CN112630709A - 金属植入物磁共振成像方法、系统、终端及存储介质 - Google Patents
金属植入物磁共振成像方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN112630709A CN112630709A CN202011209857.6A CN202011209857A CN112630709A CN 112630709 A CN112630709 A CN 112630709A CN 202011209857 A CN202011209857 A CN 202011209857A CN 112630709 A CN112630709 A CN 112630709A
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- resonance imaging
- parameters
- noise ratio
- metal implant
- 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
- 238000002595 magnetic resonance imaging Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000007943 implant Substances 0.000 title claims abstract description 46
- 239000002184 metal Substances 0.000 title claims abstract description 46
- 238000003384 imaging method Methods 0.000 claims abstract description 23
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000003702 image correction Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000264 spin echo pulse sequence Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 230000007723 transport mechanism 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
- G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
-
- 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
- G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
- G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
- G01R33/36—Electrical details, e.g. matching or coupling of the coil to the receiver
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种金属植入物磁共振成像方法、系统、终端及存储介质，应用于超低场磁共振成像装置，其特征在于，包括：根据所述金属植入物的信息获取安全扫描参数；根据所述安全扫描信息设置所述超低场磁共振成像装置的射频参数及成像参数；根据所述射频参数及所述成像参数进行磁共振成像，能够应用超低场的磁共振成像装置进行金属植入物磁共振成像，获得的图像清晰，不会受到金属植入物高固有磁化率的影响。
Description
技术领域
本发明涉及核磁共振领域，尤其是涉及一种金属植入物磁共振成像方法、系统、终端及存储介质。
背景技术
随着医学技术的发展，磁共振成像(Magnetic Resonance Imaging，MRI)技术正变得越来越重要。磁共振成像是诊断和处理各种疾病和损伤的常规程序，能够准确地反映病理组织情况，使医生能够进行准确的诊断，并根据磁共振成像的结果对病人进行针对性的治疗。
当人或物的内部具有金属植入物时，会影响磁共振成像的准确性。由于金属植入物具有很高的固有磁化率，会干扰局部磁场，从而引起谐振频率的变化。因此，图像像素偏离其真实位置，从而导致明显的几何失真。
目前，使用视角倾斜(View Angle Tilting，VAT)解决磁共振成像图像几何失真的问题。然而，在使用视角倾斜方法虽然可以有效地校准几何失真，但是视角倾斜方法最终的图像会出现模糊，当这种模糊比较严重，或者对于图像清晰度要求比较高的情况，此时磁共振成像图像将无法作为诊断的依据。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种磁共振成像方法，能够应用超低场的磁共振成像装置进行金属植入物磁共振成像，获得的图像清晰，不会受到金属植入物高固有磁化率的影响。
根据本发明的第一方面实施例的金属植入物磁共振成像方法，应用于超低场磁共振成像装置，其特征在于，包括：根据所述金属植入物的信息获取安全扫描参数；根据所述安全扫描信息设置所述超低场磁共振成像装置的射频参数及成像参数；根据所述射频参数及所述成像参数进行磁共振成像。
在一些实施例中，所述安全扫描参数包括：最大扫描时长、最低信噪比及最大电磁波吸收比值。
在一些实施例中，金属植入物磁共振成像方法还包括：判断当前信噪比是否高于所述最低信噪比；若所述当前低于所述最低信噪比，则执行所述根据所述射频参数及所述成像参数进行磁共振成像；若所述当前高于所述最低信噪比，则执行并行成像或降低所述超低场磁共振成像装置切片厚度中的一种或多种。
在一些实施例中，金属植入物磁共振成像方法还包括：应用基于深度学习进行磁共振图像去噪，提高应用所述磁共振成像方法获得的磁共振图像的信噪比。
在一些实施例中，所述深度学习的架构包括：卷积神经网络、生成对抗网络(GAN)或自动编码器中的一种或多种。
在一些实施例中，金属植入物磁共振成像方法还包括图像校正流程；所述图像校正流程包括应用视角倾斜、切片编码磁伪影补偿或多获取可变共振图像组合中的一种或多种进行磁共振图像校正。
