【技术实现步骤摘要】
技术介绍
1、磁共振成像(mri)扫描仪是要求特定的mr脉冲序列来扫描患者以生成图像的复杂机器。从业者使用各种序列，包括自旋回波、快速自旋回波、反转恢复、短tau反转恢复、流体衰减反转恢复、梯度回波序列、稳态自由进动以及其他。每个序列都包括许多选项。这些序列通过经验方法确定，其中从业者进行试错实验，以优化诸如回波时间、重复时间、回波序列长度或翻转角度之类的参数，以实现期望的对比度并且减少伪影。可能难以实现好的质量。经常要求多次mri扫描来补偿每次个体扫描的次优质量，从而导致冗长的检查时间。在检查期间使用多个序列是耗时、昂贵的，并且增加必须分析所有所得到的图像的放射科医生的工作量。尽管人工智能(ai)已经允许以更高的加速度进行的mr重建，从而减少了总体检查时间，但是mri序列典型地仍然是手动设计的。
技术实现思路
1、通过介绍的方式，下面描述的优选实施例包括用于mr序列的基于人工智能的优化的方法、系统、指令和非暂时性计算机可读介质。利用强化学习训练的代理(agent)机器为患者生成mr脉冲序列。代理可以为定义mr脉冲序列的多个或所有参数生成值。代理被使用最终目标或任务(例如，mr图或分割)作为奖励函数进行训练，因此由代理生成的mr脉冲序列提供良好质量mr成像。代理快速生成mr脉冲序列，并且无需在患者身上使用多个序列。
2、在第一方面中，为mr扫描仪提供了一种建立mr脉冲序列的方法。接收用于患者的mr扫描的环境的指示。经强化学习的ai基于环境的输入和患者的数字孪生建立针对
3、在第二方面中，提供了一种用于强化机器学习以建立mr脉冲序列的方法。定义了表示mr脉冲序列、mr扫描仪和要扫描的虚拟对象的状态空间。mr脉冲序列的动作空间被利用对应于改变mr脉冲序列的特性的动作的多个对象来参数化。处理器执行代理的强化学习。强化学习以不同的组合模拟不同的mr脉冲序列、不同的mr扫描仪和状态空间的不同虚拟对象，其中每个组合在动作空间中被优化。代理被存储。
4、在第三方面中，一种磁共振(mr)系统包括mr扫描仪，所述mr扫描仪通过控件的设置来配置以扫描患者的区域。处理器由经机器学习的代理配置，以配置mr扫描仪。经机器学习的代理使用通过模拟动作序列由mr扫描仪利用设置的不同值进行的mr扫描的模拟。所述不同值由经机器学习的代理来优化，其中经优化的值被用于设置mr扫描仪的配置。
5、其他方面在下面在说明性实施例中进行概括。针对一种类型的说明性实施例(方法或系统)指出的各方面可以被用在另一类型中。本专利技术由以下权利要求限定，并且本节中的任何内容都不应当被视为对那些权利要求的限制。本专利技术的进一步的方面和优点被在下面结合优选实施例讨论，并且之后可以被独立地或组合地要求保护。
本文档来自技高网...【技术保护点】
1.一种为MR扫描仪建立磁共振(MR)脉冲序列的方法，所述方法包括：
2.根据权利要求1所述的方法，其中接收指示包括接收环境的状态信息，所述状态信息由经强化学习的人工智能的代理在建立MR脉冲序列时使用。
3.根据权利要求1所述的方法，其中接收指示包括接收患者的身体区域、患者的身体区域的大小、MR扫描的输出任务和MR扫描仪的规格，身体区域、大小、输出任务和规格由经强化学习的人工智能的代理在优化中使用。
4.根据权利要求1所述的方法，其中建立包括经强化学习的人工智能的代理利用动作序列来执行优化，以调整MR脉冲序列的参数值。
5.根据权利要求1所述的方法，其中建立包括建立MR脉冲序列的多个不同参数的值。
6.根据权利要求5所述的方法，其中建立包括建立用于患者的MR扫描的可以在MR扫描仪中设置的所有不同参数的值。
7.根据权利要求5所述的方法，其中所述多个不同参数是由用户指示为要建立的参数，并且其他参数是固定的，其中建立包括建立所述多个不同参数的值，同时在优化中维持其他参数的值恒定。
8.根据权利要求1所
9.根据权利要求1所述的方法，其中建立包括通过经强化学习的人工智能来建立针对最终目标优化的MR脉冲序列，其中所述优化考虑成像的最终目标。
10.根据权利要求9所述的方法，其中建立包括将最终目标考虑为图、分割和/或检测的类型。
11.根据权利要求1所述的方法，其中建立包括在优化中应用经强化学习的人工智能的代理，其中所述代理关于用于参数化MR序列的不同对象的设置来选择动作序列。
12.根据权利要求1所述的方法，其中建立包括在从较粗糙到较精细的动作步骤中在不同分辨率的序列上建立。
13.一种用于用以建立磁共振(MR)脉冲序列的强化机器学习的方法，所述方法包括：
14.根据权利要求13所述的方法，其中强化学习包括基于MR成像的最终目标利用损失函数进行的优化。
15.根据权利要求14所述的方法，其中所述优化基于来自模拟的重建的MR图与基准真值MR图的比较来使用损失函数。
16.根据权利要求14所述的方法，其中所述优化基于来自模拟的分割与来自虚拟对象的基准真值分割的比较来使用损失函数。
17.根据权利要求13所述的方法，其中在动作空间中的优化包括多个对象的参数的优化。
18.根据权利要求17所述的方法，其中定义包括利用基于来自用户和/或硬件的输入被约束的MR脉冲序列来定义限制参数值的约束。
19.一种磁共振(MR)系统，包括：
20.根据权利要求19所述的MR系统，其中所述经机器学习的代理被配置为建立优化中多个设置的值，其中所述优化基于MR图生成和/或分割的最终任务。
...【技术特征摘要】
1.一种为mr扫描仪建立磁共振(mr)脉冲序列的方法，所述方法包括：
2.根据权利要求1所述的方法，其中接收指示包括接收环境的状态信息，所述状态信息由经强化学习的人工智能的代理在建立mr脉冲序列时使用。
3.根据权利要求1所述的方法，其中接收指示包括接收患者的身体区域、患者的身体区域的大小、mr扫描的输出任务和mr扫描仪的规格，身体区域、大小、输出任务和规格由经强化学习的人工智能的代理在优化中使用。
4.根据权利要求1所述的方法，其中建立包括经强化学习的人工智能的代理利用动作序列来执行优化，以调整mr脉冲序列的参数值。
5.根据权利要求1所述的方法，其中建立包括建立mr脉冲序列的多个不同参数的值。
6.根据权利要求5所述的方法，其中建立包括建立用于患者的mr扫描的可以在mr扫描仪中设置的所有不同参数的值。
7.根据权利要求5所述的方法，其中所述多个不同参数是由用户指示为要建立的参数，并且其他参数是固定的，其中建立包括建立所述多个不同参数的值，同时在优化中维持其他参数的值恒定。
8.根据权利要求1所述的方法，其中建立包括建立其中所述多个不同参数中的至少一个由mr扫描仪的硬件和/或由用户的输入约束，所述优化将所述多个不同参数的值建立为受约束的。
9.根据权利要求1所述的方法，其中建立包括通过经强化学习的人工智能来建立针对最终目标优化的mr脉冲序列，其中所述优化考虑成像的最...
【专利技术属性】
技术研发人员：S·阿贝雷特，D·科马尼丘，
申请(专利权)人：西门子医疗股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。