磁共振成像PROPELLER数据网格化中的采样密度补偿新算法

PROPELLER磁共振数据的重建是一个典型的K空间非笛卡尔采样数据的重建问题.由于现有网格化重建算法中的密度补偿需要计算每个采样点的密度补偿系数,须对非笛卡尔分布的数据进行卷积运算,给定N采样点,该卷积运算需要N×N/2次距离运算,由于PROPELLER采集的数据量N很大,计算耗时非常长.本文提出PROPELLER数据网格化重建中的密度补偿新算法,通过基于网格化分量全为1的向量来计算在均匀网格点上的采样密度分布值进而加以补偿,使得算法复杂度大大下降.实验表明,本文算法比现有算法的运行时间缩短400多倍,而重建质量与原有算法基本相同.     

基于迭代的PROPELLER MRI重建算法

PROPELLER是磁共振成像中能有效消除运动伪影的一种新的采集技术。对于PROPELLER的重建,传统的卷积网格方法由于需要优化大量参数和采样密度补偿过程,重建图像的质量很难得到保证。本文提出使用迭代重建的方法进行PROPLLER的重建,通过加权预条件共轭梯度算法,迭代最小化代价函数,从而得到重建图像。为了提高速度,在每步迭代中,使用NUFFT计算矩阵-向量乘法。通过仿真数据和实际扫描数据比较验证,迭代算法相比卷积网格化方法提高了重建图像信噪比,消除了振铃伪影,并提高了图像的均匀性。     

PROPELLER磁共振成像数据重建中的仿射运动校正新算法

 PROPELLER (Periodically Rotated Overlapping ParallEL Lines with Enhanced Reconstruction)磁共振成像方法对刚性运动伪影的消除效果非常显著,已经在头部磁共振成像中获得了成功应用。但是刚性运动一般仅存在于头部成像中,人体其它部位成像往往伴随着不同程度的软组织拉伸变形。对于这种软组织变形必须基于非刚性运动模型才能准确地进行描述并加以校正。本文将PROPELLER采样中的每个k-空间条经过傅立叶逆变换重建得到临时图像,通过基于仿射运动模型的图像配准算法获得非刚性运动信息,然后根据仿射变换的频域性质,对PROPELLER采样中的每个k-空间条进行校正,最后经网格化重建得到最终图像。仿真实验与真实数据实验表明,相对于现有的PROPELLER重建算法,本文所提算法对于刚性运动与仿射运动造成的伪影均具有很好的校正效果。