JP7383403B2 - 磁気共鳴イメージング装置、方法及びプログラム - Google Patents

磁気共鳴イメージング装置、方法及びプログラム Download PDF

Info

Publication number
JP7383403B2
JP7383403B2 JP2019103455A JP2019103455A JP7383403B2 JP 7383403 B2 JP7383403 B2 JP 7383403B2 JP 2019103455 A JP2019103455 A JP 2019103455A JP 2019103455 A JP2019103455 A JP 2019103455A JP 7383403 B2 JP7383403 B2 JP 7383403B2
Authority
JP
Japan
Prior art keywords
image
images
subset
magnetic resonance
resonance imaging
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
JP2019103455A
Other languages
English (en)
Other versions
JP2020137992A (ja
Inventor
アンドリュー・ジェイ・ウィートン
マタコス アントニアス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2020137992A publication Critical patent/JP2020137992A/ja
Application granted granted Critical
Publication of JP7383403B2 publication Critical patent/JP7383403B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Description

本発明の実施形態は、磁気共鳴イメージング装置、方法及びプログラムに関する。
本願は、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）におけるモーションアーチファクトの補正に関し、より具体的には、圧縮センシングを用いて、ＭＲＩデータ（例えば、被検体の動きに対応するＭＲＩデータ）における動きの混入したエンコード／測定結果を識別し、当該動きの混入したエンコード／測定結果を含まない画像を生成することに関する。
ここで説明する背景技術は、本願の背景の概要を説明するためのものである。本願の発明者の研究は、明細書に記載されている先行技術にはなり得ない態様だけでなく、この背景技術で説明される範囲でも、本願に対して、明示的又は暗示的に先行技術として認定されるものではない。
ＭＲＩにおいて得られる画質は被検体（患者等）の動きによって悪影響を受けるため、モーションアーチファクトが生じる。一般的に、ＭＲＩのシーケンスでは画像の生成に必要なデータを収集するために長い時間を要することから、この問題は頻繁に発生する。通常、イメージングの時間は、被検体の不随意的な動きや心臓及び呼吸の動き、消化蠕動、血管の脈動、血流及び脳脊髄液（Cerebrospinal Fluid：ＣＳＦ）の流れ等を含む、大抵の種類の生理的な動きの時間より長い。例えば、このような被検体の動きによるモーションアーチファクトには、画像のぶれやゴーストがある。
上述したモーションアーチファクトの問題は、ハードウェアベースのアプローチだけで解決することは難しいと考えられる。技術の改良によってモーションアーチファクトの深刻さが軽減することもあれば、悪化してしまうこともある。この一方で、ハードウェアの漸進的な性能向上（例えば、傾斜磁場の高性能化）によって、パラレルイメージングのような画期的な技術が可能になり、イメージングの高速化が実現されている。イメージングの高速化によって、より短い時間でスキャンを実行できるようになり、その結果、スキャン中に生じる被検体の不随意的な動きを減らすことができる。また、他方では、ハードウェアの進歩によって、実現可能な分解能及びＳＮ比（Signal-to-Noise Ratio：ＳＮＲ）が向上し、それに伴い、動きに対する感度が高くなってきている。また、一般的なＭＲＩのスキャンでは、概して、主磁場の強度が高くなることや傾斜磁場が強くなることによって、より大きな音が生じるようになり、スキャン中に幼児を眠らせておくことが難しくなる。
このようなことから、ＭＲＩデータの一部に被検体の動きが混入した場合でも、当該ＭＲＩデータから高品質な画像を再構成することができる、より良い方法が望まれている。
米国特許出願公開第２０１５／００９７５６３号明細書 米国特許出願公開第２０１３／０２５１２２５号明細書 国際公開第２０１８／０１５２９８号
PHAM，et al．；Improved Image Recovery From Compressed Data Contaminated With Impulsive Noise；IEEE Transactions on Image Processing，Volume 21，Issue 1；January 2102；9 Pages VIRTUE，et al．；The Empirical Effect of Gaussian Noise in Undersampled MRI Reconstruction；Tomography，Volume 3，Number 4；December 2017；11 Pages ZAITSEV，PhD．，et al．；Motion Artifacts in MRI：A Complex Problem With Many Partial Solutions；Wiley Periodicals，Inc．；Journal of Magnetic Resonance Imaging；December 22，2014；15 Pages WANG，et al．；Image Quality Assessment：From Error Visibility to Structural Similarity；IEEE Transaction on Image Processing，Volume 13，No．4；April 2004；14 Pages MIAO，et al．；Quantitative image quality evaluation of MR images using perceptual difference models；Medical Physics，Volume 25，No．6；June 2008；13 Pages HUANG，et al．；Data Convolution and Combination Operation（COCOA） for Motion Ghost Artifacts Reduction；Magnetic Resonance in Medicine 64；PP 157－166；2010；10 Pages GDANIEC，et al．；Robust Abdominal Imaging with Incomplete Breath-Holds；Magnetic Resonance in Medicine 71；PP 1733－1742；2014；10 Pages BYDDER，et al．；Detection and Elimination of Motion Artifacts by Regeneration of k-Space；Magnetic Resonance in Medicine 47；PP 677－686；2002；10 Pages ATKINSON，et al．；Coil-Based Artifact Reduction；Magnetic Resonance in Medicine 52；PP 825－830；2004；6 Pages
本発明が解決しようとする課題は、ＭＲＩデータの一部に被検体の動きが混入した場合でも、当該ＭＲＩデータから高品質な画像を再構成することである。
実施形態に係るＭＲＩ装置は、収集部と、再構成部と、選択部とを備える。収集部は、被検体の磁気共鳴イメージングデータを収集する。再構成部は、前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する。選択部は、前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する。
図１は、本願の例示的な一実施形態に係るＭＲＩシステムの概略構成図を示す図である。 図２Ａは、本願の例示的な一実施形態に係るデータのサブセットの生成及び動きが混入したデータが除外された画像の識別の概要を示す図である。 図２Ｂは、本願の例示的な一実施例に係る次のデータのサブセットの生成及び動きが混入したデータが除外された画像の識別の概要を示す図である。 図３は、本願の例示的な一実施例に係るＭＲＩのスキャンによって得られる画像におけるモーションアーチファクトの検出及び補正方法を示すフローチャートである。
図面を参照し、いくつかの例示的な実施形態について説明する。なお、以下で説明する実施形態及び図は例示的なものであり、限定的なものではない。すなわち、本願が開示する技術及び特許請求の範囲は、図面及び以下で示される例に限定されるものではない。
本実施形態では、特定の実施例において実現される特定のプロセス及びシステムについて主に説明するが、当該プロセス及びシステムは、他の実施例でも有効に動作するものである。ここで、「一実施形態」、「１つの実施形態」及び「他の実施形態」等の文言は、同じ又は異なる実施形態を意味している。また、本実施形態では、所定のコンポーネントを有する方法及び構成について説明するが、当該方法及び構成は、以下で示すものより多い又は少ないコンポーネントを含んでもよく、当該コンポーネントの配置及び種類は、本願の内容の範囲内で変更することが可能である。
また、本実施形態では、所定のステップを有する方法について説明するが、当該方法及び構成は、矛盾しないようにステップを追加したり、ステップの順序を変えたりしても有効に動作するものである。このように、本願の内容は、以下で説明する実施形態に限定されるものではなく、特許請求の範囲に示される範囲内で、かつ、以下で説明する原理及び特徴と矛盾しない範囲内で最大限に広く解釈され得るものである。
また、値の範囲が示される場合には、当該範囲の上限値及び下限値の間にある各値、及び、当該範囲内に定められた他のいかなる値も、本願の内容に含まれる。また、当該範囲が上限値及び下限値を含む場合には、それらのいずれかの値を除いた範囲も含まれる。また、明示的に示されない限り、本願で用いられる用語は、当業者によって理解される率直で通常の意味を持つものとする。また、いかなる定義も、本願の内容を読者に理解させることを意図したものであり、特に示さない限り、このような用語の意味を変更又は限定するものではない。
ＭＲＩのスキャン中に被検体の動きが生じると、再構成された画像にアーチファクト（ぶれ、ゴースト、信号損失等）が生じ、それにより、誤った診断が行われたり、動きによるエラーを軽減させるために多数のスキャンが必要になったりすることがある。たとえ被検体が動かないようにしたとしても、嚥下、呼吸、脈動流のような被検体の不随意的な動きが発生して画像の品質が低下することがあり得る。例えば、小児及び高齢の被検体は、装置内でじっとしていることができなかったり、長時間呼吸を止めることができなかったりして、動きが生じやすい。
