DE69130108T2 - Abbildung mittels magnetischer Resonanz - Google Patents
Abbildung mittels magnetischer ResonanzInfo
- Publication number
- DE69130108T2 DE69130108T2 DE69130108T DE69130108T DE69130108T2 DE 69130108 T2 DE69130108 T2 DE 69130108T2 DE 69130108 T DE69130108 T DE 69130108T DE 69130108 T DE69130108 T DE 69130108T DE 69130108 T2 DE69130108 T2 DE 69130108T2
- Authority
- DE
- Germany
- Prior art keywords
- array
- data
- tissue
- velocity
- mri
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000002595 magnetic resonance imaging Methods 0.000 title claims description 56
- 238000000034 method Methods 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 41
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 20
- 238000003491 array Methods 0.000 claims description 16
- 210000004369 blood Anatomy 0.000 claims description 15
- 239000008280 blood Substances 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 14
- 230000010363 phase shift Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 3
- 230000003993 interaction Effects 0.000 claims 2
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 210000001519 tissue Anatomy 0.000 description 83
- 230000005284 excitation Effects 0.000 description 20
- 238000003384 imaging method Methods 0.000 description 13
- 210000004556 brain Anatomy 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000000264 spin echo pulse sequence Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000002583 angiography Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000012307 MRI technique Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 101100311330 Schizosaccharomyces pombe (strain 972 / ATCC 24843) uap56 gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000008105 immune reaction Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000002430 laser surgery Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 101150018444 sub2 gene Proteins 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000293 three-dimensional nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
- Diese Erfindung bezieht sich auf Einrichtungen und Verfahren zum Erfassen und bildlichen Darstellen von Oberflächen von stationärem Gewebe und strömendem Blut unter Verwendung von Magnetresonanz-Bildgebungsdaten, und insbesondere auf Systeme zum Unterscheiden zwischen Öberflächen, die mit verschiedenen stationären Gewebetypen zusammenhängen.
- Ein Operateur, der eine invasive Maßnahme am menschlichen Gehirn vornimmt, benötigt ein Verfahren zur Bestimmung eines Bahnverlaufs durch das Gehirn, der große Blutgefäße und kritische Funktionsbereiche meidet. Ein derartiger Bahnverlauf könnte ermittelt werden aus einer dreidimensionalen Darstellung des Gehirns, die deutlich unterscheidet zwischen stationären Gewebetypen sowie zwischen stationärem Gewebe und Gefäßoberflächen. Diese dreidimensionale Darstellung könnte beispielsweise benutzt werden zusammen mit durch den intakten Schädel vorgenommenen stereotaktischen Maßnahmen oder mit einer zwischenräumlichen Laseroperation, bei der die Nadel oder optische Glasfaser, nachdem sie einmal eingeführt wurde, tief in dem Gewebe verborgen ist und nicht sichtbar gemacht werden kann.
- Maßnahmen im Zusammenhang mit dem Knie, der Wirbelsäule sowie mit anderen inneren Körperstrukturen könnten ebenfalls von einer solchen "segmentierten" dreidimensionalen Darstellung profitieren.
- Die Lage von Blutgefäßen in einer inneren Körperstruktur kann festgestellt werden mit Röntgenverfahren, zum Beispiel mit einer radiographischen Angiographie sowie mit einer Computertomographie, indem man ein Kontrastmittel in diese Gefäße einspritzt. Im allgemeinen unterscheiden jedoch Röntgenstrahlen nur schlecht zwischen weichen Gewebetypen und würden somit für eine Unterscheidung zwischen stationären Geweben ungeeignet sein, die beispielsweise mit funktionalen Bereichen des Gehirns zusammenhängen. Auch weisen einige Patienten eine Abwehrreaktion gegen das Kontrastmittel auf, das zur Abbildung von Blut mit Röntgentechniken gebraucht wird. Eine bevorzugte Technik besteht daher darin, eine Magnetresonanz-Bildgebung (MRI) zu benutzen, und zwar sowohl um eine dreidimensionale Darstellung der Gefäßoberflächen als auch der Oberflächen der verschiedenen stationären Gewebetypen zu erzeugen.
- Auf dem einschlägigen Fachgebiet besteht Einverständnis darüber, daß sich dreidimensionale Datenfelder bzw. -arrays, die eine oder mehrere physikalische Körpereigenschaften an regelmäßigen Gitterstellen repräsentieren, durch den Einsatz von MRI erhalten lassen.
- In einem MRI System wird der abzubildende Körper in ein starkes polarisierendes Magnetfeld eingebracht. Jeder Kern, der ein magnetisches Moment besitzt, versucht sich selbst in der Richtung des magnetischen Feldes auszurichten, indem er sich befindet. Dabei führt der Kern jedoch um diese Richtung eine Präzessionsbewegung bei einer charakteristischen Winkelfrequenz (der Lamorfrequenz) aus, die abhängig ist von der Stärke des Magnetfeldes und von den Eigenschaften der spezifischen Kernspezies (der gyromagnetischen Konstante γ des Kerns). Kerne welche dieses Phänomen zeigen, werden hier als "Spins" bezeichnet.
- Wenn eine Substanz, wie zum Beispiel menschliches Gewebe, einem gleichförmigen Magnetfeld (einem polarisierenden Feld B&sub0;) ausgesetzt wird, versuchen die einzelnen magnetischen Momente der Spins in dem Gewebe, sich zu diesem polarisierenden Feld hin auszurichten, führen dabei jedoch eine Präzessionsbewegung in willkürlicher Ordnung bei ihrer charakteristischen Lamorfrequenz aus. Es wird ein resultierendes magnetisches Moment Mz in der Richtung des polarisierenden Feldes erzeugt, jedoch heben sich die willkürlich orientierten magnetischen Komponenten in der dazu senkrechten oder Querebene (x-y Ebene) gegeneinander auf. Wenn jedoch die Substanz oder das Gewebe einem Magnetfeld (HF Anregungspuls) unterworfen wird, das in der x-y Ebene verläuft und in der Nähe der Lamorfrequenz liegt, kann das resultierende ausgerichtete Moment Mz in die x-y Ebene gedreht oder "gekippt" werden, um ein resultierendes magnetisches Quermoment Mt zu erzeugen, das in der x-y Ebene bei der Lamorfrequenz rotiert oder eine Spinbewegung ausführt. Das Ausmaß, in dem das resultierende magnetische Moment Mz gekippt wird, und somit die Größe des resultierenden magnetischen Quermomentes Mt hängen in erster Linie von der zeitlichen Länge sowie von der Größe des angelegten Anregungsimpulses ab.
- Der praktische Wert dieses Phänomens liegt in dem Signal, das von den angeregten Spins ausgesandt bzw. emittiert wird, nachdem der Anregungsimpuls beendet ist. Die Charakteristiken dieses Resonanzsignals, zum Beispiel die Abklingkonstanten T&sub1; und T&sub2; für das Signal, welche den Verlust hinsichtlich der Längsmagnetisierung bzw. in der Phasenkohärenz bei den Spins repräsentieren, stehen in Beziehung zu den physikalischen Eigenschaften des Gewebes, das die angeregten Spins enthält, und können zur Gewinnung von Informationen über den Gewebetyp gemessen werden.
- Eine Bilderstellung aus dem Resonanzsignal erfordert, daß die Komponenten des Resonanzsignals von räumlich getrennten Spins unterschieden und lokalisiert werden. In typischen Fällen erfolgt dies durch Anlegen einer Folge von orthogonalen magnetischen Gradienten an die Spins vor und während der Aufzeichnung des Resonanzsignals. Diese Gradienten veranlassen die Spins an verschiedenen Stellen zu einer Präzessionsbewegung bei unterschiedlichen Resonanzfrequenzen, und zwar abhängig von ihrer Position entlang der Gradientenachse. Somit kann die Position sowie die Signalkomponente der Spins an jeder Position isoliert und identifiziert werden.
- Mit den Charakteristiken von jedem isolierten Komponentensignal ist ein Bildintensitätswert verbunden und wird zusammen mit der identifizierten Position benutzt, um entsprechend den gut bekannten Rekonstruktionstechniken ein Bild aufzubauen. Jeder Intensitätswert und jede Position definieren ein Bildelement (pixel) von dem resultierenden Bild.
- Der Stand der Technik ist voll von Anregungs- und Gradientenfolgen, die dafür ausgelegt sind, daß man sich die besonderen magnetischen Resonanzphänomene nutzbar macht, um in vorteilhafter Weise zwischen Gewebetypen zu unterscheiden. Jede solche Impulsfolge und die Gewinnung eines resultierenden Resonanzsignals wird als ein "Meßzyklus" bezeichnet.
- Eine derartige Folge ist die gut bekannte "Spinecho"-Sequenz (SE). Bei der Spinecho-Sequenz wird ein "180º HF" Impuls einige Zeit nach dem HF Anregungsimpuls angelegt, um die Magnetisierung des Abtastvolumens bzw. Sampels von präzessierenden Kernen um umgefähr 180º zu kippen. In dem Maße, wie die einzelnen Kerne nach dem HF Anregungsimpuls aufgrund von magnetischen Feldinhomogenitäten (T&sub2;') in ihrer Phase verschoben worden sind, kehrt der 180º HF Impuls die akkumulierten Phasenverschiebungen um und veranlaßt, daß diese Kerne ihre Phase wieder aufzunehmen bzw. zu rephasieren beginnen. Zur Zeit (TE/2) nach dem 180º HF Impuls, gleich der Verzögerung zwischen dem HF Anregungsimpuls und den 180º Impulsen, sind die Kerne in Phase und erzeugen ein "Spinecho". Die Amplitude dieses Spinechos ist kleiner als die anfängliche Amplitude der freien Induktionsabnahme (FID), und zwar als Ergebnis der T&sub2; Dephasierung. Diese T&sub2; Abnahme wird nicht von dem 180º HF Impuls rückgängig gemacht. Damit kann die relative Amplitude von zwei oder mehr Spinechos benutzt werden, um direkt T&sub2; ohne einen Beitrag von T&sub2;' abzuleiten. Allgemein ist die Amplitude des Spinechos von einem gegebenen Volumenelement des abgebildeten Objekts:
- S&sub1; = Pe-TE/T2 (1 -e-TE/T2) (1)
- Dabei ist P proportional zu der Dichte der Spins in diesem Volumenelement.
- Die Spinecho-Impulsfolge ist allgemein beschrieben in "Magnetic Resonance Imaging, Principles and Applications" von D. N. Kean und M. A. Smith sowie in den dort zitierten Referenzen.
- Eine zweite Abbildungssequenz ist die "Gradienten-Erinnerungs- Echo"-Sequenz (GRE). Bei der Gradienten-Erinnerungs-Echo- Sequenz wird ein negativer Gradient zur Dephasierung der Spins benutzt, die sodann mittels eines positiven Gradienten zur Erzeugung eines Gradientenechosignals rephasiert werden. Die Amplitude des Gradientenechos von einem gegebenen Volumenelement des abgebildeten Objekts beträgt:
- S&sub2; = Pe-TE/T2(1 - e-TE/T2)sin(α)/1-cos(α)e-TE/T1 (2)
- Dabei ist α der "Kippwinkel" der Spins von der z-Achse, wie er durch den 180º HF Impuls erzeugt wird.
- Zusätzlich zur Verwendung von MRI, um Informationen hinsichtlich der statischen physikalischen Eigenschaften von Gewebe zu sammeln, gibt es eine Anzahl von gut bekannten MRI Techniken, um in einem interessierenden Gebiet die Bewegung oder Strömung von Fluiden, zum Beispiel von Blut, zu messen.
- Ein solches Verfahren ist das "Laufzeit"- (time-of-flight) Verfahren, bei dem eine Anhäufing bzw ein Bolus von Spins angeregt wird, wenn er an einer spezifischen stromaufwärtigen Stelle vorbeifließt, und der Zustand des resultierenden Resonanzsignals wird an einer stromabwärtigen Stelle untersucht, um die Geschwindigkeit des Bolus zu bestimmen. Dieses Verfahren ist über viele Jahre benutzt worden, um die Strömung in Rohren zu messen, und es wurde in den letzten Jahren benutzt, um die Blutströmung in menschlichen Gliedmaßen zu messen. Beispiele Blutströmung in menschlichen Gliedmaßen zu messen. Beispiele für dieses Verfahren sind beschrieben in den US-Patenten No. 3 559 044, 3 191 119, 3 419 793 und 4 777 957. Die Verwendung der oben beschriebenen GRE Sequenzen zur Vornahme von Laufzeitmessungen ist wohlbekannt.
- Eine Unterklasse von Laufzeitverfahren enthält "Einströmungs/- Ausströmungsverfahren", bei denen die Spins in einem einzelnen lokalisierten Volumen oder Schnitt (slice) angeregt werden, und bei denen die Änderung in dem resultierenden Resonanzsignal eine kurze Zeit später untersucht wird, um die Auswirkungen der angeregten Spins, die aus dem Volumen oder dem Schnitt herausgeströmt sind, zu messen, sowie die Effekte von unterschiedlich angeregten Spins, die in das Volumen oder in den Schnitt hineingeströmt sind. Beispiele für dieses Verfahren sind beschrieben in den US-Patenten No. 4 574 239, 4 532 473 und 4 516 582 sowie in "Three-Dimensional-Time-of-Flight Magnetic Resonance Angiography Using Spin Saturation" von C. L. Dumoulin et al. veröffentlicht in Magnetic Resonance In Medicine, Nr. 11, Seiten 35-46 (1989).
- Eine dritte Meßtechnik ist das "Phasenkontrastverfahren", das auf der Tatsache beruht, daß ein von den entlang einem magnetischen Feldgradienten strömenden Spins erzeugtes Resonanzsignal eine Phasenverschiebung zeigt, die proportional zu der Geschwindigkeit der Spins ist. Es werden zwei Signale gewonnen, eines zum Erstellen einer Referenz und eines zum Bestimmen der Phasenverschiebung proportional zur Geschwindigkeit entlang dem besonderen Gradienten. Wo die Strömungsrichtung bekannt ist oder die Strömungskomponente in lediglich einer Richtung erwünscht ist, sind zwei MRI Meßzyklen ausreichend. Andernfalls wird die Sequenz für jeden Gradienten für insgesamt sechs Ermittlungen wiederholt, um die Strömung entlang jeder der drei orthogonalen Gradientenachsen zu bestimmen. Dieses Verfahren wird als das Sechs-Punkt-Verfahren bezeichnet und ist in dem gemeinsamen zugeordneten US-Patent 4 918 386 beschrieben, das am 17. April 1990 ausgegeben worden ist.
- Eine Verbesserung bei diesem Phasenkontrastverfahren, welche erkennt, daß sich alle drei Strömungsmessungen entlang den Gradientenachsen das Referenzsignal teilen können, ist beschrieben in der Patentanmeldung EP-A-0 470 843 der Anmelderin. Dieses Verfahren wird als "abgeglichenes Vier-Punkt-Verfahren" bezeichnet und bietet eine kürzere Erfassungszeit sowie ein verbessertes Signal/Rauschverhältnis.
- Es ist bekannt, MRI Daten zu benutzen, um strömendes Blut von stationärem Gewebe mittels der oben beschriebenen Strömungsabbildungstechniken zu unterscheiden. Weiterhin können zwei oder mehr konventionelle MRI Sequenzen, zum Beispiel die oben beschriebene Spinecho-Sequenz, benutzt werden, um verschiedene Typen von stationärem Gewebe zu unterscheiden oder zu kontrastieren.
- Die Benutzung einer einfachen Schwelle zur Unterscheidung zwischen stationären Gewebetypen basierend auf den Daten von einer einzelnen MRI Sequenz wird im allgemeinen nicht erfolgreich sein. In jedem durch diese Schwelle erstellten vorgegebenen Bereich wird es mehrfache stationäre Gewebetypen geben.
- Dieses Problem läßt sich überwinden, indem man die Daten von jeder der zwei Spinecho-Sequenzen verwendet, die darauf eingerichtet sind, kontrastierende Eigenschaften des stationären Gewebes zu messen. Die beiden Datensätze werden dann benutzt, um eine zweidimensionale Streukurve bzw. ein Streubild zu erzeugen, bei der die Abzissen und Ordinaten der Punkte auf der Streukurve von den Werten von entsprechenden Daten in jeder der beiden Datensätze bestimmt werden.
- Repräsentative Gewebetypen werden für bestimmte Punkte auf der Streukurve identifiziert, und die Oberfläche der Streukurve wird partitioniert gemäß der berechneten Verteilungswahrscheinlichkeit basierend auf der Statistik dieser wenigen Punkte. Diese Partitionierung der Streukurve erzeugt eine Merkmalskarte, die zur Klassifizierung der übrigen Daten der beiden gewonnenen Datensätze benutzt werden kann.
- Die Trennung von stationären Gewebetypen und die Unterscheidung von Gefäßoberflächen gemäß dieser Technik erfordert drei separate Abbildungssequenzen: zwei konventionelle MRI Sequenzen, um eine Unterscheidung zwischen stationären Gewebetypen vorzusehen, und zwar unter Anwendung der Streukurve und der Merkmalskarte, sowie eine Strömungsabbildungssequenz, um Gefäßoberflächen deutlich abzugrenzen. Die Notwendigkeit für die Benutzung von drei Sequenzen mit in großem Umfang voneinander sich unterscheidenden Abbildungsparametern macht dieses Verfahren in unerwünschter Weise zeitaufwendig.
- Die US-A- 4 918 386 der Anmelderin beschreibt ein Verfahren für den gleichzeitigen Erhalt eines dreidimensionalen Magnetkernresonanz- (NMR) Angiographiebildes von sich bewegenden Spins, wie sie mit einer Fluidströmung in einem Bereich eines Sampels aus einem lebenden Organismus in Verbindung stehen, sowie zum Erhalt eines dreidimensionalen NMR Bildes von stationärem Gewebe in demselben Abtastbereich, indem man das Sampel in ein statisches Hauptmagnetfeld eintaucht, indem man die Kernspins in einer Anregungs-Untersequenz für jede von mehreren NMR Sequenzen einer Nutation unterwirft, und indem man einen strömungskodierenden magnetischen Feldgradienten erzeugt, der so gewählt ist, daß er ein resultierendes NMR Antwort-Echosignal von dem Spin eines im wesentlichen stationären Kerns veranlaßt. Die gewonnenen Antwortdaten werden prozessiert, um mindestens einen der folgenden Datensätze vorzusehen: (1) einen Differenzdatensatz, aus dem von stationären Kernen erhaltene Antwortdaten im wesentlichen entfernt worden sind; (2) einen Summenda tensatz, aus dem von sich bewegenden Kernen erhaltene Antwortdaten im wesentlichen entfernt worden sind, und (3) einen Satz von Phasendaten, welche die Strömungsrichtung für im Datensatz (1) erhaltene Strömungsamplituden angeben, um sowohl ein Angiographiebild zu erzeugen, das in einer ausgewählten Ebene in einem dreidimensionalen Volumen liegt, als auch ein Bild von dem stationären Gewebe in derselben Ebene.
- Gemäß der Erfindung wird ein Verfahren zum Erzeugen eines dreidimensionalen Modells entsprechend dem Anspruch 1 angegeben.
- Weiterhin wird gemäß der Erfindung ein Segmentierungssystem zum Erzeugen von dreidimensionalen Modellen mit den im Anspruch 8 aufgeführten Merkmalen angegeben.
- Die vorliegende Erfindung macht Gebrauch von zwei kontrastierenden Bildarrays, um stationäres Gewebe von strömendem Blut zu unterscheiden, und um weiterhin zwischen stationären Gewebearten zu unterscheiden.
- Im Einzelnen wird ein Datenarray V erzeugt, das die Strömung der Spins angibt, sowie ein Datenarray M, das im wesentlichen unempfindlich gegenüber der Strömung der Spins ist. Die Datenarrays bzw. -felder V und M werden sodann verknüpft, um ein drittes Array von Datenwerten zu erzeugen, das benutzt wird, um Gewebe und Blut zu trennen. In einer Ausführung werden beide Datenarrays aus denselben hinsichtlich der Strömung empfindlichen MRI Meßzyklen abgeleitet. Als Alternative kann das Datenarray M aus einem separaten Meßzyklus erzeugt werden, der z. B. eine Spinecho-Sequenz verwendet.
- Es wird eine begrenzte Anzahl von Datenpunkten aus den Datenwerten ausgewählt, und jeder Datenpunkt wird seinem Gewebetyp zugeordnet. Die Datenpunkte werden so ausgewählt, daß sie ungefähr gleichmäßig über mindestens zwei Typen von stationärem Gewebe sowie strömendes Gewebe verteilt sind. Die Werte von diesen Datenpunkten werden benutzt, um die restlichen Datenwerte auf die Gewebetypen aufzuteilen.
- Eine Aufgabe der Erfindung liegt in der Vermeidung des zeitaufwendigen Schrittes für die Gewinnung von zusätzlichen MRI Daten zur gegenseitigen Trennung von stationären Geweben, und zwar über die Daten hinaus, die erforderlich sind, um stationäres Gewebe von strömendem Blut zu trennen. Es wird festgestellt, daß stationäre Gewebe angemessen unterschieden werden können unter Verwendung der während der strömungsempfindlichen MRI Messungen gesammelten Daten. Dieselben Daten werden dann benutzt, um zwischen den Klassen von stationärem Gewebe und dem strömenden Blut zu unterscheiden.
- In einer zweiten Ausführung werden zwei Sätze von kontrastierenden Daten verwendet, um die Daten mit einer Anzahl von pyhsikalischen Strukturen in Übereinstimmung zu bringen, ohne die Daten in willkürliche statistische Modelle zu zwingen.
- Im Einzelnen wird ein reguläres Array bzw. Feld von Datenwerten gewonnen und gespeichert. Ein begrenztes Sampel von Datenpunkten wird ausgewählt, gleichmäßig über die physikalischen Strukturen verteilt, und jedes mit einer physikalischen Struktur in Übereinstimmung gebracht. Die restlichen Datenwerte werden sodann der physikalischen Struktur von dem Datenpunkt zugeordnet, dessen Werte am nächsten zu dem Datenwert liegen.
- Es ist somit eine weitere Aufgabe der Erfindung, die Datenwerte sauber in eine Anzahl von Klassen zu trennen, die physikalische Strukturen repräsentieren. Im Fall von Gewebe ist es bekannt, daß gleiches Gewebe eigentlich einen Bereich von Datenwerten annehmen kann, und daß der beobachtete Bereich nicht notwendig einen statistischen Fehler um einen Mittelwert herum repräsentiert. Bei Fehlen einer anderen unabhängigen Kenntnis über die physikalischen Parameter der Strukturen stellt das Auswählen des am nächsten liegenden Datenpunktes die beste Abschätzung für den Gewebetyp eines bestimmten Datenwertes dar.
- Die vorhergehenden sowie weitere Aufgaben und Vorteile der Erfindung werden aus der folgenden Beschreibung deutlich werden. In der Beschreibung wird Bezug genommen auf die beigefügten Zeichnungen, die einen Teil hiervon bilden, und in denen im Wege einer Illustration eine bevorzugte Ausführungsform der Erfindung gezeigt ist. Eine solche Ausführung stellt jedoch nicht notwendig den vollen Umfang der Erfindung dar, und es wird deshalb zur Erläuterung des Schutzumfangs der Erfindung Bezug genommen auf die Ansprüche.
- Fig. 1 ist ein Blockschaltbild eines MRI Systems, das die vorliegende Erfindung verwendet;
- Fig. 2 ist ein Blockschaltbild des Transceivers, der einen Teil des MRI Systems in Fig. 1 bildet;
- Fig. 3A-3D sind grafische Darstellungen der MRI Impulsfolgen, die zur Datenermittlung für die Messung der Geschwindigkeit der Spins benutzt werden;
- Fig. 4 ist eine bildliche Darstellung, wie ein Referenz- und Geschwindigkeitsbild aus MRI Daten rekonstruiert wird, die unter Benutzung der Pulsfolgen von Fig. 3 gewonnen wurden;
- Fig. 5 ist eine bildliche Darstellung, wie das Referenz- und Geschwindigkeitsbild von Fig. 4 gemäß der vorliegenden Erfindung benutzt wird, um Gewebe und Blutströmungsoberflächen zu segmentieren;
- Fig. 6 ist ein typisches Streubild eines einzelnen Schnitts (slice) von MRI Daten, das die Anhäufung von Datenpunkten von verschiedenen Gewebearten zeigt und das beim Auswählen von Abtastdatenpunkten für den Prozeß der Datensegmentierung nach der vorliegenden Erfindung nützlich ist; und
- Fig. 7 ist eine bildliche Darstellung, wie die segmentierten Daten für den Aufbau eines dreidimensionalen Modells der Gewebe- und Blutoberflächen benutzt wird.
- Unter Bezugnahme auf Fig. 1 sind dort in Form eines Blockschaltbildes die hauptsächlichen Komponenten eines bevorzugten MRI Systems gezeigt, das die vorliegende Erfindung enthält, und das von der General Electric Company unter dem Warenzeichen "SIGNA" vertrieben wird. Der insgesamte Betrieb des Systems erfolgt unter der Steuerung eines allgemein mit 100 bezeichneten Haupt- bzw. Hostrechners, der einen Hauptrechner 101 (Data General MV4000) enthält. Der Rechner 100 weist eine Schnittstelle 102 auf, über die eine Reihe von Peripheriegeräten des Rechners sowie andere MRI Systemkomponenten mit dem Hauptrechner 101 gekoppelt sind. Unter den Peripheriegeräten des Rechners befindet sich ein Magnetband-Laufwerk 104, das unter der Regie vom Hauptrechner 101 zum Archivieren der Patientendaten sowie der Bilddaten auf Band benutzt werden kann. Prozessierte Patientendaten können ebenfalls auf einem mit 110 bezeichneten Bildplatten-Speichergerät gespeichert werden. Ein Feld- bzw. Arrayprozessor 106 wird zur Vorverarbeitung von gewonnenen MRI Daten sowie für die Bildrekonstruktion benutzt. Die Funktion des Bildprozessors 108 besteht darin, eine interaktive Bildanzeige-Handhabung vorzusehen, zum Beispiel eine Vergrößerung, einen Bildvergleich, eine Grauwerteinstellung sowie eine bildliche Darstellung in Echtzeit. Der Bildprozessor 108 erlaubt weiterhin die bildliche Darstellung der Streukurve sowie der Merkmalskarte, die zur Unterscheidung von Gewebetypen benutzt wird, wie das weiter unten erörtert wird. Das Rechnersystem 100 enthält ebenfalls eine Einrichtung, um MRI Rohdaten (d. h. vor dem Bildaufbau) zu speichern, welche Einrichtung ein mit 112 bezeichnetes Plattenspeichersystem für Daten verwendet. Eine Bedienerkonsole 116 ist ebenfalls mit dem Hauptrechner 101 über die Schnittstelle 102 verbunden und schafft für den Bediener die Mittel zur Eingabe von für eine Patientenuntersuchung passenden Daten sowie für zusätzliche Daten, die für einen ordnungsgemäßen Betrieb des MRI Systems notwendig sind, zum Beispiel für die Eichung, die Einleitung sowie den Abschluß von Abtastungen. Die Bedienerkonsole wird ferner für die Anzeige von auf der Platte oder auf Magnetband gespeicherten Bildern benutzt sowie von Bildern, die von dem Bildprozessor 108 erstellt werden.
- Das Rechnersystem 100 übt seine Steuerung über das MRI System aus mittels einer Systemsteuerung 118 sowie eines Gradientenverstärkersystems 128. Unter der Regie eines gespeicherten Programms kommuniziert der Rechner 100 mit der Systemsteuerung 118 in einer auf dem Fachgebiet bekannten Weise über ein serielles Kommunikationsnetzwerk 103 (z. B. das Ethernet-Netzwerk). Die Systemsteuerung 118 enthält verschiedene Untersysteme, zum Beispiel ein Pulssteuermodul (PCM) 120, einen Hochfrequenz- Transceiver 122, ein Statussteuermodul (SCM) 124 sowie allgemein mit 126 bezeichnete Spannungsversorgungen. Das PCM 120 verwendet unter der Programmsteuerung vom Hauptrechner 101 erzeugte Steuersignale, um digitale Wellenformen zu erzeugen, welche die Erregung der Gradientenspule steuern, sowie von HF Einhüllenden-Wellenformen, die in dem Transceiver 122 für die Modulation der HF Erregungspulse verwendet werden. Die Gradientenwellenformen werden an das Gradientenverstärkersystem 128 angelegt, das die Gx, Gy bzw. Gz Verstärker 130, 132, bzw. 134 enthält. Jeder Verstärker 130, 132 und 134 wird für die Erregung einer entsprechenden Gradientenspule in einer mit 136 bezeichneten Baugruppe benutzt, die Teil einer Magnetbaugruppe 146 ist. Im Betrieb erzeugen die Gradientenspulen Magnetfeldgradienten Gx, Gy und Gz.
- Die magnetischen Gradientenfelder werden in Kombination mit HF Impulsen benutzt, die von dem Transceiver 122, dem HF Verstärker 123 und der HF Spule 138 erzeugt werden, um räumliche Informationen in die MRI Signale einzukodieren, die von dem Gebiet des Patienten ausgehen, das gerade untersucht wird. Von dem Pulssteuermodul 120 bereitgestellte Wellenformen sowie Steuersignale werden von dem Transceiver-Subsystem 122 zur HF Trägermodulation sowie zur Modussteuerung benutzt. Im Sendemodus liefert der Sender ein HF Signal an einen HF Leistungsverstärker 123, welcher dann HF Spulen 138 speist, die sich in einer Hauptmagnetbaugruppe 146 befinden. Die von den angeregten Spins in dem Patienten abgestrahlten Resonanzsignale werden von derselben oder einer anderen als der für das Senden benutzten HF Spule abgefühlt. Die Signale werden in dem Empfängerabschnitt des Transceivers 122 detektiert, verstärkt, demoduliert, gefiltert und digitalisiert. Die verarbeiteten Signale werden an den Hauptrechner 101 übertragen mittels einer zugeordneten (dedicated) in einer Richtung wirkenden digitalen Hochgeschwindigkeitsverbindung 105, welche die Schnittstelle 102 und den Transceiver 122 miteinander verbindet.
- Das PCM 120 sowie das SCM 124 sind unabhängige Subsysteme, die beide über eine serielle Kommunikationsverbindung 103 mit dem Hauptrechner 101, mit Peripheriesystemen, zum Beispiel einem Positionierungssystem 152 für den Patienten, sowie miteinander in Verbindung treten. Das PCM 120 und das SCM 124 enthalten jeweils einen 16-Bit Mikroprozessor (z. B. Intel 8086) zur Verarbeitung der Befehle von dem Hauptrechner 101. Das SCM 124 enthält Einrichtungen zur Gewinnung von Informationen bezüglich der Position des Patiententisches sowie bezüglich der Position des (nicht gezeigten) beweglichen Lichtfächerbündels für die Ausrichtung des Patienten. Diese Informationen werden von dem Hauptrechner 101 für die Modifikation der Bildanzeige (display) sowie der Rekonstruktionsparameter benutzt. Das SCM 124 initiiert ebenfalls Funktionen, zum Beispiel die Betätigung der Patiententransport- und Ausrichtungssysteme.
- Die Gradientenspulenbaugruppe 136 sowie die HF Sende- und Empfängerspulen 138 sind innerhalb der Bohrung des Magneten montiert, der für die Erzeugung des polarisierenden Magnetfeldes benutzt wird. Der Magnet bildet einen Teil der Hauptmagnetgruppe, die das Patientenausrichtungssystem 148, eine Spannungsversorgung 140 für die Shimspule sowie eine Spannungsversorgung 142 für den Hauptmagneten enthält. Die Hauptspannungsversorgung 142 wird benutzt, um das von dem Magneten erzeugte polarisierende Magnetfeld auf die richtige Betriebsstärke von 1,5 Tesla zu bringen, und wird sodann abgetrennt.
- Um eine Störung bzw. Interferenz seitens externer Quellen möglichst gering zu halten, sind die MRI Systemkomponenten mit dem Magneten, der Gradientenspulenbaugruppe und den HF Sende- und Empfängerspulen sowie die Geräte für das Handling des Patienten in einem hochfrequenzmäßig abgeschirmten Raum untergebracht, der allgemein mit 144 bezeichnet ist. Die Abschirmung erfolgt im allgemeinen durch ein Abschirmnetz aus Kupfer oder Aluminium, das den gesamten Raum umschließt. Das Abschirmnetz dient dazu, die von dem System erzeugten HF Signale zurückzuhalten, während es gleichzeitig das System gegenüber außerhalb des Raumes erzeugten HF Signalen abschirmt.
- Bezugnehmend insbesondere auf die Fig. 1 und 2 enthält der Transceiver 122 Komponenten, die den HF Anregungsimpuls über den Leistungsverstärker 123 in einer Spule 138A erzeugen, sowie Komponenten, die das resultierende in einer Spule 138B induzierte Resonanzsignal empfangen. Die Basis- oder Trägerfrequenz des HF Anregungsfeldes wird von einem Frequenzsynthesizer 200 erzeugt, der über die Kommunikationsverbindung 103 von dem Hauptrechner 101 einen Satz von digitalen Signalen erhält. Diese digitalen Signale geben die Frequenz an, die an einem Ausgang 201 mit einer Auflösung von einem Hertz erzeugt werden sollen. Dieser vorgegebene HF Träger wird an einen Modulator 202 angelegt, wo er als Antwort auf über die Leitung 203 empfangene Signale frequenz- sowie amplitudenmoduliert wird, und das resultierende HF Anregungssignal wird ein- und ausgeschaltet als Antwort auf ein Steuersignal, das von dem PCM 120 über die Leitung 204 empfangen wird. Die Größe des HF Anregungspulses, der auf der Leitung 205 ausgegeben wird, wird gedämpft mittels einer Sendedämpfungsschaltung 206, die ein digitales Signal von dem Hauptrechner 101 über die Kommunikationsverbindung 103 erhält. Die gedämpften HF Anregungspulse werden an den Leistungsverstärker 123 angelegt, der die HF Sendespule 138A speist.
- Weiterhin bezugnehmend auf die Fig. 1 und 2 wird das von den angeregten Spins in dem Subjekt bzw. Patienten erzeugte Resonanzsignal von der Empfängerspule 138B aufgenommen und an den Eingang eines Empfängers 207 angelegt. Der Empfänger 207 verstärkt das Resonanzsignal, und dies Signal wird abgeschwächt um einen Betrag, der von einem digitalen Dämpfungssignal bestimmt wird, das über die Verbindung 103 von dem Hauptrechner 101 erhalten wird. Der Empfänger 207 wird ebenfalls von einem Signal auf der Leitung 208 von dem PCM 120 ein- und ausgeschaltet, so daß das Resonanzsignal lediglich über diejenigen Zeitintervalle gewonnen wird, die von der jeweiligen durchgeführten (Daten)Gewinnung angefordert werden.
- Das empfangene Resonanzsignal wird mit einem Quadraturdetektor 209 demoduliert, um zwei Signale I und Q zu erzeugen, die von einem Paar von gemeinsam mit 215 bezeichneten Analog-Digitalumsetzern erhalten werden. Der Quadraturdetektor 209 empfängt ebenfalls ein HF Referenzsignal von einem zweiten Frequenzsynthesizer 210, und dieser wird von dem Quadraturdetektor 209 verwendet, um die Amplitude der Komponente des Resonanzsignals abzufühlen, die in Phase mit der HF Referenz (I Signal) ist sowie die Amplitude derjenigen Komponente des Resonanzsignals, die um 90º dazu in der Phasen verschoben ist (Q Signal).
- Die I und Q Komponenten des empfangenen Resonanzsignals werden über die gesamte Datengewinnungsperiode kontinuierlich bei einer Abtastrate von 64 kHz von dem A/D Umsetzer 215 abgetastet bzw. gesampelt sowie digitalisiert. Es wird ein Satz von 256 Digitalzahlen gleichzeitig für jede I und Q Komponente des Resonanzsignals gewonnen, und diese Digitalzahlen werden über die serielle Verbindung 105 an den Hauptrechner 101 weitergeleitet. Jedes Zahlenpaar ist dabei gedacht als komplexer Wert von I + iQ.
- Das MRI System von Fig. 1 führt eine Reihe von Pulssequenzen aus, um genügend Daten zur Rekonstruktion der gewünschten Geschwindigkeit sowie des stationären Bildes zu sammeln. Unter Bezugnahme insbesondere auf Fig. 3A handelt es sich bei der Referenzpulssequenz um eine konventionelle genullte Gradientenechosequenz mit einem Moment erster Ordnung, bei der ein selektiver HF Anregungsimpuls 300 in Gegenwart eines Gz Schnittauswahl-Gradientenpulses 301 an den Patienten angelegt wird. Der Anregungsimpuls 300 besitzt einen Kippwinkel α, wobei α einen typischen Wert von 30º besitzt. Um das Resonanzsignal 303 zu kompensieren, das zu einer Zeit TE nach dem Anregungsimpuls 300 für die von dem Schnittauswahl-Gradientenpuls 301 bewirkten Phasenverschiebungen erzeugt wird, und um das Resonanzsignal 303 gegenüber der Geschwindigkeit längs der z Achse unempfindlich zu machen, werden ein negativer Gz Gradientenpuls 304 gefolgt von einem positiven G2 Gradientenpuls 305 in der im US- Patent No. 4,731,583 beschriebenen Weise erzeugt. Diese Technik macht Gebrauch von der Tatsache, daß die von den mit konstanter Geschwindigkeit strömenden Spins bewirkte Phasenverschiebung eine Funktion von dem "Moment" der Gradienten entlang der Bewegungsachse ist. Das Moment des Gradienten, welches nicht mit dem magnetischen Moment der Spins zu verwechseln ist, beträgt allgemein:
- Dabei ist Gz(t) die Amplitude des Gradienten Gz über der Zeit, und n stellt die Ordnung des Moments dar. Indem man die Momente nullter und erster Ordnung auf Null setzt, reduziert man die von der konstanten Geschwindigkeit der Spins bewirkte Phasenverschiebung.
