CN113100741B - 一种磁共振扫描方法、设备及存储介质 - Google Patents
一种磁共振扫描方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113100741B CN113100741B CN202010030915.2A CN202010030915A CN113100741B CN 113100741 B CN113100741 B CN 113100741B CN 202010030915 A CN202010030915 A CN 202010030915A CN 113100741 B CN113100741 B CN 113100741B
- Authority
- CN
- China
- Prior art keywords
- imaging data
- data line
- acquired
- data lines
- screening
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003384 imaging method Methods 0.000 claims abstract description 364
- 238000012216 screening Methods 0.000 claims abstract description 93
- 230000033001 locomotion Effects 0.000 claims abstract description 89
- 230000000241 respiratory effect Effects 0.000 claims description 59
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 39
- 210000001015 abdomen Anatomy 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000264 spin echo pulse sequence Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 230000003187 abdominal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明实施例公开了一种磁共振扫描方法、设备及存储介质。该方法包括:基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位;在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件;根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。本发明实施例的技术方案,基于预设扫描序列对受检部位进行采集时,可以边采集边学习,通过采集过程和学习过程同时进行的方式显著缩短了磁共振的成像时间。
Description
技术领域
本发明实施例涉及医学图像处理技术领域,尤其涉及一种磁共振扫描方法、设备及存储介质。
背景技术
在腹部成像中,人体的呼吸运动使得磁共振图像存在运动伪影,为解决这一问题,目前主要方案是采用屏气技术或是导航技术。但是,屏气技术高效但对患者配合度要求较高;导航技术对患者配合度要求较少但效率较低,这是因为目前商业化的导航技术多采用膈肌导航,其需要先学习患者的呼吸状态,再根据学习结果确定采集窗的大小和采集阈值,即在学习阶段后方能进入导航采集阶段,这就使得成像效率有待提高。
发明内容
本发明实施例提供了一种磁共振扫描方法、设备及存储介质,以实现通过同时进行的采集阶段和学习阶段来缩短成像时间的效果。
第一方面,本发明实施例提供了一种磁共振扫描方法,可以包括:
基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位;
在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件;
根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。
可选的,在从已采集的成像数据线中筛选出待处理的成像数据线之后,该方法还可以包括:
将待处理的成像数据线作为待重采的成像数据线,在对待重采的成像数据线和未采集的成像数据线进行采集时,根据采集结果更新已采集的成像数据线;
重复执行根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线的步骤,直至全部的成像数据线采集完毕。
可选的,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件,可以包括:
从已采集的成像数据线中提取出呼吸曲线,并根据呼吸曲线确定呼气末期的呼吸幅度范围和呼吸持续时长;
将呼吸幅度范围和/或呼吸持续时长作为成像数据线筛选条件。
可选的,成像数据线筛选条件是呼吸幅度范围,根据成像数据线筛选条件从已采集的成像数据线中筛选出待重采的成像数据线,可以包括:
检测各已采集的成像数据线的目标呼吸幅度,将未属于呼吸幅度范围的目标呼吸幅度对应的已采集的成像数据线作为待重采的成像数据线。
可选的,成像数据线筛选条件是呼吸幅度范围和呼吸持续时长,根据成像数据线筛选条件从已采集的成像数据线中筛选出待重采的成像数据线,可包括:
