CN113835057A - 磁共振系统及其图像显示方法、计算机可读存储介质 - Google Patents

Abstract

本发明的实施例提供一种磁共振系统及其图像显示方法、计算机可读存储介质。该方法包括：获取待显示的序列图像，所述序列图像包括多幅图像；针对所述多幅图像确定相同的窗宽值；以及，基于所述窗宽值显示所述序列图像的多幅图像。

Description

磁共振系统及其图像显示方法、计算机可读存储介质

技术领域

本发明公开的实施例涉及医学成像技术，更具体地涉及一种磁共振系统及其图像显示方法、计算机可读存储介质。

背景技术

现有技术中可以利用磁共振成像(Magnetic Resonance Imaging)技术对人体组织进行成像，以获得感兴趣区域的多幅切片图像，即图像序列。在磁共振检查的某个阶段，需要将该图像序列按照一定的排布方式显示在磁共振系统的人机交互界面上，以便于医生阅读、观察。在实际应用中，医生在阅读该序列图像时，常常由于图像序列中的各幅图像之间的亮度差异较大或者显示效果无法满足临床诊断需求，而需要凭经验手动地去调节其中的一幅或多幅图像的显示参数，例如窗宽值。这种方式影响磁共振成像诊断的效率。

发明内容

本发明的一个实施例提供了一种磁共振系统的图像显示方法，包括：

获取待显示的序列图像，该序列图像包括多幅图像；

针对该多幅图像确定相同的窗宽值；以及，

基于所述窗宽值显示该序列图像的多幅图像。

在一种实施例中，针对该多幅图像确定相同的窗宽值进一步包括：

获取该多幅图像的像素值的排序；

基于该排序的预设序号的像素值或预设序号范围内的多个像素值确定该窗宽值。

在一种实施例中，基于该排序的中间序号的像素值或该中间序号所在的中间序号范围内的多个像素值确定该窗宽值。

在一种实施例中，基于所述中间序号范围内的多个像素值确定所述窗宽值包括：将该多个像素值的平均值确定为该窗宽值。

该方法还可以包括：确定调整系数，并基于该调整系数调整该窗宽值，在一种实施例中，基于经调整之后的窗宽值显示该多幅图像。

在一种实施例中，基于与序列图像对应的一个或多个成像信息确定该调整系数。

其中，上述一个或多个成像信息包括磁共振系统生成该序列图像时设置的成像部位、扫描序列、扫描平面、回波时间、反转时间、重复时间中的一个或多个。

在一种实施例中，将该一个或多个成像信息输入预先确定的深度学习网络，并通过所述深度学习网络输出该调整系数。

在一种实施例中，确定调整系数的步骤包括：

确定显示序列图像时的用户信息；

基于确定的用户信息确定相应的调整系数。

在一种实施例中，将确定的用户信息输入预先确定的第二深度学习网络，并通过该第二深度学习网络输出该调整系数。

本发明的另一个实施例还提供一种磁共振系统，包括：

扫描仪，用于通过对成像部位进行磁共振扫描来生成序列图像，该序列图像包括多幅图像；

处理器，用于获取所述序列图像并针对该多幅图像确定相同的窗宽值；以及，

显示单元，其基于该相同的窗宽值显示该序列图像的多幅图像。

本发明的另一个实施例还提供了一种计算机可读存储介质，用于存储计算机可读指令，所述计算机可读指令用于执行上述任一实施例的图像显示方法。

应理解，提供上文的简要描述是为了以简化的形式介绍在具体实施方式中进一步描述的一些概念。这并不意味着识别所要求保护的主题的关键或必要特征，其范围由详细描述之后的权利要求唯一地限定。此外，所要求保护的主题不限于解决在上文中或在本公开的任一区段中所提及的任何缺点的实现。