ＭＲＩでは、データ収集は画像空間で直接行われるのではなく、周波数空間又はフーリエ空間で行われる。モーションアーチファクトは、スキャンにおいて、画像の構造、動きの種類、パルスシーケンスの設定、ｋ空間の収集方式等の多数の要因によって生じ得る。ｋ空間の中心部は、大きくてコントラストの低い部分のように輝度が滑らかに変化する部分に対応する低い空間周波数の情報を有し、一方、ｋ空間の周縁部は、端部や詳細部分のように輝度が急激に変化する部分に対応する高い空間周波数の情報を有する。生体サンプルの多くは、ｋ＝０を中心としたｋ空間において、非常に局所的な空間密度を示す。ｋ空間のｋｘ軸及びｋｙ軸は、２次元（２Ｄ）画像の水平（ｘ）軸及び垂直（ｙ）軸に対応するが、ｋ軸は、位置ではなく、ｘ方向及びｙ方向の空間周波数を表す。３次元（３Ｄ）画像ボリュームでは、画像ボリュームのスライス次元に対応するｋｚ軸もサンプリングされる。ｋ空間において、被検体は大域的な平面波で示されるため、ｋ空間の各点は、最終画像の全ての画素に関する空間周波数情報及び位相情報を有する。逆に、最終画像の各画素は、ｋ空間の全ての点に対応する。逆ＦＦＴ（ｉＦＦＴ）を用いる単純な再構成は、ｋ空間がサンプリングされている間に被検体が静止していることを前提としている。したがって、ｋ空間における１点の変化は画像全体に作用することから、被検体の動きによるエラーは、最終的な再構成画像に明らかな影響を及ぼすことになる。画像の再構成に必要なデータを収集するためには数分程度のスキャン時間がかかることもあるため、イメージングの高速化とともに、画像における動きを検出して補正する試みが行われている。
例えば、ＤＡＴＡ ＣＯＣＯＡ（Convolution and Combination Operation）と呼ばれる方法を用いて、同時収集されたパラレルイメージング（Parallel Imaging：ＰＩ）データを利用することによって、ｋ空間でコイルアレイのＭＲＩデータを改善することが行われている。ＤＡＴＡ ＣＯＣＯＡは、チャネル別のｋ空間畳み込みを用いた動き補償の技術である。コイル感度プロファイルにより、サンプリングされた軌跡の近傍のデータ点を概算することによってｋ空間ドメインでアーチファクトを補正するための付加的な情報が提供される。また、部分的に収集されたデータを用いた再構成ではなく、畳み込みによって、全体的に収集されたｋ空間データから追加の合成ｋ空間データセットが生成される。ここで、データ収集の間に動きが発生した場合、合成ｋ空間データセットと収集されたデータセットとの間に差が生じることになり、その差を用いて、動きの混入したデータを見つけることができる。しかしながら、再構成の時間は指数関数的に増大し、それにより、リアルタイム及び高スループットでイメージングを行うことが難しくなり得る。また、位置が不明なｋ空間信号の中に動きの混入したものが含まれるため、自己校正された相対感度マップから、アーチファクトの影響を取り去ることができない。
また、ＭＲＩの分野において、データ収集の処理を高速化するための比較的新しい有望な技術として、圧縮センシング（Compressed Sensing：ＣＳ）がある。ＣＳ（コンプレッシブセンシング、圧縮サンプリング、又は、低密度サンプリングとも呼ばれる）は、劣決定線形系に対する解を求めることで、効率的に信号を収集及び再構成する信号処理技術である。この技術は、信号のまばら性を利用することによって、最適化を介して、シャノン・ナイキストのサンプリング定理で必要となるサンプルよりもはるかに少ないサンプルから信号を回復できるという原理に基づいている。従来、ナイキストのサンプリング定理によって折り返し（エイリアシング）を生じさせずにＭＲ画像を再構成するためには、全体的にサンプリングされたｋ空間データが必要となる。しかしながら、ＣＳを用いれば、いくつかの変換（例えば、有限差分又はウェーブレット変換）ドメインにおいてＭＲ画像が大抵はまばらであることを利用することで、ナイキストのサンプリング定理に反して、アンダーサンプリングされたｋ空間データからＭＲ画像を再構成することができる。例えば、わずかな画質の低下で、最大５倍速までの加速係数が可能である。この加速は、臨床の実務において、費用の削減や、被検体の負担の軽減、スキャンの分解能の向上に役立つ可能性がある。
ＣＳでは、再構成される画像が、ウェーブレット変換（又は、他の変換）ドメインで強いまばら性を有することで、収集済みのアンダーサンプリングされたｋ空間データと一致することが重要である。これは、データ忠実度の項と、正則化パラメータによって重み付けされた正則化因子（regularizer）とを含む目的関数（評価関数）の最小値を求めることとして表すことができる。すなわち、この最適化の問題は、以下のように表すことができる。
ここで、ｌ２ノルムは、データ忠実度の項であり、Ｒｊは、所望の特性を促進又は制約を実施する正則化因子であり、λｊは、正則化因子による制約の強さを決めるパラメータである。この式は、データ忠実度の項（ｌ２ノルム）と、まばら性促進の項（ウェーブレット変換のｌ１ノルム）とを組み合わせるものである。ＣＳをＰＩと組み合わせることによって、スキャンが停止された時点までに収集された（所定のサンプリングパターンで）アンダーサンプリングされたデータから、画像を再構成できるようになる。ナビゲータを用いた検出技術で被検体の動きを検出することで、スキャンの停止タイミングを決定することができる。これにより、スキャンで収集されたデータは全て動きの無いものになり、被検体が動いた時のデータは除外されて、矛盾のないデータのみが再構成に用いられることになり、それによりモーションアーチファクトが抑制される。ここで、任意の時相の任意の時間的組み合わせで得られるサンプル分布は、ポアソンディスクのような特性を有することが望ましい。この方法は、息止めが不完全な場合でも１つの画像を収集できるようにするために、可変データ収集ウィンドウ内でＣＳとＰＩを組み合わせた再構成が可能なポアソンディスクサンプル分布を提供することを目的としている。このような設定では、予測できない動きが発生する前にデータ収集が行われ、ｋ空間データがネストした領域でセグメント化されることになる。
前述したように、画質、又は、アーチファクト及びＳＮ比に大きな影響を与えずに、ランダムな位置からデータを削除することが可能である。ＣＳの画質は、エンコードの数のみに弱く関連し、加速係数Ｒに依存する。例えば、Ｒの値を２．０や２．２としても、一般的に、画質には若干の違いが生じるだけである。同様に、Ｒの値を３．０や３．３としても、一般的に、画質には大した違いは生じない。
また、データを完全にサンプリングする場合、１コイルからのデータでも画像を生成するには十分であるが、複数コイルからのデータを用いることによって、よりロバストに画像を再構成することができる。単純なフーリエ変換により、コイル感度によって重み付けされた画像を得ることができ、それをコイル感度によって分割することで、より均一な画像を生成することができる。他の一例として、空間的に異なる感度を有する複数の受信コイルを用いてデータ収集の空間分解能及び時間分解能を向上させることによって、画像のアーチファクトを補正するための、被検体に関する補完情報を得ることができる。これにより、異なる組み合わせのコイルからのデータを用いて複数の画像を再構成した後に、それらの画像を比較することによって、コイルの感度の違いから生じる輝度の変化に基づいて、アーチファクトを検出することができる。このプロセスをコイルごとに繰り返すことによって、ｎ個の画像を得ることができる（ｎはコイルのチャンネル数を表す）。ここで、ノイズ及びアーチファクトがない場合には、これらのｎ＋１個の画像（チャンネルごとに生成されたｎ個の画像＋全チャンネルのデータから合成された１つの画像）は同じになるはずである。動きがある画像では、各画像で空間的に同じ位置にアーチファクトが現れるが、それぞれの輝度が異なる。各画像のアーチファクトは同じ空間位置に由来するが、各画像はコイルごとに異なる固有のコイル感度によって別々に再構成されるため、アーチファクトが生じた箇所の輝度は異なる。アーチファクトを含む画像を比較した場合、それらの差はアーチファクトが最小のときに最も小さくなると考えられる。一方、単一コイルからのデータを用いた場合は、再構成が不十分になって、画像が低品質になることがある。
さて、図面に戻ると、各図において、同じ参照番号は同一又は対応する部分を示している。図１は、ＭＲＩシステム１００の一例を示す。ＭＲＩシステム１００は、ＭＲＩ装置の一例である。図１に示すように、ＭＲＩシステム１００は、ガントリ１０１（概略的な断面で示す）、ガントリ１０１と相互に接続された各種の関連するＭＲＩシステムコンポーネント１０３を含む。一般的には、少なくともガントリ１０１はシールドルームに設置される。図１に示すＭＲＩシステム１００は、略同軸円柱状に配置された、静電場（Ｂ０）磁石１１１、Ｇｘ、Ｇｙ、Ｇｚ傾斜磁場コイルセット１１３、及び、大型の全身ＲＦコイル（Whole Body Coil：ＷＢＣ）１１５を含む。これらの略同軸円柱状に配置された構成要素の水平軸に沿って、被検体テーブル１２０によって支持された被検体１１９の頭部を囲むように、撮像ボリューム１１７が形成されている。
撮像ボリューム１１７において、１つ又は複数の小型のアレイコイル（Array Coil：ＡＣ）１２１が被検体の頭部（ここでは、例えば、「撮像部位」又は「部位」と呼ぶ）に装着される。当業者には既知のように、表面コイル等のような、ＷＢＣと比べて相対的に小型のコイルやアレイコイルが、特定の身体部分（例えば、腕、肩、肘、手首、膝、脚部、胸部、背骨等）用に作製されることが多い。このような、より小型のＲＦコイルをここではアレイコイル又はフェイズドアレイコイル（Phased-Array Coil：ＰＡＣ）と呼ぶ。ここで、ＡＣ及びＰＡＣは、撮像ボリュームにＲＦ信号を送信するように構成された少なくとも１つのコイルと、撮像ボリュームにおいて被検体の頭部等の被検体からＲＦ信号を受信するように構成された複数の受信コイルを含んでいてもよい。
また、ＭＲＩシステム１００は、ディスプレイ１２４、キーボード１２６及びプリンタ１２８に接続された入／出力ポートを有するＭＲＩシステムコントローラ１３０を含む。なお、既知のように、ディスプレイ１２４は、制御入力を行うことが可能タッチスクリーン型のものであってもよい。また、マウス等の入出力デバイスが設けられていてもよい。
ＭＲＩシステムコントローラ１３０は、Ｇｘ、Ｇｙ、Ｇｚ傾斜磁場コイルドライバ１３２、ＲＦトランスミッタ１３４、及び、送／受信スイッチ１３６（同じＲＦコイルが送信及び受信の両方に用いられている場合）を順番に制御するＭＲＩシーケンスコントローラ１４０と相互に接続されている。ＭＲＩシーケンスコントローラ１４０は、ＰＩを含むＭＲＩ（核磁気共鳴イメージング、ＮＭＲイメージングとも呼ばれる）の手法を実行するための好適なプログラムコード構造１３８を含んでいる。なお、ＭＲＩシーケンスコントローラ１４０は、ＰＩを伴ってＭＲＩを実行することも、ＰＩを伴わずにＭＲＩを実行することも可能である。
また、ＭＲＩシーケンスコントローラ１４０は、１つ又は複数の予備スキャン（プレスキャン）シーケンス、及び、メインスキャンのＭＲ画像（診断画像と呼ぶ）を得るためのスキャンシーケンスを実行させる。プレスキャンによって得られたＭＲＩデータは、例えば、ＷＢＣ１１５やＡＣ１２１の感度マップ（コイル感度又は空間感度マップとも呼ぶ）を導出したり、ＰＩ用の展開マップを導出したりするために用いられる。
ＭＲＩシステムコンポーネント１０３は、ＭＲＩデータプロセッサ１４２に信号を入力するＲＦレシーバ１４１を含み、それにより、ＭＲＩデータプロセッサ１４２は、ディスプレイ１２４へ送信する処理画像データを生成する。また、ＭＲＩデータプロセッサ１４２は、以前に生成されたＭＲＩデータや画像、例えば、コイル感度マップやパラレル画像展開マップ、ひずみマップ等のマップ、システム構成パラメータ等が保存されたメモリ１４６や、ＭＲ画像の再構成等を行うためのプログラムコード構造１４４及び１５０にアクセスすることも可能である。
一実施形態において、ＭＲＩデータプロセッサ１４２は、処理回路を含む。この処理回路は、特定用途向け集積回路（Application-Specific Integrated Circuit：ＡＳＩＣ）、構成可能ロジックデバイス（例えば、単純プログラマブルロジックデバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブルロジックデバイス（Complex Programmable Logic Device：ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ）等のデバイスや、本願に記載している関数を実行するための他の回路を含む。
ＭＲＩデータプロセッサ１４２は、プログラムコード構造１４４及び１５０に含まれる１つ以上の命令の１つ以上のシーケンスを実行する。または、この命令は、ハードディスク又はリムーバブルメディアドライブのような他のコンピュータ可読媒体から読み出されてもよい。また、マルチプロセッシングの構成に含まれる１つ又は複数のプロセッサを採用して、プログラムコード構造１４４及び１５０に含まれる命令のシーケンスを実行するようにしてもよい。また、他の実施形態では、ソフトウェアの命令の代わりに、又は、ソフトウェアの命令と組み合わせて、ハードワイヤード回路が用いられてもよい。このように、本願の実施形態は、ハードウェア及びソフトウェアの特定の組み合わせに限定されるものではない。
なお、本願で用いられている「コンピュータ可読媒体」という文言は、ＭＲＩデータプロセッサ１４２に命令を実行させるために用いられる各種の非一時的な媒体を意味する。ここで、コンピュータ可読媒体は、非揮発性媒体又は揮発性媒体を含むが、これらに限定されるものではなく、様々な形態で実現され得る。例えば、非揮発性媒体には、光ディスク、磁気ディスク、光磁気ディスク、リムーバブルメディアドライブ等が含まれる。また、揮発性媒体には、ダイナミックメモリ等が含まれる。
図１では、ＭＲＩシステム１００の各種のデータ処理コンポーネントにアクセス可能な非一時的なコンピュータ可読媒体にプログラムコード構造１５０を記憶したプログラム記憶部（メモリ）を一般化して図示している。当業者には既知のように、プログラム記憶部を複数の部分に区分けし、（共通に記憶されたプログラムコードにＭＲＩシステムコントローラ１３０がダイレクトに接続するのではなく、）ＭＲＩシステムコンポーネント１０３の各処理コンピュータが、通常動作を行う間に、記憶されているプログラムコード構造が必要になった時点で、区分けされた部分の少なくとも一部にダイレクトに接続するようにしてもよい。
そして、図１に示すＭＲＩシステム１００は、以下で説明する例示的な実施形態を実施可能に構成されている。ここで、ＭＲＩシステムコンポーネント１０３は、異なる論理集合である「ボックス」に分割することができ、一般的に、多数のデジタル信号プロセッサ（Digital Signal Processor：ＤＳＰ）、マイクロプロセッサ、及び、特別な目的の処理回路（例えば、高速Ａ／Ｄ変換、高速フーリエ変換、アレイ処理を行う処理回路等）を備える。これらの各プロセッサは、一般的に、クロックサイクル（又は、所定の数のクロックサイクル）が発生するごとに物理的なデータ処理回路が１つの物理状態から他の物理状態に進む、クロック同期の「ステートマシン」である。
また、処理回路（例えば、ＣＰＵ、レジスタ、バッファ、演算装置等）の物理状態が、動作の過程でクロックサイクルごとに漸進的に変化するだけでなく、関連するデータ記憶媒体（例えば、磁気記憶媒体のビット記憶領域）も、システムの動作中に１つの状態から他の状態に変化する。例えば、画像再構成処理の終了時や、時には画像再構成マップ（例えば、コイル感度マップ、展開マップ、ゴーストマップ、ひずみマップ等）の生成プロセスの終了時には、物理記憶媒体において、コンピュータがアクセス及び読み出し可能なデータ値記憶領域のアレイが、先行状態（例えば、全てが均一に「ゼロ」の値又は「１」の値である状態）から新たな状態に変化する。ここで、アレイの物理領域における物理状態は、実世界における物理的な事象及び条件（例えば、撮像ボリュームの空間内における被検体の内部物理構造）を表すように、最小値と最大値との間で変化する。当業者には既知のように、このようにデータ値を記憶したアレイは、ＭＲＩシステム１００の１つ又は複数のＣＰＵによって命令レジスタに順次書き込まれて実行された際にＭＲＩシステム１００内で動作状態の特定のシーケンスを発生させて遷移させるコンピュータ制御プログラムコードの特定の構造を表すように、物理的な構造を表現及び構成する。
そして、ｋ空間の各点と対応するように空間的にエンコードされたＮＭＲ（Nuclear Magnetic Resonance）ＲＦ応答信号（例えば、エコーデータ）を収集することによって、ＭＲ画像が形成される。一般的に、ＲＦ応答信号の値は、設定されたパルスシーケンスに従って２次元又は３次元のｋ空間を「トラバース」することによって生成される。一般的に、周波数エンコードによって空間的にエンコードされた方向（例えばｘ軸に沿う方向）におけるデータの収集は速く、数ミリ秒ほどである。しかしながら、位相エンコード方向の軸（例えば、ｙ軸）に沿っては、強度が異なる位相エンコード傾斜磁場を印加して、各点がサンプリングされる。このため、一般的に、ＭＲ画像の収集時間は、主に、位相エンコードのステップ数によって決定される。
ここで、前述したように、ＣＳは、劣決定線形系に対する解を求めることで、効率的に信号を収集及び再構成する信号処理技術である。これは、信号のまばら性を利用することによって、最適化を介して、シャノン・ナイキストのサンプリング定理で必要となるサンプルよりもはるかに少ないサンプルから信号を回復できるという原理に基づいている。しかし、被検体の動きによって、アーチファクトが生じる。動きの混入したエンコードが判明している場合には、ＣＳを用いて、動きの混入したエンコードが除かれて削減されたＭＲＩデータのデータセットに基づいて画像を再構成することができ、それにより、モーションアーチファクトを生じさせずに画像を再構成することができる。本願が開示する方法は、動きの混入したエンコード（すなわち、動きの影響を受けたエンコード）を識別すること、及び、動きの混入したエンコードを用いずに画像を再構成することができる。
また、ＭＲＩデータは、一連のエンコード（例えば、傾斜磁場のオン／オフを切り替えながら励起パルス及びリフォーカスパルスを印加するパルスシーケンス）を用いて、空間周波数ドメイン（例えば、ｋ空間ドメイン）内をサンプリングすることによって収集される。ここで、ＭＲＩのスキャンは、複数のショットを含むことができ、各ショットが１つ又は複数のエンコードを含むことができる。また、各エンコードは、ｋ空間の１つ又は複数の点を取得／サンプリングするパルスシーケンスに対応する。
図２Ａは、本願の例示的な一実施例に係る、ＭＲ画像におけるモーションアーチファクトを検出及び除去するための技術を示す。一実施例では、ＭＲＩシステム１００によって、被検体１１９のデータセット２０５が収集される。ここで、例えば、データセット２０５は、時間依存性の周波数信号、又は、ｋ空間における周波数及び位相のデータを含む。そして、ｋ空間に対してフーリエ変換、例えば、２Ｄフーリエ変換を施すことによって、グレースケール画像が生成される。ここで、データセット２０５を収集するために必要な時間の長さは、ｋ空間で離散点をサンプリングするために操作者によって設定されたショットの所定数によって決定される。なお、ショットの所定数は、所望の分解能のレベルによって決定される。
例えば、スキャンデータがＣＳデータである場合に、ＭＲＩシステム１００は、当該スキャンデータに対して再構成プロセスを実行することで、画像を生成する。ここで、再構成プロセスは、例えば、ＧＲＡＰＰＡ、ＳＥＮＳＥ、ＡＲＣ、ＳＰＩＲｉＴ、ＬＯＲＡＫＳである。スキャンデータがＣＳデータである場合には、再構成プロセスは、所定のドメイン（例えば、空間、時間、ウェーブレット）における画像表示のまばら性、及び、収集されたスキャンデータによる再構成の一貫性の両方を向上させる非線形プロセスとされる。
そして、一実施例において、スキャン中に被検体１１９が動くこともあり得る。例えば、スキャンに含まれる全１００ショットのうちの１つのショットの収集中に被検体１１９が動くこともあり得るが、１００ショットのうちのどのショットで動きが発生するかは不明である。この場合、全１００ショットを用いて再構成された画像には、動きによってモーションアーチファクトが生じたショットが含まれることになる。ここで、どのショットで動きが生じたかを見つけることができれば、そのショットをデータセットから除外することによって、動きのない削減されたデータセットを生成することができる。そして、ＣＳを用いて、削減されたデータセットからアーチファクトのない画像を生成することができる。たとえ、動きを含むショットが不明であったとしても、データセット２０５の各サブセットに対応するＭＲ画像を再構成する際に動きの混入したショットを識別することによって、モーションアーチファクトの影響がない画像を見つけることができる。すなわち、モーションアーチファクトを含む画像は、モーションアーチファクトによって全て類似したものになるのに対し、モーションアーチファクトのない画像は、外れ値になる。
例えば、全体のデータセット２０５から異なるショットを除外することによって、サブセット２０５ａ、２０５ｂ、２０５ｃ、２０５ｄ及び２０５ｅが生成される。例えば、全体のデータからショット１を除外することによって、サブセット２０５ａが生成される。同様に、全体のデータからショット２、３、４及び５をそれぞれ除外することによって、サブセット２０５ｂ、２０５ｃ、２０５ｄ及び２０５ｅが生成される（すなわち、サブセット２０５ｂは、データセット２０５のうちのショット２を除く全てのショットを含み、サブセット２０５ｃは、データセット２０５のうちのショット３を除く全てのショットを含み、以降、同様に、各サブセットにおいて各ショットが除外される）。そして、これらのサブセットから、ＣＳを用いて、それぞれに対応するサブセット画像２１０ａ、２１０ｂ、２１０ｃ、２１０ｄ及び２１０ｅが再構成される。図２Ａでは、動きが最も少ないショットがショット３であり、その結果、サブセット画像２１０ｃが他のサブセット画像と比べて外れ値となっている場合の例を示している。ここで、画像間の類似は、各サブセット画像の他の全てのサブセット画像に対する類似の度合いを表すような基準値（例えば、性能指数）を用いて計算することができる。その後、モーションアーチファクトの量が最も小さいサブセット画像として、外れ値の画像（以下、外れ値画像）が選択される。ここで、画像を比較する際の基準値（以下、画像比較基準値）は、例えば、構造的類似性指標（Structural Similarity Index：ＳＳＩ）、知覚的相違モデル（Perceptual Difference Model：ＰＤＭ）、二乗平均平方根（Root-Mean-Squared：ＲＭＳ）比較、サブセット画像間の差のペアワイズユークリッド距離等の画質評価基準値や、画像間の差のｐノルムベースの他の尺度である。
このように、本実施形態に係るＭＲＩシステム１００は、被検体のＭＲＩデータを収集する収集部を備える。また、ＭＲＩシステム１００は、収集部によって収集されたＭＲＩデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１のＣＳ方法を用いて画像を生成することによって、複数の画像を再構成する再構成部を備える。また、ＭＲＩシステム１００は、再構成部によって再構成された複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する機能（選択部）を備える。例えば、収集部は、ＭＲＩシーケンスコントローラ１４０によって実現される。また、例えば、再構成部及び選択部は、ＭＲＩデータプロセッサ１４２によって実現される。
また、一実施例では、選択部が、所定の画像比較基準値を用いて複数の画像を比較することによって、モーチョンアーチファクトが最小となる外れ値画像を識別し、当該外れ値画像を第１の画像として選択する。
外れ値画像（例えば、サブセット画像２１０ｃ）が決定されると、図２Ｂに示すように、それに対応するサブセット（例えば、サブセット２０５ｃ）が、次の反復処理用の全体のデータセットとして用いられる。すなわち、前回の反復処理で選択されたサブセット２０５ｃから各ショットを除外することによって、サブセット２０７ａ、２０７ｂ、２０７ｃ、２０７ｄ、２０７ｅ等が生成される（例えば、サブセット２０５ｃからショット＃１を除外することによってサブセット２０７ａが生成され、サブセット２０５ｃからショット＃２を除外することによってサブセット２０７ｂが生成される、等）、その後、各サブセットから、それぞれに対応するサブセット画像２１５ａ、２１５ｂ、２１５ｃ、２１５ｄ、２１５ｅ等が生成される。そして、前述したように、サブセット画像２１５ａ、２１５ｂ、２１５ｃ、２１５ｄ及び２１５ｅを比較することによって、それらの中で最小のアーチファクトを示す画像（例えば、外れ値が最大である画像、又は、所定の画像比較基準値に従って最良の画質を有する画像）を決定することができる。図２Ｂでは、サブセット画像２１５ｄが最適な画像（すなわち、モーションアーチファクトが最小の画像）として決定され、その結果、サブセット２０７ｄが最良のサブセットとして選択される場合の例を示している。ここで、サブセット２０７ｄについて、動きの混入したショットが十分に除去されていると判定された場合には、サブセット２０７ｄを用いて最終ＭＲ画像が再構成される。または、データセット２０５から動きの混入したショットを除外するための処理を、動きの影響が十分に除去されたサブショットが得られるまで繰り返し行って、最終ＭＲ画像を再構成してもよい。
このような処理を所定の回数繰り返し実行することによって、所定の数のショットを削除することができる。または、画像で所望の量の改善又は所定の画質が実現されるまで、ショットを除外する反復処理を繰り返し実行してもよい。また、別の実施例として、反復処理の回数を手動で（例えば、操作者による入力／フィードバックに基づいて）制御するようにしてもよいし、改善／変更の量が所定の閾値を下回るまで減少した場合に反復処理を停止し、画像が収束したことを知らせる信号を出力するようにしてもよい。
すなわち、一実施例では、再構成部が、第１のサブセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したデータのサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１のＣＳ方法を用いて画像を生成することによって、複数の画像とは異なる他の複数の画像をさらに再構成する。また、選択部が、他の複数の画像から画質が最適な第２の画像を選択し、当該第２の画像の生成に用いられた第２のサブセットを選択する。そして、ＭＲＩシステム１００は、再構成部が他の複数の画像を再構成すること、及び、選択部が第２のサブセットを選択することを、所定の停止基準が満たされるまで繰り返す。
また、一実施例では、選択部が、第１の画像を選択した後に、当該第１の画像が所定の画質を実現するものであるか否かを判定する。また、再構成部が、第１の画像が所定の画質を実現するものであると判定された場合に、第１のサブセットから最終画像を再構成し、第１の画像が所定の画質を実現するものでないと判定された場合に、第１のサブセットから他の複数の画像を再構成する。
また、別の実施例として、最終ＭＲ画像を再構成する際に用いる画像再構成方法と、最初のサブセット画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅを再構成する際に用いる画像再構成方法とが、異なっていていてもよい。例えば、サブセット画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅは高画質でなくてもよいため、これらの画像を再構成する際は、高速近似再構成方法が有用である。つまり、サブセット画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅの再構成では、モーションアーチファクトを示す画像とモーションアーチファクトを示さない画像とを区別できる画質及び分解能が得られれば十分である。それに対し、最終画像は１度しか再構成されないため、最終画像でより良い画質を実現するためには、より多くの計算量、及び、より長い計算時間を要する画像再構成方法が用いられる。例えば、最初のサブセット画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅの再構成、並びに、最終画像の再構成の両方に反復ＣＳ方法を用いる場合には、最終画像の再構成では、最初の画像の再構成と比べて、反復処理の回数をより多くしたり、分解能をより高くしたりする。
上述した例では、除外するショットを決定するためにグリーディアルゴリズムが用いられる場合について説明したが、これは一例であり、当業者には理解されるように、本願が開示する方法の主旨から逸脱することなく、他のアルゴリズムを用いて、除外するショットを決定してもよい。例えば、除外するショットを決定する方法として、各反復処理で複数のショットを除外するようにしてもよい。例えば、複数のショットの間に、被検体の運動が発生する場合がある。そのため、１回の反復処理で、１つのショットを除外するのではなく、連続する複数のショットを除外することが考えられる。また、別の実施例として、除外するショットを決定するためのアルゴリズムは、ダイクストラアルゴリズム、又は、Ａ＊探索アルゴリズムであってもよい。また、別の実施例として、所定の反復処理の間に除外されるショットは、複数であってもよいが、必ずしも時系列に連続していなくてもよい。また、別の実施例として、前述したサブセットにおいて除外されるデータは、ショット全体より小さくてもよい（例えば、１ショットにｋ個のエンコードが含まれている場合に、除外されるデータはｎ個（ｋ＞ｎ）のエンコードであってもよい）。
図２Ａに戻って、一実施例に係る一例を説明する。例えば、データセット２０５から第１のショットを除外することで、９９ショットを含む第１のサブセット２０５ａが生成される。そして、第１のサブセット２０５ａから、第１のＣＳ方法を用いて、第１のサブセット画像２１０ａ（以下、第１の画像２１０ａと呼ぶ）が再構成される。例えば、第１のサブセット２０５ａはｋ空間における周波数及び位相のデータであり、第１のＣＳ方法では、再構成の時間を削減するために、第１のサブセット２０５ａがまばらにサンプリングされる。ここで、第１のショットが動きの発生した間のショットではない場合には、結果として得られる第１の画像２１０ａは、モーションアーチファクトを含まないものになる。
また、データセット２０５から第２のショットを除外することで、９９ショット（第１のショットを含む）を含む第２のサブセット２０５ｂが生成される。そして、第２のサブセット２０５ｂから、第１のＣＳ方法を用いて、第２のサブセット画像２１０ｂ（以下、第２の画像２１０ｂと呼ぶ）が再構成される。ここで、第２のショットが動きの発生した間のショットではない場合には、結果として得られる第２の画像２１０ｂは、モーションアーチファクトを含まないものになる。
また、データセット２０５から第３のショットを除外することで、９９ショット（第１及び第２のショットを含む）を含む第３のサブセット２０５ｃが生成される。そして、第３のサブセット２０５ｃから、第１のＣＳ方法を用いて、第３のサブセット画像２１０ｃ（以下、第３の画像２１０ｃと呼ぶ）が再構成される。ここで、第３のショットが動きの発生した間のショットであった場合には、結果として得られる第３の画像２１０ｃは、モーションアーチファクトを含まないものになる。
また、上述した各サブセットと同様に、データセット２０５から第４のショットを除外することで、９９ショット（第１～第３のショットを含む）を含む第４のサブセット２０５ｄが生成され、データセット２０５から第５のショットを除外することで、９９ショット（第１～第４のショットを含む）を含む第５のサブセット２０５ｄが生成され。そして、第４のサブセット２０５ｄから、第１のＣＳ方法を用いて、第４のサブセット画像２１０ｄ（以下、第４の画像２１０ｄと呼ぶ）が再構成される。また、第５のサブセット２０５ｅから、第１のＣＳ方法を用いて、第５のサブセット画像２１０ｅ（以下、第５の画像２１０ｅと呼ぶ）が再構成される。ここで、第４及び第５のショットが動きの発生した間のショットでない場合には、結果として得られる第４の画像２１０ｄ及び第５の画像２１０ｅは、どちらもモーションアーチファクトを含むものになる。
これにより、再構成された第１～第５の画像２１０ａ～２１０ｅのうちのどの画像が、モーションアーチファクトが最小の画像（例えば、モーションアーチファクトを含む他の全ての画像との差が最大となる画像）であるかを識別することで、動きの混入したショットを推定することができる。
一実施例では、ＭＲＩシステム１００（例えば、ＭＲＩデータプロセッサ１４２）が、第１の画像２１０ａと第２の画像２１０ｂとを比較する第１の比較を行うことで、第１の画像２１０ａが第２の画像２１０ｂと類似していると判定する。ここで、１ショットのみに動きが含まれている場合には、第１及び第２の確信度が、それぞれ、第１の画像２１０ａ及び第２の画像２１０ｂに割り当てられる。例えば、これらの確信度は、各画像が動きの混入したショットを含む可能性が高いことを示すように設定される。
また、ＭＲＩシステム１００は、第１の画像２１０ａと第３の画像２１０ｃとを比較する第２の比較を行うことで、第１の画像２１０ａが第３の画像２１０ｃと類似していると判定する。ここで、第３の画像２１０ｃには、第３の確信度が割り当てられ、また、第２の比較に基づいて、第１及び第２の確信度が更新される。例えば、第３の確信度は、第３の画像２１０ｃが動きの混入したショットを含んでいない可能性が高いことを示すように設定される。また、第１及び第２の確信度は、それぞれ、第１及び第２の画像２１０ａ及び２１０ｂが動きの混入したショットを含む可能性が（第２の比較が行われる前と比べて）より高いことを示すように更新される。
また、ＭＲＩシステム１００は、第１の画像２１０ａと第４の画像２１０ｄとを比較する第３の比較を行うことで、第１の画像２１０ａが第４の画像２１０ｄと類似していると判定する。ここで、第４の画像２１０ｄには、第４の確信度が割り当てられ、また、記第３の比較に基づいて、第１、第２及び第３の確信度が更新される。例えば、第４の確信度は、第４の画像２１０ｄが動きの混入したショットを含む可能性が高いことを示すように設定される。また、第３の確信度は、第３の画像２１０ｃが動きの混入したショットを含む可能性が（第３の比較が行われる前と比べて）より低いことを表すように更新される。また、第１及び第２の確信度は、それぞれ、第１及び第２の画像２１０ａ及び２１０ｂが動きの混入したショットを含む可能性が（第２及び第３の比較を行う前と比べて）より高いことを示すように更新される。
上述した比較方法は、データセット２０５から異なる１つのショットを除いたサブセットそれぞれから再構成された全ての画像を対象として実行される。例えば、データセット２０５が１００ショットを含む場合には、１００個のサブセットを生成することができ、それらのサブセットから再構成された１００個の画像を用いて、９９回の比較が行われる。より一般的には、データセット２０５がＮ個のショットを含む場合には、Ｎ個のサブセットが生成され、それにより、Ｎ－１回の比較が行われる。そして、比較が完了した後、動きの混入したショットを含む可能性が最も低いことを示している確信度の画像が、外れ値画像として選択される。そして、この外れ値画像を再構成するために用いられたサブセットが、第２のＣＳ方法によってモーションアーチファクトがより少ない新たな画像を再構成するために用いられるサブセットとして選択される。例えば、第３の画像２１０ｃが、動きの混入したショットが除外された外れ値画像として選択され、第３のサブセット２０５ｃが、第２のＣＳ方法を用いて新たな（高分解能）画像を再構成するためのサブセットとして用いられる。なお、一実施例では、第１のＣＳ方法は、第２のＣＳ方法と同じ方法であるが、より高速に再構成を行えるように調整される。または、一実施例では、第１のＣＳ方法は、第２のＣＳ方法と異なる方法であり、第２のＣＳ方法より高速な方法とされる。
すなわち、一実施例では、再構成部が、さらに、第１のサブセットから第１のＣＳ方法を用いて最終画像を再構成する。
また、一実施例では、再構成部が、さらに、第１のサブセットから第２のＣＳ方法を用いて最終画像を再構成する。ここで、第１のＣＳ方法は、第２のＣＳ方法と比べて高速なＣＳ方法であり、第２のＣＳ方法は、第１のＣＳ方法と比べて高精度又は高分解能な画像を再構成するＣＳ方法である。
また、一実施例では、ＭＲＩシステム１００は、全ての画像を第１の画像２１０ａと比較した後に、さらに、全ての画像を他の画像、例えば、第２の画像２１０ｂと比較する。この場合に、第２の画像２１０ｂと第１の画像２１０ａとの比較は、必ずしも行わなくてもよいが、冗長度チェックとして実行してもよい。具体的には、ＭＲＩシステム１００は、第２の画像２１０ｂと第３の画像２１０ｃとの間でｉ番目の比較を行うことで、第２の画像２１０ｂと第３の画像２１０ｃとが類似していないと判定し、画像２１０ｂ及び画像２１０ｃそれぞれの第２及び第３の確信度を前述したように更新する（すなわち、動きの混入したショットを含む可能性がより高いことを示すように第２の確信度が更新され、動きの混入したショットを含む可能性がより低いことを示すように第３の確信度が更新される）。そして、この比較方法は、前述したＮ個のサブセットから再構成されたＮ個の画像を対象として連続して実行される。
また、一実施形態として、画像のセットを他の画像のセットと比較するようにしてもよい。ここでいう画像のセットには、少なくとも１つの画像が含まれる。例えば、第１のセットの画像を、第１の画像２１０ａ及び第２の画像２１０ｂを含むものとし、第２のセットの画像を、第４の画像２１０ｄ及び第５の画像２１０ｅを含むものとする。または、例えば、第１のセットの画像を、第１の画像２１０ａを含むものとし、第２のセットの画像を、第２の画像２１０ｂ、第４の画像２１０ｄ、及び、第５の画像２１０ｅを含むものとする。この場合、任意の数の画像を含む各セットの間で、１回又は複数回だけ、任意の回数の比較を行うことができる。例えば、サブセットの数をＮとし、各セットの画像の数をｋとすると、１回で行われる比較の数は、以下の組み合わせ関数によって決定することができる。
図２Ｂに戻って、一実施例に係る一例を説明する。図２Ｂは、本願の例示的な一実施例に係る、ＭＲ画像におけるモーションアーチファクトを連続して検出及び除去するための技術を示す。一実施例では、動きの混入したショットが除外された外れ値画像として第３のサブセット２０５ｃが選択された後に、新たな（高分解能）画像を再構成する前に、当該第３のサブセット２０５ｃから１つ又は複数の追加のショットを除外することで、より精緻な第１、第２、第３、第４及び第５のサブセット２０７ａ～２０７ｅが生成される。また、より精緻な第１、第２、第３、第４及び第５のサブセット画像２１５ａ～２１５ｅに対して前述した比較及び外れ値選択の方法を実行することによって、動きの混入したショットがさらに除外され、後続の精緻化処理のために、例えば、より精緻な第４のサブセット２０７ｄ、及び、より精緻な第４のサブセット画像２１５ｄが選択される。そして、この処理は、所定の回数だけ、又は、動きが十分に除去されたことを示す閾値に達するまでの間、又は、操作者が所定レベルの品質の画像が得られたと判定するまでの間、継続して実行される。
図３は、ＭＲＩのスキャンによって得られる再構成された画像におけるモーションアーチファクトの検出及び補正方法３００の一例を示すフローチャートである。
まず、ステップＳ３０１において、ＭＲＩシステム１００は、ＭＲＩデータのデータセット２０５を収集する。
次に、ステップＳ３０３において、ＭＲＩシステム１００は、データセット２０５から少なくとも１つのショットを除外することによって生成された、データセット２０５のサブセット２０５ａ～２０５ｅから、画像２１０ａ～２１０ｅのセットを再構成する。ここで、最初の反復処理では、その回のデータセットとして完全なデータセット２０５が用いられ、それ以降の反復処理では、直前の反復処理においてモーションアーチファクトに最も関与すると判定されたショットが除外された結果、削減されたデータセットがその回のデータセットとして用いられる。例えば、図２Ａの例では、データセット２０５ｃが、２回目の反復処理で用いられるデータセットとなり、図２Ｂの例では、データセット２０７ｄが、３回目の反復処理で用いられるデータセットとなる。
次に、ステップＳ３０５において、ＭＲＩシステム１００は、画像２１０ａ～２１０ｅのセットを互いに比較することで、どの画像が、モーションアーチファクトが最小の外れ値画像であるかを判定する。例えば、この比較は、ＳＳＩやＰＤＭ等の画像評価基準値等の画像比較基準値を用いて行われる。
次に、ステップＳ３０７において、ＭＲＩシステム１００は、外れ値画像に対応するサブセットを次の反復用のデータセットとして選択する。なお、ここで、所定の停止基準を満たしている場合には、ＭＲＩシステム１００は、ステップＳ３１１において、選択されたサブセットから最終画像を再構成する。
次に、ステップＳ３０９において、ＭＲＩシステム１００は、所定の停止基準を満たしているか否かを判定する。そして、ＭＲＩシステム１００は、所定の停止基準を満たしている場合には、ステップＳ３１１に進み、満たしていない場合に、さらに反復処理を行うためにステップＳ３０３に戻る。ここで、所定の停止基準は、反復処理の最大回数、又は、１つ又は複数の以上の収束基準である。
次に、ステップＳ３１１において、ＭＲＩシステム１００は、選択されたサブセット（外れ値画像を再構成するために用いられたサブセット）から最終（高分解能）画像を再構成する。
なお、画像のセット間の比較は、画像を比較するための当技術分野で知られた種々の技術（例えば、画像間の類似性又は相違性を判定することによって画像を比較する技術）を用いて行うことができる。例えば、類似性は、構造的類似性指標、普遍的品質指標、ピークＳＮ比、平均二乗誤差、ｐノルムベース計測（ｐは負でない数）、相互相関ベース計測、知覚的相違モデル、ピアソン相関、タニモト計測、確率（論）的正負変換、決定（論）的正負変換、最小比率、スピアマンのρ、ケンドールのτ、最大偏差、通常計測、相関比、同時（発生）確率密度のエネルギー、マテリアル類似性、シャノン相互情報量、レーニ相互情報量、Ｔｓａｌｌｉｓ相互情報量、Ｉα情報量等により計測することができる。また、例えば、相違性は、Ｌ１ノルム、絶対差のメジアン、二乗Ｌ２ノルム、二乗差のメジアン、正規化二乗Ｌ２ノルム、増分符号付き距離、輝度比分散値、輝度マッピング比分散値、ランク距離、結合エントロピー、排他的Ｆ情報により計測することができる。
すなわち、一実施例では、所定の画像比較基準値は、構造的類似性指標、普遍的品質指標、ピークＳＮ比、平均二乗誤差、ｐノルムベース計測（ｐは負でない数）、相互相関ベース計測、知覚的相違モデル等である。
一実施例では、画像のセット間の比較は、画像２１０ａ～２１０ｅの間のユークリッド距離の差を計測して類似性を判定することによって行われる。ここで、ユークリッド距離によって、画像が各画素のグレーの度合いに応じてベクトルに変換され、その後、画素ごとに輝度の差が比較される。ここで、Ｍ×Ｎの大きさ固定された画像は、各画素のグレーの度合いに応じて、ベクトルｘ＝｛ｘ１，ｘ２，・・・ｘＭＮ｝と書くことができる。また、画像ｘ１と画像ｘ２との間のユークリッド距離ｄＥ（ｘ１，ｘ２）は、以下の式のように定義される。
また、一実施例では、画像のセット間の比較は、ＳＳＩを計測して類似性を判定することによって行われる。ここで、互いに位置合わせされた２つの負でない画像信号（例えば、各画像から抽出された空間パッチ）をｘ及びｙとすると、これらの信号のうちの１つの品質がより高い場合には、類似性を計測することで、もう１つの信号の品質を定量的に計測することができる。システムは、類似性の計測のタスクを、輝度の比較、コントラストの比較、及び、構造の比較の３つの比較に分割する。Ｎ×Ｎの通常のサイズを有する２つのウィンドウｘ及びｙの間の計測は、以下のように表される。
Figure 0007383403000004
ここで、μｘはｘの平均であり、μｙはｙの平均であり、σｘ ２はｘの分散値であり、σｙ ２はｙの分散値であり、σｘｙはｘ及びｙの共分散値であり、ｃ１＝（ｋ１Ｌ）２及びｃ２＝（ｋ２Ｌ）２は、小さい分母で除算を調整するための変数であり、Ｌは画素値のダイナミックレンジである。
また、一実施例では、画像のセット間の比較は、ＰＤＭを計測して類似性を判定することによって行われる。ここで、ＰＤＭは、視覚伝導路の機能解剖を模倣して、網膜の視覚及び感度、空間コントラスト感度関数、並びに、視覚野にある空間周波数のチャネルをモデル化するコンポーネントを含む。そして、ＰＤＭは、知覚可能な相違の確からしさの空間マップ、及び、当該空間マップにわたって平均されたスカラー画質の基準値を提供する。
また、一実施例では、第１の画像２１０ａと第２の画像２１０ｂとの比較は、操作者による目視検査を用いて実行することができる。この場合、再構成された画像２１０ａ～２１０ｅが操作者に提示され、操作者が、動きの混入したショットを除外するために決定した少なくとも１つの画像を選択することができる。操作者は、この選択をＭＲＩシステム１００に入力し、それにより、第２のＣＳ方法を用いた新な画像の再構成が実行される。
すなわち、一実施例では、選択部が、複数の画像のうちの少なくとも２つの画像をディスプレイに表示し、表示された画像の中から１つの画像を選択する操作を操作者から受け付け、当該操作により選択された画像を第１の画像として選択する。
また、一実施例では、時間順に最後に収集されたショットから開始して順々にショットが除外される。これは、被検体の動きはスキャンの終わり頃、例えば、息止めの終わりで発生しやすいことから、スキャンの終わり頃に収集されたショットを最初に除外して画像の比較を行うようにするためである。
また、一実施例では、動きを含むと決定された最初のショットの近傍から、ショットが除外される。例えば、第３のショットがモーションアーチファクトに最も関与していると決定された場合、それに隣り合う２つのショット（つまり、第２及び第４のショット）もモーションアーチファクトに関与している可能性が高いと推測できる。なぜならば、被検体の動きは時間的に集中する可能性が高いからである。例えば、図２Ａの例において、サブセット２０５ｃが、第１の動きの混入したショット（以下、動き混入ショットと呼ぶ）を除外したものであった場合に、第１の動き混入ショットに隣り合って収集された１つ以上のショットも、動きを含んでいると判定できる。したがって、これらの動きの混入したショットを、新たな第１、第２、第３、第４及び第５のサブセット２０７ａ～２０７ｅを生成する前に除外する。
すなわち、一実施例では、再構成部が、第１のサブセットを生成する際に除外したエンコードが収集された時間の近傍の時間で収集されたエンコードを第１のサブセットから除外することで、他の複数の画像の生成に用いられる複数のサブセットを生成する。
例えば、第１の動き混入ショットの直前に収集された第２の動き混入ショットと、第１の動き混入ショットの直後に収集された第３の動き混入ショットとが除外される。そして、ショットの除外と、より精緻な第１、第２、第３、第４及び第５のサブセット画像２１５ａ～２１５ｅの再構成との組み合わせが、所定のレベルの精緻化が得られるまで実行される。例えば、最初の画像（つまり、画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅ）の再構成に用いられる第１のＣＳ方法が反復的に実行され、目的関数の値が所定の第１の閾値に満たない値に収束した時点で停止される。さらに、最終画像再構成に用いられる第２のＣＳ方法が、反復的に実行され、目的関数の値が所定の第２の閾値に満たない他の値に収束した時点で停止される。ここで、第２の閾値は、第１の閾値より小さいものとする。さらに、複数の画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅの空間分解能は、最終画像の空間分解能より低いものとする。
すなわち、一実施例では、第１のＣＳ方法が、目的関数の値が第１の閾値未満になるまで繰り返し実行される反復処理を含んだ反復ＣＳ方法であり、第２のＣＳ方法は、目的関数の値が第１の閾値より小さい第２の閾値未満になるまで繰り返し実行される反復処理を含んだ反復ＣＳ方法である。そして、第１のＣＳ方法によって再構成される複数の画像は、第２のＣＳ方法によって再構成される最終画像と比べて空間分解能が低い。
また、一実施例では、１つのショットの全体を除外する代わりに、１つのショットに含まれる少なくとも１つのエンコードが除外される。これにより、所定のレベルの精緻化を得る際の粒度を高めることができる。例えば、第２の動き混入ショットの全体を削除することによって新たな画像の精度が低下する場合があるが、第２の動き混入ショットから少なくとも１つのエンコードを反復的に削除し、その結果として再構成された画像を互いに比較することによって、精度の低下が検出されるまでの除外可能なエンコード数を決定することができる。
すなわち、一実施例では、収集部が、複数のショットを含むパルスシーケンスであって、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いてＭＲＩデータを収集する。また、再構成部が、少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれるエンコードを除外したサブセットを生成することによって、複数の画像を再構成する。
また、一実施例では、自動校正信号（Auto-Calibrated Signal：ＡＣＳ）を用いて、サンプリングが行われる。この場合には、ＡＣＳライン内のエンコードは、自動校正及び画像再構成プロセスにおいて重要な役割を果たす。また、ＡＣＳライン内のエンコードはＡＣＳライン外のエンコードの空間周波数より低い空間周波数に対応する（つまり、ｋ空間における、より原点に近い点をサンプリングする）ため、ＡＣＳ領域内のエンコードは、動きによって受ける影響が少ない。このことから、他の実施例として、ＡＣＳ領域内のエンコード及びＡＣＳ領域外のエンコードの両方を含む動き混入ショットについては、当該動き混入ショットから全てのエンコードを除外するのではなく、ＡＣＳ領域外のエンコードのみを除外して、ＡＣＳ領域内のエンコードを保留するようにしてもよい。これにより、ＡＣＳは、固有ベクトルベースのＥＳＰＩＲｉＴ（Eigenvector based iterative Self-consistent Parallel Imaging Reconstruction）等の自動校正方法用に用いられる。または、ＡＣＳ領域内のエンコード又はショットよりも、ＡＣＳ領域外のエンコード又はショットが除外されるように、ｋ空間における原点に近い点をサンプリングしたエンコード及びショットを重み付けすることによって、当該エンコード又はショットが、動きの混入しているものとして除外される可能性が低くなるようにしてもよい。この実施例は、ｋ空間の中央でサンプリングされた情報は大きい特徴部及び低い空間周波数を含み、かつ、ＭＲＩ信号は一般的に原点の近くで最も大きく、原点から遠ざかるにつれて連続的に小さくなるように展開するものであることから、当該情報は最も価値があるという見識に基づいている。このように、再構成において除外するエンコード又はショットをＡＣＳ領域外から優先的に選択することによって、画質の低下を抑えることができる。
すなわち、一実施例では、収集部が、複数のショットを含み、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いてＭＲＩデータを収集する。また、再構成部が、少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれるＡＣＳ域外のエンコードを除外したサブセットを生成することによって、複数の画像を再構成する。
有利な点として、本願が開示するモーションアーチファクトの検出及び補正方法は、動きについて何らの仮定を行わず、また、モデルを用いない。この方法は、被検体が動く時を決定するための外部のトリガや、付加的なナビゲータ、カメラを含まない。したがって、本願が開示する方法は、装置やハードウェアの追加を必要とせずに、すなわち、従来のＭＲＩスキャナを用いて、ＭＲＩデータの全てを収集することができ、収集方法は変更されない。そのため、この方法は、ハードウェアの追加に伴う付加的な費用及び複雑化を必要としない。
すなわち、一実施例では、選択部が、被検体の動きを直接計測することなく、ＭＲＩデータ及び当該ＭＲＩデータから得られる結果に基づいて、第１のサブセットを選択する。
また、注目すべきは、再構成された画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅの解析／比較は、ｋ空間において実行されない点である。例えば、画像は、画像ドメインで比較される。または、画像比較基準値を用いて画像の比較が行われる前に、当該画像に変換又は画像処理フィルタが適用される（例えば、ハイ／ローフィルタ又はエッジ検出フィルタが、最初に再構成された画像に適用される）。また、再構成された画像は、ｋ空間ドメインでは比較されず、画像比較基準値も適用されない。つまり、再構成された画像２１０ａ～２１０ｅ及び２１５ａ～２１５ｅは、画像ドメイン又は代替画像ドメインのいずれかで、例えば、空間ドメイン、又は、空間周波数ドメインではない変換ドメインで比較される。これにより、再構成された画像において、モーションアーチファクトをより容易に検出することができる。
すなわち、一実施例では、選択部が、空間ドメイン、又は、空間周波数ドメインではない変換ドメインで所定の画像比較基準値を用いて複数の画像を比較することによって、第１の画像を選択する。
なお、一実施例では、変換ドメインは、ウェーブレット変換、エッジ検出変換、フィルタ変換、直交関数分解等によって変換されたドメインである。
また、上述したように、動きの混入を検出するための画像に用いられる再構成方法は、最終（高分解能）画像に用いられる再構成方法と同じである必要はない。第１の再構成方法については、（正則化、反復の数等を選択することによって）速度が最適化され、一方、第２の再構成方法については、精度が最適化される。ここで、第１の再構成方法を最適化することにより、モーションアーチファクトに対する感度を高めることができる。また、除外する最適なデータが選択された後に、臨床的な画質を保持するため、標準的な再構成方法を用いて、新たな（高分解能）画像が再構成される。
上述した特徴によれば、本願に記載の方法は、ＭＲＩデータのデータセットにおける動きの混入した部分を検出して除外することができるため、他の動き補正の方法では無駄なものになるようなデータを回復及び浄化することができる。
以上説明した少なくとも１つの実施形態によれば、ＭＲＩデータの一部に被検体の動きが混入した場合でも、当該ＭＲＩデータから高品質な画像を再構成することができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１００ ＭＲＩシステム
１４０ ＭＲＩシーケンスコントローラ
１４２ ＭＲＩデータプロセッサ

Claims (27)

  1. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備える、磁気共鳴イメージング装置。
  2. 前記選択部は、所定の画像比較基準値を用いて前記複数の画像を比較することによって、モーチョンアーチファクトが最小となる外れ値画像を識別し、当該外れ値画像を前記第１の画像として選択する、
    請求項１に記載の磁気共鳴イメージング装置。
  3. 前記再構成部は、さらに、前記第１のサブセットから前記第１の圧縮センシング方法を用いて最終画像を再構成する、
    請求項１又は２に記載の磁気共鳴イメージング装置。
  4. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備え、
    前記再構成部は、さらに、前記第１のサブセットから第２の圧縮センシング方法を用いて最終画像を再構成し、
    前記第１の圧縮センシング方法は、前記第２の圧縮センシング方法と比べて高速な圧縮センシング方法であり、
    前記第２の圧縮センシング方法は、前記第１の圧縮センシング方法と比べて高精度又は高分解能な画像を再構成する圧縮センシング方法である、
    磁気共鳴イメージング装置。
  5. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備え、
    前記再構成部は、前記第１のサブセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したデータのサブセットを、除外するエンコードを変えて複数生成し、各サブセットから前記第１の圧縮センシング方法を用いて画像を生成することによって、前記複数の画像とは異なる他の複数の画像をさらに再構成し、
    前記選択部は、前記他の複数の画像から画質が最適な第２の画像を選択し、当該第２の画像の生成に用いられた第２のサブセットを選択し、
    前記再構成部が前記他の複数の画像を再構成すること、及び、前記選択部が前記第２のサブセットを選択することを、所定の停止基準が満たされるまで繰り返す、
    磁気共鳴イメージング装置。
  6. 前記再構成部は、前記第１のサブセットを生成する際に除外したエンコードが収集された時間の近傍の時間で収集されたエンコードを前記第１のサブセットから除外することで、前記他の複数の画像の生成に用いられる複数のサブセットを生成する、
    請求項５に記載の磁気共鳴イメージング装置。
  7. 前記所定の画像比較基準値は、構造的類似性指標、普遍的品質指標、ピークＳＮ比、平均二乗誤差、ｐノルムベース計測（ｐは負でない数）、相互相関ベース計測、及び、知覚的相違モデルのうちの１つである、
    請求項２に記載の磁気共鳴イメージング装置。
  8. 前記選択部は、前記複数の画像のうちの少なくとも２つの画像をディスプレイに表示し、表示された画像の中から１つの画像を選択する操作を操作者から受け付け、当該操作により選択された画像を前記第１の画像として選択する、
    請求項１～７のいずれか１つに記載の磁気共鳴イメージング装置。
  9. 前記選択部は、前記第１の画像を選択した後に、当該第１の画像が所定の画質を実現するものであるか否かを判定し、
    前記再構成部は、
    前記第１の画像が前記所定の画質を実現するものであると判定された場合に、前記第１のサブセットから最終画像を再構成し、
    前記第１の画像が前記所定の画質を実現するものでないと判定された場合に、前記第１のサブセットから前記他の複数の画像を再構成する、
    請求項５に記載の磁気共鳴イメージング装置。
  10. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備え、
    前記収集部は、複数のショットを含むパルスシーケンスであって、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成部は、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれるエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    磁気共鳴イメージング装置。
  11. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備え、
    前記収集部は、複数のショットを含み、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成部は、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれる自動校正信号領域外のエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    磁気共鳴イメージング装置。
  12. 前記選択部は、前記被検体の動きを直接計測することなく、前記磁気共鳴イメージングデータ及び当該磁気共鳴イメージングデータから得られる結果に基づいて、前記第１のサブセットを選択する、
    請求項１～１１のいずれか一つに記載の磁気共鳴イメージング装置。
  13. 被検体の磁気共鳴イメージングデータを収集する収集部と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成部と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択部と
    を備え、
    前記選択部は、空間ドメイン、又は、空間周波数ドメインではない変換ドメインで所定の画像比較基準値を用いて前記複数の画像を比較することによって、モーチョンアーチファクトが最小となる外れ値画像を識別し、当該外れ値画像を前記第１の画像として選択する、
    磁気共鳴イメージング装置。
  14. 前記変換ドメインは、ウェーブレット変換、エッジ検出変換、フィルタ変換及び直交関数分解の少なくとも１つによって変換されたドメインである、
    請求項１３に記載の磁気共鳴イメージング装置。
  15. 前記第１の圧縮センシング方法は、目的関数の値が第１の閾値未満になるまで繰り返し実行される反復処理を含んだ反復圧縮センシング方法であり、
    前記第２の圧縮センシング方法は、前記目的関数の値が前記第１の閾値より小さい第２の閾値未満になるまで繰り返し実行される反復処理を含んだ反復圧縮センシング方法であり、
    前記第１の圧縮センシング方法によって再構成される前記複数の画像は、前記第２の圧縮センシング方法によって再構成される前記最終画像と比べて空間分解能が低い、
    請求項４に記載の磁気共鳴イメージング装置。
  16. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含む、方法。
  17. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含み、
    前記再構成ステップは、さらに、前記第１のサブセットから第２の圧縮センシング方法を用いて最終画像を再構成し、
    前記第１の圧縮センシング方法は、前記第２の圧縮センシング方法と比べて高速な圧縮センシング方法であり、
    前記第２の圧縮センシング方法は、前記第１の圧縮センシング方法と比べて高精度又は高分解能な画像を再構成する圧縮センシング方法である、
    方法。
  18. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含み、
    前記再構成ステップは、前記第１のサブセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したデータのサブセットを、除外するエンコードを変えて複数生成し、各サブセットから前記第１の圧縮センシング方法を用いて画像を生成することによって、前記複数の画像とは異なる他の複数の画像をさらに再構成し、
    前記選択ステップは、前記他の複数の画像から画質が最適な第２の画像を選択し、当該第２の画像の生成に用いられた第２のサブセットを選択し、
    前記再構成ステップが前記他の複数の画像を再構成すること、及び、前記選択ステップが前記第２のサブセットを選択することを、所定の停止基準が満たされるまで繰り返す、
    方法。
  19. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含み、
    前記収集ステップは、複数のショットを含むパルスシーケンスであって、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成ステップは、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれるエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    方法。
  20. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含み、
    前記収集ステップは、複数のショットを含み、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成ステップは、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれる自動校正信号領域外のエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    方法。
  21. 被検体の磁気共鳴イメージングデータを収集する収集ステップと、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成ステップと、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択ステップと
    を含み、
    前記選択ステップは、空間ドメイン、又は、空間周波数ドメインではない変換ドメインで所定の画像比較基準値を用いて前記複数の画像を比較することによって、モーチョンアーチファクトが最小となる外れ値画像を識別し、当該外れ値画像を前記第１の画像として選択する、
    方法。
  22. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と、
    を実行させる、プログラム。
  23. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と
    を実行させ、
    前記再構成手順は、さらに、前記第１のサブセットから第２の圧縮センシング方法を用いて最終画像を再構成し、
    前記第１の圧縮センシング方法は、前記第２の圧縮センシング方法と比べて高速な圧縮センシング方法であり、
    前記第２の圧縮センシング方法は、前記第１の圧縮センシング方法と比べて高精度又は高分解能な画像を再構成する圧縮センシング方法である、
    プログラム。
  24. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と
    を実行させ、
    前記再構成手順は、前記第１のサブセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外したデータのサブセットを、除外するエンコードを変えて複数生成し、各サブセットから前記第１の圧縮センシング方法を用いて画像を生成することによって、前記複数の画像とは異なる他の複数の画像をさらに再構成し、
    前記選択手順は、前記他の複数の画像から画質が最適な第２の画像を選択し、当該第２の画像の生成に用いられた第２のサブセットを選択し、
    前記再構成手順が前記他の複数の画像を再構成すること、及び、前記選択手順が前記第２のサブセットを選択することを、所定の停止基準が満たされるまで繰り返す、
    プログラム。
  25. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と
    を実行させ、
    前記収集手順は、複数のショットを含むパルスシーケンスであって、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成手順は、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれるエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    プログラム。
  26. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と
    を実行させ、
    前記収集手順は、複数のショットを含み、各ショットが少なくとも２つのエンコードを含むパルスシーケンスを用いて前記磁気共鳴イメージングデータを収集し、
    前記再構成手順は、前記少なくとも１つのエンコードを除外したサブセットとして、少なくとも１つのショットに含まれる自動校正信号領域外のエンコードを除外したサブセットを生成することによって、前記複数の画像を再構成する、
    プログラム。
  27. コンピュータに、
    被検体の磁気共鳴イメージングデータを収集する収集手順と、
    前記磁気共鳴イメージングデータのデータセットに含まれる複数のエンコードから少なくとも１つのエンコードを除外した同数のエンコードを含むサブセットを、除外するエンコードを変えて複数生成し、各サブセットから第１の圧縮センシング方法を用いて画像を生成することによって、複数の画像を再構成する再構成手順と、
    前記複数の画像から画質が最適な第１の画像を選択し、当該第１の画像の生成に用いられた第１のサブセットを選択する選択手順と
    を実行させ、
    前記選択手順は、空間ドメイン、又は、空間周波数ドメインではない変換ドメインで所定の画像比較基準値を用いて前記複数の画像を比較することによって、モーチョンアーチファクトが最小となる外れ値画像を識別し、当該外れ値画像を前記第１の画像として選択する、
    プログラム。
JP2019103455A 2019-03-01 2019-06-03 磁気共鳴イメージング装置、方法及びプログラム Active JP7383403B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/290,473 2019-03-01
US16/290,473 US10950014B2 (en) 2019-03-01 2019-03-01 Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI)

Publications (2)

Publication Number Publication Date
JP2020137992A JP2020137992A (ja) 2020-09-03
JP7383403B2 true JP7383403B2 (ja) 2023-11-20

Family

ID=72237153

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019103455A Active JP7383403B2 (ja) 2019-03-01 2019-06-03 磁気共鳴イメージング装置、方法及びプログラム

Country Status (2)

Country Link
US (1) US10950014B2 (ja)
JP (1) JP7383403B2 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202011893A (zh) 2018-07-30 2020-04-01 美商超精細研究股份有限公司 用於核磁共振影像重建之深度學習技術
EP3837636B1 (en) 2018-08-15 2024-03-27 Hyperfine, Inc. Deep learning techniques for suppressing artefacts in magnetic resonance images
KR20210141550A (ko) 2019-03-14 2021-11-23 하이퍼파인, 인크. 공간 주파수 데이터로부터 자기 공명 이미지를 생성하기 위한 딥 러닝 기법
EP3770625B1 (en) * 2019-07-24 2024-06-26 Siemens Healthineers AG Mri using compressed sensing with improved regularization parameter
JP7203287B1 (ja) * 2020-06-08 2023-01-12 グァンチョウ コンピューテーショナル スーパー－レゾリューション バイオテック カンパニー リミテッド 画像処理のためのシステム及び方法
CN112213674B (zh) * 2020-09-11 2023-03-21 上海东软医疗科技有限公司 磁共振压缩感知重建方法及装置
JP7377231B2 (ja) * 2021-02-02 2023-11-09 富士フイルムヘルスケア株式会社 磁気共鳴イメージング装置、及び、画像処理方法
WO2022212264A1 (en) * 2021-03-28 2022-10-06 The General Hospital Corporation Autocalibrated multi-shot magnetic resonance image reconstruction with joint optimization of shot-dependent phase and parallel image reconstruction
GB2617196B (en) * 2022-04-01 2024-05-01 Siemens Healthcare Gmbh Method for generating a magnetic resonance image

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120243756A1 (en) 2011-03-25 2012-09-27 Samsonov Alexey A Method for Reconstructing Motion-Compensated Magnetic Resonance Images From Non-Cartesian K-Space Data
JP2013154015A (ja) 2012-01-31 2013-08-15 Ge Medical Systems Global Technology Co Llc 磁気共鳴装置およびプログラム
JP2015154919A (ja) 2014-01-16 2015-08-27 株式会社東芝 磁気共鳴イメージング装置及び画像処理装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8761478B2 (en) * 2009-12-15 2014-06-24 General Electric Company System and method for tomographic data acquisition and image reconstruction
US8204172B1 (en) * 2010-03-17 2012-06-19 General Electric Company System and method of prior image constrained image reconstruction using short scan image data and objective function minimization
US8699773B2 (en) * 2010-10-21 2014-04-15 Beth Israel Deaconess Medical Center Method for image reconstruction using low-dimensional-structure self-learning and thresholding
US8768034B2 (en) 2012-03-20 2014-07-01 Siemens Medical Solutions Usa, Inc. Motion compensated MR imaging system
US9208588B2 (en) * 2013-09-25 2015-12-08 Wisconsin Alumni Research Foundation Fast statistical imaging reconstruction via denoised ordered-subset statistically-penalized algebraic reconstruction technique
DE102013220326B4 (de) 2013-10-09 2015-10-01 Siemens Aktiengesellschaft Paarweise Anordnung von Abtastpunkten bei der MR-Bildgebung
EP2924457B1 (en) * 2014-03-28 2016-11-02 Albert-Ludwigs-Universität Freiburg Half Fourier MRI with iterative reconstruction
RU2568929C1 (ru) * 2014-04-30 2015-11-20 Самсунг Электроникс Ко., Лтд. Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных
DE102015200353B4 (de) * 2015-01-13 2017-11-16 Siemens Healthcare Gmbh Verfahren zur Aufnahme eines Magnetresonanzbilddatensatzes und Magnetresonanzeinrichtung
WO2017039651A1 (en) * 2015-09-02 2017-03-09 Siemens Healthcare Gmbh Fast sparse computed tomography image reconstruction from few views
US10267883B2 (en) * 2015-12-11 2019-04-23 Siemens Healthcare Gmbh System and method for motion resolved MRI
US10671939B2 (en) * 2016-04-22 2020-06-02 New York University System, method and computer-accessible medium for learning an optimized variational network for medical image reconstruction
JP6932181B2 (ja) 2016-07-21 2021-09-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 動き補正された圧縮検知磁気共鳴イメージング
US20180197317A1 (en) * 2017-01-06 2018-07-12 General Electric Company Deep learning based acceleration for iterative tomographic reconstruction
CN107705261B (zh) * 2017-10-09 2020-03-17 东软医疗系统股份有限公司 一种图像重建方法和装置
US10504250B2 (en) * 2018-01-27 2019-12-10 Uih America, Inc. Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
CN109325985B (zh) * 2018-09-18 2020-07-21 上海联影智能医疗科技有限公司 磁共振图像重建方法、装置和计算机可读存储介质
US10719934B2 (en) * 2018-10-17 2020-07-21 Canon Medical Systems Corporation Devices, systems, and methods for medical imaging
US10996306B2 (en) * 2019-04-25 2021-05-04 General Electric Company MRI system and method using neural network for detection of patient motion

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120243756A1 (en) 2011-03-25 2012-09-27 Samsonov Alexey A Method for Reconstructing Motion-Compensated Magnetic Resonance Images From Non-Cartesian K-Space Data
JP2013154015A (ja) 2012-01-31 2013-08-15 Ge Medical Systems Global Technology Co Llc 磁気共鳴装置およびプログラム
JP2015154919A (ja) 2014-01-16 2015-08-27 株式会社東芝 磁気共鳴イメージング装置及び画像処理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
町田好男，MRI 高速撮像の進展 ～画像化の原理から圧縮センシングまで～，医用画像情報学会雑誌，2013年，Vol.30 No.1，pp.7-11

Also Published As

Publication number Publication date
US10950014B2 (en) 2021-03-16
JP2020137992A (ja) 2020-09-03
US20200279413A1 (en) 2020-09-03

Similar Documents

Publication Publication Date Title
JP7383403B2 (ja) 磁気共鳴イメージング装置、方法及びプログラム
Haskell et al. TArgeted Motion Estimation and Reduction (TAMER): data consistency based motion mitigation for MRI using a reduced model joint optimization
KR101659578B1 (ko) 자기 공명 영상 처리 방법 및 장치
JP6998218B2 (ja) 動き検出を用いるｍｒ撮像
US10996306B2 (en) MRI system and method using neural network for detection of patient motion
WO2012037067A1 (en) Multi-contrast image reconstruction with joint bayesian compressed sensing
US11002815B2 (en) System and method for reducing artifacts in echo planar magnetic resonance imaging
CN106981051B (zh) 用于运动解析的mri的系统和方法
EP2773985A1 (en) Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images
US11835612B2 (en) System and method for motion correction of magnetic resonance image
US11796617B2 (en) System and method for reconstruction of magnetic resonance images acquired with partial Fourier acquisition
US11861766B2 (en) System, apparatus, and method for incremental motion correction in magnetic resonance imaging
US11875509B2 (en) System and method for determining undersampling errors for a magnetic resonance fingerprinting pulse sequence
JP2015160140A (ja) 磁気共鳴イメージング装置、磁気共鳴イメージング方法及び磁気共鳴イメージングプログラム
JP2020151475A (ja) 磁気共鳴イメージング装置、磁気共鳴イメージング方法及びプログラム
Cheng et al. Compressed sensing: From research to clinical practice with data-driven learning
US20210166384A1 (en) System, method and computer-accessible medium for tissue fingerprinting
US20230380714A1 (en) Method and system for low-field mri denoising with a deep complex-valued convolutional neural network
WO2013033558A1 (en) System and method for joint degradation estimation and image reconstruction in magnetic resonance imaging
US11846692B2 (en) Motion compensation for MRI imaging
WO2015111048A1 (en) Method of and system for accelerating repeated magnetic resonance imaging
CN113466768B (zh) 磁共振成像方法及磁共振成像系统
CN115552272A (zh) 使用多个磁共振成像系统配置对磁共振图像的校正
US20230341492A1 (en) Systems, Methods, and Media for Estimating a Mechanical Property Based on a Transformation of Magnetic Resonance Elastography Data Using a Trained Artificial Neural Network
EP4095539A1 (en) Task-specific training of a neural network algorithm for magnetic resonance imaging reconstruction and object detection

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220422

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230207

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230613

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230803

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: 20231010

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231108

R150 Certificate of patent or registration of utility model

Ref document number: 7383403

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150