KR20200032167A - 전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법 - Google Patents

전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20200032167A
KR20200032167A KR1020207005227A KR20207005227A KR20200032167A KR 20200032167 A KR20200032167 A KR 20200032167A KR 1020207005227 A KR1020207005227 A KR 1020207005227A KR 20207005227 A KR20207005227 A KR 20207005227A KR 20200032167 A KR20200032167 A KR 20200032167A
Authority
KR
South Korea
Prior art keywords
map
processor
field
transmission
data set
Prior art date
Application number
KR1020207005227A
Other languages
English (en)
Other versions
KR102353790B1 (ko
Inventor
이 마크 하케
Original Assignee
스핀테크, 인크.
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 스핀테크, 인크. filed Critical 스핀테크, 인크.
Publication of KR20200032167A publication Critical patent/KR20200032167A/ko
Application granted granted Critical
Publication of KR102353790B1 publication Critical patent/KR102353790B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5613—Generating steady state signals, e.g. low flip angle sequences [FLASH]
    • 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
    • A61B5/004—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 adapted for image acquisition of a particular organ or body part
    • A61B5/0042—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 adapted for image acquisition of a particular organ or body part for the brain
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
    • G—PHYSICS
    • 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
    • G01R33/50—NMR imaging systems based on the determination of relaxation times, e.g. T1 measurement by IR sequences; T2 measurement by multiple-echo sequences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—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
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • 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
    • G01R33/56554—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by acquiring plural, differently encoded echo signals after one RF excitation, e.g. correction for readout gradients of alternating polarity in EPI
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • 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
    • 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
    • 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
    • G01R33/24—Arrangements or instruments for measuring magnetic variables involving magnetic resonance for measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/246—Spatial mapping of the RF magnetic field B1

Landscapes

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

Abstract

MR 이미지를 재구성하기 위한 제약을 갖는 가변 플립 각도 기법은 프로세서가 제1 플립 각도(FA)에 대응하는 제1 MR 데이터 세트 및 제2 FA에 대응하는 제2 MR 데이터 세트를 사용하여 해부학적 영역 내에서의 T1app의 공간 분포를 나타내는 T1app 맵을 생성하는 것을 포함한다. 프로세서는 T1app 맵을 제1 조직 유형과 관련된 T1의 제1 상수 값 및 제2 조직 유형과 관련된 T1의 제2 상수 값으로 각각 스케일링함으로써, 제1 및 제2 전송 RF 필드 맵을 추정할 수 있다. 프로세서는 제1 및 제2 전송 RF 필드 맵을 사용하여 제3 전송 RF 필드 맵을 생성하고, 제3 전송 RF 필드 맵을 사용하여 해부학적 영역의 MR 이미지를 구성할 수 있다. 가중 감산 이미지가 제1 및 제2 MR 데이터 세트의 이미지에 비해 개선된 콘트라스트-노이즈 비로 생성될 수 있다.

Description

전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법
본 개시는 일반적으로 자기 공명 영상(magnetic resonance imaging, MRI) 분야에 관한 것이다. 특히, 본 개시는 가변 플립 각도(variable flip angle, VFA) 기법을 사용하는 정량적 자기 공명 영상(quantitative magnetic resonance imaging, qMRI)을 위한 방법 및 시스템에 관한 것이다.
자기 공명 영상(MRI)은 자기장을 사용하여 관심 있는 스캔된 물체의 구조를 재구성하는 영상 모달리티(modality)이다. MRI 스캐너는 0.10 테슬라(T) 내지 7 T 범위의 자기장과 같은 강한 정적 자기장을 생성하기 위한 자석 및 RF(radio frequency) 신호를 전송 및/또는 수신하기 위한 RF 트랜시버를 포함한다. 몸체(body)가 생성된 정적 자기장 내에 배치되면, 몸체 내의 수소 양성자가 자기장에 정렬된다. 가로 방향 장(transverse field)에 벌크 자화가 남아 있도록 스핀을 기울이기(tip) 위해, 진동 B1 필드의 존재 하에 RF 펄스가 인가된다. RF 펄스가 꺼지는 경우, 수소 양성자는 정적 자기장과의 정렬로 되돌아 가고, 세로 성분이 증가하고 가로 성분이 감소한다. 샘플링 시간, 또는 에코 시간, 또는 기울기 에코 시간으로 지칭되는 선택된 시점에서, 데이터가 수집되고 수신된 신호는 스캔된 몸체 또는 그 일부의 이미지를 재구성하는데 사용된다. 본 개시에서, 수집된 MR 데이터 세트에 기초하여 MR 이미지를 재구성하기 위한 다양한 VFA 기법이 설명된다.
적어도 하나의 양태에 따르면, 자기 공명 영상(MRI) 시스템은 MRI 스캐너, 적어도 하나의 프로세서 및 컴퓨터 코드 명령어들이 저장된 메모리를 포함할 수 있다. MRI 스캐너는 적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 획득하도록 구성될 수 있다. 컴퓨터 코드 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서가 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 사용하여 해부학적 영역 내에서 T1app의 공간 분포를 나타내는 겉보기(apparent) 종 완화 시간(longitudinal relaxation time)(T1app) 맵을 생성하게 한다. 적어도 하나의 프로세서는 T1app 맵을 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정할 수 있다. T1의 제1 상수 값은 해부학적 영역 내의 제1 조직 유형과 연관될 수 있다. 적어도 하나의 프로세서는 T1app 맵을 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정할 수 있다. T1의 제2 상수 값은 해부학적 영역 내의 제2 조직 유형과 연관될 수 있다. 프로세서는 추정된 제1 전송 RF 필드 맵 및 추정된 제2 전송 RF 필드 맵을 사용하여 제3 전송 RF 필드 맵을 생성할 수 있다. 제3 전송 RF 필드 맵은 해부학적 영역 내에서 전송 RF 필드의 공간 분포를 나타낼 수 있다.
해부학적 영역은 제1 조직 유형이 백질(white matter)일 수 있고 제2 조직 유형이 회백질(gray matter)일 수 있는 인간 뇌일 수 있다. 적어도 하나의 프로세서는 T1app 맵을 T1의 제3 상수 값으로 스케일링함으로써 제4 전송 RF 필드 맵을 추정할 수 있다. T1의 제3 상수 값은 해부학적 영역 내의 제3 조직 유형과 연관될 수 있다. 제3 전송 RF 필드 맵을 생성하는 것은 추정된 제1 전송 RF 필드 맵, 추정된 제2 전송 RF 필드 맵 및 추정된 제4 전송 RF 필드 맵을 사용하는 것을 포함할 수 있다. 해부학적 영역은 제1 조직 유형이 백질일 수 있고, 제2 조직 유형이 회백질일 수 있고, 제3 조직 유형이 뇌척수액일 수 있는 인간 뇌일 수 있다. 적어도 하나의 프로세서는 T1app 맵을 제3 전송 RF 필드 맵의 제곱으로 나눔으로써 제1 종 완화 시간(T1) 맵을 생성할 수 있다. 제1 T1 맵은 해부학적 영역 내에서 T1의 공간 분포를 나타낼 수 있다.
적어도 하나의 프로세서는 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 사용하여 겉보기 스핀 밀도(apparent spin density)(SDapp) 맵을 생성할 수 있다. SDapp 맵은 해부학적 영역 내에서 SDapp의 공간 분포를 나타낼 수 있다. 적어도 하나의 프로세서는 SDapp 맵을 제3 전송 RF 필드 맵으로 스케일링함으로써 제1 스핀 밀도(SD) 맵을 생성할 수 있다. 적어도 하나의 프로세서는 제3 전송 RF 필드 맵, 제1 T1 맵 및 제1 SD 맵을 사용하여, 적어도 제1 조직 유형에 대응하는 해부학적 영역의 제1 서브-영역 및 제2 조직 유형에 대응하는 해부학적 영역의 제2 서브 영역이 등신호강도(isointense)가 되도록, 제3 플립 각도에 대응하는 제3 MR 데이터 세트를 합성할 수 있다. 적어도 하나의 프로세서는 합성된 제3 MR 데이터 세트를 사용하여 수신 RF 필드 맵을 추정할 수 있다. 수신 RF 필드 맵은 해부학적 영역 내에서 수신 RF 필드의 공간 분포를 나타낼 수 있다. 적어도 하나의 프로세서는 제1 SD 맵을 추정된 수신 RF 필드 맵으로 스케일링함으로써 제2 SD 맵을 생성할 수 있다.
적어도 하나의 프로세서는 제1 MR 데이터 세트를 수신 RF 필드 맵으로 스케일링하고, 제2 MR 데이터 세트를 수신 MR 데이터 세트로 스케일링하고, 스케일링된 제2 MR 데이터 세트로부터 스케일링된 제1 MR 데이터 세트의 가중 감산(weighted subtraction)을 나타내는 이미지를 생성할 수 있다. 적어도 하나의 프로세서는 제2 MR 데이터 세트로부터 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성할 수 있다.
적어도 하나의 프로세서는 복수의 대상(subject)에 대한 복수의 전송 RF 필드 맵을 추정할 수 있고, 복수의 대상에 대한 추정된 복수의 전송 RF 필드 맵의 평균을 이용하여 전송 RF 필드 템플릿을 생성할 수 있다. 적어도 하나의 프로세서는 T1app 맵 및 전송 RF 필드 템플릿을 사용하여 제2 T1 맵을 생성할 수 있다. 적어도 하나의 프로세서는 추정된 SDapp 맵, 전송 RF 필드 템플릿 및 추정된 수신 RF 필드 맵을 사용하여 스핀 밀도(SD) 맵을 생성할 수 있다.
적어도 하나의 양태에 따르면, 자기 공명 영상(MRI)을 위한 방법은 적어도 하나의 프로세서가 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 수신하는 단계를 포함할 수 있다. 제1 MR 데이터 세트 및 제2 MR 데이터 세트는 적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 획득될 수 있다. 방법은 적어도 하나의 프로세서가 해부학적 영역 내의 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 사용하여 해부학적 영역 내의 T1app의 공간 분포를 나타내는 겉보기 종 완화 시간(T1app) 맵을 생성하는 단계를 포함할 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵을 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하는 단계를 포함할 수 있다. T1의 제1 상수 값은 해부학적 영역 내의 제1 조직 유형과 연관될 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵을 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하는 단계를 포함할 수 있다. T1의 제2 상수 값은 해부학적 영역 내의 제2 조직 유형과 연관될 수 있다. 방법은 적어도 하나의 프로세서가 추정된 제1 전송 RF 필드 맵 및 추정된 제2 전송 RF 필드 맵을 이용하여 제3 전송 RF 필드 맵을 생성하는 단계를 포함할 수 있다. 제3 전송 RF 필드 맵은 해부학적 영역 내에서 전송 RF 필드의 공간 분포를 나타낼 수 있다.
방법은 적어도 하나의 프로세서가 T1app 맵을 T1의 제3 상수 값으로 스케일링함으로써 제4 전송 RF 필드 맵을 추정하는 단계를 더 포함할 수 있다. T1의 제3 상수 값은 해부학적 영역 내의 제3 조직 유형과 연관될 수 있다. 제3 전송 RF 필드 맵을 생성하는 단계는 추정된 제1 전송 RF 필드 맵, 추정된 제2 전송 RF 필드 맵 및 추정된 제4 전송 RF 필드 맵을 사용하는 단계를 포함할 수 있다. 해부학적 영역은 제1 조직 유형이 백질일 수 있고, 제2 조직 유형이 회백질일 수 있고, 제3 조직 유형이 뇌척수액일 수 있는 인간 뇌일 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵을 제3 전송 RF 필드 맵의 제곱으로 나눔으로써 제1 종 완화 시간(T1) 맵을 생성하는 단계를 더 포함할 수 있다. 제1 T1 맵은 해부학적 영역 내에서 T1의 공간 분포를 나타낼 수 있다.
방법은 적어도 하나의 프로세서가 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 사용하여 겉보기 스핀 밀도(SDapp) 맵을 생성하는 단계를 더 포함할 수 있다. SDapp 맵은 해부학적 영역 내에서 SDapp의 공간 분포를 나타낼 수 있다. 적어도 하나의 프로세서는 SDapp 맵을 제3 전송 RF 필드 맵으로 스케일링함으로써 제1 스핀 밀도(SD) 맵을 생성할 수 있다. 적어도 하나의 프로세서는 제3 전송 RF 필드 맵, 제1 T1 맵 및 제1 SD 맵을 사용하여 적어도 제1 조직 유형에 대응하는 해부학적 영역의 제1 서브-영역 및 제2 조직 유형에 대응하는 해부학적 영역의 제2 서브 영역이 등신호강도(isointense)가 되도록, 제3 플립 각도에 대응하는 제3 MR 데이터 세트를 합성할 수 있다. 적어도 하나의 프로세서는 합성된 제3 MR 데이터 세트를 사용하여 수신 RF 필드 맵을 추정할 수 있다. 수신 RF 필드 맵은 해부학적 영역 내에서 수신 RF 필드의 공간 분포를 나타낼 수 있다. 적어도 하나의 프로세서는 제1 SD 맵을 추정된 수신 RF 필드 맵으로 스케일링함으로써 제2 SD 맵을 생성할 수 있다.
방법은 적어도 하나의 프로세서가 제1 MR 데이터 세트를 수신 RF 필드 맵으로 스케일링하고, 제2 MR 데이터 세트를 수신 MR 데이터 세트로 스케일링하고, 스케일링된 제2 MR 데이터 세트로부터 스케일링된 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성하는 단계를 더 포함할 수 있다. 방법은 적어도 하나의 프로세서가 제2 MR 데이터 세트로부터 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성하는 단계를 더 포함할 수 있다.
방법은 적어도 하나의 프로세서가 복수의 대상에 대한 복수의 전송 RF 필드 맵을 추정하고, 복수의 대상에 대한 추정된 복수의 전송 RF 필드 맵의 평균을 이용하여 전송 RF 필드 템플릿을 생성하는 단계를 더 포함할 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵 및 전송 RF 필드 템플릿을 사용하여 제2 T1 맵을 생성하는 단계를 더 포함할 수 있다. 방법은 적어도 하나의 프로세서가 추정된 SDapp 맵, 전송 RF 필드 템플릿 및 추정된 수신 RF 필드 맵을 사용하여 스핀 밀도(SD) 맵을 생성하는 단계를 포함할 수 있다.
적어도 하나의 양태에 따르면, 컴퓨터 판독 가능 매체는 그 위에 저장된 컴퓨터 코드 명령어들을 포함한다. 컴퓨터 코드 명령어들은 적어도 하나의 프로세서에 의해 실행될 때 자기 공명 영상(MRI)을 위한 방법이 수행되게 한다. 방법은 적어도 하나의 프로세서가 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 수신하는 단계를 포함할 수 있다. 제1 MR 데이터 세트 및 제2 MR 데이터 세트는 적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 획득될 수 있다. 방법은 적어도 하나의 프로세서가 해부학적 영역 내의 제1 MR 데이터 세트, 제2 MR 데이터 세트, 및 전송 RF 필드에 대한 상수 값을 사용하여 해부학적 영역 내의 T1app의 공간 분포를 나타내는 겉보기 종 완화 시간(T1app) 맵을 생성하는 단계를 포함할 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵을 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하는 단계를 포함할 수 있다. T1의 제1 상수 값은 해부학적 영역 내의 제1 조직 유형과 연관될 수 있다. 방법은 적어도 하나의 프로세서가 T1app 맵을 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하는 단계를 포함할 수 있다. T1의 제2 상수 값은 해부학적 영역 내의 제2 조직 유형과 연관될 수 있다. 방법은 적어도 하나의 프로세서가 추정된 제1 전송 RF 필드 맵 및 추정된 제2 전송 RF 필드 맵을 이용하여 제3 전송 RF 필드 맵을 생성하는 단계를 포함할 수 있다. 제3 전송 RF 필드 맵은 해부학적 영역 내에서 전송 RF 필드의 공간 분포를 나타낼 수 있다.
도 1은 본 개시의 발명 개념에 따른 자기 공명 영상(MRI) 시스템을 나타내는 블록도이다;
도 2는 본 개시의 발명 개념에 따른 자기 공명 영상(MRI) 방법(200)을 나타내는 흐름도이다;
도 3a 및 3b는 2 개의 상이한 플립 각도에 대응하는 뇌의 2 개의 MR 이미지를 도시한다;
도 4a는 예시적인 겉보기 종 완화 시간(T1app) 맵을 나타내는 이미지를 도시 한다;
도 4b는 도 4a에 도시된 T1app 맵을 사용하여 생성된 전송 RF 필드(B1t) 맵의 제1 추정치의 이미지를 도시한다;
도 5a 및 5b는 백질 및 회백질에 대한 마스크를 나타내는 이미지를 도시한다;
도 6a는 해부학적 영역 내의 라인을 가로 지르는 B1t의 제1 추정치 및 B1t의제2 추정치의 플롯을 도시한다;
도 6b는 로컬 이차 피팅(local quadratic fitting)을 갖거나 갖지 않는 병합된 B1t 맵과 관련된 플롯을 도시한다;
도 7a 및 7b는 병합된 B1t 맵에 로컬 이차 피팅을 적용한 후 획득된 예시적인 병합된 B1t 맵 및 예시적인 B1t 맵을 나타내는 이미지를 도시한다;
도 8a-8c는 각각 T1 맵의 추정치, 겉보기 스핀 밀도(SDapp) 맵의 추정치, 및 스핀 밀도(SD) 맵의 추정치의 예를 나타내는 이미지를 도시한다;
도 9는 FA의 범위에 걸쳐 상이한 조직 유형에 대응하는 예시적인 신호를 도시한다;
도 10a-10c는 각각 예시적인 합성된 MR 데이터 세트, 예시적인 수신 RF 필드 및 예시적인 스케일링된 스핀 밀도 맵을 나타내는 이미지를 도시한다;
도 11은 B1t 및 B1r 맵에 대한 뇌 템플릿의 예를 도시한다;
도 12a-12d는 스케일링된 MR 데이터 세트 및 감산(subtraction) MR 이미지를 나타내는 이미지를 도시한다.
정량적 자기 공명 영상(qMRI)은 상이한 유형의 조직을 구별하거나 비정상 조직을 식별하기 위해 신호 강도 또는 상대 신호 강도를 측정 및/또는 사용하는 것을 포함한다. 조직 특성을 정량화함으로써 정상 및 비정상 조직 유형을 세그먼트하고 분류하는 방법을 개발하는 것이 더 쉬워진다. 정량적 스핀 밀도(SD), 종 완화 시간(T1), 횡 자화 감쇠율(T2*) 및 정량적 감수성 매핑(quantitative susceptibility mapping, QSM)의 사용은 오늘날 중요한 임상 응용 분야를 가지고 있다. 예를 들어, 정량적 T1 영상화는 심혈관 영상화, 종양, 뇌졸중 및 다발성 경화증에서 죽상 동맥 경화증을 연구하는데 잠재적 유용성을 갖는다. 또한 정량적 SD 매핑은 중요한 역할을 하며 치료 후 부종 및 조직 수분 함량의 변화를 연구하는 데 사용되었다. 일반적으로, 이러한 유형의 조직 정량화는 보다 엄격한 방식으로 치료에 대한 조직의 반응을 따르는 것을 가능하게 한다.
정량적 T1 영상화 및 정량적 SD 매핑은 가변 플립 각도(variable flip angle, VFA) 기법을 사용하여 달성될 수 있다. VFA 방법을 사용하는 것은 복수의 상이한 플립 각도에 대한 MR 데이터의 획득을 수반한다. 특히, MRI 스캐너는 상이한 공칭 플립 각도를 갖는 다수의 손상(spoiled) 기울기 에코 데이터 세트를 획득할 수 있고, 획득된 데이터 세트를 사용하여 T1 및/또는 SD를 적절히 정량화할 수 있다. VFA 기법은 MR 데이터 수집의 용이함을 특징으로 하지만, VFA 기반 기법은 위치의 함수로서 RF 여기(excitation)(또는 전송) 필드(B1t) 또는 플립 각도(FA)에 대한 정확한 지식을 요구한다. 실제로, VFA 데이터 세트에 기초하여 T1 맵을 정확하게 계산하는 능력은 전송 RF 필드(B1t) 맵의 공간 분포에 대한 정확한 지식에 의존한다. 또한, SD 맵의 재구성은 수신 RF 필드(B1r) 맵의 사용을 수반한다. 일부 구현들에서, MRI 스캐너 또는 각각의 프로세서는 예를 들어, 다른 2 개의 FA와 비교하여 비교적 큰 FA와 관련된 데이터 세트를 포함하는 적어도 3 개의 상이한 플립 각도(FA)에 대해 획득된 데이터 세트를 사용함으로써 전송 RF 필드(B1t)를 계산할 수 있다. 3 개 미만의 FA 또는 상대적으로 작은 FA에 대응하는 데이터 세트를 사용하면, 전송 RF 필드(B1t)를 구성하는 문제를 잘 정의되지 않게(ill-posed) 할 수 있고, 문제의 잘 정의되지 않음(ill-posedness of the problem)을 해결하기 위한 추가적인 제약이 요구될 수 있다. 잘 정의되지 않음(ill-posedness)을 다루기 위한 그러한 제약의 예는 유방 영상(breast imaging)을 위한 B1t 필드 분포를 결정하기 위해 지방(fat)과 같은 단일 조직을 사용하거나, 백질과 회백질에 대해 T1과 SD 사이의 관계에 대한 제약을 사용하는 것을 포함할 수 있다.
본 개시에서, 개선된 이미지 품질 및 정량적 데이터를 갖는 전략적으로 획득된 기울기 에코(STAGE) 영상을 위한 방법 및 시스템이 기술된다. STAGE 영상은 2 개의 FA에 해당하는 획득된 데이터 세트를 사용하여 포괄적인 빠른 영상을 가능하게 한다. 또한, 본 명세서에 기술된 STAGE 영상을 위한 시스템 및 방법은 T1 및 SD 맵의 신뢰성 있고 정확한 재구성을 허용한다.
도 1은 본 개시의 발명 개념에 따른 자기 공명 영상(MRI) 시스템(100)을 나타내는 블록도이다. 개괄적으로 말하면, MRI 시스템(100)은 MRI 스캐너(102), 프로세서(104), 메모리(106) 및 디스플레이 디바이스(108)를 포함할 수 있다. 프로세서(104)는 MRI 스캐너(102), 메모리(106) 및 디스플레이 디바이스(108)에 통신 가능하게 결합될 수 있다.
MRI 스캐너(102)는 0.1 테슬라(T) 내지 7 T 범위의 자기장과 같은 강한 정적 자기장을 발생시키기 위한 자석(도 1에 도시되지 않음) 및 RF(radio frequency) 신호를 전송 및/또는 수신하기 위한 복수의 RF 코일(도 1에 도시되지 않음)을 포함할 수 있다. RF 코일은 전송 RF 코일 및 수신 RF 코일을 포함할 수 있다. RF 전송 코일은 MRI 펄스 시퀀스에 따라 환자의 해부학적 영역과 같은 대상을 여기시키기 위해 RF 펄스를 방출할 수 있다. 수신 RF 코일은 RF 펄스의 방출에 따라 대상에 의해 생성된 MRI 신호를 기록할 수 있다. RF 코일은 교대로 RF 신호를 전송 및 수신할 수 있는 RF 송수신기를 포함할 수 있다. RF 코일은 RF 손상 기울기 데이터 획득에 따라 MRI 데이터를 획득할 수 있다. 기록된 MRI 신호는 두 개의 상이한 FA와 연관될 수 있다.
영상 시스템(100)은 하나 이상의 프로세서(104)를 포함할 수 있다. 하나 이상의 프로세서(104)는 MRI 스캐너(102) 내에 통합된 프로세서, MRI 스캐너(102)에 통신 가능하게 결합된 컴퓨팅 디바이스의 프로세서, 또는 이들의 조합을 포함할 수 있다. 메모리(106)는 MRI 스캐너(102)의 메모리 컴포넌트, MRI 스캐너(102)와 통신 가능하게 결합된 컴퓨팅 디바이스의 메모리 컴포넌트, 또는 이들의 조합을 포함할 수 있다. 메모리(106)는 하나 이상의 프로세서(104)에 의해 실행될 때 하나 이상의 프로세서(104)가 본 명세서에 설명된 STAGE 영상화를 위한 방법을 수행하게 할 수 있는 컴퓨터 실행 가능 명령어들을 포함할 수 있다. 메모리(106)는 MRI 스캐너(102)에 의해 획득된 MRI 데이터를 저장할 수 있고, 프로세서(들)(104)는 메모리(106)로부터 그러한 데이터를 액세스할 수 있다. 메모리(106)는 스캐너(102)에 의해 획득된 MRI 데이터에 기초하여 프로세서(들)(104)에 의해 생성된 이미지를 수신하고 저장할 수 있다.
디스플레이 디바이스(108)는 음극선관(cathode ray tube, CRT) 디스플레이, 발광 다이오드(light emitting diode, LED) 디스플레이, 유기 발광 다이오드(organic light emitting diode, OLED) 디스플레이, 플라즈마 디스플레이 패널(plasma display panel, PDP), 액정 디스플레이(liquid crystal display, LCD) 또는 당업자에게 공지된 다른 디스플레이를 포함할 수 있다. 디스플레이 디바이스(108)는 독립형 디바이스 또는 MRI 스캐너(102)에 통신 가능하게 결합된 컴퓨팅 디바이스(예를 들어, 데스크탑, 랩탑 또는 태블릿)의 디스플레이일 수 있다. 디스플레이 디바이스(108)는 터치 스크린을 포함할 수 있다. 디스플레이 디바이스(108)는 프로세서(104) 또는 메모리(106)로부터 이미지 데이터를 수신하고, 수신된 이미지 데이터를 디스플레이할 수 있다. 예를 들어, MRI 스캐너(102)에 의해 획득된 데이터에 기초하여 MRI 이미지를 재구성할 때, 프로세서(104)는 디스플레이 디바이스(108) 상에 디스플레이하기 위해 재구성된 이미지를 제공할 수 있다.
플립 각도 θ의 함수로서 RF 손상 기울기 에코 데이터 획득을 위한 신호 강도는 다음과 같이 기술될 수 있다:
Figure pct00001
여기서 T1은 종 완화 시간, SD는 스핀 밀도, TR은 반복 시간, TE는 에코 시간, B1t는 전송 RF 필드, B1r은 수신 RF 필드(RF 코일 감도 또는 바이어스 필드라고도 함) 및 E1 = exp(-TR/T1)이다. 여기서 올바른 플립 각도를 얻을 때 B1t 항이 1로 정규화된다고 가정했다. 수학식 1의 양변에
Figure pct00002
를 곱하면 수학식 1은 다음과 같이 다시 쓸 수 있다.
Figure pct00003
여기서
Figure pct00004
는 유효 스핀 밀도를 나타낸다.
수학식 2에 따르면,
Figure pct00005
는
Figure pct00006
의 선형 함수로 볼 수 있다. 특히, 상이한 공칭 여기 플립 각도에 대해 수집된 데이터의 경우, 변환된 데이터를 기울기 E1 및
Figure pct00007
(1-E1)에서 세로 절편(또는 x 축 교차)을 갖는 직선에 피팅할 수 있다. 이와 같이,
Figure pct00008
좌표 시스템에서 적어도 2 개의 FA에 대응하는 적어도 2 개의 데이터 포인트에 의해 정의된 직선의 기울기를 계산함으로써 E1의 값을 결정할 수 있다. 또한, 결정된 E1 값 및 적어도 2 개의 데이터 포인트에 의해 형성된 직선과 x-축 사이의 교점을 사용하여, SDeff의 값을 결정할 수 있다. 그러나, B1t 필드의 불균일성으로 인해, 측정된 플립 각도는 스캔을 실행하기 위해 선택된 실제 플립 각도 값과 상이할 수 있으며, 이는 특히 높은 자기장에서 T1의 추정에서 중대한 에러를 야기할 수 있다. 따라서, T1의 정확한 추정은 전송 RF 필드 B1t의 정확한 지식을 요구한다.
FA가 낮고 TR << T1인 경우 수학식 1은 다음과 같이 근사할 수 있다:
Figure pct00009
여기서 각도
Figure pct00010
는 cos
Figure pct00011
= exp(-TR/T1)로 정의된다. 수학식 3을 사용하여, 겉보기 스핀 밀도(SDapp) 및 겉보기 종 완화 시간(T1app)은 다음과 같이 도출될 수 있다:
Figure pct00012
Figure pct00013
수학식 3 내지 수학식 5를 고려하면, 겉보기 스핀 밀도(SDapp)는 B1t에 선형 적으로 비례하고, 겉보기 종 완화 시간(T1app)은 B1t 2에 선형적으로 비례한다. 따라서 B1t의 10 % 오류(또는 실제 FA가 θ'= B1tθ인 경우 FA의 10 %)는 T1 추정에서 20 % 오류를 초래할 수 있고, SD 추정에서 10 % 오류를 초래할 수 있다. 따라서, T1 및/또는 SD 맵의 정확한 재구성은 B1t 맵의 정확한 추정을 요구한다.
도 2는 자기 공명 영상(MRI)을 위한 방법(200)을 예시하는 흐름도이다. 개괄적으로 말하면, 방법(200)은 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 획득(또는 수신)하는 단계(단계 202)를 포함할 수 있고, 제1 MR 데이터, 제2 MR 데이터 및 해부학적 영역 내의 전송 RF 필드에 대한 상수 값을 사용하여 종 완화 시간(T1app) 맵을 생성하는 단계(단계 204)를 포함할 수 있다. 방법(200)은 또한 T1app 맵을 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하는 단계(단계 206), T1app 맵을 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하는 단계(단계 208), 및 추정된 제1 전송 RF 필드 맵 및 추정된 제2 전송 RF 필드 맵을 사용하여 제3 전송 RF 필드 맵을 생성하는 단계(단계 210)를 포함할 수 있다.
방법(200)은 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 획득(또는 수신)하는 단계(단계 202)를 포함할 수 있다. 스캐너(102)는 적어도 하나의 에코 시간(TE)을 사용하여 해부학적 영역을 영상화함으로써 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 획득할 수 있다. 프로세서(104)는 예를 들어 디스플레이 디바이스(108) 상에 사용자인터페이스(UI)를 제공하여, 사용자가 MR 데이터 획득을 위한 설정(setting)을 선택하게 할 수 있다. 프로세서(102)는 MR 스캐너(102)가 선택된 설정에 따라 해부학적 영역을 영상화하게 할 수 있다. 선택된 설정은 두 개의 개별 FA를 사용하여 MR 데이터 획득을 표시할 수 있다. 선택된 설정은 (예를 들어, 하나 이상의 손상 기울기 에코 MR 시퀀스를 사용하여) 손상 기울기 에코 MR 데이터 획득을 표시할 수 있다. 영상화될 해부학적 영역은 인간의 뇌 또는 다른 기관 또는 환자 신체의 일부를 포함할 수 있다.
프로세서(104)는 MR 스캐너(102)(또는 각각의 RF 코일)가 RF 펄스로 해부학적 영역을 여기시키고 선택된 설정에 따라 해부학적 영역에 의해 생성된 MR 신호를 기록하게 할 수 있다. 특히, MR 스캐너(102)의 수신 RF 코일은 제1 FA와 연관된 제1 세트의 MR 신호 및 제2 FA와 연관된 제2 세트의 MR 신호를 기록할 수 있다. 기록된 MR 신호와 해당 FA 간의 관계는 수학식 1 및/또는 수학식 2를 만족시킨다. 제1 및 제2 MR 데이터 세트를 획득하는 것은 프로세서(104)가 MR 스캐너(102)로부터 기록된 신호를 수신하고 각 MR 데이터 세트(또는 MR 신호 세트)에 대한 각각의 MR 이미지를 생성하는 것을 포함할 수 있다.
도 3a 및 3b를 참조하면, 2 개의 상이한 FA에 대응하는 뇌의 2 개의 MR 이미지가 도시되어 있다. 예를 들어, 도 3a는 6°와 동일한 FA를 사용하여 획득된 MR 데이터의 이미지(302)를 도시하고, 도 3b는 24°와 동일한 FA를 사용하여 획득된 MR 데이터의 이미지(304)를 도시한다. 도 3a 및 도 3b에 도시된 MR 데이터를 획득하는데 사용되는 반복 시간(TR)은 25 밀리 초(ms)와 같다. 도 3a 및 도 3b의 이미지와 관련된 FA의 값은 예시의 목적을 위해 선택되며 제한적인 것으로 해석되어서는 안 된다. 예를 들어, (두 개의 FA 중) 낮은 FA가 에른스트(Ernst) 각보다 작고, 큰 FA가 에른스트 각보다 크다고 주어지면, (6°및/또는 24°이외의) 다른 각도 값은 MR 데이터 획득에 사용될 수 있다. 프로세서(104)는 각각 대응하는 FA와 관련된 기록된 신호의 역 푸리에 변환을 취함으로써 도 3a 및 도 3b에 도시된 이미지를 재구성할 수 있다.
다시 도 2를 참조하면, 방법(200)은 해부학적 영역 내의 제1 MR 데이터 세트, 제2 MR 데이터 세트, 및 전송 RF 필드(B1t)에 대한 상수 값을 사용하여 겉보기 종 완화 시간(T1app) 맵을 생성하는 단계(단계 204)를 포함할 수 있다. T1app 맵은 해부학적 영역 내에서 T1app의 공간 분포를 나타낸다. 일반적으로 그리고 수학식 5를 고려하면, T1app는 B1t의 공간 불균질성(inhomogeneity)으로 인해 단일 조직과 관련된 영역 내에서도 공간적으로 변할 수 있다. 예를 들어, T1app 값은 하나의 조직을 나타내는 영역 내에서 비교적 큰 분산을 가질 수 있다. 모든 사람이 사용할 수 있는 표준 B1t가 있는 경우, 이를 사용하여 사람마다 로컬 T1 값을 찾을 수 있다. 그러나, B1t의 이러한 표준 값(또는 표준 맵)의 부족은 B1t 맵을 정확하게 추정하기 위한 방법 또는 기술을 요구한다. T1app 맵을 생성하는 단계(단계 204)는 B1t 맵을 재구성하기 위해 사용될 T1app 맵의 제1 추정치를 결정하는 단계로서 볼 수 있다.
프로세서(104)는 수학식 2를 사용하고 해부학적 영역 내에서 B1t에 대한 정규화된 상수 값이 예를 들어 1이라고 가정하여, 픽셀 단위로 T1app를 계산할 수 있다. 구체적으로, 프로세서(104)는 먼저 상이한 FA들과 연관된 데이터 포인트들에 기초하여 정의된 직선의 방정식 2의 기울기로서 각 픽셀에 대한 E1을 결정할 수 있다. 구체적으로, FA θ1 및 θ2에 각각 대응하는 데이터 포인트 S(θ1) 및 S(θ2)를 고려하면, E1은 다음과 같이 계산될 수 있다.
Figure pct00014
E1 = exp(-TR/T1)이므로, 프로세서(104)는 계산된 E1 및 반복 시간 TR을 사용하여 T1의 추정치를 결정할 수 있다. 프로세서(104)는 T1의 추정된 값 및 B1t의 상수 값을 사용하여 수학식 5에 따라 각 픽셀에 대한 T1app를 계산할 수 있고, 따라서 T1app 맵을 생성할 수 있다. 도 4a을 참조하면 T1app 맵의 이미지(402)가 도시되어 있다. 도 4a에 도시된 T1app 맵은 도 3a 및 도 3b에 도시된 MR 데이터 및 1과 동일한 B1t의 정규화된 상수 값을 사용하여 픽셀 단위로 전술한 바와 같이 계산된다. MR 데이터는 25ms와 동일한 TR의 값을 사용하여 획득된다.
방법(200)은 프로세서(104)가 T1app 맵을 T1의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하는 단계(단계 206), T1app 맵을 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하는 단계(단계 208)를 포함할 수 있다. T1의 제1 상수 값은 해부학적 영역 내의 제1 조직 유형에 대응할 수 있고 T1의 제2 상수 값은 해부학적 영역 내의 제2 조직 유형에 대응할 수 있다. 예를 들어, 제1 조직 유형은 백질일 수 있고 제2 조직 유형은 회백질일 수 있다. 일반적으로 인간의 뇌 T1 측정을 검증하기 위한 3 차원(3D)의 신뢰할 수 있고 정확한 표준은 없다. 또한, T1은 온도, 화학 물질 교환 및 관류(perfusion)와 같은 많은 요인에 의해 영향을 받을 수 있다. 다양한 연구자들에 의해 기록된 회백질 및 백질 모두에 대한 T1 값의 값은 실질적인 변동을 보여준다. 그러나 이러한 변동에도 불구하고, 회백질에 대한 T1 값을 백질에 대한 T1 값으로 나눈 비는 상이한 연구자들에 의해 다양한 측정에 걸쳐 상당히 안정적으로 보인다. 구체적으로, 비는 약 1.7이다. 따라서, T1의 제1 상수 값은 1000ms로 설정될 수 있는 반면, T1의 제2 상수 값은 1700ms로 설정될 수 있다. 일부 구현들에서, 백질 및 회백질에 대한 T1의 다른 값들이 선택될 수 있다. 예를 들어, 백질에 대한 T1 값은 800 내지 1200 ms 범위의 임의의 값으로 설정될 수 있고, 회백질에 대한 T1 값은 백질에 대한 T1 값의 1.7 배와 동일하게 설정될 수 있다. 또한, (예를 들어, 회백질 및/또는 백질 이외의) 다른 유형의 조직의 경우, 상이한 T1 값이 사용될 수 있다.
프로세서(104)는 각 픽셀에서의 T1app 값을 T1의 제1 상수 값으로 스케일링함으로써(또는 나눔으로써), B1t 맵의 제1 추정치를 생성할 수 있다. 도 4b를 참조하면 B1t 맵의 제1 추정치의 이미지(404)가 도 4a에 도시된 T1app 맵을 사용하여 생성된다. 도 4b에 도시된 B1t 맵의 제1 추정치는 1000ms와 동일하고 백질에 대응하는 T1의 상수 값을 사용하여 계산된다. 프로세서(104)는 각 픽셀에서의 T1app 값을 T1의 제2 상수 값으로 스케일링함으로써(또는 나눔으로써), B1t 맵의 제2 추정치를 생성할 수 있다. 프로세서(104)는 또한 B1t 맵의 제1 추정치 및 제2 추정치 중 적어도 하나를 사용하여 해부학적 영역 내에서 제1 조직 유형 및 제2 조직 유형에 대한 마스크를 생성할 수 있다. 예를 들어, 프로세서(104)는 백질 마스크 및 회백질 마스크를 생성하기 위해, 백질에 대응하는 T1의 상수 값을 사용하여 결정된 B1t 맵의 제1 추정치를 사용할 수 있다. B1t 맵의 추정치는 낮은 공간 주파수 성분(content)을 특징으로 하며 해부학적 영역을 상이한 조직 유형에 대응하는 다양한 영역으로 분할(segment)하기에 적합할 수 있다. 프로세서(104)는 백질 영역과 회백질 영역을 구별하기 위해 B1t 맵의 제1 추정치에 고역 통과 필터를 적용할 수 있다. 프로세서(104)는 백질 영역을 결정하기 위해 B1t 맵의 제1 추정치에 저역 통과 필터를 적용하고, 회백질 영역을 결정하기 위해 B1t 맵의 제1 추정치에 고역 통과 필터를 적용할 수 있다. 프로세서(104)는 또한 상이한 조직 유형과 관련된 영역 사이의 간섭 또는 중첩을 피하기 위해 각 마스크에 침식(erosion) 알고리즘을 적용할 수 있다. 프로세서(104)에 의해 생성된 각각의 마스크에 대해, 대응하는 조직 유형과 관련된 픽셀은 1과 동일한 값(또는 0이 아닌 값)을 가질 수 있는 반면, 다른 픽셀은 0과 동일한 값을 가질 수 있다.
도 5a 및 5b를 참조하면, 백질 및 회백질에 대한 마스크를 나타내는 이미지가 도시되어 있다. 이미지(502)는 백질의 마스크를 나타내고, 이미지(504)는 회백질의 마스크를 나타낸다. 두 마스크는 도 4b에 도시된 B1t 맵의 제1 추정치를 사용하여 생성된다.
단계 210에서, 프로세서(104)는 추정된 제1 B1t 및 추정된 제2 B1t 맵을 사용하여 제3 B1t 맵을 생성할 수 있다. 도 6a을 참조하면, 해부학적 영역 내의 직선에 걸친 B1t의 제1 추정치 및 B1t의 제2 추정치의 플롯이 도시되어 있다. 플롯(602)은 해부학적 영역 내의 직선에 걸친 B1t의 제1 추정치(또는 백질에 대응하는 T1의 상수 값을 사용한 B1t의 추정치)를 나타낸다. 플롯(604)은 해부학적 영역 내의 직선에 걸친 B1t의 제2 추정치(또는 회백질에 대응하는 T1의 상수 값을 사용하는 B1t의 추정치)를 나타낸다. 2 개의 플롯(602 및 604)을 비교하면, B1t의 제1 추정치 및 B1t의 제2 추정치가 서로 실질적으로 시프트된 버전임을 알 수 있다. 제3 B1t 맵을 생성하는 것은 프로세서(104)가 B1t의 제1 및 제2 추정 맵이 모두 실질적으로 오버랩될 때까지 B1t의 제1 및 제2 추정 맵 중 적어도 하나를 시프팅하는 것을 포함할 수 있다. 예를 들어, 프로세서(104)는 B1t의 시프트된 제1 추정 맵과 B1t의 제2 추정 맵 사이의 평균 제곱 에러가 최소가 되도록, 시프트 값만큼 B1t의 제1 추정 맵을 시프트할 수 있다.
프로세서(104)는 B1t의 시프트된 제1 추정 맵과 B1t의 제2 추정 맵 및 제1 및 제2 조직 유형에 대응하는 마스크를 사용하여 제3 B1t 맵을 생성할 수 있다. 특히, 프로세서는 (i) 제1 조직 유형(예를 들어, 백질)에 대응하는 마스크를 B1t의 시프트된 제1 추정 맵과 곱하고(즉, 픽셀 단위로 곱하고), (ii) 제2 조직 유형(예를 들어, 회백질)에 대응하는 마스크를 B1t의 제2 추정 맵과 곱하고(즉, 픽셀 단위로 곱하고), (iii) 이들 곱셈의 결과를 병합하여 B1t의 병합 맵(또는 제3 B1t 맵)을 형성할 수 있다. 프로세서(104)는 B1t의 병합 맵(또는 제3 B1t 맵)에 로컬 이차 피팅을 적용하여, 생성된 마스크 중 어느 것에도 속하지 않는 임의의 픽셀을 채울 수 있다(또는 값을 할당할 수 있다).
도 6b을 참조하면, 로컬 이차 피팅이 있거나 없는 병합된 B1t 맵과 관련된 플롯이 도시되어 있다. 플롯(606)은 해부학적 영역 내의 직선에 걸친 병합된 B1t의 값을 나타낸다. 플롯(608)은 로컬 이차 피팅을 적용한 후 해부학적 영역 내의 직선에 걸친 병합된 B1t의 동일한 값을 나타낸다. 로컬 이차 피팅은 m x m 크기의 로컬 이차 피팅 행렬을 사용하여 달성될 수 있으며(여기서 m은 정수임), 전체 n x n 이미지 전체에서 부드럽고 덜 화려한(noisy) 결과를 만드는 데 사용된다. 도 6b에 도시된 바와 같이, 로컬 이차 피팅 동작은 B1t의 부드럽고 덜 화려한 맵으로 이어진다.
도 7a를 참조하면 예시적인 병합 B1t 맵을 나타내는 이미지(702)가 도시되어 있다. 특히, 이미지(702)는 백질에 대응하는 마스크(502)와 B1t의 시프트된 제1 추정 맵의 곱셈 곱(multiplicative product)과, 회백질에 대응하는 마스크(504)와 B1t의 제2 추정 맵의 곱셈 곱을 병합할 때 결과 이미지를 나타낸다. 이미지(702)의 흑색 영역은 마스크(502) 또는 마스크(504)에 속하지 않는 픽셀 또는 영역을 나타낸다
도 7b를 참조하면, 이미지(702)에 로컬 이차 피팅을 적용한 후 획득된 B1t 맵의 이미지(704)가 도시되어 있다. 이미지(704)에 도시된 바와 같이, 로컬 이차 피팅은 도 7b에 도시된 병합 B1t의 갭을 채울 수 있게 한다. 이미지(704)에 도시된 B1t 맵은 해부학적 영역 내에서 B1t의 신뢰성 있는 추정치를 제공하고, T1 맵 및/또는 SD 맵의 정확한 재구성을 허용한다.
방법(200)이 2 개의 조직 유형에 대하여 상술되었지만, 해부학적 영역은 2 개보다 많은 상이한 조직 유형을 포함할 수 있다. 예를 들어, 해부학적 영역은 3 개의 별개의 조직 유형을 포함할 수 있다. 그러한 경우에, 프로세서(104)는 (단계 204에서 생성된) T1app 맵을 해부학적 영역 내의 제3 조직 유형과 연관된 T1의 제3 상수 값으로 스케일링함으로써, B1t 맵의 다른 추정치를 추가로 결정할 수 있다. 프로세서(104)는 또한 해부학적 영역 내에서 제3 조직 유형이 차지하는 영역을 나타내는 제3 마스크를 생성할 수 있다. 예를 들어, 프로세서(104)는 상이한 필터(예를 들어, 저역 통과 필터(들), 대역 통과 필터(들) 및/또는 고역 통과 필터(들))를 사용하여, 3 개의 마스크 각각을 생성할 수 있다. 프로세서(104)는 T1의 제3 상수 값에 기초하여(예를 들어, 제3 마스크에 따라) 추정된 B1t의 맵을 사용하여 제3 B1t 맵을 업데이트할 수 있다. 대안적으로, 프로세서(104)는 (예를 들어, 3 개의 조직 유형에 대응하는 3 개의 마스크에 기초하여) B1t 맵의 3 개의 추정치를 사용하여 제3 B1t 맵을 (초기에) 생성할 수 있다. 예를 들어, 제3 조직 유형은 뇌척수액일 수 있고, 프로세서(104)는 (i) 백질에 대한 상수 T1 값에 기초하여 추정된 제1 B1t 맵과 제1 마스크를 곱하고, (ii) 회백질에 대한 상수 T1 값을 사용하여 추정된 제2 B1t 맵과 제2 마스크를 곱하고, (iii) 뇌척수액에 대한 상수 T1 값을 사용하여 추정된 B1t 맵과 제3 마스크를 곱하고, (iv) 다른 조직에 대해서 마찬가지로 할 수 있다. 뇌척수액에 대한 상수 T1 값은 4500ms와 동일할 수 있다. 그 후, 프로세서(104)는 (마스크와의 곱셈으로부터) 결과 이미지를 병함하여, 하나의 보다 정확한 B1t 맵 이미지를 만들어낼 수 있다.
일부 구현들에서, 프로세서(104)는 예를 들어 윈도우의 평균(mean) 및 표준 편차를 계산하기 위해 슬라이딩 윈도우를 사용함으로써 로컬 노이즈 스파이크를 제거할 수 있고, 평균 초과 또는 미만의 주어진 임계 값(예를 들어, 노이즈의 3 개의 표준 편차)을 초과하는 포인트(또는 픽셀)를 제거할 수 있다. 프로세서(104)는 예를 들어, 매끄럽고 덜 화려한 B1t 맵 이미지를 제공하기 위해 크기가 m x m인 로컬 이차 피팅 행렬을 사용하여, 도 6b과 관련하여 전술한 바와 같이 로컬 이차 피팅을 병합 B1t 맵에 적용할 수 있고, 여기서 m은 정수이다. 일부 구현들에서, 정수 m은 20과 동일할 수 있다. 그러나, m에 대한 다른 값들이 사용될 수 있다. 인간 뇌의 경우 조직 유형은 백질, 회백질 및 뇌척수액을 포함할 수 있지만, 방법 및 시스템은 인간의 뇌 또는 이들 조직 유형으로 제한되는 것으로 해석되어야 한다. 일반적으로, 본 명세서에 기술된 방법은 해부학적 영역 내에서 특정 해부학적 영역 또는 특정 수의 조직 유형으로 제한되지 않아야 한다.
방법(200)은 프로세서(104)가 단계(210)에서 결정된 B1t 맵을 사용하여 T1 맵의 제1 추정치를 생성하는 단계를 더 포함할 수 있다. 프로세서(104)는 수학식 5를 사용하고 단계 204에서 결정된 T1app 맵을 단계 201에서 결정된 B1t 맵의 제곱으로 나눌 수 있다. 구체적으로, 해부학적 영역의 각 픽셀 또는 복셀 x에 대해, 프로세서(104)는
Figure pct00015
와 같이 대응 T1 값을 계산할 수 있다. 이와 같이, T1 맵의 이러한 제1 추정치는 해부학적 영역 내의 B1t 분포의 변동을 설명하며, 정정된 T1 맵이라고 지칭될 수 있다.
프로세서(104)는 제1 MR 데이터 세트 및 제2 MR 데이터 세트를 사용하여 겉보기 스핀 밀도(SDapp) 맵을 추가로 생성할 수 있다. SDapp 맵은 해부학적 영역 내에서 SDapp의 공간 분포를 나타낸다. 프로세서(104)는 수학식 3 및 단계(204)에서 가정된 B1t의 상수 값을 사용하여 SDapp 맵을 결정할 수 있다. 예를 들어, 프로세서(104)는 단계(204)에서 가정된 B1t의 상수 값 및 FA θ1 또는 θ2에 대응하는 데이터 세트로부터의 데이터 포인트를 사용하여 각 픽셀에서 SDapp에 대한 수학식 3을 풀 수 있다. 대안적으로, 수학식 2에 기초하고 단계(204)를 다시 참조하면, 프로세서(104)는 B1t의 정규화된 상수 값을 가정할 때(예를 들어, B1t = 1.0)
Figure pct00016
좌표 시스템에서 x 축과 데이터 포인트
Figure pct00017
및
Figure pct00018
에 의해 정의되는 직선의 교점에 기초하여, 각 픽셀에서
Figure pct00019
를 결정할 수 있다. 단계(204)에서 E1이 이미 결정되었으므로, 프로세서(104)는 x-축과의 교점에 대응하는 값을 각 픽셀에서 1-E1로 나눔으로써 SDeff의 맵을 생성하고, SDeff 맵에 단계(204)에서 가정된 B1t의 상수 값을 곱하여, SDapp 맵을 생성할 수 있다.
프로세서(104)는 결정된 SDapp 맵을 단계(210)에서 결정된 B1t 맵으로 나눔으로써 SD 맵의 제1 추정치를 생성할 수 있다. 수학식 4에 따르면, 해부학적 영역 내의 각 픽셀 또는 복셀에 대해, 프로세서(104)는 그 픽셀에서의 SDapp 값을 (단계 210에서 생성된 B1t 맵으로부터) 동일한 픽셀에서의 B1t 값으로 스케일링할 수 있다(또는 나눌 수 있다).
Figure pct00020
이므로, SD 맵의 생성된 제1 추정치는 SDeff 맵의 추정치이다. SD 맵의 제1 추정치는 B1t 분포의 변동을 설명한다(그러나, B1r 분포의 변동은 설명하지 않는다). B1r 데이터가 획득되면, 정정된 SD 맵은
Figure pct00021
를 통해 구해질 수 있으며 정정된 SD 맵이라고 할 수 있다. 마지막으로 다중 에코를 사용하여 T2*를 계산하면, 공식
Figure pct00022
로부터 절대 SD를 얻을 수 있다.
도 8a 내지 도 8c를 참조하면, 이미지(802, 804 및 806)는 각각 T1 맵의 추정치, SDapp 맵의 추정치 및 SD 맵의 추정치의 예를 도시한다. 이미지(802)에 도시된 T1 맵은 이미지(402)(도 4a에 도시됨)의 T1app 맵을 이미지(704)(도 7b)에 도시된 B1t의 제곱으로 (픽셀 단위로) 스케일링함으로써 생성된다. 이미지(804)에서의 SDapp 맵의 추정치는 이미지(302) 또는 이미지(304)(도 3a 및 3b)에 도시된 데이터 세트 중 하나인 수학식 3을 사용하여 생성된다. 이미지(806)의 SD 맵(또는 SDeff 맵)의 추정치는 이미지(704)의 SDapp 맵을 이미지(704)의 B1t 맵으로 나눔으로써 생성된다(도 7b).
프로세서(104)는 (단계 210에서 결정된) 추정된 B1t 맵, 정정된 T1 맵 및 정정된 SD 맵을 사용하여, B1r의 맵을 추정(또는 생성)할 수 있다. 특히, 프로세서(104)는 정정된 T1 및 SD 맵뿐만 아니라 추정된 B1t 맵을 사용하여, 제1 조직 유형(예를 들어, 백질)과 관련된 제1 영역 및 제2 조직 유형(예를 들어, 회백질)과 관련된 제2 영역을 등신호강도(isointense)로 만들 수 있는 특정 플립 각도에 대응하는 MR 데이터 세트를 합성할 수 있다. 프로세서(104)는 MRI 스캐너(102)를 통한 추가적인 MR 데이터 획득 없이, 대신 수학식 1을 사용하여 이러한 MR 데이터 세트를 합성할 수 있다. 프로세서(104)는 3 개의 상이한 조직 유형(예를 들어, 백색질, 회백질 및 뇌척수액)에 대응하는 3 개의 영역이 등신호강도인 MR 데이터 세트를 생성하기 위해 에코 시간(TE)을 추가로 변경할 수 있다. 프로세서(104)는 SD 맵 추정치(예를 들어, 도 8c의 이미지(806)에 도시된 SD 맵)를 추정된 B1r 맵으로 스케일링하여, 해부학적 영역 내에서 B1r의 공간 변동의 영향을 완화시키고 SD 맵의 개선된 추정치를 달성할 수 있다.
도 9를 참조하면, FA의 범위에 걸쳐 상이한 조직 유형에 대응하는 예시적인 신호가 도시되어 있다. 신호(902)는 백질(또는 WM)에 대응하고, 신호(904)는 회백질(또는 GM)에 대응하고, 신호(906)는 뇌척수액(또는 CSF)에 대응한다. 신호(908)는 신호(902) 및 신호(904)의 차이를 나타내고, 신호(910)는 신호(904) 및 신호(906)의 차이를 나타내고, 신호(912)는 신호(902) 및 신호(906)의 차이를 나타낸다. 신호(902, 904 및 906)는 백질 내에서 1000ms, 회백질 내에서 1700ms, 뇌척수액 내에서 4500ms와 동일한 상수 T1 값을 사용하여 생성되었다. 반복 시간(TR)은 30ms와 동일하고, 백질 SD는 0.68와 동일하며, 회백질의 SD는 0.82와 동일하다. 또한, 44ms 및 51ms의 T2* 값이 각각 백질 및 회백질에 사용되었다. 신호(902 및 904)는 약 10°의(또는 그보다 살짝 높은) FA에서 교차한다. 상이한 조직을 등신호강도로 함으로써, 프로세서(104)는 로컬 스핀 밀도를 결정할 필요성을 피할 수 있다. 모든 신호는 등신호강도이므로, 합성된 데이터 세트의 진폭 변동은 B1r 필드의 변동을 나타낸다. 따라서, 프로세서(104)는 합성된 데이터 세트에 기초하여 B1r 맵을 결정(또는 생성)할 수 있다. 프로세서(104)는 또한 B1r 맵을 추정하는데 로컬 이차 피팅을 이용할 수 있다. 초기 이미지를 정정하는 데 사용되는 B1r 맵은 이미지 중앙의 B1r의 값으로 정규화된 등신호강도 이미지로부터의 신호로서 정의될 수 있다.
도 10a-10c를 참조하면, 예시적인 합성된 MR 데이터 세트, 예시적인 수신 RF 필드 및 예시적인 스케일링된 스핀 밀도 맵을 나타내는 이미지가 도시되어 있다. 이미지(1002)는 백질 및 회백질이 등신호강도가 되도록 FA가 선택되는, 이중 등신호강도 MR 데이터 세트를 나타낸다. 이미지(1004)는 이미지(1002)의 등신호강도 MR 데이터 세트에 기초하여 생성된(또는 추정된) B1r 맵을 나타낸다. 이미지(1002)의 등신호강도 MR 데이터 세트는 갭(블랙 영역 또는 픽셀)을 포함한다. 이러한 갭은 로컬 이차 피팅을 사용함으로써 이미지(1004)의 B1r 맵에서 제거된다. 일부 구현들에서, 프로세서(104)는 SD 맵 추정치(예를 들어,도 8c의 이미지(806)에 도시된 SD 맵)를 합성된 데이터 세트에 기초하여 추정된 B1r 맵으로 스케일링하여, 추정된 SD 맵에 대한, 해부학적 영역 내의 B1r의 공간 변동의 영향을 완화시킬 수 있다. 이미지(1006)는 이미지(806)의 SD 맵을 이미지(1004)의 B1r 맵으로 스케일링(픽셀 단위 스케일링)하는 것을 나타낸다. 이미지(1006) 및 이미지(806)를 비교하면, 이미지(1006)의 SD 맵이 이미지(806)와 비교하여 해부학적 영역 내의 다양한 서브 영역의 개선된 표현을 제공한다는 것을 알 수 있다.
일부 구현에서, 프로세서(104)(또는 일부 다른 컴퓨팅 디바이스)는 복수의 대상(예를 들어, 환자 또는 자원 봉사자)에 대한 복수의 B1t 맵을 추정할 수 있다. 프로세서(104)는 방법(200)과 관련하여 위에서 설명된 바와 같이 각각의 대상에 대한 B1t 맵을 추정할 수 있다. 각각의 대상에 대해, 프로세서(104)는 각각의 대상에 대한 대응하는 B1t 맵을 해부학적 영역(예를 들어, 뇌)의 각각의 템플릿으로 변환할 수 있다. 프로세서(104)는 제1 데이터 세트의 크기 이미지를 템플릿 뇌(template brain)로 먼저 변환함으로써(예를 들어, Insight Segmentation 및 Registration Toolkit(ITK)를 사용하여) 이를 달성할 수 있다. 프로세서(104)는 결과적인 변환을 사용하여, B1t 필드를 템플릿 공간(template space)에 매핑할 수 있다. 그 후 프로세서(104)는 복수의 대상과 관련된 템플릿에서 B1t 값을 공통 B1t 템플릿으로 평균화할 수 있다. 일부 구현들에서, 평균화는 가중 평균화(weighted averaging)일 수 있다. 예를 들어, 일부 대상과 관련된 일부 템플릿은 다른 템플릿보다 더 많거나 더 적게 가중화될 수 있다. 프로세서(104)는 환자 공간으로 역변환을 다시 수행함으로써 다양한 환자에 대한 B1t 맵의 추정치로서 공통(또는 평균) B1t 템플릿을 사용할 수 있다. 예를 들어, 공통(또는 평균) B1t 템플릿은 오프라인으로 계산되어, 다양한 환자에 대해 (단계 201에서 생성된 B1t 맵과 관련하여 위에서 설명한 바와 같이) T1 맵 또는 SD 맵을 재구성하는데 사용될 수 있다. 공통(또는 평균) B1t 템플릿을 사용함으로써, 프로세서(104)는 각각의 새로운 스캔된 대상에 대한 B1t 맵을 생성하는 것을 피하고 대신에 미리 계산된 공통(또는 평균) B1t 템플릿을 사용할 수 있다. 일부 구현들에서, 프로세서는 해부학적 영역의 개별 이미지들(예를 들어, T1 맵의 개별 이미지들)을 생성하기 위해, 사전 계산된 공통(또는 평균) B1t 템플릿 및 환자에 특유한 B1t 맵의 추정치 둘 다를 사용할 수 있다.
프로세서(104)(또는 일부 다른 컴퓨팅 디바이스)는 또한 공통(또는 평균) B1r 템플릿을 생성할 수 있다. 프로세서(104)는, 예를 들어, 전술한 바와 같이 별개의 대상에 대한 등신호강도 영역을 갖는 합성된 MR 데이터 세트에 기초하여, 복수의 대상(예를 들어, 환자 또는 자원 봉사자)에 대한 복수의 B1r 맵을 추정할 수 있다. 각각의 대상에 대해, 프로세서(104)는 대응하는 B1r 맵을 해부학적 영역(예를 들어, 뇌)의 각각의 템플릿으로 변환하고, 다양한 대상에 대한 템플릿을 평균화(예를 들어, 가중 또는 비가중 평균화)하여, 공통(또는 평균) B1r 템플릿을 생성할 수 있다. 공통(또는 평균) B1r 템플릿은 오프라인으로 계산될 수 있고, 프로세서(104)는 공통(또는 평균) B1r 템플릿을 다양한 환자에 대한 B1r 맵의 추정치로서 사용할 수 있다. 사전 계산된 공통(또는 평균) B1r 템플릿의 이용 가능성은 새로 스캔된 각 환자에 대한 각각의 B1r 맵의 구성(또는 계산)을 피할 수 있다. 일부 구현들에서, 프로세서는 해부학적 영역의 개별 이미지들을 생성하기 위해 사전 계산된 공통(또는 평균) B1r 템플릿 및 환자에 특유한 B1r 맵의 추정치 둘 다를 사용할 수 있다.
도 11을 참조하면, B1t 및 B1r 맵에 대한 뇌 템플릿의 예가 도시되어 있다. 이미지의 상단 행은 B1t 맵에 대한 예시적인 공통(또는 평균) 뇌 템플릿을 도시한다. 이 공통(또는 평균) 템플릿은 다양한 대상에 사용될 수 있는 B1t 맵의 추정치를 나타낸다. 이미지의 하단 행은 B1r 맵에 대한 예시적인 공통(또는 평균) 뇌 템플릿의 예를 도시한다. 이 공통(또는 평균) 템플릿은 다양한 대상에 사용될 수 있는 B1r 맵의 추정치를 나타낸다.
각각의 스캔된 대상에 대해, 프로세서(104)는 (예를 들어, ITK를 사용하여) 평균 B1t 템플릿 및/또는 해당 특정 대상에 대한 평균 B1r 템플릿을 역변환할 수 있다. 예를 들어, 프로세서는 특정 환자에 대한 해부학적 영역(예를 들어, 뇌)의 크기와 일치하도록 공통(또는 평균) B1t 템플릿 및/또는 공통(또는 평균) B1r 템플릿을 조정할 수 있다. 프로세서(104)는 역변환된 공통(또는 평균) B1t 템플릿을 사용하여 해당 특정 환자에 대한 T1 맵을 추정할 수 있다. 특히, 프로세서(104)는 환자에 대한 T1app 맵을 역변환된 공통(또는 평균) B1t 템플릿의 제곱으로 스케일링하여(또는 픽셀별 또는 복셀별로 나누어), T1 맵의 추정치를 생성할 수 있다. 이러한 추정은 환자에 특유한 추정된 B1t 맵에 기초하여 추정치를 대체할 수 있거나, T1 맵의 추가(또는 제2) 추정치일 수 있다. 프로세서(104)는 또한 환자에 대한 SD(또는 SDeff) 맵을 추정할 때 공통(또는 평균) B1t를 사용할 수 있다. 특히, 프로세서(104)는 환자에 대한 SDapp 맵을 역변환된 공통(또는 평균) B1t 템플릿으로 스케일링하여(또는 픽셀별 또는 복셀별로 나누어), SD의 추정치를 생성할 수 있다.
프로세서(104)는 또한 단계(202)에서 획득된 (FA θ1 및 θ2에 대응하는) 원래 데이터 세트를 합성된 데이터 세트에 기초하여 추정된 B1r 맵으로 스케일링하고, 스케일링된 데이터 세트를 감산함으로써 해부학적 영역의 MR 이미지를 생성할 수 있다. 생성된 MR 이미지는 각각의 T1 값에 기초하여 해부학적 영역 내의 다양한 조직 유형을 예시할 수 있다. 프로세서(104)는 제2 FA에 대응하는 다른 스케일링된 데이터 세트로부터 제1 FA에 대응하는 제1 스케일링된 MR 데이터 세트를 감산할 때 가중된 감산을 이용할 수 있다. 일부 구현들에서, 프로세서(104)는 단계(202)에서 획득된 (FA θ1 및 θ2에 대응하는) 원래 데이터 세트를, 오프라인으로 계산되거나 재구성된 공통(또는 평균) B1r 템플릿(또는 그 역변환)으로 스케일링할 수 있다. 일부 구현들에서, 프로세서(104)는 SD 맵 추정치(예를 들어,도 8c의 이미지(806)에 도시된 SD 맵)를 공통(또는 평균) B1r 템플릿으로 스케일링하여, 추정된 SD 맵에 대한, 해부학적 영역 내에서 B1r의 공간 변동의 영향을 완화시킬 수 있다.
일부 구현들에서, 프로세서(104)는 해부학적 영역의 다른(또는 대안적인) MR 이미지를 생성하기 위해, 단계(202)에서 획득된 (FA θ1 및 θ2에 대응하는) 원래 데이터 세트에 대응하는 이미지들을 (스케일링 없이) 감산할 수 있다. 이러한 MR 이미지는 각각의 T1 값에 기초하여 해부학적 영역 내의 다양한 조직 유형을 예시할 수 있다.
도 12a 내지 12d를 참조하면, 스케일링된 MR 데이터 세트의 이미지 및 감산 MR 이미지가 도시되어 있다. 이미지(1202 및 1204)는 이미지(302 및 304)를 이미지(1002)의 B1r 맵으로 스케일링한 것을 각각 나타낸다. B1r 맵에 의한 스케일링이 해부학적 영역 내에서 B1r의 공간 변동의 영향을 완화시키기 때문에, 이미지(1202 및 1204)는 대응하는 원래 이미지(302 및 304)에 비하여 개선을 나타낸다. 그러나, 이미지(1202 및 1204)는 여전히 해부학적 영역 내에서 B1t의 공간적 변동의 영향을 받는 어려움이 있다. 이미지(1206)는 2 개의 FA에 대한 원래 획득된 데이터 세트에 대응하는 이미지(302 및 304) 사이의 감산(예를 들어, 큰 FA에 대응하는 이미지로부터 낮은 FA에 대응하는 이미지를 감산)을 나타낸다. 이미지(1208)는 스케일링된 이미지(1202 및 1204) 사이의 감산(예를 들어, 큰 FA에 대응하는 이미지로부터 낮은 FA에 대응하는 이미지를 감산)을 나타낸다. 두 이미지(1206 및 1208)는 원래 획득된 데이터에 대응하는 이미지(302 및 304)와 비교하여 해부학적 영역 내의 다양한 조직의 개선된 표현을 제공하지만, 해부학적 영역 내에서 B1r의 공간적 변동의 영향이 이전(former) 이미지(1208)에서 제거되기(완화되기) 때문에, 이미지(1208)는 이미지(1206)에 비하여 개선을 나타낸다.
본 명세서에 기술된 방법 및 시스템은 2 개의 플립 각도를 사용하여 스캔된 해부학적 영역의 개선된 이미지를 생성하기 위한 다양한 기술을 제공한다. 이러한 방법과 시스템은 인간의 뇌에 국한된 것으로 해석되어서는 안 되며, 다른 해부학적 영역에 사용될 수 있다. 또한, 본 개시는 다양한 MR 이미지(예를 들어, 추정된 T1 맵, 추정된 SD 맵, 스케일링된 SD 맵, 감산 MR 이미지, 스케일링된 감산 MR 이미지, 추정된 B1t 맵, 추정된 B1r 맵, 공통 B1t 템플릿, 또는 공통 B1r 템플릿)를 생성하기 위한 다양한 기법을 기술하지만, 본 개시는 이러한 기법 또는 대응하는 MR 이미지의 다양한 조합을 포함하는 것으로 해석되어야 한다. 또한, 프로세서(104)는 다수의 에코 시간에 대하여 본 명세서에 설명된 다양한 MR 이미지를 생성하기 위한 기법을 적용할 수 있다. 예를 들어, 프로세서(104)는 다양한 에코 시간들과 연관된 데이터 세트들에 기초하여 생성된 MR 이미지들(예를 들어, B1t 맵들, B1r 맵들, T1app 맵들, T1 맵들, SDapp 맵들, SD 맵들 등)에 평균화 또는 가중 평균화를 적용하여, 해부학적 영역의 개선된 이미지를 제공한다.
당업자는 본 개시에서 기술된 프로세스가 프로세서에 의해 실행 가능한 컴퓨터 코드 명령어들을 사용하여 구현될 수 있다는 것을 인식해야 한다. 컴퓨터 코드 명령어들은 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 캐시 메모리, 디스크 메모리, 임의의 다른 메모리 또는 임의의 다른 컴퓨터 판독 가능 매체와 같은 비-일시적 또는 유형의(tangible) 컴퓨터 판독 가능 매체에 저장될 수 있다. 본 개시에서 설명된 프로세스들은 적어도 하나의 프로세서 및/또는 실행 가능한 코드 명령어들을 저장하는 메모리를 포함하는 장치에 의해 구현될 수 있다. 적어도 하나의 프로세서에 의해 실행될 때 코드 명령어들은 본 개시에서 설명된 프로세스 또는 동작들 중 적어도 하나를 수행하게 할 수 있다. 장치는 예를 들어 MRI 스캐너, 컴퓨터 디바이스 또는 MRI 스캐너와 관련된 다른 전자 디바이스일 수 있다.

Claims (20)

  1. 자기 공명 영상(magnetic resonance imaging, MRI) 시스템에 있어서,
    적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 획득하도록 구성된 MRI 스캐너;
    적어도 하나의 프로세서; 및
    컴퓨터 코드 명령어들이 저장된 메모리를 포함하고,
    상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
    상기 해부학적 영역 내의 상기 제1 MR 데이터 세트, 상기 제2 MR 데이터 세트 및 전송 무선 주파수(radio frequency, RF) 필드에 대한 상수 값을 사용하여, 상기 해부학적 영역 내의 T1app의 공간 분포를 나타내는 겉보기 종 완화 시간(T1app) 맵을 생성하고;
    상기 T1app 맵을 상기 해부학적 영역 내의 제1 조직 유형과 관련된 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하고;
    상기 T1app 맵을 상기 해부학적 영역 내의 제2 조직 유형과 관련된 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하며;
    상기 추정된 제1 전송 RF 필드 맵 및 상기 추정된 제2 전송 RF 필드 맵을 사용하여, 상기 해부학적 영역 내의 전송 RF 필드의 공간 분포를 나타내는 제3 전송 RF 필드 맵을 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  2. 제1항에 있어서, 상기 해부학적 영역은 인간의 뇌이고, 상기 제1 조직 유형은 백질이고, 상기 제2 조직 유형은 회백질인 것인 자기 공명 영상(MRI) 시스템.
  3. 제1항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 T1app 맵을 상기 해부학적 영역 내의 제3 조직 유형과 관련된 종 완화 시간(T1)의 제3 상수 값으로 스케일링함으로써, 제4 전송 RF 필드 맵을 추정하게 하고,
    상기 제3 전송 RF 필드 맵을 생성하는 것은, 상기 추정된 제1 전송 RF 필드 맵, 상기 추정된 제2 전송 RF 필드 맵 및 상기 추정된 제4 전송 RF 필드 맵을 사용하는 것을 포함하는 것인 자기 공명 영상(MRI) 시스템.
  4. 제3항에 있어서, 상기 해부학적 영역은 인간의 뇌이고, 상기 제1 조직 유형은 백질이고, 상기 제2 조직 유형은 회백질이고, 상기 제3 조직 유형은 뇌척수액인 것인 자기 공명 영상(MRI) 시스템.
  5. 제1항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 T1app 맵을 상기 제3 전송 RF 필드 맵의 제곱으로 나눔으로써 제1 종 완화 시간(T1) 맵을 생성하게 하고,
    상기 제1 T1 맵은 상기 해부학적 영역 내의 T1의 공간 분포를 나타내는 것인 자기 공명 영상(MRI) 시스템.
  6. 제1항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 제1 MR 데이터 세트, 상기 제2 MR 데이터 세트, 및 상기 전송 RF 필드에 대한 상수 값을 사용하여, 상기 해부학적 영역 내의 SDapp의 공간 분포를 나타내는 겉보기 스핀 밀도(SDapp) 맵을 생성하고;
    상기 SDapp 맵을 상기 제3 전송 RF 필드 맵으로 스케일링함으로써 제1 스핀 밀도(SD) 맵을 생성하고;
    상기 제3 전송 RF 필드 맵, 상기 제1 T1 맵 및 상기 제1 SD 맵을 사용하여, 적어도 상기 제1 조직 유형에 대응하는 해부학적 영역의 제1 서브-영역 및 상기 제2 조직 유형에 대응하는 해부학적 영역의 제2 서브-영역이 등신호강도가 되도록 제3 플립 각도에 대응하는 제3 MR 데이터 세트를 합성하고;
    상기 합성된 제3 MR 데이터 세트를 사용하여, 상기 해부학적 영역 내의 수신 RF 필드의 공간 분포를 나타내는 수신 RF 필드 맵을 추정하며;
    상기 제1 SD 맵을 상기 추정된 수신 RF 필드 맵으로 스케일링함으로써 제2 SD 맵을 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  7. 제1항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    복수의 대상들에 대한 복수의 전송 RF 필드 맵을 추정하고;
    상기 복수의 대상들에 대한 추정된 복수의 전송 RF 필드 맵의 평균을 사용하여 전송 RF 필드 템플릿을 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  8. 제7항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 T1app 맵 및 상기 전송 RF 필드 템플릿을 사용하여 제2 T1 맵을 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  9. 제7항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    추정된 SDapp 맵, 상기 전송 RF 필드 템플릿, 및 추정된 수신 RF 필드 맵을 사용하여 스핀 밀도(SD) 맵을 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  10. 제6항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 제1 MR 데이터 세트를 상기 수신 RF 필드 맵으로 스케일링하고;
    상기 제2 MR 데이터 세트를 상기 수신 RF 필드 맵으로 스케일링하며;
    상기 스케일링된 제2 MR 데이터 세트로부터 상기 스케일링된 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  11. 제1항에 있어서, 상기 컴퓨터 코드 명령어들은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 또한:
    상기 제2 MR 데이터 세트로부터 상기 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성하게 하는 것인 자기 공명 영상(MRI) 시스템.
  12. 자기 공명 영상(magnetic resonance imaging, MRI)을 위한 방법에 있어서,
    적어도 하나의 프로세서에 의해, 적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 획득된 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 수신하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 해부학적 영역 내의 상기 제1 MR 데이터 세트, 상기 제2 MR 데이터 세트 및 전송 RF 필드에 대한 상수 값을 사용하여, 상기 해부학적 영역 내의 T1app의 공간 분포를 나타내는 겉보기 종 완화 시간(T1app) 맵을 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 T1app 맵을 상기 해부학적 영역 내의 제1 조직 유형과 관련된 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 T1app 맵을 상기 해부학적 영역 내의 제2 조직 유형과 관련된 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 추정된 제1 전송 RF 필드 맵 및 상기 추정된 제2 전송 RF 필드 맵을 사용하여, 상기 해부학적 영역 내의 전송 RF 필드의 공간 분포를 나타내는 제3 전송 RF 필드 맵을 생성하는 단계를 포함하는 것인 자기 공명 영상(MRI) 방법.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 T1app 맵을 상기 해부학적 영역 내의 제3 조직 유형과 관련된 종 완화 시간(T1)의 제3 상수 값으로 스케일링함으로써, 제4 전송 RF 필드 맵을 추정하는 단계를 더 포함하고;
    상기 제3 전송 RF 필드 맵을 생성하는 단계는, 상기 추정된 제1 전송 RF 필드 맵, 상기 추정된 제2 전송 RF 필드 맵 및 상기 추정된 제4 전송 RF 필드 맵을 사용하는 단계를 포함하는 것인 자기 공명 영상(MRI) 방법.
  14. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 T1app 맵을 상기 제3 전송 RF 필드 맵의 제곱으로 나눔으로써 제1 종 완화 시간(T1) 맵을 생성하는 단계를 더 포함하고,
    상기 제1 T1 맵은 상기 해부학적 영역 내의 T1의 공간 분포를 나타내는 것인 자기 공명 영상(MRI) 방법.
  15. 제14항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 제1 MR 데이터 세트, 상기 제2 MR 데이터 세트, 및 상기 전송 RF 필드에 대한 상수 값을 사용하여, 상기 해부학적 영역 내의 SDapp의 공간 분포를 나타내는 겉보기 스핀 밀도(SDapp) 맵을 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 SDapp 맵을 상기 제3 전송 RF 필드 맵으로 스케일링함으로써 제1 스핀 밀도(SD) 맵을 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 제3 전송 RF 필드 맵, 상기 제1 T1 맵 및 상기 제1 SD 맵을 사용하여, 적어도 상기 제1 조직 유형에 대응하는 해부학적 영역의 제1 서브-영역 및 상기 제2 조직 유형에 대응하는 해부학적 영역의 제2 서브-영역이 등신호강도가 되도록 제3 플립 각도에 대응하는 제3 MR 데이터 세트를 합성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 합성된 제3 MR 데이터 세트를 사용하여, 상기 해부학적 영역 내의 수신 RF 필드의 공간 분포를 나타내는 수신 RF 필드 맵을 추정하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 제1 SD 맵을 상기 추정된 수신 RF 필드 맵으로 스케일링함으로써 제2 SD 맵을 생성하는 단계를 더 포함하는 것인 자기 공명 영상(MRI) 방법.
  16. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 복수의 대상들에 대한 복수의 전송 RF 필드 맵을 추정하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 복수의 대상들에 대한 추정된 복수의 전송 RF 필드 맵의 평균을 사용하여 전송 RF 필드 템플릿을 생성하는 단계를 더 포함하는 것인 자기 공명 영상(MRI) 방법.
  17. 제16항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 추정된 SDapp 맵, 상기 전송 RF 필드 템플릿, 및 추정된 수신 RF 필드 맵을 사용하여 스핀 밀도(SD) 맵을 생성하는 단계를 더 포함하는 것인 자기 공명 영상(MRI) 방법.
  18. 제16항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 T1app 맵 및 상기 전송 RF 필드 템플릿을 사용하여 제2 T1 맵을 생성하는 단계를 더 포함하는 것인 자기 공명 영상(MRI) 방법.
  19. 제15항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 제1 MR 데이터 세트를 상기 수신 RF 필드 맵으로 스케일링하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 제2 MR 데이터 세트를 상기 수신 RF 필드 맵으로 스케일링하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 스케일링된 제2 MR 데이터 세트로부터 상기 스케일링된 제1 MR 데이터 세트의 가중 감산을 나타내는 이미지를 생성하는 단계를 더 포함하는 것인 자기 공명 영상(MRI) 방법.
  20. 컴퓨터 코드 명령어들이 저장된 비-일시적 컴퓨터 판독 가능 매체에 있어서,
    상기 컴퓨터 코드 명령어들은 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
    적어도 하나의 에코 시간을 사용하여 해부학적 영역을 영상화함으로써 획득된 제1 플립 각도에 대응하는 제1 자기 공명(MR) 데이터 세트 및 제2 플립 각도에 대응하는 제2 MR 데이터 세트를 수신하고;
    상기 해부학적 영역 내의 상기 제1 MR 데이터 세트, 상기 제2 MR 데이터 세트 및 전송 RF 필드에 대한 상수 값을 사용하여, 상기 해부학적 영역 내의 T1app의 공간 분포를 나타내는 겉보기 종 완화 시간(T1app) 맵을 생성하고;
    상기 T1app 맵을 상기 해부학적 영역 내의 제1 조직 유형과 관련된 종 완화 시간(T1)의 제1 상수 값으로 스케일링함으로써 제1 전송 RF 필드 맵을 추정하고;
    상기 T1app 맵을 상기 해부학적 영역 내의 제2 조직 유형과 관련된 T1의 제2 상수 값으로 스케일링함으로써 제2 전송 RF 필드 맵을 추정하며;
    상기 추정된 제1 전송 RF 필드 맵 및 상기 추정된 제2 전송 RF 필드 맵을 사용하여, 상기 해부학적 영역 내의 전송 RF 필드의 공간 분포를 나타내는 제3 전송 RF 필드 맵을 생성하게 하는 것인 비-일시적 컴퓨터 판독 가능 매체.
KR1020207005227A 2017-07-25 2017-07-26 전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법 KR102353790B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/659,353 US10451697B2 (en) 2017-07-25 2017-07-25 Systems and methods for strategically acquired gradient echo imaging
US15/659,353 2017-07-25
PCT/US2017/043991 WO2019022733A1 (en) 2017-07-25 2017-07-26 SYSTEMS AND METHODS FOR STRATEGICALLY ACQUIRED GRADIENT IMAGING

Publications (2)

Publication Number Publication Date
KR20200032167A true KR20200032167A (ko) 2020-03-25
KR102353790B1 KR102353790B1 (ko) 2022-01-19

Family

ID=65037799

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207005227A KR102353790B1 (ko) 2017-07-25 2017-07-26 전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법

Country Status (6)

Country Link
US (1) US10451697B2 (ko)
EP (1) EP3658018A4 (ko)
JP (1) JP6872079B2 (ko)
KR (1) KR102353790B1 (ko)
CN (1) CN111065328B (ko)
WO (1) WO2019022733A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020123788A1 (en) * 2018-12-14 2020-06-18 The Board Of Trustees Of The Leland Stanford Junior University Qualitative and quantitative mri using deep learning
US11119170B1 (en) 2020-06-11 2021-09-14 Spintech, Inc. Systems and methods for enhancement of resolution for strategically acquired gradient echo (STAGE) imaging
US11249159B2 (en) 2020-06-11 2022-02-15 Spintech, Inc. Systems and methods for enhancement of resolution for strategically acquired gradient echo (stage) imaging
US11435424B1 (en) * 2021-08-27 2022-09-06 Spintech, Inc. Systems and methods of constrained reconstruction of images with white noise

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070247157A1 (en) * 2006-04-20 2007-10-25 Sultan Haider Mr tomography with a system for contrast optimization of mrt images
US20120197105A1 (en) * 2011-01-28 2012-08-02 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging (MRI)
WO2017022136A1 (ja) * 2015-08-06 2017-02-09 株式会社日立製作所 磁気共鳴イメージング装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6603989B1 (en) 2000-03-21 2003-08-05 Dmitriy A. Yablonskiy T2 contrast in magnetic resonance imaging with gradient echoes
US6819952B2 (en) * 2001-03-23 2004-11-16 The Board Of Trustees Of The Leland Stanford Junior University Magnetic resonance spectroscopic imaging method to monitor progression and treatment of neurodegenerative conditions
GB0619269D0 (en) 2006-09-29 2006-11-08 King S College London Method of mapping a magnetic field for use in magnetic resonance imaging
US8698495B2 (en) 2008-03-27 2014-04-15 Koninklijke Philips N.V. Flip angle imaging with improved B1 mapping for multi-RF transmit systems
EP2141506B1 (en) * 2008-07-01 2019-04-03 The Regents of The University of California Identifying fiber tracts using magnetic resonance imaging (MRI)
US8502538B2 (en) 2009-03-19 2013-08-06 Kabushiki Kaisha Toshiba B1 and/or B0 mapping in MRI system using k-space spatial frequency domain filtering with complex pixel by pixel off-resonance phase in the B0 map
US9271651B2 (en) * 2009-11-30 2016-03-01 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using patient related time trend data
DE102010020770A1 (de) * 2010-05-17 2011-11-17 Siemens Aktiengesellschaft Verfahren zur Reduzierung von Bildartefakten, insbesondere von Metallartefakten, in CT-Bilddaten
US9400319B2 (en) 2010-11-05 2016-07-26 Hitachi Medical Corporation Magnetic resonance imaging apparatus and method for measuring irradiation magnetic field
US9921283B2 (en) * 2011-01-28 2018-03-20 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging
US9201158B2 (en) * 2012-01-24 2015-12-01 Schlumberger Technology Corporation Estimating and displaying molecular size information of a substance
US9625547B2 (en) 2013-03-28 2017-04-18 Universitatsspital Basel Magnetic resonance imaging method for the quantification of the T1 and/or T2 relaxation times in a sample
CN104856676B (zh) * 2014-02-26 2017-10-03 西门子(深圳)磁共振有限公司 磁共振成像方法和装置
CN106232010B (zh) * 2014-07-02 2020-03-31 柯惠有限合伙公司 用于检测气管的系统和方法
US10598750B2 (en) * 2015-04-02 2020-03-24 The General Hospital Corporation 3D balanced EPI magnetic resonance fingerprinting
WO2017053799A1 (en) 2015-09-25 2017-03-30 Oregon Health & Science University Systems and methods for functional imaging of the placenta

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070247157A1 (en) * 2006-04-20 2007-10-25 Sultan Haider Mr tomography with a system for contrast optimization of mrt images
US20120197105A1 (en) * 2011-01-28 2012-08-02 The Board Of Trustees Of The Leland Stanford Junior University Methods for detecting abnormalities and degenerative processes in soft tissue using magnetic resonance imaging (MRI)
WO2017022136A1 (ja) * 2015-08-06 2017-02-09 株式会社日立製作所 磁気共鳴イメージング装置

Also Published As

Publication number Publication date
US10451697B2 (en) 2019-10-22
EP3658018A4 (en) 2021-04-07
JP2020530805A (ja) 2020-10-29
JP6872079B2 (ja) 2021-05-19
US20190033418A1 (en) 2019-01-31
WO2019022733A1 (en) 2019-01-31
KR102353790B1 (ko) 2022-01-19
CN111065328B (zh) 2023-10-10
CN111065328A (zh) 2020-04-24
EP3658018A1 (en) 2020-06-03

Similar Documents

Publication Publication Date Title
JP6283009B2 (ja) 磁気共鳴イメージングシステム
US9612300B2 (en) System and method for object-based initialization of magnetic field inhomogeneity in magnetic resonance imaging
Budde et al. Ultra-high resolution imaging of the human brain using acquisition-weighted imaging at 9.4 T
US20140210469A1 (en) Nonrigid motion correction in 3d using autofocusing with localized linear translations
JP5979327B2 (ja) 磁気共鳴イメージング装置、その作動方法及び時系列画像作成プログラム
KR102353790B1 (ko) 전략적으로 획득된 기울기 에코 영상을 위한 시스템 및 방법
KR20150131124A (ko) 신호 불균일 정정 및 성능 평가를 위한 방법 및 장치
US20090206838A1 (en) Systems and Methods for Correction of Inhomogeneities in Magnetic Resonance Images
US10031201B2 (en) Method and apparatus for magnetic resonance imaging
Chung et al. An improved PSF mapping method for EPI distortion correction in human brain at ultra high field (7T)
Hutter et al. Slice-level diffusion encoding for motion and distortion correction
Tabelow et al. Local estimation of the noise level in MRI using structural adaptation
CN112639500B (zh) 一种分析磁共振成像图像的方法
US20100054570A1 (en) Motion corrected multinuclear magnetic resonance imaging
US20140314293A1 (en) System and method for joint degradation estimation and image reconstruction in magnetic resonance imaging
van Rijssel et al. Reducing distortions in echo‐planar breast imaging at ultrahigh field with high‐resolution off‐resonance maps
US10036793B2 (en) Method and apparatus for reconstructing magnetic resonance images with phase noise-dependent selection of raw data
Park et al. Development of a bias field-based uniformity correction in magnetic resonance imaging with various standard pulse sequences
JP2012029999A (ja) 磁気共鳴イメージング装置及び輝度不均一補正方法
US11467238B2 (en) Method for uniform reconstruction of multi-channel surface-coil magnetic resonance data without use of a reference scan
US10955511B2 (en) Magnetic resonance imaging coil normalization by using a reference image
Testud et al. Direct magnetic field estimation based on echo planar raw data
Doniza et al. Noise propagation and MP-PCA image denoising for high-resolution quantitative T2* and magnetic susceptibility mapping (QSM)
Beirinckx et al. Model-based super-resolution reconstruction for pseudo-continuous Arterial Spin Labeling
Aldokhail Automated signal to noise ratio analysis for magnetic resonance imaging using a noise distribution model

Legal Events

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