根据本发明的第二方面实施例的磁共振成像系统，用于金属植入物磁共振成像，其特征在于，包括：参数获取模块，用于根据金属植入物的信息获取安全扫描参数；控制模块，用于根据所述安全扫描信息设置所述超低场磁共振成像装置的射频参数及成像参数；磁共振成像模块，用于根据所述射频参数及所述成像参数进行磁共振成像。
在一些实施例中，磁共振成像系统还包括：优化模块，用于判断当前信噪比是否高于所述最低信噪比；若高于，则执行优化操作；若低于，则继续执行磁共振成像。
根据本发明的第三方面实施例的终端，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现：如第一方面所述的磁共振成像方法。
根据本发明的第四方面实施例的计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于：执行如第一方面所述的磁共振成像方法。
本发明实施例提供了一种金属植入物磁共振成像方法，能够在超低场的环境下进行金属植入物磁共振成像，形成的磁共振图像清晰，并能够降低对金属植入物的热效应。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明实施例的磁共振成像方法的流程示意图；
图2是根据本发明一实施例的磁共振成像方法生成的影像；
图3是根据本发明一实施例的磁共振成像方法生成的幅值影像；
图4是根据本发明一实施例的磁共振成像方法生成的相位影像。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
图1是根据本发明实施例的磁共振成像方法的流程示意图。如图1所示的磁共振成像方法，至少包括以下步骤：S110：根据金属植入物的信息获取安全扫描参数；S120：设置超低场磁共振成像装置；S130：根据射频参数及成像参数进行磁共振成像。
步骤S110：根据金属植入物的信息获取安全扫描参数。
在一些实施例中，根据金属植入物的信息获取安全扫描参数。安全扫描参数包括：最大扫描时长、最低信噪比及最大电磁波吸收比值。
步骤S120：设置超低场磁共振成像装置。
在一些实施例中，根据安全扫描信息设置超低场磁共振成像装置的射频参数及成像参数。
步骤S130：根据射频参数及成像参数进行磁共振成像。
在一些实施例中，根据射频参数及成像参数进行磁共振成像。
在一些实施例中，金属植入物磁共振成像方法还包括：判断当前信噪比是否高于最低信噪比；若当前低于最低信噪比，则执行根据射频参数及成像参数进行磁共振成像；若当前高于最低信噪比，则执行并行成像或降低超低场磁共振成像装置切片厚度中的一种或多种。
在一些实施例中，金属植入物磁共振成像方法还包括：应用基于深度学习进行磁共振图像去噪，提高应用磁共振成像方法获得的磁共振图像的信噪比。
在一些实施例中，深度学习的架构包括：卷积神经网络、生成对抗网络(GAN)或自动编码器中的一种或多种。
在一些实施例中，金属植入物磁共振成像方法还包括图像校正流程；图像校正流程包括应用视角倾斜(VAT)、切片编码磁伪影补偿(SEMAC)、多获取可变共振图像组合(MAVRIC)中的一种或多种进行磁共振图像校正。
在一些实施例中，本申请实施例提供了磁共振成像系统，用于金属植入物磁共振成像，其特征在于，包括：参数获取模块，用于根据金属植入物的信息获取安全扫描参数；控制模块，用于根据安全扫描信息设置超低场磁共振成像装置的射频参数及成像参数；磁共振成像模块，用于根据射频参数及成像参数进行磁共振成像。
在一些实施例中，磁共振成像系统还包括：优化模块，用于判断当前信噪比是否高于最低信噪比；若高于，则执行优化操作；若低于，则继续执行磁共振成像。
在一些实施例中，金属植入物引起的场畸变与所处场强成正比。在超低场(UltraLow Field，ULF)下，由金属植入物引起的场畸变低，因此，由于场畸变引起的伪影可以降低。场畸变引起的伪影包括几何畸变、信号空隙和堆积等。
在一些实施例中，金属植入物会在高电场下承受力，并可能引发安全问题。在超低场(Ultra Low Field，ULF)下，会降低因金属植入物承受力而带来的风险。
在一些实施例中，射频脉冲会加热金属植入物，长时间吸收射频脉冲后会产生较高的电磁波吸收比值(Specific Absorption Rate，SAR)。在应用超低场(Ultra LowField，ULF)时，可以降低SAR，并且可以通过使用窄带射频信号来进一步降低磁共振成像时的跨平面失真。
在一些实施例中，在超低场(Ultra Low Field，ULF)下，大多数生物组织的T2值变化不大。可以使用更短的的重复时间(Time of Repetition，TR)，可以用来补偿超低场的信噪比降低，以获取清晰度更高的图像。
在一些实施例中，应用10-100mT的场强的磁共振系统，可以降低由医学植入物引起的场失真、力或热吸收比值(Specific Absorption Rate，SAR)。磁共振系统应包括以下组件：产生静态场强B0在10mT和100mT之间的场的磁体；多个用于发射和接收射频信号的线圈；多个用于产生空间编码的梯度磁场的线圈；用于控制磁场梯度及射频接收和传输的控制台；与用户交互的电脑、笔记本电脑或平板电脑；以及电源系统。
在一些实施例中，10-100mT的场强可以通过永磁体，电磁体或超导磁体获取。
在一些实施例中，应用具有优化参数的序列，以降低对场失真的灵敏度，并改善信噪比。与用于高场系统的序列相比，使用超低场(Ultra Low Field，ULF)，可以减少重复时间(Time of Repetition，TR)、增加平均次数优化翻转角，从而获得高信噪比。
在一些实施例中，磁共振成像优化序列以降低场失真，提高激发射频带宽和接收器带宽，降低快速自旋回波序列的回声间隔，减小切片厚度并使用并行成像加速。在切片选择和读取时，空间畸变与梯度强度成反比，而梯度强度随带宽而变化。使用超低磁场可以使电磁波吸收比值(Specific Absorption Rate，SAR)降低，因此可以在不牺牲采集效率的情况下提高射频带宽。
