一种疾病筛查与诊断系统、模型训练方法技术方案

本发明专利技术涉及磁共振成像技术领域，尤其涉及一种利用磁共振数据的疾病筛查与诊断系统，包括：数据采集模块，用于采集对受试者身体部位进行扫描得到的训练数据以及检测数据；模型训练模块，连接数据采集模块，用于将训练数据输入到检测模型中，以对检测模型进行训练；检测模块，分别连接数据采集模块和模型训练模块，用于将检测数据输入经过训练后的检测模型中，以输出检测结果。本发明专利技术的有益效果：通过预先训练好的检测模型，将k空间数据作为检测数据直接输入检测模型输出检测结果，无需将k空间数据重建为图像后经过医生人工判断，一方面省去了图像重建的时间，大幅地降低了疾病筛查和诊断的时间，也节省了成本，检测结果准确度更高。高。高。

【技术实现步骤摘要】
一种疾病筛查与诊断系统、模型训练方法


[0001]本专利技术涉及磁共振成像
，尤其涉及一种利用磁共振数据的疾病筛查与诊断系统。

技术介绍

[0002]磁共振成像(Magnetic Resonance Imaging，MRI)技术是一种非侵入性的成像方法，可以显示人体组织的结构和性质。在临床中，通常首先利用磁共振成像系统从被扫描者的身体部位(疾病患者或正常受试者)获得k空间数据，并进行图像重建获得图像，然后由医生读取以确定是否存在各种异常，包括中风、肿瘤或者其他疾病所引起的异常。然而，图像重建这一过程可能是极其耗时且昂贵的，形成图像质量足够好的图像(即空间分辨率足够高，对比度足够高，信噪比足够高，伪影足够少)需要较长的扫描时间，利用满采样采集的k空间数据重建图像，再提供给医生进行诊断；其次，医生需要额外的时间来观察重建出的图像并从中得出诊断结论。
[0003]不同于日常中所使用的相机，在磁共振成像中，获取的原始数据不是图像像素，而是k空间数据，即图像的二维或三维的空间频域表示。如果k空间数据被完全采样，则可以通过逆傅里叶变换转换为图像。现有技术中的一些方法试图通过只采集部分k空间数据来减少MRI扫描时间，并使用合适的图像重建模型来消除只采集部分k空间数据带来的微影，例如并行成像方法(包括可应用于平面内加速采集重建或多层同时采集的SENSE和GRAPPA)和压缩感知来恢复图像。然而，当k空间样本变得非常稀疏时，这些方法引入的噪声和伪影变得越来越明显，利用高度稀疏的k空间数据重建的图像质量较差，导致医生很难判断出疾病或误判。实际上，为了得到临床可用的磁共振图像，它们的最大加速因子被限制在2到8之间，因此仍然显著地限制了磁共振成像的速度，也就是说，现有技术中的诊断时间也会更长。
[0004]另一方面，也有其他方法尝试使用机器学习来检测磁共振图像中的异常，这类方法对医生的干预要求较少或完全没有要求。然而，这些方法的目的是以高质量的图像中作为输入，而这些图像与呈现给人类医生的图像相似。然而，这种利用机器学习的异常检测方法需要形成完整且高质量的图像，这同样需要较长的磁共振成像扫描时间。在噪声较大和伪影明显的情况下，即使检测没有完全失效，其检测精度仍然会显著降低。

技术实现思路

[0005]针对现有技术中存在的上述问题，现提供一种利用磁共振数据的疾病筛查与诊断系统，可以通过预先训练好的检测模型，将k空间数据作为检测数据直接输入检测模型中，通过检测模型直接输出检测结果，无需将k空间数据重建为图像后经过医生人工判断。
[0006]具体技术方案如下：
[0007]本专利技术包括一种利用磁共振数据的疾病筛查与诊断系统，包括：
[0008]数据采集模块，用于采集对受试者身体部位进行扫描得到的训练数据以及检测数
据；
[0009]模型训练模块，连接所述数据采集模块，用于将所述训练数据输入到检测模型中，以对所述检测模型进行训练；
[0010]检测模块，分别连接所述数据采集模块和所述模型训练模块，用于将所述检测数据输入经过训练后的所述检测模型中，以输出检测结果。
[0011]可选的，所述检测模块还包括预处理单元，用于在将所述训练数据和/或所述检测数据输入所述检测模型之前，对所述训练数据和/或所述检测数据进行归一化和重排序处理。
[0012]可选的，所述数据采集模块中使用的采样轨迹包括笛卡尔轨迹或径向轨迹或螺旋轨迹。
[0013]可选的，所述检测数据包括k空间数据和/或利用所述k空间数据经过图像重建获取的图像域数据；
[0014]所述训练数据包括所述k空间数据和/或利用所述k空间数据经过图像重建获取的所述图像域数据。
[0015]可选的，所述训练数据包括磁共振成像系统对正常受试者扫描获取的正常k空间数据和对疾病患者扫描获取的异常k空间数据。
[0016]可选的，所述训练数据包括正常受试者的磁共振图像和疾病患者的磁共振图像经过仿真获取的正常k空间数据以及异常k空间数据。
[0017]可选的，所述训练数据包括利用正常受试者的磁共振图像经过仿真获得的正常k空间数据，还包括利用所述正常受试者的磁共振图像仿真获得的病变磁共振图像，再将所述病变磁共振图像经过仿真获得的异常k空间数据。
[0018]可选的，所述检测模型为分类模型，所述分类模型输入所述检测数据后输出的所述检测结果为分类结果；或者所述检测模型为回归模型，所述分类模型输入所述检测数据后输出的所述检测结果为置信度。
[0019]可选的，所述k空间数据通过二维采集得到或三维采集得到；同时，所述k空间数据通过单通道采集或多通道采集；所述k空间数据包括单个对比度的数据或多个对比度的数据。
[0020]可选的，所述检测模型根据目标检测对象的解剖部位划分为多个子检测模型，所述检测模块根据所述解剖部位对所述检测数据进行划分，将不同的所述解剖部位的所述检测数据输入对应的所述子检测模型中，以输出对应于所述解剖部位的所述检测结果。
[0021]本专利技术还包括一种检测模型的训练方法，包括以下步骤：
[0022]采集对受试者身体部位进行扫描得到的训练数据；
[0023]对所述训练数据进行归一化和重排序的预处理；
[0024]将所述训练数据输入到检测模型中，以对所述检测模型进行训练。
[0025]本专利技术的技术方案具有如下优点或有益效果：提供一种利用磁共振数据的疾病筛查与诊断系统，通过预先训练好的检测模型，将k空间数据作为检测数据直接输入检测模型中，通过检测模型直接输出检测结果，无需将k空间数据重建为图像后经过医生人工判断，一方面省去了图像重建的时间，大幅地降低了疾病筛查和诊断的时间，也节省了成本；另一方面，相比人工诊断，通过检测模型输出的检测结果具有更好的稳定性，减少人工诊断的主
观性，使得检测结果准确度更高。
附图说明
[0026]参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。
[0027]图1为本专利技术实施例中的疾病筛查与诊断系统的检测流程图；
[0028]图2为本专利技术实施例中利用第一种训练数据进行模型训练的示意图；
[0029]图3为本专利技术实施例中利用第二种训练数据进行模型训练的示意图；
[0030]图4为本专利技术实施例中利用第三种训练数据进行模型训练的示意图；
[0031]图5为本专利技术实施例中利用k空间数据进行检测的原理示意图；
[0032]图6为本专利技术实施例中利用k空间数据以及图像域数据进行检测的原理示意图；
[0033]图7为满采样的k空间数据图；
[0034]图8为利用满采样的k空间数据重建的磁共振图像；
[0035]图9为高度稀疏采样的k空间数据图；
[0036]图10为利用高度稀疏采样的k空间数据重建的磁共振图像。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图，对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用磁共振数据的疾病筛查与诊断系统，其特征在于，包括：数据采集模块，用于采集对受试者身体部位进行扫描得到的训练数据以及检测数据；模型训练模块，连接所述数据采集模块，用于将所述训练数据输入到检测模型中，以对所述检测模型进行训练；检测模块，分别连接所述数据采集模块和所述模型训练模块，用于将所述检测数据输入经过训练后的所述检测模型中，以输出检测结果。2.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述检测模块还包括预处理单元，用于在将所述训练数据和/或所述检测数据输入所述检测模型之前，对所述训练数据和/或所述检测数据进行归一化和重排序处理。3.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述数据采集模块中使用的采样轨迹包括笛卡尔轨迹或径向轨迹或螺旋轨迹。4.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述检测数据包括k空间数据和/或利用所述k空间数据经过图像重建获取的图像域数据；所述训练数据包括所述k空间数据和/或利用所述k空间数据经过图像重建获取的所述图像域数据。5.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述训练数据包括磁共振成像系统对正常受试者扫描获取的正常k空间数据和对疾病患者扫描获取的异常k空间数据。6.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述训练数据包括正常受试者的磁共振图像和疾病患者的磁共振图像经过仿真获取的正常k空间数据以及异常k空间数据。7.根据权利要求1所述的疾病筛查与诊断系统，其特征在于，所述...

【专利技术属性】
技术研发人员：刘懿龙，朱瑞星，
申请(专利权)人：杭州微影医疗科技有限公司，
类型：发明
国别省市：