CN109959887A - 一种三维磁共振成像重建方法、装置、应用及可读介质 - Google Patents

Abstract

本发明涉及磁共振成像的技术领域，公开了一种三维磁共振成像重建方法、装置、应用及可读介质，所述三维磁共振成像重建方法包括以下步骤：步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像；步骤2：由CPU多线程和GPU多线程并行运行进行迭代重建图像；步骤3：进行多通道合并，生成重建的磁共振图像。本发明采用CPU多线程和GPU多线程并行的方式，可以加速三维重建计算速度，实验证明本发明比只用GPU计算或者只用CPU并行计算更快，提高了时间效率。

Description

一种三维磁共振成像重建方法、装置、应用及可读介质

技术领域

本发明涉及磁共振成像的技术领域，特别涉及一种三维磁共振成像重建方法、装置、应用及可读介质。

背景技术

磁共振成像技术是将射频电磁波与人体内的氢质子共振所产生的信号，经处理后，转换成影像的检查方法。三维头颈联合血管壁磁共振成像技术可以在一次扫描中对脑中风病人的颅内外血管狭窄程度及斑块形态等进行全面检查，该技术需要高分辨率，大覆盖范围以及提供高信噪比的多通道并行接收线圈，这使得扫描时间过长，而且扫描数据和待重建图像的数据量非常大，比如覆盖头颈，分辨率为各向同性0.55mm的扫描时间需要10分钟，扫描所得数据约有10GB，重建图像约有4GB。过长的扫描时间使得该技术很容易遭受病人呼吸，吞咽以及头部不自主运动等导致的图像伪影。为缩短该技术的扫描时间，一般采用欠采样方法进行加速，比如采用5倍加速能够将覆盖头颈，分辨率为各向同性0.55mm的血管壁成像的扫描时间从完全采样所需要的25分钟缩短至5分钟。

但是高度欠采样导致的数据缺失需要在重建技术上挽回。如何准确地恢复高度欠采样数据，降低估计误差，满足血管壁成像技术对图像信噪比及血管壁边界锐利度等的极高要求，通过充分利用信号采集过程中所用的多通道并行接收线圈提供的敏感度信息以及磁共振图像自身所具有的稀疏先验信息，最终将图像重建问题描述成一个数学优化问题，采用交替迭代的算法进行求解计算,由于每次迭代需要处理高达10GB左右数据的运算，导致图像重建的计算时间大于扫描时间，无法在线成像，严重制约了该技术在临床上的应用和推广。

现有的成像技术为快速磁共振成像技术。根据图1快速磁共振成像的采集和重建示意图所示，一般的成像过程可以分为以下步骤，(a)利用高分辨率多通道并行接收线圈接收信号；(b)欠采样得到稀疏采样K空间数据；(c) 计算卷积核补充采样；(d)并行重建得到模糊的重建图像；(e)通过稀疏表示并行图像得到稀疏约束系数；(f)利用小波变换稀疏重建图像；最后，利用步骤 (f)得到的结果和步骤(b)得到的稀疏采样数融合，继续从步骤(c)开始迭代重建。如此迭代，直到满足误差达1e^-6或者迭代次数达到指定值。上述是重建一次二维图像的过程，如果是三维重建，则分成多个二维重建来完成。

Mark Murphy等人(Murphy M,Alley M,Demmel J,et al.Fast l -SPIRiTcompressed sensing parallel imaging MRI:scalable parallel implementation andclinically feasible runtime[J].IEEE Transactions on Medical Imaging,2012, 31(6):1250-62.)详细描述了l1-spirit的快速磁共振成像方法。为了降低重建时间，其所述方法在实现的过程中用了NVIDIA的GPU并行加速平台CUDA 加速方式，可支持多GPU运行。GPU加速后的计算时间比采用CPU线程并行有很大提升。

目前，在头颈联合血管壁成像应用中，由于硬件资源限制，工作站一般采用双GPU模式来运行该重建，结果双GPU加速方式无法满足应用需求。

发明内容

本发明要解决的技术问题是目前的三维磁共振重建系统及方法，其图像重建的时间效率过慢，影响成像质量，严重制约了该技术在临床上的应用和推广。

为了解决上述技术问题，本发明中披露了一种三维磁共振成像重建方法，所述三维磁共振成像重建方法包括以下步骤：步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像；步骤2：由CPU多线程和GPU多线程并行运行进行迭代重建图像；步骤3：进行多通道合并，生成重建的磁共振图像。

优选地，所述步骤1具体包括以下步骤：步骤1-1：读入欠采样数据 K₀；步骤1-2：数据K₀按通道分别自校准后得到K₁；步骤1-3：欠采样数据直接补0，并行FFT(离散傅氏变换的快速算法)重建得到图像x。

优选地，所述步骤2具体包括以下步骤：步骤2-1：对K₁并行重建，对重建结果进行并行稀疏约束小波滤波得到图像x_k；步骤2-2：x_k和x进行融合得到 x_k+1；步骤2-3：以图像x_k+1作为图像x，并重复步骤2-1～步骤2-3，当达到终止条件为止。

优选地，所述CPU多线程和GPU多线程并行运行模式包括：1)给CPU 和GPU分配任务：根据三维重建输入数据的大小，分为R个任务；先根据 GPU的性能给N个GPU分别分配N_i(i＝1～N)个任务，再给CPU分配K个任务，R＝K+SUM(Ni)；2)启动CPU和GPU执行任务：每个GPU，启动一个GPU控制线程来控制GPU；CPU的每个任务，启动一个CPU线程来执行；3)CPU主线程等待所有线程完成并结束线程。

优选地，所述GPU控制线程的优先级设计为高优先级，其他任务默认优先级。

优选地，所述GPU控制线程用pthread_create创建，所述GPU控制线程执行内容包括：给GPU分配任务，给GPU发指令，辅助GPU完成任务；每个GPU的任务数大于1，该线程循环依次下发任务给GPU运行。

优选地，所述步骤1，自校正阶段采用CPU多线程和GPU多线程模式计算。

优选地，所述步骤1包括：利用多个磁共振线圈多通道并行接收信号。

优选地，一种三维磁共振成像重建方法的装置，用于执行权利要求1～8中任一项所述方法的装置，包括：磁共振数据获取模块，用于获取欠采样的磁共振数据，并行重建得到模糊的重建图像；迭代更新模块，用于由CPU多线程和GPU多线程并行运行进行迭代重建图像；重建图像生成模块，用于进行多通道合并，生成重建的磁共振图像。

优选地，一种三维磁共振成像重建方法的应用，根据权利要求1～8中任一项所述的三维磁共振成像重建方法在头颈联合血管壁成像中的应用。

优选地，一种可读介质，所述可读介质存储用于实施如权利要求1～8任一项所述方法的计算机可读指令。

实施本发明的有益效果主要有：

1、本发明在现有的快速磁共振成像技术基础上提出了一种可以用在三维磁共振快速成像的重建计算方法。

2、本发明采用CPU多线程和GPU多线程并行的方式，可以加速三维重建计算速度，实验证明本发明比只用GPU计算或者只用CPU并行计算更快，提高了时间效率。

3、本发明可将重建时间缩短至2分钟内，与没有加CPU多线程的方案相比，可以提高25％时间效率，可以更好地满足临床上需求。

附图说明

为更好地理解本发明的技术方案，可参考下列的、用于对现有技术或实施例进行说明的附图。这些附图将对部分实施例或现有技术涉及的产品或方法进行简要的展示。这些附图的基本信息如下：

图1为背景技术中，快速磁共振成像的采集和重建示意图；其中，

图1(a)实施例中，为多通道并行采集示意图；

图1(b)实施例中，为稀疏采样示意图；

图1(c)实施例中，为卷积核示意图；

图1(d)实施例中，为并行重建示意图；

图1(e)实施例中，为稀疏表示示意图；

图1(f)实施例中，为稀疏重建示意图；

图2为实施例中，一种三维磁共振成像重建方法示意图；

图3为实施例中，所采用的二维磁共振迭代重建算法流程示意图；其中，

图3(a)为实施例中，迭代重建算法流程示意图；

图3(b)为实施例中，迭代重建流程中并行重建模块示意图；

图3(c)为实施例中，迭代重建流程中稀疏约束模块示意图；

图4为实施例中，三维磁共振成像重建任务创建分配示意图。

具体实施方式

现在对本发明实施例中的技术方案或有益效果作进一步的展开描述，显然，所描述的实施例仅是本发明的部分实施方式，而并非全部。

鉴于GPU的工作模式，CPU给GPU指令，GPU执行指令期间，CPU相对来说是清闲的。为了进一步提升CPU的效率。我们设计一种多GPU多线程和CPU多线程混合并行的方式，在GPU正常运行的同时，增加CPU的负载达到提升时效性的目的。

如图2所示，本发明提供一种三维磁共振成像重建方法包括以下步骤：步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像；步骤2：由CPU多线程和GPU多线程并行运行进行迭代重建图像；步骤3：进行多通道合并，生成重建的磁共振图像。

实施例一

一种三维磁共振成像重建成像过程，包括采样和重建。如图2所示，本实施例的三维磁共振成像重建方法包括以下步骤：

步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像。步骤1具体包括以下步骤：

步骤1-1：读入欠采样数据K₀；

步骤1-2：数据K₀按通道分别自校准后得到K₁。(由于是由多线圈采集的，每个线圈采集的数据为一个通道数据，下面没有特殊说明的均为多通道分别各自操作)。

步骤1-3：欠采样数据直接补0，并行FFT(离散傅氏变换的快速算法)重建得到图像x。其中，并行指多通道各自的操作。

步骤2：由混合GPU和CPU多线程进行迭代重建图像。步骤2具体包括以下步骤：

步骤2-1：对K₁并行重建，对重建结果进行并行稀疏约束小波滤波得到图像x_k；

步骤2-2：x_k和x进行融合得到x_k+1；

步骤2-3：以图像x_k+1作为图像x，并重复步骤2-1～步骤2-3，当达到终止条件(直到满足误差达10^-6或者迭代次数达到指定值)为止。

步骤3：进行多通道合并，生成重建的磁共振图像。具体的，进行多线圈采集的数据的合并，得到输出重建结果图像。

应用在三维头颈联合血管壁成像时，本实施例是利用多层的二维来实现的。在重建中分多次二维重建获取三维成像。一帧二维的重建，输入为欠采样数据，经过数次迭代得到。

本发明所采用的二维磁共振迭代重建算法过程如图3所示，包括以下步骤：

(a)本发明所采用迭代重建算法流程。首先自校准模块利用加速采样数据中的全采样部分(称为ACS)进行数据拟合，估计出并行重建模块所需要的卷积核G。然后开始迭代重建图像。每次迭代待重建图像依次经过并行重建，稀疏约束和采样数据再替换模块。迭代完成后，输出重建图像。

(b)迭代重建流程中并行重建模块。该模块所涉及的运算为相互独立的多通道图像和自校准卷积核G之间的矩阵点乘和求和。该模块的主要目的是去除欠采样导致的混叠伪影。由(b)可知，并行重建模块的运算可以被高度并行化。

(c)迭代重建流程中稀疏约束模块。该模块需要对多通道图像分别进行小波变换，并对得到的小波表示系数分别做软阈值操作，以抑制图像中的噪声。图中DWT和IDWT表示离散小波变换及其逆变换，λ表示点对点软阈值操作的阈值。同样，稀疏约束模块也可以并行化加速。

本实施例，还包括一种三维磁共振成像重建方法的装置，用于执行本实施例中所述方法的装置，包括：磁共振数据获取模块，用于获取欠采样的磁共振数据，并行重建得到模糊的重建图像；迭代更新模块，用于由CPU多线程和GPU多线程并行运行进行迭代重建图像；重建图像生成模块，用于进行多通道合并，生成重建的磁共振图像。

本实施例，还包括一种可读介质，该可读介质具有存储在其中的程序，该程序是可执行的以使执行所述的基于自适应三维磁共振成像重建方法的各步骤。

实施例二

实施例为根据实施例一所述算法的并行计算流程。

所述实施例一中的步骤1用CPU多线程来完成，整个重建中只进行一次。其它实施例中，步骤1可以在GPU中也可以在CPU中完成。本实施的工作站CPU性能支持80个逻辑线程，所以，本实施例中，步骤1在CPU中计算，用CPU多线程来完成。

作为优选实施例，实施例一步骤1-2自校正阶段也可以用CPU多线程和 GPU多线程模式计算，从而进一步提高时间效率。

所述实施例一中的步骤2中，处理的数据都是多通道(多线圈采集的数据)，每个通道的数据处理都是一样的，所以单个步骤处理可以多通道并行。而且因实际需要，头颈联合血管壁成像采集的线圈数一般是32，比较大，单步骤计算的并行比较高，用GPU并行可以提高速度。

GPU工作的特点是异步的，即CPU给GPU发指令，GPU执行指令期间，CPU能够做其他指令不用等待GPU完成。为了进一步提升CPU的效率，我们把GPU的空闲片段充分利用。我们把重建计算分成多个任务，在 GPU和CPU上分别分配任务，在保证GPU正常运行的同时，CPU也做一定的重建任务，而不是单单辅助GPU。

如图4所示，本实施例中的CPU多线程和GPU多线程并行运行的任务划分包括：

1)读入三维重建输入数据，给CPU和GPU分配task(即任务，下同)：根据三维重建输入数据的大小，分为R个task；先根据GPU的性能给 N个GPU分别分配N_i(i＝1～N)个task，再给CPU分配K个task，R＝K+SUM (Ni)。

具体的，实施例一中的步骤2(步骤2-1～步骤2-3)是一个迭代过程，作为一个task，命名为task_i，根据输入数据的大小，分为R个task，分别标记为task₁～task_R。

假设工作站有N个GPU，对每个GPU分配task，根据GPU的性能的好坏分配task数量，每个分配为N_i(i＝1～N)，再给CPU分配K个任务数，一般K要小于Ni；R＝K+SUM(Ni)，计算好分配任务数，保证所有的任务能被执行。例如：我们工作站是2个GPU，型号相同，R＝320，K＝44， N₁＝138，N₂＝138每个GPU分138个task。

2)启动CPU和GPU执行task：每个GPU，启动一个GPU控制线程来控制GPU；CPU的每个task，启动一个CPU线程来执行。

具体的，CPU主线程每一个GPU，针对每一个GPU，启动一个线程来控制GPU，用pthread_create(是类Unix操作系统)的创建线程的函数创建线程，该GPU控制线程执行以下内容：给GPU分配task，给GPU发指令，辅助GPU完成task。GPU的task数大于1，该线程循环依次下发task给GPU 运行。

CPU的每个task启动一个线程CPU来执行，K个task启动K个线程。

作为优选实施例，在线程创建阶段把所有控制GPU的线程的优先级设计为高优先级(比如设置线程优先级为50)，其他线程默认优先级。

3)CPU主线程等待所有线程完成并结束线程。

具体的，创建完所有线程后，CPU主线程等待所有线程完成并结束线程，用pthread_join等待和结束线程。

测试例

本实施例在西门子磁共振仪设备上采集数据测试来测试头颈联合血管壁成像重建速度和重建效果。

采集数据大小320×328×208×16(频率编码×相位编码×层数×通道数)。

工作站配置双GTX TITAN X(核心数3072，核心频率1.002G显存 12G)，CPU型号E5-2698v4，主频2.2G 512G内存，操作系统为Linux ubuntu1404。

本测试例的重建算法迭代次数为50，lambda_l1＝0.05。

在相同参数下分别利用Mark Murphy的GPU方法和本实施的方法进行实验。

混合GPU和CPU多线程方法的任务配置如下(按频率编码个数分)：2 个GPU，每个GPU任务数为138，CPU任务数为44。

任务分配根据数据的大小来定制，磁共振的数据大小是4维度的数据，维度名称分别为【频率相位层数线圈通道】(前面的三维相当于现实空间的长宽高)任务的总数为相位列的大小，CPU任务数为所配置CPU的物理线程数为参考，我们测试使用CPU的物理线程数是40，由测试得知分配CPU 任务数44为最优，两个GPU情况，GPU的线程数＝(任务总数-CPU任务数)/2。

本测试例的测试结果如表1所示，从“GPU线程运行时间”一栏可以看出GPU和CPU多线程的运行方法相对于双GPU的运行方法，确实提高了 25％的时间效率，总时间控制在2分钟内。

表1

其中，表1中的“其他时间”包括自校正和并行傅立叶变换重建时间，这个步骤本测试使用的方法和Mark Murphy等人使用的方法一样，用CPU并行，所以时间相同。

“GPU线程运行时间”是指所述步骤2中迭代任务的运行时间。

“双GPU线程”是指在没有给CPU分迭代任务情况下的运行结果，也就是MarkMurphy等人使用的GPU运行方法。

“混合GPU多线程和CPU多线程”和是用实施例二中的GPU多线程和 CPU多线程的方法运行的时间。

本测试例测试扫描的水模数据。

本实施例中，采用常见的磁共振水模数据，大小为12cm×12cm×5cm。水模的扫描数据相对而言比较小，用来测试算法比较快捷。

采集数据大小256×256×80×12(频率编码×相位编码×层数×通道数)。

本测试例的工作站配置单个GPU，TeslaC2075(448核心1.5G 3G)， CPU型号E5-2687w 3.1G，操作系统为Linux ubuntu1404。

本测试例的重建算法迭代次数为50，lambda_l1＝0.05。

在相同参数下分别利用单GPU模式的方法和混合GPU多线程和CPU多线程模式进行实验。

混合CPU多线程和GPU多线程模式的任务配置如下(按频率编码个数分)：CPU任务数81，GPU任务是256-81＝175个。这里因单个GPU情况下，CPU的控制任务减轻，因此增加CPU的任务数为81。

测试结果如表2所示，从“GPU线程运行时间”栏可以看出，混合CPU 多线程和GPU多线程模式的运行时间效率提高了18.4％。

表2

其中，表2中的“其他时间”包括自校正和并行傅立叶变换重建时间，这个步骤本测试使用的方法和使用的方法一样，用CPU并行，所以时间相同。

“GPU线程运行时间”是指所述步骤2中迭代任务的运行时间。

“单GPU模式”是指在没有给CPU分迭代任务情况下，单GPU模式的运行结果。

“混合GPU多线程和CPU多线程”是用实施例二中的GPU多线程和 CPU多线程的方法运行的时间。

综上所述，单个GPU配置情况下，“混合GPU多线程和CPU多线程”也能提高算法的时效性。

我们测试本算法发现，输入数据大小固定情况下，GPU运行task的时间，随CPU的任务数变化呈递减再递增关系。这是因为，CPU是分配指令，如果CPU负载过高，会影响GPU的指令下发速度，导致GPU等待时间较长。而GPU的运行时间和任务量有关系，因为GPU是一次一个的来执行 task，如果任务量多，运行时间相应也增加。在不影响CPU控制GPU的情况下，CPU分担的任务量也越多越好。在数据大小固定的情况下，定CPU的任务数需要通过机器测试决定。先设置CPU任务数和CPU物理核心数一致，再适当增减线程数，测试取得最优CPU任务数设置。

现有最好的技术就是Mark Murphy的方法，他采用了GPU并行的方式，要么就是OMP并行的方式。他的缺点是不能充分利用两者的性能。在CPU 和GPU资源有限情况下，我们用混合CPU多线程和CPU多线程模式，进一步提高了算法的时效性。

最后需要指出的是，上文所列举的实施例，为本发明较为典型的、较佳实施例，仅用于详细说明、解释本发明的技术方案，以便于读者理解，并不用以限制本发明的保护范围或者应用。因此，在本发明的精神和原则之内所作的任何修改、等同替换、改进等而获得的技术方案，都应被涵盖在本发明的保护范围之内。

Claims (11)

1.一种三维磁共振成像重建方法，其特征在于，所述三维磁共振成像重建方法包括以下步骤：

步骤1：获取欠采样的磁共振数据，并行重建得到模糊的重建图像；

步骤2：由CPU多线程和GPU多线程并行运行进行迭代重建图像；

步骤3：进行多通道合并，生成重建的磁共振图像。

2.根据权利要求1所述的三维磁共振成像重建方法，其特征在于，所述步骤1具体包括以下步骤：

步骤1-1：读入欠采样数据K₀；

步骤1-2：数据K₀按通道分别自校准后得到K₁；

步骤1-3：欠采样数据直接补0，并行FFT重建得到图像x。

3.根据权利要求2所述的三维磁共振成像重建方法，其特征在于，所述步骤2具体包括以下步骤：

步骤2-1：对K₁并行重建，对重建结果进行并行稀疏约束小波滤波得到图像x_k；

步骤2-2：图像x_k和图像x进行融合得到图像x_k+1；

步骤2-3：以图像x_k+1作为图像x，并重复步骤2-1～步骤2-3，当达到终止条件为止。

4.根据权利要求1所述的三维磁共振成像重建方法，其特征在于，所述CPU多线程和GPU多线程并行运行模式包括：

1)给CPU和GPU分配任务：

根据三维重建输入数据的大小，分为R个任务；先根据GPU的性能给N个GPU分别分配N_i(i＝1～N)个任务，再给CPU分配K个任务，R＝K+SUM(Ni)；

2)启动CPU和GPU执行任务：

每个GPU，启动一个GPU控制线程来控制GPU；CPU的每个任务，启动一个CPU线程来执行；

3)CPU主线程等待所有线程完成并结束线程。

5.根据权利要求4所述的三维磁共振成像重建方法，其特征在于：所述GPU控制线程的优先级设计为高优先级，其他任务默认优先级。

6.根据权利要求4所述的三维磁共振成像重建方法，其特征在于：所述GPU控制线程用pthread_create创建，所述GPU控制线程执行内容包括：给GPU分配任务，给GPU发指令，辅助GPU完成任务；每个GPU的任务数大于1，该线程循环依次下发任务给GPU运行。

7.根据权利要求4所述的三维磁共振成像重建方法，其特征在于：所述步骤1，自校正阶段采用CPU多线程和GPU多线程模式计算。

8.根据权利要求1所述的三维磁共振成像重建方法，其特征在于，所述步骤1包括：利用多个磁共振线圈多通道并行接收信号。

9.一种三维磁共振成像重建方法的装置，其特征在于，用于权利要求1～8中任一项所述方法的装置，包括：

磁共振数据获取模块，用于获取欠采样的磁共振数据，并行重建得到模糊的重建图像；

迭代更新模块，用于由CPU多线程和GPU多线程并行运行进行迭代重建图像；

重建图像生成模块，用于进行多通道合并，生成重建的磁共振图像。

10.一种三维磁共振成像重建方法的应用，其特征在于：根据权利要求1～8中任一项所述的三维磁共振成像重建方法在头颈联合血管壁成像中的应用。

11.一种可读介质，其特征在于：所述可读介质存储用于实施如权利要求1～8任一项所述方法的计算机可读指令。