CN111989583A - 磁共振成像中的自动伪影检测和脉冲序列修改 - Google Patents

Abstract

本发明提供了一种磁共振成像系统(100、300)。所述机器可执行指令的运行使处理器(130)控制所述磁共振成像系统以使用脉冲序列命令(142)来控制(200)所述磁共振成像系统以采集所述磁共振成像数据(144)，并且重建(202)磁共振图像(148)。所述机器可执行指令的运行使所述处理器通过将所述磁共振图像和图像元数据(150)输入到MRI伪影检测模块(146、146’、146”)中来接收(204)建议的脉冲序列命令改变的列表(152)。所述MRI伪影检测模块包括至少一个神经网络，所述至少一个神经网络已经使用来自失败的磁共振成像协议的图像和/或从自记录先前磁共振成像协议的运行的日志文件(312)访问的被标记为失败的所述磁共振成像协议提取的磁共振数据来训练。所述机器可执行指令的运行还使所述处理器从所述建议的脉冲序列命令改变的列表接收(206)选定脉冲序列命令改变(158)的选择。所述机器可执行指令的运行还使所述处理器使用所述选定脉冲序列命令改变来修改(208)所述脉冲序列命令。

Description

磁共振成像中的自动伪影检测和脉冲序列修改

技术领域

本发明涉及磁共振成像，具体涉及磁共振成像期间的伪影的减少。

背景技术

磁共振成像(MRI)扫描器使用大的静态磁场来对准原子的核自旋，作为用于产生对象的身体内的图像的流程的部分。这个大的静态磁场被称为B0场或主磁场。对象的各种量或性质能够使用MRI在空间上测量。然而，磁共振成像数据的采集不是瞬时的，并且自发的和/或无意识的对象运动能够引起磁共振图像内的伪影或异常。此外，不正确地配置磁共振成像系统或对象内的金属植入物的存在也能够引起磁共振图像内的异常。最常见问题之中的是由笨重对象移动、心脏运动或血液流动引起的运动伪影、由于不适当扫描规划的混叠伪影、由于患者中的磁性材料的信号流空、由场不均匀性引起的几何畸变、和化学位移伪影。

美国专利申请公布US2011/0110572A1公开了一种使用至少一个处理设备来动态地改善医学图像的质量的系统，所述至少一个处理设备包括图像分析器、校正处理器和消息生成器。图像分析器自动解析并分析表示由医学图像采集设备采集的患者的具体解剖特征的图像的数据，以通过针对与图像缺陷相关联的预定图案检查表示图像的数据来识别图像中的缺陷。校正处理器响应于所识别的缺陷而使用将图像缺陷与对应的校正性图像采集参数相关联的预定信息图来确定用于在使用图像采集设备重新采集图像中使用的经校正的图像采集参数。消息生成器生成用于呈现给用户的消息，所述消息指示所识别的缺陷并且建议使用经校正的图像采集参数用于重新采集图像。

发明内容

本发明在独立权利要求中提供了一种磁共振成像系统、方法和计算机程序产品。在从属权利要求中给出了实施例。

本发明的实施例提供了一种通过使用包括至少一个神经网络的MRI伪影检测模块来减少磁共振图像中的伪影的手段。MRI伪影检测模块识别磁共振图像中的伪影，并且提供建议的脉冲序列命令改变的列表。即，具有其元数据的磁共振图像被输入MRI伪影检测模块。MRI伪影检测模块用软件被配置为辨别并识别磁共振图像中的图像伪影。MRI伪影检测模块的经训练的神经网络充当输出输入磁共振图像的伪影分类、建议的脉冲序列命令改变的列表的伪影分类器。建议的脉冲序列命令改变的列表中的一个可以用来修改脉冲序列命令。经修改的脉冲序列命令能够例如用来重新采集磁共振图像。当一系列磁共振图像正在被采集时，经修改的脉冲序列命令也能够用来校正并改善后续采集的磁共振图像的质量。

MRI伪影检测模块可以被包含在磁共振图像系统的软件架构中，即MRI伪影检测模块被包含在控制磁共振成像系统的计算机系统中。备选地，MRI伪影检测模块以及重建模块可以被配置在可以被远程地定位并且可由磁共振成像系统访问的软件中。因此，MRI伪影检测模块的功能可以被远程地执行。这种远程执行可以在容纳健康护理机构内的若干磁共振成像系统的中心服务器处被完成。甚至，MRI伪影检测模块的远程执行可以从云在线地发生。图像重建也可以被远程地完成，例如从云。在一些情况下，本文中提及的至少一个神经网络和其他神经网络可以是卷积神经网络。在一些情况下，本文中提及的神经网络的训练可以使用优化算法来执行。在一些范例中，自动伪影检测的布置因此利用卷积神经网络(CNN)和深度学习。CNN可以可能根据伪影损坏的磁共振图像以及提到伪影的类型和避免该伪影的可能MR技术的对应标签来训练。这种训练可以可能根据标记的图像来完成，如果备选的MR技术已经解决该问题，则当在磁共振图像中指示伪影时，通过在运行中规律地询问有经验的放射科医生来收集所述标记的图像。这种训练累积可以在规律成像协议的背景中运行。也可以通过指出重复的扫描并且针对伪影类型分析该情况以及如何解决而从系统日志文件采集训练数据。在一些实施方式中，CNN可以提供备选MR技术成功的概率得分(或图像改善似然得分)。即，与脉冲序列命令改变相关联的图像改善似然得分表示脉冲序列的改变将降低根据利用改变的脉冲序列采集的磁共振信号重建的磁共振图像的伪影水平的概率。CNN也可以分析一系列中的图像，并且在该系列中的第一(较少)图像中已经识别到损坏之后，提供是否并且如何继续一系列图像的采集的推荐。一些实施例因此可以改善成像工作流，因为伪影被及时地识别并且被适当地校正。这可以帮助避免或减少对于对象的大量重新扫描的需要。

在一个方面中，本发明提供了一种被配置用于从对象采集磁共振成像数据的磁共振成像系统。所述磁共振成像数据可以从由磁共振成像系统的磁体生成的成像区采集。所述磁共振成像系统包括用于存储机器可执行指令和脉冲序列命令的存储器。所述脉冲序列命令被配置用于根据磁共振成像协议来控制所述磁共振成像系统以采集所述磁共振成像数据。如本文中使用的脉冲序列命令包含被用来控制磁共振成像系统的操作和功能的命令或可以被编译或被构造成这样的命令的数据。有时，脉冲序列命令采取指示什么操作由磁共振成像系统的哪个部件执行的时序图的形式。

所述磁共振成像系统还包括被配置用于控制所述磁共振成像系统的处理器。所述机器可执行指令的运行使所述处理器使用所述脉冲序列命令来控制所述磁共振成像系统以采集所述磁共振成像数据。所述机器可执行指令的运行还使所述处理器使用所述磁共振成像数据来重建磁共振图像。

