一种磁共振设备运行中的有害气体检测方法及装置与流程

本发明属于气体检测与机器学习，具体涉及一种磁共振设备运行中的有害气体检测方法及装置。

背景技术：

1、磁共振成像（mri,magnetic resonance imaging）设备是当前医院较先进、价格昂贵和需求量大的医疗设备之一,在临床疾病诊疗检测中起到重要作用。mri设备在安装和正常使用期间，液氮不断损耗。为了维持液氮容器的液面稳定、防止失超（低于满液氮面的35%）和保持磁体正常运行，必须定期灌注液。液氮成本高昂，若发生泄漏,不仅延误患者检查，也将大幅度增加医院使用成本，高浓度的氮气还会使人窒息至死亡。研究表明，氮气泄露（占比23.3%）居我国30件mri设备不良事件类型首位，因此,mri室氮气泄露相关研究对企业、医疗机构和监管部门控制mri设备风险、保障设备高效运行具有重要意义。日常养成检查和记录磁体致冷系统数据和磁体运行状态数据的记录， 发现异常及时通知厂家维修，以防止液氦耗尽引发磁体失超，甚至磁体报废的风险。

2、磁共振成像的冷却系统失效会导致磁共振成像的图像失真和噪声增加,原理如下:

3、1.超导磁体需要极低温(几个开尔文)的液氦来维持超导状态,产生强大的静磁场。如果冷却系统失效,液氦会蒸发,超导磁体会恢复正常状态,静磁场会急剧下降或消失,导致图像失真或无法成像。

4、2.电磁波照射和信号检测都需要稳定和均匀的磁场,如果磁场异常会产生成像噪声或造影不清。冷却故障会直接导致磁场异常,所以会增加噪声和失真。

5、3.临床磁共振机低温部件如冷头可能最低达-269°c,而周围环境温度可能在20°c。这需要巨大的温差来产生和维持。如果冷却失败,低温部件会迅速升温,这种剧烈的温变也会对成像产生干扰。

技术实现思路

1、为了提高磁共振设备有害气体预测的时效性和准确性，在本发明的第一方面提供了一种磁共振设备运行中的有害气体检测方法，包括：获取目标磁共振设备的冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据；通过局部粗糙模型，基于所述冷却系统的数据、磁共振图像、梯度线圈的运行数据和对应扫描间的气体密度数据构建训练数据集；基于transformer网络，分别提取冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据的时序特征和非时序特征；基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征；基于融合后的所述时序特征和非时序特征，通过训练数据集训练所述双流多模态模型直至其误差趋于稳定且低于阈值，得到训练完成的双流多模态模型；利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体。

2、在本发明的一些实施例中，所述通过局部粗糙模型，基于所述冷却系统的数据、磁共振图像、梯度线圈的运行数据和对应扫描间的气体密度数据构建训练数据集包括：通过局部粗糙模型，基于所述冷却系统的数据和对应扫描间的气体密度数据构建第一训练数据集；将第一训练数据集与所述冷却系统的数据、磁共振图像、梯度线圈的运行数据通过预设气体泄漏的标签对齐，得到第二训练数据集。

3、在本发明的一些实施例中，所述基于transformer网络分别提取冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据的时序特征和非时序特征包括：通过第一transformer网络提取冷却系统的数据和气体密度数据的非序列特征；通过第二transformer网络提取梯度线圈的运行数据、磁共振图像的时序特征。

4、进一步的，所述通过第一transformer网络提取冷却系统的数据和气体密度数据的非序列特征包括：利用卷积神经网络分别提取冷却系统的数据和气体密度数据提取，得到第一特征向量和第二特征向量；通过注意力头和预设加权参数，利用transformer网络融合所述第一特征向量和第二特征向量，得到冷却系统的数据和气体密度数据的非序列特征。

5、在本发明的一些实施例中，所述基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征包括：基于磁共振设备运维数据的知识图谱，得到磁共振设备的非时序特征；通过自蒸馏方法和双流多模态模型，融合所述非时序特征和时序特征。

6、在上述的实施例中，所述利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体包括：利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备所在设备间的实时空气密度；基于目标磁共振设备所在设备间的室内物理模型，以及实时空气密度预测目标磁共振设备的氦气的空间分布。

7、本发明的第二方面，提供了一种磁共振设备运行中的有害气体检测系统，包括：获取模块，用于获取目标磁共振设备的冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据；通过局部粗糙模型，基于所述冷却系统的数据、磁共振图像、梯度线圈的运行数据和对应扫描间的气体密度数据构建训练数据集；提取模块，用于基于transformer网络，分别提取冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据的时序特征和非时序特征；融合模块，用于基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征；训练模块，用于基于融合后的所述时序特征和非时序特征，通过训练数据集训练所述双流多模态模型直至其误差趋于稳定且低于阈值，得到训练完成的双流多模态模型；预测模块，用于利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体。

8、本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的磁共振设备运行中的有害气体检测方法。

9、本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的磁共振设备运行中的有害气体检测方法。

10、本发明的有益效果是：

11、本发明涉及一种磁共振设备运行中的有害气体检测方法及装置，其方法包括：获取目标磁共振设备的冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据；通过局部粗糙模型，构建训练数据集；基于transformer网络，分别提取时序特征和非时序特征；基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征；通过训练数据集训练所述双流多模态模型，得到训练完成的双流多模态模型；利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体。本发明通过transformer分别提取时序特征和非时序特征，提高了特征之间的耦合性，再通过双流多模态模型进行特征融合，并输出预测结果，相较于一般的预测模型，提高对磁共振设备运行中的有害气体预测的时效性和准确性。

技术特征：

1.一种磁共振设备运行中的有害气体检测方法，其特征在于，包括：

2.根据权利要求1所述的磁共振设备运行中的有害气体检测方法，其特征在于，所述通过局部粗糙模型，基于所述冷却系统的数据、磁共振图像、梯度线圈的运行数据和对应扫描间的气体密度数据构建训练数据集包括：通过局部粗糙模型，基于所述冷却系统的数据和对应扫描间的气体密度数据构建第一训练数据集；

3.根据权利要求1所述的磁共振设备运行中的有害气体检测方法，其特征在于，所述基于transformer网络分别提取冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据的时序特征和非时序特征包括：

4.根据权利要求3所述的磁共振设备运行中的有害气体检测方法，其特征在于，所述通过第一transformer网络提取冷却系统的数据和气体密度数据的非序列特征包括：

5.根据权利要求1所述的磁共振设备运行中的有害气体检测方法，其特征在于，所述基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征包括：

6.根据权利要求1至5任一项所述的磁共振设备运行中的有害气体检测方法，其特征在于，所述利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体包括：

7.一种磁共振设备运行中的有害气体检测系统，其特征在于，包括：

8.根据权利要求7所述的磁共振设备运行中的有害气体检测系统，其特征在于，所述提取模块包括：

9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的磁共振设备运行中的有害气体检测方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的磁共振设备运行中的有害气体检测方法。

技术总结
本发明涉及一种磁共振设备运行中的有害气体检测方法及装置，其方法包括：获取目标磁共振设备的冷却系统的数据、梯度线圈的运行数据、磁共振图像和对应扫描间的气体密度数据；通过局部粗糙模型，构建训练数据集；基于transformer网络，分别提取时序特征和非时序特征；基于磁共振设备运维数据的知识图谱，通过双流多模态模型融合所述非时序特征和时序特征；训练所述双流多模态模型，得到训练完成的双流多模态模型；利用所述双流多模态模型和目标磁共振设备的实时数据，预测目标磁共振设备的有害气体。本发明通过transformer和双流多模态模型进行特征融合，提高模型对磁共振设备运行中的有害气体预测的时效性和准确性。

技术研发人员：陈志,陈远,孙军,肖作文,汪晋
受保护的技术使用者：武汉华康世纪医疗股份有限公司
技术研发日：
技术公布日：2024/1/14