[发明专利]对磁共振成像数据中的运动伪影的基于深度学习的处理

说明书

本发明涉及一种磁共振成像数据处理系统(126)，其用于使用被训练用于对磁共振成像数据集中的运动伪影的处理的深度学习网络(146、502、702)来处理磁共振成像数据集中的运动伪影。所述磁共振成像数据处理系统(126)包括存储机器可执行指令(161、164)的存储器(134、136)以及经训练的深度学习网络(146、502、702)。此外，所述磁共振成像数据处理系统(126)还包括用于控制所述磁共振成像数据处理系统的处理器(130)。对所述机器可执行指令(161、164)的运行令所述处理器(130)控制所述磁共振成像数据处理系统(126)以执行以下操作：接收磁共振成像数据集(144、500、800)，将所接收的磁共振成像数据集(144、500、800)作为输入而应用于所述经训练的深度学习网络(146、502、702)，使用所述经训练的深度学习网络(146、502、702)来处理在所接收的磁共振成像数据集(144、500、800)中存在的一个或多个运动伪影。

技术领域

本发明涉及处理磁共振成像数据中的运动伪影，具体涉及使用深度学习来处理磁共振成像数据中的运动伪影的方法和装置。

背景技术

由于磁共振成像(MRI)流程通常需要较长的数据采集时间，因此由患者运动引起的运动伪影是在MRI的临床应用中磁共振图像图像质量下降的最常见原因之一。尽管与这种图像质量下降相关联的问题很严重，检测这些伪影通常还是需要由经验丰富的放射科医生进行手动评估。与运动伪影相关联的可能问题可以例如包括：相应的磁共振图像由于图像质量下降而可能很少或甚至无法用于医学诊断。这也可能使临床工作流程复杂化，例如在放射科技术人员无法在所采集的磁共振图像中检测到运动伪影的存在的情况下就是如此。另外，图像质量下降也可能会导致患者吞吐量下降。由经验丰富的放射科医生进行手动评估可能很耗时。作为临床磁共振成像部门的性能评估的部分，监测所采集的磁共振图像的整体质量可能会给放射科医生带来大量的额外工作量。此外，质量下降的磁共振图像可能需要完全重复磁共振成像流程。

此外，近年来，对成像部门的护理质量的评估和改善正在迅速引起关注。所采用的关键性能指标(KPI)通常测量诸如患者吞吐量或装备利用率之类的量。最近，作为额外的KPI，图像质量已经受到越来越多的关注。

存在若干种用于防止运动伪影的方法，但是这些方法通常限于特定的成像情况。因此，运动伪影在临床MRI中仍然很常见并经常导致图像无法用于医学诊断。

发明内容

本发明在独立权利要求中提供了磁共振成像数据处理系统、操作该磁共振成像数据处理系统的方法以及计算机程序产品。本发明还提供了包括该磁共振成像数据处理系统的磁共振成像系统。在从属权利要求中给出了实施例。

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