所述机器可执行指令的运行还使所述处理器通过将所述磁共振图像和所述图像元数据输入到MRI伪影检测模块中来接收建议的脉冲序列命令改变的列表。所述MRI伪影检测模块包括至少一个神经网络。所述图像元数据包括从所述脉冲序列命令选择的脉冲序列参数。所述建议的脉冲序列命令改变中的每个包括图像改善似然得分。在一些实例中，图像改善似然得分可以是具体的建议的脉冲序列命令改变将改善磁共振图像的质量或减少磁共振图像中的异常的似然的概率或其他数值。所述机器可执行指令的运行还使所述处理器从建议的脉冲序列命令改变的所述列表接收选定脉冲序列命令改变的选择。所述机器可执行指令的运行还使所述处理器使用所述选定脉冲序列命令改变来修改所述脉冲序列命令。

在一个实施例中，所述至少一个神经网络是至少一个卷积神经网络。

在一些范例中，脉冲序列命令的修改可以是微小的，诸如改变诸如重复时间或翻转角的修改的几个参数。在其他范例中，脉冲序列命令的修改可以是较大的，诸如用不同的成像协议代替成像协议。

脉冲序列参数是描述正被用于成像的磁共振成像协议的数据。脉冲序列参数可以包括如感兴趣区域、正被成像的解剖结构的类型、正被使用的脉冲序列的类型以及还有在脉冲序列内使用的个体参数的这样的信息。

在一些范例中，接收从建议的脉冲序列命令改变的列表对选定脉冲序列命令改变的选择可以被自动执行，或可以从磁共振成像系统的用户手动接收。例如，机器可执行指令可以被编程为使用预定准则和图像改善似然得分来选择选定脉冲序列命令改变。

在另一实施例中，所述机器可执行指令的运行还使所述处理器将审查提示和所述磁共振图像显示在所述用户接口上。所述审查提示显示伪影类型列表。所述机器可执行指令的运行还使所述处理器接收来自所述伪影类型列表的选择。所述机器可执行指令的运行还使所述处理器使用来自所述伪影类型列表的所述选择来训练所述至少一个神经网络的所述参数。该实施例可以是有益的，因为它可以在MRI伪影检测模块正被使用时提供MRI伪影检测模块的自动化训练。

在另一实施例中，所述至少一个神经网络使用深度学习来训练。本文中对神经网络的训练的其他提及可以使用优化算法来执行。

在另一实施例中，所述至少一个神经网络使用深度学习来训练。本文中对神经网络的训练的其他提及可以使用深度学习来执行。

在另一实施例中，所述机器可执行指令的运行还使所述处理器在用于所述磁共振图像的所述审查提示上提供定位标记工具。定位标记工具可以例如是用户接口上的用来指示伪影在哪里的图像中的位置的至少一部分的对象。例如，定位标记工具可以包括用于指示图像的分割、边界框或伪影的中心位置的工具。所述机器可执行指令的运行还使所述处理器接收指示所述磁共振图像的至少一部分的定位选择。所述MRI伪影检测模块还别配置用于输出伪影位置指示符。所述机器可执行指令的运行还使所述处理器使用所述定位选择来训练所述至少一个神经网络以生成所述伪影位置指示符。

所述机器可执行指令的运行还使所述处理器使用所述定位选择来训练所述至少一个神经网络以生成所述伪影位置指示符。所述机器可执行指令的运行还使所述处理器响应于所述磁共振图像和所述图像元数据而从所述MRI伪影检测模块接收所述伪影位置指示符。所述机器可执行指令的运行还使所述处理器将所述磁共振图像显示在警告提示上。所述机器可执行指令的运行还使所述处理器将被叠加在所述磁共振图像上的所述伪影位置指示符显示在所述警告提示上。该实施例可以是有益的，因为伪影位置指示符的添加可以改善操作者识别磁共振图像中的伪影的能力。

在另一实施例中，所述机器可执行指令的运行还使所述处理器：如果所述磁共振成像数据的采集被手动地重复，则记录所述脉冲序列命令的手动改变。所述机器可执行指令的运行还使所述处理器接收描述根据手动地重复的磁共振成像数据重建的重复磁共振成像的图像质量评分。所述机器可执行指令的运行还使所述处理器：如果所述图像质量评分在预定阈值之上，则使用所述脉冲序列命令的所述手动改变来训练所述至少一个神经网络。该实施例可以是有益的，因为当操作者手动地配置磁共振成像系统以改善图像质量时，该系统将学习如何自动地这样做。

在另一实施例中，所述存储器存储记录先前磁共振成像协议的运行的日志文件。所述机器可执行指令的运行还使所述处理器针对被标记为失败的磁共振成像协议搜索所述日志文件。所述机器可执行指令的运行还使所述处理器使用来自失败的磁共振成像协议的图像和/或从被标记为失败的所述磁共振成像协议提取的磁共振数据来训练所述至少一个神经网络。在一些范例中，如上面公开的审查提示也可以作为训练过程的一部分被显示。该实施例可以是有益的，因为它可以提供用于回顾性地查看由磁共振成像系统采集的磁共振数据并且使用其来进一步训练至少一个神经网络的手段。

在另一实施例中，所述机器可执行指令的运行还使所述处理器接收描述所述对象的对象数据。所述训练使用所述对象数据来补充。所述图像元数据包括所述对象数据。所述对象数据可以例如描述所述对象的身体状况。所述对象数据可以包括如年龄、尺寸、医学状态、对象内的植入物的可能存在、以及同一患者的先前检查的图像质量评分的信息。该实施例可以是有益的，因为它可以提供用于改善磁共振图像中的伪影的识别的手段。

在另一实施例中，所述机器可执行指令的运行还使所述处理器接收描述所述磁共振成像系统的状态和/或配置的系统数据。所述训练使用所述系统数据来补充。所述图像元数据包括所述系统数据。该实施例可以是有益的，因为磁共振成像系统的某些配置可以增加或降低获得图像伪影内的磁共振图像的概率。

在另一实施例中，所述至少一个神经网络是单个神经网络。该实施例可以是有益的，因为整个MRI伪影检测模块被实施为单个神经网络。这可以以若干不同的方式被实施，例如图像元数据可以被聚类成几个截然不同的种类，并且然后网络可以针对这些种类中的每种进行训练。

在另一实施例中，所述单个神经网络包括至少一个完全连接层。所述图像元数据被输入到所述至少一个完全连接层中。该实施例可以是有益的，因为它提供了将将图像元数据的输入集成到单个神经网络中的有效手段。

在另一实施例中，所述MRI伪影检测模块包括伪影分类器。所述伪影分类器是第一神经网络。所述至少一个神经网络包括所述第一神经网络。所述第一神经网络被配置为响应于输入所述磁共振图像而输出所述磁共振图像的伪影分类。所述MRI伪影检测模块还包括脉冲序列修改模块，脉冲序列修改模块被配置为响应于所述伪影分类和从所述脉冲序列命令选择的所述脉冲序列参数而输出建议的脉冲序列命令改变的所述列表。该实施例可以是有益的，因为神经网络可以用来有效地识别伪影，并且其他手段可以用来提供建议的脉冲序列命令改变的列表。

所述脉冲序列修改模块可以例如是以下中的任一个：第二神经网络、专家系统和统计学习模块。该实施例可以是有益的，因为它可以提供各种提供建议的脉冲序列命令改变的列表的手段。

在另一实施例中，所述存储器包括MRI伪影检测模块数据库，所述MRI伪影检测模块数据库包括多个MRI伪影检测模块。所述多个MRI伪影检测模块包括所述MRI伪影检测模块。所述机器可执行指令的运行还使所述处理器使用所述磁共振成像协议来选择所述MRI伪影检测模块。该实施例可以是有益的，因为可以存在已经针对具体种类的磁共振成像协议中的每种进行训练的MRI伪影检测模块。磁共振成像协议可以以不同的方式来划分。例如，脉冲序列的类型可以用来区别伪影检测模块如何被选择。在其他范例中，正被成像的具体解剖结构可以被用作选择。例如，可以存在当对膝关节进行成像时使用的一个MRI伪影检测模块和当脑部被成像时使用的另一个MRI伪影检测模块。这可以是有益的，因为图像的特性可能是不同的。

在另一实施例中，所述机器可执行指令的运行还使所述处理器在使用所述选定脉冲序列命令改变来修改所述脉冲序列命令之后重新采集所述磁共振成像数据。所述机器可执行指令的运行还使所述处理器使用重新采集的磁共振成像数据来重建所述磁共振图像。该实施例可以是有益的，因为它可以提供一种提供改善的磁共振图像的手段。

在另一实施例中，所述脉冲序列命令被配置用于采集一系列磁共振图像。所述机器可执行指令的运行还使所述处理器在使用所述选定脉冲序列命令改变来修改所述脉冲序列命令之后恢复所述一系列磁共振图像的采集。在该实施例中，一系列磁共振图像的质量通过利用选定脉冲序列命令改变对它们进行修改来改善。

在另一实施例中，所述选择准则从选择模块接收，所述选择模块被配置为使用被应用于所述图像改善似然得分的预定准则来选择所述选定脉冲序列命令。即，例如，在脉冲序列命令改变的图像改善似然得分的基础上进行选定脉冲序列命令改变的选择。换言之，脉冲序列命令可以被改变为具有更高的或甚至最高的图像改善似然得分的改变的脉冲序列命令。因此，改善的脉冲序列很可能导致磁共振图像的伪影水平的降低。该实施例可以是有益的，因为它可以提供磁共振图像的自动化改善。在另一实施例中，所述机器可执行指令的运行还使所述处理器将警告提示显示在所述用户接口上。如果至少一个图像改善似然得分在预定阈值之上，则所述警告提示可以被显示。所述警告提示显示所述建议的脉冲序列命令改变的列表。所述选定脉冲序列命令改变的所述选择从所述用户接口接收。该实施例可以是有益的，因为它可以提供一种用于操作者手动地改善磁共振图像的手段。

在不同的实施例中，建议的脉冲序列命令改变的列表的显示可以以不同的方式被完成。在一些情况下，建议的脉冲序列命令改变的列表使用图像改善似然得分来排名。在一些范例中，图像改善似然得分连同建议的脉冲序列命令改变的列表的元素中的每个一起被显示。这可以提供一种便于优选的选定脉冲序列命令改变的选择的手段。

在另一方面中，本发明提供了一种计算机程序产品，包括用于由控制处理器运行的机器可执行指令。所述机器可执行指令的运行使所述处理器接收磁共振图像。所述机器可执行指令的运行还使所述处理器接收图像元数据，所述图像元数据包括从脉冲序列命令选择的脉冲序列参数。所述机器可执行指令的运行还使所述处理器通过将所述磁共振图像和所述图像元数据输入到MRI伪影检测模块中来接收建议的脉冲序列命令改变的列表。所述MRI伪影检测模块包括至少一个神经网络。所述建议的脉冲序列命令改变中的每个包括图像改善似然得分。该实施例的优点先前已经被讨论。该实施例可以例如被用作用于控制磁共振成像系统的机器可执行指令的附加软件或插件。

在另一实施例中，所述机器可执行指令的运行还使所述处理器从建议的脉冲序列命令改变的所述列表接收选定脉冲序列命令改变的选择。所述机器可执行指令的运行还使所述处理器使用所述选定脉冲序列命令改变来修改所述脉冲序列命令。

在另一方面中本发明提供了一种计算机程序产品，包括用于由控制磁共振成像系统的处理器运行的机器可执行指令，所述磁共振成像系统配置用于从成像区内的对象采集磁共振成像数据。所述机器可执行指令的运行使所述处理器使用所述脉冲序列命令来控制所述磁共振成像系统以采集所述磁共振成像数据。所述脉冲序列命令被配置用于根据磁共振成像协议来控制所述磁共振成像系统以采集所述磁共振成像数据。

所述机器可执行指令的运行还使所述处理器使用所述磁共振成像数据来重建磁共振图像。所述机器可执行指令的运行还使所述处理器通过将所述磁共振图像和图像元数据输入到MRI伪影检测模块中来接收建议的脉冲序列命令改变的列表。所述MRI伪影检测模块包括至少一个神经网络。所述图像元数据包括从所述脉冲序列命令选择的脉冲序列参数。所述建议的脉冲序列命令改变中的每个包括图像改善似然得分。所述机器可执行指令的运行还使所述处理器从建议的脉冲序列命令改变的所述列表接收选定脉冲序列命令改变的选择。所述机器可执行指令的运行还使所述处理器使用所述选定脉冲序列命令改变来修改所述脉冲序列命令。该实施例的优点先前已经被讨论。

在另一方面中，本发明提供了一种操作磁共振成像系统的方法，所述磁共振成像系统被配置用于从对象采集磁共振成像数据。所述对象在所述成像区内。所述方法包括使用所述脉冲序列命令来控制所述磁共振成像系统以采集所述磁共振成像数据。所述脉冲序列命令被配置用于根据磁共振成像协议来控制所述磁共振成像系统以采集所述磁共振成像数据。所述方法还包括使用所述磁共振成像数据来重建磁共振图像。

所述方法还包括通过将所述磁共振图像和图像元数据输入到MRI伪影检测模块中来接收建议的脉冲序列命令改变的列表。所述MRI伪影检测模块包括至少一个神经网络。所述图像元数据包括从所述脉冲序列命令选择的脉冲序列参数。所述建议的脉冲序列命令改变中的每个包括图像改善似然得分。所述方法还包括从建议的脉冲序列命令改变的所述列表接收选定脉冲序列命令改变的选择。所述方法还包括使用所述选定脉冲序列命令改变来修改所述脉冲序列命令。该实施例的优点先前已经被讨论。

