CN112036678B - 一种磁共振影像的综合质量评价体系构建方法及质控方法 - Google Patents
一种磁共振影像的综合质量评价体系构建方法及质控方法 Download PDFInfo
- Publication number
- CN112036678B CN112036678B CN202010536301.1A CN202010536301A CN112036678B CN 112036678 B CN112036678 B CN 112036678B CN 202010536301 A CN202010536301 A CN 202010536301A CN 112036678 B CN112036678 B CN 112036678B
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- quality evaluation
- matrix
- image quality
- factor
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提出一种磁共振影像的综合质量评价体系构建方法,所述综合质量评价体系用于磁共振影像质控,其包括:获取磁共振设备的标准球形水模的不同模态的磁共振影像;基于各模态的磁共振影像提取各影像质量测评指标;基于多台磁共振设备各所述影像质量测评指标,抽取多个综合质量因子;将不同的所述综合质量因子对应到设备的不同的硬件环境指标,构建磁共振设备的综合质量评价体系,包括依次关联的三层:第一层用于提供综合质量得分、第二层包括所述硬件环境指标、第三层包括所述影像质量测评指标;以及,确定出从所述第三层到第所述二层的第一权重和从所述第二层到所述第一层的第二权重。本发明可以提升所采集的磁共振影像质量的稳定性和可靠性。
Description
技术领域
本发明涉及智慧医疗技术领域,特别是指一种磁共振影像的综合质量评价体系构建方法及质控方法。
背景技术
脑科学研究中一个重要的研究方向是以多中心队列追踪的方式对中国儿童青少年的脑智发育情况进行测评,由于磁共振脑影像技术无创、时间分辨率和空间分辨率高的特性,能够从脑结构、脑功能等多方面对大脑进行度量,磁共振脑影像成为了脑科学研究中必不可少的技术。为了能够保证在多个磁共振中心的施测过程中同时检测磁共振脑影像质量的稳定性和可靠性,需对磁共振影像设备进行标准化管理。然而,目前不同的中心对磁共振影像的检测度量指标不统一,且没有与多中心、大数据的使用场景相适应的技术方案,从而使多中心站点磁共振设备的标准化质量监控体系的形成面临严重挑战。
发明内容
有鉴于此,本发明的主要目的在于提供一种磁共振影像的综合质量评价体系构建方法及质控方法,以能实现在多个磁共振中心的施测过程中对磁共振设备的影像质量控制,形成多中心站点的磁共振设备的标准化质量监控体系,从而提升所采集的磁共振脑功能影像质量的稳定性和可靠性。
本发明第一方面提供一种磁共振影像的综合质量评价体系构建方法,综合质量评价体系用于磁共振影像的质控,其包括以下步骤:
获取磁共振设备的标准球形水模的不同模态的磁共振影像;
基于各模态的磁共振影像提取各影像质量测评指标;
基于多台磁共振设备各所述影像质量测评指标,抽取多个综合质量因子;
将不同的所述综合质量因子对应到设备的不同的硬件环境指标,构建磁共振设备的综合质量评价体系,包括依次关联的三层:第一层用于提供综合质量得分、第二层包括所述硬件环境指标、第三层包括所述影像质量测评指标;以及,确定出从各所述影像质量测评指标到各所述硬件环境指标的第一权重和从各所述硬件环境指标到各所述综合质量得分的第二权重。
由上,由于上述步骤中采用所述球形水模,因为其具有高度稳定的物理特性,保证其磁共振影像的高度不变性,减小了样品对使用本发明磁共振影像的综合质量评价体系构建方法构建的磁共振设备的综合质量评价体系的影响,保证了所构建的综合质量评价体系应用于磁共振影像质控时的稳定性。
由上,所述基于多台磁共振设备各所述影像质量测评指标,每台设备的运行时间不同或维护情况不同,其设备潜在的问题也不尽相同,同时还可累积一台设备历史数据,特别是设备在过去有故障时的影像,基于多个磁共振设备的各所述影像质量测评指标,保证对使用本发明所述综合质量评价体系构建方法构建的磁共振设备的综合质量评价体系的鲁棒性,提高了所构建的综合质量评价体系应用于磁共振影像质控时的稳定性。
其中,所述不同模态的磁共振影像至少包括以下之一:定位像、二维自旋回波成像、三维快速梯度回波成像、梯度回波成像、血氧水平依赖成像和扩散张量成像。
由上,不同模态影像因为其成像原理不同,反应了设备质量中不同的方面,综合多个模态影像就可以分析设备质量的多个方面,保证使用本发明所述综合质量评价体系构建方法构建的磁共振设备的综合质量评价体系的通用性,提升了所构建的综合质量评价体系应用于磁共振影像质控时的可靠性。
其中,所述影像质量测评指标使用标准化的方法(Pipeline)自动提取。
由上,所述标准化的方法(Pipeline)自动提取,减小了人为对使用本发明所述综合质量评价体系构建方法构建的磁共振设备的综合质量评价体系的影响,保证了所构建的综合质量评价体系应用于磁共振影像质控时的稳定性。
其中,所述抽取多个综合质量因子,是利用探索性因子分析法基于所述影像质量测评指标抽取的公因子中选择获取;
由上,所述探索性因子分析法(EFA)能够将具有错综复杂关系的变量综合为少数几个独立的可解释的核心因子;利用探索性因子分析法基于多台磁共振设备各所述影像质量测评指标抽取的多个所述综合质量因子,可解释为硬件环境相关的指标。
其中,所述将不同的所述综合质量因子对应到设备的不同的硬件环境指标的步骤包括:
依次从所述影像质量测评指标对应的矩阵X中取第i个指标xi,其中i=1,2,…,m;在因子得分矩阵A的i列中查找与xi中有关的最大得分系数aji,根据aji所对应的所述综合质量因子对应的矩阵F中的公因子fj,确定xi对公因子fj有显著影响;
依次从综合质量因子F中取第j个公因子fj,其中j=1,2,…,n;根据在影像质量测评指标对应的矩阵X中对fj有显著影响的所有xi指标共同指向的硬件环境指标对公因子fj重命名;
由此构建综合质量因子对应的矩阵F对应的硬件环境指标对应的矩阵D。
由上,所述综合质量因子被解释为磁共振设备的环境质量指标,为磁共振设备独特的指纹,帮助在问题定位时能及时准确发现硬件质量问题。
