CN103809142A - 用于自动分类磁共振图像的图像特征的方法和磁共振设备 - Google Patents

用于自动分类磁共振图像的图像特征的方法和磁共振设备 Download PDF

Info

Publication number
CN103809142A
CN103809142A CN201310553281.9A CN201310553281A CN103809142A CN 103809142 A CN103809142 A CN 103809142A CN 201310553281 A CN201310553281 A CN 201310553281A CN 103809142 A CN103809142 A CN 103809142A
Authority
CN
China
Prior art keywords
magnetic resonance
image
signal intensity
mri
contrast
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310553281.9A
Other languages
English (en)
Other versions
CN103809142B (zh
Inventor
T.费威尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN103809142A publication Critical patent/CN103809142A/zh
Application granted granted Critical
Publication of CN103809142B publication Critical patent/CN103809142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)

Abstract

本发明涉及一种用于对磁共振图像（6）的图像特征进行自动分类的方法，具有如下步骤：-至少确定至少两个在磁共振图像（6）中成像了的组织的参数T1、T2和质子密度，或者预先给定至少这些参数中的至少两组，-对于每个成像的组织或每组参数计算k空间中心中的信号强度，-依据所计算的信号强度对图像特征进行分类。本发明还涉及一种磁共振设备。

Description

用于自动分类磁共振图像的图像特征的方法和磁共振设备
技术领域
本发明涉及一种用于自动分类磁共振图像的图像特征的方法和磁共振设备。
背景技术
从发明快速成像以来，磁共振成像已经发展为医学诊断中的标准方法。存在多种拍摄方法，这些拍摄方法尤其在所需的测量时间上以及在产生的图像对比度上是不同的。存在用于拍摄所谓的自旋密度或质子密度加权的、T1、T2或T2*加权的图像的方法，此外还公知扩散成像。
如果下面谈到拍摄图像，则明显指的是，如在磁共振断层造影中常见的那样，借助激励脉冲和层选择梯度来激励位于磁共振断层造影设备的检查对象中的层，利用探测线圈来读取受激自旋的信号并且通过多个电子处理步骤（例如AD转换器）将其传输到存储装置，并且还借助多个后处理步骤、即所谓的后处理（Postprocessing）将存储的原始数据转换为一个或多个图像数据组或图像。但对应于通常的语言应用来谈到拍摄图像，为此该表达也使用在本申请中。
明显也可以使用另外的图像拍摄技术，例如非选择性的3D成像，其在没有层选择梯度的情况下工作。
通常按行地在所谓的k空间中拍摄原始图像，这如下地给出：
如已经描述的那样，为了拍摄信号使用至少一个探测线圈。该线圈仅能传输感应电压。即仅获得时间变化的电压信号。为了能够从这样的信号中获得位置信息，使用磁场梯度，以便取决于位置地改变信号的谐振频率并且由此获得位置信息。为了在一个空间方向上位置编码，可以在读取信号期间接通磁场梯度，即所谓的读取或读出梯度。为了在其他空间方向上编码，使用所谓的相位梯度。在相位梯度的特定值的情况下所拍摄的信号形成k空间的行。根据在由相位梯度所编码的空间方向上的分辨率来接通具有不同强度的相位梯度。在其中相位梯度具有零值的行形成k空间的中心。
但也可以采用两个相位编码梯度或在3D拍摄方法的情况下也可以采用三个相位梯度。同样也可以采用复杂的拍摄方案，例如具有特殊k空间轨迹的螺旋和径向成像。k空间中心在该情况下分别位于所有相位梯度具有其最小值的那个位置。
由于除了相位梯度的值以外至少在基本序列的情况下总是重复HF脉冲和磁场梯度的序列，所以它们可以在序列图中示出，在该序列图中仅示出在激励自旋和读取信号之间的周期以及必要时示出所使用的准备模块。
尤其将梯度回波序列（GE）、自旋回波序列（SE）、快速自旋回波序列（TSE）以及真实稳态进动快速成像序列（True-Fisp-Sequenz）视为基本序列。
由此导出的成像序列例如是短TI反转恢复（Short TI Inversion Recovery（STIR））序列或液体衰减反转恢复（Fluid Attended Inversion Recovery（FLAIR））序列。其源于SE序列，即在SE序列的90°激励脉冲之前接入也称为反转脉冲的180°脉冲。在180°反转脉冲和90°激励脉冲之间的时间是反转时间TI。STIR序列和FLAIR序列之间的区别仅在于反转时间TI，该反转时间TI在STIR序列的情况下位于百毫秒的范围内并且在FLAIR序列的情况下处于两秒。此外，存在标准序列的多个其它变化，例如用于流补偿。
基于多种可能性，不能根据单独的设置值诸如回波时间TE或重复时间TR来预测磁共振图像的产生的对比度特性。利用对比度特性说明由不同的弛豫特性和质子密度所引起的不同的在磁共振图像中成像的组织的信号强度区别。对比度特性通常也简称为对比度，然而名称“对比度”原则上具有另外的含意范围。在本申请中在使用名称“对比度”的情况下是指对比度特性。
但磁共振图像的对比度特性的配置或认知是值得期望的，以便在显示装置上自动地以优化的、特别是与医学问题相匹配的布置向使用者显示具有不同对比度的图像。
发明内容
本发明要解决的技术问题是，提供一种能够独立于基础的图像拍摄方法及其设置值来对磁共振图像的特征进行自动分类的方法和磁共振设备。
上述技术问题按照本发明通过用于对磁共振图像的图像特征进行分类的方法来解决。本发明的有利扩展是从属权利要求的内容。
按照本发明，依据磁共振设备的基本磁场（B0）的场强确定在磁共振图像中成像了的至少两个组织的参数T1、T2和质子密度（PD）。除了提到的参数也可以考虑其它参数，诸如T2*、扩散系数（ADC）或流速。
提供多种可能性来确定提到的参数。一方面可以由出版物提供并存储参数。参数T1、T2和PD的产生的值随着场强波动。为分析而使用的算法以及磁共振断层造影设备的设备特性也能够影响参数的得到的值。因此替换地对于每个组织可以确定一组参数，方法是利用在各个磁共振断层造影设备上使用的序列来测量受试者。在另一种实施方式中可以在受试者处直接测量所有参数值或至少一部分参数值。如果从受试者或患者处例如从检查区域建立T1图，则可以确定并使用在T1图中示出的组织的T1值。质子密度通常也源于用于建立T1图的原始数据。可以如上面已经描述的那样从存储的值中获得关于T2的仍缺少的值，以用于减小总测量时间。对于每个参数可以应用不同方法来确定。
可以不使用生理学准确的参数而使用若干人造产生的参数。例如可以建立具有N×M×K条目的表，在该表中列出了N个T1值、M个T2值和K个PD值的所有排列。但各个值应当在生理学合理的范围上延伸。T1值例如为从100ms至5000ms，T2为从10ms至5000ms，并且PD为从0.1至1.0。
在下一步骤中对于每个组织或每组参数计算k空间中心中的横向磁化的信号强度。即，在此是根据所测量的或另外预定的参数所进行的仿真。在此要指出的是，在本申请中利用参数来对取决于组织的量进行说明，而将在磁共振断层造影设备中待设置的量诸如图像拍摄方法的重复时间称为设置值。由DE102007036554B4给出一种用于仿真磁共振图像的方法，该方法用于优化协议参数或设置值。也可以变换该方法，以便由此确定k空间中心中的信号强度。
在此应用人造产生的参数具有如下优点，即其仅须被提供一次并且不取决于场强地提供。优选地，对于每个参数引入至少三个值，也就是从下值域、中值域和上值域中引入。在上面给出的值中例如可以对于T1应用值100ms、2s和5s，对于T2应用值10ms、1s和5s，并且对于PD应用0.1、0.5和1.0以及任意其他的中间值。还可以从这样产生的3x3x3=27的仿真值三重组（Simulationswertetripeln）中消除一些，方法是要注意在生物样本中T1大于T2。最小组由两个值三重组组成，其中分别使用最小和最大的值，即100ms、10ms和0.1，并且5s、5s和1.0作为第二值三重组。
人造产生的参数允许得出关于磁共振图像的对比度特性的结论，因为可以假设，在检查生物的情况下通常大致覆盖生理学上合理的范围。否则所拍摄的图像总是低对比度的，众所周知这不是这种情况。
在一种扩展中，在选择人造产生的参数时考虑拍摄区域，例如头部、肺部或腹部。由此排除可以说从两个可能的对比度中失误地选择错误的那个。如已经描述的那样，磁共振图像总是具有对比度的混合，在这些对比度中通常其中一个处于中心地位。例如总是存在最小T2或T2*对比度，因为回波时间总是大于零。如果所拍摄的组织的T2值位于极其窄的范围内并且关于序列的设置值和由此建立的仿真得到T1加权以及T2加权，则在分类的情况下要考虑的是，不能存在或仅少量存在T2对比度。该考虑通过依据检查区域将人造产生的参数限制到生理学合理的值来进行。
在最终步骤中根据所计算的信号强度对图像特征进行分类。
在对信号强度进行仿真的范围内，尤其提供在拍摄磁共振图像时作为基础的设置值。在拍摄磁共振图像的范围内通常一起存储设置值，因此其可在每个时间都是可用的。从在磁共振设备上存储的协议中得出HF脉冲的时间序列或间隔、其翻转角以及在HF脉冲之间应用的梯度矩。因此可以精确地理解，利用参数的哪种序列来拍摄磁共振图像，序列流程的细节是公知的。
以特别的优点可以作为图像特征对磁共振图像的对比度特性分类。
在上面提到的不使用准备模块的基本序列或其变换中按照本发明的方法是特别优选的，其中不使用准备模块，利用所述准备模块来明确规定对比度特性。流准备模块的存在例如规定了流对比度。开头提到的STIR和FLAIR序列的示例恰好示出了，唯一的设置值可以引起完全不同的对比度特性。附加地，如下使规定磁共振图像的对比度特性变得困难，即在每个图像中原则上存在T1和T2或T2*加权。在极长的重复时间的情况下虽然T1加权几乎不可见，但其仍然存在。此外，对比度特性的问题还取决于成像的组织或其参数。仅当至少一个组织具有发散的T1时间时才可以实现T1加权。这一点类似地对于其它参数也成立。通常在患者的情况下满足该前提条件。
因此在使用按照本发明的方法的情况下实现了对比度特性的优化的分类。
优选地，对比度特性可以被分类为类别T1、T2、T2*、扩散、灌注、FMRI、质子密度或FLAIR中之一。例如可以借助动脉自旋标记（ASL）产生灌注常数。FLAIR对比度特性是在其中对静止的液体信号进行抑制的对比度特性。与之区别的是水抑制，其应用在频谱学的序列中并且利用其来抑制总的水信号。
一般地可以规定，可以利用多个不同的成像序列获得每个提到的对比度。纯示例性地参见如下，即尤其通过“短的”重复时间TR获得T1对比度特性。如果选择短于在组织中存在的最长T1时间但长于或等于在组织中存在的最短T1时间的重复时间，那么，梯度回波序列、自旋回波序列或快速自旋回波序列具有T1对比度。
因此通常不可能的是，从所应用的序列中或从所应用的图像拍摄方法中直接并且无错误地推断出产生的对比度特性。这一点通过对比度特性的仿真才能实现。
优选地，可以将所确定的类别按照DICOM数据记录自动地录入到字段“Flavor”中。DICOM是用于交换图像数据的标准。在此，除了图像数据之外标准化地存储附加信息。由此可能的是，有针对性地选择具有相同对比度特性的磁共振图像并且同时向使用者显示。例如可以以简单并有效的方式向医生显示多个灌注数据组，以便能够将已经拍摄的、尤其是已经对其进行诊断了的磁共振图像作为对比引入当前检查。在没有对对比度特性进行自动分类的情况下，医生必须或者按照特定顺序名称来搜索数据组或者凭记忆获知对其拍摄了相应的磁共振图像的患者姓名。
优选地，可以根据布洛赫方程（Bloch-Gleichungen）计算信号强度。该布洛赫方程是用于描述核自旋断层造影中的共振效应的运动方程。通过应用布洛赫方程能够在复杂序列的激励脉冲和重聚焦脉冲的情况下计算信号强度，而无需对序列的信号特性计算解析解。HF脉冲和磁场梯度的精确顺序如上面已经描述的那样是已知的，因此可以以布洛赫方程确定良好的近似。
优选地，为了计算信号强度可以应用至少一部分为拍摄磁共振图像的原始数据所使用的成像方法的设置值、特别是HF脉冲和/或磁场梯度的设置值。也就是，对成像方法的整个流程进行仿真是不必要的，相反执行一个片段就已足够。该片段可以是在一个（特别是第一）激励脉冲和读取通过该激励脉冲所激励的自旋的信号之间的HF脉冲和磁场梯度的序列。其是通常在序列图中示出的片段。附加地，可以考虑一个或多个特别是在基本序列之前接通的准备模块，例如扩散模块、脂肪抑制模块或反转模块。
但通常在两个序列片段之间的等候时间不够长，不足以使纵向磁化完全地弛豫。因此成像序列的所考虑的部分通常在信号准备、激励、信号发展和读取之间必须包含至少两个序列的HF脉冲和磁场梯度。换言之，对在序列图中成像的片段进行至少两次遍历。
替换地，在计算时可以至少部分地重复地考虑成像序列的重复片段。在其中出现所谓的“稳态（steady state）”的序列中这一点是特别重要的。在此指的是，被激励的输出磁化从开始逐次激励地减小直到达到“稳态”。然后总是提供保持不变的输出磁化。在此原则上也可以将在最终段落中描述的信号的或纵向磁化的设置特性视为达到“稳态”。在该思路中在正常的k空间行扫描的情况下自旋回波序列也具有“稳态”，其例如在第二k空间行中根据重复和弛豫时间实现但是也在第一或之后的k空间行中实现。
是否要考虑“稳态”也取决于拍摄方案。拍摄方案说明了k空间行的拍摄顺序。例如可以在测量开始时拍摄中央的k空间行。但是替换也可以逐行地扫描k空间行，其中在测量的中间处采集k空间中心。如果如大多数情况那样拍摄通常128或256个k空间行，则在一半（64或128）的情况下达到可能的“稳态”。但在仿真中不必执行直至到达k空间中心的所有步骤。优选地，当两个相继计算的所有组织的信号强度的差低于预定的阈值时，可以结束信号强度的计算。
如果达到“稳态”，则结束对信号特性或信号强度的仿真。因为按照成像序列的依赖关系例如在20或30个激励步骤之后达到“稳态”，则可以显著缩短仿真时间。
但不仅在其中达到“稳态”的序列的情况下考虑拍摄方案。例如在快速自旋回波的情况下不间断地采集多个回波。根据拍摄方案，对位于k空间中心的回波进行T2加权或不进行T2加权。这一点也可以根据所谓的重新排序表来规定。
优选地，可以借助相关系数确定分类。在此要注意的是，通常与相关系数概念相同地设置的皮尔逊相关系数（pearsonsche Korrelationskoeffizient）以至少间隔比例（intervallskaliert）的数据为前提条件,并且表示两个量之间的线性关系的度量。组织的信号强度在此是与组织的T1时间负相关的。具有长的T1的组织看起来较暗，即低信号（hypointens），而具有短的T1的组织看起来是亮的并且称为高信号（hyperintens）。
相反，在参数T2和质子密度的情况下存在正的相关性。T2或质子密度越大，则相应的信号强度越大。
如果相关系数高于或低于预定的相关阈值（例如0.5），则磁共振图像的相应的对比度特性被视为存在的。
替换地可以借助分析方案确定分类。在此分别将至少两个组织的信号强度互相比较并且依据比较来对归属于某一类别进行识别或否定。如果确定了归属于某一类别，则可以中断分析方案。
此外，开头提到的技术问题的解决方案可以通过磁共振设备实现。该磁共振设备除了包含控制单元和存储器之外还包括仿真单元和分类单元。仿真单元和分类单元优选地可以构造为计算机程序产品。仿真单元读取组织的参数以及为拍摄磁共振图像所使用的图像拍摄方法的至少一部分设置值作为起始值并且由此自动地确定所需的信号强度。分类单元使用所计算的信号强度，以便由此确定类别。
在控制装置中实施上述方法在此可以作为软件但也可以作为（固定布线的）硬件实现。
按照本发明的方法的有利的实施方式对应于按照本发明的磁共振设备的相应的实施方式。为了避免不必要的重复由此参见相应的方法特征及其优点。
附图说明
本发明的其它优点、特征和特点由下面对优选实施方式的描述给出。附图中：
图1示出了按照本发明的磁共振设备，
图2示出了FLAIR图像拍摄方法的序列图，
图3示出了多个组织的纵向磁化的时间变化，
图4示出了按照第一实施方式的拍摄方案，
图5示出了按照第二实施方式的拍摄方案，
图6示出了按照第三实施方式的拍摄方案，和
图7示出了分析方案。
具体实施方式
图1示意性示出了按照本发明的磁共振设备1。该磁共振设备被构造为磁共振断层造影设备，也就是尤其具有为产生磁场梯度所需的线圈。该磁共振设备包括仿真单元2、分类单元3和存储单元4。为了显示磁共振图像6，设置了显示单元5。此外，在磁共振断层造影设备中明显存在的元件，诸如用于产生主磁场B0的线圈、患者卧榻、控制和电路电子器件等，没有详细示出并且假设其是公知和现有的。
图2示出了FLAIR图像拍摄序列的序列图。HF脉冲序列和用于拍摄k空间行的磁场梯度如下表示：
首先入射180°反转脉冲7。在其后跟随反转时间8。180°反转脉冲7和反转时间8构成反转模块9，所述反转模块可以接入不同的成像序列。在反转时间8之后入射90°脉冲10作为激励脉冲。在入射90°脉冲10期间接通层选择梯度11。在其后跟随另一个等候时间，在该等候时间之后跟随具有另一个层选择梯度13的180°重聚焦脉冲12。然后在施加读取梯度15期间读取信号14。在其后跟随另一个等候时间直至补足重复时间。可以在180°重聚焦脉冲12之前或之后引入相位编码梯度16。如果去除反转模块9，则获得自旋回波序列的实施方式。
通过遍历一次该序列来拍摄k空间行。为了拍摄k空间行的完整记录，可以通过发散的相位编码梯度16来重复该序列。
图3示出了在反转脉冲8之后针对三个不同组织的纵向磁化的时间变化。纯示例性地，以曲线26表示脑白质（WM）的时间变化，以曲线27表示脑灰质（GM）的时间变化并且以曲线28表示脑髓液（CSF）的时间变化。如由下面示出的表所强调的那样，脑髓液的T1时间比脑白质或脑灰质的T1时间长得多。由此，脑髓液的纵向磁化的过零点29位于脑白质或脑灰质的纵向磁化几乎完全弛豫的时间点。如果这样选择反转时间9，使得在脑髓液的纵向磁化的过零点29期间入射90°脉冲10，则脑髓液不输出信号。由此实现抑制脑髓液的信号。
如果更短地选择反转时间9，则产生的对比度特性不能明确地从设置值中读出。因此在不分析所得到的磁共振图像的情况下不能给出对比度特性。但通过按照本发明的方法实现了对信号特性进行仿真并且由此可靠地确定对比度特性。
图4示出了按照第一实施方式的拍摄方案。在此依次拍摄k空间行。为了实现该扫描方案，重复拍摄在图2中示出的序列，其中接通相位编码梯度16，其从最小值–Gy一直增大至最大值+Gy。首先拍摄k空间行17，然后拍摄k空间行18并且然后拍摄k空间行19，以此类推。参考符号的较高的数值在此表示k空间行的较晚的拍摄。k空间的中心（ky=0）虽然位于数据拍摄的中间，但为了对组织的信号强度进行仿真，通常仅仿真2-10个序列，例如仿真两个序列。在此，基于待选择的重复时间在第一激励和读取周期之后呈现总是保持不变的起始磁化。
尽管拍摄方案相同，在所谓的FLASH成像序列中表现却不同。在该FLASH成像序列中基于短的待选择的重复时间在多次重复之后才形成“稳态（steady state）”。因此重复地仿真相应的序列，直至对于每个组织的仿真的信号强度的差低于预定的阈值。根据重复时间和HF脉冲的偏转角度典型地必须重复仿真20至30次，但在某些情况下还要重复更多次。但是不总是需要执行信号强度的仿真直至实际上到达k空间中心，因为信号强度通常已经提前仅很小地发散。
用于拍摄磁共振图像的另一种方法是HASTE序列。在该HASTE序列中不完整地扫描k空间，但所有拍摄的k空间行被不间断地拍摄，其中在拍摄各个k空间行之间以180°脉冲来对信号进行重聚焦。在此不形成“稳态”，因此信号强度不发散并且由此继续执行仿真直至k-空间的中心。
与图4中所示的拍摄方案不同，在图5中示出的拍摄方案中仅需要重复仿真一次。在图5中示出的拍摄方案中首先拍摄k空间中心中的k空间行17。另外的k空间行18、19、20、21、22、23、24等按照该顺序从中心出发并且从该中心远离地被拍摄。磁共振图像6的对比度特性主要通过在k空间中心中的对比度特性来确定。因此对在k空间中心中的组织的信号强度进行仿真就已足够。
图6示出了拍摄方案的另一种实施方式。尤其在TSE序列中采用该拍摄方案。在此在一个回波串内采集多个k空间行。在回波串起始时的k空间行（17,20,23）的位置以及在回波串中的回波的数量确定出，哪个k空间行（21）位于k空间中心中。一直重复仿真，直至到达位于k空间中心中的k空间行。在回波串中的回波数量为4-8的情况下这导致1至8次重复。该次数如所描述的那样也取决于在回波串起始时的k空间行（17,20,23）的位置并且由此不是可以预先详细确定的。如果通过重新排序表（Reordering-Tabelle）已知了在k空间中心中的回波的编号，则在信号特性收敛的情况下也可以提前中断仿真。
图7示出了用于根据组织的仿真的或计算的信号强度对磁共振图像6的对比度特性进行分类的分析方案。纯示例性地，再次援引脑白质（WM）、脑灰质（GM）和脑髓液（CSF）。对于这三种组织在表1中给出以毫秒为单位的弛豫时间T1和T2以及按照任意单位的质子密度和同样按照任意单位的仿真值（Ssimu）。针对具有20ms的回波时间和0.4s重复时间的自旋回波序列获得仿真值。由表1得到的值是文献值，其例如可以从Lin等人的Measurements of T1Relaxation times at3.0T:Implications for clinical MRA,Proc.ISMRM2001,p.1391中得到。
表1
T1/ms T2/ms PD/a.u. Ssimu
GM 1000 95 0.75 0.20
WM 590 85 0.65 0.25
CSF 4200 2000 1.0 0.09
下面描述按照图7的分析方案。在此，为了简化描述，例如将脑髓液的仿真的信号强度缩写为“CSF”，对于脑灰质和脑白质类似地使用“GM”和“WM”。
作为第一步骤S1，对条件“（CSF<0.1*WM）和（CSF<0.1*GM）”进行验证。如果条件为真，则在步骤S2中作为类别“FLAIR”来存储。这一点尤其可以按照相应的DICOM数据记录在字段“Flavour”中实现。
如果不满足条件，则在步骤S3中考虑下一条件“（WM==GM）和（WM==CSF）”。信号强度的相等当然决不会完全相同，因此可以检查相同意义的“（WM–GM<阈值）和（WM–CSF<阈值）”。在满足该条件的情况下在步骤S4中作为类别“质子密度”来存储。
否则在步骤S5中检查条件“（CSF>GM）和（CSF>WM）”。类似于迄今为止的过程在满足条件的情况下在步骤S6中作为类别“T2”确定并且存储，否则继续步骤S7。
在步骤S7中测试条件“GM<WM”。如果满足该条件，则作为类别“T1”来存储（步骤S8）。在不满足的情况下在步骤S9中作为类别“不可分类”来记录。由此还总是可以通过评估磁共振图像6来进行通过查看名称的分类。
如果将该分析方案应用到表1中示出的仿真值，则可以看出，不满足按照步骤S1、S3和S5的条件。但按照步骤S7的条件为真，因此磁共振图像6被分类到类别“T1”。
对于在表1中示出的值分别计算在参数和仿真值之间的相关系数，获得在表2中列举的结果。
表2
Ssimu–T1 SSimu–T2 Ssimu–PD
相关系数 -0.989 -0.976 -0,999
基于待预计的负的相关性在仿真的信号强度与各自的T1时间之间呈现极高的（负的）相关性。但针对T2和质子密度预计正的相关性值，因此相关性值也说明了T1对比度特性的存在。
为了提高统计显著性可以使用较大数量的组织类型，必要时也可以使用预定的参数组。给出强的相关性，对于T2和质子密度而言从阈值0.5起或者对于T1而言低于-0.5。0.1的相对信号强度可以有效作为强烈抑制。在示例中虽然脑髓液（CSF）的信号强度与其输出值相比低于0.1，但与脑白质（WM）或脑灰质（GM）相比并没有低于0.1。因此不将脑髓液（CSF）视为强抑制的。
在使用人为产生的参数的情况下如下地实现对比度特性的分类：
产生N个（特别是5个）T1值、M个（特别是5个）T2值和K个（特别是5个）PD值。由此可以建立125个T1-T2-PD值对的不同的组合。对于这些值对的每一个来对信号强度S（n,m,k）进行仿真。由此可以确定三个图表或值矩阵，更确切地说相对于T1、T2或PD的各个S（n,m,k）。在每个图表中录入所有仿真的信号幅值，从而在图解的图示中产生点云。对于每个图示或值矩阵确定相关系数并且由其确定对比度特性。
如已经描述的那样，值对的选择被限制到对，在该对中T1大于T2。此外，在产生时对于每个参数确定待选择的在检查的身体区域中重要的值域。
在一种实施方式中，将待选择的值域限制到T1和T2值小于1s并且由此排除液体。然后如上面描述的那样确定其抑制，也就是FLAIR对比度特性的存在。

