[发明专利]在磁共振成像中确定进一步的处理位置

说明书

本发明提供了一种训练神经网络(322)的方法，所述方法被配置用于提供进一步的处理位置(326)。所述方法包括提供(200)经过标记的医学图像(100)，其中，所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置(102、104、106)，所述方法还包括将所述经过标记的医学图像输入(202)到所述神经网络中以获得一个试验处理位置。所述一个试验处理位置包括最可能的试验处理位置(108)。所述方法还包括确定(204)针对所述最可能的试验处理位置的最接近的真实处理位置(106)。所述方法还包括使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算(206)误差向量(110)。所述方法还包括使用所述误差向量来训练(208)所述神经网络。

技术领域

本发明涉及磁共振成像。

背景技术

磁共振成像(MRI)扫描器使用大的静态磁场来对齐原子的核自旋，这是用于在对象体内产生图像的流程的部分。这种大的静态磁场被称为B0场或主磁场。能够使用MRI在空间上测量对象的各种量或属性。通过使用脉冲序列来控制磁共振数据的采集，从而能够实施各种成像协议。在这些脉冲序列的设计中，通常存在大量的可调节的图像采集参数。在一些情况下，操作者进行初始扫描或调查扫描并使用它来确定用于修改后续图像采集的位置。

国际专利申请WO 2017/106469 A1公开了提供用于使用深度神经网络来分析灌注加权的医学成像的系统和方法。该方法包括：接收使用磁共振(“MR”)成像系统从对象采集的灌注加权的成像数据；并且使用四维(“4D”)卷积神经网络对与该灌注加权的成像数据相关联的至少一个体素进行建模。该方法还包括：针对每个建模的体素提取空间-时间特征，并且基于所提取的空间-时间特征来估计针对每个建模的体素的至少一个灌注参数。该方法还包括：使用指示对象中的灌注的至少一个灌注参数来生成报告。

发明内容

本发明在独立权利要求中提供了方法、医学成像系统和计算机程序产品。在从属权利要求中给出了实施例。

实施例可以提供自动执行复杂的磁共振成像技术的手段。这可以通过使用经过专门训练的神经网络来完成。在一些成像技术(例如，动脉自旋标记(ASL))中，以磁性方式标记单个或多个动脉中的血液。自动执行该任务的困难是，对于标记体积或平面来说可能有若干可接受的空间位置。

为了训练神经网络执行该任务，修改通常的训练流程。提供经过标记的医学图像，这些经过标记的医学图像具有一个以上的正确的标记位置。这些标记位置被称为真实处理位置。为了训练神经网络，首先将经过标记的医学图像输入到神经网络中。这会引起输出试验处理位置。为了计算误差向量以训练神经网络，选择最接近试验处理位置的真实处理位置。然后，使用该最接近的处理位置和试验处理位置来训练神经网络。这使得训练流程能够鲁棒地找到改进的试验处理位置。在训练流程完成时，能够使用试验处理位置来自动执行磁共振成像协议。

在一个方面中，本发明提供了一种训练神经网络的方法，所述方法被配置用于提供处理位置。所述方法包括提供经过标记的医学图像。所述经过标记的医学图像包括多个标记，每个标记指示真实处理位置。如本文所使用的真实处理位置涵盖被认为或被考虑为是正确的一个处理位置、多个处理位置或一定范围的处理位置。所述方法还包括将所述经过标记的医学图像输入到所述神经网络中以获得至少一个试验处理位置。所述至少一个试验处理位置包括最可能的试验处理位置。所述方法还包括确定针对所述最可能的试验处理位置的最接近的真实处理位置。

例如，多个真实处理位置可以被分布在医学图像中的不同位置中或者包括一定范围的多个不同位置。最接近的真实处理位置是真实处理位置中最接近神经网络的输出的真实处理位置。所述方法还包括使用所述最接近的真实处理位置和所述最可能的试验处理位置来计算误差向量。在不同的实施例中，这可以采取不同的形式。该向量可以指示大小和/或位置的变化，使得试验处理位置要么在真实处理位置内，要么与真实处理位置相同。所述方法还包括使用所述误差向量来训练所述神经网络。当神经网络是卷积神经网络时，例如可以使用深度学习来执行训练。