RU2626025C2 - Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности - Google Patents

Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности Download PDF

Info

Publication number
RU2626025C2
RU2626025C2 RU2015104982A RU2015104982A RU2626025C2 RU 2626025 C2 RU2626025 C2 RU 2626025C2 RU 2015104982 A RU2015104982 A RU 2015104982A RU 2015104982 A RU2015104982 A RU 2015104982A RU 2626025 C2 RU2626025 C2 RU 2626025C2
Authority
RU
Russia
Prior art keywords
contrast
magnetic resonance
type
quantification
sequence
Prior art date
Application number
RU2015104982A
Other languages
English (en)
Other versions
RU2015104982A (ru
Inventor
Жюльен СЕНЕГАС
Петер КОКЕН
Original Assignee
Конинклейке Филипс Н.В.
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 Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2015104982A publication Critical patent/RU2015104982A/ru
Application granted granted Critical
Publication of RU2626025C2 publication Critical patent/RU2626025C2/ru

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • 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
    • G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • 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
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse

Landscapes

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

Abstract

Использование: для получения магнитно-резонансного изображения. Сущность изобретения заключается в том, что последовательность для получения магнитно-резонансного изображения определяется протоколом получения изображения и значениями параметров для набора параметров протокола получения изображения. Количественная оценка сигнала контрастности вычисляется для последовательности для получения магнитно-резонансного изображения, соответствующей типу контрастности, для которого должна определяться количественная оценка, используя уравнение количественной оценки. Тип контрастности определяется для последовательности для получения магнитно-резонансного изображения, основываясь на вычисленной количественной оценке сигнала контрастности. При одном из подходов вычисление повторяется для множества различных типов контрастности, для которых должна определяться количественная оценка, и определение основано на вычисленных количественных оценках сигнала контрастности. Технический результат: повышение степени контрастности изображения. 2 н. и 13 з.п. ф-лы, 6 ил.

Description

Нижеследующее относится к области магнитного резонанса, области получения изображения посредством магнитного резонанса, области получения медицинских изображений, области планирования сеансов получения изображений, области архивирования изображений, области разработки протоколов получения изображений и т.д.
При получении магнитно-резонансных (MR) изображений радиолог или другой оператор выбирает протокол получения изображения, который определяет структуру последовательности, например, количество и расположение радиочастот (RF) и импульсов градиента магнитного поля, операции считывания и т.д. Протокол получения изображения обычно разрабатывается, чтобы обеспечить конкретный тип контрастности, например, контрастность T1, контрастность T2, контрастность T2*, диффузионная взвешенная контрастность и т.д. В случае контрастности T1, T2 или T2*, получение изображения обеспечивает контрастность для различий времен релаксации T1, T2 или T2* (соответственно) ткани или другого отображаемого вещества. Параметры протокола, такие как время до эха (TE), период повторения последовательности (TR), угол поворота спинов при возбуждении (FA) и т.д., влияют на силу контрастности T1, T2 или T2*. Для других типов контрастности протокол содержит подготовительные или управляемые магнитно-резонансные радиочастотные импульсы и/или градиенты магнитного поля, которые прикладываются для формирования желаемой контрастности. Например, при получении изображения с диффузионной взвешенной контрастностью протокол разрабатывается таким образом, чтобы обеспечивать контрастность, основываясь на локальных молекулярных диффузионных характеристиках.
Конкретный протокол имеет набор параметров (например, TE, TR, FA, параметры, определяющие подготовительный импульс и т.д.). В различных протоколах параметры могут иметь различные представления. Например, в протоколе получения изображения с множеством срезов, который получает набор срезов в ответ на последовательные радиочастотные возбуждения, может быть определено количество срезов и затем вычисляется значение TR, которое должно быть как можно меньшим (например, чтобы облегчить быстрое получение изображения). В этом случае регулировка количества срезов влияет на значение TR. В таком случае радиолог может увеличивать или уменьшать количество срезов, чтобы регулировать разрешающую способность изображения в направлении, поперечном срезам, или увеличивать общий объем получения изображения. При этом радиолог может быть неспособен понять, что одновременно регулируется значение параметра TR.
В клинической практике радиолог обычно имеет в наличии библиотеку протоколов, подготовленных для различных типов контрастности и для различных типов ткани. Каждый протокол обычно содержит набор значений параметров по умолчанию, например, TE по умолчанию, TR, FA и так далее. Радиолог не ограничивается этими значениями параметра по умолчанию и вместо этого имеет возможность регулировать некоторые или все значения параметров, чтобы оптимизировать протокол для конкретного пациента, для конкретной ситуации получения изображения или для приспосабливания к персональным предпочтениям радиолога или врача, заказывающего MR-исследование.
Регулировка параметров протокола требует квалифицированного обучения и MR-оператор обычно является обученным радиологом или как-либо иначе квалифицированным лицом. Радиолог может делать ссылки на рекомендации из литературы по MR, опубликованное руководство пользователя для MR-сканера, форумы пользователей по рентгенологии, проводимые в Интернете и так далее. На практике, однако, радиолог имеет спланированное временное окно, в котором должен проводиться сеанс получения изображения, и обычно может полагаться на собственный опыт регулирований параметров протокола. Может случиться, что совсем небольшие изменения параметров оказывают нежелательное влияние на результирующую контрастность изображения. Например, как уже замечалось, регулирование количества срезов в протоколе получения изображения с множеством срезов может оказывать скрытое влияние на значение TR, которое, в свою очередь, может влиять на контрастность.
Подобные проблемы могут возникать, если протокол по умолчанию неправильно маркирован в библиотеке протоколов. Это может произойти из-за ошибки или потому что разные медицинские профессионалы могут иметь разные мнения в отношении того, что создает данный тип контрастности. На практике, данное MR-изображение может демонстрировать смесь различных типов контрастности, например, преобладающая контрастность T2, но также с некоторой контрастностью T1, и разные люди могут иметь разные взгляды в отношении того, демонстрирует ли данное изображение "соответствующую" контрастность T2.
Изображения с неправильной контрастностью или с сильно ухудшенной контрастностью или со смешением контрастностей, могут обладать небольшой клинической ценностью. MR-изображения могут неправильно интерпретироваться или все MR-исследование, возможно, должно быть сделано заново, что неудобно для пациента, дорого и может вести к задержке лечения.
Эти проблемы могут распространяться на обработку изображений после получения или анализ. Например, служба архивирования и передачи изображений (Picture Archiving and Communications Service, PACS) обычно используется для архивирования медицинских изображений, например, хранящихся в соответствии со стандартом получения и передачи цифровых изображений в медицине (Digital Imaging and Communication in Medicine, DICOM). MR-изображения пациента могут сравниваться с изображениями, хранящимися в PACS, чтобы идентифицировать подобные случаи. Хотя такие сравнения могут быть полезны с медицинской точки зрения, проверка правильности сравнения может вызывать сомнения, если контрастность изображения в архивном изображении и изображении пациента различается. Вероятность такого различия увеличивается, если PACS архивирует изображения, полученные из многочисленных медицинских учреждений или различных лабораторий, получающих изображения, использующие различные стандарты контрастности.
Далее рассматриваются улучшенные устройства и способы, преодолевающие упомянутые выше ограничения и прочее.
В соответствии с одним из вариантов, на постоянном носителе данных хранятся команды, исполняющие программу с помощью электронного устройства обработки данных, чтобы выполнить способ, содержащий этапы, на которых: идентифицируют последовательность для получения магнитно-резонансного изображения, определяемую протоколом получения изображения и значениями параметров для набора параметров протокола получения изображения; вычисляют количественную оценку контрастности сигнала последовательности для получения магнитно-резонансного изображения, соответствующую типу контрастности, который должен быть оценен количественно, используя уравнение количественной оценки; и определяют тип контрастности для последовательности для получения магнитно-резонансного изображения, основываясь на вычисленной количественной оценке контрастности сигнала. При одном подходе вычисления повторяются для множества различных типов контрастности, для которых определяется количественная оценка, и определяют количественную оценку сигнала контрастности на основе вычисленной количественной оценки сигнала контрастности.
В соответствии с другим вариантом, устройство содержит постоянный носитель данных, как указано в предшествующем абзаце, и электронное устройство обработки данных, выполненное с возможностью считывания и исполнения команд, хранящихся на постоянном носителе данных.
В соответствии с другим вариантом, способ содержит этапы, на которых: идентифицируют последовательность для получения магнитно-резонансного изображения, определенную протоколом получения изображения и значениями параметров набора параметров протокола получения изображения; вычисляют количественную оценку сигнала контрастности для последовательности для получения магнитно-резонансного изображения, соответствующей типу контрастности, для которого определяется количественная оценка, используя уравнение количественной оценки; и определяют тип контрастности для последовательности для получения магнитно-резонансного изображения, основываясь на вычисленной количественной оценке сигнала контрастности. При одном из подходов вычисления повторяются для множества различных типов контрастности, для которых делается количественная оценка. Вычисления и определение выполняются электронным устройством обработки данных.
Одно из преимуществ заключается в обеспечении обратной связи в реальном времени, влияющей на регулировки параметров протокола для ожидаемой контрастности изображения.
Другое преимущество заключается в обеспечении принципиального подхода к маркировке протоколов магнитно-резонансной темографии и архивированных MR-изображений, как имеющих отношение к типу контрастности изображения.
Многочисленные дополнительные преимущества и выгоды станут очевидны для специалистов в данной области техники после прочтения последующего подробного описания.
Изобретение может принимать форму различных компонент и расположений компонент и различных технологических операций и расположений технологических операций. Чертежи служат только для целей иллюстрирования предпочтительных вариантов осуществления и не должны рассматриваться как ограничение изобретения.
Фиг. 1 - система получения и архивирования магнитно-резонансных (MR) изображений.
Фиг. 2 - модуль оценки силы контрастности системы, показанной на фиг. 1.
Фиг. 3 - модуль оценки контрастности для последовательности MRT-сканера/интерфейса пользователя системы, показанной на фиг. 1.
Фиг. 4 - иллюстративная карта типов контрастности для пространства параметров ТЕ-TR в случае получения изображения серого вещества мозга с помощью последовательности спиновых эха (SE).
Фиг. 5 - предполагаемое предупреждающее сообщение, отображаемое, когда модуль оценки контрастности для последовательности обнаруживает, что отрегулированная последовательность получения изображения, вероятно, должна создавать изображение с неправильным типом контрастности.
Фиг. 6 - графики типа контрастности, оцененные, используя раскрытый здесь подход для существующих протоколов, с маркером каждого протокола, помеченным указанием типа контрастности протокола согласно маркировке.
Как показано на фиг. 1, магнитно-резонансный (MR) сканер 10 управляется радиологом или другим пользователем через интерфейс 12 пользователя MR-сканера, например, должным образом реализованный иллюстративным компьютером 14 или другим электронным устройством обработки данных с аппаратурным обеспечением, взаимодействующим с пользователем (например, жидкокристаллический дисплей или дисплей другого типа, клавиатура, мышь и/или другое устройство(-а) ввода данных пользователем и т.п.). MR-сканер 10 может быть любым коммерческим MR-сканером, таким как Achieva™, Ingenia™, Intera™ или Panorama™, поставляемым компанией Koninklijke Philips Electronics N.V., Эйндховен, Нидерланды, или коммерческим MR-сканером от другого поставщика. Альтернативно, MR-сканер 10 может быть изготовлен по заказу или быть модифицированным MR-сканером.
Для выполнения сбора данных изображения пациент или другой человек загружается в MR-сканер 10. Предварительно могут быть выполнена различные операции, такие как фиксация пациента, загрузка локальных MR-катушек и так далее. Хотя описывается получение изображения человека, предполагается также получение изображения ветеринарных объектов (например, собаки или кошки) или мумии, трупа или другого умершего человека или подопытного животного или неодушевленного предмета.
Радиолог или другой пользователь выбирает протокол получения изображения из библиотеки 16 протоколов. Протокол выбирается на основе таких соображений, как тип контрастности изображения, которая требуется (например, контрастность T1, контрастность T2, контрастность T2*, диффузионная взвешенная контрастность и так далее), тип ткани, который должен отображаться (например, получение мозгового изображения, получение кардиального изображения и так далее), размер и размерности интересующего объема при получении изображения и т.д. Пользователь также выбирает значения параметров для параметров выбранного протокола. Параметры протокола могут, например, содержать одно или более из следующего: время до эха (TE), период повторения (TR), угол поворота спинов (FA) при возбуждении, параметры, определяющие подготовительный радиочастотный (RF) импульс или импульс градиента магнитного поля или набор таких подготовительных импульсов и так далее. В некоторых вариантах осуществления параметры протокола могут также содержать параметры реконструкции изображения, такие как алгоритм реконструкции, разрешающая способность, параметры фильтрации и т.д.
Протокол получения изображения с конкретным набором параметров, как он используется здесь, упоминается здесь как последовательность для получения изображения. Библиотека 16 протоколов может хранить значения параметров по умолчанию для выбранного протокола и выбранный протокол со значениями параметров по умолчанию упоминается здесь как последовательность для получения изображения по умолчанию. Пользователь может захотеть выполнить получение изображения, используя значения параметров по умолчанию, или может захотеть отрегулировать значение одного или более параметров. Кроме того, хотя обычно выбранный протокол содержит параметры по умолчанию из библиотеки 16, для протокола также предусматривается возможность не пользоваться значениями по умолчанию и при этом пользователь будут выбирать все значения параметров.
Таким образом получают последовательность для получения изображения, содержащую протокол со значениями параметров, выбранных пользователем (где "выбранных" содержит возможность сохранения значения параметра по умолчанию). Пользователь командует MR-сканером 10 через интерфейс 12 MR-пользователя, чтобы выполнять последовательность для получения изображения, заставляющую MR-сканер 10 выполнять последовательность для получения изображения и получать данные получаемого MR-изображения. В некоторых вариантах осуществления протокол получения изображения считается содержащим в себе процесс реконструкции изображения, в котором исполнение последовательности для получения изображения также содержит в себе реконструкцию данных получаемого MR-изображения в соответствии с выбранными значениями параметров реконструкции, чтобы сформировать одно или более реконструированных MR-изображений. (В других предполагаемых вариантах осуществления протокол получения изображения не считается содержащим в себе процесс реконструкции, и в этом случае данные получаемого MR-изображения получают в соответствии с последовательностью для получения изображения и данные получаемого MR-изображения реконструируются, чтобы создать одно или более реконструированных MR-изображений - но в этих вариантах осуществления процесс реконструкции не соответствует параметрам протокола получения изображения).
Одно или более реконструированных изображений могут использоваться по-разному. Например, изображения могут просматриваться на дисплее компьютера 14, печататься, используя соответствующий механизма графической маркировки, и/или сохраняться в службе 20 архивирования и передачи картинки (Picture Archiving and Communications Service, PACS), например, храниться в соответствии со стандартом получения и передачи цифрового изображения (Digital Imaging and Communication in Medicine, DICOM). PACS 20 должным образом реализуется сервером 22 или другим электронным устройством обработки данных. В некоторых вариантах осуществления (не показаны) PACS может реализовываться тем же самым компьютером, который реализует интерфейс пользователя MR-сканера. Кроме того, PACS 20 может принимать и архивировать изображения, полученные от других (то есть, "внешних") источников 24 изображения, например, от других MR-лабораторий или других больниц.
Продолжая ссылку на фиг. 1, система дополнительно содержит модуль 30 оценки силы контрастности, выполненный с возможностью аналитического вычисления количественной оценки сигнала контрастности для последовательности получения MR-изображения. Модуль 30 оценки силы контрастности соответственно вычисляет количественную оценку сигнала контрастности для последовательности для получения MR-изображения, соответствующей типу контрастности, для которого должна делаться количественная оценка (например, взвешенная контрастность T1, взвешенная контрастность T2, взвешенная контрастность T2*, диффузионная взвешенная контрастность и т.д.), используя уравнение количественной оценки. Вычисление основано на физике MR-явлений, а не на эмпирических измерениях объекта. В ее общей форме контрастность изображения имеет место за счет изменения измеренного MR-сигнала, благодаря (обычно относительно малому) изменению характеристики, которая изменяется в пределах отображаемой области. В случае получения изображения взвешенной T1, контрастность имеет место благодаря относительно небольшим различиям во времени релаксации T1 различных тканей (например, воды относительно жира, относительно кости и т.д.). Точно также, взвешенное получение изображение Т2 показывает контрастность для различий во времени релаксации T2 различных типов ткани. В случае диффузионного взвешенного получения изображения контрастность имеет место благодаря относительно небольшим различиям в MR-сигнале из-за локальных вариаций молекулярной диффузии. С этой точки зрения, уравнение количественной оценки должным образом содержит частную производную
Figure 00000001
, где p означает ожидаемое значение характеристики, создающей контрастность, которая должна быть количественно оценена, и S(p) обозначает сигнал, сформированный последовательностью получения магнитно-резонансного изображения для вещества, имеющего ожидаемое значение p для характеристики, создающей контрастность, которая должна быть количественно оценена. Говоря иначе, S(p) обозначает сигнал, сформированный последовательностью для получения магнитно-резонансного изображения, как функции характеристики p, изменение которой вызывает тип контрастности, который должен быть количественно оценен. В случае количественной оценки взвешенной контрастности T1, например, характеристика p, изменение которой создает контрастность T1, является временем релаксации T1 различных отображаемых тканей. В случае количественной оценки взвешенной контрастности T2, характеристика p, изменение которой вызывает контрастность T2, является временем релаксации T2 различных отображаемых тканей. Характеристика p, изменение которой вызывает тип контрастности, который должен оцениваться количественно, не должна быть характеристикой ткани. Например, в случае магнитно-резонансной ангиографии (MRA) характеристика p может быть скоростью крови (для времяпролетной MRA) или концентрацией экзогенного контрастного вещества (при использовании назначенного экзогенного сосудистого контрастного вещества, такого как магнитное контрастное средство на основе гадолиния). Поскольку, как ожидается, сигнал S(p) должен изменяться относительно спокойно и относительно медленно в зависимости от изменений значения характеристики p, точный выбор "ожидаемого значения" характеристики p обычно не критичен. Например, в случае вычисления количественной оценки сигнала контрастности для взвешенной контрастности T1 в протоколах исследования мозга, ожидаемое значение p может быть временем релаксации T1 для серой воды или для белого вещества или для некоторой средней или "объединенной" ткани (например, среднее значение времен релаксации для серого и белого вещества).
Уравнение количественной оценки может быть приблизительным, например, использующим аппроксимацию разности для частной производной
Figure 00000002
. В некоторых предполагаемых вариантах осуществления аппроксимация разности выбрана такой, что разность Δp соответствует ожидаемой фактической разности в субъекте. Например, в случае получения изображения головного мозга, на котором, как предполагается, показаны различия между серым веществом головного мозга и белым веществом головного мозга, подходящая аппроксимация разности имеет вид
Figure 00000003
. Как будет видно для этой иллюстративной аппроксимации, предполагается, что частная производная
Figure 00000002
 должна содержать операцию абсолютного значения, чтобы гарантировать положительную количественную оценку сигнала контрастности. В случае взвешивания Т1 для получения изображения головного мозга, эта иллюстративная аппроксимация разности становится равной
Figure 00000004
, где Т1,grey является временем релаксации Т1 серого вещества головного мозга и Т1,white является временем релаксации белого вещества головного мозга. В качестве другого иллюстративного примера, уравнение количественной оценки может иметь вид:
Figure 00000005
где Δр=δ·p для некоторого малого δ и снова операция абсолютного значения может быть по желанию добавлена, чтобы гарантировать положительные количественные оценки сигнала контрастности.
Продолжая рассматривать фиг. 1, модуль 30 оценки силы контрастности содержит или имеет доступ к базе данных, содержащей уравнения 32 количественной оценки сигнала контрастности. Модуль 30 оценки силы 30 также содержит или имеет доступ к базе данных свойств ткани 34, который хранит значения, по меньшей мере, для тех свойств ткани, которые используются в уравнениях 32 количественной оценки. Эти значения обычно содержат репрезентативные времена релаксации Т1, Т2 и T2* для ткани, которая, как ожидают, должна рассматриваться во время получения изображения. Эти значения могут зависеть от силы основного поля MR-системы (например, 1Т, 1,5Т, 3T или 7Т) или других параметров, таких как комнатная температура. Если модуль 30 оценки силы контрастности выполнен с возможностью количественной оценки диффузионной взвешенной контрастности, то база 34 данных свойств ткани соответственно содержит репрезентативные молекулярные диффузионные параметры. Хранящиеся свойства ткани могут содержать другие значения свойств ткани, необходимые для вычисления MR-сигнала S(p), основываясь на физике MR-явлений, например, значениях магнитной проницаемости ткани и т.д. Следует также заметить, что в случае применений для получения изображений неодушевленных объектов, база данных свойств ткани может быть заменена на аналогичную базу данных свойств веществ.
Продолжая ссылку на фиг. 1, модуль 30 оценки силы контрастности может быть использован в различных вариантах процесса получения MR-изображения. Например, иллюстративный интерфейс 12 пользователя MR-сканера содержит модуль 40 оценки контрастности для последовательности, использующий модуль 30 оценки силы контрастности, чтобы оценить силу различных типов контрастности для последовательности получения изображения, чтобы идентифицировать доминирующий тип контрастности, обеспечиваемый последовательностью. Поскольку модуль 30 оценки силы контрастности аналитически быстро вычисляет количественную оценку сигнала контрастности, модуль 40 оценки контрастности для последовательности, таким образом, может запускаться сразу после каждой регулировки любого значения параметров протокола. Таким образом, пользователя можно немедленно информировать, если регулировка значения параметра будет оказывать влияние на изменение доминирующего типа контрастности для последовательности получения изображения.
В качестве другого иллюстративного приложения, библиотека 16 протоколов содержит классификатор 42 контрастностей последовательности по умолчанию. Как правило, протоколы, хранящиеся в библиотеке 16 протоколов, разрабатываются экспертами в области получения магнитно-резонансных изображений, чтобы обеспечить желаемый тип контрастности, и с этой точки зрения протокол обычно должен содержать набор параметров по умолчанию (определяя, таким образом, последовательность получения изображения по умолчанию), который эксперт считает обеспечивающим желаемую контрастность. Однако, при оценке типа контрастности для последовательности существует некоторая субъективность, поскольку полная контрастность обычно является смешением различных типов контрастности. Классификатор 42 контрастностей последовательности запускает модуль 30 оценки силы контрастности, чтобы применять уравнения 32 количественной оценки сигнала контрастности, чтобы определить, какой тип контрастности является доминирующим. Применяя один и тот же набор уравнений 32 ко всем последовательностям по умолчанию библиотеки 16 протоколов, обеспечивается более унифицированный стандарт для маркировки типа контрастности для последовательностей по умолчанию.
В качестве другого иллюстративного применения, PACS 20 содержит классификатор 44 контрастности после сбора данных, который маркирует изображения по типу контрастности. Если PACS 20 использует формат DICOM или другой формат хранения, содержащий метаданные изображения, то изображения могут быть (и в случае формата DICOM так обычно и бывает) маркироваться по типу контрастности, наряду с метаданными, идентифицирующими протокол получения изображения и значения параметров протокола, используемые при получении изображений. Однако метка типа контрастности обычно назначается вручную радиологом или другим пользователем, основываясь на личном опыте. Снова, субъективность определения доминирующего типа контрастности означает, что эта ручная маркировка может иметь некоторое нежелательные отклонения. Такие отклонения могут создавать проблемы, если медперсонал обращается к PACS 20 в качестве справочной базы данных изображений, поскольку различия в типе контрастности могут усложнять или делать недействительными сравнения изображений. Соответственно, классификатор 44 контрастности после сбора данных получает метаданные изображения, идентифицирующие протокол и параметры протокола, используемые при сборе данных, и запускает модуль 30 оценки силы контрастности для применения соответствующего уравнения 32 количественной оценки сигнала контрастности, чтобы определить доминирующий тип контрастности, и классификатор 44 контрастности после сбора данных затем маркирует изображение этим типом контрастности. Автоматически формируемая метка типа контрастности может запоминаться в качестве элемента метаданных изображения, являющегося отдельным от вручную наносимой метки типа контрастности, или автоматически формируемая метка типа контрастности может заменять вручную наносимую метку типа контрастности в метаданных изображения.
На фиг. 2 представлен иллюстративный пример модуля 30 оценки силы контрастности. Модуль 30 в качестве входного сигнала принимает от интерфейса 12 пользователя MR-сканера последовательность для получения изображения (определенную протоколом, выбранным пользователем, и текущими значениями параметров протокола), тип ткани (как вариант; в некоторых вариантах осуществления тип ткани является заранее известным значением) и тип контрастности, для которого должны определяться количественные показатели. Последовательность для получения изображения, определенная параметрами протокола и протоколом, может, например, быть последовательностью для восстановления инверсии (IR), последовательностью спинового эхо (SE), последовательность быстрого полевого эхо (FFE) и так далее. Последовательность для получения изображения может быть выполнена с возможностью получения двумерных данных (например, среза), трехмерных данных или набора многочисленных (последовательных) двумерных (M2D) срезов. Последовательность получения изображения может также использовать режим быстрого сбора данных, например, планарное получение эхо-изображения (EPI), турбополучение изображения спинового эхо (TSE), турбополучение изображения полевого эхо (TFE), получение градиентного и эхо-изображения (GRASE), и различных их комбинаций (например, TFEEPI) и так далее. На этапе 50 модуль 30 затем выбирает уравнение количественного определения сигнала, пригодное для протокола и для типа контраста, для которого должен быть выполнено количественное определение. На этапе 52 выбранное уравнение количественного определения сигнала применяется для типа ткани и значений параметров, чтобы сформировать количественную оценку 54 сигнала контрастности для контрастности, для которой должно быть выполнено количественное определение.
Сигнальное уравнение описывает интенсивность MR-сигнала как функцию параметров протокола (таких как эхо-время TE, период повторения TR, угол поворота спинов FA и т.д.) и известных параметров контрастности, отражающих свойства ткани (таких как коэффициенты Т1 релаксации T1 и T2 релаксации). Как уже было замечено, уравнение количественной оценки сигнала соответственно содержит частную производную
Figure 00000006
 MR-сигнала, соответствующую ожидаемому времени р релаксации для типа контрастности, для которого определяется количественная оценка (в случае T1-, T2-, или T2*-взвешенной контрастности) или другая характеристика p, создающая контрастность, которая должна количественно оцениваться (например, в случае диффузионной взвешенной контрастности). Некоторые подходящие аналитические выражения сигнального уравнения S(p) для различных последовательностей получения изображения можно найти в литературе, например: van der Meulen et al, MRI; 6:355-368 (1988); Haacke et al. Magnetic Resonance Imaging. Physical principles and sequence design (1999); Busse et al, MRM, 44:339-348 (2000); Bernstein et al. Handbook of MRI Pulse Sequences (2004); и Liang and Lauterbur, Principles of Magnetic Resonance Imaging, A Signal Processing Perspective (2000).
Со ссылкой на фиг. 3 описывается иллюстративный вариант осуществления модуля 40 оценки контрастности для последовательности, используемого интерфейсом 12 пользователя MR-сканера. На этапе 60 пользователь выбирает протокол, имеющий значения параметров по умолчанию (то есть, последовательность получения изображения по умолчанию), разработанный для обеспечения намеченного типа контрастности. На этапе 62 пользователь регулирует одно или более значений параметров, чтобы сформировать протокол с отрегулированными значениями 64 параметров. Этапы 60, 62 выполняются должным образом, используя интерфейс 12 пользователя MR-сканера; однако, некоторые из регулировок значений параметров могут делаться неявно. Например, при технологии получения изображения мультисрезов, имеющей минимизированный TR, регулировка количества срезов косвенно вызывает регулировку TR.
Каждый раз формируется отрегулированный набор значений 64 параметров и запускается модуль 40 оценки контрастности для последовательности. На этапе 70 модуль 40 вычисляет для каждого рассмотренного типа контрастности, количественную оценку сигнала контрастности для последовательности получения изображения, определенной протоколом, и отрегулированных значений 64 параметров протокола. Например, рассмотрим иллюстративный пример, в котором намеченный тип контрастности для последовательности по умолчанию, выбранный на этапе 60, является T2-взвешенной контрастностью. На этапе 70 должным образом вычисляется количественная оценка сигнала контрастности для каждого Т1-взвешивания, Т2-взвешивания и (как вариант) T2*-взвешивания. На этапе 70 вычисляются количественные оценки сигнала контрастности, запуская модуль 30 оценки силы контрастности для каждого рассматриваемого типа контрастности.
Таким образом, результатом этапа 70 является набор количественных оценок сигнала контрастности для набора рассмотренных типов контрастности. Этап 72 затем классифицирует доминирующий тип контрастности, основываясь на количественных оценках сигнала контрастности. Например, иллюстративная система классификации доминирующих типов контрастности для рассмотренных типов контрастности взвешенной контрастности на основе протонной плотности (PDW), T1-взвешенной контрастности (T1W) и T2-взвешенной контрастности (T2W) использует ряд пороговых чисел а1<b1<c1 и a2<b2<c2. Количественные оценки сигнала контрастности должным образом представляются как количественная оценка (T1) для T1W и количественная оценка (T2) для T2W, где T1 и T2 - ожидаемые значения времени релаксации T1 и T2, соответственно. (Снова, T1 и T2 являются репрезентативными значениями, например, для серого вещества T1 или белого вещества T1 или средним значением для серого вещества и белого вещества T1). В этом контексте для последовательности спинового эха (SE) могут быть определены следующие классы доминирующих типов контрастности:
Правила классификации доминирующего типа контрастности
колич.оценка(T1)<a1 и колич.оценка(T2)<a2→PDW
колич.оценка(T1)<a1 и a2<колич.оценка(Т2)<b2→Слабая T2W
колич.оценка(T1)<a1 и b2<колич.оценка(T2)<c2→T2W
колич.оценка(T1)<a1 и колич.оценка(Т2)>c2→Сильная T2W
а1<колич.оценка(T1)<b1 и колич.оценка(Т2)<a2→Слабая T1W
b1<колич.оценка(T1)<c1 и колич.оценка(Т2)<a2→T1W
колич.оценка(T1)>c1 и колич.оценка(Т2)<a2→Сильная T1W
а1<колич.оценка(T1)<b1 и a2<колич.оценка(Т2)<b2→Слабая T1W/Слабая T2W
b1<колич.оценка(T1)<c1 и a2<колич.оценка(Т2)<b2→T1W/Слабая T2W
колич.оценка(T1)>c1 и a2<колич.оценка(Т2)<b2→Сильная T1W/Слабая T2W
а1<колич.оценка(T1)<b1 и b2<колич.оценка(T2)<c2→Слабая T1W/T2W
b1<колич.оценка(T1)<c1 и b2<колич.оценка(T2)<c2→T1W/T2W
колич.оценка(T1)>c1 и b2<колич.оценка(T2)<c2→Сильная T1W/T2W
а1<колич.оценка(T1)<b1 и колич.оценка(Т2)>c2→Слабая T1W/Сильная T2W
b1<колич.оценка(T1)<c1 и колич.оценка(Т2)>c2 →T1W/Сильная T2W
колич.оценка(T1)>c1 и колич.оценка(Т2)>c2 →Сильная TlW/Сильная T2W
На практике некоторые классы типов контрастности, перечисленные выше, могут быть недостижимыми для конкретного протокола получения изображения и отображаемой ткани.
Например, на фиг. 4 показаны классы типов контрастности, достижимые для последовательности спиновых эхо (SE), отображающих серое мозговое вещество. В иллюстративном примере на фиг. 2 метки класса контрастности отображаются как функция времени эха (TE) и периода повторения (TR) в случае серого вещества как эталонной ткани и напряженности поля 1,5 Т. В этом примере, a1=a2=0,33, b1=b2=0,67, и c1=c2=1,33. В этом примере смесь сильной контрастности T1 и сильной контрастности T2 недостижима. В предыдущих примерах взвешивание протонной плотности (PDW) получается, когда как контрастность T1W, так и контрастность T2W являются слабыми (то есть, количественная оценка (T1)<a1 и количественная оценка (T2)<a2). Как видно на фиг. 4, PDW имеет место для короткого TE и длинного TR - при этих условиях сигнал магнитного резонанса заметно не затухает из-за релаксации T1 или релаксации T2 и, таким образом, различия во времени релаксации T1 или T2 для различных тканей не обеспечивают контрастность в PDW-изображении. Область, закрашенная серым на нижнем правом участке фиг. 4, соответствует физически нереализуемому условию TE>TR.
Возвращаясь к фиг. 3 и с дополнительной ссылкой на фиг. 5, на этапе 74, выполняемом модулем 40 оценки контрастности для последовательности, формируется соответствующий выходной сигнал, чтобы информировать пользователя о количественных оценках типов контрастности. В некоторых вариантах осуществления этап 74 отображает текстовое представление 80 количественных оценок для соответствующих типов контрастности на устройстве 82 отображения компьютера 14 (смотрите также фиг. 1), реализующего интерфейс 12 пользователя MR-сканера. Абсолютные количественные оценки типов контрастности могут отображаться или, как альтернатива, может отображаться процентное изменение (или другое относительное изменение) количественных оценок контрастности относительно количественных оценок последовательности получения изображения по умолчанию (или относительно другой подходящей точки отсчета количественных отметок). Другая опция заключается в отображении отношения количественных оценок контрастности, например, количественная оценка контрастности Т2/количественная оценка контрастности Т1. В дополнение или вместо текстовых количественных оценок также рассматривается визуальное представление, такое как столбики с длиной, соответствующей количественным оценкам. Как вариант, если доминирующий тип контрастности, выведенный в результате этапа 72 классификации типа контрастности, отличается от намеченного типа контрастности для последовательности по умолчанию, выбранной на этапе 60, то тогда выдается предупреждение или предпринимается какой-то другой тип действий по устранению несоответствия. Как схематически показано на фиг. 5, при одном таком дополнительном предупреждающем подходе на этапе 74 на устройстве 82 отображения отображается текстовое предупреждение 84. Текстовое предупреждение 84 может содержать окраску (например, красный фон и/или красный текст) или анимацию (например, вспышки), чтобы повысить вероятность, что пользователь заметит предупреждение 84. Другие возможные средства устранения несоответствия, применяемые в одиночку или в комбинации с отображением 80 количественных оценок и дополнительным предупреждение 84, должны "отменять" (или отказываться принимать) регулировку параметра протокола, которая изменяет предсказанный тип контрастности относительно намеченного типа контрастности. Подразумевается также вариант обеспечения предупреждения 84 без отображения 80 количественных оценок.
Продолжая ссылку на фиг. 3 и со ссылкой снова на фиг. 1, вариант модуля 40 оценки контрастности для последовательности соответственно используется в классификаторе 42 контрастности для последовательности по умолчанию из библиотеки 16 протоколов. В этом случае вводом в модуль 40 оценки контрастности для последовательности является последовательность по умолчанию, определяемая протоколом и его значениями параметров по умолчанию, и этап 74 заменяется этапом тегирования протокола, на котором тегируют протокол доминирующим классом типа контрастности, выводимым на этапе 72. Вариант модуля 40 оценки контрастности для последовательности также соответственно используется в классификаторе 44 контрастности после сбора данных из PACS 20. В этом случае ввод в модуль 40 оценки контрастности для последовательности является протоколом и значениями параметров протокола, тегированными как относящиеся к изображению, хранящемуся в PACS 20, и этап 74 заменяется этапом тегирования изображения, на котором тегируют изображение с помощью доминирующего класса типов контрастности, выводимого посредством операции 72. На этапах тегирования протокола и тегирования изображения, операция тегирования может выполняться в сочетании с предупреждением, посылаемым пользователю, если первоначальное тегирование типа контрастности протокола или изображения отличается от формируемого посредством этапа 72 классификации.
В дополнение к предшествующим иллюстративным примерам применения, модуль 30 оценки силы контрастности, показанный на фиг. 2, может предоставлять другие применения. Например, модуль 40 оценки контрастности для последовательности обеспечивает предупреждение через интерфейс 12 пользователя, если вручную отрегулированные значения параметров удаляют последовательность из намеченного типа контрастности. Однако, в различных вариантах осуществления обеспечивается более конструктивная помощь. Например, частные производные уравнения количественной оценки, соответствующие различным параметрам набора параметров протокола получения изображения, могут быть оценены (снова используя разностные аппроксимации), чтобы определить, какой параметр больше всего воздействует на контрастность. Например, пусть Pmax означает параметр, обладающий наибольшим влиянием на тип р контрастности, что указывается частной производной
Figure 00000007
, которая больше, чем для любого другого параметра протокола. Тогда направление регулирования значения Pmax является положительным, если
Figure 00000008
, и является отрицательным, если
Figure 00000009
. Величина регулировки значения Pmax может оцениваться по величине частной производной
Figure 00000007
. С помощью этой информации предложенная регулировка параметра может отображаться, основываясь на оцененной частной производной.
Как дополнительный вариант, матрица частных производных
Figure 00000010
для всех параметров P протокола может быть вычислена и эта матрица используется в алгоритме оптимизации, таком как алгоритм Левенберга-Маркварди или способ затухания градиента, чтобы оптимизировать значения набора параметров для максимизации значения score(p) для типа p контрастности.
Как вариант, на оптимизацию может накладываться одно или более ограничений, например, на максимизацию score(p) накладывается ограничение, что score(p) больше, чем количественная оценка для любого другого типа контрастности, и/или ограничение TE<TR и так далее. Таким образом, в этом варианте значения параметров итеративно оптимизируются, чтобы максимизировать тип p контрастности, для которого должна делаться количественная оценка (например, чтобы максимизировать score(p)), где каждая итерация содержит оценку частных производных
Figure 00000011
 уравнения количественной оценки, соответствующего параметрам р набора параметров протокола получения изображения, и регулирование одного или более значений параметра, основываясь на оцененных частных производных. Пользователю затем представляется набор оптимизированных значений параметров.
Хотя описывается подход с оптимизацией, использующий частную производную score(p) для типа p контрастности, могут использоваться и другие подходы, чтобы оптимизировать значения параметра или как-либо иначе обеспечить рекомендации по значению параметра. Например, оптимальные значения параметра, удовлетворяющие определенным условиям по типу контрастности, могут быть найдены другими способами, которые используют только значения количественной оценки (симплексный алгоритм, вероятностные способы и так далее).
Как показано на фиг. 6, описанная здесь классификация типов контрастности была сравнена с маркировками классификации типов контрастности, назначенными различным последовательностям получения изображения экспертами-людьми. На фиг. 6 представлены проекции различных клинических последовательностей для получения изображения посредством спинового эха в пространстве, охваченном score(T1) и score(T2), вычисленными согласно приведенному здесь раскрытию. На фиг. 6 отображаются в общей сложности 1090 протоколов спиновых эха от 25 различных MR-сканеров (13 из них с основным полем 1,5Т и 12 с основным полем 3 T), охватывающих 18 различных частей тела. Каждый протокол был маркирован как T1W (маркировано кружками на фиг. 6), T2W (маркировано знаком "x" на фиг. 6) или PDW (маркировано знаком "+" на фиг. 6) в соответствии с названием протокола, назначенным учреждением. Заметим, что в некоторых случаях эта маркировка может быть неправильной, поскольку оператор мог изменить параметры протокола по умолчанию, не меняя название протокола. Тем не менее, можно видеть, что эти три различных класса контрастности разделяются вычисленными здесь значениями количественной оценки T1 и T2. Можно также видеть, что присутствует некоторое перекрытие, предлагающие установки протокола, приводящие к смешанной контрастности и, возможно, не оптимальные в отношении желаемой контрастности.
Изобретение было описано со ссылкой на предпочтительные варианты осуществления. Очевидно, что после прочтения и понимания предшествующего подробного описания другие специалисты в данной области техники могут предложить модификации и изменения. Подразумевается, что изобретение считается содержащим все такие модификации и изменения, насколько они попадают в границы объема приложенной формулы изобретения или ее эквивалентов.

Claims (28)

1. Постоянный носитель данных, хранящий команды, исполняемые электронным устройством (14, 22) обработки данных, для выполнения способа, включающего в себя этапы, на которых:
идентифицируют последовательность для получения магнитно-резонансного изображения, определенную протоколом получения изображения, типом ткани, которая должна визуализироваться, и значениями параметров для набора параметров протокола получения изображения;
вычисляют количественную оценку сигнала контрастности для последовательности для получения магнитно-резонансного изображения, соответствующей типу контрастности, для которого, используя уравнение количественной оценки, должна определяться количественная оценка; и
определяют тип контрастности для последовательности для получения магнитно-резонансного изображения, основываясь на вычисленной количественной оценке сигнала контрастности.
2. Постоянный носитель данных по п. 1, в котором этап вычисления повторяется для множества различных типов контрастности, для которых должна определяться количественная оценка, и этап определения основывается на вычисленных количественных оценках сигнала контрастности.
3. Постоянный носитель данных по п. 2, в котором различные типы контрастности, для которых должна определяться количественная оценка, включают в себя, по меньшей мере, Т1-взвешенную контрастность и Т2-взвешенную контрастность.
4. Постоянный носитель данных по п. 1, в котором уравнение количественной оценки имеет вид
Figure 00000012
,
где score(р) является количественной оценкой сигнала контрастности для типа контрастности, для которого должна определяться количественная оценка, и S(р) обозначает сигнал, сформированный последовательностью для получения магнитно-резонансного изображения, как функцию характеристики р, изменение которой порождает тип контрастности, для которого должна определяться количественная оценка.
5. Постоянный носитель данных по п. 4, в котором этап вычисления включает в себя аппроксимацию частной производной
Figure 00000013
уравнения количественной оценки, используя разностную аппроксимацию.
6. Постоянный носитель данных по п. 1, в котором этап идентификации содержит контроль вводов данных пользователем в интерфейс (12) пользователя магнитно-резонансного сканера, чтобы обнаруживать (1) выбор пользователем протокола получения изображения и (2) редактирование пользователем, который изменяет одно или более значений параметров.
7. Постоянный носитель данных по п. 6, в котором способ дополнительно содержит этап, на котором оптимизируют уравнение количественной оценки, соответствующее по меньшей мере одному параметру из набора параметров протокола получения изображения, и отображают предложенную регулировку параметра, основанную на оптимизации.
8. Постоянный носитель данных по п. 1, в котором этап идентификации содержит считывание протокола получения изображения и значений параметров для набора параметров протокола получения изображения из метаданных, хранящихся вместе с хранящимся магнитно-резонансным изображением.
9. Способ получения магнитно-резонансного изображения, при этом способ содержит этапы, на которых:
идентифицируют последовательность для получения магнитно-резонансного изображения, определенную протоколом получения изображения, типом ткани, который должен визуализироваться, и значениями параметров для набора параметров протокола получения изображения;
вычисляют количественную оценку сигнала контрастности для последовательности для получения магнитно-резонансного изображения, соответствующей типу контрастности, для которого должна определяться количественная оценка, используя уравнение количественной оценки; и
определяют тип контрастности для последовательности для получения магнитно-резонансного изображения, основываясь на вычисленной количественной оценке сигнала контрастности;
при этом, по меньшей мере, этапы вычисления и определения выполняются электронным устройством (14, 22) обработки данных.
10. Способ по п. 9, в котором этап вычисления повторяется для множества различных типов контрастности, для которых должна определяться количественная оценка, и этап определения основан на вычисленных количественных оценках сигнала контрастности.
11. Способ по п. 10, в котором различные типы контрастности, для которых должна определяться количественная оценка, включают в себя, по меньшей мере, Т1-взвешенную контрастность и T2-взвешенную контрастность.
12. Способ по п. 9, в котором тип контрастности, для которого должна определяться количественная оценка, имеет ожидаемое значение р для характеристики, создающей тип контрастности, для которого должна определяться количественная оценка, и уравнение количественной оценки включает в себя частную производную
Figure 00000014
, где S(р) обозначает сигнал, формируемый последовательностью для получения магнитно-резонансного изображения для материала, имеющего ожидаемое значение р.
13. Способ по п. 9, в котором этап идентификации содержит обнаружение редактирования пользователем значений параметров через интерфейс (12) пользователя магнитно-резонансного сканера, и способ дополнительно содержит этапы, на которых:
сравнивают определенный тип контрастности для последовательности для получения магнитно-резонансного изображения с намеченным типом контрастности; и
отображают предупреждение (84) через интерфейс (12, 82) пользователя магнитно-резонансного сканера, если определенный тип контрастности для последовательности для получения магнитно-резонансного изображения отличается от намеченного типа контрастности.
14. Способ по п. 9, дополнительно содержащий этап, на котором:
оптимизируют значения параметров, чтобы максимизировать тип контрастности, для которого должна определяться количественная оценка, при этом этап оптимизации содержит оценку частных производных уравнения количественной оценки, соответствующего параметрам из набора параметров протокола получения изображения.
15. Способ по п. 9, в котором этап идентификации содержит считывание протокола получения изображения и значений параметров для набора параметров протокола получения изображения из метаданных, хранящихся вместе с магнитно-резонансным изображением, и способ дополнительно содержит этап, на котором:
изменяют метаданные, хранящиеся вместе с магнитно-резонансным изображением, чтобы ввести в них определенный тип контрастности.
RU2015104982A 2012-07-16 2013-07-10 Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности RU2626025C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261671822P 2012-07-16 2012-07-16
US61/671,822 2012-07-16
PCT/IB2013/055678 WO2014013390A2 (en) 2012-07-16 2013-07-10 Prediction, scoring, and classification of magnetic resonance contrast using contrast signal scoring equation

Publications (2)

Publication Number Publication Date
RU2015104982A RU2015104982A (ru) 2016-09-10
RU2626025C2 true RU2626025C2 (ru) 2017-07-21

Family

ID=49237547

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015104982A RU2626025C2 (ru) 2012-07-16 2013-07-10 Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности

Country Status (7)

Country Link
US (1) US9955897B2 (ru)
EP (1) EP2872914B1 (ru)
JP (1) JP6305401B2 (ru)
CN (1) CN104583796B (ru)
BR (1) BR112015000875A2 (ru)
RU (1) RU2626025C2 (ru)
WO (1) WO2014013390A2 (ru)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014091374A2 (en) * 2012-12-12 2014-06-19 Koninklijke Philips N.V. Motion detection and correction method for magnetic resonance diffusion weighted imaging (dwi)
US20170156630A1 (en) * 2015-12-08 2017-06-08 Board Of Regents Of The University Of Texas System System and method for adaptive and patient-specific magnetic resonance imaging
US10444308B2 (en) * 2016-05-31 2019-10-15 Canon Medical Systems Corporation Magnetic resonance imaging apparatus
EP3379281A1 (en) * 2017-03-20 2018-09-26 Koninklijke Philips N.V. Image segmentation using reference gray scale values
US10950343B2 (en) * 2017-06-29 2021-03-16 Siemens Healthcare Gmbh Highlighting best-matching choices of acquisition and reconstruction parameters
EP3451344A1 (en) 2017-09-01 2019-03-06 Koninklijke Philips N.V. Automated consistency check for medical imaging
CN108490377B (zh) * 2018-04-03 2020-08-21 上海东软医疗科技有限公司 一种磁共振弥散定量的获取方法和装置
CN110806553B (zh) * 2018-08-06 2022-08-09 西门子(深圳)磁共振有限公司 协议参数选取方法、装置及磁共振成像***
EP3617731A1 (en) * 2018-08-29 2020-03-04 Erasmus University Medical Center Rotterdam Magnetic resonance imaging based on transient response signals
EP3742183A1 (en) * 2019-05-20 2020-11-25 Koninklijke Philips N.V. A control system for a magnetic resonance imaging system
CN117347416B (zh) * 2023-10-12 2024-05-31 无锡鸣石峻致医疗科技有限公司 一种物质成分的非侵入式检测方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5754697A (en) * 1994-12-02 1998-05-19 Fu; Chi-Yung Selective document image data compression technique
EP1447773A2 (en) * 2003-02-13 2004-08-18 Kabushiki Kaisha Toshiba Image processing apparatus for reducing noise from image
US20060279282A1 (en) * 2003-10-13 2006-12-14 Koninklijke Philips Electronics N.V. System and method for magnetic resonance imaging
US20090207968A1 (en) * 2006-06-22 2009-08-20 Koninklijke Philips Electronics N. V. Dual x-ray tube gating
RU2008106929A (ru) * 2005-07-26 2009-09-10 Конинклейке Филипс Электроникс, Н.В. (Nl) Определение области сердца на основании анализа движения мелкомасштабной реконструкции
RU2008144711A (ru) * 2006-04-13 2010-05-20 Конинклейке Филипс Электроникс Н.В. (Nl) Оценка чувствительности катушки на основании распространения волны

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6219571B1 (en) 1998-04-06 2001-04-17 Board Of Trustees Of The Leland Stanford Junior University Magnetic resonance imaging using driven equilibrium fourier transform
US6687527B1 (en) * 2001-08-28 2004-02-03 Koninklijke Philips Electronics, N.V. System and method of user guidance in magnetic resonance imaging including operating curve feedback and multi-dimensional parameter optimization
DE10155790B4 (de) * 2001-11-14 2005-04-07 Siemens Ag Magnet-Resonanz-Bildgebung unter Verwendung einer interaktiven Kontrastoptimierung
JP5537014B2 (ja) * 2007-12-07 2014-07-02 株式会社東芝 画像表示装置
US7973530B2 (en) * 2008-04-25 2011-07-05 Jan Bertus Marten Marcel Warntjes MRI display with contrast navigation window
JP5481117B2 (ja) * 2008-09-29 2014-04-23 株式会社東芝 磁気共鳴診断装置およびその制御方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5754697A (en) * 1994-12-02 1998-05-19 Fu; Chi-Yung Selective document image data compression technique
EP1447773A2 (en) * 2003-02-13 2004-08-18 Kabushiki Kaisha Toshiba Image processing apparatus for reducing noise from image
US20060279282A1 (en) * 2003-10-13 2006-12-14 Koninklijke Philips Electronics N.V. System and method for magnetic resonance imaging
RU2008106929A (ru) * 2005-07-26 2009-09-10 Конинклейке Филипс Электроникс, Н.В. (Nl) Определение области сердца на основании анализа движения мелкомасштабной реконструкции
RU2008144711A (ru) * 2006-04-13 2010-05-20 Конинклейке Филипс Электроникс Н.В. (Nl) Оценка чувствительности катушки на основании распространения волны
US20090207968A1 (en) * 2006-06-22 2009-08-20 Koninklijke Philips Electronics N. V. Dual x-ray tube gating

Also Published As

Publication number Publication date
CN104583796A (zh) 2015-04-29
US20150216440A1 (en) 2015-08-06
US9955897B2 (en) 2018-05-01
WO2014013390A3 (en) 2014-03-13
EP2872914B1 (en) 2020-12-23
CN104583796B (zh) 2017-10-10
BR112015000875A2 (pt) 2017-06-27
WO2014013390A2 (en) 2014-01-23
JP2015522370A (ja) 2015-08-06
EP2872914A2 (en) 2015-05-20
JP6305401B2 (ja) 2018-04-04
RU2015104982A (ru) 2016-09-10

Similar Documents

Publication Publication Date Title
RU2626025C2 (ru) Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности
Hagiwara et al. Variability and standardization of quantitative imaging: monoparametric to multiparametric quantification, radiomics, and artificial intelligence
Barbieri et al. Comparison of intravoxel incoherent motion parameters across MR imagers and field strengths: evaluation in upper abdominal organs
US8655038B2 (en) Method and assembly for correcting a relaxation map for medical imaging applications
US9588204B2 (en) Magnetic resonance spectroscopic imaging volume of interest positioning
Jackowski et al. Noninvasive estimation of organ weights by postmortem magnetic resonance imaging and multislice computed tomography
Andersen et al. Improvement in diagnostic quality of structural and angiographic MRI of the brain using motion correction with interleaved, volumetric navigators
JP2020503093A (ja) ダイナミック造影ｍｒｉにおける画質管理
Ben-Eliezer et al. A new method for cartilage evaluation in femoroacetabular impingement using quantitative T2 magnetic resonance imaging: preliminary validation against arthroscopic findings
MacKay et al. Three‐dimensional surface‐based analysis of cartilage MRI data in knee osteoarthritis: validation and initial clinical application
Fritz T2 mapping without additional scan time using synthetic knee MRI
US20150342496A1 (en) Method and apparatus for generating medical image data records
Zhuge et al. Image background inhomogeneity correction in MRI via intensity standardization
Attenberger et al. Retrospective respiratory triggering renal perfusion MRI
Horsfield et al. Estimating brain lesion volume change in multiple sclerosis by subtraction of magnetic resonance images
Marro et al. A simulation-based comparison of two methods for determining relaxation rates from relaxometry images
Eck et al. Comparison of quantitative myocardial perfusion imaging CT to fluorescent microsphere-based flow from high-resolution cryo-images
US20190206527A1 (en) Register for examinations with contrast agent
Salluzzi et al. Short-term repeatability and long-term reproducibility of quantitative MR imaging biomarkers in a single centre longitudinal study
Ngamsombat et al. Evaluation of ultrafast Wave-CAIPI 3D FLAIR in the visualization and volumetric estimation of cerebral white matter lesions
Dispensa et al. Estimation of fusiform intracranial aneurysm growth by serial magnetic resonance imaging
Park et al. Development of a bias field-based uniformity correction in magnetic resonance imaging with various standard pulse sequences
Grant et al. A pilot study to assess the feasibility of measurement of adrenal gland volume by magnetic resonance imaging
Aissiou et al. Development of a progressive dual kriging technique for 2D and 3D multi-parametric MRI data interpolation
Braendli et al. Combining two single-shot imaging techniques with slice-selective and non-slice-selective inversion recovery pulses: new strategy for native MR angiography based on the long T1 relaxation time and inflow properties of blood

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200711