Способ, устройство и система для реконструкции магнитно-резонансного изображения

Группа изобретений относится к обработке медицинских изображений, в частности к способам, устройствам и системам для реконструкции магнитно-резонансных (МР) изображений целевых объектов из недосемплированных данных. Устройство содержит блок получения данных, выполненный с возможностью получения данных недосемплированного многокатушечного k-пространства, блок предварительной обработки многокатушечного k-пространства, причем предварительная обработка данных включает в себя заполнение несемплированных позиций многокатушечного k-пространства начальным приближением, сжатие катушек многокатушечного k-пространства, разложение многокатушечного k-пространства на множество полос частот с получением ряда отдельных многокатушечных k-пространств, соответствующих различным полосам частот, и оценку карты чувствительности катушки из полученных данных k-пространств, блок реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей, каждого отдельного многокатушечного k-пространства, соответствующего определенной полосе частот, и процессор, выполненный с возможностью вычисления результирующего многокатушечного k-пространства посредством агрегации реконструированных многокатушечных k-пространств, соответствующих различным полосам частот, и вычисления результирующего магнитно-резонансного изображения из вычисленного многокатушечного k-пространства. Система содержит магнитно-резонансный сканер, имеющий по меньшей мере одну приемную катушку, выполненную с возможностью получения недосемплированного многокатушечного k-пространства, устройство для реконструкции магнитно-резонансного изображения и пульт оператора, содержащий контроллер и устройство отображения. Способ реконструкции магнитно-резонансного изображения осуществляют посредством устройства. Использование изобретений позволяет ускорить процесс МРТ сканирования без значительного ухудшения качества результирующего изображения. 3 н. и 31 з.п. ф-лы, 15 ил.

 

Область техники

Настоящее изобретение относится к обработке медицинских изображений, более конкретно, к способам и системам для реконструкции магнитно-резонансных (МР) изображений целевых объектов из их частично семплированных (недосемплированных) спектров Фурье, полученных множеством так называемых приемных катушек.

Уровень техники

Магнитно-резонансная томография (МРТ) является неинвазивным методом визуализации, который широко применяется в диагностике благодаря его отличной способности визуализировать как анатомические структуры, так и физиологические функции.

В основу МРТ положены принципы ядерного магнитного резонанса. Переменное магнитное поле и радиочастотный (РЧ) сигнал используются для возбуждения атомов водорода, чтобы получить информацию о распределении протонной плотности в теле (человека). Набор так называемых “приемных катушек” принимает отклик от возбужденных атомов водорода. Приемная катушка представляет собой совокупность радиоантенны (катушки), РЧ приемника, усилителя, детектора и некоторых других элементов, которые реализуют прием, усиление, синхронизацию и преобразование сигнала в цифровую форму. Современные магнитно-резонансные (МР) сканеры содержат несколько описанных выше приемных РЧ катушек.

Следует отметить, что множество приемных РЧ катушек получает не результирующее медицинское изображение подлежащего визуализации целевого объекта, а его пространственный дискретный спектр Фурье. Такой спектр обычно называют “k-пространством”. Если используется всего одна приемная РЧ катушка, то получают одно k-пространство. Если используется множество приемных РЧ катушек, то МР сканер формирует несколько k-пространств, соответствующих различным приемным РЧ катушкам, получающим собственный сигнал от целевого объекта в соответствии с пространственным положением и индивидуальными параметрами данной приемной катушки. Поэтому k-пространства различных приемных катушек называют многокатушечным k-пространством. Это многокатушечное k-пространство может быть полностью семплированным или недосемплированным (частично семплированным). Недосемплирование означает, что часть (возможно, большая часть) многокатушечного k-пространства пропускается во время процедуры сбора данных. Причиной служит тот факт, что процедура сканирования занимает очень много времени и пропуск значительной части подлежащего сканированию многокатушечного k-пространства сокращает время сбора данных. В настоящее время сбор данных недосемплированных многокатушечных k-пространств получил широкое распространение. В случае частичного семплирования несемплированные позиции k-пространств заполняются некоторыми исходными значениями, обычно нулями.

Примеры реконструкции МРТ из недосемплированных k-пространств имеют, как правило, низкое качество и сильно искажены вследствие наложения спектральных компонент. Чтобы повысить качество реконструкции целевых объектов, применяются различные процедуры постобработки. Некоторые авторы оценивают чувствительность приемных РЧ катушек для реконструкции целевого объекта непосредственно из множества измерений, искаженных наложением спектральных компонент: см. SENSE [K. P. Pruessmann et al. SENSE: sensitivity encoding for fast MRI. Magn. Reson. Med. 42, 952-962 (1999)] и его обобщенный вариант GSENSE [K. P. Pruessmann et al, "Advances in Sensitivity Encoding With Arbitrary k-Space Trajectories," Magn Reson Med. 46, 638-651 (2001)]. В других методах пропущенные спектральные элементы многокатушечного k-пространства пересчитываются непосредственно с применением межкатушечных функциональных отношений, обычно именуемых как “карты чувствительности катушки”. Наиболее репрезентативными методами такого типа являются SMASH и GRAPPA (см. Blaimer M. et al. “SMASH, SENSE, PILS, GRAPPA: how to choose the optimal method,” Top Magn. Reson. Imaging. 15, 223-236 (2004) более подробно). В патентных документах US 8222900 B2, US 2014/0218026 A1 предложены различные варианты GRAPPA, применяемые для обработки k-пространств. В патентах US 8427156 B2 и US 7884604 B2 карты чувствительности катушки используются в неявной форме. Однако следует отметить, что карты чувствительности катушки очень трудно оценить точно. Кроме того, эта процедура занимает много времени. Другой известный метод - расширенный метод функций Лагранжа (см., например, WO 2013/067546 A1) - является трудоемким и сложным в вычислениях. Потому применение описанных выше методов на практике не вполне целесообразно.

Известны также альтернативные методы реконструкции МРТ, основанные на разреженной аппроксимации. Одним из таких методов является метод оценки по его разреженному представлению (CS) (Compressed sensing, CS, метод восстановления/оценки сигнала по его разреженному представлению), основная идея которого заключается в том, что реальные сигналы/изображения являются, в основном, разреженными в некоторой области и их можно восстановить точно (с допустимым качеством), используя меньшее количество семплов, чем количество неизвестных. Суть состоит в том, чтобы найти подходящее разреженное представление объекта в избыточных базисах. Основополагающий метод CS, разработанный Donoho [US 2006/0029279], демонстрирует, что для точной реконструкции МР изображений используемые k-пространства не обязательно должны быть полностью семплированными. Метод CS использует разреженность объекта в любом измерении и демонстрирует большой потенциал, поэтому на сегодняшний день он является основополагающим методом. Однако ввиду слишком общей вариационной постановки задачи оптимизации существует необходимость конкретизировать это разреживающее преобразование. Существует множество методов реконструкции сигнала/изображения, основанных на разреженной аппроксимации объекта, которые различаются используемыми базами и разреживающими преобразованиями. В частности, в публикации международной заявки WO 2002/031756 A1 аппроксимация объекта основана на базисе функций, сходных с вейвлетами, в патенте US 8699773 B2 – на специфичных свойствах изображения, названных «кластерами подобия», а в патентной заявке US 2010/0239143 A1 - на использовании разреженного набора данных из ранее принятых полностью семплированных изображений. Упомянутые выше патентные документы не используют специфики МР изображений, и эти методы не адаптированы к конкретным свойствам МР изображений в отличие от других известных методов, а именно, методов разреженной аппроксимации с использованием словаря.

Как и в методе GSENSE и и подобных ему, в подходе «объединенной разреженности» используется избыточная информация о целевом объекте. Однако, чтобы существенно повысить качество реконструкции, используется современный метод CS (см. R. Otazo et al, "Combination of compressed sensing and parallel imaging for highly accelerated first-pass cardiac perfusion MRI," Magn Reson Med. 64, 767-776 (2010)]). В патенте US 8587307 B2 используется метод CS с параллельным МРТ (пМРТ) для восстановления результирующего изображения из исходных свернутых изображений посредством SENSE. В US 2013/0099786 A1 объединенная разреженность реализуется в пМРТ посредством алгоритма SENSE или PARS.

Важным элементом всех алгоритмов CS является инициализация измеренного недосемплированного многокатушечного k-пространства: почти все авторы публикуют результаты для случая с заполнением нулями по умолчанию. Ряд патентных документов (см., например, WO 2014/075005 A1, WO 2012/144957 A1 и CN 103505207 A) описывают реконструкцию МРТ посредством итеративного распределенного алгоритма Брегмана (Split Bregman), но никто не использует этот алгоритм в сценарии типа GSENSE для инициализации. Между тем, комбинация CS-подхода (метода оценки по разреженному представлению) и заполнения несемплированных позиций измеренного многокатушечного k-пространства более точными и приемлемыми значениями может обеспечить большие преимущества. Упомянутая инициализация с помощью комбинированной версии распределенного алгоритма Брегмана является ключевым элементом предлагаемого алгоритма реконструкции МРТ-изображения методом CS.

С развитием параллельного приема данных изображений МРТ процесс значительно ускорился благодаря избыточной информации об объекте, получаемой из множества приемных катушек. Кроме того, МРТ с множеством приемников может обеспечить более высокий коэффициент сигнал-шум по сравнению с однокатушечными методами МРТ. В то же время, увеличение числа элементов приводит к получению наборов данных большего размера, следовательно, к большему объему вычислений при реконструкции, особенно в случае трехмерных k-пространств. Эту проблему эффективно решают алгоритмы «сжатия катушек» (Coil Compression) (см. например, WO 2012/123921 и T. Zhang et al, "Coil compression for accelerated imaging with Cartesian sampling," Magn Reson Med. 69, 571-582 (2013)]), в которых применяется сжатие данных из множества приемных РЧ катушек в уменьшенное представление на основе так называемых виртуальных приемных катушек. «Сжатие катушек» (СК) использует линейную комбинацию необработанных данных без изменения семплирования спектра, поэтому k-пространство виртуальной приемной катушки представляется в виде взвешенной суммы k-пространств, полученных из приемных РЧ катушек. Метод вычисления (оценки) весовых коэффициентов выходит за рамки описания настоящего изобретения. Преимущество метода СК состоит в том, что он позволяет обрабатывать k-пространства для большого числа приемных катушек.

В настоящем изобретении для обучения словаря для реконструкции изображения методом CS используется алгоритм K-SVD (см. документы WO 2006/106508 A2, US 2012/0177128 и M. Aharon, M. Elad, и A. Bruckstein, "K-SVD: An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation," IEEE Trans. Image Process. 54, 4311-4322 (2006). Словарь обучают заранее на группе полностью семплированных МР изображений. Процедура обучения словаря выходит за рамки объема настоящего изобретения.

Из всех рассмотренных выше способов наиболее близкой к предложенному способу реконструкции МРТ комбинированным методом CS с применением множества словарей является заявка US 2013/0099786 A1.

Сущность изобретения

Предложенное изобретение и его варианты направлены на способ и систему для реконструкции МР изображений из сильно недосемплированного многокатушечного k-пространства. Общее время сбора данных зависит от числа семплов, поэтому простейшим методом ускорения процедуры сбора МР данных является уменьшение количества семплируемых частот и реконструкция МР изображения только из спектров частично семплированного k-пространства.

В способе согласно изобретению предложено объединить преимущества методов пМРТ и CS, но в отличие от обычных методов предлагается использовать современную разработку известной реконструкции МРТ методом CS, построенную на предварительном обучении словаря неравновеликими патчами (фрагментами изображения) (см. соответствующую заявку RU 2014117696 A1). Разреженная аппроксимация с использованием словаря, применяемая к одному так называемому объединенному изображению, чередуется с реконструкцией измеренных семплов в многокатушечном k-пространстве. Кроме того, для разреженной аппроксимации можно использовать несколько заранее вычисленных словарей, нацеленных на различные мелкие признаки различных частот. В этом состоит существенное отличие предложенного метода от аналогичных методов.

Недосемплирование многокатушечного k-пространства выполняется с помощью МРТ сканера согласно заранее определенной схеме семплирования (обычно именуемой как “маска семплирования”) представленной в виде двоичного массива. “1” в маске семплирования означает, что текущая пространственная частота (точечный спектр k-пространства в соответствующей позиции) должна семплироваться МР сканером, а “0” означает, что соответствующая частота не должна семплироваться. Результат семплирования в соответствии с описанной схемой представляет собой недосемплированное k-пространство. Недосемплированные значения в полученном k-пространстве заполняются некоторыми исходными значениями, обычно нулями. Следует отметить, что маска семплирования одинакова для всех используемых приемных РЧ катушек; таким образом, в данном способе за входное многокатушечное k-пространство принимается множество спектров идентично недосемплированных k-пространств, полученных из различных приемных катушек. Чем меньше количество семплированных частот, тем выше степень недосемплирования многокатушечного k-пространства.

Целью настоящего изобретения является обеспечение МР визуализации приемлемого качества для целевого объекта посредством описанной обработки такого недосемплированного многокатушечного k-пространства, полученного из МР сканера.

В настоящем изобретении используется метод оценки по разреженному представлению для реконструкции МР изображения, в частности, для разреженной аппроксимации объекта, основанной на различных предварительно вычисленных словарях с неравновеликими патчами. Настоящее изобретение, в общем, заключается в следующем. Комбинация разреженной аппроксимации методом CS с использованием словаря с объединенной разреженностью параллельного МРТ позволяет эффективно агрегировать данные из различных приемных катушек. Это позволяет подавить шум измерений, обеспечить относительно быструю реконструкцию и отфильтровать сильные искажения вследствие наложения спектральных компонент. Кроме того, метод CS с использованием словаря является более гибким, чем постоянные базовые функции (например, вейвлеты), потому что в данном случае нет необходимости выбирать подходящее разрежающее преобразование, так как оно адаптируется к специфике МРТ посредством обучения словарей. Эффективность инициализации данных предложенным новым комбинированным распределенным алгоритмом Брегмана и разреженной аппроксимацией объекта с применением множества словарей обеспечивает значительное повышение степени сходимости и позволяет реконструировать мелкие детали изображения даже в случае высокой степени недосемплирования. Разложение на множество полос частот, используемое для обработки отдельных полос частот многокатушечного k-пространства, дополнительно повышает качество реконструкции благодаря большей разреженности в полосе частот.

Согласно одному аспекту настоящего изобретения предложено устройство для получения изображений с помощью магнитно-резонансной томографии. Устройство содержит:

магнитно-резонансный сканер, имеющий, по меньшей мере, одну приемную катушку, выполненную с возможностью получения частичного k-пространства,

сервер реконструкции, включающий в себя процессор и запоминающее устройство, соединенное с процессором,

пульт оператора,

причем процессор выполнен с возможностью выполнения реконструкции недосемплированного многокатушечного k-пространства, полученного из магнитно-резонансного сканера, комбинированным методом разреженной аппроксимации с использованием множества словарей, и выполнения предварительной обработки данных, и пульт оператора содержит контроллер и устройство отображения, выполненное с возможностью визуализации реконструированного магнитно-резонансного изображения.

В дополнительном варианте изобретения предварительная обработка данных включает в себя инициализацию k-пространства и сжатие данных.

В дополнительном варианте изобретения контроллер выполнен с возможностью контролирования результатов работы устройства.

Согласно другому аспекту настоящего изобретения предложена система для реконструкции магнитно-резонансного изображения. Система содержит:

блок получения данных, выполненный с возможностью получения недосемплированного многокатушечного k-пространства,

сервер реконструкции, включающий в себя блок предварительной обработки многокатушечного k-пространства и блок реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей,

пульт оператора для контроля и визуализации реконструкции магнитно-резонансного изображения.

В дополнительном варианте изобретения блок предварительной обработки содержит блок семплирования данных, блок оценки чувствительности и блок предварительной обработки.

В дополнительном варианте изобретения блок реконструкции комбинированным методом разреженной аппроксимации содержит блок разреженной аппроксимации и блок реконструкции магнитно-резонансного (МР) изображения методом оценки по разреженному представлению (CS).

В дополнительном варианте изобретения пульт оператора дополнительно выполнен с возможностью: приема ввода от оператора для запуска реконструкции изображения, формирования команды реконструкции изображения и передачи этой команды в сервер реконструкции; и сервер реконструкции дополнительно выполнен с возможностью приема команды из пульта оператора и выполнения реконструкции изображения.

В дополнительном варианте изобретения сервер реконструкции дополнительно выполнен с возможностью реализации реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей относительно каждой полосы частот и содержит:

блок семплирования данных, выполненный с возможностью создания маски семплирования для определения частот семплирования в данных многокатушечного k-пространства;

блок оценки чувствительности, выполненный с возможностью оценки карт чувствительности катушек на основании семплированных данных многокатушечного k-пространства;

блок предварительной обработки, выполненный с возможностью заполнения несемплированных позиций в многокатушечном k-пространстве исходными значениями, полученными с помощью комбинированного распределенного алгоритма Брегмана;

блок разреженной аппроксимации, выполненный с возможностью обучения ориентированного на исходные изображения и ориентированного на остаточные значения словарей для разреженной аппроксимации с применением множества словарей;

блок реконструкции магнитно-резонансного изображения методом оценки по разреженному представлению, выполненный с возможностью осуществления реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации с использованием множества словарей для многокатушечного k-пространства.

В дополнительном варианте изобретения блок предварительной обработки дополнительно выполнен с возможностью реализации комбинированного распределенного итеративного алгоритма Брегмана и содержит:

блок контроля и обновления, выполненный с возможностью контролирования условий для внешнего и внутреннего цикла комбинированного распределенного алгоритма Брегмана, обновления внешних параметров алгоритма на каждом внешнем цикле, отправки многокатушечного k-пространства в блок восстановления измерений или блок объединения в зависимости от условия для внешнего цикла;

блок ввода чувствительности, выполненный с возможностью приема карт чувствительности катушки, используемых для операций объединения и распределения;

блок объединения, предназначенный для выполнения обратного преобразования Фурье для многокатушечного k-пространства с его последующим объединением картами чувствительности катушки и отправки результирующего объединенного изображения объемного целевого объекта в блок оценки объекта;

блок оценки объекта, выполненный с возможностью пересчета разреженной аппроксимации объекта путем минимизации критериальной функции, включающей ℓ1-норму, и отправки результата в блок обновления внутренних параметров;

блок обновления внутренних параметров, выполненный с возможностью обновления соответствующих параметров и повторной отправки обновления объекта в блок распределения;

блок распределения, выполненный с возможностью распределения разреженной аппроксимации объекта картами чувствительности катушек, вычисления преобразования Фурье результирующих изображений катушек и возвращения обновленного многокатушечного k-пространства в блок контроля и обновления;

блок восстановления измерений, выполненный с возможностью приема реконструированного многокатушечного k-пространства из блока контроля и обновления и восстановления семплированных данных k-пространства в их первоначально измеренные значения.

В дополнительном варианте изобретения блок разреженной аппроксимации дополнительно выполнен с возможностью реализации обучения словаря для разреженной аппроксимации объекта с применением множества словарей и содержит:

блок сбора изображений, выполненный с возможностью сбора набора данных магнитно-резонансных изображений целевых объектов и отправки их в блок обучения словарей и в блок разреженной аппроксимации;

блок обучения словаря, выполненный с возможностью обучения ориентированного на исходные изображения и ориентированного на остаточные значения словарей в зависимости от входных данных, отправки результирующего ориентированного на исходные изображения словаря в блок разреженной аппроксимации, отправки ориентированного на остаточные значения словаря в блок аппроксимации остаточных значений и отправки вычисленных ориентированного на исходные изображения и ориентированного на остаточные значения словарей в блок вывода словаря;

блок разреженной аппроксимации, выполненный с возможностью вычисления разреженной аппроксимации магнитно-резонансных изображений посредством вычисленного словаря; отправки остаточных значений, вычисленных как разность между исходными магнитно-резонансными изображениями и их аппроксимацией, в блок обучения словаря и в блок аппроксимации остаточных значений;

блок аппроксимации остаточных значений, выполненный с возможностью вычисления аппроксимации остаточных значений, полученных из блока разреженной аппроксимации вычисленным, ориентированным на остаточные значения словарем;

блок вывода словаря, выполненный с возможностью сохранения вычисленных ориентированного на исходные изображения и ориентированного на остаточные значения словарей.

В дополнительном варианте изобретения блок реконструкции магнитно-резонансного изображения методом оценки по разреженному представлению дополнительно выполнен с возможностью реализации алгоритма реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации с использованием множества словарей и содержит:

блок управления, выполненный с возможностью управления блоком запуска и блоком ввода словаря;

блок ввода словаря, выполненный с возможностью приема ориентированного на исходные изображения и ориентированного на остаточные значения словарей и отправки их в блок аппроксимации с применением множества словарей;

блок восстановления измерений, выполненный с возможностью восстановления данных k-пространства в семплированных позициях в их первоначально измеренные значения;

блок запуска, являющийся переключателем, выполненным с возможностью отправки многокатушечного k-пространства из блока восстановления измерений в блок объединения или в блок вывода k-пространства в зависимости от сигнала из блока управления;

блок ввода чувствительности, выполненный с возможностью приема карт чувствительности катушки, используемых для операций объединения и распределения;

блок объединения, выполненный с возможностью получения объединенного изображения из многокатушечного k-пространства;

блок аппроксимации с применением множества словарей, выполненный с возможностью выполнения разреженной аппроксимации с применением множества словарей объединенного изображения, полученного из блока объединения, и отправки результата в блок распределения;

блок распределения, выполненный с возможностью вычисления многокатушечного k-пространства из аппроксимации изображения;

блок вывода k-пространства, выполненный с возможностью вывода реконструированного многокатушечного k-пространства.

Согласно другому аспекту настоящего изобретения предложен способ для реконструкции магнитно-резонансного изображения. Способ заключается в следующем:

получают данные частично семплированного k-пространства,

заполняют несемплированные позиции многокатушечного k-пространства начальным приближением,

осуществляют сжатие катушек многокатушечного k-пространства,

осуществляют разложение многокатушечного k-пространства на множество полос частот с получением ряда отдельных многокатушечных k-пространств, соответствующих различным полосам частот,

оценивают карты чувствительности катушки из полученных данных k-пространств,

осуществляют реконструкцию, комбинированным методом разреженной аппроксимации с использованием множества словарей, каждого отдельного многокатушечного k-пространства, соответствующего определенной полосе частот,

вычисляют результирующее многокатушечное k-пространство посредством агрегации реконструированных многокатушечных k-пространств, соответствующих различным полосам частот,

вычисляют результирующее магнитно-резонансное изображение из вычисленного многокатушечного k-пространства.

В дополнительном варианте на этапе осуществления реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей для каждой полосы частот:

вычисляют объединенное изображение из многокатушечного k-пространства,

осуществляют разреженную аппроксимацию объединенного изображения с применением множества словарей,

вычисляют многокатушечное k-пространство из аппроксимации изображения,

восстанавливают данные измеренного k-пространства.

В дополнительном варианте на этапе осуществления разреженной аппроксимации с применением множества словарей:

осуществляют разреженное кодирование с применением множества основанных на фрагментах словарей,

аппроксимируют изображение из полученных разреженных кодов.

В дополнительном варианте изобретения упомянутое получение объединенного изображения из многокатушечного k-пространства выполняют посредством обратного преобразования Фурье для каждой катушки многокатушечного k-пространства и проецирования результирующих изображений катушек на карты чувствительности катушки в каждом пространственном положении.

В дополнительном варианте изобретения упомянутое вычисление многокатушечного k-пространства из изображения выполняют посредством изменения масштаба карт чувствительности катушки на значение изображения в каждом пространственном положении и преобразования Фурье каждого результирующего изображения катушки.

В дополнительном варианте изобретения упомянутые несемплированные позиции k-пространства заполняют постоянными произвольными комплексными значениями или значениями, полученными посредством комбинированного распределенного итеративного алгоритма Брегмана.

В дополнительном варианте изобретения упомянутый комбинированный распределенный алгоритм Брегмана отличается от обычного распределенного алгоритма Брегмана агрегацией многокатушечного k-пространства, использующего объединенную разреженность.

В дополнительном варианте изобретения при упомянутой разреженной аппроксимации объединенного изображения извлекают перекрывающиеся патчи из изображения, осуществляют разреженную аппроксимацию этих патчей с помощью словарей и собирают аппроксимированные патчи в аппроксимацию изображения с их наложением.

В дополнительном варианте изобретения упомянутую разреженную аппроксимацию фрагментов выполняют посредством разреженного разложения патчей на разреженные коды с использованием одного словаря с последующей сборкой разреженных кодов с использованием этого словаря.

В дополнительном варианте изобретения упомянутую разреженную аппроксимацию патчей выполняют методом с применением множества словарей, согласно которому: патчи аппроксимируют словарем, ориентированным на исходные изображения, сравнивают вычисленную аппроксимацию патчей с исходными патчами, вычисляют соответствующую разность, аппроксимируют результирующее остаточное значение словарем, ориентированным на остаточные значения, и вычисляют окончательную аппроксимацию патчей как сумму аппроксимаций с помощью словаря, ориентированного на исходные изображения, и словаря, ориентированного на остаточные значения.

В дополнительном варианте изобретения упомянутые используемые словари предварительно обучают с использованием патчей, извлеченных из набора полностью семплированных магнитно-резонансных изображений.

В дополнительном варианте изобретения упомянутые патчи являются неравновеликими и соотношение их сторон выбирают с учетом степени анизотропии схемы семплирования.

В дополнительном варианте изобретения упомянутые патчи имеют одинаковый размер для изотропной схемы семплирования.

В дополнительном варианте изобретения упомянутые словари обучают отдельно для каждой полосы частот, полученной при разложении на множество полос частот.

В дополнительном варианте изобретения упомянутые словари обучают с нацеливанием их на конкретные признаки изображения в зависимости от изменчивости интересующей области.

В дополнительном варианте изобретения упомянутые предварительно вычисленные словари с разномасштабными атомами содержат базисные элементы (атомы) с информативными участками разного размера.

В дополнительном варианте изобретения упомянутые атомы в словарях с разномасштабными атомами имеют неинформативные участки, заполненные нулями.

В дополнительном варианте изобретения упомянутый словарь итеративно заменяют другими словарями во время реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации.

В дополнительном варианте изобретения упомянутое разреженное разложение выполняют посредством минимизации числа ненулевых компонентов разложения патчей в линейную комбинацию элементов словаря.

В дополнительном варианте изобретения упомянутый словарь подвергают ортогонализации так, чтобы для каждого словаря набор его элементов был представлен как набор векторов с ортонормальным базисом.

В дополнительном варианте изобретения упомянутое множество словарей обучают посредством процедуры, заключающейся в том, что:

собирают набор данных изображений приемлемого качества магнитно-резонансных целевых объектов;

обучают основанный на фрагментах, ориентированный на исходные изображения словарь с использованием собранных изображений;

аппроксимируют фрагменты изображений обученным, ориентированным на исходные изображения словарем;

вычисляют разности между фрагментами изображений и их разреженной аппроксимацией и собирают набор данных вычисленных остаточных значений;

обучают основанный на фрагментах, ориентированный на остаточные значения словарь с использованием набора данных остаточных значений.

В дополнительном варианте изобретения при упомянутом разложении на множество полос частот создают многокатушечные k-пространства, соответствующие полосам частот, при этом каждое созданное k-пространство содержит данные из соответствующей полосы частот введенного многокатушечного k-пространства, а другие позиции созданного k-пространства заполняют нулями и отмечают как измеренные.

В дополнительном варианте способа дополнительно отображают реконструированное изображение на устройстве отображения.

В дополнительном варианте способа ориентированные на исходные изображения и на остаточные значения словари обучают с помощью алгоритма K-SVD.

В дополнительном варианте изобретения способа дополнительно передают реконструированное магнитно-резонансное изображение на пульт оператора.

Технический результат настоящего изобретения заключается в том, что оно позволяет получить МР изображения хорошего качества за минимальное время (поскольку полученные данные являются недосемплированными, общее время их сбора уменьшается пропорционально, приблизительно в 4-6 раз), т.е. по сравнению с известными аналогами настоящее изобретение позволяет существенно ускорить сбор данных, обеспечив при этом МР изображение сопоставимого или лучшего качества.

Краткое описание чертежей

Фиг. 1 иллюстрирует основные этапы предложенного способа реконструкции МРТ комбинированным методом CS.

Фиг. 2 изображает алгоритм инициализации данных, основанной на комбинированном итеративном распределенном алгоритме Брегмана.

Фиг. 3 иллюстрирует способ реконструкции комбинированным методом CS с использованием словарей.

фиг. 4 иллюстрирует разреженную аппроксимацию патчей с использованием одного словаря.

фиг. 5 иллюстрирует разреженную аппроксимацию фрагментов с применением множества словарей.

фиг. 6 иллюстрирует разреженную аппроксимацию с использованием словарей: (a) разложение МР изображения по патчам применительно к словарям с (b) разномасштабными базисными элементами (атомами) и (c) базисными элементами, ориентированными на целевые объекты.

Фиг. 7 иллюстрирует обучение словарей - ориентированного на исходные изображения и ориентированного на остаточные значения.

Фиг. 8 иллюстрирует систему реконструкции МРТ комбинированным методом CS.

Фиг. 9 иллюстрирует блок реконструкции МРТ методом CS с применением множества словарей.

Фиг. 10 иллюстрирует систему обучения словарей - ориентированного на исходные изображения и ориентированного на остаточные значения.

Фиг. 11 иллюстрирует систему примерного аппаратного варианта воплощения изобретения для реконструкции МРТ комбинированным методом CS.

Фиг. 12 иллюстрирует предложенную систему для реконструкции комбинированным распределенным алгоритмом Брегмана.

Фиг. 13 иллюстрирует пользовательский сценарий 1.

фиг. 14 иллюстрирует пользовательский сценарий 2.

фиг. 15 иллюстрирует пользовательский сценарий 3.

Подробное описание

Согласно изобретению предложены способ, устройство и система для реконструкции методом CS МР изображений объемных целевых объектов из множества сильно недосемплированных k-пространств, полученных множеством приемных РЧ катушек. Процедура МРТ - очень времязатратная, поэтому целью настоящего изобретения является сокращение времени вычислений. В современных медицинских учреждениях МРТ является одним из широко используемых и необходимых средств медицинской диагностики. Обычно МР изображение объемного целевого объекта сильно искажено шумом и наложением спектральных компонент, поэтому целью настоящего изобретения является повышение качества реконструированного изображения. Интенсивность восстанавливаемого изображения объекта пропорциональна протонной плотности исследуемого сканируемого объекта. Информацию о пространственном распределении протонной плотности объекта получают посредством объединения динамически формируемого магнитного поля с РЧ излучением в МР сканере. Для создания изображения сканируемого объекта набор приемных РЧ катушек получает сигнал отклика от возбужденных атомов водорода. Радиочастотная приемная катушка представляет собой совокупность радиоантенны, РЧ приемника, усилителя, детектора и ряда других элементов, которые реализуют прием, усиление, синхронизацию и преобразование сигнала в цифровую форму. В современном, выпускаемом серийно МРТ сканере для одновременного получения ответного сигнала от объекта используется набор приемных катушек. Приемные катушки имеют различные пространственные положения и установки параметров. Такое параллельное получение данных приводит к большому избытку информации о целевом объекте, используемой при реконструкции комбинированным методом CS. Время сбора данных можно сократить посредством частичного семплирования (недосемплирования) k-пространств. Недосемплирование k-пространства выполняется в соответствии с заранее определенной маской семплирования, одинаковой для всех приемных катушек. Значения в несемплированных позициях заполняются некими исходными значениями (обычно нулями). Такое недосемплированное многокатушечное k-пространство используется в качестве ввода в предложенный алгоритм реконструкции МРТ методом CS, показанный на фиг. 1.

Настоящее изобретение не накладывает ограничений на технические характеристики и конфигурацию антенн приемных катушек.

В соответствии с примерным вариантом осуществления изобретения способ содержит три основных стадии, которые можно определить в упрощенном виде следующим образом: 101 - получение недосемплированного многокатушечного k-пространства, 109 - предварительная обработка полученного многокатушечного k-пространства и 110 - реконструкция МРТ комбинированным методом CS для множества полос частот. На фиг. 1 представлена блок-схема способа реконструкции изображения МРТ методом CS. На первом этапе 101 получают недосемплированное многокатушечное k-пространство, подлежащее реконструкции, в соответствии с определенной схемой семплирования (маской семплирования). Затем выполняют инициализацию 102 многокатушечного k-пространства, чтобы заполнить несемплированные позиции некоторыми исходными значениями. Эффективная инициализация несемплированных позиций полученных многокатушечных k-пространств является актуальной и очень важной: практически можно использовать различные типы инициализации – с использованием нулей, произвольных комплексных значений или результата специальных сложных алгоритмов. Все возможные методы инициализации годятся для достижения технического результата предложенного изобретения при сохранении выполняемых им функций. В частности, для этой процедуры инициализации можно эффективно применить комбинированный итеративный распределенный алгоритм Брегмана. На следующем этапе 103 инициализированное многокатушечное k-пространство можно подвергнуть сжатию СК, чтобы уменьшить общее число k-пространств. После сжатия катушек результирующие k-пространства соответствуют так называемым “виртуальным катушкам”, которые используются вместо приемных РЧ катушек. Затем, на этапе 104 многокатушечное k-пространство разлагается на несколько полос частот, чтобы каждое результирующее многокатушечное k-пространство соответствовало своей соответствующей полосе частот. Затем, на этапе 105, получают карты чувствительности катушки на основании полностью семплированной части данных k-пространства. Затем, на этапе 106, каждое многокатушечное k-пространство реконструируется с помощью комбинированного алгоритма CS с применением множества словарей, чтобы восстановить несемплированные частоты в соответствующей полосе частот. Затем, на этапе 107, все реконструированные многокатушечные k-пространства, соответствующие различным полосам частот, объединяют в одно окончательное многокатушечное k-пространство. В конце этого процесса, на этапе 108, из результирующего многокатушечного k-пространства вычисляют результирующее МР изображение.

Ниже представлены основы используемых методов CS и параллельной реконструкции МРТ.

Итеративная реконструкция МРТ типа SENSE

Параллельные алгоритмы МРТ неразрывно связаны с картами чувствительности катушки, используемыми для агрегации измеренных k-пространств. Физическую связь между протонной плотностью оцениваемого целевого объекта (далее просто “объекта”) и его недосемплированным спектром Фурье, полученным i-ой приемной катушкой u_i, можно выразить следующим образом:

, (1)

где r - пространственная координата, F_u - недосемплированное преобразование Фурье, s_i(r) - значение карты чувствительности катушки i-ой приемной катушки в пространственном положении r. Уравнение (1) объясняет, как объект создает множество k-пространств, различающихся благодаря установкам параметров и положениям приемных катушек.

Пусть ° означает поэлементное произведение Адамара, тогда уравнение (1) можно переписать в векторной форме как

. (2)

Удобно представить объект (протонную плотность объекта) следующим образом:

, (3)

где верхний индекс ^H означает эрмитово-сопряженный, - обратное недосемплированное преобразование Фурье. Следует отметить, что используются комплекснозначные векторы карт чувствительности катушки и k-пространств. Нижний жирный индекс означает вектор-столбец.

Уравнения (1) и (2) описывают распределение объекта на многокатушечные k-пространства, а именно: распределяется на несколько изображений p_i, соответствующих различным приемным катушкам, посредством отдельных карт чувствительности катушки s_i, и затем эти изображения p_i преобразуются в область Фурье. Изображение p_i обычно называют i-ое “изображение катушки”. Уравнение (3) определяет операцию объединения изображений катушки, полученных из соответствующих k-пространств. Упомянутые выше операции (распределения и объединения) объединяют предложенную реконструкцию МРТ комбинированным методом CS с GSENSE.

Инициализация посредством комбинированного распределенного алгоритма Брегмана

В предложенном способе авторы предлагают новую модификацию распределенного итеративного алгоритма Брегмана для эффективной инициализации данных. Согласно T. Goldstein, and S. Osher, “The Split Bregman method for l1-regularized problems,” SIAM J. on Imag. Sciences 2, 323-343 (2009) задачу реконструкции комбинированным методом CS можно сформулировать для измерений, полученных различными приемными катушками, как следующую задачу шумоподавления с поиском базиса

, (4)

в результате получаем выпуклую критериальную функцию, которую необходимо минимизировать. Здесь λ - регуляризационный параметр, ψ - разрежающее преобразование (полная вариация) и ℓ_1-норма определяется как сумма абсолютных значений элементов вектора. Нормы ℓ₁ и ℓ₂ в уравнении (4) разделяются согласно Y. Wang, et at., “A fast algorithm for image deblurring with total variation regularization,” CAAM Technical Report (2007)

, (5)

где d - разреженная аппроксимация объекта. Из этого следует комбинированный распределенный алгоритм Брегмана:

, (6.1)

, (6.2)

. (6.3)

Здесь b^k означает вектор вспомогательных параметров распределенного алгоритма Брегмана на k-ой итерации. В отличие от обычного распределенного алгоритма Брегмана с измерениями для одной приемной катушки комбинированная формулировка уравнения (6.1) получает все преимущества методов параллельного МРТ.

На фиг. 2 показана блок-схема комбинированного алгоритма Брегмана. Согласно T. Goldstein, and S. Osher, “The Split Bregman method for l1-regularized problems,” SIAM J. on Imag. Sciences 2, 323-343 (2009) и GSENSE реализация комбинированного распределенного алгоритма Брегмана (6.1)-(6.3) состоит их двух вложенных циклов. На первом этапе 201 нулевыми векторами инициализируются вспомогательные переменные разреженной аппроксимации d⁰ объекта и параметр Брегмана b⁰. Во время этого внутреннего цикла пересчитываются объект , его разреженная аппроксимация d и вспомогательный вектор-параметр b. На этапе 204 объект оценивается согласно уравнению (3) посредством обратного преобразования Фурье k-пространств от различных приемных катушек с последующим объединением оцененных изображений. Затем выполняются пересчет 205 объекта, обновление 206 аппроксимации d объекта посредством минимизации уравнений (6.1) и (6.2), соответственно. Оптимизация 206 относительно ℓ₁ нормы реализуется посредством операции soft-thresholding («мягкого» отсечения по порогу) для порога, равного 1/2μ. На этапе 207 вектор-параметр b Брегмана обновляется в соответствии с уравнением (6.3). И наконец, результирующий объект представляется несколькими k-пространствами, которые соответствуют изображениям катушек, в соответствии с уравнением (2). Внутренний цикл завершается, когда выполняется условие 203 остановки, затем независимые переменные внутреннего цикла 209 обновляются для приведения реконструкции объекта в соответствие с измеренными k-пространствами различных приемных катушек.

При выполнении условия 202 внешнего цикла оценка восстановленного объекта обновляется посредством восстановления 210 измеренных семплов k-пространств в реконструируемом спектре Фурье. Эта процедура гарантирует, что комбинированный распределенный алгоритм Брегмана работает только на несемплированных частотах, не внося изменений в заданные измерения k-пространств и подготавливая данные для реконструкции комбинированным методом CS. Если операция завершена, инициализация на основе комбинированного распределенного алгоритма Брегмана заканчивается.

Разреженная аппроксимация объекта с использованием словаря

Основная часть предложенного способа построена на разреженной аппроксимации входного объемного сигнала с применением предварительно вычисленного словаря. На этом этапе решается следующая задача оптимизации:

. (7)

Вместо ℓ_{1 -}нормы в уравнении (4) здесь используется ℓ_{0 -}норма , определенная как ненулевые компоненты вектора. В методе с использованием словаря разрежающее преобразование представлено разреженным разложением сигнала на базисные элементы словаря (“атомы”). В предложенном способе применяется основанное на патчах разреженное разложение: относительно небольшая неравновеликая часть объемного целевого объекта векторизуется и аппроксимируется линейной комбинацией атомов подходящего словаря. Весовые коэффициенты этой линейной комбинации называются “разреженными кодами”. Размерность патча не имеет значения благодаря векторизации фрагментов: двух или трехмерный патч представляется как вектор-столбец. Любой исходный патч (двух или трехмерный) в векторизованной форме можно аппроксимировать векторизованными атомами словаря, если исходная размерность данного патча соответствует размерности атомов. Математически решается следующая задача оптимизации:

, (8)

где D - матрица преобразования словаря, δ - регуляризационный параметр. Вектор-столбец _j в уравнении (8) является патчем объединенного изображения объемного целевого МР объекта, а соответствующий j-ый вектор-столбец разреженного кода z_j является его разреженным разложением на D. Применение ℓ₀-нормы вектора разреженного кода означает, что желательно использовать минимальное число атомов в этой аппроксимации, т.е. минимальное число ненулевых весовых коэффициентов в z. В данном варианте осуществления изобретения используется метод K-SVD для обучения словарей на группе высококачественных МР изображений соответствующего размера, масштаба и особенностей диагностируемых органов человека.

Неравновеликие патчи

Предложенный способ может работать с различными методами семплирования. Процедура извлечения патчей из объединенного изображения целевого объекта создает набор объемных частей данного изображения. Оптимальное соотношение сторон (доля анизотропии в отношении размера x, y и z) патча зависит от преобладающего направления семплирования k-пространства, обусловленного распределением искажений вследствие наложения спектральных компонент. Чем больше патч, тем больше элементов словаря необходимо для его удовлетворительной аппроксимации; следовательно, размеры патча не должны быть большими, так как словарь имеет ограниченный размер. В данном случае, хорошим выбором формы патча является вариант, когда патч охватывает больше данных вдоль того направления, где выше частота дискретизации (т.е. потеря информации). Такую стратегию охвата с фиксированным количеством информации на один патч можно осуществить путем использования неравновеликих патчей. Этот метод позволяет обеспечить более высокое качество реконструкции изображения, чем метод с равновеликими патчами.

Реконструкция МРТ комбинированным методом CS с использованием словаря

На фиг. 3 показано решение задачи оптимизации (7)-(8) посредством предложенного комбинированного итеративного алгоритма CS. (Сильно) недосемплированные многокатушечные k-пространства 301, которые используются как ввод в алгоритм, могут быть сначала предварительно обработаны упомянутым выше комбинированным распределенным алгоритмом Брегмана. До достижения сходимости решения 302 выполняются следующие операции. Сначала вычисляют объединенное изображение целевого объекта 306 посредством обратного преобразования Фурье (IFFT) многокатушечного k-пространства с последующим объединением 304 результирующих изображений катушек. Для этого используются заранее вычисленные карты чувствительности катушек 305. Из объединенного объекта 306 извлекают 307 набор перекрывающихся патчей 308. Затем для каждого векторизованного двух- или трехмерного фрагмента (в зависимости от данных и параметров алгоритма) выполняется разреженное разложение 309 объекта согласно уравнению (9) с подходящим словарем D 310. Разреженное разложение объекта можно решить посредством жадного алгоритма ортогональной аппроксимации с преследованием. В то время как разреженные коды 311 получают для каждого векторизованного патча, аппроксимация патчей 312 выполняется через линейную совокупность элементов словаря с вычисленными разреженными кодами в качестве коэффициентов. Затем получают разреженную аппроксимацию объединенного объекта 315 посредством сбора реконструированных патчей с их наложением 314. На следующем этапе 316 объединенный объект 315 распределяется на изображения катушек, и результирующие изображения катушек преобразуются в область Фурье с помощью преобразования Фурье (FFT). Эти операции 316 дают в результате промежуточное многокатушечное k-пространство 317. Затем спектральные данные в семплированном положении многокатушечного k-пространства восстанавливаются в их измеренные значения 318. Если решение сходится 302, то реконструированное многокатушечное k-пространство 319 выводится 303 в качестве результата комбинированного алгоритма реконструкции МРТ методом CS, в противном случае начинается новая итерация.

Разложение на множество полос частот

В предложенном способе одним из путей использования многоуровневой структуры данных является реконструкция множества компонентов объекта, соответствующих различным полосам частот. В предложенном способе многокатушечное k-пространство распределяется на несколько полос частот, соответствующих низким, средним и высоким частотам, и т.д. При таком распределении появляется несколько новых многокатушечных k-пространств, каждое из которых содержит соответствующую полосу частот, заполненную измеренными данные, тогда как все другие частоты в нем заполняются нулями. Разложенный на полосы частот сигнал можно восстановить с лучшим качеством благодаря улучшению его разреженности, так как изменение сигнала в одной полосе частот значительно меньше, чем общее изменение сигнала. Результирующие усеченные k-пространства в предложенном способе реконструкции с применением множества словарей обрабатываются параллельно, подобно обычному недосеплированному k-пространству. После завершения реконструкции всех многокатушечных k-пространств для всех полос частот получают окончательный результат путем агрегации этих реконструкций. На этапе обучения словаря каждый объект разлагается одинаковым образом на полосы частот для обучения специальных словарей для каждой полосы частот отдельно. На этапе реконструкции каждая полоса частот реконструируется с использованием соответствующего словаря.

Реконструкция МРТ методом CS с применением множества словарей

Важным существенным признаком настоящего изобретения является разреженная аппроксимация объекта с применением множества словарей. Словари и соответствующие параметры реконструкции методом CS (такие как допустимое отклонение разреженной аппроксимации) можно изменять во время процедуры реконструкции. В настоящем изобретении предложено два метода применения множества словарей при реконструкции методом CS.

Согласно первому методу словари чередуются друг с другом (см. блок 310 на фиг. 3) после определенного количества итераций. Например, было обнаружено, что очень эффективно изменять базис разреженной аппроксимации, если предварительная реконструкция уже выполнено и требуется восстановить и выделить конкретные мелкие детали изображения.

Другой предложенный метод направлен на разреженную аппроксимацию объекта одновременно множеством словарей во время одной итерации реконструкции методом CS. Чтобы определить отличие этого принципа от описанного выше далее будет представлено более детальное описание основанной на словарях аппроксимации патчей, которые образуют изображение объемного целевого объекта.

На фиг. 4 изображен фрагмент реконструкции МРТ методом CS, нацеленный на аппроксимацию с одним словарем. Векторизованные патчи 400 объемных частей объекта рассматриваются здесь как входной сигнал разреженной аппроксимации с помощью словаря. Эти патчи подвергаются разреженному разложению 401 словарем 402, что дает в результате соответствующие разреженные коды 403. Затем выполняется аппроксимация патчей 404 до достижения требуемой точности (допустимого отклонения разреженной аппроксимации). Результат аппроксимации представлен на чертеже как 405. Такие аппроксимации патчей являются выходом данной схемы и будут в дальнейшем использоваться для сборки изображения целевого объекта.

В методе аппроксимации с применением множества словарей эта относительно простая последовательность операций повторяется и дает в результате многоступенчатый метод разреженной аппроксимации, представленный на фиг. 5. Векторизованные фрагменты 500, извлеченные из объемного целевого объекта, используются как входной сигнал. Затем они разлагаются 501 с помощью первого словаря 502 с образованием разреженных кодов 503. Поскольку здесь используется исходный сигнал, словарь 502 в данном случае называется словарем, "ориентированным на исходные изображения". Затем вычисляется разреженная аппроксимация патчей 505 посредством жадного алгоритма поиска ортогонального соответствия (OMP) 504. На следующем этапе 506 остаточные значения патчей 507 вычисляют покомпонентно путем вычитания разреженных аппроксимаций патчей 505 из входных патчей 500. Затем разреженную аппроксимацию повторяют в отношении остаточных значений патчей 507: их разлагают 508 с помощью второго словаря 509, формируя новые разреженные коды 510. Так как второй словарь 509 нацелен на остаточные значения патчей со средне и высокочастотными признаками, этот словарь далее именуется как словарь, "ориентированный на остаточные значения". И наконец, аппроксимации фрагментов 505 (полученные первым словарем) и разреженные аппроксимации остаточных значений патчей 512 (полученные вторым словарем) последовательно суммируются 513. Это дает требуемую разреженную аппроксимацию патчей 514 с применением множества словарей. После сборки этих патчей получается более четкая реконструкция МРТ по сравнению с описанным выше методом с одним словарем; восстанавливаются мелкие детали и достигается лучшее подавление шума и искажений вследствие наложения спектральных компонент.

На фиг. 6(a) изображена разреженная аппроксимация с использованием словаря. Кроме того, на фиг. 6 представлена разреженная аппроксимация с использованием словарей другого вида: словарей с разномасштабными базисными элементами (атомами) (фиг. 6(b)) и словарями с базисными элементами (атомами), ориентированными на определенные/целевые объекты (фиг. 6(c)). Словари с разномасштабными атомами позволяют провести разреженную аппроксимацию патчей _j размером 4N×4M применительно к информативным областям этих патчей, представленным в блоке меньшего размера: например, 2N×2M, N×M, и т.д. Остальная часть этих блоков принимается равной нулю, эти информативные области могут, в общем, занимать различные положения в основном блоке 4N×4M. Ориентированность на цель означает, что различные области изображения содержат в основном признаки из различных полос частот, и эти словари должны содержать соответствующие патчи. Было обнаружено, что более эффективно применять словари с низко, средне и высокочастотными фрагментами к различным областям объединенного изображения в зависимости от оценочной изменчивости извлеченных фрагментов. На фиг. 6(c) различные интересующие области выделены разными цветами: к темноокрашенной области применяется словарь для высокочастотных патчей, а к двум областям более светлого цвета применяется словарь для относительно низкочастотными патчей.

Реконструкция с применением множества словарей: обучение словарей

Обучение словарей, ориентированных на разреженную аппроксимацию исходных патчей, основано на алгоритме K-SVD [M. Aharon, M. Elad, and A. Bruckstein, "K-SVD: An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation," IEEE Trans. Image Process. 54, 4311-4322 (2006)]. Детали этой процедуры не подпадают под тематику настоящего изобретения. В настоящем изобретении предложен способ работы с множеством словарей. Методика обучения предназначена для множества словарей, ориентированных на патчи изображения и на так называемые остаточные значения патчей, т.е. разности между исходными патчами и их разреженными аппроксимациями. В то время как обычный словарь обучается на наборе исходных изображений высокого качества, ориентированные на остаточные значения словари обучаются на разностях между исходными изображениями и их разреженными аппроксимациями, осуществленными словарем, ориентированным на исходные изображения. Согласно этой терминологии словари 310 (включая итеративную смену словарей), 402 и 502 ориентированы на исходные изображения.

В соответствии с этим примерным вариантом на фиг. 7 изображен способ обучения словарей, построенных на остаточных значениях. Сначала выполняют обучение словаря 601 на основании патчей, используя большой набор данных высококачественных изображений целевого объекта 600. Это дает словарь, ориентированный на исходные изображения 602. В частности, для обучения словарей можно использовать известный алгоритм K-SVD. На следующем этапе 603 вычисленный словарь 602, ориентированный на исходные изображения, используется для вычисления разностей между патчами исходных изображений и их разреженными аппроксимациями для всех изображений из заданного набора данных 600. В результате получают набор данных остаточных значений 604. Затем выполняется обучение словаря 605 на основании патчей с использованием найденных остаточных значений патчей 604, чтобы вычислить необходимый словарь, ориентированный на остаточные значения 606.

Следует отметить, что как словарь, ориентированный на исходные изображения 602, так и словарь, ориентированный на остаточные значения 606 можно ортогонализировать с помощью процедуры Грама-Шмидта, чтобы уменьшить число атомов и тем самым ускорить разреженную аппроксимацию.

Система реконструкции МРТ комбинированным методом CS

Предложенную систему можно применять для реконструкции медицинских изображений МРТ методом CS, и она содержит следующие блоки, показанные на фиг. 8 (т.е. сервер реконструкции):

блок 700 семплирования данных, который создает схему семплирования (маску недосемплирования) и посылает ее в блок 702 получения данных, блок 703 предварительной обработки, блок 701 оценки чувствительности и блок 705 реконструкции МРТ методом CS;

блок 702 получения данных, который принимает недосемплированные k-пространства на множество приемных РЧ катушек с учетом схемы семплирования из блока 700 семплирования данных и затем отправляет полученные многокатушечные k-пространства в блок 703 предварительной обработки и в блок 701 оценки чувствительности;

блок 701 оценки чувствительности, который оценивает карты чувствительности катушек на основании семплированных данных многокатушечных k-пространств. Пространственные координаты семплированных частот получают из маски семплирования (подготовленной блоком 700 семплирования данных) и необходимое многокатушечное k-пространство получают из блока получения данных 702;

блок 703 предварительной обработки, который заполняет несемплированные позиции в многокатушечном k-пространстве исходными значениями (нулями или значениями, полученными в процедурах инициализации типа комбинированного распределенного алгоритма Брегмана) и посылает инициализированное многокатушечное k-пространство в блок 705 реконструкции МРТ методом CS. Подлежащие инициализации k-пространства получают из блока 702 получения данных, информацию о несемплированных позициях получают из блока 700 семплирования данных; необходимые карты чувствительности катушки для алгоритмов инициализации получают из блока 701 оценки чувствительности;

блок 704 разреженной аппроксимации, который обучает ориентированные на исходные изображения и/или остаточные значения словари для разреженной аппроксимаций объекта и посылает их в блок 705 реконструкции МРТ методом CS;

блок 705 реконструкции МРТ методом CS, который реконструирует предварительно обработанное многокатушечное k-пространство, полученное из блока 703 обработки, в соответствии с алгоритмом реконструкции МРТ комбинированным методом CS с применением множества словарей. Информацию о семплах в k-пространстве, подлежащем реконструкции, получают из блока 700 семплирования данных, словари и карты чувствительности катушки для реконструкции комбинированным методом CS получают из блока 704 разреженной аппроксимации и блока 701 оценки чувствительности, соответственно.

Блок 700 семплирования данных, блок 701 оценки чувствительности и блок 703 предварительной обработки образуют блок предварительной обработки многокатушечных k-пространств. Блок 704 разреженной аппроксимации и блок 705 реконструкции магнитно-резонансного изображения (МРТ) методом CS образуют блок реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей.

Фиг. 9 иллюстрирует конкретный случай выполнения блока реконструкции в соответствии с методом, использующим множество словарей (в этом случае словари последовательно сменяются в процессе реконструкции). Эта система представляет собой реализацию описанного выше способа, показанного на фиг. 3, и содержит следующие блоки:

блок 800 ввода k-пространства, который принимает k-пространство целевого объекта на множество приемных РЧ катушек, выполняет их предварительную обработку путем заполнения несемплированных позиций некоторыми подходящими значениями (нулями или начальными приближениями комбинированного распределенного алгоритма Брегмана) и посылает их блок 810 восстановления измерений и блок 805 запуска;

блок 801 ввода чувствительности, который оценивает карты чувствительности катушки (на основании полностью семплированных частот многокатушечного k-пространства) и посылает их в блок 807 объединения и блок 809 распределения;

блок 802 семплирования данных, который создает схему семплирования (маску семплирования) для получения k-пространств и отправляет ее в блок 810 восстановления измерений;

блок 805 запуска, который посылает подлежащее реконструкции многокатушечное k-пространство из блока 810 восстановления измерений в блок 807 объединения или в блок 806 вывода k-пространств в зависимости от сигнала блока 803 управления, который формируется посредством анализа числа итераций или соответствующего критерия остановки;

блок 806 вывода k-пространства, который выводит и сохраняет реконструированное многокатушечное k-пространство;

блок 807 объединения, который принимает многокатушечное k-пространство из блока 805 запуска, выполняет для него обратное преобразование Фурье, и объединяет изображения для отдельных катушек, используя карты чувствительности катушек, полученные из блока 801 ввода чувствительности; затем результирующее объединенное изображение посылается в блок 808 аппроксимации с применением множества словарей;

блок 804 ввода словаря, который получает текущий номер итерации из блока 803 управления, выбирает соответствующие словари для аппроксимации объекта с использованием словаря и посылает их в блок 808 аппроксимации с применением множества словарей;

блок 808 аппроксимации с применением множества словарей, который получает объединенное изображение из блока 807 объединения, выполняет его разреженную аппроксимацию ориентированными на исходные изображения и/или остаточные значения словарями из блока 804 ввода словаря и посылает результат в блок 809 распределения;

блок 809 распределения, который распределяет разреженную аппроксимацию объекта, полученную из блока 808 аппроксимации с применением множества словарей, посредством карт чувствительности катушки, полученных из блока 801 ввода чувствительности. Затем он получает k-пространства из изображений, соответствующих данным катушкам, и посылает их (“многокатушечное k-пространство”) в блок 810 восстановления измерений;

блок 810 восстановления измерений, который принимает многокатушечное k-пространство из блока 809 распределения и восстанавливает исходные значения в семплированных позициях данных k-пространств. Семплированные позиции получают из блока 802 семплирования данных; результат реконструкции посылают в блок 805 запуска;

блок 803 управления определяет два аспекта реконструкции МРТ комбинированным методом CS: блок назначения для отправки соответствующего k-пространства и выбор словарей для текущей итерации. На самой первой итерации блок 803 управления включает блок 805 запуска на прием исходных данных из блока 800 ввода k-пространства, чтобы начать обработку данных. Во всех других случаях блок запуска обеспечивает k-пространство, полученное из блока 810 восстановления измерений. Далее это многокатушечное k-пространство передается в блок 807 объединения. Если удовлетворено условие остановки (для этого проверяется число итераций или критерий точности), блок 803 управления включает блок 805 запуска на остановку отправки многокатушечного k-пространства из блока 810 восстановления измерений в блок 807 объединения. В этом случае блок запуска 805 посылает результирующее k-пространство в блок 806 вывода k-пространства. В то же время блок 803 управления информирует блок 804 ввода словаря о текущем номере итерации для выбора правильных словарей.

На фиг. 10 изображена система обучения словарей, ориентированных на исходные изображения и ориентированных на остаточные значения. Она представляет собой реализацию алгоритма, изображенного на фиг. 7. Система содержит следующие блоки:

блок 900 сбора изображений, который собирает набор данных высококачественных МР изображений целевых объектов и посылает их в блок 901 обучения словарей и блок 902 разреженной аппроксимации;

блок 901 обучения словарей, который выполняет обучение словарей (например, методом K-SVD) и создает словари, ориентированные на исходные изображения и ориентированные на остаточные значения, в зависимости от входных данных. Все эти словари посылаются в блок 904 вывода словаря, который их сохраняет. Результирующий словарь, ориентированный на исходные изображения, посылается из блока 901 в блок 902 разреженной аппроксимации, а словарь, ориентированный на остаточные значения - в блок 903 аппроксимации остаточных значений;

блок 902 разреженной аппроксимации, который вычисляет разреженную аппроксимацию для всех наборов данных МР изображений из блока 900 сбора изображений; это вычисление выполняется со словарем, полученным из блока 901 обучения словарей. Остаточные значения отправляются обратно в блок 901 обучения словаря и блок 903 аппроксимации остаточных значений;

блок аппроксимации остаточных значений 903, который вычисляет аппроксимацию остаточных значений, принятых из блока 902 разреженной аппроксимации словарем, ориентированным на остаточные значения, полученным из блока 901 обучения словаря;

блок 905 вывода словаря, который принимает вычисленные ориентированные на исходные изображения и на остаточные значения словари и сохраняет их (сохраненные словари предполагается использовать для разреженной аппроксимации).

На фиг. 11 показана система, которая реализует настоящее изобретение в аппаратной форме. Эта система содержит МР сканер, основанный на множестве приемных катушек 1001, для получения недосемплированного многокатушечного k-пространства, сервер 1002 реконструкции и пульт 1003 оператора. При получении недосемплированного многокатушечного k-пространства в запоминающем устройстве 1005 сервера реконструкции сохраняется файл с этими данными. Оператор запускает программу реконструкции изображения, используя контроллер 1007 пульта. Программа исполняется на процессоре 1004 сервера; она содержит модуль 1008 для реконструкции недосемплированных МРТ данных в качестве собственной подпрограммы. Результат исполнения программы можно увидеть на дисплее 1006 пульта управления. Контроллер 1007 контролирует результаты операции, в частности, отслеживает параметры МР изображения, подлежащего реконструкции и отображению.

На фиг. 12 показана система для инициализации данных посредством предложенного комбинированного распределенного алгоритма Брегмана. Она представляет собой реализацию алгоритма, показанного на фиг. 2. Система содержит следующие блоки:

блок 1100 ввода k-пространства, который принимает многокатушечное k-пространство на приемные катушки в соответствии с выбранной маской семплирования, посылает k-пространства и маску семплирования в блок 1101 контроля и обновления и в блок 1107 восстановления измерений;

блок 1102 ввода чувствительности, который принимает оцененные карты чувствительности приемных катушек и посылает их в блок 1103 объединения и блок 1106 распределения;

блок 1103 объединения, который принимает многокатушечное k-пространство из блока 1101 контроля и обновления, выполняет обратное преобразование Фурье для k-пространств, объединяет полученные изображения, используя карты чувствительности (полученные из блока 1102 ввода чувствительности) для этой цели, и посылает результирующее объединенное изображение в блок 1104 оценки объекта;

блок 1104 оценки объекта, который принимает требуемые параметры и объединенное изображение из блока 1103 объединения, пересчитывает разреженную аппроксимацию объекта с соответствующим критерием минимизации и посылает результат в блок 1105 обновления внутренних параметров;

блок 1105 обновления внутренних параметров, который принимает обновленное разреженное представление объекта (изображение) из блока 1104 оценки объекта, обновляет соответствующие параметры и посылает обновленную аппроксимацию объекта в блок 1106 распределения;

блок распределения 1106, который распределяет разреженную аппроксимацию объекта, полученную из блока 1105 обновления внутренних параметров, используя карты чувствительности катушек для этой цели (карты чувствительности получены из блока 1102 ввода чувствительности). Затем блок 1106 распределения выполняет преобразование Фурье на результирующих изображениях катушек и посылает обновленное многокатушечное k-пространство в блок 1101 контроля и обновления;

блок 1101 контроля и обновления контролирует условия обработки для внешнего и внутреннего циклов комбинированного распределенного алгоритма Брегмана. Если выполнено условие для внутреннего цикла, блок контроля и обновления обновляет внешние параметры. Если выполнено условие для внешнего цикла, реконструированные k-пространства отправляются в блок 1107 восстановления измерений, в противном случае, предварительно реконструированные k-пространства снова посылаются в блок 1103 объединения;

блок 1107 восстановления измерений, который принимает реконструированное многокатушечное k-пространство из блока 1101 контроля и обновления и восстанавливает семплированные элементы данных k-пространства в их исходные (измеренные) значения. Семплированные позиции для элементов k-пространств получают из блока 1100 ввода k-пространств. Результат (k-пространство с восстановленными измеренными элементами) посылается в блок 1108 вывода k-пространства;

блок 1108 вывода k-пространства, который выводит и сохраняет реконструированное многокатушечное k-пространство, принятое из блока 1107 восстановления измерений.

Пользовательский сценарий 1

На фиг. 13 изображен пользовательский сценарий применения предложенной системы на практике. В этом сценарии предполагается три исполнителя:

МР сканер (в качестве устройства, которое реализует процесс измерения и предоставляет спектральные данные измерений биологического объекта);

система реконструкции МР изображения (в качестве аппаратной и программной реализации предложенного способа реконструкции МР изображения на основании недосемплированных спектральных данных);

медицинский работник или оператор, который управляет сканером и системой реконструкции изображения.

Основные этапы этого пользовательского сценария:

врач помещает пациента в МР сканер в положении, соответствующем выбранному для исследования органу;

врач выбирает требуемый режим сканирования и орган для исследования;

врач выбирает требуемую маску недосемплирования для ускорения процесса сканирования;

врач выбирает набор параметров для процесса реконструкции изображения;

врач начинает процесс сканирования;

МР сканер сканирует пациента, пропуская некоторые данные для ускорения процесса, и в итоге выводит недосемплированные спектральные данные в систему реконструкции изображения;

система реконструкции изображения обрабатывает полученные данные и, в итоге, реконструирует МР изображение исследуемого органа (алгоритм, реализуемый этой системой, будет описан ниже);

врач изучает реконструированное МР изображение.

Алгоритм, реализуемый системой реконструкции изображения, является предметом настоящего изобретения, его основные этапы проиллюстрированы на фиг. 1.

Основной результат настоящего изобретения состоит в том, что обеспечивается МР изображение высокого качества за минимальное время (так как сканируемые данные недосемплированы и общее время сканирования сокращается приблизительно в 4-6 раз согласно предписанному компромиссному соотношению “качество/затраченное время”).

Пользовательский сценарий 2

В альтернативном сценарии процедуру реконструкции можно выполнять не на вспомогательном оборудовании, снабженном МР сканером, а на специальном сервере, предоставляющем услугу реконструкции. Владелец сервера реконструкции и алгоритма реконструкции может предоставлять доступ медицинскому учреждению в соответствии с контрактом. В этом случае можно использовать любой МР сканер (находящийся в медицинском учреждении) без учета алгоритма реконструкции. Реконструкцию можно выполнять с использованием технологии облачных вычислений и, в частности, с помощью распределенных вычислений. Этот пользовательский сценарий показан на фиг. 14. Он содержит следующие основные этапы:

врач (или оператор) помещает пациента в МР сканер в медицинском учреждении;

врач (или оператор) выбирает требуемый коэффициент ускорения;

врач (или оператор) начинает процесс сканирования;

МР сканер сканирует пациента и формирует недосемплированные спектральные данные;

МР сканер посылает недосемплированные данные в облачный сервер реконструкции, предоставляющий услугу реконструкции;

сервер реконструкции, расположенный в облаке, выполняет реконструкцию трехмерного изображения из принятых недосемплированных данных;

сервер реконструкции, расположенный в облаке, посылает реконструированное изображение обратно в МР сканер в медицинском учреждении;

врач в медицинском учреждении изучает полученное реконструированное изображение.

Пользовательский сценарий 3

На фиг. 15 изображен альтернативный пользовательский сценарий для неразрушающего анализа. Объект облучают когерентным лазерным лучом, рассеянное излучение детектирует сканер, и изображение объекта точно реконструируется из ряда измерений интенсивности алгоритмом восстановления информации о фазе на компьютере. Следует отметить, что применяемые измерения интенсивности различаются из-за передаточных функций, описывающих распространение волнового поля на различные расстояния. Точные расстояния распространения волнового поля часто кодируются специальными дифракционными элементами - пространственными модуляторами света (ПМС). Так как коэффициент заполнения пространственных модуляторов света далек от совершенства (в зависимости от стоимости коэффициент заполнения серийного ПМС может составлять от 72% до 98%), рабочие спектры Фурье становятся регулярно недосемплированными. Чтобы исключить обусловленное этим ложное оконтуривание на реконструированных изображениях, необходимо компенсировать примененные передаточные функции. Это можно реализовать, например, посредством двухступенчатого восстановления информации о фазе, впервые предложенного в работе A. Migukin et al., "Phase retrieval in 4f optical system: background compensation and sparse regularization of object with binary amplitude," Appl. Opt. 52, A269-A280 (2013). В данном сценарии предполагаются следующие исполнители:

лазерный сканер, который освещает интересующий объект лазерным лучом, детектирует рассеянное излучение от объекта и получает ряд измерений интенсивности, соответствующих различным передаточным функциям (закодированных ПМС);

система реконструкции изображения (компьютер с соответствующим программным обеспечением);

оператор, который управляет сканером и системой реконструкции изображения и изучает реконструированное изображение.

Основные этапы этого пользовательского сценария:

пользователь (оператор) помещает лазерный сканер перед интересующим объектом (или его фрагментом);

оператор сканирует интересующий объект (или его фрагмент) лазерным сканером;

оператор помещает лазерный сканер перед тестовым объектом и сканирует его лазерным сканером;

система реконструкции изображения (компьютер) принимает данные сканирования известного тестового объекта и интересующего объекта;

используемые передаточные функции корректируются во время итеративного восстановления информации о фазе с использованием данных сканирования известного тестового объекта;

изображение интересующего объекта реконструируется из данных сканирования интересующего объекта с использованием скорректированных передаточных функций;

реконструируемое изображение объекта изучается оператором.

Связанные варианты осуществления

Предложенный способ реконструкции МРТ комбинированным методом CS позволяет эффективно восстанавливать значения на несемплированных позициях полученного недосемплированного многокатушечного k-пространства и формировать МР изображение высокого качества. Существует множество областей, где можно с успехом применять предложенный метод для точной реконструкции изображения из частичных измерений.

В последнее десятилетие наблюдается быстрый рост разрешающей способности смартфонов, мониторов и телевизионных приемников. При этом требуется преобразовать огромный объем информации на существующих носителях с низким разрешением в новые форматы высокого разрешения. Предложенный способ можно применять как для решения задачи сверхвысокого разрешения, так и для фильтрации/подчеркивания границ изображений, обработанных другими алгоритмами.

Существует необходимость постоянного повышения качества изображений цифровых камер, поэтому к необработанным данным применяются все более сложные алгоритмы обработки. Предложенный способ можно использовать для компенсации мозаичности, чтобы реконструировать полученные значения красного, зеленого и синего, отсутствующие из-за интерполяции.

Для цифровой дифракционной оптики актуальным является отсутствие доступных цифровых камер и ПМС с высоким (желательно 100%) коэффициентом заполнения. В настоящее время перед инженерами стоит необходимость обеспечить подавление сильных ложных контуров, обусловленных неидеальными активными областями в используемых камерах и ПМС. Предложенный алгоритм реконструкции можно применять для восстановления отсутствующих значений и поэтому он может быть эффективно использован в цифровой голографии, при восстановлении информации о фазе, в расчете волнового поля и синтезе сформированных вычислениями голограмм.

Гиперспектральные изображения дистанционного зондирования обычно имеют высокое спектральное разрешение и низкое пространственное разрешение. Мультиспектральные изображения, напротив, обычно имеют низкое спектральное и высокое пространственное разрешение. Предложенный алгоритм реконструкции методом CS можно использовать для объединения преимуществ этих двух типов изображений.

Промышленная применимость

Способ согласно настоящему изобретению может применяться в МРТ сканерах для ускорения получения изображения и может быть реализован в форме программного обеспечения или аппаратной части медицинского оборудования.

1. Устройство для реконструкции магнитно-резонансного изображения, содержащее:

блок получения данных, выполненный с возможностью получения данных недосемплированного многокатушечного k-пространства,

блок предварительной обработки многокатушечного k-пространства, выполненный с возможностью предварительной обработки данных, причем предварительная обработка данных включает в себя заполнение несемплированных позиций многокатушечного k-пространства начальным приближением, сжатие катушек многокатушечного k-пространства, разложение многокатушечного k-пространства на множество полос частот с получением ряда отдельных многокатушечных k-пространств, соответствующих различным полосам частот, и оценку карты чувствительности катушки из полученных данных k-пространств,

блок реконструкции, выполненный с возможностью выполнения реконструкции, комбинированным методом разреженной аппроксимации с использованием множества словарей, каждого отдельного многокатушечного k-пространства, соответствующего определенной полосе частот, и

процессор, выполненный с возможностью вычисления результирующего многокатушечного k-пространства посредством агрегации реконструированных многокатушечных k-пространств, соответствующих различным полосам частот, и вычисления результирующего магнитно-резонансного изображения из вычисленного многокатушечного k-пространства.

2. Система для реконструкции магнитно-резонансного изображения, содержащая:

магнитно-резонансный сканер, имеющий по меньшей мере одну приемную катушку, выполненную с возможностью получения недосемплированного многокатушечного k-пространства,

устройство для реконструкции магнитно-резонансного изображения согласно п. 1, и

пульт оператора, содержащий контроллер, выполненный с возможностью контролирования результатов работы устройства, и устройство отображения, выполненное с возможностью визуализации реконструкции магнитно-резонансного изображения.

3. Система по п. 2, в которой блок предварительной обработки содержит блок семплирования данных, блок оценки чувствительности и блок предварительной обработки.

4. Система по п. 2, в которой блок реконструкции комбинированным методом разреженной аппроксимации содержит блок разреженной аппроксимации и блок реконструкции магнитно-резонансного изображения (MP) методом оценки по разреженному представлению (CS).

5. Система по п. 2, в которой пульт оператора дополнительно выполнен с возможностью: приема ввода от оператора для запуска реконструкции изображения, формирования команды реконструкции изображения и передачи этой команды в сервер реконструкции; и сервер реконструкции дополнительно выполнен с возможностью приема команды из пульта оператора и запуска реконструкции изображения.

6. Система по п. 2, в которой сервер реконструкции дополнительно выполнен с возможностью реализации реконструкции комбинированным методом разреженной аппроксимации с использованием множества словарей относительно каждой полосы частот и содержит:

блок семплирования данных, выполненный с возможностью создания маски семплирования для определения частот семплирования в данных многокатушечного k-пространства;

блок оценки чувствительности, выполненный с возможностью оценки карт чувствительности катушек на основании семплированных данных многокатушечного k-пространства;

блок предварительной обработки, выполненный с возможностью заполнения несемплированных позиций в многокатушечном k-пространстве исходными значениями, полученными с помощью комбинированного распределенного алгоритма Брегмана;

блок разреженной аппроксимации, выполненный с возможностью обучения ориентированного на исходные изображения и ориентированного на остаточные значения словарей для разреженной аппроксимации с применением множества словарей;

блок реконструкции магнитно-резонансного изображения методом оценки по разреженному представлению, выполненный с возможностью осуществления реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации с использованием множества словарей для многокатушечного k-пространства.

7. Система по п. 6, в которой блок предварительной обработки дополнительно выполнен с возможностью реализации комбинированного распределенного итеративного алгоритма Брегмана и содержит:

блок контроля и обновления, выполненный с возможностью контролирования условий для внешнего и внутреннего цикла комбинированного распределенного алгоритма Брегмана, обновления внешних параметров алгоритма на каждом внешнем цикле, отправки многокатушечного k-пространства в блок восстановления измерений или блок объединения в зависимости от условия для внешнего цикла;

блок ввода чувствительности, выполненный с возможностью приема карт чувствительности катушки, используемых для операций объединения и распределения;

блок объединения, предназначенный для выполнения обратного преобразования Фурье для многокатушечного k-пространства с его последующим объединением картами чувствительности катушки и отправки результирующего объединенного изображения объемного целевого объекта в блок оценки объекта;

блок оценки объекта, выполненный с возможностью пересчета разреженной аппроксимации объекта путем минимизации критериальной функции, включающей 1-норму, и отправки результата в блок обновления внутренних параметров;

блок обновления внутренних параметров, выполненный с возможностью обновления соответствующих параметров и повторной отправки обновления объекта в блок распределения;

блок распределения, выполненный с возможностью распределения разреженной аппроксимации объекта картами чувствительности катушек, вычисления преобразования Фурье результирующих изображений катушек и возвращения обновленного многокатушечного k-пространства в блок контроля и обновления;

блок восстановления измерений, выполненный с возможностью приема реконструированного многокатушечного k-пространства из блока контроля и обновления и восстановления семплированных данных k-пространства в их первоначально измеренные значения.

8. Система по п. 6, в которой блок разреженной аппроксимации дополнительно выполнен с возможностью реализации обучения словаря для разреженной аппроксимации объекта с применением множества словарей и содержит:

блок сбора изображений, выполненный с возможностью сбора набора данных магнитно-резонансных изображений целевых объектов и отправки их в блок обучения словарей и в блок разреженной аппроксимации;

блок обучения словарей, выполненный с возможностью обучения словарей - ориентированного на исходные изображения и ориентированного на остаточные значения - в зависимости от входных данных, отправки результирующего словаря, ориентированного на исходные изображения, в блок разреженной аппроксимации, отправки словаря, ориентированного на остаточные значения, в блок аппроксимации остаточных значений и отправки вычисленных словарей - ориентированного на исходные изображения и ориентированного на остаточные значения, в блок вывода словаря;

блок разреженной аппроксимации, выполненный с возможностью вычисления разреженной аппроксимации магнитно-резонансных изображений посредством вычисленного словаря; отправки остаточных значений, вычисленных как разность между исходными магнитно-резонансными изображениями и их аппроксимацией, в блок обучения словаря и в блок аппроксимации остаточных значений;

блок аппроксимации остаточных значений, выполненный с возможностью вычисления аппроксимации остаточных значений, полученных из блока разреженной аппроксимации вычисленным, ориентированным на остаточные значения словарем;

блок вывода словаря, выполненный с возможностью сохранения вычисленных ориентированного на исходные изображения и ориентированного на остаточные значения словарей.

9. Система по п. 6, в которой блок реконструкции магнитно-резонансного изображения методом оценки по разреженному представлению дополнительно выполнен с возможностью реализации алгоритма реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации с использованием множества словарей и содержит:

блок управления, выполненный с возможностью управления блоком запуска и блоком ввода словаря;

блок ввода словаря, выполненный с возможностью приема ориентированного на исходные изображения и ориентированного на остаточные значения словарей и отправки их в блок аппроксимации с применением множества словарей;

блок восстановления измерений, выполненный с возможностью восстановления данных k-пространства в семплированных позициях в их первоначально измеренные значения;

блок запуска, являющийся переключателем, выполненным с возможностью отправки многокатушечного k-пространства из блока восстановления измерений в блок объединения или в блок вывода k-пространства в зависимости от сигнала из блока управления;

блок ввода чувствительности, выполненный с возможностью приема карт чувствительности катушки, используемых для операций объединения и распределения;

блок объединения, выполненный с возможностью получения объединенного изображения из многокатушечного k-пространства;

блок аппроксимации с применением множества словарей, выполненный с возможностью выполнения разреженной аппроксимации с применением множества словарей объединенного изображения, полученного из блока объединения, и отправки результата в блок распределения;

блок распределения, выполненный с возможностью вычисления многокатушечного k-пространства из аппроксимации изображения;

блок вывода k-пространства, выполненный с возможностью вывода реконструированного многокатушечного k-пространства.

10. Способ реконструкции магнитно-резонансного изображения, содержащий этапы, на которых:

получают данные недосемплированного k-пространства,

заполняют несемплированные позиции многокатушечного k-пространства начальным приближением,

осуществляют сжатие катушек многокатушечного k-пространства,

осуществляют разложение на множество полос частот многокатушечного k-пространства с получением ряда отдельных многокатушечных k-пространств, соответствующих различным полосам частот,

оценивают карты чувствительности катушки из полученных данных k-пространств,

осуществляют реконструкцию, комбинированным методом разреженной аппроксимации с использованием множества словарей, каждого отдельного многокатушечного k-пространства, соответствующего определенной полосе частот,

вычисляют результирующее многокатушечное k-пространство посредством агрегации реконструированных многокатушечных k-пространств, соответствующих различным полосам частот,

вычисляют результирующее магнитно-резонансное изображение из вычисленного многокатушечного k-пространства.

11. Способ по п. 10, в котором этап осуществления реконструкции, комбинированным методом разреженной аппроксимации с использованием множества словарей, для каждой полосы частот включает в себя этапы, на которых:

вычисляют объединенное изображение из многокатушечного k-пространства,

осуществляют разреженную аппроксимацию объединенного изображения с применением множества словарей,

вычисляют многокатушечное k-пространство из аппроксимации изображения,

восстанавливают данные измеренного k-пространства.

12. Способ по п. 11, в котором этап осуществления разреженной аппроксимации с применением множества словарей включает в себя этапы, на которых:

осуществляют разреженное кодирование с применением множества словарей на основе патчей,

аппроксимируют изображение из полученных разреженных кодов.

13. Способ по п. 11, в котором упомянутое получение объединенного изображения из многокатушечного k-пространства выполняют посредством обратного преобразования Фурье для каждой катушки многокатушечного k-пространства и проецирования результирующих изображений катушек на карты чувствительности катушки в каждом пространственном положении.

14. Способ по п. 11, в котором упомянутое вычисление многокатушечного k-пространства из изображения выполняют посредством изменения масштаба карт чувствительности катушки на значение изображения в каждом пространственном положении и преобразования Фурье каждого результирующего изображения катушки.

15. Способ по п. 10, в котором упомянутые несемплированные позиции k-пространства заполняют постоянными произвольными комплексными значениями или значениями, полученными посредством комбинированного распределенного итеративного алгоритма Брегмана.

16. Способ по п. 15, в котором упомянутый комбинированный распределенный алгоритм Брегмана отличается от обычного распределенного алгоритма Брегмана агрегацией многокатушечного k-пространства, использующего объединенную разреженность.

17. Способ по п. 11, в котором при упомянутой разреженной аппроксимации объединенного изображения извлекают перекрывающиеся фрагменты из изображения, осуществляют разреженную аппроксимацию этих фрагментов с помощью словаря и собирают аппроксимированные фрагменты в аппроксимацию изображения с их перекрытием.

18. Способ по п. 17, в котором упомянутую разреженную аппроксимацию фрагментов выполняют посредством разреженного разложения фрагментов на разреженные коды с использованием одного словаря и последующей сборки разреженных кодов с использованием этого словаря.

19. Способ по п. 17, в котором упомянутую разреженную аппроксимацию фрагментов выполняют методом с применением множества словарей, содержащим этапы, на которых: аппроксимируют патчи словарем, ориентированным на исходные изображения, сравнивают вычисленную аппроксимацию фрагментов с исходными патчами, вычисляют соответствующую разность, аппроксимируют результирующее остаточное значение словарем, ориентированным на остаточные значения, и вычисляют окончательную аппроксимацию патчей как сумму аппроксимаций словарем, ориентированным на исходные изображения, и словарем, ориентированным на остаточные значения.

20. Способ по п. 17, в котором упомянутые используемые словари предварительно обучают с использованием патчей, извлеченных из набора полностью семплированных магнитно-резонансных изображений.

21. Способ по п. 17, в котором упомянутые патчи являются неравновеликими, и соотношение их сторон выбирают с учетом степени анизотропии схемы семплирования.

22. Способ по п. 17, в котором упомянутые патчи являются равновеликими для изотропной схемы семплирования.

23. Способ по п. 17, в котором упомянутые словари обучают отдельно для каждой полосы частот, полученной при разложении на множество полос частот.

24. Способ по п. 19, в котором упомянутые словари обучают с нацеливанием их на конкретные признаки изображения в зависимости от изменчивости интересующей области.

25. Способ по п. 19, в котором упомянутые предварительно вычисленные словари с разномасштабными атомами содержат атомы с информативными участками разного размера.

26. Способ по п. 25, в котором упомянутые атомы в словарях с разномасштабными атомами имеют неинформативные участки, заполненные нулями.

27. Способ по п. 18, в котором упомянутый словарь итеративно заменяют другими словарями во время реконструкции магнитно-резонансного изображения комбинированным методом разреженной аппроксимации.

28. Способ по п. 18 или 19, в котором упомянутое разреженное разложение выполняют посредством минимизации числа ненулевых компонентов разложения патчей в линейную комбинацию элементов словаря.

29. Способ по п. 17, в котором упомянутый словарь подвергают ортогонализации таким образом, чтобы для каждого словаря набор его элементов был представлен как набор векторов с ортонормальным базисом.

30. Способ по п. 19, в котором упомянутое множество словарей обучают посредством процедуры, в которой:

собирают набор данных изображений приемлемого качества магнитно-резонансных целевых объектов;

обучают основанный на патчах, ориентированный на исходные изображения словарь с использованием собранных изображений;

аппроксимируют патчи изображений обученным словарем, ориентированным на исходные изображения;

вычисляют разности между патчами изображений и их разреженной аппроксимацией и собирают набор данных вычисленных остаточных значений;

обучают основанный на патчах, ориентированный на остаточные значения словарь с использованием набора данных остаточных значений.

31. Способ по п. 10, в котором при упомянутом разложении на множество полос частот создают многокатушечные k-пространства, соответствующие полосам частот, при этом каждое созданное k-пространство содержит данные из соответствующей полосы частот введенного многокатушечного k-пространства, а другие позиции созданного k-пространства заполняют нулями и отмечают как измеренные.

32. Способ по п. 10, в котором дополнительно отображают реконструированное изображение на устройстве отображения.

33. Способ по п. 30, в котором ориентированные на исходные изображения и на остаточные значения словари обучают с помощью алгоритма K-SVD.

34. Способ по п. 10, в котором дополнительно передают реконструированное магнитно-резонансное изображение на пульт оператора.