[发明专利]一种物理智能高清磁共振扩散成像方法

说明书

一种物理智能高清磁共振扩散成像方法，包括以下步骤：1)获取多通道的单次激发或者多次激发b值为0mm/s²的带相位的磁共振图像，并估计得到通道灵敏度；2)根据刚体运动的多项式相位模型得到仿真的运动相位；3)利用带相位的磁共振图像，通道灵敏度和仿真运动相位来生成大量多激发的扩散加权图像数据作为智能重建网络的训练数据。4)构建包含多个迭代块的智能重建网络，其中每个迭代块包含低秩模块，稀疏模块，数据校验模块。最后一个迭代块还包含去噪模块。并利用仿真数据来训练智能重建网络；5)获取待重建的多激发扩散加权数据；6)利用训练好的智能重建网络重建多激发扩散加权数据，得到重建图像。

技术领域

本发明涉及一种物理智能高清磁共振扩散成像方法，尤其是包含是利用多项式仿真生成多激发扩散加权成像训练数据和基于稀疏和低秩的智能重建网络。

背景技术

扩散加权成像(Diffusion weighted imaging)是一种评估人体分子功能和微结构的方式，可以无侵入地检测组织中水分子的扩散运动(V.Baliyan et al.,“Diffusionweighted imaging: technique and applications,”World Journal of Radiology,8,785,2016)。多激发平面回波成像技术在扩散加权应用中具有提高分辨率和减少低畸的能力(H.An,X.Ma,Z.Pan,H.Guo,E.Y.P. Lee,“Qualitative and quantitative comparisonof image quality between single-shot echo-planar and interleaved multi-shotecho-planar diffusion-weighted imaging in female pelvis,”European radiology,30,1876-1884,2020)。但是，不同次激发之间存在严重的相位误差，从而导致严重的运动伪影(A.W.Anderson,J.C.Gore,“Analysis and correction of motion artifacts indiffusion weighted imaging,”Magnetic Resonance in Medicine,32,379-387,1994)。

近年来，许多基于低秩迭代模型的重建方法被用来矫正不同次激发间的运动相位，实现无运动伪影的重建。MUSSELS通过建立不同激发的图像之间的相位湮灭关系来构造结构化汉克尔矩阵，并约束矩阵的低秩，实现重建(M.Mani,M.Jacob,D.Kelley,V.Magnotta,“Multi-shot sensitivity-encoded diffusion data recovery usingstructured low-rank matrix completion(MUSSELS),”Magnetic Resonance inMedicine,78,494-507,2017)。PLRHM利用磁共振图像的光滑相位先验，构建结构化低秩矩阵，通过约束低秩矩阵的部分较大奇异值和来实现重建(Y.Huang et.al.,“Phase-constrained reconstruction for high-resolution multi-shot diffusion weightedimage,”Journal of Magnetic Resonance,312:106690,2020)。PAIR通过交替迭代重建幅值和相位来利用图像域的结构详细信息和傅里叶空间的低秩信息实现多激发扩散加权数据的重建(C.Qian et.al.,“A paired phase and magnitude reconstruction foradvanced diffusion-weighted imaging,”arXiv preprint,arXiv:2203.14559.2022)。