在磁共振成像中确定进一步的处理位置制造技术

本发明专利技术提供了一种训练神经网络(322)的方法，所述方法被配置用于提供进一步的处理位置(326)。所述方法包括提供(200)经过标记的医学图像(100)，其中，所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置(102、104、106)，所述方法还包括将所述经过标记的医学图像输入(202)到所述神经网络中以获得一个试验处理位置。所述一个试验处理位置包括最可能的试验处理位置(108)。所述方法还包括确定(204)针对所述最可能的试验处理位置的最接近的真实处理位置(106)。所述方法还包括使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算(206)误差向量(110)。所述方法还包括使用所述误差向量来训练(208)所述神经网络。

【技术实现步骤摘要】
【国外来华专利技术】在磁共振成像中确定进一步的处理位置
本专利技术涉及磁共振成像。
技术介绍
磁共振成像(MRI)扫描器使用大的静态磁场来对齐原子的核自旋，这是用于在对象体内产生图像的流程的部分。这种大的静态磁场被称为B0场或主磁场。能够使用MRI在空间上测量对象的各种量或属性。通过使用脉冲序列来控制磁共振数据的采集，从而能够实施各种成像协议。在这些脉冲序列的设计中，通常存在大量的可调节的图像采集参数。在一些情况下，操作者进行初始扫描或调查扫描并使用它来确定用于修改后续图像采集的位置。国际专利申请WO2017/106469A1公开了提供用于使用深度神经网络来分析灌注加权的医学成像的系统和方法。该方法包括：接收使用磁共振(“MR”)成像系统从对象采集的灌注加权的成像数据；并且使用四维(“4D”)卷积神经网络对与该灌注加权的成像数据相关联的至少一个体素进行建模。该方法还包括：针对每个建模的体素提取空间-时间特征，并且基于所提取的空间-时间特征来估计针对每个建模的体素的至少一个灌注参数。该方法还包括：使用指示对象中的灌注的至少一个灌注参数来生成报告。
技术实现思路
本专利技术在独立权利要求中提供了方法、医学成像系统和计算机程序产品。在从属权利要求中给出了实施例。实施例可以提供自动执行复杂的磁共振成像技术的手段。这可以通过使用经过专门训练的神经网络来完成。在一些成像技术(例如，动脉自旋标记(ASL))中，以磁性方式标记单个或多个动脉中的血液。自动执行该任务的困难是，对于标记体积或平面来说可能有若干可接受的空间位置。为了训练神经网络执行该任务，修改通常的训练流程。提供经过标记的医学图像，这些经过标记的医学图像具有一个以上的正确的标记位置。这些标记位置被称为真实处理位置。为了训练神经网络，首先将经过标记的医学图像输入到神经网络中。这会引起输出试验处理位置。为了计算误差向量以训练神经网络，选择最接近试验处理位置的真实处理位置。然后，使用该最接近的处理位置和试验处理位置来训练神经网络。这使得训练流程能够鲁棒地找到改进的试验处理位置。在训练流程完成时，能够使用试验处理位置来自动执行磁共振成像协议。在一个方面中，本专利技术提供了一种训练神经网络的方法，所述方法被配置用于提供处理位置。所述方法包括提供经过标记的医学图像。所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置。如本文所使用的真实处理位置涵盖被认为或被考虑为是正确的一个处理位置、多个处理位置或一定范围的处理位置。所述方法还包括将所述经过标记的医学图像输入到所述神经网络中以获得至少一个试验处理位置。所述至少一个试验处理位置包括最可能的试验处理位置。所述方法还包括确定针对所述最可能的试验处理位置的最接近的真实处理位置。例如，多个真实处理位置可以被分布在医学图像中的不同位置中或者包括一定范围的多个不同位置。最接近的真实处理位置是真实处理位置中最接近神经网络的输出的真实处理位置。所述方法还包括使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算误差向量。在不同的实施例中，这可以采取不同的形式。该向量可以指示大小和/或位置的变化，使得试验处理位置要么在真实处理位置内，要么与真实处理位置相同。所述方法还包括使用所述误差向量来训练所述神经网络。当神经网络是卷积神经网络时，例如可以使用深度学习来执行训练。该实施例可以是有益的，因为当存在多个正确的解决方案时，它提供了训练神经网络的手段。这在各种类型的医学成像流程中会是有用的。例如，在动脉自旋标记中，选择针对单个动脉的标记体积、标记平面或标记斑点。然而，在针对动脉旋转标记选择合适的标记体积时有一定的自由度。对于该特定示例，当构造经过标记的医学图像时，人类或其他用户可以将许多不同的体积标记为对标记体积来说是可接受的。这些体积都将成为独立的真实处理位置。然后，神经网络可以采用经过标记的图像并且输出至少一个试验处理位置。然后，能够将这些试验处理位置中的最可能的处理位置与被放置在医学图像上的各种标记体积进行比较。能够构造误差向量，使得最可能的试验处理位置被变换为最接近的自旋标记体积。这可以例如使得对神经网络的训练能够以鲁棒的方式执行通常由人完成的任务。在另一实施例中，所述方法是使用多幅经过标记的医学图像来重复执行的。这可以是有利的，因为随着神经网络被越来越多地训练，神经网络正确放置处理位置的能力会提高。在另一实施例中，所述误差向量是仅使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算的。在另一实施例中，所述多幅经过标记的医学图像中的至少一幅经过标记的医学图像仅具有指示正确边界框的单个标记。例如，当训练神经网络时，在一些独立的图像中也可能只有一个边界框。因此，指示试验处理位置的边界框的数量可以是可变的。如本文所使用的试验处理位置可以与边界框有关。边界框可以是图像或医学图像的体积或区域的标识。在另一方面中，本专利技术提供了一种医学成像系统，所述医学成像系统包括存储器，所述存储器用于存储机器可执行指令和根据实施例训练的神经网络。所述神经网络可以例如是卷积神经网络。所述医学成像系统还包括用于控制所述机器可执行指令的处理器。对所述机器可执行指令的执行使所述处理器接收医学图像。对所述机器可执行指令的执行还使所述处理器将所述医学图像输入到所述神经网络中。然后，所述神经网络响应于该输入而提供进一步的处理位置。在不同的示例或实施例中，所述进一步的处理位置可以采取不同的形式。在一个示例中，所述进一步的处理位置是用于修改或控制进一步的磁共振成像流程或协议的区域。在其他示例中，进一步的处理位置可以用作用于控制用于分析或修改医学图像的数值算法的输入。在另一实施例中，所述医学成像系统还包括磁共振成像系统。所述存储器还包括脉冲序列命令，所述脉冲序列命令被配置用于控制所述磁共振成像系统根据磁共振成像协议来采集磁共振成像数据。对所述机器可执行指令的执行还使所述处理器使用所述进一步的处理位置来修改所述脉冲序列命令。例如，如果脉冲序列命令控制磁共振成像系统以执行动脉自旋标记，则进一步的处理位置可以例如是标记体积。对所述机器可执行指令的执行还使所述处理器通过利用经修改的脉冲序列命令控制所述磁共振成像系统来采集所述磁共振成像数据。对所述机器可执行指令的执行还使所述处理器使用根据所述磁共振成像协议的所述磁共振成像数据来重建磁共振图像。该实施例可以是有益的，因为它可以提供自动执行对磁共振图像的采集和重建的手段。再次使用动脉自旋标记的示例，这可以使系统的操作者或用户不必一定要手动选择标记体积。在另一实施例中，所述存储器还包括初始脉冲序列命令，所述初始脉冲序列命令被配置用于控制所述磁共振成像系统以采集初始磁共振成像数据。对所述机器可执行指令的执行还使所述处理器使用所述初始脉冲序列命令控制所述磁共振成像系统以采集所述初始磁共振成像数据。对所述机器可执行指令的执行还使所述处理器使用所述初始磁共振成像数据来重建所述医学图像。这还可以例如有助于实现在复杂的磁共振成像协议中对磁共振图像的全自动采集和成像。磁共振成像可本文档来自技高网...

