KR101105352B1 - Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof - Google Patents
Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof Download PDFInfo
- Publication number
- KR101105352B1 KR101105352B1 KR1020100088394A KR20100088394A KR101105352B1 KR 101105352 B1 KR101105352 B1 KR 101105352B1 KR 1020100088394 A KR1020100088394 A KR 1020100088394A KR 20100088394 A KR20100088394 A KR 20100088394A KR 101105352 B1 KR101105352 B1 KR 101105352B1
- Authority
- KR
- South Korea
- Prior art keywords
- estimated
- spatial interaction
- calibration
- interaction value
- estimated spatial
- Prior art date
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
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
- G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE
Abstract
Description
본 발명은 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체에 관한 것이다. 보다 상세하게는 가변적 공간 상호작용 값을 상정함으로써 슬라이딩 되어 이동하는 연산블록에 의한 적응적 셀프 캘리브레이션을 통해 공간 상호작용 값을 보다 정확하게 추정할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체에 관한 것이다.The present invention relates to a parallel magnetic resonance imaging apparatus, an imaging method thereof, and a recording medium thereof. In more detail, an adaptive self-calibration imaging apparatus capable of estimating spatial interaction values more accurately through adaptive self-calibration by sliding and moving calculation blocks by assuming variable spatial interaction values, An image method and a recording medium thereof.
종래 병렬 자기 공명 영상(pMRI: parallel Magnetic Resonance Imaging) 방법은 영상 데이터를 획득하면서 미측정 신호를 추정하여 완성하기 위해 코일 민감도(coil sensitivity) 정보를 이용하였는데, 이는 신속한 자기 공명 영상 획득에 널리 활용되어 왔다. 미측정 신호는 이미지 공간에서의 코일 민감도의 공간 변화량이나 k 공간(k-space)상에서의 인접하는 영상 신호들 사이의 공간 상호작용 값과 같은 선행정보를 활용하여 추정될 수 있다. 따라서, 이미지 재구성시 결함과 노이즈를 피하기 위해서는 캘리브레이션을 할 때 정확한 선행 정보를 얻는 것이 중요하다.Conventional Parallel Magnetic Resonance Imaging (pMRI) method uses coil sensitivity information to estimate and complete unmeasured signals while acquiring image data, which is widely used for rapid magnetic resonance image acquisition. come. The unmeasured signal may be estimated using prior information such as a spatial variation of coil sensitivity in image space or a spatial interaction value between adjacent image signals on k-space. Therefore, in order to avoid defects and noise in image reconstruction, it is important to obtain accurate preceding information when calibrating.
종래 병렬 자기 공명 영상에서 캘리브레이션을 위한 캘리브레이션 신호는 일반적으로 실제 이미지 데이터 획득과 분리되어 그 전이나 후에 얻게 되며, 이를 분리된 캘리브레이션(separate calibration)이라 한다. 그러나, 분리된 캘리브레이션은 종속적인 움직임이 수반되기 때문에 잠재적으로 캘리브레이션 신호와 이미지 데이터 간에 불일치 문제를 초래할 수밖에 없다. 이러한 문제를 경감시키기 위해 캘리브레이션 신호와 이미지 데이터를 한 번의 이미지 측정에 있어서 동시에 획득하는 셀프 캘리브레이션을 수행하는 것이 바람직하다.In a conventional parallel magnetic resonance image, a calibration signal for calibration is generally obtained before or after being separated from actual image data acquisition, which is called a separate calibration. However, the separated calibration involves dependent movement, which inevitably leads to inconsistency between the calibration signal and the image data. In order to alleviate this problem, it is desirable to perform self-calibration that simultaneously acquires the calibration signal and image data in one image measurement.
한편, 일반적으로 병렬 자기 공명 영상 방법에는 이미지에 기반한 센스(SENSE, Sensitivity Encoding)와 k 공간에 기반한 그라파(GRAPPA, Generalized Auto-calibrating Partially Parallel Acquisition)가 있다.In general, parallel magnetic resonance imaging methods include image-based sensing (SENSE, Sensitivity Encoding) and k-space-based grappa (GRAPPA, Generalized Auto-calibrating Partially Parallel Acquisition).
센스와 같은 이미지 기반의 영상 방법은 이미지 공간에서 셀프 캘리브레이션을 통해 개별 코일 이미지를 분리함으로써 코일 민감도 정보를 연산하는데, 여기서 개별 코일 이미지는 나이퀴스트 샘플링된 k 공간의 중앙부 데이터의 역 푸리에 변환(Inverse Fourier transform)을 수행함으로써 얻어진다. 그리고, 코일 민감도 정보를 이용하여 이미지 재구성을 함에 있어서, 코일 민감도 역행렬은 픽셀별로 수행되기 때문에 이미지에 기반한 셀프 캘리브레이션은 매우 정확한 코일 민감도 정보를 필요로 하게 된다. 결국, k 공간의 중앙부에서 많은 수의 캘리브레이션 신호가 필요하고 이미지를 구성하는 데 걸리는 시간이 연장될 수 밖에 없다. 게다가, 이미지되는 피사체보다 시야각(Field Of View)이 더 작은 경우에는 이미지에 기반한 셀프 캘리브레이션은 이미지 재구성시 잔존 엘리어싱 결함(residual aliasing artifacts)을 나타내기도 한다.Image-based imaging methods such as sense compute coil sensitivity information by separating individual coil images through self-calibration in image space, where the individual coil images are inverse Fourier transforms of the central data of the Nyquist sampled k-space. Obtained by performing a Fourier transform). In the image reconstruction using the coil sensitivity information, since the coil sensitivity inverse matrix is performed pixel by pixel, self-calibration based on the image requires very accurate coil sensitivity information. As a result, a large number of calibration signals are required in the center of the k-space and the time required to compose the image is prolonged. In addition, if the field of view is smaller than the subject being imaged, self-calibration based on the image may show residual aliasing artifacts upon image reconstruction.
반면, 그라파와 같은 k 공간 기반의 영상 방법은 셀프 캘리브레이션을 통해 캘리브레이션 신호와 인접하는 측정된 소스 신호 사이의 공간 상호작용 값(spatial correlations 또는 convolution kernels)을 계산하는 데, 센스와 달리 높은 코일 민감도 정보를 필요로 하지 않고 시야각을 재구성함에 있어서도 제한이 없다. 그럼에도 불구하고, 영상 신호의 데이터가 노이즈에 의해 훼손되거나 공간 상호작용 값이 변화하는 경우에는 재구성된 이미지에 잔존 엘리어싱 결함 및 증폭된 노이즈들이 발생하는 문제가 있다.On the other hand, k-space based imaging methods, such as grapha, use self-calibration to calculate spatial correlations (spatial correlations or convolution kernels) between the calibrated signal and adjacent measured source signals. There is no limitation in reconstructing the viewing angle without requiring. Nevertheless, there is a problem that residual aliasing defects and amplified noises are generated in the reconstructed image when the data of the image signal is damaged by noise or the spatial interaction value is changed.
이러한 문제를 완화시키기 위해 몇 가지 셀프 캘리브레이션 방법 즉, 1) k 공간에서 캘리브레이션 신호와 이에 인접하는 다중 열 및 다중 선(MCML, Multi-Column and Multi-Line)으로 구성된 영상 신호 사이의 공간 상호작용 값을 구하는 방법으로서, k 공간의 다중 차원 컨볼루션 커널 방법(이하 MCML 캘리브레이션이라 함.), 2) 캘리브레이션 영역을 나이퀴스트 샘플링된 k 공간의 중앙부에서 경계부로 이동시켜 셀프 캘리브레이션을 수행하는 방법(이하 시프트 캘리브레이션이라 함.), 3) 고역 통과 필터링(high pass filtering)을 통한 이미지 서포트 감축 방법(이하 HPF 캘리브레이션이라 함.)이 제시되었다.To alleviate this problem, several self-calibration methods, i.e. 1) the spatial interaction value between the calibration signal in k-space and the image signal composed of adjacent multiple columns and multiple lines (MCML) As a method of calculating a method, a multidimensional convolution kernel method of k-space (hereinafter referred to as MCML calibration), 2) a method of performing self-calibration by moving the calibration region from the center of the Nyquist-sampled k-space to the boundary (hereinafter Shift calibration.), 3) image support reduction method through high pass filtering (hereinafter referred to as HPF calibration).
도 1 내지 도 3은 종래 병렬 자기 공명 영상 방법으로서 종래 셀프 캘리브레이션 과정의 일예를 개략적으로 나타낸 도면이다. 도 1 내지 도 3을 참조하면, k 공간에 분포하는 영상 신호는 측정 소스 신호(●)와 셀프 캘리브레이션의 대상이 되는 캘리브레이션 신호(○), 그리고 미측정 신호(
하지만, 종래의 셀프 캘리브레이션 방법들은 높은 가속 인자(high acceleration factor)에 있어서는 여전히 심각한 결함과 노이즈를 발생시키는 문제가 있다. 따라서, 노이즈가 존재하더라도 k 공간에서 공간 상호작용 값을 정확히 추정할 수 있는 새로운 병렬 자기 공명 영상 방법의 필요성이 대두된다.However, conventional self-calibration methods still suffer from serious defects and noise at high acceleration factors. Therefore, there is a need for a new parallel magnetic resonance imaging method capable of accurately estimating spatial interaction values in k-space even in the presence of noise.
본 발명은 상기와 같은 필요성에 의해 안출된 것으로서, 본 발명의 목적은 병렬 자기 공명 영상에 존재하는 노이즈 및 공간 상호작용 값의 가변성을 고려하여 정확한 공간 상호작용 값을 추정할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체를 제공하는 데 있다.The present invention has been made in view of the above necessity, and an object of the present invention is to adaptively calibrate an accurate spatial interaction value in consideration of variability of noise and spatial interaction values present in a parallel magnetic resonance image. The present invention provides a possible parallel magnetic resonance imaging apparatus, an imaging method thereof, and a recording medium thereof.
본 발명의 또 다른 목적은 가변적인 공간 상호작용 값에 대해 적응 필터에 의한 정규화(regularization)를 해석적으로 시도함으로써 공간 상호작용 값의 오차를 최소화하고 안정적인 병렬 자기 공명 영상을 획득할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체를 제공하는 데 있다.It is another object of the present invention to adaptively obtain a stable parallel magnetic resonance image while minimizing the error of spatial interaction values by analytically attempting to normalize by an adaptive filter for variable spatial interaction values. The present invention provides a parallel magnetic resonance imaging apparatus capable of self-calibration, an imaging method thereof, and a recording medium thereof.
상기와 같은 본 발명의 목적은 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하고, 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하며, 프로세스 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 불확실도를 연산하는 추정치 연산수단; 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 정규화 계수 연산수단; 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하고, 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하며, 연산블록을 캘리브레이션 영역 내에서 이동시키는 파라미터 경신수단; 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 공간 상호작용 값 확정수단; 및 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하고, 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 영상 구성수단;을 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치를 제공함으로써 달성될 수 있다.An object of the present invention as described above is an estimated spatial interaction between a measurement source signal and a measurement calibration signal adjacent to the measurement source signal among magnetic image signals distributed in a calculation block on a linear state k-space based on process noise. Calculate estimated spatial correlation, calculate estimated calibration signal based on measured source signal and estimated spatial interaction value and pre-scanned noise, and estimate estimated spatial interaction value based on process noise covariance Estimate calculation means for calculating an uncertainty of the; Normalization coefficient calculating means for calculating a normalization coefficient Kn of an adaptive filter for minimizing an error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value, the measurement source signal and the prescan noise covariance; Update the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient, and update the uncertainty of the estimated spatial interaction value based on the measured source signal and the calculated normalization coefficient. Parameter updating means for moving a block within a calibration area; Spatial interaction value determining means for determining an estimated spatial interaction value as a final spatial interaction value at the end of the movement in the calibration region of the calculation block; And image structuring means for estimating the unmeasured signal among the magnetic image signals based on the final spatial interaction value, and completing the magnetic resonance image based on the estimated unmeasured signal; and parallel magnetic resonance capable of adaptive self-calibration. By providing an imaging device.
프로세스 노이즈는 추정 공간 상호작용 값의 경신에 기반하여 변화되는 값인 것이 바람직하다.The process noise is preferably a value that changes based on the update of the estimated spatial interaction value.
추정 공간 상호작용 값은 다음의 수학식The estimated spatial interaction value is
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
프리 스캔 노이즈는 자기 영상 신호의 생성 전 측정된 고정 값인 것이 바람직하다.The prescan noise is preferably a fixed value measured before generation of the magnetic image signal.
추정 캘리브레이션 신호는 다음의 수학식The estimated calibration signal is represented by the following equation
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되는 것이 바람직하다.The uncertainty of the estimated spatial interaction value is preferably calculated by the error covariance of the estimated spatial interaction value.
추정 공간 상호작용 값의 오차 공분산은 다음의 수학식The error covariance of the estimated spatial interaction values is given by
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
적응 필터는 칼만 필터이고, 정규화 계수는 칼만 게인인 것이 바람직하다.The adaptive filter is a Kalman filter, and the normalization coefficient is preferably Kalman gain.
칼만 게인은 다음의 수학식Kalman Gain is given by
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
경신된 추정 공간 상호작용 값은 다음의 수학식The renewed estimated spatial interaction value is
(여기서, 
의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고,The updated uncertainty of the estimated spatial interaction values is computed by the updated error covariance of the estimated spatial interaction values,
경신된 오차 공분산은 다음의 수학식The updated error covariance is
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
연산블록은 k 공간의 중앙부에서 위상 인코딩 방향으로 이동되는 것이 바람직하다.The arithmetic block is preferably moved in the phase encoding direction at the center of k-space.
연산블록은 k 공간에서 이동되는 한 쌍의 연산블록이고, 한 쌍의 연산블록은 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동되는 것이 바람직하다.The operation blocks are a pair of operation blocks that are moved in k space, and the pair of operation blocks are preferably moved symmetrically in opposite directions at the center of the k space.
연산블록은 k 공간의 저주파 대역에서 고주파 대역으로 이동되는 것이 바람직하다.The calculation block is preferably moved from the low frequency band of the k space to the high frequency band.
연산블록은 캘리브레이션 영역보다 작은 것이 바람직하다.The calculation block is preferably smaller than the calibration area.
한편, 본 발명의 목적은 다른 카테고리로서, 추정치 연산수단이 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하는 단계(S105); 추정치 연산수단이 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하는 단계(S110); 추정치 연산수단이 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산하는 단계(S115); 정규화 계수 연산수단이 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 단계(S120); 파라미터 경신수단이 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하는 단계(S125); 파라미터 경신수단이 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하는 단계(S130); 파라미터 경신수단이 연산블록을 캘리브레이션 영역 내에서 이동시키는 단계(S135); 공간 상호작용 값 확정수단이 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 단계(S140); 영상 구성수단이 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하는 단계(S145); 및 영상 구성수단이 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 단계(S150);를 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법을 제공함으로써 달성될 수 있다.On the other hand, an object of the present invention is another category, the measurement calibration means adjacent to the measurement source signal and the measurement source signal of the magnetic image signal distributed in the calculation block in the linear state k-space based on the process noise (process noise) Calculating an estimated spatial correlation value between the signals (S105); Calculating, by the estimate calculating means, the estimated calibration signal based on the measured source signal, the estimated spatial interaction value, and the pre-scanned noise (S110); Calculating, by the estimate calculating means, the uncertainty of the estimated spatial interaction value based on the process noise (S115); Calculating normalization coefficients (Kn) of the adaptive filter to minimize the error of the estimated spatial interaction values based on the uncertainty of the estimated spatial interaction values, the measurement source signal, and the prescan noise covariance (S120). ; (S125) the parameter updating means updating the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient; The parameter updating means updating the uncertainty of the estimated spatial interaction value based on the measurement source signal and the calculated normalization coefficient (S130); Step (S135), wherein the parameter updating means moves the calculation block within the calibration area; The spatial interaction value determining means confirming the estimated spatial interaction value as the final spatial interaction value at the end of the movement in the calibration area of the calculation block (S140); The image structuring means estimating an unmeasured signal of the magnetic image signal based on the final spatial interaction value (S145); And (S150) the image structuring means completing the magnetic resonance image based on the estimated unmeasured signal. This can be achieved by providing a parallel magnetic resonance imaging method capable of adaptive self-calibration.
추정 공간 상호작용 값 연산단계(S105)에서, 추정 공간 상호작용 값은 다음의 수학식In the estimated space interaction value calculating step S105, the estimated space interaction value is expressed by the following equation.
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 캘리브레이션 신호 연산단계(S110)에서, 추정 캘리브레이션 신호는 다음의 수학식In the estimated calibration signal calculating step S110, the estimated calibration signal is expressed by the following equation.
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 공간 상호작용 값의 불확실도 연산단계(S115)에서, 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되고, 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식Uncertainty of estimated spatial interaction value In step S115, the uncertainty of the estimated spatial interaction value is calculated by the error covariance of the estimated spatial interaction value, and the error covariance of the estimated spatial interaction value is Equation
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
적응 필터의 정규화 계수(Kn) 연산단계(S120)에서, 적응 필터는 칼만 필터이고, 정규화 계수는 칼만 게인이며,In the normalization coefficient Kn operation step S120 of the adaptive filter, the adaptive filter is a Kalman filter, and the normalization coefficient is Kalman gain,
칼만 게인은 다음의 수학식Kalman Gain is given by
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
경신된 추정 공간 상호작용 값은 다음의 수학식The renewed estimated spatial interaction value is
(여기서, 
의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 경신된 오차 공분산은 다음의 수학식The updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value, and the updated error covariance is
(여기서, 
에 의하여 연산되는 것이 바람직하다.It is preferable to calculate by.
추정 공간 상호작용 값 연산단계(S105) 이전에, 추정치 연산수단이 영상 신호 수신기로부터 자기 영상 신호를 수신하는 단계(S100)를 더 포함하는 것이 바람직하다.Prior to the estimated spatial interaction value calculating step S105, it is preferable that the estimate calculating means further comprises a step S100 of receiving a magnetic image signal from the image signal receiver.
적응 필터의 정규화 계수 연산단계(S120)와 추정 공간 상호작용 값 경신단계(S125) 사이에, 파라미터 경신수단이 영상 신호 수신기로부터 측정 캘리브레이션 신호를 수신하는 단계(S121)를 더 포함하는 것이 바람직하다.Between the normalization coefficient calculation step S120 of the adaptive filter and the estimated spatial interaction value updating step S125, it is preferable that the parameter updating means further comprises a step S121 of receiving a measurement calibration signal from the video signal receiver.
한편, 본 발명의 목적은 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체를 제공함으로써 달성될 수 있다.On the other hand, an object of the present invention can be achieved by providing a computer-readable recording medium having a program recorded thereon for executing a parallel magnetic resonance imaging method capable of adaptive self-calibration.
상기와 같은 본 발명의 일 실시예에 의하면, 병렬 자기 공명 영상에 존재하는 노이즈 및 공간 상호작용 값의 가변성을 고려하여 정확한 공간 상호작용 값을 추정할 수 있는 효과가 있다.According to one embodiment of the present invention as described above, an accurate spatial interaction value can be estimated in consideration of variability of noise and spatial interaction values present in the parallel MRI image.
또한, 가변적인 공간 상호작용 값에 대해 적응 필터에 의한 정규화(regularization)를 해석적으로 접근할 수 있음과 동시에 공간 상호작용 값의 오차를 최소화하고 안정적인 병렬 자기 공명 영상을 획득할 수 있는 효과가 있다.In addition, it is possible to analytically approach regularization by an adaptive filter for variable spatial interaction values, and to minimize errors in spatial interaction values and to obtain stable parallel magnetic resonance images. .
그리고, 가속 인자(acceleration factor)가 증가해도 안정적인 재구성 이미지를 획득할 수 있으므로, 데이터 샘플링에 따른 병렬 자기 공명 영상의 획득 시간을 줄일 수 있는 효과가 있다.In addition, since a stable reconstruction image can be obtained even if the acceleration factor is increased, the acquisition time of the parallel MRI image according to data sampling can be reduced.
도 1 내지 도 3은 종래 병렬 자기 공명 영상 방법을 개략적으로 나타낸 도면,
도 4는 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따른 구성을 나타낸 구성도,
도 5 및 도 6은 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따라 자기 공명 영상 방법을 개략적으로 나타낸 도면,
도 7은 본 발명인 병렬 자기 공명 영상 방법의 일 실시예를 순차적으로 나타낸 순서도,
도 8은 연산 블록을 종래 자기 공명 영상 방법에 적용한 측정모델과 본 발명인 각 단계에서 연산 블록을 이동시키는 병렬 자기 공명 영상 방법의 일 실시예에 따른 측정모델 각각에 대응하는 뇌 이미지들을 나타낸 도면,
도 9 내지 도 11은 종래 셀프 캘리브레이션 방법에 의해 획득된 공간 상호작용 값과 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 획득된 공간 상호작용 값을 비교한 그래프를 나타낸 도면,
도 12 내지 도 14는 종래 셀프 캘리브레이션 방법에 의해 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면,
도 15는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면,
도 16은 도 12 내지 도 15에 도시된 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호 사이의 에러값의 제곱을 그래프로 나타낸 도면,
도 17은 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지 각각에 대하여 기준 뇌 이미지와의 차 영상과 지형인자 영상을 나타낸 도면,
도 18은 외부 감축 인자(ORF: Outer Reduction Factor)의 변화에 따른 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지를 나타낸 도면이다.1 to 3 schematically show a conventional parallel magnetic resonance imaging method;
4 is a block diagram showing a configuration according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus;
5 and 6 are schematic views illustrating a magnetic resonance imaging method according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus;
7 is a flowchart sequentially showing an embodiment of a parallel magnetic resonance imaging method of the present invention;
FIG. 8 is a diagram illustrating a measurement model in which a calculation block is applied to a conventional magnetic resonance imaging method and brain images corresponding to each of the measurement models according to an embodiment of a parallel magnetic resonance imaging method of moving a calculation block in each step of the present invention;
9 to 11 are graphs showing a comparison of the spatial interaction values obtained by the conventional self-calibration method and the spatial interaction values obtained according to the embodiment of the present invention, the parallel magnetic resonance imaging method;
12 to 14 are graphs showing a magnetic image signal estimated by a conventional self-calibration method and a magnetic image signal measured in actuality;
FIG. 15 is a graph illustrating a comparison of estimated magnetic image signals and actual measured magnetic image signals according to an embodiment of the present invention;
16 is a graph illustrating a square of an error value between the estimated magnetic image signal and the actually measured magnetic image signal illustrated in FIGS. 12 to 15;
FIG. 17 is a view showing a difference image between a brain image obtained by a conventional self-calibration method and a brain image obtained by an embodiment of the magnetic resonance imaging method of the present invention, and a topographical factor image of a reference brain image; FIG.
FIG. 18 is a diagram illustrating a brain image obtained by a conventional self-calibration method according to a change in an outer reduction factor (ORF) and a brain image obtained by an embodiment of the magnetic resonance imaging method of the present invention.
<병렬 자기 공명 영상 장치>Parallel Magnetic Resonance Imaging Device
도 4는 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따른 구성을 나타낸 구성도이다. 도 4에 도시된 바와 같이, 본 발명의 일 실시예는 영상신호 수신기(5), 추정치 연산수단(10), 정규화 계수 연산수단(20), 파라미터 경신수단(30), 공간 상호작용 값 확정수단(40) 및 영상 구성수단(50)으로 구성된다.4 is a block diagram showing a configuration according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus. As shown in FIG. 4, an embodiment of the present invention includes a
본 실시예는 영상신호 수신기(5)가 수신한 영상신호에 기초하여 추정치 연산수단(10)이 가변적인 추정 공간 상호작용 값과 추정 캘리브레이션 신호와 공간 상호작용 값의 불확실도를 연산하고, 정규화 계수 연산수단(20)에 의해 연산된 정규화 계수에 기반하여 연산블록의 이동을 통해 파라미터 경신수단(30)이 추정 공간 상호작용 값 및 공간 상호작용 값의 불확실도를 경신함으로써 결국, 추정 공간 상호작용 값의 정확도와 미측정 신호의 정확도를 높이도록 작용한다. 따라서, 본 실시예의 병렬 자기 공명 영상 장치는 높은 가속 인자에도 불구하고 엘리어싱 결함 및 노이즈가 감소된 이미지를 얻게 된다.In this embodiment, the
추정치 연산수단(10)은 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하고, 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하며, 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산한다. 여기서, k 공간은 k-space와 같은 의미로 전자파를 수식으로 설명하기 위한 주파수 영역을 의미하며, 프로세스 노이즈는 공간 상호작용 값 또는 컨볼루션 커널(convolution kernel)이 가변적일 수 있음을 고려한 값이며, 프리 스캔 노이즈는 병렬 자기 공명 영상 장치가 피사체의 이미지 스캔 전에 측정으로 얻어지는 고정값으로 주어진다.Estimation calculation means 10 is an estimated spatial interaction value between a measurement source signal and a measurement calibration signal adjacent to the measurement source signal among magnetic image signals distributed in a calculation block in a linear state k-space based on process noise. (estimated spatial correlation), calculate estimated calibration signal based on measured source signal, estimated spatial interaction value and pre-scanned noise, and uncertainty of estimated spatial interaction value based on process noise Calculate Here, k-space is the same as k-space means a frequency domain for explaining the electromagnetic waves, process noise is a value considering that the spatial interaction value or the convolution kernel (variance kernel) can be variable, The prescan noise is given a fixed value obtained by the parallel magnetic resonance imaging apparatus by measurement before scanning the image of the subject.
또한, 추정 공간 상호작용 값은 다음의 수학식 1In addition, the estimated spatial interaction value is represented by
(여기서, 
에 의하여 연산될 수 있다. 여기서, 경신된 추정 공간 상호작용 값(
그리고, 추정 캘리브레이션 신호는 다음의 수학식 2The estimated calibration signal is represented by the following equation (2).
(여기서, 
에 의하여 연산될 수 있다. 여기서, 
또한, 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산될 수 있는데, 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식 3In addition, the uncertainty of the estimated spatial interaction value may be calculated by an error covariance of the estimated spatial interaction value. The error covariance of the estimated spatial interaction value is expressed by Equation 3 below.
(여기서, 
에 의하여 연산될 수 있다.Can be calculated by
정규화 계수 연산수단(20)은 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(regularization parameter)를 연산한다. 여기서, 적응 필터는 칼만 필터(kalman filter)이고, 정규화 계수는 칼만 게인(kalman gain)으로서, 적응적 정규화(adaptively regularization)가 수행될 수 있도록 작용한다.The normalization coefficient calculating means 20 calculates a regularization parameter of the adaptive filter for minimizing the error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value, the measurement source signal and the prescan noise covariance. . Here, the adaptive filter is a Kalman filter, and the normalization coefficient is Kalman gain, which acts so that adaptive regularization can be performed.
칼만 게인은 다음의 수학식 4Kalman Gain is the
(여기서, 
에 의하여 연산될 수 있다.Can be calculated by
파라미터 경신수단(30)은 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하고, 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하며, 연산블록을 캘리브레이션 영역 내에서 이동시킨다. 여기서, 연산블록은 경신되는 단계가 증가함에 따라 kx를 주파수 인코딩 방향(frequency encoding direction)으로 하고 ky를 위상 인코딩 방향(phase encoding direction)으로 하는 k 공간의 중앙부에서 위상 인코딩 방향(ky)으로 이동되며, 한 쌍의 연산블록으로 구비되어 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동될 수 있다.The parameter updating means 30 updates the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient, and estimates the estimated spatial interaction value based on the measured source signal and the calculated normalization coefficient. It updates the uncertainty of and moves the operation block within the calibration area. Here, the operation block is moved in the phase encoding direction (ky) at the center of the k space where kx is the frequency encoding direction and ky is the phase encoding direction as the renewal step increases. It is provided with a pair of operation blocks can be moved symmetrically in the opposite direction at the center of the k-space.
이러한 연산블록의 이동은 결국, k 공간의 저주파 대역에서 고주파 대역으로의 이동이며, 영상 신호가 많이 샘플링된 곳에서 적게 샘플링된 곳으로의 이동을 의미한다.The movement of the operation block is, after all, a movement from the low frequency band of the k-space to the high frequency band, and means the movement from the place where the video signal is sampled to the place where the sample is less sampled.
도 5 및 도 6은 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따라 자기 공명 영상 방법을 개략적으로 나타낸 도면이다. 도 5에 도시된 바와 같이, 하나의 연산블록이 하나의 그룹으로 표현되어 
이러한 연산블록은 여러 개로 구비될 수 있으며, 반복적인 연산의 수행으로 공간 상호작용 값을 더욱 정확하게 추정할 수 있다. 그리고, 연산블록의 크기는 캘리브레이션 영역보다 작은 것이 바람직하다.The calculation block may be provided in plural, and the spatial interaction value may be more accurately estimated by performing an iterative operation. And, the size of the calculation block is preferably smaller than the calibration area.
경신된 추정 공간 상호작용 값은 다음의 수학식 5The renewed estimated spatial interaction value is
(여기서, 
의하여 연산될 수 있다.Can be calculated by
또한, 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 경신된 오차 공분산은 다음의 수학식 6In addition, the updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value, and the updated error covariance is
(여기서, 
에 의하여 연산될 수 있다.Can be calculated by
공간 상호작용 값 확정수단(40)은 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정한다. 이렇게 확정된 최종 공간 상호작용 값은 다중 코일 전체의 영향을 고려한 것이며, 칼만 필터에 의해 엘리어싱 결함 및 노이즈가 감소된 상태의 공간 상호작용 값이 된다.The spatial interaction
영상 구성수단(50)은 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하고, 추정된 미측정 신호에 기반하여 재구성된 자기 공명 영상(reconstructed image)을 만들게 된다.
The image structuring means 50 estimates the unmeasured signal among the magnetic image signals based on the final spatial interaction value, and generates a reconstructed image based on the estimated unmeasured signal.
<병렬 자기 공명 영상 방법>Parallel Magnetic Resonance Imaging Method
도 7은 본 발명인 병렬 자기 공명 영상 방법의 일 실시예를 순차적으로 나타낸 순서도이다. 도 7을 참조하여 본 실시예를 설명하면, 우선 추정치 연산수단(10)이 영상신호 수신기(5)로부터 자기 영상 신호를 수신한다(S100).7 is a flowchart sequentially showing an embodiment of a parallel magnetic resonance imaging method of the present invention. Referring to FIG. 7, the estimation value calculating means 10 first receives a magnetic video signal from the video signal receiver 5 (S100).
다음, 추정치 연산수단(10)이 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산한다(S105).Next, the estimated calculation means 10 estimates the mutual space between the measurement source signal and the measurement calibration signal adjacent to the measurement source signal among the magnetic image signals distributed in the calculation block on the linear state k-space based on the process noise. The calculated spatial correlation is calculated (S105).
다음, 추정치 연산수단(10)이 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산한다(S110).Next, the estimated value calculating means 10 calculates an estimated calibration signal based on the measured source signal, the estimated spatial interaction value, and the pre-scanned noise (S110).
다음, 추정치 연산수단(10)이 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산한다(S115).Next, the estimate calculating means 10 calculates an uncertainty of the estimated spatial interaction value based on the process noise (S115).
다음, 정규화 계수 연산수단(20)이 추정 공간 상호작용 값의 불확실도와 측정 소스 신호에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수를 연산한다(S120).Next, the normalization coefficient calculating means 20 calculates a normalization coefficient of the adaptive filter for minimizing the error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value and the measurement source signal (S120).
다음, 파라미터 경신수단(30)이 영상신호 수신기(5)로부터 측정 캘리브레이션 신호를 수신한다(S121).Next, the parameter updating means 30 receives the measurement calibration signal from the video signal receiver 5 (S121).
