CN117058184A - 一种磁共振成像中的运动检测方法和系统 - Google Patents

一种磁共振成像中的运动检测方法和系统 Download PDF

Info

Publication number
CN117058184A
CN117058184A CN202210483930.1A CN202210483930A CN117058184A CN 117058184 A CN117058184 A CN 117058184A CN 202210483930 A CN202210483930 A CN 202210483930A CN 117058184 A CN117058184 A CN 117058184A
Authority
CN
China
Prior art keywords
data
motion
motion detection
determining
region
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
CN202210483930.1A
Other languages
English (en)
Inventor
王轩
李建森
张欣臻
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202210483930.1A priority Critical patent/CN117058184A/zh
Priority to US18/313,334 priority patent/US20230358837A1/en
Publication of CN117058184A publication Critical patent/CN117058184A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本说明书实施例提供一种磁共振成像中的运动检测方法，该方法包括获取至少两个运动检测子序列；基于至少两个运动检测子序列，获取感兴趣区域的运动检测数据，所述至少两个运动检测子序列插入在至少两个成像子序列中，成像子序列用于对感兴趣区域进行磁共振成像；根据运动检测数据，确定感兴趣区域的运动状态。

Description

一种磁共振成像中的运动检测方法和系统
技术领域
本说明书涉及医疗技术领域，特别涉及一种磁共振成像中的运动检测方法和系统。
背景技术
磁共振成像(Magnetic Resonance Imaging，MRI)是一种在医疗领域得到广泛应用的成像方法。在磁共振成像过程中，往往需要被扫描者保持一定的静止状态，以防止在图像上产生运动伪影，影响成像效果，但现有磁共振成像中的扫描在序列扫描完成前，很难得知被扫描者是否运动。可以采用基于磁共振序列的运动检测方法在扫描过程中实时获取被扫描者的运动状态，对于大幅度运动可以提前终止扫描，避免时间上的浪费，或者对受运动影响的K空间数据进行补充采集、重新采集，剔除运动的数据来进行重建，得到校正后的图像。当前的基于磁共振序列的运动检测方法通过对采集到的不同时刻的磁共振信号进行对比计算，得到实时运动状态，但是存在以下问题：由于扫描过程中场漂、温升等多种因素导致采集到的磁共振信号存在一定的相位误差，影响运动曲线计算；扫描类似头部部位的时候，由于通常为非感兴趣区域的嘴部的吞咽等动作导致运动曲线发生改变；扫描类似盆腔、腹部等部位的时候，由于蠕动等非自主运动导致运动曲线发生改变。
因此，希望提供一种磁共振成像中的运动检测方法和系统。
发明内容
本说明书实施例之一提供一种磁共振成像中的运动检测方法。所述方法包括：获取至少两个运动检测子序列；基于所述至少两个运动检测子序列，获取感兴趣区域的运动检测数据，所述至少两个运动检测子序列插入在至少两个成像子序列中，所述成像子序列用于对所述感兴趣区域进行磁共振成像；根据所述运动检测数据，确定所述感兴趣区域的运动状态
本说明书实施例之一提供另一种磁共振成像中的运动检测方法。所述方法包括：获取感兴趣区域的运动检测数据；获取所述运动检测数据中所述感兴趣区域的第一方向的第一数据以及第二方向的第二数据，所述第一方向受干扰运动的影响强于所述第二方向；根据所述第一数据和/或所述第二数据，确定所述感兴趣区域的运动状态。
本说明书实施例之一提供另一种磁共振成像中的运动检测方法。所述方法包括：获取感兴趣区域的运动检测数据；确定所述运动检测数据中的边界数据；根据所述边界数据，确定所述感兴趣区域的运动状态。
本说明书实施例之一提供一种磁共振成像中的运动检测系统，包括运动序列获取模块、运动数据获取模块和运动状态确定模块；所述运动序列获取模块用于获取至少两个运动检测子序列；所述运动数据获取模块用于基于所述至少两个运动检测子序列，获取感兴趣区域的运动检测数据，所述至少两个运动检测子序列插入在至少两个成像子序列中，所述成像子序列用于对所述感兴趣区域进行磁共振成像；所述运动状态确定模块用于根据所述运动检测数据，确定所述感兴趣区域的运动状态。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如本说明书一些实施例所述的磁共振成像中的运动检测方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的磁共振成像中的运动检测系统的应用场景示意图；
图2是根据本说明书一些实施例所示的磁共振成像中的运动检测系统的示意图；
图3是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图；
图4是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图；
图5是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图；
图6是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图；
图7是根据本说明书一些实施例所示的成像子序列和运动检测子序列的示意图；
图8是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示意图；
图9是根据本说明书一些实施例所示的另一种磁共振成像中的运动检测方法的示意图；
图10是根据本说明书一些实施例所示的运动状态示意图；
图11是根据本说明书一些实施例所示的另一种磁共振成像中的运动检测方法的示意图；
图12是根据本说明书一些实施例所示的运动状态示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
在一些应用场景中，磁共振成像中的运动检测系统可以包括处理设备、医学影像设备，磁共振成像中的运动检测系统可以通过处理设备等实施本说明书中披露的方法和/或过程来获取磁共振成像中被扫描对象的运动状态，从而根据该运动状态得到校正后的被扫描者的图像，得到反映被扫描者的身体状况的准确数据。
图1是根据本说明书一些实施例所示的磁共振成像中的运动检测系统的应用场景示意图。
如图1所示，在一些实施例中，系统100可以包括医学影像设备110、处理设备120、存储设备130、终端140、网络150。
医学影像设备110是指医学上利用不同的媒介，将人体内部的结构重现为影像的装置。在一些实施例中，医学影像设备110可以是任何基于磁共振成像方法对患者的指定身体部位进行成像的医学设备，例如，MRI、PET-MR(Positron Emission Tomography-Magnetic Resonance)等。上面提供的医学影像设备110仅用于说明目的，而非对其范围的限制。医学影像设备110中包括多个成像模块/序列，用于对被扫描对象(例如，人体等)进行成像。在一些实施例中，医学影像设备110可以包括插入在扫描序列的每个重复时间(repetition time，TR)中的运动检测子序列，来获取用于运动检测的磁共振信号。在一些实施例中，医学影像设备110可以将获取到的磁共振信号(例如，用于运动检测的磁共振信号、用于成像的磁共振信号等)发送至处理设备120。在一些实施例中，医学影像设备110可以接收医生通过终端140发送的指令等，并根据指令进行相关操作，例如，照射成像等。在一些实施例中，医学影像设备110可以通过网络150与系统100中的其它组件(例如，处理设备120、存储设备130、终端140)进行数据和/或信息的交换。在一些实施例中，医学影像设备110可以直接与系统100中的其它组件连接。在一些实施例中，系统100中的一个或多个组件(例如，处理设备120、存储设备130)可以包括在医学影像设备110内。
处理设备120可以处理从其它设备或系统组成部分中获得的数据和/或信息，基于这些数据、信息和/或处理结果执行本说明书一些实施例中所示的磁共振成像中的运动检测方法，以完成一个或多个本说明书一些实施例中描述的功能。例如，处理设备120可以基于医学影像设备110的磁共振信号，获取被扫描者的运动状态(例如，运动曲线图等)。又例如，处理设备120可以基于被扫描者的运动状态(例如，运动曲线图等)，对用于成像的磁共振信号/数据进行校正，并通过重建得到校正后的磁共振图像。在一些实施例中，处理设备120可以将处理得到的数据(例如，运动曲线图等)发送至存储设备130进行保存。在一些实施例中，处理设备120可以从存储设备130中获取预先存储的数据和/或信息(例如，用于运动检测的磁共振信号、用于运动检测的公式等)，以用于执行本说明书一些实施例所示的磁共振成像中的运动检测方法，例如，获取被扫描者的运动状态等。
在一些实施例中，处理设备120可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理设备120可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
存储设备130可以存储其他设备产生的数据或信息。在一些实施例中，存储设备130可以存储医学影像设备110采集的数据和/或信息，例如，用于运动检测的磁共振信号、用于成像的磁共振信号等。在一些实施例中，存储设备130可以存储处理设备120处理后的数据和/或信息，例如，运动曲线图等。存储设备130可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其它设备的一部分。存储设备可以是本地的，也可以通过云实现。
终端140可以对医学影像设备110的操作进行控制。医生可以通过终端140对医学影像设备110下达操作指令，以使医学影像设备110完成指定操作，例如，对被扫描对象指定身体部位照射成像。在一些实施例中，终端140可以通过指令使处理设备120执行如本说明书一些实施例所示的磁共振成像中的运动检测方法。在一些实施例中，终端140可以从处理设备120接收校正后的磁共振图像和/或运动曲线图等，医生从而可以准确判断被扫描对象的身体情况和/或运动状态。在一些实施例中，终端140可以是移动设备140-1、平板计算机140-2、膝上型计算机140-3、台式计算机等其他具有输入和/或输出功能的设备中的一种或其任意组合。
网络150可以连接系统的各组成部分和/或连接系统与外部资源部分。网络150使得各组成部分之间，以及与系统之外其它部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，系统100中的一个或多个组件(例如，医学影像设备110、处理设备120、存储设备130、终端140)可通过网络150发送数据和/或信息给其它组件。在一些实施例中，网络150可以是有线网络或无线网络中的任意一种或多种。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。可以以各种方式组合本说明书描述的示例性实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性实施例。例如，处理设备120可以是基于云计算平台的，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示磁共振成像中的运动检测系统的示意图。
如图2所示，在一些实施例中，磁共振成像中的运动检测系统200可以包括运动序列获取模块210、运动数据获取模块220和运动状态确定模块230。
在一些实施例中，运动序列获取模块210可以用于获取至少两个运动检测子序列。
在一些实施例中，运动数据获取模块220可以用于基于至少两个运动检测子序列，获取感兴趣区域的运动检测数据，其中，这些运动检测子序列插入在至少两个成像子序列中，成像子序列可以用于对感兴趣区域进行磁共振成像。
在一些实施例中，运动状态确定模块230可以用于根据运动检测数据，确定感兴趣区域的运动状态(例如，运动曲线图等)。
在一些实施例中，运动状态确定模块230可以根据至少两个运动检测子序列中的第一运动检测子序列获取的数据，确定参考数据；选择这些运动检测子序列中的第二运动检测子序列获取的数据为目标数据；确定参考数据与目标数据的差异；根据该差异，确定运动状态。
在一些实施例中，运动状态确定模块230可以对运动检测数据进行相位滤波处理，其中，相位滤波处理可以用于减少或消除运动检测数据的相位差异。
在一些实施例中，在获取到感兴趣区域的运动监测数据后，运动状态确定模块230可以获取运动检测数据中感兴趣区域的第一方向的第一数据以及第二方向的第二数据，其中，第一方向受干扰运动(例如，吞咽动作等)的影响强于第二方向；根据第一数据和第二数据，确定感兴趣区域的运动状态。
在一些实施例中，运动状态确定模块230可以将第一数据沿第一方向分为至少两个第一分段；确定每个第一分段的第一运动状态；将第二数据沿第二方向分为至少两个第二分段；确定每个第二分段的第二运动状态；确定第一运动状态之间的第一差异；确定第二运动状态之间的第二差异；根据第一差异和第二差异，确定运动检测数据受干扰运动影响。
在一些实施例中，在确定运动监测数据受干扰运动影响后，运动状态确定模块230可以设定第一数据的第一权重和第二数据的第二权重，其中，第一权重小于第二权重；根据第一权重和第二权重，确定运动状态。
在一些实施例中，在确定运动监测数据受干扰运动影响后，运动状态确定模块230可以剔除第一数据，根据第二数据确定运动状态。
在一些实施例中，在获取到感兴趣区域(例如，头部等)的运动监测数据后，运动状态确定模块230可以确定运动检测数据中的边界数据；根据边界数据，确定运动状态。
图3是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图。
如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理设备120执行。
步骤310，获取至少两个运动检测子序列。在一些实施例中，步骤310可以由运动序列获取模块210执行。
运动检测子序列是在医学影像设备(例如，MRI)中用于运动检测的磁共振扫描序列(操作)，可以是多个。磁共振扫描序列包括多个重复时间(TR)，每个TR包括一个成像子序列，在一些实施例中，可以在磁共振扫描序列的每一个TR中插入一个或多个运动检测子序列(例如，对应不同方向的至少两个运动检测子序列)，这些运动检测子序列可以彼此相邻，或者可以同时执行这些运动检测子序列。在一些实施例中，插入在一个TR中的运动检测子序列可以与该TR中的成像子序列相邻，例如，至少一个运动检测子序列可以插入在一个TR中的成像子序列之前或之后。因此，所述至少一个运动检测子序列相当于插入在相邻的两个成像子序列之间，这两个相邻的成像子序列分别属于两个相邻的TR。成像子序列是医学影像设备的用于成像的扫描序列，成像子序列可以是多个，每一个成像子序列对应一个TR。图7是根据本说明书一些实施例所示的成像子序列和运动检测子序列的示意图。如图7所示，运动检测子序列720可以插入在成像子序列710和730之间，运动检测子序列740可以插入在成像子序列730和750之间，其中，成像子序列710、730、750中的每一个对应一个TR。
在本说明书一些实施例中，运动检测是在成像子序列的间期加入持续时间很短的运动检测子序列，通过调整运动检测子序列的参数，可以做到运动检测子序列基本不会干扰成像子序列，基本不会明显增加扫描时间。在一些实施例中，运动检测子序列的持续时间可以比成像子序列的持续时间短，例如，运动检测子序列的持续时间可以为1-20毫秒。在一些实施例中，根据运动检测子序列采集的磁共振信号用于对扫描对象的运动检测，而不用于扫描对象的成像。
在一些实施例中，运动检测子序列可以采用任意种类的回波序列，例如，梯度回波(Gradient Echo，GRE)序列、快速自旋回波(Fast Spin Echo，FSE)序列或平面回波(EchoPlanar Imaging，EPI)序列等。在一些实施例中，运动检测子序列和成像子序列的种类可以相同或不同。在一些实施例中，运动检测子序列可以包括射频激发脉冲，空间编码梯度(包括选层梯度，读出梯度，或相位编码梯度)等。在一些实施例中，可以结合插入的成像子序列和当前扫描部位，调整运动检测子序列的参数，例如，调整激发层面、翻转角、读出方向等，目的是为了在执行成像子序列的过程中，实时获取可以反映被扫描者运动状态的磁共振信号，用于后续计算，从而得到可以反映被扫描者运动状态的曲线。
在一些实施例中，运动检测子序列的激发层面与成像子序列可以相同或不同。在一些实施例中，因为运动检测子序列获取的数据并不用于成像，所以可以只进行一维的空间编码，例如，运动检测子序列中可以只在一个方向(例如，选层方向，读出方向，或相位编码方向)上施加编码梯度。可选地，运动检测子序列也可以在至少两个方向(例如，选层方向，读出方向，以及相位编码方向)上施加编码梯度。
作为示例，如果运动检测子序列采用自旋回波序列(例如，SE或FSE序列)，运动检测子序列中的激发脉冲的翻转角无需采用90度，可以采用小于90度(例如，3-5度)的小角度翻转角，使运动检测子序列的采集时间减少，同时也不会影响成像子序列。
作为又一示例，如果成像子序列是GRE序列，为了保证成像子序列的GRE信号的稳态，运动检测子序列可以也是GRE序列，运动检测子序列的翻转角、激发层面可以与成像子序列类似。
步骤320，基于至少两个运动检测子序列，获取感兴趣区域的运动检测数据。其中，这些运动检测子序列插入在至少两个成像子序列中，这些成像子序列用于对感兴趣区域进行磁共振成像。在一些实施例中，步骤320可以由运动数据获取模块220执行。在一些实施例中，在运动检测子序列的执行过程中，采集的感兴趣区域的磁共振信号(或回波信号)为感兴趣区域的运动检测数据。
感兴趣区域是医学影像设备的目标扫描区域，可以是人体的任何部位，例如，头部、腹部等。运动检测数据是指用于运动检测的磁共振信号，可以是医学影像设备(例如，MRI等)扫描任何人体部位(例如，头部、腹部等)获取的信号。
在一些实施例中，可以通过在医学影像设备对感兴趣区域的扫描过程中执行两个或以上运动检测子序列，来获取感兴趣区域的至少两组运动检测数据，其中，每一个运动检测子序列对应一组运动检测数据，每一个运动检测子序列插入在两个成像子序列中，这些成像子序列可以用于对感兴趣区域(例如，头部、腹部等)进行磁共振成像。
步骤330，根据运动检测数据，确定感兴趣区域的运动状态。在一些实施例中，步骤330可以由运动状态确定模块230执行。
在一些实施例中，可以根据获取的至少一组运动检测数据，通过多种方式确定感兴趣区域的运动状态，例如，获取运动曲线图。运动曲线图是可以反映被扫描对象(即目标对象)在扫描时的运动状态的图像，例如，横坐标为时间，纵坐标为公式3中的r值的曲线图。
在一些实施例中，可以比较获取的两组运动检测数据，基于其差异确定感兴趣区域的运动状态。关于基于两组运动检测数据差异确定运动状态的更多内容，可以参见图4、图8的相关描述，在此不再赘述。
在确定感兴趣区域运动状态的过程中，非感兴趣部位的运动或对运动状态判断造成影响，以头部的吞咽动作为例，吞咽动作在扫描过程中偶有发生，但是，一般情况下，扫描感兴趣区域在脑部，故在运动检测中，吞咽没有必要反映在运动状态上。
在一些实施例中，可以基于运动检测数据中感兴趣区域的多个方向的数据来确定感兴趣区域的运动状态，例如，头部等的运动状态。关于如何基于运动检测数据中感兴趣区域的多个方向的数据来确定感兴趣区域的运动状态的更多内容，可以参见图5、图9的相关描述，在此不再赘述。
非自主运动也会对感兴趣区域运动状态的判断造成影响，以腹部或盆腔的蠕动为例，这些运动往往不受被扫描对象控制，而且在扫描过程中比较常见，如果将这些运动状态反映出来，会频繁提示被扫描对象运动，另外，即使将这些运动状态反映出来，也很难和被扫描对象交互，让其配合扫描。因此，对于这些非自主运动的情况，需要避免其影响而保留真实的运动状态。
在一些实施例中，可以基于运动检测数据中的边界数据来确定感兴趣区域的运动状态，例如，腹部、盆腔等的运动状态。关于如何基于运动检测数据中的边界数据来确定感兴趣区域的运动状态的更多内容，可以参见图6、图11的相关描述，在此不再赘述。
在一些实施例中，可以根据获取的运动状态，来判断被扫描对象是否发生运动，对于大幅度运动可以提前终止扫描，或者剔除运动的数据，对受运动影响数据进行补充采集、重新采集来进行重建，得到校正后的图像，例如，磁共振图像。
本说明书一些实施例通过插入在成像子序列中的运动检测子序列实时获取信号，对获取到的用于运动检测的磁共振信号，结合不同部位的运动状态特性，进行算法处理，能够更加精确、更好地反映被扫描者的运动状态。
图4是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图。
如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由运动状态确定模块230执行。
步骤410，根据至少两个运动检测子序列中的第一运动检测子序列获取的数据，确定参考数据。
参考数据是指作为参考的运动检测数据，是在获取目标数据之前获取的数据。目标数据则是当前时间(最新)获取的作为目标的运动检测数据。在一些实施例中，参考数据可以包括一组数据，一组数据是一个或多个运动检测子序列获取的数据。在一些实施例中，参考数据可以包括多组数据的平均值，即多个运动检测子序列获取的数据的平均值。在一些实施例中，参考数据还可以是其它形式的数据。
可以从运动检测子序列获取的运动检测数据中确定参考数据。例如，如图8所示，可以从运动检测数据810中获取参考数据820。在一些实施例中，可以在多个运动检测子序列中选择在最新(当前)运动检测子序列之前的一个或多个运动检测子序列作为第一运动检测子序列，然后基于第一运动检测子序列获取的数据确定参考数据。
在一些实施例中，可以选择在最新运动检测子序列之前的一个运动检测子序列作为第一运动检测子序列，将该运动检测子序列获取的数据作为参考数据。例如，假设运动检测子序列按照时间从前到后排列，依次为S1、S2、S3……Sd(例如，运动检测数据810)，则最新(当前)运动检测子序列为Sd，可以选择S1到Sd-1之中的任意一个作为第一运动检测子序列，参考数据即为选择的第一运动检测子序列获取的数据。
在一些实施例中，可以选择在最新运动检测子序列之前的多个运动检测子序列，将这些运动检测子序列获取的数据的平均值确定为参考数据。例如，可以从上一个示例中的运动检测子序列S1、S2、S3……Sd-1中选择数量为c(1<c≤d-1)的运动检测子序列作为第一运动检测子序列，然后将这c个运动检测子序列获取的数据取平均值作为参考数据。其中，c、d为自然数。
步骤420，选择至少两个运动检测子序列中的第二运动检测子序列获取的数据为目标数据。
可以从运动检测子序列获取的运动检测数据中确定目标数据。例如，如图8所示，可以从运动检测数据810中获取目标数据830。在一些实施例中，可以在多个运动检测子序列中选择最新运动检测子序列作为第二运动检测子序列，然后将该运动检测子序列获取的数据作为目标数据。例如，可以从运动检测子序列S1、S2、S3……Sd(运动检测数据810)选择Sd作为第二运动检测子序列，然后将Sd获取的数据作为目标数据。
步骤430，对运动检测数据进行相位滤波处理。
在获取运动检测数据的过程中，由于场漂、温升等多种因素，会造成获取到的磁共振信号的相位存在着差异(即使被扫描者没有运动)，因此，在一些实施例中，可以先将运动检测数据进行相位滤波处理，再通过算法等方式计算运动状态，其中，相位滤波处理用于减少或消除运动检测数据的相位差异。例如，如图8所示，对于参考数据820和目标数据830，可以通过低通滤波器得到参考数据820对应的低频相位840，以及目标数据830对应的低频相位850；然后将数据的幅值保持不变，将相位相减，即将参考数据820的相位减去低频相位840后作为参考数据820的相位(即滤波后结果860)，将目标数据830的相位减去低频相位850后作为目标数据830的相位(即滤波后结果870)，将滤波后结果860和滤波后结果870输入到算法等进行计算，从而得到运动状态880。
仅作为示例，对于K空间获取到的运动检测数据X(m，n)(例如，参考数据或目标数据)，其中，m为采样点数，n为通道数，在频域上使用一个低通滤波器V(m,1)按通道分别乘以数据X，得到滤波后的数据Z(低频相位)，然后将X和Z做逆傅里叶变换，得到图像域的数据x(m，n)和z(m，n)，对于数据x(m，n)，按通道计算，保持数据的幅度不变，相位变成x的相位与z的相位差，则可以通过如下所示公式获取滤波后结果x'(m，n)：
x′(m,n)＝|A|*exp(i*θ) (1)
其中A为x(m,n)的幅值；i为虚数单位；θ为相位，可以通过以下公式计算：
θ＝angle(x)-angle(z) (2)
其中，angle(x)和angle(z)分别为x和z的相位。
本说明书一些实施例中，通过对获取到的运动检测数据进行相位滤波处理，减少或消除了场漂、温升等多种因素造成的磁共振信号的相位差异，去除了额外因素的影响，提高了运动检测数据的准确性和可靠性，从而能够提高获取的运动状态的准确度。
步骤440，确定参考数据与目标数据的差异。
在获取到参考数据和目标数据之后，可以确定参考数据与目标数据的差异。在一些实施例中，可以通过算法等多种方式确定参考数据与目标数据的差异，例如，进行相关性计算等。
在一些实施例中，如果参考数据为一个数据采集点(即运动检测子序列)的数据，则可以通过以下公式计算参考数据和目标数据的相关性：
其中，r为参考数据U和目标数据Y的相关性；Ui指参考数据U中一个数据采集点的数据，指参考数据U中所有数据采集点的数据的平均值；Yi指目标数据Y中一个数据采集点的数据；/>指目标数据Y中所有数据采集点的数据的平均值；n为参考数据U和/或目标数据Y中的数据采集点数量。
步骤450，根据差异，确定运动状态。
在一些实施例中，可以根据参考数据和目标数据的差异(例如，参考数据和目标数据的相关性等)来确定运动状态，运动状态可以用运动曲线图来表示。例如，横坐标为时间，纵坐标为公式3中的r值的曲线图。
参考数据和目标数据的相关性r可以反映目标数据与参考数据的相关性，相关性越大，r越大，运动幅度越小。在一些实施例中，可以直接根据r或1-r绘制运动曲线图，其中，横坐标为时间，纵坐标可以为r或1-r。
本说明书一些实施例中，通过运动检测数据中当前数据与之前数据的比较，来获取其差异，根据差异来确定运动状态，同时通过相位滤波来减少甚至消除场漂、温升等各种不确定因素造成的数据相位差异，从而能够更准确地反映出时间上数据的变化，并且提高了过程的鲁棒性，从而得到准确的随时间变化的运动状态。
在一些实施例中，步骤430可以省略。
在一些实施例中，医学影像设备110每执行一个运动检测子序列，处理设备120从医学影像设备110获取所述当前运动检测子序列采集的运动检测数据，根据流程400对运动检测数据进行处理，确定感兴趣区域当前的运动状态，从而实现对感兴趣区域实时的运动监测。例如，如果当前运动检测数据对应的r值小于运动检测阈值，表明当前扫描对象出现较大幅度运动，处理设备120可以发出提示，可以自动终止扫描，也可以自动剔除在当前运动检测子序列之前且与当前运动检测子序列相邻的成像子序列采集的磁共振信号。
图5是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图。
如图5所示，流程500包括下述步骤。在一些实施例中，流程500可以由处理设备120执行。
步骤510，获取感兴趣区域的运动检测数据。在一些实施例中，步骤510可以由运动数据获取模块220执行。
在一些实施例中，可以通过医学影像设备对感兴趣区域的扫描来获取感兴趣区域的运动检测数据，例如，图9所示的运动检测数据910。关于如何获取感兴趣区域的运动检测数据的更多内容，可以参见步骤320的相关描述，在此不再赘述。
在一些实施例中，非感兴趣区域的运动会影响感兴趣区域的运动状态，需要去除干扰运动(即非感兴趣部位的运动)的影响。例如，感兴趣区域为脑部，而吞咽动作会影响脑部的运动状态，从而包含在运动检测数据中，因此，需要在获取的运动检测数据中去除吞咽动作的影响。
在一些实施例中，可以通过比较运动检测数据中不同方向(例如，两个方向、三个方向等)的数据，来确定数据中包括干扰运动(例如，吞咽动作等)，然后通过将数据进行处理来去除该运动的影响，从而得到被扫描对象的运动状态。
步骤520，获取运动检测数据中感兴趣区域的第一方向的第一数据以及第二方向的第二数据。在一些实施例中，步骤520可以由运动状态确定模块230执行。
在一些实施例中，可以获取运动检测数据中感兴趣区域(例如，头部)的两个不同方向的数据，其中，一个方向受干扰运动的影响强于另一个方向，例如，可以获取感兴趣区域的第一方向的第一数据以及第二方向的第二数据，其中，第一方向受干扰运动的影响强于第二方向。
如图9所示，在一些实施例中，可以从运动检测数据910中获取患者坐标系(被扫描对象为患者)的AP方向数据920作为第一数据，获取患者坐标系的RL方向数据930作为第二数据。其中，AP方向为连接人体后脑和前额的方向(前后方向)；RL方向为人体的左右方向，AP方向相比RL方向更容易受到诸如头部吞咽动作等的影响。
在一些实施例中，可以在磁共振扫描序列的每一个TR中插入至少两个运动检测子序列，分别用于获取不同方向的数据。在一些实施例中，可以通过第一运动检测子序列激发感兴趣区域的矢状面，然后沿AP方向施加读出梯度，来获取AP方向的数据；可以通过第二运动检测子序列激发感兴趣区域的冠状面，然后沿RL方向施加读出梯度，来获取RL方向的数据。
步骤530，根据第一数据和第二数据，确定感兴趣区域的运动状态。在一些实施例中，步骤330可以由运动状态确定模块230执行。
以患者坐标系的AP，RL方向为例，若发生吞咽动作，在AP方向上，信号的变化主要发生在A方向(前额)；在RL方向上，信号的变化则没有明显的方向的倾向性。因此，在一些实施例中，可以根据第一数据和第二数据，确定感兴趣区域的运动状态，例如，可以根据AP方向的数据和RL方向的数据，判断是否发生了吞咽动作，从而确定头部的运动状态。
在一些实施例中，可以将各个方向(例如，AP和RL方向)的数据分别进行分段计算，然后对比各个方向的分段计算结果的差异，如果AP方向上存在明显差异，而RL方向上差异不大，则可以确定发生了吞咽动作。
头部的吞咽动作会导致AP方向中A方向有振动，而P方向(后脑)变化不大，所以A方向和P方向的数据(可以沿着AP方向分成两段，一段代表A方向数据，一段代表P方向数据)会有明显差异。但是吞咽动作对RL方向中R(右)和L(左)方向的影响没有明显差异(因为喉咙处于中间)，所以R方向和L方向的数据差异不大。
在一些实施例中，可以将第一数据沿第一方向分为至少两个第一分段；确定每个第一分段的第一运动状态；将第二数据沿第二方向分为至少两个第二分段；确定每个第二分段的第二运动状态；确定第一运动状态之间的第一差异；确定第二运动状态之间的第二差异；根据第一差异和第二差异，确定运动检测数据受干扰运动影响，即若第一差异为明显差异且第二差异为不明显差异，则确定运动检测数据受干扰运动影响。例如，可以将AP方向的磁共振信号X沿AP方向、将RL方向的磁共振信号Y沿RL方向按照物理位置分成两段(可以均分，也可以结合具体扫描部分进行分割)，然后分别计算每段的运动状态(例如，在参数数据中获取每段对应的数据，通过图4所示方法得到)，得到AP方向的运动结果X1、X2(例如，公式3中的r值)和RL方向的运动结果Y1、Y2(可例如，公式3中的r值)，分别对比X1、X2以及Y1、Y2的计算结果，如果在AP方向上存在明显差异而RL方向上没有明显差异，即X1和X2存在明显不同差异，而Y1和Y2没有明显差异，则可判断为发生了吞咽动作。
在一些实施例中，判断是否存在明显差异可以基于不同分段运动结果的比值或差值是否达到预设阈值，例如，假设AP方向的运动结果X1、X2为公式3中的相关性r值，且X1大于X2，若X1与X2的比值或差值大于或等于预设阈值，则可以确定X1与X2存在明显差异。
如图9所示，在一些实施例中，可以将920，即AP方向数据进行分段计算，然后对比AP方向的分段计算结果得到判断结果940，即差异明显，同时将930，即RL方向数据进行分段计算，然后对比RL方向的分段计算结果得到判断结果950，即差异不明显，则可以根据940和950判断为发生了吞咽运动；如果AP方向和RL方向分段计算结果的比较均为差异不明显，即950，则可以判断为未发生吞咽运动。
在一些实施例中，若确定存在干扰运动，即运动检测数据受到了干扰运动的影响，则可以通过各种方式(例如，不同方向数据加权计算、剔除受影响方向数据等)多数据进行处理，去除干扰运动的影响，从而基于处理后的数据得到感兴趣区域的运动状态。
如图9所示，在一些实施例中，在判断为发生吞咽运动后，可以对920(AP方向数据)以及930(RL方向数据)通过步骤960进行加权/剔除处理，基于处理后的数据得到运动状态970。
在一些实施例中，如果判断运动检测数据收到干扰运动影响，即第一差异为明显差异且第二差异为非明显差异，则可以设定第一数据的第一权重和第二数据的第二权重，第一权重小于第二权重；根据第一权重和第二权重，确定运动状态。例如，对于AP方向的运动结果X1、X2和RL方向的运动结果Y1、Y2，可以将X1和X2合并成一个数值X’(例如，取平均值等)，将Y1和Y2合并成一个数值Y’(例如，取平均值等)，然后对X’和Y’进行加权求和，然后将加权求和的结果作为确定运动状态的数据。其中，X’的权重可以小于Y’的权重，即AP方向的权重可以小于RL方向的权重，从而减少AP方向数据的影响。又例如，可以根据AP方向数据和RL方向的数据通过如图4所示的方法分别计算r值，例如，rAP和rRL，为rAP和rRL分别设定权重wAP和wRL，wAP可以小于wRL，然后对rAP和rRL进行加权求和，然后将加权求和的结果作为确定运动状态的数据。
在一些实施例中，如果判断运动检测数据受到干扰运动影响，即第一差异为明显差异且第二差异为非明显差异，则可以剔除第一数据，根据第二数据确定运动状态(例如，图10所示的运动状态示意图)。例如，对于AP方向的运动结果X1、X2和RL方向的运动结果Y1、Y2，可以剔除X1和X2，然后通过诸如取平均值等方法将Y1和Y2合并成一个数值Y’，然后将Y’作为确定运动状态的数据。又例如，可以直接剔除AP方向的数据，只根据RL方向的数据通过如图4所示的方法计算r值，基于r值生成运动曲线图。
图10所示的曲线图为运动检测数据中的AP方向的数据，将AP方向获取的数据进行逆傅里叶变换，生成的图像域数据。其中，横坐标为图像域中沿AP方向的坐标(0-256)，纵坐标为信号强度。如图10所示，沿AP方向均分为两段，横坐标0-128对应A方向的数据，129-256对应P方向的数据，可见，由于吞咽动作，A方向的数据有一组数据与其他数据有很大差异(该组数据纵坐标值变化的速率远大于其他组数据纵坐标值变化的速率)，而由于P方向的数据受吞咽动作的影响不大，因此重合度较好。
在一些实施例中，在判断为未发生吞咽运动后，可以直接基于910得到运动状态970。例如，通过图4所示的方法获取运动状态。
本说明书一些实施例中，针对头部吞咽等动作造成的非感兴趣区域运动对感兴趣区域运动状态造成的干扰，通过对运动检测数据中不同方向的数据进行分段计算，分别得到不同方向的运动状态，并进行加权或者剔除处理，从而避免了诸如吞咽运动等不必要的运动状态反映，能够得到更为真实、准确和可信的运动状态。
图6是根据本说明书一些实施例所示的磁共振成像中的运动检测方法的示例性流程图。
如图6所示，流程600包括下述步骤。在一些实施例中，流程600可以由处理设备120执行。
步骤610，获取感兴趣区域的运动检测数据。在一些实施例中，步骤610可以由运动数据获取模块220执行。
在一些实施例中，可以通过医学影像设备对感兴趣区域的扫描来获取感兴趣区域的运动检测数据，例如，图11所示的运动检测数据1110(目标数据)。关于如何获取感兴趣区域的运动检测数据的更多内容，可以参见步骤320的相关描述，在此不再赘述。
对于非自主运动的情况，例如，腹部或盆腔的蠕动、心脏搏动等，这些运动往往不受被扫描对象的控制，而且在扫描过程中比较常见，如果将这些运动状态反映出来，会频繁提示被扫描对象运动，另外，即使将这些运动状态反映出来，也很难和被扫描对象交互，让其配合扫描。因此，对于这些非自主运动的情况，需要将其作为不必要的运动状态，避免其影响并保留真实的运动状态。
因为蠕动、心脏搏动等非自主运动通常发生在非边界区域，不会使边界区域产生运动，而自主运动(例如，呼吸运动，身体移动等)通常可以在边界区域体现出来，因而通过边界区域的数据可以将真实的运动状态反映出来。在一些实施例中，可以使用边界提取算法得到运动检测数据(磁共振信号)的边界区域，然后计算被扫描对象的运动状态。在一些实施例中，边界区域可以包括脂肪等组织。
步骤620，确定运动检测数据中的边界数据。在一些实施例中，步骤620可以由运动状态确定模块230执行。
边界数据是指属于边界区域的运动检测数据，例如，腹部、盆腔、心脏等部位脂肪组织的运动检测数据等。在一些实施例中，可以从获取的运动检测数据中确定边界数据。
在一些实施例中，可以通过各种方式(例如，边缘提取算法等)获取运动检测数据的边界范围，即边界区域的数据的范围。如图11所示可以将运动检测数据1110通过提取边界来获取1110的边界范围，从而确定边界数据。
在一些实施例中，对于运动检测数据X进行逆傅里叶变换得到图像域信号x，可以从两边往中心逐点寻找，找到两边噪声与实际信号的分界点L1，R1，然后将数据进行分段处理，得到两段数据XL，XR。对于XL和XR，分别获取各自区域内的最大值记为MaxL和MaxR，然后从外向内寻找半高宽XL(N)＝MaxL/2，XR(N)＝MaxR/2的位置点，记为L2，R2，则边界范围为(L1,L2)和(R2,R1)之间的区间，边界数据为区间(L1,L2)和(R2,R1)之间的数据。
步骤630，根据边界数据，确定感兴趣区域的运动状态。在一些实施例中，步骤630可以由运动状态确定模块230执行。
如图11所示，可以对运动检测数据1110提取边界，得到边界数据1120和非边界数据1130；根据边界数据1120(剔除非边界数据1130)确定运动状态1140。
在一些实施例中，对于运动检测数据X逆傅里叶变换后的图像域的磁共振信号x，当确定边界数据为区间(L1,L2)和(R2,R1)之间的数据后，可以取区间(L1,L2)和(R2,R1)的数据x(L1,L2)和x(R2,R1)用于计算运动曲线。例如，可以对参考数据做同样的边界提取处理，然后根据图4所示的方法，确定目标数据和参考数据中的边界数据的差异，从而确定运动曲线。
图12所示的曲线图为运动检测数据，将运动检测数据进行逆傅里叶变换，生成图像域数据。其中，横坐标为图像域中的坐标(0-256)，纵坐标为信号强度。如图12所示，圆圈区域1210内的数据表示运动检测数据的非边界区域数据，圆圈区域1210之外的数据表示运动检测数据的边界区域数据。由于蠕动等非自主运动，非边界区域的数据重合度不高，而边界区域由于受非自主运动影响不大，因此边界区域的数据重合度较高。
本说明书一些实施例中，针对非自主运动(例如，腹部或盆腔的蠕动、心脏搏动等)，通过对运动检测数据使用边界提取算法得到边界范围，然后根据边界的数据计算运动状态，从而避免了诸如蠕动等非自主运动的影响，能够得到更为真实、准确和可信的运动状态。
应当注意的是，上述有关流程300、流程400、流程500和流程600的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300、流程400、流程500和流程600进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤410和步骤420的顺序可以交换。又例如，可以在步骤430和步骤440之间执行步骤620。
本说明书实施例可能带来的有益效果包括但不限于：(1)通过在成像子序列中插入持续时间很短的运动检测子序列，并通过结合不同部位的运动状态特性，实时获取并处理用于运动检测的磁共振信号，进行算法处理，去除了多余干扰，能够得到更为精确和可信度更高的实时运动曲线，能够更好地反映被扫描对象的运动状态，从而能够得到更为准确的重建图像；(2)通过相位滤波算法对采集到的信号进行处理，从而去除了场漂、温升等非运动因素造成的相位干扰，提高了数据的精确性，从而可以获取到更为准确的运动状态；(3)通过分段计算、边界提取算法等方法在检测运动状态时，检测并剔除不必要运动(例如，头部吞咽等非感兴趣部位运动、蠕动等非自主运动等)的影响，从而获取到更为精确的运动状态；(4)上述多种手段简单易行，实用性好，通过上述多种手段的综合运用，保障了运动状态的可获取性、可靠性、可信度和准确度。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种磁共振成像中的运动检测方法，包括：
获取至少两个运动检测子序列；
基于所述至少两个运动检测子序列，获取感兴趣区域的运动检测数据，所述至少两个运动检测子序列插入在至少两个成像子序列中，所述成像子序列用于对所述感兴趣区域进行磁共振成像；
根据所述运动检测数据，确定所述感兴趣区域的运动状态。
2.如权利要求1所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态包括：
根据所述至少两个运动检测子序列中的第一运动检测子序列获取的数据，确定参考数据；
选择所述至少两个运动检测子序列中的第二运动检测子序列获取的数据为目标数据；
确定所述参考数据与所述目标数据的差异；
根据所述差异，确定所述运动状态。
3.如权利要求2所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态，还包括：
对所述运动检测数据进行相位滤波处理。
4.如权利要求1所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态包括：
获取所述运动检测数据中所述感兴趣区域的第一方向的第一数据以及第二方向的第二数据，所述第一方向受干扰运动的影响强于所述第二方向；
将所述第一数据沿所述第一方向分为至少两个第一分段；
确定每个所述第一分段的第一运动状态；
将所述第二数据沿所述第二方向分为至少两个第二分段；
确定每个所述第二分段的第二运动状态；
确定所述第一运动状态之间的第一差异；
确定所述第二运动状态之间的第二差异；
根据所述第一差异和所述第二差异，确定所述运动检测数据受所述干扰运动影响。
5.如权利要求4所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态，进一步包括：
设定所述第一数据的第一权重和所述第二数据的第二权重，所述第一权重小于所述第二权重；
根据所述第一权重和所述第二权重，确定所述运动状态。
6.如权利要求4所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态，进一步包括：
根据所述第二数据，确定所述运动状态。
7.如权利要求1所述的方法，所述根据所述运动检测数据，确定所述感兴趣区域的运动状态包括：
确定所述运动检测数据中的边界数据；
根据所述边界数据，确定所述运动状态。
8.一种磁共振成像中的运动检测方法，包括：
获取感兴趣区域的运动检测数据；
获取所述运动检测数据中所述感兴趣区域的第一方向的第一数据以及第二方向的第二数据，所述第一方向受干扰运动的影响强于所述第二方向；
根据所述第一数据和所述第二数据，确定所述感兴趣区域的运动状态。
9.一种磁共振成像中的运动检测方法，包括：
获取感兴趣区域的运动检测数据；
确定所述运动检测数据中的边界数据；
根据所述边界数据，确定所述感兴趣区域的运动状态。
10.一种磁共振成像中的运动检测系统，包括运动序列获取模块、运动数据获取模块和运动状态确定模块；
所述运动序列获取模块用于获取至少两个运动检测子序列；
所述运动数据获取模块用于基于所述至少两个运动检测子序列，获取感兴趣区域的运动检测数据，所述至少两个运动检测子序列插入在至少两个成像子序列中，所述成像子序列用于对所述感兴趣区域进行磁共振成像；
所述运动状态确定模块用于根据所述运动检测数据，确定所述感兴趣区域的运动状态。
CN202210483930.1A 2022-05-06 2022-05-06 一种磁共振成像中的运动检测方法和系统 Pending CN117058184A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210483930.1A CN117058184A (zh) 2022-05-06 2022-05-06 一种磁共振成像中的运动检测方法和系统
US18/313,334 US20230358837A1 (en) 2022-05-06 2023-05-06 Methods and systems for motion detection in magnetic resonance imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210483930.1A CN117058184A (zh) 2022-05-06 2022-05-06 一种磁共振成像中的运动检测方法和系统

Publications (1)

Publication Number Publication Date
CN117058184A true CN117058184A (zh) 2023-11-14

Family

ID=88666781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210483930.1A Pending CN117058184A (zh) 2022-05-06 2022-05-06 一种磁共振成像中的运动检测方法和系统

Country Status (1)

Country Link
CN (1) CN117058184A (zh)

Similar Documents

Publication Publication Date Title
Tamada et al. Motion artifact reduction using a convolutional neural network for dynamic contrast enhanced MR imaging of the liver
JP6283009B2 (ja) 磁気共鳴イメージングシステム
Lyu et al. Cine cardiac MRI motion artifact reduction using a recurrent neural network
Yan et al. Left ventricle segmentation via optical-flow-net from short-axis cine MRI: preserving the temporal coherence of cardiac motion
US20170156630A1 (en) System and method for adaptive and patient-specific magnetic resonance imaging
CN108333543B (zh) 磁共振成像方法和装置
US11747424B2 (en) Magnetic resonance imaging apparatus, image processing apparatus, and image processing method
US12000918B2 (en) Systems and methods of reconstructing magnetic resonance images using deep learning
US10605882B2 (en) Systems and methods for removing background phase variations in diffusion-weighted magnetic resonance imaging
Xue et al. Unsupervised inline analysis of cardiac perfusion MRI
JP6991728B2 (ja) 画像処理装置、磁気共鳴イメージング装置及び画像処理方法
JP2009005789A (ja) 核磁気共鳴装置
JP7140606B2 (ja) 画像処理装置、画像処理方法、画像処理プログラム及び磁気共鳴イメージング装置
CN114663537A (zh) 去除磁共振图像中的截断伪影的深度学习系统和方法
CN117058184A (zh) 一种磁共振成像中的运动检测方法和系统
CN107329411B (zh) 磁共振设备及噪声控制方法和非易失性计算机存储介质
US11519992B2 (en) Systems and methods of automatically detecting and scoring motion artifacts in magnetic resonance imaging
WO2022217157A1 (en) System and method for quantitative magnetic resonance imaging using a deep learning network
US20230358837A1 (en) Methods and systems for motion detection in magnetic resonance imaging
US20230136320A1 (en) System and method for control of motion in medical images using aggregation
CN108090937B (zh) 磁共振弥散加权成像自适应修正方法
Osman Measuring regional cardiac function using harmonic phase magnetic resonance imaging
WO2023282051A1 (ja) 撮影装置
US20220291317A1 (en) Diffusion-Weighted Magnetic Resonance Imaging
Lyu Deep Neural Networks for MRI Applications

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