KR101750648B1 - Ｍｒｉ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치 - Google Patents

Ｍｒｉ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치 Download PDF

Info

Publication number
KR101750648B1
KR101750648B1 KR1020160002881A KR20160002881A KR101750648B1 KR 101750648 B1 KR101750648 B1 KR 101750648B1 KR 1020160002881 A KR1020160002881 A KR 1020160002881A KR 20160002881 A KR20160002881 A KR 20160002881A KR 101750648 B1 KR101750648 B1 KR 101750648B1
Authority
KR
South Korea
Prior art keywords
motion
magnetic resonance
sub
data
data set
Prior art date
Application number
KR1020160002881A
Other languages
English (en)
Other versions
KR20160087346A (ko
Inventor
하이코 마이어
에스터 라이텔
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20160087346A publication Critical patent/KR20160087346A/ko
Application granted granted Critical
Publication of KR101750648B1 publication Critical patent/KR101750648B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
    • E04H15/00—Tents or canopies, in general
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04B—GENERAL BUILDING CONSTRUCTIONS; WALLS, e.g. PARTITIONS; ROOFS; FLOORS; CEILINGS; INSULATION OR OTHER PROTECTION OF BUILDINGS
    • E04B1/00—Constructions in general; Structures which are not restricted either to walls, e.g. partitions, or floors or ceilings or roofs
    • E04B1/18—Structures comprising elongated load-supporting parts, e.g. columns, girders, skeletons
    • E04B1/19—Three-dimensional framework structures
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04B—GENERAL BUILDING CONSTRUCTIONS; WALLS, e.g. PARTITIONS; ROOFS; FLOORS; CEILINGS; INSULATION OR OTHER PROTECTION OF BUILDINGS
    • E04B1/00—Constructions in general; Structures which are not restricted either to walls, e.g. partitions, or floors or ceilings or roofs
    • E04B1/18—Structures comprising elongated load-supporting parts, e.g. columns, girders, skeletons
    • E04B1/19—Three-dimensional framework structures
    • E04B1/1903—Connecting nodes specially adapted therefor
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04B—GENERAL BUILDING CONSTRUCTIONS; WALLS, e.g. PARTITIONS; ROOFS; FLOORS; CEILINGS; INSULATION OR OTHER PROTECTION OF BUILDINGS
    • E04B1/00—Constructions in general; Structures which are not restricted either to walls, e.g. partitions, or floors or ceilings or roofs
    • E04B1/38—Connections for building structures in general
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
    • E04H15/00—Tents or canopies, in general
    • E04H15/32—Parts, components, construction details, accessories, interior equipment, specially adapted for tents, e.g. guy-line equipment, skirts, thresholds
    • E04H15/34—Supporting means, e.g. frames
    • 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
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • 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
    • G01R33/567—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution gated by physiological signals, i.e. synchronization of acquired MR data with periodical motion of an object of interest, e.g. monitoring or triggering system for cardiac or respiratory gating
    • G01R33/5676—Gating or triggering based on an MR signal, e.g. involving one or more navigator echoes for motion monitoring and correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Architecture (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

본 발명은 자기 공명 장치(16)를 이용하여 환자의 검사 부위의, 특히 3차원의 MRI(magnetic resonance imaging) 데이터세트를 획득하기 위한 방법에 관한 것으로, 상기 방법에서는 획득 프로세스를 위해 확정되고, 특히 동일한 길이의 복수의 하위 기간들(2, 3)로 분할되는, 사전 결정된 획득 기간(1)에 걸쳐 자기 공명 데이터가 획득되며, 하위 기간(2, 3) 내에 서브 샘플링에 의해 획득된 자기 공명 데이터의 각각의 서브 데이터세트(5)에 대해, 검사 부위의 움직임 상태(motion status)를 기술하는 적어도 하나의 움직임 값(6)이 결정되고, 이 움직임 값들(6)에 기초하여 MRI 데이터세트의 재구성에 이용될 서브 데이터세트(5)가 선택되어 움직임 인공물을 최소화한다.

