[发明专利]用于重建磁共振成像（MRI）图像的方法及设备

说明书

本文公开了与基于多层成像欠采样MRI数据(例如，k空间数据)重建磁共振(MR)图像相关联的系统、方法和装置。多层成像MRI数据可使用同时多层成像(SMS)技术来采集，并且与多个MRI切片图像相关联的MRI信息可能纠缠在多层成像MRI数据中。神经网络可以被训练并用于解开MRI信息并为不同切片图像重建MRI图像。数据一致性部件可以用于基于由神经网络进行的估计来估计k空间数据，通过对k空间数据应用傅里叶变换，可以从k空间数据获得与多个MRI切片图像相关联的相应MRI图像。

技术领域

本申请涉及磁共振成像领域。

背景技术

磁共振成像(MRI)技术可用于在空间频率空间(例如，通常称为k空间)中收集数据，并且基于所收集的数据生成的图像可提供关于解剖结构的特征的洞察，这些洞察对于临床研究和诊断是重要的。k空间数据的收集可能是缓慢的过程，由此可见，可以应用欠采样来加速操作。然后可以重建欠采样的k空间数据(例如，重建为MRI图像)，以获得具有与全采样数据集(例如，全采样MRI图像)类似质量的结果。常规MRI加速技术(诸如压缩感知(CS)和并行成像(PI))可能需要良好的线圈配置(例如，其中多个线圈具有有区别的功率)和/或迭代计算，从而使它们对于某些使用情况(诸如涉及多层成像数据收集(例如，同时多层成像数据收集)的使用情况)而言是不适合或不令人满意的。因此，非常期望用于重建欠采样MRI信息(例如，k空间数据和/或MR图像)并以满足临床实践的实际要求和限制的方式进行重建的系统、方法和装置。

发明内容

本文描述了与基于包括欠采样MRI数据(例如，MRI图像或k空间数据)的同时多层成像(例如，两个或更多个)数据集来重建磁共振成像(MRI)图像相关联的系统、方法和装置。这样的SMS数据集可以包括在MRI扫描过程期间同时采集(例如，激发)的多个MRI切片图像。例如，SMS数据集可包括与第一MRI切片图像相关联的第一欠采样MRI数据、与第二MRI切片图像相关联的第二欠采样MRI数据等。根据本文所述的一个或多个实施例，人工神经网络(ANN)可被训练并用于获得(例如，接收)SMS数据集，并生成对应于第一MRI切片图像的第一重建MRI图像和对应于第二MRI切片图像的第二重建MRI图像。ANN可以被训练为通过训练过程执行这些任务，该训练过程可以包括：通过ANN的实例处理SMS训练数据集的第一欠采样MRI训练数据，以获得第一估计MRI图像；以及通过ANN的实例处理SMS训练数据集的第二欠采样MRI训练数据，以获得第二估计MRI图像，其中，第一欠采样MRI训练数据和第二欠采样MRI训练数据可以分别对应于SMS训练数据集的第一MRI切片图像和第二MRI切片图像。训练还可以包括：通过联合考虑与第一估计MRI图像相关联的第一训练损失和与第二估计MRI图像相关联的第二训练损失来确定组合训练损失(例如，平均损失、三元组损失等)；以及基于组合训练损失的梯度下降来调节ANN的实例的参数。

在示例中，第一欠采样MRI数据可包括与第二欠采样MRI数据相关联的第一伪影，第二欠采样MRI数据可包括与第一欠采样MRI数据相关联的第二伪影，但第一重建MRI图像和第二重建MRI图像可分别大致没有第一伪影和第二伪影。第一重建MRI图像和第二重建MRI图像也可具有与全采样MRI图像的质量大致类似的质量(例如，分辨率)。在示例中，本文所述的ANN可以包括共享大致类似的结构和执行参数的第一子网络和第二子网络。第一子网络可以被配置为处理第一欠采样MRI数据，并且第二子网络可以被配置为处理第二欠采样MRI数据。在ANN的训练期间，(例如用于训练的ANN的实例的)第一子网络可以被配置为处理第一欠采样MRI训练数据，(例如用于训练的ANN的实例的)第二子网络可以被配置为处理第二欠采样MRI训练数据，并且可以基于本文所述的训练损失对第一子网络和第二子网络的相应参数应用镜像更新。