CN109642934B - 磁共振体积成像 - Google Patents

磁共振体积成像 Download PDF

Info

Publication number
CN109642934B
CN109642934B CN201780051416.8A CN201780051416A CN109642934B CN 109642934 B CN109642934 B CN 109642934B CN 201780051416 A CN201780051416 A CN 201780051416A CN 109642934 B CN109642934 B CN 109642934B
Authority
CN
China
Prior art keywords
data
patient
partial volume
readable medium
acquired
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
CN201780051416.8A
Other languages
English (en)
Other versions
CN109642934A (zh
Inventor
I·卡瓦利科夫
G·盖尔加诺弗
詹姆士·F·登普西
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.)
Uray Technology
Original Assignee
Uray Technology
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 Uray Technology filed Critical Uray Technology
Publication of CN109642934A publication Critical patent/CN109642934A/zh
Application granted granted Critical
Publication of CN109642934B publication Critical patent/CN109642934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—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
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56308—Characterization of motion or flow; Dynamic imaging
    • G01R33/56325—Cine imaging
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/285—Invasive instruments, e.g. catheters or biopsy needles, specially adapted for tracking, guiding or visualization by NMR
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • 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
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • 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
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/4824—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • 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
    • G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
    • G01R33/5676—Gating or triggering based on an MR signal, e.g. involving one or more navigator echoes for motion monitoring and correction

Landscapes

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

Abstract

可以从磁共振成像系统(MRI)获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库。在关注时间期间，获取可能与参考数据有关的跟踪数据。在关注时间期间且与获取跟踪数据近似同时地获取部分体积数据。可以由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。

Description

磁共振体积成像
相关申请的交叉引用
本申请要求2016年6月22日提交且标题为“MAGNETIC RESONANCE VOLUMETRICIMAGING”的美国临时申请No.62/353530的优先权和权益，此处以引用的方式将该申请的内容全文并入。
技术领域
这里描述的主题涉及用于磁共振数据获取和图像重建的系统、方法以及计算机程序。
背景技术
用磁共振成像系统进行的患者的三维或体积成像可以为患者诊断和治疗提供有价值的信息。该成像还可以对具有描绘患者组织随着时间的过去的运动的体积图像序列的益处有价值。这种成像在领域中可以被称为4D MRI、电影MRI或有时被称为实时MRI。
发明内容
在一个方面中，从磁共振成像系统(MRI)获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库。在关注时间期间，获取能够与参考数据有关的跟踪数据。在关注时间期间且与获取跟踪数据近似同时地获取部分体积数据。可以由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。
在一些变体中，可以可选地以任意可行的组合包括以下特征中的一个或多个。
参考数据可以是穿过患者解剖结构的一部分的集成投影。集成投影可以基于患者解剖结构与MRI系统之间的角度变换为平面k空间数据。
跟踪数据可以与能够用于重建患者解剖结构的对应于跟踪数据与参考数据的最近匹配的部分的放射k空间数据的子集对应。
跟踪数据和部分体积数据可以以直接序列获取。获取跟踪数据可以包括在沿着k空间中的单个放射线获取跟踪数据的情况下代替在先前获取的放射k空间数据中的对应放射线。参考数据、跟踪数据以及部分体积数据可以是k空间数据或平面图像数据。部分体积数据可以与跟踪数据相关。
跟踪数据可以通过以下方式来与参考数据有关，包括：通过数字内插、外推或平移使参考数据变形，以改善描述使跟踪数据与参考数据有关的质量的拟合优度度量。变形还可以基于从跟踪数据测量的患者运动的速度。
部分体积数据可以根据k空间区域的预定义序列来获取或者可以与来自尚未被获取的预定义序列的k空间区域对应。部分体积数据可以是与患者解剖结构的部分中的平面对应的平面数据。
部分体积数据可以紧接在跟踪数据的获取之后获取。而且，跟踪数据和部分体积数据的获取可以是连续的且在获取跟踪数据与部分体积数据之间交替。
跟踪数据或部分体积数据的至少一些可以被添加到患者运动库。跟踪数据可以是平面k空间数据或三维k空间数据。
可以构建并组合体积图像，以生成时间分辨体积图像序列。体积图像的构建可以包括将患者运动库分区(partition)成运动状态，每个运动状态对应于患者运动的一部分。而且，通过找到跟踪数据与参考数据之间的最近匹配来确定与跟踪数据对应的运动状态。基于所确定的运动状态，可以将在多个运动状态中的一个期间获取的部分体积数据添加到与运动状态中的所述一个对应的体积数据集，所构建的体积图像包括部分体积数据的完全集。
可以至少基于跟踪数据向患者施予放射治疗。而且，关注时间可以在向患者施予放射治疗期间。关注时间可以在诊断观察时段期间。参考数据的获取可以在向患者施予放射治疗之前发生。参考数据的获取可以在向患者施予放射治疗之后发生。
在相互关联的方面中，可以在患者治疗期间获取来自与患者交叉的至少一个平面的跟踪数据和患者的关注体积的部分体积数据。
在一些变体中，可以可选地以任意可行的组合包括以下特征中的一个或多个。跟踪数据和部分体积数据可以以交替方式获取。跟踪数据可以是与至少一个平面对应的2D放射k空间数据。可以基于将跟踪数据与描述展示若干运动的患者的区域的参考数据进行比较来识别患者的运动相位。
当前主题的实施方案可以包括但不限于与这里提供的描述一致的方法以及物品，这些物品包括有形地实现的机器可读介质，该介质可操作为使得一个或多个机器(例如，计算机等)引起实施所述特征中的一个或多个的操作。类似地，还描述计算机系统，这些计算机系统可以包括一个或多个处理器以及耦合到一个或多个处理器的一个或多个存储器。可以包括计算机可读存储介质的存储器可以包括、编码、存储一个或多个程序或对一个或多个程序进行其他动作，该一个或多个程序使得一个或多个处理器执行这里描述的操作中的一个或多个。与当前主题的一个或多个实施方案一致的计算机实施的方法可以由存在于单个计算系统或多个计算系统中的一个或多个数据处理器来实施。这种多个计算系统可以连接，并且可以经由一个或多个连接(包括但不限于通过网络(例如，因特网、无线广域网、局域网、广域网、有线网络等)进行的连接、经由多个计算系统中的一个或多个之间的直接连接)交换数据和/或命令或其他指令。
附图和以下描述中阐述了这里描述的主题的一个或多个变体的细节。这里描述的主题的其他特征和优点将从描述和附图且从权利要求明显。虽然为了例示性目的关于用于由部分MRI图像数据生成体积图像的系统描述了当前公开主题的特定特征，但应容易地理解，这种特征不旨在限制。本公开之后的权利要求旨在限定所保护主题的范围。
附图说明
被包含在本说明书中且构成本说明书一部分的附图示出了这里公开的主题的某些方面，并且连同描述一起帮助说明与所公开实施方案关联的一些原理。在附图中：
图1是例示了由成像平面交叉的患者和关注的体积的图；
图2是例示了用于获取参考数据、部分体积数据以及跟踪数据的序列的示例的图；
图3是例示了平面k空间数据和平面图像的图；
图4是例示了将参考数据聚类成运动状态的示例的图；
图5是例示了用于从跟踪数据和参考数据确定患者运动状态的示例性构思的图；
图6是例示了组合部分体积数据集以形成更完全的体积数据集的方式的示例的图；
图7是例示了时间分辨体积图像序列的构建的示例性方式的图；
图8是例示了用于构建患者解剖结构的体积图像的方法的示例的过程流程图；以及
图9是例示了与本公开的特定实施方案一致的连同放射治疗使用的磁共振成像系统的示例的图。
在实践中，类似的附图标记表示类似的结构、特征或元件。
具体实施方式
图1是例示了由成像平面110交叉且包括关注的体积120的患者100的图。磁共振成像(MRI)可以提供患者100的导航器(1D)、平面(2D)或体积(3D)图像。
可以在关注时间内(例如，在患者治疗期间)获取关注的体积120中的患者解剖结构(器官、肿瘤等)的三维图像，并且可以组合这些图像，以生成示出患者解剖结构的运动(例如，运动可以作为心跳、消化过程、呼吸等的结果而发生)的时间分辨体积图像序列。理想地，患者解剖结构的实时体积成像将在特定关注时间期间(例如，在MRI辅助的诊断期间或在患者治疗期间)生成并显示。另选地，根据本公开的一个实施方案，可以在关注时间期间获取部分数据，并且在之后重建体积图像。假定患者100在关注时间期间运动，则所获取的部分体积数据可以对应于患者100的不同位置(或运动状态)。
为了帮助将所获取部分体积数据分类成运动状态，可以与部分体积数据的获取近似同时地获取患者100的单个平面区域的图像，以提供有价值的跟踪数据。然后可以将平面图像与记载患者运动(例如，躺在治疗床上，正常呼吸)的患者100的平面图像的库进行比较。根据比较，可以识别患者运动的特定状态。然后可以组合与同一运动状态对应的部分体积数据集的获取，以在该运动状态期间提供对于关注的体积的完全(或大致完全)体积数据集。可以通过根据由跟踪数据指示的随着时间的过去展示的患者运动状态对完全体积数据集排序来生成时间分辨体积图像序列。
由这里描述的系统、方法以及软件生成的时间分辨体积图像序列可以被称为4DMRI、电影MRI、实时MRI等。这样的序列可以用于患者诊断中，患者诊断将受益于随着时间的过去对3D运动的描绘。这样的电影MRI还可以用于介入应用中，例如，用于在程序期间提供的患者运动连同手术工具的运动的4D描绘。
在另一个应用中，时间分辨体积图像序列用于增强放射疗法治疗。作为一个示例，在放射束的瞄准患者时的患者组织的位置的知识允许准确计算在治疗期间由患者组织接收的放射剂量。下面会讨论与放射疗法治疗有关的另外益处。虽然这里使用术语治疗、治疗图像、治疗时间等，但本公开预期其在任意关注时间期间使用的成像技术，不管是在特定类型的治疗期间、诊断程序期间还是在技术证明有益的任意其他程序期间。
图2是例示了获取参考数据200、部分体积数据210以及跟踪数据220的序列的图。
图2所示的示例时间线以获取存储在患者运动库中的参考数据200开始。本公开也预期参考数据200的获取在其他时间发生，例如，在体积数据的获取之后以及在特定关注时间之前、期间或之后。参考数据200可以用于限定患者解剖结构的运动状态。在患者100接收放射疗法的一个示例中，可以要求患者在参考数据200的获取期间深呼吸，以提供患者在治疗期间可以移动经过的宽运动范围。如果治疗患者的颈部，则可以在参考数据200的获取期间要求他或她移动他们的头部、说话或吞咽。
如示例时间线所示，在获取参考数据200之后，可以发生部分体积数据210和跟踪数据220的交替获取时段。患者运动库可以是在位于例如远程服务器、控制患者治疗的计算机、MRI系统等处的永久存储器中存储的数据。
在关注时间期间，例如，在患者100的放射治疗期间，或在诊断观察的时段期间，可以获取跟踪数据220并使其与参考数据200有关。在示例性方法中，可以在关注时间期间且与跟踪数据220的获取近似同时地获取部分体积数据210。如这里使用的，“近似同时”意指跟踪数据220和部分体积数据210以直接序列(即，一个紧接在另一个之后)获取(两种获取之间具有小间隙)或在可行的情况下在交叠时间获取。主要约束是间隙(若有的话)充分下小以允许在患者解剖结构处于与获取部分体积数据210时近似相同的位置、取向以及形状时获取跟踪数据220，使得部分体积数据210可以与跟踪数据220相关。另一个约束可以是跟踪数据220和部分体积数据230各自主要在单个运动状态期间获取。
在一些实施方案中，如图2例示，跟踪数据220和部分体积数据210的获取是连续的，并且在跟踪数据220的获取与部分体积数据210的获取之间交替。如图2的示例所示，跟踪数据220以与获取部分体积数据210的200ms间隔交织的50ms间隔获取。在其他示例性实施方案中，跟踪数据220可以在5、10、25或100ms间隔内获取。类似地，在其他实施方案中，部分体积数据210可以在10、50、100、300、400或500ms间隔内获取。
获取跟踪数据220和部分体积数据210的交替模式可以允许部分体积数据210与跟踪数据220的相邻部分有关。由此，可以将跟踪数据220与参考数据200进行比较，以使部分体积数据210与参考数据200有关。在具体示例中，通过识别跟踪数据220对应于的参考数据200，可以将部分体积数据210分箱(binned)到在患者运动库中定义的特定运动状态。在获取足够的部分体积数据210以形成完全或几乎完全的体积数据集时，可以重建在该运动状态期间患者解剖结构的三维图像。下面进一步描述参考数据200、跟踪数据220以及部分体积数据210的获取的细节。
图3是例示了用于生成平面图像的平面k空间数据310的图。MRI系统可以在患者运动期间获取与患者解剖结构的一部分有关的参考数据200。然后可以使用参考数据200来形成描述患者100的运动状态的患者运动库。参考数据200例如可以是任意类型的k空间数据(例如，1D、2D、3D)、投影数据、平面图像数据、体积数据、这样的数据的组合等。参考数据200可以沿着穿过患者解剖结构的一部分的一个或多个集成投影(integrated projection)来获取。投影可以包括与患者的解剖结构的一部分(例如，心脏、肺、肾脏等)交叉的平面部分(还参见图1)。集成投影可以基于患者解剖结构与MRI系统之间的角度变换成平面k空间数据310。在一些实施方案中，用于参考数据200的平面可以与对应于部分体积数据210的任意体积分离。
图3所示的平面k空间数据310的放射模式表示用于对k空间区域成像的一个示例模式。放射获取的序列可以根据周期排序方案，例如，周期4、周期8等。其他放射获取选项例如可以包括对于k空间线的放射分布在角度上在附近或相邻(例如线0-1、5-6、10-11)的黄金角比、位反转(0、4、6、1、5、3、7)、随机、交织获取线。在获取充足的k空间数据集时，可以由傅里叶(Fourier)逆变换重建平面图像320。然后可以将平面图像320存储在患者运动库中。
参考数据200、跟踪数据220、平面图像320(例如，用跟踪数据220或参考数据200重建)和/或部分体积数据210可以在任意时间(例如，在施予放射治疗之前、在放射治疗期间、或在施予放射治疗之后)添加到患者运动库。患者运动库的质量可以通过添加来自之前时间段或来自其他患者的参考数据200来连续提高。参考数据200的添加还可以允许对先前测量进行平均，以提高图像分辨率并去除噪声。在一些实施方案中，可以对参考数据200的子集执行简单平均。在其他实施方案中，进行平均可以包括更复杂的技术，诸如基于以下内容的加权：获取参考数据200的时间、被成像的患者解剖结构、与确定参考数据200的相似度的之前参考数据的相关性等。包括另外的参考数据200还可以以与上述方式相同的方式扩展可用运动状态的数量。
在又一个实施方案中，可以操纵或修改部分体积数据、跟踪数据、体积图像、平面图像320或存储在患者运动库中的任意参考数据200，以为参考数据200被获取所针对的患者运动之外的患者运动范围提供另外的参考数据200。作为一个示例，在参考数据获取期间，可以将肿瘤或患者解剖结构的其他部分记录为沿某一方向在5cm范围内运动。然而，在治疗期间，可以观察到肿瘤在6cm范围内运动。不尝试匹配患者解剖结构的被成像运动，系统可以识别肿瘤已经离开参考数据200的边界。可以生成将肿瘤解译为到达或几乎到达目前肿瘤位置的另外(或合成)参考数据。另外的参考数据可以被定义为另外的运动状态。为了生成另外的参考数据，可以用可变形图像配准内插、外推或修改现有参考数据200，以与患者解剖结构的其他形状或状况对应。
图4是例示了参考数据200聚类到运动状态400(a-j)的图。参考数据200可以捕获在若干运动状态400下的患者解剖结构的图像。任何被成像的运动(例如，呼吸周期)可以被分成任意数量的运动状态400。例如，患者呼吸的一个周期可以被分成与完全吸气和呼气对应的10个或15个运动状态400。在图4所示的示例中示出的10个运动状态400(a-j)。而且，运动状态400可以是不同类型的患者运动的复合。例如，在心脏附近的肿瘤的位置不仅可以受患者100呼吸的运动影响，还受心脏的收缩和扩张影响。在该示例中，运动状态400的集合可以包括由于心脏和肺的运动引起的运动的任意组合。
参考数据200可以被分区成指定数量的运动状态400。该分区可以由采用模式匹配、排序或聚类的算法来执行。下面的示例描述了聚类算法的一个实施方案。在一个实施方案中，患者运动库中的各平面图像320可以被限定为由N维空间中的点构成，其中，N是所重建平面图像320中的像素数。点之间的距离可以被表达为欧几里德(Euclidean)距离或互相关系数(CC)的函数。这样的距离函数的一个示例是(1-CC)。这里，如果CC是1，则这将指示两个平面图像之间的零距离(即，它们是同一图像)。初始地，可以在患者运动库中搜索隔开最远(最不同)的两个平面图像。一旦找到，就可以将这两个平面图像指派给两个不同的聚类(cluster)。然后，可以将每个剩余的平面图像指派给两个聚类中最近的聚类。此时，存在对于患者运动库限定的两个运动状态。为了生成另外的运动状态，可以识别具有最大变化的聚类。识别可以通过确定聚类中的平面图像320离聚类中心的距离的变化来执行。一旦识别具有最大变化的聚类，就可以以与上述相同的方式将该聚类中的平面图像320分成两个另外的聚类。该过程可以一直持续到聚类的数量与运动状态400的预定义数量相同为止。
图5是例示了用于从跟踪数据220和参考数据200确定当前患者运动状态510的示例性方式的图。跟踪数据220例如可以不用于重建与当前运动状态对应的平面图像，而是用于和与运动状态400关联的参考数据200的比较，该参考数据可以为平面k空间数据310的形式。基于比较，例如可以如下所述地确定当前患者运动状态510。
在一个实施方案中，可以获取平面k空间数据310，作为例如与图1所示的平面中的一个对应的跟踪数据220。跟踪平面也可以被选择为与对于治疗来说关注的患者解剖组织的部分交叉。例如，在患者100的肺中的肿瘤的治疗期间，可以将穿过肿瘤的矢状平面用于跟踪。在其他实施方案中，跟踪数据220例如可以包括任意类型的k空间数据(例如，1D、2D、3D)、投影数据、平面图像数据、体积数据这样的数据的组合等。三维k空间跟踪数据220可以具有与部分体积数据210相同的体积或不同体积。在一些实施方案中，跟踪平面可以为可以与获取参考数据200的位置大体对应的、穿过患者解剖结构的固定平面。本公开预期可以与所选类型的参考数据200有关的任意类型的跟踪数据220。
在一些实施方案中，参考数据200可以是允许重建患者解剖结构的一部分的平面图像的完全2D数据集(诸如放射k空间数据)。然而，跟踪数据220可以不同地是放射k空间数据的子集。例如，在参考数据200和跟踪数据220是2D放射k空间数据时，跟踪数据220可以包括比参考数据200中的完全k空间数据集少的放射线。在其他实施方案中，跟踪数据220可以仅跨越参考数据200跨越的k空间中的角分布的一部分。这里也被称为跟踪数据220(为了例示性目的，该数据被稀疏地示出)中的匹配线520(在图5中被示出为较粗线)的k空间数据的子集可以匹配到它们在参考数据200中的对应线。匹配例如可以包括搜索到跟踪数据220中的线的最近匹配的、参考数据200中的k空间线的线性组合。在另一个实施方案中，跟踪数据220与参考数据200的有关或相关可以包括通过内插、外推或平移使参考数据200变形，以改善描述将跟踪数据220与参考数据200有关的质量的拟合优度度量。可以将来自参考数据200中的平面k空间数据310的线添加到匹配线520，以填充缺失线。然后可以由组合的参考数据200和跟踪数据220重建与当前患者运动状态510对应的患者解剖结构的平面图像。可选地，可以将来自患者运动库的另外类似图像与所重建图像混合，以提高最终图像质量。
在一个实施方案中，可以由以下详细说明的程序构建平面图像320。步骤1-找到具有与所测量匹配线520的最高互相关的、患者运动库中的k空间数据集。步骤2-找到最佳拟合所测量匹配线520的k空间数据集的线性组合。步骤3-通过使用在步骤2中找到的系数的线性组合填充缺失的k空间数据。
注释
M-匹配线的数量。
N-放射采样图案中的线的总数。
C-通道/线圈的数量。
P-每个放射线点的数量。
Klib-在患者运动库中可用的完全k空间数据集的总数。
l1、l2...lN-根据所用排序方案的采样图案中的线的线索引。
Figure BDA0001974941710000101
-对于当前平面帧的第j通道中的第i线的所测量/所恢复复数数据。
Figure BDA0001974941710000102
-对于第d数据集中的第j通道中的第i线的患者运动库中的复数k空间数据。
Figure BDA0001974941710000111
-向量
Figure BDA0001974941710000112
与
Figure BDA0001974941710000113
之间的互相关系数。向量具有相同的长度，并且和在所有元素上。
Figure BDA0001974941710000114
和
Figure BDA0001974941710000115
是向量元素ai和bi的平均数。
步骤1细节
为了执行该步骤，可以在所测量匹配线520与患者运动库中的每个k空间数据集之间计算互相关系数。然后可以选择具有最大CC的k空间数据集。
Figure BDA0001974941710000116
Figure BDA0001974941710000117
Figure BDA0001974941710000118
然后可以将Klib CC系数计算为：
Figure BDA0001974941710000119
在一些实施方案中，Klib＝10。具有最大CC系数的k空间数据集的索引由d1、d2...dK表示。
步骤2细节
可以对于最佳拟合所测量数据
Figure BDA00019749417100001110
的
Figure BDA00019749417100001111
的线性组合执行搜索：
Figure BDA00019749417100001112
复系数αi可以通过求解以下实值线性系统来找到：
Figure BDA00019749417100001113
其中，矩阵R、I以及向量A、B限定如下：
Figure BDA00019749417100001114
Figure BDA0001974941710000121
Figure BDA0001974941710000122
Figure BDA0001974941710000123
这里，R(a)、T(a)以及a*分别是复数a的实部、虚部以及复数共轭。
步骤3细节
在步骤2中找到的线性组合可以用于通过以下线性组合将来自患者运动库的k空间数据添加到所获取的匹配线：
Figure BDA0001974941710000124
另选方法考虑在d1-1、d2-1...dK-1患者运动库数据集中的线也具有与d1、d2...dK中的线类似的贡献。而且，可以考虑相对于匹配线获取给定数据集的时间接近度。例如，紧接在匹配线之后获取数据集d1中的线lM+1，并且可以比数据集d1-1中的第lM+1线在组合中给予更多权重。这种方法的一个实施方案可以由下式表达：
Figure BDA0001974941710000125
Figure BDA0001974941710000126
通过上述方法，可以通过在沿着k空间中的单个放射线获取跟踪数据220的情况下代替在之前获取的放射k空间数据中的对应放射线来更新从平面k空间数据310构建的平面图像320。这样，所重建的平面图像由“旧”放射线和一个新放射线组成。与等待所有放射线的重新获取不同，这允许立即生成部分更新的平面图像320。
患者100可能以无法找到跟踪数据220与参考数据200之间的足够好的匹配的这种方式来运动是可能的。如何解决这一点的一个示例可以是外推参考数据200，以尝试改善跟踪数据220与参考数据200之间的匹配。例如，如果参考数据200捕获了正常呼吸，但在关注时间期间，患者100做非常深的呼吸，则可以数字地外推参考数据200，以尝试匹配跟踪数据220。外推可以基于患者解剖结构的变化形状的速度。例如，外推基于由跟踪数据220测量的肺扩张的速度。如果发现匹配被改善或充分，则可以将外推的参考数据添加到患者运动库。
跟踪(或部分体积)数据可以由k空间向量表示，所述k空间向量与在对患者100成像时获取的跟踪或部分体积数据210的k空间表示对应。这些k空间向量可以是具有实分量和虚分量的复量。或者说，k空间向量可以具有大小和相位角。如果患者解剖结构经受平移或旋转，则表示患者解剖结构的具体位置的k空间向量的大小不变。可能改变的是向量的实部与虚部的比，如由相位角所表示。在一些实施方案中，可以通过减去与在不同时间获取的跟踪数据或部分体积数据210对应的相位角测量来确定在跟踪数据220或部分体积数据210的每个坐标或体素中包含的相位角的变化。所确定的相位角的变化可以与患者解剖结构的位置或取向的对应变化有关。
该方法可以用于将所获取的k空间数据(对于可能已经位移或旋转的患者解剖结构)更佳地匹配到预先存在的k空间数据。例如，可以存在与患者解剖结构对应的k空间数据，包括参考数据200、部分体积数据210或跟踪数据220。知晓患者解剖结构可能移位(例如，线性平移)、旋转或这两者，而仍然基本上保持相同身体形状，可以应用所获取的k空间数据中的任意一个的改变，以确定移位或旋转是否已经发生。具体地，可以向k空间数据应用表示患者解剖结构的移位或旋转的比例因子或旋转。k空间比例因子可以与笛卡尔(Cartesian)空间中的线性移位成比例。k空间中的旋转可以与笛卡尔空间中的旋转成比例。在对k空间数据的所应用改变改善k空间数据到已知k空间数据(例如，参考数据200、部分体积数据210、跟踪数据220)的匹配时，则即使k空间数据被患者解剖结构的运动改变，也可以确定患者运动相位。这样，一些匹配或重建可以仅通过改变k空间数据中的旋转或移位发生，而不必重建实际上可能与已经在患者运动库中的患者运动状态相同的全新患者运动状态。这可以在患者解剖结构运动或旋转但不以其他方式变形时加速获取和匹配。
图6是例示了组装以形成体积数据集620的部分体积数据610的切片的图。可以由所获取的部分体积数据210和所获取的跟踪数据220构建表示特定运动状态630的患者解剖结构的体积图像。特定运动状态630的示例由图6中的解剖学图像示出。部分体积数据210可以例如作为3D笛卡尔k空间中的一系列切片610或平面或作为平面图像数据的集合来获取。除了包括k空间中的平面之外，部分体积数据210还可以对应于与患者解剖结构交叉的任意数量的平面。在部分体积数据210的获取时段期间，可以获取一个或多个切片610(不管是在图像平面中还是在k空间数据中)。
笛卡尔k空间中的切片可以以若干方式来获取。一个是MRI系统可以仅激发期望的平面区域。这可以允许借助数据仅与该平面区域有关的知识来获取数据。第二示例性方法可以是激发整个患者体积并仅获取穿过患者100的k空间数据或平面的特定分区。
部分体积数据210到跟踪数据220的特定获取的时间接近度可以允许部分体积数据210表示与跟踪数据220对应的运动状态。如箭头所示，可以而后根据特定运动状态630分箱部分体积数据210。可以实施分类算法，以将部分体积数据210分组或分箱到适当的运动状态400。如图6所示，除了开端或结尾获取之外，部分体积数据210的每个获取被跟踪数据220的两个获取夹在中间。然后可以借助于其时间接近度而使部分体积数据210与任一跟踪数据220相关。与两个获取对应的跟踪数据220的两个集合中的每一个可以与聚类的参考数据200互相关。在一些实施方案中，每个聚类中的平均互相关系数可以用作加权因子。然后，可以将部分体积数据210累积到与具有最大权重的两个聚类的运动状态对应的两个分箱(bin)。累积还可以由这些运动状态的加权因子(或相关系数)来加权。作为一个示例，假设在特定时间获取的跟踪数据220关于运动相位2具有0.8的CC，关于运动相位5具有0.3的CC，并且关于运动相位8具有0.1的CC。则在该示例中，可以而后用运动相位2对部分体积数据210分箱并给予其0.8的权重，而且用运动相位5对部分体积数据分箱，具有权重0.3。在其他实施方案中，任意数量的分箱可以根据加权接收部分体积数据210。例如，仅一个块(与最高加权对应)可以接收部分体积数据210。在另一个实施方案中，可以所有分箱接收相应地加权的部分体积数据210。
部分体积数据210可以根据与用于获取上述平面k空间数据的k空间区域类似的k空间区域的序列来获取。在获取开始之后，为了避免重新获取已经对于特定运动状态400获取的k空间的一些部分的数据，可以对于尚未被获取的k空间区域获取部分体积数据210。哪些k空间区域要获取的选择可以基于要被获取的区域的连续更新的列表。在从该序列获取k空间区域之后，可以从该列表去除该k空间区域。在一个实施方案中，可以预定义并执行k空间扫描序列。当部分体积数据210被获取并分箱到运动状态时，可以更新k空间扫描序列，以仅或优先地获取与尚未被充分成像或已经被成像最少次数的运动状态对应的部分体积数据210。作为一个示例，如果存在三个运动状态并且运动状态1和2已经被成像10次而运动状态3仅被成像五次，则部分体积数据210的获取可以仅在跟踪数据220确认患者解剖结构处于运动状态3时触发。
在一个实施方案中，如果获取足够量的部分体积数据210使得可以由其构建平面图像，那么可以用部分体积数据210的该子集代替跟踪数据220。这样，可以从体积数据提取跟踪数据220，然后跟踪数据220如上所述用于使部分体积数据210与运动状态相关。
与上述平面数据的快速获取类似，如果部分(或完全)体积数据可从较早的时间点获得，则可以将该数据与即时获取的部分体积数据210组合。例如，如果对于运动相位存在体积数据的完全集，则更早部分体积数据210的区域可以被新获取的部分体积数据210代替。体积数据的更新的完全集可以用于生成更新的体积图像。
图7是例示了时间分辨体积图像序列的构建的图。患者体积的重建可以用累积的部分体积数据210执行。如上所述，这可以通过基于所确定的运动状态将在一个运动状态期间获取的部分体积数据210添加到与一个运动状态400对应的体积数据集620来进行。可以借助3D快速傅里叶变换(FFT)由部分体积数据210的完全或几乎完全集来构建体积图像700。如果对完全聚类执行FFT，则所重建的体积图像700将在由k空间项限定的分辨率下。在不完全的3D体积数据集的情况下，没有图像将可用(如对于图7中的一个数据集所示)，或者图像相对于理想的完全体积图像将遭受失真。如总体由图7中的箭头示出的，随后可以组合体积图像700，以生成时间分辨体积图像序列。
图8是用于构建患者解剖结构的体积图像700的过程流程图。在810处，可以从MRI系统获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库。在820处，可以在关注时间期间获取可以与参考数据有关的跟踪数据。在830处，可以在关注时间期间且与跟踪数据的获取近似同时地获取部分体积数据。在840处，可以由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。可以如这里描述地进行这些步骤的修改，并且可以添加另外的步骤，例如，可以构建并然后组合多个体积图像，以生成时间分辨体积图像序列。
图9是例示了磁共振成像系统910的图，该磁共振成像系统尤其包括围绕躺在床940上的患者100的门架920。MRI 910的主磁场在该示例中由分离主磁体线圈950生成(但可以使用其他磁体配置)。MRI 910与用于施予MRI引导的放射疗法治疗的放射治疗装置960集成。在图9所描绘的特定示例中，治疗由线性加速器来施予，该线性加速器已经分解成绕门架920的三个单独的屏蔽容器内包含的子部件。然而，本公开预期可以使用能够向患者100施予放射束的任意类型的放射治疗装置，例如，放射同位素疗法、质子疗法、重离子疗法等。
如这里描述的构建的图像和时间分辨体积成像序列可以用于增强放射疗法的施予。例如，可以基于跟踪数据220向患者100施予放射治疗。如以上讨论的，跟踪数据220例如可以是患者治疗期间可以被重建为平面图像320的平面图像数据。平面图像320可以提供相对于来自放射治疗装置960的放射束的关于患者解剖结构的位置的信息。然后可以基于知晓患者解剖结构的几乎瞬时状态和位置来改变放射治疗束。例如，可以基于患者解剖结构的所接收跟踪数据220和/或所重建图像来选通、改变放射治疗装置960的输出或进行其他动作。
时间分辨体积图像序列可以在放射疗法期间提供与患者解剖结构的位置有关的详细信息，因此可以在治疗之后用于验证治疗被施予得如何好，例如，这通过计算所施予的剂量分布并将其与规定的剂量分布进行比较来进行。
另外，可以通过将在治疗期间接收的跟踪数据与所测量的体积数据进行比较来更佳地训练预测患者解剖结构的运动的模型。例如，如果跟踪数据的特定集合是患者运动的良好预测，那么可以在施予放射疗法治疗时优先使用该数据。
此外，凭借足够良好地相关的跟踪数据和体积数据，可以仅基于参考数据200预测治疗计划的可实现性。这可以在不必执行体积图像重建的情况下允许基于当前患者状况对治疗计划进行逐治疗期的更新。
这里描述的主题的一个或多个方面或特征可以在数字电子电路、集成电路、专门设计的专用集成电路(ASIC)、现场可编程门阵列(FPGA)计算机硬件、固件、软件和/或其组合中实现。这些各种方面或特征可以包括可在可编程系统上执行和/或解释的一个或多个计算机程序中的实施方案，可编程系统包括可以为专用或通用的至少一个可编程处理器，该至少一个可编程处理器被耦合为从存储系统、至少一个输入装置以及至少一个输出装置接收数据和指令和向其发送数据和指令。可编程系统或计算系统可以包括客户端和服务器。客户端和服务器通常远离彼此，并且通常借助通信网络交互。客户端和服务器的关系借助于计算机程序出现，并且这些计算机程序运行在各计算机上并且具有到彼此的客户端-服务器关系。
这些计算机程序(还可以被称为程序、软件、软件应用、应用、部件、或代码)包括用于可编程处理器的机器指令，并且可以用高级过程语言、面向对象的编程语言、函数编程语言、逻辑编程语言、和/或用汇编/机器语言来实现。如这里使用的，术语“机器可读介质”指用于向可编程处理器(包括接收机器指令作为机器可读信号的机器可读介质)提供机器指令和/或数据的任意计算机程序产品、设备和/或装置，诸如磁盘、光盘、存储器、以及可编程逻辑装置(PLD)。术语“机器可读信号”指用于向可编程处理器提供机器指令和/或数据的任意信号。机器可读介质可以永久存储这种机器指令，诸如将为永久固态存储器或磁硬盘驱动器或任意等效存储介质。另选地或另外地，机器可读介质可以以暂态方式存储这种机器指令，例如，将为处理器缓存或与一个或多个物理处理器核心关联的其他随机存取存储器。
为了提供与用户的交互，这里描述的主题的一个或多个方面或特征可以在计算机上实施，该计算机具有：显示装置，该显示装置用于向用户显示信息，诸如阴极射线管(CRT)或液晶显示器(LCD)或发光二极管(LED)监测器；以及键盘和指向装置，例如鼠标或跟踪球，用户可以由该键盘和指向装置向计算机提供输入。还可以使用其他种类的装置来提供与用户的交互。例如，向用户提供的反馈可以为任意形式的感觉反馈，诸如例如，视觉反馈、听觉反馈、或触觉反馈；并且来自用户的输入可以以任意形式接收，包括但不限于声、语音或触觉输入。其他可能的输入装置包括但不限于触摸屏或其他触敏装置，诸如单或多点电阻或电容跟踪垫、语音识别硬件和软件、光学扫描仪、光学指针、数字图像捕获装置和关联的解释软件等。
在以上描述和权利要求中，诸如“……中的至少一个”或“……中的一个或多个”的短语可以出现，后面是元件或特征的连接列表。术语“和/或”也可以出现在两个或更多个元件或特征的列表中。除非另外由使用短语的语境含蓄或明确地否定，否则这种短语旨在意指所列元件或特征中独立的任意一个或与其他所列元件或特征中的任意一个组合的、所列元件或特征的任意一个。例如，短语“A和B中的至少一个”、“A和B中的一个或多个”以及“A和/或B”各旨在意指“A独自、B独自或A和B一起”。类似的解释也旨在用于包括三项或更多项的列表。例如，短语“A、B以及C中的至少一个”、“A、B以及C中的一个或多个”以及“A、B和/或C”各旨在意指“A独自、B独自、C独自、A和B一起、A和C一起、B和C一起、或A和B和C一起”。上面和权利要求中的术语“基于”的使用旨在意指“至少部分基于”，使得未列举的特征或元件也是可允许的。
这里描述的主题可以取决于期望构造而在系统、设备、方法、计算机软件和/或物品中具体实施。前面描述中阐述的实施方案不表示符合这里描述的主题的所有实施方案。相反，它们仅是符合与所述主题有关的方面的一些示例。虽然上面已经详细描述了一些变体，但其他修改或添加是可以的。具体地，除了这里阐述的特征和/或变体之外，还可以提供另外的特征和/或变体。例如，上述实施方案可以致力于所公开特征的各种组合和子组合和/或上述若干另外特征的组合和子组合。另外，附图中描绘和/或这里所述的逻辑流程不是必须需要所显示的特性顺序或顺序次序来实现期望的结果。其他实施方案可以在随附权利要求的范围内。

Claims (29)

1.一种存储指令的非暂态机器可读介质，所述指令在由形成计算系统的至少一部分的至少一个处理器执行时引起操作，所述操作包括：
从磁共振成像系统（MRI）获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库，其中，用于形成所述患者运动库的所述参考数据是在获取部分体积数据和跟踪数据之前或之后获取的；
在关注时间期间，获取能够与所述参考数据有关的所述跟踪数据；
在所述关注时间期间且与获取所述跟踪数据近似同时地获取所述部分体积数据；以及
由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。
2.根据权利要求1所述的非暂态机器可读介质，其中，构建并组合多个体积图像，以生成时间分辨体积图像序列。
3.根据权利要求1所述的非暂态机器可读介质，还包括将所述跟踪数据或所述部分体积数据的至少一些添加到所述患者运动库。
4.根据权利要求1所述的非暂态机器可读介质，其中，所述跟踪数据是平面k空间数据。
5.根据权利要求1所述的非暂态机器可读介质，其中，所述跟踪数据是三维k空间数据。
6.根据权利要求1所述的非暂态机器可读介质，其中，所述跟踪数据和所述部分体积数据以直接序列获取。
7.根据权利要求1所述的非暂态机器可读介质，还包括至少基于所述跟踪数据向患者施予放射治疗。
8.根据权利要求1所述的非暂态机器可读介质，其中，所述部分体积数据根据k空间区域的预定义序列来获取，并且其中，所述部分体积数据与来自尚未被获取的所述预定义序列的k空间区域对应。
9.根据权利要求1所述的非暂态机器可读介质，所述构建包括：
将所述患者运动库分区成多个运动状态，所述运动状态中的每一个对应于患者运动的一部分；
通过找到所述跟踪数据与所述参考数据之间的最近匹配来确定与所述跟踪数据对应的所述运动状态；以及
基于所确定的运动状态将在所述多个运动状态中的一个期间获取的部分体积数据添加到与所述多个运动状态中的所述一个对应的体积数据集，所构建的体积图像包括部分体积数据的完全集。
10.根据权利要求1所述的非暂态机器可读介质，其中，所述参考数据是穿过所述患者解剖结构的所述一部分的集成投影。
11.根据权利要求10所述的非暂态机器可读介质，还包括基于所述患者解剖结构与所述MRI系统之间的角度将所述集成投影变换为平面k空间数据。
12.根据权利要求1所述的非暂态机器可读介质，其中，所述部分体积数据是与所述患者解剖结构的所述一部分中的多个平面对应的多个平面数据。
13.根据权利要求1所述的非暂态机器可读介质，其中，所述跟踪数据与放射k空间数据的子集对应，该放射k空间数据的子集能够用于重建所述患者解剖结构的与所述跟踪数据和所述参考数据的最近匹配对应的部分。
14.根据权利要求1所述的非暂态机器可读介质，获取所述跟踪数据还包括在沿着k空间中的单个放射线获取所述跟踪数据的情况下代替在先前获取的放射k空间数据中的对应放射线。
15.根据权利要求1所述的非暂态机器可读介质，使所述跟踪数据与所述参考数据有关包括通过数字内插、外推或平移使所述参考数据变形，以改善描述使所述跟踪数据与所述参考数据有关的质量的拟合优度度量。
16.根据权利要求15所述的非暂态机器可读介质，其中，所述变形还基于从所述跟踪数据测量的患者运动的速度。
17.根据权利要求1所述的非暂态机器可读介质，其中，所述参考数据的获取发生在向所述患者施予放射治疗之前。
18.根据权利要求1所述的非暂态机器可读介质，其中，所述参考数据的获取发生在向所述患者施予放射治疗之后。
19.根据权利要求1所述的非暂态机器可读介质，其中，所述参考数据是k空间数据。
20.根据权利要求1所述的非暂态机器可读介质，其中，所述参考数据是平面图像数据。
21.根据权利要求1所述的非暂态机器可读介质，其中，所述部分体积数据是k空间数据。
22.根据权利要求1所述的非暂态机器可读介质，其中，所述部分体积数据是平面图像数据。
23.根据权利要求1所述的非暂态机器可读介质，还包括使所述部分体积数据与所述跟踪数据相关。
24.根据权利要求1所述的非暂态机器可读介质，其中，所述关注时间在向患者施予放射治疗期间。
25.根据权利要求1所述的非暂态机器可读介质，其中，所述关注时间在诊断观察时段期间。
26.根据权利要求1所述的非暂态机器可读介质，其中，所述部分体积数据紧接在获取所述跟踪数据之后获取。
27.根据权利要求1所述的非暂态机器可读介质，其中，跟踪数据和部分体积数据的获取是连续的且在获取跟踪数据与部分体积数据之间交替。
28.一种用于由至少一个可编程处理器实施的方法，所述方法包括以下步骤：
从磁共振成像系统（MRI）获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库，其中，用于形成所述患者运动库的所述参考数据是在获取部分体积数据和跟踪数据之前或之后获取的；
在关注时间期间，获取能够与所述参考数据有关的所述跟踪数据；
在所述关注时间期间且与获取所述跟踪数据近似同时地获取所述部分体积数据；以及
由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。
29.一种系统，该系统包括：
至少一个可编程处理器；和
存储指令的非暂态机器可读介质，所述指令在由所述至少一个可编程处理器执行时，使得所述至少一个可编程处理器执行操作，所述操作包括：
从磁共振成像系统（MRI）获取在患者运动期间与患者解剖结构的一部分有关的参考数据，以形成患者运动库，其中，用于形成所述患者运动库的所述参考数据是在获取部分体积数据和跟踪数据之前或之后获取的；
在关注时间期间，获取能够与所述参考数据有关的所述跟踪数据；
在所述关注时间期间且与获取所述跟踪数据近似同时地获取所述部分体积数据；以及
由所获取的部分体积数据和所获取的跟踪数据构建表示特定运动状态的患者解剖结构的体积图像。
CN201780051416.8A 2016-06-22 2017-06-21 磁共振体积成像 Active CN109642934B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662353530P 2016-06-22 2016-06-22
US62/353,530 2016-06-22
PCT/US2017/038520 WO2017223187A1 (en) 2016-06-22 2017-06-21 Magnetic resonance volumetric imaging

Publications (2)

Publication Number Publication Date
CN109642934A CN109642934A (zh) 2019-04-16
CN109642934B true CN109642934B (zh) 2021-10-29

Family

ID=59270151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780051416.8A Active CN109642934B (zh) 2016-06-22 2017-06-21 磁共振体积成像

Country Status (8)

Country Link
US (2) US11284811B2 (zh)
EP (1) EP3475719B1 (zh)
JP (2) JP7142580B2 (zh)
KR (1) KR20190039498A (zh)
CN (1) CN109642934B (zh)
AU (1) AU2017280205A1 (zh)
CA (1) CA3028154A1 (zh)
WO (1) WO2017223187A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017202535A1 (de) * 2017-02-16 2018-08-16 Siemens Healthcare Gmbh Erstellen von MR-Bildern
US11232576B2 (en) * 2019-03-20 2022-01-25 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for determining motion of an object in imaging
EP4060362A1 (en) * 2021-03-18 2022-09-21 Koninklijke Philips N.V. Staged reconstruction of planning images for cardiac magnetic resonance imaging

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105785298A (zh) * 2016-03-10 2016-07-20 大连锐谱科技有限责任公司 一种高精度三维化学位移成像方法
CN106170246A (zh) * 2014-01-17 2016-11-30 阿特瑞斯公司 用于四维(4d)流磁共振成像的设备、方法和产品

Family Cites Families (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005916A (en) 1992-10-14 1999-12-21 Techniscan, Inc. Apparatus and method for imaging with wavefields using inverse scattering techniques
US6636645B1 (en) 2000-06-29 2003-10-21 Eastman Kodak Company Image processing method for reducing noise and blocking artifact in a digital image
US8565860B2 (en) 2000-08-21 2013-10-22 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system
US6775405B1 (en) 2000-09-29 2004-08-10 Koninklijke Philips Electronics, N.V. Image registration system and method using cross-entropy optimization
US20030068097A1 (en) 2001-06-15 2003-04-10 Massachusetts Institute Of Technology Adaptive mean estimation and normalization of data
GB2382512A (en) 2001-07-20 2003-05-28 Elekta Oncology Syst Ltd MRI in guided radiotherapy and position verification
US7092573B2 (en) 2001-12-10 2006-08-15 Eastman Kodak Company Method and system for selectively applying enhancement to an image
US7099428B2 (en) 2002-06-25 2006-08-29 The Regents Of The University Of Michigan High spatial resolution X-ray computed tomography (CT) system
US7276906B2 (en) 2002-11-20 2007-10-02 Koninklijke Philips Electronics N.V. Self-shielded gradient field coil for magnetic resonance imaging
US7542622B1 (en) 2003-06-02 2009-06-02 The Trustees Of Columbia University In The City Of New York Spatio-temporal treatment of noisy images using brushlets
US7486839B2 (en) 2003-06-27 2009-02-03 Case Western Reserve University Efficient method for MR image reconstruction using coil sensitivity encoding
JP2005040416A (ja) * 2003-07-24 2005-02-17 Hitachi Medical Corp 磁気共鳴イメージング装置
US7202663B2 (en) 2003-11-12 2007-04-10 Iovivo Corporation Method for generating fast magnetic resonance images
US20050207531A1 (en) 2004-01-20 2005-09-22 University Of Florida Research Foundation, Inc. Radiation therapy system using interior-point methods and convex models for intensity modulated fluence map optimization
US7230429B1 (en) 2004-01-23 2007-06-12 Invivo Corporation Method for applying an in-painting technique to correct images in parallel imaging
EP1725166B1 (en) 2004-02-20 2011-03-30 University of Florida Research Foundation, Inc. System for delivering conformal radiation therapy while simultaneously imaging soft tissue
JP2005270491A (ja) * 2004-03-26 2005-10-06 Mie Tlo Co Ltd シネｍｒｉにおける心機能定量評価方法
US7457655B2 (en) * 2004-10-08 2008-11-25 Mayo Foundation For Medical Education And Research Motion correction of magnetic resonance images using moments of spatial projections
US8014625B2 (en) 2004-11-10 2011-09-06 Agfa Healthcare Method of performing measurements on digital images
ATE545364T1 (de) 2004-12-15 2012-03-15 Koninkl Philips Electronics Nv Verfahren zur bestimmung einer räumlichen verteilung von magnetischen teilchen
JP3668816B1 (ja) 2004-12-16 2005-07-06 学校法人慶應義塾 磁気共鳴イメージング装置
DE102004061509B4 (de) 2004-12-21 2007-02-08 Siemens Ag Verfahren und Gerät zur beschleunigten Spiral-kodierten Bildgebung in der Magnetresonanztomographie
US8295577B2 (en) 2005-03-31 2012-10-23 Michael Zarkh Method and apparatus for guiding a device in a totally occluded or partly occluded tubular organ
US20070083114A1 (en) 2005-08-26 2007-04-12 The University Of Connecticut Systems and methods for image resolution enhancement
US7977942B2 (en) 2005-11-16 2011-07-12 Board Of Regents, The University Of Texas System Apparatus and method for tracking movement of a target
US8041103B2 (en) 2005-11-18 2011-10-18 Kla-Tencor Technologies Corp. Methods and systems for determining a position of inspection data in design data space
US7532705B2 (en) 2006-04-10 2009-05-12 Duke University Systems and methods for localizing a target for radiotherapy based on digital tomosynthesis
US7840045B2 (en) 2006-04-21 2010-11-23 The University Of Utah Research Foundation Method and system for parallel reconstruction in the K-space domain for application in imaging systems
JP4425879B2 (ja) 2006-05-01 2010-03-03 株式会社日立製作所 ベッド位置決め装置及びその位置決め方法並びに粒子線治療装置
JP2008212634A (ja) * 2007-02-06 2008-09-18 Toshiba Corp 磁気共鳴イメージング装置及びその画像解析方法並びに画像解析プログラム
US7602183B2 (en) 2007-02-13 2009-10-13 The Board Of Trustees Of The Leland Stanford Junior University K-T sparse: high frame-rate dynamic magnetic resonance imaging exploiting spatio-temporal sparsity
US8155417B2 (en) 2007-03-27 2012-04-10 Hologic, Inc. Post-acquisition adaptive reconstruction of MRI data
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
US7791338B2 (en) 2007-09-07 2010-09-07 The Board Of Trustees Of The Leland Stanford Junior University MRI method of determining time-optimal gradient waveforms with gradient amplitude as a function of arc-length in k-space
US8509383B2 (en) * 2007-10-25 2013-08-13 Tomotherapy Incorporated System and method for motion adaptive optimization for radiation therapy delivery
JP5854575B2 (ja) * 2007-12-10 2016-02-09 株式会社東芝 磁気共鳴イメージング装置
DE102008008601B4 (de) * 2008-02-12 2010-07-29 Siemens Aktiengesellschaft Verfahren zur Verarbeitung von medizinischen Bilddaten zur schichtweisen Abbildung einer Struktur bei freier Atmung
WO2010008097A1 (ja) * 2008-07-16 2010-01-21 国立大学法人 千葉大学 体内立体動画像の合成装置および合成方法
US7659718B1 (en) 2008-07-31 2010-02-09 The Board Of Trustees Of The Leland Stanford Junior University Blip design for random sampling compressed sensing of flyback 3D-MRSI
US8310233B2 (en) 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
DE102009011290B4 (de) * 2009-03-02 2013-08-14 Siemens Aktiengesellschaft MR-Bildgebung eines Volumenabschnitts mit überlappendem Versetzen einer Messschicht
US8183864B2 (en) * 2009-04-15 2012-05-22 Siemens Medical Solutions Usa, Inc. System for multi nucleus cardiac MR imaging and spectroscopy
CN102365655A (zh) 2009-06-10 2012-02-29 三菱电机株式会社 图像核对装置以及使用了该图像核对装置的患者定位装置
CN102804207B (zh) 2009-06-19 2016-08-03 微雷公司 用于执行断层图像获取和重构的系统和方法
JP5584441B2 (ja) 2009-08-20 2014-09-03 アズビル株式会社 ボリュームデータ間の対応付け方法
US20110176715A1 (en) * 2010-01-21 2011-07-21 Foos David H Four-dimensional volume imaging system
WO2011149785A1 (en) 2010-05-23 2011-12-01 The Regents Of The University Of California Characterization and correction of macular distortion
JP5470185B2 (ja) 2010-07-29 2014-04-16 株式会社日立メディコ 医用画像処理装置及び治療支援システム
US8824630B2 (en) * 2010-10-29 2014-09-02 Accuray Incorporated Method and apparatus for treating a target's partial motion range
US8812077B2 (en) 2010-12-22 2014-08-19 Viewray Incorporated System and method for image guidance during medical procedures
JP2012152469A (ja) 2011-01-27 2012-08-16 Nidek Co Ltd 眼科用手術顕微鏡
US9254112B2 (en) 2011-03-23 2016-02-09 Siemens Corporation Respiratory interval-based correlation and processing of dynamic imaging data
US10307619B2 (en) * 2012-02-06 2019-06-04 Insightec, Ltd. Reference-library extension during imaging of moving organs
EP2639781A1 (en) 2012-03-14 2013-09-18 Honda Motor Co., Ltd. Vehicle with improved traffic-object position detection
US9119550B2 (en) 2012-03-30 2015-09-01 Siemens Medical Solutions Usa, Inc. Magnetic resonance and ultrasound parametric image fusion
US20130345545A1 (en) 2012-06-21 2013-12-26 Siemens Medical Solutions Usa, Inc. Ultrasound Enhanced Magnetic Resonance Imaging
US10649053B2 (en) 2012-11-02 2020-05-12 The Regents Of The University Of California Cardiac late gadolinium enhancement MRI for patients with implanted cardiac devices
US9097780B2 (en) * 2012-11-09 2015-08-04 Siemens Aktiengesellschaft Multi-stage magnetic resonance reconstruction for parallel imaging applications
WO2014170483A1 (en) * 2013-04-18 2014-10-23 Koninklijke Philips N.V. Radiation therapy system with real-time magnetic resonance monitoring
US10288705B2 (en) 2013-10-08 2019-05-14 Koninklijke Philips N.V. Corrected multiple-slice magnetic resonance imaging
US9918639B2 (en) 2013-11-07 2018-03-20 Siemens Healthcard GmbH Magnetic resonance imaging with asymmetric radial sampling and compressed-sensing reconstruction
WO2015125600A1 (ja) * 2014-02-24 2015-08-27 独立行政法人放射線医学総合研究所 放射線治療用動体追跡装置、放射線治療用照射領域決定装置および放射線治療装置
AU2015229128A1 (en) 2014-03-14 2016-09-22 The General Hospital Corporation System and method for free radical imaging
US9913733B2 (en) 2014-08-20 2018-03-13 Synaptive Medical (Barbados) Inc. Intra-operative determination of dimensions for fabrication of artificial bone flap
AU2015360491B2 (en) * 2014-12-10 2018-10-04 Elekta, Inc. Magnetic resonance projection imaging
US9874620B2 (en) 2015-02-05 2018-01-23 Ohio State Innovation Foundation Low field magnetic resonance imaging (MRI) scanner for cardiac imaging
US10925510B2 (en) * 2015-05-08 2021-02-23 Cedars-Sinai Medical Center Characterization of respiratory motion in the abdomen using a 4D MRI technique with 3D radial sampling and respiratory self-gating
EP3294129A4 (en) 2015-05-12 2019-01-02 Hyperfine Research Inc. Radio frequency coil methods and apparatus

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106170246A (zh) * 2014-01-17 2016-11-30 阿特瑞斯公司 用于四维(4d)流磁共振成像的设备、方法和产品
CN105785298A (zh) * 2016-03-10 2016-07-20 大连锐谱科技有限责任公司 一种高精度三维化学位移成像方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
4D MR imaging of respiratory organ motion and its variability;M von Siebenthal等;《physics in medicine and biology》;20070331;第52卷(第6期);全文 *
Image-based self-navigator using cardiac functional parameters for cine imaging;Christoph Kolbitsch等;《PROCEEDING OF THE INTERNATIONAL SOCIETY FOR MAGNETIC RESONANCE IN MEDICINE,20TH ANNUAL MEETING & EXHIBITION》;20120505;全文 *

Also Published As

Publication number Publication date
US20220218223A1 (en) 2022-07-14
KR20190039498A (ko) 2019-04-12
US20170367612A1 (en) 2017-12-28
JP2019520142A (ja) 2019-07-18
EP3475719B1 (en) 2021-07-28
JP7318083B2 (ja) 2023-07-31
JP7142580B2 (ja) 2022-09-27
EP3475719A1 (en) 2019-05-01
CA3028154A1 (en) 2017-12-28
JP2022174220A (ja) 2022-11-22
US11284811B2 (en) 2022-03-29
AU2017280205A1 (en) 2019-01-17
CN109642934A (zh) 2019-04-16
WO2017223187A1 (en) 2017-12-28

Similar Documents

Publication Publication Date Title
CN111161326B (zh) 用于可变形图像配准的无监督深度学习的系统和方法
US10803987B2 (en) Real-time motion monitoring using deep neural network
JP7318083B2 (ja) 磁気共鳴容積イメージング
US20200034948A1 (en) Ml-based methods for pseudo-ct and hr mr image estimation
US10304198B2 (en) Automatic medical image retrieval
US8265363B2 (en) Method and apparatus for automatically identifying image views in a 3D dataset
US9254112B2 (en) Respiratory interval-based correlation and processing of dynamic imaging data
CN104126193B (zh) 图像分辨率增强
Teixeira et al. Generating synthetic x-ray images of a person from the surface geometry
Fischer et al. An MR-based model for cardio-respiratory motion compensation of overlays in X-ray fluoroscopy
US20100030572A1 (en) Temporal registration of medical data
US10346989B2 (en) Method and system for calculating a displacement of an object of interest
Jiang et al. Reconstruction of 3d ct from a single x-ray projection view using cvae-gan
Yang et al. Automatic left ventricle segmentation based on multiatlas registration in 4D CT images
Wu et al. Reconstruction of 4D-CT from a single free-breathing 3D-CT by spatial-temporal image registration
WO2021184118A1 (en) Methods and systems for reconstructing a 3d anatomical structure undergoing non-rigid motion
Bao et al. Prediction of Liver Respiratory Motion Based on Machine Learning
Wijesinghe Intelligent image-driven motion modelling for adaptive radiotherapy
Tei Multi-modality image fusion by real-time tracking of volumetric brain deformation during image guided neurosurgery
Singh et al. 4D alignment of bidirectional dynamic MRI sequences
Zakkaroff et al. Recovery of Slice Rotations with the Stack Alignment Transform in Cardiac MR Series.
WO2023230310A1 (en) System and method for real-time image registration during radiotherapy using deep learning
Azhari et al. Three Dimensional Analysis of Heart Geometry and Function
Jantsch et al. 4D Cardiac Volume Reconstruction from Free-Breathing 2D Real-Time Image Acquisitions using Iterative Motion Correction
Zhang Visualisation of multi-dimensional medical images with application to brain electrical impedance tomography

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
GR01 Patent grant
GR01 Patent grant