CN116709973A - 用于快速重建功能磁共振图像的系统和方法 - Google Patents

用于快速重建功能磁共振图像的系统和方法 Download PDF

Info

Publication number
CN116709973A
CN116709973A CN202180082966.2A CN202180082966A CN116709973A CN 116709973 A CN116709973 A CN 116709973A CN 202180082966 A CN202180082966 A CN 202180082966A CN 116709973 A CN116709973 A CN 116709973A
Authority
CN
China
Prior art keywords
fmri
image
data acquisition
displacement
subject
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
CN202180082966.2A
Other languages
English (en)
Inventor
尼柯·多森巴赫
凯恩·布鲁纳
达米安·费尔
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.)
Nuss Imaging Co ltd
Original Assignee
Nuss Imaging Co 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 Nuss Imaging Co ltd filed Critical Nuss Imaging Co ltd
Publication of CN116709973A publication Critical patent/CN116709973A/zh
Pending legal-status Critical Current

Links

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
    • G01R33/4806—Functional imaging of brain activation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • 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
    • G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
    • G01R33/5676—Gating or triggering based on an MR signal, e.g. involving one or more navigator echoes for motion monitoring and correction
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
    • G01R33/5673—Gating or triggering based on a physiological signal other than an MR signal, e.g. ECG gating or motion monitoring using optical systems for monitoring the motion of a fiducial marker

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Neurosurgery (AREA)
  • Cardiology (AREA)
  • Power Engineering (AREA)
  • Pulmonology (AREA)
  • Neurology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供了用于产生静息态功能磁共振成像(rs‑fMRI)图像的系统和方法。该方法可以包括：接收在对象经受执行任务或经历刺激中的至少一者时从对象获取的功能磁共振成像(fMRI)数据，以及使用静息态fMRI(rs‑fMRI)重建过程重建当对象经受执行任务或经历刺激中的至少一者时获取的fMRI数据而不考虑执行任务或经历刺激中的至少一者以生成rs‑fMRI图像。该方法还可以包括显示rs‑fMRI图像和/或使用rs‑fMRI图像来确定在fMRI数据的获取期间对象的运动。

