CN107527339A - 一种磁共振扫描方法、装置及系统 - Google Patents

一种磁共振扫描方法、装置及系统 Download PDF

Info

Publication number
CN107527339A
CN107527339A CN201710717649.9A CN201710717649A CN107527339A CN 107527339 A CN107527339 A CN 107527339A CN 201710717649 A CN201710717649 A CN 201710717649A CN 107527339 A CN107527339 A CN 107527339A
Authority
CN
China
Prior art keywords
scanning
region
scanned
humerus
magnetic resonance
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
CN201710717649.9A
Other languages
English (en)
Other versions
CN107527339B (zh
Inventor
宋燕丽
杜龙龙
李强
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201710717649.9A priority Critical patent/CN107527339B/zh
Publication of CN107527339A publication Critical patent/CN107527339A/zh
Application granted granted Critical
Publication of CN107527339B publication Critical patent/CN107527339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Landscapes

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

Abstract

本发明实施例公开了一种磁共振扫描方法、装置及系统。其中方法包括：获取扫描对象的待扫描区域的预扫描图像；根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；根据所述扫描策略对所述待扫描区域进行磁共振扫描。本发明实施例解决了由于技师经验导致的扫描中心和扫描方向不确定性，检测精度低的问题，提高了预扫描区域的扫描策略的统一性和精确度，提高了磁共振扫描结果的精度。

Description

一种磁共振扫描方法、装置及系统
技术领域
本发明实施例涉及磁共振技术，尤其涉及一种磁共振扫描方法、装置及系统。
背景技术
磁共振成像(Magnetic Resonance Imaging，MRI)是利用磁共振现象进行成像的一种技术，具有非侵入性、无电离、辐射等特点，其所获得的图像清晰、精细、分辨率高、对比度好的优势，特别对软组织层次显示非常好，可大大提高诊断效率，常应用于临床诊断。
其中，在肩关节疾病的扫描成像是磁共振成像技术的一项常用的临床应用。目前对肩关节的磁共振扫描主要是医生根据解剖学知识以及肩关节的诊断经验，针对扫描侦查图像手工确定参考定位线和参考中心。上述肩关节的扫描方法通过医生手工对肩关节进行定位不仅增加了磁共振扫描时间，同时要求医生具有较为丰富的临床经验。磁共振扫描精度受医生经验限制明显，扫描精度差异性大。
发明内容
本发明提供一种磁共振扫描方法、装置及系统，以实现自动确定高精度的肩关节扫描策略。
第一方面，本发明实施例提供了一种磁共振扫描方法，该方法包括：
一种磁共振扫描方法，其特征在于，包括：
获取扫描对象的待扫描区域的预扫描图像；
根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
根据所述扫描策略对所述待扫描区域进行磁共振扫描。
进一步的，所述待扫描区域为肩关节，所述自动或半自动地确定所述待扫描区域的扫描方向包括：
对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
根据所述肱骨图像确定所述待扫描区域肌腱方向，其中所述待扫描区域的肌腱方向包括横断面和冠状面的肌腱方向；
根据所述肌腱方向分别确定所述待扫描区域的横断面和冠状面扫描方向。
进一步的，所述待扫描区域为肩关节，所述自动或半自动地确定所述待扫描区域的扫描方向，包括：
对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
获取所述肱骨图像的肱骨中线，对所述肱骨中线进行线性拟合，计算所述肱骨图像的骨长轴方向，根据所述骨长轴方向确定所述待扫描区域矢状面的扫描方向。
进一步的，根据所述肱骨图像确定所述横断面的肌腱方向，包括：
根据所述肱骨图像的第一扫描层和第一采集规则确定所述横断面的第一预设区域，对所述第一预设区域的各像素点进行线性结构检测；
将所述各像素点的结构方向进行叠加，生成第一肌腱方向，确定为所述横断面的肌腱方向。
进一步的，根据所述肱骨图像的第一扫描层和第一采集规则确定所述横断面的第一预设区域，包括：
选择与所述第一扫描层相邻的第一预设数量的扫描层，所述第一预设数量的扫描层与第一初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第一预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第一预设区域。
进一步的，根据所述肱骨图像确定所述冠状面的肌腱方向，包括：
根据所述第一肌腱方向对所述肱骨图像进行旋转；
根据旋转后的肱骨图像的第二扫描层和第二采集规则确定所述冠状面的第二预设区域，并对所述第二预设区域的各像素点进行线性结构检测；
将所述各像素点的结构方向进行叠加，生成第二肌腱方向，确定为所述冠状面的肌腱方向。
进一步的，根据旋转后的肱骨图像的第二扫描层和第二采集规则确定冠状面的第二预设区域，包括：
选择与所述第二扫描层相邻的第二预设数量的扫描层，所述第二预设数量的扫描层与第二初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第二预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第二预设区域。
进一步的，根据所述扫描策略对所述待扫描区域进行磁共振扫描，包括：
获取用于扫描区域进行磁共振扫描的脉冲序列，所述扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且所述梯度脉冲序列参照所述扫描策略设计；
激发所述射频脉冲序列以在所述待扫描区域产生磁共振信号；
激发所述梯度脉冲序列以对所述磁共振信号进行编码，生成K空间数据；
重建所述K空间数据，产生所述待扫描区域的磁共振图像。
第二方面，本发明实施例还提供了一种磁共振扫描装置，该装置包括：
预扫描图像获取模块，用于获取扫描对象的待扫描区域的预扫描图像；
扫描策略确定模块，用于根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
扫描模块，用于根据所述扫描策略对所述待扫描区域进行磁共振扫描。
第三方面，本发明实施例还提供了一种磁共振扫描系统，包括磁共振扫描设备和计算机，其中计算机包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行如下程序：获取扫描对象的待扫描区域的预扫描图像；根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
脉冲序列发生器，用于生成对应的扫描脉冲序列，所述扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且所述梯度脉冲序列参照所述扫描策略设计；
射频线圈，用于根据所述射频脉冲序列产生相应的射频脉冲，所述射频脉冲用于激发待扫描区域的磁共振信号；
梯度线圈，用于根据所述梯度脉冲序列产生相应的梯度脉冲，所述梯度脉冲用于对所述磁共振信号进行编码。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时可用于执行如下程序：获取扫描对象的待扫描区域的预扫描图像；根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
脉冲序列发生器，用于生成对应的扫描脉冲序列，所述扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且所述梯度脉冲序列参照所述扫描策略设计；
射频线圈，用于根据所述射频脉冲序列产生相应的射频脉冲，所述射频脉冲用于激发待扫描区域的磁共振信号；
梯度线圈，用于根据所述梯度脉冲序列产生相应的梯度脉冲，所述梯度脉冲用于对所述磁共振信号进行编码。
本发明实施例通过根据预扫描图像以及预设规则确定待扫描区域的扫描策略，并根据扫描策略对待扫描区域进行磁共振扫描，解决了由于技师经验导致的扫描中心和扫描方向不确定性，检测精度低的问题，提高了预扫描区域的扫描策略的统一性和精确度，提高了磁共振扫描结果的精度。
附图说明
图1是本发明实施例一提供的一种磁共振扫描方法的流程图；
图2A是本发明实施例二提供的一种磁共振扫描方法的流程图；
图2B是本发明实施例二提供的肩关节矢状面扫描示意图；
图2C是本发明实施例二提供的肩关节冠状面扫描示意图；
图2D是本发明实施例二提供的肩关节横断面扫描示意图；
图2E是本发明实施例二提供的扫描策略示意图；
图3是本发明实施例三提供的一种磁共振扫描方法的流程图；
图4是本发明实施例四提供的一种磁共振扫描装置的结构示意图；
图5是本发明实施例五提供的一种磁共振扫描系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种磁共振扫描方法的流程图，本实施例可适用于自动确定肩关节的扫描策略的情况，该方法可以由本发明实施例提供的一种磁共振扫描装置来执行，该装置可采用软件和/或硬件的方式实现。参见图1，该方法具体包括：
S110、获取扫描对象的待扫描区域的预扫描图像。
本实施例中，对扫描对象的待扫描区域进行预扫描，获取待扫描区域的预扫描图像。其中，预扫描指的是通过预设射频序列对扫描对象进行扫描，预设射频序列是用于对扫描对象进行快速定位成像的射频序列，具有能量低、速度快等特点。其中，预扫描图像是低分辨率的3D(Three Dimensions，三维)图像，通过预设射频序列对扫描对象进行扫描成像，仅达到识别扫描对象的待扫描区域的效果，无需对扫描对象进行病理检测。
S120、根据预扫描图像以及预设规则自动或半自动地确定待扫描区域的扫描策略，扫描策略包括扫描中心和扫描方向。
预设规则可指扫描方向和扫描中心需要满足的条件，以扫描肩关节为例说明：在冠状面扫描的时候，横断面上扫描方向或特征方向需要平行于冈上肌肌腱，矢状面上扫描方向或特征方向需要平行于肱骨长轴方向，冠状面扫描方向或特征方向平行于冈上肌肌腱，扫描中心或特征点为肱骨内侧；在矢状面扫描的时候，横断面扫描方向或特征方向需要平行于冈上肌肌腱，冠状面扫描方向或特征方向平行于冈上肌肌腱，矢状面扫描方向或特征方向需要平行于肱骨长轴方向；在横断面扫描时，冠状面扫描方向或特征方向平行于冈上肌肌腱，矢状面扫描方向或特征方向平行于肱骨长轴，扫描中心或特征点为肱骨内侧。
其中，扫描中心指的是在待扫描区域中确定的、与磁共振成像系统的成像视野(field of view，FOV)中心相对应的位置，或者在待扫描区域中确定的位于FOV中心的位置。在此实施例中，扫描中心可对应肱骨区域中的一个或多个特征点，该一个或多个特征点可位于矢状面上骨最长的层面、横断面上肱骨第一层或者冠状面上肱骨最大层。扫描方向指的是与待扫描区域相对应的特征方向，可选的，特征方向为磁共振扫描序列施加的方向。进一步地，特征扫描方向可设置成沿肌腱方向。本实施例中，肌腱是肩关节检测中的关键区域之一，沿着肌腱方向进行磁共振扫描，可提高肌腱是损伤情况检测准确度。
在一个实施例中，待扫描区域为肩关节，根据预扫描图像及预设规则自动或半自动地确定待扫描区域的扫描方向，包括：对预扫描图像进行图像分割处理，获取肩关节的肱骨图像；根据肱骨图像确定待扫描区域肌腱方向，其中待扫描区域的肌腱方向包括横断面和冠状面的肌腱方向；根据肌腱方向分别确定待扫描区域的扫描方向。
其中，图像分割处理指的是用于提取目标图像的处理过程，本实施例中，可选的，待扫描区域为肩关节，分割图像为肩关节的肱骨图像。可选的，肩关节的预扫描图像的图像分割处理包括皮肤分割和肱骨分割，获取肱骨图像。
图像分割方法可采用基于体素或区域的基于信息的分割方法，或基于局部先验模型、全局模型的基于模型的分割方法。其中，基于体素或像素的图像分割可以包括利用直方图或阈值进行医学图像分割，基于纹理进行图像分割，或者基于像素统计学的方法进行分割。基于区域的图像分割可包括区域增长、边缘检测等方法。当然，也可采用基于人工神经网络(ANNs，Artificial Neural Networks)的方法进行分割。以基于人工神经网络的方法为例说明:计算待处理的医学图像像素周围局部邻域；基于纹理特征向量将像素分类到属性区域，该过程具体可参考Bandpopadhyay S.Simulated annealing using a reversiblejump Markov chain Monte Carloalgorithm for fuzzy clustering[J].IEEETransactions on Knowledge and data Engineering,2005,17(4):479-490。
在此实施例中，可通过阈值分割方法进行皮肤分割。可选的，阈值分割方法可以是ostu阈值分割法，ostu阈值分割法指的是遍历不同的阈值对扫描图像进行二值化，将该扫描图像划分为前景图像和背景图像，并确定两者的方差，将最大方差对应的灰度阈值确定为最佳阈值。根据该最佳阈值确定扫描图像的二值化图像，提取该二值化图形中最大连通域，并将该最大连通域确定为皮肤分割结果。可选的，最佳阈值可通过遍历所有的灰度像素值确定，也可以是采用预设阈值，示例性的，灰度像素值范围为0-255。上述过程具体也可参考义献Otsu N.A threshold selection method from grav-level histograms[J].IEEEtransactions on systems,man,and cybernetics,1979,9(1):62-66。
可选的，根据皮肤分割结果确定待扫描区域为左肩关节或者右肩关节。示例性的，可通过如下方式实现：根据扫描图像建立三维坐标系，扫描图像中平行人体直立向上方向为Z轴，人体手臂平举方向为X轴，由人体前方指向人体后背的方向为Y轴。将皮肤分割结果在X方向的中心位置确定为中心点，将皮肤分割结果累计投影至X轴，统计并比较投影至中心点左侧与中心点右侧的像素点的数量，若投影至中心点左侧像素点的数量大于投影至中心右侧像素点的数量，则确定该肩关节为左肩关节；若投影至中心点左侧像素点的数量小于投影至中心右侧像素点的数量，则确定该肩关节为右肩关节。
可选的，根据皮肤分割结果进行肱骨分割处理，确定肩关节的肱骨图像。可选的，肱骨分割处理包括粗分割和细分割。其中，粗分割用于去除皮肤分割结果中灰度值小于预设灰度阈值的像素点，以及对皮肤分割结果进行二值化划分，确定各连通域中面积，将小于最大连通域面积的30％的连通域删除。
在对肱骨图像进行细分割之前，确定肱骨图像的初始层组。将粗分割结果向Z轴进行投影，生成投影值曲线图，根据该曲线图确定肩部位置，示例性的，肩部位置的投影值约为最大投影值的0.2，并将肩部位置下第22扫描层-第25扫描层的区域确定为肱骨图像的初始层组。其中，根据投影值曲线图的走势判断预扫描图像中是否包含肩部位置，若投影值曲线图的初始区域为由小增大，则确定存在肩部区域；若投影值曲线图的初始区域为由大减小，或者变化区域不明显，则确定不存在肩部区域，进一步的，可以将投影值为最大投影值的0.7的扫描层，及相邻的扫描层确定为初始层组，可选的，初始层组包括4层扫描层。
可选的，检测初始层组是否满足预设条件，若不满足，则重新确定初始层组。其中预设条件为初始层组的圆形度小于0.8，或者面积小于400。若该初始层组的圆形度大于0.8且面积大于400，则在上述初始层组附近区域确定满足预设条件的初始层组。其中圆形度指的是初始层组和圆形模板交集中包含的像素点数量与初始层组中像素点数量的比值。圆形模板的确定方法为：将初始层组中各像素点的坐标确定圆形模板的圆心，其中圆形横坐标为圆心纵坐标为半径为其中，n为像素点数量，xi为第i个像素点的横坐标，yi为第i个像素点的纵坐标，i,n为自然数，其取值可以为5、10、20、100、1000等。
可选的，根据肱骨的圆形黑边特征对初始层组进行细分割。根据原始层组的圆心C(Xgc，Ygc)和半径r，对初始层组以及个扫描层，截取以C为圆心，0.8r-1.2r为环形闭合区域，检测该环形闭合区域的像素点的灰度值是否满足预设灰度条件，若是，则确定该环形闭合区域为肱骨组织，将各扫描层的肱骨组织进行合并形成肱骨图像。其中，预设灰度条件可以是各像素值均在预设灰度范围内，或者各像素值的均值在预设灰度范围内。
本实施例中，由于对扫描对象进行预扫描获取的预扫描图像分辨率较低，导致预扫描图像中无法清晰识别肌腱方向，现有技术中主要是通过技师的经验确定，具有较大的不准确性，导致存在检测结果精度低的问题。
本实施例中，根据预扫描图像以及预设规则确定待扫描区域的扫描方向的原理为：对与肌腱区域连续的肱骨区域进行一阶线性结构检测，并根据该肱骨区域的结构方向确定肌腱方向。
本实施例中，通过与肌腱区域连续的预扫描图像中的肱骨区域确定肌腱方向，替代了由磁共振扫描技师根据经验确定肌腱方法，提高了肌腱方向的准确度，降低了技师经验差异导致的获取的肌腱方向的不确定性。
本实施例中，在确定扫描方向的基础上，将预扫描图像根据扫描方向进行旋转，分别确定横断面、矢状面和冠状面上与扫描对象身体内侧距离最小的像素点，并将该像素点确定为对应面的扫描中心。
S130、根据扫描策略对待扫描区域进行磁共振扫描。
在此实施例中，根据扫描策略对待扫描区域进行磁共振扫描，包括：获取用于扫描区域进行磁共振扫描的脉冲序列，扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且梯度脉冲序列参照所述扫描策略设计；激发射频脉冲序列以在待扫描区域产生磁共振信号；激发所述梯度脉冲序列以对所述磁共振信号进行编码，生成K空间数据；重建所述K空间数据，产生所述待扫描区域的磁共振图像。
本实施例中，通过根据预设规则确定的扫描策略对待检测区域进行扫描，避免了技师根据解剖学经验确定扫描策略，导致扫描策略确定不准确，磁共振扫描结果不精确的问题。同时，避免了技师自主确定扫描策略导致的扫描时间的增加。
本实施例的技术方案，通过根据预扫描图像以及预设规则自动或半自动地确定待扫描区域的扫描策略，并根据扫描策略对待扫描区域进行磁共振扫描，解决了由于技师经验导致的扫描中心和扫描方向不确定性，检测精度低的问题，提高了预扫描区域的扫描策略的统一性和精确度，提高了磁共振扫描结果的精度。
实施例二
图2A是本发明实施例二提供的一种磁共振扫描方法的流程图，在上述实施例的基础上，进一步的提供了根据预扫描图像确定扫描方向的方法。相应的，该方法包括：
S210、获取扫描对象的待扫描区域的预扫描图像。
S220、对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像。
S230、根据所述肱骨图像确定所述待扫描区域肌腱方向，其中所述待扫描区域的肌腱方向包括横断面和冠状面的肌腱方向。
其中，对肱骨图像进行预设处理，确定该肱骨图像中各像素点的结构方向，根据上述各像素点的结构方向确定肌腱方向。
可选的，根据肱骨图像确定横断面的肌腱方向，包括：
根据肱骨图像的第一扫描层和第一采集规则确定横断面的第一预设区域，对第一预设区域的各像素点进行线性结构检测；将各像素点的结构方向进行叠加，生成第一肌腱方向，确定为横断面的肌腱方向。
可选的，根据肱骨的第一扫描层和第一采集规则确定横断面的第一预设区域，包括：选择与第一扫描层相邻的第一预设数量的扫描层，第一预设数量的扫描层与第一初始方向平行；在各扫描层中确定以肱骨中心点为中心的第一预设范围的像素采集区域；将各扫描层的像素采集区域合并，形成第一预设区域。
可选的，第一扫描层是肱骨图像中与人体头部距离最小的扫描层。第一采集规则例如可以是以第一扫描层为中心，沿Z轴方向提取第一扫描层相邻的横断面像素采集区域，其中像素采集区域可以是三个，包括第一扫描层和与第一扫描层上下相邻的两个类扫描层区域，可选的，像素采集区域可以是矩阵块。每个像素采集区域中，X轴方向以肱骨中心点为起始点，X轴方向的像素点数量范围可以是50-100，Y轴方向以第一扫描层中心点为起始点，Y方向的像素点数量范围可以是20-100，将各像素采集区域合并形成第一预设区域，且该第一预设区域与第一初始方向平行。其中，若该肱骨图像属于左肩关节图形，则第一初始方向可以是与X轴方向成-30度夹角的方向；若该肱骨图像属于右肩关节图形，则第一初始方向可以是与X轴方向成30度夹角的方向。
其中，线性结构检测用于获取第一预设区域中各像素点的结构方向，可选的，线性结构检测为一阶线性结构检测。示例性的，线性结构检测可以是基于harris算法或者hessian算法检测各像素点的结构方向。可选的，还可以通过sobel边缘检测算子或者灰度值梯度确定各像素点的结构方向。本实施例中，以harris算法为例，介绍像素点结构方向的检测方法：计算各像形像素点的harris梯度矩阵，并解析特征根和特征向量，其中，特征根表征像素点的结构响应值，特征向量表征像素点的结构方向。
本实施例中，将第一预设区域中各像素点的结构方向进行叠加，即将各像素点的特征向量进行叠加，将叠加后生成的叠加方向确定为横断面的肌腱方向，即通过统计横断面中肱骨图像第一预设区域的像素点的结构方向，预测横断面的肌腱方向，实现了自动确定肩关节的肌腱方向，提高了肌腱方向的准确度。可选的，在将各像素点的结构方向进行叠加之前，包括：将各像素点的响应值进行数值排序，筛选预设排序范围的像素点。本实施例中，示例性的，对各像素点的响应值进行数值进行由大到小的排序，筛选排序中前10％的响应值对应的像素点。将筛选后的像素点的结构方向进行叠加，生成横断面的肌腱方向。本实施例中，通过筛选满足响应值条件的像素点进行结构方向叠加，减少了计算工作量，提高了肌腱方向的计算效率，避免了磁共振扫描的耗时过长，同时减少了响应值较小的像素点的干扰，提高了肌腱方向的准确度。
可选的，确定肱骨图像确定冠状面的肌腱方向，包括：根据所述第一肌腱方向对所述肱骨图像进行旋转；根据旋转后的肱骨图像的第二扫描层和第二采集规则确定所述冠状面的第二预设区域，并对所述第二预设区域的各像素点进行线性结构检测；将所述各像素点的结构方向进行叠加，生成第二肌腱方向，确定为所述冠状面的肌腱方向。
本实施例中，将肱骨图像以Z轴为中心，旋转第一肌腱方向，用于显示肱骨图形的冠状面。
可选的，根据旋转后的肱骨图像的第二扫描层和第二采集规则确定冠状面的第二预设区域，包括：选择与第二扫描层相邻的第二预设数量的扫描层，第二预设数量的扫描层与第二初始方向平行；在各扫描层中确定以肱骨中心点为中心的第二预设范围的像素采集区域；将各扫描层的像素采集区域合并，形成第二预设区域。
本实施例中，可选的，第二扫描层为肱骨图像的最大扫描层，其中，最大扫描层指的是肱骨图像中体积最大的扫描层。示例性的，统计各扫描层中像素点的数量，将像素点数量最大的扫描层确定为最大扫描层；或者将肱骨图像向Z轴进行投影，并将投影值最大的扫描层确定为最大扫描层。
本实施例中，将旋转后的肱骨图像的Y轴方向上选择第二扫描层相邻的第二预设数量的像素采集区域，形成第二预设区域，示例性的，第二预设数量可以是7，即第二预设区域包括第二扫描层和与第二扫描层上下相邻且连续的六个像素采集区域。可选的，像素采集区域可以是矩阵块。每个像素采集区域中，X轴方向以肱骨中心点为起始点，X轴方向的像素点数量范围可以是50-100，Y轴方向以第一扫描层中心点为起始点，Y方向的像素点数量范围可以是20-100，将各像素采集区域合并形成第二预设区域，且该第二预设区域与第二初始方向平行。可选的，对于左肩关节和右肩关节的肱骨图像，第二初始方向均与X轴方向平行。
本实施例中，对第二预设区域的各像素点进行线性结构检测，将第二预设区域中各像素点的结构方向进行叠加，及将各像素点的特征向量进行叠加，将叠加后生成的叠加方向确定为冠状面的肌腱方向，即通过统计冠状面中肱骨图像第一预设区域的像素点的结构方向，预测冠状面的肌腱方向，实现了自动确定肩关节的肌腱方向，提高了肌腱方向的准确度。可选的，在将各像素点的结构方向进行叠加之前，包括：将各像素点的响应值进行数值排序，筛选预设排序范围的像素点。
S240、根据所述肌腱方向分别确定所述待扫描区域的横断面和冠状面扫描方向。
本实施例中，沿着肌腱方向进行磁共振扫描，有利于提高肌腱区域的扫描准确度，确定肌腱区域的损伤情况。
本实施例的技术方案，通过在预扫描图像中选择预设区域，并根据预设区域中各像素点的结构方向，确定横断面和冠状面的扫描方向，解决了预扫描图像中不能反应肌腱方向的问题，实现了自动确定肩关节的肌腱方向，提高了肌腱方向的准确度，提高了待扫描区域的检测结果的精确度。
在上述实施例的基础上，该方法还包括：
对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；获取所述肱骨图像的肱骨中线，对肱骨中线进行线性拟合，计算肱骨图像的骨长轴方向。
本实施例中，在矢状面比较并筛选骨骼最长的肱骨层，并确定该肱骨层的肱骨中线，并进行线性拟合，将拟合结果确定为骨长轴方向，将根据骨长轴方向确定待检测区域矢状面的扫描方向。
可选的，将肱骨图像根据骨长轴方向、第一肌腱方向和第二肌腱方向进行旋转，根据旋转后的肱骨图像重新确定新的骨长轴方向，并将新的骨长轴方向确定为矢状面的骨长轴方向。
需要说明的是，骨长轴方向与肌腱方向的确定无先后时序关系，可同时执行，也可按任意时序关系执行。
可选的，待扫描区域的扫描方向，包括：横断面的扫描方向为:零度方向、冠状面的肌腱方向和骨长轴方向；矢状面的扫描方向为:横断面的肌腱方向、冠状面的肌腱方向和骨长轴方向；冠状面的扫描方向为：横断面的肌腱方向、冠状面的肌腱方向和骨长轴方向。
示例性的，参见图2B、图2C和图2D，图2B是本发明实施例二提供的肩关节矢状面扫描示意图，从上到下依次为矢状面扫描时的横断面视图、冠状面视图、矢状面视图，其中：方框表示待扫描的区域，方框内的横线表示扫描方向，冠状面视图、矢状面视图的扫描方向分别穿过肱骨中心，且矢状面上显示的两个扫描方向的交点为确定的扫描中心，该扫描中心位于肱骨关节中心或者靠近中心的位置。图2C是本发明实施例二提供的肩关节冠状面扫描示意图，从上到下依次为矢状面扫描时的横断面视图、冠状面视图、矢状面视图，其中：方框表示待扫描的区域，方框内的横线表示扫描方向，仅矢状面视图的扫描方向分别穿过肱骨中心，且冠状面上显示的两个扫描方向的交点为确定的扫描中心，该扫描中心位于肱骨关节边缘位置。图2D是本发明实施例二提供的肩关节横断面扫描示意图，从上到下依次为矢状面扫描时的横断面视图、冠状面视图、矢状面视图，其中：方框表示待扫描的区域，方框内的横线表示扫描方向，冠状面上显示的两个扫描方向的交点为确定的扫描中心，扫描中心位于肱骨关节边缘位置。
本实施例中，根据上述方式自动确定待扫描区域的扫描方向，替代了现有技术中磁共振技师根据自身经验确实扫描方向，降低了扫描方向的不确定性，提高了扫描方向统一性和精确度，提高了待扫描区域的扫描结果的准确性。
实施例三
图3是本发明实施例三提供的一种磁共振扫描方法，在上述实施例的基础上，进一步的提供了根据预扫描图像确定扫描中心的方法。相应的，该方法具体包括：
S310、获取扫描对象的待扫描区域的预扫描图像。
S320、根据预扫描图像自动或半自动地确定待扫描区域的扫描方向。
S330、根据扫描方向对肱骨图像进行旋转。
本实施例中，确定不同虚拟面的扫描中心时，根据对应虚拟面的扫描方向对肱骨图像进行旋转。示例性的，若确定横断面的扫描中心，则将肱骨图像根据零度方向、冠状面的肌腱方向和骨长轴方向进行旋转；若确定矢状面的扫描中心，则将肱骨图像根据横断面的肌腱方向、冠状面的肌腱方向和骨长轴方向进行旋转；若确定冠状面的扫描中心，则将肱骨图像根据横断面的肌腱方向、冠状面的肌腱方向和骨长轴方向进行旋转。
S340、根据旋转后的肱骨图像和扫描中心确定规则，确定肱骨图像的扫描中心。
本实施例中，将肱骨图像根据扫描方向进行旋转，在旋转得到的各平面中筛选与身体中心距离最小的平面，将该平面中与肱骨的切点确定为对应虚拟面的扫描中心。示例性的，以矢状面的扫描方向为例介绍扫描中心的确定方法：将肱骨图像分别根据横断面的肌腱方向、冠状面的肌腱方向和骨长轴方向依次进行旋转，并确定以上述旋转角度为法线方向的平面，检测各平面与身体中心的距离，将距离最小的平面中与肱骨相切的点确定为矢状面的扫描方向。
可选的，步骤S340包括：
确定所述扫描对象的身体中心；将旋转后的肱骨图像中与所述身体中心距离最小的像素点确定为所述肱骨图像的扫描中心。
其中，扫描对象的身体中心可以是预设的一条直线段，示例性的，身体中心可以是根据人体脊柱位置确定。计算旋转后的肱骨图像中的各像素点与该身体中心之间的距离，将距离最小的像素点确定为扫描中心。
示例性的，参见图2E，图2E是本发明实施例二提供的扫描策略示意图。其中，第二行中小圆点分别为横断面、冠状面和矢状面的扫描中心。在此实施例中，冠状面扫描时，横断面的扫描方向平行于冈上肌肌腱，矢状面的扫描方向平行于肱骨长轴方向，冠状面的扫描层平行于冈上肌肌腱，扫描中心为肱骨内侧；矢状面扫描时，横断面的扫描方向平行于冈上肌肌腱，冠状面的扫描方向平行于冈上肌肌腱，矢状面的扫描方向平行于肱骨长轴方向；横断面扫描时，冠状面的扫描方向平行于冈上肌肌腱，矢状面的扫描方向平行于肱骨长轴，扫描中心为肱骨内侧。
本实施例中，提供了一种扫描中心的快速确定方法，将旋转后的肱骨图像置于三维坐标系内，若肱骨图像为左肩肱骨图像，则将旋转后肱骨图像中X坐标最大的像素点确定为肱骨图像的扫描中心；若肱骨图像为右肩肱骨图像，则将旋转后肱骨图像中X坐标最小的像素点确定为肱骨图像的扫描中心。其中，三维坐标系根据初始扫描图像确定，扫描图像中平行人体直立向上方向为Z轴，人体手臂平举方向为X轴，由人体前方指向人体后背的方向为Y轴。
进一步地，还可包括如下步骤：根据扫描中心和扫描方向确定射频脉冲序列和梯度脉冲序列；根据射频脉冲序列驱动射频线圈产生相应的射频脉冲，根据梯度脉冲序列驱动梯度线圈产生相应的梯度脉冲；射频脉冲进一步地激发受检者待扫描区域，产生磁共振信号；梯度脉冲产生梯度场，该梯度场对磁共振信号进行编码，生成K空间数据；对K空间数据进行重建，可获取待扫描区域的磁共振图像。
上述扫描中心的确定方法中，仅通过比较肱骨图像中各像素点的坐标，无需确定扫描对象的身体中心及计算像素点与身体中心的距离，简单快速，提高了扫描中心的确定效率。
本实施例的技术方案，通过根据扫描方向对肱骨图像进行旋转，并扫描中心确定规则确定肱骨图像的扫描中心，解决了手动确定扫描中心不准确的问题，实现了自动快速确定扫描待扫描区域的扫描中心，提高了扫描中心的准确度和确定效率。
实施例四
图4是本发明实施例四提供的一种磁共振扫描装置的结构示意图，该装置包括：
预扫描图像获取模块410，用于获取扫描对象的待扫描区域的预扫描图像；
扫描策略确定模块420，用于根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
扫描模块430，用于根据所述扫描策略对所述待扫描区域进行磁共振扫描。
可选的，所述待扫描区域为肩关节，扫描策略确定模块420包括：
第一肱骨图像获取单元，用于对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
肌腱方向确定单元，用于根据所述肱骨图像确定所述待扫描区域肌腱方向，其中所述待扫描区域的肌腱方向包括横断面和冠状面的肌腱方向；
扫描方向确定单元，用于根据所述肌腱方向分别确定所述待扫描区域的横断面和冠状面扫描方向。
可选的，所述待扫描区域为肩关节，扫描策略确定模块420包括：
第二肱骨图像获取单元，用于对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
矢状面扫描方向确定单元，用于获取所述肱骨图像的肱骨中线，对所述肱骨中线进行线性拟合，计算所述肱骨图像的骨长轴方向，根据所述骨长轴方向确定所述待扫描区域矢状面的扫描方向。
可选的，肌腱方向确定单元包括：
第一区域确定子单元，用于根据所述肱骨图像的第一扫描层和第一采集规则确定所述横断面的第一预设区域，对所述第一预设区域的各像素点进行线性结构检测；
第一肌腱方向确定子单元，用于将所述各像素点的结构方向进行叠加，生成第一肌腱方向，确定为所述横断面的肌腱方向。
可选的，第一区域确定子单元具体用于：
选择与所述第一扫描层相邻的第一预设数量的扫描层，所述第一预设数量的扫描层与第一初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第一预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第一预设区域。
可选的，肌腱方向确定单元包括：
根据所述第一肌腱方向对所述肱骨图像进行旋转；
第二区域确定子单元，用于根据旋转后的肱骨图像的第二扫描层和第二采集规则确定所述冠状面的第二预设区域，并对所述第二预设区域的各像素点进行线性结构检测；
第二肌腱方向确定子单元，用于将所述各像素点的结构方向进行叠加，生成第二肌腱方向，确定为所述冠状面的肌腱方向。
可选的，第二区域确定子单元具体用于：
选择与所述第二扫描层相邻的第二预设数量的扫描层，所述第二预设数量的扫描层与第二初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第二预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第二预设区域。
可选的，肌腱方向确定单元包括：
筛选子单元，用于在将所述各像素点的结构方向进行叠加之前，将各像素点的响应值进行数值排序，筛选预设排序范围的像素点。
可选的，所述待扫描区域的扫描方向，包括：
所述横断面的扫描方向为:零度方向、所述冠状面的肌腱方向和所述骨长轴方向；
所述矢状面的扫描方向为:所述横断面的肌腱方向、所述冠状面的肌腱方向和所述骨长轴方向；
所述冠状面的扫描方向为：所述横断面的肌腱方向、所述冠状面的肌腱方向和所述骨长轴方向。
可选的，扫描策略确定模块430包括：
图像旋转单元，用于根据所述扫描方向对所述肱骨图像进行旋转；
扫描中心确定单元，用于根据旋转后的肱骨图像和扫描中心确定规则，自动或半自动地确定所述待扫描区域的扫描中心。
可选的，扫描中心确定单元具体用于：
若所述肱骨图像为左肩肱骨图像，则筛选所述旋转后肱骨图像中与所述扫描对象的身体中心水平距离最大的像素点，确定为所述肱骨图像的扫描中心；
若所述肱骨图像为右肩肱骨图像，则筛选所述旋转后肱骨图像中与所述扫描对象的身体中心水平距离最小的像素点，确定为所述肱骨图像的扫描中心。
可选的，扫描策略确定模块430包括序列产生模块，该序列产生模块包括射频脉冲序列产生单元和梯度脉冲序列产生单元，其中：射频脉冲序列产生单元可根据扫描中心和扫描方向确定射频脉冲序列；梯度脉冲序列产生单元可根据扫描中心和扫描方向确定梯度脉冲序列，梯度脉冲序列可参照所述扫描策略设计。
可选的，扫描策略确定模块430包括射频模块和梯度模块，其中：射频模块可在射频脉冲序列驱动下产生相应的射频脉冲；梯度模块可在梯度脉冲序列驱动下产生相应的梯度脉冲。进一步地，射频脉冲进一步地激发受检者待扫描区域，产生磁共振信号。
本实施例的磁共振扫描装置还可包括接收模块，该接收模块具体可包括用于接收磁共振信号的射频接收线圈以及磁共振信号放大器、数模转换器等，接收模块采集磁共振信号，并对磁共振信号进行放大处理和数模转换处理。
本实施例的磁共振扫描装置还可包括图像重建模块，该接收模块可用于将磁共振信号填充到K空间，形成K空间数据；进一步地，对K空间数据进行傅里叶变换，可获得待扫描区域的磁共振图像。
本发明实施例提供的磁共振扫描装置可执行本发明任意实施例所提供的磁共振扫描方法，具备执行磁共振扫描方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种磁共振扫描系统的结构示意图，图5示出了适于用来实现本发明实施方式的示例性磁共振扫描系统的框图，图5显示的磁共振扫描系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
磁共振扫描系统包括磁共振扫描装置500和计算机600。
计算机600可以被用于实现实施本发明一些实施例中披露的特定方法和装置。本实施例中的特定装置利用功能框图展示了一个包含显示模块的硬件平台。在一些实施例中，计算机600可以通过其硬件设备、软件程序、固件以及它们的组合来实现本发明一些实施例的具体实施。在一些实施例中，计算机600可以是一个通用目的的计算机，或一个有特定目的的计算机。
如图5所示，计算机600可以包括内部通信总线601，处理器(processor)602，只读存储器(ROM)603，随机存取存储器(RAM)604，通信端口605，输入/输出组件606，硬盘607，以及用户界面608。内部通信总线601可以实现计算机600组件间的数据通信。处理器602可以进行判断和发出提示。在一些实施例中，处理器602可以由一个或多个处理器组成。通信端口605可以实现计算机600与其他部件(图中未示出)例如：外接设备、图像采集设备、数据库、外部存储以及图像处理工作站等之间进行数据通信。在一些实施例中，计算机600可以通过通信端口605从网络发送和接受信息及数据。输入/输出组件606支持计算机600与其他部件之间的输入/输出数据流。用户界面608可以实现计算机600和用户之间的交互和信息交换。计算机600还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘607，只读存储器(ROM)603，随机存取存储器(RAM)604，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器602所执行的可能的程序指令。
所述处理器执行程序时可用于执行一种磁共振扫描方法，所述方法包括：
获取扫描对象的待扫描区域的预扫描图像；
根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
脉冲序列发生器，用于生成对应的扫描脉冲序列，扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，其中，梯度脉冲序列参照所述扫描策略设计。
射频线圈，包括发射线圈和接收线圈，其中，发射线圈用于根据射频脉冲序列产生相应的射频脉冲，该射频脉冲用于激发待扫描区域的磁共振信号，可选地，发射线圈可设置成接收一体或者与超导线圈同轴设置；接收线圈用于接收上述磁共振信号，可选地，接收线圈可以包括阵列线圈、鸟笼线圈、体线圈等。
梯度线圈，可包括X轴、Y轴或者Z轴方向的梯度线圈，其中，X轴方向的梯度线圈可产生沿X方向的梯度场；Y轴方向的梯度线圈可产生沿Y方向的梯度场，Z轴方向的梯度线圈可产生沿Z方向的梯度场，三方向的梯度线圈可根据梯度脉冲序列产生相应的梯度脉冲，从而形成合成梯度场，梯度场可对磁共振信号进行编码。需要说明的是，本实施例中，梯度场和射频场的施加过程即为根据扫描策略对待扫描区域进行磁共振扫描。
所述处理器还可执行如下操作：磁共振信号编码后可形成多条数据线，将多条数据线填充如K空间，可得到K空间数据；对K空间数据进行傅里叶变换可得到待扫描区域的磁共振图像。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“子模块”、“引擎”、“单元”、“子单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
实施例六
本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的磁共振扫描方法。所述方法包括：
获取扫描对象的待扫描区域的预扫描图像；
根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
脉冲序列发生器，用于生成对应的扫描脉冲序列，扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，梯度脉冲序列参照所述扫描策略设计。
射频线圈，包括发射线圈和接收线圈，其中，发射线圈用于根据射频脉冲序列产生相应的射频脉冲，该射频脉冲用于激发待扫描区域的磁共振信号，可选地，发射线圈可设置成接收一体或者与超导线圈同轴设置；接收线圈用于接收上述磁共振信号，可选地，接收线圈可以包括阵列线圈、鸟笼线圈、体线圈等。
梯度线圈，可包括X轴、Y轴或者Z轴方向的梯度线圈，其中，X轴方向的梯度线圈可产生沿X方向的梯度场；Y轴方向的梯度线圈可产生沿Y方向的梯度场，Z轴方向的梯度线圈可产生沿Z方向的梯度场，三方向的梯度线圈可根据梯度脉冲序列产生相应的梯度脉冲，从而形成合成梯度场，梯度场可对磁共振信号进行编码。需要说明的是，本实施例中，梯度场和射频场的施加过程即为根据扫描策略对待扫描区域进行磁共振扫描。
所述处理器还可执行如下操作：磁共振信号编码后可形成多条数据线，将多条数据线填充如K空间，可得到K空间数据；对K空间数据进行傅里叶变换可得到待扫描区域的磁共振图像。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种磁共振扫描方法，其特征在于，包括：
获取扫描对象的待扫描区域的预扫描图像；
根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
根据所述扫描策略对所述待扫描区域进行磁共振扫描。
2.根据权利要求1所述的方法，其特征在于，所述待扫描区域为肩关节，所述自动或半自动地确定所述待扫描区域的扫描方向包括：
对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
根据所述肱骨图像确定所述待扫描区域肌腱方向，其中所述待扫描区域的肌腱方向包括横断面和冠状面的肌腱方向；
根据所述肌腱方向分别确定所述待扫描区域的横断面和冠状面扫描方向。
3.根据权利要求1所述的方法，其特征在于，所述待扫描区域为肩关节，所述自动或半自动地确定所述待扫描区域的扫描方向，包括：
对所述预扫描图像进行图像分割处理，获取所述肩关节的肱骨图像；
获取所述肱骨图像的肱骨中线，对所述肱骨中线进行线性拟合，计算所述肱骨图像的骨长轴方向，根据所述骨长轴方向确定所述待扫描区域矢状面的扫描方向。
4.根据权利要求2所述的方法，其特征在于，根据所述肱骨图像确定所述横断面的肌腱方向，包括：
根据所述肱骨图像的第一扫描层和第一采集规则确定所述横断面的第一预设区域，对所述第一预设区域的各像素点进行线性结构检测；
将所述各像素点的结构方向进行叠加，生成第一肌腱方向，确定为所述横断面的肌腱方向。
5.根据权利要求4所述的方法，其特征在于，根据所述肱骨图像的第一扫描层和第一采集规则确定所述横断面的第一预设区域，包括：
选择与所述第一扫描层相邻的第一预设数量的扫描层，所述第一预设数量的扫描层与第一初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第一预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第一预设区域。
6.根据权利要求4所述的方法，其特征在于，根据所述肱骨图像确定所述冠状面的肌腱方向，包括：
根据所述第一肌腱方向对所述肱骨图像进行旋转；
根据旋转后的肱骨图像的第二扫描层和第二采集规则确定所述冠状面的第二预设区域，并对所述第二预设区域的各像素点进行线性结构检测；
将所述各像素点的结构方向进行叠加，生成第二肌腱方向，确定为所述冠状面的肌腱方向。
7.根据权利要求6所述的方法，其特征在于，根据旋转后的肱骨图像的第二扫描层和第二采集规则确定冠状面的第二预设区域，包括：
选择与所述第二扫描层相邻的第二预设数量的扫描层，所述第二预设数量的扫描层与第二初始方向平行；
在所述各扫描层中确定以肱骨中心点为中心的第二预设范围的像素采集区域；
将所述各扫描层的像素采集区域合并，形成第二预设区域。
8.根据权利要求1-6任一项所述的方法，其特征在于，根据所述扫描策略对所述待扫描区域进行磁共振扫描，包括：
获取用于扫描区域进行磁共振扫描的脉冲序列，所述扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且所述梯度脉冲序列参照所述扫描策略设计；
激发所述射频脉冲序列以在所述待扫描区域产生磁共振信号；
激发所述梯度脉冲序列以对所述磁共振信号进行编码，生成K空间数据；
重建所述K空间数据，产生所述待扫描区域的磁共振图像。
9.一种磁共振扫描装置，其特征在于，包括：
预扫描图像获取模块，用于获取扫描对象的待扫描区域的预扫描图像；
扫描策略确定模块，用于根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
扫描模块，用于根据所述扫描策略对所述待扫描区域进行磁共振扫描。
10.一种磁共振扫描系统，包括磁共振扫描设备和计算机，其中计算机包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行如下程序：获取扫描对象的待扫描区域的预扫描图像；根据所述预扫描图像及预设规则自动或半自动地确定所述待扫描区域的扫描策略，所述扫描策略包括扫描中心和扫描方向；
脉冲序列发生器，用于生成对应的扫描脉冲序列，所述扫描脉冲序列包括梯度脉冲序列和射频脉冲序列，且所述梯度脉冲序列参照所述扫描策略设计；
射频线圈，用于根据所述射频脉冲序列产生相应的射频脉冲，所述射频脉冲用于激发待扫描区域的磁共振信号；
梯度线圈，用于根据所述梯度脉冲序列产生相应的梯度脉冲，所述梯度脉冲用于对所述磁共振信号进行编码。
CN201710717649.9A 2017-08-21 2017-08-21 一种磁共振扫描方法、装置及系统 Active CN107527339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710717649.9A CN107527339B (zh) 2017-08-21 2017-08-21 一种磁共振扫描方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710717649.9A CN107527339B (zh) 2017-08-21 2017-08-21 一种磁共振扫描方法、装置及系统

Publications (2)

Publication Number Publication Date
CN107527339A true CN107527339A (zh) 2017-12-29
CN107527339B CN107527339B (zh) 2021-02-09

Family

ID=60681690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710717649.9A Active CN107527339B (zh) 2017-08-21 2017-08-21 一种磁共振扫描方法、装置及系统

Country Status (1)

Country Link
CN (1) CN107527339B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523561A (zh) * 2018-12-19 2019-03-26 睿仁佳心(上海)科技有限公司 自动腹内肌肉和脂肪图像分割方法
CN109976646A (zh) * 2019-03-22 2019-07-05 上海沈德医疗器械科技有限公司 磁共振扫描控制和影像传输方法、服务端和程序
CN112581460A (zh) * 2020-12-24 2021-03-30 上海联影医疗科技股份有限公司 扫描规划方法、装置、计算机设备和存储介质
CN113393500A (zh) * 2021-05-28 2021-09-14 上海联影医疗科技股份有限公司 脊柱扫描参数获取方法、装置、设备和存储介质
CN113924503A (zh) * 2019-04-08 2022-01-11 Umc乌得勒支控股有限公司 时域磁共振的参数图确定
CN113924503B (zh) * 2019-04-08 2024-06-11 Umc乌得勒支控股有限公司 时域磁共振的参数图确定

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103099619A (zh) * 2011-11-09 2013-05-15 株式会社东芝 磁共振成像装置
CN103142230A (zh) * 2013-03-27 2013-06-12 深圳安科高技术股份有限公司 一种磁共振定位扫描的方法及装置
US20150168522A1 (en) * 2013-12-18 2015-06-18 Samsung Electronics Co., Ltd. Magnetic resonance imaging apparatus and method of operating the same
CN106842089A (zh) * 2017-01-23 2017-06-13 上海联影医疗科技有限公司 一种磁共振成像方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103099619A (zh) * 2011-11-09 2013-05-15 株式会社东芝 磁共振成像装置
CN103142230A (zh) * 2013-03-27 2013-06-12 深圳安科高技术股份有限公司 一种磁共振定位扫描的方法及装置
US20150168522A1 (en) * 2013-12-18 2015-06-18 Samsung Electronics Co., Ltd. Magnetic resonance imaging apparatus and method of operating the same
CN106842089A (zh) * 2017-01-23 2017-06-13 上海联影医疗科技有限公司 一种磁共振成像方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523561A (zh) * 2018-12-19 2019-03-26 睿仁佳心(上海)科技有限公司 自动腹内肌肉和脂肪图像分割方法
CN109523561B (zh) * 2018-12-19 2021-04-02 睿佳(武汉)软件科技有限公司 自动腹内肌肉和脂肪图像分割方法
CN109976646A (zh) * 2019-03-22 2019-07-05 上海沈德医疗器械科技有限公司 磁共振扫描控制和影像传输方法、服务端和程序
CN113924503A (zh) * 2019-04-08 2022-01-11 Umc乌得勒支控股有限公司 时域磁共振的参数图确定
US11867786B2 (en) 2019-04-08 2024-01-09 Umc Utrecht Holding B.V. Parameter map determination for time domain magnetic resonance
CN113924503B (zh) * 2019-04-08 2024-06-11 Umc乌得勒支控股有限公司 时域磁共振的参数图确定
CN112581460A (zh) * 2020-12-24 2021-03-30 上海联影医疗科技股份有限公司 扫描规划方法、装置、计算机设备和存储介质
CN112581460B (zh) * 2020-12-24 2023-08-18 上海联影医疗科技股份有限公司 扫描规划方法、装置、计算机设备和存储介质
CN113393500A (zh) * 2021-05-28 2021-09-14 上海联影医疗科技股份有限公司 脊柱扫描参数获取方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN107527339B (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN107527339A (zh) 一种磁共振扫描方法、装置及系统
US11783451B2 (en) Systems and methods for reducing colored noise in medical images using deep neural network
EP1382297B1 (en) Three-dimensional joint structure measuring method
US6373998B2 (en) Image processing electronic device for detecting dimensional variations
CN100562291C (zh) 一种针对ct图像的处理装置、方法及系统
US7672517B2 (en) Method for encoding image pixels a method for processing images and a method for processing images aimed at qualitative recognition of the object reproduced by one or more image pixels
US4945478A (en) Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like
CN101596110B (zh) 心脏mri中视场的自动确定
CN101596111B (zh) 在心脏电影磁共振成像中对左心室的自动定位
CN103562960B (zh) 用于生成图像的图像区域与元素类之间的分配的装置
US20030113003A1 (en) Method and system for segmentation of medical images
CN106600609A (zh) 一种医学图像中脊柱的分割方法及系统
JP2004033749A (ja) Ｐｅｔ腫瘍画像に関する半自動セグメント分割アルゴリズム
US20090123049A1 (en) Nodule Detection
CN107644420A (zh) 基于中心线提取的血管图像分割方法、核磁共振成像系统
CN111462071B (zh) 一种图像处理方法和系统
CN107656224A (zh) 一种磁共振成像方法、装置及系统
CN110097546B (zh) 一种评估膝关节软骨组织缺损的方法及装置
US20200129114A1 (en) Automatic computerized joint segmentation and inflammation quantification in mri
CN112946547A (zh) 用于从校准图像生成诊断扫描参数的系统和方法
CN106650734A (zh) 定位图像子区域识别方法、医学图像显示方法及装置
Kapouleas Automatic detection of white matter lesions in magnetic resonance brain images
CN107656225A (zh) 磁共振频率校准方法、磁共振成像方法及系统
CN1531904A (zh) 运行成像医疗检查设备的方法
CN110111318A (zh) 一种环形伪影的检测方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant