磁共振全身压缩感知成像

压缩感知是基于应用数学的一种前沿的信号采集与处理创新技术，可以大幅度提升磁共振扫描速度与空间分辨率。飞利浦开发出Compressed SENSE(CS SENSE)，将压缩感知应用于磁共振全身成像，在MR加速技术的道路上迈出了重要的一步。

压缩感知——数学领域的重大突破

传统奈奎斯特采样要求采集频率不小于模拟信号中最高频率的两倍，这样的数字信号不仅数据量大对存储要求高，并且使用压缩编码算法后大量冗余信号被丢弃。为了提高信号采集和处理的效率，2006年由陶哲轩，Emmanuel Candès、David Donoho三位世界级数学家联合提出并完善压缩感知技术理论【1,2,3】。

压缩感知理论引起了多个学科的广泛关注，并应用于军事、天文学、地球科学、图像处理和医学等十多个领域，被《美国科技评论》评为2007年度十大科技进展之一。由于压缩感知磁共振成像具备更短的扫描时间和更高的空间分辨率，在每年的国际磁共振年会（ISMRM）上一直是热门的话题。

飞利浦CS SENSE优势

“压缩”——稀疏采样，压缩扫描时间，“感知”——迭代重建，感知图像精华。压缩感知通过直接采集压缩后的图像，实现磁共振扫描时间的成倍缩短。然而受限于数据采集、空间转换、重建算法和处理系统等因素，压缩感知成像十几年来一直未能在磁共振领域内广泛应用。

飞利浦始终致力于磁共振加速技术的研发与创新: 1999年首次实现商用并行采集技术SENSE，2010年首次推出数字化加速技术dS SENSE，并率先于2015年5月获得多层同时成像MB SENSE的FDA,  2017年CS SENSE第一次将压缩感知成像应用于全身磁共振扫描。

传统的非SENSE压缩感知成像分析时间域内的稀疏性，采样密度并不具有连续性：类似常规采样的K空间中心采样密度，更低的K空间边缘采样密度。这样不仅会导致图像模糊和更多的噪声，同时限制其应用于许多部位、对比度和序列。飞利浦的CS SENSE关注频率域内的稀疏性，采用平衡的K空间采样密度，能广泛应用于全身2D, 3D和4D序列。

CS SENSE主要原理

CS SENSE采用数字化随机稀疏采样保证图像的保真度，K空间采集到的信号经由傅里叶变换和小波变换后转换到希尔伯特空间（H空间）。传统的傅里叶变换由于不包含时间信息，难以有效消除随机采样带来的条纹状卷褶伪影。小波变换能拥有丰富的小波基，可以局部化分析信号的时间-频率特征，从而实现精细化的离散降噪。

CS SENSE采用小波逆变换和傅里叶逆变换得到新的K空间信息，并与最开始的K空间做对比，之后不断地重复上述过程（不包括数字随机采样）。Recon 2.0会根据扫描部位和序列，加速因子和降噪系数四个因素智能计算出优化迭代重建次数。Ingenia CX上56000幅/秒的极速重建速度，帮助CS SENSE快速获得高质量的压缩感知图像。

CS

CS SENSE利用可变的随机稀疏采样和迭代重建计算最优化的稀疏因子，保持图像一致性和稀疏性的平衡：

CS SENSE临床科研应用

CS SENSE能应用于全身多种临床和科研序列，在分辨率不变的情况下大幅度提升扫描速度。与传统并行采集技术相比， CS SENSE 额外减少50%—70%的扫描时间:

·   神经：将3D T1, T2, TOF, FLAIR等序列的扫描时间进一步缩短55%

·  腹部：缩短扫描时间高达60%，并且图像更锐利，运动伪影更少

·  骨肌：扫描时间缩短一半，由于TSE回波链更短，3D成像的锐利度更高

·  心脏：缩短扫描时间70%，减少了运动伪影和屏气失败后的重扫

另一方面CS SENSE在扫描时间不变的前提下，可将图像的空间分辨率提升数倍，降低部分容积效应，提升临床诊断效能和科研精准度。

小结

基于数学界的压缩感知理论，CS SENSE全身压缩感知成像能大幅度提升MR扫描速度和/或图像分辨率，在磁共振成像临床诊断和科研探索方面具有广阔的应用前景。

更多精彩，请点击下方视频 ↓↓↓

1.   Donoho D. Compressedsensing. IEEE Trans Inf Theory 2006; 52: 1289–1306.

2.   Candès EJ, Romberg JK, Tao T. Stablesignal recovery from incomplete

and inaccurate measurements. CommunPur Appl Math 2006; 59:1207–1223.

3.  Candès, Emmanuel J.; Romberg, JustinK.; Tao, Terence (2006). 'RobustUncertainty Principles: Exact Signal Reconstruction from Highly IncompleteFourier Information' . IEEETrans. Inf. Theory. 52 (8): 489–509.