DE102017222359A1 - Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage - Google Patents

Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage Download PDF

Info

Publication number
DE102017222359A1
DE102017222359A1 DE102017222359.6A DE102017222359A DE102017222359A1 DE 102017222359 A1 DE102017222359 A1 DE 102017222359A1 DE 102017222359 A DE102017222359 A DE 102017222359A DE 102017222359 A1 DE102017222359 A1 DE 102017222359A1
Authority
DE
Germany
Prior art keywords
images
image
magnetic resonance
resonance system
values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102017222359.6A
Other languages
English (en)
Other versions
DE102017222359B4 (de
Inventor
Mario Zeller
Dominik Paul
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers Ag De
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102017222359.6A priority Critical patent/DE102017222359B4/de
Priority to US16/208,871 priority patent/US11016158B2/en
Publication of DE102017222359A1 publication Critical patent/DE102017222359A1/de
Application granted granted Critical
Publication of DE102017222359B4 publication Critical patent/DE102017222359B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/0023—Electronic aspects, e.g. circuits for stimulation, evaluation, control; Treating the measured signals; calibration
    • G01R33/0029—Treating the measured signals, e.g. removing offset or noise
    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56572—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of a gradient magnetic field, e.g. non-linearity of a gradient magnetic field
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/5659—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the RF magnetic field, e.g. spatial inhomogeneities of the RF magnetic field
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • 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
    • G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
    • G01R33/583—Calibration of signal excitation or detection systems, e.g. for optimal RF excitation power or frequency
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Landscapes

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

Abstract

Die Erfindung betrifft das automatische Bestimmen von Korrekturfaktorwerten zur Erstellung von MR-Bildern mittels einer Magnetresonanzanlage (10). Dabei werden mehrere MR-Bilder erstellt, wobei jedes MR-Bild mit einer Verwendung von Parametern mit Parameterwerten und mit einer Verwendung von Korrekturfaktoren mit Korrekturfaktorwerten erstellt wird. Für die Erstellung der MR-Bilder werden MR-Daten von demselben Untersuchungsobjekt unter denselben äußeren Randbedingungen erfasst. Die MR-Bilder werden automatisch in Bezug auf Artefakte im jeweiligen MR-Bild bewertet, um das MR-Bild mit den geringsten Artefakten unter den MR-Bildern zu bestimmen. Die Korrekturfaktorwerte werden als diejenigen Korrekturfaktorwerte bestimmt, welche zur Erstellung des MR-Bildes mit den geringsten Artefakten eingesetzt wurden. Dabei bestimmen die Parameter eine Sequenz, mit welcher die MR-Daten zur Erstellung der MR-Bilder erfasst werden. Die Korrekturfaktoren verringern Einflüsse, welche das Erfassen der MR-Daten beeinflussen.

Description

  • Die vorliegende Erfindung betrifft die automatische Bestimmung von Korrekturfaktor(wert)en, um mit diesen Korrekturfaktor(wert)en MR-Bilder mittels einer Magnetresonanzanlage zu erstellen.
  • Es existieren zahlreiche MR-Bildgebungssequenzen, welche bestimmte Korrekturfaktoren erfordern, um MR-Bilder mit möglichst wenigen Artefakten zu erzeugen. Beispiele für solche Sequenzen sind:
    • • eine beim Auslesen segmentierte EPI (Echo Planar Imaging)-Sequenz
    • • eine RESOLVE (Readout Segmentation Of Long Variable Echo trains) -Sequenz
    • • eine PETRA (Pointwise Encoding Time Reduction with radial Acquisition) -Sequenz, wobei Anwendungen dieser PETRA Sequenz beispielsweise aus der US 9482731 B2 oder der US 9395429 B2 bekannt sind.
    • • radiale oder spiralförmige Sequenzen
  • Unter Korrekturfaktoren werden dabei für die jeweilige Magnetresonanzanlage systemspezifische Korrekturfaktoren verstanden, mit welchen konstante Einflüsse, welche das Erfassen der MR-Daten beeinflussen, verringert werden. Diese Korrekturfaktoren hängen zum einen von der Magnetresonanzanlage (d.h. vom Typ der Magnetresonanzanlage, von der Konfiguration der Gradientenspulen und des Magneten, also vom genauen Aufbau der Magnetresonanzanlage) ab. Zum anderen hängen die Korrekturfaktoren auch von dem Ort bzw. der Stelle ab, an welcher die Magnetresonanzanlage steht. Um die Korrekturfaktoren oder genauer um die Werte für die Korrekturfaktoren zu bestimmen, müssen Kalibrierungsmessungen durchgeführt werden.
  • Beispielsweise werden nach dem Stand der Technik für eine RESOLVE-Sequenz für verschiedene Parameter (z.B. die Bildorientierung und den Echoabstand betreffende Parameter) mit jeweils verschiedenen Werten für die Korrekturfaktoren MR-Daten von demselben kugelförmigen Phantom erfasst und daraus entsprechende MR-Bilder rekonstruiert. Anschließend werden diese MR-Bilder manuell ausgewertet und die Werte der Korrekturfaktoren, welche zu dem am besten bewerteten Bild (d.h. das Bild mit den geringsten Artefakten) gehören, werden für die jeweilige Kombination von Parameterwerten ermittelt und fest im Programmcode für diese Parameterwert-Kombination für die Sequenz hinterlegt. Korrekturfaktorwerte für Parameterkombinationen, welche während der vorab beschriebenen Kalibrierung nicht untersucht wurden, werden abhängig von den ermittelten Korrekturfaktorwerten interpoliert.
  • Beispielsweise die RESOLVE-Sequenz weist als Korrekturfaktor einen Skalierungsfaktor für die Auslesegradientenamplitude auf, d.h. die jeweils für den Auslesegradienten einzusetzende Amplitude wird mit diesem Skalierungsfaktor multipliziert. Mit diesem Skalierungsfaktor wird ausgeglichen, dass die Auslesegradienten bei der RESOLVE-Sequenz nicht exakt sinusoidal sind. Mit anderen Worten wird durch diesen Skalierungsfaktor dafür gesorgt, dass durch die mittels der Sequenz bestimmte Auslesegradientenamplitude auch exakt das vorher gesehene oder berechnete Gradientenmoment erzeugt wird.
  • Neben Korrekturfaktoren bezüglich der Gradientenmomente gibt es auch Korrekturfaktoren, welche das Zeitverhalten korrigieren. Mit diesen Korrekturfaktoren wird dafür gesorgt, dass das Einspielen eines Gradienten oder eines HF-Pulses künstlich verzögert oder vorgezogen wird, um entsprechende Timing-Ungenauigkeiten zu kompensieren.
  • Die Kalibrierung oder Bestimmung der Korrekturfaktorwerte nach dem Stand der Technik ist zeitaufwendig und fehleranfällig. Darüber hinaus muss diese manuelle Bestimmung der Korrekturfaktorwerte häufig wiederholt werden, wenn sich Systemhardwarespezifikationen (z.B. der Entwurf von Gradientenspulen) ändern, was gerade in der Entwicklungsphase häufig der Fall ist. Daher stellt sich die vorliegende Erfindung die Aufgabe, die Bestimmung von Korrekturfaktoren im Vergleich zum Stand der Technik zu beschleunigen.
  • Erfindungsgemäß wird diese Aufgabe durch ein Verfahren zum automatischen Bestimmen von Korrekturfaktorwerten zur Erstellung von MR-Bildern mittels einer Magnetresonanzanlage nach Anspruch 1, durch eine Magnetresonanzanlage nach Anspruch 9, durch ein Computerprogrammprodukt nach Anspruch 11 und durch einen elektronisch lesbaren Datenträger nach Anspruch 12 gelöst. Die abhängigen Ansprüche definieren bevorzugte und vorteilhafte Ausführungsformen der vorliegenden Erfindung.
  • Im Rahmen der vorliegenden Erfindung wird ein Verfahren zum automatischen Bestimmen von Korrekturfaktorwerten zur Erstellung von MR-Bildern mit Hilfe einer Magnetresonanzanlage offenbart. Dabei umfasst das erfindungsgemäße Verfahren folgende Schritte:
    • • Erstellen mehrerer MR-Bilder von demselben Untersuchungsobjekt bzw. Phantom. In diesem Schritt werden für eine bestimmte Kombination von Parametern, d.h. für eine bestimmte Belegung der Parameter mit Parameterwerten, mehrere MR-Bilder erstellt. Dazu wird jedes dieser MR-Bilder mit einer individuellen Belegung von Korrekturfaktoren mit Korrekturfaktorwerten erstellt. Genauer gesagt werden MR-Daten mittels einer Sequenz, welche durch die entsprechenden Parameterwerte definiert ist, von dem Untersuchungsobjekt erfasst, um anhand dieser MR-Daten das jeweilige MR-Bild zu rekonstruieren. Dazu werden beim Erfassen der MR-Daten für die bestimmte Parameterwert-Kombination verschiedene Korrekturfaktorwert-Kombinationen (d.h. verschiedene Belegungen der Korrekturfaktoren mit Korrekturfaktorwerten) eingesetzt, so dass für jede Parameterwert-Kombination mehrere MR-Datensätze erfasst und damit mehrere MR-Bilder erstellt werden.
    • • Automatisches Bewerten der MR-Bilder hinsichtlich Artefakte in dem jeweiligen MR-Bild, um das artefaktfreieste MR-Bild (d.h. das MR-Bild mit den wenigsten Artefakten) innerhalb der erstellten MR-Bilder zu bestimmen. In diesem Schritt wird somit für die bestimmte Parameterwert-Kombination das artefaktfreieste MR-Bild automatisch bestimmt .
    • • Bestimmen der Korrekturfaktorwerte als diejenige Korrekturfaktorwerte, welche bei der Erstellung des artefaktfreiesten MR-Bildes eingesetzt wurden. In diesem Schritt werden somit die Korrekturfaktorwerte bestimmt, welche im Schritt der Erstellung der MR-Bilder zur Erstellung des artefaktfreiesten Bildes der bestimmten Parameterwert-Kombination eingesetzt wurden.
  • Indem insbesondere die Bewertung der MR-Bilder hinsichtlich Artefakten automatisch durchgeführt wird, ist diese Bewertung vorteilhafterweise reproduzierbar. Darüber hinaus führt die automatische Bewertung der MR-Bilder zu besseren Ergebnissen und beschleunigt die Bestimmung der Korrekturfaktoren im Vergleich zum Stand der Technik, nach welchem eine manuelle Bewertung eingesetzt wird. Dadurch löst das erfindungsgemäße Verfahren die oben gestellte Aufgabe.
  • Wie im Folgenden noch genauer ausgeführt wird, existieren zur automatischen Bewertung der MR-Bilder in Bezug auf Artefakte gemäß der vorliegenden Erfindung folgende Vorgehen:
    1. 1. Bewerten der MR-Bilder abhängig von einer ersten Ableitung von Pixelwerten des jeweils zu bewertenden MR-Bildes.
    2. 2. Bewerten der MR-Bilder abhängig von Fourier-Koeffizienten, welche durch eine inverse diskrete Fourier-Transformation für Pixelwerte des jeweils zu bewertenden MR-Bildes bestimmt wurden.
    3. 3. Bewerten der MR-Bilder anhand einer Ähnlichkeitsanalyse des jeweils zu bewertenden MR-Bildes mit einem Referenzbild.
    4. 4. Bewerten der MR-Bilder anhand von maschinellem Lernen.
  • Wie bereits vorab ausgeführt ist, werden die MR-Bilder gemäß einer ersten erfindungsgemäßen Ausführungsform abhängig von der ersten Ableitung von Pixelwerten des jeweils zu bewertenden MR-Bildes automatisch bewertet. Dazu wird die erste Ableitung von Pixelwerten berechnet, welche entlang einer vorbestimmten Richtung (z.B. in der Ausleserichtung oder in der Phasenkodierrichtung) in dem zu bewertenden MR-Bild existieren, um durch diese Berechnung Ableitungswerte zu berechnen. Dabei wird unter der ersten Ableitung von Pixelwerten die Differenz von Werten von zwei benachbarten Pixeln verstanden. Beispielsweise könnte die erste Ableitung f'(x) anhand der folgenden Gleichung (1) für 0 < x < N bestimmt werden. f ' ( x ) = P W ( x + 1 ) − P W ( x )
    Figure DE102017222359A1_0001
  • Dabei entspricht PW(x) dem Pixelwert an der x-ten Stelle im MR-Bild und N entspricht der Anzahl der Pixel entlang der vorbestimmten Richtung. Wenn beispielsweise 128 Pixel entlang der Ausleserichtung (oder für jede Zeile) erfasst werden, werden 127 Ableitungswerte für jede Zeile berechnet. Abhängig von den im MR-Bild berechneten Ableitungswerten wird ein Summenwert bestimmt. Unter den zu bewertenden MR-Bildern wird dasjenige MR-Bild als das artefaktfreieste MR-Bild bestimmt, bei welchem dieser Summenwert den kleinsten Wert aufweist.
  • Anstelle der Berechnung der ersten Ableitung entlang der vorbestimmten Richtung kann bei der ersten Ausführungsform auch die erste Ableitung von Pixelwerten in mehrere Richtungen (z.B. in Ausleserichtung und Phasenkodierrichtung) z.B. mittels eines Gradienten-Operators oder Nabla-Operators berechnet werden. Das Ergebnis ist dann insbesondere ein Vektorfeld, das beispielsweise richtungsabhängig oder anhand einer Amplitude der Vektoren des Feldes analysiert werden kann. Abhängig von dieser Analyse kann ein dem Summenwert vergleichbarer Wert bestimmt werden, abhängig von welchem dann das artefaktfreieste MR-Bild bestimmt werden kann.
  • Ein Artefakt zeichnet sich häufig dadurch aus, dass ein scharfer Übergang in dem MR-Bild vorhanden ist, was dann zu einem hohen Ableitungswert führt. Daher stellt die vorab beschriebene Ausführungsform vorteilhafterweise eine gute Möglichkeit dar, anhand des Summenwerts (oder eines Werts abhängig von den Ableitungswerten) ein Maß für eine Verunreinigung durch Artefakte in einem MR-Bild anzugeben.
  • Zur Bestimmung des Summenwerts können zum einen alle Ableitungswerte aufsummiert werden. Eine andere Möglichkeit besteht darin, nur die M größten Ableitungswerte zu bestimmen und zur Bestimmung des Summenwerts aufzusummieren. Dabei sollte M deutlich kleiner als die Anzahl der für das zu bewertende MR-Bild ermittelten Ableitungswerte sein. Beispielsweise könnte M einem Zehntel der ermittelten Ableitungswerte entsprechen.
  • Zur automatischen Bewertung der MR-Bilder anhand der Ableitungswerte können beispielsweise die Ableitungswerte für alle Zeilen (oder Spalten) der zu bewertenden MR-Bilder berechnet werden. Es ist aber auch möglich, die Ableitungswerte nur für bestimmte Zeilen bzw. Spalten der zu bewertenden MR-Bilder, beispielsweise für eine bestimmte Anzahl der Zeilen bzw. Spalten in der Mitte des jeweiligen MR-Bildes, zu bestimmen. Darüber hinaus können die Ableitungswerte (und damit die Summenwerte) auch nur für eine Zeile bzw. Spalte, beispielsweise für die Zeile bzw. Spalte in der Mitte des MR-Bildes, bestimmt werden.
  • Gemäß der vorab beschriebenen zweiten Ausführungsform erfolgt die automatische Bewertung der MR-Bilder anhand von Fourier-Koeffizienten. Dazu wird ausgehend von den Pixelwerten des zu bewertenden MR-Bildes, welche entlang einer vorbestimmten Richtung (z.B. der Ausleserichtung oder Phasenkodierrichtung) verlaufen, eine inverse diskrete Fourier-Transformation durchgeführt, um dadurch die Fourier-Koeffizienten zu erhalten. Abhängig von diesen Fourier-Koeffizienten wird ein Summenwert bestimmt. Unter den zu bewertenden MR-Bildern wird dasjenige MR-Bild als das artefaktfreieste MR-Bild bestimmt, bei welchem dieser Summenwert den kleinsten Wert aufweist.
  • Zur Bestimmung des Summenwerts können beispielsweise für alle Zeilen oder Spalten, für welche die Fourier-Koeffizienten bestimmt wurden, alle Fourier-Koeffizienten außer der sogenannten Hauptkeule aufsummiert werden. Dabei umfasst die Hauptkeule neben dem Koeffizienten mit dem größten Wert alle Koeffizienten bis einschließlich des ersten (relativen) Minimums. Bei zur Hauptkeule spiegelsymmetrischen Fourier-Koeffizienten umfasst die Hauptkeule neben dem Koeffizienten mit dem größten Wert alle Koeffizienten bis einschließlich der beiden ersten (relativen) zueinander spiegelsymmetrisch angeordneten Minima.
  • In ähnlicher Weise wie bei der ersten Ausführungsform ist es bei der zweiten Ausführungsform möglich, die Fourier-Koeffizienten nicht für alle Zeilen oder Spalten, sondern in der gleichen Weise wie bei der ersten Ausführungsform nur für bestimmte Zeilen oder Spalten oder auch nur für eine Zeile oder Spalte zu bestimmen. In diesem Fall wird der Summenwert auch nur abhängig von denjenigen Fourier-Koeffizienten berechnet, welche überhaupt für das zu bewertende MR-Bild bestimmt wurden bzw. in der entsprechenden Zeile oder Spalte liegen.
  • Wenn die Fourier-Koeffizienten beispielsweise durch eine inverse Fourier-Transformation ausgehend von Pixelwerten berechnet werden, entspricht die Anzahl der berechneten Fourier-Koeffizienten der Anzahl der Pixelwerte, aus denen die Fourier-Koeffizienten bestimmt wurden.
  • Die Fourier-Koeffizienten stehen für ein Maß an Energie, welches in dem jeweiligen MR-Bild vorhanden ist. Je weiter sich diese Energie in Fourier-Koeffizienten außerhalb der Hauptkeule manifestiert, umso mehr Artefakte weist das MR-Bild auf. Daher entspricht der vorab beschriebene Summenwert vorteilhafterweise einem Maß für den Umfang von Artefakten in dem zu bewertenden MR-Bild.
  • Gemäß der vorab beschriebenen dritten Ausführungsform erfolgt die Bewertung der MR-Bilder mit Hilfe einer Ähnlichkeitsanalyse. Dazu wird eine Bildregistrierung für jedes der zu bewertenden MR-Bilder mit einem Referenzbild durchgeführt, welches das Untersuchungsobjekt bzw. Phantom (möglichst) artefaktfrei abbildet. Anschließend wird eine Ähnlichkeitsanalyse zwischen dem jeweils zu bewertenden MR-Bild und diesem Referenzbild durchgeführt. Dasjenige unter den zu bewertenden MR-Bildern, welches laut der Ähnlichkeitsanalyse die größte Ähnlichkeit mit dem Referenzbild aufweist, wird als das artefaktfreieste MR-Bild bestimmt.
  • Die Bewertung der MR-Bilder mit Hilfe der Ähnlichkeitsanalyse kann beispielsweise mit einer Transinformation oder gegenseitigen Information (mutual information) erfolgen, welche die Stärke des statistischen Zusammenhangs zweier Zufallsgrößen angibt. Dabei können auch normalisierte Varianten der Transinformation oder gegenseitigen Information eingesetzt werden. Auch „differential search“-Algorithmen oder eine Partikelschwarmoptimierung können erfindungsgemäß bei der Ähnlichkeitsanalyse eingesetzt werden.
  • Die erfindungsgemäße Bewertung der MR-Bilder mit Hilfe der Ähnlichkeitsanalyse hängt vorteilhafterweise nicht von den Eigenschaften bestimmter Artefakttypen ab und kann daher vorteilhafterweise für jedes Kalibrierungsproblem eingesetzt werden.
  • Gemäß der vierten erfindungsgemäßen Ausführungsform erfolgt die automatische Bewertung mittels maschinellen Lernens. Dazu wird zur Bewertung der MR-Bilder beispielsweise ein klassischer Algorithmus zum maschinellen Lernen oder Tiefenlernen (deep learning) eingesetzt, welcher vorher anhand von optimalen (d.h. artefaktfreien) MR-Bildern und nicht optimalen (d.h. mit Artefakten versehenen) MR-Bildern trainiert wurde. Dieser Algorithmus oder dieses Vorgehen wird dann auf die zu bewertenden MR-Bilder angewendet, um unter diesen MR-Bildern das artefaktfreieste MR-Bild zu bestimmen.
  • Erfindungsgemäß können hierzu neuronale Netze, insbesondere so genannte Hopfield-Netze, eingesetzt werden, welche vorher anhand der optimalen und nicht optimalen MR-Bilder trainiert werden.
  • Im Rahmen der vorliegenden Erfindung wird auch eine Magnetresonanzanlage bereitgestellt, um damit automatisch Korrekturfaktorwerte zur Erstellung von MR-Bildern zu bestimmen. Dabei umfasst die Magnetresonanzanlage eine HF-Steuereinheit, eine Gradientensteuereinheit, eine Bildsequenzsteuerung und eine Recheneinheit. Die Magnetresonanzanlage ist ausgestaltet, um mit Hilfe der HF-Steuereinheit, der Gradientensteuereinheit, der Bildsequenzsteuerung und der Recheneinheit mehrere MR-Bilder zu erstellen. Zur Erstellung der MR-Bilder erfasst die Magnetresonanzanlage MR-Daten von demselben Untersuchungsobjekt bzw. Phantom unter denselben äußeren Randbedingungen. Dabei werden für jede Belegung der Parameter mit Parameterwerten mehrere MR-Bilder erstellt, wobei zur Datenerfassung für das jeweilige MR-Bild jeweils andere Korrekturfaktorwerte eingesetzt werden. Die Magnetresonanzanlage ist ausgestaltet, um die erstellten MR-Bilder bezüglich Artefakte zu bewerten, um anhand dieser Bewertung das MR-Bild mit den geringsten Artefakten unter den MR-Bildern zu bestimmen. Darüber hinaus ist die Magnetresonanzanlage ausgestaltet, um diejenigen Korrekturfaktorwerte, welche zur Erstellung des MR-Bildes mit den geringsten Artefakten eingesetzt wurden, als die zu bestimmenden Korrekturfaktorwerte für die jeweilige Parameterwert-Kombination zu bestimmen.
  • Die Vorteile der erfindungsgemäßen Magnetresonanzanlage entsprechen im Wesentlichen den Vorteilen des erfindungsgemäßen Verfahrens, welche vorab im Detail beschrieben worden sind, so dass hier auf eine Wiederholung verzichtet wird.
  • Des Weiteren beschreibt die vorliegende Erfindung ein Computerprogrammprodukt, insbesondere eine Software, welche man in einen Speicher einer programmierbaren Steuereinrichtung bzw. einer Recheneinheit einer Magnetresonanzanlage laden kann. Mit diesem Computerprogrammprodukt können alle oder verschiedene vorab beschriebene Ausführungsformen des erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogrammprodukt in der Steuereinrichtung läuft. Dabei benötigt das Computerprogrammprodukt eventuell Programmmittel, z.B. Bibliotheken und Hilfsfunktionen, um die entsprechenden Ausführungsformen des Verfahrens zu realisieren. Mit anderen Worten soll mit dem auf das Computerprogrammprodukt gerichteten Anspruch insbesondere eine Software unter Schutz gestellt werden, mit welcher eine der oben beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens ausgeführt werden kann bzw. welche diese Ausführungsform ausführt. Dabei kann es sich bei der Software um einen Quellcode (z.B. C++), der noch compiliert und gebunden oder der nur interpretiert werden muss, oder um einen ausführbaren Softwarecode handeln, der zur Ausführung nur noch in die entsprechende Recheneinheit bzw. Steuereinrichtung zu laden ist.
  • Schließlich offenbart die vorliegende Erfindung einen elektronisch lesbaren Datenträger, z.B. eine DVD, ein Magnetband, eine Festplatte oder einen USB-Stick, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software (vgl. oben), gespeichert ist. Wenn diese Steuerinformationen (Software) von dem Datenträger gelesen und in eine Steuereinrichtung bzw. Recheneinheit einer Magnetresonanzanlage gespeichert werden, können alle erfindungsgemäßen Ausführungsformen des vorab beschriebenen Verfahrens durchgeführt werden.
  • Mit der vorliegenden Erfindung können vorteilhafterweise Korrekturfaktorwerte für beliebige Sequenzen automatisch bestimmt werden. Dies umfasst sowohl beliebige Gradienten-Echo-Sequenzen wie auch beliebige Spin-Echo-Sequenzen und auch Sequenzen zur Einzelpunkterfassung. Wichtig ist dabei nur, dass die mit den Korrekturfaktoren auszuräumenden Einflüsse oder Eigenschaften nicht zufälliger Natur sind.
  • Im Folgenden wird die vorliegende Erfindung anhand erfindungsgemäßer Ausführungsformen mit Bezug zu den Figuren im Detail beschrieben.
    • 1 stellt eine erfindungsgemäße Magnetresonanzanlage dar.
    • 2 stellt im Rahmen einer erfindungsgemäßen Ausführungsform berechnete Fourier-Koeffizienten dar.
    • In 3 ist der Flussplan eines erfindungsgemäßen Vorgehens zur Bestimmung von Korrekturfaktorwerten abgebildet.
  • Mit Bezug zu 1 wird eine Magnetresonanzanlage 10 dargestellt, mit der, wie nachfolgend erläutert wird, erfindungsgemäß automatisch Korrekturfaktorwerte bestimmt werden. Die Magnetresonanzanlage 10 weist einen Magneten 11 zur Erzeugung eines Polarisationsfelds B0 auf, wobei eine auf einer Liege 12 angeordnete Untersuchungsperson 13 in den Magneten 11 gefahren wird, um dort ortskodierte Magnetresonanzsignale bzw. MR-Daten aus der Untersuchungsperson 13 aufzunehmen. Die zur Signalaufnahme verwendeten Spulen wie eine Ganzkörperspule oder Lokalspulen sind aus Übersichtlichkeitsgründen nicht dargestellt. Durch Einstrahlen von Hochfrequenzpulsen und Schalten von Magnetfeldgradienten kann die durch das Polarisationsfeld B0 erzeugte Magnetisierung aus der Gleichgewichtslage ausgelenkt und ortskodiert werden, und die sich ergebende Magnetisierung wird von den Empfangsspulen detektiert. Wie durch Einstrahlen der HF-Pulse und durch Schalten von Magnetfeldgradienten in verschiedenen Kombinationen und Reihenfolgen MR-Bilder erzeugt werden können, ist dem Fachmann grundsätzlich bekannt und wird hier nicht näher erläutert.
  • Die Magnetresonanzanlage 10 weist weiterhin eine Steuereinheit 20 auf, die zur Steuerung der Magnetresonanzanlage 10 verwendet werden kann. Die Steuerung 20 weist eine Gradientensteuereinheit 15 zur Steuerung und Schaltung der notwendigen Magnetfeldgradienten auf. Eine HF-Steuereinheit 14 ist für die Steuerung und Generierung der HF-Pulse zur Auslenkung der Magnetisierung vorgesehen. Eine Bildsequenzsteuerung 16 steuert die Abfolge der Magnetfeldgradienten und HF-Pulse und damit indirekt die Gradientensteuereinheit 15 und die HF-Steuereinheit 14. Über eine Eingabeeinheit 17 kann eine Bedienperson die Magnetresonanzanlage 10 steuern, und auf einer Anzeigeeinheit 18 können MR-Bilder und sonstige zur Steuerung notwendigen Informationen angezeigt werden. Eine Recheneinheit 19 mit mindestens einer Prozessoreinheit (nicht gezeigt) ist vorgesehen zur Steuerung der verschiedenen Einheiten in der Steuereinheit 20 und zur Durchführung von Rechenoperationen. Weiterhin ist eine Speichereinheit 21 vorgesehen, in der beispielsweise Programmmodule bzw. Programme abgespeichert sein können, die, wenn sie von der Recheneinheit 19 bzw. ihrer Prozessoreinheit ausgeführt werden, den Ablauf der Magnetresonanzanlage 10 steuern können. Die Recheneinheit 19 ist ausgebildet, um aus den erfassten MR-Signalen die MR-Bilder zu berechnen.
  • In 2 sind Fourier-Koeffizienten 1-4 dargestellt, welche mit einer inversen diskreten Fourier-Transformation ausgehend von 128 Pixelwerten in Ausleserichtung berechnet wurden. Man erkennt, dass sich der Fourier-Koeffizient 1 mit dem größten Wert in der Mitte befindet. Rechts und links (in kReadout-Richtung) neben diesem Fourier-Koeffizienten 1 befinden sich die Fourier-Koeffizienten 2, welche die beiden ersten relativen Minima darstellen. Weitere Fourier-Koeffizienten sind mit dem Bezugszeichen 4 gekennzeichnet. Mit den beiden mit dem Bezugszeichen 3 gekennzeichneten Ellipsen soll deutlich gemacht werden, dass die in 2 dargestellten Fourier-Koeffizienten spiegelsymmetrisch zur Lage des Fourier-Koeffizienten 1 sind.
  • Zur erfindungsgemäßen Bestimmung eines Summenwerts der in 2 dargestellten Fourier-Koeffizienten werden die Fourier-Koeffizienten der Hauptkeule eliminiert. Zu diesen Fourier-Koeffizienten der Hauptkeule gehören der Fourier-Koeffizient 1 mit dem größten Wert in der Mitte, die beiden Fourier-Koeffizienten 2, welche den beiden ersten relativen Minima entsprechen, und die zwischen diesen beiden Fourier-Koeffizienten 2 liegenden Fourier-Koeffizienten. Zur erfindungsgemäßen Bestimmung des Summenwerts werden die restlichen Fourier-Koeffizienten (d.h. alle Fourier-Koeffizienten außer den Fourier-Koeffizienten der Hauptkeule) bezüglich ihres Amplitudenwert 5 aufsummiert.
  • In 3 ist der Flussplan eines erfindungsgemäßen Verfahrens zum automatischen Bestimmen von Korrekturfaktorwerten dargestellt.
  • Im Schritt S1 werden für eine Menge von Parametern pro Parameter ein Minimum und ein Maximum bestimmt oder vorgegeben. In ähnlicher Weise werden im Schritt S2 für eine Menge von Korrekturfaktoren pro Korrekturfaktor ein Minimum und ein Maximum bestimmt oder vorgegeben. Es sei explizit darauf hingewiesen, dass sowohl die Menge der Parameter als auch die Menge der Korrekturfaktoren auch nur einen Parameter bzw. einen Korrekturfaktor umfassen kann.
  • Der Schritt S3 wird nun für alle möglichen Kombinationen von Parameterwerten durchlaufen. Angenommen es existieren n Parameter und für jeden Parameter existieren gemäß einem vereinfachten Beispiel m Parameterwerte vom entsprechenden Minimum bis zum entsprechenden Maximum, dann existieren mn Parameterwert-Kombinationen. Es existieren allerdings in der Regel unterschiedlich viele mögliche Parameterwerte für zwei Parameter. Darüber hinaus ist es erfindungsgemäß auch möglich, dass die Menge der Parameterwert-Kombinationen, für die jeweils die Korrekturfaktorwerte zu bestimmen sind, anderweitig vorgegeben wird, ohne dass pro Parameter ein Minimum und Maximum vorgegeben wird.
  • In dem Schritt S3 werden für jede Parameterwert-Kombination mehrere MR-Bilder erstellt, wobei jedes dieser MR-Bilder mit einer anderen Korrekturfaktorwert-Kombination erstellt wird. Mit anderen Worten werden für jede Parameterwert-Kombination mehrfach MR-Daten desselben Phantoms erfasst, wobei jeweils eine andere Korrekturfaktorwert-Kombination eingesetzt wird. Abhängig von den erfassten MR-Daten werden MR-Bilder rekonstruiert, so dass für die jeweilige Parameterwert-Kombination mehrere MR-Bilder erstellt werden.
  • Im Schritt S4 werden die MR-Bilder automatisch bewertet, um aus der Menge der für die jeweilige Parameterwert-Kombination erstellten MR-Bilder automatisch dasjenige MR-Bild ausfindig zu machen, dass die wenigsten Artefakte aufweist. Anhand dieses artefaktfreiesten MR-Bildes werden dann im Schritt S5 die optimalen Korrekturfaktorwerte für die jeweilige Parameterwert-Kombination bestimmt. Diese optimalen Korrekturfaktorwerte entsprechen denjenigen Korrekturfaktorwerten, welche für die jeweilige Parameterwert-Kombination bei der Erfassung der MR-Daten eingesetzt wurden, aus denen dann dasjenige MR-Bild rekonstruiert wurde, welches als das artefaktfreieste MR-Bild eingeschätzt wurde.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 9482731 B2 [0002]
    • US 9395429 B2 [0002]

Claims (12)

  1. Verfahren zum automatischen Bestimmen von Korrekturfaktorwerten zur Erstellung von MR-Bildern mittels einer Magnetresonanzanlage (10), wobei das Verfahren folgende Schritte umfasst: Erstellen mehrerer MR-Bilder, wobei jedes MR-Bild mit einer Verwendung von Parametern mit Parameterwerten und mit einer Verwendung von Korrekturfaktoren mit Korrekturfaktorwerten erstellt wird, wobei MR-Daten zur Erstellung der MR-Bilder von demselben Untersuchungsobjekt unter denselben äußeren Randbedingungen erfasst werden, automatisches Bewerten der MR-Bilder in Bezug auf Artefakte im jeweiligen MR-Bild, um das MR-Bild mit den geringsten Artefakten unter den MR-Bildern zu bestimmen, und Bestimmen der Korrekturfaktorwerte als diejenigen Korrekturfaktorwerte, welche zur Erstellung des MR-Bildes mit den geringsten Artefakten eingesetzt wurden, wobei die Parameter eine Sequenz bestimmen, mit welcher die MR-Daten zur Erstellung der MR-Bilder erfasst werden, wobei die Korrekturfaktoren Einflüsse, welche das Erfassen der MR-Daten beeinflussen, verringern.
  2. Verfahren nach Anspruch 1 dadurch gekennzeichnet, dass das automatische Bewerten umfasst: Berechnen der ersten Ableitung von Pixelwerten, welche entlang einer vorbestimmten Richtung in dem jeweils zu bewertenden MR-Bild vorhanden sind, Bestimmen eines Summenwertes abhängig von den berechneten Ableitungswerten, und Bestimmen desjenigen der MR-Bilder als das MR-Bild mit den geringsten Artefakten, bei welchem der Summenwert am kleinsten ist.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Summenwert als Summe aller Ableitungswerte bestimmt wird.
  4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Summenwert als Summe der M größten Ableitungswerte innerhalb der berechneten Ableitungswerte bestimmt wird, wobei M eine vorbestimmte natürliche Zahl ist.
  5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das automatische Bewerten umfasst: Ausführen einer inversen diskreten Fourier-Transformation für Pixelwerte, welche entlang einer vorbestimmten Richtung in dem jeweils zu bewertenden MR-Bild vorhanden sind, um Fourier-Koeffizienten (1-4) zu erhalten, Bestimmen eines Summenwertes abhängig von den Fourier-Koeffizienten (1-4), und Bestimmen desjenigen der MR-Bilder als das MR-Bild mit den geringsten Artefakten, bei welchem der Summenwert am kleinsten ist.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der Summenwert als Summe aller Fourier-Koeffizienten außer der Hauptkeule der Fourier-Koeffizienten (1-4) bestimmt wird.
  7. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das automatische Bewerten umfasst: Durchführen einer Bildregistrierung für jedes der MR-Bilder mit einem Referenzbild, Durchführen einer Ähnlichkeitsanalyse zwischen dem jeweils zu bewertenden MR-Bild und dem Referenzbild, und Bestimmen desjenigen der MR-Bilder als das MR-Bild mit den geringsten Artefakten, bei welchem die Ähnlichkeitsanalyse die größte Ähnlichkeit mit dem Referenzbild bestimmt hat.
  8. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das automatische Bewerten umfasst: Einsetzen eines Vorgehens, welches mittels maschinellen Lernens anhand von optimalen und nicht optimalen MR-Bildern trainiert wurde, um anhand des Vorgehens das MR-Bild mit den geringsten Artefakten der MR-Bilder zu bestimmen.
  9. Magnetresonanzanlage (10) zum automatischen Bestimmen von Korrekturfaktorwerten zur Erstellung von MR-Bildern, wobei die Magnetresonanzanlage (10) eine HF-Steuereinheit (14), eine Gradientensteuereinheit (15), eine Bildsequenzsteuerung (16) und eine Recheneinheit (19) umfasst, und wobei die Magnetresonanzanlage (10) derart ausgestaltet ist, um mittels der HF-Steuereinheit (14), der Gradientensteuereinheit (15), der Bildsequenzsteuerung (16) und der Recheneinheit (19) mehrere MR-Bilder zu erstellen, wobei die Magnetresonanzanlage (10) jedes MR-Bild mit einer Verwendung von Parametern mit Parameterwerten und mit einer Verwendung von Korrekturfaktoren mit Korrekturfaktorwerten erstellt, wobei die Magnetresonanzanlage (10) MR-Daten zur Erstellung der MR-Bilder von demselben Untersuchungsobjekt unter denselben äußeren Randbedingungen erfasst, wobei die Magnetresonanzanlage (10) ausgestaltet ist, um die MR-Bilder in Bezug auf Artefakte im jeweiligen MR-Bild zu bewerten, um das MR-Bild mit den geringsten Artefakten unter den MR-Bildern zu bestimmen, und wobei die Magnetresonanzanlage (10) ausgestaltet ist, um die Korrekturfaktorwerte als diejenigen Korrekturfaktorwerte zu bestimmen, welche zur Erstellung des MR-Bildes mit den geringsten Artefakten eingesetzt wurden, wobei die Parameter eine Sequenz bestimmen, mit welcher die MR-Daten zur Erstellung der MR-Bilder erfasst werden, wobei die Korrekturfaktoren Einflüsse, welche das Erfassen der MR-Daten beeinflussen, verringern.
  10. Magnetresonanzanlage nach Anspruch 9, dadurch gekennzeichnet, dass die Magnetresonanzanlage (10) zur Durchführung des Verfahrens nach einem der Ansprüche 1-8 ausgestaltet ist.
  11. Computerprogrammprodukt, welches ein Programm umfasst und direkt in einen Speicher einer programmierbaren Steuereinrichtung (20) einer Magnetresonanzanlage (5) ladbar ist, mit Programm-Mitteln, um alle Schritte des Verfahrens nach einem der Ansprüche 1-8 auszuführen, wenn das Programm in der Steuereinrichtung (20) der Magnetresonanzanlage (5) ausgeführt wird.
  12. Elektronisch lesbarer Datenträger mit darauf gespeicherten elektronisch lesbaren Steuerinformationen, welche derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers (21) in einer Steuereinrichtung (20) einer Magnetresonanzanlage (10) das Verfahren nach einem der Ansprüche 1-8 durchführen.
DE102017222359.6A 2017-12-11 2017-12-11 Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage Active DE102017222359B4 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102017222359.6A DE102017222359B4 (de) 2017-12-11 2017-12-11 Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage
US16/208,871 US11016158B2 (en) 2017-12-11 2018-12-04 Automatic determination of correction factors for a magnetic resonance system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102017222359.6A DE102017222359B4 (de) 2017-12-11 2017-12-11 Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage

Publications (2)

Publication Number Publication Date
DE102017222359A1 true DE102017222359A1 (de) 2019-06-13
DE102017222359B4 DE102017222359B4 (de) 2021-01-28

Family

ID=66629572

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017222359.6A Active DE102017222359B4 (de) 2017-12-11 2017-12-11 Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage

Country Status (2)

Country Link
US (1) US11016158B2 (de)
DE (1) DE102017222359B4 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020205382A1 (de) 2020-04-29 2021-11-04 Siemens Healthcare Gmbh Korrigieren von Fehlanpassungen bei Magnetresonanzmessungen
CN113970715A (zh) * 2020-07-24 2022-01-25 西门子医疗有限公司 借助于磁共振设备记录测量数据的方法和磁共振设备
US11604240B2 (en) 2020-07-24 2023-03-14 Siemens Healthcare Gmbh Method for recording measurement data using a magnetic resonance system with a correction of k-space trajectories

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017222359B4 (de) * 2017-12-11 2021-01-28 Siemens Healthcare Gmbh Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage
EP3680680A1 (de) 2019-01-11 2020-07-15 Siemens Healthcare GmbH Verfahren zum erhalt eines optimierten betriebsparameters, speichermedium und magnetresonanzgerät
EP3702798B1 (de) 2019-02-28 2023-05-31 Siemens Healthcare GmbH Verfahren zur gewinnung eines korrekturfaktors, speichermedium und magnetresonanzvorrichtung
DE102019205589B3 (de) * 2019-04-17 2020-09-24 Siemens Healthcare Gmbh Automatische Bestimmung eines Korrekturfaktors zur Erzeugung von Magnetresonanzbildern, Magnetresonanzanlage und Computer-programmprodukt
DE102019214359A1 (de) * 2019-09-20 2021-03-25 Siemens Healthcare Gmbh Verfahren zu einer adaptiven Ansteuerung eines Magnetresonanzgerätes

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9395429B2 (en) 2012-10-10 2016-07-19 Siemens Aktiengesellschaft Method and magnetic resonance device for image acquisition
US9482731B2 (en) 2012-07-23 2016-11-01 Siemens Aktiengesellschaft Dynamic adjustment of gradient rise times for MR HF pulse sequences

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010013605B4 (de) 2010-03-31 2013-03-14 Siemens Aktiengesellschaft Reduktion von Verzerrungen in der MR-Diffusionsbildgebung
DE102010035539B4 (de) * 2010-08-26 2012-04-05 Siemens Aktiengesellschaft Verfahren zur Kompensation von Wirbelstromfeldern in Magnetresonanzaufnahmen und Magnetresonanzeinrichtung
CN102958434B (zh) * 2011-06-13 2015-08-19 株式会社东芝 磁共振成像装置及其控制装置
US10185012B2 (en) * 2016-07-14 2019-01-22 Shanghai United Imaging Healthcare Co., Ltd. System and method for magnetic resonance imaging
WO2018098213A1 (en) * 2016-11-23 2018-05-31 Wake Forest University Health Sciences Medical image analysis using mechanical deformation information
EP3364207A1 (de) * 2017-02-17 2018-08-22 Koninklijke Philips N.V. Korrektur von phasenfehlern für bipolare auslesegradienten
DE102017222359B4 (de) * 2017-12-11 2021-01-28 Siemens Healthcare Gmbh Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage
US10830855B2 (en) * 2018-03-28 2020-11-10 University Of Virginia Patent Foundation Free-breathing cine DENSE imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9482731B2 (en) 2012-07-23 2016-11-01 Siemens Aktiengesellschaft Dynamic adjustment of gradient rise times for MR HF pulse sequences
US9395429B2 (en) 2012-10-10 2016-07-19 Siemens Aktiengesellschaft Method and magnetic resonance device for image acquisition

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020205382A1 (de) 2020-04-29 2021-11-04 Siemens Healthcare Gmbh Korrigieren von Fehlanpassungen bei Magnetresonanzmessungen
CN113970715A (zh) * 2020-07-24 2022-01-25 西门子医疗有限公司 借助于磁共振设备记录测量数据的方法和磁共振设备
DE102020209382A1 (de) 2020-07-24 2022-01-27 Siemens Healthcare Gmbh Verfahren zur Aufnahme von Messdaten mittels einer Magnetresonanzanlage mit einer Korrektur der verwendeten k-Raumtrajektorien
US11604240B2 (en) 2020-07-24 2023-03-14 Siemens Healthcare Gmbh Method for recording measurement data using a magnetic resonance system with a correction of k-space trajectories
US11624793B2 (en) 2020-07-24 2023-04-11 Siemens Healthcare Gmbh Method for acquiring measurement data using a magnetic resonance system with correction of k-space trajectories

Also Published As

Publication number Publication date
US11016158B2 (en) 2021-05-25
US20190178965A1 (en) 2019-06-13
DE102017222359B4 (de) 2021-01-28

Similar Documents

Publication Publication Date Title
DE102017222359B4 (de) Automatische Bestimmung von Korrekturfaktoren für eine Magnetresonanzanlage
DE102013205785B4 (de) Ermittlung einer Magnetresonanzsystem-Ansteuersequenz auf Basis einer reduzierten Anzahl an Feldverteilungskarten
DE102013217651B4 (de) Mehrpunkt Dixon-Technik
DE102010061977B4 (de) Verfahren und Vorrichtung zur Ergänzung mit partiell parallelen Aufnahmeverfahren aufgenommen Magnetresonanz-Daten
EP3296757A1 (de) Artefaktarme magnetresonanz-fingerprinting-messung
DE102010001577A1 (de) Verfahren zur Reduktion von Verzerrungen in der Diffusionsbildgebung und Magnetresonanzanlage
DE102014206395B4 (de) Aufnahme und iterative Rekonstruktion einer Parameterkarte eines Zielbereichs
DE102013217650B4 (de) Zwei-Punkt Dixon-Technik
DE102009039772A1 (de) Verfahren zur Korrektur von Verzerrungen in Bilddaten und Magnetresonanzanlage
DE102010041212A1 (de) Kompensation von Echozeit-unabhangigel Phasen- oder Magnitudenanteilen in aufgenommenen MR-Bilddaten
DE102011083406A1 (de) Verfahren zur Auswahl eines Unterabtastungsschemas für eine MR-Bildgebung, Verfahren zur Magnetresonanz-Bildgebung und Magnetresonanzanlage
DE102013108467A1 (de) Segment-Akquisition mit mehrfacher Anregung zur Bewegungskorrektur in der Magnetresonanztomographie
DE102013201814A1 (de) Verfahren zur Magnetresonanz-Bildgebung und Magnetresonanz-Anlage
DE102019206827A1 (de) Magnetresonanz-Fingerprinting-Verfahren
EP3299836A1 (de) Lokale korrektur von gradienten-nichtlinearitäten in der diffusionsgewichteten mrt
DE102018115409A1 (de) Verfahren zum Korrigieren von Gradientenungleichförmigkeit in Gradienten-bewegungsempfindlichenBildgebungsanwendungen
DE102018209584A1 (de) Magnetresonanz-Fingerprinting-Verfahren
DE102013217336B3 (de) Phasenkontrast-MR-Bildgebung mit Geschwindigkeitskodierung
DE102016224175A1 (de) EPI mit Zickzack-Trajektorie und paralleler Bildgebung
DE102016200629A1 (de) Verfahren zur Magnetresonanz-Bildgebung
DE102012209955B4 (de) Test eines Reordering-Algorithmus einer Spinecho-Magnetresonanzpulssequenz
EP3336572B1 (de) Bestimmung von diffusionsparametern mittels eines vergleichs von magnetresonanzmessungen mit berechneten datensätzen
EP3290940B1 (de) Iterative rekonstruktion von quantitativen mr-bildern
EP3828576A1 (de) Verfahren zur erzeugung wenigstens eines bilddatensatzes und eines referenzbilddatensatzes, datenträger, computerprogrammprodukt sowie magnetresonanzanlage
DE102014222495A1 (de) Korrektur von Magnetresonanz-Bildaufnahmen mit Hilfe konvertierter Feldkarten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHINEERS AG, DE

Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE