JP2016533839A - 画像再構成のために空間適応的正則化を用いるｍｒｉ - Google Patents

画像再構成のために空間適応的正則化を用いるｍｒｉ Download PDF

Info

Publication number
JP2016533839A
JP2016533839A JP2016539653A JP2016539653A JP2016533839A JP 2016533839 A JP2016533839 A JP 2016533839A JP 2016539653 A JP2016539653 A JP 2016539653A JP 2016539653 A JP2016539653 A JP 2016539653A JP 2016533839 A JP2016533839 A JP 2016533839A
Authority
JP
Japan
Prior art keywords
information
image information
image
reconstructed
contrast
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.)
Pending
Application number
JP2016539653A
Other languages
English (en)
Inventor
フオン ホワーン
フオン ホワーン
エンハオ ゴーン
エンハオ ゴーン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2016533839A publication Critical patent/JP2016533839A/ja
Pending legal-status Critical Current

Links

Images

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
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • 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
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences
    • 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
    • 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
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
    • 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
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56554—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by acquiring plural, differently encoded echo signals after one RF excitation, e.g. correction for readout gradients of alternating polarity in EPI

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

磁気共鳴（ＭＲ）イメージングシステムは、関心領域（ＲＯＩ）のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切な第一の画像情報を含み得るエコー情報を収集し；選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の前再構成画像情報を取得し；前再構成画像情報から情報を抽出し；抽出された情報に基づいて正則化再構成のための空間適応的正則化重みを決定し；及び／又は、空間適応的正則化重みとエコー情報とに従って第一の画像情報を再構成し得る、少なくとも一つのコントローラを含み得る。

Description

［関連出願への相互参照］
この特許出願は２０１３年９月５日出願の米国仮特許出願第６１／８７３，９４９より３５Ｕ．Ｓ．Ｃ§１１９の規定による優先権を主張する。この出願は本明細書に参照により援用される。
本システムは空間適応的正則化技術を用いて画像を再構成するための医用イメージングシステムに関し、より具体的には、別の画像を少なくとも部分的に収集するために一つ以上の再構成画像の構造及びノイズ分布情報を用いる正則化パラレルイメージングシステムに関する。
高速イメージング技術は低コストで高品質画像を取得するために必須である。あいにく、従来の高速イメージング技術は画像を再構成するために十分な詳細を得ることができない場合がある。従って、高速イメージングのために異なるコントラストを持つ画像間で共有可能な情報を活用することに関心があった（例えばＲ１‐Ｒ３）。例えば、一つの従来のスキーム（例えばＲ１）は、極めて高い計算負荷という代償を払って圧縮センシングを増進するために共有可能な構造情報を使用し、スキャン間運動に敏感である。さらに、相関イメージング法（例えばＲ２）は共有コイル感度情報の使用について論じ、スキャン間運動があるときは機能的であるとは考えられていない。あいにく、高速イメージング技術は典型的には明確さ、詳細などといった十分な画像特性を伴って画像を再構成するためには不十分であり得る情報を提供する。その他、その内容が本明細書に参照により援用されるＷＯ／２０１２／１２７３４１（本明細書の最後に参考文献Ｒ１２としても掲載）に記載のものなどは、異なるコントラスト画像間で共有可能な関心領域（ＲＯＩ）又は相互情報を正則化項における制約として使用する。この方法も大規模のスキャン間運動に敏感であり得る。
既知の方法と比較して、本システムの実施形態は次の利点を含む：１）構造情報に加えて、部分的収集に起因してノイズ分布が共有され得る；２）共有情報は類似性を強化するために正則化項において直接使用されない。代わりに、共有情報は正則化項の空間適応的正則化パラメータを定義するために使用され得る。このように、提案される再構成法は動きに対する感度が低くなり得る。次式は実施例を提供し、本システムの実施形態によって使用され得る。
以下の式（１）は従来の再構成法を示す。
Figure 2016533839
ｘは全チャネルの再構成されたｋ空間であり、ｋは部分的に収集されたデータであり、Ｄはデータアンダーサンプリングのための演算子であり、Ｇはセルフコンシステントパラレルイメージング再構成（ＳＰＩＲｉＴ）のための一般畳み込み演算子であり、Ψはウェーブレット変換であり、∇は勾配作用素である。非負正則化パラメータλ０、λ１及びλ２はこれら四項をバランスする。最後の二項はスパース性制約であり、それらはこれら変換領域における再構成画像のスパース性を増強する。式（１）では二つのスパース性制約が一実施例として使用される。式（１）はいかなる共有情報も使用しない一つの従来法を示す。
ＷＯ／２０１２／１２７３４１に記載の別の方法は式（２）に示す通り正則化項において事前情報を使用する。
Figure 2016533839
Ｍは共有ＲＯＩ情報である。
以下の式（３）は本システムの実施形態にかかる再構成法をあらわす。
Figure 2016533839
Ｎは共有ノイズ分布によって決定される。ノイズ分布情報は再構成された以前の画像を人為的にアンダーサンプリングし、そして人為的にアンダーサンプリングされたデータで再度画像を再構成することによって計算され得る。ＷｎとＷ１は共有構造情報によって定義される空間適応的重みである。一実施例として、重みＷｎ及びＷ１は点別重み付け関数のセットによって定義される。
Figure 2016533839
Ｐｎ及びＰ１は式（３）を用いて計算される、ウェーブレット及び画像空間における境界である統計的確率である。パラメータδはオーバーフロー防止のためであり、パラメータｑは正則化のオーダーを制御するためである。式（２）と比較して、共有情報が異なるアプローチにおいて使用されることが見られる。図６‐８は本システムの実施形態が、正則化パラメータにおける共有情報の使用のために、従来法よりもスキャン間運動への感度が低いことを示す。さらに、本システムの実施形態によれば、１）データセットが二より多くの画像を持つ場合、プロセスは二番目の画像の再構成後に共有可能情報を増強し得る。増強された情報は三番目及び以降の画像をより良く再構成することができ、２）二番目の画像の再構成後、増強された境界情報が最初の画像の再構成を改良するためにも使用されることができる。
さらに、加速係数が高い時、部分的パラレルイメージング（ＰＰＩ）法は信号対ノイズ比（ＳＮＲ）を減らし、残存エイリアシングアーチファクトを生じる傾向がある。圧縮センシング（ＣＳ）法などの正則化再構成法はＳＮＲを維持することができるが、この技術はぼやけた境界という代償を払ってこれを行う。ノイズ分布（例えばｇ因子）情報を用いる（例えばＲ４）又は検出された境界情報を用いる（例えばＲ５及びＲ６）空間適応的重みを用いる方法が提案されているが、これらの方法は実行が容易でない。例えば、不規則パターンを伴う軌道について、ｇ因子の予測は取得が困難である。さらに、部分的に収集されたデータを伴う境界検出のための自己学習法は、部分的に収集されたデータを伴う初期再構成が不完全であるため、反復的又は不正確にならざるを得ない。本システムの実施形態は境界検出のために以前に再構成された画像を使用する。従って検出された境界はより正確になり得る。
本明細書に記載の（複数の）システム、デバイス、方法、ユーザインターフェース、コンピュータプログラム、プロセスなど（以降その各々は文脈が他に指定しない限りシステムと称される）は従来技術のシステムにおける問題に対処する。
本システムの実施形態によれば、従来のイメージング法の欠点を補正するために部分的パラレルイメージング（ＰＰＩ）及び正則化の組み合わせを組み込む方法が開示される。本システムの実施形態は画像再構成のためにＰＰＩと正則化をバランスするパラメータを選択する方法を提供する。より具体的には、本システムの実施形態は磁気共鳴（ＭＲ）画像及び同様のものなどの画像を再構成するときにノイズ及びアーチファクトレベルをバランスするために正則化ＰＰＩにおいて空間適応的重みを定義する方法を提供し得る。
本システムの実施形態によれば、関心領域（ＲＯＩ）のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切な第一の画像情報を含む、エコー情報を収集し；選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の前再構成画像情報を取得し；前再構成画像情報から情報を抽出し；抽出された情報に基づいて正則化再構成のための空間適応的正則化重みを決定し；並びに／或いは空間適応的正則化重みとエコー情報とに従って第一の画像情報を再構成し得る、少なくとも一つのコントローラを含み得る磁気共鳴（ＭＲ）イメージングシステムが開示される。
少なくとも一つのコントローラは正則化再構成法に従って第一の画像情報を再構成し得ることも想定される。さらに、前再構成画像情報から抽出される情報は構造及びノイズ情報の少なくとも一つを含み得る。さらに、少なくとも一つのコントローラはＴ１ｗ若しくはＴ２ｗ画像分解能の一方から第一の画像情報を選択し、Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前再構成画像情報を選択することが想定される。しかしながら、Ｔ１ｗ及びＴ２ｗセットは一実施例に過ぎない。さらなる実施形態は各画像セットが少なくとも二つの画像を含む他の画像セットを含み得る。例えば一部の実施形態において、セットは拡散強調画像のセット、Ｔ１若しくはＴ２マッピングのための画像のセット、磁化率強調イメージングのための画像セットなどを含み得る。さらに他の実施形態では、同じ視野（ＦＯＶ）を共有するが異なるコントラスト若しくは分解能などの他の画像パラメータを持つ画像セットが使用され得る。従って、第一の画像情報はそれぞれ第一若しくは第二の画像情報の第一若しくは第二のデータセットの一方から選択され、前再構成画像情報を第一若しくは第二のデータセットの他方から選択してもよく、第一及び第二の画像情報は同じ視野（ＦＯＶ）を持つ。しかしながら、第一及び第二の画像情報はコントラスト、分解能などといった異なる画像パラメータと対応し得る。
さらに、第一の画像情報は部分的に収集されたデータセットを含み得る。ＭＲイメージングシステムはディスプレイを含んでもよく、少なくとも一つのコントローラは選択されたコントラストにおいて再構成された第一の画像情報及び選択されたコントラストと異なるコントラストを持つ前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングし得ることも想定される。
本システムのさらに他の実施形態によれば、ＭＲイメージングシステムによって取得される磁気共鳴（ＭＲ）画像情報から画像を再構成する方法が開示され、方法はＭＲイメージングシステムの少なくとも一つのコントローラによって実行され、次の一つ以上の動作を含み得る：関心領域（ＲＯＩ）のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切なエコー情報を収集する動作；選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の前再構成画像情報を取得する動作；前再構成画像情報から情報を抽出する動作；抽出された情報に基づいて空間適応的正則化重みを決定する動作；空間適応的正則化重みとエコー情報とに従って第一の画像情報を再構成する動作。
第一の画像情報を再構成する動作は正則化再構成法に従って実行され得ることも想定される。さらに、前再構成画像情報から情報を抽出する動作は、前再構成画像情報から構造情報とノイズ情報の少なくとも一つを抽出する動作をさらに含み得る。さらに、方法は次の一つ以上の動作をさらに含み得る：Ｔ１ｗ若しくはＴ２ｗ画像分解能の一方から第一の画像情報を選択する動作；Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前再構成画像を選択する動作。方法の実施形態によれば、第一の画像情報は、十分な詳細若しくは他の特性において画像を再構成するために不十分であり得る部分的に収集されたデータセットを含み得る。方法は、選択されたコントラストにおいて再構成された第一の画像情報及び選択されたコントラストと異なるコントラストにおける前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングする動作をさらに含み得る。