在一些实施例中，磁共振成像方法应用卷积神经网络进行深度学习以改善信噪比(SIGNAL NOISE RATIO，SNR)。训练完成的深度学习模型的输入及输出可以是多个二维或三维的空间数据或图像。在进行深度学习模型优化时，可以输入可以是k空间数据或具有相同几何形状的具有多个对比度的图像。深度学习网络架构包括卷积神经网络(ConvolutionalNeural Networks,CNN)、生成对抗网络(Generative Adversarial Networks，GAN)及自动编码器中的一种或多种。在进行训练的过程中，应用模拟磁共振成像数据对同一系统进行训练，可以提高使用磁共振成像方法获得的图像的信噪比。
在一些实施例中，应用卷积神经网络进行学习时，可以通过大小为256×256×2的复数图像数据进行训练。其中，最后一维的长度为2分别代表实部通道与虚部通道，卷积神经网络模型的输出为256×256×2的残差图像数据，对应残差图像数据的实部与虚部。卷积神经网络模型包括五个卷积层及激活函数，其中，包括：9×9卷积层，线性整流函数(Rectified Linear Unit,ReLU)激活层，7×7卷积层，ReLu激活层；5×5卷积层，ReLu激活层，5×5卷积层，ReLu激活层，3×3卷积层，对应的每个卷积层的输出的通道数分别为128、64、32、32和2。在进行模型训练时，可使用ADAM或者SGD优化器最小化损失函数，损失函数选择均方误差(Mean Squared Error，MSE)。可以提高应用卷积神经网络进行学习时的训练效果，提高信噪比。
图2是根据本发明一实施例的磁共振成像方法生成的影像。如图2所示的影像，上排影像为三维快速自旋回波(3D FSE)图像，下排为三维噪声加速控制高分辨(3D GRE)图像。图2中为将两枚硬币放入水模中进行金属植入物模拟。由图2可知，FSE和GRE图像都未出现强烈的金属伪影，其中，FSE图像的表现接近理想情况，可以去除金属植入物带来的伪影。
图3是根据本发明一实施例的磁共振成像方法生成的幅值影像。图4是根据本发明一实施例的磁共振成像方法生成的相位影像。如图3和图4所示的影像，同样采用两枚硬币放入水模中进行金属植入物模拟。幅值影像中没有强烈的伪影，相位影像中图像平坦，极大的降低了金属植入物的影响。
在一些实施例中，终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现：如上述的磁共振成像方法。
在一些实施例中，计算机可读存储介质，存储有计算机可执行指令，其特征在于，计算机可执行指令用于：执行如上述的磁共振成像方法。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
以上所描述的装置实施例仅仅是示意性的，其中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，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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种金属植入物磁共振成像方法，应用于超低场磁共振成像装置，其特征在于，包括：
根据所述金属植入物的信息获取安全扫描参数；
根据所述安全扫描信息设置所述超低场磁共振成像装置的射频参数及成像参数；
根据所述射频参数及所述成像参数进行磁共振成像。
2.根据权利要求1所述的磁共振成像方法，其特征在于，所述安全扫描参数包括：最大扫描时长、最低信噪比及最大电磁波吸收比值。
3.根据权利要求1所述的磁共振成像方法，其特征在于，还包括：
判断当前信噪比是否高于所述最低信噪比；
若所述当前低于所述最低信噪比，则执行所述根据所述射频参数及所述成像参数进行磁共振成像；
若所述当前高于所述最低信噪比，则执行并行成像或降低所述超低场磁共振成像装置切片厚度中的一种或多种。
4.根据权利要求1所述的磁共振成像方法，其特征在于，还包括：
应用基于深度学习进行磁共振图像去噪，提高应用所述磁共振成像方法获得的磁共振图像的信噪比。
5.根据权利要求1所述的磁共振成像方法，其特征在于，所述深度学习的架构包括：
卷积神经网络、生成对抗网络(GAN)或自动编码器中的一种或多种。
6.根据权利要求1至5中任一项所述的磁共振成像方法，其特征在于，还包括图像校正流程；
所述图像校正流程包括应用视角倾斜、切片编码磁伪影补偿或多获取可变共振图像组合的一种或多种进行磁共振图像校正。
7.一种磁共振成像系统，用于金属植入物磁共振成像，其特征在于，包括：
参数获取模块，用于根据金属植入物的信息获取安全扫描参数；
控制模块，用于根据所述安全扫描信息设置所述超低场磁共振成像装置的射频参数及成像参数；
磁共振成像模块，用于根据所述射频参数及所述成像参数进行磁共振成像。
8.根据权利要求7所述的磁共振成像系统，其特征在于，还包括：
优化模块，用于判断当前信噪比是否高于所述最低信噪比；
若高于，则执行优化操作；
若低于，则继续执行磁共振成像。
9.一种终端，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现：
如权利要求1至6中任一项所述的磁共振成像方法。
10.计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于：
执行权利要求1至6中任一项所述的磁共振成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011209857.6A CN112630709A (zh) | 2020-11-03 | 2020-11-03 | 金属植入物磁共振成像方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011209857.6A CN112630709A (zh) | 2020-11-03 | 2020-11-03 | 金属植入物磁共振成像方法、系统、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112630709A true CN112630709A (zh) | 2021-04-09 |
Family
ID=75303107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011209857.6A Pending CN112630709A (zh) | 2020-11-03 | 2020-11-03 | 金属植入物磁共振成像方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112630709A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115458143A (zh) * | 2022-09-16 | 2022-12-09 | 兰州大学 | 基于神经网络的无源植入式医疗器械射频发热评估方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009131387A (ja) * | 2007-11-29 | 2009-06-18 | Hitachi Medical Corp | 磁気共鳴イメージング装置 |
| WO2014141086A1 (en) * | 2013-03-13 | 2014-09-18 | Koninklijke Philips N.V. | Automatic optimization of parallel imaging acceleration parameters |
| US20160063739A1 (en) * | 2014-08-26 | 2016-03-03 | Technion Research & Development Foundation Limited | Exploiting similarity in adjacent slices for compressed sensing mri |
| US20160128592A1 (en) * | 2014-11-11 | 2016-05-12 | Hyperfine Research, Inc. | Low field magnetic resonance methods and apparatus |
| KR101632278B1 (ko) * | 2015-01-15 | 2016-06-21 | 한국표준과학연구원 | 저 자기장 및 극저 자기장 핵자기 공명 및 자기 공명 영상 장치 |
| US20160232690A1 (en) * | 2015-02-05 | 2016-08-11 | Ohio State Innovation Foundation | Low field magnetic resonance imaging (mri) scanner for cardiac imaging |
| CN106199473A (zh) * | 2016-06-24 | 2016-12-07 | 天津大学 | 一种基于信噪比加权的多b值扩散磁共振成像优化方法 |
| US20180172788A1 (en) * | 2016-12-21 | 2018-06-21 | The Board Of Trustees Of The Leland Stanford Junior University | Robust Principal Component Analysis for Separation of On and Off-resonance in 3D Multispectral MRI |
| WO2020151355A1 (zh) * | 2019-01-25 | 2020-07-30 | 厦门大学 | 一种基于深度学习的磁共振波谱重建方法 |
| WO2020219915A1 (en) * | 2019-04-24 | 2020-10-29 | University Of Virginia Patent Foundation | Denoising magnetic resonance images using unsupervised deep convolutional neural networks |
-
2020
- 2020-11-03 CN CN202011209857.6A patent/CN112630709A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009131387A (ja) * | 2007-11-29 | 2009-06-18 | Hitachi Medical Corp | 磁気共鳴イメージング装置 |
| WO2014141086A1 (en) * | 2013-03-13 | 2014-09-18 | Koninklijke Philips N.V. | Automatic optimization of parallel imaging acceleration parameters |
| US20160063739A1 (en) * | 2014-08-26 | 2016-03-03 | Technion Research & Development Foundation Limited | Exploiting similarity in adjacent slices for compressed sensing mri |
| US20160128592A1 (en) * | 2014-11-11 | 2016-05-12 | Hyperfine Research, Inc. | Low field magnetic resonance methods and apparatus |
| KR101632278B1 (ko) * | 2015-01-15 | 2016-06-21 | 한국표준과학연구원 | 저 자기장 및 극저 자기장 핵자기 공명 및 자기 공명 영상 장치 |
| US20160232690A1 (en) * | 2015-02-05 | 2016-08-11 | Ohio State Innovation Foundation | Low field magnetic resonance imaging (mri) scanner for cardiac imaging |
| CN106199473A (zh) * | 2016-06-24 | 2016-12-07 | 天津大学 | 一种基于信噪比加权的多b值扩散磁共振成像优化方法 |
| US20180172788A1 (en) * | 2016-12-21 | 2018-06-21 | The Board Of Trustees Of The Leland Stanford Junior University | Robust Principal Component Analysis for Separation of On and Off-resonance in 3D Multispectral MRI |
