JP7387915B2 - 磁気共鳴撮像におけるオフレゾナンス効果の低減 - Google Patents

磁気共鳴撮像におけるオフレゾナンス効果の低減 Download PDF

Info

Publication number
JP7387915B2
JP7387915B2 JP2022558162A JP2022558162A JP7387915B2 JP 7387915 B2 JP7387915 B2 JP 7387915B2 JP 2022558162 A JP2022558162 A JP 2022558162A JP 2022558162 A JP2022558162 A JP 2022558162A JP 7387915 B2 JP7387915 B2 JP 7387915B2
Authority
JP
Japan
Prior art keywords
magnetic resonance
neural network
images
frequency
data
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
JP2022558162A
Other languages
English (en)
Other versions
JP2023515243A (ja
Inventor
ケイ ネールケ
ペーター ボルネルト
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2023515243A publication Critical patent/JP2023515243A/ja
Application granted granted Critical
Publication of JP7387915B2 publication Critical patent/JP7387915B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56563—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the main magnetic field B0, e.g. temporal variation of the magnitude or spatial inhomogeneity of B0
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)

Description

本発明は磁気共鳴撮像に関し、特に、ぼけのようなオフレゾナンス効果の影響を低減することに関する。
大きな静磁場は患者の身体に画像を生成するためのプロシージャの一部として原子の核スピンをアラインさせるために、磁気共鳴撮像(MRI)スキャナによって使用される。この大きな静磁場は、B0場又は主磁場と呼ばれる。B0場の強さ、及び任意の印加される傾斜磁場は、B0場内のスピン(典型的には水素原子核中のプロトン)歳差不均一性は、B0場の不均一性が、所望とは異なる周波数でのプロトン歳差運動をもたらすことができる周波数を決定する。次いで、プロトン又は他のスピンは、周波数から共鳴する。B0磁場不均一性マップ又は等価的に周波数オフレゾナンスマッピングを測定し、磁気共鳴画像の再構成中に補正を行うために使用することができる。
いくつかの困難があり得る。場合によってはB0不均一性マップが利用可能でなくてもよく、又は例えば、被写体が位置をずらしたり、移動したりした場合に無効であってもよい。
米国特許出願公開第2016／0202335(A1)号は、取得される磁気共鳴撮像データにおけるオフレゾナンスぼけを低減する方法を開示している。本方法は第1の冗長スパイラルイン／アウト軌道に沿ってk空間内の1つ又は複数の位置の各々の第1のサンプリングを実行することによって、1つ又は複数のスパイラルイン／アウトインターリーブの各々の第1のセットのスパイラルインターリーフデータを取得することと、第2の冗長スパイラルイン／アウト軌道に沿ってk空間内の1つ又は複数の位置の各々の第2のサンプリングを実行することによって、1つ又は複数のスパイラルイン／アウトインターリーブの各々の第2のセットのスパイラルインターリーフデータを取得することとを含み、第2の冗長スパイラルイン／アウト軌道は、第1の冗長スパイラルイン／アウト軌道の時間反転軌道に対応する。この方法はさらに、スパイラルインターリーフデータの第1のセット及びスパイラルインターリーフデータの第2のセットを、アーチファクトを低減するなどの平均化動作と組み合わせることを含むことができる。
本発明は、独立請求項における磁気共鳴撮像システム、コンピュータプログラム製品及び方法を提供する。
上述したように、B0磁場における不均一性は、再構成される磁気共鳴画像におけるぼけのようなオフレゾナンス効果をもたらす可能性がある。実施形態は、訓練されるニューラルネットワークを使用することによって、ぼけなどのオフレゾナンスの影響を低減又は除去する手段を提供することができる。B0磁場不均一性マップを取得する代わりに、取得されるk空間データは、磁気共鳴画像のセットを再構成するために使用される。磁気共鳴画像のセット内の各画像に対して、一定の周波数オフレゾナンスファクタが選択される。これは、オフレゾナンスファクタが正しい領域を除いてぼやけた磁気共鳴画像のセットを生成することである。
訓練されるニューラルネットワークはこの磁気共鳴画像のセットを入力とし、次いで、補正磁気共鳴画像データを出力するように訓練されている。訓練されるニューラルネットワークは、磁気共鳴撮像システムの計算システムに組み込まれてもよい。代替的に、計算システムは例えば、医療機関のローカルサーバ上の(磁気共鳴撮像システムの物理的ハードウェアから離れて位置する訓練されるニューラルネットワークへのアクセスを提供されてもよく、又は訓練されるニューラルネットワークは、「クラウド」内でアクセス可能であってもよい。磁気共鳴撮像システムは、再構成ソフトウェアが計算システムにインストールされているか、又は計算システムが遠隔再構成設備にアクセスできるという点で、磁気共鳴画像のセットの再構成のために構成するように構成される。再構成ソフトウェアは「クラウド」において再構成ソフトウェアが利用可能であり得るという点で、例えば、データネットワークにアクセス可能な医療機関の遠隔サーバにインストールされてもよく、これらの遠隔構成では、計算システムが遠隔に配置される再構成機能における磁気共鳴画像のセットの再構成のために構成するための機能を備える。
ニューラルネットワークは、いくつかの異なる方法で訓練又は構成することができる。いくつかの例では、補正磁気共鳴画像データが再構成される磁気共鳴画像である。ニューラルネットワークは、完全に再構成される画像を出力する。他の例では、ニューラルネットワークがボクセルマッピングを出力し得る。ボクセルマッピングは、磁気共鳴画像のセットのうちの1つのボクセルマッピングの各ボクセルに対する選択又は選択を示す。これは、いくつかのことを提供する。ボクセルマッピングは例えば、合成磁気共鳴画像内の特定のボクセルの値を供給するためにどの画像を使用すべきかを示すためにボクセルマッピングを使用することによって、合成磁気共鳴画像を組み立てるために使用され得る。磁気共鳴画像のセットの各々は一定の周波数オフレゾナンスファクタを有するので、ボクセルマッピングは周波数オフレゾナンスマップ(又は等価的にはB0磁場不均一性マップ)を組み立てるために使用され得る。
訓練されるニューラルネットワークの別の潜在的な利点はそれが画像空間において作用し、k空間サンプリングパターンとは無関係であり得ることである。実施形態はk空間サンプリングパターンが螺旋状であるとき、ぼけアーチファクトを補正する際に特に有益であり得る。しかしながら、訓練されるニューラルネットワークは、様々なサンプリングパターンのために使用され得る。
本発明は、独立請求項における医用システム、方法、及びコンピュータプログラムを提供する。実施形態は、従属請求項において与えられる。
一態様では、本発明が機械実行可能命令を記憶するメモリと、訓練されるニューラルネットワークとを備える医用システムを提供する。訓練されるニューラルネットワークは例えば、畳み込みニューラルネットワークであってもよい。訓練されるニューラルネットワークは、それぞれが異なる空間的一定周波数オフレゾナンスファクタを有する磁気共鳴画像のセットを入力として受信することに応答して、補正磁気共鳴画像データを出力するように構成される。磁気共鳴撮像において、いわゆるB0又は主磁場は、不均一性を有し得る。B0磁場の差は、プロトンをわずかにオフレゾナンスファクタで共鳴させる。したがって、周波数オフレゾナンスファクタは、B0場の理想値からの逸脱に等しい。