Description

ＭＲＩ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치{METHOD FOR ACQUIRING A MAGNETIC RESONANCE IMAGING DATASET AND MAGNETIC RESONANCE MECHANISM}
본 발명은 자기 공명 장치에 의해 환자의 검사 부위에 대한 MRI 데이터세트(magnetic resonance imaging dataset)를 획득하기 위한 방법 및 자기 공명 장치에 관한 것이다.
MRI(magnetic resonance imaging)는 의료 분야에서 환자들의 검사를 위해 이미 구축되었다. 한 가지 빈번히 논의되는 문제는 자기 공명 데이터의 획득에 요구되는 측정 시간이다. MRI 데이터세트, 특히 적어도 3차원 자기 공명 데이터세트의 획득은, 해상도에 따라 수 밀리초에서 수 분에 이르는 측정 시간을 필요로 할 수 있다. 원하는 해상도가 더 높을수록, 예상 획득 기간이 더 길어진다. 특히 정형외과적 진단들의 경우, 예를 들어 연골 손상, 힘줄 부상 또는 인대 부상의 평가 시 높은 해상도가 필요하다. 이 경우, 원하는 콘트라스트에 따라 3 내지 10분의 범위에 있는 측정 시간이 소요될 수 있다.
종래 기술에는 "가속된 영상 기법(accelerated imaging)"이라는 용어로 알려진, 획득 기간을 단축하기 위한 다양한 가능성들이 이미 공지되어 있다. 그 예로서, 병렬 영상 기법(예를 들어, 논문 『M. Griswold 외 공저, "Generalized autocalibrating partially parallel acquisitions (GRAPPA)", Magn. Reson. Med. 47 (2002), 1202 - 1210p.』 참조), 동시 다중 절편 영상 기법(simultaneous multi-slice imaging)(예를 들어, 이와 관련해서는 논문 『E.J. Larkman 외 공저, JMRI 13 (2001), 313 - 317p.』 또는 논문 『K. Setsompop 외 공저, MRM 67 (2011), 1210 - 1224p.』 참조) 및 동시 영상 리포커싱(simultaneous imaging refocusing)(이와 관련해서는 예를 들어 US 6,614,225 B1 참조)을 포함한다. 그러나, 이러한 모든 방법들의 경우, 측정의 결과는 오직 완전한 데이터 획득 이후에야 가시화되며, 이 시점 이후에야 예를 들어 환자의 움직임으로 인해 측정을 반복해야야 할지를 평가하는 것이 가능하다. 이는 검사 소요시간을 연장한다.
측정 이전에는 환자의 움직임에 의해 영상 품질이 과도하게 손상될 것인지의 여부를 모르기 때문에, 전체 검사 소요시간을 예측하는 것이 불가능므로, 환자 예약 스케줄을 그에 상응하게 여유롭게 계획해야 한다. 이와 같이 여유럽게 스케줄을 짜지 않으면, 시간 경과에 따라 스케줄의 지연이 발생할 수 있다. 제1 사례의 경우, 자기 공명 시스템이 계속해서 전용량으로(at full capacity) 가동되지 않기 때문에, 검사 대상 환자의 수가 더 적을 수 있고 추가 비용이 발생할 수 있다. 제2 사례의 경우, 환자들의 대기 시간이 발생하고, 이는 의료 서비스에 대한 만족도에 부정적인 영향을 미친다.
자기 공명 데이터의 획득 동안 발생하는 움직임들에 관련된 또 다른 문제는, 검사 중에 자기 공명 장치 옆에 있는 조작자도 모든 측정에서 환자가 움직이는지를 확인할 수는 없다는 것이다. 예를 들어, 신경기능 영상 기법(neurofunctional imaging)을 위한 특정 자기 공명 시퀀스들만이 자기 공명 데이터의 획득 동안의 움직임을 측정한다.
지금까지는, 환자의 검사 부위에서의 움직임의 발생시에, 오직 측정이 종료되어야만, 즉, MRI 데이터세트가 제공된 경우에만 재측정, 다시 말해 환자의 자기 공명 데이터의 재획득이 필요한지가 결정되었다.
이러한 문제를 감안하여 개선들을 달성하기 위하여, US 2014/0125335 A1은, 필요한 경우 데이터의 획득을 중단하기 위하여 측정 중에 움직임의 발생을 모니터링하는 방법을 제안하였다. 상기 공보는, 획득 프로세스가 2가지 부분, 즉, 필수 부분("기초 획득") 및 부가 부분("상보적 획득")으로 분할되는 MRI를 위한 방법에 관한 것이며, 이 방법에 의해 움직임이 발생할 때까지 영상 품질의 개선이 달성될 수 있다. 획득의 필수 부분은 시작 시 수행되고, 최종적으로는 서브 샘플링된 기초 데이터세트를 포함하며, 이 기초 데이터세트를 토대로 이미 재구성이 기본적으로 가능할 수 있다. 미정 길이의 추가 획득 프로세스가 이 데이터를 보충한다. 이 경우, 단지 최대 측정 시간만이 주어진다. 이 측정의 필수 부분에서 움직임이 확인되면, 전체 측정이 반복되어야 한다. 따라서, 여기서 움직임 모니터링은 획득 프로세스의 시작 시 존재하는 검사 부위의 움직임 상태에 관련된다.
그러나, US 2014/0125335 A1에 설명된 방법에 기반해서는, 측정들이 완전히 반복되어야 하고 획득 기간이 변하는 경우가 여전히 있을 수 있기 때문에 개선된 플래닝이 불가능할 뿐만 아니라, 경우에 따라 아주 초반에 측정의 상보적 부분에서 중단이 발생할 수 있기 때문에 신뢰할 만한 높은 영상 품질도 불가능하다.
따라서, 본 발명의 과제는 양호한 플래닝 가능성에서, MRI 데이터세트의 가능한 최상의 영상 품질을 제공하는, 선행 기술에 비해 개선된 방법을 제시하는 것이다.
상기 과제를 해결하기 위해 도입부에서 언급한 유형의 방법에서는, 획득 프로세스를 위해 확정되고, 복수의, 특히 동일한 길이의 하위 기간들(sub-period)로 분할되는, 사전 결정된 획득 기간에 걸쳐 자기 공명 데이터가 획득되고, 하위 기간 내에 서브 샘플링에 의해 획득된 자기 공명 데이터의 각각의 서브 데이터세트에 대해, 검사 부위의 움직임 상태를 기술하는 적어도 하나의 움직임 값이 결정되며, 움직임 인공물(motion artifact)을 최소화하기 위해 상기 움직임 값들에 기초하여 MRI 데이터세트의 재구성에 이용될 서브 데이터세트가 선택된다.
본 발명은 모든 유형의 자기 공명 데이터세트들에 적용될 수 있지만, 적어도 3차원 자기 공명 데이터세트들에 특히 바람직하게 적용된다. 그 예로서, 복수의 2차원 절편이 획득되는 다중 절편 영상 기법, 3차원 정적 영상 기법 및 3차원 동적 영상 기법(3+1 차원을 가짐)이 있다. 더 높은 차원의 자기 공명 영상 데이터는 다른 방법들, 예를 들어, 멀티 콘트라스트 영상 기법(multi-contrast-imaging)에서도 제공된다. 자기 공명 데이터(미가공 데이터)가 TSE 시퀀스들과 상호 인터리브되어 획득되는 2차원 영상들의 시리즈에서는, 특히 움직임에 대해 상당한 감도도 제공된다.
따라서, 전술한 종래 기술에서와 유사하게, 서브 샘플링 계수가 반복된 측정들에 의해 감소하는 서브 샘플링의 접근법이 선택되는데, 여기서는 기준 움직임 상태(reference motion status)에 기초하는 것이 아니라 사전 결정된 고정 측정 시간, 즉, 획득 기간이 이용되며, 이 획득 기간 동안 추가로, 자기 공명 데이터의 서브 데이터세트들이 획득되는 하위 기간들에 검사 부위의 움직임 상태를 기술하는 적어도 하나의 움직임 값을 할당할 수 있게 하는 움직임 추적이 지속적으로 실시되는 방식으로만 자기 공명 데이터가 계속 획득된다. 서브 데이터세트들의 움직임 값들은 이제, 상기 측정 이후에 어느 자기 공명 데이터로부터 어떤 움직임 상태에 대해 또는 어떤 움직임 상태 범위에 대해 가장 높은 품질의, 특히 3차원의 MRI 데이터세트가, 대응하는 자기 공명 데이터만이 이용되도록 재구성될 수 있는지를 평가할 수 있게 한다. 통상적으로, 서브 데이터세트들에 대한 적어도 하나의 선택 기준은, 자기 공명 데이터의 대부분이 어느 움직임 상태 또는 어느 움직임 상태 범위로부터 유래하는지에 관련될 것이며, 그 결과 가장 작은 서브 샘플링 계수가 도출된다. 간략히 요약하면, 제안된 본 발명의 개시내용은, 따라서, 획득 프로세스를 위한 획득 기간의 지속시간이 일정하게 유지되고, 특정 움직임 상태와 관련하여 움직임이 없이 획득된 자기 공명 데이터로부터 그리고 경우에 따라서는 적절한 반복적, 비선형 또는 선형 영상 재구성 방법들을 이용하여 성공적으로 움직임이 보정될 수 있는 자기 공명 데이터로부터 MRI 데이터세트들이 재구성됨으로써 가능한 최상의 영상 품질이 보장될 것이다. 이 경우, 획득 프로세스는 상기 획득 프로세스 동안의 환자 움직임의 시점이 무관하도록 계획될 수 있다.
여기서 중요한 것은, 자기 공명 데이터의 획득이, 모든 자기 공명 데이터가 가용하지 않더라도, 특히 3차원의 MRI 데이터세트는 재구성될 수 있도록, 특히 확률적으로, 의사 랜덤 방식으로, 또는 특수하게 정렬된 형태로, 서브 샘플링에 의해 수행되는 점이다. 이것에 대한 특정 실시예들이 이하에서 더욱 상세히 논의될 것이고, 여기서, 종래 기술에서는, 원칙적으로 존재하고 일부 서브 데이터세트들에서의 자기 공명 데이터의 일부의 생략이 기본 고품질 재구성에 거의 영향을 미치지 않도록 검사 부위에 대응하는 k 공간의 커버리지와 가능한 한 균일하게 할 수 있는 접근법들을 선택하는 것이 가능하다. 또 다른 한 특수 구성에서는, 충분한 커버리지가 여기서 가용하도록 최대한 보장하기 위하여, 몇 개의 또는 심지어 모든 서브 데이터세트들에 대해, k 공간 중심 주위의 소정의 비율이 측정된다.
공지된 영상 기법들과 달리, 사전 결정된 획득 기간으로써 정의된 측정 시간은 이미 사전에 알려지고, 가능한 최상의 영상 품질로 재구성이 수행되는 반면, 종래 기술에 따르면 측정들이 경우에 따라 반복되어야 하거나, 처음에는 측정 시간이 얼마나 오래 걸릴지가 불분명하다. 적어도 생각할 수 있는 이론적인 실시예에서 하나의 데이터 포인트만을 포함할 수 있는 데이터 포인트 서브세트들, 즉, 서브 데이터세트들이 움직임 모니터링을 참조하여 평가되고, 여기서, 예를 들어, 단일 시간 포인트에서 움직임의 정도의 평가인 국부적 기준이 이용될 뿐만 아니라, 바람직하게는, 예를 들어, 움직임 인공물을 최소화하고 신호대잡음 비를 최대화하기 위하여 어느 방식으로 어느 자기 공명 데이터가 이용될 것인지를 판정하는 전역적 선택 기준도 고려될 수 있다.
본 발명의 한 실시예에서는, 서브 데이터세트 자체의 자기 공명 데이터로부터, 특히 위치 공간에서 서브 데이터세트의 자기 공명 데이터 내에 내비게이터(navigator)를 배치함으로써, 그리고/또는 서브 데이터세트에 대한 품질 척도를 결정함으로써, 움직임 값 또는 적어도 하나의 움직임 값 중 적어도 하나가 결정될 수 있다. 따라서, 적어도 하나의 움직임 값의 적어도 하나를 결정하기 위하여 서브 데이터세트 자체의 자기 공명 데이터가 평가되는 것을 생각할 수 있다. 이를 위해, 특히 서브 데이터세트가 k 공간 중심로부터의 데이터를 포함할 때, 예를 들어, 1차원 내비게이터가 자기 공명 데이터로부터 재구성될 수 있고, 이로부터, 예를 들어, 움직임 값이 에지의 위치로서 결정될 수 있다. 명백하게, 내비게이터의 위치의 선택은 예를 들어, 로컬라이저(localizer) 또는 이와 유사한 것으로부터 유도될 수 있는 검사 부위에 대한 배경 지식에 기초할 수 있다. 또한, 예를 들어, 서브 데이터세트의 자기 공명 데이터에 얼마나 잡음이 있는지를 표시하는 품질 척도가 서브 데이터세트에 대해 결정되는 것을 생각할 수 있다.
또한, 상기 움직임 값 또는 적어도 하나의 움직임 값 중의 적어도 하나는, 자기 공명 데이터의 결정과는 별개의 측정에 의해 결정될 수 있다. 예를 들어, 움직임 값의 측정을 위해 자기 공명 장치에 의해 내비게이터 측정이 수행되는 것이 제공될 수 있도록 이것에 대해 생각할 수 있는 몇 개의 절차들이 존재한다. 이러한 종류의 내비게이터 측정들이 이미 종래 기술로부터 알려져 있다. 이것들은 특히 예를 들어, 횡격막 호흡(diaphragmatic breathing) 동안 에지의 위치를 추적할 수 있는 1차원 측정들을 수반한다. 서브 데이터세트당 적어도 하나의 내비게이터 측정이 대응하는 서브 데이터세트의 측정 이전 또는 이후에 수행될 수 있지만, 자기 공명 데이터의 실제 획득 중에 내비게이터 측정이 궁극적으로 내장될 수 있는 다른 자기 공명 시퀀스들을 또한 생각할 수 있다. 자기 공명 데이터의 획득 외에 수행될 수 있는 측정에 대한 추가의 가능성은, 자기 공명 장치 이외의 추가의 측정 수단이며, 이와 관련해서도 이미 자기 공명 장치들에서의 움직임 추적을 위한 접근법들이 공지되어 있고, 본 발명의 범주 내에서 유리하게 이용될 수 있다. 예를 들어, 추가의 측정 수단으로서 환자에게 배치된 마커를 추적하는 카메라 및/또는 호흡 벨트(breathing belt) 및/또는 필드 카메라(field camera)로서 자기장을 측정하는 기준 프로브들(reference probes)이 이용될 수 있다.
본 발명은 k 공간에서 서브 샘플링에 의해 자기 공명 데이터를 획득할 수 있게 하기 위하여 기본적으로 공지되어 있는 절차들을 이용하지만, 그럼에도 완전한 더 높은 품질의 재구성이 수행될 수 있게 한다. 이 경우, k 공간에서 서브 샘플링된 포인트들의 분포는, 서브 데이터세트들의 일부분만으로부터의 재구성도 가능하게 되도록, 서브 데이터세트 전반에 걸쳐서 선택되어야 한다. 이 경우, 2가지 기본적 접근법을 생각할 수 있는데, 즉, 한편으로, 규칙적인 샘플링 패턴, 예를 들어, k 공간의 매 n번째 포인트가 이용되는 간섭성 서브 샘플링(coherent sub-sampling)과, 다른 한편으로, 비간섭성 서브 샘플링(incoherent sub-sampling), 즉, 특히 확률적 및/또는 의사 랜덤식 샘플링을 생각할 수 있다. 따라서, 자기 공명 데이터의 간섭성 획득에 의하면, k 공간에서의 개별 데이터 포인트들 사이에 규칙적인 간격들이 존재한다. 따라서, 전체 획득 프로세스(스캔)는 전부가 하나 이상의 위상 인코딩 방향(phase-encoding direction)으로 비교적 높은 서브 샘플링 계수를 갖는 몇 개의 서브 획득 프로세스(단일 스캔)로 분할되고, 여기서, 서브 데이터세트들의 샘플링 방식들은 더 작은 서브 샘플링 계수를 갖는 조합 데이터세트(combination dataset)를 형성하기 위해 합쳐질 수 있도록 편의상 서로에 대하여 오프셋된다. 간섭성 서브 샘플링에서는 에일리어싱 인공물(aliasing artifacts)이 더욱 분명하게 드러나서, 대부분 상응하는 재구성 알고리즘에 의해 처리될 수 있지만, 비간섭성 서브 샘플링에서는 에일리어싱이 잡음과 유사한 것으로 간주될 수 있다.
따라서, 본 발명의 일 실시예에서는, 하위 기간들 내에 검사 부위에 할당되는 k 공간의 샘플링이 확률적으로 또는 의사 랜덤 방식으로 실시된다. 적어도 k 공간 중심을 제외한 k 공간에서 샘플링된 포인트들의 균일한 분포를 목표로 하는 공지된 확률적 샘플링 방법들에 부가하여, 의사 랜덤식 접근법도 고려될 수 있으며, 예를 들어, 랜덤하게 선택된 샘플링이 수행되는 특수한 프리세팅도 생각할 수 있다. 대안적으로, 검사 부위에 할당된 k 공간의 샘플링을 위한 규칙적인 패턴들을 생각할 수 있고, 예를 들어, 하나 이상의 위상 인코딩 방향으로 k 공간에서의 포인트들의 규칙적인 생략을 생각할 수 있다. 원칙적으로, 본 발명의 목적을 위해, 방사상 샘플링 방식(radial sampling schemes)과 데카르트 샘플링 방식(Cartesian sampling schemes), 특히 이들 양자를 조합하여 이용하는 것도 생각할 수 있다. 편의상, 비간섭성 샘플링의 경우, 선택된 자기 공명 데이터로부터의 MRI 데이터세트의 재구성이 반복적 재구성 방법에 따라 수행될 수 있거나, 또는 간섭성 샘플링의 경우, 선형 재구성 방법, 특히 GRAPPA 방법 또는 SENSE 방법에 따라 수행될 수 있다. 명백하게는, 서브 샘플링된 자기 공명 데이터와 관련하여 다양한, 이미 공지된 기법들이 특히 3차원 MRI 데이터세트의 재구성과 관련해서도 이용될 수 있다. 일반적으로, "압축 센싱(compressed sensing)", 병렬 영상 기법 및 배경기술 부분에서 이미 언급한 것들과 같은 이와 유사한 기법 등 다양한 기법들이 본 발명의 목적을 위해 이용될 수 있다.
본 발명의 특히 유리한 한 실시예에서는, 서브 데이터세트들이 움직임 값을 참조하여 적어도 2개의 움직임 상태 클래스(motion status class)로 분류된다. 따라서, 움직임 값들이 할당되는 서브 데이터세트들로 분류된, 측정된 자기 공명 데이터는 상이한 움직임 위상들 또는 일반적으로 상이한 움직임 상태들에 따라 분류될 수 있다. 바람직하게는, MRI 데이터세트의 재구성을 위해 적어도, 자기 공명 데이터의 대부분을 포함하고, 그리고/또는 재구성에 대한 적합성을 기술하는 움직임 값에 대한 품질 기준을 충족하는 움직임 상태 클래스의 서브 데이터세트들이 선택된다. 따라서, 자기 공명 데이터의 대부분이 존재하거나, 재구성을 위해 가장 적합한 자기 공명 데이터를 포함하는 움직임 상태가 특히 3차원의 MRI 데이터세트의 재구성을 위한 기초로서 이용된다.
이 경우, 물론 선택된 움직임 상태 클래스를 제외한 다른 모든 움직임 상태 클래스를 폐기할 필요는 없다. 예를 들어, 본 발명의 한 유리한 변형예에서는, 선택된 움직임 상태 클래스의 자기 공명 데이터에 부가하여, 선택된 움직임 상태 클래스의 서브 데이터세트들의 움직임 값들에 대해 상기 움직임 값들의 편차 기준(deviation criterion)을 충족하는 적어도 하나의 추가 움직임 상태 클래스의 자기 공명 데이터도 고려된다. 이는 선택된 움직임 상태 클래스의 움직임 상태 또는 움직임 상태 범위에 충분히 가까운 움직임 상태 또는 움직임 상태 범위를 갖는 움직임 상태 클래스들의 자기 공명 데이터를 이용하는 것도 가능함을 의미한다. 이러한 문맥에서, 상이한 움직임 상태 클래스들의 자기 공명 데이터는, 특히, 상기 선택된 움직임 상태 클래스의 움직임 값들에 대한 그 움직임 상태 클래스의 움직임 값들의 편차에 기초하여 선택된 가중치로 가중되어 이용되는 것이 특히 유리하다. 따라서, 상이한 움직임 상태들이 상이한 강도로 가중되어 재구성에 포함될 수 있고, 여기서, 가중은 상이한 기준에 따라, 바람직하게는 선택된 움직임 상태 클래스의 움직임 상태로부터 움직임 상태의 편차에 기초하여 수행된다. 예를 들어 선형 감쇠 및/또는 지수적 감쇠의 의미에서, 가중 계수들을 결정하기 위해 상이한 수학적 함수들이 이용될 수 있다. 그런데, 추가 자기 공명 데이터의 이러한 방식의 가중된 고려는, 특히 3차원의 MRI 데이터세트의 반복적 재구성이 수행될 때 특히 간단하게 달성될 수 있다. 종합해보면, 다른 움직임 상태 클래스들의 추가 자기 공명 데이터를 고려함으로써, 재구성을 위해 더 많은 자기 공명 데이터가 이용되기 때문에 신호대 잡음비가 개선될 수 있다.
부수적으로, 움직임 상태 클래스들은 일반적으로 서브 데이터세트들 각각에 할당된 적어도 하나의 움직임 값의 간격들에 걸쳐 정의된다는 점에 유의한다. 이 경우, 명백하게는, 예를 들어 전체 간격이 결정되고(이 전체 간격에 움직임 값들이 놓임), 이어서 이 전체 간격이 적절하게 세분될 수 있음으로써, 움직임 상태 클래스들이 동적으로 정의되는 것도 가능하다. 부수적으로, 예를 들어 움직임 값들의 간격들에서 얼마나 많은 이벤트들이 발생하는지 등을 표시하는 적어도 하나의 움직임 상태 클래스의 선택에 대하여 히스토그램 분석도 수행될 수 있다.
본 발명의 범주에서, 선택된 움직임 상태 클래스의 자기 공명 데이터에 부가하여 추가의 자기 공명 클래스들을 고려하기 위한 또 다른 가능성 중 하나는, 선택된 움직임 상태 클래스의 자기 공명 데이터에 외에, 대응하는 보정 이후 움직임으로 인해 발생하는 차이들의 가능성을 기술하는 보정 가능성 기준을 충족하는 적어도 하나의 추가 움직임 상태 클래스로부터의 자기 공명 데이터도 고려하는 것이다. 이는, 선택된 움직임 상태 클래스의 움직임 상태 범위 또는 움직임 상태에 대하여 움직임이 보정될 수 있는 움직임 상태들이 존재하는지를 모니터링하는 것이 가능함을 의미한다. 따라서, 재구성에 최상으로 적합한 움직임 상태는, 움직임이 적은 상태들로부터, 예를 들어 성공적인 등록이 수행될 수 있는 움직임 상태들로 확장될 수 있다. 따라서, 특히 보정 가능성(correctability) 기준은, 선택된 움직임 상태 클래의 자기 공명 데이터로부터 결정된 중간 영상 데이터세트와, 체크될 움직임 상태 클래스의 자기 공명 데이터로부터 결정된 중간 영상 데이터세트의 성공적인 등록에 대한 척도를, 특히 상호 정보 척도(mutual information measure)를 참조하여, 결정하고, 이를 임계값을 비교할 수 있다. 상호 정보 척도는 바로, 성공적인 등록이 가능한지, 그에 따라 하나의 움직임 상태에 대한 자기 공명 데이터가 선택된 움직임 상태 클래스의 움직임 상태로 재계산될 수 있는지를 나타내는 변수들이다.
한 바람직한 실시예에서는, 움직임 보정의 수행 시, 움직임 값들 및/또는 움직임 값들의 결정 시 결정되는 추가의 움직임 데이터가 움직임을 모델링하는 적어도 하나의 움직임 파라미터의 결정을 위해, 그리고/또는 등록 시 적어도 하나의 값 범위의 제한을 위해 평가될 수 있다. 명백하게는, 이러한 움직임 데이터 및/또는 움직임 값들 자체도 보정 가능성 기준에 포함될 수 있고, 이러한 기준은 명백하게는 이용가능 정보를 또한 고려할 수 있다. 이러한 변형예 이면의 개념은, 환자 움직임의 모니터링으로부터의 데이터가 움직임 보정을 위해 또한 이용될 수 있다는 것이다. 한편, 검사 부위에서의 실제 움직임을 추정하는 것이 고려될 수 있지만, 적어도 등록 파라미터들의 값 범위는 등록 시 한정될 수 있다.
움직임 보정 가능성이 체크되며, 또한 선택된 움직임 상태 클래스 외부의 다른 움직임 상태 클래스들의 움직임 보정 자기 공명 데이터가 고려될 수 있는 실시예들은, 예를 들어, 단일의 더 강한 움직임이 획득 기간을 2개의 컴포넌트 - 이러한 컴포넌트들은 움직임이 없거나 또는 적어도 매우 작은 움직임을 가짐 - 로 분할하는 때의 경우인, 비교적 대량의 자기 공명 데이터, 즉 서브 데이터세트들을 각각 갖는 복수의 움직임 상태 클래스가 존재할 때 특히 유리한 것으로 드러났다. 예를 들어, 이것은, 환자가 획득 프로세스 동안 잠이 들어, 예를 들어 환자의 머리가 옆으로 기울어지는 경우에 발생할 수 있다. 종래의 방법들에 있어서, 다음에 완전한 측정을 반복하는 것이 필요한 한편, 움직임 보정에 대한 체크도 수행되는 일 실시예에서, 본 발명에 따른 방법은 유리하게도 특히 3차원 MRI 데이터세트의 재구성 시에 실질적으로 모든 자기 공명 데이터의 포함을 여전히 가능하게 한다. 자기 공명 데이터의 적어도 2개의 더 큰 "블록"의 경우에, 이것은, 이러한 블록들 각각에 대하여, 위치 공간에서 중간 영상 데이터세트들이 생성될 수 있으며, 이들은 움직임 상태의 움직임 보정 페이즈들에 대한 충분한 품질의 등록이 선택된 움직임 상태 클래스의 움직임 상태 범위의 움직임 상태 또는 대표적인 움직임 상태에 대해 재계산되는 것을 가능하게 하기에 충분하다는 사실로 인한 것이다.
일반적으로 한 바람직한 추가 실시예에서는, 적어도 하나의 예약된 하위 기간에 대하여, 획득 기간의 종료 시 선행 하위 기간 내에 이미 측정된 서브 데이터세트의 측정이 반복되고, 새로 획득될 서브 데이터세트는 상기 하위 기간까지 획득된 모든 데이터세트의 움직임 값들의 평가를 참조하여 동적으로 선택된다. 물론, 서브 데이터세트가 새로 획득되면, 서브 데이터세트의 이전의 자기 공명 데이터는 폐기될 수 있다. 그러므로, 본 발명에 따른 방법의 이러한 변형예에서는, 획득 기간의 종료 시, 전체 측정 시간, 즉 사전 결정된 획득 기간의 일부가 선행 데이터 포인트들의 일부를 획득하기 위해서 예약된다. 기본적으로, 서브 데이터세트들을 위한 이러한 부가적인 서브 획득 프로세스들은 고정의 사전 결정된 방식에 따라 정의될 수 있지만, 예를 들어, 검사 부위에서의 움직임에 의해 최대로 교란되는 자기 공명 데이터의 부분 또는 부분들이 움직임 모니터링에 의해 식별된다는 점에서 자기 공명 데이터가 다시 획득되어야 하는 움직임 값들 및 이전에 획득된 자기 공명 데이터를 참조하여 동적으로 결정하는 것이 바람직하다. 예를 들어, 움직임 상태 클래스들로의 분할 동안 히스토그램 분석이 수행될 수 있다. 이는, 움직임이 단시간 동안 발생하고, 다음에 환자가 대략 자신의 본래 위치로 리턴한다고 예상될 때에 특히 유리하다. 이러한 종류의 단기 움직임들의 통상적인 예들은 씰룩거림(twitching), 기침(coughing), 삼킴(swallowing), 깜박임(blinking) 등의 움직임들이다.
동시에, 부수적으로, 예약된 하위 기간들의 개수는 예상되는 움직임들을 기술하는 환자 정보에 기초하여 선택되는 것이 가능하다. 그러므로, 검사될 특정 환자가 다소간의 움직임을 생성할 것으로 예상될 수 있는지가 사전에 알려지는 경우, 예약된 하위 기간들의 개수는 그에 따라 적응될 수 있다. 동시에, 이용되는 환자 정보가 특히 이용자에 의해 입력되는 거동 정보 및/또는 자기 공명 장치에서의 환자에 대한 적어도 하나의 선행 측정으로부터 결정된 정보인 것이 가능하다. 그러므로, 조작자에 의해 제공된 환자의 상태에 대한 정보에 부가하여, 이것이 이전의 측정들, 예를 들어 현재 검사에 대한 선행 자기 공명 측정들 또는 로컬라이저 획득들로부터 자동으로 결정되는 것도 가능하다. 동시에, 본 발명의 변형예는, 예를 들어 사전 결정된 개수의 하위 기간들에 후속하여, 지금까지 획득된 움직임 값들이 환자 정보의 결정을 위해 평가된다는 점에서, 예약된 하위 기간들의 개수가 단지 획득 프로세스 동안 동적으로 정의되는 것도 가능한데, 다음에 환자 정보는 특히 예를 들어 경험적으로 결정된 기준 값들과 비교하여 환자의 움직임의 레벨이 얼마나 높이 평가되어야 하는지를 나타낸다.
위에서 설명된 바와 같이, 서브 데이터세트들이 k 공간에서 샘플링된 데이터 포인트들에 대하여 상호 보완적인 것이 특히 바람직하고, 그럼으로써 일반적으로 말하면, 본 발명의 한 유리한 실시예에서는, 모든 서브 데이터세트들 또는 적어도, 예약된 하위 기간 이전에 획득될 모든 서브 데이터세트에서, 검사 부위에 할당된 k 공간의 적어도 부분적으로 상이한 컴포넌트들이 샘플링된다. 이 경우, 한 바람직한 실시예에서는, 적어도 2개의, 특히 모든 하위 기간 내에, 검사 부위에 대응하는 k 공간의 k 공간 중심 주위의 미리 정해진 영역이 특히 완전히 샘플링될 수 있다. 궁극적으로, 이것은, 모든 서브 데이터세트에서의 k 공간 중심의 획득의 경우에, k 공간 중심로부터의 자기 공명 데이터가 의심되는 각각의 움직임 상태에 대하여 이용가능하다는 것을 보장한다. 또한, 서브 데이터세트들의 전부 및/또는 하나의 미리 정해진 컴포넌트를 함께 고려하여, 미리 정해진 서브 샘플링 계수가 도출되는 것도 바람직하다. 움직임들로 인해, 일반적으로 획득된 자기 공명 데이터의 80%가 이용될 수 있다고 경험적으로 알려지는 경우, 가능한 한 균등하게 분포되게 상이한 하위 기간들에 대하여 k 공간의 상이한 서브 샘플링된 컴포넌트들을 배열하는 것이 적절하고, 그에 의해, 이러한 종류의 자기 공명 데이터의 컴포넌트를 이용할 때, 원하는 서브 샘플링 계수, 예를 들어 서브 샘플링 계수 2가 획득된다. 이러한 방식으로, 궁극적으로는, k 공간의 균일한 샘플링 및 어느 정도의 영상 품질을 적어도 광범위하게 보장하는 획득 개념이 생성된다.
본 발명의 개념은, 자기 공명 장치를 이용한 복수의 부분적인 검사를 포함하는 검사의 말미에서 MRI 데이터세트를 획득하도록 전개될 수 있으며, 여기서 획득 프로세스를 위해 확정된 획득 기간은 미리 결정되는 확정된 검사 지속시간에서 선행하는 부분 검사들의 지속시간들을 제한 값으로서 사전 결정된다. 실제로 3차원 MRI 데이터세트가 생성되는 3차원 측정은 주로 환자에 대한 전체 검사 프로세스의 종결 시 수행된다. 이제, 특히 특정 기간에 걸친 자기 공명 장치의 이용의 계획의 문맥에서, 적어도 특히 3차원 MRI 데이터세트에 대한 획득 프로세스 이전에 검사들을 위해 이미 이용된 검사 지속시간의 컴포넌트들을 참조하여 이용가능한 시간을 동적으로 계산하는 시작으로부터 사전에 검사를 위한 검사 지속시간을 정의하는 것이 가능하다. 선행 검사들이 특히 신속하게 수행될 수 있는 경우, 획득 프로세스의 시작 이전에, 획득 기간은 더 길게 특정될 수 있으며, 선행하는 부분 검사들을 위해 더 많은 시간이 요구된 경우, 이에 대응하여 자기 공명 데이터의 획득 중의 고정 획득 기간에 대해 더 짧은 시간이 이용가능하다.
