根据读入的图像数据自动识别和设置磁共振协议制造技术

本发明专利技术涉及一种用于确定MR图像的测量协议参数的方法、设备和计算机程序产品，该方法包括：读入具有第一对比度特性的第一MR图像；由第一对比度特性确定至少一个第一对比度关系；在考虑到至少一个第一对比度关系的情况下确定测量协议参数，以用于生成具有第二对比度特性的第二MR图像，从而使得第二对比度特性尽可能接近第一对比度特性；输出测量协议参数。

【技术实现步骤摘要】
根据读入的图像数据自动识别和设置磁共振协议
本专利技术涉及一种用于针对MR设备根据从读入的MR图像数据中获得的信息自动识别和设置测量协议的方法。此外提供一种相关的MR设备以及一种计算机程序产品和电子可读的数据载体。
技术介绍
与另外的成像模态，例如CT、X射线和超声波相比，MR方法的大的优点中的一个是优秀的软组织对比度和极大的能够以MRT示出的对比度谱。但是，该优点在另一方面导致MR成像和对于用户可选择的测量参数(也被称为测量协议参数)的高的复杂性。因此，通常仅对于有经验的和受到良好培训的专业人员才可以建立MR协议或者有针对性地改变存在的协议。另一个复杂因素是，MR图像通常仅是加权的并且是非定量的，并且结果由此可以依赖于大量参数，诸如MR设备配置(场强、通道数量、局部线圈、梯度值)和患者。基于该复杂性，对于测量所使用的协议大多存储在数据库中，其根据当地规定和机构或放射科医生的偏好设立。该数据库大多在MR设备安装期间由服务人员或非常有经验的人员建立，并且可以基于类似的扫描仪的图像示例或协议。尽管如此，但还是可能需要或期望的是，例如当患者具有另外的机构的预先图像或者应该回答不寻常的问题时，调整针对特定的测量的对比度。
技术实现思路
因此，本专利技术的要解决的技术问题是，开发一种用于设置MR测量协议的新方法，其在没有受过良好培训的操作人员的条件下自动运行。上述技术问题通过根据本专利技术的特征解决。在本专利技术中描述本专利技术的另外的实施方式。提供了一种用于确定MR图像的测量协议参数的方法。在该方法的一个步骤中，读入具有第一对比度特性的第一MR图像。此外，由第一对比度特性确定至少一个第一对比度关系。在考虑到至少一个第一对比度关系的情况下确定测量协议参数，其用于生成具有第二对比度特性的第二MR图像，从而使得第二对比度特性尽可能接近第一对比度特性。在最后的步骤中，该测量协议参数被输出。在此，第一MR图像通常是已经存在的MR图像数据组的被读入和评估的部分。有利地，图像数据组例如由DICOM格式或类似的在临卧榻的截面成像中使用的格式构成，其可以通过合适的接口馈入计算单元中。替换地，测量数据也可以在更早的处理阶段中使用，以便首先产生示出所描述的本专利技术的起始点的二维图像。读入的目标是确定和存储所有有价值的信息。下面还将讨论设计变型方案。根据本专利技术，根据确定的图像信息，借助合适的算法确定可能的MR测量协议。针对期望的MR设备以产生如在第一图像中那样的至少等值的MR对比度为目标建立该测量协议。由第一对比度特性确定至少一个第一对比度关系例如可以根据至少两个第一图像范围进行，其中，图像范围分别与来自解剖特征区域列表的不同的区域相关联，解剖特征区域列表包括处于第一MR图像中的至少两个不同的区域。在该情况下，测量协议参数被选择为，使得根据区域比较的至少一个第一对比度关系尽可能类似于由第二MR图像确定的至少一个第二对比度关系。在评估MR对比度特性用以与第一图像的解剖区域相关联时，例如可以应用图案识别方法或通过用户输入，或者方法示出两个方案的组合。对于本领域技术人员已知的示例是标志识别算法。通过该方法步骤，可以有利地识别这种身体区域和组织区域，其具有在MR图像上独特的对比度或对比度关系。因此，在头部，T1对比度(暗的脑脊液)可以简单地与T2对比度(亮的脑脊液)区分开。通过组合对比度关系特性和与解剖区域的关联性，可以非常直接推断出测量协议的一部分(例如对比度设置)，从而可以减小测量协议设置的自由参数的数量。此外，可以借助深度学习法实现第一图像范围与区域列表的关联性。深度学习法的已知的优点是特性的识别和与类别的二进制的关联性。机器学习的典型的示例是图像任务，在图像中，在“0”和“9”之间示出的手写的编号被正确地关联。经常用于测试机器学习方法的数据组是所谓的“改造后的国家标准与技术研究所(ModifiedNationalInstituteofStandardsandTechnology)”数据库，MNIST。这种深度学习法可以借助对于本领域技术人员已知的大量的程序库实现，例如谷歌的“TensorFlow”(C++，Python)，伯克利视觉和学习中心(BVLC)的Caffe，Torch(C，Lua)和在其上构建的FacebookFrameworkTorchnet或微软CognitiveToolkit(C++)。MNIST的关联性问题的解决方案属于这种程序库的常见的示例。在本专利技术的实施方式中，这种程序库可以被用于实现图像范围与区域(例如解剖区域，如脑脊液、白质、灰质等)的关联性。此外可能的是，根据深度学习法确定测量协议参数。此外，深度学习法可以使用第一数据库，其包括测量协议参数、对比度特性和关于解剖区域的信息。在该实施方式的范围内，利用深度学习网络评估第一对比度特性。为此首先利用数据库训练该网络。为此使用的数据库的特征在于，对于足够大量的MR图像数据组包含测量协议以及图像的特性，例如不同区域的对比度特性和/或对比度关系。在深度学习方案中，该数据库可以由计算机程序产品被评估为，使得“学习到”结合协议的对比度，并且由此针对新的要求的对比度可以输出所需的测量协议参数。可能的是，借助模拟方案确定测量协议参数，在该模拟方案中第三MR图像和第三对比度特性迭代地针对不同的测量协议参数被模拟，直到第三对比度特性尽可能接近第一对比度特性。在模拟方案中可能的是，为了模拟第三MR图像和第三对比度特性求解布洛赫方程，并且使用在第一MR图像中识别的解剖区域的至少T1或T2时间的知识。在此，假设的或在患者上实际测量的物理值(T1、T2、T2*、自旋密度…)可以被用于针对不同的MR协议设置计算整个MR图像或对比度特性或也仅计算对比度关系。在最简单的实施中，布洛赫方程可以在没有位置信息的情况下0维度地以解析或数字方式求解，在更复杂的方法中也可以想到通过射线追踪方法考虑位置依赖关系。然后将模拟的结果与第一对比度特性或确定的第一对比度关系比较。比较可以在迭代步骤中被考虑用于决定另外的过程，以便基于之前的结果针对(测试)测量协议参数找到测量协议参数在下一迭代步骤中如何改变以改进结果的策略。在此可以采用已知的优化算法，例如基因算法。如下背景知识也可以计入该方法中，例如在不同的解剖区域上的测量或测量方法中MR设备的使用统计，或者结合诊断结果/病历来确定针对(测试)测量协议参数的起始值的统计。这尤其可以被用于在模拟步骤中有利地选择第一测试测量协议参数。也可能的是，由特定的测量协议参数自动地建立用于生成第二MR图像的测量协议。该过程能够实现对于MR设备的用户根据特定的参数直接获得完整的测量协议，其可以被直接使用或者可以根据用户的期望在使用之前被改变。此外可能的是，由针对第一MR图像呈现的元信息确定测量协议参数的至少一部分。当第一MR图像的数据以DICOM格式或类似的在临卧榻的截面成像中使用的格式存在时，例如可以容易地引入这些元信息。在此，尤其可以读入测量的“定量的”值，诸如FOV、层数、使用的MR设备和MR设备配置、位置、旋转取向、开窗设置、预脉冲。这在DICOM式的第一图像数据组中是特别有效的和简单的。为了确定测量协议参数，附加地也可以使用用以产生第一MR图像的成像序列的协议名称。协议名称例如可以本文档来自技高网...

【技术保护点】
1.一种用于确定MR图像(50)的测量协议参数的方法，所述方法包括：‑读入具有第一对比度特性的第一MR图像(50)，‑由第一对比度特性确定至少一个第一对比度关系，‑在考虑到至少一个第一对比度关系的情况下确定测量协议参数，以用于生成具有第二对比度特性的第二MR图像，从而使得第二对比度特性尽可能接近第一对比度特性，‑输出测量协议参数。

【技术特征摘要】
2017.08.01 DE 102017213222.11.一种用于确定MR图像(50)的测量协议参数的方法，所述方法包括：-读入具有第一对比度特性的第一MR图像(50)，-由第一对比度特性确定至少一个第一对比度关系，-在考虑到至少一个第一对比度关系的情况下确定测量协议参数，以用于生成具有第二对比度特性的第二MR图像，从而使得第二对比度特性尽可能接近第一对比度特性，-输出测量协议参数。2.根据权利要求1所述的方法，其特征在于，由第一对比度特性根据至少两个第一图像范围(24a，24b，25a，25b，26a，26b)确定至少一个第一对比度关系，其中，所述图像范围(24a，24b，25a，25b，26a，26b)分别与来自解剖特征区域列表的不同的区域(21，22，23)相关联，所述解剖特征区域列表包括处于第一MR图像(50)中的至少两个不同的区域；并且测量协议参数被选择为，使得根据区域(21，22，23)比较的至少一个第一对比度关系尽可能类似于由第二MR图像确定的至少一个第二对比度关系。3.根据权利要求2所述的方法，其特征在于，借助深度学习法将所述第一图像范围(24a，24b，25a，25b，26a，26b)与区域列表相关联。4.根据前述权利要求中任一项所述的方法，其特征在于，借助深度学习法确定测量协议参数。5.根据权利要求4所述的方法，其特征在于，所述深度学习法使用第一数据库(75)，该第一数据库包括测量协议参数、对比度特性和关于解剖区域的信息。6.根据前述权利要求中任一项所述的方法，其特征在于，借助模拟方案确定测量协议参数，在该模拟方案中第三MR图像和第三对比度特性迭代地针对不同的测量协议参数被模拟，直到第三对比度特性尽可能接近第一对比度特性。7.根据权利要求6所述的方法，其特征在于，在用于模拟第三MR图像和第三对比度特性的模拟方案中求解布洛赫方程，并且使用在第一MR图像(50)中识别...

【专利技术属性】
技术研发人员：D格罗茨基，D哈迪，K赫塞尔斯，L劳尔，E米勒，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国,DE