医用システムは、医用システムを制御するように構成される計算システムをさらに備える。機械実行可能命令の実行は計算システムに、磁気共鳴撮像プロトコルに従って取得されるk空間データを受信させる。機械実行可能命令の実行はさらに計算システムに、磁気共鳴撮像プロトコルに従って磁気共鳴画像のセットを再構成させる。磁気共鳴画像のセットの各々は、周波数オフレゾナンスファクタのリストから選択される異なる空間的一定周波数オフレゾナンスファクタを仮定して再構成される。
B0マップ又は周波数オフレゾナンスファクタマップが分かっていれば、これを使用して、k空間データを磁気共鳴画像に直接再構成することができる。しかし、これは知られていないか、又はデータが破損している可能性がある。B0マップ又は周波数オフレゾナンスファクタマップ又はマッピングを提供する代わりに、k空間データは、再構成される各画像について異なる周波数オフレゾナンスファクタを仮定して再構成される。一定の周波数オフレゾナンスファクタに近い実際の周波数オフレゾナンスファクタを有する画像の部分は本質的に、この領域においてぼやけがなくなるか、又は透明になる。したがって、訓練されるニューラルネットワークは、入力される磁気共鳴画像の集合を見て、正しい周波数オフレゾナンスファクタを有する領域を選択するように訓練され得る。これは、磁気共鳴画像を直接再構成するか、又は磁気共鳴画像を使用してB0マップ又は周波数オフレゾナンスファクタマッピングを再構成するのに有用であり得る。
機械実行可能命令の実行はさらに計算システムに、一組の磁気共鳴画像を訓練されるニューラルネットワークに入力することに応答して、補正磁気共鳴画像データを受信させる。この実施形態は、ニューラルネットワークが事前に測定されるB0マップ又は周波数オフレゾナンスファクタマップなしで、オフレゾナンスファクタ又はB0不均一性の補正を可能にするので、有益であり得る。これは例えば、B0マップの取得を回避すること、又はそれが破損した場合にはそれを補正することさえも有用であり得る。例えば、B0マップが測定され、次いで、被検体は、k空間データが取得されるにつれて移動することができる。この場合、B0マップもはや有効ではない。実施形態は、B0マップを測定することなく、B0不均一性を補正する手段を提供する。
別の実施形態では、補正される磁気共鳴撮像データが不均一性補正される磁気共鳴画像を含む。この実施形態では、補正される磁気共鳴撮像データが補正される画像に直接再構成される。
別の実施形態では、出力補正磁気共鳴画像データは複素数値である。これは、ニューラルネットワークの出力がボクセルに対応し、各ボクセルについて、2つの成分、すなわち、実数成分及び虚数成分又は大きさ及び位相の何れかがあることを意味し得る。
別の実施形態では、補正される磁気共鳴画像がピクセルマッピングを含む。磁気共鳴画像のセットの各々は、同一サイズのボクセル行列を有する。ボクセルマッピングは、同一サイズのボクセル行列の各ボクセルに対する磁気共鳴画像のセットのうちの1つの選択を含む。この実施形態では、補正される磁気共鳴撮像データがどの画素から画像が本質的にぼやけていないか、又は明瞭であるかを識別するマップを含む。これは、いくつかの異なる用途を有することができる。例えば、画像は、ピクセルマッピングを使用して適切なピクセルを撮影することによって再構成され得る。
他の例では、ピクセルマッピングがB0不均一性マップに変換され得る。これは、例えば、最初にk空間データを使用し、B0マップを再構成し、次いで、従来の磁気共鳴撮像アルゴリズムを使用して、このB0不均一性マップを使用して画像を再構成することを可能にし得る。
別の実施形態では、磁気共鳴画像のセットの各々のボクセルマトリクスが同一のサイズを有する。本質的に、これらの画像は空間的に一貫している。ピクセルマッピングは、ボクセルマトリクスの各ボクセルについてのマッピングを有することができる。
別の実施形態では、機械実行可能命令の実行はさらに計算システムに、ピクセルマッピングに従って磁気共鳴画像のセットからボクセルを選択することによって、複合磁気共鳴画像を組み立てさせる。この実施形態では、合成磁気共鳴画像がピクセルマッピングによって識別されるボクセルを選択することによって組み立てられる。これは、例えば、計算システムがそれらの中で最もぼけが少ない最良の利用可能なボクセルを使用して、複合磁気共鳴画像を組み立てることを可能にし得る。
別の実施形態では、機械実行可能命令の実行はさらに計算システムに、ボクセルマッピングに従って磁気共鳴画像のセットから一定周波数オフレゾナンスファクタを割り当てることによって、B0不均一性マップ及び／又は周波数オフレゾナンスマッピングを組み立てさせる。磁気共鳴画像のセットの各々が再構成されるとき、特定の周波数オフレゾナンスファクタが割り当てられ、再構成のために使用される。ボクセルマッピングの知識ならびにこれらの周波数オフレゾナンスファクタを使用して、B0不均一性マップを再構成することができる。
他の実施形態では、空間フィルタ又は平滑化アルゴリズムがB0不均一性マッピングに適用される。
別の実施形態では、機械実行可能命令の実行はさらに、計算システムに、k空間データ及びB0不均一性マッピング又は周波数オフレゾナンスマッピングからB0不均一性補正磁気共鳴画像を再構成させる。この実施形態では、画像をまとめるか、又はニューラルネットワークを有する代わりに、結果として得られる画像を直接出力し、ニューラルネットワークによって決定され、ボクセルマッピングを使用したB0不均一性マップが従来の磁気共鳴撮像アルゴリズムに適用される。これは、例えば、システムを極めて柔軟にすることができる。システムは本質的に、選択される磁気共鳴撮像プロトコルのタイプにかかわらず、画像を再構成するために使用することができる。ニューラルネットワークはB0不均一性マップ又はその等価物を再構成するために単純に訓練され、次いで、再構成は通常のアルゴリズムを使用して適用される。
別の実施形態では、機械実行可能命令はさらに計算システムに、空間スライディングウィンドウアルゴリズムを使用して、トレーニングされるニューラルネットワークを前記磁気共鳴画像の一部に適用することによって、補正磁気共鳴画像データを組み立てさせる。ニューラルネットワークを使用する際の特定の難点は、データのある入力サイズ及び出力サイズが想定されることである。この実施形態では、ニューラルネットワークが実際の磁気共鳴画像よりも小さい画像サイズを入力として取得するように訓練され得る。次いで、完全な画像を再構成するために、空間スライディングウィンドウアルゴリズムは完全な画像をいくつかの部分に破断し、各部分について得られた画像が計算される。その場合、これらの複数の画像を取得し、それらをより大きな画像に結合することは比較的簡単である。
別の実施形態では、機械実行可能命令は計算システムに、トレーニングされるニューラルネットワークを磁気共鳴画像のセットのサブグループに適用することによって、補正磁気共鳴画像データを組み立てさせるように構成される。場合によっては、磁気共鳴画像中の多数の層は変化し得る。したがって、任意の多数の層を受け入れることができる訓練されるニューラルネットワークを有することは非実用的であり得る。これを回避する1つの方法は訓練されるニューラルネットワークを有し、次いで、データをサブグループに分割し、訓練されるニューラルネットワークを使用してこれらを別々に処理することである。例えば、訓練されるニューラルネットワークが3つの層を有し、1つが9つの層を有する磁気共鳴画像を有するボクセルを受け入れることができた場合、最初に、磁気共鳴画像を、1つの結果を有する3つの層の3つのグループに分割することができる。次いで、これらの3つの層からの結果を訓練されるニューラルネットワークに再び入力し、最終結果を得ることができる。
別の実施形態では、磁気共鳴撮像プロトコルが並列撮像磁気共鳴撮像プロトコルである。訓練されるニューラルネットワークは画像空間において機能し、したがって、画像を取得するために使用される基礎となる計画は、多くの異なる場合において技術的に機能し得る。
別の実施形態では、磁気共鳴画像のセットの各々は複素数値である。磁気共鳴画像のセットの各々のボクセルは、複素数値を有する。これは2つの成分、すなわち、実数成分及び虚数成分、又は大きさ及び位相によって表すことができる。
別の実施形態において、訓練されるニューラルネットワークは、Unet畳み込みニューラルネットワークである。Unet畳み込みニューラルネットワークは、医用画像の処理に極めて有効である。Unetでは、収縮経路と拡張経路が存在する。これが、それがU字型のアーキテクチャを持ち、そこからその名前が導き出される理由である。Unetは、小さいと大規模の相関を比較できるので、医用画像処理に有効である。
別の実施形態では、医用システムが撮像ゾーンからk空間データを取得するように構成される磁気共鳴撮像システムをさらに備える。メモリは、k空間データを取得するように磁気共鳴撮像システムを制御するように構成されるパルスシーケンスコマンドをさらに含む。機械実行可能命令の実行はさらに計算システムに、k空間データを取得するように磁気共鳴撮像システムを制御させる。
別の実施形態では、k空間データが非デカルトサンプリングパターンを有する。
別の実施形態では、k空間データがスパイラルサンプリングパターンを有する。この実施形態は、k空間におけるスパイラル画像パターンが特に、オフレゾナンス効果を受けやすいので、有益であり得る。これは、k空間内に螺旋撮像パターンを有する磁気共鳴画像を補正するための手段を提供することができる。
別の態様では、本発明がニューラルネットワークをトレーニングする方法を提供する。本方法は、各々が異なる空間的一定周波数オフレゾナンスファクタを有する磁気共鳴画像のセットを入力として受信するようにニューラルネットワークのトポロジーを構成することを含む。これは、例えば、同一サイズの磁気共鳴画像のセットを受信するようにニューラルネットワークを構成することを含み得る。本方法は、補正磁気共鳴画像データを出力するようにニューラルネットワークのトポロジーを構成することをさらに含む。本方法は、トレーニングデータを受信することをさらに含む。トレーニングデータは、空間的に変化する周波数オフレゾナンスマップを使用して再構成されるディープラーニング磁気共鳴画像と、異なる空間的に制約される周波数オフレゾナンスマップを使用してそれぞれ再構成される複数の磁気共鳴画像とを含むデータセットを含む。これらのデータセットのそれぞれの中には、正しい空間的に変化する周波数オフレゾナンスマップを使用して再構成される磁気共鳴画像が存在する。
次いで、複数のトレーニング磁気共鳴画像は同じk空間データから再構成されるが、空間的に変化する周波数オフレゾナンスマップを使用する代わりに、空間的に一定の値が、それぞれのオフレゾナンス周波数のために使用される。次いで、トレーニングデータはたとえば、深層学習計画を使用してニューラルネットワークを訓練するために使用され得る。本方法は、データセットの各々を用いてニューラルネットワークを繰り返しトレーニングすることによって、トレーニングされるニューラルネットワークを生成することをさらに含む。
別の態様では、本発明が医用システムを制御する計算システムによる実行のための機械実行可能命令を含むコンピュータプログラムを提供する。機械実行可能命令の実行は計算システムに、磁気共鳴撮像プロトコルに従って取得されるk空間データを受信させる。機械実行可能命令の実行はさらに計算システムに、磁気共鳴撮像プロトコルに従って磁気共鳴画像のセットを再構成させる。磁気共鳴画像のセットの各々は、周波数オフレゾナンスファクタのリストから選択される異なる空間的一定周波数オフレゾナンスファクタを仮定して再構成される。機械実行可能命令の実行はさらに計算システムに、一組の磁気共鳴画像を訓練されるニューラルネットワークに入力することに応答して、補正磁気共鳴画像データを受信させる。訓練されるニューラルネットワークは、それぞれが異なる空間的一定周波数オフレゾナンスファクタを有する磁気共鳴画像のセットを入力として受信することに応答して、補正磁気共鳴画像データを出力するように構成される。
本発明の前述の実施形態のうちの1つ又は複数は組み合わされる実施形態が相互に排他的でない限り、組み合わされ得ることが理解される。
当業者によって理解されるように、本発明の態様は、装置、方法、又はコンピュータプログラム製品として具現化され得る。したがって、本発明の態様は完全にハードウェアの実施形態、完全にソフトウェアの実施形態(ファームウェア、常駐ソフトウェア、マイクロコードなどを含む)、又は本明細書ではすべて一般に「回路」、「モジュール」、又は「システム」と呼ぶことができるソフトウェア態様とハードウェア態様とを組み合わせた実施形態の形態をとることができ、さらに、本発明の態様は、その上に具現化されるコンピュータ実行可能コードを有する1つ又は複数のコンピュータ可読媒体内に具現化されるコンピュータプログラム製品の形態をとることができる。
1つ又は複数のコンピュータ可読媒体の任意の組合せが利用され得る。コンピュータ可読媒体は、コンピュータ可読信号媒体又はコンピュータ可読記憶媒体であり得る。本明細書で使用される「コンピュータ可読記憶媒体」は、コンピューティングデバイスのプロセッサ又は計算システムによって実行可能な命令を記憶することができる任意の有形記憶媒体を包含する。コンピュータ可読記憶媒体は、コンピュータ可読非一時的記憶媒体と呼ばれることがある。コンピュータ可読記憶媒体は、有形のコンピュータ可読媒体と呼ばれることもある。いくつかの実施形態では、コンピュータ可読記憶媒体はまた、コンピューティングデバイスの計算システムによってアクセスされることが可能であるデータを記憶することが可能であり得る。コンピュータ可読記憶媒体の例としてはフロッピー(登録商標)ディスク、磁気ハードディスクドライブ、ソリッドステートハードディスク、フラッシュメモリ、USBサムドライブ、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、光ディスク、光磁気ディスク、及び計算システムのレジスタファイルが挙げられるが、これらに限定されない。光ディスクの例としては、コンパクトディスク(CD)及びデジタル多用途ディスク(DVD)、例えば、CDROM、CDRW、CDR、DVDROM、DVDRW、又はDVDRディスクが挙げられる。コンピュータ可読記憶媒体という用語はまた、ネットワーク又は通信リンクを介してコンピュータ装置によってアクセスされることが可能な様々なタイプの記録媒体を指す。たとえば、データは、モデムを介して、インターネットを介して、又はローカルエリアネットワークを介して取り出され得る。コンピュータ可読媒体上に具現化されるコンピュータ実行可能コードはワイヤレス、ワイヤライン、光ファイバケーブル、RFなど、又は前述の任意の適切な組合せを含むが、これらに限定されない、任意の適切な媒体を使用して送信され得る。
コンピュータ可読信号媒体は例えば、ベースバンドにおいて、又は搬送波の一部として、その中に具現化されるコンピュータ実行可能コードを有する伝搬データ信号を含み得る。そのような伝搬信号は電磁気、光学、又はそれらの任意の適切な組合せを含むが、それらに限定されない、様々な形態の何れかをとり得る。コンピュータ可読信号媒体は、コンピュータ可読記憶媒体ではなく、命令実行システム、装置、又はデバイスによって、又はそれに関連して使用するためのプログラムを通信、伝播、又は移送することができる任意のコンピュータ可読媒体であり得る。
「コンピュータメモリ」又は「メモリ」は、コンピュータ可読記憶媒体の一例である。コンピュータメモリは、計算システムに直接アクセス可能な任意のメモリである。「コンピュータ記憶装置」又は「ストレージ」は、コンピュータ可読記憶媒体のさらなる例である。コンピュータ記憶装置は、任意の不揮発性メモリコンピュータ可読記憶媒体である。いくつかの実施形態では、コンピュータ記憶装置がコンピュータメモリであってもよく、逆もまた同様である。
本明細書で使用される「計算システム」は、プログラム、機械実行可能命令、又はコンピュータ実行可能コードを実行することができる電子コンポーネントを包含する。「計算システム」の例を含む計算システムへの言及は、場合によっては2つ以上の計算システム又は処理コアを含むものとして解釈されるべきである。計算システムは例えば、マルチコアプロセッサであってもよい。計算システムはまた、単一のコンピュータシステム内の、又は複数のコンピュータシステム間で分散される計算システムの集合を指し得る。計算システムという用語はまた、おそらく、各々がプロセッサ又は計算システムを備えるコンピューティングデバイスの集合又はネットワークを指すと解釈されるべきである。機械実行可能コード又は命令は、同じコンピューティングデバイス内にあってもよく、又は複数のコンピューティングデバイスにわたって分散されてもよい複数の計算システム又はプロセッサによって実行されてもよい。
機械実行可能命令又はコンピュータ実行可能コードは、プロセッサ又は他の計算システムに本発明の態様を実行させる命令又はプログラムを備え得る。本発明の態様のための動作を実行するためのコンピュータ実行可能コードは、Java、Smalltalk、C＋＋などのオブジェクト指向プログラミング言語、及び「C」プログラミング言語又は同様のプログラミング言語などの従来の手続き型プログラミング言語を含む、1つ又は複数のプログラミング言語の任意の組合せで書かれ、機械実行可能命令にコンパイルされ得る。いくつかの事例では、コンピュータ実行可能コードが高水準言語の形態又は事前コンパイルされる形態であり得、オンザフライで機械実行可能命令を生成するインタプリタと併せて使用され得る。他の事例では、機械実行可能命令又はコンピュータ実行可能コードがプログラマブル論理ゲートアレイのためのプログラムの形成であり得る。
コンピュータ実行可能コードは、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロンソフトウェアパッケージとして、部分的にユーザのコンピュータ上で、部分的にリモートコンピュータ上で、又は完全にリモートコンピュータもしくはサーバ上で実行することができる。後者のシナリオでは、リモートコンピュータがローカルエリアネットワーク(LAN)又はワイドエリアネットワーク(WAN)を含む任意のタイプのネットワークを介してユーザのコンピュータに接続されてもよく、又は接続は外部コンピュータに(たとえば、インターネットサービスプロバイダを使用してインターネットを介して)行われてもよい。
本発明の態様は、本発明の実施形態による方法、装置(システム)、及びコンピュータプログラム製品のフローチャート図及び／又はブロック図を参照して説明される。フローチャート、図、及び／又はブロック図の各ブロック又はブロックの部分は、適用可能な場合、コンピュータ実行可能コードの形態のコンピュータプログラム命令によって実装され得ることを理解される。さらに、相互に排他的ではない場合、異なるフローチャート、図、及び／又はブロック図におけるブロックの組合せが組み合わされ得ることに留意される。
これらのコンピュータプログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置の計算システムに提供されて、コンピュータ又は他のプログラマブルデータ処理装置の計算システムを介して実行される命令がフローチャート及び／又はブロックダイアグラムブロック又はブロックで指定される機能／動作を実施するための手段を作成するように、機械を生成することができる。
これらの機械実行可能命令又はコンピュータプログラム命令はコンピュータ、他のプログラマブルデータ処理装置、又は他のデバイスに特定の方法で機能するように指示することができるコンピュータ可読媒体に記憶されてもよく、その結果、コンピュータ可読媒体に記憶される命令はフローチャート及び／又はブロック図のブロック又は複数のブロックにおいて指定される機能／動作を実施する命令を含む製造品を生成する。機械実行可能命令又はコンピュータプログラム命令はまた、コンピュータ、他のプログラマブルデータ処理装置、又は他のデバイス上にロードされて、コンピュータ、他のプログラマブル装置、又は他のデバイス上で実行される一連の動作ステップをコンピュータ上で実行させて、コンピュータ又は他のプログラマブル装置上で実行される命令がフローチャート及び／又はブロック図ブロック又はブロック内で指定される関数／動作を実装するためのプロセスを提供するように、コンピュータ実装プロセスを生成することができる。
本明細書で使用される「ユーザインターフェース」は、ユーザ又はオペレータがコンピュータ又はコンピュータシステムと対話することを可能にするインターフェースである。「ユーザインターフェース」は「ヒューマンインターフェースデバイス」と呼ばれることもあり、ユーザインターフェースはオペレータに情報又はデータを提供し、かつ／又はオペレータから情報又はデータを受信することができる。ユーザインターフェースはオペレータからの入力がコンピュータによって受信されることを可能にすることができ、コンピュータからユーザに出力を提供することができる。言い換えれば、ユーザインターフェースはオペレータがコンピュータを制御又は操作することを可能にすることができ、インターフェースは、コンピュータがオペレータの制御又は操作の効果を示すことを可能にすることができる。ディスプレイ又はグラフィカルユーザインタフェース上のデータ又は情報の表示は、オペレータに情報を提供する一例である。キーボード、マウス、トラックボール、タッチパッド、ポインティングスティック、グラフィックスタブレット、ジョイスティック、ゲームパッド、ウェブカメラ、ヘッドセット、ペダル、ワイヤードグローブ、リモートコントロール、及び加速度計を介したデータの受信は、オペレータからの情報又はデータの受信を可能にするユーザインターフェース構成要素のすべての例である。
本明細書で使用される「ハードウェアインターフェース」はコンピュータシステムの計算システムが外部コンピューティングデバイス及び／又は装置と対話し、及び／又はそれを制御することを可能にするインターフェースを包含する。ハードウェアインターフェースは、コンピュータシステムが制御信号又は命令を外部コンピューティングデバイス及び／又は装置に送信することを可能にし得る。ハードウェアインターフェースはまた、計算システムが外部コンピューティングデバイス及び／又は装置とデータを交換することを可能にし得る。ハードウェアインターフェースの例としてはユニバーサルシリアルバス、IEEE 1394ポート、パラレルポート、IEEE 1284ポート、シリアルポート、RS232ポート、IEEE488ポート、Bluetooth接続、無線ローカルエリアネットワーク接続、TCP／IP接続、イーサネット接続、制御電圧インターフェース、MIDIインターフェース、アナログ入力インターフェース、及びデジタル入力インターフェースが挙げられるが、これらに限定されない。
本明細書で使用される「ディスプレイ」又は「ディスプレイデバイス」は、画像又はデータを表示するように適合される出力デバイス又はユーザインターフェースを包含する。ディスプレイは、視覚的データ、音声データ、及び／又は触覚データを出力することができる。ディスプレイの例としてはコンピュータモニタ、テレビスクリーン、タッチスクリーン、触覚電子ディスプレイ、点字スクリーン、陰極線管(CRT)、記憶管、双安定ディスプレイ、電子ペーパー、ベクトルディスプレイ、フラットパネルディスプレイ、真空蛍光ディスプレイ(VF)、発光ダイオード(LED)ディスプレイ、エレクトロルミネセンスディスプレイ(ELD)、プラズマディスプレイパネル(PDP)、液晶ディスプレイ(LCD)、有機発光ダイオードディスプレイ(OLED)、プロジェクタ、及びヘッドマウントディスプレイが挙げられるが、これらに限定されない。
K空間データは、本明細書では磁気共鳴撮像スキャン中に磁気共鳴装置のアンテナを使用して原子スピンによって放出される高周波信号の記録される測定値であると定義される。
磁気共鳴データは、断層画像データの一例である。磁気共鳴撮像(MRI)画像又はMR画像は、本明細書では磁気共鳴撮像データ内に含まれる解剖学的データの再構成される2次元又は3次元視覚化として定義される。この視覚化は、コンピュータを使用して実行することができる。
以下において、本発明の好ましい実施形態が、単なる例として、図面を参照して説明される。
医用システムの一例を示す。 請求項1に記載の医用システムを動作させる方法の一例を示すフローチャートである。 図3は、医用システムのさらなる例を示す。 磁気共鳴画像のセットを使用して磁気共鳴画像を再構成する方法を示す。 ニューラルネットワークの訓練を例示する。 B0磁場不均一性マップを用いて再構成される磁気共鳴画像の例を示す。 ぼかしアーチファクトを有する磁気共鳴画像を示す。 図7のぼけアーチファクトを補正する、訓練されるニューラルネットワークを用いて再構成される磁気共鳴画像を示す。 ニューラルネットワークによって予測されるB0磁場不均一性マップを示す。 図6を再構成するために使用される測定されるB0磁場不均一性マップを示す。
これらの図における同様の番号を付される要素は、同等の要素であるか、又は同じ機能を実行する。前述の要素は、機能が等価である場合、必ずしも後の図で論じられるとは限らない。
図1は、医用システム100の一例を示す。医用システム100は、コンピュータ102を備えるものとして示されている。コンピュータ102は、ハードウェアインターフェース104、ユーザインターフェース108、及びメモリ110に接続される計算システム106を含むものとして示されている。計算システム106は、複数のコンピュータ102の間で分散されてもよい1つ又は複数の処理ユニットを表すことを意図している。ハードウェアインターフェース104は例えば、医用システム100が磁気共鳴撮像システムを備える場合、例えば、計算システム106によって使用されて、医用システム100の外部構成要素又は追加成分を制御することができる。メモリは例えば、計算システムにアクセス可能な任意のタイプのメモリとすることができる。
また、コンピュータ102は、クラウド内又は遠隔位置に配置され、計算集約的なタスクに使用される仮想他の機械マシンであってもよい。
メモリは、機械実行可能命令120を含むものとして示されている。機械実行可能命令は例えば、計算システム106によって実行されてもよい。機械実行可能命令は例えば、計算システムが、医用システム100の構成要素を制御すること、ならびに様々なデータ及び画像分析機能を実行することを可能にし得る。
メモリ110は、訓練されるニューラルネットワーク122を備えるものとしてさらに示されている。訓練されるニューラルネットワーク122は、それぞれが異なる空間的一定周波数オフレゾナンスファクタを有する磁気共鳴画像のセットを入力として受信することに応答して、補正磁気共鳴画像データを出力するように訓練又は構成されている。メモリ110はさらに、k空間データ124を含むものとして示されている。メモリ110は、周波数オフレゾナンスファクタ128のリストから選択される別個の空間的一定周波数オフレゾナンスファクタを仮定することによってk空間データ124から再構成される磁気共鳴画像126のセットを含むものとしてさらに示されている。メモリ110は、磁気共鳴画像126のセットの入力に応答して、訓練されるニューラルネットワーク122から受信される補正磁気共鳴画像データ130を含むものとしてさらに示される。
図2は、図1の医用システム100を動作させる方法を示すフローチャートを示す。まず、ステップ200において、k空間データ124が受信される。次に、ステップ202において、磁気共鳴撮像プロトコルに従って、磁気共鳴画像126のセットが再構成される。磁気共鳴画像のセットの各々は、周波数オフレゾナンスファクタ128のリストから選択される異なる空間的一定周波数オフレゾナンスファクタを仮定して再構成される。最後に、ステップ204において、補正磁気共鳴画像データ130は、一組の磁気共鳴画像126を訓練されるニューラルネットワーク122に入力することに応答して受信される。
図3は、医用システム300のさらなる例を示す。図3に示す医用システム300は、医用システムが磁気共鳴撮像システム302をさらに備えることを除いて、図1の医用システム100と同様である。
磁気共鳴撮像システム302は、磁石304を備える。磁石304は、それをボア306を有する超伝導円筒形磁石である。異なるタイプの磁石の使用も可能であり、例えば、分割円筒形磁石といわゆる開放磁石の両方を使用することも可能である。分割円筒形磁石はクライオスタットが磁石の等平面へのアクセスを可能にするために2つのセクションに分割されていることを除いて、標準円筒形磁石に類似しており、そのような磁石は例えば、荷電粒子ビーム治療と併せて使用され得る。開放磁石は2つの磁石セクションを有し、一方が他方の上に、被検体を受け入れるのに十分な大きさの間の空間、すなわちヘルムホルツコイルの領域と同様の2つのセクション領域の配置を有する。開放磁石は、被検体の閉じ込めがより少ないため、人気がある。円筒形磁石のクライオスタットの内部には、超伝導コイルの集合体がある。
円筒形磁石304のボア306内には、磁場が強く、磁気共鳴撮像を実行するのに十分に均一である撮像ゾーン308がある。関心領域309が撮像ゾーン308内に示されている。磁気共鳴データは、典型的には関心領域について取得される。被検体318は被検体318の少なくとも一部が撮像ゾーン308及び関心領域309内にあるように、被検体支持体320によって支持されているように示されている。
磁石のボア306内には、磁石304の撮像ゾーン308内の磁気スピンを空間的にエンコードするための予備的な磁気共鳴データの取得のために使用される一組の傾斜磁場コイル310もある。傾斜磁場コイル310は、傾斜磁場コイル電源312に接続される。傾斜磁場コイル310は、代表的であることが意図される。典型的には、傾斜磁場コイル310が3つの直交する空間方向に空間的にエンコードするための3つの別個のコイルセットを含む。傾斜磁場電源は、傾斜磁場コイルに電流を供給する。傾斜磁場コイル310に供給される電流は、時間の関数として制御され、ランプ又はパルス化され得る。
撮像ゾーン308に隣接して、撮像ゾーン308内の磁気スピンの向きを操作し、また撮像ゾーン308内のスピンからの無線送信を受信するための無線周波数コイル314がある。無線周波数アンテナは、複数のコイル要素を含むことができる。無線周波数アンテナは、チャネル又はアンテナと呼ばれることもある。高周波コイル314は、無線周波数トランシーバ316に接続される。無線周波数コイル314及び無線周波数トランシーバ316は、別個の送信コイル及び受信コイル、ならびに別個の送信機及び受信機によって置き換えられ得る。無線周波数コイル314及び無線周波数トランシーバ316が代表的であることが理解される。無線周波数コイル314はまた、専用送信アンテナ及び専用受信アンテナを表すことを意図している。同様に、トランシーバ316は、別個の送信機及び受信機を表すこともできる。無線周波数コイル314はまた、複数の受信／送信素子を有することができ、無線周波数トランシーバ316は、複数の受信／送信チャネルを有することができる。例えば、SENSEなどの並列撮像技術が実行される場合、無線周波数314は、複数のコイル要素を有することができる。
トランシーバ316及び傾斜コントローラ312は、コンピュータシステム102のハードウェアインターフェース106に接続されているものとして示されている。
メモリ110は、パルスシーケンスコマンド330を備えるものとしてさらに示されている。パルスシーケンスコマンドは、計算システム106が磁気共鳴撮像システム302を制御してk空間データ124を取得することを可能にするようなコマンドに変換され得るコマンド又はデータである。
上述したように、例えばスパイラル撮像のような非デカルトMR撮像技術は、オフレゾナンス効果を生じやすく、著しいぼやけアーチファクトをもたらす。空間的オフレゾナンスが(例えば、B0場マップの取得によって)定量的に知られている場合、再構成中に効果を補正することができる。しかしながら、これは追加のMR準備スキャンの取得を必要とし、これはスキャンパラメータ及び渦電流によって精度が損なわれる可能性がある。
非デカルトMRIのための共役位相再構成(CPR)
オフレゾナンスΔω(r)の存在下で取得されるMR信号s(t)は、
Figure 0007387915000001
のように書くことができる。式中、m(r)はプロトン密度を表し、k(t)はk空間軌道である。オフレゾナンスは従来の再構成画像におけるスパイラルの場合のぼけのようなアーチファクトをもたらし、
Figure 0007387915000002
から導出される。 ここで、k空間横断のサンプリング密度及び速度の補償に使用される重み係数を示す。ボケは共役位相再構成(CPR)によって除去することができ、ここで、取得される信号は、共役位相係数(1)
Figure 0007387915000003
によって乗算される。 ただし、オフレゾナンスは、追加的に取得されるB0場マップから分かる。
しかしながら、積分は、それ自体のオフレゾナンスΔω(r)に従って画素ごとに解かれなければならないので、CPRは計算上高価になる。
上に示した正確なCPRに対するより速い代替案が、周波数分割CPRのように提案される。周波数分割CPRの場合、積分は、固定の復調周波数を有する積分の重ね合わせによって近似される。
Figure 0007387915000004
積分項は、選択される復調周波数のセットに対してグリッド及びFFTを使用して効率的に解くことができる。補間
Figure 0007387915000005
は基本的に、選択される画素のオフレゾナンスに最も近い復調周波数を選択する。周波数分割CPRへの代替アプローチは時間分割CPRであり、式[3]における積分は、一定のオフレゾナンスが使用される小さな時間セグメントに分割される。
UNET (3)は、生物医学的画像セグメンテーションタスクのために提案される畳み込みニューラルネットワーク(CNN)トポロジーの一種である。
ネットワークは、縮小経路と、U字型アーキテクチャにつながる拡張経路とからなる。
縮小経路は畳み込みの反復適用からなる典型的な畳み込みネットワークであり、各々は、整流線形ユニット(ReLU)及び最大プーリング動作が続く。収縮の間、空間情報は減少され、一方、特徴情報は増加される。拡張経路は、一連のアップ畳み込みと、収縮経路からの高解像度特徴との連結とを通して、特徴と空間情報とを組み合わせる。
上記で概説したように、CPRにはB0フィールドマップが必要である。フィールドマップの取得には余分な時間がかかり、共鳴周波数のドリフトを補償するために繰り返さなければならない。さらに、磁場マップは、渦電流によって誘起される空間的位相変動が運動及び他の交絡因子になりやすいことによって劣化する可能性がある。
例は適切に構成される多次元ニューロンネットワーク(例えば、Unet)(訓練されるニューラルネットワーク122)を適用して、多くの可能性のあるローカルオフレゾナンスの中から決定することができ、これは画像を鮮明に見せるために最良であるか、又は他の言葉ではフィールドマップのいかなる知識もなしに、画像のぼけ除去を行うために最良である。
実施例は、スパイラルMR画像のような非デカルトMR画像において多くのアプリケーションを見出すことができる。
周波数セグメント化されるCPRを実行するために、ぼやけた螺旋画像は最初に、粒度を有する実際のフィールドマップ範囲をカバーする復調周波数のセットを使用して復調されなければならず、その結果、多周波数データセット(磁気共鳴画像のセット126)が得られる。第2のステップでは、各画素が復調周波数が選択される画素のオフレゾナンスに等しいか、又はそれに近い復調画像から取得される。フィールドマップが利用できない場合、これは画像を小さな領域(パッチ)に分割することもでき、各パッチに対して変調周波数を選択し、このパッチのぼけを最小限に抑える(以下の図4参照)。これは単純であるが、非常に厄介であり、訓練されるニューラルネットワークによって実行され得る(図5参照)。異なる復調周波数は、ネットワークの入力チャネルに対応する。出力は、ぼけた画像である。洗練される実施形態では、フィールドマップが出力画像の複素位相として記憶することができる(周波数範囲±f Maxを±PIにマッピングする)。
図4は、どのように画像をぼかすことができるかを示している。磁気共鳴画像126のセットを表す2つの画像がある。下の画像404は、第1の画像400及び第2の画像402から作られた合成画像である。両方の画像400は、ぼやけていない鮮明な画像領域506を有する。合成画像404は、画像400及び402のそれぞれにおける2つの画像領域506から作られた合成物である。ぼやけていない画像404はぼやけていない画像404を組み合わせるために、多周波数データセットから鋭い領域(楕円形506)を手動で選択することによって導出することができる。この図のデータはSheppLoganファントムを使用し、x及びy方向におけるランダム二次オフレゾナンス用語を仮定して合成した。
図5は、訓練されるニューラルネットワーク122を訓練する方法を示す。この例では、ニューラルネットワーク122はUnetである。ぼやけた磁気共鳴画像502及び複数のトレーニング磁気共鳴画像504を含むトレーニングデータ500のデータセットがある。トレーニングデータ500の反復データセット及びディープネットディープラーニング訓練計画を使用することによって、ニューラルネットワーク122を訓練することができる。使用時には周波数変調されるスパイラル画像は入力チャネルとして機能し、(複素位相におけるフィールドマップを含む)複素ぼかし画像は2つの出力チャネル(実部及び虚部)を表す。データはSheppLoganファントムを使用し、x及びy方向におけるランダム二次オフレゾナンス用語を仮定して合成した。
SheppLogan頭部(ソフトウェア)ファントムを用いて、オフレゾナンスによってぼかされる螺旋画像を合成した。一定、線形、及び二次のオフレゾナンス用語を有するフィールドマップを使用して、ぼけを生成した。
学習のロバスト性を高めるために、ファントムを回転及びスケーリングし、フィールドマップパターンを変化させることによって、データ強調を行った。
合成スパイラルSheppLoganファントム画像(256x 256画像サイズ)を生成し、オフレゾナンスデブラーリングのためにUNETをトレーニングするために使用した。UNetは、4つのダウンサンプリングステップ(各々に2つの畳み込みステップが先行する)と、対応するアップサンプリングステップと畳み込みとから構成される。最小二乗法を用いた確率的勾配降下法を最適化法として用いた。学習のロバスト性を改善するために、上述のようなデータ強調を行った。
スパイラル軌道(50ms持続時間)及びランダム場マップ(最大±20Hz)を仮定して、インビボ脳画像をぼかした。ぼかされる脳画像は、訓練されるネットワークのための入力として使用される。図3は、原画像をぼかし予測(ブレ除去)画像と共に示している。さらに、予測フィールドマップは、データの合成に使用される基礎となるフィールドマップと共に示される。予測される解剖学的画像及びフィールドマップの両方は、ぼやけていない画像及び基礎をなすフィールドマップと非常に良好な一致する。基礎となるフィールドマップは、ぼやけた画像を合成するためにのみ使用され、したがって、UNETに明示的に供給されなかったことに留意される。
図6乃至図10は、本方法の有効性を説明するために使用される。図600は、元の磁気共鳴画像600を示す。図6の画像は、以下の図10に示される測定されるB0不均一性マップを使用して再構成される。
図7は、ぼやけた磁気共鳴画像700を示す。702で囲まれた領域は、いくらかのぼやけを有することが分かる。これは、スパイラルk空間サンプリングパターンの使用に起因する。
図8は、訓練されるニューラルネットワークを使用してぼけを除去される、ぼけ除去される磁気共鳴画像800を示す。図7、702において、ぼやけていた領域が、図8において正しく再構成されていることが分かる。
ニューラルネットワークはまた、予測B0不均一性マップ900を計算するために使用され得る。実際に測定されるB0不均一性マップは図10に示されており、1000とラベル付けされている。2つの不均一性マップは類似していることが分かる。
本発明は図面及び前述の説明において詳細に図示及び説明されているが、そのような図示及び説明は例示的又は例示的であり、限定的ではないと見なされるべきであり、本発明は開示される実施形態に限定されない。
開示される実施形態に対する他の変形は図面、開示、及び添付の特許請求の範囲の研究から、特許請求される発明を実施する際に当業者によって理解され、達成され得る。請求項において、単語「有する(comprising)」は他の要素又はステップを除外せず、不定冠詞「a」又は「an」は複数を除外しない。単一の計算システム、プロセッサ、又は他のユニットが、特許請求の範囲に列挙されるいくつかのアイテムの機能を満たすことができる。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用され得ないことを示すものではない。コンピュータプログラムは他のハードウェアとともに、又は他のハードウェアの一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶／配布され得るが、インターネット又は他の有線もしくはワイヤレス電気通信システムなどの他の形態で配布されてもよい。請求項におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。
100 医用システム
102 コンピューター
104 ハードウェアインターフェイス
106 計算システム
108 ユーザーインターフェイス
110 メモリ
120 機械実行可能命令
122 トレーニング済みニューラル ネットワーク
124 k空間データ
126 磁気共鳴画像のセット
128 周波数オフレゾナンスファクタのリスト
130 補正磁気共鳴画像データ
200 磁気共鳴撮像 プロトコルに従って取得される k 空間データを受信
202 磁気共鳴画像プロトコルに従って一連の磁気共鳴画像を再構成
204 訓練されるニューラルネットワークへの一連の磁気共鳴画像の入力に応答して、修正される磁気共鳴画像データを受信
300 医用システム
302 磁気共鳴画像システム
304 磁石
306 ボアの磁石
308 撮像ゾーン
309 関心領域
310 傾斜磁場コイル
312 傾斜磁場コイル電源
314 高周波コイル
316 トランシーバー
318 被検体
320 被検体支持体
330 パルスシーケンスコマンド
400 被検体の画像
402 第二の画像
404 合成画像
500 データセットのトレーニング データ
502 ブレ除去磁気共鳴画像
504 複数のトレーニング磁気共鳴画像
506 鮮明な画像領域
600 元の磁気共鳴画像
700 らせんぼかし後の元画像
702 ぼやけた領域
800 訓練されるニューラル ネットワークによる ブレ除去画像出力
900 予測 B0 不均一性マップ
1000 測定 B0 不均一性マップ

Claims (15)

  1. 医用システムであって、
    機械実行可能命令及び訓練されたニューラルネットワークを記憶するメモリであって、前記訓練されたニューラルネットワークは、磁気共鳴画像のセットを入力として受信することに応答して補正磁気共鳴画像データを出力するように構成され、前記訓練されたニューラルネットワークに入力される前記磁気共鳴画像のセットの各磁気共鳴画像が、周波数オフレゾナンスファクタのリストから選択される異なる空間的一定周波数オフレゾナンスファクタを使用して同じk空間データからそれぞれ再構成されたものである、メモリと、
    前記医用システムを制御するように構成される計算システムであって、前記機械実行可能命令は前記計算システムに、
    磁気共鳴撮像プロトコルに従って取得された前記k空間データを受信するステップと、
    再構成のために前記磁気共鳴撮像プロトコルに従って前記磁気共鳴画像のセットを再構成するステップであって、前記磁気共鳴画像のセットの各磁気共鳴画像は、周波数オフレゾナンスファクタのリストから選択される異なる空間的一定周波数オフレゾナンスファクタを使用して前記ｋ空間データから再構成される、ステップと、
    前記訓練されたニューラルネットワークに前記再構成された磁気共鳴画像のセットを入力することに応答して、前記補正磁気共鳴画像データを受信するステップと
    を実行させる、計算システムと
    を有する、医用システム。
  2. 前記補正磁気共鳴画像データは、不均一性補正磁気共鳴画像を有する、請求項1に記載の医用システム。
  3. 前記補正磁気共鳴画像データは複素数値である、請求項1又は2に記載の医用システム。
  4. 前記補正磁気共鳴画像データはボクセルマッピングを有し、前記磁気共鳴画像のセットの各々は同一サイズのボクセルマトリクスを有し、前記ボクセルマッピングは、前記同一サイズのボクセルマトリクスの各ボクセルに対して前記磁気共鳴画像のセットの1つの選択を有する、請求項1又は2に記載の医用システム。
  5. 前記機械実行可能命令は更に前記計算システムに、前記ボクセルマッピングに従って前記磁気共鳴画像のセットからボクセルを選択することによって複合磁気共鳴画像を組み立てるステップを実行させる、請求項4に記載の医用システム。
  6. 前記機械実行可能命令は更に前記計算システムに、前記ボクセルマッピングに従って前記磁気共鳴画像のセットから前記一定周波数オフレゾナンスファクタを割り当てることによってB0不均一性マッピング及び／又は周波数オフレゾナンスマッピングを組み立てるステップを実行させる、請求項4又は5に記載の医用システム。
  7. 前記機械実行可能命令はさらに前記計算システムに、前記k空間データ及び前記B0不均一性マッピング又は前記周波数オフレゾナンスマッピングからB0不均一性補正磁気共鳴画像を再構成するステップを実行させる、請求項6に記載の医用システム。
  8. 前記機械実行可能命令は更に前記計算システムに、空間スライディングウィンドウアルゴリズムを使用して、前記訓練されるニューラルネットワークを前記磁気共鳴画像のセットの部分に適用することによって、前記補正磁気共鳴画像データを組み立てさせる、請求項１乃至７の何れか一項に記載の医用システム。
  9. 前記機械実行可能命令は前記計算システムに、前記訓練されるニューラルネットワークを前記磁気共鳴画像のセットのサブグループに適用することによって前記補正磁気共鳴画像データを組み立てさせるように構成される、請求項１乃至８の何れか一項に記載の医用システム。
  10. 前記磁気共鳴画像のセットの各々は複素数値である、請求項１乃至９の何れか一項に記載の医用システム。
  11. 前記医用システムは、撮像ゾーンから前記k空間データを取得するように構成される磁気共鳴撮像システムをさらに備え、前記メモリは、前記k空間データを取得するように前記磁気共鳴撮像システムを制御するように構成されるパルスシーケンスコマンドをさらに含み、前記機械実行可能命令は更に前記計算システムに、前記k空間データを取得するように前記磁気共鳴撮像システムを制御するステップを実行させる、請求項１乃至１０の何れか一項に記載の医用システム。
  12. 前記k空間データは非デカルトサンプリングパターンを有し、前記k空間データは、好ましくは螺旋サンプリングパターンを有する、請求項１乃至１１の何れか一項に記載の医用システム。
  13. ニューラルネットワークを訓練する方法であって、前記方法は、
    異なる空間的一定周波数オフレゾナンスファクタを使用して再構成された磁気共鳴画像のセットを入力として受信するように前記ニューラルネットワークのトポロジーを構成するステップと、
    補正磁気共鳴画像データを出力するように前記ニューラルネットワークのトポロジーを構成するステップと、
    訓練データを受信するステップであって、前記訓練データは、空間的に変化する周波数オフレゾナンスマップを使用してk空間データセットから再構成されたブレ除去された磁気共鳴画像と、異なる空間的一定周波数オフレゾナンスマップを使用して同じk空間データセットからそれぞれ再構成された複数の訓練画像とを有するデータセットを有する、ステップと、
    前記データセットの各々を用いて前記ニューラルネットワークを繰り返し訓練することによって、訓練されたニューラルネットワークを生成するステップと
    を有する、方法。
  14. 前記訓練されるニューラルネットワークは、請求項13に記載の訓練を受けている、請求項１乃至１３の何れか一項に記載の医用システム。
  15. 医用システムを制御する計算システムによる実行のための機械実行可能命令を有するコンピュータプログラムであって、前記機械実行可能命令は前記計算システムに、
    磁気共鳴撮像プロトコルに従って取得されるk空間データを受信するステップと、
    前記磁気共鳴撮像プロトコルに従って前記k空間データから磁気共鳴画像のセットを再構成するように構成するステップであって、前記磁気共鳴画像のセットの各磁気共鳴画像は、周波数オフレゾナンスファクタのリストから選択される異なる空間的一定周波数オフレゾナンスファクタを使用してそれぞれ再構成される、ステップと、
    訓練されたニューラルネットワークに前記再構成された磁気共鳴画像のセットを入力することに応答して、補正磁気共鳴画像データを受信するステップであって、前記訓練されたニューラルネットワークは、異なる空間的一定周波数オフレゾナンスファクタを使用して前記k空間データからそれぞれ再構成された磁気共鳴画像のセットを入力として受信することに応答して前記補正磁気共鳴画像データを出力するように構成され、ステップと
    を実行させる、コンピュータプログラム。
JP2022558162A 2020-04-01 2021-03-24 磁気共鳴撮像におけるオフレゾナンス効果の低減 Active JP7387915B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20167564.2A EP3889634A1 (en) 2020-04-01 2020-04-01 Reduction of off-resonance effects in magnetic resonance imaging
EP20167564.2 2020-04-01
PCT/EP2021/057540 WO2021197955A1 (en) 2020-04-01 2021-03-24 Reduction of off-resonance effects in magnetic resonance imaging

Publications (2)

Publication Number Publication Date
JP2023515243A JP2023515243A (ja) 2023-04-12
JP7387915B2 true JP7387915B2 (ja) 2023-11-28

Family

ID=70154304

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022558162A Active JP7387915B2 (ja) 2020-04-01 2021-03-24 磁気共鳴撮像におけるオフレゾナンス効果の低減

Country Status (6)

Country Link
US (1) US20230122915A1 (ja)
EP (2) EP3889634A1 (ja)
JP (1) JP7387915B2 (ja)
CN (1) CN115427829A (ja)
BR (1) BR112022019398A2 (ja)
WO (1) WO2021197955A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114114116B (zh) * 2022-01-27 2022-08-23 南昌大学 磁共振成像生成方法、系统、存储介质及计算机设备
WO2024012947A1 (en) * 2022-07-12 2024-01-18 Koninklijke Philips N.V. Determiniaton of bo inhomogenity in magnetic resonance imaging
EP4306980A1 (en) * 2022-07-12 2024-01-17 Koninklijke Philips N.V. Determiniaton of b0 inhomogeneity in magnetic resonance imaging

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9322896B2 (en) 2012-04-20 2016-04-26 University Of Virginia Patent Foundation Systems and methods for reduced off-resonance blurring in spiral imaging

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Jinxing Li, et al.，DRPL: Deep Regression Pair Learning for Multi-Focus Image Fusion，IEEE TRANSACTIONS ON IMAGE PROCESSING，2020年03月02日，VOL. 29，pp.4816-4831
Mahender K. Makhijani, et al.，EXACT CORRECTION OF SHARPLY VARYING OFF-RESONANCE EFFECTS IN SPIRAL MRI，IEEE ISBI，2006年，pp.730-733
Warren D. Foltz, et al.，Optimized Spiral Imaging for Measurement of Myocardial T2 Relaxation，Magnetic Resonance in Medicine，2003年，49，pp.1089-1097

Also Published As

Publication number Publication date
JP2023515243A (ja) 2023-04-12
EP3889634A1 (en) 2021-10-06
US20230122915A1 (en) 2023-04-20
CN115427829A (zh) 2022-12-02
BR112022019398A2 (pt) 2022-12-06
EP4127756A1 (en) 2023-02-08
WO2021197955A1 (en) 2021-10-07
EP4127756B1 (en) 2024-08-14

Similar Documents

Publication Publication Date Title
JP7387915B2 (ja) 磁気共鳴撮像におけるオフレゾナンス効果の低減
US10288705B2 (en) Corrected multiple-slice magnetic resonance imaging
JP7191105B2 (ja) 運動補償磁気共鳴イメージング
CN108431624B (zh) 定量磁化率映射磁共振图像的分割
JP6574439B2 (ja) プロペラ磁気共鳴撮像
WO2021228515A1 (en) Correction of magnetic resonance images using multiple magnetic resonance imaging system configurations
WO2020249696A1 (en) Reconstruction of spiral k-space sampled magnetic resonance images
JP2024517621A (ja) 圧縮センシング及びＡＩを用いての加速されるスタックオブスターズ磁気共鳴イメージングのためのｋ空間サンプリング
US11519991B2 (en) Motion estimation and correction in magnetic resonance imaging
EP3504558A1 (en) Bo-corrected sensitivity encoding magnetic resonance imaging
WO2023152010A1 (en) Distortion artifact removal and upscaling in magnetic resonance imaging
JP7401450B2 (ja) ３次元磁気共鳴イメージングにおける自律ナビゲーション
JP7442545B2 (ja) シミュレーション磁気共鳴画像を使用した磁気共鳴画像の補正
EP4318015A1 (en) Mri denoising using specified noise profiles
EP3995848A1 (en) Realtime design of radio-frequency pulses and gradient pulses in magnetic resonanc imaging
EP4306980A1 (en) Determiniaton of b0 inhomogeneity in magnetic resonance imaging
JP2024508625A (ja) 非デカルト磁気共鳴イメージングにおける適応的な水－脂肪シフト
CN118103721A (zh) 使用低分辨磁共振图像的运动校正
WO2024033390A1 (en) Two-state denoising for magnetic resonance imaging
JP2024538758A (ja) 低解像度の磁気共鳴画像を使用した動き補正
WO2024012947A1 (en) Determiniaton of bo inhomogenity in magnetic resonance imaging
WO2024160607A1 (en) Training data for a 3d image cleaning ml model
CN118647886A (zh) 模拟计算机断层摄影成像

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220926

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220926

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220926

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230314

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230612

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230912

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: 20231109

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231115

R150 Certificate of patent or registration of utility model

Ref document number: 7387915

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150