CN112415453A - 去除信号中干扰的方法和装置、磁共振系统和存储介质 - Google Patents

去除信号中干扰的方法和装置、磁共振系统和存储介质 Download PDF

Info

Publication number
CN112415453A
CN112415453A CN201910777734.3A CN201910777734A CN112415453A CN 112415453 A CN112415453 A CN 112415453A CN 201910777734 A CN201910777734 A CN 201910777734A CN 112415453 A CN112415453 A CN 112415453A
Authority
CN
China
Prior art keywords
interference
matrix
data
signal
eigenvector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910777734.3A
Other languages
English (en)
Other versions
CN112415453B (zh
Inventor
黄艳图
张秋艺
李志宾
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.)
Siemens Shenzhen Magnetic Resonance Ltd
Original Assignee
Siemens Shenzhen Magnetic Resonance Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Shenzhen Magnetic Resonance Ltd filed Critical Siemens Shenzhen Magnetic Resonance Ltd
Priority to CN201910777734.3A priority Critical patent/CN112415453B/zh
Publication of CN112415453A publication Critical patent/CN112415453A/zh
Application granted granted Critical
Publication of CN112415453B publication Critical patent/CN112415453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明实施例中公开了去除信号中干扰的方法和装置、磁共振系统和存储介质，方法包括：针对复数个通道接收的目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号；其中，当前干扰抑制矩阵通过如下方法得到：针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据，其包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据；利用第一设定子时段的无干扰数据和第二设定子时段的有干扰数据，得到对应时段内的干扰数据，并构成一干扰矩阵；对干扰矩阵进行特征值和特征向量分解，并将一能量最大的特征向量去除，生成当前干扰抑制矩阵。本发明实施例中的技术方案能够再现满足扫描导航所需的目标运动导航信号。

