用于配置RF发射组件的方法与流程

用于配置rf发射组件的方法
技术领域
[0001]
本发明涉及扫描成像系统，具体地涉及一种用于配置射频(rf)发射组件的方法。


背景技术：

[0002]
发射rf链被配置为在最短时间段内生成所需的自旋激发，同时遵守技术和生物学限制。磁共振成像(mri)系统的发射rf链包含驱动mri线圈的一个或多个rf放大器。rf链可以由数字rf脉冲发生器、rf放大器、模拟t/r开关和mri天线构成。但是，持续需要改进对rf链的操作的控制。


技术实现要素：

[0003]
各实施例提供一种用于配置rf发射组件的方法、医学分析系统和计算机程序产品，如在独立权利要求的主题中所描述的。在从属权利要求中描述了有利的实施例。
[0004]
本公开涉及实现具有优化的rf发射链或组件的mri系统所需的硬件和软件。mri rf发射组件提供有以机器学习为特征的机器学习模块。模块可以使用针对不同的rf组件优化的不同的机器学习算法，例如脉冲生成、数字预失真、rf放大器的参数设置、阻抗匹配选项和rf开关切换以及在多通道tx系统中的匀场设置(shim set)的选择。不同的机器学习算法可以具有作为输入的rf发射组件的当前操作条件。对于完整的rf组件，可以应用一组用于机器学习的学习算法。学习方法和策略可以基于云基础的实施或本地实施。机器学习模块根据可用数据和训练时间量适用于不同场景。
[0005]
一方面，本发明涉及一种用于配置针对磁共振成像系统的射频rf发射组件以使用rf脉冲序列从成像区域内的对象采集磁共振成像数据的方法。rf发射组件包括rf放大器和发射线圈，其中，rf发射组件可利用配置参数的集合来配置。所述方法包括：提供rf发射组件的操作条件。操作条件至少指示以下内容：rf脉冲序列的属性和可测量参数，当使用rf脉冲序列操作rf发射组件时，所述可测量参数影响rf脉冲序列属性。预定义的机器学习模型可以用于确定针对操作条件的配置参数的集合的至少部分和相关联的值。可以根据所确定的配置参数来配置rf发射组件。
[0006]
所提供的操作条件可以是当使用rf脉冲序列操作rf发射组件时当前测量的操作条件。在另一范例中，所提供的操作条件可以是rf发射组件将要配置的以便相应地起作用的所期望的操作条件。
[0007]
术语“机器学习”指一种计算机算法，用于通过以自动方式构建概率模型(称为机器学习(或学习的)模型)从训练数据中提取有用的信息。可以使用一种或多种学习算法，例如线性回归、k均值、分类算法、强化算法等来执行机器学习。“模型”可以例如是方程式或一组规则，其能够根据其他已知的值来预测未测量的值(例如，哪个配置对应于给定的操作条件)和/或预测或选择动作来使未来回报最大化或使未来惩罚最小化。根据一个实施例，机器学习模型是深度学习模型。
[0008]
考虑到参数的数量及其非线性(例如，放大器增益、固定参数限制)相互依赖性，通
过用户临时分析优化给定时间帧内的几十个输入和输出参数是不可能的。本方法可以使得能够基于涉及多个输入参数的多维方法来找到用于rf发射组件的最优配置集，其中，所述参数可以是相互依赖性的。
[0009]
本公开可以使rf发射组件的操作能够自动化。这可以减少操作者干预rf发射组件的配置的需要。
[0010]
本公开还可以具有使用预先精确定义的合适配置的优点，并且因此可以提供具有较少失真的更干净的rf发射信号和在相位和幅度方面更稳定的发射信号、从内部稳定电路解除rf放大器、并降低成本。根据一个实施例，脉冲序列的属性包括以下各项中的至少一项：峰值功率、平均功率、脉冲形状、总持续时间和频率分布、线性度。脉冲序列的属性可以使得能够控制用于采集mr数据的rf脉冲序列。这种基于许多属性的控制对于手动优化可以实际上是不可能的。
[0011]
根据一个实施例，可测量参数包括以下各项中的至少一项：环境温度、rf发射组件的冷却水的温度、rf放大器的部件的结点温度(例如，rf ldmos的温度或散热器的温度)、发射线圈的线圈负载、电源电压、rf发射组件的电源。操作条件还可以指示对象(例如患者)体重、对象身高、成像位置、要被扫描的解剖结构。可测量参数还可以指示b1图、b1需求、电容器组的状态或拾取回路信号。rf发射组件的发射线圈可以被配置为将电磁波发射到样本中，从而产生激发核自旋所需的振荡b1磁场。b1图和b1需求可以量化为可测量参数。可测量参数可以例如根据其他一个或多个可测量参数导出或确定。
[0012]