Description

用于快速重建功能磁共振图像的系统和方法
相关申请的交叉引用
本申请基于2020年12月9日提交的美国临时申请第63/123,302号，由其支持，并以引用的方式将其并入本文。
背景技术
任何种类的患者运动(无论是整体刚性运动还是复杂的变形运动)都是进行医学成像的最大障碍。一些临床应用要求以高空间分辨率精确地获取小信号，使得即使少量的运动也可能严重损害信息的临床价值。例如，大脑的磁共振成像(Magnetic ResonanceImagining，MRI)代表了非常有价值的临床应用，其非常容易受到即使少量运动也损害图像的临床价值的影响。例如，头部运动损害解剖或结构(T1加权、T2加权等)图像的价值，并且甚至可能对所谓的功能MRI(Functional MRI，fMRI)数据的临床效用造成更大的损害。在一些情况下，甚至亚毫米头部移动(例如，微移动)也可能系统地改变结构和功能MRI数据。因此，已经投入了许多努力来开发用于从MRI数据中去除头部运动失真的获取后方法。
从一个MRI数据帧到下一个MRI数据帧的头部移动(而不是远离参考帧的绝对移动)被认为引起最显著的MRI信号失真。运动有关的失真与逐帧位移(FramewiseDisplacement，FD)以及DVARS的测量强烈相关，FD表示从帧到帧的所有六个刚体方向上的绝对头部移动的和，DVARS是MRI图像的每个体素的微分时间过程的导数的均方根。因此，在MRI数据获取期间捕捉对象的移动的全局效应的测量(例如FD和DVARS)已经用于在各种事后方法中评估数据质量。例如，去除具有高于特定阈值的FD值的所有MRI数据帧(例如，排除具有大于0.2mm的FD值的数据帧)的事后帧审查已经成为用于改善功能MRI数据质量的常用方法。
尽管对于减少伪影是必要的，但是帧审查的代价很高。例如，在一些研究中，帧审查可以排除50％或更多的数据。例如，所谓的静息态功能连接MRI(Resting-StateFunctional-Connectivity MRI，rs-fcMRI)数据可能特别易受运动问题的影响，因为根据定义，这些研究在长度上是巨大的并且聚焦于由血氧水平依赖(Blood Oxygen LevelDependent，BOLD)对比机制引起的小信号。因为MRI测量的准确度随着帧数的增加而提高，所以可能需要最小数量的数据帧来获得可靠的数据。如果审查之后剩余的帧数太少，则调查者可能丢失来自患者的所有数据。为了避免这种损失，临床医生通常收集额外的“缓冲”数据，这是一种昂贵的实践，其本身不能保证给定参与者的足够高质量的MRI数据。去除运动失真数据同时维持足以实现期望数据质量的样本大小所需的过扫描已急剧增加了大脑MRI的成本和持续时间。当然，在某些方面，该解决方案只会使问题恶化。即，患者运动的可能性随着扫描持续时间而增加，因此延长扫描以收集额外数据仅增加了患者运动的可能性。
最近开发的具有前瞻性运动校正的结构MRI序列使用类似的方法来减少头部运动的有害影响。这些MRI序列将各个结构数据获取与全脑的快速、低分辨率快照(例如，回波平面图像(Echo-Planar Image，EPI))获取配对，其然后用作头部运动的标记或导航。这些运动校正结构序列计算连续导航图像之间的相对运动，并使用该信息来标记关联的结构数据帧以便排除和重新获取。这样，“审查”结构数据帧，从而增加结构MRI的持续时间和成本。
在fMRI的一般背景下的运动校正的这些挑战是巨大的。然而，在某些特定研究中，这些挑战明显更大，这些研究必然要求长度巨大并且固有地不能容忍运动。例如，根据定义，rs-fMRI需要扩展的获取，其同样延长了扫描的持续时间，并从而增加了数据运动破坏的机会和重新获取的成本。此外，rs-fMRI聚焦于从大脑引起小信号，其中，几分之一毫米反映临床信息的实质变化。
发明内容
本发明通过提供用于控制运动对使用功能磁共振成像(fMRI)产生的图像的影响的系统和方法来解决上述缺点。作为一个非限制性示例，如本文所提供的，用于实时运动识别的系统和方法可用于改进和最小化获取时间。另外或替代性地，根据本发明，可以使用rs-fMRI重建过程来重建用于重建任何形式的fMRI数据(即，BOLD对比数据)(无论是作为基于任务的fMRI数据还是作为静息态fMRI(rs-fMRI)数据获取的)的系统和方法。
在一种配置中，提供了一种用于执行功能磁共振成像(fMRI)数据集的静息态功能磁共振图像(rs-fMRI)重建的系统。该系统包括：磁体系统，其被配置为在对象的至少一部分周围生成极化磁场；磁梯度系统，其包括多个磁梯度线圈，该多个磁梯度线圈被配置为向极化磁场施加至少一个磁梯度场；以及射频(RF)系统，其被配置为向对象施加RF场并且使用线圈阵列从对象接收磁共振信号。该系统还包括计算机系统，其被编程为使用基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者来控制磁梯度系统和RF系统以获取fMRI数据集，并且在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间使用rs-fMRI重建过程来重建fMRI数据集以生成至少一个静息态(rs)图像。计算机系统还被编程为在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间，将至少一个rs图像与参考图像进行比较，以确定在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间的对象的运动，并确定与对象的运动相对应的对象的位移。计算机系统还被配置为在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间，生成被传送到MRI系统的操作者的位移的警报或实时指示中的至少一者。
在一种配置中，提供了一种用于功能磁共振成像(fMRI)数据集的静息态功能磁共振成像(rs-fMRI)重建的计算机实现的方法。该计算机实现的方法包括：在磁共振成像(MRI)系统执行基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者时，使用包括与至少一个存储设备通信的至少一个处理器并且与MRI系统通信的计算设备从MRI系统接收fMRI数据集。计算机实现的方法还包括：使用计算设备执行fMRI数据集的rs-fMRI重建以生成rs-fMRI图像，以及使用计算设备并且在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间将rs-fMRI图像与至少一个参考图像进行比较。计算机实现的方法还包括：使用计算设备基于将rs-fMRI图像与至少一个参考图像进行比较来确定对象的运动，以及使用计算设备向MRI系统的操作者传送指示在基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者期间检测到的运动的警报。
在另一配置中，提供了一种用于执行静息态功能磁共振成像(rs-fMRI)的系统。该系统包括：磁体系统，其被配置为在对象的至少一部分周围生成极化磁场；磁梯度系统，其包括多个磁梯度线圈，该多个磁梯度线圈被配置为向极化磁场施加至少一个磁梯度场；以及射频(RF)系统，其被配置为向对象施加RF场并且使用线圈阵列从对象接收磁共振信号，以根据fMRI数据获取形成rs-fMRI数据集。系统还包括计算机系统，其被编程为接收rs-fMRI数据集并将rs-fMRI数据集与参考数据集进行比较以确定对象的运动，确定与对象的运动相对应的对象的位移，以及生成在fMRI数据获取期间被传送到MRI系统的操作者的位移的警报或实时指示中的至少一者。
在又一配置中，提供了一种用于产生静息态功能磁共振成像(rs-fMRI)图像的方法。该方法包括：接收在对象经受执行任务或经历刺激中的至少一者时从对象获取的功能磁共振成像(fMRI)数据。方法还包括：使用静息态fMRI(rs-fMRI)重建过程重建当对象经受执行任务或经历刺激中的至少一者时获取的fMRI数据而不考虑执行任务或经历刺激中的至少一者以生成rs-fMRI图像，以及显示rs-fMRI图像。
本发明的前述和其它方面和优点将从以下描述中显现。在说明书中，参考了形成说明书一部分的附图，并且在附图中通过例示的方式示出了优选实施例。然而，该实施例不一定代表本发明的全部范围，因此，参考权利要求和本文来解释本发明的范围。在以下描述中，同样的附图标记从图到图将用于指代同样的零件。
附图说明
图1是根据本发明的用于处理fMRI数据集集合的方法的非限制性示例的流程图。
图2是例示了用于在fMRI数据获取期间向MRI系统的操作者和/或MRI系统内的患者提供感觉反馈的非限制性示例方法的流程图。
图3是例示了用于使用N阶滤波器去除与检测到的运动数据相关联的伪影的非限制性示例方法的流程图。
图4是例示了非限制性示例自适应滤波方法的流程图。
图5是根据本发明的用于执行磁共振成像的系统的示意图。
图6A是功能映射引导的介入靶向系统的示例的框图。
图6B是可以实现图6A的功能映射引导的介入靶向系统的部件的框图。
具体实施方式
提供了用于处理fMRI数据(例如静息态fMRI(rs-fMRI)数据和/或基于任务的fMRI数据)的系统和方法，以减少在没有运动破坏的情况下获取所有必要数据所需的运动伪影和扫描时间。对患者身体部分的运动的实时监测和预测可以包括但不限于fMRI扫描期间的头部运动。描述了用于将fMRI数据(例如从MRI扫描仪收集的数据集)与参考数据集对齐以便监测患者身体部分在fMRI扫描期间的运动的方法、计算机可读储存设备和系统。在各个方面，参考数据集提供了公共基础，从该公共基础可以获得并比较所有数据集的位移或运动。
根据本发明使用的fMRI数据可以包括基于任务的fMRI数据、rs-fMRI数据或其组合，并且当执行活动或任务时，还可以被称为血氧水平依赖(BOLD)数据或BOLD活动数据。基于任务的fMRI包括MRI获取，其中，在执行成像的同时，对象执行任务或对刺激作出反应。静息态fMRI是在执行成像的同时对象不执行任务或对刺激作出反应(或以其他方式经受刺激)的情况。相反，在获取BOLD数据的同时，对象躺在MR扫描仪中一段时间。rs-fMRI证明BOLD信号在大脑的不同区域之间高度相关的低频(＜0.1Hz)变化，这表明大脑的功能连接。rs-fMRI提出了独特的挑战，因为必须在长时间段内获取数据，并且对象的任何运动可能将有害的误差或伪影引入到所得图像中，从而否定rs-fMRI扫描的任何诊断能力。
常规fMRI图像重建涉及获取fMRI数据，该fMRI数据包括对象处于静止的时段和对象执行任务或经历刺激的时段两者。然后，利用传统fMRI重建或如本文所使用的“fMRI重建”处理所获取的数据。在fMRI重建中，基于任务/刺激的时段和没有任务/刺激的时段来重建fMRI。因此，围绕任务或刺激的时段与没有任务或刺激的时段之间的区别来专门设计重建。例如，在重建期间，可以对数据进行加权以选择对象执行任务的时段，并且减轻来自对象静止时段的重建图像中的任何误差。
在一些方面，根据本发明的系统和方法提供了使用rs-fMRI重建过程来重建对象的fMRI数据，其可以包括在执行任务或经历刺激期间获取的数据(即，fMRI数据集或基于任务的fMRI数据集)。与加权任务fMRI时段的常规方法相比，fMRI数据可仅使用rs-fMRI过程来重建。即，根据本发明可以使用rs-fMRI过程来忽视或不考虑任务或刺激之间的区别。这样，即使在获取“传统”或“基于任务”的fMRI数据时，即使在获取的一部分期间可能存在运动，也可以产生单个、鲁棒的图像集合。此外，通过忽视任务和非任务或刺激和非刺激数据的区别或权重，可以快速地重建图像。不考虑任务和非任务或刺激和非刺激数据的区别或权重的这种快速重建在本文中被称为rs-fMRI重建，因为该重建将数据处理为好像其是在患者静止时获取的，而不管这是否是真的。通过这样做，如所述的，可以执行图像的快速重建。例如，在根据本发明的运动管理过程中，这可以是有利的。即，使用rs-fMRI重建的这些图像允许在fMRI过程期间重建图像(例如，不需要在任务和刺激的整个过程中或在rs-fMRI获取的延长时间段内等待完成获取)，并且在fMRI数据获取过程期间产生的这些图像然后可以用于识别患者的运动，如将进一步描述的。
在各个方面，本文所述的系统和方法可以提高fMRI数据质量并降低与fMRI数据获取相关联的成本。在一个方面，根据本发明的方法以软件的形式来实现，该软件在fMRI数据获取(无论是静息态(rs-fMRI)还是基于任务的fMRI)期间实时计算并显示数据质量度量和/或汇总运动统计。在非限制性示例中，显示可以是在fMRI数据获取期间生成并被传送给临床医生和/或患者的GUI的形式。
本文提供的系统和方法克服了先前系统的至少若干缺点中的一者或多者。为了解决与通过先前系统进行过扫描以补偿运动失真数据相关联的缺点，本文提供的系统和方法可以向扫描仪操作者和/或经历扫描的对象提供实时反馈。操作者可以接收显示形式的反馈，该显示量化了扫描期间对象经历的运动量。可以基于实时计算的数据质量度量和汇总运动统计在扫描期间向对象提供感觉反馈，从而使得对象能够响应于所提供的反馈来相应地监测和调节其移动(例如，保持静止)。该系统和方法可以包括提供刺激条件，例如观看固定十字线或电影剪辑，以同时吸引对象，同时还向对象提供实时反馈。
为了本发明和所附权利要求的目的，术语“实时”或有关术语用于指代和定义系统的实时性能，其被理解为从给定事件到系统对该事件的响应的操作最后期限所服从的性能。例如，基于经验获取的信号的数据的实时提取和/或这样的数据的显示可以是在中断和不中断信号获取过程的情况下同时触发和/或执行的性能。
根据本发明，通过使扫描仪操作者能够继续各次扫描直到已经获取期望数量的低移动数据集，可以解决如上所述的常规系统的缺点。达到期望数量的低移动数据集的非限制性示例包括：(i)预测将在扫描结束时可用的可用数据集的数量；(ii)预测给定对象将可能必须被扫描直到已经获取达到准则的预设时间(低移动FD数据的分钟数)的时间量；(iii)使得能够选择和取消选择用于包括在实际和预测量的低移动数据中的特定单独扫描，等等。
先前，通常在完成给定对象的数据收集之后，或者更通常地，在完成整个群组的数据收集之后大批量地，离线分析大脑MRI的运动估计。推迟头部运动分析是昂贵且危险的，尤其是当扫描先前未被检查过的患者群体时以及在对数据收集协议或人员做出改变之后。
关于头部运动的实时信息可用于以多种不同方式减少头部运动，包括但不限于：通过影响MRI扫描仪操作者的行为以及通过影响MRI扫描对象的行为。扫描仪操作者可以被警告头部移动的任何突然或异常变化，并且可以被使得能够中断这样的扫描以调查对象是否已经由于变得不舒服而开始更多地移动并且如厕休息、毯子、重定位或其他干预是否可以使他们感觉更舒服。在一些方面，本文提供的方法还包括用于将关于头部运动的信息反馈给对象、在扫描后反馈和/或实时反馈的选项。所公开的方法允许扫描仪操作者找到以最低成本提供所需数量的低移动数据的“甜蜜点”。按照该方法，可以停止扫描，可以进一步指示或提醒对象尝试保持静止的方式，可以重新获取扫描等，以解决运动。
参考图1，示出了用于处理fMRI数据集的集合以将数据集与集合中的参考数据集对齐以补偿对象的移动的非限制性示例方法100。方法100包括在步骤102以fMRI数据集或图像/帧的形式从磁共振成像系统接收fMRI数据。fMRI数据集可由计算设备经由网络从磁共振成像系统接收，或者从耦合到计算设备或与计算设备通信的存储介质接收。如上所述，可以使用rs-fMRI过程来重建fMRI数据集，以便强调在静息态时段内获取的数据，而不是在对象执行任务时的时间段内获取的数据。如下所述，使用rs-fMRI重建过程还可以准备用于运动校正的数据。
方法100还可以包括在步骤104将数据集与参考数据集进行比较。各个数据集或图像可以通过一系列刚体变换Ti与参考数据集对齐，其中i为数据集i到数据集I的参考的空间配准编索引，从第二数据集开始。可以通过将配准误差最小化到绝对最小值或低于所选截止点来计算各个变换：
其中，I(x)是轨迹x处的图像强度，s是补偿平均信号强度波动的标量因子，平均信号强度在整个大脑上空间平均，如由尖括号所描绘的。在一些方面，可使用4dfp cross_realign3d_4dfp算法(参见Smyser，C.D.等人，2010，Cerebral cortex 20，2852-2862，(2010年))来重新对齐数据集，以引用的方式明确将该文献并入本文。也可以使用替代的对齐算法来对齐数据集。
在各个方面，各个变换可以由旋转和位移的组合来表示，如由下式描述：
其中，Ri表示包括三个轴中的每一者处的三个基本旋转的3×3旋转矩阵(参见下面的示例1)，di表示3×1列位移向量。Ri可以包括在三个轴的每一者处的三个基本旋转，如由下式表达：Ri＝RiαRiβRiγ，其中，
方法100还可以包括确定在数据集或图像与先前数据集或图像之间的身体部分的相对运动，如步骤106所示。在一个非限制性示例中，在步骤106，方法100可计算在当前图像帧与在前图像帧之间的身体部分的相对运动。身体部分的相对运动(例如，头部运动)可以从六个对齐参数x、y、z、θx、θy和θζ计算，其中，x、y、z是三个坐标轴中的平移，而θx、θy和θζ是围绕这些轴的旋转。
可选地，方法100还可以包括在步骤108确定数据质量度量，例如总位移，以生成例如头部运动的多个位移向量。在非限制性示例中，可以通过在六个方向上加上身体部分(例如，头部)的绝对位移来计算总位移，从而将身体部分视为刚体。可使用以下公式将例如第I帧的第I数据集的头部运动转换为标量：
位移i＝|Adix|+|Adiy|+|Adiz|+|Acq|+|Δβ；|+|Δγ；| (6)
其中，Δdix＝d(i_1)x-dix；Δdiy＝d(i_1)y-diy；Δdiz＝d(i_1)z-diz，等等。
通过计算表示被成像的身体部分的3D体积的表面上的位移，可以将旋转位移|Δαi|、|Δβi|和|Δγi|从度数转换成毫米。在非限制性示例中，如果头部被成像，则被选择来计算位移的3D体积可以是球体。由于各个数据集与参考数据集重新对齐，因此可通过从位移i(对于当前数据集，其可对应于当前帧)减去位移i-1(对于先前数据集，其可对应于先前帧)来计算位移。
在一些方面，方法100还可以包括在步骤110排除具有在总位移的预先识别的阈值之上的截止点的数据集。在完成时，方法100可以返回到MRI扫描中的各个后续数据集的开始。在步骤112，可以执行数据质量度量的显示，并且在步骤114，可以执行扫描中剩余时间的预测。
参考图2，示出了例示用于在数据获取期间向MRI系统的操作者和/或MRI系统内的患者提供感觉反馈的非限制性示例方法200的流程图。方法200可包括在步骤202基于在扫描期间为MRI设备中的患者确定的移动的一个或多个分量来计算数据质量度量。如本文所述，可以在步骤202计算任何数据质量度量而没有限制，包括但不限于任何一个或多个如上所述的位移分量(例如，逐帧位移、逐切片位移/运动)、如上所述的总位移、包括如上所述的DVARS的其他数据质量度量、及其任意组合。
方法200包括在步骤204基于在步骤202计算的数据质量度量的至少一部分实时地生成对MRI系统的操作者的视觉显示。合适的视觉反馈显示的非限制性示例包括GUI、灯条、视频、图像等的至少一部分。在各个方面，如本文所述，用于MRI系统的操作者的视觉反馈显示可包括视觉元素，包括但不限于显示扫描中接收的所有数据集的数据质量度量的一个或多个图表、关于当前和先前扫描的质量的汇总统计表、传达当前扫描中获得的可用数据集的累计数量的图形或表格元素、传达当前扫描中剩余的时间量和/或当前扫描中剩余的获得预定数量的可用扫描的预测时间量的表格或图形元素、及其任意组合。在各个方面，当计算各个相关量时，可以以直到更新各个显示的实时速率的任何预选速率来更新视觉反馈显示的元素。视觉反馈显示的元素可以响应于来自MRI系统的操作者的请求来更新，并且视觉反馈显示的元素可以响应于多个因素中的至少一者而动态更新，该多个因素包括但不限于对象在数据集之间的被监测运动的显著增加、累积运动或任何其他合适的准则。
方法200可以可选地包括在步骤206在获取fMRI数据期间为扫描仪中的患者生成感觉反馈显示。如下面更详细地描述的，基于包括但不限于患者年龄和状况的多个因素中的至少一者，在步骤206生成的感觉反馈显示可以以范围从扫描结束时的单个更新到实时连续更新的多种刷新速率更新。
在各个方面，方法200还可以包括在步骤208响应于在步骤206生成的感觉反馈显示确定患者在先前数据集与当前数据集之间的总移动。在一个方面，方法200还包括在步骤210评估多个因素中的至少一者以确定是否应当终止当前fMRI扫描。在各个方面，可以根据多个终止准则中的至少一者来终止扫描，该多个终止准则包括但不限于不可接受的高幅度的一个或多个移动、不可接受的高数量的相对低幅度移动、确定获得了合适数量的可用数据集、预测了在扫描中剩余的时间内不能获得合适数量的可用数据集、预测了在合理的累积扫描时间内不能获得合适数量的可用数据集、及其任意组合。如果在步骤210确定继续扫描，则方法200可传送至少一个反馈信号212，该反馈信号将部分地用于在步骤202计算数据质量度量，以开始方法200对后续数据集的另一次迭代。
在一个方面，本文提供的系统和方法可以向经受MRI扫描的对象提供视觉反馈显示。在该方面，视觉反馈显示的特性可以变化，以基于使用如上所述的方法获得的对象的检测的运动来传达对象的移动的发生。视觉反馈显示的一个或多个元素的任何特性可以被选择为变化，以便传达移动的发生，包括但不限于尺寸、形状、颜色、纹理、亮度、焦点、位置、闪烁速率、视觉元素的任何其他合适的特性、及其任意组合。
在另一方面，可以向经受MRI扫描的对象提供听觉反馈显示。听觉反馈显示的特性可以变化，以基于使用如上所述的方法获得的对象的检测的运动来传达对象的移动的发生。听觉反馈显示的一个或多个元素的任何特性可以被选择为变化，以便传达移动的发生，包括但不限于音乐选择的回放中的暂停、音乐选择的回放的恢复、口头提示、音调的音量、音调的音高、一系列中的各个音调的持续时间、一系列音调的重复率、音调的音高或音量的稳定性或波动、听觉反馈的任何其它合适的特性、及其任意组合。
在各个方面，感觉反馈显示的特性可以基于在MRI扫描仪中检测到的对象的移动的程度或幅度而变化。在一个方面，感觉反馈显示的特性可以与检测到的对象的移动的程度成比例地连续变化。在另一方面，感觉反馈显示的特性可以在离散特性集合内变化，其中，离散集合中的各个特性被配置为传达一个级别的移动的发生，包括但不限于无移动、低移动、中等或中间级别的移动、以及高度移动。
在各个其他方面，感觉反馈显示可以响应于单个移动分量(例如单个x、y或z方向上的平移或围绕单个x、y或z方向的旋转)的变化而变化，感觉反馈显示可以响应于两个或更多个移动分量的组合的变化而变化，或者感觉反馈显示可以响应于例如上述位移的总体移动度量而变化。在一个方面，可以改变感觉反馈显示的单个特性来向对象传达移动的发生。在另一方面，独立改变感觉反馈的两个或更多个特性来将移动的发生传达给对象，其中，各个特性基于移动的分量的子集而变化。以非限制性示例的方式，感觉反馈显示可以包括基于对象在x方向上的移动而变化的第一特性以及基于对象在y方向和z方向上的组合移动而独立地变化的第二特性。在非限制性示例中，感觉反馈显示可以包括向患者显示的颜色编码指示，例如使用红色来指示在x方向上已经发生运动，使用绿色来指示在y方向上的运动，以及使用蓝色来指示在z方向上的运动。
在各个方面，更新感觉反馈显示的特性的频率的范围可以从扫描结束时的单个反馈显示到与由该方法监测移动的实时频率相当的频率以及任何中间频率而没有限制，其中单个反馈显示传达在扫描期间是否维持足够低的移动。在各个方面，更新感觉反馈显示的特性的频率可以基于要在MRI扫描仪中成像的对象的至少一个特性来选择，该至少一个特性包括但不限于对象的年龄、对象的状况(例如注意力缺陷障碍或学习能力丧失)、以及对象的任何其他相关特性，但不限于此。在各个方面，该方法基于来自单个数据集的运动值或跨多个数据集的运动值的组合来提供反馈。在各个其它方面，该方法提供实时反馈和延时反馈。以非限制性示例的方式，如果将高更新频率用于非常小的儿童的感觉反馈显示，则显示可以鼓励儿童增加MRI扫描仪内的移动，作为提供更有趣和动态的感觉反馈体验的方式。在各个方面，更新感觉反馈显示的特性的频率可以被指定为贯穿MRI扫描的恒定更新速率，或者更新速率可以基于对对象的运动的瞬时和/或累积评估而动态地变化。
在感觉反馈的非限制性示例中，可以指示经受fMRI扫描的对象观看固定十字线(例如，目标)。可以基于检测到的对象的移动(例如，头部运动)对十字线进行颜色编码，并且可以指示对象通过在扫描期间保持静止而将十字线维持在特定颜色(例如，第一颜色)。由于检测到的对象移动的变化，十字线可以变为第二颜色(例如，表示中等移动)或第三颜色(例如，表示高移动)，从而使得对象能够在扫描期间监测和调节他或她自己的移动。
在感觉反馈的非限制性示例中，可以指示经受MRI扫描的对象观看电影剪辑。基于对象的移动水平(例如，低移动、中等移动、高移动)，电影剪辑上的视觉障碍可以阻止对象观看电影剪辑的一些部分。例如，可以指示对象在扫描期间保持静止，以便观看电影剪辑的无遮挡视图。基于对象的移动水平，电影剪辑可能被某一尺寸的矩形块(例如，用于中等移动的小的黄色矩形以及用于高移动的大的红色矩形)遮挡。因此，对象能够在扫描期间基于实时视觉反馈来监测和调节他或她自己的移动。
可以为实时视觉显示或感觉反馈提供固定的和自适应的反馈条件。在固定反馈条件的一个方面，低、中等和高运动的阈值可以在fMRI扫描的持续时间内保持恒定。在自适应反馈条件的另一方面，低、中等和高运动的阈值在fMRI扫描的持续时间期间可以变化并且可以用更严格(例如，更低)的阈值代替。在自适应反馈条件下，MRI扫描仪可以适应对象保持静止的能力，并且例如增加保持十字线为第一颜色或电影剪辑视觉上不受遮挡的难度水平。
在一些方面，MRI获取过程的变化包括但不限于多频带成像，使得能够相对于先前的fMRI获取过程改进时间和空间分辨率。然而，改进的时间和空间分辨率可能伴随有来自获取后数据集对齐过程的运动估计中的伪影，其被认为主要由呼吸期间的胸部运动引起。不受任何特定理论的限制，与呼吸相关联的胸部运动在MRI数据获取期间改变静磁场(B0)，并且这“欺骗”了在实时运动监测中用于校正“头部移动”的任何数据集与数据集的对齐过程，即使在没有实际头部移动的情况下。在一个方面，提供了可选的带阻(或陷波)滤波器以从运动估计中去除呼吸相关的伪影，从而增强运动的实时表示的准确度。
陷波滤波器(例如，带阻滤波器)可以应用于运动测量以从由对象的呼吸引起的运动估计中去除伪影。对象的呼吸可能污染fMRI中的移动估计，从而使获得的fMRI数据的质量失真。一些方面利用通用陷波滤波器来关于功率捕捉样本群体的呼吸峰值的大部分。可以使用基于特定于对象的呼吸带数据的滤波器参数的对象特定滤波器。
可以实现带阻滤波器(例如，陷波滤波器)以去除运动估计中与混叠呼吸速率相对应的杂散信号。该滤波器可以去除不期望的频率分量，同时使其它分量不受影响。陷波滤波器可以包括中心截止频率和将被消除的带宽或频率范围的设计参数。为了建立中心截止频率和带宽的参数，可以分析在数据获取期间从fMRI的各种对象获得的呼吸速率的分布，并且分布的中值可以用作截止频率，并且分布的四分位数2和3可以用于确定陷波滤波器的带宽。在建立这些参数之后，可以使用MR陷波滤波器函数来设计陷波滤波器。对于给定的采样速率(1/TR)，呼吸速率可以不是混叠的。在其他情况下，当TR和呼吸速率的组合导致混叠时，可以替代地使用混叠的呼吸速率。
所设计的滤波器可以包括差分方程。当应用于表示运动估计的序列时，该差分方程可以递归地加权两个先前的样本，以提供瞬时滤波信号。该过程可以从第三个样本开始，对先前的两个点加权，并且继续直到最后的时间点被滤波。在这种实现方式中，滤波信号可以具有相对于原始信号的相位延迟。该相位延迟可以通过两次应用滤波器来补偿，一次向前，第二次向后，使得相反的相位滞后彼此抵消。一旦滤波器被应用于整个序列，则可以向后重新应用相同的滤波器(差分方程)，其中前向滤波序列的最后时间点被用作滤波器的后向应用的第一点，并且递归过程可以继续，直到前向滤波序列的第一时间点被滤波。在各个方面，所设计的陷波滤波器(通用的和对象特定的)可以应用于运动估计后处理序列以提高数据质量。
参考图3，示出了例示用于使用N阶滤波器去除与检测到的运动数据(例如呼吸)相关联的伪影的非限制性示例方法300的流程图。在一个方面，方法300包括在步骤302从MRI系统接收用于创建N阶滤波器的2N+1个数据集。除了2N+1个数据集之外，方法300还可以包括在步骤304基于最小和最大呼吸频率创建N阶滤波器。在各个方面，可以使用各种设备和方法来获得对象的呼吸速率，包括但不限于装配到对象的呼吸监测带、从在MRI扫描仪中的患者获得的MRI信号中提取呼吸频率信息以及任何其他合适的方法，而没有限制。
方法300还可以包括在步骤306使用本文描述的方法计算患者的身体部分的运动。该方法还可包括在步骤308将在步骤302创建的N阶滤波器应用于相对于数据获取时间在正向和反向上设置的当前数据集。在两个方向上的N阶滤波器可以用于从滤波数据中消除相位滞后。使用滤波后的运动估计，可以在步骤310计算包括但不限于位移的数据质量度量。如果在步骤312获得了额外数据集，则该方法可以用在步骤312接收到的数据集来替换先前在步骤302接收到的2N+1个数据集中的最早数据集，以发起方法300的后续迭代。
由于可以通过按照陷波滤波器的差分方程对先前的估计进行加权来滤除运动的各个瞬时估计，因此还可以实时应用所设计的滤波器。在一个方面，滤波器伪实时地运行以最小化任何产生的相位滞后。在这个方面，一旦获得了指定数量的样本，例如在非限制性示例中为5个样本，则可以应用两次滤波器，并且最佳估计将是与第三样本相对应的值。该延迟信号将不具有相位延迟。当获得各个新样本时，滤波器可以被应用于整个序列两次，并且该过程可以被重复。每次测量新的样本，滤波序列将收敛到更接近于当滤波器被应用于整个序列两次时获得的最佳输出。在给定运行的最终数据集处，滤波序列然后与在后处理期间获得的滤波序列相同。因此，可以实时使用所设计的陷波滤波器，以使用上述运动预测方法来提高运动的实时估计的准确度。
在各个方面，可以实时应用包括最小二乘自适应滤波的自适应滤波方法，以从包括但不限于位移数据的测量的对象移动数据中识别并去除与来自对象移动数据的不期望频率(例如心脏和/或呼吸频率)相关联的信号内容，而不同时向这些数据引入相位滞后。在一个方面，实时自适应滤波器可以用于从fMRI数据中去除呼吸相关的伪影。
参考图4，示出了例示非限制性示例自适应滤波方法400的流程图。该方法在步骤402利用未滤波的信号，包括但不限于从数据集导出的位移(例如，逐帧位移(FD)、逐切片位移等)数据以及在步骤404的噪声信号的最佳估计，数据集使用上述方法从MRI扫描仪中的对象获得，噪声信号在步骤406使用自适应滤波器消除。自适应滤波方法400可以在步骤408通过梯度下降实时最小化不期望信号对测量信号的贡献，从而提供最佳滤波序列。该方法可以在步骤410重复。要输入到自适应滤波器的合适的噪声信号的非限制性示例包括MRI扫描仪中的对象的呼吸速率的实时测量、具有与对象的呼吸速率对应的频率的不同相位处的多个正弦信号的总和、以及对象的呼吸速率的任何其他合适的估计。在一个方面，可以在获取T1w或先前序列并将其用作信号噪声输入的同时测量参与者的呼吸速率。
在一个方面，自适应滤波方法400包括接收使用上述方法确定的在各个方向(即，x、y、z、θx、θy、θζ)上的头部移动的第一估计。头部移动的这个第一估计包括真实头部移动(s)和不期望的伪影(n0)。这两个信号(s)和(n0)可被假定为独立且不相关的。可以使用对所接收的不期望伪影(n1＝n0)的最佳估计的额外输入。如果不期望的伪影n0对应于呼吸速率，则可以提供该信号作为呼吸速率的实时测量。在另一方面，如果呼吸的实时测量不可用，则可以生成包括多个正弦信号之和的正弦信号，其中，最可能的呼吸速率对应于扫描仪中的对象。该误差信号可以由自适应滤波器滤除以生成误差信号的优化估计(y(T))。在这个方面，自适应滤波器的目标可以是最大化误差信号的优化估计(y(T))和头部移动的测量估计(d(T))的相关性。当使用第一数据集时，自适应滤波器可以对信号(n0)没有影响。同样在该方面，可从头部移动的测量估计(d(T))中减去误差信号的优化估计(y(T))以计算误差信号(即e(T)＝s+n0-y(T))。该误差可以用作反馈信号以修改自适应滤波器的参数，从而使信号(y(t))尽可能与测量(d(T))相关。由于真实头部移动(s)和真实伪影(n0)不相关，因此可以通过n0与n0之间的匹配来驱动使n0与d(T)之间的相关性最大化。因此，减去这些信号(d(T)和y(T))去除了不期望的伪影。在一个方面，可以使用得到确认的方法来实现自适应滤波方法，该方法中，二阶差分方程的参数被优化以最大化对不期望伪影的估计。
在各个方面，根据本发明的方法可以由包括MRI系统和一个或多个处理器或计算设备的系统来实现。在各个方面，本文所述的一个或多个操作可以由具有被编程为执行操作的物理电路的一个或多个处理器来实现。在各个其它方面，该方法的一个或多个步骤可由一个或多个处理器或计算设备自动执行。在各个另外方面，所例示的各种动作可以以所例示的顺序、以其它顺序、并行地执行，或在一些情况下可省略。
在一些方面，上述方法和过程可以使用包括一个或多个计算机的计算系统来实现。本文所述的方法和过程可以实现为计算机应用、计算机服务、计算机API、计算机库和/或其他计算机程序产品。
参考图5，例示了可以实现这里描述的方法的MRI系统500的示例。MRI系统500包括操作者工作站502，其可包括显示器504、一个或多个输入设备506(例如键盘、鼠标)和处理器508。处理器508可以包括运行市售操作系统的市售可编程机器。操作者工作站502提供便于将扫描参数录入到MRI系统500中的操作者界面。操作者工作站502可以耦合到不同的服务器，包括例如脉冲序列服务器510、数据获取服务器512、数据处理服务器514和数据存储服务器516。操作者工作站502和服务器510、512、514和516可以经由通信系统540连接，该通信系统可以包括有线或无线网络连接。
脉冲序列服务器510响应于由操作者工作站502提供的指令而运行，以操作梯度系统518和射频(“RF”)系统520。产生用于执行规定扫描的梯度波形，并将其施加到梯度系统518，该梯度系统然后激励组件522中的梯度线圈以产生磁场梯度Gx、Gy以及Gz，其用于对磁共振信号进行空间编码。梯度线圈组件522形成磁体组件524的一部分，该磁体组件包括极化磁体526和全身RF线圈528。
RF系统520将RF波形施加到RF线圈528或单独的局部线圈，以执行规定的磁共振脉冲序列。由RF线圈528或单独的局部线圈检测的响应磁共振信号由RF系统520接收。响应磁共振信号可以在由脉冲序列服务器510产生的命令的指导下放大、解调、滤波和数字化。RF系统520包括RF发送器，其用于产生在MRI脉冲序列中使用的各种RF脉冲。RF发送器响应于来自脉冲序列服务器510的规定扫描和方向，以产生具有期望频率、相位和脉冲振幅波形的RF脉冲。所生成的RF脉冲可以施加到全身RF线圈528或一个或多个局部线圈或线圈阵列。
RF系统520还包括一个或多个RF接收器通道。RF接收器通道包括：RF前置放大器，其放大由与其连接的线圈528接收的磁共振信号；以及检测器，其检测并数字化所接收的磁共振信号的I和Q正交分量。因此，可以在采样点通过I和Q分量的平方和的平方根来确定所接收的磁共振信号的幅度：
并且还可以根据以下关系来确定所接收的磁共振信号的相位：
脉冲序列服务器510可以从生理获取控制器530接收患者数据。以示例的方式，生理获取控制器530可以从连接到患者的多个不同传感器接收信号，包括来自电极的心电图(“ECG”)信号或者来自呼吸风箱或其他呼吸监测设备的呼吸信号。这些信号可以由脉冲序列服务器510使用，以使扫描的执行与对象的心跳或呼吸同步或“门控”。
脉冲序列服务器510还可以连接到扫描室接口电路532，其接收来自与患者和磁体系统的状况相关联的各种传感器的信号。通过扫描室接口电路532，患者定位系统534可以接收命令以在扫描期间将患者移动到期望的位置。
由RF系统520产生的数字化磁共振信号样本由数据获取服务器512接收。数据获取服务器512响应于从操作者工作站502下载的指令而操作，以接收实时磁共振数据并提供缓冲存储，使得数据不会由于数据超限而丢失。在一些扫描中，数据获取服务器512将获取的磁共振数据传递到数据处理器服务器514。在需要从获取的磁共振数据导出的信息以控制扫描的进一步执行的扫描中，数据获取服务器512可以被编程为产生这样的信息并且将其传送到脉冲序列服务器510。例如，在预扫描期间，可以获取磁共振数据并且将其用于校准由脉冲序列服务器510执行的脉冲序列。作为另一示例，可以获取导航器信号并将其用于调节RF系统520或梯度系统518的操作参数，或控制对k空间进行采样的视图顺序。在又一示例中，数据获取服务器512还可以处理用于在磁共振血管造影(“MRA”)扫描中检测造影剂到达的磁共振信号。例如，数据获取服务器512可以获取磁共振数据并对其进行实时处理以产生用于控制扫描的信息。
数据处理服务器514从数据获取服务器512接收磁共振数据，并根据由操作者工作站502提供的指令处理磁共振数据。这种处理可以包括例如通过执行原始k空间数据的傅里叶变换、执行其他图像重建算法(例如，迭代或反向投影重建算法)、将滤波器应用于原始k空间数据或重建图像、生成功能磁共振图像、或计算运动或流动图像来重建二维或三维图像。
由数据处理服务器514重建的图像被传送回操作者工作站502以便存储。实时图像可以存储在数据库存储器高速缓存中，它们可以从该高速缓存中输出到操作者显示器502或显示器536。批模式图像或选定的实时图像可以存储在磁盘储存器538上的主机数据库中。当这样的图像已经被重建并被转移到储存器时，数据处理服务器514可以通知操作者工作站502上的数据存储服务器516。操作者工作站502可以由操作者用来存档图像、制作胶片或者经由网络将图像发送到其他设施。
MRI系统500还可包括一个或多个联网工作站542。例如，联网工作站542可以包括显示器544、一个或多个输入设备546(例如，键盘、鼠标)和处理器548。联网工作站542可以位于与操作者工作站502相同的设施内，或者位于不同的设施中，例如不同的保健机构或诊所。
联网工作站542可以经由通信系统540获得对数据处理服务器514或数据存储服务器516的远程访问。因此，多个联网工作站542可以访问数据处理服务器514和数据存储服务器516。这样，磁共振数据、重建图像或其他数据可以在数据处理服务器514或数据存储服务器516与联网工作站542之间交换，使得数据或图像可以由联网工作站542远程处理。
现在参考图6A，示出了根据本发明中描述的系统和方法的一些实施例的用于功能映射引导的介入靶向(例如，确定用于大脑刺激的解剖目标)的系统600的示例。如图6A所示，计算设备650可以从可以是MRI源的图像源602接收一种或多种类型的数据(例如，fMRI、基于任务的fMRI和/或rs-fMRI数据)。在一些实施例中，计算设备650能够执行功能映射引导的介入靶向系统604的至少一部分，以根据从图像源602接收的数据生成介入目标。
另外地或替代性地，在一些实施例中，计算设备650可以通过通信网络654将关于从图像源602接收的数据的信息传送到服务器652，服务器652可以执行功能映射引导的介入靶向系统604的至少一部分。在这样的实施例中，服务器652可以向计算设备650(和/或任何其他合适的计算设备)返回指示功能映射引导的介入靶向系统604的输出的信息。
在一些实施例中，计算设备650和/或服务器652可以是任何合适的计算设备或设备的组合，例如台式计算机、膝上型计算机、智能电话、平板计算机、可穿戴计算机、服务器计算机、由物理计算设备执行的虚拟机等。计算设备650和/或服务器652还可以根据数据重建图像。
在一些实施例中，图像源602可以是图像数据(例如，测量数据、从测量数据重建的图像)的任何合适的源，例如磁共振成像系统、另一计算设备(例如，存储图像数据的服务器)等。在一些实施例中，图像源602可以在计算设备650本地。例如，图像源602可以与计算设备650合并(例如，计算设备650可以配置为用于捕捉、扫描和/或存储图像的设备的一部分)。作为另一示例，图像源602可以通过电缆、直接无线链路等连接到计算设备650。另外地或替代性地，在一些实施例中，图像源602可以位于计算设备650本地和/或远程，并且可以经由通信网络(例如，通信网络654)将数据传送到计算设备650(和/或服务器652)。
在一些实施例中，通信网络654可以是任何合适的通信网络或通信网络的组合。例如，通信网络654可以包括Wi-Fi网络(其可以包括一个或多个无线路由器、一个或多个交换机等)、对等网络(例如，蓝牙网络)、蜂窝网络(例如，3G网络、4G网络等，其遵守任何适当的标准，例如CDMA、GSM、LTE、高级LTE、WiMAX等)、有线网络等。在一些实施例中，通信网络654可以是局域网、广域网、公共网络(例如，因特网)、专用或半专用网络(例如，公司或大学内联网)、任何其他合适类型的网络、或网络的任何合适组合。通信链路可以分别是任何合适的通信链路或通信链路的组合，例如有线链路、光纤链路、Wi-Fi链路、蓝牙链路、蜂窝链路等。
现在参考图6B，示出了根据本发明中描述的系统和方法的一些实施例的可以用于实现图像源602、计算设备650和服务器652的硬件700的示例。如图6B所示，在一些实施例中，计算设备650可以包括处理器702、显示器704、一个或多个输入706、一个或多个通信系统708和/或存储器710。在一些实施例中，处理器702可以是任何合适的硬件处理器或处理器的组合，例如中央处理单元(“CPU”)、图形处理单元(“GPU”)等。在一些实施例中，显示器704可以包括任何合适的显示设备，例如计算机监视器、触摸屏、电视机等。在一些实施例中，输入706可以包括可以用于接收用户输入的任何合适的输入设备和/或传感器，例如键盘、鼠标、触摸屏、麦克风等。
在一些实施例中，通信系统708可以包括用于通过通信网络654和/或任何其它合适的通信网络来传送信息的任何合适的硬件、固件和/或软件。例如，通信系统708可以包括一个或多个收发器、一个或多个通信芯片和/或芯片集等。在更特定的示例中，通信系统708可以包括可以用于建立Wi-Fi连接、蓝牙连接、蜂窝连接、以太网连接等的硬件、固件和/或软件。
在一些实施例中，存储器710可以包括可以用于存储指令、值、数据等的任何适当的一个或多个存储设备，该指令、值、数据等可以例如由处理器702用于使用显示器704呈现内容、经由一个或多个通信系统708与服务器652通信等。存储器710可以包括任何合适的易失性存储器、非易失性存储器、储存器或其任何合适的组合。例如，存储器710可以包括RAM、ROM、EEPROM、一个或多个闪存驱动器、一个或多个硬盘、一个或多个固态驱动器、一个或多个光学驱动器等。在一些实施例中，存储器710可以在其上编码或以其他方式在其中存储用于控制计算设备650的操作的计算机程序。在这样的实施例中，处理器702可以执行计算机程序的至少一部分以呈现内容(例如，图像、用户界面、图形、表格)、从服务器652接收内容、向服务器652发送信息等。
在一些实施例中，服务器652可以包括处理器712、显示器714、一个或多个输入716、一个或多个通信系统718和/或存储器720。在一些实施例中，处理器712可以是任何合适的硬件处理器或处理器的组合，例如CPU、GPU等。在一些实施例中，显示器714可以包括任何合适的显示设备，例如计算机监视器、触摸屏、电视机等。在一些实施例中，输入716可以包括可以用于接收用户输入的任何合适的输入设备和/或传感器，例如键盘、鼠标、触摸屏、麦克风等。
在一些实施例中，通信系统718可以包括用于通过通信网络654和/或任何其它合适的通信网络来传送信息的任何合适的硬件、固件和/或软件。例如，通信系统718可以包括一个或多个收发器、一个或多个通信芯片和/或芯片集等。在更特定的示例中，通信系统718可以包括可以用于建立Wi-Fi连接、蓝牙连接、蜂窝连接、以太网连接等的硬件、固件和/或软件。
在一些实施例中，存储器720可以包括可以用于存储指令、值、数据等的任何适当的一个或多个存储设备，该指令、值、数据等可以例如由处理器712用于使用显示器714呈现内容、与一个或多个计算设备650通信等。存储器720可以包括任何合适的易失性存储器、非易失性存储器、储存器或其任何合适的组合。例如，存储器720可以包括RAM、ROM、EEPROM、一个或多个闪存驱动器、一个或多个硬盘、一个或多个固态驱动器、一个或多个光学驱动器等。在一些实施例中，存储器720可以在其上编码有用于控制服务器652的操作的服务器程序。在这样的实施例中，处理器712可以执行服务器程序的至少一部分以向一个或多个计算设备650发送信息和/或内容(例如，数据、图像、用户界面)，从一个或多个计算设备650接收信息和/或内容，从一个或多个设备(例如，个人计算机、膝上型计算机、平板计算机、智能电话)接收指令等。
在一些实施例中，图像源602可以包括处理器722、一个或多个图像获取系统724、一个或多个通信系统726和/或存储器728。在一些实施例中，处理器722可以是任何合适的硬件处理器或处理器的组合，例如CPU、GPU等。在一些实施例中，一个或多个图像获取系统724通常被配置为获取数据、图像或两者，并且可以包括MR成像系统。另外地或替代性地，在一些实施例中，一个或多个图像获取系统724可包括用于耦合到MR成像系统和/或控制MR成像系统的操作的任何合适的硬件、固件和/或软件。在一些实施例中，一个或多个图像获取系统724的一个或多个部分可以是可去除的和/或可替换的。
注意，尽管未示出，图像源602可以包括任何合适的输入和/或输出。例如，图像源602可以包括可以用于接收用户输入的输入设备和/或传感器，例如键盘、鼠标、触摸屏、麦克风、轨迹板、轨迹球等。作为另一示例，图像源602可以包括任何合适的显示设备，例如计算机监视器、触摸屏、电视机等、一个或多个扬声器等。
在一些实施例中，通信系统726可以包括用于(并且在一些实施例中，通过通信网络654和/或任何其它合适的通信网络)向计算设备650传送信息的任何合适的硬件、固件和/或软件。例如，通信系统726可以包括一个或多个收发器、一个或多个通信芯片和/或芯片集等。在更特定的示例中，通信系统726可以包括可以用于使用任何合适的端口和/或通信标准(例如，VGA、DVI视频、USB、RS-232等)、Wi-Fi连接、蓝牙连接、蜂窝连接、以太网连接等来建立有线连接的硬件、固件和/或软件。
在一些实施例中，存储器728可以包括可以用于存储指令、值、数据等的任何合适的一个或多个存储设备，该指令、值、数据等可以例如由处理器722用于控制一个或多个图像获取系统724，和/或从一个或多个图像获取系统724接收数据；从数据重建图像；使用显示器呈现内容(例如，图像、用户界面)；与一个或多个计算设备650通信；等等。存储器728可以包括任何合适的易失性存储器、非易失性存储器、储存器或其任何合适的组合。例如，存储器728可以包括RAM、ROM、EEPROM、一个或多个闪存驱动器、一个或多个硬盘、一个或多个固态驱动器、一个或多个光学驱动器等。在一些实施例中，存储器728可以在其上编码或以其他方式在其中存储用于控制图像源602的操作的程序。在这样的实施例中，处理器722可以执行程序的至少一部分以生成图像，向一个或多个计算设备650发送信息和/或内容(例如，数据、图像)，从一个或多个计算设备650接收信息和/或内容，从一个或多个设备(例如，个人计算机、膝上型计算机、平板计算机、智能电话等)接收指令等。
在一些实施例中，任何合适的计算机可读介质可用于存储用于执行本文所述的功能和/或过程的指令。例如，在一些实施例中，计算机可读介质可以是瞬态的或非瞬态的。例如，非瞬态计算机可读介质可以包括介质，例如磁介质(例如，硬盘、软盘)、光学介质(例如，压缩盘、数字视频盘、蓝光光盘)、半导体介质(例如，随机存取存储器(“RAM”)、闪存、电可编程只读存储器(“EPROM”)、电可擦可编程只读存储器(“EEPROM”))、在传输期间不闪现或缺乏任何持久外观的任何合适的介质、和/或任何合适的有形介质。作为另一示例，瞬态计算机可读介质可以包括网络上、导线、导体、光纤、电路中、或在传输期间闪现且缺乏任何持久外观的任何合适的介质中、和/或任何合适的无形介质中的信号。
本发明已经描述了一个或多个优选实施例，并且应当理解，除了明确陈述的那些之外，许多等同物、替代物、变更和修改是可能的并且在本发明的范围内。

Claims (23)

1.一种用于执行功能磁共振成像(fMRI)数据集的静息态功能磁共振图像(rs-fMRI)重建的系统，包括：
磁体系统，其被配置为在对象的至少一部分周围生成极化磁场；
磁梯度系统，其包括多个磁梯度线圈，所述多个磁梯度线圈被配置为向所述极化磁场施加至少一个磁梯度场；
射频(RF)系统，其被配置为向所述对象施加RF场并且使用线圈阵列从所述对象接收磁共振信号；
计算机系统，其被编程为：
使用基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者来控制所述磁梯度系统和所述RF系统以获取fMRI数据集；
在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间，使用rs-fMRI重建过程来重建所述fMRI数据集以生成至少一个静息态(rs)图像；
在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间，将所述至少一个rs图像与参考图像进行比较，以确定在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间的所述对象的运动；
确定与所述对象的所述运动相对应的所述对象的位移；以及
在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间，生成被传送到所述MRI系统的操作者的所述位移的警报或实时指示中的至少一者。
2.根据权利要求1所述的系统，其中，所述计算机系统还被编程为指示受所述位移影响的所述fMRI数据集的量或受所述位移影响的所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者的一部分中的至少一者。
3.根据权利要求1所述的系统，其中，所述计算机系统还被编程为使用六个对齐参数来确定所述对象的所述运动，其中，所述六个对齐参数是x、y、z、θx、θy和θζ。
4.根据权利要求1所述的系统，其中，所述参考图像包括使用所述rs-fMRI重建过程从所述fMRI数据集重建的先前rs图像。
5.根据权利要求1所述的系统，其中，所述计算机系统还被编程为预测低于预定位移阈值的所述fMRI数据集的量，并且还包括显示器，所述显示器被配置为在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间向所述对象实时显示低于所述阈值的fMRI数据集的预测量。
6.根据权利要求5所述的系统，其中，预测低于所述阈值的fMRI数据集的所述量包括应用线性模型(y＝mx+b)，其中，y是在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的至少一者完成时可用的低于所述阈值的所述fMRI数据集的预测量，x是连续数据集的计数，以及m和b是针对各个对象的实时估计。
7.根据权利要求1所述的系统，其中，将所述至少一个rs-fMRI图像与所述参考图像进行比较包括计算一系列刚体变换Ti；其中，i为所述至少一个rs-fMRI图像到从所述fMRI数据集重建的至少一个先前图像的空间配准编索引，其中，通过最小化配准误差来计算所述一系列刚体变换中的每个刚体变换：
其中，I(x)表示轨迹x处的图像强度，s表示补偿平均信号强度波动的标量因子。
8.根据权利要求7所述的系统，其中，所述一系列刚体变换中的每个刚体变换由旋转和位移的组合表示，由下式给出：
其中，Ri表示旋转的3×3矩阵；di表示位移的3×1列向量，并且其中，Ri表示在各个轴处的三个基本旋转。
9.根据权利要求1所述的系统，其中，确定总位移包括从所述至少一个rs-fMRI图像的当前图像的位移减去所述至少一个rs-fMRI图像中的先前图像的位移。
10.根据权利要求1所述的系统，其中，还包括感觉反馈系统，其被配置为基于所述位移向所述对象发送感觉反馈，以提示所述位移或潜在的未来位移的减轻。
11.一种用于功能磁共振成像(fMRI)数据集的静息态功能磁共振成像(rs-fMRI)重建的计算机实现的方法，所述计算机实现的方法包括：
在磁共振成像(MRI)系统执行基于任务的fMRI数据获取或rs-fMRI数据获取中的至少一者时，使用包括与至少一个存储设备通信的至少一个处理器并且与所述MRI系统通信的计算设备从所述MRI系统接收fMRI数据集；
使用所述计算设备执行对所述fMRI数据集的rs-fMRI重建，以生成rs-fMRI图像；
使用所述计算设备并且在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间将所述rs-fMRI图像与至少一个参考图像进行比较；
使用所述计算设备基于将所述rs-fMRI图像与所述至少一个参考图像进行比较来确定所述对象的运动；以及
使用所述计算设备向所述MRI系统的操作者传送指示在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间检测到的运动的警报。
12.根据权利要求11所述的计算机实现的方法，其中，确定所述对象的所述运动包括使用六个对齐参数，其中，所述六个对齐参数是x、y、z、θx、θy和θζ。
13.根据权利要求12所述的计算机实现的方法，其中，所述六个对齐参数包括逐帧或逐切片对齐中的至少一者。
14.根据权利要求11所述的计算机实现的方法，其中，所述参考数据集包括所述rs-fMRI图像的先前图像。
15.根据权利要求11所述的计算机实现的方法，其中，还包括：
使用所述计算设备预测低于预定位移阈值的fMRI数据集的量；以及
在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的所述至少一者期间，使用所述计算设备实时地传送低于所述阈值的fMRI数据集的预测量。
16.根据权利要求15所述的计算机实现的方法，其中，预测低于所述阈值的fMRI数据集的所述量包括应用线性模型(y＝mx+b)，
其中，y是在所述基于任务的fMRI数据获取或所述rs-fMRI数据获取中的至少一者完成时可用的低于所述阈值的fMRI数据集的预测量，x是连续数据集的计数，以及m和b是针对各个对象的实时估计。
17.根据权利要求11所述的计算机实现的方法，其中，将所述rs-fMRI图像与至少一个参考图像进行比较包括计算一系列刚体变换Ti，其中，i为所述rs-fMRI图像到与所述rs-fMRI图像的先前部分图像对应的所述至少一个参考图像的空间配准编索引，其中，通过最小化配准误差来计算所述一系列刚体变换中的每个刚体变换：
其中，I(x)表示轨迹x处的图像强度，s表示补偿平均信号强度波动的标量因子。
18.根据权利要求17所述的计算机实现的方法，其中，所述一系列刚体变换中的每个刚体变换由旋转和位移的组合表示，由下式给出：
其中，Ri表示旋转的3×3的矩阵D；di表示位移的3×1列向量，并且其中，Ri表示在各个轴处的三个基本旋转。
19.根据权利要求11所述的计算机实现的方法，其中，确定所述总位移包括从所述rs-fMRI图像的位移中减去所述rs-fMRI图像的先前图像的位移。
20.根据权利要求11所述的计算机实现的方法，其中，还包括：使用所述计算设备基于所述位移向所述对象发送感觉反馈以提示所述位移或潜在的未来位移的减轻。
21.一种用于生成静息态功能磁共振图像(rs-fMRI)的系统，包括：
磁体系统，其被配置为在对象的至少一部分周围生成极化磁场；
磁梯度系统，其包括多个磁梯度线圈，所述多个磁梯度线圈被配置为向所述极化磁场施加至少一个磁梯度场；
射频(RF)系统，其被配置为向所述对象施加RF场并且使用线圈阵列从所述对象接收磁共振信号；
计算机系统，其被编程为：
控制所述梯度系统和所述RF系统执行基于任务的fMRI获取，以从所述对象获取基于任务的fMRI数据集；
使用rs-fMRI重建过程来重建所述基于任务的fMRI数据集，以从所述基于任务的fMRI数据集生成rs-fMRI图像。
22.一种用于执行静息态功能磁共振成像(rs-fMRI)的系统，包括：
磁体系统，其被配置为在对象的至少一部分周围生成极化磁场；
磁梯度系统，其包括多个磁梯度线圈，所述多个磁梯度线圈被配置为向所述极化磁场施加至少一个磁梯度场；
射频(RF)系统，其被配置为向所述对象施加RF场，并且使用线圈阵列从所述对象接收磁共振信号，以根据fMRI数据获取形成rs-fMRI数据集；
计算机系统，其被编程为：
接收所述rs-fMRI数据集并将所述rs-fMRI数据集与参考数据集进行比较以确定所述对象的运动；
确定与所述对象的所述运动相对应的所述对象的位移；以及
生成所述位移的警报或实时指示中的至少一者，所述警报或实时指示在所述fMRI数据获取期间被传送到所述MRI系统的操作者。
23.一种用于产生静息态功能磁共振成像(rs-fMRI)图像的方法，所述方法包括：
接收在对象经受执行任务或经历刺激中的至少一者时从所述对象获取的功能磁共振成像(fMRI)数据；
使用静息态fMRI(rs-fMRI)重建过程重建当所述对象经受执行任务或经历刺激中的至少一者时获取的所述fMRI数据而不考虑执行所述任务或经历所述刺激中的所述至少一者以生成rs-fMRI图像；以及
显示所述rs-fMRI图像。
CN202180082966.2A 2020-12-09 2021-12-09 用于快速重建功能磁共振图像的系统和方法 Pending CN116709973A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063123302P 2020-12-09 2020-12-09
US63/123,302 2020-12-09
PCT/US2021/062560 WO2022125748A1 (en) 2020-12-09 2021-12-09 System and method for rapidly reconstrucing functional magnetic resonance images

Publications (1)

Publication Number Publication Date
CN116709973A true CN116709973A (zh) 2023-09-05

Family

ID=81973950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180082966.2A Pending CN116709973A (zh) 2020-12-09 2021-12-09 用于快速重建功能磁共振图像的系统和方法

Country Status (6)

Country Link
US (1) US20240045011A1 (zh)
EP (1) EP4258985A1 (zh)
JP (1) JP2024505113A (zh)
CN (1) CN116709973A (zh)
IL (1) IL302999A (zh)
WO (1) WO2022125748A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3593355A4 (en) 2017-03-08 2020-12-09 Washington University REAL-TIME MONITORING AND PREDICTION OF MOTION IN MRI

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2545641B (en) * 2015-12-15 2020-05-27 Siemens Medical Solutions Usa Inc A method for detecting motion in a series of image data frames, and providing a corresponding warning to a user
EP3593355A4 (en) * 2017-03-08 2020-12-09 Washington University REAL-TIME MONITORING AND PREDICTION OF MOTION IN MRI
EP3660530A1 (en) * 2018-11-29 2020-06-03 Koninklijke Philips N.V. Real-time fmri

Also Published As

Publication number Publication date
WO2022125748A1 (en) 2022-06-16
IL302999A (en) 2023-07-01
EP4258985A1 (en) 2023-10-18
US20240045011A1 (en) 2024-02-08
JP2024505113A (ja) 2024-02-02

Similar Documents

Publication Publication Date Title
US12050257B2 (en) Real time monitoring and prediction of motion in MRI
US11449989B2 (en) Super-resolution anatomical magnetic resonance imaging using deep learning for cerebral cortex segmentation
Dosenbach et al. Real-time motion analytics during brain MRI improve data quality and reduce costs
US10588587B2 (en) System and method for accelerated, time-resolved imaging
US20170156630A1 (en) System and method for adaptive and patient-specific magnetic resonance imaging
US11874359B2 (en) Fast diffusion tensor MRI using deep learning
US11269036B2 (en) System and method for phase unwrapping for automatic cine DENSE strain analysis using phase predictions and region growing
US11412975B2 (en) System and method for measuring functional brain specialization
EP3397979B1 (en) System and method for assessing tissue properties using chemical-shift-encoded magnetic resonance imaging
WO2023219963A1 (en) Deep learning-based enhancement of multispectral magnetic resonance imaging
CN116709973A (zh) 用于快速重建功能磁共振图像的系统和方法
US10517556B2 (en) System and method for temporal fidelity enhanced medical imaging using temporal deconvolution
EP4281793A1 (en) System and method for determining data quality using k-space magnetic resonance imaging data
US20230162861A1 (en) Neuronal Activity Mapping Using Phase-Based Susceptibility-Enhanced Functional Magnetic Resonance Imaging
US20230136320A1 (en) System and method for control of motion in medical images using aggregation
US11497412B2 (en) Combined oxygen utilization, strain, and anatomic imaging with magnetic resonance imaging
WO2023205497A1 (en) Multi-spectral susceptibility-weighted magnetic resonance imaging
EP3910644A1 (en) Quality control in medical imaging
WO2024059624A2 (en) System and method for interventional planning for the treatment of brain disorders

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