Description

去除信号中干扰的方法和装置、磁共振系统和存储介质
技术领域
本发明涉及磁共振成像技术领域，特别是一种去除目标运动信号中干扰的方法及装置、一种磁共振成像系统、以及一种计算机可读存储介质。
背景技术
磁共振成像(Magnetic resonance imaging，MRI)是利用磁共振现象进行成像的一种技术。磁共振成像的原理主要包括：包含单数质子的原子核，例如人体内广泛存在的氢原子核，其质子具有自旋运动，犹如一个小磁体，并且这些小磁体的自旋轴无一定的规律，如果施加外在磁场，这些小磁体将按外在磁场的磁力线重新排列，具体为在平行于或反平行于外在磁场磁力线的两个方向排列，将上述平行于外在磁场磁力线的方向称为正纵向轴，将上述反平行于外在磁场磁力线的方向称为负纵向轴，原子核只具有纵向磁化分量，该纵向磁化分量既具有方向又具有幅度。用特定频率的射频(RF，Radio Frequency)脉冲激发处于外在磁场中的原子核，使这些原子核的自旋轴偏离正纵向轴或负纵向轴，产生共振，这就是磁共振现象。上述被激发原子核的自旋轴偏离正纵向轴或负纵向轴之后，原子核具有了横向磁化分量。
停止发射射频脉冲后，被激发的原子核发射回波信号，将吸收的能量逐步以电磁波的形式释放出来，其相位和能级都恢复到激发前的状态，将原子核发射的回波信号经过空间编码等进一步处理即可重建图像。
在磁共振成像过程中，为了获得清晰的临床诊断图像，要求扫描对象在扫描过程中必须保持静止，特别是对于某些运动敏感的序列。但显然，扫描对象的有些运动是无法避免的，例如呼吸、心跳等引起的运动。为了最大限度地减小运动的影响，采用了多种方法来检测这些运动，如呼吸带、步速(PACE)等，通过捕捉这些运动，可以在最小运动时例如患者吸气或呼气的平台期等来触发或门控磁共振成像序列和信号采集。该过程中需要在呼吸波等相关目标运动信号控制精确的情况下才可以获得高质量的图像。上述的呼吸等目标运动信号可称为磁共振成像的导航信号，例如呼吸导航信号或心跳导航信号等。
以呼吸导航为例，目前有一种应用是通过射频传输和反射测量来检测病人的呼吸运动，其采用磁共振接收通道作为呼吸信号的接收通道，这降低了设计复杂度。然而在某些情况下，当运行序列脉冲时或者加载某梯度信号时，接收到的呼吸信号会出现严重失真，如图1所示，示出了当序列脉冲被触发运行时某个通道接收的失真的呼吸信号，即带干扰的呼吸信号。图1中圆圈处的信号为失真信号，失真信号所对应时间段内的虚线信号为应有的无失真呼吸信号。可见，这种失真的信号已无法再准确地表示呼吸运动，因此不能被视为呼吸导航信号。同理，心跳导航等也存在类似问题。
发明内容
有鉴于此，本发明实施例中一方面提出了一种去除目标运动信号中去除干扰的方法，另一方面提出了一种去除目标运动信号中干扰的装置、磁共振成像系统和计算机可读存储介质，用以再现能满足扫描导航所需的目标运动导航信号。
本发明实施例中提出的去除目标运动信号中干扰的方法，包括：针对复数个通道接收的每个目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号；其中，所述当前干扰抑制矩阵通过如下方法得到：针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，所述设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据；利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵；对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成当前干扰抑制矩阵。
在一个实施方式中，需要利用多个设定时段的数据进行干扰抑制矩阵计算；该方法进一步包括：判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，如果还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，则返回执行针对所述目标运动信号获取一个设定时段内复数个通道接收的数据的步骤；并且，在执行对所述干扰矩阵进行特征值和特征向量分解之前，该方法进一步包括：对已得到的复数个干扰矩阵进行均值处理，得到一平均后的干扰矩阵。
在一个实施方式中，所述利用第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据包括：对所述第一设定子时段的无干扰数据进行平均值计算，利用计算得到的平均值数据作为预估的第二设定子时段的无干扰数据；或者，对所述第一设定子时段的无干扰数据进行多项式曲线拟合，根据得到的拟合曲线，得到预估的第二设定子时段的无干扰数据。
在一个实施方式中，所述目标运动信号为：呼吸信号或心跳信号。
在一个实施方式中，所述无干扰数据为无射频干扰数据；所述有干扰数据为有射频干扰数据；所述干扰抑制矩阵为视频干扰抑制矩阵；或者，所述无干扰数据为无梯度干扰数据；所述有干扰数据为有梯度干扰数据；所述干扰抑制矩阵为梯度干扰抑制矩阵。
在一个实施方式中，所述利用当前干扰抑制矩阵进行干扰消除之前，进一步包括：针对所述复数个通道接收的每个目标运动信号，首先利用至少一个抗干扰矩阵进行干扰消除；其中，所述至少一个抗干扰矩阵通过如下方法得到：针对所述目标运动信号，获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成一参考矩阵；根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵；利用所述频率相关矩阵和所述参考矩阵，计算得到一干扰系数矩阵；对所述干扰系数矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵。
在一个实施方式中，还存在其它未处理的干扰信号；该方法进一步包括：确定当前干扰信号，利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵；并返回执行所述根据当前干扰信号的频率以及所述设定时间段内的数据样本数得到一频率相关矩阵的步骤。
在一个实施方式中，所述当前干扰信号为固定频率信号；所述根据所述当前干扰信号的频率以及所述设定时间段内的数据数量，得到一频率相关矩阵包括：根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围，根据所选取的谐波频率范围确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
在一个实施方式中，所述当前干扰信号为变化频率信号；所述根据所述当前干扰信号的频率以及所述设定时间段内的数据数量，得到一频率相关矩阵包括：根据所述当前干扰信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
在一个实施方式中，进一步包括：根据所述目标运动信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；利用所述频率相关矩阵和所述参考矩阵，计算得到目标系数矩阵；对所述目标系数矩阵进行特征值和特征向量分解，并将能量最大的特征向量作为目标运动特征向量，所述目标运动特征向量对应的特征值为目标运动特征值；所述生成一抗干扰矩阵之后，进一步包括：将对所述干扰系数矩阵进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量，将所述干扰特征向量对应的特征值作为干扰特征值；判断所述干扰特征值与所述目标运动特征值的比值是否小于一设定的第一阈值，如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵；或者，判断所述干扰特征向量的转置与所述目标运动特征向量的乘积是否大于一设定的第二阈值，如果是，则认为所述干扰特征向量与所述目标运动特征向量相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵。
本发明实施例中提出的去除目标运动信号中干扰的装置，包括：干扰消除模块，用于针对复数个通道接收的每个目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号；和干扰抑制矩阵生成模块，用于生成所述当前干扰抑制矩阵；所述干扰抑制矩阵生成模块包括：第一数据采集子模块，用于针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，每个设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据；第一矩阵生成子模块，用于利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵；第二矩阵生成子模块，用于对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成当前干扰抑制矩阵。
在一个实施方式中，需要利用多个设定时段的数据进行干扰抑制矩阵计算；该装置进一步包括：判断子模块，用于在所述第二矩阵生成子模块生成当前干扰抑制矩阵时，判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，如果还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，则触发所述第一数据采集子模块执行；和位于所述第一矩阵生成子模块和第二矩阵生成子模块之间的均值化子模块，用于对复数个干扰矩阵进行均值处理，得到一平均后的干扰矩阵。
在一个实施方式中，所述干扰消除模块利用一干扰抑制矩阵进行干扰消除之前，针对所述复数个通道接收的每个目标运动信号，进一步利用至少一个抗干扰矩阵进行干扰消除；且所述装置进一步包括：抗干扰矩阵生成模块，用于生成所述至少一个抗干扰矩阵；所述抗干扰矩阵生成模块包括：第二数据采集子模块，用于获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成参考矩阵；第三矩阵生成子模块，用于根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵；第四矩阵生成子模块，用于利用所述频率相关矩阵和所述参考矩阵，计算得到一干扰系数矩阵；分解子模块，用于对所述干扰系数矩阵进行特征值和特征向量分解，得到一特征向量矩阵；第五矩阵生成子模块，用于将所述特征向量矩阵中一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵。
