执行还令所述处理器通过计算所述导航器向量的集合中的每个之间的度量来重复地构建相异性矩阵或D-矩阵。本文中使用的度量是用于生成(一个或多个)值以评价两个导航器向量的接近度或相似度的的数学函数。本文中使用的相异性矩阵涵盖用于存储如通过两个或更多个数学对象(例如导航器向量)之间的度量测量的相对相异性的矩阵。
[0024]所述导航器向量中的每个之间的所述相异性是使用所述度量来测量的，并且其然后用于构建所述相异性矩阵。随着采集到越来越多的导航器数据，可以不需要每次都完整地重建所述相异性矩阵。例如，在添加一个导航器向量时，额外的数据可以简单地被添加到已有的相异性矩阵，并使其更大。所述指令的执行还令所述处理器使用归类算法重复地生成所述相异性矩阵的矩阵归类。所述归类算法将所述相异性矩阵作为输入，并然后输出矩阵归类。所述归类算法因此能够返回描述所述相异性矩阵内部的值的结构的归类，或者能够识别所述导航器集的值中的转变。所述指令的执行还令所述处理器控制所述磁共振成像系统以使用所述归类矩阵来修改对所述磁共振数据的采集。例如，所述矩阵归类可以指示所述对象自上次数据采集以来已在内部或外部移动了。这可以用于例如确定所述磁共振协议是否应被继续或者其是否应被中断。该实施例可以是有益的，因为其实现了对所述对象内部或外部的各种类型的移动的确定。这可以有助于更快速地生成磁共振图像。
[0025]在另一实施例中，所述归类算法是能用于选择所述归类矩阵的模式识别算法。例如，所述模式识别算法可以被编程或包含指令，所述指令使得所述过程能够识别所述导航器向量的值中的转变，或者可以能用于识别导航器向量的集合中的模式。例如，神经网络可以被编程为所述矩阵归类。
[0026]在另一实施例中，所述存储器还包括矩阵库，所述矩阵库包括范例矩阵。所述模式识别模块能用于选择所述范例矩阵中的一个。该实施例可以是有益的，因为其实现了对特定库矩阵的选择。这可以有助于更快速地生成所述矩阵归类。
[0027]在另一实施例中，所述范例矩阵中的每个都与修改指令相关联。通过执行所述修改指令来修改由所述磁共振成像系统对所述磁共振数据的采集。该实施例可以是有益的，因为其提供了在发生所述采集的同时联机修改对所述磁共振数据的所述采集的手段。矩阵在该上下文中的使用可以是有用的，因为可以很好地制定出所述矩阵库中的所述范例，并且用于改善数据品质的所述修改可以是已知的。
[0028]在另一实施例中，所述模式识别算法是聚类分析算法。所述聚类分析算法能用于执行所述导航器向量的集合的时间相关。各个导航器向量之间的所述时间相关然后可以用于生成所述相异性矩阵。本文中使用的聚类分析算法涵盖可以用于聚类分析(其也被称为数据分割)的算法。这可以是尤其有益的，因为聚类分析可以有用将所述导航器向量分为不同的组。例如，如果对象移动了，则所述聚类分析算法可以识别存在两个或更多个不同组的导航器向量。通过将所述导航器向量划分成这样的组，之后可以容易地识别对象在何时移动。然而，在一些实例中，所述聚类分析可以指示导航器向量具有与一定时期较高程度的相似度。例如，这可以指示所述对象的周期运动。
[0029]在另一实施例中，所述聚类算法是使用平均连接的凝聚分层聚类算法。这是个迭代过程，其中，你以包含仅一个元素(=一个导航器激发)的聚类开始。这意味着在开始时，聚类的数据等于导航器激发的数目。在每次迭代中，通过对彼此最接近的两个聚类进行合并，使聚类的数目减少一个。
[0030]为了使用所述方法，你需要定义计算两个聚类之间的距离的度量。同样存在不同选项，但都基于针对属于所述聚类的元素的相异性矩阵值:你能够采取涉及到的全部元素的相异性值中的最小值、最大值或平均值。
