JP6899013B2 - 断層撮影画像の取得および再構成を実行するシステムおよび方法 - Google Patents

断層撮影画像の取得および再構成を実行するシステムおよび方法 Download PDF

Info

Publication number
JP6899013B2
JP6899013B2 JP2020038607A JP2020038607A JP6899013B2 JP 6899013 B2 JP6899013 B2 JP 6899013B2 JP 2020038607 A JP2020038607 A JP 2020038607A JP 2020038607 A JP2020038607 A JP 2020038607A JP 6899013 B2 JP6899013 B2 JP 6899013B2
Authority
JP
Japan
Prior art keywords
image
space
sampling
data set
weighting factor
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.)
Active
Application number
JP2020038607A
Other languages
English (en)
Other versions
JP2020103937A (ja
Inventor
デンプジー，ジェームズ，エフ
ゼン，クィングオ
ナナ，ロジャー
パトリック，ジョン，エル
イーガン，ティモシー，ピー
シュバーツマン，シュマリュ
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.)
ViewRay Technologies Inc
Original Assignee
ViewRay Technologies Inc
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 ViewRay Technologies Inc filed Critical ViewRay Technologies Inc
Publication of JP2020103937A publication Critical patent/JP2020103937A/ja
Application granted granted Critical
Publication of JP6899013B2 publication Critical patent/JP6899013B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • 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
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/4824—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory
    • G01R33/4826—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory in three dimensions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Description

本願は、オブジェクトの撮像のシステムおよび方法に、特に、測定された周波数サンプ
ルの断層撮影再構成を介した撮像に関わるシステムおよび方法に関する。
断層撮影〔トモグラフィー〕は断面または断面化による画像化である。断層撮影におい
て使用される装置は断層撮影装置〔トモグラフ〕と呼ばれ、生成される画像は断層撮影像
〔トモグラム〕である。断層撮影は医療、考古学、生物学、地球物理学、海洋学、物質科
学、宇宙物理学およびその他の科学において使用される。トモグラフィーという単語は、
「断面」「スライス」または「切断」を意味するギリシア語の単語「トモス」に由来する
。断層撮影はスライス・ベースの撮像をいうが、典型的には三次元（3D）画像または四次
元画像（時間的に分解された複数の三次元画像）にも適用される。
２００６年、カンデスら（非特許文献１）およびドノホ（非特許文献２）からの独創的
な原稿が画像の再構成のための「圧縮センシング」と名付けられる新たな研究分野を創出
した。一般に、ドノホの文献で述べられているように、圧縮センシングの理論は「信号お
よび画像処理の多くの場面で成り立つことが知られている一つの特定の仮定に依存してい
る。それは、変換の散在性（transform sparsity）〔変換が疎であること〕の原理であ
る。」これは、画像を再構成するためにより少ないデータの測定を許容し、よって画像取
得を高速化するために変換の散在性を活用できるモデルを創り出そうとする多くの研究を
触発した。これらの技法はみな、画像自身またはその画像の何らかの変換を圧縮できるこ
とに依拠している。この一群の研究は、ドノホによる独創的な文献から動機付けられてい
る。ドノホではこう述べられている「何でも圧縮できるという現象は、非常に自然な疑問
を持ち上げる。取得したものの大半を捨ててしまうのに、なぜそんなにまで苦労して全デ
ータを取得しようとするのか？最終的に捨てられない部分だけを直接測定することはでき
ないのであろうか？」この研究は、最適に疎である変換を生成するよう設計された最適化
モデルの開発につながった。
Emmanuel J. Candes et al., Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information, 52(2) IEEE Transactions on Information Theory, 2006, pp.489-509 David Donoho, Compressed sensing, 52(4), IEEE Transactions on Information Theory, April 2006, pp.1289-1306 Joshua Trzasko & Armando Manduca, Highly Undersampled Magnetic Resonance Image Reconstruction via Homotopic l0-Minimization, 28(1), IEEE Transactions on Medical Imaging, January 2009, pp.106-121
画像の断層撮影再構成のためのシステムおよび方法が開示される。
たとえば、本開示のいくつかの側面によれば、画像を生成する方法は、撮像されるオブ
ジェクトのｋ空間データ・セットを取得し、ｋ空間データ・セットの一部を収集し、ｋ空
間データ・セットの収集された一部から凸最適化モデル（convex optimization model
）に従って画像を再構成することを含むことができる。
凸最適化モデルは、ｋ空間データ・セット内の期待されるノイズ属性を表す重み付け因
子および撮像されるオブジェクトの先験的属性を表す重み付け因子を含むことができる。
ｋ空間データ・セットの一部の収集は、データ収集パターンに従ってデータを収集する
ことを含むことができる。たとえば、データ収集パターンが渦巻きパターン、放射状パタ
ーンおよび／または複数の平行なサンプリング線を含むパターンを含むことができる。
いくつかの実施形態では、画像の再構成は、画像強度の全変動（total variation）の
離散化のl＝0ノルムの近似を使って画像データを生成することを含むことができる。その
ような実施形態では、画像データの生成は、対話的なプロセスを実行することを含むこと
ができる。ここで、該逐次反復プロセスの反復工程は、ホモトピック・パラメータの値を
更新し、二次緩和パラメータの値を更新することを含む。ホモトピック・パラメータおよ
び二次緩和パラメータのそれぞれの値は、所定の関係に従って互いとの関係において固定
できる。また、前記逐次反復プロセスの反復工程は、所定のレートに従って二次緩和パラ
メータの値を大きくし、二次緩和パラメータの値および二次緩和パラメータとホモトピッ
ク・パラメータの間の所定の関係に従ってホモトピック・パラメータの値を小さくするこ
とを含むことができる。
l＝0ノルムを使い、逐次反復プロセスを含む実施形態では、逐次反復プロセスは内側お
よび外側の逐次反復プロセスを含むことができる。外側の逐次反復プロセスの各反復工程
は、内側の逐次反復プロセスの一回または複数回の反復工程を含む。内側の逐次反復プロ
セスの各反復工程は、ホモトピック・パラメータの値および二次緩和パラメータの値に少
なくとも部分的に基づいて、緩和変数の値を更新することを含むことができる。内側の逐
次反復プロセスの各反復工程は、緩和変数の値に少なくとも部分的に基づいて画像データ
を更新することを含むこともできる。
いくつかの実施形態では、画像の再構成は、画像強度の全変動の離散化のl＝1またはl
＝2ノルムの一つを使って画像データを生成することを含むことができる。そのような実
施形態では、画像データの生成は、対話的なプロセスを実行することを含むことができる
。ここで、該逐次反復プロセスの反復工程は、再構成された画像における不連続にペナル
ティを与えることを防ぐため、ノルム重み付け因子の値を更新することを含むことができ
る。ノルム重み付け因子は、平滑化された画像データに少なくとも部分的に基づくことが
できる。ノルム重み付け因子の値の更新は、ガウシアン・カーネルを使って平滑化された
画像データを生成することを含むことができる。
l＝1またはl＝2ノルムを使い、逐次反復プロセスを含む実施形態では、逐次反復プロセ
スは内側および外側の逐次反復プロセスを含むことができる。外側の逐次反復プロセスの
各反復工程は、内側の逐次反復プロセスの一回または複数回の反復工程を含む。内側の逐
次反復プロセスの各反復工程は、ホモトピック・パラメータの値および二次緩和パラメー
タの値に少なくとも部分的に基づいて、緩和変数の値を更新することを含むことができる
。また、内側の逐次反復プロセスの各反復工程は、緩和変数の値に少なくとも部分的に基
づいて画像データを更新することを含むこともできる。
画像の再構成は、撮像されたオブジェクトを表す画像データを生成することを含むこと
ができる。また、画像の再構成はディスプレイ、プリンタおよび／またはメモリ・デバイ
スに画像データを出力することを含むことができる。
本開示のさらなる側面によれば、画像を生成する方法は、撮像されるオブジェクトのｋ
空間データ・セットを取得し、所定のデータ収集パターンに従ってｋ空間データ・セット
のサブセットを収集し、それによりサンプリングされたｋ空間データ・セットを生成し、
サンプリングされたｋ空間データ・セットを使って画像データの第一の集合を生成し、画
像データの前記第一の集合を使って逐次反復プロセスを実行して画像データの第二の集合
を生成することを含むことができる。逐次反復プロセスは、画像データの前記第一の集合
からの画像データを、複数の重み付け因子に従って、サンプリングされたｋ空間データ・
セットからのｋ空間データと組み合わせることを含む最適化モデルに従って、画像データ
の前記第一の集合を修正することを含むことができる。
一例として、画像データの前記第一の集合は、ｋ空間データ・セットの前記一部の逆フ
ーリエ変換に少なくとも部分的に基づく。
前記複数の重み付け因子は、画像データの諸属性についての重要度重み付け因子を含む
ことができる。前記複数の重み付け因子は、画像データの異なる属性にそれぞれの重みを
適用するための重み付け因子を含むことができる。前記複数の重み付け因子は、画像デー
タ中の大きな不連続にペナルティを与えるのを防ぐために、ノルム重み付け因子を含むこ
とができる。
本開示のさらなる側面によれば、画像を生成する方法は、磁気共鳴撮像システムからｋ
空間データ・セットを受領し、所定のデータ収集パターンに従ってｋ空間データ・セット
のサブセットを収集し、ここで、前記所定のデータ収集パターンは渦巻きパターンを含み
、サンプリングされたｋ空間データ・セットを使って画像データの第一の集合を生成し、
画像データの前記第一の集合を使って逐次反復プロセスを実行して画像データの第二の集
合を生成することを含むことができる。逐次反復プロセスは、画像データの前記第一の集
合からの画像データを、複数の重み付け因子に従って、サンプリングされたｋ空間データ
・セットからのｋ空間データと組み合わせることを含む最適化モデルに従って、画像デー
タの前記第一の集合を修正することを含むことができる。
画像データの前記第一の集合の生成は、ｋ空間データ・セットの前記一部の逆フーリエ
変換に少なくとも部分的に基づくことができる。
前記複数の重み付け因子は、画像データの諸属性についての重要度重み付け因子を含む
ことができる。前記複数の重み付け因子は、画像データの異なる属性にそれぞれの重みを
適用するための重み付け因子を含むことができる。前記複数の重み付け因子は、画像デー
タ中の大きな不連続にペナルティを与えるのを防ぐために、ノルム重み付け因子を含むこ
とができる。
本開示のさらなる側面によれば、画像を生成する撮像システムは、撮像されるオブジェ
クトのｋ空間データ・セットを受領し、記憶するメモリと、ｋ空間データ・セットの一部
を収集し、凸最適化モデルに従ってｋ空間データ・セットの収集された一部から画像を再
構成するコンピューティング・ユニットとを有する。
凸最適化モデルは、ｋ空間データ・セット内の期待されるノイズ属性を表す重み付け因
子を含むことができる。凸最適化モデルは、撮像されるオブジェクトの先験的属性を表す
重み付け因子を含む。
いくつかの実施形態では、コンピューティング・ユニットは、画像強度の全変動の離散
化のl＝0ノルムの近似を使って画像データを生成することができる。そのような実施形態
では、コンピューティング・ユニットは、対話的なプロセスを使って画像データを生成す
ることができる。ここで、該逐次反復プロセスの反復工程は、ホモトピック・パラメータ
の値を更新し、二次緩和パラメータの値を更新することを含むことができる。ホモトピッ
ク・パラメータおよび二次緩和パラメータのそれぞれの値は、所定の関係に従って互いと
の関係において固定できる。
いくつかの実施形態では、コンピューティング・ユニットは、画像強度の全変動の離散
化のl＝1またはl＝2ノルムの一つを使って画像データを生成することができる。そのよう
な実施形態では、コンピューティング・ユニットは、対話的なプロセスを使って画像デー
タを生成することができる。ここで、該逐次反復プロセスの反復工程は、再構成された画
像における不連続にペナルティを与えることを防ぐため、ノルム重み付け因子の値を更新
することを含むことができる。ノルム重み付け因子は、平滑化された画像データに少なく
とも部分的に基づくことができる。
コンピューティング・ユニットは、撮像されるオブジェクトを表す画像データを生成す
ることができる。コンピューティング・ユニットは、ディスプレイ、プリンタおよび／ま
たはメモリ・デバイスに画像データを出力することができる。
ｋ空間データ・セットは、画像捕捉システム、たとえば磁気共鳴撮像（MRI: magnetic
resonance imaging）システムまたは他の既知の画像捕捉システムによって生成される
ことができる。
本開示のさらなる側面によれば、画像を生成する撮像システムは、撮像されるオブジェ
クトのｋ空間データ・セットを受領し、記憶するメモリと、所定のデータ収集パターンに
従ってｋ空間データ・セットのサブセットを収集し、それによりサンプリングされたｋ空
間データ・セットを生成し、サンプリングされたｋ空間データ・セットを使って画像デー
タの第一の集合を生成し、画像データの第一の集合を使って逐次反復プロセスを実行して
画像データの第二の集合を生成するコンピューティング・ユニットとを有する。逐次反復
プロセスは、画像データの前記第一の集合からの画像データを、複数の重み付け因子に従
って、サンプリングされたｋ空間データ・セットからのｋ空間データと組み合わせること
を含む最適化モデルに従って、画像データの前記第一の集合を修正することを含むことが
できる。
いくつかの実施形態では、撮像システムは、画像捕捉システムからｋ空間データ・セッ
トを受領するためのインターフェースを含むことができる。いくつかの実施形態では、撮
像システムは、統合された画像捕捉システムを含むことができる。
いくつかの実施形態では、所定のデータ収集パターンは渦巻きパターンを含むことがで
きる。そのような実施形態では、ｋ空間データ・セットは、磁気共鳴撮像（MRI）システ
ムによって生成されたｋ空間データを含むことができる。他の実施形態では、データ収集
パターンは放射状パターンを含むことができる。そのような実施形態では、ｋ空間データ
・セットは、計算機断層撮影（CTまたはCATスキャン）システムによって生成されたｋ空
間データを含むことができる。
本発明の特徴、側面および実施形態について付属の図面との関連で述べる。
l＝0ノルムの場合について再構成アルゴリズムのフローチャートを示す図である。 l＝1またはl＝2ノルムの場合について再構成アルゴリズムのフローチャートを示す図である。 3Dのk空間サンプリングのために使用されることのできる渦巻き状の軌跡を示す図である。 図３に示される渦巻き状の軌跡をスライスすることによって達成できる一連のサンプリング・マスク・パターンを示す図である。 固定したシフト角をもって生成されるｋ空間サンプリングのための渦巻きパターンの集合を示す図である。 変化させられるシフト角をもって生成されるｋ空間サンプリングのための渦巻きパターンの集合を示す図である。 種々の再構成技法の結果を比較するための画像の集合を示す図である。 種々の再構成技法の結果を比較するための画像の集合を示す図である。 種々の再構成技法の結果を比較するための画像の集合を示す図である。 種々の再構成技法の結果を比較するための画像の集合を示す図である。 種々の再構成技法の結果を比較するための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎渦巻きサンプリングを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎渦巻きサンプリングを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎渦巻きサンプリングを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎渦巻きサンプリングを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎放射状サンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 もとの画像と、種々の再構成技法および図示したｋ空間疎GRAPPAサンプリング・パターンを使って再構成される画像との比較のための画像の集合を示す図である。 撮像システムのある実施形態のブロック図である。
本開示は、撮像システムおよび／または撮像システムから画像データを受領する手段を
含んでいてもよい、画像処理システムを使って画像を生成するために使用できる断層撮影
再構成のための方法を提供する。本開示の諸側面を組み込むことのできるより具体的な撮
像システムの例は、X線またはガンマ線断層撮影を使う計算機断層撮影（CTまたはCATスキ
ャン）、共焦点レーザー走査顕微鏡法（LSCM: confocal laser scanning microscopy
）、低温電子断層撮影（Cryo-ET: cryo-electron tomography）、静電容量断層撮影（E
CT: electrical capacitance tomography）、電気抵抗率断層撮影（ERT: electrical
resistivity tomography）、電気インピーダンス断層撮影（EIT: electrical imped
ance tomography）、機能的磁気共鳴撮像（fMRI: functional magnetic resonance
imaging）、磁気誘導断層撮影（MIT: magnetic induction tomography）、磁気共鳴撮
像（MRI: magnetic resonance imaging）（かつては磁気共鳴断層撮影（MRT: magnet
ic resonance tomography）または核磁気共鳴断層撮影として知られた）、中性子断層
撮影、光コヒーレンス断層撮影（OCT: optical coherence tomography）、光投影断層
撮影（OPT: optical projection tomography）、プロセス断層撮影（PT: process t
omography）、陽電子放出断層撮影（PET: positron emission tomography）、陽電子
放出断層撮影‐計算機断層撮影（PET-CT）、量子断層撮影、単一光子放出計算機断層撮影
（SPECT: single photon emission computed tomography）、地震波断層撮影（seis
mic tomography）、超音波撮像（US: ultrasound imaging）、超音波支援光断層撮影
（UAOT: ultrasound assisted optical tomography）、超音波透過断層撮影（ultras
ound transmission tomography）、光学音響断層撮影（OAT: optoacoustic tomograp
hy）もしくは熱音響断層撮影（TAT: thermoacoustic tomography）としても知られる光
音響断層撮影（PAT: photoacoustic tomography）および回転する星の磁気的な幾何構
造を再構成するために使われるゼーマン・ドップラー撮像のためのシステムを含む。この
リストは長いが、網羅的なものではなく、本願は、当業者に知られているあらゆる同様の
断層撮影再構成方法に適用可能である。
開示されるプロセスは、１）画像再構成のためのモデル；２）モデルの高速数値解法の
ためのアルゴリズム；および３）再構成の忠実度を改善するためのｋ空間サンプリング・
パターンおよび戦略を伴う。
本願は、オブジェクトの画像の断層撮影再構成を、そのオブジェクトの不完全な測定さ
れた周波数サンプルから実行するプロセスを開示する。ここで、オブジェクトも該オブジ
ェクトのフーリエ変換も疎ではない。すなわち、変換の散在性は仮定も要求もされず、実
際、必ずしも厳密に成り立たないことが知られている。開示される方法は、好ましくは不
完全な測定された周波数サンプルとの整合性のための備えをしつつ、撮像対象のオブジェ
クトを示すと先験的にわかっている物理的属性を最適に示す画像を生成するために、圧縮
センシングにおいて使用されるのと同様の最適化方法を提供することを含む。しかしなが
ら、従来の圧縮センシング技法は、アルゴリズムにおいて何らかの圧縮項を伴う。対照的
に、本開示は、そのような従来のアルゴリズムに見出される圧縮項をなしですます方法を
提示する。開示される方法を使えば、画像を生成するために必要とされる周波数サンプリ
ングの量を減らすことによって、画像取得のスピードを高めることができる。人間の被験
者またはデリケートなオブジェクトの撮像において組織の電離放射線照射や加熱が起こり
うる応用では、吸収される線量またはエネルギーも減らすことができる。それにより、撮
像されるオブジェクトまたは被験者へのリスクを最小にできる。
開示されるプロセスの実施形態は、測定されている根底にあるオブジェクトによって生
成される信号がしばしば、ピクセル／ボクセル・サイズと画像視野（FOV: field of v
iew）のサイズの中間の何らかの中間スケールでのノイズのない区分ごとに一定の強度の
オブジェクトによってよく近似されることができるという先験的な知識を適用することを
含むモデルを用いることができる。本プロセスは、再構成されたオブジェクトのフーリエ
変換と測定されたフーリエ・データとの間の最小二乗の意味での一致を得るよう同時に試
みながら、対応する信号強度のこれらの属性を最適化することを含むことができる。この
ようにして、最適化が、疎なフーリエ・データからオブジェクトを再構成するという不足
決定問題を取り上げ、その物理的属性の先験的な知識に関して測定されたデータと整合す
る最適な解を選択する。
開示されるプロセスは、たいていの撮像アプリケーションでは、生体を撮像するにして
も製造物を撮像するにしても、撮像される根底にあるオブジェクトは、ノイズのない区分
ごとに一定の強度のオブジェクトによってよく表現されるという観察が動機となっている
。たとえば、人体は、脂肪または脂肪組織、筋肉、骨、軟組織、脳組織、肺および空気の
集合として見ることができる。これらの組織は互いに当接し、画像中に不連続を引き起こ
す。これは、種々の解剖学的または生理学的構造を同定するために使われるコントラスト
を生じる。
本開示は、画像再構成のための一般的モデルを提起する。本モデルは、二つの項をもつ
ことができる。第一の項は、撮像されるオブジェクトの先験的な属性を強制するためのも
のであり、第二の項は、重要度因子によって重み付けられた最小二乗の意味で画像のフー
リエ変換と測定されたフーリエ・データとの不一致にペナルティを与えるためのものであ
る。本モデルの第一の項は、区分ごとに一定であるが、同時に、オブジェクトに存在して
いることがわかっている大きな不連続にペナルティを与えないような画像を生成するよう
設計された画像の変動にわたるノルム（a norm over the variation of the imag
e）であることができる。画像再構成のための開示されるモデルは、画像における変動の
疎さ〔散在性〕を最大にする制約されない凸最適化モデルを用いることができる。
Figure 0006899013
 式(1)において、αは撮像されるオブジェクトの先験的属性についての重要度重み付け因
子であり、u(ベクトルx)は位置「ベクトルx」における画像強度である。Mlは大きな不連
続にペナルティを与えることを防ぐためのノルム重み付け因子であり、たとえば
Figure 0006899013
 である。ここで、
Figure 0006899013
 はu(ベクトルx)の平滑化されたバージョンであり（これは、たとえば分散σGをもつガウ
シアン・カーネルGを用いてなど、多くの方法で達成できる。）、εは、
Figure 0006899013
 のときにゼロによる除算を防止するために含められる小さな定数である。
Figure 0006899013
 はu(ベクトルx)のn次元の局所的な有限差分であり、n次元の空間座標「ベクトルx」はn次
元の空間領域X内にある。よって、
Figure 0006899013
 は画像uの画像強度の全変動（TV: total variation）の離散化のl0、l1またはl2ノルム
である。また、式(1)において、
Figure 0006899013
 であり、
Figure 0006899013
 はn次元離散フーリエ変換演算子であり、Pはn次元フーリエ領域Kにおける選択された座標
点「ベクトルp」に対応するn次元選択演算子である。値
Figure 0006899013
 は画像uのフーリエ変換の測定された値である。ノルム重み付け因子Mlは、大きな画像強
度について変動の重要度を減らすことにおいて重要な役割を演じ、
Figure 0006899013
 とともに単調減少するいかなる関数でもよい。また、K領域における制約が、重み付け因
子
Figure 0006899013
 による最小二乗ペナルティに緩和されていることを注意されたい。これは、各測定点の重
要度の推定を許容するためである。このアプローチは、より高い品質またはより少ないノ
イズをもつ測定データにより高い重要度を与えることを許容する。それはまた、測定デー
タにおける種々の周波数における特徴の重要度を強調するために使われることもできる。
たとえば、周波数の関数としての既知のまたは期待されるノイズ属性が、
Figure 0006899013
 に組み込まれることができる。
本稿に開示されるのは、式(1)において提供されるモデルを解くための非常に効率的な
アルゴリズムである。本開示は、l＝0ノルムの場合についてのアルゴリズムの実施形態お
よびl＝1または2ノルムの場合についてのアルゴリズムの実施形態を含む。
最初に、l＝0ノルムを使う実施形態についてアルゴリズムを記載する。l＝0のときの式
(1)において明示的に述べられるモデルに関する困難は、その解が通例、手に負えない（i
ntractable）組み合わせ探索を必要とするので、直接解くのが数値的に非効率であるとい
うことである。この問題を克服するため、たとえば非特許文献３で提案されるl0ノルムに
ついての近似のような近似を使うことができる。この文献は参照によってここに組み込ま
れ、以下では「チャスコ論文」と称する。チャスコ論文は、l0準ノルム（quasi-norm）の
ホモトピック最小化によるl0ノルムの近似を開示する。本アルゴリズムへのそのような近
似の適用は、次の式(2)のようなモデルを導く。
Figure 0006899013
 式(2)において、σは、σ≫0をもって開始されるホモトピック・パラメータである。式(2
)は、uの値が収束するまで各解法後にσを減少させつつ、uについて解かれる。前記近似
は、l＝0の解を近似するためにl＝1または2ノルムを使うことができる。チャスコ論文に
よって提案されたこのモデルを解くための諸アルゴリズムは、リアルタイムの画像再構成
を要求する応用については、非効率で、問題があることがある。数値的な非効率が、それ
でもたいしたものではあるのだが、劣るからである。測定データは典型的には複素画像を
生成するので、前記アルゴリズムを、式(3)によって下記に示されるように、複素周波数
データおよび複素画像データ両方を扱うよう拡張する。
Figure 0006899013
 式(3)において、R(.)は実成分演算子、I(.)は虚成分演算子、l′は前記近似のためにl＝1
ノルムが使われるかl＝2ノルムが使われるかに依存して1または2である。
Figure 0006899013
 は今やuについての周期的境界条件のもとにあると定義される。よって、
Figure 0006899013
 は次元dでの
Figure 0006899013
 の成分であり、離散フーリエ変換
Figure 0006899013
 によって対角化されることができる巡回行列である。緩和変数（relaxation variable）
wおよび二次緩和パラメータ（quadratic relaxation parameter）βが導入されている
。式(3)を直接解こうとするアルゴリズムの素朴な実装では、実装の際に少なくとも三つ
のループが期待される。第一のループはσ→0についてであり、第二のループはβ→∞に
ついてであり、第三のループは所与のσおよびβについてuとwの間で交互するためのもの
である。しかしながら、本開示は、同時にモデルの使用をリアルタイム撮像用途まで拡大
しつつ、σおよびβについてのループを組み合わせる効率的な技法を提起する。
本願で開示される代替的なアプローチによれば、所与の初期uについてuおよびwを解く
ためには、式(4)および(5)として下記に示される縮小公式によってwを解くことができる
。
Figure 0006899013
 次いで、更新されたwが固定されることができ、更新されたuが下記の式(6)に従って決定
される。
Figure 0006899013
 式(6)において、
Figure 0006899013
 はそれぞれ有限差分演算子
Figure 0006899013
 のフーリエ変換またはカーネルである。
所与のσおよびβの各セットについて、解が収束するまで、式(4)および(5)は(6)とと
もに逐次反復される。次いで、σおよびβを緩和する。(4)および(5)を有効なものにする
ためには式(7)として下記に示す不等式に従う条件を達成することが望ましい。
Figure 0006899013
 ここで、
Figure 0006899013
 なので、式(7)のさらなる緩和、つまり(7)を満たす十分条件は、式(8)のように書くこと
ができる。
σ2β≧4 (8)
不等式(8)は、本実装の際に、σおよびβを同時に更新するためのガイドを明示的に提
供する。つまり、非常に小さな正のβ＝1ではじめて、次いで式(9)に従ってσを設定する
：
何らかのC≧4についてσ＝√(C/β) (9)
こうして、l＝0ノルムの場合についての再構成アルゴリズムは、図１に示されるフロー
チャートに従って進行できる。ブロック１００では、さまざまな入力データが設定される
。たとえば、ブロック１００は、
Figure 0006899013
 についての値を設定することを含むことができる。
重み付け因子ηpは、構築される結果がサンプリングされたデータにどのぐらい近く追
随するかを制御するために設定される値のベクトルであることができる。K空間における
サンプリング線（単数または複数）に沿った異なるサンプリング点について異なる重みを
割り当てることができる。重み付け因子ηpは、サンプリング・デバイスのノイズ・パワ
ー・スペクトルに関する既知の先験的情報に従って、あるいは再構成される画像中の異な
る周波数の重要度に重み付けするために設定できる。たとえば、比較的高い重み、よって
重要度が、ｋ空間の中心または中心近くおよび／またはｋ空間における期待される山（ri
dges）の近くのサンプリング点について割り当てられることができる。ここで、比較的重
要な周波数データは一般に、MRIのようないくつかの撮像アプリケーションのために位置
特定される。
値Pはｋ空間におけるサンプリング・パターンの代表である。値fpは、値Pに従うパター
ンに沿ってサンプリングされたｋ空間データを表す。値αは、構築される画像の全体的な
なめらかさを制御するための重み付け因子を与えるスカラーである。αについてのより大
きな値は、構築される結果とサンプリングされたデータとの間のより大きな差を許容する
ことによって、よりなめらかな画像に導く傾向がある。このように、αおよびM{x}につい
て設定された値は、画像中の所望されるコントラストを失いすぎることなく、画像のなめ
らかさを制御するために調整できる。
値u0は、構築された画像の初期値を表す。最初、大まかな画像が、パターンPに沿って
ｋ空間からサンプリングされる周波数データを使って、生成できる。これはたとえば、逆
フーリエ変換を適用してサンプリングされたｋ空間データから画像空間データを生成する
ことによる。一般に、たとえば逆投影のような任意の再構成技法からの結果が、初期画像
データu0として使用できる。
値β0は二次緩和に対する初期重みを表し、これは小さな値、たとえば1.0未満として始
まることができる。アルゴリズムが進行するにつれて、二次緩和重みβがレートβrateに
従って増大し、最大βmaxは超えない。このように、値βmaxは二次緩和重みについて許容
される最大値である；βrateは1より大きな何らかの値であり、二次緩和重みβが本プロ
セスの外側反復工程毎に増大するレートである。値βmaxは最大処理時間（レートβrate
に依存する）および最終的な画像の品質に影響することができる。値βmaxは、反復工程
の最大数が数十、数百、数千またはそれ以上であることを許容するよう十分大きく設定さ
れることができる。よって、たとえば、いくつかの実装では、値βmaxは216に設定される
ことができ、βrateは2または4に設定されることができる。
値εinnerおよびεouterは、後述するようなそれぞれ内側（inner）および外側（outer
）ループ停止基準のために使われる公差閾値である。たとえば、いくつかの実装では、閾
値εinnerおよびεouterはゼロよりずっと小さい値、たとえば1e−4に設定されることが
できる。最後に、値Cは、式(9)に基づくσとβの間の所望される関係を維持するために、
何らかの値、たとえばC≧4に設定されることができる。
次に、ブロック１０２において、緩和パラメータ
Figure 0006899013
 および画像データuがブロック１００で入力された
Figure 0006899013
 およびu0についての初期値に従って初期化される。
第一の、外側の逐次反復プロセスはブロック１０４で始まり、ブロック１０４〜１２４
を含む。この外側の逐次反復プロセスは、ブロック１０８〜１１８にまたがる第二の、内
側の逐次反復プロセスを含む。外側の逐次反復プロセスは、ブロック１０４でホモトピッ
ク・パラメータσを更新し、ブロック１０６で外側画像データ変数uouterを、画像データ
uの現在の値に等しく設定し、ブロック１０７で、再構成された画像における大きな不連
続にペナルティを与えるのを防ぐためにノルム重み付け因子Mを設定することを含む。ノ
ルム重み付け因子Mに関する追加的な詳細は、図２との関連で後述する。
次に、内側の逐次反復プロセスの反復工程が何回か実行される。内側の逐次反復プロセ
スは、ブロック１０８で、内側画像データ変数uinnerを、画像データuの現在の値に等し
く設定することを含む。内側の逐次反復プロセスは次いで、ブロック１１０で式(4)に従
って緩和変数wの実部を更新し、ブロック１１２で式(5)に従って緩和変数wの虚部を更新
することを含む。次いで、ブロック１１４で、ブロック１１０および１１２で修正された
緩和変数wを使って、式(6)に従って画像データuとして修正された画像データが生成され
る。
次に、ブロック１１６で、内側公差（tolerance）値tolinnerが式(10)に従って設定さ
れる。
tolinner＝|u−uinner|/|uinner| (10)
このように、内側公差値tolinnerは、内側の逐次反復プロセスの現在の反復工程の間に作
成された画像データにおける差を表す。内側公差値tolinnerは次いで、内側の逐次反復プ
ロセスのさらなる反復工程が望ましいかどうかを判定するために使用できる。よって、ブ
ロック１１８において、内側の逐次反復プロセスのもう一回の反復工程が実行されるべき
かどうかについての判定が、公差値tolinnerが、ブロック１００で入力された公差閾値ε
innerより小さいかどうかを判定することによって、なされる。もしそうでない場合には
、プロセスはブロック１０８に戻り、内側逐次反復プロセスが反復される。それ以外の場
合には、プロセスは外側の逐次反復プロセスを続ける。また、ブロック１１８において、
内側逐次反復プロセスの反復工程数を追跡し、無限ループを防ぐために、カウンタ「iter
」が使用されることができる。反復工程数「iter」が最大反復工程数「iterMax」を超え
る場合、内側の逐次反復プロセスを打ち切ることができ、プロセスは外側の逐次反復プロ
セスを続けることができる。
ブロック１２０では、外側公差値tolouterが式(11)に従って設定される。
tolouter＝|u−uouter|/|uouter| (11)
このように、外側公差値tolouterは、外側の逐次反復プロセスの現在の反復工程の間に、
すなわち内側の逐次反復プロセスについての緩和パラメータおよびホモトピック・パラメ
ータβおよびσの現在の値を使って作成された画像データにおける差を表す。外側公差値
tolouterは次いで、外側の逐次反復プロセスのさらなる反復工程が望ましいかどうかを判
定するために使用できる。
ブロック１２２において、緩和パラメータ
Figure 0006899013
 の値が、ブロック１００で緩和レート
Figure 0006899013
 として設定されたレートを使って、
Figure 0006899013
 に従って調整される。
ブロック１２４で、外側の逐次反復プロセスのもう一回の反復工程が実行されるべきか
どうかについての判定が、外側公差値tolouterが、ブロック１００で入力された外側公差
閾値εouterより小さいかどうかを判定することによって、なされる。もしそうでない場
合には、プロセスはブロック１０４に戻り、外側逐次反復プロセスが反復される。それ以
外の場合には、プロセスは完了となる。
次に、l＝1または2ノルムを使う実施形態についてのアルゴリズムを述べる。そのよう
な実施形態については、式(1)の緩和は、下記に式(12)として示される。
Figure 0006899013
 次いで、所与の画像uについて、緩和変数wについて解くために、縮小公式を使うことが
できる。l＝1ノルムについては式(13)および(14)に基づき、l＝2ノルムについては式(15)
および(16)に基づく。
Figure 0006899013
 巡回境界条件のもとで、l＝1または2の両方の場合について、結果として式(17)を得る。
Figure 0006899013
 このように、l＝1または2ノルムの場合についての再構成アルゴリズムは、図２に示さ
れるフローチャートに従って進行できる。ブロック２００では、さまざまな入力データが
設定される。たとえば、ブロック２００は、
Figure 0006899013
 についての値を設定することを含むことができる。
重み付け因子ηpは、構築される結果がサンプリングされたデータにどのぐらい近く追
随するかを制御するために設定される値のベクトルであることができる。K空間における
サンプリング線（単数または複数）に沿った異なるサンプリング点について異なる重みを
割り当てることができる。重み付け因子ηpは、サンプリング・デバイスのノイズ・パワ
ー・スペクトルに関する先験的情報に従って、あるいは再構成される画像中の異なる周波
数の重要度に重み付けするために設定できる。たとえば、比較的高い重み、よって重要度
が、ｋ空間の中心または中心近くおよび／またはｋ空間における期待される山（ridges）
の近くのサンプリング点について割り当てられることができる。ここで、比較的重要な周
波数データは一般に、MRIのようないくつかの撮像アプリケーションのために位置特定さ
れる。
値σGはガウシアン・カーネルGについての標準偏差である（たとえば式(18),(18'')）
。値Pはｋ空間におけるサンプリング・パターンである。値fpは、値Pに基づくパターンに
沿ってサンプリングされたｋ空間データを表す。値αは、構築される画像の全体的ななめ
らかさを制御するための重み付け因子を与えるスカラーである。αについてのより大きな
値は、構築される結果とサンプリングされたデータとの間のより大きな差を許容すること
によって、よりなめらかな画像に導く傾向がある。このように、αについて設定された値
は、画像中の所望されるコントラストを失いすぎることなく、画像のなめらかさを制御す
るために調整できる。
値u0は、構築された画像の初期値を表す。最初、大まかな画像が、パターンPに沿って
ｋ空間からサンプリングされる周波数データを使って、生成できる。これはたとえば、逆
フーリエ変換を適用してサンプリングされたｋ空間データから画像空間データを生成する
ことによる。一般に、たとえば逆投影のような任意の再構成技法からの結果が、初期画像
データu0として使用できる。
値β0は二次緩和に対する初期重みを表し、これは小さな値、たとえば1.0未満として始
まることができる。アルゴリズムが進行するにつれて、二次緩和重みβがレートβrateに
従って増大し、最大βmaxは超えない。このように、値βmaxは二次緩和重みについて許容
される最大値である；βrateは1より大きな何らかの値であり、二次緩和重みβが本プロ
セスの反復工程毎に増大するレートである。値βmaxは最大処理時間（レートβrateに依
存する）および最終的な画像の品質に影響することができる。値βmaxは、反復工程の最
大数が数十、数百、数千またはそれ以上であることを許容するよう十分大きく設定される
ことができる。よって、たとえば、いくつかの実装では、値βmaxは216に設定されること
ができ、βrateは2または4に設定されることができる。
値εinnerおよびεouterは、後述するようなそれぞれ内側（inner）および外側（outer
）ループ停止基準のために使われる公差閾値である。たとえば、いくつかの実装では、値
εinnerおよびεouterはゼロよりずっと小さい値、たとえば1e−4に設定されることがで
きる。
値εは、
Figure 0006899013
 のときにゼロによる除算を防止するために含められる小さな定数である。
次に、ブロック２０２において、緩和パラメータ
Figure 0006899013
 および画像データuがブロック２００で入力された
Figure 0006899013
 およびu0についての初期値に従って初期化される。
第一の、外側の逐次反復プロセスはブロック２０４で始まり、ブロック２０４〜２２４
を含む。この外側の逐次反復プロセスは、ブロック２０８〜２１８にまたがる第二の、内
側の逐次反復プロセスを含む。外側の逐次反復プロセスは、ブロック２０４で外側画像デ
ータ変数uouterを、画像データuの現在の値に等しく設定し、ブロック２０６で、再構成
された画像における大きな不連続にペナルティを与えるのを防ぐためにノルム重み付け因
子Mを設定することを含む。この実施形態では、ノルム重み付け因子Mは下記の式(18)に従
うガウシアン・カーネルGを使って設定される。
Figure 0006899013
 しかしながら、たとえば次の式(18')および(18'')に示されるような他の方法を使うこ
ともできる。
Figure 0006899013
 一般に、正でありかつ区間[0,＋∞)で減少する任意の関数が潜在的に使用可能である。
次に、第二のプロセスの反復工程が何回か実行される。第二の逐次反復プロセスは、ブ
ロック２０８で、外側画像データ変数uouterを、画像データuの現在の値に等しく設定す
ることを含む。ブロック２１０で、l＝1ノルムについては式(13)に従って、l＝2ノルムに
ついては式(15)に従ってwの実部が更新される。ブロック２１２で、l＝1ノルムについて
は式(14)に従って、l＝2ノルムについては式(16)に従ってwの虚部が更新される。次いで
、ブロック２１４で、ブロック２１０および２１２で修正された緩和変数wを使って、式(
17)に従って画像データuとして修正された画像データが生成される。
次に、ブロック２１６で、内側公差（tolerance）値tolinnerが式(10)に従って設定さ
れる。内側公差値tolinnerは、内側の逐次反復プロセスの現在の反復工程の間に作成され
た画像データにおける差を表す。内側公差値tolinnerは次いで、内側の逐次反復プロセス
のさらなる反復工程が望ましいかどうかを判定するために使用できる。よって、ブロック
２１８において、内側の逐次反復プロセスのもう一回の反復工程が実行されるべきかどう
かについての判定が、公差値tolinnerが、ブロック２００で入力された公差閾値εinner
より小さいかどうかを判定することによって、なされる。もしそうでない場合には、プロ
セスはブロック２０８に戻り、内側逐次反復プロセスが反復される。それ以外の場合には
、プロセスは外側の逐次反復プロセスを続ける。また、ブロック２１８において、内側逐
次反復プロセスの反復工程数を追跡し、無限ループを防ぐために、カウンタ「iter」が使
用されることができる。反復工程数「iter」が最大反復工程数「iterMax」を超える場合
、内側の逐次反復プロセスは打ち切られることができ、プロセスは外側の逐次反復プロセ
スを続けることができる。
ブロック２２０では、外側公差値tolouterが式(11)に従って設定される。外側公差値to
louterは、外側の逐次反復プロセスの現在の反復工程の間に、すなわちノルム重み付け因
子Mおよび緩和パラメータβの現在の値を使って作成された画像データにおける差を表す
。外側公差値tolouterは次いで、外側の逐次反復プロセスのさらなる反復工程が望ましい
かどうかを判定するために使用できる。
ブロック２２２において、緩和パラメータ
Figure 0006899013
 の値が、ブロック２００で緩和レート
Figure 0006899013
 として設定されたレートを使って、
Figure 0006899013
 に従って調整される。
ブロック２２４で、外側の逐次反復プロセスのもう一回の反復工程が実行されるべきか
どうかについての判定が、外側公差値tolouterが、ブロック２００で入力された外側公差
閾値εouterより小さいかどうかを判定することによって、なされる。もしそうでない場
合には、プロセスはブロック２０４に戻り、外側逐次反復プロセスが反復される。それ以
外の場合には、プロセスは完了となる。
図１および図２に示し、上記で説明したプロセスのいくつかの実施形態では、式(6)お
よび(17)における分母は効率のために事前計算できる。これらの式の分子は、uによって
生成される密なｋ空間の補間または疎なｋ空間サンプルのsinc補間を介したデカルト格子
上へのグリッド化によって評価できる。
画像再構成のもう一つの重要な側面は、画像データのｋ空間またはｋ領域バージョンを
サンプリングするために使われるサンプリング・パターンPに関わる。ｋ空間またはｋ領
域のサンプリングは、再構成される画像の品質に重要な影響をもつ。多くの撮像技法（た
とえば、計算機断層撮影法）では、オブジェクトを通る信号の投影が測定され、そのフー
リエ変換がｋ空間において放射状の中心スライス定理（central-slice theorem）プロフ
ァイルを生成する。磁気共鳴（MR）撮像に類似する撮像技法では、たとえば、ｋ空間軌跡
は、勾配システムおよびエンコード軸によって操作される連続経路に沿って測定される。
ｋ空間中の真の撮像されるオブジェクトのパターンは、原点でピークとなり、中心から
放射状に突出する強度の山をもつ傾向がある。一般に、最良の再構成のためには、突出す
る山を単一の連続的なサンプリング経路でもって数回サンプリングすることが望ましい。
できるだけ短時間で単一の励起をもってできるだけ多くのｋ空間をカバーするために、渦
巻き状の軌跡が当初開発された。渦巻き状の軌跡はｋ空間の中心のまわりを複数回まわる
ので、本稿に記載される再構成技法のための優れた疎サンプリング・パターンを提供でき
る。また、ｋ空間の中心のよりよい知識がよりよい画像再構成につながることが当技術分
野で知られている。2Dまたは3D空間をカバーするために渦巻き状の軌跡を使うことは、ｋ
空間の中心における、より密な、あるいは繰り返されたサンプリング情報につながり、画
像再構成が改善される。繰り返されるサンプリングは、測定されたｋ空間データについて
の我々の先験的知識を改善し、これは我々のモデルでは
Figure 0006899013
 を介して受け入れられている。
非渦巻き状のサンプリング・パターンを含むさまざまなサンプリング・パターンが本開
示の諸側面とともに用いることができるものの、以下の記述は、渦巻き状のｋ空間サンプ
リングのいくつかの好ましい実施形態の説明を与える。中心(Cx,Cz)のある2D渦巻きにつ
いて、aが正の定数、ξが軌跡がどの葉（leaf）を通るかを決定するための定数シフト・
パラメータ（constant shifting parameter）として与えられているとして、アルキメ
デスのらせんは、一般に下記の式(19)によって示される系に従って原点から作成できる。
r＝aθ （極座標）
x＝rcos(θ＋ξ)＋Cx （デカルト座標のx） (19)
y＝rsin(θ＋ξ)＋Cz （デカルト座標のz）
この軌跡に沿ったサンプリングは変化させることができる。ｋ空間の中心付近でのより密
なサンプリングが渦巻き状の軌跡によって得ることができ、これは全体的な再構成の品質
を改善する。渦巻き状のパターンは、ξだけ回転させることによって、ｋ空間を充填また
はタイリングするよう生成できる。ここで、該角度は一様にまたは確率論的に分布される
ことができる。シネ撮像が実行される場合、反復される画像の取得はこれら異なるパター
ンを通じて巡回することができる。さらに、再構成データの重要度に時間的に重み付けす
るよう重み付け因子
Figure 0006899013
 を設定して、前のまたは後のスキャンからｋ空間データが含められることができる。
これらの2D渦巻きパターンは、読み取り軸に沿って3Dで取得されることができる。これ
は3Dでの非常に高速な取得技法を提供する。これらは、一様にまたは確率論的に分布した
デカルトまたは放射状の軌跡と組み合わせることもできる。2Dパターンは、平面上の渦巻
き状軌跡を平面内のある軸のまわりに回転させることによって、3Dのｋ空間をサンプリン
グするためにも使用できる。これを数学的に表現すると、ｚ軸のまわりの角度φiの回転
のためには、一つの3Dらせんのために次の式(20)が得られる。
r＝aθ （極座標）
x＝rcos(θ＋ξ)cosφi＋Cx （デカルト座標のx） (20)
y＝rcos(θ＋ξ)sinφi＋Cy （デカルト座標のy）
z＝rsin(θ＋ξ)＋Cz （デカルト座標のz）
回転φiを変えれば、3Dのｋ空間をカバーする異なる平面状の渦巻きを生成できる。たと
えば、α＝4/π、ξ＝0として、式(21)に従って10の均等に分布した回転角を使うと、図
３に示される渦巻き状の軌跡が達成できる。
φi＝2πi/10 i＝0,1,2,…,9 (21)
図４は離散的な3Dサンプリング・マスクである。これは、均等に分布した回転角の数を
たとえば50まで増やし、軌跡マスクを異なる複数のz値でスライスすることによって達成
できる一組のパターンを含む。図４に示したマスクは、9.13%のｋ空間サンプリング比を
許容する。
図３および図４に示される渦巻き状パターンは非常に疎であるが、それでいてｋ空間の
突出する（projecting）特徴を横断してサンプリングしている。同時に、これはｋ空間の
中心の反復されたサンプリングおよび原点付近での密なパターンを提供する。開示される
画像再構成検知技法は、ｋ空間における突出する特徴をカバーするために、高度のインコ
ヒーレンスをもつサンプリングを好む。この高度のインコヒーレンスはランダム・サンプ
リングまたはポワソン・サンプリングによって達成できるものの、これは、たとえ2Dまた
は3Dのｋ空間の疎なサンプリングを生じるためであっても、多くの軌跡を必要とする。開
示される3D渦巻き状サンプリング・パターン中に若干のインコヒーレンスを組み込むため
に、いくつかの実施形態では、擬似ランダムなシフトが、上記の回転された2D渦巻きパタ
ーンの軌跡平面中に導入されることができる。そのような擬似ランダム・シフトは、サン
プリング中のより少数のギャップをもつ、3Dのｋ空間の改善されたカバー率を提供する。
この新たなアプローチでは、渦巻き平面はそれでも3Dのｋ空間をカバーするために擬似
ランダムな量だけ回転させられる。最も一般的な場合では、サンプリング平面に対する法
線ベクトルの配向がランダムに生成されることができ、渦巻きへのランダムな位相シフト
が含められることができる。平面原点もシフトできるが、ｋ空間の原点の反復された、密
なサンプリングが望まれるので、大きなシフトは好ましくない。渦巻き状の軌跡に、サン
プリング面を出入りしてわずかに逸脱するよう摂動を加えることもできる。
たとえば、いくつかの実施形態では、初期渦巻き平面が該平面を含む軸に沿って、種々
の回転角φi i＝0,1,…,N−1だけ回転させられる。回転された各平面におけるシフト角
は異なる値ξi i＝0,…,N−1に関わっていてもよい。よって、新たな軌跡は次の式(22)
に示されるようにより柔軟な定式化をもつ。
r＝aθ （極座標）
x＝rcos(θ＋ξi)cosφi＋Cx （デカルト座標のx） (22)
y＝rcos(θ＋ξi)sinφi＋Cy （デカルト座標のy）
z＝rsin(θ＋ξi)＋Cz （デカルト座標のz）
ξiおよびφiの値は自由に変えて異なるパターンを生じることができる。サンプリング・
パターンは擬似ランダムな性質であるが、画像取得のために固定したパターンを使ったり
、あるいは測定時に擬似ランダム・シフトを実装する取得方式を用いたりしてもよい。
画像取得および再構成の開示される組み合わされたプロセスは、本稿では、シフトされ
たハイブリッド・アルキメデス型ランダム・パターンらせん（shifted hybrid Archime
dean random pattern spiral）、すなわちSHARPS技法と称される。図５および図６に
示される画像では、固定されたシフト角をもって一組の渦巻きパターンが生成され、もう
一組がシフト角ξiを変えることによって生成されている。再構成のための画像再構成パ
ラメータ設定は、すべての実験について同じであった。
たとえば、対称的な回転方式が式(23)に従って選ばれることができる。
φi＝2πi/N i＝0,…,N−1 (23)
ξi＝iΦ i＝0,…,N−1
あるいは、非対称な回転方式が式(24)に従って選ばれることができる。
φi＝πi/N i＝0,…,N−1 (24)
ξi＝iΦ i＝0,…,N−1
NおよびΦを適切に選ぶことによって、式(22)の軌跡に対応するマスクは、本画像再構成
プロセスのためにより好適にされることができる。たとえば、図５に示されるマスクは、
α＝4/π、N＝50およびΦ＝(9/16)πと設定することにより式(23)に基づく対称的な回転
方式を使って達成できる。図５に示されるマスクは、9.86%のｋ空間サンプリング比を許
容する。図６に示されるマスクは、α＝4/π、N＝50およびΦ＝(9/16)πと設定すること
により式(24)に基づく非対称な回転方式を使って達成できる。図６に示されるマスクは、
10.37%のｋ空間サンプリング比を許容する。
図７〜図１１は、もとの画像（図７）と、逆投影再構成を使って生成された画像（図８
、図９）と、本願で開示される再構成プロセスを使って生成された画像（図１０、図１１
）との間の違いを例解する画像を示している。より具体的には、図７に示される一連の画
像は、種々の再構成技法の比較のためのベースラインとして使われる元の画像である。図
７に示される画像についての画像データは、フーリエ変換によってｋ空間に変換され、次
いで逆投影を使って再構成された（図８および図９）、また、本願で開示される再構成技
法を使っても再構成された（図１０および図１１）。
図８および図９に示される画像は逆投影再構成アルゴリズムを使って生成された。より
具体的には、図８に示される画像は図５に示される対称マスクを使って得られたものであ
り、図９に示される画像は図６に示される非対称マスクを使って得られたものである。
対照的に、図１０および図１１に示される画像が、本稿に開示されるアルゴリズムを使
って生成された。図１０に示される画像は、図５に示される対称マスクを使って得られた
ものであり、図１１に示される画像は図６に示される非対称マスクを使って得られたもの
である。従来の逆投影再構成プロセスを使って生成された画像に比べて、本願のプロセス
を使って生成された画像は著しい改善を示した。逆投影再構成プロセスを使って生成され
た図８および図９に示される画像は、それぞれ相対誤差42.16%および40.36%を含んでいた
。対照的に、本願の再構成プロセスを使って生成された図１０および図１１に示される画
像が含んでいた相対誤差は、それぞれたった15.81%、15.00%であった。
同様に、シフトなしで回転のみを使う3Dらせんを使って本プロセスが実行されることも
できる。すなわち、式(23)および(24)においてΦ＝0と設定するのである。下記の表１は
、64×64×64立方体体積に基づく、対称回転（式(23)）および非対称回転（式(24)）を使
った、シフトあり（Φ≠0）およびシフトなし（Φ＝0）のサンプリング・パターンの比較
を示している。
Figure 0006899013
 表１から、葉間（interleaf）シフトのある3Dらせんを使うと、シフトなしの場合よりあ
らゆる側面でよりよい結果が得られることが観察できる。シフトを使う二つのマスクの間
では、非対称な回転を使う結果のほうが、対称的な回転を使った場合よりも、あらゆる側
面においてわずかによい。
本願の画像取得および再構成プロセスのためのｋ空間サンプリング・パターンの生成の
ための本願で開示されるアプローチがこれで実証された。この新たなアプローチは、渦巻
き平面の回転の際にシフト角を変化させ、たとえ同数の渦巻きを使う場合であってもｋ空
間サンプリング比をより高いレベルに改善する。
本稿で開示されるモデルおよびアルゴリズムを使ったさらなる2D結果が以下で記述され
る。関連付けられた図示された再構成は128×128ピクセル画像についてであり、必要な計
算時間はMatlabにおける実装について２秒未満である。
図１２ないし図１５は、ｋ空間の渦巻きサンプリングによる画像再構成の例を与える。
図１２〜図１４に示される例では、ｋ空間サンプリングはｋ領域の13%をカバーする。こ
れは臨床スキャナで約11msで取得できる。図１５に示される例では、ｋ空間サンプリング
はｋ領域の54.29%をカバーする。
より具体的には、図１２は頭部および頸部のアキシャル0.35テスラ（T）MR画像のため
の画像再構成プロセスに関連する画像の例を示している。図１２のＡは、もとのベースラ
イン画像を示す。図１２のＢは、図１２のＤに示される画像を生成するために図１２のＡ
に示される画像のｋ空間のサンプリングのために使われた疎な渦巻き線を示す。図１２の
Ｃは、逆投影技法を使って生成されたときの結果として得られる画像を示す。これは79.2
9%の相対誤差をもつ。図１２のＤは、l＝2ノルムをもつ開示されるアルゴリズムを使った
場合の結果として得られる画像を示し、これはずっと低い6.68%の相対誤差をもつ。
図１３は前立腺のアキシャル0.35T MR画像のための画像再構成プロセスに関連する画
像の例を示している。図１３のＡは、もとのベースライン画像を示す。図１３のＢは、図
１３のＤに示される画像を生成するために図１３のＡに示される画像のｋ空間のサンプリ
ングのために使われた疎な渦巻き線を示す。図１３のＣは、逆投影技法を使って生成され
たときの結果として得られる画像を示す。これは62.93%の相対誤差をもつ。図１３のＤは
、l＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示
し、これはずっと低い7.40%の相対誤差をもつ。
図１４は胸郭のアキシャル0.35T MR画像のための画像再構成プロセスに関連する画像
の例を示している。図１４のＡは、もとのベースライン画像を示す。図１４のＢは、図１
４のＤに示される画像を生成するために図１４のＡに示される画像のｋ空間のサンプリン
グのために使われた疎な渦巻き線を示す。図１４のＣは、逆投影技法を使って生成された
ときの結果として得られる画像を示す。これは70.74%の相対誤差をもつ。図１４のＤは、
l＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示し
、これはずっと低い8.41%の相対誤差をもつ。
図１５は、複素画像データおよび二つの等間隔の渦巻き線を使った、脳のアキシャル0.
35T MR画像のための画像再構成プロセスに関連する画像の例を示している。図１５のＡ
は、もとのベースライン画像を示す。図１５のＢは、図１５のＤに示される画像を生成す
るために図１５のＡに示される画像のｋ空間のサンプリングのために使われた二つの疎な
渦巻き線を示す。図１５のＣは、逆投影技法を使って生成されたときの結果として得られ
る画像を示す。これは7.74%の相対誤差をもつ。図１５のＤは、l＝2ノルムをもつ開示さ
れるアルゴリズムを使った場合の結果として得られる画像を示し、これはより低い5.93%
の相対誤差をもつ。
図１６は、ｋ領域の25%未満しかカバーしないｋ空間の疎な放射状サンプリングによる
画像再構成の例を示している。改善された相対誤差に加え、図１６のＣ、Ｄ、図１７のＣ
、Ｄ、図１８のＣ、Ｄ、図１９のＣ、Ｄにおける画像生成における本願で開示されるアル
ゴリズムの使用は、４倍強の画像取得速度の増加を実証した。
図１６は頭部および頸部のアキシャル0.35T MR画像のための画像再構成プロセスに関
連する画像の例を示している。図１６のＡは、もとのベースライン画像を示す。図１６の
Ｂは、図１６のＣおよびＤに示される画像を生成するために29本の軌跡を使って図１６の
Ａに示される画像のｋ空間のサンプリングのために使われた疎な放射状パターンを示す。
図１６のＣは、l＝0ノルムをもつ開示されるアルゴリズムを使った場合の結果として得ら
れる画像を示し、図１６のＤは、l＝2ノルムをもつ開示されるアルゴリズムを使った場合
の結果として得られる画像を示す。図１６のＣおよびＤの画像はそれぞれ8.47%および6.7
8%の相対誤差をもつ。
図１７は前立腺のレベルにおける骨盤のアキシャル0.35T MR画像のための画像再構成
プロセスに関連する画像の例を示している。図１７のＡは、もとのベースライン画像を示
す。図１７のＢは、図１７のＣおよびＤに示される画像を生成するために29本の軌跡を使
って図１７のＡに示される画像のｋ空間のサンプリングのために使われた疎な放射状パタ
ーンを示す。図１７のＣは、l＝0ノルムをもつ開示されるアルゴリズムを使った場合の結
果として得られる画像を示し、図１７のＤは、l＝2ノルムをもつ開示されるアルゴリズム
を使った場合の結果として得られる画像を示す。図１７のＣおよびＤの画像はそれぞれ6.
62%および5.75%の相対誤差をもつ。
図１８は肺のレベルでの胸郭のアキシャル0.35T MR画像のための画像再構成プロセス
に関連する画像の例を示している。図１８のＡは、もとのベースライン画像を示す。図１
８のＢは、図１８のＣおよびＤに示される画像を生成するために29本の軌跡を使って図１
８のＡに示される画像のｋ空間のサンプリングのために使われた疎な放射状パターンを示
す。図１８のＣは、l＝0ノルムをもつ開示されるアルゴリズムを使った場合の結果として
得られる画像を示し、図１８のＤは、l＝2ノルムをもつ開示されるアルゴリズムを使った
場合の結果として得られる画像を示す。図１８のＣおよびＤの画像はそれぞれ8.57%およ
び6.43%の相対誤差をもつ。
図１９は脳のアキシャル0.35T MR画像のための画像再構成プロセスに関連する画像の
例を示している。図１９のＡは、もとのベースライン画像を示す。図１９のＢは、図１９
のＣおよびＤに示される画像を生成するために29本の軌跡を使って図１９のＡに示される
画像のｋ空間のサンプリングのために使われた疎な放射状パターンを示す。図１９のＣは
、l＝0ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示
し、図１９のＤは、l＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として
得られる画像を示す。図１９のＣおよびＤの画像はそれぞれ9.70%および8.30%の相対誤差
をもつ。
次に、図２０〜図２２は、ハーフフーリエ技法の使用を含む例を示している。ここで、
当技術分野で知られている諸方法により位相補正が決定され、よって複素画像ではなく、
実画像が再構成できる。図２０のＣ、Ｄ、図２１のＣ、Ｄ、図２２のＣ、Ｄ、図２３のＣ
、Ｄに示される再構成画像は、領域のたった25%未満をカバーするｋ空間の疎な放射状サ
ンプリングを使って生成されており、４倍強の画像取得速度の増加を実証している。
図２０は、ハーフフーリエ技法を使った、頭部および頸部のアキシャル0.35T MR画像
のための画像再構成プロセスに関連する画像の例を示している。図２０のＡは、もとのベ
ースライン画像を示す。図２０のＢは、図２０のＣおよびＤに示される画像を生成するた
めにｋ空間の半分を通る22本の軌跡を使って図２０のＡに示される画像のｋ空間のサンプ
リングのために使われた疎な放射状パターンを示す。図２０のＣは、l＝0ノルムをもつ開
示されるアルゴリズムを使った場合の結果として得られる画像を示し、図２０のＤは、l
＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示す
。図２０のＣおよびＤの画像はそれぞれ36.80%および16.05%の相対誤差をもつ。このよう
に、部分フーリエ技法と組み合わせたときは、l＝2ノルムのほうがよい再構成を与えた。
図２１は、ハーフフーリエ技法を使った、前立腺のレベルでの骨盤のアキシャル0.35T
MR画像のための画像再構成プロセスに関連する画像の例を示している。図２１のＡは、
もとのベースライン画像を示す。図２１のＢは、図２１のＣおよびＤに示される画像を生
成するために図２１のＡに示される画像のｋ空間の半分を通る22本の軌跡を使ってｋ空間
のサンプリングのために使われた疎な放射状パターンを示す。図２１のＣは、l＝0ノルム
をもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示し、図２１の
Ｄは、l＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像
を示す。図２１のＣおよびＤの画像はそれぞれ28.58%および10.31%の相対誤差をもつ。こ
のように、部分フーリエ技法と組み合わせたときは、またもやl＝2ノルムのほうがよい再
構成を与えた。
図２２は、ハーフフーリエ技法を使った、肺のレベルにおける胸郭のアキシャル0.35T
MR画像のための画像再構成プロセスに関連する画像の例を示している。図２２のＡは、
もとのベースライン画像を示す。図２２のＢは、図２２のＣおよびＤに示される画像を生
成するために図２２のＡに示される画像のｋ空間の半分を通る22本の軌跡を使ってｋ空間
のサンプリングのために使われた疎な放射状パターンを示す。図２２のＣは、l＝0ノルム
をもつ開示されるアルゴリズムを使った場合の結果として得られる画像を示し、図２２の
Ｄは、l＝2ノルムをもつ開示されるアルゴリズムを使った場合の結果として得られる画像
を示す。図２２のＣおよびＤの画像はそれぞれ45.62%および11.75%の相対誤差をもつ。
部分フーリエ技法と組み合わされるとき、重み付けされたl2ノルムが最良の再構成を与
える。どちらの技法ももとのオブジェクトに似た再構成されたオブジェクトを生じるが、
l2ノルムは、コントラストを保持し、大きな不連続性にペナルティを与えないことにおい
てよりすぐれた性能をもつ。l0ノルムにおけるホモトピック緩和は、収束に難があるよう
であり、フルｋ空間の疎なサンプリングに対して、より好適である。
一般に、本願で開示される再構成プロセスは、複素または実のオブジェクトの再構成で
機能できる。測定されたデータは典型的には複素オブジェクトと整合する情報を提供する
。実際には、撮像されるオブジェクトは実であり、実オブジェクトと整合するよう測定さ
れたデータを修正できる位相シフトが存在する。本願で開示されるアルゴリズムは典型的
には、実オブジェクトを再構成するときによりよい性能を発揮する。複素オブジェクトと
整合する測定データから位相因子を決定するための既知の諸方法が当技術分野に存在する
。ｋ空間の原点を通過する放射状および渦巻き状の軌跡はいずれも、測定されたオブジェ
クトを実オブジェクトと整合させるための位相マップを決定または推定するために使用で
きる、共役な対称ｋ空間データ
Figure 0006899013
 を提供できる。
本願で開示される画像再構成技法は、MR撮像におけるパラレルイメージング技法の場合
のような追加的な取得電子系チャンネルを必要とすることなく、画像取得を加速するプロ
セスを提供する。パラレルイメージング技法とは対照的に、本願の方法は、似たような加
速において、より少ないアーチファクトおよびよりよい信号対雑音特性とともに、よりす
ぐれた画像忠実度を実証した。均等な理想的条件のもとで、画像の信号対雑音比は約２倍
よくなった。
たとえば、図２３は、加速因子約R＝3での、平均信号中に組み合わされたシミュレート
された８チャンネル・コイルのｋ空間からの脳の画像についての画像再構成プロセスに関
連する画像の例を示している。図２３のＡはもとのベースライン画像を示す。図２３のＢ
は、図２３のＤに示される画像を生成するための図２３のＡに示される画像のｋ空間の33
%のサンプリングのために使われる、疎な放射状パターンを示している。図２３のＣは、
逆投影技法を使った場合の結果として得られる画像を示しており、これは13.95%の相対誤
差をもつ。図２３のＤは開示されるアルゴリズムを使った場合の結果として得られる画像
を示す。これは相対誤差が1.83%とより低く、信号対雑音比は11.1である。
図２４は、加速因子約R＝3での、４本の自己較正信号（ACS: autocalibration signa
l）ラインをもつGRAPPA（GeneRalized Autocalibrating Partially Parallel Acquis
itions［一般化自己較正式部分パラレル取得］）（すなわち、ACSラインを含めてｋ空間
の33%）を使ったシミュレートされた８チャンネル・コイルのｋ空間からの脳の画像につ
いての画像再構成プロセスに関連する画像の例を示している。図２４のＡはもとのベース
ライン画像を示す。図２４のＢは、図２４のＤに示される画像を生成するためのｋ空間の
サンプリングのために使われる、平行線からなる疎なパターンを示している。図２４のＣ
は、逆投影技法を使った場合の結果として得られる画像を示しており、これは18.35%の相
対誤差をもつ。図２４のＤは開示されるアルゴリズムを使った場合の結果として得られる
画像を示す。これは相対誤差が7.82%とより低く、信号対雑音比は11.1である。
このように、本開示は、撮像されるオブジェクトの先験的な物理的属性の多基準最適化
および測定された周波数サンプルとの最小二乗での一致を実行することによる、不完全な
測定された周波数サンプルからの画像再構成のための一般的モデルを提供する。オブジェ
クトに存在していると知られている先験的な物理的属性は、画像の変動にわたる画像強度
の全変動（TV）の離散化のl＝0、l＝1またはl＝2ノルムを介して最適化されることができ
る。それにより、区分ごとに一定だが、同時にノルム重み付け因子Mlを介して大きな不連
続性にペナルティを与えない画像が生成される。最小二乗項は重み付け因子
Figure 0006899013
 を含む。これにより、取得の周波数および時間をもって調整されることのできる、各測定
された点の重要度の推定が許容される。
本開示は、ノルムの選択（l＝0、l＝1またはl＝2）に依存する、モデルの高速な数値解
法のためのアルゴリズムを提供する。l＝0ノルムについては、本解法は、l＝0の準ノルム
のホモトピック最小化によって近似できる。本アルゴリズムは、明示的に、MRIで遭遇さ
れるような虚オブジェクトの再構成を含むことができる。最小二乗項は、格子上で、ある
いは直接的なsinc補間によって評価されることができる。
また、再構成忠実度を改善するためのｋ空間サンプリング・パターンおよび戦略が開示
される。本開示は、2Dおよび3Dのｋ空間疎サンプリング・パターンを含む。放射状の疎ｋ
空間パターンは、いかなる型の断層撮影画像を再構成するために使用されることもできる
。デカルト式の疎ｋ空間パターンは多様な画像、たとえばMR画像を再構成するために使用
されることができる。渦巻き状のパターンは、多様な画像、たとえばMR画像を再構成する
ために、ｋ空間において一様にまたは確率論的に配置されることができる。画像品質を改
善するために、ｋ空間の中心においてより密なサンプリングが実行できる。反復される取
得またはシネ取得では、各取得毎にパターンを変えたり、置換（permute）したりしても
よい。いくつかの型の画像再構成、たとえばMR画像再構成については、渦巻き状のパター
ンは、一様にまたは確率論的に配置されたデカルト式または放射状の軌跡と組み合わされ
ることができる。
図２５は、撮像システム３００のブロック図を示している。図１および図２に示される
ような画像再構成アルゴリズムは、図３〜図５および図１２〜図２４に示されるようなｋ
空間サンプリング・パターンと組み合わされて、画像捕捉システム３０２によって生成さ
れるｋ空間データから画像または一連の画像を生成するために使用できる。画像捕捉シス
テム３０２は、撮像システム３００と一体であってもよいし、あるいは画像捕捉システム
３０２とは別個であってもよい。画像捕捉システム３０２は、2Dおよび／または3D画像を
含むことのできる画像を取得し、取得された画像の対応するｋ空間データを提供すること
のできる装置を含んでいてもよい。画像捕捉システム３０２として使用されることのでき
る、あるいは構成要素が画像捕捉システム３０２の構成要素として使用されることのでき
る従来システムの例は、これに限られないが、X線またはガンマ線断層撮影を使う計算機
断層撮影（CTまたはCATスキャン）、共焦点レーザー走査顕微鏡法（LSCM: confocal la
ser scanning microscopy）、低温電子断層撮影（Cryo-ET: cryo-electron tomograp
hy）、静電容量断層撮影（ECT: electrical capacitance tomography）、電気抵抗率
断層撮影（ERT: electrical resistivity tomography）、電気インピーダンス断層撮
影（EIT: electrical impedance tomography）、機能的磁気共鳴撮像（fMRI: functi
onal magnetic resonance imaging）、磁気誘導断層撮影（MIT: magnetic inductio
n tomography）、磁気共鳴撮像（MRI: magnetic resonance imaging）（かつては磁
気共鳴断層撮影（MRT: magnetic resonance tomography）または核磁気共鳴断層撮影
として知られた）、中性子断層撮影、光コヒーレンス断層撮影（OCT: optical coheren
ce tomography）、光投影断層撮影（OPT: optical projection tomography）、プロ
セス断層撮影（PT: process tomography）、陽電子放出断層撮影（PET: positron em
ission tomography）、陽電子放出断層撮影‐計算機断層撮影（PET-CT）、量子断層撮影
、単一光子放出計算機断層撮影（SPECT: single photon emission computed tomogr
aphy）、地震波断層撮影（seismic tomography）、超音波撮像（US: ultrasound imag
ing）、超音波支援光断層撮影（UAOT: ultrasound assisted optical tomography）
、超音波透過断層撮影（ultrasound transmission tomography）、光学音響断層撮影（
OAT: optoacoustic tomography）としても知られる光音響断層撮影（PAT: photoacous
tic tomography）もしくは熱音響断層撮影（TAT: thermoacoustic tomography）およ
びゼーマン・ドップラー撮像のためのシステムを含む。
撮像システム３００は、画像の再構成のための命令３０４を含む。命令３０４は、メモ
リ３０６内に記憶されたソフトウェア命令を含むことができる。命令３０４が記憶される
メモリ３０６は、リムーバブル・メモリ、たとえばコンパクト・ディスク（CD）またはデ
ジタル・ビデオ・ディスク（DVD）および／または固定メモリ、たとえば読み出し専用メ
モリ（ROM）チップまたはハード・ドライブを含むことができる。メモリ３０６は撮像シ
ステム３００にローカルであるように示されているが、代替的に、命令３０４を記憶する
メモリ３０６の一部または全部が撮像システム３００の外部である、たとえば外付けハー
ド・ドライブまたは撮像システム３００にネットワークおよび／またはインターネットを
介して接続されたリモート・システムの形であることもできる。
撮像システム３００は、中央処理装置（CPU: central processing unit）またはグ
ラフィック処理装置（GPU: Graphic Processing Unit）であることのできるコンピュ
ーティング・ユニット３０８と、ユーザー・インターフェース３１０と、入出力（I/O）
インターフェース３１２とを含む。コンピューティング・ユニット３０８は、命令３０２
に従って動作を実行するよう動作できる。コンピューティング・ユニット３０８は、撮像
システム３００にローカルであってもよいし、および／または一つまたは複数のローカル
および／またはリモートにネットワーク接続されたコンピュータ・システムの間に分散さ
れていてもよい、一つまたは複数のプロセッサを含むことができる。コンピューティング
・ユニット３０８は、ユーザー・インターフェース３１０、入出力（I/O）インターフェ
ース３１２および／または画像捕捉システム３０２の一つまたは複数の動作を制御するこ
ともできる。ユーザー・インターフェース３１０はユーザーへの出力情報のための装置、
たとえばディスプレイおよび／またはプリンタや、ユーザーから入力を受け取るための装
置、たとえばキーボード、タッチスクリーンおよび／またはマウスを含むことができる。
I/Oインターフェース３１２は、外部画像捕捉システム３０２を含むことができる外部装
置との通信を許容するために、一つまたは複数の通信ポート、たとえばユニバーサル・シ
リアル・バス（USB）ポートおよび／またはネットワーク接続装置、たとえばネットワー
ク・アダプターおよび／またはモデムを含むことができる。
たとえば、撮像システム３００のいくつかの実施形態は、たとえばここに参照によって
組み込まれるDempseyへの米国特許出願公開第2005/0197564号に開示される、治療モニタ
リング、制御および検証のための実質的に同時な撮像ができるMRIシステムを含むことが
できる。開示される技法の画像案内放射線療法との組み合わせは、患者セットアップのた
めのより高速な画像を生成することができる。また、開示される技法の画像案内放射線療
法との組み合わせは、MVおよびX線CTのための患者へのより少ない電離放射線線量で画像
を生成することができる。
開示される原理に基づくさまざまな実施形態が上記で記述されているが、これらはあく
までも例として呈示されているのであって、限定するものではないことを理解しておくべ
きである。よって、本発明の広さおよび範囲は、上記の例示的な実施形態のいずれによっ
ても限定されるべきではなく、請求項および本開示から出てくるその等価物に基づいての
み定義されるべきである。さらに、記載される実施形態において上記の利点および特徴が
与えられているが、これらは特許された発明の適用を、上記の利点のいずれかまたは全部
を達成するプロセスおよび構造に限定するものではない。
さらに、連邦規則集３７第１．７７節のもとでの示唆に合わせるためまたは他の理由で
編成上の手がかりを与えるために、本稿ではセクション見出しが与えられている。これら
の見出しは本開示から発しうるいかなる請求項に述べられる発明も限定したり、特徴付け
たりするものではない。具体的には、たとえば、見出しが「技術分野」を述べていても、
請求項は、いわゆる技術分野を記述するためにこの見出しのもとで選ばれている言辞によ
って限定されるべきではない。さらに、「背景技術」における技術の説明は、その技術が
本開示におけるいかなる発明に対する従来技術であるとの自認とも解釈するべきではない
。「概要」も発行された特許に記載される発明の特徴付けと考えるべきではない。さらに
、本開示において単数形で「発明」という言い方がされていたとしても、本開示に新規性
のある点が一つだけであると論じるために使うべきではない。本開示から出てくる複数の
請求項の限定に従って、複数の発明が規定されうるのであって、そのような請求項は、し
かるべく、保護される発明（単数または複数）およびその等価物を定義する。あらゆる事
例において、そのような請求項の範囲は、本開示に照らして請求項自身の価値において考
えるべきであって、本稿に記載される見出しによって制約されるべきではない。
いくつかの態様を記載しておく。
〔態様１〕
画像を生成する方法であって：
撮像されるオブジェクトのｋ空間データ・セットを取得する段階と；
前記ｋ空間データ・セットの一部を収集する段階と；
前記ｋ空間データ・セットの収集された一部から凸最適化モデルに従って画像を再構成
する段階とを含む、
方法。
〔態様２〕
前記凸最適化モデルが、前記ｋ空間データ・セット内の期待されるノイズ属性を表す重
み付け因子を含む、態様１記載の方法。
〔態様３〕
前記凸最適化モデルが、撮像されるオブジェクトの先験的属性を表す重み付け因子を含
む、態様１記載の方法。
〔態様４〕
前記ｋ空間データ・セットの一部を収集する前記段階は、データ収集パターンに従って
データを収集することを含む、態様１記載の方法。
〔態様５〕
前記データ収集パターンが渦巻きパターンを含む、態様４記載の方法。
〔態様６〕
前記データ収集パターンが放射状パターンを含む、態様４記載の方法。
〔態様７〕
前記データ収集パターンが複数の平行なサンプリング線を含む、態様４記載の方法。
〔態様８〕
凸最適化モデルに従って画像を再構成する前記段階が、画像強度の全変動の離散化のl
＝0ノルムの近似を使って画像データを生成することを含む、態様１記載の方法。
〔態様９〕
画像データを生成する前記段階が、対話的なプロセスを実行することを含み、該逐次反
復プロセスの反復工程は、ホモトピック・パラメータの値を更新し、二次緩和パラメータ
の値を更新することを含む、態様８記載の方法。
〔態様１０〕
前記ホモトピック・パラメータおよび前記二次緩和パラメータのそれぞれの値は、所定
の関係に従って互いとの関係において固定されている、態様９記載の方法。
〔態様１１〕
態様１０記載の方法であって、前記逐次反復プロセスの各反復工程は、
所定のレートに従って前記二次緩和パラメータの値を大きくし、
前記二次緩和パラメータの値および前記二次緩和パラメータと前記ホモトピック・パラ
メータの間の前記所定の関係に従って前記ホモトピック・パラメータの値を小さくするこ
とを含む、
方法。
〔態様１２〕
前記逐次反復プロセスが外側の逐次反復プロセスであり、前記外側の逐次反復プロセス
の各反復工程は、内側の逐次反復プロセスの一回または複数回の反復工程を含む、態様９
記載の方法。
〔態様１３〕
前記内側の逐次反復プロセスの各反復工程は、前記ホモトピック・パラメータの値およ
び前記二次緩和パラメータの値に少なくとも部分的に基づいて、緩和変数の値を更新する
ことを含む，態様１２記載の方法。
〔態様１４〕
前記内側の逐次反復プロセスの各反復工程は、前記緩和変数の値に少なくとも部分的に
基づいて画像データを更新することを含む、態様１３記載の方法。
〔態様１５〕
凸最適化モデルに従って画像を再構成する前記段階が、画像強度の全変動の離散化のl
＝1ノルムまたは画像強度の全変動の離散化のl＝2ノルムのうちの一方を使って画像デー
タを生成することを含む、態様１記載の方法。
〔態様１６〕
画像データを生成する前記段階が対話的なプロセスを実行することを含み、該逐次反復
プロセスの反復工程は、再構成された画像における不連続にペナルティを与えることを防
ぐため、ノルム重み付け因子の値を更新することを含む、態様１５記載の方法。
〔態様１７〕
前記ノルム重み付け因子は、平滑化された画像データに少なくとも部分的に基づく、態
様１６記載の方法。
〔態様１８〕
前記ノルム重み付け因子の値の更新は、ガウシアン・カーネルを使って平滑化された画
像データを生成することを含む、態様１７記載の方法。
〔態様１９〕
前記逐次反復プロセスは外側の逐次反復プロセスであり、前記外側の逐次反復プロセス
の各反復工程は、内側の逐次反復プロセスの一回または複数回の反復工程を含む、態様１
６記載の方法。
〔態様２０〕
前記内側の逐次反復プロセスの各反復工程は、前記ホモトピック・パラメータの値およ
び前記二次緩和パラメータの値に少なくとも部分的に基づいて、緩和変数の値を更新する
ことを含む、態様１９記載の方法。
〔態様２１〕
前記内側の逐次反復プロセスの各反復工程は、前記緩和変数の値に少なくとも部分的に
基づいて画像データを更新することを含む、態様２０記載の方法。
〔態様２２〕
画像を再構成する前記段階は、撮像されたオブジェクトを表す画像データを生成するこ
とを含む、態様１記載の方法。
〔態様２３〕
画像を再構成する前記段階は、ディスプレイ、プリンタおよびメモリ・デバイスのうち
の少なくとも一つに画像データを出力することを含む、態様２２記載の方法。
〔態様２４〕
画像を生成する方法であって：
撮像されるオブジェクトのｋ空間データ・セットを取得する段階と；
所定のデータ収集パターンに従って前記ｋ空間データ・セットのサブセットを収集し、
それによりサンプリングされたｋ空間データ・セットを生成する段階と；
前記サンプリングされたｋ空間データ・セットを使って画像データの第一の集合を生成
する段階と；
画像データの前記第一の集合を使って逐次反復プロセスを実行して画像データの第二の
集合を生成する段階とを含み、
前記逐次反復プロセスは、画像データの前記第一の集合からの画像データを、複数の重
み付け因子に従って、前記サンプリングされたｋ空間データ・セットからのｋ空間データ
と組み合わせることを含む最適化モデルに従って、画像データの前記第一の集合を修正す
ることを含む、
方法。
〔態様２５〕
画像データの前記第一の集合を、前記ｋ空間データ・セットの前記一部の逆フーリエ変
換に少なくとも部分的に基づいて生成することをさらに含む、態様２４記載の方法。
〔態様２６〕
前記複数の重み付け因子は、前記画像データの諸属性についての重要度重み付け因子を
含む、態様２４記載の方法。
〔態様２７〕
前記複数の重み付け因子は、前記画像データの異なる属性にそれぞれの重みを適用する
ための重み付け因子を含む、態様２４記載の方法。
〔態様２８〕
前記複数の重み付け因子は、前記画像データ中の大きな不連続にペナルティを与えるの
を防ぐために、ノルム重み付け因子を含む、態様２４記載の方法。
〔態様２９〕
画像を生成する方法であって：
磁気共鳴撮像システムからｋ空間データ・セットを受領する段階と；
所定のデータ収集パターンに従って前記ｋ空間データ・セットのサブセットを収集する
段階であって、前記所定のデータ収集パターンは渦巻きパターンを含む、段階と；
前記サンプリングされたｋ空間データ・セットを使って画像データの第一の集合を生成
する段階と；
画像データの前記第一の集合を使って逐次反復プロセスを実行して画像データの第二の
集合を生成する段階とを含み、
前記逐次反復プロセスは、画像データの前記第一の集合からの画像データを、複数の重
み付け因子に従って、前記サンプリングされたｋ空間データ・セットからのｋ空間データ
と組み合わせることを含む最適化モデルに従って、画像データの前記第一の集合を修正す
ることを含む、
方法。
〔態様３０〕
画像データの前記第一の集合を、前記ｋ空間データ・セットの前記一部の逆フーリエ変
換に少なくとも部分的に基づいて生成することをさらに含む、態様２９記載の方法。
〔態様３１〕
前記複数の重み付け因子は、前記画像データの諸属性についての重要度重み付け因子を
含む、態様２９記載の方法。
〔態様３２〕
前記複数の重み付け因子は、前記画像データの異なる属性にそれぞれの重みを適用する
ための重み付け因子を含む、態様２９記載の方法。
〔態様３３〕
前記複数の重み付け因子は、前記画像データ中の大きな不連続にペナルティを与えるの
を防ぐために、ノルム重み付け因子を含む、態様２９記載の方法。
〔態様３４〕
画像を生成する撮像システムであって：
撮像されるオブジェクトのｋ空間データ・セットを受領し、記憶するメモリと；
前記ｋ空間データ・セットの一部を収集し、凸最適化モデルに従って前記ｋ空間データ
・セットの収集された一部から画像を再構成するコンピューティング・ユニットとを有す
る、
システム。
〔態様３５〕
前記凸最適化モデルは、前記ｋ空間データ・セット内の期待されるノイズ属性を表す重
み付け因子を含む、態様３４記載のシステム。
〔態様３６〕
前記凸最適化モデルは、撮像されるオブジェクトの先験的属性を表す重み付け因子を含
む、態様３４記載のシステム。
〔態様３７〕
前記コンピューティング・ユニットは、画像強度の全変動の離散化のl＝0ノルムの近似
を使って画像データを生成する、態様３４記載のシステム。
〔態様３８〕
前記コンピューティング・ユニットは、対話的なプロセスを使って前記画像データを生
成し、該逐次反復プロセスの反復工程は、ホモトピック・パラメータの値を更新し、二次
緩和パラメータの値を更新することを含む、態様３７記載のシステム。
〔態様３９〕
前記ホモトピック・パラメータおよび前記二次緩和パラメータのそれぞれの値は、所定
の関係に従って互いとの関係において固定されている、態様３８記載のシステム。
〔態様４０〕
前記コンピューティング・ユニットは、画像強度の全変動の離散化のl＝1ノルムまたは
画像強度の全変動の離散化のl＝2ノルムのうちの一方を使って前記画像データを生成する
、態様３４記載のシステム。
〔態様４１〕
前記コンピューティング・ユニットは、対話的なプロセスを使って前記画像データを生
成し、該逐次反復プロセスの反復工程は、再構成された画像における不連続にペナルティ
を与えることを防ぐため、ノルム重み付け因子の値を更新することを含む、態様４０記載
のシステム。
〔態様４２〕
前記ノルム重み付け因子は、平滑化された画像データに少なくとも部分的に基づく、態
様４１記載のシステム。
〔態様４３〕
前記コンピューティング・ユニットは、撮像されるオブジェクトを表す画像データを生
成する、態様３４記載のシステム。
〔態様４４〕
前記コンピューティング・ユニットは、ディスプレイ、プリンタおよびメモリ・デバイ
スのうちの少なくとも一つに前記画像データを出力する、態様４３記載のシステム。
〔態様４５〕
前記ｋ空間データ・セットは、磁気共鳴撮像（MRI）システムによって生成される、態
様３４記載のシステム。
〔態様４６〕
画像を生成する撮像システムであって：
撮像されるオブジェクトのｋ空間データ・セットを受領し、記憶するメモリと；
所定のデータ収集パターンに従って前記ｋ空間データ・セットのサブセットを収集し
、それによりサンプリングされたｋ空間データ・セットを生成し、
前記サンプリングされたｋ空間データ・セットを使って画像データの第一の集合を生
成し、
画像データの前記第一の集合を使って逐次反復プロセスを実行して画像データの第二
の集合を生成する
コンピューティング・ユニットとを有しており、
前記逐次反復プロセスは、画像データの前記第一の集合からの画像データを、複数の重
み付け因子に従って、前記サンプリングされたｋ空間データ・セットからのｋ空間データ
と組み合わせることを含む最適化モデルに従って、画像データの前記第一の集合を修正す
ることを含む、
システム。
〔態様４７〕
画像捕捉システムから前記ｋ空間データ・セットを受領するためのインターフェースを
さらに有する、態様４６記載のシステム。
〔態様４８〕
画像捕捉システムをさらに有する、態様４６記載のシステム。
〔態様４９〕
前記所定のデータ収集パターンが渦巻きパターンを含む、態様４６記載のシステム。
〔態様５０〕
前記ｋ空間データ・セットは、磁気共鳴撮像（MRI）システムによって生成される、態
様４９記載のシステム。

Claims (20)

  1. 撮像されるオブジェクトのｋ空間データ・セットを取得する段階であって、当該ｋ空間データ・セットは断層撮像システムによって生成される、段階と；
    データ収集パターンを回転させて３Ｄのｋ空間のサンプリングを行うことによって、前記ｋ空間データ・セットの一部を収集する段階と；
    前記ｋ空間データ・セットの収集された一部から画像を再構成する段階と
    を含む動作を実行するようにプロセッサを構成する命令を格納した非一時的なコンピュータ可読媒体。
  2. 前記データ収集パターンは複数のサンプリング点を有するサンプリング線を含み、当該複数のサンプリング点の各々は重み付け因子を含む、請求項１記載の非一時的なコンピュータ可読媒体。
  3. 前記重み付け因子は前記ｋ空間データ・セットの中心付近のサンプリング点においてより高くなる、請求項２記載の非一時的なコンピュータ可読媒体。
  4. 前記重み付け因子は前記ｋ空間データ・セット内の期待される山（ridges）付近のサンプリング点においてより高くなる、請求項２記載の非一時的なコンピュータ可読媒体。
  5. 前記画像を再構成する段階は、前記撮像されるオブジェクトの先験的属性を表す重み付け因子を含むモデルを用いて実行される、請求項１記載の非一時的なコンピュータ可読媒体。
  6. 前記画像を再構成する段階は、前記再構成された画像における不連続にペナルティを与えることを防ぐため、ノルム重み付け因子の値を更新することを含むモデルを用いて実行される、請求項１記載の非一時的なコンピュータ可読媒体。
  7. 前記画像を再構成する段階は、前記ｋ空間データ・セット内の期待されるノイズ属性を表す重み付け因子を含むモデルを用いて実行される、請求項１記載の非一時的なコンピュータ可読媒体。
  8. 前記収集する段階は、サンプリング平面を出入りするように前記データ収集パターンの一部に摂動を加えることを含む、請求項１記載の非一時的なコンピュータ可読媒体。
  9. 前記収集する段階は、擬似ランダムなシフトを前記データ収集パターンの一つまたは複数の軌跡に導入することを含む、請求項１記載の非一時的なコンピュータ可読媒体。
  10. 前記収集する段階は、サンプリング平面の原点をシフトすることを含む、請求項１記載の非一時的なコンピュータ可読媒体。
  11. 少なくとも一つのプログラム可能なプロセッサと、
    命令を格納した非一時的な機械可読媒体と、を備え、
    前記命令は、前記少なくとも一つのプログラム可能なプロセッサによって実行されると、
    撮像されるオブジェクトのｋ空間データ・セットを取得する段階であって、当該ｋ空間データ・セットは断層撮像システムによって生成される、段階と；
    データ収集パターンを回転させて３Ｄのｋ空間のサンプリングを行うことによって、前記ｋ空間データ・セットの一部を収集する段階と；
    前記ｋ空間データ・セットの収集された一部から画像を再構成する段階と
    を含む動作を前記少なくとも一つのプログラム可能なプロセッサに実行させる、システム。
  12. 前記データ収集パターンは複数のサンプリング点を有するサンプリング線を含み、当該複数のサンプリング点の各々は重み付け因子を含む、請求項１１記載のシステム。
  13. 前記重み付け因子は前記ｋ空間データ・セットの中心付近のサンプリング点においてより高くなる、請求項１２記載のシステム。
  14. 前記重み付け因子は前記ｋ空間データ・セット内の期待される山（ridges）付近のサンプリング点においてより高くなる、請求項１２記載のシステム。
  15. 前記画像を再構成する段階は、前記撮像されるオブジェクトの先験的属性を表す重み付け因子を含むモデルを用いて実行される、請求項１１記載のシステム。
  16. 前記画像を再構成する段階は、前記再構成された画像における不連続にペナルティを与えることを防ぐため、ノルム重み付け因子の値を更新することを含むモデルを用いて実行される、請求項１１記載のシステム。
  17. 前記画像を再構成する段階は、前記ｋ空間データ・セット内の期待されるノイズ属性を表す重み付け因子を含むモデルを用いて実行される、請求項１１記載のシステム。
  18. 前記収集する段階は、サンプリング平面を出入りするように前記データ収集パターンの一部に摂動を加えることを含む、請求項１１記載のシステム。
  19. 前記収集する段階は、擬似ランダムなシフトを前記データ収集パターンの一つまたは複数の軌跡に導入することを含む、請求項１１記載のシステム。
  20. 前記収集する段階は、サンプリング平面の原点をシフトすることを含む、請求項１１記載のシステム。

JP2020038607A 2009-06-19 2020-03-06 断層撮影画像の取得および再構成を実行するシステムおよび方法 Active JP6899013B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US21873609P 2009-06-19 2009-06-19
US61/218,736 2009-06-19
JP2017174583A JP6674421B2 (ja) 2009-06-19 2017-09-12 断層撮影画像の取得および再構成を実行するシステムおよび方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2017174583A Division JP6674421B2 (ja) 2009-06-19 2017-09-12 断層撮影画像の取得および再構成を実行するシステムおよび方法

Publications (2)

Publication Number Publication Date
JP2020103937A JP2020103937A (ja) 2020-07-09
JP6899013B2 true JP6899013B2 (ja) 2021-07-07

Family

ID=43354429

Family Applications (4)

Application Number Title Priority Date Filing Date
JP2012516309A Expired - Fee Related JP5869476B2 (ja) 2009-06-19 2010-06-17 断層撮影画像の取得および再構成を実行するシステムおよび方法
JP2016001543A Expired - Fee Related JP6211104B2 (ja) 2009-06-19 2016-01-07 断層撮影画像の取得および再構成を実行するシステムおよび方法
JP2017174583A Active JP6674421B2 (ja) 2009-06-19 2017-09-12 断層撮影画像の取得および再構成を実行するシステムおよび方法
JP2020038607A Active JP6899013B2 (ja) 2009-06-19 2020-03-06 断層撮影画像の取得および再構成を実行するシステムおよび方法

Family Applications Before (3)

Application Number Title Priority Date Filing Date
JP2012516309A Expired - Fee Related JP5869476B2 (ja) 2009-06-19 2010-06-17 断層撮影画像の取得および再構成を実行するシステムおよび方法
JP2016001543A Expired - Fee Related JP6211104B2 (ja) 2009-06-19 2016-01-07 断層撮影画像の取得および再構成を実行するシステムおよび方法
JP2017174583A Active JP6674421B2 (ja) 2009-06-19 2017-09-12 断層撮影画像の取得および再構成を実行するシステムおよび方法

Country Status (7)

Country Link
US (3) US9472000B2 (ja)
EP (1) EP2443590B1 (ja)
JP (4) JP5869476B2 (ja)
CN (2) CN106154192B (ja)
AU (1) AU2010262843B2 (ja)
CA (1) CA2760053C (ja)
WO (1) WO2010148230A1 (ja)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5110881B2 (ja) 2004-02-20 2012-12-26 ユニバーシティ オブ フロリダ リサーチ ファウンデーション，インコーポレイティド 軟組織を同時に画像化しながら等角放射線治療を送達するためのシステム
US8310233B2 (en) * 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
US9472000B2 (en) * 2009-06-19 2016-10-18 Viewray Technologies, Inc. System and method for performing tomographic image acquisition and reconstruction
CA2760055C (en) 2009-07-15 2021-04-06 Viewray Incorporated Method and apparatus for shielding a linear accelerator and a magnetic resonance imaging device from each other
CN106388823B (zh) 2010-02-24 2019-11-29 优瑞技术公司 分体式磁共振成像系统
US9579106B2 (en) 2010-03-31 2017-02-28 New York Society For The Relief Of The Ruptured And Crippled, Maintaining The Hospital For Special Surgery Shoulder arthroplasty instrumentation
US20120128265A1 (en) * 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
CN107126634B (zh) 2010-12-22 2021-04-27 优瑞技术公司 用于在医疗过程中进行图像引导的系统及记录介质
WO2012104740A1 (en) * 2011-02-01 2012-08-09 Koninklijke Philips Electronics N.V. Method and system for dual energy ct image reconstruction
US8997572B2 (en) 2011-02-11 2015-04-07 Washington University Multi-focus optical-resolution photoacoustic microscopy with ultrasonic array detection
US9285445B2 (en) * 2011-04-11 2016-03-15 The Regents Of The University Of California Magnetic resonance imaging using randomized radio frequency pulses
JP6076981B2 (ja) * 2011-08-19 2017-02-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 異なるモダリティのｘ線画像の周波数依存複合
US8981779B2 (en) 2011-12-13 2015-03-17 Viewray Incorporated Active resistive shimming fro MRI devices
ITGE20120048A1 (it) * 2012-05-04 2013-11-05 Esaote Spa Metodo di ricostruzione di immagini biomediche
JP5840069B2 (ja) * 2012-05-08 2016-01-06 富士フイルム株式会社 光音響画像生成装置、システム、及び方法
KR101330638B1 (ko) * 2012-05-10 2013-11-18 고려대학교 산학협력단 자기 공명 영상 생성 방법 및 그에 따른 자기 공명 영상 생성 장치
WO2014063005A1 (en) * 2012-10-18 2014-04-24 Washington University Transcranialphotoacoustic/thermoacoustic tomography brain imaging informed by adjunct image data
CN108452443B (zh) 2012-10-26 2021-05-18 优瑞技术公司 利用对放射疗法的生理反应的成像对治疗评估的系统
US9289626B2 (en) 2013-03-13 2016-03-22 Viewray Incorporated Systems and methods for improved radioisotopic dose calculation and delivery
US9675271B2 (en) * 2013-03-13 2017-06-13 Viewray Technologies, Inc. Systems and methods for radiotherapy with magnetic resonance imaging
US9446263B2 (en) 2013-03-15 2016-09-20 Viewray Technologies, Inc. Systems and methods for linear accelerator radiotherapy with magnetic resonance imaging
EP2976626A4 (en) * 2013-03-22 2016-09-21 Univ New York COMPUTER ACCESSIBLE MEDIUM FOR MODULATING X-RAY INTENSITY
CN105051564A (zh) * 2013-03-22 2015-11-11 皇家飞利浦有限公司 用于压缩感测MRI中的经改进的k-空间采样的方法
WO2015077355A1 (en) 2013-11-19 2015-05-28 Washington University Systems and methods of grueneisen-relaxation photoacoustic microscopy and photoacoustic wavefront shaping
AU2014360456B2 (en) 2013-12-03 2020-02-27 Viewray Technologies, Inc. Single-and multi-modality alignment of medical images in the presence of non-rigid deformations using phase correlation
US10126398B2 (en) * 2014-01-03 2018-11-13 Yudong Zhu Modeling and validation for compressed sensing and MRI
US10613176B2 (en) * 2014-05-19 2020-04-07 The United States Of America, As Represented By The Secretary, Department Of Health And Human Services Magnetic resonance 2D relaxometry reconstruction using partial data
AU2016219215B2 (en) 2015-02-11 2020-08-27 Viewray Technologies, Inc. Planning and control for magnetic resonance guided radiation therapy
CA2996607A1 (en) * 2015-09-07 2017-03-16 The Regents Of The University Of California Ultra-dense electrode-based brain imaging system
ES2790626T3 (es) * 2015-09-07 2020-10-28 Univ Jagiellonski Procedimiento para reconstruir imágenes metabólicas y morfométricas de multitrazadores y sistema de tomografía para generación de imágenes metabólicas y morfométricas de multitrazadores
KR20180120705A (ko) 2016-03-02 2018-11-06 뷰레이 테크놀로지스 인크. 자기 공명 영상을 이용한 입자 치료
US10902649B2 (en) * 2016-03-11 2021-01-26 Shimadzu Corporation Image reconstruction processing method, image reconstruction processing program, and tomography apparatus provided therewith
EP3439536A1 (en) * 2016-04-06 2019-02-13 Carestream Dental Technology Topco Limited Intraoral oct with compressive sensing
AU2017281519A1 (en) 2016-06-22 2019-01-24 Viewray Technologies, Inc. Magnetic resonance imaging at low field strength
US11284811B2 (en) 2016-06-22 2022-03-29 Viewray Technologies, Inc. Magnetic resonance volumetric imaging
KR101775028B1 (ko) 2016-09-26 2017-09-05 삼성전자주식회사 자기 공명 영상 장치 및 자기 공명 영상 획득 방법
KR20190092530A (ko) 2016-12-13 2019-08-07 뷰레이 테크놀로지스 인크. 방사선 치료 시스템 및 방법
US10366674B1 (en) * 2016-12-27 2019-07-30 Facebook Technologies, Llc Display calibration in electronic displays
WO2018209046A1 (en) 2017-05-10 2018-11-15 Washington University Snapshot photoacoustic photography using an ergodic relay
CN107424158B (zh) * 2017-08-14 2019-11-26 清华大学深圳研究生院 一种电容层析成像的图像二值化方法和设备
EP3454070A1 (en) * 2017-09-06 2019-03-13 Commissariat à l'Energie Atomique et aux Energies Alternatives Method and apparatus for accelerated magnetic resonance imaging
US11723579B2 (en) 2017-09-19 2023-08-15 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement
CN107907215B (zh) * 2017-11-08 2020-01-03 凌云光技术集团有限责任公司 光谱曲线重构方法和装置
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
WO2019112880A1 (en) 2017-12-06 2019-06-13 Viewray Technologies, Inc. Optimization of multimodal radiotherapy
EP3731749A4 (en) 2017-12-31 2022-07-27 Neuroenhancement Lab, LLC NEURO-ACTIVATION SYSTEM AND METHOD FOR ENHANCING EMOTIONAL RESPONSE
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
US11209509B2 (en) 2018-05-16 2021-12-28 Viewray Technologies, Inc. Resistive electromagnet systems and methods
CN108711178B (zh) * 2018-05-21 2021-09-28 北京航空航天大学 一种基于闭环控制原理的电容层析成像图像重建方法
WO2020037082A1 (en) 2018-08-14 2020-02-20 California Institute Of Technology Multifocal photoacoustic microscopy through an ergodic relay
US11592652B2 (en) 2018-09-04 2023-02-28 California Institute Of Technology Enhanced-resolution infrared photoacoustic microscopy and spectroscopy
US11452839B2 (en) 2018-09-14 2022-09-27 Neuroenhancement Lab, LLC System and method of improving sleep
US10964074B2 (en) * 2019-01-28 2021-03-30 Wisconsin Alumni Research Foundation System for harmonizing medical image presentation
US11369280B2 (en) 2019-03-01 2022-06-28 California Institute Of Technology Velocity-matched ultrasonic tagging in photoacoustic flowgraphy
CN110151122A (zh) * 2019-05-10 2019-08-23 广东唯仁医疗科技有限公司 一种oct成像装置螺旋扫描方法
US11986269B2 (en) 2019-11-05 2024-05-21 California Institute Of Technology Spatiotemporal antialiasing in photoacoustic computed tomography
US20220277513A1 (en) * 2021-02-26 2022-09-01 National Tsing Hua University Method for constructing a three-dimensional model using tomographic reconstruction technique
CN115334543B (zh) * 2022-07-25 2024-04-19 武汉理工大学 一种基于多无人机的数据收集模型优化方法

Family Cites Families (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005916A (en) * 1992-10-14 1999-12-21 Techniscan, Inc. Apparatus and method for imaging with wavefields using inverse scattering techniques
CA2396928A1 (en) 2000-01-14 2001-07-19 Nabil Adnani Linac neutron therapy and imaging
US6636645B1 (en) * 2000-06-29 2003-10-21 Eastman Kodak Company Image processing method for reducing noise and blocking artifact in a digital image
US8565860B2 (en) 2000-08-21 2013-10-22 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system
US6476607B1 (en) * 2000-12-08 2002-11-05 Koninklijke Philips Electronics N.V. MRI method and apparatus for rapid acquisition of multiple views through a volume
AU2002316262A1 (en) * 2001-06-15 2003-01-02 Massachusetts Institute Of Technology Adaptive mean estimation and normalization of data
GB2382512A (en) 2001-07-20 2003-05-28 Elekta Oncology Syst Ltd MRI in guided radiotherapy and position verification
US7092573B2 (en) * 2001-12-10 2006-08-15 Eastman Kodak Company Method and system for selectively applying enhancement to an image
US7099428B2 (en) * 2002-06-25 2006-08-29 The Regents Of The University Of Michigan High spatial resolution X-ray computed tomography (CT) system
CN1175783C (zh) * 2002-12-30 2004-11-17 北京质子科技开发有限公司 正电子断层扫描中热源高分辨快速图像迭代重建方法
US7542622B1 (en) 2003-06-02 2009-06-02 The Trustees Of Columbia University In The City Of New York Spatio-temporal treatment of noisy images using brushlets
US7277597B2 (en) * 2003-06-17 2007-10-02 The Board Of Trustees Of The Leland Stanford Junior University Partial k-space reconstruction for radial k-space trajectories in magnetic resonance imaging
US7486839B2 (en) * 2003-06-27 2009-02-03 Case Western Reserve University Efficient method for MR image reconstruction using coil sensitivity encoding
US20080310695A1 (en) * 2003-09-04 2008-12-18 Garnier Stephen J Locally Adaptive Nonlinear Noise Reduction
US7202663B2 (en) 2003-11-12 2007-04-10 Iovivo Corporation Method for generating fast magnetic resonance images
US20050207531A1 (en) 2004-01-20 2005-09-22 University Of Florida Research Foundation, Inc. Radiation therapy system using interior-point methods and convex models for intensity modulated fluence map optimization
US7230429B1 (en) * 2004-01-23 2007-06-12 Invivo Corporation Method for applying an in-painting technique to correct images in parallel imaging
JP5110881B2 (ja) 2004-02-20 2012-12-26 ユニバーシティ オブ フロリダ リサーチ ファウンデーション，インコーポレイティド 軟組織を同時に画像化しながら等角放射線治療を送達するためのシステム
US7457655B2 (en) 2004-10-08 2008-11-25 Mayo Foundation For Medical Education And Research Motion correction of magnetic resonance images using moments of spatial projections
US8014625B2 (en) 2004-11-10 2011-09-06 Agfa Healthcare Method of performing measurements on digital images
ATE545364T1 (de) 2004-12-15 2012-03-15 Koninkl Philips Electronics Nv Verfahren zur bestimmung einer räumlichen verteilung von magnetischen teilchen
JP3668816B1 (ja) * 2004-12-16 2005-07-06 学校法人慶應義塾 磁気共鳴イメージング装置
DE102004061509B4 (de) 2004-12-21 2007-02-08 Siemens Ag Verfahren und Gerät zur beschleunigten Spiral-kodierten Bildgebung in der Magnetresonanztomographie
US8295577B2 (en) 2005-03-31 2012-10-23 Michael Zarkh Method and apparatus for guiding a device in a totally occluded or partly occluded tubular organ
EP1922556A1 (en) * 2005-08-23 2008-05-21 Koninklijke Philips Electronics N.V. Device and method for parallel magnetic resonance imaging
US20070083114A1 (en) * 2005-08-26 2007-04-12 The University Of Connecticut Systems and methods for image resolution enhancement
US7977942B2 (en) 2005-11-16 2011-07-12 Board Of Regents, The University Of Texas System Apparatus and method for tracking movement of a target
US8041103B2 (en) 2005-11-18 2011-10-18 Kla-Tencor Technologies Corp. Methods and systems for determining a position of inspection data in design data space
US7532705B2 (en) 2006-04-10 2009-05-12 Duke University Systems and methods for localizing a target for radiotherapy based on digital tomosynthesis
US7840045B2 (en) * 2006-04-21 2010-11-23 The University Of Utah Research Foundation Method and system for parallel reconstruction in the K-space domain for application in imaging systems
DE102006033862B3 (de) * 2006-07-21 2007-12-06 Siemens Ag Verfahren zur dynamischen Magnet-Resonanz-Bildgebung sowie Magnet-Resonanz-Gerät
US7602183B2 (en) * 2007-02-13 2009-10-13 The Board Of Trustees Of The Leland Stanford Junior University K-T sparse: high frame-rate dynamic magnetic resonance imaging exploiting spatio-temporal sparsity
EP1959397B1 (en) * 2007-02-19 2019-08-07 Wisconsin Alumni Research Foundation Iterative HYPR medical image reconstruction
DE102007009209B3 (de) * 2007-02-26 2008-08-28 Siemens Ag Verfahren zur Erzeugung von zeitlich hochaufgelösten MR-Aufnahmen durch Multiplikation unterabgetasteter Bilder mit einem Mittelwertbild
JP5329818B2 (ja) 2007-03-26 2013-10-30 株式会社東芝 磁気共鳴イメージング装置および磁気共鳴イメージング装置における撮影条件設定方法
US8155417B2 (en) * 2007-03-27 2012-04-10 Hologic, Inc. Post-acquisition adaptive reconstruction of MRI data
JP5416912B2 (ja) * 2007-06-07 2014-02-12 株式会社東芝 データ処理装置および医用診断装置
US7791338B2 (en) * 2007-09-07 2010-09-07 The Board Of Trustees Of The Leland Stanford Junior University MRI method of determining time-optimal gradient waveforms with gradient amplitude as a function of arc-length in k-space
JP5854575B2 (ja) * 2007-12-10 2016-02-09 株式会社東芝 磁気共鳴イメージング装置
JP5220125B2 (ja) * 2007-12-20 2013-06-26 ウイスコンシン アラムナイ リサーチ ファウンデーシヨン 先験的画像制限画像再構成法
US7659718B1 (en) * 2008-07-31 2010-02-09 The Board Of Trustees Of The Leland Stanford Junior University Blip design for random sampling compressed sensing of flyback 3D-MRSI
US8310233B2 (en) * 2009-02-18 2012-11-13 Mayo Foundation For Medical Education And Research Method for image reconstruction from undersampled medical imaging data
US9472000B2 (en) 2009-06-19 2016-10-18 Viewray Technologies, Inc. System and method for performing tomographic image acquisition and reconstruction
CA2760055C (en) * 2009-07-15 2021-04-06 Viewray Incorporated Method and apparatus for shielding a linear accelerator and a magnetic resonance imaging device from each other
WO2011063342A1 (en) * 2009-11-20 2011-05-26 Viewray Incorporated Self shielded gradient coil
CN106388823B (zh) * 2010-02-24 2019-11-29 优瑞技术公司 分体式磁共振成像系统
US8708495B2 (en) 2010-05-23 2014-04-29 The Regents Fo The University Of California Characterization and correction of macular distortion
WO2011154853A1 (en) 2010-06-11 2011-12-15 Koninklijke Philips Electronics N.V. Simultaneous multi-modality inverse optimization for radiotherapy treatment planning
WO2012021848A1 (en) * 2010-08-12 2012-02-16 Viewray Incorporated Correction of saturation banding artifacts in magnetic resonance imaging
CN107126634B (zh) * 2010-12-22 2021-04-27 优瑞技术公司 用于在医疗过程中进行图像引导的系统及记录介质
JP2012152469A (ja) 2011-01-27 2012-08-16 Nidek Co Ltd 眼科用手術顕微鏡
US9254112B2 (en) 2011-03-23 2016-02-09 Siemens Corporation Respiratory interval-based correlation and processing of dynamic imaging data
US8981779B2 (en) * 2011-12-13 2015-03-17 Viewray Incorporated Active resistive shimming fro MRI devices
US9119550B2 (en) 2012-03-30 2015-09-01 Siemens Medical Solutions Usa, Inc. Magnetic resonance and ultrasound parametric image fusion
US10561861B2 (en) * 2012-05-02 2020-02-18 Viewray Technologies, Inc. Videographic display of real-time medical treatment
US20130345545A1 (en) 2012-06-21 2013-12-26 Siemens Medical Solutions Usa, Inc. Ultrasound Enhanced Magnetic Resonance Imaging
CN108452443B (zh) * 2012-10-26 2021-05-18 优瑞技术公司 利用对放射疗法的生理反应的成像对治疗评估的系统
WO2015138945A1 (en) 2014-03-14 2015-09-17 The General Hospital Corporation System and method for free radical imaging
GB2546022B (en) 2014-08-20 2020-09-16 Synaptive Medical Barbados Inc Intra-operative determination of dimensions for fabrication of artificial bone flap
US9874620B2 (en) 2015-02-05 2018-01-23 Ohio State Innovation Foundation Low field magnetic resonance imaging (MRI) scanner for cardiac imaging
TWI626461B (zh) 2015-05-12 2018-06-11 Hyperfine Research, Inc. 射頻線圈、包含射頻線圈之射頻組件及設備以及判定射頻線圈之組態的方法
AU2017281519A1 (en) 2016-06-22 2019-01-24 Viewray Technologies, Inc. Magnetic resonance imaging at low field strength

Also Published As

Publication number Publication date
US10055861B2 (en) 2018-08-21
JP6211104B2 (ja) 2017-10-11
EP2443590A4 (en) 2016-04-06
CN106154192B (zh) 2020-10-13
JP2018027313A (ja) 2018-02-22
JP2012530549A (ja) 2012-12-06
EP2443590A1 (en) 2012-04-25
US9472000B2 (en) 2016-10-18
JP5869476B2 (ja) 2016-02-24
US10825209B2 (en) 2020-11-03
JP6674421B2 (ja) 2020-04-01
AU2010262843B2 (en) 2015-07-16
CN102804207B (zh) 2016-08-03
US20190012814A1 (en) 2019-01-10
CA2760053C (en) 2020-02-11
EP2443590B1 (en) 2023-06-14
CA2760053A1 (en) 2010-12-23
WO2010148230A1 (en) 2010-12-23
JP2016041389A (ja) 2016-03-31
CN102804207A (zh) 2012-11-28
US20170032544A1 (en) 2017-02-02
AU2010262843A1 (en) 2011-11-10
JP2020103937A (ja) 2020-07-09
US20100322497A1 (en) 2010-12-23
CN106154192A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
JP6899013B2 (ja) 断層撮影画像の取得および再構成を実行するシステムおよび方法
Liu et al. SANTIS: sampling‐augmented neural network with incoherent structure for MR image reconstruction
CN105190696B (zh) 用于同时的图像伪像减少和断层扫描重建的系统和方法
US9495725B2 (en) Method and apparatus for medical image registration
US20120099774A1 (en) Method For Image Reconstruction Using Low-Dimensional-Structure Self-Learning and Thresholding
WO2012037067A1 (en) Multi-contrast image reconstruction with joint bayesian compressed sensing
Bertero et al. Inverse problems in biomedical imaging: modeling and methods of solution
Christoffersen et al. Registration-based reconstruction of four-dimensional cone beam computed tomography
Ernst et al. Sinogram upsampling using Primal–Dual UNet for undersampled CT and radial MRI reconstruction
US11847721B2 (en) Analysis of medical images
Qi et al. Multi-task MR imaging with iterative teacher forcing and re-weighted deep learning
Islam et al. A Critical Survey on Developed Reconstruction Algorithms for Computed Tomography Imaging from a Limited Number of Projections
Cui Joint CT-MRI Image Reconstruction
Liu et al. Multiscale deep-learning network based reconstruction of PET images from sinogram domain
Koc et al. 3D Mesh Model Generation from CT and MRI data
Lum Super resolution of HARDI images using compressed sensing techniques
Hyttinent et al. DYNAMIC MODEL OF THORAX AS A VOLUME CONDUCUTOR
Hu Novel compressed sensing algorithms with applications to magnetic resonance imaging
CN112219127A (zh) 与超分辨率成像技术结合的磁共振成像mri扩散
Yang Precise and Automated Tomographic Reconstruction with a Limited Number of Projections
Jian Compressed Sensing Based Image Restoration Algorithm with Prior Information: Software and Hardware Implementations for Image Guided Therapy.

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200324

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200324

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200901

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20201201

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20210127

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210601

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210611

R150 Certificate of patent or registration of utility model

Ref document number: 6899013

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150