KR101659142B1

KR101659142B1 - 영상 데이터를 생성하는 방법

Info

Publication number: KR101659142B1
Application number: KR1020140040034A
Authority: KR
Inventors: 크리스토프 포만
Original assignee: 지멘스 악티엔게젤샤프트
Priority date: 2013-04-03
Filing date: 2014-04-03
Publication date: 2016-09-22
Anticipated expiration: 2034-04-03
Also published as: DE102013205830B4; CN104095633B; CN104095633A; KR20140120856A; US9626777B2; US20140301622A1; DE102013205830A1

Abstract

신체(K) 내부의 움직이는 대상물(O)의 영상 데이터(BD)의 생성을 위한 방법이 설명된다. 초기에, 대상물(O)을 포함하는 신체(K)의 영역에 대해 상이한 측정 시점들(t₀, …, t_k, …)에서 원시 데이터(RD)가 취득되고, 원시 데이터(RD)의 적어도 일부(RD_C)에 기초하여 상이한 측정 시점들(t₀, …, t_k, …)에 대한 위치 개요 데이터(SIP)가 생성된다. 그 다음, 위치 개요 데이터(SIP)의 산란이 결정되고, 이 산란은 측정 시점에 의존하며, 위치 개요 데이터(SIP) 내의 공간적 테스트 영역들(PR1, PR2)이 산란에 기초하여 선택된다. 개개의 테스트 영역들(PR1, PR2)에 대해 신뢰도 파라미터 값들(VP1, VP2)이 결정되고, 그 다음, 상이한 테스트 영역들(PR1, PR2)의 신뢰도 파라미터 값들(VP1, VP2)을 고려하여 원시 데이터(RD)에 기초해 영상 데이터(BD)의 재구성이 이루어진다. 또한, 영상 데이터 생성 장치(20) 및 이러한 영상 데이터 생성 장치(20)를 갖춘 자기 공명 시스템(1)이 설명된다.

Description

영상 데이터를 생성하는 방법{METHOD TO GENERATE IMAGE DATA}

본 발명은, 신체 내부의 움직이는 대상물, 예를 들어, 인간 또는 동물 신체 내부의 장기, 장기 또는 임의의 표적(target) 구조의 일부의 영상 데이터(특히 자기 공명 영상 촬영(magnetic resonance exposures))를 생성하는 방법에 관한 것이다. 게다가, 본 발명은 신체 내부의 움직이는 대상물의 영상 데이터를 생성하는 영상 데이터 생성 장치뿐만 아니라 이러한 영상 데이터 생성 장치를 갖춘 자기 공명 시스템에 관한 것이다.

나중의 진단을 위한 인간 또는 동물 신체의 내부의 영상 데이터의 생성은 지금까지 많은 의료 검사의 표준의 일부이다. 현재 영상 데이터를 재구성할 수 있는 요구되는 원시 데이터의 취득, 또는 영상 데이터의 생성을 위한 다양한 방법들(예를 들어, 자기 공명 단층촬영 또는 컴퓨터 단층촬영)이 존재한다.

컴퓨터 단층촬영에서는, 통상적으로, x-선 방사가 다양한 방향에서 신체를 통과하여 전송되고 검출기 장치에 의해 검출되는 원시 투사 데이터(raw projection data)가 생성된다. 그 다음, 영상 데이터가 원시 투사 데이터로부터 재구성될 수 있다.

자기 공명 단층촬영에서 검사 대상의 신체의 내부의 영역으로부터 영상 데이터(자기 공명 촬영)를 얻기 위하여, 검사할 신체 또는 신체 일부는 초기에 반드시 최적의 균일한 기본 정자계(종종 B₀계라고 함)에 노출되어야 한다. 이로써 핵스핀들이 B₀계의 방향(통상 z-방향이라고 함)에 평행하게 정렬된다. 게다가, 무선-주파수 안테나로 검사 대상물에 내에 무선-주파수 펄스들이 조사되고, 무선-주파수 펄스의 주파수는 현 자계에서 여기될 핵(통상 수소 원자핵)의 (Larmor 주파수라고 알려진) 공진 주파수의 범위 내에 있다. 따라서 이들 무선-주파수 펄스는 이하에서는 자기 공명 무선-주파수 펄스라고 한다. 이들 무선-주파수 펄스의 자속 밀도는 통상적으로 B₁로 표기된다. 이들 무선-주파수 펄스에 의해, 검사 대상물의 원자들의 핵 스핀들이 여기되어, (기본 자계 B₀에 평행한) 그들의 정상 상태(steady state)에서 벗어나 소위 "여기 플립각"(일반적으로는 "플립각"이라고도 약칭)만큼 편향된다. 처음에 핵 스핀은 z-방향 주변에서 세차운동하며 다시 조금씩 이완된다. 세차 원뿔(precession cone) 주변의 미시적 스핀의 동상 회전(phase-identical revolution)은 (z-방향에 수직한) x/y 평면에서의 거시적 핵 자화로서 간주될 수 있다. 핵 자화의 이러한 이완에서 생성되는 자기 공명 신호는 무선-주파수 수신 안테나에 의해 소위 원시 데이터(raw data)로서 취득된다. 검사 대상물의 자기 공명 영상은 최종적으로는 취득된 원시 데이터에 기초하여 재구성되며, 여기서, 자기 공명 무선-주파수 펄스의 방출 및/또는 원시 데이터의 취득 동안 기본 자계에 중첩되는 고속 스위칭형 경사 자계의 도움으로 공간적 코딩이 발생한다. 데이터 취득시에, 처음에 원시 데이터는 위치 주파수 공간(소위 k-공간)과 연관된다. 그 다음, 영상 데이터의 재구성은, 영상 데이터 공간(위치 공간)으로의 k-공간의 원시 데이터의 푸리에 변환(Fourier transformation)에 의해 이루어진다.

특히 전체 장기의 영상 데이터가 생성되어야 한다면, 즉, 장기가 위치해 있는 전체 영역을 포괄하는 볼륨 데이터 또는 복수의 조밀하게 인접하는 슬라이스 영상들이 취득되어야 한다면, 더 긴 측정 시간이 요구된다. 이것은 움직이는 장기(예를 들어, 심장)를 취급하는 경우에는 문제가 된다. 심장은, 심장 박동에 기인한 자체의 주기적 움직임을 행할 뿐만 아니라, 추가적으로 환자의 호흡에 기인한 움직임에 영향을 받는다. 만일 단순히 원시 데이터가 상이한 움직임 주기들 동안에 취득된 다음, 상기 원시 데이터로부터 영상 데이터가 재구성된다면, 이것은 상당한 움직임 아티팩트(예를 들어, 영상의 번짐)를 야기하여, 생성된 영상은 종종 합리적인 진단에 이용될 수 없다.

이를 회피하는 한 가능성은, 원시 데이터를 정의된 움직임 단계(movement phase)에서만 취득, 예를 들어, 원시 데이터 취득을 적절한 방식으로 트리거하는 것이다. 예를 들어, 심장 움직임에 관하여, EKG의 도움으로 정의된 심장 단계에서의 트리거링을 구현하는 것이 가능하다. 이로써 데이터는 유익하게도 심확장기(diastolic phase)에서 취득되는데, 이 심확장기에서 심장 움직임은 비교적 긴 시간 동안에 최소이기 때문이다. 이 심확장기는 약 100ms 동안 지속된다. 많은 취득 방법에서(특히, 심장을 포괄하는 전체 볼륨 또는 복수의 조밀하게 놓인 슬라이스들의 취득에서), 그러나, 이 100ms는 전체 원시 데이터를 취득하기에는 충분하지 않다. 이것은 특히 원시 자기 공명 데이터의 취득에 적용된다. 따라서, 원시 데이터 세트, 또는 k-공간의 세그먼트들은, 볼륨이나 원하는 슬라이스들의 영상 데이터가 전술된 방식으로 재구성되기 이전에, k-공간을 필요한 원시 데이터로 채우기 위하여 정합하는 심장 단계(cardiac phase)에서 각각 취득되어야 한다. 그러나, 심장의 움직임에 추가적으로 중첩되는 호흡 움직임은, 호흡 주기의 현재의 움직임 단계에 따라 (예를 들어, 연속된 심장 주기의 심확장기에서) 심장이 신체의 상이한 장소들에 위치할 수 있는 상황을 초래할 수 있다. 원칙적으로, 적절한 장치로 호흡 주기를 모니터링하고 추가적으로 호흡 주기를 트리거하는 것이 당연히 가능하다. 그러나, 이 경우, 원시 데이터는 원하는 심장 단계와 원하는 호흡 단계가 무작위로 함께 도달할 때에만 비로소 취득된다. 이것은 전체 측정 기간을 너무 길게 하여, 이러한 측정 방법은 실제로는 받아들이기 어렵다.

따라서, 소위 특수 원시 네비게이터 데이터(special raw navigator data)가 취득되고 나서, 이로부터 네비게이터 영상이 생성된다. 보통, 이들 네비게이터 영상에 의해, 호흡 움직임이 특히 잘 검출될 수 있는 볼륨(volume)이 취득된다. 예를 들어, 심장 촬영의 경우 간은 (유체로 채워져 있기 때문에) 영상에서 비교적 밝게 보이고 폐는 (공기로 채워져 있기 때문에) 영상에서 비교적 어둡게 보이므로 간/폐 천이(transition)는 매우 쉽게 검출될 수가 있어서 네비게이터 촬영에서 횡격막이 관측될 수 있다. 네비게이터 영상으로부터 결정되는 현재의 호흡 위치 또는 호흡 단계의 도움으로, 원시 네비게이터 데이터의 취득 직후에 취득되는 원하는 대상물의 각각의 원시 데이터 및/또는 영상 데이터는 호흡 단계에 관해 보정된다. 그러나, 이 방법을 구현하기 위해 추가적인 원시 네비게이터 데이터의 취득이 항상 요구되므로, 추가의 비용과 특히 추가의 측정 시간을 요구한다.

앞서의 이러한 네비게이터 측정에 대한 한 가능성은, Piccini D. 등의 “Respiratory Self-Navigation for Whole-Heart Bright-Blood Coronary MRI: Methods for Robust Isolation and Automatic Segmentation of the Blood Pool”, in 2012, Magnetic Resonance in Medicine, 68: 571 to 579에 설명되어 있다. 여기서, 전체 심장을 포함하는 볼륨을 재구성하기 위해 소위 엽서형의 나선 패턴(phyllotactic spiral pattern)에 따라 k-공간에 대해 원시 데이터를 채우는 것이 제안되고 있다. 복수의 원시 데이터 세트에서 k-공간의 각 세그먼트들이 취득되고, 각 원시 데이터는 k-공간의 중심을 통과하는 z-방향(따라서 신체의 세로축의 방향)의 라인 뿐만 아니라, z-방향의 중심선에 평행하게 놓인 추가의 라인들을 따라 취득되며, 이 추가 라인들은 z-방향에 수직한 x/y 평면 내의 포인트들을 통해 이동하고, 이 포인트들은 바깥쪽으로 이동하는 나선형 경로 상에 놓여 있다. SI 방향(SI=Superior-Inferior, 따라서 신체의 세로축을 따라, 또는 z-방향으로)의 1차원 투사는 유익하게도, k-공간 중심을 통과하는 라인에 기초하여, 각각의 원시 데이터 세트에 대해, 또는 각 세그먼트에 대해 생성될 수 있다. "SI 투사"라고 알려진 이러한 투사는, 1차원 영상 데이터, 즉, z-방향을 따라 이동하는 (FoV; Field of View; 관찰 영역의) 전체 취득된 볼륨의 영상 데이터의 z-축상으로의 투사를 취급한다. 호흡 위치는 각각 네비게이터없이 이들 SI 투사로부터 결정될 수 있고, 원시 데이터 및/또는 영상 데이터의 보정이 재구성시에 이루어질 수 있다. 이것은 측정 시간의 상당한 절약을 의미하므로 이 방법은 유망하지만, 움직임 아티팩트(movement artifact)의 감소가 구체적인 환자 또는 테스트 대상물에 여전히 강하게 의존해 왔다.

