用于磁共振成像的智能扫描推荐制造技术

本发明专利技术涉及用于磁共振成像的智能扫描推荐。公开了一种扫描推荐方法，其中，接收包括分类数据(CIA，CMA)的评估数据，其中，分类数据(CIA，CMA)对在关于患者的医疗状况的输入数据(ID，IM，IHRI，UII)中检测到的异常(IA，MA)进行分类。基于评估数据，执行根据患者的MR扫描要执行的下一个推荐MR协议(NRP)的自动确定。此外，公开了一种个人扫描准备方法。此外，描述了一种医学成像方法。还描述了一种扫描工作流程执行方法。为了执行上述方法，还描述了扫描推荐系统(45)、个人扫描准备系统(40)、医学成像系统(50)和扫描工作流程执行系统(60)。系统(50)和扫描工作流程执行系统(60)。系统(50)和扫描工作流程执行系统(60)。

【技术实现步骤摘要】
用于磁共振成像的智能扫描推荐
[0001]相关申请的交叉引用
[0002]本申请要求于2020年4月22日提交的美国临时申请第63/013,825号的优先权，其全部公开内容通过引用被整体并入本文中。


[0003]本公开内容涉及用于开发针对磁共振成像(MRI)的工作流程的技术，并且尤其涉及用于使用可以是自动化处理的一部分的各种数据源来推荐MR协议的技术。

技术介绍

[0004]磁共振成像(MRI)是提供生物组织的诊断相关信息的医学成像技术。它的诊断相关性来源于这种成像模式的信息能力和多功能性，它以非侵入性方式提供了差异化和精确的结构信息。磁共振成像是基于对患者身体内部核自旋的受控操纵以及随后对核自旋响应的检测。自旋响应的空间相关编码允许重建患者的结构组成和功能构成，以用于放射科医师执行诊断读取。
[0005]常规上，为了生成用于诊断的MR图像，进行MRI扫描的MRI技术人员从MRI扫描仪成像协议库中选择MR协议的顺序排列，其可以基于例如相关身体部位、疑似疾病(例如，通过转诊医生或放射科医师的临床指示)、患者特定的要求(例如，植入物、与运动有关的不符合性)以及稍后将执行用于诊断的MR图像的读取的临床机构和放射科医师的偏好。另外，在扫描过程期间，技术人员通常会执行检查，以确保记录的扫描的图像质量允许进行诊断。然后，技术人员可以进行协议修改，例如，使视野适应患者身体和其他，并且如果需要，将执行重新扫描。
[0006]这种经典的MRI扫描工作流程要求MRI技术人员经受紧张的特定模式训练并且获取许多年的扫描经验。如今，执行的MRI扫描的数量在不断增加，而却缺少合格人员，这导致了高昂的操作成本。即使对于训练有素的技术人员，优化执行MRI扫描所需的大量手动步骤以及增加的时间压力也会导致操作失误的重大风险。即使在知名医院中，有时也可能会有训练不足的技术人员不得不操作扫描仪，例如在晚上或在周末。
[0007]在US 9,928,589 B2中，描述了一种用于支持多参数图像的获取的设备和方法。该设备包括：疾病选择器，其被配置成基于患者信息选择患者的疑似疾病；以及图像选择器，其被配置成基于多参数磁共振成像模型确定对应于疑似疾病的多参数磁共振图像的成像条件组。然而，在记录医学图像之前，通常很难确定患者的疾病。
[0008]在US 2018/0 101 644 A1中，描述了一种基于医学图像数据提供关于诊断系统的诊断的置信度信息的方法。诊断系统被设计为使用医学图像数据和进一步的患者特定数据作为其输入的算法。置信度的测量通过执行确定算法来确定，该确定算法具有以下作为其输入参数：用于诊断系统的特征值，例如诊断系统的灵敏度或特异性；和/或来自医学图像数据的图像内容。此外，可以基于置信度信息提出进一步获取附加图像数据。可以获取附加医学图像数据，使得该数据相对于已经存在的医学图像数据表现出改变的图像对比度。

技术实现思路

[0009]同样，截至今日，大多数MRI扫描是手动执行的，需要技术人员从协议库中选择所需的协议。为了使MR成像工作流程自动化，已经设计了包含顺序排列的协议的应用，这些协议专门用于特定解剖区域和/或疑似疾病的成像。具体地，图像切片计划的步骤已经可以通过模式匹配算法来自动化。然而，截至今日，还没有可以使得未经训练的技术人员能够在考虑患者特定需求或发现的同时以高的成功率执行整个MRI扫描的软件。
[0010]因此，本专利技术的目的是找到用于准备和执行MRI扫描而不需要合格的操作人员的解决方案。
[0011]上述问题通过以下来解决：根据本专利技术的扫描推荐方法、根据本专利技术的个人扫描准备方法、根据本专利技术的医学成像方法、根据本专利技术的扫描工作流程执行方法、根据本专利技术的扫描推荐系统、根据本专利技术的个人扫描准备系统、根据本专利技术的医学成像系统以及根据本专利技术的扫描工作流程执行系统。
[0012]根据本专利技术的扫描推荐方法包括接收包括分类数据的评估数据的步骤。分类数据对基于关于患者的医疗状况的输入数据而检测到的异常进行分类。优选地，在患者的医学图像数据中检测到异常。分类包括检测到的异常的识别的类型，将针对不同可能类型的异常的概率值分配给检测到的异常。例如，异常可以是在诸如医学图像数据的输入数据中检测到的异常，或者基于关于不同类型的患者的医学数据，它们可以包括关于异常的信息。
[0013]在图像数据中检测到的异常包括检测到的图像异常或独特的图像特征，例如高信号区域、低信号区域、异常组织、中线移位、血管狭窄、斑块、脱髓鞘或肿块效应(mass effect)。如下文进一步说明的，异常也可以是检测到的图像度量异常或区别特征。然后，基于评估数据自动确定下一个推荐MR协议，该下一个推荐MR协议旨在与患者的MR扫描一起执行。如以下所说明的，评估不限于图像数据的评估。因此，可以分析关于患者状况的多个不同类型的输入数据以确定评估数据。此外，可以评估关于患者状况的单个特殊类型的输入数据的多个数据组。扫描推荐可以基于接收不同类型的多个评估数据。异常的检测可以基于机器学习方法(例如基于诸如卷积神经网络的神经网络)来实现，该神经网络将诸如图像数据的输入数据作为输入，并且提供输入数据为正常与异常的概率作为输出。检测到的异常的分类也可以使用机器学习方法(例如基于神经网络的技术或者更具体地使用卷积神经网络)来实现。如果针对接收的诸如图像数据的输入数据的检测到的异常的概率值高于某个可定制阈值ξ
d
，则如上述，分配给检测到的异常的诸如图像数据的输入数据被作为用于后续分类步骤的输入。扫描推荐也可以根据基于机器学习的技术特别是如以下所说明的神经网络技术来实现。在最简单的变型中，评估数据简单地包括分类数据。然而，评估数据还可以附加地包括不同类型的数据。根据本专利技术的方法允许经训练或未经训练的技术人员对每个患者执行高度个性化的MRI扫描工作流程，从而生成用于诊断患者的状况所需的最佳MRI图像组。该方法可以为完全自主优化的MR成像工作流程提供基础，从而还允许由操作者根据需要对其进行手动或电子定制。MR扫描仪操作者可以选择以全自动、全手动或混合模式来运行MR扫描工作流程。
[0014]根据本专利技术的个人扫描准备方法包括以下步骤：接收关于患者的医疗状况的输入数据，例如医学图像数据。通过检测输入数据中的异常，基于检测到的异常确定分类数据作为评估数据，并且执行根据本专利技术的扫描推荐方法，来确定基于输入数据的评估数据。有利
地，异常的分类可以用于使MR协议适应特殊种类的异常。例如，针对推荐的MR协议选择特殊的对比度。此外，个人扫描准备方法共享扫描推荐方法的优点。
[0015]根据本专利技术的医学成像方法包括以下步骤：基于根据本专利技术的扫描推荐方法确定下一个推荐协议，并且将下一个推荐协议发送至MR扫描系统，并且由MR扫描系统基于所接收到的协议执行MR扫描。医学成像方法共享根据本专利技术的扫描推荐方法的优点。
[0016]根据本专利技术的扫描工作流程执行方法包括执行根据本专利技术的医学成像方法的步骤。在医学成像方法的MR扫描之后，在重建的MR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种扫描推荐方法，包括以下步骤：
‑
接收包括分类数据(CIA，CMA)的评估数据，其中，所述分类数据(CIA，CMA)对在关于患者的医疗状况的输入数据(ID，IM，IHRI，UII)中检测到的异常(IA，MA)进行分类，
‑
基于所述评估数据，根据所述患者的MR扫描自动确定要执行的下一个推荐MR协议(NRP)。2.根据权利要求1所述的扫描推荐方法，其中，下一个MR协议(NRP)的自动确定基于以下中的至少一个的使用：
‑
机器学习模型，其包括以下中的至少一个：
‑
卷积神经网络，
‑
完全连接的神经网络，
‑
浅层神经网络模型，
‑
深度神经网络模型，
‑
决策树，
‑
随机森林，
‑
支持向量机，
‑
专家系统，
‑
经典模型算法。3.根据权利要求1或2所述的扫描推荐方法，其中，所述评估数据包括第一可能的扫描工作流程方向(PDI，PDU)，所述第一可能的扫描工作流程方向(PDI，PDU)通过将基于所述输入数据(IHRI，UII)中的关于所述患者的医疗状况的提取的关键词(EK
‑
IHRI，EK
‑
UII)的主题(T1，T2，T3，
……
，T
N
)映射至下一个推荐协议(NRP)的概率的概率值(P(n)，P(o))来确定。4.根据权利要求1至3中任一项所述的扫描推荐方法，其中，下一个推荐MR协议(NRP)的自动确定包括以下步骤：
‑
通过将所述分类数据(CIA，CMA)自动映射至下一个推荐协议(NRP)的概率(P(m))来确定第二可能的扫描工作流程方向(PDA)，
‑
基于所述第二可能的扫描工作流程方向(PDA)并且可选地附加地基于所述第一可能的扫描工作流程方向(PDI，PDU)，自动最终推荐所述下一个推荐协议(NRP)。5.一种个人扫描准备方法，包括以下步骤：
‑
接收关于患者的医疗状况的输入数据(ID，IM，IHRI，UII)，
‑
基于所述输入数据(ID，IM，IHRI，UII)确定评估数据，包括以下步骤：
‑
检测所述输入数据(ID，IM，IHRI，UII)中的异常(IA，MA)，
‑
基于所检测到的异常(IA，MA)确定分类数据(CIA，CMA)作为评估数据，
‑
基于所述评估数据，执行根据权利要求1至4中任一项所述的扫描推荐方法。6.根据权利要求5所述的个人扫描准备方法，其中，
‑
所述输入数据(ID，IM，IHRI，UII)包括图像数据(ID)，并且
‑
检测异常(IA，MA)的步骤包括检测所述图像数据(ID)中的异常(IA)。7.根据权利要求6所述的个人扫描准备方法，其中，
‑
所述输入数据(ID，IM，IHRI，UII)包括基于图像数据(ID)的图像导出度量(IM)，并且
‑
所述检测异常(IA，MA)的步骤包括检测所述图像导出度量(IM)中的异常(MA)。
8.根据权利要求6或7所述的个人扫描准备方法，其中，
‑
所述输入数据(ID，IM，IHRI，UII)还包括电子健康记录信息(IHRI)和/或用户界面输入数据(UII)，并且确定评估数据的步骤包括以下步骤：
‑
从所述电子健康记录信息(IHRI)和/或所述用户界面输入(UII)中提取关键词(EK
‑
IHRI，EK
‑
UII)，
‑
基于所提取的关键词(EK
‑
IHRI，EK
‑
UII)确定主题(T1，T2，T3，
……
，T
N
)，
‑
通过将所述主题(T1，T2，T3，
……
，T
N
)映射至下一个推荐协议(NRP)的概率的概率值(P(n)，P(o))来确定所述第一可能的扫描工作流程方向(PDI，PDU)。9.一种医学成像方法，包括以下步骤：
‑
基于权利要求1至8中的一项所述的方法确定下一个推荐协议(NRP)，
‑
将所述下一个推荐协议(NRP)发送至MR扫描系统(51)，
‑
由所述MR扫描系统(51)基于所接收到的协议(NRP)执行MR扫描，其中，记录来自所述患者的MR图像数据(MR
‑
ID)。10.一种扫描工作流程执行方法，包括以下步骤：
‑
执行根据权利要求9所述的医学成像方法，
‑
在所重建的MR图像数据(MR
‑
ID)中检测异常(MR
‑
IA)，
‑
基于所检测到的异常(MR
‑
IA)确定分类数据(MR
‑
CIA)，
‑
基于所确定的分类数据(MR
‑
CIA)迭代地执行上述三个步骤，直到获得中止标准(ACR)为止。11.一种扫描推荐系统(45)，包括：
‑
输入接口(41、42)，用于接收包括分类数据(CIA，CMA)的评估数据，其中，所述分类数据(CIA，CMA)对基于关于患者的医疗状况的输入数据(ID，IM，IHRI，UII)而检测到的异常(IA，MA)进行分类，
‑
推荐单元(101、102)，用于基于所接收到的评估数据自动确定根据...

【专利技术属性】
技术研发人员：西尔维娅，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：