본 발명의 추가의 바람직한 실시예에서는, 서브 데이터세트들이 이미 획득 기간 동안에 선택되고, 그에 기반하여 사전 영상 데이터세트가 재구성되며, 사전 영상 데이터세트가 최소 영상 품질 요건을 기술하는 품질 기준을 충족할 때, 획득 프로세스는 획득 기간의 만료 이전에 중단되고, 가장 최근에 결정된 사전 영상 데이터세트가 MRI 데이터세트로서 이용된다. 이 실시예는, 하위 기간들에서 획득될 자기 공명 데이터에 대한 그리고 하위 기간들로의 획득 기간의 분할 및 배열 동안, 특정 버퍼가 생성되는데, 이는 보정가능하지 않고/않거나 가중에 대해 고려될 수 없는 자기 공명 데이터의 발생에서도, 충분히 고품질의, 특히 3차원의 MRI 데이터세트의 재구성을 가능하게 한다는 개념에 기초한다. 그러나, 어쨌든 너무 긴 기간에 걸쳐 어떠한 움직임도 발생하지 않는 경우 - 이는 자기 공명 데이터의 폐기를 초래하고, 따라서 원하는 품질의 MRI 데이터세트가 획득 기간의 만료 이전에 재구성될 수 있음 -, 더 이상 나머지 자기 공명 데이터를 획득할 필요가 없고, 획득은 중단될 수 있다. 그러므로, 이를 위해, 실시간으로, 선택된 서브 데이터세트들 또는 가능하게는 추가의 서브 데이터세트들로부터 적어도 부분적으로 사전 영상 데이터세트가 재구성되는데, 이러한 서브 데이터세트들은 제공된 영상 품질에 대하여 체크되고, 움직임 보정을 조건으로 고려되고/되거나 가중된다. 영상 품질이 충분한 경우, 즉 품질 기준이 충족되는 경우, 획득 기간의 만료 이전에 획득이 중단될 수 있다. 이 경우, 검사 부위에서 미리 정해진 2차원 절편에 대하여 품질 기준의 평가가 수행되는 것이 특히 적절한데, 그 이유는 그러면 여기에 설명된 실시간 요건을 달성하는 것이 더 쉽고, 그에 따라 계산 자원들에 대한 절약을 가능하게 하기 때문이다.
본 발명의 추가의 유리한 실시예에서는, 획득 프로세스 동안, 지금까지 결정된 움직임 값들이 특히 예측 계산에서 MRI 데이터세트에 대한 품질 목표의 충족 실패를 초래하는 환자 측의 강한 움직임을 나타내는 출력 기준을 충족하는 경우에, 환자 및/또는 조작자에게 과도하게 강한 움직임을 알리는 안내 정보가 송출된다. 그러므로, 획득 프로세스 동안 움직임 값들로부터 원하는 품질 목표를 달성할 수 없는 위험이 존재함이 이미 명백한 경우, 환자에게 적절한 안내 정보의 송출을 통해 가능하다면 움직임 횟수를 줄일 것을 요청할 수 있다. 이러한 방식으로, 궁극적으로는 획득 프로세스 동안 환자 측의 충분한 협력이 가능한지가 동적으로 모니터링될 수 있다. 이러한 유형의 안내 정보는 물론 조작자에게도 출력될 수 있으며, 그러한 경우 조작자들은 환자를 진정시키고, 환자가 더 잘 협력하도록 독려할 수 있다. 따라서, 궁극적으로는, 움직임 모니터링의 피드백이 생성되며, 이는 획득 프로세스 동안 즉각 이용될 수 있다.
또한, 본 발명에 따른 방법의 실제 적용 시, 획득 기간들은 일반적으로 수분의 범위 내에, 예를 들어 1 내지 10분의 범위 내에 놓일 것이다. 이에 대응하여, 하위 기간들은 수초의 범위, 예를 들어 1 내지 10초의 범위에 놓일 것이다.
상기 방법에 부가하여, 본 발명은 또한 본 발명에 따른 방법을 수행하도록 구현된 제어 장치를 포함하는 자기 공명 장치에 관한 것이다. 본 발명에 따른 방법에 대한 모든 설명은 본 발명에 따른 자기 공명 장치에 유사하게 전용될 수 있고, 따라서 전술한 이점들을 얻을 수 있다. 따라서, 특히, 제어 장치는, 선택적으로는 대응 실시예에서 내비게이터를 포함하는, 자기 공명 데이터를 획득하기 위한 자기 공명 장치의 다른 컴포넌트들을 제어할 수 있는 획득 유닛을 포함할 수 있다. 추가로, 상이한 하위 기간들에 대한 움직임 값들을 결정하고 대응하는 서브 데이터세트들을 할당하기 위해서 움직임 모니터링 유닛이 제공된다. 재구성 유닛에서, 특히 3차원의 영상 데이터세트의 재구성을 위해 이용될 움직임 상태 클래스들 또는 서브 데이터세트들은 움직임 값들을 참조하여 선택되고, 재구성이 수행된다. 추가의 유닛들은 본 발명에 따른 방법의 추가의 단계들을 구현할 수 있다.
본 발명의 추가의 이점들 및 상세들은 도면들을 참조하여 그리고 후술되는 예시적인 실시예들로부터 도출될 수 있다.
도 1은 본 발명에 따른 방법의 예시적인 실시예의 흐름도를 도시한다.
도 2는 예약된 하위 기간들 내에 다시 획득될 서브 데이터세트들을 도시한다.
도 3은 제1 예시적인 실시예에서 움직임 상태 클래스들 사이의 서브 데이터세트들의 분포를 나타내는 히스토그램을 도시한다.
도 4는 제2 예시적인 실시예에서 획득 프로세스 동안 비반전 움직임이 발생한 경우의 움직임 상태 클래스들 사이의 서브 데이터세트들의 가능한 분포를 도시한다.
도 5는 본 발명에 따른 자기 공명 장치를 도시한다.
이제, 하기에서 본 발명에 따른 방법의 예시적인 실시예를 더 상세히 설명한다. 본 방법은 어쩌면 움직임의 대상이 될 수 있는 환자의 검사 부위의 3차원 MRI 데이터세트(three-dimensional magnetic resonance imaging dataset)의 획득을 수반하며, 설명된 바와 같이, 본 방법은 또한 다른 차원들과 이용될 수 있다. 이 경우에, 3차원 MRI 데이터세트의 재구성(reconstruction)이 적어도 부분적으로 기초가 되어야 하는 대응하는 자기 공명 데이터를 위한 획득 프로세스는 검사의 말미에 수행된다. 따라서, 획득 프로세스를 위한 고정된 획득 기간을 특정하기 위해, 단계 S1에서, 검사의 선행하는 부분 검사들의 지속시간들이 합산되고, 미리 정해진, 정의된 검사 지속시간에서 차감되는데, 이것은 또한 자기 공명 장치의 이용을 플래닝하기 위한 근거(basis)로서 이용된다. 동시에, 정의될 획득 기간의 최대 길이가 초과되지 않는 것이 또한 명백히 가능하여, 추정된 전체적인 검사 지속시간이 더 짧아지는 것으로 나타나지만, 이것은 불리하지는 않다.
단계 S2에서, 이러한 방식으로 사전 결정된 고정 획득 기간은 이제 하위 기간들로 분할되고, 이들 각각에서 자기 공명 데이터를 갖는 서브 데이터세트들이 획득되는 것이다. 따라서, 전체적인 획득 프로세스는 부분 획득들로 분할된다. 동시에, 각각의 서브 데이터세트는 서브 샘플링되며, 그러나, 각각의 서브 데이터세트에서, 각각의 경우에 이에 관한 데이터를 갖기 위해, 검사 부위에 대응하는 k 공간의 센터 주위의 영역의 완전한 샘플링이 샘플링되는 것으로 규정될 수 있다. 다른 예들은 더 드물지만, 그럼에도 불구하고 k 공간 중심 주위의 영역의 다수의 샘플링이 예상된다. 이러한 방식으로, k 공간의 센터로부터의 데이터는 그 후에 관련 있는 움직임 상태들에 적어도 이용가능하다는 것이 보장된다. 이 경우에, 서브 데이터세트들에 대한 서브 샘플링이 각 경우에서 선택되어, 개별적인 서브 데이터세트들이 보충되고, 그에 따라 서브 샘플링 계수는 몇 개의 서브 데이터세트들의 조합에 부합한다. 게다가, 하위 기간들 내의 획득들을 계획할 때, 서브 데이터세트들의 상이한 조합에 의해, 검사 부위에 대응하는 k 공간의 가능한 한 균일하게 분포된 샘플링이 그럼에도 불구하고 획득된다는 것에 유의해야 한다. 동시에, 확률적인 또는 의사 랜덤식의 서브 샘플링이 수행되는 것이 특히 바람직할 수 있다. 결국, 그러나, 가장 다양한 유형의 서브 샘플링이 이용되는 것이 가능하고, 3차원 자기 공명 영상 데이터세트들에 대한 대응하는 재구성 방법이 그에 상응하여 이용될 수 있다는 것이 공지된다. 서브 데이터세트들의 상이한 조합들에도 불구하고 가능한 한 균일하게 분포되는 샘플링 패턴들을 허용하는 대응하는 절차들은 이미 제안되었으며; 예를 들어, 방사상 샘플링동안, k 공간에서 방사상으로 샘플링되는 연속적인 스포크들(spokes)은 골든 앵글(golden angle) 및 그와 유사한 것의 스페이싱(spacing)을 항상 갖는다는 개념을 이용하는 것이 가능하다.
본 예시적인 실시예에서, 조작자는, 예를 들어, 환자가 상당히 차분한지 또는 상당히 불안한지, 밀실 공포증을 겪고 있는지 등과 같은, 특히 검사 부위에서, 환자의 예상되는 움직임의 정도를 표시하는 환자 정보를 이미 입력했다. 이러한 종류의 움직임 정보는 또한, 예를 들어, 선행하는 부분 검사들의 결과로부터의 자기 공명 장치 및/또는 획득된 로컬라이저들에 의해 이전 획득들로부터 이미 도출될 수 있다. 이 환자 정보는 재구성에 부적합한 것으로서 분류된 서브 데이터세트들의 획득의 반복에 이용되는 획득 기간의 말미에 다수의 예약된 하위 기간들을 정의하는데 이용된다. 이것은 아래 더 상세히 다루어질 것이다.
이제, 단계 S3에서, 대응하는 하위 기간들 내에 서브 데이터세트들의 자기 공명 데이터의 획득이 시작되며, 각각의 서브 데이터세트와 병행하여, 서브 데이터세트의 획득 동안 검사 부위의 움직임 상태를 기술하는 적어도 하나의 움직임 값이 결정된다. 이것은, 윈칙적으로, 예를 들어, 내비게이터의 적절한 배치에 의해, 특히 k 공간 중심이 동시에 샘플링되었을 때, 서브 데이터세트 자체의 자기 공명 데이터로부터 이미 도출될 수 있지만, 종래 기술에서 기본적으로 공지진 바와 같은 자기 공명 장치에 의한 추가의 내비게이터 측정들 또한 가능하다. 추가의 측정 수단, 예를 들어, 호흡 벨트들, 광학 센서들, 추적 마커들, 특히 카메라들, 움직임에 대한 필드 카메라 기반 추적 가능성 등이 이용되는 것 또한 가능하다. 동시에, 환자, 특히 검사 부위의 움직임 상태에 대한 소스들의 명백한 누적 이용이 생각될 수 있으며, 그에 상응하여 더 많은 움직임 값들이 이용될 수 있고 및/또는 움직임 값은 움직임 데이터의 부분적인 조합으로서 조립될 수 있다.
각각의 서브 데이터세트의 획득에 이어 또는 심지어 다음 서브 데이터세트의 획득 동안, 선택적인 단계들 S5 및 S6이 각각의 경우에 수행되며, 선택적으로는, 선택적인 단계들 S5 및 S6에서의 체크들이 수행되기 전에 이미 획득된 서브 데이터세트들의 최소 개수의 형태인 임계값이 제공되는 것 또한 가능하다.
최종적으로, 단계 S5에서, 사전 영상 데이터세트는 선택된 서브 데이터세트들로부터 재구성되고, 이하에 더 상세히 기술되는 바와 같이, 이러한 사전 영상 데이터세트가 최소 영상 품질 요건을 기술하는 품질 기준을 이미 충족하는지 여부에 대해 체크가 수행된다. 동시에, 선택적인 단계 S5의 실시간 구현을 가능하게 하기 위해, 품질 기준은 2차원 절편 영상에서 평가되는 것이 바람직하다. 품질 목표가 획득 기간의 종료 이전에 이미 달성되었다면, 단계 S7에 따라, 획득 프로세스는 이 단계에서 중단될 수 있으며, 대응하는 사전 영상 데이터세트가 3차원 MRI 데이터세트로서 이용될 수 있다.
선택적인 단계 S6에서, 지금까지 획득된 움직임 값들은, 환자의 움직임 활동이 그에 상응하여 계속되고 있다면, 3차원 MRI 데이터세트에 대한 품질 목표가 충족되지 않을 위험이 있는지의 여부에 대해 출력 기준을 참조하여 평가된다. 이런 경우라면, 단계 S8에서, 움직임 활동이 감소되어야 함을 표시하는 안내 정보가, 존재한다면, 환자와 조작자에게 출력된다.
단계 S9에서, 획득 기간의 종료 시 예약된 하위 기간이 달성되었는지 여부를 질의한다. 그렇지 않다면, 다음 서브 데이터세트는 예약되지 않은 하위 기간동안 획득된다. 그러나, 획득 기간의 종료에 도달하지 않은 경우, 이는 단계 S10에서 체크되며, 서브 데이터세트가 예약된 하위 기간 내에 획득되는 경우, 단계 S11에서 서브 데이터세트가 예약된 하위 기간 내에 다시 획득될 때까지 이용가능한 움직임 값들의 평가에 의해 결정된다.
이것은 도 2를 참조하여 더 상세히 설명된다. 이것은 획득 프로세스들에 대해 고정된 획득 기간(1)의 개략도이며, 이는 대응하는 하위 기간들(2, 3)로 분할된다. 획득 기간(1)의 끝에 놓여 있는 3개의 하위 기간들은 예약된 하위 기간들(3)을 형성한다. 따라서, 도 2의 하위 영역에 표시된 바와 같이, 시점(4)에서, 예를 들어, 할당된 움직임 값들(6)을 갖는 특정 개수(n)의 서브 데이터세트들(5)이 이용가능하다. 움직임 값들(6)의 분석, 특히 히스토그램 분석은, 3차원 MRI 데이터세트의 재구성에 대하여 이후에 또한 수행되는 것으로, 해당 서브 데이터세트의 어느 자기 공명 데이터가 3차원 MRI 데이터세트의 재구성에 이용하기에 아마도 특히 부적합한지 또는 가장 부적합한지에 대해 결정을 할 수 있게 한다. 다음으로, 화살표(7)로 표시된 바와 같이, 이러한 서브 데이터세트들은 각각의 예약된 하위 기간들(3) 내에 다시 획득될 수 있으며, 이전의 대응하는 자기 공명 데이터가 폐기된다.
이러한 점에서, 도 2의 원리도는 단지 설명을 위한 것일 뿐이다. 보통, 획득 기간의 지속시간은, 예를 들어, 몇 분의 범위, 예를 들어, 3 내지 10분의 범위일 수 있다. 이 경우에, 하위 기간들은 초의 범위에서, 예를 들어 1 내지 20초의 범위에서 선택될 수 있으며, 특히 10초가 선택될 수 있다.
단계 S12에서, 움직임 데이터의 획득이 완료되고 이제 할당된 움직임 값들(6)을 갖는 n개의 서브 데이터세트들(5)이 이용가능하고 이들은 이제 서브 데이터세트들(5)을 상이한 움직임 상태 클래스들로 분할하기 위해 이용되는데, 이것은 기존 움직임 값들(6) 자신을 참조하여 정의될 수 있거나 움직임 값들(6)에 대한 특정 간격들에 걸쳐서 사전 설정될 수 있다. 서브클래스(5)의 모든 적어도 하나의 움직임 값(6)이 움직임 상태 클래스에 할당된 움직임 값(6)에 대한 모든 적어도 하나의 간격에 있는 경우, 서브 데이터세트(5)는 이러한 움직임 상태 클래스의 부분으로서 평가된다. 유사하게, 이제, 단계 S12에서, 어느 서브 데이터세트들(5), 즉 구체적으로 어느 움직임 상태 클래스들의 어느 자기 공명 데이터가 3차원 MRI 데이터세트의 재구성에 기여해야 하는지가 판정된다. 동시에, 선택 기준이 이용되며, 예를 들어, 자기 공명 데이터의 대부분, 즉 서브 데이터세트들(5)의 대부분을 포함하는 움직임 상태 클래스가 선택될 수 있으며, 재구성에 대한 적합성을 기술하는 품질 기준들이 또한 움직임 상태 클래스의 자기 공명 데이터 및/또는 움직임 값(6)에 대해 고려될 수 있다. 예를 들어, k 공간의 충분히 균일한 커버리지가 제공되는지 여부를 모니터링하는 것이 가능하다.
이것은 도 3 및 도 4를 참조하여 아래 더 상세히 설명된다. 이들 둘 다 히스토그램들에서 움직임 상태 클래스 Z에서의 서브 데이터세트들(5)의 개수 N을 나타내고 있으며, 이는 여기서 움직임 값(6)에 대한 간격들에 의해 정의된다. 도 3에 따르면, 이러한 움직임 상태 클래스(8)가 이러한 움직임 상태에 대한 3차원 MRI 데이터세트를 재구성하기 위해 근본적으로 선택되도록, 하나의 움직임 상태 클래스(8)는 서브 데이터세트들(5)의 대부분, 즉 자기 공명 데이터의 대부분을 포함한다. 그러나, 이것은 이제 후속 재구성 동안, 움직임 상태들을 크게 벗어나지 않는 자기 공명 데이터도 고려될 수 있다는 가능성을 배제하지 않으며, 이 경우에, 선택된 움직임 상태 클래스에 부가하여, 움직임 상태 클래스들(9 및 10)의 자기 공명 데이터는 재구성시 포함되는데, 이는 이것이 움직임 상태들의 편차가 단지 적다는 것을 표시하는, 움직임 값들(6)에 대한 편차 기준을 충족하기 때문이다. 그러나, 움직임 상태 클래스들(9 및 10)의 이러한 자기 공명 데이터는 가중치가 작은 재구성에 포함되며, 가중치는 획득 프로세스 이후에 움직임 상태 클래스(8)에 의해 정의된 참조 움직임 상태로부터 움직임 상태의 편차 정도에 기초하여 선택된다.
도 3에서의 히스토그램은, 도 2를 참조하여 설명되는 바와 같이, 여기에 나타낸 히스토그램 관측이 단계 S11에서 서브 데이터세트들(5)의 실시간 분류 이후에 수행되는 경우, 움직임 상태 클래스들(11, 12 및 13)에서의 개별적인 서브 데이터세트들을 부수적으로 또한 나타내고 있으며, 이들의 움직임 상태는 선택된 움직임 상태 클래스(8)로부터 현저하게 벗어나며 예약된 하위 기간들(3) 내에서의 재측정을 위한 전통적인 후보들을 나타낸다.
도 4는 움직임 상태 클래스 Z에서 서브 데이터세트들의 개수를 표시하는 히스토그램의 추가의 예를 나타낸다. 여기서 나타낸 경우에서, 실제 움직임만이 특정 시점에서 또는 특정한 짧은 시간 간격에 발생하거나, 이와는 달리 검사 부위가 실질적으로 움직임이 없도록 획득 프로세스 동안 환자는 잠들어 있다. 이는 서브 데이터세트들의 대부분이 움직임 상태 클래스(14)로 분류된다는 사실로 표현되며, 선택된 움직임 상태 클래스(14)는 또한 재구성을 위한 근거로서 이용되어야 한다. 그럼에도 불구하고, 움직임 상태 클래스(14)와는 현저하게 상이한 움직임 상태를 갖는 움직임 상태 클래스(15)에 주목할 만한 개수의 서브 데이터세트들(5)이 또한 존재한다. 그럼에도 불구하고, 움직임 상태 클래스(13)의 자기 공명 데이터는, 이 경우에, 단계 S12에서 보정 가능성 기준에 의해 커버되는, 보정이 가능할 때 재구성에 포함될 수 있다. 이것 때문에, 비교 측도, 이 경우에 상호 정보 측도는, 위치 공간에서 형성되며, 이는 서로에 대해, 특히 그들의 재구성된 중간 영상 데이터세트들로부터, 자기 공명 데이터의 등록에 대한 적합성을 궁극적으로 나타낸다. 보정 가능성 기준을 충족하면, 대응하는 등록이 결정되고 움직임 상태 클래스(13)의 자기 공명 데이터는 대응하는 움직임 보정에 의해 움직임 상태 클래스(14)의 움직임 상태로 변환되고, 재구성에 포함될 수 있다. 양쪽 움직임 상태 클래스들(13, 14)에서 다량의 자기 공명 데이터로 인해 명확하게 정당화되는, 이러한 등록의 결정 동안, 움직임을 기술하는 움직임 값들(6) 또는 그들의 근본적인 움직임 데이터는, 움직임 파라미터들에 의한 움직임의 모델링하는 것 및/또는 등록 파라미터들에 대한 경계들을 적어도 설정하는 것에 대해 고려된다.
명백하게, 이러한 2가지 변형의 조합은 3차원 영상 데이터세트의 재구성을 위한 가장 광범위한 가능한 근거를 획득하기 위해 재구성의 목적에 대해 고려해야 할 추가의 움직임 상태 클래스들(9, 10, 13)의 결정에 대해 또한 가능하다.
재구성에 포함될 모든 자기 공명 데이터 또는 서브 데이터세트(5)가 식별되었다면, 재구성은 단계 S13에서 수행되며, 이와 관련해서는 다시 도 1을 참조한다. 이때, 편의상 비간섭성 샘플링의 경우에는 반복 재구성 방법이 이용되지만, k 공간의 간섭성 샘플링의 경우에는 선형 재구성 방법, 특히 GRAPPA 방법이 이용된다.
최종적으로, 도 5는 본 발명에 따른 자기 공명 장치(16)의 개략도를 나타낸다. 상기 자기 공명 장치는 기본적으로 공지된 바와 같이, 여기에는 상세히 도시되지 않은 환자용 침상을 이용하여 환자가 그 내부로 이동될 수 있는 환자 수용 구역(18)을 정의하는 기본 자석 유닛(17)을 갖는다. 여기서, 환자 수용 구역(18)은 일반적으로 경사 코일 장치와 무선 주파수 코일 장치에 의해 둘러싸인다.
자기 공명 장치(16)의 작동은 본 발명에 따른 방법을 수행하도록 형성된 제어 장치(19)에 의해 제어된다. 이를 위해 제어 장치(19)는 서브 데이터세트들의 자기 공명 데이터를 획득하기 위한 자기 공명 장치(16)의 추가 컴포넌트들을 제어하기 위한 적어도 하나의 획득 유닛과, 움직임 값들(6)의 결정을 위한 움직임 모니터링 유닛과, 재구성에 산입되는 서브 데이터세트들의 선택도 담당하는 재구성 유닛을 포함한다. 추가 유닛은 전술한 히스토그램 관측 및 움직임 상태 클래스들로의 분할도 수행할 수 있는 분석 유닛일 수 있다.
본 발명은 바람직한 예시적인 실시예에 의해 상세히 기술되고 설명되었지만, 본 발명은 개시된 예들에 의해 한정되지는 않으며, 본 발명의 보호 범위를 벗어나지 않는 한 본 분야의 숙련된 자에 의해 상기 실시예로부터 다른 변형들이 도출될 수 있다.

Claims (27)

  1. 자기 공명 장치(16)를 이용하여 환자의 검사 부위의 MRI(magnetic resonance imaging) 데이터세트를 획득하기 위한 방법으로서,
    획득 프로세스를 위해 확정되고 복수의 하위 기간들(2, 3)로 분할되는 사전 결정된 획득 기간(1)에 걸쳐 자기 공명 데이터를 획득하며, 이때, 하위 기간(2, 3) 내에 서브 샘플링에 의해 획득된 상기 자기 공명 데이터의 각각의 서브 데이터세트(5)에 대해, 상기 검사 부위의 움직임 상태(motion status)를 기술하는 적어도 하나의 움직임 값(6)을 결정하고,
    움직임 인공물(motion artifact)을 최소화하기 위해, 상기 움직임 값들(6)에 기초하여 상기 MRI 데이터세트의 재구성에 이용될 서브 데이터세트(5)를 선택하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서, 서브 데이터세트 자체(5)의 자기 공명 데이터로부터 상기 움직임 값(6) 또는 상기 적어도 하나의 움직임 값(6)의 적어도 하나가 결정되는 것을 특징으로 하는 방법.
  3. 제1항 또는 제2항에 있어서, 상기 움직임 값(6) 또는 상기 적어도 하나의 움직임 값(6)의 적어도 하나는, 상기 자기 공명 데이터의 결정과는 별개의 측정에 의해 결정되는 것을 특징으로 하는 방법.
  4. 제3항에 있어서, 상기 움직임 값(6)의 측정을 위해, 상기 자기 공명 장치(16)를 이용한 내비게이터 측정을 수행하고, 그리고/또는 추가의 측정 수단이 이용되는 것을 특징으로 하는 방법.
  5. 제1항 또는 제2항에 있어서, 상기 하위 기간들(2, 3) 내에 검사 부위에 할당된 k 공간의 샘플링이 확률적으로 또는 의사 랜덤 방식으로 또는 규칙적 패턴에 따라 수행되는 것을 특징으로 하는 방법.
  6. 제1항 또는 제2항에 있어서, 선택된 자기 공명 데이터로부터의 상기 MRI 데이터세트의 재구성은, 비간섭성 샘플링의 경우 반복적 재구성 방법에 따라 수행되거나, 또는 간섭성 샘플링의 경우 선형 재구성 방법에 따라 수행되는 것을 특징으로 하는 방법.
  7. 제1항 또는 제2항에 있어서, 상기 서브 데이터세트들(5)은 상기 움직임 값(6)을 참조하여 적어도 2개의 움직임 상태 클래스(8-15)로 분류되는 것을 특징으로 하는 방법.
  8. 제7항에 있어서, 상기 MRI 데이터세트의 재구성을 위해 적어도, 상기 자기 공명 데이터의 대부분을 포함하고, 그리고/또는 상기 재구성에 대한 적합성을 기술하는 움직임 값(6)에 대한 품질 기준을 충족하는 움직임 상태 클래스(8-15)의 서브 데이터세트들이 선택되는 것을 특징으로 하는 방법.
  9. 제8항에 있어서, 상기 선택된 움직임 상태 클래스(8, 14)의 자기 공명 데이터에 부가하여, 상기 선택된 움직임 상태 클래스(8, 14)의 서브 데이터세트들(5)의 움직임 값들(6)에 대해 상기 움직임 값들(6)의 편차 기준을 충족하는 적어도 하나의 추가의 움직임 상태 클래스(9, 10)의 자기 공명 데이터도 고려되는 것을 특징으로 하는 방법.
  10. 제9항에 있어서, 상이한 상기 움직임 상태 클래스(8, 9, 10)의 자기 공명 데이터는, 상기 선택된 움직임 상태 클래스(8, 14)의 움직임 값들에 대한 그 움직임 상태 클래스(9, 10)의 움직임 값들(6)의 편차에 기초하여 선택된 가중치로 가중되어 이용되는 것을 특징으로 하는 방법.
  11. 제8항에 있어서, 상기 선택된 움직임 상태 클래스(8, 14)의 자기 공명 데이터에 부가하여, 대응하는 보정 이후 움직임으로 인해 발생하는 차이들의 보정 가능성을 기술하는 보정 가능성 기준을 충족하는 적어도 하나의 추가의 움직임 상태 클래스(15)의 자기 공명 데이터도 고려되는 것을 특징으로 하는 방법.
  12. 제11항에 있어서, 상기 보정 가능성 기준은, 상기 선택된 움직임 상태 클래스(8, 14)의 자기 공명 데이터로부터 결정된 중간 영상 데이터세트와, 체크될 움직임 상태 클래스(15)의 자기 공명 데이터로부터 결정된 중간 영상 데이터세트의 성공적인 등록에 대한 척도를, 상호 정보 척도를 참조하여 결정하고, 이를 임계값과 비교하는 것을 특징으로 하는 방법.
  13. 제11항에 있어서, 움직임 보정의 수행 시, 움직임 값들(6) 및/또는 상기 움직임 값들(6)의 결정 시 결정된 추가의 움직임 데이터는 움직임을 모델링하는 적어도 하나의 움직임 파라미터의 결정을 위해 그리고/또는 등록 시 적어도 하나의 값 범위의 제한을 위해 평가되는 것을 특징으로 하는 방법.
  14. 제1항 또는 제2항에 있어서, 적어도 하나의 예약된 하위 기간(3)에 대하여, 획득 기간(1)의 종료 시 선행 하위 기간(2)에 이미 측정된 서브 데이터세트(5)의 측정이 반복되며, 새로 획득될 서브 데이터세트(5)는 상기 하위 기간(3)까지 획득된 모든 서브 데이터세트들(5)의 움직임 값들(6)의 평가를 참조하여 동적으로 선택되는 것을 특징으로 하는 방법.
  15. 제14항에 있어서, 예약된 하위 기간(3)의 수는 예상되는 움직임들을 기술하는 환자 정보에 기초하여 선택되는 것을 특징으로 하는 방법.
  16. 제15항에 있어서, 상기 환자 정보로서, 자기 공명 장치(16)에서 선행된 적어도 하나의 환자 측정으로부터 결정된 정보 및/또는 이용자에 의해 입력된 거동 정보가 이용되는 것을 특징으로 하는 방법.
  17. 제1항 또는 제2항에 있어서, 모든 서브 데이터세트들(5) 또는 적어도, 예약된 하위 기간(3) 이전에 획득될 모든 서브 데이터세트들에서, 검사 부위에 할당된 k 공간의 적어도 부분적으로 상이한 컴포넌트들이 샘플링되는 것을 특징으로 하는 방법.
  18. 제17항에 있어서, 적어도 2개의 하위 기간들(2, 3) 내에, k 공간 중심 주위의 미리 정해진 영역이 완전히 샘플링되고, 그리고/또는 서브 데이터세트들(5)의 전부 및/또는 하나의 미리 정해진 컴포넌트를 함께 고려하여 미리 정해진 서브 샘플링 계수가 도출되는 것을 특징으로 하는 방법.
  19. 제1항 또는 제2항에 있어서, 상기 MRI 데이터세트는 자기 공명 장치(16)를 이용하여 복수의 부분 검사를 포함하는 검사의 말미에서 획득되며, 획득 프로세스를 위해 확정된 획득 기간(1)은 미리 정해진 확정된 검사 지속시간에서 선행하는 부분 검사들의 지속시간을 제한 값으로서 사전 설정되는 것을 특징으로 하는 방법.
  20. 제1항 또는 제2항에 있어서, 서브 데이터세트들(5)은 이미 상기 획득 기간(1) 동안에 선택되고, 그에 기반하여 사전 영상 데이터세트가 재구성되며, 사전 영상 데이터세트가 최소 영상 품질 요건을 기술하는 품질 기준을 충족할 때, 획득 프로세스는 획득 기간(1)의 만료 이전에 중단되고 가장 최근에 결정된 사전 영상 데이터세트가 MRI 데이터세트로서 이용되는 것을 특징으로 하는 방법.
  21. 제20항에 있어서, 검사 부위에서 미리 정해진 2차원 절편에 대한 품질 기준의 평가가 수행되는 것을 특징으로 하는 방법.
  22. 제1항 또는 제2항에 있어서, 상기 획득 프로세스 동안, 지금까지 결정된 움직임 값들(6)이, 예측 계산에서 MRI 데이터세트에 대한 품질 목표의 충족 실패를 초래하는 환자 측의 강한 움직임을 나타내는 출력 기준을 충족하는 경우에, 환자 및/또는 조작자에게 과도하게 강한 움직임을 알리는 안내 정보가 송출되는 것을 특징으로 하는 방법.
  23. 제1항 또는 제2항에 따른 방법을 수행하도록 형성된 제어 장치(19)를 포함하는 자기 공명 장치(16).
  24. 제1항에 있어서, 상기 MRI 데이터세트는 3차원이고, 상기 하위 기간들(2, 3)은 동일한 길이인 것을 특징으로 하는 방법.
  25. 제2항에 있어서, 상기 움직임 값(6) 또는 상기 적어도 하나의 움직임 값(6)의 적어도 하나는, 위치 공간에서 서브 데이터세트(5)의 자기 공명 데이터 내에 내비게이터를 배치함으로써, 그리고/또는 서브 데이터세트(5)에 대한 품질 척도를 결정함으로써 결정되는 것을 특징으로 하는 방법.
  26. 제4항에 있어서, 상기 추가의 측정 수단은, 환자에게 배치된 마커를 추적하는 카메라 및/또는 호흡 벨트 및/또는 필드 카메라로서 자기장을 측정하는 기준 프로브들을 포함하는 것을 특징으로 하는 방법.
  27. 제6항에 있어서, 상기 선형 재구성 방법은 GRAPPA 방법 또는 SENSE 방법인 것을 특징으로 하는 방법.
KR1020160002881A 2015-01-13 2016-01-08 Ｍｒｉ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치 KR101750648B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015200353.1 2015-01-13
DE102015200353.1A DE102015200353B4 (de) 2015-01-13 2015-01-13 Verfahren zur Aufnahme eines Magnetresonanzbilddatensatzes und Magnetresonanzeinrichtung

Publications (2)

Publication Number Publication Date
KR20160087346A KR20160087346A (ko) 2016-07-21
KR101750648B1 true KR101750648B1 (ko) 2017-06-23

Family

ID=56233432

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160002881A KR101750648B1 (ko) 2015-01-13 2016-01-08 Ｍｒｉ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치

Country Status (4)

Country Link
US (1) US10058287B2 (ko)
KR (1) KR101750648B1 (ko)
CN (2) CN105769197B (ko)
DE (1) DE102015200353B4 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107693041A (zh) * 2017-11-24 2018-02-16 上海联影医疗科技有限公司 医学扫描方法及系统
US10775466B2 (en) * 2018-02-09 2020-09-15 GE Precision Healthcare LLC System and method for magnetic resonance imaging an object via a stochastic optimization of a sampling function
DE102018203507B4 (de) * 2018-03-08 2020-10-22 Siemens Healthcare Gmbh Verfahren zur Aufnahme und Rekonstruktion eines vierdimensionalen Dynamikbilddatensatzes mit einer Magnetresonanzeinrichtung, Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
EP3543725A1 (en) * 2018-03-22 2019-09-25 Koninklijke Philips N.V. Self-navigation in three-dimensional magnetic resonance imaging
EP3564695A1 (de) * 2018-05-04 2019-11-06 Siemens Healthcare GmbH Verfahren zur erzeugung eines magnetresonanz-bilddatensatzes, computerprogrammprodukt, datenträger sowie magnetresonanzanlage
EP3640662A1 (en) 2018-10-16 2020-04-22 Koninklijke Philips N.V. Magnetic resonance imaging using motion-compensated image reconstruction
CN109727297B (zh) * 2018-12-29 2023-08-08 上海联影医疗科技股份有限公司 医学图像重建方法、系统、可读存储介质和设备
US10950014B2 (en) * 2019-03-01 2021-03-16 Canon Medical Systems Corporation Method and apparatus for adaptive compressed sensing (CS) to correct motion artifacts in magnetic resonance imaging (MRI)
US11696700B2 (en) 2019-04-25 2023-07-11 General Electric Company System and method for correcting for patient motion during MR scanning
EP3730964A1 (en) * 2019-04-26 2020-10-28 Siemens Healthcare GmbH Computer implemented method and system for magnetic resonance imaging
CN116269311A (zh) * 2023-02-10 2023-06-23 常州市儿童医院(常州市第六人民医院) 针对儿童的磁共振成像系统与成像方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100222666A1 (en) 2002-05-17 2010-09-02 Foo Thomas K F Method and apparatus for breath-held mr data acquisition using interleaved acquisition
US20140084924A1 (en) 2012-09-27 2014-03-27 David Grodzki Magnetic resonance method and apparatus for correction of magnetic resonance data
US20140125335A1 (en) 2012-11-02 2014-05-08 Universitaetsklinikum Freiburg Method for magnetic resonance imaging

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6614225B1 (en) 1999-12-03 2003-09-02 David Feinberg Simultaneous image refocusing
US7545967B1 (en) * 2002-09-18 2009-06-09 Cornell Research Foundation Inc. System and method for generating composite subtraction images for magnetic resonance imaging
US8229068B2 (en) * 2005-07-22 2012-07-24 Tomotherapy Incorporated System and method of detecting a breathing phase of a patient receiving radiation therapy
JP4639136B2 (ja) * 2005-10-19 2011-02-23 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 磁気共鳴イメージング装置
DE102007046579B3 (de) * 2007-09-27 2009-01-29 Siemens Ag Verfahren zur Detektion von Bewegungen und Korrektur von Bewegungen in tomographischen und projektiven Aufnahmeserien und Tomographie- beziehungsweise Projektionssystem zur Durchführung dieses Verfahrens
JP5377219B2 (ja) * 2008-12-16 2013-12-25 株式会社東芝 磁気共鳴画像診断装置および磁気共鳴画像撮像方法
EP2198917B1 (fr) * 2008-12-19 2016-03-30 Ela Medical Générateur pour prothèse cardiaque implantable, comprenant des moyens de mise en sécurité lors d'un examen IRM
US20110230755A1 (en) * 2010-03-04 2011-09-22 Macfarlane Duncan Single camera motion measurement and monitoring for magnetic resonance applications
GB2504642B (en) * 2011-04-21 2018-02-21 Koninl Philips Electronics Nv Magnetic resonance imaging of object inmotion
US9157979B2 (en) * 2011-05-02 2015-10-13 Toshiba Medical Systems Corporation Efficient multi-station MRI
JP6076677B2 (ja) * 2011-11-25 2017-02-08 東芝メディカルシステムズ株式会社 磁気共鳴イメージング装置
JP5942244B2 (ja) * 2011-11-30 2016-06-29 株式会社日立製作所 磁気共鳴イメージング装置及び体動アーチファクト低減法
DE102012206578B4 (de) * 2012-04-20 2023-11-02 Siemens Healthcare Gmbh Verfahren zur Akquisition eines Messdatensatzes eines atmenden Untersuchungsobjekts mittels Magnetresonanztechnik, Magnetresonanzanlage, Computerprogramm sowie elektronisch lesbarer Datenträger
DE102013205832A1 (de) * 2013-04-03 2014-10-23 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren zur Erzeugung von Bilddaten
CN103349550A (zh) * 2013-07-04 2013-10-16 华东师范大学 一种磁共振成像扫描与压缩传感重建一体化方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100222666A1 (en) 2002-05-17 2010-09-02 Foo Thomas K F Method and apparatus for breath-held mr data acquisition using interleaved acquisition
US20140084924A1 (en) 2012-09-27 2014-03-27 David Grodzki Magnetic resonance method and apparatus for correction of magnetic resonance data
US20140125335A1 (en) 2012-11-02 2014-05-08 Universitaetsklinikum Freiburg Method for magnetic resonance imaging

Also Published As

Publication number Publication date
CN105769197A (zh) 2016-07-20
KR20160087346A (ko) 2016-07-21
CN105769197B (zh) 2019-09-13
CN110353683B (zh) 2023-07-21
US10058287B2 (en) 2018-08-28
US20160199004A1 (en) 2016-07-14
DE102015200353B4 (de) 2017-11-16
CN110353683A (zh) 2019-10-22
DE102015200353A1 (de) 2016-07-14

Similar Documents

Publication Publication Date Title
KR101750648B1 (ko) Ｍｒｉ 데이터세트를 획득하기 위한 방법 및 자기 공명 장치
US10222443B2 (en) Generating motion information for an at least partially moving examination region
US8543191B2 (en) Method to acquire measurement data of a breathing examination subject by magnetic resonance technology, and associated computer program
US7432710B2 (en) Apparatus and method for reducing image artifact
KR101630484B1 (ko) 원치 않는 신호들을 억제하는 동안 자기 공명 장치에 의한 측정 데이터의 트리거링된 획득을 위한 방법, 자기 공명 장치, 컴퓨터 프로그램 제품, 및 전자적으로 판독가능한 데이터 매체
US20110038520A1 (en) Magnetic resonance imaging apparatus and controlling method thereof
KR101955229B1 (ko) Mri 시퀀스를 설정하기 위한 방법
US9952303B2 (en) Method for automatic calibration of motion detection techniques in medical imaging systems
JP2009533128A (ja) 動き補償を含む、連続的に移動する対象物のｍｒｉ
JP6151697B2 (ja) 磁気共鳴イメージング装置及び磁気共鳴イメージング方法
US10018699B2 (en) Method and magnetic resonance apparatus for acquiring magnetic resonance data with a prospective motion correction
US11029383B2 (en) Operating a magnetic resonance device
US20120319689A1 (en) Magnetic resonance imaging apparatus
Li et al. Improving the robustness of 3D turbo spin echo imaging to involuntary motion
US7689264B2 (en) Method for producing MR (magnetic resonance) images of a moving object using navigator signals
JP4558397B2 (ja) 磁気共鳴イメージング装置
JP3891667B2 (ja) 磁気共鳴イメージング装置
US9354290B2 (en) Method and magnetic resonance system to generate an MR image with a tracking factor
EP1378760A2 (en) Sensitivity encoding magnetic resonance imaging method and system
US11300641B2 (en) Preventing interruptions in magnetic resonance measurements
US10420484B2 (en) System and method for magnetic resonance imaging with an adaptive gating window having constant gating efficiency
JP7461913B2 (ja) 磁気共鳴イメージング装置およびその制御方法
US20210149006A1 (en) Method for acquiring a magnetic resonance data set, data storage medium, computer program product, and magnetic resonance system
EP0415683A2 (en) NMR system
CN115515485A (zh) 用于检测外周神经刺激的设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant