本发明涉及一种计算机实现的方法，其用于分析利用磁共振设备的高频线圈装置记录的、描述患者的运动的导频音信号，用于提取与运动分量、特别是呼吸运动相关联的运动信息，其中，根据由信号分量构成的基数，以相关联的权重，对导频音信号进行分解，并且为了确定运动信息，借助选择标准选择与运动分量相关联的基数的部分。此外，本发明涉及一种磁共振设备、计算机程序和电子可读数据载体。
背景技术：
磁共振成像是一种特别是在诊断的过程中目前已确立的医学模态。在此，例如根据磁共振序列运行的磁共振检查通常需要较长的检查时间，在此期间受检查的患者可能出现运动，这种运动由周期性的运动分量、例如呼吸和心跳或者也由患者的其它无意或者有意的运动引起。因此，在现有技术中已经提出了多种针对磁共振设备进行运动监视和/或运动校正的方法。
de102015224162a1提出了一种借助导频音信号(pilottonsignal)来确定运动信息的方法，运动信息描述至少部分地运动的检查区域中的运动。在那里提出，利用第一频带输出至少一个激励信号，并且利用磁共振设备的高频线圈装置，使用多个接收通道，来记录通过激励信号产生的接收信号，即导频音信号。具体提出了，为了确定运动信息，在一个时间点，根据组合规则，将所有接收通道的复数接收信号组合，即导频音信号，组合规则通过在一个时间段内对接收信号的如下分析来确定，该分析识别对所寻找的运动有贡献的至少一个运动成分。这基于以下想法：通过巧妙地组合不同接收通道的接收信号，来强调或者从总运动中提取总运动中的特定部分运动、特别是呼吸和/或心跳。在此，关于这种导频音信号，特别是应当注意，患者的运动既调制相位也调制幅值，因此通常观察到复数接收信号。
这种所谓的导频音导航已经被证明是对运动特别敏感的一种方法。尽管如此，从大量的多通道数据中提取并且分离不同的运动分量仍然是一种挑战，并且其可以理解为是无监督学习的一种变形。
如已经提到的de102015224162a1所描述的，可以通过校准扫描来找到不同接收通道的接收信号的适当组合，该组合描述总运动中的所寻找的特定运动分量，例如呼吸运动。然而，这可能具有以下缺点：在校准期间没有出现的附加的运动分量，在出现的情况下，可能干扰所提取的运动分量。还提出了，使用无监督学习方法，例如主成分分析(principalcomponentanalysis，pca)或者独立分析(independentcomponentanalysis(独立成分分析)，ica)。这些方法的前提是，在能够执行运动提取之前，必须存在完整的数据，即完整的导频音信号，这在实践中可能是困难的。此外，这些最终找到基数(主要成分或者独立成分)和权重的方法，可能在基数中导致难以解释并且无法清楚地分离的信号分量。特别是，经常不清楚如何能够以自动化的方式将运动分量与其余运动分离。pca和ica的另一个问题是，可能出现负因子，由于这些负因子，可能无意地消除出现的部分信号。这在运动提取中可能导致错误或者非最优的结果。
技术实现要素：
因此，本发明要解决的技术问题是，给出一种鲁棒、有效、有实时能力并且不易出错的用于导出关于运动分量、特别是呼吸运动的运动信息的方法。
为了解决上述技术问题，根据本发明，提供具有本发明的特征的方法、具有本发明的特征的磁共振设备、具有本发明的特征的计算机程序以及具有本发明的特征的电子可读数据载体。从下面的描述中得到有利的设计方案。
在开头提到类型的方法中，根据本发明设置为，为了确定基数和权重，执行非负的矩阵分解，其中，将由导频音信号形成的、特别是非负的信号矩阵，表示为描述基数的非负的信号分量矩阵与描述权重的非负的权重矩阵的乘积。
在此，应当指出，根据本发明，向量也可以理解为(在一个方向上是一维的)矩阵。特别是，在本发明的范围内，优选作为向量预先给定信号矩阵和权重矩阵。优选经由多个接收通道、特别是高频线圈装置的多个高频线圈和/或高频线圈的组合来记录导频音信号，其中，特别是可以将各个接收通道的接收信号的整体理解为导频音信号。为了确定运动信息，逐时间点地观察导频音信号，其中，时间点可以是采样时间点，但是也可以定义包括多个采样时间点的时间窗，例如在该多个采样时间点中进行平均。因此，导频音信号以离散的形式存在。
高频线圈装置优选是也用于进行磁共振成像的一组高频线圈，在那里用于接收磁共振信号。除了高频线圈装置之外，还可以设置发出激励信号的发射单元，激励信号作为导频音信号或者接收信号被高频线圈装置接收，但是发射单元也可以形成高频线圈装置的一部分。发射单元在如下频带中进行发射，该频带优选不同于围绕磁共振设备的拉莫尔频率延伸的、用于磁共振成像的磁共振频带，但是优选在磁共振频带附近。
也就是说，根据本发明，实现了导频音导航，其中，对特别是利用多个接收通道记录的导频音信号进行分析，以便能够提取特定的运动分量，也可以将其称为部分运动。在此，运动信息特别有利地可以包括整个信号分量矩阵以及提取信息，提取信息描述提取运动分量要使用的基数的信号分量，由此例如使得能够应用于稍后记录的导频音信号，如还要更详细地示出的。
特别是，也就是说，可以使用特别是包括至少一个发射线圈的发射单元，发射单元在第一频带中输出至少一个激励信号，其中，利用具有多个接收通道的磁共振设备的高频线圈装置，来记录通过激励信号产生的接收信号，接收信号以其整体形成导频音信号，其中，高频线圈装置的高频线圈被构造为用于记录包括第一频带的接收频带。为了确定运动信息，将接收通道的复数接收信号组合成导频音信号。
现在，根据本发明，为了分析导频音信号，使用无监督学习的如下变形，这种变形包括非负矩阵分解(nonnegativematrixfactorisation，nmf)。nmf的想法是，在原理上，将信号、这里为从导频音信号推导出的信号矩阵v，表示为两个非负矩阵的乘积v＝wxh，其中，w作为列包含基数向量、即各个信号分量，h包含其相应的权重。
nmf的一大优点是要求矩阵w、h的非负性，因为这强制性地使信号的多个自然源或者结构块进行组合或者叠加。这是特别有利的，因为自然生理运动信息同样基于实数值的正的幅值分量。这种非负性要求与pca和ica相反，在pca和ica中，部分负因子可能使实际存在的信号相互抵消。在此，通过nmf执行无监督学习的算法在现有技术中原则上是已知的，并且也可以在本发明的范围内使用。特别是，可以设置为，在优化方法中利用包括如下项的目标函数来确定信号分量矩阵和权重矩阵，该项使信号矩阵和信号分量矩阵与权重矩阵的乘积的差的至少一个范数最小化。例如在parissmaragdis和judithc.brown的文章“non-negativematrixfactorizationforpolyphonicmusictranscription”,2003ieeeworkshoponapplicationsofsignalprocessingtoaudioandacoustics，2003年，第177-180页中，描述了也可以转用于当前应用情况的nmf的基本概念。这篇论文提出了使用nmf从复调(polyphone)音乐中自动提取音符，其中，在那里描述的方法至少部分也可以应用于本发明。
nmf的另一个特别的优点是，可以通过目标函数请求附加的边界条件。在此，本发明的一个特别有利的扩展方案设置为，目标函数的另一个项作为优化目标，添加稀疏地