在确定操作条件中使用的属性和可测量参数越多，所选择的所确定的配置参数的集合就越准确。由于属性和可测量参数的数量和组合，并且与本方法相反，系统的临时配置是不可能的，或者至少可能是不准确的资源。
[0013]
根据一个实施例，配置参数的集合包括：rf脉冲序列的预失真的指示、rf发射组件的预定义的点处的偏置电压、漏极电压、用于调谐rf发射组件的匹配网络的匹配参数、用于rf放大器的切换开关的开关阈值、例如用于冷却rf组件的部件的冷却水的温度。配置参数的集合可以例如还指示作为多通道中的一个通道的在包括rf发射组件的多通道tx系统中的匀场设置的选择。例如，rf发射组件的操作条件可以指示需要使用多通道tx系统中的其他rf组件。在一个范例中，操作条件可以指示增加例如额外的局部线圈以实现所需的均匀性。
[0014]
匹配网络可以例如被配置为用于将给定的系统输入阻抗与rf放大器的rf晶体管的阻抗进行匹配，以实现最大功率传输。可以使用预失真来改善输出信号的线性度。预失真可以是节省成本并具有功率效率的技术。预失真技术可以使rf放大器中的功率电子器件更简单，并从rf放大器中得到更多可用的功率和信号线性度。这可以使得在非线性方案下也能够驱动rf放大器。切换开关可以是rf t/r开关。
[0015]
根据一个实施例，所述方法还包括：接收指示与rf发射组件的各种操作条件相关联的配置参数的集合的训练集合；使用训练集合来训练预定义的机器学习算法，从而生成机器学习模型。可以通过使用基于云的算法或使用在rf发射组件附近或之中的本地处理器来实现训练或学习。例如，可以基于训练集合的可用数据量和可用处理资源来应用不同的机器学习算法。训练集合可以例如从多个mri系统收集，其中，每个mri系统包括本文所述的rf组件。这可以提高所生成的模型的准确性。训练可以例如定期执行。这可以实现用于准确
预测rf发射组件的设置的最新模型。
[0016]
根据一个实施例，所述方法还包括生成训练集合，所述训练集合包括来自至少一个数据源的收集数据，并且处理所述收集数据以确定与相应操作条件相关联的配置参数的集合，其中，数据源包括以下中的至少一个：mri系统的日志文件、指示rf发射组件的操作的用户报告、例如单独或连续获得的来自工厂的放大器负载拉动数据(可以使用扫描数据来更新负载数据)。本实施例可以实现丰富的训练集合，所述训练集合能够用于提供可靠和准确的预测模型。
[0017]
根据一个实施例，所述方法还包括：针对其他的所提供的操作条件重复确定步骤，并且使用所确定的配置参数和所提供的操作条件来更新训练集合，并且使用所更新的训练集合来重复对机器学习算法的训练，其中，所确定的配置参数用于rf发射组件的操作。本公开可以通过增加记忆和重新使用成功的系数和参数设置的学习模块来扩展rf链的参数控制。这可以进一步提高由所生成的模型执行的预测的准确性。
[0018]
根据一个实施例，响应于检测到当前操作条件不同于所提供的操作条件而执行使用预定义的机器学习模型来确定配置参数的集合中的至少部分。具有机器学习模块的rf链比传统的rf链设备能够更快地对操作条件的变化做出自动响应。
[0019]
根据一个实施例，可测量参数是rf发射组件的第一部件的物理属性。所述方法还包括：提供多个机器学习模型，每个机器学习模型与rf发射组件的部件相关联；从与第一部件相关联的多个机器学习模型中选择预定义的机器学习模型。
[0020]
本方法可以针对不同的rf组件优化使用不同的机器学习算法，例如脉冲生成、数字预失真、rf放大器的参数设置、阻抗匹配选项和rf开关切换、以及对多通道tx系统中的匀场设置的选择。对于完整的rf组件，可以应用用于机器学习的一组学习算法。例如，深度学习算法可以用于生成用于确定rf放大器的配置参数的值的深度学习模型，并且决策树学习可以用于生成用于确定发射线圈的配置参数的值的决策树模型。例如，需要比第二部件更多的配置参数(例如ldmos的偏置或冷却水温度)的(例如用于单个通道的rf匀场或匹配的)部件可以与第一学习方法(深度学习模型)相关联，而第二学习方法(例如线性学习模型)对于第二部件可能就足够了。具有取决于rf发射组件的部件的不同算法可以进一步提高所确定的rf发射组件的设置或配置参数的准确性。
[0021]
根据一个实施例，操作条件还包括rf发射组件的第二部件的其他的可测量参数。确定步骤包括使用第二部件的预定义机器学习模型和其他的机器学习模型来确定配置参数的集合的至少部分和与操作条件相关联的值。
[0022]
在另一方面，本发明涉及一种计算机程序产品，所述计算机程序产品包括用于由处理器执行的机器可执行指令，其中，机器可执行指令的执行令处理器执行前述实施例中任一项的方法。
[0023]
在另一方面，本发明涉及一种用于配置射频rf发射组件的医学分析系统(或医学控制系统)。医学分析系统包括：包含机器可执行指令的存储器；以及用于控制医学分析系统的处理器，其中，机器可执行指令的执行令医学分析系统：
[0024]-提供rf发射组件的操作条件，操作条件至少指示以下内容：rf脉冲序列的属性以及在使用rf脉冲序列操作rf发射组件时影响rf脉冲序列属性的可测量参数；-使用预定义的机器学习模型来确定配置参数的集合中的至少部分和与操作条件相关联的值；
[0025]-根据所确定的配置参数来配置rf发射组件。
[0026]
应当理解，只要组合的实施例不相互排斥，就可以组合本发明的上述实施例中的一个或多个。
附图说明
[0027]
在下文中，将仅通过范例的方式并参考附图来来描述本发明的优选实施例，在附图中：
[0028]
图1是医学分析系统的示意图，
[0029]
图2是用于mri系统的范例rf发射组件的示意图，
[0030]
图3是用于配置射频rf发射组件的方法的流程图，
[0031]
图4示出了mri系统的横截面和功能图。
[0032]
附图标记列表
[0033]
100
ꢀꢀꢀꢀ
医学系统
[0034]
101
ꢀꢀꢀꢀ
扫描成像系统
[0035]
103
ꢀꢀꢀꢀ
处理器
[0036]
107
ꢀꢀꢀꢀ
存储器
[0037]
108
ꢀꢀꢀꢀ
医学分析系统的电源
[0038]
109
ꢀꢀꢀꢀ
总线
[0039]
111
ꢀꢀꢀꢀ
控制系统
[0040]
121
ꢀꢀꢀꢀ
软件
[0041]
125
ꢀꢀꢀꢀ
显示器
[0042]
129
ꢀꢀꢀꢀ
用户接口
[0043]
150
ꢀꢀꢀꢀ
ai部件
[0044]
200
ꢀꢀꢀꢀ
rf组件
[0045]
201
ꢀꢀꢀꢀ
拾取线圈
[0046]
204
ꢀꢀꢀꢀ
预失真系统
[0047]
207
ꢀꢀꢀꢀ
脉冲发生器
[0048]
209
ꢀꢀꢀꢀ
匹配网络
[0049]
210
ꢀꢀꢀꢀ
开关
[0050]
211
ꢀꢀꢀꢀ
信号引线
[0051]
213
ꢀꢀꢀ
线圈
[0052]
215
ꢀꢀꢀꢀ
rf放大器
[0053]
218
ꢀꢀꢀ
rf发射组件的电源
[0054]
220
ꢀꢀꢀꢀ
控制器
[0055]
3001-3005 方法步骤
[0056]
300
ꢀꢀꢀꢀ
磁共振成像系统
[0057]
304
ꢀꢀꢀꢀ
磁体
[0058]
306
ꢀꢀꢀꢀ
磁体的孔
[0059]
308
ꢀꢀꢀꢀ
成像区
[0060]
310
ꢀꢀꢀꢀ
磁场梯度线圈
[0061]
312
ꢀꢀꢀꢀ
磁场梯度线圈电源
[0062]
314
ꢀꢀꢀꢀ
射频线圈
[0063]
315
ꢀꢀꢀꢀ
rf放大器
[0064]
318
ꢀꢀꢀꢀ
对象
具体实施方式
[0065]
在下文中，附图中相似附图标记的元件是相似元件或执行等效功能。如果功能相同，则先前讨论的元件不必在后面的附图中进行讨论。
[0066]
仅出于解释的目的，并且为了本领域技术人员公知的细节不会模糊本发明，在附图中示意性描绘了各种结构、系统和设备。然而，所附附图被包括在内，以描述和解释所公开主题的说明性范例。
[0067]
图1是医学分析系统100的示意图。医学分析系统100包括控制系统111，其被配置为连接到扫描成像系统(或采集部件)101。控制系统111包括处理器103、存储器107，每个存储器107能够与医学系统100的一个或多个部件进行通信。例如，控制系统111的部件被耦合到双向系统总线109。
[0068]
应当理解，本文描述的方法至少部分是非交互的，并且是通过计算机化系统来自动化。例如，这些方法还能够在软件121、(包括固件)、硬件或其组合中实现。在范例性实施例中，本文描述的方法以软件形式实现为可执行程序，并且由专用或通用数字计算机(例如个人计算机、工作站、小型计算机或大型计算机)来执行。
[0069]
处理器103是用于执行软件的硬件设备，具体地是用于执行存储在存储器107中的软件。处理器103能够是任何定制的或市售的处理器、中央处理器(cpu)、与控制系统相关联的若干处理器中的辅助处理器111、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器或总体上用于执行软件指令的任何设备。处理器103可以控制扫描成像系统101的操作。
[0070]
