用于磁共振扫描仪模拟的方法技术

本发明专利技术描述了一种用于在核磁共振成像(MRI)模拟器中进行磁共振(MR)扫描仪模拟的方法，该方法包括：将数据参数输入到该MRI模拟器的网络接口中，其中，该输入的数据参数至少为脉冲序列和解剖模型；连接该网络接口和该MRI模拟器的基于云的模拟器引擎，以将数据参数传递到该基于云的模拟器引擎，该方法包括：导入脉冲序列计算模型；设置输入的数据；以及在该网络接口中对获得的图像进行切片选择；该方法还包括：重新计算该数据参数，以提供一个或多个模拟的MR信号，该重新计算在云中进行，并且其中该方法还包括：基于该一个或多个模拟的MR信号重建MR图像，该MR图像的重建在云中进行；以及将该MR图像发送到该网络接口。以及将该MR图像发送到该网络接口。以及将该MR图像发送到该网络接口。

【技术实现步骤摘要】
【国外来华专利技术】用于磁共振扫描仪模拟的方法


[0001]本专利技术涉及一种用于磁共振扫描仪模拟的方法。

技术实现思路

[0002]本专利技术涉及一种用于在核磁共振成像(MRI)模拟器中进行磁共振(MR)扫描仪模拟的方法，该方法包括：
[0003]‑
将数据参数输入到MRI模拟器的网络接口中，其中，输入的数据参数至少为脉冲序列和解剖模型；
[0004]‑
连接网络接口和MRI模拟器的基于云的模拟器引擎，以将数据参数传递到基于云的模拟器引擎，该方法包括：
[0005]‑
导入脉冲序列计算模型；
[0006]‑
设置输入的数据；以及
[0007]‑
在网络接口中对获得的图像进行切片选择；
[0008]该方法还包括：
[0009]‑
重新计算数据参数，以提供一个或多个模拟的MR信号，该重新计算在云中进行，
[0010]并且其中该方法还包括：
[0011]‑
基于该一个或多个模拟的MR信号重建MR图像，该MR图像的重建在云中进行；以及
[0012]‑
将MR图像发送到网络接口。
[0013]Christos G.Xanthis和Anthony H.Aletras在《PLOSONE》上发表的
″
CoreMRI：A high
‑
performance，publicly available MR simulation platform on the cloudr/>″
一文公开了一种用于高级MRI模拟(coreMRI)的面向云的引擎。该研究的目的在于通过按需随选的、可扩展的和基于云以及基于GPU的基础设施，开发首款作为网络服务提供的高级MR模拟平台。如上所述，该在线MR模拟平台可用作虚拟MRI扫描仪，但也可用作基于云的高性能引擎，用于基于模拟的定量MR(qMR)方法中的高级MR模拟。在所用的方法中，还会进行切片以实现该MRI模拟过程。应注意，本专利技术中所提出的方法并未在本文中予以公开或暗示。
[0014]本专利技术提供了一种改进了的用于实现基于云的MR模拟的方法，例如，用于实现上述本文中提供的过程。本专利技术提供的改进涉及切片过程，还有，例如，涉及不同单位如何进行交互(CPU、GPU、用户界面等)的系统水平。
具体实施方式
[0015]下文提供以及进一步描述了本专利技术的一些具体实施方案。
[0016]根据本专利技术，上述方法还包括：基于该一个或多个模拟的MR信号重建MR图像，该MR图像的重建在云中进行；以及将该MR图像发送到该网络接口。
[0017]从上文所述应理解，该重建是根据本专利技术基于实际模拟的步骤。重建可以为根据本专利技术的方法的一部分，但还应认为，根据本专利技术的方法还体现了原始数据是有控制的预期输出的情况或基于模拟的定量MR的情况。
[0018]根据本专利技术的又一具体实施方案，该输入的数据参数至少为脉冲序列和解剖模型。此外，在根据本专利技术的方法中，也可输入其他参数。例如，可指定一般配置作为此类输入。
[0019]进一步，并且从上文所述可以理解，根据本专利技术的方法还明显指向根据本专利技术的平台系统中涉及的不同接口和单元的交互。在此上下文中，可注意本专利技术明显指向提供一种用于教学目的的分析或数值MRI模拟平台，其中，该平台基于图形处理单元(GPU)、基于云，并且基于网络。还存在根据本专利技术的其它感兴趣应用，例如，用于研究和AI目的。
[0020]此外，在这方面，还可以说，根据一个具体实施方案，该基于云的模拟器引擎进行该重新计算并且将重新计算的数据发送到该MRI模拟器的一个或多个图形处理单元(GPU)中，该GPU返回该一个或多个模拟的MR信号。
[0021]此外，根据本专利技术的又一具体实施方案，该MR图像的重建步骤由云中的该MRI模拟器的一个或多个中央处理单元(CPU)和/或该一个或多个图形处理单元(GPU)进行。
[0022]在此上下文中，还可注意，GPU卡的特性/规格决定实验如何拆分为更小的部分。此外，可能存在可限制GPU利用率的GPU资源极限(如最大线程、共享存储器容量、每个线程的最大寄存器、寄存器文件容量等)。最佳的GPU卡将在一次迭代中实现整个实验的转移、主机处理以及执行，而无需将实验拆分成更小的部分，并且不会降低GPU利用率。当累积的资源需求相对于内核要求与GPU的资源容量相等时，这类最佳GPU卡将实现最高的GPU利用率。根据本专利技术，还可以使用不同类型的计算工具和软件，其也可用于对所进行方法的部分进行编码。根据一个具体实施方案，使用MATLAB进行上述重新计算中的至少部分。
[0023]如上所述，将不同形式的输入提供给根据本专利技术的系统，即，使上述方法得到进行。一个此类参数是所使用的脉冲序列。与此相一致给出一个定义，根据一个具体实施方案，则脉冲序列是事件的序列，其改变空间中的每个点应有的表现方式以产生信号。同样，根据本专利技术，还可以设置一般配置作为输入。示例示出了所使用的坐标系类型，以及是否基于如3D或4D模型。此外，所使用的实际解剖模型也是针对根据本专利技术的系统及方法限定起始点的一个此类参数。在这方面，还可注意，该解剖模型可以为人或动物。同样，模体和实际上任何其它类型的物体都是完全可能的。然而，应注意，人或动物解剖模型是针对根据本专利技术的方法和系统的重点。
[0024]根据本专利技术，上述过程的步骤为：
[0025]‑
将数据参数输入到上述MRI模拟器的网络接口中；以及
[0026]‑
连接该网络接口和该MRI模拟器的基于云的模拟器引擎，以将该数据参数传递到该基于云的模拟器引擎；
[0027]优选地，该方法包括：
[0028]‑
导入脉冲序列计算模型；
[0029]‑
设置输入的数据；以及
[0030]‑
在该网络接口中对获得的图像进行切片选择。
[0031]在这方面，应注意，该脉冲序列计算模型可包括若干参数，至少一些该参数可以调整。一个此类可调整的示例为对比度。此外，此类切片是根据本专利技术的相关方面。根据本专利技术的一个具体实施方案，每一次新的切片选择作用在于为下一次切片选择提供参考。进一步，根据又一个实施方案，相位编码方向和频率编码方向分别表示一条与该切片选择方向
正交的轴。例如，在给定的X、Y和Z坐标中，上述两个参数分别可以用X和Y进行表示。
[0032]进一步，根据一个实施方案，上述切片选择为2D采集中的单切片选择或3D采集中的切块选择。
[0033]进一步，上述继续，根据本专利技术的又一个具体实施方案，进行以下过程：
[0034]‑
在网络接口中对获得的图像进行切片选择；
[0035]‑
获得新图像；
[0036]‑
在不同方向上进行新切片选择；
[0037]‑
获得新图像；以及，最后：
[0038]‑
进行另一次切片选择，
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】1.一种用于在核磁共振成像(MRI)模拟器中进行磁共振(MR)扫描仪模拟的方法，所述方法包括：
‑
将数据参数输入到所述MRI模拟器的网络接口中，其中，所述输入的数据参数至少为脉冲序列和解剖模型；
‑
连接所述网络接口和所述MRI模拟器的基于云的模拟器引擎，以将所述数据参数传递到所述基于云的模拟器引擎，所述方法包括：
‑
导入脉冲序列计算模型；
‑
设置输入的数据；以及
‑
在所述网络接口中对获得的图像进行切片选择；所述方法还包括：
‑
重新计算所述数据参数，以提供一个或多个模拟的MR信号，所述重新计算在所述云中进行，并且其中所述方法还包括：
‑
基于所述一个或多个模拟的MR信号重建MR图像，所述MR图像的重建在所述云中进行；以及
‑
将所述MR图像发送到所述网络接口。2.根据权利要求1所述的方法，其中，所述基于云的模拟器引擎进行所述重新计算并且将重新计算的数据发送到所述MRI模拟器的一个或多个图形处理单元(GPU)，所述GPU返回所述一个或多个模拟的MR信号。3.根据权利要求1至2中任一...

【专利技术属性】
技术研发人员：克里斯托斯，
申请(专利权)人：科斯迈德有限公司，
类型：发明
国别省市：