CN112394311A - 具有改进的导航器的mri系统 - Google Patents
具有改进的导航器的mri系统 Download PDFInfo
- Publication number
- CN112394311A CN112394311A CN202010707370.4A CN202010707370A CN112394311A CN 112394311 A CN112394311 A CN 112394311A CN 202010707370 A CN202010707370 A CN 202010707370A CN 112394311 A CN112394311 A CN 112394311A
- Authority
- CN
- China
- Prior art keywords
- navigator
- image
- neural network
- acquire
- generating
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 11
- 230000000747 cardiac effect Effects 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 230000000306 recurrent effect Effects 0.000 claims description 5
- 230000003187 abdominal effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 230000002792 vascular Effects 0.000 claims 1
- 230000000241 respiratory effect Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 8
- 210000004185 liver Anatomy 0.000 description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 230000005284 excitation Effects 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012575 bio-layer interferometry Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000013184 cardiac magnetic resonance imaging Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—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
- G01R33/546—Interface between the MR system and the user, e.g. for controlling the operation of the MR system or for the design of pulse sequences
-
- 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
Abstract
本公开涉及具有改进的导航器的MRI系统。公开了一种控制磁共振(MR)图像数据采集的方法，该方法包括：随时间推移按测量间隔生成多个一维(1D)导航器轮廓，该多个1D导航器轮廓反映成像受检者的解剖边界区域的运动；然后，生成多个导航器图像片段，该多个导航器图像片段各自用于多个1D导航器轮廓中的对应1D导航器轮廓。然后，基于该多个导航器图像片段生成导航器图像，以及基于该导航器图像确定是否采集MR图像数据。
Description
背景技术
本公开整体涉及磁共振成像(MRI)，并且更具体地讲，涉及用于基于患者的周期运动(诸如呼吸运动)来门控和/或触发MR图像采集的具有改进的系统的MRI系统。
磁共振(MR)成像通常用于获得患者的内部生理信息，包括用于心脏成像和对患者的躯干内(或患者上的任何地方)的其他部分或组织进行成像。在某些身体区域诸如躯干中的部分中，通常期望获得在可变生理周期(例如，呼吸周期和/或心动周期)的特定点诸如可变周期的峰处的图像，以分析在该峰期间的行为。门控和触发通常用于此类目的。“触发”是指基于信号(例如，呼吸、导航器、心脏、外部等)确定是否开始采集。“门控”是指确定是接受还是拒绝连续采集的数据。最常见的门控技术包括心脏、呼吸和外周脉冲门控，并且这些类型的门控在许多医疗应用中具有跨诊断模态的用途，所述诊断模态为诸如CT、MR、X射线、超声波和正电子发射断层显像(PET)。例如，呼吸门控是心脏成像的基本组成部分，同时使用包括MR的成像模态来最小化由患者的呼吸运动引起的运动相关伪影。
在MR成像中，当诸如人体组织的物质受到均匀磁场(极化场B0)时，组织中自旋的各个磁矩试图与该极化场对准，但是以它们特性的拉莫尔频率以随机顺序围绕该极化场进动。如果物质或组织受到处于x-y平面内且接近拉莫尔频率的磁场(激励场B1)，则净对准力矩或“纵向磁化”Mz可以被旋转或“倾斜”到x-y平面中，以产生净横向磁矩Mt。在激励信号B1终止之后，由激励自旋发射信号，并且该信号可以被接收和处理以形成图像。
当利用这些信号产生图像时，采用磁场梯度(Gx、Gy和Gz)。典型地，待成像区域由一系列测量周期扫描，其中这些梯度根据所使用的特定定位方法而变化。接收到的NMR信号的结果集被数字化和处理以使用重建技术重建图像。
例如，心脏区域或腹部区域的MR图像通常被保健专业人员用来诊断医疗状况。心脏区域或腹部区域的传统MR评估通常依赖于MR数据的重复心脏门控和/或呼吸门控采集，以便减少由于呼吸和/或循环生理功能引起的成像组织的连续移动所导致的图像退化。
因此，呼吸门控和/或心脏门控通常用于采集MR数据，这依赖于运动周期中特定点的检测作为触发以在运动周期的大致相同阶段重复采集数据。导航器用作跟踪呼吸、心脏或其他周期或半周期患者运动的一种装置。导航器采用附加RF脉冲来动态地跟踪患者的特定解剖区域的解剖运动，尤其是隔膜的上下(SI)位置。例如，导航器脉冲可以是自旋回波(SE)或梯度回波(GRE)。
跟踪呼吸的导航器通常被配置为跟踪随着患者呼吸患者的肺与肝脏之间的边界区域的移动。使用笔形束RF脉冲获得关于呼吸的信息的方法已被称为用于呼吸门控的一种成像技术。通过使用笔形束RF脉冲，可实现包括患者的肺的一部分和患者的肝脏的一部分的圆柱形区域在SI(上下)方向上的激励；因此，该方法适用于检测肝脏的边界位置的运动。边界位置的移动对应于患者的呼吸活动，并且因此跟踪边界区域的运动可以用于对MR数据采集进行定时。这种用于呼吸门控或触发的呼吸活动跟踪的方法尤其用于腹部成像。
虽然导航器主要用于跟踪由于呼吸引起的隔膜运动，但它们可通过任何移动对象来放置以跟踪运动，诸如心脏。导航器用于跟踪和校正心脏MRI中的心脏运动，例如，其中导航器回波被结合到多激发弥散加权脉冲序列中以校正在图像采集期间发生的运动。
发明内容
提供本发明内容是为了介绍将在下面的具体实施方式中进一步描述的一系列概念。本发明内容不旨在识别要求保护的主题的关键或必要特征，也不旨在用于帮助限制要求保护的主题的范围。
在一个实施方案中，一种控制磁共振(MR)图像数据采集的方法包括：随时间推移按测量间隔生成多个一维(1D)导航器轮廓，该多个1D导航器轮廓反映成像受检者的解剖边界区域的运动；然后，生成多个导航器图像片段，该多个导航器图像片段各自用于多个1D导航器轮廓中的对应1D导航器轮廓。然后，基于多个导航器图像片段生成导航器图像，并且基于导航器图像确定是否采集MR图像数据。
磁共振成像(MRI)系统的一个实施方案包括一个或多个RF线圈，该一个或多个RF线圈被配置为在成像受检者上生成导航器脉冲并按测量间隔从成像受检者接收由导航器脉冲激发的RF信号。该系统还包括处理系统，该处理系统被配置为：基于所接收的RF信号，随时间推移按测量间隔生成多个一维(1D)导航器轮廓，该多个1D导航器轮廓反映成像受检者的解剖边界区域的运动；然后，生成多个导航器图像片段，该多个导航器图像片段各自用于多个1D导航器轮廓中的对应1D导航器轮廓。然后，基于多个导航器图像片段生成导航器图像，然后处理系统基于导航器图像确定是否采集MR图像数据。
从以下结合附图的描述中，本发明的各种其他特征、目的和优点将变得显而易见。
附图说明
参考以下附图描述本公开。
图1是根据示例性实施方案的MRI系统的示意图；
图2是示意性地示出患者的解剖边界区域(并且具体地讲肺肝边界区域)以及用于两个示例性隔膜位置的对应导航器轮廓的图示；
图3示出了示例性导航器轮廓；
图4示出了示例性导航器轮廓和由其生成的导航器图像；
图5示意性地示出了代表性导航器图像输入和被训练以基于导航器图像生成导航器矩阵的U-Net结构化卷积神经网络；
图6示出了根据本公开的一个实施方案的控制MRI数据采集的方法的一个实施方案。
具体实施方式
参考图1，根据一个实施方案示出了示例性MRI系统100的示意图。MRI系统100的操作由操作者工作站110控制，该操作者工作站包括输入设备114、控制面板116和显示器118。输入设备114可以是操纵杆、键盘、鼠标、轨迹球、触摸激活屏、语音控制或任何类似或等效的输入设备。控制面板116可以包括键盘、触摸激活屏、语音控制、按钮、滑块或任何类似或等效的控制设备。操作者工作站110耦接到计算机系统120并且与之通信，该计算机系统使得操作者能够控制显示器118上图像的产生和观看。计算机系统120包括经由电和/或数据连接122彼此通信的多个部件。计算机系统连接122可以是直接有线连接、光纤连接、无线通信链路等。计算机系统120的部件包括中央处理单元(CPU)124、存储器126和图像处理器128，该存储器可以包括用于存储图像数据的帧缓冲器。在替代实施方案中，图像处理器128可以由在CPU 124中实现的图像处理功能来替换。计算机系统120可以连接到档案媒体设备、永久或备份存储器或网络。计算机系统120耦接到单独的MRI系统控制器130并且与之通信。
MRI系统控制器130包括经由电和/或数据连接132彼此通信的一组部件。MRI系统控制器连接132可以是直接有线连接、光纤连接、无线通信链路等。MRI系统控制器130的部件包括CPU 131、脉冲发生器133、收发器135、存储器137和阵列处理器139，该脉冲发生器耦接到操作者工作站110并与之通信。在替代实施方案中，脉冲发生器133可以集成到MRI系统100的共振组件140中。MRI系统控制器130耦接到操作者工作站110并从该操作者工作站接收命令，以指示在MR扫描期间执行MR扫描序列。MRI系统控制器130还耦接到梯度驱动器系统150并且与之通信，该梯度驱动器系统耦接到梯度线圈组件142，以在MR扫描期间产生磁场梯度。
脉冲发生器133还可以从生理采集控制器155接收数据，该生理采集控制器从多个不同传感器接收信号，这些传感器连接到经历MR扫描的对象或患者170，该信号包括来自附接到患者170的电极的心电图(ECG)信号。并且最后，脉冲发生器133耦接到扫描室接口系统145并且与之通信，该扫描室接口系统从与共振组件140的状况相关联的各种传感器接收信号。扫描室接口系统145还耦接到患者定位系统147并与之通信，该患者定位系统发送和接收信号以控制工作台171的移动。工作台171是可控的，以将患者移入和移出中心部分146并将患者移动到中心部分146内的期望位置，以进行MR扫描。
MRI系统控制器130向梯度驱动器系统150提供梯度波形，该梯度驱动器系统包括GX、GY和GZ放大器等。每个GX、GY和GZ梯度放大器激励梯度线圈组件142中的对应梯度线圈，以产生用于在MR扫描期间对MR信号进行空间编码的磁场梯度。梯度线圈组件142包括在共振组件140内，该共振组件还包括具有超导线圈144的超导磁体，该超导线圈在操作中提供在整个中心部分146中的均匀纵向磁场B0，或者由共振组件140包围的开放圆柱形成像体积。共振组件140还包括RF体线圈148，该RF体线圈在操作中提供横向磁场B1，该横向磁场在整个中心部分146中大致垂直于B0。共振组件140还可以包括RF表面线圈149，该RF表面线圈用于对经历MR扫描的患者的不同解剖结构进行成像。RF体线圈148和RF表面线圈149可以被配置为在发射和接收模式、发射模式或接收模式下操作。
经历MR扫描的对象或患者170可以定位在共振组件140的中心部分146内。MRI系统控制器130中的收发器135产生RF激励脉冲，该RF激励脉冲由RF放大器162放大并通过发射/接收开关(T/R开关)164提供到RF体线圈148和RF表面线圈149。
如上所述，RF体线圈148和RF表面线圈149可以用于发射RF激励脉冲和/或接收来自经历MR扫描的患者的所得MR信号。由经历MR扫描的患者内的受激核发出的所得MR信号可以被RF体线圈148或一个或多个RF表面线圈149感测和接收并且通过T/R开关164发送回前置放大器166。放大的MR信号在收发器135的接收器部分中被解调、滤波和数字化。
T/R开关164由来自脉冲发生器133的信号控制，以在发射模式期间将RF放大器162电连接到RF体线圈148，并且在接收模式期间将前置放大器166连接到RF体线圈148。T/R开关164可还使得RF表面线圈149能够用于发射模式或接收模式。由RF体线圈148感测和接收的所得MR信号被收发器135数字化并被传送到MRI系统控制器130中的存储器137。
当对应于接收的MR信号的原始k空间数据阵列已经被采集并临时存储在存储器137中，直到数据随后被变换以创建图像时，MR扫描完成。对于每个要重建的图像，该原始k空间数据被重新布置成单独的k空间数据阵列，并且这些单独的k空间数据阵列中的每一个被输入到阵列处理器139，该阵列处理器139操作以将数据傅立叶变换成图像数据的阵列。
阵列处理器139使用已知的变换方法，最常见的是傅立叶变换，以从接收的MR信号创建图像。这些图像被传送到计算机系统120，在那里它们被存储在存储器126中。响应于从操作者工作站110接收到的命令，图像数据可以存档在长期存储器中，或者可以由图像处理器128进一步处理并且传送到操作者工作站110以在显示器118上呈现。在各种实施方案中，计算机系统120和MRI系统控制器130的部件可以在相同计算机系统或多个计算机系统上实现。
图2示意性地示出了由系统100成像的示例性导航器区域Rnav。所示出的示例性导航器区域Rnav是冠状图像，该冠状图像包括肝脏和肺、以及肝脏和肺之间的边界B。在所示出的示例中，边界B是肝脏的最上端。使用在z方向(梯度Gy和Gz)上穿过隔膜的笔形束生成导航器区域Rnav。为了提供仅一个示例，导航器带可以是1cm-2cm宽，沿着束具有约1mm的空间分辨率。梯度回波的傅立叶变换产生笔形束的磁化到z轴上的投影，以生成被称为一维(1D)或单向导航器轮廓的导航器轮廓180。这允许沿一个维度或一个方向监测体内运动，从而生成1D导航器轮廓。右手侧的曲线图示出了呼吸周期期间两个不同隔膜位置的导航器轮廓180a、180b。由于肺容纳空气，因此它们通常产生比肝脏低强度的信号。低强度肺回波和高强度肝脏回波之间的边缘部分可被识别为边界B。随着肺肝边界在呼吸周期期间上下移动，边界B沿着z轴来回移动。在该示例中，边界B以第一导航器轮廓180a和第二导航器轮廓180b之间的量Δz移动。可通过跟踪边界B跨随时间推移收集的导航器轮廓的移动来跟踪呼吸周期。
发明人已经认识到，由于边界B特征在轮廓内的不准确位置，导航器轮廓中的信号变化可导致呼吸运动的不准确估计。更具体地讲，通过他们在相关领域中的实验和研究，发明人已经认识到，基于1D导航器轮廓的呼吸运动的估计由于对边界B位置在导航器轮廓内的不准确识别而仅具有约80％的准确率。因此，经由1D导航器数据的呼吸运动检测可产生无法接受的高故障率。用于降低边界检测不准确的现有解决方案通常涉及利用2D轮廓数据。然而，发明人已经认识到，2D导航器数据的生成需要显著的成像资源和时间，并且因此延迟图像采集，延长扫描时间，并且增加处理负担。因此，发明人致力于开发特别用于呼吸运动的利用1D导航器数据实现的更准确的运动检测系统。
参见图3，曲线图1示出了理想的导航器轮廓180。图2至图5示出了在常规扫描中观察到的其他示例性导航器轮廓180c-180f。导航器轮廓的如此大的变化为准确运动检测带来了挑战。虽然边界B在理想的导航器轮廓180中容易识别，但边界在导航器轮廓180c-180f中不太容易识别，这些导航器轮廓在现场生成的导航器轮廓的更真实的反射。导航器轮廓的变化是患者变化的结果。1D轮廓的形状受多个参数(诸如造影剂注射、脂肪抑制、血流、易感性等)影响。
导航器轮廓P的小变化可对边界检测并因此对运动估计具有显著的负面影响。图4例示了此类误差，其中由于导航器轮廓(例如P1-Pn)中的信号变化，运动估计受到显著影响并且在图像的部分S中未准确地检测到呼吸周期。
根据相关领域中的前述问题和挑战，发明人开发了用于改进的导航触发或门控的所公开的系统和方法。发明人认识到，当被视为2D图像时，可以更准确地识别呼吸运动模式。更具体地讲，发明人已认识到，可通过利用图像分割来识别边界位置，以用于识别由多个导航器轮廓180生成的图像内的边界B。图4示出了基于预定义数量的导航器轮廓P1至Pn生成的示例性图像190。将随时间推移记录的轮廓P1至Pn堆叠在一起以生成2D图像。边界线BL被识别为导航器轮廓P1至Pn中的每一者的边界B。
导航器图像190的顶部较暗部分表示占据导航器区域Rnav的肺组织，而下部较亮部分表示成像区域Rnav中的肝脏组织。具体地讲，处理每个导航器轮廓P1至Pn(图4)以生成对应导航器图像片段I1至In(图5)。例如，可通过将灰度值或一些其他值(诸如调色板值)指定给导航器轮廓P中的每个样本点来生成导航器图像片段I1至In。然后，将导航器图像190生成为预定义数量的导航器图像片段I1至In的集合。每个导航器轮廓P1至Pn并排堆叠，呈现从最老到最新(最近)，从而示出随时间推移的导航器区域Rnav。
为了提供仅一个示例，导航器图像190可包括64个导航器图像片段I，每个导航器图像片段表示导航器轮廓P。在其他实施方案中，可堆叠更少或更多个导航器图像片段I以生成导航器图像190。随着每个新的导航器轮廓P进入，更新导航器图像190，并且因此总是表示预定义数量的最近导航器轮廓P。因此，在每个测量间隔更新导航器图像190。为了提供仅一个示例，系统可被配置为以100毫秒的间隔生成导航器轮廓P，并且因此每隔100毫秒更新导航器轮廓190以包括最近导航器轮廓P。
如本文所述，所公开的系统和方法利用图像分割来识别跨图像190的边界位置BL，其中图像被分割成多个片段、像素或像素组，该片段、像素或像素组各自基于边界B是否在片段中被识别而被给出值。生成表示每个导航器轮廓P中的边界识别的片段位置的导航器矩阵200。
在某些示例中，可利用基于深度学习的神经网络(诸如U-Net)来执行图像分割，以便识别图像190中的边界位置BL并且生成识别跨图像190的边界位置BL的导航器矩阵200。在图5处的示例中，导航器矩阵200(其仅示出了用于导航器图像190的全导航器矩阵的一部分)示出了边界位置BL′(在图中被圈出以提供视觉识别)。导航器矩阵200包括表示每个导航器图像片段的列，其中每个导航器图像片段表示导航器轮廓180。例如，列Mn表示导航器矩阵200的与最近导航器轮廓Pn相关联的一部分。类似地，导航器矩阵200的部分或列Mn–1表示导航器轮廓Pn–1。
如上所述，在大量的实验和研究之后，发明人已经认识到，一个或多个受过训练的神经网络可通过识别在很大程度上由于患者变化而产生的宽范围的导航器轮廓(P)180中的边界B来基于导航器图像特别有效地生成导航器矩阵。在某些实施方案中，可以训练第二神经网络以分析导航器矩阵并指示是否采集MR图像数据。在各种实施方案中，第一神经网络和/或第二神经网络可以是卷积神经网络、递归神经网络或它们的组合。
图5表示一个实施方案，其中受过训练的神经网络195是用于对输入的导航器图像190执行图像分割的U-Net神经网络架构。如上所述，使用从1D导航器轮廓生成的导航器图像190来训练U-Net。样本导航器轮廓数据表示各种各样的患者生理结构，并且因此表示导航器轮廓数据的广泛变化。输入图像190具有预定义尺寸。为了提供一个示例，表示导航器数据的输入图像可以是128×256个像素或阵列。
针对预定义尺寸的每个图像，生成对应矩阵以用于训练目的。此类矩阵由图5中的导航器矩阵200以代表性方式例示，其中对应导航器图像190中的边界位置BL被圈出。训练矩阵生成可通过自动标记来执行，诸如通过利用高级信号处理算法，诸如最小二乘方误差(LSE)和边缘检测算法、结合手动查看和标记，以便识别自动标记中的误差。可使用Adam优化器或优化并利用Dice系数最小化作为损失函数来训练U-Net或其他神经网络架构(例如，其他卷积神经网络类型)。
图5示意性地表示针对受过训练的神经网络195的U-Net架构。控制器130生成导航器扫描和导航器轮廓180或导航器序列数据，它们是除了根据相关领域熟知的每标准导航器系统操作的成像扫描之外还执行的扫描。经由脉冲发生器133通过受控的脉冲生成来进行数据采集，并且对MRI系统控制器130的阵列处理器139或CPU 131执行图像数据处理。在本文所述的某些实施方案中，受过训练的神经网络195可以存储在MRI系统控制器130的存储器137中，该MRI系统控制器能够如本文所述执行以生成用于控制MR数据采集(诸如用于呼吸门控或触发)的导航器矩阵200。
在不同实施方案中，可利用导出算法基于导航器图像生成导航器矩阵。该算法可基于表示各种各样的患者生理结构的数据集来识别，并且因此可基于导航器轮廓数据的广泛变化以及对应手动生成的矩阵来识别。这些初始矩阵可针对数据集通过自动标记来生成，诸如通过利用最小二乘方误差(LSE)和边缘检测算法、结合手动查看和标记，以便识别自动标记中的误差。在一个实施方案中，用于基于导航器图像生成导航器矩阵的算法可通过使用高级图像分割技术(诸如多尺度分割、基于阈值的技术、区域增长等)来导出。
图6表示利用用于导航门控或触发的基于深度学习的方法来控制MR数据采集的方法300的一个实施方案。在步骤302处，训练第一神经网络诸如U-Net架构以基于输入的导航器图像生成导航器矩阵。在步骤303处，训练第二神经网络以基于由第一神经网络输出的导航器矩阵生成是否采集MR图像数据的决定。在其他实施方案中，可以训练单个神经网络以基于图像数据确定是否采集MR图像数据。如本文所述，用于确定是否采集图像数据的所公开的方法和系统可应用于门控或触发目的。
上文描述了示例性训练方法，其中标记的导航器轮廓数据表示各种各样的患者生理结构，其中利用Adam优化器和Dice系数损失函数来执行训练。根据本公开，本领域的普通技术人员将理解，可利用其他神经网络架构以及其他优化器和损失函数来根据本公开生成受过训练的神经网络。
然后，实现受过训练的神经网络以基于导航器图像确定是否采集MR图像数据，如剩余步骤中所例示的。在步骤304处表示，按测量间隔连续地生成1D导航器轮廓。随着每个新的1D导航器轮廓进入，在步骤306处生成导航器图像片段。一旦采集了预定数量的图像片段，就在步骤308处生成导航器图像，然后每当生成新的图像片段时，就更新该导航器图像。例如，导航器图像可从预定义数量的最近导航器图像片段生成，其中在先进先出方法中，从一端移除最旧导航器图像片段，并且在叠堆的另一端处添加最新导航器图像片段。然后在步骤310处，将导航器图像提供到受过训练的第一神经网络。受过训练的第一神经网络生成导航器矩阵。在步骤312处，将导航器矩阵提供到受过训练的第二神经网络，以确定是否基于导航器矩阵获取MR数据。例如，可基于导航器矩阵的对应于最近导航器图像片段的一部分(例如，图5处例示的导航器矩阵200中的列Mn)中的边界位置或基于最近几个导航器图像片段来进行采集确定。
该书面描述使用示例来公开本发明，包括最佳模式，并且还使得本领域技术人员能够执行和使用本发明。为了简洁、清楚和易于理解而使用了某些术语。除了现有技术的要求之外，不应从中推断出不必要的限制，因为此类术语仅用于描述目的并且旨在被广义地理解。本发明的专利范围由权利要求书限定，并且可包括本领域技术人员想到的其他示例。如果这些其他示例具有与权利要求书的字面语言没有不同的特征或结构元件，或者如果它们包括与权利要求书的字面语言无实质差别的等效特征或结构元件，则这些其他示例旨在在权利要求书的范围内。
Claims (15)
1.一种控制磁共振(MR)图像数据采集的方法，所述方法包括：
随时间推移按测量间隔生成多个一维(1D)导航器轮廓(180)，所述多个1D导航器轮廓反映成像受检者的解剖边界区域(B)的运动；
生成多个导航器图像片段(I1-In)，所述多个导航器图像片段各自用于所述多个1D导航器轮廓(180)中的对应1D导航器轮廓；
基于所述多个导航器图像片段(I1-In)生成导航器图像(190)；以及
基于所述导航器图像(190)确定是否采集MR图像数据。
2.根据权利要求1所述的方法，其中生成所述多个导航器图像片段(I1-In)包括针对每个导航器图像片段(I1,In)来将灰度值或调色板指定给所述对应1D导航器轮廓(180)中的每个样本点。
3.根据权利要求1所述的方法，其中生成所述导航器图像(190)包括将所述多个导航器图像片段(I1-In)堆叠在一起，并且其中通过添加一个或多个最新导航器图像片段(I1-In)并移除一个或多个最旧导航器图像片段(I1-In)来随时间推移更新所述导航器图像(190)。
4.根据权利要求1所述的方法，其中确定是否采集MR图像数据包括利用神经网络(195)，所述神经网络已被训练以通过分析所述导航器图像(190)来指示是否采集MR图像数据。
5.根据权利要求4所述的方法，其中所述神经网络(195)为卷积神经网络、递归神经网络、或卷积神经网络和递归神经网络的组合。
6.根据权利要求1所述的方法，还包括生成识别所述多个导航器图像片段(I1-In)中的每个导航器图像片段(I1,In)中的边界位置的导航器矩阵(200)，其中是否采集MR图像数据的所述确定基于所述导航器矩阵(200)。
7.根据权利要求6所述的方法，其中生成所述导航器矩阵(200)包括应用导出算法以从所述导航器图像(190)生成所述导航器矩阵(200)。
8.根据权利要求7所述的方法，其中是否采集MR图像数据的所述确定基于所述导航器矩阵(200)的与一个或多个最近导航器图像片段(I1-In)对应的部分中的所述边界位置。
9.根据权利要求6所述的方法，其中生成所述导航器矩阵(200)包括利用第一神经网络(195)，所述第一神经网络已被训练以将所述导航器图像(190)映射到所述导航器矩阵(200)，并且其中确定是否采集MR图像数据包括利用第二神经网络，所述第二神经网络已被训练以通过分析所述导航器矩阵(200)来指示是否采集MR图像数据。
10.根据权利要求1所述的方法，还包括：
响应于确定采集MR图像数据，在自由呼吸腹部扫描、心脏扫描、血管扫描或骨盆扫描中的一者中采集MR图像数据。
11.一种磁共振成像(MRI)系统，包括：
一个或多个RF线圈，所述一个或多个RF线圈被配置为：
在成像受检者上生成导航器脉冲；以及
按测量间隔从所述成像受检者接收由所述导航器脉冲激发的RF信号；和
处理系统，所述处理系统被配置为：
基于所接收的RF信号，随时间推移按所述测量间隔生成多个一维(1D)导航器轮廓(180)，所述多个1D导航器轮廓反映所述成像受检者的解剖边界区域(B)的运动；
生成多个导航器图像片段(I1-In)，所述多个导航器图像片段各自用于所述多个1D导航器轮廓(180)中的对应1D导航器轮廓；
基于所述多个导航器图像片段(I1-In)生成导航器图像(190)；以及
基于所述导航器图像(190)确定是否采集MR图像数据。
12.根据权利要求11所述的系统，其中所述处理系统被进一步配置为通过针对每个导航器图像片段来将灰度值或调色板指定给所述对应1D导航器轮廓中的每个样本点来生成所述多个导航器图像片段(I1-In)。
13.根据权利要求11所述的系统，其中所述处理系统被进一步配置为通过将所述多个导航器图像片段(I1-In)堆叠在一起来生成所述导航器图像(190)，以及通过添加一个或多个最新导航器图像片段(I1-In)并移除一个或多个最旧导航器图像片段(I1-In)来随时间推移更新所述导航器图像(190)。
14.根据权利要求11所述的系统，其中所述处理系统被进一步配置为利用神经网络(195)来确定是否采集MR图像数据，所述神经网络被训练以通过分析所述导航器图像(190)来指示是否采集MR图像数据。
15.根据权利要求14所述的系统，其中所述神经网络(195)为卷积神经网络、递归神经网络、或卷积神经网络和递归神经网络的组合。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/540,804 US11163029B2 (en) | 2019-08-14 | 2019-08-14 | MRI system with improved navigator |
| US16/540,804 | 2019-08-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112394311A true CN112394311A (zh) | 2021-02-23 |
Family
ID=74568162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010707370.4A Pending CN112394311A (zh) | 2019-08-14 | 2020-07-20 | 具有改进的导航器的mri系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11163029B2 (zh) |
| CN (1) | CN112394311A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110226099A (zh) * | 2017-01-23 | 2019-09-10 | 皇家飞利浦有限公司 | 在对象运动期间采集四维磁共振数据 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3842819A1 (en) * | 2019-12-23 | 2021-06-30 | Koninklijke Philips N.V. | 3d mr imaging with intrinsic motion detection |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1139114A2 (en) * | 2000-03-27 | 2001-10-04 | GE Medical Systems Global Technology Company LLC | Slice ordering method for breath-hold abdominal MR imaging |
| US20030153826A1 (en) * | 2000-04-26 | 2003-08-14 | Jack Clifford R | Reduction of motion artifact in nmr images using spherical navigator signals |
| JP2009050544A (ja) * | 2007-08-28 | 2009-03-12 | Ge Medical Systems Global Technology Co Llc | 磁気共鳴イメージング装置及びナビゲータデータ解析方法 |
| CN102597795A (zh) * | 2009-11-05 | 2012-07-18 | 皇家飞利浦电子股份有限公司 | 使用导航器的mr成像 |
| CN102772210A (zh) * | 2011-05-10 | 2012-11-14 | 西门子公司 | 弥散加权磁共振成像 |
| CN104115020A (zh) * | 2012-02-09 | 2014-10-22 | 皇家飞利浦有限公司 | 使用利用Dixon技术采集的导航器进行运动校正的MRI成像 |
| CN104395773A (zh) * | 2012-03-26 | 2015-03-04 | 皇家飞利浦有限公司 | 贯穿平面的导航器 |
| CN104603630A (zh) * | 2012-09-06 | 2015-05-06 | 皇家飞利浦有限公司 | 具有基于导航器的运动检测的磁共振成像系统 |
| CN106233154A (zh) * | 2014-04-22 | 2016-12-14 | 皇家飞利浦有限公司 | 使用预脉冲和导航器的具有运动校正的磁共振成像 |
| CN106443533A (zh) * | 2016-09-21 | 2017-02-22 | 清华大学 | 基于多次激发的导航磁共振扩散成像方法及装置 |
| CN108663646A (zh) * | 2017-03-27 | 2018-10-16 | 西门子保健有限责任公司 | 2d导航技术 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6292684B1 (en) | 1999-12-14 | 2001-09-18 | Ge Medical Systems Global Technology Company, Llc | Respiratory displacement and velocity measurement using navigator MRI echo signals |
| WO2008064312A1 (en) * | 2006-11-22 | 2008-05-29 | The General Hospital Corporation | Motion correction of pet images using navigator data acquired with an mri system |
| JP5097406B2 (ja) * | 2007-01-22 | 2012-12-12 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | Ｍｒｉ装置 |
| DE102011006230B4 (de) * | 2011-03-28 | 2013-01-24 | Siemens Aktiengesellschaft | Pixelweise Korrektur einer Phaseninformation in MR-Bildern unter Verwendung eines Navigatorsignals |
| KR101967240B1 (ko) * | 2012-10-10 | 2019-04-09 | 삼성전자주식회사 | 피검체의 움직임을 보정하여 mri 영상을 획득하는 방법 및 mri 장치 |
| JP6224560B2 (ja) | 2014-09-12 | 2017-11-01 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 磁気共鳴装置およびプログラム |
| JP6363126B2 (ja) | 2016-03-31 | 2018-07-25 | ゼネラル・エレクトリック・カンパニイ | 磁気共鳴イメージング装置およびプログラム |
-
2019
- 2019-08-14 US US16/540,804 patent/US11163029B2/en active Active
-
2020
- 2020-07-20 CN CN202010707370.4A patent/CN112394311A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1139114A2 (en) * | 2000-03-27 | 2001-10-04 | GE Medical Systems Global Technology Company LLC | Slice ordering method for breath-hold abdominal MR imaging |
| US20030153826A1 (en) * | 2000-04-26 | 2003-08-14 | Jack Clifford R | Reduction of motion artifact in nmr images using spherical navigator signals |
| JP2009050544A (ja) * | 2007-08-28 | 2009-03-12 | Ge Medical Systems Global Technology Co Llc | 磁気共鳴イメージング装置及びナビゲータデータ解析方法 |
| CN102597795A (zh) * | 2009-11-05 | 2012-07-18 | 皇家飞利浦电子股份有限公司 | 使用导航器的mr成像 |
| US20130127460A1 (en) * | 2009-11-05 | 2013-05-23 | Koninklijke Philips Electronics N.V. | Mr imaging using navigators |
| CN102772210A (zh) * | 2011-05-10 | 2012-11-14 | 西门子公司 | 弥散加权磁共振成像 |
| CN104115020A (zh) * | 2012-02-09 | 2014-10-22 | 皇家飞利浦有限公司 | 使用利用Dixon技术采集的导航器进行运动校正的MRI成像 |
| CN104395773A (zh) * | 2012-03-26 | 2015-03-04 | 皇家飞利浦有限公司 | 贯穿平面的导航器 |
| CN104603630A (zh) * | 2012-09-06 | 2015-05-06 | 皇家飞利浦有限公司 | 具有基于导航器的运动检测的磁共振成像系统 |
| CN106233154A (zh) * | 2014-04-22 | 2016-12-14 | 皇家飞利浦有限公司 | 使用预脉冲和导航器的具有运动校正的磁共振成像 |
| CN106443533A (zh) * | 2016-09-21 | 2017-02-22 | 清华大学 | 基于多次激发的导航磁共振扩散成像方法及装置 |
| CN108663646A (zh) * | 2017-03-27 | 2018-10-16 | 西门子保健有限责任公司 | 2d导航技术 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110226099A (zh) * | 2017-01-23 | 2019-09-10 | 皇家飞利浦有限公司 | 在对象运动期间采集四维磁共振数据 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210048497A1 (en) | 2021-02-18 |
| US11163029B2 (en) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8744154B2 (en) | System and method for acquiring magnetic resonance imaging (MRI) data | |
| EP1362550B1 (en) | Whole body MRI scanning with continously moving table and interactive control | |
| US7689263B1 (en) | Method and apparatus for acquiring free-breathing MR images using navigator echo with saturation RF pulse | |
| US6704593B2 (en) | Realtime MR scan prescription using physiological information | |
| US6268730B1 (en) | Multi-slab multi-window cardiac MR imaging | |
| EP1113288B1 (en) | Respiratory displacement and velocity measurement using navigator MRI echo signals | |
| US5565777A (en) | Method/apparatus for NMR imaging using an imaging scheme sensitive to inhomogeneity and a scheme insensitive to inhomogeneity in a single imaging step | |
| US9271661B2 (en) | Method for free-breathing magnetic resonance imaging using iterative image-based respiratory motion correction | |
| JP5193447B2 (ja) | セグメント分割マルチショット放射方向ファンビーム・エンコード順序でｍｒデータを収集するための装置 | |
| US7209777B2 (en) | Method and apparatus for automated tracking of non-linear vessel movement using MR imaging | |
| KR101652387B1 (ko) | 영상 데이터를 생성하는 방법 | |
| US20110228998A1 (en) | System and method for automatic computation of mr imaging scan parameters | |
| US8594400B2 (en) | System and method for MR image scan and analysis | |
| US20110210734A1 (en) | System and method for mr image scan and analysis | |
| US20120108946A1 (en) | Magnetic resonance imaging apparatus and magnetic resonance imaging method | |
| US6184682B1 (en) | Correction of MR images for motion artifacts using navigator echoes and autocorrection | |
| KR101809213B1 (ko) | Ｔ2-이완 시간의 다중 슬라이스 영상화를 위한 방법 및 장치 | |
| US20050073305A1 (en) | Magnetic resonance imaging using direct, continuous real-time imaging for motion compensation | |
| EP1227332B1 (en) | Acquisition of high-temporal free-breathing MR images | |
| US20080132778A1 (en) | System and method for real-time localization for gated mr imaging | |
| CN112394311A (zh) | 具有改进的导航器的mri系统 | |
| US8165377B2 (en) | System and method for determining a cardiac axis | |
| WO2024081779A2 (en) | Imaging slow flow dynamics of cerebrospinal fluid using magnetic resonance imaging |
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 |