[0031]这给了你随着聚类间相异性(两个聚类之间的融合发生在这里)的逐渐增加，而逐渐减小的聚类的序列。如果你标绘融合相异性对聚类的数目，如果导航器激发能够被分成不同的组，你将注意到在该图中的强跳跃。通过将阈值放置到最大容许聚类间距离，你从聚类的分层链中选择一个特定聚类。
[0032]在另一实施例中，所述归类算法是统计分析算法。这可以是有益的，因为存在可以用于识别数据的改变的多种众所周知的统计技术。
[0033]在另一实施例中，所述统计分析算法能用于通过执行以下方式中的任意一种来确定矩阵归类:执行贝叶斯分析、对所述相异性矩阵进行阈值处理、计算所述相异性矩阵的标准偏差、识别所述相异性矩阵中在预定范围以外的元素，以及执行基于概率的选择。
[0034]在另一实施例中，所述磁共振数据包括多个切片。所述指令的执行还令所述处理器针对所述多个切片中的每个使用所述相异性矩阵来计算相异性矩阵的集合。所述指令的执行还令所述处理器通过使用所述归类算法来生成矩阵归类的集合，以针对相异性矩阵的集合中的每个生成所述相异性矩阵。所述指令的执行还令所述处理器控制所述磁共振成像系统，以使用矩阵归类的集合来修改对所述磁共振数据的采集。在采集磁共振数据时，其可以在多于一个采集平面或切片中被采集。本文中使用的切片涵盖从中采集磁共振数据的二维区域。对二维的引用事实上是对期望位置的引用。所述磁共振数据是在傅立叶空间中被采集的，因此对磁共振数据的所述采集实质上是来自三维体积。根据每个特定切片，可以使用其自身的相异性矩阵。该实施例可以是尤其有益的，因为其允许在每个特定切片中优化所述磁共振协议。
[0035]在另一实施例中，通过将基于规则的算法应用于矩阵归类的集合，来执行所述控制磁共振成像系统。
[0036]在另一实施例中，所述磁共振数据包括在k空间中的样本点的集合。所述磁共振数据的每个部分都是样本点的集合的子集。
[0037]在另一实施例中，所述磁共振成像系统还包括能用于同时从多于一个通道接收所述磁共振数据的多通道射频系统。所述指令的执行还令所述处理器通过对来自所述多于一个通道的所述导航器数据进行组合，来创建导航器向量的集合。例如，可以在每个个体数据上采集导航器数据。可以使用多种不同的技术对来自所述通道中的每个的所述导航器数据进行组合。例如，通常在多通道射频系统中，针对不同的地理位置，以不同方式对来自所述通道中的每个的所述数据进行加权。相对的通道之间的该加权因子可以用于对导航器向量的集合进行组合。在其他实施例中，可以简单地对所述导航器向量进行平均。在其他实施例中，可以选择从所述不同射频通道收集的所述导航器数据的子集。
[0038]在另一实施例中，通过使用以下方式中的任一种来对所述导航器数据进行组合:使用预定权重来对来自所述多于一个通道的所述导航器数据进行平均，以及连接来自所述多于一个通道的所述导航器数据。在另一实施例中，所述预定加权因子是以下中的任一个:Roemer灵敏度、空间位置，或所接收的信号强度。
[0039]连接实现了大量测量结果到单一相异性值的减少。用于实现其的一种方式是针对每次测量(“Xij”)定义度量(“d”)，并然后对被应用到其各自的测量的全部度量的值进行加和。在该情况中，i下标可以指不同的导航器激发，并且j下标可以指不同的测量值。这些能够是相同接收通道或者不同的接收通道或者甚至不同的设备(如呼吸带)的不同k空间样本。
[0040]在另一实施例中，在多通道磁共振采集的情况中，能够使用合适的通道通信将所述导航器信号组合到另外的过程，该途径暗含某些加权因子用于减小评价期间的数值工作量。这些加权因子可以从潜在地可用的线圈灵敏度信息并且也是从先验知识得到的，以额外地平衡所述导航器数据的所述个体信号的影响。这可以是在空间和置信度方面的。在另一实施例中，这可以包括通过指定合适的度量来省略所述信号组合过程，所述合适的度量在所述矩阵元素的计算期间考虑所述磁共振导航器信号的潜在的多通道性质。
[0041]在另一实施例中，通过以下方式中的任一种来修改对磁共振数据的所述采集:停止对磁共振数据的所述采集；修改扫描几何配置并限制对磁共振数据的所述采集；忽略所述磁共振数据中的一个或多个点；重新采集所述磁共振数据的部分；生成操作者警报；及其组合。根据由所述矩阵归类所确定的，可以需要各种动作用于校正对所述磁共振数据的所述采集。
[0042]在另一实施例中，所述度量是以下方式中的任一种:计算导航器向量之间的平方复合差之和；计算所述导航器向量的幅值的差异；计算导航器向量之间的差的绝对值；以及，计算导航器信号之间的相关性。所述度量也可以包括使所述导航器向量归一化。例如，可以使用所述D-矩阵的最小值作为计算所述度量的部分，来使所述导航器向量归一化。
[0043]当在两个导航器向量上执行度量计算时，在一些实施例中，可以在所述导航器数据上执行傅立叶变换，作为预处理步骤。
[0044]所述导航器数据可以是一维信号或投影，如中心k_空间线。F-导航器(平行于所述中心k-空间线的k-空间线)、0-导航器(绕k-空间原点的圆)为范例。在更高维度中的数据的测量结果(如小图像或其子集)也可以用作导航器。
[0045]在另一实施例中，所述磁共振数据还包括图像数据。所述指令的执行令所述磁共振成像系统从第一感兴趣区域采集所述图像数据，并且从第二感兴趣区域采集所述导航器数据。在备选的实施例中，所述导航器数据是从所述图像数据中得到的。在一些实施例中，所述导航器可以是源自于实际成像和/或体积的磁共振信号，或者可以备选地源自不同于所述成像体积的子体积。
[0046]在另一实施例中，所述磁共振成像系统包括用于生成运动数据/导航器类型的数据的运动检测系统。所述指令的执行令所述过程在对所述磁共振数据的所述采集期间采集所述运动数据。所述指令的执行还令所述处理器将所述运动数据并入所述相异性矩阵。该实施例可以是有益的，因为额外的数据可以用于组合成所述相异性矩阵，使其更为准确。例如，所述信号可以起因于外部运动感测设备，例如被放置在所述患者之外的枕、带或相机。在一些实施例中，所述导航器的源可以指相同的运动状态，并且使用支持其的合适的相异性矩阵同时将所述导航器的源考虑在内。
[0047]为了将不同类型的数据并入单个相异性矩阵，可以使用比例因子或其他函数。
[0048]对来自多个源的导航器数据进行组合或使用诸如呼吸带的运动监测系统，数据不是根本问题。在实践中，其当然会需要一些实验过程来平衡不同的测量结果相对于彼此的影响(即，调节所述度量)。
[0049]用于对来自不同元素的导航器数据进行组合的动机略不同于连接。用于对所述相异性矩阵的计算的工作利用导航器激发的数目按比例调节二次方程。为了快速计算所述D矩阵值，有利的是保持导航器向量短。这是为什么其能够有用于在计算所述相异性之前将所述导航器向量组合成一个向量。能够应用甚至更大的压缩:例如，能够对相邻样本进行平均化，或者仅将每η个样本考虑在内。
[0050]在本发明的另一方面，提供一种包括机器可读指令的计算机程序产品，所述机器可读指令用于由控制磁共振成像系统的处理器执行，用于从成像区采集磁共振数据。所述机器可执行指令的执行令所述处理器重复地控制所述磁共振成像系统，以采集所述磁共振数据的部分。所述磁共振数据的每个部分都包括导航器数据。
[0051]机器可执行指令的执行还令所述处理器通过从所述