SYSTÈME ET PROCÉDÉ DE CORRECTION D'ERREUR DE CHAMP MAGNÉTIQUE À GRADIENT PAR UN DISPOSITIF D'IMAGERIE PAR RÉSONANCE MAGNÉTIQUE SUR LA BASE D'UN APPRENTISSAGE MACHINE
(의료)길의료재단;가천대학교 산학협력단;GACHON UNIVERSITY OF INDUSTRY-ACADEMIC COOPERATION FOUNDATION;GIL MEDICAL CENTER
发明人:
KIM, Dongchan,김동찬,HAN, Yeji,한예지,CHUNG, Jun-Young,정준영
申请号：
KRKR2018/013435
公开号：
WO2020/009282A1
申请日:
2018.11.07
申请国别(地区):
KR
年份:
2020
代理人:
摘要：
The present invention relates to a system and method for correcting a gradient magnetic field error, by a magnetic resonance imaging device on the basis of machine learning. According to a specific example of the present invention, a model about distortion of an image reconstructed with a k-space trajectory derived from a gradient magnetic field is constructed, a k-space trajectory error is predicted on the basis of the result of machine learning using the constructed model, the k-space trajectory is corrected by reflecting the prediction result, and the image is reconstructed with the corrected k-space trajectory, and, thus, additional acquisition of data needed to restore the previously distorted reconstructed image and performing of an image characteristic analysis algorithm can be omitted, thereby increasing accuracy with respect to the corrected k-space trajectory and reducing a cost and calculation complexity caused by adding a monitoring device in terms of hardware.La présente invention concerne un système et un procédé de correction d'une erreur de champ magnétique à gradient par un dispositif d'imagerie par résonance magnétique sur la base d'un apprentissage machine. Selon un exemple spécifique de la présente invention, un modèle concernant la distorsion d'une image reconstruite avec une trajectoire d'espace k dérivée d'un champ magnétique à gradient est construit, une erreur de trajectoire d'espace k est prédite sur la base du résultat de l'apprentissage machine à l'aide du modèle construit, la trajectoire d'espace k est corrigée par réflexion du résultat de prédiction et l'image est reconstruite avec la trajectoire d'espace k corrigée et, ainsi, une acquisition supplémentaire de données nécessaires pour restaurer l'image reconstruite précédemment déformée et la réalisation d'un algorithme d'analyse de caractéristiques d'image peuvent être omis, ce qui permet d'augmenter la précision par rapport à la trajectoire de l'espace k corrigée et de réduire un coût
