成像技术能够更好的显示整个肾脏、肝脏等器官的形态，并提供更多的图像信息及灌注曲线，从而被临床广泛应用。目前，在临床中主要采用三维快速扰相梯度回波3D FSPGR序列以及三维随机轨迹时间分辨TWIST序列进行腹部动态对比增强磁共振成像。
[0004] 三维快速扰相梯度回波3D FSPGR序列采用小
角度射频脉冲激发
信号，然后进行
相位编码采集信号，最后在梯度编码方向上加入扰相位梯度将残留的横向磁化矢量散相，以缩短序列采集时间。3D FSPGR序列通常需要结合并行成像技术，实现较快的腹部动态对比增强扫描，临床上由于腹部成像
覆盖范围大，相位编码步数多，成像时间分辨率受到很大限制。
[0005] TWIST序列采用邻域共享(view sharing)的三维伪随机轨迹序列，
数据采集时K空间中心区域(A)进行密集采样而外周区域(B)进行亚采样，并在数据重建时将相邻K空间数据进行合并共享(view-shared)重建，从而缩短每一
帧图像的采集时间。在三维K空间中，TWIST采样机制在相位编码梯度ky和层选相位编码梯度kz上执行，采用极坐标方式表达，采样轨迹随着
辐射半径kr以及方位角θ(0<θ<2π)增加逐渐向外周进行，设定一个辐射半径的
阈值kc，在阈值kc之内K空间密集采样，kc之外K空间伪随机亚采样。K空间外周亚采样方式首先将外周K空间区域B随机分成相互不重叠的N个子集Bi(i＝1…N)，在进行数据采集时，首先采集一个K空间点为全采样的数据集#0，然后依次采集A，B1，A，B2，A，B1…区域数据点获得#1，#2，#3，#4，#5，#6…数据集。在重建时，将奇数次采集的#1，#3和#5前后两个偶数K空间数据集合并到当前数据集，组合成一个完整的全采样K空间进行图像重建，如图1所示。所以，TWIST重建图像的图像帧率取决于区域A采集的帧数。
[0006] 但是，临床上腹部三维成像时为了实现大范围覆盖并获得足够高分辨率的增强图像，通常设定较多层数(≥32层)、较大采样矩阵(相位编码ky≥128，
频率编码kx≥128)和多次激发(Nex≥1)，序列时间分辨率在10～60秒之间，使得采集得到的时间-信号强度曲线分辨率低，远不能满足功能参数的精确测量，或者以牺牲空间分辨率来进行补偿，导致
图像空间分辨率下降。临床3D FSPGR序列扫描是全采样方式，通常需要结合并行成像技术(parallel imaging)进行图像信号采集，然而，并行成像技术导致图像信噪比SNR降低，且
加速倍数通常限制在三倍以内，加速倍速越高，信噪比越低，阻碍了时间分辨率的进一步提高。另一方面，TWIST序列扫描方式是间隔采样K空间中心区域和外周区域，重建过程中需要将相邻K空间数据集进行合并，保证了图像较高的空间分辨率，但是使得图像帧率降低，限制了其时间分辨率的提高。所以，研究一种既提高时间分辨率又能保证足够高的空间分辨率的磁共振快速成像方法是提高疾病诊断和功能参数精确测量的重要前提。
发明内容
[0007] 针对上述问题，本发明提出了一种将压缩感知技术集成到K空间邻域共享采样轨迹中(view-shared compressed sensing,VCS)的K空间数据快速亚采样方法，提高了腹部动态对比增强磁共振成像的时间分辨率，同时保证了较高的图像信噪比和图像质量。
[0008] 为实现上述目的，本发明采取以下技术方案：一种动态对比增强磁共振成像的快速三维K空间亚采样填充方法，包括K空间的随机划分、CS采样矩阵设计、邻域共享压缩感知采样矩阵的获取、基于邻域共享压缩感知方法的数据采集、基于邻域共享压缩感知方法的数据重建五个部分。具体内容为：首先，采用相邻K空间外周数据共享采样轨迹，一个K空间中同时采集中心区域和部分外周区域数据，邻域共享的K空间外周亚采样轨迹相互间无重叠，所有相邻的亚采样K空间数据组合可以构成一个完整的K空间。其次，将压缩感知加速采样技术嵌入到相邻K空间的共享采样轨迹中，每一个K空间填充轨迹由压缩感知方法设计确定，其中K空间的中心区域保留不共享，外周区域经压缩感知采样矩阵设计后随机分成2～5个共享子集，以实现连续多个K空间采样轨迹的邻域共享压缩感知采样。邻域共享压缩感知采样在一次K空间采样时，同时采集压缩感知K空间的中心区域和1个外周共享子集。K空间数据在重建时，连续多个不相重叠的共享子集合并到当前K空间，重组成符合压缩感知采样矩阵轨迹的数据集用于进一步压缩感知图像重建。集成到邻域共享采样轨迹的压缩感知加速倍数可以设置为2～8倍。压缩感知采样矩阵设计采用非均匀变
密度函数生成，且符合高斯分布，压缩感知的稀疏转换可以为傅里叶变换、
小波变换、有限差分变换等。最后，将邻域共享重组的K空间亚采样数据经l1范式最小化的非线性
算法重建得到图像，重建公式如下：
[0009] minimizeλ1||ψS||1+λ2TV(S),
[0010]
[0011] 式中S为目标图像，λ1和λ2表示ψ稀疏表达和有限差分稀疏表达TV之间的权重，F表示与亚采样对应的
傅立叶变换，di表示VCSi采集到的k-space数据，ε通常设置在背景噪声
水平之下来保证重建图像的保真度。并按照DICOM格式重写成临床标准化医学图像。
[0012] 本发明由于采取以上技术方案，具有如下优点：本发明是一种高时间分辨率的腹部快速三维动态对比增强成像方法，K空间填充方式采用邻域共享技术，每一个K空间数据集同时采集中心区域和部分外周区域数据点，使得图像帧率保持不变；邻域共享的每一个K空间采样集成了压缩感知采样技术，同时实现了数据的邻域共享和压缩感知采集，进一步缩短了数据采集时间；邻域共享压缩感知方法重建时将相邻K空间数据集进行合并重建，图像信息不丢失；邻域共享压缩感知方法图像重建算法采用基于l1范式压缩感知重建算法，CS重建算法能够将亚采样得到的数据可靠地重建出原始图像。本发明可以广泛应用于腹部脏器动态对比增强磁共振成像及其临床应用。
附图说明
[0013] 图1是TWIST序列K空间填充轨迹示意图：
[0014] 图2是邻域共享压缩感知VCS采样方式示意图：
[0015] 图3是邻域共享压缩感知方法VCS图像重建示意图：
具体实施方式
[0016] 下面结合附图对本发明作进一步详细说明，具体如下：
[0017] 如图2和3所示为本发明的
实施例，包括K空间的随机划分、CS采样矩阵设计、邻域共享压缩感知采样矩阵的获取、基于邻域共享压缩感知方法的数据采集、基于邻域共享压缩感知方法的数据重建五个部分，工作时首先要生成邻域共享压缩感知采样矩阵VCS，然后采集连续动态K空间数据，最后对所采集数据进行重建。
[0018] 邻域共享压缩感知方法第一部分为K空间的随机划分，在三维K空间的ky-kz平面内，将其分为中心区域A和外周区域B，其中区域B随机分为N个相互不重叠的子集Bi(i＝1,2,…N)，如图2所示，每个子集Bi与A结合组成用于邻域共享(view-shared)的K空间轨迹Ki(i＝1,2,…N)，即虚线圆圈内白色点和其外周白色点的集合(K1，K2，K3)表示随机划分的三个K空间轨迹。
[0019] 邻域共享压缩感知方法第二部分为CS采样矩阵设计，在三维K空间中，层内相位编码(ky)和层选相位编码(kz)两个维度的相位编码均可以进行压缩采样，依据CS理论，采用蒙特卡洛法获得满足独立同分布高斯分布的二维
观测矩阵ΦCS，该观测矩阵的采样机制符合非均匀变密度函数，且与稀疏矩阵不相干，在ky和kz方向上实现了亚采样，频率编码方向(kx)受到
硬件条件限制须为全采样。如图2所示，工作时，ky方向和kz方向依据ΦCS采样矩阵同时进行随机编码，即虚线圆圈内白色点和其外周白色点的集合(CS matrix)表示执行随机编码。根据此优化后的相位编码，K空间中心区域点为密集采样，外周区域按变密度的概CS率密度函数往外为随机稀疏采样，实现K空间数据的压缩采样。Φ 相位编码实际执行的步数占K空间总数的百分比决定了该成像的时间分辨率，该实施例中K空间点数设置为50％，实现2倍的CS加速采样。
[0020] 邻域共享压缩感知方法第三部分为邻域共享压缩感知采样矩阵的获取，如图2所示，首先，邻域共享的K空间轨迹Ki(i＝1,2,…N)表示了相邻K空间外周区域执行不同的轨迹填充，接着将2倍的CS采样矩阵ΦCS同Ki作数学与运算，获得邻域共享压缩感知采样矩阵VCS(view-shared CS matrix)。VCSi(i＝1,2,…N)分别表示连续图像帧的邻域共享压缩感知采样矩阵。
[0021] 邻域共享压缩感知方法第四部分为基于邻域共享压缩感知方法的数据采集，通过嵌入压缩感知的邻域共享采样矩阵VCS进行连续的动态数据采集，获得动态对比增强扫描的K空间原始raw data数据di(i＝1,2,…N)，如图3所示。
[0022] 邻域共享压缩感知方法第五部分为基于邻域共享压缩感知方法的数据重建，如图3所示，依据VCS采样机制，首先将采集得到的原始数据di进行相邻数据集的共享(view-shared)，重组成符合CS采样轨迹的重建数据，然后，对这些重组的重建数据进行基于l1范式最小化的非线性算法重建。重建公式如下：
[0023] minimizeλ1||ψS||1+λ2TV(S),
[0024]
[0025] S为目标图像，λ1和λ2表示ψ稀疏表达和有限差分稀疏表达TV之间的权重，F表示与亚采样对应的傅立叶变换，di表示VCSi采集到的k-space数据，ε通常设置在背景噪声水平之下来保证重建图像的保真度。
[0026] 最后，将重建图像按照DICOM格式重写成临床标准化医学图像。
