CN113050010B - 噪音分析的***、方法 - Google Patents
噪音分析的***、方法 Download PDFInfo
- Publication number
- CN113050010B CN113050010B CN202010544559.6A CN202010544559A CN113050010B CN 113050010 B CN113050010 B CN 113050010B CN 202010544559 A CN202010544559 A CN 202010544559A CN 113050010 B CN113050010 B CN 113050010B
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- noise
- value
- subject
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims description 92
- 238000003860 storage Methods 0.000 claims description 50
- 238000012360 testing method Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 19
- 238000002591 computed tomography Methods 0.000 claims description 9
- 238000002600 positron emission tomography Methods 0.000 claims description 7
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 149
- 238000002595 magnetic resonance imaging Methods 0.000 description 78
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 76
- 230000000875 corresponding effect Effects 0.000 description 59
- 230000006870 function Effects 0.000 description 44
- 238000002360 preparation method Methods 0.000 description 36
- 238000003384 imaging method Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 31
- 238000012986 modification Methods 0.000 description 21
- 230000004048 modification Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 238000002592 echocardiography Methods 0.000 description 15
- 238000005457 optimization Methods 0.000 description 12
- 230000005284 excitation Effects 0.000 description 10
- 210000004556 brain Anatomy 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 238000002597 diffusion-weighted imaging Methods 0.000 description 8
- 210000003127 knee Anatomy 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005415 magnetization Effects 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000579895 Chlorostilbon Species 0.000 description 1
- 206010070834 Sensitisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 238000002075 inversion recovery Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000264 spin echo pulse sequence Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
- A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种用于噪声分析的***。该***可以获取受试目标的多个信号,并基于所述多个信号来确定受试目标的信号表示。该***还可以通过将扰动信号添加到所述多个信号中来确定所述受试目标的更新的信号表示。该***可以进一步基于受试目标的信号表示和更新的信号表示来确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。
Description
相关申请
本发明要求申请日为2019年12月26日申请号为16/726,970的美国专利申请的优先权,在此将其全文引入作为参考。
技术领域
本发明涉及图像处理领域,特别是涉及一种图像处理中的噪声分析的方法和***。
背景技术
在图像处理中,经常采用噪声分析来评估图像的质量。一般地,可以使用噪声分析技术来分析实数信号。为了进一步的噪声分析或降噪,可能需要将复数形式的信号(例如,扫描对象的磁共振(MR)图像的图像数据)划分为实部和虚部。另外,测试对象的图像中信号强度的变化,可能由测试对象的不同部分的不同特性引起(或部分引起),例如,不同的解剖组织在MR图像中可能具有不同的信号强度。常用方法一般为分析不同位置的像素的信号强度,但其可能不适用于此类图像。因此,期望开发一种可适用于各种信号(例如实数信号和复数信号)的用于噪声分析的***和方法。
发明内容
根据本发明的另一方面,提供了一种用于噪声分析的***。该***可以包括:至少一个包括一组指令的存储设备;以及至少一个用于与至少一个存储设备通信的处理器。当执行该组指令时,至少一个处理器可以用于指示***获取受试目标的多个信号,并基于多个信号确定受试目标的信号表示。至少一个处理器还可以用于通过将扰动信号添加到多个信号中来指导***确定受试目标的更新的信号表示。所述至少一个处理器可以进一步用于基于受试目标的信号的表示和更新的信号表示来指示***确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。
在一些实施例中,所述受试目标为测试对象的物理点,所述获取所述受试目标的所述多个信号的操作进一步包括:获取所述测试对象的多个图像;以及将多个像素值作为所述受试目标的所述多个信号,其中每个像素值位于所述多个图像中的一个图像中并对应于所述物理点。
在一些实施例中,所述至少一个处理器还用于指示所述***执行以下操作,包括:基于所述多个图像中的至少一个图像,确定所述至少一个图像的估计噪声水平和估计信号水平;以及确定所述扰动信号的值,其中所述扰动信号的值大于所述估计噪声水平并且小于所述估计信号水平。
在一些实施例中,所述至少一个处理器还用于指示所述***执行以下操作,包括:将参考像素值与所述多个像素值中的至少一个像素值进行比较,以获得比较结果;以及基于所述比较结果确定所述扰动信号的值。
在一些实施例中,所述比较结果包括:所述多个像素值中的至少一个像素值大于所述参考像素值,并且所述基于比较结果确定扰动信号的值的操作包括:确定所述扰动信号具有第一值;或者所述比较结果包括:所述多个像素值中的至少一个像素值小于所述参考像素值,并且所述基于比较结果确定扰动信号的值的操作包括:确定所述扰动信号具有第二值,其中所述第二值大于所述第一值。
在一些实施例中,所述至少一个处理器还用于指示所述***执行以下操作,包括:确定所述测试对象的多个图像中的至少一个图像的平均像素值;以及将所述平均像素值指定为所述参考像素值。
在一些实施例中,所述至少一个处理器还用于指示所述***执行以下操作,包括:对于所述多个图像中的至少一个图像的每一图像,基于所述噪声参数值,调整图像中与所述物理点相对应的像素的显示参数。
在一些实施例中,所述多个图像中的至少一个图像为磁共振图像、X射线图像、计算机断层摄影(CT)图像、正电子发射断层摄影(PET)图像或超声(US)图像。
在一些实施例中,所述多个信号中的每一个信号以复数或实数的形式表示。
在一些实施例中,所述确定用于表征所述多个信号的所述信号强度相对于所述多个信号的噪声的所述噪声参数值的操作包括:基于关系函数确定所述噪声参数值,其中,所述关系函数为所述受试目标的所述信号表示和所述更新的信号表示之间的差异。
在一些实施例中,所述确定用于表征所述多个信号的所述信号强度相对于所述多个信号的噪声的所述噪声参数值的操作包括:基于关系函数确定所述噪声参数值,其中,所述关系函数为所述受试目标的所述信号表示和所述更新的信号表示之间的差异。
根据本发明的另一方面,提供了一种用于噪声分析的方法。该方法可以包括:获取受试目标的多个信号;以及基于所述多个信号来确定受试目标的信号表示。该方法还可包括通过将扰动信号添加到多个信号中以确定受试目标的更新的信号表示。该方法可以进一步包括基于受试目标的信号表示和更新的信号表示来确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。
根据本发明的另一方面,提供了一种包括指令的非暂时性计算机可读存储介质。当被***的至少一个处理器访问以进行噪声分析时,指令可以使***执行一种方法。该方法可以包括:获取受试目标的多个信号;以及基于所述多个信号来确定受试目标的信号表示。该方法还可包括通过将扰动信号添加到多个信号中来确定受试目标的更新的信号表示。该方法可以进一步包括基于受试目标的信号表示和更新的信号表示来确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。
本发明的附加特征将在下面的描述中部分阐述,并且本领域技术人员在查阅下述内容和附图,或者通过示例进行实际操作或验证后,可以容易理解附加特征。本发明的特征可以通过实践或使用下面讨论的详细示例中阐述的方法、工具和其组合来实现。
附图说明
本发明还通过多个示例性实施例进一步描述本发明,参考附图详细描述这些示例性实施例。这些实施例是非限制性的示例性实施例,参考附图并不按比例绘制,其中类似的附图标记在附图的多个视图中表示类似的结构,其中:
图1是本发明一些实施例中MRI***的示意图。
图2是本发明一些实施例中MR扫描仪的框架示意图。
图3是本发明一些实施例中计算设备的示例性硬件和/或软件组件的示意图。
图4是本发明一些实施例中移动设备的示例性硬件和/或软件组件的示意图。
图5是本发明一些实施例中示例性处理装置的框架示意图。
图6是本发明一些实施例中确定受试目标的信号表示的示例性过程的流程示意图。
图7A和图7B是本发明一些实施例中确定受试目标的信号表示的示例性过程的流程示意图。
图8A至图8E是本发明一些实施例中扫描对象的膝盖的示例性T2*量化图。
图9A和图9B是本发明的一些实施例中扫描对象的大脑的示例性局部场图。
图10是本发明一些实施例中用于确定噪声参数值的示例性过程的流程图。
图11是本发明的一些实施例中在MRI中进行噪声分析的示例性过程的示意图。
具体实施方式
在以下详细描述中,通过实施例阐述了诸多具体细节,以便于对相关公开内容进行深入理解。然而,本领域技术人员可以理解,在没有这些细节的情况下,本发明仍可实施。在一般情况下,为了避免不必要地混淆本发明的各个方面,本发明以相对较高的水平描述了众所周知的方法、过程、***、组件和/或电路,而没有对其详细说明。对于本领域技术人员来说,对所公开的实施例的各种修改将是显而易见的,并且在不脱离本发明的构思和范围的情况下,本发明定义的一般原则也可以适用于其他实施例和应用。因此,本发明并不限于所示的实施例,而是涵盖了与权利要求一致的最宽范围。
本发明中使用的术语仅用于描述特定的实施例,并不限制本发明。如本发明所用,“一”、“一种”可表示单数形式,也可以包括复数形式,除非上下文另有明确指示。可以进一步理解,在本发明中所使用的术语“包括”和“包含”表示所述特征、整体、步骤、操作、元件和/或组件的存在,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其组合。
应当理解,本发明中使用的术语“***”、“单元”、“模块”和/或“块”是一种按升序区分不同级别的不同组件、元件、部件、部分或组件的方式。但是,如果另一种表达方式的其他术语也可达到相同的目的,则这些术语可能会被其取代。
通常,这里使用的“模块”、“单元”或“块”词语是指硬件或固件中包含的逻辑组件、或指软件指令的集合。本发明描述的模块、单元或块可以用软件和/或硬件来实现,并且可以存储在任何类型的非暂时性计算机可读介质或另一存储设备中。在一些实施例中,软件模块/单元/块可以被编译并链接到可执行程序中。应当理解,软件模块可以从其他模块/单元/块或其自身调用,和/或可以响应检测到的事件或中断而调用。用于在计算设备(例如,如图3所示的处理器310)上运行的软件模块/单元/块可以设置在计算机可读介质上,例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质上,或者作为数字下载(并且最初以压缩或可安装的格式存储,在执行之前需要安装、解压缩或解密)。这些软件代码可以部分或全部存储在计算设备的存储设备上,以供计算设备执行。软件指令可以嵌入固件中,例如EPROM(可擦除可编程只读存储器)。进一步可理解,硬件模块/单元/块可以包括所连接的逻辑组件,例如门和触发器,和/或可包括可编程单元,例如可编程门阵列或处理器。本发明描述的模块/单元/块或计算设备功能可以用软件模块/单元/块来实现,但也可以用硬件或固件表示。一般来说,本发明所描述的模块/单元/块是指逻辑模块/单元/块,它们可以与其他模块/单元/块组合,或者尽管它们的物理组织或存储方式不同,但也可以划分为子模块/子单元/子块。下述详细描述可以适用于***、设备或其中的一部分。
可以理解,当一个单元、引擎、模块或块被称为“开启”、“连接到”或“耦合到”另一个单元、引擎、模块或块时,它可以直接开启、连接到、耦合到或通信到另一个单元、引擎、模块或块,也可以是可能存在的中间单元、引擎、模块或块,除非上下文另有明确说明。如本发明所使用的,术语“和/或”包括一个或多个相关的所列特征的任何和所有组合。本发明中术语“像素”和“立体像素”可互换地用于指代图像中的元素。本发明中术语“图像”用于指各种形式的图像,包括二维图像、三维图像、四维图像等。
参考以下具体实施方式以及附图的描述,本发明所列举这些和其他特征以及特性、操作方法、相关结构元件及其结合的功能、以及制造成本的组合可以更加清楚明显。具体实施方式以及附图所有这些均构成本发明的一部分。然而,应明确理解,附图仅用于说明和描述,并非旨在限制本发明的范围。可以理解,附图未按比例绘制。
本发明中使用的流程图表示根据本发明的一些实施例的***实现的操作过程。可以理解,流程图的操作可以不按顺序实现。相反,可以以相反的顺序或同时实现这些操作。此外,可以将一个或多个其他操作添加到流程图,也可以从流程图中删除一个或多个操作。
此外,尽管本发明中所述***和方法主要处理由MRI***收集的图像数据,例如确定受试目标(例如,扫描对象、扫描对象的身体部位)的信号表示和/或定量参数的值,以及对MR图像执行噪声分析等,但应该理解,这仅用于说明目的。本发明所述***和方法还可用于处理在不同场景中,和/或出于不同目的(例如,安全监控、拍摄或摄影)和/或通过不同图像获取设备(例如,数码相机、模拟相机或扫描仪))所获取的图像数据。
仅作为示例,本发明的噪声分析***和方法可以应用于任何其他类别的医学成像***中。在一些实施例中,成像***可以包括单模态成像***和/或多模态成像***。单模态成像***可包括例如超声成像***、X射线成像***、计算机断层摄影(CT)***、磁共振成像(MRI)***、超声检查***、正电子发射断层摄影(PET)***、光学相干断层扫描(OCT)成像***、超声(US)成像***、血管内超声(IVUS)成像***、近红外光谱(NIRS)成像***、远红外(FIR)成像***等,或其任何组合。多模态成像***可包括例如计算机断层摄影-磁共振成像(MRI-CT)***、正电子发射断层摄影-磁共振成像(ET-MRI)***、X射线成像-磁共振成像(X射线MRI)***、正电子发射断层扫描X射线成像(PET-X射线)***、单光子发射计算机断层扫描磁共振成像(SPECT-MRI)***、正电子发射断层扫描计算机断层扫描(PET-CT)***、C型臂***、数字减影血管造影磁共振成像(DSA-MRI)***等。
如本文所用,术语“成像模态”或“模态”广泛地指代收集、产生、处理和/或分析受试目标的成像信息的成像方法或技术。应当注意,以下描述的成像***仅出于说明的目的而提供,并非旨在限制本发明的范围。
本发明的一方面涉及一种***及其方法,其用于确定MRI中受试目标的信号表示和/或定量参数。MRI***通过利用强大的磁场和射频(RF)技术被广泛用于医学诊断和/或治疗。在对受试目标进行MR扫描中,在将MR脉冲序列施加至受试目标之后,MRI设备的多个线圈单元可以检测代表多个回波的多个回波信号。在某些情况下,可以基于检测到的回波信号来确定受试目标的一个或多个参数,例如受试目标的纵向弛豫时间(T1)、横向弛豫时间(T2)和横向弛豫衰减(T2*)。定量参数可以反映受试目标的生理特征并且可用于疾病诊断。传统上,可基于相应的回波信号为每个线圈单元重建一系列图像。例如,可使用平方和(SOS)算法或自适应线圈组合(ACC)算法将与相同回波对应的不同线圈单元的图像组合成回波图像。然后,可使用数据拟合算法基于不同回波对应的回波图像来确定定量参数。但是,这是一种低效率的确定定量参数的方法,并且其确定结果有时不准确。
通常,受试目标的定量参数可与在对受试目标检查或成像中所获取或确定的受试目标的信号表示相关联。所得到的受试目标的信号表示也可以反映受试目标的一种或多种生理特征,其可以直接用于疾病诊断和/或确定定量参数。因此,亟待开发一种有效的***和方法,以基于检查或成像技术确定受试目标的信号表示和/或定量参数。
为此,该***和方法可获取受试目标的多个信号(例如,K空间数据或图像数据)。信号可以通过MRI设备生成,并且每个信号可对应于MRI设备进行信号采集所得到的多个信号维度中的一组值。该***和方法还可确定多个信号维度中的主信号维度和至少一个次信号维度。主信号维度可以与所述信号表示相关联(或相关)。该***和方法可以进一步基于多个信号、主信号维度和至少一个次信号维度来确定受试目标的信号表示。此外,在一些实施例中,所述***和方法还可以进一步确定受试目标的定量参数(例如,T2*,T2和/或T1)的值,以应用于例如诊断中。
根据本发明的一些实施例,受试目标的信号表示可由多维积分(MDI)算法确定,该算法可共同处理不同信号维度的信号,包括主信号维度和至少一个次信号维度。与独立处理不同信号维度的信号相比,这可以提高确定信号表示的效率和/或准确性。
本发明的另一方面还涉及一种用于噪声分析的***和方法。该***和方法可以获取受试目标的多个信号。该***和方法可以基于所述多个信号来确定受试目标的信号表示。该***和方法可以通过将扰动信号添加到所述多个信号中来确定受试目标的更新的信号表示。基于所述受试目标的所述信号表示和所述更新的信号表示,所述***和方法可以进一步确定用于表征所述多个信号的信号强度相对于所述多个信号的噪声的噪声参数值。
在一些实施例中,扰动信号可用于引起信号表示和更新的信号表示之间的差异,其中差异的大小可与信号的信号强度相关联。例如,扰动信号的值可大于信号的估计噪声水平并且小于信号的估计信号水平。如果信号的信号强度低(例如,对应于背景的信号),则扰动信号可能对信号具有更大的影响,并会引起在更新的信号表示和信号表示之间更大的差异。如果信号的信号强度高(例如,对应于解剖组织的信号),则扰动信号可能对信号具有较小的影响,并且会在更新的信号表示和信号表示之间引起较小的差异。噪声参数通过测量信号表示和更新的信号表示之间的差异,可以定量地评估信号中的信号强度。与直接基于信号本身来评估信号强度的噪声分析技术相比,本发明基于扰动信号和噪声参数的方法更可靠,更准确和/或对噪声更敏感。另外,本发明噪声分析技术均可适用于复数信号和实数信号。
图1为本发明一些实施例的示例性MRI***100的示意图。可以理解,MRI***100仅为示例性成像***,并非旨在限制本发明的范围。本发明中示例性方法也可应用于其他成像***,例如另一医学成像***(例如,CT***、PET***)、包括图像捕获装置的摄影***(例如,相机、3D扫描仪、距离感测设备等)、监控***等或其任意组合。
如图1所示,MRI***100可包括MR扫描仪110、处理设备120、存储设备130、一个或多个终端140和网络150。在一些实施例中,MR扫描仪110、处理设备120、存储设备130和/或终端140可以经由无线连接、有线连接或其组合而实现彼此连接和/或彼此通信。MRI***100中的组件之间的连接关系是可变的。例如,MR扫描仪110可以通过网络150连接至处理设备120。而作为另一个示例,MR扫描仪110可以直接连接至处理设备120。
MR扫描仪110可用于扫描受试目标(或受试目标的一部分)以获取图像数据,比如与受试目标相关联的回波信号(或MR信号)。例如,MR扫描仪110可通过在受试目标上施加MR脉冲序列来检测多个回波信号。在一些实施例中,如图2所示,MR扫描仪110可包括例如磁体、梯度线圈、RF线圈等。在一些实施例中,根据磁体的类型,MR扫描仪110可分为永磁体MR扫描仪、超导电磁体MR扫描仪或电阻电磁体MR扫描仪等。在一些实施例中,根据磁场的强度,MR扫描仪110可分为高场MR扫描仪、中场MR扫描仪和低场MR扫描仪等。
所述受试目标可以是生物学的或非生物学的。例如,所述受试目标可包括扫描对象、人造物体等。在另一实施例中,所述受试目标可包括扫描对象的特定部分、器官和/或组织。例如,所述受试目标可包括扫描对象的头部、大脑、颈部、身体、肩膀、手臂、胸部、心脏、胃、血管、软组织、膝盖、脚等,或者以上的任意组合。
所述处理设备120可以处理从MR扫描仪110、存储设备130和/或终端140获得的数据和/或信息。例如,处理设备120可以生成MR。处理设备120可以通过处理由MR扫描仪110收集的MR数据(例如,回波信号)来获得图像。作为另一个示例,处理设备120可以基于由MR扫描仪110所收集的受试目标的MR数据(例如,回波信号)来确定受试目标的信号表示。可选地,处理设备120还可基于信号表示来确定受试目标的定量参数值(又称作:感兴趣的定量参数)的。附加地或可替代地,处理设备120可以对受试目标的多个信号执行噪声分析,以确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。在一些实施例中,处理设备120可为单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中,处理设备120可以是本地的或远程的。例如,处理设备120可以经由网络150访问MR扫描仪110、存储设备130和/或终端140的信息和/或数据。作为另一个示例,处理设备120可以是直接连接到MR扫描仪110、终端140和/或存储设备130以访问信息和/或数据。在一些实施例中,处理设备120可以通过云平台实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等,或其组合。在一些实施例中,处理设备120可以由具有如图3所描述的一个或多个组件的计算设备300来实现。
存储设备130可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备130可以存储从MR扫描仪110、处理设备120和/或终端140获得的数据。在一些实施例中,存储设备130可以存储数据和/或指令,该指令可指示处理设备120实施或使用以执行本发明中描述的示例性方法。在一些实施例中,存储设备130可为大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其组合。举例来说,大容量存储设备可包括磁盘、光盘、固态驱动器等。举例来说,可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩磁盘、磁带等。举例来说,易失性读写存储器可以包括随机存取存储器(RAM)。举例来说,RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)、零电容RAM(Z-RAM)等。举例来说,ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、数字多功能磁盘ROM等。在一些实施例中,所述存储设备130可以在如本发明其他部分所述的云平台上实现。
在一些实施例中,存储设备130可以连接到网络150以与MRI***100中的一个或多个其他组件(例如,MR扫描仪110、处理设备120、和/或通信终端140)。MRI***100的一个或多个组件可以通过网络150访问存储于存储设备130中的数据或指令。在一些实施例中,存储设备130可以是处理设备120或终端140的一部分。
终端140可用于促使用户与MRI***100之间实现用户交互。例如,终端140可以接收用户的指令以使MR扫描仪110对受试目标进行扫描。作为另一示例,终端140可以从处理设备120接收处理结果(例如,受试目标的信号表示或定量参数的值、噪声参数值),并且将处理结果呈现给用户。在一些实施例中,终端140可以连接到MR扫描仪110、处理设备120、和/或存储设备130,和/或与上述组件通信。在一些实施例中,终端140可以包括:移动设备140-1、平板计算机140-2、膝上型计算机140-3等,或其组合。例如,移动设备140-1可包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等,或其组合。在一些实施例中,一个或多个终端140可包括输入设备、输出设备等。输入设备可以包括字母数字和其他键,这些键可以经由键盘、触摸屏(例如,具有触觉或触觉反馈)、语音输入、眼睛跟踪输入、大脑监控***、或任何其他类似输入机制来实现输入。通过输入设备接收的输入信息可以经由例如总线发送到处理设备120,以进行进一步处理。其他类型的输入设备可包括光标控制设备,例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等,或其组合。在一些实施例中,终端140可以是处理设备120或MR扫描仪110的一部分。
网络150可包括任何可用的网络,只要其可用于促进MRI***100的信息和/或数据交换即可。在一些实施例中,MRI***100的一个或多个组件(例如MR扫描仪110、处理设备120、存储设备130、终端140等)可经由网络150与MRI***100的一个或多个其他组件进行信息和/或数据的通信。设备120可以经由网络150从MR扫描仪110获得图像数据(例如,回波信号)。作为另一示例,处理设备120可以经由网络150从终端140获得用户指令。所述网络150可以包括公共网络(例如因特网)、专用网络(例如局域网(LAN)、广域网(WAN)等)、有线网络(例如以太网)、无线网络(例如802.11网络、Wi-Fi网络等)、蜂窝网络(例如长期演进(LTE)网络),帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机或其组合。例如,所述网络150可以包括有线电视网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公用电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等,或其组合。在一些实施例中,所述网络150可以包括一个或多个网络接入点。例如,所述网络150可以包括有线和/或无线网络接入点,例如基站和/或因特网交换点,通过这些接入点,所述MRI***100的一个或多个组件可以连接到所述网络150以交换数据和/或信息。
上述描述仅仅是为了解释说明本发明,并不限制本发明的范围。对本领域技术人员来说,许多替代、修改和变化方案都是显而易见的。此处描述的示例性实施例的特征、结构、方法和特性可以以各种方式组合,以获得附加和/或替代的示例性实施例。例如,存储设备130可包括云计算平台的数据存储,例如公共云、私有云、社区和混合云等。在一些实施例中,处理设备120可以集成到MR扫描仪110中。然而,那些变化和修改不脱离本发明的范围。
图2是根据本发明的一些实施例的示例性MR扫描仪110的框架示意图。如图2所示,所述MR扫描仪110可以包括磁性体220、梯度线圈230、RF线圈240和脉冲序列模块250。
在扫描受试目标210的至少一部分的过程中,所述磁性体220可以产生静态磁场。所述磁性体220可以是各种类型,包括例如永磁体、超导电磁铁、电阻性电磁铁等。
所述梯度线圈230可以在X方向、Y方向和/或Z方向上向主磁场提供磁场梯度。如此处所用的,X方向、Y方向和Z方向可以表示坐标系中的X轴、Y轴和Z轴(例如,与图1中所描述的相同或类似的坐标系)。例如,Z轴可以沿着所述磁性体220的轴,X轴和Z轴可以形成水平面,X轴和Y轴可以形成垂直面。在一些实施例中,所述梯度线圈230可以包括用于向X方向的主磁场提供磁场梯度的X方向线圈、用于向Y方向的主磁场提供磁场梯度的Y方向线圈,和/或用于向Z方向的主磁场提供磁场梯度的Z方向线圈。在一些实施例中,所述X方向线圈、所述Y方向线圈和/或所述Z方向线圈可以具备各种形状或配置。例如,所述Z方向线圈可以基于圆形(Maxwell)线圈设计。在另一实施例中,可以根据鞍形(Golay)线圈配置来设计所述X方向线圈和所述Y方向线圈。
所述RF线圈240可以向所述受试目标210发射RF脉冲信号和/或接收来自所述受试目标210的回波信号。在一些实施例中,所述RF线圈240可以包括发射线圈和接收线圈。发射线圈可以发射信号(例如RF脉冲),该信号可以激励所述受试目标210中的原子核以产生共振。接收线圈可以接收从所述受试目标210发射的回波信号。在一些实施例中,所述RF发射线圈和所述RF接收线圈可以集成到同一个线圈中。在一些实施例中,所述RF线圈240可以是各种类型,包括例如正交检测(简写为QD)线圈、相位阵列线圈、特定元件频谱线圈等。在一些实施例中,所述RF线圈240可以是包括多个线圈单元的相位阵列线圈,每个线圈单元可以独立地检测回波信号。
在一些实施例中,所述RF线圈240可用于检测由MR脉冲序列生成的信号。所述MR脉冲序列可以是多种类型,例如自旋回波(简写为SE)脉冲序列、梯度重聚焦回波(简写为GRE)脉冲序列、反转恢复(简写为IR)脉冲序列、多回波MR脉冲序列、T1ρ准备脉冲序列、T2准备脉冲序列、扩散加权成像(简写为DWI)脉冲序列等。如此处所用的,所述多回波MR脉冲序列可以指在每个激励脉冲之后产生(或检测)多个回波的多个信号的脉冲序列。T1ρ准备脉冲序列可以指包括T1ρ加权磁化准备脉冲(也称为自旋锁定脉冲)的脉冲序列。T2准备脉冲序列可以指包括T2准备脉冲的脉冲序列。DWI脉冲序列可以指在脉冲序列前后有一对扩散敏感梯度的脉冲序列(通常为自旋回波序列),例如脉冲序列中的180度脉冲。
在一些实施例中,所述MR脉冲序列可以由一个或多个参数定义,包括例如所述MR脉冲序列的类型、应用所述MR脉冲序列的次数、所述MR脉冲序列的持续时间、所述MR脉冲序列中激励脉冲的翻转角、所述MR脉冲序列中RF脉冲的计数(或数量)、重复时间(简写为TR)、重复次数、反转时间(简写为TI)、所述MR脉冲序列中的采集计数(或次数)、b值、T1ρ-准备持续时间、T2准备持续时间、回波序列长度、回波间隔、速度编码(简写为VENC)值等。此时,激励脉冲的翻转角(简写为FA)可以指所述激励脉冲相对于所述主磁场的净磁化矢量的旋转。所述TR可以指在所述MR脉冲序列中两个重复且连续的RF脉冲之间的时间跨度(例如,在SE脉冲序列中两个连续激励RF脉冲之间的时间跨度,在IR脉冲序列中两个连续180°反转脉冲之间的时间跨度)。所述重复次数可以指在MR脉冲序列中的重复数目。所述TI可以指在IR脉冲序列中180°反转脉冲与后续90°激发脉冲之间的时间跨度。所述b值可以指反映在DWI脉冲序列中扩散敏感梯度的强度和时间的因子。所述T1ρ-准备持续时间可以指在T1ρ-准备脉冲序列中自旋锁定脉冲的持续时间。所述T2准备持续时间可以指T2准备脉冲序列中的T2准备脉冲的持续时间。
在一些实施例中,所述RF线圈240可以检测(或接收)与被所述MR脉冲序列所激发的一个或多个回波相对应的一个或多个回波信号。在一些实施例中,回波信号(或回波)可由一个或多个参数定义,例如,回波信号类型(自旋回波、快速自旋回波(简写为FSE)、快速恢复FSE、单次激发FSE、梯度回波、具有稳态进动的快速成像)、回波时间(简写为TE)、回波信号强度、检测回波信号的线圈单元(例如,用ID或所述线圈单元的序列号标识)、检测回波信号的重复(例如,用重复序列号标识)、检测回波信号的采集(例如,用采集序列号表示)等。所述TE可以指施加激励RF脉冲和由激励RF脉冲激发的回波波峰之间的时间。
所述脉冲序列模块250可以用于在所述受试目标210扫描之前和/或期间,定义与所述MR扫描仪110相关的参数和配置。在一些实施例中,与所述MR扫描仪110相关的参数可以包括与所述MR扫描仪110应用的MR脉冲序列相关的一个或多个参数(例如,MR脉冲序列的类型、TR、重复次数、TI等)、与所述梯度线圈230产生的梯度场或射频场(例如RF中心频率、翻转角)相关的一个或多个参数、与本发明其他部分所述RF线圈240检测到的回波信号(例如TE、自旋回波类型)有关的一个或多个参数,或其组合。在一些实施例中,与所述MR扫描仪110相关的参数可以包括一个或多个其他成像参数,例如,RF信道的计数(或数量)、图像对比度和/或比率、片厚度、成像类型(例如,T1加权成像、T2加权成像、质子密度加权成像等)、所述MR扫描仪110的视场角(简写为FOV)、所述MR扫描仪110的偏心频移等,或其组合。
在一些实施例中,所述脉冲序列模块250可以连接到处理设备120和/或与处理设备120通信。例如,在MRI扫描处理之前,与MR扫描仪110相关的参数和配置的至少一部分可以由所述处理设备120根据临床需求或扫描协议来设计和/或确定,并发送到所述脉冲序列模块250。在MR扫描处理过程中,所述MR扫描仪110可以基于由所述脉冲序列模块250定义的参数和配置来扫描受试目标210。例如,所述MR扫描仪110可以应用具备特定参数的MR脉冲序列,该特征参数是由所述脉冲序列模块250定义的与MR脉冲序列相关的参数,所述MR线圈240可以根据与回波信号相关的特定参数接收回波信号,该特征参数由所述脉冲序列模块250定义。在一些实施例中,基于所述回波信号(例如,图像数据或K空间数据)所生成的回波信号和数据可以由与所述MR扫描仪110相关的参数定义,其中在该参数下通过MR扫描仪110获取所述回波信号。例如,与获取所述回波信号的MR扫描仪110相关的参数,可以被视为基于所述回波信号生成的所述回波信号和数据的多个信号维度。关于信号维度的更多描述在本发明的其他位置,例如,参见图6及其相关说明。
关于上述MR扫描仪110的描述旨在说明,而并非旨在限制本发明的范围。对于本领域技术人员来说,许多替代、修改和变化方案是显而易见的。此处描述的示例性实施例的特征、结构、方法和特性可以以各种方式组合,以获得附加和/或替代示例性实施例。例如,所述脉冲序列模块250可以集成到所述处理设备120中。然而,这些变化和修改不脱离本发明的范围。
图3是根据本发明的一些实施例的计算设备300的示例性硬件和/或软件组件的示意图。在一些实施例中,可以在所述计算设备300的一个或多个组件上实现所述MRI***100的一个或多个组件。仅作为示例,可以在计算设备300的一个或多个组件上分别实现所述处理设备120和/或终端140。
如图3所示,所述计算设备300可包括处理器310、存储器320、输入/输出(I/O)330和通信端口340。所述处理器310可以根据此处描述的技术来执行计算机指令(例如,程序代码)和执行所述处理设备120的功能。所述计算机指令可以包括例如执行所描述的执行特定功能的例程、程序、对象、组件、数据结构、过程、模块和功能。例如,所述处理器310可以处理从所述MR扫描仪110、所述存储设备130、所述终端140和/或所述MRI***100的任何其他组件获得的受试目标的图像数据。在一些实施例中,处理器310可以基于受试目标的多个信号(例如,图像数据)来确定受试目标的信号表示和/或定量参数的值。附加地或可替代地,处理器310还可对受试目标的多个信号进行噪声分析。
所述计算设备300可以包括处理器310、存储器320、输入/输出(I/O)330和通信端口340。所述处理器310可以根据此处描述的技术来执行计算机指令(例如,程序代码)和执行所述处理设备120的功能。所述计算机指令可以包括例如执行所描述的执行特定功能的例程、程序、受试目标、组件、数据结构、过程、模块和功能。例如,所述处理器310可以处理从所述MR扫描仪110、所述存储设备130、所述终端140和/或所述MRI***100的任何其他组件获得的受试目标的图像数据。
仅为了说明,所述计算设备300中仅描述了一个处理器。然而,应当注意,本发明中的所述计算设备300还可以包括多个处理器。因此,如本发明所述,由一个处理器执行的操作和/或方法步骤也可以由多个处理器组合或单独执行。例如,如果在本发明中,所述计算设备300的处理器执行操作A和操作B,则应理解,操作A和操作B也可以由所述计算设备300中的两个以上不同的处理器共同或分别执行(例如,第一处理器执行操作A,第二处理器执行操作B,或者第一和第二处理器共同执行操作A和B)。
所述存储装置320可以存储从所述MR扫描仪110、所述存储装置130、所述终端140和/或所述MRI***100的任何其他组件获得的数据/信息。在一些实施例中,所述存储装置320可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其组合。例如,大容量存储设备可以包括磁盘、光盘、固态驱动器等。可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。ROM可以包括掩码ROM(MROM),可编程ROM(PROM),可擦可编程ROM(EPROM),电可擦可编程ROM(EEPROM),光盘ROM(CD-ROM)和数字多功能磁盘ROM等。在一些实施例中,所述存储器320可以存储一个或多个程序和/或指令,以执行本发明中描述的示例性方法。例如,存储器320可存储用于处理设备120的程序以确定信号表示。作为另一示例,存储器320还可存储用于处理设备120的指令以进行噪声分析。
所述输入/输出(I/O)端口330可以输入和/或输出信号、数据、信息等。在一些实施例中,所述输入/输出(I/O)端口330可以允许用户与所述计算设备300(例如,所述处理设备120)交互。在一些实施例中,输入/输出(I/O)端口330可以包括输入设备和输出设备。举例来说,输入设备可以包括键盘、鼠标、触摸屏、麦克风等,或其组合。举例来说,输出设备可以包括显示设备、扬声器、打印机、投影仪等,或其组合。举例来说,显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏屏幕等,或其组合。
所述通信端口340可以与网络(例如所述网络150)连接,以便于数据通信。所述通信端口340可以在所述计算设备300(例如所述处理设备120)与所述MRI***100的一个或多个组件(例如所述MR扫描仪110、所述存储设备130和/或所述终端140)之间建立连接。所述连接可以是有线连接、无线连接,可以实现数据传输和/或接收的任何其他通信连接,和/或这些连接的组合。所述有线连接可以包括例如电缆、光缆、电话线等,或其组合。所述无线连接可以包括例如蓝牙TM链接、Wi-FiTM链接、WiMaxTM链接、WLAN链接、ZigBee链接、移动网络链接(例如3G、4G、5G等)等,或其组合。在一些实施例中,所述通信端口340可以包括标准化通信端口,例如RS232、RS485等。在一些实施例中,所述通信端口340可以是专门设计的通信端口,例如,所述通信端口340可以根据数字成像和医学通信(DICOM)协议来设计。
图4是根据本发明的一些实施例可以实现的移动设备400的示例性硬件和/或软件组件的示意图。在一些实施例中,所述MRI***100的一个或多个组件可以在所述移动设备400的一个或多个组件上实现。仅作为示例,终端140可以在所述移动设备400的一个或多个组件上实现。
如图4所示,所述移动设备400可以包括通信平台410、显示器420、图形处理单元(GPU)430、中央处理单元(CPU)440、I/O 450、内存460和存储器490。在一些实施例中,所述移动设备400还可以包括但不限于***总线或控制器(图中未示出)的任何其他合适组件。在一些实施例中,移动操作***470(例如iOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用程序480可以从所述存储器490加载到所述内存460中,以便由所述CPU 440执行。所述应用程序480可以包括浏览器或任何其他合适的移动应用,用于接收和呈现与所述MRI***100相关的信息。信息流的用户交互可以通过所述I/O 450来实现,并且经由所述网络150提供给所述处理设备120和/或所述MRI***100的其他组件。
为了实现本发明中描述的各种模块、单元及其功能,可以将计算机硬件平台用作此处描述的一个或多个元件的硬件平台。具有用户界面元素的计算机可用于实现个人计算机(PC)或其他类型的工作站或终端设备,经过适当编程,计算机也可充当服务器。
图5是根据本发明的一些实施例的示例性处理设备120的框图。如图5所示,所述处理设备120可以包括获取模块502和和确定模块504。
所述获取模块502可用于获取与MRI***100有关的信息。例如,获取模块502可获取受试目标的多个信号。可以采用MRI设备(例如,MR扫描仪110)生成所述多个信号。如本文所用,受试目标的信号可以传达关于所述受试目标的一个或多个属性或特征的信息。例如,受试目标的信号可为或包括与受试目标有关的图像数据或K空间数据。在一些实施例中,受试目标的每个信号可以对应于通过MRI设备进行信号采集所得到的多个信号维度中的一组值。在一些实施例中,受试目标的信号可包括噪声分量和可选地包括信号分量(或称为非噪声分量)。作为另一示例,所述获取模块502还可获取优化函数,该优化函数可用于基于受试目标的多个信号来确定受试目标的信号表示。
所述确定模块504可用于确定多个信号维度中的主信号维度和至少一个次信号维度。主信号维度可以指与信号表示相关联的受试目标的信号的信号维度。至少一个次信号维度可以包括除了主信号维度之外的受试目标的信号的任何信号维度。关于主信号维度和至少一个次信号维度的确定的更多描述可以在本发明的其他地方找到。参见例如操作604及其相关描述。
所述确定模块504还可用于基于所述多个信号、所述主信号维度和所述至少一个次信号维度来确定所述受试目标的信号表示。在一些实施例中,确定模块504还可用于基于与信号表示和/或MDI算法有关的函数(为简便起见,表示为F)来确定受试目标的信号表示。关于确定受试目标的信号表示的更多描述可以在本发明的其他地方找到,例如操作606、操作1002及其相关描述。可选地,所述确定模块504可以基于受试目标的信号表示来确定受试目标的定量参数的值。举例来说,受试目标的定量参数可包括纵向弛豫时间、横向弛豫时间、表观扩散系数(ADC)、横向弛豫衰减、场分布、旋转框架中的纵向弛豫时间等,或以上的任意组合。关于确定受试目标的定量参数的值的更多描述可以在本发明的其他地方找到,例如操作608及其相关描述。
在一些实施例中,确定模块504可用于通过将扰动信号添加到多个信号中来确定受试目标的更新的信号表示。如本文所使用的,扰动信号是指具有已知信号强度(例如,电平)的噪声,该噪声被刻意地添加到受试目标的信号中,以生成与所述信号表示不同的所述更新的信号表示。关于确定受试目标的所述更新的信号表示的更多描述,还可在本发明的其他地方找到,例如操作1003及其相关描述。附加地或可替代地,所述确定模块504还可用于基于受试目标的所述信号表示和所述更新的信号表示来确定用于表征所述多个信号的信号强度相对于多个信号的噪声的噪声参数值。所述噪声参数可用于分析信号表示的噪声,相应的,该信号表示的噪声又可以指示所述多个信号相对于多个信号的噪声的信号强度。关于确定噪声参数值的更多描述可以在本发明的其他地方找到,例如操作1004及其相关描述。
在一些实施例中,所述模块可以是所述处理设备120的全部或一部分的硬件电路。所述模块还可以被实现为由所述处理设备120读取和执行的应用或一组指令。此外,所述模块可以是硬件电路和应用程序/指令的任意组合。例如,当所述处理设备120正在执行应用/一组指令时,所述模块可以是所述处理设备120的一部分。
应当注意,对所述处理设备120的上述描述仅仅是为了解释说明的目的,并不打算限制本发明的范围。对于本领域的普通技术人员来说,可以在本发明的教导下进行多种变化和修改。然而,那些变化和修改并不脱离本发明的范围。在一些实施例中,所述处理设备120还可以包括一个或多个附加模块,例如存储模块。另外可选择地,可以省略上述模块中的一个或多个模块。此外,以上提及的任何模块可以通过两个以上独立的单元来实现。例如,所述确定模块504可以被划分为用于确定主信号维度和次信号维度的第一单元、用于确定受试目标的信号表示的第二单元、以及用于确定受试目标的定量参数的值的第三单元。
图6是一些实施例中确定受试目标的信号表示的示例性过程的流程示意图。在一些实施例中,步骤600的一个或多个操作可以在图1所示的所述MRI***100中实现。例如,所述步骤600可以以指令的形式存储在所述MRI***100的存储设备(例如,所述存储设备130、所述存储器320和/或所述存储器490)中,并被调用,和/或由所述处理设备120(例如,如图3所示的所述计算设备300的处理器310、如图4所示的所述移动设备400的所述CPU 440、如图5所示的一个或多个模块)执行。
如本文所用,所述受试目标可为任何生物或非生物受试目标,例如扫描对象(或扫描对象的一部分)、人造物体(例如体模)。在一些实施方案中,受试目标可为物体(例如,扫描对象、扫描对象的器官或组织、动物)的物理点。为了说明的目的,在以下描述中将扫描对象描述为示例性测试对象(受试目标)。在一些实施例中,MR扫描仪110可以用于扫描受试目标(或包括受试目标的扫描对象)以从受试目标(或包括受试目标的扫描对象)获取一个或多个回波信号。信号表示可指所述回波信号的代表值或属性值。受试目标的信号表示可反映受试目标的一种或多种生理特征或物理特征,这可以为医学诊断和/或治疗提供基础。关于信号表示的更多描述可以在本发明的其他地方找到,例如操作604至608及其相关描述。
在操作602中,处理设备120(例如,获取模块502)可以获取受试目标的所述多个信号。可以使用MRI设备(例如,MR扫描仪110)来产生所述多个信号,例如通过在受试目标上施加多回波脉冲序列来产生所述多个信号。如本文所用,受试目标的信号可以传达关于受试目标的一个或多个属性或特征的信息。例如,受试目标的信号可以是或包括与受试目标有关的图像数据或K空间数据。
在一些实施例中,处理设备120可以指示MRI设备而施加MR脉冲序列(例如,如本发明中其他地方所描述的SE脉冲序列、GRE脉冲序列、IR脉冲序列、多回波脉冲序列、T1ρ准备脉冲序列、T2准备脉冲序列、DWI脉冲序列)以扫描受试目标。在一些实施例中,受试目标可以是扫描对象的身体部位。处理设备120可以指示MRI设备而向扫描对象施加MR脉冲序列。MRI设备还可包括多个线圈单元,其可以在扫描期间检测由MR脉冲序列激发的多个回波信号。
所述处理设备120还可基于由线圈单元检测到的回波信号来确定多个信号。例如,处理设备120可以将回波信号填充到K空间的多个区域(例如,K空间矩阵)中以生成多组K空间数据,其中,多组K空间数据可被认为是受试目标的信号。作为另一个例子,受试目标可以是扫描对象的身体部位。处理设备120可以基于多个回波信号来重建多个图像,其中每个图像可以包括物理点的图像数据(例如,具有特定像素值的像素、具有特定立体像素值的立体像素)。然后,处理设备120可将图像中的物理点的图像数据视为物理点的信号。作为又一个示例,回波信号可以基于K空间的轨迹形成多个回波序列,其中多个回波序列可被认为是受试目标的信号。
在一些实施例中,回波信号可为复数信号或实数信号,并且基于回波信号确定的受试目标的信号可具有复数形式或实数形式。仅作为示例,受试目标可以是扫描对象的身体部位。每个重建图像可以包括对应于物理点的像素的复数像素值或实数像素值。每个图像中的物理点的复数像素值或实数像素值可被认为是所述受试目标的信号之一。
在一些实施例中,受试目标的多个信号可以由处理设备120或另一计算设备预先确定,并且存储在MRI***100的存储设备(例如,存储设备130)或外部源中。处理设备120还可从存储设备130或外部源获取信号。
在一些实施例中,受试目标的每个信号可以对应于采用MRI设备进行信号采集的多个信号维度中的一组值。如本文所使用的,信号的信号维度可指用来描述采用MRI设备确定或获取信号的实例的参数。仅作为示例,受试目标的信号A可以是图像中的物理点的像素值,其中该图像可为基于在受试目标的扫描期间由MRI设备检测到的回波信号来重建得到。对应于信号A的信号维度可以包括,例如,在受试目标的扫描期间与MRI设备有关的一个或多个参数、与基于相应图像确定信号A有关的一个或多个参数(例如,图像中相应像素点的坐标)等。例如,扫描期间与MRI设备有关的示例性参数可包括:在扫描期间与MR脉冲序列有关的一个或多个参数(例如,TE、TR、TI、b-值、T1ρ准备持续时间、T2准备持续时间、速度编码值、重复次数)、与梯度场或射频场有关并在扫描期间应用的一个或多个参数(例如,RF中心频率、翻转角)、MRI装置的一个或多个其他成像参数(例如,RF通道的数目(或数量)、线圈单元)等,或以上的任意组合。关于受试目标扫描期间,与MRI设备有关的参数的更多描述可以在本发明的其他地方找到,例如图1、图2及其相关描述。
为了说明的目的,以下表1为扫描对象的身体点Pr的多个信号的示例。可以使用具有m个线圈单元(英文为coil units)的MRI设备来获取Pr的信号。MRI设备可对扫描对象施加包括2次重复的多回波脉冲序列。在每次重复中,每个线圈单元可以检测到与在不同的TEs处(分别表示为TE1,TE2,......,TEn)依次出现的n个回波相对应的n个回波信号。在一些实施例中,多个回波可以在连续的回波之间以基本相同的时间间隔(表示为ΔTE)依次出现。由每个线圈单元检测到的回波信号可用于重建一系列图像,每个图像可包括与物理点Pr相对应的像素的像素值(简称为Pr的像素值)。图像中的Pr的像素值可被认为是Pr的信号。在一些实施例中,图像中的Sr的像素值可以反映物理点Sr的MRI信号的信号强度。
表1物理点Pr的多个信号的示例
其中,至r为Pr的多个信号,为根据在第一次重复(英文为Repitition1)中第m个线圈单元检测的第n个回波信号进行重建所得到的图像中Pr的像素值,为根据在第二次重复(英文为Repitition2)中第m个线圈单元检测的第n个回波信号进行重建所得到的图像中Pr的像素值。
表1中的Pr的每个信号可以对应于通过MRI设备进行信号采集所得到的多个信号维度中的一组值。示例性信号维度可包括回波时间、线圈单元、重复次数等,或以上任意组合。例如,对应于回波时间TEn,线圈单元m以及第一次重复。应当注意,表1的示例仅出于说明的目的,并非旨在限制本发明的范围。例如,施加在扫描对象身上的多回波脉冲序列可仅包括一次重复和/或多于一个翻转角。
在操作604中,处理设备120(例如,确定模块504)可确定多个信号维度中的主信号维度和至少一个次信号维度。
如本文中所使用的,所述主信号维度可为与所述信号表示相关联的受试目标的信号的信号维度。如果所述信号维度和所述信号表示具有一定的数学相关性(例如,指数相关性、线性相关性、或任何其他数学相关性),则所述信号维度可被认为与所述信号表示相关联。为了说明的目的,将Pr描述为示例性受试目标,并且在下文中提供Pr的信号的示例性主信号维度。再次参考表1,MRI设备可施加多回波脉冲序列来扫描扫描对象。Pr的信号表示可为连续回波之间的时间间隔ΔTE上Pr处信号强度的变化,其可表示为ΔS1(r)。如本文所使用的,在Pr处的信号强度可指Pr的MRI信号的强度或强度。在某些实施例中,信号表示ΔS1(r)可以与回波时间相关联,如以下公式(1)或公式(2)所示:
作为另一个示例,MRI设备可施加T2准备脉冲序列来扫描所述扫描对象,该T2准备脉冲序列包括具有不同的T2准备持续时间的多个T2准备脉冲。Pr的信号表示可为在Pr上的信号强度在一个时间间隔中的变化,其表示为ΔS2。指的是两个T2准备持续时间之间的时间差,该时间差对应于T2准备脉冲序列中的两个连续T2准备脉冲。信号表示ΔS2可以与T2准备持续时间相关联,如公式(3)所示,如下所示:
其中,T2(r)是指横向弛豫时间Pr。在这种情况下,主信号维度可以是与ΔS2(r)相关的T2准备持续时间。
作为又一个示例,MRI设备可通过施加T1ρ准备脉冲序列对扫描对象进行扫描,所述T1ρ准备脉冲序列包括具有不同的T1ρ准备持续时间的多个T1ρ加权磁化准备脉冲。Pr的信号表示可以是在时间间隔Δτ上Pr处信号强度的变化,其可以表示为ΔS3。Δτ可以表示两个T1ρ准备持续时间之间的时间差,该时间差对应于T1ρ准备脉冲序列中的两个连续的T1ρ加权磁化准备脉冲。信号表示ΔS3可以与T1ρ准备持续时间相关联,如公式(4)所示,如下所示:
其中,T1ρ(r)是指旋转帧Pr中的纵向弛豫时间。在这种情况下,主信号维度可以是与ΔS3(r).相关的Tlρ准备持续时间。
作为又一个示例,MRI设备可施加IR脉冲序列来扫描所述扫描对象,该IR脉冲序列包括在不同的TI处的多个激发脉冲。Pr的信号表示可能是Pr上信号强度在ΔTI内的变化,其可表示为ΔS4(r)。ΔTI指的是与IR脉冲序列中的两个连续激励脉冲相对应的两个TI之间的时间差。在一些实施例中,信号表示ΔS4(r)可以与反转时间相关联,如以下公式(5)所示:
其中,T1(r)是指Pr的纵向弛豫时间。在这种情况下,主信号维数可能是与ΔS4(r)相关的反转时间。
作为又一个示例,MRI设备可向扫描对象施加DWI脉冲序列,该DWI脉冲序列包括具有不同b值的多对扩散敏感梯度对。Pr的信号表示可能是Pr处信号强度随Δb的变化,其表示为ΔS5。Δb为与DWI脉冲序列中的两对连续的扩散敏化梯度对相对应的两个b值之差。信号表示ΔS5可以与b值相关联,如以下公式(6)所示:
ΔS5(r)=e-Δb/ADC(r),(6)
其中ADC(r)表示Pr的表观扩散系数(ADC)。在这种情况下,主信号维度可以是与ΔS5(r)相关的b值。
所述至少一个次信号维度可包括除了主信号维度之外的受试目标的信号的任何信号维度。在一些实施例中,每个次信号维度可以不与是所述信号表示相关联(或不相关)。在一些实施例中,所述至少一个次信号维度可以包括受试目标的信号中除主信号维度之外的的全部或部分信号维度。在一些实施例中,如果信号维度与信号表示不相关并且在信号维度中具有两个或更多个值,则可以将其确定为次信号维度。例如,请再次参阅表1中的示例,所述至少一个次信号维度可以包括两个次信号维度,即线圈单元和重复次数,这与如上所述的公式(1)中ΔS1(r)不相关。如果施加在扫描对象身上的多回波脉冲序列仅包含一次重复(即重复次数为1),则该重复次数可能不会被认为次信号维度。
在一些实施例中,多个信号维度中的两个或更多个信号维度可与所述信号表示相关联。可以从两个或更多个信号维度中选择一个信号维度作为主信号维度。该选择的动作可以由处理设备120自动地或基于用户指令来执行。与所述信号表示相关联但未被选择的信号维度可被视为一个或多个次信号维度,或者在处理过程中将其省略。
在操作606中,处理设备120(例如,确定模块504)可以基于所述多个信号、主信号维度和至少一个次信号维度来确定受试目标的所述信号表示。
在一些实施例中,请同时参阅图7A,所述处理设备120可通过在流程700A中执行一个或多个操作来确定受试目标的信号表示。可选地,请同时参阅图7B,处理设备120可以通过在流程700B中执行一个或多个操作并基于信号表示的优化函数来确定受试目标的信号表示。在一些实施例中,受试目标的信号表示可以由复数Z值或实数值表示。在一些实施例中,受试目标的信号表示可以以函数的形式来描述,诸如公式(1)至公式(6)中的任何一个。
在一些实施例中,受试目标可为如上所述扫描对象的身体点。扫描对象可包括一个或多个其他物理点。可在扫描对象的每个物理点均执行操作602至操作606以确定该物理点的信号表示。扫描对象的身体点的信号表示可以反映扫描对象的不同部分的一种或多种生理或物理特征,从而可用于疾病诊断。在一些实施例中,处理设备120可以生成包括与扫描对象的物理点相对应的多个像素的图像,其中可以基于相应的物理点的信号表示来确定像素的像素值。该图像可以直观地反映出扫描对象不同身体点的信号表示,并且可以作为疾病诊断的基础。
在一些实施例中,过程600可以进一步包括额外的操作608。在操作608中,处理设备120(例如,确定模块504)可以基于受试目标的信号表示来确定受试目标的定量参数的值。
在一些实施例中,所述受试目标的信号表示可与定量参数相关联。所述主信号维度可以与所述定量参数相关联。所述至少一个次信号维度中的每一个次信号维度可均不与所述定量参数相关联。在一些实施例中,如果所述定量参数和信号维度具有一定的相关性,例如可使用数学关系来呈现或描述的相关性(比如,索引相关性、线性相关或任何其他数学相关),则可以将所述定量参数视为与信号维度相关联。
为了说明的目的,将扫描对象的物理点Pr视为示例性受试目标,并且在下文中进一步确定Pr的示例性定量参数。例如,Pr的信号表示可以是ΔS1(r),定量参数可以包括和/或ΔB(r),其中根据公式(1)和ΔB(r)与回波时间(即,相对于ΔS1(r)的主信号维度)相关。作为另一个示例,Pr的信号表示可为ΔS2(r),定量参数可为T2(r),其中根据公式(3)T2(r)与T2准备持续时间(即相对于ΔS2(r)的主信号维度)相关。作为又一个示例,Pr的信号表示可为ΔS3(r),定量参数可为T1ρ(r),其中根据公式(5)T1ρ(r)与T1ρ准备持续时间(即,相对于ΔS3(r)的主信号维度)相关。作为又一示例,Pr的信号表示可为ΔS4(r),定量参数可为T1(r),其中根据公式(5)T1(r)与反转时间(即,相对于ΔS4(r)的主信号维数)相关。作为又一示例,Pr的信号表示可为ΔS5(r),定量参数可为ADC(r),其中根据公式(6)ADC(r)与b值(即相对于ΔS5(r)的主信号维数)相关。
在一些实施例中,受试目标的信号表示可为K空间中的处理结果。定量参数可为与K空间中的处理结果相关联的任何参数。在一些实施例中,定量参数可为K空间中的数据。可选地,定量参数还可为图像域中的数据,其中,可在图像重建中确定定量参数的值。例如,通过从K空间中的信号表示中确定图像域中的一个或多个定量参数而实现图像重建。
在一些实施例中,处理设备120可获取与受试目标的信号表示和定量参数的值有关的关系。处理设备120还可进一步基于受试目标的信号表示和此关系来确定受试目标的定量参数的值。例如,可以以相关函数比如公式(1)至公式(6)中的任何一个的形式描述该关系。处理设备120可以通过求解相关函数来确定所述定量参数的值。作为另一示例,可以以记录不同所述信号表示及其定量参数的相应值的表格或曲线的形式来呈现该关系。处理设备120可通过查找表或查阅曲线来确定上述定量参数的值。
在一些实施例中,在操作606中所确定的信号表示可以由包括相位分量和幅度分量的复数表示。可以基于复数的相位分量或幅度分量中的至少一个来确定所述定量参数的值。可选地,信号表示可以以实数表示,此时所述定量参数的值可以基于实数来确定。以物理点Pr为例,信号表示可以为上述的ΔS1(r)。如果ΔS1(r)是实数,则可以基于ΔS1(r)确定如果ΔS1(r)是复数,则可以根据公式(7)根据ΔS1(r)的幅度分量确定而可以根据公式(7)确定ΔB(r)。根据公式(8)的ΔS1(r)的相位分量:
在一些实施例中,受试目标可为如上所述的扫描对象的身体点。扫描对象可以包括一个或多个其他物理点,每个物理点的信号表示或定量参数的值值得关注。处理设备120可以针对扫描对象的每个物理点执行操作608以确定定量参数的对应值。物理点的定量参数的值可反映扫描对象不同部分的一种或多种生理或物理特征,从而可以用于疾病诊断。可选地,处理设备120可以基于扫描对象的身体点的定量参数的值来生成扫描对象的定量参数图(例如,T2图、T1图)。此定量参数图可用于医学诊断。
应当注意,以上关于过程600的描述仅出于说明的目的,并非旨在限制本发明的范围。对于本领域技术人员而言,可以在本发明的教导下进行多种变化和修改。然而,那些变化和修改不脱离本发明的范围。在一些实施例中,过程600可以利用一个或多个未描述的附加操作和/或不具有上面讨论的一个或多个操作来完成。例如,可以省略操作608。在一些实施例中,上述过程600的操作的顺序也并非旨在限制本发明的范围。
图7A和图7B是本发明一些实施例中确定受试目标的信号表示的示例性过程的流程图。在一些实施例中,流程700A和流程700B的一个或多个操作可以由图1所示的MRI***100实现。例如,流程700A和/或流程700B可以以指令的形式存储在MRI***100的存储设备(例如,存储设备130、存储设备320和/或存储设备490)中,并被处理设备120(例如,图3中所示的计算设备300的处理器310、图4中所示的移动设备400的CPU 440、图5中所示的模块)调用和/或执行。
在一些实施例中,可执行流程700A的一个或多个操作以实现如图6所描述的操作606的至少一部分。在操作702中,对于所述至少一个次信号维度中的至少一个值,处理设备120(例如,确定模块504)可基于所述多个信号中与所述至少一个次信号维度的值相对应的一部分信号来确定与主信号维度相关联的受试目标的至少一个初步信号表示。
仅为了说明,参考表1以及结合图6,假设要确定的信号表示为ΔS1(r)((即,扫描对象的物理点Pr上的信号强度超过ΔTE)的变化)。如上所述,与ΔS1(r)相关联的主信号维度可以是回波时间,并且至少一个次信号维度可以包括线圈单元的数目和重复的次数。在一些实施例中,对于每次重复(即,对于重复维度的至少一个值)中的至少一个线圈单元(即,对于线圈单元的维度中的至少一个值),处理装置120可确定与回波时间相关的至少一个初步信号表示。
仅作为示例,对于第一次重复Repitition1中的第一线圈单元Coil1,处理设备120可以基于与第一线圈单元Coil1和第一次重复Repitition1对应的Pr的信号来确定至少一个初步信号表示,即,如表1所示至所述至少一个初步信号表示可包括其中表示在TEi和TEi-1.之间的时间间隔内,Pr处第一次重复Repitition1中第一线圈单元Coil1的信号强度的变化。可以基于和确走例如,可以等于类似地,处理设备120可以为第一次重复Repitition1中的每个其他线圈单元和第二次重复Repitition2中的每个线圈单元确定至少一个初步信号表示。照此类推,可以确定Pr的2m*(n-1)个初步信号表示。在一些实施例中,处理设备120可以确定一部分线圈单元和/或一部分重复的至少一个初步信号表示。这样,可能需确定少于Pr的2m*(n-1)个初步信号表示。
应当注意,关于表1所示例的以上描述仅出于说明的目的,并非旨在限制本发明的范围。对于本领域技术人员而言,可以在本发明的教导下进行多种变化和修改。然而,那些变化和修改不脱离本发明的范围。例如,处理设备120可以为在第一次重复Repitition1中的第一线圈单元Coil1确定一个初步信号表示(表示为)。可为的平均值。可选地,如本文其他地方(例如,图7B和相关描述),所述处理设备120还可以通过将至输入到优化函数(例如公式(9))中来确定在一些实施例中,上述物理点Pr的信号的至少一个次信号维度仅为了举例说明。Pr的信号的至少一个次信号维度可仅包括线圈单元的数目和重复次数之一。附加地或可替代地,Pr的信号的至少一个次信号维度可以进一步包括一个或多个其他次信号维度,例如MRI设备的一个或多个成像参数。
在操作704中,处理设备120(例如,确定模块504)可以基于受试目标的至少一个初步信号表示的至少一部分来确定受试目标的信号表示。
在一些实施例中,所述信号表示可为所述至少一个初步信号表示的至少一部分的和、平均值或中值。在一些实施例中,在操作702中所确定的所有的所述至少一个初步信号表示可用于确定受试目标的信号表示。可选地,在操作702中所确定的所述至少一个初步信号表示中的仅一部分初步信号表示可用于确定所述受试目标的信号表示。以表1为例,例如,如果第m线圈单元Coilm有一些操作故障,则处理设备120可基于与第一线圈单元Coil1至第m-1线圈单元Coilm-1相对应的初步信号表示来确定所述信号表示。
在一些实施例中,请结合图6,提供执行流程700B的一个或多个操作可实现操作606的至少一部分。在操作706中,处理设备120(例如,获取模块502)可以获得受试目标的信号表示的优化函数,其中该优化函数可包括主信号维度和至少一个次信号维度。
以表1所示的示例为例,所述优化函数可以为如下的公式(9):
其中Nech表示回波时间维度中的值的数量(即n),Nch表示线圈单元的值的数量(即m),Nacq表示重复次数的值的数量(比如,在在表1的示例中为2),和是指与一个线圈单元在一个重复次数中检测到的两个连续回波信号相对应的一对信号。应当注意的是,以上所列举的公式(9)仅出于说明的目的而提供,并非旨在限制本发明的范围。在一些实施例中,物理点Pr的信号可以具有一个或多个其他次信号维度,并且其他次信号维度可以被合并至公式(9)中,例如以与线圈单元及重复次数类似的方式。
在操作708中,处理设备120(例如,确定模块504)可以通过将受试目标的信号输入到优化函数中来确定受试目标的信号表示。
以物理点Pr为例,处理装置120可将信号(即,从至)输入到公式(9)中并求解公式(9)以确定ΔS1(r)。在一些实施例中,处理设备120可以通过最小二乘法、神经网络模型、支持向量机(SVM)等,或以上任意组合来求解所述优化函数。
在一些实施例中,对于至少一个次信号维度中的至少一个值,处理设备120可以确定受试目标的多个信号中与所述至少一个次信号维度中的值相对应的至少一对信号。所述至少一对信号中的每对信号可对应于所述主信号维度中的不同值。例如,对于第一次重复Repitition1中的第一线圈单元Coil1,处理设备120可以确定与第一次重复Repitition1中第一线圈单元Coil1所检测到的连续的回波信号相对应的(n-1)个信号对,例如第一对与第二对与等。处理设备120可以通过将至少一对信号输入到所述优化函数中来进一步确定受试目标的信号表示。例如,可以将至少一对信号输入公式(9)以确定ΔS1(r)。
在流程700A和流程700B中,通过结合不同信号维度的信号来确定受试目标的信号表示,所述信号维度包括主信号维度和至少一个次信号维度。与独立地处理不同信号维度的信号的方法/***相比,本发明的方法/***可以提高确定信号表示的效率和/或准确性。例如,在流程700A中,可以针对每个线圈单元(即,针对次信号维度中的每个值)确定一个或多个初步信号表示。可以基于MRI设备的所有线圈单元的初步信号表示来确定受试目标的信号表示。例如,受试目标的信号表示可以为MRI设备的所有线圈单元的初步信号表示的平均值。另外,在一些实施例中,可以基于由不同线圈单元检测到的信号之间的比较来确定所述初步信号表示,例如如上所述Pr的初步信号表示可以等于这可以减弱线圈性能(例如,灵敏度分布、信噪比(SNR))对信号表示的影响,从而提高所确定的信号表示的准确性。作为另一示例,在流程700B中,利用结合并处理主信号维度和至少一个次信号维度的优化函数来确定受试目标的信号表示,这可以提高计算效率并减少处理时间。
可以理解,关于流程700A和流程700B的以上描述仅出于说明的目的,并非旨旨在限制本发明的范围。对于本领域技术人员而言,可以在本发明的教导下进行多种变化或修改。然而,那些变化和修改不脱离本发明的范围。
实施例
以下实施例仅是为了说明阐述的目的,而非旨在限制本发明的范围。
图8A至图8E是本发明一些实施例扫描对象的膝盖的示例性T2*量化图800A至800E的示意图。
如图8A至图8E所示,每个T2*量化图可以包括表示膝盖的多个物理点的多个像素。可以基于相应物理点的T2*的计算值来确定每个T2*量化图中的每个像素的像素值。MRI设备可在扫描对象的膝盖上施加多回波脉冲序列,并且在不同的TE处依次发生多个回波。MRI设备的每个线圈单元检测到与回波相对应的多个回波信号。对于每个线圈单元,通过基于相应的回波信号的图像重建来获得与多个回波相对应的膝盖的多个图像。基于线圈单元的图像并以不同的方式确定T2*量化图800A至800E中的像素的像素值。仅为了说明的目的,以确定T2*定量映射图800A至800E中与物理点Pk相对应的像素值为例进行说明。
在T2*量化图800A中,基于Pk的T2*的第一值确定与Pk相对应的像素值,其中,通过执行本发明中公开的方法(例如,过程600)来确定第一值。
在T2*量化图800B中,基于Pk的T2*的第二值来确定与Pk相对应的像素值。在一些实施例中,在重建图像之后,处理设备120通过根据自适应线圈组合(ACC)算法组合不同线圈单元的对应图像来为每个回波生成回波图像。处理设备120还根据本发明中公开的方法(例如,处理600)基于回波图像来确定Pk的T2*的第二值。例如,处理装置120将与回波图像中的Pk相对应的图像数据指定为Pk的多个信号。处理设备120还执行操作604至操作608以确定Pk的第二值T2*。
分别基于Pk的T2*的第三值、第四值和第五值来确定T2*量化图800C、T2*量化图800D和T2*量化图800E中的Pk的像素值。在一些实施例中,与上述回波图像中的Pk相对应的图像数据可以在不同的TE处反映Pk处的信号强度。处理设备120通过以不同的信号强度拟合模型拟合回波图像中的图像数据来确定Pk的T2*的第三值、第四值和第五值。例如,分别基于三参数模型(1)、二参数指数模型(2)、和二参数线性模型(3)确定第三值、第四值和第五值,如下:
如图8A至图8E所示,T2*量化图800A至图800E具有不同的SNR。例如,与T2*量化图800B至图800E相比,T2*量化图800A具有更少的白点并且更平滑,从而示出了更高的SNR。这表明本发明中公开的方法可以用于生成具有较高图像质量和较低SNR的T2*量化图。
图9A和9B是本发明一些实施例的扫描对象的大脑的示例性局部场图900A和900B。
如图9A和9B所示,每个局部场图900A和局部场图900B可以包括代表大脑的多个物理点的多个像素。基于对应物理点的局部场强度的计算值来确定局部场图900A和局部场图900B中的每个像素的像素值。在一些实施例中,MRI设备在扫描对象的膝盖上施加多回波脉冲序列,并且在不同的TE处有序地生成多个回波。MRI设备的每个线圈单元检测到与回波相对应的多个回波信号。对于每个线圈单元,通过基于相应回波信号的图像重建来获得与多个回波相对应的大脑的多个图像。基于大脑的重建图像并以不同方式确定局部场图900A和局部场图900B中的像素的像素值。为了说明的目的,以局部场图900A和局部场图900B中与物理点Pq相对应的像素值的确定为例进行描述。
在局部场图900A中,基于Pq处的局部场分布的第一值来确定与Pq相对应的像素值,其中,通过执行本发明中公开的方法(例如,过程600)来确定第一值。
在局部场图900B中,基于Pq处的局部场分布的第二值来确定与Pq相对应的像素值。在一些实施例中,处理设备120首先对图像的相位分量执行相位校正(例如,相位偏移去除)。处理设备120还通过组合不同线圈单元的相应校正图像中的相位分量来针对每个回波生成回波图像。然后,处理设备120通过用线性模型拟合在回波图像中与Pq相对应的图像数据来确定在Pq处的局部场分布的第二值。
如图9A和9B所示,局部场图900A和局部场图900B具有不同的SNR。例如,与局部场图900B相比,图9A中的两个亮点910比图9B中的两个亮点920更清晰可见。这表明局部场图900A中的小组织的局部场分布比局部场图900B中的更为精确。
应当注意,在图8A至图9B中所示实施例仅是示例性的,仅出于说明的目的而提供,并非旨在限制本发明的范围。对于本领域技术人员而言,可以在本发明的教导下进行多种变化和修改。然而,那些变化和修改不脱离本发明的范围。
图10是本发明一些实施例中用于确定噪声参数值的示例性过程的流程图。在一些实施例中,流程1000的一个或多个操作可以在图1所示的MRI***100中实现。例如,流程1000可以以指令的形式存储在MRI***100的存储设备(例如,存储设备130、存储器320和/或存储器490)中,并被处理设备120(例如,如图3所示的计算设备300的处理器310、如图4所示的移动设备400的CPU 440、如图5所示的一个或多个模块)调用和/或执行。
在操作1001中,处理设备120(例如,获取模块502)可以获取受试目标的多个信号。
受试目标的信号可以表征关于受试目标的一个或多个属性或特征的信息。信号可以复数或实数的形式表示。该信号可以包括噪声分量,可选地,该信号还包括信号分量(或称为非噪声分量)。在一些实施例中,信号的噪声分量可以具有在特定值范围内的值(例如,±1dB)。受试目标的不同信号的信号分量的值可以相同或不同。受试目标的不同信号的噪声分量的值可以相同或不同。通过执行本文公开的示例性噪声分析方法,处理设备120可以基于噪声参数值定量地评估信号的信号强度。如本文所使用的,信号的信号强度是指信号的信号分量(即,非噪声分量)相对于信号的噪声分量的强度或电平。例如,低信号强度(或高噪声电平)可指示:相对于其非噪声分量而言,此信号包括明显的噪声分量。作为另一示例,高信号强度(或低噪声电平)可指示:相对于其噪声分量而言,此信号包括明显的非噪声分量。
在一些实施例中,受试目标的信号可以是或包括与基于受试目标的MR扫描中收集的回波信号而生成的与受试目标有关的图像数据或K空间数据。可以以与图6描述的操作602类似的方式来执行操作1001,在此不再赘述。可替代地,受试目标的信号可以包括基于由另一种成像方式(例如,CT、PET等)收集的扫描数据而生成的与受试目标有关的图像数据。
在一些实施例中,受试目标可以是物体(例如,扫描对象、扫描对象的器官或组织、动物)的物理点。为了说明的目的,在以下描述中将扫描对象描述为示例性受试目标。为了获取受试目标的多个信号,处理设备120可以获得扫描对象的多个图像,并将与多个图像中的物理点相对应的多个像素值指定为受试目标的多个信号,其中多个像素值中的每个像素值均来自多个图像之一并且对应于物理点。图像可包括基于由如本发明中的其他地方所描述的成像设备(例如,MR扫描仪110、CT扫描仪、照相机、3D扫描仪)获得的图像数据生成的扫描对象的一个或多个实际图像。例如,图像可以包括与由在MR扫描期间施加到扫描对象的脉冲序列(例如,多回波脉冲序列)激发的两个或多个回波相对应的两个或多个回波图像。附加地或可替代地,图像可包括基于扫描对象的实际图像生成的模拟图像。例如,可以通过将随机噪声值添加到实际图像的每个像素来生成模拟图像,其中,添加到实际图像的不同像素的随机噪声值可以相同或不同。
在一些实施例中,扫描对象的图像可以预先由计算设备(例如,处理设备120或另一处理设备)生成并存储在存储设备(例如,存储设备130、存储器320、存储器90、外部源等)。处理设备120可以从存储设备取回图像,并且将与所获得的图像中的物理点相对应的像素值指定为受试目标的信号。
在操作1002中,处理设备120(例如,确定模块504)可以基于多个信号来确定受试目标的信号表示。
信号表示可以是受试目标的信号的代表值或属性值。在一些实施例中,处理设备120可以基于与信号表示有关的函数(为简便起见,用F表示)确定受试目标的信号表示。例如,可以通过将在1001中获取的信号或其一部分输入到函数F中来确定信号表示。函数F可以合并一个或多个处理操作,包括对信号(或其一部分)执行例如线性运算(例如,加法、减法、乘法、除法)、非线性运算(例如,指数运算、求幂、对数运算)等,或以上任意组合。仅作为示例,受试目标的信号可以包括信号S1和信号S2。函数F可以合并除法运算,并且信号表示可以等于S2/S1。作为另一个示例,函数F可以包含减法运算,并且信号表示可以等于(S2-S1)。作为又一个示例,函数F可以合并多个计算操作,并且信号表示可以等于(S2/S1-1)*S1。
在一些实施例中,受试目标的信号可以包括两个以上的信号,并且信号表示可以根据多维积分(MDI)算法来确定。例如,受试目标可以是扫描对象的身体点Pr,并且可以如结合操作602所描述的,基于在扫描对象的MR扫描中获取的回波信号来确定受试目标的信号。信号表示可以是以下之一:ΔS1(r),ΔS2(r),ΔS3(r)ΔS4(r),ΔS5(r),ΔS6(r),ΔS7(r),以及ΔS8(r),其可以通过执行过程600的操作604和操作606来确定。仅作为示例,处理设备120可以基于Pr的信号来确定一个或多个初步信号表示,并且将一个或多个初步信号表示的平均值(或总和、中值、或类似)确定为信号表示。作为另一示例,处理设备120可以通过将Pr的信号的至少一部分输入到信号表示的优化函数中来确定物理点Pr的信号表示。关于MDI算法和信号表示的确定的更多描述可以在本发明的其他地方找到,例如图6至图7B及其相关描述。
在一些实施例中,可以基于函数F并结合MDI算法来确定信号表示。例如,函数F可以表示为(Si+1-Si),其中Si+1与Si可以表示与一对与相邻回波信号相对应的受试目标的两个信号。函数F可以被变换为合并除法运算的变换函数,例如(Si+1/Si-1)*Si。可以根据MDI算法例如使用优化函数来确定Si+1/Si的值,例如结合图7B描述的公式(9)。
在一些实施例中,由于在确定信号表示中对信号执行处理操作,信号表示的噪声分量可与在操作1001中获取的受试目标的原始信号的噪声分量不同。例如,通过对两个信号S1和信号S2求和或平均而确定的信号表示的噪声分量可以低于信号S1或S2的噪声分量。作为另一示例,通过将信号S1除以信号S2确定的信号表示的噪声分量可以高于信号S1或S2。
在操作1003中,处理设备120(例如,确定模块504)可通过将扰动信号添加到多个信号中来确定受试目标的更新信号表示。
如本文中所使用的,扰动信号是指具有已知信号强度(例如,电平)的噪声,该噪声被故意地添加到受试目标的信号中以产生与在步骤1002中确定的信号表示不同的更新的信号表示。将扰动信号添加到本文中的信号,广义上是指以任何合适的方式组合扰动信号和信号,例如,通过将扰动信号与信号相加、将扰动信号与信号相乘、或类似,或其任何组合。扰动信号可能与信号具有相同的维度(以相同的单位),或者是无量纲的因数。更新的信号表示可以被认为是多个信号和扰动信号的组合的信号表示。
例如,受试目标的两个信号S1和S2的信号表示可以等于S2/S1,并且扰动信号可以表示为S’。更新后的信号表示可以等于(S2+S’)/(S1+S’)。作为另一示例,受试目标的信号表示可以是如图3所描述的根据公式(9)确定的ΔS1(r)。如图7B所示,可以根据下面的公式(10)确定相应的更新的信号表示ΔS’1(r):
在一些实施例中,扰动信号可以由复数或实数表示。扰动信号的值可以是MRI***100的默认设置,或者可以由MRI***100的用户输入,或者,扰动信号的值可以由处理设备120确定。例如,如上所述,受试目标可以是扫描对象的物理点,并且信号可包括与扫描对象的多个图像中的物理点相对应的像素值。处理设备120可以基于多个图像来确定扰动信号的值。
仅作为示例,处理设备120可以确定图像中的估计噪声水平和估计信号水平。处理设备120可以进一步基于估计噪声水平和估计信号水平来确定扰动信号的值,其中,扰动信号的值可以大于估计噪声水平并且小于估计信号水平。在这种情况下,扰动信号可能会根据信号的信号强度对物理点的信号产生不同的影响,进而可能导致更新的信号表示与信号表示之间出现不同的差异。例如,如果信号的信号强度低(例如,与扫描对象图像中的背景相对应的像素的信号),则大于估计噪声电平的扰动信号可能会对信号产生更大的影响,并引起更新的信号表示与信号表示之间的差异更大。如果信号的信号强度高(例如,与扫描对象图像中的解剖组织相对应的像素的信号),则小于估计信号强度的扰动信号可能对信号产生较小的影响,并引起在更新的信号表示和信号表示之间的差异较小。仅通过示例的方式,假设估计信号强度等于10,估计噪声电平等于1,并且扰动信号的值等于5,那么,扰动信号和纯信号的值之和可能是纯信号值的1.5倍,是纯噪声值的1.5倍,这表明扰动信号对纯噪声,相对于其对纯信号而言,具有更大的的影响。
在一些实施例中,图像的估计噪声水平和估计信号水平可以基于扫描对象的一个或多个图像中的多个像素的像素值来确定。为了说明的目的,以基于图像I1来确定估计噪声电平和估计信号强度为例来进行描述。处理设备120可以确定图像I1中的最大像素值,并且确定表征最大像素值的特定百分比(例如,20%、10%、5%)的阈值T。图像I1中具有大于阈值T的像素值的每个第一像素可以被认为是具有高信号强度的像素。具有小于阈值T的像素值的图像I1中的每个第二像素可以被认为是具有高噪声水平的像素。处理设备120可以基于每个第一像素的像素值确定估计信号强度,并且基于每个第二像素的像素值确定估计噪声电平。例如,可以将第一像素的平均像素值确定为估计信号强度,并且可以将第二像素的平均像素值确定为估计噪声电平。在一些替代实施例中,对于每个图像,处理设备120可以确定图像中的估计噪声水平和估计信号水平。处理设备120可以进一步将例如平均的估计噪声水平确定为图像的估计噪声水平,并且将平均的估计信号水平确定为图像的估计信号水平。
在一些实施例中,处理设备120可以将在从估计的噪声水平到估计的信号水平的范围(在下文中表示为范围M)中的任何值确定为扰动信号的值。可替代地,处理设备120可以基于参考像素值和物理点的像素值来确定范围M中的扰动信号的值。参考像素值可以反映图像的整体像素值,其可以等于例如一个或多个图像的平均像素值、一个图像中的最大像素值和最小像素值的平均值、图像中一个或多个代表性区域(例如,属于扫描对象的一部分)中的平均像素值等。
在一些实施例中,处理设备120可以将参考像素值与像素值进行比较以获得比较结果,并基于所述比较结果确定所述扰动信号的值。将参考像素值与像素值进行比较是指将参考像素值与例如某个像素值中、像素值的平均值等进行比较。例如,可以将参考像素与像素值中的某个像素值进行比较,并且比较结果可以包括:该某个像素值大于参考像素值。在这样的情况下,信号可以被认为具有高信号强度,并且处理设备120可以确定所述扰动信号具有第一值(例如,范围M中的低值)。可选地,比较结果还可包括该某个像素值小于参考像素值。在这样的情况下,信号可以被认为具有低信号强度,并且处理设备120可以确定扰动信号具有大于第一值的第二值(例如,范围M中的高值)。
这样,如果信号具有低信号强度,则扰动信号可能在更新的信号表示和信号表示之间引起更大的差异;而如果信号具有高的信号强度,则其可能引起更新的信号表示和信号表示之间较小的差异。例如,信号可以包括值为9的信号S1和值为10的信号S2,此时第一信号表示可等于10/9。接着可以将信号S1和S2确定为各自具有高信号强度的信号,此时可引入值为1的低扰动信号。则对应于信号S1和S2的第一更新的信号表示可等于(10+1)/(9+1)。作为另一示例,信号可以包括值为2的信号S3和值为1的信号S4,此时第二信号表示可等于1/2。接着可将信号S3和S4确定为具有低信号强度的信号,此时可引入具有值为10的高扰动信号。则对应于信号S3和S4的第二更新信号表示可等于(1+10)/(2+10)。可见,第一信号表示和第一更新的信号表示之间的差小于第二信号表示和第二更新的信号表示之间的差。
在操作1004中,处理设备120(例如,确定模块504)可基于受试目标的信号表示和更新信号表示来确定用于表征多个信号的信号强度相对于多个信号的噪声的噪声参数值。
噪声参数可用于分析信号表示的噪声,反过来,该噪声又可以指示信号相对于多个信号的噪声的信号强度。例如,噪声参数值可以在特定范围内,例如[0,1]。如果噪声参数值等于或接近1(例如,噪声参数与1之间的差小于阈值,例如1%、5%、10%等),则可以将这些信号视为不包含非噪声分量或包含无意义的非噪声分量的纯噪声。如果噪声参数值等于或接近0(例如,噪声参数与1之间的差小于阈值,例如1%、5%、10%等),则可以将这些信号视为不包含或包含很少噪声的纯信号。在一些实施例中,如果噪声参数值小于比如0.1的预设值,则该信号可以被认为包括非噪声信号。
在一些实施例中,处理设备120可以基于关系函数来确定噪声参数值,该关系函数可测量受试目标的信号表示和更新的信号表示之间的差异。关系函数可以合并一个或多个运算操作,包括例如线性运算(例如,加法、减法、乘法、除法)、非线性运算(例如,指数函数、幂函数、对数函数)、类似的运算等,或以上的任意的组合,这些处运算操作可针对信号表示和更新后的信号表示进行。可以通过将信号表示和更新的信号表示输入到关系函数中来确定噪声参数值。例如,关系函数可以表示为以下的公式(11)或(12):
其中F1表示信号表示,F2表示更新后的信号表示,R表示噪声参数。
在一些实施例中,处理设备120可以将噪声参数值与阈值T’(例如0.1、0.15、0.2)进行比较,以评估受试目标的信号的信号水平。例如,如果噪声参数值小于阈值T’,则处理设备120可以确定信号包括无噪声信号或具有高信号强度(或低噪声电平)。如果噪声参数值大于阈值T’,则处理设备120可以确定信号是噪声或具有低信号强度(或高噪声电平)。阈值T’可以是MRI***100的默认设置,或者可以由MRI***100的用户设置。可替换地,阈值T’可以根据不同情况由处理设备120来确定。
与直接基于信号评估信号强度的噪声分析技术相比,本发明基于扰动信号和噪声参数的方法更可靠、更准确和/或对噪声更敏感。如操作1003中所述,扰动信号可用于引起信号表示和更新的信号表示之间的差异,其中差异的大小可与信号的信号强度有关。因此,作为测量信号表示和更新后的信号表示之间的差异的噪声参数,可以用于定量和准确地评估信号中的信号强度。
应当注意,以上关于流程1000的描述仅是出于说明的目的而提供,并非旨在限制本发明的范围。对于本领域技术人员而言,可以在本发明的教导下进行多种变化和修改。然而,那些变化和修改并不脱离本发明的范围。在一些实施例中,流程1000可以利用一个或多个未描述的附加操作和/或不包括上面讨论的一个或多个操作来完成。另外,以上提供的公式是说明性示例,并且可以以各种方式修改。
例如,受试目标可以是扫描对象的身体点Pr,并且信号可以是与扫描对象的多个图像中的物理点Pr相对应的像素的像素值,其中每个像素可以来自多个图像中一个并对应于物理点Pr。对于扫描对象图像的特定图像,处理设备120可以基于噪声参数值来调整特定图像中与物理点Pr相对应的像素的显示参数。待调整的示例性显示参数可以包括亮度、颜色(例如,红绿蓝(RGB)值、灰度值)、图像对比度、分辨率、色相、饱和度等,或以上任意组合。例如,如果噪声参数值大于阈值T’,则可以将与物理点Pr相对应的像素的亮度调整为高值。如果噪声参数值小于T’,则可以将与物理点Pr相对应的像素的亮度调整为低值。作为另一示例,扫描对象的每个图像可对应于由MRI设备的单个线圈单元检测到的回波信号,处理设备120可以通过使用算法例如SOS算法或ACC算法,组合不同线圈单元的图像以生成回波图像,并基于噪声参数的相应值,调整回波图像中与物理点Pr相对应的像素的显示参数。
在一些实施例中,对于扫描对象的特定图像中的每个像素,处理设备120可以执行流程1000以确定与像素相对应的噪声参数值,从而生成图像的噪声参数图。处理设备120还可以根据噪声参数的相应值来调整图像的每个像素的显示参数。例如,可以将噪声参数值高于阈值T’的每个像素的亮度调整为高值,以突出显示图像中具有低信号水平(或高噪声水平)的部分。作为另一示例,可以将噪声参数值低于阈值T’的每个像素的亮度调整为高值,以突出显示图像中具有高信号强度(或低噪声水平)的部分。这样,可以形象地显示图像的噪声评估结果,以促进医学诊断。
图11是本发明的一些实施例中在MRI中进行噪声分析的示例性过程1100的示意图。如图11所示,可以获取扫描对象的大脑的两个回波图像1100A和回波图像1100B。回波图像1100A和回波图像1100B是基于对扫描对象进行MR扫描中所检测到的MR信号而生成的。为了说明的目的,将图像1100A和图像1100B中的物理点i的像素值分别表示为P1和P2。图像1100C可以通过使用图像1100A分割图像1100B来生成。图像1100C可视为是大脑的信号表示图。可以将与图像1100C中的物理点i相对应的像素值即P2/P1视为物理点i的信号表示。对于物理点i,通过添加一个值为P’的扰动信号来确定更新的信号表示(P2+P’)/(P1+P’)。大脑的物理点的更新的信号表示为图11中的图像1100D。请结合图10,通过将物理点的信号表示和更新的信号表示输入到公式(11)中,来确定与每个物理点相对应的噪声参数值。对于噪声参数低于阈值T’的物理点,图像1100A和1100B中其所对应的像素可视为具有高信号强度。对于噪声参数高于阈值T’的物理点,图像1100A和1100B中其所对应的像素可视为具有低信号强度。然后,通过将图像1100A中具有高信号强度的每个像素的亮度调整为高值以生成图像1100E,并且通过将图像1100A中具有低信号强度的每个像素的亮度调整为高值以生成图像1100F。如图中所示,图像1100E突出显示图像1100A中与解剖组织相对应的部分,而图像1100F突出显示图像1100A中的背景部分。
在上述描述基本概念之后,本领域技术人员在阅读了本发明详细公开的内容之后可以相当明显地看到,上述详细公开的内容仅以示例的方式呈现,并非旨在限制。本领域技术人员可以进行各种改变、改进和修改,尽管这里没有明确说明。这些改变、改进和修改旨在由本发明提出,并且在本发明的示例性实施例的构思和范围内。
此外,某些术语被用于描述本发明的实施例。例如,术语“一个实施例”、“某个实施例”和“一些实施例”意味着结合该实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,应当强调并且应当理解,在本说明书的各个部分中,对“一个实施例”或“某个实施例”或“可选实施例”的两个以上引用不一定都是指同一实施例。此外,可以在本发明的一个或多个实施例中适当地组合特定特征、结构或特征。
此外,本领域技术人员将理解,本发明的各个方面可以在许多可授予专利的文本中的任何一个中加以说明和描述,包括任何新的和有用的工艺、机器、制造或物质组成,或其任何新的和有用的改进。因此,本发明的各个方面可以完全通过硬件实现、完全通过软件实现(包括固件、驻留软件、微代码等),或者结合软件和硬件实现,这些实现在本发明中通常被称为“模块”、“单元”、“组件”、“设备”或“***”。此外,本发明的各个方面可以采用包括一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质具有体现在其上的计算机可读程序代码。
计算机可读信号介质可以包括传播的数据信号,其中包含计算机可读程序代码,例如,在基带中或作为载波的一部分。这种传播的信号可以采取各种形式中的任何一种,包括电磁、光学等,或者它们的任何适当组合。计算机可读信号介质可以是任何计算机可读介质,该计算机可读介质不是计算机可读存储介质,并且可以通信、传播或传输供指令执行***、设备或装置使用或与之相关的程序。包含在计算机可读信号介质上的程序代码可以使用任何适当的介质,包括无线、有线、光纤电缆、射频或类似,或以上的任何适当组合,来进行传输。
用于执行本发明的各方面操作的计算机程序代码可以用一种以上编程语言的任何组合来编写,包括面向对象的编程语言,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.net、Python等,传统的程序化编程语言,如C语言、Visual Basic、Fortran 2103、Perl、COBOL 2102、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言。程序代码可以完全在用户的计算机上执行,一部分在用户的计算机上执行,作为独立的软件包,部分在用户的计算机上执行,一部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,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,包括局域网(LAN)或广域网(WAN),或者可以连接到外部计算机(例如,通过使用Internet服务提供商的Internet),或在云计算环境中,或作为服务提供,如软件即服务(SaaS)。
此外,处理元件或序列的列举顺序,或因此而使用的数字、字母或其他名称,并不打算将所要求保护的过程和方法限制为任何顺序,除非权利要求中另有指定。尽管上述公开内容通过各种示例讨论了当前被认为是本发明的各种有用实施例的内容,但是应当理解,这些细节仅用于解释的目的,并且所附权利要求不限于所公开的实施例,而是旨在涵盖在所公开实施例的构思和范围内的修改和等效布置。例如,尽管上述各种组件的实现可以体现在硬件设备中,但也可以实现为仅软件的解决方案,例如,在现有服务器或移动设备上的安装。
类似地,应当理解,在本发明的实施例的前述描述中,各种特征有时在单个实施例、图或其描述中被组合在一起,以简化本发明,有助于理解一个或多个不同实施例。然而,这种披露方法不应被解释为反映了这样一种意图,即所要求保护的技术方案需要比每项权利要求中明确陈述的更多的特征。本发明实施例存在特征比单个前述公开实施例的所有特征更少的实施例。
在一些实施例中,用于描述和声明应用的某些实施例的数量或特性的数字应被理解为在某些情况下被修改为术语“大约”、“近似”或“基本上”。例如,“大约”、“近似”或“基本上”可以表示其描述值的某些变化(例如,±20%),除非另有说明。因此,在一些实施例中,在书面描述和所附权利要求中阐述的数值参数是近似值,其可根据特定实施例寻求获得的期望特性而变化。在一些实施例中,应根据报告的有效数字的数量并通过应用普通舍入技术来解释数值参数。尽管列出应用的一些实施例的广泛范围的数值范围和参数是近似值,但是在具体示例中列出的数值被尽可能精确地报告。
此处引用的每项专利、专利申请、专利申请的出版物和其他材料,如文章、书籍、规范、出版物、文档、物品和/或类似物,在此通过本参考文件将其全部纳入本参考文件中,以用于所有目的,除与本文件有关的任何起诉文件记录外,与本文件不一致或冲突的任何起诉文件记录,或对与本文件有关的权利要求的最广泛范围可能产生限制性影响的任何起诉文件记录。举例来说,如果与任何合并材料相关的术语的描述、定义和/或使用与本文件相关的术语之间存在任何不一致或冲突,应以本文件中术语的描述、定义和/或使用为准。
最后,应当理解,本文所公开的应用的实施例说明了应用的实施例的原理。可采用的其他修改均可在本发明的范围内。因此,作为示例而不是限制,可以根据本文的教导利用应用的实施例的替代配置。因此,本发明的实施例不限于如所示和描述的精确的实施例。
Claims (13)
1.一种用于医学图像的噪声分析的***,包括:
至少一个存储设备,所述存储设备存储有一组指令;以及
至少一个处理器,用于与所述至少一个存储设备通信,其中,当执行所述一组指令时,所述至少一个处理器用于指示所述***执行以下操作,包括:
获取受试目标的多个信号;
基于所述多个信号,确定所述受试目标的信号表示;
通过将扰动信号添加到所述多个信号中,确定所述受试目标的更新的信号表示;以及
基于所述受试目标的所述信号表示和所述更新的信号表示,确定用于表征所述多个信号的信号强度相对于所述多个信号的噪声的噪声参数值。
2.根据权利要求1所述的用于医学图像的噪声分析的***,其特征在于,所述受试目标为测试对象的物理点,
所述获取所述受试目标的所述多个信号的操作进一步包括:
获取所述测试对象的多个图像;以及
将多个像素值作为所述受试目标的所述多个信号,其中每个像素值位于所述多个图像中的一个图像中并对应于所述物理点。
3.根据权利要求2所述的用于医学图像的噪声分析的***,其特征在于,所述至少一个处理器还用于指示所述***执行以下操作,包括:
基于所述多个图像中的至少一个图像,确定所述至少一个图像的估计噪声水平和估计信号水平;以及
确定所述扰动信号的值,其中所述扰动信号的值大于所述估计噪声水平并且小于所述估计信号水平。
4.根据权利要求2所述的用于医学图像的噪声分析的***,其特征在于,所述至少一个处理器还用于指示所述***执行以下操作,包括:
将参考像素值与所述多个像素值中的至少一个像素值进行比较,以获得比较结果;以及
基于所述比较结果确定所述扰动信号的值。
5.根据权利要求4所述的用于医学图像的噪声分析的***,其特征在于,
所述比较结果包括:所述多个像素值中的至少一个像素值大于所述参考像素值,并且所述基于比较结果确定扰动信号的值的操作包括:确定所述扰动信号具有第一值;或者
所述比较结果包括:所述多个像素值中的至少一个像素值小于所述参考像素值,并且所述基于比较结果确定扰动信号的值的操作包括:确定所述扰动信号具有第二值,其中所述第二值大于所述第一值。
6.根据权利要求4所述的用于医学图像的噪声分析的***,其特征在于,所述至少一个处理器还用于指示所述***执行以下操作,包括:
确定所述测试对象的多个图像中的至少一个图像的平均像素值;以及
将所述平均像素值指定为所述参考像素值。
7.根据权利要求2所述的用于医学图像的噪声分析的***,其特征在于,所述至少一个处理器还用于指示所述***执行以下操作,包括:
对于所述多个图像中的至少一个图像的每一图像,基于所述噪声参数值,调整图像中与所述物理点相对应的像素的显示参数。
8.根据权利要求2所述的用于医学图像的噪声分析的***,其特征在于,所述多个图像中的至少一个图像为磁共振图像、X射线图像、计算机断层摄影图像、正电子发射断层摄影图像或超声图像。
9.根据权利要求1所述的用于医学图像的噪声分析的***,其特征在于,所述多个信号中的每一个信号以复数或实数的形式表示。
10.根据权利要求1所述的用于医学图像的噪声分析的***,其特征在于,所述确定用于表征所述多个信号的所述信号强度相对于所述多个信号的噪声的所述噪声参数值的操作包括:
基于关系函数确定所述噪声参数值,其中,所述关系函数为所述受试目标的所述信号表示和所述更新的信号表示之间的差异。
11.根据权利要求1所述的用于医学图像的噪声分析的***,其特征在于,所述受试目标的信号表示基于所述多个信号通过多维积分MDI算法确定。
12.一种医学图像的噪声分析的方法,包括:
获取受试目标的多个信号;
基于所述多个信号,确定所述受试目标的信号表示;
通过将扰动信号添加到所述多个信号中来确定所述受试目标的更新的信号表示;以及
基于所述受试目标的所述信号表示和所述更新的信号表示,确定用于表征所述多个信号的信号强度相对于所述多个信号的噪声的噪声参数值。
13.一种非暂时性计算机可读存储介质,其特征在于,所述非暂时性计算机可读存储介质存储有指令,当所述指令被***的至少一个处理器访问以进行医学图像的噪声分析时,所述指令指示***执行包括以下操作的方法:
获取受试目标的多个信号;
基于所述多个信号,确定所述受试目标的信号表示;
通过将扰动信号添加到所述多个信号中来确定所述受试目标的更新的信号表示;以及
基于所述受试目标的所述信号表示和所述更新的信号表示,确定用于表征所述多个信号的信号强度相对于所述多个信号的噪声的噪声参数值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/726,970 US11069063B2 (en) | 2019-03-18 | 2019-12-26 | Systems and methods for noise analysis |
US16/726,970 | 2019-12-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113050010A CN113050010A (zh) | 2021-06-29 |
CN113050010B true CN113050010B (zh) | 2023-03-21 |
Family
ID=76507735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010544559.6A Active CN113050010B (zh) | 2019-12-26 | 2020-06-15 | 噪音分析的***、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050010B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392444A (zh) * | 2014-11-18 | 2015-03-04 | 陕西师范大学 | 基于二维集合经验模式分解的医学mr图像特征提取方法 |
CN106466189A (zh) * | 2015-08-14 | 2017-03-01 | 西门子医疗有限公司 | 用于重建计划图像的方法和*** |
CN107110930A (zh) * | 2014-09-05 | 2017-08-29 | 海珀菲纳研究股份有限公司 | 噪声抑制方法和设备 |
CN107783067A (zh) * | 2016-08-30 | 2018-03-09 | 上海联影医疗科技有限公司 | 一种磁共振成像方法 |
CN109959886A (zh) * | 2017-12-22 | 2019-07-02 | 西门子保健有限责任公司 | 用于确定磁共振成像装置的成像质量信息的方法、装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009027899A2 (en) * | 2007-08-24 | 2009-03-05 | Koninklijke Philips Electronics N.V. | Mri involving dynamic profile sharing such as keyhole and motion correction |
EP2169415A1 (en) * | 2008-09-30 | 2010-03-31 | Siemens Schweiz AG | Method for automatic quality control of in-vivo human brain MRI images |
CN107533117B (zh) * | 2015-04-30 | 2020-05-01 | 皇家飞利浦有限公司 | 用于具有rf噪声的磁共振成像的方法和装置 |
JP6979151B2 (ja) * | 2017-05-26 | 2021-12-08 | 富士フイルムヘルスケア株式会社 | 磁気共鳴イメージング装置及び磁気共鳴画像処理方法 |
CN108714028B (zh) * | 2018-04-11 | 2022-02-25 | 上海联影医疗科技股份有限公司 | 一种磁共振成像方法、装置及医学成像*** |
-
2020
- 2020-06-15 CN CN202010544559.6A patent/CN113050010B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107110930A (zh) * | 2014-09-05 | 2017-08-29 | 海珀菲纳研究股份有限公司 | 噪声抑制方法和设备 |
CN104392444A (zh) * | 2014-11-18 | 2015-03-04 | 陕西师范大学 | 基于二维集合经验模式分解的医学mr图像特征提取方法 |
CN106466189A (zh) * | 2015-08-14 | 2017-03-01 | 西门子医疗有限公司 | 用于重建计划图像的方法和*** |
CN107783067A (zh) * | 2016-08-30 | 2018-03-09 | 上海联影医疗科技有限公司 | 一种磁共振成像方法 |
CN109959886A (zh) * | 2017-12-22 | 2019-07-02 | 西门子保健有限责任公司 | 用于确定磁共振成像装置的成像质量信息的方法、装置 |
Non-Patent Citations (3)
Title |
---|
A review paper:noise model in digital image processing;Ajay kumar boyat;《Signal and image processing:an international journal》;20151231;全文 * |
Fast and Tissue-optimized mapping of magnetic susceptibility and T2 with multi-echo and multi-shot spirals;Wu bing;《Neuroimage》;20121231;全文 * |
Noncontrast-enhanced magnetic resonance angiography and venography imaging with enhanced angiography;Ye yongquan;《Journal of magnetic resonance imaging》;20131231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113050010A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505553B (zh) | 磁共振成像***和方法 | |
US8842896B2 (en) | Imaging of moving objects | |
US11375918B2 (en) | White matter fibrography by synthetic magnetic resonance imaging | |
US10215821B2 (en) | Methods for simultaneous multi-angular relaxometry and RF mapping of tissue using magnetic resonance imaging | |
US20170156630A1 (en) | System and method for adaptive and patient-specific magnetic resonance imaging | |
CN110573896B (zh) | 用于磁共振成像加速的***和方法 | |
Hutter et al. | Slice-level diffusion encoding for motion and distortion correction | |
CN111012349B (zh) | 磁共振成像中信号表征确定的***与方法 | |
Rathi et al. | Diffusion propagator estimation from sparse measurements in a tractography framework | |
CN113126013B (zh) | 图像处理***和方法 | |
CN114076911B (zh) | 磁共振成像的方法及*** | |
Lu et al. | Initial assessment of 3D magnetic resonance fingerprinting (MRF) towards quantitative brain imaging for radiation therapy | |
Yon et al. | High-resolution 3D in vivo brain diffusion tensor imaging at ultrahigh fields: following maturation on juvenile and adult mice | |
CN111685766A (zh) | 成像***和方法 | |
CN113842131B (zh) | 磁共振成像的*** | |
Rodríguez‐Soto et al. | Correction of Artifacts Induced by B0 Inhomogeneities in Breast MRI Using Reduced‐Field‐of‐View Echo‐Planar Imaging and Enhanced Reversed Polarity Gradient Method | |
Munoz et al. | Evaluation of accelerated motion-compensated 3d water/fat late gadolinium enhanced MR for atrial wall imaging | |
US11069063B2 (en) | Systems and methods for noise analysis | |
CN113050010B (zh) | 噪音分析的***、方法 | |
Luo et al. | Free‐breathing liver fat and quantification using motion‐corrected averaging based on a nonlocal means algorithm | |
Zhang et al. | Implicit modeling with uncertainty estimation for intravoxel incoherent motion imaging | |
US20240053419A1 (en) | Systems and methods for magnetic resonance imaging | |
US11454691B1 (en) | Synthetic bright-blood and dark-blood PSIR LGE images | |
US11360173B2 (en) | Method and system for mapping transverse relaxation in magnetic resonance scan | |
Ge et al. | Three-dimensional high resolution venography using susceptibility weighted imaging at 7T |
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 |