JP2022088320A - 体動補正装置、方法及びプログラム - Google Patents

Abstract

【課題】体動補正をより高速かつ高精度に行うこと。
【解決手段】実施形態に係る体動補正装置は、磁気共鳴イメージングに適用される体動補正装置であって、処理回路を備える。処理回路は、最小限の体動を含むと判定されたｋ空間のショットに関連する前記ｋ空間の第１セクションから中間画像を推定し、前記中間画像を用いて、前記ｋ空間の第２セクションの体動パラメータを推定し、前記体動パラメータに基づいて、前記第１セクションからのデータと前記第２セクションからのデータとを結合し、前記結合されたデータを再構成して最終画像を生成する。
【選択図】図１

Description

本明細書及び図面に開示の実施形態は、体動補正装置、方法及びプログラムに関する。

医用イメージングは、患者身体の内臓及び組織の画像を生成する。例えば、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）は、電波、磁場、及び磁場勾配を用いて内臓及び組織の画像を生成する。生成された画像は、医師が患者の怪我や病気の診断を行う際に用いられる。

しかしながら、画像の診断品質は体動によって大きく低下する。体動は患者がじっとしていることができないために生じるものであり、ＭＲＩにおいては特に大きな問題となる。場合によっては、体動によって画像診断ができなくなることがある。ある分析では、頭部及び頸部のスキャンの１５．４％もが、体動のために再スキャンを要していた。別の分析では、１７５のイメージング検査のうちの５５で何らかの体動の兆候が見られ、そのうちの２９の検査で少なくとも１回の再シーケンスが行われた。再シーケンスは、患者、技師、及び病院にとって、経済的にも時間的にも高コストになり得る。

さらに、上述した体動を抑えるための試みは、一般的に不十分である。例えば、そのような試みは、多くの場合、画像の診断品質を低減させたり、時間のかかるプロセスを要したりするものであり、臨床の場では用いるのが難しい。さらに、体動は運動障害を抱える患者に大きな影響を及ぼすことがあり、それにより患者に有効な医療を施すことができなくなることがあることから、医用イメージングにおける新たな体動補正方法が求められている。

なお、上述した「背景技術」の説明は、本開示の背景の概略を示すためのものである。上記背景技術の節に記載した範囲の本発明者の研究内容は、出願時に別段先行技術とはならない明細書の態様と同様に、明示的にも暗示的にも本発明の先行技術とみなされるものではない。

米国特許出願公開第２００８／００５４８９９号明細書 米国特許出願公開第２０１７／０２８５１２５号明細書 国際公開第２０１２／０１１０６９号

Smith et al．，"MRI Artifacts and Correction Strategies"，Imaging Med．，2010，2(4)，p.445-457 Melissa w．Haskell et al．，"Network Accelerated Motion Estimation and Reduction（NAMER）：Convolutional neural network guided retrospective motion correction using a separable motion model"，Magnetic Resonance in Medicine，2019，p．1－10 Li Feng et al．，"XD-GRASP：Golden-Angle Radial MRI with Reconstruction of Extra Motion-State Dimensions Using Compressed Sensing，Magna Reson Med．，2016，February，75（2），p．775－788 Jada B．Andre, MD et al．，"Toward Quantifying the Prevalence，Severity，and Cost Associated With Patient Motion During Clinical MR Examinations"，American College of Radiology Kiaran P．McGee，PhD．et al．，"Image Metric-Based Correction（Autocorrection） of Motion Effects：Analysis of Image Metrics"，JOURNAL OF MAGNETIC RESONANCE IMAGING，2000，11，p．174－181 Nathan White et al．，"PROMO：Real-Time Prospective Motion Correction in MRI Using Image-Based Tracking"，Magnetic Resonance in Medicine，2010，63，p．91－105 Julian Maclaren et al．，"Prospective Motion Correction in Brain Imaging：A Review"，Magnetic Resonance in Medicine，2013，69，p．621－636 Feng Huang et al．，"Data Convolution and Combination Operation（COCOA） for Motion Ghost Artifacts Reduction"，Magnetic Resonance in Medicine，2010，64，p．157－166 Melissa W．Haskell et al．，"Targeted Motion Estimation and Reduction（TAMER）：Data Consistency Based Motion Mitigation for MRI Using a Reduced Model Joint Optimization"，IEEE TRANSACTIONS ON MEDICAL IMAGING，MAY 2018，VOL．37，NO．5

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、体動補正をより高速かつ高精度に行うことである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置付けることもできる。

実施形態に係る体動補正装置は、磁気共鳴イメージングに適用される体動補正装置であって、処理回路を備える。処理回路は、最小限の体動を含むと判定されたｋ空間のショットに関連する前記ｋ空間の第１セクションから中間画像を推定し、前記中間画像を用いて、前記ｋ空間の第２セクションの体動パラメータを推定し、前記体動パラメータに基づいて、前記第１セクションからのデータと前記第２セクションからのデータとを結合し、前記結合されたデータを再構成して最終画像を生成する。

本開示及び本開示に伴う種々の効果は、以下の詳細な説明を添付図面とともに考察することによって、よりよく理解される。
図１は、本開示の一実施形態例に係る累進的体動補正方法の流れ図である。 図２は、本開示の一実施形態例に係る累進的体動補正方法の一実施態様を示す図である。 図３Ａは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図３Ｂは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図３Ｃは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図３Ｄは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図４Ａは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの模式的ブロック図である。 図４Ｂは、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの模式的ブロック図である。 図５は、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図６は、本開示の一実施形態例に係る累進的体動補正方法のサブプロセスの流れ図である。 図７は、本開示の一実施形態例に係る累進的体動補正方法の一実施態様を示す図である。 図８は、本開示の一実施形態例に係る、累進的体動補正方法を実施するように構成された医用イメージングシステムを示す図である。 図９は、本開示の一実施形態例に係る磁気共鳴イメージングシステムの模式的ブロック図である。

本開示は、医用イメージングにおける体動補正に関する。

実施形態に係る体動補正装置は、磁気共鳴イメージングに適用される体動補正装置であって、最小限の体動を含むと判定されたｋ空間のショットに関連する前記ｋ空間の第１セクションから中間画像を推定し、前記中間画像を用いて、前記ｋ空間の第２セクションの体動パラメータを推定し、前記体動パラメータに基づいて、前記第１セクションからのデータと前記第２セクションからのデータとを結合し、前記結合されたデータを再構成して最終画像を生成する処理回路を備える。

実施形態に係る体動補正方法は、磁気共鳴イメージングに適用される体動補正方法であって、最小限の体動を含むと判定されたｋ空間のＭ個のショットから中間画像を推定するステップと、前記中間画像を用いて、前記Ｍ個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定するステップと、前記Ｍ個のショットと前記他のショットとを含むＭ＋１個のショット及び前記体動パラメータに基づいて、新たな中間画像を推定するステップと、前記新たな中間画像を用いて、前記Ｍ＋１個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定するステップとを含む。

実施形態に係る体動補正プログラムは、磁気共鳴イメージングに適用される体動補正プログラムであって、最小限の体動を含むと判定されたｋ空間のＭ個のショットから中間画像を推定する手順と、前記中間画像を用いて、前記Ｍ個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定する手順と、前記Ｍ個のショットと前記他のショットとを含むＭ＋１個のショット及び前記体動パラメータに基づいて、新たな中間画像を推定する手順と、前記新たな中間画像を用いて、前記Ｍ＋１個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定する手順とをコンピュータに実行させる。

以上記載した各節は概略を示すためのものであり、後述の特許請求の範囲を限定するものではない。本記載の実施形態は、その効果とともに、以下の詳細な説明を添付図面と併せて参照することによって、より明確に理解される。

本明細書で用いる用語「ある１つの」は１つ以上を意味するものとする。本明細書で用いる用語「複数」は２つ以上を指すものとする。本明細書で用いる用語「別の」は２番目以降を指すものとする。本明細書で用いる用語「含む」及び／又は「有する」は「備える」と同義とする（すなわちオープンランゲージである）。本明細書全体を通して実施形態を表す用語及びこれらと類似の用語は、その実施形態に関連して説明した特定の形態、構造、又は特徴が本開示の少なくとも１つの実施形態に含まれていることを意味する。したがって、本明細書全体を通して種々の箇所でこれらの表現が出現しても必ずしも全てが同一の実施形態を指すとは限らない。さらに、前記特定の形態、構造、又は特徴は、制限されることなく任意の適当な方法で１つ以上の実施形態と組み合わせることができる。

所定のステップを有する方法に照らして実施形態例を説明する。ただし、この方法と構成とは、ステップを追加した場合及び実施形態例とはステップ順が異なる場合にも有効に機能する。したがって、本開示は、ここで示した実施形態に限定されず、本明細書記載の原理と特徴とに整合する最も広い範囲に一致し、添付した請求の範囲によってのみ制限される。

さらに、ある範囲の値が与えられた場合、当然ながらその範囲の上限と下限との間にある各値、及びその他のあらゆる規定範囲における規定値や介在値は本開示の範囲に含まれる。規定範囲が上限と下限とを含む場合、それら上限と下限とのいずれかを含まない範囲もまた本開示の範囲に含まれる。明示的に定めた場合を除き、本明細書で用いる用語は当業者に自明の平明かつ一般的な意味を有するものとする。用語の定義は全て読者による本開示の理解を助長するためのものであり、特に明示されない限りそれら用語の意味を変更又は限定することを意図したものではない。

患者が運動障害又は運動に影響する神経学的疾患を抱えている場合は、医用イメージングが困難になる。そのような患者、すなわち、運動失調、ジストニア、ハンチントン病、パーキンソン病、トゥレット・シンドローム、及び震えを抱えている患者の場合や、全体に落ち着きのない患者の場合、多くのイメージングモダリティで必要とされる身体の静止がほとんど不可能である。その結果、患者の動きを抑えることには限界があるため、又は、非実用的な程に時間がかかるため、得られる画像の診断品質が著しく低下する。

このため、磁気共鳴（ＭＲ）スキャンの間に、患者又は他の対象物の動きによって再構成画像にアーチファクト（例えば、ぼやけ、ゴースト、信号損失など）が生じることがあり、それにより、誤診が生じたり、体動エラーを軽減するために再イメージングが必要になったりすることがあり得る。体動はある程度抑えることができるが、前述したような神経学的疾患を抱えている患者の場合は、動きのないイメージングを行える程度まで手足の動きを抑えることができないいため、しばしば、ＭＲスキャンのタスクにおける動きの要因となる。

背景技術として知られているように、ＭＲＩシステムは、データを画像空間で直接収集するのではなく、周波数空間（すなわちフーリエ空間）で収集する。体動アーチファクトは、スキャン中に、患者の動き以外にも、画像構成、動きの種類、ＭＲパルスシーケンスの設定、及びｋ空間の収集ストラテジーなどの多数の要因によって生じ得る。ｋ空間の中心部は、大きくてコントラストが低く、かつ明度の変化が滑らかな対象物と相関する低空間周波数情報を含むのに対し、ｋ空間の周囲部は、端部や細部、及び変化が急峻な対象物と相関する高空間周波数情報を含む。生体サンプルの多くは、ｋ＝０を中心とするｋ空間内で極めて局所的なスペクトル密度を示す。ｋ空間のｋ_ｘ軸及びｋ_ｙ軸は、２次元（two-dimensional：２Ｄ）画像の横軸（ｘ軸）及び縦軸（ｙ軸）に対応する。ただし、ｋ軸は位置ではなく、ｘ方向及びｙ方向の空間周波数を表す。３次元（three-dimensional：３Ｄ）画像ボリュームの場合は、画像ボリュームのスライス次元に対応するｋ_ｚ軸もサンプリングの対象になる。ｋ空間内の対象物はグローバルな平面波で記述されるので、ｋ空間内の各点は最終画像の全画素についての空間周波数情報及び位相情報を含んでいる。逆に、最終画像の各画素はｋ空間内の各点に位置している。逆ＦＥＴ（Inverse FFT：ｉＦＦＴ）を用いた単純な再構成は、ｋ空間のデータがサンプリングされる間に対象物は静止したままであると仮定して行われる。したがって、ｋ空間における１つのサンプルの変化が画像全体に影響する。このため、対象物の動きによって生じるエラーは、最終画像に顕著な影響を与える。画像再構成に必要なデータを収集するためには、スキャンを数分間継続する必要があるので、本明細書で説明するような、イメージング速度を高めるための取り組み、及び、画像内の動きを検出して補正するための取り組みが従来からなされている。

ＭＲＩにおける体動アーチファクトを回避又は補正するいくつかの取り組みが以前から行われている。これらの取り組みは、一般に、プロスペクティブ体動補正法及びレトロスペクティブ体動補正法として定義されている。プロスペクティブ体動補正法は、患者の動きを連続的又は半連続的に測定することによって、患者の位置を経時的に追跡し、患者の動きを予測して収集パラメータを更新する。構造化光を展開する光学カメラや基準マーカが用いられる。プロスペクティブ体動補正は、精度及び時間分解能に優れる方法であるが、特別なハードウェア及び較正が必要になる場合が多く、そのため、費用がかかり、かつ、常に正確に実行することが難しい方法となっている。レトロスペクティブ体動補正法は、機械学習に基づく方法と、機械学習に基づかない方法とを含む。通常、これらの方法は、ラジアル収集法に基づいているため、収集が遅く、かつ、コントラストに限界がある。機械学習に基づく方法は、物理学ベースのモデルと機械学習ネットワークとを組み合わせることにより、データ整合性測定基準を用いて体動を解決する。この方法では、機械学習ネットワークによって、体動パラメータの集合の解を早期に導出することができる。しかしながら、機械学習に基づく方法の本質的な欠点として、解くべきパラメータ空間が大きいことがある。ほとんどの場合、この方法では、イメージング空間の各視野すなわち各ショットの体動パラメータの集合を同時に解く必要がある。２つの並進と１つの回転とを含む面内アフィン変換の場合、体動パラメータとショット数とを考慮すると、解かれる独立パラメータの数はすぐに１００近くになってしまう。したがって、こうした非凸問題（non-convex problem）の大きさ及び複雑さによって、解を得るのが遅くなるとともに、不安定になり得る。

このようなことから、本開示の一実施形態では、解かれるパラメータ空間を小さくするための方法を説明する。解かれる問題の大きさは、１度に１つのショットずつ体動パラメータの集合を解くことによって、約１００分の３に低減することができる。一実施形態では、これにより、機械学習に基づく方法が実施可能になる。

本開示の一実施形態では、この方法は、まず、ＭＲスキャンの全ショットの１つのサブセットからなる最初の「鮮明画像」を生成することを含む。最初の「鮮明画像」は、患者の最小限の体動状態を反映しており、新たなデータセットを検討する際に、その後の収束計算を早期に終了させるために用いられる。新たなデータセットは、ｋ空間の単一のショットからのデータであって、「鮮明画像」との比較可能な相違を有しており、それにより鮮明画像と対比することが可能なデータセットである。一実施形態では、画像品質（Image Quality：ＩＱ）は、加速係数の微小な変化に伴って徐々に変化する（例えば、加速係数Ｒが２．６と２．３とでは、極めて類似した画像が生成される）。新たなデータが中間画像に付加されると、加速係数はわずかに減少する。

別の表現で説明すると、一例として、ＭＲＩ収集における最初のＫ秒は、体動がない状態で行われるとする。例えば、ＭＲＩ収集の１０－３０秒の間は、患者が静止したままでいるとする。この場合、最初のＫ秒（例えば、１０－３０秒）に対応する最初のＭ個のショット（以下、Ｍショット）からのデータを用いて、最初の「鮮明画像」が生成される。ここで、Ｍは、演算子パラメータとして、経時的な患者の「体動リスク」の評価に基づいて容易に調整することができる。先に説明したように、ｋ空間のデータのＭショットを用いて、１つの画像が再構成される。アンダーサンプリングされたｋ空間のデータから再構成される画像は、中間画像であり、高品質ではないが、後続の中間画像及び最終画像の体動パラメータを推定するための基準値を規定するために用いることができる。Ｍショットから再構成された中間画像を用いることで、データの後続のショット、すなわちＭ＋１番目のショットを検討することができ、かつ、体動推定法を用いてＭ＋１番目のショットの体動パラメータを算出することができる。そして、算出された体動パラメータがその他の比較と比べてとりわけ大きい場合、すなわち、ＭショットとＭ＋１番目のショットとの間のデータがデータ整合性の閾値を超えて不整合と考えられる場合、Ｍ＋１番目のショットからのデータは破棄される。それ以外の場合、Ｍ＋１番目のショットからのデータがＭショットからのデータに付加されるとともに、Ｍ＋１番目のショットについて推定された体動パラメータが最終画像を表す体動パラメータのベクトルに付加される。Ｍ＋１番目のショットからのデータが検討されて当該Ｍ＋１番目のショットからのデータが組み込まれた後に、Ｍ＋１番目のショットと同様にＭ＋２番目のショットが検討されて、上述のプロセスが繰り返される。ここで、体動パラメータのベクトルは、後続の中間画像の生成に用いられ、さらなるショットが検討されない場合は、最終画像の生成に用いられる。

以上を踏まえると、ｋ空間の全ショットを用いて最初の画像を生成した場合は、（図７に示すような）顕著な体動のあるショットを含むことになるため、顕著な画像アーチファクトが生じることが分かる。一方、１つ又は数個の体動のないショットを用いて画像を生成した場合は、そのような少ないデータから再構成された画像は低品質になりやすいため、不十分な画像になると考えられる。したがって、本明細書では、Ｍショットから再構成される中間画像は、ｋ空間の全ショットから生成された画像と比べて体動が非常に少ない画像であり、かつ、以降のショットについて体動を推定する上で十分に「クリーンな」画像として用いることができる程度に、十分なデータから導出された画像である。

一実施形態では、最小限の体動のｋ空間のショットは、体動がゼロであってもよい。別の実施形態では、最小限の体動のｋ空間のショットは、ｋ空間の他のショットと比べて少量の体動を含んでもよい。この場合、最小限の体動のｋ空間のショットは、相対的には体動がゼロであるとみなせる。

このため、「最小限の体動」は、ｋ空間のデータセットの中で、最小量の体動を含むｋ空間のショットとして定義される。例えば、「最小限の体動」を含むショットとして、単独では高いレベルの動きを有するが、ｋ空間のデータセットの他のショットと比較した場合は「最小限の体動」を有するショットが特定されてもよい。

ここで、「最小限の体動」は、スキャン条件及び個々の患者の挙動にも依存する。図３Ａ－図３Ｄを参照して後述するように、「最小限の体動」は、閾値との比較、又は、ＭＲスキャンの時系列収集の評価によって決定されてもよい。

いずれにしても、「最小限の体動」を含むように選択されるｋ空間のショットの数は、それらのショットから構成される最初の中間画像が他の方法を実行できる画像品質を有するように、十分なデータが得られる十分な大きさとされる。

一実施形態では、最初の「鮮明画像」、すなわち中間画像は、特定された最小限の体動のｋ空間のショット及び体動パラメータのベクトルから得られるデータから再構成される。一例では、再構成は、圧縮センシングやパラレルイメージングなどの高速画像再構成法によって行われる。別の例では、この方法を迅速に実行するために、１つ以上の解像度で再構成が行われる。１つ以上の解像度は、ｋ空間のショットに含まれるデータを適宜に消去することによって実現される。ここで、速度を上げるために、機械学習に基づく再構成法が用いられてもよい。

一実施形態では、最終画像、すなわち、ｋ空間の全ショットが検討されて採用又は破棄された後に生成される画像は、体動パラメータのベクトルに基づいて、任意の種類の再構成法によって再構成される。一例では、この再構成法は、中間画像の再構成に用いられた方法と同じでもよいし、より高品質の画像をもたらす他の方法でもよい。別の例では、再構成は、複数の解像度で行われる。例えば、最終画像の再構成が、中間画像の再構成と比べて高い解像度で行われる。中間画像の再構成における解像度を下げることによって、ショットごとの体動補正を高速にすることができる。

一実施形態では、本開示の方法は、時系列順に収集された最初のＭショットを用いて最初の画像を推定するものに限られない。その代わりに、最初の画像は、ｋ空間内の各ショットについての体動メトリックの最小化計算に基づいて推定されてもよい。その結果、最初の画像は、最小の体動を含むｋ空間の全ＮショットのうちのＭショットに基づいて推定されてもよい。このＭショットは、ＭＲスキャンの中のいずれの時点で収集されてもよい。

一実施形態では、本開示の方法は、次のように実施される。まず、最初の中間画像の生成に必要なＭショットの数が算出される。このＭショットの数は、ショット数と加速係数とに基づく。一例では、３と４との間の加速係数Ｒを得るために、Ｍショットの数が選択される。次に、ｋ空間の全Ｎショットが時系列順に検討され、その中からＭショットが選択される。または、ｋ空間の全Ｎショットが体動（又は、ショットごとに計算された体動のスコア）の順にソートされる。そして、最小限の体動を含むＭショットが選択されて、最初の中間画像が生成される。ここで、最小の体動を含むＭショットは、体動の代替的測定値として用いられるｋ空間（画像空間）の定量的メトリックを用いて選択することができる。このような最小体動基準の枠組みに基づいて、最終画像を表す体動パラメータのベクトルが更新される。

一実施形態では、Ｍ＋１番目からＮ番目までの全ショットについて、各ショットに含まれる体動は、直前の中間画像を用いて推定される。例えば、ｋ空間の評価済みの最初の８つのショットによって生成された中間画像に基づいて、ｋ空間の９個目のショットの体動パラメータが推定される。このｋ空間の９個目のショットの体動パラメータは、体動パラメータのベクトル内に含められ、体動アーチファクトを除去するために中間画像の再構成時及び最終画像の再構成時に用いられる。

一実施形態では、最終画像の推定は、所望の再構成法を用いて、最初のセクション及び適切とみなされた後続のセクションからのデータと、体動パラメータのベクトルとを用いて行われる。

次に、図面を参照する。図１の流れ図を参照して、上述した方法の概略について説明する。図１は、大型の医用イメージングモダリティ、具体的には、ＭＲＩにおける累進的体動補正方法である方法１００を示す。

図示されるように、累進的体動補正を行うためには、最小限の体動を含むと判定されたｋ空間のデータの１つ以上のショットに基づいて、最初の「鮮明画像」が推定される必要がある。そのため、方法１００のサブプロセス１１０において、ｋ空間の第１セクションから中間画像が推定される。ｋ空間の第１セクションは、ＭＲスキャンで収集されたｋ空間のデータの全Ｎショットのうちの１つ以上のショット（Ｍショット）である。後述するように、ｋ空間の第１セクションは、収集時間及び／又は基本となるショットのデータの質に基づいて選択される。ｋ空間の第１セクションの中間画像は、１つの再構成法によって再構成される。１つの非限定的な一例では、この再構成法は、圧縮センシング（Compressed Sensing：ＣＳ）及びパラレルイメージング（parallel Imaging：ＰＩ）などの高速画像再構成法である。別の例では、この再構成法は、中間画像の再構成の速度を高める、機械学習に基づく再構成法である。

１つの例示的な実施形態例では、中間画像は、以下の式（１）によって推定される。

ここで、ｙ_Ｍは、最小限の体動を含むように選択されたｋ空間の最初のＭショットからのデータ、Ａ_Ｍは、最初のＭショットで収集された位相エンコード（Phase-Encoding：ＰＥ）ラインのサンプリングマトリクス、Ｘは、再構成画像、Ｓは、受信コイルの感度マップ、Ｆは、フーリエ変換演算子、Ｔ（＾付き）_ａｌｌは、最終画像に含まれるｋ空間の全Ｎショットについて推定された体動パラメータ、解であるＸ（＾付き）_Ｍは、最初のＭショットから推定される画像である。全Ｎショットのうちのどのショットを最終画像に含めるかを決定する方法については後述する。例えば、式（１）の推定は、ＣＧ－ＳＥＮＳＥ（Conjugate Gradient-Based Sensitivity Encoding）又は他の高速画像再構成法によって行われる。

最初のＭショットによる中間画像に基づいて、最終画像に含まれるｋ空間のあり得る全Ｎショットの体動パラメータからなるベクトルは、以下の式（２）で表される。

一実施形態では、最終画像の全Ｎショットの体動パラメータは、２次元の画像空間において２つの並進成分と１つの回転成分とを含む。別の実施形態では、データのさらなる次元（すなわち、３次元の空間）が用いられ、体動パラメータは、さらなる並進成分及び／又はさらなる回転成分を有するものと定義される。また、本明細書では、体動パラメータは、限定的に考えられるものではなく、後続のｋ空間のデータのセクションに含まれる体動を補正できるものであれば、どのように定義されてもよい。

サブプロセス１１０で中間画像が推定（再構成）されると、方法１００は、サブプロセス１２０に進み、推定された中間画像を最小体動基準として用いて、ｋ空間の第２セクションからのデータについて体動の評価が行われる。ｋ空間の第２セクションは、ｋ空間の１つ以上のショットからなる。一例では、ｋ空間の第２セクションは、ｋ空間のデータの次のショットｉからなる。したがって、ｋ空間の第２セクションの体動パラメータは、以下の式（３）によって推定される。

ここで、ｙ_ｉは、ｋ空間の第２セクション、すなわちショットｉのデータ、Ａ_ｉは、ショットｉで収集されたＰＥラインのサンプリングマトリクス、Ｔは、体動パラメータのマトリクスであり、解であるＴ（＾付き）_ｉは、ショットｉ（すなわち、ｋ空間の第２セクション）について推定された体動パラメータである。例えば、式（３）の推定は、Levenberg-Marquardt法又はニュートン法などの他の方法によって行うことができる。

続いて、方法１００のサブプロセス１３０において、ｋ空間の第２セクションについて推定された体動パラメータが評価されて、第２セクションからのデータを、最終画像を規定するｋ空間の第１セクションからのデータに付加するか否かが決定される。さらに、この評価によって、推定された体動パラメータをｋ空間の全Ｎショットの体動パラメータのベクトル（すなわち、Ｔ（＾付き）_ａｌｌ）に含めるか否かが決定される。Ｔ（＾付き）_ａｌｌは、データバッファ１４５に保存され、方法１００のサブプロセス１１０及びステップ１５０でアクセス可能となる。

ｋ空間の第２セクションの値を決定する際には、後に図６を参照して説明するように、データ整合性メトリックは、ｋ空間の第２セクションの体動パラメータの推定値に基づいて算出される体動スコアであってもよい。データ整合性メトリックの値が許容度の閾値と比較されることで、ｋ空間の第２セクションからのデータが必要に応じて結合又は破棄される。

一実施形態では、ショットｉについて体動パラメータが推定されると、Ｔ（＾付き）_ｉが体動パラメータのベクトル（Ｔ（＾付き）_ａｌｌ）に付加され、それにより、方法１００のサブプロセス１１０で次の中間画像が再構成される際、及び、方法１００のステップ１５０で最終画像が再構成される際に、Ｔ（＾付き）ｉが用いられるようになる。

方法１００のサブプロセス１３０でｋ空間の第２セクションのデータを付加すると判定された場合、結合されたｋ空間のデータのデータセットは、ｋ空間の第２セクションからの「体動補正された」データと、ｋ空間の第１セクションからのデータとを含む。そして、方法１００のステップ１４０において、さらにｋ空間のショットを検討する必要があるか否かを判定するための評価が行われる。この評価は、（１）評価済みのショットの数がｋ空間の全ショットの数に等しいか否かを判定すること、又は、（２）体動スコアに基づいてランク付けされた全Ｎショットのうちの残りのショットに最終画像の品質を向上させるものがないことを判定することによって行われる。方法１００のステップ１４０でさらにｋ空間のショットを検討する必要があると判定された場合、方法１００は、サブプロセス１１０に戻り、ｋ空間の第１セクションとｋ空間の第２セクションとを含む中間画像の再構成を再度行う。その後、ｋ空間の第３セクションが検討される。または、方法１００のステップ１４０でランク付けされた全Ｎショットの中に最終画像の品質を向上させるショットがないと判定された場合、方法１００は、ステップ１５０に進み、データバッファ１４５に保存されている体動パラメータのベクトルを用いて、最終用の再構成法によって、ｋ空間の結合データの最終画像が生成される。例えば、後に図３Ｂを参照して説明するように、評価済みのショットの数がｋ空間の全Ｎショットに等しいと判定されたケースがこれに相当する。別の例では、後に図３Ｃを参照して説明するように、全Ｎショットのうちの次のランク付けされたショットが最終画像の品質を向上させることができないと判定されたケースがこれに相当する。

一実施形態では、最終用の再構成法は、上記のように選択された反復用の再構成法と同じであってもよいし、十分な診断品質の画像が得られる他の高品質な画像再構成法であってもよい。このため、反復用の再構成法及び最終用の再構成法は、各ステップにおける制約及び目標に基づいて、異なる解像度で異なる技法によって行われてもよい。

次に、図２の画像を参照して、図１を参照して説明した方法について説明する。図２は、体動によって劣化した画像２０１、全Ｎショットのうちの最初のＭショットを含む中間画像２０２、全ＮショットのうちのＭ＋１ショットを含む中間画像２０３、全ＮショットのうちのＭ＋２ショットを含む中間画像２０４、及び、全ＮショットのうちのＭ＋３ショットを含む中間画像２０５を示す。さらにショットが追加されるにつれて、ＣＧ－ＳＥＮＳＥによる画像推定の精度が向上し、加速係数が小さくなる。例えば、全Ｎショットのうちの最初のＭショットを含む中間画像２０２の加速係数は４であり、全ＮショットのうちのＭ＋１ショットを含む中間画像２０３の加速係数は３であり、全ＮショットのうちのＭ＋２ショットを含む中間画像２０４の加速係数は２．４であり、全ＮショットのうちのＭ＋３ショットを含む中間画像２０５の加速係数は２である。さらに、これらの中間画像は、全Ｎショットのうちの次に続くショットからさらに「体動を補正された」データを追加することによって改善される。例えば、全ＮショットのうちのＭ＋３ショットを含む中間画像２０５について推定された体動パラメータは、ＰＥ並進ベクトルがＴ（＾付き）_{ａｌｌ，ＰＥ}＝［０，０，０，－１．２９６０，－２，７９９２，－３．２９９０］ミリメートルの範囲内となる。この推定された体動パラメータ値が、全ＮショットのうちのＭ＋３ショットを含む中間画像２０５についての真の体動パラメータの値と比較される。この真の体動パラメータの値は、ＰＥ並進ベクトルの形式で表すと、Ｔ（＾付き）_{ａｌｌ，ＰＥ}＝［０，０，０，－１．２９６０，－２，７９９２，－３．２９９０］ミリメートルを含む。前述したように、本開示の残りの体動パラメータである回転及び読み出し（Readout：ＲＯ）並進について、同様のベクトルが決定される。

次に、図３Ａを参照して、方法１００のサブプロセス１１０について説明する。ｋ空間の第１セクションからの中間画像を推定するためには、まず、ｋ空間のサブセットをｋ空間の第１セクションとして選択する必要がある。そのため、サブプロセス１１０のサブプロセス３１１において、ｋ空間のサブセットがｋ空間の第１セクションとして選択される。この選択は、計算されたデータ整合性メトリック（体動スコアなど）、又は、ＭＲスキャンの時系列評価に基づいて行われる。特に、ｋ空間の第１セクションは、体動を最小にし、かつ、最小体動基準を中間画像として展開するために選択される。サブプロセス１１０のサブプロセス３１１でｋ空間の第１セクションが選択されると、サブプロセス１１０のステップ３１９において、ｋ空間の第１セクションに基づいて、中間画像が再構成される。その後、方法１００のサブプロセス１２０において、この再構成された中間画像を用いて、ｋ空間の第２セクションの体動パラメータが推定される。

次に、図３Ｂ－図３Ｄを参照して、サブプロセス１１０のサブプロセス３１１の異なる実施態様について説明する。

まず、図３Ｂに示すように、データの時系列順の順序付けに従って、ｋ空間の第１セクションが選択される。すなわち、ＭＲスキャンの長さのうちの少なくとも最初の部分では患者が静止又は最小限の体動をしているとの仮定のもとで、サブプロセス１１０のサブプロセス３１１が実行される。そのため、サブプロセス３１１のステップ３１２において、ＭＲスキャンの間に収集された全Ｎショットが、収集された時間に従って順序付けられる。図４Ａに示すように、最初に収集されるショットは、検査の最初の期間では患者が静止したままでいると思われるため、最小限の体動を含むと仮定される。ここで、最初に収集されるショットは、全Ｎショットのうちの最初のＭショットに対応している。したがって、サブプロセス３１１のステップ３１３において、最初のＭショットがｋ空間の第１セクションとして選択される。この最初のＭショットは、ＭＲスキャンの順序付けられた全Ｎショットの１つのサブセットに対応している。第１セクションは、ＭＲスキャンの間に収集されたｋ空間の１つ以上のショットであり、例えば、ＭＲスキャンの間の収集の最初の２０秒に対応する。

一実施形態では、ｋ空間の第１セクションは、体動の直接的な測定基準又は代替的な測定基準として用いられるメトリックを最小にするように決定された、ｋ空間の１つ以上のショットを含む。このため、ＭＲスキャンの間に収集されたｋ空間の全Ｎショットのそれぞれについて体動スコアが算出される。その後、ｋ空間の全Ｎショットが各体動スコアに基づいて時系列的に評価される。この方法では、全Ｎショットのうちの最初のＭショットはＭＲスキャンにおける最初のＬ秒のショットであり、それらのショットの各体動スコアはＭＲスキャンの全Ｎショットの最小体動スコアの所定の割合（例えば、１％、２％、３％、５％、７．５％、１０％他）内にある。別の例では、全Ｎショットのうちの最初のＭショットはＭＲスキャンにおけるＪ秒のショットであり、それらのショットの各体動スコアは最小体動スコアの所定の割合（例えば、１％、２％、３％、５％、７．５％、１０％他）内の平均体動スコアを有している。ここで、上記のいずれの例においても、全Ｎショットのうちの最初のＭショットの量はＭＲスキャンの間の患者の動きに応じて変化する。

一実施形態では、付加的なＲＦパルス（例えば、スピンエコーやグラディエントエコー）によって生成される付加的なナビゲータデータが、各ショットとともに収集される。このナビゲータデータを用いて、ｋ空間の全Ｎショットの各ショットについて体動スコアが決定される。

一実施形態では、画像－空間変換の画像勾配エントロピを求めることによって、ｋ空間の全Ｎショットの各ショットについて体動スコアが決定される。一例では、この画像－空間変換は、低解像度の変換であり、それにより迅速に大まかな体動評価が行われる。別の実施形態では、ｋ空間の全Ｎショットの各ショットについて、ｋ空間のエントロピを用いて体動スコアが決定される。

ここで、図３Ｃに示すように、ｋ空間の第１セクションは、別の方法で選択されてもよい。例えば、図４Ｂに示すように、サブプロセス１１０のサブプロセス３１１は、ｋ空間の全Ｎショットのうち、体動の直接的な測定基準又は代替的な測定基準として用いられる体動メトリックが最小となるように決定されたＭショットを、ｋ空間の第１セクションとして選択してもよい。

このため、サブプロセス３１１のステップ３１４において、ＭＲスキャンの間に収集されたｋ空間の全Ｎショットのそれぞれについて、前述したものと同様の体動スコアが算出される。その後、サブプロセス３１１のステップ３１５において、サブプロセス３１１のステップ３１４で算出された各体動スコアに基づいて、ｋ空間の全Ｎショットがランク付けされる。ｋ空間の全Ｎショットについて体動スコアを導出する方法としては、様々な方法を用いることができる。

一実施形態では、付加的なＲＦパルス（例えば、スピンエコーやグラディエントエコー）によって生成される付加的なナビゲータデータが、各ショットとともに収集される。このナビゲータデータを用いて、ｋ空間の全Ｎショットの各ショットについて体動スコアが決定される。

一実施形態では、画像－空間変換の画像勾配エントロピを求めることによって、ｋ空間の全Ｎショットの各ショットについて体動スコアが決定される。一例では、この画像－空間変換は、低解像度の変換であり、それにより迅速に大まかな体動評価が行われる。別の実施形態では、ｋ空間の全Ｎショットの各ショットについて、ｋ空間のエントロピを用いて体動スコアが決定される。

そして、サブプロセス３１１のステップ３１６において、ランク付けされたｋ空間の全Ｎショットが評価され、最小の体動スコアを有するＭショットが、ｋ空間の第１セクションとして選択される。一例では、このＭショットは、ｋ空間の１つ以上のショットである。一実施形態では、このｋ空間の第１セクションのＭショットは、全Ｎショットのうち、最小の体動スコアから所定の偏差内にある体動スコアを有するｋ空間のショットである。ここで、他のメトリック及び制約を用いて、本開示の趣旨を逸脱することなくｋ空間のショットを定義することもできる。

一実施形態では、全ＮショットのうちのＭショットは、ＭＲスキャンの全Ｎショットのうち、最も高くランク付けされたショット（すなわち、最小体動スコアのショット）の所定の割合（例えば、１％、２％、３％、５％、７．５％、１０％他）内の体動スコアを有する、Ｐにランク付けされたショットである。また、別の例では、全ＮショットのうちのＭショットは、ＭＲスキャンの全Ｎショットのうち、最も高くランク付けされたショット（すなわち、最小体動スコアのショット）の所定の割合（例えば、１％、２％、３％、５％、７．５％、１０％他）内の体動スコアを有するショットである。ここで、上記のいずれの例においても、全ＮショットのうちのＭショットの量はＭＲスキャンの間の患者の動きに応じて変化する。

または、図３Ｄに示すように、データ整合性メトリックとして、データ整合性誤差値に基づいて、ｋ空間の第１セクションが選択されてもよい。このため、サブプロセス３１１のステップ３１７において、全Ｎショットのそれぞれについて、推定された体動パラメータに基づいて、データ整合性誤差値が算出される。その後、サブプロセス３１１のステップ３１８において、各データ整合性誤差値が評価され、最小のデータ整合性誤差値を有するショット、又は、最小のデータ整合性誤差値の所定の範囲（例えば、１％未満、２％未満、３％未満、５％未満、７．５％未満、１０％未満など）内のデータ整合性誤差値を有するショットが、ｋ空間の第１セクションとして用いられる、ｋ空間の全ＮショットのうちのＭショットとして選択される。

一実施形態では、データ整合性誤差値は、全Ｎショットの各ショットについて、収集されたショットのデータと、推定された中間画像及び体動から得られる順モデルによって予測されるデータとの相違を反映している。すなわち、データ整合性誤差値は、全Ｎショットの各ショットについて体動を推定する際に用いた式（３）から求められる誤差値に等しくなることもある。

一実施形態では、データ整合性誤差値は、多解像再構成法で実施されてもよい。例えば、第１解像レベルで、全Ｎショットのそれぞれが「体動補正」されて、データ整合性誤差値が記録される。続いて、次の解像レベルで、第１解像レベルで算出された最小のデータ整合性誤差値を有するＭショットを用いて、本明細書記載の中間画像の生成と増分の補正とが行われる。別の実施形態では、第１解像レベルで「体動補正」が行われた後、最小のデータ整合性誤差値を有するＭショットから再構成された中間画像を用いて、第１解像レベルでの推定が繰り返される。

次に、図４Ａ及び図４Ｂを参照して、図３Ｂ及び図３Ｃについてさらに説明する。

まず、図３Ｂのサブプロセス３１１について説明する。図４Ａは、本開示の一実施形態例に係る、ｋ空間の第１セクションとして使用されるＭショットの選択法を表す模式図である。

ここでは、１つのＭＲスキャン、すなわち１つのＭＲ画像のデータセットが、ｋ空間のデータの全Ｎショットからなるｋ空間４０６を含む。図４Ａに４０６ａ－４０６ｇで示すように、全Ｎショットのそれぞれを含むｋ空間のデータは、ｋ空間において異なる空間周波数で収集された時間依存信号からなる。全Ｎショットのフーリエ変換（例えば、２次元フーリエ変換）が計算されることで、それぞれに対応するグレースケール画像４０８ａ－４０８ｇが生成される。

図４Ａに示すように、破線のブロックは、時系列順の全Ｎショット（ここでは、Ｎは７）のうちの最初の３ショットが選択されたことを示している。サブプロセス３１１のステップ３１２及びステップ３１３を実行する場合、ｋ空間のデータの最初の３ショットでは患者が静止しているかもしれないが、ｋ空間のデータの残りの部分、すなわち４ショットでは、患者の動きによって少なくともある程度の乱れが生じていると考えられる。一例では、ｋ空間のデータの最初の３ショットが、最小の体動スコアを有するｋ空間のデータのショットの１％以内の平均体動スコアを有することもある。このため、図３Ｂを参照して説明したように、ｋ空間のデータの全Ｎショットを時系列順に順序付けし、その中のＭショットをｋ空間の第１セクションとして選択することが行われる。

次に、図３Ｃのサブプロセス３１１について説明する。図４Ｂは、本開示の一実施形態例に係る、ｋ空間の第１セクションとして使用されるＭショットの選択を表す模式図である。

ここでは、１つのＭＲスキャン、すなわち１つのＭＲ画像のデータセットが、ｋ空間のデータの全Ｎショットからなるｋ空間４０６を含む。図４Ｂに４０６ａ－４０６ｇで示すように、全Ｎショットのそれぞれを含むｋ空間のデータは、ｋ空間において異なる空間周波数で収集された時間依存信号からなる。全Ｎショットのフーリエ変換（例えば、２次元フーリエ変換）が計算されることで、それぞれに対応するグレースケール画像４０８ａ－４０８ｇが生成される。

図４Ｂから分かるように、グレースケール画像４０８ａ－４０８ｇが左から右に時系列順になっていると仮定した場合に、ｋ空間の全Ｎショットのうちの最初のＭショットが、ｋ空間の第１セクションとして要求されるような、最小限の体動を含むものでないこともある。このため、図３Ｃのサブプロセス３１１に示したように、ｋ空間の全Ｎショットの各ショットについて体動スコアを算出し、それに応じて全Ｎショットをランク付けして（図示せず）、Ｍショットをｋ空間の第１セクションとして選択することが行われる。図４Ｂでは、破線のブロックで囲まれた４０６ｃ、４０８ｃ、４０６ｄ、４０８ｄ、４０６ｆ及び４０８ｆがそれぞれ最小の体動スコアを有しており、それらがＭショットとして選択されている。一例では、最小の体動スコアは、最小限の体動スコアを有すると判定されたｋ空間のショットの１．５％以内の体動スコアを有するＤ個のショットと定義される。図から分かるように、ｋ空間の第１セクションとして選択されるＭショットは、ＭＲスキャンにおける特定の時間ウィンドウ内で収集されたショットである必要はなく、全Ｎショットのうちの体動スコアの要件を満たす任意のショットでよい。

次に、図５を参照して、方法１００のサブプロセス１２０について説明する。まず、サブプロセス１２０のステップ５２１において、方法１００のサブプロセス１１０で選択されたｋ空間の第１セクションに基づいて推定された中間画像が取得される。続いて、サブプロセス１２０のステップ５２２において、ｋ空間の第２セクションについて体動パラメータが推定される。一実施形態では、ｋ空間の第２セクションは、収集されたＭＲスキャンのｋ空間の全Ｎショットのうちの１つ以上のショットである。一例では、ｋ空間の第２セクションは、ｋ空間の全Ｎショットのうちの次のショットである。

前述したように、サブプロセス１２０のステップ５２２において、ｋ空間のデータの第２セクションの体動パラメータが、以下の式（３）によって推定される。

ここで、ｙ_ｉは、ｋ空間の第２セクション、すなわちショットｉのデータ、Ａ_ｉは、ショットｉで収集されたＰＥラインのサンプリングマトリクス、Ｔは、体動パラメータのマトリクスであり、解であるＴ（＾付き）_ｉは、ショットｉ（すなわち、ｋ空間の第２セクション）について推定された体動パラメータである。例えば、式（３）の推定は、Levenberg-Marquardt法又はニュートン法などの他の方法によって行うことができる。

次に、図６を参照して、方法１００のサブプロセス１３０について説明する。方法１００のサブプロセス１２０でｋ空間の第２セクションからのデータについて体動パラメータが推定されると、方法１００のサブプロセス１３０において、ｋ空間の第１セクションからのデータとｋ空間の第２セクションからのデータとが結合される。

方法１００のサブプロセス１３０は、高いレベルで、ｋ空間の第２セクションに存在する体動がデータを含む最終画像に有効とみなされるレベルを越えているか否かを評価する。

このため、サブプロセス１３０のステップ６３１において、ｋ空間の第２セクションについてデータ整合性メトリック値が算出される。一実施形態では、図３Ｄに示したように、データ整合性メトリックは、収集されたデータと、ｋ空間の第２セクションについて推定された体動の値を含む順モデル（すなわち、式（３））によって推定されたデータとの差のｌ２ノルムなどのデータ整合性誤差値であってもよい。

そして、サブプロセス１３０のステップ６３２において、算出されたデータ整合性メトリック値が許容度の閾値と比較される。一実施形態では、許容度の閾値は、最小のデータ整合性メトリック値を有するｋ空間のショット、すなわちセクションからの偏差の所定の割合（例えば、１％未満、２％未満、３％未満、４％未満、５％未満、７．５％未満、１０％未満など）である。図３Ｄに示す例では、許容度の閾値は、順モデル（すなわち、式（３））内の誤差のレベルを定義する所定の割合（例えば、１％未満、２％未満、３％未満、４％未満、５％未満、７．５％未満、１０％未満など）又はその他の統計値である。

すなわち、ｋ空間の第２セクションにおける体動が最終画像の品質を低下させる程のレベルにあると判定された場合、ｋ空間の第２セクションからのデータは破棄される。したがって、サブプロセス１３０のステップ６３２でｋ空間の第２セクションからのデータが許容度の閾値を満たさないと判定された場合、サブプロセス１３０のステップ６３３において、ｋ空間の第２セクションが破棄され、方法１００のサブプロセス１１０において、ｋ空間の次のセクション（もしあれば）が再度検討される。一方、サブプロセス１３０のステップ６３２でｋ空間の第２セクションのデータが許容度の閾値を満たすと判定された場合は、サブプロセス１３０のステップ６３４において、ｋ空間の第２セクションのデータがｋ空間の第１セクションに含められ、体動パラメータのベクトルが更新される。すなわち、ｋ空間の第２セクションが許容されると、Ｔ（＾付き）_ａｌｌ＝Ｔ（＾付き）_ｉが成り立つ。ここで、Ｔ（＾付き）_ｉは、ｋ空間の第２セクションについて推定された体動パラメータである。

そして、どちらの場合も、方法１００のサブプロセス１３０の結果が方法１００のステップ１４０に渡されて、ｋ空間のさらなるセクションを検討する必要があるか否かが判定される。ｋ空間のデータを時系列順にした場合は、方法１００のサブプロセス１１０でｋ空間のさらなるショットを評価する必要が起こり得る。同様に、ｋ空間のデータを体動に基づいてランク付けした場合は、ｋ空間のさらなるショットが最終画像の品質を向上することがあるため、方法１００のサブプロセス１１０で評価する必要が起こり得る。

最終的に、方法１００のステップ１４０で最終画像の品質を向上させるｋ空間のデータのセクションがないと判定されると、方法１００は、ステップ１５０に進み、結合されたデータを再構成して最終画像が生成される。

図７は、大きい体動を模擬した例に適用された場合の方法１００の機能を示す。例えば、真の画像７５５を基準として用いると、体動補正のない推定画像７５６と、全ショットについて同時に補正を施した推定画像７５７と、本開示で説明したように全Ｎショットについて累進的な補正を施した推定画像７５８とは、明確に異なる結果を示すことが分かる。さらに、本開示の方法によって、真の画像７５５に最も類似した最終画像７５８が生成されることが分かる。

図８は、本開示の方法１００が実施される医用イメージングシステム８６０の一実施形態例を示す。医用イメージングシステム８６０は、少なくとも１つのスキャン装置８６２と、それぞれが専用のコンピュータ装置（例えば、専用のデスクトップコンピュータ、専用のラップトップコンピュータ、専用のサーバなど）である１つ以上の画像生成装置８６４と、表示装置８６６とを備えている。

スキャン装置８６２は、対象物（例えば、患者）の一部分（例えば、領域、ボリューム、スライスなど）をスキャンすることによってスキャンデータを収集する。スキャン装置８６２は、例えば、磁気共鳴イメージング（ＭＲＩ）装置、コンピュータ断層撮影（Computed Tomography：ＣＴ）装置、ポジトロン放出断層撮影（Positron Emission Tomography：ＰＥＴ）装置、Ｘ線撮影装置、超音波撮影装置などである。

１つ以上の画像生成装置８６４は、スキャン装置８６２からスキャンデータを取得し、当該スキャンデータに基づいて、対象物の部位の画像を生成する。当該画像を生成するために、１つ以上の画像生成装置８６４は、例えば、中間画像の生成の間又は最終画像の再構成の間にスキャンデータに再構成処理を施してもよい。再構成処理は、例えば、ＧＲＡＰＰＡ（Generalized Auto-Calibrating Partially Parallel Acquisition）、ＣＧ－ＳＥＮＳＥ（Conjugate Gradient Sensitivity Encoding）、ＳＥＮＳＥ（Sensitivity Encoding）、ＡＲＣ（Autocalibrating Reconstruction for Cartesian Imaging）、ＳＰＩＲｉＴ（Iterative Self‐Consistent Parallel Imaging Reconstruction）、ＬＯＲＡＫＳ（Low-Rank Modeling Of Local K-Space Neighborhoods）などである。

一実施形態では、１つ以上の画像生成装置８６４は、画像を生成して表示装置８６６に送り、当該表示装置がその画像を表示する。

別の実施形態では、上記に加えて、１つ以上の画像生成装置８６４は、同一のスキャンデータから２つの画像を生成してもよい。１つ以上の画像生成装置８６４は、異なる再構成プロセスを用いて、同一のスキャンデータから解像度の異なる２つの画像を生成してもよい。この場合、一方の画像は他方の画像よりも解像度が低くてもよい。また、１つ以上の画像生成装置８６４は、１つの画像を生成してもよい。

図９は、磁気共鳴イメージング（ＭＲＩ）システム９７０の非限定的な一例を示す。図９に示すＭＲＩシステム９７０は、ガントリ９７１（模式的な断面で示す）と、ガントリ９７１に接続された種々の関連するＭＲＩシステム部品９７２とを備えている。一般的に、少なくともガントリ９７１はシールドルーム内に配置される。図９に示すＭＲＩシステムの構造は、実質的に同軸で筒状に配置された静磁場Ｂ_０磁石９７３と、Ｇｘ、Ｇｙ、Ｇｚ傾斜磁場コイルセット９７４と、大型全身用ＲＦコイル（ＷＢＣ）アセンブリ９７５とを含んでいる。この筒状の要素アレイの水平軸に沿って、患者台９７８に支えられた患者９７７の頭部を実質的に包み込むように図示されたイメージングボリューム９７６が設けられている。

イメージングボリューム９７６内では、１つ以上の小型アレイ状ＲＦコイル９７９が患者の頭部（例えば、本明細書で「スキャン対象」又は「対象物」と呼ぶ）の近くに接続される。当業者には自明なように、多くの場合、表面コイルなどのように、全身コイル（Whole-Body Coil：ＷＢＣ）と比べて相対的に小型のコイル及び／又はアレイが特定の身体部分（例えば、腕、肩、肘、手首、膝、脚、胸、背骨など）用にカスタマイズされている。この小型ＲＦコイルを、本明細書ではアレイコイル（Array Coil：ＡＣ）又はフェーズドアレイコイル（Phased-Array Coil：ＰＡＣ）と呼ぶ。これらのコイルは、イメージングボリューム９７６内にＲＦ信号を送信する少なくとも１つのコイルと、イメージングボリューム９７６内の対象物（患者の頭部など）からＲＦ信号を受信する複数の受信コイルとを備えている。

また、ＭＲＩシステム９７０は、ディスプレイ９８０、キーボード９８１及びプリンタ９８２に接続された複数の入出力ポートを有するＭＲＩシステムコントローラ９８３を備えている。ここで、ディスプレイ９８０は、入力の制御も可能なタッチスクリーンタイプのものであってもよい。マウス又は他の入出力（Input/Output：Ｉ／Ｏ）装置が設けられてもよい。

ＭＲＩシステムコントローラ９８３は、ＭＲＩシーケンスコントローラ９８４と連動して、Ｇｘ、Ｇｙ、Ｇｚ傾斜磁場コイルドライバ９８５と、ＲＦ送信器９８６と、送受信スイッチ９８７（同じＲＦコイルが送信及び受信に用いられる場合）とを制御する。ＭＲＩシーケンスコントローラ９８４は、パラレルイメージングを含むＭＲＩイメージング（核磁気共鳴（Nuclear Magnetic Resonance：ＮＭＲ）イメージングとも呼ばれる）技術を実施するための適切なプログラムコード構造９８８を含む。ＭＲＩシーケンスコントローラ９８４は、パラレルイメージングを用いてＭＲイメージングを行うものでもよいし、パラレルイメージングを用いずにＭＲイメージングを行うものでもよい。さらに、ＭＲＩシーケンスコントローラ９８４は、１つ以上の予備スキャン（プリスキャン）シーケンスと、主スキャン磁気共鳴（ＭＲ）画像（診断画像と呼ぶ）を取得するためのスキャンシーケンスとを円滑に実行することができる。プリスキャンによって収集されたＭＲデータは、例えば、ＲＦコイル９７５及び／又は９７９の感度マップ（コイル感度マップ又は空間感度マップとも呼ばれる）を計測して、パラレルイメージングの展開マップを計測するために用いられる。

ＭＲＩシステム部品９７２は、ＲＦ受信器９８９を含む。ＲＦ受信器９８９は、ディスプレイ９８０に送られる処理済みの画像データを生成するために、入力をＭＲＩデータプロセッサ９９０に送る。ＭＲＩデータプロセッサ９９０は、さらに、以前に作成されたＭＲデータ、画像及び／又はマップ（例えばコイル感度マップ、パラレル画像展開マップ、歪みマップなど）、及び／又は、システム構成パラメータ９９１、ＭＲＩ画像再構成プログラムコード構造９９２及びＭＲＩシステムプログラムストレージ９９３にアクセスする。

一実施形態では、ＭＲＩデータプロセッサ９９０は、処理回路を備えている。この処理回路は、ＡＳＩＣ（Application-Specific Integrated Circuit）、構成可能な論理デバイス（例えば、ＳＰＬＤ（Simple Programmable Logic Device）、ＣＰＬＤ（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ）など）などのデバイスと、その他の本開示に記載した機能を実行するように構成された回路部品とを備えている。

ＭＲＩデータプロセッサ９９０は、ＭＲＩ画像再構成プログラムコード構造９９２及びＭＲＩシステムプログラムストレージ９９３に含まれている１つ以上の命令（本明細書に記載の方法１００など）の１つ以上のシーケンスを実行する。または、ハードディスクやリムーバブルメディアドライブなどの他のコンピュータ読み取り可能な媒体からそれら命令が読み取られることもある。また、マルチプロセッシング構成における１つ以上のプロセッサを用いて、ＭＲＩ画像再構成プログラムコード構造９９２及びＭＲＩシステムプログラムストレージ９９３に含まれた命令のシーケンスが実行されることもある。別の実施形態では、ソフトウェアの命令の代わりに又はそれと組み合わせて配線回路が使用される。したがって、本開示の実施形態はいかなる特定のハードウェア回路とソフトウェアとの組み合わせにも限定されない。

また、本明細書で用いる用語「コンピュータ読み取り可能な媒体」は、命令をＭＲＩデータプロセッサ９９０に送って実行させることに係る全ての非一時的媒体を指す。コンピュータ読み取り可能な媒体は、限定はしないが、不揮発媒体又は揮発媒体などの様々な形をとり得る。不揮発媒体は、例えば、光ディスク、磁気ディスク、光磁気ディスク、及びリムーバブルメディアドライブなどである。揮発媒体は、例えば、ダイナミックメモリなどである。

また、図９では、先に参照したように、ＭＲＩシステムプログラムストレージ（メモリ）９９３の概略図を示している。ＭＲＩシステムプログラムストレージ９９３では、保存用のプログラムコード構造が、ＭＲＩシステム９７０の種々のデータ処理部品にアクセス可能なコンピュータ読み取り可能な非一時的記憶媒体に保存されている。当業者には自明なように、ＭＲＩシステムプログラムストレージ９９３は、分割されて、少なくとも一部が、通常の動作において上記保存されたプログラムコード構造を最もすぐに必要とする、ＭＲＩシステム９７２の別の１つの処理コンピュータに直接接続されてもよい（すなわち、プログラムコード構造は、常時保存されて、ＭＲＩシステムコントローラ９８３に直接接続されるのではない）。

さらに、図９に示すＭＲＩシステム９７０は、後述の実施形態例を実施するために利用することができる。ＭＲＩシステム部品９７２は、異なる論理的集合の「ボックス」に分割することが可能であり、一般的に、多数のデジタルシグナルプロセッサ（Digital Signal Processor：ＤＳＰ）と、マイクロプロセッサと、特定の用途の処理回路（例えば、高速Ａ／Ｄ変換用、高速フーリエ変換用、アレイ処理用など）とを備えている。一般的に、これらのプロセッサは、それぞれが計時された「状態機械」であり、クロック周期（又は、所定数のクロック周期）が発生するごとに、物理的なデータ処理回路がある物理的状態から別の物理的状態に進む。

さらに、この動作の過程で処理回路（例えば、ＣＰＵ、レジスタ、バッファ、演算ユニットなど）の物理的状態があるクロックサイクルから別のクロックサイクルに連続的に変化するだけでなく、関連するデータ記憶媒体（例えば、磁気記憶媒体のビット記憶サイトなど）の物理的状態もある状態から別の状態に変化する。例えば、画像の再構成プロセス、及び／又は、時には画像再構成マップ（例えば、コイル感度マップ、展開マップ、ゴーストマップ、歪みマップなど）の生成プロセスの最後に、物理的な記憶媒体におけるコンピュータ読み取り可能及びアクセス可能なデータ値記憶サイトのアレイが、前の状態（例えば、全部が一様に「０」値又は全部が一様に「１」値）から新たな状態に変化する。この新たな状態では、このようなアレイの物理的なサイトにおける物理的状態が最小値と最大値との間で変化することで、実際の物理的事象及び物理的状態（例えば、イメージングボリューム空間にわたる患者の内部身体構造など）が表される。当業者には自明なように、この保存されたデータ値のアレイは、命令レジスタに順次ロードされてＭＲＩシステム９７０の１つ以上のＣＰＵによって実行されたときにＭＲＩシステム９７０内で特定の動作状態のシーケンスを発生させて進行させる特定の構造のコンピュータ制御プログラムコードと同様に、身体構造を表すとともに、その身体構造の構成要素となる。

上記内容を鑑みれば、多くの改良及び変形が可能であることは明らかである。したがって、本発明は、添付した請求の範囲内において、本明細書で具体的に説明した態様以外の態様でも実施可能なものであることは明らかである。

以上説明した少なくとも一つの実施形態によれば、体動補正をより高速かつ高精度に行うことができる。

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

以下、本開示の実施形態を括弧書きでさらに記載する。

（１）磁気共鳴イメージングにおける累進的体動補正装置であって、前記装置は、ｋ空間の第１セクションからの中間画像の推定であって、前記ｋ空間の第１セクションは対象物の磁気共鳴スキャン中の収集時点に対応しており、前記磁気共鳴スキャン中の対応する収集時点は最小限の体動を含むと判定されたｋ空間のショットに関連している推定を行い、前記推定された中間画像を用いて前記ｋ空間の第２セクションの体動パラメータを推定し、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとを前記推定された体動パラメータに基づいて結合し、前記ｋ空間の結合されたデータを再構成して最終画像を生成するように構成された処理回路を備える。

（２）前記処理回路は、前記磁気共鳴スキャンにおけるｋ空間のＮ個のショットを時系列順にして、前記磁気共鳴スキャンにおける前記ｋ空間の時系列順にされたＮ個のショットのうちの最初のＭ個のショットを前記ｋ空間の第１セクションとして選択するように構成されている、（１）に記載の装置。

（３）前記処理回路は、前記磁気共鳴スキャンにおける前記ｋ空間のＮ個のショットのそれぞれについて体動スコアを算出し、前記磁気共鳴スキャンにおける前記ｋ空間のＮ個のショットを前記ｋ空間のＮ個のショットのそれぞれについて算出された体動スコアに基づいてランク付けすることであって、前記ランク付けされたＮ個のショットは前記磁気共鳴スキャンの期間全体にわたって収集されるランク付けを行い、前記ｋ空間のＮ個のショットのうちの最も高くランク付けされたショットと前記ランク付けされたＮ個のショットのうちの少なくとも１つの他のショットとを含むｋ空間のセクションを前記ｋ空間の第１セクションとして選択するように構成されている、（１）又は（２）に記載の装置。

（４）前記処理回路は、前記ｋ空間の第２セクションの推定された体動パラメータを含むように体動パラメータのベクトルを更新することであって、前記体動パラメータのベクトルは前記ｋ空間の第１セクションに対応する体動パラメータを含む更新を行うように構成されている、（１）－（３）のいずれか１つに記載の装置。

（５）前記処理回路は、前記更新された体動パラメータのベクトルに基づいて最終画像を生成するように前記ｋ空間の結合データを再構成するように構成されている、（１）－（４）のいずれか１つに記載の装置。

（６）前記体動パラメータのベクトルは、前記ｋ空間の結合されたセクションのそれぞれについて２つの並進値と１つの回転値とを含む、（１）－（５）のいずれか１つに記載の装置。

（７）前記処理回路は、前記ｋ空間の第２セクションについてのデータ整合性メトリックの値を算出して、比較の結果として前記データ整合性メトリックの計算値が許容度の閾値を下回る場合は、前記ｋ空間の第２セクションからのデータを破棄することにより、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとを前記推定された体動パラメータに基づいて結合するように構成されている、（１）－（６）のいずれか１つに記載の装置。

（８）前記処理回路は、前記磁気共鳴スキャンにおける前記ｋ空間のＮ個のショットのそれぞれについてデータ整合性誤差値を算出し、前記磁気共鳴スキャンにおける前記ｋ空間のＮ個のショットのそれぞれについて算出されたデータ整合性誤差値に基づいて前記ｋ空間の第１セクションを選択するように構成されている、（１）－（７）のいずれか１つに記載の装置。

（９）磁気共鳴イメージングにおける累進的体動補正方法であって、該方法は、処理回路によりｋ空間の第１セクションから中間画像を推定することであって、前記ｋ空間の第１セクションは対象物の磁気共鳴スキャン中の収集時点に対応しており、前記磁気共鳴スキャン中の対応する収集時点は最小限の体動を含むと判定されたｋ空間のショットに関連している推定を行うことと、前記処理回路により、前記推定された中間画像を用いて前記ｋ空間の第２セクションの体動パラメータを推定することと、前記処理回路により、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとを前記推定された体動パラメータに基づいて結合することと、前記処理回路により、最終画像を生成するために前記ｋ空間の結合されたデータを再構成することとを含む。

（１０）前記処理回路によって前記磁気共鳴スキャンにおけるＮ個のショットを時系列順にすることと、前記処理回路によって前記磁気共鳴スキャンにおける前記時系列順にされたＮ個のショットのうちの最初のＭ個のショットを前記ｋ空間の第１セクションとして選択することとを含む、（９）に記載の方法。

（１１）前記処理回路によって、前記磁気共鳴スキャンにおけるＮ個のショットのそれぞれについて体動スコアを算出することと、前記処理回路によって、前記磁気共鳴スキャンにおける前記Ｎ個のショットを前記Ｎ個のショットのそれぞれについて算出された体動スコアに基づいてランク付けすることであって、前記ランク付けされたＮ個のショットは前記磁気共鳴スキャンの期間全体にわたって取得されるランク付けを行うことと、前記処理回路によって、前記ｋ空間のＮ個のショットのうちの最も高くランク付けされたショットと前記ランク付けされたＮ個のショットのうちの少なくとも１つの他のショットとを含むｋ空間のセクションを前記ｋ空間の第１セクションとして選択することとを含む、（９）又は（１０）に記載の方法。

（１２）前記処理回路によって、前記ｋ空間の第２セクションの推定された体動パラメータを含むように体動パラメータのベクトルを更新することであって、前記体動パラメータのベクトルは前記ｋ空間の第１セクションに対応する体動パラメータを含む更新を行うことを含む、（９）－（１１）のいずれか１つに記載の方法。

（１３）最終画像を生成するための前記ｋ空間の結合データの再構成は前記更新された体動パラメータのベクトルに基づいて行われる、（９）－（１２）のいずれか１つに記載の方法。

（１４）前記更新された体動パラメータのベクトルは、前記ｋ空間の結合されたセクションのそれぞれについて２つの並進値と１つの回転値とを含む、（９）－（１３）のいずれか１つに記載の方法。

（１５）前記推定された体動パラメータに基づく、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとの前記結合は、前記処理回路による前記ｋ空間の第２セクションについてのデータ整合性メトリックの値の算出と、比較の結果として前記データ整合性メトリックの計算値が許容度の閾値を下回る場合は、前記処理回路によって前記ｋ空間の第２セクションからのデータを破棄することとを含む、（９）－（１４）のいずれか１つに記載の方法。

（１６）コンピュータによって実行されるとそのコンピュータに磁気共鳴イメージングにおける累進的体動補正方法を実行させるコンピュータ読み取り可能な命令を保存するコンピュータ読み取り可能な非一時的記憶媒体であって、該方法は、ｋ空間の第１セクションから中間画像を推定することであって、前記ｋ空間の第１セクションは対象物の磁気共鳴スキャン中の収集時点に対応しており、前記磁気共鳴スキャン中の対応する収集時点は最小限の体動を含むと判定されたｋ空間のショットに関連している推定を行うことと、前記推定された中間画像を用いて前記ｋ空間の第２セクションの体動パラメータを推定することと、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとを前記推定された体動パラメータに基づいて結合することと、最終画像を生成するために前記ｋ空間の結合されたデータを再構成することとを含む。

（１７）前記磁気共鳴スキャンにおけるＮ個のショットを時系列順にすることと、前記磁気共鳴スキャンの時系列順にされたＮ個のショットのうちの最初のＭ個のショットを前記ｋ空間の第１セクションとして選択することとを含む、（１６）に記載のコンピュータ読み取り可能な非一時的記憶媒体。

（１８）前記磁気共鳴スキャンにおけるＮ個のショットのそれぞれについて体動スコアを算出することと、前記磁気共鳴スキャンにおける前記Ｎ個のショットを前記Ｎ個のショットのそれぞれについて算出された体動スコアに基づいてランク付けすることであって、前記ランク付けされたＮ個のショットは前記磁気共鳴スキャンの期間全体にわたって取得されるランク付けを行うことと、前記ｋ空間のＮ個のショットのうちの最も高くランク付けされたショットと前記ランク付けされたＮ個のショットのうちの少なくとも１つの他のショットとを含む前記ｋ空間のセクションを前記ｋ空間の第１セクションとして選択することとを含む、（１６）又は（１７）のいずれかに記載のコンピュータ読み取り可能な非一時的記憶媒体。

（１９）前記ｋ空間の第２セクションの前記推定された体動パラメータを含むように体動パラメータのベクトルを更新することであって、前記体動パラメータのベクトルは前記ｋ空間の第１セクションに対応する体動パラメータを含む更新を行うことを含む、（１６）－（１８）のいずれか１つに記載のコンピュータ読み取り可能な非一時的記憶媒体。

（２０）前記推定された体動パラメータに基づく、前記ｋ空間の第１セクションからのデータと前記ｋ空間の第２セクションからのデータとの前記結合は、前記ｋ空間の第２セクションについてのデータ整合性メトリックの値を算出することと、比較の結果として前記データ整合性メトリックの計算値が許容度の閾値を下回る場合は、前記ｋ空間の第２セクションからのデータを破棄することとを含む、（１６）－（１９）のいずれか１つに記載のコンピュータ読み取り可能な非一時的記憶媒体。

以上の記述はあくまでも本発明のいくつかの実施形態例を開示及び説明したものである。当業者に自明のとおり、本発明は本発明の趣旨並びに基本特性に逸脱することなく他の形態で実施することができる。したがって、本発明の開示は例示のためのものであって、本発明並びに付随する請求項の範囲を限定するものではない。なお、本開示（並びに本開示の内容を容易に認識できる全ての変形）は先述の請求項中の用語の範囲を部分的に規定して発明の主題が公知のものとならないようにしている。

９７０ 磁気共鳴イメージング（ＭＲＩ）システム
９９０ ＭＲＩデータプロセッサ

Claims (12)

1. 磁気共鳴イメージングに適用される体動補正装置であって、
   最小限の体動を含むと判定されたｋ空間のショットに関連する前記ｋ空間の第１セクションから中間画像を推定し、
   前記中間画像を用いて、前記ｋ空間の第２セクションの体動パラメータを推定し、
   前記体動パラメータに基づいて、前記第１セクションからのデータと前記第２セクションからのデータとを結合し、
   前記結合されたデータを再構成して最終画像を生成する
   処理回路を備える、体動補正装置。
2. 前記処理回路は、前記磁気共鳴イメージングにおける前記ｋ空間のＮ個のショットにおいて最小限の体動を含むと判定された前記ｋ空間のショットに関連する前記第１セクションから中間画像を推定する、
   請求項１に記載の体動補正装置。
3. 前記処理回路は、
   前記Ｎ個のショットを時系列順に順序付け、
   前記時系列順に順序付けられた前記Ｎ個のショットのうちの最初のＭ個のショットを前記第１セクションとして選択して前記中間画像を推定する、
   請求項２に記載の体動補正装置。
4. 前記処理回路は、
   前記Ｎ個のショットのそれぞれについて体動スコアを算出し、
   前記体動スコアに基づいて、前記Ｎ個のショットのうちのＭ個のショットを前記第１セクションとして選択して前記中間画像を推定する、
   請求項２に記載の体動補正装置。
5. 前記処理回路は、
   前記体動スコアに基づいて、前記Ｎ個のショットをランク付けし、
   前記Ｎ個のショットのうちの最も高くランク付けされたショットと他の少なくとも１つのショットとを含む前記ｋ空間のセクションを前記第１セクションとして選択して前記中間画像を推定する、
   請求項４に記載の体動補正装置。
6. 前記処理回路は、推定された前記第２セクションの体動パラメータを含むように、前記第１セクションに対応する体動パラメータのベクトルを更新する、
   請求項１～５のいずれか１つに記載の体動補正装置。
7. 前記処理回路は、前記更新された体動パラメータのベクトルに基づいて、前記結合されたデータを再構成して前記最終画像を生成する、
   請求項６に記載の体動補正装置。
8. 前記体動パラメータのベクトルは、前記ｋ空間の結合されたセクションごとに、２つの並進値と１つの回転値とを含む、
   請求項６又は７に記載の体動補正装置。
9. 前記処理回路は、前記第２セクションについてデータ整合性メトリックの値を算出し、前記データ整合性メトリックの値が閾値を下回る場合は前記第２セクションからの前記データを破棄することによって、前記体動パラメータに基づいて、前記第１セクションからのデータと前記第２セクションからのデータとを結合する、
   請求項１～８のいずれか１つに記載の体動補正装置。
10. 前記処理回路は、
    前記Ｎ個のショットのそれぞれについてデータ整合性誤差値を算出し、
    前記データ整合性誤差値に基づいて、前記Ｎ個のショットの内のＭ個のショットを前記第１セクションとして選択して前記中間画像を推定する、
    請求項２に記載の体動補正装置。
11. 磁気共鳴イメージングに適用される体動補正方法であって、
    最小限の体動を含むと判定されたｋ空間のＭ個のショットから中間画像を推定するステップと、
    前記中間画像を用いて、前記Ｍ個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定するステップと、
    前記Ｍ個のショットと前記他のショットとを含むＭ＋１個のショット及び前記体動パラメータに基づいて、新たな中間画像を推定するステップと、
    前記新たな中間画像を用いて、前記Ｍ＋１個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定するステップと
    を含む、体動補正方法。
12. 磁気共鳴イメージングに適用される体動補正プログラムであって、
    最小限の体動を含むと判定されたｋ空間のＭ個のショットから中間画像を推定する手順と、
    前記中間画像を用いて、前記Ｍ個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定する手順と、
    前記Ｍ個のショットと前記他のショットとを含むＭ＋１個のショット及び前記体動パラメータに基づいて、新たな中間画像を推定する手順と、
    前記新たな中間画像を用いて、前記Ｍ＋１個のショットとは異なる前記ｋ空間の他のショットの体動パラメータを推定する手順と
    をコンピュータに実行させる、体動補正プログラム。

Images