在一个实施方式中，存在多个干扰信号；所述装置进一步包括：第一判断处理子模块，用于判断是否还有未处理的其它干扰信号，若还有其它未处理的干扰信号，则确定当前干扰信号，并利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵；并触发所述第三矩阵生成子模块执行；若没有其它干扰信号，则结束。
在一个实施方式中，所述第三矩阵生成子模块在当前干扰信号为固定频率信号时，根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围，根据所选取的谐波频率范围确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；在所述当前干扰信号为变化频率信号时，根据所述当前干扰信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
在一个实施方式中，所述第三矩阵生成子模块进一步用于根据所述目标运动信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；所述第四矩阵生成子模块进一步用于利用所述频率相关矩阵和所述参考矩阵，计算得到目标系数矩阵；所述分解子模块进一步用于对所述目标系数矩阵进行特征值和特征向量分解，得到一目标特征向量矩阵；所述抗干扰矩阵生成模块进一步包括：选取子模块，用于将所述目标特征向量矩阵中能量最大的特征向量作为目标运动特征向量，所述目标运动特征向量对应的特征值为目标运动特征值；将对所述干扰系数矩阵进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量，将所述干扰特征向量对应的特征值作为干扰特征值；和第二判断处理子模块，用于在所述第三矩阵生成子模块生成一干扰矩阵时，判断所述干扰特征值与所述目标运动特征值的比值是否小于一设定的第一阈值，如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵；或者，判断所述干扰特征向量的转置与所述目标运动特征向量的乘积是否大于一设定的第二阈值，如果是，则认为所述干扰特征向量与所述目标运动特征向量相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵。
本发明实施例中提出的去除目标运动信号中干扰的装置，包括：至少一个存储器和至少一个处理器，其中：所述至少一个存储器用于存储计算机程序；所述至少一个处理器用于调用所述至少一个存储器中存储的计算机程序，执行如上所述任一实施方式中的去除目标运动信号中干扰的方法。
本发明实施例中提出的磁共振成像系统，包括如上所述任一实施方式中的去除目标运动信号中干扰的装置。
本发明实施例中提出的计算机可读存储介质，其上存储有计算机程序；所述计算机程序能够被一处理器执行并实现如上所述任一实施方式中的去除目标运动信号中干扰的方法。
从上述方案中可以看出，由于本发明实施例中通过利用一目标运动信号的有干扰信号和无干扰信号得到一强干扰信号，对该强干扰信号构成的强干扰矩阵进行特征向量分解，则能量最大的特征向量所在的方向即为干扰特征方向，通过去除该方向上的特征向量构建一个干扰抑制矩阵，对多个通道接收的每个目标运动信号都利用该干扰抑制矩阵进行干扰消除，可消除该干扰信号，如射频干扰或梯度干扰等，并得到用于导航的目标运动导航信号。
此外，对于存在射频干扰的目标运动信号，通过对运行第二个脉冲序列时多通道接收的目标运行信号利用第一个脉冲序列运行前后采集的数据计算得到的干扰抑制矩阵进行干扰消除，对运行第三个脉冲序列时多通道接收的目标运行信号利用第一个脉冲序列运行前后和第二个脉冲序列运行前后采集的数据计算得到的干扰抑制矩阵进行干扰消除，依次类推，直到达到设定的采集数据并计算得到最终的干扰抑制矩阵时，才利用最终的干扰抑制矩阵对之后的多通道接收的每个目标运行信号进行干扰消除，一方面可以尽早的实现对目标运行信号的干扰消除，另一方面也可以逐步提高干扰消除的精度。
进一步地，通过预先采集未运行序列脉冲时设定时间段内复数个通道接收的数据并构成参考矩阵，根据每个干扰信号的频率特点生成频率相关矩阵，并利用该频率相关矩阵和参考矩阵生成对应该干扰信号的干扰系数矩阵，通过对该干扰系数矩阵进行特征值和特征向量分解，将能量最大的特征向量去除后生成一抗干扰矩阵；当存在多个干扰信号时，可将之前的参考矩阵乘以已经得到的抗干扰矩阵(即从参考矩阵中消除已经计算了抗干扰矩阵的干扰信号)后作为新的干扰信号的参考矩阵，之后采用相同的方法计算得到对应该新的干扰信号的抗干扰矩阵，之后可对多通道接收的每个目标运动信号利用上述的抗干扰矩阵进行干扰消除，从而可消除除射频干扰以及梯度干扰之外的其他干扰。
此外，通过针对固定频率的干扰信号，利用其谐波频率范围来构建频率相关矩阵，并对变化频率的干扰信号，利用其频率变化范围来构建频率相关矩阵，可最大限度的获取与干扰信号的特性相关的频率相关矩阵，进而增加计算抗干扰矩阵的准确性。
进一步地，通过对目标运动信号也根据其频率变化范围来构建其频率相关矩阵，并得到对应的目标系数矩阵，对该目标系数矩阵进行特征值和特征向量分解后，可根据各特征向量的能量大小获得该目标运动信号所在的特征向量方向，即能量最大的特征向量所在的方向，进而可通过将目标运动信号与干扰信号各自所对应的特征值或特征向量进行相应的对比，可忽略掉影响较小的干扰，从而降低处理复杂度；并且在确定消除一干扰信号会影响所述目标运动信号时，可不消除该干扰信号，以尽量保证目标运动信号的接收。
附图说明
下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1为目前存在射频干扰的呼吸信号的示意图。
图2为本发明实施例中去除目标运动信号中干扰的方法的示例性流程图。
图3为本发明实施例中基于图1所示存在射频干扰的呼吸信号获取一个设定时段内的参考数据的示意图。
图4为本发明实施例中去除目标运行信号中射频干扰的方法的示例性流程图。
图5为本发明实施例中获取抗干扰矩阵的方法的示例性流程图。
图6A为本发明实施例中一种去除目标运动信号中干扰的装置的示例性结构图。
图6B为本发明实施例中另一种去除目标运动信号中干扰的装置的示例性结构图。
图6C为本发明实施例中又一种去除目标运动信号中干扰的装置的示例性结构图。
图7为本发明实施例中再一种去除目标运动信号中干扰的装置的示例性结构图。
图8A为本发明一个例子中，1Hz固定频率的干扰信号的谐波频率范围示意图。
图8B为针对图8A所示的干扰信号，在利用对应的抗干扰矩阵对脉冲序列运行前的信号执行干扰消除后的示意图。
图9A和图9B为本发明实施例中利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除前后多个通道接收的数据的波形图。其中，图9A为利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除前的波形图，图9B为利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除后的波形图。
图10A和图10B为本发明实施例中利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除前后多个通道接收的数据的波形图。图10A为利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除前的波形图，图10B为利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除后的波形图。
其中，附图标记如下：
Figure BDA0002175612910000081
Figure BDA0002175612910000091
具体实施方式
本发明实施例中，考虑到针对同一个信号，当利用多个通道同时采集该同一个信号时，那么这多个通道采集的信号一定是强相关的，从矩阵分析的角度来看，多个通道采集的信号可以构成一个全方向的特征空间，且其中信号的大部分能量分布在较少数量的特征向量上，如一个或两个特征向量上。因此，本发明实施例中，可利用一目标运动信号的有干扰信号和无干扰信号得到一强干扰信号，对该强干扰信号构成的强干扰矩阵进行特征向量分解，则能量最大的特征向量所在的方向即为干扰特征方向，通过去除该方向上的特征向量构建一个干扰抑制矩阵，对多个通道接收的每个目标运动信号都利用该干扰抑制矩阵进行干扰消除，得到用于导航的目标运动导航信号，如呼吸导航信号等，从而实现了去干扰处理。
为使本发明的目的、技术方案和优点更加清楚，以下举实施例对本发明进一步详细说明。
图2为本发明实施例中去除目标运动信号中干扰的方法的示例性流程图，如图2中的实线部分所示，该方法可包括如下步骤：
步骤201，针对一目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，每个设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据。
本发明实施例中，目标运动信号为用于扫描导航的某一运动信号，如呼吸信号或心跳信号等。引起目标运动信号失真的信号即干扰信号可以为射频信号，也可以为梯度信号。若干扰信号为射频信号，则无干扰数据为无射频干扰数据，有干扰数据为有射频干扰数据。相应地，每个设定时间段内复数个通道接收的数据可以为：序列脉冲运行前第一设定子时段的无射频干扰数据和序列脉冲运行时第二设定子时段的有射频干扰数据。若干扰信号为梯度信号，则无干扰数据为无梯度干扰数据，有干扰数据为有梯度干扰数据。相应地，每个设定时间段内复数个通道接收的数据可以为：加载梯度信号前第一设定子时段的无梯度干扰数据和加载梯度信号后第二设定子时段的有梯度干扰数据。
本步骤201中复数个通道接收的数据为数字化数据S(t)，其可以是直接接收的数字化数据S(t)，也可以是接收的模拟数据经模数转换后的数字化数据S(t)，可以是无需预处理的数字化数据S(t)，也可以是经预处理之后的数字化数据S(t)。其中，预处理可以包括下采样、平滑、插值或乘矩阵等，预处理可以在FPGA、DSP或CPU中进行。
本步骤201中每个设定时间段内复数个通道接收的数据应该是一个稳定的数据，以便作为参考数据计算后续的干扰抑制矩阵，因此设定时间段可以为目标运动信号的周期变化较小(例如，满足设定的变化区间的数据)的一个时间段。以图1所示的呼吸信号为例，可得到如图3所示的获取一个设定时段内的参考数据的示意图。如图3所示，可获取T毫秒内复数个通道接收的数据，该T毫秒内复数个通道接收的数据可包括：T1毫秒无射频干扰数据ST1和T2毫秒有射频干扰数据ST2。其中T很小，因此在呼吸信号的周期变化很小。
