DE102020209911A1

DE102020209911A1 - Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie eines Untersuchungsobjekts

Info

Publication number: DE102020209911A1
Application number: DE102020209911.1A
Authority: DE
Inventors: Mario Zeller; Adam Kettinger
Original assignee: Siemens Healthcare GmbH
Current assignee: Siemens Healthineers Ag De
Priority date: 2020-08-05
Filing date: 2020-08-05
Publication date: 2022-02-10
Also published as: US20220043091A1; US11650280B2

Abstract

Gemäß einem Verfahren zur Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie eines Untersuchungsobjekts angegeben wird für zwei oder mehr Messzeiträume (t1, t2) mittels eines MR-Geräts (2) jeweils ein MR-Datensatz (D1, D2) erzeugt, wobei jeder der MR-Datensätze (D1, D2) wenigstens einen zweidimensionalen Einzeldatensatz enthält. Mittels einer Recheneinheit (3) wird eine Regressionsanalyse durchgeführt, um wenigstens einen Phasenkorrekturwert (f0, f1) für einen zu korrigierenden Messzeitraum zu bestimmen, wobei zwei oder mehr verschiedene Einzeldatensätze berücksichtigt werden. Basierend auf den MR-Datensätzen und dem wenigstens einen Phasenkorrekturwert wird ein MR-Bild erzeugt.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie eines Untersuchungsobjekts, wobei für zwei oder mehr Messzeiträume mittels eines MR-Geräts jeweils ein MR-Datensatz erzeugt wird, wobei jeder der MR-Datensätze wenigstens einen zweidimensionalen Einzeldatensatz enthält. Die Erfindung betrifft ferner ein entsprechendes System zur Magnetresonanztomographie und ein Computerprogrammprodukt.
Bei verschiedenen Techniken zur Magnetresonanztomographie, insbesondere bei der Verwendung von echoplanaren Bildgebungsverfahren, kann sich die magnetische Suszeptibilität des Untersuchungsobjekts, beispielsweise des zu untersuchenden Gewebes, durch die Atembewegungen während der MR-Aufnahme verändern. Diese Suszeptibilitätsänderungen können zu Fluktuationen im Grundmagnetfeld führen, die wiederum zur Folge haben, dass sich die Bildphase zeitabhängig verändert. Auch andere Phänomene, wie beispielsweise die Erwärmung von Gradientenspulen, können zu solchen Änderungen der Bildphase führen. Die Veränderungen der Bildphase führen ihrerseits zu Artefakten in den resultierenden MR-Bildern. Beispielsweise kann eine lineare Änderung der Bildphase über die Zeit zu einer Verschiebung im Bildraum führen.
In der Veröffentlichung von B. J. Wilm et al. „Diffusion MRI with concurrent magnetic field monitoring“, Magnetic Resonance in Medicine, 74, 925-833, 2015 wird beschrieben, wie mittels Magnetfeldsonden das Grundmagnetfeld inklusive der Fluktuationen vermessen werden kann und wie aus dem so vermessenen Grundmagnetfeld entsprechende Phasenkorrektur-werte direkt ermittelt werden können.
Die exakte Vermessung des Grundmagnetfelds ist jedoch komplex und aufwändig und daher für den klinischen oder produktiven Einsatz ungeeignet.
Im Dokument DE 10 2014 218 901 B4 wird ein Verfahren zur Korrektur von Atemeinflüssen von Aufnahmen eines Untersuchungsobjekts mittels eines Magnetresonanzgeräts beschrieben. Dazu werden ein externes und ein internes Atemsignal bestimmt sowie ein Korrelationssignal. Sodann wird ein Zuverlässigkeitsbereich des Korrelationssignals innerhalb bei der Bestimmung des internen Atemsignals verwendeter Schichtpositionen bestimmt. Eine Fit-Funktion des Korrelationssignals wird in dem Zuverlässigkeitsbereich bestimmt und die Aufnahmen werden nach Maßgabe der Fit-Funktion korrigiert.
Ein solches Verfahren hat jedoch den Nachteil, dass die Atembewegung mit hoher Genauigkeit bestimmt werden muss und sonstige Effekte, die zu Fluktuationen des Grundmagnetfelds führen, nicht berücksichtigt werden können. Dies resultiert in einer begrenzten Genauigkeit der Korrektur.
Im Dokument DE 10 2011 006 230 A1 wird ein Verfahren zur Korrektur einer Phaseninformation in MR-Bildern angegeben. Dabei wird der k-Raum mittels eines Echoplanarverfahrens abgetastet und ein Navigatorsignal, das eine unbeabsichtigte Änderung des Grundmagnetfelds erfasst, wird aufgenommen. Die Phaseninformationen werden dann unter Berücksichtigung des Navigatorsignals korrigiert.
Da dieses Verfahren anfällig für Rauschen und Phasenfehler ist, muss die Phaseninformation für jede Schicht einzeln berechnet und danach gemittelt werden. Auf diese Weise können längerfristige Drifts in der Phase und Effekte durch die Atmung nur mit relativ geringer Genauigkeit berücksichtigt werden. Außerdem benötigt das Aufzeichnen des Navigatorsignals zusätzliche Zeit, so dass die minimale erreichbare Echozeit erhöht wird.
Es ist daher eine Aufgabe der vorliegenden Erfindung, ein verbessertes Konzept zur Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie anzugeben, durch das die Genauigkeit der Korrektur erhöht wird, wobei insbesondere eine Messung der Fluktuationen nicht erforderlich ist.
Diese Aufgabe wird gelöst durch den jeweiligen Gegenstand der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und bevorzugte Ausführungsformen sind Gegenstand der abhängigen Ansprüche.
Das verbesserte Konzept beruht auf der Idee, für einen zu korrigierenden Messzeitraum eine Regressionsanalyse zur Bestimmung wenigstens eines Phasenkorrekturwerts durchzuführen, wobei zwei oder mehr verschiedene zweidimensionale Einzeldatensätze berücksichtigt werden.
Gemäß dem verbesserten Konzept wird ein Verfahren zur Korrektur oder zur wenigstens teilweisen Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie eines Untersuchungsobjekts angegeben. Dabei wird für zwei oder mehr Messzeiträume mittels eines MR-Geräts jeweils ein MR-Datensatz erzeugt, wobei jeder der MR-Datensätze wenigstens einen zweidimensionalen Einzeldatensatz enthält. Mittels einer Recheneinheit wird eine Regressionsanalyse durchgeführt, um wenigstens einen Phasenkorrekturwert für einen zu korrigierenden Messzeitraum der zwei oder mehr Messzeiträume zu bestimmen. Bei der Regressionsanalyse werden dabei zwei oder mehr verschiedene Einzeldatensätze der zweidimensionalen Einzeldatensätze der MR-Datensätze der zwei oder mehr Messzeiträume berücksichtigt, um den wenigstens einen Phasenkorrekturwert für den zu korrigierenden Messzeitraum zu bestimmen. Mittels der Recheneinheit oder mittels des MR-Geräts wird ein MR-Bild basierend auf den MR-Datensätzen und dem wenigstens einen Phasenkorrekturwert erzeugt.
Hier und im Folgenden wird MR als Abkürzung für Magnetresonanz verwendet.
Unter dem Grundmagnetfeld kann hier und im Folgenden ein näherungsweise homogenes Magnetfeld, häufig auch als B₀ bezeichnet, verstanden werden, in welches das Untersuchungsobjekt platziert wird, um die der Kernspinresonanz zugrundeliegende Spinpolarisierung zu erzeugen. Fluktuationen des Grundmagnetfelds können dabei als zeitabhängige und gegebenenfalls ortsabhängige Veränderungen der Feldstärke des Grundmagnetfelds verstanden werden. Diese können durch Bewegungen des Untersuchungsobjekts, beispielsweise Atembewegungen, der Material- oder Gewebestruktur des Untersuchungsobjekts oder auch durch das MR-Gerät selbst verursacht sein, beispielsweise durch die Erwärmung von Gradientenspulen oder anderen Komponenten des MR-Geräts.
Unter den Einflüssen, die von den Fluktuationen des Grundmagnetfelds verursacht werden, können Fehler oder Artefakte in den MR-Bildern verstanden werden, die darauf beruhen, dass bei der Erzeugung der MR-Bilder fälschlicherweise von der Abwesenheit der Fluktuationen ausgegangen wird, insbesondere indem für erforderliche Rechenschritte von einem zeitlich konstanten homogenen Magnetfeld ausgegangen wird.
Unter den Einzeldatensätzen können insbesondere MR-Daten im k-Raum oder Impulsraum verstanden werden. Ein Einzeldatensatz repräsentiert dabei insbesondere die Abtastung eines vorgegebenen k-Raum-Bereichs für eine gegebene Schicht des Untersuchungsobjekts durch das MR-Gerät. Für jeden der Einzeldatensätze ist darüber hinaus ein entsprechender Empfangskanal des MR-Geräts vorgegeben. Ein Empfangskanal entspricht dabei einer bestimmten Empfangsspule oder eines definierten Teils einer Empfangsspule des MR-Geräts zum Aufzeichnen der entsprechenden MR-Signale. Ein Einzeldatensatz enthält also mittels eines Empfangskanals erhaltene MR-Daten für eine bestimmte Schicht. In alternativen Ausführungsformen können die MR-Daten der Einzeldatensätze statt im k-Raum in einem hybriden Impuls-Ortsraum vorliegen, bei dem beispielsweise eine Dimension einer k-Raumdimension entspricht und eine Dimension einer Ortsraumdimension. Jeder der Messzeiträume, die insbesondere auch als Frames bezeichnet werden können, können daher Einzeldatensätze für eine oder mehrere Schichten und/oder für eine oder mehrere Empfangskanäle beinhalten.
Die Bezeichnung des zu korrigierenden Messzeitraums als solchen kann insbesondere derart verstanden werden, dass der MR-Datensatz des zu korrigierenden Messzeitraums einem zu korrigierenden MR-Datensatz entspricht, also beispielsweise einen zu korrigierenden Einzeldatensatz beinhaltet. Der wenigstens eine Phasenkorrekturwert für den zu korrigierenden Messzeitraum kann wenigstens einem Phasenkorrekturwert für den zu korrigierenden Einzeldatensatz entsprechen. Zum Erzeugen des MR-Bildes kann die Recheneinheit beispielsweise den zu korrigierenden Einzeldatensatz abhängig von dem wenigstens einen Phasenkorrekturwert korrigieren und das MR-Bild kann abhängig von dem korrigierten Einzeldatensatz erzeugt werden.
Die bezüglich des zu korrigierenden Messzeitraums beziehungsweise des zu korrigierenden Einzeldatensatzes erläuterten Verfahrensschritte können in verschiedenen Ausführungsformen entsprechend auf weitere oder alle Messzeiträume der zwei oder mehr Messzeiträume, beziehungsweise auf weitere oder alle Einzeldatensätze der MR-Datensätze übertragen werden.
