CN116942133A - 参数确定方法、装置和医学设备 - Google Patents

参数确定方法、装置和医学设备 Download PDF

Info

Publication number
CN116942133A
CN116942133A CN202310949978.1A CN202310949978A CN116942133A CN 116942133 A CN116942133 A CN 116942133A CN 202310949978 A CN202310949978 A CN 202310949978A CN 116942133 A CN116942133 A CN 116942133A
Authority
CN
China
Prior art keywords
parameter
voxel
target
time
parameters
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
CN202310949978.1A
Other languages
English (en)
Inventor
乔阳紫
王凯
张丽
董怡婧
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.)
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Original Assignee
Shenzhen United Imaging Research Institute of Innovative Medical Equipment
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 Shenzhen United Imaging Research Institute of Innovative Medical Equipment filed Critical Shenzhen United Imaging Research Institute of Innovative Medical Equipment
Priority to CN202310949978.1A priority Critical patent/CN116942133A/zh
Publication of CN116942133A publication Critical patent/CN116942133A/zh
Pending legal-status Critical Current

Links

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
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请涉及一种参数确定方法、装置和医学设备。所述方法包括：获取多个重建图像，并根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线，进而将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移。采用本方法能够提高参数的确定效率。

Description

参数确定方法、装置和医学设备
技术领域
本申请涉及医学技术领域，特别是涉及一种参数确定方法、装置和医学设备。
背景技术
基于磁共振的定量技术越来越广泛地应用于医学领域中，例如，磁共振声辐射力成像(MR acoustic radiation force imaging，MR-ARFI)可以检测生物组织的微米级位移，用于反映组织弹性，是聚焦超声(Focused ultrasound，FUS)治疗中焦点定位的重要手段。
传统的基于自旋回波的磁共振声辐射力成像方法中确定参数的过程效率较低。故而，如何提高参数确定的效率是本领域人员的重点研究内容。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高效率的参数确定方法、装置和医学设备。
第一方面，本申请提供了一种参数确定方法。该方法包括：
获取多个重建图像；多个重建图像是医学设备根据多个伪随机参数确定的图像；多个伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况；
根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线；
将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移；目标字典包括多个模拟曲线，模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况。
在其中一个实施例中，第一参数中各运动编码梯度的起始时间，与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；第一参数中各运动编码梯度的终止时间，与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。
在其中一个实施例中，伪随机参数还包括第三参数和第四参数；第三参数用于表征医学设备的翻转角度随时间变化的情况，第四参数用于表征医学设备的重复时间随时间变化的第四参数。
在其中一个实施例中，组织参数包括纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一种；将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移，包括：
将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线；
根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。
在其中一个实施例中，根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移，包括：
根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小；
根据各体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各体素对应的组织内位移。
在其中一个实施例中，将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线，包括：
针对各体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为体素对应的目标模拟曲线。
在其中一个实施例中，第二参数中各聚焦超声脉冲对应的占空比小于第三阈值。
在其中一个实施例中，该方法还包括：
获取伪随机的多个候选参数，候选参数包括第一候选参数和第二候选参数；第一候选参数用于表征医学设备的运动编码梯度随时间变化的情况，第二候选参数用于表征医学设备的聚焦超声脉冲随时间变化的情况；
根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，确定各候选参数对应的候选字典；
根据各候选字典，确定伪随机参数。
第二方面，本申请还提供了一种参数确定装置。该装置包括：
第一获取模块，用于获取多个重建图像；多个重建图像是医学设备根据多个伪随机参数确定的图像；多个伪随机参数包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况；
第一确定模块，用于根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线；
第二确定模块，用于将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移；目标字典包括多个模拟曲线，模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况。
第三方面，本申请还提供了一种医学设备。该医学设备包括激励装置、采集装置、重建装置和处理器；
激励装置，用于根据伪随机参数产生聚焦超声脉冲，以使受检者的感兴趣组织在聚焦超声脉冲的作用下产生运动；
采集装置，用于获取在激励装置的作用下得到的成像数据；
重建装置，用于根据成像数据得到多个重建图像；
处理器，用于执行上述任一方法的步骤。
第四方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
第五方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
第六方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法的步骤。
上述参数确定方法、装置和医学设备，获取多个重建图像，并根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线，进而将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移。由于重建图像是医学设备根据多个伪随机参数确定的图像，而多个伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况，因此，多个重建图像之间就存在区分度，根据重建图像确定出的目标磁共振信号曲线就能反映出体素对应的信号强度随时间的变化情况。进一步地，由于目标字典包括多个模拟曲线，而模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况，因此，将目标磁共振信号曲线与目标字典进行匹配之后，就可以确定出体素对应的组织参数以及组织内位移。如此，仅需要确定医学设备工作时的伪随机参数，在得到医学设备根据伪随机参数确定的重建图像之后，就可以利用重建图像和目标字典，实现对重建图像中各体素的组织内位移及组织参数的同步定量，以提高参数确定的效率。
附图说明
图1为本申请实施例中参数确定方法的应用环境图；
图2为本申请实施例中参数确定方法的流程示意图；
图3为一种本申请实施例中一种伪随机参数的示意图；
图4为一种本申请实施例中一种医学设备的工作时序图；
图5为本申请实施例中一种确定参数的流程示意图；
图6为本申请实施例中又一种确定参数的流程示意图；
图7为本申请实施例中一种确定伪随机参数的流程示意图；
图8为本申请实施例中一种参数确定方法的过程示意图；
图9为本申请实施例中参数确定装置的结构框图；
图10为本申请实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
磁共振声辐射力成像(MR acoustic radiation force imaging，MR-ARFI)主要是利用运动编码梯度(motion encoding gradient,MEG)对毫秒级的脉冲式聚焦超声辐射力在生物组织内部产生的微米级的微小位移进行编码的一种技术。
MR-ARFI可以分为基于自旋回波的MR-ARFI和基于快速梯度回波的MR-ARFI。在基于自旋回波的MR-ARFI中，由于需要进行自旋回波，因此重复时间(repetition time，TR)较长，进而导致扫描时间长、成像效率低。并且，由于扫描时间长，基于自旋回波的MR-ARFI也容易受到运动伪影和B0场漂的影响。
基于快速梯度回波的MR-ARFI缩短了TR，虽然能够提高成像的效率，但由于也引入额外的温度效应。目前，基于梯度回波的MR-ARFI主要应用于温度、位移的同步监控，因此，基于梯度回波的MR-ARFI无法实现单独、准确的位移定量。
基于此，有必要针对上述技术问题提供一种参数确定方法，下述将对该参数确定方法进行介绍。
图1为本申请实施例中参数确定方法的应用环境图，本申请实施例提供的参数确定方法可以应用于如图1所示的应用环境中。其中，激励装置101能够产生聚焦超声脉冲。采集装置102能够获取在激励装置的作用下得到的成像数据，并由重建装置103根据成像数据得到多个重建图像。
处理器104能够分别与激励装置101、采集装置102和重建装置103进行通信。处理器104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。处理器104也可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一些应用场景中，处理器104也可以包括中央处理器(Central ProcessingUnit，CPU)，还可以包括数字信号处理器(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件。
图2为本申请实施例中参数确定方法的流程示意图，该方法可以应用于图1所示的处理器中，在一个实施例中，如图2所示，包括以下步骤：
S201，获取多个重建图像；多个重建图像是医学设备根据多个伪随机参数确定的图像；多个伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。
在本实施例中，医学设备会根据伪随机参数进行工作。伪随机参数可以是处理器确定之后发送给医学设备的参数，也可以提前存储在医学设备中的参数，以由医学设备在工作时直接调用。
进一步可选的，伪随机参数可以是处理器根据预设算法生成的参数，也可以是由用户随机指定，并通过处理器下发至医学设备的参数。其中，预设算法可以包括但不限于是直接法、逆转法。
伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。其中，运动编码梯度包括但不限于是位移编码梯度。
聚焦超声脉冲能够作用于组织，以使受检者的感兴趣组织在所述聚焦超声脉冲的作用下产生运动，运动编码梯度使得组织内的位移可以体现在相位图的变化上，从而方便后续位移的定量。
示例性地，假设第一参数表示在第10s～第11s存在运动编码梯度，在第12s～第13s存在聚焦波脉冲，则医学设备就会在按照第一参数和第二参数，在第10s～第11s产生运动编码梯度，并在第12s～第13s产生聚焦波脉冲。可以理解的是，在一些实施例中，医学设备实际产生运动编码梯度和聚焦波脉冲的时间可能相对于第一参数和第二参数存在延时。
进一步可选的，第一参数和第二参数均可以是与时间有关的序列，例如第一参数包括第一时刻、第二时刻、第三时刻、……第t时刻的位移编码梯度的值；第二参数包括第一时刻、第二时刻、第三时刻、……第t时刻的聚焦波脉冲的值。其中，t是大于等于1的整数，位移编码梯度的值是0或1，0表示存在位移编码梯度，1表示不存在位移编码梯度；同样地，位移编码梯度的值也可以是0或1，0表示存在聚焦波脉冲，1表示不存在聚焦波脉冲。
在一个实施例中，可选的，伪随机参数还包括第三参数和第四参数；第三参数用于表征医学设备的翻转角度(Flip Angle，FA)随时间变化的情况，第四参数用于表征医学设备的重复时间随时间变化的第四参数。
可选的，第三参数和第四参数也均可以是与时间有关的序列，例如第三参数包括第一时刻、第二时刻、第三时刻、……第t时刻的TR的值；第四参数包括第一时刻、第二时刻、第三时刻、……第t时刻的FA的值。其中，TR的值和FA的值为大于等于0的数。
由于伪随机参数还包括医学设备的翻转角度((Flip Angle，FA))随时间变化的情况以及重复时间随时间变化的第四参数，因此，医学设备就可以更准确地根据伪随机参数确定多个重建图像。
之后，医学设备就会基于伪随机参数进行工作，并基于伪随机参数确定多个重建图像。由于重建图像是医学设备在伪随机参数下工作得到的，因此，各重建图像之间就会存在一定的区分度。其中，重建图像可以是高度欠采样的复数图像。
更进一步地，处理器就可以获取到上述的多个重建图像。可选的，医学设备可以在确定出重建图像的情况下将该重建图像实时发送给处理器；医学设备也可以将重建图像发送给其他电子设备，由其他电子设备发送至处理器；处理器也可以根据医学设备的工作情况和伪随机参数，模拟出医学设备的各重建图像，本实施例不做限制。
S202，根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线。
在本实施例中，多个重建图像的大小可以相同。以处理器获取到N张重建图像，重建图像1～重建图像N均包括体素1～体素M为例，体素1表示每个重建图像中同一个位置1，体素2表示每个重建图像中同一个位置2，以此类推。其中，N和M均是大于1的整数。
进而，根据重建图像1的体素1的信号强度、重建图像2的体素1的信号强度、重建图像3的体素1的信号强度、……重建图像N的体素1的信号强度，就可以确定体素1对应的目标磁共振信号曲线1。
同样地，处理器就可以根据上述N个重建图像，确定出M个体素对应的目标磁共振信号曲线1～目标磁共振信号曲线M。也即是实现了根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线。
换句话说，目标磁共振信号曲线能够体现出同一位置的体素的信号强度在每张重建图像的变化情况。例如，目标磁共振信号曲线1能够体现出N张重建图像中位置1的信号强度的变化情况。
可以理解的是，在一些实施例中，处理器也可以对医学设备产生的初始重建图像进行裁剪，以大小相同的多个重建图像。
S203，将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移；目标字典包括多个模拟曲线，模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况。
在本实施例中，目标字典根据伪随机参数确定，并且，目标字典包括根据伪随机参数生成的所有可预见的磁共振信号随时间变化的模拟曲线。换句话说，目标字典包含了受检者在该伪随机参数下，可能出现的磁共振信号随时间演化的情况，是一个提前仿真得到的结果。也即是，目标字典包括多个模拟曲线，模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况。
可选的，处理器可以接收其他电子设备发送的目标字典，并存储该目标字典，以便后续直接调用。
在一些实施例中，在需要对目标磁共振信号曲线与目标字典进行匹配的情况下，处理器也可以根据伪随机参数生成目标字典。可选的，处理器可以根据布洛赫(Bloch)方程和伪随机参数，确定目标字典。
进一步可选的，处理器可以根据受检者的属性确定各字典条目的取值范围。例如人体脑部的T1值可以从几毫秒到几千毫秒。其中，字典条目可以包括但不限于是纵向弛豫时间(longitudinal relaxation time，T1)、横向弛豫时间(transerse relaxation time，T2)、质子密度(Pronton Density，PD)、主磁场大小(B0)、组织内位移(D)。更进一步地，处理器就可以采用Bloch方程对不同取值范围下的字典条目进行仿真，得到多个模拟曲线。例如，处理器在T1取值为A1、T2取值为A2、PD取值为A3、B0取值为A4、D取值为A5的情况下，得到模拟曲线1，在T1取值为B1、T2取值为B2、PD取值为B3、B0取值为B4、D取值为B5的情况下，得到模拟曲线2，以此类推。
各体素对应的组织参数可以是纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小中的至少一项。
处理器确定各体素对应的目标磁共振信号曲线和目标字典之后，就可以将各体素对应的目标磁共振信号曲线与目标字典进行匹配，以确定各体素对应的组织参数以及组织内位移。
换句话说，在得到实际的各重建图像对应的目标磁共振信号曲线之后，根据得到的实际的目标磁共振信号曲线“查”目标字典，就可以在目标字典得到与目标磁共振信号曲线匹配的目标模拟曲线，从而提取出该目标模拟曲线的所对应字典条目。
示例性地，以体素1对应的目标磁共振信号曲线1为例，假设目标字典包括模拟曲线1～模拟曲线500，处理器将目标磁共振信号曲线1与目标字典进行匹配之后，确定模拟曲线1为目标模拟曲线，而模拟曲线1对应的字典条目中T1取值为A1、T2取值为A2、PD取值为A3、B0取值为A4、D取值为A5，则处理器也确定出体素1对应的T1取值为A1、T2取值为A2、PD取值为A3、B0取值为A4、D取值为A5。
在一些实施例中，处理器也可以将目标磁共振信号曲线1与目标字典进行匹配之后，确定模拟曲线1～模拟曲线5的多个模拟曲线为目标模拟曲线，并对模拟曲线1～模拟曲线5分别对应的字典条目进行后处理，以确定体素1的对应的组织参数以及组织内位移。其中，后处理可以是平均处理、加权平均处理等。
本实施例提供的参数确定方法，获取多个重建图像，并根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线，进而将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移。由于重建图像是医学设备根据多个伪随机参数确定的图像，而多个伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况，因此，多个重建图像之间就存在区分度，根据重建图像确定出的目标磁共振信号曲线就能反映出体素对应的信号强度随时间的变化情况。进一步地，由于目标字典包括多个模拟曲线，而模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况，因此，将目标磁共振信号曲线与目标字典进行匹配之后，就可以确定出体素对应的组织参数以及组织内位移。如此，仅需要确定医学设备工作时的伪随机参数，在得到医学设备根据伪随机参数确定的重建图像之后，就可以利用重建图像和目标字典，实现对重建图像中各体素的组织内位移及组织参数的同步定量，以提高参数确定的效率。
在一个实施例中，可选的，第一参数中各运动编码梯度的起始时间，与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；第一参数中各运动编码梯度的终止时间，与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。
在本实施例中，为了提高重建图像的质量，以提高参数确定的准确性，在医学设备的工作过程中，伪随机参数中的聚焦超声脉冲和运动编码梯度应当具有同步性。其中，同步性可以理解为聚焦超声脉冲和运动编码梯度保持一致或者具有一定的延时。
也就是说，第一参数中各运动编码梯度的起始时间需要与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值，第一参数中各运动编码梯度的终止时间，需要与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。其中，第一差值和第二差值可以是大于0的数，也可以是小于0的数，表示。换句话说，运动编码梯度相当于聚焦超声脉冲可以提前开启或延后开启，也可以提前关闭或延后关闭。
图3为一种本申请实施例中一种第一参数和第二参数的示意图，图3示出了运动编码梯度和聚焦超声脉冲分别随时间变化的情况。如图3的虚线所示，示例性地，第一个运动编码梯度的起始时间与第一个聚焦超声脉冲的起始时间可以相同，第二个运动编码梯度的起始时间与第二个聚焦超声脉冲的起始时间可以相同，第三个运动编码梯度的起始时间与第三个聚焦超声脉冲的起始时间可以相同。如此，也即实现了第一参数中各运动编码梯度的起始时间与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值。终止时间同理，此处不再赘述。
图4为一种本申请实施例中一种医学设备的工作时序图，如图4所示，图4(a)示出了一种医学设备的工作时序图，图4(b)基于图4(a)示出了伪随机的效果示意图，如图4所示，医学设备根据设定好的射频脉冲、选层梯度、损毁梯度以及伪随机的位移编码梯度和伪随机的聚焦超声脉冲，就可以完成采集和重建工作，以产生多个重建图像。
需要说明的是，图3和图4以位移编码梯度为极性相反的正负两个梯度、螺旋式(Spiral)读出为例。该医学设备的采集方式也可以包括但不限于是笛卡尔式(Cartesian)采集、放射式(Radial)采集及其他非Cartesian采集方式。在一些实施例中，也可以改变医学设备中射频激发的相位角，使用射频扰相(RF-spoiled)梯度回波序列进行成像。
本实施例由于第一参数中各运动编码梯度的起始时间，与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值，并且，第一参数中各运动编码梯度的终止时间，与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值，因此，伪随机参数中的运动编码梯度和聚焦超声脉冲就能保持较好的同步性，进而提高确定的组织参数以及组织内位移的准确性。
图5为本申请实施例中一种确定参数的流程示意图，参照图5，本实施例涉及的是如何确定各体素对应的组织参数以及组织内位移的一种可选的实现方式。在上述实施例的基础上，组织参数包括纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一种；上述的S203，将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移，包括如下步骤：
S501，将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线。
在本实施例中，处理器会将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，以确定各体素对应的目标模拟曲线。
可选的，处理器可以将遍历每个目标磁共振信号曲线与每个模拟曲线之间的差异情况，并根据差异情况确定各体素对应的目标模拟曲线。其中，差异情况可以用内积结果和/或相似度来衡量。
示例性地，假设目标字典包括模拟曲线1～模拟曲线P，则处理器可以计算目标磁共振信号曲线1与P个模拟曲线之间的相似度，并将相似度最大的模拟曲线作为与目标磁共振信号曲线1匹配的目标模拟曲线，也即确定了体素1对应的目标模拟曲线。其他体素对应的目标模拟曲线以此类推。其中，P是大于1的整数。
S502，根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。
在本实施例中，处理器在确定各体素对应的目标模拟曲线之后，就可以根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。
可选的，处理器可以利用Bloch方程对各体素对应的目标模拟曲线进行求解，以直接同时求解出各体素对应的T1、T2、PD、B0中的至少一项以及组织内位移。
在一个实施例中，可选的，处理器可以一次定量出各体素对应的T1、T2、PD、B0以及D。以体素1的目标模型曲线为模拟曲线1为例，处理器可以根据模拟曲线1确定出体素1对应的T1、T2、PD、B0和D。
本实施例将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线，并根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。因此，实现了对组织内位移及组织参数的同步定量，从而提高了参数确定的效率。
图6为本申请实施例中又一种确定参数的流程示意图，参照图6，本实施例涉及的是如何确定各体素对应的组织参数以及组织内位移的一种可选的实现方式。在上述实施例的基础上，上述的S502，根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移，包括如下步骤：
S601，根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小。
S602，根据各体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各体素对应的组织内位移。
在本实施例中，处理器也可以先根据各体素对应的目标模拟曲线，确定各体素对应的T1、T2、PD和B0，再根据各体素对应的目标模拟曲线以及已经定量出的T1、T2、PD和B0，间接定量出各体素对应的D。
可选的，处理器可以在采用分离式重建与匹配，先基于重建图像的幅值图对T1、T2、PD和B0定量，再基于重建图像的相位图出各体素对应的D。
进一步可选的，处理器可以利用Bloch方程对各体素对应的目标模拟曲线进行求解，先确定出T1、T2、PD和B0，再将T1、T2、PD和B0代回至目标模拟曲线进行求解，以确定出D。以体素1的目标模型曲线为模拟曲线1为例，处理器可以根据模拟曲线1确定出体素1对应的T1、T2、PD、B0，并将T1、T2、PD、B0代回模拟曲线1，以确定出体素1对应的D。
本实施例先根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小，根据各体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各体素对应的组织内位移，提高了组织内位移的定量精度。
在一个实施例中，可选的，上述的S501，将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线，可以通过如下方式实现：
针对各体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为体素对应的目标模拟曲线。
在本实施例中，处理器在确定各体素对应的目标模拟曲线时，会针对体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果。
也就是说，针对每一个体素对应的目标磁共振信号曲线，处理器均会将该体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，以确定该体素对应的目标磁共振信号曲线与每个模拟曲线的内积结果。进一步地，处理器将最大的内积结果对应的模拟曲线作为该体素对应的目标模拟曲线。
以M个目标磁共振信号曲线，目标字典包括模拟曲线1～模拟曲线P为例，处理器会确定出目标磁共振信号曲线1分别与模拟曲线1～模拟曲线P之间的P个内积结果，也即目标磁共振信号曲线1与模拟曲线1的内积结果、目标磁共振信号曲线1与模拟曲线2的内积结果、……目标磁共振信号曲线1与模拟曲线P的内积结果。若目标磁共振信号曲线1与模拟曲线1的内积结果最大，则说明目标磁共振信号曲线1与模拟曲线1的匹配程度最高，进而处理器将模拟曲线1作为体素1对应的目标模拟曲线。
同样地，确定出目标磁共振信号曲线2分别与模拟曲线1～模拟曲线P之间的P个内积结果，若目标磁共振信号曲线2与模拟曲线50的内积结果最大，则说明目标磁共振信号曲线2与模拟曲线50的匹配程度最高，进而处理器将模拟曲线50作为体素2对应的目标模拟曲线。以此类推，处理器也就能够确定出每个体素对应的目标模拟曲线。
本实施例由于会针对各体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为体素对应的目标模拟曲线，因此，就可以较为准确地确定出与目标磁共振信号曲线的目标模拟曲线。
在一个实施例中，可选的，第二参数中各聚焦超声脉冲对应的占空比小于第三阈值。
在本实施例中，可以是第二参数中每个聚焦超声脉冲占空比均小于第三阈值，也可以第二参数中每个聚焦超声脉冲对应的一个整体占空比小于第三阈值。其中，第三阈值根据需求设置，其为大于0的数。
示例性地，请继续参考图3，以第一个聚焦超声脉冲为例，计第一个聚焦超声脉冲的起始时间至终止时间为t1，第一个聚焦超声波的终止时间至第二个超声波脉冲的起始时间为t2，则处理器可以设置t1/t2＜第二阈值。同样地，处理器就可以实现3个聚焦超声脉冲对应的3个占空比均小于第三阈值。
处理器也可以将第三参数中的聚焦超声脉冲看作一个整体，不用仅局限于使每个聚焦超声脉冲对应的占空比均小于第三阈值，只需要将第三参数中3个聚焦超声脉冲对应的一个整体的占空比小于第三阈值即可。本实施例不做限制。
本实施例由于第二参数中各聚焦超声脉冲对应的占空比小于第三阈值，因此能够控制聚焦超声脉冲作用的时间间隔，进而减小了温度效应，以提高了定量的准确性，也即提高了确定的组织参数和组织内位移的准确性。
图7为本申请实施例中一种确定伪随机参数的流程示意图，参照图7，本实施例涉及的是如何确定伪随机参数的一种可选的实现方式。在上述实施例的基础上，上述的参数确定方法还包括如下步骤：
S701，获取伪随机的多个候选参数，候选参数包括第一候选参数和第二候选参数；第一候选参数用于表征医学设备的运动编码梯度随时间变化的情况，第二候选参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。
在本实施例中，为了在实际使用时能够使得多个重建图像之间有足够的区分度，并且尽量不引起额外的噪声，处理器会提前获取伪随机的多个候选参数。可选的，处理器可以按照预设算法生成多个候选参数。例如，处理器确定50个不同的候选参数1、候选参数2、……、候选参数50。
其中，候选参数包括第一候选参数和第二候选参数。第一候选参数用于表征医学设备的运动编码梯度随时间变化的情况，第二候选参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。
可选的，第一候选参数中各运动编码梯度的起始时间，与第二候选参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；第一候选参数中各运动编码梯度的终止时间，与第二候选参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。
可选的，候选参数还包括第三候选参数和第四候选参数；第三候选参数用于表征医学设备的翻转角度随时间变化的情况，第四候选参数用于表征医学设备的重复时间随时间变化的情况。
S702，根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，确定各候选参数对应的候选字典。
在本实施例中，处理器会根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，先仿真出各候选参数对应的候选字典。其中，第一候选范围和第二候选范围通常是根据实际经验确定的范围，例如T1值的第一候选范围可以是几毫秒至几千毫秒，组织内位移的第二候选范围可以是5微米至10微米。
进一步地，处理器可以基于候选参数，采用Bloch方程对第一候选范围的组织参数和第二候选范围的组织内位移进行仿真，得到每个候选参数对应的多个模拟曲线，也即得到了各候选参数对应的候选字典。
示例性地，处理器基于第一候选范围的组织参数、第二候选范围的组织内位移和候选参数1得到候选字典1，基于第一候选范围的组织参数、第二候选范围的组织内位移和候选参数2得到候选字典2，以此类推，50个候选参数也即得到了50个候选字典，每个候选字典中有多个模拟曲线。
S703，根据各候选字典，确定伪随机参数。
在本实施例中，处理器得到每个候选参数对应的候选字典之后，就可以对候选字典进行筛选。示例性地，处理器可以筛选出候选字典中各模拟曲线之间区分度大于预设区分度的候选字典。处理器也可以筛选出候选字典中各模拟曲线的噪声小于预设噪声的字典。在一些实施例中，处理器也可以筛选出模拟曲线具有区分度，并且噪声较低的候选字典。
进一步地，处理器就可以基于筛选之后的候选字典，确定出最终使用的伪随机参数。示例性地，处理器根据噪声和区分度，从候选字典1～候选字典50中确定出候选字典2，则就可以将候选字典2对应的候选参数2作为最终需要使用的伪随机参数。可以理解的是，该伪随机参数对应的候选字典也即是目标字典。
本实施例由于需要获取伪随机的多个候选参数，再并根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，确定各候选参数对应的候选字典，进而根据各候选字典，确定伪随机参数。因此，最终使用的伪随机参数是较为合理的，能够使得重建图像具有一定的区分度，从而提高后续参数确定的效率和准确性。
为了更清楚地介绍本申请的参数确定方法，在此结合图8进行说明。图8为本申请实施例中一种参数确定方法的过程示意图，如图8所示，处理器可以按照如下流程执行该参数确定方法。
S801，获取伪随机的多个候选参数。
S802，根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，确定各候选参数对应的候选字典。
S803，根据各候选字典，确定伪随机参数。可以理解的是，伪随机参数包括第一参数、第二参数、第三参数和第四参数。其中，第一参数中各运动编码梯度的起始时间，与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；第一参数中各运动编码梯度的终止时间，与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。第二参数中各聚焦超声脉冲对应的占空比小于第三阈值。
S804，根据伪随机参数确定目标字典。
S805，获取医学设备根据多个伪随机参数确定的多个重建图像。
S806，根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线。
S807，针对各体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为体素对应的目标模拟曲线。
S808，根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小。
S809，根据各体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各体素对应的组织内位移。
S801～S809可以参考上述实施例，此处不再赘述。可见，本实施例提供的参数确定方法中，通过设置伪随机参数，实现了在医学设备中添加伪随机的声辐射力检测模块。将MR-ARFI技术与磁共振指纹识别(Magnetic resonance fingerprinting,MRF)技术相结合，通过基于MRF的声辐射力成像方法，实现了对组织内位移D及组织参数的同步定量，提高了参数确定的效率，并有效减少B0场漂及运动伪影等对定量准确度的影响。进一步地，通过控制第二参数中各聚焦超声脉冲对应的占空比，实现了控制声辐射力模块间的时间间隔，进而避免了由于组织内温度升高引起的相位变化，提供了一种既不会引起温度效应，又能提高效率的参数确定方法。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的参数确定方法的参数确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个参数确定装置实施例中的具体限定可以参见上文中对于参数确定方法的限定，在此不再赘述。
图9为本申请实施例中参数确定装置的结构框图，如图9所示，在本申请实施例中提供了一种参数确定装置900，包括：第一获取模块901、第一确定模块902和第二确定模块903，其中：
第一获取模块901，用于获取多个重建图像；多个重建图像是医学设备根据多个伪随机参数确定的图像；多个伪随机参数包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。
第一确定模块902，用于根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线。
第二确定模块903，用于将各所述体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各所述体素对应的组织参数以及组织内位移；所述目标字典包括多个模拟曲线，所述模拟曲线用于模拟所述伪随机参数对应的不同磁共振信号随时间的变化情况。
本实施例提供的参数确定装置，获取多个重建图像，并根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线，进而将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移。由于重建图像是医学设备根据多个伪随机参数确定的图像，而多个伪随机参数至少包括第一参数和第二参数，第一参数用于表征医学设备的运动编码梯度随时间变化的情况，第二参数用于表征医学设备的聚焦超声脉冲随时间变化的情况，因此，多个重建图像之间就存在区分度，根据重建图像确定出的目标磁共振信号曲线就能反映出体素对应的信号强度随时间的变化情况。进一步地，由于目标字典包括多个模拟曲线，而模拟曲线用于模拟伪随机参数对应的不同磁共振信号随时间的变化情况，因此，将目标磁共振信号曲线与目标字典进行匹配之后，就可以确定出体素对应的组织参数以及组织内位移。如此，仅需要确定医学设备工作时的伪随机参数，在得到医学设备根据伪随机参数确定的重建图像之后，就可以利用重建图像和目标字典，实现对重建图像中各体素的组织内位移及组织参数的同步定量，进而提高了参数确定的效率。
可选的，第一参数中各运动编码梯度的起始时间，与第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；第一参数中各运动编码梯度的终止时间，与第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。
可选的，伪随机参数还包括第三参数和第四参数；第三参数用于表征医学设备的翻转角度随时间变化的情况，第四参数用于表征医学设备的重复时间随时间变化的第四参数。
可选的，组织参数包括纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一种；第二确定模块903包括：
第一确定单元，用于将各体素对应的目标磁共振信号曲线与各模拟曲线进行匹配，确定各体素对应的目标模拟曲线。
第二确定单元，用于根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。
可选的，第二确定单元包括：
第一确定子单元，用于根据各体素对应的目标模拟曲线，确定各体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小。
第二确定子单元，用于根据各体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各体素对应的组织内位移。
可选的，第一确定单元，还用于针对各体素对应的目标磁共振信号曲线，确定目标磁共振信号曲线与各模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为体素对应的目标模拟曲线。
可选的，第二参数中各聚焦超声脉冲对应的占空比小于第三阈值。
可选的，该参数确定装置900还包括：
第二获取模块，用于获取伪随机的多个候选参数，候选参数包括第一候选参数和第二候选参数；第一候选参数用于表征医学设备的运动编码梯度随时间变化的情况，第二候选参数用于表征医学设备的聚焦超声脉冲随时间变化的情况。
第三确定模块，用于根据多个候选参数、组织参数的第一候选范围以及组织内位移的第二候选范围，确定各候选参数对应的候选字典；
第四确定模块，用于根据各候选字典，确定伪随机参数。
上述参数确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种医学设备，该医学设备的结构可以参考图1。如图1所示，医学设备100包括激励装置101、采集装置102、重建装置103和处理器104。
其中，激励装置101，用于根据伪随机参数产生聚焦超声脉冲，以使受检者的感兴趣组织在聚焦超声脉冲的作用下产生运动。示例性地，在MR-ARFI中，激励装置101用于产生超声辐射力，在一些磁共振弹性成像的应用场景中，激励装置101也可以用于产生振动或者应力。
采集装置102，用于获取医学设备100在激励装置101的作用下得到的成像数据。
重建装置103，用于根据成像数据得到多个重建图像。
处理器104，用于执行上述实施例中任一项的方法。例如，处理器能够获取到重建装置103得到多个重建图像，进而根据各重建图像中同一位置的体素的信号强度，确定同一位置的体素对应的目标磁共振信号曲线，并根据伪随机参数确定目标字典，从而将各体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各体素对应的组织参数以及组织内位移。此处不再赘述。
图10为本申请实施例中计算机设备的内部结构图，在本申请实施例中提供了一种计算机设备，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种参数确定方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种参数确定方法，其特征在于，所述方法包括：
获取多个重建图像；所述多个重建图像是医学设备根据多个伪随机参数确定的图像；所述多个伪随机参数至少包括第一参数和第二参数，所述第一参数用于表征所述医学设备的运动编码梯度随时间变化的情况，所述第二参数用于表征所述医学设备的聚焦超声脉冲随时间变化的情况；
根据各所述重建图像中同一位置的体素的信号强度，确定所述同一位置的体素对应的目标磁共振信号曲线；
将各所述体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各所述体素对应的组织参数以及组织内位移；所述目标字典包括多个模拟曲线，所述模拟曲线用于模拟所述伪随机参数对应的不同磁共振信号随时间的变化情况。
2.根据权利要求1所述的方法，其特征在于，所述第一参数中各运动编码梯度的起始时间，与所述第二参数中对应的聚焦超声脉冲的起始时间的差值小于第一阈值；所述第一参数中各运动编码梯度的终止时间，与所述第二参数中对应的聚焦超声脉冲的终止时间的差值小于第二阈值。
3.根据权利要求2所述的方法，其特征在于，所述伪随机参数还包括第三参数和第四参数；所述第三参数用于表征所述医学设备的翻转角度随时间变化的情况，所述第四参数用于表征所述医学设备的重复时间随时间变化的第四参数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述组织参数包括纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一种；所述将各所述体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各所述体素对应的组织参数以及组织内位移，包括：
将各所述体素对应的目标磁共振信号曲线与各所述模拟曲线进行匹配，确定各所述体素对应的目标模拟曲线；
根据各所述体素对应的目标模拟曲线，确定各所述体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移。
5.根据权利要求4所述的方法，其特征在于，所述根据各所述体素对应的目标模拟曲线，确定各所述体素对应的纵向弛豫时间、横向弛豫时间、质子密度、主磁场大小中的至少一项以及组织内位移，包括：
根据各所述体素对应的目标模拟曲线，确定各所述体素对应的纵向弛豫时间、横向弛豫时间、质子密度以及主磁场大小；
根据各所述体素对应的目标模拟曲线、纵向弛豫时间、横向弛豫时间、质子密度和主磁场大小，确定各所述体素对应的组织内位移。
6.根据权利要求4所述的方法，其特征在于，所述将各所述体素对应的目标磁共振信号曲线与各所述模拟曲线进行匹配，确定各所述体素对应的目标模拟曲线，包括：
针对各所述体素对应的目标磁共振信号曲线，确定所述目标磁共振信号曲线与各所述模拟曲线之间的内积结果，并将最大的内积结果对应的模拟曲线作为所述体素对应的目标模拟曲线。
7.根据权利要求1-3任一项所述的方法，其特征在于，所述第二参数中各聚焦超声脉冲对应的占空比小于第三阈值。
8.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
获取伪随机的多个候选参数，所述候选参数包括第一候选参数和第二候选参数；所述第一候选参数用于表征所述医学设备的运动编码梯度随时间变化的情况，所述第二候选参数用于表征所述医学设备的聚焦超声脉冲随时间变化的情况；
根据所述多个候选参数、所述组织参数的第一候选范围以及所述组织内位移的第二候选范围，确定各所述候选参数对应的候选字典；
根据各所述候选字典，确定所述伪随机参数。
9.一种参数确定装置，其特征在于，所述装置包括：
第一获取模块，用于获取多个重建图像；所述多个重建图像是医学设备根据多个伪随机参数确定的图像；所述多个伪随机参数包括第一参数和第二参数，所述第一参数用于表征所述医学设备的运动编码梯度随时间变化的情况，所述第二参数用于表征所述医学设备的聚焦超声脉冲随时间变化的情况；
第一确定模块，用于根据各所述重建图像中同一位置的体素的信号强度，确定所述同一位置的体素对应的目标磁共振信号曲线；
第二确定模块，用于将各所述体素对应的目标磁共振信号曲线与目标字典进行匹配，确定各所述体素对应的组织参数以及组织内位移；所述目标字典包括多个模拟曲线，所述模拟曲线用于模拟所述伪随机参数对应的不同磁共振信号随时间的变化情况。
10.一种医学设备，其特征在于，所述医学设备包括激励装置、采集装置、重建装置和处理器；
所述激励装置，用于根据伪随机参数产生聚焦超声脉冲，以使受检者的感兴趣组织在所述聚焦超声脉冲的作用下产生运动；
所述采集装置，用于获取在所述激励装置的作用下得到的成像数据；
所述重建装置，用于根据所述成像数据得到多个重建图像；
所述处理器，用于执行权利要求1-8任一项所述的方法。
CN202310949978.1A 2023-07-28 2023-07-28 参数确定方法、装置和医学设备 Pending CN116942133A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310949978.1A CN116942133A (zh) 2023-07-28 2023-07-28 参数确定方法、装置和医学设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310949978.1A CN116942133A (zh) 2023-07-28 2023-07-28 参数确定方法、装置和医学设备

Publications (1)

Publication Number Publication Date
CN116942133A true CN116942133A (zh) 2023-10-27

Family

ID=88448934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310949978.1A Pending CN116942133A (zh) 2023-07-28 2023-07-28 参数确定方法、装置和医学设备

Country Status (1)

Country Link
CN (1) CN116942133A (zh)

Similar Documents

Publication Publication Date Title
Chitiboi et al. Magnetic resonance imaging of myocardial strain: a review of current approaches
Hamilton et al. Machine learning for rapid magnetic resonance fingerprinting tissue property quantification
Wang et al. Image-based predictive modeling of heart mechanics
US10698055B2 (en) Method, neural network, and magnetic resonance apparatus for assigning magnetic resonance fingerprints
Roy et al. Accelerated MRI of the fetal heart using compressed sensing and metric optimized gating
US10996306B2 (en) MRI system and method using neural network for detection of patient motion
EP3179263B1 (en) Dictionary-free magnetic resonance parameter inference for fingerprinting reconstruction
US10627470B2 (en) System and method for learning based magnetic resonance fingerprinting
Rathi et al. Multi-shell diffusion signal recovery from sparse measurements
Montesinos et al. Application of the compressed sensing technique to self‐gated cardiac cine sequences in small animals
WO2012037067A1 (en) Multi-contrast image reconstruction with joint bayesian compressed sensing
US10871535B2 (en) Magnetic resonance fingerprinting optimization in magnetic resonance imaging
CN110531294B (zh) 利用字典再压缩的磁共振指纹
US20190025392A1 (en) MRI Pulse Sequence Design
JP7466141B2 (ja) 磁気共鳴画像高速再構成法及び磁気共鳴イメージング装置
WO2019153654A1 (zh) 一种基于分数阶模型的磁共振指纹成像方法、装置及介质
WO2021098690A1 (zh) 定量磁共振成像参数确定方法、装置、设备及存储介质
CN113924503B (zh) 时域磁共振的参数图确定
US11948676B2 (en) Qualitative and quantitative MRI using deep learning
US20230081541A1 (en) Optimized Electrical Impedance Tomography
Moerman et al. Validation of continuously tagged MRI for the measurement of dynamic 3D skeletal muscle tissue deformation
Golbabaee et al. Compressive MRI quantification using convex spatiotemporal priors and deep encoder-decoder networks
CN114255291A (zh) 用于磁共振参数定量成像的重建方法、系统
US20230358835A1 (en) Variational autoencoder-based magnetic resonance weighted image synthesis method and device
WO2024093083A1 (zh) 一种基于变分自编码器的磁共振加权图像合成方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination