CN107003375B - 磁共振指纹数据收集和分析*** - Google Patents
磁共振指纹数据收集和分析*** Download PDFInfo
- Publication number
- CN107003375B CN107003375B CN201580064757.XA CN201580064757A CN107003375B CN 107003375 B CN107003375 B CN 107003375B CN 201580064757 A CN201580064757 A CN 201580064757A CN 107003375 B CN107003375 B CN 107003375B
- Authority
- CN
- China
- Prior art keywords
- magnetic resonance
- data
- associated medical
- medical data
- resonance imaging
- 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.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims description 57
- 238000013480 data collection Methods 0.000 title claims description 27
- 238000002595 magnetic resonance imaging Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000012512 characterization method Methods 0.000 claims abstract description 8
- 230000000704 physical effect Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 230000005284 excitation Effects 0.000 claims description 10
- 238000013475 authorization Methods 0.000 claims description 9
- 206010028980 Neoplasm Diseases 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000010412 perfusion Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 11
- 238000005481 NMR spectroscopy Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010562 histological examination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01R33/44—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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种采用中央计算机数据库来支持通过磁共振指纹测量结果对组织的表征的方法。根据利用各种源(即磁共振成像***)的测量结果导出的大量相关联的医学数据集可以被收集并存储在中央计算机数据库中，可以使潜在的用户可访问，并且可用于进一步的分析，其中，分析原则上可以涉及完整的多个相关联的医学数据集。有助于中央计算机数据库的可能源也可以是磁共振成像***，其在其它临床检查期间采用磁共振指纹序列“在传输过程中”采集磁共振成像信号数据，而不影响工作流或图像质量。
Description
技术领域
本发明涉及一种采用中央计算机数据库来支持通过磁共振指纹(magneticresonance fingerprinting)测量对组织的表征的方法，以及包括这种中央计算机数据库的磁共振指纹数据收集和分析***。
背景技术
在磁共振成像领域，被称为磁共振指纹的技术近期提出于Dan Ma等人的文章，Magnetic resonance fingerprinting、Nature 495(7440)、p.187-192、2013、doi:10.1038/nature11971。其中，磁共振指纹(MRF)的概念被描述为利用可以使用称为MRF序列的适当采集方案为不同材料或组织生成唯一信号演进(evolution)或指纹的事实。这能够通过贯穿数据采集的采集参数的不断变化来实现。可以通过以伪随机方式改变采集参数-例如射频脉冲的翻转角和相位、重复时间、回波时间和采样模式-来实现MRF中所要求的时间和空间不相干。首先，基于MRF激励序列构建一个词典，其包含来自材料和***相关参数的所有可预见组合的信号演进。在采集数据之后，可以通过应用匹配或模式识别算法来实现将信号分离成不同的材料或组织类型以从词典中选择最佳对应于观察的信号演进的信号向量或加权信号向量集合。然后可以同时检索用于在词典中建立该信号向量的所有参数。在该文章中，应注意的是，MRF兼容的激励脉冲序列有近无限的可能性。
在美国专利申请US 2013/0265047 A1中，描述了与核磁共振(NMR)指纹相关联的装置、方法和其它实施例。一个范例NMR装置包括NMR逻辑，其被配置为重复地和可变地采样与物体相关联的(k，t，E)空间，以采集一组NMR信号。该一组NMR信号的成员与(k，t，E)空间中的不同点相关联。利用以非常数方式变化的t和/或E来执行采样。变化的参数可以包括翻转角、回波时间、RF幅度和其他参数。NMR装置还可以包括被配置为从NMR信号产生NMR信号演进的信号逻辑，以及被配置为作为比较采集的信号与参考信号的结果表征对象中的共振物种的表征逻辑。
发明内容
本发明的一个目的是提供通过磁共振指纹测量结果来表征组织的改进的支持的方法。
在本发明的一个方面中，目的是通过采用中央计算机数据库来支持通过磁共振指纹测量结果对组织的表征的方法来实现的。
如本申请中使用的短语“中央计算机数据库”应特别理解为可经由数据通信链路(例如但不限于局域网)或经由到互联网的路由器通信链路从多个外部计算机设备访问的计算机数据库。
中央计算机数据库包括多个相关联的医学数据集。多个相关联的医学数据集中的每个相关联的医学数据集至少包括针对至少一个物理量的相关联的值或相关联的值的集合。
计算机数据库还包括多个预定义词典，其中，多个预定义词典中的每个预定义词典专用于特定的磁共振指纹序列，并且包括已经根据特定磁共振指纹序列激励的核的多个可能的磁共振信号演进。多个可能的磁共振信号演进中的每个磁共振信号演进基于针对至少一个物理量的不同的值或不同的值的集合。
该方法包括以下步骤
-将感兴趣对象的至少一部分布置在其中生成静态磁场B0的磁共振成像***的检查空间中，
-通过施加根据磁共振指纹序列生成的射频激励场B1，激励感兴趣对象的至少部分的核或至少部分内的核，
-从感兴趣对象的至少部分的核或至少部分内的核发射的辐射采集磁共振成像信号数据，并且
-将至少包括所采集的磁共振成像信号数据和被用于获得磁共振成像信号数据的磁共振指纹序列的磁共振指纹数据集转移到中央计算机数据库。
此外，该方法包含以下步骤：
-如果所述多个预定义词典中的基于已经被用于获得所述磁共振成像信号数据的所述磁共振指纹序列的预定义词典已经存在于所述中央计算机数据库中，则检索基于所述磁共振指纹序列的所述词典，
-如果基于所述磁共振指纹序列的词典在所述中央计算机数据库中不能利用，则创建新词典，以作为针对所述中央计算机数据库的预定义词典的新条目被添加到所述多个预定义词典，所述新词典专用于已被用于获得所述磁共振成像信号数据的所述磁共振指纹序列并且包括已经根据所述磁共振指纹序列激励的核的多个可能的磁共振信号演进，其中，所述多个可能的磁共振信号演进中的每个可能的磁共振信号演进基于针对所述至少一个物理量的不同的值或不同的值的集合；并且检索新创建的词典，
-通过应用模式识别算法来将所采集的磁共振成像信号数据与所检索的词典进行匹配，以根据关于预定义数学量度函数而与所采集的磁共振成像信号数据形成最接近匹配的所述多个可能的磁共振信号演进中的可能的磁共振信号演进来确定针对所述至少一个物理量的值或值的集合，所述预定义数学量度函数指示基于所述至少一个物理量的所确定的值或所确定的值的集合的所述磁共振信号演进与所采集的磁共振成像信号数据之间的差异，
-将针对所述至少一个物理量的至少所确定的值或所确定的值的集合作为相关联的医学数据集的新条目添加到所述多个相关联的医学数据集，
其中，所述至少一个物理量中的每个物理量与所述感兴趣对象的至少所述部分的组织类型的物理性质或与所述磁共振成像***的物理性质有关，并且
-使得所述中央计算机数据库的用户能够访问相关联的医学数据集的所述新条目。
以这种方式，根据利用各种源(即磁共振成像***)的测量结果导出的大量相关联的医学数据集可以被收集并存储在中央计算机数据库中，可以使潜在的用户可访问，并且可用于进一步的分析，其中，分析原则上可以涉及完整的多个相关联的医学数据集。有助于中央计算机数据库的可能源也可以是磁共振成像***，其在其它临床检查期间采用磁共振指纹序列“在传输过程中”采集磁共振成像信号数据，而不影响工作流或图像质量。
在一个实施例中，多个相关联的医学数据集中的相关联的医学数据集还包括已被用于获得磁共振成像信号数据的磁共振指纹序列，并且在向多个相关联的医学数据集添加新条目的步骤中，相关联的医学数据集的新条目还包括已经用于获得磁共振成像信号数据的磁共振指纹序列。以这种方式，可以从完整的多个相关联的医学数据集的子集或从完整的多个相关联的医学数据集中分析不同的磁共振指纹序列的效应，例如确定针对至少一个物理量的值或值的集合的准确性。
使得用户可访问相关联的医学数据集的新条目的步骤可以涵盖通知磁共振成像***的用户磁共振指纹数据集已从该磁共振成像***转移到中央计算机数据库，以这种方式建立一种向用户反馈的方式。其还可以涵盖通过磁共振成像***的特定请求或者通过被配置为转移磁共振指纹数据集的磁共振成像***的任何用户的特定请求提供相关联的医学数据集的新条目，磁共振指纹数据集已从该磁共振成像***转移到中央计算机数据库。
在优选实施例中，施加根据磁共振指纹序列生成的射频激励场B1的步骤包括：在从磁共振成像***接收到特定请求时提供磁共振指纹序列的在先步骤。以这种方式，磁共振成像***的用户可以受益于由中央计算机数据库的其他用户应用的磁共振指纹测量结果得到的经验。例如，具体请求可以涉及关于转发请求的用户特别感兴趣的一个物理性质或多个物理性质，相对于其他磁共振指纹序列具有高可区分性的磁共振指纹序列。
在另一个优选实施例中，针对形成与采集的磁共振成像信号数据对应的磁共振图像的至少子集的多个体素中的每个体素执行这些步骤。以这种方式，可以以高空间分辨率实现不同类型的组织之间的有效区分。
优选地，所述至少一个物理量选自由以下形成的组：激励的核的纵向弛豫时间、激励的核的横向弛豫时间、激励的核的偏共振频率、组织的质子密度、组织的导电率、组织的扩散系数、组织的灌注系数和施加到核的静态磁场的幅度。以这种方式，可以实现多维表征，其允许在大部分临床应用中区分组织。
在所述方法的另一个优选实施例中，将相关联的医学数据集的相关联的新条目添加到多个相关联的医学数据集的步骤还包括将对器官、组织类型或特定状态的肿瘤中的至少一个的赋值添加到相关联的医学数据集的相关联的新条目。例如，可以在采集磁共振指纹信号数据之后已经准备好的组织学报告的结果作为赋值被添加。该赋值可以由磁共振成像***的用户手动添加。以这种方式，可以将针对至少一个物理量的确定值或所确定的值的集合，对特定类型的组织的所添加的组织赋值以及视情况而定的磁共振指纹序列链接在相关联的医学数据集的新条目中，并且可用于进一步分析。已经进行了添加的赋值的组织可以是磁共振图像的体素，或者它可以是磁共振图像的分割区域。
优选地，将对相关联的医学数据集的新条目的赋值添加到多个相关联的医学数据集的步骤受肯定授权支配。这确保了在将相关联的医学数据集的新条目添加到多个相关联的医学数据集之前对数据进行双重检查，这增加了多个相关医学数据集的可靠性和置信度。例如，肯定授权可以在磁共振成像***中由两名临床医师共同进行，磁共振指纹数据集已经从该磁共振成像***转移到中央计算机数据库。在另一种方法中，专门的临床审查委员会可以执行肯定授权，以确保诊断值符合最新医学标准。
在另一个优选实施例中可以实现类似的益处，其中，将新创建的词典添加到多个预定义词典的步骤受肯定授权支配，其可以如上所述地执行。备选地，可以应用表现为适合于本领域技术人员的肯定授权的任何其他步骤。
在另一优选实施例中，该方法还包括以下步骤：
-将机器学习算法应用于所述多个相关联的医学数据集，以确定相关联的医学数据集之间的相关性和/或关系，
-将指示所确定的相关性和/或关系的数据添加到多个相关联的医学数据集中的相关联的医学数据集中，并且
-使得中央计算机数据库的用户可访问添加的数据。
例如，机器学习算法可以分析多个相关联的医学数据集中的包括与特定状态的肿瘤基本上相同的赋值的相关联的医学数据集，并且提供对于至少一个物理量的相关联的值或相关联的值的集合的统计分析。中央计算机数据库的任何用户可以访问统计分析，并且可以被提供有关于与特定状态的肿瘤相关的至少一个物理量的相关联的值或相关联的值的集合的统计显著性的信息。
作为范例，机器学习算法可以分析多个相关联的医学数据集中的包括与特定组织类型基本上相同的赋值的相关联的医学数据集，并且可以提供关于相关联的医学数据集的磁共振指纹序列确定所述至少一个物理量的能力的统计分析；即，提供关于所确定的至少一个物理量的测量误差的统计信息。机器学习算法然后可以将磁共振指纹序列识别为特别适合于精确确定特定组织类型的至少一个物理量，并且可以使得所识别的磁共振指纹序列可由中央计算机数据库的用户访问。
在一个实施例中，该方法在应用所述机器学习算法的步骤内的，还包括以下步骤：如果在根据已经从不同源转移的磁共振指纹数据集导出的相关联的医学数据集之间发现相关性和/或关系，则将加权因子分配给要确定相关性和/或关系的相关联的医学数据集，以考虑转移的磁共振指纹数据集的可靠性和/或置信度。
以这种方式，可以确保在通过应用机器学习算法执行的分析中考虑磁共振成像***的各种类型和能力。
在本发明的另一方面中，提供了一种磁共振指纹数据收集和分析***。磁共振指纹数据收集和分析***包括中央计算机数据库、数据接收单元、数据输出单元和数据分析***。
中央计算机数据库被配置为存储多个相关联的医学数据集。多个相关联的医学数据集中的每个相关联的医学数据集包括针对至少一个物理量的至少相关联的值或相关的值的集合。中央计算机数据库还被配置为存储多个预定义词典。多个预定义词典中的每个预定义词典专用于特定的磁共振指纹序列，并且包括已经根据特定的磁共振指纹序列激励的核的多个可能的磁共振信号演进。多个可能的磁共振信号演进的中每个磁共振信号演进基于针对至少一个物理量的不同的值或不同的值的集合。
数据接收单元被配置为从多个磁共振成像***接收至少包括从感兴趣对象的至少一部分的激励的核或感兴趣对象的至少一部分内的激励的核采集的所采集的磁共振成像信号数据和用于获得磁共振成像信号数据的磁共振指纹序列的磁共振指纹图像数据集，并且将接收到的磁共振指纹数据集转移到中央计算机数据库。
数据输出单元，其配置用于使得中央计算机数据库的数据可由磁共振指纹数据收集和分析***的用户访问。
数据分析设备包括至少一个处理器单元和至少一个数字存储器单元。数据分析设备具有对多个相关联的医学数据集和多个预定义词典的数据访问。如果所述多个预定义词典中的基于已经被用于获得所述磁共振成像信号数据的所述磁共振指纹序列的预定义词典已经存在于所述中央计算机数据库中，则检索基于所述磁共振指纹序列的所述词典。
如果基于所述磁共振指纹序列的词典在所述中央计算机数据库中不能利用，则所述数据分析设备被配置为创建新词典并且作为针对所述中央计算机数据库的预定义词典的新条目将所述新词典添加到所述多个预定义词典。所述新词典专用于已被用于获得所述磁共振成像信号数据的所述磁共振指纹序列并且包括已经根据所述磁共振指纹序列激励的核的多个可能的磁共振信号演进。所述多个可能的磁共振信号演进中的每个可能的磁共振信号演进基于针对所述至少一个物理量的不同的值或不同的值的集合。在这种情况下，所述数据分析设备被配置为检索新创建的词典。
此外，数据分析设备被配置为通过应用模式识别算法将所采集的磁共振成像信号数据与检索到的词典进行匹配，以根据关于预定义数学量度函数而与所采集的磁共振成像信号数据形成最接近匹配的多个可能的磁共振信号演进中的可能的磁共振信号演进来确定针对所述至少一个物理量的值或值的集合，所述预定义数学量度函数指示基于针对所述至少一个物理量的所确定的值或所确定的值的集合的磁共振信号演进与所采集的磁共振成像信号数据之间的差异。
然后，数据分析设备被配置为至少将至少一个物理量的所确定的值或所确定的值的集合作为相关联的医学数据集的新条目添加到中央计算机数据库中的多个相关联的医学数据集。至少一个物理量中的每个物理量与感兴趣对象的至少部分的组织类型的物理性质或与多个磁共振成像***中的磁共振成像***的物理性质有关。
最后，数据分析设备被配置为使得经由数据输出单元使得多个磁共振成像***可访问相关联的医学数据集的新条目。
在磁共振指纹数据收集和分析***的合适实施例中，针对所公开的方法描述的优点适用并可以实现。
在一个实施例中，数据分析设备被配置为还将已经被用于获得磁共振成像信号数据的磁共振指纹序列添加到多个相关联的医学数据集中的相关联的医学数据集的新条目，使得相关联的医学数据集的新条目包括已经被用于获得磁共振成像信号数据的磁共振指纹序列和针对至少一个物理量的所确定的值或所确定的值的集合。以这种方式，多个相关联的医学数据集的子集或完整的多个相关联的医学数据集可用于分析使用不同的磁共振指纹序列的效果，例如，关于确定针对至少一个物理量的值或值的集合的准确性。
在磁共振指纹数据收集和分析***的优选实施例中，中央计算机数据库是基于服务器的或基于云的。以这种方式，可以容易地提供用于由数据接收单元接收磁共振指纹数据集并且用于使多个磁共振成像***可访问数据的解决方案。
在另一个优选实施例中，数据接收单元被配置为使能将对器官、组织类型或特定状态的肿瘤中的至少一个的赋值添加到多个相关联的医学数据集中的相关联的医学数据集。
以这种方式，可以将针对至少一个物理量的所确定的值或所确定的值的集合、对特定类型的组织的添加的赋值以及视情况而定的磁共振指纹序列链接在相关联的医学数据集的新条目中并且可用于进一步分析。
优选地，所述使能受肯定授权支配。这确保了在将相关联的医学数据集的新条目添加到多个相关联的医学数据集之前对数据进行双重检查，这增加了多个相关联的医学数据集的可靠性和置信度。
在磁共振指纹数据收集和分析***的另一优选实施例中，所述数据接收单元被配置为从外部设备接收关于以下中的至少一个的请求：多个相关联的医学数据集中的相关联的医学数据集的磁共振指纹序列和多个预定义词典中的预定义词典，并且其中，数据输出单元被配置为在接收到请求时使得所请求的数据可由所述外部设备访问。
关于磁共振指纹数据收集和分析***的另外的技术特征和优点，参考与所公开的方法、附图及其对应的图示说明有关的描述，反之亦然。
在本发明的又一方面中，提供了一种软件模块，用于执行所公开的采用中央计算机数据库的方法的实施例的步骤。要实行的方法步骤被转换为软件模块的程序代码，其中，程序代码可在磁共振指纹数据收集和分析***的存储器单元中实施，并且可由磁共振指纹数据收集和分析***的处理器单元执行。处理器单元可以是数据分析设备的处理器单元。备选地或补充地，处理器单元可以是被特别分配用于执行至少一些方法步骤的另一个处理器单元。
该软件模块可以实现方法的鲁棒且和可靠的运行，并且可以允许方法步骤的快速修改。
附图说明
参考下文描述的实施例，本发明的这些和其它方面将会变得显而易见。然而，这样的实施例并不一定代表本发明的全部范围，并且因此，参考权利要求和本文以解释本发明的范围。
在图中：
图1示出了根据本发明的磁共振指纹数据收集和分析***以及与***的交互的实施例的示意性配置，
图2示意性地示出了从采集的磁共振成像信号数据确定两个不同物理量的一组值的结果，并且
图3和图4示出了根据本发明的方法的实施例的流程图。
附图标记列表
10 磁共振指纹数据收集和分析*** 54 转移磁共振指纹数据集
12 磁共振成像*** 56 检索预定义词典
14 数据通信链路 58 创建新词典
16 计算机设备 60 将磁共振信号数据与词典进行匹配
18 中央计算机数据库 62 添加相关联的医学数据集的新条目
20 数据接收单元 64 使得新条目可供用户访问
22 数据输出单元 66 将赋值添加到医学数据集
24 数据通信链路 68 检索并分析相关联的医学数据集
26 数据分析设备 70 使得统计数据可访问
28 处理器单元 T1 纵向弛豫时间
30 数字存储器单元 T2 横向弛豫时间
32 数据通信链路
34 软件模块
36 相关联的医学数据集
38 磁共振指纹序列
40 值的集合
42 磁共振指纹数据集
44 区域
46 区域
步骤
48 提供磁共振指纹序列
50 施加RF激励场
52 采集磁共振成像信号数据
具体实施方式
图1示出了根据本发明的磁共振指纹数据收集和分析***10及其与***的交互的实施例的示意性配置。***由多个磁共振成像***121、122、123符号化。应理解，磁共振成像***121、122、123的操作者和/或为了检查目的采用磁共振成像***121、122、123的临床医师或参与这些的人实际上是潜在的用户。
数据收集和分析***10包括基于云的中央计算机数据库18、数据接收单元20、数据输出单元22和数据分析设备26，数据分析设备26继而包括处理器单元28和数字存储器单元30。
中央计算机数据库18被配置为存储多个相关联的医学数据集。多个相关联的医学数据集中的每个相关联的医学数据集36包括针对至少两个不同物理量的磁共振指纹序列38和相关联的值的集合40(图2)。
中央计算机数据库18还被配置为存储多个预定义词典。多个预定义词典中的每个预定义词典专用于特定的磁共振指纹序列38，并且包括已经根据特定的磁共振指纹序列38激励的核的多个可能的磁共振信号演进，其中，所述多个可能的磁共振信号演进中的每个磁共振信号演进基于所述至少两个不同物理量的不同的值的集合40。
所述至少两个不同物理量中的每个物理量与感兴趣对象的至少部分的组织类型的物理性质或与多个磁共振成像***121、122、123中的磁共振成像***121、122、123的物理性质有关。通过范例，在该特定实施例中给出至少两个不同的物理量，如包括组织类型的磁共振图像的体素的纵向弛豫时间T1和横向弛豫时间T2。通常，使用者可以从由以下构成的组中选择至少两个不同的物理量：激励的核的纵向弛豫时间、激励的核的横向弛豫时间、激励的核的偏共振频率、组织的质子密度、组织的导电率、组织的扩散系数、组织的灌注系数和施加到核的静态磁场的幅度。
多个磁共振成像***121、122、123中的每个磁共振成像***121、122、123包括用于将感兴趣对象的至少一部分布置在其内的检查空间和至少在检查空间中生成的静态磁场B0。
多个磁共振成像***121、122、123中的每个磁共振成像***121、122、123被配置为通过施加根据磁共振指纹序列38生成的射频激励场B1来激励感兴趣对象的至少部分的核或感兴趣对象的至少部分内的核，并且从由感兴趣对象的至少部分的激励的核或感兴趣对象的至少部分内的激励的核所发射的辐射采集磁共振成像信号数据。
多个磁共振成像***121、122、123中的每个磁共振成像***121、122、123还被配置为将磁共振指纹数据集42转移到中央计算机数据库18，磁共振指纹数据集42至少包括所采集的磁共振成像信号数据和用于获得磁共振成像信号数据的磁共振指纹序列38。
为此，多个磁共振成像***121、122、123中的每个磁共振成像***121、122、123被装备有将磁共振成像***121、122、123连接到数据接收单元20以用于数据通信的数据通信链路141、142、143。数据接收单元20被配置为还从与磁共振成像***121、122、123不同并且由磁共振成像***121、122、123的操作者和/或临床医师使用的计算机设备16(图1中示范性地示出一个计算机设备16)接收另外的数据通信链路。数据接收单元20被配置为将接收的磁共振指纹数据集42转移到中央计算机数据库18。
磁共振指纹数据集42的范例在图2的左侧被图示。在对应于所采集的磁共振成像信号数据的磁共振图像中，标记两个空间区域44、46，并且将设置在两个空间区域44、46中的组织的类型分别标记为“组织A”和“组织B”。尽管两个空间区域44、46被示出为磁共振图像的分段区域，但是它们通常可以与单个体素一样小。在磁共振图像下方示出的是已经用于获得磁共振成像信号数据的磁共振指纹序列38。
数据分析设备26经由被布置在磁共振指纹数据收集和分析***10内的数据通信链路32具有对多个相关联的医学数据集36和多个预定义词典的数据访问。
数据输出单元22被配置为在中央计算机数据库18和磁共振指纹数据收集和分析***10的用户之间提供数据通信链路241、242、243，以用于使得用户可访问中央计算机数据库18的数据。此外，图1示出了数据通信链路244也可以被提供在数据输出单元22和计算机设备16之间。
在下文中，描述了将中央计算机数据库18用于支持通过磁共振指纹测量结果对组织的表征的方法的实施例。图3和图4中给出了该方法的流程图。在采用中央计算机数据库18的准备中，应当理解，所有涉及的单元和设备都处于操作状态中并如图1图示地被配置。
为了能够执行该方法的一部分，数据分析设备26包括软件模块34(图1)。要进行的方法步骤被转换为软件模块34的程序代码，其中，程序代码被实施在数据分析设备26的数字存储器单元30中，并且可由数据分析设备26的处理器单元28执行。还应当理解，磁共振指纹数据收集和分析***10处于操作就绪状态中。
在第一步骤48中，数据分析设备26在多个磁共振成像***121、122、123中的磁共振成像***121、122、123的请求后提供磁共振指纹序列38。
在下一步骤50中，提供的磁共振指纹序列38被用于生成和应用用于激励感兴趣对象的部分的核或感兴趣对象的部分内的核的射频激励场B1。
在另一步骤52中，利用磁共振成像***121、122、123来采集来自由感兴趣对象的部分的核或感兴趣对象的部分内的核所发射的辐射的磁共振成像信号数据。
然后在接下来的步骤54中，将磁共振指纹数据集42从磁共振成像***121、122、123转移到中央计算机数据库18。磁共振指纹数据集42包括采集的磁共振成像信号数据和用于获得磁共振成像信号数据的磁共振指纹序列38。
在之后的步骤56中，如果基于磁共振指纹序列38的词典已经存在于中央计算机数据库18中，则数据分析设备26检索基于已经被用于获得磁共振成像信号数据的磁共振指纹序列38的多个预定义词典中的预定义词典。
如果基于磁共振指纹序列38的词典在中央计算机数据库18中不可用，则在另一步骤58中数据分析设备26创建新词典，该词典要被添加到多个预定义词典中作为到中央计算机数据库18的预定义词典的新条目。新词典专用于已经用于获得磁共振成像信号数据的磁共振指纹序列38，并且包括已经根据磁共振指纹序列38激励的核的多个可能的磁共振信号演进。多个可能的磁共振信号演进中的每个可能的磁共振信号演进基于由纵向弛豫时间T1和横向弛豫时间T2给出的两个不同物理量的不同的值的集合40。然后由数据分析设备26检索新创建的词典。
在另一步骤60中，数据分析设备26应用模式识别算法，以用于将所采集的磁共振成像信号数据与所检索的词典进行匹配。针对两个不同的物理量T1和T2的值的集合40是根据关于预定义数学量度函数与采集的磁共振成像信号数据形成最接近匹配的可能的磁共振信号演进之一确定的。预定义数学量度函数指示基于针对不同物理量的所确定的值的集合40的磁共振信号演进与所采集的磁共振成像信号数据之间的差异。适当的数学量度函数在本领域中是公知的，因此在此不再赘述。
针对形成由被标记“组织A”和“组织B”的两个空间区域44、46形成的磁共振图像的子集的多个体素中的每个体素执行将采集的磁共振成像信号数据与检索到的词典进行匹配的步骤60，如图2所示。以这种方式，磁共振图像的子集的体素被映射到被生成为独立单位向量的线性跨度的参数空间，每个独立的单位向量表示两个不同物理量之一。在图2中，独立单位向量彼此垂直布置，并且所生成的参数空间等价于二维笛卡尔坐标空间。如果在另一个可能的实施例中，该值的集合包括针对不同物理量的多于两个值，则将相同的概念扩展到与该值的集合40中的不同物理量的值一样多的维度。
如图2所示，子集的体素的映射导致不确定性，所述不确定性也被记录并由误差线指示。
在接下来的步骤62中，数据分析设备26将磁共振指纹序列38和包括所确定的不确定性的两个不同物理量的确定的值的集合40作为相关联的医学数据集36的新条目添加到中央计算机数据库18中的多个相关联的医学数据集。
然后在另一步骤64中，数据分析设备26使相关联的医学数据集36的新条目可由中央计算机数据库18的用户访问。
在该方法的另一步骤66中，将特定状态的肿瘤的赋值添加到相关联的医学数据集36的新条目。该数据可以是来自组织学检查的结果、利用其他临床模态获得的数据或成功治疗后变得可追溯地可用的数据。由磁共振成像***121、122、123的用户将数据添加到相关联的医学数据集36的新条目，磁共振成像***121、122、123通过访问相关联的医学数据集36并手动添加赋值来采集磁共振指纹信号数据。
数据分析设备26检测到赋值已被添加。作为用于启动的几种选择之一，这启动了检索和分析多个相关联的医学数据集中的包括针对特定状态的肿瘤的相同赋值的相关联的医学数据集36的步骤68。用于启动该步骤68的其他选项(图4中未示出)提出了磁共振指纹数据收集和分析***10的用户的特定请求，以及由数据分析设备26自动运行的常规更新流程。
作为分析的步骤68的结果，数据分析设备26确定：
-关于针对两个不同物理量的检索到的相关联的值的集合40的统计数据，以及
-指示磁共振指纹序列38确定两个不同物理量的能力的统计数据。
此外，数据分析设备26使确定的统计数据在另一步骤70中可由用户访问。通过将请求转发到磁共振指纹数据收集和分析***10，用户能够获得关于从磁共振指纹信号数据导出的不同的物理量的值的特定组合指示特定状态的肿瘤的显著性的统计数据。在请求后，可以向用户提供磁共振指纹序列38，其被已知为提供例如关于不同特定状态的肿瘤的高可区分性。以这种方式，所公开的磁共振指纹数据收集和分析***10和所公开的采用中央计算机数据库18的方法通过磁共振指纹测量结果提供对组织的表征的实质支持。
尽管已经在附图和前面的描述中详细说明和描述了本发明，但这样的说明和描述被认为是说明性或示范性的而非限制性的；本发明不限于公开的实施例。本领域技术人员通过研究附图、说明书和权利要求书，在实践要求保护的本发明时能够理解和实现所公开实施例的其他变型。在权利要求书中，“包括”一词不排除其他元件或步骤，词语“一”或“一个”不排除多个。在互不相同的从属权利要求中记载特定元件并不指示不能有利地使用这些元件的组合。权利要求书中的任何附图标记都不得被解释为对范围的限制。
Claims (16)
1.一种采用中央计算机数据库(18)来支持通过磁共振指纹测量结果对组织的表征的方法，所述计算机数据库(18)包括：
-多个相关联的医学数据集，所述多个相关联的医学数据集中的每个相关联的医学数据集(36)包括针对至少一个物理量(T1、T2)的至少相关联的值或相关联的值的集合(40)，以及
-多个预定义词典，其中，所述多个预定义词典中的每个预定义词典专用于特定磁共振指纹序列(38)，并且包括已经根据所述特定磁共振指纹序列(38)激励的核的多个可能的磁共振信号演进，所述多个可能的磁共振信号演进中的每个磁共振信号演进基于针对所述至少一个物理量(T1、T2)的不同的值或不同的值的集合(40)，
所述方法包括以下步骤：
-将感兴趣对象的至少部分布置在其中正生成静态磁场B0的磁共振成像***(12)的检查空间中，
-通过施加(50)根据磁共振指纹序列(38)生成的射频激励场B1来激励所述感兴趣对象的至少所述部分的核或至少所述部分内的核；
-从由所述感兴趣对象的至少所述部分的激励的核或至少所述部分内的激励的核发射的辐射来采集(52)磁共振成像信号数据，
-将至少包括所采集的磁共振成像信号数据和用于获得所述磁共振成像信号数据的所述磁共振指纹序列(38)的磁共振指纹数据集(42)转移(54)到所述中央计算机数据库(18)，
-如果所述多个预定义词典中的基于已经被用于获得所述磁共振成像信号数据的所述磁共振指纹序列(38)的预定义词典已经存在于所述中央计算机数据库(18)中，则检索(56)基于所述磁共振指纹序列(38)的所述词典，
-如果基于所述磁共振指纹序列(38)的词典在所述中央计算机数据库(18)中不能利用，则创建(58)新词典，以作为针对所述中央计算机数据库(18)的预定义词典的新条目被添加到所述多个预定义词典，所述新词典专用于已被用于获得所述磁共振成像信号数据的所述磁共振指纹序列(38)并且包括已经根据所述磁共振指纹序列(38)激励的核的多个可能的磁共振信号演进，其中，所述多个可能的磁共振信号演进中的每个可能的磁共振信号演进基于针对所述至少一个物理量(T1、T2)的不同的值或不同的值的集合(40)；并且检索新创建的词典，
-通过应用模式识别算法来将所采集的磁共振成像信号数据与所检索的词典进行匹配(60)，以根据所述多个可能的磁共振信号演进中的关于预定义数学量度函数而与所采集的磁共振成像信号数据形成最接近匹配的可能的磁共振信号演进来确定针对所述至少一个物理量(T1、T2)的值或值的集合(40)，所述预定义数学量度函数指示基于所述至少一个物理量(T1、T2)的所确定的值或所确定的值的集合(40)的所述磁共振信号演进与所采集的磁共振成像信号数据之间的差异，
-将针对所述至少一个物理量(T1、T2)的至少所确定的值或所确定的值的集合(40)作为相关联的医学数据集(36)的新条目添加(62)到所述多个相关联的医学数据集，
其中，所述至少一个物理量(T1、T2)中的每个物理量与所述感兴趣对象的至少所述部分的组织类型的物理性质或与所述磁共振成像***(12)的物理性质有关，并且
-使得(64)所述中央计算机数据库(18)的用户能够访问相关联的医学数据集(36)的所述新条目。
2.根据权利要求1所述的方法，其中，所述多个相关联的医学数据集中的每个相关联的医学数据集(36)还包括已被用于获得所述磁共振成像信号数据的所述磁共振指纹序列，并且其中，在将相关联的医学数据集(36)的新条目添加(62)到所述多个相关联的医学数据集的步骤中，相关联的医学数据集(36)的所述新条目还包括已经被用于获得所述磁共振成像信号数据的所述磁共振指纹序列。
3.根据权利要求1所述的方法，其中，施加(50)根据磁共振指纹序列生成的射频激励场B1的步骤包括在从所述磁共振成像***(12)接收到特定请求时提供(48)所述磁共振指纹序列(38)的在先步骤。
4.根据权利要求1所述的方法，其中，针对至少形成与所采集的磁共振成像信号数据对应的磁共振图像的子集的多个体素中的每个体素执行转移(54)、检索(56)、创建(58)、匹配(60)、添加(62)和使得(64)的步骤。
5.根据权利要求1所述的方法，其中，所述至少一个物理量(T1、T2)是从由以下项形成的组选择的：激励的核的纵向弛豫时间(T1)、激励的核的横向弛豫时间(T2)、激励的核的偏共振频率、组织的质子密度、组织的导电率、组织的扩散系数、组织的灌注系数以及被施加到核的静态磁场的幅度。
6.根据权利要求1所述的方法，其中，将相关联的医学数据集的新条目添加(62)到所述多个相关联的医学数据集的步骤还包括将对器官、组织类型或特定状态的肿瘤中的至少一个的赋值添加(66)到相关联的医学数据集(36)的相关联的新条目。
7.根据权利要求6所述的方法，其中，将对相关联的医学数据集(36)的所述新条目的赋值添加(66)到所述多个相关联的医学数据集的步骤受肯定授权支配。
8.根据权利要求1所述的方法，其中，将新创建的词典添加到所述多个预定义词典受肯定授权支配。
9.根据权利要求1-8中的任一项所述的方法，还包括以下步骤：
-将机器学习算法应用于所述多个相关联的医学数据集，以确定所述相关联的医学数据集(36)之间的相关性和/或关系，
-将指示所确定的相关性和/或关系的数据添加到所述多个相关联的医学数据集中的所述相关联的医学数据集(36)，并且
-使得(70)所述中央计算机数据库(18)的用户能够访问的所添加的数据。
10.根据权利要求9所述的方法，在应用所述机器学习算法的步骤内，还包括以下步骤：如果在根据已经从不同源转移的磁共振指纹数据集(42)导出的相关联的医学数据集(36)之间发现相关性和/或关系，则将加权因子分配给针对其要确定相关性和/或关系的相关联的医学数据集(36)，以考虑转移的磁共振指纹数据集(42)的可靠性和/或置信度。
11.一种磁共振指纹数据收集和分析***(10)，包括：
-中央计算机数据库(18)，其被配置为存储：
-多个相关联的医学数据集，所述多个相关联的医学数据集中的每个相关联的医学数据集(36)包括针对至少一个物理量(T1、T2)的至少相关联的值或相关联的值的集合(40)，以及
-多个预定义词典，其中，所述多个预定义词典中的每个预定义词典专用于特定磁共振指纹序列(38)，并且包括已经根据所述特定磁共振指纹序列(38)激励的核的多个可能的磁共振信号演进，所述多个可能的磁共振信号演进中的每个磁共振信号演进基于针对所述至少一个物理量(T1、T2)的不同的值或不同的值的集合(40)，
-数据接收单元(20)，其被配置为从多个磁共振成像***(12)接收磁共振指纹数据集(42)，并且将所接收的磁共振指纹数据集(42)转移到所述中央计算机数据库(18)，其中，所述磁共振指纹数据集至少包括从感兴趣对象的至少部分的激励的核或所述部分内的激励的核采集的所采集的磁共振成像信号数据和被用于获得所述磁共振成像信号数据的磁共振指纹序列(38)，
-数据输出单元(22)，其被配置用于使得用户能够访问所述中央计算机数据库(18)的数据，
-数据分析设备(26)，其包括至少一个处理器单元(28)和至少一个数字存储器单元(30)，所述数据分析设备(26)具有对所述多个相关联的医学数据集(36)和对所述多个预定义词典的数据访问，
其中，所述数据分析设备(26)被配置为：
-如果所述多个预定义词典中的基于已经被用于获得所述磁共振成像信号数据的所述磁共振指纹序列(38)的预定义词典已经存在于所述中央计算机数据库(18)中，则检索基于所述磁共振指纹序列(38)的所述词典，
-如果基于所述磁共振指纹序列(38)的词典在所述中央计算机数据库(18)中不能利用，则创建新词典并且作为针对所述中央计算机数据库(18)的预定义词典的新条目将所述新词典添加到所述多个预定义词典，所述新词典专用于已被用于获得所述磁共振成像信号数据的所述磁共振指纹序列(38)并且包括已经根据所述磁共振指纹序列(38)激励的核的多个可能的磁共振信号演进，其中，所述多个可能的磁共振信号演进中的每个可能的磁共振信号演进基于针对所述至少一个物理量(T1、T2)的不同的值或不同的值的集合(40)；并且检索新创建的词典，
-通过应用模式识别算法来将所采集的磁共振成像信号数据与所检索的词典进行匹配，以根据所述多个可能的磁共振信号演进中的关于预定义数学量度函数而与所采集的磁共振成像信号数据形成最接近匹配的可能的磁共振信号演进来确定针对所述至少一个物理量(T1、T2)的值或值的集合(40)，所述预定义数学量度函数指示基于所述至少一个物理量(T1、T2)的所确定的值或所确定的值的集合的所述磁共振信号演进与所采集的磁共振成像信号数据之间的差异，
-将针对所述至少一个物理量(T1、T2)的至少所确定的值或所确定的值的集合(40)作为相关联的医学数据集(36)的新条目添加到所述中央计算机数据库(18)中的所述多个相关联的医学数据集，
其中，所述至少一个物理量(T1、T2)中的每个物理量与所述感兴趣对象的至少所述部分的组织类型的物理性质或与所述多个磁共振成像***中的磁共振成像***(12)的物理性质有关，并且
-使得所述多个磁共振成像***(12)经由所述数据输出单元(22)能够访问相关联的医学数据集(36)的所述新条目。
12.根据权利要求11所述的磁共振指纹数据收集和分析***(10)，其中，所述中央计算机数据库(18)是基于服务器的或基于云的。
13.根据权利要求11所述的磁共振指纹数据收集和分析***(10)，其中，所述数据接收单元(20)被配置为使能将对器官、组织类型或特定状态的肿瘤中的至少一个的赋值添加到所述多个相关联的医学数据集中的相关联的医学数据集(36)。
14.根据权利要求13所述的磁共振指纹数据收集和分析***(10)，其中，所述使能受肯定授权支配。
15.根据权利要求11至14中的任一项所述的磁共振指纹数据收集和分析***(10)，其中，所述数据接收单元(20)被配置为从外部设备(12、16)接收关于以下中的至少一个的请求：所述多个相关联的医学数据集中的相关联的医学数据集(36)的磁共振指纹序列(38)以及所述多个预定义词典中的预定义词典，并且其中，所述数据输出单元(22)被配置为在接收到请求时使得所请求的数据能够由所述外部设备(12、16)访问。
16.一种磁共振指纹数据收集和分析装置，其包括处理器单元(28)和实施软件模块(34)的程序代码的数字存储器单元(30)，其中，所述程序代码的执行令所述处理器单元(28)执行根据权利要求1至10中的任一项所述的方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP14195174.9 | 2014-11-27 | ||
| EP14195174 | 2014-11-27 | ||
| PCT/EP2015/076635 WO2016083166A1 (en) | 2014-11-27 | 2015-11-16 | Magnetic resonance fingerprinting data collection and analysis system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107003375A CN107003375A (zh) | 2017-08-01 |
| CN107003375B true CN107003375B (zh) | 2020-08-25 |
Family
ID=52002750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580064757.XA Active CN107003375B (zh) | 2014-11-27 | 2015-11-16 | 磁共振指纹数据收集和分析*** |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10794976B2 (zh) |
| EP (1) | EP3224642B1 (zh) |
| JP (1) | JP6596088B2 (zh) |
| CN (1) | CN107003375B (zh) |
| WO (1) | WO2016083166A1 (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9869739B2 (en) * | 2012-10-15 | 2018-01-16 | Case Wetern Reserve University | Heteronuclear nuclear 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 |
| US11579230B2 (en) * | 2016-12-15 | 2023-02-14 | Koninklijke Philips N.V. | Multi-state magnetic resonance fingerprinting |
| EP3382416A1 (en) * | 2017-03-30 | 2018-10-03 | Koninklijke Philips N.V. | Selection of magnetic resonance fingerprinting dictionaries for anatomical regions |
| US10859653B2 (en) * | 2017-10-24 | 2020-12-08 | Case Western Reserve University | Blind source separation in magnetic resonance fingerprinting |
| EP3543911A1 (en) | 2018-03-22 | 2019-09-25 | Koninklijke Philips N.V. | Anomaly detection using magnetic resonance fingerprinting |
| CN109044355B (zh) * | 2018-06-28 | 2022-02-01 | 上海联影医疗科技股份有限公司 | 温度成像方法、装置、计算机设备和存储介质 |
| CN109635759B (zh) * | 2018-12-18 | 2020-10-09 | 北京嘉楠捷思信息技术有限公司 | 一种信号处理方法、装置及计算机可读存储介质 |
| EP3680681A1 (de) * | 2019-01-10 | 2020-07-15 | Siemens Healthcare GmbH | Auswahl eines abtastschemas für eine magnetresonanzfingerprinting-aufnahme und eines entsprechenden wörterbuchs basierend auf einer vorabaufnahme |
| CN112013842A (zh) * | 2020-08-29 | 2020-12-01 | 桂林电子科技大学 | 一种基于图像地磁场和惯性传感器的多模态室内定位方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4112861B2 (ja) * | 2000-03-14 | 2008-07-02 | 株式会社東芝 | Ｍｒｉシステムセンタ装置 |
| JP4622715B2 (ja) * | 2005-07-15 | 2011-02-02 | 株式会社日立製作所 | 画像データ解析方法およびシステム |
| CN1731163A (zh) * | 2005-08-10 | 2006-02-08 | 山东省分析测试中心 | 中草药核磁共振指纹图谱鉴别方法 |
| US20100060282A1 (en) * | 2006-05-25 | 2010-03-11 | Koninklijke Philips Electronics N. V. | Three-dimensional asymmetric transverse gradient coils |
| US7688069B2 (en) | 2007-05-18 | 2010-03-30 | Los Alamos National Security, Llc | Ultra-low field nuclear magnetic resonance and magnetic resonance imaging to discriminate and identify materials |
| JP5638187B2 (ja) * | 2008-09-30 | 2014-12-10 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 検索システムおよび検索方法 |
| WO2011112743A1 (en) * | 2010-03-09 | 2011-09-15 | Los Alamos National Security, Llc | Ultra-low field nuclear magnetic resonance method to discriminate and identify materials |
| US10627468B2 (en) * | 2011-03-18 | 2020-04-21 | Case Western Reserve University | Nuclear magnetic resonance (NMR) fingerprinting |
| US8723518B2 (en) | 2011-03-18 | 2014-05-13 | Nicole SEIBERLICH | Nuclear magnetic resonance (NMR) fingerprinting |
| US8558546B2 (en) * | 2011-04-13 | 2013-10-15 | Mark Griswold | Relaxometry |
| IN2014CN04757A (zh) * | 2011-12-13 | 2015-09-18 | Koninkl Philips Nv | |
| EP2897523B1 (en) | 2012-09-19 | 2024-05-22 | Case Western Reserve University | Nuclear magnetic resonance (nmr) fingerprinting |
| 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 |
| KR101540946B1 (ko) * | 2013-07-17 | 2015-07-31 | 삼성전자주식회사 | 뇌 신경 섬유를 추적하기 위한 시드 영역 선택 방법 및 장치 |
-
2015
- 2015-11-16 CN CN201580064757.XA patent/CN107003375B/zh active Active
- 2015-11-16 JP JP2017527860A patent/JP6596088B2/ja active Active
- 2015-11-16 EP EP15794584.1A patent/EP3224642B1/en active Active
- 2015-11-16 WO PCT/EP2015/076635 patent/WO2016083166A1/en active Application Filing
- 2015-11-16 US US15/527,028 patent/US10794976B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107003375A (zh) | 2017-08-01 |
| JP6596088B2 (ja) | 2019-10-23 |
| EP3224642B1 (en) | 2019-08-28 |
| US20170328973A1 (en) | 2017-11-16 |
| EP3224642A1 (en) | 2017-10-04 |
| WO2016083166A1 (en) | 2016-06-02 |
| JP2017535363A (ja) | 2017-11-30 |
| US10794976B2 (en) | 2020-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107003375B (zh) | 磁共振指纹数据收集和分析*** | |
| US10488480B2 (en) | System and method for adaptive dictionary matching in magnetic resonance fingerprinting | |
| US11023785B2 (en) | Sparse MRI data collection and classification using machine learning | |
| US10663545B2 (en) | Method and apparatus for low-artifact magnetic resonance fingerprinting scan | |
| US9964616B2 (en) | Fast group matching for magnetic resonance fingerprinting reconstruction | |
| JP2018023799A (ja) | 核磁気共鳴（ｎｍｒ）フィンガープリンティング | |
| US10132900B2 (en) | Method and apparatus for magnetic resonance examination of an examination object | |
| CN107808690B (zh) | 用于确定原始协议与参考协议的相似性参数的方法 | |
| US10180476B2 (en) | Systems and methods for segmented magnetic resonance fingerprinting dictionary matching | |
| US10386433B2 (en) | Magnetic resonance fingerprinting method and apparatus with comparison of signal waveforms in different databases | |
| US10664683B2 (en) | Method and apparatus for classifying magnetic resonance measurement data acquired from an examination object using a magnetic resonance fingerprinting method | |
| CN110476075A (zh) | 针对解剖区域的磁共振指纹识别词典的选择 | |
| US20200297284A1 (en) | Cardiac scar detection | |
| US20180045800A1 (en) | Scan geometry planning method for mri or ct | |
| US20070047786A1 (en) | System and method for creating robust training data from MRI images | |
| US10527695B2 (en) | Systems and methods for efficient magnetic resonance fingerprinting scheduling | |
| US11313931B2 (en) | System and method for quantifying T1, T2 and resonance frequency using rosette trajectory acquisition and read segmented reconstruction | |
| US10466321B2 (en) | Systems and methods for efficient trajectory optimization in magnetic resonance fingerprinting | |
| US10310041B2 (en) | Method and magnetic resonance apparatus for automatic assignment of a spin species to a combination image | |
| US11768264B2 (en) | System and method for magnetic resonance fingerprinting with relaxation and diffusion data acquisition | |
| US20230093752A1 (en) | Global Tractography based on Machine Learning | |
| CN115867818A (zh) | 磁共振指纹识别质量保证 | |
| CN115040106A (zh) | 存在脂肪时的定量磁共振成像 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |