KR20140120860A - 영상 데이터를 생성하는 방법 - Google Patents

영상 데이터를 생성하는 방법 Download PDF

Info

Publication number
KR20140120860A
KR20140120860A KR20140040177A KR20140040177A KR20140120860A KR 20140120860 A KR20140120860 A KR 20140120860A KR 20140040177 A KR20140040177 A KR 20140040177A KR 20140040177 A KR20140040177 A KR 20140040177A KR 20140120860 A KR20140120860 A KR 20140120860A
Authority
KR
South Korea
Prior art keywords
data
image data
raw data
different
motion
Prior art date
Application number
KR20140040177A
Other languages
English (en)
Other versions
KR101652387B1 (ko
Inventor
크리스토프 포만
마이클 젠게
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 KR20140120860A publication Critical patent/KR20140120860A/ko
Application granted granted Critical
Publication of KR101652387B1 publication Critical patent/KR101652387B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A61B5/7292—Prospective gating, i.e. predicting the occurrence of a physiological event for use as a synchronisation signal
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G01R33/4824—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory
    • G01R33/4826—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a non-Cartesian trajectory in three dimensions

Abstract

움직이는 대상물(O)의 영상 데이터(BD)의 생성을 위한 방법이 설명된다. 처음에, 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 상이한 측정 시점들(t0, …, tk, …)에서 대상물(O)을 포함하는 영역에 대한 원시 데이터(RD)가 취득된다. 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)과 각각 연관된 원시 데이터(RD)로부터 대상물(O)의 복수의 중간 영상 데이터 세트들(BBD)의 재구성이 이루어진다. 그 다음, 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 중간 영상 데이터 세트(BBD)들 사이의 편차 데이터(D0, D1, …, Dj, …, Dn)가 결정되고, 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 원시 데이터(RD)로부터의 영상 데이터(BD)의 재구성이 편차 데이터(D0, D1, …, Dj, …, Dn)를 고려하여 이루어진다. 또한, 자기 공명 시스템(1)용의 영상 데이터 생성 장치(20) 뿐만 아니라 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, 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
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 그래디언트 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. 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.
예를 들어, Magn. Reson. Med의 Peng Lai 등에 의한 논문 "Respiratory Self-Gated Four-Dimensional Coronary MR Angiography: A Feasibility Study", Vol 59, 2008, No. 6, P.1378 - 1385에는, 호흡 단계를 고려한 혈관 조영 자기 공명 취득의 시간 윈도우화(time windowing)를 위한 방법이 설명되어 있다.
(심장과 같은) 전체 장기의 이들 3차원 볼륨으로부터 재구성할 수 있도록 충분히 큰 k-공간 볼륨을 측정 데이터로 채우기 위하여, 결과적으로 대상물의 상이한 움직임 단계들의 상이한 측정 시점들에서 원시 데이터를 취득하는 것이 필요하다. 이것은, 스캔 패턴들이 상이한 세그먼트들로 해체된다는 것을 의미하며, 세그먼트들 또는 원시 데이터 세트가 호흡에 기인한 대상물의 상이한 움직임 단계들에서 위치할 수 있는 바로 연속된 심장 주기들에서 가장 자주 판독된다는 것을 의미한다. 이로써 전형적인 스캔 패턴은, 도면을 참조하여 이후에 더 상세히 설명되는 바와 같은, 소위 엽서형(phyllotactic)의 나선 패턴이다. 따라서, 이것은, k-공간을 통하는 평면(예를 들어, x/y 평면)에서 보았을 때 스포크(spoke) 궤적형으로 놓여 있는 판독점들을 이용한 방법이며, k-공간 중심으로부터 바깥쪽으로 이동하는 스포크들은, 예를 들어, 나선형으로 회전한다. 따라서 스포크들의 개개의 판독 프로세스는 평면에 직교하는 방향(예를 들어, z-방향)의 직선으로 이동한다. 따라서, 예를 들어, k-공간을 통과하는 z-방향에서의 전체 판독 프로세스는 판독 프로세스마다 판독된다.
그러나, 원시 데이터가 어느 세그먼트에서 취득되는지에 관계없이, 원시 데이터는 k-공간을 채우기 위해 취득되고, 상이한 움직임 단계들(특히 호흡 단계들)로부터 발생한다는 문제점이 항상 존재한다. 따라서, 상이한 움직임 단계들에 의해 생성된 이들 영상 변형에 대해 다시 보상하여 최종 영상 데이터에서 움직임 아티팩트가 나타나지 않도록 보장하는, 재구성 방법 내에서의 보정이 요구된다.
Magn. Reson. Med의 Himanshu Bath 등에 의한 논문 "3D Radial Sampling and 3D Affine Transform-based Respiratory Motion Correction Technique for Free-breathing Whole-heart Coronary MRA with 100% Imaging Efficiency", Vol. 65, 2011, No. 5, P. 1269-1277에서, 상이한 움직임 단계들로부터의 원시 데이터로부터 각각의 영상 데이터를 생성한 다음, 적절한 합산(summation)을 통해 이들 영상 데이터로부터 움직임-보정된 영상을 생성하는 것이 제안되어 있다. DE 197 13 846 A1 및 DE 697 21 900 T2에서, 보정된 영상 데이터는 각각 이전에 재구성된 영상 데이터로부터 유사하게 생성된다.
결과적으로, 본 발명의 목적은, 상이한 움직임 단계들로부터의 원시 데이터의 이용을 허용하며, 그럼에도 불구하고 움직임 아티팩트가 감소된(이상적으로는 심지어 완전히 회피된) 영상 데이터를 생성하는 적절한 방법 뿐만 아니라 영상 데이터 생성 장치를 달성하는 것이다.
이 목적은 청구항 1에 따른 방법 뿐만 아니라 청구항 13에 따른 영상 데이터 생성 장치를 통해 달성된다.
본 발명의 방법에 따르면, 처음에 대상물을 포함하는 영역에 대해 상기 대상물의 상이한 움직임 단계들의 다양한 측정 시점들에서 원시 데이터의 취득이 이루어진다. 원시 데이터의 취득은, 자기 공명 시스템에서의 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.
예를 들어, 측정 시점에서 취득된 원시 데이터는, 정의된 측정 시점에서 취득된 원시 데이터 세트, 또는 취득된 k-공간의 세그먼트일 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.
먼저, 취득된 원시 데이터로부터 대상물의 복수의 중간 영상 데이터 세트의 재구성이 이루어지고, 이들 중간 영상 데이터 세트는 대상물의 상이한 움직임 단계와 각각 연관된다. 이로써, 원하는 최종 영상 데이터의 재구성을 위해, 나중에도 요구되는 동일한 원시 데이터가, 추가의 원시 데이터와 함께 이용된다. 즉: 중간 영상 데이트 세트는, 다른 원시 데이터가 이용된다는 것이 아니라, 원시 데이터의 일부만(예를 들어, 정의된 움직임 단계의 원시 데이터만)이 이용되고 및/또는, 이후에 상세히 설명되는 바와 같이, 움직임 단계들과 정합하는 중간 영상 데이터 세트를 생성할 수 있기 위해 상이한 움직임 단계들의 원시 데이터가 상이한 가중치와 함께 이용된다는 점에서, 이후의 영상 데이터 세트와는 다르다.
또한, 편차 데이터의 결정, 예를 들어, 대상물의 상이한 움직 단계들의 중간 영상 데이터 세트들 사이의 변형 필드(움직임 필드라고도 함)들의 결정이 이루어진다. 원칙적으로, 상이한 중간 영상 데이터 세트들간의 편차 데이터도 역시 마찬가지로 간접적으로 정의되기 때문에, 기준 영상 데이터 세트에 관한 중간 영상 데이터 세트의 편차 데이터가 결정되는 것으로 족하다.
마지막으로, 상이한 움직임 단계들의 원시 데이터로부터의 원하는 영상 데이터의 재구성은 이들 편차 데이터를 고려하여 이루어진다. 이로써, 영상 데이터의 재구성을 위한 최적으로 큰 데이터베이스를 가지기 위하여 모든 움직임 단계들로부터의 모든 취득된 원시 데이터가 유익하게 포함된다. 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, 변형 필드를 반전시킨 다음 마찬가지로 재구성에 들어가는 역 변형 필드가 계산될 수도 있다.
여기서는, Bath 등에 의한 앞서 언급된 방법과는 달리, 원하는 영상 데이터가 개개의 움직임 단계들의 이전에 결정된 영상 데이터로부터 결정되는 것이 아니라, 측정된 원시 데이터가 다시 이용되고 이렇게 얻어진 편차 데이터가 추가적으로 재구성에 들어간다는 점에서 원하는 영상 데이터의 재구성이 원시 데이터로부터 직접 이루어진다. 따라서, 본 발명에 따른 방법은, 상이한 움직임 단계들에서 소수의 원시 데이터만이 존재하고 움직임 단계들로 인해 대상물 자세 및/또는 형상의 강한 이탈이 있더라도, 상당한 추가적 노력없이 생성되는 비교적 많은 양의 원시 데이터에 기초하는 움직임-보정된 영상 데이터를 허용한다. 따라서, 충분히 높은 영상 품질을 갖고 이전보다 짧은 측정 기간에서 움직임 아티팩트가 감소된, 움직이는 대상물의 전체의 볼륨 영상 데이터가 생성될 수 있다.
본 발명의 방법에 따라 동작할 수 있는 본 발명에 따른 영상 데이터 생성 장치는 처음에 대상물을 포함하는 영역에 대한 원시 데이터의 취득을 위한 원시 데이터 인터페이스를 가지며, 원시 데이터는 대상물의 상이한 움직임 단계들의 상이한 측정 시점들에서 취득된다. 앞서 언급된 바와 같이, 따라서, 상기 영상 데이터 생성 장치는, 예를 들어, 메모리나 또 다른 장치로부터의 원시 데이터를 수락하는 인터페이스일 수 있다.
또한, 영상 데이터 생성 장치는, 대상물의 상이한 움직임 단계들과 각각 연관된 복수의 중간 영상 데이터 세트를 재구성하도록 설계된 중간 영상 재구성 유닛을 요구한다.
게다가, 대상물의 상이한 움직임 단계들의 중간 영상 데이터 세트들간의, 또는 상기 설명된 바와 같이, 기준 영상 데이트 세트에 관한 편차 데이터를 결정하도록 설계된 편차 데이터 결정 유닛이 요구된다.
편차 데이터를 고려하여 상이한 움직임 단계들의 원시 데이터로부터 원하는 영상 데이터를 재구성하도록 설계된 전체 재구성 유닛이 추가로 요구된다. 원칙적으로, 이 전체 재구성 유닛은, 예를 들어, 필요하다면 기타의 입력 파라미터 및/또는 기타의 표적 함수(target function)가 제공된다는 점에서만, 수치 최적화 방법으로 측정될 원시 데이터와 정합하는 영상 데이터를 계산하는 적절한 최적화기를 갖춘 중간 영상 재구성 유닛과 동일한 재구성 유닛일 수 있다. 이들 가능성은 이후에 상세히 설명된다.
영상 데이터 생성 장치의 영상 데이터 인터페이스를 통해, 이들 영상 데이터는 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.
본 발명에 따른 영상 데이터 생성 장치는 특히 본 발명에 따른 자기 공명 시스템 내에 한 컴포넌트로서 통합될 수도 있다.
본 발명에 따른 이러한 영상 데이터 생성 장치 외에도, 이 자기 공명 시스템은 통상적으로: 측정 동안에 환자 또는 검사 대상물이 위치하는 측정실; 통상적으로 측정실에 기본 자계를 인가하기 위한 기본 자계 자석 시스템; 송신 안테나 시스템; 복수의 그래디언트 코일을 포함하는 그래디언트 시스템; 수신 안테나 시스템; 및 기본 자계 자석 시스템과 RF 송신 안테나 시스템과 그래디언트 시스템과 RF 수신 안테나 시스템을 제어하는 역할을 하는 제어 장치를 가진다.
그러나, 본 발명에 따른 영상 데이터 생성 장치는 또 다른 컴퓨터 단층 촬영 시스템의 일부가 될 수도 있다. 마찬가지로 영상 데이터 생성 장치는, 예를 들어, 네트워크를 통해 적절한 컴퓨터 단층촬영 시스템에 접속되거나, 상이한 방식으로 원시 데이터를 수신할 수 있는 상이한 별개의 장치에서 구현될 수 있다. 또한, 영상 데이터 생성 장치 및 그 다양한 컴포넌트들(특히 중간 영상 재구성 유닛, 편차 데이터 결정 유닛 및 전체 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.
종속항들 뿐만 아니라 이하의 명세서는, 각각, 본 발명의 특히 유익한 실시예와 전개를 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.
본 방법의 특히 바람직한 변형에서, 원시 데이터들은, 상이한 중간 영상 데이터 세트의 재구성시에 이들이 취득된 움직임 단계에 따라 상이하게 가중된다. 이런 방식으로, 움직임 단계에서 취득된 원시 데이터가 이 정의된 움직임 단계의 중간 영상 데이터 세트를 결정하는데 이용될 뿐만 아니라, 중간 영상 데이터 세트를 위한 데이터베이스를 증가시키기 위해 예를 들어 대응하여 더 낮은 가중치를 갖는 추가의 원시 데이터가 첨가될 수 있는 것이 보장될 수 있다. 이것은 연관된 움직 단계 자체로부터만 원시 데이터가 결정되는 이후의 편차 데이터 결정에 깊히 관련되지는 않지만, 다소 큰 데이터베이스는 더 나은 결과를 야기한다는 것이 드러났다.
따라서, 원시 데이터의 가중치부여(weighting)는 바람직하게는, 현재 중간 영상 데이터 세트를 재구성할 정의된 움직임 단계로부터의 거리에 따라 이루어진다. 따라서, "거리"라는 용어는 움직임 주기(예를 들어, 호흡 주기) 내에서의 시간적 거리(chronological distance)인 것으로 이해될 수 있다. 그러나, 유익하게도, 예를 들어, 원시 데이터의 편차 또는 이들로부터 재구성된 영상 데이터로부터 결정될 수 있는 공간적 거리도 있다.
특히 바람직한 방법에서, 원시 데이터는 상이한 움직임 단계 클래스들과 연관되며, 이것은 원시 데이터가 분류 또는 정렬된다는 것을 의미한다. 이 경우, 예를 들어, 정의된 움직임 단계로부터의 원시 데이터의 거리는 움직임 단계 클래스들의 서로간의 분리로서 이해될 수 있고, 예를 들어, 움직임 단계 클래스들이 얼마나 서로 가깝게 있는지, 또는 얼마나 많은 다른 움직임 단계 클래스들이 그들 사이에 놓여 있는지로서 이해될 수 있다. 예를 들어, 중간 영상 데이터 세트가 그 다음에 상이한 움직임 단계 클래스들에 대해 재구성될 수 있고, 재구성시에 원시 데이터는 그들과 연관된 움직임 단계 클래스에 따라 가중치부여될 수 있다. 원시 데이터의 움직임 단계 클래스가 중간 영상 데이터 세트를 재구성해야 하는 움직임 클래스로부터 멀리 떨어질수록, 가중치는 더 낮다.
정의된 움직임 클래스에 대한 중간 영상 데이터 세트의 재구성시에, 가중치 함수(유익하게는, Gaussian 함수 또는 유사한 함수)에 따라, 더 높은 가중치를 갖는 관련 움직임 단계 클래스(appertaining movement phase class)의 원시 데이터(즉, 관련 움직임 단계 클래스와 연관된 원시 데이터)와, 중간 영상 데이터의 재구성이 이루어지는 관련 움직임 단계 클래스의 원시 데이터에 관해 더 낮은 가중치를 갖는 다른 (예를 들어, 직접 또는 간접 인접한) 움직임 단계 클래스의 원시 데이터가 이용된다.
영상 데이터 및/또는 중간 영상 데이터 세트를 재구성하기 위해 반복적 수치 최적화 방법이 유익하게도 이용될 수 있다. 특히 이후에 상세히 설명된 유사-Newton 방법과 같은, 비선형 최적화 방법이 특히 바람직하게 이용된다. 예를 들어, 이 때문에 처음에 편차 데이터가 반전된 다음, 상기 편차 데이터를 고려한 영상 데이터의 이후의 재구성시에 최적화기의 표적 함수에 이용될 수 있다.
상이한 움직임 단계 클래스들로의 원시 데이터의 분류는 상이한 방식으로 이루어질 수 있다.
한 가능성은 소위 특별 네비게이터 원시 데이터(special navigator raw data)를 취득하는 것으로, 이로부터 네비게이터 영상이 생성된다. 보통 이들 네비게이션 영상들에 의해 볼륨이 취득되고, 이 볼륨에서 호흡 움직임이 특히 양호하게 검출될 수 있다. 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.
특히 바람직한 방법에서, 원시 데이터의 적어도 일부에 기초하여 상이한 측정 시점들에 대해 동일한 위치 개요 데이터(position overview data)가 생성된다. 이것은, 위치 개요 데이터를 위해, 그 자체가 원하는 FoV 또는 대상물의 영상 데이터의 재구성에도 이용되는 원시 데이터만이 이용되므로, 추가의 네비게이터 측정이 요구되지 않는다는 것을 의미한다. 원시 데이터의 적어도 일부에 기초하여 상이한 측정 시점들에 대한 위치 개요 데이터를 생성하기 위하여, 영상 데이터 생성 장치는 개요 데이터 생성 유닛을 가질 수 있다. 위치 개요 데이터는, 소정 방식으로 현재의 움직임 단계의 검출을 허용하는 영상 데이터일 수 있다. 원칙적으로, 이들은 3차원, 2차원 또는 심지어 단 1차원 데이터일 수 있다.
상이한 움직임 단계 클래스와 원시 데이터의 연관은 이들 위치 개요 데이터에 기초하여 이루어진다.
간단한 1차원 위치 개요 데이터를 생성하기 위해, k-공간의 중심을 통과하는 라인을 따른(중앙 판독 프로세스), 예를 들어, z-방향에서(그에 따라, 신체의 세로축 방향에서) 각각의 원시 데이터가 바람직하게는 k-공간의 세그먼트들의 취득시에 취득될 수 있다. 이것은 특히 자체로, 언급된 바와 같이, k-공간에 대한 원시 데이터가 볼륨을 재구성하기 위해 엽서형의 나선 패턴을 따라 채워지는지를 암시한다. 중앙 판독 프로세스 외에도, 원시 데이터는 중심선과 평행하게 놓인 추가의 라인을 따라 여전히 취득되어야 하고, 예를 들어, 나선형으로 바깥쪽으로 이동하는 궤적에 놓여 있는 포인트들을 통해 - z-방향과 수직으로 놓인 x/y 평면 내에서 - 이동하는 z-방향으로 판독 프로세스를 따라 취득되어야 한다.
중앙 판독 프로세스는 유익하게도 장기의 1차 움직임 방향으로 이동하도록 선택된다. 장기의 1차 움직임 방향의, 예를 들어, 심장의 경우 SI 방향(SI=Superior-Inferior, 따라서 신체의 세로축을 따라, 또는 z-방향으로)의 1차원 투사는 유익하게도, k-공간 중심을 통과하는 중앙 판독 프로세스를 따라 취득된 원시 데이터에 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. 이러한 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”, 2012, Magnetic Resonance in Medicine, 68: 571 내지 579에 설명되어 있다.
분류를 구현하기 위하여, 정의된 미리-설정된 기준 위치 개요 데이터에 관한 상이한 측정 시점들의 위치 개요 데이터에 대하여 미리 결정된 규칙에 따라, 편차 값들이 유익하게도 결정될 수 있다. 예를 들어, 기준 SI 투사(가장 간단한 경우, 제1 측정 시점의 SI 투사)의 투사 데이터와의, 상이한 SI 투사의 투사 데이터의 교차-상관이 이를 위해 구현될 수 있다. 그 다음, 원시 데이터는 편차 값에 따라 상이한 움직임 단계 클래스들과 연관된다. 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 초기에 분석될 수 있다.
특히 ("비닝(binning)"이라고 하는) 이 분류 방법을 더욱 향상시키기 위해, 다음과 같은 단계들이 유익하게 구현될 수 있다.
개개의 위치들 또는 공간 좌표나 위치 영역에 대한 위치 개요 데이터의, 측정 시점에 의존하는 산란이, 초기에, 예를 들어, 영상 데이터 생성 유닛의 적절한 개요 영상 데이터 분석 유닛에 의해 결정된다. 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.
위치 개요 데이터 내의 공간적 테스트 영역의 선택이 후속해서 이루어진다. 이를 위해, 영상 데이터 생성 장치는 테스트 영역 선택 유닛을 가질 수 있다. 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 따라 이루어진다. 따라서, 위치 영역 또는 위치 세그먼트들은 유익하게는 산란이 비교적 높은 위치 개요 데이터 내에서 정확하게 결정될 수 있는데, 이것은 이 곳에서 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 신뢰성있는지를 설정할 수 있다. 이를 위해, 영상 데이터 생성 장치는 테스트 영역 선택 유닛을 가질 수 있다.
마지막으로, 움직임 단계 클래스들과 원시 데이터의 연관은 상이한 테스트 영역들의 신뢰도 파라미터 값을 고려하여 이루어진다. 상이한 테스트 영역들의 식별과 이들 테스트 영역들 중 어느 것이 움직임의 검출에 특히 매우 적합한지의 모니터링을 통해 영상 품질이 대부분의 경우 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 생성될 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 발명의 방법을 통해 자동으로 고려될 수 있다는 사실에 기인한 것일 것이다.
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.
예를 들어, 이를 위해, 위치 개요 데이터 또는 기준 위치 개요 데이터와 연관된 원시 데이터의 분류가 초기에 별도로, 개개의 테스트 영역들 각각에 대한 위치 개요 데이터의 편차 값에 기초하여 이루어진다. 이로써 기준 위치 개요 데이터의 결정이 개개의 테스트 영역에 대해 이루어질 수 있다.
측정 시점에 의존하는 위치 개요 데이터의 공간적 산란 값이 유익하게도 각각의 움직임 단계 클래스에 대해 별도로 결정될 수 있다. 이러한 산란 값은, 테스트 영역들이 초기 선택되는 전술된 산란과 동일한 규칙에 따라(즉, 동일한 산란 측정에 의해), 그러나, 이제는 이들 데이터로부터 계산된 평균값에 의한 각각의 움직임 단계 클래스의 위치 개요 데이터의 산란만이 여전히 이루어진다는 차이점에 의해, 결정될 수 있다.
복수의 움직임 단계 클래스의 산란 값들의 합은 또한, 바람직하게는 테스트 영역에 대한 신뢰도 파라미터 값들로서 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 신뢰성있는 것으로서 분류된다는 것을 의미한다. 당연히, 신뢰도 값의 결정에 따라, 신뢰도 파라미터 값이 가장 높은 테스트 영역을 이용하는 것이 역시 가능할 것이다.
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 보정하는데 이용될 수 있다는 것을 배제하지 않는다.
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 kx, ky, kz에서의 k-공간 볼륨의 도면(좌측은 kx/ky 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 Rk에서) 복수의 궤적들이 z-방향(k-공간에서의 좌표 kz의 방향)으로 이동하는 병렬 판독 프로세스에 의해 스캔될 수 있고, 여기서, k-공간 Rk에서의 이들 판독 프로세스는 kx/ky 면에 관해 정의된 패턴으로 배열된다. 이러한 바람직한 판독 타입의 경우 궤적의 한 예가 도 3에 도시되어 있다. 여기서 z-방향으로 이동하는 궤적의 판독 프로세스는 kx/ky면에 관한 엽서형의 나선 스캔 패턴에 따라 배열된다. kx/ky 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, kx/ky 면의 궤적의 각 포인트는 원시 데이터를 취득하기 위해 k-공간을 스캔하는 kz 방향으로 이동하는 판독 프로세스를 나타낸다는 것이 명백하다. (나선형 스포크 궤적에 대응하는) kz 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 kz 방향으로 종방향으로 이동하는 판독 프로세스 세트에 의해 나선형 스포크의 원시 데이터(RD)를 포함한다. 이로써 먼저 원시 데이터(RDC)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(RDC)(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 도면의 단계 5.I 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 tk(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 tk에서 취득된 개개의 SI 투사는, 사실상 각각의 테스트 영역 PR1, PR2에 대해 차례로 별도로, 그들의 편차 값 Δz0,k,1 또는 Δz0,k,2에 기초하여 상이한 움직임 단계 클래스들 BK0, BK1, BK2, …, BKn과 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, …, BKn에 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 별개로 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, …, BKn으로의 분류는, 상기 움직임 단계 클래스 BK0, BK1, BK2, …, BKn 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, …, BKn에서의 SI 투사들에 대해 별개로 이루어진다. 즉: 각각의 움직임 클래스 BK0, BK1, BK2, …, BKn에 대해 별개의 산란 값 SW0, SW1, SW2, …, SWn이 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, …, SWn이 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, …, BKn으로의 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 본 발명에 따른 단계 5.II에서 결정되는 편차 값들 Δz0 ,k,2를 이용하여, 움직임 아티팩트를 상당히 제거한 영상을 생성하기 위해 상이한 움직임 단계들에서의 원시 데이터로부터 후술되는 방법에 의해 영상 데이터의 재구성이 이루어진다. 그러나, 움직임 단계와 원시 데이터의 연관은 또한 상이한 방식으로, 예를 들어, 네비게이터의 도움으로 구현될 수도 있다는 점에도 다시 유의한다.
(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:
Figure pat00001
이 비용 함수에서, 벡터 x는 영상 데이터를 나타내고, 벡터 yij는 호흡 또는 움직임 단계 j에서 코일 i로 취득된 원시 데이터를 나타낸다. Ci는 (행렬 형태의) i번째 코일의 코일 감도이다. Dj는 (행렬 형태의) 변형 필드를 나타내며, 즉, 여기서는 데이터 yij의 취득 동안의 움직임을 나타내는 모델이다. F는 푸리에 변환 연산자이다. Mj는 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 1사이에 있어야 한다. 특히, 이것은 측정 데이터의 스케일링에 의존한다.
그러나, 이 방법과 함께 동작할 수 있기 위하여, 각각의 호흡 단계 j에 대한 움직임 필드 Dj가 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:
Figure pat00002
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 데이터 뿐만 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 Dj가 결정되고, 이것은, 개개의 움직임 단계들에 대한 변형 필드 또는 움직임 필드 Dj가 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 Dj가, 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 Dj가 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 Dj의 결정이 도 7을 이용하여 다시 한번 그래픽으로 예시되어 있다. 호흡 움직임 - 및 이에 의해 생성된 심장 위치의 변형 또는 변위 - 이 데이터 취득 단계 AC의 좌측에 도시되어 있다. 위쪽 행은 제1 움직임 단계 Ph0을 도시하고, 두 번째 행은 제2 움직임 단계 Ph1을 도시하며, 가장 아래쪽 행은 마지막 움직임 단계 Phn을 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, ...Phn에서 상이한 변형이 발생하고, 이것은 각각 변형 필드 또는 움직임 필드 D0, D1, ..., Dn으로 기술된다. 이것은 서로에 관해 개개의 단계 Ph0, Ph1, ..., Phn에서 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, ..., Phn에서 이루어지고, 각 세그먼트에서, k-공간 중심(RDc)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, ..., Phn으로부터의 원시 데이터(RD)만이 전술된 바와 같이 고려되거나 원하는 움직임 단계 Ph0, Ph1, ..., Phn에 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, …, Dn 뿐만 아니라, 호흡 움직임(AB)을 통해 생성되는 연관된 역 변형 필드 D0 -1, D1 -1, …, Dn -1 - 는 중간 영상 데이터(BBD)의 설명된 등록(RG)을 통해 계산될 수 있다. 만일 역 변형 필드 D0 -1, D1 -1, …, Dn -1이 중간 영상 데이터(BBD)에 적용되었다면, 변형은 이론적으로 상쇄될 수 있고, 상이한 움직임 단계들 Ph0, Ph1, ..., Phn에 대한 영상 데이터(BDWOL)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 측정실 또는 환자 터널을 갖춘 실제의 자기 공명 스캐너(2)를 포함하며, 측정실(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), 그래디언트 시스템(gradient system;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 그래디언트 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.
그래디언트 시스템(6)의 그래디언트 코일을 제어하기 위해, 제어 장치(13)는 그래디언트 시스템 인터페이스(16)를 가진다. 이 인터페이스의 컴포넌트들의 도움으로, 요구되는 그래디언트 펄스가 생성된 다음 그래디언트 시스템의 다양한 그래디언트 코일들에 공급되거나, 원하는 그래디언트 전압이 그래디언트 코일에 인가된다.
시퀀스 제어 유닛(14)은 (예를 들어, 시퀀스 제어 데이터 SD의 방출을 통해) 적절한 방식으로 무선-주파수 송신 장치(15) 및 그래디언트 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 Dj 또는 움직임 필드를 결정한다. 이렇게 결정된 편차 데이터 또는 움직임 필드 Dj는, 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.

Claims (15)

  1. 움직이는 대상물(O)의 영상 데이터(BD)를 생성하는 방법으로서,
    - 상기 대상물(O)의 상이한 움직임 단계들(movement phases)(Ph0, Ph1, …, Phn)의 상이한 측정 시점들(t0, …, tk, …)에서 상기 대상물(O)을 포함하는 영역에 대한 원시 데이터(RD)를 취득하는 단계;
    - 상기 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)과 각각 연관된 상기 원시 데이터(RD)로부터 상기 대상물(O)의 복수의 중간 영상 데이터 세트(BBD)를 재구성하는 단계;
    - 상기 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 상기 중간 영상 데이터 세트들(BBD) 사이의 편차 데이터(D0, D1, …, Dj, …, Dn)를 결정하는 단계; 및
    - 상기 편차 데이터(D0, D1, …, Dj, …, Dn)를 고려하여 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 원시 데이터(RD)로부터 영상 데이터(BD)를 재구성하는 단계
    를 포함하는, 영상 데이터(BD) 생성 방법.
  2. 제1항에 있어서, 상기 원시 데이터(RD)는 상기 원시 데이터가 취득되는 상기 움직임 단계(Ph0, Ph1, …, Phn)에 따라 상이한 중간 영상 데이터 세트들(BBD)의 재구성시에 상이하게 가중치부여되는(weighted), 영상 데이터(BD) 생성 방법.
  3. 제2항에 있어서, 상기 원시 데이터(RD)의 가중치부여(weighting)는 상기 중간 영상 데이터 세트들(BBD)이 재구성되는 움직임 단계(Ph0, Ph1, …, Phn)로부터의 거리에 따라 이루어지는, 영상 데이터(BD) 생성 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 원시 데이터(RD)는 상이한 움직임 단계 클래스들(movement phase classes)(BK0, BK1, BK2, …, BKn)과 연관되는, 영상 데이터(BD) 생성 방법.
  5. 제4항에 있어서, 상이한 움직임 단계 클래스들(BK0, BK1, BK2, …, BKn)에 대해 중간 영상 데이터 세트들(BBD)이 재구성되고, 상기 재구성시에 상기 원시 데이터(RD)는 상기 원시 데이터와 연관된 움직임 단계 클래스(BK0, BK1, BK2, …, BKn)에 따라 가중치부여되는, 영상 데이터(BD) 생성 방법.
  6. 제5항에 있어서, 가중치 함수(weighting function)(GF)에 따라 움직임 단계 클래스(BK0, BK1, BK2, …, BKn)에 대한 상기 중간 영상 데이터 세트들(BBD)의 재구성시에, 더 높은 가중치를 갖는 관련 움직임 단계 클래스(BK0, BK1, BK2, …, BKn)의 원시 데이터(RD)와 더 낮은 가중치를 갖는 다른 움직임 단계 클래스들(BK0, BK1, BK2, …, BKn)의 원시 데이터(RD)가 이용되는, 영상 데이터(BD) 생성 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 영상 데이터(BD) 및/또는 상기 중간 영상 데이터 세트들(BBD)을 재구성하기 위하여 반복적 수치 최적화 방법(iterative numerical optimization method)(유익하게는, 유사(quasi)-Newton 방법)이 이용되는, 영상 데이터(BD) 생성 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 원시 데이터(RD)의 적어도 일부(RDC)에 기초하여 상이한 측정 시점들에 대해 위치 개요 데이터(SIP; position overview data)가 생성되고, 상기 상이한 움직임 단계 클래스들(BK0, BK1, BK2, …, BKn)과 상기 원시 데이터(RD)의 연관(association)은 상기 위치 개요 데이터(SIP)에 기초하여 이루어지는, 영상 데이터(BD) 생성 방법.
  9. 제8항에 있어서, 상이한 측정 시점들(t0, …, tk, …)의 상기 위치 개요 데이터(SIP)에 대해 기준 위치 개요 데이터(SIP0)에 관하여 편차 값들(△z)이 결정되고, 상기 원시 데이터(RD)는 상기 편차 값들(△z)에 따라 상이한 움직임 단계 클래스들(BK0, BK1, BK2, …, BKn)과 연관되는, 영상 데이터(BD) 생성 방법.
  10. 제8항 또는 제9항에 있어서, 하기의 단계들:
    - 상기 위치 개요 데이터(SIP)의 산란(scattering) ―상기 산란은 측정 시점에 의존함― 을 결정하는 단계;
    - 상기 산란에 따라 상기 위치 개요 데이터(SIP) 내의 공간적 테스트 영역들(PR1, PR2)을 선택하는 단계;
    - 상기 개개의 테스트 영역들(PR1, PR2)에 대해 신뢰도 파라미터 값들(VP1, VP2)을 결정하는 단계; 및
    - 상이한 테스트 영역들(PR1, PR2)에 대한 상기 신뢰도 파라미터 값들(VP1, VP2)을 고려하여 상기 움직임 단계 클래스들(BK0, BK1, BK2, …, BKn)과 상기 원시 데이터(RD)를 연관시키는 단계
    가 구현되는, 영상 데이터(BD) 생성 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 검사 대상물(O)은 호흡 움직임으로 인해 움직이고, 상기 움직임 단계(Ph0, Ph1, …, Phn)는 호흡 단계(breathing phase)인, 영상 데이터(BD) 생성 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 검사 대상물(O)은 심장(O)을 포함하는, 영상 데이터(BD) 생성 방법.
  13. 움직이는 대상물(O)의 영상 데이터(BD)를 생성하는 영상 데이터 생성 장치(20)로서,
    - 상기 대상물(O)을 포함하는 영역에 대한 원시 데이터 ―상기 원시 데이터는 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 상이한 측정 시점들(t0, …, tk, …)에서 취득되었음― 를 수신하는 원시 데이터 인터페이스(21);
    - 상기 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)과 각각 연관된 복수의 중간 영상 데이터 세트(BBD)를 재구성하도록 설계된 중간 영상 재구성 유닛(31);
    - 상기 대상물(O)의 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 중간 영상 데이터 세트들(BBDj) 사이의 편차 데이터(D0, D1, …, Dj, …, Dn)를 결정하도록 설계된 편차 데이터 결정 유닛(32); 및
    - 상기 편차 데이터(D0, D1, …, Dj, …, Dn)를 고려하여 상이한 움직임 단계들(Ph0, Ph1, …, Phn)의 원시 데이터(RD)로부터 영상 데이터를 재구성하도록 설계된 전체 재구성 유닛(33)
    을 포함하는, 영상 데이터 생성 장치.
  14. 자기 공명 시스템(1)으로서,
    - 측정실(3);
    - 기본 자계 자석 시스템(4);
    - RF 송신 안테나 시스템(5);
    - 그래디언트 시스템(gradient system; 6);
    - RF 수신 안테나 시스템(7);
    - 상기 기본 자계 자석 시스템(4), 상기 RF 송신 안테나 시스템(5), 상기 그래디언트 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.
  15. 프로그램가능한 영상 데이터 생성 장치(20)의 메모리 내에 직접 로딩될 수 있는 컴퓨터 프로그램 제품으로서, 상기 영상 데이터 생성 장치(20)에서 프로그램이 실행될 때 제1항 내지 제12항 중 어느 한 항에 따른 방법의 모든 단계들을 실행하기 위한 프로그램 코드 세그먼트들을 갖춘, 컴퓨터 프로그램 제품.
KR1020140040177A 2013-04-03 2014-04-03 영상 데이터를 생성하는 방법 KR101652387B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102013205832.2A DE102013205832A1 (de) 2013-04-03 2013-04-03 Verfahren zur Erzeugung von Bilddaten
DE102013205832.2 2013-04-03

Publications (2)

Publication Number Publication Date
KR20140120860A true KR20140120860A (ko) 2014-10-14
KR101652387B1 KR101652387B1 (ko) 2016-08-30

Family

ID=51628853

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140040177A KR101652387B1 (ko) 2013-04-03 2014-04-03 영상 데이터를 생성하는 방법

Country Status (4)

Country Link
US (1) US9712789B2 (ko)
KR (1) KR101652387B1 (ko)
CN (1) CN104095634B (ko)
DE (1) DE102013205832A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170025995A (ko) * 2015-08-31 2017-03-08 삼성전자주식회사 자기 공명 영상 처리 장치 및 그에 따른 자기 공명 영상 처리 방법
CN114557780A (zh) * 2022-03-01 2022-05-31 长春理工大学 一种辅助外科手术的三维定位系统及方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014216751B4 (de) * 2014-08-22 2023-01-12 Siemens Healthcare Gmbh Verfahren zur Bestimmung einer Art einer Rekonstruktion von Bilddaten einer Magnetresonanzmessung eines Untersuchungsobjekts mittels eines Magnetresonanzgeräts
DE102015200353B4 (de) * 2015-01-13 2017-11-16 Siemens Healthcare Gmbh Verfahren zur Aufnahme eines Magnetresonanzbilddatensatzes und Magnetresonanzeinrichtung
US10634753B2 (en) 2015-07-15 2020-04-28 Koninklijke Philips N.V. MR imaging with motion detection
DE102015221573A1 (de) * 2015-11-04 2017-05-04 Siemens Healthcare Gmbh Verwendung eines MR-Übersichtsdatensatzes zur Rekonstruktion von MR-Rohdaten
US10037612B2 (en) * 2015-12-28 2018-07-31 Empire Technology Development Llc Three dimensional data acquisition with orthogonal composite pattern for structured light illuminated vision
KR102279063B1 (ko) 2016-03-31 2021-07-20 삼성전자주식회사 이미지 합성 방법 및 그 전자장치
DE102017202535A1 (de) 2017-02-16 2018-08-16 Siemens Healthcare Gmbh Erstellen von MR-Bildern
EP3404437A1 (de) * 2017-05-17 2018-11-21 Siemens Healthcare GmbH Bewegungskorrektur bei der magnetresonanzbildgebung
CN109949206B (zh) * 2019-01-30 2023-09-26 上海联影医疗科技股份有限公司 运动伪影图像的生成方法、装置、设备和存储介质
CN110031786B (zh) 2019-05-14 2022-01-11 上海联影医疗科技股份有限公司 磁共振图像重建方法、磁共振成像方法、设备及介质
DE102020207184B3 (de) * 2020-06-09 2021-07-29 TechnoTeam Holding GmbH Verfahren zur Bestimmung des Relaxationsbeginns nach einem Bildeinbrennvorgang an pixelweise ansteuerbaren optischen Anzeigevorrichtungen
DE102021203269A1 (de) * 2021-03-31 2022-10-06 Siemens Healthcare Gmbh Verfahren zur Reduzierung von Artefakten in mittels Magnetresonanz aufgenommenen Bilddatensätzen
GB2606207A (en) * 2021-04-29 2022-11-02 Siemens Healthcare Gmbh Image reconstruction method
WO2022253227A1 (en) * 2021-05-31 2022-12-08 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image correction

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6103350A (en) * 1996-06-18 2000-08-15 Comissariat A L'energie Atomique Process for producing a restored sequence of images of a moving object from noisy measurements
JP2006167208A (ja) * 2004-12-16 2006-06-29 Keio Gijuku 磁気共鳴イメージング装置
CN101879064A (zh) * 2009-05-05 2010-11-10 西门子公司 用于操作磁共振设备的方法和控制装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0864999A3 (de) * 1997-03-13 1999-09-08 Philips Patentverwaltung GmbH Bildverarbeitungs-Verfahren für die medizinische Diagnostik
DE19713846A1 (de) * 1997-03-13 1998-09-17 Philips Patentverwaltung Bildverarbeitungs-Verfahren für die medizinische Diagnostik
US7630528B2 (en) * 2004-03-02 2009-12-08 Koninklijke Philips Electronics N.V. Motion compensation
CN100493450C (zh) * 2004-11-12 2009-06-03 株式会社东芝 磁共振成像装置、图像数据修正装置和图像数据修正方法
DE102005000714A1 (de) * 2005-01-03 2006-07-20 Siemens Ag Verfahren zur Bildgebung eines periodisch bewegten Objektbereichs eines Objekts
DE102006017932A1 (de) * 2006-04-18 2007-10-25 Siemens Ag Verfahren zur Steuerung des Aufnahme- und/oder Auswertebetriebes von Bilddaten bei medizinischen Untersuchungen

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6103350A (en) * 1996-06-18 2000-08-15 Comissariat A L'energie Atomique Process for producing a restored sequence of images of a moving object from noisy measurements
JP2006167208A (ja) * 2004-12-16 2006-06-29 Keio Gijuku 磁気共鳴イメージング装置
CN101879064A (zh) * 2009-05-05 2010-11-10 西门子公司 用于操作磁共振设备的方法和控制装置
US20100286503A1 (en) * 2009-05-05 2010-11-11 Andreas Greiser Method and control device to operate a magnetic resonance system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170025995A (ko) * 2015-08-31 2017-03-08 삼성전자주식회사 자기 공명 영상 처리 장치 및 그에 따른 자기 공명 영상 처리 방법
US10096087B2 (en) 2015-08-31 2018-10-09 Samsung Electronics Co., Ltd. Apparatus and method of processing magnetic resonance (MR) images
CN114557780A (zh) * 2022-03-01 2022-05-31 长春理工大学 一种辅助外科手术的三维定位系统及方法
CN114557780B (zh) * 2022-03-01 2024-01-26 长春理工大学 一种辅助外科手术的三维定位系统及方法

Also Published As

Publication number Publication date
KR101652387B1 (ko) 2016-08-30
CN104095634B (zh) 2017-05-24
CN104095634A (zh) 2014-10-15
DE102013205832A1 (de) 2014-10-23
US20150015691A1 (en) 2015-01-15
US9712789B2 (en) 2017-07-18

Similar Documents

Publication Publication Date Title
KR101652387B1 (ko) 영상 데이터를 생성하는 방법
KR101659142B1 (ko) 영상 데이터를 생성하는 방법
KR101659578B1 (ko) 자기 공명 영상 처리 방법 및 장치
US20170127972A1 (en) Magnetic resonance imaging apparatus and magnetic resonance imaging method
US9271661B2 (en) Method for free-breathing magnetic resonance imaging using iterative image-based respiratory motion correction
US8502532B2 (en) Magnetic resonance data acquisition system and method with recursively adapted object-specific measurement parameter adjustment during patient movement through the MRI system
US10203385B2 (en) Magnetic resonance imaging apparatus and magnetic resonance imaging method
US20110228998A1 (en) System and method for automatic computation of mr imaging scan parameters
JP6549612B2 (ja) 改善された多相動的造影磁気共鳴撮像方法
US20130096414A1 (en) Localization of aorta and left atrium from magnetic resonance imaging
JP2015525601A (ja) 磁気共鳴システム及び磁気共鳴方法
US10338177B2 (en) Magnetic resonance imaging apparatus, magnetic resonance imaging method and magnetic resonance imaging system
US10641854B2 (en) Systems and methods for automatic voxel positioning in magnetic resonance spectroscopy
US10165960B2 (en) Magnetic resonance 2D navigator technique
US8488856B2 (en) Magnetic resonance imaging apparatus and method of analyzing images provided thereby
CN106102576B (zh) 动态医疗图像中运动的检测
US10663547B2 (en) Automatic detection and setting of magnetic resonance protocols based on read-in image data
US10094900B2 (en) 4D velocity profile image recording with a magnetic resonance system
US11163029B2 (en) MRI system with improved navigator
US9354290B2 (en) Method and magnetic resonance system to generate an MR image with a tracking factor
US20180368721A1 (en) Medical imaging device and magnetic resonance imaging device, and control method therefor
US20240138697A1 (en) System and method for improved metal detection in magnetic resonance imaging
CN108363027B (zh) 采集心脏的诊断测量数据和检查心脏的方法及磁共振设备
JP6510193B2 (ja) 磁気共鳴イメージング装置及び画像処理装置

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