论文部分内容阅读
磁共振成像(MagneticResonanceImaging，简称MRI)具有较高的软组织对比度与空间分辨率，并能根据需要灵活选择成像参数与成像层面，已经广泛应用于临床。然而，由于磁共振信号的弛豫时间限制和梯度编码原理的限制，常规磁共振扫描数据时间长，一定程度上限制了其在临床上的应用，尤其是运动器官成像，如脑功能成像和心血管系统的实时成像等。图像的时间分辨率和空间分辨率是此消彼长、相互制约的关系。因此如何获得高时空分辨率实时图像已经成为MRI技术应用和发展的关键。
基于PSF的稀疏采样重建算法具有非常显著的优点，可同时实现高时间和高空间分辨成像。虽然PSF成像研究在模型的参数估算上已经取得了进展，但是由于PSF成像模型需要较多的预扫描数据才能进行图像重建，造成预扫描时间较长，限制了其在临床上的应用，如何解决PSF扫描总时间过长已经成为目前PSF研究工作迫需解决的问题之一。为了解决这个问题，文章提出了基于部分可分离函数以及并行采集的新模型Parallel_PSF。在PSF模型采样方式基础上加入相控阵列线圈，在极度稀疏采样的基础上再对数据进行降采样，减少扫描时间。随后分别用图像域和空间域两种重建算法PSF_SENSE、PSF_GRAPPA重建扫描数据。利用文章中提出的方法分别进行仿真实验和载体实验，实验验证了模型的正确性，采样方法以及重建算法可以获得正确的动态磁共振图像。实验结果表明Parallel_PSF模型可以准确重建出时间序列图像，获得高时空分辨率磁共振图像同时将扫描速度提高为原来的2～3倍。