【技术保护点】
1.一种训练神经网络(322)的方法，所述方法被配置用于提供进一步的处理位置(326)，其中，所述方法包括：/n提供(200)经过标记的医学图像(100)，其中，所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置(102、104、106)；/n将所述经过标记的医学图像输入(202)到所述神经网络中以获得一个试验处理位置，其中，所述一个试验处理位置包括最可能的试验处理位置(108)；/n确定(204)针对所述最可能的试验处理位置的最接近的真实处理位置(106)；/n使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算(206)误差向量(110)；并且/n使用所述误差向量来训练(208)所述神经网络。/n

【技术特征摘要】
【国外来华专利技术】20181120 EP 18207254.61.一种训练神经网络(322)的方法，所述方法被配置用于提供进一步的处理位置(326)，其中，所述方法包括：
提供(200)经过标记的医学图像(100)，其中，所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置(102、104、106)；
将所述经过标记的医学图像输入(202)到所述神经网络中以获得一个试验处理位置，其中，所述一个试验处理位置包括最可能的试验处理位置(108)；
确定(204)针对所述最可能的试验处理位置的最接近的真实处理位置(106)；
使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算(206)误差向量(110)；并且
使用所述误差向量来训练(208)所述神经网络。


2.根据权利要求1所述的方法，其中，所述方法是使用多幅经过标记的医学图像来重复执行的。


3.根据权利要求1或2所述的方法，其中，所述误差向量是仅使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算的。


4.一种医学成像系统(300、500)，包括：
存储器(310)，其用于存储机器可执行指令(320)和根据权利要求1至3中的任一项所训练的神经网络(322)；
处理器(304)，其用于控制所述医学成像系统，其中，对所述机器可执行指令的执行使所述处理器执行以下操作：
接收(400)医学图像(324)；
将所述医学图像输入(402)到所述神经网络中，并且响应于所述输入而从所述神经网络接收进一步的处理位置(326)。


5.根据权利要求4所述的医学成像系统，其中，所述医学成像系统还包括磁共振成像系统(502)，其中，所述存储器还包括脉冲序列命令(534)，所述脉冲序列命令被配置用于控制所述磁共振成像系统根据磁共振成像协议来采集磁共振成像数据(538)，其中，对所述机器可执行指令的执行还使所述处理器执行以下操作：
使用所述进一步的处理位置来修改(604)所述脉冲序列命令；
通过利用经修改的脉冲序列命令控制所述磁共振成像系统来采集(606)所述磁共振成像数据；并且
使用所述磁共振成像数据来重建(608)磁共振图像(540)。


6.根据权利要求5所述的医学成像系统，其中，所述存储器还包括初始脉冲序列命令(530)，所述初始脉冲序列命令被配置用于控制所述磁共振成像系统以采集初始磁共振成像数据(532)，其中，对所述机器可执行指令的执行还使所述处理器执行以下操作：
使用所述初始脉冲序列命令控制(600)所述磁共振成像系统以采集所述初始磁共振成像数据；并且
使用所述初始磁共振成像数据来重建(602)所述医学图像。


7.根据权利要求5或6所述的医学成像系统，其中，所述磁共振成像协议是动脉自旋标记协议，其中，所述进一步的处理区域是标记位置。


8.根据权...

【专利技术属性】
技术研发人员：K·佐默，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