用于合成磁共振图像的系统和方法技术方案

本发明专利技术公开了用于由定量采集合成对比度图像的方法和系统。示例性方法包括执行定量扫描，使用训练深度神经网络由该定量扫描合成对比度图像，以及输出由该训练深度神经网络合成的该对比度图像。在另一示例性方法中，操作者可识别该合成对比度图像的目标对比度类型。训练鉴别器和分类器模块确定该合成对比度图像是否具有真实图像质量以及该合成对比度图像是否匹配该目标对比度类型。

【技术实现步骤摘要】
【国外来华专利技术】用于合成磁共振图像的系统和方法交叉引用本申请要求于2018年2月15日提交的美国临时申请62/631,102的优先权，该申请全文以引用方式并入本文。
本公开一般涉及磁共振成像(MRI)，并且更具体地涉及使用深度学习方法的合成MRI。
技术介绍
MRI是被广泛接受和商业上可购得的成像形式，用于基于核的磁性获得患者内部的医学图像。由于MR特性的差异，人体中的各种组织诸如水基组织、脂肪基组织和流体可具有磁共振(MR)图像上的不同信号强度。该差异被描述为图像对比度。MRI可通过强调特定MR特性同时最小化其他MR特性来产生宽范围的对比度。例如，质子密度加权图像强调了被分析的各种组织/流体的自旋密度差异。T1加权图像强调了沿纵向恢复磁化的弛豫时间的差异。T2加权图像强调了沿横向恢复磁化的弛豫时间的差异。短TI反转恢复(STIR)图像抑制来自脂肪的信号。流体衰减的反转恢复(FLAIR)图像抑制来自流体的信号等。不同对比度可通过使用不同的脉冲序列并且选择适当的脉冲序列参数来产生。例如，T1加权图像可由具有短回波时间(TE)和短重复时间(TR)的自旋回波(SE)序列或梯度回波(GRE)序列产生。T2加权图像可通过使用具有长TE和长TR的SE序列或GRE序列来生成。在许多医学检查中，诊断需要不同的图像对比度，该图像对比度通过以不同的脉冲序列和参数执行若干次扫描来采集。为了减少扫描时间，已开发出被称为合成MRI的技术，该技术可用单次扫描重建多个图像对比度。随着合成MRI图像、T1加权图像和T2加权图像、T1-FLAIR图像和T2-FLAIR图像、STIR图像和/或质子密度加权图像可由在一次扫描中采集的信号产生，所用的总时间远少于单独采集每个对比度的时间。一般来讲，合成MRI使用多延迟多回波(MDME)序列，该序列包括交织切片选择性射频(RF)脉冲和多回波采集。这一序列以不同延迟在RF脉冲和采集之间重复。用MDME序列采集的MR信号用于基于预定义模型计算参数图(例如，T1图、T2图和质子密度图等)，该预定义模型逐像素(或逐体素)地描述MR信号行为。然后参数图和操作者指定的参数(例如，TE、TR、延迟)用于基于模型逐像素(或逐体素)创建“合成”图像。合成图像与本将通过在实际MR扫描中使用操作者指定的参数形成的图像相当。临床研究已表明合成MRI适用于脑部扫描。然而，如上所述的像素级(或体素级)模型拟合方法可导致不准确的参数估计和不期望的伪影，因为模型拟合方法试图实现最接近的参数拟合，这可由于非线性非局部变换而导致合成图像中的伪影和误差。例如，如临床研究所示，序列特异性伪影诸如不完整的脑脊液(CSF)抑制和伪边缘增强在合成T2-FLAIR图像中更为显著。此外，模型拟合方法不能用于合成反映组织中易感性差异的某些图像对比度，诸如T2*加权图像。通常期望对合成MRI的改进。
技术实现思路
在一个实施方案中，本公开提供了一种用于合成MR对比度图像的方法。该方法包括执行定量扫描，使用训练深度神经网络由通过定量扫描获得的定量采集合成对比度图像，以及输出由训练深度神经网络合成的对比度图像。在另一个实施方案中，本公开提供一种MRI系统。MRI系统包括被配置为产生梯度磁场的梯度线圈组件，被配置为产生RF脉冲的射频(RF)线圈组件，显示器以及与梯度线圈组件、RF线圈组件和显示器通信的控制器。该控制器被配置为指示梯度线圈组件和RF组件生成执行定量扫描的序列，指示训练深度神经网络由通过定量扫描获得的定量采集合成对比度图像，并且在显示器处输出由训练深度神经网络合成的对比度图像。在又一个实施方案中，本公开提供了一种用于合成MR对比度图像的方法。该方法包括执行定量扫描，接收由操作者识别的目标对比度类型，以及使用训练深度神经网络基于目标对比度类型由通过定量扫描获得的定量采集合成对比度图像。该方法还包括使用训练鉴别器确定合成对比度图像是否具有真实图像质量，并且响应于确定合成对比度图像具有真实图像质量，使用训练分类器确定合成对比度图像的对比度类型，确定所确定的对比度类型是否匹配目标对比度类型，并且响应于确定所确定的对比度类型匹配目标对比度类型，输出合成图像。附图说明通过阅读以下详细描述并且参考附图，可以更好地理解本公开的各个方面，其中：图1是根据示例性实施方案的MRI系统的示意图；图2是根据示例性实施方案的用于由定量采集合成对比度图像的系统的示意图；图3是根据示例性实施方案的用于执行定量扫描的脉冲序列的单个块的示意图；图4示出了通过各种技术获得的脑部的T2-FLAIR图像；图5是根据另一示例性实施方案的用于由定量采集合成对比度图像的系统的示意图；图6是根据示例性实施方案的用于训练用在图5的系统中的深度神经网络的方法的流程图；图7示出了通过各种技术获得的脑部的T1加权图像和T2-FLAIR图像；并且图8是根据示例性实施方案的用于由定量采集合成对比度图像的方法的流程图。这些附图示出了使用深度学习方法合成MR图像的所述部件、系统和方法的特定方面。连同以下描述，附图示出并且解释了本文描述的结构原理、方法和原理。在附图中，为了清楚起见，部件的厚度和尺寸可以被放大或以其他方式修改。没有示出或详细描述众所周知的结构、材料或操作以避免模糊所描述的部件、系统和方法的各方面。具体实施方式以下描述本公开的一个或多个具体实施方案以便提供透彻的理解。这些所述的实施方案仅是用于使用深度学习方法从定量扫描合成对比度MR图像的系统和方法的示例。本领域技术人员将理解，在不脱离本公开的实质的情况下，可以在实施时修改实施方案中描述的具体细节。当介绍本公开的各种实施方案的元件时，词语“一个”、“一种”和“该”旨在意指存在这些元件中的一个或多个元件。术语“第一”、“第二”等不表示任何顺序、量或重要性，而是用于将一个元件与另一个元件区分开。术语“包含”、“包括”和“具有”旨在是包含性的，并且意指除了列出的元件之外还可存在附加元件。如本文使用术语“连接到”、“耦接到”等，一个对象(例如，材料、元件、结构、构件等)可以连接到或耦接到另一个对象，而无论该一个对象是否直接连接或耦接到另一个对象，或者在该一个对象和另一个对象之间是否存在一个或多个介入对象。此外，应当理解，对本公开的“一个实施方案”或“实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。一般参见附图，本公开涉及合成MRI。合成MRI可从在单次扫描中用定量序列(例如，MDME序列)采集的MR信号重建多个图像对比度(例如，T1加权图像和T2加权图像、T1-FLAIR图像和T2-FLAIR图像、质子密度加权图像、STIR图像)。常规地，描述MR信号行为的预定义模型用于从采集MR信号逐像素(或逐体素)计算参数图(例如，T1图、T2图和质子密度图)。然后，各种图像对比度通过基于模型逐像素(或逐体素)合成参数图和操作者指定的参数(例如，TE、TR、延迟)来产生。然而，像素级(或体素级)本文档来自技高网...

【技术保护点】
1.一种用于合成磁共振(MR)对比度图像的方法，所述方法包括：/n执行定量扫描；/n使用训练深度神经网络由通过所述定量扫描获得的定量采集来合成对比度图像；以及/n输出由所述训练深度神经网络合成的所述对比度图像。/n

【技术特征摘要】
【国外来华专利技术】20180215 US 62/631,1021.一种用于合成磁共振(MR)对比度图像的方法，所述方法包括：
执行定量扫描；
使用训练深度神经网络由通过所述定量扫描获得的定量采集来合成对比度图像；以及
输出由所述训练深度神经网络合成的所述对比度图像。


2.根据权利要求1所述的方法，其中执行所述定量扫描包括用多延迟多回波(MDME)序列采集MR信号。


3.根据权利要求1所述的方法，其中所述定量采集是从通过所述定量扫描采集的MR信号重建的多个复杂图像。


4.根据权利要求1所述的方法，其中由所述训练深度神经网络合成的所述对比度图像为T1加权图像、T2加权图像、T1-FLAIR图像、T2-FLAIR图像、质子密度加权图像和STIR图像中的一者。


5.根据权利要求1所述的方法，其中由所述训练深度神经网络合成的所述对比度图像是T2*加权图像。


6.根据权利要求1所述的方法，还包括：
在所述训练深度神经网络处，接收所述合成对比度图像的目标对比度类型。


7.根据权利要求6所述的方法，还包括：
使用训练鉴别器确定所述合成对比度图像是否具有真实图像质量；以及
响应于确定所述合成对比度图像不具有真实图像质量，输出指示以指示这一点。


8.根据权利要求6所述的方法，还包括：
使用训练分类器确定所述合成对比度图像的所述对比度类型；
确定所确定的对比度类型是否匹配所述目标对比度类型；以及
响应于确定所确定的对比度类型不匹配所述目标对比度类型，输出指示以指示这一点。


9.一种磁共振成像(MRI)系统，包括：
梯度线圈组件，所述梯度线圈组件被配置为生成梯度磁场；
射频(RF)线圈组件，所述射频线圈组件被配置为生成RF脉冲；
显示器；
控制器，所述控制器与所述梯度线圈组件、所述RF线圈组件和所述显示器通信，并且所述控制器被配置为：
指示所述梯度线圈组件和RF组件生成序列以执行定...

【专利技术属性】
技术研发人员：苏珊德丽玛·班纳吉，宫恩浩，格雷格·扎哈楚克，约翰·M·保利，
申请(专利权)人：通用电气公司，小利兰·斯坦福大学托管委员会，
类型：发明
国别省市：美国;US