总的来说，也就是说，本发明提出了将如下特别是无监督的、必要时是半监督的学习，应用于磁共振中的导频音导航的导频音信号，该学习用于提取运动分量，特别是也用于基于nmf分离运动分量，其中，特别是可以应用具有稀疏边界条件的nmf，来获得运动分量的尽可能紧凑并且无噪音的表示。因此，可以有利地附加地使用nmf的优点，来提取分离的运动分量，除了强制叠加自然的基本的部分信号之外，nmf的优点还包括请求稀疏的可能性。
如已经提到的，用于找到信号分量矩阵和权重矩阵的正确的解的合适的优化方法在现有技术中原则上是已知的，并且也可以在本发明的范围内相应地使用。为了促进更快的收敛，也可以设置为，根据初步测量、特别是也对另外的患者的初步测量，来确定优化方法的起始值。
本发明的一个特别有利的设计方案设置为，将频率空间中的定义的时间片段的幅值-功率谱确定为信号矩阵，方式是，对导频音信号进行傅立叶变换，并且逐矩阵项地乘以其复共轭。换言之，在准备步骤中，使导频音信号收敛到幅值-功率谱的时间序列中，这意味着，通过离散的傅立叶变换，对时间窗或者定义的时间片段中的导频音信号进行转换，然后，针对每个单独形成的值，将导频音信号乘以复共轭，以获得功率谱。以这种方式，将导频音信号转换为不同接收通道的不同的频谱频率分量。幅值-功率谱应当理解为信号矩阵v，从而通过如上面所描述，根据v＝wxh将信号矩阵v分解，将学习步骤应用于该信号矩阵v，其中，v包含作为长的列向量的每个时间窗中的输入数据。这意味着，将信号矩阵v表示为包含所有接收通道的行向量。因为通过计算幅值-功率谱，消除了原始信号的复数相位信息，因此可以有利地将复数相位存储在另一个向量(相位向量)中，并且如果稍后的使用需要(例如在关于原始信号计算度量(metrik)/范数时)，则再次逐分量地相乘。
然后，对w中的信号分量进行进一步分析和聚类(geclustert)，以找到包含相关运动分量、例如呼吸运动的信号分量。在此，具体可以设置为，为了确定描述周期性的运动分量的运动信息，选择标准包括：选择周期性的运动的频率范围的带通滤波器，和/或确定该频率范围内的信号能量与该频率范围外的信号能量的比，和/或噪声分析，和/或熵分析。尤其是当在整体运动中寻找至少基本上是周期性的运动分量，以获得与其有关的运动信息时，经常已知运动的周期性在哪个频率范围内，例如在呼吸运动的情况下在0.1与1hz之间。因此，可以使用带通滤波器，其中，此外，优选也可以想到，将周期性运动的频率范围内的信号能量与其它频率范围内的信号能量进行比较。在此，这可以特别容易地实现，因为本来就在频率空间中进行处理。
尽管如此，应当注意，原则上在本发明的范围内，例如在半监督/无监督学习的范围内，也可以想到，使用例如由另一个测量设备和/或磁共振设备记录的、描述运动分量的附加的预给定信号(例如基于图像的导航信号，其例如由一维的投影图像构成)，并且选择与预给定信号具有最大相关性的组合。换言之，当存在描述运动分量的另一个预给定信号时，可以将与该预给定信号的相关性视为选择标准的一部分。然而，优选的是，在存在描述运动分量的另一个预给定信号时，通过使与预给定信号的相关性最大化，来找到与运动分量相关联的信号分量。
在本发明的一个特别有利的扩展方案中，可以设置为，在校准时间段内，特别是在呼吸运动作为运动分量的情况下具有8至30秒的长度的校准时间段内，确定描述与运动分量相关联的信号分量的运动信息，并且将其应用于稍后记录的导频音信号，用于提取运动分量，特别是用于确定稍后记录的导频音信号的权重矩阵。在此，如已经描述的，运动信息优选包含整个信号分量矩阵，同时运动信息还识别对所寻找的运动分量有贡献的信号分量。因此，例如在使用幅值-功率谱的情况下，可以想到，如上面已经描述的，将当前的稍后记录的导频音信号同样转换为幅值-功率谱。然后，可以将权重矩阵h确定为h＝w‘xv，其中，w‘是信号分量矩阵w的伪逆(pseudoinverse)。换言之，可以通过将根据稍后记录的导频音信号确定的信号矩阵与信号分量矩阵的伪逆相乘，来确定权重矩阵。这又使得能够根据稍后记录的导频音信号的权重矩阵h来确定受限制的权重矩阵h°，其中，除了被识别为对目标运动分量有贡献的信号分量之外，将所有信号分量的所有权重设置为零。这又使得能够确定提取的功率谱wxh°＝v°，其中，运动分量的实际运动信号可以通过v°的逆傅立叶变换来确定。在这一点上，如果需要，也可以再次馈入事先存储在相位向量中的相位信息。在此，在这一点上还应当注意，当然也可以并且通常也类似地以这种方式在确定运动信息使用的导频音信号中使用运动分量的提取。
在这种情况下，在本发明的范围内也可以有利地使用nmf的另一个有利的特性，即以下事实：关于这些分析方法，已经提出了多种不同的方法和算法，用于极其快速并且有效地更新运动信息，因此学习新的相关的基数和新的相关的信号分量。因为已经确定了尤其是关于周期性的运动、特别是呼吸运动，在患者中可能出现在学习阶段/校准阶段没有出现的变化的运动模式。在这种情况下，本发明的一个特别有利的扩展方案提出，在满足重新学习标准(重新学习标准指示当前使用的基数不再存在适用性)的情况下，特别是从迄今为止的运动信息开始，重新确定运动信息。
在此，具体可以设置为，重新学习标准检查描述如下乘积与稍后记录的导频音信号的信号矩阵的偏差的偏差值是否超过第一阈值，该乘积为作为运动信息的一部分存储的信号分量矩阵与所确定的稍后记录的导频音信号的权重矩阵的乘积，和/或对于所确定的稍后记录的导频音信号的权重矩阵中的至少一个权重，是否超过了第二阈值。换言之，在使用根据本发明的方法时，可以持续地监视分解wxh是否可以继续表示导频音信号v。如果不再是这种情况，也就是说，如果例如适用||v–wxh||>e，其中，e是第一阈值，或者如果h中的权重因子在至少一个定义的第二阈值以上，则可以触发运动信息的重新学习，这可以利用已知的方法有效地进行，而不需要在时域中重新处理整个数据组。在bincao等人的文章“detectandtracklatentfactorswithonlinenonnegativematrixfactorization”,ijcai2007，第2689–2694页中，描述了一种示例性的方法。
相应地，在本发明的范围内，也可以设置为，在重新确定运动信息、特别是信号分量矩阵时，使用利用迄今为止的运动信息和稍后记录的导频音信号的跟踪算法。换言之，使用已经确定的信号分量以及新引入的导频音信号，来自动并且在需要时以递增的方式(imkrementell)更新运动信息。在所提到的bincao等人的文章中，将这种方法称为“onlinenonnegativematrixfactorization(在线非负矩阵分解)”(onmf)。
本发明的一个适宜的扩展方案设置为，在满足警告标准时，向用户输出警告，和/或中断磁共振数据的记录，和/或丢弃在不期望的运动期间记录的磁共振数据，警告标准特别是对权重矩阵和/或重新学习标准的结果进行分析，和/或指示对于成像存在不期望的运动。也就是说，这意味着，如果存在特别是通过与和运动分量相关联的权重不同的权重指示的、患者的不期望的运动，则这同样可以在本发明的范围内识别出，并且可以采取相应的措施，从而例如再次重新记录磁共振数据，或者至少向操作人员指出问题。特别是当发生了关于导频音信号本身的变化时，反馈也可能是重要的，这种变化可能是重要的，例如因为到高频线圈的距离或者发射单元与高频线圈的距离绝对可能有影响，其应当触发新的学习过程，并且也应当使操作人员知情。在作为运动分量分析呼吸运动时，可能触发措施的另一个事件例如可能是从胸腔呼吸到腹部呼吸的转变。
本发明的另一个特别优选的设计方案设置为，在利用磁共振设备沿着k空间中的记录轨迹并行地记录磁共振数据时，将导频音信号的采样时间窗与记录轨迹同步，特别是使得可以将在各个重复中记录的轨迹片段与采样时间窗相关联，其中，在对于一个轨迹片段满足指示存在不期望的运动的重新记录标准的情况下，针对该轨迹片段重复进行记录。重新记录标准优选也可以对权重矩阵和/或重新学习标准的结果进行分析。换言之，本发明的该有利的设计方案因此设置为，将信号记录轨迹与采样时间窗(因此与采样间隔)同步，以产生一种在线反馈(online-feedback)，当检测到意外的/不期望的运动时，这种在线反馈在采样时间窗中触发磁共振数据的重新记录。换言之，选择关于导频音信号的更新速率(update-rate)，使得当存在迄今为止没有被看到或者不支持的运动特性时，可以丢弃/重新记录相应的采样时间窗内的磁共振数据。
除了所述方法之外，本发明还涉及一种磁共振设备，磁共振设备具有：用于发出激励信号的至少一个发射单元；用于测量通过激励信号产生的导频音信号的高频线圈装置；以及被构造为用于执行根据本发明的方法的控制设备。关于根据本发明的方法的所有描述可以类似地转用于根据本发明的磁共振设备，因此，利用根据本发明的磁共振设备，同样可以获得已经提到的优点。在此，控制设备特别是具有至少一个处理器和至少一个存储装置。
具体地，控制设备可以具有功能单元，用于执行根据本发明的方法的不同的步骤。例如，具体地，可以设置用于确定运动信息的学习单元，其中，可以附加地使用提取单元，以便使用运动信息从导频音信号中提取描述运动分量的运动信号。如所描述的，当然也可以想到根据本发明的设计方案的另外的功能单元。特别是，控制设备优选还具有序列单元，以便能够相应地控制磁共振数据的记录。
根据本发明的计算机程序例如可以直接加载到磁共振设备的控制设备的存储装置中，并且具有程序装置，用于在磁共振设备的控制设备中执行计算机程序时，执行根据本发明的方法的步骤。根据本发明的电子可读数据载体包括存储在其上的电子可读的控制信息，控制信息包括至少一个根据本发明的计算机程序，并且被设计为，当在磁共振设备的控制设备中使用数据载体时，控制信息执行根据本发明的方法。数据载体优选是非瞬态数据载体，例如是cd-rom。
附图说明
从下面描述的实施例中以及根据附图得到本发明的其它优点和细节。在此：
图1示出了根据本发明的方法的实施例的流程图，
图2示出了时域中的记录的导频音信号，
图3示出了将图1的信号的功率谱分解为四个分量，
图4示出了时域中的呼吸运动的选择的信号分量的部分，
图5示出了根据本发明的磁共振设备，以及
图6示出了根据图5的磁共振设备的控制设备的功能结构。
具体实施方式
图1示出了根据本发明的方法的流程图，所述方法用于在磁共振设备中分析导频音信号，以进行运动监视。在此，在当前的实施例中，要提取与作为运动分量的呼吸运动相关联的运动信号，然后，其可以用于进一步的目的，例如用于触发磁共振数据的特定的记录片段，用于进行回顾性的运动校正等。为了能够测量导频音信号，发射单元在第一频带中发出激励信号，在此也用于测量磁共振信号的高频线圈装置作为导频音信号再次测量激励信号。在此，使用高频线圈装置的多个高频线圈，通过其定义不同的接收通道，例如10至40个接收通道，其中，将通过激励信号产生的、各个接收通道中的接收信号，统称为导频音信号。
在步骤s1中，在校准时间段期间记录第一导频音信号，校准时间段可以包括多个采样时间窗。在步骤s2中，分析第一导频音信号，以确定运动信息，其中，使用非负矩阵分解。在作为步骤s2的子步骤的准备步骤中，将在步骤s1中在校准时间段(其对于呼吸运动例如可以具有10秒的长度)内记录的导频音信号，转换为幅值-功率谱的时间序列，其中，在此，针对作为定义的时间片段的每个采样时间窗，确定幅值-功率谱。为此，借助离散傅立叶变换，将采样时间窗的信号转换到频率空间中，然后，对于每个单独的信号值，乘以其复共轭，以获得功率谱。以这种方式，将导频音信号转换为不同接收通道的不同频谱的频率分量。
步骤s2的后续的子步骤是学习步骤。在此，将幅值-功率谱组合为信号矩阵v，在这种情况下是一个长的列向量。然后，将该信号向量或者该信号矩阵v视为信号分量矩阵w与权重矩阵h(在此，因此也即权重向量)的乘积，信号分量矩阵w包含作为列的基数向量(信号分量)。在此，矩阵w和矩阵h是非负的。此外，制定目标函数，在当前的情况下，目标函数不仅要求乘积尽可能准确地对应于信号矩阵v，而且要求w和h是稀疏地填充的。通过原则上对于nmf已知的优化方法来确定w和h。
在步骤s2的第三子步骤中，借助选择标准来识别矩阵w中的要与呼吸运动相关联的信号分量，因此这些信号分量描述呼吸运动。在此，例如可以分析频率特性和幅值，特别是例如通过实现带通滤波器或者计算信号能量的比，其中，也可以想到原则上已知的噪声观察和/或熵观察。因此，步骤s2的结果是如下的运动信息，该运动信息就像包含选择信息一样，包含由信号分量构成的完整的基数，因此包含完整的矩阵w，选择信息描述哪些信号分与运动分量、这里为呼吸运动相关联。
因此，在步骤s3中，可以由导频音信号导出仅描述或者至少明确地描述呼吸运动的运动信号。为此，在步骤s3中，仅必须相应地减小在步骤s2中确定的权重矩阵h，方式是，将与和呼吸运动无关的信号分量相关联的所有权重都设置为零，从而可以确定提取的功率谱，通过逆傅立叶变换，可以由提取的功率谱导出运动信号。在此，优选执行快速傅立叶变换(fft)来进行傅立叶变换。
因此，步骤s1至s3是校准处理，例如对于特定患者的每个检查过程，可以重新进行校准处理。此外，也可以通过预给定信号来支持该校准过程、特别是步骤s2，例如可以由磁共振导航和/或呼吸带导出预给定信号，然而这是较不优选的。
现在，在接下来的步骤中，对运动信息进行监视，并且在必要时进行跟踪。这例如可以遵循在上面提到的bincao等人的文章中描述的方法。下面说明一种具体的设计方案。
在步骤s4中，在采样时间窗期间记录接收通道的另外的接收信号，因此记录另一个导频音信号。此外，在此，采样时间窗优选与所使用的用于记录磁共振数据的k空间轨迹同步，从而可以将导频音信号与特定的轨迹片段，例如k空间行相关联，这将在下面使用。
在步骤s5中，再次使用运动信息，提取与呼吸运动相关的运动信号。为此，如上面所描述的，针对当前的导频音信号，又形成幅值-功率谱，因此形成向量或者信号矩阵v。这使得能够作为h＝w‘xv来确定权重矩阵h，其中，w‘是w的伪逆。像在步骤s3中一样，现在，可以根据所确定的权重矩阵h来建立有限的权重矩阵h°，方式是，将所有不与呼吸运动相关联的信号分量(或者其权重)设置为零。又形成提取的功率谱v°＝wxh°。通过对v°进行逆傅立叶变换，形成描述呼吸运动的运动信号。
在此，在这一点上还应当注意，在对于总运动中的一个运动分量存在多个相关的信号分量的情况下，也可以想到使用多个运动信号，特别是对于每一个信号分量使用一个运动信号，特别是当其具有相似的特性，因此其可以用于彼此之间的可信度测试(plausibilisierung)和/或用于鲁棒性的提高时。
然后，在步骤s6中，检查是否满足重新学习标准，在此，这意味着，刚才确定的权重矩阵h与根据运动信息的信号分量矩阵w的乘积，与当前的导频音信号的信号矩阵s的偏差，是否大于第一阈值，或者权重矩阵h的权重中的至少一个是否超过了第二阈值。如果是这种情况，则在步骤s7中进行新的学习过程，然而，该新的学习过程不需要对所有的导频音信号进行完整的重新处理，而是如bincao等人示例性地描述的，可以说是在逐步调整的意义上，跟踪运动信息。为此，使用迄今为止的运动信息和当前的导频音信号。然后，在步骤s5中，也利用如此更新的运动信息，确定校正后的运动信号。
在步骤s8中，检查对于当前的轨迹片段，是否满足重新记录标准。也就是说，可以基于已经描述的同步，通过分析重新学习标准的结果，并且通过分析权重矩阵h，来判断是否存在不希望的运动或者不希望的运动特性，从而于是可以丢弃该轨迹片段的磁共振数据，并且可以在步骤s9中触发该轨迹片段的重新记录。也可以想到单纯地丢弃该轨迹片段的磁共振数据。然后，在任意一种情况下，以步骤s4继续。
还应当指出，也可以使用警告标准，来执行其它措施，例如向用户输出警告、中断磁共振数据的记录等。
然后，随着患者的检查过程结束，所述方法也可以结束。
为了进行说明，图2至图4示出了所述方法的示例性的中间结果。图2示出了在图2至图4的示例中使用的纯导频音信号。在此，大约从样本6500开始，直到最后，导频音信号包括自由呼吸阶段之后的屏气阶段。在此，自由呼吸阶段用作校准时间段。所形成的解，因此运动信息，应用于整个数据组，如图2所示。
图3示出了分解为四个信号分量之后的作为幅值-功率谱的图2中的导频音信号的表示。这些信号分量基于其频率内容明显地分开。图4示出了应用于图2的整个数据组的四个单独的分量的运动信号。用方框标出了校准时间段1。可以看出，在自由呼吸阶段期间，没有信号分量示出纯呼吸信号，因为在其它运动信号中也可以看到其余的呼吸分量，但是分离对于进一步的处理足够了。
图5示出了根据本发明的磁共振设备2的原理图。如原则上已知的，磁共振设备2具有主磁体单元3，主磁体单元3包含基本场磁体，并且定义患者容纳空间4，可以借助患者床5将患者移入患者容纳空间4中。在此，除了这里未详细示出的梯度线圈装置之外，磁共振设备2还包括高频线圈装置6，其在此仅借助两个高频线圈7示意性地示出。此外，磁共振设备2包括用于发出激励信号的发射单元8，高频线圈装置6可以作为导频音信号再次记录激励信号，用于测量布置在患者床5上的患者的运动。磁共振设备2的运行由控制设备9来控制，控制设备9被构造为用于执行根据本发明的方法。
图6更详细地示出了控制设备9的功能结构。为了执行根据本发明的方法，控制设备9首先具有接口10，用于接收测量的导频音信号(步骤s1和s4)。设置学习单元11，用于执行步骤s2，因此用于确定运动信息。在提取单元12中，可以基于运动信息从导频音信号中提取运动信号，参见步骤s3和s5。
此外，控制设备9还包括两个监视单元13、14，其中，监视单元13监视运动信息的有效性并且在必要时对其进行跟踪，步骤s6和s7。监视单元14监视不期望的运动特性，从而可以开始k空间轨迹的轨迹片段的重新记录的触发，步骤s8和s9。当前的运动信息以及其它数据例如可以保持在存储装置15中。
在此，控制设备9还包括序列单元16以及分析单元17，序列单元16用于控制磁共振数据的记录，分析单元17用于根据所记录的磁共振数据来重建磁共振图像数据组或者其它记录结果。这两个单元16、17都可以使用所提取的描述呼吸运动的运动信号，例如用于进行触发，用于选择磁共振数据，用于进行回顾性的运动校正等。
虽然在细节上通过优选实施例对本发明进行了详细的说明和描述，但是本发明不限于所公开的示例，本领域技术人员可以从中导出其它变形方案，而不脱离本发明的保护范围。
1.一种计算机实现的方法，所述方法用于分析利用磁共振设备(2)的高频线圈装置(6)记录的导频音信号，所述导频音信号描述患者的运动，用于提取与运动分量、特别是与呼吸运动相关联的运动信息，
其中，根据信号分量中的基数，利用相关联的权重，对导频音信号进行分解，以及
为了确定运动信息，借助选择标准，来选择基数中的与运动分量相关联的部分，
其特征在于，
为了确定基数和权重，执行非负矩阵分解，其中，将由导频音信号形成的、特别是非负的信号矩阵，表示为
-描述基数的非负的信号分量矩阵，与
-描述权重的非负的权重矩阵的乘积。
2.根据权利要求1所述的方法，其特征在于，在优化方法中利用目标函数来确定信号分量矩阵和权重矩阵，
其中，所述目标函数包括如下项，所述项使
-信号矩阵，与
-信号分量矩阵和权重矩阵的乘积的差的至少一个范数最小化。
3.根据权利要求2所述的方法，其特征在于，作为优化目标，所述目标函数的另一个项添加稀疏地填充的权重矩阵和/或稀疏地填充的信号分量矩阵。
4.根据上述权利要求中任一项所述的方法，其特征在于，作为信号矩阵来确定频率空间中的幅值-功率谱，方式是，对导频音信号进行傅立叶变换，并且逐矩阵项地与其复共轭相乘。
5.根据权利要求4所述的方法，其特征在于，作为包含所有接收通道的行向量来表示信号矩阵。
6.根据上述权利要求中任一项所述的方法，其特征在于，为了确定描述周期性的运动分量的运动信息，所述选择标准包括
-选择周期性的运动的频率范围的带通滤波器，和/或
-确定所述频率范围内的信号能量与所述频率范围外的信号能量的比，和/或
-噪声分析，和/或
-熵分析。
7.根据上述权利要求中任一项所述的方法，其特征在于，在校准时间段(1)内确定描述与运动分量相关联的信号分量的运动信息，并且将其应用于稍后记录的导频音信号，用于提取运动分量，特别是用于确定稍后记录的导频音信号的权重矩阵。
8.根据权利要求7所述的方法，其特征在于，在满足重新学习标准时，特别是从迄今为止的运动信息开始，重新确定运动信息，所述重新学习标准指示当前使用的基数不再存在适用性。
9.根据权利要求8所述的方法，其特征在于，所述重新学习标准检查
-如下偏差值是否超过了第一阈值，所述偏差值描述
-作为运动信息的一部分存储的信号分量矩阵与所确定的稍后记录的导频音信号的权重矩阵的乘积
-与稍后记录的导频音信号的信号矩阵的偏差，和/或
-对于所确定的稍后记录的导频音信号的权重矩阵中的至少一个权重，是否超过了第二阈值。
10.根据权利要求8或9所述的方法，其特征在于，在重新确定运动信息、特别是信号分量矩阵时，使用跟踪算法，所述跟踪算法使用迄今为止的运动信息和稍后记录的导频音信号。
11.根据上述权利要求中任一项所述的方法，其特征在于，在满足警告标准时，向用户输出警告，和/或中断磁共振数据的记录，和/或丢弃在不期望的运动期间记录的磁共振数据，所述警告标准特别是对权重矩阵和/或重新学习标准的结果进行分析，和/或指示对于成像存在不期望的运动。
12.根据上述权利要求中任一项所述的方法，其特征在于，在利用磁共振设备(2)沿着k空间中的记录轨迹并行地记录磁共振数据时，将导频音信号的采样时间窗与记录轨迹同步，特别是使得能够将在各个重复中记录的轨迹片段与采样时间窗相关联，其中，在满足重新记录标准时，针对轨迹片段重复进行记录，所述重新记录标准指示对于该轨迹片段存在不期望的运动。
13.一种磁共振设备(2)，具有：至少一个发射线圈(8)，用于发出激励信号；高频线圈装置(6)，用于测量通过激励信号产生的导频音信号；以及控制设备(9)，所述控制设备被构造为用于执行根据上述权利要求中任一项所述的方法。
14.一种计算机程序，当在磁共振设备(2)的控制设备(9)上执行所述计算机程序时，所述计算机程序执行根据权利要求1至12中任一项所述的方法的步骤。
15.一种电子可读数据载体，其上存储有根据权利要求14所述的计算机程序。
技术总结