【技术实现步骤摘要】
【国外来华专利技术】数据采集期间的运动伪影预测
本专利技术涉及处理磁共振成像数据中的运动伪影,具体地,它涉及预测磁共振成像数据采集期间的运动伪影。
技术介绍
由于磁共振成像(MRI)流程的通常长的数据采集,由患者运动引起的运动伪影是MRI的临床应用中的磁共振图像的图像劣化的最频繁原因中的一个。与运动伪影相关联的可能问题可以例如包括,相应磁共振图像由于图像劣化而对于医学诊断几乎没用或者甚至完全没用。这种退化的磁共振图像可能需要磁共振成像程序的完全重复。
技术实现思路
本专利技术在独立权利要求中提供了一种磁共振成像数据处理系统、一种操作所述磁共振成像数据处理系统的方法、以及一种计算机程序产品。本专利技术还提供了一种包括所述磁共振成像数据处理系统的磁共振成像系统。在从属权利要求中给出了实施例。在一个方面中,本专利技术涉及一种磁共振成像系统。所述磁共振成像系统包括存储器,所述存储器存储机器可执行指令、脉冲序列命令和第一机器学习模型,所述第一机器学习模型包括第一深度学习网络。所述脉冲序列命令被配置用于控制所述磁共振成像系统采集磁共振成像数据的集合。所述第一机器学习模型包括第一输入和第一输出。所述磁共振成像系统还包括处理器。所述机器可执行指令的运行使所述处理器控制所述磁共振成像系统重复地执行采集和分析过程。相应过程包括根据所述脉冲序列命令从所述磁共振成像系统的成像区采集数据集,所述数据集包括磁共振成像数据的所述集合的子集。将所述数据集提供给所述第一机器学习模型的所述第一输入。响应于将所述数据集提供给所述第 ...
【技术保护点】
1.一种磁共振成像系统(100),所述磁共振成像系统(100)包括:/n存储器(134、136),其存储机器可执行指令(160、162、164)、脉冲序列命令(140)和第一机器学习模型(146),所述第一机器学习模型包括第一深度学习网络(502),其中,所述脉冲序列命令(140)被配置用于控制所述磁共振成像系统(100)来采集磁共振成像数据的集合,其中,所述第一机器学习模型(146)包括第一输入和第一输出,/n处理器,其中,所述机器可执行指令(160、162、164)的运行使所述处理器(130)控制所述磁共振成像系统(100)重复地执行采集和分析过程,所述采集和分析过程包括:/n根据所述脉冲序列命令(140)从所述磁共振成像系统(100)的成像区(108)采集数据集(142.1、...、142.N),所述数据集包括磁共振成像数据的所述集合的子集,/n将所述数据集(142.1、...、142.N)提供给所述第一机器学习模型的所述第一输入,/n响应于所述提供,从所述第一机器学习模型(146)的所述第一输出接收对所采集的磁共振成像数据的运动伪影水平的预测结果(148、502),所述运动伪影 ...
【技术特征摘要】
【国外来华专利技术】20171031 EP 17199301.7;20180430 EP 18170128.51.一种磁共振成像系统(100),所述磁共振成像系统(100)包括:
存储器(134、136),其存储机器可执行指令(160、162、164)、脉冲序列命令(140)和第一机器学习模型(146),所述第一机器学习模型包括第一深度学习网络(502),其中,所述脉冲序列命令(140)被配置用于控制所述磁共振成像系统(100)来采集磁共振成像数据的集合,其中,所述第一机器学习模型(146)包括第一输入和第一输出,
处理器,其中,所述机器可执行指令(160、162、164)的运行使所述处理器(130)控制所述磁共振成像系统(100)重复地执行采集和分析过程,所述采集和分析过程包括:
根据所述脉冲序列命令(140)从所述磁共振成像系统(100)的成像区(108)采集数据集(142.1、...、142.N),所述数据集包括磁共振成像数据的所述集合的子集,
将所述数据集(142.1、...、142.N)提供给所述第一机器学习模型的所述第一输入,
响应于所述提供,从所述第一机器学习模型(146)的所述第一输出接收对所采集的磁共振成像数据的运动伪影水平的预测结果(148、502),所述运动伪影水平表征存在于所采集的磁共振成像数据中的运动伪影的数量和/或程度。
2.根据权利要求1所述的磁共振成像系统(100),其中,所述机器可执行指令(160、162、164)的所述运行还使所述处理器(130)控制所述磁共振成像系统(100)在对所述运动伪影水平的所述预测结果(148、502)超过第一预定义的阈值的情况下自动终止所述采集和分析过程的所述重复执行。
3.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,所述机器可执行指令(160、162、164)的所述运行还使所述处理器(130)控制所述磁共振成像系统(100)在对所述运动伪影水平的所述预测结果(148、502)超过所述第一预定义的阈值的情况下自动重新开始所述采集和分析过程的所述重复执行。
4.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,对所述运动伪影水平的所述预测结果(148、502)取决于所述伪影相对于由所采集的磁共振数据表示的一个或多个感兴趣解剖结构的位置。
5.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,所述数据集(142.1、...、142.N)中的每个包括使用所采集的磁共振数据重建的磁共振图像。
6.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,所述数据集(142.1、...、142.N)具有共同的预定义的尺寸,其中,每个数据集(142.1、...、142.N)包括来自采样点的磁共振数据,所述采样点以在k空间的中心处相对于所采样的k空间的外部部分更高的采样率被分布在k空间内。
7.根据权利要求1至6中的任一项所述的磁共振成像系统(100),其中,所述数据集(142.1、...、142.N)具有任意尺寸,其中,每个数据集(142.1、...、142.N)包括来自采样点的磁共振数据,所述采样点以在k空间的中心处相对于所采样的k空间的外部部分更高的采样率被分布在k空间内。
8.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,在每次重复中,在相应重复期间采集的所述数据集(142.1、...、142.N)与在所述相应重复之前的所有重复中采集的所述数据集(142.1、...、142.N)相组合被提供给所述第一输入。
9.根据权利要求1至5中的任一项所述的磁共振成像系统(100),其中,所述数据集(142.1、...、142.N)中的每个包括与通过所述成像区(108)的一个或多个个体二维切片相对应的所采集的磁共振成像数据。
10.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,所述存储器(134、136)还存储用于生成所述第一机器学习模型(146)的第一学习算法(150),其中,所述机器可执行指令(160、162、164)的所述运行还使所述处理器(130)控制所述磁共振成像系统(100):
接收第一训练集(152),每个第一训练集(152)包括磁共振成像数据集和识别被分配给所述相应磁共振成像数据集的伪影水平的伪影水平指标,
对所接收的第一训练集(152)执行所述第一学习算法(150)以便生成所述第一机器学习模型(146)。
11.根据前述权利要求中的任一项所述的磁共振成像系统(100),其中,所...
【专利技术属性】
技术研发人员:A·扎尔巴赫,S·魏斯,K·佐默,C·许尔克,M·G·赫勒,
申请(专利权)人:皇家飞利浦有限公司,
类型:发明
国别省市:荷兰;NL
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。