JP7152956B2 - テンソル場マッピング - Google Patents

テンソル場マッピング Download PDF

Info

Publication number
JP7152956B2
JP7152956B2 JP2018561273A JP2018561273A JP7152956B2 JP 7152956 B2 JP7152956 B2 JP 7152956B2 JP 2018561273 A JP2018561273 A JP 2018561273A JP 2018561273 A JP2018561273 A JP 2018561273A JP 7152956 B2 JP7152956 B2 JP 7152956B2
Authority
JP
Japan
Prior art keywords
magnetization
sample
magnetic field
parameters
external magnetic
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
JP2018561273A
Other languages
English (en)
Other versions
JP2019520120A (ja
Inventor
カディッツ，ジェフェリー，エイチ．
ポリメリディス，アタナシオス
ホワイト，ジャコブ
ラマスワミー，ディーパック
ビリェーナ，ジョージ，フェルナンデス
Original Assignee
キュー バイオ インコーポレーション
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
Priority claimed from US15/169,719 external-priority patent/US10194829B2/en
Priority claimed from US15/362,808 external-priority patent/US10222441B2/en
Application filed by キュー バイオ インコーポレーション filed Critical キュー バイオ インコーポレーション
Publication of JP2019520120A publication Critical patent/JP2019520120A/ja
Application granted granted Critical
Publication of JP7152956B2 publication Critical patent/JP7152956B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • 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]
    • 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]
    • G01R33/448—Relaxometry, i.e. quantification of relaxation times or spin density
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • 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
    • G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
    • 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
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56341—Diffusion imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G01V3/32—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with electron or nuclear magnetic resonance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/14—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electron or nuclear magnetic resonance

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Vascular Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Description

関連出願の相互参照本出願は、米国特許法第１２０条の下：「テンソル場マッピング（Ｔｅｎｓｏｒ Ｆｉｅｌｄ Ｍａｐｐｉｎｇ）」と題して、２０１６年１１月２８日に出願された米国特許非仮出願第１５／３６２，８０８号；「場に不変な定量的磁気共鳴シグネチャ（Ｆｉｅｌｄ－Ｉｎｖａｒｉａｎｔ Ｑｕａｎｔｉｔａｔｉｖｅ Ｍａｇｎｅｔｉｃ－Ｒｅｓｏｎａｎｃｅ Ｓｉｇｎａｔｕｒｅｓ）」と題して２０１６年４月３日に出願された米国特許非仮出願第１５／０８９，５７１号；および「磁気共鳴履歴に基づく高速スキャン（Ｆａｓｔ Ｓｃａｎｎｉｎｇ Ｂａｓｅｄ ｏｎ Ｍａｇｎｅｔｉｃ－Ｒｅｓｏｎａｎｃｅ Ｈｉｓｔｏｒｙ）」と題して２０１６年５月３１日に出願された米国特許非仮出願第１５／１６９，７１９号の優先権を主張し、それらそれぞれの内容は、本明細書において参照により援用される。
この出願はまた、米国特許法第１１９条（ｅ）の下：「経時的な被検体のインデックス付き医療撮像のためのシステムおよび方法（Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｉｎｄｅｘｅｄ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ｏｆ ａ Ｓｕｂｊｅｃｔ Ｏｖｅｒ Ｔｉｍｅ）」と題して２０１５年７月７日に仮出願された米国特許仮出願第６２／１８９，６７５号；「経時的な被検体のインデックス付き医療撮像のためのシステムおよび方法（Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｉｎｄｅｘｅｄ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ｏｆ ａ Ｓｕｂｊｅｃｔ Ｏｖｅｒ Ｔｉｍｅ）」と題して２０１５年９月３日に仮出願された米国特許仮出願第６２／２１３，６２５号；「経時的な被検体のインデックス付き医療撮像のためのシステムおよび方法（Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｉｎｄｅｘｅｄ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ｏｆ ａ Ｓｕｂｊｅｃｔ Ｏｖｅｒ Ｔｉｍｅ Ｓｙｓｔｅｍｓ）」と題して２０１５年９月２５日に仮出願された米国特許仮出願第６２／２３３，２９１号；「インデックス付き医療用および／またはフィンガープリンティング用組織のためのシステムおよび方法（Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｉｎｄｅｘｅｄ Ｍｅｄｉｃａｌ ａｎｄ／ｏｒ Ｆｉｎｇｅｒｐｒｉｎｔｉｎｇ Ｔｉｓｓｕｅ）」と題して２０１５年９月２５日に仮出願された米国特許仮出願第６２／２３３，２８８号；「先験的知識を使用する、最小化されたパラメトリックマッピング誤差を有する自動セグメント化および一般化されたＭＲＦのためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｕｔｏ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｇｅｎｅｒａｌｉｚｅｄ ＭＲＦ ｗｉｔｈ Ｍｉｎｉｍｉｚｅｄ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ Ｅｒｒｏｒ Ｕｓｉｎｇ Ａ Ｐｒｉｏｒｉ Ｋｎｏｗｌｅｄｇｅ）」と題して２０１５年１０月２２日に仮出願された米国特許仮出願第６２／２４５，２６９号；「先験的知識を使用する、最小化されたパラメトリックマッピング誤差を有する自動セグメント化および一般化されたＭＲＦのためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｕｔｏ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｇｅｎｅｒａｌｉｚｅｄ ＭＲＦ ｗｉｔｈ Ｍｉｎｉｍｉｚｅｄ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ Ｅｒｒｏｒ Ｕｓｉｎｇ Ａ Ｐｒｉｏｒｉ Ｋｎｏｗｌｅｄｇｅ）」と題して２０１５年１１月３日に仮出願された米国特許仮出願第６２／２５０，５０１号；「先験的知識を使用した、最小化されたパラメトリックマッピングエラーを有する自動セグメント化および一般化されたＭＲＦのためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｕｔｏ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｇｅｎｅｒａｌｉｚｅｄ ＭＲＦ ｗｉｔｈ Ｍｉｎｉｍｉｚｅｄ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ Ｅｒｒｏｒ Ｕｓｉｎｇ Ａ Ｐｒｉｏｒｉ Ｋｎｏｗｌｅｄｇｅ）」と題して２０１５年１１月９日に仮出願された米国特許仮出願第６２／２５３，１２８号；「先験的知識を使用した、最小化されたパラメトリックマッピング誤差を有する自動セグメント化および一般化されたＭＲＦのためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｕｔｏ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｇｅｎｅｒａｌｉｚｅｄ ＭＲＦ ｗｉｔｈ Ｍｉｎｉｍｉｚｅｄ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ Ｅｒｒｏｒ Ｕｓｉｎｇ Ａ Ｐｒｉｏｒｉ Ｋｎｏｗｌｅｄｇｅ）」と題して２０１５年１１月１３日に仮出願された米国特許仮出願第６２／２５５，３６３号；「先験的知識を使用した、最小化されたパラメトリックマッピング誤差を有する自動セグメント化および一般化されたＭＲＦのためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｕｔｏ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｇｅｎｅｒａｌｉｚｅｄ ＭＲＦ ｗｉｔｈ Ｍｉｎｉｍｉｚｅｄ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ Ｅｒｒｏｒ Ｕｓｉｎｇ Ａ Ｐｒｉｏｒｉ Ｋｎｏｗｌｅｄｇｅ）」と題して２０１６年１月２０日に仮出願された米国特許仮出願第６２／２８１，１７６号；「磁気共鳴履歴に基づいてた高速スキャン（Ｆａｓｔ Ｓｃａｎｎｉｎｇ ｂａｓｅｄ ｏｎ Ｍａｇｎｅｔｉｃ－Ｒｅｓｏｎａｎｃｅ Ｈｉｓｔｏｒｙ）」と題して２０１６年７月２４日に仮出願された米国特許仮出願第６２／３６６，０８５号；および「テンソル場マッピング（Ｔｅｎｓｏｒ Ｆｉｅｌｄ Ｍａｐｐｉｎｇ）」と題して２０１７年５月４日に仮出願された米国特許仮出願第６２／５０１，７１２号の優先権を主張し、それらそれぞれの内容は、本明細書において参照により援用される。
背景分野
記載の実施形態は概して、一つまたは複数の物理的パラメータに基づいて物理現象を予測する順モデルを用いて、試料に付随する物理現象の測定結果を反復的に収束させることにより、試料に付随する一つまたは複数の物理的パラメータを決定することに関する。
多くの非侵襲的な特性評価法を、試料の一つまたは複数の物理的パラメータを決定するのに用いることができる。例えば、磁気特性は、磁気共鳴またはＭＲ（これは、「核磁気共鳴」またはＮＭＲと称されることが多い）、つまり、磁場中の核が電磁放射を吸収および再放射する物理現象を用いて研究することができる。その上、固体または硬質物質における密度変動と短距離または長距離の周期構造とを、Ｘ線撮像、Ｘ線回折、コンピュータ断層撮影、中性子回折、または電子顕微鏡法などの特性評価法を使用して研究することができ、これらの方法は、小さなドブロイ波長を有する電磁波または高エネルギー粒子を試料に吸収または散乱させるものである。さらに、軟質物質または流体における密度変動および運動を、試料中で超音波を透過および反射させる超音波撮像を使用して研究することができる。
これらの特性評価法のそれぞれにおいては、一つまたは複数の外部励起（例えば粒子または入射放射線の流束、静的なまたは時間変動するスカラー場、および／または静的なまたは時間変動するベクトル場）を試料に印加して、結果として生じた試料の応答を、物理現象の形で測定する。例として、ＭＲでは、磁気的な核スピンを、印加された外部ＤＣ磁場中で部分的に配向（すなわち偏極）させてもよい。これらの核スピンは、或るタイプの核の磁気回転比と外部磁場の大きさすなわち強度との積により与えられる角周波数（これは「ラーモア周波数」と称されることもある）で、外部磁場の方向の周りに歳差運動すなわち回転することがある。偏極した核スピンに、摂動、例えば角周波数に対応するパルス幅を有する一つまたは複数のラジオ波（ＲＦ）パルス（および、さらに一般的には電磁パルス）を、外部磁場の方向に対して直角または垂直に印加することにより、核スピンの偏極を過渡的に変化させることができる。結果として生じる核スピンの動的応答（例えば時間変動する全磁化）は、試料の物理的なおよび物質に関する特性、例えば試料に付随する一つまたは複数の物理的パラメータについての情報を提供することができる。
概して、これらの特性評価法のそれぞれにより、一つまたは複数の物理的パラメータを、試料における小容積すなわちボクセルにおいて決定することが可能になり、これはテンソルを用いて表現することができる。磁気共鳴撮像（ＭＲＩ）を例として使用すると、外部磁場の大きさに対する、核スピン（例えばプロトンまたは同位体１Ｈ）の歳差運動の角周波数の依存性を用いて、組織の異なる物質またはタイプの、３次元（３Ｄ）的または解剖学的構造および／または化学組成の画像を決定することができる。特に、不均一なまたは空間変動する磁場を試料または患者に印加することにより、結果として生じる１Ｈスピンの歳差運動の角周波数の変動を典型的には使用して、測定された１Ｈスピンの動的応答の空間的位置をボクセルに特定し、これを使用して、画像、例えば患者の解剖学的内部構造の画像を発生させることができる。
しかしながら、試料の物性の特性評価は、時間がかかり、煩雑で、高価であることが多い。例えば、ＭＲＩにおけるＭＲ画像を、高空間分解能（すなわち、小さなボクセルサイズ）で取得するには、多数の測定（これは「スキャン」と称されることもある）を、患者における異なるタイプの組織における１Ｈスピンの緩和時間よりも長い期間にわたって実行することが必要であることが多い。その上、高空間分解能を実現するには、大きな均一外部磁場をＭＲＩの最中に使用するのが通常である。外部磁場は典型的には、狭いボア（ｂｏｒｅ）を有するトロイダル形状を有する超電導磁石を使用して発生させるが、これは、多くの患者に閉塞感を生じさせる可能性がある。さらに、ＲＦパルス列の制約、よってスキャン時間を犠牲にして、フーリエ変換法を使用して画像再構成を容易にすることがある。
長いスキャン時間、そしてＭＲＩの場合には、磁石ボアの閉ざされた環境の組み合わせによって、使用者体験が悪化する可能性がある。加えて、長いスキャン時間により、スループットの低下を招き、これにより特性評価を実行するコストが増加する。
一群の実施形態は、試料に付随するパラメータを決定するシステムに関する。このシステムは、磁場を発生させる発生装置と、測定を実行する測定装置と、プログラムモジュールを記憶するメモリと、プログラムモジュールを実行するプロセッサとを含む。操作の最中に、システムは、外部磁場およびＲＦパルス列を試料に印加してもよい。その後、システムは、試料に付随する少なくとも磁化成分を測定してもよい。その上、システムは、磁化の測定された成分、順モデル、外部磁場、およびＲＦパルス列に基づいて、試料に付随するボクセルについて磁化の少なくとも予測される成分を計算してもよい。次に、システムは、磁化の予測された成分と磁化の測定された成分との間の差分が事前定義値未満になるまで、順モデルにおいて、ボクセルに付随するパラメータを反復して修正することにより、逆問題を解いてもよい。
一実施形態では、システムは：機械的励起を発生させる発生装置と、測定を実行する測定装置と、プログラムモジュールを記憶するメモリと、プログラムモジュールを実行するプロセッサとを含む。操作の最中には、システムは、機械的励起パルス列を試料に印加してもよい。その後、システムは、試料に付随する少なくとも弾性の成分を測定してもよい。その上、システムは、弾性の測定された成分、順モデル、および機械的励起パルス列に基づいて、試料に付随するボクセルについて弾性の少なくとも予測される成分を計算してもよい。次に、システムは、弾性の予測された成分と弾性の測定された成分との間の差分が事前定義値未満になるまで、順モデルにおいてボクセルに付随するパラメータを反復して修正することにより、逆問題を解いてもよい。
パラメータは、或るタイプの核の密度と、外部磁場に平行な方向に沿った縦緩和時間と、部磁場に対して垂直な方向に沿った横緩和時間とを含んでいてもよいことに留意されたい。
その上、反復的な修正は、ニュートン法を使用するヤコビアン行列に基づいていてもよい。
さらに、反復的な修正は、少なくとも磁化の成分の以前の測定結果を使用して決定されたパラメータに基づいて拘束されてもよい。代わりにまたは加えて、パラメータの初期値は、試料中の異なるタイプの組織について事前定義されたパラメータ範囲内にあってもよい。
いくつかの実施形態では、システムは、ボクセル間の或る方向に沿った、パラメータのうちの少なくともいくつかの不連続な変化に基づいて、試料中の組織タイプをセグメント化してもよい。
その上、パラメータは、磁化の測定された成分上でフーリエ変換を実行することなしに、決定してもよい。
さらに、磁化の成分の計算および反復的な修正は、磁化の成分の測定と時間的に並行して実行してもよい。
加えて、システムは：外部磁場およびＲＦパルス列の少なくとも一つを修正しても；修正された外部磁場およびＲＦパルス列の少なくとも一つを試料に、試料が完全に緩和する前に、または試料の状態を設定し直すことなく印加しても； 少なくとも、磁化の成分の第２のインスタンスを測定しても；磁化の成分の測定された第２のインスタンス、順モデル、修正された外部磁場、または修正されたＲＦパルス列に基づいて、試料に付随するボクセルについて、少なくとも、磁化の測定された成分の第２のインスタンスを計算しても；磁化の予測された成分の第２のインスタンスと磁化の測定された成分の第２のインスタンスとの間の差分が事前定義値未満になるまで、順モデルにおいてボクセルに付随するパラメータを反復して修正することにより、逆問題を解いてもよい。いくつかの実施形態では、システムは順モデル、外部磁場、およびＲＦパルス列に基づいて試料の動的状態を決定してもよく、ここで、修正された外部磁場および修正されたＲＦパルス列の少なくとも一つが試料に印加される場合の動的状態は、磁化の予測される成分の第２のインスタンスを計算する場合に初期状態として使用してもよい。
外部磁場の大きさおよび方向の少なくとも一つは、測定の最中に時間の関数として変化してもよいことに留意されたい。
その上、修正された外部磁場および修正されたＲＦパルス列の少なくとも一つは、磁化の予測された成分の第２のインスタンスと磁化の測定された成分の第２のインスタンスとの間の差分を最小にするように選択してもよい。
さらに、パラメータは、パラメータに付随する時間スケールに基づいて順次決定してもよく、最短時間スケールを有するパラメータを最初に決定してもよい。
別の実施形態は、システムとともに使用するためのコンピュータ読み取り可能な記憶媒体を提供してもよい。このコンピュータ読み取り可能な記憶媒体は、プログラムモジュールを含んでおり、このモジュールは、システムにより実行される場合には、前述の操作のすくなくともいくつかをシステムに実行させるものである。
別の実施形態は、試料に付随するパラメータを決定する方法を提供する。この方法は、システムにより実行される前述の操作の少なくともいくつかを含む。
この「発明の概要」は、いくつかの代表的な実施形態を例示することを目的として、本明細書に記載された主題のいくつかの態様の基本的な理解が得られるよう提供されるものである。したがって、上記の特徴は単に例であって、本明細書に記載された主題の範囲または趣旨を決して狭めるものではないと解釈されるものとすることが理解されるであろう。本明細に記載された他の特徴、態様、および主題の利点は、以下の「発明を実施する形態」、図、および「特許請求の範囲」から明らかであろう。
本開示の実施形態に準拠する、試料のＭＲスキャンを実行する磁気共鳴（ＭＲ）スキャナを有するシステムを例示するブロック図である。 本開示の実施形態に準拠する、図１のシステムにおけるＭＲスキャナのブロック図である。 本開示の実施形態に準拠する、試料に付随する緩和時間を決定する方法を例示する流れ図である。 本開示の実施形態に準拠する、図１におけるシステムにおける構成要素間の通信を例示する図である。 本開示の実施形態に準拠する、試料に付随する緩和時間の決定を例示する図である。 本開示の実施形態に準拠する、様々な付随時間スケールを有するパラメータの順次決定を例示する図である。 本開示の実施形態に準拠する、試料における組織タイプのセグメント化を例示する図である。 本開示の実施形態に準拠する、動的な緩和時間強調ＭＲ画像を提供する方法を例示する流れ図である。 本開示の実施形態に準拠する、図１のシステムにおける構成要素間の通信を例示する図である。 本開示の実施形態に準拠する、グラフィカルユーザーインターフェースを例示する図である。 本開示の実施形態に準拠する、グラフィカルユーザーインターフェースを例示する図である。 本開示の実施形態に準拠する、試料に付随するパラメータを決定する方法を例示する流れ図である。 本開示の実施形態に準拠する、図１のシステムにおける構成要素間の通信を例示する図である。 本開示の実施形態に準拠する、電子装置を例示するブロック図である。 本開示の実施形態に準拠する、図１４の電子装置により使用されるデータ構造を例示する図である。 本開示の実施形態に準拠する、テンソル場マッピングシステムのブロック図である。 テンソル場マッピングシステムの操作の方法の流れ図である。表１に、本開示の実施形態に準拠する、異なるタイプの組織におけるスピン格子（Ｔ１）緩和時間およびスピン－スピン（Ｔ２）緩和時間を与える。 図全体を通して、同様な参照番号は、対応する部分を指すことに留意されたい。その上、同一部分の複数の実例は、ダッシュによって実例番号から分かれた共通の識別番号によって指定される。
操作の最中には、システムは、外部磁場およびＲＦパルス列を試料に印加してもよい。その後、システムは、試料に付随する少なくとも磁化の成分、例えば試料における核の一つまたは複数のタイプの核のＭＲ信号を測定してもよい。その上、システムは、磁化の測定された成分、順モデル、外部磁場、およびＲＦパルス列に基づいて、試料に付随するボクセルについて、少なくとも、磁化の予測される成分を計算してもよい。次に、システムは、磁化の予測された成分と磁化の測定された成分との間の差分が事前定義値未満になるまで、順モデルにおいてボクセルに付随するパラメータを反復して修正することにより、逆問題を解いてもよい。計算は、測定と時間的に並行して実行してもよく、測定された信号上でのフーリエ変換の実行が必要なわけではないことに留意されたい。
さらに一般的には、システムは、偏極場および励起列を試料に印加してもよく、試料の対応する応答または物理現象を測定してもよい。その後、システムは、パラメータに基づいて物理現象を予測する順モデルを用いて、反復により測定結果を収束させてもよい。
試料中のボクセルにおけるパラメータを決定（これは「テンソル場マッピング」とも称されるが、その理由は、ボクセルにおけるパラメータを、ベクトル場に対する真のテンソルとは対照的にハイブリッド・テンソル（ｈｙｂｒｉｄ ｔｅｎｓｏｒ）によって表現することができるためである）し易くすることにより、この特性評価法は、スキャンまたは測定時間を削減することがある。それゆえ、この特性評価法は、スループットを高めることにより、試料を特性評価するコストを大幅に削減することがある。その上、試料が患者である実施形態では、スキャン時間が削減されることにより、例えばＭＲスキャナにおける磁石ボアの閉ざされた環境内でその人が過ごす時間量を削減することによって、使用者体験が向上することがある。加えて、一つまたは複数のパラメータおよび順モデルは、測定結果の定量的解析を容易にすることがあり、よって、スキャンの正確度を向上させ、これにより誤差を低減させ、人々の健康および幸福を向上させることがある。
概して、本特性評価法は、ＭＲ法、Ｘ線撮像、Ｘ線回折、コンピュータ断層撮影、陽電子放出分光法、中性子回折、電子顕微鏡法、超音波撮像、電子スピン共鳴、可視／赤外分光（例えば、一つまたは複数の波長で複素屈折率を決定するためのもの）、ＤＣおよび／またはＡＣ周波数での電気的インピーダンス、プロトンビーム、光音響法、および／または別の非侵襲的測定法を含め、非常に多様な測定法を使用してもよい。以下の考察では、例示としてＭＲ法を使用する。例えば、ＭＲ法は、ＭＲＩ、ＭＲ分光法（ＭＲＳ）、磁気共鳴スペクトル撮像（ＭＲＳＩ）、ＭＲエラストグラフィ（ＭＲＥ）、ＭＲ温度測定（ＭＲＴ）、磁場緩和測定、拡散テンソル撮像、および／または別のＭＲ法（例えば、機能性ＭＲＩ、代謝撮像、分子撮像、血流撮像等）を含んでいてもよい。
特に、「ＭＲＩ」は、磁場、例えば不均一なまたは空間変動する外部磁場（例えば、明確に決まった空間勾配を有する外部磁場）の存在する中での或るタイプの核スピン（そのようなプロトンまたは同位体１Ｈ）の動的応答に基づいて、試料における内部構造（例えば、生物学的試料、例えば、組織試料または患者における解剖学的構造）の画像（例えば２Ｄスライス）またはマップを発生させることを含むと理解されるものとする。その上、ＭＲＳは、磁場、例えば均一な外部磁場の存在する中での複数タイプの核スピン（１Ｈ以外またはこれに加えて）の動的応答に基づいて、試料（例えば、生物学的試料）の化学組成または形態学を決定することを含むと理解されるものとする。
さらに、「ＭＲＳＩ」は、磁場、例えば不均一なまたは空間変動する外部磁場の存在する中でＭＲＳを使用して試料における内部構造および／または化学組成もしくは形態学の画像またはマップを発生させることを含むと理解されるものとする。例えば、ＭＲＳＩでは、１Ｈに加えてその他の核の測定された動的応答を使用して、異なるタイプの組織の化学組成または形態学の、そして患者の内部的な解剖学的構造の画像を発生させることが多い。
加えて、「磁場緩和測定」（例えば磁場掃引を加えたＢ０緩和測定）は、異なる磁場強度でＭＲ画像を取得することが必要な場合がある。これらの測定は、（特定の磁場強度で測定を実行すること、そしてその後、読み出しの最中に公称磁場強度、すなわち、準静的磁場強度に回帰することとは対照的に）オンザフライ（ｏｎ ｔｈｅ ｆｌｙ）で、すなわち動的に実行してもよい。例えば、測定を、調整されていないＲＦコイルまたは磁力計を使用して実行して、異なる磁場強度での測定を大幅に短縮された時間で実行できるようにしてもよい。
その上、以下の考察では、「ＭＲＥ」は、試料を通じた機械的な波（例えばせん断波）を送ることによりＭＲＩを使用して試料の剛性を測定することと、せん断波の伝搬の画像を取得することと、せん断波の画像を処理して試料剛性の定量的マッピング（これはエラストグラムと称されることもある）および／または機械的特性（例えば、剛性、密度、抗張力等）の定量的マッピングを生成することとを含むと理解されるものとする。
さらに、「ＭＲＴ」は、ＭＲＩを使用して試料における温度変化のマップを測定することを含むと理解されるものとする。
以下にさらに記載するとおり、本特性評価法は、フーリエ変換の使用を除外してもよい。それゆえ、この特性評価法は、例えば疑似ランダムパルス列に基づいて、ｋ空間において試料に付随するパラメータの定量的マップを提供することのできるＭＲフィンガープリンティング（ＭＲＦ）とは異なっていてもよい。そうではなく、この特性評価法は、試料を記述するＭＲモデルにおけるパラメータを決定する方程式系を解析的に解いてもよい（ｋ空間においてパターンマッチングを実行するのとは対照的である）。
対照的に、本特性評価法において決定されたテンソル場マップを、順モデル（これは、試料の状態と、励起と、試料の応答との間の関係を記述または指定するものである）と併せて使用して、任意の外部磁場、任意の勾配、および／または任意のＲＦパルス列に対する、試料中のボクセルの動的ＭＲ応答を定量的に予測することができる。それゆえ、テンソル場マップは、測定を実行するのに使用される特定のＭＲスキャナとは独立であることがある。
試料は有機物質または無機物質を含んでいてもよいことに留意されたい。例えば、この試料は、無生物の（すなわち、非生物学的な）試料、生物学上の生物（例えば人または動物、すなわち、インビボの試料）、または動物もしくは人から得られた組織試料（すなわち、動物のまたは人の一部）を含んでいてもよい。いくつかの実施形態では、組織試料はこれまで、動物または人から除去されていた。それゆえ、組織試料は、病理試料（例えば生検試料）であってもよく、これは、ホルマリン固定パラフィン包埋されていてもよいものである。以下の考察では、試料は人、すなわち個人であり、これを例示的な例として使用する。
以下、システムの実施形態を記載する。計算およびＭＲソフトウェアおよびハードウェアにおける技術革新のペースは加速しているものの、今日のＭＲスキャンは依然として「アナログ」の枠組みの中で実行され解釈されている。特に、ＭＲスキャンは、個人およびそれらの病理についてのせいぜい限られた状況または知識を用いて実行されており、典型的には、人間の操作者または技術者により入力された限られた組のプログラムに基づいている。同様に、結果として得られたＭＲ画像は通常、放射線科医により、事前のＭＲ画像とのせいぜい限られた比較を用いて目視による解釈に基づいて読み取られている。本開示のシステムおよび特性評価法は、計算能力を活用して、ＭＲスキャンのスキャン時間を大幅に削減して、ＭＲ法および放射線学におけるデジタル革命を容易にし、正確度、患者の転帰、および全体のコストへの効果はそれにふさわしいものである。
本開示のシステムおよび特性評価法は、試料の予測能力のあるモデルを活用して、試料中のボクセルにおける一つまたは複数の物理的パラメータの速やかな決定を容易にする。これらのパラメータは、スピン－格子緩和時間Ｔ１ （これは、核－スピン磁化ベクトルの成分が緩和されて外部磁場の方向に平行になる際の信号強度の損失に付随する時定数である）、スピン－スピン緩和時間Ｔ２ （これは、外部磁場の方向に垂直な核－スピン磁化ベクトルの成分が緩和される最中の信号の広がりに付随する時定数である）、プロトン密度（および、さらに一般的には、一つまたは複数タイプの核の密度）、および／または拡散（例えば拡散テンソルにおける成分）を含んでいてもよい。これらのモデルパラメータの決定は、ＭＲ測定と時間的に並行して行ってもよく、これにより、比較と微調整との反復過程を、速やかに（例えば、任意のタイプの組織におけるＴ１またはＴ２より小さい時間スケールで）収束させることが可能になる。その上、予測能力のある順モデルを使用して、試料を任意の外部磁場（任意の方向、大きさ、および／または勾配を含む）および／または任意のパルス列にさらした場合の、試料からのＭＲ信号をシミュレートしてもよい。それゆえ、モデルおよび決定されたパラメータを使用して、高速でさらに正確な測定、例えば、軟組織測定、形態学的研究、化学シフト測定、磁化転送測定、ＭＲＳ、一つまたは複数のタイプの核の測定、オーバーハウザー（Ｏｖｅｒｈａｕｓｅｒ）測定、および／または機能的撮像を容易にするようにしてもよい。
さらに、いくつかの実施形態では、本特性評価法は、いわゆる「幅優先索引」を圧縮センシングの形態として使用する。特に、本システムは、個人の興味深い、または動的な部分のスキャンとモデル化に、より多くの時間を費やすようにして、急速に変化していない部分には時間を費やさないようにしてもよい。「興味深い」領域は、実時間で収集された情報にもとづいて、および／またはスキャンされている個人またはその他の個人についての履歴情報に基づいて決定してもよいことに留意されたい。幅優先（ｂｒｅａｔｈ－ｆｉｒｓｔ）索引付けは、推論法または帰納法、例えば、オーバーサンプリング、および／または様々な化学種またはタイプの核の推定された存在量（これは化学シフトまたはＭＲＳを使用して決定してもよい）に基づいた、身体内の異なる領域におけるボクセルサイズの変更などを採用してもよい。そのような幅優先索引付けにおけるスキャン計画は、もし潜在的な異常が検出されたならば、動的に更新または修正してもよい。
以下の考察では、スキャン計画は、スキャンの理由または目標だけでなく、個人の身体の一部または全身のスキャンを含むものとすることができる。例えば、スキャン計画は、様々な臓器、骨、関節、血管、腱、組織、腫瘍、または、個人の身体におけるその他の対象領域を示していてもよい。スキャン計画は、スキャンを実行するＭＲスキャナへのスキャン命令を、直接的にまたは間接的に指定してもよい。いくつかの実施形態では、スキャン計画は、一つまたは複数のＭＲ法および／または一つまたは複数のパルス列を含む、または指定する。代わりに、一つまたは複数のＭＲ法および／または一つまたは複数のパルス列は、スキャン命令の中に含まれていても、または指定されていてもよい。以下にさらに記載するとおり、スキャン命令に個人の登録を含めることにより、同じまたは別の機会に、以前のＭＲスキャンとの定量的比較を行えるようにしてもよい。よって、実行時に、スキャンにおける対象領域を、登録スキャンに基づいて３Ｄ空間座標へマッピングしてもよい。
関連するスキャン命令（例えばボクセルサイズ、一つまたは複数スペクトル、一つまたは複数のタイプの核、パルス列等）のみならず、スキャン計画を、非常に多様な情報およびデータ、例えば、医師からの指示、医療研究室検査の結果（例えば、血液検査、尿試料検査、生検等）、個人の病歴、個人の家族歴、以前のＭＲスキャン記録に対する比較、現在のスキャンにおいて取得されたＭＲ信号の解析、および／またはその他の入力に基づいて、決定してもよい。いくつかの実施形態では、ＭＲスキャン計画は、リスク入力、例えば病理知識ベースに含まれている病理への個人のリスクを決定するのに使用される入力に基づいて決定される。リスク入力は、年齢、性別、現在の身長、身長履歴、現在の体重、体重履歴、現在の血圧、血圧履歴、病歴、家族の病歴、個人についての遺伝子情報またはゲノム情報（例えば、シーケンシング、次世代のシーケンシング、ＲＮＡシーケンシング、後成的な情報等）、個人の家族の遺伝子情報またはゲノム情報、現在の症状、以前に取得されたＭＲ信号または画像、定量的なテンソル場マップ、医療用画像、以前の血液または研究室検査、以前のマイクロバイオーム解析、以前の尿解析、以前の検便、個人の体温、熱撮像の読み取り結果、光学画像（例えば、個人の眼、耳、のど、鼻等）、身体インピーダンス、個々の水分補給レベル、個々の食事療法、以前の手術、以前の入院、および／または追加情報（例えば、生検、治療、現在摂取中の薬、アレルギー等）を含むものとすることができる。
初期スキャン計画から（例えば、特定の潜在的にリスクのある病理についての既定義のまたは所定のパルス列を使用して）決定されたスキャン命令に基づいて、システムは、ＭＲ信号、例えば個人全体にわたる３Ｄスライスに付随するＭＲ信号を、将来の使用のために測定および記憶してもよい。概して、ＭＲ測定またはスキャンは、２Ｄまたは３Ｄ情報を取得してもよい。いくつかの実施形態では、ＭＲ測定は、ある時間、例えば、週、月、年、またはもっと短い時間スケールにわたる、例えば外科手術の最中の個人の身体または身体の一部分の動画を含む。
先に言及したとおり、測定の最中に、システムは登録スキャンを実行してもよく、これは、３Ｄ空間において身体を登録、セグメント化、およびモデル化するための、そしてノイズ相殺法、例えば個々の運動にもとづいた方法を較正するのに役立てるための高速の形態学的スキャンを含んでいてもよいものである。例えば、システムは、パルスモニタリングのみならず、光学的および熱的センサを含んでいて、個人の心拍および呼吸に付随するその人たちの運動を測定するようにしてもよい。スキャンをいったん中断してから登録スキャンを再実行して、個人が移動していないまたはその場からいなくなっていないのを確認できることに留意されたい。代わりにまたは加えて、スキャンの最中に測定されたＭＲ信号を使用して、個人の運動を追跡または補正してもよい。この補正は、スキャンの最中に（例えば、特定の３Ｄ位置におけるボクセルに付随するＭＲ信号を集約することにより）、および／またはその後、ＭＲ信号を解析する場合に、実行してもよい。
いくつかの実施形態では（例えばＭＲＩの最中に）、システムは、個人の身体のセグメントを決定してもよい。このセグメント化は、少なくとも部分的には、一つまたは複数の以前のスキャンにおいて決定されたセグメントとの比較に基づいていてもよい。代わりにまたは加えて、測定がセグメント化スキャンを含んでいて、このスキャンが、撮像されている個人の身体の少なくとも一部分をセグメント化法により正しくセグメント化するのに充分な情報を提供してもよい。いくつかの実施形態では、異なるタイプの組織間でのセグメント化は、ボクセル間の或る方向に沿った、決定されたモデルパラメータの少なくともいくつかにおける不連続な変化に基づいている。
その後、システムはＭＲ信号を解析してもよい。この解析には、再サンプリングすること、および／または測定されたまたは推定されたＭＲ信号を、以前のスキャンにおけるボクセルの３Ｄ位置から現在のスキャンにおけるボクセルの３Ｄ位置に補間することが必要である場合がある。代わりにまたは加えて、この解析には、現在のスキャンにおける、個人のボクセルの３Ｄ位置登録に基づいたボクセルを、同一のおよび／またはその他の個人についての一つまたは複数の以前のスキャンにおけるものと位置合わせすることが必要であることがある。例えば、この位置合わせは、点集合の登録を、例えば、既知の空間的場所にある基準マーカーを用いて、または以前のＭＲスキャンにおけるボクセルを用いて実行することが必要であることがある。登録には、ＭＲスキャナに対する個人の位置の変化を決定するのに、全地球的または局所的測位システムを用いてもよい。
その上、推定されるＭＲ信号をボクセルの組について発生させるのに、以前のＭＲモデルを使用してもよい。所与の一組のボクセルにおける推定されたＭＲ信号は平均化してもよく、結果として得られた、これらの組のボクセルにおける平均ＭＲ信号を、現在のスキャンの最中に測定されたＭＲ信号と比較して、静的（または動的）なオフセットベクトルを決定してもよい。例えば、一組のボクセルにおける平均ＭＲ信号（例えば、個人の、３、６、１２、または２４領域または部分における平均ＭＲ信号）の位置は、現在のスキャンにおける一組のボクセルにおけるＭＲ信号と、（２Ｄまたは３Ｄにおいて）相関していることがある。このオフセットベクトルを使用して、その後の比較または解析の最中に、ＭＲ信号と推定されたＭＲ信号とを位置合わせしてもよい。代わりに、平均化することなくボクセルごとに比較を行ってもよい。よって、表のルックアップを実行することにより、個人におけるボクセルについてのＭＲ信号を、それまでの機会に測定されたボクセルについての対応するＭＲ信号と比較してもよい。いくつかの実施形態では、個人の登録またはオフセットベクトルは、ラーモア周波数、および所定の空間的な磁場不均一性またはＭＲスキャナの磁場の変動に基づいて計算してもよい。
さらに、この登録法は、ノード／ボクセル立体配置における縁を検出することが必要である場合がある。様々な個人にわたり解剖学構造が変動するという理由から、さらに一般化された座標へのデータの小変動の変換を用いて、解析を可能にし、結果を集団に一般化させてもよい。概して、変換は一対一であって可逆であってもよく、識別および診断に有用な特性、例えば、カーブ、面、テクスチャ、および／またはその他の特徴量を保存していてもよい。例えば、これらの特徴量は、微分同相変換（例えば、滑らかな逆関数を有する滑らかな可逆変換）、または微分同相写像の測地流を介して計算される変形計量マッピングにより、拘束されていてもよい。いくつかの実施形態では、面間の微分同相変換を使用して、多次元構造上の変化を（例えば、時間の関数として）計算する。
加えて、ＭＲ信号と、シミュレートされたまたは推定されたＭＲ信号との間で一致した組に基づいて計算された微分同相変換の線形結合は、先験的に推定された情報（例えば、解剖学構造における運動、変形、変異、磁場、環境条件等）に基づいた空間的オフセット補正を提供することができる。これらの空間的オフセット補正を、教師あり学習登録エンジンにおける重み付き成分として使用してもよい。例えば、一組の歪みの段階（規則的な呼吸の最中の肺、心拍運動の最中の心臓、または収縮または拡張の最中の筋肉の動きに起因するもの）にわたって一組の点を辿る一組の微分同相速度場を、その領域における点の組（例えば、心臓または肺の周囲またはその中の一組のボクセル）に対応する身体の領域に適用することができる。
次に、解析の最中に、システムは、現在のＭＲ信号を、順モデルおよびパラメータの現在の値に基づいて推定されたＭＲ信号と比較してもよい。比較は、ボクセルごとに実行してもよいことに留意されたい。その後、システムは、モデルパラメータを、比較に基づいて修正または更新して、測定結果とシミュレーションとの間の差分が収束する（すなわち、差分の大きさが閾値または事前定義値、例えば、０．１、１、または５％の誤差を下回るまで減少する）ようにしてもよい。
いくつかの実施形態では、システムは、ＭＲ信号の現在の測定結果を、以前のＭＲ信号と比較する。ルックアップテーブルを用いて比較し易くしてもよいことに留意されたい。例えば、システムは、ボクセルからの測定されたＭＲ信号を、以前のスキャンに付随するシミュレートされたＭＲ信号に基づいたルックアップテーブル内の値と比較してもよい。このようにして、システムは、ＭＲＳスキャンにおける隣接ボクセル間の代謝の化学シグネチャを比較して、潜在的な異常を検出することができる、または２人以上の個人の身体の複合したものであるＭＲ信号の比較を実行することができる。
初期スキャン計画は、低磁場を使用するＭＲスキャン、または磁場なし（例えば、ＲＦのみ）のＭＲスキャン、またはＭＲ以外の測定、例えば合成開口レーダー「ＳＡＲ」を含んでいてもよく、これにより、個人の身体における強磁性体または常磁性体（例えば、金属プレート、ピン、破片、その他の金属体または異物体）についてのスキャンを行ってもよいことに留意されたい。代わりにまたは加えて、初期スキャンは、電子スピン共鳴を使用してもよい。いくつかの実施形態では、試料における強磁性体または常磁性体の存在は、既知のＴ１、Ｔ２、および／または強磁性または常磁性体の透磁率に基づいて識別してもよい。さらに、強磁性体または常磁性体の存在は、順モデルにおけるパラメータの系統誤差に基づいて判断してもよい。例えば、決定されたタイプの組織が正しくないことがあり、すなわち解剖学的に正しくない（例えば間違った形状）であることがあり、その理由は、強磁性体または常磁性体の存在により引き起こされる誤差である。強磁性体または常磁性体を識別することに加えて、ＭＲ測定に基づくＭＲモデルを使用して、ＭＲ画像における対応するアーティファクトを除去または補正してもよい。その結果、本特性評価法により、自身の身体の内部またはその表面上に金属を有する患者をスキャンできるようになることがある。これにより、患者は、ＭＲスキャンの最中に自身の衣類を着用したままでよくなることがある。
強磁性体または常磁性体についての初期スキャンは、ＭＲスキャンを使用する場合に、システムの安全性を向上させることができる。これは、個人の医療記録が異物についての情報を含んでいない場合、こうした異物が、新たな、または未知のもの（例えば、創傷内または切除組織内に残留した破砕片）である場合、または誤りの事象である場合に有用なことがある。特に、この「安全性スキャン」により、個人が損傷または外傷を被らないようにすることができ、システムを損傷から防ぐことができる。加えて、あらゆる強磁性体または常磁性体のサイズを、初期スキャンの最中に推定することができ、ＭＲスキャンの最中で使用するのに安全な磁場強度を推定することができる。反対に、もし個人が、いかなる常磁性または強磁性の物質も含有していないならば、一つまたは複数のさらに高い磁場強度を、一つまたは複数の引き続くＭＲスキャンの最中に使用することができる。
この比較に基づいて、システムは、ボクセルを、低リスク、高リスク、または未知のリスクに分類してもよい。例えば、ボクセルを、早期がん、後期がん、またはステージ不明のがんを示すものとして分類してもよい。特に、システムは、ベースライン組織特性評価またはテンプレートのライブラリに基づいて、個々のボクセルからのＭＲ信号の自動的な定量的処理を実行してもよい。このようにして、スキャン計画に基づいた定量的ＭＲ測定を使用して、血液のアッセイを実行すること、特定の組織（例えば、皮膚、心臓、肝臓、筋肉、骨等）の良品見本となるおよび不良品見本となる定量的シグネチャを検出すること、生検後の解析を実行すること、別のタイプの評価等を実行し、特定の臓器の健康を定量化すること（例えばがんについて個人の肝臓をスキャンすること）することができる。
結果として得られた分類（未知の分類を含む）は、放射線科医に（例えば、ディスプレイ上に表示されるグラフィカルユーザーインターフェースを介して）提供してもよい。特に、放射線科医は、分類、識別のフィードバック、または検証のフィードバックを提供してもよい。放射線科医からの情報を使用して、解析（例えば一つまたは複数の教師あり学習モデル、ルックアップテーブル、および／または付随する分類）を更新してもよい。
潜在的な異常が検出される場合、システムは、検出された潜在的な異常のみならず、初期スキャン計画を決定するのに使用された先に言及した、おそらくは一つまたは複数の要因に基づいて、スキャン計画（よってスキャン命令）を動的に見直しまたは修正してもよい。例えば、システムは、検出された潜在的な異常に基づいて、ボクセルサイズ、核のタイプ、ＭＲ法（例えばＭＲＩからＭＲＳへの切り替え）等を変更してもよい。修正されたスキャン計画は、検出された潜在的な異常を含むまたはその周りにある領域を含んでいてもよい。よって、領域のサイズは、検出された潜在的な異常のサイズに基づいて決定してもよい。代わりにまたは加えて、修正されたスキャン計画における領域は、個人の身体において潜在的な異常が位置する場所またはセグメントに基づいて、決定してもよい。
次に、システムは、追加のＭＲ測定を行ってもよく、これはその後、解析され将来の使用のため記憶される。この追加のスキャンは、個人の第１のまたは初期スキャンの完了の後に生じてもよいことに留意されたい。例えば、修正されたスキャン命令は、第１のスキャンが完了した後に実行するために待ち行列に入れてもよい。代わりに、潜在的な異常が検出される場合、第１のスキャンを停止させてもよく（すなわち、スキャンが部分的にしか完了していない場合）、部分的なＭＲ信号を、システムに記憶、および／または提供してもよい。いくつかの実施形態では、システムは、ＭＲスキャナに割り込みを提供することにより、第１のスキャンを停止する。その後、第２のまたは追加のスキャンが完了した後、ＭＲスキャナは、第１のスキャンを完了してもよく、ＭＲ信号の残余をシステムに記憶および／または提供してもよい。割り込みされたまたは停止された第１のスキャンを完了させるためには、ＭＲスキャナは、それが停止している場合の現在の位置のみならず、スキャンの状況「例えば実行されているＭＲ測定」を指定する情報を保存または記憶してもよい。この位置およびスキャン状況の情報は、第１のスキャンが再開される場合にＭＲスキャナにより使用されてもよい。
第１および／または第２のＭＲスキャン（またはあらゆる追加の関連スキャン）のみならず、付随する解析を完了させた後、システムは、個人の後追いスキャンに奨励される時間を、あらゆる検出された異常（および、さらに一般的には、現在のＭＲスキャン、および／または一つまたは複数の以前のＭＲスキャンの結果）、および／またはスキャン計画を決定するのに使用された前述の要因のいずれかに基づいて決定してもよい。その上、システムは、個人または別の個人のための将来のスキャン計画を、現在のＭＲスキャン、および／または現在のＭＲスキャンと一つまたは複数の以前のＭＲスキャンとの比較の結果に基づいて決定してもよい。この能力により、システムは、１人または複数人の個人のモニタリングを、経時的に、すなわち縦断的に行い易くなることがある。さらに、このアプローチにより、たった一人の放射線科医からフィードバックでさえも、一人または複数人の個人の将来のスキャン計画に影響を及ぼすことがある。
スキャン計画を決定する、および／または測定されたまたは取得されたＭＲ信号を解析する場合、システムは、複数個人から得られたパラメータのテンソル場マップの大規模なデータ構造または知識ベース（これは「バイオボールト（ｂｉｏｖａｕｌｔ）」と称されることもある）にアクセスしてもよく、これによりＭＲスキャンの定量的比較および解析が容易になる。バイオボールトは、テンソル場マップ、データ構造における追加情報、および／または個人の識別子（例えば、個人についての一意的な識別子）を含んでいてもよい。さらに、追加情報は、診断情報、または、個人または個人に付随する組織試料に対して以前の測定結果に付随するメタデータを含んでいてもよく、体重、サイズ／寸法、一つまたは複数の光学画像、一つまたは複数の赤外画像、インピーダンス／水分補給測定結果、一つまたは複数の追加のＭＲ法に付随するデータ、人口統計情報、家族歴および／または病歴を含む。バイオボールトは、症候性および／または非症候性の個人についての情報を含んでいてもよいことに留意されたい。（したがって、個人は、健康なだけであるまたは不健康なだけであるわけではないこともある。例えば、特定のテンソル場マップは、特定の医療的状況においては、例えば特定の人については健康であることもあるが、別の医療的状況では不健康であることがある。）よって、バイオボールトを使用して、健康な組織のみならず、疾患または病理を特性評価することができる。
図１は、システム１００の例を示すブロック図を表している。このシステムは、ＭＲスキャナ１１０と、コンピュータシステム１１４とを含む。図１４を参照しつつ以下にさらに記載するとおり、コンピュータシステム１１４は、ネットワーキングサブシステム（例えばインターフェース回路１１６）と、処理サブシステム（例えばプロセッサ１１８）と、ストレージサブシステム（例えばメモリ１２０）とを含んでいてもよい。システム１００の操作の最中には、技術者またはＭＲ操作者は、試料情報読取器（ＳＩＲ）１２２を使用して、個人１１２についての情報をスキャンしてまたは読み込んで、情報（例えば、一意的な識別子であってもよい識別子）を、個人１１２（以下の考察において試料の例示的な例として使用される者）に付随する標識から取り出すことができる。例えば、試料情報読取器１２２は、標識の画像を取得してもよく、情報は、光学的文字認識法を使用して取り出してもよい。さらに一般的には、試料情報読取器１２２は、レーザー撮像システム、光学撮像システム（例えばＣＣＤまたはＣＭＯＳ撮像センサ、または光学カメラ）、赤外線撮像システム、バーコードスキャナ、ＲＦＩＤリーダ、ＱＲコードリーダと、近距離場通信システム、および／または無線通信システムを含んでいてもよいことに留意されたい。
代わりに、技術者またはＭＲ操作者は、個人１１２についての情報を、コンピュータシステム１１４に付随するユーザーインターフェースを介して入力してもよい。取り出されたおよび／または入力された情報は、個人１１２の一意的な識別子（例えば、被験者または患者の識別子）、年齢、性別、調べている臓器または組織のタイプ、ＭＲスキャンの日付、個人１１２を治療しているまたは関わりのある医師または開業医、ＭＲスキャンの時間および場所、診断書（もし入手可能であれば）等を含んでいてもよいことに留意されたい。
その後、技術者またはＭＲ操作者は、個人１１２をＭＲスキャナ１１０内に配置することができ、そしてＭＲスキャン（これはＭＲＩ、ＭＲＴ、ＭＲＥ、ＭＲＳ、磁場緩和測定等が必要なことがある）、および／またはその他の測定を、例えば物理的なボタンを押ことにより、またはコンピュータシステム１１４に付随するユーザーインターフェースにおける仮想アイコンを始動させることにより、開始してもよい。同一の個人（そしてさらに一般的には、同一の組織試料または物質）が、同一のＭＲスキャナにおいて、または異なるＭＲスキャナにおいて測定された異なるデータセットにおける、異なるＭＲ信号（例えば、異なる信号強度および／または周波数）を有し得ることに留意されたい。概して、そのような測定間の変動は多くの要因に依存し、それらの要因には、ＭＲスキャナ１１０の特定のインスタンス、ＭＲスキャナ１１０のタイプまたはモデル、ＭＲスキャナ１１０の設定、スキャン命令（例えば磁場強度、磁場勾配、ボクセルサイズ、個人１１２に印加されるパルス列、ＭＲ法、個人１１２における対象領域、一つまたは複数のボクセルサイズおよび／または核または分子のタイプ）、ＭＲスキャナ１１０における検出器、および／または一つもしくは複数の信号処理法などが挙げられる。例えば、一つまたは複数の信号処理法には、勾配エコー撮像、マルチスライス撮像、容積撮像、オブリーク（ｏｂｌｉｑｕｅ）撮像、スピンエコー撮像、反転回復撮像、化学的な造影剤による撮像、通常の画像を撮影する前に飽和パルスを用いたスピンエコー撮像を使用する脂肪抑制撮像等を挙げてもよい。
これらの困難な課題は、本特性評価法におけるシステム１００においては、ＭＲスキャンを実行することにより、ならびに付随するＭＲ信号を、パラメータのテンソル場マップおよび順モデルに基づいた、シミュレートされたまたは推定されたＭＲ信号と比較することにより対処される。ＭＲ信号の以前の測定結果から得られたパラメータを使用して、推定されるＭＲ信号を発生させ、これらの推定された信号をＭＲ信号の現在の測定結果と比較できるようするために、記憶された情報は、ＭＲスキャナ１１０、磁場不均一性、スキャン命令等を指定するようにしてもよい。いくつかの実施形態では、記憶された情報は、一つまたは複数の不変ＭＲシグネチャ（これは「磁場不変ＭＲシグネチャ」と称されることもある）を含み、ここで、不変ＭＲシグネチャは、磁場、スキャン命令（例えば、磁場強度、および／またはパルス列）、および使用されるＭＲスキャナであって、任意の磁場に対して個人１１２における３Ｄ位置でのボクセルが示す動的ＭＲ応答を、ＭＲ信号の以前の測定結果に基づいて指定するスキャナとは独立である。不変ＭＲシグネチャは、推定された、すなわち、順モデル（これは「ＭＲモデル」と称されることもある）と、異なる磁場で実行された測定またはスキャンを含むスキャン命令とを使用して発生させた、推定されたＭＲ信号を用いて、一つまたは複数のタイプの核のＭＲ信号を反復して収束させることにより、決定してもよいことに留意されたい。
一つまたは複数の不変ＭＲシグネチャは、個人１１２についての情報、例えばＴ１、Ｔ２の高品質の定量的マップ、核密度、拡散、速度／流れ、温度、脱共鳴周波数、および磁化率を含んでいてもよい。その上、一つまたは複数の不変ＭＲシグネチャは、測定間の変動、例えばＭＲスキャナ間で生じる変動について補正してもよい。代わりに、一つまたは複数の不変ＭＲシグネチャは、測定間の変動について補正する、および／または、或る版のＭＲ画像、ＭＲスペクトル等を、特定の測定条件、例えば、特定のＭＲスキャナ、ＭＲスキャナの特定のモデル、スキャン命令、特定の検出器等について発生できるようにする情報を含んでいてもよい。よって、特定のＭＲスキャナの特性（例えばこの特定ＭＲスキャナのモデル、スキャン命令、検出器、特定ＭＲスキャナのノイズ特性、および特定ＭＲスキャナにおける磁場不均一性）と併せて、一つまたは複数の不変ＭＲシグネチャを使用して、或る版のＭＲ画像、ＭＲスペクトル等を、あたかも特定のＭＲスキャナによって測定されたものであるかのように発生させもまたは計算してもよい。特定のＭＲスキャナのノイズ特性は、使用されるパルス列に依存してもよいことに留意されたい。
いくつかの実施形態では、不変ＭＲシグネチャは、少なくとも個人１１２におけるボクセルのＭＲモデルにおけるパラメータを含む。ＭＲモデルにおける各ボクセルは、特定の化学シグネチャおよび原子核の容積密度についての多次元データを含んでいてもよいので、個人１１２の不変ＭＲシグネチャは、個人１１２の一つまたは複数領域のアウェアネス（ａｗａｒｅｎｅｓｓ）に基づいていてもよい。例えば、ＭＲモデルにおけるボクセルサイズは、個人１１２における解剖学的場所に依存していてもよい。
その上、システム１００は、バイオボールトにおける情報、個人１１２の初期スキャンにおいて取得されたＭＲ信号、および／または検出された一つまたは複数の潜在的な異常を使用して、スキャン計画、よってスキャン命令（そしてさらに一般的には、ＭＲ測定の最中の条件）を、個人１１２から追加のＭＲ信号を収集する場合にさらに最適化してもよい。例えば、取り出されたおよび／または入力された個人１１２についての情報のみならず、一意的な識別子（例えば医療記録または病歴に基づいて関連付けられたまたは照会された一意的な識別子）に基づいてアクセスされるメモリ１２０に記憶された追加の情報を、コンピュータシステム１１４が使用して、スキャン命令（例えば異なるパルス列、および／または異なる磁場強度、例えば、０Ｔ、６．５ｍＴ、１．５Ｔ、３Ｔ、４．７Ｔ、９．４Ｔ、および／または１５Ｔを含む磁場強度の範囲、ＭＲ法、個人１１２における対象領域、ボクセルサイズ、および／または核のタイプ）、その他の実行すべき測定、および、さらに一般的には、スキャンまたは解析計画を更新してもよい。概して、スキャン命令は、磁場強度の複数の値を指定してもよい。例えば、スキャン命令は、時間および空間において磁場が経時的にどのように変化することになるかを記述する関数、または個人１１２の不変ＭＲシグネチャを決定するのに使用することのできる「面」を指定する複数の関数を、提供または指定してもよい。図２を参照しつつ以下にさらに記載するとおり、いくつかの実施形態では、磁場は、指定された面を物理的におよび／または仮想的に実現するように操作される。特に、磁場は、時間の関数として回転させてもよく、または磁場を発生させる物理的に分離した環状磁石を用いる実施形態では、環状磁石どうしの間の物理的距離を変化させること、一方の環状磁石の向きをもう一方の環状磁石に対して変化させること、環状磁石をｚ軸に沿って移動させること等により、磁場を変化させてもよい。その上、外部磁場の大きさおよび／または方向の変化は、個人１１２における核を偏極させるのに使用されるものであり、ＭＲスキャナ１１０を用いてＭＲ信号が測定されている最中に生じてもよい。
その上、以下にさらに記載するとおり、その他の測定は、インピーダンス測定、光学撮像、個人１１２の寸法のスキャン、個人１１２の体重測定、および／または本特性評価法に含まれる可能性のあるその他の検査を含んでいてもよいことに留意されたい。例えば、ＭＲスキャナ１１０におけるゲルで覆われたテーブルを使用して、個人１１２のインピーダンス、および／または個人１１２の体重を測定することができる。いくつかの実施形態では、その他の測定は、個人１１２を非破壊的に（例えば、電磁的または機械的な波を用いて）調べる。しかしながら、その他の実施形態では、本特性評価法は、統合治療、例えば、プロトンビーム治療、放射線療法、磁気誘導ナノ粒子等を含む。
加えて、ＭＲスキャナ１１０の所定の特性評価を使用して、スキャン命令を決定してもよい。代わりに、もしＭＲスキャナ１１０がまだ特性評価されていないならば、システム１００は、ＭＲスキャナ１１０の特性を、シミュレートされたまたは推定されたＭＲ信号を計算するのに先立って、または不変ＭＲシグネチャを決定するのに先立って特性評価することにより、ＭＲスキャナ１１０の特性を、例えばスキャン命令を決定するために、本特性評価法の最中に使用できるようにしてもよい。例えば、操作の最中には、コンピュータシステム１１４は、ファントムのスキャンに基づいてＭＲスキャナ１１０を特性評価してもよい。
ＭＲスキャナ１１０の所定の特性評価は、ＭＲスキャナ１１０の磁場不均一性のマッピングまたは決定を含んでいる場合がある（磁場の不均一性は磁場強度に依存する場合があるので、測定は異なる磁場強度で実行される場合がある）ことに留意されたい。所定の特性評価はまた、環境的、地理的、および／またはその他のパラメータを含んでいてもよい。例えば、システム１００におけるパルス発生器により発生させたＲＦパルスは、ＭＲスキャナごとに変動することがあり、また時間の関数として変動することがあるが、その理由は、構成要素の性能が、パラメータ、例えば、負荷、温度、ＭＲコイル構成、増幅器、湿度、磁気嵐、および／またはジオロケーション（ｇｅｏｌｏｃａｔｉｏｎ）に依存することがあるからである。その結果、ＭＲ信号に加えて、ＲＦパルス（および／またはＲＦパルスの不均一性）を、例えば、ＭＲスキャナ１１０においてＲＦパルス発生器とＲＦ（送信）コイルとの間の信号スプリッタを用いて測定してもよい。いくつかの実施形態では、ＲＦコイルにより生成された磁場は、検査コイルを用いて測定される。特定のパルス列は、特定のボクセルサイズに対応することがあるので、ＭＲスキャナ１１０を特性評価する場合、および／またはスキャン命令を決定する場合には、異なるボクセルサイズに対応する異なるパルス列を使用してもよいことに留意されたい。
図３～５および１２～１４を参照しつつ以下にさらに記載するとおり、ＭＲスキャナ１１０に付随する測定結果および記録された信号を使用して、ＭＲスキャナ１１０のＭＲモデルを発生させてもよく、このモデルは、広範囲のパラメータ（Ｔ１、Ｔ２、プロトン密度、脱共鳴、環境、場所、温度、パルス列等）にわたって既知の特性を有するファントムについて、ＭＲ信号の発展または応答を、ブロッホ方程式、完全なリユヴィアン（Ｌｉｏｕｖｉｌｌｉａｎ）計算、または別のシミュレーション法を用いて精密に予測するものである。このようにして、ＭＲモデルは、ＭＲスキャナ１１０を特性評価してもよい。
所定のＭＲスキャナ１１０の特性評価を使用して、汎用の不変ＭＲシグネチャを、特定のＭＲスキャナ、例えばＭＲスキャナ１１０に付随する機械固有の不変ＭＲシグネチャに変換することができる。磁場およびパルス列と併せて、機械固有の不変ＭＲシグネチャを使用して、特定のＭＲスキャナにおける任意のＭＲスキャンの最中に、シミュレートされるＭＲ信号を予測または計算してもよい。同様に、異なるＭＲスキャナの所定の特性評価を使用して、機械固有の一つの不変ＭＲシグネチャから別のものに転換することができる。
いくつかの実施形態では、ＭＲスキャナ１１０の所定の特性評価は、ＭＲスキャナ１１０中のまたはそれに付随する電子装置からの測定された周囲ノイズを含む。その後のＭＲスキャンまたはシミュレーションの最中には、デジタルフィルタが、測定されたノイズ（または測定されたノイズを記述する統計的パラメータ）を使用して、測定されたＭＲ信号の品質および／または計算されたＭＲモデルを改良してもよい。その上、様々な測定を、外部基準クロックと、または生物学的周期（例えば呼吸周期、心拍周期、身体運動についての基本的な手記間等）に同期させて、その後の同期的な平均または追加の信号処理が可能になるようにしてもよい。
その上、本特性評価法の最中には、コンピュータシステム１１４は、個人１１２における異なる物質「例えば異なるタイプの核」のＭＲスキャンを、ネットワーク１３０を介して受信されるスキャン命令のインスタンスに基づきＭＲスキャナ１１０を使用して、反復して実行してもよい。異なる物質のＭＲスキャンは、疑似的にランダムに取得されてもよいことに留意されたい。例えば、個人１１２における特定物質のＭＲスキャンは、コンピュータシステム１１４において回路またはソフトウェアに実装された乱数または疑似乱数発生器により提供された乱数または疑似乱数に基づいて、選択してもよい。いくつかの実施形態では、個人１１２における特定物質のＭＲスキャンは、潜在的な異常の探索を案内するベイズ統計的アプローチに基づいて選択されてもよい。
代わりに、個人１１２における異なる物質を、各スキャン命令のインスタンスについて系統的にスキャンしてもよい。
さらに、特定のＭＲスキャンの最中に取得または捕捉されたＭＲ信号を使用して、個人１１２におけるボクセルのＭＲモデルを修正または適合させてもよい。例えば、先に言及したとおり、そして図３～５および１２～１４を参照しつつ以下にさらに記載するとおり、コンピュータシステム１１４は、ＭＲモデル（例えばＭＲモデルにおけるパラメータ）を、一つまたは複数のＭＲスキャンにおけるボクセルに付随するＭＲ信号と、シミュレートされたまたは推定されたＭＲ信号（これは、ＭＲモデル、スキャン命令のインスタンス、および随意にＭＲスキャナ１１０の特性を用いて発生させてもよい）との間の差分（または差分ベクトル）に基づいて決定してもよい。差分ベクトルは、誤差を低減させるように、例えば、最小の差分ベクトル、すなわち、重み付きの一組のシミュレートされたＭＲ信号（これは事前に計算してあってもよい）にわたって測定された最小の差分ベクトルが得られるように先験的に計算された情報に基づいて、重み付けしてもよいことに留意されたい。いくつかの実施形態では、差分ベクトルは、一つまたは複数のＭＲ信号と、シミュレートされたまたは推定されたＭＲ信号「これはそれぞれ、共通の磁場強度に付随するまたはこれに合わせて補正される」とのドット積または内積、一つまたは複数のＭＲ信号と推定されたＭＲ信号との間のコサイン類似度、スペクトル解析、および／または別の比較法を用いて決定される。
その後、差分（または差分ベクトル）、および／または検出された一つまたは複数の潜在的な異常に基づいて、スキャン命令を修正してもよい、すなわち、スキャン命令の新たなインスタンス（個人１１２に印加されることになる一つまたは複数の磁場強度および一つまたは複数パルス列、ＭＲ法、個人１１２における対象領域、ボクセルサイズ、および／または核のタイプを含む）を決定してもよい。いくつかの実施形態では、スキャン命令（例えば外部磁場および／またはＲＦパルス列への変更）を、残った差分を最小化するまたは低減させるために選択する。このようにして、ＭＲモデルを決定する過程は、急速にまたは最適に収束することがある。
これらの操作は、収束基準が達成されるまで、反復して繰り返してもよい。例えば、収束基準は、ＭＲ信号とシミュレートされたＭＲ信号との間の差分が事前定義値（例えば０．１、１、３、５、または１０％）未満であること、および／またはスキャン命令への変更が事前定義値未満であることを含んでいてもよい。さらに、収束基準はスキャン計画の完了を含んでいてもよい。
システム１００のこれらの能力により、スキャンを、個人に対して或る時間間隔を空けてまたは周期的に、必要に応じて実行することができるようになることがあり、これによって、バイオボールトは、個人の「それのみならずその他の個人」の身体および健康についての情報および知識を大量に蓄積できる。この情報および知識を使用して、スキャン計画を、個人の要望、例えばその人たちの身体における経時変化に基づいて適合させその目標を定めることができる。
以下に、本特性評価法における操作をさらに詳細に記載することにする。図２は、ＭＲスキャナ１１０の例のブロック図を表している。このＭＲスキャナは、磁石２１０、磁気シールド２１２、生物学的生物ホルダー（ｂｉｏｌｏｇｉｃａｌ ｌｉｆｅｆｏｒｍ ｈｏｌｄｅｒ）（ＢＬＨ）２１４、生物学的生物ホルダーアーティキュレータ（ｂｉｏｌｏｇｉｃａｌ ｌｉｆｅｆｏｒｍ ｈｏｌｄｅｒ ａｒｔｉｃｕｌａｔｏｒ）（ＢＬＨＡ）２１６、磁場勾配パルス発生器（ＭＧＰＧ）２１８、磁場勾配増幅器（ＭＧＡ）２２０、磁場勾配コイル２２２、ＲＦパルス発生器（ＲＦＰＧ）２２６、ＲＦ源（ＲＦＳ）２２４、ＲＦ増幅器（ＲＦＡ）２２８、ＲＦコイル２３０、ＲＦ受信増幅器（ＲＦＲＡ）２３２、ＲＦ検出器（ＲＦＤ）２３４、デジタイザ２３６（例えばアナログ／デジタル変換器）、環境調整装置２４２、およびインターフェース回路２４４を含んでいてもよい。（環境調整装置２４２およびインターフェース回路２４４への機械的および電気的な接続は、図２には示されていないことに留意されたい。）これらの構成要素の少なくともいくつかは、インターフェース回路２４４、ネットワーク１３０（図１）、およびインターフェース回路１１６（図１）を介して、コンピュータシステム１１４に結合されていてもよく、このシステムがＭＲスキャナ１１０の操作を制御してもよい。ＭＲスキャナ１１０におけるこれらの構成要素を、以下に簡略に記載する。
ＭＲスキャナ１１０は、クローズドボア（ｃｌｏｓｅｄ－ｂｏｒｅ）型またはオープンボア（ｏｐｅｎ－ｂｏｒｅ）型のシステムであってもよいことに留意されたい。特に、磁石２１０（磁石２１０－１および２１０－２の一部として図２の断面図に例示されたもの）は、クローズドボア型またはオープンボア型であってもよい。例えば、磁石２１０のボア径２３８は、１ｃｍと１０ｃｍの間、または５ｃｍと３０ｃｍの間であってもよい。オープンボア型システムは、間隙によって分離された２枚のプレートを使用して磁場を発生させてもよく、個人１１２は、プレートの間の磁場に曝されてもよい（そして個人１１２における核はそれらによって偏極されてもよい）。代わりに、クローズドボア型システムは、トロイダル形状の磁石２１０を有していてもよく、個人１１２を、トロイドの中心にある穴を通じて動かして（よって、強磁場すなわち高磁場を使用して、個人１１２における核を偏極させて）もよい。その上、磁石２１０の向きを水平にして（これは「水平ボア」と称されることもある）、個人１１２を、磁場を通じて水平に動かしてもよいが、鉛直向きとすることもできる。概して、ＭＲスキャナ１１０は、（例えば、生物学的生物ホルダーアーティキュレータ２１６を調整することにより）、異なる角度、向き、および視点を含む様々な位置で、個人１１２をスキャンしてもよい。（よって、ＭＲスキャンが、個人または動物について実行される場合、ＭＲスキャナ１１０は、個人が、立っている、座っている、横臥している、ぶら下がっている、負荷のかかった姿勢（例えば、スポーツの動きまたはウェイトリフティング技術に要求される位置または姿勢）でいる、横横臥位である、またはさらに運動中である、例えば、トレッドミル上で歩行している、または空中にジャンプしている最中に測定ができるようになっていてもよい。）さらに小さいボア径２３８を用いた実施形態では、ＭＲスキャナ１１０を携帯式にできる場合のあることに留意されたい。図２には、磁石２１０を用いたＭＲスキャナ１１０を例示するが、いくつかの実施形態ではＭＲスキャナ１１０は、磁石２１０が排除されていてもよいことに留意されたい。これは、本特性評価法によって容易になることがあり、これにより、以下にさらに記載するとおり、ＭＲモデルにおけるパラメータを、非常に低いおよび／または不均一な磁場を用いて決定できるようになることがある。
ＭＲ法によっては、磁石２１０の磁場強度Ｂ０は、低磁場（例えば、０．１Ｔ未満のピーク磁場強度、例えば、０．００１Ｔという低い、またはさらに０Ｔという磁場強度を有する電磁石）、強磁場（例えば、約０．５Ｔのピーク磁場強度を有する強磁性体）、または高磁場（例えば、約０．５Ｔより大きいピーク磁場強度を有する超伝導磁石）であってもよい。概して、非常に多様な磁石および磁気的構成を使用してもよい。超伝導体を用いる実施形態では、磁石２１０は、極低温流体、例えば、液体ヘリウム、すなわち液体窒素で満たしたまたは冷凍されたデュワーで囲った中の液体ヘリウムを使用して冷却してもよい。しかしながら、その他の実施形態では、磁石２１０は、室温で、または室温近傍で動作する。さらに、磁石２１０は、モジュール化されていてもよく、例えば、それぞれが０．５Ｔというピーク磁場強度を有する、そして追加、取り外し、または移動させて異なる磁場の大きさおよび構成を作り出すことのできる一組の超伝導リングであってもよい。
磁石２１０は、物理的に、および／または仮想的に「勾配場および／またはパルス列を介して」変化させることのできる磁場を生じさせてもよい。この能力により、主外部磁場をゆっくりと回転させることができようになることがあり、これによって、ＭＲＳを低磁場強度で実行できる。この追加の自由度により、個人１１２において磁気モーメントを摂動させるさらなる方法が提供されて、不変ＭＲシグネチャおよび／またはＭＲモデル計算の複雑さを低減させることのできる情報が得られることがある。磁石２１０の向きを動かすまたは変化させることは、対になった環状磁石を、スキャン計画の一部分としてｚ軸上で近づけるまたは遠ざけること、索引付けされている空間の容積に対して磁石２１０を回転させること、索引付けされている容積のｚ軸に対して磁石２１０の向き／位置合わせを変化させること等が必要な場合があることに留意されたい。その上、「物理的に」は、磁石２１０の物理的な動きを意味し得るが、その一方で「仮想的に」は、勾配場および／またはパルス列（例えば、いわゆる「スピンロック法」）を使用して、同一の結果を、物理的に磁石２１０の向きを変化させることなしに実現することを意味する場合がある。概して、これらの方法は、互いに独立に使用してもよい、または２つ以上の方法を併用してもよい。
また磁石２１０を使用して、（意図的に）動的に磁場不均一性を変動させてもよい。例えば、シムコイル（ｓｈｉｍ ｃｏｉｌ）を物理的に回転させることにより、および／または特定のパルス列を印加することにより、磁場不均一性を修正してもよい。その上、空間における異なる点で特定の種類の磁場不均一性を導入することにより、ＭＲスキャナ１１０は近接した特定の組織の種類を区別することができる。
磁気シールド２１２は、鋼板、またはケイ素鋼の金属シートを含んでいてもよい。この磁気シールドは、部屋の周り全体に配置されて、壁、床および天井を完全に覆っていてもよく、これは、チャンバの外側での磁場強度を、５ガウスを下回る（または０．５ｍＴ）まで減衰させるのが目的である。その上、特定の扉および扉枠の封止材を使用して、部屋の外に「漏れる」磁場をさらに低減させもよい。さらに、磁石２１０は、シールド（例えば、主超電導巻線とは反対の電流を有する第２の組の超電導巻き線）を含んでいてもよく、これはフリンジ磁場を低減させるのが目的である。例えば、磁場強度は、磁石２１０から４メートルの距離で０．５ｍＴであってもよい。この構成により、磁気シールド材２１２の量が削減されることがある、または磁気シールド材２１２がまったく必要でなくなることがある。
いくつかの実施形態では、磁気シールド材２１２は、チャンバ２４０（磁気シールド材２１２の表面により画定される）を提供してもよく、さらにこのチャンバは、随意に封止されることによって、測定されている個人１１２または組織試料の少なくとも一部が、大気圧未満（すなわち、真空チャンバ）となるようにしてもよく、またはＭＲ撮像の品質を向上させるために事前に偏極させることのできる不活性ガス「例えばキセノン」を含有していてもよい。（さらに一般的には、固体、液体、または気体の造影剤を使用して、ＭＲ撮像の品質を向上させてもよい。）特に、環境調整装置２４２、例えば、コンピュータシステム１１４により制御されるガスバルブおよび真空ポンプを使用して、チャンバ２４０内の圧力を低減させてもよい。代わりに、環境調整装置２４２は、「コンピュータシステム１１４の制御下で」不活性ガスがチャンバ２４０内に選択的に流れるようにするガスバルブおよびガスタンクを含んでいてもよい。しかしながら、その他の実施形態では、チャンバ２４０は、生物学的生物ホルダー２１４の表面により、画定または提供される。
磁場勾配パルス発生器２１８が勾配パルスを提供してもよいことに留意されたい。これらの勾配パルスは、磁場勾配増幅器２２０により増幅して、磁場勾配コイル２２２を駆動するのに好適なレベルにしてもよい。磁場勾配パルス発生器２１８および磁場勾配増幅器２２０は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）およびインターフェース回路２４４を介して、コンピュータシステム１１４により制御してもよいことに留意されたい。例えば、コンピュータシステム１１４は、磁場勾配パルス発生器２１８により提供される磁気パルスのタイプおよび形状を指定してもよく、そして磁場勾配増幅器２２０の増幅または利得を指定してもよい。
その上、磁場勾配コイル２２２は、ｘ、ｙ、およびｚ軸（右手系デカルト座標系で）に沿った勾配磁場の形状および振幅を生成してもよい。磁場勾配コイル２２２は典型的には室温で動作し、磁場Ｂ０に空間的な勾配を生成してもよい。例えば、水平ボア型システムでは、ｚ軸または（すなわち、磁石２１０のボアの対称軸に平行な）方向に沿った、磁場Ｂ０における勾配は、反ヘルムホルツコイルを使用し、各コイルにおける電流を、磁場Ｂ０に加えてまたはそれから差し引いて勾配を実現することにより、実現してもよい。さらに、ｘおよびｙ軸に沿った勾配を、「８の字」形状を有する対コイル「これはそれらそれぞれの軸に沿った勾配を生成する」を使用して、発生させても、すなわち生み出してもよい。
いくつかの実施形態では、磁場勾配コイル２２２は、１００ｍＴ／ｍの勾配を有し、１５０Ｔ／ｍ／ｓという高速なスイッチング時間（またはスルーレート）を有しており、これによって、３Ｄ撮像において０．７ｍｍのスライス厚および０．１ｍｍのボクセル分解能が可能になる。しかしながら、高周波数（例えば、約１００ｋＨｚ超の周波数）を使用することにより、２００Ｔ／ｍ／ｓという現在の米国でのスルーレート制限より高いスルーレートを使用してもよい。もし、磁石２１０が、さらに大きい磁場強度（例えば７Ｔ）を生成するならば、６０μｍという等長ボクセル分解能が実現されることがある。
さらに、ＲＦパルス発生器２２６は、ＲＦ源２２４（例えば核の標的タイプおよび磁場強度Ｂ０に基づく所望の基本周波数を有するサイン波またはＲＦパルス）により出力される搬送波に基づいてＲＦパルスを発生させてもよく、さらにＲＦ増幅器２２８は、ＲＦパルスの出力を、ＲＦコイル２３０を駆動するのに充分強力となるまで増加させてもよい（例えば、ミリワットからキロワットまで電力を増加させてもよい）。ＲＦコイル２３０は、個人１１２における核のタイプの正味の磁化を、パルス列に基づいて回転させる磁場Ｂ１を作り出してもよい。ＲＦパルス発生器２２６、ＲＦ源２２４およびＲＦ増幅器２２８は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）、およびインターフェース回路２４４を介してコンピュータシステム１１４により制御してもよいことに留意されたい。例えば、コンピュータシステム１１４は、ＲＦパルス発生器２２６により出力されるパルスのタイプまたは形状、搬送周波数またはＲＦ源２２４により提供されるパルスにおける周波数、および／またはＲＦ増幅器２２８の増幅または利得を指定してもよい。
いくつかの実施形態では、ＲＦパルス発生器２２６は、搬送波またはＲＦパルスを成形してアポタイズトシンクパルス（ａｐｏｄｉｚｅｄ ｓｉｎｃ ｐｕｌｓｅ）にするが、これは、測定および／またはその後の信号処理に悪影響を及ぼす可能性のある不連続性を平滑化するものである。アポタイズトシンクパルスは、核のスピン状態を励起することがあり、さらにこれらの励起されたスピン状態は減衰して、取得の最中に捕捉されるＲＦエネルギーのパルスを放出することがある。概して、非常に多様なパルス列を、本特性評価法の最中に使用してもよい。例えば、パルス列は、ＭＲ法、例えば、ターボフィールドエコー（ＴＦＥ）、高速場エコー（ＦＦＥ）、磁化率強調撮像（ＳＷＥ）、ショートタウ反転回復（ＳＴＩＲ）またはショートＴ１反転回復（脂肪のＭＲ信号がゼロとなるように反転時間ＴＩがＴ１・ｌｎ（２）に等しい、脂肪組織についての或るタイプの抑制法）、ターボスピンエコー（ＴＳＥ）、高速低角度ショット、すなわちＦＬＡＳＨ（大きい先端角度がよりＴ１強調された画像を提供し、小さい先端角がよりＴ２強調された画像を提供する或るタイプのスピンエコー列）、容積補間脳検査（ＶＩＢＥ）、磁気パルス高速勾配エコー（ＭＰ ＲＡＧＥ）、液体減弱反転回復法（ＦＬＡＩＲ）、平行撮像法、例えば感度エンコーディング（ＳＥＮＳＥ）、または別のパルス列を含んでいても、または付随させていてもよい。ＳＥＮＳＥは、コイル感度マップを発生させること、部分ｋ空間ＭＲデータを取得すること、部分的な視野画像をＲＦコイル２３０のそれぞれから再構成すること、および部分的な視野画像を、行列反転を用いて組み合わせることが必要である場合があることに留意されたい。その上、パルス列は、第２および第３世代の平行撮像法、例えばＧＲＡＰＰＡ、Ａｕｔｏ－Ｓｍａｓｈ、またはＶＤ－ＳＭＡＳＨを含んでいてもよく、または付随させていてもよく、これらは、ｋ空間アンダーサンプリングを使用してＭＲＩパルス列を高速化する撮像法であり、追加の線を取得することにより、或る形態の較正が提供されるが、その理由は、ＲＦコイル２３０にわたるＭＲ信号の係数が、測定結果から決定できるからである。しかしながら、図３～５を参照しつつ以下にさらに記載するとおり、いくつかの実施形態では、本特性評価法により、直接的な時間領域測定、例えば、励起されたスピン状態の自由誘導減衰の測定と、ｋ空間法を使用しないまたはフーリエ変換を使用しないＭＲ信号の解析とを行うことが容易になる。その結果、パルス列は、状況に応じて選択されてもよい。さらに、パルス列は、ハードウェアすなわちＭＲスキャナに依存しないように設計また選択されてもよい。例えば、パルス列は、ノイズを相殺し対象の特定のパラメータを増幅する（これは「量子ポンピング」と称されることもある）ように設計または選択されてもよい。（これらのパルス列を、ＮＭＲまたはＭＲＩにおいて使用して、機械に依存しない方法で特定パラメータを定量化してもよい）。ＭＲスキャナは、特定の電磁周波数に調整しなくともよいことに留意されたい。実際、受信器は、所与の磁場強度で多くの異なるタイプの核の共鳴周波数を包含する広帯域幅を有していてもよい。
よって、概してパルス列は：既存のパルス列（ＭＲスキャナの特性の正確な測定結果およびシミュレーションを取得できて、不変ＭＲシグネチャまたはＭＲモデルを決定できるようになっている場合）；擬似ランダムパルス列（これはまた、ノイズの正確な測定およびシミュレーションが必要である場合があるが、しかしこの擬似ランダム性は、空間における各点でさらに一意的なブロッホ軌跡を作り出すのに役立つことがある）；および／または量子ポンピング（これは、少なくとも部分的には、ＭＲスキャナに依存するノイズを相殺することがあり、よって、不変ＭＲシグネチャまたはＭＲモデルを決定するのに使用されるシミュレーションの正確度への要求を単純化するまたは下げることがある）を含んでいてもよい。
ＲＦコイル２３０はまた、横磁化がｘｙ平面で歳差運動する際にこれを検出してもよい。概して、所与のＲＦコイル２３０の一つは、ＲＦ信号を、送信するのみであっても、受信するのみであっても、または送受信してもよい。その上、ＲＦコイル２３０は、磁場Ｂ１が磁場Ｂ０に対して垂直になるような向きをとっていてもよい。さらに、ＲＦコイル２３０は、ラーモア周波数（例えば、磁場Ｂ０で撮像または測定されている或るタイプの核の共鳴周波数）を、例えば、キャパシタまたはインダクタを調整することにより、またはそのキャパシタンスまたはインダクタンスを（例えばマッチング用および調整用キャパシタを用いることにより）変化させることにより、調整してもよい。ＲＦコイル２３０は、アルダーマン・グラント（Ａｌｄｅｒｍａｎ－Ｇｒａｎｔ）コイル、鳥かご（これは容積測定に使用してもよい）、バタフライコイル、ドーム共振器、磁場勾配計、移植できるコイル、裏返し／シュルンベルガー（Ｓｃｈｌｕｍｂｅｒｇｅｒ）コイル、血管内コイル、梯子型コイル、リッツ（Ｌｉｔｚ）コイル、ループギャップ共振器コイル、ループスティックコイル、ミアンダーライン（ｍｅａｎｄｅｒｌｉｎｅ）コイル、マウス（ｍｏｕｓｅ）コイル、複数回巻きソレノイドコイル、ファイズドアレイコイル、ファイズトアレイ容積コイル、リボネータコイル（ｒｉｂｂｏｎａｔｏｒ ｃｏｉｌ）、サドルコイル、スクロールコイル、単回巻きソレノイドコイル（これは四肢測定に使用してもよい）、らせんコイル、表面コイル（これは身体または容積の信号を受信するのに使用してもよいが、その理由は、それらの信号が、コイルに隣接する組織および試料について良好な信号対ノイズ比を有するからである）、多核表面コイル、拡散テンソル撮像表面コイル、超電導コイル、伝送線コイル、切頭スパイラルコイル、３軸コイル、および／または広帯域ＲＦコイル（これは同時に複数スペクトルを励起するのに使用してもよい）を含んでいてもよいことに留意されたい。さらなる密度を有するコイルを、特定対象の領域、例えば、脳、腹部、胸、生殖、器官、脊椎、関節（例えば、首、肩、膝、肘、手首等）、手、または足を重点的に扱うように設計できることに留意されたい。その上、一つまたは複数のＲＦコイル２３０は、全身を捕捉するように設計された全身コイルであってもよい。
いくつかの実施形態では、一つまたは複数のＲＦコイル２３０が、熱撮像センサを含み、このセンサは前方監視型赤外（ＦＬＩＲ）センサを含むことができる。（これにより、例えば乳房組織の熱撮像およびＭＲＩが可能にあることがある。）ＭＲスキャナ２００における一つまたは複数のセンサ（例えば一つまたは複数のＲＦコイル２３０）は、モジュール化して（例えば、同心殻内に一緒に留め付ける、付け足しとして留め付ける、インターロック用インターフェースを用いて組み立てる等により）取り付けることができ、無線または有線通信を介して互いに通信できることに留意されたい。
さらに、一つまたは複数のＲＦコイル２３０は、サッカーパッドまたは鎧に類似する形状適合性弾性布に含まれていてもよく、そのサイズは個人１１２のサイズに基づいて調整することができる。追加のＲＦコイルは、帽子、ヘルメット、長袖シャツ、ズボン、手袋、靴下、レッグウォーマー、タイツ、ジャケット、ベスト、ズボン、および／またはその他の衣料品の中に含めることができる。例えば、測定器を装備した衣服は、個人１１２が装着する柔軟で着用可能な一組のＲＦコイルを含んでいてもよく、そしてその後、個人１１２の周りを、より剛性、例えば貝殻型デザインの衣服で取り囲むことができる。柔軟で着用可能な衣服は、身体の一部分またはあらゆる部分に取り付けられる一つまたは複数の集積化された超音波発生器、および／または集積化された心電図センサを有していてもよく、そしてさらに硬い外殻は、集積化された光学的および熱的センサを含んでいてもよいことに留意されたい。いくつかの実施形態では、ヘッドコイルは、鏡、プリズム、光ファイバーケーブル、ホログラフィックディスプレイ、網膜プロジェクタ、投影スクリーン、ステレオ投影スクリーン、および／または視覚情報を表示する別のタイプのディスプレイを含む。
その上、いくつかの実施形態では、スキャン計画を実行するコンピュータシステム１１４上のソフトウェアによって制御可能な表面コイルによれば、個人１１２の解析が進行するにつれて（例えば、ドリルダウン（ｄｒｉｌｌ ｄｏｗｎ）プロトコルスキャンと称されることもある、潜在的な異常の検出に応答した第２のＭＲスキャンの最中に）、特定の治療法、すなわちＭＲ法を、実時間でオンまたはオフすることが可能になる。例えば、このアプローチによれば、ＭＲＥを異常に対して実行することが可能になる、または個人１１２もしくは周囲領域の熱画像を取得することが可能になる。よって、もし潜在的な異常が個人の胸に検出されるならば、システムは、潜在的な異常および／または周囲領域のＭＲＥの最中に、そうした個人の胸を通じて超音波を送るよう決定してもよい。これらの実施形態では、ＲＦコイル２３０は、複数のセンサおよびデータ収集装置を含むように構築して、特化された異常検出を行い易くすることができる。よって、ＲＦコイル２３０を、ＭＲＴ、ＭＲＳ、ＭＲＥ、２つ以上の核（例えば１Ｈ、２３Ｎａ、３１Ｐ、１３Ｃ、１９Ｆ、３９Ｋ、４３Ｃａ等）の多核撮像、拡散テンソル撮像、Ｎチャネルスキャン、磁場緩和測定等を使用したデータの並行収集のために、最適化してもよい。
いくつかの実施形態では、ＭＲスキャナ１１０は、ＲＦコイル２３０、例えば磁力計、超伝導量子干渉装置（ＳＱＵＩＤ）、オプトエレクトロニクス等に加えて、またはこれらにかえて、非誘導検知法を含む。非誘導センサによれば、磁石２１０により発生させた磁場の掃引を、磁場強度に対応する様々な周波数にＲＦコイル２３０を調整しなくとも行えるようになることに留意されたい。
ＲＦコイル２３０により受信されたＲＦ信号は、ＲＦ受信増幅器２３２により増幅し、ＲＦ検出器２３４を用いて検出してもよい。特に、ＲＦ検出器２３４は、ＲＦ信号を捕捉または復調してベースバンドにしてもよい。例えば、ＲＦ検出器２３４は、ＭＲ信号を、それらの信号の最も単純な形態において、例えば、励起されたスピン状態の自由誘導減衰において測定してもよいが、ただし検出器は、多くのさらに複雑なパルス列を受信する可能性はある。コンピュータシステム１１４は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）、およびインターフェース回路２４４を介してＲＦ検出器２３４を制御してもよい。例えば、コンピュータシステム１１４は、捕捉すべきなのがどのＭＲ（またはＲＦ）信号なのかを指定してもよい。
ＲＦ検出器２３４は、線形アナログ検出器、直交アナログ検出器、またはヘテロダイン受信機であってもよいことに留意されたい。線形アナログ検出器は、座標空間における一つのベクトルに沿ったＭＲ信号（例えばｘまたはｙ軸に沿った磁化）を捕捉してもよく、直交アナログ検出器は、座標空間における２つのベクトルに沿ったＭＲ信号（例えば、ｘおよびｙ軸に沿った磁化）を同時に捕捉してもよい。いくつかの実施形態では、線形アナログ検出器は、二重平衡ミキサを含み、直交アナログ検出器は、一対の二重平衡ミキサ、一対のフィルタ、一対の増幅器、および９０°位相シフタを含む。
さらに、デジタイザ２３６は、ＲＦ検出器２３４により受信されたＭＲ信号をデジタル化してもよい。例えば、デジタイザ２３６は、１ＭＨｚのサンプリング周波数を使用してもよい。これは、ＭＲ信号をオーバーサンプリングしてもよい一方で、デジタルフィルタリング（例えば、周波数領域におけるバンドパスフィルタによる乗算によるフィルタリング使用、または時間領域におけるシンク（ｓｉｎｃ）関数を使用する畳み込み）を使用して所望の周波数の捕捉、およびさらに高い周波数の信号の除去を行ってもよい。この過程では、コンピュータシステム１１４により処理されるおよび記憶されることになるデータの量は、さらに取り扱い可能なレベルにまで削減されることがある。しかしながら、概して、ナイキスト周波数の２倍以上の様々なサンプリング周波数を使用してもよい。例えば、少なくとも５００Ｈｚの周波数分解能を実現するよう、ＭＲ信号あたり１０００個に達する試料が存在することがある。コンピュータシステム１１４は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）、およびインターフェース回路２４４を介してデジタイザ２３６を制御してもよい。特に、コンピュータシステム１１４は、デジタイザ２３６により使用されるサンプリングレートおよび／またはフィルタ設定を指定してもよい。
デジタル化の後、コンピュータシステム１１４（図１）は、様々なデジタル信号処理（例えば、フィルタリング、画像処理等）、ノイズ相殺、および変換技術（例えば離散フーリエ変換、Ｚ変換、離散コサイン変換、データ圧縮等）を実行してもよい。概して、ＭＲ信号を、時間領域および／または周波数領域において指定してもよい。よって、いくつかの実施形態では、ＭＲ信号は、ｋ空間において表現される。しかしながら、先に言及したとおり、いくつかの実施形態では、本特性評価法により、フーリエ変換を使用することなしにＭＲ信号の解析が行い易くなる。
一実施形態では、ＲＦコイル２３０からの読み取りは、コイル組み立て体の内部またはそのすぐ外側でデジタル化され、さらに、散らかったケーブルがもつれないようにするために、そして対象周波数における顕著なＲＦノイズを生じさせることなく、無線によりコンピュータシステム１１４に送信される。例えば、データは、個人１１２における標的核のラーモア周波数よりも低いまたは高い周波数でコンピュータシステム１１４に送信されてもよく、これよりデータをフィルタリングしてノイズアーティファクトを排除することが可能になる場合がある。さらに、いくつかの実施形態では、ＲＦコイル２３０は、一つまたは複数の周波数を受信するように調整される。例えば、所望のスペクトルに応じて、広帯域受信コイルを使用して、またはソフトウェアまたはハードウェアを用いたチューナーを使用して、ＲＦ検出器２３４の少なくとも一つを自動的に調整し、所望の核または分子からの一つまたは複数の周波数を受信するようにすることができる。（しかしながら、先に言及したとおり、その他の実施形態では、調整されていない受信器、例えば磁力計が使用される。）加えて、平行撮像法を使用する実施形態では、個人１１２上の表面コイルの異なる部分が平行して動作することにより、時間的に並行して、または同時に様々なスペクトルを捕捉する。
生物学的生物ホルダー２１４は、個人１１２が磁場を通って動かされてＭＲスキャナ１１０により測定されている間、個人１１２を担持していてもよいことに留意されたい。その上、先に言及したとおり、生物学的生物ホルダーアーティキュレータ２１６は、生物学的生物ホルダー２１４を、必要に応じて関節させるまたは動かすことにより、磁石２１０および磁場勾配コイル２２２により発生させた磁場に対して個人１１２の位置を決めてもよい。特に、生物学的生物ホルダーアーティキュレータ２１６は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）、およびインターフェース回路２４４を介してコンピュータシステム１１４から受信された命令に基づいて個人１１２がＭＲスキャナ１１０により測定されている間、個人１１２を２Ｄまたは３Ｄ内で回転させてもよい。さらに、先に言及したとおり、生物学的生物ホルダー２１４は、チャンバ２４０内に閉じ込められていてもよく、または、真空ポンプを用いて減圧することのできる、または不活性ガスで満たすことのできる封止されたチャンバなどの、閉じ込められたチャンバであってもよい。いくつかの実施形態では、環境条件が個人１１２に影響を有し得るため、生物学的生物ホルダー２１４は、室内、生物学的生物ホルダー２１４を含有するチャンバ２４０内、または生物学的生物ホルダー２１４内の、温度、湿度、圧力、別の環境条件等を測定するセンサを含む。
いくつかの実施形態では、生物学的生物ホルダー２１４は、管（または容器）を含み、生物学的生物ホルダーアーティキュレータ２１６は、一つまたは複数の空気ジェットを含む。これらの空気ジェットを使用して、個人１１２の位置を操作することができる。例えば、管は、ガラス製「例えば光学的に澄んだ、すなわち透明なガラス」、テフロン（これは電磁放射のその他の周波数で透明なものであってもよい）、または別の適切な物質とすることができる。その上、管は、モータまたはロボットアームとの把持用またはインターロック用インターフェースを使用して個人１１２を様々な姿勢に関節させるまたは操作することのできる、その外表面上の特徴量（例えばテクスチャ、フィン、またはその他の特徴量）を含んでいてもよく、これにより、システム１００（図１）は、索引付けまたは試料測定の過程の最中に個人１１２の向きを変えることが可能になる。
その上、管は、多軸磁石、例えば、テネシー州、オークリッジのクライオマグネティクス社（Ｃｒｙｏｍａｇｉｎｅｔｉｃｓ， Ｉｎｃ．）により提供される多軸磁石の中に挿入してもよい。その後、システム１００（図１）は、ボア２３６の周りに複数のセンサを必要とせずに、個人１１２を、複数の方向、角度、視点、および配置から調査または測定することができる。例えば、個人１１２を回転させもよく、そして単一のカメラ、ＣＣＤ、またはＣＭＯＳセンサにより個人１１２の複数の写真を撮影可能にして、個人１１２の一部分またはすべての画像を補足するようにしてもよく、これにより、システム１００のコストおよび複雑さが低減し、信頼性が向上する。さらに、管は、真空にした、または不活性な事前に偏極させたガスで満たしたチャンバを提供して、分解能を向上させてもよい。いくつかの実施形態では、抵コストで携帯可能なチップ規模の装置（例えば、マイクロ流体チップ）を使用して、偏極したまたは磁化したガスを生成することにより、微弱なＭＲ信号を検出できるようにする。例えば、先に言及したとおり、偏極したキセノンを造影剤として使用して、例えば人肺の、ＭＲＩにおける画像を増強することができる。偏極したキセノン原子は、円偏光を照射されたルビジウム原子との衝突によりチップ内で生成してもよい。その後、偏極したキセノンをチップから外に流してもよく、さらに管またはチャンバ２４０内に導いてもよい。
図２には示していないが、いくつかの実施形態では、ＭＲスキャナ１１０は、ウォッチドッグ（ｗａｔｃｈｄｏｇ）、またはＭＲスキャナ１１０を監視する別の自動フェールセーフのセーフガードを含む。例えば、ウォッチドッグまたは自動フェールセーフのセーフガードは、個人１１２の比吸収を、熱撮像を用いて監視してもよい。もし高レベルまたは危険レベルの比吸収が検出される（例えば、知覚されるもの、または疼痛もしくは受傷の原因となるもの）ならば、コンピュータシステム１１４（図１）は、インターフェース回路１１６（図１）、ネットワーク１３０（図１）、およびインターフェース回路２４４を介してパルス列を制御して、現在のＭＲスキャンを減速または中断してもよい。
再び図１を参照すると、コンピュータシステム１１４は、一つまたは複数の随意の測定装置１２４に命令して、個人１１２上でその他の測定を行わせ、個人１１２の測定された物性を指定する物性情報を得てもよく、この情報を使用して、個人１１２の診断分類を決定してもよい、および／またはこの情報を、個人１１２に付随するメタデータに含めてもよい。例えば、一つまたは複数の随意の測定装置１２４は：個々１１２の体重を決定する医療グレードの体重計；個人１１２の一つまたは複数の寸法を測定する測定装置（例えば：レーザー撮像システム、光学撮像システム、赤外線撮像システム、および／または分光法システム）；個人１１２を選択的に照明することのできる光源、および一つまたは複数の視点、向き、または照明条件で個人１１２の一つまたは複数の光学画像を取得または測定するカメラ対応顕微鏡；および／またはＤＣもしくはＡＣ周波数で個人１１２のインピーダンスのマルチリード測定を実行する生体電気インピーダンスアナライザ（そしてこれは、個人１１２の水分補給に対応していてもよく、よって個人１１２の水分補給を決定または計算するのに使用してもよい）を含んでいてもよい。代わりに、水分補給または水分補給レベルは、個人１１２に影響をおよぼし得るものであり、よって不変ＭＲシグネチャまたはＭＲモデルを直接的に測定してもよい。いくつかの実施形態では、個人１１２上でのその他の測定は：細胞診、遺伝子配列決定（例えばゲノムにおけるＤＮＡのいくつかのまたはすべての配列決定、ＲＮＡ配列決定、またはトランスクリプトーム解析、遺伝子発現等）、タンパク質解析、すなわちプロテオミクス（例えば、質量解析、メタボロミクス（ｍｅｔａｂｏｌｏｍｉｃｓ）、液体クロマトグラフィー、および／またはＮＭＲを使用するもの）、エピジェネティックシーケンシング（ｅｐｉｇｅｎｅｔｉｃ ｓｅｑｕｅｎｃｉｎｇ）、リピドミクス（ｌｉｐｉｄｏｍｉｃｓ）、マイクロバイオミクス（ｍｉｃｒｏｂｉｏｍｉｃｓ）、ラジオミクス（ｒａｄｉｏｍｉｃｓ）、サイトミクス（ｃｙｔｏｍｉｃｓ）、トキソミクス（ｔｏｘｏｍｉｃｓ）（すなわち、個人１１２における非生物学的化合物の測定）、電気的測定（例えば心電図、筋電図、脳波等）、運動検出（例えば身体の動き）、加速度、一つまたは複数のバイタルサイン、コンピュータ断層撮影、電子スピン共鳴（これはフリーラジカルを測定するのに使用してもよい）、Ｘ線撮像、超音波撮像（例えば、超音波）、光学音響撮像、赤外撮像または赤外分光法、その他の非破壊的測定（例えば、レーダーまたはミリ波スキャン）、個人についての活動または挙動のデータ（例えば、着用可能な電子装置を使用するデータ捕捉）、個人１１２においてナノ粒子により実行される測定、非破壊的に、または血液試料を（例えば、マイクロ流体力学を使用して）抜き取ることにより、個々１１２における任意の場所で測定される流体（例えば血液）の化学組成、個人１１２の別の定量的または定性的な特徴または特性等を含む。代わりに、コンピュータシステム１１４は、個人についての一意的な識別子１１２に基づいて遠隔データ構造（例えばバイオボールト）に記録されたこれらのその他の測定結果のいくつかまたはすべてについてのデータにアクセスしてもよい。
個人１１２の体重および寸法を使用して、そうした個人の密度を計算してもよいことに留意されたい。その上、一つまたは複数の随意の測定装置１２４は、検査および病理識別のために個々の細胞の画像を取得してもよい。さらに、医療グレードの体重計は、もし個人１１２の体重を測るのであれば、個人１１２の化学組成および水分補給レベルについての情報を提供してもよい。体重は、ＭＲスキャン（またはその他の撮像操作）の前および／または後に測定してもよい。いくつかの実施形態では、電磁スペクトルの異なる部分において個人１１２を測定することにより、可視または赤外スキャンでは見られないものの特定のラジオスキャンにおいて生じ得る磁化率アーティファクトについての補正が可能になる。
いくつかの実施形態では、システム１００は、インターフェース回路１１６を介してコンピュータシステム１１４により制御される随意の波動発生器１２６を含む。この随意の波動発生器は、個人１１２の剛性を測定するＭＲＥの最中に個人１１２に印加される超音波「そして、さらに一般的には、機械的な波」を発生させてもよい。例えば、随意のジェネレータ１２６は、ＭＲスキャナ１１０のボア２３６「図２」の一端または両端において波を発生させても、または導波路を使用してＭＲスキャナ１１０のボア２３６「図２」の両端の一つに波を誘導して、個人１１２が超音波を受けるようにしてもよい。いくつかの実施形態では、超音波はせん断波を含む。ＭＲスキャナ１１０は、個人１１２を通過するせん断波の伝搬の定量的なＭＲ信号を取得してもよく、またせん断波の画像を処理して組織の剛性の定量的マッピングを生成してもよい。
（もし、個人ではなく、ホルマリン固定パラフィン包埋された組織試料であれば、不変ＭＲシグネチャが決定された後、コンピュータシステム１１４は、決定された不変ＭＲシグネチャを変換して、それがインビボ組織、すなわち、ホルマリンまたはパラフィン無しの組織を近似するようにしてもよい。例えば、ボクセルごとに、コンピュータシステム１１４は、ホルマリンまたはパラフィンの事前定義のまたは所定の不変ＭＲシグネチャを、決定された不変ＭＲシグネチャから差し引いて、推定される不変ＭＲシグネチャを発生させてもよい。代わりに、コンピュータシステム１１４は、ホルマリンまたはパラフィンについて、ボクセルごとにＭＲモデルにおけるパラメータを補正して、推定された不変ＭＲシグネチャを発生させてもよい。いくつかの実施形態では、部分容積法を使用して、組織試料の境界でのパラフィンまたはロウの寄与または影響を差し引いてもよい。特に、コンピュータシステム１１４は、所与のボクセルの何パーセントがパラフィンであるかを決定してもよく、そして不変ＭＲシグネチャの強調されたその部分、または不変ＭＲシグネチャを計算するのに使用されるＭＲ信号を、除去または差し引いてもよい。）
さらに、コンピュータシステム１１４は、生データ（例えば生物学的試料または生命体からのＭＲ信号、印加された非理想的なパルス列、および測定されたノイズ）、不変ＭＲシグネチャ、ＭＲモデル、および／またはバイオボールト内、例えばメモリ１２０内のその他の測定結果（これは、手近に、および／または遠隔地に、例えばクラウドを使用したアーカイブ装置内に置かれていてもよいものである）を記憶していてもよい。概して、バイオボールトに記憶された測定された情報は、（例えば、訓練エンジン１２８を使用して）スキャン命令に基づいてＭＲモデルを訓練するには、よって、不変ＭＲシグネチャまたはＭＲモデルを決定するには、充分に網羅的であることがある。訓練エンジン１２８は、ＭＲモデルを訓練または発生させてもよく、そして：組織パラメータを定量化する、または組織／構造を自動的にセグメント化するために以前の訓練または情報を必要とせずともよい；および／または非決定論的な、統計的な、またはパターンマッチングの方法に依拠せずともよいことに留意されたい。概して、訓練エンジン１２８は、物理（順モデル）を表現する方程式を使用してもよく、そして、パラメータを決定して、試料上での測定の最中に物理が変化しないという前提で、試料に印加される任意の励起に対する、試料内の一つまたは複数の容積の動的応答をモデル化してもよい。よって、記憶された情報は、測定パイプライン（例えば、増幅器の前、増幅器の後等）、環境条件、地理的場所等における異なる点での異なる出力信号を含んでいてもよい。記憶された情報は、例えばＭＲモデルを訓練することより、ＭＲスキャンおよび個人１１２の正確なシミュレーションを容易にすることがある。
記憶された情報は、一意的な識別子、すなわち、その後の識別を容易にするのみならずバイオボールトを探索するまたは照会する、コンピュータシステム１１４により発生させた新たな一意的な識別子を含んでいても、または付随させていてもよい。よって、もし個人１１２がその後、後の時間に再測定されるならば、コンピュータシステム１１４は、結果または差分の結果（例えば不変ＭＲシグネチャのあらゆる変化）を記憶することにより、最後の測定結果からの変化もまた探索に使用できるようにしてもよい。その上、記憶された情報は、個人１１２が測定された場合に、時間、場所、および／またはシステムパラメータ（例えば、ＭＲスキャナ１１０を指定するまたは識別する情報）についての情報を含んでいてもよい。記憶された情報は暗号化されてもよいことに留意されたい。例えば、一意的な識別子に付随する暗号キーに基づいた対称または非対称暗号を使用してもよい。
いくつかの実施形態では、コンピュータシステム１１４は随意に、個人１１２の不変ＭＲシグネチャまたはＭＲモデルを、一つまたは複数のその他の不変ＭＲシグネチャまたはＭＲモデルと比較するが、これらは個人１１２または別の個人についてそれまでに決定されていてもよいものである。（代わりに、コンピュータシステム１１４は随意に、測定されたＭＲ信号を、または決定された不変ＭＲシグネチャもしくはＭＲモデルから、もしくはそれに基づいて計算されたものを、一つまたは複数の所定のＭＲ信号と比較してもよい。）この比較に基づいて、コンピュータシステム１１４は随意に、個人１１２の分類（例えば診断）を随意に決定してもよく、この分類は、一意的な識別子とともに、またはこれに付随させてバイオボールト内に記憶してもよい。決定された、または選択された分類は、分類誤差またはマッチング誤差になる可能性が最低である場合があることに留意されたい。さらに、もし、推定された類似の分類誤差（例えば、所定の教師あり学習モデルに基づくもの）を有する、複数の考えられるまたは候補となる分類が存在するならば、所与のボクセルの分類を、先験的情報、例えば、近傍ボクセルの分類、またはこれらの近傍の分類の結合（例えば線形結合）に基づいて決定してもよく、これは、所与のボクセルの分類誤差を低減させるのに役立つことがある。
標識または分類および結果を経時的に追跡する能力によって、システムは、不変ＭＲシグネチャまたはＭＲモデルを選ぶこと、そしてそれについて知られている情報、例えば：どれだけの頻度でそれが見いだされるか、どの臓器においてそれが不良または良と標識されたか、どのような状況でそれが悪性または良性と標識されたか等を調べることができるようになる場合がある。このようにして、ＭＲモデルの不変ＭＲシグネチャについてのメタデータは、経時的にさらに豊富になることがある。例えば、個人（または個人からの組織試料）は六ヶ月ごとに索引付けされてもよい。もし、がんが、これらの索引付け操作の一つの間で生じているならば、この不変ＭＲシグネチャまたはＭＲモデルを、「不良」と標識してもよい。しかし、個人１１２の同一領域における歴史的ＭＲシグネチャまたはＭＲモデルの分類についてはどうであろうか？そのがん診断は潜在的に、それらを前がん状態とするであろうか？システムは複数ＭＲスキャンに基づいて、以前のＭＲシグネチャまたはＭＲモデルががんの早期の指標であるという、そしてＭＲシグネチャを通じた経路が存在する、またはＭＲモデル空間が、経時的に発展するこの病理の特徴であるという、充分な証拠を見出すことがある。その結果、バイオボールトは、そうした縦断的または横断的解析によるそうした経路の識別を可能にし、これらの経路をその後の分類および診断において、例えば、一つまたは複数の潜在的な異常（例えば腫瘍）を検出するのに使用することができる。
その上、特定の個人について、および／またはバイオボールト中の個人にわたって縦断的に比較することにより、システムは、決定論的機械学習または教師あり学習モデルを使用する必要なしに、問題を解くこと、および病理を識別するのを支援することができる。例えば、システムは、バイオボールトが、異物についての以前の知識を含んでいないとしても、または有していないとしても、個人１１２に埋め込まれた異物「例えばネジ、ピン、関節置換、等」の存在を区別して識別することができる場合がある。特に、強磁性体または常磁性体は、結果として生じる磁場歪みに基づいて検出されることがあり、不変ＭＲシグネチャまたはＭＲモデルは、この磁場歪みについての補正を含んでいることがある。
いくつかの実施形態では、バイオボールトは、他のバイオボールトにおける関連する個人についての不変ＭＲシグネチャまたはＭＲモデルを、それらの個人についての他の情報をこれらのバイオボールトと共有することなしに、集約する能力を提供する。これにより、格納されたまたは分離されたバイオボールトにおける個人について大域的解析を実行することが可能になることがある。
（もし、個人１１２のかわりに、組織試料が測定されると、システム１００は、随意の真空シーラを使用して、真空中で組織試料を閉じ込め封止して、アーカイブストレージに備えてもよい。その上、いくつかの実施形態では、組織試料は、測定後にホルマリン固定パラフィンで包埋される。さらに、物理的または電子的な標識を、随意のラベラ（ｌａｂｅｌｅｒ）により組織試料に取り付けてまたは付随させて、その後の識別が容易になるようしてもよい。物理的または電子的な標識内の情報は、本特性評価法の開始時に入力された、および／または取り出された情報を含んでいてもよい。いくつかの実施形態では、組織試料は、測定がなされた後に破壊される。）
先の考察は、個人１１２をスキャンまたは索引付けするシステム１００の使用を例示した一方、その他の実施形態では、システム１００を、個人もしくは動物を複数回スキャンまたは索引付けするのに、または異なる人もしくは動物の複数回ＭＲスキャンに使用してもよい。これらのスキャンは、スループットを上げるために、時間に関して、部分的にまたは完全に重なっていてもよい（すなわち、少なくとも部分的に、時間的に並行してまたは同時に生じてもよい）。
その上、先の考察は、システム１００を使用する技術者またはＭＲ操作者を例示した一方、その他の実施形態では、システム１００を高度に自動化して、個人１１２がＭＲスキャナ１１０内に搬送されるように、ＭＲ測定および／またはその他の測定が実行されるように、一つまたは複数の潜在的な異常が検出されるように、不変ＭＲシグネチャまたはＭＲモデルが決定されるように、情報がバイオボールトに記憶されるように、個人１１２が取り出されるように、そして一つまたは複数の追加のＭＲスキャンに対して、人間の動きを最小限に、または全くなくしてこれらの操作を反復できるようにしてもよい。
以下、特性評価法をさらに詳細に記載する。図３は、試料に付随する緩和時間を決定する方法３００を例示する流れ図を表している。この方法は、システム、例えば図１におけるシステム１００により実行してもよい。操作の最中には、システムは、偏極場および励起列を試料に印加（操作３１０）してもよい。例えば、システムは、場を発生させる発生装置、例えば図２における磁石２１０、磁場勾配コイル２２２を含んでいてもよい。
さらに、システムは、緩和時間の大きさ未満の期間の間、試料に付随する信号を測定（操作３１２）してもよい。例えば、システムは、測定を実行する測定装置、例えば図２におけるＲＦコイル２３０を含んでいてもよい。
偏極用外場が外部磁場を含んでいてもよいこと、励起列がＲＦパルス列を含んでいてもよいこと、測定された信号が試料の磁化の成分を含んでいてもよいこと、および緩和時間が、外部磁場に平行な方向に沿った縦緩和時間（例えばＴ１）、または外部磁場に対して垂直な方向に沿った横緩和時間（例えばＴ２）を含んでいてもよいことに留意されたい。例えば、緩和時間は、試料における或るタイプの核、および／または試料における或るタイプの組織に付随していてもよい。
次に、システムは、試料の測定された信号と予測された信号との間の差分に基づいて緩和時間を計算（操作３１４）してもよく、この場合、予測された信号は、順モデル、偏極用外場、および励起列に基づいている。
いくつかの実施形態では、システムは随意に、一つまたは複数の追加の操作を実行（操作３１６）する。例えば、システムは、試料における或る方向に沿って偏極外場に勾配を印加してもよく、この場合、緩和時間は試料におけるボクセルごとに計算される。
その上、システムは：偏極場および励起列の少なくとも一つを修正しても；修正された偏極場および修正された励起列の少なくとも一つを、試料が完全に緩和する前に、または試料の状態を設定し直すことなく試料に印加しても；緩和時間大きさ未満の第２の期間の間、試料に付随する第２の信号を測定しても；そして試料の第２の測定された信号と第２の予測された信号との間の差分に基づいて緩和時間を計算してもよく、この場合、第２の予測された信号は、順モデル、偏極場、および励起列にもとづいている。加えて、システムは、試料の動的状態を、順モデル、偏極場、および励起列に基づいて決定してもよく、この場合、修正された偏極場および修正された励起列の少なくとも一つが試料に印加される場合の動的状態を、第２の差分に基づいて緩和時間を計算する場合に初期状態として使用してもよい。
さらに、緩和時間の計算は、信号の測定と時間的に並行して実行してもよい。いくつかの実施形態では、緩和時間は、信号および第２の信号の測定の最中に連続的に計算される。
偏極場の大きさおよび方向の少なくとも一つは、測定の最中に時間の関数として変化させてもよいことに留意されたい。
加えて、緩和時間は、測定された信号上でフーリエ変換を実行することなしに計算してもよい。
図４は、図１のシステム１００における構成要素間の通信を例示する図を表わしている。特に、コンピュータシステム１１４内のプロセッサ１１８は、メモリ１２０内の情報４１０にアクセスしてもよい。この情報を用いて、プロセッサ１１８は、スキャン計画４１２およびスキャン命令４１４を決定してもよい。その後、プロセッサ１１８は、ＭＲスキャナ１１０にインターフェース回路１１６介して、スキャン命令４１４を提供してもよい。
インターフェース回路２４４がスキャン命令４１４を受信した後、プロセッサ４１６はそれらを実行してもよく、その結果、ＭＲスキャナ１１０は初期ＭＲスキャン４１８を実行する。ＭＲスキャン４１８の最中には、ＭＲスキャナ１１０はＭＲ信号４２０を取得または捕捉してもよく、これらの信号はコンピュータシステム１１４に提供される。
プロセッサ１１８は、ＭＲ信号４２０を解析して緩和時間４２４を決定してもよい。この解析は：登録、位置合わせ、セグメント化、ＭＲモデルにおけるパラメータの決定、ＭＲモデルを使用したＭＲ信号のシミュレーションまたは推定、および／またはＭＲ信号４２０と一つまたは複数のテンプレートとの比較が必要であることがある。解析の最中には、プロセッサ１１８は、メモリ１２０内の追加情報４２２にアクセスしてもよい。
ＭＲ信号４２０と推定されたＭＲ信号との間の残った差分に基づいて、プロセッサ１１８は、スキャン計画４２６を動的に更新してもよい。その後、プロセッサ１１８は、更新されたスキャン命令４２８を決定してもよく、これらの命令はＭＲスキャナ１１０に提供される。
ＭＲスキャナ１１０がスキャン命令４２８を受信した後、プロセッサ４１６はそれらを実行してもよく、その結果、ＭＲスキャナ１１０はＭＲスキャン４３０を実行する。ＭＲスキャン４３０の最中には、ＭＲスキャナ１１０は、ＭＲ信号４３２を取得または捕捉してもよく、これらの信号はコンピュータシステム１１４に提供される。
プロセッサ１１８は、個人のＭＲスキャンが完了するまで、および／または、一つまたは複数の決定されたパラメータ（例えば緩和時間４２４）の所望の正確度が達成されるまで、前述の操作の一つまたは複数を反復してもよい事に留意されたい。さらに、プロセッサ１１８は、測定されたＭＲ信号に基づいて、一つまたは複数の潜在的な異常の、および／または不変ＭＲシグネチャ４３６もしくはＭＲモデルの分類４３４を決定してもよく、これはメモリ１２０内に記憶される。プロセッサ１１８はまた、ＭＲ信号、メタデータ、およびその他の関連情報をメモリ１２０内に記憶してもよい。
加えて、コンピュータシステム１１４は、ＭＲスキャンについての情報４３８を、サードパーティー（例えば放射線科医）に、例えばサードパーティーに付随するコンピュータ４４０に提供してもよい。その後、コンピュータ４４０は、現在のスキャン計画、将来のスキャン計画、将来の推奨スキャン時間、一つまたは複数のテンプレート等の更新に使用される、サードパーティーからのフィードバック４４２を提供してもよい。
図５は、試料に付随する緩和時間の決定を例示する図を表している。特に、図５に、自由誘導減衰の最中に時間の関数として測定された電圧を例示する。核スピンがラーモア周波数で振動すると同時に、ピーク磁化の大きさは、時定数Ｔ２で指数関数的に減少し、この時定数には、外的要因（例えば外部磁場の不均一性）だけでなく試料からの寄与が含まれる。外部磁場の方向に沿った磁化の減衰は、時定数Ｔ１を有する類似の指数関数的減衰を有することに留意されたい。
既存のＭＲ法（例えばＭＲＩ）では、時定数は、少なくともＴ１またはＴ２の整数倍である、スキャンまたは測定の継続時間を用いて決定するのが典型的である。表１に示すとおり、異なるタイプの組織にはＴ１およびＴ２の顕著な変動が存在する。その結果、これらの緩和時間の正確な決定は、秒から数百秒間の測定が必要であることが多い。加えて、既存のＭＲ法では、スピンは通常、その後の測定（例えばその後のＲＦパルス列）に先立って既知の状態へ戻される。典型的には、これは、Ｔ１およびＴ２よりも大幅に大きい期間の間、待機することにより、または外部磁場に沿ってスピンを再磁化することにより実現される。
Figure 0007152956000001
対照的に、本特性評価法では、緩和時間５１０（例えばＴ１、Ｔ２、または調整されたスピン－スピン緩和時間Ｔ２＊）は、決定されている緩和時間の分数である測定時間５１２を使用することにより正確に決定してもよい。例えば、脳脊髄液については、測定時間は０．５５秒であり、数百秒でなくともよい。この理由は、測定されたＭＲ信号とＭＲモデルに基づいて推定されたＭＲ信号との反復比較によって、Ｔ１またはＴ２を含めモデルパラメータは、速やかにそして正確に（すなわち、高い信号対ノイズ比で）、測定の複数のインスタンスにわたりかなりの（またはどんな）同期平均をとることもなく、決定することが可能になるからである。
その上、本特性評価法により、緩和時間の計算が、遡及してではなくまたはＭＲ測定後ではなく、実時間で行えるようになることがある。実際、いくつかの実施形態では、ＭＲ測定およびＭＲモデルパラメータの計算は、連続的に実行される。
さらに、核スピンの状態は、特性評価法の最中に動的に追跡してもよく、そして現在の状態を、ＭＲ信号のシミュレーションまたは予測の次の反復における初期状態として使用してもよい。その結果、本特性評価法では、ＭＲスキャナは、第１のＭＲスキャンとその後のＭＲスキャンとの間で休止させなくともよいことがある。よって、ＭＲスキャナは、核スピンが適切なレベルに減衰するまで（すなわち、Ｔ１、Ｔ２、または調整されたスピン－スピン緩和時間Ｔ２＊よりも長い期間の間）待機する必要はないことがある、または外部磁場に沿って核スピンを再磁化する必要はないことがある。それゆえ、この能力により、ＭＲスキャナは、試料内の核スピンが完全に緩和される、または事前定義された状態に設定し直される前に、外部磁場を修正する（すなわち、外部磁場の大きさおよび／または方向を変化させる）、および／またはＲＦパルス列を修正することが可能になる場合がある。
いくつかの実施形態では、ＭＲモデルにおけるパラメータは、試料における磁化の一つまたは複数の成分の時間領域測定に基づいて決定される。特に、パラメータ（緩和時間を含む）は、高い時間的サンプリングレート（例えば推定されたＭＲ信号における対象周波数よりも２倍以上のレートで）でＭＲ測定を実行することにより、フーリエ変換（例えば離散フーリエ変換）を使用することなしに決定してもよい。この能力により、測定されたＭＲ信号の解析における信号処理が簡単になることがある、および／または使用することのできるＲＦパルス列のタイプにさらなる自由度が得られることがある。
それゆえ、本特性評価法により、既存のＭＲ法よりも大幅に高速なスキャン時間が容易に実現されることがある。その上、本特性評価法により、ファントムを使用する必要なしに、または強度を比較するだけでＭＲ信号の定量的解析が容易に実現されることがある。加えて、本特性評価法により、より低い外部磁場、および／または、たいていのＭＲスキャナにおいて使用する大型の（そして高価な）トロイダル超電導磁石よりも空間磁場不均一性の大きい外部磁場を使用できるようになることがある。例えば、本特性評価法により、様々な外部磁石の構成（例えば開放式の構成、または患者を座らせる構成）、超電導磁石の排除、または外部磁石の排除が可能になることがある。よって、いくつかの実施形態では、本特性評価法により、携帯式の、または手に持てるＭＲスキャナが容易に実現されることがある。その結果、本特性評価法により、ＭＲスキャンのコストが削減されることがある、そしてＭＲスキャンの最中の患者の経験が顕著に改善することがある。
以下に、ＭＲモデルにおける一つまたは複数のパラメータの決定を記載する。このＭＲモデルは、個人（そして、さらに一般的には、試料）の一部分におけるボクセルの３Ｄモデルであってもよく、そしてボクセルのそれぞれについてブロッホ方程式中のパラメータを含んでいてもよい。特に、ｚ軸に沿った準静磁場Ｂ０を用いると、ブロッホ方程式は
Figure 0007152956000002
Figure 0007152956000003
および
Figure 0007152956000004
であり、ここでγは磁気回転比であり、
Figure 0007152956000005
はベクトルクロス積を表し、
Figure 0007152956000006
は、個人における或るタイプの核が感じる磁場である。ブロッホ方程式中のパラメータは、Ｔ１、Ｔ２、或るタイプの核の密度、拡散、速度／流れ、温度、および磁化率を含んでいてもよい。ボクセルのそれぞれについて、異なるタイプの核についての異なるパラメータがあってもよいことに留意されたい。その上、ブロッホ方程式は、時間変動する磁場に対する、個人におけるそのタイプの核の磁気モーメントの動的応答に対して、半古典的、巨視的近似であることに留意されたい。例えば、１ｍｍ３のボクセル中には、６７Ｍ個の細胞があることがある。
原理的には、個人についてブロッホ方程式におけるパラメータの解空間が決まらないことがある、すなわち、パラメータを指定または拘束するのに用いる観測結果よりも大幅に多くの決定すべきパラメータが存在することがある。それゆえ、本特性評価法は、追加情報を有効利用して、問題の次元を拘束または低減してもよい。例えば、個々の解剖学的構造の態様を、その他の撮像法、例えばコンピュータ断層撮影、Ｘ線、超音波等を使用して決定してもよい。その上、標的とされたタイプの組織（例えば心臓組織）とは似ていない領域（すなわち、非常に異なるＭＲ信号を有するもの）は、ＭＲモデルから排除してもよい。このようにして、例えば、空気からなる領域を排除してもよい。代わりにまたは加えて、以前のＭＲスキャンに基づいて予想されたＭＲ信号（例えば、異常または変化）から顕著に逸脱している組織を、例えば等高線図（例えば、三次スプライン）を使用して、有意差のある領域の境界を区切る（または、領域の境界を指定する）ことにより、ＭＲモデルの重点としてもよい。いくつかの実施形態では、測定されたＭＲ信号とシミュレートされたまたは推定されたＭＲ信号との間の誤差は、一つまたは複数のレベルセット関数を用いて表現してもよく、そして閾値を上回る誤差を有する領域の境界は、閾値に対応する平面と一つまたは複数のレベルセット関数との交線に基づいて決定してもよい。加えて、異なるパルス列および／または異なるＭＲ法を使用し、異なる磁場強度Ｂ０（これは類似の情報を擬似ランダムパルス列に提供してもよい）でスキャンを実行することにより、観測結果に対するパラメータの比を減らしてもよく、これにより、ＭＲモデルの決定が単純化される。
例えば、もし個人の一部分が一つのボクセルを含んでいたならば、特定のタイプの組織について決定する必要のある４～１０個のＭＲモデルパラメータ（これは不変ＭＲシグネチャまたはＭＲモデルを指定する）が存在することがある。もしボクセルがＭ個のタイプの組織を含むならば、特定のタイプの組織について決定する必要のある４Ｍ～１０Ｍ個のＭＲモデルパラメータ（これはＭ個の不変ＭＲシグネチャを指定することがある）が存在することがある。ボクセルの数が増加するにつれ、これは前途多難な問題として顕在化し得る。
しかしながら、異なるタイプの核は異なるラーモア周波数を有するため、それらのタイプの核の空間分布、およびそれらの局所濃度は、測定されたＭＲ信号から決定してもよい。その後、ＭＲモデルについての初期パラメータに付随する、人体（または人体の部分）についての事前定義された解剖学的テンプレートを、それらのタイプの核の空間分布およびそれらの局所濃度と一致させるために拡大縮小させてもよい。
次に、或るタイプの組織（例えば、特定の臓器）について、ボクセルのサイズが段階的に増加する（よってボクセルの数が増加する）につれ、ＭＲモデルパラメータを反復改良してもよい。この解析は、測定されたＭＲ信号とＭＲモデルを使用してシミュレートされたまたは推定されたＭＲ信号との間の誤差をもとに推し進めてもよい。時間経過とともに、訓練の最中での重点が、収束基準より大きい誤差を有する残差領域上に移ることになる。例えば、ＭＲモデルにおけるパラメータは、一磁場強度で測定されたＭＲ信号に基づいて訓練してもよく、そしてその後、誤差は、別の磁場強度でのＭＲモデルの予測に基づいて決定してもよい。さらに、最初、ＭＲモデルは、異なるボクセル間の寄与または相互作用がないと仮定してもよいことに留意されたい。しかしながら、誤差およびボクセルサイズが減少するにつれ、その後、そのような寄与および／または相互作用を、ＭＲモデルを訓練する際に含めてもよい。
この合わせ込みまたは計算アプローチを容易にするために、本特性評価法は、１Ｄシグネチャとは対照的に「面シグネチャ」を決定してもよい。例えば、複数磁場強度での、または既知の磁場擾乱「例えば回転」の存在下での測定結果を使用して、多次元空間における一組のＭＲ軌跡を決定し、不変ＭＲシグネチャおよび／またはＭＲモデルを決定するのに使用してもよい。各ＭＲ軌跡は、固定磁場強度ではなく磁場の関数により画定してもよいことに留意されたい。
代表的な実施形態では、ＭＲモデルを決定するのに使用されるシミュレーションは、頂点／ボクセル主体のものであってもよい。各頂点で実行されている物理モデル「例えばブロッホ方程式を用いたモデル」を使用して、システムは、ＲＦパルス列または擾乱を、スキャンされている個人の物理モデルに「印加」してもよい。例えば、メッセージを、物理の観点から擾乱を記述する頂点に一斉配信してもよい。頂点のそれぞれは、その予測された状態変化、および結果として得られる力およびエネルギーを計算してもよく、これらはその後、その頂点から送り出される力およびエネルギーについての隣接頂点へのメッセージとして中継される。発生したメッセージをすべての頂点が有し、メッセージが隣接頂点に転送され、システムの状態が更新されたら、計算の期間を終了させてもよい。このアプローチを一般化して、頂点から放射状に伸びる長さＮ「ここでＮは整数」の非環状経路にメッセージを転送してシミュレーションの正確度を向上させるようにすることができる。
いったん状態が更新されると、この新たに計算された状態について計算法を実行し、その後、測定された状態と比較することができる。誤差は、予想された状態と測定された状態との間の差分であってもよい。この計算法が適用される際、システムは、大域的誤差を減少または最小にするようなやり方で各頂点に現在の状態をいかに最適に割り当てるかを決定してもよい。次に、システムは、このシステムについての一組の新たな摂動を選択してもよく、そしてスキャンされている個人上でこの擾乱を物理的に実行するだけでなく、これらの摂動を新たなメッセージとして頂点に同時配信してもよい。このようにして、システムは、本特性評価法の最中に実時間のまたはほぼ実時間の解析およびフィードバックを提供してもよい。それゆえ、いくつかの実施形態では、モデルパラメータの決定は、ＭＲ測定とともに現時点で生じてもよい。実際、いくつかの実施形態では、モデルパラメータをＭＲ測定の最中に連続的に決定してもよい。
よって、測定されたＭＲ信号に基づいてＭＲモデルパラメータを決定する逆問題は、誤差、すなわち測定されたＭＲ信号と、ＭＲモデル、ＭＲスキャナの特性（例えば磁場不均一性）、および測定されたＭＲ信号を取得するのに使用されるスキャン命令に基づいて発生した、シミュレートされたまたは推定されたＭＲ信号との間の差分を最小にすることによって「解いて」もよい。いくつかの実施形態では、逆問題は、一つまたは複数の計算法、例えば：最小二乗法、凸二次計画法、最急降下法、準ニュートン法、シンプレックス法、レベンベルグ－マルカート（Ｌｅｖｅｎｂｅｒｇ-Ｍａｒｑｕａｒｄｔ）法、シミュレーテッド・アニーリング（ｓｉｍｕｌａｔｅｄ ａｎｎｅａｌｉｎｇ）、遺伝的方法、グラフを利用する方法、別の最適化法、および／またはカルマンフィルタリング（または線形二次推定）を用いて解かれる。
逆問題は動的プログラミングを用いて解いてもよいことに留意されたい。特に、この問題は、分割して複数コンピュータを並列させて、例えば、クラウドを使用した計算システムにおいて実行してもよい。例えば、特定のスレッドは、特定のスキャン命令についての逆問題を解くことを試みてもよい。コンピュータ（またはプロセッサ）により発生させた複数の考えられるパラメータ解を、「例えば、線形重ね合わせを用いて」結合して誤差計量を決定してもよく、これを、一つまたは複数の計算法を使用して極小化する。
その上、先に記載したとおり、逆問題は、まず、粗いボクセルサイズを使用してＭＲモデルについて適切なパラメータ（例えば、ＭＲ信号とシミュレートされたまたは推定されたＭＲ信号との間の誤差を最小にするパラメータ）を発見することを試み、そしてその後、段階的にさらに小さいボクセルサイズを用いて適切なパラメータを発見することにより、反復して解いてもよい。この反復手順において使用される最終的なボクセルサイズは、スキャンされているタイプの核の磁気回転比に基づいて決定してもよいことに留意されたい。ボクセルサイズはまた、バイオボールトに対してなされた、またはＭＲスキャン計画に基づいて形成した「照会」の種類、現在のハードウェア構成、および／またはハードウェア限界に基づいて決定してもよい。さらに、ボクセルサイズまたは場所は、ボクセルが一組のサブボクセルに均等に区分けされるように、または、プレビュー用のボクセルサイズとの特定量の重なりが存在して、重なり領域を効果的に（オーバーサンプリング）し、そして場合によってはＭＲ信号の由来元の位置をさらに突き止めるように、選択してもよい。この最後の方法は、ボクセルの特性長（例えば、ボクセルの長さ、幅、または高さ）未満の距離ｄｘだけ、一つまたは複数の次元において全勾配システムをずらすことに類似していることがある。いくつかの実施形態では、ＭＲモデルにおけるボクセルサイズは、ＭＲスキャンにおいて使用されるものより小さい（すなわち、ＭＲモデルは、超解像技術を使用してもよい）。
加えて、ＭＲモデルは、ダイナミクス、例えば：呼吸、心拍、血流、機械的運動等の付随する運動のシミュレーションを含んでいてもよい。（よって、拡散、温度測定、分光法、エラストグラフィ等についてブロッホ方程式中に追加項があってもよい。その結果、ＭＲモデルは、ブロッホ－トーリー方程式等に基づいていてもよい。）例えば、ボクセルが空間を含んでいて、その空間の中「例えば静脈中」を通って流れる流体がある場合には、その液体の流れを、不変ＭＲシグネチャまたはＭＲモデルの計算において考慮されるべくスキャンされている個人において、流れ方向および速度の大きさのマップを構築することより、シミュレーションしてもよい。さらに、人間または動物をスキャンしている場合には、ＭＲモデルは、休息運動（例えば、呼吸、心拍等を付随させるもの）を含んでいてもよい。先に言及したとおり、ＭＲモデルの計算を容易にするためには、測定されたＭＲ信号および／またはその他の時間測定結果は、基準クロックまたは生物学的期間と、またはそれに対して同期していてもよい。
ＭＲモデルは、個人の身体が特定のスキャン命令にいかに応答することになるかを予測するのに使用してもよい。特に、ＭＲモデルは、特定の特性を有する特定のＭＲスキャナについて、特定のスキャン命令について、および／または特定の個人（病歴、以前のＭＲスキャン結果等を有する者）について、ＭＲ信号をシミュレートするまたは見積るのに使用してもよい。別の言い方では、不変ＭＲシグネチャまたはＭＲモデルを、特定の状況における表現または投影（すなわち、ＭＲ信号）を、例えばＭＲスキャナの特定の特性、特定のスキャン命令、および／または特定の個人に基づいて決定するのに使用してもよい。
よって、ＭＲモデルにより、システム１００（図１）が能動的な学習を行えるようになる。特に、ＭＲモデルは、学習システムまたは学習エンジン（これは、図１におけるコンピュータシステム１１４内に実装してもよい）により発生させた「照会」に基づいて、反復して合わせ込んでも、または決定してもよい。特に、学習エンジンにより発生させた照会は、異なる磁場強度Ｂ０、異なるＲＦパルス列、および／またはＭＲモデルにおけるパラメータについての信頼区間に基づいた異なる超音波パルス列を含んでいてもよい。その結果、学習エンジンは、これらの照会に応答して、測定されたＭＲ信号を使用して、ＭＲモデルにおける未知のパラメータ、および／または乏しい正確度（例えば０．１ １、５、または１０％より大きい信頼区間）を有するパラメータを決定してもよい。さらに一般的には、システム１００（図１）により実行される適応学習は、非常に多様な測定、例えば可視／赤外分光、Ｘ線、コンピュータ断層撮影、プロトンビーム、光学音響法、超音波等に基づいていてもよい。
代表的な実施形態では、コンピュータシステム１１４（図１）はまず、ＭＲモデルにおけるパラメータを近似し、そして測定されたＭＲ信号とシミュレートされたまたは推定されたＭＲ信号との間の誤差（または差分ベクトル）をこの初期ＭＲモデルに基づいて計算する。特定のスキャン命令に対応するスレッドについて逆問題への複数の候補パラメータ解（類似の誤差を有するもの）がある場合、コンピュータシステム１１４（図１）は、それらの候補を保持しておいてもよい（すなわち、一意的なパラメータ解が、計算のこの時点で識別されていなくともよい）ことに留意されたい。代わりに、もし一意的なパラメータ解が所望の誤差範囲内（例えば５０、２５、１０、５または１％より少ない）にないならば、最良の（最小誤差の）パラメータ解を保持しておいてもよい。加えて、パラメータ解が、所望の誤差範囲内にないならば、コンピュータシステム１１４（図１）は、スキャン命令を修正してもよい。
その上、コンピュータシステム１１４（図１）はまず、個人におけるパラメータ解の面に沿って１次および２次微分を計算してもよい。（微分の計算を容易にするために、パラメータを一つまたは複数のレベルセット関数を用いて表現してもよいことに留意されたい。）１次微分がゼロとなる線に沿った一組のボクセルを識別してもよい。この一組のボクセルは、三次スプラインを使用し、ボクセルの位置と三次スプラインとの間の誤差が最小となる状態で合わせ込んでもよい。この合わせ込み操作は、パラメータ－解の空間におけるすべての境界で反復してもよい。その上、三次スプラインにより画定された境界内部の最大の連続面を決定してもよく、そしてパラメータ－解の計算を反復して、以前の連続面の内部にある新たな連続面を決定してもよい。この一般化された枠組みは、ボクセル内容積にわたる誤差を最小にすることがあり、これにより、ＭＲ信号とＭＲモデルに基づいてシミュレートされたまたは推定されたＭＲ信号との間の一致が向上する。
例えば、この逆問題を解くには、ＭＲモデルにおけるボクセルについてのパラメータのヤコビアン行列およびニュートン法を用い、測定されたＭＲ信号と推定されたＭＲ信号との間の差分に、パラメータにおける摂動がいかに影響をおよぼすかに基づいて、ボクセルについてのパラメータを反復して修正してもよい。ＲＦパルスの最中には、ＭＲ信号は、方程式（例えばブロッホ方程式）の系を数値的に解くことにより推定してもよく、この理由は、１Ｈについては、ＲＦパルスが１Ｈのラーモア周波数に近接しているかまたはその値である（これはその他のタイプの核についてはそうではないことがある）からである。特に、ルンゲ・クッタ法４を使用して回転座標系についての微分方程式の数値解を決定してもよい。勾配変化の影響は、解析的に解くことができるが、この理由は、時間スケール（ミリ秒）がラーモア周波数よりもはるかに小さいからである。
いくつかの実施形態では、核スピンに付随する磁化のダイナミクスは、Ｔ１あたりの外部磁場の方向に沿った緩和と、外部磁場の方向に対して垂直な面内でのＴ２あたりの回転および緩和とに分解される。しかしながら、本特性評価法における解析は、回転している基準座標系または偏極の特定方向についての仮定を必要としない。先に言及したとおり、外部磁場の大きさおよび／または方向は、時間の関数として変化してもよい。これにより、異方性を特性評価するために（既存のＭＲ法において使用する構造化励起とは対照的に）広範囲の大きさおよび／または方向にわたって外部磁場を掃引することが可能になり、決定される緩和時間は、異なる軸または方向に対するまたはそれに付随するものとなる。代わりにまたは加えて、本特性評価法は、既存のＭＲ法よりも、さらに弱い外部磁場および／または空間的不均一性の大きい外部磁場を使用してもよい。実際、偏極外部磁場は励起場、例えばＲＦパルスより弱いことがある。
いくつかの実施形態では、特性評価法における解析を、順モデルにおいてブロッホ方程式（またはより精巧なもの、例えば完全なハミルトニアン）とマクスウェル方程式との間で交替させて、試料容積の電気特性および試料容積の磁気特性を速やかに計算する。このようにして、一つの順モデルを使用して提供された推定を使用して、その他の順モデルからの推定を調節することができる。このアプローチにより、収束が加速することがあり、そして各ボクセルの誘電率および伝導率を、ＭＲモデルについてのパラメータにおいて決定することが可能になることがある。
代表的な実施形態では、ＭＲ信号の測定およびＭＲモデルにおけるパラメータの修正は、正確度が１％未満になるまでボクセルについてのパラメータの値を得るには、２～３回の反復が必要である。これは、ＭＲフィンガープリンティングより良い桁数であることがあり、そして少なくともいくつかの実施形態では、パラメータについての先の結果を有する予め存在しているデータ構造を使用する必要なしに決定されることがある。
しかしながら、いくつかの実施形態では、先験的な知識を使用して逆問題を拘束する。例えば、異なるタイプの組織におけるパラメータについての所定のまたは事前定義の範囲を使用して、パラメータの初期値を決定してもよい。代わりにまたは加えて、以前のＭＲ測定に基づくパラメータの値を、特性評価法における解析の現在のインスタンスにおけるパラメータの初期値として使用してもよい。解析の最中でのその他の拘束は：かん流のための熱流（高温から低温まで）への、または代謝を定量化するＭＲＴへの熱力学的拘束、および／またはマクスウェル方程式の拘束を含む。
本特性評価法により、不均一な組織における緩和時間および密度の空間的な分布を決定することが可能になることに留意されたい。例えば、本特性評価法により、不均一な試料についてのボクセルごとの密度および緩和時間を決定することが可能になる。
いくつかの実施形態では、ＭＲモデルにおけるボクセルの幾何学形状を計算して、推定されたＭＲ信号の正確度になるようにしてもよい、または測定されたＭＲ信号と推定されたＭＲ信号との間の誤差を低減させてもよい。例えば、ボクセルは、グラフとして表現してもよい。図７を参照しつつ以下にさらに記載するとおり、これにより、自動的なセグメント化および／または登録が容易になることがある。ＭＲモデルにおける空間分解能は、典型的に使用されている、または外部磁場の強度に付随するものよりも高くてもよい（すなわち、超分解能である）。代表的な実施形態では、３Ｔの磁場強度で５１２×５１２のボクセルまたは１０２４×１０２４のボクセルがある。ボクセルサイズは、０．２５３ｍｍ３未満であってもよいことに留意されたい。
本特性評価法におけるパラメータの決定の速度を向上させるためには、圧縮検知を使用してもよい。例えば、空気の伴う領域を対象から脱落させてもよい。その上、未知数よりも多くの方程式が存在することがあるため、取捨選択法を解析の最中に使用してもよい。例えば、方程式の系における線形独立な並びを選択してもよい。代わりにまたは加えて、取捨選択は：ランダムであること、ほぼ直交する方程式の下位集合、特定の設定において線形独立な方程式の下位集合、容積を最大にする方程式の下位集合（例えば、最大の行列式を有する下位行列）等であってもよい。
先に言及したとおり、外部磁場および／またはＲＦパルス列は、ＭＲ測定の最中に修正または変更してもよい。いくつかの実施形態では、「励起」は、解析の次の反復における誤差を最小にするよう選択してもよい。例えば、外部磁場および／またはＲＦパルス列は、ヤコビアンがいかに良好な条件にされているかに基づいて変更してもよい。
本特性評価法における解析への入力およびそこからの出力は、将来の使用のために記憶しておいてもよいことに留意されたい。入力は、測定装置についての、および測定がいかに実行されたかについての情報を含んでいてもよいことに留意されたい。これにより、正確度は、取得時間とのトレードオフとすることができる場合がある。加えて、これにより、解析は、長時間にわたりオフラインで続けることができる場合がある。
その上、ＭＲモデルにおけるパラメータは、物理現象に付随する時間スケールに基づいて順次決定してもよい。これは、図６に示してあり、この図は異なる付随時間スケールを有するパラメータの逐次決定を例示する図を表している。特に、時間分解により、密度、これに続いてＴ１、Ｔ２、流れについてのパラメータ、拡散についてのパラメータ、温度測定についてのパラメータ等を決定できるようになることがある。このアプローチはさらに効率的なことがあり、その理由は、さらに長い時間スケールでの物理現象は、さらに長いＲＦパルス列を必要とすることがあるからである。
先に言及したとおり、本特性評価法は、フーリエ変換の使用または同期平均を必要としないことがある。むしろ、パラメータは、パラメータの初期値が妥当である（例えば、正確なパラメータ値の２５、５０、１００、５００、または１０００％の範囲内）にある限り、速やかに決定されることがある。代わりにまたは加えて、さらに長いＲＦパルス列を使用してもよい。
さらに、異なるタイプの組織におけるパラメータの変動により、それらのタイプの組織をセグメント化できることがある。特に、二つのタイプの組織の空間的境界では、パラメータの高次元空間における或る次元に不連続が存在することがある。これは、図７に示されており、この図は、試料における組織タイプのセグメント化、例えば髄膜から脳脊髄液を識別すること（これは、網状模様を付した箱状領域を用いて例示されている）を例示する図を表している。先に言及したとおり、異なるタイプの組織についてのパラメータの変動を使用して、逆問題を解く場合に探索空間を拘束してもよい。
以下、異なるタイプの組織をセグメント化する方法の実施形態を記載する。異なるタイプ組織のｄｊ（ｊ＝１～ｎ）について、多次元パラメータ空間において、時間サンプリングされたＭＲ軌跡（またはベクトル）の辞書Ｄｍｒを定義して、ボクセルについて測定されたＭＲ信号ｙｏｂｖを、以下のとおり、
Figure 0007152956000007
と表現するが、ここで
Figure 0007152956000008
は規格化された重み、（すなわち、
Figure 0007152956000009
）であり、そしてεは誤差、（すなわち、ｊ＝１～ｎの場合に
Figure 0007152956000010
である。これを、ボクセル内線形方程式問題と定義してもよい。一般化されたボクセル間問題は、一組のボクセル（例えば、２７個のボクセルを有する立方体）をグラフＧとしてモデル化してもよい。この組における各ボクセルは、８つの隣接ボクセルへの２６個の縁を有していてもよいことに留意されたい。逆問題のパラメータ解は、誤差を最小にするものと定義してもよい。
二つの隣接ボクセルｕおよびｖの場合を考えよう。ボクセル内線形方程式ＵｙおよびＶｙを、ｕおよびｖの両方において解く必要がある。いくつか可能な結果が存在する。まず、ＵｙおよびＶｙは、一意的なパラメータ解を有することがあり（ここで「一意的なパラメータ解」は、既存のＭＲモデルへの最良の合わせ込みであってもよい、すなわち、その誤差または差分ベクトルが収束基準より小さい）、解析は終了してもよい。代わりに、Ｕｙが一意的なパラメータ解を有していてＶｙがそうでないことがある。Ｕｙについてのパラメータ解がＶｙに拘束を課すことにより、Ｖｙが単一パラメータ解を有するようにできることがあり、この場合、解析を終了してもよい。しかしながら、ＵｙおよびＶｙのいずれも、一意的なパラメータ解を有さないこともあり、この場合、方程式の系を結合「すなわち、ボクセルサイズを実効的に増加」させることにより、一意的なパラメータ解が得らえることがある。その上、ＵｙおよびＶｙのいずれも、いかなるパラメータ解も有さないことがあり、この場合、ボクセル内問題は、さらなる拘束なしには解くことができない。
最後の場合では、隣接ボクセルｗ、すなわち、一連のボクセルｕ、ｖ、およびｗを考察することができる場合があり、対応するボクセル内線形方程式を用いて、Ｕｙ、Ｖｙ、およびＷｙを、ｕ、ｖ、およびｗにおいて解く必要がある。ボクセル内線形方程式ＶｙおよびＷｙは、これ以前の場合に還元されることに留意されたい。ボクセル内線形方程式が、これ以前の場合に還元されない場合、二つを組み合わせるこの操作を、そうなるまで再帰的に適用し、その後、ボクセル内線形方程式を、先に記載のとおりに解くことができる。
概して、この計算法は、３Ｄ面「または容積」を合わせ込んで誤差を最小にするという問題と同形であるとしてもよい。この観点での一つの課題は、すべての隣接容積が、誤差を最小にするパラメータ解
Figure 0007152956000011
に等しい影響を及ぼすと仮定していることである。
誤差の最小化はまず、ボクセル間の寄与がない（すなわち、ボクセルが独立である）と仮定してもよい。その後、ボクセル間の寄与を含めてもよい。特に、隣接ボクセル容積を考慮すると、二つの異なる分類が存在する。面を共有する容積と、１Ｄの縁のみを共有する容積である。最小化関数は、相対座標系の中心でのボクセルｕにおける誤差の寄与を重み付けすることにより改良されることがある。もし誤差に及ぼす影響がｒ－２（ここでｒは、ボクセルの中心点間の距離である）に比例し、そして重み付けにおいて１ｍｍの等方性ボクセルを仮定するなら、ボクセル間の寄与を伴う最小化または合わせ込み問題は、
Figure 0007152956000012
と表すことができ、ここでｋにわたる総和は、共通の面（すなわち、（－１，０，０）、（１，０，０）、（０，－１，０）、（０，１，０）、（０，０，－１）、および（０，０，１））を共有する隣接ボクセルについてのもの、そしてｌにわたる総和は、共通の縁を共有する残りの隣接ボクセルについてのものである。この解析における仮定は、パラメータ解を合わせ込むまたは決定するのが最も困難な場所が、異なる組織の間の不連続性または界面にあるということである。その結果、本特性評価法の最中には、コンピュータシステム１１４（図１）は、これらの場所を最初に解いてもよく、そしてその後、残りの場所を解いてもよい。
代わりに、近傍ボクセルからの磁気的寄与はｒ２に比例するので、最小化問題において主なまたは中心となるボクセルの中心からの半径Ｒの球を仮定すれば、周囲のボクセルは、球が隣接ボクセルの容積内にどれだけ広がっているかに基づいて（よって、それらのボクセル間の寄与がどれだけ強いと推定されるかに基づいて）重み付けしてもよい。例えば、割り当てる必要のある３つの異なる重みがあってもよく、これらには：２Ｄの面を共有するボクセルについての重み、１Ｄの線を共有するボクセルについての重み、および０Ｄの点を共有するボクセルについての重みである。各ボクセルの中に均一な組織分布がないことがあるので、重みは、各ボクセル内の異なる種類の分布をモデル化するように動的に適合させてもよく、その目的は、誤差を最小にする分布を見つけることである。これは、異なるタイプの組織について単一のボクセル内で複数のＭＲシグネチャを識別する能力を提供することがある。計算能力が上がるにつれ、予測能力のあるモデルの正確度が上がることがあり、そして最小化問題（よって逆問題）を解くのに使用される計算法が修正され得ることに留意されたい。
よって、ボクセルの不変ＭＲシグネチャまたはＭＲモデルが、周囲のまたは近傍のボクセルの不変ＭＲシグネチャまたはＭＲモデルに依存する実施形態では、ボクセルの不変ＭＲシグネチャまたはＭＲモデルを、２次またはＮ次の影響を使用して計算してもよい。例えば、もし、Ｎ個の１次の不変ＭＲシグネチャまたはＭＲモデル（ここでＮは整数）が存在するならば、Ｎ！／（Ｎ－２７）！個の２次の不変ＭＲシグネチャまたはＭＲモデルが（もしすべてのボクセルが互いに相互作用するならば）存在することがある。いくつかの実施形態では、位置関係を使用して逆問題を単純化する。このようにして、隣接ボクセルにおける不変ＭＲシグネチャまたはＭＲモデルが、主な（中心の）または１次のボクセルにおける不変ＭＲシグネチャまたはＭＲモデルにいかに影響するかを組み込むことにより、不変ＭＲシグネチャまたはＭＲモデルを発生させることができる。
いくつかの実施形態では、身体における組織のタイプの分布に対してボクセルの場所が任意となってしまうことを、ディザリング（ｄｉｔｈｅｒｉｎｇ）法を使用して克服する。特に、任意のボクセル配置または現在のボクセルサイズのせいで、ボクセル内に二つ以上のタイプの組織が存在することがある。これにより、このボクセルについてのＭＲモデルパラメータが大幅に変化することがある。これは、ボクセルについて一つまたは複数の不変ＭＲシグネチャまたはＭＲモデルが存在することを示唆している。これを実証するために、ボクセルを、距離ｄｘ（これは、ボクセル長さ、幅、または高さの分数である）だけ変位させてもよく、そしてＭＲモデルパラメータを再び決定してもよい。これらの過程において、組織分布を決定してもよい。その結果、このアプローチは、ボクセルサイズを変化させることなしに、解析における空間分解能を実効的に増加させることがある。
先の考察では、ブロッホ方程式をＭＲモデルの例示的な例として使用した一方、その他の実施形態では、完全なリュヴィアン計算（例えば、二つまたはさらに多くの要素の間の相互作用のリユヴィユ超行列）、または別のシミュレーション法を使用する。ＭＲモデルを使用して計算または予測されたＭＲ信号は、ＭＲスキャンの最中に取得されたＭＲ信号のナイキスト周波数と等しいまたは２倍高いレートでサンプリングされてもよいことに留意されたい。
いくつかの実施形態では、ブロッホ方程式の根底にある仮定は妥当ではない。特に、ＲＦパルス（無限に短いＲＦパルスでさえも）を用いた回転座標においては、磁化の平行および反平行の成分が結合する。もし状態が各ＲＦパルス列の前に設定し直されるならば、この影響は二次的なものである。しかしながら、状態が動的に変化するならば、例えば本特性評価法により許されるならば、誤差項をブロッホ方程式に追加しなければならないことがある。この知見により、本特性評価法を、ＲＦパルス列および／またはＲＦパルス間のデータ取得における急速変動（オン／オフ）とともに使用できるようになる。
いくつかの実施形態では、本特性評価法におけるテンソル場マッピングは、一つまたは複数の順モデル（例えばＭＲモデル）および一つまたは複数の逆ソルバーを使用する。先に言及したとおり、テンソル場マッピング（試料における順モデルパラメータの決定）は、いかなる事前計算または訓練も必要としないことがある。その上、テンソル場マッピングは、一般化された再構成問題を、測定装置またはハードウェアについてのいかなる仮定、例えばフーリエ変換（例えば、高速フーリエ変換）の使用もなしに解くことがある。よって、テンソル場マッピングは、いかなる特定の測定ハードウェアも必要でないことがある。むしろ、ハードウェアをまさしく指定するパラメータを、順モデル内に組み込んでもよい。
また順モデルの使用により、測定においてさらなる自由度が得られることがある。例えば、ＭＲ法の場合には、線形の磁場勾配および／または均一磁場は必要でないことがある。これは、原理的には、ボクセルの少なくともいくつかがわずかに異なる寸法を有してもよいことを意味する。実際に、テンソル場マッピングには、ＭＲＩには典型的に必要な別個の磁場勾配システムが必要でなくなることがある。
テンソル場マッピングにより、パラメータ、例えばＴ１およびＴ２を、既存のＭＲ法よりも速やかに特性評価することが可能になる。さらに、テンソル場マッピングの使用により、緩和パラメータの意味合いが拡張または一般化されることがある。例えば、本特性評価法は、動的変調を提供して、試料についてのさらなる情報を取り出せることがある。例えば、異方性である物質においては、多くの異なる偏極外部磁場を用いてＴ１を測定することが有用な場合があり、その理由は、物質についてのさらなる情報を得ることができるからである。特に、剛性の物質（例えば骨）は、異方性であることがあるが、その一方で流体は、等方的であることが多く、その理由は、分子が分極外部磁場に揃う傾向があるからである。ＭＲＩにおける一定の偏極外部磁場は、等方性物質、例えば水を特性評価するのに大いに適していることがある。しかしながら、異方性物質では、適切な特性評価には、多様な外部磁場方向が必要なことがあり、対応する緩和パラメータが各方向に付随している。充分に豊富なこの情報を、テンソル場マッピングを介して利用できることがある。いくつかの実施形態では、図１０および１１に示すとおり、さらに高次元の情報を、固定外部磁場方向に対応する２Ｄ画像の中に投影することができ、これはＭＲＩの場合と同様である。それにもかかわらず、テンソル場マッピングは、さらに豊富なさらに高次元の、そしてさらに一般な緩和パラメータを提供することがある。
テンソル場マッピングを用いると、信号の平均化または反復測定は必要でないことがあることに留意されたい。よって、信号対ノイズ比を上げるために、試料の状態の偏極を設定し直す、ＲＦパルス列を繰り返す、および測定結果を平均する必要はないことがある。
その上、テンソル場マッピングにより、任意の数のアイソクローム（ｉｓｏｃｈｒｏｍｅ）（空間内の複数場所でのスピン）を「ボクセル」ごとにシミュレート可能になることがある。実際に、テンソル場マッピングにより、いかなるボクセルよりも高い分解能である空間においてアイソクロームをシミュレートするまたは決定することが可能になる。その後、問題を解いた後に、さらに高次元のパラメータ空間からの情報を任意のボクセル境界（またはボクセルの任意の格子）に投影して、ボクセルのパラメータを決定することができる。このようにして、テンソル場マッピングにおけるパラメータを使用することにより、後に決定されるまたは指定される広範囲のボクセルサイズにおいてパラメータ値を決定することができる。
さらに、テンソル場マッピングは、異なるまたは変更されるあらゆる「実験」または測定の恩恵を被ることがあるが、その理由は、高次元パラメータ空間に解をさらに拘束する新情報を取り出せるからである。その結果、テンソル場マッピングは、実時間測定およびシミュレーションの恩恵を被ることがある（例えば、シミュレーションは、ＲＦパルス列と同時に実行されることがあり、よって、シミュレーションは、３００ｍｓのＲＦパルス列について３００ｍｓのうちに実行されることがある）。特に、実時間シミュレーションを実行することにより、測定における励起を変化させて、測定結果と推定された応答との間に残る誤差を低減させることを目的としてパラメータ空間の疎な部分を満たすことができ、これによりテンソル場マッピングはさらに急速に収束することが可能になる。いくつかの実施形態では、次の反復の際の誤差を最小にすることを目的として、一つまたは複数ＲＦパルスを用いた最適なＲＦパルス列を選択することができる。
よって、テンソル場マッピングは、速やかに実行することができるので、試料を連続的に励起することができ、順モデルにおけるパラメータを連続的に決定することができる。これは、新情報があらゆるＲＦパルスを用いて得られることを意味する。その上、この能力により、条件（例えば残った誤差または収束基準）が満たされるまで、定量的な正確度で反復改良が実時間でできるようになる。対照的に、後処理を使用してパラメータを決定しようとすることのあるアプローチは、問題を解くのに必要な情報のないことに立ち向かう必要がある、または試料を再スキャンする必要がある、のいずれかである場合があり、これは、追加のまたは不足している情報を実時間で収集する本特性評価法における能力とは対照的である。先に言及したとおり、実時間で取得される追加のまたは不足している情報は、空間分解能またはその一組の測定を変化させることにより得られる、容積の特定領域についての情報を含んでいることがある。
本特性評価法により、試料の内部で生じている現象の実時間での録画が可能になることがある。例えば、本特性評価法を使用して、生理学上の過程を実時間で記録することができる。よって、最小誤差に達するまでスキャンを取得するのではなく、本特性評価法を使用して、身体内部で生じている何かを「記録」してもよい、例えば摂取された水の温度が患者の胃の中で拡散するのを見てもよい。
本特性評価法が、その最中での高速なまたは実時間での収束により、測定装置（例えばＭＲスキャナ）におけるランダムノイズのスパイクまたは誤差に対して強靭なものとなる可能性があり、その理由は、この方法が測定およびシミュレーションを実時間で反復的にそして動的に収束させるからであることに留意されたい。その上、特性評価法における実時間での測定／シミュレーション能力により、測定間で試料状態を設定し直さなくともよくなることがある。むしろ、テンソル場マップが発生すると、試料応答のその後のシミュレーションまたは推定において動的状態を追跡および使用してもよい。
テンソル場マッピング（すなわち、数値シミュレーションおよび測定された物理的データ、例えば磁気共鳴法を使用した測定に基づいた物質特性の定量的推論）を、様々なやり方で解くことができる。例えば、定量的シミュレーションを、測定された物理現象にまでニュートン法を使用して収束させることができる。
代わりに、テンソル場マッピングは、最適化法を用いて収束させるまたは解くことができ、この方法により、さらに豊富な一組のパラメータを、様々な正則化項（例えば、チホノフ（Ｔｉｋｈｏｎｏｖ）または全変動正則化項）とともに、コスト関数中で考慮することが可能になることがある。特に、そうした最適化問題におけるコスト関数は、スピン力学の物理（すなわち、ブロッホ方程式、またはブロッホ方程式とその変形、例えばブロッホ－トーリー）またはスピン力学と電気力学との組み合わせ（すなわち、マクスウェル方程式とブロッホ方程式の結合）に基づいていてもよい。後者の場合には、マクスウェル方程式が、最適化問題をモデリングおよび正則化するのに有用となることがある。例えば、最適化問題においてマクスウェル方程式を使用することにより、ラジオ周波数（ＭＲの用語ではＢ１）場が拘束されることがある。加えて、最適化問題におけるマクスウェル方程式により、試料の電気的パラメータ（誘電率および伝導率）を決定することが可能になることがある。この能力は、高磁場、例えば１Ｔより大きい磁場の大きさにおいて顕著に重要となることがある。もっと低い磁場強度では、マクスウェル方程式を含んでいることが、例えば、磁気共鳴スキャナおよび／またはラジオ周波数パルスコイルをモデリングする場合に、依然として有用であることがある。最適化問題の方程式は、積分方程式または偏微分方程式のいずれかを用いるソルバーを使用して解いてもよいことに留意されたい。
テンソル場マッピングを最適化問題として定式化することにより、物質パラメータ（例えばスピン格子緩和時間Ｔ１、スピン－スピン緩和時間Ｔ２、一つまたは複数のタイプの核の密度、拡散パラメータ、誘電率、伝導率等）についてのさらに良好なそしてさらに正確な解が得られることがあり、そして収束時間は、適切な正則化項の助けにより、その他の技術と比較して低減されることがある。また、テンソル場マッピングを最適化問題として定式化することにより、問題を反復して解いて、解上で収束させることができ、そして各反復においては、最適励起を計算して、反復の各ステップで、条件数を最小にする／合わせ込みを向上させることができる。
諸方法をさらに考察する前に、以下の定義を与えて置くのが有用なことがある：すなわち、逆問題は、一つまたは複数の結果または出力から開始し、続いて、入力または原因を計算する。これは順問題の逆であり、順問題では、入力から開始し、続いて、一つまたは複数の結果または出力を計算する。
テンソル場マッピング（ＴＦＭ）は、測定された物理現象、例えば、磁気共鳴法または機械的励起法を使用する測定結果の定量的なシミュレーションを使用して、物質特性およびその他の有用な物理現象を解く。より詳細には、ＴＦＭは、実時間フィードバックループにおいて一組の線形および／または非線形物理方程式を反復して解く。この場合、各ループの反復で、問題は、「線形パラメータに関する条件数を最小にする、または、対象の容積について含まれている既存の情報に基づいて所望の一組のパラメータについて解くための非線形パラメータに関して相対感度を最小にする、空間の容積上での一組の励起（電磁および／または機械的なもの）とは何か」として、定義することができる。別の言い方をすれば、そして図１７に示すとおり、各ＴＦＭの反復のための方法１７００のステップは、機械的励起もしくは電磁気的励起のいずれか、またはそれらの組み合わせを用いて励起できる試料を励起する（操作１７１０）こと、未知のパラメータの推定に向けて解くこと、（操作１７２０）、および解かれたパラメータを用いて試料にとって一つまたは複数の最適な励起を選択すること（操作１７３０）を含む。各反復では、操作１７２０において解かれているパラメータは変動し得る。
図１６に示すとおり、システム１６００は、物理現象の測定結果を処理および捕捉することができ、例えば試料１６０５を測定システム１６１０により測定することができる。試料１６０５は、測定システム１６１０の内部に置くことができる、または測定システム１６１０は、試料１６０５の周囲に置くことができる、もしくはその周囲で操作することができる。一つの変形例では、試料１６０５は、移動させることができ、そして測定システム１６１０は、試料１６０５の運動を追跡することができる。測定システム１６１０では、システム制御は、送信器１６１６－１および１６１６－２を制御することができ、そして、試料１６０５を励起することが意図されている励起（機械的励起、電磁気的励起、または電磁的および機械的励起の両方のなんらかの組み合わせ）を発生させることができる。システムセンサ１６２０は、受信された励起応答の少なくとも一つを、試料１６０５から放出された励起応答を捕捉することができる一つまたは複数の受信器１６１８－１、１６１８－２から受信することができる。測定システム１６１０は、ハードウェア回路またはソフトウェアプログラム、またはそれらの組み合わせ、例えばフィールドプログラマブルゲートアレイ（ＦＰＧＡ）により実行される制御プログラム１６４０により制御することができる。制御プログラム１６４０は、ハードウェアまたはソフトウェアを用いた信号発生器１６４２を制御することができ、この信号発生器は時間領域パルス列信号１６４１を発生させることができ、この信号をシステム制御１６１５が使用して、制御送信器１６１６－１、１６１６－２を使用して励起を発生させることができる。また送信信号１６４１を、数値シミュレーション１６４７に情報を供給することのできる順モデル１６４３に供給することができる。順モデル１６４３と数値シミュレーションの両方は、さらなる拘束および境界条件を受信することができ、これらの制約および境界条件は、物理およびモデリングのエンジン１６４５における物理法則の方程式１６４４から導出される数値限界を適用することにより、モデルの合わせ込みおよび数値シミュレーションの、速度および正確度を向上させることができるものである。物理およびモデリングのエンジン１６４５からの出力は、または順モデル１６４３および／または数値シミュレーション１６４７の一つまたは両方により消費することができる。数値シミュレーション１６４７と順モデル１６４３はともに、非線形ソルバー１６４８により処理される結果を生成する。非線形ソルバー１６４８は、システムセンサ１６２０から受信された試料１６０５の測定された信号と、数値シミュレーション１６４７および順モデル１６４３からの出力とを使用して、パラメータ（例えば試料１６０５の再構成された特性１６９５）について解く。制御プログラム１６４０はその後、ループ処理し、反復代入し、そして新たなパルス列を定義することができ、これにより、モデル１６４３の合わせ込み、および１６４７におけるシミュレーションの正確度を向上させることができる。加えて、新たに定義されたパルス列は、物理法則の方程式１６４４の拘束またはその他の拘束（例えばもしカメラが試料の縁を識別することがきるなら、試料を越えて情報を収集する必要はない）と明らかに矛盾する可能性のある情報の収集を回避することができる。制御プログラム１６４０の初期化時の設定は、既存の非ＴＦＭ励起システム、例えばＭＲＩまたは超音波からの標準的な設定とすることができ、その後、制御プログラムループ１６４０のその後の反復では、ＴＦＭ固有の測定結果を捕捉することのできる、ＴＦＭに固有の時間領域で発生させたパルス列１６４１を定義し使用することができる。
例示のための単純化された例として、電磁石に基づいた標準的なＭＲＩシステムを使用する基本的なＴＦＭは、以下のステップ：すなわち、試料を置く視野（ＦＯＶ）（例えば２０×２０×１０ｃｍの３Ｄの箱領域）を、所与の分解能の３次元ボクセル（例えば２×２×２ｍｍ）に数値的に離散化すること、を包含する可能性がある。各ボクセルは、対応する組織に関連付けられる一組の物性を有していると仮定される。ブロッホ方程式を使用して、ボクセル内に含まれる所望の核（標準的なＭＲＩの場合における水素のプロトン、しかしモデリングは複数の核にまで拡張することができる）の磁化をモデル化する：
Figure 0007152956000013
ここでＭは磁化であり、Ｂは磁気的励起、そしてドットは時間に関する微分を表す。
これらの方程式は、各ボクセルにおいて一定である磁場および試料の物性（例えばプロトン密度、スピン－格子およびスピン－スピン緩和時間等）に関してパラメータ化することができ、入射した時間変動する電磁場に起因する各ボクセルでの磁化の時間発展を推定することを可能にする。
あらゆるシステム設計（試料に関する電磁コイルの動作周波数、幾何学形状、および位置）を仮定して、マクスウェル方程式を使用し、（例えば、表面および容積積分方程式法を使用して）主磁石、勾配、送受信コイルの詳細な数値モデルを発生させる。これらの数値モデルにより、ＦＯＶ内の各ボクセルでの電磁場に、システム内に供給された電流（励起列）をマッピングすることが可能になり、そして数値モデルを、試料の物性（例えば、誘電率および伝導率）および／またはシステムのなんらかの幾何学的／物理的特性の観点からパラメータ化することできる。もしその他のタイプの励起または影響を考慮に入れるならば、等価な入力／出力の数値モデルを、支配方程式（例えば、弾性測定法の場合では音響方程式）を適用し離散化することにより発生させることができる。
この基本的なＭＲＩの場合には、順モデルを、システムの数値電磁モデルをブロッホ方程式と結合させることにより形成し、Ｎｖ個のボクセルに離散化することになる：
Figure 0007152956000014
Figure 0007152956000015
Figure 0007152956000016
ここで［ｂ０，ｂｇ，ｂｔｘ］は、ｉ（ｔ）における列の値によりシステムが励起される場合に、主コイル、勾配、および送信コイルに起因する、ボクセルでのＮｖ個の磁気励起を有するベクトルである。ベクトルｂｒｘは、ボクセルにおける磁化に起因する受信コイルの感度を有するＮｖ個のエントリを有する。ベクトルｔ１、ｔ２、およびｐは、ボクセル化されたＦＯＶの特性を有するＮｖ個のエントリを有する。ｍは磁化ベクトルであり、Ｎｖ個のエントリを有しており、そしてｓ（ｔ）は受信された信号である。複数の送受信チャンネルおよびセンサがあって、試料に対して任意に配置されている場合があることに留意されたい。
第１のステップでは、ボクセルの物性についての一組の初期値（初期推定）、例えば、あらゆるボクセルについては一定値で、推測することになる特性のそれぞれについては平均値（例えば、プロトン密度については、１、スピン－スピン緩和時間については３００ｍｓ、およびスピン－格子回復時間については２０００ｍｓ等）を仮定することになる。
物理的システム（ＭＲＩスキャナ）は、所与の列（例えば３００ｍｓの間での励起電流の組み合わせ）を用いて励起することができ、そしてこのシステムを使用して勾配コイルおよび送信ＲＦコイルを駆動することができる。これらの（システムの電子回路に起因する非理想性を含む）電気信号は、記録することができる。
同時に、記録された信号を入力として使用して、順モデルの高速な数値シミュレーションを実行することができる。列の期間を小さな時間ステップ「例えば１ｕｓ」で離散化し、そして各ステップで、ボクセル上の電磁場を、システムの励起として記録された信号を使用して、マクスウェル方程式に基づいて計算することができる。これらの時間変動する電磁場を、ブロッホ方程式の時間積分における入力として使用して、各時間ステップでボクセルにおけるプロトンの磁化を計算することができる。受信コイルの電磁気学的モデルを使用して、これらのシミュレートされた磁化を、シミュレートされた受信信号に変換することができ：
Figure 0007152956000017
ここで、ｓは、離散化されたＮｔ個の時間点でシミュレートされた信号を有するベクトル、Ｑは、各時間ステップについてＮｔ個の磁化ベクトルを有するＮｔ×Ｎｖ行列である。複数パラメータに対するｓの微分はまた、Ｎｔ×Ｎｖ個のエントリを有する行列となる。
このシミュレーションの最中には、推定する所望の物性（プロトン密度、緩和時間、主磁場、受送信コイルの磁気プロファイル、伝導率、誘電率等）に関するボクセルの磁化の感度もまた、計算することができる。
スキャナにおいて測定された物理的信号、
Figure 0007152956000018
 、およびシミュレートされた信号は、組織特性に対するボクセルの磁化の感度とともに、反復的非線形最適化ソルバーにおいて使用されて、各ボクセルにおいて推定された物性の値を更新する（よって順モデルを更新する）。
Figure 0007152956000019
ここで、
Figure 0007152956000020
 は、同一時点での物理スキャナからの測定された信号であり、そして密度、緩和時間、ならびに受信、送信、および主場プロファイルが、スキャナコイルの非理想性に起因して推定されていると仮定している。
最適化問題は、異なる方法を使用して解くことができる。ＴＦＭの方法論はまた、各ステップで、異なるパラメータについて解くことを可能にする。例えば、プロトン密度の第１の近似は、最小二乗問題により、そしてその後、非線形パラメータを近似する一組の準ニュートン反復を適用することより、得ることができる。
この手順を、１回のループで異なる列を用いて（同一のまたは異なるパラメータについて）反復して、パラメータの推定を向上させることができる。もし数値シミュレーションが充分に高速であるならば、各ボクセルの物性の更新が、物理的スキャナにおける次の列の送信および測定と重なり得る。
ＴＦＭを使用する基本的なＭＲＩ再構成を、数値ファントムを使用してインシリコ（ｉｎ－ｓｉｌｉｃｏ）で実証するだけでなく、ソレノイドワイヤーコイル、３３０ｍＴ／ｍ／アンペアの勾配コイル、および１ｃｍ径の管状ファントムを有する０．３６Ｔ永久磁石のテーブルトップスキャナを使用してインビボ（ｉｎ ｖｉｖｏ）でも実証してきた。両方の妥当性検証は、非理想的磁場分布の近似を含んでおり、この近似は、標準的なＭＲＩ再構成法におけるアーティファクトの原因となる可能性がある。
上述の例は、異なる種類の励起を含むように一般化することができ、このような励起は、永久磁石、電磁石、または音波を用いた磁気的励起を含んでいてもよい。順モデルは、様々な物理的影響をモデル化する様々な組の方程式を組み込むことができ、これらの効果は、そうした方程式を一つに結合することが必要になることもあるものである。
ＴＦＭは、いかなるハードウェア設計とも組み合わせて適用することができる。対応するハードウェアは、対応する支配方程式を用いてモデル化する必要があり、シミュレーションされるために順モデルの部分として含めることができる。ＭＲＩの場合には、これは、異なる電界強度および磁石のタイプ（永久磁石、電磁石、または両方の組み合わせ）を、ＴＦＭフローの中に組み込めることを意味している。
ＴＦＭは、システムの特性評価を向上させる目的でその他の物性の再構成を含むように、容易に規模を調整することができる。例えば、もし、順モデルにおいて使用される磁場の数値的特性評価が、（例えば、システムが非理想的であることまたはドリフトが原因で）充分に精密ではないならば、磁場をＴＦＭにより推定されるべきパラメータとして含めることができる。これにより、その他のパラメータの定量の正確度を向上させることができるが、それは、順モデルが実際の物理現象をより良好に捕捉するであろうからである。
ＴＦＭは、計算機資源に依っているので、試料の異なる部分の再構成を並列に行うことができ、結果を再結合させて、単一の一貫した再構成にすることができる。このことはまた、複数の独立したシステムを並列に使用して、試料の特性を推定できること、例えば、異なる電界強度で働く異なるＭＲＩサブシステムを意味している。
ＴＦＭの目標全体は、空間の容積を反復して／連続して物理的に正確にモデル化／シミュレートすることができることである。ＴＦＭは、３×Ｎ次元：すなわち３つの空間次元と、空間内の各点におけるＮ個の測定次元であってベクトル量および／またはスカラー量の組み合わせであってもよいものとの連続的な流れである出力を作り出す。各時間ステップでは、ＴＦＭは、入力、出力の両方、センサ読み取り、対象についての履歴情報（別名としては医療記録、以前のスキャン等）を含むことのできるハードウェアからの捕捉信号のすべてを使用して、この３×Ｎテンソル場マップを再構成することができ、そしてその後、次の反復において３×Ｎ個の出力の品質を向上させることになる、一組の励起を選択する。品質は、この文脈において、前回の反復から既存のパラメータをさらに良好に（例えば、さらに低い誤差率で）合わせ込むことを意味するものと定義することができ、またはそれは、異なるパラメータについて解くことであってもよい。しかし極限で、励起と再構成の間の時間デルタが０になると、これは連続的な流れになる。このようにこれを記載することは価値のあることだが、それは、３×Ｎ個のテンソル間の時間デルタを縮小させているこの流れを出力できる理由が、これによりシステムが、スキャンされている静的な対象の特性をさらに迅速に解けるようになるからだけでなく、これによりシステムが、空間容積の時間変化している特性について解けるようになるから、さらにこのことが、静的であることは決してない化学反応の大きな袋である生命体をシステムがスキャンしている場合には特に意味があるからである。
ＴＦＭは、テンソルマップにおいて測定された（例えば非理想的）信号を捕捉し、順シミュレーションを使用することにより、モデルを、測定された信号に反復して合わせ込んで、合わせ込みを測定されたものにさらに近づけるようにする。良好な合わせ込みと判定された（例えば、最小誤差閾値により定義された）一つまたは複数モデルのパラメータは、「取り消す」ことができ、そして次の励起のためのパラメータ推定値として使用することができる。予測されたモデルおよび測定されたモデルは、完璧には一致しないことがある（それらは理想化された、ノイズのない場合である可能性があるのからである）が、しかしこれにより、各反復で大幅に条件数を減らすことができ、この結果、さらに高速でさらに正確な信号再構成となる。例えば、もしプロトン密度を先の反復の一つにおいて解いていたならば、Ｔ１およびＴ２について解く（よって線形および非線形方程式を分離する）場合にプロトン密度を入力として使用することができ、そしてＴ１およびＴ２を測定するための最適パルス列を、次の反復において使用するために設計、発生、または選択することができる。パラメータはまた、ＧＰＵおよびクラウドを含む現代の計算能力を使用して、各ステップで並列に解ける可能性がある。次の反復の後、前回に使用されたプロトン密度を、新しいＴ１およびＴ２の推定値（その反復からの）を使用して再計算して、プロトン密度を調整しプロトン密度とＴ１およびＴ２との間の結合効果を低減することができる。
加えて、パラメータが測定されるにつれ、モデルを合わせ込むこと、およびその他のパラメータについて解くことが、さらに容易になる。Ｂ０の場合には、（静磁場）初期近似を、コイル幾何学形状の中に磁力計を一体化することにより、空間内のいくつかの点における測定から得ることができる。測定できるパラメータの例示的な列挙：
●電磁勾配：
〇勾配パルス波形（ループを通じて電流を測定）
〇勾配チャネルプロファイル（空間的な電磁場分布を測定）
●機械的勾配：
〇位相または回転または位置に対して勾配を測定
●Ｂ０プロファイル－これは時間変化する可能性がある
●Ｂ１＋／－プロファイル
●受信コイル 幾何学形状および場所（システムの他の部分に対して）
●送信コイル 幾何学形状および場所（システムの他の部分に対して）
●Ｒｘチャネル波形（電磁または機械的または組み合わせである可能性がある）
●Ｔｘチャネル波形（電磁または機械的または組み合わせである可能性がある）
●試料の場所（システムのすべてまたは部分および時間経過に対して）
●同期－信号時間／位相同期を向上させる、そして複数信号を使用して整合性のある再構成を発生させるために、パルスの「心拍」は、送信波形パルス全体の始まりにまたはそれ全体を通してその中に埋め込むことができる。この心拍は、散発性のインパルス、ランダムに発生させたインパルス、周期的インパルスを含むことができる、または搬送波を、変調して励起波形（例えば、ＲＦ波形、または機械的励起、例えば、超音波パルスまたはその他の媒質の励起）にすることさえできる。パルスは、受信された信号中に検出することができ、そして異なる送信チャンネルすべての位相およびタイミングを揃える手助けをすることができ、これは、送信チャンネルすべてを（有限サンプリングレートに起因して）同一クロックに同期させるにせよさせないにせよそうである。
ＴＦＭはまた、その他の源から提供される追加情報、例えば、光学画像、または音波画像、または表面温度読み取りの赤外測定結果から得られた表面の物理的縁、時間内の試料の場所等を使用することができ、これらを、基本的な科学法則（マクスウェル方程式、生体内伝熱のペン（Ｐｅｎｎｅｓ）の方程式、熱力学の法則等）とともに使用して境界条件を発生させることができ、さらに収束の速度を向上させ、収束解の誤差率を低下させることができる。
閾値より上の推定値が得られた場合、またはさらに多くの計算機資源を利用できて、さらに多くのパラメータを取り出せる可能性がある、または既存のパラメータへのさらに良い合わせ込みモデルが得られる場合に、ＴＦＭにより、物理現象の再スキャン／再測定または測定結果の再処理ができる。ＴＦＭ向けのソフトウェアプラットフォームを使用して、別の逆問題を解くことができ、この問題は、空間の容積および物質が与えられたとして、コストを最小にする一組のパラメータを取り出すための最適ハードウェアを設計するものである。機械学習クラスタをこの目的に採用して、特定物質向けハードウェアを設計する、または、例えば、組織試料における特定の条件を測定するための、例えば、人間の心臓組織におけるカルシウムを検出するための特定のハードウェア装置を設計することができる。より詳細には、各反復でこれらの逆問題を迅速に近似する／解くのに、または最適励起を計算するのに使用することのできる深層学習（またはその他の機械学習を使用する）アルゴリズムを開発するための機械学習法、例えばＧＡＮ（敵対的生成ネットワーク）。実際の物理モデルを使用してパラメータを計算するために、システムはその物理モデルを使用して、ニューラルネットワーク（ＮＮ）の訓練に使用可能なＧＡＮを開発することができ、この結果として、非常に正確でスケーラブルな順モデルが得られ、そして深層学習システムを訓練するのに使用できる膨大な量の合成された訓練データを非常に迅速に発生させることができる。
ＭＲＩは、テンソル場マッピングの特別な場合である。テンソル場マッピングは、ラジオ波スペクトル内の電磁波のみならず、超音波を用いた機械的励起のような、ＦＯＶ内のその他のエネルギーおよびタイプのセンサ測定結果を、その他の種類の励起に一般化する。
人体をスキャンする特定使用の場合については、もし人間解剖学の物理モデルから開始するならば、運動および解剖学的対象といったものを、その他の正則化法を用いて合わせ込みを向上させるであろう物理モデルに組み込むことができる。
ＴＦＭの利点の一つは、ほぼ理想的なハードウェアを有する必要性が低減されることであり、これは、さらに高い空間時間分解能で、さらに定量的に／再現性良く、大幅に割安に、並列にパラメータを測定できるシステムにつながる。要約すると、この方法は、単に非理想性を許容するだけでなく、それらの非理想性を用いて性能を向上させるものであり、特定の種類の定量的な空間時間測定を行うためのコストおよび性能に関して最適化される必要がある将来のハードウェアシステムを設計する場合には、これを考慮することができる。
加えて、ＴＦＭは、事前定義されたサンプリング方式に拘束されず、選択的サンプリングを実行して、または受信された励起信号をオーバーサンプリングして、視野（ＦＯＶ）を変化させることなくより良好な合わせ込み（これは条件数を減らせる）を得ることができるが、これは、ＦＦＴを用いるＭＲＩでは不可能なことである。またｋ空間を用いる方法は、視野（ＦＯＶ）にわたって整数の空間周波数を使用することに制限されるが、その一方でＴＦＭは、時間領域信号上でのみ動作することができ（ｋ空間を使用する必要性はなく、そして整数の空間周波数に拘束される必要性もない）、そして失われる情報は何もない。ｋ空間を用いる方法は、ＦＯＶにわたる整数の空間周波数を有する信号だけを組み込むので、ＴＦＭは、視野（ＦＯＶ）にわたる非空間周波数からの信号においてデータを合わせ込むことができる。ＴＦＭはまた、ｋ空間を満たしてそれに対する合わせ込みを行うのに使用される読み出し結果を取得することができる一方で、ｋ空間のサンプリング読み出し結果の間のデータ点を無駄にすることになることから、そうすることは次善策であり、よってＴＦＭは、ＭＲＩ、またはその他のｋ空間を用いる測定および／または撮像方法の一般化である。
時間領域における変動する密度を用いたサンプリングを使用して、励起信号の捕捉を向上させることもできる。密度関数は、推定された信号の対ノイズ比（ＳＮＲ）、履歴信号、またはその他の情報もしくは要因に依存する可能性がある。時間領域サンプリングにおける変動する密度を使用することにより、合わせ込みを向上させることができ、サンプリングされた信号のサイズを圧縮することができ、そして信号処理に要する時間を削減することができ、そして励起信号をさらに高速に合わせ込むことができる。
ＦＦＴを用いた標準的なＭＲＩは、理想的であることが想定されるハードウェアに依拠し、発生したパルス列は理想的であり、送信される励起および磁場勾配の不完全性は無視される。非専門家の言葉（ｌａｙｍａｎ’ｓ ｔｅｒｍｓ）でこの差を記述する別のやり方は、信号発生器からの波形出力（理想的な場合）、または、波形発生器からの波形信号がプリアンプを通過した後の波形出力（非理想的な場合）である。ＴＦＭを可能にするプラットフォームが与えられたとすると、事例ベースの試料が、構成された一組のパラメータを用いるＴＦＭの特定の場合と等価になる。事実、ＭＲＩは、パラメータの下位集合（例えば、ＦＯＶにわたる整数の空間周波数）だけを使用するＴＦＭを用いてエミュレートされる可能性があり、例えばＴＦＭは、より抽象的であり、そしてＭＲＩを、ＴＦＭハードウェアおよび／またはソフトウェアの最優先のソフトウェアまたはハードウェア応用として、自由なパラメータの数を減らすことにより容易に実行することができる。
ＴＦＭの場合には、各ボクセルのスピンの発展は、すべての利用可能な情報（システムの不完全性、推定された物質特性、各空間の位置で受信される励起信号等）に基づいてシミュレートされ、そしてボクセルパラメータを推定することにより、すべてのボクセルの磁化信号の組み合わせがＭＲＩシステムからの測定された信号に一致するようにすることができる。
実際のシステム不完全性を組み込むことにより、各ボクセルの独立した磁化の識別を向上させることが可能になる。システム不完全性を、機械的励起システム、または機械的励起および電磁気的励起の組み合わせを使用するシステムに、同様に組み込むこめる可能がある。
一つの変形例では、ＴＦＭを適合させ単純化することにより、時間領域における受信チャンネルだけを捕捉して、システムのその他の部分をほぼ理想的なものとして特性評価することができる。別の変形例においては、既存の医療用受信コイル（電磁的または機械的励起またはその組み合わせを受信するためのもの）をＴＦＭ向けに適合させてデジタイザを含むようにすることができ、このデジタイザを、時間領域信号（例えば、捕捉される信号の少なくともナイキスト周波数、および信号に応じて、４ビットから２０４８ビットである適切なビット深度）を取得するためのサンプリングレートおよびビット幅で動作させる。ＴＦＭに適合させたコイルは、取得で得られたマルチパラメトリックな定量的パラメータを捕捉することができ、そして従来の臨床ＭＲＩスキャナまたは超音波装置に組み込める可能性があり、よって旧来からのハードウェア上で（単純化されたにもかかわらず）ＴＦＭを実現することができる。
実測波形（非理想的な場合）を使用することにより、逆問題はさらに良い条件となる（例えば、条件数が減る）が、その理由は、ハードウェアに不完全性が組み込まれるからである。ハードウェアにより発生させた実際のパルス列波形の記録から再構成する直接的な利益が存在する。もし理想化されたハードウェアが完璧に実現されるなら、またはほぼ完璧に実現されるなら、信号を記録する同じ方法が依然として有用であり得るので、信号は理想的な信号となる可能性があり、再構成を向上させる可能性がある。しかしながら、理想化されたハードウェアを作り上げるコストが、理想化されていないハードウェアのコストよりも大きい可能性のあることは大いにあり得、さらに、信号を識別して、それらの信号を、信号発生ハードウェアの特定の組からのノイズの一意的なシグネチャと関連づけること、またはハードウェアがいつ故障モードに入ろうとしているかを検出すること、のいずれかのためには、理想化されていないハードウェアの使用が好ましく、または信号再構成においていくつかのディザリング効果を提供することさえ事実である。
テンソル場マッピングは、ＲＦパルスに制限されないことがある。先に言及したとおり、非常に多様な励起を使用して、空間の領域を「励起」してもよく、このことは、これらの励起を記述する順モデルが存在する限り、そして試料における空間の容積の応答を測定することのできるセンサが存在する限りそうである。例えば、いくつかの実施形態では機械的励起を使用してもよい。これは、超音波の使用または対象への実際の「接触」を伴っていてもよい。その上、励起は、空間の領域を加熱して、その領域がいかに応答するかを見る、赤外線レーザーの構成的／破壊的な干渉を含んでいてもよい。概して、空間的な差分が存在することになるが、その理由は、異なるタイプの物質が、異なる熱力学的特性を有しており、そして異なる率で熱を吸収放射することがあるからである。いくつかの実施形態では、励起は電子ビームを含んでいてもよい。
先に言及したとおり、順モデルへ入力は、測定と、順モデルを使用するシミュレーションとの最中にハードウェアおよび／またはソフトウェアを指定する情報を含んでいてもよい。ソフトウェア入力は：試料状態、励起、および試料応答の間の関係を記述する一つまたは複数の順モデル；一つまたは複数逆ソルバー；目的関数を最適化する（例えば、測定結果とシミュレーションとの間の誤差または差分を低減する）ために試料における空間の容積に印加する励起の次の組を選択する励起選択器；試料応答を定義するパラメータ；励起を指定するのに使用することのできるアプリケーションプログラミングインターフェース；および／または測定装置におけるセンサから戻される情報を制御／読み取るアプリケーションプログラミングインターフェースを含んでいてもよい。その上、ハードウェア入力は：励起、または試料における空間の容積中にエネルギーを堆積または転送する異なる手段を発生させる発生器；励起を発生させる発生装置のその出力を測定する発生センサ；および／またはスキャンされている試料における空間の容積の応答を測定する測定センサを含んでいてもよい。
本特性評価法からの出力は、スキャンの最中に試料測定センサから収集した一組の生の時系列信号を含んでいてもよい（これを使用して、テンソル場マップの時系列または流れを発生させてもよい）ことに留意されたい。試料測定センサは、スキャンされている空間の容積について測定を実行する任意の数の異なるタイプのセンサを含んでいてもよい。加えて、出力は、測定装置について取得された物性、パラメータ、および、測定結果とともにスキャンの最中でのその性能を含む、測定装置（例えばＭＲスキャナ）についての情報を含んでいてもよい。その上、本特性評価法からの別の出力は、いわゆる量的空間またはＱ空間、すなわち、時系列のテンソル場マップを含んでいてもよい。これらのテンソル場マップは、逆ソルバーから再構成してもよい。テンソル場マップは、３つの空間次元×Ｎ個の測定次元を有するデータの流れと見なしてもよく、ここで各測定は、ベクトルまたはスカラー量であってもよい。例えば、温度はスカラー量であるが、一方で流れはベクトル量である。テンソル場マップにおける空間分解能は任意であり、そして空間に均等にまたは均一に分布している必要はない場合があることに留意されたい。よって、空間サンプリングは、一部領域においてその他よりも高密度とすることができる。さらに、別の特性評価法からの出力は、スキャンされている、そして発生した一連のテンソル場マップの一つまたは複数から再構成することのできる、試料における空間の容積の物理的順モデルを含んでいてもよい。順モデルを用いることにより、空間の容積が任意の励起に応答することになるさまを決定することができる。例えば、もし人間をスキャンするならば、順ＭＲモデルを使用して、この人体が任意の外部磁場および／または任意のＲＦパルス列にいかに応答することになるかを、その後に予測してもよい。テンソル場マップおよび／または順モデルを、スキャンが完了したの後に任意の回数だけ再計算して、さらに高品質の結果を発生させることができる（例えば、順モデル、逆ソルバーは、時間経過とともに良好になる、そして、計算のコストが下がり続ける）と同時に、先に言及したとおり、テンソル場マッピングを実行し、そして実時間で測定結果を動的に調整する顕著な利点が存在する。
いくつかの実施形態では、逆ソルバーが組織の境界を見つけることにより誤差を最小にするのに役立てるために、計算幾何学エンジンを使用して、パラメータ空間における面を合わせ込んでもよい。その上、男性または女性の解剖学的構造の解剖学的モデルを使用して、テンソル場マップの決定および測定結果を用いたパラメータの収束を加速させてもよい。さらに、試料についての履歴情報（例えばテンソル場マッピングの以前の出力）を使用して、解をさらに速やかに収束させるために、試料の初期値および／または解剖学的モデルの選択に役立ててもよい。このようにして、その後のテンソル場マッピングを、テンソル場マッピングの以前の出力と比較して異なった仕方で実行することができる。加えて、テンソル場マッピングは、医療知識のデータ構造、既知の組織シグネチャ、一つまたは複数個人の病歴（例えば、トランスクリプトーム（ｔｒａｎｓｃｒｉｐｔｏｍｅ）についての遺伝的な、後成的な情報、プロテオーム（ｐｒｏｔｅｏｍｅ）についての情報、メタボローム（ｍｅｔａｂｏｌｏｍｅ）についての情報、マイクロバイオーム（ｍｉｃｒｏｂｉｏｍｅ）についての情報等）を統合または使用する診断プラットフォームを使用してもよい。
特化されたハードウェアを必要としないことに加えて、先に言及したとおり、本特性評価法は、組織パラメータを定量化するまたは自動的に組織／構造をセグメント化するために以前の訓練または情報を必ずしも必要とするわけではない。その上、本特性評価法は、非決定論的な、統計的な、またはパターンマッチングの方法に依存しないこともある。本特性評価法は、測定装置、およびそれがスキャンする試料における空間の容積を支配する物理を表現する方程式を使用してもよい。物理が容積のスキャンの最中に変化していない限り、本特性評価法を、テンソル場マップを速やかに決定するのに使用してもよい。
いくつかの実施形態では、本特性評価法は、それが行った測定結果の信頼性と、発生させた試料における空間の容積の順モデルとに基づいて何かを実行しないとする判断を下すことができる。よって、本特性評価法を使用して、図１中のコンピュータシステム１２０は、それ自体を、そしてそれが発生させる出力を見直すことができる。例えば、コンピュータシステム１２０は、特定量の時間後に収束に失敗したことを理由に、ＭＲスキャンを、決定的な結果を出さなかったとして停止させてもよい。
代わりにまたは加えて、コンピュータシステム１２０は、治療法を一体化させてもまたは含んでいてもよい。特に、ＭＲスキャナが、一つまたは複数プロトンビーム発生器を一体化させることにより、またはそれらと通信することにより、悪性組織を、それが検出されたら切除することができるようになっていると仮定しよう。その上、ＭＲスキャナが、プロトンビームからの構成的／破壊的な干渉を使用して、組織を３Ｄ空間内で、周辺組織を損傷させることなく切除する方法を有していると仮定する。本特性評価法を使用して、コンピュータシステム１２０は、Ｎ回反復、Ｎ秒、および／またはテンソル場マップを発生させる要因を組み合わせた後に、スキャンされている試料における空間の容積の物理的な順モデルを、許容可能な精度／誤差（例えば、組織の特性、その物理的寸法、および空間における場所等の観点で）の範囲内で生成することが不可能であると判断することができる。その結果、コンピュータシステム１２０は、問題の組織を試して切除することは危険性が高すぎると判断してもよく、そしてそれゆえ、システムが切除を望んだ組織を発見したが、安全なやり方でそうするには信頼性は充分高くはないことを表示する情報をスキャンの出力に含んでいてもよい。
本特性評価法はまた、ニューラルネットワークに勝る利点を有していることがある。既存のニューラルネットワークは、一般化された関数近似器である。例えば、深層学習といった方法は、以前の例を入力として使用するのが典型的である。概して、これらの機械学習モデルが、みずからが近似をしようとしている実際の関数を決定することは不可能であり、その理由は、モデルの予測において誤差を評価するのに使用する、それらモデルのための基準点が存在しないからである。特に、ニューラルネットワークは、それを訓練するのに下敷きにした例とは非常に異なる入力に基づいて予測を行うことは困難となり得る。この観点で、ニューラルネットワークは、不可逆計算圧縮エンジンと見なすことができる。対照的に、本特性評価法における順モデルは、物理に基づいている。その結果、本特性評価法においては、関数は既知であり、そのため、応答は、近似を用いるのとは対照的に関数を用いて計算することができ、よって本特性評価法を使用して、その予測がいつ信頼できなくなるかを判断することができる。
しかしながら、ニューラルネットワークは実際の計算の有効な近似／圧縮であることから、それらを、出力（例えば予測またはシミュレーション）の正確度が劣化する条件を信頼性良く識別することのできないという代償または危険性を承知の上で、同一の入力でより高速に、必要な計算機能力を減らして実行してもよい。それゆえ、いくつかの実施形態では、本特性評価法は、一つまたは複数ニューラルネットワークと組み合わせる。ニューラルネットワークは近似であるので、そして完全なシミュレーションを行うよりも高速に実行されることになる可能性が高いため、両者を並列に実行して、１次近似をニューラルネットワークにより得るようにするのが有益であることがある。その後、２つの逆ソルバーを並列に実行してもよい。一方がニューラルネットワークに基づいていてもよく、もう一方が力づくの計算を伴っていてもよい。２つの逆ソルバーの間の差分は、ニューラルネットワークを利用したアプローチにおける誤差であることがある。このアプローチにより、ニューラルネットワークが学習できることがあるが、その理由は、この純粋なシミュレーションおよび数値的アプローチは、実時間でのフィードバックをニューラルネットワークに与えて、ニューラルネットワークにおける重みを逆伝搬／更新することができる場合があるからである。この複合的なアプローチは、依然として先験的訓練を要求または必要としないが、本特性評価法におけるシミュレーション／数値法の決定論および正確度を有する大規模ニューラルネットワークのパターンマッチングの利点を活用することができる可能性がある。複合的なアプローチは、それを訓練するのに使用した例のいずれとも異なる入力をそれが有する場合に、ニューラルネットワークを支援することがある。同様に、この複合的なアプローチを使用して、時間領域の測定から、量子化された／パラメータ化された出力（すなわち、逆問題の出力）に直接進んでもよい。
以下に、本特性評価法のその他の実施形態を記載する。本特性評価法により、推定されたＭＲ信号を、ＭＲモデルにおけるパラメータに基づいて生成することができるため、様々な強調ＭＲ画像を、使用者または操作者の命令に基づいて発生させてもよい。例えば、ＭＲ画像におけるＴ１またはＴ２強調（すなわちフレア（ｆｌａｒｅ））は、使用者の命令に基づいて動的に変動させてもよい。これは図８に示してあり、この図は、動的緩和時間強調ＭＲ画像を提供する方法８００を例示する流れ図を表しており、この方法は、システム（例えば図１におけるシステム１００）により実行してもよい。操作の最中には、システムは、外部磁場およびＲＦパルス列を試料に印加すると同時に、試料に付随するＭＲ信号の測定結果に基づいて試料の磁気応答の順モデルにおけるパラメータを決定（操作８１０）してもよい。
その後、システムは、緩和時間強調ＭＲ画像を、測定結果、パラメータ、順モデル、および外部磁場に平行な方向に沿った縦緩和時間と、外部磁場に対して垂直な方向に沿った横緩和時間との比に基づいて計算してもよい（操作８１２）。
その上、システムは、緩和時間強調ＭＲ画像を提供してもよい（操作８１４）。
その後、システムは、比へ更新を指定する使用者入力を受信してもよい（操作８１６）。例えば、使用者は、Ｔ１、Ｔ２、またはその比を指定する接触検知型ディスプレイ上に表示されるユーザーインターフェースにおける一つまたは複数の仮想スライダーを調節してもよい。
さらに、システムは、測定結果、パラメータ、順モデル、および更新された比に基づいて、見直される緩和時間強調ＭＲ画像を計算してもよい（操作８１８）。
次に、システムは、見直された緩和時間強調ＭＲ画像を提供してもよい（操作８２０）。
方法８００における「画像」が、情報の２Ｄ表現には制約されないことに留意されたい。特に、測定の最中に外部磁場方向が変動する実施形態では、決定されたパラメータは複数の異なる軸または方向（および、さらに一般的には、基底ベクトル）に関する情報を含んでいてもよい。その結果、ＭＲモデルにおけるパラメータは、多くの異なる基底ベクトルに関して試料の異なる特性についての３Ｄ情報を含んでいてもよい。それゆえ、いくつかの実施形態では、「画像」は、取得された情報の３Ｄまたはさらに高次元表現を含んでいると理解されるものとする。
図９は、図１のシステム１００における構成要素間の通信を例示する図を表している。特に、コンピュータシステム１１４におけるプロセッサ１１８は、メモリ１２０内の情報９１０、例えば、試料について測定されたＭＲ信号にアクセスしてもよい。この情報を使用して、プロセッサ１１８は、情報９１０を解析して、パラメータ９１２、例えばＴ１またはＴ２を決定してもよい。この解析は：登録、位置合わせ、セグメント化、ＭＲモデルにおけるパラメータの決定、ＭＲモデルを使用したシミュレーションまたはＭＲ信号の推定、および／または測定されたＭＲ信号と一つまたは複数のテンプレートとの比較が必要なことがある。解析の最中には、プロセッサ１１８は、メモリ１２０内の追加情報９１４にアクセスしてもよい。プロセッサ１１８はまた、メモリ１２０にパラメータ９１２を記憶してもよい。
その後、プロセッサ１１８は、ＭＲ信号、パラメータ９１２、順ＭＲモデル、およびＴ１のＴ２に対する比（またはＴ２のＴ１に対するもの）に基づいて、緩和時間強調ＭＲ画像９１６を計算してもよい。その上、プロセッサ１１８は、インターフェース回路１１６に命令して、緩和時間強調ＭＲ画像９１６をコンピュータ９１８へ提供させてもよく、この画像を放射線科医が使用してもよい。
緩和時間強調ＭＲ画像９１６を受信した後、コンピュータ９１８におけるインターフェース回路９２０は、緩和時間強調ＭＲ画像９１６をプロセッサ９２２に提供してもよい。さらに、プロセッサ９２２は、命令９２４をディスプレイ９２６に提供して、緩和時間強調ＭＲ画像９１６を表示させてもよい。
次に、プロセッサ９２２は、使用者入力９２８を受信してもよい。例えば、ディスプレイ９２６は、接触検知型ディスプレイであってもよく、そして使用者入力９２８は、ディスプレイ９２６上に表示されたユーザーインターフェースを用いた（仮想アイコンを用いた）、使用者との対話に基づいていてもよい。代わりにまたは加えて、使用者入力９２８は、物理的なユーザーインターフェース装置、例えばキーボード、マウス等を使用する使用者により提供されてもよい。使用者入力９２８は、Ｔ１、Ｔ２を指定してもよく、および／またはＴ１とＴ２の比（またはＴ２のＴ１に対するもの）を更新してもよい。
これに応答して、プロセッサ９２２は、インターフェース回路９２０に命令して、Ｔ１とＴ２の更新された比を指定する情報９３０をコンピュータシステム１１４へ提供させてもよい。情報９３０を受信した後、インターフェース回路１１６は、Ｔ１とＴ２の更新された比をプロセッサ１１８に提供してもよく、そしてプロセッサ１１８は、ＭＲ信号、パラメータ９１２、順ＭＲモデル、およびＴ１のＴ２に対する更新された比に基づいて、見直された緩和時間強調ＭＲ画像９３２を計算してもよい。その上、プロセッサ１１８は、インターフェース回路１１６に命令して、緩和時間強調ＭＲ画像９３２をコンピュータ９１８へ提供させてもよい。
緩和時間強調ＭＲ画像９３２を受信した後、コンピュータ９１８におけるインターフェース回路９２０は、緩和時間強調ＭＲ画像９３２をプロセッサ９２２に提供してもよい。さらに、プロセッサ９２２は命令９３４をディスプレイ９２６に提供して、緩和時間強調ＭＲ画像９３２を表示させてもよい。
制限された組の特性の定量的または「重みづけされた」測定結果を通常提供するＭＲＩまたはＭＲＳＩへの既存のアプローチとは対照的に、本特性評価法は、試料についてのさらに豊富でさらに動的、定量的な情報を得やすくすることがある。例えば、図１０に示すとおり、この図はグラフィカルユーザーインターフェース１０００を例示する図を表しており、領域１０１０は、緩和時間強調磁気共鳴画像１０１２を表していても、または表示していてもよい。この緩和時間強調磁気共鳴画像は、外部磁場およびＲＦパルス列が試料に印加されている間に試料に付随するＭＲ信号の測定結果、試料の磁気応答の順モデルにおけるパラメータ、順モデル、およびＴ１とＴ２との比「またはＴ２のＴ１に対するもの」に対応していてもよい。いくつかの実施形態では、緩和時間強調磁気共鳴画像を発生させる場合には、Ｔ２ ＊をＴ２の代わりに使用する。
その上、グラフィカルユーザーインターフェース１０００は、使用者がＴ１とＴ２の比を修正または更新することを可能にする一つまたは複数仮想アイコン（例えばスライダー１０１４）を含んでいてもよい。図１１に示すとおり、この図は、仮想アイコン１０１４を用いて（例えば新たな位置へスライダーをスライドさせることにより）Ｔ１とＴ２の比を使用者が変更することに応答するグラフィカルユーザーインターフェース１１００を例示する図を表しており、領域１０１０は、見直された緩和時間強調ＭＲ画像１０１６、ＭＲ信号の測定結果に対応する見直された緩和時間強調ＭＲ画像１０１６、パラメータ、順モデル、およびＴ１とＴ２の修正された比を表示してもよい。よって、本特性評価法を使用して、動的に調整可能なＴ１および／またはＴ２強調画像を発生および／または表してもよい。
以下に本特性評価法および方法３００のさらなる一般化版を記載する（図３）。図１２は、試料に付随するパラメータを決定する方法１２００を例示する流れ図を表しているが、この方法は、システム（例えば図１におけるシステム１００）により実行してもよい。操作の最中には、システムは、外部磁場およびＲＦパルス列を試料に印加（操作１２１０）してもよい。
その後、システムは、試料に付随する少なくとも磁化の成分を測定（操作１２１２）してもよい。
その上、システムは、磁化の測定された成分、順モデル、外部磁場、およびＲＦパルス列に基づいて、少なくとも、試料に付随するボクセルについて、予測されたまたは推定された磁化の成分を計算（操作１２１４）してもよい。
次に、システムは、磁化の予測された成分と磁化の測定された成分との間の差分が事前定義値未満になるまで、順モデルにおけるボクセルに付随するパラメータを反復して修正する（操作１２１６）ことにより、逆問題を解いてもよい。パラメータは、或るタイプの核の密度、外部磁場に平行な方向に沿った縦緩和時間（例えばＴ１）、および外部磁場に対して垂直な方向に沿った横緩和時間（例えばＴ２またはＴ２ ＊）を含んでいてもよいことに留意されたい。
その上、反復的な修正は、ニュートン法を使用するヤコビアン行列に基づいていてもよい。さらに、反復的な修正は、少なくとも磁化の成分の以前の測定結果を使用して決定されたパラメータに基づいて拘束されてもよい。代わりにまたは加えて、パラメータの初期値は、試料における異なるタイプの組織について事前定義されたパラメータ範囲内にあってもよい。
いくつかの実施形態では、システムは、随意に一つまたは複数の追加操作を実行（操作１２１８）してもよい。例えば、システムは、ボクセル間の或る方向に沿った、パラメータの少なくともいくつかにおける不連続な変化に基づいて、試料における組織タイプをセグメント化してもよい。その上、パラメータは、磁化の測定された成分上でフーリエ変換を実行することなしに決定してもよい。さらに、磁化の成分の計算および反復的な修正は、磁化の成分の測定と時間的に並行して実行してもよい。
加えて、システムは、外部磁場の大きさおよび方向の少なくとも一つを、測定の最中に時間の関数として変化させてもよい。例えば、システムは：外部磁場およびＲＦパルス列の少なくとも一つを修正しても；修正された外部磁場およびＲＦパルス列の少なくともの一つを、試料が完全に緩和する前にまたは試料の状態を設定し直さずに、試料に印加しても；少なくとも、磁化の成分の第２のインスタンスを測定しても；磁化の成分の測定された第２のインスタンス、順モデル、修正された外部磁場、または修正されたＲＦパルス列に基づいて、試料に付随するボクセルについて、少なくとも、磁化の測定された成分の第２のインスタンスを計算しても；および順モデルにおけるボクセルに付随するパラメータを反復して修正することにより、磁化の予測された成分の第２のインスタンスと磁化の測定された成分の第２のインスタンスとの間の差分が事前定義値未満になるまで逆問題を解いてもよい。その上、システムは、順モデル、外部磁場、およびＲＦパルス列に基づいて試料の動的状態を決定してもよく、この場合、修正された外部磁場および修正されたＲＦパルス列の少なくとも一つが試料に印加される場合の動的状態は、磁化の予測された成分の第２のインスタンスを計算する場合に初期状態として使用してもよい。よって、本特性評価法により、パラメータの測定および修正を連続的に行うことが可能になる。修正された外部磁場および修正されたＲＦパルス列の少なくとも一つは、磁化の予測された成分の第２のインスタンスと磁化の測定された成分の第２のインスタンスとの間の差分が最小になるように選択してもよいことに留意されたい。
さらに、図６を参照しつつ先に記載したとおり、パラメータは、パラメータに付随する時間スケールに基づいて順次決定してもよく、そして最短時間スケールを有するパラメータを最初に決定してもよい。
いくつかの方法３００（図３）、８００（図８）および／または１２００（図１２）の実施形態では、さらなるまたはそれより少ない操作が存在してもよい。さらに、操作の順序を変えてもよい、および／または２つまたはさらに多くの操作を組み合わせて単一操作にしてもよい。
図１３は、図１のシステム１００における構成要素間の通信を例示する図を表している。特に、コンピュータシステム１１４内のプロセッサ１１８は、メモリ１２０におけるアクセス情報１３１０にアクセスしてもよい。この情報を用いて、プロセッサ１１８は、スキャン計画１３１２およびスキャン命令１３１４を決定してもよい。その後、プロセッサ１１８は、ＭＲスキャナ１１０にインターフェース回路１１６を介して、スキャン命令１３１４を提供してもよい。
インターフェース回路２４４がスキャン命令１３１４を受信した後、プロセッサ１３１６はそれらを実行することにより、ＭＲスキャナ１１０が初期ＭＲスキャン１３１８を実行するようにしてもよい。ＭＲスキャン１３１８の最中には、ＭＲスキャナ１１０は、スキャン命令１３１４に基づいて、外部磁場およびＲＦパルス列を試料に印加してもよく、そしてＭＲ信号１３２０を取得または捕捉してもよく、この信号はコンピュータシステム１１４に提供される。
プロセッサ１１８は、ＭＲ信号１３２０を解析して、試料のＭＲモデルにおけるパラメータ１３２２を決定してもよい。解析の最中には、プロセッサ１１８は、少なくとも、ＭＲ信号１３２０、順ＭＲモデル、外部磁場、およびＲＦパルス列に基づいて、試料に付随するボクセルについての予測されたまたは推定された磁化の成分を計算してもよい。その上、解析の最中には、プロセッサ１１８は、メモリ１２０内の追加情報１３２４にアクセスしてもよい。
ＭＲ信号１３２０と推定されたＭＲ信号との間に残った差分に基づいて、プロセッサ１１８は、スキャン計画１３２６を動的に更新してもよい。その後、プロセッサ１１８は、更新されたスキャン命令１３２８を決定してもよく、これらの命令はＭＲスキャナ１１０に提供される。
ＭＲスキャナ１１０が、スキャン命令１３２８を受信した後、プロセッサ１３１６はそれらを実行することにより、ＭＲスキャナ１１０がＭＲスキャン１３３０を実行するようにしてもよい。ＭＲスキャン１３３０の最中には、ＭＲスキャナ１１０はＭＲ信号１３３２を取得または捕捉してもよく、これらの信号はコンピュータシステム１１４に提供される。
プロセッサ１１８は、個人のＭＲスキャンが完了する、および／または一つまたは複数決定されたパラメータの所望の正確度１３２２が実現するまで、前述の操作の一つまたは複数を繰り返してもよいことに留意されたい。よって、プロセッサ１１８は、予測されたＭＲ信号と測定されたＭＲ信号との間の差分が事前定義値未満になるまで、順ＭＲモデルにおけるボクセルに付随するパラメータ１３２２を反復して修正することにより、逆問題を解いてもよい。プロセッサ１１８はまた、情報１３３４（例えばＭＲ信号、メタデータ、およびその他の関連情報）をメモリ１２０内に記憶させてもよい。
加えて、コンピュータシステム１１４は、ＭＲスキャンについての情報１３３６をサードパーティー（例えば、放射線科医）に、例えば、サードパーティーに付随するコンピュータ１３３８に提供してもよい。その後、コンピュータ１３３８は、現在のスキャン計画、将来のスキャン計画、将来の推奨スキャン時間、一つまたは複数のテンプレート等を更新するのに使用される、サードパーティーからのフィードバック１３４０を提供してもよい。
テンソル場マッピングの代表的な実施形態では、偏極場が随意に試料に印加される。その後、励起が試料に印加される。励起場は、一つまたは複数のＲＦパルス以外であってもよいことに留意されたい。その上、励起への試料の応答が測定される。いくつかの実施形態では、信号入力、および測定装置から出力（例えば、ＲＦパルスまたは磁場不均一性、ＭＲスキャナについての情報等）もまた測定される。次に、試料の応答が、順モデルを用いてシミュレートされる。さらに、順モデルにおけるパラメータが、試料の測定された応答とシミュレートされたまたは予測された応答との間の差分に基づいて、反復して修正される。
よって、一つまたは複数の非侵襲的撮像または測定法を使用することによって、非侵襲的撮像または測定結果とシミュレートされたまたは計算された測定結果との定量的比較を使用して、試料におけるボクセルを特性評価するまたは記述するパラメータを有する予測能力のあるモデルを反復して更新してもよい。
先の考察は、本特性評価法におけるＭＲ法の使用を例示する一方、このアプローチを、非常に多様な測定法を使用して実時間で物質を物理的にモデル化し測定することのできる測定システムにまで一般化してもよい。概して、この測定システムは、スキャンされている容積がいかに摂動に応答するかの観点での予測の正当性を推定するために、機械的および／または電磁的な波の組み合わせを使用して、その容積を「摂動させる」または「励起させる」ことができる。このことはまた、測定システムが、それ自体をシミュレートする、そして、測定システムの位置している環境であって、スキャンされているまたは測定されている容積を記述するために測定システムが発生させようと試みている予測能力のあるモデルの正当性または正確度に影響する可能性のある環境のいかなる部分もシミュレートする能力を含んでいる。
異なる測定法が、テンソル場マッピングおよびテンソル場における異常を検出する能力を提供してもよいことに留意されたい。これらのマップは、画像または定量的テンソル場マップとすることができ、そしてそれらの測定法のそれぞれは、異なる測定法を用いて捕捉された異なるタイプのテンソル場マップの視覚化を提供してもよい。これらのマップの２つ以上を見るまたは考慮することによって、測定システムは、直交する情報を利用できることがある。
よって、測定システムは、実時間で、またはほぼ実時間で、さらに高次または超高次元の擬似または複合テンソル、または行列を、３Ｄ空間における各ボクセルにおいて捕捉する方法を提供することがある。電磁的および／または機械的摂動または励起を使用して、測定システムは、異なる測定法を使用して、擾乱および応答を測定し、そしてその後、応答をシミュレートしてもよい。その上、測定システムは、測定された応答とシミュレートされた応答との間の差分に基づいて、この過程を反復してもよい。例えば、反復の最中に、サンプリング周波数、測定法等を修正して、シミュレーションを調整し差分を減少させるのにその後使用される追加情報を決定してもよい。別の言い方をすれば、次の摂動または擾乱を、超高次元空間にわたる差分の誤差を最小にするように選択してもよい。この適合または学習は、一つまたは複数の教師付き学習技術（例えば、深層学習技術、サポートベクトルマシン、分類木および回帰木、ロジスティック回帰、線形回帰、非線形回帰、ニューラルネットワーク、パターン認識、ベイズ法等）、および／または非決定論的アプローチ（例えば発見法的なもの）に基づいていてもよいことに留意されたい。
その結果、ボクセルでの超高次元行列は、固定された分解能および／または固定された一組のパラメータを有していなくてもよい。むしろ、この情報（例えば行列の疎性）は、以前のスキャンおよび／または現在のスキャンの結果に基づいて変動してもよい。例えば、粗いスキャンの後に、拘束、例えば事前の知識（例えば、１人または複数人の個人の病歴等）に基づいて、特定の領域または対象となっている特徴の高分解能スキャンがあってもよい。
この特性評価の結果は、（４＋Ｎ）Ｄ（３つの空間次元、一つの時間次元、および空間における各点でのＮ個の測定次元）の、スキャンされている容積の定量的モデルであってもよい。よって、本特性評価法は、ＭＲＩ以外のＭＲ法が必要である、またはＭＲＩを含んでいることがある。（４＋Ｎ）Ｄ定量的モデルは、２Ｄまたは３Ｄ画像を含め、完全な（４＋Ｎ）Ｄ空間の任意の下位集合上に射影してもよいことに留意されたい。
いくつかの実施形態では、さらに大きなボクセルサイズを使用したとしても、多次元のデータおよびモデルの使用により、従来のＭＲＩアプローチと比較して増強された診断精度（すなわち、さらに低い偽陽性率）が得られる。よって、本特性評価法により、従来のＭＲＩにおいて必要なものよりもより大きなボクセルサイズで、診断精度の向上が可能になることがある。しかしながら、先に言及したとおり、本特性評価法は、ＭＲＩに加えて非常に多様な測定法とともに使用してもよい。
以下、本特性評価法における操作の少なくともいくつかを実行する電子装置をさらに記載する。図１４は、システム１００（図１）内の電子装置１４００、例えば、コンピュータシステム１１４（図１）、またはシステム１００（図１）内のコンピュータ制御された構成要素のその他を例示するブロック図を表している。この電子装置は、処理サブシステム１４１０、メモリサブシステム１４１２、およびネットワーキングサブシステム１４１４を含む。処理サブシステム１４１０は、計算操作を実行するように、そしてシステム１００（図１）内の構成要素を制御するよう構成された一つまたは複数の装置を含んでいてもよい。例えば、処理サブシステム１４１０は、一つまたは複数のマイクロプロセッサ、一つまたは複数の画像処理装置（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、マイクロコントローラ、プログラマブルロジックデバイス、および／または一つまたは複数のデジタルシグナルプロセッサ（ＤＳＰ）を含んでいてもよい。
メモリサブシステム１４１２は、処理サブシステム１４１０およびネットワーキングサブシステム１４１４のためのデータおよび／または命令を記憶する一つまたは複数の装置を含んでいてもよい。例えば、メモリサブシステム１４１２は、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、および／またはその他のタイプのメモリを含んでいてもよい。いくつかの実施形態では、メモリサブシステム１４１２内の処理サブシステム１４１０のための命令は、一つまたは複数のプログラムモジュール１４２４または複数組の命令を含み、これらは、処理サブシステム１４１０による操作環境（例えばオぺレーティングシステム１４２２）において実行してもよい。一つまたは複数のコンピュータプログラムは、コンピュータプログラム機構またはプログラムモジュール（すなわち、ソフトウェア）を構成していてもよいことに留意されたい。その上、メモリサブシステム１４１２内の様々なモジュールにおける命令は：高水準手続き型言語、オブジェクト指向プログラミング言語、および／またはアセンブリ言語もしくは機械語の中に実装してもよい。さらに、プログラミング言語は、コンパイルされて、または翻訳されて、例えば、構成可能になっていて、または構成されていて（これらは、この考察においては交換可能に使用されることがある）、処理サブシステム１４１０によって実行されてもよい。
加えて、メモリサブシステム１４１２は、メモリへのアクセスを制御する機構を含んでいてもよい。いくつかの実施形態では、メモリサブシステム１４１２は、電子装置１４００内のメモリに結合した一つまたは複数のキャッシュを含むメモリ階層を含む。これらの実施形態のいくつかでは、これらのキャッシュの一つまたは複数が、処理サブシステム１４１０の中に位置している。
いくつかの実施形態では、メモリサブシステム１４１２が、一つまたは複数の大容量の大容量記憶装置（図示せず）に結合されている。例えば、メモリサブシステム１４１２は、磁気または光学ドライブ、ソリッドステートドライブ、または別のタイプの大容量記憶装置に結合されていてもよい。これらの実施形態では、メモリサブシステム１４１２を、頻繁に使用されるデータのための高速アクセスの可能なストレージとして電子装置１４００が使用してもよく、同時に、大容量記憶装置を、それほど使用頻度の高くないデータを記憶するのに使用してもよい。
いくつかの実施形態では、メモリサブシステム１４１２は、遠隔地に置かれたアーカイブ装置を含む。このアーカイブ装置は、大容量ネットワークに取り付けられた大容量記憶装置、例えば：ネットワーク接続ストレージ（ＮＡＳ）、外付けハードドライブ、ストレージサーバ、サーバーのクラスタ、クラウドストレージプロバイダ、クラウドコンピューティングプロバイダ、磁気テープバックアップシステム、医療記録アーカイブサービス、および／または別のタイプのアーカイブ装置とすることができる。その上、処理サブシステム１４１０は、アプリケーションプログラミングインターフェースを介してアーカイブ装置と対話して、アーカイブ装置からの情報を記憶および／またはこれにアクセスしてもよい。メモリサブシステム１４１２および／または電子装置１４００は、米国における医療保険の移管可能性と説明責任に関する法令（Ｈｅａｌｔｈ Ｉｎｓｕｒａｎｃｅ Ｐｏｒｔａｂｉｌｉｔｙ ａｎｄ Ａｃｃｏｕｎｔａｂｉｌｉｔｙ Ａｃｔ）に準拠していてもよい。
メモリサブシステム１４１２内に（手近におよび／または遠隔地に）記憶されたデータの例を図１５に示すが、この図は、電子装置１４００（図１４）により使用されるデータ構造１５００の例を示す図を表している。このデータ構造は：個人１５０８－１の識別子１５１０－１、ラベル情報１５１２（例えば、年齢、性別、生検結果、および、もしすでに作成されているならば診断、および／またはあらゆるその他の好適な試料情報）、データが取得された場合にはタイムスタンプ１５１４、受信されたＭＲ信号１５１６（および、さらに一般的には、生データ）、ＭＲ撮影およびモデルパラメータ１５１８（ボクセルサイズ、速度、共鳴周波数、Ｔ１およびＴ２緩和時間、信号処理法、ＲＦパルス法、磁場勾配強度、可変磁場Ｂ０、パルス列等を含む）、メタデータ１５２０（例えば個人１５０８－１を特性評価する情報、人口統計情報、家族歴、随意のセグメント化データ、生データからの、またはそれに応答して生成されたデータ等）、環境条件１５２２（例えば、個人１５０８－１が測定された部屋またはチャンバにおける温度、湿度、および／または気圧）、決定された不変ＭＲシグネチャ１５２４（またはＭＲモデル）、個人１５０８－１の物性の一つまたは複数（例えば、体重、寸法、画像等）の追加の測定結果１５２６、ＭＲ信号１５１６（例えば推定された不変ＭＲシグネチャ）に応答したまたはそれから発生した変換データ１５２８、随意に検出された異常１５３０（これは、特定のボクセルについては、一つまたは複数の検出された異常１５３０を指定する情報を含む）、検出された異常１５３０）の随意の分類１５３２、登録情報１５３４、および／またはセグメント化情報１５３６を含んでいてもよい。データ構造１５００は、異なるスキャン命令のための複数エントリを含んでいてもよいことに留意されたい。
一実施形態では、データ構造１５００におけるデータは、ブロックチェーン、または不正な修正または記録の破壊を検出する類似の暗号化ハッシュ法を使用して暗号化されていてもよい。その上、データをストレージに先立って匿名化することにより、個々の身元を、これにアクセスまたはこれを公開する許可または承認を個人が与えていない限り、匿名であるようにすることができる。
図１４を再び参照すると、ネットワーキングサブシステム１４１４は、有線の、光学的な、および／または無線のネットワークに結合し、通信する（すなわち、ネットワーク操作、そしてさらに一般的には、通信を実行）するように構成された一つまたは複数の装置、例えば：制御論理１４１６、インターフェース回路１４１８、一つまたは複数のアンテナ１４２０、および／または入力／出力（Ｉ／Ｏ）ポート１４２８を含んでいてもよい。（図１４は、一つまたは複数のアンテナ１４２０を含むと同時に、いくつかの実施形態では、電子装置１４００は、一つまたは複数のノード１４０８、例えば、パッドまたはコネクタを含み、これを一つまたは複数のアンテナ１４２０に結合させることができる。よって、電子装置１４００は、一つまたは複数のアンテナ１４２０を含んでも含んでいなくてもよい。）例えば、ネットワーキングサブシステム１４１４は、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）ネットワークシステム（これは、ブルートゥース・ロー・エネルギー（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）、ＢＬＥ、またはブルートゥースＬＥを含むことができる）、セルラーネットワーキングシステム（例えば、３Ｇ／４Ｇネットワーク、例えばＵＭＴＳ、ＬＴＥ等）、ユニバーサルシリアルバス（ＵＳＢ）ネットワーキングシステム、ＩＥＥＥ８０２．１１に記載の規格に基づくネットワーキングシステム（例えば、Ｗｉ－Ｆｉネットワーキングシステム）、イーサネット（Ｅｔｈｅｒｎｅｔ）ネットワーキングシステム、および／または別のネットワーキングシステムを含むことができる。
その上、ネットワーキングサブシステム１４１４は、プロセッサ、コントローラ、無線機／アンテナ、ソケット／プラグ、および／または各サポートされたネットワーキングシステムのためのデータおよびイベントに結合する、これと通信する、およびこれを操作するのに使用されるその他の装置を含んでいてもよい。各ネットワーキングシステムのためのネットワーク上のデータおよびイベントに結合する、これと通信する、およびこれを操作するのに使用される機構は、ネットワークサブシステム１４１４のための「ネットワークインターフェース」と総称されることもあることに留意されたい。その上、いくつかの実施形態では、システム１００（図１）における構成要素間の「ネットワーク」は、依然として存在しない。それゆえ、電子装置１４００は、構成要素間の単純な無線通信を実行するため、例えば、アドバタイジングフレーム（ａｄｖｅｒｔｉｓｉｎｇ ｆｒａｍｅ）またはビーコンフレーム（ｂｅａｃｏｎ ｆｒａｍｅ）を送信する、および／またはその他の構成要素により送信されたアドバダイジングフレームについてスキャンするため、ネットワーキングサブシステム１４１４における機構を使用してもよい。
電子装置１４００内部では、処理サブシステム１４１０、メモリサブシステム１４１２、ネットワーキングサブシステム１４１４を、一つまたは複数のインターコネクト、例えばバス１４２６を使用して結合してもよい。これらのインターコネクトは、互いの間でコマンドおよびデータを通信するのにサブシステムが使用できる電気的、光学的、および／または電気光学的接続を含んでいてもよい。分かりやすくするためにただ一つのバス１４２６を示すが、異なる実施形態は、サブシステム間で異なる数または構成の電気的、光学的、および／または電気光学的接続を含んでいてもよい。
電子装置１４００は、非常に多様な電子装置の中に含まれていてもよい（そこに含まれるようにすることができる）。例えば、電子装置１４００は、タブレットコンピュータ、スマートフォン、スマートウォッチ、携帯式計算装置、試験装置、デジタルシグナルプロセッサ、計算装置のクラスタ、ラップトップコンピュータ、デスクトップコンピュータ、サーバー、サブノートブック／ノートブック、および／または別の計算装置の中に含まれていてもよい。
特定の構成要素は、電子装置１４００を記載するのには使用されないものの、代替実施形態では、異なる構成要素および／またはサブシステムが電子装置１４００の中に存在してもよい。例えば、電子装置１４００は、一つまたは複数の追加の処理サブシステム、メモリサブシステム、および／またはネットワークサブシステムを含んでいてもよい。加えて、サブシステムの一つまたは複数は、電子装置１４００の中に存在していなくてもよい。その上、いくつかの実施形態では、電子装置１４００は、図１４に示されていない一つまたは複数の追加のサブシステムを含んでいてもよい。
別個のサブシステムが、図１４に示されているものの、いくつかの実施形態では、所与のサブシステムまたは構成要素のいくつかまたはすべては、電子装置１４００におけるその他のサブシステムまたは構成要素の一つまたは複数に一体化することができる。例えば、いくつかの実施形態では、一つまたは複数のプログラムモジュール１４２４がオペレーティングシステム１４２２内に含まれる。いくつかの実施形態では、所与のサブシステムにおける構成要素は、異なるサブシステムの中に含まれる。さらに、いくつかの実施形態では、電子装置１４００は、単一の地理的場所に位置している、または複数の異なる地理的場所にわたり分布している。
その上、電子装置１４００における回路および構成要素は、バイポーラ、ＰＭＯＳおよび／またはＮＭＯＳのゲートまたはトランジスタを含め、アナログおよび／またはデジタル回路のいかなる組み合わせを使用して実装してもよい。さらに、これらの実施形態における信号は、ほぼ離散的な値を有するデジタル信号および／または連続的な値を有するアナログ信号を含んでいてもよい。加えて、構成要素および回路は、シングルエンド型または差動型であってもよく、そして電源は、単極式または双極式であってもよい。
集積回路は、ネットワーキングサブシステム１４１４の機能のいくつかまたはすべて（例えばラジオ）、そしてさらに一般的には、電子装置１４００の機能のいくつかまたはすべてを実装してもよい。その上、集積回路は、電子装置１４００から無線信号を送信するのに、そしてシステム１００（図１）内のその他の構成要素からの、および／またはシステム１００（図１）の外部の電子装置からの信号を電子装置１４００で受信するのに使用されるハードウェアおよび／またはソフトウェア機構を含んでいてもよい。本明細書に記載の機構を別にして、無線機は概して、当技術分野で公知であり、それゆえ詳細には記載しない。概して、ネットワーキングサブシステム１４１４および／または集積回路は、いかなる数の無線機を含んでいてもよい。複数無線機の実施形態における無線機は、単一無線機の実施形態に記載された無線機と同様にして機能することに留意されたい。
先の実施形態における操作のいくつかは、ハードウェアまたはソフトウェアに実装されたが、一方で、先の実施形態における操作は概して、非常に多様な構成およびアーキテクチャに実装することができる。それゆえ、先の実施形態における操作のいくつかまたはすべては、ハードウェア、ソフトウェア、または両方において実行してもよい。
加えて、先の実施形態のいくつかでは、さらに少ない構成要素、さらに多くの構成要素が存在する、構成要素の位置が変えられる、および／または２つまたはさらに多くの構成要素が結合される。
先の考察は、ベクトル波動方程式を解く特性評価法を例示したが、一方で、その他の実施形態では、本特性評価法を使用してスカラー方程式を解いてもよい。例えば、音波方程式を、順モデルを使用する超音波測定に基づいて任意の不均一媒質において解いてもよい。（よって、いくつかの実施形態では、励起は、機械的である。）超音波測定における音響結合は、操作者に依存し得る（すなわち、超音波測定は、圧力依存性であることがある）ことに留意されたい。それにもかかわらず、類似のアプローチを使用して：超音波撮像の改良、３Ｄ構造の決定、表示の改良の容易化等を行ってもよい。
先の記載では、我々は「いくつかの実施形態」に言及している。「いくつかの実施形態」は、可能なすべての実施形態の下位集合を記載しているが、実施形態の同じ下位集合を指定しているとは限らないことに留意されたい。
前記は、いかなる当業者も本開示を作製および使用することが可能であることを意図しており、そして特定の応用およびその要件の文脈において提供される。その上、本開示の実施形態の先の記載を、例示および記載の目的でのみ示してきた。それらは、限定的であること、すなわち本開示を開示された形態に限定することを意図するものではない。したがって、多くの変更および変形は、当業者には明らかになり、そして本明細書において定義されている一般的な原理は、その他の実施形態および応用に、本開示の趣旨および範囲から逸脱することなく適用してもよい。加えて、先の実施形態の考察は、本開示を限定することを意図していない。よって、本開示は、示された実施形態に限定されることが意図されるものではなく、本明細書に開示された原理および特徴と整合する最も広い範囲に準拠することが意図されている。

Claims (18)

  1. 外部磁場およびラジオ波パルス列を試料に印加すること；
    少なくとも、前記試料に付随する磁化の成分を測定すること；
    磁化の測定された成分、順モデル、外部磁場、およびラジオ波パルス列に基づいて、前記試料に付随するボクセルについて、少なくとも、磁化の予測される成分を計算すること；および
    前記磁化の予測された成分と前記磁化の測定された成分との間の差分が事前定義値未満になるまで、前記順モデルにおけるボクセルに付随するパラメータの値を反復して修正することにより逆問題を解くこと、を含み、
    前記順モデルは、ブロッホ方程式、又は、リュヴィアン計算を用いて、少なくとも前記順モデルにおける前記ボクセルに付随する現在のパラメータの値、前記外部磁場、前記ラジオ波パルス列に基づいて、前記磁化の成分を計算し、
    前記順モデルは、前記試料の内部で生じている磁気共鳴反応をシミュレートする、
    試料に付随するパラメータを決定する方法。
  2. 前記パラメータが、或るタイプの核の密度と、前記外部磁場に平行な方向に沿った縦緩和時間と、前記外部磁場に対して垂直な方向に沿った横緩和時間とを含む、請求項１に記載の方法。
  3. 前記反復的な修正がニュートン法を使用するヤコビアン行列に基づいている、請求項１に記載の方法。
  4. 前記反復的な修正が、少なくとも前記磁化の成分の以前の測定結果を使用して決定されたパラメータに基づいて拘束される、請求項１に記載の方法。
  5. 前記パラメータの初期値が、前記試料における異なるタイプの組織について事前定義されたパラメータ範囲内にある、請求項１に記載の方法。
  6. 前記方法が、前記ボクセル間の或る方向に沿った、前記パラメータの少なくともいくつかの不連続な変化に基づいて前記試料における組織タイプをセグメント化することをさらに含む、請求項１に記載の方法。
  7. 前記パラメータが、前記磁化の測定された成分上でフーリエ変換を実行することなしに決定される、請求項１に記載の方法。
  8. 前記方法がさらに：
    前記外部磁場および前記ラジオ波パルス列の少なくとも一つを修正すること；
    前記試料が完全に緩和する前に、または前記試料の状態を設定し直さずに、前記修正された外部磁場および前記ラジオ波パルス列の少なくとも一つを前記試料に印加すること；
    少なくとも、前記磁化の成分の第２のインスタンスを測定すること；
    前記磁化の成分の測定された第２のインスタンス、前記順モデル、前記修正された外部磁場、または前記修正されたラジオ波パルス列に基づいて、前記試料に付随するボクセルについて、少なくとも、前記磁化の予測される成分の第２のインスタンスを計算すること；および
    前記磁化の予測された成分の第２のインスタンスと前記磁化の測定された成分の第２のインスタンスとの間の差分が事前定義値未満になるまで、前記順モデルにおけるボクセルに付随するパラメータを反復して修正すること、により逆問題を解くことを含む、請求項１に記載の方法。
  9. 前記方法が、前記順モデル、前記外部磁場、および前記ラジオ波パルス列に基づいて前記試料の動的状態を決定することをさらに含み；
    前記修正された外部磁場および前記修正されたラジオ波パルス列の少なくとも一つが前記試料に印加されている場合の前記動的状態を、前記磁化の予測される成分の第２のインスタンスを計算する場合に初期状態として使用する、請求項８に記載の方法。
  10. 前記外部磁場の大きさおよび方向の少なくとも一つが、前記測定の最中に時間の関数として変化する、請求項８に記載の方法。
  11. 前記修正された外部磁場および前記修正されたラジオ波パルス列の少なくとも一つを、前記磁化の予測された成分の第２のインスタンスと前記磁化の測定された成分の第２のインスタンスとの間の差分を最小にするように選択する、請求項８に記載の方法。
  12. 前記パラメータを、前記パラメータに付随する時間スケールに基づいて順次決定し；最短時間スケールを有するパラメータを最初に決定する、請求項１１に記載の方法。
  13. コンピュータシステムと併せて使用され、プログラムモジュールを記憶するように構成された非一過性のコンピュータ読み取り可能な記憶媒体であって、プログラムモジュールが、前記コンピュータシステムにより実行される場合に：
    外部磁場およびラジオ波パルス列を試料に印加すること；
    少なくとも、前記試料に付随する磁化の成分を測定すること；
    前記磁化の測定された成分、順モデル、前記外部磁場、および前記ラジオ波パルス列に基づいて、前記試料に付随するボクセルについて、少なくとも、前記磁化の予測される成分を計算すること；および
    前記磁化の予測された成分と前記磁化の測定された成分との間の差分が事前定義値未満になるまで、前記順モデルにおけるボクセルに付随するパラメータの値を反復して修正することにより逆問題を解くことを、を含み、
    前記順モデルは、ブロッホ方程式、又は、リュヴィアン計算を用いて、少なくとも前記順モデルにおける前記ボクセルに付随する現在のパラメータの値、前記外部磁場、前記ラジオ波パルス列に基づいて、前記磁化の成分を計算し、
    前記順モデルは、前記試料の内部で生じている磁気共鳴反応をシミュレートすることを、前記コンピュータシステムに行わせる、非一過性のコンピュータ読み取り可能な記憶媒体。
  14. 前記パラメータが、前記磁化の測定された成分上でフーリエ変換を実行することなしに決定される、請求項１３に記載のコンピュータ読み取り可能な記憶媒体。
  15. 前記プログラムモジュールが、前記コンピュータシステムにより実行される場合に：
    前記外部磁場および前記ラジオ波パルス列の少なくとも一つを修正すること；
    前記修正された外部磁場および前記ラジオ波パルス列の少なくとも一つを、前記試料が完全に緩和する前に、または前記試料の状態を設定し直さすに、前記試料に印加すること；
    少なくとも、前記磁化の成分の第２のインスタンスを測定すること；
    磁化の成分の測定された第２のインスタンス、前記順モデル、前記修正された外部磁場、または前記修正されたラジオ波パルス列に基づいて、前記試料に付随するボクセルについて、少なくとも、前記磁化の予測される成分の第２のインスタンスを計算すること；および
    前記磁化の予測された成分の第２のインスタンスと前記磁化の測定された成分の第２のインスタンスとの間の差分が事前定義値未満になるまで、前記順モデルにおけるボクセルに付随するパラメータを反復して修正することにより逆問題を解くこと、をコンピュータシステムにさらに行わせる、請求項１３に記載のコンピュータ読み取り可能な記憶媒体。
  16. 前記外部磁場の大きさおよび方向の少なくとも一つが、前記測定の最中に時間の関数として変化する、請求項１５に記載のコンピュータ読み取り可能な記憶媒体。
  17. 前記修正された外部磁場および前記修正されたラジオ波パルス列の少なくとも一つが、前記磁化の予測された成分の第２のインスタンスと前記磁化の測定された成分の第２のインスタンスとの間の差分を最小にするように選択される、請求項１５に記載のコンピュータ読み取り可能な記憶媒体。
  18. 磁場を発生させるように構成された発生装置；
    測定を実行するように構成された測定装置；
    前記発生装置と、前記測定装置と、メモリとに結合され、プログラムモジュールを実行するように構成されたプロセッサ；および
    前記プロセッサに結合され、プログラムモジュールを記憶するように構成されたメモリであって、前記プログラムモジュールが、前記プロセッサにより実行される場合に：
    前記発生装置を用いて、外部磁場およびラジオ波パルス列を試料に印加すること；
    前記測定装置を用いて、少なくとも、前記試料に付随する磁化の成分を測定すること；
    前記磁化の測定された成分、順モデル、前記外部磁場、および前記ラジオ波パルス列に基づいて、前記試料に付随するボクセルについて、少なくとも、磁化の予測される成分を計算すること；
    および前記磁化の予測された成分と前記磁化の測定された成分との間の差分が事前定義値未満になるまで、前記順モデルにおけるボクセルに付随するパラメータの値を反復して修正することにより逆問題を解くことを、を含み、
    前記順モデルは、ブロッホ方程式、又は、リュヴィアン計算を用いて、少なくとも前記順モデルにおける前記ボクセルに付随する現在のパラメータの値、前記外部磁場、前記ラジオ波パルス列に基づいて、前記磁化の成分を計算し、
    前記順モデルは、前記試料の内部で生じている磁気共鳴反応をシミュレートすることを、
    システムに行わせるメモリ、を含むシステム。
JP2018561273A 2016-05-31 2017-05-30 テンソル場マッピング Active JP7152956B2 (ja)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US15/169,719 2016-05-31
US15/169,719 US10194829B2 (en) 2015-07-07 2016-05-31 Fast scanning based on magnetic resonance history
US201662366085P 2016-07-24 2016-07-24
US62/366,085 2016-07-24
US15/362,808 US10222441B2 (en) 2016-04-03 2016-11-28 Tensor field mapping
US15/362,808 2016-11-28
US201762501712P 2017-05-04 2017-05-04
US62/501,712 2017-05-04
PCT/US2017/035071 WO2017210225A1 (en) 2016-05-31 2017-05-30 Tensor field mapping

Publications (2)

Publication Number Publication Date
JP2019520120A JP2019520120A (ja) 2019-07-18
JP7152956B2 true JP7152956B2 (ja) 2022-10-13

Family

ID=60477865

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018561273A Active JP7152956B2 (ja) 2016-05-31 2017-05-30 テンソル場マッピング

Country Status (5)

Country Link
EP (1) EP3465186A4 (ja)
JP (1) JP7152956B2 (ja)
KR (2) KR102506092B1 (ja)
CN (2) CN116242872A (ja)
WO (1) WO2017210225A1 (ja)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3749973B1 (en) * 2018-02-07 2024-09-25 The Medical College of Wisconsin, Inc. Multi-resolution quantitative susceptibility mapping with magnetic resonance imaging
EP3581953A1 (en) 2018-06-11 2019-12-18 Koninklijke Philips N.V. A method for configuring a rf transmit assembly
KR102297511B1 (ko) * 2019-02-14 2021-09-03 서울대학교 산학협력단 펄스 쉐이핑 방법 및 이를 위한 장치
US11354586B2 (en) 2019-02-15 2022-06-07 Q Bio, Inc. Model parameter determination using a predictive model
US11360166B2 (en) 2019-02-15 2022-06-14 Q Bio, Inc Tensor field mapping with magnetostatic constraint
ES2804151A1 (es) * 2019-08-02 2021-02-04 Univ Valencia Politecnica Metodo y aparato de adquisicion de imagenes de un objeto por resonancia magnetica, mediante el uso de campos magneticos inhomogeneos variables en el tiempo
US11854281B2 (en) 2019-08-16 2023-12-26 The Research Foundation For The State University Of New York System, method, and computer-accessible medium for processing brain images and extracting neuronal structures
CA3153503C (en) 2019-09-27 2024-05-14 Q Bio, Inc. Maxwell parallel imaging
US11280867B2 (en) * 2019-11-08 2022-03-22 The Chinese University Of Hong Kong System and method for quantitative magnetization transfer imaging based on spin-lock
CN111193618B (zh) * 2019-12-20 2021-05-25 山东大学 一种基于张量计算的6g移动通信系统及其数据处理方法
CN111063391B (zh) * 2019-12-20 2023-04-25 海南大学 一种基于生成式对抗网络原理的不可培养微生物筛选系统
CN111144014B (zh) * 2019-12-30 2023-03-28 西安电子工程研究所 一种基于fpga的二维平面相控阵天线配相算法实现方法
CN111833348B (zh) * 2020-08-10 2023-07-14 上海工程技术大学 一种基于图像处理的血管沉积物自动检测方法
CN112085174A (zh) * 2020-10-21 2020-12-15 广东工业大学 一种卷积神经网络优化方法、装置和设备
CN112539852B (zh) * 2020-11-03 2022-09-27 应葵 基于生物传热模型的磁共振温度成像方法及系统
US11593926B2 (en) 2021-02-09 2023-02-28 Elucid Bioimaging Inc. Systems and methods for improving soft tissue contrast, multiscale modeling and spectral CT
CN114224382B (zh) * 2021-12-17 2023-09-15 重庆医科大学 粘弹性测量方法及其系统
CN116953010B (zh) * 2023-07-26 2024-09-13 哈尔滨工业大学 一种非线性调频超声诱导的磁共振-光子标记融合成像肿瘤组织光/机械性能评价装置及评价方法
CN116755093B (zh) * 2023-08-18 2023-10-31 中国电子科技集团公司第十四研究所 一种改善扫描极化sar模糊的方法、装置及计算机介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009034514A (ja) 2007-08-03 2009-02-19 Siemens Ag 撮像パラメータの決定方法、撮像パラメータの最適化装置、コンピュータプログラム製品および電子的に読取可能なデータ媒体
JP2013192957A (ja) 2012-03-20 2013-09-30 Siemens Ag 磁気共鳴システム駆動制御シーケンスを求める方法、磁気共鳴システムを動作させる方法、磁気共鳴システムおよびコンピュータプログラム
JP2015509013A (ja) 2012-01-10 2015-03-26 コーニンクレッカ フィリップス エヌ ヴェ 画像処理装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6392409B1 (en) * 2000-01-14 2002-05-21 Baker Hughes Incorporated Determination of T1 relaxation time from multiple wait time NMR logs acquired in the same or different logging passes
DE202005002233U1 (de) * 2004-08-28 2005-04-28 Universität Zürich Prorektorat Forschung Vorrichtung zur Messung räumlich aufgelöster frequenzselektiver Bilder
US8070682B2 (en) * 2006-07-19 2011-12-06 The University Of Connecticut Method and apparatus for medical imaging using combined near-infrared optical tomography, fluorescent tomography and ultrasound
US20090240138A1 (en) * 2008-03-18 2009-09-24 Steven Yi Diffuse Optical Tomography System and Method of Use
DE102008029897B4 (de) * 2008-06-24 2017-12-28 Siemens Healthcare Gmbh Verfahren zur Erfassung von MR-Daten eines Messobjektes bei einer MR-Untersuchung in einer Magnetresonanzanlage und entsprechend ausgestaltete Magnetresonanzanlage
DE102008061455B4 (de) * 2008-12-10 2011-03-17 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung einer vorbestimmten Signalamplitude bei MR-Messungen
DE102009045464B4 (de) * 2009-10-07 2011-09-15 Bruker Biospin Mri Gmbh Verfahren zur ortsabhängigen Änderung der Magnetisierung in einem Objekt im Rahmen eines Experimentes der magnetischen Resonanz
US8723518B2 (en) * 2011-03-18 2014-05-13 Nicole SEIBERLICH Nuclear magnetic resonance (NMR) fingerprinting
US8861815B2 (en) * 2011-08-03 2014-10-14 International Business Machines Corporation Systems and methods for modeling and processing functional magnetic resonance image data using full-brain vector auto-regressive model
US10234528B2 (en) * 2014-09-18 2019-03-19 Siemens Aktiengesellschaft Method and apparatus to correct noise effects in quantitative techniques in magnetic resonance imaging
US10422845B2 (en) * 2014-10-24 2019-09-24 The General Hospital Corporation Systems and methods for steady-state magnetic resonance fingerprinting
US10716485B2 (en) * 2014-11-07 2020-07-21 The General Hospital Corporation Deep brain source imaging with M/EEG and anatomical MRI

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009034514A (ja) 2007-08-03 2009-02-19 Siemens Ag 撮像パラメータの決定方法、撮像パラメータの最適化装置、コンピュータプログラム製品および電子的に読取可能なデータ媒体
JP2015509013A (ja) 2012-01-10 2015-03-26 コーニンクレッカ フィリップス エヌ ヴェ 画像処理装置
JP2013192957A (ja) 2012-03-20 2013-09-30 Siemens Ag 磁気共鳴システム駆動制御シーケンスを求める方法、磁気共鳴システムを動作させる方法、磁気共鳴システムおよびコンピュータプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
K. T. Block，"Model-Based Iterative Reconstruction for Radial Fast Spin-Echo MRI"，IEEE Transactions on Medical Imaging，2009年11月，Vol.28, No.11，pp.1759-1769

Also Published As

Publication number Publication date
CN110140042A (zh) 2019-08-16
EP3465186A4 (en) 2020-02-26
KR20220013012A (ko) 2022-02-04
KR102354723B1 (ko) 2022-01-24
WO2017210225A1 (en) 2017-12-07
KR20190013837A (ko) 2019-02-11
WO2017210225A8 (en) 2019-02-21
KR102506092B1 (ko) 2023-03-06
EP3465186A1 (en) 2019-04-10
CN110140042B (zh) 2023-04-11
CN116242872A (zh) 2023-06-09
JP2019520120A (ja) 2019-07-18

Similar Documents

Publication Publication Date Title
US11085984B2 (en) Tensor field mapping
JP7152956B2 (ja) テンソル場マッピング
US10359486B2 (en) Rapid determination of a relaxation time
US9958521B2 (en) Field-invariant quantitative magnetic-resonance signatures
US10194829B2 (en) Fast scanning based on magnetic resonance history
CN108027412B (zh) 场不变定量磁共振特征标志
US11748642B2 (en) Model parameter determination using a predictive model
US12007455B2 (en) Tensor field mapping with magnetostatic constraint
CN114450599B (zh) 麦克斯韦并行成像
WO2017007663A1 (en) Field-invariant quantitative magnetic-resonance signatures
US20240005514A1 (en) Dynamic segmentation of anatomical structures

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190417

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200508

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210514

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20210805

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211001

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220218

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220613

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220613

C11 Written invitation by the commissioner to file amendments

Free format text: JAPANESE INTERMEDIATE CODE: C11

Effective date: 20220623

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220630

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20220720

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20220721

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: 20220831

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220930

R150 Certificate of patent or registration of utility model

Ref document number: 7152956

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S633 Written request for registration of reclamation of name

Free format text: JAPANESE INTERMEDIATE CODE: R313633

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: R3D02