阅读说明：本技术 磁性粒子成像系统的校准方法 (Calibration method for magnetic particle imaging system ) 是由 肯·巴里斯·托 塞尔哈特·伊尔贝伊 阿尔珀·贡戈 侯赛因·埃姆雷·古文 图勒加·丘库尔 埃 于 2018-05-11 设计创作，主要内容包括：本发明公开了一种校准由磁场发生器和测量装置组成的磁性粒子成像系统的方法,其提出了一种编码校准场景,该编码校准场景包含分布在其体积内的多个纳米粒子样品,该编码校准场景大于该场景所在的视场。在视场上,向一个或多个方向上线性移动和/或在一个或多个轴上旋转该场景,并且进一步地,本发明也公开了一种用于移动编码校准场景的机械系统。(The invention discloses a method for calibrating a magnetic particle imaging system consisting of a magnetic field generator and a measuring device, and provides a coding calibration scene, wherein the coding calibration scene comprises a plurality of nanoparticle samples distributed in the volume of the coding calibration scene, and the coding calibration scene is larger than the field of view in which the scene is positioned. The scene is moved linearly in one or more directions and/or rotated in one or more axes over the field of view, and further, a mechanical system for moving the encoded calibration scene is also disclosed.)

具体实施方式

在如图1所示的由磁场发生器和测量设备组成的MPI系统(1)中，使用具有两个区[4]的非均匀初级磁场(2)对磁性纳米粒子的分布进行成像。这两个区中的第一区(3)具有非常低的磁场强度，被称为无场区域(FFR)。FFR中的磁性纳米粒子可以在外部次级磁场(5)的方向上磁化。在第二区(4)中，磁场强度高并且该区域中的磁性纳米粒子处于饱和状态。因此，磁性纳米粒子对次级磁场(5)的响应很小。次级磁场(5)作为时变磁场施加到整个视场(6)。FFR中磁性纳米粒子的时间相关磁化由接收线圈测量。被测信号的幅度与FFR中纳米粒子的数量成正比。在整个视场(6)中以电子或机械的方式扫描FFR，以获得在视场(6)中的纳米粒子分布。由于磁性纳米粒子具有非线性的磁化曲线，因此从FFR中的粒子接收到的信号包含发射信号频率的谐波。接收信号的特性取决于纳米粒子的特性(尺寸，形状，材料等)和纳米粒子环境(粘度，温度)以及成像系统的磁场特性。在MPI中，利用基于系统校准方法的图像重建方法实现了最佳图像质量，该系统校准方法考虑了所有这些因素的影响[5]。

在系统校准图像重建方法中，首先假设将整个视场(6)划分为小体素(7)。使用填充具有体素(7)尺寸的磁性纳米粒子的样品(8)以形成系统矩阵。为此，通过机械扫描仪(9)将包含纳米粒子的样品(8)扫描到每个体素位置。施加次级磁场信号，并且将由接收线圈接收的纳米粒子信号存储在数字存储单元(例如硬盘)中。实际操作时，在同一体素点上多次获取测量数据，并且通过将测量数据平均化来增加信噪比。使用傅立叶变换将从单个体素测量得到的信号转换到频域，从而形成系统矩阵(A)的列。通过在所有体素位置进行测量来生成整个系统矩阵。此过程称为校准步骤。

对于成像，通过扫描物体内部的FFR获取测量数据，并且使用该测量数据和系统矩阵来重建图像。为此，解出线性方程组Ax＝b。在该方程组中，A是系统矩阵，b是从物体获取的测量矢量，x是物体内部的纳米粒子分布。系统矩阵校准方法的主要缺点是持续时间长(每个体素约1.3秒，乘以体素数量)[2]。另外，由于纳米粒子的样品尺寸非常小，因此信号水平低，有必要通过进行多次测量来增加信噪比。这会阻止连续的机械扫描，从而导致测量周期的延长。

本发明提出使用编码校准场景(10)来解决现有技术的问题。编码校准场景可被定义为包含分布在其体积内的多个纳米粒子样品的设备。该方法具有以下优点：信号水平与在校准扫描中使用的粒子数量成比例地增加，并且压缩感测问题的条件也增加[6]。结果，使用压缩感测算法(例如贪婪重构算法，近似消息传递，基于优化的技术等)可以使用较少的测量次数进行校准[3]。

根据压缩感测理论，应将校准场景之间的相关性最小化。因此，纳米粒子可以在每个校准场景中随机或伪随机分布。

该方法的实现如下：要测量的校准场景的数量M是预定的。为此，可以使用成像系统的模拟模型，或者在所生成的成像系统的系统测试过程中产生多个校准场景。要测量新的场景，直到从实践角度来看图像质量达到足够的水平。收集并记录M个编码校准场景的测量数据。一旦完成这些测量，使用以下最优化问题来重构系统矩阵A：

其中P是已测量的编码校准场景的纳米粒子密度矩阵，D是与稀疏变换(例如离散傅里叶变换，离散切比雪夫变换，离散余弦变换或相对于原始域可以用较少的矢量表示向量的任何其他变换)相关的变换矩阵；A_p是针对每个测量位置转换为傅立叶空间的测量矩阵；ε_p表示与系统噪声引起的错误有关的常数。文献中的不同算法可用于解决上述最优化问题(例如，快速迭代收缩阈值算法(FISTA)，交替方向乘子法(ADMM)[7])。此外，增加类似的正则化函数或使用无约束形式将不会改变本发明的上述益处。

使用图4所示的模拟模型，在相同噪声水平下，将该方法与标准压缩感测方法进行比较。通过使用M＝2560个校准点的标准压缩感测校准方法和M＝320个编码校准场景，分别对N＝3200像素的物体进行成像。标准压缩感测方法所得图像质量较差，通过编码校准场景可获得高质量的图像。

在一个实施例中，可以从诸如阿达马(Hadamard)矩阵之类的可以快速变换的域中选择由P表示的随机点，以便缩短不等式中给出的问题的求解时间。在这种情况下，P矩阵可以表示为掩蔽酉变换(masked unitary transformation)。先前已经表明，在涉及掩蔽酉变换空间的情况下，可以有效地解决最优化问题[8]。这样，可以进一步减少求解时间的问题。

实际操作时，编码校准场景之间切换的时间将比单个编码校准场景的测量时间长得多。因此，总校准持续时间将由所使用的编码校准场景的总数和改变(替换)编码校准场景所需的时间来确定。为了减轻此问题，本发明提出了至少在一个方向上大于视场的校准场景。本发明并不是逐个地改变校准场景，而是在一个或多个方向上线性移动场景和/或在一个或多个中心点处旋转场景。在连续移动过程中对某些位置进行校准测量。成像视场中的纳米粒子分布作为时间函数变化。因此，在不同的时刻，视场中会出现校准场景的不同部分。在优选实施例中，在校准场景的连续移动过程中进行测量。当由于校准场景中使用大量纳米粒子而导致信噪比很高时，这是可能的。因此，无需重复测量并取平均值。这样，可以大大缩短测量时间。结果，可以频繁地校准系统以获得高图像质量。

必须精确地知道校准场景中纳米粒子样品的位置。可以使用高精度的生产方法来产生校准场景和/或可以在产生校准场景后使用诸如X射线成像的高分辨率成像方法来测量校准场景。

校准场景可以线性和/或旋转移动。在示例实施例中，球形校准场景绕一个轴旋转，并且以K度间隔进行测量。纳米粒子样品(8)在校准场景中的位置作为旋转角度的函数而变化。例如，分别在图5和6中给出了0度角和45度角的球形校准场景(11)的纳米粒子位置。在每个旋转角度，计算纳米粒子在视场网格中的新位置，以及在新位置中每个网格点处的纳米粒子密度。该计算中的误差取决于旋转机构的旋转测量的精度。如果精度不够，可以使用高灵敏度的位置跟踪器(例如激光跟踪器或类似用途的设备)来精确测量新位置。为了获得高精度的系统矩阵，可以在多个(L)不同的旋转中心(12)处重复该过程，以增加测量数据量。因此，测量的总数为M＝(360/K)*L。一旦进行了这些测量，就可以通过解出上述不等式中给出的最优化问题来重建系统矩阵。在不等式中，P是在每个测量位置的视场中包含纳米粒子密度分布的矩阵。

可以使用围绕一个轴(13)平移和旋转校准场景的机构来移动和/或旋转校准场景。旋转校准场景所需的机构(13)可以设计为MPI系统(1)的集成单元或外部单元。在图7中示出了示例性实施例。这里，球形校准场景(11)在一个轴上旋转而在另一轴上滑动。以这种方式，可以相对于视场中心在不同旋转中心处测量校准场景，并且增加校准场景测量的多样性。与步进移动相比，线性滑动移动和旋转移动在校准过程中可以连续进行，从而减少了校准时间。

如图8所示，还可以将围绕两个轴(14)平移和旋转校准场景的机构设计为绕不同的旋转轴旋转。在这种情况下，可以改善P矩阵自相关的条件处理，这有助于最优化问题的解决。在实施本发明时，还可以根据MPI系统的机械要求将校准场景和旋转机构设计为外部单元，这种实施方式在图9和图10中示出。在图9中，以俯视图示出了球形校准场景(11)，其借助于卷轴系统在有滑轨(16)上进行线性滑动移动和围绕旋转轴(17)旋转移动。图10示出了此校准系统的侧视图。用于平移和旋转校准场景的辅助机械系统(15)包括执行校准场景的线性和旋转移动所需的必要设备(电动机，编码器，移动传递元件和计算机控制接口)。在优选实施例中，机械系统包括控制单元，其与MPI系统(1)通讯以使用校准场景执行校准过程。为此，控制单元通过电子方式从MPI系统接收校准场景的所需位置，将校准场景移动到所需位置，输出从测量校准场景的位置的机械系统和/或跟踪设备中的编码器获得的校准场景的位置信息。

校准场景应允许快速填充(和排空)不同的纳米粒子。在一个实施例中，三维编码校准场景可以由多个机械可分离层形成，使得纳米颗粒样本可以改变。在另一个实施例中，可以将单层校准场景用于二维校准。可以在三维上对其进行机械扫描，以校准三维视场。图11示出了另一个实施例。校准场景包括通过细通道(18)相互连接的纳米粒子腔室，以及用于填充或排放校准场景内部的磁性纳米粒子的开口(19)。校准场景是具有一个或多个开口的中空结构，所述开口用于用纳米粒子填充或将纳米粒子从该中空结构中清空。

校准场景中存在的纳米粒子样品不必匹配地置于单个体素(10)中。场景可以包括不同大小和形状的纳米粒子样品。例如，纳米粒子样品可以具有任何形状，例如球形，椭圆形或矩形棱柱，并且覆盖多个体素。在一个实施例中，考虑到球形场景，具有如图12所示的棒状纳米粒子样品(20)。可以容易地将棒取出和插入场景中。校准场景可以以任意形状产生，例如球形、圆柱形、立方形、矩形棱柱。

在图13所示的另一实施例中，设计为长矩形棱柱的校准场景(21)仅在滑动带(22)上进行线性移动。在视场中的某些位置进行校准测量。图13还示出了光学反射器(23)和激光跟踪器(24)，以确保在移动期间精确地测量位置。可以将一个或多个反射器连接到校准场景以跟踪其移动。

在图14和15所示的实施例中，采用了圆柱形校准场景(25)。由于校准场景的体积较宽，因此可以以比图9和10中给出的校准场景所需的旋转次数更少的旋转次数执行校准。但是，这样的校准场景需要较大的开口，这可能适合于开孔MPI系统。

图16示出了包括用于纳米粒子样品的柱状腔体(26)的实施例，该腔体可以被快速填充和排空。

图17示出了一个实施例，该实施例包括在三维上呈复杂曲线形式的细管(29)，该细管具有用于填充的单个输入(27)以及用于排出校准场景内的磁性纳米粒子的输出(28)。校准场景可以包括单个或多个横穿校准场景的任意路径的管，以用纳米粒子填充管或从管清空纳米粒子。

参考文献

[1]Weizenecker J,Gleich B,Rahmer J,Dahnke H,Borgert J(2009).三维实时体内磁性粒子成像(Three-dimensional real-time in vivo magnetic particleimaging),Phys Med Biol.2009；54:L1–L10.

[2]A.von Gladiss,M.Graeser,P.Szwargulski,T.Knopp and T.M.Buzug.多维磁粉成像的混合系统校准(Hybrid system calibration for multidimensional magneticparticle imaging).Phys.Med.Biol.,vol.62,no.9,pp.3392,2017.

[3]压缩感知理论与应用(Compressed Sensing Theory and Applications),Ed.By Y.C.Eldar,G.Kutyniok,Cambridge University Press,New York,2012.

[4]B.Gleich and J.Weizenecker.(使用磁性粒子的非线性响应的层析成像)Tomographic imaging using the nonlinear response of magneticparticles.Nature,435(7046):1217-1217,2005.doi:10.1038/nature03808.

[5]T.Knopp,J.Rahmer,T.F.Sattel,S.Biederer,J.Weizenecker,B.Gleich,J.Borgert,and T.M.Buzug.磁粒子成像的加权迭代重建(Weighted iterativereconstruction for magnetic particle imaging).Phys.Med.Biol.,vol.55,no.6,pp.1577–1589,2010.doi:10.1088/0031-9155/55/6/003.

[6]G.R.Arce,D.J.Brady,L.Carin,H.Arguello,and D.S.Kittle,“压缩编码孔径光谱成像(Compressive Coded Aperture Spectral Imaging),”IEEE Signal ProcessingMagazine,vol.31,no.1,pp.105–115,2014.

[7]S.Ilbey et al.,“自由线磁性粒子成像的基于系统矩阵和基于投影的重建的比较(Comparison of system-matrix-based and projection-based reconstructionsfor field free line magnetic particle imaging)”International Journal onMagnetic Particle Imaging,vol.3,no.1,2017.

[8]H.E Güven,A.and M.Cetin,“复值压缩SAR成像的增强拉格朗日方法(An Augmented Lagrangian Method for Complex-Valued Compressed SAR Imaging)”IEEE Trans.Comput.Imaging,2(3):235–250,2016.