[發明專利]MR圖像數據的重建

在審

• 申請號: 202011476812.5
• 申請日: 2020-12-15
• 公開（公告）號: CN113066141A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 克里斯托弗·賈德森·哈迪;桑塔伊·安
• 申請（專利權）人: 通用電氣公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G01R33/56;G06N3/04;G06N3/08
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 侯穎媖;錢慰民

本文所討論的主題涉及用于抑制利用深度學習網絡重建的快速自旋回波(FSE)圖像中的細線偽影的快速磁共振成像(MRI)方法。使用完全采樣的NEX＝2(激勵數等于2)數據來訓練網絡。在每種情況下，都將這兩個激勵組合以生成沒有細線偽影的完全采樣的真實圖像，這些真實圖像用于在損失函數中與網絡生成的圖像進行比較。然而，在訓練期間，僅這些激勵中的一個激勵被回顧性地欠采樣并輸入到網絡中。這樣，網絡學習移除欠采樣和細線偽影兩者。在推斷時，僅獲取并重建NEX＝1欠采樣數據。

背景技術

本文所公開的主題整體涉及抑制快速自旋回波磁共振圖像中的細線偽影。更具體地講，其涉及生成沒有細線偽影的NEX＝1(激勵數等于1)快速自旋回波圖像的快速成像方法。

磁共振成像(MRI)是非侵入式醫學成像技術，其使用射頻(RF)脈沖、強磁場和身體組織之間的相互作用來從身體內部獲得切片/平面的圖像。MRI在評估解剖結構、器官和軟組織以檢測和診斷廣泛范圍的病理狀況時特別敏感。在一些情況下，MRI可提供比其它掃描技術諸如計算機斷層攝影(CT)或X射線更好的器官和軟組織的圖像。MRI尤其可用于使腦、脊柱、關節的軟組織和骨的內部成像。在臨床實踐中，MRI提供良性組織和病理組織之間的對比度，并且可用于評估疾病(諸如癌癥)的階段以及評估對治療惡性腫瘤的響應。

隨著對較高分辨率MR圖像的需求不斷增加，MRI獲取時間的減少是一項持續的挑戰。已經開發出各種技術來改善MR成像速度/效率，包括并行成像(PI)和壓縮感測(CS)。然而，這些方法具有它們的局限性。例如，由于k空間(傅立葉空間)線的數量減少，PI的使用可降低信噪比；并且CS依賴于增強一些域中的稀疏性(例如，總變化或小波)，并且可導致圖像的平滑或模糊。使用神經網絡進行的深度機器學習的最新進展已經顯示了MR成像重建的潛力。深度學習MRI重建網絡(包括展開的迭代壓縮感測網絡)已被示出為優于用于由欠采樣數據(例如，欠采樣的NEX＝1數據)重建高質量圖像的常規并行成像和壓縮感測(PICS)方法。然而，當應用于快速自旋回波(FSE)數據時，這些網絡可產生表現出細線偽影的圖像。

發明內容

下文示出了本文所公開的某些實施方案的概述。應當理解，提供這些方面僅僅是為了向讀者提供這些特定實施方案的簡要概述，并且這些方面并非旨在限制本公開的范圍。實際上，本公開可涵蓋下文可能未示出的各個方面。

在一個實施方案中，提供了一種用于訓練深度學習網絡的方法。根據該方法，使用兩個激勵獲取完全采樣的NEX＝2(激勵數等于2)數據。使用所獲取的NEX＝2數據生成完全采樣的真實圖像。欠采樣NEX＝1數據由該激勵中的一個激勵生成。通過饋送欠采樣NEX＝1數據并且在損失函數中將網絡輸出圖像與完全采樣的真實圖像進行比較來訓練深度學習網絡。

在另一個實施方案中，提供了一種用于使用經訓練的深度學習網絡來抑制細線偽影的方法。根據該方法，在訓練階段，使用兩個激勵獲取完全采樣的NEX＝2數據。使用所獲取的NEX＝2數據生成完全采樣的真實圖像。欠采樣NEX＝1訓練數據由該激勵中的一個激勵生成。通過饋送欠采樣NEX＝1訓練數據并且在損失函數中將網絡輸出圖像與由NEX＝2數據生成的完全采樣的真實圖像進行比較來訓練深度學習網絡。在下一個應用階段，獲取欠采樣NEX＝1數據以用作輸入以饋送到經訓練的深度學習網絡中，從而重建具有受抑制的欠采樣和細線偽影的NEX＝1圖像。

在附加的實施方案中，提供了磁共振成像系統。磁共振成像系統包括用于獲取欠采樣MR數據的數據獲取部件。磁共振成像系統還包括數據處理部件和數據存儲部件。數據存儲部件可以執行以下操作：存儲由數據獲取部件獲取的欠采樣MR數據；存儲用于該磁共振成像系統的操作的可執行代碼，其中該可執行代碼在由該數據處理部件執行時，使得該數據處理部件將該欠采樣MR數據作為輸入數據提供給深度學習網絡并且從該深度學習網絡接收重建的MR圖像作為輸出數據；以及存儲重建的MR圖像。磁共振成像系統還包括用于顯示重建MR圖像以供查看的數據顯示部件。

附圖說明