【技术实现步骤摘要】
利用神经网络检测患者运动的MRI系统和方法
技术介绍
一般来讲，磁共振成像(MRI)检查基于主磁场、射频(RF)磁场和时变梯度磁场之间与在感兴趣的受检者(诸如患者)体内具有核自旋的旋磁材料的交互作用。某些旋磁材料，诸如水分子中的氢核，具有响应于外部磁场的特征性能。这些核的自旋的进动能够通过操纵场以产生能够被检测、处理并且用于重构有用图像的RF信号来影响。患者运动是临床MRI无效的最大原因之一，通常需要患者重新扫描甚至第二次就诊。特别地，患者运动会导致MR图像模糊、伪影和其他不一致性。某些纠正运动的方法需要某种用于监测运动的硬件(增大成本和延长患者设置时间)或导航器序列(占用成像序列的时间)。因此，需要用于对患者运动敏感的磁共振成像技术中的数据获取和重建的改进方法。
技术实现思路
在一个实施方案中，一种磁共振成像(MRI)方法包括：在第一时间间隔内从由MRI系统获取的第一磁共振(MR)部分k空间数据产生第一子图像，以及在第二时间间隔内从来自由磁共振成像系统获取的k空间的不同部分的第二MR部分k空间数据产生第二子图像。第一时间间隔...
【技术保护点】
1.一种磁共振成像(MRI)方法，包括：/n在第一时间间隔内从由MRI系统获取的第一磁共振(MR)部分k空间数据产生第一子图像；/n在第二时间间隔内从由所述MRI系统获取的第二MR部分k空间数据产生第二子图像，其中所述第一时间间隔和所述第二时间间隔在时间上彼此相邻；/n组合所述第一子图像和所述第二子图像以生成组合子图像；/n使用经训练的神经网络，使用所述组合子图像作为输入，来生成与在所述第一时间间隔和所述第二时间间隔之间发生的运动的存在和程度相关的预测；以及/n至少部分地基于由所述经训练的神经网络生成的所述预测来执行所述MRI系统的进一步操作。/n
【技术特征摘要】
20190425 US 16/394,7911.一种磁共振成像(MRI)方法，包括：
在第一时间间隔内从由MRI系统获取的第一磁共振(MR)部分k空间数据产生第一子图像；
在第二时间间隔内从由所述MRI系统获取的第二MR部分k空间数据产生第二子图像，其中所述第一时间间隔和所述第二时间间隔在时间上彼此相邻；
组合所述第一子图像和所述第二子图像以生成组合子图像；
使用经训练的神经网络，使用所述组合子图像作为输入，来生成与在所述第一时间间隔和所述第二时间间隔之间发生的运动的存在和程度相关的预测；以及
至少部分地基于由所述经训练的神经网络生成的所述预测来执行所述MRI系统的进一步操作。
2.根据权利要求1所述的方法，其中来自所述第一时间间隔的所述部分k空间数据和来自所述第二时间间隔的所述部分k空间数据来自所述MRI系统的多线圈接收器阵列内的单个线圈。
3.根据权利要求1所述的方法，其中与在所述第一时间间隔和所述第二时间间隔之间发生的运动的所述存在和程度相关的所述预测是运动分数，并且其中计算所述运动分数，以使得随着所述运动分数的大小增大，运动更有可能对所述组合子图像产生影响。
4.根据权利要求3所述的方法，其中针对所述MRI系统的多线圈接收器阵列中的每个线圈计算运动分数，以生成所述多线圈接收器阵列的运动分数，并且所述多线圈接收器阵列的所述运动分数通过取单个线圈分数的平均值、中位数、最大值或最小值来组合成净运动分数。
5.根据权利要求4所述的方法，包括通过将所述净运动分数与阈值进行比较来确定是否发生了运动。
6.根据权利要求1所述的方法，其中产生所述第一子图像包括仅使用在所述第一时间间隔内收集的所述第一MR数据，并且其中产生所述第二子图像包括仅使用在所述第二时间间隔内收集的所述第二MR数据。
7.根据权利要求1所述的方法，其中所述第一子图像和所述第二子图像是复合的，并且通过加法组合。
8.根据权利要求1所述的方法，其中所述第一子图像和所述第二子图像通过在k空间中聚集其相应的部分k空间数据而组合，然后转换到图像域。
9.根据权利要求1所述的方法，其中使用在所述第一时间间隔内收集的所述第一MR数据来产生所述第一子图像以及使用在所述第二时间间隔内收集的所述第二MR数据来产生所述第二子图像包括：使用分别在所述第一时间间隔和所述第二时间间隔内由所述MRI系统的接收线圈阵列的所有接收线圈收集的数据。
10.根据权利要求3所述的方法，其中所述运动分数基于所述组合子图像与在所述第一时间间隔和所述第二时间间隔之间没有运动的情况下所获得的组合子图像之间的差的每像素度量的加权和、或加权和的对数、或平均值。
11.根据权利要求10所述的方法，其中所述每像素度量是所述差的每像素熵、或每像素差、或所述差的每像素对数、或所述差的绝对值的每像素对数。
12.根据权利要求1所述的方法，其中所述经训练的神经网络是经训练的卷积神经网络，其具有多个卷积层、多个最大池化层和多个完全连接层。
13.根据权利要求1所述的方法，其中根据训练过程来训练所述经训练的神经网络，所述训练过程包括：
通过训练数据生成过程来生成训练数据，所述训练数据生成过程包括：
通过对无运动图像应用平移和/或旋转来模拟刚体运动以生成偏移图像；
用所述偏移图像的k空间数据替换所述无运动图像的无运动k空间数据的一些部分，以根据扫描顺序生成受运动破坏的混合k空间数据，其中所述扫描顺序描述k空间是如何通过作为时间步长的函数的相位编码来填充的；
通过根据所述扫描顺序对所述混合k空间数据应用掩模来模拟部分数据收集，以生成部分k空间数据；
从所述部分k空间数据生成受运动破坏的子图像；以及
至少部分地基于所述受运动破坏的子图像与使用所述无运动图像的对应的部分k空间数据生成的对应的无运动子图像之间的差，来计算所述受运动破坏的子图像的运动分数；
通过对所述无运动图像或其他无运动图像应用不同的平移和/或旋转来重复所述训练数据生成过程的至少一部分，以产生一组受运动破坏的子图像和相关联的运动分数；以及
使用所述一组受运动破坏的子图像和相关联的运动分数中的至少一部分来训练神经网络，以生成所述经训练的神经网络。
14.根据权利要求1所述的方法，其中至少部分地基于由所述经训练的神经网络生成的所述预测来执行所述MRI系统的进一步操作包括：响应于确定所述预测指示在所述第一时间间隔和所述第二时间间隔之间发生了运动：
将所述第一MR数据与在所述第一时间间隔之前收集的MR数据聚合为与第一运动状态相对应的k空间数据作为第一...
【专利技术属性】
技术研发人员：伊莎贝尔·休肯斯费尔特詹森，桑塔伊·安，克里斯托弗·贾德森·哈迪，伊齐克·马尔基尔，拉斐尔·什穆埃尔·布拉达，罗恩·韦恩，迈克尔·罗特曼，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国;US
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。