基于机器学习的运动损坏数据检测制造技术

本公开内容涉及一种方法，所述方法包括：接收(201)针对目标的采集的k空间数据；根据所采集的k空间数据来重建(203)图像；根据所重建的图像来生成(205)重建的k空间数据；将Δk空间数据确定(207)为所采集的k空间数据与所重建的k空间数据之间的差异；将所述k空间数据划分(209)成一个或多个数据块，其中，所述数据块中的每个数据块包括具有k空间坐标集合的一个或多个样本的集合；针对一个或多个坐标集合中的每个k空间坐标集合，从所述Δk空间数据中选择(211)具有所述k空间坐标集合的残留数据集；将所述数据块的至少部分和对应的残留数据集输入(213)到经训练的机器学习模型，从而从所述经训练的机器学习模型获得针对所采集的k空间的所述数据块中的每个数据块的运动损坏概率。率。率。

【技术实现步骤摘要】
【国外来华专利技术】基于机器学习的运动损坏数据检测


[0001]本专利技术涉及扫描成像系统，特别涉及用于实现磁共振图像重建的医学分析系统。

技术介绍

[0002]磁共振成像(MRI)扫描器依赖于大型静态磁场(B0)来对齐原子的核自旋，作为用于产生患者体内的图像的流程的一部分。这些图像能够反映对象的各种量或属性。然而，患者在扫描期间的移动常常是个成像问题。由于在k空间填充期间运动何时发生的相关性，来自患者移动的伪影变化很大。

技术实现思路

[0003]各种实施例提供了如独立权利要求的主题所描述的医学分析系统、方法和计算机程序产品。在从属权利要求中描述了有利的实施例。
[0004]本专利技术的实施例可以提供用于磁共振成像方法的手段。卷积神经网络(CNN)可以使用自我一致性(self
‑
consistency)矩阵和测量的k空间数据来检测运动损坏数据。可以使用从一个数据块/点测量的k空间数据与根据所有采集的数据重建的k空间数据之间的不一致情况来测量自我一致性矩阵。可以使用CNN来处理所测量的自我一致性矩阵和所测量的k空间数据以获本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于实现磁共振图像重建的医学分析系统(100)，所述医学分析系统包括处理器(103)和至少一个存储器(107)，所述至少一个存储器存储机器可执行指令，所述处理器被配置用于控制所述医学分析系统(100)，其中，对所述机器可执行指令的运行使所述处理器(103)：提供经训练的机器学习模型(160)，所述经训练的机器学习模型(60)被配置用于检测运动损坏数据；接收(201)针对目标的采集的k空间数据；根据所采集的k空间数据来重建(203)图像；根据所重建的图像来生成(205)重建的k空间数据；将Δk空间数据确定(207)为所采集的k空间数据与所重建的k空间数据之间的差异；将所采集的k空间数据划分(209)成一个或多个数据块，其中，所述数据块中的每个数据块包括具有k空间坐标集合的一个或多个样本的集合；针对一个或多个k空间坐标集合中的每个k空间坐标集合，从所述Δk空间数据中选择(211)具有所述k空间坐标集合的残留数据集；将所述数据块的至少部分和对应的残留数据集输入(213)到所述经训练的机器学习模型，从而从所述经训练的机器学习模型获得针对所输入的数据块中的每个数据块的运动损坏概率。2.根据权利要求1所述的系统，其中，对所述机器可执行指令的运行还使所述处理器通过以下操作来执行所述输入：将具有相同的k空间坐标集合的一个残留数据集和一个数据块输入到所述经训练的机器学习模型。3.根据权利要求1所述的系统，其中，对所述机器可执行指令的运行还使所述处理器通过以下操作来执行所述输入：将具有相同的k空间坐标集合的一个残留数据集和一个数据块重复输入到所述经训练的机器学习模型，直到所有选择的残留数据集都得到处理为止。4.根据权利要求1所述的系统，其中，对所述机器可执行指令的运行还使所述处理器通过以下操作来执行所述输入：将多个残留数据集和相关联的多个数据块输入到所述经训练的机器学习模型。5.根据前述权利要求中的任一项所述的系统，其中，数据块的所述k空间坐标集合关于所述数据块的采集时间是连续的，或者通过某些生理测量结果相关。6.根据前述权利要求中的任一项所述的系统，其中，所采集的k空间数据是从以下操作得到的：使所述目标经受K＞＝1次预定义脉冲序列的激发，其中，所述数据块中的每个数据块包括单次激发的一些样本或所有样本。7.根据前述权利要求1
‑
5中的任一项所述的系统，其中，所采集的k空间...

【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：