Nothing Special   »   [go: up one dir, main page]

CN106537168A - 用于磁共振指纹识别中的自适应字典匹配的系统和方法 - Google Patents

用于磁共振指纹识别中的自适应字典匹配的系统和方法 Download PDF

Info

Publication number
CN106537168A
CN106537168A CN201580008333.1A CN201580008333A CN106537168A CN 106537168 A CN106537168 A CN 106537168A CN 201580008333 A CN201580008333 A CN 201580008333A CN 106537168 A CN106537168 A CN 106537168A
Authority
CN
China
Prior art keywords
data
initial dictionary
quantitative parameter
entry
dictionary
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.)
Granted
Application number
CN201580008333.1A
Other languages
English (en)
Other versions
CN106537168B (zh
Inventor
O·科恩
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.)
General Hospital Corp
Original Assignee
General Hospital Corp
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 General Hospital Corp filed Critical General Hospital Corp
Publication of CN106537168A publication Critical patent/CN106537168A/zh
Application granted granted Critical
Publication of CN106537168B publication Critical patent/CN106537168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4828—Resolving the MR signals of different chemical species, e.g. water-fat imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/243—Spatial mapping of the polarizing magnetic field
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/448—Relaxometry, i.e. quantification of relaxation times or spin density
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences

Landscapes

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

Abstract

用于从使用磁共振成像(MRI)系统获取的数据估算受试者的定量参数的系统和方法。提供利用MRI系统获取的MR数据，该MR数据表示使用不同的获取参数设置获取的多个不同的信号演变。生成包括多个信号模板的初始字典，该多个信号模板粗略地采样在获取所提供的MR数据时使用的获取参数。将所述MR数据与所述初始字典进行比较。当所述比较满足阈值标准时，与所述初始字典中的条目相关联的所述定量参数被存储为所估算的定量参数，并且当所述比较不满足所述阈值标准时，更新所述初始字典。