应当理解，只要组合的实施例不相互排斥，就可以组合本发明的前述实施例中的一个或多个。

本领域的技术人员将意识到，本发明的各方面可以被实施为装置、方法或计算机程序产品。因此，本发明的各方面可以采用以下形式：完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)或在本文中全部被通称为“电路”、“模块”或“系统”的组合了软件方面和硬件方面的实施例。此外，本发明的各方面可以采用被实施在一个或多个计算机可读介质中的计算机程序产品的形式，所述一个或多个计算机可读介质具有被实施在其上的计算机可执行代码。

可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。本文中使用的“计算机可读存储介质”包括可以存储能由计算设备的处理器执行的指令的任何有形存储介质。计算机可读存储介质可以被称为计算机可读非瞬态存储介质。计算机可读存储介质还可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质还能够存储能够由计算设备的处理器访问的数据。计算机可读存储媒介的范例包括但不限于：软盘、磁硬盘驱动器、固态硬盘、闪速存储器、USB拇指驱动器、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁光盘以及处理器的寄存器文件。光盘的范例包括压缩盘(CD)和数字多用盘(DVD)，例如，CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW或DVD-R盘。术语“计算机可读存储介质”还指能够由计算机设备经由网络或通信链路进行存取的各种类型的记录媒介。例如，可以在调制解调器上、在互联网上或在局域网上检索数据。可以使用任何适当的介质来传输在计算机可读介质上实施的计算机可执行代码，所述任何适当的介质包括但不限于：无线、有线、光纤线缆、RF等，或前项的任何合适的组合。

计算机可读信号介质可以包括例如在基带中或作为载波的部分的、在其中实施计算机可执行代码的传播的数据信号。这种经传播的信号可以采用各种形式中的任何形式，包括但不限于：电磁、光学或其任何合适的组合。计算机可读信号介质可以是任何这种计算机可读介质：所述计算机可读介质不是计算机可读存储介质并且能够传递、传播或传输用于由指令执行系统、装置或设备使用的程序或与指令执行系统、装置或设备结合使用的程序。

“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是能由处理器直接访问的任何存储器。“计算机存储设备”或“存储设备”是计算机可读存储介质的另外的范例。计算机存储设备可以是任何非易失性计算机可读存储介质。在一些实施例中，计算机存储设备也可以是计算机存储器或反之亦然。

本文中使用的“处理器”包括能够执行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应被解读为可能包含多于一个处理器或处理核。处理器例如可以是多核处理器。处理器也可以指在单个计算机系统内的或被分布在多个计算机系统之间的处理器的集合。术语“计算设备”也应被解读为可能指多个计算设备的集合或网络，所述多个计算设备中的每个计算设备均包括一个或多个处理器。计算机可执行代码可以由多个处理器来执行，这些处理器可以处于同一计算设备内，或者甚至可以被分布在多个计算设备上。

计算机可执行代码可以包括使处理器执行本发明的一方面的机器可执行指令或程序。用于执行针对本发明的各方面的操作的计算机可执行代码可以被写成一种或多种编程语言的任何组合，包括面向对象的编程语言(例如，Java、Smalltalk、C++等)和常规的程序编程语言(例如，C编程语言或类似的编程语言)，并且被编译成机器可执行指令。在一些实例中，计算机可执行代码可以是高级语言的形式或是预编译的形式，并且可以与解释器联合使用，所述解释器在运行中生成机器可执行指令。

计算机可执行代码可以完全在用户的计算机上、部分在用户的计算机上、作为独立软件包、部分在用户的计算机上并且部分在远程计算机上，或者完全在远程计算机或服务器上执行。在最后一种情况中，远程计算机可以通过任何类型的网络连接到用户的计算机，所述网络包括局域网(LAN)或广域网(WAN)，或者可以(例如通过使用互联网服务提供商的互联网)连接到外部计算机的连接。

参考根据本发明的实施例的流程图图示和/或方法、装置(系统)以及计算机程序产品的框图描述了本发明的各方面。应当理解，在适当时能够由计算机可执行代码形式的计算机程序指令来实施流程图、图示和/或框图的框的每个框或部分。还应当理解，当互不排斥时，可以对不同的流程图、图示和/或框图中的框进行组合。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实施流程图和/或框图的一个或多个框中指定的功能/动作的单元。

这些计算机程序指令也可以被存储在计算机可读介质中，所述计算机可读介质能够指导计算机、其他可编程数据处理装置或其他设备来以特定方式起作用，使得被存储在计算机可读介质中的指令产生制造品，所述制造品包括实施在流程图和/或一个或多个框图框中指定的功能/动作的指令。

计算机程序指令也可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得要在计算机、其他可编程装置或其他设备上执行的一系列操作步骤，从而产生计算机实施的过程，使得在计算机或其他可编程装置上执行的指令提供用于实施在流程图和/或一个或多个框图框中指定的功能/动作的过程。

本文中使用的“用户接口”是允许用户或操作者与计算机或计算机系统交互的接口。“用户接口”还可以被称为“人机接口设备”。用户接口可以向操作者提供信息或数据并且/或者从操作者接收信息或数据。用户接口可以使得来自操作者的输入能够被所述计算机接收，并且可以从计算机向用户提供输出。换言之，用户接口可以允许操作者控制或操纵计算机，并且接口可以允许计算机指示操作者的控制或操纵的效果。显示器或图形用户接口上对数据或信息的显示是向操作者提供信息的范例。通过键盘、鼠标、跟踪球、触控板、指点杆、图形输入板、操纵杆、游戏手柄、游戏垫、网络摄像头、头戴式设备、脚踏板、有线手套、遥控器以及加速度计来接收数据是使得能够从操作者接收信息或数据的用户接口部件的全部范例。

本文中使用的“硬件接口”涵盖使得计算机系统的处理器能够与外部计算设备和/或装置交互并且/或者控制外部计算设备和/或装置的接口。硬件接口可以允许处理器向外部计算设备和/或装置发送控制信号或指令。硬件接口还可以使得处理器能够与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于：通用串行总线、IEEE1394端口、并行端口、IEEE1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口以及数字输入接口。

本文中使用的“显示器”或“显示设备”涵盖适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、听觉和/或触觉的数据。显示器的范例包括，但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储管、双稳显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影仪以及头戴式显示器。

磁共振成像(MRI)数据在本文中被定义为是在磁共振成像扫描期间使用磁共振装置的天线所记录的对通过原子自旋发射的射频信号的测量结果。磁共振图像或MR图像在本文中被定义为是对在磁共振成像数据内包含的解剖数据的经重建的二维可视化或三维可视化。这种可视化能够例如使用计算机来执行。

附图说明

在下文中，将仅通过范例的方式并且参考附图来描述本发明的优选实施例，在附图中：

图1图示了磁共振成像系统的范例；

图2示出了图示操作图1的磁共振成像系统的方法的流程图；

图3图示了磁共振成像系统的又一范例；

图4示出了图示操作图3的磁共振成像系统的方法的流程图；

图5图示了MRI伪影检测模块的范例；

图6图示了MRI伪影检测模块的又一范例；并且

图7图示了工作流的范例。

附图标记列表

100 磁共振成像系统

104 磁体

106 磁体的膛

108 成像区

109 感兴趣区域

110 磁场梯度线圈

112 磁场梯度线圈电源

114 射频线圈

116 收发器

118 对象

120 对象支撑物

126 计算机系统

128 硬件接口

130 处理器

132 用户接口

134 计算机存储器

140 机器可执行指令

142 脉冲序列命令

144 磁共振成像数据

146 MRI伪影检测模块

146’ MRI伪影检测模块

146” MRI伪影检测模块

148 磁共振图像

150 图像元数据

152 建议的脉冲序列命令改变的列表

154 图像改善似然得分

156 选择模块

158 选定脉冲序列命令改变的选择

160 经修改的脉冲序列命令

162 重新采集的磁共振成像数据

164 重新采集的磁共振图像

200 使用脉冲序列命令来控制磁共振成像系统以采集磁共振成像数据

202 使用磁共振成像数据来重建磁共振图像

204 通过将磁共振图像和图像元数据输入到MRI伪影检测模块中来接收建议的脉冲序列命令改变的列表

206 从建议的脉冲序列命令改变的列表接收选定脉冲序列命令改变的选择

208 使用选定脉冲序列命令改变来修改脉冲序列命令

300 磁共振成像系统

302 警告提示

304 磁共振图像的绘制

306 异常位置指示符

308 忽视和继续选择器

310 训练模块

312 日志文件

314 MRI异常检测模块数据库

400 如果至少一个图像改善似然得分在预定阈值之上，则将警告提示显示在用户接口上

500 卷积层

502 展平

504 完全连接层

506 完全连接层

508 输出

600 第一神经网络

602 脉冲序列修改模块

604 伪影分类

700 工作流

702 伪影损坏的MRI图像

704 伪影损坏的MRI图像

706 伪影损坏的MRI图像

708 深度卷积神经网络

710 推理

712 训练

714 标签

716 标签

718 标签

具体实施方式

在这些附图中，相同附图标记的元件是等效的元件或者执行相同的功能。如果功能相同，则在后面的附图中不必讨论先前已经讨论过的元件。

图1示出了具有磁体104的磁共振成像系统100的范例。磁体104是超导圆柱型磁体，其具有穿过其的膛106。也可以使用不同类型的磁体；例如，也可以使用分裂式圆柱型磁体和所谓的开放式磁体。分裂式圆柱型磁体类似于标准的圆柱型磁体，但是低温恒温器被分成两个部分以允许进入磁体的等平面，这种磁体可以例如与带电粒子射束治疗结合使用。开放式磁体具有两个磁体部分，一个在另一个之上，其间具有足够大的空间以容纳对象：两个部分的区的布置类似于亥姆霍兹线圈的布置。开放式磁体很受欢迎，因为对象受限制较少。在圆柱型磁体的低温恒温器内部有一组超导线圈。在圆柱型磁体104的膛106内有成像区108，其中磁场足够强且足够均匀以执行磁共振成像。示出了成像区108内的感兴趣区域109。磁共振数据通常针对感兴趣区域来进行采集。对象118被示为由对象支撑物120支撑，使得对象118的至少部分处于成像区108和感兴趣区域109内。

在磁体的膛106内还有一组磁场梯度线圈110，该组磁场梯度线圈用于采集初步磁共振数据以对磁体104的成像区108内的磁自旋进行空间编码。磁场梯度线圈110连接到磁场梯度线圈电源112。磁场梯度线圈110旨在是代表性的。通常，磁场梯度线圈110包含三组独立的线圈，这三组独立的线圈用于在三个正交空间方向上进行空间编码。磁场梯度电源向磁场梯度线圈提供电流。提供给磁场梯度线圈110的电流作为时间的函数而被控制并且可以是斜坡变化的或脉冲变化的。

与成像区108相邻的是射频线圈114，射频线圈用于操纵成像区108内的磁自旋的取向并且用于接收也来自成像区108内的自旋的射频发射。射频天线可以包含多个线圈元件。射频天线也可以被称为通道或天线。射频线圈114连接到射频收发器116。射频线圈114和射频收发器116可以由单独的发射线圈和接收线圈以及单独的发射器和接收器来替换。应当理解，射频线圈114和射频收发器116是代表性的。射频线圈114还旨在表示专用发射天线和专用接收天线。同样地，收发器116还可以表示单独的发射器和接收器。射频线圈114还可以具有多个接收/发射元件，并且射频收发器116可以具有多个接收/发射通道。例如，如果执行诸如SENSE之类的并行成像技术，则射频线圈114将具有多个线圈元件。

收发器116和梯度控制器112被示为连接到计算机系统126的硬件接口128。该计算机系统还包括与硬件系统128、存储器134和用户接口132通信的处理器130。存储器134可以是处理器130可访问的存储器的任何组合。这可以包括例如主存储器、高速缓存存储器以及还有诸如闪速RAM、硬盘驱动器之类的非易失性存储器或其他存储设备。在一些范例中，存储器134可以被认为是非瞬态计算机可读介质。

存储器134被示为包含机器可执行指令140。机器可执行指令140使得处理器130能够控制磁共振成像系统100的操作和功能。机器可执行指令140还可以使得处理器130能够执行各种数据分析和计算功能。计算机存储器134还被示为包含脉冲序列命令142。脉冲序列命令被配置用于控制磁共振成像系统100根据磁共振成像协议从对象118采集磁共振数据。

存储器134还被示为包含已经通过利用脉冲序列命令142来控制磁共振成像系统100而被采集的磁共振成像数据144。存储器134还被示为包含MRI伪影检测模块146。MRI伪影检测模块146使用至少一个神经网络来实施。存储器134还被示为包含已经根据磁共振成像数据144重建的磁共振图像148。存储器134还被示为包含描述磁共振图像148的图像元数据150。图像元数据150可以包含如描述用来采集磁共振成像数据144的脉冲序列命令142的数据这样的事物。它也可以包含描述被成像的对象118的解剖结构的数据以及描述对象118的其他数据(诸如任何植入物、尺寸、年龄或健康状态)。图像数据150也可以包含关于磁共振成像系统100的配置或状态的信息。磁共振图像148和图像元数据150被用作到MRI伪影检测模块146的输入。MRI伪影检测模块146输出建议的脉冲序列命令改变的列表152。对于列表152的成员中的每个，存在对应的图像改善似然得分154。该得分154是用来指示列表152的成员中的每个有多可能将改善磁共振图像148的质量的概率评分。

存储器134被示为可选地包含选择模块156。选择模块将预定准则应用于似然得分154以从建议的脉冲序列命令改变的列表152选择选定脉冲序列命令改变的选择158。选择158包含可以用来修改脉冲序列命令142的数据。存储器134被示为包含通过利用选定脉冲序列命令改变的选择158修改脉冲序列命令142而产生的经修改的脉冲序列命令160。存储器134还被示为包含重新采集的磁共振成像数据162。重新采集的磁共振成像数据162通过利用经修改的脉冲序列命令160控制磁共振成像系统来采集。存储器134还被示为包含根据重新采集的磁共振成像数据162重建的重新采集的磁共振成像164。

图2示出了图示操作图1的磁共振成像系统100的方法的流程图。首先，在步骤200中，利用脉冲序列命令142来控制磁共振成像系统100以采集磁共振成像数据144。接下来在步骤202中，磁共振图像148根据磁共振成像数据144来重建。然后，在步骤204中，通过将磁共振图像148和图像元数据150输入到MRI伪影检测模块146中来从其接收建议的脉冲序列命令改变的列表152。接下来，在步骤206中，接收选定脉冲序列命令改变的选择158。这例如可以使用选择模块156来实现。最后，在步骤208中，脉冲序列命令142使用选定脉冲序列命令的选择158来修改。

图3图示了磁共振成像系统的又一范例300。图3中描绘的磁共振成像系统300类似于图1中的磁共振成像系统100，除了可选的选择模块156已经用显示警告提示302的代码来代替。警告提示302被示为可选地绘制304磁共振图像148。绘制304也被示为具有伪影位置指示符306。在这种情况下，伪影位置指示符306是示出可能包含伪影的区域的边界方框。在绘制304旁边的是建议的脉冲序列命令改变的列表152。操作者能够选择这些中的一个，其然后导致处理器130接收选定脉冲序列命令改变158的选择。在下面，列表152也是使得操作者能够忽视和继续而不进行选择的按钮308。

存储器134被示为包含可选的训练模块310。可选的训练模块310可以例如能够使用训练用来实施MRI伪影检测模块146的一个或多个神经网络的深度学习或另一方法。存储器134还被示为包含可选的日志文件312。能够针对已经被标记为失败的图像的磁共振成像协议搜索可选的日志文件312。这可以对于训练是有用的。存储器134还被示为包含可选的MRI伪影检测模块数据库314。例如，可以存在已经被训练的多个MRI伪影检测模块。例如，被选定的具体协议可以被用于从MRI伪影检测模块数据库314选择MRI伪影检测模块146。

图4示出了图示操作图3的磁共振成像系统300的方法的流程图。图4中的方法类似于图2中的方法。该方法以在图2中图示的方法中执行的步骤200、202和204开始。在步骤204之后，该方法前进到步骤400。在步骤400中，如果至少一个图像改善似然得分154在预定阈值之上，则警告提示302被显示在用户接口132上。警告提示显示建议的脉冲序列命令改变的列表152。在步骤400之后，该方法前进到步骤206。在步骤206中，从警告提示302接收选定脉冲序列命令改变158的选择。在步骤206之后，该方法前进到图2中图示的步骤208。

图5图示了MRI伪影检测模块146’的实施方式的范例。在该范例中，MRI伪影检测模块146包括单个神经网络。神经网络采用磁共振图像148作为输入。这被输入到多个卷积层500中。在卷积层之后，存在展平处理502。在展平502之后，然后存在多个完全连接层504、506。在这些完全连接层内，层506被示为接收图像元数据150作为输入。作为实际问题，元数据能够被输入到这些完全连接层中的任一个内，或元数据也能够被分开并且被输入到不同的完全连接层内。在层506之后，存在包括建议的脉冲序列命令152的列表和针对这些中的每个的图像改善似然得分154的生成的输出508。例如，输出508可以包含针对可能的建议的改变中的每个的多个节点。这些输出中的每个处的值可以是等同于图像改善似然得分154的概率。

图6示出了MRI伪影检测模块146”的实施方式的又一范例。在该范例中，存在第一神经网络600和脉冲序列修改模块602。第一神经网络600采用磁共振图像148作为输入，并且输出伪影分类604。伪影分类604和图像元数据150然后被输入到脉冲序列修改模块602中。脉冲序列修改模块602然后输出建议的脉冲序列命令改变的列表152，其中，它们中的每个具有图像改善似然得分154。

磁共振成像(MRI)中的伪影是临床实践中的图像退化(伪影)的频繁原因，其可以使临床工作流复杂化并且致使图像不适合于诊断。多种专用的序列和技术已经被开发来消除或抑制不同组伪影。然而，这些方法的成功应用需要操作者能够正确地检测并识别存在已经采集的图像中的伪影。

范例可以提供实现先前采集的图像的快速且自动的评价以识别潜在的伪影并且提出合适的序列来改善图像质量的软件工具。

在一些范例中，在第一步骤中，深度卷积神经网络(包括至少一个神经网络的MRI伪影检测模块)使用伪影损坏的MR图像和定义合适的MR技术来改善图像质量的对应标签的大集合来训练。在第二步骤中，软件工具直接在数据采集之后被应用到临床图像，以便在伪影已经被检测到的情况下自动推荐合适的MR技术来改善图像质量。

提出的软件工具因此便于高质量MR图像的采集同时操作者对这部分需要更少的经验，由此改善新MRI技术在临床实践中的采用。

由于伪影的图像退化是磁共振成像(MRI)的临床应用中的常见问题。虽然有经验的放射科医生有时能够“看穿”这些伪影，但是图像的损坏经常如此严重以至于医学诊断是不可能的。

另一方面，多种技术已经被提出来减少或消除MRI中的图像伪影。虽然一般解决方案不存在，但是已经表明许多方法对于具体类型的伪影是成功的。范例包括用于骨科植入物的金属伪影减少(O-MAR)或用于由于患者运动的伪影的减少的多叶片XD。

临床例程中的伪影的正确检测和识别对于操作者来说是具有挑战性的任务。此外，一旦具体类型的伪影已经被观察到，改善图像质量的适当扫描技术的选择就可能是困难的。

技术人员经常在时间压力下和/或可能缺少检测并避免伪影所需的经验。此外，旨在避免特定类型的伪影的新扫描技术的引入需要操作(一个或多个)MR扫描器的所有放射科工作人员的综合训练。这些挑战可能导致改善图像质量的新扫描技术的较差采用。

范例可以提供允许图像伪影的自动检测和合适MR技术的后续推荐以改善图像质量的软件工具。由于不需要操作者对这部分的输入，工具能够作为仅在检测到伪影的情况下提供推荐并且要不然对用户不可见的背景过程被执行。其依赖于定制的深度卷积神经网络(CNN)使用大量的伪影损坏的MR图像以及定义最有希望的MR技术来消除伪影的对应图像标签的训练。

下面在图7中以工作流方式详述了提出的软件工具的一种实施方式的示意性概览。核心部件是深度卷积神经网络708。网络的最佳拓扑结构取决于应用情景的细节：取决于期望应用的复杂性(例如，应当是可检测的伪影类型的数量)和特性(例如，伪影的空间程度)，CNN的不同超参数(诸如滤波器的空间尺寸、滤波器的数量、网络的深度等)能够被选定。

在图7中图示的范例中，标记为702、704和706的方框表示具有已经损坏它们的伪影的磁共振图像。存在用来执行推理710并且也可以使用深度学习712来训练的深度卷积神经网络708。深度卷积神经网络708的输出是被分配给图像702、704和706中的每个的标签。标签714对应于图像702。标签716对应于图像704。标签718对应于图像706。标签714对应于运动伪影。标签716对应于混叠伪影716。标签718对应于金属伪影718。对于这些标签714、716、718中的每个，存在推荐的脉冲序列命令改变。对于标签714，建议对多叶片XD脉冲序列的使用。对于标签716，建议视场的增加。对于标签718，建议对O-MAR协议的使用。

在训练期间，各种伪影损坏的图像702、704、706连同对应的标签一起被呈现给卷积神经网络708。标签定义伪影以及改善图像质量的最合适的MR技术两者。一旦网络被充分训练，网络就能够在没有标签的情况下确定最合适的避免伪影的MR技术。

在训练阶段期间，卷积神经网络的参数(权重和偏置)使用公认的技术(诸如随机梯度下降)来优化，以实现期望的自动检测和推荐能力。这使用伪影损坏的MR图像以及定义最有希望的MR技术来避免这些伪影的对应标签的训练集来实现。一般来说，该训练集的质量(即标签的有效性)对成功的优化是至关重要的。

为了生成这样的高质量训练数据集，可以针对其中重新扫描由于伪影相关的图像退化而被执行的患者检查搜索合适的数据库(例如，放射科的图像存档)。假如图像质量可以在重新扫描中通过具体MR技术的应用来改善，伪影损坏的图像与对应的标签(MR技术的识别符)进行组合，并且被添加到训练集。为了便于该程序，定义伪影的类型以及防止伪影的MR技术的手动标签能够直接在数据采集之后被添加到适当的患者检查。

如果这样的程序是不可能的，例如由于缺少对合适数据库的访问，则训练数据集也可以使用计算方法来创建。这可以使用专用的MR图像模拟框架来实现，专用的MR图像模拟框架需要组织性质(诸如质子密度、T1和T2值等)作为输入数据来求解控制Bloch方程。为了允许伪影损坏的图像的大集合的生成，映射所需的组织性质的定量MR方法可以被采用。对应的避免伪影的MR技术然后可以从简单的查找表检索以生成标签。备选地，防止伪影的MR技术也能够被包括在模拟框架中，由此允许改善图像质量的技术的能力的更可靠预测。最成功的MR技术然后与包含模拟的伪影的图像进行组合，并且被添加到训练集。

在应用阶段期间，经训练的CNN被用作建议合适的MR技术来降低伪影水平的自动图像分析工具。它可以被实现为检测伪影并且直接在数据采集之后产生推荐由此为操作者提供在后续的扫描中改善图像质量的支持的定制监测软件。操作者能够决定是否用提出的序列交换该协议中的扫描。备选地，其可以被应用于成像科的存档以预测在额外的防止伪影的MR技术被引入到临床工作流中的情况下可以被实现的图像质量的总体改善。

相比于常规的图像处理方法，神经网络的应用还允许甚至在部署之后的软件的精调：来自操作者的反馈(例如通过弹出窗口来收集)能够被用作用于再练阶段的输入，其中，网络的准确性被进一步优化。这样，伪影检测的灵敏性和特异性以及针对提出的MR技术的预测的(改善的)图像质量的准确性两者可以在临床应用期间被进一步改善。

在一个范例中，训练数据集使用包含多种相关伪影的患者或志愿者图像的大集合来生成，所述多种相关伪影由有经验的放射科医生或技术人员基于他/她的在临床实践中防止伪影的经验来手动地标记。如果图像存档不包含足够的重新扫描来提取所需的信息并且如果综合MR模拟框架不可获得，则这种方法可以是合适的。

范例也可以使用扫描中分析。在许多常见MR扫描(例如多切片采集)中，当前扫描的图像能够在采集进一步数据/切片时被重建并且已经被重建。这样的图像被频繁地显示在预览窗口中(例如飞利浦“Autoview”)。在一个实施例中，这样的图像一被重建，它们就被评价，并且如果伪影被检测到，则立即用停止当前采集并且替代地运行提出的协议的提议来通知操作者。

虽然已经在附图和前面的描述中详细说明和描述了本发明，但是这样的说明和描述应当被认为是说明性或示范性的而非限制性的；本发明不限于所公开的实施例。

本领域技术人员通过研究附图、说明书以及权利要求书，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。虽然某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/被分布在合适的介质上，例如，与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以以其他形式分布，例如，经由互联网或其他有线或无线的电信系统分布。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (15)

1.一种被配置用于从成像区(108)内的对象(118)采集磁共振成像数据(144)的磁共振成像系统(100、300)，其中，所述磁共振成像系统包括：

存储器(134)，其用于存储机器可执行指令(140)和脉冲序列命令(142)，其中，所述脉冲序列命令被配置用于根据磁共振成像协议来控制所述磁共振成像系统以采集所述磁共振成像数据；

处理器(130)，其被配置用于控制所述磁共振成像系统，其中，所述机器可执行指令的运行使所述处理器：

使用所述脉冲序列命令来控制(200)所述磁共振成像系统以采集所述磁共振成像数据；

使用所述磁共振成像数据来重建(202)磁共振图像(148)；

通过将所述磁共振图像和所述图像元数据(150)输入到MRI伪影检测模块(146、146’、146”)中来接收(204)建议的脉冲序列命令改变的列表(152)，其中，所述MRI伪影检测模块包括至少一个神经网络，其中，所述图像元数据包括从所述脉冲序列命令选择的脉冲序列参数，其中，所述建议的脉冲序列命令改变中的每个包括图像改善似然得分(154)；其中

所述至少一个神经网络已经使用来自失败的磁共振成像协议的图像和/或从自记录先前磁共振成像协议的运行的日志文件(312)访问的被标记为失败的所述磁共振成像协议提取的磁共振数据来训练，并且其中，所述机器可执行指令的运行还使所述处理器：

从建议的脉冲序列命令改变的所述列表接收(206)选定脉冲序列命令改变(158)的选择；以及

使用所述选定脉冲序列命令改变来修改(208)所述脉冲序列命令。

2.根据权利要求1所述的磁共振成像系统，其中，所述机器可执行指令的运行还使所述处理器：

针对被标记为失败的磁共振成像协议搜索所述磁共振成像系统的日志文件；并且

并且

使用来自失败的磁共振成像协议的图像和/或从自记录先前磁共振成像协议的运行的所述日志文件(312)访问的被标记为失败的所述磁共振成像协议提取的磁共振数据来训练所述神经网络。

3.根据权利要求1所述的磁共振成像系统，其中，所述机器可执行指令的运行还使所述处理器：

将审查提示和所述磁共振图像显示在用户接口上，其中，所述审查提示显示伪影类型列表；

接收来自所述伪影类型列表的选择；

使用来自所述伪影类型列表的所述选择来训练所述至少一个神经网络的参数。

4.根据权利要求3所述的磁共振成像系统，其中，所述机器可执行指令的运行还使所述处理器：

在用于所述磁共振图像的所述审查提示上提供定位标记工具；并且

接收指示所述磁共振图像的至少一部分的定位选择，其中，所述MRI伪影检测模块还被配置用于输出伪影位置指示符；

使用所述定位选择来训练所述至少一个神经网络以生成所述伪影位置指示符；

响应于所述磁共振图像和所述图像元数据而从所述MRI伪影检测模块接收所述伪影位置指示符(306)；

将所述磁共振图像显示在警告提示(302)上；并且

将被叠加在所述磁共振图像上的所述伪影位置指示符显示在所述警告提示上。

5.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述机器可执行指令的运行还使所述处理器：

如果所述磁共振成像数据的采集被手动地重复，则记录所述脉冲序列命令的手动改变；

接收描述根据手动地重复的磁共振成像数据重建的重复磁共振成像的图像质量评分；以及

如果所述图像质量评分在预定阈值之上，则使用所述脉冲序列命令的所述手动改变来训练所述至少一个神经网络。

6.根据权利要求32至5中的任一项所述的磁共振成像系统，其中，所述机器可执行指令的运行还使所述处理器接收描述所述对象的对象数据，其中，所述训练使用所述对象数据来补充，其中，所述图像元数据包括所述对象数据。

7.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述至少一个神经网络是单个神经网络(146’)。

8.根据权利要求7所述的磁共振成像系统，其中，所述单个神经网络包括至少一个完全连接层(504)，并且其中，所述图像元数据被输入到所述至少一个完全连接层中。

9.根据权利要求1至6中的任一项所述的磁共振成像系统，其中，所述MRI伪影检测模块包括伪影分类器，其中，所述伪影分类器是第一神经网络(600)，其中，所述至少一个神经网络包括所述第一神经网络，其中，所述第一神经网络被配置为响应于输入所述磁共振图像而输出所述磁共振图像的伪影分类(604)，其中，所述MRI伪影检测模块还包括脉冲序列修改模块(602)，所述脉冲序列修改模块被配置为响应于所述伪影分类和从所述脉冲序列命令选择的所述脉冲序列参数而输出建议的脉冲序列命令改变的所述列表。

10.根据权利要求9所述的磁共振成像系统，其中，所述脉冲序列修改模块是以下中的任一个：第二神经网络、专家系统和统计学习模块。

11.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述存储器包括MRI伪影检测模块数据库(314)，所述MRI伪影检测模块数据库包括多个MRI伪影检测模块，其中，所述多个MRI伪影检测模块包括所述MRI伪影检测模块，其中，所述机器可执行指令的运行还使所述处理器使用所述磁共振成像协议来选择所述MRI伪影检测模块。

12.根据前述权利要求中的任一项所述的磁共振成像系统，其中，所述元数据还包括以下中的任一个：描述所述磁共振成像系统的状态和/或配置的系统数据、描述所述对象的身体状况的对象数据、以及其组合。

13.根据权利要求1所述的磁共振成像系统，其中，以下中的任一个成立：

所述选择准则从选择模块(156)接收，所述选择模块被配置为使用被应用于所述图像改善似然得分的预定准则来选择所述选定脉冲序列命令改变；并且

所述机器可执行指令的运行还使所述处理器：如果至少一个图像改善似然得分在预定阈值之上，则将警告提示(302)显示(400)在用户接口(132)上，其中，所述警告提示显示所述建议的脉冲序列命令改变的列表，并且其中，所述选定脉冲序列命令改变的所述选择从所述用户接口接收。

14.一种计算机程序产品，包括用于由处理器(130)运行的机器可执行指令(140)，其中，所述机器可执行指令的运行使所述处理器：

接收磁共振图像；

接收图像元数据(150)，所述图像元数据包括从脉冲序列命令选择的脉冲序列参数；并且

通过将所述磁共振图像和所述图像元数据(150)输入到MRI伪影检测模块(146、146’、146”)中来接收(204)建议的脉冲序列命令改变的列表，其中，所述MRI伪影检测模块包括至少一个神经网络，所述至少一个神经网络使用来自失败的磁共振成像协议的图像和/或从自记录先前磁共振成像协议的运行的日志文件(312)访问的被标记为失败的所述磁共振成像协议提取的磁共振数据来训练，并且

其中，所述建议的脉冲序列命令改变中的每个包括图像改善似然得分。

15.一种操作磁共振成像系统(100、300)的方法，所述磁共振成像系统被配置用于从成像区(108)内的对象(118)采集磁共振成像数据(144)，其中，所述方法包括：

使用所述脉冲序列命令来控制(200)所述磁共振成像系统以采集所述磁共振成像数据，其中，所述脉冲序列命令被配置用于根据磁共振成像协议来控制所述磁共振成像系统以采集所述磁共振成像数据；

使用所述磁共振成像数据来重建(202)磁共振图像(148)；

通过将所述磁共振图像和图像元数据(150)输入到MRI伪影检测模块(146、146’、146”)中来接收(204)建议的脉冲序列命令改变的列表(152)，其中，所述MRI伪影检测模块包括至少一个神经网络，所述至少一个神经网络使用来自失败的磁共振成像协议的图像和/或从自记录先前磁共振成像协议的运行的日志文件(312)访问的被标记为失败的所述磁共振成像协议提取的磁共振数据来训练，并且其中，所述机器可执行指令的运行还使所述处理器：

其中，所述图像元数据包括从所述脉冲序列命令选择的脉冲序列参数，其中，所述建议的脉冲序列命令改变中的每个包括图像改善似然得分(154)；

从建议的脉冲序列命令改变的所述列表接收(206)选定脉冲序列命令改变(158)的选择；并且

使用所述选定脉冲序列命令改变来修改(208)所述脉冲序列命令。

Images