存储器107能够包括易失性存储器元件(例如，随机存取存储器(ram，诸如dram、sram、sdram等))和非易失性存储器元件(例如，rom，可擦除可编程只读存储器(eprom)、电子可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom))中的任何一种或组合。注意，存储器107能够具有分布式体系结构，其中各个部件彼此相距比较远，但是能够由处理器103访问。存储器107可以存储与医学系统100的至少一个其他组成元件有关的指令或数据。
[0071]
控制系统111还可以包括显示设备125，所述显示设备125例如在在用户接口129上显示字符和图像等。显示设备125可以是触摸屏显示设备。
[0072]
医学分析系统100还可以包括用于为医学分析系统100供电的一个或多个电源108。电源108的一个电源可以例如是电池或外部电源，例如由标准ac电源插座提供的电力。
[0073]
扫描成像系统101可以包括mri、ct和pet-ct成像器中的至少一个。控制系统111和扫描成像系统101可以是或者不是一体部分。换言之，控制系统111可以在或者不在扫描成像系统101的外部。
[0074]
扫描成像系统101包括可以由处理器103控制以配置扫描成像系统101向控制系统
111提供图像数据的部件。扫描成像系统101的配置可以实现扫描成像系统101的操作。扫描成像系统101的操作可以例如是自动的。图3示出了作为mri系统的扫描成像系统101的部件的范例。
[0075]
控制系统111与扫描成像系统101之间的连接可以例如包括bus以太网连接、wan连接、internet连接等。
[0076]
在一个范例中，扫描成像系统101可以被配置为响应于指定的测量来提供诸如图像的输出数据。控制系统111可以被配置为从mri扫描成像系统101接收诸如调查(survey)图像数据的数据。例如，处理器103可以适于以兼容数字形式的方式从扫描成像系统101接收信息(自动地或根据请求)，使得这样的信息可以显示在显示设备125上。这样的信息可以包括操作参数、警报通知和与扫描成像系统101的使用、操作和功能有关的其他信息。
[0077]
医学分析系统100可以被配置为经由网络130与其他扫描成像系统131和/或数据库133进行通信。网络130包括例如无线局域网(wlan)连接、wan(广域网)连接、lan(局域网)连接或其组合。数据库133可以包括与患者、扫描成像系统、解剖结构、扫描几何形状、扫描参数、扫描等有关的信息。数据库133可以例如包括：包括患者emr的emr数据库、放射学信息系统数据库、医学图像数据库、pacs、医院信息系统数据库和/或将能够用于计划扫描几何形状的数据进行比较的其他数据库。数据库133可以例如包括用于生成机器学习模型的训练集合。额外地或备选地，训练集合可以被存储在控制系统111的本地存储器(例如，磁盘内存或存储器)中。
[0078]
存储器107还可以包括人工智能(ai)部件150(也称为机器学习模块)。ai部件150可以是或可以不是软件部件121的一部分。ai部件150可以配置为基于rf发射组件的预定操作条件来自动确定扫描成像系统101的rf发射组件的设置或配置参数。
[0079]
ai部件150可以被配置为在训练集合上执行机器学习，以便生成用于预测针对rf发射组件的配置参数及其值的一个或多个机器学习模型。ai部件150可以被配置为针对不同的rf组件优化或配置使用不同的机器学习算法，例如脉冲生成、数字预失真、rf放大器的参数设置、阻抗匹配选项和rf开关切换以及对在多通道tx系统中的匀场设置的选择。所生成的机器学习模型可以被存储在诸如控制系统111的存储器107的内存中。
[0080]
ai部件150可以例如被配置为根据由机器学习模型确定或预测的配置参数来生成用于配置rf发射组件的控制信号。
[0081]
ai部件150可以被配置为识别何时rf发射组件的控制已经收敛、何时将rf发射组件的系数设置与rf发射组件的所测量的操作条件相关联、以及何时将两者都存储在存储器中。例如，可以通过将扫描成像系统101(例如，mri系统)配置为采集可再现条件(例如，成像条件)下的图像数据来确定收敛，例如使用具有未加载人体线圈的测试扫描，这应当为多次采集提供相似的结果作为收敛的指示。可以例如通过观察位于天线元件中的局部分布式rf传感器或通过直接监测k空间数据或重建的mr图像来检测收敛。ai部件150还可以被配置为监测当前操作条件，并且响应于突发变化，恢复在相似条件下的成功的过往系数。
[0082]
图2是用于mri系统的范例rf发射组件200的范例的示意性表示，例如，rf发射组件200可以是扫描成像系统101的部分。图2的rf组件是为了范例和说明的目的而示出的；根据本方法可以配置其他rf组件。信号引线211，例如同轴电缆，将rf电源215耦合至rf传输元件213。rf电源215可以被实现为可调rf放大器。rf传输元件213可以被实现为调谐线圈回路。
rf传输元件213可以是例如用于uhf应用的偶极线圈元件。环路可以位于偶极的中心，因为那里的电流最大。在另一范例中，rf传输元件213可以是tem线圈元件或身体线圈。rf放大器215经由信号引线211被连接到t/r开关210和匹配网络209。匹配网络209被连接至线圈回路213。脉冲发生器207，其可以是数字控制的发射器，其被配置为向rf放大器215提供具有所定义的定时、相位和幅度调制的脉冲交流信号。例如，脉冲发生器207可以生成激励脉冲，并通过rf放大器215、开关210和匹配网络209将这些脉冲提供给rf线圈213。rf发射组件200还包括电源218。电源218可以是dc电源，其被配置为将ac线电压转换为适合于操作rf放大器215的dc电压。
[0083]
rf发射组件200还提供有本地场监测单元201。本地场监测单元201被配置为从调谐线圈环路213拾取少量的发射rf(b1)场的能量。本地场监测单元201可以被实现为小的拾取线圈。由拾取线圈生成低的puc信号，这是微弱的电压或电流信号。低puc信号被馈送至预失真单元204。预失真单元204被配置为使用所接收的拾取线圈或定向耦合器信号来生成系数设置，以控制用于脉冲生成的相位和幅度。信号随后例如经由控制器220提供给脉冲发生器207。控制器220被配置为控制脉冲发生器207生成所选择的rf波形，所选择的rf波形用于控制rf放大器215根据所选择的rf波形来产生驱动信号，从而由调谐线圈回路213传输期望的b1场。
[0084]
控制器220还被配置为监测rf发射组件200的若干操作参数，例如dc电压、电流、脉冲宽度、占空比、rf输出功率、rf放大器215的温度、峰值功率、平均功率、脉冲形状(线性要求)、总持续时间、rf脉冲的(在mr带宽内的)频率扩展。操作参数还可以包括环境温度或冷却水的温度、rf放大器215的mosfet的测量的或预测的结点温度、线圈负载(患者体重和位置)、电源电压、偏置电压等。
[0085]
rf发射组件200可以被配置为连接到控制系统111。可以是有源数字控制器的控制器220还被配置为从控制系统111(例如从ai部件150)接收信号。在一个范例中，控制器220和/或脉冲发生器207可以是控制系统111的一部分。
[0086]
可以通过多个配置参数来配置rf发射组件200。例如，部件204、207、209、215和218中的每一个可以与相应的配置参数相关联。对于某些配置参数，存在固定的绝对限制，例如rf放大器215的最大峰值功率或线圈213的最大线圈电流。其他配置参数可以取决于rf波形的时间演变，例如最大可用短期(short term)平均rf功率，其取决于脉冲形状和最近的过去施加的rf功率。
[0087]
rf发射组件200可以用于多通道发射系统。例如，多个发射系统可以是多通道发射系统的一部分，其中，每个发射系统包括rf发射组件200的除线圈213之外的部件。多个发射系统被连接至线圈213。在这种情况下，每个发射系统的控制器220可以例如为了线性化和控制/感测各发射系统之间的耦合从其他发射系统接收输入数据。rf组件200的部件，例如rf放大器可以通过水冷却器冷却。
[0088]
图3是用于操作例如参考图4所述的mri系统中的rf发射组件200的方法的流程图。
[0089]
在步骤3001中，可以提供或确定rf发射组件200的操作条件。操作条件至少指示：rf脉冲序列的属性以及当使用rf脉冲序列操作rf发射组件200时影响rf脉冲序列属性的可测量参数。例如，操作条件可以是用户预定义的想要的操作条件。操作条件可以是当前测量的操作条件。
[0090]
例如，可以从患者数据和/或rf脉冲确定来自rf放大器215的峰值功率需求(要求)的值。另外，可以测量冷却水的温度。可以提供两个测量值作为对ai部件150的输入。两个测量值可以指示rf发射组件200的当前操作条件的范例。
[0091]
在步骤3003中，使用输入操作条件，可以例如通过ai部件150使用预定义的机器学习模型，以确定配置参数的集合中的至少部分和相关联的值。按照上述范例，峰值功率和冷却水温度的需求值可以作为输入提供给已经由ai部件150生成的深度学习模型。使用这些输入值，深度学习模型可以识别需要设置或改变以匹配当前输入操作条件的rf发射组件200的配置参数的集合中的子集。例如，如果峰值功率小于先前迭代中或最初设置的峰值功率需求，则可以将rf放大器的电源配置为提供方便的dc电源值，以实现用于峰值功率的电流值的电流水平。并且，如果冷却水温度高于最大预定温度阈值，则可以减少诸如dc电源的电压消耗的来源，以将温度保持在预定水平。然而，由于所选择配置参数(例如dc电源)的值可以影响两个操作条件(例如，还影响其他操作条件，例如扫描时间，这可能是由于所选择的dc电源的rf脉冲的允许平均功率降低所致)，所以用于dc电源的值可能难以由用户设置。深度学习模型可以能够确定能够用于满足两个当前操作条件的dc电源的最佳值。
[0092]
可以例如使用ai部件150生成深度学习模型。ai部件150可以例如接收训练集合，包括与rf发射组件200的相应操作条件相关联的配置参数的集合。例如，可以由ai部件150从多个mri系统接收日志文件，其中，日志文件指示操作条件和相关联的配置参数的集合。例如，成功的系数设置或配置参数的集合可以存储在列表中，所述列表使用从所测量的操作条件导出的多维属性向量(attribute vector)进行索引。列表的大小是动态的、不断增长的，因为要经历多个操作条件，并且随着相邻元素被识别为冗余而收缩。下表提供配置参数的集合和相关联的操作条件的范例(配置称为设置1和设置2，并且相应的操作条件称为oc1和oc2)。在此范例中，操作条件通过电压驻波比(vswr)、线圈负载因子和b1峰值的值来确定。相关联的配置参数是vdd、偏置电流(例如在mosfts处)和要使用的mosfet数量。
[0093][0094]
ai部件150可以使用训练集合运行预定义的机器学习算法，例如深度学习算法，以生成机器学习模型。例如，可以在例如algorithms.io的云平台上执行训练。对于机器学习算法，分类来自所连接的系统(例如，向ai部件150提供训练集合的数据的多个mri系统)的
流数据可以是特别有利的。
[0095]
在步骤3005中，可以根据所确定的配置参数来配置rf发射组件200。按照上面的范例，可以使用通过深度学习模型确定的值来配置dc电源。所配置的rf发射组件可以在mri系统中使用，以从mri系统的成像区中的对象采集图像数据。
[0096]
可以例如，以周期为基础，例如每天，或者响应于操作条件的变化重复步骤3001-3005。例如，如果当前操作条件不同于上一次迭代的操作条件，则可以重复步骤3001-3005。例如，控制器220可以被配置为随着操作条件变化而连续修正预失真系数设置以及诸如偏置、v漏极、匹配、开关切换的其他参数。
[0097]
图4图示了作为医学系统100的范例的磁共振成像系统300。磁共振成像系统300包括磁体304。磁体304是其中具有孔306的超导圆柱形磁体。也能够使用不同类型的磁体；例如，也能够同时使用剖分式圆柱形磁体和所谓的开放型磁体。剖分式圆柱形磁体与标准圆柱形磁体相似，除了低温恒温器已被分为两个部分，以允许进入磁体的等平面。这样的磁体可以例如与带电粒子射束治疗结合使用。开放式磁体具有两个磁体部分，一个在另一个上面，在它们之间具有足够大的空间以容纳要成像的对象318，两个部分区域的布置类似于亥姆霍兹线圈的布置。在圆柱形磁体的低温恒温器内部，有一组超导线圈。在圆柱形磁体304的孔306内，存在成像区域或体积或解剖结构308，其中，磁场足够强且均匀以执行磁共振成像。
[0098]
在磁体的孔306内，还存在一组磁场梯度线圈310，所述磁场梯度线圈310用于在磁共振数据的采集期间对磁体304的成像体积或检查体积308内的目标体积的磁自旋进行空间编码。磁场梯度线圈310连接到磁场梯度线圈电源312。磁场梯度线圈310旨在是代表性的。通常，磁场梯度线圈310包含三个独立的线圈组，用于在三个正交的空间方向上进行编码。磁场梯度电源将电流提供给磁场梯度线圈。供给到磁场梯度线圈310的电流被控制为时间的函数，并且可以是倾斜的或脉冲的。
[0099]
mri系统300还包括用于生成rf激励脉冲的在对象318处并且邻近检查体积308的rf线圈314。rf线圈314可以包括例如一组表面线圈或其他专用rf线圈。rf线圈314可以可选择地用于rf脉冲的发射以及磁共振信号的接收，例如，rf线圈314可以实现为包括多个rf发射线圈的发射阵列线圈。rf线圈314连接到一个或多个rf放大器315。元件314-315可以形成mri系统300的范例rf发射组件。
[0100]
磁场梯度线圈电源312和rf放大器315连接到控制系统111的硬件接口。控制系统111的存储器107可以例如包括控制模块。控制模块包含计算机可执行代码，所述计算机可执行代码使处理器103能够控制磁共振成像系统300的操作和功能。它还使磁共振成像系统300的基本操作(例如采集磁共振数据)成为可能。
[0101]
如本领域技术人员将理解的，本发明的各方面可以体现为装置、方法或计算机程序产品。因此，本发明的各方面可以采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微代码等)或结合软件和硬件方面的实施例的形式，这些实施例总体上在本文中称为“电路”、“模块”或“系统”。此外，本发明的各方面可以采取体现在其上体现有计算机可执行代码的一个或多个计算机可读介质中的计算机程序产品的形式。
[0102]
可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。如本文所使用的“计算机可读存储介质”涵盖可以存
储可由计算设备的处理器执行的指令的任何有形存储介质。计算机可读存储介质可以被称为计算机可读非暂时性存储介质。计算机可读存储介质也可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质还可以能够存储能够被计算设备的处理器访问的数据。计算机可读存储介质的范例包括但不限于：软盘、磁性硬盘驱动器、固态硬盘、闪存、usb拇指驱动器、随机存取存储器(ram)、只读存储器(rom)、光盘、磁光盘和处理器的寄存器文件。光盘的范例包括压缩磁盘(cd)和数字通用磁盘(dvd)，例如cd-rom、cd-rw、cd-r、dvd-rom、dvd-rw或dvd-r磁盘。术语计算机可读存储介质还指能够由计算机设备经由网络或通信链路访问的各种类型的记录介质。例如，可以通过调制解调器、通过互联网或通过局域网来检索数据。可以使用任何适当的介质来传输体现在计算机可读介质上的计算机可执行代码，包括但不限于无线、有线、光缆、rf等或上述的任意适当的组合。
[0103]
计算机可读信号介质可以包括例如在基带中或作为载波的一部分的具有体现在其中的计算机可执行代码的传播数据信号。这样的传播信号可以采取多种形式中的任何一种，包括但不限于电磁、光学或其任何合适的组合。计算机可读信号介质可以是并非计算机可读存储介质的任何计算机可读介质，并且能够进行通信、传播或传输程序，以由指令执行系统、装置或设备使用或与其结合使用。
[0104]“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是处理器可直接访问的任何存储器。“计算机内存”或“内存”是计算机可读存储介质的另一范例。计算机内存是任何非易失性计算机可读存储介质。在一些实施例中，计算机内存也可以是计算机存储器，反之亦然。
[0105]
本文所使用的“处理器”包括能够执行程序或机器可执行指令或计算机可执行代码的电子元件。对包括“处理器”的计算设备的引用应当解释为可能包含多个处理器或处理核心。处理器可以例如是多核处理器。处理器也可以指在单个计算机系统内的或分布在多个计算机系统之间的处理器的集合。术语“计算设备”也应当解释为可能指每个包括一个或多个处理器的计算设备的集合或网络。计算机可执行代码可以由可在同一计算设备内或者甚至可以分布在多个计算设备上的多个处理器执行。
[0106]
计算机可执行代码可以包括机器可执行指令或令处理器执行本发明的方面的程序。可以以一种或多种编程语言的任何组合来编写用于执行本发明各方面的操作的计算机可执行代码，所述编程语言包括诸如java、smalltalk、c++之类的面向对象的编程语言以及诸如“c”编程语言或类似编程语言并被编译成机器可执行指令的常规过程编程语言。在某些情况下，计算机可执行代码可以是高级语言的形式，也可以是预编译的形式，并且可以与解释器结合使用，所述解释器可以即时生成机器可执行指令。
[0107]
计算机可执行代码可以完全在用户计算机上、部分在用户计算机上、作为独立软件包、部分在用户计算机上并且部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络，包括局域网(lan)或广域网(wan))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用因特网服务提供商的因特网)。
[0108]
参考根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各方面。应当理解，当适用时，能够以计算机可执行代码的形式由计算机程序指令来实现流程图、示意图和/或框图的每个方框或方框的一部分。还应当理解，当
互不排斥时，可以组合不同流程图、示意图和/或框图中的方框的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，以产生一种机制，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图方框中指定的功能/动作的手段。
[0109]
这些计算机程序指令也可以存储在计算机可读介质中，所述计算机可读介质可以指导计算机、其他可编程数据处理装置或其他设备以具体地方式进行操作，从而使存储在计算机可读介质中的指令产生一种制品，包括实现流程图和/或框图中指定的功能/动作的指令。
[0110]
还可以将计算机程序指令加载到计算机、其他可编程数据处理装置或其他设备上，以使一系列操作步骤在计算机、其他可编程装置或其他设备上执行以产生计算机实现的过程，从而使在计算机或其他可编程装置上执行的指令提供用于实现流程图和/或框图方框中指定的功能/动作的过程。
[0111]
如本文所使用的“用户接口”是允许用户或操作者与计算机或计算机系统进行交互的接口。“用户接口”也可以称为“人机接口设备”。用户接口可以向操作者提供信息或数据和/或从操作者接收信息或数据。用户接口可以使来自操作者的输入能够被计算机接收，并且可以从计算机向用户提供输出。换言之，用户接口可以允许操作者控制或操纵计算机，并且接口可以允许计算机指示操作者的控制或操纵的效果。在显示器或图形用户接口上显示数据或信息是向操作者提供信息的范例。通过键盘、鼠标、轨迹球、触摸板、指点杆、图形输入板、操纵杆、游戏板、网络摄像头、耳机、齿轮杆、方向盘、踏板、有线手套、跳舞毯、遥控器和加速度计接收数据都是能够从操作者接收信息或数据的用户接口组件的范例。
[0112]
如本文所使用的“硬件接口”涵盖使计算机系统的处理器能够与外部计算设备和/或装置交互和/或控制外部计算设备和/或装置的接口。硬件接口可以允许处理器向外部计算设备和/或装置发送控制信号或指令。硬件接口还可以使处理器能够与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于：通用串行总线、ieee 1394端口、并行端口、ieee 1284端口、串行端口、rs-232端口、ieee-488端口、蓝牙连接、无线局域网连接、tcp/ip连接、以太网连接、控制电压接口、midi接口、模拟输入接口和数字输入接口。
[0113]
如本文所使用的“显示器”或“显示设备”涵盖适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频和/或触觉数据。显示器的范例包括但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示器、，盲文屏幕、阴极射线管(crt)、存储管、双稳态显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(vf)、发光二极管(led)显示器、电致发光显示器(eld)、等离子显示面板(pdp)、液晶显示器(lcd)、有机发光二极管显示器(oled)、投影仪和头戴式显示器。
[0114]
尽管已经在附图和前面的说明书中详细图示和描述了本发明，但是这样的图示和描述应当被认为是示意性或范例性的而非限制性的；本发明不限于所公开的实施例。
[0115]
通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。在互不相同的从属权利要求中记载某些措施的事实并不表示不能有利地使用这些措施的组合。计算机程序可以存储在/分发在合适的介质上，例如
与其他硬件一起提供或作为其他硬件的一部分提供的光学存储介质或固态介质，但是也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统。权利要求中的任何附图标记都不应被解释为限制范围。