WO2014021144A1 - 磁気共鳴撮像装置、診断支援システムおよびプログラム - Google Patents

磁気共鳴撮像装置、診断支援システムおよびプログラム Download PDF

Info

Publication number
WO2014021144A1
WO2014021144A1 PCT/JP2013/069932 JP2013069932W WO2014021144A1 WO 2014021144 A1 WO2014021144 A1 WO 2014021144A1 JP 2013069932 W JP2013069932 W JP 2013069932W WO 2014021144 A1 WO2014021144 A1 WO 2014021144A1
Authority
WO
WIPO (PCT)
Prior art keywords
disease
spectrum
magnetic resonance
analysis data
record
Prior art date
Application number
PCT/JP2013/069932
Other languages
English (en)
French (fr)
Inventor
智嗣 平田
悦久 五月女
Original Assignee
株式会社日立メディコ
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 株式会社日立メディコ filed Critical 株式会社日立メディコ
Priority to JP2014528084A priority Critical patent/JP5886965B2/ja
Priority to US14/418,234 priority patent/US20150182143A1/en
Publication of WO2014021144A1 publication Critical patent/WO2014021144A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • G01R33/243—Spatial mapping of the polarizing magnetic field
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/30—Sample handling arrangements, e.g. sample cells, spinning mechanisms
    • G01R33/307—Sample handling arrangements, e.g. sample cells, spinning mechanisms specially adapted for moving the sample relative to the MR system, e.g. spinning mechanisms, flow cells or means for positioning the sample inside a spectrometer
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/32—Excitation or detection systems, e.g. using radio frequency signals
    • G01R33/34—Constructional details, e.g. resonators, specially adapted to MR
    • 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
    • G01R33/28—Details of apparatus provided for in groups G01R33/44 - G01R33/64
    • G01R33/38—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field
    • G01R33/385—Systems for generation, homogenisation or stabilisation of the main or gradient magnetic field using gradient magnetic field coils
    • 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
    • G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
    • G01R33/485—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy based on chemical shift information [CSI] or spectroscopic imaging, e.g. to acquire the spatial distributions of metabolites
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • 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
    • G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
    • G01R33/4833—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices

Definitions

  • the present invention relates to a data analysis technique for supporting clinical diagnosis using a magnetic resonance spectrum measured using a magnetic resonance imaging apparatus.
  • An MRI apparatus that performs magnetic resonance imaging (hereinafter abbreviated as MRI) irradiates a subject placed in a static magnetic field with a high-frequency magnetic field of a specific frequency, and thus includes hydrogen contained in the subject.
  • the nuclear magnetization of the nuclei is excited, and a nuclear magnetic resonance signal generated from the subject after the excitation is detected to obtain physical and chemical information.
  • measurement methods using an MRI apparatus include differences in resonance frequencies due to differences in chemical bonds of various molecules including hydrogen nuclei (hereinafter referred to as chemical shifts).
  • MRS Magnetic Resonance Spectroscopy
  • Patent Document 1 The method described in Patent Document 1 is called a PRESS (press) method, and is the most commonly used method in current MRS measurement as a method of localizing a measurement target region.
  • a PRESS (press) method After applying a gradient magnetic field (GC) pulse for selecting a predetermined slice together with a high frequency magnetic field (RF) pulse for exciting nuclear magnetization, two directions orthogonal to the slice together with a high frequency magnetic field pulse for reversing nuclear magnetization are used. Each of the gradient magnetic field pulses for selecting the slices is applied, and the nuclear magnetic resonance signal from the region where the three slices intersect is measured. Then, a magnetic resonance spectrum signal is obtained by subjecting the measured nuclear magnetic resonance signal to Fourier transform in the time axis direction.
  • GC gradient magnetic field
  • RF high frequency magnetic field
  • MRS measurement has a major advantage not available in other measurement methods in that it can non-invasively measure metabolites inside the human body, and has recently become widespread in clinical settings.
  • the data obtained by MRS is a spectrum graph, it is difficult to interpret and requires experience compared to normal MRI image diagnosis. For this reason, it is recognized as a somewhat high threshold diagnostic method for non-specialist doctors.
  • a judgment (classification) threshold for spectral signal intensity value ratio (major metabolite concentration value ratio) for individual diseases has been proposed, but it is not sufficient.
  • the case DB is a collection of cases in which accumulated data is a sentence describing a diagnosis result written in a medical record and a spectrum graph image.
  • diagnosis support using such a case DB will be important in the future.
  • DB disease spectrum DB
  • Disease spectrum DB disease spectrum DB
  • 13 types of degenerative diseases of the head 3 to 86 cases / disease
  • Average spectrum graphs of patterns are created, and the spectrum graphs are visually classified according to a predetermined reference value and registered as a disease-specific spectrum DB.
  • the newly acquired disease is approximated to an unknown spectrum from the disease-specific spectrum DB, and the user extracts an average spectrum with high similarity, and the extracted average spectrum is
  • a method for providing diagnosis support by superimposing and displaying on an unknown spectrum.
  • the average spectrum extracted by the user and the standard deviation of the average spectrum group registered in association with the disease to which the average spectrum belongs are superimposed on the unknown spectrum as a band spectrum (the line width is equivalent to the standard deviation).
  • a technique to do this has also been proposed.
  • a magnetic resonance spectrum signal for each metabolite is obtained using a phantom group including each metabolite alone at a predetermined concentration. This is the standard spectrum of each metabolite.
  • Identification spectrum candidates are created by multiplying the standard spectra of each metabolite by a factor. The coefficient is determined so that the difference between this identification spectrum candidate and the measured spectrum is minimized.
  • the concentration value (or signal intensity value of each signal peak) of each metabolite included in the measurement spectrum is obtained as a probability density function.
  • a percentage display value of the standard deviation of each sample value of the obtained probability density function is also obtained as a standard deviation rate (hereinafter referred to as “% SD”).
  • the spectrum DB for each disease disclosed in Non-Patent Document 1 is created by the following procedure. First, a plurality of experts verifies the data quality for one or more magnetic resonance spectrum signals (hereinafter referred to as “determined spectrum”) for each of the diagnosed diseases. Then, peak alignment and normalization are performed on the accepted confirmed spectrum, an average value and a standard deviation are calculated, and registered as an average spectrum graph in association with the disease.
  • determined spectrum magnetic resonance spectrum signals
  • extraction of an average spectrum having high similarity to an unknown spectrum is performed by the following method. Simultaneously with the creation of each disease spectrum DB, a two-dimensional map is created in which the characteristics of each deterministic spectrum used for DB creation are mapped on a plane. As the characteristic, for example, a ratio between predetermined signal peaks is used. Similar characteristics are extracted from the newly acquired unknown spectrum and mapped to a two-dimensional map. The user can recognize the deterministic spectrum mapped in the vicinity of the position where the unknown spectrum is mapped as a deterministic spectrum having high similarity, and can extract it as an average spectrum to be superimposed and displayed.
  • the ratio between signal peaks common to all diseases is used to extract spectra with high similarity. Originally, the generated signal changes for each disease. Therefore, depending on the disease, the signal intensity of the signal peak used as a characteristic is weak, and the reliability of extraction decreases.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to provide a data analysis technique capable of providing simple and highly accurate diagnosis support using an MRS spectrum obtained by MRS measurement.
  • similarity is discriminated based on a previously created spectrum database record for each disease and newly acquired analysis data of an unknown MRS spectrum, and disease candidates are presented.
  • For the determination of similarity only data in which the reliability index for each predetermined feature term satisfies a predetermined condition in the analysis data is used.
  • the data for which the reliability index for each predetermined feature item satisfies a predetermined condition among the analysis data of one or more MRS spectra that have been confirmed and diagnosed is used.
  • (a) is an external view of an MRI apparatus according to an embodiment of the present invention, which is a horizontal magnetic field type MRI apparatus, (b) is an external view of the vertical magnetic field type MRI apparatus, and (c) is It is an external view of the MRI apparatus which heightened the open feeling.
  • (a)-(c) is explanatory drawing for demonstrating the area
  • FIG. 1 is an external view of the MRI apparatus of this embodiment.
  • FIG. 1A shows a horizontal magnetic field type MRI apparatus 100 using a tunnel magnet that generates a static magnetic field with a solenoid coil.
  • FIG. 1B shows a hamburger type (open type) vertical magnetic field type MRI apparatus 120 in which magnets are separated into upper and lower sides in order to enhance the feeling of opening.
  • FIG. 1C shows an MRI apparatus 130 that uses the same tunnel-type magnet as in FIG. 1A and has a feeling of openness by shortening the depth of the magnet and tilting it obliquely. In the present embodiment, any of the MRI apparatuses having these appearances may be used.
  • the MRI apparatus of the present embodiment is not limited to these forms.
  • various known MRI apparatuses can be used regardless of the form and type of the apparatus.
  • the MRI apparatus 100 is representative.
  • FIG. 2 is a functional configuration diagram of the MRI apparatus 100 of the present embodiment.
  • the MRI apparatus 100 of the present embodiment includes a static magnetic field coil 102 that generates a static magnetic field in a space where a subject 101 is placed, and three directions (for example, an x direction, a y direction, a gradient magnetic field coil 103 for generating a gradient magnetic field in the z direction) and applying the gradient magnetic field coil 103 to the subject 101, a shim coil 104 for adjusting the static magnetic field distribution, and a high frequency magnetic field irradiation coil for irradiating the measurement region of the subject 101 with a high frequency magnetic field.
  • a static magnetic field coil 102 that generates a static magnetic field in a space where a subject 101 is placed
  • three directions for example, an x direction, a y direction, a gradient magnetic field coil 103 for generating a gradient magnetic field in the z direction
  • a shim coil 104 for adjusting the static magnetic field distribution
  • a transmission coil a nuclear magnetic resonance signal reception coil 106 (hereinafter simply referred to as a reception coil) that receives a nuclear magnetic resonance signal generated from the subject 101, a transmitter 107, and a receiver 108, , A computer 109, a gradient magnetic field power supply unit 112, a shim power supply unit 113, and a sequence control device 114.
  • the gradient magnetic field coil 103 and the shim coil 104 are driven by a gradient magnetic field power supply unit 112 and a shim power supply unit 113, respectively.
  • the high-frequency magnetic field irradiated by the transmission coil 105 is generated by the transmitter 107.
  • the nuclear magnetic resonance signal detected by the receiving coil 106 is sent to the computer 109 through the receiver 108.
  • a case where separate transmission coils 105 and reception coils 106 are used will be described as an example. However, these are one coil that functions as both the transmission coil 105 and the reception coil 106. You may comprise.
  • the sequence control device 114 is configured such that the gradient magnetic field power supply unit 112 that is a power supply for driving the gradient magnetic field coil 103, the shim power supply unit 113 that is the power supply for driving the shim coil 104, the transmitter 107, and the receiver 108 in accordance with instructions from the computer 109. And the timing of application of the gradient magnetic field and high frequency magnetic field and reception of the nuclear magnetic resonance signal are controlled.
  • the control time chart is called a pulse sequence, is preset according to measurement, and is stored in a storage device or the like included in the computer 109 described later.
  • the computer 109 performs various arithmetic processes on the received nuclear magnetic resonance signal to generate image information, spectrum information, temperature information, and temperature accuracy information, and gives an instruction to the sequence control device 114, and the entire MRI apparatus 100 To control the operation.
  • the computer 109 is an information processing device that includes a CPU, a memory, a storage device, and the like, and a display device 110 such as a display, an external storage device 111, an input device 115, and the like are connected to the computer 109.
  • the display device 110 is an interface for displaying results obtained by the arithmetic processing to the operator.
  • the input device 115 is an interface for an operator to input conditions, parameters, and the like necessary for the arithmetic processing performed in the present embodiment.
  • the external storage device 111 holds, together with the storage device, data used for various arithmetic processes executed by the computer 109, data obtained by the arithmetic processes, input conditions, parameters, and the like.
  • FIG. 3 is a diagram for explaining a pulse sequence 300 of the symmetric PRESS method.
  • the horizontal magnetic field type MRI apparatus 100 is used, and the static magnetic field direction is the Z-axis direction.
  • RF is a high-frequency magnetic field
  • Gz is a gradient magnetic field in the Z-axis direction
  • Gx is a gradient magnetic field in the X-axis direction
  • Gy is an application timing of a gradient magnetic field in the Y-axis direction
  • a / D is a nuclear magnetic resonance signal. (Echo signal) acquisition timing is shown respectively.
  • TE is an echo time.
  • FIG. 4 is a diagram for explaining a region excited and inverted by the pulse sequence 300 shown in FIG.
  • the images shown in FIG. 4 are scout images acquired for positioning and reference prior to the actual photographing.
  • FIG. 4A shows the positioning transformer image 410 and FIG.
  • FIG. 4C is a position reference coronal image 430.
  • a region (voxel) 450 where a first slice 441 perpendicular to the Z-axis, a second slice 442 perpendicular to the X-axis, and a third slice 443 perpendicular to the Y-axis intersect is measured.
  • a region (voxel) 450 where a first slice 441 perpendicular to the Z-axis, a second slice 442 perpendicular to the X-axis, and a third slice 443 perpendicular to the Y-axis intersect is measured.
  • a high-frequency magnetic field pulse (90 ° pulse) RF1 having a flip angle of 90 ° is applied together with application of a slice selection gradient magnetic field pulse (slice selection GC pulse) Gs11 in the Z-axis direction, and only nuclear magnetization in the first slice 441 is applied. Are selectively excited.
  • the transmission frequency f1 of the 90 ° pulse RF1 is determined so that the first slice 441 selected in combination with the slice selection GC pulse Gs11 includes the measurement target region 450.
  • All of the following high-frequency magnetic field pulses (RF pulses) can be adjusted for transmission frequency, excitation (inversion) frequency band, excitation (flip) angle and transmission phase, respectively, and are selectively excited / inverted.
  • the “slice position and thickness” and the “angle and direction for depressing the nuclear magnetization” included in the selected slice can be arbitrarily changed.
  • an RF pulse (180 ° pulse) RF2 having a flip angle of 180 ° is applied together with the application of the slice selection GC pulse Gs22 in the X-axis direction, and the 90 ° pulse RF1 Of the nuclear magnetization in the excited first slice 441, only the nuclear magnetization included in the second slice 442 is reversed by 180 °.
  • the transmission frequency f2 of the 180 ° pulse RF2 is determined so that the second slice 442 selected in combination with the slice selection GC pulse Gs22 includes the measurement target region 450.
  • an RF pulse (180 ° pulse) RF3 having a flip angle of 180 ° is applied together with the application of the slice selection GC pulse Gs33 in the Y-axis direction, and is inverted by the 180 ° pulse RF2.
  • the nuclear magnetization in the intersecting region between the first slice 441 and the second slice 442 only the nuclear magnetization in the measurement target region 450 also included in the third slice 443 is reversed 180 ° again.
  • the transmission frequency f3 of the 180 ° pulse RF3 is determined so that the third slice 443 selected in combination with the slice selection GC pulse Gs33 includes the measurement target region 450.
  • Sig. 1 occurs from within the measurement target region 450.
  • the generated nuclear magnetic resonance signal Sig. 1 has a signal change in the time axis direction and includes information on the above-described chemical shift.
  • This nuclear magnetic resonance signal Sig. 1 is detected by the receiving coil 106 at a predetermined sampling interval, and a time-axis direction Fourier transform is performed by the computer 109 to obtain a magnetic resonance spectrum.
  • the GC pulse Gr11 applied immediately after the application of the slice selection GC pulse Gs11 is a GC pulse (rephase GC pulse) for rephasing (phase return) with respect to the slice selection GC pulse Gs11.
  • the GC pulse Gd21 and the GC pulse Gd21 ′, the GC pulse Gd22 and the GC pulse Gd22 ′, and the GC pulse Gd23 and the GC pulse Gd23 ′ applied before and after the application of the 180 ° pulse RF2 are excited by the application of the 90 ° pulse RF1.
  • This is a GC pulse (dephase GC pulse) for dephasing the phase of only the nuclear magnetization excited by the application of the 180 ° pulse RF2 and reducing the pseudo signal.
  • the GC pulse Gd31 and the GC pulse Gd31 ′, the GC pulse Gd32 and the GC pulse Gd32 ′, and the GC pulse Gd33 and the GC pulse Gd33 ′ applied before and after the application of the 180 ° pulse RF3 are excited by the application of the 90 ° pulse RF1.
  • the pulse sequence 300 is repeated at a repetition time TR interval, and the nuclear magnetic resonance signal Sig.
  • the detection of 1 is repeated N times (usually several tens to several hundreds).
  • This repetition time TR is determined according to the time required for the excited nuclear magnetization to return to the thermal equilibrium state before excitation, and depends on the type of metabolite to be excited and the irradiation RF intensity (flip angle) for excitation. Change.
  • the repetition time TR is usually set to about 1 to 2 seconds.
  • the MRI apparatus 100 creates a database that stores information indicating the characteristics of magnetic resonance spectra for each disease without human intervention, and performs diagnosis support using the database.
  • the function of the computer 109 of this embodiment that realizes this database creation and diagnosis support will be described.
  • FIG. 5 is a functional block diagram of the computer 109 of this embodiment.
  • the computer 109 of this embodiment includes a spectrum generation unit 210, a spectrum analysis unit 220, a database (DB) creation unit 230, and a disease candidate extraction unit 240. These functions are realized by the CPU of the computer 109 loading a program stored in advance in the storage device into the memory and executing it.
  • the spectrum generator 210 generates a magnetic resonance spectrum from the nuclear magnetic resonance signal received by the computer 109.
  • a magnetic resonance spectrum is obtained by subjecting the nuclear magnetic resonance signal Sig, 1 obtained by executing the pulse sequence 300 to Fourier transform in the time direction.
  • the spectrum analysis unit 220 analyzes the magnetic resonance spectrum obtained in the spectrum generation unit 210, and calculates a predetermined characteristic value and a predetermined reliability index for each predetermined characteristic item as analysis data.
  • the calculation of the analysis data is performed using, for example, the above-described LCM method.
  • the characteristic term is, for example, each metabolite (predetermined metabolite type) included in the magnetic resonance spectrum, each signal peak of the magnetic resonance spectrum, or the like.
  • the characteristic value is at least one of a density value and a signal intensity value.
  • the reliability index is the standard deviation rate% SD when the feature term is a metabolite, and the signal-to-noise ratio SNR when the feature term is a signal peak.
  • the standard deviation rate% SD is a percentage value of the standard deviation of the sample value of the characteristic value for each metabolite calculated as a probability density function.
  • the standard deviation rate% SD indicates that the smaller the value calculated as the standard deviation rate% SD, the more likely the characteristic value of the metabolite is.
  • the magnitude of the characteristic value and the magnitude of the standard deviation rate% SD are in an inversely proportional relationship.
  • the signal-to-noise ratio SNR is calculated using the peak area and the standard deviation of the noise area.
  • the DB creation unit 230 creates a spectrum DB 500 for each disease.
  • the spectrum for each disease DB 500 is a database that stores information (registered values) indicating the characteristics of the magnetic resonance spectrum for each disease as a record for each disease.
  • the created disease spectrum DB 500 is stored in a storage device included in the computer 109.
  • the registered value of each record in the disease spectrum DB is calculated using analysis data (determined analysis data) of one or more magnetic resonance spectra that have been confirmed and diagnosed as having a predetermined disease. At this time, the calculation is performed using only the characteristic value and reliability index of the definite analysis data in which the reliability index satisfies a predetermined condition in the definite analysis data.
  • the timing for creating a record for each disease may be after a predetermined number or more of definite spectra have been collected. Details of the creation will be described later.
  • the disease candidate extraction unit 240 uses the acquired magnetic resonance spectrum analysis data (measurement analysis data) to determine a disease candidate estimated from the magnetic resonance spectrum and presents it to the user.
  • the spectrum DB for each disease is used for the determination.
  • As a disease candidate a disease specified by a record having a high degree of similarity with measurement analysis data is selected.
  • the degree of similarity is determined by the degree of similarity with the registered value for each feature item of each record in the disease spectrum DB. Details of the determination method will be described later.
  • presentation to a user is performed by displaying the disease name of each disease candidate on the display device 110, for example.
  • FIG. 6 is an example of a processing flow of the disease-specific spectrum DB creation processing of the present embodiment.
  • a process for creating a record of one disease will be described.
  • the disease-specific spectrum DB creation processing of the present embodiment is started by an instruction from the user after a predetermined number of magnetic resonance spectra (determined spectra) that have been diagnosed for a disease to be created are collected. .
  • the spectrum analysis unit 220 Prior to the disease-specific spectrum DB creation processing by the DB creation unit 230, the spectrum analysis unit 220 performs a definite spectrum analysis process. In the following process flow, the analysis process by the spectrum analysis unit 220 will be described.
  • the number of confirmed spectra collected is L (L is an integer of 1 or more).
  • a metabolite is used for the feature term, a concentration value is used for the characteristic value, and a standard deviation rate% SD is used for the reliability index.
  • the number of metabolites for calculating the concentration value is N (N is an integer of 1 or more).
  • the spectrum analysis unit 220 performs a spectrum analysis process for each of the L definite spectra (step S1001).
  • the concentration value of each metabolite and the standard deviation rate% SD are calculated as definite analysis data for each of L definite spectra.
  • L ⁇ N pieces of definite analysis data are calculated.
  • the standard deviation rate of each metabolite is represented as% SD (Mi).
  • the DB creation unit 230 starts acceptance / rejection determination processing for each deterministic spectrum (step S1002).
  • the acceptance / rejection determination process it is determined whether or not each of L ⁇ N pieces of definite analysis data is adopted for record creation of the spectrum DB for each disease.
  • the DB creation unit 230 starts acceptability determination for each metabolite Mi (step S1003).
  • the reliability is determined for each metabolite Mi with respect to the definite analysis data group obtained from the kth definite spectrum, and the adoption is determined.
  • the DB creation unit 230 compares the standard deviation rate% SD (Mi) in the definitive analysis data of each metabolite Mi calculated in step S1001 with a predetermined threshold B1 (step S1004). . For example, 20 is used as the threshold value B1. If the standard deviation rate% SD (Mi) is equal to or less than the threshold value B1 (% SD ⁇ B1), it is determined that the definitive analysis data of the metabolite Mi is adopted, and is registered as adopted data in the storage device (step S1005). . Registration is performed in association with the definite spectrum and the metabolite Mi. On the other hand, in other cases, the data is not registered.
  • Steps S1004 and S1005 are repeated for all metabolites Mi. That is, the counter i is repeated while incrementing by 1 until the counter i becomes N (steps S1006 and S1007).
  • the DB creation unit 230 repeats the determination process for each metabolite Mi (the process from step S1003 to step S1007) for all the deterministic spectra. That is, the counter k is repeated while incrementing by 1 until the counter k becomes L (steps S1008 and S1009).
  • the DB creation unit 230 calculates the registration value of the record using each confirmed analysis data registered as the adoption data, and stores it in the spectrum DB for each disease (step S1010).
  • the registered value of the record is calculated for each metabolite Mi.
  • the recruitment data of the same metabolite Mi is extracted from the recruitment data, the statistical values of the concentration value and the standard deviation rate% SD are calculated for each metabolite Mi, and each is stored as a registered value.
  • the statistical value is, for example, an average value and a variance value.
  • the statistical value to be registered is not limited to one type.
  • the spectrum analysis unit 220 and the DB creation unit 230 of the present embodiment perform the above steps S1001 to S1010 for the deterministic spectrum of each disease, generate a record for each disease, and construct a spectrum DB for each disease.
  • step S1010 the DB creation unit 230 uses not only the registered value for each metabolite Mi but also all the adopted data to “average spectrum waveform (average spectrum waveform) and its standard deviation waveform”. May be calculated and registered as DB information.
  • the DB creation unit 230 When calculating the average spectrum waveform and the standard deviation waveform, the DB creation unit 230 first uses the all adopted spectrum data (each signal intensity value) to generate “signal intensity average value” and “signal intensity” at each point on the horizontal axis. “Standard deviation value of intensity” is calculated.
  • the waveform connecting the points indicating the "average value” on all the calculated horizontal axis points corresponds to the average spectrum waveform, and each of the values indicating the "sum of the average value and the standard deviation value” on all the horizontal axis points
  • the waveform connecting points corresponds to the upper limit of the standard deviation waveform
  • the waveform connecting each point indicating the difference between the average value and the standard deviation value on all the horizontal axis points corresponds to the lower limit of the standard deviation waveform.
  • all collected deterministic spectra are analyzed in advance and all analysis data is calculated, and then it is determined whether or not the analysis data is accepted.
  • the present invention is not limited to this procedure.
  • analysis data for each feature term can be calculated independently from each deterministic spectrum, it may be configured to determine whether or not the analysis data is accepted each time the analysis data for each feature term is calculated.
  • FIG. 7 (a) shows an example of a head disease-specific spectrum DB 500 created by the DB creation unit 230 according to the above procedure.
  • the record 510 of the abscess, glioblastoma record 510, metastatic cancer record 510, and meningioma record 510 are illustrated.
  • the standard deviation rate% SD is representatively shown.
  • each record 510 of the disease spectrum DB 500 of this embodiment includes a disease name 520 that is information for specifying a disease, a feature item (here, a metabolite) 530, and each feature item.
  • a registered value 540 obtained from a reliability index of 530 (here, standard deviation rate% SD).
  • the characteristic value may be further stored as each registered value 540.
  • the standard deviation rate% SD (Mi) of one metabolite Mi obtained from the prepared L definite spectra does not reach all the above criteria (greater than B1).
  • the adoption data of the metabolite Mi is zero.
  • the registration value of the reliability index (standard deviation rate% SD in the above example) is calculated using the value of the definitive analysis data that has not been adopted, and is registered. Also good.
  • the definite spectrum itself may be acceptable or not. For example, for each disease, a metabolite that should be determined for adoption is designated. And when adoption determination is obtained about all the metabolites with which adoption determination should be obtained, the definite spectrum used as the origin of the said definite analysis data is set as a pass. In this case, the registered value of the disease spectrum DB may be calculated only with the reliability index and the characteristic value obtained from the accepted confirmed spectrum.
  • the record 510 of the disease spectrum DB 500 that has already been constructed may be updated using a new deterministic spectrum of the disease.
  • the spectrum analysis unit 220 calculates a characteristic value and a reliability index for each feature term of the additional definite spectrum. Then, the acceptance / rejection is determined by the method of step S1004 using the reliability index for each feature term. Then, the registered value (characteristic value and reliability index) 540 of the record 510 of the feature term determined to be adopted is updated using the adoption data (characteristic value and reliability index).
  • FIG. 8 is a process flow of the disease candidate extraction process of the present embodiment.
  • the disease candidate extraction process according to the present embodiment starts when, for example, imaging is performed with the PRESS sequence and the magnetic resonance spectrum data of the patient is obtained.
  • the acquired magnetic resonance spectrum data to be analyzed is referred to as a measurement spectrum.
  • the spectrum analysis unit 220 Prior to the disease candidate extraction processing by the disease candidate extraction unit 240, the spectrum analysis unit 220 performs measurement spectrum analysis processing. In the following process flow, the analysis process by the spectrum analysis unit 220 will be described.
  • the concentration value is used as the characteristic value
  • the standard deviation rate% SD is used as the reliability index
  • the number of metabolites to be analyzed is N.
  • the standard deviation rate% SD for each metabolite in the measurement spectrum is expressed as% SDs (Mi).
  • the spectrum analysis unit 220 performs spectrum analysis processing of the measured spectrum (step S1101).
  • the concentration value of each metabolite and the standard deviation rate% SDs (Mi) are calculated as measurement analysis data.
  • N pieces of measurement analysis data are calculated.
  • An example of the measurement analysis data 550 obtained here is shown in FIG.
  • the disease candidate extraction unit 240 starts acceptability determination processing for each metabolite Mi (step S1102).
  • acceptability determination processing is performed to determine whether or not the measurement analysis data of the metabolite Mi should be adopted for similarity determination.
  • the disease candidate extraction unit 240 compares the standard deviation rate% SDs (Mi) of each metabolite Mi calculated in step S1101 with a predetermined threshold B2 (step S1103).
  • the threshold value B2 may be the same value as the threshold value B1 used in the DB creation process. For example, 20 is used. If the standard deviation rate% SDs (Mi) is equal to or less than the threshold value B2 (% SDs ⁇ B2), the measurement analysis data of the metabolite Mi is determined to be adopted for similarity determination, and is registered in the storage device as adopted data. (Step S1104). Registration is performed in association with the metabolite Mi. On the other hand, in other cases, the data is not registered.
  • Steps S1103 and S1104 are repeated for all metabolites Mi. That is, the counter i is repeated while incrementing by 1 until the counter i becomes N (steps S1105 and S1106).
  • the disease candidate extraction unit 240 performs similarity determination processing for determining similarity with the registered value of the record 510 for each disease registered in the disease spectrum DB 500 using each data registered as the adoption data. (Step S1107).
  • a similarity index that has a smaller value as the degree of similarity is higher is calculated. To do.
  • the disease candidate extraction unit 240 determines a disease candidate using the similarity index that is the result of the similarity determination process (step S1108).
  • a predetermined number of records 510 are extracted from those having high similarity, and a disease specified by the record 510 is set as a disease candidate.
  • the disease candidate extraction part 240 displays the information which specifies a disease candidate on the display apparatus 110 (step S1109), and complete
  • FIG. 9 is a processing flow of similarity determination processing according to this embodiment.
  • M is an integer of 1 or more
  • reliability indices here, standard deviation rate% SD (Mi)
  • % SDj the standard deviation rate of the metabolite Mi of the jth record (disease j) (j is an integer of 1 to M) 510 is defined as% SDj (Mi).
  • the disease candidate extraction unit 240 calculates an index (similarity index) indicating similarity with the measurement analysis data for all the M types of disease records 510 registered in the disease spectrum DB 500.
  • the difference sum DF (j) which is a positive value of the square root of the sum of the squares of the differences between the registered value for each metabolite Mi and the adopted data obtained in step S1104, is used as the similarity index.
  • the standard deviation rate% SD is used as the registration value for taking the difference and the adopted data.
  • the disease candidate extraction unit 240 starts a process for determining each disease (step S1201).
  • the disease candidate extraction part 240 starts acceptance determination of each metabolite Mi (step S1201).
  • a difference calculation is performed (step S1204). Specifically, for the metabolite Mi of the j-th record 510 (disease j), the difference D between the registered value (% SDj (Mi)) and the value registered as adopted data (% SDs (Mi)) Calculate (j, i).
  • the following formula (1) is used as the reliability index and the calculation formula.
  • D (j, i)
  • the result is squared, added to the square of the difference sum DF (j), and the square of the difference sum DF (j) is updated (step S1205). Specifically, the calculation is performed according to the following equation (2).
  • DF (j) 2 DF (j) 2 + D (j, i) 2 (2)
  • step S1203 If it is determined in step S1203 that it is not registered, the difference calculation in step S1205 and the difference sum update in step S1206 are not performed.
  • Steps S1203 to S1205 are repeated for all metabolites Mi. That is, the counter i is repeated while incrementing by 1 until the counter i becomes N (steps S1206 and S1207).
  • the disease candidate extraction unit 240 calculates the positive value of the square root of the squared DF (j) of the obtained difference sum, and stores it in the storage device as a similarity index in association with the disease j in the disease-specific spectrum DB. (Step S1208).
  • the disease candidate extraction unit 240 performs the processing from step S1202 to step S1208 for all of the M types of disease records 510 registered in the disease-specific spectrum DB 500, and sets the similarity index for each record 510 (disease). Calculate and register in the storage device (steps S1209 and S1210), and the process is terminated.
  • the similarity index obtained in the similarity determination process in step S1107 may be displayed together with the display in step S1109. Furthermore, when an average spectrum waveform and a standard deviation waveform are registered in the disease-specific spectrum DB, these may be displayed together.
  • step S1109 it is configured to display in descending order of similarity, but it may be configured to list disease candidates extracted in random order.
  • the similarity is determined only by the similarity index calculated from the reliability index, but the present invention is not limited to this.
  • a similarity index may be similarly calculated from the characteristic values of each metabolite and used for similarity determination.
  • the similarity may be determined in consideration of the comparison result of the characteristic value ratio (concentration ratio or signal intensity value ratio, etc.) between the metabolites.
  • the similarity determination processing is not performed for all the diseases (all records 510) registered in the spectrum database for each disease, You may comprise so that it may carry out only with respect to a certain disease (record 510).
  • a metabolite is used as a feature term and a standard deviation rate% SD is used as a reliability index. It is not limited to this.
  • a signal peak may be used as the feature term, and a signal noise ratio SNR may be used as the reliability index.
  • the signal-to-noise ratio SNR is calculated for each signal peak.
  • the processing from step S1003 to step S1007 is repeated, and in the disease candidate extraction processing, the processing from step S1102 to step S1106 is repeated for the number of signal peaks.
  • the characteristic value may be at least one of the density value and the signal intensity value.
  • the magnetic resonance spectrum measured by the PRESS method sequence is used as the deterministic spectrum or the measurement spectrum for creating each record 510 of the disease spectrum DB 500 has been described as an example.
  • the acquisition sequence is not limited to this.
  • a sequence such as a 3D-CSI method in which a magnetic resonance spectrum is measured by a multi-voxel, an EPSI method in which a high-speed multi-voxel measurement is possible may be used.
  • the computer 109 of the MRI apparatus 100 includes the spectrum generation unit 210, the spectrum analysis unit 220, the DB creation unit 230, and the disease candidate extraction unit 240, and generates a magnetic resonance spectrum, analyzes the magnetic resonance spectrum, Although each record 510 registered in the disease spectrum DB 500 is created and disease candidates are extracted, the present invention is not limited to this.
  • the external apparatus independent of the MRI apparatus 100 includes a spectrum generation unit 210, a spectrum analysis unit 220, a DB creation unit 230, and a disease candidate extraction unit 240. It is also possible to provide at least one of the above and perform processing by the apparatus.
  • FIG. 10 shows an example of a system 600 when these processes are performed by an apparatus outside the MRI apparatus 100.
  • the system 600 includes a server 610 including a spectrum analysis unit 220, a DB creation unit 230, and a disease candidate extraction unit 240, and a plurality of clients 620 connected to the MRI apparatus 100.
  • the spectrum generation unit 210 is included in each client 620.
  • the server 610 and each client 620 are each provided with a communication interface that transmits and receives data to and from an external device, and are connected to each other via a communication line 630.
  • the server 610 includes a storage device 640 that stores the created spectrum DB for each disease.
  • the storage device 640 that stores the spectrum DB for each disease includes a communication interface, and may be connected to the communication line 630 independently of the server 610 and the client 620.
  • the server 610 and the client 620 can access the storage device 640 via the communication line 630.
  • the client 620 may include at least one function of the spectrum analysis unit 220, the DB creation unit 230, and the disease candidate extraction unit 240.
  • the server 610 may include the spectrum generation unit 210.
  • FIG. 10 is an example, and the present invention is not limited to this configuration.
  • a plurality of servers 610 may exist, three or more clients 620, and four or more MRI apparatuses 100 may exist.
  • information may be transmitted using the communication line 630 .
  • information may be transmitted using a recording medium such as a magnetic disk or an optical disk.
  • the MRI apparatus and system are assumed to have a function of generating a disease-specific spectrum DB, but when a consensus is formed by doctors in this specialized field and the disease-specific spectrum DB is standardized,
  • the function of generating the disease spectrum DB itself is not necessary. That is, in a computer usage form based on a network such as cloud computing (especially the Internet), a standardized spectrum database for each disease is placed on the cloud side, so that a spectrum database for each disease according to requests from the client side. It is also possible to take a form in which diagnosis support information (disease candidate list) is returned for the measured spectrum data uploaded from the client side.
  • Table 1 shows an example of a disease spectrum DB created from a deterministic spectrum acquired from a patient having a disease in the human head as the subject 101.
  • the MRI apparatus used is the MRI apparatus 100 (static magnetic field strength of 1.5 Tesla) shown in FIG.
  • the diseases targeted for the creation of the spectrum DB for each disease were four types: abscess, glioblastoma, metastatic cancer, and meningioma.
  • the number of deterministic spectra obtained for each disease is a sufficient number necessary to create a record of the disease spectrum DB.
  • the creation procedure is shown in FIG. Note that only the reliability index value (in this case, the standard deviation rate% SD of each metabolite) is extracted and shown as the registered value of each record in the disease spectrum DB.
  • step S1102 and subsequent steps of the disease candidate extraction process of the present embodiment were executed. At this time, 20 was used as the reference value B2 of the standard deviation rate% SD used.
  • the measurement analysis data shows that the disease is most similar to the record of glioblastoma. Therefore, glioblastoma is an example of a disease candidate in this measurement spectrum.
  • the MRI apparatus 100 includes the computer 109 that performs arithmetic processing on the acquired nuclear magnetic resonance signal and the display device 110 that displays the calculation result in the calculation unit.
  • the computer 109 analyzes a magnetic resonance spectrum and a spectrum generation unit 210 that generates a magnetic resonance spectrum from the nuclear magnetic resonance signal, and analyzes a predetermined reliability index for each predetermined feature item.
  • a spectrum analysis unit 220 that is calculated as data, and a record 510 that is created from the definite analysis data that is the analysis data of one or more magnetic resonance spectra that have been definitively diagnosed as a predetermined disease is registered for each disease.
  • the disease candidate extraction unit 240 uses the spectrum DB 500 to extract disease candidates whose disease is estimated from an unknown magnetic resonance spectrum and
  • the disease candidate extraction unit 240 has a reliability indicated by the reliability index in measurement analysis data, which is analysis data of a magnetic resonance spectrum whose disease is unknown.
  • measurement analysis data as described above, the degree of similarity with the record 510 registered in the spectrum DB for each disease is determined, and the disease with the record 510 having a similarity higher than a predetermined value is set as the disease candidate.
  • the computer 109 further includes a DB creation unit 230 that generates each record 510 of the spectrum DB for each disease 500, and the DB creation unit 230 has the definite analysis data whose reliability indicated by the reliability index is not less than a predetermined value.
  • the record 510 may be created using the.
  • the record 510 may include a registered value for each feature item, and the registered value may be a statistical value of the reliability index of the adopted data. The similarity may be determined to be higher as the difference sum between the reliability index of the measurement analysis data for each feature item and the registered value of the record 510 is smaller.
  • the magnetic resonance imaging apparatus (MRI apparatus) 100 that generates a magnetic resonance spectrum from the acquired nuclear magnetic resonance signal, and the magnetic resonance spectrum obtained by the magnetic resonance imaging apparatus (MRI apparatus) 100 are analyzed.
  • the server 610 includes a server 610, and the server 610 has a record created using definitive analysis data obtained from one or more magnetic resonance spectra definitively diagnosed as having a predetermined disease.
  • a disease candidate extraction unit 230 that extracts a disease candidate estimated from a magnetic resonance spectrum whose disease is unknown using a disease spectrum database 500 registered for each disease, and presents the disease candidate to the user.
  • the disease candidate extraction unit 230 uses measurement analysis data in which the reliability indicated by the reliability index is equal to or higher than a predetermined value in measurement analysis data that is analysis data of a magnetic resonance spectrum whose disease is unknown.
  • the diagnosis support system 600 may be configured to determine a similarity with a record registered in the spectrum database for each disease, and to select a disease with a record having a similarity higher than a predetermined value as the disease candidate. .
  • a disease-specific spectrum database in which a record created using deterministic analysis data obtained from one or more magnetic resonance spectra definitively diagnosed as having a predetermined disease is registered for each disease.
  • 500 is a program for extracting a disease candidate whose disease is estimated from an unknown magnetic resonance spectrum and causing it to function as a disease candidate extraction means (disease candidate extraction unit) 230 that is presented to the user.
  • the disease candidate extraction means (disease candidate extraction unit) 230 includes: Further, the analysis data is an analysis result of an unknown magnetic resonance spectrum, and the reliability indicated by the reliability index is not less than a predetermined level. Realized by a program characterized in that the measurement analysis data is used to determine the similarity to a record registered in the spectrum database for each disease, and a disease having a record with a similarity greater than or equal to a predetermined value is set as the disease candidate. May be.
  • the reliability of the magnetic resonance spectrum acquired by MRS imaging is automatically verified.
  • the similarity with the data registered in the spectrum database for each disease is compared using only the data whose reliability is determined to be more than a predetermined value in the analysis data of the measured spectrum.
  • the reliability index is used as the criterion for determining similarity, there is an increased possibility that more accurate diagnosis support information can be provided.
  • DESCRIPTION OF SYMBOLS 100 MRI apparatus, 101: Subject, 102: Static magnetic field coil, 103: Gradient magnetic field coil, 104: Shim coil, 105: Transmission coil, 106: Reception coil, 107: Transmitter, 108: Receiver, 109: Calculator, 110: Display device, 111: External storage device, 112: Power supply unit for gradient magnetic field, 113: Power supply unit for shim, 114: Sequence control device, 115: Input device, 120: MRI device, 130: MRI device, 210: Spectrum Generation unit, 220: Spectrum analysis unit, 230: DB creation unit, 240: Disease candidate extraction unit, 300: Pulse sequence, 410: Transposition image for positioning, 420: Sagittal image for position reference, 430: Coronal image for position reference, 441: first slice, 442: second slice, 443: third slice, 450: measurement target region, 00: spectrum database for each disease, 510: record, 520: disease name, 530: feature,

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Optics & Photonics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

　ＭＲＳ計測で得るＭＲＳスペクトルを用い、簡便かつ高精度な診断支援が可能なデータ解析技術を提供する。予め作成された疾患毎のスペクトルデータベースのレコードと、新規に取得した未知のＭＲＳスペクトルの解析データとにより類似性を判別し、疾患候補を提示する。類似性の判別には、前記解析データの中の、所定の特徴項毎の信頼性指標が所定の条件を満足するデータのみを用いる。また、疾患毎のスペクトルデータベース作成時も同様に、確定診断された１以上のＭＲＳスペクトルの解析データの中の、所定の特徴項毎の信頼性指標が所定の条件を満足するデータのみを用いる。

Description

磁気共鳴撮像装置、診断支援システムおよびプログラム
　本発明は、磁気共鳴撮像装置を用いて計測される磁気共鳴スペクトルを用いた臨床診断の支援のためのデータ解析技術に関する。
　磁気共鳴撮像(Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　Ｉｍａｇｉｎｇ、以下、ＭＲＩと略す)を行うＭＲＩ装置は、静磁場中に置かれた被検体に対し、特定周波数の高周波磁場を照射することにより、被検体に含まれる水素等の原子核の核磁化を励起し、この励起後に被検体から発生する核磁気共鳴信号を検出して、物理的・化学的情報を取得する。ＭＲＩ装置を用いた計測法には、核磁気共鳴信号を画像化する磁気共鳴イメージングの他に、水素原子核を含む様々な分子の化学結合の違いによる共鳴周波数の差異(以下、ケミカルシフトと呼ぶ)を手掛かりに、１～数個の領域から得られた核磁気共鳴信号を分子毎の信号に分離し、代謝物質の情報を取得する磁気共鳴スペクトル(Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　Ｓｐｅｃｔｒｏｓｃｏｐｙ、以下、ＭＲＳと略す)計測がある(例えば、特許文献１参照)。
　特許文献１に記載されている手法はＰＲＥＳＳ(プレス)法と呼ばれるもので、計測対象領域を局所化する方法として、現在のＭＲＳ計測では最もよく用いられる手法である。ＰＲＥＳＳ法では、核磁化を励起する高周波磁場(ＲＦ)パルスとともに、所定のスライスを選択する傾斜磁場(ＧＣ)パルスを印加後、核磁化を反転させる高周波磁場パルスとともに、前記スライスに直交する２方向のスライスを選択する傾斜磁場パルスをそれぞれ印加し、３つのスライスが交差する領域からの核磁気共鳴信号を計測する。そして、計測した核磁気共鳴信号に対し時間軸方向にフーリエ変換を施すことにより、磁気共鳴スペクトル信号を得る。
　ＭＲＳ計測は、人体内部の代謝物質を無侵襲で測定できるという他の計測法には無い大きな長所があり、近年、臨床の場に広まりつつある。しかしながら、ＭＲＳで得られるデータはスペクトルグラフであるため、通常のＭＲＩ画像診断に較べ解釈が難しく経験を要する。このため、専門外の医師にとっては、やや敷居の高い診断法として認識されている。実際にＭＲＳを臨床診断に適用する例として、個別の疾患に対するスペクトル信号強度値比(主要代謝物質の濃度値比)の判定(分類)閾値が提案されているが、十分ではない。
　このような状況に対して、本分野の専門家で形成されている日本磁気共鳴学会の臨床ＭＲＳ有用性検討プロジェクトにおいて、ＭＲＳの更なる普及／啓蒙を目的に、診断ガイドラインの作成や症例データベース(以下、ＤＢと略す)の構築が計画されている。症例ＤＢは、カルテに記載された診断結果を記した文章とスペクトルグラフ画像とを蓄積データとする症例集である。ＭＲＳの臨床普及に際しては、今後、このような症例ＤＢを用いた診断支援が重要となる。
　また、症例ＤＢの一つとして、特定の臓器の疾患毎のスペクトルグラフをＤＢ(疾患毎スペクトルＤＢ)として統計的に構築する試みがなされている(例えば、非特許文献１参照)。例えば、２０００～２００２年に行われた欧州での多施設共同臨床研究報告では、頭部の１３種類の変性疾患(３～８６例／疾患)に対し、疾患毎に短ＴＥと長ＴＥの２パターンの平均スペクトルグラフが作成され、それらのスペクトルグラフは、所定の基準値により視覚的に分類され、疾患毎スペクトルＤＢとして登録されている。
　多施設共同臨床研究報告では、この疾患毎スペクトルＤＢから、新規に取得した疾患が未知のスペクトルに近似性、類似性の高い平均スペクトルをユーザが抽出する支援を行うとともに、抽出した平均スペクトルを、未知のスペクトル上に重畳表示させることにより、診断支援を行う手法が提案されている。さらに、ユーザーが抽出した平均スペクトルと、その平均スペクトルが属する疾患に対応づけて登録される平均スペクトル群の標準偏差とを、帯スペクトル(線幅が標準偏差に相当)として未知のスペクトルに重畳表示する手法も提案されている。
　計測した磁気共鳴スペクトル信号(計測スペクトル)に含まれる、各代謝物質の濃度値(信号強度値)の解析法として、Ｌｉｎｅａｒ　Ｃｏｍｂｉｎａｔｉｏｎ　Ｍｏｄｅｌ(ＬＣＭ)法がある(例えば、非特許文献２参照)。まず、各代謝物質単体を所定濃度で含むファントム群を用い、代謝物質毎の磁気共鳴スペクトル信号を得る。これを各代謝物質の標準スペクトルとする。各代謝物質の標準スペクトルをそれぞれ係数倍して足し合わせて同定スペクトル候補を作成する。この同定スペクトル候補と、計測スペクトルとの差分が最小となるよう、係数を決定する。決定された係数により、計測スペクトルに含まれる各代謝物質の濃度値(または各信号ピークの信号強度値)を確率密度関数として得る。このとき、得られた確率密度関数の各標本値の標準偏差の百分率表示値を、標準偏差率(以下、「％ＳＤ」と称する)として併せて得る。
特開昭５９－１０７２４６号公報
Ａ．Ｒ．Ｔａｔｅ　ｅｔ　ａｌ．，　ＮＭＲ　ＩＮ　ＢＩＯＭＥＤＩＣＩＮＥ　２００６　１９　ｐ４１１－４３４ Ｓ．Ｗ．Ｐｒｏｖｅｎｃｈｅｒ、　Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　ｉｎ　Ｍｅｄｉｃｉｎｅ、　１９９３　３０　ｐ６７２－６７９
　非特許文献１に開示の疾患毎スペクトルＤＢは、以下の手順で作成される。まず、確定診断された疾患毎の1以上の磁気共鳴スペクトル信号(以下、確定スペクトルと呼ぶ。)に対して、複数の専門家がデータクオリティの検証を行う。そして、合格した確定スペクトルに対してピーク位置合わせと正規化とを施し、平均値と標準偏差とを算出し、疾患に対応づけて平均スペクトルグラフとして登録する。
　疾患毎スペクトルＤＢ作成の際に複数人の判断が入るため、判定基準が曖昧になり、構築されるＤＢのクオリティが不安定となる。これが、高精度な解析を妨げている。また、専門化によりクオリティ検証のステップが必須であるため、ユーザがＤＢを更新したりカスタマイズしたりすることができず、自由度が低い。また、ＤＢ構築に要する時間も長くなる。
　また、未知のスペクトルに類似性の高い平均スペクトルの抽出は、以下の手法で行われる。疾患毎スペクトルＤＢの作成と同時に、ＤＢ作成に用いた各確定スペクトルの特性を平面上にマッピングした２次元マップを作成する。特性として、例えば、所定の信号ピーク間の比を用いる。新規に取得した未知スペクトルからも同様の特性を抽出し、２次元マップにマッピングする。ユーザは、未知スペクトルがマッピングされた位置近傍にマッピングされた確定スペクトルを類似性の高い確定スペクトルと認識でき、重畳表示させる平均スペクトルとして抽出できる。
　類似性の高いスペクトルの抽出に、全疾患共通の信号ピーク間の比が用いられる。本来、疾患毎に、生じる信号は変化するため、疾患によっては、特性として用いる信号ピークの信号強度が弱く、抽出の信頼度が低下する。
　本発明は、上記事情に鑑みてなされたもので、ＭＲＳ計測で得るＭＲＳスペクトルを用い、簡便かつ高精度な診断支援が可能なデータ解析技術を提供することを目的とする。
　本発明では、予め作成された疾患毎のスペクトルデータベースのレコードと、新規に取得した未知のＭＲＳスペクトルの解析データとにより類似性を判別し、疾患候補を提示する。類似性の判別には、前記解析データの中の、所定の特徴項毎の信頼性指標が所定の条件を満足するデータのみを用いる。また、疾患毎のスペクトルデータベース作成時も同様に、確定診断された１以上のＭＲＳスペクトルの解析データの中の、所定の特徴項毎の信頼性指標が所定の条件を満足するデータのみを用いる。
　ＭＲＳ計測で得るＭＲＳスペクトルを用い、簡便かつ高精度な診断支援を行うことができる。
(ａ)は、本発明の実施形態のＭＲＩ装置であって水平磁場方式のＭＲＩ装置の外観図であり、(ｂ)は同垂直磁場方式のＭＲＩ装置の外観図であり、(ｃ)は、同開放感を高めたＭＲＩ装置の外観図である。 本発明の実施形態のＭＲＩ装置の機能構成を示すブロック図である。 ＰＲＥＳＳ法のパルスシーケンスの一例を示す図である。 (ａ)～(ｃ)は、ＰＲＥＳＳ法のパルスシーケンスにより励起される領域を説明するための説明図である。 本発明の実施形態の計算機の機能ブロック図である。 本発明の実施形態の疾患毎スペクトルＤＢ作成処理のフローチャートである。 (ａ)は、本発明の実施形態の疾患毎スペクトルＤＢを説明するための説明図であり、(ｂ)は、本発明の実施形態の計測解析データを説明するための説明図である。 本発明の実施形態の疾患候補抽出処理のフローチャートである。 本発明の実施形態の類似性判別処理のフローチャートである。 本発明の実施形態のシステム構成例を説明するための説明図である。
　以下、本発明を適用する実施形態を、図面を用いて説明する。なお、実施形態を説明するための全図において、同一機能を有するものは、同一の符号を付し、その繰り返しの説明は省略する。また、この実施形態により本発明が限定されるものではない。
　まず、本実施形態の磁気共鳴撮影装置(ＭＲＩ装置)について説明する。図１は、本実施形態のＭＲＩ装置の外観図である。図１(ａ)は、ソレノイドコイルで静磁場を生成するトンネル型磁石を用いた水平磁場方式のＭＲＩ装置１００である。図１(ｂ)は、開放感を高めるために磁石を上下に分離したハンバーガー型(オープン型)の垂直磁場方式のＭＲＩ装置１２０である。また、図１(ｃ)は、図１(ａ)と同じトンネル型磁石を用い、磁石の奥行を短くし且つ斜めに傾けることによって、開放感を高めたＭＲＩ装置１３０である。本実施形態では、これらの外観を有するＭＲＩ装置のいずれを用いてもよい。なお、これらは一例であり、本実施形態のＭＲＩ装置はこれらの形態に限定されるものではない。本実施形態では、装置の形態やタイプを問わず、公知の各種のＭＲＩ装置を用いることができる。以下、特に区別する必要がない場合は、ＭＲＩ装置１００で代表する。
　図２は、本実施形態のＭＲＩ装置１００の機能構成図である。本図に示すように、本実施形態のＭＲＩ装置１００は、被検体１０１が置かれる空間に、静磁場を発生させる静磁場コイル１０２と、互いに直交する３方向(例えば、ｘ方向、ｙ方向、ｚ方向)にそれぞれ傾斜磁場を発生させ、被検体１０１に印加する傾斜磁場コイル１０３と、静磁場分布を調整するシムコイル１０４と、被検体１０１の計測領域に対し高周波磁場を照射する高周波磁場照射コイル１０５(以下、単に送信コイルという)と、被検体１０１から発生する核磁気共鳴信号を受信する核磁気共鳴信号受信コイル１０６(以下、単に受信コイルという)と、送信機１０７と、受信機１０８と、計算機１０９と、傾斜磁場用電源部１１２と、シム用電源部１１３と、シーケンス制御装置１１４と、を備える。
　静磁場コイル１０２は、図１(ａ)、図１(ｂ)、図１(ｃ)にそれぞれ示した各ＭＲＩ装置１００、１２０、１３０の構造に応じて、種々の形態のものが採用される。傾斜磁場コイル１０３及びシムコイル１０４は、それぞれ傾斜磁場用電源部１１２及びシム用電源部１１３により駆動される。送信コイル１０５が照射する高周波磁場は、送信機１０７により生成される。受信コイル１０６が検出した核磁気共鳴信号は、受信機１０８を通して計算機１０９に送られる。なお、本実施形態では、送信コイル１０５と受信コイル１０６とに別個のものを用いる場合を例にあげて説明するが、これらは、送信コイル１０５と受信コイル１０６との機能を兼用する１のコイルで構成してもよい。
　シーケンス制御装置１１４は、計算機１０９からの指示に従って傾斜磁場コイル１０３の駆動用電源である傾斜磁場用電源部１１２、シムコイル１０４の駆動用電源であるシム用電源部１１３、送信機１０７及び受信機１０８の動作を制御し、傾斜磁場、高周波磁場の印加および核磁気共鳴信号の受信のタイミングを制御する。制御のタイムチャートはパルスシーケンスと呼ばれ、計測に応じて予め設定され、後述する計算機１０９が備える記憶装置等に格納される。
　計算機１０９は、受け取った核磁気共鳴信号に対して様々な演算処理を行い、画像情報やスペクトル情報、温度情報、温度精度情報を生成するとともに、シーケンス制御装置１１４に指示を与え、ＭＲＩ装置１００全体の動作を制御する。計算機１０９は、ＣＰＵ、メモリ、記憶装置などを備える情報処理装置であり、計算機１０９にはディスプレイ等の表示装置１１０、外部記憶装置１１１、入力装置１１５などが接続される。
　表示装置１１０は、演算処理で得られた結果等をオペレータに表示するインタフェースである。入力装置１１５は、本実施形態で行われる演算処理に必要な条件、パラメータ等をオペレータが入力するためのインタフェースである。外部記憶装置１１１は、記憶装置とともに、計算機１０９が実行する各種の演算処理に用いられるデータ、演算処理により得られるデータ、入力された条件、パラメータ等を保持する。
　次に、本実施形態のＭＲＳ計測で用いるパルスシーケンスを説明する。本実施形態では、ＭＲＳ計測の基本的な計測法である対称型ＰＲＥＳＳ法を用いる。このＰＲＥＳＳ法による各部の動作と励起される領域との関係を図３および図４を用いて説明する。
　図３は、対称型ＰＲＥＳＳ法のパルスシーケンス３００を説明するための図である。ここでは、水平磁場方式のＭＲＩ装置１００を用い、静磁場方向をＺ軸方向とする。本パルスシーケンス３００において、ＲＦは高周波磁場、ＧｚはＺ軸方向の傾斜磁場、ＧｘはＸ軸方向の傾斜磁場、ＧｙはＹ軸方向の傾斜磁場の印加タイミングを、Ａ／Ｄは核磁気共鳴信号(エコー信号)の取得タイミングをそれぞれ示す。また、ＴＥはエコー時間である。
　図４は、図３に示すパルスシーケンス３００により励起および反転される領域を説明するための図である。なお、図４に示す画像は、本撮影に先立って位置決め用および参照用に取得されるスカウト画像であって、それぞれ、図４(ａ)は、位置決め用トランス像４１０、図４(ｂ)は、位置参照用サジタル像４２０、図４(ｃ)は、位置参照用コロナル像４３０である。ここでは、Ｚ軸に垂直な第一のスライス４４１と、Ｘ軸に垂直な第二のスライス４４２と、Ｙ軸に垂直な第三のスライス４４３とが交差する領域(ボクセル)４５０を計測対象領域とする。
　まず、Ｚ軸方向のスライス選択用傾斜磁場パルス(スライス選択ＧＣパルス)Ｇｓ１１の印加とともにフリップ角が９０゜の高周波磁場パルス(９０゜パルス)ＲＦ１を印加し、第一スライス４４１内の核磁化のみを選択的に励起状態とする。このとき、９０゜パルスＲＦ１の送信周波数ｆ１は、スライス選択ＧＣパルスＧｓ１１と組み合わせて選択される第一スライス４４１が計測対象領域４５０を含むよう決定される。なお、以下の全ての高周波磁場パルス(ＲＦパルス)は、送信周波数、励起(反転)周波数帯域、励起(フリップ)角および送信位相をそれぞれ調整することができ、選択的に励起／反転を行う「スライスの位置と厚み」および選択スライス内に含まれる「核磁化を倒す角度と方向」をそれぞれ任意に変更することができる。
　次に、９０゜パルスＲＦ１の印加からＴＥ／４後に、Ｘ軸方向のスライス選択ＧＣパルスＧｓ２２の印加とともにフリップ角が１８０゜のＲＦパルス(１８０゜パルス)ＲＦ２を印加し、９０゜パルスＲＦ１によって励起された第一スライス４４１内の核磁化のうち、第二スライス４４２にも含まれる核磁化のみを１８０゜反転させる。１８０゜パルスＲＦ２の送信周波数ｆ２は、スライス選択ＧＣパルスＧｓ２２と組み合わせて選択される第二スライス４４２が、計測対象領域４５０を含むよう決定される。
　さらに、１８０゜パルスＲＦ２の印加からＴＥ／２後に、Ｙ軸方向のスライス選択ＧＣパルスＧｓ３３の印加とともにフリップ角が１８０゜のＲＦパルス(１８０゜パルス)ＲＦ３を印加し、１８０゜パルスＲＦ２によって反転された第一スライス４４１と第二スライス４４２との交差領域内にある核磁化のうち、第三スライス４４３にも含まれる計測対象領域４５０内の核磁化のみを再度１８０゜反転させる。１８０゜パルスＲＦ３の送信周波数ｆ３は、スライス選択ＧＣパルスＧｓ３３と組み合わせて選択される第三スライス４４３が、計測対象領域４５０を含むよう決定される。
　これらの３組のスライス選択ＧＣパルス及び領域選択ＲＦパルスの印加により、計測対象領域４５０内が選択励起され、１８０゜パルスＲＦ３の印加からＴＥ／４後の時点をエコー時間とする核磁気共鳴信号Ｓｉｇ．１が計測対象領域４５０内から発生する。発生する核磁気共鳴信号Ｓｉｇ．１は、時間軸方向の信号変化を有し、上述したケミカルシフトの情報を含む。この核磁気共鳴信号Ｓｉｇ．１を、所定のサンプリング間隔で受信コイル１０６にて検出し、計算機１０９において時間軸方向のフーリエ変換を施すことにより、磁気共鳴スペクトルを得る。
　なお、パルスシーケンス３００において、スライス選択ＧＣパルスＧｓ１１の印加の直後に印加されるＧＣパルスＧｒ１１は、スライス選択ＧＣパルスＧｓ１１に対するリフェイズ(位相戻し)用のＧＣパルス(リフェイズＧＣパルス)である。また、１８０゜パルスＲＦ２の印加の前後に印加されるＧＣパルスＧｄ２１とＧＣパルスＧｄ２１’、ＧＣパルスＧｄ２２とＧＣパルスＧｄ２２’及びＧＣパルスＧｄ２３とＧＣパルスＧｄ２３’は、９０゜パルスＲＦ１の印加により励起された核磁化の位相は乱さず、１８０゜パルスＲＦ２の印加により励起された核磁化のみをディフェイズ(位相乱し)し、疑似信号を減じるためのＧＣパルス(ディフェイズＧＣパルス)である。さらに、１８０゜パルスＲＦ３の印加の前後に印加されるＧＣパルスＧｄ３１とＧＣパルスＧｄ３１’、ＧＣパルスＧｄ３２とＧＣパルスＧｄ３２’及びＧＣパルスＧｄ３３とＧＣパルスＧｄ３３’は、９０゜パルスＲＦ１の印加により励起された核磁化の位相は乱さず、１８０゜パルスＲＦ３の印加によって励起された核磁化のみをディフェイズし、疑似信号を減じるためのＧＣパルス(ディフェイズＧＣパルス)である。
　ＰＲＥＳＳ法では、以上のパルスシーケンス３００を撮影シーケンスとして実行することにより、図４に示すように、３つのスライス４４１、４４２、４４３が交差する計測対象領域４５０内に含まれる核磁化のみを選択的に励起し、計測対象領域４５０からの核磁気共鳴信号Ｓｉｇ．１を検出する。
　なお、必要とするＳＮＲを確保するために積算を行う場合、繰り返し時間ＴＲ間隔で、上記パルスシーケンス３００を繰り返し、核磁気共鳴信号Ｓｉｇ．１の検出をＮ回(通常、数十回～数百回程度)繰り返す。この場合、全計測時間は「繰り返し時間×積算回数＝ＴＲ×Ｎ」となる。この繰り返し時間ＴＲは、励起された核磁化が励起前の熱平衡状態に戻るのに要する時間に従って定められ、励起対象となっている代謝物質の種類や励起を行う照射ＲＦ強度(フリップ角)等によって変化する。ＭＲＳで計測可能な人体内部の一般的な代謝物質の核磁化を９０゜パルスで励起する場合、通常、繰り返し時間ＴＲは１～２秒程度に設定される。
　本実施形態のＭＲＩ装置１００は、人の介在無しに疾患毎の磁気共鳴スペクトルの特徴を示す情報を格納するデータベースを作成するとともに、当該データベースを用いた診断支援を行う。このデータベース作成および診断支援を実現する本実施形態の計算機１０９の機能について説明する。図５は、本実施形態の計算機１０９の機能ブロック図である。本図に示すように、本実施形態の計算機１０９は、スペクトル生成部２１０と、スペクトル解析部２２０と、データベース(ＤＢ)作成部２３０と、疾患候補抽出部２４０と、を備える。これらの機能は、計算機１０９のＣＰＵが、記憶装置に予め格納されたプログラムを、メモリにロードして実行することにより実現される。
　スペクトル生成部２１０は、計算機１０９が受けとった核磁気共鳴信号から、磁気共鳴スペクトルを生成する。本実施形態では、例えば、上記パルスシーケンス３００を実行して得た核磁気共鳴信号Ｓｉｇ，１に対し、時間方向にフーリエ変換を施すことにより、磁気共鳴スペクトルを得る。
　スペクトル解析部２２０は、スペクトル生成部２１０において得られた磁気共鳴スペクトルを解析し、予め定めた特徴項毎の予め定めた特性値および予め定めた信頼性指標を解析データとして算出する。解析データの算出は、例えば、前述のＬＣＭ法などを用いて行う。
　特徴項は、例えば、磁気共鳴スペクトルに含まれる各代謝物質(予め定めた代謝物質の種類)、磁気共鳴スペクトルの各信号ピーク、などとする。特性値は、濃度値および信号強度値の少なくとも一方とする。また、信頼性指標は、特徴項が代謝物質である場合、標準偏差率％ＳＤとし、特徴項が信号ピークである場合、信号雑音比ＳＮＲとする。標準偏差率％ＳＤは、確率密度関数として算出される、代謝物質毎の特性値の標本値の標準偏差の百分率値とする。
　標準偏差率％ＳＤは、標準偏差率％ＳＤとして算出される値が小さければ小さいほど、その代謝物質の特性値が確からしいことを表す。特性値の大小と標準偏差率％ＳＤの大小とは反比例の関係にある。また、信号雑音比ＳＮＲは、ピーク面積とノイズ領域の標準偏差を用いて算出する。
　ＤＢ作成部２３０は、疾患毎スペクトルＤＢ５００を作成する。疾患毎スペクトルＤＢ５００は、疾患毎の磁気共鳴スペクトルの特徴を示す情報(登録値)を、疾患毎にレコードとして格納するデータベースである。作成された疾患毎スペクトルＤＢ５００は、計算機１０９が備える記憶装置内に記憶される。
　疾患毎スペクトルＤＢの各レコードの登録値は、所定の疾患であることが確定診断された１以上の磁気共鳴スペクトルの解析データ(確定解析データ)を用いて算出される。このとき、確定解析データの中の、信頼性指標が所定の条件を満足する確定解析データの特性値および信頼性指標のみを用いて算出する。疾患毎のレコードの作成のタイミングは、確定スペクトルが所定数以上収集された後であればよい。作成の詳細は後述する。
　疾患候補抽出部２４０は、取得した磁気共鳴スペクトルの解析データ(計測解析データ)を用い、当該磁気共鳴スペクトルにより推定される疾患候補を決定し、ユーザに提示する。決定には疾患毎スペクトルＤＢを用いる。疾患候補は、計測解析データとの類似度の高いレコードで特定される疾患が選択される。類似度は、疾患毎スペクトルＤＢの各レコードの特徴項毎の登録値との類似度により決定する。決定手法の詳細は後述する。なお、ユーザへの提示は、例えば、各疾患候補の疾患名を表示装置１１０に表示することにより行う。
　次に、ＤＢ作成部２３０による疾患毎スペクトルＤＢ作成処理の詳細をその流れとともに説明する。図６は、本実施形態の疾患毎スペクトルＤＢ作成処理の処理フローの一例である。ここでは、１の疾患のレコードの作成処理を説明する。本実施形態の疾患毎スペクトルＤＢ作成処理は、上述のように、作成対象の疾患について、確定診断された磁気共鳴スペクトル(確定スペクトル)が所定数収集された後、ユーザからの指示により開始される。また、ＤＢ作成部２３０による疾患毎スペクトルＤＢ作成処理に先立ち、スペクトル解析部２２０により、確定スペクトルの解析処理が行われる。以下の処理フローでは、このスペクトル解析部２２０による解析処理も含めて説明する。
　ここでは、収集された確定スペクトル数をＬ(Ｌは１以上の整数)とする。また、特徴項には代謝物質を、特性値には濃度値を、信頼性指標には標準偏差率％ＳＤを、それぞれ用いる。濃度値を算出する代謝物質数はＮ(Ｎは１以上の整数)とする。
　まず、スペクトル解析部２２０は、Ｌ個の確定スペクトルそれぞれのスペクトル解析処理を行う(ステップＳ１００１)。ここでは、Ｌ個の確定スペクトルそれぞについて、各代謝物質の濃度値および標準偏差率％ＳＤを確定解析データとして算出する。その結果、Ｌ×Ｎ個の確定解析データが算出される。以下、各代謝物質をＭｉ(ｉ＝１、２、・・・Ｎ)と表し、それぞれの代謝物質の標準偏差率を％ＳＤ(Ｍｉ)と表す。
　次に、ＤＢ作成部２３０は、各確定スペクトルの採否判定処理を開始する(ステップＳ１００２)。採否判定処理では、Ｌ×Ｎ個の確定解析データそれぞれについて、疾患毎スペクトルＤＢのレコード作成に採用するか否かを判定する。ここでは、解析元の確定スペクトル毎に、各代謝物質Ｍｉの確定解析データの採否を判定する。従って、まず、確定スペクトルをカウントするカウンタｋを初期化(ｋ＝１)する。
　そして、ＤＢ作成部２３０は、各代謝物質Ｍｉの採否判定を開始する(ステップＳ１００３)。採否判定処理では、ｋ番目の確定スペクトルから得た確定解析データ群について、代謝物質Ｍｉ毎にその信頼性を判定し、採否を決定する。この採否判定処理を開始するため、ＤＢ作成部２３０は、代謝物質Ｍｉをカウントするカウンタｉを初期化(ｉ＝１)する。
　採否判定処理では、ＤＢ作成部２３０は、ステップＳ１００１で算出した、各代謝物質Ｍｉの確定解析データ内の標準偏差率％ＳＤ(Ｍｉ)と、予め定めた閾値Ｂ１とを比較する(ステップＳ１００４)。閾値Ｂ１には、例えば、２０を用いる。そして、標準偏差率％ＳＤ(Ｍｉ)が閾値Ｂ１以下(％ＳＤ≦Ｂ１)であれば、その代謝物質Ｍｉの確定解析データを採用と判断し、採用データとして記憶装置に登録する(ステップＳ１００５)。登録は、確定スペクトルおよび代謝物質Ｍｉに対応づけて行う。一方、それ以外の場合は、当該データは登録しない。
　ステップＳ１００４およびＳ１００５の処理を、全代謝物質Ｍｉについて繰り返す。すなわち、カウンタｉがＮになるまで、カウンタｉを１インクリメントしながら繰り返す(ステップＳ１００６、Ｓ１００７)。
　そして、ＤＢ作成部２３０は、代謝物質Ｍｉ毎の判定処理(ステップＳ１００３～ステップＳ１００７の処理)を、全確定スペクトルについて繰り返す。すなわち、カウンタｋがＬになるまで、カウンタｋを１インクリメントしながら繰り返す(ステップＳ１００８、Ｓ１００９)。
　その後、ＤＢ作成部２３０は、採用データとして登録された各確定解析データを用いて、当該レコードの登録値を計算し、疾患毎スペクトルＤＢに格納する(ステップＳ１０１０)。本実施形態では、レコードの登録値は、代謝物質Ｍｉ毎に、計算される。具体的には、採用データの中から、同じ代謝物質Ｍｉの採用データを抽出し、代謝物質Ｍｉ毎に、濃度値および標準偏差率％ＳＤそれぞれの統計値を計算し、それぞれ登録値として格納する。統計値は、例えば、平均値および分散値とする。登録する統計値は１種に限られない。
　本実施形態のスペクトル解析部２２０およびＤＢ作成部２３０は、以上のステップＳ１００１からステップＳ１０１０を、各疾患の確定スペクトルについて行い、疾患毎のレコードを生成し、疾患毎スペクトルＤＢを構築する。
　なお、上記ステップＳ１０１０において、ＤＢ作成部２３０が、代謝物質Ｍｉ毎の登録値だけでなく、さらに、全採用データを用いて「平均化されたスペクトル波形(平均スペクトル波形)およびその標準偏差波形」を算出し、ＤＢ情報として登録するよう構成してもよい。
　これらの平均スペクトル波形および標準偏差波形を算出する際、ＤＢ作成部２３０は、まず、全採用スペクトルデータ(各信号強度値)を用いて横軸各点における「信号強度の平均値」と「信号強度の標準偏差値」とを算出する。算出された全横軸点上の「平均値」を示す各点を繋いだ波形が平均スペクトル波形に相当し、全横軸点上の「平均値と標準偏差値の和の値」を示す各点を繋いた波形が標準偏差波形の上限に、全横軸点上の「平均値と標準偏差値の差の値」を示す各点を繋いた波形が標準偏差波形の下限に、それぞれ相当する。
　また、上記処理フローでは、収集した全確定スペクトルを予め解析し、全解析データを算出してから、解析データの採否を判定しているが、この手順に限られない。例えば、各確定スペクトルから、特徴項毎の解析データを独立に算出可能な場合は、特徴項毎の解析データを算出する毎に、当該解析データの採否を判定するよう構成してもよい。また、確定スペクトル毎に、解析データを算出し、採否を判定するよう構成してもよい。
　図７(ａ)に、ＤＢ作成部２３０により上記手順で作成された、頭部の疾患毎スペクトルＤＢ５００の例を示す。ここでは、疾患が膿腫のレコード５１０と、膠芽腫のレコード５１０と、転移癌のレコード５１０と、髄膜腫のレコード５１０とを例示する。また、代謝物質Ｍｉ毎の登録値として、標準偏差率％ＳＤを代表で示す。これらの図に示すように、本実施形態の疾患毎スペクトルＤＢ５００の各レコード５１０は、疾患を特定する情報である疾患名５２０と、特徴項(ここでは、代謝物質)５３０と、それぞれの特徴項５３０の信頼性指標(ここでは、標準偏差率％ＳＤ)から得た登録値５４０とを備える。さらに、図示していないが、それぞれの登録値５４０としてさらにその特性値が格納されてもよい。
　ここで、疾患毎スペクトルＤＢ作成処理において、用意されたＬ個の確定スペクトルから得た１の代謝物質Ｍｉの標準偏差率％ＳＤ(Ｍｉ)が、全て上記基準に達していない(Ｂ１より大きい)場合、当該代謝物質Ｍｉの採用データは０となる。この場合、当該疾患の、当該代謝物質Ｍｉの特性値としてゼロを登録するよう構成してもよい。ユーザは、０が登録されていることにより、採用データが無かったこと判別できる。
　また、採用データが０の場合、信頼性指標(上記例では、標準偏差率％ＳＤ)の登録値は、不採用とされた確定解析データの値を用いて算出し、登録するよう構成してもよい。
　また、確定スペクトル自体の合否を判別するよう構成してもよい。例えば、疾患毎に、採用判定が得られるべき代謝物質を指定しておく。そして、採用判定が得られるべき代謝物質について全て採用判定が得られた場合、当該確定解析データの元となる確定スペクトルを合格とする。この場合、合格とされた確定スペクトルから得た信頼性指標、特性値のみで疾患毎スペクトルＤＢの登録値を算出するよう構成してもよい。
　さらに、既に構築された疾患毎スペクトルＤＢ５００のレコード５１０を、当該疾患の新たな確定スペクトルを用いて更新するよう構成してもよい。この場合、まず、スペクトル解析部２２０が追加の確定スペクトルの特徴項毎の特性値および信頼性指標を算出する。そして、特徴項毎に信頼性指標を用いて上記ステップＳ１００４の手法で採否を判別する。そして、採用と判別された特徴項の、当該レコード５１０の登録値(特性値および信頼性指標)５４０を、その採用データ(特性値および信頼性指標)を用いて更新する。
　次に、疾患候補抽出部２４０による、疾患候補抽出処理を説明する。図８は、本実施形態の疾患候補抽出処理の処理フローである。本実施形態の疾患候補抽出処理は、例えば、上記ＰＲＥＳＳシーケンスで撮像を行い、患者の磁気共鳴スペクトルデータを得たことを契機に開始する。以下、取得した解析対象の磁気共鳴スペクトルデータを、計測スペクトルと呼ぶ。疾患候補抽出部２４０による疾患候補抽出処理に先立ち、スペクトル解析部２２０により、計測スペクトルの解析処理が行われる。以下の処理フローでは、このスペクトル解析部２２０による解析処理も含めて説明する。
　また、疾患毎スペクトルＤＢ作成処理同様、特性値には濃度値を、信頼性指標には標準偏差率％ＳＤを用いるものとし、解析対象の代謝物質数はＮとする。Ｎ個の代謝物質を、それぞれ、Ｍｉ(ｉ＝１、２、・・・Ｎ)と表す。また、計測スペクトルの代謝物質毎の標準偏差率％ＳＤを、％ＳＤｓ(Ｍｉ)と表す。
　スペクトル解析部２２０は、計測スペクトルのスペクトル解析処理を行う(ステップＳ１１０１)。ここでは、得られた計測スペクトルについて、各代謝物質の濃度値および標準偏差率％ＳＤｓ(Ｍｉ)を計測解析データとして算出する。その結果、Ｎ個の計測解析データが算出される。ここで得られた計測解析データ５５０の例を図７(ｂ)に示す。
　疾患候補抽出部２４０は、各代謝物質Ｍｉの採否判定処理を開始する(ステップＳ１１０２)。ここでは、代謝物質Ｍｉ毎に、当該代謝物質Ｍｉの計測解析データが、類似性判定に採用すべきか否かを判定する採否判定処理を行う。この処理を開始するため、まず、代謝物質Ｍｉをカウントするカウンタｉを初期化(ｉ＝１)する。
　採否判定処理では、疾患候補抽出部２４０は、ステップＳ１１０１で算出した、各代謝物質Ｍｉの標準偏差率％ＳＤｓ(Ｍｉ)と、予め定めた閾値Ｂ２とを比較する(ステップＳ１１０３)。閾値Ｂ２は、ＤＢ作成処理で用いた閾値Ｂ１と同じ値であってもよく、例えば、２０を用いる。そして、標準偏差率％ＳＤｓ(Ｍｉ)が閾値Ｂ２以下(％ＳＤｓ≦Ｂ２)であれば、その代謝物質Ｍｉの計測解析データを類似性判定に採用と判定し、採用データとして記憶装置に登録する(ステップＳ１１０４)。登録は、代謝物質Ｍｉに対応づけて行う。一方、それ以外の場合は、当該データは登録しない。
　ステップＳ１１０３およびＳ１１０４の処理を、全代謝物質Ｍｉについて繰り返す。すなわち、カウンタｉがＮになるまで、カウンタｉを１インクリメントしながら繰り返す(ステップＳ１１０５、Ｓ１１０６)。
　その後、疾患候補抽出部２４０は、採用データとして登録された各データを用いて、疾患毎スペクトルＤＢ５００に登録される疾患毎のレコード５１０の登録値との類似性を判別する類似性判別処理を行う(ステップＳ１１０７)。本実施形態では、後述のように、この類似性判別処理では、疾患毎スペクトルＤＢ５００に登録されるレコード５１０(疾患)それぞれについて、例えば、類似度が高いものほど小さな値となる類似性指標を算出する。
　そして、疾患候補抽出部２４０は、類似性判別処理の結果である類似性指標を用い、疾患候補を決定する(ステップＳ１１０８)。本実施形態では、類似性の高いものから、予め定めた数だけレコード５１０を抽出し、当該レコード５１０で特定される疾患を、疾患候補とする。
　そして、疾患候補抽出部２４０は、疾患候補を特定する情報を表示装置１１０に表示し(ステップＳ１１０９)、処理を終了する。このとき、疾患候補を特定する情報として、疾患名を表示する。
　次に、上記ステップＳ１１０７の、疾患候補抽出部２４０による、類似性判別処理の詳細を説明する。図９は、本実施形態の類似性判別処理の処理フローである。以下、Ｍ種(Ｍは１以上の整数)の疾患のレコード５１０が疾患毎スペクトルＤＢ５００に登録されているものとする。また、それぞれのレコード５１０には、それぞれＮ個の代謝物質Ｍｉの信頼性指標(ここでは、標準偏差率％ＳＤ(Ｍｉ))が登録されているものとする。また、ｊ番目のレコード(疾患ｊ)(ｊは１以上Ｍ以下の整数)５１０の代謝物質Ｍｉの標準偏差率を、％ＳＤｊ(Ｍｉ)とする。
　類似性判別処理において、疾患候補抽出部２４０は、疾患毎スペクトルＤＢ５００に登録されているＭ種の疾患のレコード５１０全てについて、計測解析データとの類似性を示す指標(類似性指標)を算出する。本実施形態では、類似性指標として、代謝物質Ｍｉ毎の登録値とステップＳ１１０４で得た採用データとの差分の２乗の和の平方根の正値である差分和ＤＦ(ｊ)を用いる。本実施形態では、差分をとる登録値および採用データとして、標準偏差率％ＳＤを用いる。
　疾患候補抽出部２４０は、各疾患の判定処理を開始する(ステップＳ１２０１)。ここでは、疾患毎スペクトルＤＢ５００のレコード５１０毎に、すなわち、疾患毎に判定処理を開始するため、レコード５１０をカウントするカウンタｊを初期化(ｊ＝１)するとともに、ｊ番目のレコード５１０の登録値との差分和ＤＦ(ｊ)を初期化(ＤＦ(ｊ)＝０)する。
　そして、疾患候補抽出部２４０は、各代謝物質Ｍｉの採否判定を開始する(ステップＳ１２０１)。ここでは、代謝物質Ｍｉ毎の差分の計算を開始するため、代謝物質Ｍｉをカウントするカウンタｉを初期化(ｉ＝１)する。
　そして、まず、採用データに、当該代謝物質Ｍｉの標準偏差率％ＳＤｓ(Ｍｉ)が登録されているか否かを判別する(ステップＳ１２０３)。
　そして、登録されている場合、差分計算を行う(ステップＳ１２０４)。具体的には、ｊ番目のレコード５１０(疾患ｊ)の代謝物質Ｍｉについて、その登録値(％ＳＤｊ(Ｍｉ))と採用データとして登録されている値(％ＳＤｓ(Ｍｉ))との差分Ｄ(ｊ，ｉ)を計算する。本実施形態では、信頼性指標、算出式には、以下の式(１)を用いる。
　　　Ｄ(ｊ，ｉ)＝｜％ＳＤｊ(Ｍｉ)－％ＳＤｓ(Ｍｉ)｜・・・(１)
そして、その結果を２乗し、差分和ＤＦ(ｊ)の２乗に加算し、差分和ＤＦ(ｊ)の２乗を更新する(ステップＳ１２０５)。具体的には、以下の式(２)に従って計算する。
　　　ＤＦ(ｊ)2＝ＤＦ(ｊ)2＋Ｄ(ｊ，ｉ)2・・・(２)
　なお、ステップＳ１２０３で登録されていないと判別された場合は、ステップＳ１２０５の差分計算およびステップＳ１２０６の差分和更新を行わない。
　ステップＳ１２０３からＳ１２０５の処理を、全代謝物質Ｍｉについて繰り返す。すなわち、カウンタｉがＮになるまで、カウンタｉを１インクリメントしながら繰り返す(ステップＳ１２０６、Ｓ１２０７)。
　そして、疾患候補抽出部２４０は、得られた差分和の２乗ＤＦ(ｊ)の平方根の正値を計算し、当該疾患毎スペクトルＤＢの疾患ｊに対応づけて類似性指標として記憶装置に格納する(ステップＳ１２０８)。
　そして、疾患候補抽出部２４０は、上記ステップＳ１２０２からステップＳ１２０８の処理を、疾患毎スペクトルＤＢ５００に登録されているＭ種の疾患のレコード５１０全てについて行い、レコード５１０(疾患)毎に類似性指標を算出し、記憶装置に登録し(ステップＳ１２０９、ステップＳ１２１０)、処理を終了する。
　なお、疾患候補抽出処理において、ステップＳ１１０９の表示時に、さらに、ステップＳ１１０７の類似性判別処理で得た類似性指標も併せて表示してもよい。さらに、疾患毎スペクトルＤＢに平均スペクトル波形、標準偏差波形が登録されている場合は、これらを併せて表示してもよい。
　また、上記ステップＳ１１０９の表示時に、類似性の高いものから順に表示するよう構成しているが、順不同で抽出された疾患候補を列挙するよう構成してもよい。
　なお、本例では、信頼性指標から算出した類似性指標のみで類似度を判定しているが、これに限られない。例えば、各代謝物質の特性値から同様に類似性指標を算出し、類似性の判定に用いてもよい。さらに、代謝物質間の特性値比(濃度比もしくは信号強度値比等)の比較結果も考慮して類似度を判定してもよい。
　また、予め、類似する可能性のある疾患がいくつか抽出されている場合、上記類似性判別処理は、疾患毎スペクトルＤＢに登録されている全疾患(全レコード５１０)について行わず、可能性のある疾患(レコード５１０)に対してのみ行うよう構成してもよい。
　なお、本実施形態では、上記疾患毎スペクトルＤＢ作成、疾患候補抽出処理、類似性判別処理において、特徴項には代謝物質を用い、信頼性指標には標準偏差率％ＳＤを用いているが、これに限られない。例えば、特徴項に、信号ピークを、信頼性指標に、信号雑音比ＳＮＲを、それぞれ用いてもよい。
　この場合、各代謝物質について標準偏差率％ＳＤを求める替わりに、各信号ピークについて信号雑音比ＳＮＲを算出する。また、疾患毎スペクトルＤＢ作成処理では、ステップＳ１００３からステップＳ１００７の処理を、疾患候補抽出処理では、ステップＳ１１０２からステップＳ１１０６の処理を、信号ピーク数だけ繰り返す。
　また、特性値は、濃度値および信号強度値の少なくとも一方であればよい。
　また、上記実施形態では、疾患毎スペクトルＤＢ５００の各レコード５１０を作成する確定スペクトルや計測スペクトルとして、ＰＲＥＳＳ法シーケンスで計測した磁気共鳴スペクトルを用いる場合を例にあげて説明したが、磁気共鳴スペクトルの取得シーケンスはこれに限られない。例えば、磁気共鳴スペクトルをマルチボクセルで計測する３Ｄ－ＣＳＩ法、高速マルチボクセル計測が可能なＥＰＳＩ法などのシーケンスであってもよい。
　また、上記実施形態では、ＭＲＩ装置１００の計算機１０９が、スペクトル生成部２１０、スペクトル解析部２２０、ＤＢ作成部２３０および疾患候補抽出部２４０を備え、磁気共鳴スペクトルの生成、磁気共鳴スペクトルの解析、疾患毎スペクトルＤＢ５００に登録する各レコード５１０の作成および疾患候補の抽出を行うよう構成しているが、これに限られない。ＭＲＩ装置１００の計算機１０９が外部装置とデータの送受信の機能を備える場合、ＭＲＩ装置１００から独立した、外部の装置がスペクトル生成部２１０、スペクトル解析部２２０、ＤＢ作成部２３０および疾患候補抽出部２４０の少なくとも一つを備え、当該装置で処理を行うよう構成してもよい。
　ＭＲＩ装置１００外の装置でこれらの処理を行う場合のシステム６００の一例を図１０に示す。本図に示すように、本システム６００は、スペクトル解析部２２０、ＤＢ作成部２３０および疾患候補抽出部２４０を備えるサーバ６１０と、ＭＲＩ装置１００に接続される複数のクライアント６２０と、を備える。ここでは、スペクトル生成部２１０は、各クライアント６２０が備えるものとする。サーバ６１０と、各クライアント６２０とは、それぞれ、外部装置とデータの送受信を行う通信インタフェースを備え、通信回線６３０を介して互いに接続される。サーバ６１０は、例えば、作成された疾患毎スペクトルＤＢを記憶する記憶装置６４０を備える。
　なお、疾患毎スペクトルＤＢを記憶する記憶装置６４０は、通信インタフェースを備え、サーバ６１０およびクライアント６２０とは独立して通信回線６３０に接続されていてもよい。この場合、サーバ６１０およびクライアント６２０は、通信回線６３０を介して記憶装置６４０にアクセス可能とする。また、クライアント６２０が、スペクトル解析部２２０、ＤＢ作成部２３０および疾患候補抽出部２４０の少なくとも１つの機能を備えていてもよい。また、サーバ６１０が、スペクトル生成部２１０を備えていてもよい。
　なお、上記図１０に示す構成は一つの例であり、この構成に限定されるものでは無い。例えば、サーバ６１０は複数存在してもよいし、クライアント６２０は３台以上、ＭＲＩ装置１００は４台以上存在してもよい。また上記の例では、通信回線６３０を用いて情報を伝達する場合について述べたが、磁気ディスクや光ディスク等の記録媒体を用いて、情報の伝達を行ってもよい。
　なお、上記ＭＲＩ装置およびシステムでは，疾患毎スペクトルＤＢを自ら生成する機能を有する事を想定しているが，本専門分野の医師等によりコンセンサスが形成され，疾患毎スペクトルＤＢが標準化された場合，疾患毎スペクトルＤＢを自ら生成する機能は必要では無くなる。即ち，クラウドコンピューティング等のネットワーク(特にインターネット)をベースとしたコンピュータ利用形態において，標準化された疾患毎スペクトルＤＢをクラウド側に置いておくことにより，クライアント側からの要望に応じて疾患毎スペクトルＤＢをダウンロードさせたり，クライアント側からアップロードされてきた計測スペクトルデータに対して，診断支援情報(疾患候補リスト)を返す形態を取っても良い。
　＜実施例＞
　以下、本発明の実施例を示す。
　人体頭部に疾患を有する患者を被検体１０１として取得した確定スペクトルから作成された疾患毎スペクトルＤＢ例を表１に示す。使用したＭＲＩ装置は、図１(ａ)に示すＭＲＩ装置１００(静磁場強度１．５テスラ)である。また、実行したシーケンスは、上記図３に示すＰＲＥＳＳ法パルスシーケンス(ＴＲ／ＴＥ＝２０００ｍｓ／１３６ｍｓ)である。疾患毎スペクトルＤＢ作成対象とした疾患は、膿瘍、膠芽腫、転移癌、髄膜腫の４種とした。
　また、確定スペクトル数は、各疾患について、疾患毎スペクトルＤＢのレコードを作成するのに必要十分な数取得したものとする。作成手順は、上記図６に示すものとする。なお、疾患毎スペクトルＤＢのの各レコードの登録値として、信頼性指標値(ここでは、各代謝物質の標準偏差率％ＳＤ)のみを抜粋して示す。
Figure JPOXMLDOC01-appb-T000001
　次に、同じＭＲＩ装置１００(静磁場強度１．５テスラ)上で、図３に示すＰＲＥＳＳ法パルスシーケンス(ＴＲ／ＴＥ＝２０００ｍｓ／１３６ｍｓ)を実行することにより、人体頭部側頭葉付近に有る疾患領域(計測ボクセルサイズ＝８．０ｃｃ＝２０ｍｍ×２０ｍｍ×２０ｍｍ)から得た磁気共鳴スペクトルを、解析対象の計測スペクトルとする。この計測スペクトルに対し、上記スペクトル解析処理を行い、得られた計測解析データを表２に示す。ここでは、上記同様、各代謝物の標準偏差率％ＳＤのみを示す。
Figure JPOXMLDOC01-appb-T000002
　表２に示す計測解析データと上記表１に示す頭部の疾患毎スペクトルＤＢの各レコードとを用い、本実施形態の疾患候補抽出処理のステップＳ１１０２以降を実行した。このとき、使用した標準偏差率％ＳＤの基準値Ｂ２には、２０を用いた。
　この結果得られた疾患毎の標準偏差率％ＳＤの差分和ＤＦは、以下のとおりである。
・疾患が膿瘍のレコードとの差分和(ＤＦ(膿瘍))
　　DF(膿瘍)=√((19-11)2+(19-10)2+(15-5)2+(15-20)2+(12-8)2)=16.9
・疾患が膠芽腫のレコードとの差分和(ＤＦ(膠芽腫))
　　DF(膠芽腫)=√((13-11)2+(12-10)2+(7-5)2+(18-20)2+(10-8)2)=4.5
・疾患が転移癌のレコードとの差分和(ＤＦ(転移癌))
　　DF(転移癌)=√((17-11)2+(19-10)2+(6-5)2+(16-20)2+(9-8)2)=11.6
・疾患が髄膜腫のレコードとの差分和(ＤＦ(髄膜腫))
　　DF(髄膜腫)=√((78-11)2+(92-10)2+(9-5)2+(356-20)2+(415-8)2)=538.3
　この疾患毎の標準偏差率％ＳＤ差分和(ＤＦ(疾患))の値が小さい順に疾患名を並べると、以下のとおりとなる。なお、括弧内は各差分和ＤＦの値である。
　　１)膠芽腫(４．５)
　　２)転移癌(１１．６)
　　３)膿瘍(１６．９)
　　４)髄膜腫(５３８．３)
　この実施例では、計測解析データは、疾患が膠芽腫のレコードとの類似性が最も高い事が分かる。従って、この計測スペクトルの疾患候補として膠芽腫があげられる。
　以上説明したように、本実施形態のＭＲＩ装置１００は、取得した核磁気共鳴信号に対し演算処理を行う計算機１０９と、前記計算部における演算結果を表示する表示装置１１０と、を備えるＭＲＩ装置１００であって、前記計算機１０９は、前記核磁気共鳴信号から磁気共鳴スペクトルを生成するスペクトル生成部２１０と、前記磁気共鳴スペクトルを解析し、予め定めた特徴項毎の予め定めた信頼性指標を解析データとして算出するスペクトル解析部２２０と、所定の疾患であると確定診断された１以上の磁気共鳴スペクトルの前記解析データである確定解析データから作成されたレコード５１０が疾患毎に登録される疾患毎スペクトルＤＢ５００を用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出部２４０と、を備え、前記疾患候補抽出部２４０は、前記疾患が未知の磁気共鳴スペクトルの解析データである計測解析データの中の、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルＤＢに登録されるレコード５１０との類似度を判定し、類似度が所定以上のレコード５１０の疾患を、前記疾患候補とする。
　前記計算機１０９は、さらに、前記疾患毎スペクトルＤＢ５００の各レコード５１０を生成するＤＢ作成部２３０を備え、前記ＤＢ作成部２３０は、前記信頼性指標が示す信頼度が所定以上である前記確定解析データを用いて前記レコード５１０を作成するよう構成してもよい。
　このとき、前記レコード５１０は、前記特徴項毎に登録値を備え、前記登録値は、前記採用データの前記信頼性指標の統計値としてもよい。
　前記類似度は、前記特徴項毎の前記計測解析データの前記信頼性指標と前記レコード５１０の前記登録値との差分和が小さいものほど高いと判定されるよう構成してもよい。
　また、本実施形態は、取得した核磁気共鳴信号から磁気共鳴スペクトルを生成する磁気共鳴撮像装置(ＭＲＩ装置)１００と、前記磁気共鳴撮像装置(ＭＲＩ装置)１００において得られた磁気共鳴スペクトルを解析するサーバ６１０と、を備える診断支援システム６００であって、前記サーバ６１０は、所定の疾患であると確定診断された１以上の磁気共鳴スペクトルから得た確定解析データを用いて作成されたレコードが疾患毎に登録される疾患毎スペクトルデータベース５００を用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出部２３０、を備え、前記確定解析データは、前記確定診断された１以上の磁気共鳴スペクトルを解析して得た、予め定めた特徴項毎の予め定めた信頼性指標を備え、前記疾患候補抽出部２３０は、前記疾患が未知の磁気共鳴スペクトルの解析データである計測解析データの中の、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルデータベースに登録されるレコードとの類似度を判定し、類似度が所定以上のレコードの疾患を、前記疾患候補とすることを特徴とする診断支援システム６００として構成してもよい。
　さらに、本実施形態は、コンピュータを、所定の疾患であると確定診断された１以上の磁気共鳴スペクトルから得た確定解析ルデータを用いて作成されたレコードが疾患毎に登録される疾患毎スペクトルデータベース５００を用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出手段(疾患候補抽出部)２３０として機能させるためのプログラムであって、前記確定解析データは、前記確定診断された１以上の磁気共鳴スペクトルをそれぞれ解析して得た予め定めた特徴項毎の予め定めた信頼性指標を備え、前記疾患候補抽出手段(疾患候補抽出部)２３０は、さらに、前記疾患が未知の磁気共鳴スペクトルの解析結果である計測解析データであって、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルデータベースに登録されるレコードとの類似度を判定し、類似度が所定以上のレコードの疾患を、前記疾患候補とすることを特徴とするプログラムにより実現されてもよい。
　このため、本実施形態によれば、ＭＲＳ撮像で取得した磁気共鳴スペクトルの信頼度の検証が自動的に行われる。
　疾患毎スペクトルＤＢ作成時は、診断が確定した確定スペクトルから得た解析データの合否、ＤＢ作成への採否も自動的に決定される。このため、非専門分野の医師であっても、診断が確定した確定スペクトルから、疾患毎のスペクトルＤＢを容易に構築することができる。このため、疾患毎スペクトルＤＢ構築時に、専門家がデータを取捨選択するといった手順が発生しないため、時間がかからないだけでなく、専門家の主観の相違に伴う誤差も排除でき、構築される疾患毎スペクトルＤＢの精度も一定に保つことができる。また、ユーザが容易に疾患毎スペクトルＤＢを更新でき、高い自由度が得られる。
　また、疾患毎スペクトルＤＢに登録されるデータとの類似性の比較を、計測スペクトルの解析データの中で、信頼性が所定以上と判断されたデータのみを使用して行う。また、類似性の判断基準に、信頼性指標を用いるため、より精度の高い診断支援情報を提供できる可能性が高まる。
　１００：ＭＲＩ装置、１０１：被検体、１０２：静磁場コイル、１０３：傾斜磁場コイル、１０４：シムコイル、１０５：送信コイル、１０６：受信コイル、１０７：送信機、１０８：受信機、１０９：計算機、１１０：表示装置、１１１：外部記憶装置、１１２：傾斜磁場用電源部、１１３：シム用電源部、１１４：シーケンス制御装置、１１５：入力装置、１２０：ＭＲＩ装置、１３０：ＭＲＩ装置、２１０：スペクトル生成部、２２０：スペクトル解析部、２３０：ＤＢ作成部、２４０：疾患候補抽出部、３００：パルスシーケンス、４１０：位置決め用トランス像、４２０：位置参照用サジタル像、４３０：位置参照用コロナル像、４４１：第一スライス、４４２：第二スライス、４４３：第三スライス、４５０：計測対象領域、５００：疾患毎スペクトルＤＢ、５１０：レコード、５２０：疾患名、５３０：特徴項、５４０：登録値、５５０：計測解析データ、６００：システム、６１０：サーバ、６２０：クライアント、６３０：通信回線、６４０：記憶装置、ＲＦ：高周波磁場、Ｇｚ：Ｚ軸方向の傾斜磁場、Ｇｙ：Ｙ軸方向の傾斜磁場、Ｇｘ：Ｘ軸方向の傾斜磁場、Ａ／Ｄ：信号取得、ＲＦ１：高周波磁場パルス、ＲＦ２：高周波磁場パルス、ＲＦ３：高周波磁場パルス、Ｇｓ１１：スライス選択傾斜磁場パルス、Ｇｒ１１：リフェイズ(位相戻し)傾斜磁場パルス、Ｇｄ２１：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ２１’：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ３１：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ３１’：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ２２：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｓ２２：スライス選択傾斜磁場パルス、Ｇｄ２２’：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ３２：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ３２’：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ２３：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ２３’：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｄ３３：ディフェイズ(位相乱し)傾斜磁場パルス、Ｇｓ３３：スライス選択傾斜磁場パルス、Ｇｄ３３’：、Ｓｉｇ．１：核磁気共鳴信号、ＴＲ：繰り返し時間、ＴＥ：エコー時間、ＮＡＡ：Ｎ－アセチルアスパラギン酸信号、Ｃｒ：クレアチン信号、Ｃｈｏ：コリン信号、Ｉｎｓ：イノシトール信号、Ｌａｃ：乳酸信号、Ａｌａ：アラニン信号、Ｌｉｐ０９：０．９ｐｐｍの周波数位置にピークを有する脂質信号、Ｌｉｐ１３：１．３ｐｐｍの周波数位置にピークを有する脂質信号

Claims (9)

  1. 　取得した核磁気共鳴信号に対し演算処理を行う計算部と、前記計算部における演算結果を表示する表示装置と、を備える磁気共鳴撮像装置であって、
    　前記計算部は、
    　前記核磁気共鳴信号から磁気共鳴スペクトルを生成するスペクトル生成部と、
    　前記磁気共鳴スペクトルを解析し、予め定めた特徴項毎の予め定めた信頼性指標を解析データとして算出するスペクトル解析部と、
    　所定の疾患であると確定診断された１以上の磁気共鳴スペクトルの前記解析データである確定解析データから作成されたレコードが疾患毎に登録される疾患毎スペクトルデータベースを用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出部と、を備え、
    　前記疾患候補抽出部は、前記疾患が未知の磁気共鳴スペクトルの解析データである計測解析データの中の、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルデータベースに登録されるレコードとの類似度を判定し、類似度が所定以上のレコードの疾患を、前記疾患候補とすること
    　を特徴とする磁気共鳴撮像装置。
  2. 　請求項１記載の磁気共鳴撮像装置であって、
    　前記計算部は、さらに、前記疾患毎スペクトルデータベースの各レコードを生成するデータベース作成部を備え、
    　前記データベース作成部は、前記確定解析データの中の、前記信頼性指標が示す信頼度が所定以上である採用データを用いて前記レコードを作成すること
    　を特徴とする磁気共鳴撮像装置。
  3. 　請求項２記載の磁気共鳴撮像装置であって、
    　前記レコードは、前記特徴項毎に登録値を備え、
    　前記登録値は、前記採用データの前記信頼性指標の統計値であること
    　を特徴とする磁気共鳴撮像装置。
  4. 　請求項３記載の磁気共鳴撮像装置であって、
    　前記類似度は、前記特徴項毎に求める前記計測解析データの前記信頼性指標と前記レコードの前記登録値との差分の２乗の合計が小さいものほど高いと判定されること
    　を特徴とする磁気共鳴撮像装置。
  5. 　請求項１記載の磁気共鳴撮像装置であって、
    　前記スペクトル解析部は、前記特徴項毎の濃度値および信号強度値の少なくとも一方を前記解析データとしてさらに算出し、
    　前記特徴項は、代謝物質および信号ピークのいずれか一方であり、
    　前記信頼性指標は、前記特徴項が代謝物質である場合、前記濃度値の標準偏差率であり、前記特徴項が信号ピークである場合、前記信号強度値から算出される信号雑音比であること
    　を特徴とする磁気共鳴撮像装置。
  6. 　取得した核磁気共鳴信号から磁気共鳴スペクトルを生成する磁気共鳴撮像装置と、前記磁気共鳴撮像装置において得られた磁気共鳴スペクトルを解析するサーバと、を備える診断支援システムであって、
    　前記サーバは、
    　所定の疾患であると確定診断された１以上の磁気共鳴スペクトルから得た確定解析データを用いて作成されたレコードが疾患毎に登録される疾患毎スペクトルデータベースを用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出部、を備え、
    　前記確定解析データは、前記確定診断された１以上の磁気共鳴スペクトルを解析して得た、予め定めた特徴項毎の予め定めた信頼性指標を備え、
    　前記疾患候補抽出部は、前記疾患が未知の磁気共鳴スペクトルの解析データである計測解析データの中の、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルデータベースに登録されるレコードとの類似度を判定し、類似度が所定以上のレコードの疾患を、前記疾患候補とすること
    　を特徴とする診断支援システム。
  7. 　請求項６記載の診断支援システムであって、
    　前記サーバは、さらに、前記疾患毎スペクトルデータベースの各レコードを生成するデータベース作成部を備え、
    　前記データベース作成部は、前記信頼性指標が示す信頼度が所定以上である前記確定解析データを用いて前記レコードを作成すること
    　を特徴とする診断支援システム。
  8. 　コンピュータを、
    　所定の疾患であると確定診断された１以上の磁気共鳴スペクトルから得た確定解析データを用いて作成されたレコードが疾患毎に登録される疾患毎スペクトルデータベースを用い、疾患が未知の磁気共鳴スペクトルから推定される疾患候補を抽出し、ユーザに提示する疾患候補抽出手段として機能させるためのプログラムであって、
    　前記確定解析データは、前記確定診断された１以上の磁気共鳴スペクトルをそれぞれ解析して得た予め定めた特徴項毎の予め定めた信頼性指標を備え、
    　前記疾患候補抽出手段は、さらに、前記疾患が未知の磁気共鳴スペクトルの解析結果である計測解析データの中の、前記信頼性指標が示す信頼度が所定以上である計測解析データを用い、前記疾患毎スペクトルデータベースに登録されるレコードとの類似度を判定し、類似度が所定以上のレコードの疾患を、前記疾患候補とすること
    　を特徴とするプログラム。
  9. 　請求項８記載のプログラムであって、前記コンピュータを、さらに、
    　前記疾患毎スペクトルデータベースの各レコードを、前記信頼性指標が示す信頼度が所定以上である前記確定解析データを用いて生成するデータベース作成手段として機能させるためのプログラム。
PCT/JP2013/069932 2012-07-31 2013-07-23 磁気共鳴撮像装置、診断支援システムおよびプログラム WO2014021144A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2014528084A JP5886965B2 (ja) 2012-07-31 2013-07-23 磁気共鳴撮像装置、診断支援システムおよびプログラム
US14/418,234 US20150182143A1 (en) 2012-07-31 2013-07-23 Magnetic resonance imaging device, diagnostic assistance system, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-170017 2012-07-31
JP2012170017 2012-07-31

Publications (1)

Publication Number Publication Date
WO2014021144A1 true WO2014021144A1 (ja) 2014-02-06

Family

ID=50027824

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/069932 WO2014021144A1 (ja) 2012-07-31 2013-07-23 磁気共鳴撮像装置、診断支援システムおよびプログラム

Country Status (3)

Country Link
US (1) US20150182143A1 (ja)
JP (1) JP5886965B2 (ja)
WO (1) WO2014021144A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101497662B1 (ko) * 2013-03-26 2015-03-03 재단법인대구경북과학기술원 진단 보조용 내시경 시스템 및 그 제어 방법
JP6453668B2 (ja) * 2015-02-27 2019-01-16 富士フイルム株式会社 計測値管理装置とその作動方法および作動プログラム、並びに計測値管理システム
US10283320B2 (en) * 2016-11-11 2019-05-07 Applied Materials, Inc. Processing chamber hardware fault detection using spectral radio frequency analysis
CN110192858A (zh) * 2018-02-27 2019-09-03 鸿海精密工业股份有限公司 核磁共振成像仪以及失智症预检系统
US11346909B2 (en) 2019-01-07 2022-05-31 Datchem Systems architecture for analysis of spectroscopy and fMRI data using multiple integrated classifiers

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006095279A (ja) * 2004-08-30 2006-04-13 Toshiba Corp 医用画像表示装置
JP2010528744A (ja) * 2007-06-07 2010-08-26 メンティス キュラ イーエイチエフ． 病状の重症度を反映した定量的測定を生成するシステム及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040142496A1 (en) * 2001-04-23 2004-07-22 Nicholson Jeremy Kirk Methods for analysis of spectral data and their applications: atherosclerosis/coronary heart disease

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006095279A (ja) * 2004-08-30 2006-04-13 Toshiba Corp 医用画像表示装置
JP2010528744A (ja) * 2007-06-07 2010-08-26 メンティス キュラ イーエイチエフ． 病状の重症度を反映した定量的測定を生成するシステム及び方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KEIKO IMAMURA ET AL.: "Clinical Application of MRS Database", JAPANESE JOURNAL OF MAGNETIC RESONANCE IN MEDICINE, vol. 26, no. 2, 15 April 2006 (2006-04-15), pages 114 - 121 *
MASASHI HARADA ET AL.: "No Kekkan Shogai no Gazo Shindan Saikin no Shinpo MRS Rinsho Yuyosei to Kanosei", CLINICAL IMAGIOLOGY, vol. 16, no. 5, 26 May 2000 (2000-05-26), pages 516 - 523 *
NOBUYUKI MARUYAMA ET AL.: "Hippocampal evaluation with 1 H MRS for the identification of the epileptic focus", JOURNAL OF THE JAPAN EPILEPSY SOCIETY, vol. 29, no. 2, 30 September 2011 (2011-09-30), pages 287 *
NORIKO AIDA: "lH-MRS-ho o Mochiita Nonai Taishabutsu no Sokutei ni Kansuru Kenkyu", KANAGAWA CHILDREN'S MEDICAL CENTER JOURNAL, vol. 40, no. 4, 31 October 2011 (2011-10-31), pages 301 - 304 *

Also Published As

Publication number Publication date
US20150182143A1 (en) 2015-07-02
JPWO2014021144A1 (ja) 2016-07-21
JP5886965B2 (ja) 2016-03-16

Similar Documents

Publication Publication Date Title
Tournier et al. MRtrix: diffusion tractography in crossing fiber regions
JP5886965B2 (ja) 磁気共鳴撮像装置、診断支援システムおよびプログラム
US20160291107A1 (en) 3D Balanced EPI Magnetic Resonance Fingerprinting
US8598871B2 (en) System and method for phase offset and time delay correction in magnetic resonance spectroscopy data
JP2014508019A (ja) 不均一磁場中におけるｍｒｉのための撮像領域の制約
US20180313925A1 (en) Method to measure tissue texture using nmr spectroscopy to identify the chemical species of component textural elements in a targeted region of tissue
EP3385743A1 (en) System and method for phase cycling magnetic resonance fingerprinting (phc-mrf)
US10761167B2 (en) System and method for generating a magnetic resonance fingerprinting dictionary using semi-supervised learning
US20190242961A1 (en) Direct measurement of the b0-off-resonance field during magnetic resonance fingerprinting
KR20200006003A (ko) 자기 공명 이미징을 위한 펄스 시퀀스들의 데이터베이스를 구축하는 컴퓨터 구현 방법 및 이러한 데이터베이스를 이용하여 자기 공명 이미징을 수행하는 방법
EP2787882A1 (en) Magnetic resonance spectroscopic imaging volume of interest positioning
JP4564015B2 (ja) 磁気共鳴撮影装置及び磁気共鳴撮影方法
US10451700B2 (en) System and method for reducing partial voluming artifacts in quantitative myocardial tissue characterization
US11313931B2 (en) System and method for quantifying T1, T2 and resonance frequency using rosette trajectory acquisition and read segmented reconstruction
US11619694B2 (en) Magnetic resonance imaging apparatus and medical data processing apparatus
US11241163B2 (en) Measuring blood vessel characteristics with MRI
JP5687419B2 (ja) 磁気共鳴イメージング装置
US9459335B2 (en) System and method for parallel magnetic resonance imaging with optimally selected in-plane acceleration
US11287501B1 (en) System and method for multiple contrast encoding with magnetic resonance imaging
Belkić et al. The general concept of signal–noise separation (SNS): mathematical aspects and implementation in magnetic resonance spectroscopy
US20180329006A1 (en) Diffusion-relaxation correlation spectroscopic imaging
US10401459B2 (en) Systems and methods for imaging vascular calcifications with magnetic resonance imaging
Landheer et al. Constrained source space MR spectroscopy: multiple voxels, no gradient readout
US10877121B2 (en) System and method for magnetic resonance fingerprinting with reduced acoustic noise
Morris Sir Peter Mansfield. 9 October 1933—8 February 2017

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: 13825380

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014528084

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14418234

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13825380

Country of ref document: EP

Kind code of ref document: A1