[发明专利]使用球形神经网络的扩散磁共振成像

说明书

本发明提供了一种医学成像系统(100、300)。所述医学成像系统包括用于存储机器可执行指令(120)的存储器(110)。所述存储器还包含训练的卷积神经网络(122、122'、122”、122”'、122””)的实现。所述经训练的卷积神经网络包括多于一个球面卷积神经网络部分(502、502')。所述经训练的卷积神经网络被配置为接收扩散磁共振成像数据(124)。所述扩散磁共振成像数据包括球面扩散部分(500，500')。多于一个球面卷积神经网络部分被配置为接收所述球面扩散部分。所述经训练的卷积神经网络包括输出层(508)，所述输出层被配置为响应于将扩散磁共振成像数据输入到经训练的卷积神经网络中而生成神经网络输出(126)。所述医学成像系统还包括用于控制所述机器可执行指令的处理器(104)。所述机器可执行指令的运行使所述处理器：接收(200)所述扩散磁共振成像数据；并且通过将扩散磁共振成像数据输入到经训练的卷积神经网络中来生成(202)神经网络输出。

技术领域

本发明涉及磁共振成像，具体而言涉及扩散磁共振成像。

背景技术

作为用于生成来自对象体内的图像的过程的一部分，磁共振成像(MRI)扫描器使用大的静态磁场以使原子的核自旋对齐。该大的静磁场被称为B0场或主磁场。可以使用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，可以实现各种成像协议。存在扩散加权磁共振成像技术，其中例如可以测量针对不同体素的扩散张量。

Cohen等人的文章“Spherical CNNs,”arXiv:1709.04893v2公开了一种构建球形CNN的方法，其具有表达力和旋转等变性两者。在本文中，示例性地将球形CNN用于3D形状识别和雾化能量回归。

发明内容

本发明在独立权利要求中提供了一种医学成像系统、一种计算机程序产品和一种方法。在从属权利要求中给出了实施例。

对扩散加权磁共振图像的分析可能需要手动定义特征，例如来自扩散张量成像或纤维束量的分数各向异性(FA)。实施例可以提供完全自动化这样的分析的手段。这可以例如通过将来自在球上采集的梯度方向的扩散磁共振成像数据输入到球面神经网络中来实现。球面神经网络(在本文中也称为球面卷积神经网络)对于它们的输入以及最后是其某些层具有球形拓扑。传统的卷积神经网络通常具有平面输入，通常具有平面层。

使用球面神经网络的优点可能是它们更适合处理扩散磁共振成像数据，因为它们能够更有效地处理球面数据。使用平面输入的神经网络将使用球面信号的投影，这会引入在空间上变化的畸变，从而使平移权重共享无法实现。

在一个方面中，本发明提供了一种医学成像系统，其包括用于存储机器可执行指令的存储器。所述存储器还包含或存储对经训练的卷积神经网络的实现。所述经训练的卷积神经网络包括至少一个球面卷积神经网络部分。

如本文所使用的球面卷积神经网络包括具有球面输入或多个层而不是2D平面输入或多个层的神经网络。球面卷积神经网络中的模式作为三维旋转移动而不是平移。

经训练的卷积神经网络被配置为接收扩散磁共振成像数据。如本文所使用的扩散磁共振成像数据包括使用扩散加权磁共振成像协议采集的磁共振成像数据。扩散磁共振成像数据包括球面扩散部分。至少一个球面卷积神经网络被配置用于接收球面扩散部分。经训练的卷积神经网络包括输出层，所述输出层被配置为响应于将扩散磁共振成像数据输入到经训练的卷积神经网络中而生成神经网络输出。