CN108601552B - 医学成像和医学成像信息的有效共享 - Google Patents

Abstract

MRI图像处理和分析系统可以识别MRI流数据(例如相干性)中的结构的实例，基于所识别的结构，导出轮廓和/或临床标记。所述系统可以远离一个或更多个MRI获取系统设置，并且执行：执行对MRI数据集的误差检测和/或校正(例如，相位误差校正、相位混叠、信号解缠，和/或对其他伪影)；分割；叠加在解剖结构上的流(例如速度、动脉对静脉流、分流)的可视化；量化；验证；和/或生成特定患者的4D流协议。异步命令和成像数据通道允许以及时和安全的方式甚至在复杂或者大的医学成像数据集和元数据的情况下进行远程图像处理和分析。

Description

医学成像和医学成像信息的有效共享

背景技术

技术领域

本公开总体上涉及磁共振成像(MRI)，例如四维(4D)流MRI，以及通过通信网络或通道共享医学成像和其他信息。

相关技术

虽然MRI能够用于其他领域中，但MRI最常用于医学成像。MRI机包括主磁体，该主磁体通常是具有中心或纵向孔的环形线圈阵列。主磁体能够产生强的稳定磁场(例如0.5特斯拉到3.0特斯拉)。将孔的尺寸确定为容纳待成像对象(例如人体)的至少一部分。在用于医学成像应用中时，MRI机可以包括允许容易地将俯卧患者滑动或者滚动到孔中或者到孔之外的患者平台。

MRI机还包括梯度磁体。该梯度磁体产生相对于由主磁体产生的磁场较小的可变磁场(例如，180高斯到270高斯)，允许对对象(例如，患者)的所选部分成像。MRI机还包括被操作以对待成像对象(例如，患者)的所选部分施加射频能的射频(RF)线圈。不同的RF线圈可以用于对不同的结构(例如解剖结构)成像。例如，一组RF线圈可以适用于对患者颈部成像，而另一组RF线圈可以适用于对患者的胸部或者心脏成像。MRI机通常包括另外的磁体，例如电阻性磁体和/或永磁体。

MRI机通常包括计算机系统或者通信地耦接到计算机系统，该计算机系统用于控制磁体和/或线圈和/或用于执行成像处理以产生被成像的对象的部分的图像。常规地，MRI机产生表示物理结构(例如解剖结构)的幅值数据集。该数据集通常符合医学数字成像和通信(DICOM)标准。DICOM文件通常包括预定格式的像素数据和元数据。

发明内容

本文描述了改进4D流成像的各种方法。

一种使用基于磁共振成像(MRI)的医学成像系统来自动校正相位混叠的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度；针对多个体素中的至少一些体素中的每个体素，通过所述至少一个处理器识别速度编码参数附近的流速中的剧变梯度；由所述至少一个处理器连接被识别为具有剧变梯度的所有体素以限定封闭的边界；由所述至少一个处理器确定所述封闭的边界中的所有体素是否是混叠的；以及响应于确定所述封闭的边界中的所有体素是混叠的：由所述至少一个处理器将速度编码参数的倍数与所述封闭的边界中的体素中的每个体素的速度相加；或者由所述至少一个处理器将所述速度编码参数的倍数与所述封闭的边界中的体素中的每个体素的速度相减。

所述方法还可以包括：响应于确定所述封闭的边界中的并非所有体素是混叠的，由所述至少一个处理器分析所述封闭的边界中的相邻体素的相应的速度；以及由所述至少一个处理器至少部分地基于所分析的相邻体素的相应的速度，来修改所述封闭的边界中的体素中的每个体素的速度。修改所述封闭的边界中的体素中的每个体素的速度，可以包括：对体素中的每个体素的速度修改使相邻体素间的不连续性最小化所确定的量。确定所述封闭的边界中的所有体素是否是混叠的，可以包括：确定所述封闭的边界中相邻体素之间是否存在任何剧变梯度。

一种使用基于磁共振成像(MRI)的医学成像系统的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度信息；由所述至少一个处理器限定解剖结构内的体积；通过所述至少一个处理器使表示解剖结构内的体积的多个体素中的至少一些体素的速度场的散度最小化；以及通过所述至少一个处理器至少部分地基于最小化的速度场的散度，来校正表示解剖结构内的体积的多个体素中的至少一些体素的速度信息。校正多个体素中的至少一些体素的速度信息，可以包括：校正多个体素中的至少一些体素的x速度、y速度和z速度。最小化速度场的散度，可以包括：利用最小化散度的约束构造速度场的最小二乘散度自由近似。最小化速度场的散度，可以包括：迭代地最小化速度场的剩余散度。

一种使用基于磁共振成像(MRI)的医学成像系统来自动校正相位混叠的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度信息；由所述至少一个处理器分析所述MRI数据集以识别对应于心搏周期的舒张期峰值的时间点；由所述至少一个处理器分析在心搏周期的至少一部分内的多个体素中的至少一些体素的速度的变化；以及通过所述至少一个处理器至少部分地基于对在心搏周期的至少一部分内的多个体素中的至少一些体素的速度的变化的分析，校正多个体素中的至少一些体素的速度中的误差。

分析多个体素中的至少一些体素的速度的变化以及校正多个体素中的至少一些体素的速度中的误差，可以包括：针对多个体素中的至少一些体素中的每个，由所述至少一个处理器跟踪心搏周期中的连续时间点之间的速度中的变化；由所述至少一个处理器确定如果速度变化了多于速度编码参数的幅值则混叠已经发生；响应于确定混叠已经发生，如果速度减少了多于速度编码参数，则由所述至少一个处理器递增缠绕计数；或者如果速度增加了多于速度编码参数，则由所述至少一个处理器递减缠绕计数；以及针对每个时间点，由所述至少一个处理器至少部分地基于体素的累计缠绕计数修改速度。至少部分地基于体素的累计缠绕计数来修改速度，可以包括：将速度增加等于累计缠绕计数与两倍速度编码参数的乘积的量。

所述方法还可以包括：由所述至少一个处理器确定在心搏周期内累计缠绕计数是否为零；以及响应于确定在心搏周期内累计缠绕计数不为零，由至少一个处理器生成误差信号。

所述方法还可以包括：由所述至少一个处理器跟踪在心搏周期内累计缠绕计数不为零的体素的数量。

所述方法还可以包括：由所述至少一个处理器仅对在心搏周期内累计缠绕计数不为零的体素校正速度中的误差。

所述方法还可以包括：由所述至少一个处理器识别多个体素中的哪些可能代表血流；以及由所述至少一个处理器至少部分地基于对多个体素中的哪些可能代表血流的识别，来选择多个体素中的至少一些体素用于分析。

一种使用基于磁共振成像(MRI)的医学成像系统来自动校正由于涡流引起的伪影的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度信息；由所述至少一个处理器接收对多个体素中的哪些体素表示静态组织的指示；由所述至少一个处理器至少部分地基于表示静态组织的体素的速度信息来确定至少一个涡流校正参数；以及由所述至少一个处理器至少部分地基于所确定的至少一个涡流校正参数来修改多个体素的速度信息。

接收对多个体素中的哪些体素表示静态组织的指示，可以包括：由所述至少一个处理器过滤所述MRI数据以掩蔽空气的区域；由所述至少一个处理器过滤所述MRI数据以掩蔽血流的区域；以及由所述至少一个处理器过滤所述MRI数据以掩蔽非静态组织的区域。过滤所述MRI数据以掩蔽空气的区域，可以包括：掩蔽具有低于所确定的阈值的解剖图像值的区域。

所述方法还包括：由所述至少一个处理器分析解剖图像值的直方图以确定所确定的阈值。

所述方法还包括：由所述至少一个处理器经由通信地耦接到所述至少一个处理器的用户接口接收至少一个过滤器参数。

一种使用基于磁共振成像(MRI)的医学成像系统来自动设置多平面重建的方向的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度信息；由通信地耦接到所述至少一个处理器的显示器呈现所述MRI数据；通过所述至少一个处理器接收对血流的中心区域的选择；通过所述至少一个处理器确定血流的中心区域中的血流的方向；以及响应于确定血流的方向，通过所述至少一个处理器调整所述多平面重建的方向，以使所述多平面重建位于垂直于血流的确定方向的平面上。确定血流的中心区域中的血流的方向，可以包括：确定对应于峰值血流的时间点；以及确定在对应于峰值血流的时间点处的血流的方向。

一种使用基于磁共振成像(MRI)的医学成像系统来自动量化解剖体积中的血流的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度信息；由所述至少一个处理器识别可以包括血池的MRI数据集中的解剖体积；由所述至少一个处理器识别至少近似垂直于解剖体积中的血流的标记上的平面；由所述至少一个处理器生成由所述平面与解剖体积的相交限定的轮廓；以及由所述至少一个处理器确定通过所生成的轮廓中的体素的总血流。确定通过所生成的轮廓中的体素的总血流，可以包括：针对所生成的轮廓中的每个体素，由所述至少一个处理器确定所述平面的法向向量和体素的速度向量的点积；以及由所述至少一个处理器对所生成的轮廓中体素中的每个体素的所确定的点积求和。

所述速度信息可以包括多个速度分量，并且，确定通过所生成的轮廓中的体素的总血流，可以包括：针对每个速度分量，在所产生的轮廓的平面中生产速度多平面重建(MPR)，速度MPR中的每个包括具有至少与体素中每个体素的尺寸类似的像素间隔的多个MPR像素；针对所生成的轮廓内的每个MPR像素，由所述至少一个处理器确定平面的法向向量与由来自所生成的速度MPR的像素值组成的速度向量的点积；以及由所述至少一个处理器对所生成的轮廓中的MPR像素中的每个像素的所确定的点积求和。

一种使用医学成像系统来自动确定特定区域的体积的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的图像数据集，所述图像数据集包括多个体素中的每个体素的相应的解剖结构信息；由所述至少一个处理器接收对感兴趣的体积的主轴的指示；由所述至少一个处理器生成沿着感兴趣的体积的主轴的多个间隔开的切片平面；对于多个切片平面中的每一个，由所述至少一个处理器生成闭合轮廓，所述闭合轮廓限定感兴趣的体积在切片平面处的边界；由所述至少一个处理器生成连接所有切片平面的轮廓的三维表面；以及由所述至少一个处理器确定三维表面的体积。所述图像数据集可以包括多个时间点处的多个体素中的每个体素的相应解剖结构信息，并且所述方法可以包括：针对多个时间点中的每个，由所述至少一个处理器生成沿着感兴趣的体积的主轴的多个间隔开的切片平面；针对多个切片平面中的每个，由所述至少一个处理器生成闭合轮廓，所述闭合轮廓定义感兴趣的体积在切片平面处的边界；由所述至少一个处理器生成连接所有切片平面的轮廓的三维表面；以及由所述至少一个处理器确定三维表面的体积。接收对主轴的指示，可以包括：接收对包括直轴或弯曲轴中之一的主轴的指示。所述图像数据集可以包括多个时间点处的多个体素中的每个体素的相应的解剖结构信息，并且所述主轴可以包括在多个时间点中的至少一些时间点间移动的主轴。接收对主轴的指示，可以包括：接收对多条轴的指示。

一种使用医学成像系统来自动生成连接的掩蔽的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的图像数据集，所述图像数据集包括空间中的多个位置中的每个位置的相应的解剖结构信息；由所述至少一个处理器识别种子位置；由所述至少一个处理器识别种子位置的强度值；以及由所述至少一个处理器从种子位置向外遍历到其他位置，以根据泛洪填充(flood fill)标准泛洪填充所连接的掩蔽，泛洪填充标准至少包括所述位置中的每个位置的强度值是否在种子位置的强度值的特定阈值内。

所接收的图像数据集可以包括三维图像数据，并且所述方法还可以包括：由所述至少一个处理器根据所接收的图像数据生成二维多平面重建。从种子位置向外移动到其他位置以泛洪填充掩蔽，可以包括：根据可以包括连通性标准的泛洪填充标准，从种子位置向外移动到其他位置以泛洪填充掩蔽。从种子位置向外移动到其他位置以泛洪填充掩蔽，可以包括：根据泛洪填充标准，从种子位置向外移动到其他位置以泛洪填充掩蔽，泛洪填充标准包括半径约束或泛洪填充步骤数约束中的至少一个。

所述方法还可以包括：由所述至少一个处理器生成由所连接的掩蔽的边缘限定的轮廓；以及由所述至少一个处理器至少部分地基于所生成的轮廓生成近似轮廓，近似轮廓是与所生成的轮廓相近似的轮廓。生成近似轮廓，可以包括：使用将控制点放置在高曲率的区域处的样条，来生成近似轮廓。

所述方法还可以包括：由所述至少一个处理器以确定的膨胀因子使所述近似轮廓膨胀，以生成膨胀的近似轮廓。

一种使用医学成像系统的操作方法可以概括为，包括：由至少一个处理器接收表示解剖结构的图像数据集，所述图像数据集包括三维空间中的多个位置中的每个位置的相应的解剖结构信息；由所述至少一个处理器跟踪所述解剖结构在多个时间点的位置和方向；在多个时间点中的每个时间点处，由所述至少一个处理器生成所述解剖结构的轮廓；以及由所述至少一个处理器使用所生成的轮廓来确定与所述解剖结构相关联的测量值。使用所生成的轮廓来确定与所述解剖结构相关联的测量值，可以包括：考虑所述解剖结构在多个时间点中的至少一些时间点上的移动。考虑所述解剖结构的移动，可以包括：考虑所述解剖结构在多个时间点中的至少一些时间点上的线速度和角速度。使用所生成的轮廓来确定与所述解剖结构相关联的测量值，可以包括：确定通过所述解剖结构的流。

