CN104583796B - 使用对比信号评分方程对磁共振对比的预测、评分和归类 - Google Patents

使用对比信号评分方程对磁共振对比的预测、评分和归类 Download PDF

Info

Publication number
CN104583796B
CN104583796B CN201380043704.0A CN201380043704A CN104583796B CN 104583796 B CN104583796 B CN 104583796B CN 201380043704 A CN201380043704 A CN 201380043704A CN 104583796 B CN104583796 B CN 104583796B
Authority
CN
China
Prior art keywords
contrast
imaging
type
parameter
group
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.)
Active
Application number
CN201380043704.0A
Other languages
English (en)
Other versions
CN104583796A (zh
Inventor
J·塞内加
P·柯肯
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104583796A publication Critical patent/CN104583796A/zh
Application granted granted Critical
Publication of CN104583796B publication Critical patent/CN104583796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • 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
    • G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一种磁共振成像序列，其由成像协议和针对所述成像协议的一组参数的参数值限定。使用评分方程来关于要被评分的对比类型计算针对磁共振成像序列的对比信号分数。基于所计算的对比信号分数，来确定针对所述磁共振成像序列的对比类型。在一种方法中，针对要被评分的多个不同的对比类型重复所述计算，并且所述确定基于所计算的对比信号分数。

Description

使用对比信号评分方程对磁共振对比的预测、评分和归类
技术领域
以下涉及磁共振领域、磁共振成像领域、医学成像领域、成像会话规划领域、图像存档领域、成像协议设计领域等等。
背景技术
在磁共振(MR)成像中，放射科医师或其他操作者选择成像协议，其限定序列的结构，例如射频(RF)与磁场梯度脉冲的数目和布置、读出操作等等。成像协议一般被设计为提供特定类型的对比，例如T1对比、T2对比、T2*对比、弥散加权对比，等等。在T1、T2或T2*对比的情况中，成像提供针对在要被成像的组织或其他物质的T1、T2或T2*(分别的)弛豫时间中的差异的对比。诸如回波时间(TE)、序列重复时间(TR)、激励翻转角(FA)等等的协议参数影响T1、T2后T2*对比的强度。在其他类型的对比中，协议包括预备或磁共振-操纵RF脉冲和/或被应用与生成期望对比的磁场梯度。例如，在弥散加权成像中，协议被设计为基于局部分子扩散特性来提供对比。
给定的协议具有一组参数(例如，TE、TR、FA、限定预备脉冲的参数，等等)。在不同的协议中，参数可以有不同的表示方式。例如，在多层成像协议(其需要响应于连续RF激励的一组切片)中，可以指定切片的数目，并然后计算TR值为尽可能地小(例如，以有助于快速成像)。在该情况中，调节切片数目会影响TR值。在这样的情况中，放射科医师可以增加或减少切片的数目，以调节横向于切片的图像分辨率，或者增大总成像体积。这么做时，放射科医师可能未能认识到TR参数的值也被同时调节了。
在临床实践中，放射科医师通常有可用的针对各种对比类型以及针对各种组织类型定制的协议库。每个协议通常包括一组缺省参数值，例如缺省TE、TR、FA等等。然而，放射科医师不受限于这些缺省参数值，而是相反拥有调节参数值中的一些或全部的选项，以针对特定患者、针对特定成像情形优化协议，或者适应安排MR研究的放射科医师的或医师的个人偏好。
调节协议参数需要专业训练，并且MR操作者通常是训练有素的放射科医师或其他有资格的人。放射科医师可以参考来自MR文献、针对MR扫描器的公开用户指南、基于互联网的放射科用户论坛等等的推荐。然而，在实践中，放射科医师拥有在其中执行成像会话的排程时间窗口，并且在进行协议参数调节时常常依赖于个人专长。可能发生的是，参数的细微改变对得到的图像对比具有不希望的影响。例如，如已提到的，调节多层成像协议中的切片数目能够对TR值有潜在影响，TR值继而能够影响对比。
如果缺省协议在协议库中被贴错标签，则可能产生类似的问题。这可能由于过失而发生，或者是因为不同的医学专业人员可能对给定对比类型由什么组成有不同的意见。在实践中，给定的MR图像可以呈现不同对比类型的混合，例如主要是T2对比但也有一些T1对比，并且不同的人可能对给定图像是否呈现“足够的”T2对比有不同的观点。
具有错误对比或者具有严重退化的对比或者具有对比的混合的图像可能是几乎没有临床价值的。MR图像可能被曲解，或者整个MR研究可能需要被重做，这对患者而言是不方便的、成本高昂、并且可能导致医学处置的延迟。
这些问题可能延伸到采集后图像处理或分析。例如，图片存档与通信服务(PACS)通常被用于存档医学图像，例如根据医学中的数字成像与通信(DICOM)标准被存储。患者的MR图像可以被与PACS中存储的图像进行比较，以识别类似情况。尽管这样的比较可能在医学上是有用的，但如果图像对比在患者和存档图像中不同，则可能损害比较的有效性。如果PACS图像来自使用不同对比标准的多个医学设施或不同的成像实验室，则会增加这样的差异的可能性。
以下预期改进的装置和方法，其克服上面提及的限制及其他限制。
发明内容
根据一个方面，一种非瞬态存储介质，其存储可由电子数据处理设备运行以执行方法的指令，所述方法包括：识别由成像协议和针对所述成像协议的一组参数的参数值限定的磁共振成像序列；使用评分方程来关于要被评分的对比类型计算针对所述磁共振成像序列的对比信号分数；以及基于所计算的对比信号分数来确定针对所述磁共振成像序列的对比类型。在一种方法中，针对要被评分的多个不同的对比类型重复所述计算，并且所述确定基于所计算的对比信号分数。
根据另一方面，一种装置，包括如上一段中阐述的非瞬态存储介质，以及被配置为读取并运行被存储在所述非瞬态存储介质中的所述指令的电子数据处理设备。
根据另一方面，一种方法，包括：识别由成像协议和针对所述成像协议的一组参数的参数值限定的磁共振成像序列；使用评分方程来关于要被评分的对比类型计算针对所述磁共振成像序列的对比信号分数；以及基于所计算的对比信号分数来确定针对所述磁共振成像序列的对比类型。在一种方法中，针对要被评分的多个不同的对比类型重复所述计算。所述计算和确定是由电子数据处理设备执行的。
一个优点在于提供了关于协议参数调节对期望图像对比的影响的实时反馈。
另一优点在于提供了用于为MR成像协议和存档的MR图像标记为与图像对比类型有关的有原则的方法。
在阅读以下详细描述后，众多额外的优点和益处将对本领域普通技术人员而言变得明显。
附图说明
本发明可以采取各种部件和部件的布置，以及各种步骤和步骤的安排的形式。附图仅出于图示优选的实施例的目的，并且不应被解读为对本发明的限制。
图1图解地示出了用于采集并存档磁共振(MR)图像的系统。
图2图解地示出了图1的所述系统的对比强度评估模块。
图3图解地示出了图1的所述系统的MRT扫描器/用户接口的序列对比评估模块。
图4图解地示出了在对脑中的灰质进行自旋回波(SE)序列成像的情况中，针对TE-TR参数空间的示例性对比类型图。
图5图解地示出了在序列对比评估模块检测到经调节的成像序列可能产生具有错误对比类型的图像时，显示的预期的警告消息。
图6标绘出使用本文中公开的方法针对现有协议评估的对比类型，其中通过标识来标识的每个协议标识指示所述协议的被标记的对比类型。
具体实施方式
参考图1，由放射科医师或其他用户经由MR扫描器用户接口12来操作磁共振(MR)扫描器10，MR扫描器用户接口12例如适当地由示例性计算机14或具有用户接口硬件(例如LCD显示器或其他类型的显示器、键盘、鼠标和/或(一个或多个)其他用户输入设备等等)的其他电子数据处理设备来实现。MR扫描器10可以是任意商业MR扫描器，例如可从荷兰埃因霍温的皇家飞利浦电子有限公司获得的AchievaTM、IngeniaTM、InteraTM或PanoramaTMMR扫描器，或者来自另一供应商的商业MR扫描器。备选地，MR扫描器10能够是定制的或改进的MR扫描器。
为了执行图像采集，患者或其他人类对象被装载到MR扫描器10中。可以执行各种预备操作，例如固定患者、装载局部MR线圈等等。尽管描述的是对人类对象的成像，但也预期对兽类对象(例如狗或猫)，或木乃伊、尸体，或其他死去的人类或动物对象，或无生命对象成像。
放射科医师或其他用户从协议库16选择成像协议。协议是基于诸如期望的图像对比的类型(例如T1对比、T2对比、T2*对比、弥散加权对比等等)、要被成像的组织的类型(例如脑成像、心脏成像等等)、感兴趣成像体积的大小和尺寸等等的考虑来选择的。用户也选择针对被选择协议的参数的参数值。协议参数例如可以包括以下中的一个或多个：回波时间(TE)、重复时间(TR)、激励翻转角(FA)、定义预备射频(RF)或磁场梯度脉冲或这样的预备脉冲的集的参数，等等。在一些实施例中，协议参数也可以包括图像重建参数，例如重建算法、分辨率、滤波参数等等。
本文中使用的具有特定一组参数值的成像协议在本文中被称作成像序列。协议库16可以存储针对所选择的协议的缺省参数值，并且所选择的具有缺省参数值的协议在本文中被称作缺省成像序列。用户可以选择使用缺省参数值来执行成像，或者可以选择调节一个或多个参数的值。此外，尽管通常所选择的协议被提供以库16中的缺省参数，但也预期协议没有缺省参数值，在这样的情况中用户将选择全部参数值。
因此获得成像序列，包括具有由用户选择的参数值的协议(其中“选择的”涵盖用户选择保持缺省参数值的可能性)。用户经由MR用户接口12来指示MR扫描器10执行成像序列，以引起MR扫描器10允许成像序列并采集MR成像数据。在一些实施例中，成像协议被视为包括图像重建过程，在该情况中，对成像序列的运行也包括根据所选择的重建参数值重建MR成像数据，以生成一个或多个重建的MR图像。(在其他预期的实施例中，成像协议不被视为包重建过程，在该情况中，根据成像序列采集MR成像数据，并且MR成像数据被重建以生成一个或多个重建的MR图像——但在这些实施例中，重建过程并不是根据成像协议的参数)。
能够以各种方式使用一个或多个重建的图像。例如，可以在计算机14的显示器上观察图像，或者可以使用合适的图形标记引擎打印图像，和/或将图像存储在图片存档及通信服务(PACS)20中，例如根据医学中的数字成像与通信(DICOM)标准来存储。PACS 20适当地被实现为服务器22或其他电子数据处理设备。在一些实施例中(未图示)，PACS可以被实现为实现MR扫描器用户接口的相同计算机。此外，PACS 20可以接收并存档从其他(即“外部”)图像源24(例如其他MR实验室或其他医院)采集的图像。
继续参考图1，系统还包括对比强度评估模块30，其被配置为分析计算针对MR成像序列的对比信号分数。对比强度评估模块30适当地使用评分方程来关于要被评分的对比类型(例如T1加权对比、T2加权对比、T2*加权对比、弥散加权对比等等)计算针对MR成像序列的对比信号分数。所述计算基于MR物理学，而非对对象的经验测量结果。在其一般形式中，图像对比是由在正被成像的区域内变化的特性的(通常相对小的)改变造成的测量的MR信号的改变引起的。在T1加权成像的情况中，对比是由不同组织(例如水对脂肪对骨等等)的T1弛豫时间的相对小的差异引起的。类似地，T2加权成像示出针对不同组织类型的T2弛豫时间的差异的对比。在弥散加权成像的情况中，对比是由因分子扩散的局部变化造成的MR信号的相对小的差异引起的。鉴于此，评分方程适当地包括偏导数其中p指代针对产生要被评分的对比的特性的期望值，并且S(p)指代针对具有针对产生要被评分的对比的特性的期望值p的物质，由磁共振成像序列生成的信号。也就是说，S(p)指代由磁共振成像序列根据特性p生成的信号，特性p的变化产生要被评分的对比类型。例如，在评分T1加权对比的情况中，其变化产生T1对比的特性p是各种被成像组织的T1弛豫时间。在对T2加权对比评分的情况中，其变化产生T2对比的特性p是各种被成像组织的T2弛豫时间。其变化产生要被评分的对比类型的特性p不必须是组织特性。例如，在磁共振血管造影(MRA)的情况中，特性p可以是血液流度(针对飞行时间MRA)，或者外源性对比剂浓度(当使用施予的诸如基于钆的磁性对比剂的外源性血管对比剂时)。由于期望信号S(p)随着特性p的值的改变，而相对平滑且相对缓慢地变化，因此对特性p的“期望值”的精确选择通常并不是关键性的。例如，在计算针对脑协议的T1加权对比的对比信号分数的情况中，期望值p能够是针对灰色水或针对白色物质或针对某种平均或“复合”组织的T1弛豫时间(例如针对灰质和白质的弛豫时间的平均)。
能够例如使用针对偏导数的差分近似，来近似评分方程。在一些预期的实施例中，选择其中差异Δp对应于对象中的预期实际差异的差分近似。例如，在其中想要图像在脑灰质与脑白质之间区分的脑成像的情况中，合适的差分近似是如在该示例性近似中将观察到的，针对偏导数预期包括绝对值运算，以确保正的对比信号分数。在针对脑成像的T1加权的情况中，该示例性差分近似变成其中T1,灰是脑灰质的T1弛豫时间，并且T1,白是脑白质的T1弛豫时间。作为另一个示例性范例，评分方程可以是：
其中Δp＝δ·p针对某个小的δ，并且再一次地能够任选地增加绝对值运算，以确保正的对比信号分数。
继续参考图1，对比强度评估模块30包括或者能够访问包含对比信号评分方程32的数据库。对比强度评估模块30也包括或能够访问存储针对至少在评分方程32中使用的那些组织性质的值的组织性质数据库34。这些值通常包括针对预期在成像期间被考虑的组织的代表性T1、T2和T2*弛豫时间。这些值可以取决于MR系统的主场的强度(例如1T、1.5T、3T或7T)或其他参数的强度，例如室温。如果对比强度评估模块30被配置为对弥散加权对比进行评分，则组织性质数据库34适当地包括代表性分子扩散参数。所存储的组织性质可以包括需要用于基于MR物理学来计算MR信号S(p)的其他组织性质值，例如组织的磁导率值等等。也应指出，在无生命目标成像应用的情况中，组织性质数据库可以由类似物质性质数据库代替。
继续参考图1，对比强度评估模块30能够被用于MR成像过程的各个方面。例如示例性MR扫描器用户接口12包括序列对比评估模块40，其使用对比强度评估模块30以评估针对成像序列的各种对比类型的强度，从而识别由所述序列提供的主要对比类型。由于对比强度评估模块30以分析的方式计算对比信号分数，因此其很快，并且因此能够在对任意协议参数值的每次调节之后立即调用序列对比评估模块40。以此方式，用户能够在参数值调节可能对成像序列的主要对比类型的改变有影响时，被立即告知。
作为另一示例性应用，协议库16包括缺省序列对比归类器42。通常，协议库16中存储的协议是由磁共振成像领域中的专家设计的，以提供期望的对比类型，并且为此，通常所述协议将包括所述专家认为提供期望对比的一组缺省参数(因此产生缺省成像序列)。然而，由于总体对比通常是各种对比类型的混合，因此在对序列的对比类型的评估中存在一些主观性。序列对比归类器42调用对比强度评估模块30以应用对比信号评分方程32，从而确定哪种对比类型是主要的。通过将相同的一组方程32应用到协议库16的所有缺省序列，提供更为均一的标准用于为缺省序列的对比类型进行标记。
作为另一示例性应用，PACS 20包括采集后对比归类器44，其按对比类型来对图像进行标记。如果PACS 20采用DICOM格式或者包括图像元数据的其他存储格式，则所述图像可以(并且在DICOM格式的情况中通常是)用对比类型被标记，连同识别成像协议的元数据和或被用于图像采集的协议参数值。然而，对比类型标签通常是由放射科医师或其他用户基于个人专业能力手动指定的。再一次，限定主要对比类型的主观性意味着该手动标记可能有一些不希望的变化。这样的变化在医学人员指望PACS20作为参考图像数据库时，可能是有问题的，这是因为对比类型中的差异可能使图像对比复杂化或无效。因此，采集后对比归类器44检索识别协议和被用于采集的协议参数的图像元数据，并调用对比强度评估模块30以应用合适的对比信号评分方程32，以确定主要对比类型，并且采集后对比归类器44然后利用该对比类型为图像标记。自动生成的对比类型能够被存储为独立于手动应用的对比类型标签的图像元数据元素，或者自动生成的对比类型标签能够代替图像元数据中的手动应用的对比类型标签。
参考图2，示出了对比强度评估模块30的示例性范例。模块30从MR扫描器用户接口12接收(由用户选择的协议和当前协议参考值限定的)成像序列、组织类型(任选的；在一些实施例中，组织类型是先验已知值)和要被评分的对比类型作为输入。由协议和协议参数限定的成像序列例如可以是反转恢复(IR)序列、自旋回波(SE)序列、快速场回波(FFE)序列等等。成像序列可以被配置为采集二维数据(例如切片)、三维数据，或多个(连续)二维(M2D)切片的集。成像序列也可以采用快速采集模式，例如回波平面成像(EPI)、快速自旋回波(TSE)成像、快速场回波(TFE)成像、梯度和自旋回波(GRASE)成像、它们的各种组合(例如TFEEPI)等等。在操作50中，模块30然后选择适合于所述协议并且适合于所述要被评分的对比类型的信号评分方程。在操作52中，所选择的信号评分方程被应用于所述组织类型和参数值，以生成针对要被评分的对比的对比信号分数54。
信号方程描述作为协议参数(例如回波时间TE、重复时间TR、翻转角FA等等)和反应组织性质的已知对比参数(例如T1弛豫速率和T2弛豫速率)的函数的MR信号强度。如已指出的，信号评分方程适当地并入MR信号的偏导数所述MR信号对应于针对要被评分的对比类型(在T1、T2或T2*加权对比的情况中)的预期弛豫时间p，或者产生要被评分的对比的其他特性p(例如在弥散加权对比的情况中)。能够在文献中找到针对各种成像序列的信号方程S(p)的一些合适的解析表达，例如：van der Meulen等人，MRI；6:355-368(1988年)；Haacke等人，Magnetic Resonance Imaging.Physical principles and sequencedesign(1999年)；Busse等人，MRM,44:339-348(2000年)；Bernstein等人，Handbook of MRIPulse Sequences(2004年)；以及Liang和Lauterbur,Principles of Magnetic ResonanceImaging,A Signal Processing Perspective(2000年)。
参考图3，描述了被MR扫描器用户接口12使用的序列对比评估模块40的示例性实施例。在操作60中，用户选择被设计为提供预期对比类型的缺省参数值(即缺省成像序列)的协议。在操作62中，用户调节参数值中的一个或多个，以生成具有经调节的参数值64的协议。使用MR扫描器用户接口12适当地执行操作60、62；然而，参数值调节中的一些可以以明确记载以外的其他方式完成。例如，在具有最小化的TR的多层成像技术中，对切片数目的调节间接地引起对TR的调节。
每次生成一组经调节的参数值64，都调用序列对比评估模块40。在操作70中，模块40针对每个考虑的对比类型，计算针对由协议和经调节的协议参数值64限定的成像序列的对比信号分数。例如，考虑在其中在操作60中选择的缺省序列的预期对比类型是T2加权对比的示例性范例。操作70适当地计算针对T2加权、T2加权以及(任选地)T2*加权中的每个的对比信号分数。操作70通过针对每个考虑的对比类型调用对比强度评估模块30，来计算对比信号分数。
因此，操作70的输出是针对一组预期对比类型的一组对比信号分数。操作72然后基于对比信号分数归类主要对比类型。例如，针对所考虑的对比类型(质子密度加权对比(PDW)、T1加权对比(T1W)和T2加权对比(T2W))的示例性主要对比类型归类系统采用一系列阈值数字a1＜b1＜c1和a2＜b2＜c2。对比信号分数适当地被表示为针对T1W的分数(T1)和针对T2W的分数(T2)，其中T1和T2分别是预计的T1和T2弛豫时间。(再一次，T1和T2是代表性的值，例如灰质T1，或白质T1，或灰质与白质T1的平均)。在该背景中，能够针对自旋回波(SE)序列限定以下主要对比类型类别：
主要对比类型归类规则
在实践中，以上列出的一些对比类型类别可能是对于特定成像协议和正被成像的组织而言无法实现的。
参考图4，例如，示出了对于自旋回波(SE)序列成像脑灰质而言可实现的对比类型类别。在图2的示例性范例中，在灰质作为参考组织并且1.5T作为场强的情况中，对比类型标签被绘制为回波时间(TE)和重复时间(TR)的函数。在该范例中，a1＝a2＝0.33，b1＝b2＝0.67，并且c1＝c2＝1.33。在该范例中，强T1和强T2对比的混合是无法实现的。在前面的范例中，当T1W和T2W对比都弱(即分数(T1)＜a1且分数(T2)＜a2)时，获得质子密度加权(PDW)。如图4中所见，针对短TE和长TR——在这些条件下磁共振信号由于T1弛豫或T2弛豫而没有明显衰减，发生PDW，并且因此不同组织间T1或T2弛豫时间的差异不在PDW图像中提供对比。在图4右下侧灰色的区域对应于物理上无法实现的条件TE＞TR。
返回参考图3并且进一步参考图5，在由序列对比评估模块40执行的操作74中，生成合适的输出，以告知用户关于对比类型评分。在一些实施例中，操作74在实施MR扫描器用户接口12的计算机14(也见于图1)的显示设备82上显示针对相关对比类型的对比评分的文本表示80。能够显示针对对比类型的绝对评分，或者备选的能够关于针对缺省成像序列的评分(或者对应于另一合适的评分基线)来显示所述对比评分的百分数改变(或者其他相对改变)。另一选项是显示对比评分的比率，例如T2对比评分/T1对比评分。额外于或代替文本评分，也预期诸如对应于所述评分的长度条的视觉表示。任选地，如果通过对比类型归类器运算72输出的主要对比类型不同于在操作60中选择的缺省序列的预期对比类型，则执行警告或某种其他类型的补救行为。如图5中图解地示出的，在一种这样的任选的警告方法中，操作74在显示设备82上显示文本警告84。文本警告84可以包括着色(例如红色背景和/或红色文本)或动画(例如闪烁)，以增加用户将注意到警告84的可能性。另一种可能的补救行为——单独采取的或与评分显示89和任选的警告84组合的——是“撤销”(或拒绝接受)从预期对比类型改变预测对比类型的协议参数调节。也预期没有评分显示80地提供警告84。
继续参考图3并返回参考图1，在协议库16的缺省序列对比归类器42中适当地采用序列对比评估模块40的变体。在该情况中，对序列对比评估模块40的输入是由协议及其缺省参数值限定的缺省序列，并且由协议标注操作代替操作74，协议标注操作利用由操作72输出的主要对比类型类别标注协议。序列对比评估模块40的变体也适当地被用于PACS 20的采集后对比归类器44中。在该情况中，对序列对比评估模块40的输入是被标注到被存储在PACS 20中的图像的协议和协议参数值，并且操作74被图像标注操作代替，图像标注操作利用由操作72输出的主要对比类型类别标注图像。在协议标注和图像标注操作两者中，标注操作可警告组合被执行，警告在协议或图像的原始对比类型标签不同于由归类操作72生成的时被传送给用户。
额外于前面的示例性应用范例，图2的对比强度评估模块30可以有其他应用。例如，当手动调节的参数值采用远离预期对比类型的序列时，序列对比评估模块40经由用户接口12提供警告。然而，在变体实施例中，提供更为积极的帮助。例如，能够(再次使用差分近似)评价对应于成像协议的所述一组参数中的各个参数的评分方程的偏导数，以确定哪个参数最影响对比。例如，使P最大指代对对比类型p具有最多影响的参数，如由偏导数大于任意其他协议参数所指示对的。则对P最大的值的调节方向在时为正，并且在时为负。能够从偏导数的量级估计对P最大的值的调节的量。利用该信息，能够基于所评价的偏导数来显示建议参数调节。
作为另外的变体，能够计算针对全部协议参数P的偏导数的矩阵，并给其该矩阵被用于优化算法，例如Levenberg-Marquardt算法或梯度下降法，以优化所述一组参数的值，以使针对对比类型p为分数(p)的值最大化。任选地，能够对所述优化设置一个或多个约束，例如最大化分数(p)经受分数(p)大于针对任意其他对比类型的对比信号分数的约束，和/或经受约束TE<TR，等等。因此，在该变体中，迭代地优化参数值以使要被评分的对比类型p最大化(例如，最大化分数(p))，其中每次迭代都包括评价针对所述成像协议的所述一组参数中的参数p的评分方程的偏导数以及基于所评价的偏导数来调节所述参数值中的一个或多个。所述用户然后被呈现以所述一组经优化的参数值。
尽管描述了针对对比类型p采用分数(p)的偏导数的优化方法，但其他方法也能够被用于优化所述参数值，或者被用于以其他方式提供参数值推荐。例如，能够通过仅使用分数值的其他方法(单纯形法、概率法等等)找到在对比类型上满足某些条件的最佳参数值。
参考图6，将本文中描述的所述对比类型归类与被人类专家指定给各个成像序列的对比类型归类标签进行比较。图6显示不同的临床自旋回波成像序列到由如本文中公开的计算分数(T1)和分数(T2)跨越的空间上的投影。在图6中显示了来自25个不同的MR扫描器(13个具有1.5T的主场，并且12个具有3T的主场)的总计1090个自旋回波协议，覆盖18个不同的身体部分。每个协议根据由机构给予的协议名称，被标记为T1W(在图6中用圆圈标识)、T2W(在图6中用“×”标识)或PDW(在图6中用“+”号标记)。注意，在一些情况中，该标记可能是不正确的，因为操作者可能已改变了缺省协议参数而没有修正协议名称。然而，可见，这三种不同的对比类别被本文中计算的T1和T2分数值分开。也可见，存在一些交叠，表明得到混合对比并且可能对于期望对比而言不是最佳的协议设置。
已参考优选的实施例描述了本发明。明显地，他人在阅读和理解了前面的详细描述后将想到修改和变型。目的是本发明被解读为包括所有这些修改和变型，只要它们落在权利要求书或其等价方案的范围内。

Claims (11)

1.一种成像系统，包括：
序列对比评估模块(40)，其配置为识别磁共振成像序列，所述磁共振成像序列是由成像协议和针对所述成像协议的一组参数的参数值限定的；以及
对比强度评估模块(30)，其配置为计算针对一组不同对比类型的一组对比信号分数，所述组不同对比类型至少包括T1加权对比和T2加权对比，相应的对比信号分数评估针对所述磁共振成像序列的相应的对比类型的强度，每个对比信号分数是使用评分方程计算的；
其中，所述对比强度评估模块(30)被进一步配置为基于所计算的对比信号分数来确定所述组不同对比类型中针对所述磁共振成像序列的主要对比类型。
2.如权利要求1所述的成像系统，其中，所述评分方程是：
其中，分数(p)是针对要被评分的所述对比类型的所述对比信号分数，并且S(p)指代由所述磁共振成像序列生成的作为特性p的函数的所述信号，特性p的变化引起要被评分的所述对比类型。
3.如权利要求2所述的成像系统，其中，所述计算包括使用差分近似来近似所述评分方程的偏导数
4.如权利要求1-3中的任一项所述的成像系统，其中，所述识别包括监测对磁共振扫描器用户接口(12)的用户输入，以检测(1)对所述成像协议的用户选择以及(2)改变所述参数值中的一个或多个的用户编辑，所述磁共振扫描器用户接口(12)包括所述序列对比评估模块(40)。
5.如权利要求4所述的成像系统，其中，所述评分方程关于所述成像协议的所述一组参数中的至少一个参数被优化，并且其中，基于所述优化，建议参数调节被显示。
6.如权利要求1-3中的任一项所述的成像系统，其中，所述识别包括从与存储的磁共振图像一起存储的元数据中读取所述成像协议和针对所述成像协议的所述一组参数的所述参数值。
7.一种成像方法，包括：
识别磁共振成像序列，所述磁共振成像序列是由成像协议和针对所述成像协议的一组参数的参数值限定的；
计算针对一组不同对比类型的一组对比信号分数，所述组不同对比类型至少包括T1加权对比和T2加权对比，相应的对比信号分数评估针对所述磁共振成像序列的相应的对比类型的强度，每个对比信号分数是使用评分方程计算的；并且
基于所计算的对比信号分数来确定所述组不同对比类型中针对所述磁共振成像序列的主要对比类型，
其中，至少所述计算和确定是由电子数据处理设备(14、22)执行的。
8.如权利要求7所述的成像方法，其中，要被评分的所述对比类型具有针对产生要被评分的所述对比类型的特性的期望值p，并且所述评分方程包括偏导数其中，S(p)指代由所述磁共振成像序列针对具有所述期望值p的物质生成的所述信号。
9.如权利要求7或8所述的成像方法，其中，所述识别包括检测经由磁共振扫描器用户接口(12)对所述参数值的用户编辑，并且所述方法还包括：
将针对所述磁共振成像序列所确定的主要对比类型与预期对比类型进行比较；以及
如果针对所述磁共振成像序列所确定的主要对比类型不同于所述预期对比类型，则经由所述磁共振扫描器用户接口(12)显示警告(84)。
10.如权利要求7或8所述的成像方法，还包括：
优化所述参数值以使要被评分的所述对比类型最大化，其中，所述优化包括关于所述成像协议的所述一组参数中的参数而评价所述评分方程的偏导数。
11.如权利要求7或8所述的成像方法，其中，所述识别包括从与磁共振图像一起存储的元数据中读取所述成像协议和针对所述成像协议的所述一组参数的所述参数值，并且所述方法还包括：
将与所述磁共振图像一起存储的所述元数据修正为包括所确定的主要对比类型。
CN201380043704.0A 2012-07-16 2013-07-10 使用对比信号评分方程对磁共振对比的预测、评分和归类 Active CN104583796B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261671822P 2012-07-16 2012-07-16
US61/671,822 2012-07-16
PCT/IB2013/055678 WO2014013390A2 (en) 2012-07-16 2013-07-10 Prediction, scoring, and classification of magnetic resonance contrast using contrast signal scoring equation

Publications (2)

Publication Number Publication Date
CN104583796A CN104583796A (zh) 2015-04-29
CN104583796B true CN104583796B (zh) 2017-10-10

Family

ID=49237547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380043704.0A Active CN104583796B (zh) 2012-07-16 2013-07-10 使用对比信号评分方程对磁共振对比的预测、评分和归类

Country Status (7)

Country Link
US (1) US9955897B2 (zh)
EP (1) EP2872914B1 (zh)
JP (1) JP6305401B2 (zh)
CN (1) CN104583796B (zh)
BR (1) BR112015000875A2 (zh)
RU (1) RU2626025C2 (zh)
WO (1) WO2014013390A2 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6371776B2 (ja) * 2012-12-12 2018-08-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 磁気共鳴の拡散強調画像（ｄｗｉ）のための動作検出および修正方法
US20170156630A1 (en) * 2015-12-08 2017-06-08 Board Of Regents Of The University Of Texas System System and method for adaptive and patient-specific magnetic resonance imaging
US10444308B2 (en) * 2016-05-31 2019-10-15 Canon Medical Systems Corporation Magnetic resonance imaging apparatus
EP3379281A1 (en) * 2017-03-20 2018-09-26 Koninklijke Philips N.V. Image segmentation using reference gray scale values
US10950343B2 (en) * 2017-06-29 2021-03-16 Siemens Healthcare Gmbh Highlighting best-matching choices of acquisition and reconstruction parameters
EP3451344A1 (en) 2017-09-01 2019-03-06 Koninklijke Philips N.V. Automated consistency check for medical imaging
CN108490377B (zh) * 2018-04-03 2020-08-21 上海东软医疗科技有限公司 一种磁共振弥散定量的获取方法和装置
CN110806553B (zh) * 2018-08-06 2022-08-09 西门子(深圳)磁共振有限公司 协议参数选取方法、装置及磁共振成像系统
EP3742183A1 (en) * 2019-05-20 2020-11-25 Koninklijke Philips N.V. A control system for a magnetic resonance imaging system

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5754697A (en) * 1994-12-02 1998-05-19 Fu; Chi-Yung Selective document image data compression technique
US6219571B1 (en) 1998-04-06 2001-04-17 Board Of Trustees Of The Leland Stanford Junior University Magnetic resonance imaging using driven equilibrium fourier transform
US6687527B1 (en) * 2001-08-28 2004-02-03 Koninklijke Philips Electronics, N.V. System and method of user guidance in magnetic resonance imaging including operating curve feedback and multi-dimensional parameter optimization
DE10155790B4 (de) 2001-11-14 2005-04-07 Siemens Ag Magnet-Resonanz-Bildgebung unter Verwendung einer interaktiven Kontrastoptimierung
JP4413504B2 (ja) * 2003-02-13 2010-02-10 株式会社東芝 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP2007508092A (ja) * 2003-10-13 2007-04-05 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 磁気共鳴画像化システム及び方法
CN101288101A (zh) * 2005-07-26 2008-10-15 皇家飞利浦电子股份有限公司 根据小规模重建的运动分析进行的心区检测
RU2008144711A (ru) * 2006-04-13 2010-05-20 Конинклейке Филипс Электроникс Н.В. (Nl) Оценка чувствительности катушки на основании распространения волны
WO2007149750A2 (en) 2006-06-22 2007-12-27 Koninklijke Philips Electronics, N.V. Dual x-ray tube gating
JP5537014B2 (ja) * 2007-12-07 2014-07-02 株式会社東芝 画像表示装置
US7973530B2 (en) * 2008-04-25 2011-07-05 Jan Bertus Marten Marcel Warntjes MRI display with contrast navigation window
JP5481117B2 (ja) * 2008-09-29 2014-04-23 株式会社東芝 磁気共鳴診断装置およびその制御方法

Also Published As

Publication number Publication date
EP2872914A2 (en) 2015-05-20
RU2015104982A (ru) 2016-09-10
WO2014013390A3 (en) 2014-03-13
WO2014013390A2 (en) 2014-01-23
RU2626025C2 (ru) 2017-07-21
JP6305401B2 (ja) 2018-04-04
US20150216440A1 (en) 2015-08-06
US9955897B2 (en) 2018-05-01
EP2872914B1 (en) 2020-12-23
JP2015522370A (ja) 2015-08-06
BR112015000875A2 (pt) 2017-06-27
CN104583796A (zh) 2015-04-29

Similar Documents

Publication Publication Date Title
CN104583796B (zh) 使用对比信号评分方程对磁共振对比的预测、评分和归类
Recht et al. Using deep learning to accelerate knee MRI at 3 T: results of an interchangeability study
Chaudhari et al. Rapid knee MRI acquisition and analysis techniques for imaging osteoarthritis
Diaz et al. Ultrashort echo time spectroscopic imaging (UTESI): an efficient method for quantifying bound and free water
Dougherty et al. Functional organization of human occipital-callosal fiber tracts
Feng et al. GRASP‐Pro: imProving GRASP DCE‐MRI through self‐calibrating subspace‐modeling and contrast phase automation
Castillo et al. Quantitative assessment of regional myocardial function with MR-tagging in a multi-center study: interobserver and intraobserver agreement of fast strain analysis with Harmonic Phase (HARP) MRI
Fujita et al. Deep learning approach for generating MRA images from 3D quantitative synthetic MRI without additional scans
RU2633283C2 (ru) Система магнитно-резонансного обследования с предпочтительными настройками на основе интеллектуального анализа данных
Garwood et al. Advanced imaging techniques in the knee: benefits and limitations of new rapid acquisition strategies for routine knee MRI
Koch et al. Analysis and evaluation of a deep learning reconstruction approach with denoising for orthopedic MRI
Mayerhoefer et al. Texture analysis for tissue discrimination on T1‐weighted MR images of the knee joint in a multicenter study: transferability of texture features and comparison of feature selection methods and classifiers
CN107440719A (zh) 用于显示定量磁共振图像数据的方法
Aliotta et al. Extracting diffusion tensor fractional anisotropy and mean diffusivity from 3‐direction DWI scans using deep learning
Pizzolato et al. Acquiring and predicting multidimensional diffusion (MUDI) data: an open challenge
Ben-Eliezer et al. A new method for cartilage evaluation in femoroacetabular impingement using quantitative T2 magnetic resonance imaging: preliminary validation against arthroscopic findings
Quirk et al. Magnetic resonance data modeling: the Bayesian analysis toolbox
Lim et al. CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images
Polzehl et al. Magnetic resonance brain imaging
Huang et al. Deep learning-based diffusion tensor cardiac magnetic resonance reconstruction: a comparison study
Wan et al. Fast quantitative three-dimensional ultrashort echo time (UTE) magnetic resonance imaging of cortical bone using extended cones sampling
Ferguson et al. Liver and heart MR relaxometry in iron loading: reproducibility of three methods
Karakuzu et al. qMRI-BIDS: an extension to the brain imaging data structure for quantitative magnetic resonance imaging data
Lee et al. Improved motion-sensitized driven-equilibrium preparation for 3D turbo spin echo T 1 weighted imaging after gadolinium administration for the detection of brain metastases on 3T MRI
Saborit-Torres et al. Medical imaging data structure extended to multiple modalities and anatomical regions

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant