一种结合并行成像和压缩感知的快速磁共振成像新方法

压缩感知（CS）技术和并行成像技术（主要是SENSE技术、GRAPPA技术等）都能通过减少k空间数据的采集量来加快磁共振成像速度,目前已有一些将两种方法相结合进一步加速磁共振成像速度的方法（例如CS-GRAPPA）.本文针对数据采集和重建这两方面对现有CS-GRAPPA方法进行了改进,采集方式上采用了局部等间隔采集模板以满足GRAPPA重建的要求,并对采集模板进行随机放置以满足CS重建的要求;数据重建时,根据自动校正数据估算GRAPPA算法中欠采行的重建误差,并利用误差的大小确定在CS算法中保真的程度.不同磁共振图像重建实验的结果表明：与现有方法相比,本文方法能够更好地保留原有图像细节并有效减少伪影.     

压缩感知同步扫描重建及其采样方案的研究

压缩感知(compressed sensing,CS)-磁共振成像(magnetic resonance imaging,MRI)技术使用随机欠采样的k空间数据来重建图像,大大提高了成像速度.但典型的CS重建很费时,这也是CS-MRI临床应用的主要障碍之一.针对这一问题,该文提出了在扫描时同步进行CS图像重建的方案.在同步重建的过程中,可以实时显示重建图像的结果,用户可以根据图像质量来决定何时终止扫描,这样可以在节约扫描和重建时间的同时,更好地控制图像质量.由于预先无法确定最终的采样率,因此传统的变密度随机采样方法并不完全适用.该文设计了适用于同步重建过程的采样模式生成方案,同时提出了分段采样方法,把采样过程分为两个阶段,不同阶段使用不同的概率密度函数(probability density function,PDF)确定待采样的相位编码行.模拟实验的结果表明,与使用单一密度函数的采样方案相比,分段采样方案能够在整个同步扫描重建过程中始终获得更好的图像.     

用于压缩感知磁共振成像的分割字典学习算法

字典学习算法可以根据数据本身的特点构建稀疏域中的基,从而使数据的表示更加稀疏.该文在传统的字典学习算法基础上提出了分割字典学习算法,由于部分磁共振图像组织结构简单、可以进行图像分割,因此可根据此特点来优化字典中基函数的构建,使磁共振图像的表达更为稀疏,从而获得更高的重建图像质量.该文利用模拟数据和真实数据进行了重建实验,结果表明与传统的字典学习算法相比,分割字典学习算法能进一步改善重建图像质量.     

一种无磁化的5 T磁共振射频功率放大器设计

本文介绍了一种可以不接环形器,并在扫描间使用的5 T磁共振射频功率放大器（RFPA）．该RFPA基于驻波高耐受的横向扩散金属氧化物半导体（LDMOS）功率管进行设计,共包含三级放大电路．针对传统磁共振RFPA中带磁芯的传输线变压器进行了无磁化的设计,加强了对反射功率的监控,采用模拟负反馈技术实现了对RFPA非线性的自动矫正．测试结果显示该RFPA的输出功率为2 kW,在负载扰动（反射系数Г<0.5）时,40 dB动态输入范围,其增益线性度≤1 dB,相位线性度≤10°,满足成像需求,验证了该设计方案的合理性与可行性．     

一种永磁磁共振中磁体涡流场的测量方法

磁共振成像（Magntic Resonance Imaging,MRI）技术是一种先进的医疗影像技术.在MRI系统中,通过梯度线圈电流快速切换方向,对待测区域施加梯度磁场,产生的梯度磁场会在其周围的金属体内激发出变化的涡旋电场,进而导致金属体内闭合的回路中产生对原来的梯度电流起抑制作用的感生电流,也就是我们所说的涡流.本文介绍了一种测量磁体涡流场的方法,结合电磁感应定律,设计了一种磁体涡流场测量装置,通过硬件采集以及软件处理的方法,将理想梯度场与实际磁场进行相减并将波形实时呈现,实验结果表明该方法可实现对磁体涡流场的测量.     

增强低场下脑功能磁共振成像显著性的研究

实现了基于低场0.35 T磁共振成像系统的大脑功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）的研究. 基于质子密度加权的快速自旋回波(Turbo Spin Echo,TSE)图像,重点研究增强低场fMRI显著性的方法,目的在于提高低场fMRI的可用性. 结果表明：健康受试者在执行手动任务期间,大脑运动区的信号强度变化可以由基于血管外质子信号增强 (Signal Enhancement by Extravascular water Protons,EEP)的对比机制探测. 优化TSE序列参数能提高图像SNR和扫描速度,并在统计分析中增加外在屏蔽图像,可以有效地提高低场下fMRI研究结果的显著性.     

超强边缘磁场梯度场下的磁共振成像:STRAFI 实验

磁共振成像（MRI）是一个能够探测样品内部特性的有效检测手段,已被广泛应用于化学、生物研究,以及医疗诊断领域. 自约40年前发展以来, 成像方法的不断发展使得MRI的成像分辨率、实验效率和成像杂核能力得到了很大的改进. 边缘磁场成像（STRAFI）是一种很具潜力的成像方法之一,它利用了超导磁体本身具有的边缘场的强梯度场. 该综述介绍了STRAFI基础,并概括了成像的基本原理、STRAFI的实验理论和方法及其在实际研究中的应用. 由此将比较STRAFI实验相对于传统MRI方法的所具有的优势和多面可行性.     

一种以超分辨率理论为基础的磁共振眼球成像方法

磁共振成像（MRI）是一种无电离辐射的非介入性的眼内肿瘤检测方法,但分辨率和运动伪影是成像过程中不易克服的困难．以往的扫描方法或是不可避免的引入运动伪影,或是需要受试者做精确的配合,增加了成像的难度,给受试者带来不舒适的体验．本文提出了一种以超分辨率理论为基础的新的磁共振眼球成像方法,使用一种特制的眼球线圈,对眼部区域扫描一系列动态的图像,使得不同方向上的采集分辨率互补．最后经过预处理、配准、超分辨率重建等操作,得到高质量的磁共振眼球图像．实验结果表明,这种方法可以在不需要受试者做额外配合工作的情况下,得到更加清晰的磁共振眼球图像．     

基于稀疏重建的磁共振图像尖峰噪声消除方法

磁共振图像K空间中的尖峰噪声会严重影响图像质量.该文在磁共振图像压缩感知的共轭梯度重建法的基础上,提出一种新的利用磁共振图像稀疏性进行尖峰噪声修复的方法.传统的共轭梯度重建是通过小波域迭代进行的,对于K空间的尖峰噪声的消除不是最适合.首先提出压缩感知的K空间重建算法,该算法与小波域重建等效.在此基础上,提出可以较好地修复尖峰噪声的K空间部分重建算法.即在迭代过程中,以图像的稀疏性作为约束条件,仅修改尖峰噪声所遮盖区域的数据,其他位置的数据保持不变.该算法与传统的插值算法及共轭梯度算法相比,能够更好地修复K空间尖峰噪声点,减少图像伪影,同时降低了对尖峰噪声定位准确性的要求.     

一种可拆装式的脑外科手术用磁共振成像线圈

在临床磁共振成像(MRI)应用中,射频线圈的设计是非常关键的,针对不同的应用目的,合适的线圈能获得质量更好的图像. 有的应用需要线圈提供均匀性较好的射频场,而有的应用则需要线圈在特定区域内提供高的信噪比(SNR). 但是线圈很难同时得到好的射频场（B₁场）、空间均匀性和高的SNR,需要根据实际应用情况进行折衷设计. 针对MRI在脑外科手术中的应用特点,设计并制作了一种新颖的、适用于脑外科手术的MRI接收和发射共用射频线圈. 该线圈采用可分拆式结构,在脑外科手术支架上可以进行反复组装和拆卸,减少了MRI对医生手术的影响. 仿真结果和人体成像实验表明,该线圈能产生均匀的射频场、有较高的SNR和较大的成像范围,满足脑外科手术的需要.     

基于Dense-UNet++的关节滑膜磁共振图像分割

为解决以往基于深度学习的滑膜磁共振图像分割模型存在的分割精度较低、鲁棒性较差、训练耗时等问题,本文提出了一种基于Dense-UNet++网络的新模型,将DenseNet模块插入UNet++网络中,并使用Swish激活函数进行训练．利用1 036张滑膜磁共振图像数据增广后的14 512张滑膜图像对模型进行训练,并利用68张图像进行测试．结果显示,模型的平均DSC系数为0.819 9,交叉联合度量（IOU）为0.927 9．相较于UNet、ResUNet和VGG-UNet++网络结构,DSC系数和IOU均有提升,DSC振荡系数降低．另外在应用于相同滑膜图像数据集和使用相同的网络结构时,Swish函数相比ReLu函数有助于提升分割精度．实验结果表明,本文提出的算法对于滑膜磁共振图像的病灶区域的分割有较好的效果,能够辅助医生对病情做出判断．     

基于GPU加速的磁共振血管造影图像的并行分割与追踪算法

在应用磁共振血管造影图像进行临床诊断时,临床医生往往需要提取感兴趣区域(Region Of Interest,ROI)的部分血管.这个工作传统上需要手工进行,费时费力.该文提出一种并行的血管分割与追踪算法,利用现代图形处理器(Graphics Processing Unit,GPU)所具备的大规模并行计算能力进行快速的血管分割.首先将三维图像网格化为共面的立方体,并行处理每个立方体,确定立方体中哪些表面有血管通过,以及立方体中哪些体素包含血管.之后再将该结果用于串行的全局分割与血管追踪处理.实验结果表明,利用这种先并行后串行的方法,可以在1 s之内完成全脑血管的分割,分割的结果也更准确.     

旋转不变的非局域均值算法在磁共振图像去噪中的应用

磁共振成像（MRI）实验时常采用多次扫描累加平均提高图像信噪比（SNR）,但当扫描过程中运动引起图像变形时,简单地累加平均就无法奏效.为此,本研究组曾提出一种匹配加权平均方法（MWA）提高图像的信噪比.在此基础上,该文提出一种旋转不变的非局域均值算法（RINLM）,即选取圆形邻域区域并将其划分为一系列以中心像素为圆心的等面积圆环,再计算模式的相似性.RINLM算法可以更好地利用图像中旋转的冗余信息、找到更多的相似结构,提高算法的去噪性能.我们把该方法应用于低信噪比图像序列的平均和去噪中,可以更好地处理旋转的局部运动.与非局域均值算法（NLM）相比,RINLM算法可以进一步提高图像的信噪比;与MWA方法相比,其与RINLM算法的结合可以进一步提高磁共振图像序列信噪比,更好的保持图像边缘信息.     

基于局部位移校正的磁共振图像相干平均

多次扫描相干平均是提高磁共振图像信噪比的常用方法,但如果在多次扫描过程中病人发生自主或不自主的运动,使得图像中的组织发生位移,简单相干平均图像会导致图像模糊.本文受非局域均值算法的启发,提出了一种基于局部位移校正的相干平均方法.该算法通过比较多次采集的图像中组织结构的局部相似性,找出图像间的局部位移,利用该信息修正位移后进行加权平均,从而达到提高图像信噪比的目的.我们用模型及真实的肝脏弥散数据进行了实验.实验结果表明,对于不同次采样间存在运动的磁共振图像,该算法可有效地提高信噪比并保持结构边缘;其结果优于简单的相干平均,去噪效果也优于经典的非局域均值算法.     

胶束型磁共振成像分子探针的设计与应用

飞速发展的分子影像学在肿瘤的早期诊断及检测中发挥着越来越重要的作用.磁共振成像(MRI)是分子影像学的重要分支,具有其他成像技术不可比拟的优越性和广阔的发展前景.它不需要放射性示踪剂,没有电离辐射,具有高的空间、时间分辨率和组织对比度.近年来,新型磁共振分子探针及成像序列取得了一系列进展,包括环境响应型分子探针、¹⁹F成像、¹²⁹Xe超极化成像以及化学交换饱和转移成像等,进一步拓展了MRI的应用范围.研究和开发靶向性好、弛豫效率高且安全性好的新型多模态MRI造影剂,进一步提高灵敏度是MRI领域的一项重要课题,例如将胶束的特性与一些MRI新方法结合,寻找合适的胶束体系,以提高MRI分子探针的灵敏度;或者引入多模态分子探针,弥补磁共振方法的不足.本文综述了胶束型MRI分子探针核心技术的研究进展与应用,并指出分子影像技术在生物医学工程研究和临床诊断中的重要性.