磁共振并行成像线圈敏感度计算方法的综合评述

1、磁共振并行成像线圈敏感度计算方法的综合评述作者：李逸明 单位：上海交通大学医学院附属新华医院引言磁共振成像速度一直是临床应用所要考虑的重要因素1。在硬件方面，成像速度极大的依赖于磁共振设 备的梯度系统性能，同时硬件的发展也极大制约了速度的进一步提高。其原因在于物理、生理上的限制，以 及过快的场梯度切换率给患者神经、肌肉上的刺激。因此，磁共振成像速度从生理以及技术的角度上看几乎 以提高到了极限。在最近的十几年中，磁共振并行成像技术的出现对磁共振成像产生了根本变革，它是一种 通过改变磁共振图像重建算法来提高成像速度的技术，不需要依赖于梯度性能的提高。并行成像技术主要利 用相控阵线圈中单个接受线圈的

2、空间敏感度信息来编码空间信息，降低成像所必须的梯度编码数（主要是相 位编码步数）达到加速成像的目的。任何磁共振并行成像算法都需要计算线圈的空间敏感度，以代替K空间欠采样所损失的相位编码步信息, 而并行成像技术的图像重建过程包含两个方面，一个就是线圈敏感度的计算，另一个就是重叠像素的展开重 建。所以选择一种精确的线圈敏感度系数计算策略在某种程度上比一种好的重建算法更加重要；2。1线圈敏感度的定义传统的磁共振成像是通过梯度场编码傅立叶图像的空间信息，一次只能填充一条K空间线，获取一张完整 的图像需要将K空间完全填充，即必须采集每条K空间线，而被测物体的空间位置信息完全取决于梯度编码 步。多线圈并行

3、成像技术采用的接受线圈敏感度编码技术与梯度编码不同。被测物体产生的磁共振信号在其 附近的接收线圈内诱导产生的电压与其对应的空间位置密切相关，这种因空间位置而带来信号强度差异称之 为线圈敏感度3。2线圈敏感度计算方法2.1标准线圈敏感度计算方法线圈敏感度标准计算方法有Pruessmann4 等人提出。这种方法是在进行正式扫描之前进行一次预扫描。 分别得到相控阵线圈中每个线圈（表面线圈）的低分辨率全FOV图像以及体线圈的低分辨率全FOV图像， 将两者相除，得到每个线圈的原始敏感度矩阵：直接做除法得到的原始敏感度矩阵的SNR很低，主要是由于来自体线圈采集的图像噪声较大，可以采用多项式拟合方法 平滑噪

4、声；同时，由于被测物体相对位置的移动会造成边缘误差。另外一种做法是不采用体线圈做为参考，而是采用相控阵线圈各个单元得到的低分辨率全FOV图像的均 方作为分母：标准线圈敏感度估计方法计算简单，运用范围广，SMASH和SENSE并行成像算法均采用该方法计算线 圈敏感度。但是，在临床应用时，存在不少缺点。首先，对线圈敏感度额外扫描无疑增加了总扫描时间。其 次，线圈敏感度并非总是不变的，如果被测物体预扫描时存在位置移动以及预扫描图像本身会带来截断伪影， 扭曲变形，化学位移伪影都会影响最终线圈敏感度系数的测量。2.2自动校正线圈敏感度估计方法自动校正法就是在保持原有欠采样策略的基础上采集K空间中心附近参

5、考数据，即正式扫描时附加扫描 ACS（ Auto Calibration Signal）行，用K空间中心数据进行敏感度估计。这类方法的理论依据是，位于K空间 中心的数据点控制图像的对比度（对应于信号的幅度），位于K空间外围的数据点控制图像的空间分辨率 （对应于信号的相位），图像的大部分信息包含在K空间中心区域的低频部分，而K空间边缘部分决定图像 细节。自动校正法克服传统线圈敏感度测量方法鲁棒性差的问题，实时测量线圈敏感度信息，解决了成像过 程中病人与线圈相对位置的变化造成敏感度估计误差的问题，因此获得了广泛的应用。运用自动校正线圈敏感度估计方法的并行成像方法主要是基于K空间域的重建算法，包括A

6、UTO- SMASH,VD-AUTO-SMASH, GRAPPA5-7。而图像域的以 mSENSE8最具代表性。其中 AUTO-SMASH 技术除了 采样1/R的K空间相位编码行数据外，另外需要R-1行自动校正数据，通常这些数据位于K空间中心位置。 随后，为了克服AUTO-SMASH重建算法中鲁棒性差的问题，提出了 VD-AUTO-SMASH。这个方法在K空间中 心采集更多的ACS线来估算线圈敏感度，以此提高线圈权重系数估计的精度和稳健性。GRAPPA使用和VD- AUTO-SMASH 方法一样的K空间采集方式，如图1所示，虚线为ACS线。下面介绍运用最广泛的GRAPPA算法以帮助理解自动校正

7、线圈敏感度估计方法。GRAPPA是一种更通用的基于K空间的图像重建方法，利用扫描K空间中心少量几行附加采集的K空间 线来估计线圈敏感度，在重建缺失的K空间线时GRAPPA将各个相控阵线圈信号拟合到单个线圈的自动校正 行，从而得到每个线圈的一系列权重系数，来重建每个线圈的K空间缺失行：罗虹虹+成代）=*兄件*必七兀）以） 1 -1 1 AtSU 虹 士 tn欧）=SK虹通过（3）式将各个相控阵线圈信号拟合到单个线圈的ACS行即可得到权重系数，将权重系数代入到（4）式使欠采样 数据线得到位移，最终得到单个线圈整个K空间数据，经过傅立叶变换得到全FOV图像，在所有线圈上重复 这个过程，得到每个线圈的

8、全FOV图像，取各图像的平方和，就得到最终重建图像。对于GRAPPA算法，无 需再单独计算线圈敏感度映射图，可以说既节省了预扫描时间，又解决了被测物体位置移动造成线圈敏感度 变化的特点。加睥菜样(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空间数据采集方式卜Fig .1 AcquiEitioH tno de cf svstv al

9、gotithni in k-tpnce +1科讯医疗网 rod,tec hi-ex. com如今，基于自动校正线圈敏感度估计的方法朝着提高权重系数估计精度或者减少ACS行扫描又不降低线圈敏 感度估计精度的两个方向发展。近年来，有研究者将线圈敏感度估计扩展到基于k空间的二维重建9，即将 邻近数据的拟合从一维（仅Ky方向）扩展到二维（Kx方向和Ky方向），用于拟合ACS行的空间数据增多， 使得权重系数的估计精度较GRAPPA得到进一步提高，但是这种方法会影响计算效率，增加重建时间，对软 硬件都有很高的要求，通用性不强。类似的方法有Michael Lustig等人提出SPIRIT算法坷，该算法合成一

10、个 未采样中心点取决于它相邻的已采样点和未采样点，而传统GRAPPA算法合成一个未采样中心点仅取决于它 相邻的已采样点。该方法是通过迭代方法牺牲计算复杂度换取拟合精度，并且可以扩展到非笛卡尔坐标系。另一方面，为了减少扫描ACS行的数量，Haifeng WANG等人用试验证明沿欠采样方向（相位编码方向）采 集ACS线比沿全采样方向（频率编码方向）采集ACS线的校正精度高，成像效果好11。于是，提出CS- GRAPPA算法，该算法沿相位编码方向采集ACS线获取线圈敏感度信息，采集的ACS线正交于欠采样线。相 比于GRAPPA该算法只需要采集较少的ACS线就能获得较好的成像效果，但是交叉采集ACS线

11、方式，存在 ACS数据配准问题，并且这种不能应用于非笛卡尔坐标系。2.3预扫描自动校正法在多数情况下，用于成像的序列和扫描线圈敏感度信息、（即扫描ACS线）的脉冲序列是相同的。用同样的 成像序列来扫描额外的ACS线的优势在于额外获得K空间数据线可用于最终成像，这样能够提高信噪比降低 伪影。然而，在实际应用中，尤其是单次激发采集情况下，用同样的脉冲序列扫描附加的K空间线以获取线 圈敏感度未必有利于成像。Griswold12等人做了相关实验证明，在正式成像之前用快速成像序列扫描得到敏 感度信息能够加快成像速度，而且对成像质量没有不利影响，是一种有效的成像策略。2.4动态线圈敏感度校正法动态MRI对

12、随时间变化的物体成像，在临床上的应用有对心脏成像、脑部血液动力学成像等。动态MRI 要求在不牺牲空间分辨率的同时降低采样数据量，已达到加速成像的效果。如今应用最广泛的动态MRI是并 行成像与时间滤波相结合的方法。在并行成像时，对于普通的静态成像，如所有的传统的临床扫描，我们每次只能扫描物体的一个层面获 得一幅图像，因此需要额外扫描线圈敏感度信息，正如上文提到的，通常扫描K空间中心线附近数据获得低 分辨率线圈敏感度信息图。当动态并行成像时，不止采集一幅图像，我们使用交错采集的方法获取全分辨率 的线圈敏感度信息，这种线圈敏感度估计方法称之为动态线圈敏感度校正法。该方法首先由Bruno Madore

13、 等人在UNFOLD13算法中提出，随后在TSENSE14算法和TGRAPPA15算法中也得到了应用。在该算法中， 线圈敏感度映射图通过几幅相邻帧相加而成，最终得到一幅全分辨率全FOV的图像。在动态磁共振成像时， 这种线圈敏感度估计策略具有以下优点：1.对比自动校正线圈敏感度校正方法，动态线圈敏感度校正法省去 了额外扫描时间。2.线圈位置的移动不会对线圈敏感度值的估计造成太大影响，因为线圈敏感度映射图每R 帧就更新一次（R为加速因子），具体方法如图2所示。采用时间交错采样的方法，其中R=4，实线为已采 样数据线，虚线为未采样的数据线将这4帧图像合并成一个完整的K空间中的ACS线或者全FOV的参

14、考图 作为对各个线圈敏感度的估计。至少合并R个相邻帧重建一个完全编码的全分辨率的K空间域线圈敏感度参 考图。当然，合并的帧数越多，ACS数据或全FOV的参考图估计越精确，最终的并行成像重建也越优化。为了估计线圈敏感度，必须获取各个线圈全FOV图像作为参考图像。在TSENSE方法中，全FOV图像是 直接使用欠采样混叠图像通过类似于UNFOLD方法的时间低通滤波重建的。而TGRAPPA使用滑窗平均采集 自动校正信号。TSENSE和TGRAPPA的滤波器是假设线圈敏感度缓慢的随着时间变化的，只有在病人平静呼 吸时，才能起到有效滤波，获取线圈敏感度系数。当病人呼吸急促时候，接收线圈随着胸壁快速、大幅度

15、变 换位置，这两种滤波器会引起欠采样空间原始数据与相关线圈敏感度不匹配（mismatch），为了克服这个缺 点，也出现过一些替代原有滤波器的改进算法16,17。在近几年的临床应用中，k-tSENSE/BLAST18,19和k-tGRAPPA20是两个运用最广泛的标准动态并行成像 技术。上述两种算法都运用了动态线圈敏感度校正技术，通过交错采集方式获取一帧帧欠采样的K空间数据, 不额外采集ACS线。不同的是k-tSENSE/BLAST算法重建是在x-f空间中进行的，而k-tGRAPPA算法对于未 采样点的重建是在k-t空间中进行的，使用最邻近的一帧相同位置的已采样数据作为ACS线，再拟合k-t空间

16、 中其他3个方向的已采样点。另外，k-tSENSE/BLAST算法需要训练数据，而k-tGRAPPA不需要训练数据、 滤波器以及额外的线圈敏感度映射图。两种算法都不局限于准周期的运动物体的成像，属于较通用的动态成 像方法，在临床中得到广泛的应用。在临床应用中，动态线圈敏感度估计方法的优势在于能够追踪线圈敏感度的变化(如呼吸导致的胸壁移 动等)，而且能够节省采集额外的线圈敏感度参考数据的时间。是一种对无门控状态动态心脏成像、胸肺部 成像等有效的动态线圈敏感度估计策略。然而，动态线圈敏感度估计方法其实质是利用时间空间相关性采用 交错采集方式最终提取线圈敏感度信息，它的应用是有条件的：首先，它必须保

17、证连续的动态图像变化是非 常平滑的，被测物体位置的突然移动会导致最终图像的鬼影。其次，必须选择合适的滤波器对用来计算线圈 敏感度的参考图像进行滤波。3总结与讨论对于静态物体的磁共振并行成像，自动线圈敏感度校正方法具有较强的鲁棒性，对于病人位置移动造成 的伪影具有抑制作用，对线圈敏感度测量具有实时性，已经逐渐替代了标准线圈敏感度估计方法，成为了线 圈敏感度计算方法的主流应用。从近几年的并行成像算法发展趋势来看，线圈敏感度估计方法主要思路是朝 着提高权重系数估计精度或者减少ACS行扫描又不降低线圈敏感度估计精度的两个方向发展。另外，在并行 成像时对于使用不同脉冲序列激励获得线圈敏感度校正数据和欠采

18、样数据，以缩短扫描时间是一个崭新值得 关注的方向。对于动态磁共振并行成像，由于其采集了多帧图像，在加速成像时不仅利用了并行成像的空间 相关性信息，还利用了各帧图像的时间相关性信息。动态线圈敏感度方法正是基于各帧图像时间相关性的方 法，它也是当今动态磁共振并行成像最通用的线圈敏感度计算方法，然而该方法后期处理需要选择合适的滤 波器来提取精确的线圈敏感度信息。在磁共振并行成像算法改进研究如火如荼的进行的同时，对于线圈敏感度计算方法的研究就显的少之又 少。磁共振并行成像的效果很大程度上依赖于线圈敏感度系数估计的精度，如何应用更加准确而又不增加格 外扫描负担的线圈敏感度系数的计算方法，也将是未来并行成

19、像算法的一个重要突破口。参考文献赵喜平.磁共振成像M.科学出版社，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