本システムのなおさらなる実施形態によれば、コンピュータ可読記憶媒体上に格納されるコンピュータプログラムが開示され、コンピュータプログラムは磁気共鳴（ＭＲ）画像情報から画像を再構成するように構成され得、コンピュータプログラムは、関心領域（ＲＯＩ）のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切なエコー情報を収集し；選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の前再構成画像情報を取得し；前再構成画像情報から情報を抽出し；正則化再構成のための、及び抽出された画像情報に基づく、空間適応的正則化重みを決定し；並びに／或いは空間適応的正則化重みとエコー情報とに従って第一の画像情報を再構成するように構成されるプログラム部分を含み得る。
プログラム部分はさらに正則化再構成法に従って第一の画像情報を再構成するように構成され得ることも想定される。さらに、前再構成画像情報から情報を抽出するためにプログラム部分はさらに前再構成画像情報から構造情報とノイズ情報の少なくとも一つを抽出するように構成され得ることが想定される。さらに、プログラム部分はＴ１ｗ若しくはＴ２ｗ画像分解能の一方から第一の画像情報を選択し、Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前再構成画像を選択するようにさらに構成され得る。さらに、ＲＯＩのエコー情報を収集するとき、プログラム部分はさらに部分的データセットのみを収集するように構成され得る。プログラム部分は選択されたコントラストにおいて再構成された第一の画像情報と、選択されたコントラストと異なるコントラストを持つ前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングするようにさらに構成され得ることも想定される。
本発明はさらに詳細に、例として、添付の図面を参照して説明される。
本システムの一実施形態にかかるイメージングシステム上で実行されるプロセスを図示するフロー図である。 本システムの一実施形態の特定実施例にかかるイメージングシステム上で実行されるプロセスを図示するフロー図である。 本システムの実施形態にかかるウェーブレット四分木のグラフを示す。 本システムの実施形態に従って有意性を決定するためのＨＭＴモデルを図示するグラフを示す。 本システムの実施形態に従って形成される画像例を示す。 本システムの一実施形態にかかるシステムの一部（例えばピア、サーバなど）を示す。 本システムの実施形態にかかるデータセットの剛体スキャン間運動への感度の比較を図示する一連の画像のグラフを示す。 本システムの実施形態にかかるデータセットの剛体スキャン間運動への感度の比較を図示する一連の画像のグラフを示す。 本システムの実施形態にかかるデータセットの非剛体スキャン間運動への感度の比較を図示する一連の画像のグラフを示す。 正則化パラメータにおける共有情報の使用のためにスキャン間運動への感度が低い、従って優れた画像を提供する、本システムの実施形態に従って得られる画像と、従来のシステムによって得られる画像との比較を図示する一連の画像のグラフを示す。
以下は、以下の図面と併用されるとき、上記特徴と利点、及びそれ以上を示す実施形態例の記載である。以下の記載において、限定ではなく説明の目的で、アーキテクチャ、インターフェース、技術、要素属性などといった詳細例が説明される。しかしながら、これらの詳細から逸脱する他の実施形態が添付の請求項の範囲内にあると依然として理解され得ることが当業者に明らかであろう。さらに、明確さの目的で、周知のデバイス、回路、ツール、技術及び方法の詳細な記載は、本システムの記載を曖昧にしないよう省略される。図面は例示の目的で含まれ、本システムの全範囲をあらわすものではないことが明示的に理解されるべきである。添付の図面において、異なる図中の類似する参照番号は同様の要素を示し得る。
図１Ａは本システムの実施形態にかかるイメージングシステムによって実行されるプロセス１００を図示するフロー図である。プロセス１００は、ネットワーク上で通信し、互いにローカル及び／又はリモートであり得る一つ以上のメモリから情報を取得し、及び／又は当該メモリへ情報を格納し得る、一つ以上のコンピュータを用いて実行され得る。プロセス１００は次の動作の一つ以上を含み得る。さらに、必要であればこれら動作の一つ以上は組み合わされるか、及び／又はサブ動作に分けられ得る。さらに、これら動作の一つ以上は設定に応じてスキップされ得る。画像情報は、例えばｋ空間画像情報を含み得る。作動中、プロセスは動作１０１中に開始し、そして動作１０３へ進行し得る。
動作１０３中、プロセスはＴ１ｗ画像スキャン（Ｒ＝１〜２）などの第一の画像情報を収集し、この情報はＴ２ｗ画像などの第一のコントラスト（例えば選択されたコントラスト）において一つ以上の画像を少なくとも部分的に再構成するために使用され得る。第一の画像情報は、例えばＭＲイメージング法などの任意の適切な一つ又は複数の医用イメージング法を用いてリアルタイムに収集され得る。従って、画像情報はＭＲイメージング法を用いて取得された関心領域（ＲＯＩ）のエコー情報を含み得る。第一の画像情報は部分的に若しくは完全に収集されたデータとよばれ得る。動作１０３の完了後、プロセスは動作１０５へ続き得る。
動作１０５中、プロセスは第一のコントラストと異なるコントラストを持つ一つ以上の画像の、少なくとも一つの以前に再構成された画像データセットを収集し得る。少なくとも一つの以前に再構成された画像データセットは第二の画像データセットとよばれることがあり、本実施形態例では、第一の画像情報のコントラストと異なるコントラスト（例えばＴ１ｗ）を持ち得る。従って、プロセスは第一の画像情報のコントラスト設定（例えばＴ２ｗ）を決定し、その後第一の画像情報の決定されたコントラストと異なる第二の画像データセットのためのコントラスト（例えばＴ１ｗ）を決定し得る。同じ若しくは実質的に同様の視野（ＦＯＶ）を共有する対応する画像データセットがスキームを使用し得る。第一及び第二のコントラストの選択は、限定されないが、収集速度、分解能レベル及びイメージング要件に基づき得る。
一部の実施形態において、第二の画像データセットは現在のデータセットと同じ分解能を持つかもしれないし持たないかもしれないことが想定される。加えて、剛体／非剛体運動に起因する小さなミスレジストレーションは許容可能であり得る。実験的に、再構成された第二の画像の誤差レベルに基づき、本システムの実施形態は９ｍｍ並進及び２０°回転まで面内スキャン間運動を許容すると決定されている。しかしながら、他のスキャン間運動及び並進値も想定される。従って、第二の画像データセットのＲＯＩは第一の画像情報のＲＯＩからわずかに異なる可能性がある。しかしながら、第二の画像データセットのＦＯＶは第一の画像情報のＦＯＶと実質的に同様であるべきである。第二の画像データセットは画像収集装置（例えばＭＲイメージングシステム）から、及び／又はシステムのメモリからなど、任意の適切なソースから取得され得る。本実施形態において、第二の画像情報は、本システムの実施形態に従って形成される画像例を示す図４の画像（ａ）に図示の通りＴ１ｗ画像などの第一の画像情報のコントラストではなく第二の（例えば異なる）コントラストタイプの、少なくとも一つの以前に再構成された若しくは収集された画像データセットを含み得ることが想定される。しかしながら、さらに他の実施形態において、第二の／以前の画像データセットは第一の／現在の画像データセットと同じコントラストを持ち得ることが想定される。動作１０５の完了後、プロセスは動作１０７へ続き得る。
動作１０７中、プロセスは第二の画像データセットから構造情報を抽出し得る。従って、プロセスは任意の適切な方法を用いてこれを行ってよく、変換されたウェーブレット領域、画像領域などといった任意の適切な領域において動作可能であり得る。例えば、本実施形態において、ウェーブレット領域モデルが記述される。従って、プロセスは第二の画像情報のＴ１ｗ画像を統計的に用いてウェーブレット領域における構造をキャプチャするためにスケール依存パラメータとともにＨｉｄｄｅｎ Ｍａｒｋｏｖ Ｔｒｅｅ（ＨＭＴ）モデル（例えばＲ７‐Ｒ８参照）を採用し得る。
簡潔に言えば、ＭＲＩ画像はスパースウェーブレット展開と有意なウェーブレット係数を持ち、ウェーブレット四分木を用いてモデル化され得る特性を示す。これらの特性は、（ａ）持続特性：有意性がスケールにわたって持続する；（ｂ）スケール依存性：持続性は微細なスケールほど強くなる；（ｃ）減衰する大きさ：大きさは微細なスケールへ指数関数的に減少する。従って、ＨＭＴモデルにおいて、ＨＭＴモデルパラメータはウェーブレット領域においてこれらの特性をキャプチャし得る。母状態から娘状態への変換は有意性の持続性をキャプチャし得る；変換率はスケール依存性である；有意ウェーブレット成分の値レベルは粗から微のスケールへ減衰している。本システムの実施形態によれば、これらのパラメータは限定されないが再構成画像からのウェーブレット成分情報を含む情報に基づいて推定され得る。ウェーブレット領域構造は、それらが混合分布に従い、ｔｈｒｅｓｈｉｎｇが小さいが重要な信号とノイズを区別することができないので、値だけによって定義されることができないことが留意されるべきである。従って、以下に記載の統計的方法とモデルが要求され、本システムの実施形態によって利用され得る。
図１Ｂは本システムの実施形態にかかるイメージングシステムによって実行されるプロセス１００Ｂを例示するフロー図である。プロセス１００Ｂは、ネットワークを介して通信する、相互にローカル及び／又はリモートであり得る一つ以上のメモリから情報を取得し得る、並びに／或いは当該メモリへ情報を格納し得る、一つ以上のコンピュータを用いて実行され得る。プロセス１００Ｂは以下の動作の一つ以上を含み得る。さらに、これらの動作の一つ以上は必要であれば組み合わされ、及び／又はサブ動作に分離され得る。さらに、これらの動作の一つ以上は設定に応じてスキップされ得る。画像情報は、例えばｋ空間情報を含み得る。作動中、プロセスは動作１５０中に開始し、そして動作１５１へ進行し得る。
動作１５１中、プロセスは第一の画像情報（例えば現在の画像情報）のための初期感度マップのためのプレスキャンを実行し得る。動作１５１の完了後、プロセスは動作１５３へ続き得る。
動作１５３中、プロセスは第一の画像情報のＴ１ｗ画像情報を得るためにＴ１ｗ画像スキャン（Ｒ＝１〜２）などのスキャンを実行し得る。動作１５３の完了後、プロセスは動作１５５及び／又は動作１６３へ続き得る。
動作１５５中、プロセスは第一の画像情報と対応するアンダーサンプリングされたＴ１ｗデータを取得し得る。動作１５５の完了後、プロセスは動作１５７へ続き得る。
動作１５７中、プロセスは第一の画像情報と対応するＴ１ｗ画像データ１５２を得るためにアンダーサンプリングされたＴ１ｗデータに対して本システムの実施形態にかかるイメージング法（例えばＧＲＡＰＰＡ／ＳＥＮＳＥ法）を用いてＰＰＩ再構成を実行し得る。動作１５７の完了後、プロセスは動作１６１及び／又は１７３へ続き得る。
動作１７３中、プロセスは（Ｔ１ｗ及びＴ２ｗ画像）などの再構成画像から構造、感度などといった情報を得るために情報抽出法を実行し得る。
動作１６１中、プロセスは効率的軌道最適化法を実行し得る。動作１６１の完了後、プロセスは動作１６３へ続き得る。
動作１６３中、プロセスは第二の画像情報のＴ２ｗ画像情報を得るためにＴ２ｗ画像スキャン（Ｒ＝４〜６）などのスキャンを実行し得る。動作１６３の完了後、プロセスは動作１６５及び／又は動作１７５へ続き得る。
動作１７５中、プロセスはＰＤＷ画像スキャン（Ｒ＝４〜６）を実行し得る。
動作１６５中、プロセスは第一の画像情報と対応するアンダーサンプリングされたＴ２ｗデータを取得し得る。動作１６５の完了後、プロセスは動作１６７へ続き得る。
動作１６７中、プロセスはアンダーサンプリングされたＴ２ｗデータに対して高速ＰＰＩイメージング法（例えばＧＲＡＰＰＡ／ＧＲＯＷＬ／ＳＥＮＳＥ法を用いる）など、本システムの実施形態にかかるイメージング法を用いて部分画像再構成を実行し得る。動作１６７の完了後、プロセスは動作１６９へ続き得る。
動作１６９中、プロセスはＴ２ｗ画像情報１７２を取得するためにＣＳ ＰＰＩイメージング法など、本システムの実施形態のイメージング法に従って、動作１６７中に取得されたアンダーサンプリングされた画像情報と、動作１７３中に取得された抽出情報とを用いて、画像再構成を実行し得る。動作１６９の完了後、プロセスは必要であれば動作１５１を繰り返し得る。
図２は本システムの実施形態にかかるＱｕａｌｉｆｉｅｄ ｓｉｇｎｉｆｉｃａｎｔ ｗａｖｅｌｅｔ ｔｒｅｅ（ＱＳＷＴ）としても知られるウェーブレット四分木（ＷＱＴ）のグラフを示し、図３は本システムの実施形態にかかる（例えばウェーブレット係数の）有意性を決定するためのＨＭＴモデルを例示するグラフを示す。図２を参照すると、ＷＱＴにおいて各（ウェーブレット）係数は四つの子（ウェーブレット）係数に接続され得る。ここで図３を参照すると、母（ウェーブレット）成分とその娘（ウェーブレット）成分の一つの、二つの隠れ状態、"有意"若しくは"無視可能"（例えば"非有意"）が示される。これら（ウェーブレット）成分の状態間の遷移はＨＭＴによってモデル化され得る。
ＨＭＴは、本実施形態では係数が"有意"若しくは"無視可能"（例えば"非有意"）であるかどうかを示す、隠れ二値状態を伴うガウス混合密度として、各ウェーブレット係数の確率密度関数をモデル化するために本システムの実施形態によって利用され得る。２Ｄウェーブレット四分木の特性は、状態間の遷移行列とガウス混合分布（例えば以下の式５及び６参照）がウェーブレットツリー四分木における数パラメータの関数である隠れマルコフ四分木モデルによってキャプチャされ得る。ウェーブレット係数の"有意性"は構造を示す。高有意性を伴う位置（例えば"有意"位置）は境界をキャプチャする。低有意性を伴う位置（例えば"無視可能"位置）は区分定数領域をキャプチャする傾向がある。従って、プロセスは位置が"有意"であるか又は"有意"でない（例えば"無視可能"）かどうかを決定するためにウェーブレット四分木を解析し得る。本システムの実施形態は各（ウェーブレット）成分のＨＭＴパラメータと隠れ状態を合同で推定する。ウェーブレット領域における測定情報に基づいて、実施形態はＨＭＴのパラメータを反復的に推定して変換領域の特性をキャプチャし、特性に最適な各成分の隠れ状態を推定する。位置が"有意"であると決定される場合、プロセスは位置が境界位置であると決定し得る。しかしながら、位置が非"有意"（例えば"無視可能"若しくは有意でない）をキャプチャすることが決定される場合、プロセスは位置が区分定数領域をキャプチャする（例えばこれが境界位置でない）と決定し得る。
Figure 2016533839
Figure 2016533839
式５は所定隠れ状態（Ｓｎ＝Ｓ若しくはＳｎ＝Ｎ）を所与とするウェーブレット成分の値θｎの混合ガウス分布ｆ（θｎ）を示す。分布はゼロ平均ただし異なる状態について異なる分散（"有意性"に
Figure 2016533839
及び"非有意性"に
Figure 2016533839
）を伴うガウス分布Ｎ（０，σ２）である。分散はスケールｊと二状態についてのパラメータ（ＣσＳ，ＣσＮ，αＳ，αＮ）に関連する。
式６は母（ウェーブレット）成分からの二状態と二つの娘状態（ウェーブレット成分）間の遷移行列Ａｎを示す。四タイプの遷移関係：
Figure 2016533839
がある。遷移率はスケールパラメータｊと二状態についてのパラメータ（ＣＡＳ，ＣＡＮ，γＳ，γＮ）に依存する。
有意性は各（ウェーブレット）成分について二状態の推定確率
Figure 2016533839
に基づいて決定される。
構造情報を抽出するためにＨＭＴモデルが上記で使用されるが、勾配若しくは局所相互情報量法など、構造情報を抽出するために他の方法が代わりに使用され得ることも想定される（例えばＲ１、Ｒ５、Ｒ６及びＲ９参照）。図示及び上記のＨＭＴモデルはウェーブレット領域モデルを用いる一例に過ぎない。しかしながら、他の統計的方法が使用され得る。例えば、一部の実施形態によれば、異なるコントラストの画像におけるウェーブレット領域におけるサポート制約とともに正則化する統計的方法が使用され得る。例えば、一部の実施形態では、（例えばＨＭＴモデルを用いて）ウェーブレット領域において情報を抽出するのではなく、プロセスは画像空間領域において及び／又は全分散変換領域などの変換領域において情報を抽出し得る（例えばＲ９参照）。
本システムの実施形態によれば、"有意性"の推定確率を用いて各（ウェーブレット）成分について正則化重みが決定され得る。重みＷは式７（式４と同じであり便宜上以下に複製される）に示す通りｑ次の確率ｐｎに反比例する。δはオーバーフローを防止するために使用され得る。
Figure 2016533839
図１Ａに戻り、動作１０７の完了後、プロセスは動作１０９へ続き、この最中にプロセスは任意の適切な再構成法を用いてウェーブレット領域から画像空間へ構造情報を変換し得る。
例えば、正則化重みがウェーブレット領域において抽出される場合（本実施形態と同様に）、画像空間領域における正則化法が再構成を実行するために使用され得る。従って、ウェーブレット領域において（例えば動作１０７中に）以前に取得される構造情報がウェーブレット係数及び逆ウェーブレット変換を用いることによって画像空間領域へ変換され得る。線形若しくは非線形レギュレーション関数が統計的重み（例えば０から１）から所望のレギュレーション重みへ値を変換するために適用され得る。動作１０９の完了後、プロセスは動作１１１へ続き得る。
動作１１１中、プロセスは第二の画像データセットからノイズ分布情報を抽出し得る。ノイズ分布情報はノイズ分布マップとして具体化され得る。従って、プロセスは第二の画像データセットについてのノイズ分布情報マップを統計的に若しくは解析的に計算するために第二の画像データセットについてのノイズ分布マップを計算し得る。これをなすために、プロセスは第一の画像に適用したものと同じサンプリングパターンとパラレルイメージング法を適用し得る。言い換えれば、本実施形態ではＴ２ｗ画像である再構成されるべき画像（例えば第一の画像）のためのサンプリングパターンとパラレルイメージング法を所与として、同じサンプリングパターンとパラレルイメージング法が、ノイズ分布マップを統計的に（例えばＲ１０）若しくは解析的に（例えばＲ１１）計算するために、以前に再構成された画像（例えば第二の画像の第二の画像データセット）に適用され得る。動作１１１の完了後、プロセスは動作１１３へ続き得る。
動作１１３中、プロセスは抽出画像とノイズ分布情報を第一の画像情報へ適用することによって第一の画像情報を再構成し得る。従って、プロセスは構造及びノイズ分布情報で空間適応的正則化重みを生成し、そして、これらの空間適応的正則化重みを用いて第一の画像を再構成し得る（図４参照）。
構造及びノイズ分布情報で空間適応的正則化重みを生成する方法がここで論じられる。"Ｓ"が画像空間における計算された"有意性"をあらわすと仮定すると、Ｓのより大きな値は境界が存在する高い確率を示し、"Ｎ"はノイズ分布マップをあらわし、Ｎのより大きな値は再構成後のより高いノイズレベルを示す。そして空間適応的正則化重みは式８に示す通り定義され得る。
λＮ／Ｓ 式（８）
λはスケーリングパラメータであり、Ｓは重みＷに基づく可能性があり、Ｎはノイズ分布マップの事前シミュレーションを用いて計算されるノイズである。
そして、プロセスはこれらの空間適応的正則化重みとエコー情報とに従って第一の画像情報の再構成を実行し得る。従って、第一の情報を再構成する再構成モデルにおける正則化項に（例えば点別乗算法を用いて）空間適応的正則化重みが適用され得る。正則化項は画像空間若しくは他の変換後数学領域のいずれかであり得る。プロセスは再構成技術としてＬ１‐反復セルフコンシステントパラレルイメージング再構成（Ｌ１‐ＳＰＩＲｉＴ）及びＧｅｎｅＲａｌｉｚｅｄ Ａｕｔｏ−ｃａｌｉｂｒａｔｉｎｇ Ｐａｒｔｉａｌｌｙ Ｐａｒａｌｌｅｌ Ａｃｑｕｉｓｉｔｉｏｎｓ（ＧＲＡＰＰＡ）初期化など任意の適切な再構成アルゴリズム／技術を利用し得る。動作１１３の完了後、プロセスは動作１１５へ続き得る。
動作１１５中、プロセスはユーザが再構成された第一の画像を見得るように、例えばシステムのディスプレイ上に再構成された第一の画像情報をレンダリングし得る。プロセスは、ビューパラメータなどを変更し、情報（例えばノート、コマンドなど）を入力するためにユーザが相互作用し得るユーザインターフェース（ＵＩ）をさらに提供し得る。プロセスはユーザの入力をリアルタイムに処理し、対応する結果をリアルタイムにレンダリングし得る。動作１１５の完了後、プロセスは動作１１７へ続き得る。データセットが２より多くの画像を持つことが決定される場合、プロセスは次の画像を再構成するために抽出された情報を適用し得る。また、第二の画像の再構成後に第一及び第二の画像の両方を用いることによって共有可能な情報の精度がさらに増強され得る。増強された情報は第三の及び任意の他の次の画像の再構成のために使用され得る。
動作１１７中、プロセスはより多くの画像を収集し、現在のプロセスの画像情報（例えば第一の画像、第二の画像など）、結果などに従ってシステムのメモリに格納される履歴情報を更新し得る。例えば、プロセスは後の使用、解析及び／又は他の処理のためにシステムのメモリにこれが使用及び／又は生成する情報（例えば決定の結果、ＭＲ画像情報、設定、パラメータなど）を格納し得る。情報は対応する患者の名前、ユーザ（例えば放射線科医などの専門家）の名前、ＲＯＩなどと関連して格納され得る。さらに、一部の実施形態において、プロセスは様々な抽出された画像情報、変換された画像情報などといった、プロセスによって決定及び／又は計算された情報を、後の使用のために格納し得る。従って、例えば、プロセスは後の使用のためにシステムのメモリに再構成された第一の画像を格納し得る。動作１１７の完了後、プロセスは動作１１９へ続き、ここで終了する。
実験結果：
（例えば構造及びノイズ分布情報を得るために）画像抽出のために使用された再構成されたＴ１ｗ画像を用いてＴ２ｗ画像を再構成するために本システムの実施形態が使用された。Ｌ１‐ＳＰＩＲｉＴ及びＧＲＡＰＰＡ初期化が再構成法として利用された。図４を戻って参照すると、グラフ（Ａ）は情報抽出のために使用されるＴ１ｗ画像を示す；グラフ（Ｂ）はウェーブレット領域における抽出された構造情報を示す；グラフ（Ｃ）と（Ｄ）は各々画像領域におけるｘ及びｙ次元に沿った抽出された構造情報を示す；グラフ（Ｅ）は正則化項において抽出情報を用いる５ｘ加速でのＴ２ｗ画像の再構成を示す。ＧＲＡＰＰＡ初期化とともにＬ１‐ＳＰＩＲｉＴが再構成スキームとして使用された；グラフ（Ｆ）は本システムの実施形態にかかる再構成画像（例えばＴ２ｗ画像）を示す。
従って、本システムの実施形態は、再構成されるべき画像と異なるコントラストを持つ画像について以前に再構成された／収集されたデータセットの少なくとも一つのセットから構造及びノイズ分布情報を含み得る画像情報を抽出するように動作可能である。さらに、本システムの実施形態は抽出情報に従って空間適応的正則化重みを定義し得る。
プロセスの実施形態は、（例えば再構成されるべき画像と）異なるコントラストを持つ画像について以前に再構成された／収集されたデータセットの少なくとも一つのセットから、構造とノイズ分布（以降この各々が抽出情報と通称され得る）を明示的に抽出し得る。抽出情報は画像空間内、又は、ウェーブレット領域における係数など、何らかの他の変換領域内にあり得る。さらに、以前に再構成された画像は必ずしも再構成されるべき画像と同じ分解能を持たず、又は厳密に同じ位置に位置しない。
抽出情報（例えば抽出された構造及びノイズ分布情報を含む）は、正則化再構成のための空間適応的正則化重みを定義するために本システムの実施形態によって使用され得る。正則化再構成法は、正則化パラレルイメージング法、圧縮センシング法、及び／又は他のタイプのイメージング法など、一つ以上のイメージング法を含み得る。さらに、正則化再構成法は、例えば、（例えば画像空間における）画像空間法若しくは（例えばｋ空間における）ｋ空間法を含み得る。構造情報とノイズ分布情報は再構成されるべき画像を再構成するために本システムによって共同で若しくは独立して使用され得る。さらに、情報抽出及び適用は異なるコントラストを持つ画像間で反復的であり得る。
図５は本システムの実施形態にかかるシステム５００（例えばピア、サーバなど）の一部を示す。例えば、本システムの一部はメモリ５２０に操作上結合されるプロセッサ５１０（例えばコントローラ）、ディスプレイ５３０、ＲＦトランスデューサ５６０、磁気コイル５９０及びユーザ入力デバイス５７０を含み得る。メモリ５２０はアプリケーションデータだけでなく上記操作に関する他のデータも格納するためのいかなるタイプのデバイスでもあり得る。アプリケーションデータ及び他のデータは本システムに従って操作動作を実行するようにプロセッサ５１０を構成する（例えばプログラムする）ためにプロセッサ５１０によって受信される。そのように構成されるプロセッサ５１０は本システムの実施形態に従って実行するために特に適した専用マシンとなる。
操作動作は例えばオプションのサポートアクチュエータ、磁気コイル５９０、及び／又はＲＦトランスデューサ５６０を制御することによってＭＲＩシステムを構成することを含み得る。サポートアクチュエータは必要であれば被験対象の（例えばｘ、ｙ及びｚ軸における）物理的位置を制御し得る。磁気コイル５９０は主磁気コイル及び傾斜磁場コイル（例えばｘ、ｙ及びｚ傾斜磁場コイル）を含むことがあり、所望の方向及び／又は強度の主磁場及び／又は傾斜磁場を発するように制御され得る。コントローラは所望の磁場が所望の時間に発せられるように磁気コイル５９０へ電力を供給するために一つ以上の電源を制御し得る。ＲＦトランスデューサ５６０は被験対象においてＲＦパルスを送信し、及び／又はそこからエコー情報を受信するように制御され得る。再構成器はエコー情報などの受信信号を処理し、それらを（例えば本システムの実施形態の一つ以上の再構成技術を用いて）、例えばディスプレイ５３０、スピーカなどといった本システムのユーザインターフェース（ＵＩ）上にレンダリングされ得る画像情報（例えば静止若しくはビデオ画像（例えばビデオ情報））、データ及び／又はグラフを含み得るコンテンツへ変換し得る。さらに、コンテンツは後の使用のためにメモリ５２０などのシステムのメモリに格納され得る。従って、操作動作は例えばエコー情報から得られる再構成された画像情報などのコンテンツの要求、提供及び／又はレンダリングを含み得る。プロセッサ５１０はシステムのディスプレイなどシステムのＵＩ上にビデオ情報などのコンテンツをレンダリングし得る。
ユーザ入力５７０は、パーソナルコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話（例えばスマートフォン）、モニタ、スマート若しくはダム端末、又は任意の操作可能リンクを介してプロセッサ５１０と通信するための他のデバイスの一部など、スタンドアロン若しくはシステムの一部であり得る、キーボード、マウス、トラックボール若しくは他のデバイス、例えばタッチセンサディスプレイなどを含み得る。ユーザ入力デバイス５７０は本明細書に記載の通りＵＩ内の相互作用を可能にすることを含むプロセッサ５１０との相互作用のために動作可能であり得る。明らかにプロセッサ５１０、メモリ５２０、ディスプレイ５３０、及び／又はユーザ入力デバイス５７０は全部若しくは一部が、コンピュータシステム或いはクライアント及び／又はサーバなどの他のデバイスの一部であり得る。
本システムの方法は本システムによって記述される及び／又は描かれる個々のステップ若しくは動作の一つ以上に対応するモジュールを含むプログラムなど、コンピュータソフトウェアプログラムによって実行されるのに特に適している。かかるプログラムは勿論、集積チップ、周辺デバイス若しくはメモリ、例えばプロセッサ５１０に結合されるメモリ５２０若しくは他のメモリなど、コンピュータ可読媒体において具体化され得る。
メモリ５２０に含まれるプログラム及び／又はプログラム部分は本明細書に開示の方法、操作動作、及び機能を実施するようにプロセッサ５１０を構成し得る。メモリは例えばクライアント及び／又はサーバ間に分散され得るか、或いはローカルであり得、追加プロセッサが設けられ得るプロセッサ５１０も、分散され得るか又は単数であり得る。メモリは電気、磁気若しくは光学メモリ、又はこれらの若しくは他のタイプの記憶装置の任意の組み合わせとして実現され得る。さらに、"メモリ"という語はプロセッサ５１０によってアクセス可能なアドレス可能空間におけるアドレスから読み出される若しくは当該アドレスに書き込まれることができる任意の情報を包含するために十分広義に解釈されるべきである。この定義により、ネットワークを通じてアクセス可能な情報は、例えばプロセッサ５１０が本システムにかかる動作のためにネットワークから情報を読み出し得るので、依然としてメモリ内にある。
プロセッサ５１０は制御信号を提供するため、及び／又はユーザ入力デバイス５７０からの入力信号に応答して、並びにネットワークの他のデバイスに応答して動作を実行するため、並びにメモリ５２０に格納される命令を実行するために動作可能である。プロセッサ５１０はマイクロプロセッサ、アプリケーション特有若しくは汎用集積回路、論理デバイスなどの一つ以上を含む。さらに、プロセッサ５１０は本システムに従って実行するための専用プロセッサであり得るか、又は多くの機能のうち一つのみが本システムに従って実行するために動作する汎用プロセッサであり得る。プロセッサ５１０はプログラム部分、マルチプログラムセグメントを利用して動作し得るか、又は専用若しくは多目的集積回路を利用するハードウェアデバイスであり得る。
図６は本システムの実施形態にかかるデータセットの剛体スキャン間運動に対する感度の比較を図示する一連の画像のグラフ６００を示す。Ｌ１ＳＰＩＲｉＴ、相関イメージング、及び図１Ｂに基づく本システムの実施形態にかかる、剛体スキャン間運動（例えばデータセット１のシミュレーション面内運動）に対する感度の比較が示される。Ｔ１ｗ画像及び対応する変換Ｔ２ｗ画像がそれぞれ画像Ａ及びＢに示される。Ｔ２ｗ画像は人為的に、本システムの実施形態に従って２ピクセル右に２ピクセル下に並進され、５度反時計回りに回転された。減少係数４でのＬ１‐ＳＰＩＲｉＴ再構成画像と対応する誤差マップが画像Ｃ及びＤにそれぞれ示される。画像Ｅ及びＦは相関イメージングを図示する。画像Ｇ及びＨは図１Ｂに基づく本システムの実施形態にかかるイメージングを図示する。画像Ｄ、Ｆ及びＨはそれぞれ画像Ｃ、Ｅ及びＧに対応する誤差マップであり、５倍明るくしたものである。付加的に、画像Ｄ、Ｆ及びＨは基準Ｔ２ｗ画像に基づく画像関心領域（ＲＯＩ）における二乗平均平方根誤差（ＲＭＳＥ）を含む。
図７は本システムの実施形態にかかるデータセットの剛体スキャン間運動に対する感度の比較を図示する一連の画像のグラフ７００を示す。グラフ７００はＬ１ＳＰＩＲｉＴ、相関イメージング、及び図１Ｂに基づく本システムの実施形態にかかるイメージングの剛体スキャン間運動（第二のデータセットにおける実際の面内及び面外運動）に対する感度の比較を図示する。画像Ａ及びＢはそれぞれＴ１ｗ及びＴ２ｗ画像を図示する。画像Ｃ及びＤはそれぞれ減少係数４での再構成画像と誤差マップ及び対応する５倍明るくした誤差マップ（Ｌ１ＳＰＩＲｉＴ）を示す。画像Ｅ及びＦは相関イメージングを図示する。画像Ｇ及びＨは図１Ｂに基づく本システムの実施形態を用いて得られる画像を図示する。従来の相関イメージング法はスキャン間運動に起因するエイリアシングを容易に解決しないことが見られる。基準Ｔ２ｗ画像に基づくＲＯＩにおけるＲＭＳＥは各対応誤差マップ（例えば画像Ｄ、Ｆ及びＨ）の右下においてラベルされる。
図８は本システムの実施形態にかかるデータセットの非剛体スキャン間運動（頸動脈データセットにおける実際の面内及び面外運動）に対する感度の比較を図示する一連の画像のグラフ８００を示す。特に、グラフ８００は純減少係数４におけるシミュレーションＴ２ｗ脳画像の再構成について図１Ｂに基づく本システムの実施形態にかかるイメージングと既存アルゴリズム（Ｌ１ＳＰＩＲｉＴ、相関イメージング）への比較を図示する。画像Ａ及びＢはそれぞれスキャン間運動を伴うＴ１ｗ及びＴ２ｗ画像を図示する。画像Ｃ及びＤはそれぞれ減少係数４での再構成画像と誤差マップ及び対応する５倍明るくした誤差マップ（Ｌ１ＳＰＩＲｉＴ）を示す。画像Ｅ及びＦは相関イメージングを図示する。画像Ｇ及びＨは図１Ｂに基づく本システムの実施形態を用いる画像を図示する。基準Ｔ２ｗ画像に基づくＲＯＩにおけるＲＭＳＥは各対応誤差マップ（例えば画像Ｄ、Ｆ及びＨ）の右下にラベルされる。
図９は本システムの実施形態にかかるデータセットの剛体スキャン間運動に対する感度の比較を図示する一連の画像のグラフ９００を示す。グラフ９００は純減少係数５におけるシミュレーションＴ２ｗ脳画像の再構成について本システムの一実施形態との既存アルゴリズム（Ｌ１ＳＰＩＲｉＴ、相関イメージング、及びＢａｙｅｓｉａｎベースジョイントＣＳ）への比較を図示する。画像Ａはフルｋ空間で再構成された画像を示し、画像ＢはＬ１ＳＰＩＲｉＴ（１Ｄランダムアンダーサンプリング）法を用いて再構成された画像を示し、画像Ｅは相関イメージング法を用いて再構成された画像を示し、画像ＧはＲ１に従ってＢａｙｅｓｉａｎベース法を用いて再構成された画像を示し、画像Ｉは本システムの実施形態に従って再構成された画像を示す。画像Ａにおける正方形ボックスはズームインのためのＲＯＩである。図１Ｂに基づく本システムの実施形態にかかる画像のための最適化サンプリング軌道は画像Ｂに示される。画像Ｄ、Ｆ及びＨはそれぞれ画像Ｃ、Ｅ及びＧについての誤差マップである。誤差マップは５倍明るくされた。
これらの画像から、本システムの実施形態を用いて得られる画像は、正則化パラメータにおける共有情報の使用のためにスキャン間運動に対する感度が従来画像よりも低いことが見られる。本システムの実施形態は従来法よりも高画質を持つことが見られる（本実施形態及びＲ１参照）。
本システムの実施形態は画像を収集し再構成する高速イメージング法を提供し得る。適切なアプリケーションは、短収集時間、所定時間内の高分解能、及び／又は削減された動きアーチファクトを要する、磁気共鳴イメージング（ＭＲＩ）システム及び同様のものなどのイメージングシステムを含み得る。
さらに、本システムの実施形態は正則化パラレルイメージングの改良のため、及び再構成画像を提供するために異なるコントラストを持つ画像からの構造及びノイズ分布情報を用いる空間適応的正則化システムを提供する。
このように、異なるコントラストを持つ、ただし同じ位置において収集される画像は、かなりの量の解剖学的及び磁気情報を共有する。従って、本システムの実施形態は共有可能な解部学的情報及び磁気情報を同時に効率的に使用することによって高加速係数において正則化パラレルイメージングにおけるノイズとアーチファクトレベルをバランスし得る。
例えば、境界及びノイズ分布情報が、再構成されるべき画像と異なるコントラストを持つ少なくとも一つの以前に再構成された／収集された画像（データセット）から抽出され得る。例えば、一部の実施形態において、隠れＭａｒｋｏｖツリーモデルによって得られる統計的ウェーブレット構造が構造情報を抽出するために使用され得る。以前に再構成された／収集されたデータセットを用いる正則化なしの再構成はノイズ分布情報を抽出するために使用され得る。そして以前に再構成された／収集された画像のコントラスト以外のコントラストを持つ画像の再構成のために、正則化パラレルイメージングのために抽出された情報で空間適応的正則化重みが定義され得る。
本システムのさらなるバリエーションは当業者に容易に想到され得、以下の請求項によって包含される。本システムの動作を通じて、仮想環境及びそのオブジェクトへの単純な没入を可能にする仮想環境の勧誘がユーザに提供される。
最後に、上記議論は本システムの単なる例示であることが意図され、添付の請求項をいかなる特定の実施形態若しくは実施形態のグループにも制限するものと解釈されるべきではない。従って、本システムは実施形態例を参照して記載されているが、多数の修正及び代替実施形態が、以下の請求項に列挙される本システムのより広い、意図される精神及び範囲から逸脱することなく、当業者によって考案され得ることもまた理解されるべきである。加えて、本明細書に含まれる章の見出しはレビューを容易にする意図であり、本システムの範囲を制限する意図ではない。従って、明細書と図面は例示的にみなされるものとし、添付の請求項の範囲を制限する意図ではない。
本明細書に含まれる章の見出しはレビューを容易にする意図であり本システムの範囲を制限する意図ではない。従って、明細書と図面は例示的にみなされるものとし、添付の請求項の範囲を制限する意図ではない。
添付の請求項を解釈する際、以下のことが理解されるべきである：
ａ）"有する"という語は所与の請求項に列挙されるもの以外の要素若しくは動作の存在を除外しない。
ｂ）ある要素に先行する"ａ"若しくは"ａｎ"という語はかかる要素の複数の存在を除外しない。
ｃ）請求項における任意の参照符号はその範囲を制限しない。
ｄ）複数の"手段"は同じ項目又はハードウェア若しくはソフトウェア実施構造若しくは機能によってあらわされ得る。
ｅ）開示の要素のいずれも、ハードウェア部分（例えば離散及び集積電子回路を含む）、ソフトウェア部分（例えばコンピュータプログラミング）及びその任意の組み合わせから成り得る。
ｆ）ハードウェア部分はアナログ及びデジタル部分の一方若しくは両方から成り得る。
ｇ）開示のデバイス若しくはその部分のいずれも、他に特に指定しない限り一緒に組み合わされるか又はさらなる部分に分離され得る。
ｈ）特に指定しない限り動作若しくはステップの特定の順序が要求されることを意図しない。「
ｉ）"複数の"要素という語は請求される要素の二つ以上を含み、いかなる特定範囲の数の要素も示唆しない、つまり複数の要素はわずか二要素であってもよく、計り知れない数の要素を含んでもよい。
［参考文献］
下記参考文献１‐１２は参照により本明細書に援用され、明細書を通じてそれぞれ参照番号Ｒ１からＲ１２を用いて参照される。例えば、Ｒ１は（例えばＢｉｌｇｉｃ，Ｂによる）最初の参考文献を参照し得る。
１．Bilgic B, Goyal VK, Adalsteinsson E., entitled "Multi-Contrast Reconstruction with Bayesian Compressed Sensing." MagnReson Med 2011;66(6):1601-1615.
２．Li Y, Dumoulin C., entitled "Correlation Imaging for Multiscan MRI with Parallel Data Acquisition." MagnReson Med 2012; available at http://onlinelibrary.wiley.com/doi/10.1002/mrm.24206/pdf.
３．Huang F, Lin W, Harder Cd, Beck G, Boss C, Duensing GR, Reykowski A., entitled "MRI Using Sharable Information Among Images With Different Contrasts: Motion Compensation." 2012; Melbourne, Australia. p 3435.
４．Huang F, Chen Y, Yin W, Lin W, Ye X, Guo W, Reykowski A., entitled "A Rapid and Robust Method for Sensitivity Encoding with Sparsity Constraints: Self-feeding Sparse SENSE". MagnReson Med 2010;64(4):1078-1088.
５．Guo W, Huang F., entitled "Local Mutual Information Guided Denoising for Self-Calibrated PPI." 2008; Toronto. p 1289.
６．Akcakaya M, Basha TA, Chan RH, Rayatzadeh H, Kissinger KV, Goddu B, Goepfert LA, Manning WJ, Nezafat R., entitled "Accelerated Contrast-Enhanced Whole-Heart Coronary MRI Using Low-Dimensional-Structure Self-Learning and Thresholding. " MagnReson Med 2012; 67(5):1434-1443.
７．Crouse M, Nowak R, Baraniuk R., entitled "Wavelet-Based Statistical Signal Processing Using Hidden Markov Models. IEEE Trans Signal Processing." 1998; 46(4):886-902.
８．Duarte M, Wakin M, Baraniuk R., entitled "Wavelet-Domain Compressive Signal Reconstruction Using a Hidden Markov Tree Model." IEEE ICAASP; 2008.p 5137-5140.
９．Guo W, Huang F., entitled "Adaptive Total Variation Based Filtering for MRI Images with Spatially Inhomogeneous Noise and Artifacts." 2009; Boston, USA. p 101-104.
１０．Robson PM, Grant AK, Madhuranthakam AJ, Lattanzi R, Sodickson DK, McKenzie CA., entitled "Comprehensive Quantification of Signal-to-Noise Ratio and g-Factor for Image-Based and k-Space-Based Parallel Imaging Reconstructions." MagnReson Med 2008;60:895-907.
１１．Pruessmann KP, Weiger M, Scheidegger MB, Boesiger P., entitled "SENSE: Sensitivity encoding for fast MRI. MagnReson." Med 1999; 42:952-962.
１２．WO 2012/127341 A1, by Doneva, Mariya Ivanova et al, filed on February 28, 2012 as International Application No. PCT/IB2012/050930, entitled "Compressed Sensing MR Image Reconstruction Using Constraint from Prior Acquisition."

Claims (19)

  1. 磁気共鳴イメージングシステムであって、メモリと当該メモリに結合される少なくとも一つのコントローラとを有し、当該少なくとも一つのコントローラが、
    関心領域のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切な第一の画像情報を含む、エコー情報を収集し、
    前記選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の、前再構成画像情報を取得し、
    当該前再構成画像情報から情報を抽出し、
    当該抽出された情報に基づいて正則化再構成のための空間適応的正則化重みを決定し、
    前記空間適応的正則化重みと前記エコー情報とに従って前記第一の画像情報を再構成する
    ように構成される、磁気共鳴イメージングシステム。
  2. 前記少なくとも一つのコントローラが正則化再構成法に従って前記第一の画像情報を再構成するように構成される、請求項１に記載の磁気共鳴イメージングシステム。
  3. 前記前再構成画像情報から抽出された情報が構造及びノイズ分布情報の少なくとも一つを有する、請求項１に記載の磁気共鳴イメージングシステム。
  4. 前記少なくとも一つのコントローラが、Ｔ１ｗ若しくはＴ２ｗ画像分解能の一方から前記第一の画像情報を選択し、前記Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前記前再構成画像情報を選択するように構成される、請求項１に記載の磁気共鳴イメージングシステム。
  5. 前記少なくとも一つのコントローラが、それぞれ第一若しくは第二の画像情報の第一若しくは第二のデータセットの一方から前記第一の画像情報を選択し、前記第一若しくは第二のデータセットの他方から前記前再構成画像情報を選択するように構成され、前記第一及び第二の画像情報が同じ視野を持つ、請求項１に記載の磁気共鳴イメージングシステム。
  6. 前記第一の画像情報が部分的に収集されたデータセットを有する、請求項１に記載の磁気共鳴イメージングシステム。
  7. 前記少なくとも一つのコントローラが、前記選択されたコントラストにおいて再構成された前記第一の画像情報と、前記選択されたコントラストと異なるコントラストを持つ前記前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングするように構成される、請求項１に記載の磁気共鳴イメージングシステム。
  8. 磁気共鳴イメージングシステムによって取得される画像を再構成する方法であって、当該方法は当該磁気共鳴イメージングシステムの少なくとも一つのコントローラによって実行され、
    関心領域のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切な第一の画像情報を含む、エコー情報を収集する動作と、
    前記選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の、前再構成画像情報を取得する動作と、
    前記前再構成画像情報から情報を抽出する動作と、
    当該抽出された情報に基づいて空間適応的正則化重みを決定する動作と、
    前記空間適応的正則化重みと前記エコー情報とに従って前記第一の画像情報を再構成する動作と
    を有する、方法。
  9. 前記第一の画像情報を再構成する動作が正則化再構成法に従って実行される、請求項８に記載の方法。
  10. 前記前再構成画像情報から情報を抽出する動作が、前記前再構成画像情報から構造情報とノイズ情報の少なくとも一つを抽出する動作をさらに有する、請求項８に記載の方法。
  11. Ｔ１ｗ若しくはＴ２ｗ画像分解能の一方から前記第一の画像情報を選択する動作と、
    前記Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前記前再構成画像情報を選択する動作と
    をさらに有する、請求項８に記載の方法。
  12. 前記第一の画像情報が部分的に収集されたデータセットを有する、請求項８に記載の方法。
  13. 前記選択されたコントラストにおいて再構成された前記第一の画像情報と、前記選択されたコントラストと異なるコントラストにおける前記前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングする動作をさらに有する、請求項８に記載の方法。
  14. コンピュータプログラムを有する非一時的コンピュータ可読媒体であって、当該コンピュータプログラムは、プロセッサによって実行されるとき、磁気共鳴イメージングシステムから得られる画像を再構成するように当該プロセッサを構成する命令を有し、当該コンピュータプログラムは、
    関心領域のエコー情報であって、選択されたコントラストにおいて第一の画像の少なくとも一部を再構成するために適切な第一の画像情報を含む、エコー情報を収集し、
    前記選択されたコントラストと異なるコントラストを持つ一つ以上の以前に再構成された画像の、前再構成画像情報を取得し、
    前記前再構成画像情報から情報を抽出し、
    当該抽出された情報に基づいて正則化再構成のための空間適応的正則化重みを決定し、
    前記空間適応的正則化重みと前記エコー情報とに従って前記第一の画像情報を再構成する
    ように構成されるプログラム部分を有する、非一時的コンピュータ可読媒体。
  15. 前記プログラム部分がさらに正則化再構成法に従って前記第一の画像情報を再構成するように構成される、請求項１４に記載の非一時的コンピュータ可読媒体。
  16. 前記前再構成画像情報から情報を抽出するために、前記プログラム部分がさらに、前記前再構成画像情報から構造情報とノイズ情報の少なくとも一つを抽出するように構成される、請求項１４に記載の非一時的コンピュータ可読媒体。
  17. 前記プログラム部分がさらに、Ｔ１ｗ若しくはＴ２ｗ画像分解能の一方から前記第一の画像情報を選択し、前記Ｔ１ｗ若しくはＴ２ｗ画像分解能の他方から前記前再構成画像情報を選択するように構成される、請求項１４に記載の非一時的コンピュータ可読媒体。
  18. 前記関心領域のエコー情報を収集するとき、前記プログラム部分がさらに部分的データセットのみを収集するように構成される、請求項１４に記載の非一時的コンピュータ可読媒体。
  19. 前記プログラム部分がさらに、前記選択されたコントラストにおいて再構成された前記第一の画像情報と、前記選択されたコントラストと異なるコントラストを持つ前記前再構成画像情報の少なくとも一つをディスプレイ上にレンダリングするように構成される、請求項１４に記載の非一時的コンピュータ可読媒体。
JP2016539653A 2013-09-05 2014-08-27 画像再構成のために空間適応的正則化を用いるｍｒｉ Pending JP2016533839A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361873949P 2013-09-05 2013-09-05
US61/873,949 2013-09-05
PCT/IB2014/064089 WO2015033250A1 (en) 2013-09-05 2014-08-27 Mri using spatially adaptive regularization for image reconstruction

Publications (1)

Publication Number Publication Date
JP2016533839A true JP2016533839A (ja) 2016-11-04

Family

ID=51743499

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016539653A Pending JP2016533839A (ja) 2013-09-05 2014-08-27 画像再構成のために空間適応的正則化を用いるｍｒｉ

Country Status (5)

Country Link
US (1) US10379188B2 (ja)
EP (1) EP3042215A1 (ja)
JP (1) JP2016533839A (ja)
CN (1) CN105518477B (ja)
WO (1) WO2015033250A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020163140A (ja) * 2019-03-29 2020-10-08 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置、画像処理装置及びプログラム

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9709651B2 (en) * 2014-08-20 2017-07-18 Alexander Sheung Lai Wong Compensated magnetic resonance imaging system and method for improved magnetic resonance imaging and diffusion imaging
JP6646271B2 (ja) * 2015-05-01 2020-02-14 学校法人立命館 磁気共鳴画像装置及びコンピュータプログラム
CN105631877A (zh) * 2015-12-28 2016-06-01 天津大学 基于加权双稀疏约束的非刚性表面配准方法
US11961166B2 (en) 2016-12-14 2024-04-16 Koninklijke Philips N.V. Information-adaptive regularization for iterative image reconstruction
CN107576925B (zh) * 2017-08-07 2020-01-03 上海东软医疗科技有限公司 磁共振多对比度图像重建方法和装置
CN107958472B (zh) * 2017-10-30 2020-12-25 深圳先进技术研究院 基于稀疏投影数据的pet成像方法、装置、设备及存储介质
CN107958471B (zh) * 2017-10-30 2020-12-18 深圳先进技术研究院 基于欠采样数据的ct成像方法、装置、ct设备及存储介质
US10393842B1 (en) 2018-02-20 2019-08-27 The Board Of Trustees Of The Leland Stanford Junior University Highly-scalable image reconstruction using deep convolutional neural networks with bandpass filtering
US10527699B1 (en) * 2018-08-01 2020-01-07 The Board Of Trustees Of The Leland Stanford Junior University Unsupervised deep learning for multi-channel MRI model estimation
CN113393386B (zh) * 2021-05-18 2022-03-01 电子科技大学 一种基于特征解耦的非成对图像对比去雾方法
CN113378650B (zh) * 2021-05-19 2022-07-12 重庆邮电大学 一种基于脑电源成像和正则化共空间模式的情绪识别方法
CN115866151B (zh) * 2023-02-27 2023-05-16 南昌市一境信息技术有限公司 一种图像通信方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7154268B2 (en) * 2001-10-19 2006-12-26 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Method and apparatus to improve an MRI image using regularization
US7592809B1 (en) * 2005-11-23 2009-09-22 General Electric Company Hybrid k-t method of dynamic imaging with improved spatiotemporal resolution
WO2012001648A2 (en) * 2010-06-30 2012-01-05 Medic Vision - Imaging Solutions Ltd. Non-linear resolution reduction for medical imagery
US9230354B2 (en) * 2010-10-29 2016-01-05 Mayo Foundation For Medical Education And Research System and method for molecular breast imaging energy spectrum imaging and analysis
US9921283B2 (en) * 2011-01-28 2018-03-20 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging
EP2503349A1 (en) * 2011-03-24 2012-09-26 Koninklijke Philips Electronics N.V. MR image reconstruction using prior information-constrained regularization
US9378548B2 (en) * 2011-12-01 2016-06-28 St. Jude Children's Research Hospital T2 spectral analysis for myelin water imaging

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020163140A (ja) * 2019-03-29 2020-10-08 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置、画像処理装置及びプログラム
JP7416652B2 (ja) 2019-03-29 2024-01-17 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置、画像処理装置及びプログラム

Also Published As

Publication number Publication date
CN105518477B (zh) 2019-08-20
CN105518477A (zh) 2016-04-20
WO2015033250A1 (en) 2015-03-12
US10379188B2 (en) 2019-08-13
US20160195597A1 (en) 2016-07-07
EP3042215A1 (en) 2016-07-13

Similar Documents

Publication Publication Date Title
JP2016533839A (ja) 画像再構成のために空間適応的正則化を用いるｍｒｉ
Knoll et al. Deep-learning methods for parallel magnetic resonance imaging reconstruction: A survey of the current approaches, trends, and issues
JP6635770B2 (ja) 磁気共鳴イメージング装置及び画像処理装置
Tezcan et al. MR image reconstruction using deep density priors
Otazo et al. Low‐rank plus sparse matrix decomposition for accelerated dynamic MRI with separation of background and dynamic components
US20200202586A1 (en) Systems and methods for magnetic resonance imaging
US8879852B2 (en) Non-contrast-enhanced 4D MRA using compressed sensing reconstruction
Cole et al. Unsupervised MRI reconstruction with generative adversarial networks
JP6640757B2 (ja) マルチショット磁気共鳴（ｍｒ）イメージングシステム及びその操作方法
US10768260B2 (en) System and method for controlling noise in magnetic resonance imaging using a local low rank technique
US20170309019A1 (en) System, method and computer-accessible medium for learning an optimized variational network for medical image reconstruction
KR20210005633A (ko) 딥 러닝을 사용하여 자기 공명 이미징을 향상시키기 위한 시스템들 및 방법들
US20210090306A1 (en) Methods for scan-specific k-space interpolation reconstruction in magnetic resonance imaging using machine learning
US8379951B2 (en) Auto calibration parallel imaging reconstruction method from arbitrary k-space sampling
US11346911B2 (en) Magnetic resonance fingerprinting image reconstruction and tissue parameter estimation
CN104698414B (zh) Sense型磁共振重构中的参考过采样
CN110082696B (zh) 一种多回波序列的成像方法和装置
CN113994225A (zh) 用于磁共振成像中的图像重建的系统和方法
CN113534031B (zh) 图像域数据生成方法、计算机设备和可读存储介质
CN111681297B (zh) 图像重建方法、计算机设备和存储介质
CN110542872B (zh) 磁共振成像方法及设备、相位信息的获取方法及装置
US20230184861A1 (en) Propeller magnetic resonance acquisition and blade-specific reconstruction
Chang et al. Group feature selection for enhancing information gain in MRI reconstruction
WO2023038910A1 (en) Dual-domain self-supervised learning for accelerated non-cartesian magnetic resonance imaging reconstruction
US11967004B2 (en) Deep learning based image reconstruction

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20170214