本发明专利技术提供了一种医学成像系统(100、400)，其包括存储器(110)，所述存储器存储机器可执行指令(120)和经配置的人工神经网络(122)。所述医学成像系统还包括处理器(104)，所述处理器被配置用于控制所述医学成像系统。对所述机器可执行指令的执行使所述处理器接收(200)磁共振成像数据(124)，其中，所述磁共振成像数据是描述针对体素的集合中的每个体素的时间相关性BOLD信号(1100)的BOLD功能性磁共振成像数据。对所述机器可执行指令的执行还使所述处理器通过使用所述磁共振成像数据重建针对体素的集合中的每个体素的所述时间相关性BOLD信号来构建(202)初始信号的集合(126)。对所述机器可执行指令的执行还使所述处理器响应于将初始信号的集合输入到所述经配置的人工神经网络中而接收(204)经修改的信号的集合(128)。所述经配置的人工神经网络被配置用于从初始信号的集合移除生理伪影。配置用于从初始信号的集合移除生理伪影。配置用于从初始信号的集合移除生理伪影。
【技术实现步骤摘要】
【国外来华专利技术】借助于人工神经网络的功能性磁共振成像伪影移除
[0001]本专利技术涉及磁共振成像，具体涉及功能性磁共振成像。
技术介绍
[0002]作为用于产生对象体内的图像的流程的一部分，由磁共振成像(MRI)扫描器使用大的静态磁场以使原子的核自旋对齐。这一大的静态磁场称为B0场或主磁场。可以使用MRI空间地测量对象的各种量或性质。各种成像协议可以通过使用脉冲序列来实施以控制磁共振数据的采集，并且可以用于测量对象的各种性质。
[0003]例如，在功能性磁共振成像(fMRI)中，使用磁共振成像来测量脑活动。常见类型的功能性磁共振成像是血氧水平依赖性(BOLD)对比度。BOLD成像依赖于氧合和脱氧血红蛋白的性质。氧合血红蛋白是顺磁性的，而脱氧血红蛋白是反磁性的。因此，T2*加权脉冲序列可以检测脑中血液的氧合的变化。然而，BOLD效应很小，并且T2*加权图像的对比度仅改变百分之几。由呼吸或心脏运动引起的患者运动最少能是也是大约百分之几的对比度的变化。为了执行BOLD磁共振成像，需要从信号中移除该生理噪声。
[0004]Anderson等人的期刊文章“Common component classification:What can we learn from machine learning？”(NeuroImage、第56卷、第2号、第517
‑
524页(2011年5月15日))公开了机器学习方法已经被应用为通过研究脑中呈现组之间的时间强度变化的位置来对fMRI扫描进行分类，经常报告90％或更好的分类准确度。机器学习分类器被创建，并且然后被用于解构分类器以检查其对生理噪声的灵敏度、任务重新排序和跨扫描分类能力。既在运行内又跨运行训练并测试模型，以评估跨状况的稳定性和再现性。说明了独立分量分析用于特征提取和伪影移除两者的用途。
技术实现思路
[0005]本专利技术提供了一种医学成像系统、一种计算机程序产品以及一种方法。
[0006]如上面提到的，功能性磁共振成像信号可以容易地被生理伪影模糊。从功能性磁共振成像数据中移除该噪声的典型方式是监测对象的生理过程，诸如呼吸和心脏运动。这使得能够移除生理伪影。实施例可以通过使用经配置的人工神经网络来自动移除生理伪影而简化该过程。可以训练生理神经网络以移除生理伪影，而不需要传感器来监测呼吸或心脏运动。
[0007]在一个方面中，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，所述存储器存储机器可执行指令。所述医学成像系统还包括处理器，所述处理器被配置用于通过执行所述机器可执行指令来控制所述医学成像系统。对所述机器可执行指令的执行使所述处理器接收磁共振成像数据。所述磁共振成像数据是描述针对体素的集合中的每个体素的时间相关性信号的功能性磁共振成像数据。例如所述磁共振成像数据包括个体地描述每个体素的数据，并且该数据包含时间相关性信号。对所述机器可执行指令的执行还使所述处理器通过使用所述磁共振成像数据重建针对所述体素的集合中的每个体素的所述
时间相关性信号来构建初始信号的集合。
[0008]所述初始信号的集合具有针对体素的集合中的每个体素的时间相关性信号。对所述机器可执行指令的执行还使所述处理器响应于将所述初始信号的集合输入到经配置的人工神经网络中而收经修改的信号的集合。所述经配置的人工神经网络被配置用于从所述初始信号的集合移除生理伪影。该实施例可以是有益的，因为功能性磁共振成像特别易受到生理伪影的影响，所述生理伪影是由对象的生理变化或运动引起的伪影。
[0009]应当注意，经修改的信号的集合可以是来自初始信号的集合的纯噪声信号，或其可以是噪声已移除的信号。这两者是基本上等效的。
[0010]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，所述磁共振成像系统被配置用于根据时间相关性功能性磁共振成像协议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控制所述磁共振成像系统以采集所述磁共振成像数据。
[0011]在另一实施例中，所述经配置的人工神经网络包针对所述体素的集合中的每个体素的递归神经网络。针对每个体素的递归神经网络的使用可能是有益的，因为体素的集合中的每个体素的信号是时间相关的。递归神经网络的使用使得能够在时域中处理该信号。
[0012]针对体素中的每个体素的递归神经网络可以具有数个或多个层。这些多个层可以包括不同的类型，诸如部分连接层以及卷积层。
[0013]在另一实施例中，所经配置的人工神经网络包括输入计算层。体素中的每个体素的所述递归神经网络包括被连接到所述输入计算层的输入。在该实施例中，不是将数据直接输入到个体递归神经网络中，而是首先将输入输入到输入计算层中，并且然后将递归神经网络的输入连接到其中。这可以是有益的，因为可以使用输入计算层更好地建模诸如血流和其他体素的移动以及其他这样的协作行为的效果。
[0014]在另一实施例中，经修改的信号的集合是噪声信号的集合和清洁信号的集合之一。初始信号的集合是针对体素中的每个体素的测量的时间相关性BOLD信号。对于每个体素，存在时间相关性BOLD信号。由于生理伪影，初始信号的集合还具有噪声。噪声信号的集合是初始信号的集合的噪声分量，并且经清洁的信号的集合是没有噪声分量的时间相关性信号的集合。神经网络被配置用于移除生理伪影或噪声。具有产生经清洁的信号的集合的经配置的神经网络等效于产生噪声信号的集合的经配置的神经网络。
[0015]在另一实施例中，所述神经网络包括多个递归神经网络，并且其中，所述体素的集合中的每个体素的递归神经网络形成所述多个递归神经网络。对于体素的集合中的每个体素，存在个体或单独的递归神经网络。
[0016]在另一实施例中，部分连接层的使用可以用于指定特定体素的特定距离或半径内的体素的效应。这在表示局部效应时可以是有用的。
[0017]在另一实施例中，所述经配置的人工神经网络包括输出计算层。每个体素的所述递归神经网络包括被连接到所述输出计算层的输出。该实施例也可以是有益的，因为在提供输出时可以考虑相邻体素的输出。这可以提供噪声信号的更有效或更好的移除。
[0018]在另一实施例中，所述输出计算层是全连接的。
[0019]在另一实施例中，所述输出层是卷积连接的。
[0020]在另一实施例中，所述输出计算层是部分连接的。
[0021]在另一实施例中，每个体素的所述递归神经网络包括直接反馈或直接反馈循环。直接反馈可以是作为下一次迭代的反馈或经由递归神经网络内的隐藏层提供的反馈而反馈到递归神经网络中的个体信号。所述经配置的人工神经网络包括隐藏反馈层。每个体素的所述递归神经网络的所述直接反馈是经由所述隐藏反馈层提供的。
[0022]在该实施例中，代替于递归神经网络的直接反馈被直接馈送到其自身，递归神经网络的直接反馈经过能够组合和/或分布来自多个递归神经网络的反馈的中间层。这可以有助于对影响多于一个体素的效应进行建模。
[0023]在另一实施例中，隐藏反馈层包本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种医学成像系统(100、400)，包括：
‑
存储器(110)，其存储机器可执行指令(120)和经配置的人工神经网络(122)；
‑
处理器(104)，其被配置用于通过执行所述机器可执行指令来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：
‑
接收(200)磁共振成像数据(124)，其中，所述磁共振成像数据是BOLD功能性磁共振成像数据，所述BOLD功能性磁共振成像数据描述针对体素的集合中的每个体素的时间相关性BOLD信号(1100)，其中，所述磁共振成像数据是BOLD功能性磁共振成像数据，所述BOLD功能性磁共振成像数据描述针对体素的集合中的每个体素的时间相关性BOLD信号，其中，所述经配置的人工神经网络包括针对所述体素的集合中的每个体素的递归神经网络(600)；
‑
通过使用所述磁共振成像数据重建针对所述体素的集合中的每个体素的所述时间相关性BOLD信号来构建(202)初始信号的集合(126)；并且
‑
响应于将所述初始信号的集合输入到所述经配置的人工神经网络中而从所述经配置的人工神经网络接收(204)经修改的信号的集合(128)，其中，所述经配置的人工神经网络被配置用于从所述初始信号的集合移除生理伪影。2.根据权利要求1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(402)，所述磁共振成像系统被配置用于根据时间相关性功能性磁共振成像协议来采集所述磁共振成像数据，其中，对所述机器可执行指令的执行还使所述处理器控制(500)所述磁共振成像系统以采集所述磁共振成像数据。3.根据权利要求1或2所述的医学成像系统，其中，所述神经网络包括多个递归神经网络，并且其中，所述体素的集合中的每个体素的所述递归神经网络形成所述多个递归神经网络。4.根据前述权利要求中的任一项所述的医学成像系统，其中，所述经配置的人工神经网络包括输入计算层(700)，其中，每个体素的所述递归神经网络包括被连接到所述输入计算层的输入(602)。5.根据权利要求4所述的医学成像系统，其中，所述输入计算层是以下各项中的任一项：
‑
全连接的；
‑
卷积连接的；以及6.根据前述权利要求中的任一项所述的医学成像系统，其中，所述经配置的人工神经网络包括输出计算层(800)，其中，每个体素的所述递归神经网络包括被连接到所述输出计算层的输出(604)。7.根据权利要求6所述的医学成像系统，其中，所述输出计算层是以下各项中的任一项：
‑
全连接的；
‑
卷积连接的；以及
‑
部分连接的。8.根据前述权利要求中的任一项所述的医学成像系统，其中，每个体素的所述递归神经网络包括直接反馈(606)，其中，所述经配置的人工神经网络包括隐藏反馈层(900)，其中，每个体素的所述递归神经网络的所述直接反馈是经由所述隐藏反馈层提供的。
9.根据前述权利要求中的任一项所述的医学成像系统，其中，对所述机器可执行指令的执行还使所述处理器：
‑
接收(300)针对所述体素的集合中的每个体素的训练信号的集合；
‑
接收(302)针对所述体素的集合中的每个体素的清洁信号的集合，其中，所述训练信号的集合包括所述清洁信号的集合加上生理伪影；
‑
接收(304)描述对象运动的生理伪影数据，其中，所述生理伪影数据是与所述清洁信号的集合...
【专利技术属性】
技术研发人员：A，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：
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。