针对已采集的成像数据线的目标呼吸幅度是呼吸幅度范围的最小值的当前成像数据线,以当前成像数据线的采集时间点为起始点且将呼吸持续时长内的已采集的成像数据线作为合格成像数据线;
将已采集的成像数据线中除合格成像数据线以外的成像数据线作为待重采的成像数据线。
可选的,在从已采集的成像数据线中筛选出待处理的成像数据线之后,该方法还可以包括:
判断待处理的成像数据线是否为呼气末期或是吸气末期的成像数据线,根据判断结果调整待处理的成像数据线的权重。
可选的,预设扫描序列可以包括梯度回波序列和/或快速自旋回波序列,和/或,受检部位可以包括腹部和/或心脏。
可选的,预设扫描序列的重复时间可以小于预设时间阈值。
第二方面,本发明实施例还提供了一种设备,该设备可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明任意实施例所提供的磁共振扫描方法。
第三方面,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,该计算机程序被处理器执行时实现本发明任意实施例所提供的磁共振扫描方法。
本发明实施例的技术方案,通过预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行扫描,并在扫描过程中采集成像数据线,且可边采集边学习成像数据线的运动信息;这样一来,当已采集的成像数据线的数据量达到预设数量阈值时,可对已采集的成像数据线的运动信息的学习结果进行分析,并根据分析结果生成成像数据线筛选条件;由此,可根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线,待处理的成像数据线可以是受到或是未受到生理性运动影响的成像数据线。上述技术方案,基于预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行采集时,可以边采集边学习,也就是说,无需单独的学习过程,采集过程已包含学习过程,通过采集过程和学习过程同时进行的方式显著缩短了磁共振的成像时间。
附图说明
图1是本发明实施例一中的一种磁共振扫描方法的流程图;
图2是本发明实施例一中的一种磁共振扫描方法中腹部扫描的结果示意图;
图3是本发明实施例二中的一种磁共振扫描方法的流程图;
图4是本发明实施例二中的一种磁共振扫描方法的优选实施例图;
图5a是本发明实施例二中的一种磁共振扫描方法中Radial采集的时序图;
图5b是本发明实施例二中的一种磁共振扫描方法中K空间的采集示意图;
图5c是本发明实施例二中的一种磁共振扫描方法中呼吸运动曲线示意图;
图6a是现有技术中基于Navigator导航技术的GRE或T1_FSE序列示意图;
图6b是本发明实施例二中的一种磁共振扫描方法中基于Navigator导航技术的GRE或T1_FSE序列示意图;
图7是本发明实施例三中的一种磁共振扫描装置的结构框图;
图8是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中提供的一种磁共振扫描方法的流程图。本实施例可适用于通过同时进行的采集阶段和学习阶段来缩短成像时间的情况。该方法可以由本发明实施例提供的磁共振扫描装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在各种设备上。
参见图1,本发明实施例的方法具体包括如下步骤:
S110、基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位。
其中,在磁共振扫描中,因磁共振扫描耗时较长而使得那些容易受到生理性运动影响的受检部位的磁共振图像中可能出现运动伪影,该受检部位可以是受到呼吸运动影响的腹部,该受检部位可以是同时受到呼吸运动和心跳运动影响的心脏,等等。示例性的,以基于放射状(radial)采集腹部的成像数据线为例,如图2所示,因radial径向采集无相位编码而得到的信号采集结果是投影图,其可间接呈现出受检者上下方向的肺脏运动,即可明显呈现出受检者的呼吸运动。
为在解决上述问题的同时缩短成像时间,可基于预设扫描序列对受检部位进行扫描,示例性的,该预设扫描序列的重复时间(Repetition Time,TR)可以小于预设时间阈值,也就是说,预设扫描序列可以是重复时间较短的扫描序列,如梯度回波(GradientRecalled Echo,GRE)序列、快速自旋回波(Fast Spin Echo,FSE)序列、基于Navigator导航的GRE序列、基于Navigator导航的T1_FSE序列、径向数据(radial)采集序列等等;当然,这预设扫描序列也可以是其余的扫描序列,在此未做具体限定。
采用重复时间较短的预设扫描序列的意义在于,可以边采集导航线边采集成像数据线(即,K空间数据线),这有助于实现采集阶段和学习阶段同时进行的效果。以呼吸运动为例,由于处于吸气末期的成像数据线更容易受到呼吸运动的影响,若重复时间较长如重复时间是一个呼吸周期,则每个呼吸周期只能采集一条导航线,而不能通过一条导航线对应一条成像数据线的方式来采集。那么,只有导航线而没有成像数据线是无法区分出吸气末期和呼气末期的成像数据线,进而,也就无法对受到呼吸运动影响的成像数据线进行筛选。