附图说明

参考所附附图，通过阅读下列非限制性实施例的描述，本发明将被更好地理解，其中：

图1示出了一种磁共振系统的结构示意图；

图2示出了根据本发明一个实施例的图像显示方法的流程图；

图3示出了根据本发明另一个实施例的图像显示方法的流程图；

图4示出了根据本发明另一个实施例的图像显示方法的流程图；

图5示出了根据本发明另一个实施例的图像显示方法的流程图；

图6示出了根据本发明另一个实施例的图像显示方法的流程图；

图7示出了根据本发明另一个实施例的图像显示方法的流程图；

图8示出了根据本发明另一个实施例的图像显示方法的流程图。

具体实施方式

图1示出了一种磁共振系统的结构示意图，该磁共振系统100包括扫描仪110。扫描仪110用于对对象(例如人体)16进行磁共振扫描以生成对象16的感兴趣区域的图像数据，该感兴趣区域可以是预先确定的成像部位或成像组织。该图像数据可以是具有多幅图像的序列图像，一种实施例中，该多幅图像可以是对应于感兴趣区域的多个切片(或断层)位置的二维图像。

磁共振系统可以包括控制器120，其耦合至扫描仪110，以用于控制扫描仪110执行上述磁共振扫描的流程。具体地，控制器120可以通过序列发生器(图中未示出)来向扫描仪110的相关部件(例如下文将描述的射频发生器、梯度线圈驱动器等)发送序列控制信号，使得扫描仪110执行预设的扫描序列。

本领域技术人员可以理解，上述“扫描序列”是指在执行磁共振成像扫描时应用的具有特定幅度、宽度、方向和时序的脉冲的组合，这些脉冲通常可以包括例如射频脉冲和梯度脉冲。该射频脉冲可以包括，例如用于激发人体内质子发生共振的射频发射脉冲，该梯度脉冲可以包括，例如切片选择梯度脉冲、相位编码梯度脉冲、频率编码梯度脉冲等。通常，可以在磁共振系统中预先设置多个扫描序列，以使得能够选择与临床检测需求相适应的序列，该临床检测需求可以包括，例如成像部位、成像功能等。

在实际中，可能需要基于不同的临床应用选择不同的扫描序列类型，例如平面回波成像(EPI)序列、梯度回波(GRE)序列、自旋回波(SE)序列、快速自旋回波(FSE)序列、弥散加权成像(DWI)序列、反转恢复(IR)序列等等，并且每种扫描序列在不同的临床应用中可能具有不同的扫描序列参数，例如T1加权值、T2加权值、回波时间、重复时间、反转恢复时间等。

在一个示例中，扫描仪110可以包括主磁体组件111、床112、射频发生器113、射频发射线圈114、梯度线圈驱动器115、梯度线圈组件116和数据采集单元117。

主磁体组件111通常包括限定在外壳内的环形超导磁体，该环形超导磁体安装在环形的真空容器内。该环形超导磁体及其外壳限定了环绕对象16的圆柱形的空间，如图1所示的扫描腔118。主磁体组件111生成沿扫描腔118的Z方向的恒定磁场，即B0场。通常，B0场中较为均匀的部分形成在主磁体的中心区域中。

床112用于承载对象16，并响应控制器120的控制以沿着Z方向行进以进出上述扫描腔118，例如，在一个实施例中，可以将对象16的成像体积定位至扫描腔中的磁场强度较为均匀的中心区域，以便于对对象16的成像体积进行扫描成像。

磁共振系统利用所形成的B0场将静磁脉冲信号发射至位于扫描腔中的对象16，使得对象16体内的共振体积的质子的进动有序化，产生纵向磁化矢量。

射频发生器113用于响应控制器120的控制信号以产生射频脉冲，例如射频激发脉冲，该射频激发脉冲经(例如射频功率放大器(未示出))放大后施加至射频发射线圈114，使得射频发射线圈114向对象16发射正交于B0场的射频场B1以激发上述共振体积内的原子核，产生横向磁化矢量。

射频发射线圈114可以包括，例如沿主磁体内围设置的体线圈，或者专用于头部成像的头部线圈。体线圈可以连接发射/接收(T/R)开关(未示出)，通过控制该发射/接收开关可以使得体线圈在发射和接收模式进行切换，在接收模式时，体线圈可以用于接收来自对象16的磁共振信号。

当射频激发脉冲结束后，对象16的横向磁化矢量逐渐恢复为零的过程中产生自由感应衰减信号，即能够被采集的磁共振信号。

梯度线圈驱动器115用于响应控制器120发出的梯度脉冲控制信号或者匀场控制信号以为梯度线圈组件116提供合适的电流/功率。

梯度线圈组件116一方面在成像空间中形成变化的磁场以便为上述磁共振信号提供三维位置信息，另一方面用于产生B0场的补偿磁场以对B0场进行匀场。

梯度线圈组件116可以包括三个梯度线圈，三个梯度线圈用于分别产生倾斜到互相垂直的三个空间轴(例如X轴、Y轴和Z轴)中的磁场梯度。更具体地，梯度线圈组件116在切片选择方向(Z向)上施加磁场梯度以便在成像体积中进行选层。本领域技术人员理解，该层是三维成像体积中沿着Z向分布的多个二维切片中任意一个。当对该成像进行扫描时，射频发射线圈114将射频激发脉冲发射至成像体积的该层并激发该层。梯度线圈组件116在相位编码方向(Y向)上施加磁场梯度，以便对被激发的层的磁共振信号进行相位编码。梯度线圈组件116在对象16的频率编码方向上施加梯度场，以便对被激发的层的磁共振信号进行频率编码。

数据采集单元117用于响应控制器120的数据采集控制信号以采集上述(例如由体线圈或者表面线圈接收的)磁共振信号，在一个实施例中，该数据采集单元117可以包括，例如射频前置放大器、相位检测器以及模拟/数字转化器，其中射频前置放大器用于对磁共振信号进行放大，相位检测器用于对放大后的磁共振信号进行相位检测，模拟/数字转换器用于将经相位检测的磁共振信号从模拟信号转换为数字信号。

该磁共振系统100包括图像重建单元130，其可以基于上述数字化的磁共振信号重建对象16的成像体积的一系列二维切片图像，即上述的图像序列。具体地，重建单元可以基于与控制器120进行通信以执行上述的图像重建。

该磁共振系统100包括处理单元140，其可以对上述图像序列中的任一图像进行任何需要的图像处理，例如图像校正、确定图像的显示参数等。上述的图像处理可以是对图像在对比度、均匀度、清晰度、亮度等任一方面做出的改进或适应性调整。具体地，处理单元140可以基于与控制器120进行通信以执行上述的图像处理。

在一种实施例中，控制器120、图像重建单元130、处理单元140可以分别或者共有地包括计算机和存储介质，在该存储介质上记录要由计算机执行的预定的控制程序、数据处理程序，例如该存储介质上可以存储用于实施成像扫描、图像重建、图像处理等的程序，例如，可以存储用于实施本发明实施例的图像显示方法的程序。上述存储介质可以包括例如ROM、软盘、硬盘、光盘、磁光盘、CD-ROM、或非易失性存储卡。

磁共振系统100可以包括显示单元150，其可以用于显示操作界面以及数据处理过程中产生的各种数据或图像。一方面，显示单元150可以通过响应控制器120的显示控制信号(该显示控制信号可以通过响应来自医生请求阅读图像的操作而生成)，将上述序列图像按照一定的排布方式通过显示单元150进行显示，例如，可以按照切片位置的顺序来进行排布。另一方面，显示单元150还可以(例如，通过控制器120)与处理单元140通信，以按照处理单元140确定的显示参数来显示上述序列图像。

处理单元140在确定序列图像的显示参数时，具体地可以涉及对比度、清晰度、亮度、均匀度等有关的参数，例如窗宽值和窗位值，本领域的技术人员理解，窗宽值即图像的像素范围，窗位值即像素范围中心处的值。通常希望将窗位值设定为最能够体现病变的组织(例如软组织、骨头、血液等)，窗位值越接近该组织的像素值，图像的均匀性越好。而以该窗位值为中心，窗宽值越小，对比度越高。

该磁共振系统100包括控制台160，其可以包括用户输入设备，诸如键盘和鼠标等，控制器120可以响应用户基于操作控制台160或者设置在主磁体壳体上的操作面板/按键等产生的控制命令，来与扫描仪110、图像重建单元、处理单元140、显示单元150等进行通信。

通常，为每幅图像设置各自的窗宽值和窗位值，以期望呈现给用户的序列图像中的每幅图像都具有理想的图像质量，例如，基于每幅图像的最大像素值和最小像素值来设置对应的窗宽值，并基于该窗宽值设定窗位值，例如窗位值是窗宽值的中值。然而实际中，可能由于人体内少量的金属、血管组织等引起部分图像的高亮信号，使得图像中的最大像素值明显过高，使得窗宽过宽，由此进一步得到的窗位值明显偏离待观察组织的像素值，从而引起图像序列中的部分图像过暗，并且整体看来，图像序列的亮度差异较大，给医生阅片带来困扰。

图2示出了本发明一个实施例的图像显示方法的流程图，如图2所示，该方法包括步骤S21、S23和S25。

在步骤S21中，获取待显示的序列图像，该序列图像包括多幅图像。例如，当控制器120接收到用户关于阅片的请求后，可以通知处理单元140调取由扫描仪110对对象16的感兴趣区域执行的磁共振扫描生成的多个切片图像，或者调取经过图像处理后的该多个切片图像。

在步骤S25中，针对该多幅图像确定相同的窗宽值，确定的窗宽值可以直接或通过控制器120发送给显示单元160。

在步骤S29中，基于该相同的窗宽值显示该序列图像的多幅图像，具体地，显示单元160在对该多幅图像进行显示时，可以将窗宽值限定的像素范围外的像素值同一显示为背景色，例如像素值为“0”。

通过对图像序列的多幅图像设定相同的窗宽值，避免了所显示的图像之间的亮度差异过大造成的阅片困难、需要针对不同的图像进行相应的手动调节等问题。基于相同的窗宽值设定窗位值，也能避免图像间均匀性差的问题。

图3示出了本发明另一实施例的图像显示方法的流程图，如图3所示，该方法包括步骤S21、S33、S35和S29。

在步骤S33中，获取上述多幅图像的像素值的排序，例如，如果将该多幅图像的像素值全部进行统计之后发现一共包含了N个像素值，则将该N个像素值按照从大到小或者从小到大的顺序进行排序(1，2，3…m-2,m-1,m,m+1,m+2…N)，其中m是介于1到N之间的自然数。

在步骤S35中，基于上述排序的预设序号的像素值(例如第m个像素值)或预设序号范围内的多个像素值(例如第m-2个到第m+2个像素值，或第q+个像素值)确定该窗宽值。优选地，上述的预设序号可以是中间序号，例如可以基于排在中间序号的像素值确定窗宽值，也可以基于排在中间的一个范围(即中间序号所在的中间序号范围)内的多个像素值确定该窗宽值。

在一个具体的实施例中，可以将该预设信号或中间序号的像素值直接设为窗宽值，也可以将该预设范围或中间序号范围内的多个像素值的平均值设为窗宽值。

本实施例中，无需通过复杂的运算即可为图像序列的多幅图像设置统一的窗宽值，并且由于按照像素值所处的排序位置进行选取，而非仅依靠最大像素值和最小像素值来确定，避免了最大像素值过大或过小引起的图像过亮或过暗的问题。

图4示出了本发明另一实施例的图像显示方法的流程图，本实施例的图像显示方法包括步骤S21、步骤S43、步骤S45以及步骤S47。其中，步骤S43可以与步骤S25类似，例如，针对该多幅图像确定相同的窗宽值。更具体地，步骤S43也可以包括步骤S33和S35，以为该多幅图像确定相同的窗宽值。

在步骤S45中，基于与该序列图像对应的一个或多个成像信息确定调整系数，并基于该调整系数调整该窗宽值。上述成像信息可以包括，例如该磁共振系统生成该序列图像时设置的成像部位、扫描序列、扫描平面、回波时间、反转恢复时间、重复时间中的一个或多个。

本领域技术人员理解，该成像部位可以包括人体的身体部位，例如头部、腹部、胸部、心脏等等；该扫描平面即扫描层，对应于成像序列中的二维切片图像，每个扫描层面具有特定的切片位置；该回波时间是指扫描序列中从射频激发脉冲中到回波信号中心的时间范围；该反转时间是180°反转脉冲中心与90°激发脉冲中心之间的时间范围；该重复时间是相邻两个激发脉冲中心之间的时间范围。

调整系数可以是基于上述一种或多种成像信息的权重确定的。上述调整具体可以包括将调整系数与窗宽值进行相乘。在具体示例中，该调整系数可以小于或大于1。

在步骤S47中，基于确定的窗宽值显示该序列图像的多幅图像，具体地，基于经调整之后的窗宽值显示该多幅图像。

通过这种方式，使得可以针对不同的成像信息选择适合的显示方式，以更好地满足临床诊断需求，例如，上述调整系数可以由于成像部位的不同而不同，这是由于当阅读一个成像部位的图像时可能需要较高的图像亮度才使得更容易观察病变，而当阅读另一个成像部位的图像时需要较低的图像亮度使得更容易观察病变。再例如，针对相同的成像部位，如果采用不同的扫描序列或者不同的扫描参数，阅片时的亮度要求也会有差异，通过相应的权重确定合适的窗宽值调整系数，来满足对应的要求。

图5示出了本发明另一实施例的图像显示方法的流程图，如图5所示，本实施例的图像显示方法包括步骤S21、步骤S43、步骤S55以及步骤S47。在步骤S55中，将一个或多个成像信息输入预先确定的第一深度学习网络，通过该第一深度学习网络输出调整系数，并基于该调整系数调整在步骤S43中确定的窗宽值。

可以通过以下示例的方法来进行数据训练以得到上述第一深度学习网路：

在一个步骤中，获取多个图像序列的理想的窗宽值调整系数，例如，可以基于以上任一实施例，先为每个图像序列确定一个初始的窗宽值，再通过手动地对该初始窗宽值进行调节以使对应的图像序列具有理想的显示亮度，然后基于调节后的窗宽值和初始的窗宽值计算与该多个图像序列对应的多个窗宽值调节系数。

在另一个步骤中，确定该多个图像序列对应的成像信息，其中每个图像序列对应的成像信息可以是单独的一种信息，也可以是多种信息的不同组合。

在另一个步骤中，将该多个窗宽值调节系数作为输出数据集，将与该多个图像序列对应的成像信息作为输入数据集，选取合适的机器学习网络进行机器学习，以为该机器学习网络赋予与该输入数据集和输出数据集相关联的网络参数。

利用该训练的第一学习网络，使得在显示图像序列时，能够自动地获得与其成像信息相适应的窗宽值，以更好地满足临床诊断的显示要求。

图6示出了本发明另一实施例的图像显示方法的流程图。如图6所示，本实施例的图像显示方法包括步骤S21、步骤S43、步骤S65、步骤S66以及步骤S47。在步骤S65中，确定显示序列图像时的用户信息。在步骤S66中，基于确定的用户信息确定调整系数，并基于该调整系数调整步骤S43中确定的窗宽值。例如，可以针对多个用户信息分别确定多个对应的调整系数。使得在显示图像序列时，能够自动地基于用户的个性化习惯或喜好设置窗宽值调节系数，以更好地满足用户的个性化显示要求。

本实施例中，对应用户信息的调整系数可以预先被存储，当用户阅片时，该用户的信息被识别，使得相应的调整系数能够被调取，以对初始的窗宽值进行调节。

图7示出了本发明另一实施例的图像显示方法的流程图。如图7所示，本实施例的图像显示方法包括步骤S21、步骤S43、步骤S65、步骤S76以及步骤S47。在步骤S76中，将确定的用户信息输入预先确定的第二深度学习网络，通过该第二深度学习网络输出调整系数，并基于该调整系数调整在步骤S43中确定的窗宽值。

可以通过以下示例的方法来进行数据训练以得到上述第二深度学习网路：

在一个步骤中，可以针对一个或多个图像序列，获取多个用户阅片时的多个窗宽值调整系数，例如，可以获取每个用户阅片时经调节后的窗宽值和阅片前的初始窗宽值，基于该多个调节后的窗宽值和初始的窗宽值计算对应于用户的窗宽值调节系数。

在另一个步骤中，将该多个窗宽值调节系数作为输出数据集，将该多个用户的用户信息作为输入数据集，选取合适的机器学习网络进行机器学习，以为该机器学习网络赋予与该输入数据集和输出数据集相关联的网络参数。

利用该训练的第二学习网络，使得在显示图像序列时，能够快速、准确地基于用户的个性化习惯或喜好设置窗宽值调节系数。

图8示出了本发明另一实施例的图像显示方法的流程图。如图8所示，本实施例的图像显示方法包括步骤S21、步骤S43、步骤S85以及步骤S47。在步骤S85中，基于与该序列图像对应的一个或多个成像信息以及当前的用户信息确定调整系数，并基于该调整系数调整该窗宽值，此时确定的调整系数至少可以包括与成像信息相关的分量以及与该用户信息相关的分量，例如，本步骤中可以将基于成像信息确定的调整系数以及基于用户信息确定的调整系数进一步进行数学运算来获得一个总的调整系数，并利用该总的调整系数调整窗宽值；也可先基于成像信息和用户信息中的一个来调节窗宽值，获得窗宽值的中间值，然后基于两者中的另一个对该中间值进一步进行调节，获得最终的窗宽值。

进一步地，步骤S85中，可以利用第三深度学习网络来获得调节系数。例如，将当前的用户信息和成像信息输入预先确定的第三深度学习网络，通过该第三深度学习网络输出调整系数，并基于该调整系数调整在步骤S43中确定的窗宽值。

可以通过以下示例的方法来进行数据训练以得到上述第三深度学习网路：

在一个步骤中，获取多个图像序列的理想的窗宽值调整系数，例如，先为每个图像序列确定一个初始的窗宽值，再获取多个用户对该图像序列的初始窗宽值进行调节的调节系数，以使每个图像序列具有针对多个用户的多个理想的显示亮度，然后基于调节后的窗宽值和初始的窗宽值计算与每个图像序列对应的多个窗宽值调节系数，其中该多个窗宽值调节系数分别对应多个用户信息。

在另一个步骤中，将多个图像序列的多个窗宽值调节系数作为输出数据集，将与该多个图像序列对应的成像信息和用户信息作为输入数据集，选取合适的机器学习网络进行机器学习，以为该机器学习网络赋予与该输入数据集和输出数据集相关联的网络参数。

利用该训练的第三深度学习网络，使得在显示图像序列时，能够获取既能与成像信息匹配以满足临床诊断的显示要求、又能满足用户个性化喜好的窗宽值调节系数。

本发明的实施例中，将窗位值确定为窗宽值的中值。

如本文所讨论的，深度学习技术(又被称为深度机器学习、分层学习或深度结构化学习等)采用用于学习的人工神经网络。深度学习方法的特征在于使用一个或多个网络架构来提取或模拟感兴趣数据。深度学习方法可以使用一个或多个处理层(例如，输入层、输出层、卷积层、归一化层、采样层等等，按照不同的深度学习网络模型可以具有不同数量和功能的处理层)来完成，其中层的配置和数量允许深度学习网络处理复杂的信息提取和建模任务。通常通过所谓的学习过程(或训练过程)来估计网络的特定参数(又可以称为“权重”或“偏差”)。被学习或训练的参数通常会导致(或输出)一个对应于不同级别层的网络，因此提取或模拟初始数据的不同方面或前一层的输出通常可以表示层的层次结构或级联。因此，处理可以分层进行，即，较早或较高级别的层可以对应于从输入数据中提取“简单”特征，接着是将这些简单特征组合成表现出更高复杂度的特征的层。实际上，每层(或者更具体地，每层中的每个“神经元”)可以采用一个或多个线性和/或非线性变换(所谓的激活函数)来将输入数据处理为输出数据表示。多个“神经元”的数量可以是在多个层之间恒定的，或者可以从层到层变化。

如本文所讨论的，可以采用具有已知输入值(例如，图像序列的已知成像信息、用户信息等)以及已知或期望输出值(例如，已知的较为理想的窗宽值调节系数)的训练数据集，以作为解决特定问题的深度学习过程的初始训练的一部分。以这种方式，深度学习算法可以(以监督或引导的方式或以无监督或非指导的方式)处理已知数据集或训练数据集，直到识别出初始数据和期望输出之间的数学关系和/或识别和表征每层的输入和输出之间的数学关系。学习过程通常利用(部分)输入数据并为该输入数据创建网络输出。然后将创建的输出与该数据集的期望(目标)输出进行比较，然后使用生成的和期望的输出之间的差异来迭代地更新网络的参数(权重和偏差)。一种这样的更新/学习机制是通过使用随机梯度下降方法来更新网络的参数，当然本领域技术人员应当理解也可以使用本领域中已知的其他方法。类似地，可以采用单独的验证数据集，其中输入和期望目标值都是已知的，但是仅将初始值提供给训练的深度学习算法，然后将输出与深度学习算法的输出进行比较以验证先前的培训和/或防止过度培训。

基于上述描述，本发明的实施例还可以提供一种计算机可读存储介质，其中存储有计算机可读指令，该计算机可读指令用于控制磁共振扫描系统执行上述任一实施例的图像显示方法。该计算机可读存储介质可以类似于图1所示的系统中的控制器120中的存储介质。

如本文中所使用的，以单数叙述且冠以用词“一”或“一个”的元件或步骤应该被理解为不排除所述元件或步骤的复数，除非此类排除被明确地陈述。此外，参照本发明的“一个实施例”并不旨在被解释为排除同时纳入所叙述的特征的额外实施例的存在。而且，除非明确叙述相反情况，实施例“包含(comprising)”、“包括(including)”、“具有(having)”具有特定性质的元件或多个元件可包括不具有该性质的附加的这样的元件。术语“包括(including)”和“其中(inwhich)”被用作相应的术语“包含(comprising)”和“其特征在于(wherein)”的简明语言对等词。此外，在所附权利要求中，术语“第一”、“第二”和“第三”等仅用作标记，并且不旨在对其对象强加数值要求或特定位置顺序。

此书面说明书使用示例来公开本发明，包括最佳模式，也可以使任何相关技术领域的普通技术人员能够实现本发明，包括制造并使用任何设备或系统以及执行任何涵盖的方法。本发明的专利保护范围由权利要求书限定，并可包括本领域技术人员知道的其他示例。如果它们具有与权利要求书的文字语言没有区别的结构要素，或者它们包括与权利要求书的文字语言无实质区别的等效结构要素，则旨在使该其它示例落在权利要求书的范围内。

Claims (12)

1.一种磁共振系统的图像显示方法，包括:

获取待显示的序列图像，所述序列图像包括多幅图像；

针对所述多幅图像确定相同的窗宽值；以及，

基于所述窗宽值显示所述序列图像的多幅图像。

2.如权利要求1所述的方法，其中，针对所述多幅图像确定相同的窗宽值包括：

获取所述多幅图像的像素值的排序；

基于所述排序的预设序号的像素值或预设序号范围内的多个像素值确定所述窗宽值。

3.如权利要求2所述的方法，其中，针对所述多幅图像确定相同的窗宽值包括：

基于所述排序的中间序号的像素值或所述中间序号所在的中间序号范围内的多个像素值确定所述窗宽值。

4.如权利要求1所述的方法，其中，基于所述中间序号范围内的多个像素值确定所述窗宽值包括：将所述多个像素值的平均值确定为所述窗宽值。

5.如权利要求1所述的方法，其中，所述方法还包括：确定调整系数，并基于所述调整系数调整所述窗宽值；基于所述相同的窗宽值显示所述序列图像的多幅图像包括：基于经所述调整之后的窗宽值显示所述多幅图像。

6.如权利要求5所述的方法，其中，确定调整系数包括：基于与所述序列图像对应的一个或多个成像信息确定所述调整系数。

7.如权利要求6所述的方法，其中，所述一个或多个成像信息包括所述磁共振系统生成所述序列图像时设置的成像部位、扫描序列、扫描平面、回波时间、反转时间、重复时间中的一个或多个。

8.如权利要求7所述的方法，其中，确定调整系数包括：将所述一个或多个成像信息输入预先确定的深度学习网络，并通过所述深度学习网络输出所述调整系数。

9.如权利要求5所述的方法，其中，确定所述调整系数的步骤包括：

确定显示序列图像时的用户信息；

基于确定的用户信息确定相应的调整系数。

10.如权利要求5所述的方法，其中，确定所述调整系数的步骤包括：

确定显示序列图像时的用户信息；

将确定的用户信息输入预先确定的第二深度学习网络，并通过所述第二深度学习网络输出所述调整系数。

11.一种磁共振系统，包括：

扫描仪，用于通过对成像部位进行磁共振扫描来生成序列图像，所述序列图像包括多幅图像；

处理器，用于获取所述序列图像并针对所述多幅图像确定相同的窗宽值；以及，

显示单元，其基于所述相同的窗宽值显示所述序列图像的多幅图像。

12.一种计算机可读存储介质，用于存储计算机可读指令，该计算机可读指令用于执行上述权利要求1-10任一项所述的图像显示方法。

Images