[發明專利]醫學掃描數據處理方法和系統

在審

• 申請號: 202110790443.5
• 申請日: 2021-07-13
• 公開（公告）號: CN113506271A
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 陳瀟;陳章;孫善輝;陳德仁
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06N3/04;G06N3/08;A61B5/00;A61B5/055
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;徐婕超

本發明提供了一種醫學掃描數據處理方法和系統。所述醫學掃描數據處理方法包括：采集具有多線圈尺寸的磁共振成像(MRI)數據；將線圈尺寸壓縮到固定且預定數量的虛擬線圈；以及由人工智能引擎將固定且預定數量的虛擬線圈用于人工智能應用。

技術領域

本公開的方面總體涉及磁共振成像(MRI)，具體涉及使用線圈壓縮來使得 能夠將人工智能方法應用于多線圈MRI。

背景技術

MRI是一種廣泛使用的醫療技術，其使用磁和射頻能量產生感興趣區域的 圖像。在MRI掃描期間，容積線圈(例如，體線圈)和局部線圈(例如，表面 線圈)可以采集由正被檢查的對象內部的核弛豫產生的MR信號。

大多數MRI掃描儀使用多個接收線圈來同時收集空間變化的信號，這大大 減少了掃描時間并提高了圖像質量。對于目標圖像分辨率和大小，多線圈采集的 使用將所收集的數據的大小增加了線圈數量的倍數。例如，N_x x N_y x N_z的目標 圖像將收集N_x x N_y x N_z xN_coil數據，其中，N_x、N_y、N_z分別是沿著x、y和z軸 的空間尺寸，并且N_coil是線圈的數量。對于當代MRI掃描儀，線圈數量可以是 64或更多，一般規則是隨著線圈數量的增加，圖像質量和采集速度也增加。然 而，線圈的增加也導致要處理以用于重建和后分析的有挑戰性的數量的數據。

考慮到例如使用基于深度學習(DL)的神經網絡(NN)實施的人工智能在 一般的計算機視覺中取得了巨大的成功，最近已經獲得了很大的關注。提出了多 種DL方法用于MRI圖像重建和處理，并且已經展示出了有前景的結果。然而， 對于MRI算法的實際實施，作為NN的輸入數據將具有大的且不固定的線圈尺 寸，因為用戶可以選擇小于系統最大值的任何數量的線圈。大多數當前提出的 DL方法需要特定的輸入大小，并且較大的線圈尺寸可能在推斷和訓練期間需要 增加存儲消耗，這可能限制NN的復雜度和能力。

可變線圈尺寸的一種解決方案是在訓練和推斷期間將DL方法獨立地應用 于各個線圈。然而，這可能引入若干潛在的問題：1)因為在掃描期間可以任意 配置線圈的位置，所以訓練期間的各個線圈的圖像可能與測試的圖像完全不同；

2)各個單獨線圈的信號可能噪聲更大，并且忽略線圈之間的相關性，這導致訓 練困難的問題；以及3)由于將DL方法獨立地應用于各個線圈，所以推斷時間 顯著增加。

另一種解決方案可以包括使用線圈靈敏度圖將多個線圈信號組合成單個組 合線圈圖像，然而，這種方法嚴重依賴于線圈靈敏度圖的估計質量。

發明內容

提供一種方法和系統是有利的，該方法和系統提供了用于人工智能應用的 固定線圈尺寸，而與MR圖像采集期間所使用的線圈數量無關。

根據本公開的一個方面，一種方法包括：采集具有多線圈尺寸的MRI數據； 將線圈尺寸(dimensions)壓縮到固定且預定數量的虛擬線圈；以及將固定且預 定數量的虛擬線圈用于人工智能應用。

方法可以包括：從MRI掃描儀、MRI數據儲存器、k空間儲存器或圖像儲 存器中的一個或多個采集具有多線圈尺寸的MRI數據。

多線圈尺寸可以包括12、16、24、32或64個線圈。

虛擬線圈的固定且預定數量可以在4至20之間。

方法可以包括：使用主成分分析、獨立成分分析、核主成分分析、機器學習 或深度學習中的一個或多個將線圈尺寸壓縮到固定且預定數量的虛擬線圈。

方法可以包括：使用線圈壓縮引擎將線圈尺寸壓縮到固定且預定數量的虛 擬線圈。

線圈壓縮引擎可以被并入作為人工智能引擎的一部分。