非笛卡尔并行磁共振成像重建技术研究新进展.pdf

《非笛卡尔并行磁共振成像重建技术研究新进展.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３８卷第８期仪器仪表学报Ｖｏｌ３８Ｎｏ８２０１７年８月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＡｕｇ．２０１７非笛卡尔并行磁共振成像重建技术研究新进展吴振洲，常严，徐雅洁，王慧，杨晓冬（中国科学院苏州生物医学工程技术研究所医学影像室苏州２１５１６３）摘要：相对于传统的ｋ空间笛卡尔采样，非笛卡尔采样能够使得ｋ空间具有更高的覆盖效率，同时可以更有效地利用梯度系统性能，减少ｄＢ／ｄｔ值，避免引起人体不良的生理反应。ｋ空间非笛卡尔采样和并行成像技术结合能够进一步提高成像速度，但是也使得图像域中的伪影模式更加复杂，因此非笛卡尔并行磁共振成像重建具有更

2、高的技术难度。综述了目前几种典型的非笛卡尔并行成像重建技术，具体讨论了每种方法的技术细节和优缺点，包括敏感度编码（ＳＥＮＳＥ）、共轭梯度敏感度编码（ＣＧＳＥＮＳＥ）、非笛卡尔自标定并行采集方法（ｎｏｎＣａｒｔｅｓｉａｎＧＲＡＰＰＡ）、基于数据一致性的迭代方法（ＳＰＩＲｉＴ）和近年来发展迅速的压缩感知技术。ＳＥＮＳＥ和ＣＧＳＥＮＳＥ理论上可以获得最优的重建结果，但受制于线圈敏感度分布的准确测量；ＮｏｎＣａｒｔｅｓｉａｎＧＲＡＰＰＡ无需测量线圈敏感度，但只能对特定的非笛卡尔采样模式进行近似计算；ＳＰＩＲｉＴ结合了ＳＥＮＳＥ和ＧＲＡＰＰＡ的优点，通过迭代优化方法可以获得较满意的

3、结果；压缩感知技术利用图像的稀疏变换特性，配合现有的迭代优化并行成像方法可以进一步提升重建图像质量，将继续成为未来研究的热点。关键词：磁共振成像技术；非笛卡尔采样；并行成像；压缩感知中图分类号：Ｒ４４５．２ＴＨ７７文献标识码：Ａ国家标准学科分类代码：３２０．１１４０ＮｅｗｒｅｓｅａｒｃｈａｄｖａｎｃｅｓｉｎｎｏｎＣａｒｔｅｓｉａｎｐａｒａｌｌｅｌＭＲＩｒｅｃｏｎｓｔｒｕｃｔｉｏｎＷｕＺｈｅｎｚｈｏｕ，ＣｈａｎｇＹａｎ，ＸｕＹａｊｉｅ，ＷａｎｇＨｕｉ，ＹａｎｇＸｉａｏｄｏｎｇ（ＭｅｄｉｃａｌＩｍａｇｉｎｇＤｉｖｉｓｉｏｎ，ＳｕｚｈｏｕＩｎｓｔｉｔｕｔｅｏｆＢｉｏｍｅｄｉｃａｌＥｎ

4、ｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｓｕｚｈｏｕ２１５１６３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＣｏｍｐａｒｅｄｗｉｔｈｃｏｎｖｅｎｔｉｏｎａｌＣａｒｔｅｓｉａｎｋｓｐａｃｅｓａｍｐｌｉｎｇ，ｔｈｅｎｏｎＣａｒｔｅｓｉａｎｓａｍｐｌｉｎｇｃａｎｅｎａｂｌｅｈｉｇｈｅｒｃｏｖｅｒａｇｅｅｆｆｅｃｉｅｎｃｙｏｆｋｓｐａｃｅ，ｍｏｒｅｅｆｆｉｃｉｅｎｔｌｙｍａｋｅｕｓｅｏｆｔｈｅｇｒａｄｉｅｎｔｓｙｓｔｅｍｐｅｒｆｏｒｍａｎｃｅ，ａｎｄｒｅｄｕｃｅｄＢ／ｄｔｔｏｐｒｅｖｅｎｔｔｏｃａｕｓｅｔｈｅｕｎｄｅｓｉｒａｂｌｅｈｕｍａ

5、ｎｐｈｙｓｉｏｌｏｇｉｃａｌｒｅａｃｔｉｏｎｓ．ＴｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｎｏｎＣａｒｔｅｓｉａｎｋｓｐａｃｅｓａｍｐｌｉｎｇａｎｄｐａｒａｌｌｅｌｉｍａｇｉｎｇｃａｎｆｕｒｔｈｅｒａｃｃｅｌｅｒａｔｅｉｍａｇｉｎｇｓｐｅｅｄ，ｈｏｗｅｖｅｒｔｈｅａｒｔｉｆａｃｔｐａｔｔｅｒｎｉｎｉｍａｇｅｄｏｍａｉｎｗｏｕｌｄｂｅｃｏｍｅｍｕｃｈｍｏｒｅｃｏｍｐｌｉｃａｔｅｄ，ｗｈｉｃｈｉｎｔｒｏｄｕｃｅｓａｌｏｔｏｆｔｅｃｈｎｉｃａｌｄｉｆｆｉｃｕｌｔｉｅｓｔｏｎｏｎＣａｒｔｅｓｉａｎｐａｒａｌｌｅｌＭＲＩｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ｉｎｔｈｉｓａｒｔｉｃｌｅ，ｓｅｖｅｒａｌｔ

6、ｙｐｉｃａｌｎｏｎＣａｒｔｅｓｉａｎｐａｒａｌｌｅｌｉｍａｇｉｎｇｒｅｃｏｎｓｔｒｕｃｔｉｏｎｔｅｃｈｎｉｑｕｅｓｉｎｃｌｕｄｉｎｇＳＥＮＳＥ，ＣＧＳＥＮＳＥ，ｎｏｎＣａｒｔｅｓｉａｎＧＲＡＰＰＡ，ＳＰＩＲｉＴａｎｄｎｅｗｌｙｅｍｅｒｇｉｎｇｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇａｒｅｒｅｖｉｅｗｅｄ，ｔｈｅｉｒｔｅｃｈｎｉｃａｌｄｅｔａｉｌｓ，ａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓａｒｅｄｉｓｃｕｓｓｅｄ．ＳＥＮＳＥａｎｄＣＧＳＥＮＳＥｃａｎａｃｈｉｅｖｅｏｐｔｉｍａｌｒｅｃｏｎｓｔｒｕｃｔｉｏｎｒｅｓｕｌｔｓｔｈｅｏｒｅｔｉｃａｌｌｙ，ｂｕｔｂｏｔｈｏｆｔ

7、ｈｅｍａｒｅｒｅｓｔｒｉｃｔｅｄｂｙｔｈｅａｃｃｕｒａｔｅｍｅａｓｕｒｅｍｅｎｔｏｆｃｏｉｌｓｅｎｓｉｔｉｖｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎ．ＮｏｎＣａｒｔｅｓｉａｎＧＲＡＰＰＡｄｏｅｓｎ’ｔｒｅｌｙｏｎｃｏｉｌｓｅｎｓｉｔｉｖｉｔｙｍｅａｓｕｒｅｍｅｎｔ，ｂｕｔｃａｎｏｎｌｙｐｅｒｆｏｒｍａｐｐｒｏｘｉｍａｔｅｃａｌｃｕｌａｔｉｏｎｆｏｒｓｐｅｃｉｆｉｅｄｎｏｎＣａｒｔｅｓｉａｎｓａｍｐｌｉｎｇｍｏｄｅ．ＳＰＩＲｉＴｃｏｍｂｉｎｅｓｔｈｅａｄｖａｎｔａｇｅｓｏｆＳＥＮＳＥａｎ