| WO2020151355A1 (zh) * | 2019-01-25 | 2020-07-30 | 厦门大学 | 一种基于深度学习的磁共振波谱重建方法 |
| WO2020219915A1 (en) * | 2019-04-24 | 2020-10-29 | University Of Virginia Patent Foundation | Denoising magnetic resonance images using unsupervised deep convolutional neural networks |
Non-Patent Citations (2)
| Title |
|---|
| 刘竞艳;万业达;齐扬;董潇蔓;张继扬;张越;: "正常子宫体肌层低场磁共振T_2WI信号表现及随月经周期变化的研究", 中国临床医学影像杂志, no. 02, 20 February 2013 (2013-02-20) * |
| 王宁;蒋凤英;金贻荣;李绍;邓辉;田野;任育峰;郑东宁;: "超导量子干涉仪及其在低场核磁共振及成像中的应用", 中国材料进展, no. 09, 15 September 2013 (2013-09-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115458143A (zh) * | 2022-09-16 | 2022-12-09 | 兰州大学 | 基于神经网络的无源植入式医疗器械射频发热评估方法 |
| CN115458143B (zh) * | 2022-09-16 | 2023-05-23 | 兰州大学 | 基于神经网络的无源植入式医疗器械射频发热评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5731373B2 (ja) | 患者の安全性、及び走査性能の改良のためのリアルタイム性の局所的及び大域的なｓａｒ推定 | |
| CN107072592B (zh) | 磁共振成像装置以及定量性磁化率匹配方法 | |
| JP4251763B2 (ja) | 磁気共鳴イメージング装置 | |
| US9389293B2 (en) | Method and magnetic resonance tomography system to generate magnetic resonance image data of an examination subject | |
| EP2411827A1 (en) | Magnetic resonance partially parallel imaging (ppi) with motion corrected coil sensitivities | |
| US20100277172A1 (en) | Magnetic resonance imaging apparatus and susceptibility-emphasized imaging method | |
| JP2009153971A (ja) | 磁気共鳴イメージング装置および磁気共鳴イメージング方法 | |
| CN112370040B (zh) | 磁共振成像方法、装置、存储介质及电子设备 | |
| JP3556176B2 (ja) | Ｍｒ投影画像の自動修正 | |
| KR101358427B1 (ko) | 자기 공명 영상 처리 방법 | |
| US9989612B2 (en) | Quiet magnetic resonance angiographic imaging | |
| US9194927B2 (en) | Simple method to denoise ratio images in magnetic resonance imaging | |
| Pezzotti et al. | An adaptive intelligence algorithm for undersampled knee mri reconstruction: Application to the 2019 fastmri challenge | |
| KR20010113535A (ko) | 이미지 처리 장치 및 그 방법, 촬상 장치 및 기록 매체 | |
| CN112630709A (zh) | 金属植入物磁共振成像方法、系统、终端及存储介质 | |
| US10852380B2 (en) | Magnetic resonance image reconstruction | |
| CN114076911B (zh) | 磁共振成像的方法及系统 | |
| US20130137968A1 (en) | Magnetic resonance image distortion correction with a reference volume | |
| CN111093495A (zh) | 磁共振成像装置、奈奎斯特重影校正方法以及奈奎斯特重影校正用程序 | |
| CN108514415A (zh) | 一种快速磁敏感加权成像扫描序列及方法 | |
| US20180279905A1 (en) | Magnetic resonance imaging | |
| KR20110075859A (ko) | Ｍｒｉ 시스템의 위상오차 보정 방법 | |
| JP2002085376A (ja) | 核磁気共鳴イメージング装置および方法 | |
| US20160124065A1 (en) | Method and apparatus for correction of magnetic resonance image recordings with the use of a converted field map | |
| CN111381204B (zh) | 基于二维快速自旋回波的磁共振成像方法和装置 |
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 |