專利名稱：彌散加權成像方法及系統(tǒng)的制作方法
彌散加權成像方法及系統(tǒng)技術領域：
本發(fā)明涉及磁共振成像，尤其涉及一種彌散加權成像方法及系統(tǒng)。背景技術：
近年來，彌散張量成像技術作為一種高空間分辨率、非入侵性的成像技術被廣泛 的應用于臟器的測量之中。但是傳統(tǒng)使用的自旋回波-彌散張量成像技術(SE-DTI)獲取 數(shù)據(jù)的速度較慢，對于由呼吸、心跳等運動帶來的偽影影響十分敏感，無法在在體臟器上使用。
發(fā)明內容基于此，有必要提供一種能提高成像速度的彌散加權成像方法。一種彌散加權成像方法，包括以下步驟掃描并采樣獲得部分圖像數(shù)據(jù)；根據(jù)所 述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解完整的圖像數(shù)據(jù)；根據(jù)所述 完整的圖像數(shù)據(jù)重建圖像。在優(yōu)選的實施方式中，根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法 來迭代求解完整的圖像數(shù)據(jù)步驟包括如下步驟利用部分可分離函數(shù)模型描述完整的圖像 數(shù)據(jù)；根據(jù)所述部分圖像數(shù)據(jù)，采用低秩矩陣填充因式分解算法求解完整的圖像數(shù)據(jù)。在優(yōu)選的實施方式中，利用部分可分離函數(shù)模型描述完整的圖像數(shù)據(jù)的公式為A(χ) = b其中，χ為重建的圖像，b為所述部分圖像數(shù)據(jù)，A為所述完整的圖像數(shù)據(jù)與所述部 分圖像數(shù)據(jù)之間的映射。在優(yōu)選的實施方式中，根據(jù)所述部分可分離函數(shù)模型，將χ分解為低秩矩陣的乘 積，X = UV,使得U和V滿足秩(X) < r，其中，U為第一因式，V為第二因式，r為指定的秩， χ為所述完整的圖像數(shù)據(jù)。在優(yōu)選的實施方式中，根據(jù)所述部分圖像數(shù)據(jù)，采用低秩矩陣填充因式分解算法 求解完整的圖像數(shù)據(jù)步驟包括如下步驟固定所述第二因式，求解所述第一因式；固定所 述第一因式，求解所述第二因式；判斷在指定迭代次數(shù)內圖像的變化是否小于閾值，如果 是，結束對每個因式進行求解；如果否，繼續(xù)進行迭代。在優(yōu)選的實施方式中，對每個因式進行求解的步驟包括如下步驟(1)隨機初始化U(°)，V(°)，U(°)為未開始迭代前的第一因式V(°)為未開始迭代前的 第二因式，把迭代次數(shù)設為零。保持νω不變，U(W)由下式獲得Uiq+l) = arg min\Av(q.^ec(U)—其中，q為迭代次數(shù)，Uk+1)為第q+Ι次迭代得到的第一因式，Vk)為第q次迭代得 到的第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；(2)保持U(<1+1)不變，V(<1+1)由下式獲得
F(<i+1) =argmin||4/(9+1)vec(F)-^|[其中，q+1為迭代次數(shù)，U(<1+1)為第q+Ι次迭代得到的第一因式，V—1)為第q+Ι次迭 代得到的第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；(3)如果迭代超過最大次數(shù)，或相對誤差I |A(U(H-b I2/ |b I2小于預期的 閾值，迭代終結，其中，q+Ι為迭代次數(shù)，U(時)為第q+Ι次迭代得到的第一因式，V(W)為第 q+Ι次迭代得到的第二因式，A為所述完整的圖像數(shù)據(jù)與所述部分圖像數(shù)據(jù)之間的映射，b 為所述部分圖像數(shù)據(jù)。在優(yōu)選的實施方式中，對每個因式進行求解的方法為最小二乘法。一種彌散加權成像系統(tǒng)，其特征在于，包括采樣模塊，用于掃描并采樣獲得部分 圖像數(shù)據(jù)；求解模塊，用于根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代 求解完整的圖像數(shù)據(jù)；圖像重構模塊，用于根據(jù)每個因式的解重構圖像。在優(yōu)選的實施方式中，所述求解模塊根據(jù)部分可分離函數(shù)模型，將χ分解為低秩 矩陣的乘積，X = UV,使得U和V滿足秩(X) < r，其中，U為第一因式，V為第二因式，r為 指定的秩，χ為所述完整的圖像數(shù)據(jù)。在優(yōu)選的實施方式中，所述求解模塊通過如下方法進行求解固定所述第二因式， 求解所述第一因式；固定所述第一因式，求解所述第二因式；判斷在指定迭代次數(shù)內圖像 的變化是否小于閾值，如果是，結束對每個因式進行求解；如果否，繼續(xù)進行迭代。在優(yōu)選的實施方式中，所述求解模塊通過如下方法進行求解(1)隨機初始化U(。)，V(°)，U(°)為未開始迭代前的第一因式V(°)為未開始迭代前的 第二因式，把迭代次數(shù)設為零。保持Vw不變，U(W)由下式獲得U(q+1) = arg min\Av(q.^ec(U)—其中，q為迭代次數(shù)，Uk+1)為第q+Ι次迭代得到的第一因式，Vk)為第q次迭代得 到的第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；(2)保持U—1)不變，V—1)由下式獲得F(< +1) =argmin||4/(9+1)vec(F)-^|[其中，q+1為迭代次數(shù)，U(<1+1)為第q+Ι次迭代得到的第一因式，V—1)為第q+Ι次迭 代得到的第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；(3)如果迭代超過最大次數(shù)，或相對誤差I |A(U(H-b I2/ |b I2小于預期的 閾值，迭代終結，其中，q+Ι為迭代次數(shù)，U(時)為第q+Ι次迭代得到的第一因式，V(W)為第 q+Ι次迭代得到的第二因式，A為所述完整的圖像數(shù)據(jù)與所述部分圖像數(shù)據(jù)之間的映射，b 為所述部分圖像數(shù)據(jù)。上述彌散加權成像方法及系統(tǒng)采用部分采集和低秩矩陣填充的因式分解算法，從 而達到提高空間分辨率，提高信噪比及快速地成像。
圖1為實施例一中的彌散加權成像方法的流程圖；圖2為圖1中的彌散加權成像方法中的根據(jù)部分圖像數(shù)據(jù)利用低秩矩陣填充因式 分解算法迭代求解完整的圖像數(shù)據(jù)方法的流程圖3為圖2中的彌散加權成像方法中的因式分解算法迭代求解方法的流程圖；圖4為實施例一中的彌散加權成像系統(tǒng)的示意圖。
具體實施方式下面結合具體的實施方式進行說明。如圖1所示，一種彌散加權成像方法，包括以下步驟S100，掃描并采樣獲得部分圖像數(shù)據(jù)。采樣的方式可為隨機采樣或順序采樣，在優(yōu) 選的實施方式中，采樣方式為隨機采樣。S200，根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解完整 的圖像數(shù)據(jù)。在優(yōu)選的實施方式中，對每個因式進行求解的方法為最小二乘法。如圖2所 示，步驟S200包括如下步驟S210，利用部分可分離函數(shù)模型描述完整的圖像數(shù)據(jù)。利用部分可分離函數(shù)模型 描述完整的圖像數(shù)據(jù)的公式為A(x) =b其中，χ為完整的圖像數(shù)據(jù)，b為部分圖像數(shù)據(jù)，A為完整的圖像數(shù)據(jù)與部分圖像數(shù) 據(jù)之間的映射。S220，根據(jù)所述部分圖像數(shù)據(jù)，采用低秩矩陣填充因式分解算法求解完整的圖像 數(shù)據(jù)。因式分解的結果可為多個因式，在本實施例中，根據(jù)所述部分可分離函數(shù)模型，將X 分解為低秩矩陣的乘積，X = UV，使得U和V滿足秩(X) <r，其中，U為第一因式，V為第二 因式，r為指定的秩，χ為重建的圖像。即
權利要求
1.一種彌散加權成像方法，包括以下步驟掃描并采樣獲得部分圖像數(shù)據(jù)；根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解完整的圖像數(shù)據(jù)；根據(jù)所述完整的圖像數(shù)據(jù)重建圖像。
2.根據(jù)權利要求1所述的彌散加權成像方法，其特征在于，根據(jù)所述部分圖像數(shù)據(jù)，利 用低秩矩陣填充因式分解算法來迭代求解完整的圖像數(shù)據(jù)步驟包括如下步驟利用部分可分離函數(shù)模型描述完整的圖像數(shù)據(jù)；根據(jù)所述部分圖像數(shù)據(jù)，采用低秩矩陣填充因式分解算法求解完整的圖像數(shù)據(jù)。
3.根據(jù)權利要求2所述的彌散加權成像方法，其特征在于，利用部分可分離函數(shù)模型 描述完整的圖像數(shù)據(jù)的公式為A (χ) = b其中，χ為重建的圖像，b為所述部分圖像數(shù)據(jù)，A為所述完整的圖像數(shù)據(jù)與所述部分圖 像數(shù)據(jù)之間的映射。
4.根據(jù)權利要求2所述的彌散加權成像方法，其特征在于，根據(jù)所述部分可分離函數(shù) 模型，將χ分解為低秩矩陣的乘積，χ = UV，使得U和V滿足秩(χ) < r，其中，U為第一因 式，V為第二因式，r為指定的秩，χ為所述完整的圖像數(shù)據(jù)。
5.根據(jù)權利要求4所述的彌散加權成像方法，其特征在于，根據(jù)所述部分圖像數(shù)據(jù)，采 用低秩矩陣填充因式分解算法求解完整的圖像數(shù)據(jù)步驟包括如下步驟固定所述第二因式，求解所述第一因式；固定所述第一因式，求解所述第二因式；判斷在指定迭代次數(shù)內圖像的變化是否小于閾值，如果是，結束對每個因式進行求解； 如果否，繼續(xù)進行迭代。
6.根據(jù)權利要求4所述的彌散加權成像方法，其特征在于，對每個因式進行求解的步 驟包括如下步驟(1)隨機初始化u(°)，v(°)，u(°)為未開始迭代前的第一因式，v(°)為未開始迭代前的第二 因式，把迭代次數(shù)設為零。保持νω不變，U(W)由下式獲得U^ =^mm\Anq)vec{U)-bl其中，q為迭代次數(shù)，Uk+1)為第q+Ι次迭代得到的第一因式，Vw為第q次迭代得到的 第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；(2)保持U(時)不變，V('+1)由下式獲得V^^argmml^veciV)^其中，q+1為迭代次數(shù)，U(<1+1)為第q+Ι次迭代得到的第一因式，V—1)為第q+Ι次迭代得 到的第二因式，vec(.)是把矩陣的元素按列堆積成一個向量，b為所述部分圖像數(shù)據(jù)；⑶如果迭代超過最大次數(shù)，或相對誤差I |A(uH-b |2/ |b I2小于預期的閾 值，迭代終結，其中，q+Ι為迭代次數(shù)，U(<i+1)為第q+Ι次迭代得到的第一因式，V(tl+1)為第q+1 次迭代得到的第二因式，A為所述完整的圖像數(shù)據(jù)與所述部分圖像數(shù)據(jù)之間的映射，b為所 述部分圖像數(shù)據(jù)。
7.根據(jù)權利要求1所述的彌散加權成像方法，其特征在于，對每個因式進行求解的方 法為最小二乘法。
8.一種彌散加權成像系統(tǒng)，其特征在于，包括采樣模塊，用于掃描并采樣獲得部分圖像數(shù)據(jù)；求解模塊，用于根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解 完整的圖像數(shù)據(jù)；圖像重構模塊，用于根據(jù)每個因式的解重構圖像。
9.根據(jù)權利要求8所述的彌散加權成像系統(tǒng)，其特征在于，所述求解模塊根據(jù)部分可 分離函數(shù)模型，將χ分解為低秩矩陣的乘積，χ = UV，使得U和V滿足秩(χ) <r，其中，U為 第一因式，V為第二因式，r為指定的秩，χ為所述完整的圖像數(shù)據(jù)。
10.根據(jù)權利要求8所述的彌散加權成像系統(tǒng)，其特征在于，所述求解模塊通過如下方 法進行求解固定所述第二因式，求解所述第一因式；固定所述第一因式，求解所述第二因式；判斷在指定迭代次數(shù)內圖像的變化是否小于閾值，如果是，結束對每個因式進行求解； 如果否，繼續(xù)進行迭代。
11.根據(jù)權利要求8所述的彌散加權成像系統(tǒng)，其特征在于，所述求解模塊通過如下方 法進行求解(1)隨機初始化U(°)，v(°)，u(°)為未開始迭代前的第一因式v(°)為未開始迭代前的第二 因式，把迭代次數(shù)設為零。保持νω不變，U(W)由下式獲得
全文摘要
一種彌散加權成像方法，包括以下步驟掃描并采樣獲得部分圖像數(shù)據(jù)；根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解完整的圖像數(shù)據(jù)；根據(jù)所述完整的圖像數(shù)據(jù)重建圖像。一種彌散加權成像系統(tǒng)，包括采樣模塊，用于掃描并采樣獲得部分圖像數(shù)據(jù)；求解模塊，用于根據(jù)所述部分圖像數(shù)據(jù)，利用低秩矩陣填充因式分解算法來迭代求解完整的圖像數(shù)據(jù)；圖像重構模塊，用于根據(jù)每個因式的解重構圖像。上述彌散加權成像方法及系統(tǒng)采用部分采集和低秩矩陣填充的因式分解算法，從而達到提高空間分辨率，提高信噪比及快速地成像。
文檔編號G06T11/00GK102054281SQ20101061297
公開日2011年5月11日 申請日期2010年12月29日 優(yōu)先權日2010年12月29日
發(fā)明者劉新, 劉暢, 吳垠, 寇波, 張磊, 戴睿彬, 鄒超, 鄭海榮 申請人:中國科學院深圳先進技術研究院