WO2012033264A1 - 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체 - Google Patents

적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체 Download PDF

Info

Publication number
WO2012033264A1
WO2012033264A1 PCT/KR2010/009620 KR2010009620W WO2012033264A1 WO 2012033264 A1 WO2012033264 A1 WO 2012033264A1 KR 2010009620 W KR2010009620 W KR 2010009620W WO 2012033264 A1 WO2012033264 A1 WO 2012033264A1
Authority
WO
WIPO (PCT)
Prior art keywords
estimated
spatial interaction
calibration
interaction value
estimated spatial
Prior art date
Application number
PCT/KR2010/009620
Other languages
English (en)
French (fr)
Inventor
박재석
박수형
Original Assignee
주식회사 사이메딕스
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 주식회사 사이메딕스 filed Critical 주식회사 사이메딕스
Publication of WO2012033264A1 publication Critical patent/WO2012033264A1/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
    • G01R33/5611—Parallel magnetic resonance imaging, e.g. sensitivity encoding [SENSE], simultaneous acquisition of spatial harmonics [SMASH], unaliasing by Fourier encoding of the overlaps using the temporal dimension [UNFOLD], k-t-broad-use linear acquisition speed-up technique [k-t-BLAST], k-t-SENSE

Definitions

  • the present invention relates to a parallel magnetic resonance imaging apparatus, an imaging method thereof, and a recording medium thereof.
  • an adaptive self-calibration imaging apparatus capable of estimating spatial interaction values more accurately through adaptive self-calibration by sliding and moving calculation blocks by assuming variable spatial interaction values, An image method and a recording medium thereof.
  • pMRI Parallel Magnetic Resonance Imaging
  • the unmeasured signal may be estimated using prior information such as a spatial variation of coil sensitivity in image space or a spatial interaction value between adjacent image signals on k-space. Therefore, in order to avoid defects and noise in image reconstruction, it is important to obtain accurate preceding information when calibrating.
  • a calibration signal for calibration is generally obtained before or after being separated from actual image data acquisition, which is called a separate calibration.
  • the separated calibration involves dependent movement, which inevitably leads to inconsistency between the calibration signal and the image data.
  • parallel magnetic resonance imaging methods include image-based sensing (SENSE, Sensitivity Encoding) and k-space-based grappa (GRAPPA, Generalized Auto-calibrating Partially Parallel Acquisition).
  • SENSE image-based sensing
  • GRAPPA Generalized Auto-calibrating Partially Parallel Acquisition
  • Image-based imaging methods such as sense compute coil sensitivity information by separating individual coil images through self-calibration in image space, where the individual coil images are inverse Fourier transforms of the central data of the Nyquist sampled k-space. Obtained by performing a Fourier transform).
  • the image reconstruction using the coil sensitivity information since the coil sensitivity inverse matrix is performed pixel by pixel, self-calibration based on the image requires very accurate coil sensitivity information. As a result, a large number of calibration signals are required in the center of the k-space and the time required to compose the image is prolonged.
  • self-calibration based on the image may show residual aliasing artifacts upon image reconstruction.
  • k-space based imaging methods such as grapha
  • self-calibration to calculate spatial correlations (spatial correlations or convolution kernels) between the calibrated signal and adjacent measured source signals.
  • spatial correlations spatial correlations or convolution kernels
  • MCML calibration a multidimensional convolution kernel method of k-space
  • Shift calibration a method of performing self-calibration by moving the calibration region from the center of the Nyquist-sampled k-space to the boundary
  • HPF calibration image support reduction method through high pass filtering
  • an image signal distributed in a k-space includes a measurement source signal ( ⁇ ), a calibration signal ( ⁇ ) that is a target of self-calibration, and an unmeasured signal ( ).
  • sampled image signals that is, a calibration signal ( ⁇ ) adjacent to a measurement source signal ( ⁇ ) are distributed in a Nyquist Sampled Calibration Region.
  • These image signals are self-calibrated, as shown in FIG. 2, which spans the entire Nyquist Sampled Calibration Region. Is expressed as a determinant. here, Can be calculated as the product of the inverse matrix, and using this, as shown in FIG. )sign Can be computed.
  • the unmeasured signal thus calculated ( ) To obtain a reconstructed image.
  • the present invention has been made in view of the above necessity, and an object of the present invention is to adaptively calibrate an accurate spatial interaction value in consideration of variability of noise and spatial interaction values present in a parallel magnetic resonance image.
  • the present invention provides a possible parallel magnetic resonance imaging apparatus, an imaging method thereof, and a recording medium thereof.
  • the present invention provides a parallel magnetic resonance imaging apparatus capable of self-calibration, an imaging method thereof, and a recording medium thereof.
  • An object of the present invention as described above is an estimated spatial interaction between a measurement source signal and a measurement calibration signal adjacent to the measurement source signal among magnetic image signals distributed in a calculation block on a linear state k-space based on process noise.
  • Calculate estimated spatial correlation calculate estimated calibration signal based on measured source signal and estimated spatial interaction value and pre-scanned noise, and estimate estimated spatial interaction value based on process noise covariance Estimate calculation means for calculating an uncertainty of the;
  • Parameter updating means for moving a block within a calibration area;
  • Spatial interaction value determining means for determining an estimated spatial interaction value as a final spatial interaction value at the end of the movement in the calibration region of the calculation block;
  • image structuring means for estimating the unmeasured signal among the magnetic image signals based on the final spatial interaction value, and completing the magnetic resonance image based on the estimated unmeasured signal; and parallel magnetic resonance capable of adaptive self-calibration.
  • the process noise is preferably a value that changes based on the update of the estimated spatial interaction value.
  • the estimated spatial interaction value is a
  • the prescan noise is preferably a fixed value measured before generation of the magnetic image signal.
  • the estimated calibration signal is represented by the following equation
  • the uncertainty of the estimated spatial interaction value is preferably calculated by the error covariance of the estimated spatial interaction value.
  • the adaptive filter is a Kalman filter, and the normalization coefficient is preferably Kalman gain.
  • the renewed estimated spatial interaction value is
  • the updated uncertainty of the estimated spatial interaction values is computed by the updated error covariance of the estimated spatial interaction values
  • the arithmetic block is preferably moved in the phase encoding direction at the center of k-space.
  • the operation blocks are a pair of operation blocks that are moved in k space, and the pair of operation blocks are preferably moved symmetrically in opposite directions at the center of the k space.
  • the calculation block is preferably moved from the low frequency band of the k space to the high frequency band.
  • the calculation block is preferably smaller than the calibration area.
  • an object of the present invention is another category, the measurement calibration means adjacent to the measurement source signal and the measurement source signal of the magnetic image signal distributed in the calculation block in the linear state k-space based on the process noise (process noise) Calculating an estimated spatial correlation value between the signals (S105); Calculating, by the estimate calculating means, the estimated calibration signal based on the measured source signal, the estimated spatial interaction value, and the pre-scanned noise (S110); Calculating, by the estimate calculating means, the uncertainty of the estimated spatial interaction value based on the process noise (S115); Calculating normalization coefficients (Kn) of the adaptive filter to minimize the error of the estimated spatial interaction values based on the uncertainty of the estimated spatial interaction values, the measurement source signal, and the prescan noise covariance (S120).
  • process noise process noise
  • the parameter updating means updating the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient;
  • the parameter updating means updating the uncertainty of the estimated spatial interaction value based on the measurement source signal and the calculated normalization coefficient (S130); Step (S135), wherein the parameter updating means moves the calculation block within the calibration area;
  • the spatial interaction value determining means confirming the estimated spatial interaction value as the final spatial interaction value at the end of the movement in the calibration area of the calculation block (S140);
  • the image structuring means estimating an unmeasured signal of the magnetic image signal based on the final spatial interaction value (S145);
  • the image structuring means completing the magnetic resonance image based on the estimated unmeasured signal. This can be achieved by providing a parallel magnetic resonance imaging method capable of adaptive self-calibration.
  • the estimated space interaction value calculating step S105 the estimated space interaction value is expressed by the following equation.
  • the estimated calibration signal is expressed by the following equation.
  • step S115 the uncertainty of the estimated spatial interaction value is calculated by the error covariance of the estimated spatial interaction value, and the error covariance of the estimated spatial interaction value is Equation
  • the adaptive filter is a Kalman filter
  • the normalization coefficient is Kalman gain
  • the renewed estimated spatial interaction value is
  • the updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value, and the updated error covariance is
  • the estimate calculating means further comprises a step S100 of receiving a magnetic image signal from the image signal receiver.
  • the parameter updating means further comprises a step S121 of receiving a measurement calibration signal from the video signal receiver.
  • an object of the present invention can be achieved by providing a computer-readable recording medium having a program recorded thereon for executing a parallel magnetic resonance imaging method capable of adaptive self-calibration.
  • an accurate spatial interaction value can be estimated in consideration of variability of noise and spatial interaction values present in the parallel MRI image.
  • FIG. 4 is a block diagram showing a configuration according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus
  • FIG. 5 and 6 are schematic views illustrating a magnetic resonance imaging method according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus
  • FIG. 7 is a flowchart sequentially showing an embodiment of a parallel magnetic resonance imaging method of the present invention.
  • FIG. 8 is a diagram illustrating a measurement model in which a calculation block is applied to a conventional magnetic resonance imaging method and brain images corresponding to each of the measurement models according to an embodiment of a parallel magnetic resonance imaging method of moving a calculation block in each step of the present invention
  • 9 to 11 are graphs showing a comparison of the spatial interaction values obtained by the conventional self-calibration method and the spatial interaction values obtained according to the embodiment of the present invention, the parallel magnetic resonance imaging method;
  • 12 to 14 are graphs showing a magnetic image signal estimated by a conventional self-calibration method and a magnetic image signal measured in actuality
  • FIG. 15 is a graph illustrating a comparison of estimated magnetic image signals and actual measured magnetic image signals according to an embodiment of the present invention.
  • FIGS. 12 to 15 is a graph illustrating a square of an error value between the estimated magnetic image signal and the actually measured magnetic image signal illustrated in FIGS. 12 to 15;
  • FIG. 17 is a view showing a difference image between a brain image obtained by a conventional self-calibration method and a brain image obtained by an embodiment of the magnetic resonance imaging method of the present invention, and a topographical factor image of a reference brain image;
  • FIG. 18 is a diagram illustrating a brain image obtained by a conventional self-calibration method according to a change in an outer reduction factor (ORF) and a brain image obtained by an embodiment of the magnetic resonance imaging method of the present invention.
  • ORF outer reduction factor
  • FIG. 4 is a block diagram showing a configuration according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus.
  • an embodiment of the present invention includes a video signal receiver 5, an estimated value calculating means 10, a normalization coefficient calculating means 20, a parameter updating means 30, and a spatial interaction value determining means. 40 and the image structuring means 50.
  • a video signal receiver 5 an estimated value calculating means 10
  • a normalization coefficient calculating means 20 a parameter updating means
  • 40 the image structuring means 50.