- Beispielsweise wird das Moment von Gz kompensiert, indem man den Impuls 304 mit derselben Breite, jedoch mit dem entgegengesetzten Vorzeichen wie beim Impuls 301 benutzt, und indem der Impuls 305 von der halben Breite und von derselben Höhe wie der Impuls 301 ist. Während die Impulse 304 und 305 hinsichtlich der Geschwindigkeit längs der z Achse kompensieren, sind für Fachleute auf diesem Gebiet auch komplexere Gradientenwellenformen für eine Kompensation hinsichtlich der Beschleunigung und selbst höherer Ordnungen der Bewegung bekannt.
- Zur Positionskodierung des Resonanzsignals 303 wird ein phasenkodierender Gy Gradientenpuls 306 an den Patienten angelegt, und zwar kurz nach dem Anlegen des HF Anregungsimpulses 300. Wie auf dem Fachgebiet bekannt ist, enthält ein vollständiger Scan bzw. eine vollständige Abtastung eine Reihe von diesen Impulssequenzen, wobei der Wert des Gy phasenkodierenden Impulses durch eine Reihe von z. B. 256 diskreten Phasenkodierwerten schrittweise hindurchgeführt wird, um die Position der das Resonanzsignal entlang der y Achse erzeugenden Spins zu lokalisieren.
- Die Position entlang der x Achse wird lokalisiert durch einen Gx Gradientenpuls 307, der erzeugt wird, wenn das Gradientenecho-Resonanzsignal 303 gewonnen wird, und dessen Frequenz das Resonanzsignal 303 kodiert. Im Unterschied zum Gy phasenkodierenden Gradientenpuls 306 bleibt der Gx Lesegradientenpuls 307 während der gesamten Abtastung auf einem konstanten Wert. Um das Gradientenecho 303 zu erzeugen, und um es unempfindlich hinsichtlich der Geschwindigkeit längs der x Richtung zu machen, gehen die Gradientenpulse 308 und 309 dem Gradientenpuls 307 voraus, wie das im US-Patent No. 4,731,583 angegeben wird.
- Das Resonanzsignal 303 wird von dem Systemtransceiver 122 gewonnen und zu einer Reihe von 256 komplexen Zahlen digitalisiert, welche in dem Speicher des Hauptrechners 101 gespeichert werden. Für jeden Wert des Gy phasenkodierenden Gradienten wird ein Resonanzsignal 303 erzeugt, erfaßt, digitalisiert und in einer separaten Reihe von komplexen Zahlen gespeichert. Dieser Vorgang wird wiederholt für verschiedene von dem Gz Quadranten ausgewählte Schnitte, um eine dreidimensionale Nx · Ny · Nz (d. h. 256 · 128 · 128) Matrix von komplexen Zahlen zu erhalten, die in dem Rechner 101 gespeichert werden.
- Die so erzeugten Resonanzsignale können, wenn keine strömungsempfindlichen Gradienten angewendet werden, in einer Fourier- Transformation zu einem konventionellen MRI Bilddatensatz transformiert werden. Auf diese Bilddatenangabe wird hier Bezug genommen als auf den Referenz-Bilddatensatz S&sub0; und er wird benutzt zur Berechnung des Referenz-Phasenbildes φ&sub0;, wie das nachfolgend beschrieben wird.
- Es werden drei zusätzliche Meßzyklen durchgeführt, um die zur Ausführung der vorliegenden Erfindung benötigten Daten zu gewinnen. Diese Meßzyklen verwenden die Pulssequenz von Fig. 3A mit einem wichtigen Unterschied: die Momente der Gradienten unterscheiden sich selektiv von den kompensierten Momenten der Pulssequenz von Fig. 3A, so daß die Strömung der Spins als Phasenverschiebung erfaßbar wird.
- Im Einzelnen werden während jedem anschließenden MRI Meßzyklus magnetische Feldgradientenmomente ausgewählt, um das Resonanzsignal 303 im Hinblick auf die Geschwindigkeit entlang einem Paar der drei kartesischen Koordinaten empfindlich zu machen. Diese bewegungskodierenden Feldgradienten werden von denselben Spulen erzeugt, welche die lagekodierenden Gradienten Gx, Gy, und Gz in der Pulssequenz von Fig. 3A erzeugen.
- In speziellerer Hinsicht wird, nachdem die Referenzmessung unter Benutzung der Pulssequenz von Fig. 3A gemacht worden ist, eine erste bewegungskodierende Messung mit den in Fig. 3B gezeigten zusätzlichen Gradientenpulsen 310-313 durchgeführt. Diese zusätzlichen Gradientenpulse 310-313 werden zu den bewegungskompensierten Gradientenpulsen von Fig. 3A hinzugefügt, und sie erzeugen neue Gradienten entlang den entsprechenden x und y Achsen. Diese zusätzlichen Gradientenpulse 310/311 sowie 312/313 machen das anschließende MRI Signal 303 empfindlich für die Geschwindigkeit der sich entlang den x und y Achsen bewegenden Spins.
- Die Fläche Ax jedes Impulses 310 und 311 ist dieselbe, und sie sind voneinander um eine Zeit tx im Abstand angeordnet. Der Wechsel in dem ersten Moment von dem der Pulssequenz von Fig. 3A, die zu Null kompensiert wurde, beträgt deshalb ΔMx&sub1; = Axtx. In gleicher Weise weisen die Impulse 312 und 313 je eine Fläche Ay auf, sind voneinander um die Zeit ty im Abstand angeordnet und erzeugen eine erste Momentänderung ΔMy1 = Ayty. Wie früher erörtert wurde, bestimmen diese ersten Momentänderungen ΔMx&sub1; und ΔMy&sub1; die Empfindlichkeit hinsichtlich der Geschwindigkeit, die typischerweise gesteuert wird, indem man die Flächen Ax bzw. Ay einstellt bzw. anpaßt.
- Diese bewegungskodierenden Gradientenpulse 310-313 werden für einen vollständigen Scan des Patienten verwendet, um ein 256 · 128 · 128 Array von komplexen Zahlen zu erzeugen. Dieser Datensatz bildet nach einer Fourier-Transformation ein Bild (S&sub1;), das in der weiter unten beschriebenen Weise prozessiert wird, um die erste inkrementierte Phasenmessung φ&sub1; zu erzeugen.
- Unter besonderer Bezugnahme auf die Fig. 3A und 3C wird ein zweiter Meßzyklus ausgeführt mit den bewegungskodierenden Gradientenpulsen 314-317, die angewendet werden, um das Resonanzsignal 303 hinsichtlich der Geschwindigkeit entlang der x und der z Achse empfindlich zu machen. Die Impulse 314 sowie 315 sind im wesentlichen dieselben wie die Impulse 310 und 311. Die Impulse 316 und 317 besitzen gleiche Flächen Az und sind voneinander um eine Zeit tz im Abstand angeordnet. Sie erzeugen einen Wechsel in dem ersten Moment ΔMz1 = Aztz. Diese bewegungskodierenden Gradientenpulse werden den bewegungskompensierten Gradientenpulsen von Fig. 3A hinzugefügt. Die resultierenden Resonanzsignale werden gewonnen, um ein 256 · 128 · 128 Array von komplexen Zahlen zu erzeugen, die transformiert werden, um einen Bilddatensatz S&sub2; zu erzeugen, der zum Berechnen der zweiten inkrementierten Phasenmessungen φ&sub2; benutzt wird.
- Unter besonderer Bezugnahme auf die Fig. 3A und 3D wird der abschließende Meßzyklus ausgeführt mit bewegungskodierenden Gradientenpulsen 318-321, um eine Empfindlichkeit hinsichtlich der Geschwindigkeit entlang der y Achse sowie der z Achse herbeizuführen, wobei die Impulse 318 sowie 319 im wesentlichen dieselben wie 312 und 313 sind, und wobei die Impulse 320 sowie 321 im wesentlichen dieselben wie die Imuplse 316 und 317 sind. Die Gradientenpulse 318-321 werden den bewegungskompensierten Gradientenpulsen von Fig. 3A hinzugefügt, um Änderungen in dem ersten Moment ΔMy&sub1; und ΔMz&sub1; zu erzeugen. Die resultierenden Signale werden gewonnen, um ein 256 · 128 · 128 Bildarray S&sub3; von komplexen Zahlen zu erzeugen, die zum Berechnen der dritten inkrementierten Phasenmessungen φ&sub3; benutzt werden.
- Dies schließt die Datengewinnungsschritte des Verfahrens ab und die Datenverarbeitungsschritte werden erneut aufgenommen unter Benutzung der vier Datensätze S&sub0;, S&sub1;, S&sub2; und S&sub3;.
- Es sollte für Fachleute auf diesem Gebiet klar sein, daß viele andere Pulssequenzen zur Gewinnung der notwendigen Daten benutzt werden können. Zusätzlich kann die Gewinnung der vier Datensätze S&sub0;, S&sub1;, S&sub2; und S&sub3; so verschachtelt werden, daß vier Messungen bei jedem phasenkodierenden Wert oder jeder "Ansicht" gemacht werden, bevor der phasenkodierende Wert inkrementiert bzw. erhöht wird. Ferner lassen sich vielfache Messungen bei jedem phasenkodierenden Wert für jeden Datensatz durchführen, um das Signal/Rauschverhältnis zu verbessern oder um Systemfehler aufzuheben, wie im US-Patent No. 4,443,760 beschrieben ist. Und schließlich gibt es viele verschiedene Wege, um das erste Gradientenmoment M&sub1; für jede Phasenmessung zu erzeugen. Beispielsweise können die Gradientenpulse anders als die in den Fig. 3B-3D gezeigten geformt sein, oder sie können zeitlich getrennt sein, um das erste Moment zu erhöhen, oder sie können in ihrer zeitlichen Dauer mehr zusammengedrängt sein. Auch können Spinecho-Sequenzen unter Verwendung von 180º HF Impulsen benutzt werden, und anstatt bipolare Gradientenpulse zu benutzen, können beide geschwindigkeitskodierenden Impulse dieselbe Polarität haben, wenn sie auf gegenüberliegenden Seiten des 180º HF Anregungsimpulses erzeugt werden. Es ist ebenfalls möglich, ein erstes Moment mit einem von Null verschiedenen Gradienten in die Referenzphasenmessung einzubeziehen, und in der Tat kann die Größe des ersten Gradientenmoments für jede Sequenz halbiert werden, wenn die für die Referenzphasenmessung benutzten Impulse ein erstes Moment -ΔMx1/2, -ΔMy1/2 und -ΔMz1/2 entlang jeder der drei Koordinaten aufweisen. Der bedeutsame Faktor dabei ist, daß die Gradientenwellenform für jede Achse so geändert wird, daß man das erste Moment um ΔM&sub1; ändert, wobei man die resultierende Gesamtfläche der Gradientenpulse (das null-te Moment) zur Zeit TE nicht ändert.
- Die Verarbeitung der vier Datensätze S&sub0;, S&sub1;, S&sub2; und S&sub3; zur Erzeugung von Geschwindigkeitsbildern ist in Fig. 4 veranschaulicht. Die gesamte Verarbeitung wird in dem Rechnersystem 100 unter der Regie von Instruktionen in einem gespeicherten Programm ausgeführt. Die vier Datensätze für die komplexen Bilder S&sub0;, S&sub1;, S&sub2; und S&sub3;, die durch eine Fourier-Transformation der gewonnenen Resonanzdaten erzeugt wurden, werden als Felder bzw. Arrays von komplexen Zahlen S&sub0; (x, y, z), S&sub1; (x, y, z), S&sub2; (x, y,z) und S&sub3;(x, y, z) gespeichert, die durch die Blöcke 334-337 angegeben sind.
- Jedes Element der Arrays 334-337 ist eine komplexe Zahl, die Informationen über die Größe und die Phase der Resonanzsignale enthält, die von dem Spins an einer Stelle oder einem Pixel im Raum in jedem der vier Experimente erzeugt wurden. Die Phase des Resonanzsignals wird für jedes Element der Arrays 334-337 wie folgt berechnet:
- φ = tan-1[Q/I] (4)
- Dabei gilt: Q = der "Imaginär"teil der komplexen Zahl bei einem Pixel, und
- I = der "Real"teil des gemessenen Wertes.
- Die in der Gleichung (4) verwendete Arcus-Tangens-Funktion ist vorzugsweise ein Vier-Quadrant Arcus-Tangens, wie zum Beispiel "ATAN2" in der FORTRAN Programmiersprache.
- Als Ergebnis dieser Berechnungen werden vier 256 · 128 · 128 Phasenarrays 339-341 erzeugt, um die Phasenmessungen φ&sub0;(x, y, z), φ&sub1;(x, y, z), φ&sub2;(x, y, z) und φ&sub3;(x, y, z) zu liefern.
- Die Phasenmessungen φ&sub0;(x, y, z) stellen die Phase bei jedem Pixel in den ersten (z. B. strömungskompensierten) Experimenten dar (Fig. 3A). Diese Werte sind normalerweise nicht exakt Null, und zwar aufgrund von Auswirkungen z. B. von der B&sub0; Inhomogenität, von HF Eindringeffekten, der Pulssequenzabstimmung sowie davon, welche Bewegungskodierung von den Gradientenpulsen erzeugt wird, die in der Pulssequenz von Fig. 3A benutzt werden. Die anschließenden Messungen von φ&sub1;, φ&sub2; und φ&sub3; unterliegen ebenfalls diesen Auswirkungen. Sie enthalten jedoch auch Phasenkomponenten, die herrühren von den inkremetell angelegten bewegungskodierenden Gradientenpulsen in den Fig. 3B, 3C und 3D sowie von der Geschwindigkeit der Spins entlang den x, y und z Achsen. Durch Verknüpfen der Phasenwerte φ&sub0;, φ&sub1;, φ&sub2; und φ&sub3; in der folgenden Weise können die drei Geschwindigkeitskomponenten der Spins bei jedem Pixel des Bildes berechnet werden.
- Für jeden Raumpunkt (x, y, z) werden die Komponenten Vx, Vy und Vz der Spingeschwindigkeit berechnet unter Einsatz der folgenden Formeln:
- Vx = (-φ&sub0; + φ&sub1; + φ&sub2; - φ&sub3;)/2γΔMx1 (5)
- Vy = (-φ&sub0; + φ&sub1; - φ&sub2; + φ&sub3;)/2γΔMy1 (6)
- Vz = (-φ&sub0; - φ&sub1; + φ&sub2; + φ&sub3;)/2γΔMz1 (7)
- Dabei sind ΔMx1, ΔMy1 und ΔMz1 die Änderungen in dem den ersten Moment der Bewegung kodierenden Gradienten zwischen der Referenzphase und anderen Phasenmessungen in jeder der x, y und z Achsen.
- Diese Berechnungen resultieren in drei 256 · 128 · 128 Elemente aufweisenden Feldern bzw. Arrays 342-344, die an jedem Raumpunkt die jeweiligen x, y und z Geschwindigkeitskomponenten angeben. Diese Komponenten können verknüpft werden, um ein einzelnes V Geschwindigkeitsarray 345 zu erzeugen, das die Geschwindigkeit der Spins v(x, y, z) an jedem Punkt im Raum angibt.
- V = (Vx(x, y, z))² + (Vy(x, y, z))² + (Vz(x, y, z))² (8)
- Die Werte in dem Geschwindigkeitsarray 345 werden zu einer Anzeige kartiert (mapped), in der die Geschwindigkeitswerte die Intensität oder die Helligkeit eines Bildpixels steuern.
- Bei der bevorzugten Ausführung sind die ersten Momentänderungen ΔMx&sub1;, ΔMy&sub1; und ΔMz&sub1; in jeder Richtung dieselben. Dies ist ideal, wenn die Bewegungsrichtung unbekannt ist, das braucht jedoch nicht zu sein. Es ebenfalls möglich, verschiedene Strömungskodierstärken entlang jeder Achse zu benutzten. Zum Beispiel könnte eine stärkere Kodierung in der x Richtung benutzt werden, indem man ein größeres ΔMx&sub1; (z. B. ein größeres Ax) in den Fig. 3B und 3C benutzt, wenn φ&sub1; und φ&sub2; gemessen werden. In einem solchen Fall wird Vx gemäß der Gleichung (5) berechnet. Die Benutzung von einem größeren ΔMx&sub1; führt zu einer genaueren Messung der Geschwindigkeit, sie weist aber einen kleineren Dynamikbereich auf, bevor eine Verfremdung bzw. ein Aliasing auftritt. Ein Aliasing tritt auf, wenn eine der folgenden Bedinungen existiert:
- γvxΔMx1 + γvyΔMy1 > π
- γvxΔMx1 + γvzΔMz1 > π (9)
- γvyΔMy1 + yvzΔMz1 > π
- Aufgrund dieser Einschränkung können die ersten Momente so ausgewählt werden, daß sie die genauesten Messungen entlang jeder Bewegungsachse ergeben, und zwar ohne Aliasing aufgrund der hohen Geschwindigkeit.
- Die Größe oder der Modul der Elemente des komplexen Arrays So(x, y, z) wird ebenfalls berechnet, um ein konventionelles Größenarray 346 wie folgt zu erzeugen:
- M = Q² + I² (10)
- Dabei gilt wie zuvor:
- Q = der "Imaginär"teil der komplexen Zahl bei einem Pixel, und
- I = der "Real"teil des gemessenen Wertes.
- Man wird verstehen, daß jedes der anderen komplexen Arrays 335- 337 oder Kombinationen aus diesen Arrays ebenfalls zum Zwecke der Erzeugung des Größenarrays 346 benutzt werden kann.
- Als Alternative kann in einer zweiten Ausführung das M Größenarray 346 mittels einer konventionellen Spinecho-Sequenz erzeugt werden, wie das beschrieben worden ist, und das V Geschwindigkeitsarray 345 kann erzeugt werden mittels einer für die Messung der Laufzeit benutzten Gradienten-Erinnerungsechosequenz. Wie weiter unten beschrieben wird, können die Daten aus diesen beiden Arrays dann benutzt werden, um sowohl zwischen stationärem Gewebe als auch zwischen stationärem Gewebe und strömendem Blut zu unterscheiden, und zwar ohne zusätzliche MRI Meßzyklen, wie sie zuvor erforderlich waren.
- In den Fig. 1 und 5 sind die dreidimensionalen Geschwindigkeits- und Größendatenarrays 345 und 346 zur Bildung eines Arrays 348 von Datenwerten verknüpft, wobei jeder Datenwert für eine gegebene Koordinate des Arrays 348 aus zwei Werten besteht: einem Wert von den entsprechenden Koordinaten des Geschwindigkeitsarrays 345 sowie einem Wert von den entsprechenden Koordinaten des Größenarrays 346.
- Nur die Daten von dem Größenarray M werden auch zu dem Bildprozessor 108 geleitet, um ein Bild 349 eines zweidimensionalen "Schnitts" (slice) von Daten auf der Hauptbedienerkonsole 116 zu erzeugen. Der bildlich dargestellte Schnitt 349 wird so gewählt, daß er die deutlichste Unterscheidung zwischen den verschiedenen Gewebeklassen liefert, und eine Anzahl von Datenpunkten wird ausgewählt, indem man während der bildlichen Darstellung des Schnittbildes 349 die entsprechenden Pixel mit einem Datenpunktselektor 350 identifiziert, zum Beispiel mit einem Lichtgriffel oder einem berührungsempfindlichen Bildschirm. Die Datenpunkte werden so ausgewählt, daß sie eine gleichmäßige Verteilung von Abtastwerten bzw. Sampeln über das Volumen der interessierenden Gewebe liefern. Im menschlichen Kopf können beispielsweise die Gewebeklassen enthalten: Knochen, Gehirn, Gesicht, Luft, Rückenmarks- und Gehirnflüssigkeit (CSF), Arterien, Venen, Verletzungen und Tumore oder irgendeine gewünschte Untermenge aus diesen Gewebeklassen.
- Die Arraykoordinaten der so gewählten Datenpunkte werden in dem Datenpunktspeicher 352 gespeichert, so daß die jedem Datenpunkt entsprechenden Datenwerte zukünftig bestimmt werden können. Ferner wird die bestimmte Gewebeklasse, wie sie von dem Operateur aus einer Inspektion des Schnittbildes 349 bestimmt wurde, mit diesen Datenpunktkoordinaten gespeichert.
- Nachdem eine beträchtliche Anzahl solcher Datenpunkte ausgewählt worden sind, normalerweise mindestens zwanzig in jeder Klasse, werden die entsprechenden Datenwerte für jeden Datenpunkt über den Bildprozessor 108 auf einem Streukurven- bzw. Streubilddisplay 354 grafisch aufgetragen und auf der Hauptkonsole 116 bildlich dargestellt. Die Datenpunkte in einer solchen Streubild (scatter plot) 354 tendieren dazu, in verschiedene Gewebeklassen repräsentierenden Haufenbereichen anzufallen. Wenn jeder Satz von Datenpunkten mit einer Identifizierung der Gewebeklasse versehen wird, von der er ausgewählt ist, können die Anhäufungen (clusters) von Datenpunkten mit der entsprechenden Gewebeklasse in Übereinstimmung gebracht werden. Darüber hinaus können zusätzliche Abtastdatenpunkte so gewählt werden, daß sie eine gleichförmigere Verteilung solcher Abtastdatenpunkte über den interessierenden Gewebearten liefern und solche Bereiche mit einer vieldeutigen Gewebeklassifikation weiter spezifizieren. Somit erlaubt es die wiederholte Ansicht der bildlichen Schnittdarstellung 349, die bildliche Darstellung 354 der Streukurve sowie die Wahl von zusätzlichen Datenpunkten über den Datenpunktselektor 350, innerhalb einer vernünftigen Zeitperiode die Auswahl einer gleichmäßigen Verteilung von Datenpunkten über alle interessierenden Gewebeklassen zu treffen. Man hat beispielsweise gefunden, daß ein erfahrener Anwender zwanzig gleichmäßig verteilte Datenpunkte für jede von fünf verschiedenen Gewebeklassen in ungefähr fünf Minuten erhalten kann.
- Sobald eine angemessene Zahl von Datenpunkten in dem Datenpunktspeicher 352 gesammelt worden ist, werden die Datenpunktkoordinaten sowie die entsprechenden Datenwerte und die übrigen Datenwerte sowie deren Koordinaten an einen Rechner 356 für den n-nächstgelegenen Nachbarn angelegt.
- Der Rechner für den n-nächstgelegenen Nachbarn untersucht jeden Datenwert des Arrays von Datenwerten 348 und vergleicht die Werte der Strömungs- und Größendaten für diesen Datenwert mit den entsprechenden Strömungs- und Größendaten für jeden der gewählten Datenpunkte des Datenpunktspeichers 352. Der Datenpunkt, der in diesen Werten am nächsten liegt, wird als der nächstgelegene Nachbar erkannt. Die mit dem Datenpunkt für den nächstgelegenen Nachbarn zusammenhängende Gewebeklasse wird sodann diesem Datenwert zugeordnet. Wenn jeder Datenwert von dem Datenwertarray 348 der Gewebeklassifikation des Datenpunktes für den nächstgelegenen Nachbarn im Datenpunktspeicher 352 zugeordnet worden ist, kann diese Zuordnung in einer Merkmalskarte 358 bildlich dargestellt werden, wobei jede Gewebeklassifikation eine unterschiedliche Farbe bekommt und somit die Grenzen der Gewebeklassifikationen deutlicher gemacht werden.
- In Fig. 6 ist eine typische Streukurve bzw. Streukarte 354 mit Datenpunkten, die jeder mit einer Gewebe- oder Blutklassifizierungsnummer (1-5) gleichgesetzt sind, einer Merkmalskarte 358 überlagert, welche die Grenzen der Segmentierung der Datenwerte zeigt. Die mit jeder Klassifizierungsnummer im Zusammenhang stehenden Gewebetypen sind in Tabelle 1 angegeben.
- 1 Hintergrund
- 2 Gesicht
- 3 Gehirn
- 4 CSF
- 5 strömendes Blut
- Der Schlüssel für die Fähigkeit, eine strömungsempfindliche Abbildungssequenz zur Unterscheidung zwischen stationärem Gewebe zu nutzen, liegt in der Tatsache, daß stationäres Gewebe sich selbst bis zu einem begrenzten Grad von dem Strömungsbild unterscheidet, wie das aus Fig. 6 hervorgeht.
- Es ist möglich, zusätzliche Schnitte (slices) bildlich darzustellen, die gemäß den gewählten und klassifizierten Datenpunkten im Datenpunktspeicher 352 segmentiert sind. Wenn jedes Gewebe in den zur Darstellung gebrachten Querschnitten eine einheitliche Farbe aufweist, waren die ursprünglichen Daten korrekt abgetastet. Falsch klassifizierte Pixel jedoch erscheinen als Bereiche mit unzutreffender Farbgebung und zeigen dadurch an, daß die ursprünglichen Abtastungen die Daten nicht vollständig segmentiert haben. Die Segmentierung wird verbessert, indem man einige korrigierte Abtastpunkte zu dem ursprünglichen Satz hinzufügt und erneut die nächstgelegenen Nachbarn über den Rechner 356 für den nächstgelegenen Nachbarn bestimmt.
- Diese Segmentierung von jedem Datenwert in eine der Gewebeklassifizierungen mittels des Verfahrens des n-nächstgelegenen Nachbars ist rechenmäßig einfach und erfordert einen minimalen Aufwand an Eingreifen seitens des Bedieners, und erzeugt nahezu ausschließlich automatisch eine hoch-qualitative Merkmalskarte. Die Datenwerte des Arrays von Datenwerten werden zusammen mit einer Gewebeklassifizierung gemäß der Merkmalskarte 358 in dem Speicher 360 für die segmentierten Daten gespeichert.
- Die Vorgehensweise für die Ausführung der Datensegmentierung unter Benutzung des Systems von Fig. 5 ist in Fig. 7 gezeigt. Die segmentierten Daten von dem Speicher 360 für die segmentierten Daten werden in einem Merkmalsfilter 362 einer Filterung unterworfen, um zufällig fehlklassifizierte Datenwerte zu entfernen und um Veränderungen in dem Oberlächennormalenvektor auszuglätten, die durch eine schwache Abgrenzung der Richtung der Oberfläche der segmentierten Gewebe verursacht wurde. Eine solche schlechte Abgrenzung bzw. Definition ergibt sich, weil die Kanten bzw. Ränder der Gewebebereiche willkürliche, von der Merkmalskarte 358 erzeugte Schrittwerte sind. Es wird deshalb eine Filterung der segmentierten Daten angewendet, um sowohl einen sich glatt verändernden Oberflächennormalenvektor zum Erhalt einer Oberflächenverbesserung zu erzielen, als auch zum Beseitigen der Auswirkung von isolierten fehlklassifizierten Datenpunkten. Für diesen Zweck ist ein Filter geeignet, das die dreidimensionale Diffusionsgleichung approximiert.
- Gemäß der dreidimensionalen Diffusionsgleichung entwickelt sich die Konzentration c des i-ten Gewebes mit der Zeit nach der Diffusionsgleichung:
- dc/dt = D[δ²/δx + δ²/δy + δ²/δz]c (11)
- Zu Anfang ist die Konzentration des i-ten Gewebes in dem Sinne binär, daß jeder Datenpunkt entweder innerhalb oder außerhalb des Gewebes liegt. Mit fortschreitender Zeit wird den Datenpunkten erlaubt, sich gemäß der Diffusionsgleichung (11) zu bewegen, und der scharfe Übergang in der Zusammensetzung an der Gewebeoberläche wird diffus. Wenn das Aspektverhältnis a das Verhältnis zwischen der Schnitt- bzw. Scheibendicke der Daten und der Größe des angezeigten Pixels ist, dann hat ein 3 · 3 · 3 Diffusionsfilter, das für dieses Aspektverhältnis korrigiert wurde sowie nach einer Iteration des Diffusionsfilters, die Form:
- Die Diffusionsfiltergleichung (12) wird lediglich zweimal auf die Daten angewendet, um eine ausreichende Glättung vorzusehen, ohne dabei die Auflösung der Oberflächen zwischen den Geweben signifikant zu verschlechtern. Eine derartige Glättung entfernt isolierte Datenwerte und verringert den Effekt von Klassifizierungsrauschen der Gewebe. Wie man erwarten könnte, gibt es einen Kompromiß zwischen der Verbesserung in der Segmentierung und dem Verlust an Auflösung, der durch die Filterung zustande kommt. Das Filter kann zweimal ohne signifikanten Verlust an Auflösung angewendet werden.
- Die gefilterten Daten vom Merkmalsfilter 362 können an irgendeinen bekannten Verbindbarkeitsrechner 364 angelegt werden, wie er zum Beispiel beschrieben ist in dem Aufsatz "High Resolution 3D Images of the Brain Using a Connectivity Algorithm" von H. E. Cline et al. veröffentlicht, in Magnetic Resonance Imaging, Vol.5, No.5, 1987, Seiten 345-352. Ein solcher Verbindbarkeitsrechner beginnt mit einem gegebenen Punkt in dem Gewebe und konstruiert die Oberfläche, indem er die benachbarten Datenwerte untersucht, um die Oberflächendatenwerte zu verfolgen und zu markieren. Im Einzelnen ist der Verbindbarkeitsalgorithmus rekursiv und beginnt mit einem Keim- oder Kernpunkt auf der Oberfläche und sammelt benachbarte Oberflächenpunkte, die dann Ausgangspunkte für die nächste Rekursionsebene werden. Es brauchen jedoch nur Datenpunkte in derselben Gewebeklasse untersucht zu werden, was den Rechenaufwand erheblich verringert, während es gleichzeitig die Oberflächenunterscheidung signifikant verbessert. Diese rekursive Vorgehensweise dauert solange, bis alle verbundenen Datenpunkte für diese Gewebeklasse markiert sind. Ein Oberflächenpunkt schneidet die Oberflächen gleicher Konzentration am Mittelpunkt des Übergangs, wo die Konzentration c gleich einhalb ist. Dieser Verbindbarkeitsalgorithmus kann sukzessive für die Auswahl der Oberflächen von allen für eine spätere bildliche Darstellung interessierenden Gewebearten benutzt werden.
- Der die interessierende Oberfläche definierende Datenpunkt kann konstruiert werden unter Benutzung des sogenannten "dividing cubes"-Verfahrens, das in dem am 12. Januar 1988 erteilten Patent 4,719,585 für H. E. Cline et al. angegeben ist und beschrieben wird in dem Aufsatz "Two Algorithms for the Three- Dimensional Reconstruction of Tomograms" von H. E. Cline et al. in Medical Physics, Vol. 15, No. 3, Mai/Juni 1988, Seiten 320- 327. Bei diesem Verfahren werden Interpolationstechniken zwischen benachbarten Datensampels benutzt, um eine Datengranularität zu liefern, die der Display-Pixelgröße gleicht. Es werden ebenfalls Interpolationstechniken verwendet, um für jeden interpolierten Oberflächenpunkt interpolierte Oberflächennormalenvektoren zu erhalten. Ein Oberflächengenerator 366 liefert eine Displayliste der Oberflächennormalenvektoren für jede der interessierenden Oberflächen. Diese Listen von Oberflächennormalenvektoren werden an den Bildprozessor 108 geliefert. Ein Orientierungsselektor 368 erlaubt es dem Benutzer, die Betrachtungsorientierung zu wählen, während ein Display-Skalierungsselektor 369 es dem Benutzer erlaubt, die Daten an die verfügbare Display-Pixelgröße anzupassen und somit die Auflösung der bildlichen Darstellung zu maximieren. Der Bildprozessor 108 stellt in Verbindung mit dem Display in der Bedienerkonsole 116 die verschiedenen Oberflächen bildlich dar, indem er jedes Gewebe unterschiedlich koloriert und jeden Punkt auf den Oberflächen schattiert mittels einer Gewichtung, die proportional ist zu dem Oberflächengradienten oder der Winkeldifferenz zwischen dem Oberflächennormalenvektor und dem Betrachtungswinkel, und zwar bei jedem der Punkte auf den Oberflächen. Verborgene Oberflächen können mit einem Tiefenpuffer entfernt werden, wie das gezeigt ist in der am 22. November 1988 angemeldeten US-Anmeldung der Anmelderin mit der Serial No. 275,154, die auf die Anmelderin lautet. Unter Einsatz einer standardmäßigen grafischen Verarbeitungssoftware können die Oberflächen selektiv geschnitten, gedreht und umgewandelt werden, um dem Benutzer eine Ansicht von den Oberflächen in der nützlichsten Wiedergabeform zu erlauben. Solche bildlichen Darstellungen werden in typischen Fällen benutzt, um eine Operation zu planen oder um den Fortschritt einer Behandlung zu überprüfen.
- Allgemein sind Techniken zur bildlichen Darstellung von in dreidimensionalen Datenarrays segmentierten inneren Strukturen eines massiven Körpers aufgezeigt in den folgenden US-Patenten: für H. E. Cline et al. Patent 4,710,876, erteilt am 1 Dezember 1987; für H. E. Cline et al. Patent 4,719,585, erteilt am 12. Januar 1988; für H. E. Cline et al. Patent 4,729,098, erteilt am 1. März 1988; für W. E. Lorensen et al. Patent 4,751,643, erteilt am 14. Juni 1988; für H. E. Cline et al. Patent 4,791,567, erteilt am 13. Dezember 1988; Patent 4,821,231, erteilt am 11. April 1989, und Patent 4,879,668, erteilt am 7. November 1989; sowie in EP-A-0,365,141, veröffentlicht am 25. April 1990; EP- A-0,373,854, veröffentlicht am 20. Juni 1990 und JP-A-2-211587, veröffentlicht am 22. August 1990.
Claims (8)
1. Verfahren zum Erzeugen eines dreidimensionalen Modells von
einem Patienten (Subjekt) mit wenigstens zwei stationären
Gewebetypen und strömendem Blut, wobei das Modell in Typen
von stationärem Gewebe und strömendem Fluid segmentiert
ist, wobei das Verfahren Magnetresonanz-Bildgebungs(MRI)-
Daten von Kernspins von dem Patienten verwendet, enthaltend
die Schritte:
a) Abtasten bzw. Scannen des Patienten, um ein
dreidimensionales MRI Geschwindigkeitsarray (V) mit Arrayelementen
zu gewinnen, die die Strömung von Spins jeweils an einer
räumlichen Stelle in dem abgetasteten Bereich darstellen,
b) Abtasten bzw. Scannen des Patienten, um ein
dreidimensionales MRI Größenarray (M) zu gewinnen, das gegenüber
strömenden Spins unempfindlich ist, stationäre Gewebetypen
darstellt und Arrayelemente aufweist, die an im
wesentlichen den gleichen räumlichen Stellen angeordnet sind wie
die entsprechenden Arrayelemente in dem
Geschwindigkeitsarray (V),
c) Wählen von mehreren durch die Bedienungsperson bedienten
Arrayelementstellen, die den Geschwindigkeits- und
Größenarrays (V und M) gemeinsam sind und von denen bekannt
ist, daß sie einen gewünschten stationären Gewebetyp oder
einen strömenden Fluidtyp darstellen,
d) grafisches Auftragen der Geschwindigkeits- und
Größenarrayelemente (V und M) für jede durch die Bedienungsperson
definierte Arrayelementstelle auf einer zweidimensionalen
Streukurve mit Achsen, die die Geschwindigkeits- und
Größenarraywerte darstellen,
e) Wiederholen der Schritte "c" und "d" für mehrere Typen
von stationärem Gewebe und strömendem Fluid,
f) Bezeichnen von Bereichen auf der Streukurve, die mehrere
Typen von stationärem Gewebe und strömendem Fluid
darstellen sollen, auf der Basis von Haufenbildung (Clustering)
der gewählten Punkte, die in Schritt "d" grafisch
aufgetragen sind,
g) Klassifizieren der übrigen Arrayelementstellen in dem
Geschwindigkeits- und Größenarray (V und M) in Typen von
stationärem Gewebe oder strömendem Fluid, indem der
nächstgelegene Nachbar in den Streukurvenbereichen ermittelt
wird, die im Schritt (f) bezeichnet sind,
h) Wählen von einem Typ von Gewebe oder strömendem Fluid,
der segmentiert werden soll,
i) räumliches Filtern der klassifizierten
Arrayelementstellen, wobei digitale Mittel zu dem Zweck verwendet werden,
Ränder zwischen räumlichen Bereichen für nur diejenigen
Arrayelementstellen zu glätten, die im Schritt "h" gewählt
sind,
j) Ermitteln von Verbindbarkeit unter räumlichen Bereichen
der Arrayelementstellen von dem im Schritt "h" gewählten
Typ, um mehrere dreidimensionale Formen des gewählten Typs
hervorzurufen,
k) Wiederholen der Schritte "h" - "j" für mehrere Typen von
stationärem Gewebe und strömendem Fluid und
l) bildliches Darstellen der mehreren dreidimensionalen
Formen von jedem Typ auf einer Display-Einrichtung.
2. Verfahren nach Anspruch 1, wobei das Geschwindigkeitsarray
(V) und Größenarray (M) dadurch erzeugt werden, daß ein
Satz von die Phasenverschiebung ermittelnden MRI Meßzyklen
ausgeführt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei Schritt (α)
enthält:
a1) Anlegen von HF Puls- und Magnetgradienten-Pulsfolgen an
den Patienten, um dadurch einen Referenz-MRI-Meßzyklus
auszuführen, um einen Referenz-MRI-Datensatz (S&sub0;) zu erzeugen,
a2) Anlegen von HF Puls- und Magnetpulsfolgen an den
Patienten, um dadurch einen MRI-Meßzyklus einer ersten Achse
auszuführen, bei dem die durch das MRI-System erzeugten
Magnetfeldgradienten Pulse entlang einer ersten karthesischen
Koordinate aufweisen, die eine geschwindigkeitsabhängige
Phasenverschiebung relativ zu einer Phase des Referenz-MRI-
Meßzyklus erzeugen, um ein entstehendes Array von ersten
Bilddaten (51) für die Bewegung der sich bewegenden Spins
entlang der ersten karthesischen Koordinate empfindlich zu
machen,
a3) Anlegen von HF Puls- und Magnetgradienten-Pulssequenzen
an den Patienten, um dadurch einen MRI-Meßzyklus an einer
zweiten Achse auszuführen, bei dem die durch das MRI-System
erzeugten Magnetfeldgradienten Pulse entlang einer zweiten
karthesischen Koordinate enthalten, die eine
geschwindigkeitsabhängige Phasenverschiebung relativ zu einer Phase
des Referenz-MRI-Meßzyklus erzeugen, um das entstehende
zweite Array von Bilddaten (S&sub2;) für die Bewegung der sich
bewegenden Spins entlang der zweiten karthesischen
Koordinate empfindlich zu machen,
a4) Anlegen von HF Puls- und Magnetgradienten-Pulssequenzen
an den Patienten, um dadurch einen MRI-Meßzyklus an einer
dritte Achse auszuführen, bei dem die durch das MRI-System
erzeugten Magnetfeldgradienten Pulse entlang einer dritten
karthesischen Koordinate enthalten, die eine
geschwindigkeitsabhängige Phasenverschiebung relativ zu einer Phase
von dem Referenz-MRI-Meßzyklus erzeugen, um das entstehende
dritte Array von Bilddaten (S&sub3;) für die Bewegung von sich
bewegenden Spins entlang der dritten karthesischen
Koordinate empfindlich zu machen, und
a5) Verknüpfen der Arrays von Bilddaten (S&sub0;, S&sub1;, S&sub2;, S&sub3;), um
das Geschwindigkeitsarray (V) zu berechnen, das die
Strömung der Spins angibt.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei der
Schritt (b) zum Scannen des Patienten, um ein
dreidimensionales MRI-Größenarray (M) zu gewinnen, enthält:
b1) Anlegen von HF Puls- und Magnetgradienten-Pulsfolgen an
dem Patienten, um dadurch den Referenz-MRI-Meßzyklus
auszuführen, um einen Referenz-MRI-Datensatz (S&sub0;) zu erzeugen
und
b2) Ermitteln der Größe von dem Datensatz (S&sub0;), um das
Größenarray (M) zu erzeugen.
