磁共振并行成像線圈敏感度計算方法的綜合評述

1、磁共振并行成像線圈敏感度計算方法的綜合評述作者：李逸明 單位：上海交通大學醫(yī)學院附屬新華醫(yī)院引言磁共振成像速度一直是臨床應用所要考慮的重要因素1。在硬件方面，成像速度極大的依賴于磁共振設 備的梯度系統(tǒng)性能，同時硬件的發(fā)展也極大制約了速度的進一步提高。其原因在于物理、生理上的限制，以 及過快的場梯度切換率給患者神經、肌肉上的刺激。因此，磁共振成像速度從生理以及技術的角度上看幾乎 以提高到了極限。在最近的十幾年中，磁共振并行成像技術的出現(xiàn)對磁共振成像產生了根本變革，它是一種 通過改變磁共振圖像重建算法來提高成像速度的技術，不需要依賴于梯度性能的提高。并行成像技術主要利 用相控陣線圈中單個接受線圈的

2、空間敏感度信息來編碼空間信息，降低成像所必須的梯度編碼數(shù)（主要是相 位編碼步數(shù)）達到加速成像的目的。任何磁共振并行成像算法都需要計算線圈的空間敏感度，以代替K空間欠采樣所損失的相位編碼步信息, 而并行成像技術的圖像重建過程包含兩個方面，一個就是線圈敏感度的計算，另一個就是重疊像素的展開重 建。所以選擇一種精確的線圈敏感度系數(shù)計算策略在某種程度上比一種好的重建算法更加重要；2。1線圈敏感度的定義傳統(tǒng)的磁共振成像是通過梯度場編碼傅立葉圖像的空間信息，一次只能填充一條K空間線，獲取一張完整 的圖像需要將K空間完全填充，即必須采集每條K空間線，而被測物體的空間位置信息完全取決于梯度編碼 步。多線圈并行

3、成像技術采用的接受線圈敏感度編碼技術與梯度編碼不同。被測物體產生的磁共振信號在其 附近的接收線圈內誘導產生的電壓與其對應的空間位置密切相關，這種因空間位置而帶來信號強度差異稱之 為線圈敏感度3。2線圈敏感度計算方法2.1標準線圈敏感度計算方法線圈敏感度標準計算方法有Pruessmann4 等人提出。這種方法是在進行正式掃描之前進行一次預掃描。 分別得到相控陣線圈中每個線圈（表面線圈）的低分辨率全FOV圖像以及體線圈的低分辨率全FOV圖像， 將兩者相除，得到每個線圈的原始敏感度矩陣：直接做除法得到的原始敏感度矩陣的SNR很低，主要是由于來自體線圈采集的圖像噪聲較大，可以采用多項式擬合方法 平滑噪

4、聲；同時，由于被測物體相對位置的移動會造成邊緣誤差。另外一種做法是不采用體線圈做為參考，而是采用相控陣線圈各個單元得到的低分辨率全FOV圖像的均 方作為分母：標準線圈敏感度估計方法計算簡單，運用范圍廣，SMASH和SENSE并行成像算法均采用該方法計算線 圈敏感度。但是，在臨床應用時，存在不少缺點。首先，對線圈敏感度額外掃描無疑增加了總掃描時間。其 次，線圈敏感度并非總是不變的，如果被測物體預掃描時存在位置移動以及預掃描圖像本身會帶來截斷偽影， 扭曲變形，化學位移偽影都會影響最終線圈敏感度系數(shù)的測量。2.2自動校正線圈敏感度估計方法自動校正法就是在保持原有欠采樣策略的基礎上采集K空間中心附近參

5、考數(shù)據，即正式掃描時附加掃描 ACS（ Auto Calibration Signal）行，用K空間中心數(shù)據進行敏感度估計。這類方法的理論依據是，位于K空間 中心的數(shù)據點控制圖像的對比度（對應于信號的幅度），位于K空間外圍的數(shù)據點控制圖像的空間分辨率 （對應于信號的相位），圖像的大部分信息包含在K空間中心區(qū)域的低頻部分，而K空間邊緣部分決定圖像 細節(jié)。自動校正法克服傳統(tǒng)線圈敏感度測量方法魯棒性差的問題，實時測量線圈敏感度信息，解決了成像過 程中病人與線圈相對位置的變化造成敏感度估計誤差的問題，因此獲得了廣泛的應用。運用自動校正線圈敏感度估計方法的并行成像方法主要是基于K空間域的重建算法，包括A

6、UTO- SMASH,VD-AUTO-SMASH, GRAPPA5-7。而圖像域的以 mSENSE8最具代表性。其中 AUTO-SMASH 技術除了 采樣1/R的K空間相位編碼行數(shù)據外，另外需要R-1行自動校正數(shù)據，通常這些數(shù)據位于K空間中心位置。 隨后，為了克服AUTO-SMASH重建算法中魯棒性差的問題，提出了 VD-AUTO-SMASH。這個方法在K空間中 心采集更多的ACS線來估算線圈敏感度，以此提高線圈權重系數(shù)估計的精度和穩(wěn)健性。GRAPPA使用和VD- AUTO-SMASH 方法一樣的K空間采集方式，如圖1所示，虛線為ACS線。下面介紹運用最廣泛的GRAPPA算法以幫助理解自動校正

7、線圈敏感度估計方法。GRAPPA是一種更通用的基于K空間的圖像重建方法，利用掃描K空間中心少量幾行附加采集的K空間 線來估計線圈敏感度，在重建缺失的K空間線時GRAPPA將各個相控陣線圈信號擬合到單個線圈的自動校正 行，從而得到每個線圈的一系列權重系數(shù)，來重建每個線圈的K空間缺失行：羅虹虹+成代）=*兄件*必七兀）以） 1 -1 1 AtSU 虹 士 tn歐）=SK虹通過（3）式將各個相控陣線圈信號擬合到單個線圈的ACS行即可得到權重系數(shù)，將權重系數(shù)代入到（4）式使欠采樣 數(shù)據線得到位移，最終得到單個線圈整個K空間數(shù)據，經過傅立葉變換得到全FOV圖像，在所有線圈上重復 這個過程，得到每個線圈的

8、全FOV圖像，取各圖像的平方和，就得到最終重建圖像。對于GRAPPA算法，無 需再單獨計算線圈敏感度映射圖，可以說既節(jié)省了預掃描時間，又解決了被測物體位置移動造成線圈敏感度 變化的特點。加睥菜樣(a)FuHy sainpliii(t) SMASH 和 SZM&E t R=3 (b) SMASH and SENSE( R.=3 (e) AUTO-SKfASH(c)AUTO-SN-ASff(d) VB-AUTO-SLASH 和 GRAPPAS3 A7!-AUTO-SMASH and GRAPPA囹1各算法k空間數(shù)據采集方式卜Fig .1 AcquiEitioH tno de cf svstv al

9、gotithni in k-tpnce +1科訊醫(yī)療網 rod,tec hi-ex. com如今，基于自動校正線圈敏感度估計的方法朝著提高權重系數(shù)估計精度或者減少ACS行掃描又不降低線圈敏 感度估計精度的兩個方向發(fā)展。近年來，有研究者將線圈敏感度估計擴展到基于k空間的二維重建9，即將 鄰近數(shù)據的擬合從一維（僅Ky方向）擴展到二維（Kx方向和Ky方向），用于擬合ACS行的空間數(shù)據增多， 使得權重系數(shù)的估計精度較GRAPPA得到進一步提高，但是這種方法會影響計算效率，增加重建時間，對軟 硬件都有很高的要求，通用性不強。類似的方法有Michael Lustig等人提出SPIRIT算法坷，該算法合成一

10、個 未采樣中心點取決于它相鄰的已采樣點和未采樣點，而傳統(tǒng)GRAPPA算法合成一個未采樣中心點僅取決于它 相鄰的已采樣點。該方法是通過迭代方法犧牲計算復雜度換取擬合精度，并且可以擴展到非笛卡爾坐標系。另一方面，為了減少掃描ACS行的數(shù)量，Haifeng WANG等人用試驗證明沿欠采樣方向（相位編碼方向）采 集ACS線比沿全采樣方向（頻率編碼方向）采集ACS線的校正精度高，成像效果好11。于是，提出CS- GRAPPA算法，該算法沿相位編碼方向采集ACS線獲取線圈敏感度信息，采集的ACS線正交于欠采樣線。相 比于GRAPPA該算法只需要采集較少的ACS線就能獲得較好的成像效果，但是交叉采集ACS線

11、方式，存在 ACS數(shù)據配準問題，并且這種不能應用于非笛卡爾坐標系。2.3預掃描自動校正法在多數(shù)情況下，用于成像的序列和掃描線圈敏感度信息、（即掃描ACS線）的脈沖序列是相同的。用同樣的 成像序列來掃描額外的ACS線的優(yōu)勢在于額外獲得K空間數(shù)據線可用于最終成像，這樣能夠提高信噪比降低 偽影。然而，在實際應用中，尤其是單次激發(fā)采集情況下，用同樣的脈沖序列掃描附加的K空間線以獲取線 圈敏感度未必有利于成像。Griswold12等人做了相關實驗證明，在正式成像之前用快速成像序列掃描得到敏 感度信息能夠加快成像速度，而且對成像質量沒有不利影響，是一種有效的成像策略。2.4動態(tài)線圈敏感度校正法動態(tài)MRI對

12、隨時間變化的物體成像，在臨床上的應用有對心臟成像、腦部血液動力學成像等。動態(tài)MRI 要求在不犧牲空間分辨率的同時降低采樣數(shù)據量，已達到加速成像的效果。如今應用最廣泛的動態(tài)MRI是并 行成像與時間濾波相結合的方法。在并行成像時，對于普通的靜態(tài)成像，如所有的傳統(tǒng)的臨床掃描，我們每次只能掃描物體的一個層面獲 得一幅圖像，因此需要額外掃描線圈敏感度信息，正如上文提到的，通常掃描K空間中心線附近數(shù)據獲得低 分辨率線圈敏感度信息圖。當動態(tài)并行成像時，不止采集一幅圖像，我們使用交錯采集的方法獲取全分辨率 的線圈敏感度信息，這種線圈敏感度估計方法稱之為動態(tài)線圈敏感度校正法。該方法首先由Bruno Madore

13、 等人在UNFOLD13算法中提出，隨后在TSENSE14算法和TGRAPPA15算法中也得到了應用。在該算法中， 線圈敏感度映射圖通過幾幅相鄰幀相加而成，最終得到一幅全分辨率全FOV的圖像。在動態(tài)磁共振成像時， 這種線圈敏感度估計策略具有以下優(yōu)點：1.對比自動校正線圈敏感度校正方法，動態(tài)線圈敏感度校正法省去 了額外掃描時間。2.線圈位置的移動不會對線圈敏感度值的估計造成太大影響，因為線圈敏感度映射圖每R 幀就更新一次（R為加速因子），具體方法如圖2所示。采用時間交錯采樣的方法，其中R=4，實線為已采 樣數(shù)據線，虛線為未采樣的數(shù)據線將這4幀圖像合并成一個完整的K空間中的ACS線或者全FOV的參

14、考圖 作為對各個線圈敏感度的估計。至少合并R個相鄰幀重建一個完全編碼的全分辨率的K空間域線圈敏感度參 考圖。當然，合并的幀數(shù)越多，ACS數(shù)據或全FOV的參考圖估計越精確，最終的并行成像重建也越優(yōu)化。為了估計線圈敏感度，必須獲取各個線圈全FOV圖像作為參考圖像。在TSENSE方法中，全FOV圖像是 直接使用欠采樣混疊圖像通過類似于UNFOLD方法的時間低通濾波重建的。而TGRAPPA使用滑窗平均采集 自動校正信號。TSENSE和TGRAPPA的濾波器是假設線圈敏感度緩慢的隨著時間變化的，只有在病人平靜呼 吸時，才能起到有效濾波，獲取線圈敏感度系數(shù)。當病人呼吸急促時候，接收線圈隨著胸壁快速、大幅度

15、變 換位置，這兩種濾波器會引起欠采樣空間原始數(shù)據與相關線圈敏感度不匹配（mismatch），為了克服這個缺 點，也出現(xiàn)過一些替代原有濾波器的改進算法16,17。在近幾年的臨床應用中，k-tSENSE/BLAST18,19和k-tGRAPPA20是兩個運用最廣泛的標準動態(tài)并行成像 技術。上述兩種算法都運用了動態(tài)線圈敏感度校正技術，通過交錯采集方式獲取一幀幀欠采樣的K空間數(shù)據, 不額外采集ACS線。不同的是k-tSENSE/BLAST算法重建是在x-f空間中進行的，而k-tGRAPPA算法對于未 采樣點的重建是在k-t空間中進行的，使用最鄰近的一幀相同位置的已采樣數(shù)據作為ACS線，再擬合k-t空間

16、 中其他3個方向的已采樣點。另外，k-tSENSE/BLAST算法需要訓練數(shù)據，而k-tGRAPPA不需要訓練數(shù)據、 濾波器以及額外的線圈敏感度映射圖。兩種算法都不局限于準周期的運動物體的成像，屬于較通用的動態(tài)成 像方法，在臨床中得到廣泛的應用。在臨床應用中，動態(tài)線圈敏感度估計方法的優(yōu)勢在于能夠追蹤線圈敏感度的變化(如呼吸導致的胸壁移 動等)，而且能夠節(jié)省采集額外的線圈敏感度參考數(shù)據的時間。是一種對無門控狀態(tài)動態(tài)心臟成像、胸肺部 成像等有效的動態(tài)線圈敏感度估計策略。然而，動態(tài)線圈敏感度估計方法其實質是利用時間空間相關性采用 交錯采集方式最終提取線圈敏感度信息，它的應用是有條件的：首先，它必須保

17、證連續(xù)的動態(tài)圖像變化是非 常平滑的，被測物體位置的突然移動會導致最終圖像的鬼影。其次，必須選擇合適的濾波器對用來計算線圈 敏感度的參考圖像進行濾波。3總結與討論對于靜態(tài)物體的磁共振并行成像，自動線圈敏感度校正方法具有較強的魯棒性，對于病人位置移動造成 的偽影具有抑制作用，對線圈敏感度測量具有實時性，已經逐漸替代了標準線圈敏感度估計方法，成為了線 圈敏感度計算方法的主流應用。從近幾年的并行成像算法發(fā)展趨勢來看，線圈敏感度估計方法主要思路是朝 著提高權重系數(shù)估計精度或者減少ACS行掃描又不降低線圈敏感度估計精度的兩個方向發(fā)展。另外，在并行 成像時對于使用不同脈沖序列激勵獲得線圈敏感度校正數(shù)據和欠采

18、樣數(shù)據，以縮短掃描時間是一個嶄新值得 關注的方向。對于動態(tài)磁共振并行成像，由于其采集了多幀圖像，在加速成像時不僅利用了并行成像的空間 相關性信息，還利用了各幀圖像的時間相關性信息。動態(tài)線圈敏感度方法正是基于各幀圖像時間相關性的方 法，它也是當今動態(tài)磁共振并行成像最通用的線圈敏感度計算方法，然而該方法后期處理需要選擇合適的濾 波器來提取精確的線圈敏感度信息。在磁共振并行成像算法改進研究如火如荼的進行的同時，對于線圈敏感度計算方法的研究就顯的少之又 少。磁共振并行成像的效果很大程度上依賴于線圈敏感度系數(shù)估計的精度，如何應用更加準確而又不增加格 外掃描負擔的線圈敏感度系數(shù)的計算方法，也將是未來并行成

19、像算法的一個重要突破口。參考文獻趙喜平.磁共振成像M.科學出版社，2004Daniel K. Sodickson, Charles A. McKenzie b, Michael A. Ohligerc, et al. Recent advances in image reconstruction, coil sensitivity calibration, and coil array design for SMASH and generalized parallel MRIJ. Magnetic Resonance Materials in Physics, Biology and Medi

20、cine，2002,13:158 .Sodickson DK, Manning WJ. Simultaneous acquisition of spatial harmonics (SMASH): ultra-fast imaging with radiofrequency coil arraysJ. Magn Reson Med, 1997,38:591.Pruessmam KP, Weiger M, Scheidegger MB et al. SENSE:sensitivity encoding for fast MRIJ. Magn Reson Med, 1999,42:952.Jako

21、b PM, Griswold MA, Edelman RR, et al. AUTO-SMASH, a self-calibrating technique for SMASH imagingJ. MAGMA 1998,7:42.Heidemann RM, Griswold MA, Haase A, et al. VD-AUTO-SMASH imagingJ. Magn Reson Med, 2001,45:1066.Griswold MA, Jakob PM, Heidemann RM,et al. Generalized autocalibrating partially parallel

22、 acqusitions (GRAPPA)J. Magn Reson Med, 2002,47:1202.Wang J, Kluge T, Nittka M, et al. Parallel acquisition techniques with modified SENSE reconstruction mSENSE. In: Proceedings of the first Wurzburg Workshop on Parallel Imaging Basics and Clinical Applications, Wurzburg, 2001 (Abstract 89).Kholmovs

23、ki EG, Parker DL. Spatially variant GRAPPA. In Proceedings of the 14th Annual Meeting of ISMRM, Seattle, WA, USA, 2006 (Abstract 285).Lustig M, Pauly J. SPIRiT: iterative self-consistent parallel imaging reconstruction from arbitrary k- space. Magn Reson Med 2010; 64: 457.Haifeng Wang, Dong Liang, K

24、evin F.King, et al. Improving GRAPPA using cross-sampled autocalibration dataJ. Magn Reson Med, 2012, 67: 1042.Griswold MA, Breuer F, Blaimer M, et al. Autocalibrated coil sensitivity estimation for parallel imagingJ. NMR Biomed, 2006,19:316.Madore B, Glover GH, Pelc NJ. Unaliasing by Fourier-encoding the overlaps using temporal dimension (UNFOLD) applied to cardiac imaging and fMRIJ. Magn Reson Med, 1999,42:813.Kellman P, Epstein FH, McVeigh ER. Adaptive sensitivity encoding incorporating temporal filtering (TSENSE)J. Magn Reson Med, 2001, 45: 846.Breuer F, Kellman P, Griswold