具有偏共振伪影校正的螺旋MR成像.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113939846A(43)申请公布日2022.01.14(21)申请号202080041174.6(74)专利代理机构永新专利商标代理有限公司(22)申请日2020.06.0372002代理人刘兆君(30)优先权数据19178061.82019.06.04EP(51)Int.Cl.G06T5/00(2006.01)(85)PCT国际申请进入国家阶段日G06T11/00(2006.01)2021.12.03G06N3/04(2006.01)(86)PCT国际申请的申请数据G06N3/08(2006.01)PCT/EP2020/0652732020.06.03G01R33/48(2006.01)(87)PCT国际申请的公布数据WO2020/245144EN2020.12.10(71)申请人皇家飞利浦有限公司地址荷兰艾恩德霍芬(72)发明人P·博尔纳特K·佐默C·M·J·许尔克J·S·范登布林克权利要求书2页说明书6页附图3页(54)发明名称具有偏共振伪影校正的螺旋MR成像(57)摘要本发明涉及一种对被定位在MR设备(1)的检查体积中的对象(10)进行MR成像的方法。本发明的目的是即使在强B0不均匀性的情况下也能实现高效且高质量的非笛卡尔MR成像。根据本发明，所述方法包括：使所述对象经受成像序列，所述成像序列包括至少一个RF激励脉冲和经调制的磁场梯度；沿着至少一条非笛卡尔k空间轨迹采集MR信号；根据所采集的MR信号来重建MR图像；并且使用深度学习网络来检测所述MR图像中由于B0不均匀性引发的k空间采样不足而引起的一个或多个差采样伪影。此外，本发明涉及一种MR设备(1)和一种计算机程序。CN113939846ACN113939846A权利要求书1/2页1.一种对被定位在MR设备(1)的检查体积中的对象(10)进行MR成像的方法，所述方法包括：使所述对象(10)经受成像序列，所述成像序列包括至少一个RF激励脉冲和经调制的磁场梯度；沿着至少一条非笛卡尔k空间轨迹采集MR信号；根据所采集的MR信号来重建MR图像；并且使用深度学习网络来检测所述MR图像中由于不均匀性引发的k空间采样不足而引起的一个或多个差采样伪影。2.根据权利要求1所述的方法，其中，所述非笛卡尔k空间轨迹是螺旋k空间轨迹。3.根据权利要求1或2所述的方法，其中，在检测遗留的差采样伪影的步骤之前，所重建的MR图像基于B0图而被去模糊。4.根据权利要求1‑3中的任一项所述的方法，其中，所述深度学习网络被训练为根据所述MR图像来导出伪影图，所述伪影图是仅至少一个检测到的差采样伪影的图画表现。5.根据权利要求4所述的方法，其中，所述深度学习网络是利用以下各项来训练的：在所述深度学习网络的输出处的一组建模的伪影图；以及在所述深度学习网络的输入处的训练MR图像与相应的建模的伪影图的叠加物。6.根据权利要求5所述的方法，其中，所述建模的伪影图包括针对所使用的成像序列计算的单体素或多体素偏共振的点扩散函数。7.根据权利要求4‑6中的任一项所述的方法，其中，检测到的差采样伪影是基于由所述深度学习网络根据所重建的MR图像导出的所述伪影图来校正的。8.根据权利要求1‑7中的任一项所述的方法，其中，检测一个或多个差采样伪影限于预定义的图像区域和/或其中B0图指示主磁场的不均匀性或局部变化程度超过给定阈值的图像区域。9.根据权利要求1‑8中的任一项所述的方法，其中，在检测所述差采样伪影期间，所述B0图用作所述深度学习网络的另外的输入。10.根据权利要求1‑9中的任一项所述的方法，其中，所述深度学习网络是卷积网络。11.一种MR设备，包括：至少一个主磁体线圈(2)，其用于在检查体积内生成均匀的静态磁场；多个梯度线圈(4、5、6)，其用于在所述检查体积内生成在不同空间方向上的切换的磁场梯度；至少一个RF线圈(9)，其用于在所述检查体积内生成RF脉冲和/或接收来自被定位在所述检查体积中的对象(10)的MR信号；控制单元(15)，其用于控制RF脉冲和切换的磁场梯度的时间演替；以及重建单元(17)，其用于根据接收到的MR信号来重建MR图像，其中，所述MR设备(1)被布置为执行以下步骤：使所述对象(10)经受成像序列，所述成像序列包括至少一个RF激励脉冲和经调制的磁场梯度；沿着至少一条非笛卡尔k空间轨迹采集MR信号；根据所采集的MR信号来重建MR图像；并且使用深度学习网络来检测所述MR图像中由于不均匀性引发的k空间采样不足而引起的一个或多个差采样伪影。12.一种包括指令的计算机程序，所述指令用于以下操作：2CN113939846A权利要求书2/2页根据使用非笛卡尔k空间采样采集的MR信号来重建MR图像；并且使用深度学习网络来检测所述M