  • the estimation unit 10 calculates the uncertainty of the variable estimated spatial interaction value, the estimated calibration signal and the spatial interaction value based on the image signal received by the image signal receiver 5, and calculates the normalization coefficient. Based on the normalization coefficient computed by the means 20, the parameter updating means 30 renews the uncertainty of the estimated spatial interaction value and the spatial interaction value through the movement of the calculation block, thereby resulting in the accuracy of the estimated spatial interaction value. And to increase the accuracy of unmeasured signals. Therefore, the parallel magnetic resonance imaging apparatus of the present embodiment obtains an image in which aliasing defects and noise are reduced despite a high acceleration factor.
  • Estimation calculation means 10 is an estimated spatial interaction value between a measurement source signal and a measurement calibration signal adjacent to the measurement source signal among magnetic image signals distributed in a calculation block in a linear state k-space based on process noise. (estimated spatial correlation), calculate estimated calibration signal based on measured source signal, estimated spatial interaction value and pre-scanned noise, and uncertainty of estimated spatial interaction value based on process noise Calculate
  • the process noise is a value considering that the spatial interaction value or the convolution kernel may be variable, and the prescan noise is given as a fixed value obtained by the parallel magnetic resonance imaging apparatus by measurement before scanning the image of the subject.
  • Equation 1 the estimated spatial interaction value is represented by Equation 1 below.
  • the estimated calibration signal is represented by the following equation (2).
  • the uncertainty of the estimated spatial interaction value may be calculated by an error covariance of the estimated spatial interaction value.
  • the error covariance of the estimated spatial interaction value is expressed by Equation 3 below.
  • the normalization coefficient calculating means 20 calculates a regularization parameter of the adaptive filter for minimizing the error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value, the measurement source signal and the prescan noise covariance.
  • the adaptive filter is a Kalman filter
  • the normalization coefficient is Kalman gain, which acts so that adaptive regularization can be performed.
  • the parameter updating means 30 updates the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient, and estimates the estimated spatial interaction value based on the measured source signal and the calculated normalization coefficient. It updates the uncertainty of and moves the operation block within the calibration area.
  • the operation block is moved in the phase encoding direction (ky) at the center of the k space where kx is the frequency encoding direction and ky is the phase encoding direction as the renewal step increases. It is provided with a pair of operation blocks can be moved symmetrically in the opposite direction at the center of the k-space.
  • the movement of the operation block is, after all, a movement from the low frequency band of the k-space to the high frequency band, and means the movement from the place where the video signal is sampled to the place where it is sampled less.
  • FIG. 5 and 6 are schematic diagrams illustrating a magnetic resonance imaging method according to an embodiment of the present invention, a parallel magnetic resonance imaging apparatus.
  • one operation block is represented by one group , , , Slide in the + ky direction, and at the same time, , , , It can be seen that the sliding in the -ky direction as shown.
  • the measurement source signal according to the movement of the operation block is 1st to nth, that is, from Is indicated up to.
  • the calculation block may be provided in plural, and the spatial interaction value may be more accurately estimated by performing an iterative operation. And, the size of the calculation block is preferably smaller than the calibration area.
  • the renewed estimated spatial interaction value is
  • the updated uncertainty of the estimated spatial interaction value is calculated by the updated error covariance of the estimated spatial interaction value, and the updated error covariance is
  • the spatial interaction value determining means 40 determines the estimated spatial interaction value as the final spatial interaction value at the end of the movement in the calibration area of the calculation block.
  • the final spatial interaction value thus determined takes into account the influence of the entire multi-coil and becomes a spatial interaction value in which the aliasing defect and noise are reduced by the Kalman filter.
  • the image structuring means 50 estimates the unmeasured signal among the magnetic image signals based on the final spatial interaction value, and generates a reconstructed image based on the estimated unmeasured signal.
  • the estimation value calculating means 10 first receives a magnetic video signal from the video signal receiver 5 (S100).
  • the estimated calculation means 10 estimates the mutual space between the measurement source signal and the measurement calibration signal adjacent to the measurement source signal among the magnetic image signals distributed in the calculation block on the linear state k-space based on the process noise.
  • the calculated spatial correlation is calculated (S105).
  • the estimated value calculating means 10 calculates an estimated calibration signal based on the measured source signal, the estimated spatial interaction value, and the pre-scanned noise (S110).
  • the estimate calculating means 10 calculates an uncertainty of the estimated spatial interaction value based on the process noise (S115).
  • the normalization coefficient calculating means 20 calculates a normalization coefficient of the adaptive filter for minimizing the error of the estimated spatial interaction value based on the uncertainty of the estimated spatial interaction value and the measurement source signal (S120).
  • the parameter updating means 30 receives the measurement calibration signal from the video signal receiver 5 (S121).
  • the parameter updating means 30 updates the estimated spatial interaction value based on the difference between the measured calibration signal and the estimated calibration signal and the calculated normalization coefficient (S125).
  • the parameter updating means 30 renews the uncertainty of the estimated spatial interaction value based on the measurement source signal and the calculated normalization coefficient (S130).
  • the parameter updating means 30 moves the calculation block in the calibration area (S135).
  • the spatial interaction value determining means 40 determines the estimated spatial interaction value as the final spatial interaction value at the end of the movement in the calibration area of the calculation block (S140).
  • the image structuring means 50 estimates the unmeasured signal of the magnetic image signal based on the final spatial interaction value (S145).
  • an embodiment of a parallel magnetic resonance imaging method capable of adaptive self-calibration may be performed by the image structuring means 50 completing the magnetic resonance image based on the estimated unmeasured signal (S150).
  • a parallel magnetic resonance imaging method capable of adaptive self-calibration can be written by a computer program, and codes and code segments constituting the program can be easily inferred by a computer programmer in the art.
  • the program is stored in a computer readable medium (computer reader meadia), and is implemented by a parallel magnetic resonance imaging method capable of adaptive self-calibration by being read and executed by a computer.
  • the information storage medium includes a magnetic recording medium, an optical recording medium and a carrier wave medium.
  • FIG. 8 is a diagram illustrating brain images corresponding to each of a measurement model in which a calculation block is applied to a conventional magnetic resonance imaging method using a parallel magnetic resonance imaging method and a measurement model for moving a calculation block at each step.
  • the video signal distributed in the k-space includes a measurement source signal ( ⁇ ), a calibration signal ( ⁇ ) that is the object of self calibration, and an unmeasured signal (
  • the brain images at the bottom are reconstructed data obtained by each measurement model shown at the top, and the ORF (Outer Reduction Factor) is 5 and NSL (Nyquist Sampling Line) is It was measured as 40.
  • the conventional stationary measurement model (Stationary Measurement Model or MCML calibration, upper left of FIG. 8) has a calculation block for the entire Nyquist Sampled Calibration Region and performs a calibration. It can be seen that residual aliasing artifacts exist in the reconstructed image obtained as a result of the calibration (arrow part).
  • the conventional shifted fixed measurement model (Stationary Shifted Measurement Model or shift calibration, the upper center of FIG. 8) has a calculation block at only the boundary of the Nyquist Sampled Calibration Region and performs calibration.
  • the conventional shifted fixed measurement model (Stationary Shifted Measurement Model or shift calibration, the upper center of FIG. 8) has a calculation block at only the boundary of the Nyquist Sampled Calibration Region and performs calibration.
  • residual aliasing artifacts also exist in the reconstructed image obtained as a result of the calibration performed at the bottom thereof (arrow part).
  • a parallel group resonance method (Sliding Group-wise Measurement Model, upper right of FIG. 8) is a stepwise space in which a calculation block is slid in a Nyquist Sampled Calibration Region. As a calibration is performed by renewing the interaction value, it can be seen that residual aliasing artifacts do not appear in the reconstructed image obtained as a result of the calibration at the bottom thereof.
  • FIGS. 9 to 11 are graphs comparing the spatial interaction values obtained by the conventional self-calibration method with the spatial correlation values (spatial correlation or convolution kernels) obtained according to one embodiment of the present invention, the parallel magnetic resonance imaging method.
  • FIGS. 9 to 11 show graphs of data measured using twelve coils corresponding to respective noise variance values shown in Table 1 below, where ORF is 6 and NSL is 64. for one embodiment N B (the number of the operation block) it is 2, the process noise covariance (Q) was set to 10-10.
  • Each graph shown in FIGS. 9 to 11 has the horizontal axis as the index of the kernel and the vertical axis as the real value of the convolution kernel.
  • the left side of the dotted line shows data corresponding to the coils 1 to 8
  • the right side of the dotted line represents the data corresponding to the coils 9 to 12.
  • the amount of change in the estimated spatial interaction value (or the estimated convolution kernel) for the relatively noisy coils (coils 9 to 12) is conventional MCML calibration ( Figure 9), conventional It can be seen that an embodiment of the parallel magnetic resonance imaging method of the present invention is relatively small compared to the shift calibration (FIG. 10) and the conventional HPF calibration (FIG. 11).
  • FIGS. 12 to 14 are graphs showing a comparison of a magnetic image signal estimated by a conventional self-calibration method and an actually measured magnetic image signal
  • FIG. 15 is an estimate according to an embodiment of the present invention. Is a graph showing a comparison of the measured magnetic image signal with the actual measured magnetic image signal. 16 is a graph illustrating a square of an error value between the estimated magnetic image signal and the actually measured magnetic image signal illustrated in FIGS. 12 to 15.
  • FIGS. 12 to 15 the horizontal axis represents the phase encoding value ky, the vertical axis represents the real value of the video signal, ORF is 6, and NSL is 64.
  • N B is 2 and the process noise covariance (Q) is 10 ⁇ 10 .
  • FIGS. 12 to 15 are a video signal estimated by conventional MCML calibration (FIG. 12) and a video signal estimated by conventional shift calibration so as to be contrasted with the actual measured video signal.
  • Fig. 14 shows the image signal estimated by conventional HPF calibration (Fig. 14) and the image signal estimated by the present invention's parallel magnetic resonance imaging method (Fig. 15).
  • each of the image signals corresponding to (a), (b), and (c) is an embodiment of the present invention. It can be seen that the square of the fitting error value is relatively larger than the video signal (FIG. 15) obtained by FIG.
  • 17 is a difference image (e) between a brain image (a, b, c) obtained by a conventional self-calibration method and a reference brain image with respect to each of the brain image (d) obtained by an embodiment of the magnetic resonance imaging method of the present invention.
  • topographical factor images i, j, k, l; geometry factor images.
  • each of the brain images (a, b, c, d) is measured with an ORF of 6 and an NSL of 64.
  • N B is 2 and process noise (w) is 10 ⁇ . It was set to 10 .
  • Corresponding topographical factor images i, j, and k are shown.
  • the brain image (d) obtained by an embodiment of the present invention is the image difference It can be seen that the value and the terrain factor value are much smaller.
  • FIG. 18 is a view showing a brain image obtained by a conventional self-calibration method according to the change of the ORF and a brain image obtained by an embodiment of the present invention magnetic resonance imaging method.
  • the upper brain images a, b, c, and d are ORF 2 and NSL 16
  • the stop brain images e, f, g and h are ORF 3 and NSL 24, and
  • the brain images (i, j, k, l) are ORF 4 and NSL 32 which are estimated and reconstructed from the spatial interaction values.
  • the brain images (a, b, c, e, f, g, i, j, k) increases the residual defects and noise, but it can be seen that the brain images d, h, and l obtained by the embodiment of the present invention are impossible to increase ORF and the residual defects and noises are very small.

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

본 발명은 병렬 자기 공명 영상에 존재하는 노이즈 및 공간 상호작용 값의 가변성을 고려하여 정확한 공간 상호작용 값을 추정하고, 가변적인 공간 상호작용 값에 대해 적응 필터에 의한 정규화(regularization)를 해석적으로 접근할 수 있음과 동시에 공간 상호작용 값의 오차를 최소화하고 안정적인 병렬 자기 공명 영상을 획득할 수 있는 효과가 있다. 이를 위해, k 공간의 캘리브레이션 영역에서 슬라이딩 되어 이동하는 연산블록의 연산을 통해 공간 상호작용 값을 정확히 추정하여 오차를 최소화할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체가 개시된다.

Description

적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체
본 발명은 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체에 관한 것이다. 보다 상세하게는 가변적 공간 상호작용 값을 상정함으로써 슬라이딩 되어 이동하는 연산블록에 의한 적응적 셀프 캘리브레이션을 통해 공간 상호작용 값을 보다 정확하게 추정할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체에 관한 것이다.
종래 병렬 자기 공명 영상(pMRI: parallel Magnetic Resonance Imaging) 방법은 영상 데이터를 획득하면서 미측정 신호를 추정하여 완성하기 위해 코일 민감도(coil sensitivity) 정보를 이용하였는데, 이는 신속한 자기 공명 영상 획득에 널리 활용되어 왔다. 미측정 신호는 이미지 공간에서의 코일 민감도의 공간 변화량이나 k 공간(k-space)상에서의 인접하는 영상 신호들 사이의 공간 상호작용 값과 같은 선행정보를 활용하여 추정될 수 있다. 따라서, 이미지 재구성시 결함과 노이즈를 피하기 위해서는 캘리브레이션을 할 때 정확한 선행 정보를 얻는 것이 중요하다.
종래 병렬 자기 공명 영상에서 캘리브레이션을 위한 캘리브레이션 신호는 일반적으로 실제 이미지 데이터 획득과 분리되어 그 전이나 후에 얻게 되며, 이를 분리된 캘리브레이션(separate calibration)이라 한다. 그러나, 분리된 캘리브레이션은 종속적인 움직임이 수반되기 때문에 잠재적으로 캘리브레이션 신호와 이미지 데이터 간에 불일치 문제를 초래할 수밖에 없다. 이러한 문제를 경감시키기 위해 캘리브레이션 신호와 이미지 데이터를 한 번의 이미지 측정에 있어서 동시에 획득하는 셀프 캘리브레이션을 수행하는 것이 바람직하다.
한편, 일반적으로 병렬 자기 공명 영상 방법에는 이미지에 기반한 센스(SENSE, Sensitivity Encoding)와 k 공간에 기반한 그라파(GRAPPA, Generalized Auto-calibrating Partially Parallel Acquisition)가 있다.
센스와 같은 이미지 기반의 영상 방법은 이미지 공간에서 셀프 캘리브레이션을 통해 개별 코일 이미지를 분리함으로써 코일 민감도 정보를 연산하는데, 여기서 개별 코일 이미지는 나이퀴스트 샘플링된 k 공간의 중앙부 데이터의 역 푸리에 변환(Inverse Fourier transform)을 수행함으로써 얻어진다. 그리고, 코일 민감도 정보를 이용하여 이미지 재구성을 함에 있어서, 코일 민감도 역행렬은 픽셀별로 수행되기 때문에 이미지에 기반한 셀프 캘리브레이션은 매우 정확한 코일 민감도 정보를 필요로 하게 된다. 결국, k 공간의 중앙부에서 많은 수의 캘리브레이션 신호가 필요하고 이미지를 구성하는 데 걸리는 시간이 연장될 수 밖에 없다. 게다가, 이미지되는 피사체보다 시야각(Field Of View)이 더 작은 경우에는 이미지에 기반한 셀프 캘리브레이션은 이미지 재구성시 잔존 엘리어싱 결함(residual aliasing artifacts)을 나타내기도 한다.
반면, 그라파와 같은 k 공간 기반의 영상 방법은 셀프 캘리브레이션을 통해 캘리브레이션 신호와 인접하는 측정된 소스 신호 사이의 공간 상호작용 값(spatial correlations 또는 convolution kernels)을 계산하는 데, 센스와 달리 높은 코일 민감도 정보를 필요로 하지 않고 시야각을 재구성함에 있어서도 제한이 없다. 그럼에도 불구하고, 영상 신호의 데이터가 노이즈에 의해 훼손되거나 공간 상호작용 값이 변화하는 경우에는 재구성된 이미지에 잔존 엘리어싱 결함 및 증폭된 노이즈들이 발생하는 문제가 있다.
이러한 문제를 완화시키기 위해 몇 가지 셀프 캘리브레이션 방법 즉, 1) k 공간에서 캘리브레이션 신호와 이에 인접하는 다중 열 및 다중 선(MCML, Multi-Column and Multi-Line)으로 구성된 영상 신호 사이의 공간 상호작용 값을 구하는 방법으로서, k 공간의 다중 차원 컨볼루션 커널 방법(이하 MCML 캘리브레이션이라 함.), 2) 캘리브레이션 영역을 나이퀴스트 샘플링된 k 공간의 중앙부에서 경계부로 이동시켜 셀프 캘리브레이션을 수행하는 방법(이하 시프트 캘리브레이션이라 함.), 3) 고역 통과 필터링(high pass filtering)을 통한 이미지 서포트 감축 방법(이하 HPF 캘리브레이션이라 함.)이 제시되었다.
도 1 내지 도 3은 종래 병렬 자기 공명 영상 방법으로서 종래 셀프 캘리브레이션 과정의 일예를 개략적으로 나타낸 도면이다. 도 1 내지 도 3을 참조하면, k 공간에 분포하는 영상 신호는 측정 소스 신호(●)와 셀프 캘리브레이션의 대상이 되는 캘리브레이션 신호(○), 그리고 미측정 신호(
Figure PCTKR2010009620-appb-I000001
)로 구분된다. 도 1에 도시된 바와 같이, 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region)에는 샘플링된 영상 신호들, 즉 측정 소스 신호(●)와 인접하는 캘리브레이션 신호(○)가 분포한다. 이들 영상 신호는 도 2에 도시된 바와 같이, 셀프 캘리브레이션이 수행되는데, 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region) 전체에 걸쳐
Figure PCTKR2010009620-appb-I000002
라는 행렬식으로 표현된다. 여기서,
Figure PCTKR2010009620-appb-I000003
라는 상호 공간작용 값이 역행렬의 곱으로 연산될 수 있고, 이를 이용하여 도 3에 도시된 바와 같이, 미측정 신호(
Figure PCTKR2010009620-appb-I000004
)인
Figure PCTKR2010009620-appb-I000005
가 연산될 수 있는 것이다. 이렇게 연산된 미측정 신호(
Figure PCTKR2010009620-appb-I000006
)를 토대로 재구성된 영상(reconstructed image)을 획득하게 된다.
하지만, 종래의 셀프 캘리브레이션 방법들은 높은 가속 인자(high acceleration factor)에 있어서는 여전히 심각한 결함과 노이즈를 발생시키는 문제가 있다. 따라서, 노이즈가 존재하더라도 k 공간에서 공간 상호작용 값을 정확히 추정할 수 있는 새로운 병렬 자기 공명 영상 방법의 필요성이 대두된다.
본 발명은 상기와 같은 필요성에 의해 안출된 것으로서, 본 발명의 목적은 병렬 자기 공명 영상에 존재하는 노이즈 및 공간 상호작용 값의 가변성을 고려하여 정확한 공간 상호작용 값을 추정할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체를 제공하는 데 있다.
본 발명의 또 다른 목적은 가변적인 공간 상호작용 값에 대해 적응 필터에 의한 정규화(regularization)를 해석적으로 시도함으로써 공간 상호작용 값의 오차를 최소화하고 안정적인 병렬 자기 공명 영상을 획득할 수 있는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체를 제공하는 데 있다.
상기와 같은 본 발명의 목적은 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하고, 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하며, 프로세스 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 불확실도를 연산하는 추정치 연산수단; 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 정규화 계수 연산수단; 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하고, 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하며, 연산블록을 캘리브레이션 영역 내에서 이동시키는 파라미터 경신수단; 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 공간 상호작용 값 확정수단; 및 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하고, 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 영상 구성수단;을 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치를 제공함으로써 달성될 수 있다.
프로세스 노이즈는 추정 공간 상호작용 값의 경신에 기반하여 변화되는 값인 것이 바람직하다.
추정 공간 상호작용 값은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-15
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-16
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-16-1
는 n-1번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure PCTKR2010009620-appb-I000012
는 프로세스 노이즈임.)
에 의하여 연산되는 것이 바람직하다.
프리 스캔 노이즈는 자기 영상 신호의 생성 전 측정된 고정 값인 것이 바람직하다.
추정 캘리브레이션 신호는 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-20
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-21
는 n번째 단계에서
Figure PCTKR2010009620-appb-I000015
번째 코일에 대한 추정 캘리브레이션 신호,
Figure WO-DOC-21-1
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-16
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-v
는 프리 스캔 노이즈임.)
에 의하여 연산되는 것이 바람직하다.
추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되는 것이 바람직하다.
추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-25
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-26
는 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
Figure WO-DOC-26-1
는 n-1번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure WO-DOC-q
는 프로세스 노이즈의 공분산임)
에 의하여 연산되는 것이 바람직하다.
적응 필터는 칼만 필터이고, 정규화 계수는 칼만 게인인 것이 바람직하다.
칼만 게인은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-30
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-P-n
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
Figure WO-DOC-31
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-R
은 프리 스캔 노이즈 공분산임.)
에 의하여 연산되는 것이 바람직하다.
경신된 추정 공간 상호작용 값은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-34
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-35
은 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure WO-DOC-35-1
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-35-2
은 n번째 단계에서
Figure PCTKR2010009620-appb-I000036
번째 코일에 대한 측정 캘리브레이션 신호,
Figure WO-DOC-35-3
은 n번째 단계에서
Figure PCTKR2010009620-appb-I000038
번째 코일에 대한 추정 캘리브레이션 신호임.)
의하여 연산되는 것이 바람직하다.
추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고,
경신된 오차 공분산은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-39
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서, 는 n번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure WO-DOC-I
는 단위행렬,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-P-n
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산임.)
에 의하여 연산되는 것이 바람직하다.
연산블록은 k 공간의 중앙부에서 위상 인코딩 방향으로 이동되는 것이 바람직하다.
연산블록은 k 공간에서 이동되는 한 쌍의 연산블록이고, 한 쌍의 연산블록은 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동되는 것이 바람직하다.
연산블록은 k 공간의 저주파 대역에서 고주파 대역으로 이동되는 것이 바람직하다.
연산블록은 캘리브레이션 영역보다 작은 것이 바람직하다.
한편, 본 발명의 목적은 다른 카테고리로서, 추정치 연산수단이 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하는 단계(S105); 추정치 연산수단이 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하는 단계(S110); 추정치 연산수단이 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산하는 단계(S115); 정규화 계수 연산수단이 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 단계(S120); 파라미터 경신수단이 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하는 단계(S125); 파라미터 경신수단이 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하는 단계(S130); 파라미터 경신수단이 연산블록을 캘리브레이션 영역 내에서 이동시키는 단계(S135); 공간 상호작용 값 확정수단이 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 단계(S140); 영상 구성수단이 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하는 단계(S145); 및 영상 구성수단이 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 단계(S150);를 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법을 제공함으로써 달성될 수 있다.
추정 공간 상호작용 값 연산단계(S105)에서, 추정 공간 상호작용 값은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-48
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-49
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-49-1
는 n-1번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure PCTKR2010009620-appb-I000050
는 프로세스 노이즈임.)
에 의하여 연산되는 것이 바람직하다.
추정 캘리브레이션 신호 연산단계(S110)에서, 추정 캘리브레이션 신호는 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-52
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-53
는 n번째 단계에서
Figure PCTKR2010009620-appb-I000053
번째 코일에 대한 추정 캘리브레이션 신호,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-53-2
는 n번째 단계에서
Figure PCTKR2010009620-appb-I000056
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-v
는 프리 스캔 노이즈임.)
에 의하여 연산되는 것이 바람직하다.
추정 공간 상호작용 값의 불확실도 연산단계(S115)에서, 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되고, 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-56
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-P-n
는 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산, 는 n-1번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure WO-DOC-q
는 프로세스 노이즈의 공분산임)
에 의하여 연산되는 것이 바람직하다.
적응 필터의 정규화 계수(Kn) 연산단계(S120)에서, 적응 필터는 칼만 필터이고, 정규화 계수는 칼만 게인이며,
칼만 게인은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-61
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-P-n
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-R
은 프리 스캔 노이즈 공분산임.)
에 의하여 연산되는 것이 바람직하다.
경신된 추정 공간 상호작용 값은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-65
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-66
은 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure WO-DOC-66-1
는 n번째 단계에서번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-66-2
은 n번째 단계에서
Figure PCTKR2010009620-appb-I000074
번째 코일에 대한 측정 캘리브레이션 신호,
Figure WO-DOC-66-3
은 n번째 단계에서
Figure PCTKR2010009620-appb-I000076
번째 코일에 대한 추정 캘리브레이션 신호임.)
의하여 연산되는 것이 바람직하다.
추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 경신된 오차 공분산은 다음의 수학식
[규칙 제91조에 의한 정정 30.05.2011]　
Figure WO-DOC-69
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서, 는 n번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure WO-DOC-I
는 단위행렬,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-P-n
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산임.)
에 의하여 연산되는 것이 바람직하다.
추정 공간 상호작용 값 연산단계(S105) 이전에, 추정치 연산수단이 영상 신호 수신기로부터 자기 영상 신호를 수신하는 단계(S100)를 더 포함하는 것이 바람직하다.
적응 필터의 정규화 계수 연산단계(S120)와 추정 공간 상호작용 값 경신단계(S125) 사이에, 파라미터 경신수단이 영상 신호 수신기로부터 측정 캘리브레이션 신호를 수신하는 단계(S121)를 더 포함하는 것이 바람직하다.
한편, 본 발명의 목적은 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체를 제공함으로써 달성될 수 있다.
상기와 같은 본 발명의 일 실시예에 의하면, 병렬 자기 공명 영상에 존재하는 노이즈 및 공간 상호작용 값의 가변성을 고려하여 정확한 공간 상호작용 값을 추정할 수 있는 효과가 있다.
또한, 가변적인 공간 상호작용 값에 대해 적응 필터에 의한 정규화(regularization)를 해석적으로 접근할 수 있음과 동시에 공간 상호작용 값의 오차를 최소화하고 안정적인 병렬 자기 공명 영상을 획득할 수 있는 효과가 있다.
그리고, 가속 인자(acceleration factor)가 증가해도 안정적인 재구성 이미지를 획득할 수 있으므로, 데이터 샘플링에 따른 병렬 자기 공명 영상의 획득 시간을 줄일 수 있는 효과가 있다.
도 1 내지 도 3은 종래 병렬 자기 공명 영상 방법을 개략적으로 나타낸 도면,
도 4는 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따른 구성을 나타낸 구성도,
도 5 및 도 6은 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따라 자기 공명 영상 방법을 개략적으로 나타낸 도면,
도 7은 본 발명인 병렬 자기 공명 영상 방법의 일 실시예를 순차적으로 나타낸 순서도,
도 8은 연산 블록을 종래 자기 공명 영상 방법에 적용한 측정모델과 본 발명인 각 단계에서 연산 블록을 이동시키는 병렬 자기 공명 영상 방법의 일 실시예에 따른 측정모델 각각에 대응하는 뇌 이미지들을 나타낸 도면,
도 9 내지 도 11은 종래 셀프 캘리브레이션 방법에 의해 획득된 공간 상호작용 값과 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 획득된 공간 상호작용 값을 비교한 그래프를 나타낸 도면,
도 12 내지 도 14는 종래 셀프 캘리브레이션 방법에 의해 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면,
도 15는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면,
도 16은 도 12 내지 도 15에 도시된 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호 사이의 에러값의 제곱을 그래프로 나타낸 도면,
도 17은 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지 각각에 대하여 기준 뇌 이미지와의 차 영상과 지형인자 영상을 나타낸 도면,
도 18은 외부 감축 인자(ORF: Outer Reduction Factor)의 변화에 따른 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지를 나타낸 도면이다.
<병렬 자기 공명 영상 장치>
도 4는 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따른 구성을 나타낸 구성도이다. 도 4에 도시된 바와 같이, 본 발명의 일 실시예는 영상신호 수신기(5), 추정치 연산수단(10), 정규화 계수 연산수단(20), 파라미터 경신수단(30), 공간 상호작용 값 확정수단(40) 및 영상 구성수단(50)으로 구성된다.
본 실시예는 영상신호 수신기(5)가 수신한 영상신호에 기초하여 추정치 연산수단(10)이 가변적인 추정 공간 상호작용 값과 추정 캘리브레이션 신호와 공간 상호작용 값의 불확실도를 연산하고, 정규화 계수 연산수단(20)에 의해 연산된 정규화 계수에 기반하여 연산블록의 이동을 통해 파라미터 경신수단(30)이 추정 공간 상호작용 값 및 공간 상호작용 값의 불확실도를 경신함으로써 결국, 추정 공간 상호작용 값의 정확도와 미측정 신호의 정확도를 높이도록 작용한다. 따라서, 본 실시예의 병렬 자기 공명 영상 장치는 높은 가속 인자에도 불구하고 엘리어싱 결함 및 노이즈가 감소된 이미지를 얻게 된다.
추정치 연산수단(10)은 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하고, 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하며, 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산한다. 여기서, 프로세스 노이즈는 공간 상호작용 값 또는 컨볼루션 커널(convolution kernel)이 가변적일 수 있음을 고려한 값이며, 프리 스캔 노이즈는 병렬 자기 공명 영상 장치가 피사체의 이미지 스캔 전에 측정으로 얻어지는 고정값으로 주어진다.
또한, 추정 공간 상호작용 값은 다음의 수학식 1
[규칙 제91조에 의한 정정 30.05.2011]　
수학식 1
Figure WO-DOC-MATHS-1
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-95
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-95-1
는 n-1번째 단계에서
Figure PCTKR2010009620-appb-I000086
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure PCTKR2010009620-appb-I000087
는 프로세스 노이즈임.)
[규칙 제91조에 의한 정정 30.05.2011]　
에 의하여 연산될 수 있다. 여기서, 경신된 추정 공간 상호작용 값(
Figure WO-DOC-95-1
)은 경신이 없는 최초 연산에서 초기값 0으로 설정될 수 있으며, 코일 계수
Figure WO-DOC-gama
를 통해 다중 코일 전체에 대한 영향을 고려하여 추정 공간 상호작용 값을 연산하게 됨을 알 수 있다.
그리고, 추정 캘리브레이션 신호는 다음의 수학식 2
[규칙 제91조에 의한 정정 30.05.2011]　
수학식 2
Figure WO-DOC-MATHS-2
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-99
는 n번째 단계에서
Figure PCTKR2010009620-appb-I000091
번째 코일에 대한 추정 캘리브레이션 신호,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-99-1
는 n번째 단계에서
Figure WO-DOC-gama
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-v
는 프리 스캔 노이즈임.)
[규칙 제91조에 의한 정정 30.05.2011]　
에 의하여 연산될 수 있다. 여기서,
Figure WO-DOC-99
는 차후 측정 캘리브레이션 신호와의 차이를 도출하기 위해 구해진다.
또한, 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산될 수 있는데, 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식 3
[규칙 제91조에 의한 정정 30.05.2011]　
수학식 3
Figure WO-DOC-MATHS-3
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-P-n
는 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산, 는 n-1번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure WO-DOC-q
는 프로세스 노이즈의 공분산임)
에 의하여 연산될 수 있다.
정규화 계수 연산수단(20)은 추정 공간 상호작용 값의 불확실도, 측정 소스 신호와 프리 스캔 노이즈 공분산에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(regularization parameter)를 연산한다. 여기서, 적응 필터는 칼만 필터(kalman filter)이고, 정규화 계수는 칼만 게인(kalman gain)으로서, 적응적 정규화(adaptively regularization)가 수행될 수 있도록 작용한다.
칼만 게인은 다음의 수학식 4
[규칙 제91조에 의한 정정 30.05.2011]　
수학식 4
Figure WO-DOC-MATHS-4
[규칙 제91조에 의한 정정 30.05.2011]　
(여기서,
Figure WO-DOC-Kn
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-P-n
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
Figure WO-DOC-SnACC
는 n번째 단계에서 측정 소스 신호,
Figure WO-DOC-R
은 프리 스캔 노이즈 공분산임.)
에 의하여 연산될 수 있다.
파라미터 경신수단(30)은 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신하고, 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신하며, 연산블록을 캘리브레이션 영역 내에서 이동시킨다. 여기서, 연산블록은 경신되는 단계가 증가함에 따라 kx를 주파수 인코딩 방향(frequency encoding direction)으로 하고 ky를 위상 인코딩 방향(phase encoding direction)으로 하는 k 공간의 중앙부에서 위상 인코딩 방향(ky)으로 이동되며, 한 쌍의 연산블록으로 구비되어 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동될 수 있다.
이러한 연산블록의 이동은 결국, k 공간의 저주파 대역에서 고주파 대역으로의 이동이며, 영상 신호가 많이 샘플링된 곳에서 적게 샘플링된 곳으로의 이동을 의미한다.
도 5 및 도 6은 본 발명인 병렬 자기 공명 영상 장치의 일 실시예에 따라 자기 공명 영상 방법을 개략적으로 나타낸 도면이다. 도 5에 도시된 바와 같이, 하나의 연산블록이 하나의 그룹으로 표현되어
Figure PCTKR2010009620-appb-I000104
,
Figure PCTKR2010009620-appb-I000105
,
Figure PCTKR2010009620-appb-I000106
,
Figure PCTKR2010009620-appb-I000107
처럼 +ky 방향으로 슬라이딩되어 이동하고 동시에, 다른 연산블록이
Figure PCTKR2010009620-appb-I000108
,
Figure PCTKR2010009620-appb-I000109
,
Figure PCTKR2010009620-appb-I000110
,
Figure PCTKR2010009620-appb-I000111
처럼 -ky 방향으로 슬라이딩되어 이동됨을 알 수 있다. 연산블록의 이동에 따른 측정 소스 신호는 도 6에 도시된 바와 같이, 1번째부터 n번째까지 즉,
Figure PCTKR2010009620-appb-I000112
부터
Figure PCTKR2010009620-appb-I000113
까지 나타내어 진다.
이러한 연산블록은 여러 개로 구비될 수 있으며, 반복적인 연산의 수행으로 공간 상호작용 값을 더욱 정확하게 추정할 수 있다. 그리고, 연산블록의 크기는 캘리브레이션 영역보다 작은 것이 바람직하다.
경신된 추정 공간 상호작용 값은 다음의 수학식 5
[규칙 제91조에 의한 정정 14.11.2011]　
수학식 5
Figure WO-DOC-115
[규칙 제91조에 의한 정정 14.11.2011]　
(여기서,
Figure WO-DOC-116-1
은 n번째 단계에서
Figure WO-DOC-116-2
번째 코일에 대한 경신된 추정 공간 상호작용 값,
Figure WO-DOC-116-3
는 n번째 단계에서
Figure WO-DOC-116-4
번째 코일에 대한 추정 공간 상호작용 값,
Figure WO-DOC-116-5
은 n번째 단계에서 칼만 게인,
Figure WO-DOC-116-6
은 n번째 단계에서
Figure WO-DOC-116-7
번째 코일에 대한 측정 캘리브레이션 신호,
Figure WO-DOC-116-8
은 n번째 단계에서
Figure WO-DOC-116-9
번째 코일에 대한 추정 캘리브레이션 신호임.)
의하여 연산될 수 있다.
또한, 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 경신된 오차 공분산은 다음의 수학식 6
[규칙 제91조에 의한 정정 14.11.2011]　
수학식 6
Figure WO-DOC-MATHS-6
(여기서,
Figure PCTKR2010009620-appb-I000123
는 n번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
Figure PCTKR2010009620-appb-I000124
는 단위행렬,
Figure PCTKR2010009620-appb-I000125
은 n번째 단계에서 칼만 게인,
Figure PCTKR2010009620-appb-I000126
는 n번째 단계에서 측정 소스 신호,
Figure PCTKR2010009620-appb-I000127
은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산임.)
에 의하여 연산될 수 있다.
공간 상호작용 값 확정수단(40)은 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정한다. 이렇게 확정된 최종 공간 상호작용 값은 다중 코일 전체의 영향을 고려한 것이며, 칼만 필터에 의해 엘리어싱 결함 및 노이즈가 감소된 상태의 공간 상호작용 값이 된다.
영상 구성수단(50)은 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정하고, 추정된 미측정 신호에 기반하여 재구성된 자기 공명 영상(reconstructed image)을 만들게 된다.
<병렬 자기 공명 영상 방법>
도 7은 본 발명인 병렬 자기 공명 영상 방법의 일 실시예를 순차적으로 나타낸 순서도이다. 도 7을 참조하여 본 실시예를 설명하면, 우선 추정치 연산수단(10)이 영상신호 수신기(5)로부터 자기 영상 신호를 수신한다(S100).
다음, 추정치 연산수단(10)이 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산한다(S105).
다음, 추정치 연산수단(10)이 측정 소스 신호와 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산한다(S110).
다음, 추정치 연산수단(10)이 프로세스 노이즈에 기반하여 추정 공간 상호작용 값의 불확실도를 연산한다(S115).
다음, 정규화 계수 연산수단(20)이 추정 공간 상호작용 값의 불확실도와 측정 소스 신호에 기반하여 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수를 연산한다(S120).
다음, 파라미터 경신수단(30)이 영상신호 수신기(5)로부터 측정 캘리브레이션 신호를 수신한다(S121).
다음, 파라미터 경신수단(30)이 측정 캘리브레이션 신호와 추정 캘리브레이션 신호의 차이값과 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값을 경신한다(S125).
다음, 파라미터 경신수단(30)이 측정 소스 신호 및 연산된 정규화 계수에 기반하여 추정 공간 상호작용 값의 불확실도를 경신한다(S130).
다음, 파라미터 경신수단(30)이 연산블록을 캘리브레이션 영역 내에서 이동시킨다(S135).
다음, 공간 상호작용 값 확정수단(40)이 연산블록의 캘리브레이션 영역 내 이동의 종료로 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정한다(S140).
다음, 영상 구성수단(50)이 최종 공간 상호작용 값에 기반하여 자기 영상 신호 중 미측정 신호를 추정한다(S145).
마지막으로, 영상 구성수단(50)이 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성함으로써(S150) 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법의 일 실시예가 수행될 수 있다.
적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법은 컴퓨터 프로그램으로 작성 가능하며, 상기 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다.
또한, 상기 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer reader meadia)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법이 구현된다. 상기 정보저장매체는 자기 기록매체, 광기록매체 및 캐리어 웨이브 매체를 포함한다.
<비교 실험 데이터>
도 8은 본 발명인 병렬 자기 공명 영상 방법을 이용하여 연산 블록을 종래 자기 공명 영상 방법에 적용한 측정모델과 각 단계에서 연산 블록을 이동시키는 측정모델 각각에 대응하는 뇌 이미지들을 나타낸 도면이다. 도 8에 도시된 바와 같이, k 공간에 분포하는 영상 신호는 측정 소스 신호(●)와 셀프 캘리브레이션의 대상이 되는 캘리브레이션 신호(○), 그리고 미측정 신호(
Figure PCTKR2010009620-appb-I000128
)로 구분될 수 있으며, 하단의 뇌 이미지들은 각각의 상단에 도시된 각 측정 모델에 의해 얻어진 데이터를 재구성한 이미지로서 ORF(Outer Reduction Factor, 외부 감축 인자)는 5, NSL(Nyquist Sampling Line)은 40으로 하여 측정된 것이다.
종래 고정식 측정 모델(Stationary Measurement Model 또는 MCML 캘리브레이션, 도 8의 좌측 상단)은 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region)의 전체에 대해 연산블록을 가지며 캘리브레이션을 수행하는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 잔존 엘리어싱 결함(residual aliasing artifacts)이 존재하는 것을 확인할 수 있다(화살표 부분).
또한, 종래 이동된 고정식 측정 모델(Stationary Shifted Measurement Model 또는 시프트 캘리브레이션, 도 8의 중앙 상단)은 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region) 중에서도 오직 경계부위에서만 연산블록을 가지며 캘리브레이션을 수행하는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 역시 잔존 엘리어싱 결함(residual aliasing artifacts)이 존재하는 것을 확인할 수 있다(화살표 부분).
그러나, 본 발명인 병렬 자기 공명 영상 방법의 일 실시예(Sliding Group-wise Measurement Model, 도 8의 우측 상단)는 연산블록이 나이퀴스트 샘플링된 캘리브레이션 영역(Nyquist Sampled Calibration Region)에서 슬라이딩되어 단계적으로 공간 상호작용 값을 경신시켜 나가며 캘리브레이션이 수행되는 방법으로서, 그 하단에 캘리브레이션 수행 결과 획득된 재구성 이미지에는 잔존 엘리어싱 결함(residual aliasing artifacts)이 나타나지 않는 것을 알 수 있다.
도 9 내지 도 11은 종래 셀프 캘리브레이션 방법에 의해 획득된 공간 상호작용 값과 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 획득된 공간 상호작용 값(spatial correlation 또는 convolution kernels)을 비교한 그래프를 나타낸 도면이다. 특히, 도 9 내지 도 11은 하기의 표 1에 나타나 있는 각 노이즈 분산값에 대응하는 12개의 코일을 이용하여 측정한 데이터를 그래프로 나타낸 것이며, 여기서 ORF는 6, NSL은 64이며, 본 발명의 일 실시예에 대해서는 NB(연산블록의 개수)는 2, 프로세스 노이즈 공분산(Q)은 10-10으로 하였다.
도 9 내지 도 11에 도시된 각 그래프는 가로축을 커널의 인덱스로 가지고 세로축을 컨볼루션 커널의 실수값으로 갖는다. 또한, 점선을 기준으로 좌측은 코일 1 내지 코일 8에 대응하는 데이터를 나타내고, 점선의 우측은 코일 9 내지 코일 12에 대응하는 데이터를 나타낸다.
표 1
채널 넘버 코일 1 코일 2 코일 3 코일 4 코일 5 코일 6 코일 7 코일 8 코일 9 코일 10 코일 11 코일 12
노이즈 분산값(×10-4) 1.62 3.01 1.59 2.52 1.9 1.41 4.09 2.91 10.62 34.51 11.85 42.46
도 9 내지 도 11에서 알 수 있듯이, 비교적 노이즈가 큰 코일들(코일 9 내지 코일 12)에 대한 추정 공간 상호작용 값(또는 추정 컨볼루션 커널)의 변화량은, 종래 MCML 캘리브레이션(도 9), 종래 시프트 캘리브레이션(도 10), 종래 HPF 캘리브레이션(도 11)에 비해 본 발명인 병렬 자기 공명 영상 방법의 일 실시예가 상대적으로 작음을 알 수 있다.
도 12 내지 도 14는 종래 셀프 캘리브레이션 방법에 의해 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면이며, 도 15는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 따라 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호를 비교한 그래프를 나타낸 도면이다. 그리고, 도 16은 도 12 내지 도 15에 도시된 추정된 자기 영상 신호와 실제 측정된 자기 영상 신호 사이의 에러값의 제곱을 그래프로 나타낸 도면이다.
여기서, 도 12 내지 도 15에 도시된 그래프는 가로축이 위상 엔코딩값(ky)을 나타내고 세로축이 영상 신호의 실수값을 나타내며, ORF는 6, NSL은 64이다. 그리고 본 발명의 일 실시예에 대해서는 NB는 2, 프로세스 노이즈 공분산(Q)은 10-10으로 하였다. 그리고, 도 12 내지 도 15에 도시된 각각의 그래프는, 실제 측정된 영상신호와 대비되도록 종래 MCML 캘리브레이션에 의해 추정된 영상신호(도 12), 종래 시프트 캘리브레이션에 의해 추정된 영상신호(도 13), 종래 HPF 캘리브레이션에 의해 추정된 영상신호(도 14) 및 본 발명인 병렬 자기 공명 영상 방법에 의해 추정된 영상신호(도 15)를 각각 나타내었다.
결국, 도 16에 도시된 피팅 오차값의 제곱을 통해 알 수 있듯이, (a), (b), (c)에 대응되는 각각의 영상신호(도 12 내지 도 14)는 본 발명의 일 실시예에 의해 얻어진 영상신호(도 15)보다 피팅 오차값의 제곱이 비교적 크다는 것을 알 수 있다.
도 17은 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지(a, b, c)와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지(d) 각각에 대하여 기준 뇌 이미지와의 차 영상(e, f, g, h; difference images)과 지형인자 영상(i, j, k, l; geometry factor images)을 나타낸 도면이다.
여기서, 각 뇌 이미지들(a, b, c, d)은 ORF가 6, NSL이 64로 하여 측정된 것이며, 본 발명의 일 실시예에 대해서는 NB를 2, 프로세스 노이즈(w)를 10-10으로 하였다.
도 17에 도시된 바와 같이, 종래 MCML 캘리브레이션, 시프트 캘리브레이션, HPF 캘리브레이션에 각각 대응되는 뇌 이미지들(a, b, c)은, 그 각각에 대응하는 차 영상(e, f, g)과 각각에 대응하는 지형인자 영상(i, j, k)을 나타낸다. 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d)의 차 영상(h) 및 지형인자 영상(l)과 비교하면, 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d)가 영상 차이 값 및 지형인자 값이 휠씬 작음을 알 수 있다.
도 18은 ORF의 변화에 따른 종래 셀프 캘리브레이션 방법에 의해 얻어진 뇌 이미지와 본 발명인 자기 공명 영상 방법의 일 실시예에 의해 얻어진 뇌 이미지를 나타낸 도면이다. 도 18에 도시된 뇌 이미지들은 상단부 뇌 이미지(a, b, c, d)가 ORF 2, NSL 16이며, 중단부 뇌 이미지(e, f, g, h)는 ORF 3, NSL 24이고, 하단부 뇌 이미지(i, j, k, l)는 ORF 4, NSL 32로 하여 공간 상호작용 값을 추정하여 재구성한 것이다. 또한, 도 18에 도시된 뇌 이미지들 중 첫 번째 열의 뇌 이미지(a, e, i)는 종래 MCML 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이며, 두 번째 열의 뇌 이미지(b, f, j)는 시프트 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이고, 세 번째 열의 뇌 이미지(c, g, k)는 HPF 캘리브레이션에 의해 추정된 공간 상호작용 값에 기반한 것이며, 네 번째 열의 뇌 이미지(d, h, l)는 본 발명인 병렬 자기 공명 영상 방법의 일 실시예에 의해 추정된 공간 상호작용 값에 기반한 것이다. 특히, 네 번째 열의 뇌 이미지(d, h, l)를 재구성하기 위한 본 발명의 일 실시예는 ORF가 2, 3인 것에 대해 NB는 4로 하였으며, ORF가 4인 것에 대해 NB는 2로 하였고, 프로세스 노이즈(w)는 10-10으로 하였다. 결국, 도 18에 도시된 바에서 알 수 있듯이, ORF가 2, 3, 4로 증가함에 따라 종래 캘리블이션 방법에 의해 획득된 뇌 이미지(a, b, c, e, f, g, i, j, k)는 잔존 결함 및 노이즈가 커지지만, 본 발명의 일 실시예에 의해 획득된 뇌 이미지(d, h, l)는 ORF 증가에도 불가하고 잔존 결함 및 노이즈가 매우 작음을 알 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (25)

  1. 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 상기 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하고, 상기 측정 소스 신호와 상기 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하며, 상기 프로세스 노이즈에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 연산하는 추정치 연산수단;
    상기 추정 공간 상호작용 값의 불확실도와 상기 측정 소스 신호에 기반하여 상기 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 정규화 계수 연산수단;
    상기 측정 캘리브레이션 신호와 상기 추정 캘리브레이션 신호의 차이값과 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값을 경신하고, 상기 측정 소스 신호와 상기 연산된 정규화 계수 및 프리 스캔 노이즈 공분산에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 경신하며, 상기 연산블록을 캘리브레이션 영역 내에서 이동시키는 파라미터 경신수단;
    상기 연산블록의 상기 캘리브레이션 영역 내 이동의 종료로 상기 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 공간 상호작용 값 확정수단; 및
    상기 최종 공간 상호작용 값에 기반하여 상기 자기 영상 신호 중 미측정 신호를 추정하고, 상기 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 영상 구성수단;을 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  2. 제 1항에 있어서,
    상기 프로세스 노이즈는 상기 추정 공간 상호작용 값의 경신에 기반하여 변화되는 값인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  3. [규칙 제91조에 의한 정정 30.05.2011]　
    제 2항에 있어서, 상기 추정 공간 상호작용 값은 다음의 수학식
    Figure WO-DOC-c3
    (여기서,
    Figure WO-DOC-c3-1
    는 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-c3-2
    는 n-1번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 경신된 추정 공간 상호작용 값,
    Figure WO-DOC-w
    는 프로세스 노이즈임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  4. 제 1항에 있어서,
    상기 프리 스캔 노이즈는 상기 자기 영상 신호의 생성 전 측정된 고정 값인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  5. [규칙 제91조에 의한 정정 30.05.2011]　
    제 4항에 있어서, 상기 추정 캘리브레이션 신호는 다음의 수학식
    Figure WO-DOC-c5
    (여기서,
    Figure WO-DOC-99
    는 n번째 단계에서
    Figure PCTKR2010009620-appb-I000137
    번째 코일에 대한 추정 캘리브레이션 신호,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-c5-1
    는 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-v
    는 프리 스캔 노이즈임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  6. 제 1항에 있어서,
    상기 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  7. [규칙 제91조에 의한 정정 30.05.2011]　
    제 6항에 있어서, 상기 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
    Figure WO-DOC-c7
    (여기서,
    Figure WO-DOC-P-n
    는 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산, 는 n-1번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
    Figure WO-DOC-q
    는 프로세스 노이즈의 공분산임) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  8. 제 1항에 있어서,
    상기 적응 필터는 칼만 필터이고, 상기 정규화 계수는 칼만 게인인 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  9. [규칙 제91조에 의한 정정 30.05.2011]　
    제 8항에 있어서, 상기 칼만 게인은 다음의 수학식
    Figure WO-DOC-c9
    (여기서,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-P-n
    은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-R
    은 프리 스캔 노이즈 공분산임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  10. [규칙 제91조에 의한 정정 30.05.2011]　
    제 9항에 있어서, 상기 경신된 추정 공간 상호작용 값은 다음의 수학식
    Figure WO-DOC-c10
    (여기서,
    Figure WO-DOC-c10-1
    은 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 경신된 추정 공간 상호작용 값,
    Figure WO-DOC-c10-2
    는 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-c10-3
    은 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 측정 캘리브레이션 신호,
    Figure WO-DOC-c10-4
    은 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 캘리브레이션 신호임.) 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  11. [규칙 제91조에 의한 정정 30.05.2011]　
    제 9항에 있어서, 상기 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 상기 경신된 오차 공분산은 다음의 수학식
    Figure WO-DOC-c11
    (여기서, 는 n번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
    Figure WO-DOC-I
    는 단위행렬,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-P-n
    은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  12. 제 1항에 있어서,
    상기 연산블록은 상기 k 공간의 중앙부에서 위상 인코딩 방향으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  13. 제 12항에 있어서,
    상기 연산블록은 상기 k 공간에서 이동되는 한 쌍의 연산블록이고,
    상기 한 쌍의 연산블록은 상기 k 공간의 중앙부에서 대칭적으로 상호 반대 방향으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  14. 제 1항에 있어서,
    상기 연산블록은 상기 k 공간의 저주파 대역에서 고주파 대역으로 이동되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  15. 제 1항에 있어서,
    상기 연산블록은 상기 캘리브레이션 영역보다 작은 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치.
  16. 추정치 연산수단이 프로세스 노이즈(process noise)에 기반하여 선형 상태 k 공간상의 연산블록에 분포하는 자기 영상 신호 중 측정 소스 신호와 상기 측정 소스 신호에 인접하는 측정 캘리브레이션 신호 사이의 추정 공간 상호작용 값(estimated spatial correlation)을 연산하는 단계(S105);
    상기 추정치 연산수단이 상기 측정 소스 신호와 상기 추정 공간 상호작용 값과 프리 스캔 노이즈(pre-scanned noise)에 기반하여 추정 캘리브레이션 신호를 연산하는 단계(S110);
    상기 추정치 연산수단이 상기 프로세스 노이즈에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 연산하는 단계(S115);
    정규화 계수 연산수단이 상기 추정 공간 상호작용 값의 불확실도와 상기 측정 소스 신호 및 프리 스캔 노이즈 공분산에 기반하여 상기 추정 공간 상호작용 값의 오차를 최소화하기 위한 적응 필터의 정규화 계수(Kn)를 연산하는 단계(S120);
    파라미터 경신수단이 상기 측정 캘리브레이션 신호와 상기 추정 캘리브레이션 신호의 차이값과 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값을 경신하는 단계(S125);
    상기 파라미터 경신수단이 상기 측정 소스 신호 및 상기 연산된 정규화 계수에 기반하여 상기 추정 공간 상호작용 값의 불확실도를 경신하는 단계(S130);
    상기 파라미터 경신수단이 상기 연산블록을 캘리브레이션 영역 내에서 이동시키는 단계(S135);
    공간 상호작용 값 확정수단이 상기 연산블록의 상기 캘리브레이션 영역 내 이동의 종료로 상기 추정 공간 상호작용 값을 최종 공간 상호작용 값으로 확정하는 단계(S140);
    영상 구성수단이 상기 최종 공간 상호작용 값에 기반하여 상기 자기 영상 신호 중 미측정 신호를 추정하는 단계(S145); 및
    상기 영상 구성수단이 상기 추정된 미측정 신호에 기반하여 자기 공명 영상을 완성하는 단계(S150);를 포함하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  17. [규칙 제91조에 의한 정정 30.05.2011]　
    제 16항에 있어서, 상기 추정 공간 상호작용 값 연산단계(S105)에서, 상기 추정 공간 상호작용 값은 다음의 수학식
    Figure WO-DOC-c17
    (여기서,
    Figure WO-DOC-c17-1
    는 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-c17-2
    는 n-1번째 단계에서
    Figure PCTKR2010009620-appb-I000171
    번째 코일에 대한 경신된 추정 공간 상호작용 값,
    Figure WO-DOC-w
    는 프로세스 노이즈임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  18. [규칙 제91조에 의한 정정 30.05.2011]　
    제 16항에 있어서, 상기 추정 캘리브레이션 신호 연산단계(S110)에서, 상기 추정 캘리브레이션 신호는 다음의 수학식
    Figure WO-DOC-c18
    (여기서,
    Figure WO-DOC-c18-1
    는 n번째 단계에서
    Figure PCTKR2010009620-appb-I000175
    번째 코일에 대한 추정 캘리브레이션 신호,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-c18-2
    는 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-v
    는 프리 스캔 노이즈임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  19. [규칙 제91조에 의한 정정 30.05.2011]　
    제 16항에 있어서, 상기 추정 공간 상호작용 값의 불확실도 연산단계(S115)에서, 상기 추정 공간 상호작용 값의 불확실도는 추정 공간 상호작용 값의 오차 공분산(error covariance)에 의해 연산되고, 상기 추정 공간 상호작용 값의 오차 공분산은 다음의 수학식
    Figure WO-DOC-c19
    (여기서,
    Figure WO-DOC-P-n
    는 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산, 는 n-1번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
    Figure WO-DOC-q
    는 프로세스 노이즈의 공분산임) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  20. [규칙 제91조에 의한 정정 30.05.2011]　
    제 16항에 있어서, 상기 적응 필터의 정규화 계수(Kn) 연산단계(S120)에서, 상기 적응 필터는 칼만 필터이고, 상기 정규화 계수는 칼만 게인이며, 상기 칼만 게인은 다음의 수학식
    Figure WO-DOC-c20
    (여기서,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-P-n
    은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-R
    은 프리 스캔 노이즈 공분산임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  21. [규칙 제91조에 의한 정정 30.05.2011]　
    제 20항에 있어서, 상기 경신된 추정 공간 상호작용 값은 다음의 수학식
    Figure WO-DOC-c21
    (여기서,
    Figure WO-DOC-c10-1
    은 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 경신된 추정 공간 상호작용 값,
    Figure WO-DOC-c10-2
    는 n번째 단계에서
    Figure PCTKR2010009620-appb-I000193
    번째 코일에 대한 추정 공간 상호작용 값,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-c10-3
    은 n번째 단계에서
    Figure WO-DOC-gama
    번째 코일에 대한 측정 캘리브레이션 신호,
    Figure WO-DOC-c18-1
    은 n번째 단계에서
    Figure PCTKR2010009620-appb-I000198
    번째 코일에 대한 추정 캘리브레이션 신호임.) 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  22. [규칙 제91조에 의한 정정 30.05.2011]　
    제 20항에 있어서, 상기 추정 공간 상호작용 값의 경신된 불확실도는 추정 공간 상호작용 값의 경신된 오차 공분산(error covariance)에 의해 연산되고, 상기 경신된 오차 공분산은 다음의 수학식
    Figure WO-DOC-c22
    (여기서, 는 n번째 단계에서 추정 공간 상호작용 값의 경신된 오차 공분산,
    Figure WO-DOC-I
    는 단위행렬,
    Figure WO-DOC-Kn
    은 n번째 단계에서 칼만 게인,
    Figure WO-DOC-SnACC
    는 n번째 단계에서 측정 소스 신호,
    Figure WO-DOC-P-n
    은 n번째 단계에서 추정 공간 상호작용 값의 오차 공분산임.) 에 의하여 연산되는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  23. 제 16항에 있어서,
    상기 추정 공간 상호작용 값 연산단계(S105) 이전에,
    추정치 연산수단이 영상 신호 수신기로부터 상기 자기 영상 신호를 수신하는 단계(S100)를 더 포함하는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  24. 제 16항에 있어서,
    적응 필터의 정규화 계수 연산단계(S120)와 추정 공간 상호작용 값 경신단계(S125) 사이에,
    상기 파라미터 경신수단이 영상 신호 수신기로부터 상기 측정 캘리브레이션 신호를 수신하는 단계(S121)를 더 포함하는 것을 특징으로 하는 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 방법.
  25. 제 16항 내지 제 24항 중 어느 한 항에 따른 병렬 자기 공명 영상 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체.
PCT/KR2010/009620 2010-09-09 2010-12-31 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체 WO2012033264A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2010-0088394 2010-09-09
KR1020100088394A KR101105352B1 (ko) 2010-09-09 2010-09-09 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체

Publications (1)

Publication Number Publication Date
WO2012033264A1 true WO2012033264A1 (ko) 2012-03-15

Family

ID=45614212

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2010/009620 WO2012033264A1 (ko) 2010-09-09 2010-12-31 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체

Country Status (2)

Country Link
KR (1) KR101105352B1 (ko)
WO (1) WO2012033264A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9689950B2 (en) 2014-04-29 2017-06-27 General Electric Company Systems and methods for self-calibrated, nonlinear phase contrast correction of magnetic resonance images

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101438758B1 (ko) 2013-04-02 2014-09-05 고려대학교 산학협력단 자기 공명 영상 처리 장치 및 방법
KR101517606B1 (ko) * 2013-10-29 2015-05-04 한국과학기술원 K-공간의 저주파 정보를 기반으로 설계된 필터뱅크를 이용한 병렬영상기법
KR101575798B1 (ko) 2014-04-25 2015-12-08 고려대학교 산학협력단 자기 공명 영상 처리 장치 및 방법
KR101686184B1 (ko) * 2015-07-09 2016-12-13 성균관대학교산학협력단 병렬 자기공명영상 처리장치 및 방법
KR101836352B1 (ko) * 2016-10-31 2018-03-09 가천대학교 산학협력단 다채널 코일을 이용한 병렬영상기법에 기반한 3차원 자기공명분광영상 재구성 방법.
KR102015839B1 (ko) * 2017-10-31 2019-08-29 가천대학교 산학협력단 시간축으로 확장한 커널을 이용한 그라파 기반의 자기공명분광영상 재구성 장치 및 방법
KR20230159782A (ko) 2022-05-13 2023-11-22 전남대학교산학협력단 다차원 축 기반의 인코딩을 이용한 자기 공명 영상 처리 장치 및 그 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4912412A (en) * 1987-02-27 1990-03-27 Hitachi, Ltd. MR imaging method and apparatus
KR980012936A (ko) * 1996-07-11 1998-04-30 제이 엘. 채스킨 위상 시프트 측정 방법과 위상 시프트 보정 방법과 자기 공명 촬상 장치
KR100902518B1 (ko) * 2007-06-15 2009-06-15 한국과학기술원 일반급수 병렬영상법을 이용한 고해상도 자기공명영상생성방법 및 그 기록매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4912412A (en) * 1987-02-27 1990-03-27 Hitachi, Ltd. MR imaging method and apparatus
KR980012936A (ko) * 1996-07-11 1998-04-30 제이 엘. 채스킨 위상 시프트 측정 방법과 위상 시프트 보정 방법과 자기 공명 촬상 장치
KR100902518B1 (ko) * 2007-06-15 2009-06-15 한국과학기술원 일반급수 병렬영상법을 이용한 고해상도 자기공명영상생성방법 및 그 기록매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9689950B2 (en) 2014-04-29 2017-06-27 General Electric Company Systems and methods for self-calibrated, nonlinear phase contrast correction of magnetic resonance images

Also Published As

Publication number Publication date
KR101105352B1 (ko) 2012-01-16

Similar Documents

Publication Publication Date Title
WO2012033264A1 (ko) 적응적 셀프 캘리브레이션이 가능한 병렬 자기 공명 영상 장치, 그 영상 방법 및 그 기록 매체
WO2016074169A1 (zh) 一种对目标物体的检测方法、检测装置以及机器人
WO2014077480A1 (en) Method of determining surface orientation of single crystal wafer
WO2021201422A1 (ko) Ar에 적용 가능한 의미적인 분할 방법 및 시스템
WO2010038941A2 (en) Apparatus and method of obtaining high resolution image
JPH07505749A (ja) ディジタルビデオ信号の画像シーケンスにおける不所望の全体的画像不安定性の推定方法
WO2019132614A1 (ko) 수술영상 분할방법 및 장치
WO2022220414A1 (ko) 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법 및 이를 위한 시스템
JPH02181882A (ja) 画像シーケンスの１個以上のターゲットの運動を評価する方法及び装置
WO2022050532A1 (ko) 인공지능 신경망을 이용한 고해상도 음원지도 취득 및 분석방법 및 시스템
WO2023008806A1 (ko) Rgb-d 기반 가축 체중 추론 ai 시스템 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터-판독가능매체
WO2018048171A1 (en) Image processing apparatus and recording medium
WO2019107900A1 (ko) 컨볼루션 신경망 내 필터 프루닝 장치 및 방법
WO2018151356A1 (ko) 다중 스케일 곡률 기반 가시적 벡터 모델 해싱 방법
WO2023153606A1 (ko) 컴퓨터 단층촬영 영상을 활용한 3차원 구강 스캔 데이터 복원 장치 및 방법
WO2024014724A1 (ko) 뇌영상으로부터 뇌성별 및 뇌연령을 예측하는 방법 및 장치
WO2022250372A1 (ko) Ai에 기반한 프레임 보간 방법 및 장치
JP4060036B2 (ja) 画像アライメント方法
WO2022231167A1 (ko) 뇌산소대사 정밀 측정을 위한 자기공명영상 생성 장치 및 방법
WO2022270854A1 (ko) 선예도 개선을 위한 심층 기울기 사전정보기반 l0 스무딩 방법
WO2022119092A2 (ko) 프레임 동기워드의 오류율 비를 이용한 비트오류확률 추정 방법
WO2018056726A2 (en) Optical coherence tomography device
WO2021256846A1 (ko) 슬라이드 이미지에 포함된 생체 조직의 길이를 측정하는 방법 및 이를 수행하는 컴퓨팅 시스템
WO2020246773A1 (ko) 초음파 영상과 3차원 의료 영상의 정렬을 위한 장치 및 방법
WO2020076134A1 (ko) 암 영역 정보 보정 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10857051

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 16/05/2013)

122 Ep: pct application non-entry in european phase

Ref document number: 10857051

Country of ref document: EP

Kind code of ref document: A1