본 발명의 목적은, 더욱 개선된 영상 품질을 가능하게 하는, 신체 내에서 움직이는 대상물의 영상 데이터를 생성하는 방법 뿐만 아니라, 적절한 영상 생성 장치를 달성하는 것이다.

이 목적은 제1항에 따른 방법 뿐만 아니라 제13항에 따른 영상 데이터 생성 장치를 통해 달성된다.

본 발명의 방법에 따르면, 처음에, 대상물을 포함하는 영역에 대해 다양한 측정 시점들에서, 그에 따라 또한 아마도 상이한 움직임 단계들(movement phases)에서, 원시 데이터의 취득이 이루어진다. 원시 데이터의 취득은, 상기 원시 데이터의 직접적인 취득, 및/또는 임의의 자기 공명 시스템에서의 다양한 (이전) 측정 시점들에서 이미 취득된 원시 데이터의 - 적절한 인터페이스를 통한 - 수신일 수 있다. 원시 데이터는 유익하게도 원시 자기 공명 데이터이고, 그것은 여기서 전술된 바와 같은 문제가 주로 발생하기 때문이다. 따라서, 이하에서는, 이 방법이 명시적으로 달리 설명되지 않는 한 반드시 이들 자기 공명 데이터로 제한되지는 않지만, (일반성을 제한하지 않고) 원시 자기 공명 데이터가 또한 통상적으로 가정된다.

측정 시점에서 취득된 원시 데이터는, 정의된 측정 시점에서, 또는 k-공간의 취득된 세그먼트에서, 예를 들어, 각각, 이하에서 설명되는 바와 같이 데카르트 k-공간 볼륨에서의 엽서형 나선 스캐닝의 경우의 세그먼트에서 취득된 원시 데이터 세트일 수 있다. 용어 "측정 시점"이라는 것은 항상 짧은 "측정 시간 세그먼트(measurement time segment)", 예를 들어, 심장 취득의 경우 심확장기의 약 100 ms이라는 것으로 이해되는 바와 같이, 이러한 원시 데이터 세트 또는 세그먼트의 취득은 또한 정의된 (짧은) 기간을 요구한다는 것이 명백하다.

그 다음, 상이한 측정 시점에 대한 위치 개요 데이터가 원시 데이터의 적어도 일부에 기초하여 취득될 수 있다. 이로써 위치 개요 데이터를 생성하는 원시 데이터는 (예를 들어, 원시 데이터의 취득 직전이나 직후에) 소정 방식으로 원시 데이터를 보정하는 특별한 원시 데이터일 수 있고, 이 원시 데이터에 대해, 원하는 FoV의 실제 영상 데이터가, 예를 들어, 네비게이터 측정으로부터의 원시 데이터가 취득된다. 그러나, 이들은 그 자체로, 원하는 FoV 또는 대상물의 영상 데이터의 재구성에도 이용되는 원시 데이터이므로, 추가의 네비게이터 측정이 요구되지 않는다. 위치 개요 데이터는, 소정 방식으로 현재의 움직임 단계의 검출을 허용하는 영상 데이터일 수 있다. 원칙적으로, 이들은 3차원, 2차원 또는 심지어 단 1차원 데이터, 예를 들어 앞서 언급한 SI 투사일 수 있다.

개개의 위치 또는 공간적 좌표 또는 위치 영역에 대한 위치 개요 데이터의(즉, 위치 개요 데이터에서의 복수의 측정값의) 적어도 일부의 산란 ―이 산란은 측정 시점에 의존함― 의 결정이 본 발명에 따라 이루어진다. 예를 들어, 이를 위해 위치 개요 데이터 내의 정의된 위치에서의 시간에 따라 신호 값의 산란이 결정될 수 있다. 예를 들어, SI 투사의 경우 투사 신호 값의 산란은, 시간에 따라, 정의된 위치 z에서 간단히 결정될 수 있다. 이로써 산란은 산란의 미리 결정된 측정에 따라 측정된다. 따라서 이것은 유익하게도 변화량(variance)이다. 모든 위치 개요 데이터 또는 그들의 측정값이 반드시 이용되어야 하는 것은 아니며, 오히려, 이를 위해 데이터의 일부만이 이용되는 것으로 충분하다는 것에 주목한다.

위치 개요 데이터 내의 공간적 테스트 영역의 선택이 후속해서 이루어진다. 1차원 투사(예를 들어 SI 투사)의 경우, 투사 세그먼트들은 테스트 영역으로서 식별될 수 있다. 공간적 테스트 영역의 이러한 선택은 각각의 테스트 영역에서의 위치 개요 영상 데이터의 산란에 의존하여 본 발명에 따라 이루어진다. 따라서, 위치 영역 또는 위치 세그먼트들은 유익하게는 산란이 비교적 높은 위치 개요 데이터 내에서 정확하게 결정될 수 있는데, 이것은 이곳에서 신체 내부의 움직임을 특히 양호하게 검출하는 것이 가능하기 때문이다.

또한, 개개의 테스트 영역에 대한 신뢰도 파라미터 값(trust parameter value)들의 결정이 이루어진다. 이후에 상세히 설명되는 바와 같이, 예를 들어, 신뢰도 파라미터 값들의 도움으로 테스트 영역들 중 어디에서 움직임 검출 또는 움직임 단계의 정확한 결정이 아마도 가장 신뢰성 있는지를 설정할 수 있다.

마지막으로, 영상 데이터의 재구성은, 원시 데이터, 즉, 그로부터 대상물의 영상 데이터를 재구성하기 위해 취득된 원시 데이터의 적어도 일부에 기초하여 이루어진다. 따라서, 다양한 테스트 영역들의 신뢰도 파라미터 값이 고려된다. 이를 위한 상이한 가능성들이 이후에 상세히 설명된다.

상이한 테스트 영역들의 식별과 이들 테스트 영역들 중 어느 것이 움직임의 검출에 특히 매우 적합한지의 모니터링을 통해 영상 품질이 대부분의 경우 본 발명에 따라 상당히 개선될 수 있다는 것이 드러났다. 이전의 (정적) 테스트 영역의 설정을 고려하여 10개의 테스트 대상물 중 6개에서 여전히 부분적으로 움직임 아티팩트가 촬영에 포함되었지만, 네비게이터 측정을 이용하지 않고 최적의 테스트 영역을 자동으로 설정하는 설명된 절차에 의해, 그럼에도 불구하고 추가의 네비게이터 측정을 이용하여 달성할 수 있는 것과 질적으로 동등한 영상들이 달성될 수 있다. 이와 같이 이 방법의 도움에 의해 심장의 매우 양호한 볼륨 영상이, 심지어 네비게이터를 이용하지 않고도 그에 따라 총 측정 시간의 상당한 단축과 함께 생성될 수 있다. 이것은 아마도, 상이한 환자들 또는 테스트 대상물들에 대한 이상적 테스트 영역들이 해부학적 차이로 인해 위치 개요 데이터 내에서 상이한 지점들에 놓여 있을 수 있고, 이러한 최적 테스트 영역들의 상이한 위치가 본 발명에 따른 방법을 통해 자동으로 고려될 수 있다는 사실에 기인한 것일 것이다.

무엇보다도, 본 발명에 따른 영상 데이터 생성 장치는 다음의 컴포넌트들을 요구한다.

한편, 대상물을 포함하는 신체의 영역에 대한 원시 데이터를 취득하기 위해 원시 데이터 인터페이스가 요구된다. 앞서 언급된 바와 같이, 이것은, 예를 들어, 메모리나 또 다른 유닛으로부터 원시 데이터를 수신하는 인터페이스일 수 있다.

또한, 영상 데이터 생성 장치는, 원시 데이터의 적어도 일부에 기초하여 다양한 측정 시점들에 대한 위치 개요 데이터를 생성하도록 설계된 개요 데이터 생성 장치 뿐만 아니라, 측정 시점에 의존하는 위치 개요 데이터의 적어도 일부의 산란을 결정하도록 설계된 개요 데이터 분석 유닛을 가져야 한다.

게다가, 본 발명에 따른 영상 데이터 생성 장치는, 산란에 따라 위치 개요 데이터 내의 공간적 테스트 영역을 선택하도록 설계된 테스트 영역 선택 유닛과, 개개의 테스트 영역에 대한 신뢰도 파라미터 값을 결정하도록 설계된 신뢰도 파라미터 값 결정 유닛을 요구한다.

마지막으로, 다양한 테스트 영역의 신뢰도 파라미터 값을 고려하여 원시 데이터에 기초해 영상 데이터를 재구성하도록 설계된 재구성 유닛이 요구된다.

영상 데이터 생성 장치의 영상 데이터 인터페이스를 통해, 이들 영상 데이터는 그 다음에 임의의 컴포넌트에 출력될 수 있고, 예를 들어, 메모리에 저장되거나 및/또는 모니터에 출력되거나 및/또는 네트워크를 통해 탐지국(finding station)이나 외부 저장장치 등에 전송될 수 있다.

앞서 언급된 바와 같이, 이 방법은 자기 공명 촬영을 생성하는데 특히 바람직하게 이용된다. 따라서, 이러한 영상 데이터 생성 장치는 바람직하게는 또한 본 발명에 따른 자기 공명 시스템의 일부일 수 있다.

본 발명에 따른 이러한 영상 데이터 생성 장치 외에도, 이 자기 공명 시스템은 통상적으로: 측정 동안에 환자 또는 검사 대상물이 위치하는 측정 공간; 통상적으로 측정 공간에 기본 자계를 인가하는 기본 자계 자석 시스템; 송신 안테나 시스템; 경사 시스템; 수신 안테나 시스템; 및 기본 자계 자석 시스템과 RF 송신 안테나 시스템과 경사 시스템과 RF 수신 안테나 시스템을 제어하는 역할을 하는 제어 장치를 가진다.

