降噪的系统、方法与流程

相关申请

本发明要求申请日为2019年12月3日申请号为62/943,198的美国临时申请以及申请日为2020年5月9日申请号为16/870,908的美国专利申请的优先权，在此将其全文引入作为参考。

本发明涉及应用于医疗设备的降噪技术，更具体地涉及用于基于主动降噪技术或者主动消除噪声技术(英文全称为activenoisecancellation，英文缩写为anc)来消除医疗设备(例如，mri设备)中的目标位置处的噪声的系统和方法。

背景技术：

磁共振成像(mri)是一种广泛使用的医学技术，其通过利用强大的磁场和射频(rf)技术对感兴趣区域(roi)生成图像。可以将受试目标(例如，扫描目标或其身体部位)放置于mri扫描仪的扫描区域中，从而mri扫描仪可以在成像过程中扫描受试目标或在放射治疗中向受试目标施加放射剂量。在成像过程或放射治疗期间，mri扫描仪中的一个或多个组件通常会产生噪音，这可能会让受试目标感到不适。另外，因噪声原因，受试目标可能会轻微运动，这可能会对成像质量或放射治疗的效果产生负面影响。因此，亟需开发一种用于减少扫描区域内的噪声的系统和方法。

技术实现要素：

根据本发明的一方面，提供一种用于对放置在医学成像设备的扫描孔中的受试目标进行主动降噪的系统。该系统可以包括至少一个包括一组指令的存储设备，以及用于与所述至少一个存储设备通信的至少一个处理器。当执行所述一组指令时，所述至少一个处理器用于指示所述系统执行以下操作，包括：通过位于扫描孔中的第一噪声检测单元阵列检测第一噪声信号，其中所述第一噪声信号的至少一部分来自于所述医学成像设备的梯度线圈的操作；通过第二噪声检测单元阵列检测与所述受试目标相关联的目标位置附近的第二噪声信号；以及根据所述第一噪声信号、第二噪声信号以及用于所述医学成像设备的操作的激励信号确定降噪信号。

在一些实施例中，至少一个处理器还用于指示所述系统执行如下操作，包括：根据所述降噪信号并通过一个或多个降噪单元生成声音。

在一些实施例中，，所述根据所述降噪信号并通过一个或多个降噪单元生成所述声音的操作进一步包括：基于所述降噪信号的内容选择所述一个或多个降噪单元的全部或一部分；以及根据所述降噪信号指示所选择的降噪单元以生成所述声音。

在一些实施例中，所述一个或多个降噪单元中的至少一个降噪单元被安装至用于承载所述受试目标的支撑台并位于所述目标位置的附近。

在一些实施例中，所述一个或多个降噪单元中的至少一个降噪单元被安装于与所述目标位置相关联的局部线圈上。

在一些实施例中，所述一个或多个降噪单元包括一个或多个振动组件，所述振动组件用于根据所述降噪信号生成声音。

在一些实施例中，所述一个或多个降噪单元包括一个或多个定向扬声器，所述定向扬声器用于根据所述降噪信号沿着朝向所述目标位置的特定方向传输声音。

在一些实施例中，所述基于所述第一噪声信号、第二噪声信号和激励信号确定所述降噪信号的操作进一步包括：通过将所述第一噪声信号、所述第二噪声信号和所述激励信号输入到目标噪声预测模型，确定所述目标位置附近的预测噪声信号；以及基于所述预测噪声信号确定所述所述降噪信号，其中所述降噪信号与所述预测噪声信号具有相反的相位。

在一些实施例中，所述基于所述第一噪声信号、所述第二噪声信号和所述激励信号确定所述降噪信号包括：将所述第一噪声信号和所述激励信号作为基于fxlms算法的降噪模型的前馈输入信号；将所述第二噪声信号作为所述基于fxlms算法的降噪模型的反馈输入信号；以及基于所述fxlms算法的降噪模型，并通过最小化所述第二噪声信号确定所述降噪信号。

在一些实施例中，所述至少一个处理器还用于指示所述系统执行以下操作，包括：基于由定位单元所获得的信息，确定与所述受试目标相关联的所述目标位置，其中所述定位单元可操作地耦合到所述医学成像设备；基于所述第一噪声信号和所述第二噪声信号，利用声场仿真模型确定所述目标位置的噪声水平；以及基于所述噪声水平确定所述降噪信号。

在一些实施例中，所述医学成像设备包括磁共振成像(mri)设备，以及所述噪声检测设备包括非磁性麦克风。

根据本发明的另一方面，还可以提供一种医学成像设备。所述医学成像设备可以包括：扫描孔，用于容纳待成像的受试目标以及用于承载所述受试目标的支撑台；梯度线圈，用于产生梯度磁场；第一噪声检测单元阵列，其设置于上述扫描孔中并用于检测第一噪声信号，所述第一噪声信号的至少一部分是因所述梯度线圈的操作而产生的；第二噪声检测单元阵列，其设置于与所述受试目标相关联的所述目标位置附近并用于检测第二噪声信号；处理电路，用于基于所述第一噪声信号、所述第二噪声信号和所述激励信号确定降噪信号，其中所述激励信号用于所述梯度线圈的操作；以及一个或多个降噪单元，用于根据所述降噪信号产生声音。

在一些实施例中，所述一个或多个降噪单元还被基于所述降噪信号的内容而选择其全部或一部分；以及所选择的降噪单元还被指示以生成所述声音

在一些实施例中，所述一个或多个降噪单元中的至少一个降噪单元被安装至用于承载所述受试目标的所述支撑台并位于所述目标位置的附近。

在一些实施例中，所述一个或多个降噪单元中的至少一个降噪单元安装于与所述目标位置相关联的射频线圈上。

在一些实施例中，所述一个或多个降噪单元包括一个或多个振动组件，所述振动组件用于根据所述降噪信号生成声音。

在一些实施例中，所述一个或多个降噪单元包括一个或多个定向扬声器，所述定向扬声器用于根据所述降噪信号并沿着朝向所述目标位置的特定方向传输声音。

在一些实施例中，为了基于所述第一噪声信号、所述第二噪声信号和用于所述梯度线圈的运行的所述激励信号确定所述降噪信号，所述处理电路还用于：通过将所述第一噪声信号、所述第二噪声信号和所述激励信号输入到目标噪声预测模型，确定所述目标位置附近的预测噪声信号；以及基于所述预测噪声信号确定所述所述降噪信号，其中所述降噪信号与所述预测噪声信号具有相反的相位。

在一些实施例中，为了基于所述第一噪声信号、所述第二噪声信号和用于所述梯度线圈的操作的所述激励信号确定所述降噪信号，所述处理电路还用于：将所述第一噪声信号和所述激励信号作为基于fxlms算法的降噪模型的前馈输入信号；将所述第二噪声信号作为所述基于fxlms算法的降噪模型的反馈输入信号；以及基于所述fxlms算法的降噪模型，并通过最小化所述第二噪声信号确定所述降噪信号。

在一些实施例中，所述处理电路还用于：基于由定位单元所获得的信息，确定与所述受试目标相关联的所述目标位置，其中所述定位单元可操作地耦合到所述医学成像设备；基于所述第一噪声信号和所述第二噪声信号，利用声场仿真模型确定所述目标位置的噪声水平；以及基于所述噪声水平确定所述降噪信号。

本发明的附加特征将在下面的描述中部分阐述，并且本领域技术人员在查阅下述内容和附图，或者通过示例进行实际操作或验证后，可以容易理解附加特征。本发明的特征可以通过实践或使用下面讨论的详细示例中阐述的方法、工具和其组合来实现。

附图说明

本发明还通过多个示例性实施例进一步描述本发明，参考附图详细描述这些示例性实施例。这些实施例是非限制性的示例性实施例，参考附图并不按比例绘制，其中类似的附图标记在附图的多个视图中表示类似的结构，其中：

图1是本发明一些实施例中示例性成像系统的示意图；

图2是本发明一些实施例中示例性mri设备的示意图；

图3是本发明一些实施例中可以在其上实现处理设备的计算设备的示例性硬件和/或软件组件的示意图；

图4是本发明一些实施例中移动设备的示例性硬件和/或软件组件的示意图；

图5是本发明一些实施例中示例性降噪系统的示意图；

图6是本发明一些实施例中降噪系统的示例性结构示意图；

图7是本发明一些实施例中示例性降噪系统的示意图；

图8是本发明一些实施例中示例性处理装置的框图；

图9是本发明一些实施例中医学成像设备中的主动降噪的示例性过程的流程图；

图10是本发明一些实施例中确定降噪信号的示例性过程的流程图；

图11a是本发明一些实施例中确定降噪信号的示例性过程的流程图；

图11b是本发明一些实施例中基于滤波x最小均方(英文简称为fxlms)算法的降噪模型的框图；

图12是本发明一些实施例中确定降噪信号的示例性过程的流程图；和

图13是本发明一些实施例中mri系统中的降噪的示例性过程的流程图。

具体实施方式

在以下详细描述中，通过实施例阐述了诸多具体细节，以便于对相关公开内容进行深入理解。然而，本领域技术人员可以理解，在没有这些细节的情况下，本发明仍可实施。在一般情况下，为了避免不必要地混淆本发明的各个方面，本发明以相对较高的水平描述了众所周知的方法、过程、系统、组件和/或电路，而没有对其详细说明。对于本领域技术人员来说，对所公开的实施例的各种修改将是显而易见的，并且在不脱离本发明的构思和范围的情况下，本发明定义的一般原则也可以适用于其他实施例和应用。因此，本发明并不限于所示的实施例，而是涵盖了与权利要求一致的最宽范围。

本发明中使用的术语仅用于描述特定的实施例，并不限制本发明。如本发明所用，“一”、“一种”可表示单数形式，也可以包括复数形式，除非上下文另有明确指示。可以进一步理解，在本发明中所使用的术语“包括”和“包含”表示所述特征、整体、步骤、操作、元件和/或组件的存在，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其组合。

应当理解，本发明中使用的术语“系统”、“单元”、“模块”和/或“块”是一种按升序区分不同级别的不同组件、元件、部件、部分或组件的方式。但是，如果另一种表达方式的其他术语也可达到相同的目的，则这些术语可能会被其取代。

通常，这里使用的“模块”、“单元”或“块”词语是指硬件或固件中包含的逻辑组件、或指软件指令的集合。本发明描述的模块、单元或块可以用软件和/或硬件来实现，并且可以存储在任何类型的非暂时性计算机可读介质或另一存储设备中。在一些实施例中，软件模块/单元/块可以被编译并链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或其自身调用，和/或可以响应检测到的事件或中断而调用。用于在计算设备(例如，如图3所示的处理器310)上运行的软件模块/单元/块可以设置在计算机可读介质上，例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质上，或者作为数字下载(并且最初以压缩或可安装的格式存储，在执行之前需要安装、解压缩或解密)。这些软件代码可以部分或全部存储在计算设备的存储设备上，以供计算设备执行。软件指令可以嵌入固件中，例如eprom(可擦除可编程只读存储器)。进一步可理解，硬件模块/单元/块可以包括所连接的逻辑组件，例如门和触发器，和/或可包括可编程单元，例如可编程门阵列或处理器。本发明描述的模块/单元/块或计算设备功能可以用软件模块/单元/块来实现，但也可以用硬件或固件表示。一般来说，本发明所描述的模块/单元/块是指逻辑模块/单元/块，它们可以与其他模块/单元/块组合，或者尽管它们的物理组织或存储方式不同，但也可以划分为子模块/子单元/子块。该描述可以适用于系统、设备或其中的一部分。

可以理解，当一个单元、引擎、模块或块被称为“开启”、“连接到”或“耦合到”另一个单元、引擎、模块或块时，它可以直接开启、连接到、耦合到或通信到另一个单元、引擎、模块或块，也可以是可能存在的中间单元、引擎、模块或块，除非上下文另有明确说明。如本发明所使用的，术语“和/或”包括一个或多个相关的所列特征的任何和所有组合。

