ＭＲ撮像において種信号を定量的に分離するシステムおよび方法
【課題】ＭＲ撮像において種信号を定量的に分離するシステムおよび方法を提供すること。
【解決手段】ＭＲ撮像装置は、ＭＲＩシステム（１０）とコンピュータ（２０）とを含み、コンピュータ（２０）は、ＭＲＩシステム（１０）がパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得するようにプログラムされている。コンピュータ（２０）はさらに、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【解決手段】ＭＲ撮像装置は、ＭＲＩシステム（１０）とコンピュータ（２０）とを含み、コンピュータ（２０）は、ＭＲＩシステム（１０）がパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得するようにプログラムされている。コンピュータ（２０）はさらに、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は一般にＭＲ撮像（ＭＲ ｉｍａｇｉｎｇ）に関し、より詳細には、ＭＲ撮像において、種信号（ｓｐｅｃｉｅｓ ｓｉｇｎａｌ）を、２ステップ分離アプローチを使用して定量的に分離するシステムおよび方法に関する。
【背景技術】
【０００２】
人間の組織などの物質が均一な磁場（分極場Ｂ０）にさらされると、その組織中のスピンの個々の磁気モーメントはこの分極場と整列しようとするが、一方で、この分極場の周りを、その特性ラーモア周波数（Ｌａｒｍｏｒ ｆｒｅｑｕｅｎｃｙ）で無作為に歳差運動する。この物質または組織が、ｘ−ｙ平面内の、ラーモア周波数に近い磁場（励起場Ｂ１）にさらされた場合には、整列した正味のモーメント、すなわち「縦磁化（ｌｏｎｇｉｔｕｄｉｎａｌ ｍａｇｎｅｔｉｚａｔｉｏｎ）」Ｍｚが、ｘ−ｙ平面内へ回転しまたは「傾いて」、正味の横磁化モーメントＭｔを生成することがある。励起信号Ｂ１が終了した後、励起されたスピンによって信号が放出され、この信号を受信し、処理して、画像を形成することができる。
【０００３】
これらの信号を利用して画像を生成するときには、磁場勾配（ｍａｇｎｅｔｉｃ ｆｉｅｌｄ ｇｒａｄｉｅｎｔ）（Ｇｘ、ＧｙおよびＧｚ）が使用される。一般に、撮像しようとする領域を一連の測定サイクルによってスキャンする。このとき、これらの勾配は、使用する具体的な位置決定法によって異なる。得られた一組のＮＭＲ信号をディジタル化し、処理して、画像を、よく知られている多くの再構成技法のうちの１つの技法を使用して再構成する。
【０００４】
ＭＲ撮像の分野では、定性的用途において、水−脂肪分離技法が伝統的に使用されている。一般に使用されている水−脂肪分離技法の１つが、２ポイントまたは３ポイント「Ｄｉｘｏｎ」再構成アルゴリズムに基づくマルチエコー水−脂肪分離法である。Ｄｉｘｏｎベースのアルゴリズムは全て、複合源画像（ｃｏｍｐｌｅｘ ｓｏｕｒｃｅ ｉｍａｇｅ）を必要とする。源画像中の位相情報は、Ｂ０フィールド／位相マップの推定を可能にする。フィールドマップ（ｆｉｅｌｄ ｍａｐ）の滑らかさ（ｓｍｏｏｔｈｎｅｓｓ）のアプリオリ情報（ａ ｐｒｉｏｒｉ ｉｎｆｏｒｍａｔｉｏｎ）を利用することによって、固有の曖昧さ（ｉｎｔｒｉｎｓｉｃ ａｍｂｉｇｕｉｔｙ）に起因する水−脂肪スワップ（ｗａｔｅｒ−ｆａｔ ｓｗａｐ）が回避される。しかしながら、これらのタイプの方法は、渦電流に起因する位相誤差（ｐｈａｓｅ ｅｒｒｏｒ）など源画像中の位相誤差の影響を受けることがある。
【０００５】
複合源画像を使用する水−脂肪分離法の代替法として、源信号の強度（ｍａｇｎｉｔｕｄｅ）に基づく水−脂肪分離法もある。これらの方法は、源データ中の位相誤差の影響を全く受けない。しかしながら、このような方法は、Ｂ０フィールドマップの滑らかさを利用して、水−脂肪曖昧さを解決することができない。その結果、脂肪フラクション（ｆａｔ−ｆｒａｃｔｉｏｎ）、すなわち脂肪／（水＋脂肪）は、０〜５０％の範囲で一意的にしか決定することができない。
【０００６】
上記の水−脂肪分離技法は、定性的用途に対しては十分だが、最近、肝臓の脂肪浸潤の定量などの定量的用途に水−脂肪分離技法を使用することに対する関心が高まっている。脂肪フラクションの定量に基づく肝臓の脂肪浸潤の定量は、定性的用途よりも誤差の影響を受けやすい。例えば、Ｄｉｘｏｎベースのアルゴリズムを使用するマルチエコー水−脂肪分離法における位相誤差は一般に小さく、大部分の定性的用途において許容されるが、定量的用途においては重大であることがある。
【０００７】
したがって、高い正確さと高いロバストネスの両方を達成する脂肪フラクション定量を実施することができるＭＲ撮像システムおよび方法を有することが望ましいであろう。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】米国特許第７４６８６０５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
本発明の実施形態は、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離するシステムおよび方法を提供する。
【課題を解決するための手段】
【００１０】
本発明の一態様によれば、ＭＲ撮像装置は、マグネットの穴（ｂｏｒｅ）の周りに配置された複数のグラジエントコイルと、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリにＲＦ信号を送信するようにパルスモジュールによって制御されるＲＦトランシーバシステムおよびＲＦスイッチとを有する磁気共鳴撮像（ＭＲＩ）システムを含む。このＭＲ撮像装置はさらにコンピュータを含み、このコンピュータは、ＭＲＩシステムがパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【００１１】
本発明の他の態様によれば、コンピュータ可読記憶媒体上にコンピュータプログラムが記憶されており、このコンピュータプログラムは、撮像対象の関心領域に対する複数の源画像データセットをコンピュータに取得させる命令を含み、この複数の源画像データセットは、磁気共鳴（ＭＲ）パルス系列に応答して生成されたマルチエコー源データから取得され、位相成分および強度成分を含む。このコンピュータプログラムはさらに、この複数の源画像データセットを第１の種分離アルゴリズムに入力し、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第１の種分離アルゴリズムから決定し、この複数の源画像データセットならびに第１および第２の種の決定された量を第２の種分離アルゴリズムに入力するように、コンピュータに命令する。このコンピュータプログラムはさらに、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第２の種分離アルゴリズムから再決定し、第１の種および第２の種の再決定された量から第１の種および第２の種に対する画像を生成するように、コンピュータに命令する。
【００１２】
本発明の他の態様によれば、少なくとも第１の種および第２の種をその中に含む関心領域をＭＲ撮像する方法は、磁気共鳴（ＭＲ）パルス系列を印加し、ＭＲパルス系列に応答して生成されたエコーから複数の画像源信号を取得することを含み、この複数の画像信号は、第１の種からの信号および第２の種からの信号を含む。この方法はさらに、この複数の画像源信号中の位相データおよび強度データに基づいて第１の種含量および第２の種含量の第１の推定を実行し、この複数の画像源信号中の強度データに基づいて、位相データを使用せずに、第１の種含量および第２の種含量の第２の推定を実行し、第１の推定と第２の推定のうちの少なくとも一方に基づいて関心領域の少なくとも１つの画像を生成することを含む。
【００１３】
以下の詳細な説明および図面から、他のさまざまな特徴および利点が明らかになる。
【００１４】
図面は、本発明を実施するために現時点で企図される実施形態を示す。
【図面の簡単な説明】
【００１５】
【図１】本発明の一実施形態とともに使用される例示的なＭＲ撮像システムの概略ブロック図である。
【図２】ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離する、本発明の一実施形態による技法の流れ図である。
【図３】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、ファントムスキャンによる画像である。
【図４】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、健康な志願者の生体内スキャンによる画像である。
【図５】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、重症の鉄過剰負荷を有する患者のスキャンによる画像である。
【図６】ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離する、本発明の他の実施形態による技法の流れ図である。
【発明を実施するための形態】
【００１６】
本発明の実施形態によれば、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して分離するシステムおよび方法が提供される。以下では、水−脂肪分離を実行するシステムおよび方法に関する本発明の一実施形態を説明するが、別の種の分離も本発明の範囲に含まれると理解される。さらに、以下に記載するシステムおよび方法によって３種類以上の種を分離することができることも理解される。
【００１７】
図１を参照すると、本発明の一実施形態を包含する好ましい磁気共鳴撮像（ＭＲＩ）システム１０の主要構成要素が示されている。このシステムの動作は、キーボードまたは他の入力デバイス１３、制御パネル１４および表示画面１６を含むオペレータコンソール１２から制御される。コンソール１２は、リンク１８を通して、画像の生成および表示画面１６上への表示をオペレータが制御することを可能にする別個のコンピュータシステム２０と通信する。コンピュータシステム２０は、バックプレーン２０ａを通して互いに通信するいくつかのモジュールを含む。これらのモジュールには、画像処理装置モジュール２２、ＣＰＵモジュール２４、画像データアレイを記憶するフレームバッファを含むことができる記憶装置モジュール２６などが含まれる。コンピュータシステム２０は、高速直列リンク３４を通して別個のシステム制御装置３２と通信する。入力デバイス１３は、マウス、ジョイスティック、キーボード、トラックボール、タッチ活動化スクリーン、ライトワンド（ｌｉｇｈｔ ｗａｎｄ）、音声制御あるいは任意の同様のまたは同等の入力デバイスを含むことができ、対話形式でジオメトリ（ｇｅｏｍｅｔｒｙ）を処方するのに使用することができる。
【００１８】
システム制御装置３２は、バックプレーン３２ａによって互いに接続された一組のモジュールを含む。これらのモジュールには、ＣＰＵモジュール３６、および直列リンク４０を通してオペレータコンソール１２に接続するパルス発生器モジュール３８が含まれる。システム制御装置３２は、実行するスキャンシーケンスを指示するオペレータからの指令を、リンク４０を通して受け取る。パルス発生器モジュール３８は、所望のスキャンシーケンスを実施するようにシステム構成部品を操作し、生成されるＲＦパルスのタイミング、強さおよび形状、ならびにデータ取得窓のタイミングおよび長さを指示するデータを生成する。スキャン中に生成するグラジエントパルス（ｇｒａｄｉｅｎｔ ｐｕｌｓｅ）のタイミングおよび形状を指示するため、パルス発生器モジュール３８は、一組のグラジエント増幅器（ｇｒａｄｉｅｎｔ ａｍｐｌｉｆｉｅｒ）４２に接続する。パルス発生器モジュール３８はさらに、患者に取り付けられた電極からのＥＣＧ信号などの、患者に接続されたいくつかの異なるセンサからの信号を受け取る生理的取得コントローラ（ｐｈｙｓｉｏｌｏｇｉｃａｌ ａｃｑｕｉｓｉｔｉｏｎ ｃｏｎｔｒｏｌｌｅｒ）４４から、患者データを受け取ることができる。最後に、パルス発生器モジュール３８は、患者およびマグネットシステムの状態に関連した信号をさまざまなセンサから受け取るスキャン室インタフェース回路（ｓｃａｎ ｒｏｏｍ ｉｎｔｅｒｆａｃｅ ｃｉｒｃｕｉｔ）４６に接続する。さらに、このスキャン室インタフェース回路４６を通して、患者位置決めシステム４８が、スキャンのための望ましい位置へ患者を移動させるための指令を受け取る。
【００１９】
パルス発生器モジュール３８によって生成されたグラジエント波形（ｇｒａｄｉｅｎｔ ｗａｖｅｆｏｒｍ）は、Ｇｘ、ＧｙおよびＧｚ増幅器を有するグラジエント増幅器システム４２に印加される。グラジエント増幅器はそれぞれ、全体が５０で示されたグラジエントコイル（ｇｒａｄｉｅｎｔ ｃｏｉｌ）アセンブリ内の対応する物理グラジエントコイルを励起して、取得した信号を空間的にコード化するために使用する磁場勾配を生成する。グラジエントコイルアセンブリ５０は、分極マグネット５４および全身ＲＦコイル５６を含む共鳴アセンブリ５２の一部を構成する。システム制御装置３２内のトランシーバモジュール５８はパルスを生成し、それらのパルスは、ＲＦ増幅器６０によって増幅され、送信／受信スイッチ６２によってＲＦコイル５６に結合される。患者の体内の励起された核によってその結果放出された信号を、同じＲＦコイル５６によって感知し、送信／受信スイッチ６２を通して前置増幅器６４に結合することができる。増幅されたＭＲ信号は、トランシーバ５８の受信器セクションにおいて復調され、フィルタリングされ、ディジタル化される。送信／受信スイッチ６２は、パルス発生器モジュール３８からの信号によって、送信モードの間はＲＦ増幅器６０をコイル５６に電気的に接続し、受信モードの間は前置増幅器６４をコイル５６に接続するように制御される。送信／受信スイッチ６２はさらに、送信モードまたは受信モードにおいて、別個のＲＦコイル（例えば表面コイル）を使用することも可能にする。
【００２０】
