超级会员免费看
优化MRI扫描与架构决策的创新方法
1. MRI扫描调度算法
在MRI扫描处理中，扫描段的混合问题是一个关键挑战。为了解决这个问题，研究人员设计了调度算法。不同类型的限制（如SAR限制和梯度硬件限制）具有不同的时间常数，SAR限制的时间常数以秒为单位，而梯度硬件限制的时间常数以分钟为单位。因此，扫描被划分的段大小也有数量级的差异，针对这两种不同类型的限制分别设计了不同的算法。
- 向量计算 ：对于每种特定类型的扫描 (f \in {1, \cdots, F})，已知梯度波形 (G_f(t))、输入功率 (P_f(t))、初级电流 (I_x(t))、(I_y(t))、(I_z(t)) 以及扫描段的长度 (t_f)，就可以轻松计算向量 (A_f)、(B_f) 和 (M_f)。向量中负责放大器温度的第一个元素可以通过以下方程计算：
- (A_f[1] = \exp\left(-\frac{t_f}{\tau}\right))
- (B_f[1] = \frac{\alpha}{\tau} \int_{0}^{t_f} e^{-\frac{(t_f - t_0)}{\tau}} P_f(t_0) dt_0)
-
(M_f[1] = \max_{0 \leq t \leq t_f} \frac{1}{\tau} \int_{0}^{t} e^{-\frac{(t - t_0)}{\tau}} \alpha P_f(t_0) dt_0)
其中 (\alpha) 和时间常数 (\tau) 与 (14.1) 中的相同。向量的其余元素 (A_f[h])、(B_f[h])、(M_f[h])（(h = 2, \cdots, H + 1)）可以根据梯度线圈温度上升的公式计算，这些公式与放大器的情况类似，但更复杂。 -
问题目标 ：问题的目标是找到一个切换序列 (\pi)，使得所有作业族中的作业都能被处理，并且“虚拟”作业的数量最少。即：
- (\sum_{n = 1}^{N} \delta_g(\pi_n) = n_g)，(g \in {1, \cdots, F})
-
(\sum_{n = 1}^{N} \delta_0(\pi_n) = n_0 \to \min)
其中 (\delta_g \to {0, 1}) 是属于作业族 (g) 的作业的特征函数。通过减少“虚拟”作业的数量，可以减少最大完成时间，因此该问题等价于最小化总工期问题：(C_{max} \to \min)。 -
算法概述 ：总共设计了三种算法。对于SAR限制情况，设计了一种能在合理时间内给出问题精确解的算法，该算法考虑了MRI系统的一些自然假设。对于梯度硬件限制情况，设计了两种算法：精确算法和启发式算法，这两种算法都基于回溯过程。启发式算法在梯度硬件限制下的复杂度为 (O(H \times N \times F \times n_0))，其中 (N) 是作业数量，(F) 是作业族数量，(H) 是“热点”数量，(n_0) 是“虚拟”作业的最小数量。
2. 算法应用结果
这些算法被应用于飞利浦MRI检查卡，以评估其在实际应用中的效果。
- SAR限制结果
- 数据收集 ：从NetForum下载了57张检查卡，其中31张用于1.5T MR系统，26张用于3.0T系统。但时间减少算法仅适用于其中一半的检查卡，另一半要么没有SAR限制的扫描，要么包含无法与其他扫描混合的扫描（如屏气扫描、注射对比剂的扫描）。
- 限制条件 ：根据IEC短期SAR限制，在任何10秒内，SAR不得超过其长期限制的三倍。为了符合即将发布的第3版IEC标准，计算中的限制更加严格，考虑在任何5秒内，SAR不得超过两倍（即200%）。
- 时间减少计算 ：相对时间减少以原始检查时间的百分比计算。结果显示，3.0T检查的最大增益比1.5T的大两倍多，分别为22%和8%，平均增益也有类似结论。预计未来7T MRI系统的时间减少将成比例增加。
- 敏感性分析 ：对不同的SAR限制进行了敏感性分析。以脑部检查为例，分析了高SAR段持续时间和最大允许SAR水平对相对时间减少的影响。结果表明，曲线存在饱和现象，不同检查卡的收敛速度不同。选择5 - 10秒的高SAR段大小似乎是一个合理的折衷方案，而最大SAR水平应尽可能保持在IEC限制允许的最高水平。
| 系统 | 最大增益（%） | 平均增益（%） |
|---|---|---|
| 1.5T | 8 | - |
| 3.0T | 22 | - |
graph LR
A[下载检查卡] --> B{是否有SAR限制且可混合}
B -- 是 --> C[应用算法计算时间减少]
B -- 否 --> D[排除]
C --> E[分析结果]
- 梯度温度限制结果
- 实验选择 ：在梯度系统温度限制的情况下，对大量常规脑部检查进行了时间减少计算。发现从温度角度来看，扩散脑部检查受到的限制最大，同时也是最“有益”的，时间减少可达25%，脑部检查的平均时间减少约为10%。
- 实验过程 ：在3T MRI系统上进行了扩散检查的“原理验证”实验。选择了一张由三次扫描组成的检查卡：DTI（梯度占空比受限）、T2W（非梯度受限）和Flair（非梯度受限，SAR受限）。原始检查持续时间为11分57秒，其中DTI扫描持续7分钟，由于温度限制，DTI扫描的一个TR周期约为200毫秒，其中有67毫秒的“死时间”（约占TR的三分之一），即DTI扫描约有2.5分钟的“死时间”。根据时间减少算法的启发式版本输出，将梯度受限的DTI扫描分为三部分，然后与其他扫描混合。混合后，扫描持续时间变为9分36秒，扩散检查的相对时间减少为20%。
- 结果推广 ：大多数脑部扩散检查都可以实现类似的时间减少，而且分割段的大小相对较大（几分钟），因此实现起来比SAR情况更简单。
3. 架构决策的挑战与策略
在架构投资决策方面，面临着巨大的挑战，因为这需要了解并结构化地结合管理、经济学和架构设计的最佳实践。传统的决策方法存在一定的局限性。
- 现有方法的不足
- 产品线经济学 ：主要关注成本节约，通过ROI来支持向软件产品线开发的迁移或估计产品线采用中架构的价值，但这些成本模型不考虑业务策略，而市场差异化策略可能需要其他方面（如缩短上市时间或提高质量）来支持决策。
-
CBAM方法 ：用于量化不同架构场景中受影响的质量属性的收益，通过选择具有最大效用值的架构场景来做出决策。然而，效用值是非货币的，并且利益相关者需要大量时间参与该过程，这使得CBAM在实际业务案例分析中难以使用。
-
StArch方法的提出
为了改进架构决策，提出了策略聚焦架构（StArch）方法。该方法将成熟的管理技术（策略地图和平衡计分卡）与既定的架构设计实践（场景和业务案例分析）相结合。通过策略地图和计分卡将业务策略转化为以架构质量为中心的目标，以支持决策过程。以飞利浦医疗保健的一个实际项目为例，展示了StArch方法的每一步。该方法得到了从业者的评估，他们表示满意，并对组织现有的决策过程提出了改进建议。
graph LR
A[业务策略] --> B[策略地图和计分卡]
B --> C[架构质量目标]
C --> D[场景和业务案例分析]
D --> E[架构决策]
综上所述，通过MRI扫描调度算法可以有效减少MRI检查时间，同时StArch方法为架构投资决策提供了一种结构化的方法，有助于更好地将架构改进与业务策略相结合，提高决策的科学性和有效性。这些方法不仅能提高现有系统的性能，还对未来系统的发展具有积极的影响。
4. StArch方法的详细解析
StArch方法旨在将业务策略与架构决策紧密相连，下面详细介绍其具体步骤和优势。
-
策略地图与计分卡的运用
- 策略地图 ：策略地图是一种可视化工具，它将组织的业务策略分解为一系列相互关联的目标和指标。通过策略地图，可以清晰地看到业务策略如何影响各个层面的架构决策。例如，在飞利浦医疗保健的项目中，通过策略地图可以明确市场差异化策略如何转化为对产品质量属性（如可进化性、可用性和可靠性）的要求。
- 平衡计分卡 ：平衡计分卡则从财务、客户、内部流程和学习与成长四个维度来衡量组织的绩效。在架构决策中，平衡计分卡可以帮助评估不同架构方案对业务目标的贡献。例如，在评估一个新的架构投资时，可以从财务角度考虑成本和收益，从客户角度考虑对产品质量和用户体验的影响，从内部流程角度考虑对开发效率和时间的影响，从学习与成长角度考虑对团队能力提升的影响。
-
架构质量目标的确定
- 基于业务策略 ：根据策略地图和平衡计分卡，将业务策略转化为具体的架构质量目标。例如，如果业务策略是成本领先，那么架构质量目标可能包括降低开发成本、提高生产效率等；如果业务策略是市场差异化，那么架构质量目标可能包括提升产品的创新性、提高用户满意度等。
- 量化指标 ：为了便于评估和比较不同的架构方案，需要将架构质量目标量化为具体的指标。例如，可进化性可以用系统的可扩展性、可维护性等指标来衡量；可用性可以用系统的正常运行时间、响应时间等指标来衡量。
-
场景和业务案例分析
- 场景分析 ：场景分析是指通过模拟不同的业务场景，评估架构方案在各种情况下的性能和适应性。例如，在考虑一个新的医疗成像系统的架构时，可以模拟不同的患者流量、不同的检查类型等场景，评估架构方案在这些场景下的处理能力和效率。
- 业务案例分析 ：业务案例分析则是从经济角度评估架构方案的可行性和收益。通过计算投资回报率（ROI）、净现值（NPV）等指标，比较不同架构方案的经济效益。例如，在评估一个新的架构投资时，可以计算该投资在未来几年内的预期收益和成本，评估其是否值得投资。
| 维度 | 指标 | 示例 |
|---|---|---|
| 财务 | 投资回报率（ROI） | - |
| 客户 | 用户满意度 | - |
| 内部流程 | 开发周期 | - |
| 学习与成长 | 团队技能提升 | - |
5. 实际应用案例分析
为了更好地理解StArch方法的实际应用，下面以飞利浦医疗保健的一个项目为例进行分析。
- 项目背景 ：飞利浦医疗保健计划推出一款新的医疗成像系统，该系统需要满足市场差异化策略的要求，提高产品的质量和性能。
-
StArch方法的应用步骤
- 明确业务策略 ：确定市场差异化策略，即通过提供高质量、创新性的产品来区别于竞争对手。
- 绘制策略地图 ：将市场差异化策略分解为具体的目标和指标，如提高产品的可进化性、可用性和可靠性等。
- 制定平衡计分卡 ：从财务、客户、内部流程和学习与成长四个维度制定平衡计分卡，明确每个维度的指标和目标。
- 确定架构质量目标 ：根据策略地图和平衡计分卡，确定架构质量目标，如提高系统的可扩展性、降低系统的响应时间等。
- 进行场景和业务案例分析 ：模拟不同的业务场景，评估不同架构方案在这些场景下的性能和适应性。同时，从经济角度评估不同架构方案的可行性和收益。
- 做出架构决策 ：根据场景和业务案例分析的结果，选择最优的架构方案。
graph LR
A[明确业务策略] --> B[绘制策略地图]
B --> C[制定平衡计分卡]
C --> D[确定架构质量目标]
D --> E[进行场景和业务案例分析]
E --> F[做出架构决策]
- 应用效果 ：通过应用StArch方法，飞利浦医疗保健成功地将业务策略与架构决策相结合，推出了一款满足市场差异化需求的医疗成像系统。该系统在产品质量、性能和用户体验方面都取得了显著的提升，同时也提高了公司的市场竞争力和经济效益。
6. 总结与展望
-
总结
- MRI扫描调度算法 ：通过设计针对不同限制类型的调度算法，有效地减少了MRI检查时间。在SAR限制和梯度温度限制的情况下，都取得了显著的时间减少效果，为提高医疗检查效率提供了有力支持。
- StArch方法 ：StArch方法将业务策略与架构决策紧密结合，通过策略地图和平衡计分卡将业务策略转化为架构质量目标，再通过场景和业务案例分析做出科学的架构决策。该方法在实际项目中得到了验证，有助于提高架构决策的科学性和有效性，使架构改进更好地服务于业务目标。
-
展望
- 技术发展 ：随着MRI技术的不断发展，如更高磁场强度的MRI系统（如7T MRI）的出现，扫描调度算法需要不断优化以适应新的需求。同时，架构决策方法也需要不断创新，以应对日益复杂的业务环境和技术挑战。
- 行业应用 ：这些方法不仅适用于医疗领域，还可以推广到其他行业，如航空航天、汽车制造等。在这些行业中，也存在类似的硬件限制和架构决策问题，通过借鉴本文提出的方法，可以提高生产效率和产品质量。
总之，MRI扫描调度算法和StArch方法为解决实际问题提供了有效的途径，未来有望在更多领域得到应用和发展，为推动行业的进步做出贡献。
扫一扫
942
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