그러나, 본 발명에 따른 영상 데이터 생성 장치는, 또 다른 촬영 시스템, 예를 들어, 컴퓨터 단층 촬영 시스템의 일부가 될 수도 있다. 마찬가지로 영상 데이터 생성 장치는, 예를 들어, 네트워크를 통해 적절한 촬영 시스템에 접속되거나, 상이한 방식으로 원시 데이터를 수신할 수 있는 상이한 별개의 장치에서 구현될 수 있다. 또한, 영상 데이터 생성 장치 및 그의 다양한 컴포넌트들(특히, 개요 데이터 생성 유닛, 개요 데이터 분석 유닛, 테스트 영역 선택 유닛, 신뢰도 파라미터 값 결정 유닛 및 재구성 유닛)은 적절한 컴퓨터 또는 하나 이상의 적절한 프로세서에서 소프트웨어 컴포넌트의 형태로 구현되는 것이 가능하다. 마찬가지로 이것은 원시 데이터 인터페이스, 및 아마도 영상 데이터 인터페이스에 적용되며, 이들 인터페이스들은 부분적으로는 하드웨어 인터페이스로서 또는 결합된 소프트웨어/하드웨어 인터페이스로서 설계될 수 있다. 그러나, 마찬가지로, 만일 데이터가 단순히 다른 소프트웨어 컴포넌트로부터 수락된다면, 인터페이스들은 순수하게 소프트웨어 인터페이스일 수도 있다.

주로 소프트웨어적 구현은, 이미 이전에 사용중에 있는 영상 생성 장치가 간단히 소프트웨어 업데이트를 통해 재조정되어 본 발명에 따른 방식으로 동작할 수 있다는 이점을 가진다. 그에 따라, 본 발명의 목적은 또한, 이송가능한 메모리에 저장되고 및/또는 네트워크를 통해 전송용으로 제공되며, 프로그램이 프로그램가능한 영상 생성 장치에서 실행될 때 본 발명에 따른 방법의 모든 단계를 실행하도록 프로그램 세그먼트들을 갖는, 상기 영상 생성 장치의 메모리에 직접 로딩될 수 있는 컴퓨터 프로그램 제품을 통해 달성된다.

종속항들뿐만 아니라 이하의 명세서는, 각각, 본 발명의 특히 유익한 실시예와 전개(development)를 포함한다. 특히, 하나의 청구항 카테고리의 청구항들은 또 다른 청구항 카테고리의 종속항들과 유사하게 전개될 수 있다. 추가적으로, 상이한 실시예들 및 청구항들의 다양한 특징들은 결합되어 본 발명의 범위 내의 새로운 실시예가 될 수 있다.

대부분의 다양한 값들이 개개의 테스트 영역의 신뢰도 파라미터 값으로서 이용될 수 있다. 바람직한 변형에서, 테스트 영역의 신뢰도 파라미터 값 그 자체는 테스트 영역 내의 위치 개요 데이터의 산란에 기초한다.

유익하게도 처음에 기준 위치 개요 데이터가 결정된다. 이들 기준 위치 개요 데이터는 원칙적으로 무작위로 선택될 수 있다. 예를 들어, 측정 시점 t=0에서의 위치 개요 데이터(즉, 측정의 시작시에 처음 생성된 위치 개요 데이터)가 간단히 기준 위치 개요 데이터(제로 기준)로서 이용될 수 있고, 그 다음, 모든 추가의 위치 개요 데이터가 이들 기준 위치 개요 데이터와 관련된다. 그러나, 원칙적으로, 특히 적합한 기준 위치 개요 데이터, 예를 들어, 매우 특정한 움직임 단계에서 취득된 위치 개요 데이터의 발견을 위해 위치 개요 데이터가 또한 초기에 분석될 수 있다. 이로써 기준 위치 개요 데이터의 결정이 개개의 테스트 영역에 대해 개별적으로 이루어질 수 있다.

추가의 단계에서, 기준 위치 개요 데이터에 관한 상이한 측정 시점들의 위치 개요 데이터의 편차 값들이, 그 다음에 미리 결정된 규칙에 따라 개개의 테스트 영역에 대해 개별적으로 결정된다. 이것은 특히 바람직하게는, 기준 위치 개요 데이터와 위치 개요 데이터의 상관을 결정함으로써 이루어진다. 예를 들어, 만일 1차원 투사 데이터(특히 SI 투사)가 위치 개요 데이터로서 이용된다면, 여기서 기준 SI 투사와 다양한 SI 투사들의 상관이 그에 따라 매우 간단하게 결정된다.

그 다음, 이들 편차 값들을 고려하여 개개의 테스트 영역에 대한 신뢰도 파라미터 값들이 결정된다.

위치 개요 데이터 - 및 그에 따라 또한 연관된 원시 데이터 - 가 특히 바람직하게는, 상이한 움직임 단계 클래스(movement phase class)들의 편차 값들에 따라, 개개의 테스트 영역에 대해 개별적으로 연관된다. 이것은, 위치 개요 데이터(및 연관된 원시 데이터)의 분류 또는 정렬이 이루어진다는 것을 의미한다.

그 다음, 위치 개요 데이터의 공간적 산란 값이 유익하게도 각각의 움직임 단계 클래스에 대해 별도로 결정될 수 있고, 이 공간적 산란 값은 측정 시점에 의존한다. 이러한 산란 값은, 테스트 영역들이 초기에 선택되는 전술된 산란과 동일한 규칙에 따라(즉, 동일한 산란 측정에 의해), 그러나, 이제는 이들 데이터로부터 계산된 평균값 근처의 각각의 움직임 단계 클래스의 위치 개요 데이터의 산란만이 이루어진다는 차이점에 의해, 결정될 수 있다.

그 다음, 복수의 움직임 단계 클래스의 산란 값들의 합은 특히 바람직하게는 테스트 영역에 대한 신뢰도 파라미터 값으로서 결정될 수 있다. 신뢰도 파라미터 값은 유익하게도 "총 편차 값 산란"의 한 유형, 즉, 모든 움직임 단계 클래스의 산란값들의 합이다.

원시 데이터로부터의 영상 데이터의 재구성은 특히 바람직하게는, 신뢰도 파라미터 값이 가장 낮은 테스트 영역들의 경우에 대하여 움직임 단계 클래스와 위치 개요 데이터의 연관을 고려하여 이루어진다. 이것은, (예를 들어) 움직임 단계 클래스들의 개개의 산란 값들의 합이 가장 낮은 테스트 영역이 신뢰성 있는 것으로서 분류된다는 것을 의미한다. 당연히, 신뢰도 값의 결정에 따라, 신뢰도 파라미터 값이 가장 높은 테스트 영역을 이용하는 것이 역시 가능할 것이다.

테스트 영역의 신뢰성의 측정으로서 상이한 움직임 단계 클래스들에서 개개의 산란 값의 결정에 대한 설명된 절차는 궁극적으로 개개의 움직임 단계들과 위치 개요 데이터의 연관이 가장 신뢰성 있게 결정될 수 있는 - 그에 따라 궁극적으로 또한 전체 움직임이 가장 신뢰성 있게 검출되는 - 위치 개요 데이터 내의 영역이 보정 또는 모니터링 영역으로서 이용되는 상황으로 이어진다. 따라서, 환자/테스트 대상물의 신체 내의 (예를 들어) 심장이나 횡경막의 각각의 정확한 해부학적 위치와 그의 특정한 호흡 거동(breathing behavior)에 관계없이, 움직임은 항상 최적으로 결정될 수 있다.

앞서 이미 언급된 바와 같이, 이 방법은 유익하게도 호흡 움직임으로 인해 움직이고 있는 검사 대상물에 이용된다. 움직임 단계들은 그에 따라 호흡 단계들이다. 검사 대상물은 특히 바람직하게는 심장이거나 심장을 포함한다. 그러나, 이것은, 이 방법이 다른 검사 대상물에, 및 다른 움직임 워크플로우, 예를 들어 삼키는 움직임이나 기타의 움직임을 보정하는 데 이용될 수 있다는 것을 배제하지 않는다.

전술된 바와 같이, 위치 개요 데이터는 유익하게도 1차원 투사에 의해 형성된다. 이러한 1차원 투사는 이미 k-공간의 스캔을 통해 (또는) k-공간 중심을 통해 이동하는 궤적의 판독 프로세스를 따라 취득된 원시 데이터에 기초하여 재구성될 수 있다. 따라서 이러한 1차원 투사는, 추가의 측정 비용없이 각 세그먼트의 취득시에 생성될 수 있다.

대상물을 포함하는 신체의 영역의 투사가 위치 개요 데이터로서 포함되는 한, 유익하게도, 이 투사가 대상물의 적어도 하나의 1차 움직임 방향으로 이동하여(또는 투사는 1차 움직임 방향을 따르는 라인 상에서 발생하여) 대상물 또는 대상물 움직임을 최적으로 취득할 수 있는 것이 보장된다. 특히 만일 심장 촬영이 생성될 예정이고 호흡에 기인한 심장의 움직임이 고려될 예정이라면, 심장의 1차 움직임 방향이 호흡으로 인해 SI 방향으로 이동하기 때문에, 설명된 SI 투사가 유익하게 이용된다.

SI 투사는 추가적으로, 이를 위해, k-공간 중심을 통하는 z-방향의 - 즉, 신체의 세로축 방향의 - 판독 프로세스가 세그먼트의 각 취득시에 각각 취득되어야 하고, 결과적으로, 이후의 영상 데이터 재구성을 위해, 정확히는 1차 정보를 포함하는 특히 중요한 k-공간 중심에서, 더 많은 수의 원시 데이터가 이용가능하게 된다는 이점도 가진다.

신뢰도 파라미터 값의 도움으로 정의된 테스트 영역으로부터 본 발명에 따른 방법으로 얻어진 정보를 고려하여 원시 데이터로부터의 영상 데이터의 최종 재구성은 다양한 방식으로 가능하다. 특히, 만일, 앞서 설명된 바와 같이, 위치 개요 데이터, 및 그에 따라 또한 연관된 원시 데이터가, 상이한 움직임 단계 클래스들과 이미 연관되어 있다면, 다음의 방법이 제안된다:

처음에, 대상물의 상이한 움직임 단계들과 각각 연관된 복수의 중간 영상 데이터 세트가 재구성된다. 예를 들어, 각각, 정의된 움직임 단계 클래스로부터의 원시 데이터만이 여기서 이용될 수 있다.

그러나, 대안으로서, 가중치부여(weighting)도 역시 가능하며, 이것은, 예를 들어, 미리 결정된 가중치 함수에 따라, 원하는 움직임 단계의 움직임 단계 클래스의 원시 데이터가 특별히 높게 가중치부여되고, 다른 움직임 단계 클래스로부터의 원시 데이터는 더 낮게 가중치부여된다는 것을 의미한다. 이로써 중간 영상 데이터 세트에 대한 데이터베이스가 증가된다. 따라서, 원시 데이터의 가중치부여는, 특히 바람직하게는, 현재 중간 영상 데이터 세트를 재구성하는 정의된 움직임 단계로부터의 거리에 따라 이루어진다. 따라서, "거리"라는 용어는 움직임 주기(movement cycle)(예를 들어, 호흡 주기) 내에서의 시간 거리(time distance)인 것으로 이해될 수 있다. 그러나, 유익하게도, 예를 들어, 원시 데이터의 편차 또는 이들로부터 재구성된 영상 데이터로부터 결정될 수 있는 공간적 거리도 있다. 만일 원시 데이터가 다양한 움직임 단계 클래스와 연관된다면, 예를 들어, 정의된 움직임 단계로부터의 원시 데이터의 거리는 또한, 움직임 단계 클래스의 서로간의 간격으로서 이해될 수 있다.

영상 데이터 생성 장치는 중간 영상 데이터 세트를 재구성하는 적절한 중간 영상 재구성 유닛을 가질 수 있다.

이들 중간 영상 데이터 세트의 도움으로, 예를 들어, 상이한 움직임 단계들의 영상 데이터가 얼마나 서로로부터 이탈되어 있는지를 나타내는 ("움직임 필드"라고도 하는) 변형 필드라고 알려진, 편차 데이터가 후속해서 결정될 수 있다. 편차 데이터를 결정하기 위해, 영상 데이터 생성 장치는 편차 데이터 결정 유닛을 가질 수 있다. 또한, 대상물의 정의된 선호되는 움직임 단계, 예를 들어, (환자 또는 테스트 대상물이 완전히 숨을 내쉬어 횡경막이 상위 위치에 있는 때인) 호흡의 "날숨 단계(exhaled phase)"의 중간 영상 데이터 세트를 기준 영상 데이터로서 선택하고, 이 기준 영상 데이터에 관하여 다른 움직임 단계의 중간 영상 데이터의 편차 데이터를 각각 결정하는 것이 가능하다. 이러한 날숨 단계의 선택은, 이 단계에서는, 대상물이 더 긴 시간 동안 이 단계에 놓이기 때문에 비교적 많은 수의 원시 데이터가 이용가능하다는 이점을 가진다. 재구성 방법 및 편차 데이터의 유형에 따라, 이전에 결정된 편차 데이터가 직접 이용되거나, 예를 들어 처음에 이들로부터 도출되는 추가의 편차 데이터가 계산될 수도 있다. 예를 들어, 처음에 편차 데이터가 반전되거나, 또는 변형 필드 외에, 역 변형 필드가 계산될 수도 있고, 이 역 변형 필드도 마찬가지로 재구성에 들어간다.

(유익하게는 모든 움직임 단계의 또는 움직임 단계 클래스들의) 상이한 움직임 단계들의 원시 데이터에 기초하여 영상 데이터의 재구성이 후속해서 이루어질 수 있고, 여기서, 그러나 편차 데이터가 고려되어, 움직임 단계 보정이 재구성 동안에 자동으로 이루어진다. 이를 위해, 영상 데이터 생성 장치는 적절하게 원하는 전체 재구성 유닛을 가질 수 있다.

영상 데이터 및/또는 중간 영상 데이터 세트를 재구성하기 위해 반복적 수치 최적화 방법(iterative numerical optimization method)이 유익하게도 이용될 수 있다. 특히 이후에 상세히 설명되는 유사(quasi)-Newton 방법과 같은, 비선형 최적화 방법이 특히 바람직하게 이용된다. 예를 들어, 이를 위해 처음에 편차 데이터가 반전된 다음, 상기 편차 데이터를 고려한 영상 데이터의 이후의 재구성시에 최적화기의 표적 함수에 이용될 수 있다.

전체 재구성 유닛은, 원칙적으로, 예를 들어, 상이한 입력 파라미터 및/또는 상이한 표적 함수가 아마도 제공된다는 점에서만, 수치 최적화 방법으로 측정된 원시 데이터와 정합하는 영상 데이터를 계산하는 적절한 최적화기를 갖춘 중간 영상 재구성 유닛과 동일한 재구성 유닛일 수 있다. 이들 가능성은 이후에 설명될 것이다.

그러나, 원칙적으로, 다른 재구성 방법들도 역시 가능하다; 예를 들어, (Piccini 등에 의한 앞서 언급된 문서에 설명된 바와 같이) 데이터 세트를 다시 관련 방향으로 이동시키기 위해 테스트 영역에 따라 결정되는 공간 오프셋, 또는 변위가 이용될 수 있다. 충분한 개수의 원시 데이터에 따라, 후속해서 푸리에 변환을 통해, 또는 대안적으로 Pruessmann 등에 따른 SENSE 방법(“Advances in sensitivity encoding with arbitrary k-space trajectories” in Magn. Reson. Med. 2001 Oct; 46(4):638-51)에 의해, 볼륨이 재구성될 수 있다.

본 발명이 첨부된 도면을 참조하여 실시예를 이용해 이하에서 상세히 다시 한번 설명된다. 여기서:
도 1은 인간 신체의 심장 및 횡경막의 위치와 SI 방향의 개략도.
도 2는 심확장기에서의 원시 데이터 취득의 트리거링의 표현과 EKG의 개략도.
도 3은 엽서형의 나선 스캔 패턴을 이용한 3차원 데카르트 좌표 k_x, k_y, k_z에서의 k-공간 볼륨의 도면(좌측은 k_x/k_y 면의 평면도, 우측은 사시도).
도 4는 영상 데이터의 생성을 위한 본 발명에 따른 방법의 가능한 워크플로우의 흐름도.
도 5는 움직임 단계 클래스들과 위치 개요 데이터의 연관과 위치 개요 데이터(여기서는 SI 투사 형태)에서 테스트 영역을 결정하는 가능한 워크플로우의 도면.
도 6은 상이한 움직임 단계 클래스들에 대한 취득된 원시 데이터 세트의 개수의 히스토그램.
도 7은 상이한 움직임 단계들의 원시 데이터로부터의 영상 데이터의 재구성에서의 가능한 절차의 개략도.
도 8은 본 발명의 한 실시예에 따른 영상 데이터 생성 장치를 갖춘 자기 공명 시스템의 개략도.

인체(K) 내의 검사 대상물(O)로서의 심장의 전체 볼륨의 취득을 다루는 방법의 바람직한 변형이 이하에서 도면을 참조하여 설명된다. 전체 심장(O)의 자기 공명 촬영의 생성에서 움직임 아티팩트의 회피는, 심장 자체의 연속 움직임, 및 여기에 더욱 중첩되는 호흡 움직임에 기인한 특정한 요건들과 연계되어 있다. 이것이 도 1 및 도 2를 이용하여 설명된다.

도 1은 환자의 신체(K)의 심장(O)의 위치와, 추가적으로, 언급된 바와 같이, 간과 폐 사이의 천이를 표시하고 그에 따라 통상적으로 강한 명/암 천이로 영상 데이터에서 용이하게 식별될 수 있는 횡경막(O')의 위치를 개략적으로 도시한다. 호흡 동안에, 환자의 신체 내의 횡경막(O')은 지속적으로 상승 및 하강되어, 주로 신체의 종방향(SI 방향)으로의 신체 내의 심장(O)의 강한 변위를 초래한다. 따라서 SI 방향에서의 이러한 움직임은, 심장(O)이 신체(K)에서 전반적으로 종속되며 이로써 호흡 단계에 따라 상방향(머리쪽) 또는 하방향(다리쪽)으로 이동되는 1차 움직임 방향(R)이다. 심장(O)은 심장 박동으로 인해 그 자체로 추가적으로 그 자신의 주기적 움직임을 구현한다. 심장 주기 동안에, 심장은 복수의 단계들, 소위 심장 단계들을 거친다. 이러한 것들이 도 2에 개략적 EKG로 도시되어 있다. 심장 주기는 통상적으로 하나의 R-스파이크(RZ)로부터 다음의 R-스파이크(RZ)(심장의 가장 강한 수축점)까지로 간주된다. 심장이 비교적 긴 시간(즉, 대략 100 ms) 동안 안정되는 소위 심확장기는 대략적으로 2개의 R-스파이크(RZ) 사이의 중간 영역에 위치해 있다. 따라서 이 심확장기는 원시 데이터를 취득하는데 이용될 수 있다. 이를 위해, 원시 데이터 취득을 위한 자기 공명 펄스열이 R-스파이크에서 트리거되고, 이것은 도 2에서 트리거 기간 TZ로 각각 개략적으로 표시되어 있다. 예를 들어, 적절한 자기 공명 펄스열에서 처음에 T2 준비 TP가 구현되고, 그 다음 소위 지방 포화기(fat saturator; FS)가 방출되고, 마지막으로 실제의 원시 데이터 취득(RDA)이 이루어진다.

(예를 들어, 3D 푸리에 변환의 도움으로) 3D 영상 데이터 볼륨(FoV)을 재구성할 수 있는 원시 데이터로 3차원 k-공간 볼륨을 "채우기" 위하여, (예를 들어, 테카르트 k-공간 R_k에서) 복수의 궤적들이 z-방향(k-공간에서의 좌표 k_z의 방향)으로 이동하는 병렬 판독 프로세스에 의해 스캔될 수 있고, 여기서, k-공간 R_k에서의 이들 판독 프로세스는 k_x/k_y 면에 관해 정의된 패턴으로 배열된다. 이러한 바람직한 판독 타입의 경우 궤적의 한 예가 도 3에 도시되어 있다. 여기서 z-방향으로 이동하는 궤적의 판독 프로세스는 k_x/k_y면에 관한 엽서형의 나선 스캔 패턴에 따라 배열된다. k_x/k_y 면의 평면도의 좌측에서 명백한 바와 같이, 패턴은 중간 포인트(또는 중간 z-축)로부터 방사상으로 바깥쪽으로 이동하는 복수의 스포크(spoke)로 구성되며, 스포크들은 나선형으로 굽어 있다. 여기서는 나선형 궤적 패턴과 스포크 궤적 패턴이 혼합되어 있다. 나선형 스포크는 우측에 3차원 사시도에서 도시되어 있다. 이 도면에서, k_x/k_y 면의 궤적의 각 포인트는 원시 데이터를 취득하기 위해 k-공간을 스캔하는 k_z 방향으로 이동하는 판독 프로세스를 나타낸다는 것이 명백하다. (나선형 스포크 궤적에 대응하는) k_z 방향으로 이동하는 대략적으로 30개의 이러한 판독 프로세스들이 심확장기의 타임 윈도우(100 ms)에서 구현될 수 있다. 따라서, 원시 데이터 세그먼트는 심확장기 내에서 원시 데이터 세트로서 판독될 수 있고, 이 원시 데이터 세그먼트는, 도 3의 우측에 개략적으로 도시된 바와 같이 k_z 방향으로 종방향으로 이동하는 판독 프로세스 세트에 의해 나선형 스포크의 원시 데이터(RD)를 포함한다. 이로써 먼저 원시 데이터(RD_C)가 각각 k-공간의 중간을 통과하는 중앙 판독 프로세스를 따라 판독될 수 있다. 원시 데이터(RD)가 후속해서, 내부로부터 바깥쪽으로 진행하는 추가 판독 프로세스를 따라 취득된다. 의미있는 영상 데이터의 재구성을 위해 k-공간 볼륨을 충분히 채우기 위하여, k-공간이 약 12%까지 채워질 정도의 많은 원시 데이터 세트들이 취득되어야 한다. 만일 모든 세그먼트들의 요구되는 원시 데이터가 취득되면, 3차원 영상 데이터 볼륨의 재구성이 이루어질 수 있다. 심장의 조밀하게 인접한 슬라이스들을 취득하기 위하여 원시 데이터의 취득이 유사한 방식으로 이루어질 수 있다.

그러나, 심장은 통상적으로 불리하게도, 연속된 심장 주기에서 원시 데이터 세트 또는 k-공간 데이터의 세그먼트들의 취득 사이에서의 호흡 움직임에 의해 공간적으로 변위되고 및/또는 변형된다. 따라서, 영상 데이터의 재구성을 위해, 이러한 변위/변형(이하에서는 간단히 변위라고 함)에 관한 보정을 생성하는 것이 필요하다. 이것은 원칙적으로 다양한 방식으로 가능하다. 그러나, 이를 위해 변위는 적어도 대략적으로 알려져야 하는데, 이것은 적어도 개개의 원시 데이터 세트가 어떤 호흡 단계에서 취득되었는지가 결정되어야 한다는 것을 의미한다.

이것은 유익하게도 도 4에 나타낸 방법에 의해 가능하다. 단계 4.I에서, 처음에 모든 원시 데이터(RD)가 취득된다. 그 다음, 이들은 상이한 움직임 단계 클래스들과 그것을 연관시키기 위해 ("비닝"이라고 하는) 특별한 분류 알고리즘으로 단계 4.II에서 전처리된다. 이 단계 4.II는 후속해서 도 5를 이용하여 상세히 설명된다.

각각의 취득된 원시 데이터 세트 또는 각각의 원시 데이터 세그먼트에 대해, 처음에 k-공간 중심을 통과하는 궤적의 판독 프로세스를 따라 취득된 중앙 원시 데이터(RD_C)(도 4 참조)는 1차원 푸리에 변환의 도움으로 영상 데이터 공간으로 이동된다. 그 결과, z-축상으로 투사되는 전체 시야(즉, z-방향을 따른 FoV의, 그에 따라, 1차 움직임 방향 R의 모든 영상 데이터; 도 1 참조)의, SI 투사라고 알려진, 1차원 투사가 얻어진다. 만일 시야 FoV가 충분히 커서 심장(O) 뿐만 아니라 횡경막(O')이 포괄되는 것이 보장된다면(이것이 도 1에 도시되어 있다), 이들 SI 투사(SIP)에서 횡경막의 명/암 천이도 역시 매우 용이하게 검출가능하다. 따라서 SI 투사(SIP)는 위치 개요 데이터(SIP)로서 특히 매우 적합하다.

제1 단계 5.I에서, 처음에, 측정 시점에 의존하는 이들 SI 투사(SIP)에 대한 공간적 산란이 결정된다. 이러한 프로세스가 도 5의 단계 5.I에서 도면의 도움으로 예시되어 있다. 이 도면은, 개개의 SI 투사(SIP)들이 서로 밀집되어 있음을 도시하고, 여기서, 개개의 SI 투사(SIP)를 따른 z-방향의 위치가 종축에 플롯팅되어 있고, 정의된 측정 시점 t에서 위치 z에 존재하는 강도 값이 횡축에 플롯팅되어 있다. 여기서, 변화량 var(z(t))는 측정 시점에 의존하는 산란의 공간적 측정으로서 이용되며, 이것은 정의된 위치 z에서의 복수의 측정 값 z(t)의 변화량은 복수의 측정 시점 t에 걸쳐 측정된다는 것을 의미한다. 이 변수 var(z(t))는, 단계 5.I의 도면 바로 옆의 가장자리에 도시된 변화량 곡선에서 z의 함수로서 도시되어 있다. 이 변화량 곡선의 최대값 및 최소값을 결정함으로써, 특히 높은 변화량이 존재하는 가능한 테스트 영역 PR1, PR2가 선택된다. 이를 위해, 국지적 최대값이 발견되고, 발견된 국지적 최대값으로부터의 정의된 구간 내에서 2개의 국지적 최소값이 각각 선택되므로, 최대값 주변에서 테스트 영역이 설정된다.

도 5에 나타낸 경우에서, 정확히 2개의 테스트 영역 PR1, PR2(또는, SI 투사는 단지 1차원이므로, SI 투사의 실제 "테스트 세그먼트")가 SI 투사(SIP)를 따라 선택된다. 이들 테스트 영역들 중 하나 PR1은 여기서 심장(O)이 움직이는 영역을 포괄한다; 제2 테스트 영역 PR2는 여기서는 횡경막(O')이 움직이는 영역과 관련된다.

단계 5.II에서, 위치 개요 데이터(SIP)의 편차 값, 즉, 여기서는 기준 위치 개요 데이터로부터 상이한 시점들 t_k(k=0 내지 m이고, m은 취득된 원시 데이터 세트의 개수)에서 취득된 SI 투사(SIP)가 각각 개개의 테스트 영역 PR1, PR2에 대해 별도로 결정된다. 여기서는 임의의 위치 개요 데이터(SIP)가 기준 위치 개요 데이터(또는 "기준 SI 투사")로서 선택될 수 있다. 현재의 경우, 간소화를 위해, 제1 측정에서 시점 t=0에서 취득된 SI 투사가 기준 SI 투사(SIP₀)로서 이용된다. 기준 SI 투사(SIP₀)로부터의 SI 투사의 편차 값을 결정하기 위해, 개개의 테스트 영역 PR1, PR2에서, 기준 SI 투사(SIP₀)에 관한 신호의 교차-상관이 각각 결정된다. 이런 방식으로, 모든 단일의 SI 투사(SIP)에 대해 편차값 Δz₀ _,k,1 및 Δz₀ _,k,2가 결정된다. 단계 5.III에서, 상이한 시점들 t_k에서 취득된 개개의 SI 투사는, 사실상 각각의 테스트 영역 PR1, PR2에 대해 차례로 별도로, 그들의 편차 값 Δz₀ _,k,1 또는 Δz_0,k,2에 기초하여 상이한 움직임 단계 클래스들 BK₀, BK₁, BK₂, …, BK_n과 연관되며, 여기서 n은 움직임 클래스의 최대 개수이다. 예를 들어, 움직임 클래스 BK₀은 최대값 -0.5에 대한 편차값 +0.5에 대응한다; 움직임 클래스 BK₁은 -0.5와 최대값 -1.5 사이의 편차값에 대응하며, 등등이다. 개개의 움직임 단계 클래스들 BK₀, BK₁, BK₂, …, BK_n에 대한 극성 또는 허용된 편차 값은 원칙적으로 자유로이 선택될 수 있다. 현재 경우에서, 이들은, 환자가 완전히 숨을 내쉬어 신체(K)의 횡격막이 완전히 상부에 위치할 때인 시점 t=0에서 제1 취득이 이루어지도록 선택된다. 따라서 추가의 호흡 단계들에서의 편차들은, 음의 z-방향인, 발쪽으로 향하는 아래쪽으로의 변위를 특징으로 한다.

움직임 클래스 BK₀에서, 모든 SI 투사(SIP)(및 당연히 연관된 추가 원시 데이터)는, 각각의 테스트 영역 PR1 또는 PR2에서 기준 SI 투사(SIP₀)로부터의 최소 편차만이 설정된 동일한 원시 데이터 세트 또는 세그먼트와 연관된다. 이 편차는 클래스의 수가 증가함에 따라 증가하며, 이것은 기준 SI 투사(SIP₀)가 취득된 움직임 단계의 취득이 더 멀리 떨어져 있음을 의미한다. 2개의 테스트 영역 PR1, PR2에 대한 이러한 분류는 개별적으로 수행되었기 때문에, 분류에 따르면, 제1 테스트 영역 PR1에서 SI 투사 및 그 연관된 원시 데이터는 기준 SI 투사와 동일한 움직임 클래스 BK₀으로 분류된 것으로 드러났고, 제2 테스트 영역 PR2 내에서, 이로부터 벗어난 클래스(예를 들어, 이웃 클래스 BK₁)의 동일한 원시 데이터의 분류가 이루어진다.

원칙적으로, 호흡 주기 내의 동일한 호흡 단계 또는 움직임 단계에서 취득되는 SI 투사의 신호 변동은 비교적 작아야 한다고 가정된다. 또한, 만일 전역 변동이 최소라면, 이것은 마찬가지로 SI 투사들 내의 각 하위-구간에 적용되어야 한다. 따라서, 호흡 움직임의 검출과 SI 투사 또는 연관된 원시 데이터의 개개의 움직임 단계 클래스 BK₀, BK₁, BK₂, …, BK_n으로의 분류는, 상기 움직임 단계 클래스 BK₀, BK₁, BK₂, …, BK_n 내에서 최소의 변동이 존재하는 2개의 테스트 영역 PR1, PR2 중 하나에서 가장 신뢰성 있게 이루어질 수 있다고 가정될 수 있다. 따라서, 도 5의 단계 5.III에 도시된 바와 같이, 개개의 테스트 영역 PR1, PR2에서의 SI 투사(SIP)의 시간-의존적 공간 변화량이 여전히 결정된다. 이러한 변화량 결정은 단계 5.I의 절차와 유사하게 이루어지지만, 개개의 움직임 단계 클래스 BK₀, BK₁, BK₂, …, BK_n에서의 SI 투사들에 대해 개별적으로 이루어진다. 즉: 각각의 움직임 클래스 BK₀, BK₁, BK₂, …, BK_n에 대해 별개의 산란 값 SW₀, SW₁, SW₂, …, SW_n이 결정된다.

그 다음, 테스트 영역들 PR1, PR2 각각에 대한 별개의 신뢰도 파라미터 값 VP₁, VP₂를 얻기 위하여, 각각의 테스트 영역 PR1, PR2에 대해 이들 산란 값들 SW₀, SW₁, SW₂, …, SW_n이 별도로 합산(totaled up)된다. 도 5에 도시된 바와 같이, 0.22에서 제2 테스트 영역 PR2에 대한 신뢰도 파라미터 값 VP₂는 테스트 영역 PR1에 대한 0.42의 신뢰도 파라미터 값 VP₁보다 상당히 낮다. 따라서, 움직임의 더 신뢰성 있는 검출은 테스트 영역 PR2에서 가능한 것으로 가정될 수 있다. 따라서, 테스트 영역 PR2에서 결정되는 움직임 단계 클래스 BK₀, BK₁, BK₂, …, BK_n으로의 개개의 원시 데이터의 분류는 호흡 움직임에 관한 원시 데이터의 추가적 재구성 또는 보정에 이용된다.

놀랍게도, 가능한 양호한 테스트 영역 PR1, PR2의 초기 구현된 자동 식별, 및 이들 테스트 영역 PR1, PR2 중 어느 것이 가장 높은 신뢰성을 갖는지에 관한 후속된 자동 검사, 및 이 가장 신뢰성 있는 테스트 영역 PR1, PR2에 따른 분류의 후속 이용은, 테스트 영역이 단순히 초기에 설정되는 방법에 비해 방법의 극적인 개선으로 이어진다는 것이 드러났다.

이러한 분류를 이용하거나 또는 단계 5.II에서 결정되는 편차 값들 Δz₀ _,k,2를 이용하여, 그 다음에 움직임 아티팩트를 상당히 제거한 영상을 생성하기 위해 임의 방식으로 원시 데이터로부터 영상 데이터의 재구성이 이루어질 수 있다. 예를 들어, 이를 위해, Piccini 등에 의한 문서에 이용된 방법이 이용될 수 있다. 그러나, 다음에 설명되는 수정된 방법이 이를 위해 바람직하게 이용된다.

(도 3에 도시된 바와 같은) 후술되는 엽서형의 나선 스캔 패턴에 의한 3차원 k-공간의 스캔의 경우, 정의된 미리 결정된 취득 시간에서 사실상 비교적 많은 양의 원시 데이터가 결정될 수 있어서 이들로부터 영상 데이터를 재구성할 수 있다. 그러나, 반면, 허용가능한 총 측정 시간에서 장기(예를 들어, 심장)의 전체 볼륨의 취득을 구현할 수 있기 위하여 비교적 엄격한 언더샘플링이 여전히 요구된다.

따라서, 취득된 원시 데이터의 더 작은 부분, 예를 들어, 완전 흡입(이 단계에서, 심장 움직임은 일종의 안정된 단계에서 비교적 긴 시간을 보낸다)의 경우 움직임 상태의 움직임 클래스 BK₀으로부터의 원시 데이터만이 이용되는 것이 아니라, 가능한 많은 원시 데이터, 특히 바람직하게는 모든 취득된 원시 데이터가 이용된다면 바람직할 것이다. 그러나, 이를 위해, 원시 데이터들은 서로에 관한 그들의 변위에 관하여 설명되는 바와 같이 재구성시에 보정되어야 한다. 상기 분류 방법으로부터, 어느 움직임 단계에서 어느 원시 데이터가 취득되었는지는 이미 알려져 있다. 이 때문에, 원시 데이터는 움직임 단계 클래스로 이미 분류되었다. 그러나, 상이한 움직임 클래스들/단계들에서의 원시 데이터 취득이 실제로 어떻게 원시 데이터 또는 재구성된 영상 데이터의 변위에 영향을 미치는지는 알려져 있지 않다.

호흡 움직임으로 인한 공간 구조의 변위를 고려한 전체 원시 데이터로부터의 영상 데이터의 재구성이, CS(compresses sensing) 데이터에 특히 적합한 반복적 수치 최적화 방법(유익하게도 유사-Newton 방법)의 도움으로 구현될 수 있다. 여기에 화소당 비교적 신속하게 동작이 구현됨으로써 동반되는 비용 함수가 최소화되는 비선형 최적화 방법이 있다:

이 비용 함수에서, 벡터 x는 영상 데이터를 나타내고, 벡터 y_ij는 호흡 또는 움직임 단계 j에서 코일 i로 취득된 원시 데이터를 나타낸다. C_i는 (행렬 형태의) i번째 코일의 코일 감도이다. D_j는 (행렬 형태의) 변형 필드를 나타내며, 즉, 여기서는 데이터 y_ij의 취득 동안의 움직임을 나타내는 모델이다. F는 푸리에 변환 연산자이다. M_j는 각각의 움직임 단계 j에 대한 행렬 형태의 스캔 패턴을 나타낸다. 합산은 유클리드 놈(Euclidean norm)의 제곱에 관해 이루어진다. 추가 항 λ|x|_TV(TV = 총 변화량)는 너무 큰 편차에 대한 비용을 증가시켜 이 방법의 충분한 수렴을 보장하는 정규화 항이다. 인자 λ는 원칙적으로 임의로 선택될 수 있다; 이것은 유리하게는 0과 1 사이에 있어야 한다. 특히, 이것은 측정 데이터의 스케일링에 의존한다.

그러나, 이 방법과 함께 동작할 수 있기 위하여, 각각의 호흡 단계 j에 대한 움직임 필드 D_j가 알려져야 한다. 이를 위해, 도 4에 도시된 유익한 방법에서, 개개의 움직임 단계, 또는 전술된 방법의 도움으로 결정된 움직임 단계 클래스에 대한 중간 영상 데이터(BBD)가 처음에 단계 4.III에서 재구성된다. 이것은 각각 다시 한번 유사-Newton 최적화 방법에 의해 이루어질 수 있지만, 이제는 다음과 같은 표적 함수가 이용된다:

명백한 바와 같이, 이 표적 함수는 상이한 움직임 단계들 j에 걸친 합산을 더 이상 포함하지 않는다. 그 대신에, 여기서는 가중치 인자 W(마찬가지로 행렬 형태)가 도입된다. 이 가중치 인자 W의 도움으로, 단일 움직임 단계에 대한 허용가능한 중간 영상 데이터가 결정될 수 있는 것이 보장되고, 여기서, 정확히 연관된 움직임 단계 클래스의 원시 데이터뿐만 아니라, 다른(특히, 직접 또는 간접 인접한) 움직임 단계 클래스로부터의 원시 데이터도 이용된다. 그러나, 다른 움직임 단계 클래스로부터의 원시 데이터는 가중치 인자 W에 대응하여 가중치부여되어, 실제의 원하는 움직임 단계로부터 멀리 떨어진 움직임 단계로부터 취득된 원시 데이터가 실제의 원하는 움직임 단계로부터의 원시 데이터에 비해 아주 약간만 가중치부여되게 한다.

예를 들어, 적절한 가중치 함수로서 Gaussian 가중치가 이용될 수 있다. 이것이 도 6에 개략적으로 도시되어 있다. 여기서 취득된 원시 데이터 또는 세그먼트들의 개수 #RD(도면의 좌측 수직축 참조)는 히스토그램 내의 각각의 원시 데이터 세트의 검출된 편차 △z에 관해 플롯팅된다. 따라서, 히스토그램의 컬럼들은 여기서는 움직임 단계 클래스에 대응하고, 움직임 단계 클래스 BK₀은 값 △z=0 부근의 컬럼에 의해 표현되며, 움직임 단계 클래스 BK₅는 값 △z=-5 부근의 컬럼에 의해 표현되는 등등이다.

게다가, 여기서 (임의 단위의 최대 1로 스케일링된; 도면의 우측 수직축 참조) 가중치 함수 GF는, 구체적으로는, Gaussian 함수로서, 수학식 (2)에 따라 (정의된 움직임 단계 클래스에 대응하는) 정의된 움직임 단계 j에 대한 영상이 재구성되어야 할 때 상이한 움직임 단계 클래스들로부터의 원시 데이터에 대한 어떤 상대적 가중치부여가 유발되는지를 시각화하고 있다. 여기서 볼 수 있는 바와 같이, 원하는 움직임 단계(여기서는 움직임 단계 클래스 BK₀)의 움직임 단계 클래스의 원시 데이터는 최대 1로 가고, Gaussian 함수 GF는 비교적 강하게 하락하여, 본질적으로 직접 인접한 움직임 단계 클래스의 원시 데이터(및 아마도 다음 움직임 단계 클래스 1개의 원시 데이터의 소량)만이 여전히 이용된다. 이 시점에서 이러한 가중치부여는 당연히 원칙적으로는 움직임 단계 클래스에 관해 구현될 뿐만 아니라, (도 5의 단계 5.II를 이용하여 설명된 방법으로 결정된) 그 정확한 편차 값 △z에 기초한 모든 단일 원시 데이터 세트의 가중치부여도 역시 원칙적으로 구현될 수 있다는 점에 유의해야 한다. 이것은, 정의된 움직임 단계에 대한 중간 영상 데이터(BBD)의 생성시에, 가중치 함수 GF에 의해 각각 제공되는 개개의 가중치 값에 따라 모든 단일 원시 데이터 세트가 고려된다는 것을 의미한다. 이 방법을 통해, 비교적 매우 적은 원시 데이터만이 생성될 수 있는 움직임 단계들에 대해서도, 이 움직임 단계에 대한 의미있는 중간 영상 데이터를 합리적으로 결정하기 위한 충분한 원시 데이터가 항상 존재한다는 것이 보장될 수 있다.

만일 모든 원하는 움직임 단계들 또는 움직임 단계 클래스들에 대한 중간 영상 데이터(BBD)가 단계 4.III(도 4 참조)에서 생성되었다면, 단계 4.IV에서, 개개의 중간 영상 데이터의 편차 데이터 D_j가 결정되고, 이것은, 개개의 움직임 단계들에 대한 변형 필드 또는 움직임 필드 D_j가 계산된다는 것을 의미한다.

이 때문에, 단계 4.IV에서, 생성된 중간 영상 데이터 세트들 중 하나의 R이 처음에 기준 영상 데이터 세트로서 선택된다. 이것은 유리하게도 대부분의 원시 데이터가 이용가능했던 영상 데이터 세트이다. 예를 들어, 이들은 도 6의 히스토그램에 나타난 원시 데이터이거나, △z=1(-0.5 내지 -1.5 사이의 △z를 의미)만큼의 편차를 갖는 움직임 단계에 대해, 또는 움직임 단계 클래스 BK₁에 대해 생성된 중간 영상 데이터 세트일 수 있다. 그 다음, 편차 데이터 또는 변형 필드 D_j가, 기준 움직임 단계의 기준 중간 영상 데이터 세트에 대한 각각의 움직임 단계 j의 영상 데이터 세트의 등록(registration)을 이용하여 결정된다. 여기서는 바람직하게는 비-엄격, 대칭적, 미분동형사상적(diffeomorphic) 영상 등록(image registration)이 이용된다. 예를 들어, 이러한 등록 방법은, 참조 범위 내에서 그 내용을 본 명세서에 의해 포함하는, Avants, B.B 등에 의한 공보 “Symmetric diffeomorphic image registration with cross-correlation: Evaluating automated labeling of elderly and neurodegenerative brain”, MedIA 12: 26 to 41, (2008)에 설명되어 있다. 만일 움직임 필드 D_j가 이런 방식으로 각각의 움직임 단계 j에 대해 결정되었다면, 원하는 영상 데이터(BD)의 재구성은, 사실상 원시 데이터들이 어느 호흡 움직임 단계에서 취득되었는지에 관계없이, 모든 원시 데이터를 이용하여 상기 설명된 표적 함수 (1)에 의해 이루어질 수 있다.

변형 필드 D_j의 결정이 도 7을 이용하여 다시 한번 그래픽으로 예시되어 있다. 호흡 움직임 - 및 이에 의해 생성된 심장 위치의 변형 또는 변위 - 이 데이터 취득 단계 AQ의 좌측에 도시되어 있다. 위쪽 행은 제1 움직임 단계 Ph₀을 도시하고, 두 번째 행은 제2 움직임 단계 Ph₁을 도시하며, 가장 아래쪽 행은 마지막 움직임 단계 Ph_n을 도시한다. 보통, 제1 컬럼에 도시된 바와 같은 객체 위치 WOL은 이들 움직임 단계없이 또는 호흡 움직임 없이 제공될 것이다. 그러나, 호흡 움직임 AB로 인해, 개개의 움직임 단계 Ph₀, Ph₁, ...Ph_n에서 상이한 변형이 발생하고, 이것은 각각 변형 필드 또는 움직임 필드 D₀, D₁, ..., D_n으로 기술된다. 이것은 서로에 관해 개개의 단계 Ph₀, Ph₁, ..., Ph_n에서 변형되는 대상물 위치(DOL)로 이어진다. 이 변형은 또한 k-공간의 원시 데이터(RD)에서 뚜렷하다. 여기서 k-공간에서의 불연속은 각각 푸리에 변환(FT)을 통해 개략적으로 도시된다. 그러나, k-공간에서 상이한 원시 데이터 세그먼트(RD)들의 취득이 개개의 단계들 Ph₀, Ph₁, ..., Ph_n에서 이루어지고, 각 세그먼트에서, k-공간 중심(RD_C)을 통과하는 판독 프로세스도 역시 적어도 한 번 결정된다. 그 다음 이들 원시 데이터 세트(RD)는 푸리에 변환(FT)을 이용한 재구성 단계(RC)에서 다시 영상 데이터 공간으로 이전될 수 있고, 단일 움직임 단계 Ph₀, Ph₁, ..., Ph_n으로부터의 원시 데이터(RD)만이 전술된 바와 같이 고려되거나 원하는 움직임 단계 Ph₀, Ph₁, ..., Ph_n에 대응하여 가중치부여 된다면, 변형된 대상물 위치(DOL)의 대상물을 각각 보여주는 중간 영상 데이터(BBD)가 생성된다. 표적 함수 (1)에서 이용되는 변형, 또는 변위 - 보다 정확히 말하면, 변형 필드 D₀, D₁, …, D_n 뿐만 아니라, 호흡 움직임(AB)을 통해 생성되는 연관된 역 변형 필드 D₀ ^-1, D₁ ^-1, …, D_n ^-1 - 는 중간 영상 데이터(BBD)의 설명된 등록을 통해 계산될 수 있다. 만일 역 변형 필드 D₀ ^-1, D₁ ^-1, …, D_n ^-1이 중간 영상 데이터(BBD)에 적용되었다면, 변형은 이론적으로 상쇄될 수 있고, 상이한 움직임 단계들 Ph₀, Ph₁, ..., Ph_n에 대한 영상 데이터(BD_WOL)는 동일한 대상물 위치에서 생성되어, 전체 영상 데이터(BD)를 산출할 수 있다. 그러나, 이와 연계하여, 도 7에 도시된 절차는 단순히 원리를 개략적으로 설명한 것이며, 원하는 보정된 영상 데이터(BD)의 수학적 재구성은 유익하게도, 수치 유사-Newton 최적화 방법의 도움으로, 전술된 표적 함수 (1) 및 (2)에 의해 이루어진다는 점을 다시 한번 유의해야 한다.

마지막으로, 본 발명에 따른 방법이 구현될 수 있는 본 발명에 따른 자기 공명 시스템(1)(이하에서는 줄여서 "MR 시스템"이라고 함)이 도 8을 참조하여 개략적으로 설명된다. 한편, 이 시스템은, z-방향으로 연장되는 측정 공간 또는 환자 터널을 갖춘 실제의 자기 공명 스캐너(2)를 포함하며, 측정 공간(3) 또는 환자 터널 내로 침상(8) 위의 환자 또는 검사 대상물이 밀어 넣어지고, 그 신체(K)에는 검사 대상물(O)(여기서는 심장)이 위치한다.

자기 공명 스캐너(2)에는, 통상적으로, 기본 자계 자석 시스템(4), 경사 시스템(6) 뿐만 아니라, RF 송신 안테나 시스템(5) 및 RF 수신 안테나 시스템(7)이 장착된다.

도시된 실시예에서, RF 송신 안테나 시스템(5)은 자기 공명 스캐너(2)에 영구적으로 설치된 전신 코일이고, 이와는 대조적으로 RF 수신 안테나 시스템(7)은 환자 또는 테스트 대상물에 배열되는 국지 코일(도 1에서는 단일 국지 코일만으로 표시)을 포함한다. 그러나, 원칙적으로, 전신 코일은 RF 수신 안테나 시스템으로서도 이용될 수 있고, 국지 코일은 이들 코일이 상이한 동작 모드로 스위칭될 수 있는 한 RF 송신 안테나 시스템으로서 이용될 수 있다.

또한, MR 시스템(1)은 MR 시스템(1)을 제어하는데 이용되는 중앙 제어 장치(13)를 가진다. 이 중앙 제어 장치(13)는 펄스 시퀀스 제어를 위한 시퀀스 제어 유닛(14)을 포함한다. 이로써, 선택된 자기 공명 측정 시퀀스에 따라 무선-주파수 펄스(RF 펄스) 및 경사 펄스의 시퀀스가 제어된다. 예를 들어, 자기 공명 측정 시퀀스를 위한 제어 파라미터들은 측정 또는 제어 프로토콜 내에서 미리 결정될 수 있다. 예를 들어, 오퍼레이터에 의한 선택을 위해 메모리(19)에는 복수의 측정 또는 제어 프로토콜이 저장되고 수정가능하다.

개개의 RF 펄스를 출력하기 위해, 중앙 제어 장치(13)는, RF 펄스를 생성 및 증폭하고 이것을 (상세히 도시되지 않은) 적절한 인터페이스를 통해 RF 송신 안테나 시스템(5)에 공급하는 무선-주파수 송신 장치(15)를 가진다. 따라서, 무선-주파수 송신 장치는, 복수의 컴포넌트, 특히, 정합하는 무선-주파수 펄스들이 초기에 낮은 진폭으로 생성되는 것을 보장하는 로우-레벨 신호 생성기, 및 필요한 전력으로 안테나 내에 무선-주파수 펄스들을 공급하기 위한 적절한 무선-주파수 증폭기를 포함한다. 이들 중에는, 무선-주파수 전력이 SAR(SAR = Specific Absorption Rate) 표준에 의해 미리 결정된 한계치 내에 놓이게 보장하는 모니터링 컴포넌트 등도 있다.

경사 시스템(6)의 경사 코일을 제어하기 위해, 제어 장치(13)는 경사 시스템 인터페이스(16)를 가진다. 이 인터페이스의 컴포넌트들의 도움으로, 요구되는 경사 펄스가 생성된 다음 경사 시스템의 다양한 경사 코일들에 공급되거나, 원하는 경사 전압이 경사 코일에 인가된다.

시퀀스 제어 유닛(14)은 (예를 들어, 시퀀스 제어 데이터 SD의 방출을 통해) 적절한 방식으로 무선-주파수 송신 장치(15) 및 경사 시스템 인터페이스(16)와 통신하여 펄스 시퀀스를 방출한다.

게다가, 제어 장치(13)는, RF 수신 안테나 시스템(7)에 의해 조율되어 수신되는 자기 공명 신호(즉, 원시 데이터)를 취득하기 위하여 (마찬가지로 적절하게 시퀀스 제어 유닛(14)과 통신하는) 무선-주파수 수신 장치(17)를 가진다. 무선-주파수 수신 장치는 그에 따라 복수의 수신 채널을 포함하며, 이 수신 채널에서, 수신 안테나 시스템의 개개의 안테나에 의해 포획된 자기 공명 신호(및 아마도 추가적으로, 전처리된 자기 공명 신호)가 수락되고 더 처리되며, 특히, 증폭 및 디지털화된다.

여기서 원시 데이터의 취득은 각각 정합하는 시점에서 이루어지고, 원시 데이터는 항상 심장의 심확장기에서만 취득되어야 하기 때문에, 중앙 제어 장치(13)는 또한, 통상적인 전극(12)에 의해 환자가 접속되는 EKG 장치(11)에 접속되는 EKG 인터페이스(18)를 가진다. 도 2에 도시된 바와 같이, EKG 곡선이 이것에 의해 모니터링되고 트리거 명령은 항상 R-스파이크(RZ) 이후의 정합하는 시점에서 출력되어, 올바른 시점에서 정확하게 취득이 개시되고 올바른 시점에서 취득이 종료된다. 여기서 원시 데이터의 전체 취득 동안에 심확장기가 유지되었는지, 또는 예를 들어, 심장의 주기적 고동(heart rhythm fluctuations)으로 인해 심확장기가 너무 짧았는지가 확정될 수 있다. 이 경우, 원시 데이터는 폐기될 수 있다.

영상 데이터 생성 유닛(20)은 취득된 원시 데이터(RD)를 수락하고, 전술된 절차에서 이들로부터 대상물(O)의 원하는 자기 공명 영상 데이터(BD)를 생성한다. 예를 들어, 이들은 메모리(19)에 저장되거나 사용자에게 출력될 수 있다.

전술된 절차로 영상 데이터(BD)를 생성하기 위해, 영상 데이터 생성 유닛(20)은 처음에 원시 데이터 인터페이스(21)를 가지며, 이 인터페이스를 통해 원시 데이터(RD)가 수락된다. 그 다음, 개요 데이터 생성 유닛(23)에서, 위치 개요 데이터(또는 여기서는 구체적으로 SI 투사)가 생성된 다음, 위치 개요 데이터의 산란을 결정하는 개요 데이터 분석 유닛(24)에 전달된다. 이 개요 데이터 분석 유닛(24)은 여기서는, (도 5를 이용하여 전술된 바와 같이) 산란에 기초하여 잠재적 공간적 테스트 영역(즉, SI 투사 세그먼트 PR1, PR2)을 선택하는 테스트 영역 선택 유닛(25)의 일부이다. 그 다음, 개개의 테스트 영역 PR1, PR2는 신뢰도 파라미터 값 결정 유닛(26)에서 전술된 방식으로 평가된다. 이를 위해, 분류 유닛(27)에서, 처음에 위치 개요 데이터(즉, SI 투사)의 편차 값 △z가 기준 위치 개요 데이터에 관해 결정되고, 이들 위치 개요 데이터 및 연관된 원시 데이터에 기초하여, 움직임 단계 클래스로 분류된다. 개개의 움직임 단계 클래스로 분류된 각각의 위치 개요 데이터의 산란(특히 변화량)의 계산은 산란 값 결정 유닛(28)에서 이루어지고, 마지막으로 개개의 움직임 단계 클래스의 변화량의 합이 가산기 유닛(29)에서 계산되어 각각의 테스트 영역 PR1, PR2에 대한 신뢰도 파라미터 값 VP1, VP2에 도달하게 된다. 이런 방식으로, 신뢰도 파라미터 값 결정 유닛(26) 내에서 테스트 영역이 검증된다. 마지막으로, 개개의 움직임 단계 클래스로의 원시 데이터의 분류에 대한 정보는, 이 정보를 고려하여 원시 데이터에 기초해 원하는 영상 데이터(BD)를 재구성하는 재구성 유닛(30)에 전송된다. 한편 이 재구성 유닛(30)은, 전술된 바와 같이, 각각의 움직임 단계 또는 움직임 단계 클래스에 대해 중간 영상 데이터 세트(BBD)가 초기에 생성되는 중간 재구성 유닛(31)을 포함하고, 그 다음, 이 중간 영상 데이터 세트(BBD)는 편차 데이터 결정 유닛(32)에 전달된다. 이것은, 기준 영상 데이터에 관한 중간 영상 데이터의 편차 데이터 D_j 또는 움직임 필드를 결정한다. 이렇게 결정된 편차 데이터 또는 움직임 필드 D_j는, 모든 원시 데이터를 이용하여, 예를 들어, 표적 함수(1)를 이용하여, 원하는 영상 데이터(BD)를 재구성하는, 전체 재구성 유닛(33)에 전달된다. 그 다음, 이들 영상 데이터(BD)는 다시 영상 데이터 인터페이스(22)를 통해 출력될 수 있고, 예를 들어, 메모리(19)에 저장되거나 및/또는 스크린(9)에 출력될 수 있다. 이들 영상 데이터(BD)는 마찬가지로 네트워크를 통해 외부 메모리에 저장되거나 및/또는 대응하는 출력 장치 또는 탐지를 위한 모니터에 출력될 수 있다.

중앙 제어 장치(13)의 작동은 입력 유닛(10) 및 디스플레이 유닛(9)을 갖춘 단말기를 통해 이루어질 수 있고, 이 단말기를 통해 전체 MR 시스템(1)이 오퍼레이터에 의해 작동될 수 있다. 영상 데이터(BD)는 또한 디스플레이 유닛(9)에서 디스플레이될 수 있고, 측정은 필요하다면 디스플레이 유닛(9)과 조합하여 입력 유닛(10)에 의해 계획되고 개시될 수 있다.

게다가, MR 시스템(1) - 및 특히 제어 장치(13) - 은, 여기서는 상세히 도시되지 않지만 이러한 장치에 전형적으로 존재하는 복수의 추가 컴포넌트, 예를 들어, 전체 시스템을 네트워크에 접속하고 원시 데이터 및/또는 영상 데이터 또는 파라미터 맵 뿐만 아니라 추가의 데이터(예를 들어, 환자-관련 데이터나 제어 프로토콜)의 교환을 허용하는 네트워크 인터페이스를 가질 수 있다.

마지막으로, 앞서 상세히 설명된 방법 및 설계는 단순히 예시로서의 실시예일 뿐이며, 청구항들에 의해 제공되는 한 본 발명의 범위를 벗어나지 않고 당업자에 의해 기본적인 원리가 광범위하게 변형될 수 있다는 점에 유의한다. 완벽을 기하기 위해, 부정 관사 "한(a)" 또는 "하나의(an)"를 사용한다고 해서, 관련된 특징이 복수회 존재할 수 있다는 것을 배제하지 않는다는 점에도 유의해야 한다. 마찬가지로 용어 "유닛"은, 유닛이 아마도 공간적으로 분산될 수 있는 복수의 컴포넌트를 포함한다는 것을 배제하지 않는다.

1: 자기 공명 시스템
2: 자기 공명 스캐너
3: 측정 공간
4: 기본 자계 자석 시스템
5: RF 송신 안테나 시스템
6: 경사 시스템
7: RF 수신 안테나 시스템
8: 침상
11: 제어 장치
20: 영상 데이터 생성 장치

Claims

신체(K) 내부의 움직이는 대상물(O)의 영상 데이터(BD)를 생성하는 방법으로서,
상기 대상물(O)을 포함하는 상기 신체(K)의 영역에 대한 원시 데이터(RD)를 상이한 측정 시점들(t₀, …, t_k, …)에서 취득하는 단계;
상기 원시 데이터(RD)의 적어도 일부(RD_C)에 기초하여 상기 상이한 측정 시점들(t₀, …, t_k, …)에 대한 위치 개요 데이터(SIP; position overview data)를 생성하는 단계;
상기 위치 개요 데이터(SIP)의 적어도 일부의 산란(scattering)을 결정하는 단계 - 상기 산란은 상기 측정 시점에 의존함 - ;
상기 산란에 따라 상기 위치 개요 데이터(SIP) 내의 공간적 테스트 영역들(PR1, PR2)을 선택하는 단계;
개개의 테스트 영역들(PR1, PR2)에 대해 신뢰도 파라미터 값(trust parameter value)들(VP1, VP2)을 결정하는 단계; 및
상이한 테스트 영역들(PR1, PR2)의 상기 신뢰도 파라미터 값들(VP1, VP2)을 고려하여 상기 원시 데이터(RD)에 기초하여 영상 데이터(BD)를 재구성하는 단계
를 포함하는 영상 데이터 생성 방법.
제1항에 있어서,
테스트 영역(PR1, PR2)의 신뢰도 파라미터 값(VP1, VP2)은 상기 테스트 영역(PR1, PR2) 내의 위치 개요 데이터(SIP)의 산란에 기초하는, 영상 데이터 생성 방법.
제1항 또는 제2항에 있어서,
기준 위치 개요 데이터(SIP₀)가 결정되고,
상기 기준 위치 개요 데이터(SIP₀)에 대한 상이한 측정 시점들(t_k)의 상기 위치 개요 데이터(SIP)의 편차 값들(△z)이 상기 개개의 테스트 영역들(PR1, PR2)에 대해 개별적으로 결정되며,
상기 개개의 테스트 영역들(PR1, PR2)에 대한 상기 신뢰도 파라미터 값들(VP1, VP2)은 상기 편차 값들(△z)에 기초하여 결정되는, 영상 데이터 생성 방법.
제3항에 있어서,
상기 위치 개요 데이터(SIP)는, 상기 편차 값들(△z)에 따라, 상기 개개의 테스트 영역들(PR1, PR2)에 대해 상이한 움직임 단계 클래스들(movement phase classes)(BK₀, BK₁, BK₂, …, BK_n)과 개별적으로 연관되어 있는, 영상 데이터 생성 방법.
제4항에 있어서,
상기 위치 개요 데이터(SIP)의 산란 값(SW₀, SW₁, SW₂, …, SW_n)은 각각의 움직임 단계 클래스(BK₀, BK₁, BK₂, …, BK_n)에 대해 개별적으로 결정되는, 영상 데이터 생성 방법.
제5항에 있어서,
복수의 움직임 단계 클래스(BK₀, BK₁, BK₂, …, BK_n)의 상기 산란 값들(SW₀, SW₁, SW₂, …, SW_n)의 합계가 테스트 영역(PR1, PR2)에 대한 신뢰도 파라미터 값(VP1, VP2)으로서 결정되는, 영상 데이터 생성 방법.
제4항에 있어서,
상기 원시 데이터(RD)로부터의 영상 데이터(BD)의 재구성은 상기 신뢰도 파라미터 값(VP1, VP2)이 가장 낮은 테스트 영역(PR1, PR2)의 경우에 대해 상기 위치 개요 데이터(SIP)와 상기 움직임 단계 클래스들(BK₀, BK₁, BK₂, …, BK_n)의 연관(association)을 고려하여 이루어지는, 영상 데이터 생성 방법.
제1항 또는 제2항에 있어서,
검사 대상물(O)은 호흡 운동으로 인해 움직이고, 움직임 단계(Ph₀, Ph₁, Ph₂, …, Ph_n)는 호흡 단계(breathing phase)인, 영상 데이터 생성 방법.
제1항 또는 제2항에 있어서,
검사 대상물(O)은 심장을 포함하는, 영상 데이터 생성 방법.
제1항 또는 제2항에 있어서,
상기 위치 개요 데이터(SIP)는 적어도 하나의 1차 움직임 방향(primary movement direction)(R)의 대상물(O)을 포함하는 신체(K)의 영역의 투사를 포함하는, 영상 데이터 생성 방법.
제10항에 있어서,
상기 위치 개요 데이터(SIP)는 상기 대상물(O)을 포함하는 신체(K)의 영역의 1차원 SI 투사(SIP)를 포함하는, 영상 데이터 생성 방법.
제1항 또는 제2항에 있어서,
상기 원시 데이터(RD)에 기초하여 영상 데이터(BD)를 재구성하기 위하여,
상기 대상물(O)의 상이한 움직임 단계들(Ph₀, Ph₁, Ph₂, …, Ph_n)과 각각 연관된 복수의 중간 영상 데이터 세트들(BBD)을 재구성하는 단계;
상기 대상물(O)의 상기 상이한 움직임 단계들(Ph₀, Ph₁, …, Ph_n)의 상기 중간 영상 데이터 세트들(BBD) 사이의 편차 데이터(D₀, D₁, …, D_j, …, D_n)를 결정하는 단계; 및
상기 편차 데이터(D₀, D₁, …, D_j, …, D_n)를 고려하여 상이한 움직임 단계들(Ph₀, Ph₁, …, Ph_n)의 상기 원시 데이터(RD)에 기초하여 상기 영상 데이터(BD)를 재구성하는 단계
들이 구현되는, 영상 데이터 생성 방법.
신체(K) 내부의 움직이는 대상물(O)의 영상 데이터(BD)를 생성하는 영상 데이터 생성 장치(20)로서,
상기 대상물(O)을 포함하는 상기 신체(K)의 영역에 대한 원시 데이터(RD)를 수신하는 원시 데이터 인터페이스(21) - 상기 원시 데이터는 상이한 측정 시점들에서 취득되었음 - ;
상기 원시 데이터의 적어도 일부(RD_C)에 기초하여 상기 상이한 측정 시점들(t₀, …, t_k, …)에 대한 위치 개요 데이터(SIP)를 생성하도록 설계된 개요 데이터 생성 유닛(23);
상기 위치 개요 데이터(SIP)의 적어도 일부의 산란을 결정하도록 설계된 개요 데이터 분석 유닛(24) - 상기 산란은 상기 측정 시점에 의존함 - ;
상기 산란에 따라 상기 위치 개요 데이터(SIP) 내의 공간적 테스트 영역들(PR1, PR2)을 선택하도록 설계된 테스트 영역 선택 유닛(25);
개개의 테스트 영역들(PR1, PR2)에 대한 신뢰도 파라미터 값들(VP1, VP2)을 결정하도록 설계된 신뢰도 파라미터 값 결정 유닛(26); 및
상이한 테스트 영역들(PR1, PR2)의 상기 신뢰도 파라미터 값들(VP1, VP2)을 고려하여 상기 원시 데이터(RD)에 기초하여 영상 데이터(BD)를 재구성하도록 설계된 재구성 유닛(30)
을 포함하는 영상 데이터 생성 장치.
자기 공명 시스템(1)으로서,
- 측정 공간(3);
- 기본 자계 자석 시스템(4);
- RF 송신 안테나 시스템(5);
- 경사 시스템(gradient system)(6);
- RF 수신 안테나 시스템(7);
- 상기 기본 자계 자석 시스템(4), 상기 RF 송신 안테나 시스템(5), 상기 경사 시스템(6), 및 상기 RF 수신 안테나 시스템(7)을 제어하는 제어 장치(11); 및
- 제13항에 따른 영상 데이터 생성 장치(20)
를 포함하는 자기 공명 시스템.
프로그램가능한 영상 데이터 생성 장치(20)의 메모리 내에 직접 로딩될 수 있는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 기록 매체로서,
상기 영상 데이터 생성 장치(20)에서 상기 컴퓨터 프로그램이 실행될 때 제1항 또는 제2항에 따른 방법의 모든 단계들을 실행하기 위한 프로그램 코드 세그먼트들(program code segments)을 구비한 컴퓨터 판독 가능 기록 매체.