CN116049670A - 用于提供磁场数据的经训练的函数及其应用 - Google Patents

用于提供磁场数据的经训练的函数及其应用 Download PDF

Info

Publication number
CN116049670A
CN116049670A CN202211664122.1A CN202211664122A CN116049670A CN 116049670 A CN116049670 A CN 116049670A CN 202211664122 A CN202211664122 A CN 202211664122A CN 116049670 A CN116049670 A CN 116049670A
Authority
CN
China
Prior art keywords
data
magnetic field
vmd
information
vtf
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
Application number
CN202211664122.1A
Other languages
English (en)
Inventor
P.利比格
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 Healthineers AG
Original Assignee
Siemens Healthineers AG
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 Healthineers AG filed Critical Siemens Healthineers AG
Publication of CN116049670A publication Critical patent/CN116049670A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/246—Spatial mapping of the RF magnetic field B1
    • 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
    • G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/243—Spatial mapping of the polarizing magnetic field
    • 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
    • G01R33/38—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field
    • 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
    • G01R33/38—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field
    • G01R33/385—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field using gradient magnetic field coils
    • 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
    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56563—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the main magnetic field B0, e.g. temporal variation of the magnitude or spatial inhomogeneity of B0
    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/5659—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the RF magnetic field, e.g. spatial inhomogeneities of the RF magnetic field
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及用于生成优化的经训练的函数以提供磁场数据的方法、用于借助经训练的函数提供磁场数据的方法、系统控制单元、磁共振装置和计算机程序产品。用于提供磁场数据的方法包括：接收图像数据作为经训练的函数的输入数据；将所述经训练的函数应用于图像数据，其中，所述经训练的函数是基于对根据磁场数据校正的图像数据的数据保真度和关于磁场数据的至少一个特性的至少一个假设被训练的；以及提供磁场数据作为经训练的函数的输出数据。