Description

用于磁共振指纹识别中的自适应字典匹配的系统和方法
相关申请的交叉引用
本申请是基于2014年2月11日提交的且题为“Magnetic ResonanceFingerprinting Adaptive Dictionary Creation and Matching”的美国临时专利申请S/N.61/938,288，要求其优先权，并且将其通过引用整体结合于此；基于2014年2月11日提交的、且题为“Accelerated and Optimized MR Fingerprinting”的美国临时专利申请S/N.61/938,300，要求其优先权，并且将其通过引用整体结合于此；并且基于2014年7月16日提交的、且题为“System and Method for Adaptive Dictionary Matching in MagneticResonance Fingerprinting”的美国临时专利申请S/N.62/025,268，要求其优先权，并且将其通过引用整体结合于此。
关于联邦资助研究的声明
本发明是在国防部授予的授予号W81XWH-09-2-001下由政府支持作出的。政府拥有本发明中的特定权利。
背景技术
本公开涉及用于磁共振成像(“MRI”)的系统和方法。更具体地，本公开涉及使用磁共振指纹识别(“MRF”)产生定量参数映射(quantitative parameter map)的系统和方法。
MRF是一种基于对被成像的受试者或者对象的随机或者伪随机测量实现对组织或者其它材料性质的定量映射的成像技术。能够被映射的参数的示例包括纵向弛豫时间T1；横向弛豫时间T2；主磁场图B0；以及质子密度ρ。MRF一般地在美国专利No.8,723,518中被描述，该专利通过引用整体结合于此。
在MRF技术中获得的随机或者伪随机测量通过从一个重复时间(“TR”)周期到下一个重复时间周期改变获取参数来实现，其建立具有变化的对比度的时间序列的图像。可被改变的获取参数的示例包括翻转角、射频(“RF”)脉冲相位、TR、回波时间(“TE”)、以及采样模式，诸如通过修改一个或者多个读出编码梯度。
使用MRF技术获得的数据与信号模型或者模板的字典进行比较，所述信号模型或者模板已针对不同获取参数从磁共振信号模型，诸如基于布洛赫(Bloch)方程的物理模拟中产生。该比较允许对所期望的物理参数的估算，诸如上面提到的那些参数。对于给定体素中的组织或者其它材料的参数被估算为提供最佳信号模板匹配的值。
通过将所获取的信号与存储在组织参数的字典中的预先计算的信号进行匹配来在MRF中估算定量参数。为了保证针对每个所获取的信号找到正确的匹配，所述字典必须覆盖大范围的组织参数并且必须具有精细分辨率。这两个要求导致字典很大(例如，一百万条目的量级)。作为大的字典尺寸的结果，需要显著的处理时间来将所获取的信号匹配至所述字典，并且需要大的存储空间来存储所述字典。
因此，仍需要为MRF提供计算上更加有效，并且具有减少的数据存储要求的系统和方法。
发明内容
本发明通过提供一种系统和方法来克服前述缺陷，所述系统和方法采用使用字典的磁共振成像(“MRI”)系统来估算受试者的定量参数。更具体地，所述字典可包括多个信号模板，该多个信号模板粗略地(coarsely)采样在获取数据时使用的获取参数。将所获取的数据与所述字典进行比较。当所述比较满足阈值标准时，将与字典中的条目相关联的定量参数存储为估算的定量参数。由此，提供了更加计算有效，并且具有减少的数据存储要求的系统和方法。
根据本公开的一个方面，提供一种使用磁共振成像(MRI)系统估算受试者的定量参数的方法。所述方法包括提供利用MRI系统获取的MR数据，所获取的MR数据表示使用不同的获取参数设置获取的多个不同的信号演变(evolution)；以及生成包括多个信号模板的初始字典，该多个信号模板粗略地采样在获取所提供的MR数据时使用的获取参数。所述方法还包括将所提供的MR数据与所述初始字典进行比较，并且当所述比较满足阈值标准时将与所述初始字典中的条目相关联的所述定量参数存储为所估算的定量参数。所述方法进一步包括当所述比较不满足所述阈值标准时更新所述初始字典，并且使用所更新的字典重复所述过程。
根据本公开的另一个方面，提供一种使用磁共振成像(MRI)系统估算受试者的定量参数的方法。所述方法包括提供利用MRI系统获取的MR数据，所提供的MR数据表示使用不同的获取参数设置获取的多个不同的信号演变；以及生成包括多个信号模板的初始字典，所述多个信号模板粗略地采样在获取所提供的MR数据时使用的获取参数。所述方法还包括将所提供的MR数据与所述初始字典进行比较，并且当所述比较满足阈值标准时，将与所述初始字典中的条目相关联的定量参数存储为所估算的定量参数。所述方法进一步包括当所述比较不满足所述阈值标准时更新所述阈值标准，并且使用所更新的阈值标准重复该过程。
根据本公开的又一个方面，提供一种磁共振成像(MRI)系统，该磁共振成像(MRI)系统包括配置成生成围绕布置在所述MRI系统中的受试者的至少一部分的极化磁场的磁体系统。所述MRI系统还包括磁梯度系统，该磁梯度系统包括被配置成向所述极化磁场施加至少一个磁梯度场的多个磁梯度线圈；以及射频(RF)系统，该射频(RF)系统被配置成使用线圈阵列向所述受试者施加RF场以及从所述受试者接收磁共振信号。所述MRI系统还包括计算机系统，该计算机系统被编程以控制所述磁梯度系统和RF系统以获取来自所述受试者的MR数据，所述MR数据使用不同的获取参数设置并且表示多个不同的信号演变；以及生成包括多个信号模板的初始字典，所述多个信号模板粗略地采样在获取所述MR数据时使用的获取参数。所述计算机系统被进一步编程以将所述MR数据与所述初始字典进行比较，当所述比较满足阈值标准时，将与所述初始字典中的条目相关联的定量参数存储为估算的定量参数，当所述比较不满足所述阈值标准时更新所述初始字典，并且使用所更新的字典重复该过程。所述计算机系统被进一步配置成使用所述估算的定量参数生成所述受试者的定量参数映射。
本发明的前述和其它方面和优点将从以下描述显现。在该描述中，参考形成其一部分且作为说明示出本发明的优选实施例的附图。这样的实施例不必要表示本发明的全部范围，然而对权利要求和本法作出参考以用于解释本发明的范围。
附图说明
图1是阐述使用自适应地更新的字典来执行磁共振指纹识别(“MRF”)的示例方法的步骤的流程图；
图2是可实施本发明的一些实施例的示例计算机系统的框图；以及
图3是磁共振成像(MRI)系统的示例的框图。
具体实施方式
此处描述的是用于使用磁共振指纹识别(“MRF”)估算定量参数的系统和方法，其中将获得的信号向量与字典进行匹配，该字典可以是，例如，有效利用的且自适应地产生的。
通常，MRF技术利用数据获取方案，该数据获取方案通过贯穿整个数据获取过程不断地改变获取参数来使来自不同材料或者组织的信号在空间和时间上不相干。能够被改变的获取参数的示例包括翻转角、射频(“RF”)脉冲相位、重复时间(“TR”)、回波时间(“TE”)、采样模式，诸如通过修改读出编码梯度，等等。较佳地，以伪随机方式改变所述获取参数。作为由此获取方案所赋予的空间和时间不相干的结果，每个材料或者组织与唯一的信号演变或者“指纹”相关联，其是多个不同物理参数的函数，所述物理参数包括纵向弛豫时间T1、横向弛豫时间T2、主磁场图B0、以及质子密度ρ。
可基于这些获取的信号与预测的信号演变的预定义字典的比较来从这些获取的信号产生定量参数映射。这些字典中的每一个与材料、环境、以及获取参数的不同组合相关联。作为示例，可以使用任何合适的匹配或者模式识别技术来执行所述获取的信号与字典的比较。此比较导致从最好地对应于所观察的信号演变的字典中选择信号向量，该信号向量可构成信号向量的加权组合。所选择的信号向量包括对于多个不同的定量参数的值，所述值可以从所选择的信号向量中提取并且被用于产生相关的定量参数映射。
如上所述，可通过将获取的信号与存储在组织参数的相对大的字典中的预先计算的信号进行匹配来在MRF中估算定量参数。此匹配可需要显著的处理时间来将获取的信号匹配至该大的字典，并且需要大的存储空间来存储所述字典。此外，在字典中需要的组织参数的范围基于不同的病理条件可能是不精确的，并且还可能是依赖于受试者的。因而，经常需要产生新的字典来覆盖其中所获取的信号对应于在当前可用的字典所覆盖的范围外的组织参数的那些情况。本发明的系统和方法通过产生较小的字典来克服这些缺点，所述较小的字典是更加计算上可管理的，并且针对所获取的数据专门定制。
现在参考图1，提供了流程图，该流程图阐述用于使用MRF技术和自适应地产生的字典来估算定量参数的示例方法的步骤。该方法包括获取或者以其它方式提供数据，如步骤102处所指示的。例如，使用执行合适的MRF数据获取的MRI系统来获取数据。作为另一个示例，可诸如通过从合适的存储介质检索先前获取的数据来提供数据。
在数据被获取或者以其它方式被提供之后，可产生初始字典，如步骤104处所指示的。为了这样做，选择参数范围。例如，该参数范围可具有大大高于或者低于在活体内预期的那些的限值。在任何情况下，可在该参数范围上计算向量轨迹并且将所述向量轨迹存储在矩阵，A中。为了这样做，此初始字典可以粗略地采样在获取所提供的数据时所使用的获取参数。
从所获取的或者以其它方式提供的数据，在步骤106处重建图像。随后可基于该初始字典以逐个体素为基础处理这些图像，如步骤108处所指示的。例如，将对于给定体素位置形成作为所获取信号的级联(concatenation)的信号向量与该初始字典中的条目进行比较。作为一个示例，该比较是基于给定信号向量与该初始字典中的每一个条目之间的点积。由于该初始字典显著小于在MRF中使用的传统字典，因而可快速地并且用显著减少的计算和数据存储负担来执行此初始匹配。
该比较可通过数值相似度测量来量化，可对照阈值检查该数值相似度测量以评估给定信号向量与初始字典中的条目之间的相似度，如在判定框110处所指示的。例如，当相似度测量在特定阈值处或者高于该特定阈值时，与该信号向量相关联的体素可被分配与该信号向量匹配的初始字典条目中的参数，如步骤112处所指示的。
如果对于给定信号向量，该初始字典中的条目没有一个紧密地匹配该信号向量(即，相似度测量低于该阈值)，则利用自适应例程更新该初始字典，如步骤114处所指示的。例如，使用初始字典中的最接近的匹配来初始化全局优化例程，该全局优化例程搜索所允许的参数空间以用于更好的匹配。基于此优化搜索所产生的参数轨迹可被重新插入到该字典中以促进和加快后续体素的匹配。
在一些实施例中，该自适应例程可包括迭代地更新该阈值而不是自适应地修改该初始字典。例如，在可选的过程框116处，可在后续迭代中使用更高或者更低的阈值。就此，该过程重迭代至过程框106，因为当前字典条目可用作每一个后续调整的阈值的种子点。由此，有可能实现所获得的匹配中期望的精度并且调整该期望的精度。例如，可通过如所描述的，用当前字典条目作为种子点并使用反复更高的阈值进行迭代来迭代地精炼当前字典。
本发明的系统和方法因此能够产生较小的字典以在MRF应用中使用。此外，所述字典可能特别适应于所获取的数据，从而导致更好的匹配。由于所述字典是基于所获取的数据产生的，因而不需要获取预知或者依赖于对组织参数的先验计算。
现在参考图2，示出了根据本发明的一些实施例的可被用于产生迭代地更新的字典并且用于实施自适应匹配算法的示例计算机系统200的框图。该系统200通常可包括输入202、至少一个处理器204、存储器206、以及输出208。该系统200可以是，例如，工作站、笔记本电脑、个人数字助理(“PDA”)、多媒体设备、网络服务器、主机、或者任何其它通用或者专用计算设备。在一些实施例中，计算机系统200可形成磁共振成像(“MRI”)系统的一部分，如将被描述的。计算机系统200可自主运行或者半自主运行，或者可以从计算机可读介质(诸如，硬盘驱动器、CD-ROM、闪存、以及类似物)读取可执行软件指令，或者可以经由输入202从用户或者逻辑地连接到计算机或者设备的任何另一个源(诸如另一个联网的计算机或服务器)接收指令。
输入202可以根据需要采取任何形状或者形式，以用于计算机系统200的操作，包括用于选择、进入、或者以其它方式指定与操作该计算机系统200一致的参数的能力。在一些情况下，输入202可被设计成接收利用MRI系统获取的数据，所述数据可以是重建的图像或者原始k-空间数据的形式。
在用于操作该计算机系统200的处理任务之中，该至少一个处理器204可被配置成执行上文关于图1所描述的方法。
存储器206可包含软件208，并且可被配置用于存储和检索经处理的信息以及将由处理器204处理的数据。在一些方面，软件208可包含针对执行上文关于图1所描述的方法的指令。
现在具体参考图3，示出了磁共振成像(“MRI”)系统300的示例。MRI系统300包括操作员工作站302，该操作员工作站302将典型地包括显示器304；一个或者多个输入设备306，诸如键盘和鼠标；以及处理器308。处理器308可包括运行商业上可获得的操作系统的商业上可获得的可编程机器。操作员工作站302提供使得扫描处方(prescription)能够被输入到MRI系统300中的操作员界面。通常，操作员工作站302可被耦合到四个服务器：脉冲序列服务器310；数据获取服务器312；数据处理服务器314；以及数据存储服务器316。操作员工作站302和每个服务器310、312、314和316被连接以彼此通信。例如，服务器310、312、314和316可以经由通信系统340连接，该通信系统340可包括任何合适的网络连接，不管是有线的、无线的、还是两者的组合。作为示例，通信系统340可包括私有的或者专用的网络，以及开放的网络，诸如因特网。
脉冲序列服务器310响应于从操作员工作站302下载的指令而运行来操作梯度系统318和射频(“RF”)系统320。执行规定的扫描所必需的梯度波形被产生并被施加至梯度系统318，该梯度系统318激励组件322中的梯度线圈以产生磁场梯度Gx、Gy以及Gz，所述磁场梯度用于对磁共振信号进行位置编码。梯度线圈组件322形成磁体组件324的一部分，该磁体组件324包括极化磁体326以及全身RF线圈328。
RF波形由RF系统320施加至RF线圈328，或者分离的本地线圈(图3中未示出)，以便执行规定的磁共振脉冲序列。由RF线圈328或者分离的本地线圈(图3中未示出)检测的响应的磁共振信号被RF系统320接收，在该RF系统320中，在由脉冲序列服务器310产生的命令的指导下，放大、解调、滤波、以及数字化所述响应的磁共振信号。RF系统320包括用于产生在MRI脉冲序列中使用的多种RF脉冲的RF发射器。该RF发射器响应于扫描处方以及来自脉冲序列服务器310的指导以产生具有期望的频率、相位、以及脉冲振幅波形的RF脉冲。所产生的RF脉冲可被施加至全身RF线圈328或者一个或者多个本地线圈或者线圈阵列(图3中未示出)。
RF系统320还包括一个或者多个RF接收器通道。每个RF接收器通道包括RF前置放大器，该RF前置放大器放大与其连接的线圈328所接收的磁共振信号，以及检测器，该检测器检测并且数字化所接收的磁共振信号的I和Q正交分量。因此，所接收的磁共振信号的幅度可在任何采样点由I和Q分量的平方和的平方根来确定：
并且还可以根据下述关系式确定所接收的磁共振信号的相位：
(2)。
脉冲序列服务器310还可选地从生理获取控制器330接收患者数据。举个例子，该生理获取控制器330可以从连接至患者的多个不同的传感器接收信号，诸如来自电极的心电图(“ECG”)信号，或者来自呼吸风箱或者其它呼吸监测设备的呼吸信号。这样的信号通常被脉冲序列服务器310用来使扫描的表现与受试者的心跳或者呼吸同步或“门控(gate)”。
脉冲序列服务器310还连接至扫描室接口电路332，该扫描室接口电路332从与患者的情况和磁体系统相关联的各种传感器接收信号。同样是通过扫描室接口电路332，患者定位系统334接收命令以在扫描期间将患者移动到期望的位置。
由RF系统320产生的数字化磁共振信号样本被数据获取服务器312接收。该数据获取服务器312响应于从操作员工作站302下载的指令而操作以接收实时磁共振数据并提供缓冲存储，使得没有数据因为数据过量运行而丢失。在一些扫描中，数据获取服务器312仅仅是将所获取的磁共振数据传递给数据处理器服务器314。然而，在需要从所获取的磁共振数据导出的信息来控制扫描的进一步表现的扫描中，数据获取服务器312被编程为产生这样的信息并且将其传送给脉冲序列服务器310。例如，在预扫描期间，磁共振数据被获取并被用于校准由脉冲序列服务器310执行的脉冲序列。作为另一个示例，导航信号可被获取并被用于调整RF系统320或者梯度系统318的操作参数，或者控制采样k-空间的视图顺序(view order)。在另一个示例中，数据获取服务器312还可以被用来处理磁共振信号，用于在磁共振血管造影(“MRA”)扫描中检测造影剂的到来。举个例子，数据获取服务器312获取磁共振数据并实时地处理它以产生被用于控制扫描的信息。
数据处理服务器314从数据获取服务器312接收磁共振数据并且根据从操作员工作站302下载的指令处理它。这样的处理可以，例如，包括下列中的一个或者多个：通过执行原始k-空间数据的傅里叶变换来重建二维或者三维图像；执行其它图像重建算法，诸如迭代或反向投影重建算法；对原始k-空间数据或者重建的图像应用滤波器；产生功能磁共振图像；计算运动或者流动图像等。
由数据处理服务器314重建的图像被传送回至操作员工作站302，在那里它们被存储。实时图像被存储在数据库存储器高速缓存(图3未示出)中，从那里它们可被输出至操作员显示器312或者位于磁体组件324附近的显示器336以供主治医生使用。批处理模式(batch mode)图像或者选择的实时图像被存储在磁盘存储器338上的主机数据库中。当这样的图像已经被重建并且被传送至存储器时，数据处理服务器314通知操作员工作站302上的数据存储服务器316。可由操作员使用操作员工作站302来存档图像、产生影像、或者经由网络将图像发送给其它设施。
MRI系统300还可以包括一个或者多个联网的工作站342。举个例子，联网的工作站342可包括显示器344；一个或者多个输入设备346，诸如键盘和鼠标；以及处理器348。联网的工作站342可位于与操作员工作站302相同的设施内，或者位于不同的设施中，诸如不同的医疗保健机构或者诊所。
联网的工作站342，不管是在与操作员工作站302相同的设施内还是不同的设施中，可以经由通信系统340获得对数据处理服务器314或者数据存储服务器316的远程访问。相应地，多个联网的工作站342可访问数据处理服务器314和数据存储服务器316。以这种方式，磁共振数据、重建图像、或者其它数据可以在数据处理服务器314或者数据存储服务器316与联网的工作站342之间交换，使得数据或者图像可由联网的工作站342远程处理。此数据可以以任何合适的格式来交换，诸如根据传输控制协议(“TCP”)、因特网协议(“IP”)、或者其它已知的或者合适的协议。
本发明已经在一个或多个优选实施例方面进行了描述，并且应当理解除那些清楚说明以外的许多等同、替换、变化、以及修改是可能的且在本发明的范围内。

Claims (19)

1.一种用于使用磁共振成像(MRI)系统估算受试者的定量参数的方法，所述方法的步骤包括：
(a)提供利用MRI系统获取的MR数据，所获取的MR数据表示使用不同的获取参数设置获取的多个不同的信号演变；
(b)生成包括多个信号模板的初始字典，所述多个信号模板粗略地采样在获取所提供的MR数据时使用的获取参数；
(c)将所提供的MR数据与所述初始字典进行比较并且：
(i)当所述比较满足阈值标准时，将与所述初始字典中的条目相关联的所述定量参数存储为所估算的定量参数；以及
(ii)当所述比较不满足所述阈值标准时，更新所述初始字典，并且其中使用所更新的字典重复步骤(c)。
2.根据权利要求1所述的方法，其中在步骤(c)(ii)中更新所述初始字典包括执行全局优化，所述全局优化搜索涵盖潜在定量参数的参数空间，以及基于所述全局优化向所述初始字典添加条目。
3.根据权利要求2所述的方法，其中执行所述全局优化包括基于在步骤(c)中执行的比较来标识种子条目。
4.根据权利要求3所述的方法，其中所述种子条目被标识为所述初始字典中的当与所提供的MR数据进行比较时产生最接近所述阈值标准的相似度值的条目。
5.根据权利要求1所述的方法，进一步包括使用所估算的定量参数生成定量参数映射。
6.根据权利要求1所述的方法，其中所述不同的获取参数设置包括回波时间、重复时间、翻转角、射频(RF)脉冲相位、或者k-空间采样模式中的至少一个。
7.根据权利要求1所述的方法，其中所述定量参数包括纵向弛豫时间、横向弛豫时间、纵向磁化、场图、或者质子密度中的至少一个。
8.一种用于使用磁共振成像(MRI)系统估算受试者的定量参数的方法，所述方法的步骤包括：
(a)提供利用MRI系统获取的MR数据，所提供的MR数据表示使用不同的获取参数设置获取的多个不同的信号演变；
(b)生成包括多个信号模板的初始字典，所述多个信号模板粗略地采样在获取所提供的MR数据时使用的获取参数；
(c)将所提供的MR数据与所述初始字典进行比较并且：
(i)当所述比较满足阈值标准时，将与所述初始字典中的条目相关联的所述定量参数存储为所估算的定量参数；以及
(ii)当所述比较不满足所述阈值标准时，更新所述阈值标准，并且其中使用所更新的阈值标准重复步骤(c)。
9.根据权利要求8所述的方法，其中在步骤(c)(ii)中更新所述阈值标准包括执行全局优化，所述全局优化搜索涵盖潜在定量参数的参数空间，以及基于所述全局优化使用所述初始字典中的条目作为新条目的种子条目。
10.根据权利要求9所述的方法，其中所述种子条目被标识为所述初始字典中的当与所提供的MR数据进行比较时产生所更新的阈值标准内的相似度值的条目。
11.根据权利要求8所述的方法，进一步包括使用所更新的定量参数生成定量参数映射。
12.根据权利要求8所述的方法，其中所述不同的获取参数设置包括回波时间、重复时间、翻转角、射频(RF)脉冲相位、或者k-空间采样模式中的至少一个。
13.根据权利要求8所述的方法，其中所述定量参数包括纵向弛豫时间、横向弛豫时间、纵向磁化、场图、或者质子密度中的至少一个。
14.一种磁共振成像(MRI)系统，包括：
磁体系统，配置成生成围绕布置在所述MRI系统中的受试者的至少一部分的极化磁场；
磁梯度系统，包括被配置成向所述极化磁场施加至少一个磁梯度场的多个磁梯度线圈；
射频(RF)系统，配置成使用线圈阵列向所述受试者施加RF场以及从所述受试者接收磁共振信号；
计算机系统，被编程以：
(a)控制所述磁梯度系统和RF系统以获取来自所述受试者的MR数据，所述MR数据使用不同的获取参数设置并且表示多个不同的信号演变；
(b)生成包括多个信号模板的初始字典，所述多个信号模板粗略地采样在获取所述MR数据时使用的获取参数；
(c)将所述MR数据与所述初始字典进行比较，并且：
(i)当所述比较满足阈值标准时，将与所述初始字典中的条目相关联的定量参数存储为估算的定量参数；
(ii)当所述比较不满足所述阈值标准时更新所述初始字典，并且其中使用所更新的字典重复步骤(c)；以及
(d)使用所述估算的定量参数生成所述受试者的定量参数映射。
15.根据权利要求14所述的系统，其中所述计算机系统被进一步配置成执行全局优化，所述全局优化搜索涵盖潜在定量参数的参数空间，以及基于所述全局优化向所述初始字典添加条目以更新所述初始字典。
16.根据权利要求15所述的系统，其中所述计算机系统被进一步配置成基于步骤(c)中执行的所述比较标识种子条目以执行所述全局优化。
17.根据权利要求16所述的系统，其中所述计算机系统被进一步配置成将所述种子条目标识为所述初始字典中的当与所述MR数据进行比较时产生最接近所述阈值标准的相似度值的条目。
18.根据权利要求14所述的系统，其中所述不同的获取参数设置包括回波时间、重复时间、翻转角、射频(RF)脉冲相位、或者k-空间采样模式中的至少一个。
19.根据权利要求14所述的系统，其中所述定量参数包括纵向弛豫时间、横向弛豫时间、纵向磁化、场图、或者质子密度中的至少一个。
CN201580008333.1A 2014-02-11 2015-01-20 用于磁共振指纹识别中的自适应字典匹配的系统和方法 Active CN106537168B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201461938300P 2014-02-11 2014-02-11
US201461938288P 2014-02-11 2014-02-11
US61/938,288 2014-02-11
US61/938,300 2014-02-11
US201462025268P 2014-07-16 2014-07-16
US62/025,268 2014-07-16
PCT/US2015/011948 WO2015160400A2 (en) 2014-02-11 2015-01-20 System and method for adaptive dictionary matching in magnetic resonance fingerprinting

Publications (2)

Publication Number Publication Date
CN106537168A true CN106537168A (zh) 2017-03-22
CN106537168B CN106537168B (zh) 2020-11-03

Family

ID=54324682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580008333.1A Active CN106537168B (zh) 2014-02-11 2015-01-20 用于磁共振指纹识别中的自适应字典匹配的系统和方法

Country Status (5)

Country Link
US (1) US10488480B2 (zh)
EP (1) EP3105605B1 (zh)
KR (1) KR102357839B1 (zh)
CN (1) CN106537168B (zh)
WO (1) WO2015160400A2 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108693492A (zh) * 2017-04-07 2018-10-23 凯斯西储大学 用于相位循环的磁共振指纹（phc-mrf）的系统和方法
CN109044355A (zh) * 2018-06-28 2018-12-21 上海联影医疗科技有限公司 温度成像方法、装置、计算机设备和存储介质
CN110476075A (zh) * 2017-03-30 2019-11-19 皇家飞利浦有限公司 针对解剖区域的磁共振指纹识别词典的选择
CN110573897A (zh) * 2017-03-30 2019-12-13 皇家飞利浦有限公司 亚体素分辨率磁共振指纹成像
CN110709721A (zh) * 2017-04-07 2020-01-17 凯斯西部预备大学 用于使用并行发射射频线圈阵列的同时多切片磁共振指纹成像的系统和方法
CN111989038A (zh) * 2018-05-08 2020-11-24 通用电气公司 用于监测梯度线圈的健康状态的系统和方法
CN112617796A (zh) * 2020-12-30 2021-04-09 深圳市联影高端医疗装备创新研究院 磁共振功能成像方法、装置、设备、存储介质及系统

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9964616B2 (en) * 2014-05-30 2018-05-08 Case Western Reserve University Fast group matching for magnetic resonance fingerprinting reconstruction
US10422845B2 (en) 2014-10-24 2019-09-24 The General Hospital Corporation Systems and methods for steady-state magnetic resonance fingerprinting
US10466321B2 (en) 2015-11-12 2019-11-05 The General Hospital Corporation Systems and methods for efficient trajectory optimization in magnetic resonance fingerprinting
US10180476B2 (en) * 2015-11-25 2019-01-15 The General Hospital Corporation Systems and methods for segmented magnetic resonance fingerprinting dictionary matching
US10429479B2 (en) 2016-04-19 2019-10-01 The General Hospital Corporation Rapid measurement of perfusion using optimized magnetic resonance fingerprinting
DE102016207118A1 (de) * 2016-04-27 2017-11-02 Siemens Healthcare Gmbh Automatisiertes Erstellen von MR-Scan-Vorlagen für eine Magnetresonanzanlage
US10634748B2 (en) * 2016-06-22 2020-04-28 Comsats Institute Of Information Technology Graphical processing unit (GPU) implementation of magnetic resonance fingerprinting (MRF)
US10527695B2 (en) 2016-12-05 2020-01-07 The General Hospital Corporation Systems and methods for efficient magnetic resonance fingerprinting scheduling
US10605877B2 (en) 2017-01-20 2020-03-31 The General Hospital Corporation System and method for chemical exchange saturation transfer (CEST) magnetic resonance fingerprinting
US10488481B2 (en) * 2017-02-22 2019-11-26 The General Hospital Corporation Systems and methods for multislice magetic resonance fingerprinting
EP3543911A1 (en) * 2018-03-22 2019-09-25 Koninklijke Philips N.V. Anomaly detection using magnetic resonance fingerprinting
EP3550318A1 (de) * 2018-04-06 2019-10-09 Siemens Healthcare GmbH Verfahren zur erzeugung einer b0-karte mittels eines magnetresonanz-fingerabdruckverfahrens
EP3579010B1 (de) 2018-06-07 2021-07-28 Siemens Healthcare GmbH Verbesserte bestimmung von quantitativen gewebeparametern

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1063787A (ja) * 1996-08-26 1998-03-06 Fuji Photo Film Co Ltd 文字認識方法および装置
CN1405699A (zh) * 2001-08-17 2003-03-26 阎涛 医学图像网络应用的方法和系统
US7848797B2 (en) * 2006-08-17 2010-12-07 Neurometrix, Inc. Motor unit number estimation (MUNE) for the assessment of neuromuscular function
US20110234601A1 (en) * 2008-11-18 2011-09-29 Akira Yasuta Information processing apparatus
CN102891999A (zh) * 2012-09-26 2013-01-23 南昌大学 一种基于压缩感知的联合图像压缩/加密方法
CN103049923A (zh) * 2012-12-10 2013-04-17 深圳先进技术研究院 磁共振快速成像的方法
CN103093430A (zh) * 2013-01-25 2013-05-08 西安电子科技大学 基于稀疏低秩与字典学习的心脏mri图像去模糊方法
US8558546B2 (en) * 2011-04-13 2013-10-15 Mark Griswold Relaxometry

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6348918B1 (en) * 1998-03-20 2002-02-19 Microsoft Corporation Stereo reconstruction employing a layered approach
US6700374B1 (en) 2000-03-29 2004-03-02 Koninklijke Philips Electronics, N.V. EPI calibration method to minimize ghosting in reconstructed images
US6901422B1 (en) 2001-03-21 2005-05-31 Apple Computer, Inc. Matrix multiplication in a vector processing system
US7945305B2 (en) 2005-04-14 2011-05-17 The Board Of Trustees Of The University Of Illinois Adaptive acquisition and reconstruction of dynamic MR images
US7772844B2 (en) 2008-01-30 2010-08-10 General Electric Company System and method for tissue specific MR imaging of metabolites using spectral-spatially formed stimulated echo
US8723518B2 (en) 2011-03-18 2014-05-13 Nicole SEIBERLICH Nuclear magnetic resonance (NMR) fingerprinting
US10627468B2 (en) 2011-03-18 2020-04-21 Case Western Reserve University Nuclear magnetic resonance (NMR) fingerprinting
US10413213B2 (en) * 2011-05-19 2019-09-17 Northshore University Healthsystem System and method for hybrid radiofrequency labeling for magnetic resonance imaging
EP3321373B1 (en) 2011-07-13 2020-01-15 T2 Biosystems, Inc. Nmr methods for monitoring blood clot formation
WO2013105668A1 (ja) * 2012-01-13 2013-07-18 株式会社東芝 磁気共鳴イメージング装置及び医用画像診断装置
DE102012205626B4 (de) * 2012-04-05 2013-11-28 Friedrich-Alexander-Universität Erlangen-Nürnberg Funktionale MR-Bildgebung eines vorbestimmten Volumenabschnitts des Gehirns eines lebenden Untersuchungsobjekts
US9097781B2 (en) * 2012-04-12 2015-08-04 Mark Griswold Nuclear magnetic resonance (NMR) fingerprinting with parallel transmission
US9316707B2 (en) * 2012-04-18 2016-04-19 General Electric Company System and method of receive sensitivity correction in MR imaging
KR101424553B1 (ko) * 2012-08-22 2014-07-31 삼성전자 주식회사 자기 공명 영상 장치 및 그 제어 방법
US9869739B2 (en) * 2012-10-15 2018-01-16 Case Wetern Reserve University Heteronuclear nuclear magnetic resonance fingerprinting
US9568579B2 (en) * 2012-12-19 2017-02-14 Case Western Reserve University Magnetic resonance fingerprinting (MRF) with echo splitting
US9536423B2 (en) * 2013-03-31 2017-01-03 Case Western Reserve University Fiber optic telemetry for switched-mode current-source amplifier in magnetic resonance imaging (MRI)
US9625540B2 (en) * 2013-09-12 2017-04-18 Case Western Reserve University Magnetic resonance fingerprinting exams with optimized sound
CN104749540B (zh) * 2013-12-31 2017-11-17 西门子(深圳)磁共振有限公司 一种指示组织间区分度的方法与装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1063787A (ja) * 1996-08-26 1998-03-06 Fuji Photo Film Co Ltd 文字認識方法および装置
CN1405699A (zh) * 2001-08-17 2003-03-26 阎涛 医学图像网络应用的方法和系统
US7848797B2 (en) * 2006-08-17 2010-12-07 Neurometrix, Inc. Motor unit number estimation (MUNE) for the assessment of neuromuscular function
US20110234601A1 (en) * 2008-11-18 2011-09-29 Akira Yasuta Information processing apparatus
US8558546B2 (en) * 2011-04-13 2013-10-15 Mark Griswold Relaxometry
CN102891999A (zh) * 2012-09-26 2013-01-23 南昌大学 一种基于压缩感知的联合图像压缩/加密方法
CN103049923A (zh) * 2012-12-10 2013-04-17 深圳先进技术研究院 磁共振快速成像的方法
CN103093430A (zh) * 2013-01-25 2013-05-08 西安电子科技大学 基于稀疏低秩与字典学习的心脏mri图像去模糊方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王勇领: "《计算机数据处理系统分析与设计》", 30 September 1990, 清华大学出版社 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110476075A (zh) * 2017-03-30 2019-11-19 皇家飞利浦有限公司 针对解剖区域的磁共振指纹识别词典的选择
CN110573897A (zh) * 2017-03-30 2019-12-13 皇家飞利浦有限公司 亚体素分辨率磁共振指纹成像
CN110573897B (zh) * 2017-03-30 2022-04-08 皇家飞利浦有限公司 亚体素分辨率磁共振指纹成像
CN108693492A (zh) * 2017-04-07 2018-10-23 凯斯西储大学 用于相位循环的磁共振指纹（phc-mrf）的系统和方法
CN110709721A (zh) * 2017-04-07 2020-01-17 凯斯西部预备大学 用于使用并行发射射频线圈阵列的同时多切片磁共振指纹成像的系统和方法
US11181595B2 (en) 2017-04-07 2021-11-23 Case Western Reserve University System and method for simultaneous multi-slice magnetic resonance fingerprinting imaging using a parallel transmit radio frequency coil array
CN108693492B (zh) * 2017-04-07 2022-04-05 凯斯西储大学 用于相位循环的磁共振指纹(phc-mrf)的系统和方法
CN110709721B (zh) * 2017-04-07 2022-04-26 凯斯西部预备大学 用于使用并行发射射频线圈阵列的同时多切片磁共振指纹成像的系统和方法
CN111989038A (zh) * 2018-05-08 2020-11-24 通用电气公司 用于监测梯度线圈的健康状态的系统和方法
CN109044355A (zh) * 2018-06-28 2018-12-21 上海联影医疗科技有限公司 温度成像方法、装置、计算机设备和存储介质
CN112617796A (zh) * 2020-12-30 2021-04-09 深圳市联影高端医疗装备创新研究院 磁共振功能成像方法、装置、设备、存储介质及系统

Also Published As

Publication number Publication date
EP3105605A4 (en) 2018-05-09
EP3105605A2 (en) 2016-12-21
US10488480B2 (en) 2019-11-26
CN106537168B (zh) 2020-11-03
US20160349341A1 (en) 2016-12-01
EP3105605B1 (en) 2024-01-03
KR102357839B1 (ko) 2022-01-28
WO2015160400A3 (en) 2015-12-03
KR20160119807A (ko) 2016-10-14
WO2015160400A2 (en) 2015-10-22

Similar Documents

Publication Publication Date Title
CN106537168A (zh) 用于磁共振指纹识别中的自适应字典匹配的系统和方法
US10845444B2 (en) System and method for magnetic resonance fingerprinting using neural networks trained with sparsely sampled dictionaries
US11741601B2 (en) Systems and methods for analyzing perfusion-weighted medical imaging using deep neural networks
US11023785B2 (en) Sparse MRI data collection and classification using machine learning
US10180476B2 (en) Systems and methods for segmented magnetic resonance fingerprinting dictionary matching
US10627470B2 (en) System and method for learning based magnetic resonance fingerprinting
US20210033688A1 (en) Multi-resolution quantitative susceptibility mapping with magnetic resonance imaging
US10209334B2 (en) System and method for controlling partial volume effects in magnetic resonance fingerprinting
Ye Estimation of tissue microstructure using a deep network inspired by a sparse reconstruction framework
EP3151027B1 (en) Mri method for jointly reconstructing an image and estimating the actual k-space trajectory
US10527695B2 (en) Systems and methods for efficient magnetic resonance fingerprinting scheduling
CN114599985A (zh) 用于大规模动态磁共振图像重建的深度学习系统和方法
US20240290011A1 (en) Dual-domain self-supervised learning for accelerated non-cartesian magnetic resonance imaging reconstruction
US20160253825A1 (en) System and method for model-based reconstruction of quantitative images
US20160061923A1 (en) Sheet tractography using diffusion tensor mri
EP3767634B1 (en) Method and system for data augmentation using simulated contrasts
US11367183B2 (en) Systems and methods of automatic field-of-view (FOV) prescription
Li et al. Contrast-Agnostic Groupwise Registration by Robust PCA for Quantitative Cardiac MRI
EP4096507B1 (en) Systems, methods, and media for estimating a mechanical property based on a transformation of magnetic resonance elastography data using a trained artificial neural network
CN118159861A (zh) 利用深度学习的并行传输射频脉冲设计
Farooq et al. A Comparative Study on Diffusion Sampling Methods Across Diverse Medical Imaging Modalities

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant