[發明專利]一種基于奇異值分解的MRI迭代自校準并行成像算法

在審

• 申請號: 202011641459.1
• 申請日: 2020-12-31
• 公開（公告）號: CN112834971A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 姜忠德;丁少偉;徐明芳
• 申請（專利權）人: 蘇州朗潤醫療系統有限公司
• 主分類號: G01R33/48
• 分類號: G01R33/48;G01R33/56
• 代理公司: 蘇州科仁專利代理事務所(特殊普通合伙) 32301
• 代理人: 郭楊

一種基于奇異值分解的MRI迭代自校準并行成像算法（SSCPIiT），本算法創新性的加入了敏感譜信息，并且結合了SENSE和GRAPPA并行采集技術，從而繼承了SENSE和GRAPPA并行加速采集的優勢，同時具有GRAPPA自校準并行采集技術的優點。通過結合SENSE和GRAPPA兩種技術的優點，SSCPIiT并行采集技術采集時間短而且信噪比相較于SENSE和GRAPPA更高。SSCPIiT方法有效地解決了SENSE存在偽影和GRAPPA信噪比較低的問題。因此，SSCPIiT具有很高的臨床應用價值。

技術領域

本發明屬于于磁共振成像領域，具體涉及一種基于奇異值分解的MRI迭代自校準并行成像算法。

背景技術

在并行MRI中，數據同時從多個接收器線圈獲取，允許從欠采樣的多線圈數據中重建圖像。每個線圈都表現出不同的空間靈敏度，作為額外的空間編碼功能。這可以通過對k空間進行二次采樣和利用靈敏度信息重建圖像來加速圖像的獲取。目前使用的重建算法有兩條不同的路線：基于線圈靈敏度的顯式重構算法(SENSE)和k空間中基于局部核的重構算法，它們利用k-空間中相鄰點的多個通道之間的相關性(GRAPPA和SPIRiT)。但是SENSE 算法存在偽影，GRAPPA算法信噪比較低，得到的影像效果不佳。

發明內容

本發明要解決的技術問題是提供一種敏感譜更加平滑，魯棒性更強，可以明顯的降低圖像噪聲的基于奇異值分解的MRI迭代自校準并行成像算法。

為了解決上述技術問題，本發明采用的技術方案是一種基于奇異值分解的 MRI迭代自校準并行成像算法(An MRI Iterative Self-Calibrating Parallel ImagingAlgorithm Based on Singular Value Decomposition簡稱SSCPIiT)，其特征在于，包括以下步驟：

(1)在SPGR、DESPGR序列中應用并行采集技術實現磁共振成像掃描；

(2)對采集到的原始K空間數據做填零和數據重排以及濾波處理獲取優化的K空間數據；

(3)提取K空間中心滿采數據，作為校準矩陣的計算數據，采用n*n校正塊，在滿采數據中做移動采集，構造出校準矩陣；

(4)對校準矩陣做奇異值分解，得到矩陣的特征值和特征向量；

(5)將特征向量做數據重排，得到敏感譜分布矩陣，并將矩陣中特征值最大的一行作為敏感譜矩陣；

(6)將敏感譜矩陣作為參數進入非線性共軛梯度迭代(CG迭代)，得到缺失的K空間數據；

(7)將完整的K空間數據做IFFT，并與敏感譜矩陣做點積，求和最終得到完整圖像。

由于計算量較大，在計算過程中進行內存的分配釋放會嚴重影響程序的穩定性，重復的分配釋放內存同時會增加計算時間，因此在計算之前還會先進行內存預分配。由于步驟(4)-(7)對于CPU內存需求巨大，同時計算復雜，用時較長；為此將上述步驟在GPU中計算，這樣可以大大降低計算時間，同時可以優化CPU內存，大大提升了程序的運行時的穩定性。

進一步的，所述步驟(1)中通過改變中心滿采數據行數實現磁共振掃描加速，由中心向兩邊隔行采樣，在中心滿采校準數據。在SPGR和DESPGR序列中采用并行采集技術，通過改變中心滿采數據行數實現SSCPIiT磁共振掃描加速；由中心向兩邊隔行采樣，與2倍速SENSE相同，只是中心需要部分滿采行，用于計算敏感譜矩陣，中心滿采部分又與 GRAPPA類似，均需要中心滿采校準數據。

進一步的，所述校正塊為6*6。

進一步的，還包括以下步驟：在將校準矩陣做奇異值分解之前，先采用閾值對校準矩陣進行切割，僅保留部分校準矩陣。選取合適的閾值對校準矩陣進行切割，僅保留部分校準矩陣，這樣做主要目的在于方便計算敏感譜，節省內存，閾值不易過大，本發明中根據實際經驗將閾值設為60。