Description

用于提供磁场数据的经训练的函数及其应用
技术领域
本发明涉及用于生成优化的经训练的函数以提供磁场数据的方法、用于借助经训练的函数提供磁场数据的方法、系统控制单元、磁共振装置和计算机程序产品。
背景技术
在医学技术中，借助磁共振(MR)的成像、也称为磁共振断层扫描(MRT，英语MagneticResonanceImaging，MRI)的特征在于较高的软组织对比度。在此，通常将检查对象、尤其是患者定位在磁共振装置的检查空间中。在磁共振测量期间，通常借助磁共振装置的发射线圈装置将高频(HF)的发射脉冲照射到检查对象中。此外，借助磁共振装置的梯度线圈单元输出梯度脉冲，由此在检查空间中生成临时的磁场梯度。通过所生成的脉冲在患者中激励和触发位置编码的磁共振信号。触发的磁共振信号由磁共振装置的接收线圈装置接收并且用于磁共振成像(或者说映射)的重建。
通过HF发射脉冲在检查区域中生成交变磁场，所谓的B1+场，在磁共振测量期间患者处于所述检查区域中。因此，B1+场显示了发射场的分布。相反地，B1-场描述接收场的分布。如果发射线圈装置和接收线圈装置是相同的，则通常可以认为B1+场和B1-场的形状基本上相同。有效的发射-接收场也可以称为B1场。
此外，在检查区域中生成较强的静态的主磁场，B0场。所述主磁场也应该尽可能地均匀，以便避免磁共振成像中的伪影。然而在现实中，主磁场通常在一些位置具有不均匀性。对B0场、即静磁场的空间分布的认知是有利的，以便主要能够例如借助均场(Shim)线圈补偿主磁场的不均匀性。
发明内容
然而，通过常见的方法对例如描述B1场和/或B0场的磁场数据的确定通常是耗时和/或不准确的。本发明所要解决的技术问题可以在于，提供一种优选快速的和/或耐用的用于提供磁场数据的方法。本发明所要解决的技术问题尤其可以在于，提供能够执行这种方法的措施。
该技术问题按本发明通过用于生成优化的经训练的函数以提供磁场数据的方法、用于借助经训练的函数提供磁场数据的方法、系统控制单元、磁共振装置和计算机程序产品解决。
因此建议一种计算机实施的用于生成优化的经训练的函数OTF以提供磁场数据的方法。所述方法包括步骤：
a)提供训练图像数据TBD，
b)提供根据TBD生成的校正的训练图像数据KTBD，
c)提供初步的经训练的函数VTF，
d)通过将TBD应用于VTF，生成初步磁场数据VMD，
e)根据VMD和TBD生成初步的校正图像数据VKBD，
f)根据VKBD和KTBD确定数据保真度信息(Datentreueinformation)，
g)根据VMD和关于VMD的特性的假设，确定至少一个假设保真度信息，
h)根据数据保真度信息和至少一个假设保真度信息，确定优化信息，
i)根据优化信息通过VTF的优化来生成OTF。
例如，通过OTF提供的磁场数据可以用于降低磁共振图像中的空间振幅波动和/或不均匀性。这些空间振幅波动和/或不均匀性有利地反映在磁场数据中。
步骤a)、b)和c)尤其可以借助分别适合于它们的提供单元和/或接口执行。步骤d)、e)、f)、g)、h)和i)尤其可以借助适合于它们的计算单元执行。这种计算单元尤其可以包括一个或多个处理器和/或存储器模块。
步骤a)至i)、尤其是步骤a)至c)和/或步骤f)和g)不是必须以这个(按字母的)顺序执行。
经训练的函数、尤其是VTF和OTF优选将输入数据映射在输出数据上。在此，输出数据尤其还可以与经训练的函数的一个或多个参数相关。所述经训练的函数(或称为受训函数)尤其是借助机器学习被训练的函数。对于经训练的函数的其它术语例如可以是经训练的映射规则、具有经训练的参数的映射规则、具有经训练的参数的函数、基于人工智能的算法或者机器学习算法。经训练的函数的示例是人工神经网络，其中，人工神经网络的边权重相应于经训练的函数的参数。代替术语“神经网络”，也可以使用术语“神经网”。所述经训练的函数尤其也可以是深度人工神经网络(英语的专业术语为“deep neuralnetwork”或者“deepartificialneuralnetwork”)。经训练的函数的其它示例为“支持向量机”，此外尤其也可以将机器学习的其它算法用作经训练的函数。
磁场数据、尤其是VMD尤其可以是描述磁场的一个或多个特性的数据。在此，磁场优选是磁共振装置的检查区域。在借助磁共振装置的磁共振测量期间，待检查的检查对象可以布置在检查区域中。检查对象例如可以是患者。
所述TBD尤其可以包括通过磁共振装置获取的测量数据、例如原始数据、尤其是k空间数据，和/或包括由这些测量数据推导出、尤其是计算出的数据，例如一个或多个由原始数据和/或k空间数据重建的磁共振成像。这些测量数据尤其可以是在检查对象的磁共振检查中已经获取到的。所述TBD尤其可以包括关于检查对象的解剖学结构的信息。
TBD尤其可以包括组合的幅度图。尤其可以通过磁共振装置的接收线圈装置的多个线圈元件分别接收磁共振信号，根据所述磁共振信号可以创建组合的幅度图，即相应的信号被组合。TBD优选包括来自不同的磁共振测量、尤其是不同的检查对象和/或检查对象的部分、尤其是身体部分的测量数据。例如，VTF依次地通过不同的原始数据和/或磁共振成像被训练。
所述KTBD尤其关于磁场的特性、例如磁场的不均匀性被校正。为了校正TBD并且由此提供KTBD，可以使用大量传统的、尤其是基于图像的校正方法，例如统计参数映射(SPM)、非参数非均匀强度归一化(N3)、N4ITK、均匀组合重建(UNICORN)和/或InhomoNet。因为函数的训练、即OTF的生成没有特别的时间限制，所以这些校正方法毫无疑问也可能是在计算上耗费和耗时的。然而，训练的结果、即OTF有利地设计用于在较短的时间内、尤其是在常见的磁共振测量的范围内提供磁场数据。
按照所建议的方法，可以有利地生成或者训练所述OTF，以便覆盖多个解剖学结构。传统的方法通常不是那么适用于此。因此，例如SPM算法通常只能良好地用于大脑，并且对于N4算法通常需要针对每个解剖学结构提供不同的参数组。
所述VTF尤其可以基于以下神经网络，所述神经网络具有初步的、尚未被优化的边权重作为VTF的参数。例如首先将边权重设置为等于1，并且尤其将UNET用作架构(Architektur)。所生成的OTF尤其可以是优化的VTF。例如可以在优化的VTF的范围内在步骤i)中改变神经网络的初步的边权重。
优选地，接收所述TBD作为VTF的输入数据并且应用于VTF。优选地，所述VMD作为VTF的输出数据被输出。
所述VKBD的生成尤其包括根据VMD关于磁场的特性、例如磁场的不均匀性校正TBD。
数据保真度信息的确定例如包括将损耗函数(英语lossfunction)和/或成本函数(英语costfunction)应用于VKBD和KTBD。数据信息优选描述VKBD与KTBD之间的相似性和/或数据一致性和/或数据保真度。所述数据保真度信息例如可以表示为数据保真度值。尤其是VKBD与KTBD之间的相似性和/或数据一致性和/或数据保真度越大，所述数据保真度值的数值就越小。如果例如VKBD和KTBD是相同的，则数据保真度值可以为零。有利地借助数据保真度信息确保借助经训练的函数的输出数据、即磁场数据校正的图像数据与通过其它方式校正的图像数据的(在很大程度上的)数据保真度和/或数据一致性。
尤其可以确定一个或多个假设保真度信息，所述假设保真度信息分别基于不同的假设。这些假设中的每个假设都可以涉及VMD的不同特性。至少一个假设保真度信息可以针对每个假设包括至少一个假设保真度值。优选地，通过该方法这样优化OTF，使得通过OTF输出的磁场数据(至少在很大程度上)满足假设。所述至少一个假设优选是需要满足的至少一个假设、尤其是一个条件。
VMD的特性尤其可以是VMD的表现、特殊性和/或特征和/或结构。这个假设尤其可以是一般和/或基本和/或非特定的假设。尤其是，该假设并不取决于作为VTF的输入数据提供的具体的TBD。该假设尤其可以包括关于通常在磁共振装置中出现的磁场的至少一个一般和/或基本和/或非特定的特性的假设。所述特性尤其可以涉及这种磁场的表现和/或特殊性和/或特征和/或结构。该假设尤其可以基于对这种磁场的事先了解。
优选地，为了优化VTF，迭代地、尤其是重复地执行步骤c)至i)，其中，在步骤i)中生成的OTF作为步骤c)中的VTF被提供用于接下来的迭代、尤其是重复。该方法可以包括一个或多个这样的迭代。
例如，该方法包括迭代地将优化信息的至少一个优化值最小化。在理想情况下，优化值由此将在一次次的迭代中倾向于越来越小。
优选地，迭代包括对在步骤h)中确定的优化信息和/或在步骤g)中确定的假设保真度信息和/或在步骤f)中确定的数据保真度信息的分析，以便在随后的迭代中有针对性地优化VTF并且生成OTF。尤其是，在步骤h)中确定的优化信息和/或在步骤g)中确定的假设保真度信息和/或在步骤f)中确定的数据保真度信息与在之前的迭代中在步骤h)中确定的优化信息和/或在步骤g)中确定的假设保真度信息和/或在步骤f)中确定的数据保真度信息进行比较，以便在随后的迭代中有针对性地优化VTF。
例如，如果在步骤h)中确定的优化信息的优化值在迭代N-1中比在迭代N中更大，并且如果以尽可能小的优化值为目标，那么在迭代N+1中，相对于迭代N的VTF的优化有利地以与在迭代N中相对于迭代N-1的优化相同指向的方式执行。相反地，如果例如在步骤h)中确定的优化信息的优化值在迭代N-1中比在迭代N中更小，并且如果需要争取尽可能小的优化值，那么在迭代N+1中，相对于迭代N的VTF的优化有利地以与在迭代N中相对于迭代N-1的优化相反指向的方式执行。
优选地，步骤d)至i)以这样的频率迭代地、尤其是重复地执行，直至优化信息满足预设的条件。这样的预设条件可以理解为中断条件。
例如，优化信息包括优化值，并且步骤d)至i)以这样的频率迭代地、尤其是重复地执行，直到优化值低于预设的极限值。该极限值优选这样选择或者预设，使得VMD在低于这个极限值时具有足够好的质量，或者VTF被优化到这种程度，使得能够输出具有足够好的质量的VMD。
优选地，所述VMD描述B1场、尤其是B1图，和/或B0场、尤其是B0图，和/或畸变场(英语biasfield，偏移场)、尤其是畸变图。尤其是，VMD可以是B1图和/或B0图和/或畸变图。畸变场尤其可以是描述由于B1的不均匀性和/或B0的不均匀性引起的强度干扰和/或强度变化的场。
B1图尤其可以被看作B1场的二维或者三维空间分布的代表。B0图尤其可以被看作B0场的二维或者三维空间分布的代表。畸变图尤其可以被看作畸变场的二维或三维空间分布的代表。
优选地，VMD描述B1图和/或畸变图，并且步骤g)所基于的假设涉及该B1图或者畸变图(Verzerrungskarte)的平滑度(英语smoothness)。优选地假设，B1图或者畸变图尽可能地平滑，尤其是尽可能不具有棱边或者具有尽可能薄弱的棱边和/或具有低的空间分辨率。例如，可以根据经验确定用于空间分辨率的量度，所述空间分辨率可以用作(目标)假设。有利的是，通过这个假设训练OTF，用于在输出数据、即磁场数据中抑制包含在输入数据、即图像数据中的可能的解剖学信息。
优选地，优化信息的确定包括将数据保真度信息和至少一个假设保真度信息相对地加权。所述加权、尤其是可能的描述加权的加权系数例如可以根据经验确定。
尤其是，优化信息可以包括优化值，所述优化值是数据保真度值和至少一个假设保真度值的加权的和，其中，该和的系数代表加权系数，例如OW＝DTW+∑ncn·ATWn，其中，OW是优化值，DTW是数据保真度值，Cn是加权系数并且ATWn是假设保真度值。
为了生成OTF而对VTF的迭代优化由此例如可以表示为优化问题min(OW)，即使优化值最小化，通过迭代地调整VTF、尤其是其权重或者边权重来解决这个问题。
优选地，所述TBD和/或KTBD是压缩的、尤其是减少采样的图像数据。因此，可以减少与图像数据相关的数据量，这又可以减少用于生成OTF的计算耗费。图像数据的压缩尤其可以包括降低图像数据的空间分辨率
例如获取原始训练图像数据，即TBDi。由这些原始训练图像数据通过压缩生成TBD。此外，可以根据TBDi生成原始的校正的训练图像数据，即KTBDi，然后又可以通过压缩根据所述原始的校正的训练图像数据生成KTBD。
优选地，VTF基于神经网络、尤其是卷积神经网络(CNN)、尤其是U-Net。
U-Net优选包括具有收缩路径和扩展路径的网络。在收缩路径中，空间信息通常被减少，而特征信息被增加，并且在扩展路径中，特征信息和空间信息又被组合。由此可以有利地提高输出数据的分辨率。
优选地，为了优化所述VTF、尤其是为了生成OTF，改变VTF所基于的神经网络的权重、尤其是边权重。
优选地，所述VKBD的生成包括将通过VMD描述的B1图与通过TBD描述的磁共振成像相乘。有利的是，通过这种乘法可以校正磁共振成像中可能存在的由B1场的不均匀性(由B1图描述)引起的图像伪影。
优选地，所述数据保真度信息的确定包括将成本函数、尤其是L1成本函数应用于VKBD和KTBD。数据保真度信息的确定尤其包括计算VKBD和KTBD之间的比较值、尤其是L1损耗。例如，DTW可以如下地、尤其是作为用于生成OTF的优化方法的惩罚项(Strafterm)表示：
DTW＝VKBD-KTBD1
优选地，所述至少一个假设保真度信息的确定包括根据通过所述VMD描述的B1图和/或畸变图生成k空间数据kRD，其中，所述kRD的生成包括将B1图和/或畸变图傅里叶变换到k空间中，其中，根据所述kRD生成比较k空间数据，其中，所述至少一个假设保真度信息的确定包括将成本函数、尤其是L1成本函数应用于kRD和比较k空间数据。例如，ATW可以如下地、尤其是作为用于生成OTF的优化方法的其它惩罚项表示：
ATW＝kRD-VkRD1
通过傅里叶变换有利地将B1图变换到k空间中。所述k空间尤其可以是位置频率空间。k空间尤其可以用二维数据模型来描述。
傅里叶变换尤其可以是二维傅里叶变换。傅里叶变换尤其可以是快速傅里叶变换(英语FastFourierTransform，FFT)。
优选地，所述VkRD的生成包括将k空间的至少一个部段中的kRD的值设置为零，所述至少一个部段处于k空间的预设的、尤其是中心的部段外部。
有利的是，以这种方式生成的VkRD适合于通过应用成本函数、尤其是L1成本函数作为假设保真度值ATW来确定用于B1图或者畸变图的平滑度的量度。由此尤其可以将VTF如下训练：在生成VMD时抑制可能存在的关于为了提供TBD而被测量的检查对象的解剖学结构的干扰信息。
例如，k空间包括128x128个点，其中，预设的部段包括位于k空间中心的32x32个点，并且位于该中心部段外部的k空间点的值被设置为零。
此外，建议一种计算机实施的用于借助经训练的函数提供磁场数据、尤其是B1图和/或B0图和/或畸变图的方法，所述方法包括：
-接收图像数据作为经训练的函数的输入数据，
-将所述经训练的函数应用于图像数据，
其中，所述经训练的函数是基于
i)对根据磁场数据校正的图像数据的数据保真度
和
ii)关于磁场数据的至少一个特性的至少一个假设
被训练的，
-提供磁场数据作为经训练的函数的输出数据。
有利的是，经训练的函数可以快速并且可靠地提供磁场数据。有利的是，用于整个(三维的)3D体积的典型计算时间只有几秒钟，而传统算法通常需要几分钟。
优选地，所述经训练的函数是优化的经训练的函数OTF，所述优化的经训练的函数通过之前描述的用于生成OTF的方法生成。这种方法的可能的优点可以转用到用于应用经训练的函数的方法上。
图像数据的接收尤其可以通过为此适合的接收单元和/或接口来执行。OTF在输入数据上的应用尤其可以通过为此适合的计算单元来执行。这种计算单元尤其可以包括一个或多个处理器和/或存储器模块。这样的计算单元尤其可以是磁共振装置的系统控制单元的一部分。
有利的是，经训练的函数只需要图像数据作为输入数据，因此可能的附加磁共振测量、尤其是预测量和/或校准测量可以被省去。有利的是，OTF的应用与磁共振成像的重建是脱耦的。
有利的是，根据所提供的磁场数据确定用于执行磁共振测量的控制数据。优选地，借助确定的控制数据执行磁共振测量。
控制数据例如可以适用于通过磁共振装置输出pTx脉冲。用于发射线圈装置的多个发射线圈的控制数据尤其分别包括部分脉冲的形状和/或振幅和/或相位和/或部分脉冲之间的时间延迟和/或部分脉冲的数量。例如，可发射的HF发射脉冲由多个部分脉冲组成，这些脉冲彼此不同并且可以分别由多通道发射线圈装置的发射线圈发射，即所述可发射的HF发射脉冲是pTx脉冲。此外，pTx脉冲也可以包括至少一个梯度脉冲。这种多通道脉冲的或者至少一个梯度脉冲的部分脉冲的总和尤其可以由控制数据描述。
通过pTx脉冲可以有利地更精确地控制由此生成的B1场；这种控制可能在具有缩小的视野、成型的饱和带或者用于减少比吸收率(英语specific absorptionrate，SAR)的应用中是尤其有利的。尤其可以通过pTx脉冲补偿磁场的不均匀性(例如在“HF匀场”的范围内)，这主要在7特斯拉以上的更高的主磁场强度中可能是特别有利的。
HF发射脉冲或者部分脉冲的至少一个形状和/或振幅和/或相位例如可以与施加在发射线圈装置上的电压脉冲和/或流动通过发射线圈装置的电流脉冲的形状和/或振幅和/或相位相应。
梯度脉冲的至少一个形状和/或振幅和/或持续时间例如可以与施加在梯度线圈单元上的电压脉冲和/或流动通过梯度线圈单元的电流脉冲的形状和/或振幅和/或持续时间相应。
B1场的不均匀性尤其可能导致干扰性的信号和对比度变化。有利的是，这些变化在磁共振测量期间就得到校正。为此有利地使用适当的pTx脉冲，借助于通过OTF确定的磁场数据确定所述pTx脉冲。
此外建议一种系统控制单元，所述系统控制单元设计用于，执行之前描述的用于提供磁场数据的方法。此外建议一种具有这种系统控制单元的磁共振装置。
所建议的系统控制单元和磁共振装置的优点基本上相应于所建议的用于提供磁场数据的方法的优点，这些优点已在上文详细阐述。在此，所提到的特征、优点或者备选的实施方式同样地也可以转用到其它要求保护的技术方案上并且反之亦然。
此外建议一种计算机程序产品，所述计算机程序产品包括程序并且能够直接地装载到磁共振装置的(能编程的)系统控制单元的存储器中，并且具有程序装置、例如库和辅助功能，以便在计算机程序在磁共振装置的系统控制单元中执行时，执行所建议的方法。在此，计算机程序产品可以包括具有源代码的软件，所述源代码仍需编译和绑定或者只需要解释，或者包括只需装载到系统控制单元中以便执行的可执行软件代码。
通过该计算机程序产品能够快速地、可相同地重复地并且稳健地执行所建议的方法。该计算机程序产品配置为，使得通过系统控制单元能够执行所建议的方法步骤。在此有利的是，系统控制单元分别具有前提条件，如相应的工作存储器、相应的显卡或者相应的逻辑单元，因此可以有效地执行相应的方法步骤。计算机程序产品例如存储在计算机可读介质上，或者存储在网络或服务器上，在该处可以将计算机程序产品装载到本地系统控制单元的处理器中，所述处理器可以与磁共振装置直接连接或者设计成磁共振装置的一部分。
此外，计算机程序产品的控制信息可以存储在电子可读的数据载体上。所述电子可读的数据载体的控制信息可以设计为，使得在数据载体用于磁共振装置的系统控制单元中时，所述控制信息执行所建议的方法。电子可读的数据载体的示例是DVD、磁带或者U盘，电子可读的控制信息、尤其是软件存储在数据载体上。当这个控制信息从数据载体中被读取并且存储在磁共振装置的系统控制单元中时，可以执行之前描述的方法的按照本发明的所有实施方式。因此，本发明也可以由所述计算机可读介质和/或所述电子可读的数据载体出发地进行。
附图说明
本发明的其它优点、特征和细节由以下描述的实施例以及根据附图产生。相应的部件在所有附图中配设有相同的附图标记。
在附图中：
图1以示意图示出磁共振装置；
图2以示意图示出用于生成优化的经训练的函数以提供磁场数据的方法；
图3示出用于生成优化的经训练的函数的方法的不同的可能方面；
图4以示意图示出用于通过经训练的函数提供磁场数据的方法。
具体实施方式
在图1中示意性地显示了磁共振装置10。磁共振装置10包括磁体单元11，所述磁体单元具有用于生成较强的并且尤其是在时间上恒定的主磁场13的主磁体12。主磁场13也可以称为B0场。此外，磁共振装置10包括用于容纳患者15的患者容纳区域14。磁共振装置10的检查区域位于患者容纳区域14的中心，在患者容纳区域中，主磁场13具有特别高的均匀性。本实施例中的患者容纳区域14设计为圆柱形并且在周向方向上被磁体单元11圆柱形地包围。然而原则上，患者容纳区域14的与之不同的设计在任何时候都是可以考虑的。患者15可以通过磁共振装置10的患者支承装置16被推入患者容纳区域14。为此，患者支承装置16具有在患者容纳区域14内可运动地设计的患者台17。
磁体单元11还包括用于生成磁场梯度的梯度线圈单元18，在成像期间，所述磁场梯度用于位置编码。梯度线圈单元18由磁共振装置10的梯度控制单元19控制。磁体单元11还包括高频天线单元20，在本实施例中，所述高频天线单元设计为固定地集成在磁共振装置10中的体线圈。高频天线单元20由磁共振装置10的高频天线控制单元21控制。高频天线单元20包括发射线圈装置和接收线圈装置，所述发射线圈装置和接收线圈装置在这种情况下是相同的，即发出HF发射脉冲的线圈也是接收磁共振信号的线圈。发射场通常称为B1+场并且接收场称为B1-场。HF发射脉冲被辐射到检查区域中。由主磁体12生成的主磁场13由此激发原子核。磁共振信号通过受激发的原子核的弛豫生成。高频天线单元20设计用于接收磁共振信号。
尤其是在具有高强度、例如7特斯拉的主磁场13的磁共振装置中，发射和接收线圈装置通常不是固定地集成在磁共振装置10中的体线圈的一部分，而是将在此没有显示的局部的发射和接收线圈装置直接布置在患者15身上。这样的发射和接收线圈装置尤其包括多个发射和/或接收通道，因此它们适合于平行的发射和/或接收。
为了控制主磁体12、梯度控制单元19并且为了控制高频天线控制单元21，磁共振装置10具有系统控制单元22。系统控制单元22集中控制磁共振装置10，如执行预先确定的成像梯度回波序列。系统控制单元22优选设计用于，根据图4借助经训练的函数执行用于提供磁场数据的方法。此外，系统控制单元22包括没有详细显示的分析单元，用于分析在磁共振检查期间获取的磁共振信号。此外，磁共振装置10包括与系统控制单元22相连的用户接口23。控制信息、如成像参数，以及重建的磁共振图像可以为医学操作人员显示在用户接口23的显示单元24上、例如至少一个显示器上。此外，用户接口23具有输入单元25，在测量过程中，医学操作人员可以通过所述输入单元来输入信息和/或参数。
图2示意性地示出计算机实施的用于生成优化的经训练的函数OTF以提供磁场数据的方法。在S110中，提供训练图像数据TBD。在S120中，提供根据TBD生成的校正的训练图像数据KTBD。在S130中提供初步的经训练的函数VTF。在S140中，通过将TBD应用于VTF生成初步的磁场数据VMD。例如，VMD可以描述B1场、尤其是B1图，和/或B0场、尤其是B0图，和/或畸变场。在S150中，根据VMD和TBD生成初步的校正的图像数据VKBD。在S160中，根据VKBD和KTBD确定数据保真度信息。在S170中，根据VKBD和关于VMD的假设确定至少一个假设保真度信息。在S180中，根据数据保真度信息和至少一个假设保真度信息确定优化信息。在S185中，检查该优化信息是否满足预设的条件。如果满足预设的条件，则在END中结束所述方法，即VTF的优化由此完成。那么VTF就是OTF。如果(还)没有满足预设的条件，则通过S190改变VTK继续所述优化。在S190中改变的VTK则是S130中的(新的)VTK。在进一步的迭代中，再次执行步骤S130至S180，以便在S185中再检查是否满足预设条件。因此在必要时执行多次迭代来生成OTF。
参照图3，应该更详细地阐述可能的实施例的不同方面。提供原始训练图像数据TBDi，D1。这些TBDiD1例如可以通过借助磁共振设备10的磁共振测量记录，或者由借助磁共振设备10记录的数据推导出、尤其是计算。
由TBDiD1通过压缩，更确切地说：通过降低分辨率生成训练图像数据TBD，D2。在此，分辨率被降低到128x128像素(英语downsampling)。TBDi D1的压缩可以减少在随后的流程中(尤其是S140、S150、S160、S170和S180中)所需的计算负荷，因为必须处理的数据量较少；但压缩只是可选的。
TBDD2根据S110提供并且作为根据S130提供的VTFD4的输入数据。例如，VTFD4是基于U-Net的深度学习网络。通过将VTFD4应用于TBD，根据S140生成VMD。这些VMD在此是描述B1场的不均匀性的畸变场D5的图。
按照S150，根据VMD和TBDD2生成VKBDD6。为此将畸变场D5的图乘以TBDD2，以便在VKBDD6中补偿B1场的不均匀性。按照S160，根据VKBDD6和KTBDD8确定数据保真度信息D9。为了生成KTBDD8，首先关于B1场的不均匀性校正TBDiD1，例如使用统计参数映射(SPM)、非参数非均匀强度归一化(N3)、N4ITK和/或均匀组合重建(UNICORN)等校正方法，从而获得原始的校正的训练图像数据KTBDi，D7。然后与TBDi类似地压缩KTBDiD7，即在此压缩为128x128像素的分辨率，以便获得KTBDD8。(也可以考虑的是，首先执行压缩并且之后执行校正)。KTBDi的压缩也只是可选的。
在此，通过将成本函数应用于VKBD和KTBD来确定数据保真度信息D9，其中，在这个过程中确定的成本(英语cost，loss)就是数据保真度信息D9。为此尤其适用的是L1成本函数。VKBDD6与KTBDD8越对应，成本的值就越低。因此，相对于VKBDD6，KTBDD8用作参考标准数据或者说真值数据。
另一方面，按照S170，根据VKBD和关于VMD的假设，确定至少一个假设保真度信息D12。为此，对畸变场D5的图执行快速傅里叶变换(FFT)，从而获得k空间数据kRD，D10。因此，畸变场D5的图从图像空间变换到k空间。
由kRDD10又推导出比较k空间数据VkRD，D11。这在此通过将k空间的中心区域外部的所有k空间值设置为零来实现。在这种情况下，中心区域的尺寸是32x32的k空间值。假设保真度信息D12是应用于kRDD10和VkRDD11的成本函数的成本。在此尤其适用的是L1成本函数。因此，kRD D10的k空间的外围中的高信息含量在此受到惩罚。
k空间的外围通常包含关于配属的图像空间中的边的信息，即在此：畸变场D5的图中的边。然而，假设畸变场D5不应该具有边；相反地，边对于检查对象的解剖学特征是典型的，其不应该反映在畸变场D5中。因此，平滑度，即“没有边”，是对于畸变图的一个适当的假设。
在这个示例中，关于畸变图只做了一个假设，或者只确定了一个假设保真度信息。然而也可以考虑的是，确定多个假设保真度信息。
按照S180，根据数据保真度信息D9和假设保真度信息D12确定优化信息D13。优化信息D13例如可以是数据保真度信息D9的成本和假设保真度信息D12的成本的加权的和。例如，配属的加权系数可以根据经验来确定。
优化的目标尤其可以是将优化信息D13(或者描述优化信息D13的优化值)最小化。现在例如可以根据S185检查，优化信息D13(或者描述优化信息D13的优化值)现在是否已经足够小。如果是这种情况，则可以完成优化，因此最后使用的VKF已经是优化的结果，即OTF。
如果优化信息D13(或者描述优化信息D13的优化值)现在(还)不够小，则修改VKF并且以修改的VFK执行一次或多次其它的迭代。
图4示意性地显示了计算机实施的用于提供磁场数据的方法。在S210中，接收图像数据。在S220中，将接收到的图像数据应用于经训练的函数，该函数是基于根据磁场数据校正的图像数据的保真度和关于磁场数据的至少一个特性的至少一个假设来训练的。优选地，经训练的函数是根据按照图2和/或3的生成方法的OTF。在S230中，输出并且提供磁场数据。在S240中，根据所提供的磁场数据确定用于执行磁共振测量的控制数据。
在S240中，例如借助畸变图(作为OTF的输出数据)来设计pTx脉冲。这些pTx脉冲例如可以用于T1加权的、T2加权的和/或扩散加权的磁共振测量。尤其可以借助通过OTF输出的磁场数据执行HF匀场。
最后再次指出，之前详细描述的方法以及所示的系统控制单元和磁共振装置只是实施例，本领域技术人员可以在不离开本发明的范围的情况下以多种方式修改所述实施例。此外，不定冠词“一个”的使用并不排除有关特征也可以多次存在的可能性。同样，术语“单元”不排除有关组件由多个共同作用的子组件组成的可能性，必要时这些子组件也可以在空间上分布。

Claims (15)

1.一种计算机实施的用于生成优化的经训练的函数OTF以提供磁场数据的方法，具有步骤：
a)提供训练图像数据TBD，(S110)
b)提供根据TBD生成的校正的训练图像数据KTBD，(S120)
c)提供初步的经训练的函数VTF，(S130)
d)通过将TBD应用于VTF，生成初步磁场数据VMD，(S140)
e)根据VMD和TBD生成初步的校正图像数据VKBD，(150)
f)根据VKBD和KTBD确定数据保真度信息，(S160)
g)根据VMD和关于VMD的至少一个特性的假设，确定至少一个假设保真度信息，(S170)
h)根据数据保真度信息和至少一个假设保真度信息，确定优化信息，(S180)
i)根据优化信息通过VTF的优化来生成OTF。
2.按权利要求1所述的方法，
其中，迭代地执行步骤c)至i)，
其中，在步骤i)中生成的OTF作为步骤c)中的VTF被提供用于接下来的迭代。
3.按权利要求2所述的方法，
其中，步骤d)至i)以这样的频率迭代地执行，直至优化信息满足预设的条件。
4.按前述权利要求之一所述的方法，
其中，所述VMD描述B1场、尤其是B1图，和/或B0场、尤其是B0图，和/或畸变场。
5.按前述权利要求之一所述的方法，
其中，步骤g)所基于的假设涉及通过VMD描述的B1图和/或畸变图的平滑度。
6.按前述权利要求之一所述的方法，
其中，优化信息的确定包括将数据保真度信息和至少一个假设保真度信息相对地加权。
7.按前述权利要求之一所述的方法，
其中，所述TBD和/或KTBD是压缩的图像数据。
8.按前述权利要求之一所述的方法，
其中，所述VTF基于神经网络、尤其是卷积神经网络，尤其基于U-Net，
其中，为了优化所述VTF，改变VTF所基于的神经网络的权重。
9.按前述权利要求之一所述的方法，
其中，所述VKBD的生成包括将通过VMD描述的B1图与通过TBD描述的磁共振成像相乘。
10.按前述权利要求之一所述的方法，
其中，所述数据保真度信息的确定包括将成本函数、尤其是L1成本函数应用于VKBD和KTBD。
11.按前述权利要求之一所述的方法，
其中，所述至少一个假设保真度信息的确定包括根据通过所述VMD描述的B1图和/或畸变图生成k空间数据kRD，
其中，所述kRD的生成包括将B1图和/或畸变图傅里叶变换到k空间中，
其中，根据所述kRD生成比较k空间数据，
其中，所述至少一个假设保真度信息的确定包括将成本函数、尤其是L1成本函数应用于kRD和比较k空间数据。
12.按权利要求11所述的方法，
其中，所述VkRD的生成包括将kRD的至少一个部段中的值设置为零，所述至少一个部段处于kRD的预设的、尤其是中心的部段外部。
13.一种计算机实施的用于借助经训练的函数提供磁场数据的方法，包括
-接收图像数据作为经训练的函数的输入数据，
-将所述经训练的函数应用于图像数据，
其中，所述经训练的函数是基于
i)对根据磁场数据校正的图像数据的数据保真度
和
ii)关于磁场数据的至少一个特性的至少一个假设
被训练的，
-提供磁场数据作为优化的经训练的函数的输出数据，
其中，所述经训练的函数尤其是优化的经训练的函数OTF，所述优化的经训练的函数通过按权利要求1至12之一所述的方法生成。
14.一种用于磁共振装置的系统控制单元，所述系统控制单元设计用于执行按权利要求13所述的方法。
15.一种计算机程序产品，所述计算机程序产品包括程序并且能够直接地装载到磁共振装置的能编程的系统控制单元的存储器中，具有程序指令，以便在所述程序在医学成像装置的系统控制装置中执行时，执行按权利要求13所述的方法。
CN202211664122.1A 2022-03-25 2022-12-23 用于提供磁场数据的经训练的函数及其应用 Pending CN116049670A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP22164397.6 2022-03-25
EP22164397.6A EP4249934A1 (de) 2022-03-25 2022-03-25 Trainierte funktion zur bereitstellung von magnetfelddaten und ihre anwendung

Publications (1)

Publication Number Publication Date
CN116049670A true CN116049670A (zh) 2023-05-02

Family

ID=80933634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211664122.1A Pending CN116049670A (zh) 2022-03-25 2022-12-23 用于提供磁场数据的经训练的函数及其应用

Country Status (3)

Country Link
US (1) US20230306599A1 (zh)
EP (1) EP4249934A1 (zh)
CN (1) CN116049670A (zh)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11009578B2 (en) * 2019-07-17 2021-05-18 GE Precision Healthcare LLC Systems and methods for predicting B1+ maps from magnetic resonance calibration images

Also Published As

Publication number Publication date
EP4249934A1 (de) 2023-09-27
US20230306599A1 (en) 2023-09-28

Similar Documents

Publication Publication Date Title
CN109477877B (zh) 磁共振成像系统和方法
US9482732B2 (en) MRI reconstruction with motion-dependent regularization
US10324153B2 (en) System and method for flip angle determination in magnetic resonance imaging
US20110241680A1 (en) Method and device for a magnetic resonance system control sequence
US10031201B2 (en) Method and apparatus for magnetic resonance imaging
JP2013192941A (ja) 磁気共鳴システムの制御シーケンスの決定方法
CN111443318B (zh) 磁共振图像处理方法、装置、存储介质和磁共振成像系统
JP2012521843A (ja) 加速ｂ１マッピング
US11486953B2 (en) Phase estimation for retrospective motion correction
US10705172B2 (en) Magnetic resonance apparatus and method for dynamic adjustment thereof with multiple adjustment parameters
US20150323635A1 (en) Method and apparatus for magnetic resonance imaging with radio frequency pulses generated according to phase criteria
Wang et al. Stochastic optimization of 3D non-cartesian sampling trajectory (SNOPY)
JPWO2006109550A1 (ja) 磁気共鳴イメージング装置及び方法
CN110074786B (zh) 核磁共振匀场方法、装置、计算设备及核磁共振成像系统
US11965945B2 (en) Magnetic resonance system and shimming method and imaging method thereof
US10261159B2 (en) Method and magnetic resonance apparatus for forming RF pulses for the compensation of inhomogeneities in the edge region of the magnetic resonance scanner
CN116049670A (zh) 用于提供磁场数据的经训练的函数及其应用
JP7183048B2 (ja) 磁気共鳴イメージングシステム、磁気共鳴イメージング方法、及び磁気共鳴イメージングプログラム
US20160124065A1 (en) Method and apparatus for correction of magnetic resonance image recordings with the use of a converted field map
EP3414585A1 (en) Distortion correction of multiple mri images based on a full body reference image
KR101797141B1 (ko) 자기 공명 영상 처리 장치 및 그 영상 처리 방법
EP4332604A1 (en) Image processing apparatus, image processing method, and magnetic resonance imaging apparatus
US20240206819A1 (en) Generating a motion-corrected magnetic resonance image dataset
JP2015019813A (ja) 磁気共鳴イメージング装置及び補正用ｂ１マップを計算する方法
US20220206097A1 (en) Magnetic resonance image processing method and device, and computer readable storage medium

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