Claims (10)

1.一种用于对磁共振图像（6）的图像特征进行自动分类的方法，具有如下步骤：
-至少确定至少两个在所述磁共振图像（6）中成像了的组织的参数T1、T2和质子密度，或者预先给定至少这些参数中的至少两组，
-对于每个成像的组织或每组参数计算k空间中心中的信号强度，
-依据所计算的信号强度对图像特征进行分类。
2.根据权利要求1所述的方法，其特征在于，作为图像特征对所述磁共振图像（6）的对比度特性分类。
3.根据权利要求2所述的方法，其特征在于，所述对比度特性被分类为类别T1、T2、T2*、扩散、灌注、FMRI、质子密度或FLAIR中之一。
4.根据上述权利要求中任一项所述的方法，其特征在于，根据布洛赫方程计算所述信号强度。
5.根据上述权利要求中任一项所述的方法，其特征在于，为了计算所述信号强度，应用为拍摄所述磁共振图像的原始数据所使用的成像序列的至少一部分设置值、特别是HF脉冲和/或磁场梯度的设置值。
6.根据权利要求5所述的方法，其特征在于，在计算时至少部分地重复地考虑所述成像序列的重复片段。
7.根据权利要求6所述的方法，其特征在于，当两个相继计算的信号强度的差低于预定的阈值时，结束所述信号强度的计算。
8.根据上述权利要求中任一项所述的方法，其特征在于，在计算所述信号强度的情况下考虑对k空间行（17，18，19，20，21，22，23，24）的拍摄顺序进行说明的拍摄方案。
9.根据上述权利要求中任一项所述的方法，其特征在于，借助相关系数或分析方案来进行分类。
10.一种具有控制单元（25）的磁共振设备（1），尤其被构造为用于执行按照上述权利要求中任一项所述的方法，其特征在于，具有用于计算信号强度的仿真单元（2）、存储单元（4）和分类单元（3），其中所述分类单元（3）被构造为用于对磁共振设备（6）的图像特征进行分类。
CN201310553281.9A 2012-11-09 2013-11-08 用于自动分类磁共振图像的图像特征的方法和磁共振设备 Active CN103809142B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102012220449.0A DE102012220449B4 (de) 2012-11-09 2012-11-09 Verfahren und Magnetresonanzgerät zur automatisierten Klassifizierung einer Bildeigenschaft eines Magnetresonanzbildes
DE102012220449.0 2012-11-09

Publications (2)

Publication Number Publication Date
CN103809142A true CN103809142A (zh) 2014-05-21
CN103809142B CN103809142B (zh) 2019-03-15

Family

ID=50555776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310553281.9A Active CN103809142B (zh) 2012-11-09 2013-11-08 用于自动分类磁共振图像的图像特征的方法和磁共振设备

Country Status (4)

Country Link
US (1) US9465094B2 (zh)
KR (1) KR101676090B1 (zh)
CN (1) CN103809142B (zh)
DE (1) DE102012220449B4 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389603A (zh) * 2018-09-10 2019-02-26 北京大学 一种基于预加重策略的全自动腰椎图像分割方法
CN110954090A (zh) * 2018-09-26 2020-04-03 上海云绅智能科技有限公司 一种磁场发生装置的匹配方法及系统、机器人
CN112384817A (zh) * 2018-07-03 2021-02-19 皇家飞利浦有限公司 用于b0映射的mri方法
US20230358825A1 (en) * 2020-09-18 2023-11-09 Corsmed Ab Method directed to magnetic resonance (mr) imaging simulation

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012209955B4 (de) * 2012-06-14 2014-02-20 Siemens Aktiengesellschaft Test eines Reordering-Algorithmus einer Spinecho-Magnetresonanzpulssequenz
CN103654779B (zh) * 2012-09-26 2016-03-30 西门子(深圳)磁共振有限公司 磁共振成像方法和装置
DE102021210281A1 (de) 2021-09-16 2023-03-16 Siemens Healthcare Gmbh Computerimplementiertes Verfahren zur Zuordnung wenigstens eines Kontrastes zu wenigstens einem Magnetresonanzbilddatensatz, Zuordnungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
KR20240086128A (ko) 2022-12-09 2024-06-18 주식회사 엘로이미디어 스피커 일체형 디스플레이 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4962763A (en) * 1987-06-22 1990-10-16 Hitachi, Ltd. Magnetic resonance image synthesizing system
CN101061951A (zh) * 2005-07-15 2007-10-31 美国西门子医疗解决公司 利用图像数据对组织进行分类的方法和设备
CN101359040A (zh) * 2007-08-03 2009-02-04 西门子公司 用于优化成像参数的方法
WO2011104605A2 (en) * 2010-02-23 2011-09-01 University Of Cape Town A method for compensating for respiratory motion in magnetic resonance imaging
US20120083687A1 (en) * 2010-09-30 2012-04-05 University Of Utah Research Foundation Retrospectively Correlated Turbo Spin Echo Imaging

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5602476A (en) 1995-08-17 1997-02-11 Picker International, Inc. Ultra-fast MR imaging data acquisition scheme using mixed bandwidth data
WO2007124151A2 (en) * 2006-04-21 2007-11-01 The Trustees Of The University Of Pennsylvania Rapid 3-dimensional bilateral breast mr imaging
CN101081951B (zh) 2006-05-30 2010-06-16 奇美实业股份有限公司 彩色滤光片的微小着色图案缺陷修正用油墨组成物
US8600135B2 (en) * 2007-06-28 2013-12-03 Mayo Foundation For Medical Education And Research System and method for automatically generating sample points from a series of medical images and identifying a significant region
DE102007036554B4 (de) 2007-07-25 2009-06-25 Getrag Getriebe- Und Zahnradfabrik Hermann Hagenmeyer Gmbh & Cie Kg Deckel-Lager-Anordnung und Verfahren zum Montieren einer Aktuatorwelle
EP2681577A1 (en) * 2011-03-01 2014-01-08 Koninklijke Philips N.V. Determination of a magnetic resonance imaging pulse sequence protocol classification

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4962763A (en) * 1987-06-22 1990-10-16 Hitachi, Ltd. Magnetic resonance image synthesizing system
CN101061951A (zh) * 2005-07-15 2007-10-31 美国西门子医疗解决公司 利用图像数据对组织进行分类的方法和设备
CN101359040A (zh) * 2007-08-03 2009-02-04 西门子公司 用于优化成像参数的方法
WO2011104605A2 (en) * 2010-02-23 2011-09-01 University Of Cape Town A method for compensating for respiratory motion in magnetic resonance imaging
US20120083687A1 (en) * 2010-09-30 2012-04-05 University Of Utah Research Foundation Retrospectively Correlated Turbo Spin Echo Imaging

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112384817A (zh) * 2018-07-03 2021-02-19 皇家飞利浦有限公司 用于b0映射的mri方法
CN109389603A (zh) * 2018-09-10 2019-02-26 北京大学 一种基于预加重策略的全自动腰椎图像分割方法
CN109389603B (zh) * 2018-09-10 2021-09-24 北京大学 一种基于预加重策略的全自动腰椎图像分割方法
CN110954090A (zh) * 2018-09-26 2020-04-03 上海云绅智能科技有限公司 一种磁场发生装置的匹配方法及系统、机器人
US20230358825A1 (en) * 2020-09-18 2023-11-09 Corsmed Ab Method directed to magnetic resonance (mr) imaging simulation

Also Published As

Publication number Publication date
DE102012220449A1 (de) 2014-05-15
US20140133725A1 (en) 2014-05-15
US9465094B2 (en) 2016-10-11
CN103809142B (zh) 2019-03-15
KR20140060239A (ko) 2014-05-19
KR101676090B1 (ko) 2016-11-14
DE102012220449B4 (de) 2014-08-21

Similar Documents

Publication Publication Date Title
CN103809142A (zh) 用于自动分类磁共振图像的图像特征的方法和磁共振设备
Hilbert et al. Accelerated T2 mapping combining parallel MRI and model‐based reconstruction: GRAPPATINI
Ben‐Eliezer et al. Rapid and accurate T2 mapping from multi–spin‐echo data using Bloch‐simulation‐based reconstruction
JP2018023799A (ja) 核磁気共鳴（ｎｍｒ）フィンガープリンティング
Blume et al. Interleaved T1 and T2 relaxation time mapping for cardiac applications
Hamilton et al. Deep learning reconstruction for cardiac magnetic resonance fingerprinting T1 and T2 mapping
CN111505553B (zh) 磁共振成像系统和方法
US9529066B2 (en) Spatially encoded phase-contrast MRI
Shao et al. Fast and accurate calculation of myocardial T1 and T2 values using deep learning Bloch equation simulations (DeepBLESS)
CN112036678B (zh) 一种磁共振影像的综合质量评价体系构建方法及质控方法
CN104204839A (zh) 使用apt对比增强和多回波时间采样的mr成像
Börnert et al. A half-century of innovation in technology—preparing MRI for the 21st century
Rathi et al. Diffusion propagator estimation from sparse measurements in a tractography framework
Cheng et al. Multi‐pathway multi‐echo acquisition and neural contrast translation to generate a variety of quantitative and qualitative image contrasts
Coppo et al. Overview of magnetic resonance fingerprinting
EP2147330A1 (en) Image processing method
CN103635825A (zh) 交错黑血和亮血动态对比增强（dce）mri
Snyder et al. T2 quantification in brain using 3D fast spin‐echo imaging with long echo trains
Bapst et al. Pushing MP2RAGE boundaries: Ultimate time‐efficient parameterization combined with exhaustive T1 synthetic contrasts
Guo et al. DeepFittingNet: A deep neural network‐based approach for simplifying cardiac T1 and T2 estimation with improved robustness
US11275143B2 (en) Method for measuring eddy current fields in a magnetic resonance device, magnetic resonance device, computer program and electronically readable data carrier
Stöcker et al. MR parameter quantification with magnetization‐prepared double echo steady‐state (MP‐DESS)
Meadows et al. Impact of pulse sequence, analysis method, and signal to noise ratio on the accuracy of intervertebral disc T 2 measurement
US8717023B2 (en) Relaxometry quantification self-justification fitting
US20240125880A1 (en) System and Method for Concurrent X-Nuclei and H-Nuclei Magnetic Resonance Imaging

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220130

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG