[发明专利]用于确定医学成像的最佳操作参数的系统和方法

说明书

用于确定医学成像的最佳操作参数的系统和方法。用于确定对患者成像的优化成像参数的系统和方法包括学习在已知成像参数和质量度量之间的关系的模型，根据培训数据确定已知成像参数和质量度量。通过使用学习的模型优化质量度量来确定优化成像参数。使用优化成像参数来获取患者的图像。

背景技术

本发明通常涉及医学成像，且更特别地涉及确定医学成像的最佳操作参数。

医学成像是支持诊断的关键性的工具，且在临床应用中被广泛接受。为了生成在临床上可接受的图像，需要在执行检查或程序之前设置多个扫描仪、患者和检查参数。例如，在磁共振成像（MRI）膝盖检查中，在检查之前需要确定重复时间（TR）、回波时间（TE）和其它参数。在当前的临床实践中，这些参数由技术人员或操作员基于他们的经验和个人选择来手动地调整。然而，这些参数的可能值的数目是大的且包括递送差质量图像的值或值的组合。调整参数的这些组合以生成在临床上可接受的图像由于大量的可能的组合而在逻辑评估的情况下是禁止的。此外，在设施中具有多种装备的情况下或在对系统进行改变（例如软件或硬件升级）之后，将实践改变到现有技术的负担由于它们的手动性质在最好情况下也是笨重的且是无效率的。

发明内容

根据实施例，用于确定对患者成像的优化的成像参数的系统和方法包括学习已知成像参数和质量度量（quality measure）之间的关系的模型，根据培训数据确定已知成像参数和质量度量。通过使用学习的模型优化质量度量来确定优化的成像参数。使用优化的成像参数来获取患者的图像。

根据实施例，通过使用学习的模型优化质量度量来确定优化的成像参数包括将质量度量最大化。

根据实施例，质量度量包括信噪比、对比度噪声比、分辨率、运动伪像的度量和重像（ghosting）的度量中的至少一个。可基于正被执行的程序来选择质量度量。信噪比可被确定为在图像中的目标结构中的第一感兴趣区中的像素的平均强度值和在图像中的目标结构外部的第二感兴趣区中的像素的平均强度值之间的比。

根据实施例，已知成像参数包括用于操作图像获取设备的参数。

根据实施例，优化的成像参数被约束到已知成像参数的范围之内。

根据实施例，优化质量度量包括使用内部点算法来优化质量度量。

根据实施例，学习模型包括使用回归分析来学习模型。

通过参考下面的详细描述和附图，本发明的这些和其它优点将对本领域普通技术人员来说是显而易见的。

附图说明

图1示出根据一个实施例的用于确定医学成像的参数的工作流程；

图2示出根据一个实施例的用于确定医学成像的参数的系统；

图3示出根据一个实施例的具有在股骨中的感兴趣区和在股骨外部的感兴趣区的股骨的图像平滑器（image slick）；

图4示出根据一个实施例的比较所获取的信噪比与所计算的信噪比的曲线图；

图5示出根据一个实施例的用于确定医学成像的参数的方法；以及

图6示出根据一个实施例的用于确定医学成像的参数的计算机的高级框图。

具体实施方式

本发明通常涉及基于数据驱动学习的方法以确定医学成像扫描仪的最佳操作参数。在本文描述本发明的实施例以给出用于基于学习的主动脉分割的方法的视觉理解。数字图像常常由一个或多个对象（或形状）的数字表示构成。在本文常常就识别和操纵对象来描述对象的数字表示。此类操纵是在计算机系统的存储器或其它电路/硬件中实现的虚拟操纵。因此，应理解，可使用存储在计算机系统内的数据来在计算机系统内执行本发明的实施例。