ＲＦコイル５６によって検出されたＭＲ信号はトランシーバモジュール５８によってディジタル化され、システム制御装置３２内の記憶装置モジュール６６に転送される。記憶装置モジュール６６においてｋ空間（ｋ−ｓｐａｃｅ）生データのアレイが取得されたとき、スキャンは完了となる。それぞれの画像を再構成するため、このｋ空間生データは、別個のｋ空間データアレイに再配列され、これらのアレイはそれぞれ、これらのデータを画像データアレイにフーリエ変換するように動作するアレイ処理装置６８に入力される。この画像データは、直列リンク３４を通してコンピュータシステム２０に送られ、そこで記憶装置に記憶される。オペレータコンソール１２から指令を受け取ったことに応答して、この画像データを長期記憶装置に保存し、または画像処理装置２２によってさらに処理し、オペレータコンソール１２に送り、表示装置１６上に表示することができる。
【００２１】
本発明の実施形態によれば、ＭＲシステム１０のコンピュータシステム２０は、被験者の関心領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ）（ＲＯＩ）に対する脂肪フラクション定量化解析を、２ステップ水−脂肪分離技法を使用して実行するようにプログラムされており、この解析では、ＲＯＩの組織内の水と脂肪の相対量が定量化される。この２ステップ水−脂肪分離技法の一方のステップでは、水と脂肪を別個の画像に分離し、Ｂ０フィールドマップを推定するために、複合源画像を使用して、水と脂肪の間の化学シフトの差（すなわち位相のずれ）を利用する水−脂肪分離アルゴリズムが使用される。この２ステップ水−脂肪分離技法のもう一方のステップでは、水と脂肪を別個の画像に分離するために、強度画像（ｍａｇｎｉｔｕｄｅ ｉｍａｇｅ）が使用される。これらの第１および第２のステップはそれぞれ、画像のピクセル／ボクセルの水−脂肪含量を推定し、それぞれのステップの水−脂肪含量推定値を使用して、各ピクセル／ボクセルの水−脂肪含量の最終的な推定値または「微調整された」推定値を決定する。
【００２２】
有益には、複合源画像を使用するステップから得られる水−脂肪含量推定値は、Ｂ０フィールドマップの推定を可能にし、それによって、アルゴリズムの設計が、フィールドマップの滑らかさを利用して、固有の曖昧さに起因することがある推定時の水−脂肪スワップを回避することを可能にする。しかしながら、複合源画像を使用するステップから得られる水−脂肪含量推定値は、源画像中の位相誤差の影響を受けることがある。このような位相誤差を考慮するため、強度源画像を使用するステップは、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。そのため、この水−脂肪分離技法のこれらの２つのステップは、水−脂肪含量の推定に関して相補的な出力を提供する。
【００２３】
次に図２を参照すると、本発明の例示的な一実施形態による、被験者の脂肪フラクション定量化解析を実行するコンピュータ実現技法７０（例えば図１のコンピュータシステム２０によって実現される技法）が示されている。技法７０は、「２ステップ」水−脂肪分離アプローチを実現し、この２ステップ水−脂肪分離技法の「第１のステップ」は、複合源画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」は、強度画像を使用する水−脂肪分離アルゴリズムを使用する。水−脂肪分離技法の第１のステップから出力された水−脂肪含量の推定値は、それによって水−脂肪曖昧さを回避し、第２のステップの推定における速い収束を提供する水−脂肪含量に対する初期推測値（ｉｎｉｔｉａｌ ｇｕｅｓｓ）として、第２のステップの水−脂肪分離アルゴリズムに入力される。
【００２４】
技法７０は、複数のエコーを生成するように構成された磁気共鳴（ＭＲ）パルス系列を印加するブロック７２から始まる。本発明の実施形態によれば、例えばスピンエコー（ｓｐｉｎ−ｅｃｈｏ）、ファストスピンエコー（ｆａｓｔ−ｓｐｉｎ−ｅｃｈｏ）（ＦＳＥ）、スポイルドグラジエントエコーイメージング（ｓｐｏｉｌｅｄ ｇｒａｄｉｅｎｔ ｅｃｈｏ ｉｍａｇｉｎｇ）（ＳＰＧＲ）、定常自由歳差運動（ｓｔｅａｄｙ ｓｔａｔｅ ｆｒｅｅ ｐｒｅｃｅｓｓｉｏｎ）（ＳＳＦＰ）、グラジエントリコールドアクジションインステディステートイメージング（ｇｒａｄｉｅｎｔ ｒｅｃａｌｌｅｄ ａｃｑｕｉｓｉｔｉｏｎ ｉｎ ｓｔｅａｄｙ ｓｔａｔｅ ｉｍａｇｉｎｇ）（ＧＲＡＳＳ）パルス系列など、エコーコヒーレント時間ＭＲ撮像（ｅｃｈｏ−ｃｏｈｅｒｅｎｔ ｔｉｍｅ ＭＲ ｉｍａｇｉｎｇ）に対応したさまざまなパルス系列のうちの任意のパルス系列を使用することができる。ブロック７４で、ＭＲパルス系列が印加されたことに応答して生成されたエコーから、マルチエコー源データないしマルチエコー源信号（すなわち画像源信号）を取得する。このマルチエコー源データは、位相情報と強度情報（すなわち位相成分と強度成分）の両方を含むという点で、複合源画像データセットの形態を有する。そのため、このマルチエコー源データは、その中に、水信号と脂肪信号の両方に対する位相情報を含み、水信号および脂肪信号に対する位相情報は、これらの複数のエコー全体にわたって存在する水と脂肪の間の化学シフトによって分離されている。
【００２５】
マルチエコー源データを取得した後、ブロック７６（すなわち「第１のステップ」）で、第１の水−脂肪分離アルゴリズムを適用する。この第１の水−脂肪分離アルゴリズムは、各ボクセルの水含量および脂肪含量を推定するために、複合源データ、すなわちマルチエコー源データ中の位相情報と強度情報の両方を受け取り、解析する。すなわち、第１の水−脂肪分離アルゴリズムは、その結果として水画像および脂肪画像を与える組織の各ピクセル／ボクセルの水−脂肪含量を、マルチエコー源データ中の位相データおよび強度データに基づいて推定する。
【００２６】
ブロック７６に対して、複合源信号を使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の実施形態によれば、２ポイント、３ポイントまたは他のマルチポイントアプローチがエコーを使用して、水−脂肪化学シフトからの位相のずれをサンプリングする、Ｄｉｘｏｎ再構成アルゴリズムに基づくさまざまなマルチエコー水−脂肪分離技法を使用することができる。本発明の例示的な一実施形態によれば、ブロック７６で、Ｔ２＊減衰（Ｔ２＊ ｄｅｃａｙ）を補償するＩＤＥＡＬ（Ｉｔｅｒａｔｉｖｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ Ｗａｔｅｒ ａｎｄ Ｆａｔ ｗｉｔｈ Ｅｃｈｏ Ａｓｙｍｍｅｔｒｙ ａｎｄ Ｌｅａｓｔ Ｓｑｕａｒｅ Ｅｓｔｉｍａｔｉｏｎ）技法（すなわちＴ２＊−ＩＤＥＡＬ）を、２ステップ水−脂肪分離技法７０の第１のステップとして適用する。Ｔ２＊−ＩＤＥＡＬアプローチに従って実行されるものとしてブロック７６を以下に説明するが、複合源画像を実現する他の技法を使用することもできることが理解される。したがって、Ｔ２＊−ＩＤＥＡＬアプローチを実現する以下の実施形態が本発明の範囲を限定することは意図されていない。
【００２７】
Ｔ２＊−ＩＤＥＡＬの一実施態様によれば、あるグラジエントエコー（ｇｒａｄｉｅｎｔ−ｅｃｈｏ）（ＧＲＥ）撮像系列を印加して、３つ以上のＭＲＩ信号を取得する。同じボクセルに共存する水成分と脂肪成分が同様のＴ２＊値を有すると仮定すると、エコー時刻（ｔｉ、ｉ＝１、２、３、．．．ｋ、ｋ＝取得されるエコーの数）におけるボクセルの信号（Ｓｉ）を下式のように表すことができる。
【００２８】
【数１】
上式で、ｗおよびｆはそれぞれ、このボクセル内の水成分および脂肪成分を表し、Δｆは、水に対する脂肪の化学シフトであり、Ψは、このボクセルにおけるＢ０場の不均質性（Ｈｚ）、すなわちフィールドマップを表し、ｎｉはこの信号中の雑音であり、Ｒ２＊＝１／Ｔ２＊である。
【００２９】
さらに、下式のような「複素場関数（ｃｏｍｐｌｅｘ ｆｉｅｌｄ ｍａｐ）」を導入する。
【００３０】
【数２】
次いで、「複素場関数」
【００３１】
【数３】
、水含量および脂肪含量を計算することができる。最初に、以下に概要を示す反復型アルゴリズムを使用して「複素場関数」
【００３２】
【数４】
を解く。
【００３３】
１．複素場関数に対する初期推測値
【００３４】
【数５】
を使用して、各化学種からの信号を推定する。
【００３５】
【数６】
に対する有用な初期推測値は０Ｈｚである。
【００３６】
２．複素場関数に対する誤差
【００３７】
【数７】
を計算する。
【００３８】
３．
【００３９】
【数８】
を再計算する。
【００４０】
４．種信号
【００４１】
【数９】
および
【００４２】
【数１０】
を、
【００４３】
【数１１】
の新たな推定値を用いて再計算する。
【００４４】
５．
【００４５】
【数１２】
が小さくなる（例えば＜１Ｈｚ）まで直上の３つのステップを繰り返す。
【００４６】
６．低域フィルタを用いて最終的な複素場関数
【００４７】
【数１３】
を空間フィルタリングする（平滑化する）。
【００４８】
７．水画像および脂肪画像の最終的な推定値を再計算する。
【００４９】
次いで、
【００５０】
【数１４】
の収束値を分解し、実数部および虚数部を、フィールドマップおよびＲ２＊マップの推定値に割り当てる。下式によって示すように、
【００５１】
【数１５】
によって源信号を復調し、それによってＢ０場不均質性とＴ２＊減衰の両方を同時に補正する。
【００５２】
【数１６】
全てのエコーを考慮すると、［式３］を行列の形で表すことができる。
【００５３】
【数１７】
Ｔ２＊補正後は、雑音（ｎ’）の分散が全てのエコーに対して等しいわけではないことに留意されたい。
【００５４】
【数１８】
信号は指数関数的に減衰するため、［式５］は、フィールドマップおよびＴ２＊（ｓ’）に対する補正後の源信号が、より初期のエコーにおいて、より少ない雑音を有することを示唆している。これは直観的な帰結である。この異なる雑音の分散を考慮するため、以下に示す、加重最小２乗反転（ｗｅｉｇｈｔｅｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｉｎｖｅｒｓｉｏｎ）から水成分および脂肪成分を得る。
【００５５】
【数１９】
上式で、重みは
【００５６】
【数２０】
によって与えられる。値Ｒ２＊は、上記の
【００５７】
【数２１】
の反復推定から得られる。
【００５８】
このようにして、複合源データの位相情報および強度情報を解析するブロック７６でのＴ２＊−ＩＤＥＡＬアルゴリズムの適用に基づく［式６］から、ＲＯＩの水含量および脂肪含量の推定値を得る。次いで、ブロック７８で、水含量および脂肪含量の推定値を出力する。本発明の実施形態によれば、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力される水−脂肪含量推定値は、マルチエコー源データ（すなわち源画像）中の位相誤差の影響を受ける可能性があると理解されるという点で、「粗い」推定値または「初期」推定値とみなされる。
【００５９】
Ｔ２＊−ＩＤＥＡＬアルゴリズムを第１の水−脂肪分離アルゴリズムとして使用する本発明の一実施形態によれば、ブロック７８で、水−脂肪含量の出力に加えて、括弧内に示されているように、Ｔ２＊−ＩＤＥＡＬアルゴリズムから得られたＲ２＊の推定値も出力される。Ｔ２＊−ＩＤＥＡＬアルゴリズムは主に、エコー間の強度の変化に依存してＲ２＊を推定するため、Ｒ２＊の推定に関しては位相誤差による誤差を無視することができる。したがって、ブロック７６から生成されるＲ２＊推定値またはマップを、Ｒ２＊に対する最終推定値として取り扱う。本発明の例示的な一実施形態によれば、Ｔ２＊減衰に関してマルチエコー源データを補正するため、ブロック８０（破線で示されている）で、Ｒ２＊に対するこの最終推定値をマルチエコー源データに適用する。すなわち、ブロック８０で、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力されたＲ２＊に対する推定値に基づいて、ブロック７２で取得した最初のマルチエコー源データをＴ２＊減衰に対して補正する。ブロック７８で出力されるＲ２＊の推定値およびブロック８０でのＴ２＊減衰に対する補正は、Ｔ２＊−ＩＤＥＡＬアルゴリズムを使用するときには適用され、複合源信号を使用して水と脂肪を分離する他の水−脂肪分離アルゴリズムを使用するときには適用されないことがある任意選択のステップであることが理解される。
【００６０】
図２をさらに参照すると、ブロック７８で、第１の水−脂肪分離アルゴリズムから水−脂肪含量推定値を出力した後、この技法は続いて、ブロック８２（すなわち「第２のステップ」）で、第２の水−脂肪分離アルゴリズムを適用する。この第２の水−脂肪分離アルゴリズムは、ＲＯＩの水含量および脂肪含量を推定するために、複合源データに含まれる強度情報だけを解析し、位相情報を利用しない。すなわち、この第２の水−脂肪分離アルゴリズムは、ＲＯＩ内の組織の各ピクセル／ボクセルに対する水−脂肪含量を、マルチエコー源データ中の強度データに基づいて推定する。この第２の水−脂肪分離アルゴリズムは、強度源画像を解析して、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。
【００６１】
この第２の水−脂肪分離アルゴリズムは、ブロック８０から出力された補正された（すなわちＴ２＊減衰に対して補正された）マルチエコー源データを入力として受け取る。前述のとおり、この第２の水−脂肪分離アルゴリズムには、複合マルチエコー源データからの強度情報（強度源画像）だけが入力される。したがって、この第２の水−脂肪分離アルゴリズムにおける水および脂肪含量の推定は、源画像の位相情報には依存せず、したがって、このような推定は、源データ中の位相誤差の影響を全く受けない。しかしながら、式の非線形性および非凸性のため、水−脂肪含量の推定（すなわち再構成）は難しく、曲線の当てはめは、初期推測値の影響を強く受けることがある。したがって、この第２の水−脂肪分離アルゴリズムに対する他の入力として、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力された水−脂肪含量の推定値を、ＲＯＩの実際の水−脂肪含量に対する初期推測値として使用する。Ｔ２＊−ＩＤＥＡＬアルゴリズムからの水および脂肪含量推定値は、源画像中の位相誤差のため定量的にはおそらく正確ではないが、真の水および脂肪量に非常に近いはずである。したがって、Ｔ２＊−ＩＤＥＡＬアルゴリズムからの水および脂肪含量推定値は、ブロック８２の強度源データ中の水および脂肪含量の推定に対する優れた初期推測値の役目を果たし、それによってブロック７６からの推定値の速い収束および追加の調整を保証し、水および脂肪画像の効率的な再構成を提供する。
【００６２】
ブロック８２に対して、強度源信号だけを使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の例示的な一実施形態によれば、「ガウス−ニュートン（Ｇａｕｓｓ−Ｎｅｗｔｏｎ）」サーチ（ｓｅａｒｃｈ）アルゴリズムなどの非線形推定アルゴリズムを使用する。ガウス−ニュートンアルゴリズムを使用する際には、マルチエコー源データからの強度信号（Ｓｉ）を下式のように記述することができる。
【００６３】
【数２２】
上式で、ｗおよびｆは水含量および脂肪含量、ｉはエコーの添字（Ｉ＝１．．．ｎ、エコーの数）、ｃｉは脂肪信号変調項であり、ａｉ＝｜ｃｉ｜、ｂｉ＝Ｒｅ｛ｃｉ｝である。
【００６４】
脂肪を、化学シフトΔｆを有する単一のピークとみなす場合には、以下のようになる。
【００６５】
【数２３】
Ｐ個の離散ピークを有するマルチピーク脂肪スペクトルを仮定する場合には、以下のようになる。
【００６６】
【数２４】
ａｉ＝１である単一ピークの場合に関しては、この式においてｗとｆを交換することができる。したがって、（ｗ，ｆ）がこの式の一組の解である場合、（ｆ，ｗ）も一組の解である。このことは、他のアプリオリ情報なしでは解くことができない固有の曖昧さである。
【００６７】
次いで、下記の［式１０〜１５］に示す反復型アルゴリズムを使用して、水および脂肪含量を、上式［式７］に基づいて解く。最初に、ブロック７８からの水および脂肪値（ｗ１，ｆ１）を、下式に従って初期推測値としてセットする。
【００６８】
【数２５】
次に、現在の推定値に対応する信号を下式のように計算する。
【００６９】
【数２６】
次いで、誤差項を下式のように計算し、
【００７０】
【数２７】
行列Ｂを下記のように定義する。
【００７１】
【数２８】
したがって、線形最小２乗反転は、誤差項の推定値（ΔｗおよびΔｆ）を下式に従って与える。
【００７２】
【数２９】
次いで、現在の推定値を下式のように更新する。
【００７３】
【数３０】
次いで、反復が収束し、かつ／または反復の最大数に到達したかどうかの判定を実施する。反復が収束しておらず、かつ反復の最大数にも達していない場合、この反復アルゴリズムは［式１０］に戻る。反復が収束し、かつ／または反復の最大数に到達した場合には、この反復アルゴリズムは終了となり、
【００７４】
【数３１】
および
【００７５】
【数３２】
に対する許容される推定値が得られたと判定される。
【００７６】
このようにして、複合源データの強度情報を解析するブロック８２でのガウス−ニュートンアルゴリズムの適用に基づく［式１５］から、ＲＯＩの水含量および脂肪含量の推定値を得る。次いで、ブロック８４で、水含量および脂肪含量の推定値を出力する。ブロック８４で出力される水含量および脂肪含量の推定値は、可能な位相誤差を考慮するためにブロック７６から得た「粗い」または「初期」水−脂肪含量推定値を微調整したものであるという点で、「修正された」推定値または「更新された」推定値とみなされる。
【００７７】
ブロック８４で修正／更新された水−脂肪含量推定値を出力した後、技法７０は続いて、ブロック８５で、水含量および脂肪含量の初期推定値と水含量および脂肪含量の修正された推定値とを結合する。本発明の例示的な一実施形態によれば、ブロック８５では、水含量および脂肪含量の初期推定値とそれらの修正された推定値との加重結合（ｗｅｉｇｈｔｅｄ ｃｏｍｂｉｎａｔｉｏｎ）を求める。この加重結合から、ブロック８６で、水および脂肪画像を再構成し、ブロック８８で、脂肪フラクション画像を再構成する。この脂肪フラクション画像を使用して、例えば肝臓の脂肪浸潤を定量化し、またはＲＯＩの他の定量的な解析を提供することができる。本発明の他の実施形態によれば、ブロック８５で実行する水含量および脂肪含量の初期推定値と水含量および脂肪含量の修正された推定値との結合を実行せずに、ブロック８４で出力された修正／更新された水−脂肪含量推定値から、水、脂肪および脂肪フラクション画像を直接に再構成することができることが理解される。
【００７８】
次に図３〜５を参照すると、ファントム（ｐｈａｎｔｏｍ）スキャン（図３）、健康な志願者の生体内（ｉｎ ｖｉｖｏ）スキャン（図４）および重症の鉄過剰負荷を有する患者のスキャン（図５）の結果が示されている。３つの全てのケースで、２Ｄ−ＳＰＧＲ系列（ファントムスキャン）および３Ｄ−ＳＰＧＲ系列（生体内スキャン）を使用して６つのエコーを集めた。図３〜５にはそれぞれ、１ステップ水−脂肪分離アプローチの結果（画像９０）と２ステップ水−脂肪分離アプローチの結果（画像９２）とを比較する画像が示されている。２ステップ水−脂肪分離によって取得した画像９２に関しては、Ｔ２＊−ＩＤＥＡＬアルゴリズムおよびガウス−ニュートンアルゴリズムを実行して、第１の推定ステップでは複合源データの位相および強度情報を使用して水−脂肪含量を推定し、第２の推定ステップでは源データの強度情報だけを使用して水−脂肪含量を推定する、図２に関して示し、説明した２ステップ水−脂肪分離技法７０を使用してこのような画像を取得した。図３〜５のそれぞれから分かるように、１ステップ水−脂肪分離技法（例えばＴ２＊−ＩＤＥＡＬ）を介して取得した画像９０は、複合源データを使用した水−脂肪含量の１回の推定に基づく水−脂肪分離を示し、３つの全てのスキャンにおいて、脂肪画像内へ漏れた少量の肝臓（または水）信号として反映された「脂肪肝」アーチファクトを示す。図３〜５にそれぞれ示された「微調整された」画像９２は、第１のステップでは複合源データを使用し、第２のステップでは強度源データだけを使用する水−脂肪含量の２ステップ推定に基づいて生成される。図３〜５から分かるように、微調整された画像９２は、Ｔ２＊−ＩＤＥＡＬアルゴリズムだけを適用することによって生成された画像９０に存在する「脂肪肝」アーチファクトを除去する。微調整された画像９２では、脂肪画像において水および肝臓が雑音のように見え、このことは、例えば肝臓内の脂肪フラクションをより正確に測定できることにつながる。
【００７９】
前述の技法７０（図２）は、「第１のステップ」が、複合源画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」が、強度画像と、第１のステップから出力された初期推測値とを使用する水−脂肪分離アルゴリズムを使用する、２ステップ水−脂肪分離技法を対象としているが、本発明の追加の実施形態によれば、他の２ステップ水−脂肪分離技法を使用することもできることが理解される。
【００８０】
次に図６を参照すると、本発明の他の実施形態による、被験者の脂肪フラクション定量化解析を実行するコンピュータ実現技法１００（例えば図１のコンピュータシステム２０によって実現される技法）が示されている。技法１００は、例えばスピンエコー、ファストスピンエコー（ＦＳＥ）、スポイルドグラジエントエコーイメージング（ＳＰＧＲ）、定常自由歳差運動（ＳＳＦＰ）、グラジエントリコールドアクジションインステディステートイメージング（ＧＲＡＳＳ）パルス系列など、複数のエコーを生成するように構成された磁気共鳴（ＭＲ）パルス系列を印加するブロック１０２から始まる。ブロック１０４で、ＭＲパルス系列が印加されたことに応答して生成されたエコーから、マルチエコー源データないしマルチエコー源信号（すなわち画像源信号）を取得する。このマルチエコー源データは、位相情報と強度情報（すなわち位相成分と強度成分）の両方を含むという点で、複合源画像データセットの形態を有する。そのため、このマルチエコー源データは、その中に、水信号と脂肪信号の両方に対する位相情報を含み、水信号および脂肪信号に対する位相情報は、これらの複数のエコー全体にわたって存在する水と脂肪の間の化学シフトによって分離されている。
【００８１】
マルチエコー源データを取得した後、ブロック１０６（すなわち「第１のステップ」）で、第１の水−脂肪分離アルゴリズムを適用し、ブロック１０８（すなわち「第２のステップ」）で、第１の水−脂肪分離アルゴリズムから独立した第２の水−脂肪分離アルゴリズムを適用する。第１の水−脂肪分離アルゴリズムと第２の水−脂肪分離アルゴリズムは互いに独立して適用されるため、図６に示すように、ブロック１０６、１０８では、これらのアルゴリズムを同時に適用することができる。すなわち、図２の技法７０と比べると、第１の水−脂肪分離アルゴリズムからの出力が、第２の水−脂肪分離アルゴリズムに、初期推測値として適用されることはない。
【００８２】
ブロック１０６で適用する第１の水−脂肪分離アルゴリズムに関して、この第１の水−脂肪分離アルゴリズムは、各ボクセルの水含量および脂肪含量を推定するために、複合源データ、すなわちマルチエコー源データ中の位相情報と強度情報の両方を受け取り、解析する。すなわち、第１の水−脂肪分離アルゴリズムは、その結果として水画像および脂肪画像を与える組織の各ピクセル／ボクセルの水−脂肪含量を、マルチエコー源データ中の位相データおよび強度データに基づいて推定する。複合源信号を使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の実施形態によれば、上記［式１〜６］に詳細に示したＴ２＊−ＩＤＥＡＬなど、２ポイント、３ポイントまたは他のマルチポイントアプローチがエコーを使用して、水−脂肪化学シフトからの位相のずれをサンプリングする、Ｄｉｘｏｎ再構成アルゴリズムに基づくさまざまなマルチエコー水−脂肪分離技法を使用することができる。
【００８３】
ブロック１０８で適用する第２の水−脂肪分離アルゴリズムに関して、この第２の水−脂肪分離アルゴリズムは、ＲＯＩの水含量および脂肪含量を推定するために、複合源データに含まれる強度情報だけを受け取り、解析し、位相情報を利用しない。すなわち、この第２の水−脂肪分離アルゴリズムは、ＲＯＩ内の組織の各ピクセル／ボクセルに対する水−脂肪含量を、マルチエコー源データ中の強度データに基づいて推定する。この第２の水−脂肪分離アルゴリズムは、強度源画像を解析して、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。上記［式７〜１５］に詳細に示した「ガウス−ニュートン」サーチアルゴリズムなど、強度源信号だけを使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。
【００８４】
図６をさらに参照すると、ブロック１１０で、第１の水−脂肪分離アルゴリズムによって提供された水含量および脂肪含量の第１の推定値を出力し、ブロック１１２で、第２の水−脂肪分離アルゴリズムによって提供された水含量および脂肪含量の第２の推定値を出力する。ブロック１１０、１１２で水−脂肪含量の第１および第２の推定値を得た後、技法１００は続いて、ブロック１１４で、水−脂肪含量の「最終的な」推定値または「修正された」推定値を計算する。例示的な一実施形態によれば、水−脂肪含量の「最終的な」推定値を決定するため、ブロック１１４で、第１および第２の水−脂肪分離アルゴリズムからの水−脂肪含量推定値の加重結合を計算する。次いで、ブロック１１６および１１８で、水−脂肪含量のこの「最終的な」推定値に基づいて、脂肪フラクションの定量化および画像再構成（すなわち水、脂肪および脂肪フラクション画像）を実行する。
【００８５】
本発明の追加の実施形態によれば、図２および６に関して説明した２ステップ水−脂肪分離技法以外の他の２ステップ水−脂肪分離技法を使用することができること、またはこれらの「ステップ」の順序を逆にすることができることが理解される。このような一実施形態では、「第１のステップ」が、強度画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」では、複合源画像ベースの水−脂肪分離技法が適用される。「第１のステップ」の結果にまつわる水−脂肪曖昧さの問題を解決するため、「第２のステップ」の結果が使用される。さらに、上記の［式１〜１５］に示したもの以外の他の複合データおよび強度データの公式化を実施することができること、ならびに、「第２のステップ」のアルゴリズムが、「第１のステップ」のアルゴリズムと同じモデルを使用する必要はないことが理解される。例えば、「第２のステップ」のアルゴリズムは、「第１のステップ」のアルゴリズムから出力された「初期」Ｔ２＊推定値を同じように利用して、水のＴ２＊と脂肪のＴ２＊を別々に推定することができる。このような一実施形態では、「第１のステップ」のアルゴリズムから出力されたＴ２＊推定値を、第２のステップで推定する水のＴ２＊と脂肪のＴ２＊のそれぞれに対する初期推測値とすることになる。他の例として、第２の水−脂肪分離アルゴリズムがマルチピーク脂肪スペクトルモデルを使用し、第１の水−脂肪分離アルゴリズムが単一ピーク脂肪スペクトルモデルを使用することもでき、またはこの逆も可能である。
【００８６】
開示した方法および装置の技術的な寄与は、それらが、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離するコンピュータ実現技法を提供することである。
【００８７】
したがって、本発明の一実施形態によれば、ＭＲ撮像装置は、マグネットの穴の周りに配置された複数のグラジエントコイルと、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリにＲＦ信号を送信するようにパルスモジュールによって制御されるＲＦトランシーバシステムおよびＲＦスイッチとを有する磁気共鳴撮像（ＭＲＩ）システムを含む。このＭＲ撮像装置はさらにコンピュータを含み、このコンピュータは、ＭＲＩシステムがパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【００８８】
本発明の他の実施形態によれば、コンピュータ可読記憶媒体上にコンピュータプログラムが記憶されており、このコンピュータプログラムは、撮像対象の関心領域に対する複数の源画像データセットをコンピュータに取得させる命令を含み、この複数の源画像データセットは、磁気共鳴（ＭＲ）パルス系列に応答して生成されたマルチエコー源データから取得され、位相成分および強度成分を含む。このコンピュータプログラムはさらに、この複数の源画像データセットを第１の種分離アルゴリズムに入力し、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第１の種分離アルゴリズムから決定し、この複数の源画像データセットならびに第１および第２の種の決定された量を第２の種分離アルゴリズムに入力するように、コンピュータに命令する。このコンピュータプログラムはさらに、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第２の種分離アルゴリズムから再決定し、第１の種および第２の種の再決定された量から第１の種および第２の種に対する画像を生成するように、コンピュータに命令する。
【００８９】
本発明のさらに別の実施形態によれば、少なくとも第１の種および第２の種をその中に含む関心領域をＭＲ撮像する方法は、磁気共鳴（ＭＲ）パルス系列を印加し、ＭＲパルス系列に応答して生成されたエコーから複数の画像源信号を取得することを含み、この複数の画像信号は、第１の種からの信号および第２の種からの信号を含む。この方法はさらに、この複数の画像源信号中の位相データおよび強度データに基づいて第１の種含量および第２の種含量の第１の推定を実行し、この複数の画像源信号中の強度データに基づいて、位相データを使用せずに、第１の種含量および第２の種含量の第２の推定を実行し、第１の推定と第２の推定のうちの少なくとも一方に基づいて関心領域の少なくとも１つの画像を生成することを含む。
【００９０】
本発明をその最良の形態を含めて開示するため、ならびに任意の装置またはシステムを製作し、使用すること、および組み込まれた任意の方法を実行することを含め、当業者が本発明を実施することを可能にするために、本明細書はいくつかの例を使用する。本発明の特許を受けられる範囲は特許請求の範囲によって定義され、この範囲が、当業者が思いつくその他の例を含むことがある。このようなその他の例は、それらが特許請求の範囲の文字表現と異ならない構造要素を有する場合、またはそれらが特許請求の範囲の文字表現との差異が実質的にない等価の構造要素を含む場合に、特許請求の範囲に含まれることが意図されている。
【符号の説明】
【００９１】
１０ ＭＲＩシステム
１２ オペレータコンソール
１３ 入力デバイス
１４ 制御パネル
１６ 表示画面
１８ リンク
２０ コンピュータシステム
２０ａ バックプレーン
２２ 画像処理装置モジュール
２４ ＣＰＵモジュール
２６ 記憶装置モジュール
３２ システム制御装置
３２ａ バックプレーン
３４ 直列リンク
３６ ＣＰＵモジュール
３８ パルス発生器モジュール
４０ 直列リンク
４２ グラジエント増幅器セット
４４ 生理的取得コントローラ
４６ スキャン室インタフェース回路
４８ 患者位置決めシステム
５０ グラジエントコイルアセンブリ
５２ 共鳴アセンブリ
５４ 分極マグネット
５６ 全身ＲＦコイル
５８ トランシーバモジュール
６０ ＲＦ増幅器
６２ 送信／受信スイッチ
６４ 前置増幅器
６６ 記憶装置モジュール
６８ アレイ処理装置
９０ 画像
９２ 画像
【技術分野】
【０００１】
本発明は一般にＭＲ撮像（ＭＲ ｉｍａｇｉｎｇ）に関し、より詳細には、ＭＲ撮像において、種信号（ｓｐｅｃｉｅｓ ｓｉｇｎａｌ）を、２ステップ分離アプローチを使用して定量的に分離するシステムおよび方法に関する。
【背景技術】
【０００２】
人間の組織などの物質が均一な磁場（分極場Ｂ０）にさらされると、その組織中のスピンの個々の磁気モーメントはこの分極場と整列しようとするが、一方で、この分極場の周りを、その特性ラーモア周波数（Ｌａｒｍｏｒ ｆｒｅｑｕｅｎｃｙ）で無作為に歳差運動する。この物質または組織が、ｘ−ｙ平面内の、ラーモア周波数に近い磁場（励起場Ｂ１）にさらされた場合には、整列した正味のモーメント、すなわち「縦磁化（ｌｏｎｇｉｔｕｄｉｎａｌ ｍａｇｎｅｔｉｚａｔｉｏｎ）」Ｍｚが、ｘ−ｙ平面内へ回転しまたは「傾いて」、正味の横磁化モーメントＭｔを生成することがある。励起信号Ｂ１が終了した後、励起されたスピンによって信号が放出され、この信号を受信し、処理して、画像を形成することができる。
【０００３】
これらの信号を利用して画像を生成するときには、磁場勾配（ｍａｇｎｅｔｉｃ ｆｉｅｌｄ ｇｒａｄｉｅｎｔ）（Ｇｘ、ＧｙおよびＧｚ）が使用される。一般に、撮像しようとする領域を一連の測定サイクルによってスキャンする。このとき、これらの勾配は、使用する具体的な位置決定法によって異なる。得られた一組のＮＭＲ信号をディジタル化し、処理して、画像を、よく知られている多くの再構成技法のうちの１つの技法を使用して再構成する。
【０００４】
ＭＲ撮像の分野では、定性的用途において、水−脂肪分離技法が伝統的に使用されている。一般に使用されている水−脂肪分離技法の１つが、２ポイントまたは３ポイント「Ｄｉｘｏｎ」再構成アルゴリズムに基づくマルチエコー水−脂肪分離法である。Ｄｉｘｏｎベースのアルゴリズムは全て、複合源画像（ｃｏｍｐｌｅｘ ｓｏｕｒｃｅ ｉｍａｇｅ）を必要とする。源画像中の位相情報は、Ｂ０フィールド／位相マップの推定を可能にする。フィールドマップ（ｆｉｅｌｄ ｍａｐ）の滑らかさ（ｓｍｏｏｔｈｎｅｓｓ）のアプリオリ情報（ａ ｐｒｉｏｒｉ ｉｎｆｏｒｍａｔｉｏｎ）を利用することによって、固有の曖昧さ（ｉｎｔｒｉｎｓｉｃ ａｍｂｉｇｕｉｔｙ）に起因する水−脂肪スワップ（ｗａｔｅｒ−ｆａｔ ｓｗａｐ）が回避される。しかしながら、これらのタイプの方法は、渦電流に起因する位相誤差（ｐｈａｓｅ ｅｒｒｏｒ）など源画像中の位相誤差の影響を受けることがある。
【０００５】
複合源画像を使用する水−脂肪分離法の代替法として、源信号の強度（ｍａｇｎｉｔｕｄｅ）に基づく水−脂肪分離法もある。これらの方法は、源データ中の位相誤差の影響を全く受けない。しかしながら、このような方法は、Ｂ０フィールドマップの滑らかさを利用して、水−脂肪曖昧さを解決することができない。その結果、脂肪フラクション（ｆａｔ−ｆｒａｃｔｉｏｎ）、すなわち脂肪／（水＋脂肪）は、０〜５０％の範囲で一意的にしか決定することができない。
【０００６】
上記の水−脂肪分離技法は、定性的用途に対しては十分だが、最近、肝臓の脂肪浸潤の定量などの定量的用途に水−脂肪分離技法を使用することに対する関心が高まっている。脂肪フラクションの定量に基づく肝臓の脂肪浸潤の定量は、定性的用途よりも誤差の影響を受けやすい。例えば、Ｄｉｘｏｎベースのアルゴリズムを使用するマルチエコー水−脂肪分離法における位相誤差は一般に小さく、大部分の定性的用途において許容されるが、定量的用途においては重大であることがある。
【０００７】
したがって、高い正確さと高いロバストネスの両方を達成する脂肪フラクション定量を実施することができるＭＲ撮像システムおよび方法を有することが望ましいであろう。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】米国特許第７４６８６０５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