参考以下具体实施方式以及附图的描述，本发明所列举这些和其他特征以及特性、操作方法、相关结构元件及其结合的功能、以及制造成本的组合可以更加清楚明显。具体实施方式以及附图所有这些均构成本发明的一部分。然而，应明确理解，附图仅用于说明和描述，并非旨在限制本发明的范围。可以理解，附图未按比例绘制。

本文提供的系统和组件可用于医学成像和/或医学治疗。在一些实施例中，医学系统可以包括成像系统。成像系统可以包括单模态成像系统和/或多模态成像系统。单模态成像系统可以包括例如磁共振成像(mri)系统。示例性mri系统可以包括超导磁共振成像系统、非超导磁共振成像系统等。多模态成像系统可以包括例如计算机断层摄影-磁共振成像(mri-ct)系统、正电子发射断层扫描磁共振成像(pet-mri)系统、单光子发射计算机断层扫描磁共振成像(spect-mri)系统、数字减影血管造影磁共振成像(dsa-mri)系统等。

本发明提供用于噪声消除或降噪的多个实施例。在一些实施例中，当将受试目标(例如，扫描目标)放置在扫描装置(例如，mri扫描仪)的扫描区域中以进行成像扫描或放射疗法治疗时，本发明所述降噪系统可以用于减少或消除在扫描区域或其一个或多个子区域内的声学噪声。在一些实施例中，所述降噪系统可包括定位单元，其用于识别和确定与受试目标相关的目标位置，例如扫描目标的耳朵所在的位置。所述降噪系统可以包括第一噪声检测单元阵列和第二噪声检测单元阵列。所述第一噪声检测单元阵列可以用于检测扫描区域内的第一噪声信号，所述第一噪声信号是因扫描设备的梯度线圈的操作而产生的声学噪声，诸如在mri扫描期间引起的振动。所述第二噪声检测单元阵列可以用于检测目标位置附近(或周围)的第二噪声信号。在一些实施例中，相对于受试目标的其他位置，所述第二噪声检测单元阵列可靠近至少一个目标位置(例如，受试目标的耳朵)。在一些实施例中，所述第二噪声信号可为接近至少一个目标位置的噪声信号的一部分。所述第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元产生的声音的净响应。在一些实施例中，所述降噪系统还可包括计算设备(例如，处理设备或处理电路)或与之相关联。所述计算设备可获取用于梯度线圈的操作的激励信号(例如，梯度脉冲序列)。所述计算设备可以通过处理第一噪声信号、第二噪声信号和激励信号确定降噪信号。在一些实施例中，所述降噪系统可包括一个或多个降噪单元。所述一个或多个降噪单元可根据所述降噪信号，例如，用于指示降噪信号的一个或多个降噪参数，来产生声音，所产生的声音可用于消除到达所述目标位置的噪声。所产生的声音的相位与到达目标位置的噪声的相位相反，以便抵消噪声。应当注意，所述降噪系统可以集成到扫描设备中并且作为扫描设备的一部分。

图1是本发明一些实施例中示例性成像系统的示意图。如本文所使用的，所述成像系统可为mri系统。如图1所示，成像系统100可包括mri设备110、网络120、终端130、处理设备140和存储设备150。所述成像系统100中的各组件可通过一种或多种方式实现连接。仅作为示例，如图1中所示，mri设备110可以通过网络120连接到处理设备140。作为另一示例，mri设备110可以直接连接到处理设备140(如由连接mri装置110和处理装置140的虚线双向箭头所示)。作为另一示例，存储设备150可以直接地或通过网络120连接到处理设备140。作为又一示例，终端设备(例如131、132、133等)可以直接连接到处理设备140(如连接终端130和处理装置140的虚线箭头所示)或通过网络120连接到处理设备140。

mri设备110可以扫描位于其检测区域内的对象，并生成与该对象有关的多个数据。在本发明中，“受试目标”和“对象”可互换地使用。仅作为示例，该受试目标可以包括扫描目标、人造物体等。作为另一示例，所述受试目标可包括扫描目标的特定部分、器官和/或组织。例如，所述受试目标可包括扫描目标的头部、大脑、颈部、身体、肩膀、手臂、胸部、心脏、胃、血管、软组织、膝盖、脚等，或者以上的任意组合。在一些实施例中，mri设备110可以是闭孔扫描仪或开孔扫描仪。在本发明中，图1中提供了包括x轴、y轴和z轴的正交坐标系160。如图1所示，x轴和z轴可为水平的，y轴可为垂直的。x轴的正方向可以是从面向mri设备110的正面的方向看时，从mri设备110的右侧到左侧。y轴的正方向可以是从mri装置110的下部到上部。z轴的正方向可以指物体从mri设备110的扫描通道(或称为孔)移出的方向。关于mri设备110的更多描述可以在本发明的其他地方找到，例如参见图2及其说明。

网络120可包括任何合适的网络，只要其能促进成像系统100的信息和/或数据交换。在一些实施例中，成像系统100的一个或多个组件(例如mri设备110、终端130、处理设备140或存储设备150)可以经由网络120与成像系统100的一个或多个其他组件进行信息和/或数据的通信。例如，在成像系统100的操作期间(例如，在mri装置110的成像扫描时)，处理设备140可通过网络120获取用于mri装置110中的梯度线圈操作的激励信号(例如脉冲序列)。在一些实施例中，网络120可为任何有线或无线网络的类型，或其组合。所述网络120可以包括公共网络(例如因特网)、专用网络(例如局域网(lan)、广域网(wan)等)、有线网络(例如以太网)、无线网络(例如802.11网络、wi-fi网络等)、蜂窝网络(例如长期演进(lte)网络)，帧中继网络、虚拟专用网络(“vpn”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机或其组合。例如，所述网络120可以包括有线电视网络、有线网络、光纤网络、电信网络、内联网、无线局域网(wlan)、城域网(man)、公用电话交换网络(pstn)、蓝牙^tm网络、zigbee^tm网络、近场通信(nfc)网络等，或其组合。在一些实施例中，所述网络120可以包括一个或多个网络接入点。例如，所述网络120可以包括有线和/或无线网络接入点，例如基站和/或因特网交换点，通过这些接入点，所述成像100的一个或多个组件可以连接到所述网络120以交换数据和/或信息。

终端130可包括移动设备131、平板电脑132、笔记本电脑133等，或其任意组合。在一些实施例中，移动设备131可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可包括智能照明设备、智能电气设备的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任意组合。在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(pda)、游戏设备、导航设备、销售点(pos)设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实补丁、增强现实头盔、增强现实眼镜、增强现实补丁等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可包括googletmglass，oculusrift，hololens，gearvr等。在一些实施例中，终端130可以远程操作mri设备110，和/或在一些实施例中，终端130可以经由无线连接来操作mri设备110和/或处理设备140。在一些实施例中，终端130可以接收用户输入的信息和/或指令，并且经由网络120将接收到的信息和/或指令发送给mri设备110或处理设备140。在一些实施例中，终端130还可从处理设备140接收数据和/或信息。在一些实施例中，终端130可为处理设备140的一部分。在一些实施例中，也可以省略终端130。

处理设备140可以处理从mri设备110、终端130和/或存储设备150获取的数据和/或信息。在一些实施例中，降噪系统可以集成到mri设备100。mri设备110可包括用于检测mri设备110的扫描孔内的第一噪声信号的第一噪声检测单元阵列(例如，第一麦克风阵列)。第一噪声信号的至少一部分是由梯度线圈的操作产生的。在一些实施例中，mri设备100还可包括第二噪声检测单元阵列(例如，第二麦克风阵列)，该第二噪声检测单元阵列用于检测与噪声相关联的目标位置附近(或周围)的第二噪声信号。受试目标(例如，扫描目标的耳朵位置)。处理设备140可以基于第一噪声信号、第二噪声信号和用于梯度线圈的操作的激励信号确定降噪信号。根据降噪信号，一个或多个降噪单元可产生声音以消除位于目标位置的噪声，从而可以形成能覆盖目标位置的相当大的区域。

在一些实施例中，处理设备140可为单个服务器或服务器组。服务器组可为集中式或分布式的。在一些实施例中，处理设备140可为本地的或远程的。例如，处理设备140可以经由网络120访问在mri设备110、终端130和/或存储设备150中存储或由其获取的信息和/或数据。作为另一个示例，处理设备140可直接连接至mri设备110(如图1双向虚线箭头所示，处理设备140与mri设备110连接)、终端130(如图1中双向虚线箭头所示，处理设备140与终端130连接)、和/或存储设备150以访问所存储或所获取的信息和/或数据。在一些实施例中，处理设备140可通过云平台实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、复式云等，或其任意组合。在一些实施例中，处理设备140可以在具有如图3所示的一个或多个组件的计算设备300上实现。

存储设备150可以存储数据和/或指令。在一些实施例中，存储设备150可以存储从mri设备110、终端130和/或处理设备140获得的数据。例如，存储设备150可以存储mri设备110中检测到的噪声信号(例如，第一噪声信号和第二噪声信号)。在一些实施例中，存储设备150可以存储数据和/或指令，该指令可指示处理设备140实施或使用以执行本发明中描述的示例性方法。例如，存储设备150可以存储指令，该指令用来指示处理设备140执行一个或多个操作以生成用于主动消除目标位置周围的噪声的降噪信号。在一些实施例中，存储设备150可以包括大容量存储设备、可移动存储设备、易失性读写存储器，只读存储器(rom)等，或其任意组合。举例来说，大容量存储设备可包括磁盘、光盘、固态驱动器等。举例来说，可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩磁盘、磁带等。举例来说，易失性读写存储器可以包括随机存取存储器(ram)。举例来说，ram可以包括动态ram(dram)、双倍数据速率同步动态ram(ddrsdram)、静态ram(sram)、晶闸管ram(t-ram)、零电容ram(z-ram)等。举例来说，rom可以包括掩模rom(mrom)、可编程rom(prom)、可擦除可编程rom(eprom)、电可擦除可编程rom(eeprom)、光盘rom(cd-rom)、数字多功能磁盘rom等。在一些实施例中，存储设备150可以在云平台上实现。举例来说，云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、多云等，或其任意组合。

在一些实施例中，存储设备150可以连接到网络120以与成像系统100的一个或多个组件(例如，mri设备110、处理设备140、终端130等)通信。成像系统100的一个或多个组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接连接到成像系统100的一个或多个组件(例如，mri设备110、处理设备140、终端130等)或与之通信。在一些实施例中，存储设备150也可为处理设备140的一部分。

在一些实施例中，成像系统100可进一步包括一个或多个电源(图1未示出)，其连接到成像系统100的一个或多个组件(例如，mri设备110、处理设备140、终端130、存储设备150等)。

图2是本发明一些实施例中示例性mri设备(或mri扫描仪)的示意图。在图2中示出了mri设备110的一个或多个组件。主磁体201可以产生第一磁场(也称为主磁场)，该第一磁场可以施加到暴露在该磁场内部的对象(也称为受试目标)。主磁体201可以包括均需要电源(未示出)进行操作的电阻磁体或超导磁体。可替代地，主磁体201可以包括永磁体。主磁体201可包括用于放置扫描对象的孔(或称为扫描孔)。扫描孔可用于容纳待成像的受试目标和用于承载受试目标的支撑台(图2未示出)。支撑台可以被驱动以在扫描孔的内部或外部移动。主磁体201还可控制所产生的主磁场的均匀性。在主磁体201中可放置一些匀场线圈。放置在主磁体201的间隙中的匀场线圈可以补偿主磁体201的磁场的不均匀性。所述匀场线圈可由匀场电源供电。

所述梯度线圈202可以位于主磁体201的内部。梯度线圈202可产生第二磁场(或称为梯度场，包括梯度场gx、gy和gz)。第二磁场可以叠加在由主磁体201产生的主磁场上并且使主磁场变形，使得受试目标的质子的磁取向可以根据其在梯度场内的位置而变化，从而对空间信息进行编码，形成待成像受试目标区域的mr信号。梯度线圈202可以包括x线圈(例如，用于生成与x方向相对应的梯度场gx)、y线圈(例如，用于生成与y方向相对应的梯度场gy)和/或z线圈(例如，用于生成对应于z方向的梯度场gz(图2中未示出)。在一些实施例中，可以基于圆形(麦克斯韦)线圈来设计z线圈，而可以基于鞍形(golay)线圈结构来设计x线圈和y线圈。三组线圈可以产生三个不同的用于位置编码的磁场。梯度线圈202可以允许mr信号的空间编码以用于图像重建。梯度线圈202可以与x梯度放大器204、y梯度放大器205、或z梯度放大器206中的一个或多个连接。三个放大器中的一个或多个可以连接至波形发生器216。波形发生器216可以产生施加到x梯度放大器204、y梯度放大器205、和/或z梯度放大器206的梯度波形(或梯度脉冲序列)。放大器可以放大波形。被放大的波形可被施加到梯度线圈202中的一个线圈，以分别在x轴、y轴或z轴上产生磁场。梯度线圈202可用于闭孔mri扫描仪或开孔mri扫描仪。在一些情况下，梯度线圈202的所有三组线圈可以被通电，并且由此可以生成三个梯度场。在本发明的一些实施例中，可以对x线圈和y线圈通电以产生沿x方向和y方向的梯度场。如本文中所使用的，在图2中，x轴、y轴、z轴、x方向、y方向和z方向的描述与图1中相应描述相同或相似。

在mri设备110的扫描期间，在静态磁场存在的情况下，梯度线圈内的电流的突然变化可以在梯度线圈上产生强的洛伦兹力。当力在梯度线圈中引起运动和振动时，在mri设备110中可能产生噪声。mri噪声可能来自各种来源。例如，需要快速切换梯度磁场的脉冲序列，例如快速梯度回波序列(fge)、回波平面成像序列(epi)和快速自旋回波(fse)序列，和高梯度场可能会产生高水平的噪声。在mri扫描期间所产生的噪声水平可取决于用于梯度线圈202的操作的脉冲序列的类型。在一些实施例中，应当考虑以用于梯度线圈202操作的激励信号来抑制噪声。

在一些实施例中，射频(rf)线圈203可以位于主磁体201内部，而当作发射器、接收器或两者兼作。rf线圈203可以与rf电子设备209连接，rf电子设备209可以用作或当作一个或多个集成电路(ic)而起到波形发送器和/或波形接收器的作用。rf电子设备209可以连接至射频功率放大器(rfpa)207和模数转换器(adc)208。

当用作发射器时，rf线圈203可以产生rf信号，该rf信号提供第三磁场，该第三磁场用于产生与待成像的对象的区域有关的mr信号。第三磁场可以垂直于主磁场。波形发生器216可以产生rf脉冲。rf脉冲可以经由rfpa207放大，再由rf电子器件209处理，并且施加到rf线圈203以响应于由rf电子器件209基于放大的rf脉冲所产生的强大电流而产生rf信号。

当用作接收器时，rf线圈可以负责检测mr信号(例如，回声)。在激励之后，可以由rf线圈203感测由受试目标产生的mr信号。然后，接收放大器可以从rf线圈203接收所感测到的mr信号，放大所感测到的mr信号，并将经过放大的mr信号提供给adc208。adc208可以将mr信号从模拟信号转换为数字信号。基于预先设计的k空间采样方案将数字mr信号填充到k空间。在一些实施例中，可以将k空间数据发送到处理设备140以进行进一步重建。

在一些实施例中，梯度线圈202和rf线圈203可以相对于对象沿周向定位。本领域技术人员可以理解，主磁体201、梯度线圈202和rf线圈203可以以各种结构围绕对象放置。

在一些实施例中，rfpa207可以放大rf脉冲(例如，rf脉冲的功率、rf脉冲的电压)，所生成的放大的rf脉冲可以驱动rf线圈203。rfpa207可以包括基于晶体管的rfpa、基于真空管的rfpa等，或其任意组合。基于晶体管的rfpa可以包括一个或多个晶体管。基于真空管的rfpa可以包括三极管、四极管、速调管等，或其任意组合。在一些实施例中，rfpa207可以包括线性rfpa或非线性rfpa。在一些实施例中，rfpa207可以包括一个或多个rfpa。

在一些实施例中，mri设备110可进一步包括受试目标定位系统(未示出)。受试目标定位系统可以包括支撑台和运输装置。可以将受试目标放置在支撑台上，并通过运输装置将其定位在主磁体201的孔内。

图3是本发明一些实施例中可以在其上实现处理设备的计算设备的示例性硬件和/或软件组件的示意图。如图3所示，计算设备300可以包括处理器310、存储器320、输入/输出(i/o)330和通信端口340。

处理器310可以根据本文所描述的执行计算机指令(或程序代码)并完成处理设备140的功能。该计算机指令可以包括例程、程序、受试目标、组件、信号、数据结构、过程、模块和功能，其执行本文描述的特定功能。例如，处理器310可以通过处理第一噪声信号、第二噪声信号、和用于梯度线圈(例如，梯度线圈202)操作的激励信号来产生降噪信号。在一些实施例中，处理器310可以包括微控制器、微处理器、精简指令集计算机(risc)、专用集成电路(asic)、专用指令集处理器(asip)、中央处理单元(cpu)、图形处理单元(gpu)、物理处理单元(ppu)、微控制器单元、数字信号处理器(dsp)、现场可编程门阵列(fpga)、高级risc机器(arm)、可编程逻辑设备(pld)、能够执行一个或多个功能等的任何电路或处理器，或其任意组合。

仅出于说明目的，在计算设备300中仅描述了一个处理器。然而，应注意的是，本发明中的计算设备300也可以包括多个处理器。因此，如本发明所述，由一个处理器执行的操作和/或方法步骤也可以由多个处理器组合或单独执行。例如，如果在本发明中，所述计算设备300的处理器执行操作a和操作b，则应理解，操作a和操作b也可以由所述计算设备300中的两个以上不同的处理器共同或分别执行(例如，第一处理器执行操作a，第二处理器执行操作b，或者第一和第二处理器共同执行操作a和b)。

所述存储器320可以存储从mri设备110、终端130、存储设备150或mri系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器320可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(rom)等或其组合。例如，大容量存储设备可以包括磁盘、光盘、固态驱动器等。可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(ram)。ram可以包括动态ram(dram)、双倍数据速率同步动态ram(ddrsdram)、静态ram(sram)、晶闸管ram(t-ram)和零电容器ram(z-ram)等。rom可以包括掩码rom(mrom)，可编程rom(prom)，可擦可编程rom(eprom)，电可擦可编程rom(eeprom)，光盘rom(cd-rom)和数字多功能磁盘rom等。在一些实施例中，所述存储器320可以存储一个或多个程序和/或指令，以执行本发明中描述的示例性方法。

i/o330可以输入或输出信号，数据或信息。在一些实施例中，i/o330可以使用户能够与处理设备140交互。在一些实施例中，i/o330可以包括输入设备和输出设备。示例性输入设备可以包括键盘，鼠标，触摸屏，麦克风，轨迹球等，或其组合。示例性输出设备可以包括显示设备，扬声器，打印机，投影仪等或其组合。示例性显示设备可以包括液晶显示器(lcd)，基于发光二极管(led)的显示器，平板显示器，曲面屏幕，电视设备，阴极射线管(crt)等，或其组合。

仅作为示例，处理设备140的用户(例如，操作员)可以通过i/o330输入与被成像/扫描的受试目标(例如，扫描目标)有关的数据。与受试目标有关的数据可以包括识别信息(例如，姓名、年龄、性别、病史、合同信息、体格检查结果等)和/或包括执行mri扫描的性质在内的测试信息。用户还可以输入mri设备110的操作所需的参数，例如图像对比度和/或比率、感兴趣的区域(roi)、切片厚度、成像类型(例如，t1加权成像、t2加权成像、质子密度加权成像等)、t1、t2、回波类型(自旋回波、快速自旋回波(fse)、快速恢复fse、单次fse、梯度回波、具有稳态过程的快速成像等)、翻转角值、获取时间(ta)、回波时间(te)、重复时间(tr)、回波列长度(etl)、相数、激励数(nex)、反转时间、带宽(例如，rf接收器带宽、rf发射器带宽等)、扫描类型、采样类型等，或其任意组合。i/o还可以显示基于采样数据所生成的mr图像。

通信端口340可以连接到网络(例如，网络120)以促进数据通信。通信端口340可以在处理设备140与mri设备110、终端130或存储设备150之间建立连接。该连接可为能实现数据发送和接收的有线连接、无线连接或者两者的组合。有线连接可以包括电缆、光缆、电话线等，或其任意组合。无线连接可以包括蓝牙、wi-fi、wimax、wlan、zigbee、移动网络(例如3g、4g、5g、6g等)等，或其组合。在一些实施例中，通信端口340可以是标准化的通信端口，例如rs232、rs485等。在一些实施例中，通信端口340可以是专门设计的通信端口。例如，可以根据数字成像和医学通信(dicom)协议来设计通信端口340。

图4是本发明一些实施例中可以在其上实现终端的移动设备的示例性硬件和/或软件组件的示意图。如图4所示，移动设备400可以包括通信平台410、显示器420、图形处理单元(gpu)430、中央处理单元(cpu)440、i/o450和存储器460。在一些实施例中，移动设备400还可以包括任何其他合适的组件，包括但不限于系统总线或控制器(未示出)。在一些实施例中，移动操作系统470(例如，ios、android、windowsphone、hmos等)和一个或多个应用程序480可以从存储器490加载到内存460中，以便由cpu440执行。应用程序480可以包括浏览器或任何其他合适的移动应用程序，以用于从处理设备140接收和渲染与图像处理有关的信息或其他信息。可以通过i/o450实现与信息流的用户交互，并通过网络120将其提供给处理设备140和/或成像系统100的其他组件。

为了实现本发明中描述的各种模块、单元及其功能，计算机硬件平台可以用作本文所述的一个或多个元件的硬件平台。计算机的硬件元件，操作系统和编程语言实际上是常规的，并且假定本领域技术人员充分熟悉它们以适应那些技术从而产生和实现本文所述的发明目的。尽管如果计算机经过适当编程，也可以充当服务器，但是具有用户界面元素的计算机可以用于实现个人计算机(pc)或另一种类型的工作站或终端设备。可以相信，本领域技术人员熟悉这种计算机设备的结构、编程和一般操作，因此，附图应是不言自明的。

图5是本发明一些实施例中示例性降噪系统(或降噪系统)的示意图。降噪系统可以在结构和/或功能上与医学成像设备(例如，扫描设备、治疗设备)兼容。应当注意，以下描述是参考示例性实施例提供的，除非另有说明，否则医学成像设备包括扫描装置(例如，mri设备)。降噪系统与治疗设备一起使用，和其与扫描设备一起使用是相似，在此不再重复相关的描述。在一些实施例中，图5中所示的降噪系统500可以在成像系统100上实现。在一些实施例中，降噪系统500可以被视为成像系统100的一部分。在一些实施例中，可以将降噪系统500提供为医疗设备(例如mri设备110)的任何一个附件，为医疗设备制造商和/或用户提供了灵活性，从而可以方便地采用本发明中描述的系统和方法，而无需对医疗设备的设计或结构进行重大更改。

在mri扫描期间产生的声学噪声是驱动脉冲梯度磁场进行快速切换电流所导致的。声学噪声可能会让被扫描的受试目标感到严重不适。在一些实施例中，降噪系统500可以用于主动消除与受试目标相关的目标位置附近(或周围)的声学噪声，从而形成覆盖目标位置(例如，扫描目标耳朵的位置)的局部静音区。这可以缓解甚至避免在mri扫描过程中受试对象出现的不适感。

如图5所示，降噪系统500可以包括第一噪声检测单元阵列510、第二噪声检测单元阵列512、一个或多个降噪单元514、噪声检测电路520以及有源噪声控制(英文简写为anc)电路524。在一些实施例中，降噪系统500的至少一部分可以可操作地耦合或集成到mri设备(例如，mri设备100)。请结合图2，示例性mri设备可以包括磁体组件502、扫描孔504、支撑台506以及射频(rf)线圈装置508，其中磁体组件502由主磁体201和梯度线圈202组成，扫描孔504用于容纳待扫描的受试目标，支撑台506用于支撑受试目标，射频(rf)线圈装置508用于检测与受试目标相关的mr信号。在一些实施例中，mri设备可以进一步包括用于操作梯度线圈的激励电路522。图5所示的mri设备与mri设备110相同或相似。在一些实施例中，激励电路522可以带有用于产生梯度磁场(例如，gx、gy和gz)的多个组件，例如波形发生器216、x梯度放大器204、y梯度放大器205和z梯度放大器206。

在一些实施例中，第一噪声检测单元阵列510可以用于检测扫描孔504内部的第一噪声信号。第一噪声信号的至少一部分是由mri扫描期间的梯度线圈的振动引起的。第一噪声信号是指扫描孔504内的声学噪声。在一些实施例中，第一噪声检测单元阵列510可以设置在扫描孔504中。例如，第一噪声检测单元阵列510可设置于扫描孔504的内表面上。在一些实施例中，第一噪声检测单元阵列510可均匀地设置在mri设备的扫描孔504的内表面上。例如，第一噪声检测单元阵列510可以根据特定的方向(例如，沿着内表面的圆周方向)均匀地间隔开。在一些实施例中，第一噪声检测单元阵列510可以不规则地设置在mri设备的扫描孔504的内表面上。例如，第一噪声检测单元阵列510的至少一部分噪声检测单元可以根据特定的取向(例如，沿着内表面的圆周)不均匀地间隔开。在一些实施例中，第一噪声检测单元阵列510可包括可以在磁场中操作的多个麦克风，例如非磁性麦克风。示例性非磁性麦克风包括光学麦克风、电容麦克风(ecm)、压电麦克风、微机械硅(mems)麦克风等，或其任意组合。无论磁场的磁力影响如何，非磁性麦克风都可以正常工作。

在一些实施例中，第二噪声检测单元阵列512可用于检测与受试目标相关联的目标位置附近(或周围)的第二噪声信号。如本文所使用的，术语“附近”是指在包括目标位置的该区域中第二噪声信号均匀或稳定。在一些实施例中，该区域可相对较小。在一些实施例中，第二噪声检测单元阵列512可以通过检测目标位置处的第二噪声信号来检测与受试目标相关联的目标位置附近的第二噪声信号。在一些实施例中，第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元(例如，降噪单元514)产生的声音的净响应。例如，误差噪声信号可以是到达目标位置的声音和第一噪声信号的和。换句话说，第二噪声信号可以包括第一噪声信号中不能被一个或多个降噪单元消除的一部分。在一些实施例中，第二噪声检测单元阵列512可以设置于目标位置(例如，受试目标的耳朵的位置)附近。在一些实施例中，第二噪声检测单元阵列中的一个或多个噪声检测单元与目标位置之间的距离可以设置适当，使得可准确地检测目标位置处的噪声。例如，第二噪声检测单元阵列512中的第一个噪声检测单元设置于受试目标的一只耳朵的位置附近，第二噪声检测单元阵列512中的第二个噪声检测单元设置于噪声检测单元的另一只耳朵的位置附近。如图5所示，第二噪声检测单元阵列512可以设置于rf线圈508，并且检测受试目标的耳朵附近的第二噪声信号。如本文所使用的，rf线圈508可以是头部rf线圈装置。注意，第二噪声检测单元阵列可以以各种方式布置在目标位置附近。在一些实施例中，第二噪声检测单元阵列512可以围绕目标位置均匀地设置。例如，第二噪声检测单元阵列512可以根据特定方向(例如，围绕受试目标的耳朵)均匀地间隔开。在一些实施例中，第二噪声检测单元阵列512也可以不规则地围绕目标位置设置。例如，第二噪声检测单元阵列512的至少一部分噪声检测单元可以根据特定的方向(例如，围绕受试目标的耳朵)不均匀地间隔开。在一些实施例中，第二噪声检测单元阵列512可以与第一噪声检测单元510阵列相似或相同。第二噪声检测单元阵列512中的每个噪声检测单元可包括非磁性麦克风。

在一些实施例中，可将由第一噪声检测单元阵列510检测到的第一噪声信号和由第二噪声检测单元阵列512检测到的第二噪声信号发送至噪声检测电路520以进行进一步处理。在一些实施例中，噪声检测电路520可以包括用于处理第一噪声信号的第一噪声检测电路和用于处理第二噪声信号的第二噪声检测电路。在一些实施例中，噪声检测电路520可以带有放大器、滤波器和模数转换器，其本身连接到噪声检测单元(例如，麦克风)。噪声检测电路520可以用于对噪声信号进行滤波，并且将滤波后的噪声信号转换为数字信号，以便继续由anc电路524处理。

在一些实施例中，anc电路524可用于基于第一噪声信号、第二噪声信号和激励信号确定降噪信号。激励信号用于mri设备的梯度线圈的操作。激励信号可以通过激励电路522获取。在一些实施例中，激励信号可以包括与脉冲序列、截面厚度、视场(fov)、重复时间(tr)、回波时间(te)等，或其任意组合相关的电子信号。在一些实施例中，anc电路524可以可操作地耦合到数字信号处理器(例如，处理设备140、处理器310)。anc电路524可以被视为用于确定降噪信号的处理电路，该降噪信号的相位与到达目标位置的噪声的相位相反。在一些实施例中，anc电路524可以基于目标噪声预测模型、基于滤波x最小均方(fxlms)算法的噪声消除模型、或声场模拟场中的至少一个确定降噪信号。关于确定降噪信号的更多描述可以在本发明的其他地方找到(例如，图9至图12及其描述)。

在一些实施例中，一个或多个降噪单元514可以用于响应于降噪信号而产生用于消除目标位置附近(或附近)的噪声的声音。在一些实施例中，一个或多个降噪单元514可产生用于消除目标位置处的噪声的声音。在一些实施例中，降噪单元514可以包括声音发生器，用于产生声音，以便抵消目标位置附近(或周围)的噪声。在一些实施例中，一个或多个降噪单元514的至少一部分降噪单元可以被选为基于降噪信号的声学特性来产生声音。声学特性可以包括噪声的能量、噪声的幅度、噪声的相位、噪声的频率等，或其任意组合。响应于降噪信号的不同能量，可以选择特定的降噪单元514以生成声音以抵消目标位置附近(或周围)的噪声。例如，一个或多个降噪单元514的第一部分可以被选为响应于第一降噪信号的第一能量而产生第一声音，而一个或多个降噪单元514的第二部分可被选择为响应于第二降噪信号的第二能量而产生第二声音。在一些实施例中，一个或多个降噪单元514的第一部分和第二部分可以彼此不同。在一些实施例中，一个或多个降噪单元的第一部分和第二部分可部分地重叠。降噪单元的选择可以有助于产生适当的声音信号以消除噪声或者降噪。

在一些实施例中，一个或多个降噪单元514可安装于支撑台506上并且位于目标位置(例如，受试目标的耳朵的位置)附近。例如，可以适当地设置一个或多个降噪单元514与目标位置之间的距离，使得一个或多个降噪单元514可以生成用于消除目标位置处的噪声的声音。在一些实施例中，一个或多个降噪单元514可设置于与目标位置相关联的局部线圈(图中未示出)。在一些实施例中，一个或多个降噪单元514可设置于mri设备的扫描孔的内表面(图5中未示出)。在一些实施例中，降噪单元514可以包括振动组件，该振动组件用于根据降噪信号来振动支撑台506和/或局部线圈，从而产生用于消除噪声或者降噪的声音。在一些实施例中，振动部件可为能在磁场中操作的压电部件。在一些实施例中，降噪单元514可以包括定向扬声器，该定向扬声器用于根据降噪信号沿着特定方向并朝着目标位置传输声音。在一些实施例中，定向扬声器可以设置在扫描孔504的内部。在一些实施例中，定向扬声器可以设置在扫描孔504的外部。在一些实施例中，定向扬声器可以包括非磁性扬声器，例如压电扬声器。在一些实施例中，可以组装一个或多个降噪单元514，而不是使用用于消除噪声或者降噪的常规头戴式耳麦/耳机。在某些情况下，使用头戴式耳麦/耳机会占据扫描孔内部有限的扫描空间，并干扰成像过程。一个或多个降噪单元514的设置更有助于节省扫描空间，同时避免干扰成像过程。

图6是根据本发明一些实施例降噪系统(例如，降噪系统500)的示例性结构示意图。降噪系统的组件可以集成到mri设备(例如，图5所示的mri设备100或mri设备)，并且可以作为mri设备的一部分。仅为了说明，图6示出了包括降噪系统的mri设备的截面图。如图6所示，mri设备可包括用于容纳诸如主磁体201、梯度线圈202等的组件的机架610。可以将受试目标620放置在mri设备的扫描区域(例如，扫描孔504)中，以用于成像扫描。rf线圈630可围绕受试目标620的头部，以在mri扫描期间接收与头部相关的mr信号。在一些实施例中，rf线圈630可以包括正交线圈。支架640适当地连接到rf线圈630的外表面。例如，支架640通过四个连杆635连接到rf线圈630的外表面。支架640可呈三角形、矩形、多边形、圆形等形状。仅作为示例，支架640也可呈八边形的形状。

在一些实施例中，mri设备可带有定位单元680。定位单元680可以用于定位与受试目标620相关联的目标位置。例如，定位单元680可以包括跟踪传感器(例如，光学传感器)。定位单元680可与mri设备兼容。定位单元680可设置于mri设备的扫描孔中。例如，定位单元680可以设置在扫描孔的内表面上。定位单元680可以识别受试目标的耳朵，并确定每只耳朵的位置(例如，以坐标的形式)。在一些实施例中，定位单元680可以实时跟踪扫描目标的耳朵，并生成每只耳朵的实时坐标。

如图6所示，第一麦克风阵列670和第二麦克风阵列650布置于mri设备的扫描孔中。第一麦克风阵列670可以位于mri设备的扫描孔的内表面上。在一些实施例中，第一麦克风阵列670可以均匀地设置在mri设备的扫描孔的内表面上。在一些实施例中，第一麦克风阵列670可以不规则地设置在mri设备的扫描孔的内表面上。可以由用户根据默认设置等来设置第一麦克风阵列的数量或数目。第二麦克风阵列650可以位于rf线圈630的内表面上。第二麦克风阵列650可以均匀地设置在rf线圈630的内表面上。换句话说，每两个相邻麦克风之间的间隔可以相同。在一些实施例中，第二麦克风阵列650可以不规则地设置在rf线圈630的内表面上。换句话说，每两个相邻的麦克风之间的间隔可以例如根据实际需要而变化。第二麦克风阵列的数量或数目可以由用户根据默认设置等来设置。

当mri设备扫描受试目标时，包裹在环氧树脂中的梯度线圈会由于在磁场中被施加其上的洛伦兹力而发生振动，从而在扫描区域中产生噪声。两个麦克风阵列650和670可以分别检测噪声信号。例如，第一麦克风阵列670可以用于检测扫描孔内的第一噪声信号，该第一噪声信号是由梯度线圈的操作引起的振动导致的。第二麦克风阵列650可以用于检测在目标位置附近(或周围)的第二噪声信号。第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由降噪单元阵列660产生的声音的净响应。在一些实施例中，扫描孔内部的噪声分布(或噪声场)可以基于由第一麦克风阵列和第二麦克风阵列检测到的噪声信号确定。例如，可以构建声场仿真模型以对扫描孔内的噪声场建模。声场仿真模型可以基于诸如声场分布的有限元模拟来模拟包括降噪系统的mri设备的组件。在一些实施例中，声场仿真模型可以通过一个或多个商业仿真工具(例如，matlab、comsolmonte-carlo仿真等)来构建。在一些实施例中，声场仿真模型可以体现在诸如anc电路524的数字信号处理器(dsp)中。此外，可以基于声场仿真模型确定到达目标位置的噪声的噪声水平。噪声水平可以通过噪声的声学特性来表示，例如噪声的能量、噪声的幅度、噪声的相位、噪声的频率等。

如图6所示，降噪单元阵列660可以设置在支架640的内表面上。例如，降噪单元阵列660可以包括压电组件。压电组件可以用于使支架640振动，以便产生用于消除目标位置周围的噪声的声音。作为另一个示例，降噪单元阵列660可以包括非磁性扬声器。非磁性扬声器可用于产生定向声音，以消除目标位置周围的噪声。在一些实施例中，降噪单元阵列660可以均匀地设置在支架640的内表面上。在一些实施例中，降噪单元阵列660也可以不规则地设置在支架640的内表面上。降噪单元的数量或数目可以由用户根据实际需要等设置。

降噪单元阵列660可以在目标位置(例如，受试目标的每只耳朵的位置)产生具有特定声学特性的声音。例如，由降噪单元阵列660在每个耳朵的位置处产生的声音，其振幅可与到达相应的耳朵的位置处的噪声的幅度相同，其频率与到达相应的耳朵的位置处的噪声的频率相同，而其相位与到达相应的耳朵的位置处的噪声的相位相反(即，具有π的差)。由于由降噪单元阵列660在每个耳朵的位置产生的声音的相位与到达相应耳朵的位置的噪声的相位相反，因此可以通过由降噪单元阵列660产生的声音这一方式抵消到达每个耳朵的位置的噪声，从而减少或消除受试目标听到的噪声。

图7是本发明一些实施例中示例性降噪系统的示意图。降噪系统700可以在医学成像设备(例如，mri设备或mri扫描仪)上实现。如图7所示，麦克风阵列可以包括第一麦克风阵列(例如510或670)和第二麦克风阵列(例如512或650)。第一麦克风阵列可以设置于扫描仪的扫描孔的内表面。在一些实施例中，第一麦克风阵列可以用于检测扫描孔内部的第一噪声信号。第一噪声信号可为在mri扫描期间由梯度线圈的振动引起的声学噪声。在一些实施例中，第二麦克风阵列可设置于靠近(或围绕)与受试目标相关联的目标位置。例如，目标位置为位于病床(例如，支撑台506)上的受试目标的耳朵的位置。第二麦克风阵列可以用于检测在目标位置(例如，耳朵的位置)附近(或周围)的第二噪声信号。在一些实施例中，第二噪声信号可以与第一噪声信号和由扬声器阵列所产生的声音相关。第二噪声信号可以包括误差噪声信号。误差信号可以是到达目标位置的声音和第一噪声信号之和。在一些实施例中，可以基于与第一噪声信号和第二噪声信号相关的信息，应用声场仿真模型来检测或确定扫描孔内的噪声场。在一些实施例中，服务器(例如，处理设备140或处理器310)可以从噪声场计算目标位置处的噪声水平。服务器可以基于所计算得到的噪声水平确定指示降噪信号的声场。所确定的声场可以用于消除到达目标位置的噪声。根据声场，扬声器阵列可以产生声音以消除到达目标位置的噪声。因此，可以在目标位置附近形成局部静音区。在一些实施例中，麦克风阵列和扬声器阵列可以与图像扫描所需的磁场兼容。例如，麦克风阵列可以包括一个或多个非磁性麦克风(例如，压电麦克风)。扬声器阵列可以包括一个或多个非磁性扬声器(例如，压电扬声器)。在一些实施例中，扬声器阵列可以由振动组件代替。振动组件可以通过在目标位置附近振动支撑台(例如，病床)来产生声音。请参阅图7，可以将麦克风阵列和扬声器阵列都组装在扫描仪中，而不是使用用于消除噪声或者降噪的常规头戴式耳麦或耳机，这可以有助于节省有限的扫描空间，同时避免干扰成像过程。

图8是本发明一些实施例中示例性处理装置的框图。在一些实施例中，处理设备140可以在如图2中所示的计算设备300(例如，处理器310)或如图4所示的cpu440上实现。如图8所示，处理设备140可以包括获取模块502、噪声确定模块504、降噪确定模块506和声音生成模块508。上述每个模块可以是被设计为例如，根据存储在一个或多个存储介质、和/或硬件电路与一个或多个存储介质的任意组合中的一组指令，来执行特定动作的硬件电路。

在一些实施例中，获取模块802可以通过设置于扫描孔(例如，扫描孔504)中的第一噪声检测单元阵列来获取第一噪声信号。第一噪声检测单元阵列可以用于检测扫描孔内部的第一噪声信号(如声学噪声)。在一些实施例中，第一噪声信号可为由mri扫描期间梯度线圈(例如，梯度线圈202)的振动而引起的。在一些实施例中，第一噪声检测单元阵列可以各种方式设置于扫描孔内部，如图5或图6所示。

在一些实施例中，获取模块802可以通过与受试目标相关联的目标位置附近的第二噪声检测单元阵列来获取第二噪声信号。第二噪声单元阵列可以用于检测在与受试目标相关联的目标位置附近(或附近)的第二噪声信号。在一些实施例中，第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元产生的声音的净响应。例如，误差信号可以是到达目标位置的声音和第一噪声信号的和。在一些实施例中，第二噪声信号可包括第一噪声信号中不能被一个或多个降噪单元消除的一部分。在一些实施例中，将第二噪声检测单元阵列可以各种方式布置在目标位置附近(或周围)。在一些实施例中，第二噪声检测单元阵列可以围绕目标位置均匀地设置。例如，第二噪声检测单元阵列可以根据特定的方向(例如，围绕受试目标的耳朵)均匀地间隔开。在一些实施例中，第二噪声检测单元阵列可以不规则地围绕目标位置设置。例如，第二噪声检测单元阵列的至少一部分可以根据特定取向(例如，围绕受试目标的耳朵)不均匀地间隔设置。

在一些实施例中，获取模块802可以获得用于梯度线圈的操作的激励信号。请参阅图6，激励电路522可用于生成激励信号。激励电路522可以带有用于生成梯度磁场的组件，例如波形发生器216、x梯度放大器204、y梯度放大器205、z梯度放大器206等。激励信号可以包括与脉冲序列、截面厚度、视场(fov)、重复时间(tr)、回波时间(te)等，或其任意组合相关的电信号。在一些实施例中，处理设备可以通过激励电路522获得激励信号。

在一些实施例中，噪声确定模块804可以通过将第一噪声信号、第二噪声信号和激励噪声信号馈送到目标噪声预测模型确定在目标位置附近的预测噪声信号。预测噪声信号可用于测量到达目标位置的噪声的噪声分布(或噪声场)。在一些实施例中，可通过使用模型训练算法基于多组训练数据来训练初步机器学习模型确定目标噪声预测模型。示例性模型训练算法可以包括梯度下降算法、牛顿算法、拟牛顿算法、莱文贝格-马夸特算法、共轭梯度算法等，或其组合。多组训练数据(也称为训练集)可以包括第一历史噪声信号、第二历史噪声信号和从梯度线圈的历史操作采样的历史激励信号。在一些实施例中，机器学习模型可以基于卷积机器学习模型(cnn)、完全卷积神经网络(fcn)模型、生成对抗网络(gan)、反向传播(bp)机器学习模型、径向基函数(rbf)机器学习模型、深度置信网(dbn)机器学习模型、艾尔曼机器学习模型、或类似学习模型，或其任意组合中的至少一个来构建。

在一些实施例中，噪声确定模块804可以基于第一噪声信号和第二噪声信号，并结合声场仿真模型确定目标位置处的噪声水平。可以通过到达目标位置的噪声的声学特性来指示噪声水平，例如噪声的能量、噪声的幅度、噪声的相位、噪声的频率等。到达目标位置的噪声的噪声水平可以根据声场仿真模型所输出的噪声分布的仿真确定。

在一些实施例中，降噪确定模块806可用于基于预测噪声信号确定降噪信号。在一些实施例中，降噪确定模块806可获得预测噪声信号的声学特性，例如能量、幅度、相位、频率等。降噪确定模块806可以基于所获得的声学特性确定降噪信号。所确定的降噪信号的相位可与预测噪声信号的相位相反，而其振幅和/或频率与预测噪声信号相同。

在一些实施例中，降噪确定模块806可用于将第一噪声信号和激励信号作为基于fxlms算法的降噪模型的前馈输入信号，并且将第二噪声信号作为基于fxlms算法的降噪模型的反馈输入信号。降噪确定模块806可基于fxlms算法的降噪模型并通过最小化第二噪声信号(即，误差噪声信号)确定降噪信号。基于fxlms算法的降噪模型可参阅图11b。

在一些实施例中，降噪确定模块806可以基于噪声水平确定降噪信号。在一些实施例中，抗噪确定模块806可以分析指示噪声水平的声学特性，并且基于声学特性确定降噪信号。所确定的降噪信号可以具有与到达目标位置的噪声的相位相反的相位，而相对于到达目标位置的噪声具有相同的振幅和/或相同的频率。

在一些实施例中，声音生成模块810可以经由一个或多个降噪单元响应于降噪信号来生成声音。作为响应，所产生的声音可以在目标位置处具有特定的声学特性。例如，在每个耳朵的位置处的声音可以具有与到达相应的耳朵位置的噪声的振幅相同的振幅，与到达相应的耳朵位置的噪声的频率相同的频率，而相对于到达相应耳朵位置的噪声的相位相反的相位(比如具有π的差)。由于在每个耳朵位置处的声音的相位与到达相应耳朵位置的噪声的相位相反，因此到达每个耳朵的位置的噪声可能会被这些所产生的声音抵消，从而减少或消除了受试目标听到的声音。从而，可相应地形成覆盖目标位置的局部静音区。

在一些实施例中，可以确定与降噪信号相对应的多个降噪参数。多个降噪参数可以用于指导一个或多个降噪单元生成声音，以消除目标位置的噪声。在一些实施例中，多个降噪参数可以包括输入到一个或多个降噪单元中的每一个降噪单元的电流的电学性能(例如，电流、电压、频率等)。

图9是本发明一些实施例中医学成像设备(例如，mri设备110)中的主动降噪的示例性过程的流程图。在一些实施例中，流程900可以在图1所示的成像系统100中实现。例如，流程900可以作为指令的形式存储在存储设备(例如，存储设备150或处理设备140的存储器320)中，并且可以由处理设备140(例如，处理设备140的处理器310、图5所示的一个或多个处理电路、或图8所示的处理设备140中的一个或多个模块)调用和/或执行。所示流程900的操作仅旨在说明。在一些实施例中，流程900可以利用一个或多个未描述的附加操作和/或没有所讨论的一个或多个操作来完成。另外，图9中所示的流程900的操作的顺序并非限制性的。

在操作902中，处理装置(例如，处理装置140的获取模块802、或噪声检测电路520)可以通过布置在扫描孔(例如，扫描孔504)中的第一噪声检测单元阵列检测第一噪声信号。

第一噪声检测单元阵列可以用于检测扫描孔内部的第一噪声信号(比如，声学噪声)。在一些实施例中，第一噪声信号可能是由mri扫描期间梯度线圈(例如，梯度线圈202)的振动所引起的。在一些实施例中，第一噪声检测单元阵列可以以各种方式布置在扫描孔内。仅用于说明，如图5或图6所示，第一噪声检测单元阵列(510或670)可设置于扫描孔的内表面。在一些实施例中，第一噪声检测单元阵列可以均匀地设置在mri设备的扫描孔的内表面上。例如，第一噪声检测单元阵列可以根据特定的方向(例如，沿着内表面的圆周)均匀地间隔开。在一些实施例中，第一噪声检测单元阵列可以不规则地设置于mri设备的扫描孔的内表面上。例如，第一噪声检测单元阵列中的至少一部分可以根据特定取向(例如，沿着内表面的圆周)不均匀地间隔开。在一些实施例中，第一噪声检测单元阵列可以包括能在磁场中操作的多个麦克风，例如非磁性麦克风。示例性非磁性麦克风包括光学麦克风、电容麦克风(ecm)、压电麦克风，微机械硅(mems)麦克风等，或其任意组合。无论磁场的磁场影响如何，非磁性麦克风都可以正常工作。在一些实施例中，处理设备可以通过连接到每个第一噪声检测单元阵列的第一噪声检测电路(例如，噪声检测电路520中的第一个噪声检测电路)获得第一噪声信号。

在操作904中，处理设备(例如，处理设备140的获取模块802、噪声检测电路520)可以通过第二噪声检测单元阵列检测在与受试目标相关的目标位置附近的第二噪声信号。

第二噪声单元阵列可用于检测与受试目标相关的目标位置附近(或附近)的第二噪声信号。在一些实施例中，第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元产生的声音的净响应。例如，误差信号可以是声音和到达目标位置的第一噪声信号的和。在一些实施例中，第二噪声信号可以包括第一噪声信号中不能被一个或多个降噪单元消除的一部分。

在一些实施例中，与受试目标相关联的目标位置可为受试目标的目标部分的位置。受试目标的目标部分可以包括受试目标的身体的特定部分，例如头部、胸部、上身等，或其组合。在一些实施例中，受试目标的目标部分可以包括特定器官，例如耳朵、眼睛、心脏等。如本文所使用的，至少一个目标部分可以是受试目标的耳朵。在一些实施例中，可以通过与mri设备耦合的定位单元(例如，定位单元680)确定目标位置。

在一些实施例中，第二噪声检测单元阵列可以设置于目标位置(例如，受试目标的耳朵的位置)附近。例如，第二噪声检测单元阵列中的第一个噪声检测单元可设置在受试目标的耳朵的位置附近，第二噪声检测单元阵列中的第二个噪声检测单元可设置于受试目标的另一只耳朵的位置附近。如图5或图6所示，第二噪声检测单元阵列(例如512或650)可以设置于诸如头部rf线圈设备的本地射频(rf)线圈设备中，并在受试目标的耳朵附近(或周围)检测第二噪声信号。需要注意的是，第二噪声检测单元阵列可以以各种方式布置在目标位置附近(或周围)。在一些实施例中，第二噪声检测单元阵列可以围绕目标位置均匀地设置。例如，第二噪声检测单元阵列可以根据特定的方向(例如，围绕受试目标的耳朵)均匀地间隔开。在一些实施例中，第二噪声检测单元阵列可以不规则地围绕目标位置设置。例如，第二噪声检测单元阵列的至少一部分噪声检测单元可以根据特定取向(例如，围绕受试目标的耳朵)不均匀地间隔开。在一些实施例中，第二噪声检测单元阵列可以与第一噪声检测单元阵列相似或相同。第二噪声检测单元阵列中的每个噪声检测单元可以包括非磁性麦克风。在一些实施例中，处理设备可以通过连接到每个第二噪声检测单元阵列的第二噪声检测电路(例如，噪声检测电路520中的第二个噪声检测电路)获取第二噪声信号。

在操作906中，处理装置(例如，处理装置140的获取模块802、或励磁电路522)可以获取用于梯度线圈的操作的励磁信号。

如图6所示，激励电路522可以用于生成激励信号。激励电路522可以带有用于生成梯度磁场的组件，例如波形发生器216、x梯度放大器204、y梯度放大器205、z梯度放大器206等。激励信号可以包括与脉冲序列、截面厚度、视场(fov)、重复时间(tr)、回波时间(te)等类似，或其任意组合相关的电信号。在一些实施例中，处理设备可以通过激励电路522获取激励信号。

在操作908中，处理设备(例如，处理设备140的降噪确定模块806、anc电路524)可以基于第一噪声信号、第二噪声信号和激励信号确定降噪信号。

在一些实施例中，可以通过将第一噪声信号、第二噪声信号和激励信号输入至目标噪声预测模型以确定降噪信号。目标噪声预测模型可以用于确定在目标位置附近(或附近)的预测噪声信号。预测噪声信号可以用于测量到达目标位置的噪声的噪声分布(或噪声场)。可以基于预测噪声信号确定降噪信号。相对于预测噪声信号，降噪信号可以具有相反的相位和相同的幅度。在一些实施例中，目标噪声预测模型可以包括机器学习模型。在一些实施例中，可以基于深度学习神经网络模型来构建机器学习模型。示例性深度学习神经网络模型可以包括卷积机器学习模型(cnn)、完全卷积神经网络(fcn)模型、生成对抗网络(gan)、反向传播(bp)机器学习模型、径向基函数(rbf)机器学习模型、深度信任网(dbn)、elman机器学习模型等，或其任意组合。在一些实施例中，可以通过使用多组训练数据来训练初步机器学习模型以确定目标噪声预测模型。多组训练数据的中的每组训练数据可以包括第一历史噪声信号、第二历史噪声信号和从梯度线圈的历史操作采样的历史激励信号。关于目标噪声预测模型的确定的更多描述可以在本发明的其他地方找到(例如，图10及其描述)。

在一些实施例中，可以通过基于fxlms算法的降噪模型确定降噪信号。第一噪声信号和激励信号可以作为基于fxlms算法的降噪模型的前馈输入。第二噪声信号可以作为基于fxlms算法的降噪模型的反馈输入。可以通过使用基于fxlms算法的降噪模型使反馈(例如，第二噪声信号或误差噪声信号)最小化以确定降噪信号。在本发明的其他地方可以找到基于fxlms算法的降噪模型的更多描述(例如，图11a至图11b，及其描述)。

在一些实施例中，可以基于声场仿真模型确定降噪信号。声场仿真模型可以用于基于第一噪声信号和第二噪声信号确定扫描孔内部的噪声场。声场仿真模型可以基于诸如声场分布的有限元模拟来模拟包括降噪系统的mri设备的组件。在一些实施例中，声场仿真模型可以通过一个或多个商业仿真工具(例如，matlab、comsolmonte-carlo仿真等)来构建。此外，可以基于声场仿真模型确定目标位置的噪声水平。可以通过噪声的声学特性来指示噪声水平，例如噪声的能量、噪声的幅度、噪声的相位、噪声的频率等。可以基于噪声水平确定降噪信号。关于声场仿真模型的更多描述可以在本发明的其他地方找到(例如，图11a至图11b，及其描述)。

在操作910中，处理设备(例如，处理设备140的声音生成模块808)可以根据降噪信号并通过一个或多个降噪单元生成声音。

在一些实施例中，响应于降噪信号，处理设备可以指导一个或多个降噪单元产生声音。作为响应，所产生的声音可以在目标位置处具有特定的声学特性。例如，在每个耳朵位置处的声音可以具有与到达相应的耳朵位置的噪声的振幅相同的振幅，与到达相应的耳朵位置的噪声的频率相同的频率，而相对于到达相应的耳朵位置的噪声的相位相反的相位(比如具有π的差)。由于在每个耳朵位置处的声音的相位与到达相应的耳朵位置的噪声的相位相反，因此到达每个耳朵的位置的噪声可能会被这些所产生的声音抵消，从而减少或消除了受试目标听到的声音。从而，可以相应地形成覆盖目标位置的局部静音区。

在一些实施例中，可以确定与降噪信号相对应的多个降噪参数。多个降噪参数可以用于指示一个或多个降噪单元生成声音，以消除目标位置处的噪声。在一些实施例中，多个降噪参数可以包括输入到一个或多个降噪单元中的每一个降噪单元的电流的电学性能(例如，电流、电压、频率等)。

在一些实施例中，可选择所述一个或多个降噪单元的全部或一部分降噪单元基于降噪信号的特性(例如，能量、相位、频率、幅度等)来产生声音。响应于降噪信号的不同能量，可以选择指定的降噪单元以产生声音，从而抵消目标位置附近(或周围)的噪声。例如，处理设备140可以响应于第一降噪信号的第一能量来选择一个或多个降噪单元514的第一部分降噪单元以生成第一声音。处理设备140可以响应于第二降噪信号的第二能量来选择一个或多个降噪单元514的第二部分降噪单元以生成第二声音。在一些实施例中，一个或多个降噪单元514的第一部分降噪单元与其第二部分降噪单元可以彼此不同。在一些实施例中，一个或多个降噪单元的第一部分降噪单元和与其第二部分降噪单元也可以部分地重叠。

如图5所示，在一些实施例中，一个或多个降噪单元514可以设置于支撑台506上并且在目标位置附近(例如，受试目标的耳朵)。在一些实施例中，一个或多个降噪单元514可以设置于与目标位置相关的局部线圈。在一些实施例中，降噪单元514可包括用于根据降噪信号而促使支撑台506振动的振动部件，从而产生声音。振动部件可为能在磁场中操作的压电部件。在一些实施例中，降噪单元514可以包括定向扬声器，该定向扬声器用于根据降噪信号沿着特定方向并朝着目标位置传输声音。在一些实施例中，定向扬声器可以设置在扫描孔504的内部。在一些实施例中，定向扬声器可以设置在扫描孔504的外部。在一些实施例中，定向扬声器可以包括非磁性扬声器，例如压电扬声器。

应当注意，仅出于说明的目的而提供了以上描述，而无意于限制本发明的范围。对于本领域普通技术人员而言，可以在本发明的教导下进行多种变化和修改。然而，那些变化和修改不脱离本发明的范围。例如，操作908和910可以合并至单个操作中。

图10是本发明一些实施例中用于确定降噪信号的示例性过程的流程图。在一些实施例中，流程1000可以在图1所示的成像系统100中实现。例如，流程1000可以作为指令的形式存储在存储设备(例如，存储设备150或处理设备140的存储器320)中，并且可以由处理设备140(例如，处理设备140的处理器310、图5所示的一个或多个处理电路、或图8所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示流程1000的操作仅旨在说明。在一些实施例中，流程1000可以利用一个或多个未描述的附加操作和/或没有所讨论的一个或多个操作来完成。另外，如图10中所示的流程1000的操作的顺序以及以下描述并非旨在限制。

在操作1002中，处理设备(例如，处理设备140的获取模块802或anc电路524)可以获取目标噪声预测模型。例如，可以从存储设备(例如，存储设备150)获得目标噪声预测模型。目标噪声预测模型可以用于预测与受试目标相关联的目标位置附近(或周围)的噪声信号(例如，受试目标的耳朵的位置)。预测噪声信号可以用于测量到达目标位置的噪声的噪声分布(或噪声场)。

可以通过使用模型训练算法基于多组训练数据来训练初步机器学习模型，从而确定目标噪声预测模型。示例性模型训练算法可以包括梯度下降算法、牛顿算法(英文全称为newton’salgorithm)、拟牛顿算法(英文全称为quasi-newtonalgorithm)、莱文贝格-马夸特算法(英文全称为levenberg-marquardtalgorithm)、共轭梯度算法等，或其组合。多组训练数据(也称为训练集)可以包括第一历史噪声信号、第二历史噪声信号和从梯度线圈的历史操作采样的历史激励信号。在一些实施例中，可以从历史扫描操作中收集训练数据。在一些实施例中，机器学习模型可以基于卷积机器学习模型(cnn)、完全卷积神经网络(fcn)模型、生成对抗网络(gan)、反向传播(bp)机器学习模型、径向基函数(rbf)机器学习模型、深度置信网(dbn)机器学习模型、艾尔曼机器学习模型等，或其任意组合中的至少模型来构建。在一些实施例中，机器学习模型可以包括多层，例如输入层、多个隐藏层和输出层。多个隐藏层可以包括一个或多个卷积层、一个或多个池化层、一个或多个批处理规范化层、一个或多个激活层、一个或多个全连接的层、成本函数层等。所述多层中的每一层可以包括多个节点。

在一些实施例中，可以通过基于成本函数执行多个迭代来训练机器学习模型。在多次迭代之前，可以初始化机器学习模型的多个学习参数。例如，机器学习模型的节点的连接权重和/或偏差向量可以被初始化为在例如从-1到1的范围内的随机值。机器学习模型可以具有从-1到1的相同值，例如0。作为又一示例，机器学习模型中的节点的偏差矢量可以初始化为从0到1的范围内的随机值。在一些实施例中，可以基于高斯随机算法、xavier算法等来初始化机器学习模型的多个学习参数。然后，可以执行多个迭代以更新机器的多个学习参数。学习模型，直到满足条件为止。该条件可为提供关于机器学习模型是否被充分训练的指示。例如，如果与机器学习模型相关的成本函数的值达到最小或小于阈值(例如，常数)，则可视为满足条件。作为另一示例，如果成本函数的值收敛，则可视为满足条件。如果成本函数的值在两个或更多个连续迭5代中的变化小于阈值(例如，常数)，则可以认为收敛。作为示例，当在训练过程中执行指定数量的迭代时，可视为满足条件。在一些实施例中，可以基于多组验证数据(也称为验证集)来验证训练后的机器学习模型。类似于训练数据，验证数据还可包括第一历史噪声信号、第二历史噪声信号和从梯度线圈的历史操作采样的历史激励信号。验证数据可能与训练数据不同。在一些实施例中，多组验证数据和多组训练数据可以属于同一数据集。例如，数据集中的70％数据可能为多组训练数据，而数据集中的20％数据可能为多组验证数据。在一些实施例中，可以通过使用多组验证数据来调整训练后的机器学习模型，从而确定目标机器学习模型(即，目标噪声预测模型)。如果训练后的机器学习模型是欠拟合的或过度拟合的，则可以通过基于验证集来调整多个架构参数来调整训练后的机器学习模型；否则，可以将确定的训练后的机器学习模型作为目标机器学习模型。

在操作1004中，处理设备(例如，处理设备140的噪声确定模块804或anc电路524)可以通过将第一噪声信号、第二噪声信号和激励噪声输入至目标噪声预测模型以确定目标位置附近的预测噪声信号。

在一些实施例中，可以由布置在医学成像设备(例如，mri设备110)的扫描孔内的第一噪声检测单元阵列来检测第一噪声信号。在一些实施例中，第一噪声信号可以是在mri扫描期间由梯度线圈的振动引起的声学噪声。在一些实施例中，第二噪声信号可以由目标位置附近的第二噪声检测单元阵列来检测。在一些实施例中，第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元产生的声音的净响应。例如，误差噪声信号可以是到达目标位置的声音和第一噪声信号的和。在一些实施例中，第二噪声信号可以包括第一噪声信号中不能被一个或多个降噪单元消除的一部分。在一些实施例中，可从激励电路(例如，激励电路522)获取用于梯度线圈的操作的激励信号。激励信号可以包括与脉冲序列、截面厚度、视场(fov)、重复时间(tr)、回波时间(te)等，或其任意组合相关的电信号。

处理设备可以将第一噪声信号、第二噪声信号和激励信号输入到目标噪声预测模型。目标噪声预测模型可以在目标位置附近输出预测噪声信号。在一些实施例中，预测噪声信号可以用于测量到达目标位置的噪声的噪声分布(或噪声场)。

在操作1006中，处理设备(例如，处理设备140的降噪确定模块806或anc电路524)可以基于预测噪声信号确定降噪信号。在一些实施例中，处理设备可以获取预测噪声信号的声学特性，诸如能量、振幅、相位、频率等。处理设备可以基于所获得的声学特性确定降噪信号。所确定的降噪信号可以具有与预测噪声信号的相位相反的相位，而相对于预测噪声信号具有相同的振幅和/或相同的频率。在一些实施例中，可以确定对应于降噪信号的多个降噪参数。多个降噪参数可用于指示一个或多个降噪单元(例如，一个或多个降噪单元514或660)以产生声音，从而消除到达目标位置的噪声。在一些实施例中，多个降噪参数可以包括输入到所述一个或多个降噪单元中的每一个降噪单元的电流的电学性能(例如，电流、电压、频率等)。

应当注意，仅出于说明的目的而提供了以上描述，而并非旨在限制本发明的范围。对于本领域技术人员而言，可以在本发明的教导下进行多种变化和修改。然而，那些变化和修改不脱离本发明的范围。例如，操作1002和操作1004可以被合并为单个操作。

图11a是本发明一些实施例中用于确定降噪信号的示例性过程的流程图。在一些实施例中，流程1100可以在图1所示的成像系统100中实现。例如，流程1100可以作为指令的形式存储在存储设备(例如，存储设备150或处理设备140的存储器320)中，并且可以由处理设备140(例如，处理设备140的处理器310，图5所示的一个或多个处理电路，或图8所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示流程1100的操作旨在说明。在一些实施例中，流程1100可以利用一个或多个未描述的附加操作和/或没有所讨论的一个或多个操作来完成。另外，如图11a所示的处理1100的操作的顺序以及下文描述并非旨在限制。

在参照1102中，处理设备(例如，处理设备140的降噪确定模块806或anc电路524)可以将第一噪声信号和激励信号作作为基于fxlms算法的模型的前馈输入信号。基于fxlms算法的降噪模型可参阅图11b来理解。

在一些实施例中，可以由设置于医学成像设备(例如，mri设备)的扫描孔内的第一噪声检测单元阵列来检测第一噪声信号。在一些实施例中，第一噪声信号可以是在mri扫描期间由梯度线圈的振动引起的声学噪声。在一些实施例中，第一噪声信号可以被指定为扫描孔内部的源噪声。在一些实施例中，可从激励电路(例如，激励电路522)获取用于梯度线圈的操作的激励信号。激励信号可以包括与脉冲序列、截面厚度、视场(fov)、重复时间(tr)、波时间(te)等，或其任意组合相关联的电信号。与传统用于主动控制噪声的fxlms算法相比，检测到的第一噪声信号和激励信号可以作为fxlms算法的联合前馈输入。

在操作1104中，处理设备(例如，处理设备140的降噪确定模块806或anc电路524)可以将第二噪声信号作为基于fxlms算法的降噪模型的反馈输入信号。

在一些实施例中，第二噪声信号可以由目标位置附近(或附近)的第二噪声检测单元阵列检测。在一些实施例中，第二噪声信号可以包括误差噪声信号，该误差噪声信号是原始声学噪声(例如，第一噪声信号)和由一个或多个降噪单元产生的声音的净响应。例如，误差噪声信号可以是到达目标位置的声音和第一噪声信号的和。在一些实施例中，第二噪声信号可以包括第一噪声信号中能被一个或多个降噪单元消除的一部分。

在操作1106中，处理设备(例如，处理设备140的降噪确定模块806或anc电路524)可以通过基于fxlms算法的降噪模型最小化第二个噪音信号以确定降噪信号。

图11b为本发明一些实施方式基于fxlms算法的降噪模型。参考信号1110可以包括由第一噪声检测单元阵列检测的第一噪声信号和用于梯度线圈的操作的激励信号。误差噪声信号(即，检测到的第二噪声信号)可以由第二噪声检测单元阵列来检测。对于fxlms算法，参考信号1110可以作为前馈输入，并且误差噪声信号可以作为反馈输入。传递函数s^(z)1112可以指示第一传输路径的噪声传递特性。第一传输路径可以指从一个或多个降噪单元输出的降噪信号(或声音)到达第二噪声检测单元阵列的过程。传递函数t(z)1118可以指示第二传输路径的噪声传递特性。第二传输路径可以指从一个或多个降噪单元输出的降噪信号(或声音)到达目标位置(例如，耳朵的位置)的过程。在一些实施例中，可以预先测量传递函数s^(z)和t(z)。最小均方(lms)模块1116可以应用传递函数s^(z)和t(z)，并且确定滤波参数以设置一个或多个降噪单元的输出降噪信号。滤波器函数w(z)可以通过使用参考信号1110和lms1116的输出值(例如，滤波参数)来生成降噪信号。响应于降噪信号，一个或多个降噪单元可以产生相应的声音，以消除到达目标位置的噪声。在一些实施例中，滤波器函数w(z)可以通过最小化误差噪声信号，直到误差噪声信号等于或小于阈值而被覆盖。当滤波器功能收敛时，可以产生最佳的降噪信号。在一些实施例中，滤波器函数w(z)可以包括自适应滤波器相关的滤波函数。

图12是本发明一些实施例中用于确定降噪信号的示例性过程的流程图。在一些实施例中，流程1200可以在图1所示的成像系统100中实现。例如，流程1200可以作为指令的形式存储在存储设备(例如，存储设备150或处理设备140的存储器320)中，并且可以由处理设备140(例如，处理设备140的处理器310、图5所示的一个或多个处理电路、或图8所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示流程1200的操作进旨在说明。在一些实施例中，流程1200可以利用一个或多个未描述的附加操作和/或没有所讨论的一个或多个操作来完成。另外，如图12中所示的流程1200的操作的顺序以及下文描述并非旨在限制本发明。

在操作1202中，处理设备(例如，处理设备140的获取模块802或anc电路524)可以获取声场仿真模型。在一些实施例中，声场仿真模型可以用于对医学成像设备(例如，mri设备110)的扫描孔内部的噪声场(或声场)进行建模。在一些实施例中，可以基于包括降噪系统的mri设备的几何模型来构造声场仿真模型。在声场仿真模型中，组件(例如，扫描孔、rf线圈、与受试目标关联的目标位置、第一组噪声检测单元、第二组噪声检测单元、一个或多个降噪单元等)进行建模。在一些实施例中，声场仿真模型可以包括在包括降噪系统的mri设备的组件之间的声场分布的有限元模拟。在一些实施例中，声场仿真模型可以通过一个或多个商业仿真工具(例如，matlab、comsolmonte-carlo仿真等)来构建。在一些实施例中，声场仿真模型可以体现在诸如anc电路524之类的数字信号处理器(dsp)中。

在操作1204中，处理设备(例如，处理设备140的获取模块802)可以基于与可操作耦合至医学成像设备的定位单元(例如，定位单元680)所获取的信息确定与受试目标相关的目标位置。在一些实施例中，与受试目标相关联的目标位置可以指受试目标的目标部分的位置。受试目标的目标部分可以包括受试目标的身体的特定部分，例如头部、胸部、上身等，或其组合。在一些实施例中，受试目标的目标部分可以包括特定器官，例如耳朵、眼睛、心脏等。在一些实施例中，至少一个目标部分可以是受试目标的耳朵的位置。在一些实施例中，目标位置可以由定位单元定位。如图6所示，定位单元680可安装于mri设备。例如，定位单元680可以包括跟踪传感器(例如，光学传感器)。定位单元680可以与mri设备兼容。定位单元680可以设置在mri设备的扫描孔中。例如，定位单元680可以设置在扫描孔的内表面上。定位单元680可以识别受试目标的耳朵，并确定每只耳朵的位置(例如，以坐标的形式)。在一些实施例中，定位单元680可以实时跟踪扫描目标的耳朵，并生成每只耳朵的实时坐标。

在操作1206中，处理设备(例如，处理设备140的噪声确定模块804)可以基于第一噪声信号和第二噪声信号，并结合声场仿真模型确定目标位置处的噪声水平。可以通过到达目标位置的噪声的声学特性来指示噪声水平，例如噪声的能量、噪声的幅度、噪声的相位、噪声的频率等。到达目标位置的噪声的噪声水平可以根据声场仿真模型输出的噪声分布的仿真确定目标位置。在一些实施例中，可以通过设置在扫描孔中的第一组噪声检测单元来检测第一噪声信号。可以通过与受试目标相关联的目标位置附近的第二噪声检测单元阵列来检测第二噪声信号。第一噪声信号和第二噪声信号的相关描述可参见图9所示的操作902和904，在此不再赘述。

在操作1208中，处理设备(例如，处理设备140的降噪确定模块806或anc电路524)可基于噪声水平确定降噪信号。在一些实施例中，处理设备可以分析指示噪声水平的声学特性，并且基于声学特性确定降噪信号。所确定的降噪信号可以具有与到达目标位置的噪声的相位相反的相位，而相对于到达目标位置的噪声具有相同的振幅和/或相同的频率。

应当注意，仅出于说明的目的而提供了以上描述，而并非旨在限制本发明的范围。对于本领域技术人员而言，可以在本发明的教导下进行多种变化和修改。然而，那些变化和修改不脱离本发明的范围。例如，操作1206和操作1208可以被合并为单个操作。

图13是本发明一些实施例中用于mri系统中的降噪的示例性过程的流程图。在一些实施例中，流程1300可以在图1所示的成像系统100中实现。例如，流程1300可以作为指令的形式存储在存储设备(例如，存储设备150或处理设备140的存储器320)中，并且可以由处理设备140(例如，处理设备140的处理器310、或图5所示的一个或多个处理电路、或图8所示的处理设备140中的一个或多个模块)调用和/或执行。以下所示流程1300的操作旨在说明本发明。在一些实施例中，流程1300可以利用一个或多个未描述的附加操作和/或没有所讨论的一个或多个操作来完成。另外，如图13中所示的流程1300的操作的顺序以及下文中描述并非限制本发明。

在操作1302中，可以获取受试目标的至少一个目标部分中的每一个目标部分的位置。操作1302可以由获取模块802执行。

受试目标的目标部分可以包括受试目标的身体的特定部分，例如头部、胸部、上身等，或其组合。在一些实施例中，受试目标的目标部分可以包括特定器官，例如耳朵、眼睛、心脏等。在一些实施例中，至少一个目标部分可以是受试目标的耳朵。至少一个目标部分中的每一个目标部分的位置可以通过定位单元获得。定位单元可以识别受试目标的至少一个目标部分，并确定至少一个目标部分中的每个目标部分的位置。在一些实施例中，定位单元可以是能够识别三维(3d)空间中的至少一个目标部分的传感器(例如，光学传感器，诸如光学相机)。定位单元可以采用一种或多种识别算法(例如，神经网络、尺度不变特征变换(英文全称为：ascale-invariantfeaturetransform，英文简称为sift)等来识别至少一个目标部分。

在定位单元识别出至少一个目标部分之后，可以确定至少一个目标部分中的每一个目标部分的位置。可以通过计算至少一个位置相对于3d坐标系(例如，图1所示的坐标系)的坐标确定该至少一个位置。在一些实施例中，定位单元可以实时地聚焦在受试目标的至少一个目标部分上，并生成受试目标的至少一个目标部分中的每个目标部分的实时坐标。

在操作1304中，可以通过设置在受试目标周围的一个或多个噪声检测单元阵列获取信号。操作1304可以由获取模块802执行。

噪声检测单元可以从环境中检测包括声音的声音，所述声音包括来自受试目标的至少一个目标部分的位置的环境。在一些实施例中，每个噪声检测单元可以是音频监视设备，例如麦克风。在一些实施例中，每个噪声检测单元可以是与mr系统兼容的专用麦克风。例如，可以在专用麦克风中使用压电陶瓷，以使专用麦克风具有高保真度。噪声检测单元的一个或多个阵列可以以特定的方式定位在扫描区域(例如，扫描孔504)中。例如，可以在扫描区域的内表面上将噪声检测单元的阵列设置为围绕受试目标的头部的圆。关于一个或多个噪声检测单元阵列的结构的示例请参照图6及其描述。

在操作1306中，可以基于所获取的信号确定在至少一个位置处的噪声的特性。操作1306可以由噪声确定模块804执行。

如本文所使用的，一个位置处的噪声的特性是指该位置处的噪声的声学特性，例如能量、振幅、相位、频率等。可以通过将一个或多个噪声检测单元阵列的信号输入到声场仿真模型中确定在至少一个位置处的噪声。在一些实施例中，声场仿真模型可以由matlab构造。在一些实施例中，声场仿真模型可以体现在数字信号处理器(dsp)等中。声场仿真模型可以结合操作1202来描述，并且在此不再赘述。

在操作1308中，可以基于在至少一个位置处的噪声的特性生成设置在受试目标周围的一个或多个降噪单元阵列的多个降噪参数。操作1308可以由降噪确定模块806执行。降噪单元的一个或多个阵列可以在至少一个位置处产生具有特定声学特性的声音。例如，在至少一个位置中的每个位置处由一个或多个降噪单元阵列产生的声音可以具有与每个相应位置处的噪声幅度相同的振幅，以及与每个相应位置处的噪声频率相同的频率，而与在每个相应位置处的噪声相位相反的相位(即，具有π的差)。由于在至少一个位置中的每个位置处由一个或多个降噪单元阵列产生的声音的相位与在每个对应位置处的噪声的相位相反，因此该至少一个位置处的噪声可以被由一个或多个降噪单元阵列所产生的声音抵消，从而减少或消除了受试目标的该至少一个部分的每个位置处的噪声。

在一些实施例中，每个降噪单元可以是扬声器，例如非磁性扬声器。在一些实施例中，每个降噪单元可以是与mr系统兼容的专用扬声器。例如，压电陶瓷可以用在专用扬声器中，使得专用扬声器具有高保真度。一个或多个降噪单元阵列可以以特定方式设置在扫描区域中。例如，可以将噪声检测单元的阵列均匀地设置在适当地连接到围绕受试目标的头部的正交线圈的保持器上。关于一个或多个噪声检测单元阵列的结构的示例请参照图6及其描述。

在一些实施例中，一个或多个降噪单元阵列的多个降噪参数可以包括输入到一个或多个降噪单元中的每一个降噪单元的电流的电学性能(例如，电流、电压、频率等)。在一些实施例中，可以由声场仿真模型来模拟由具有各种降噪参数的一个或多个降噪单元阵列产生的声场。可以由声场仿真模型确定降噪参数，在该降噪参数下，由一个或多个降噪单元阵列产生的声场在至少一个位置的每个位置处具有期望的声学特性。例如，可以通过将一个或多个降噪单元阵列的配置和至少一个位置处的噪声的特性输入声场仿真模型确定一个或多个降噪单元阵列的降噪参数。在一些实施例中，可以根据基于fxlms算法的降噪模型确定降噪参数。

在操作1310中，可以根据所生成的多个降噪参数指导一个或多个降噪单元阵列产生声音。操作1310可以由声音生成模块808执行。

根据多个降噪参数，期望的电学性能的电流可以被传递到一个或多个降噪单元。一个或多个降噪单元阵列可以在受试目标的至少一个目标部分的每个目标部分的位置处产生用于抵消噪声的声音。具体地，受试目标的至少一个目标部分可为扫描目标的一只耳朵或全部耳朵。

在上述描述基本概念之后，本领域技术人员在阅读了本发明详细公开的内容之后可以相当明显地看到，上述详细公开的内容仅以示例的方式呈现，并非旨在限制。本领域技术人员可以进行各种改变、改进和修改，尽管这里没有明确说明。这些改变、改进和修改旨在由本发明提出，并且在本发明的示例性实施例的构思和范围内。

此外，某些术语被用于描述本发明的实施例。例如，术语“一个实施例”、“某个实施例”和“一些实施例”意味着结合该实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，应当强调并且应当理解，在本说明书的各个部分中，对“一个实施例”或“某个实施例”或“可选实施例”的两个以上引用不一定都是指同一实施例。此外，可以在本发明的一个或多个实施例中适当地组合特定特征、结构或特征。

此外，本领域技术人员将理解，本发明的各个方面可以在许多可授予专利的文本中的任何一个中加以说明和描述，包括任何新的和有用的工艺、机器、制造或物质组成，或其任何新的和有用的改进。因此，本发明的各个方面可以完全通过硬件实现、完全通过软件实现(包括固件、驻留软件、微代码等)，或者结合软件和硬件实现，这些实现在本发明中通常被称为“模块”、“单元”、“组件”、“设备”或“系统”。

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传播的数据信号，该传播的数据信号具有包含在其中的计算机可读程序代码。这样的传播信号可以采取多种形式中的任何一种，包括电磁、光学等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，并且可以通信、传播或传输供指令执行系统、装置或设备使用或与其结合使用的程序。包含在计算机可读信号介质上的程序代码可以使用任何适当的介质，包括无线、有线、光纤电缆、rf或类似介质，或其任何适当组合，来传输。

用于执行本发明的各方面操作的计算机程序代码可以用一种以上编程语言的任何组合来编写，包括面向受试目标的编程语言，如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，传统的程序化编程语言，如c语言、visualbasic、fortran2103、perl、cobol2102、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言。程序代码可以完全在用户的计算机上执行，一部分在用户的计算机上执行，作为独立的软件包，部分在用户的计算机上执行，一部分在远程计算机上执行，或者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连接到用户的计算机，包括局域网(lan)或广域网(wan)，或者可以连接到外部计算机(例如，通过使用internet服务提供商的internet)，或在云计算环境中，或作为服务提供，如软件即服务(saas)。

此外，处理元件或序列的列举顺序，或因此而使用的数字、字母或其他名称，并不打算将所要求保护的过程和方法限制为任何顺序，除非权利要求中另有指定。尽管上述公开内容通过各种示例讨论了当前被认为是本发明的各种有用实施例的内容，但是应当理解，这些细节仅用于解释的目的，并且所附权利要求不限于所公开的实施例，而是旨在涵盖在所公开实施例的构思和范围内的修改和等效布置。例如，尽管上述各种组件的实现可以体现在硬件设备中，但也可以实现为仅软件的解决方案，例如，在现有服务器或移动设备上的安装。

类似地，应当理解，在本发明的实施例的前述描述中，各种特征有时在单个实施例、图或其描述中被组合在一起，以简化本发明，有助于理解一个或多个不同实施例。然而，这种披露方法不应被解释为反映了这样一种意图，即所要求保护的技术方案需要比每项权利要求中明确陈述的更多的特征。本发明实施例存在特征比单个前述公开实施例的所有特征更少的实施例。

在一些实施例中，用于描述和声明应用的某些实施例的数量或特性的数字应被理解为在某些情况下被修改为术语“大约”、“近似”或“基本上”。例如，“大约”、“近似”或“基本上”可以表示其描述值的某些变化(例如，±20％)，除非另有说明。因此，在一些实施例中，在书面描述和所附权利要求中阐述的数值参数是近似值，其可根据特定实施例寻求获得的期望特性而变化。在一些实施例中，应根据报告的有效数字的数量并通过应用普通舍入技术来解释数值参数。尽管列出应用的一些实施例的广泛范围的数值范围和参数是近似值，但是在具体示例中列出的数值被尽可能精确地报告。

此处引用的每项专利、专利申请、专利申请的出版物和其他材料，如文章、书籍、规范、出版物、文档、物品和/或类似物，在此通过本参考文件将其全部纳入本参考文件中，以用于所有目的，除与本文件有关的任何起诉文件记录外，与本文件不一致或冲突的任何起诉文件记录，或对与本文件有关的权利要求的最广泛范围可能产生限制性影响的任何起诉文件记录。举例来说，如果与任何合并材料相关的术语的描述、定义和/或使用与本文件相关的术语之间存在任何不一致或冲突，应以本文件中术语的描述、定义和/或使用为准。

最后，应当理解，本文所公开的应用的实施例说明了应用的实施例的原理。可采用的其他修改均可在本发明的范围内。因此，作为示例而不是限制，可以根据本文的教导利用应用的实施例的替代配置。因此，本发明的实施例不限于如所示和描述的精确的实施例。