步骤202，针对所述设定时间段内复数个通道接收的数据，利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵。
本步骤202中，为了得到纯干扰数据，可利用第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据。例如，可对所述第一设定子时段的无干扰数据进行平均值计算，利用计算得到的平均值数据作为预估的第二设定子时段的无干扰数据；或者对所述第一设定子时段的无干扰数据进行多项式曲线拟合，根据得到的拟合曲线，得到预估的第二设定子时段的无干扰数据。针对图3中所采集的T1毫秒无射频干扰数据ST1可得到预估的T2毫秒无射频干扰数据ST2fitting。
进而可通过下式(1)得到T毫秒内的干扰数据。
C＝ST2-ST2fitting (1)
因为多通道采集的数据可构成一个矩阵，例如，ST2可以是nT2行m列的矩阵，其包含T2期间的有射频干扰数据，ST2fitting可以是nT2行m列的矩阵，包含根据ST1预估的T2期间合适的无射频干扰信号，即纯呼吸信号。因此ST2和ST2fitting相减后的干扰数据也构成一个矩阵C，称为干扰矩阵C。
若需要利用多个设定时段的数据进行干扰抑制矩阵计算，则执行下述步骤205的同时，可进一步如图1中的虚线部分所示，执行步骤206，判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，如果是，则返回执行步骤201。同时，由于针对每个设定时间段内复数个通道接收的数据均可得到一个干扰矩阵，即针对M个设定时间段内的数据，本步骤202可得到M个干扰矩阵Cm，m＝1,2,3,…,M，相应地，本发明实施例中的方法可进一步如图1中的虚线部分所示，包括下述步骤203；否则，若仅需利用一个设定时段的数据进行干扰抑制矩阵计算，则可省略步骤203，而直接执行步骤204。并且执行下述步骤205的同时也无需执行步骤206进行是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算的判断。
步骤203，对复数个设定时间段内的干扰矩阵进行均值处理，得到一平均干扰矩阵。
例如，假设步骤202中针对M个设定时间段内的数据得到M个干扰矩阵Cm，m＝1,2,3,…,M，本步骤203中可对M个干扰矩阵m＝1,2,3,…,M执行如下式(2)的处理：
C＝(C1+C2+…CM)/m (2)
步骤204，对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成当前干扰抑制矩阵。
针对步骤202或步骤203中的干扰矩阵C，本步骤204中可通过执行如下式(3)的处理，得到特征向量矩阵E。
[V,E]＝eig(C’*C) (3)
其中，C’是C的复共轭转置，假设V是升序的，则E为列向量表示的特征向量矩阵。
针对特征向量矩阵E可通过执行下式(4)或(5)对应的处理，得到干扰抑制矩阵Ms。
Ms＝E*O (4)
Ms＝E*O*E-1 (5)
其中，E-1是E的逆矩阵，O为单位矩阵I经过将特征向量矩阵E中特征向量能量在所有特征向量的总能量中的占比大于设定阈值的特征向量所对应的一个或多个行或列元素置换为0之后的矩阵。例如，假设特征向量矩阵E中最后一列的特征向量的能量在所有特征向量的总能量中的占比达到了设定阈值，例如90％，则可先设置O＝I，然后设置O为O(n,n)＝0，即假设特征值按升序排列，设置单位矩阵中最后一行和最后一列为0后得到O矩阵。或者，也可以是将能量最大的特征向量对应的一个行或列元素置换为0之后的矩阵，则E*O之后，便相当于将E中能量最大的特征向量置0，完成对E中能量最大的特征向量的去除。
可见，步骤201至步骤204主要用于计算一干扰抑制矩阵，得到该干扰抑制矩阵后，便可对扫描成像过程中复数个通道接收的每个目标运动信号执行下述步骤205中的干扰抑制处理。
步骤205，针对所述复数个通道接收的每个目标运动信号，利用所述当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号。
本步骤中，针对复数个通道接收的呼吸信号S(t)，以及步骤204中计算得到的干扰抑制矩阵M，可通过执行下式(6)中的处理，得到射频干扰抑制信号P(t)，也即可用于扫描导航的呼吸导航信号。
P(t)＝S(t)*Ms (6)
仍以去除射频干扰的情况为例，上述方法在具体实现时，可在第一个序列脉冲运行前和第一个序列脉冲运行时获取一个设定时段的数据，即获取第一个序列脉冲运行前第一设定子时段的无射频干扰数据和第一个序列脉冲运行时第二设定子时段的有射频干扰数据，之后基于该设定时间段的数据执行步骤202和步骤204，得到第一干扰抑制矩阵，然后步骤205中利用该第一干扰抑制矩阵对第二个序列脉冲运行时复数个通道接收的每个目标运动信号进行干扰消除，作为目标运动导航信号输出；同时在第二个序列脉冲运行前和第二个序列脉冲运行时获取一个设定时段的数据，即获取第二个序列脉冲运行前第一设定子时段的无射频干扰数据和第二个序列脉冲运行时第二设定子时段的有射频干扰数据，之后基于该设定时间段的数据执行步骤202、步骤203和步骤204，得到第二干扰抑制矩阵，其中步骤203中对两个干扰矩阵进行均值处理；然后步骤205中利用该第二干扰抑制矩阵对第三个序列脉冲运行时复数个通道接收的每个目标运动信号进行干扰消除，作为目标运动导航信号输出；同时在第三个序列脉冲运行前和第三个序列脉冲运行时获取一个设定时段的数据，即获取第三个序列脉冲运行前第一设定子时段的无射频干扰数据和第三个序列脉冲运行时第二设定子时段的有射频干扰数据，之后基于该设定时间段的数据执行步骤202、步骤203和步骤204，得到第三干扰抑制矩阵，其中步骤203中对三个干扰矩阵进行均值处理；然后步骤205中利用该第三干扰抑制矩阵对第四个序列脉冲运行时复数个通道接收的每个目标运动信号进行干扰消除，作为目标运动导航信号输出；以此类推，直到达到设定数量的序列脉冲位置，例如，若事先设定基于10个序列脉冲的数据计算最终的干扰抑制矩阵，则上述过程可持续到：在第十个序列脉冲运行前和第十个序列脉冲运行时获取一个设定时段的数据，即获取第十个序列脉冲运行前第一设定子时段的无射频干扰数据和第十个序列脉冲运行时第二设定子时段的有射频干扰数据，之后基于该设定时间段的数据执行步骤202、步骤203和步骤204，得到第十干扰抑制矩阵，其中步骤203中对十个干扰矩阵进行均值处理；然后步骤205中利用该第十干扰抑制矩阵对第十一个序列脉冲之后的复数个通道接收的每个目标运动信号进行干扰消除，作为目标运动导航信号输出。
上述过程可如图4所示，图4为本发明实施例中去除目标运行信号中射频干扰的方法的示例性流程图。如图4所示，该方法可包括如下步骤：
步骤401，针对一目标运动信号，首先令n＝1。
步骤402，获取第n个序列脉冲运行前和运行时一个设定时段内复数个通道接收的数据。其中，所述数据包括：所述第n个序列脉冲运行前第一设定子时段的无干扰数据和所述第n个序列脉冲运行时第二设定子时段的有干扰数据。
步骤403，利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵。
步骤404，判断当前是否存在复数个(即多个)干扰矩阵，如果是，则执行步骤405；否则，执行步骤406。
步骤405，对复数个干扰矩阵进行均值处理，得到一平均干扰矩阵。
步骤406，对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一干扰抑制矩阵。
步骤407，根据设置的最大设定时段数量，判断是否还有后续设定时段的数据需要采集，如果有，则执行步骤408；否则，执行步骤410。
例如，若设置的最大设定时段数量为10，则可通过判断n是否等于10来确定是否还有后续设定时段的数据需要采集，若n小于10，则确定还有后续设定时段的数据需要采集，否则可确定没有后续设定时段的数据需要采集。
步骤408，令n＝n+1。之后执行步骤409，并同时返回执行步骤402。
步骤409，针对第n个序列脉冲运行时所述复数个通道接收的每个目标运动信号，利用所述干扰抑制矩阵进行干扰消除，得到目标运动导航信号。
步骤410，针对第n+1个序列脉冲之后的所述复数个通道接收的每个目标运动信号，利用所述干扰抑制矩阵进行干扰消除，得到目标运动导航信号。
此外，针对本发明实施例中的上述方法，在执行所述利用一干扰抑制矩阵进行干扰消除之前，可进一步包括如下处理：
针对所述复数个通道接收的每个目标运动信号，首先利用至少一个抗干扰矩阵Mi，i＝1，2，…，L进行干扰消除；也就是说，目标运动导航信号P(t)＝S(t)*M1*M2*…*ML*Ms。其中，L为抗干扰矩阵的个数，且为大于或等于1的整数。其中，所述至少一个抗干扰矩阵Mi，i＝1，2，…，L可通过如图5所示的方法得到。图5为本发明实施例中获取抗干扰矩阵的方法的示例性流程图。如图5中的实线部分所示，本方法可包括如下步骤：
步骤501，针对所述目标运动信号，获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成参考矩阵，例如，初始时可令i＝1，则该参考矩阵可记为Ri-1，即Ri-1为R0。
本发明实施例中，可利用复数个传感器作为复数个通道来接收目标运动信号。其中，传感器可以是任何类型的传感器。例如，可以是包括摄像头的光学传感器、温度传感器、声音传感器、X射线传感器或射频线圈(如磁共振接收线圈)等。
传感器接收的信号可包括所需信号和一个或多个不需要的信号，其中，所需信号也就是目标运动信号是用于扫描导航的某一运动信号，如呼吸信号或心跳信号等。不需要的信号也即干扰信号。例如，若目标运动信号为呼吸信号，则心跳信号和振动信号等即为干扰信号；若目标运动信号为心跳信号，则呼吸信号和振动信号等即为干扰信号。
本步骤501中复数个通道接收的数据为数字化数据S(t)，其可以是直接接收的数字化数据S(t)，也可以是接收的模拟数据经模数转换后的数字化数据S(t)，可以是无需预处理的数字化数据S(t)，也可以是经预处理之后的数字化数据S(t)。其中，预处理可以包括下采样、平滑、插值或乘矩阵等，预处理可以在FPGA、DSP或CPU中进行。
