用于成像装置部件诊断的设备和背景特异性信号模式分析
阅读说明：本技术 用于成像装置部件诊断的设备和背景特异性信号模式分析 (Equipment and the analysis of background idiosyncratic signal patterns for imaging arrangement component diagnosis ) 是由 F·乌勒曼 G·M·普雷斯 I·格雷斯林 C·芬德科里 O·利普斯 C·J·H·A·布洛姆 于 2018-03-05 设计创作，主要内容包括：当预测诸如磁共振(MR)成像设备(12)的成像设备中的需要的部件服务时,诸如线圈电压、锁相丢失(PLL)事件等的部件参数被采样以监测系统部件。电压样本根据它们到线圈插入和拔出事件的时间接近性而被过滤,以生成经过滤的数据集,所述经过滤的数据集被处理器(46)分析来确定是否传输故障报告。服务建议基于传输的报告而被接收,并且包括根本原因诊断和被输入到用户接口(50)的服务建议。(When predicting the parts services of the needs in such as imaging device of magnetic resonance (MR) imaging device (12), the parameters of operating part that coil voltage, locking phase lose (PLL) event etc. is sampled to monitor system unit.Voltage sample is filtered to coil into and out the time proximity of event according to them, and to generate filtered data set, the filtered data set is analyzed to determine whether that transmission fault is reported by processor (46).Report of the service recommendations based on transmission and be received, and diagnose and be input into the service recommendations of user interface (50) including basic reason.)
技术领域
本发明应用于成像系统维护系统和方法中。然而，应意识到，所描述的技术也可以应用于其他系统部件故障检测系统、其他预测性维护技术等中。
背景技术
成像装置(诸如MR扫描器)中的设备和/或部件错误的检测是复杂的任务。该任务进一步受不同部件版本(例如，软和硬件版本)、模拟或数字线圈、以及来自不同制造商的部件妨碍。
在诊断成像装置的故障或失灵的常规方法中，最初远程服务尝试经由到系统的远程连接来识别问题。由于这种的分析的高不确定性，多个现场可更换单元(FRU)经常被发送到客户场所以允许现场服务工程师(FSE)解决问题。然而，该方法导致过多的部件被发送到客户场所。此外，发生故障的部件在第一次故障分析期间经常未被正确地识别，并且因此不被发送，并且因此在服务动作期间不是在现场。因此，在修正性维护期间，正确工作的零件经常被不必要地更换，或工作的零件与坏掉的零件一起被更换，因为坏掉的线圈的正确识别并不简单。此外，FSE必须在现场来回多次以使得成像装备完全运行。
本申请提供了便于成像系统部件故障检测和根本原因确定的新的且改进的系统和方法，由此克服上面提及的问题以及其他问题。
发明内容
根据第一方面，一种便于基于部件信号分析来识别磁共振(MR)成像设备中的即将来临的部件故障的系统包括MR成像设备和连接器，所述MR成像设备包括多个RF线圈，所述多个RF线圈被连接到所述连接器，分别在不同的时间被连接到功率源。所述系统还包括处理器，所述处理器被配置为：针对所述多个RF线圈中的每个监测至少一个射频(RF)线圈参数，通过根据至少一个预定义的度量来丢弃数据点而生成经过滤的数据集，以及基于所述经过滤的数据集来识别至少一个监测的RF线圈中的至少一个故障状况。所述处理器被还被配置为传输识别的至少一个故障状况的报告，接收包括指示所述识别的至少一个故障状况的根本原因和部件服务建议的信息的信号，并且在用户接口(UI)(50)上输出所述部件服务建议。
根据另一方面，一种基于部件信号分析来识别磁共振(MR)成像设备中的即将来临的部件故障的方法包括：针对经由连接器被周期性地连接到功率源的多个RF线圈中的每个监测至少一个射频(RF)线圈参数，通过根据至少一个预定义的度量来丢弃在监测期间收集的数据点而生成经过滤的数据集，并且基于所述经过滤的数据集识别至少一个监测的RF线圈或成像链的其他子部件中的至少一个故障状况。所述方法还包括传输所识别的至少一个故障状况的报告，所述报告包括指示所识别的至少一个故障状况的根本原因的信息和部件服务建议的信号，并且在用户接口(UI)上输出线圈服务建议。
根据另一方面，一种便于基于部件信号分析来识别磁共振(MR)成像设备中的即将来临的部件故障的系统包括MR成像设备和连接器，所述MR成像设备包括多个射频(RF)线圈，所述多个RF线圈被连接到所述连接器，分别在不同的时间被连接到功率源。所述系统还包括处理器，所述处理器被配置为：收集锁相丢失(PLL)事件中的至少一个的数据样本和所述多个RF线圈中的每个的电压VDL，通过根据至少一个预定度量来丢弃数据样本而生成经过滤的数据集，并且基于所述经过滤的数据集识别至少一个监测的RF线圈中的至少一个故障状况。所述处理器被还被配置为传输识别的至少一个故障状况的报告，所述报告包括指示所述识别的至少一个故障状况的根本原因的信息和线圈服务建议，以及在用户接口(UI)上作出可用的线圈服务建议。
一个优点是，健康的MR线圈不被不必要地更换。
另一优点是，将要发生故障的MR系统部件在实际故障之前被识别。
另一优点是，系统修复被加快。
本领域技术人员在阅读和理解了以下详细描述后，将意识到主题创新的其他优点。
附图说明
附图仅仅出于图示各个方面的目的，而不要被解释为进行限制。
图1图示了根据本文中描述的一个或多个方面的便于识别用于在磁共振(MR)成像系统中更换的候选射频(RF)线圈的系统。
图2是根据本文中描述的各个方面的系统的图示，具有便于执行针对预测性部件更换的提前部件诊断的部件的更详细视图。
图3图示了根据本文中描述的一个或多个特征的多个线圈的低电压(VDL)和高电压(VDH)的曲线图，示出了测量的电压水平在可疑的连接器问题的情况下的渐进劣化。
图4图示了根据本文中描述的一个或多个特征的低电压(VDL)和高电压(VDH)的曲线图，示出了重现的电压降。
图5图示了根据本文中描述的一个或多个特征的低电压(VDL)和高电压(VDH)的曲线图，示出了短的瞬时电压问题。
图6图示了根据本文中描述的一个或多个特征的示出测量的电压信号的过滤被执行的方式的示意图。
图7图示了根据本文中描述的一个或多个特征的基于部件信号分析来识别磁共振(MR)成像设备中的即将来临的部件故障的方法。
具体实施方式
虽然以下描述使用数字RF线圈来图示本创新。当然，相同的原理可以被应用于足够的诊断信息可用的其他部件。提出的实施例实现了对部件(例如线圈合连接器)故障和坏掉的线圈的高效的(快速且可靠的)且自动化的远程诊断，并且由此减轻复杂维护任务的冗长乏味的分析和技能水平依赖的结果。具体地，本解决方案以自动化方式分析大量不同的信号和设备。
部件的某些故障模式(例如连接器问题)在某些诊断信号(例如电压和相应的扫描)中随着时间表现出非常特定的模式。关于部件(例如线圈)的健康状况和其与相应特有的时间依赖的模式的关联性的参考信息能够用来诊断特定部件的状态或故障，以及提供预后性信息。这允许可能问题的精细的根本原因分析，其不能使用诸如存在于常规方法中存在的“简单的”误差阈值或时间独立的关联性来识别。
由于可能的故障模式的复杂性和更高效地、准确地且远程地确定线圈状况的可能性，提出的解决方案特别好地适合于MRI线圈。然而，本领域技术人员应理解，在足够的先验知识和诊断信息可用的情况下，所描述的创新可应用于任何复杂的设备和/或部件。
图1图示了根据本文中描述的一个或多个方面的便于识别用于在磁共振(MR)成像系统中更换的候选射频(RF)线圈的系统10。该系统包括MR成像器12，所述MR成像器12具有经由内部线缆16(例如，用户功率源等的流电线缆)为连接器18(例如，桌面连接器、位于系统中的磁体处的连接器等)提供功率的功率源14，多个RF线圈22、30、38在一个或多个MR扫描期间的不同时间处经由外部线缆20被耦接到所述连接器18。每个RF线圈22、30、28包括相应的内部线缆24、30、48，功率通过所述相应的内部线缆24、30、48被供应到相应的第一接收器模块(RXE)26、34、42和第二接收器模块(RXE)28、36、44。RXE包括记录参数信息(例如，如果检测在阈值之上则为在每秒基础上的电压)的测量装置。系统10还包括光纤集线器15，所述光纤集线器15经由内部线缆16(例如，用于光纤集线器的光纤线缆等)被类似地耦合到连接器18，多个RF线圈22、30、38在一个或多个MR扫描期间的不同时间处经由外部线缆20被耦接到所述连接器18。每个RF线圈22、30、28包括相应的内部线缆24、30、48，信号通过所述相应的内部线缆24、30、48被供应到相应的第一接收器模块(RXE)26、34、42和第二接收器模块(RXE)28、36、44。
MR成像设备12被耦合到执行的处理器46和存储用于执行本文中描述的各种方法、动作、方法等的计算机可执行指令的存储器48。存储器48可以是控制程序被存储在其上的计算机可读介质，诸如盘片、硬盘驱动器等。常见形式的计算机可读介质包括例如软盘、柔性盘、硬盘、磁带、或任何其他磁性存储介质，CD-ROM、DVD、或任何其他光学介质，RAM、ROM、PROM、EPROM、FLASH-EPROM、其变体，其他存储器芯片或盒式磁，、或处理器46能够从其读取并执行的任何其他有形介质。在此背景下，所描述的系统可以被实施在一个或多个通用计算机、(一个或多个)专用计算机、编程的微处理器或微控制器和***集成电路元件、ASIC或其他集成电路、数字信号处理器、硬接线的电子或逻辑电路(诸如分立元件电路)、可编程逻辑设备(诸如PLD、PLA、FPGA、图形处理单元(GPU)、或PAL等)上，或者被实施为其。
图2是根据本文中描述的各个方面的具有便于执行针对预测性部件更换的提前部件诊断的部件的更详细视图的系统10的图示。该系统包括如被存储在其上的MR日志文件、MR成像设备12、处理器46、存储器48和用户接口50。存储器已经在其上存储MR日志文件100，所述MR日志文件100包括针对已经经由连接器被***到MR成像设备的每个线圈的线圈识别(ID)信息102。日志文件还包括描述每个线圈已经被使用的扫描的类型和持续时间的扫描日志104。该信息在确定每个线圈已经被多频繁地使用中是有用的，这进而用来评估其余线圈寿命等。
存储器还存储参数检测模块，当被处理器46执行时，所述参数检测模块监测一个或多个线圈参数。监测的线圈参数可以包括但不限于：所测量的电压；扫描类型和持续时间(例如，头部和颈部、全身、对比扫描等)；线圈老化(例如，自制造、安装等之后)；线圈版本(以及其相关联的故障率)；线圈已经被使用的次数(例如，连接器多经常被使用；线圈被使用的总扫描持续时间(总使用长度)；等等。该监测的参数信息被存储在各种日志文件和存储设备中，用于由处理器进行分析。
存储器还包括比较器模块108，所述比较器模块108当被处理器46执行时，比较监测的参数与阈值。例如获取测量的电压，如果监测的电压降至预定阈值之下，故障检测模块110(也由处理器执行)识别线圈中的故障状况。在另一实施例中，当测量的电压在预定时间段或扫描次数内在预定阈值之下达预定测量次数时，故障检测模块识别故障状况。比较器额外地比较其他监测的参数与其他预定阈值。例如，线圈的总使用时间能够与预定阈值进行比较，在所述预定阈值之上线圈针对即将来临的故障或预防性更换等而被标记。
处理器46周期性地(例如，每小时、每天等)向远程服务器(未示出)发送信号分析报告112以便审查。信号分析报告包括与线圈使用相关的信息、检测的故障信息、即将来临的故障信息等。处理器从远程服务器接收服务建议消息114，并且向现场的(即，MR成像设备处的)技术人员呈现服务建议。向技术人员呈现的服务建议还可以包括在线圈应当被更换的最终确定之前的建议的措施。过滤模块118由处理器执行，以在向远程服务器发送数据以便审查之前滤除无效的数据点。关于图6更详细地描述过滤被执行的方式。
表格1示出了诸如基于通过诊断信号分析产生的用于系统和相应设备和/或子部件的警告被处理器46传输以便远程诊断(即不在MR系统的位置处)的故障信息的简化范例。
表格1
表格2示出了诸如被处理器46接收的服务建议报告的范例。范例指令是基于针对现场服务工程师(在系统的位置处)的通过诊断分析和/或逻辑产生的警告。
表格2
在一个实施例中，服务建议表格116被呈现在用户接口上。服务建议表格116通过线圈的线圈识别信息(例如，序列号、线圈号、或一些其他合适的识别符)来识别每个线圈，并且指示线圈是否应当被更换。例如，具有在一定时间段内已经降至预定电压阈值之下达预定使用次数或预定次数的测量的电压的线圈被建议更换。未表现出低电压测量的其他线圈不被建议更换。在另一实施例中，服务建议表格116识别需要服务或更换的MR系统的其他部件。例如，监测的线圈电压信息能够用来确定将一个或多个RF线圈连接到功率源的连接器是故障的，和/或将一个或多个RF线圈连接到连接器的线圈接口是故障的。
继续参考图1和2，各种信号随着时间的以下附图和描述图示了不同信号的这种时间依赖的特性模式，并且其分析如何能够用来区别故障模式和根本原因。
图3图示了根据本文中描述的一个或多个特征的多个线圈的低电压(VDL)150和高电压(VDH)160的曲线图，示出了测量的电压水平在可疑的连接器问题的情况下的渐进劣化。多个线圈中的每个的测量的电压通过相应的颜色编码的点来表示。电压的波动指示内部设备网络的不稳定的或将要发生故障的状态。采用具体涉及的设备(例如线圈接口)、子系统(RXE0)和信号(VDL)的分析，故障模式(例如，坏掉的或劣化的电压连接/连接器)和位置(例如线圈接口)能够被识别。这种信号劣化用来在实际系统失灵之前预测故障，这能够通过相应的抢先措施来解决。
根据曲线图150，预定电压阈值被设置为1.2伏。持续或重复地在阈值电压之下测量的线圈被认为是更换的候选者。如能够看出的，到测量的时间段的(例如，几周的时段等)结束的时候，若干线圈的电压已经降至1.2V阈值之下。在该范例中，紫色点表示头部和颈部线圈的测量的电压。到监测的时间段结束的时候，头部和颈部线圈(紫色)的测量的电压152持续在阈值之下，并且因此头部和颈部线圈是更换的候选者。其他线圈(诸如头部线圈(绿色)、基低线圈(深蓝色))示出了在阈值之下的测量的电压，但是仅零星地，并且因此不被建议更换。
图4图示了根据本文中描述的一个或多个特征的低电压(VDL)170和高电压(VDH)180的曲线图，示出了重现的电压降。该信号可视化示出了在指定的正常操作范围之下的电压降重新(红色线)之后已经被执行(在所示出的时间的大约2/3处)的修正性措施182。该措施在一时间内导致电压(VDH)的正常操作范围。
然而，VDH中的电压劣化在该措施之后不久的重现指示，故障的根本原因未被初始修正性措施正确地解决。后续的措施因此应当包括对于根本原因的更宽搜索，尤其是更靠近功率源，因为根据曲线图，被连接到系统的所有线圈都受电压问题影响。
图5图示了根据本文中描述的一个或多个特征的低电压(VDL)190和高电压(VDH)200的曲线图，示出了短的瞬时电压问题。信号可视化示出了信号(VDL，VDH)通常保持在预定阈值(红色线)之上。然而，在一个实例202处(即在一天期间在可视化时间的大约3/4处)，发生了(所有设备的)VDH信号的显著下降。这指示不存在渐进劣化或将要发生故障的线圈/连接器问题，但是系统的瞬时状态导致失灵。这最可能是由于系统的使用/操作者，并不一定引发立即的修正动作。因此根据所提供的范例，清楚的是，特定信号和设备的分析和背景提供了能够用来识别故障模式和/或故障的根本原因的值信息。
所描述的视觉分析能够通过适当的数值信号分析来执行，包括但不限于：过滤(有窗的或无窗的)；关联；曲线拟合；等等。例如，由于其时间背景(即断开或连接线圈的时刻期间的锁相丢失错误)而未表示真实失灵的不合格事件能够被滤除。在另一实施例中，执行信号的低通滤波，以消除或减少由于执行的扫描的短的瞬时波动。在另一实施例中，执行时间窗处理的分析，这确保仅在指定的最小持续时间内存在的错误被认为是错误，以避免信号分析的过度灵敏。
本文中描述的MR系统具有多个连接器，并且多个线圈被连接到它们中的每个。许多参数通过数字线圈来监测，包括电压和其他故障模式，诸如锁相丢失(PLL)。在数据的适当过滤之后，来自每天日志文件的经过滤的数据连同其他来源一起被分析，诸如包含监测的数据(包含来自数字线圈、环境数据(技术室和检查室)或其他数字部件的数据)的文件。连接器可以包括用于传输数字化数据以及供应电压的透镜系统。在连接线圈之后，在所有数字内部部件提供正确的传感器数据之前存在延迟时段，使得在大多数情况下有必要滤除***事件附近的数据。具有在线圈被***之前的时间戳记录的任何样本都必须被滤除，因为它们表示由线圈子系统与实际日志文件之间的不正确时间同步产生的错误。此外，在***线圈之后立即发生的样本必须被滤除，并且过滤器常数的持续时间必须适应于正被记录的个体参数。当两件式线圈的第二件被***时，第一件(已经被连接的零件)中的电压的变化能够发生，使得在其他线圈的***事件附件记录的样本也被过滤。监测开始时候的延迟时间被选择为便于过滤(例如用于锁相丢失的90秒)，而扫描结束时候的延迟时间被选择为短于将患者移出成像设备并且拔出线圈所需的短时间(例如，在拔出事件数据样本被滤除之前的15秒)。
图6图示了根据本文中描述的一个或多个特征的示出测量的电压信号的过滤被执行的方式的示意图230。通过处理器46的信号(对于(第二行中的)被命名为“电压VDL”的信号，通过圆圈来指示)的过滤可以配合包含关于“***事件”的信息和相应有效测量范围的次要信息来源来执行，即没有信号直接在***线圈之前或直接在拔出线圈之前被认为有效。因此，仅没有红色叉号的圆圈指示用于诊断分析的有效数据。
在图解230中，顶部行232示出了监测的设备或线圈(例如，基础线圈)的事件。事件包括基础线圈被连接的时间C和基础线圈被断开的时间D。连接延迟时段234被图示，并且从连接时间C跨越到第一有效采样时间段236。示意图的中间行238示出了针对监测的线圈的参数(例如，电压VDL)收集的数据样本，其中所述数据样本需要过滤。示意图的底部行240示出了系统中的不同线圈(例如，顶部线圈)的事件，其中所述事件影响监测的线圈的数据样本的过滤。具体地，在不同线圈(例如，顶部线圈)的连接C’的时候，被监测的线圈的电压VDL可能波动。因此，延迟时段242被示出在连接时间C’附近，在此期间收集的数据样本被认为无效。不同的线圈以后在时间D’处被断开。在延迟时段242之后，示出了第二有效采样范围244，在此期间针对监测的线圈收集的数据样本被认为有效。一旦检测到基础线圈断开D，从第二有效范围244跨越到直至断开D的延迟时段245中的数据样本也被认为无效，并且被滤除。
在图6的范例中，数据样本246被滤除以便发生在基础线圈的连接之前(即，样本被认为无效，因为在连接之前不应当存在电压VDL)。第二数据样本248被滤除以便发生在连接延迟时段内(即，在基础线圈连接之后太久发生要被认为有效)。数据样本250、252发生在第一有效采样范围内，并且因此不被滤除。数据样本254发生在有效采样范围236、244之间的延迟时段242中，在此期间顶部线圈被连接，并且因此被滤除。数据样本256、258发生在第二有效采样范围内，并且因此不被滤除。数据样本260发生在断开延迟时段245期间(即，太靠近基础线圈断开的时间中的点)而不能被认为有效，并且因此被滤除。应理解，无效数据样本的过滤由图1的处理器46通过比较与每个数据点相关联的时间戳与不同线圈在给定扫描或测试程序等期间的连接和断开时间来执行。
在一个实施例中，当执行过滤时，***事件延迟的持续时间(在线圈***和拔出事件之前和之后的延迟时段，在此期间数据样本点被认为无效)被选择为使得无效的锁相丢失事件被最小化。例如，如果延迟时段太短(例如，3秒等)，那么伪阳性PLL事件不能从数据样本集中被适当地滤除。另一方面，如果***事件延迟时段太长，那么实际的PLL事件可能被不必要地滤除。
在另一实施例中，QPI(与导致图像质量劣化的尖峰相关并且通过MR设备测量的参数)用来执行无效数据集的过滤。为了采样的参数数据可在不同的系统之间比较，并且为了产生用于所有系统的阈值，数据需要例如被归一化到扫描小时或一些其他合适的度量，并且此后例如在每天的基础上被聚合。根据一范例，上限QPI阈值被设置(例如，0.5)，在所述上限QPI阈值之上数据样本被认为表示故障。如果该特定参数的故障样本的预定数量超过阈值，例如在每天的基础上被聚合，那么能够生成对于线圈的服务或更换的警告。
在另一实施例中，PLL数据在每天的基础上被聚合，并且滑动窗口(例如，具有五天的持续时间或一些其他预定持续时间)用来检查PLL时间是否在窗口内已经发生多于一天。假如例如多于两个事件落在滑动窗口中，警告被生成并且被发送到远程服务器用于分析。滑动窗口持续时间被选择为是足够长的，以致于正被监测的具体线圈在窗口内将会被连接到MR成像设备至少两次。例如，如果MR线圈一周仅被使用一次，则选择3周、5周等的窗口。
在另一实施例中，每个线圈的电压VDL被监测。预定阈值被设置，在所述预定阈值之下警告被生成。应理解，VDL中的劣化遍及被连接到连接器的所有线圈被监测。例如，如果线圈供应电压的最小值(在过滤之后)降至阈值之下，在低电压仅对于被连接到连接器的多个线圈中的一个发生的情况下数据样本被计数作为用于线圈缺陷的警告。然而，在多个线圈示出相同行为的情况下，那么存在问题在连接器或用于连接器的功率源处的更高可能性，并且数据需要在每个连接器的基础上被分析。
例如，如果特定的线圈示出了一个连接器上的低电压但是不同连接器上的正常电压，那么根本原因被确定为是连接器问题并非是线圈问题。然而，在一个线圈示出了多个连接器处有问题的情况下，根本原因被确定为是有缺陷的线圈。
图7图示了根据本文中描述的一个或多个特征的基于部件信号分析来识别磁共振(MR)成像设备中的即将来临的部件故障的方法。在400处，针对经由连接器被周期性地连接到功率源的多个RF线圈中的每个，监测至少一个射频(RF)线圈参数。在402处，在监测期间根据至少一个预定义的度量来收集通过丢弃数据点的经过滤的数据集。根据一个范例，在所述至少一个预定义的度量是邻近并且在给定线圈被***到连接器内或从连接器拔出之后和之后中的至少一项发生的***事件延迟时段，能够通过丢弃落在***事件延迟时段内的数据样本来生成经过滤的数据集。额外地或替代地，当预定义的度量是PLL事件的预定阈值数量时，当经过滤的数据集中的检测到的PLL事件的数量在预定时间段内或者通过针对***事件附近的有效时间范围进行过滤而确定的一组时间段内超过预定阈值时，能够生成警告。
在404处，基于经过滤的数据集的至少一个监测的RF线圈中的至少一个故障状况被识别。在406处，所识别的至少一个故障状况的报告被传输到远程服务器。在408处，从远程服务器接收包含指示识别的至少一个故障状况的根本原因的信息和线圈服务建议的信号。在410处，在用户接口(UI)上输出服务建议。
已经参考若干实施例描述了创新。他人在阅读和理解上述的详细描述后可以进行修改和替代。旨在将本创新解释为包括所有这样的修改和替代，只要它们落入权利要求书及其等价方案的范围之内。