并行磁共振成像及相位信息获取方法研究

摘要

磁共振成像(magnetic resonance imaging,MRI)以其无电离辐射、无创伤性和良好的软组织对比度等优点成为临床诊断和医学研究中的重要检测工具之一，但过长的扫描时间阻碍了其进一步的推广和应用。并行磁共振成像技术(parallel MRI,pMRI)能在扫描视野和空间分辨率保持不变的情况下有效地减少成像时间，从而受到广泛关注。然而，受重建过程中混叠伪影和噪声放大的影响，现有pMRI方法只能在很小的采样加速因子下才能取得较好的图像质量，其成像速度和重建质量有待进一步提高。
　　MRI信号的相位信息能反映生物组织的磁敏感性和主磁场的不均匀性等信息，因而有着广泛的应用前景。在低场MRI中采集到的相位信息的信噪比较低，且相位本身存在缠绕等因素，造成相位信息在现有的MRI重建过程中被忽略。超导和pMRI技术的出现极大地提高了信号的信噪比，使得相位信息在高场MRI中受到越来越多的重视。在pMRI中，每幅线圈接收到的相位是主磁场，自旋质子和接收线圈三者相位的叠加。为了获取质子的真实相位，需要设计出优化的多通道线圈联合方式以去除线圈和主磁场的相位，但目前尚未有标准的线圈联合方法以获取准确的相位信息。
　　针对以上情况，本文以pMRI重建及相位信息获取为研究课题，重点研究了基于 K空间重建的广义自校准并行采集成像技术中插值窗的选择、伪影和噪声的去除问题、以及从多通道线圈采集的K空间数据中获取相位信息的方法等。主要研究内容分为以下四部分：
　　(1)研究了一种基于多核学习和支撑向量机的广义自校准并行采集成像算法，以解决传统广义自校准并行采集成像算法的重建精度严重依赖于插值窗等重建参数和采样参数的选取等问题。提出的方法同时利用线性核、多项式核和高斯核将接收到的K空间数据映射到不同的高维特征空间，然后在联合后的高维特征空间中使用支撑向量机方法拟合插值函数。通过MRI设备上采集到的体模和人体成像数据在不同的采样条件下进行重建，其结果表明本文提出的方法能在不同加速因子下完成噪声和伪影之间的权衡和折衷，并且重建结果对参数选取不敏感。
　　(2)将基于K空间重建的pMRI方法中所使用的数据相关性归纳为前向约束、后向约束和自约束。结合这三种约束，提出了一种分离式自约束的并行磁共振成像方法，将 K空间的插值问题转化为线性方程组来进行求解。提出的方法分别利用采集到的数据和未采集到的数据构造一种分离式自约束，将由采集到的数据构造的自约束用来自适应地校准自约束系数，从而减少了由于数据相关性在 K空间范围内不一致而引入的重建误差。此外，考虑到自约束重建中插值源点和插值目标点都是未采集数据，且在加速采样因子较大时相距较远，本文方法在重建方程中引入了自约束权重以防止过学习问题。并设计了一种通过计算三种约束在全采样的自校准区域的拟合误差来自动估计自约束权重的方法。通过体模和人体成像数据在加速采样下的重建实验结果表明，提出的算法能有效地减少当前pMRI算法重建图像中的混叠伪影和噪声。
　　(3)提出了一种核范数正则化的并行磁共振成像算法以抑制现有pMRI重建中的噪声。提出的方法先将基于K空间重建pMRI中的插值问题转化为线性反问题以便引入正则化约束进行重建。同时，将所有线圈采集到的K空间数据重新排列成具有低秩特性的结构矩阵，从而在反问题求解中引入低秩约束。然后利用核范数代替非凸的秩函数，将重建问题转化为无约束的凸优化问题，并通过交替方向乘子法进行快速求解。通过采集到的人体脑部数据进行加速采样下的重建对比实验，其结果表明本文提出的算法能有效抑制传统pMRI重建中的噪声。
　　(4)首次提出了基于K空间解卷积的相位信息获取方法以解决当前基于图像域幅值加权的相位信息获取方法受 pMRI重建中的噪声放大和伪影的影响难以准确地获取扫描组织的相位信息的问题。提出的方法首先通过平方和方法和相位对齐方法分别获取一幅参考线圈图像的幅值和相位，以用来计算线圈敏感度及其频域信息。然后通过截断的线圈敏感度频域信息和接收到的K空间数据来解卷积线圈K空间的联合权重，再通过联合线圈K空间数据得到质子分布的K空间信号，最后通过傅里叶逆变换得到其幅值和相位信息。通过采集到的MRI数据进行相位信息获取实验，其结果表明本文提出的方法与基于幅值加权的方法相比，能有效地减少线圈联合中的相位消除，获取的相位图像中不一致性伪影更少。

目录

封面

声明

中文摘要

英文摘要

目录

主要符号表

部分英文缩略语

第一章 绪 论

1.1研究背景与意义

1.2研究现状

1.3主要研究内容及创新点

1.4论文章节安排

第二章 磁共振成像原理与并行磁共振成像方法

2.1磁共振物理

2.2磁共振成像

2.3图像重建

2.4并行磁共振成像技术

2.5本章小结

第三章 基于稀疏多核学习和支撑向量机的GRAPPA方法

3.1引言

3.2广义自校准并行采集

3.3非线性广义自校准并行采集

3.4基于稀疏多核学习和支撑向量机的GRAPPA方法

3.5实验结果及分析

3.6本章小结

第四章 基于分离式自约束的广义自校准并行采集成像方法

4.1引言

4.2基于K空间重建pMRI中的约束模型

4.3基于自适应自校准并行采集成像

4.4实验结果与分析

4.5分析与讨论

4.6本章小结

第五章 核范数正则化的并行磁共振成像方法

5.1引言

5.2低秩矩阵重建

5.3核范数正则化的并行磁共振成像方法

5.4实验结果与分析

5.5本章小结

第六章 基于K空间解卷积的相位信息获取方法

6.1引言

6.2理论及现有方法

6.3基于K空间解卷积的相位获取方法

6.4实验结果与分析

6.5本章小结

第七章 结论

7.1本文主要贡献

7.2下一步工作的展望

致谢

参考文献

攻博期间取得的研究成果