다음, 파라미터 경신수단(30)이 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신한다(S125).Next, the parameter updating means 30 updates the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient (S125).
다음, 파라미터 경신수단(30)이 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신한다(S130).Next, the parameter updating means 30 renews the uncertainty of the estimated spatial interaction value based on the measurement source signal and the calculated normalization coefficient (S130).
다음, 파라미터 경신수단(30)이 연산블록을 캘리브레이션 영역 내에서 이동시킨다(S135).Next, the parameter updating means 30 moves the calculation block in the calibration area (S135).
다음, 공간 상호작용 값 확정수단(40)이 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정한다(S140).Next, the spatial interaction
다음, 영상 구성수단(50)이 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정한다(S145).Next, the image structuring means 50 estimates the unmeasured signal of the magnetic image signal based on the final spatial interaction value (S145).
마지막으로, 영상 구성수단(50)이 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성함으로써(S150) 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법의 일 실시예가 수행될 수 있다.Finally, an embodiment of a parallel magnetic resonance imaging method capable of adaptive self-calibration may be performed by the image structuring means 50 completing the magnetic resonance image based on the estimated unmeasured signal (S150).
적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법은 컴퓨터 프로그램으로 작성 가능하며, 상기 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다.A parallel magnetic resonance imaging method capable of adaptive self-calibration can be written by a computer program, and codes and code segments constituting the program can be easily inferred by a computer programmer in the art.
또한, 상기 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer reader meadia)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법이 구현된다. 상기 정보저장매체는 자기 기록매체, 광기록매체 및 캐리어 웨이브 매체를 포함한다.
In addition, the program is stored in a computer readable medium (computer reader meadia), and is implemented by a parallel magnetic resonance imaging method capable of adaptive self-calibration by being read and executed by a computer. The information storage medium includes a magnetic recording medium, an optical recording medium and a carrier wave medium.
<비교 실험 데이터>Comparative Experiment Data
도 8은 본 발명인 병렬 자기 공명 영상 방법을 이용하여 연산 블록을 종래 자기 공명 영상 방법에 적용한 측정모델과 각 단계에서 연산 블록을 이동시키는 측정모델 각각에 대응하는 뇌 이미지들을 나타낸 도면이다. 도 8에 도시된 바와 같이, k 공간에 분포하는 영상 신호는 측정 소스 신호(●)와 셀프 캘리브레이션의 대상이 되는 캘리브레이션 신호(○), 그리고 미측정 신호(
종래 고정식 측정 모델(Stationary Measurement Model 또는 MCML 캘리브레이션, 도 8의 좌측 상단)은 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region)의 전체에 대해 연산블록을 가지며 캘리브레이션을 수행하는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 잔존 엘리어싱 결함(residual aliasing artifacts)이 존재하는 것을 확인할 수 있다(화살표 부분).The conventional stationary measurement model (Stationary Measurement Model or MCML calibration, upper left of FIG. 8) has a calculation block for the entire Nyquist Sampled Calibration Region and performs a calibration. It can be seen that residual aliasing artifacts exist in the reconstructed image obtained as a result of the calibration (arrow part).
또한, 종래 이동된 고정식 측정 모델(Stationary Shifted Measurement Model 또는 시프트 캘리브레이션, 도 8의 중앙 상단)은 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region) 중에서도 오직 경계부위에서만 연산블록을 가지며 캘리브레이션을 수행하는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 역시 잔존 엘리어싱 결함(residual aliasing artifacts)이 존재하는 것을 확인할 수 있다(화살표 부분).In addition, the conventional shifted fixed measurement model (Stationary Shifted Measurement Model or shift calibration (upper center of FIG. 8)) has a calculation block at only the boundary of the Nyquist Sampled Calibration Region and performs calibration. As a method, it can be seen that residual aliasing artifacts also exist in the reconstructed image obtained as a result of the calibration performed at the bottom thereof (arrow part).
그러나, 본 발명인 병렬 자기 공명 영상 방법의 일 실시예(Sliding Group-wise Measurement Model, 도 8의 우측 상단)는 연산블록이 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region)에서 슬라이딩되어 단계적으로 공간 상호작용 값을 경신시켜 나가며 캘리브레이션이 수행되는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 잔존 엘리어싱 결함(residual aliasing artifacts)이 나타나지 않는 것을 알 수 있다.
However, in one embodiment of the present invention, a parallel group resonance method (Sliding Group-wise Measurement Model, upper right of FIG. 8) is a stepwise space in which a calculation block is slid in a Nyquist Sampled Calibration Region. As a calibration is performed by renewing the interaction value, it can be seen that residual aliasing artifacts do not appear in the reconstructed image obtained as a result of the calibration at the bottom thereof.
도 9 내지 도 11은 종래 셀프 캘리브레이션 방법에 의해 획득된 공간 상호작용 값과 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 획득된 공간 상호작용 값(spatial correlation 또는 convolution kernels)을 비교한 그래프를 나타낸 도면이다. 특히, 도 9 내지 도 11은 하기의 표 1에 나타나 있는 각 노이즈 분산값에 대응하는 12개의 코일을 이용하여 측정한 데이터를 그래프로 나타낸 것이며, 여기서 ORF는 6, NSL은 64이며, 본 발명의 일 실시예에 대해서는 NB(연산블록의 개수)는 2, 프로세스 노이즈 공분산(Q)은 10-10으로 하였다.9 to 11 are graphs comparing the spatial interaction values obtained by the conventional self-calibration method with the spatial correlation values (spatial correlation or convolution kernels) obtained according to an embodiment of the present invention, the parallel magnetic resonance imaging method. The figure shown. In particular, FIGS. 9 to 11 show graphs of data measured using twelve coils corresponding to respective noise variance values shown in Table 1 below, where ORF is 6 and NSL is 64. for one embodiment N B (the number of the operation block) it is 2, the process noise covariance (Q) was set to 10-10.
도 9 내지 도 11에 도시된 각 그래프는 가로축을 커널의 인덱스로 가지고 세로축을 컨볼루션 커널의 실수값으로 갖는다. 또한, 점선을 기준으로 좌측은 코일 1 내지 코일 8에 대응하는 데이터를 나타내고, 점선의 우측은 코일 9 내지 코일 12에 대응하는 데이터를 나타낸다.Each graph shown in FIGS. 9 to 11 has the horizontal axis as the index of the kernel and the vertical axis as the real value of the convolution kernel. In addition, the left side of the dotted line shows data corresponding to the
1.62
1.62
3.01
3.01
1.59
1.59
2.52
2.52
1.9
1.9
1.41
1.41
4.09
4.09
2.91
2.91
10.62
10.62
34.51
34.51
11.85
11.85
42.46
42.46
도 9 내지 도 11에서 알 수 있듯이, 비교적 노이즈가 큰 코일들(코일 9 내지 코일 12)에 대한 추정 공간 상호작용 값(또는 추정 컨볼루션 커널)의 변화량은, 종래 MCML 캘리브레이션(도 9), 종래 시프트 캘리브레이션(도 10), 종래 HPF 캘리브레이션(도 11)에 비해 본 발명인 병렬 자기 공명 영상 방법의 일 실시예가 상대적으로 작음을 알 수 있다.As can be seen in Figures 9 to 11, the amount of change in the estimated spatial interaction value (or the estimated convolution kernel) for the relatively noisy coils (
도 12 내지 도 14는 종래 셀프 캘리브레이션 방법에 의해 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면이며, 도 15는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면이다. 그리고, 도 16은 도 12 내지 도 15에 도시된 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호 사이의 에러값의 제곱을 그래프로 나타낸 도면이다.12 to 14 are graphs showing a comparison of a magnetic image signal estimated by a conventional self-calibration method and an actually measured magnetic image signal, and FIG. 15 is an estimate according to an embodiment of the present invention. Is a graph showing a comparison of the measured magnetic image signal with the actual measured magnetic image signal. 16 is a graph illustrating a square of an error value between the estimated magnetic image signal and the actually measured magnetic image signal illustrated in FIGS. 12 to 15.
여기서, 도 12 내지 도 15에 도시된 그래프는 가로축이 위상 엔코딩값(ky)을 나타내고 세로축이 영상 신호의 실수값을 나타내며, ORF는 6, NSL은 64이다. 그리고 본 발명의 일 실시예에 대해서는 NB는 2, 프로세스 노이즈 공분산(Q)은 10-10으로 하였다. 그리고, 도 12 내지 도 15에 도시된 각각의 그래프는, 실제 측정된 영상신호와 대비되도록 종래 MCML 캘리브레이션에 의해 추정된 영상신호(도 12), 종래 시프트 캘리브레이션에 의해 추정된 영상신호(도 13), 종래 HPF 캘리브레이션에 의해 추정된 영상신호(도 14) 및 본 발명인 병렬 자기 공명 영상 방법에 의해 추정된 영상신호(도 15)를 각각 나타내었다.12 to 15, the horizontal axis represents the phase encoding value ky, the vertical axis represents the real value of the video signal, ORF is 6, and NSL is 64. In an embodiment of the present invention, N B is 2 and the process noise covariance (Q) is 10 −10 . Each of the graphs shown in FIGS. 12 to 15 is a video signal estimated by conventional MCML calibration (FIG. 12) and a video signal estimated by conventional shift calibration so as to be contrasted with the actual measured video signal. Fig. 14 shows the image signal estimated by conventional HPF calibration (Fig. 14) and the image signal estimated by the present invention parallel magnetic resonance imaging method (Fig. 15).
결국, 도 16에 도시된 피팅 오차값의 제곱을 통해 알 수 있듯이, (a), (b), (c)에 대응되는 각각의 영상신호(도 12 내지 도 14)는 본 발명의 일 실시예에 의해 얻어진 영상신호(도 15)보다 피팅 오차값의 제곱이 비교적 크다는 것을 알 수 있다.
As a result, as can be seen from the square of the fitting error value shown in FIG. 16, each of the image signals corresponding to (a), (b), and (c) (FIGS. 12 to 14) is an embodiment of the present invention. It can be seen that the square of the fitting error value is relatively larger than the video signal (FIG. 15) obtained by FIG.
도 17은 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지(a, b, c)와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지(d) 각각에 대하여 기준 뇌 이미지와의 차 영상(e, f, g, h; difference images)과 지형인자 영상(i, j, k, l; geometry factor images)을 나타낸 도면이다.17 is a difference image (e) between a brain image (a, b, c) obtained by a conventional self-calibration method and a reference brain image with respect to each of the brain image (d) obtained by an embodiment of the magnetic resonance imaging method of the present invention. , f, g, h; difference images) and topographical factor images (i, j, k, l; geometry factor images).
여기서, 각 뇌 이미지들(a, b, c, d)은 ORF가 6, NSL이 64로 하여 측정된 것이며, 본 발명의 일 실시예에 대해서는 NB를 2, 프로세스 노이즈(w)를 10-10으로 하였다.Here, each of the brain images (a, b, c, d) is measured with an ORF of 6 and an NSL of 64. For an embodiment of the present invention, N B is 2 and process noise (w) is 10 −. It was set to 10 .
도 17에 도시된 바와 같이, 종래 MCML 캘리브레이션, 시프트 캘리브레이션, HPF 캘리브레이션에 각각 대응되는 뇌 이미지들(a, b, c)은, 그 각각에 대응하는 차 영상(e, f, g)과 각각에 대응하는 지형인자 영상(i, j, k)을 나타낸다. 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d)의 차 영상(h) 및 지형인자 영상(l)과 비교하면, 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d)가 영상 차이 값 및 지형인자 값이 휠씬 작음을 알 수 있다.
As shown in FIG. 17, the brain images a, b, and c corresponding to the conventional MCML calibration, the shift calibration, and the HPF calibration, respectively, correspond to the difference images e, f, and g, respectively. Corresponding topographical factor images i, j, and k are shown. Compared with the difference image (h) and the topographical factor image (l) of the brain image (d) obtained by an embodiment of the present invention, the brain image (d) obtained by an embodiment of the present invention is the image difference It can be seen that the value and the terrain factor value are much smaller.
도 18은 ORF의 변화에 따른 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지를 나타낸 도면이다. 도 18에 도시된 뇌 이미지들은 상단부 뇌 이미지(a, b, c, d)가 ORF 2, NSL 16이며, 중단부 뇌 이미지(e, f, g, h)는 ORF 3, NSL 24이고, 하단부 뇌 이미지(i, j, k, l)는 ORF 4, NSL 32로 하여 공간 상호작용 값을 추정하여 재구성한 것이다. 또한, 도 18에 도시된 뇌 이미지들 중 첫 번째 열의 뇌 이미지(a, e, i)는 종래 MCML 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이며, 두 번째 열의 뇌 이미지(b, f, j)는 시프트 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이고, 세 번째 열의 뇌 이미지(c, g, k)는 HPF 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이며, 네 번째 열의 뇌 이미지(d, h, l)는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 의해 추정된 공간 상호작용 값에 기반한 것이다. 특히, 네 번째 열의 뇌 이미지(d, h, l)를 재구성하기 위한 본 발명의 일 실시예는 ORF가 2, 3인 것에 대해 NB는 4로 하였으며, ORF가 4인 것에 대해 NB는 2로 하였고, 프로세스 노이즈(w)는 10-10으로 하였다. 결국, 도 18에 도시된 바에서 알 수 있듯이, ORF가 2, 3, 4로 증가함에 따라 종래 캘리블이션 방법에 의해 획득된 뇌 이미지(a, b, c, e, f, g, i, j, k)는 잔존 결함 및 노이즈가 커지지만, 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d, h, l)는 ORF 증가에도 불가하고 잔존 결함 및 노이즈가 매우 작음을 알 수 있다.
18 is a view showing a brain image obtained by a conventional self-calibration method according to the change of the ORF and a brain image obtained by an embodiment of the present invention magnetic resonance imaging method. The brain images shown in FIG. 18 are
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood that the invention may be practiced. Therefore, the embodiments described above are to be understood as illustrative and not restrictive in all aspects. In addition, the scope of the present invention is indicated by the appended claims rather than the detailed description above. Also, it is to be construed that all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts are included in the scope of the present invention.
5: 영상신호 수신기
10: 추정치 연산수단
20: 정규화 계수 연산수단
30: 파라미터 경신수단
40: 공간 상호작용 값 확정수단
50: 영상 구성수단5: video signal receiver
10: Estimation means
20: normalization coefficient calculation means
30: Parameter update means
40: means for determining spatial interaction values
50: image structuring means
Claims (25)
상기 추정 공간 상호작용 값의 불확실도와 상기 측정 소스 신호에 기반하여 상기 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 정규화 계수 연산수단;
상기 측정 캘리브레이션 신호와 상기 추정 캘리브레이션 신호의 차이값과 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값을 경신하고, 상기 측정 소스 신호와 상기 연산된 정규화 계수 및 프리 스캔 노이즈 공분산에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 경신하며, 상기 연산블록을 캘리브레이션 영역 내에서 이동시키는 파라미터 경신수단;
상기 연산블록의 상기 캘리브레이션 영역 내 이동의 종료로 상기 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 공간 상호작용 값 확정수단; 및
상기 최종 공간 상호작용 값에 기반하여 상기 자기 영상 신호 중 미측정 신호를 추정하고, 상기 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 영상 구성수단;을 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
Based on the process noise, the estimated spatial correlation between the measurement source signal and the measurement calibration signal adjacent to the measurement source signal among the magnetic image signals distributed in the computational block in the linear state k-space is determined. Calculate an estimated calibration signal based on the measurement source signal, the estimated spatial interaction value, and pre-scanned noise, and calculate an uncertainty of the estimated spatial interaction value based on the process noise. Estimated value calculating means;
Normalization coefficient calculating means for calculating a normalization coefficient Kn of an adaptive filter for minimizing an error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value and the measurement source signal;
Update the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient, and based on the measured source signal and the calculated normalized coefficient and prescan noise covariance Parameter updating means for updating an uncertainty of an estimated spatial interaction value and for moving the calculation block within a calibration region;
Spatial interaction value determining means for determining the estimated spatial interaction value as a final spatial interaction value at the end of the movement in the calibration region of the calculation block; And
Adaptive self-calibration capable of including; image structuring means for estimating an unmeasured signal among the magnetic image signals based on the final spatial interaction value and completing a magnetic resonance image based on the estimated unmeasured signal Magnetic resonance imaging device.
상기 프로세스 노이즈는 상기 추정 공간 상호작용 값의 경신에 기반하여 변화되는 값인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And the process noise is a value that is changed based on the renewal of the estimated spatial interaction value.
상기 추정 공간 상호작용 값은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 2,
The estimated spatial interaction value is represented by the following equation
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 프리 스캔 노이즈는 상기 자기 영상 신호의 생성 전 측정된 고정 값인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And the pre-scan noise is a fixed value measured before generation of the magnetic image signal.
상기 추정 캘리브레이션 신호는 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 4, wherein
The estimated calibration signal is represented by the following equation
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
The uncertainty of the estimated spatial interaction value is computed by an error covariance of the estimated spatial interaction value, the parallel magnetic resonance imaging apparatus capable of adaptive self-calibration.
상기 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 6,
The error covariance of the estimated spatial interaction value is expressed by the following equation
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 적응 필터는 칼만 필터이고, 상기 정규화 계수는 칼만 게인인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And the adaptive filter is a Kalman filter, and the normalization coefficient is a Kalman gain.
상기 칼만 게인은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 8,
The Kalman gain is the following equation
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 경신된 추정 공간 상호작용 값은 다음의 수학식
(여기서,
의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 9,
The renewed estimated spatial interaction value is
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고,
상기 경신된 오차 공분산은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 9,
The updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value,
The updated error covariance is represented by the following equation
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that calculated by.
상기 연산블록은 상기 k 공간의 중앙부에서 위상 인코딩 방향으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And the operation block is moved in a phase encoding direction at the center of the k-space.
상기 연산블록은 상기 k 공간에서 이동되는 한 쌍의 연산블록이고,
상기 한 쌍의 연산블록은 상기 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 12,
The operation block is a pair of operation blocks moved in the k space,
And the pair of computation blocks are symmetrically moved in opposite directions at the center of the k-space.
상기 연산블록은 상기 k 공간의 저주파 대역에서 고주파 대역으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And the calculation block is moved from a low frequency band of the k-space to a high frequency band.
상기 연산블록은 상기 캘리브레이션 영역보다 작은 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
The method of claim 1,
And said computing block is smaller than said calibration area.
상기 추정치 연산수단이 상기 측정 소스 신호와 상기 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하는 단계(S110);
상기 추정치 연산수단이 상기 프로세스 노이즈에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 연산하는 단계(S115);
정규화 계수 연산수단이 상기 추정 공간 상호작용 값의 불확실도와 상기 측정 소스 신호 및 프리 스캔 노이즈 공분산에 기반하여 상기 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 단계(S120);
파라미터 경신수단이 상기 측정 캘리브레이션 신호와 상기 추정 캘리브레이션 신호의 차이값과 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값을 경신하는 단계(S125);
상기 파라미터 경신수단이 상기 측정 소스 신호 및 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 경신하는 단계(S130);
상기 파라미터 경신수단이 상기 연산블록을 캘리브레이션 영역 내에서 이동시키는 단계(S135);
공간 상호작용 값 확정수단이 상기 연산블록의 상기 캘리브레이션 영역 내 이동의 종료로 상기 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 단계(S140);
영상 구성수단이 상기 최종 공간 상호작용 값에 기반하여 상기 자기 영상 신호 중 미측정 신호를 추정하는 단계(S145); 및
상기 영상 구성수단이 상기 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 단계(S150);를 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
Estimated spatial means for estimating the spatial interaction between a measurement source signal and a measurement calibration signal adjacent to the measurement source signal among magnetic image signals distributed in a calculation block on a linear state k-space based on process noise calculating a spatial correlation (S105);
Calculating (S110), by the estimate calculating means, the estimated calibration signal based on the measured source signal, the estimated spatial interaction value, and pre-scanned noise;
Calculating, by the estimate calculating means, an uncertainty of the estimated spatial interaction value based on the process noise (S115);
Normalizing coefficient calculating means for calculating a normalization coefficient Kn of an adaptive filter for minimizing an error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value and the measured source signal and the prescan noise covariance (S120);
Updating, by the parameter updating means, the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient (S125);
The step of updating, by the parameter updating means, the uncertainty of the estimated spatial interaction value based on the measurement source signal and the calculated normalization coefficient (S130);
Step (S135), wherein said parameter updating means moves said calculation block within a calibration area;
The spatial interaction value determining means confirming the estimated spatial interaction value as a final spatial interaction value at the end of the movement in the calibration area of the calculation block (S140);
Estimating, by the image structuring unit, the unmeasured signal among the magnetic image signals based on the final spatial interaction value (S145); And
And (S150), by the image constituting means, completing a magnetic resonance image based on the estimated unmeasured signal.
상기 추정 공간 상호작용 값 연산단계(S105)에서,
상기 추정 공간 상호작용 값은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
In the estimated spatial interaction value calculation step (S105),
The estimated spatial interaction value is represented by the following equation
(here,
An adaptive self-calibration parallel magnetic resonance imaging method, characterized in that it is calculated by.
상기 추정 캘리브레이션 신호 연산단계(S110)에서,
상기 추정 캘리브레이션 신호는 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
In the estimated calibration signal calculation step (S110),
The estimated calibration signal is represented by the following equation
(here,
An adaptive self-calibration parallel magnetic resonance imaging method, characterized in that it is calculated by.
상기 추정 공간 상호작용 값의 불확실도 연산단계(S115)에서,
상기 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되고,
상기 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
In the uncertainty calculation step (S115) of the estimated spatial interaction value,
The uncertainty of the estimated spatial interaction value is computed by the error covariance of the estimated spatial interaction value,
The error covariance of the estimated spatial interaction value is expressed by the following equation
(here,
An adaptive self-calibration parallel magnetic resonance imaging method, characterized in that it is calculated by.
상기 적응 필터의 정규화 계수(Kn) 연산단계(S120)에서,
상기 적응 필터는 칼만 필터이고, 상기 정규화 계수는 칼만 게인이며,
상기 칼만 게인은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
In operation S120 of normalizing coefficient Kn of the adaptive filter,
The adaptive filter is a Kalman filter, the normalization coefficient is a Kalman gain,
The Kalman gain is the following equation
(here,
An adaptive self-calibration parallel magnetic resonance imaging method, characterized in that it is calculated by.
상기 경신된 추정 공간 상호작용 값은 다음의 수학식
(여기서,
의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
The method of claim 20,
The renewed estimated spatial interaction value is
(here,
Adaptive magnetic calibration capable of parallel magnetic resonance imaging, characterized in that it is calculated by.
상기 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고,
상기 경신된 오차 공분산은 다음의 수학식
(여기서,
에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
The method of claim 20,
The updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value,
The updated error covariance is represented by the following equation
(here,
An adaptive self-calibration parallel magnetic resonance imaging method, characterized in that it is calculated by.
상기 추정 공간 상호작용 값 연산단계(S105) 이전에,
추정치 연산수단이 영상 신호 수신기로부터 상기 자기 영상 신호를 수신하는 단계(S100)를 더 포함하는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
Before the estimated spatial interaction value calculation step (S105),
And a step (S100) of estimating means for receiving the magnetic image signal from an image signal receiver.
적응 필터의 정규화 계수 연산단계(S120)와 추정 공간 상호작용 값 경신단계(S125) 사이에,
상기 파라미터 경신수단이 영상 신호 수신기로부터 상기 측정 캘리브레이션 신호를 수신하는 단계(S121)를 더 포함하는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
17. The method of claim 16,
Between the normalization coefficient calculation step (S120) of the adaptive filter and the estimated space interaction value updating step (S125),
And (S121), wherein the parameter updating means receives the measurement calibration signal from an image signal receiver.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100088394A KR101105352B1 (en) | 2010-09-09 | 2010-09-09 | Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof |
| PCT/KR2010/009620 WO2012033264A1 (en) | 2010-09-09 | 2010-12-31 | Parallel magnetic resonance imaging apparatus capable of adaptive self-calibration, imaging method, and recording medium thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100088394A KR101105352B1 (en) | 2010-09-09 | 2010-09-09 | Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101105352B1 true KR101105352B1 (en) | 2012-01-16 |
Family
ID=45614212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100088394A KR101105352B1 (en) | 2010-09-09 | 2010-09-09 | Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101105352B1 (en) |
| WO (1) | WO2012033264A1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101438758B1 (en) | 2013-04-02 | 2014-09-05 | 고려대학교 산학협력단 | Apparatus and method for magnetic resonance image processing |
| KR101517606B1 (en) * | 2013-10-29 | 2015-05-04 | 한국과학기술원 | Parallel Image Reconstruction using Filter Banks based on the Low Frequency Part of K-space Signals |
| KR101575798B1 (en) | 2014-04-25 | 2015-12-08 | 고려대학교 산학협력단 | Apparatus and method for magnetic resonance image processing |
| KR101686184B1 (en) * | 2015-07-09 | 2016-12-13 | 성균관대학교산학협력단 | Apparatus and method for parallel magnetic resonance image processing |
| KR101836352B1 (en) | 2016-10-31 | 2018-03-09 | 가천대학교 산학협력단 | Signal Reconstruction Method for Magnetic Resonance Spectroscopic imaging(MRSI) of Parallel Imaging Using Multi Channel Coil |
| KR20190048827A (en) * | 2017-10-31 | 2019-05-09 | 가천대학교 산학협력단 | Apparatus and method for reconstructing accelerated magnetic resonance spectroscopic imaging data based on grappa algorithm using time scaled kernel |
| KR20230159782A (en) | 2022-05-13 | 2023-11-22 | 전남대학교산학협력단 | Device and method for magnet resonance image precessing using encoding based on multidimensional axis |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9689950B2 (en) | 2014-04-29 | 2017-06-27 | General Electric Company | Systems and methods for self-calibrated, nonlinear phase contrast correction of magnetic resonance images |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4912412A (en) | 1987-02-27 | 1990-03-27 | Hitachi, Ltd. | MR imaging method and apparatus |
| KR980012936A (en) * | 1996-07-11 | 1998-04-30 | 제이 엘. 채스킨 | Phase shift measurement method, phase shift correction method and magnetic resonance imaging device |
| KR100902518B1 (en) | 2007-06-15 | 2009-06-15 | 한국과학기술원 | Method of imaging high resolution mri by using generalized series parallel imaging technique and recording medium thereof |
-
2010
- 2010-09-09 KR KR1020100088394A patent/KR101105352B1/en not_active IP Right Cessation
- 2010-12-31 WO PCT/KR2010/009620 patent/WO2012033264A1/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4912412A (en) | 1987-02-27 | 1990-03-27 | Hitachi, Ltd. | MR imaging method and apparatus |
| KR980012936A (en) * | 1996-07-11 | 1998-04-30 | 제이 엘. 채스킨 | Phase shift measurement method, phase shift correction method and magnetic resonance imaging device |
| KR100902518B1 (en) | 2007-06-15 | 2009-06-15 | 한국과학기술원 | Method of imaging high resolution mri by using generalized series parallel imaging technique and recording medium thereof |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101438758B1 (en) | 2013-04-02 | 2014-09-05 | 고려대학교 산학협력단 | Apparatus and method for magnetic resonance image processing |
| KR101517606B1 (en) * | 2013-10-29 | 2015-05-04 | 한국과학기술원 | Parallel Image Reconstruction using Filter Banks based on the Low Frequency Part of K-space Signals |
| KR101575798B1 (en) | 2014-04-25 | 2015-12-08 | 고려대학교 산학협력단 | Apparatus and method for magnetic resonance image processing |
| KR101686184B1 (en) * | 2015-07-09 | 2016-12-13 | 성균관대학교산학협력단 | Apparatus and method for parallel magnetic resonance image processing |
| WO2017007286A1 (en) * | 2015-07-09 | 2017-01-12 | 성균관대학교산학협력단 | Apparatus and method for processing parallel magnetic resonance image |
| KR101836352B1 (en) | 2016-10-31 | 2018-03-09 | 가천대학교 산학협력단 | Signal Reconstruction Method for Magnetic Resonance Spectroscopic imaging(MRSI) of Parallel Imaging Using Multi Channel Coil |
| WO2018080295A1 (en) * | 2016-10-31 | 2018-05-03 | 가천대학교 산학협력단 | Method for reconstructing three-dimensional magnetic resonance spectroscopic imaging on basis of parallel imaging using multi-channel coil |
| KR20190048827A (en) * | 2017-10-31 | 2019-05-09 | 가천대학교 산학협력단 | Apparatus and method for reconstructing accelerated magnetic resonance spectroscopic imaging data based on grappa algorithm using time scaled kernel |
| KR102015839B1 (en) | 2017-10-31 | 2019-08-29 | 가천대학교 산학협력단 | Apparatus and method for reconstructing accelerated magnetic resonance spectroscopic imaging data based on grappa algorithm using time scaled kernel |
| KR20230159782A (en) | 2022-05-13 | 2023-11-22 | 전남대학교산학협력단 | Device and method for magnet resonance image precessing using encoding based on multidimensional axis |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2012033264A1 (en) | 2012-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101105352B1 (en) | Parallel magnetic resonance imaging apparatus being capable of adaptive self-calibrating, parallel magnetic resonance imaging method and recording medium thereof | |
| US10302731B2 (en) | Integrated image reconstruction and gradient non-linearity correction for magnetic resonance imaging | |
| US10393842B1 (en) | Highly-scalable image reconstruction using deep convolutional neural networks with bandpass filtering | |
| US10950014B2 (en) | Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI) | |
| US20190236817A1 (en) | Generalized Multi-Channel MRI Reconstruction Using Deep Neural Networks | |
| JP6018401B2 (en) | System and method for predicting and correcting distortions induced by higher order eddy currents in diffusion weighted echo planar imaging | |
| US20200355774A1 (en) | One-dimensional partial fourier parallel magnetic resonance imaging method based on deep convolutional network | |
| US9846922B2 (en) | Method, computer readable medium and MRI apparatus for performing phase-encode ghosting detection and mitigation in MRI | |
| RU2672151C2 (en) | Correction of epi extraneous echoes | |
| KR101330638B1 (en) | Method for generating a magnetic resonance imaging and apparatus for generating a magnetic resonance imaging thereof | |
| WO2013067546A1 (en) | Method for calibration-free locally low-rank encouraging reconstruction of magnetic resonance images | |
| CN101105863A (en) | Localized anti-aliasing method based on edge detection | |
| KR101575798B1 (en) | Apparatus and method for magnetic resonance image processing | |
| US9689951B2 (en) | Phase-contrast MR imaging with speed encoding | |
| US10267886B2 (en) | Integrated image reconstruction and gradient non-linearity correction with spatial support constraints for magnetic resonance imaging | |
| US9165353B2 (en) | System and method for joint degradation estimation and image reconstruction in magnetic resonance imaging | |
| Park et al. | Adaptive self‐calibrating iterative GRAPPA reconstruction | |
| JP4975614B2 (en) | Magnetic resonance imaging apparatus and method | |
| WO2020219642A1 (en) | Model-based iterative reconstruction for magnetic resonance imaging with echo planar readout | |
| Weller et al. | Motion-compensated reconstruction of magnetic resonance images from undersampled data | |
| CN110907873B (en) | Motion artifact eliminating method based on coil sensitivity phase constraint | |
| WO2022217157A1 (en) | System and method for quantitative magnetic resonance imaging using a deep learning network | |
| US20220413078A1 (en) | Model-Based Nyquist Ghost Correction for Reverse Readout Echo Planar Imaging | |
| US20210003652A1 (en) | Correction of mr object movements | |
| Aelterman et al. | Automatic high-bandwidth calibration and reconstruction of arbitrarily sampled parallel MRI |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20150106 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20160105 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20170105 Year of fee payment: 6 |
|
| LAPS | Lapse due to unpaid annual fee |