需要说明的是,基于导航(Navigator)的GRE序列或者基于导航的T1_FSE序列,因重复时间比较短而需要在Navigator学习期间维持住磁共振信号的稳态,此时,需要边采导航线边采成像数据线,二者不能分开,而重复时间较长的扫描序列只能分开。维持稳态的意义在于,使得每条成像数据线的均值一致,这可以减少磁共振图像中的运动伪影。
S120、在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件。
其中,在扫描过程中采集成像数据线,且可边采集边学习成像数据线的运动信息。这样一来,当已采集的成像数据线的数据量达到预设数量阈值时,可对已采集的成像数据线的运动信息的学习结果进行分析,并根据分析结果生成成像数据线筛选条件,其可筛选出那些受到生理性运动影响的成像数据线,或是,筛选出那些未受到生理性运动影响的成像数据线。由此可知,采集阶段和学习阶段的同时进行可有效缩短成像时间。在此基础上,可选的,针对同一受检部位,各受检者的生理性运动可能存在差异,那么,可针对每个受检者生成对应的成像数据线筛选条件,由此可提高成像数据线的筛选精度。
示例性的,以容易受到呼吸运动影响的腹部扫描为例,可在采集腹部的成像数据线的同时学习呼吸运动的呼吸周期、膈肌运动幅度(即,呼吸运动幅度)等运动信息,由此生成适用于腹部的成像数据线筛选条件。而且,可选的,通常情况下,每个呼吸周期在4秒左右,可将5-6个呼吸周期中采集得到的成像数据线的数据量作为预设数量阈值。
S130、根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。
其中,成像数据线筛选条件可以从已采集的成像数据线中筛选出受到/未受到生理性运动影响的成像数据线,并将这些筛选得到的成像数据线作为待处理的成像数据线。在此基础上,可选的,以待处理的成像数据线是受到生理性运动影响的成像数据线为例,可以对待处理的成像数据线进行相应处理以减弱生理性运动对成像数据线的影响,如将待处理的成像数据线反馈给序列层以重新采集、调整待处理的成像数据线的权重等等。与此同时,由于已采集的成像数据线中那些未筛选出的成像数据线是合理的未受到生理性运动影响的成像数据线,则可对其直接进行重建处理。
可选的,在此基础上,当生理性运动是呼吸运动时,在获取到待处理的成像数据线后,可以先判断待处理的成像数据线是否为呼气末期或是吸气末期的成像数据线,再根据判断结果调整待处理的成像数据线的权重。通常而言,处于呼气末期的肝脏较为平稳且处于吸气末期的肝脏的运动幅度较大,由此,可以通过提高处于呼气末期的待处理的成像数据线的权重(即,运动掩膜操作),和/或,降低处于吸气末期的待处理的成像数据线的权重的方式,减弱运动伪影对磁共振图像的影响。比如,可以将处于呼气末期的成像数据线乘以更大的权重,而将处于吸气末期的成像数据线乘以更小的权重,通过调整成像数据线的权重的方式来减弱运动伪影对磁共振图像的影响。
本发明实施例的技术方案,通过预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行扫描,并在扫描过程中采集成像数据线,且可边采集边学习成像数据线的运动信息;这样一来,当已采集的成像数据线的数据量达到预设数量阈值时,可对已采集的成像数据线的运动信息的学习结果进行分析,并根据分析结果生成成像数据线筛选条件;由此,可根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线,待处理的成像数据线可以是受到或是未受到生理性运动影响的成像数据线。上述技术方案,基于预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行采集时,可以边采集边学习,也就是说,无需单独的学习过程,采集过程已包含学习过程,通过采集过程和学习过程同时进行的方式显著缩短了磁共振的成像时间。
实施例二
图3是本发明实施例二中提供的一种磁共振扫描方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,在从已采集的成像数据线中筛选出待处理的成像数据线之后,该方法还可以包括:将待处理的成像数据线作为待重采的成像数据线,在对待重采的成像数据线和未采集的成像数据线进行采集时,根据采集结果更新已采集的成像数据线;重复执行根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线的步骤,直至全部的成像数据线采集完毕。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图3,本实施例的方法具体可以包括如下步骤:
S210、基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位。
S220、在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件。
S230、根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。
S240、将待处理的成像数据线作为待重采的成像数据线,在对待重采的成像数据线和未采集的成像数据线进行采集时,根据采集结果更新已采集的成像数据线。
其中,若待处理的成像数据线是受到生理性运动影响的成像数据线,则可以将其作为待重采的成像数据线并重新采集。与此同时,还可以采集那些未采集的成像数据线。也就是说,当根据成像数据线筛选条件从已采集的成像数据线中筛选出待重采的成像数据线时,可以同时对待重采的成像数据线和未采集的成像数据线进行采集,并根据采集结果更新已采集的成像数据线,此时,已采集的成像数据线就是未经过成像数据线筛选条件筛选过的成像数据线。
S250、重复执行根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线的步骤,直至全部的成像数据线采集完毕。
其中,针对每条未经过成像数据线筛选条件筛选过的已采集的成像数据线,都可对其进行一次数据筛选,从中筛选出受到生理性运动影响的待重采的成像数据线。此时,若存在未采集的成像数据线,可同时对待重采的成像数据线和未采集的成像数据线进行采集;若未存在未采集的成像数据线,则可只对待重采的成像数据线进行采集。上述步骤可循环往复,直至全部的成像数据线采集完毕,且每条已采集的成像数据线都是经过筛选后接受的未受到生理性运动影响的成像数据线,由此得到的磁共振图像中未存在运动伪影。
本发明实施例的技术方案,针对待重采的成像数据线和未采集的成像数据线,可对它们进行采集并根据采集结果更新已采集的成像数据线,这样一来,可根据成像数据线筛选条件从已采集的成像数据线中再次筛选出待重采的成像数据线,循环往复,直至全部的成像数据线采集完毕,此时,由于每条已采集的成像数据线都是经过筛选后接受的未受到生理性运动影响的成像数据线,由此可得到未存在运动伪影的磁共振图像。
一种可选的技术方案,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件,可以包括:若生理性运动是呼吸运动,则可从已采集的成像数据线中提取出呼吸曲线,并根据呼吸曲线确定呼气末期的呼吸幅度范围和呼吸持续时长;将呼吸幅度范围和/或呼吸持续时长作为成像数据线筛选条件。这是因为,通常情况下,处于呼气末期的肝脏较为平稳且处于吸气末期的肝脏的运动幅度较大,且根据呼吸曲线可确定出膈肌运动情况,而处于呼吸末期的膈肌正好位于受检部位。因此,在学习过程中,可根据呼吸曲线确定出呼气末期的呼吸幅度范围和呼吸持续时长,在筛选过程中,可根据呼吸幅度范围和/或呼吸持续时长从整个呼吸周期中筛选出呼吸末期。由此,可将呼吸幅度范围和/或呼吸持续时长作为成像数据线筛选条件,以从已采集的成像数据线中筛选出处于/未处于呼吸末期的成像数据线。
在此基础基础上,可选的,针对根据成像数据线筛选条件从已采集的成像数据线中筛选出待重采的成像数据线,若成像数据线筛选条件是呼吸幅度范围,则可以检测各已采集的成像数据线的目标呼吸幅度,将未属于呼吸幅度范围的目标呼吸幅度对应的已采集的成像数据线作为待重采的成像数据线。示例性的,针对某受检者的腹部的成像数据线,若根据学习结果得知该受检者的整个呼吸周期的呼吸幅度范围是0-20,且呼吸末期的呼吸幅度范围是15-20,则可将目标呼吸幅度属于0-14的已采集的成像数据线作为待重采的成像数据线。
或者,若成像数据线筛选条件是呼吸幅度范围和呼吸持续时长,则针对已采集的成像数据线的目标呼吸幅度是呼吸幅度范围的最小值的当前成像数据线,以当前成像数据线的采集时间点为起始点且将呼吸持续时长内的已采集的成像数据线作为合格成像数据线;将已采集的成像数据线中除合格成像数据线以外的成像数据线作为待重采的成像数据线。示例性的,继续以上述例子为例,若根据学习结果还可得知呼吸末期的呼吸持续时长是1秒,则在成像数据线采集过程中,当采集到目标呼吸幅度是15的成像数据线时,以它的采集时间点为起始点的1秒内的成像数据线都认为是处于呼吸末期的成像数据线。也就是说,这1秒内的成像数据线无需实时检测,这可降低设备的运行负担。
为了更好地理解上述步骤的具体实现过程,下面继续以上述例子为例,对本实施例的磁共振扫描方法进行示例性的说明。示例一,如图4所示,采集成像数据线,并判断已采集的成像数据线的数据量是否达到预设数量阈值;若否,则继续采集成像数据线,若是,则从已采集的成像数据线中提取出呼吸曲线,并根据呼吸曲线统计出呼吸周期和呼吸幅度,由此生成成像数据线筛选条件,该成像数据线筛选条件就是一个成像数据线的接受/拒绝规则;对已采集的成像数据线进行筛选,筛选出需要重新采集的成像数据线(即,待重采的成像数据线);采集需要重新采集的成像数据线和未采集完成的成像数据线,并根据接受/拒绝规则确定是否接受采集结果;循环往复,直至全部的成像数据线采集完毕,且已采集的成像数据线是未受到呼吸运动影响的成像数据线。
示例二,在一些实施例中,预设扫描序列可以选择非笛卡尔采样序列,笛卡尔采样序列的轨迹可以是放射(radial)采集或者螺旋(spiral)采集。以腹部扫描为例,预设扫描序列采用radial采集,该种方式无相位编码,因此每条成像数据线都经过K空间中心,即信号采集的是投影图,可以间接反应人体上下方向肺脏的运动,进一步地,从投影图中可以提取人体的呼吸运动。在一个实施例中,Radial采集的序列时序图如图5a所示,具体为Stack-of-Star类型(即,盘片类型),Kz方向采用笛卡尔采集,Kx方向和Ky方向采用如图5a所示的Radial采集。在图5a中,Gss是选层编码梯度,且其中包括了两个相反方向的层选回聚梯度,对应于图5b中的Kz;GPE是相位编码梯度,对应于图5b中的Ky;GRO是读出频率编码梯度,对应于图5b中的Kx。相应的,图2可以表示K空间的中心点的运动投影信息,其中的灰度值可以表示不同的层面,且在图5b中K空间的中心每个层面进行投影即可得到每个时间点的各个层面的信号强度。在此基础上,基于本发明实施例所述的磁共振扫描方法对腹部进行扫描后,通过轮廓提取出的呼吸运动曲线可以如图5c所示,阈值线上方的成像数据线可接受,阈值线下方的成像数据线可拒绝,后续可再重新采集那些已拒绝的成像数据线和未采集的成像数据线。若采用运动掩膜操作,阈值线下方的成像数据线可使用更小的权重,且后续只采集未采集的成像数据线。
示例三,正如上文所述,在一些实施例中,预设扫描序列可以是基于Navigator导航技术的GRE序列,或者基于Navigator导航技术的T1_FSE序列,因为其TR较短的原因,需要在Navigator学习期要维持住信号的稳态,即在学习过程中浪费了有用的信号,而实施本发明实施例所述的磁共振扫描方法后,可以有效缩短扫描时间。具体的,一般基于Navigator导航技术的序列可以分为学习期和成像期这两个阶段,对于GRE序列和T1_FSE序列而言,因为TR小于呼吸周期,因此,无论在学习阶段还是导航阶段都要维持信号稳态,现有技术实现方案如图6a所示,其中,实线代表数据采集,虚线代表信号需要激发,但不采集磁共振信号;导航和成像穿插进行,可以保持信号的稳态。相应的,在本发明实施例中,在学习期也进行数据采集,如图6b所示,在学习期结束后再筛选成像数据线,阈值以上的成像数据线保留,且阈值以下的成像数据线重新采集,相较于现有技术可减少数据采集的时间。
实施例三
图7为本发明实施例三提供的磁共振扫描装置的结构框图,该装置用于执行上述任意实施例所提供的磁共振扫描方法。该装置与上述各实施例的磁共振扫描方法属于同一个发明构思,在磁共振扫描装置的实施例中未详尽描述的细节内容,可以参考上述磁共振扫描方法的实施例。参见图7,该装置具体可包括:磁共振扫描模块310、筛选条件生成模块320和成像数据线筛选模块330。
其中,磁共振扫描模块310,用于基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位;
筛选条件生成模块320,用于在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件;
成像数据线筛选模块330,用于根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。
可选的,在上述装置的基础上,该装置还可包括:
成像数据线更新模块,用于将待处理的成像数据线作为待重采的成像数据线,在对待重采的成像数据线和未采集的成像数据线进行采集时,根据采集结果更新已采集的成像数据线;
重复执行模块,用于重复执行根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线的步骤,直至全部的成像数据线采集完毕。
可选的,筛选条件生成模块320,具体可以包括:
呼吸曲线提取单元,用于从已采集的成像数据线中提取出呼吸曲线,并根据呼吸曲线确定呼气末期的呼吸幅度范围和呼吸持续时长;
筛选条件生成单元,用于将呼吸幅度范围和/或呼吸持续时长作为成像数据线筛选条件。
可选的,成像数据线筛选模块330,具体可用于:
成像数据线筛选条件是呼吸幅度范围,检测各已采集的成像数据线的目标呼吸幅度,将未属于呼吸幅度范围的目标呼吸幅度对应的已采集的成像数据线作为待重采的成像数据线。
可选的,成像数据线筛选模块330,具体可以包括:
合格成像数据线筛选单元,用于成像数据线筛选条件是呼吸幅度范围和呼吸持续时长,针对已采集的成像数据线的目标呼吸幅度是呼吸幅度范围的最小值的当前成像数据线,以当前成像数据线的采集时间点为起始点且将呼吸持续时长内的已采集的成像数据线作为合格成像数据线;
成像数据线筛选单元,用于将已采集的成像数据线中除合格成像数据线以外的成像数据线作为待重采的成像数据线。
可选的,在上述装置的基础上,该装置还可包括:
权重调整模块,用于判断待处理的成像数据线是否为呼气末期或是吸气末期的成像数据线,根据判断结果调整待处理的成像数据线的权重。
可选的,预设扫描序列包括梯度回波序列和/或快速自旋回波序列,和/或,受检部位包括腹部和/或心脏。
可选的,预设扫描序列的重复时间可以小于预设时间阈值。
本发明实施例三提供的磁共振扫描装置,磁共振扫描模块和筛选条件生成模块相互配合,通过预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行扫描,并在扫描过程中采集成像数据线,且可边采集边学习成像数据线的运动信息,这样一来,当已采集的成像数据线的数据量达到预设数量阈值时,可对已采集的成像数据线的运动信息的学习结果进行分析,并根据分析结果生成成像数据线筛选条件;成像数据线筛选模块可根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线,待处理的成像数据线可以是受到或是未受到生理性运动影响的成像数据线。上述装置,基于预设扫描序列尤其是重复时间较短的预设扫描序列对受检部位进行采集时,可以边采集边学习,也就是说,无需单独的学习过程,采集过程已包含学习过程,通过采集过程和学习过程同时进行的方式显著缩短了磁共振的成像时间。
本发明实施例所提供的磁共振扫描装置可执行本发明任意实施例所提供的磁共振扫描方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述磁共振扫描装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图8为本发明实施例四提供的一种设备的结构示意图,如图8所示,该设备包括存储器410、处理器420、输入装置430和输出装置440。设备中的处理器420的数量可以是一个或多个,图8中以一个处理器420为例;设备中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接,图8中以通过总线450连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的磁共振扫描方法对应的程序指令/模块(例如,磁共振扫描装置中的磁共振扫描模块310、筛选条件生成模块320和成像数据线筛选模块330)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的磁共振扫描方法。
存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种磁共振扫描方法,可以包括:
基于预设扫描序列对受检部位进行扫描,其中,受检部位是受到生理性运动影响的部位;
在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,分析已采集的成像数据线的运动信息,并根据运动信息生成成像数据线筛选条件;
根据成像数据线筛选条件从已采集的成像数据线中筛选出待处理的成像数据线。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的磁共振扫描方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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的方法。
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,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种磁共振扫描方法,其特征在于,包括:
基于预设扫描序列对受检部位进行扫描,其中,所述受检部位是受到生理性运动影响的部位,所述预设扫描序列在K空间的Kx方向和Ky方向采用放射采集,Kz方向采用笛卡尔采集;
在扫描过程中采集成像数据线,当已采集的成像数据线的数据量达到预设数量阈值时,获取K空间的中心点的运动投影信息,通过运动投影信息的轮廓提取出呼吸运动曲线,并根据所述呼吸运动曲线生成成像数据线筛选条件;
根据所述成像数据线筛选条件从所述已采集的成像数据线中筛选出待处理的成像数据线。
2.根据权利要求1所述的方法,其特征在于,在所述从所述已采集的成像数据线中筛选出待处理的成像数据线之后,还包括:
将所述待处理的成像数据线作为待重采的成像数据线,在对所述待重采的成像数据线和未采集的成像数据线进行采集时,根据采集结果更新所述已采集的成像数据线;
重复执行所述根据所述成像数据线筛选条件从所述已采集的成像数据线中筛选出待处理的成像数据线的步骤,直至全部的成像数据线采集完毕。
3.根据权利要求2所述的方法,其特征在于,所述获取K空间的中心点的运动投影信息,通过运动投影信息的轮廓提取出呼吸运动曲线,并根据所述呼吸运动曲线生成成像数据线筛选条件,包括:
从所述已采集的成像数据线中提取出呼吸曲线,并根据所述呼吸曲线确定呼气末期的呼吸幅度范围和呼吸持续时长;
将所述呼吸幅度范围和/或所述呼吸持续时长作为成像数据线筛选条件。
4.根据权利要求3所述的方法,其特征在于,所述成像数据线筛选条件是所述呼吸幅度范围,所述根据所述成像数据线筛选条件从所述已采集的成像数据线中筛选出待处理的成像数据线,包括:
检测各所述已采集的成像数据线的目标呼吸幅度,将未属于所述呼吸幅度范围的目标呼吸幅度对应的所述已采集的成像数据线作为待重采的成像数据线。
5.根据权利要求3所述的方法,其特征在于,所述成像数据线筛选条件是所述呼吸幅度范围和所述呼吸持续时长,所述根据所述成像数据线筛选条件从所述已采集的成像数据线中筛选出待处理的成像数据线,包括:
针对所述已采集的成像数据线的目标呼吸幅度是所述呼吸幅度范围的最小值的当前成像数据线,以所述当前成像数据线的采集时间点为起始点且将所述呼吸持续时长内的已采集的成像数据线作为合格成像数据线;
将所述已采集的成像数据线中除所述合格成像数据线以外的成像数据线作为待重采的成像数据线。
6.根据权利要求1所述的方法,其特征在于,在所述从所述已采集的成像数据线中筛选出待处理的成像数据线之后,还包括:
判断所述待处理的成像数据线是否为呼气末期或是吸气末期的成像数据线,根据判断结果调整所述待处理的成像数据线的权重。
7.根据权利要求1所述的方法,其特征在于,所述预设扫描序列包括梯度回波序列和/或快速自旋回波序列,和/或,所述受检部位包括腹部和/或心脏。
8.根据权利要求1所述的方法,其特征在于,所述预设扫描序列的重复时间小于预设时间阈值。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8任一所述的磁共振扫描方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一所述的磁共振扫描方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030915.2A CN113100741B (zh) | 2020-01-13 | 2020-01-13 | 一种磁共振扫描方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030915.2A CN113100741B (zh) | 2020-01-13 | 2020-01-13 | 一种磁共振扫描方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100741A CN113100741A (zh) | 2021-07-13 |
CN113100741B true CN113100741B (zh) | 2024-02-27 |
Family
ID=76709232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010030915.2A Active CN113100741B (zh) | 2020-01-13 | 2020-01-13 | 一种磁共振扫描方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100741B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5427101A (en) * | 1994-08-04 | 1995-06-27 | Board Of Trustees Of The Leland Stanford Junior University | Diminishing variance process for real-time reduction of motion artifacts in MRI |
GB9919821D0 (en) * | 1999-08-20 | 1999-10-27 | Imperial College | Phase ordering with automatic window selection (PAWS):A novel motion resistant technique for 3D coronary imaging |
US6377045B1 (en) * | 1999-05-20 | 2002-04-23 | U.S. Philips Corporation | Magnetic resonance imaging method with sub-sampling |
CN1846145A (zh) * | 2003-09-08 | 2006-10-11 | 皇家飞利浦电子股份有限公司 | MRI 中具有共享预脉冲的随机排序k-空间子集 |
KR20070038929A (ko) * | 2005-10-07 | 2007-04-11 | 지이 메디컬 시스템즈 글로발 테크놀러지 캄파니 엘엘씨 | 자기공명촬상장치 |
CN103168248A (zh) * | 2010-10-14 | 2013-06-19 | 皇家飞利浦电子股份有限公司 | 使用生理监测的mr数据采集 |
CN104027113A (zh) * | 2014-07-01 | 2014-09-10 | 中国科学院武汉物理与数学研究所 | 一种基于先验知识和稀疏采样的肺部快速磁共振成像方法 |
CN109633503A (zh) * | 2018-12-28 | 2019-04-16 | 上海联影医疗科技有限公司 | 磁共振图像重建方法、装置、计算机设备和存储介质 |
CN109717869A (zh) * | 2017-10-31 | 2019-05-07 | 通用电气公司 | 磁共振成像过程中的运动监测方法、计算机程序、存储设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3944173B2 (ja) * | 2004-02-05 | 2007-07-11 | キヤノン株式会社 | 放射線画像処理装置及び処理方法 |
WO2014160701A2 (en) * | 2013-03-27 | 2014-10-02 | Duke University | Mri with repeated k-t -sub-sampling and artifact minimization allowing for free breathing abdominal mri |
-
2020
- 2020-01-13 CN CN202010030915.2A patent/CN113100741B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5427101A (en) * | 1994-08-04 | 1995-06-27 | Board Of Trustees Of The Leland Stanford Junior University | Diminishing variance process for real-time reduction of motion artifacts in MRI |
US6377045B1 (en) * | 1999-05-20 | 2002-04-23 | U.S. Philips Corporation | Magnetic resonance imaging method with sub-sampling |
GB9919821D0 (en) * | 1999-08-20 | 1999-10-27 | Imperial College | Phase ordering with automatic window selection (PAWS):A novel motion resistant technique for 3D coronary imaging |
CN1846145A (zh) * | 2003-09-08 | 2006-10-11 | 皇家飞利浦电子股份有限公司 | MRI 中具有共享预脉冲的随机排序k-空间子集 |
KR20070038929A (ko) * | 2005-10-07 | 2007-04-11 | 지이 메디컬 시스템즈 글로발 테크놀러지 캄파니 엘엘씨 | 자기공명촬상장치 |
CN103168248A (zh) * | 2010-10-14 | 2013-06-19 | 皇家飞利浦电子股份有限公司 | 使用生理监测的mr数据采集 |
CN104027113A (zh) * | 2014-07-01 | 2014-09-10 | 中国科学院武汉物理与数学研究所 | 一种基于先验知识和稀疏采样的肺部快速磁共振成像方法 |
CN109717869A (zh) * | 2017-10-31 | 2019-05-07 | 通用电气公司 | 磁共振成像过程中的运动监测方法、计算机程序、存储设备 |
CN109633503A (zh) * | 2018-12-28 | 2019-04-16 | 上海联影医疗科技有限公司 | 磁共振图像重建方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113100741A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10698055B2 (en) | Method, neural network, and magnetic resonance apparatus for assigning magnetic resonance fingerprints | |
CN110031786B (zh) | 磁共振图像重建方法、磁共振成像方法、设备及介质 | |
JP5543091B2 (ja) | 血管造影磁気共鳴画像の最適化方法、磁気共鳴装置、コンピュータ読取可能な媒体および電子読取可能なデータ媒体 | |
US11681001B2 (en) | Deep learning method for nonstationary image artifact correction | |
US9804246B2 (en) | Magnetic resonance imaging apparatus | |
US11747424B2 (en) | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method | |
US10267883B2 (en) | System and method for motion resolved MRI | |
CN110148195B (zh) | 一种磁共振图像生成方法、系统、终端及存储介质 | |
US11073584B2 (en) | Magnetic resonance imaging apparatus | |
US9507001B2 (en) | Magnetic resonance imaging method | |
CN111210484A (zh) | 医学图像生成方法、模型训练方法、装置及介质 | |
CN114487964A (zh) | 基于深度学习的磁共振成像(mri)检查加速 | |
Ferrer et al. | Deep learning-based assessment of cerebral microbleeds in COVID-19 | |
CN113100741B (zh) | 一种磁共振扫描方法、设备及存储介质 | |
CN109544652A (zh) | 基于深度生成对抗神经网络的核磁共振多加权成像方法 | |
US11137461B2 (en) | Magnetic resonance method and apparatus for determination of quantitative tissue parameters | |
CN110940943B (zh) | 搏动伪影校正模型的训练方法和搏动伪影校正方法 | |
WO2020034675A1 (zh) | 定量心肌磁共振成像方法、设备及存储介质 | |
CN111914952B (zh) | 一种基于深度神经网络的ad特征参数筛选方法及系统 | |
CN117203671A (zh) | 基于机器学习的迭代图像重建改进 | |
CN114325523B (zh) | T1值确定方法、装置、电子设备和存储介质 | |
Gan et al. | Self-supervised deep equilibrium models for inverse problems with theoretical guarantees | |
CN115115727B (zh) | 核磁图像处理方法、系统、设备及存储介质 | |
US20240062047A1 (en) | Mri reconstruction based on generative models | |
CN113763499B (zh) | 核磁共振图像重建方法、装置、设备、介质 |
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 |