其中,所述关联包括:所述综合质量得分对应的变量T表示为所述硬件环境指标对应的矩阵D与第二权重对应的矩阵C的乘积;
所述硬件环境指标对应的矩阵D表示为所述影像质量测评指标对应的矩阵X与第一权重对应的矩阵B的乘积;
其中,所述第一权重对应的矩阵B与所述因子得分矩阵A相等;
其中,所述第二权重对应的矩阵C基于所述因子贡献率对应矩阵G归一化获得;所述贡献率对应的矩阵G由基于探索性因子分析法输出因子贡献率对应的矩阵。
由上,使用本发明所述综合质量评价体系构建方法构建的磁共振设备的综合质量评价体系,立体化可视化呈现了从影像层面的所述影像质量测评指标到硬件层面所述硬件环境指标再到设备综合质量得分的评价体系,帮助磁共振设备影像质控时准确质控。
综上,所述球形水模的磁共振影像提供了标准化样品、所述影像质量测评指标使用了所述标准化方法自动提取提供了标准化数据,保证了构建所述综合质量评价体系的稳定性,所述不同模态和所述多台磁共振设备的所述影像质量测评指标提供了多维度的数据,保证了所述综合质量评价体系的可靠性,探索性因子分析法实现了综合质量因子的可解释性,最终构建一个稳定的可靠的可解释的所述综合质量评价体系。
本发明第二方面提供了一种磁共振影像的综合质量评价体系构建装置,包括:
数据获取模块、用于获取磁共振设备的标准球形水模的不同模态的磁共振影像,其中可以从多个中心的磁共振设备分别获取;
指标提取模块、用于基于各模态的磁共振影像提取各影像质量测评指标;
因子抽取模块、用于基于多台磁共振设备各所述影像质量测评指标,抽取多个综合质量因子;
体系构建模块、用于将不同的所述综合质量因子对应到设备的不同的硬件环境指标,构建磁共振设备的综合质量评价体系,包括依次关联的三层:第一层用于提供综合质量得分、第二层包括所述硬件环境指标、第三层包括所述影像质量测评指标;以及,确定出从各所述影像质量测评指标到各所述硬件环境指标的第一权重和从各所述硬件环境指标到所述综合质量得分的第二权重。
本发明第三方面提供一种磁共振影像质控方法,包括以下步骤:
基于各个磁共振设备,使用本发明第一方面提供的一种磁共振影像的综合质量评价体系构建方法构建磁共振设备的综合质量评价体系;
基于所述综合质量评价体系,计算各磁共振设备的综合质量得分和各所述硬件环境指标的得分;
当判断一磁共振设备的综合质量得分低于设定第一阈值时,基于所述综合质量评价体系的关联的三层,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障。
其中,所述依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障的步骤为:
①确定导致所述综合质量得分T低于所述第一阈值的原因是在所述硬件环境指标D中存在一具体的硬件环境指标di低于设定的di阈值;
②确定导致所述di低于所述di阈值的原因是在所述影像质量测评指标X中存在一具体的影像质量测评指标xi低于设定的xi阈值;
③把所述xi指向的磁共振设备的一具体硬件定位为有故障硬件。
基于所述综合质量评价体系的磁共振影像质控方法可以立体化可视化发现磁共振设备的综合质量得分低于设定第一阈值时,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障,帮助磁共振影像设备相关人员快速定位设备方面的问题并予以解决,最终提升多磁共振设备的磁共振影像的稳定性和可靠性。
本发明第四方面还提供了一种磁共振影像质控装置,包括:
得分计算模块,用于基于所构建的综合质量评价体系,计算各磁共振设备的综合质量得分;
故障定位模块,用于当判断一磁共振设备的综合质量得分低于设定的第一阈值时,基于所述综合质量评价体系的关联的三层,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障。
作为本发明第五个方面提供了一种计算设备,包括:总线;通信接口,其与所述总线连接;至少一个处理器,其与所述总线连接;以及至少一个存储器,其与所述总线连接并存储有程序指令,所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行上述技术方案中任一所述的方法。
作为本发明第六个方面提供了一种计算机可读存储介质,其上存储有程序指令,所述程序指令当被计算机执行时使得所述计算机执行上述技术方案中任一所述的方法。
附图说明
图1为磁共振影像质控流程图
图2为综合质量评价体系示意图
图3为影像质量测评指标提取流程图
图4为基于影像质量测评指标抽取综合质量因子流程图
图5为磁共振影像信号均值曲线分布图
图6A为磁共振影像的综合质量评价体系构建装置结构示意图
图6B为磁共振影像质控装置结构示意图
图7为计算设备结构性示意性图
具体实施方式
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三等”或模块A、模块B、模块C等,仅用于区别类似的对象,不代表针对对象的特定排序,可以理解地,在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
在以下的描述中,所涉及的表示步骤的标号,如S110、S120……等,并不表示一定会按此步骤执行,在允许的情况下可以互换前后步骤的顺序,或同时执行。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
对本发明具体实施方式进行进一步详细说明之前,对本发明实施例中涉及的名词和术语,以及其在本发明中相应的用途\作用\功能等进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
1、本发明的磁共振影像至少包括六个模态,分别为定位像、二维自旋回波成像、三维快速梯度回波成像、梯度回波成像、血氧水平依赖成像和扩散张量成像,其中各模态的介绍如下所示:
定位像(Localizer):为磁共振成像的三个平面的定位像,用于在初次扫描的时候进行定位,根据磁体孔径的中心位置进行的快速粗略扫描,通常在几秒时间内,完成在轴位、冠状位和矢状位三个平面上。在三个平面各采集一层影像或几层影像,目的是确定磁体中心位置和被测物体范围。
二维自旋回波成像(2D T1-weighted Spin-echo sequence,简称2D_T1_se):通过在轴位扫描多层影像,对应短TR(Time of Repetition,采样间隔)500ms左右、短TE(timeof Echo,回波时间)15ms-30ms,采集的回波信号幅度主要反映各组织的T1(自旋-晶格弛豫时间)差别,因而这种影像又称为T1加权像自旋回波成像。其特点是快速成像,影像信噪比高,模态结构简单,信号变化容易解释;对磁场不均匀性不敏感,没有明显磁化率伪影;2D层面影像几何形状保真度好、信号均匀性好。
三维快速梯度回波成像(3D T1-weighted Magnetization Prepared RapidGradient Echo sequence,简称3D_T1_MPRAGE):是T1加权的3D快速梯度回波成像,其特点是在各个方向、水模影像的几何形状保真度好、信号均匀性好,主要用于大脑形态学分析,如进行人脑的各种径线、脑体积及脑室容积的测量。
梯度回波成像(Fieldmapping):使用梯度回波成像模态,多层成像。对每一层同时获得两个幅值影像和一个相位影像,其中,相位影像反映磁场的均匀程度。该模态获得的影像通常用于脑功能影像和DTI影像的几何形状校正。
血氧水平依赖成像(Blood oxygen-level dependent,简称BOLD):是指用梯度回波-平面回波成像模态(GE-EPI,gradient-echo echo-planner imaging)扫描大脑的血氧水平依赖,加权影像,获得脑功能影像。BOLD是研究脑功能的主要的无创技术之一,具有毫米级的空间分辨率,是神经科学探索人类大脑神经机制的重要技术手段。BOLD通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反应脑活动。BOLD信号具有相对且非定量的特性。
扩散张量成像(diffusion-tensor imaging,简称DTI):指用自旋回波扩散加权平面回波模态(spin-echo diffusion-weighted EPI sequence)扫描获得的影像,包括扩散加权成像(DWI,diffusion-weighted imaging)。DTI是目前唯一能够显示活体人脑白质纤维束分布和走向的技术。大脑中的水分子存在布朗运动形式的随机扩散,该技术通过建模来描绘大脑细胞中水分子的扩散分布,进而分析扩散张量、建模、构造纤维束分布、显示活体人脑白质纤维束的分布和走向,用于研究解剖连接及解剖网络。
2、球形水模:在直径、体积、液体介质的扩散系数、液体介质的密度,影像的灰度值等物理特性上存在高稳定性,是作为分析磁共振设备性能的标准样本。
3、中心:安装了磁共振设备的中心。多中心是多个安装了磁共振设备的中心。
4、Pipeline:是指基于磁共振影像提取影像质量测评指标的标准自动化流程,通过软件实现。
5、探索性因子分析法(Exploratory Factor Analysis,EFA):因子分析法的一种,是一项用来找出多元观测变量的本质结构、并进行处理降维的技术能够将具有错综复杂关系的变量综合为少数几个核心因子。
6、综合质量因子:探索性因子分析法(EFA)将具有错综复杂关系的变量综合为少数几个核心因子,这些核心因为为公因子,对应本发明为综合质量因子。
7、因子得分矩阵:在探索性因子分析法中变量在公因子上的得分系数矩阵。
8、因子贡献率:在探索性因子分析法中用来衡量某个公因子对变量的贡献大小。
9、SPSS(Statistical Product and Service Solutions):统计产品与服务解决方案软件,为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。
下面将结合附图,对本发明中的技术方案进行描述。
在智慧医疗的磁共振影像设备质量监测领域中,现有的磁共振设备质量检测主要有以下二种典型方式:
现有技术一:实验室级别通过扫描特定模态的磁共振影像,提取部分度量反映该模态影像质量的指标,然后依据统计指标的分布特性,检测磁共振成像设备的稳定性和影像质量。
现有技术一存在的缺陷:在现有的方法中各站点依据扫描的特定影像模态进行相关的影像质量测评指标提取,然后依据测评指标的分布特性进行磁共振设备质量评价,由于没有明确指出这些测评指标与磁共振设备成像环境中各方面性能的映射关系,从而造成定位问题困难。同时,由于现有技术采用模态单一并且没有形成全面的标准化的采集方案和测评指标计算方法,无法从多维度进行磁共振设备成像性能的评价。
现有技术二:基于影像分析领域专家的人工影像质量评价,依托专家经验进行磁共振设备影像质量的评价。
现有技术二存在的缺陷:在现有的磁共振设备质量监测方法中,当采用多中心队列进行研究时,由于各中心站点的影像分析领域专家依据各自专业经验对磁共振设备进行质量评价,从而使各中心站点的评估结果具有主观性等方面的问题。
因此,现有技术对于在多中心、多机型、大数据的使用场景下形成统一标准化的磁共振设备质量检测体系方面表现出一定的局限性和不适用性。
基于现有技术所存在的缺陷,本发明提供了一种磁共振影像质控方法,基本原理是通过多中心的磁共振设备对标准的球形水模扫描、获得标准水模的不同模态的影像,然后分析不同模态的影像的特征,采用标准的自动化方法提取能够反馈其影像质量的测评指标,采用统计学习中探索性因子分析法构建磁共振设备标准的综合质量评价体系,从而实现对磁共振影像设备的综合评价,并基于该综合质量评价体系定位设备问题,实现影像质控。综上,本发明的磁共振影像质控方法能够提升磁共振功能影像质量的稳定性和可靠性。
下面将结合附图,对本申请中的技术方案进行描述。
【磁共振影像质控方法的实施例】
参见图1所示的流程图,本申请的磁共振影像质控方法包括以下步骤:
步骤110、获取多中心磁共振设备的标准球形水模的不同模态的磁共振影像。
因为球形水模具有高度稳定的物理特性,在所述磁共振影像质控时排除了样品对影像质量影响;
本例中,磁共振影像包括六个模态,分别为:定位像、二维自旋回波成像、三维快速梯度回波成像、梯度回波成像、血氧水平依赖成像和扩散张量成像。每个模态影像用来分析设备质量中关联的维度,综合多个模态影像就可以分析设备质量的多个维度,保证影像质控的准确性和可靠性。
步骤120、根据所述不同模态的各磁共振影像提取各影像质量测评指标,对应为矩阵X。
其中,基于每个模态的磁共振影像特性梳理出并提取该模态特有的至少一个影像质量测评指标xi,集合每个模态的特有的各所述影像质量测评指标,可以实现在多模态优点的基础上进一步可以综合表达影响影像的设备质量的多个维度,进一步保证所述磁共振影像质控的准确性和可靠性;
其中,每个模态的各所述影像质量测评指标采用统一的标准流程(Pipeline)自动抽取,排除了人为主观的影响,进一步提高所述磁共振影像质控的稳定性。
本例中,将六个模态的各所述影像质量测评指标合在一起构成列矩阵X,可设矩阵X有m个元素对应m个指标,记为XT={xi|i=1,2,...,m}
关于所述影像质量测评指标的提取方法,具体可参见后文【基于磁共振影像提取影像质量测评指标的方法】,此处不再赘述。
步骤130、基于多中心磁共振设备的各所述影像质量测评指标对应矩阵X,抽取多个所述综合质量因子对应矩阵F,同时确定所述综合质量因子的因子得分矩阵A和因子贡献率矩阵G。
所述综合质量因子就是探索性因子分析法(EFA)中的公因子。探索性因子分析法(EFA)能够将具有错综复杂关系的变量综合为少数几个独立核心因子,可以客观发现影响所述影像质量测评指标的独立的所述综合质量因子,而且所述综合质量因子可以解释为物理层具体含义,所述因子得分矩阵A和因子贡献率矩阵G也是基于探索性因子分析法(EFA)计算的
本例中设所述综合质量因子为n个,则所述综合质量因子组成列矩阵FT={fi|i=1,2,...,n},所述因子贡献率也是n个,组列矩阵GT={gi|i=1,2,...,n}。
所述综合质量因子对应的矩阵F与影像质量测评指标对应的矩阵X和因子得分矩阵A的关系为:
其中,因子得分矩阵A为n*m的矩阵,n为所述综合质量因子个数,m为所述影像质量测评指标个数。
关于综合质量因子抽取方法,具体可参见后文【基于影像质量测评指标提取综合质量因子的方法】,此处不再赘述。
步骤140、将不同的所述综合质量因子对应到设备的不同的硬件环境指标,构建磁共振设备的综合质量评价体系。其包括:
子步骤1410、基于所述综合质量因子对应的矩阵F和所述因子得分矩阵A对所述综合质量因子对应的矩阵F进行的重命名,把所述综合质量因子各公因子重命名为磁共振设备硬件环境指标对应的矩阵D各指标,包括主磁场稳定性、主磁场均匀性、梯度磁场线性等,是磁共振设备的独特指纹。命名步骤:
(1)从所述影像质量测评指标对应的矩阵X中取第i个指标xi,其中i=1,2,…,m;
(2)在因子得分矩阵A的i列中查找与xi中有关的最大得分系数aji,根据aji所对应的所述综合质量因子对应的矩阵F中的公因子fj,确定xi对公因子fj有显著影响;
(3)利用(2)的方法,依次找到每个xi对应的被其显著影响的公因子fj,其中i=1,2,…,m;反之,这样对每个公因子fj显著影响的xi也因此被确定,其中j=1,2,…,n;
(4)从所述综合质量因子对应的矩阵F中取第j个公因子fj,其中j=1,2,…,n;
(5)基于(3)的查找结果,根据在所述影像质量测评指标对应的矩阵X中对fj有显著影响的所有xi指标共同指向的硬件环境指标,对公因子fj重命名;
(6)利用(5)的方法,依次从所述综合质量因子对应的矩阵F中所有公因子重命名。
由此,综合质量因子对应的矩阵F就被重命名为硬件环境指标对应的矩阵D,矩阵D中每个指标有确定的物理含义。
子步骤1420、根据所述综合质量因子F、所述因子得分矩阵A和所述贡献率矩阵G,构建磁共振设备的综合质量评价体系。
所构建的综合质量评价体系如图2所示,由三层架构构成,第一层为综合质量得分T,第二层为所述硬件环境指标对应的矩阵D,第三层为所述影像质量测评指标对应的矩阵X,还包括从所述影像质量测评指标到所述硬件环境指标的第二权重B和从所述硬件环境指标到所述综合质量得分的第一权重C。
所述综合质量得分对应的变量T可表示为所述硬件环境指标对应的矩阵D与第一权重对应的矩阵C的乘积;
其中n为所述硬件环境指标个数。
所述硬件环境指标对应的矩阵D可表示为所述影像质量测评指标对应的矩阵X与第二权重对应的矩阵B的乘积;
其中n为所述硬件环境指标个数,m为所述影像质量测评指标个数。
因为所述硬件环境指标对应的矩阵D是所述综合质量因子对应的矩阵F重命名的矩阵,结合公式1和公式3可知,第一权重对应的矩阵B与所述因子得分矩阵A相等;
第二权重对应的矩阵C基于所述因子贡献率对应矩阵G归一化获得。
其中n为所述硬件环境指标个数。
至此,磁共振设备的综合质量评价体系构建完毕,后面的步骤则是基于该综合质量评价体系如果实现故障定位。
步骤150、获取磁共振设备的不同模态所述影像质量测评指标,基于所述磁共振设备标准的综合质量评价体系,计算磁共振设备的所述综合质量得分。可以获取一个中心或多个中心磁共振设备的不同模态所述影像质量测评指标,计算一个或多个中心磁共振设备的所述综合质量得分。
步骤160、当判断一中心的磁共振设备的综合质量得分低于设定第一阈值时,基于所述综合质量评价体系的关联的三层,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障,实现磁共振影像质控。
其中,所述依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障的步骤为:
①确定导致所述综合质量得分T低于所述第一阈值的原因是在所述硬件环境指标对应的矩阵D中存在一具体的硬件环境指标di低于设定的di阈值;
②确定导致所述di低于所述di阈值的原因是在所述影像质量测评指标对应的矩阵X中存在一具体的影像质量测评指标xi低于设定的xi阈值;
③把所述xi指向的磁共振设备的一具体硬件定位为有故障硬件。
其中,所述第一阈值、di阈值和xi阈值设定步骤如下:
①第一阈值:所述综合质量得分T本身数值只有相对意义,一般基于多中心磁共振设备的各所述综合质量得分T分档,通常可以分为四挡,其中数据统计分布的20%位点的分数为优秀,60%位点的分数定为良好,90%位点的分数定为一般,其他则为较差。通常把90%位点对应的所述综合质量得分数值设置为第一阈值,低于所述第一阈值时则要进行硬件质量分析和定位;
②di阈值:所述硬件环境指标中每个di数值也只有相对意义,所以采用①的方法对所述硬件环境指标中每个di设定di阈值。
③xi阈值:所述影像质量测评指标的每个xi绝对数值具有实际物理含义,对所述影像质量测评指标基于实际经验设定每个xi阈值。
下面以一个例子说明相关硬件故障定位流程。
如一中心磁共振设备的所述综合质量得分T低于设定阈值时,可以通过公式(2)展开为:
其中n为其中所述硬件环境指标个数。
分析发现d1和d2得分较低,其物理含义分别主磁场信号稳定性、线圈组参数有效性,d1和d2通过公式(3)展开为:
通过公式(6)和(7)代入具体数据进行分析,发现为Xl较低,Xl是影像信号均值曲线的峰间变化值(peak_to_peak_variation),参见图5。影像信号均值曲线的峰间变化值从Bold影像中提取的特征指标,可以在一定程度上指向线圈的有效性,即定位到故障与线圈有关。最后通过更换线圈解决该问题,提高了该中心的影像质量。
由上,本发明在磁共振影像质量监测中,针对多中心标准化的磁共振设备质量评价,首先获取多中心的标准球形水模的多模态影像;然后依据每个模态的不同特性建立了规范化的自动化指标提取流程pipeline从而获得多维度磁共振所述影像质量测评指标;基于多中心的所述影像质量测评指标,通过探索性因子分析方法提取磁共振设备综合质量因子,并对应到磁共振设备的硬件环境指标,构建磁共振设备的综合质量评价体系;基于所述综合质量评价体系计算磁共振设备的综合质量得分,当一中心的磁共振设备的综合质量得分低于设定阈值时,通过可视化回溯分析发现影响综合质量得分低于设定阈值的硬件环境指标和影像质量测评指标,从而实现快速定位问题提供给相关人员以解决,实现磁共振影像质控,最终提升多中心磁共振影像的质量。
【基于磁共振影像提取影像质量测评指标的方法】
本发明用标准化的方法(Pipeline)从磁共振影像提取所述影像质量测评指标,每个模态梳理出其专有的所述影像质量测评指标,用软件进行标准化、自动化的指标提取,以Fieldmapping模态为例,参照如图3详细介绍所述影像质量测评指标提取步骤
步骤3010、获取磁共振影像文件Dicom。
步骤3020、基于所述磁共振影像文件Dicom进行参数有效性检查,主要包括检查该模态理论产生的文件个数和所述磁共振影像文件Dicom文件中的参数设定值是否与标准设定值一致。若检查结果为“是”,则参数有效性检查通过,则进入步骤3030;反之,则该所述磁共振影像文件数据无效。
步骤3030、利用标准化的dcm2nii工具进行磁共振影像文件Dicom文件格式转换,从而获得幅值影像mag.nii.gz以及相位影像ph.nii.gz,其中幅值影像用来确定球形水模的信号区域,相位影像用来计算所述信号区域的强度值。
步骤3040、利用影像分析工具FSL中bet方法对所述幅值影像进行处理,获取所述球形水模信号区域的第一掩模mask1(以下简称mask1),计算伪代码为“bet mag.nii.gzmask1–m–f 0.3-R”。
步骤3050、由于所述球形水模信号区域的mask1边缘存在噪声以及伪影信号的影响,利用影像分析工具FSL中fslmaths对mask1做第一次腐蚀处理,从而获得球形水模的信号区域精准的第二掩模mask2(以下简称mask2),计算伪代码为“fslmaths mask1–kernel3D–ero mask2”。
步骤3060、利用影像分析工具FSL中fsl_prepare_fieldmap方法对所述相位影像进行去卷折操作,得到去卷折影像unwrap(以下简称unwrap),计算伪代码为“fsl_prepare_fieldmap SIEMENS ph.nii.gz mask2 unwarp”。
步骤3070、对mask2再做一次腐蚀操作得到球形水模的信号区域更加精准的第三掩模mask3(以下简称mask3),计算伪代码为“fslmaths mask2–kernel 3D–ero mask3””。
步骤3080、取对应mask3区域的去卷折unwrap影像信号区域元素值组成数组result_b0。
步骤3090、对信号数组result_b0中每一个元素值除以2π进行频率转换,得到新的频率偏移数组result_b0_hz。
步骤3100、统计分析频率偏移数组result_b0_hz中的最大值、最小值、均值和标准差。
步骤3110、从所述相位影像文件的头文件中获取影像的频率值。
步骤3120、将所述频率偏移数组中的最大值、最小值、均值和标准差及所述影像的频率值作为FieldMapping模态的磁共振影像的质量测评指标,输出该模态磁共振的影像质量测评指标。
流程中使用的FSL和dcm2nii为磁共振设备标准化影像处理工具,FSL和dicom2nii的工作原理不在赘述。
FieldMapping模态的相位图像反映磁场的均匀程度和梯度系统的均匀性,所以其影像质量测评指标是磁场频率值相关的统计分布。
其他每个模态也分别有其专有的所述影像质量测评指标,也是类似标准的方法提取。比如BOLD模态通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反应脑活动,BOLD信号具有相对且非定量的特性,可以提取影像信号均值曲线的峰间变化值peak_to_peak_variation。
下面列举定位像、二维自旋回波成像、三维快速梯度回波成像、梯度回波成像、血氧水平依赖成像和扩散张量成像6个模态各自专有的一些所述影像质量测评指标。
定位像:Table_position、phantom_position、…
二维自旋回波成像:Snr_ghost_level、image_intersity_uniformity,…
三维快速梯度回波成像:phantom_position、diameter_mean,…
梯度回波成像:ROI_intensity(min,max,mean,std)、image_frequence、…
血氧水平依赖成像:Mean_image_intensity、peak_to_peak_Avaiation、...
扩散张量成像:Avesnro、CVsnro、ADC_Ratio、BO_Ave、FANyq_Ratio、…
【基于影像质量测评指标提取综合质量因子的方法】
本发明使用探索性因子分析法(EFA)基于影像质量测评指标提取综合质量因子。一个可能的实现方法就是利用SPSS软件完成提取,下面参照图4详细介绍实现步骤:
步骤4010、获取多中心磁共振设备的不同模态的所述影像质量测评指标,组成影像特征集合。
步骤4020、设定所述影像质量测评指标为待分析变量,所述影像特征集合为所述待分析变量组成的样本集合,选用探索性因子分析方法分析。
步骤4030、利用SPSS软件对磁共振影像的质量测评指标的数据进行KMO(Kaiser-Meyer-Olkin)检验和Bartlett检验,判断该数据是否适合做探索性因子分析;如果判断结果适合,则进入步骤4040;反之,则退出分析。
KMO检验变量间的样品间相关性,取值在0~1之间,KMO越大相关性越好,探索性因子分析法一般要求KMO值大于0.5。
Bartlett检验样本阵是否单位阵,单位阵代表样本间独立,无法分析,Bartlett球形度sig.值越大,样本间越独立。Bartlett球形度sig.值要求小于0.05,才能做探索性因子分析。
步骤4040、利用SPSS软件对原始的所述影像质量测评指标进行主成分分析(PCA,Principal Component Analysis),获取第一公因子组和第一因子载荷矩阵。通常所述第一公因子组公因子相互间独立性差,为提高公因子间的独立性需要对所述第一公因子组进行因子旋转(Factor Rotation),先进行正交旋转,得到第二公因子组和第二因子载荷矩阵。
步骤4050、因为所述第二公因子中公因子较多,部分公因子贡献率较小,利用SPSS软件对所述第二公因子组中公因子,基于K1规则选择贡献率较大的公因子。K1规则:基于所述第二因子载荷矩阵计算第二公因子的特征值,选择特征值大于1的公因子进行贡献率从大到小排序,利用碎石图分析方法判断累积贡献率不在显著下降前的公因子为所选择的公因子。再对所述第二公因子组中被选择公因子进行因子旋转方法中的斜交旋转,获得第三公因子组和第三因子载荷矩阵,所述第三公因子组更加稳定、独立和可解释。所述第三公因子组就是综合质量因子F,可解释硬件指标层面指标。
SPSS内部基于所述第三因子载荷矩阵,可计算所述综合质量因子的因子得分矩阵A和因子贡献率G。
步骤4060、SPSS软件输出综合质量因子F、因子得分矩阵A和因子贡献率G。
KMO检验、Bartlett检验、主成份分析、因子正交旋转、K1规则选择、因子斜交旋转等都是SPSS内部自动实现,为探索性因子分析的标准步骤,对其运算过程和原理不在赘述。因子载荷矩阵、因子得分矩阵A和因子贡献率G也在SPSS内部自动实现,同样不在赘述。
本发明在使用探索性因子分析过程中,先使用主成份分析法选出了公因子,经过因子正交旋转、K1规则选择、因子斜交旋转一步步提高了因子的独立性、稳定性和可解释性,保证最后综合质量因子可以准确反应硬件环境指标。
【磁共振影像的综合质量评价体系构建装置】
本发明还提供了一种磁共振影像的综合质量评价体系构建装置,下面结合图6A详细介绍:
数据获取模块6110、用于获取磁共振设备的标准球形水模的不同模态的磁共振影像,其中可以从多个中心的磁共振设备分别获取;
指标提取模块6120、用于基于各模态的磁共振影像提取各影像质量测评指标;
因子抽取模块6130、用于基于多台磁共振设备各所述影像质量测评指标,抽取多个综合质量因子;
体系构建模块6140,用于将不同的所述综合质量因子对应到设备的不同的硬件环境指标和构建磁共振设备的综合质量评价体系,所述综合质量评价体系包括依次关联的三层:第一层用于提供综合质量得分、第二层包括所述硬件环境指标、第三层包括所述影像质量测评指标;以及,确定出从各所述影像质量测评指标到各所述硬件环境指标的第一权重和从各所述硬件环境指标到所述综合质量得分的第二权重。
【磁共振影像质控装置】
本发明还提供了磁共振影像质控装置,下面结合图6B详细介绍:
得分计算模块6210,用于基于所构建的综合质量评价体系,计算各磁共振设备的综合质量得分;
故障定位模块6220,用于当判断一磁共振设备的综合质量得分低于设定的第一阈值时,基于所述综合质量评价体系的关联的三层,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障。
【计算设备】
本发明还提供的一种计算设备,下面图7详细介绍。
该计算设备700包括:处理器710、存储器720、通信接口730、总线740。
应理解,该图所示的计算设备710中的通信接口730可以用于与其他设备之间进行通信。
其中,该处理器710可以与存储器720连接。该存储器720可以用于存储该程序代码和数据。因此,该存储器720可以是处理器710内部的存储单元,也可以是与处理器710独立的外部存储单元,还可以是包括处理器710内部的存储单元和与处理器710独立的外部存储单元的部件。
可选的,计算设备00还可以包括总线740。其中,存储器720、通信接口730可以通过总线740与处理器710连接。总线740可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。所述总线740可以分为地址总线、数据总线、控制总线等。为便于表示,该图中仅用一条线表示,但并不表示仅有一根总线或一种类型的总线。
应理解,在本发明实施例中,该处理器710可以采用中央处理单元(centralprocessing unit,CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器710采用一个或多个集成电路,用于执行相关程序,以实现本发明实施例所提供的技术方案。
该存储器720可以包括只读存储器和随机存取存储器,并向处理器710提供指令和数据。处理器710的一部分还可以包括非易失性随机存取存储器。例如,处理器710还可以存储设备类型的信息。
在计算设备700运行时,所述处理器710执行所述存储器720中的计算机执行指令执行上述方法的操作步骤。
应理解,根据本发明实施例的计算设备700可以对应于执行根据本发明各实施例的方法中的相应主体,并且计算设备700中的各个模块的上述和其它操作和/或功能分别为了实现本实施例各方法的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还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用于执行一种多样化问题生成方法,该方法包括上述各个实施例所描述的方案中的至少之一。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是,但不限于,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括、但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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,均属于本发明保护范畴。
Claims (6)
1.一种磁共振影像质控方法,其特征在于,包括步骤:
获取磁共振设备的标准球形水模的不同模态的磁共振影像;基于各模态的磁共振影像提取各影像质量测评指标;基于多台磁共振设备各所述影像质量测评指标,抽取多个综合质量因子;
将不同的所述综合质量因子对应到设备的不同的硬件环境指标,构建磁共振设备的综合质量评价体系,包括依次关联的三层:第一层用于提供综合质量得分、第二层包括所述硬件环境指标、第三层包括所述影像质量测评指标;以及,确定出从各所述影像质量测评指标到各所述硬件环境指标的第一权重和从各所述硬件环境指标到所述综合质量得分的第二权重;
其中,所述关联包括:所述综合质量得分T表示为所述硬件环境指标对应的矩阵D与第二权重对应的矩阵C的乘积,所述硬件环境指标对应的矩阵D表示为所述影像质量测评指标对应的矩阵X与第一权重对应的矩阵B的乘积;
其中,所述将不同的所述综合质量因子对应到设备的不同的硬件环境指标的步骤包括:依次从所述影像质量测评指标对应的矩阵X中取第i个指标xi,其中i=1,2,…,m;在因子得分矩阵A的i列中查找与xi中有关的最大得分系数aji,根据aji所对应的所述综合质量因子对应的矩阵F中的公因子fj,确定xi对公因子fj有显著影响;所述因子得分矩阵A是基于探索性因子分析法确定的所述综合质量因子的得分系数组成的矩阵;以及,依次从综合质量因子对应的矩阵F中取第j个公因子fj,其中j=1,2,…,n;根据在影像质量测评指标对应的矩阵X中对fj有显著影响的所有xi指标共同指向的硬件环境指标对公因子fj重命名;以及,由此构建综合质量因子对应的矩阵F对应的硬件环境指标对应的矩阵D;
基于所述综合质量评价体系,计算各磁共振设备的综合质量得分;
当判断一磁共振设备的综合质量得分低于设定的第一阈值时,基于所述综合质量评价体系的关联的三层,依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障;
其中,所述依次确定出对应的硬件环境指标、影像质量测评指标,根据影像质量测评指标定位磁共振设备的故障,包括:确定导致所述综合质量得分T低于所述第一阈值的原因是在所述硬件环境指标对应的矩阵D中存在一具体的硬件环境指标di低于设定的di阈值;以及,确定导致所述di低于所述di阈值的原因是在所述影像质量测评指标对应的矩阵X中存在一具体的影像质量测评指标xi低于设定的xi阈值;以及,把所述xi指向的磁共振设备的一具体硬件定位为有故障硬件。
2.根据权利要求1所述的方法,其特征在于,
所述不同模态的磁共振影像至少包括以下之一:定位像、二维自旋回波成像、三维快速梯度回波成像、梯度回波成像、血氧水平依赖成像和扩散张量成像。
3.根据权利要求1所述的方法,其特征在于,
所述第一权重对应的矩阵B与基于探索性因子分析法确定的因子得分矩阵A相同。
4.根据权利要求1所述的方法,其特征在于,
所述第二权重对应的矩阵C基于硬件环境指标的贡献率对应的矩阵G进行归一化得到;
所述贡献率对应的矩阵G由基于探索性因子分析法输出因子贡献率对应的矩阵。
5.根据权利要求1所述的方法,其特征在于,
所述影像质量测评指标使用标准化的方法自动提取。
6.根据权利要求1所述的方法,其特征在于,
所述抽取多个综合质量因子,是利用探索性因子分析法基于所述影像质量测评指标抽取的公因子中选择获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536301.1A CN112036678B (zh) | 2020-06-12 | 2020-06-12 | 一种磁共振影像的综合质量评价体系构建方法及质控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536301.1A CN112036678B (zh) | 2020-06-12 | 2020-06-12 | 一种磁共振影像的综合质量评价体系构建方法及质控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036678A CN112036678A (zh) | 2020-12-04 |
CN112036678B true CN112036678B (zh) | 2023-08-08 |
Family
ID=73579543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010536301.1A Active CN112036678B (zh) | 2020-06-12 | 2020-06-12 | 一种磁共振影像的综合质量评价体系构建方法及质控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036678B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669289A (zh) * | 2020-12-30 | 2021-04-16 | 科大讯飞股份有限公司 | 影像质量评估方法、装置、电子设备及存储介质 |
CN113341359B (zh) * | 2021-05-20 | 2022-04-05 | 中国地质大学(武汉) | 一种Overhauser磁力仪磁测数据置信水平评价方法 |
CN113469274B (zh) * | 2021-07-20 | 2024-04-16 | 科大讯飞股份有限公司 | 一种阅读能力的测评方法、装置以及设备 |
CN114170166A (zh) * | 2021-11-26 | 2022-03-11 | 四川大学华西医院 | 磁共振头部扫描图像质量评价方法及设备 |
CN116542997B (zh) * | 2023-07-04 | 2023-11-17 | 首都医科大学附属北京朝阳医院 | 磁共振图像的处理方法、装置以及计算机设备 |
CN118279158A (zh) * | 2024-06-03 | 2024-07-02 | 之江实验室 | 一种磁共振脑影像的质量提升方法、装置及计算机设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
-
2020
- 2020-06-12 CN CN202010536301.1A patent/CN112036678B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
Non-Patent Citations (1)
Title |
---|
功能磁共振成像系统的成像质量控制;朱礼涛; 吴慧; 刘嘉;使用与维修(第01期);第59-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112036678A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036678B (zh) | 一种磁共振影像的综合质量评价体系构建方法及质控方法 | |
Scherrer et al. | Characterizing brain tissue by assessment of the distribution of anisotropic microstructural environments in diffusion‐compartment imaging (DIAMOND) | |
Hutchinson et al. | Analysis of the effects of noise, DWI sampling, and value of assumed parameters in diffusion MRI models | |
O'Donnell et al. | Does diffusion MRI tell us anything about the white matter? An overview of methods and pitfalls | |
Peled et al. | Geometrically constrained two-tensor model for crossing tracts in DWI | |
Jones et al. | White matter integrity, fiber count, and other fallacies: the do's and don'ts of diffusion MRI | |
Garyfallidis et al. | Dipy, a library for the analysis of diffusion MRI data | |
Alexander et al. | Orientationally invariant indices of axon diameter and density from diffusion MRI | |
O’Donnell et al. | An introduction to diffusion tensor image analysis | |
Tournier et al. | MRtrix: diffusion tractography in crossing fiber regions | |
Tuch et al. | Diffusion MRI of complex neural architecture | |
US9921283B2 (en) | Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging | |
US10317498B2 (en) | Methods and apparatus for modeling diffusion-weighted MR data acquired at multiple non-zero B-values | |
Pagani et al. | Diffusion MR imaging in multiple sclerosis: technical aspects and challenges | |
Bastiani et al. | Unraveling the multiscale structural organization and connectivity of the human brain: the role of diffusion MRI | |
Hall et al. | Diffusion in hierarchical systems: A simulation study in models of healthy and diseased muscle tissue | |
US20210270921A1 (en) | Mri tractography based transit time determination for nerve fibers | |
JP5591687B2 (ja) | 画像処理方法 | |
CN109920550A (zh) | 一种基于dMRI研究青少年肌阵挛性癫痫的方法 | |
Aja-Fernández et al. | Micro-structure diffusion scalar measures from reduced MRI acquisitions | |
CN111445546A (zh) | 图像重建方法、装置、电子设备、存储介质 | |
Hill et al. | Machine learning based white matter models with permeability: An experimental study in cuprizone treated in-vivo mouse model of axonal demyelination | |
CN112990266B (zh) | 多模态脑影像数据处理的方法、装置、设备及存储介质 | |
Jensen et al. | Resolving power for the diffusion orientation distribution function | |
Faiyaz et al. | Artificial intelligence for diffusion MRI-based tissue microstructure estimation in the human brain: an overview |
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 |