所述方法还可以包括：由所述至少一个处理器在显示器上呈现多个时间点处的所述解剖结构的多平面重建，其中，所述多平面重建的位置和方向跟踪在多个时间点上所生成的轮廓。

所述方法还可以包括：由所述至少一个处理器在显示器上呈现所述解剖结构的多平面重建；以及如果所述多平面重建与所生成的轮廓不在同一平面内，由所述至少一个处理器将所生成的轮廓呈现为半透明。

一种基于处理器的设备可以具有至少一个处理器和通信地耦接到至少一个处理器的至少一个非临时性处理器可读介质，并且所述基于处理器的设备可操作的执行以上方法中的任一个。

附图说明

在附图中，相同的附图标记表示相似的元件或动作。不一定按比例地绘制附图中元件的大小和相对位置。例如，不一定按比例地绘制各种元件的形状和角度，并且这些元件中的一些可以任意地放大和定位以提高附图的易读性。另外，如绘制的元件的特定形状不一定旨在传达关于特定元件的真实形状的任何信息，并且可以仅仅是为了在附图中易于识别而进行了选择。

图1是根据一个图示实施例的，包括至少一个MRI获取系统和至少一个图像处理系统的联网环境的示意图，该MRI获取系统位于临床环境中，并且该图像处理系统远离该MRI获取系统的位置并且通过一个或更多个网络与其通信地耦接。

图2是根据一个图示实施例的MRI获取系统和提供MRI图像处理与分析服务的MRI图像处理和分析系统的功能性框图。

图3A-3B是根据一个图示实施例的能够由至少一个处理器执行的示例推送进程的流程图。

图4A-4B是根据一个图示实施例的能够由至少一个处理器执行的监视伪影和归档的示例处理的流程图。

图5是根据一个图示实施例的PHI服务管道的示意图。

具体实施方式

在以下描述中，阐述了某些具体细节以便提供对各种公开实施例的透彻理解。然而，相关领域的技术人员将认识到，可以在没有这些具体细节中的一个或更多个的情况下，或者利用其他方法、组件、材料等实践实施例。在其他情况下，与MRI机、计算机系统、服务器计算机和/或通信网络相关联的众所周知的结构未被详细示出或描述以避免不必要地使对实施例的描述模糊。

除非上下文另有要求，否则在整个说明书和权利要求书中，词语“包括”及其变形与“包含”是同意并且是开放式的(即，不排除其他的未记载的元件或方法动作)。

在整个说明书中，引用“一个实施例”或“实施例”意味着结合实施例描述的特定特性、结构或特征被包括在至少一个实施例中。因此，在整个说明书的多个地方出现的短语“在一个实施例中”或“在实施例中”不一定都指的是相同的实施例。此外，特定特性、结构或特征可以以任何合适的方式组合成一个或更多个实施例。

如在该说明书和所附权利要求中所使用的，除内容明确地另外指定之外，单数形式“一个”，“一种”和“该”包括复数指示物。还应该注意，除内容明确指定之外，术语“或”通常以包括“和/或”的意义来使用。

本文提供的公开的标题和摘要仅仅是为了方便，并不解释实施例的范围或含义。

本文中描述的许多实施例利用4D流MRI数据集，其大致捕获在一段时间上的针对三维体积的MRI幅值和相位信息。该方法可以允许在不需要屏气或者同步或选通到患者的心搏周期或者肺动周期的情况下捕获或获取MRI数据集。而是，捕获或获取MRI数据集，并且例如通过基于心搏和肺动周期重新合并所获得的信息来利用图像处理和分析以获得期望的信息。这实质上将通常是时间密集型的获取操作推到图像处理和分析阶段。作为简化的比喻，在一些方面，这可以被认为是捕获解剖结构(例如，胸、心脏)的影像，而不关注患者的肺动或心搏周期，处理所捕获影像以考虑由肺动和心搏周期引入的相对运动。所捕获的信息包括指示解剖结构的幅值信息和指示速度的相位信息。所述相位信息认可静态和非静态组织之间的区别，例如允许将非静态组织(例如，血液、空气)与静态组织(例如，脂肪、骨骼)区别开。所述相位信息还允许将特定的非静态组织(例如，空气)与其他非静态组织(例如，血液)区别开。这可以有利地允许在组织之间自动甚或自主地进行分割，和/或将动脉血流与静脉血流区别开。这可以有利地允许自动甚或自主地生成可以叠加到解剖信息上的流可视化信息。这还可以有利地允许自动甚或自主地进行流量化，识别异常和/或验证结果。

工作流程可以大致分为三个部分，按顺序为：1)图像获取，2)图像重建，和3)图像处理或后处理及分析。可替代地，工作流程可以成为：1)操作，2)预处理，和3)可视化及量化。

图像获取可以包括确定、定义、生成或以其他方式设置一个或更多个脉冲序列，该脉冲序列用于运行MRI机(例如控制磁体)和获取原始的MRI。使用4D流脉冲序列不仅允许捕获由幅值表示的解剖结构，而且允许捕获由相位表示的速度。在本文中描述的方法或技术中的至少一个中，特定于患者的4D脉冲序列的生成在图像获取部分期间进行或者作为图像获取部分的一部分。图像重建可以例如采用快速傅里叶变换，并且生成通常呈与DICOM标准兼容的形式的MRI数据集。图像重建常规地为计算密集型，其通常依赖于超级计算机。对此的要求对于许多医疗设施而言是显著的负担。本文中描述的许多方法和技术在成像处理器或者后处理和分析期间进行或者作为其一部分。这能够包括误差检测和/或误差校正、分割、可视化(包括流相关信息与解剖结构的图像的融合)、量化、异常(包括分流)的识别、验证(包括对伪数据的识别)。可替代地，误差检测和/或误差校正可以在预处理部分期间进行。

图1示出了根据一个图示实施例的联网环境100，其中，一个或更多个MRI获取系统102(示出了一个)经由一个或更多个网络106a、106b(示出了两个，总体为106)通信地耦接到至少一个图像处理和分析系统104。

MRI获取系统102通常位于临床设施，例如医院或专用医学成像中心。如本文中解释的，各种技术和结构可以有利地允许图像处理和分析系统104位于远离MRI获取系统102的位置。图像处理和分析系统104可以例如位于另一建筑物、城市、州、省乃至国家。

MRI获取系统102可以例如包括MRI机108、计算机系统110和MRI操作员系统112。MRI机108可以包括主磁体114，主磁体114通常是具有中心或纵向孔116的环形线圈阵列。主磁体108能够产生强的稳定磁场(例如0.5到3.0特斯拉)。孔116的尺寸被确定为容纳待成像对象(例如人体118)的至少一部分。在用于医学成像应用中时，MRI机108通常包括允许容易地将俯卧患者118滑动或者滚动到孔116中或者到孔之外的患者平台120。

该MRI机还包括一组梯度磁体122(仅示出一个)。梯度磁体122产生相对于由主磁体114产生的磁场较小的可变磁场(例如，180高斯到270高斯)，允许对对象(例如患者)的所选部分进行成像。

MRI机108还包括射频(RF)线圈124(仅示出一个)，RF线圈124工作以向待成像对象(例如，患者118)的所选部分施加射频能。不同的RF线圈124可以用于对不同的结构(例如解剖结构)进行成像。例如，一组RF线圈124可以适用于对患者颈部进行成像，而另一组RF线圈124可以适用于对患者的胸部或者心脏进行成像。MRI机108通常包括另外的磁体，例如电阻性磁体和/或永磁体。

MRI机108通常包括或者通信地耦接到用于控制磁体和/或线圈114、122、124的基于处理器的MRI控制系统126。基于处理器的控制系统126可以包括一个或更多个处理器、非临时性计算机或者处理器可读存储器、驱动电路和/或与MRI机108连接的接口部件。在一些实施中，基于处理器的控制系统126还可以对由MRI操作生成的数据执行一些预处理。

MRI操作员系统128可以包括计算机系统130、显示器或显示装置132、小键盘和/或键盘134、和/或光标控制设备，光标控制设备是例如鼠标136、操纵杆、触摸板、轨迹球等。MRI操作员系统128可以包括或者读取来自一个或更多个非临时性计算机或者处理器可读介质(例如，诸如磁盘或光盘之类的旋转介质138)的计算机或者处理器可执行指令。操作员系统128可以允许技术人员操作MRI机108以捕获来自患者118的MRI数据。本文中描述的各种技术、结构和特征可以允许由技术人员操作MRI机108而不需要出现临床医师或内科医师。这样可以有利地显著降低MRI过程的成本。还是如本文中所述，各种技术、结构和特征可以允许与利用传统技术相比更加快速地执行MRI过程。这样可以有利地允许对于每个MRI设备的更大的处理量，将资本密集型装置的成本分摊在数量大得多的过程上。例如，高计算能力计算机可以位于远离临床环境的位置，并且可以用于为多个医疗设施提供服务。本文中描述的各种技术、结构和特征还可以另外地或者可替代地有利地缩短每位患者暴露在MRI过程的时间，减轻或者缓和通常伴随着经受MRI过程的焦虑。例如，通过本文中描述的图像处理和分析技术消除对屏气和/或与患者肺动和/或心搏周期同步的需要可以显著地将获取时间减小至例如8到10分钟。

图像处理和分析系统104可以包括一个或更多个服务器139用以处理进入的请求和响应，以及一个或更多个渲染或图像处理和分析计算机140。服务器139可以例如采用执行服务器软件或指令的一个或更多个服务器计算机、工作站计算机、超级计算机或者个人计算机的形式。一个或更多个渲染或图像处理和分析计算机140可以采用执行图像处理和/或分析软件或指令的一个或更多个计算机、工作站计算机、超级计算机或者个人计算机的形式。一个或更多个渲染或图像处理和分析计算机140通常会采用一个、优选地多个图形处理单元(GPU)或者GPU核心。

图像处理和分析系统104可以包括对处理器可执行指令和/或数据或其他信息进行存储的一个或更多个非临时性计算机可读介质142(例如，磁盘或光学硬盘、RAID、RAM、Flash)。图像处理和分析系统104可以包括一个或更多个图像处理和分析操作员系统144。图像处理和分析操作员系统144可以包括计算机系统146、监视器或显示器148、小键盘和/或键盘150和/或光标控制设备，光标控制设备是例如鼠标152、操纵杆、触摸板、轨迹球等。图像处理和分析操作员系统144可以通过一个或更多个网络(例如LAN 154)通信地耦接到渲染或图像处理和分析计算机140。虽然许多图像处理技术和分析可以完全自动地进行，但是所述图像处理和分析操作员系统可以允许技术人员对从患者捕获的MRI数据执行特定的图像处理和/或分析操作。

虽然被图示为单个非临时性计算机或者处理器可读存储介质142，但是在许多实施中，非临时性计算机或者处理器可读存储介质142可以由多个非临时性存储介质构成。该多个非临时性存储介质可以通常位于共同的位置，或者分布在多个远程位置处。因此，原始MRI数据、预处理后的MRI数据和/或处理后的MRI数据的数据库可以在一个或者跨多于一个非临时性计算机或者处理器可读存储介质中实施。这种数据库可以彼此独立地存储在单独的计算机或者处理器可读存储介质142上，或者可以彼此存储在同一计算机或者处理器可读存储介质142。计算机或者处理器可读存储介质142可以与图像处理和分析系统104共置一处，例如在同一房间、建筑物或者设施中。可替代地，计算机或者处理器可读存储介质142可以位于远离图像处理和分析系统104的位置，例如在不同设施、城市、州或者国家中。电子或数字信息、文件或记录或其他信息集可以储存在非临时性计算机或处理器可读介质142中的特定位置，因此是这种介质的可以连续或者可以不连续的可逻辑寻址的部分。

如上所述，图像处理和分析系统104可以位于远离MRI获取系统102的位置。MRI获取系统102和图像处理与分析系统104能够例如经由一个或更多个通信通道(例如局域网(LAN)106a和广域网(WAN)106b)进行通信。网络106可以例如包括分组交换通信网络，例如互联网、互联网的万维网部分、外联网、和/或内联网。网络106可以采取各种其他类型的通信网络的形式，例如蜂窝电话和数据网络和普通老式电话系统(POTS)网络。通信基础结构的类型不应认为是限制性的。

如图1所示，MRI获取系统102通信地耦接到第一LAN 106a。第一LAN 106a可以是由或者为临床设施操作的网络，为该临床设施提供了局域通信。第一LAN 106a通信地耦接到WAN(例如互联网)106b。第一防火墙156a可以为第一LAN提供安全。

还是如图1所示，图像处理和分析系统104通信地耦接到第二LAN 154。第二LAN154可以是由或者为图像处理设施或者实体操作的网络，为该图像处理设施或者实体提供了局域通信。第二LAN 154通信地耦接到WAN 106b(例如互联网)。第二防火墙156b可以为第二LAN 154提供安全。

图像处理设施或者实体可以独立于临床设施，例如，向一个、两个或许多临床设施提供服务的独立公司。

虽然未图示，但是通信网络可以包括一个或更多个另外的联网设备。该联网设备可以采用任何多种形式，包括服务器、路由器、网络交换器、网桥和/或调制解调器(例如，DSL调制解调器、电缆调制解调器)等。

虽然图1图示了代表性联网环境100，通常的联网环境可以包括许多另外的MRI获取系统、图像处理和分析系统104、计算机系统、和/或实体。本文中教导的构思可以以相似的方式用于比图示的更加稠密的联网环境。例如，单个实体可以向多个诊断实体提供图像处理和分析服务。该诊断实体中的一个或更多个可以操作两个或更多个MRI获取系统102。例如，大型医院或专业医学成像中心可以在一个设施处操作两个、三个乃至更多个MRI获取系统。通常，提供图像处理和分析服务的实体会操作多个实体，可以提供包括两个、三个乃至几百个渲染或图像处理和分析计算机140的多个图像处理和分析系统104。

图2示出了联网环境200，其包括一个或更多个图像处理和分析系统104(仅图示了一个)和一个或更多个相关联的非临时性计算机或者处理器可读存储介质204(仅图示了一个)。相关联的非临时性计算机或者处理器可读存储介质204经由一个或更多个通信通道(例如，一个或更多个并行电缆、串行电缆或能够例如经由

(USB)2或3、和/或

进行高速通信的无线信道)通信地耦接到图像处理和分析系统104。

联网环境200还包括一个或更多个末端MRI获取系统102(仅图示一个)。MRI获取系统102通过一个或更多个通信通道(例如一个或更多个广域网(WAN)210，例如互联网或者其万维网部分)通信地耦接到图像处理和分析系统104。

在操作中，MRI获取系统102通常充当图像处理和分析系统104的客户端。在操作中，图像处理和分析系统104通常充当接收来自MRI获取系统102的请求或信息(例如，MRI数据集)的服务器。本文中描述的是采用异步命令和成像管道的整个过程，该过程允许远离(例如，通过WAN)MRI获取系统102地执行图像处理和分析。该方法提供了诸多有特色的优点，例如允许MRI获取系统102由技术人员操作，而不需要出现临床医师(例如，内科医师)。还描述了增强安全性，同时允许访问医学成像数据以及特定于私人患者的健康信息的各种技术或方法。

虽然被图示为位于远离MRI获取系统102的位置，但是在一些实施中，图像处理和分析系统104可以与MRI获取系统102共置一处。在其他实施中，本文中描述的操作或功能中的一个或更多个可以由MRI获取系统102来执行或者经由与MRI获取系统102共置一处的基于处理器的设备来执行。

图像处理和分析系统104接收MRI数据集，对MRI数据集执行图像处理，并且将处理后的MRI数据集提供给例如临床医师以便审核。图像处理和分析系统104可以例如对MRI数据集执行误差检测和/或校正(例如，相位误差校正、相位混叠检测、信号解缠，和/或对各种伪影的检测和/或校正)。相位误差与相位相关，相位混叠也是如此。信号解缠与幅值相关。各种其他伪影可能与相位和/或幅值相关。

图像处理和分析系统104可以例如在各种组织类型之间执行分割、区别。图像处理和分析系统104例如可以执行量化，例如比较流入和流出闭合的解剖结构或者通过两个或更多个解剖结构的血流。图像处理和分析系统104可以有利地利用量化来验证结果，例如确认对某一种组织的识别和/或提供对结果中的确定性结果的数量的指示。此外，图像处理和分析系统104可以有利地利用量化来识别分流的存在。

在一些实施中，图像处理和分析系统104可以生成反映血流的图像，例如包括在动脉血流和静脉血流之间进行区别。例如，图像处理和分析系统104可以采用第一颜色图(例如，蓝色)来指示动脉血流，并采用第二颜色图(例如，红色)来指示静脉血流。图像处理和分析系统104可以利用一些其他区别性颜色或者视觉上着重显示来指示像差(例如，分流)。描述了多种不同的技术，用于在不同组织之间以及在动脉血流和静脉血流之间进行区别。流的可视化可以例如作为一个或更多个层叠加在解剖的视觉表示或者幅值数据上。

在一些实施中，图像处理和分析系统104可以生成特定于患者的4D流协议，以便在对于特定的患者操作MRI获取系统102时使用。其可以包括设置对于MRI机的操作而言适当的速度编码(VENC)。

图像处理和分析系统104可以在没有人工输入的情况下自主地执行这些操作或者功能中的一个或更多个。可替代地，图像处理和分析系统104可以基于人工输入(例如，识别点、位置或平面或以其他方式识别解剖组织的特征的人工输入)来执行这些操作或者功能中的一个或更多个。可以预先限定一些平面和/或视图，允许操作员、用户或临床医师简单地选择平面(例如，瓣膜平面)或者被命名的视图(例如，2个腔室的视图、3个腔室的视图、4个腔室的视图)以快速且容易地获取期望的视图。

联网环境200可以采用其他计算机系统和网络装置，例如另外的服务器、代理服务器、防火墙、路由器和/或网桥。图像处理和分析系统104在本文中有时会以单数的形式提及，但是其并非旨在将实施例限制成单个设备，这是由于在通常的实施例中，可以涉及多于一个的图像处理和分析系统104。除非另外描述，否则图2中所示的各个方框的构造和操作为常规设计。因此，由于这些方框会被相关领域的技术人员所理解，所以本文中不需要进一步详细地描述这些方框。

图像处理和分析系统104可以包括一个或更多个处理单元212a、212b(整体为212)、系统存储器214、以及将各个系统部件(包括系统存储器214)耦接到处理单元212的系统总线216。处理单元212可以是任何逻辑处理单元，例如一个或更多个中央处理单元(CPU)212a、数字信号处理器(DSP)212b，专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。系统总线216可以采用任何已知的总线结构或构造，包括具有存储器控制器的存储器总线、外设总线、和/或本地总线。系统存储器214包括只读存储器(“ROM”)218和随机存取存储器(“RAM”)220。能够构成ROM 218的一部分的基本输入输出系统(BIOS)222包括有助于例如在启动期间在图像处理和分析系统104内的元件之间进行信息传输的基本例程。

图像处理和分析系统104可以包括：用于从硬盘226读取以及向硬盘226写入的硬盘驱动器224、用于从可移除光盘232读取以及向可移除光盘232写入的光盘驱动器228、和/或用于从磁盘234读取以及向磁盘234写入的磁盘驱动器230。光盘232能够是CD-ROM，而磁盘234能够是磁性软盘或软磁盘。硬盘驱动器224、光盘驱动器228和磁盘驱动器230可以经由系统总线216而与处理单元212通信。如相关领域技术人员知道的，硬盘驱动器224、光盘驱动器228和磁盘驱动器230可以包括耦接在这些驱动器和系统总线216之间的接口或控制器(未示出)。驱动器224、228和230及其相关联的计算机可读介质226、232、234提供了对计算机可读指令、数据结构、程序模块和用于图像处理和分析系统104的其他数据的非临时性存储。虽然所描绘的图像处理和分析系统104被图示为采用硬盘224、光盘228和磁盘230，但是相关领域技术人员会理解可以采用能够存储可由计算机访问的数据的其他类型的计算机可读介质，例如WORM驱动器、RAID驱动器、盒式磁带、闪存卡、数字视频光盘(“DVD”)、伯努利盒式磁带、RAM、ROM、智能卡等。

程序模块能够被存储在系统存储器214中，例如操作系统236、一个或更多个应用程序238、其它程序或模块240和程序数据242。应用程序238可以包括使处理器212对MRI数据集执行图像处理和分析的指令。例如，应用程序238可以包括使处理器212对与相位或者速度相关的数据执行相位误差校正的指令。例如，应用程序238可以包括使处理器212校正相位混叠的指令。还例如，应用程序238可以包括使处理器212执行信号解缠的指令。可替代地或者另外地，应用程序238可以包括使处理器212确定和/或校正伪影的指令。

应用程序238可以包括使处理器212例如在各种组织类型之间执行分割和区别的指令。应用程序238可以包括使处理器212执行量化(例如，比较流入和流出闭合的解剖结构或者通过两个或更多个解剖结构的血流)的指令。应用程序238可以包括使处理器212利用量化来验证结果(例如确认对某一种组织的识别和/或提供对结果中的确定性结果的数量的指示)的指令。应用程序238可以包括使处理器212利用量化来识别分流的存在的指令。

应用程序238可以包括使处理器212生成反映血流的图像(例如在动脉血流和静脉血流之间进行区别)的指令。例如，可以采用第一颜色图(例如，蓝色)指示动脉血流，并采用第二颜色图(例如红色)指示静脉血流。可以利用一些其他区别性颜色或视觉着重显示来指示色差(例如分流)。可以应用颜色传输功能来生成颜色图。应用程序238可以包括使处理器212将流的可视化(例如，指示血流速度和/或体积的MRI相位数据)叠加在解剖的可视化或渲染图像(例如MRI幅值数据)上的指令。该指令可以使得流的可视化被渲染为解剖的图像上的一个或更多个层，以提供解剖(即，幅值)和流(即，相位)信息的融合，例如渲染为颜色热图和/或具有方向和幅值(例如，由长度、线宽表示)的向量(例如，箭头图标)。该指令可以另外地或者可替代地使得生成可覆盖或叠加到解剖结构的空间映射或可视化上的信号色散、紊流和/或压力的空间映射或可视化。将与相位或速度相关的信息的可视化与解剖信息的可视化或者解剖结构的视觉表示进行融合可以促进对解剖标记的识别。该指令可以利用图形处理单元或者GPU的集合或者阵列来快速地对可视化表示进行渲染。

还可以应用传输功能以确定将哪种视觉效果(例如，颜色)应用于哪种组织。例如，可以以蓝色色调为动脉血流着色，并且可以以红色色调为静脉血流着色，而可以着色为黄色。可以例如利用灰度等级来对表示为MRI图像数据集中的幅值的解剖结构进行可视化。视图深度可以是能够由操作员或者用户例如通过图形用户界面上的滑块控件调节的。因此，可视化表示可以具有有利地将速度信息的视觉表示与解剖信息视觉表示或表现的进行融合的融合视图的形式。

应用程序238可以包括使处理器212生成特定于患者的4D流协议的指令，该特定于患者的4D流协议用于在与特定患者操作MRI获取系统102时使用。其可以基于例如由技术人员提供的特定于患者的输入，并且可以基于用于获取MRI数据集的特定MRI机。

应用程序238可以包括使处理器212从MRI获取系统接收图像数据集，处理和/或分析该图像数据集，并且以时间敏感和安全的方式将处理后和/或分析后的图像和其他信息提供给位于远离图像处理的位置的用户。本文中参照各个附图对此进行了详细的描述。

系统存储器214还可以包括通信程序，例如使图像处理和分析系统104通过互联网、内联网、外联网、电信网络或者如下所述的其他网络为电子信息或文件提供服务的服务器244。在所描绘的实施例中，服务器244是基于标记语言的，例如超文本标记语言(HTML)、可扩展标记语言(XML)或无线标记语言(WML)，并与使用添加到文档数据以表示文档的结构的语法分隔字符的标记语言一起进行操作。多种合适的服务器可以在市场上购得，例如从来自Mozilla、Google、Microsoft和苹果电脑的服务器。

虽然在图2中示出为存储在系统存储器214中，但是操作系统236、应用程序238、其他程序/模块240、程序数据242和服务器244能够存储在硬盘驱动器224的硬盘226上、光盘驱动器228的光盘232上和/或磁盘驱动器230的磁盘234上。

操作员能够通过输入设备，例如触摸屏或键盘246和/或定点设备(例如鼠标248)和/或通过图形用户界面，将命令和信息输入到图像处理和分析系统104中。其他输入设备能够包括麦克风、操纵杆、游戏垫、平板电脑、扫描仪等。这些和其他输入设备通过接口250连接到处理单元212中的一个或更多个，接口250例如是耦接到系统总线216的串行端口接口，但是还可以使用其他的接口，例如并行端口、游戏端口或无线接口或通用串行总线(“USB”)。监视器252或者其他显示设备通过视频接口254(例如视频适配器)耦接到系统总线216。图像处理和分析系统104能够包括其他输出设备，例如扬声器、打印机等。

图像处理和分析系统104能够在使用逻辑连接到一个或更多个远程计算机和/或设备的联网环境200中工作。例如，图像处理和分析104能够在使用逻辑连接到一个或更多个MRI获取系统102的联网环境200中工作。通信可以通过有线和/或无线网络架构(例如，有线和无线的企业范围的计算机网络、内联网、外联网、和/或互联网)进行。其他实施例可以包括其他类型的通信网络，包括电信网络、蜂窝网络、寻呼网络和其他移动网络。在图像处理和分析系统104、MRI获取系统102之间的通信路径中可以存在各种类型的计算机、交换设备、路由器、网桥、防火墙以及其他设备。

MRI获取系统102通常会采用MRI机108以及一个或更多个相关联的基于处理器的设备(例如，MRI控制系统126和/或MRI操作员系统128)的形式。MRI获取系统102从患者捕获MRI信息或者数据集。因此，在一些情况下，MRI获取系统102可以被命名为前端MRI获取系统或MRI捕获系统，以将其与在一些情况下可以命名为MRI后端系统的MRI图像处理和分析系统104区别开。MRI获取系统102在本文中有时会各自以单数形式被提及，但是其不旨在将实施例限制为单个MRI获取系统102。在典型实施例中，可能会存在多于一个的MRI获取系统102，并且在联网环境200中很可能会存在大量的MRI获取系统102。

MRI获取系统102通信地耦接到一个或更多个服务器计算机(未示出)。例如，MRI获取系统102可以通过一个或更多个诊断设施的服务器计算机(未示出)、路由器(未示出)、网桥(未示出)、LAN 106a(图l)等而通信地耦接，其可以包括或者实施防火墙156a(图1)。服务器计算机(未示出)可以执行服务器指令集，以充当用于通过临床设施处或者场所处的LAN106a通信地耦接的多个MRI获取系统102(即，客户端)的服务器，并且因此充当MRI获取系统102与MRI图像处理和分析系统104之间的中介。MRI获取系统102可以执行一组客户端指令，以充当通过WAN通信地耦接的服务器计算机的客户端。

MRI控制系统126通常包括一个或更多个处理器(例如，微处理器、中央处理单元、数字信号处理器、图形处理单元)和非临时性处理器可读存储器(例如，ROM、RAM、闪存、磁盘和/或光盘)。MRI操作员系统128可以采用执行适当指令的计算机的形式，例如个人计算机(例如，台式机或笔记本电脑)、上网本电脑、平板电脑、智能电话、个人数字助理、工作站计算机和/或大型机计算机等。

MRI操作员系统128可以包括一个或更多个处理单元268、系统存储器269和将各个系统部件(包括系统存储器269)耦接到处理单元268的系统总线(未示出)。

处理单元268可以是任何逻辑处理单元，例如，一个或更多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、图形处理单元(GPU)等。在市场上可购买的计算机系统的非限制性示例包括(但不限于)美国英特尔公司的80x86或奔腾系列微处理器、IBM公司的PowerPC微处理器、Sun Microsystems公司的Sparc微处理器、惠普公司的PA-RISC系列微处理器、摩托罗拉公司的68xxx系列微处理器、ATOM处理器、或A4或A5处理器。除非另外描述，否则图2中所示的MRI获取系统102的各个块的构造和操作为常规设计。因此，本文中不需要进一步详细地描述这些块，这是由于它们会被相关领域的技术人员所理解。

所述系统总线能够采用任何已知的总线结构或者构架，包括具有存储控制器的存储器总线、外设总线和本地总线。系统存储器269包括只读存储器(“ROM”)270和随机存取存储器(“RAM”)272。能够构成ROM 270的一部分的基本输入输出系统(“BIOS”)271包括有助于例如在启动期间在MRI获取系统102内的元件之间进行信息传输的基本例程。

MRI操作员系统128还可以包括用于从计算机可读介质274(例如，硬盘、光盘和/或磁盘)读取和向计算机可读介质274中写入的一个或更多个介质驱动器273(例如，硬盘驱动器、磁盘驱动器、WORM驱动器和/或光盘驱动器)。非临时性计算机可读存储介质274可以例如采用可移除介质的形式。例如，硬盘可以采用温彻斯特(Winchester)驱动器的形式，光盘能够采用CD-ROM的形式，而磁盘能够采用磁性软盘或软磁盘的形式。介质驱动器273通过一个或更多个系统总线与处理单元268通信。如相关领域技术人员知道的，介质驱动器273可以包括耦接在这些驱动器和系统总线之间的接口或控制器(未示出)。介质驱动器273及其相关联的非临时性计算机可读存储介质274为MRI获取系统102提供了对计算机可读指令、数据结构、程序模块和其他数据的非临时性存储。虽然被描述为采用计算机可读存储介质274(诸如硬盘、光盘和磁盘)，但是相关领域技术人员会理解，MRI操作员系统128可以采用能够存储可由计算机访问的数据的其他类型的非临时性计算机可读存储介质，例如盒式磁带、闪存卡、数字视频光盘(“DVD”)、伯努利墨盒式磁带、RAM、ROM、智能卡等。数据或信息(例如电子或数字文件或与此相关的数据或元数据)能够存储在非临时性计算机可读存储介质274中。

程序模块(例如操作系统、一个或更多个应用程序、其他程序或模块、以及程序数据)能够存储在系统存储器269中。程序模块可以包括用于访问网站、外联网站点或其他站点或服务(例如，网页服务)和相关联的网页、其他页面、屏幕或由MRI处理和分析系统104托管或提供的服务的指令。

特别地，系统存储器269可以包括通信程序，该通信程序允许MRI获取系统102与由MRI处理和分析系统104提供的MRI图像处理和/或分析服务交换电子或数字信息或文件或数据或元数据。该通信程序例如可以是允许MRI获取系统102访问信息、文件、数据和/或元数据以及与源(例如互联网、企业内部网、外联网或其他网络的网站)交换所述信息、文件、数据和/或元数据的网页客户端或者浏览器。这可能需要终端用户客户端具有足够的权限、许可、特权或职权以访问给定网站，例如由MRI图像处理和分析系统104托管的网站。如本文中所论述的，患者识别数据可以存在于由临床设施操作或者用于临床设施的系统上，并且可以不可被或者通过由图像处理设施或图像处理设施人员操作或者用于图像处理设施或图像处理设施人员的系统访问。浏览器可以例如是基于标记语言的，例如超文本标记语言(HTML)、可扩展标记语言(XML)或无线标记语言(WML)，并可以与使用添加到文档数据以表示文档的结构的语法分隔字符的标记语言一起操作。

虽然被描述为存储在系统存储器269中，但是操作系统、应用程序、其他程序/模块、程序数据和/或浏览器能够存储在介质驱动器273的计算机可读存储介质274上。操作员能够通过输入设备，例如触摸屏或键盘276和/或定点设备277(例如，鼠标)经由用户界面275将命令和信息输入到MRI操作员系统128中。其他输入设备能够包括麦克风、操纵杆、游戏板、平板电脑、扫描仪等。这些和其他输入设备通过接口连接到处理单元269，所述接口例如是耦接到系统总线的串行端口接口，但是还可以使用其他的接口，例如并行端口、游戏端口或无线接口或通用串行总线(“USB”)。显示器或者监视器278可以通过视频接口(例如视频适配器)耦接到系统总线。MRI操作员系统128能够包括其他输出设备，例如扬声器、打印机等。

所述MRI图像处理和分析系统可以建立静态界面，该静态界面允许将各种不同组织类型从MRI 4D流数据集减去或者增加到MRI 4D流数据集中。例如，可以将静态组织(例如脂肪或骨骼)与非静态组织(例如空气或流动的血)区别开。所述MRI图像处理和分析系统还可以自主地在各种不同的非静态组织之间进行区别，例如在空气(例如，肺)与流动的血之间进行区别。此外，所述MRI图像处理和分析系统可以在动脉血流与静脉血流之间进行区别。

例如，所述MRI图像处理和分析系统可以用快速傅里叶变换来识别期望具有脉动的模式或波形的血液组织。在将相邻体素的速度进行比较时，空气或肺会倾向于在限定体积上具有随机出现的模式。例如，具有较强或较快速度的体素通常指示空气。MRI数据集可以相当大，例如256x256x256x20个时间点。所述MRI图像处理和分析系统可以依赖于梯度(例如，梯度下降法)来检测不同的组织类型，并且可以有利地采用数值法而不是解析解法来快速地处理相对较大的MRI数据集。通过控制数值法的有效数字的数量(例如，2)，所述MRI图像处理和分析系统可以达到非常快(例如1秒相对于30分钟)的结果，同时仍然获得对于特定应用而言足够精确的结果。

在一些实施方式中，可以从患者MRI数据集中减去不同的组织类型，一次一个。例如，减去空气或肺，减去血液，将动脉流与静脉流分离，减去骨骼，留下脂肪。值得注意的是，脂肪是静态的，因此代表脂肪的每个体素应当具有与之相关联的零速度。所述MRI图像处理和分析系统可以有利地采用该基础事实以校正所有组织类型的MRI数据集。

如果针对脂肪类型的组织发现了非零速度，则这能够用于调节整个数据集(例如，对于所有组织)。例如，所述MRI图像处理和分析系统可以基于识别的区域或体积(例如脂肪或软组织)来生成或创建多项式模型。该多项式模型可以是简单的多项式(例如，ax²+bx+c)或者复杂得多的多项式(例如，非有理均匀的b样条)。所述MRI图像处理和分析系统可以例如利用线性回归技术或者线性代数技术来找到拟合图像的多项式的系数。这产生可以使MRI图像处理和分析系统应用(例如，从其中减去)到整个范围(不仅是脂肪或软组织)的模型。

在一个实施中，对复制体进行成像，以创建能够从实际的患者数据中减去的参考数据集或“幻影”模型。复制体可以由模拟实际体的MRI响应的材料构成，但是不会具有血流。参考数据集或者“幻影”模型中的相位梯度可以代表噪声(例如，随机噪声)，并且能够用于校正相位偏移。该方法有利地避免了对生成拟合3D数据的多项式的需要。虽然如果MRI机被检修或者移动，应该生成新的参考数据集或幻影模型，但是所生成的参考集或幻影模型在MRI机操作的数月期间都可以是有效的。

所述MRI图像处理和分析系统可以定义用于移除不同的组织类型或者用于移除静脉血流或动脉血流的各种过滤器或掩膜。过滤器或掩膜可以移除异常血流，例如在一定合理范围外(例如，太高或太快、太慢或太低)的血流或者在不应该有血流的解剖结构(例如，骨骼)中血表现为在流动处的血流。过滤器或掩膜还可以被定义为仅显示具有大于某一阈值的绝对值的幅值的体素。过滤器或掩膜还可以被定义为仅显示具有幅值和速度向量的叉积的绝对值大于某一限定阈值的绝对值的体素。此外，过滤器或掩膜可以被定义为仅示出具有与相邻体素的向量在相同方向的向量的体素，以例如识别或者查看高速度射流。值得注意的是，相邻体素的速度向量处于不同的方向上可能指示噪声。

预处理

质量守恒校正误差减少

该预处理算法的目标是校正流数据(分割、流量化和背景相位误差校正)。有3个流数据集需要校正：i)x速度、ii)y速度和iii)z速度。由于成像伪影(例如紊流)和噪声，流数据将被偏置。为了校正这种情况，使用质量守恒(即物理原理)来校正流数据。质量守恒告诉我们，随着时间的推移，闭合系统的质量必须保持不变，因为如果系统质量未被添加或移除，系统质量就不能改变数量。因此，如果在心脏内(即心室和血管的内腔边缘)定义边界，则如果流体是不可压缩的，那么进入固定体积的流必须与流出该体积的流匹配。该理论能够应用于任何体积。在血流情况下，我们假设血液密度是恒定的，并且因此连续性方程简化为意味着速度场的散度在任何地方都是零。在物理上，这相当于说局部体积膨胀率为零(即，du/dx+dv/dy+dw/dz＝0)。在任何地方都不可能强制这种情况，但局部体积膨胀能够在所有时间点上最小化。有几种不同类型的算法会使du/dx+dv/dy+dw/dz最小化，但最常见的是会生成流场的最小二乘散度自由近似的算法。有几种方式利用最小化散度的约束来构造流场的最小二乘近似，以及几种不同的算法来实现这一点。

通常，有一种迭代方法，该迭代方法涉及试图将具有每次通过的残余散度最小化。此外，已知血管/室的确切边界对于确保通过边界的通量为零是重要的。在没有所述边界的情况下，流可以被允许逸入到心肌和脂肪内。另外，图像中可能存在伪影(即由紊流引起)。如果用户识别存在伪影(“坏数据”)的区域，则该区域不用于影响“良好数据”区域中的速度值校正。

解决这个问题的另一种方法是使用优化：尝试最小化散度，同时确保尽可能少地改变原始向量场(以仍然采集局部效应并防止平滑)。

除了壁面剪切应力之外，动量守恒能够应用于之后的动作来估计整个血管的压力梯度。该质量守恒步骤对确保精确的压力估计是至关重要的。

使用时域的自动相位混叠校正

当为4D流扫描设置的VENC过低导致速度值“缠绕”时，相位混叠发生；从大的正值到大的负值，反之亦然。原则上，这种缠绕能够发生多于一次。

通过分析速度数据的总体时间变化，可以确定心搏周期的主要点(在别处描述)。在假设图像中在舒张期峰值处没有速度混叠下，并且在还假设空间中单点处的速度实际上从一个时间点到下一个时间点变化不多于+/-VENC下，能够通过以如下方式检查空间中每个点的时间变化来校正相位混叠：

i)识别舒张期峰值时间点，并假设在该点处不存在相位混叠。

ii)单独检查每个获取的速度分量的时间行为。

iii)对于每个速度图像中的空间(体素)中的每个点，跟踪速度从一个时间点到下一个时间点的变化。如果观察到速度变化多于+/-VENC，则假设已经发生混叠。

iv)当检测到混叠时，如果观察到的速度减少了多于VENC则针对该点的缠绕计数递增，或者如果观察到的速度增加了多于VENC，则针对该点的缠绕计数递减。

v)在每个时间点，通过增加缠绕计数与两倍VENC的乘积，速度根据该点的当前累计的缠绕计数而改变。

vi)一旦当前时间点已经返回到最初的舒张期峰值起始点，检查缠绕计数是否已经返回到零值。如果缠绕计数没有返回到零，那么应该将该点在空间(体素)中的处理视为误差。

通过使用其他方法来确定感兴趣的像素，可以改进该方法并使其更加高效。例如，可以使用其他方法来确定最可能代表血流并仅处理这些像素的像素。

这种方法也具有自我诊断的特征和优点。对于所有有效的血液体素(例如，相对于空气)的缠绕计数应当在该体素随着时间的推移的处理已经完成时返回到零。通过体素的基础可以跟踪体素上的误差，尽管这具有该误差检测方法不保证捕捉每个误差体素的弱点。然而，另外，通过根据应用校正的像素的数量寻找较低的整体误差率，人们能够确定该方法所需的必要初始假设是否基本正确。

自动相位混叠校正

当为4D流扫描设置的VENC过低时，相位混叠发生。很容易找到由于以下而被混叠的体素：

i)每次扫描的VENC是已知的，因为该信息位于所有DICOM图像的头文件中。

ii)识别流速度在+/-VENC速度附近的剧变变化(即，如果VENC设置在100cm/s，寻找速度在+/-99cm/s附近的剧变变化)。速度中的剧变变化意味着体素可以具有100cm/s的速度值，并且相邻体素具有-99cm/s的值。

iii)然后通过连接在+/-VENC附近具有剧变梯度的所有体素来找到混叠区域的边缘。

iv)这产生封闭的边界。确定封闭边界的区域中的所有体素是否有混叠。通过在边界处开始并朝向3D区域的形心移动，系统能够询问每个体素以确保没有显著的跳跃(跨越VENC)。

v)如果没有遇到陡峭的跳跃，则能够将VENC速度添加到混叠区域内的所有体素。

vi)如果遇到陡峭的跳跃，则问题变得更具一点挑战性(但仍然可以解决)。在这种情况下，体素可以被缠绕几次(即，如果VENC被设置为100cm/s，但体素处的速度实际上是499cm/s，则其将被缠绕2次，并且速度将被显示为99cm/s)。校正数据的方式是查看相邻体素的速度。如果存在大于多于1.5倍VENC的跳跃，则需要在该封闭区域增加或减去2*VENC。选择增加或减去是为了最小化相邻体素间的不连续性。

vii)为了进一步改进算法，关于何处是静态组织的信息对定义绝对零度在哪里能够是至关重要的。由于静态组织具有0速度，因此被识别为静态组织的那些体素必须不被缠绕。那么，由于物理特性(即，流体边界层)，必然存在远离壁的速度的连续增加。在所有这一切中的唯一的假设就是相邻体素彼此之间不具有多于1.5*VENC的跳跃。

样条实时涡流校正

当进行MRI获取时，数据可能包括由于磁场中的涡流引起的伪影。在其中获取粒子速度的4D流获取中，伪影会使速度值不正确。在4D流和2D相位差(“2D PC”)的情况下，具有精确的速度数据以便量化通过血管的血流是至关重要的。

用于校正涡流伪影的至少一种技术涉及：

-静态(零速度)组织的体积分割；和

-使用这些静态位置处的速度数据来使曲线拟合能够从原始数据中减去的体积。

尽管可以使用单独的速度像素来计算模型，但所得到的矩阵非常大，并且计算可能花费非常长的时间。为了加速计算，可以将体积分成块网格，以产生实际上是降低分辨率的速度体积。块的尺寸可以由用户调节，但是例如通常为8mm×8mm×8mm。然后可以对单个块进行掩蔽或分配值，该值表示由块定义的区域内的平均无掩蔽速度。为了被分配值(换句话说，被认为是无掩蔽的)，区域的用户可调节分数(例如，50％)应当是无掩蔽的。然后使用该降低的分辨率体积中的无掩蔽速度值计算模型。

产生涡流误差模型的一种方法是使用样条基函数来填充掩蔽区域，其中样条的阶可以由于可用控制值的数量而变化(最简单的选项是控制值之间的分段线性函数)。样条是在所有三个主要方向的控制点之间产生的。然后对三个产生的模型求平均以产生单个模型，并且平滑最终结果。

产生涡流误差模型的第二种方法是将低阶三维多项式直接拟合到降低分辨率体积中的无掩蔽速度值。

由于体积的分辨率大大降低，这两种方法都是高效的选项，并且能够在运行时容易地执行。

一旦产生涡流误差的降低的分辨率模型，就将其上采样到原始分辨率，并且然后从原始数据中减去。在减去后，静态组织的有效速度应为零，并且非静态组织将去除涡流伪影。这将允许精确的流量化。基于对我们测试数据的分析，这种新颖创新方法的结果是表示体积中误差的平滑的3D时变函数，并且计算非常快。

基于对我们测试数据的分析，这种新颖创新方法的结果是表示体积中的误差的平滑的3D时变函数，并且计算非常快。

对于上采样到原始分辨率的最后步骤，我们应用校正算法的方法是使用来自校正体积的三线性采样，这证明是成功的。对于源体积中的每个元素，我们在校正体积中执行八个元素的三线性混合，并从源数据中减去该值。在应用我们的新校正函数后，发现流测量值在3％的误差内。此外，由于处理的部分需要用户交互，所以对实时性能的要求也得到满足，是因为评估和应用我们的新校正花费大约几毫秒而不是几小时。

用于背景相位误差校正的实体

4D流MRI扫描中的血液速度信息有需要校正的误差，以便获得精确的血流计算。静态组织中的误差信号能够用于为非静态组织提供校正功能(在其他地方描述)。能够创建被称为实体的三维组织体积以识别静态组织或非静态组织的部分。能够使用两种方法创建实体：

正交轮廓：用户能够手动绘制一些数量的(通常是三个并且通常是正交的)由封闭轮廓定义的交叉圆柱体。这些轮廓的交叉表示静态组织或非静态组织的实体三维体积。这些轮廓不需要完全正交的，并且用户能够在任何位置创建轮廓。

3D泛洪：用户也能够选择通过指定三维泛洪的起始点来自动创建实体。泛洪能够用于包括相位图像的任何图像上。该图像基于低于和高于用户点击的点处的值的阈值进行泛滥。用户能够控制阈值和生成的泛洪的最大半径。

能够使用任一种方法创建多个实体，以标记静态组织和非静态组织二者的区域。与非静态组织相关的掩蔽被添加在一起。然后根据需要使用与静态组织相关联的掩蔽覆盖或揭露先前掩蔽的区域。

在一些情况下，图像中会出现伪影。需要删除或强调伪影，以便防止用户给出不正确的诊断。我们的软件具有预处理步骤(即涡流校正)，其基于数据集中的所有体素来计算度量。为了避免这些预处理步骤，使用工具来识别具有伪影的体素，并且将这些体素从任何预处理步骤中移除(但为了可视化目的而不移除)。该工具能够是手动分割工具(即，具有伪影的用户圈定区域)，或者识别伪影的半自动/自动分割工具。无论具体的工具如何，我们的软件需要移除“坏体素”的功能，以防止被量化。

自动背景相位误差校正

精确测量4D流MRI扫描中的速度需要对由涡流引入的误差信号应用校正。通过检查静态(非移动)组织中的速度信号来确定完成涡流校正(ECC)。这需要掩蔽所有移动的组织、血液和空气。本申请描述了一种自动完成此操作的方法，无需用户干预。自动校正是有用的，因为它不仅使软件更简单，并且更快速地使用，它还允许在用户首次打开研究时对校正预先计算和应用。这也是非常重要的，因为它允许其他预处理算法，如自动分割和测量等，以从ECC中受益。

通过计算三个过滤器的初始起始值来完成自动ECC，然后用户在打开研究后自由调整。通过掩蔽低于设置阈值的解剖图像值的区域来掩蔽空气。该阈值通过分析整个扫描的体积的解剖图像值的直方图来自动确定。对于胸腔的这些值的直方图显示允许自动检测对应于空气的图像值的模式。

此外，还开发了两种过滤器，可以可靠地检测血流区域和心脏壁运动区域。通过适当设置这两个过滤器，能够令人满意地掩蔽心脏区域。由于生产这些过滤器时所使用的标准化以及其自然一致的性质，仅通过将这些过滤器设置为预定值(例如50％)就能够获得令人满意的结果。这些过滤器的自动设置可以通过分析这些过滤器产生的值来进一步改善(或调整)，类似于先前段落中针对探测空气的区域所描述的。这些设置也可以通过检查产生的ECC并寻找在心搏周期中示出的很大变化的区域来调整。

然后仅将这些过滤器的正确值(在研究被预处理时确定的)与其他研究信息一起存储在数据库中，从而允许客户端软件在研究首次打开时将其设置为默认值。

可视化

时间标记量化和可视化

能够识别身体中并且特别是心脏中的标记(即，点、线、面、区域、体积)是有用的。几个标记本质上是动态的(例如，二尖瓣膜平面)，并且因此重要的是及时跟踪他们的运动：

点：随着时间的推移跟踪3D路径(这是一条线)。

线：随着时间的推移跟踪2个端点的3D路径。

面：随着时间的推移跟踪面上的点和面的法向向量。

区域：随着时间的推移跟踪膨胀轮廓、轮廓形心和轮廓法向向量。

体积：随着时间的推移使体积表面离散并跟踪每个离散后的点。

对时间标记量化和可视化有两个动作：

1)检测：第一步是随着时间的推移确定标记。这能够手动或自动完成。

手动检测：用户能够指示每个标记的位置和方向。这样做的一种方法可以是使用平移和转动来导航图像，以便图像的中心在标记的所期望的位置。标记的位置在不同时间点可能是不同的，并且会在用户尚未对其明确设置的时间点内插。它向用户指示是否内插了标记。

2)显示：根据标记的类型，使用不同类型的方法来显示数据。例如，如果轮廓不随时间的推移而移动或改变其法向向量(即，仅膨胀)，则有意义的是，用户的视平面不变并且总是与轮廓对齐。如果该轮廓确实移动了，我们能够想象跟随该平面，使得视图总是与每个时间点的平面对齐。视平面能够根据拉格朗日视角，或者根据欧拉视角。对于体积，在体积的表面膨胀处，欧拉视角更适合，并且能够利用固定在空间中的相机(用户可以根据需要更改相机位置)将其可视化。

心脏的视图：一旦已经检测到标记，左心室心尖、右心室心尖、二尖瓣、三尖瓣、主动脉瓣和肺动脉瓣就能够用于创建右心室和左心室的双腔室视图、三腔室视图、四腔室视图和短轴视图。在Mayo诊所心搏MR指南中指定了这些视图的方向。能够根据标记的位置计算每个视图的方向和缩放级别。如果标记的位置随时间改变，则视图将相应地随时间改变。

对于每个视图的示例标记：

左二腔室：主动脉瓣、二尖瓣、三尖瓣、左心室心尖

左三腔室：主动脉瓣、二尖瓣、左心室心尖

左四腔室：三尖瓣、二尖瓣、左心室心尖

左短轴：二尖瓣、左心室心尖

右二腔室：肺动脉瓣、三尖瓣、二尖瓣、右心室心尖

右三腔室：肺动脉瓣、三尖瓣、右心室心尖

右四腔室：三尖瓣、二尖瓣、右心室心尖

右短轴：三尖瓣、右心室心尖

基于交互式标记的视图

一旦已经放置了某些标记(例如主动脉瓣、二尖瓣、左心室心尖、前乳头肌、后乳头肌、肺动脉瓣、三尖瓣、右心室心尖、LPA、RPA、SVC、IVC、降主动脉)就能够创建自动视图来显示感兴趣的解剖。临床医师习惯于以3个垂直视图观察特定标记，或者在心脏情形中使用4腔室视图或者左心室或右心室2或3腔室视图来观察特定标记。通过更新时间点之一的只有1标记的位置，所有视图都会相应地更新，使得视图总是垂直或者2、3和4腔室视图保持不变。一旦放置了标记并且自动生成了视图，就能够将这些视图保存在软件的报告部分中并且以任何格式(即图像)导出，包括电影影像格式(即随时间推移的多个图像)。

由闭合轮廓创建4D网络

一旦沿着(可能是弯曲的)短轴为每个时间点放置轮廓后，然后为每个时间点独立地生成网络。这通过如下来完成：使短轴堆栈中的每个轮廓转动以最小化扭曲，并且然后生成连接每个轮廓中第一个点的开放三次样条、连接第二个点的第二样条、对于轮廓中的每个点以此类推(每个切片的轮廓都具有相同的点数)。这个过程的结果是圆柱形的网格点，我将其作为网络的顶点。

最小化扭曲的过程通过如下来完成：计算从一个轮廓的形心到上述轮廓的形心的开放三次Hermite样条，并且然后从下方轮廓上的每个点运行该样条，直到它与其上方的轮廓所在的平面相交。系统计算该交点，并且然后确定这些交点中的哪个交点与上部轮廓中的实际轮廓点最接近。然后转动轮廓，使得这两个点位于同一长轴样条上。

当轮廓为合理的圆形并且相邻轮廓之间的差异在空间上最小时，当前的实施对于弯曲轴和直轴都能产生相当好的效果。然而，在轮廓不是圆形的右心室的情况下，当前实施有时引入过度扭曲。为了对其最小化，我们应该摆脱长轴样条方法，并切换到任何两个切片之间的三角形数量可能不同的方法。这样做可以更大限度地最小化局部扭曲，从而产生整体更平滑的网络。

对齐流工具

精确观察或测量4D流扫描中的血流需要用户对齐MPR，使得其垂直于流的方向。这描述了一种用于创建允许用户自动设置MPR的正确方向的工具的方法。

为了对齐MPR，用户首先激活工具，并然后点击正在考虑的血流的中心区域。然后，点击的点作为对齐MPR时的转动中心，将点击的点移动到生成的MPR的中心。通过对点击的点周围的小区域中的血流求平均来完成对齐。为了精确地做到这一点，无论用户使用工具时当前正在查看的时间点如何，都会使用与峰值血流相对应的时间点来完成测量。这通常意味着在收缩期峰值进行测量。

虽然允许用户调节收缩期峰值的时间点，但是该点首先由执行软件在数据集的预处理期间自动确定，并且当用户首次打开研究时，该自动值被用作默认值。已经开发了一种过滤器(在其他地方描述)，用于自动确定扫描体积内的血流区域。然后通过检查被确定为对应于血液的过滤或掩蔽区域内的整体流的时间依赖性来确定收缩期峰值。

一旦流的方向已精确确定，就简单地调节MPR的方向使得其位于垂直于流的平面上。

量化

自动血流量化

通过首先隔离血池(参见本文描述的分割方法)并在大致垂直于腔室/血管中的流的标记(其能够使用以上方法定义)上放置平面(即，平面的法线与流对齐)，能够自动量化腔室和/或血管中的血流。一旦已经完成了这两个动作，平面和血池之间的相交就会形成轮廓。轮廓内的所有体素都被标记。接下来对于每个体素，(除了通过体素的面积进行归一化之外)将平面的法向向量与该体素的速度向量的点积求和，以给出总流。该轮廓处的流能够自动显示在屏幕上或在最终可以输出的报告中。

允许用户选择图像上的位置有许多重要的应用。在进行测量时，用户可能想要测量从一点到另一点的距离。在使用来自数据体积的MPR的应用中，图像上的点表示3D空间中的位置。很容易从与图像相关的元数据中计算出这些3D点。在使用立体渲染的应用中，由于每个像素可能处于不同的深度，因此允许用户选择3D空间中的点更困难。

在典型的前至后体积射线投射中，随着alpha合成函数的增加，一旦alpha达到1.0就终止，通过跟踪射线终止的位置来确定像素的深度。在后至前射线投射的情况下，不存在早的射线终止。仅基于合成函数来更新结果颜色。通常，合成函数会将使空气透明，因此当射线离开最接近眼睛的材料时，颜色将停止变化。通过跟踪颜色何时停止变化，每个像素的该深度能够用于将用户选择的2D坐标变换回空间中的3D位置。这种3D位置的选择能够用于选择血管，并且然后自动量化流。

自动分流检测

第一个操作是确定分流是否存在，而不是试图找到分流的确切位置。确定分流是否存在的一种简单方法是测量左心血流(Qs)和右心血流(Qp)。能够手动(例如通过放置轮廓)测量Qp和Qs，或者如果已经完成标记和血池分割，能够自动测量Qp和Qs。如果这些数字在某个阈值内不匹配，能够将扫描标记为可能有分流。

能够使用以下技术来自动完成这些测量：

i)自动测量心搏输出量(Qs)在其他地方描述为：为主动脉流和肺动脉流产生掩蔽，以及自动估计主动脉瓣和肺动脉瓣的位置。

ii)一旦已经识别出瓣膜区域，将获得它们和已经确定的肺部流区域，从瓣膜稍微向下游移动，并以与针对心搏输出量已经描述的类似的方式产生流测量轮廓，这是一项简单的任务。一旦识别了用于测量肺流的适当的轮廓，就能够使用现有的流测量算法来确定来自右心室的输出。

iii)使用自动流测量来指示分流存在的可能性。

自动检测峰值以及收缩末期和舒张期

许多自动处理依赖于首先识别与心搏周期中的主要时间标记对应的时间点的能力：峰值和末期收缩及舒张。

如其他地方所述，我们能够对速度图像使用傅里叶分析技术，以便识别心脏内的血流区域以及心脏周围的主要动脉和静脉。一旦已经识别出这些血流的主要区域，我们就找到了每个时间点(通常为20个时间点)处识别出的体素上的总血流。系统然后能够分析所产生的时间函数以确定心搏周期中的标记。流量最大的时间点首先被指定为收缩期峰值标记。从那里在两个方向上及时分析函数，以确定血流趋于平稳的点。收缩期峰值前的、总血流平稳的点(恰好在其开始快速上升之前的点)对应于舒张末期。在收缩期峰值后，总血流迅速下降，直至其平稳，这对应于收缩末期。舒张期峰值通常不是一个明确定义的点，因此我们将此时间标记放置在收缩末期和舒张末期之间的中点。

自动心搏输出量和体积测量

使用以下方法完成自动测量心搏输出量：

i)速度图像的主要DFT分量与已确定的收缩期峰值标记(在其他地方描述)之间的关系用于识别来自左心室和右心室的动脉流的主要区域。

ii)相继地使用各种流连续性过滤器，以将动脉流区域分成主动脉流和肺动脉流两部分。初始动脉流掩蔽中最大速度的点提供已知位于主动脉或肺动脉中的可靠点。例如，能够通过检查所得到的过滤器内的、能够从最大流的点开始被泛洪的区域的大小来确定两个流区域的分离。一旦识别了第一部分，例如，就能够通过从其余区域中最大流的点泛洪来识别第二部分。

iii)一旦已经识别出两个区域，一个对应于主动脉流且一个对应于肺动脉流，就能够允许这两个区域重新增长有限量(单个像素仅被分配给一个掩蔽或另一个掩蔽)并且原始的动脉流掩蔽提供对增长量的绝对限制。允许至少稍微膨胀掩蔽也能够是非常重要的，因为前面的处理操作可能在产生的区域中产生了小孔，这会趋于妨碍方法中的下一步。

iv)能够根据它们彼此的空间关系以及它们在空间中的非常不同的预期形状和方向，将两个流区域识别为主动脉和肺动脉流。一旦完成这一点，原始动脉流掩蔽基本上分为两个区域，一个标记为主动脉流，且另一个标记为肺动脉流。

v)由于主动脉本质上是一根连续的管道，所以能够从动脉内的起始点跟踪主动脉的路径直到达到两端。在每个点处，能够通过对点周围的小区域求平均来确定主收缩期峰值流方向。然后能够以规则的角度间隔从起始点向流方向投射正交信号，以确定被掩蔽的主动脉区域的边界，从而确定起始点周围的近似圆形的轮廓。

vi)针对某个起始点，一旦已经将轮廓确定为与主流方向正交的平面上的多边形。起始点重新回到多边形的中心。此时能够从中心点在正向或负向流方向上移动一小步(例如，一毫米)，这取决于我们从起始点跟踪的方向，并且然后重复该过程。这一直持续到我们在每一端走出掩蔽。

vii)一旦沿着主动脉以固定间隔产生了轮廓，基本上产生了网络，通过使用解剖图像(如果处理血流增强数据集是可以的)或通过使用收缩时间点和两者之间的内插的速度，在每个单独的时间点对它们改进。一种可能的方法是使用蛇形算法在每个时间点精确地识别每个轮廓的期望边界。

viii)一旦已经确定了改进的轮廓，就测量每个轮廓的大直径和小直径，大直径是最大直径，而小直径是与大直径正交的最大直径。

viii)接下来的任务是识别主动脉瓣与在主动脉顶端处出现的分叉之间的升主动脉的主要区域中的良好轮廓，因为这是测量心搏输出量时需要使用的区域。这能够由多个动作完成。首先，通过流方向将升主动脉区域与下降区域容易地分离。然后能够使用轮廓面积和直径(大直径和小直径)在主动脉中的一个点处的空间(沿着主动脉)和时间上的连续性和可变性的组合对剩余的轮廓进行评分。能够沿着主动脉对得分求平均，以寻找良好评分的区域，而不是仅仅识别单个高评分的轮廓。使用这种方法，能够消除主动脉顶部处的分叉附近的区域以及可能存在于主动脉瓣上和附近并进入左心室的区域，因为这些区域因其性质将得到差的评分。

ix)一旦已经识别出升主动脉的良好区域，就能够为实际心搏输出量测量选择得分最高的各个轮廓。如果可能的话，沿升主动脉的多个点处进行测量，这通过求平均以及通过检查可变性提供对测量的质量的自动确定(由此还提供对测量不确定性的估计)来改善结果。此外，检查沿升主动脉的多次流测量的结果允许判断当前正在应用的速度涡流校正的质量。

x)一旦沿着升主动脉选择了理想的轮廓，心搏输出量就由通常的流测量技术来确定。

4D体积测量

为了计算特定区域的体积，我们已经在Arterys云接口内开发了四个选项。

选项1：固定轴

3D空间中的两个点定义感兴趣的体积的主轴。一条直线连接这两个点(即固定轴)。该轴然后被分成离散点(例如

个)，其定义将放置切片的位置。切片与轴正交对齐，使得它们不相交。切片不必均匀分布。在所有切片位置渲染MPR，以允许用户看到该切片位置处的医学图像的样子。然后手动或自动在每个切片上创建闭合轮廓，以定义该切片位置处的体积边界。在每个切片位置可能有多个闭合轮廓。在一个或更多个切片上也可能没有轮廓。在4D或更高维度研究(即，示出体积变化的或每切片所述不同的多个帧的研究)的情况下，每帧能够有单独的轮廓。一旦已经为所有的帧和切片放置了所有轮廓，就会针对特定帧创建连接所有切片的轮廓的3D表面。在上面的“由闭合轮廓创建4D网络”中解释了由一组闭合轮廓创建3D表面的方式。如果存在4D或更高维的体积，则能够通过计算每个帧的体积并将其与另一帧的体积相减来计算体积的变化。当试图量化心室功能，然后给出心搏量和射血分数时，这一点尤其重要。

选项2：移动直轴

该方法类似于选项1，不同之处在于：在4D体积的情况下，定义轴的两个端点的标记或点能够在每个帧(例如时间点)上移动。这使得在不改变体积的情况下，体积有可能在3D空间中移动位置。

选项3：固定弯曲轴

该方法类似于选项1，不同之处在于：连接2个端点的线不必是直的。该线能够是弯曲的或有多个直的和弯曲的部分。这在系统中用连接2个端点之间的点/位置的样条来处理。这些点/位置能够在任何地方，而不一定总是在这2个端点之间。

选项4：移动弯曲轴

该方法类似于选项2，不同之处在于：在4D体积的情况下，定义弯曲轴的两个端点的标记或点能够在每个帧(例如时间点)上移动。这使得在不改变体积的情况下，体积有可能在3D空间中移动位置。

在以上所有选项中，可以有多条轴。例如，可能有从1分裂成2的“Y”形轴。也存在将直轴和弯曲轴分开并集合在一起以创建体积的选项。这一点将考虑仍然有主轴(即中心线)的更复杂的形状。

在以上所有选项中，还存在显示3D体积与MPR如何相交的选项。交叉必须是一个或更多个闭合轮廓的集合。能够在MPR上渲染这些闭合轮廓。此外，能够通过在新(非正交)视图中移动轮廓来编辑这些闭合轮廓。相交轮廓既能够在客户端上计算，也能够在服务器端上计算，或根据本地资源进行自适应。对于心脏成像，常见的非正交视图是2、3和4腔室视图。通过仅允许在某个方向(即沿着切片平面)编辑，能够在这些视图中编辑轮廓。

平面测量和跟踪模式

根据体积MRI数据(例如心脏瓣膜的流测量)对心脏系统中的结构进行测量必须处理几个复杂性，例如，在心搏周期内显著变化的结构的形状、位置、方向和速度。对于测量，例如由2D轮廓来确定测量的流，我们通过使用穿过3D空间的2D轮廓来解决这个问题。在心脏瓣膜的情况下，无论是手动还是自动，轮廓放置在最垂直于流方向的平面上的瓣膜开口的边缘处。针对心搏周期的每个阶段，跟踪瓣膜平面的位置和方向，以及相应地放置测量轮廓。流评估可以通过标准的有限方法集成来进行。但是，如果瓣膜平面在移动，那么瓣膜平面的线速度和角速度能够包括在该阶段的流计算中。在可视化期间，当相位循环时，显示的MPR的位置和方向能够在瓣膜移动时遵循瓣膜的位置和方向，来跟踪瓣膜平面。如果在当前MPR不在平面上时将测量结果可视化，则轮廓可以被渲染成半透明的。

分割

连续性方程驱动的血池分割

再一次，质量守恒(即连续性)和不可压缩性假设能够用来示出血池中各处的散度必然为零。通过计算各处的散度，系统能够通过阈值散度值来定义血池的范围。血池外的散度会更大(即肺中的空气)或速度会很低(即静态组织中的速度信号)，这二者有助于识别内腔边界。散度图不需要是分割算法的唯一输入，相反能够将其添加到其他输入并适当加权。

自动标记检测

创建自动标记检测算法的典型方式是查找图像中的某些形状，并测量这些形状之间的距离和角度。如果测量值位于某一带内，则对其分类。能够将几个其他生理输入添加到算法。例如，定位基本上每次心跳增加和减少的流的体积(这很可能是心室)。一旦找到心室，就能够通过下面的流线找到瓣膜的入口和出口。一旦找到一个瓣膜，就更容易找到其余的瓣膜，因为它们通常总是相距彼此确定的距离和角度。

选择用来查找标记的算法能够是机器学习类型。由于Arterys将不断收集已经由临床医师放置的正确标记所验证的数据，因此该数据需要用作训练集(例如数据的统计汇总)。那么，每个需要分析的数据集都能够与用训练集数据建立的“地图集”共同注册。一旦收集到足够数量的数据集，就能够在分析之前使用额外的输入参数，例如疾病类型(即健康、法洛四联症等)来对数据集装箱。根据疾病的类型和预期的病理，每个箱能够有略微不同的标记和测量值。如果已知数据集是具有单个心室的患者，则自动标记检测算法需要对此调节，因为它永远不会找到4个瓣膜。

特别地，主动脉和肺动脉瓣标记能够使用以下处理来确定：

i)识别与来自左心室和右心室的动脉血流对应的区域。已经开发了能够以高可靠性实现这一点的过滤器(在其他地方描述)。

ii)将动脉血流区域分成两个区域，一个对应于主动脉，一个对应于肺动脉。该处理在心搏输出量下被详细描述。

iii)一旦已经确定了对应于来自左心室或右心室的流的一个区域，则通过从与两个流对应的起始区域中减去来确定另一个区域。然后根据这些区域在空间中的物理尺寸和方向(也在心搏输出量下被描述)，能够容易地将区域识别为左心室流或右心室流。

iv)一旦已经识别两个流的区域，就能够通过仔细跟踪总体流回到其明显的起源来确定主动脉瓣膜和肺动脉瓣膜的位置的初始近似值。

v)一旦为两个瓣膜的位置产生了可靠的初始估计，就能够使用其他技术来改进瓣膜位置。例如，其能够检查初始估计周围的区域中的血流加速度和强度，以便精炼瓣膜的位置。

交互式4D体积分割

从心搏扫描中分割心室对于确定心室功能至关重要。自动心室功能技术可以涉及：

-代表样条的控制点的两个或更多个点的输入；

-样条的端点表示出口瓣膜(肺或主动脉)和心室的心尖；

-使用这些点生成MPR，平面法线沿着样条曲线以规则间隔设置为曲线的切线；

-在每个MPR上应用活动轮廓模型来寻找心室的边界(心外膜或心内膜)；以及

-使用这些轮廓中的每一个的点生成3D网络。

活动轮廓模型受到作用于其上的力量的不稳定性的影响。为了减少这种不稳定性，系统不是简单地生成轮廓来使得它们以期望的输出间隔(轮廓之间的距离)间隔开，而是生成许多间隔非常紧密在一起的轮廓。而且，如果输入数据具有时间数据，则使用来自相邻时间点的数据来生成同一位置处的轮廓。然后对照心室的典型轮廓，测量轮廓形状和质量。如果认为轮廓具有足够的质量，则将其包括在生成的最终结果中。通过对所包括的接近位置和时间的轮廓沿着输入曲线求平均来生成最终结果。利用在收缩末期和舒张末期构建的网络，体积的差异表示了心搏输出量和心室功能。

在一个示例实施中，Arterys系统和软件会提供单击4D体积分割。这将允许用户在自由操纵(即，转动、平移、缩放、切片滚动、时间滚动)3D体积的同时点击感兴趣的区域(例如血池、心肌、骨骼等)。由于难以构建完全的3D体积分割算法并且难以使其精确，因此第二个选项是在用户绘制用户想要分割的区域的边界时，向用户显示3个正交视图。对于心脏，显示的视图除了短轴视图之外还能够是心脏的2、3和4腔室视图。用户只需要在长轴上创建2个正交轮廓，然后软件能够基于内插这两个轮廓而自动或自主地创建3D表面。能够在短轴上将3D表面示出给用户以进行快速修改。在交互式3D体积分割处理期间，除了示出解剖图像之外，能够将血流速度图像(具有或不具有向量)覆盖到解剖图像上，以进一步阐明血池边界的位置。

自适应泛洪填充

该系统利用多种类型的泛洪，其可以通过在泛洪期间使用的连通性(6、18或26路连通性)区分为2D对3D，以及通过最多数量的步骤区分为半径受限对泛洪受限。在所有情况下，如果像素1)(使用指定的任何连通性)相连到泛洪的其余部分，2)在种子点处的像素具有在指定阈值内的强度，以及3)像素位于指定半径内或种子点的最大步数内，则泛洪通过从指定的种子点向外移动，并且在泛洪的结果中包括像素来实现。泛洪的结果是二维或三维连接的掩蔽。泛洪算法以3D泛洪的形式用于实体中，以标记静态/非静态组织；用于体积中，其中能够使用2D泛洪在短轴堆栈中生成轮廓；以及用于流量化中，其中2D泛洪可以用于对血管泛洪，以确定泛洪内包含的流。

为了根据2D泛洪生成轮廓，我们使用这样的事实，即泛洪必然会被连接并且它是一个二值图像。由于这些事实，我们可以应用标准的边缘跟踪算法来提出轮廓，其将忽略泛洪的内部可能存在的任何孔。

根据生成的轮廓，下一步操作是将生成的轮廓从潜在的数百个点减少到由闭合的三次样条使用的一小组控制点，以精确地近似实际轮廓。一个简单的下采样，其中该系统仅仅在轮廓周围等间隔地分布固定数量的控制点，并不像其他方法那样好，因为这种方法经常导致轮廓中的重要特征的丢失，例如正在乳头肌周围进行的泛洪的凹陷部分。为了避开这一点，采用了一种“智能的”下采样方法，这种方法由许多动作来进行。首先，对轮廓中的每个点被分配一个从-1到1的拐角强度得分，并为每个点分配“影响力”的区域。一旦完成这一点，轮廓就会减少到其拐角强度在其影响力的区域内最大的那些点。在这个阶段还执行额外的标准，例如确保我们有最小的点间距并确保我们检测到的拐角足够强大。

上述操作的结果是泛洪中检测到的“拐角”列表。通过将这些用作样条中的控制点，该方法确保该样条不会丢失轮廓中的任何感兴趣特征。然而，原始轮廓中相对较低曲率的任何长延伸不会被检测为拐角，这能够导致产生的轮廓的重要部分不具有任何控制点，导致在这些分段中样条差的近似。为了避开这一点，通过计算由穿过点的原始轮廓的分段和通过这些点的样条的分段形成的闭合轮廓的面积，为每对控制点计算一个误差度量。如果误差高于某个固定容差，则在原始轮廓的分段的中点处添加另一个控制点。重复此操作，直到每个分段具有低于所需容差的计算误差。

这种泛洪到轮廓的工具能够在应用中用于至少两种场合中：用于在进行体积分割的同时对心室的切片泛洪，以及在流量化中。在对体积泛洪的情况下，返回的轮廓膨胀了8％，以便采集更多的心室，因为原始泛洪填充经常被低估，这仅仅是由于接近心脏壁的像素强度不同。对于流泛洪，因为泛洪工具对解剖起作用，结果膨胀了12％，这意味着未膨胀的泛洪经常会漏掉血管壁附近的流。

整体流程

自动化报告

以类似于如何生成超声心搏图报告的方式，能够通过允许用户点击他们拥有的患者类型来创建基于4D流MR数据的自动化报告。Arterys将具有特定于某一病理或用户类型(即患者或临床医师)的独特报告模板。此报告中的所有值、曲线、图像和电影影像都能够自动填入到报告模板中。由于标记作为预处理步骤的一部分来进行放置，因此所有重要信息能够自动保存在数据库中并导出到此报告中。

自动化集成测试

一种称为nwjs的工具用于执行自动化集成测试，该工具被设计为用于使用Web技术来产生跨平台的本地应用。虽然不是为此目的而设计的，但它允许我们在同一环境内运行客户端和服务器软件堆栈，这允许我们同时对客户端和服务器应用进行完全控制。使用混合有称为mocha的测试工具的基础架构，我们编写测试：模拟客户与客户端的交互，同时断言客户端和服务器处理该交互以及应用的产生的状态。对于此类用户界面测试，这种集成测试方法是新颖的，并且优于主要基于视觉的其他工具。

混合客户端服务器呈现

说明：一些工作流程需要在同一时刻呈现具有链接属性的一个或更多个图像。在一些情况下，当前的工作流程可能需要同时查看20个图像。如果利用不同的HTTPS请求来检索这些图像中的每一个，则由于在创建和发送请求中具有显著的开销，因此性能会大大受损。相反，我们将所有图像渲染到一个大图像上，并且只针对该“精灵表”制作单个HTTPS请求。然后客户端通过使用像素偏移来显示图像。例如，如果视图具有四个图像，每个图像是256x256，则精灵表可以为256x1024，其中，以一个在另一个之上的方式堆叠图像中的每个。客户端然后会通过使用0、256、512和768的偏移来显示256x256的4个图像。

此外，图像中的任何线、标记或平面在客户端上被绘制成覆盖层，并且服务器经由JSON消息来通知客户端如何渲染覆盖层。这提供了与如果在服务器上对覆盖层进行渲染并且然后被编码成JPEG并被传输的情况相比对覆盖层数据更高质量的渲染。

自动化全局耐久性和压力测试

为了执行负载测试和耐久性测试，我们在多台(能够是地理上分布的)计算机上开启多个客户端进程，以启动我们完全控制其执行环境的专门的Web浏览器。它们被引导到应用程序并且如普通浏览器那样加载客户端，然后我们直接与控制该软件的客户端状态进行交互，并使其表现为某一工作负载。在负载测试期间客户端和服务器度量被记录，并能够运行较长时间以进行耐久性测试。

从医学设备推送数据到远程服务器的推送器

我们已经开发了软件以监视活跃研究，并将结果推送到我们的云中的远程服务。监视由扫描仪生成的文件的文件夹，并且完成后，将所有相关数据打包在一起，并经由安全连接将其推送给我们的远程云服务器，该安全连接使用每台扫描仪的唯一密码和密钥来授权。通过立即删除任何中间文件来最小化磁盘空间(例如，非临时性存储介质)使用率。

一旦传输成功，通过复制软件包处理并比较密码散列函数的输出，对照本地内容验证传输的内容的数据完整性。像这样重复处理确保在扫描处理期间，可能已经由扫描生成的任何新数据在延迟的情况下不被错过，这可能会引发数据比预期早地传输到Arterys服务器。

在由于服务器或网络错误而导致传输失败的情况下，在推送器假设传输失败之前，将进行可配置次数的尝试，其中每次尝试之间的停顿间隔增加。但是，传输(包括所有后续尝试)失败后，推送器将继续监视传入的文件，并在稍后再次尝试另一次传输。

一旦已经验证数据传输成功，我们的软件就会移除数据以节省扫描仪上的磁盘空间。

每台扫描仪上运行的每个推送器软件都会发送心跳消息，提供本地日志数据和扫描仪的详细状态信息，提供持续的监视和增加的响应时间，以确保扫描仪在关键扫描时间期间的功能。

在初始安装期间，扫描仪通过请求唯一的密码和密钥向Arterys自动注册来签署未来的认证和授权请求。扫描仪将在我们的系统数据库中注册，但不附属于任何组织。然后技术人员能够通过网络门户将所有最近注册的扫描仪附加到正确的组织。

推送器能够通过定期从Arterys请求新版本来自动更新(如果被配置)。如果提供了新版本，它将安装自身的新副本，并重启。这允许将安全性和功能更新部署到扫描仪，而不需要来自技术人员的干预。心跳消息提供确保Arterys服务器上的此操作的成功所需的信息。心跳使我们能够确定最近尚未更新的任何推动器，并直接与医院联系，以主动确保所有软件都是最新的且安全的。

图3A-3B示出了示例处理300。

拉取器-存档伪影

拉取器软件用于对在医院(例如PACS)生成的伪影存档。它安装在医院的网络中，并使用与推送器类似的方法使其自身自动向Arterys注册。提出具有一些识别信息的请求，并返回密码和密钥对来签署未来的认证和授权请求。然后技术人员通过网络门户将拉取器附加到组织。

也可以直接下载用于组织的版本，该版本在安装进程中自动包括唯一的密钥和密码，因此一旦安装后就不需要自动注册和附加拉取器。

在Arterys服务器上完成对伪影端点的配置。能够利用主机名、端口、AE标题以及任何其他所需信息来配置拉取器需要将数据传输到的多个位置。能够对这些端点命名，并且当选择他们想要将其待完成的伪影(报告/屏幕截图/视频)存档的位置时，能够由临床医师从Arterys的Web UI中选择。

拉取器通过定期和频繁地请求Arteries API中的列表来监视伪影。伪影列表包括唯一ID以及伪影将存储其中的端点的所有配置信息。唯一ID用于输入到另一个API请求中，以从Arterys服务器检索伪影。如果需要，对伪影解压缩，并使用列表请求中包括的配置(例如，storescp)所定义的配置和方法进行传输。一旦所有数据被传输，就使用提供的ID提出另一个API请求给Arterys以将伪影标记为已存档的，并且在处理循环中，它将不再出现在第一个请求生成的列表中。一旦将伪影标记为已存档的，Arterys服务器将通知用户存档完成。

拉取器将心跳请求发送到Arterys，Arterys提供详细日志以帮助验证并确保一切按预期运行。拉取器还将不定期的-在可配置的时间(例如，每小时一次或每天一次)-向Arterys提出拉取器软件的新版本的请求。如果新版本可用，则将下载、安装该新版本，并且拉取器将自我重启。

检索伪影列表的示例请求：

GET https://app.arterys.com/api/1/artifact？status＝pending&timeout＝20

[

{"id":"55006362619baaad4323f799","name":

"report_one.zip","digest":"f90sdaf9d0safd0safd09safd",

"size":3523234,"dicom_host":"192.168.1.3"",

"dicom_port":1999,"dicom_aetitle","aetitle for dicom endpoint"},

{"id":"454bf977be1cfbe146f36549","name":

"report_two.zip","digest":"9320028003002930sass9safd",

"size":1221134,"dicom_host":"192.168.1.3"","dicom_port":1999,"dicom_aetitle","aetitle for dicom endpoint"}

]

图4A-4B示出了监视伪影和存档的示例处理400。

PHI服务

我们已经开发了一种方法，在不向服务提供者公开敏感信息的情况下，将敏感患者信息从服务安全地传输到客户端应用。

在发送给服务提供者之前，数据被除去了所有可识别的患者健康信息，这些信息向服务注册，并且原始敏感数据被替换为由服务提供的唯一令牌标识符。

在与服务提供者交互时，客户端将识别这些令牌并使用独立的传输层将令牌替换为敏感患者健康信息。

以下是这种系统的可能实施的示例：

角色：

与客户端软件(用户)交互的用户

客户端应用(客户端)

持有敏感患者信息的服务(服务)

应用服务提供者(asp)

1.用户向软件指示其想要发送给asp的一组文件。

2.对于每个敏感的文件，以JSON格式将所有敏感信息聚集，并通过http请求向服务注册。

示例：

3.使用占位符(例如#{PatientName})代替敏感信息，然后上传数据和由服务返回的Location的url。

4.当客户端加载来自应用服务提供者的数据时，包括这些敏感令牌的字符串使得客户端应用从服务提供者(单独或批量地)请求数据。

示例：

GET

https://sensitive.arterys.com/4217ad2b78fff7eb9129a58b474efb3e#PatientName

returns

"Franklin\Benjamin"

5.客户端用敏感信息替换令牌。

注意：对于授权，我们可以使用sso，例如saml2。

工作空间

工作空间是解决在整个医疗软件中存储和共享应用状态子集的问题的方案。

工作空间包含研究的应用状态(包括任何分析)，并且在加载时它们将应用恢复到以前的状态。应用状态包括与特定问题有关的组件状态的子集，例如包括测量和ECC校正值等的研究回顾。

在用户与软件交互时，工作空间能够不断加载和更新。首次加载研究时，用户以私人默认工作空间开始；并且当重新加载时，加载最近使用的可应用的工作空间。

用户能够向一组或更多个用户发布研究，这也能够作为对报告生成和外部系统通知的触发器。

当首次打开已发布的工作空间时，工作空间的私人副本被创建，并且在后续重新加载时也被加载。已发布的研究是不可变的，并且永远不能修改。

机器学习与医学成像

利用云接口，现在可以汇总来自多个源的统计数值，以使用机器学习提出预测。这些多个源能够是由组织内的多个人或甚至分散在世界各地的多个组织生成的结果。能够被汇总的统计数值能够是医学成像像素数据、医学成像元数据(例如DICOM头)以及例如患者的电子医学记录(EMR)。学习能够应用于用户级别、组织级别或者甚至宏观级别(例如全球地)。

在试图自动量化(例如，注释、测量、分割)医学图像的情况下，能够有两种不同类别的深度学习、机器学习或人工智能：对于医学成像应用，监督式学习更合适，因为没有足够的数据可供学习。为了尽可能有效地学习，已定制了云用户接口，以允许用户以结构化的方式将标签添加到数据。例如，在心血管成像的情况下，用户能够进行几次测量并按照他们的意愿标记测量值。对于用户而言，存在选项以从Arterys提供的预定义列表中选择标签，而不允许完全的用户定义字段。通过这样做，我们能够以结构化和自动化的方式将标签添加到数据。被标记的数据充当训练数据集，以馈送到机器学习算法内(即，像随机森林或深度学习CNN或RNN)，使得算法能够基于新的未标记数据预测结果。例如，用户审阅过程中的一个可选步骤是让他们“发布”其工作空间或状态，在某种程度上确认他们对已经添加到数据的标签感到满意。“发布”机构能够是在用户界面中他们点击的“保存”图标，或者能够是被发送而得以存档的文件(例如发送到医院的PACS服务器)的结果。只需要有一种方式来区分用户创建的虚拟测量和注释以及真实的临床测量和注释。

云接口的益处是，每次用户在系统界面中对提供的建议进行任何修改时，该修改就被保存并反馈到机器学习标记数据中。这创建了强化学习循环，该强化学习循环添加了非常有价值的训练数据。一旦当用户登录时或用户在其会话期间每次实时地进行修改时，能够提供由机器学习算法所提供的建议。例如，当用户识别解剖的医学图像中的体素时，能够在他们的会话期间实时地识别所有相似的体素。

在试图预测特定治疗的结果(并给出可能性程度)或预测哪种治疗方案更适合特定患者的情况下，来自EMR的数据至关重要。访问已标记的医学设备数据(例如，医学成像、染色体数据、可穿戴物)不足以确定最佳治疗决定。该数据需要在所有回顾性病例间汇总，以向具有类似医学设备数据的新患者提供预测。

机器学习也能够用于医学图像的搜索。用户能够输入搜索字段并寻找例如具有特定类型的疾病的所有图像。然后用户能够验证呈现给他们的所有研究具有这种疾病，并且然后能够将这些数据反馈到训练数据集中。

图片和视频服务-我们希望用户能够采集他们的工作流程的当前状态的图片和视频。这些图像和视频需要包含我们服务器上生成的图像数据和客户端浏览器上渲染的覆盖层。为了实现这一点，我们有基于node-webkit的视频服务，其允许我们在同一环境内运行我们的客户端和服务器软件堆栈。然后，我们在node-webkit环境中恢复用户的工作空间的当前状态，并利用为该用户的会话分配的同一计算节点。如果用户请求单个图片，则服务仅截取恢复的工作空间的屏幕截图，并返回生成的图像文件。在视频请求的情况下，服务截取当前工作流程的每一帧的屏幕截图，并使用视频编码器将屏幕截图图像编译成视频文件，然后将其返回。返回的图像或视频能够存储在服务器上或发送回客户端以供查看。

以下是图片和视频服务的详细软件设计的示例：

屏幕截图和视频采集

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～

需求

^^^^^^^^^^^^

*屏幕截图应该是对用户当前在视口区域中看到的内容的渲染

*视频能够是通过时间循环的mpr

*视频可以从关键帧集合生成，并且可以插入内插参数

*视频能够是用户交互式记录

*输出应当包含视口上的所有内容(图像、webgl覆盖层、css覆盖层、……)

*屏幕截图和视频帧应当是全质量的

设计

^^^^^^

由于我们在客户端呈现所有内容，因此需要客户端来生成图像。

不幸的是，在大多数网络情况下，上传视频将是被禁止的。

因此，屏幕截图/视频服务会在使用客户端渲染技术的集群中运行。

它将开放http接口来提供需求中定义的功能。

该服务根据需求加速node webkit进程，以便当请求到来时渲染视频和屏幕截图。

在接收到渲染图像或图像集合的请求后，服务将启动node webkit进程并使其重定向到用户工作表的签署的URL。

然后，node-webkit进程将加载研究并注入用户工作空间

接下来，将以全质量渲染每一帧。

在渲染帧时，node-webkit将执行X11屏幕捕获并剪切到画布视口。

图像将被存储到磁盘。

一旦已经捕获了所有帧，则服务将返回视频截图，或在视频的情况下，视频将被编码并返回。

数据流

^^^^^^^^^

*用户发起对于屏幕截图或视频的请求。

*网络服务器接收到请求

*启动node-webkit进程

*node-webkit进程打开会话，进行身份验证以加载所需的研究

*加载请求的研究

*请求中的工作空间注入到研究中

*完成工作空间加载(包括流线等长时间运行的任务)后，开始渲染关键帧

*全质量渲染每一帧，没有去抖动图像命令

*渲染图像时，在窗口上执行X11屏幕抓取(xwd)

*将图像剪切到视口并保存到磁盘

*如果请求视频，则一旦生成图像，则运行编码

*完成所有图像后，将使用.png或.mp4发回http响应

*网络服务器收到结果后，其将结果保存在S3中，并将索引保存到数据库

附加工具和优化

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

*node-webkit需要webgl，所以服务将需要在G2实例上运行

*'x11-apps'中的'xwd'程序能够捕获窗口

*ImageMagick的'convert'能够将xwd转换为png

*ffmpeg能够用于从.png的集合中生成.mp4

细节

^^^^^^^

屏幕截图

+++++++++++

客户端消息：

----

ws.emit('generate-screenshot',params)；

----

params:

----

{

workspace_id:'workspace-id',

id:'app-id',

study_id:'study-id',

upload_id:'upload-id',

window_width:'browser_window_width',

window_height:'browser_window_height',

hostname:window.location.hostname,

port:window.location.port,

pathname:'/app/xxx'

}

----

视频

+++++

客户端消息：

网络服务器处理器

+++++++++++++++++

“generate-screenshot”的消息处理器将当前工作空间附加到发送到webkit服务的参数。

然后使用webkit-client模块将请求发送到webkit服务之一。

一旦接收到响应，就将记录插入到数据库中并存储图像或视频。

Webkit-client

+++++++++++++

webkit-client模块负责将屏幕截图请求路由到能够处理它的节点。

webkit-client订阅当前运行的webkit节点发布的Redis消息。

这些消息包括正在运行的node-webkit的现有实例，以及与它们一起正在运行的app-id的现有实例。

当接收到请求时，webkit-client尝试寻找已经具有与所请求的app-id一起运行的node-webkit的节点。

可替选地，如果尚未创建会话，那么它选择运行会话的最少数量的节点。

一旦已经识别了节点，它就通过HTTPS将消息发送到该主机。

将参数在文体中作为在POST中的JSON发送到路径'/webkit/execute'。

当结果返回时,使用二进制和包含type(图像/png或视频/mp4)的JSON blob以及收集的其他有用信息(例如，定时信息、大小)来调用回调函数

Webkit-Service

++++++++++++++

webkit-service是一种微服务，其开放HTTPS接口以生成屏幕截图和视频。

webkit-service在'/webkit/execute'处仅收听POST请求。

在接收到'/webkit/execute'的POST后，它创建webkit-context，并将屏幕截图或视频的请求入队。

通过附加与特定的'webkit-screenshot'用户关联的auth_token，该模块还负责对将从node-webkit发送到网络服务器的请求进行授权。

Webkit-Context

++++++++++++++

webkit-context模块负责管理将运行来生成屏幕截图或视频的node-webkit进程。

创建后，webkit-context创建工作目录来存储中间结果。

接下来，它通过将简单的'index.html'和'package.json'文件复制到工作目录中来配置node-webkit，而'args.json'包含传递到context以渲染屏幕截图/视频的参数。

然后启动node-webkit，并在生成屏幕截图的整个过程中运行。

当node-webkit退出时，webkit-context查找适当的屏幕截图或视频文件以作为响应。

每次只能运行每个app-id的一个屏幕截图。

webkit-context将其自身注册在redis中，以便网络服务器能够路由屏幕截图和视频请求。

Node-Main

+++++++++

node-main模块是在node-webkit中运行的网桥模块。

当node-webkit启动时，它等待直到定义了'global.window'变量，并且然后读入args.json文件并开始执行生成屏幕截图的步骤。

这些参数表示用于制作窗口的宽度x高度以及将window.location.href重定向到的位置。

假设重定向指向将设置global.window.io的网站，该网站是表示websocket连接的Arterys定义的变量。

一旦已经进行websocket连接，它调用'load-study'命令，并等待'load-workspace-complete'。

一旦完成可以通过恢复工作空间已经调用的所有命令，node-main就开始捕获图像。

如果'args.json'包含'render_frames'字段，它会遍历每一个产生一个图像。

通过调用xwd以转储Xwindow来生成图像。

然后使用ImageMagick转换来转换为png并剪切到'.ar-content-body-canvas'。

如果生成有多于一个的图像，则调用ffmpeg以将图像集合编码为h.264编码视频。

当已经创建屏幕截图或视频时，node-webkit将彻底退出。

任何错误都会导致node-webkit以非零代码退出，这将向webkit-context指示屏幕截图失败。

上述自动化方法消除了常规方法中流行的识别解剖结构和流的主观性，提供了高水平或可重复性。这种可重复性允许MRI数据的新用途。例如，可以可靠地评估单个病人的MRI数据在不同会话中的趋势。更加令人惊讶的是，可以可靠地评估多个患者的MRI数据的总体或人口统计学趋势。

以上描述的各种实施例能够被组合以提供其他实施例。在不与本文中的具体教导和定义不一致的情况下，通过引用将在本说明书涉及的和/或在申请数据表中列出的美国专利、美国专利申请出版物、美国专利申请、外国专利、外国专利申请和非专利出版物的全部内容并入本文中，包括但不限于2011年7月7日提交的美国临时专利申请61/571,908；2012年7月5日提交的国际专利申请PCT/US2012/045575；2014年1月17日提交的美国临时专利申请61/928,702；2015年1月16日提交的国际专利申请PCT/US2015/011851；2016年7月15日提交的美国专利申请15/112130；2015年11月29日提交的美国临时专利申请62/260,565；2016年10月31日提交的美国临时专利申请62/415,203；以及2016年11月1日提交的美国临时专利申请62/415,666。如有必要，能够修改实施例的方面以采用各种专利、应用和出版物的系统、电路和概念来提供其他实施例。

能够根据上面详细描述对实施例进行这些和其他改变。通常，在以下权利要求中，所使用的术语不应该被解释为将权利要求限制在说明书和权利要求书中公开的特定实施例，而应该被解释为包括所有可能的实施例以及与给予这样的权利要求的权利等同的全部范围。因此，权利要求不受本公开的限制。

Claims (5)

1.一种使用基于磁共振成像(MRI)的医学成像系统来自动校正相位混叠的操作方法，所述方法包括：

由至少一个处理器接收表示解剖结构的MRI数据集，所述MRI数据集包括多个体素中的每个体素的相应的解剖结构和速度；

针对所述多个体素中的至少一些体素中的每个体素，通过所述至少一个处理器识别速度编码参数附近的流速中的剧变梯度；

由所述至少一个处理器连接被识别为具有剧变梯度的所有体素以定义封闭的边界；

由所述至少一个处理器确定所述封闭的边界中的所有体素是否是混叠的；以及

响应于确定所述封闭的边界中的所有体素是混叠的：

由所述至少一个处理器将所述速度编码参数的倍数与所述封闭的边界中的体素中的每个体素的速度相加；或者

由所述至少一个处理器将所述速度编码参数的倍数与所述封闭的边界中的体素中的每个体素的速度相减。

2.根据权利要求1所述的方法，还包括：

响应于确定所述封闭的边界中的所有体素并非都是混叠的，由所述至少一个处理器分析所述封闭的边界中的相邻体素的相应的速度；以及

由所述至少一个处理器至少部分地基于所分析的相邻体素的相应的速度，来修改所述封闭的边界中的体素中的每个体素的速度。

3.根据权利要求2所述的方法，其中，修改所述封闭的边界中的体素中的每个体素的速度，包括：将所述体素中的每个体素的速度修改一被确定为使所述相邻体素间的不连续性最小化的量。

4.根据权利要求1所述的方法，其中，确定所述封闭的边界中的所有体素是否是混叠的，包括：确定所述封闭的边界中相邻体素之间是否存在任何剧变梯度。

5.一种基于处理器的设备，其具有至少一个处理器以及通信地耦接到所述至少一个处理器的至少一个非临时性处理器可读介质，并且可操作以执行根据权利要求1至4中任一项所述的方法。

Images