本步骤501中设定时间段内复数个通道接收的数据可以是T秒的数据，即t0–tT时间段的S(t)数据，假设S(t0)S(t1)…S(tT)为行向量，则R0矩阵可表示为：R0＝{S(t0),S(t1),…,S(tT)}。例如，在一实施方式中，T可以为大于2-3个目标运动周期的时间，例如，对于目标运动为呼吸的情况，可选取10秒、11秒、12秒、13秒、14秒、15秒以及以上的时间等。
步骤502，根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵W。
本步骤中，针对不同的干扰信号类型可有不同的实现过程，下面分别对固定频率的干扰信号和变化频率的干扰信号进行详细描述：
1)所述当前干扰信号为固定频率信号：
A1、根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围J，根据所选取的谐波频率范围J确定矩阵总行数为2J或J。
假设第i个干扰信号的固定频率为1Hz，则其谐波频率范围可如图8A所示，本实施例中可根据经验值选取到第10个谐波频率范围，即谐波频率范围J＝10。
B1、根据所述设定时间段T内的数据的样本数T*N确定矩阵总列数K＝T*N，N为每秒的样本数。
C1、根据所述总行数2J(或J)和总列数K，得到一频率相关矩阵W。
令j＝1,2,…,J，k＝1,2,…,K，K＝T*N，之后可通过下式(7)或(8)得到频率相关矩阵W。
Figure BDA0002175612910000151
上式(7)中，频率相关矩阵W为2J*K大小的矩阵。针对上述谐波频率范围J＝10的情况，其可包含1Hz-10Hz的正弦波和余弦波。
Figure BDA0002175612910000152
上式(2)中，频率相关矩阵W为J*K大小的矩阵。
2)所述当前干扰信号为变化频率信号：
A2、根据所述当前干扰信号的频率变化范围Fstart-Fend，以及根据每秒钟的样本数N确定的最小的频率分辨率Δf＝1/N，确定矩阵总行数为2J或J。
本步骤中，对于干扰信号为心跳信号的情况，其频率变化范围通常为0.7～2Hz，对于干扰信号为呼吸信号的情况，其频率变化范围通常为0.1～1Hz。
可通过下式(9)～(11)确定矩阵总行数。
Jstart＝floor(Fstart/Δf)+1 (9)
Jend＝floor(Fend/Δf)+1 (10)
J＝Jend-Jstart+1 (11)
其中，floor()为地板函数，用于向下取整。
B2、根据所述设定时间段T内的数据的样本数T*N确定矩阵总列数K＝T*N，N为每秒的样本数。
C2、根据所述总行数2J(或J)和总列数K，得到一频率相关矩阵W。
令j＝Jstart,Jstart+1,Jstart+2,…,Jend，k＝1,2,…,K，K＝T*N，之后可通过下式(12)或(13)得到频率相关矩阵W。
Figure BDA0002175612910000161
上式(12)中，频率相关矩阵W为2J*K大小的矩阵。
Figure BDA0002175612910000162
上式(13)中，频率相关矩阵W为J*K大小的矩阵。
步骤503，利用所述频率相关矩阵W和所述参考矩阵Ri-1，计算得到干扰系数矩阵C。
本步骤中，可利用下式(14)计算得到干扰系数矩阵C：
C＝W*Ri-1 (14)
步骤504，对所述干扰系数矩阵C进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵Mi。
针对步骤504中的干扰系数矩阵C，本步骤505中可通过执行如下式(15)的处理，得到特征向量矩阵E。
[V,E]＝eig(C’*C) (15)
其中，C’是C的复共轭转置，假设V是升序的，则E为列向量表示的特征向量矩阵。
针对特征向量矩阵E可通过执行下式(16)或(17)对应的处理，得到抗干扰矩阵Mi。
Mi＝E*O (16)
Mi＝E*O*E-1 (17)
其中，E-1是E的逆矩阵，O为单位矩阵I经过将特征向量矩阵E中特征向量能量在所有特征向量的总能量中的占比大于设定阈值的特征向量所对应的一个或多个行或列元素置换为0之后的矩阵。例如，假设特征向量矩阵E中最后一列的特征向量的能量在所有特征向量的总能量中的占比达到了设定阈值，例如90％，则可先设置O＝I，然后设置O为O(m,m)＝0，即假设特征值按升序排列，设置单位矩阵中最后一行和最后一列为0后得到O矩阵。或者，也可以是将能量最大的特征向量对应的一个行或列元素置换为0之后的矩阵，则E*O之后，便相当于将E中能量最大的特征向量置0，完成对E中能量最大的特征向量的去除。
如果只有一个干扰信号，则可结束抗干扰矩阵的计算；否则若存在多个干扰信号，则可如图5中的虚线部分所示，继续执行步骤505。
步骤505，判断是否还有其它未处理的干扰信号，如果有，则执行步骤506；否则结束。
步骤506，确定当前干扰信号，利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵；并返回执行上述步骤502。
具体实现时，可令Ri＝Ri-1*Mi，i＝i+1，并返回执行上述步骤502。
进一步地，考虑到这些干扰信号有的可能相对于目标运动信号来说较小，因此可以忽略不计，有的可能特性与目标运动信号比较相似，消除这类干扰信号时可能会对目标运动信号造成一定的影响，因此本实施例中可进一步包括如下处理：
A3、根据所述目标运动信号的频率变化范围Fstart-Fend，以及根据每秒钟的样本数N确定的最小的频率分辨率Δf＝1/N确定矩阵总行数。
本步骤中，可采用与述A2步骤一致的算法根据上式(9)～(11)确定矩阵总行数。
B3、根据所述设定时间段T内的数据的样本数T*N确定矩阵总列数K＝T*N，N为每秒的样本数。
C3、根据所述总行数2J(或J)和总列数K，得到一频率相关矩阵Wre。
本步骤中，可采用与上述C2步骤一致的算法根据上式(12)或(13)得到频率相关矩阵Wre。
C4、利用所述频率相关矩阵Wre和所述参考矩阵Ri-1，计算得到目标系数矩阵Cre。
本步骤中，可利用下式(18)计算得到干扰系数矩阵C：
Cre＝Wre*Ri-1 (18)
C5、对所述目标系数矩阵Cre进行特征值和特征向量分解，并将能量最大的特征向量作为目标运动特征向量ere，所述目标运动特征向量ere对应的特征值为目标运动特征值vre。
相应地，步骤505中生成一抗干扰矩阵Mi之后，可进一步包括：将对所述干扰系数矩阵C进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量ei，将所述干扰特征向量对应的特征值作为干扰特征值vi。然后判断所述干扰特征值vi与所述目标运动特征值vre的比值vi/vre是否小于一设定的第一阈值，如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵，具体实现时，也可令所述Mi＝I单位矩阵；或者，判断所述干扰特征向量ei的转置ei’与所述目标运动特征向量ere的乘积ei’*ere是否大于一设定的第二阈值，如果是，则认为所述干扰特征向量ei与所述目标运动特征向量Ere相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵，具体实现时，也可令所述Mi＝I单位矩阵。其中，在一个例子中，第一阈值可以为0.1，第二阈值可以为0.8或0.9等。
以上对本发明实施例中的去除目标运动信号中干扰的方法进行了详细描述，下面再对本发明实施例中的去除目标运动信号中干扰的装置进行详细描述。本发明实施例中的去除目标运动信号中干扰的装置可用于实施本发明实施例中的去除目标运动信号中干扰的方法。对于本发明装置实施例中未披露的细节可参见本发明方法实施例中的对应描述，此处不再重复赘述。
图6A为本发明实施例中一种去除目标运动信号中干扰的装置的示例性结构图。如图6A所示，该装置可如图6A中的实线部分所示包括：干扰消除模块610和干扰抑制矩阵生成模块620。其中，干扰抑制矩阵生成模块620可包括：第一数据采集子模块621、第一矩阵生成子模块622和第二矩阵生成子模块623。当需要利用多个设定时段的数据进行干扰抑制矩阵计算时，该干扰抑制矩阵生成模块620可进一步如图6A中的虚线部分所示，在第一矩阵生成子模块622和第二矩阵生成子模块623之间包括一均值化子模块624，并且还包括一个判断子模块625。
其中，干扰消除模块610用于针对复数个通道接收的每个目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号。
干扰抑制矩阵生成模块620用于生成所述干扰抑制矩阵。
第一数据采集子模块621用于针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，每个设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据。
第一矩阵生成子模块622用于针对所述设定时间段内复数个通道接收的数据，利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵。其中，可通过对所述第一设定子时段的无干扰数据进行平均值计算，并利用计算得到的平均值数据作为预估的第二设定子时段的无干扰数据；或者，通过对所述第一设定子时段的无干扰数据进行多项式曲线拟合，并根据得到的拟合曲线，得到预估的第二设定子时段的无干扰数据。
第二矩阵生成子模块623用于对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一干扰抑制矩阵。
判断子模块625用于在第二矩阵生成子模块623生成当前干扰抑制矩阵时，判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，如果还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，则触发第一数据采集子模块621执行。
均值化子模块624用于对复数个干扰矩阵进行均值处理，得到一平均后的干扰矩阵。之后，第二矩阵生成子模块623基于该平均后的干扰矩阵进行特征值和特征向量分解。
本发明实施例中，所述目标运动信号为呼吸信号或心跳信号。所述无干扰数据为无射频干扰数据；所述有干扰数据为有射频干扰数据；所述干扰抑制矩阵为视频干扰抑制矩阵；或者，所述无干扰数据为无梯度干扰数据；所述有干扰数据为有梯度干扰数据；所述干扰抑制矩阵为梯度干扰抑制矩阵。
图6B为本发明实施例中另一种去除目标运动信号中干扰的装置的示例性结构图。如图6B中的实线部分所示，该装置可在图6A所示装置的基础上进一步包括一抗干扰矩阵生成模块630，并且该抗干扰矩阵生成模块630可进一步包括：第二数据采集子模块631、第三矩阵生成子模块632、第四矩阵生成子模块633、分解子模块634和第五矩阵生成子模块635。在存在多个干扰信号时，该装置也可进一步如图6B中的虚线部分所示包括第一判断处理子模块636。
其中，抗干扰矩阵生成模块630用于生成至少一个抗干扰矩阵。
干扰消除模块610利用一干扰抑制矩阵进行干扰消除之前，针对所述复数个通道接收的每个目标运动信号，进一步利用所述至少一个抗干扰矩阵进行干扰消除。也即干扰消除模块610用于针对所述复数个通道接收的每个目标运动信号，利用所述至少一个抗干扰矩阵以及所述干扰抑制矩阵进行干扰消除。
第二数据采集子模块631用于获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成参考矩阵Ri-1，i＝1。
第三矩阵生成子模块632用于根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵W。
第四矩阵生成子模块633用于利用所述频率相关矩阵W和所述参考矩阵Ri-1，计算得到干扰系数矩阵C。
分解子模块634用于对所述干扰系数矩阵C进行特征值和特征向量分解，得到一特征向量矩阵。
第五矩阵生成子模块635用于将所述特征向量矩阵中一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵Mi。
第一判断处理子模块636用于判断是否还有其它未处理的干扰信号，若还有其它未处理的干扰信号，则确定当前干扰信号，并利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵，具体实现时，可令Ri＝Ri-1*Mi，i＝i+1，并触发所述第三矩阵生成子模块632执行；若没有其它未处理的干扰信号，则结束。
本发明实施例中，干扰信号可以为固定频率信号，也可以为变化频率信号。相应地，第三矩阵生成子模块632在所述当前干扰信号为固定频率信号时，根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围，根据所选取的谐波频率范围确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵W；在所述当前干扰信号为变化频率信号时，根据所述当前干扰信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵W。
图6C为本发明实施例中又一种去除目标运动信号中干扰的装置的示例性结构图。如图6C所示，该装置可在图6B所示装置的基础上进一步包括选取子模块637和第二判断处理子模块638。
相应地，第三矩阵生成子模块632进一步用于根据所述目标运动信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵Wre。
第四矩阵生成子模块633进一步用于利用所述频率相关矩阵Wre和所述参考矩阵Ri-1，计算得到目标系数矩阵Cre。
所述分解子模块634进一步用于对所述目标系数矩阵Cre进行特征值和特征向量分解，得到一目标特征向量矩阵。
选取子模块637用于将所述目标特征向量矩阵中能量最大的特征向量作为目标运动特征向量ere，所述目标运动特征向量ere对应的特征值为目标运动特征值vre；将对所述干扰系数矩阵C进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量ei，将所述干扰特征向量对应的特征值作为干扰特征值vi。
第二判断处理子模块638用于在第五矩阵生成子模块635生成一个抗干扰矩阵之后，判断所述干扰特征值vi与所述目标运动特征值vre的比值是否小于一设定的第一阈值，如果不是，则保留所述抗干扰矩阵；如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵，具体实现时，可令所述抗干扰矩阵Mi＝I(单位矩阵)；或者，判断所述干扰特征向量ei的转置ei’与所述目标运动特征向量ere的乘积是否大于一设定的第二阈值，如果不是，则保留所述抗干扰矩阵；如果是，则认为所述干扰特征向量ei与所述目标运动特征向量ere相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵，具体实现时，可令所述Mi＝I。
图7为本发明实施例中再一种去除目标运动信号中干扰的装置的示例性结构图。如图7所示，该装置可包括：至少一个存储器71和至少一个处理器72。此外，还可以包括一些其它组件，例如通信端口等。这些组件通过总线73进行通信。
其中，至少一个存储器71用于存储计算机程序。在一个实施方式中，该计算机程序可以理解为包括图6A至图6C中任一个所示的去除目标运动信号中干扰的装置的各个模块。此外，至少一个存储器71还可存储操作系统等。操作系统包括但不限于：Android操作系统、Symbian操作系统、Windows操作系统、Linux操作系统等等。
至少一个处理器72用于调用至少一个存储器71中存储的计算机程序，以执行本发明实施例中所述的去除目标运动信号中干扰的方法。处理器72可以为CPU，处理单元/模块，ASIC，逻辑模块或可编程门阵列等。其可通过所述通信端口进行数据的接收和发送。
本发明实施例中提供的磁共振成像系统可包括图6A至图6C以及图7中任一个所示的去除目标运动信号中干扰的装置。
需要说明的是，上述各流程和各结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。
可以理解，上述各实施方式中的硬件模块可以以机械方式或电子方式实现。例如，一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式，或是采用专用的永久性电路，或是采用临时配置的电路(如由软件进行配置)来实现硬件模块，可以根据成本和时间上的考虑来决定。
此外，本发明实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序能够被一处理器执行并实现本发明实施例中所述的去除目标运动信号中干扰的方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外，还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施方式中任一实施方式的功能。用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
图8B为针对图8A所示的干扰信号，在利用对应的抗干扰矩阵对脉冲序列运行前的信号执行干扰消除后的示意图。可见，该1Hz的固定频率的干扰信号基本消除。
图9A和图9B为本发明实施例中利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除前后多个通道接收的数据的波形图。其中，图9A为利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除前的波形图，图9B为利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除后的波形图。可见，利用至少一个抗干扰矩阵对脉冲序列运行前的信号执行干扰消除之后这些干扰基本消除。
图10A和图10B为本发明实施例中利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除前后多个通道接收的数据的波形图。图10A为利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除前的波形图，图10B为利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除后的波形图。可见，利用干扰抑制矩阵对脉冲序列运行后的信号执行干扰消除之后射频干扰基本消除。
从上述方案中可以看出，由于本发明实施例中通过利用一目标运动信号的有干扰信号和无干扰信号得到一强干扰信号，对该强干扰信号构成的强干扰矩阵进行特征向量分解，则能量最大的特征向量所在的方向即为干扰特征方向，通过去除该方向上的特征向量构建一个干扰抑制矩阵，对多个通道接收的每个目标运动信号都利用该干扰抑制矩阵进行干扰消除，可消除该干扰信号，如射频干扰或梯度干扰等，并得到用于导航的目标运动导航信号。
此外，对于存在射频干扰的目标运动信号，通过对运行第二个脉冲序列时多通道接收的目标运行信号利用第一个脉冲序列运行前后采集的数据计算得到的干扰抑制矩阵进行干扰消除，对运行第三个脉冲序列时多通道接收的目标运行信号利用第一个脉冲序列运行前后和第二个脉冲序列运行前后采集的数据计算得到的干扰抑制矩阵进行干扰消除，依次类推，直到达到设定的采集数据并计算得到最终的干扰抑制矩阵时，才利用最终的干扰抑制矩阵对之后的多通道接收的每个目标运行信号进行干扰消除，一方面可以尽早的实现对目标运行信号的干扰消除，另一方面也可以逐步提高干扰消除的精度。
进一步地，通过预先采集未运行序列脉冲时设定时间段内复数个通道接收的数据并构成参考矩阵，根据每个干扰信号的频率特点生成频率相关矩阵，并利用该频率相关矩阵和参考矩阵生成对应该干扰信号的干扰系数矩阵，通过对该干扰系数矩阵进行特征值和特征向量分解，将能量最大的特征向量去除后生成一抗干扰矩阵；当存在多个干扰信号时，可将之前的参考矩阵乘以已经得到的抗干扰矩阵(即从参考矩阵中消除已经计算了抗干扰矩阵的干扰信号)后作为新的干扰信号的参考矩阵，之后采用相同的方法计算得到对应该新的干扰信号的抗干扰矩阵，之后可对多通道接收的每个目标运动信号利用上述的抗干扰矩阵进行干扰消除，从而可消除除射频干扰以及梯度干扰之外的干扰。
此外，通过针对固定频率的干扰信号，利用其谐波频率范围来构建频率相关矩阵，并对变化频率的干扰信号，利用其频率变化范围来构建频率相关矩阵，可最大限度的获取与干扰信号的特性相关的频率相关矩阵，进而增加计算抗干扰矩阵的准确性。
进一步地，通过对目标运动信号也根据其频率变化范围来构建其频率相关矩阵，并得到对应的目标系数矩阵，对该目标系数矩阵进行特征值和特征向量分解后，可根据各特征向量的能量大小获得该目标运动信号所在的特征向量方向，即能量最大的特征向量所在的方向，进而可通过将目标运动信号与干扰信号各自所对应的特征值或特征向量进行相应的对比，可忽略掉影响较小的干扰，从而降低处理复杂度；并且在确定消除一干扰信号会影响所述目标运动信号时，可不消除该干扰信号，以尽量保证目标运动信号的接收。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (19)

1.去除目标运动信号中干扰的方法，其特征在于，包括：
针对复数个通道接收的每个目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号(205)；其中，所述当前干扰抑制矩阵通过如下方法得到：
针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，所述设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据(201)；
利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵(202)；
对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成当前干扰抑制矩阵(204)。
2.根据权利要求1所述的去除目标运动信号中干扰的方法，其特征在于，需要利用多个设定时段的数据进行干扰抑制矩阵计算；
该方法进一步包括：判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算(206)，如果还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，则返回执行针对所述目标运动信号获取一个设定时段内复数个通道接收的数据的步骤；
并且，在执行对所述干扰矩阵进行特征值和特征向量分解之前，该方法进一步包括：对已得到的复数个干扰矩阵进行均值处理，得到一平均后的干扰矩阵(203)。
3.根据权利要求1所述的去除目标运动信号中干扰的方法，其特征在于，所述利用第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据包括：对所述第一设定子时段的无干扰数据进行平均值计算，利用计算得到的平均值数据作为预估的第二设定子时段的无干扰数据；或者，
对所述第一设定子时段的无干扰数据进行多项式曲线拟合，根据得到的拟合曲线，得到预估的第二设定子时段的无干扰数据。
4.根据权利要求1至3中任一项所述的去除目标运动信号中干扰的方法，其特征在于，所述目标运动信号为：呼吸信号或心跳信号。
5.根据权利要求1至3中任一项所述的去除目标运动信号中干扰的方法，其特征在于，所述无干扰数据为无射频干扰数据；所述有干扰数据为有射频干扰数据；所述干扰抑制矩阵为视频干扰抑制矩阵；或者，
所述无干扰数据为无梯度干扰数据；所述有干扰数据为有梯度干扰数据；所述干扰抑制矩阵为梯度干扰抑制矩阵。
6.根据权利要求1至3中任一项所述的去除目标运动信号中干扰的方法，其特征在于，所述利用当前干扰抑制矩阵进行干扰消除之前，进一步包括：
针对所述复数个通道接收的每个目标运动信号，首先利用至少一个抗干扰矩阵进行干扰消除；其中，所述至少一个抗干扰矩阵通过如下方法得到：
针对所述目标运动信号，获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成一参考矩阵(501)；
根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵(502)；
利用所述频率相关矩阵和所述参考矩阵，计算得到一干扰系数矩阵(503)；
对所述干扰系数矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵(504)。
7.根据权利要求6所述的去除目标运动信号中干扰的方法，其特征在于，还存在其它未处理的干扰信号；
该方法进一步包括：确定当前干扰信号，利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵(506)；并返回执行所述根据当前干扰信号的频率以及所述设定时间段内的数据样本数得到一频率相关矩阵的步骤。
8.根据权利要求6所述的去除目标运动信号中干扰的方法，其特征在于，所述当前干扰信号为固定频率信号；
所述根据所述当前干扰信号的频率以及所述设定时间段内的数据数量，得到一频率相关矩阵包括：
根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围，根据所选取的谐波频率范围确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
9.根据权利要求6所述的去除目标运动信号中干扰的方法，其特征在于，所述当前干扰信号为变化频率信号；
所述根据所述当前干扰信号的频率以及所述设定时间段内的数据数量，得到一频率相关矩阵包括：
根据所述当前干扰信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
10.根据权利要求6至9中任一项所述的去除目标运动信号中干扰的方法，其特征在于，进一步包括：
根据所述目标运动信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；
利用所述频率相关矩阵和所述参考矩阵，计算得到目标系数矩阵；
对所述目标系数矩阵进行特征值和特征向量分解，并将能量最大的特征向量作为目标运动特征向量，所述目标运动特征向量对应的特征值为目标运动特征值；
所述生成一抗干扰矩阵之后，进一步包括：将对所述干扰系数矩阵进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量，将所述干扰特征向量对应的特征值作为干扰特征值；
判断所述干扰特征值与所述目标运动特征值的比值是否小于一设定的第一阈值，如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵；或者，判断所述干扰特征向量的转置与所述目标运动特征向量的乘积是否大于一设定的第二阈值，如果是，则认为所述干扰特征向量与所述目标运动特征向量相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵。
11.去除目标运动信号中干扰的装置，其特征在于，包括：
干扰消除模块(610)，用于针对复数个通道接收的每个目标运动信号，利用当前干扰抑制矩阵进行干扰消除，得到目标运动导航信号；和
干扰抑制矩阵生成模块(620)，用于生成所述当前干扰抑制矩阵；所述干扰抑制矩阵生成模块(620)包括：
第一数据采集子模块(621)，用于针对所述目标运动信号，获取一个设定时段内复数个通道接收的数据；其中，每个设定时间段内复数个通道接收的数据包括：第一设定子时段的无干扰数据和第二设定子时段的有干扰数据；
第一矩阵生成子模块(622)，用于利用所述第一设定子时段的无干扰数据预估出第二设定子时段的无干扰数据，利用所述第二设定子时段的有干扰数据减去预估的第二设定子时段的无干扰数据，得到对应所述设定时段内的干扰数据，所述干扰数据构成一干扰矩阵；
第二矩阵生成子模块(623)，用于对所述干扰矩阵进行特征值和特征向量分解，并将一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成当前干扰抑制矩阵。
12.根据权利要求11所述的去除目标运动信号中干扰的装置，其特征在于，需要利用多个设定时段的数据进行干扰抑制矩阵计算；该装置进一步包括：
判断子模块(625)，用于在所述第二矩阵生成子模块生成当前干扰抑制矩阵时，判断是否还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，如果还需要利用下一个设定时段的数据进行干扰抑制矩阵计算，则触发所述第一数据采集子模块执行；和
位于所述第一矩阵生成子模块和第二矩阵生成子模块之间的均值化子模块(624)，用于对复数个干扰矩阵进行均值处理，得到一平均后的干扰矩阵。
13.根据权利要求11或12所述的去除目标运动信号中干扰的装置，其特征在于，所述干扰消除模块(610)利用一干扰抑制矩阵进行干扰消除之前，针对所述复数个通道接收的每个目标运动信号，进一步利用至少一个抗干扰矩阵进行干扰消除；且所述装置进一步包括：抗干扰矩阵生成模块(630)，用于生成所述至少一个抗干扰矩阵；所述抗干扰矩阵生成模块(630)包括：
第二数据采集子模块(631)，用于获取未运行序列脉冲时一设定时间段内复数个通道接收的数据，所述数据构成参考矩阵；
第三矩阵生成子模块(632)，用于根据当前干扰信号的频率以及所述设定时间段内的数据样本数，得到一频率相关矩阵；
第四矩阵生成子模块(633)，用于利用所述频率相关矩阵和所述参考矩阵，计算得到一干扰系数矩阵；
分解子模块(634)，用于对所述干扰系数矩阵进行特征值和特征向量分解，得到一特征向量矩阵；
第五矩阵生成子模块(635)，用于将所述特征向量矩阵中一特征向量的能量在所有特征向量的总能量中的占比大于设定阈值的特征向量或能量最大的特征向量去除，生成一抗干扰矩阵。
14.根据权利要求13所述的去除目标运动信号中干扰的装置，其特征在于，存在多个干扰信号；所述装置进一步包括：第一判断处理子模块(636)，用于判断是否还有未处理的其它干扰信号，若还有其它未处理的干扰信号，则确定当前干扰信号，并利用所述抗干扰矩阵对所述参考矩阵进行干扰消除，得到新的参考矩阵；并触发所述第三矩阵生成子模块执行；若没有其它干扰信号，则结束。
15.根据权利要求13所述的去除目标运动信号中干扰的装置，其特征在于，所述第三矩阵生成子模块(632)在当前干扰信号为固定频率信号时，根据所述当前干扰信号的固定频率的谐波频率范围，选取设定的谐波频率范围，根据所选取的谐波频率范围确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；在所述当前干扰信号为变化频率信号时，根据所述当前干扰信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵。
16.根据权利要求13至15中任一项所述的去除目标运动信号中干扰的装置，其特征在于，所述第三矩阵生成子模块(632)进一步用于根据所述目标运动信号的频率变化范围，以及根据每秒钟的样本数确定的最小的频率分辨率确定矩阵总行数，根据所述设定时间段内的数据的样本数确定矩阵总列数，根据所述总行数和总列数得到一频率相关矩阵；
所述第四矩阵生成子模块(633)进一步用于利用所述频率相关矩阵和所述参考矩阵，计算得到目标系数矩阵；
所述分解子模块(634)进一步用于对所述目标系数矩阵进行特征值和特征向量分解，得到一目标特征向量矩阵；
所述抗干扰矩阵生成模块(630)进一步包括：
选取子模块(637)，用于将所述目标特征向量矩阵中能量最大的特征向量作为目标运动特征向量，所述目标运动特征向量对应的特征值为目标运动特征值；将对所述干扰系数矩阵进行特征值和特征向量分解后能量最大的特征向量作为干扰特征向量，将所述干扰特征向量对应的特征值作为干扰特征值；和
第二判断处理子模块(638)，用于在所述第三矩阵生成子模块生成一干扰矩阵时，判断所述干扰特征值与所述目标运动特征值的比值是否小于一设定的第一阈值，如果是，则认为所述干扰信号远小于所述目标运动信号，所述干扰信号可忽略不计，并舍弃所述抗干扰矩阵；或者，判断所述干扰特征向量的转置与所述目标运动特征向量的乘积是否大于一设定的第二阈值，如果是，则认为所述干扰特征向量与所述目标运动特征向量相似，消除所述干扰信号会影响所述目标运动信号，并舍弃所述抗干扰矩阵。
17.去除目标运动信号中干扰的装置，其特征在于，包括：至少一个存储器(71)和至少一个处理器(72)，其中：
所述至少一个存储器(71)用于存储计算机程序；
所述至少一个处理器(72)用于调用所述至少一个存储器(71)中存储的计算机程序，执行如权利要求1至10中任一项所述的去除目标运动信号中干扰的方法。
18.磁共振成像系统，其特征在于，包括如权利要求11至17中任一项所述的去除目标运动信号中干扰的装置。
19.计算机可读存储介质，其上存储有计算机程序；其特征在于，所述计算机程序能够被一处理器执行并实现如权利要求1至10中任一项所述的去除目标运动信号中干扰的方法。
CN201910777734.3A 2019-08-22 2019-08-22 去除信号中干扰的方法和装置、磁共振系统和存储介质 Active CN112415453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910777734.3A CN112415453B (zh) 2019-08-22 2019-08-22 去除信号中干扰的方法和装置、磁共振系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910777734.3A CN112415453B (zh) 2019-08-22 2019-08-22 去除信号中干扰的方法和装置、磁共振系统和存储介质

Publications (2)

Publication Number Publication Date
CN112415453A true CN112415453A (zh) 2021-02-26
CN112415453B CN112415453B (zh) 2024-01-02

Family

ID=74779784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910777734.3A Active CN112415453B (zh) 2019-08-22 2019-08-22 去除信号中干扰的方法和装置、磁共振系统和存储介质

Country Status (1)

Country Link
CN (1) CN112415453B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023232000A1 (en) * 2022-05-30 2023-12-07 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for interference signal collection and processing

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1831806A (zh) * 2005-03-10 2006-09-13 西门子公司 模型函数间或相关时通用线性模型增量计算的方法和装置
WO2008077495A1 (de) * 2006-12-21 2008-07-03 Rheinisch-Westfälisch Technische Hochschule Aachen Akustische triggerung eines geräts der bildgebenden magnetischen resonanz
CN102036606A (zh) * 2008-04-18 2011-04-27 麦德托尼克公司 测绘结构的方法和装置
EP2411847A1 (en) * 2009-03-27 2012-02-01 QinetiQ Limited Apparatus and method for ferromagnetic object detector
CN102722727A (zh) * 2012-06-11 2012-10-10 杭州电子科技大学 基于脑功能网络邻接矩阵分解的脑电特征提取方法
CN107505584A (zh) * 2016-06-14 2017-12-22 西门子(深圳)磁共振有限公司 一种磁共振数据采集触发方法和装置
CN107645316A (zh) * 2016-07-20 2018-01-30 英特尔公司 用于自干扰消除的方法和设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1831806A (zh) * 2005-03-10 2006-09-13 西门子公司 模型函数间或相关时通用线性模型增量计算的方法和装置
WO2008077495A1 (de) * 2006-12-21 2008-07-03 Rheinisch-Westfälisch Technische Hochschule Aachen Akustische triggerung eines geräts der bildgebenden magnetischen resonanz
CN102036606A (zh) * 2008-04-18 2011-04-27 麦德托尼克公司 测绘结构的方法和装置
EP2411847A1 (en) * 2009-03-27 2012-02-01 QinetiQ Limited Apparatus and method for ferromagnetic object detector
CN102722727A (zh) * 2012-06-11 2012-10-10 杭州电子科技大学 基于脑功能网络邻接矩阵分解的脑电特征提取方法
CN107505584A (zh) * 2016-06-14 2017-12-22 西门子(深圳)磁共振有限公司 一种磁共振数据采集触发方法和装置
CN107645316A (zh) * 2016-07-20 2018-01-30 英特尔公司 用于自干扰消除的方法和设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023232000A1 (en) * 2022-05-30 2023-12-07 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for interference signal collection and processing

Also Published As

Publication number Publication date
CN112415453B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
US8692549B2 (en) Method for reconstructing images of an imaged subject from a parallel MRI acquisition
US10222443B2 (en) Generating motion information for an at least partially moving examination region
US7432710B2 (en) Apparatus and method for reducing image artifact
US8768034B2 (en) Motion compensated MR imaging system
CN102565738B (zh) 对拍摄的磁共振数据的补充
US8427153B2 (en) Method for motion correction in magnetic resonance imaging using radio frequency coil arrays
US8116541B2 (en) Method and apparatus for multi-coil magnetic resonance imaging
US12066513B2 (en) Scout acquisition enables rapid motion estimation and reduction (SAMER) systems and methods for retrospective motion mitigation
US7417427B2 (en) Magnetic resonance data acquisition method and apparatus
JP6088711B2 (ja) 磁気共鳴イメージングのための息止め検出
WO2015162068A1 (en) Magnetic resonance imaging with motion correction using pre-pulses and navigators
JP2003528667A (ja) 適応的に選択されたフリップ角を用いる磁気共鳴撮像方法及びシステム
US8352013B2 (en) Method and system for motion compensation in magnetic resonance (MR) imaging
JP2013509904A (ja) ナビゲータを使用するｍｒイメージング
CN111830449B (zh) 呼吸信号提取方法及装置、磁共振成像系统、存储介质
JP6814325B2 (ja) ディクソン型水／脂肪分離ｍｒイメージング
CN112415452B (zh) 去除信号中干扰的方法和装置、磁共振系统和存储介质
US10231672B2 (en) ECG signal processing apparatus, MRI apparatus, and ECG signal processing method
Christodoulou et al. Improved subspace estimation for low-rank model-based accelerated cardiac imaging
CN112415453B (zh) 去除信号中干扰的方法和装置、磁共振系统和存储介质
JP7446328B2 (ja) ソフト動きゲーティングによる３ｄラジアル又はスパイラル収集を用いたｍｒ画像
US10631814B2 (en) Acquisition and processing of measurement data by a combined magnetic resonance and X-ray device
US7239136B2 (en) Motion compensation for magnetic resonance imaging
US20140285194A1 (en) Time-resolved phase-contrast mr imaging with speed encoding
CN108882889B (zh) 磁共振成像装置和程序

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