JP2006198407A - 磁気共鳴（ｍｒ）イメージングにおける動き補償方法および動き補償システム - Google Patents

Abstract

【課題】心運動と冠状動脈運動が相関していることを前提とした従来技術の欠点を解消し、対象物体運動の履歴を導出するためにリアルタイムイメージデータを利用し、これにより対象物体の予測された軌跡を生成し、この軌跡を使用して、後続の別個の高分解能データ取得フェーズ中に対象物体の投影ポジションを決定するようにしたイメージング方法を提供する。
【解決手段】本発明によれば、複数のリアルタイムイメージングデータから対象物体の動きが予測され、ついで予測された対象物体運動を使用して、この対象物体の高分解能イメージングデータが取得される。
【選択図】図４

Description

本発明は、全般的には磁気共鳴（ＭＲ）イメージングに関し、詳しくはこの種のＭＲイメージングで使用される動き補償に関する。

従来技術において知られているように体部または神経のＭＲにおける動き補償においては、低分解能の２次元または３次元のイメージデータの取得、ならびにイメージ内のすべてのフィーチャのバルクレジストレーションbulk registrationの実行が含まれており、これによってスキャナのスライスポジションを調整するための変換マトリックスが導出される。冠状部運動または冠状動脈運動の補償の場合、従来技術によれば隔膜の全体の動きないしはバルク運動bulk motionを監視するため、高い時間分解能による１次元のＭＲイメージングが実行される。この場合、十分な時間分解能を得るため、２次元の代わりに１次元の取得が用いられる。このような隔膜運動は心運動と線形に相関しているものとされる一方、個々の冠状動脈の運動と線形に相関しているものとされる。しかしながら、臨床結果および心運動および冠状部運動もしくは冠状動脈運動を分析する他の研究によれば、これは誤った仮定であることが明確に示されており、このような仮定によって、冠状動脈のイメージングに際してぼけや動きのアーチファクトが引き起こされる。

冠状動脈のイメージングのために心臓の動きを求める問題と取り組むいくつかの試みが提案されてきた。１つの技術は、ときとして適応形ナビゲータ技術 adaptive navigator technique と呼ばれる。このような技術によれば、運動の度合いをベースとした生データの取得が行われ、動きの作用を最小化するためにｋスペースにおいて修正されたロケーションが求められる。また、スライス追従技術というのもあって、これによれば１次元ナビゲータにより検出された動きに基づきスキャンのスライスポジションが動かされる。

これまでに提案されてきた他の１つの技術は、ときとしてマルチプルナビゲータ技術 multiple navigator technique と呼ばれる。この場合、導出された動きは一方向で使用されるのではなく、心臓の動きを３次元で評価するために３方向からも使用される。この方法はやはり、心運動と冠状動脈運動が相関していると仮定しており、また、ナビゲータ測定時点とイメージ取得時点との間にポジション変更がないものと仮定している。

さらに提案されている別の技術によれば低分解能の測定が使用されてバルク心運動がトラッキングないしは追跡され、３つのナビゲータと組み合わせられて３次元の動きが補正される。この方法の欠点は、３次元の心運動モデルが単一の時点で導出され、後続の高い分解能による冠状部もしくは冠状動脈のスキャニング中はこれが更新されないことである。しかもこれはやはり、心運動と冠状動脈運動は相関していること、心運動の周期長と各周期内の心運動は比較的一定であることを前提としている。このような技術は、以下の文献の１つまたは複数に記載されている。
"Novel Prospective Respiratory Motion Compensation Approach for Free-Breathing Coronary MR Angiography Using a Patient-Adapted Affine Model" by Dirk Manke, Kay Nehrke and Peter Boernert, published in Magnetic Resonance Medicine 50:122-131 (2003) "A Study of the Motion and Deformation of the Heart Due to Respiration" by Kate McLeish and Derek L. G. Hill, published in the IEEE Transactions on Medical Imaging, Vol. 21, No. 9, September 2002 A Model Evaluation and Calibration for Protective Respiratory Correction in Coronary MR Angiography Based on 3-D Image Registration" by Dirk Manke, Peter Rosch, Kay Nehrke, Peter Bornert and Olaf Dossei, published in the IEEE Transactions on Medical Imaging Vol. 9, September 2002 "Respiratory Motion in Coronary Magnetic Resopnance Angiography" A Comparison of Different Models", by Dirk Manke, Kay Nehrke, Peter Bornert, Peter Rosch, and Olaf Dossei, published in the Journal of Magnetic Resonance 15-661-667 (2002)

本発明の課題は、心運動と冠状動脈運動が相関していることを前提とした従来技術の欠点を解消し、対象物体運動の履歴を導出するためにリアルタイムイメージデータを利用し、これにより対象物体の予測された軌跡を生成し、この軌跡を使用して、後続の別個の高分解能データ取得フェーズ中に対象物体の投影ポジションを決定するようにしたイメージング方法を提供することにある。

本発明によればこの課題は、複数のリアルタイムイメージングデータから対象物体の動きを予測し、予測された対象物体運動を使用して該対象物体の高分解能イメージングデータを取得することにより解決される。さらに上記の課題は請求項２、請求項４、請求項６、請求項８、請求項１０ならびに請求項１２記載の方法により解決される。

したがってこのようなプロセスによれば、対象物体運動の履歴を導出するためにリアルタイムイメージデータが使用され、これにより対象物体の予測された軌跡が生成され、ついでこの軌跡を使用して、後続の別個の高分解能データ取得フェーズ中に対象物体の投影ポジションが決定される。

このような方法によれば、ＭＲイメージングにおける対象物体の運動（たとえば冠状動脈）が追従され、予測された運動（すなわち予測された対象物体軌跡）によって後続の高分解能イメージングフェーズ中、ＭＲイメージングがガイドされる。

１つの実施形態によれば本発明による方法において、リアルタイムデータを利用して取得されたイメージから冠状動脈ポジションが抽出される。この種のリアルタイムデータ取得イメージおよび心電図（ＥＣＧ）データを利用してこの方法によれば、同期合わせとしてＥＣＧデータを用いて取得した現在および過去の心拍に基づきリアルタイムイメージデータを使用し冠状動脈運動のモデルが構築される。このモデル構築には以下のことが含まれる：心運動と呼吸運動の作用を分離すること、冠状動脈運動における心拍ごとの変化を評価すること、ならびに外れ値ないしはアウトライアーを除外すること。ついでこの方法によれば、後続の高分解能データ取得モード用に冠状動脈運動における残りの運動を予測するためにこのモデルが使用される。動脈のイメージングは、取得された高分解能データから得られる。

本発明の１つの特徴によれば、イメージングのために以下のような方法が提供される。すなわち、複数のリアルタイムイメージングデータから、対象物体の動きが予測され、ついで予測された対象物体運動を使用してこの対象物体の高分解能のイメージングデータが取得される。

本発明によれば、イメージングのために以下のような方法が提供される。すなわち、リアルタイムデータ取得モード中、特定の空間配向におけるリアルタイムイメージングデータを使用して対象物体の運動が測定され、後続の高分解能イメージ取得モード中、測定された運動を使用して、以降の時点における対象物体のロケーションが予測される。

１つの実施形態によれば、複数の冠状動脈各々の運動がダイレクトに測定される（すなわちこの場合、冠状動脈が含まれるリアルタイムイメージが使用される）。ついで本発明によるプロセスによれば、このようにダイレクトに測定されたイメージから冠状動脈運動が導出される。従来技術によれば冠状動脈運動はたとえば、冠状動脈運動は心壁運動あるいは隔膜運動に比例するものとされ、また、この運動は特定の空間配向におけるリアルタイムイメージングを使用して心拍ごとに再現可能であるものとして、間接的に推定されていた。

測定された運動は、取得時間に沿って心周期中のあとのポイントで動脈各々のロケーションを予測するために用いられる。また、測定された運動は、心周期各々における最適な時点を予測するためにも使用され、この場合、それらのロケーションと時点は高分解能イメージングのために利用される。

このような方法によれば、ダイレクトな測定が行われることから冠状動脈運動に関する仮定条件が存在しなくなる。また、検出時点と高分解能取得時点との間の運動が一定に保たれ、その結果、急速なまたは不規則な運動パターンがイメージングに作用を及ぼさないようになる。

１つの実施形態によればイメージング方法において、リアルタイムイメージングデータ取得モードで作動されてリアルタイムイメージングデータが取得され、取得されたリアルタイムイメージングデータを使用して冠状動脈運動が求められ、求められた運動から、１つの心周期における以降の時点での動脈のロケーションが予測され、高分解能データ取得モードで作動され、予測された冠状動脈ロケーションを使用して動脈の高分解能イメージングデータが取得される。

１つの実施形態によれば本発明による方法において、リアルタイムデータを利用して取得されたイメージから冠状動脈ポジションが抽出される。本発明による方法によれば、この種のリアルタイムデータ取得イメージおよび心電図（ＥＣＧ）データを利用してモデルが構築される（詳細な説明においてはこのモデルがＥＣＧデータを用いて取得された現在および過去の心拍に基づきリアルタイムイメージデータを使用して冠状動脈運動のモデルをダイレクトに構築することは記載されていない）。このモデル構築には以下のことが含まれる：心運動と呼吸運動の作用を分離すること、冠状動脈運動における心拍ごとの変化を評価すること、ならびに外れ値ないしはアウトライアーを除外すること。ついでこの方法によれば、後続の高分解能データ取得モード用に冠状動脈運動における残りの運動を予測するためにこのモデルが使用される。動脈のイメージングは、取得された高分解能データから得られる。

１つの実施形態によれば、心臓の向きに関して３つの主要な動脈各々における運動の主方向の先験的な知識が利用される。ＬＡＤ冠状動脈は主としてｚ方向で運動するのに対し、ＬＣＸ冠状動脈とＲＣＡ冠状動脈は主としてｘ−ｙ平面で運動する。また、ＬＡＤのｚ運動を、ＬＣＸ冠状動脈とＲＣＡ冠状動脈にも作用するその方向におけるバルク運動を補正するためにも使用することができる。さらにＬＡＤのｚ運動を、その方向におけるバルク運動を補正するために使用することもできる。本発明による方法によれば、特定の向きにおけるリアルタイムイメージングデータを使用してそれらの冠状動脈各々の運動がダイレクトに測定され、ついで測定された運動を使用して、高分解能イメージ取得のために用いられる心周期中の以降の時点における各動脈のロケーションが予測される。

１つの実施形態によれば解剖学的器官のイメージング方法において、解剖学的器官の特定の平面に関するリアルタイムデータを使用してその器官のモデルが構築され、このモデルを使用し器官の運動が予測され、このモデル予測において、器官運動の作用が他の運動源と分離され、この器官運動における周期ごとの変化が評価される。

１つの実施形態によれば、上述のモデル予測には外れ値の除外が含まれる。

次に、図面を参照しながら本発明の１つまた複数の実施形態について詳しく説明する。本発明のその他の特徴、目的ならびに利点は、以下の説明、図面ならびに特許請求の範囲から読み取ることができる。各図中、同一の参照符号は同じ要素や部材を示すものである。

まずは図１を参照しながら、核磁気共鳴（ＭＲ）トモグラフィイメージング装置について説明する。なお、このＭＲ装置は、リアルタイムのＭＲイメージングデータ取得モードまたは高分解能ＭＲイメージングデータ取得モードのいずれかで選択的に動作できるように構成されている。

この装置にはコイル１〜４を含むマグネットシステムが含まれており、これらのコイル１〜４は電源１１により給電されて均一な基底磁場を生成する。また、マグネットシステム内には、勾配増幅器１２により駆動される勾配コイルシステム７，８が設けられている。勾配コイルシステム７，８は、座標系６の３つの空間方向ｘ，ｙ，ｚにおいて磁場勾配を生成するように構成されている。被検査体５は無線周波数アンテナ９により囲まれており、これは無線周波数伝送ユニット１５とも無線周波数受信ユニット１４とも接続されており、これらのユニットは測定装置１０の外側に配置されている。無線周波数伝送ユニット１５と無線周波数受信ユニット１４は無線周波数システム１６のコンポーネントであり、無線周波数システム１６においてたとえば受信信号がサンプリングされ、位相応動形ないしは位相感応式で復調される。イメージ再構成コンピュータ１７により復調信号からイメージが生成され、これはホストコンピュータ２０へ転送され、ホストコンピュータ２０は、殊に取得済みＭＲイメージングデータと図３を参照しながら説明するプログラムを含むＭＲ装置駆動用プログラムとを格納するためのメモリ１９を有しており、転送されたイメージはモニタ１８に表示される。ユニット全体はコントロールコンピュータ２１により駆動される。ハードウェアのコントロールはコントロールコンピュータ２１が担っており、このコンピュータはホストコンピュータ２０と接続されている。この場合、患者には心臓電極１３が接続されている。患者の心周期を分析するために電気回路２５が使用され、さらにこの回路によって心周期中の適切な時点でコントロールコンピュータ２１を介してホストコンピュータ２０へトリガ信号が出力される。図２には、システムのコントロール全体についていっそう詳しく示されている。

コントロールコンピュータ２１には標準的なＣＰＵが含まれており、そこにおいて実際の測定シーケンスが実行される。このＣＰＵには、少なくとも１つの無線周波数伝送ユニット１５、少なくとも１つの無線周波数受信ユニット１４ならびに３つのディジタル信号プロセッサ（ＤＳＰ）２２，２３，２４が接続されている。割り込みを介して勾配ＤＳＰ２２，２３，２４は、それらのローカルバッファが空になり次第、コントローラＣＰＵに対しデータを要求することができる。さらにこの場合、データの取得とイメージ再構成との同期合わせの目的で、イメージ再構成コンピュータ１７に対するディジタル接続も設けられている。ホストコンピュータ２０へのバスによってホストとコントローラＣＰＵとのリアルタイム接続が維持され、これによりユーザは測定中に測定実行に作用を及ぼすこともできるようになる。

次に図４を参照しながら、本発明によるＭＲイメージングデータ取得プロセスの基本的なステップについて説明する。一般に、リアルタイムの低分解能イメージングデータを利用して所定の空間方向で複数の冠状動脈各々の動きがダイレクトに測定される。この場合、リアルタイムイメージは低い空間分解能であり中庸の時間分解能のイメージであって、図３のＱＲＳ群について示した心臓収縮のポイントに沿って各々３０〜５０ｍｓの単一の短い期間に取得される。

測定された運動は、心周期中のあとのポイントで動脈各々のロケーションを予測するために用いられる。この場合、予測された運動は、図３に示されている高分解能イメージ取得モードのために用いられる。この場合、高分解能イメージは高い空間分解能であり高い時間分解能のイメージであり、各々８〜１０個の心拍にわたり取得される。高分解能イメージングモード中、リアルタイムの動き補正すなわちイメージングプレーンの「オン・ザ・フライon the fly」調整が行われ、これによって低分解能イメージングモードにより得られたデータによって予測されたとおりに、着目対象物体が現時点で位置している場所にイメージングプレーンが適時に動かされる。

さらに詳しく説明すると、図３に示されているように心周期中の特定のポイントで心周期の起点（Ｒ波）からリアルタイムでイメージングが実行される。冠状動脈の運動もこれらのイメージからリアルタイムで抽出される。次の１００〜２００ｍｓにおける冠状動脈の運動は、現在検出されている運動および最近の運動履歴に基づき予測される。その後、抽出された運動に基づき新たなスライスポジションによってイメージ取得が行われる。

図４を参照しながらさらに詳しく説明するとステップ４００において、リアルタイムイメージを用いて冠状動脈のポジションを抽出するためにシステムが起動される。

現在および過去の心拍記録に基づき冠状動脈運動のモデルを構築するために、リアルタイムイメージが用いられる。詳しく説明するとステップ４０２において、冠状動脈運動の作用を呼吸運動から分離するためにフーリエ分析のような何らかの慣用の技術を利用してリアルデータが処理される。次にこのプロセスによればステップ４０４において、心拍ごとの冠状動脈運動の変化が評価される。ステップ４０５において、先行するいくつかの個数の心拍にわたり平均化された代表的な運動パターンを求めることによって、平均運動パターンとは過度に異なっていると判定された運動を伴う心拍（すなわちアウトライアー、外れ値、平均データポイントからの著しい偏移）をこのプロセスによって除外することができる。現在および過去の心拍記録に基づき冠状動脈運動のモデルが構築されたならば、ステップ４０６においてプロセスは、今後の冠状動脈運動を予測するためにモデルを使用する（すなわちプロセスは冠状動脈の予測軌跡を生成する）。

ステップ４１０においてこれが完了するまでモデルが構築される。

モデルが完成したならば、冠状動脈の予測軌跡により得られた予測時点およびポジション推定においてＭＲイメージングデータをとる高分解能データ取得モードで駆動される。

次に図５を参照すると、これまで図４に基づき説明した冠状動脈軌跡を形成するためにプレスキャンモードが用いられる。この場合、ステップ５００においてプロセスは、冠状動脈についてまえもって選択されたビューで自由呼吸のリアルタイムスキャンを捕捉する。冠状動脈運動をトラッキングないしは追跡する目的で、理想的には冠状動脈の完全な３次元運動をトラッキングするのが望ましい。冠状動脈の運動は複雑であるし、取得されるデータの空間分解能と時間分解能との間でトレードオフが存在することから、このプロセスによればイメージングが２つのビューに制限され、つまり短軸と４室のビューに制限される。これら両方のビューにおいて、一般的には冠状動脈を代表する左冠状動脈と右冠状動脈はかなり大きな動きを有する。さらに詳しく説明すると本発明による方法によれば、心臓の向きに関して３つの主要な動脈各々の主運動方向の先験的な知識が利用される。ＬＡＤ冠状動脈は主としてｚ方向で運動するのに対し、ＬＣＸ冠状動脈とＲＣＡ冠状動脈は主としてｘ−ｙ平面で運動する。また、ＬＡＤのｚ運動を、ＬＣＸ冠状動脈とＲＣＡ冠状動脈にも作用するその方向におけるバルク運動ないしはバルクモーションbulk motionを補正するためにも使用することができる。さらにＬＡＤのｚ運動を、その方向におけるバルク運動を補正するために使用することもできる。

この実施例では、リアルタイムデータを利用して取得されたイメージから冠状動脈ポジションを抽出することも、本発明による方法に含まれる。この種のリアルタイムデータ取得イメージおよび心電図（ＥＣＧ）データを利用して本発明による方法によれば、同期合わせとしてＥＣＧデータを用いて取得した現在および過去の心拍に基づきリアルタイムイメージデータを使用し冠状動脈運動のモデルが構築される。このモデル構築には以下のことが含まれる：心運動と呼吸運動の作用を分離すること、冠状動脈運動における心拍ごとの変化を評価すること、ならびに外れ値ないしはアウトライアーを除外すること。ついでこの方法によれば、後続の高分解能データ取得モード用に冠状動脈運動における残りの運動を予測するためにこのモデルが使用される。動脈のイメージングは、取得された高分解能データから得られる。

次にステップ５０２においてプロセスは、何らかの慣用の半自動の技術あるいは自動化された技術を利用して事前に選択されたすべてのビューにおいて、単一または複数の心周期で冠状動脈領域内の冠状動脈または代替となるロケーション（たとえば事前に選択されたビュー内でほとんど常に可視状態にある冠溝）を選択する。

次にこのプロセスによればステップ５０４において、軌跡予測およびトラッキングで利用するため呼吸運動と心運動の双方を合体するモデルが構築される。なお、モデル構築はステップ５０３においてＥＣＣデータと同期合わせされる。また、モデル構築に使用されるデータは、ステップ５１３において以降の更新およびテンプレート生成のために使用される。したがってステップ５１３において最新の軌跡モデルおよびテンプレートがプロセッサに格納され、現在の運動モデルに使用するために、および後続の高分解能データ取得モード中に使用するために用いられる。

この実施例で使用されるトラッキングアルゴリズムは、重みづけられたテンプレート更新または複数のテンプレートとの正規化された相互相関の変化である。この場合、最大値のサーチは正規化された相互相関マトリックスの中心付近の小さい窓に局所化される。これに対する代案は、テンプレートイメージおよびエッジレスポンスの重み付け総和のトラッキングである。以下のいずれかのアプローチによってトラッキング手法を変更することができる：
サブピクセル精度を向上させ達成するためのインタラクティブ技術の利用
ジッタを除去するための（正規化された）特性値としてのポジションおよび速度の利用カルマンフィルタのような何らかの予測フィルタの組み込み
アウトライアーを除外するためのロバストな統計の利用
さらに改善するためのリジッドレジストレーションまたはアフィンレジストレーションの利用
改善（すなわち精度向上）のための局所的な特性（コーナー、曲率等）
冠溝運動のトラッキング後、各心周期間の変動が推定される。トラッキングされたデータは最初に（Savitzky-Golayフィルタリングおよびガウスフィルタの双方あるいは何らかの適切な技術を利用して）フィルタリングされ、ついで単純なヒューリスティックを利用してセグメント化される（拡張終期および収縮終期に対応する溝および隆線を推定するために２次導関数を利用）。短軸ビューにおける底部溝および４室ビューにおける左溝の運動における変動は、呼吸運動がｙ方向にのみ影響を及ぼす４室ビューとは異なり短軸ビューでは呼吸運動がｘ方向とｙ方向の双方に影響を及ぼすことによる。呼吸運動は、同じイメージシーケンスの心臓周囲における僅かな領域の運動をトラッキングすることにより推定される。トラッキングされる領域はこの実施例の場合、肝臓と肺の界面（１）、血管を含む肝臓と心臓の界面（２）、ならびに左心室の重心（３）である。呼吸運動におけるジッタは単純なヒューリスティックにより除外され、データはSavitzky-Golayフィルタおよびガウスフィルタを用いてフィルタリングされる。

いずれにせよステップ５０８において、冠状動脈のポジションをトラッキングするために複数の最適なテンプレートが生成される。

次にプロセッサは、この場合には拡張中期領域における推定のために予測子を学習し、あとで説明するステップ５１８において後続のリアルタイムデータ取得モード中に使用するために冠状動脈のための最適な時間とポジションのウィンドウを計算する。

ステップ５１２において、事前に選択されたビューでリアルタイムイメージが取得される。なお、ステップ５００〜５１０は、運動モデルを構築するために実行される１回のプレスキャンモードである。データ取得モード中、プレスキャンモードにおいて導出されたモデルが心拍ごとに、各心拍についていくつかのリアルタイムデータを最初に取得するために用いられ、その心拍を高分解能データのいくつかについて使用すべきかどうかを判定するために判定実行プロセスが適用され、その後、ステップ５１８〜５２６が続けられる。両方のモードが必要とされる理由は、トラッキング等のためにテンプレートを最適化するためにプレスキャンモードが用いられるからである。

次にステップ５１４では、ステップ５１２において得られたスキャンが、ステップ５１３において更新された運動モデルおよび複数のテンプレートを使ってトラッキングするために用いられ、その際にたとえば慣用の正規化された相互相関／２乗誤差の和、ステップ５１５における処理および慣用のスライスサーボ技術が用いられる。

次にステップ５１６ではこのプロセスにより、ステップ５１０における予測子、ステップ５１４におけるトラッキングの結果およびＥＣＧ（ステップ５０３）のＲ波以降の時間から、ステップ５１０で決定されたように予測可能な運動範囲からの現在の運動データの偏差の度合いに基づき、冠状動脈の高分解能データを取得すべきか否かが判定される。取得すべきでないならばステップ５１２へ戻る。高分解能データ取得モードを開始すべきであるならば、ステップ５１８において投影された窓内の予測スライスポジションで高分解能データが取得される。

なお、特定の心周期においてデータが取得されると、プロセスはステップ５１２におけるリアルタイムスキャニングおよびトラッキングモードに戻り、プロセスが反復される。

次にこのプロセスにより、ステップ５１８において取得された高分解能データが維持されるか廃棄されるかが、その心拍中の運動とステップ５１０で決定された予測可能な運動範囲との比較によって決定され、その際に心周期内の時間と絶対的な運動とが考慮される。廃棄されるのであれば、ステップ５１２においてプロセスは次の心拍においてデータを再び取得する一方、高分解能データを維持すべきであるならば、ステップ５２２においてイメージ再構成のためにそのデータを記憶する。

次にプロセスはステップ５２４において、既述のスキャンの空間分解能要求に従い十分な高分解能データが取得されたか否かを決定する。十分な高分解能データが取得されていなければプロセスはステップ５１２へ戻る一方、十分なデータが取得されていたならば、データ取得モードは終了し、冠状動脈イメージを再構成するため何らかの慣用のプロセスを用いて高分解能データが伝送される。

このように本発明による方法によれば、リアルタイムイメージングと高分解能イメージングとの間で切り換え可能なパルスシーケンスのインプリメンテーションが利用される。さらに詳しくは本発明によるプロセスによれば、リアルタイムイメージングにおいて冠状動脈のポジションが抽出され、現在の心拍と過去の心拍とに基づき冠状動脈運動のモデルが構築される。このモデル構築には以下のことが含まれる：すなわち、心運動と呼吸運動の作用を分離すること、冠状動脈運動における心拍ごとの変化を評価すること、ならびに外れ値ないしはアウトライアーを除外することが含まれる。本発明による方法によれば次にこのモデルを用いて、高分解能取得時間までの冠状動脈の残りの運動が予測される。

したがってこれまで述べてきたように本発明によるプロセスによれば、心臓／動脈のポジションに対する呼吸運動の作用による心臓と動脈の運動が補償されるとともに、１つの心周期中の心臓自体の収縮／拡張の作用も補償される。収縮フェーズ中にデータが取得され、その後、このデータは弛緩フェーズが開始するとそのフェーズにおいてあとで他のデータを取得するために利用される。このプロセスによればスライス励起（スライス選択）およびデータ取得時間が、予測された動きにより動脈が動いたことが指示された場所に基づき変更される。このプロセスは、特定のフレームがイメージ構築での利用に許容できるか否かを単に判定するのではなく、イメージ中の特定の物体の運動の軌跡を形成するために導出された運動が使用される。本発明によるプロセスは、対象物体の周期運動の軌跡に関するいくつかの先験的な情報を用いてスタートし、パラメータスペースに制約を加えるために既述の方法の入力としてこの情報を利用する。これは導出された軌跡であって、ある１つの特定のフレームにおける動きではなく、これによって補償として行う必要のある何らかのスライスシフトの決定に加えて、心周期におけるイメージングの場所を決定することができる。このプロセスは、別個のデータ取得フェーズをトリガするための運動データを使用する。

これまで本発明の複数の実施形態について説明してきたが、自明のように本発明の着想および範囲から逸脱することなく種々の変更を加えることができる。たとえば本発明による方法を、空間的および時間的に位置合わせされたイメージを得る目的で、血流イメージング、梗塞イメージング、機能イメージングのためなど他の種類の心血管ＭＲデータを取得するために、心臓のバルク運動のトラッキングに利用することもできる。他の例は、モデルの派生の適用および適切な領域に対するトラッキングにより胸部または腹部における呼吸運動を補償するために、本発明による方法を利用することである。さらに本発明による方法を、超音波イメージングなど他のイメージングプロセスに適用することもできる。したがってこれ以外の実施形態も特許請求の範囲の範囲に含まれる。

本発明による方法および装置を採用することのできる核磁気共鳴（ＭＲ）トモグラフィイメージング装置の概略図 図１に示した装置のシステムコントローラの構造を詳細に描いたブロック 心周期におけるＱＲＳ群と、リアルタイムの低分解能データ取得モードと、後続の高分解能データ取得モードとの関係を示す図 本発明によるＭＲイメージングデータ取得方法の概略的なフローチャート 本発明によるＭＲイメージングデータ取得方法の詳細なフローチャート

符号の説明

１〜４ コイル
５ 被検査体
６ 座標系
７，８ 勾配コイルシステム
９ 無線周波数アンテナ
１０ 測定装置
１１ 電源
１２ 勾配増幅器
１３ 心臓電極
１４ 無線周波数受信ユニット
１５ 無線周波数測定ユニット
１６ 無線周波数システム
１７ イメージ再構成コンピュータ
１８ モニタ
１９ メモリ
２０ ホストコンピュータ
２１ コントロールコンピュータ
２２，２３，２４ ディジタル信号プロセッサ
２５ 電気回路

Claims (13)

1. ＭＲイメージング方法において、
   複数のリアルタイムイメージングデータから対象物体の動きを予測し、
   予測された対象物体運動を使用して該対象物体の高分解能イメージングデータを取得することを特徴とする方法。
2. イメージング方法において、
   リアルタイムデータ取得モード中、特定の空間配向におけるリアルタイムイメージングデータを使用して対象物体の運動を測定し、
   後続の高分解能イメージ取得モード中、測定された前記運動を使用して、以降の時点における前記対象物体のロケーションを予測することを特徴とする方法。
3. 請求項２記載の方法において、
   前記対象物体は冠状動脈であり、前記以降の時点は心周期であることを特徴とする方法。
4. イメージング方法において、
   リアルタイムイメージングデータ取得モードで作動させてリアルタイムイメージングデータを取得し、
   取得されたリアルタイムイメージングデータを使用して冠状動脈運動を求め、
   求められた運動から、１つの心周期における以降の時点での動脈のロケーションを予測し、
   高分解能データ取得モードで作動させ、予測された動脈ロケーションを使用して動脈の高分解能イメージングデータを取得することを特徴とする方法。
5. 請求項４記載の方法において、
   前記冠状動脈運動をダイレクトに測定することを特徴とする方法。
6. イメージング方法において、
   リアルタイムデータを使用して取得されたイメージから冠状動脈ポジションを抽出し、
   該リアルタイムデータにより取得されたイメージと心電図（ＥＣＧ）データを使用して、冠状運動モデルを構築し、
   該モデルを使用して冠状動脈運動を予測し、
   予測された運動を使用し高分解能データを用いて動脈をイメージングすることを特徴とする方法。
7. 請求項６記載の方法において、
   モデル予測にあたり、心運動と呼吸運動の作用の分離と、冠状動脈運動における心拍ごとの変化の評価と、外れ値の除去を行うことを特徴とする方法。
8. イメージング方法において、
   リアルタイムデータを使用して取得されたイメージから呼吸器官ポジションを抽出し、
   該リアルタイムデータにより取得されたイメージを使用して呼吸器官運動モデルを構築し、
   該モデルを使用して呼吸器官運動を予測し、
   該モデル予測にあたり、呼吸に起因する運動の作用を他の運動形態と分離し、呼吸に起因する呼吸器官運動における周期ごとの変化を評価することを特徴とする方法。
9. 請求項８記載の方法において、
   前記モデル予測にあたり外れ値を除去することを特徴とする方法。
10. 解剖学的器官のイメージング方法において、
    解剖学的器官の特定の平面に関するリアルタイムデータを使用して該器官のモデルを構築し、
    該モデルを使用して前記器官の運動を予測し、
    該モデル予測にあたり、前記器官の運動の作用を他の運動源と分離し、該器官運動における周期ごとの変化を評価することを特徴とする方法。
11. 請求項１０記載の方法において、
    前記モデル予測にあたり外れ値を除去することを特徴とする方法。
12. イメージング方法において、
    心臓配向に関して３つの主要な動脈各々の主運動方向の先験的な情報を使用して、前記動脈のリアルタイムイメージングデータを取得し、
    心周期における以降の時点での動脈各々ロケーションを予測し、
    予測された動脈ロケーションを使用して高分解能イメージングデータを取得することを特徴とする方法。
13. 請求項１２記載の方法において、
    ＬＡＤ冠状動脈は主としてｚ方向で運動するのに対し、ＬＣＸ冠状動脈およびＲＣＡ冠状動脈は主としてｘ−ｙ平面で運動し、ＬＡＤのｚ方向運動をｚ軸に沿ったバルク運動補正に使用することを特徴とする方法。

Images