Dass bei der Regressionsanalyse zwei oder mehr verschiedene Einzeldatensätze der MR-Datensätze berücksichtigt werden, kann insbesondere derart verstanden werden, dass der wenigstens eine Phasenkorrekturwert für den zu korrigierenden Messzeitraum abhängig von den zwei oder mehr verschiedenen Einzeldatensätzen bestimmt wird. Insbesondere wird der wenigstens eine Phasenkorrekturwert nicht ausschließlich basierend auf dem zu korrigierenden Einzeldatensatz bestimmt. Zum Berücksichtigen der zwei oder mehr verschiedenen Einzeldatensätze bei der Regressionsanalyse können wenigstens zwei verschiedene Einzeldatensätze desselben MR-Datensatzes, also desselben Messzeitraums, berücksichtigt werden und/oder wenigstens zwei Einzeldatensätze verschiedener MR-Datensätze, also verschiedener Messzeiträume. Werden verschiedene Einzeldatensätze desselben MR-Datensatzes berücksichtigt, so werden beispielsweise Einzeldatensätze zu unterschiedlichen Schichten und/oder Kanälen oder sonstigen weiteren Parametern berücksichtigt.
Innerhalb eines Messzeitraums kann sich die von Kernspins akkumulierte Phase beispielsweise aufgrund von applizierten Gradienten, beispielsweise Gradienten zur Phasenkodierung, verändern. Aufgrund der Fluktuationen des Grundmagnetfelds kommt es jedoch zu einer zusätzlichen, unerwünschten Phasenakkumulation und entsprechenden Veränderung der Phasenwerte. Näherungsweise kann beispielsweise von einer zeitlich linearen Abweichung aufgrund der Fluktuationen des Grundmagnetfelds ausgegangen werden. In dieser Näherung kann der Phasenkorrekturwert also beispielsweise einen konstanten Phasenversatz, also einen Phasenkorrekturwert nullter Ordnung, und/oder einen linearen Anteil, also einen Phasenkorrekturwert erster Ordnung, beinhalten. Der Unterschied des linearen Anteils in verschiedenen Messzeiträumen kann beispielsweise als Frequenzunterschied bezüglich der Resonanzfrequenz der angeregten Kernspins interpretiert werden.
Im Rahmen der Regressionsanalyse, die insbesondere als multivariate Regressionsanalyse ausgestaltet sein kann, werden die Phasenkorrekturwerte also insbesondere als Regressionsvariablen behandelt. Die Phasenkorrekturwerte können daher auch als Ergebnis der Regressionsanalyse angesehen werden.
Durch die Berücksichtigung des wenigstens einen Phasenkorrekturwerts bei der Erzeugung des MR-Bildes, die retrospektiv oder prospektiv erfolgen kann, können die Einflüsse der Fluktuationen des Grundmagnetfelds wenigstens zum Teil kompensiert werden. Insbesondere können bei den entsprechenden Rechenschritten die Fluktuationen des Grundmagnetfelds in Form des wenigstens einen Phasenkorrekturwerts berücksichtigt werden.
Dadurch können Fehler in den MR-Datensätzen beziehungsweise den Einzeldatensätzen kompensiert werden, so dass letztlich Artefakte in dem resultierenden MR-Bild reduziert und die Qualität des MR-Bildes verbessert werden kann.
Durch die Berücksichtigung der zwei oder mehr verschiedenen Einzeldatensätze bei der Regressionsanalyse wird die Genauigkeit der Korrektur erhöht, indem für die Bestimmung des wenigstens einen Phasenkorrekturwerts für den zu korrigierenden Messzeitraum zusätzliche Daten, beispielsweise von anderen Messzeiträumen oder benachbarten Schichten oder anderen Empfangskanälen, berücksichtigt werden. Damit wird berücksichtigt, dass Unterschiede in den MR-Daten verschiedener Einzeldatensätze implizit die zeitliche Veränderung der Phase kodieren. Diese zusätzliche Information wird durch die Regressionsanalyse extrahiert und mit Vorteil bei der Erzeugung des MR-Bildes verwendet. Dadurch kann auf die explizite Bestimmung und Vermessung der tatsächlichen Ursachen für die Fluktuation des Grundmagnetfeldes, beispielsweise der Atembewegung, verzichtet werden beziehungsweise es können Abstriche bei der Genauigkeit dieser hingenommen werden.
Das verbesserte Konzept kommt also insbesondere ohne Navigatoraufnahmen aus und ist nicht auf die Ursache der Fluktuationen des Grundmagnetfelds festgelegt. Dadurch können sowohl Fluktuationen aufgrund von Bewegungen des Untersuchungsobjekts, insbesondere Atembewegungen, als auch Einflüsse aufgrund Geräte-inhärenter Effekte, beispielsweise der Aufheizung von Gradientenspulen über die Zeit, berücksichtigt werden.
Gemäß zumindest einer Ausführungsform des Verfahrens nach dem verbesserten Konzept wird die Regressionsanalyse als multivariate Regressionsanalyse durchgeführt.
Dadurch können insbesondere zwei oder mehr Phasenkorrekturwerte bestimmt werden, so dass die Korrektur der Einflüsse durch die Fluktuationen des Grundmagnetfelds umfassender und mit höherer Genauigkeit erfolgen kann.
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit ein rekurrentes neuronales Netzwerk, RNN, angewendet, um die Regressionsanalyse, insbesondere die multivariate Regressionsanalyse, durchzuführen.
Die Recheneinheit wendet dabei das RNN, welches beispielsweise auf einer Speichereinheit der Recheneinheit oder des MR-Gerätes gespeichert sein kann, auf Eingangsdaten an, welche die zwei oder mehr verschiedenen Einzeldatensätze beinhalten oder auf diesen beruhen. Insbesondere kann die Recheneinheit das RNN auf eine Zeitreihe von zweidimensionalen Einzeldatensätzen anwenden. Das RNN ist dabei insbesondere entsprechend trainiert, um basierend auf den Einzeldatensätzen auf den wenigstens einen Phasenkorrekturwert zu schließen.
RNNs haben sich als leistungsfähige Werkzeuge zur Durchführung insbesondere multivariater Regressionsanalysen umfangreicher Datensätze bewiesen, so dass die Korrektur mit hoher Genauigkeit und Zuverlässigkeit erfolgen kann.
Zum Trainieren des RNN kommen verschiedene Ansätze in Frage. Dazu können beispielsweise Trainingsdaten erzeugt werden, indem MR-Trainingsdaten erzeugt werden und das Grundmagnetfeld währenddessen, also bei der Abtastung des entsprechenden k-Raum-Bereichs, mittels Magnetfeldsonden exakt vermessen wird. Aus dem exakt vermessenen Grundmagnetfeld können die Phasenkorrekturwerte direkt ermittelt werden, wie es beispielsweise in der oben genannten Veröffentlichung von B. J. Wilm et al. erläutert wird. Durch den Abgleich der so basierend auf Messungen bestimmten Phasenkorrekturwerte mit den anhand des RNN prädizierten Phasenkorrekturwerte kann das RNN entsprechend trainiert werden.
Dabei können beispielsweise Trainingsdaten für nur eine Schicht zu sehr vielen Zeitpunkten erzeugt werden, so dass ein Einfluss von Atembewegungen beziehungsweise der Schichtposition auf die Trainingsdaten eliminiert wird. Alternativ können die Trainingsdaten basierend auf Aufnahmen mit hohen Schichtdicken erzeugt werden, wodurch das entsprechende Signal-zu-Rauschverhältnis steigt und die Trainingsdaten zuverlässiger werden.
Gemäß zumindest einer Ausführungsform wird zum Anwenden des RNN ein faltendes Lang-Kurzzeitspeicher-Modul angewendet, das RNN beinhaltet also ein faltendes Lang-Kurzzeitspeicher-Modul.
Lang-Kurzzeitspeicher-Module werden auch als LSTM-Module (englisch: „Long Short-Term Memory“) bezeichnet. Durch den Einsatz faltender LSTMs, wie sie beispielsweise in der Veröffentlichung von X. Shi et al. „Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting“, ar-Xiv:1506.04214v1, 2015 beschrieben werden, können diese nicht nur für eindimensionale Zeitreihen, sondern auch, wie vorliegend, für mehrdimensionale Eingangsdaten eingesetzt werden.
Gemäß zumindest einer Ausführungsform wird zum Anwenden des RNN wenigstens eine Faltungsschicht gefolgt von einem nicht-faltenden LSTM-Modul angewendet, das RNN beinhaltet also wenigstens eine Faltungsschicht und ein drauf folgendes nichtfaltendes, also zur Verarbeitung eindimensionaler Eingangsdaten ausgelegtes, LSTM-Modul.
Durch die wenigstens eine Faltungsschicht können die mehrdimensionalen Eingangsdaten dabei in eindimensionale Eingangsdaten überführt werden, die dann anhand des LSTM-Moduls verarbeitet werden können.
Gemäß zumindest einer Ausführungsform werden zum Anwenden des RNN wenigstens eine Faltungsschicht gefolgt von einer rekurrenten Gattereinheit, GRU (englisch: „Gating Recurrent Unit“), angewendet, das RNN beinhaltet also wenigstens eine Faltungsschicht gefolgt von einer GRU. Die GRU kann daher als Alternative zu dem nicht-faltenden LSTM-Modul angesehen werden.
Gemäß zumindest einer Ausführungsform wird während der Erzeugung der MR-Datensätze ein Navigatorsignal aufgenommen, welches von der Fluktuation des Grundmagnetfelds abhängt. Die Regressionsanalyse wird abhängig von dem Navigatorsignal durchgeführt.
Gemäß zumindest einer Ausführungsform beinhalten die zweidimensionalen Einzeldatensätze zweidimensionale k-Raum-Daten beziehungsweise zweidimensionale k-Raum-Rohdaten oder zweidimensionale hybride Impuls-Ortsraumdaten.
Insbesondere wenn ein RNN angewendet wird, um die Regressionsanalyse durchzuführen, kann dieses die relevanten Merkmale direkt aus den Rohdaten extrahieren, so dass auf die Verwendung eines Navigatorsignals verzichtet werden kann. Dadurch kann die minimal erreichbare Echozeit verringert werden.
Das Navigatorsignal kann jedoch auch zusätzlich zu den genannten Rohdaten eingesetzt werden, um die Zuverlässigkeit und Genauigkeit der Korrektur zu erhöhen, beispielsweise wenn das Navigatorsignal für andere Zwecke ohnehin erfasst wird.
Gemäß zumindest einer Ausführungsform wird zum Erzeugen der MR-Datensätze ein Echoplanarverfahren angewendet.
Echoplanare Bildgebungsverfahren sind besonders sensitiv bezüglich der Änderung von Bildphasen, so dass sich das verbesserte Konzept hier besonders vorteilhaft auswirkt.
Gemäß zumindest einer Ausführungsform beinhalten die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, einen Einzeldatensatz desjenigen MR-Datensatzes, der für den zu korrigierenden Messzeitraum erzeugt wurde, insbesondere den zu korrigierenden Einzeldatensatz.
Gemäß zumindest einer Ausführungsform beinhalten die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, wenigstens zwei verschiedene Einzeldatensätze verschiedener MR-Datensätze.
Insbesondere beinhalten die zwei oder mehr verschiedenen Einzeldatensätze den zu korrigierenden Einzeldatensatz und einen einem anderen MR-Datensatz zugehörigen Einzeldatensatz. Die verschiedenen Einzeldatensätze verschiedener MR-Datensätze können dabei denselben oder verschiedenen Schichten und/oder Empfangskanälen entsprechen.
Durch die Berücksichtigung von Einzeldatensätzen unterschiedlicher MR-Datensätze, also unterschiedlicher Messzeiträume, kann anhand der Regressionsanalyse, insbesondere wenn diese durch ein RNN durchgeführt wird, aus dem zeitlichen Verlauf beziehungsweise der zeitlichen Veränderung der der Einzeldatensätze, auf die Phasenkorrekturwerte geschlossen werden.
Gemäß zumindest einer Ausführungsform werden zum Erzeugen der MR-Datensätze jeweils wenigstens zwei Schichten des Untersuchungsobjekts angeregt, und für jede der wenigstens zwei Schichten wird jeweils ein zugeordneter Einzeldatensatz des jeweiligen MR-Datensatzes erzeugt. Die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, beinhalten wenigstens zwei verschiedene Einzeldatensätze desselben MR-Datensatzes, die verschiedenen der wenigstens zwei Schichten zugeordnet sind.
Die Schichten können dabei, je nach Ausgestaltungsform des Aufnahmeverfahrens, gleichzeitig oder nacheinander angeregt werden. Insbesondere beinhalten die zwei oder mehr verschiedenen Einzeldatensätze den zu korrigierenden Einzeldatensatz und einen weiteren demselben MR-Datensatz zugehörigen Einzeldatensatz.
Durch die Berücksichtigung verschiedener Schichten, beispielsweise benachbarter Schichten, kann die Bestimmung der Phasenkorrekturwerte mit höherer Zuverlässigkeit beziehungsweise höherer Genauigkeit erfolgen.
Gemäß zumindest einer Ausführungsform werden zum Erzeugen der MR-Datensätze jeweils wenigstens zwei Empfangskanäle des MR-Geräts verwendet und für jeden der wenigstens zwei Empfangskanäle wird jeweils ein zugeordneter Einzeldatensatz des jeweiligen MR-Datensatzes erzeugt. Die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, beinhalten wenigstens zwei verschiedene Einzeldatensätze desselben MR-Datensatzes, die verschiedenen der wenigstens zwei Empfangskanäle zugeordnet sind.
Dadurch kann die Zuverlässigkeit und Genauigkeit der Bestimmung der Phasenkorrekturwerte weiter erhöht werden. Insbesondere beinhalten die zwei oder mehr verschiedenen Einzeldatensätze den zu korrigierenden Einzeldatensatz und einen weiteren demselben MR-Datensatz zugehörigen Einzeldatensatz.
Gemäß zumindest einer Ausführungsform wird während der Erzeugung der MR-Datensätze eine Atembewegung des Untersuchungsobjekts aufgezeichnet, und die Regressionsanalyse, insbesondere die multivariate Regressionsanalyse, wird abhängig von der aufgezeichneten Atembewegung durchgeführt.
Zum Aufzeichnen der Atembewegung wird dabei insbesondere eine Bewegungskurve der Atembewegung oder eine Amplitude der Atembewegung aufgezeichnet.
Dazu kann das MR-Gerät eine Vorrichtung zum Aufzeichnen der Atembewegung beinhalten. Die Vorrichtung kann beispielsweise eine oder mehrere Kameras beinhalten, um die Bewegung des Untersuchungsobjekts aufgrund der Atembewegung zu bestimmen.
Da, wie oben beschrieben, die Atembewegungen einen wesentlichen Beitrag zu den Fluktuationen des Grundmagnetfelds liefern können, wird durch die Berücksichtigung der Atembewegung bei der Regressionsanalyse eine höhere Genauigkeit bei der Bestimmung der Phasenkorrekturwerte erzielt.
Gemäß zumindest einer Ausführungsform wird basierend auf einem Ergebnis der Regressionsanalyse eine zukünftige Atembewegung des Untersuchungsobjekts bestimmt.
Die zukünftige Atembewegung kann dabei als weiteres Ergebnis der Regressionsanalyse oder als weitere Regressionsvariable angesehen werden. Die zukünftige Atembewegung kann beispielsweise als separate Information bereitgestellt werden.
Gemäß zumindest einer Ausführungsform enthält der wenigstens eine Phasenkorrekturwert einen ersten Phasenkorrekturwert, der einem zeitlich konstanten Anteil einer Abweichung eines Phasenverlaufs während des zu korrigierenden Messzeitraums von einem vorgegebenen Referenzphasenverlauf entspricht.
Mit anderen Worten enthält der wenigstens eine Phasenkorrekturwert einen konstanten Phasenversatz.
Gemäß zumindest einer Ausführungsform enthält der wenigstens eine Phasenkorrekturwert einen zweiten Phasenkorrekturwert, der einem zeitlich linearen Anteil der Abweichung des Phasenverlaufs während des zu korrigierenden Messzeitraums von dem Referenzphasenverlauf entspricht.
Der zweite Phasenkorrekturwert entspricht daher der Phasenkorrektur in erster Ordnung, also einem Frequenzversatz. Der zweite Phasenkorrekturwert stellt daher eine besonders relevante Korrekturgröße dar, da dieser im Bildraum des MR-Bildes zu Verschiebungen führt. Diese Verschiebungen können durch Berücksichtigung des zweiten Phasenkorrekturwerts kompensiert werden.
Gemäß dem verbesserten Konzept wird auch System zur Magnetresonanztomographie eines Untersuchungsobjekts angegeben. Das System weist ein MR-Gerät auf, das dazu eingerichtet ist, für zwei oder mehr Messzeiträume jeweils einen MR-Datensatz zu erzeugen, wobei jeder der MR-Datensätze wenigstens einen zweidimensionalen Einzeldatensatz enthält. Das System enthält eine Recheneinheit, die dazu eingerichtet ist, eine Regressionsanalyse durchzuführen, um wenigstens einen Phasenkorrekturwert für einen zu korrigierenden Messzeitraum der zwei oder mehr Messzeiträume zu bestimmen und bei der Regressionsanalyse zwei oder mehr verschiedene Einzeldatensätze der MR-Datensätze zu berücksichtigen. Die Recheneinheit oder das MR-Gerät, insbesondere eine weitere Recheneinheit des MR-Geräts, ist dazu eingerichtet, basierend auf den MR-Datensätzen und dem wenigstens einen Phasenkorrekturwert ein MR-Bild zu erzeugen.
Weitere Ausführungsformen des Systems nach dem verbesserten Konzept folgen direkt aus den verschiedenen Ausgestaltungsformen des Verfahrens nach dem verbesserten Konzept und umgekehrt. Insbesondere kann ein System nach dem verbesserten Konzept dazu eingerichtet oder programmiert sein, ein Verfahren nach dem verbesserten Konzept durchzuführen oder es führt ein solches Verfahren durch.
Gemäß dem verbesserten Konzept wird auch ein Computerprogramm mit Befehlen angegeben, wobei die Befehle bei Ausführung der Befehle beziehungsweise des Computerprogramms durch ein System nach dem verbesserten Konzept das System dazu veranlassen, ein Verfahren nach dem verbesserten Konzept durchzuführen.
Gemäß dem verbesserten Konzept wird auch ein computerlesbares Speichermedium angegeben, das ein Computerprogramm nach dem verbesserten Konzept speichert.
Das Computerprogramm sowie das computerlesbare Speichermedium können jeweils als Computerprogrammprodukte mit den Befehlen bezeichnet werden.
Die Erfindung wird im Folgenden anhand konkreter Ausführungsbeispiele und zugehöriger schematischer Zeichnungen näher erläutert. In den Figuren können gleiche oder funktionsgleiche Elemente mit denselben Bezugszeichen versehen sein. Die Beschreibung gleicher oder funktionsgleicher Elemente wird gegebenenfalls nicht notwendigerweise bezüglich verschiedener Figuren wiederholt.
In den Figuren zeigen:

1 eine schematische Darstellung einer beispielhaften Ausführungsform eines Systems zur Magnetresonanztomographie nach dem verbesserten Konzept;
2 eine schematische Darstellung verschiedener Aspekte einer beispielhaften Ausführungsform eines Verfahrens nach dem verbesserten Konzept; und
3 schematische Phasenverläufe während verschiedener Messzeiträume und eine Abweichung der Phasenverläufe voneinander.

In 1 ist schematisch eine beispielhafte Ausführungsform eines Systems 1 zur Magnetresonanztomographie eines Untersuchungsobjekts dargestellt. Das System 1 weist ein MR-Gerät 2 auf sowie eine mit dem MR-Gerät 2 gekoppelte Recheneinheit 3. Das System 1 weist außerdem eine Speichereinheit 4 auf, auf die die Recheneinheit 3 zugreifen kann und auf der ein Algorithmus zur Durchführung einer Regressionsanalyse, insbesondere einer multivariaten Regressionsanalyse, gespeichert ist, insbesondere ein RNN.
Optional kann das System 1 beziehungsweise das MR-Gerät 2 eine Vorrichtung 6 zum Erfassen einer Atembewegung des Untersuchungsobjekts beinhalten.
Wie in 2 schematisch dargestellt, wird mittels des MR-Geräts 2 für eine Vielzahl aufeinanderfolgender Messzeiträume t1, t2 jeweils ein MR-Datensatz D1, D2 erzeugt. Jeder MR-Datensatz D1, D2 beinhaltet dabei einen oder mehrere zweidimensionale Einzeldatensätze, beispielsweise im k-Raum, wobei unterschiedliche Einzeldatensätze eines MR-Datensatzes D1, D2 unterschiedlichen Schichten und/oder unterschiedlichen Empfangskanälen des MR-Geräts 2 entsprechen. Die unterschiedlichen Schichten und/oder Empfangskanäle sind in 2 schematisch mit d bezeichnet.
Die MR-Datensätze D1, D2 werden dem RNN 5 mittels der Recheneinheit 3 in der Reihenfolge ihrer Erzeugung als Eingangsdaten zugeführt. Das RNN 5 führt basierend darauf eine multivariate Regressionsanalyse durch, um einen Phasenkorrekturwert nullter Ordnung f0 und einen Phasenkorrekturwert erster Ordnung f1 zu bestimmen. Bei der Regressionsanalyse für einen zu korrigierenden Messzeitraum t1, t2 beziehungsweise für einen entsprechenden zu korrigierenden Einzeldatensatz berücksichtigt das RNN dabei verschiedene Einzeldatensätze, beispielsweise Einzeldatensätze unterschiedlicher MR-Datensätze D1, D2, also unterschiedlicher Messzeiträume t1, t2, und/oder verschiedene Einzeldatensätze unterschiedlicher Empfangskanäle und/oder Schichten d.
Optional kann mittels der Vorrichtung 6 zum Erfassen der Atembewegung eine Atemkurve r aufgezeichnet werden, während die MR-Datensätze D1, D2 erzeugt werden. Die Atemkurve r wird dann ebenfalls dem RNN als Teil der Eingangsdaten zugeführt. Das RNN 5 kann dann beispielsweise einen prädizierten Wert r' für die Atembewegung basierend auf der multivariaten Regressionsanalyse bestimmen.
Zur Verdeutlichung der Phasenkorrekturwerte f0, f1 sind in 3 die zeitlichen Verläufe der Bildphasen F, F' für unterschiedliche Messzeiträume dargestellt. Näherungsweise können F und F' dabei als lineare Funktionen angenommen werden. Wird einer der Phasenverläufe, beispielsweise F, als Referenzverlauf angesehen, so kann der Phasenkorrekturwert nullter Ordnung f0 als Differenz b' - b der y-Achsenabschnitte b', b interpretiert werden. Der Phasenkorrekturwert erster Ordnung f1 kann als Differenz w'-w zwischen den Steigungen w', w aufgefasst werden.
Für das RNN 5 können verschiedene Architekturen verwendet werden. Eine beispielhafte Netzwerkarchitektur benutzt ein faltendes LSTM-Modul, also ein LSTM-Modul, das einen Faltungsschritt beinhaltet und daher zur Verarbeitung mehrdimensionaler Eingangsdaten geeignet ist, im Gegensatz zu konventionellen LSTMs, die nur eindimensionale Zeitserien als Eingangsdaten verarbeiten können.
Beispielsweise können eine oder mehrere 64 x 64 Matrizen als Eingabeschichten verwendet werden und mit zwei faltenden LSTM-Modulen verarbeitet werden, so dass 32 beziehungsweise 16 Feature Maps resultieren. Die konkreten Dimensionen können selbstverständlich auf die entsprechenden Anforderungen angepasst werden.

Eine beispielhafte Architektur für das RNN 5 kann daher wie folgt ausgestaltet sein:

Schichttyp	Ausgabeformat	# Param.
ConvLSTM2D	(a, b, 64, 64, 32)	40448
BatchNormalization	(a, b, 64, 64, 32)	128
ConvLSTM2D	(a, b, 64, 64, 16)	27712
BatchNormalization	(a, b, 64, 64, 16)	64
Time_distributed
Dense	(a, b, 16)	1048592
Dense	(a, b, 2)	34

Die Reihenfolge der anzuwendenden Schichten ist dabei von oben nach unten. # Param. bezeichnet die Anzahl der trainierbaren beziehungsweise trainierten Parameter, beispielsweise Gewichte und Versatzwerte, der entsprechenden Schicht dar. a entspricht der Anzahl verwendeter Trainingsdatensätze und b entspricht der Anzahl berücksichtigter Messzeiträume. Der letzte Eintrag im Ausgabeformat entspricht der Anzahl erzeugter Feature Maps. Bei ConvLSTM2D und BatchNormalization stehen die Einträge 64 für die Anzahl der Datenpunkte der zweidimensionalen Eingangsdaten, also beispielsweise in kx- und ky-Richtung oder in kx und y-Richtung.
Bei ConvLSTM2D handelt es sich um faltende LSTM Module, wie beispielsweise in der oben genannten Veröffentlichung von X. Shi et al. beschrieben. BatchNormalization stellen Normierungsschichten dar, welche die Aktivierungen der jeweils vorherigen Schicht normieren, also insbesondere eine Transformation an, welche die mittlere Aktivierung nahe bei 0 und die Aktivierungsstandardabweichung nahe bei 1 hält. Die beiden Dense Schritte verknüpfen jeweils jedes ihrer EingabeElemente mit jedem der Ausgabeelemente, sodass ein Vektor resultiert. Dabei zeigt die Zeile Time_distributed an, dass beide Dense Schritte auf für jeden Zeitpunkt auf das entsprechende Ergebnis der vorherigen Schichten angewendet wird.
Verschiedene Empfangskanäle und/oder Schichten können gegebenenfalls konkateniert werden, bei 8 Kanälen resultierte dann beispielsweise (a, b, 64x8, 64, 32) oder (a, b, 64, 64x8, 32) anstatt (a, b, 64, 64, 32). Alternativ können die Empfangskanäle und/oder Schichten als zusätzliche Dimensionen betrachtet werden.
Anstelle von faltenden LSTMs können beispielsweise auch Faltungsschichten vor einem konventionellen LSTM oder vor einer GRU eingesetzt werden, um die relevanten Merkmale zu extrahieren.
In vorteilhaften Ausführungsformen werden keine Navigatorsignale eingesetzt, sondern die k-Raum-Rohdaten werden, wie beschrieben, als Eingangsdaten verwendet. Das RNN kann dann die relevanten Daten direkt aus den k-Raum-Daten extrahieren. Dadurch kann die minimal erreichbare Echozeit verringert werden.
Anstelle des gesamten k-Raums können auch Teile des k-Raums, beispielsweise zentrale Linien durch den k-Raum-Ursprung, als Eingangsdaten verwendet werden. Dadurch kann der Rechenaufwand reduziert werden.
Wenn allerdings für andere Anwendungen ohnehin Navigatorsignale erzeugt werden, können sowohl die Navigatorsignale als auch die k-Raum-Rohdaten als Eingangsdaten verwendet werden.
Wie insbesondere anhand der Figuren beschrieben, erlaubt es das verbesserte Konzept, Einflüsse von Fluktuationen des Grundmagnetfelds mit höherer Genauigkeit zu kompensieren, ohne diese Fluktuationen während der produktiven oder klinischen Phase zu vermessen. Dazu werden in verschiedenen Ausgestaltungsformen mehrere Messzeiträume, Schichten, Empfangskanäle und/oder die Atemkurve bei der Bestimmung der Phasenkorrekturwerte im Rahmen einer Regressionsanalyse berücksichtigt. Dadurch wird die Genauigkeit der Phasenkorrekturwerte erhöht, was außerdem dazu führen kann, dass auch die zeitliche Auflösung erhöht wird. Beispielsweise können auch schichtweise Phasenkorrekturwerte angegeben werden.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102014218901 B4 [0005]
DE 102011006230 A1 [0007]

Claims

Verfahren zur Korrektur von durch Fluktuationen eines Grundmagnetfelds verursachten Einflüssen auf eine Magnetresonanztomographie eines Untersuchungsobjekts, wobei - für zwei oder mehr Messzeiträume (t1, t2) mittels eines MR-Geräts (2) jeweils ein MR-Datensatz (D1, D2) erzeugt wird, wobei jeder der MR-Datensätze (D1, D2) wenigstens einen zweidimensionalen Einzeldatensatz enthält; dadurch gekennzeichnet, dass - mittels einer Recheneinheit (3) eine Regressionsanalyse durchgeführt wird, um wenigstens einen Phasenkorrekturwert (f0, f1) für einen zu korrigierenden Messzeitraum der zwei oder mehr Messzeiträume (t1, t2) zu bestimmen; - bei der Regressionsanalyse zwei oder mehr verschiedene Einzeldatensätze der MR-Datensätze (D1, D2) berücksichtigt werden; und - ein MR-Bild basierend auf den MR-Datensätzen (D1, D2) und dem wenigstens einen Phasenkorrekturwert (f0, f1) erzeugt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Regressionsanalyse als multivariate Regressionsanalyse durchgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche dadurch gekennzeichnet, dass mittels der Recheneinheit (3) ein rekurrentes neuronales Netzwerk, RNN, (5) angewendet wird, um die Regressionsanalyse durchzuführen.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass - zum Anwenden des RNN (5) ein faltendes Lang-Kurzzeitspeicher-Modul angewendet wird; und/oder - zum Anwenden des RNN (5) wenigstens eine Faltungsschicht gefolgt von einem nicht-faltenden Lang-Kurzzeitspeicher-Modul angewendet wird; und/oder - zum Anwenden des RNN (5) eine wenigstens Faltungsschicht gefolgt von einer rekurrenten Gattereinheit, GRU, angewendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - während der Erzeugung der MR-Datensätze (D1, D2) ein Navigatorsignal aufgenommen wird, welches von der Fluktuation des Grundmagnetfelds abhängt; und - die Regressionsanalyse anhängig von dem Navigatorsignal durchgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, einen Einzeldatensatz des für den zu korrigierenden Messzeitraum erzeugten MR-Datensatzes beinhalten.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, wenigstens zwei verschiedene Einzeldatensätze verschiedener MR-Datensätze (D1, D2) beinhalten.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - zum Erzeugen der MR-Datensätze (D1, D2) jeweils wenigstens zwei Schichten des Untersuchungsobjekts angeregt werden und für jede der wenigstens zwei Schichten jeweils ein zugeordneter Einzeldatensatz erzeugt wird; und - die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, wenigstens zwei verschiedene Einzeldatensätze desselben MR-Datensatzes beinhalten, die verschiedenen der wenigstens zwei Schichten zugeordnet sind.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - zum Erzeugen der MR-Datensätze (D1, D2) jeweils wenigstens zwei Empfangskanäle des MR-Geräts (2) verwendet werden und für jeden der wenigstens zwei Empfangskanäle jeweils ein zugeordneter Einzeldatensatz erzeugt wird; und - die zwei oder mehr verschiedenen Einzeldatensätze, die bei der Regressionsanalyse berücksichtigt werden, wenigstens zwei verschiedene Einzeldatensätze desselben MR-Datensatzes (D1, D2) beinhalten, die verschiedenen der wenigstens zwei Empfangskanäle zugeordnet sind.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - eine Atembewegung (r) des Untersuchungsobjekts während der Erzeugung der MR-Datensätze (D1, D2) aufgezeichnet wird; und - die Regressionsanalyse abhängig von der aufgezeichneten Atembewegung (r) durchgeführt wird.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass basierend auf einem Ergebnis der Regressionsanalyse eine zukünftige Atembewegung (r') des Untersuchungsobjekts bestimmt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass - der wenigstens eine Phasenkorrekturwert (f0, f1) einen ersten Phasenkorrekturwert (f0) enthält, der einem zeitlich konstanten Anteil einer Abweichung eines Phasenverlaufs während des zu korrigierenden Messzeitraums von einem vorgegebenen Referenzphasenverlauf entspricht; und/oder - der wenigstens eine Phasenkorrekturwert (f0, f1) einen zweiten Phasenkorrekturwert (f1) enthält, der einem zeitlich linearen Anteil der Abweichung entspricht.
System zur Magnetresonanztomographie eines Untersuchungsobjekts, das System (1) aufweisend ein MR-Gerät (2), das dazu eingerichtet ist, für zwei oder mehr Messzeiträume (t1, t2) jeweils einen MR-Datensatz zu erzeugen, wobei jeder der MR-Datensätze (D1, D2) wenigstens einen zweidimensionalen Einzeldatensatz enthält; dadurch gekennzeichnet, dass - das System (1) eine Recheneinheit (3) enthält, die dazu eingerichtet ist, eine Regressionsanalyse durchzuführen, um wenigstens einen Phasenkorrekturwert (f0, f1) für einen zu korrigierenden Messzeitraum der zwei oder mehr Messzeiträume (t1, t2) zu bestimmen und bei der Regressionsanalyse zwei oder mehr verschiedene Einzeldatensätze der MR-Datensätze (D1, D2) zu berücksichtigen; und - das MR-Gerät (2) oder die Recheneinheit (3) dazu eingerichtet ist, ein MR-Bild basierend auf den MR-Datensätzen (D1, D2) und dem wenigstens einen Phasenkorrekturwert (f0, f1) zu erzeugen.
Computerprogrammprodukt mit Befehlen, die bei Ausführung durch ein System (1) nach Anspruch 13 das System (1) dazu veranlassen, ein Verfahren nach einem der Ansprüche 1 bis 12 durchzuführen.