用于处理MRI数据的系统和方法与流程

技术特征：
1.一种用于分析mri数据的系统，所述系统包括：存储器，其包含机器可读介质，所述机器可读介质包括机器可执行代码，所述机器可执行代码上存储有用于执行方法的指令；和控制系统，其连接到所述存储器，并且具有一个或多个处理器，所述控制系统被配置为执行所述机器可执行代码以使得所述控制系统执行以下操作：接收与mr图像集相对应的未处理的mri数据；对所接收的未处理mri数据执行预处理，以输出预处理后的mr图像集；输出与所述预处理相关的特征集；和使用机器学习模型对所述特征集进行处理，以确定具有阈值图像质量的所述预处理后的mr图像集的子集。2.根据权利要求1所述的系统，其中，所述阈值图像质量包括足以通过人工质量控制的图像质量。3.根据权利要求1所述的系统，其中，所述阈值图像质量包括适合由模型进一步处理以识别功能性磁共振成像(fmri)特征集的图像质量。4.根据权利要求3所述的系统，其中，所述fmri特征集至少包括功能连通性。5.根据权利要求1所述的系统，其中，所述预处理包括对所述mr图像集中的每个mr图像执行结构-功能对齐。6.根据权利要求1所述的系统，其中，所述机器学习模型包括逻辑回归模型、支持向量机、梯度提升机或随机森林模型。7.根据权利要求1所述的系统，其中，所述机器学习模型使用基于人工qc评级的结果标签进行训练。8.根据权利要求1所述的系统，其中，所述特征集包括来自mri预处理运行时日志的日志数据集。9.根据权利要求8所述的系统，其中，所述来自mri预处理运行时日志的日志数据集包括与结构-功能对齐的定量评估相关的文本格式的数据。10.根据权利要求8所述的系统，其中，所述来自mri预处理运行时日志的日志数据集包括以下的至少一者：预处理步骤运行时间、大脑坐标、结构-功能对齐成本值、对所述mr图像集进行的编辑数量和所述mr图像集中大脑的成像角度。11.根据权利要求1所述的系统，其中，所述控制系统还被配置为将所述mr图像集的所述子集存储在所述存储器中。12.根据权利要求1所述的系统，其中，所述预处理还包括颅骨剥离过程。13.根据权利要求1所述的系统，其中，所述预处理后的mr图像集包括结构mr图像。14.根据权利要求1所述的系统，其中，所述预处理后的mr图像集包括功能mr图像。15.根据权利要求1所述的系统，其中，所述mr图像集包括表示每个患者的大脑的未处理的功能mri数据和未处理的结构mri数据。16.一种用于分析mri数据的方法，所述方法包括：接收与mr图像集相对应的未处理的mri数据；对所接收的未处理的mri数据执行预处理，以输出预处理后的mr图像集；输出与所述预处理相关的特征集；以及
使用机器学习模型对所述特征集进行处理，以确定具有阈值图像质量的所述预处理后的mr图像集的子集。17.根据权利要求16所述的方法，其中，所述阈值图像质量包括适合由模型进一步处理以识别功能性磁共振成像(fmri)特征集的图像质量。18.根据权利要求16所述的方法，其中，所述特征集包括来自mri预处理运行时日志的日志数据集。19.根据权利要求18所述的方法，其中，所述来自mri预处理运行时日志的日志数据集包括与结构-功能对齐的定量评估相关的文本格式的数据。20.根据权利要求18所述的方法，其中，所述来自mri预处理运行时日志的日志数据集包括以下的至少一者：预处理步骤运行时间、大脑坐标、结构-功能对齐成本值、对所述mr图像集进行的编辑数量和所述mr图像集中大脑的成像角度。21.一种非暂时性机器可读介质，其上存储有用于执行方法的指令，所述非暂时性机器可读介质包括机器可执行代码，所述机器可执行代码在由至少一台机器执行时使所述机器执行以下操作：接收与mr图像集相对应的未处理的mri数据；对所接收的未处理的mri数据执行预处理，以输出预处理后的mr图像集；输出与所述预处理相关的特征集；以及使用机器学习模型对所述特征集进行处理，以确定具有阈值图像质量的所述预处理后的mr图像集的子集。22.根据权利要求21所述的非暂时性机器可读介质，其中，所述特征集包括来自mri预处理运行时日志的日志数据集。23.根据权利要求22所述的非暂时性机器可读介质，其中，来自mri预处理运行时日志的日志数据集包括与结构-功能对齐的定量评估相关的文本格式的数据。24.根据权利要求22所述的非暂时性机器可读介质，其中，所述来自mri预处理运行时日志的日志数据集包括以下的至少一者：预处理步骤运行时间、大脑坐标、结构-功能对齐成本值、对所述mr图像集进行的编辑数量和所述mr图像集中大脑的成像角度。25.根据权利要求21所述的非暂时性机器可读介质，其中，所述预处理还包括颅骨剥离过程。

技术总结
本公开提供一种用于使MRI扫描的QC自动化的系统和方法。特别地，发明人使用源自大脑MR图像的特征和相关处理来训练机器学习分类器，以预测这些图像的质量，这是基于专家意见的基本事实。在一个示例中，利用源自预处理日志文件(MRI预处理期间输出的文本文件)的特征的分类器特别准确，并且证明了到新数据集的泛化能力，这使所公开的技术能够扩展到新的数据集和MRI预处理管道。MRI预处理管道。MRI预处理管道。


技术研发人员：权利要求书2页说明书22页附图18页
受保护的技术使用者：布莱克索恩治疗公司
技术研发日：2020.04.21
技术公布日：2022/1/28