5. Verfahren nach einem der vorstehenden Ansprüche, wobei das
Geschwindigkeitsarray (V) aus einem Laufzeit-,
Gradientenerinnerungs-Echomeßzyklus erzeugt wird und wobei das
Größenarray (M) aus einem einzelnen Spinecho-Meßzyklus erzeugt
wird.
6. Verfahren nach einem der Ansprüche 1 bis 5, bei dem Schritt
(g) enthält, daß jede Arrayelementstelle als der Gewebetyp
oder der Typ des strömenden Fluids klassifiziert wird
entsprechend einem von der Bedienungsperson definierten
Arrayelement, das der gewählten Arrayelementstelle auf der
Streukurve am nächsten gelegen ist.
7. System zum Erzeugen eines dreidimensionalen Modells von
einem Patienten, der wenigsten zwei stationäre Gewebetypen
und strömendes Blut enthält, wobei das Modell in Typen von
stationärem Gewebe und strömendem Fluid segmentiert ist,
wobei das System MRI-Daten aus Kernspins des Patienten
verwendet und enthält:
a) einen Magnetresonanz-Scanner, der zum Erhalten eines
dreidimensionalen Geschwindigkeitsarrays (V), das die
Strömung von Spins an jeder räumlichen Stelle (x, y, z) in dem
abgetasteten Bereich von dem Patienten darstellt, und eines
dreidimensionalen Größenarrays (M346) geeignet ist, das
gegenüber strömenden Spins unempfindlich ist und stationäre
Gewebetypen an jeder räumlichen Stelle (x, y, z,) in dem
abgetasteten Bereich des Patienten darstellt,
b) einen Bildprozessor (108), der zum Erzeugen eines Bildes
aus dem Größenarray (M) und dem Geschwindigkeitsarray (V)
und zum Erzeugen eines Streukurvendiagramms (354) mit
Achsen geeignet ist, die die Werte von dem
Geschwindigkeitsarray (V) und dem Größenarray (M) darstellen,
c) einen Datenpunktselektor (350), der es einer
Bedienungsperson gestattet, gewünschte Typen von Gewebe oder
strömendem Fluid und eine Stelle (x, y,) auf dem Bild zu wählen,
d) eine Datenpunkt-Speichereinheit (352), die einen
Klassifikationswert, der den gewählten Gewebetyp anzeigt, einen
Geschwindigkeitseintrag von dem Geschwindigkeitsarray (V)
und einen Größeneintrag aus dem Größenarray (M) für jede
gewählte Arrayelementstelle speichern kann, wobei der
Klassifikationswert auch auf der Streukurve angegeben ist,
e) einen den nächstgelegenen Nachbar berechnenden Rechner
(356), der Klassifikationswerte für diese Einträge in dem
Geschwindikgeits(V)- und Größenarray (M) synthetisieren
kann, die keinen Klassifikationswert aufweisen, wobei die
synthetisierten Werte diejenigen von dem nächstgelegenen
klassifizierten Nachbar in der Streukurve sind, und eine
Merkmalskarte erzeugen kann, die der Streukurve überlagert
ist, wo jeder Gewebeklassifikation eine unterschiedliche
Farbe gegeben ist,
f) eine Speichereinheit (360) für segmentierte Daten, die
mit dem Rechner für den nächstgelegenen Nachbarn verbunden
und geeignet ist, die klassifizierten Einträge aus dem
Rechner für den nächstgelegenen Nachbarn zu speichern, und
g) einen dreidimensionalen Prozessor (362, 364, 366, 368, 369)
zum Erzeugen eines dreidimensionalen Modells aus den
Klassifikationswerten an allen Arrayelementstellen.
8. System nach Anspruch 7, wobei der dreidimensionale
Prozessor enthält:
g1) ein Merkmalsfilter (362), das zum digitalen Glätten von
einer Anzahl von Übergängen zwischen benachbarten
Gewebeklassifikationen geeignet ist,
g2) einen Verbindbarkeits-Rechner (364), der zum
Identifizieren zusammenhängender Stellen mit dem gleichen
Klassifikationswerten geeignet ist, die den gleichen Gewebetyp oder
strömendes Fluid angeben, die von gewählten Stellen
starten,
g3) einen Orientierungs-Selektor (368), der für eine
Interaktion mit der Bedienungsperson und zum Definieren einer
gewünschten Modellorientierung geeignet ist,
g4) einen Skalierungs-Selektor (369), der für eine
Interaktion mit der Bedienungsperson und zum Definieren einer
gewünschten Modellgröße geeignet ist, und
g5) einen Oberflächen-Generator (366), der auf den
Orientierungs-Selektor anspricht, und der Skalierungs-Selektor
in der Lage ist, eine dreidimensionale Oberfläche von einer
gewünschten Größe zu erzeugen und bildlich darzustellen,
die in einer gewünschten Orientierung von gewünschten
Gewebetypen für sich bewegende Fluids orientiert ist.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/631,121 US5204625A (en) | 1990-12-20 | 1990-12-20 | Segmentation of stationary and vascular surfaces in magnetic resonance imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
DE69130108D1 DE69130108D1 (de) | 1998-10-08 |
DE69130108T2 true DE69130108T2 (de) | 1999-05-06 |
Family
ID=24529856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE69130108T Expired - Fee Related DE69130108T2 (de) | 1990-12-20 | 1991-12-11 | Abbildung mittels magnetischer Resonanz |
Country Status (4)
Country | Link |
---|---|
US (1) | US5204625A (de) |
EP (1) | EP0492898B1 (de) |
JP (1) | JPH0685770B2 (de) |
DE (1) | DE69130108T2 (de) |
Families Citing this family (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5442733A (en) * | 1992-03-20 | 1995-08-15 | The Research Foundation Of State University Of New York | Method and apparatus for generating realistic images using a discrete representation |
JP3399981B2 (ja) * | 1992-06-30 | 2003-04-28 | 株式会社東芝 | 磁気共鳴イメージング装置 |
JP3393895B2 (ja) * | 1993-09-13 | 2003-04-07 | 株式会社東芝 | 磁気共鳴映像装置 |
US5532593A (en) * | 1993-11-01 | 1996-07-02 | The Regents Of The University Of California | Nuclear magnetic resonance imaging rheometer |
US5433199A (en) * | 1994-02-24 | 1995-07-18 | General Electric Company | Cardiac functional analysis method using gradient image segmentation |
US5458126A (en) * | 1994-02-24 | 1995-10-17 | General Electric Company | Cardiac functional analysis system employing gradient image segmentation |
US5521502A (en) * | 1994-04-25 | 1996-05-28 | Georgia Tech Research Corporation | Flow differentiation scheme for magnetic resonance angiography |
US6122540A (en) * | 1994-06-08 | 2000-09-19 | The Regents Of The University Of California | Noninvasive measurement of renal hemodynamic functions using magnetic resonance imaging |
US6694163B1 (en) | 1994-10-27 | 2004-02-17 | Wake Forest University Health Sciences | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
US5782762A (en) | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
US5920319A (en) * | 1994-10-27 | 1999-07-06 | Wake Forest University | Automatic analysis in virtual endoscopy |
US6151404A (en) * | 1995-06-01 | 2000-11-21 | Medical Media Systems | Anatomical visualization system |
US6256529B1 (en) * | 1995-07-26 | 2001-07-03 | Burdette Medical Systems, Inc. | Virtual reality 3D visualization for surgical procedures |
DE19529512C2 (de) * | 1995-08-10 | 2000-11-23 | Siemens Ag | Verfahren zur Phasenkontrast-MR-Angiographie und Anordnung zur Durchführung des Verfahrens |
US5764824A (en) * | 1995-08-25 | 1998-06-09 | International Business Machines Corporation | Clustering mechanism for identifying and grouping of classes in manufacturing process behavior |
US6553327B2 (en) * | 1998-09-16 | 2003-04-22 | Yeda Research & Development Co., Ltd. | Apparatus for monitoring a system with time in space and method therefor |
US7194117B2 (en) | 1999-06-29 | 2007-03-20 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
US6331116B1 (en) | 1996-09-16 | 2001-12-18 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual segmentation and examination |
US5903664A (en) * | 1996-11-01 | 1999-05-11 | General Electric Company | Fast segmentation of cardiac images |
US8682045B2 (en) * | 1997-02-25 | 2014-03-25 | Wake Forest University Health Sciences | Virtual endoscopy with improved image segmentation and lesion detection |
US5859891A (en) * | 1997-03-07 | 1999-01-12 | Hibbard; Lyn | Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning |
CA2333583C (en) * | 1997-11-24 | 2005-11-08 | Everette C. Burdette | Real time brachytherapy spatial registration and visualization system |
US6501272B1 (en) * | 1998-06-17 | 2002-12-31 | Magnetic Resonance Innovations, Inc. | Application-specific optimization of echo time in MR pulse sequences for investigating materials with susceptibilities different from that of the background in which they are embedded |
US6138045A (en) * | 1998-08-07 | 2000-10-24 | Arch Development Corporation | Method and system for the segmentation and classification of lesions |
EP2302595A3 (de) | 1998-11-25 | 2011-04-06 | Wake Forest University Health Sciences | Virtuelle Endoskopie mit verbesserter Bildsegmentierung und Läsionsdetektion |
US6463168B1 (en) * | 1998-12-04 | 2002-10-08 | General Electric Company | Apparatus and method for rapid connectivity processing of images |
US6188922B1 (en) * | 1999-01-08 | 2001-02-13 | Wisconsin Alumni Research Foundation | Phase contrast imaging using interleaved projection data |
US7477768B2 (en) * | 1999-06-29 | 2009-01-13 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
DE19959719B4 (de) * | 1999-12-10 | 2006-08-17 | Siemens Ag | Verfahren zum Betrieb eines Magnetresonanztomographiegeräts |
WO2001063561A1 (en) * | 2000-02-25 | 2001-08-30 | The Research Foundation Of State University Of New York | Apparatus and method for volume processing and rendering |
US20030135102A1 (en) * | 2000-05-18 | 2003-07-17 | Burdette Everette C. | Method and system for registration and guidance of intravascular treatment |
US7356367B2 (en) * | 2000-06-06 | 2008-04-08 | The Research Foundation Of State University Of New York | Computer aided treatment planning and visualization with image registration and fusion |
AU2001296506A1 (en) | 2000-10-02 | 2002-04-15 | The Research Foundation Of State University Of New York | Centerline and tree branch skeleton determination for virtual objects |
US7630750B2 (en) * | 2001-02-05 | 2009-12-08 | The Research Foundation For The State University Of New York | Computer aided treatment planning |
US7995825B2 (en) * | 2001-04-05 | 2011-08-09 | Mayo Foundation For Medical Education | Histogram segmentation of FLAIR images |
EP1430443A2 (de) * | 2001-09-06 | 2004-06-23 | Koninklijke Philips Electronics N.V. | Verfahren und vorrichtung zur objektsegmentierung |
US7596256B1 (en) | 2001-09-14 | 2009-09-29 | The Research Foundation For The State University Of New York | Computer assisted detection of lesions in volumetric medical images |
US7324104B1 (en) | 2001-09-14 | 2008-01-29 | The Research Foundation Of State University Of New York | Method of centerline generation in virtual objects |
GB0122405D0 (en) * | 2001-09-17 | 2001-11-07 | Royal Brompton & Harefield Nhs | Magnetic resonance imaging |
CN1612713A (zh) | 2001-11-05 | 2005-05-04 | 计算机化医学体系股份有限公司 | 用于外部波束放射治疗的记录,引导和目标命中的装置和方法 |
DE10256208B4 (de) * | 2002-12-02 | 2008-05-15 | Siemens Ag | Verfahren zur verbesserten Flussmessung in der Magnetresonanz-Tomographie |
US7187800B2 (en) * | 2002-08-02 | 2007-03-06 | Computerized Medical Systems, Inc. | Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence |
EP1542591A2 (de) * | 2002-08-29 | 2005-06-22 | Computerized Medical Systems, Inc. | Verfahren und systeme zur lokalisierung einer medizinischen darstellungssonde und für die räumliche registrierung und verfolgung einer biopsienadel bei einer gewebebiopsie |
GB2395263A (en) * | 2002-11-12 | 2004-05-19 | Qinetiq Ltd | Image analysis |
JP4021402B2 (ja) * | 2003-11-11 | 2007-12-12 | 株式会社日立製作所 | 制御可能な検波部を有する核磁気共鳴装置 |
DE10356275B4 (de) * | 2003-11-28 | 2008-04-17 | Siemens Ag | Verfahren zur automatischen Segmentierung von phasenkodierten Flussbildern in der Magnetresonanztomographie |
WO2005079492A2 (en) | 2004-02-17 | 2005-09-01 | Traxtal Technologies Inc. | Method and apparatus for registration, verification, and referencing of internal organs |
GB2416944A (en) * | 2004-07-30 | 2006-02-08 | Voxar Ltd | Classifying voxels in a medical image |
WO2006057786A1 (en) * | 2004-11-05 | 2006-06-01 | The Government Of The United States Of America As Represented By The Secretary, Department Of Health And Human Services | Access system |
US7805269B2 (en) * | 2004-11-12 | 2010-09-28 | Philips Electronics Ltd | Device and method for ensuring the accuracy of a tracking device in a volume |
KR100689707B1 (ko) * | 2004-11-12 | 2007-03-08 | 삼성전자주식회사 | 뱅크 선택신호 제어회로, 이를 포함하는 반도체 메모리 장치 및 뱅크 선택신호 제어방법 |
US7751868B2 (en) * | 2004-11-12 | 2010-07-06 | Philips Electronics Ltd | Integrated skin-mounted multifunction device for use in image-guided surgery |
WO2006078677A2 (en) * | 2005-01-18 | 2006-07-27 | Traxtal Technologies Inc. | Electromagnetically tracked k-wire device |
US8611983B2 (en) * | 2005-01-18 | 2013-12-17 | Philips Electronics Ltd | Method and apparatus for guiding an instrument to a target in the lung |
EP1898775B1 (de) * | 2005-06-21 | 2013-02-13 | Philips Electronics LTD | System und gerät für die navigierte therapie und diagnose |
CA2612603C (en) * | 2005-06-21 | 2015-05-19 | Traxtal Inc. | Device and method for a trackable ultrasound |
CN1907225B (zh) * | 2005-08-05 | 2011-02-02 | Ge医疗系统环球技术有限公司 | 用于脑内出血损伤分割的方法和设备 |
CA2620196A1 (en) * | 2005-08-24 | 2007-03-01 | Traxtal Inc. | System, method and devices for navigated flexible endoscopy |
GB2430026A (en) * | 2005-09-09 | 2007-03-14 | Qinetiq Ltd | Automated selection of image regions |
EP1957996A1 (de) * | 2005-11-29 | 2008-08-20 | Koninklijke Philips Electronics N.V. | Unterscheidung von gebundenen und ungebundenen kontrastmitteln unter verwendung von magnetresonanz |
WO2007064980A2 (en) * | 2005-11-30 | 2007-06-07 | The Research Foundation Of State University Of New York | Electronic colon cleansing method for virtual colonoscopy |
WO2007064981A2 (en) * | 2005-11-30 | 2007-06-07 | The Research Foundation Of State University Of New York | Reducing false positives of polyp in cad |
US7622919B2 (en) * | 2006-07-31 | 2009-11-24 | Schlumberger Technology Corporation | Nuclear magnetic resonance measurement techniques in non-uniform fields |
WO2009087253A1 (es) * | 2008-01-08 | 2009-07-16 | Consejo Superior De Investigaciones Cientificas | Materiales nanoestructurados tubulares con propiedades magneticas anisotropicas, procedimiento de obtención y sus aplicaciones |
WO2009102874A2 (en) * | 2008-02-12 | 2009-08-20 | The Research Foundation Of State University Of New York | Methods of using combined forward and backward sampling of nuclear magnetic resonance time domain for measurement of secondary phase shifts, detection of absorption mode signals devoid of dispersive components, and/or optimization of nuclear magnetic resonance experiments |
EP2108328B2 (de) * | 2008-04-09 | 2020-08-26 | Brainlab AG | Bildbasiertes Ansteuerungsverfahren für medizintechnische Geräte |
US8243334B2 (en) | 2008-06-06 | 2012-08-14 | Virginia Venture Industries, Llc | Methods and apparatuses for printing three dimensional images |
DE102008062853B4 (de) * | 2008-12-23 | 2011-04-14 | Siemens Aktiengesellschaft | Verfahren zur kontrastmittelfreien angiographischen Bildgebung in der Magnetresonanztomographie |
DE102010041212B4 (de) * | 2010-09-22 | 2012-07-26 | Siemens Aktiengesellschaft | Kompensation von Echozeit-unabhängigen Phasen- oder Magnitudenanteilen in aufgenommenen MR-Bilddaten |
DE102011109037A1 (de) * | 2011-07-30 | 2013-01-31 | Universität Zu Lübeck | Verfahren zum Auffinden der Position eines Schallkopfes |
KR20150108701A (ko) | 2014-03-18 | 2015-09-30 | 삼성전자주식회사 | 의료 영상 내 해부학적 요소 시각화 시스템 및 방법 |
US9996935B2 (en) | 2014-10-10 | 2018-06-12 | Edan Instruments, Inc. | Systems and methods of dynamic image segmentation |
WO2016166071A1 (en) * | 2015-04-14 | 2016-10-20 | Koninklijke Philips N.V. | Radiotherapy planning with improved accuracy |
US20160377717A1 (en) * | 2015-06-29 | 2016-12-29 | Edan Instruments, Inc. | Systems and methods for adaptive sampling of doppler spectrum |
CN114820664B (zh) * | 2022-06-28 | 2022-09-30 | 浙江大学 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USRE33259E (en) * | 1978-07-20 | 1990-07-10 | The Regents Of The University Of California | Method and apparatus for rapid NMR imaging of nuclear parameters with an object |
US4528985A (en) * | 1981-12-21 | 1985-07-16 | Albert Macovski | Blood vessel imaging system using nuclear magnetic resonance |
US4516582A (en) * | 1983-05-02 | 1985-05-14 | General Electric Company | NMR blood flow imaging |
US4591789A (en) * | 1983-12-23 | 1986-05-27 | General Electric Company | Method for correcting image distortion due to gradient nonuniformity |
US4609872A (en) * | 1984-08-10 | 1986-09-02 | General Electric Company | NMR multiple-echo phase-contrast blood flow imaging |
DE3614142C2 (de) * | 1985-04-26 | 1996-03-28 | Toshiba Kawasaki Kk | Verwendung eines Materials für die Diagnose durch Kernresonanz-Spektroskopie |
US4777957A (en) * | 1985-06-14 | 1988-10-18 | General Electric Company | Method for measuring and imaging fluid flow |
US4751643A (en) * | 1986-08-04 | 1988-06-14 | General Electric Company | Method and apparatus for determining connected substructures within a body |
US4734646A (en) * | 1986-09-16 | 1988-03-29 | Fonar Corporation | Method for obtaining T1-weighted and T2-weighted NMR images for a plurality of selected planes in the course of a single scan |
US4918368A (en) * | 1986-10-29 | 1990-04-17 | Span, Inc. | System for charging batteries and measuring capacities and efficiencies thereof |
US4876509A (en) * | 1986-12-17 | 1989-10-24 | Resonex, Inc. | Image restoration process for magnetic resonance imaging resonance imaging |
US4821213A (en) * | 1986-12-19 | 1989-04-11 | General Electric Co. | System for the simultaneous display of two or more internal surfaces within a solid object |
JPH0814584B2 (ja) * | 1986-12-22 | 1996-02-14 | 株式会社東芝 | 磁気共鳴イメ−ジング装置における流速測定方法 |
NL8701642A (nl) * | 1987-07-13 | 1989-02-01 | Philips Nv | Werkwijze en inrichting voor het uitvoeren van een fasecorrectie bij mr angiografie. |
US4918386A (en) * | 1988-12-23 | 1990-04-17 | General Electric Company | Method for simultaneously obtaining three-dimensional NMR angiograms and stationary tissue NMR images |
-
1990
- 1990-12-20 US US07/631,121 patent/US5204625A/en not_active Expired - Fee Related
-
1991
- 1991-12-11 DE DE69130108T patent/DE69130108T2/de not_active Expired - Fee Related
- 1991-12-11 EP EP91311517A patent/EP0492898B1/de not_active Expired - Lifetime
- 1991-12-19 JP JP3354042A patent/JPH0685770B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
EP0492898A1 (de) | 1992-07-01 |
JPH0622931A (ja) | 1994-02-01 |
EP0492898B1 (de) | 1998-09-02 |
US5204625A (en) | 1993-04-20 |
DE69130108D1 (de) | 1998-10-08 |
JPH0685770B2 (ja) | 1994-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69130108T2 (de) | Abbildung mittels magnetischer Resonanz | |
DE69325889T2 (de) | Verfahren zur Segmentierung von Bildmerkmalen | |
DE4432570B4 (de) | Verfahren und Vorrichtung für die Kernresonanzabbildung physiologischer Funktionsinformation | |
DE69931611T2 (de) | Magnetresonanz-Bildgebungsvorrichtung | |
DE69323810T2 (de) | NMR-Angiographie mit schnellen Pulssequenzen und Vorbereitungspulsen | |
DE69130975T2 (de) | Nichtinvasive Analyse von myokardialen Bewegungen durch Phasenkontrast-Abbildungen der myokardialen Geschwindigkeits-Aufzeichnungen mittels magnetischer Resonanz | |
DE68924753T2 (de) | Verfahren zur Multischicht-Bilderzeugung mittels magnetischer Kernresonanz. | |
DE68927107T2 (de) | Verminderung von bewegungsartefakten bei der bilderzeugung mittels magnetischer kernresonanz | |
DE10246406B4 (de) | MRI mit sich bewegendem Tisch und einer Frequenzkodierung in der z-Richtung | |
DE3686670T2 (de) | Apparat und verfahren zur messung und abbildung eines fluessigkeitsflusses. | |
DE69709425T2 (de) | Dreidimensionale digitale Subtraktions-Angiographie mittels magnetischer Resonanz | |
DE19532901B4 (de) | Verfahren und Gerät zum Abbilden physiologischer Funktionsinformation mit kernmagnetischer Resonanz (NMR) | |
DE19750637B4 (de) | Verfahren zur Messung und Kompensation von durch Wirbelströme induzierten sich örtlich und zeitlich ändernden Magnetfeldern | |
DE4428503C2 (de) | Diffusionsgewichtete Bildgebung mit magnetischer Resonanz | |
DE69224354T2 (de) | Magnetisches Resonanzverfahren | |
DE3642826A1 (de) | Verfahren zum erzeugen eines nmr-bildes mit verbessertem signal-rausch-verhaeltnis | |
DE60023161T2 (de) | Verfahren zur abbildung von protonen-quer-relaxationszeiten oder funktionen davon in einem objekt mit lokalisierter bewegung unter verwendung der bildgebenden kernspinresonanz | |
DE69311175T2 (de) | Gradientenmagnetfeldmoment-Nullstellung in einem schnellen Spin-Echo-Impulssequenz der magnetischen Kernresonanz | |
DE19630758A1 (de) | Schnelle Herz-gesteuerte kernmagnetische Resonanz-Erfassung mit verbessertem T¶1¶-Kontrast | |
DE19750638A1 (de) | Überschneidungs-Mehrschnitt-Magnetresonanzabbildungs-Datenerfassungsverfahren | |
DE10356275B4 (de) | Verfahren zur automatischen Segmentierung von phasenkodierten Flussbildern in der Magnetresonanztomographie | |
DE10191807B3 (de) | MRI-Verfahren und -Vorrichtung zur schnellen Bewertung eines Stenoseausmaßes | |
DE69226312T2 (de) | Verfahren und anordnung zur lokalisierten kernresonanzspektroskopie mittels eines verschalteten spiralmusters | |
DE19730748A1 (de) | Bandbegrenzte Interpolation und Projektion räumlicher dreidimensionaler Bilder | |
DE69428756T2 (de) | Eichung der frequenz für bildabtaster mittels magnetischer resonanz |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |