張璐堅

【摘 要】為了解決傳統(tǒng)磁共振成像技術一次掃描只能得到一種加權像，且成像時間過長，掃描過程產(chǎn)生噪聲等問題，提出了“磁共振指紋”成像方法。人腦有多種組織組成，每種組織的磁共振掃描都有自己不同特征信號該信號被稱為“指紋”?！按殴舱裰讣y”成像方法一次掃描不僅可同時得到 T1圖，T2圖 及 質子密度圖像;而且大大縮短了掃描時間。該新技術在成像算法上也與傳統(tǒng)磁共振算法完全不同?；谧值涞钠ヅ浞椒ǎ紫冉⒅讣y“字典”;之后將每個體素的檢測信號與“字典”中的所有信號進行逐條匹配;然后確定是該信號的參數(shù)組合;最終得到多種參數(shù)的參數(shù)圖像。本實驗采用大腦數(shù)據(jù)進行模擬采集和匹配過程。結果表明，該方法可以得到各種組織參數(shù)圖像，且確實會大大降低磁共振掃描所需的時間。

【關鍵詞】磁共振指紋;字典;參數(shù)圖像;大腦

中圖分類號： R318 文獻標識碼： A 文章編號： 2095-2457（2019）08-0001-003

DOI：10.19694/j.cnki.issn2095-2457.2019.08.001

【Abstract】There are some defects in the traditional magnetic resonance imaging methods. For example， only one weighted image can be obtained in one scan， and the scanning time is too long and the scanning process produces noise. Therefore， the "magnetic resonance fingerprint" imaging method was proposed. The human brain is made up of a variety of tissues， each tissue has its own characteristic signal during MR scans that is called a" fingerprinting". MRf imaging method can obtain T1 map， T2 map and proton density map at the same time. It also shortens the scanning time. The new technique is also different from the traditional magnetic resonance algorithm. Firstly， a fingerprint "dictionary" is established based on the dictionary matching method. Then the detection signal of each individual element is matched with all signals in the "dictionary" one by one. Then the parameter combination of the signal is determined. Finally， the parametric images of various parameters are obtained. This experiment uses brain data to simulate collection and matching process. The results show that this method can obtain various tissue parameter images and reduce the time required for MR scanning.

【Key words】Magnetic resonance fingerprinting; Dictionary; Parameter map; Brain

0 引言

核磁共振成像技術（Magnetic Resonance Imaging， MRI）近些年在臨床上作為重要的臨床診斷方法之一被廣泛使用[1]，但是核磁共振成像技術仍需要解決較多問題。問題之一就是核磁共振成像是定性的檢測技術。它能通過不同物質表現(xiàn)的信號強度不同，成像時通過相對亮度的不同，雖然能夠準確檢測出每種組織的特性， 但它產(chǎn)生的信號受到許多其它外部條件的影響比如掃描的類型，探測器等，而且對組織內部信號強度不同的區(qū)域不敏感。問題二就是它進行多參數(shù)加權成像，如T1加權圖T2加權圖等[2]，對于圖像的灰度信息卻不能給出其生理特質。在臨床上，這就需要診斷醫(yī)生具有較高的經(jīng)驗。問題三是MRI成像時間長，掃描速度慢在檢測時還會伴有令人不愉悅的噪聲，給病人造成一定的心理壓力。

2013年，Dan Ma， Vikas Gulani， Nicole Seiberlich和Mark A.Griswold等人提出了“磁共振指紋”成像技術（Magnetic Resonance Fingerprinting， MRf）[3]。利用"磁共振指紋"成像技術產(chǎn)生的不再是加權圖像而是參數(shù)量化圖。而且在一次采集中能同時檢測出多種參數(shù)的量化圖，簡化采集的過程[4]。并且，利用這種新的采集和成像技術，我們可以大大的縮短采集信息所需要的時間。而且使用這種新方法可以減少掃描時產(chǎn)生的噪音，甚至可以用音樂編碼，使人在檢測時有愉悅的體驗[5]。并且，由于MRf技術時定量成像技術，可以對腫瘤早期診斷，分級等方面都有很好的表現(xiàn)[6]。

伴隨著這種新技術的產(chǎn)生，相比于傳統(tǒng)的磁共振成像，磁共振指紋成像方法采用嶄新的數(shù)據(jù)采集方式，數(shù)據(jù)處理方式和數(shù)據(jù)重建方式，也產(chǎn)生了多種對"磁共振指紋"成像算法的新研究[7]。

利用組織參數(shù)偽隨機的采集方式，使用磁共振技術來捕獲人體各不同組織唯一獨有的信號，該信號即被稱為指紋。然后需要將采集信號利用模式識別算法與已建立的指紋字典數(shù)據(jù)庫進行匹配，在字典中找到該信號相應的參數(shù)組成，最終把磁共振參數(shù)轉變?yōu)榱炕瘓D譜。

1 方法與過程

字典的建立通常需要多種參數(shù)，如T1，T2，翻轉角，時間周期以及偏振頻率等。為了提高時間效率，我們簡化字典建立過程，本文使用T1，T2，翻轉角以及重復時間（TR）來創(chuàng)建字典。

首先確定字典大小和精度。選定T1值和T2值，再配合翻轉角和重復時間進入布洛赫方程運算就得到了我們的字典的信號曲線。所以，不同的T1，T2組合在相同的磁共振環(huán)境中產(chǎn)生不一樣的信號曲線，確定了T1，T2的組合方式就決定了本文字典的大小。字典中T1、T2細分的組合越多，精度就越高，相應的造成字典較大，匹配所需時間較長等問題。

本文使用大腦模型，所以根據(jù)大腦組織的生理特性，我們將T1、T2不均勻劃分。T1值的范圍為100～5000ms，我們將T1劃分為兩部分，10ms～2000ms的部分以20ms的梯度增加，大于2000ms的部分以100ms的梯度增加; T2值的范圍為20～3000ms，T2被劃分為三部分，小于100ms的部分以2ms的梯度增加， 大于100ms且小于200ms的部分以5ms的梯度增加， 大于200ms的部分以200ms的梯度增加。得到T1，T2參數(shù)的排列組合數(shù)，但由于磁共振信號的特征，現(xiàn)實T1

與MRI相比MRf是利用在同一個K空間編碼時，采用偽隨機產(chǎn)生的變化的RF翻轉角和TR值。所以，我們需要間里偽隨機變化的翻轉角（FA）和重復時間（TR）。本文的TR取值范圍為9～14ms。用短TR保證MRf序列總時間相比MRI更短。本文的翻轉角（FA）取值范圍為0～60度之間。

將參數(shù)T1、T2、TR以及FA組合放入布洛赫方程計算[8]，得到我們的字典信號曲線。

其中，mr為旋轉矩陣，α為翻轉角;φ為射頻脈沖的相位角;M0為初始值。最終得到字典信號。

模擬數(shù)據(jù)采集，利用BrainWeb數(shù)據(jù)庫提供的人腦數(shù)據(jù)模型，選擇正常人腦10層數(shù)據(jù)作為實驗對象。并將BrainWeb的數(shù)據(jù)擴充為256*256大小。人體大腦模型由10種不同組織組合而成[9]， 各種組織的T1， T2以及質子密度信息見表1。

對模型采用500組不同的FA和TR構成的序列參數(shù)， 模擬進行螺旋的k空間軌跡采樣， 并采用快速非均勻傅里葉重建算法NUFFT[10]， 得到500組重建圖像。取出空間中每個體素點在500組圖像中的信號進行組合， 形成每個體素點的信號曲線。該曲線代表的該組織隨時間衰減的信號， 以備后續(xù)與字典匹配時使用。

將通過模擬采樣得到的每個體素點的信號曲線與之前生成的字典庫進行模式匹配，最終確定該體素點的T1、T2的組成信息。最終可得到定量的T1圖、T2圖等等。

2 結果

我們采用配置為Intel （R） Core （TM） i5-8300H處理器， 2.3 GHZ， 8 G內存和2 T硬盤的聯(lián)想個人筆記本， 在MATLAB2017b環(huán)境下進行測試。

我們采用均方根誤差來作為衡量算法性能的標準。用模擬采集重建數(shù)據(jù)的匹配參數(shù)圖與原始圖之間作均方根誤差比較，誤差越小， 匹配準確度越高。該公式為：

其中，X代表匹配后的參數(shù)結果圖數(shù)據(jù)，Y代表原始圖像數(shù)據(jù)。

根據(jù)誤差計算公式，得到誤差結果，如表2所示。

每一次的匹配時間都在6000s左右。由圖和表2可知，通過字典匹配可以得到定量的磁共振指紋T1圖以及T2圖，但是匹配所需時間較長。

圖3展示了在第68、72、100、120層的T1/T2原始參數(shù)圖和字典匹配方法得到的T1/T2參數(shù)圖。3a列為各層原始T1圖;3b列為各層原始T2圖;3c列為各層匹配后得到的T1圖;3d列為各層匹配后得到的T2圖。

如果，我們在字典中加入其他信息，還可以通過一次MRf掃描匹配得到更多的信息。

3 總結

采用“磁共振指紋”技術可以大大加快采集速度，減少病人的采集時間降低病人的心理負擔，這樣也可以使得磁共振檢測在兒童等不容易控制的人群身上使用。而且，由于“磁共振指紋”技術是定量檢測，所以在早期預防診療中，也可以發(fā)揮作用。但是，在“磁共振指紋”成像技術上，還有許多的難點存在。例如，如何加快成像時間，提高圖片質量;以及字典的壓縮，降低存儲空間等等都是值得進一步深入探究的方面。

“磁共振指紋”技術給磁共振檢測提出了新的方案，相信在將來，可以利用"磁共振指紋"技術給更多的人提供高效的檢測方案。

【參考文獻】

[1]俎棟林.磁共振成像學[M].北京：高等教育出社，2004.

[2]Spielman DM， Pauly JM， Meyer CH. Magnetic resonance fluoroscopy using spirals with variable sampling densities[J]. Magnetic Resonance in Medicine， 1995， 34（3）： 388-394.

[3]D.Ma，V.Gulani，N.Seiberlich，K.Liu，J.L.Sunshine，J. L. Duerk， and M.A.Griswold.Magnetic resonance fingerprinting[J]. Nature，2013，vol.499，pp.187-192.

[4]C Badve，A.Yu，S.Dastmalchian，et al.MR fingerprinting of adult brain tumors：initial experience[J].AJNR，2016，38（2）：1-8.

[5]Dan Ma， Eric Y Pierre， Yun Jiang， et al. Music-based magnetic resonance fingerprinting to improve patient comfort during MRI examinations[J]. Magnetic Resonance in Medicine， 2016，75（6）：2303-2314.

[6]Peng Y， Jiang Y， Yang C， et al. Quantitative analysis of multiparametric prostate MR images： differentiation between prostate cancer and normal tissue and correlation with Gleason score-a computer-aided diagnosis development study. Radiology 2013， 267（3）：787-796.

[7]S F Cauley， M A Griswold，L LWald. Fast group matching for MR fingerprinting reconstructions[J]. Magnetic Resonance in Medicine， 2014， 74（ 2） ：523-528.

[8]E M Haacke， R W Brown，R Venkatesan. ?Magnetic resonance imaging： physical principles and sequence design[M]. John Wiley & Sons，xxvii.

[9]Larsson HB， et al. Assessment of demyelination， edema， and gliosis by in vivo determination of T1 and T2 in the brain of patients with acute attack of multiple sclerosis. Magnetic Resonance in Medicine. 1989.

[10]McGivney D，Saybasil H，Griswold M.Singular value decomposition for magnetic resonance fingerprinting in the time domain.In Proceedings of the 22nd Annual Meeting of ISMRM，2014.