首页 > 文献资料
-
灵敏度编码磁共振谱成像(SENSE-SI)技术及图像重建方法
传统的相位编码磁共振谱成像(MRSI)采集数据需要很长的时间,使得MRSI在临床上的应用受阻.灵敏度编码磁共振谱成像(SENSE-SI)采用线圈矩阵来并行采集MRSI数据,是一种不仅可以大大减少数据采集时间,而且不影响空间和谱的分辨率的全新方法.在图像重建时利用各个线圈的空间灵敏度来对丢失的编码信息进行恢复,将像素折叠的图像进行展开,可以得到完全没有重叠伪影的代谢物图像.SENSE-SI采集数据的快速性和图像重建的高分辨性为MRSI真正应用于临床打下了坚实的基础.
-
基于Shepp-Logan模型的并行MRI数值模拟平台
我们以Shepp-Logan模型为基础,对并行MRI成像进行了仿真,采用Matlab的图形用户界面创建了并行MRI数值模拟平台.该平台可以建立不同分辨率的数值模型,设置阵列线圈的尺寸和摆放位置,计算线圈的灵敏度,模拟k-空间数据的采集,得到多通道的原始数据,并进行图像重建.为国内研究各种MRI重建算法提供了数值模拟的参考,为评估图像重建新算法的性能奠定了数据基础.
关键词: 数值模拟 Shepp-Logan模型 并行磁共振成像 线圈灵敏度 原始数据 -
基于SENSE和GRAPPA的并行磁共振图像重建算法
并行磁共振成像技术降低了采样时间,提高了成像速度和图像分辨率,但重建图像信噪比有所下降.为此提出了一种基于SENSE (Sensitivity Encoding)和GRAPPA (GeneRelized Autocalibrating Patially Parallel Acquisitions)的并行成像算法,降低由于减少采样行而造成的信噪比损失.在采集较少K空间中心自标定(ACS)行基础上,先用GRAPPA算法拟合出更多中心数据估计得到较为精确的线圈灵敏度,采用共轭梯度法进行图像重建,得到质量较好的重建图像,进而结合估计的线圈灵敏度进行交替迭代优化,计算出误差较小、分辨率较高的终重建图像.采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能.仿真实验结果表明,该算法重建出的MR图像从视觉效果上和定量对比结果上都优于已有算法.尤其是在加速因子较大、采样行数较少时可以重建出质量更高的磁共振图像,具有更低的归一化均方误差和更高的信噪比(能提高22%).新算法降低K空间采样行的同时,提高了并行磁共振重建图像信噪比并降低了噪声干扰.