本発明の実施形態は、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離するシステムおよび方法を提供する。
【課題を解決するための手段】
【００１０】
本発明の一態様によれば、ＭＲ撮像装置は、マグネットの穴（ｂｏｒｅ）の周りに配置された複数のグラジエントコイルと、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリにＲＦ信号を送信するようにパルスモジュールによって制御されるＲＦトランシーバシステムおよびＲＦスイッチとを有する磁気共鳴撮像（ＭＲＩ）システムを含む。このＭＲ撮像装置はさらにコンピュータを含み、このコンピュータは、ＭＲＩシステムがパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【００１１】
本発明の他の態様によれば、コンピュータ可読記憶媒体上にコンピュータプログラムが記憶されており、このコンピュータプログラムは、撮像対象の関心領域に対する複数の源画像データセットをコンピュータに取得させる命令を含み、この複数の源画像データセットは、磁気共鳴（ＭＲ）パルス系列に応答して生成されたマルチエコー源データから取得され、位相成分および強度成分を含む。このコンピュータプログラムはさらに、この複数の源画像データセットを第１の種分離アルゴリズムに入力し、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第１の種分離アルゴリズムから決定し、この複数の源画像データセットならびに第１および第２の種の決定された量を第２の種分離アルゴリズムに入力するように、コンピュータに命令する。このコンピュータプログラムはさらに、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第２の種分離アルゴリズムから再決定し、第１の種および第２の種の再決定された量から第１の種および第２の種に対する画像を生成するように、コンピュータに命令する。
【００１２】
本発明の他の態様によれば、少なくとも第１の種および第２の種をその中に含む関心領域をＭＲ撮像する方法は、磁気共鳴（ＭＲ）パルス系列を印加し、ＭＲパルス系列に応答して生成されたエコーから複数の画像源信号を取得することを含み、この複数の画像信号は、第１の種からの信号および第２の種からの信号を含む。この方法はさらに、この複数の画像源信号中の位相データおよび強度データに基づいて第１の種含量および第２の種含量の第１の推定を実行し、この複数の画像源信号中の強度データに基づいて、位相データを使用せずに、第１の種含量および第２の種含量の第２の推定を実行し、第１の推定と第２の推定のうちの少なくとも一方に基づいて関心領域の少なくとも１つの画像を生成することを含む。
【００１３】
以下の詳細な説明および図面から、他のさまざまな特徴および利点が明らかになる。
【００１４】
図面は、本発明を実施するために現時点で企図される実施形態を示す。
【図面の簡単な説明】
【００１５】
【図１】本発明の一実施形態とともに使用される例示的なＭＲ撮像システムの概略ブロック図である。
【図２】ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離する、本発明の一実施形態による技法の流れ図である。
【図３】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、ファントムスキャンによる画像である。
【図４】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、健康な志願者の生体内スキャンによる画像である。
【図５】１ステップ種分離アプローチの画像結果と２ステップ種分離アプローチの画像結果とを比較する、重症の鉄過剰負荷を有する患者のスキャンによる画像である。
【図６】ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離する、本発明の他の実施形態による技法の流れ図である。
【発明を実施するための形態】
【００１６】
本発明の実施形態によれば、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して分離するシステムおよび方法が提供される。以下では、水−脂肪分離を実行するシステムおよび方法に関する本発明の一実施形態を説明するが、別の種の分離も本発明の範囲に含まれると理解される。さらに、以下に記載するシステムおよび方法によって３種類以上の種を分離することができることも理解される。
【００１７】
図１を参照すると、本発明の一実施形態を包含する好ましい磁気共鳴撮像（ＭＲＩ）システム１０の主要構成要素が示されている。このシステムの動作は、キーボードまたは他の入力デバイス１３、制御パネル１４および表示画面１６を含むオペレータコンソール１２から制御される。コンソール１２は、リンク１８を通して、画像の生成および表示画面１６上への表示をオペレータが制御することを可能にする別個のコンピュータシステム２０と通信する。コンピュータシステム２０は、バックプレーン２０ａを通して互いに通信するいくつかのモジュールを含む。これらのモジュールには、画像処理装置モジュール２２、ＣＰＵモジュール２４、画像データアレイを記憶するフレームバッファを含むことができる記憶装置モジュール２６などが含まれる。コンピュータシステム２０は、高速直列リンク３４を通して別個のシステム制御装置３２と通信する。入力デバイス１３は、マウス、ジョイスティック、キーボード、トラックボール、タッチ活動化スクリーン、ライトワンド（ｌｉｇｈｔ ｗａｎｄ）、音声制御あるいは任意の同様のまたは同等の入力デバイスを含むことができ、対話形式でジオメトリ（ｇｅｏｍｅｔｒｙ）を処方するのに使用することができる。
【００１８】
システム制御装置３２は、バックプレーン３２ａによって互いに接続された一組のモジュールを含む。これらのモジュールには、ＣＰＵモジュール３６、および直列リンク４０を通してオペレータコンソール１２に接続するパルス発生器モジュール３８が含まれる。システム制御装置３２は、実行するスキャンシーケンスを指示するオペレータからの指令を、リンク４０を通して受け取る。パルス発生器モジュール３８は、所望のスキャンシーケンスを実施するようにシステム構成部品を操作し、生成されるＲＦパルスのタイミング、強さおよび形状、ならびにデータ取得窓のタイミングおよび長さを指示するデータを生成する。スキャン中に生成するグラジエントパルス（ｇｒａｄｉｅｎｔ ｐｕｌｓｅ）のタイミングおよび形状を指示するため、パルス発生器モジュール３８は、一組のグラジエント増幅器（ｇｒａｄｉｅｎｔ ａｍｐｌｉｆｉｅｒ）４２に接続する。パルス発生器モジュール３８はさらに、患者に取り付けられた電極からのＥＣＧ信号などの、患者に接続されたいくつかの異なるセンサからの信号を受け取る生理的取得コントローラ（ｐｈｙｓｉｏｌｏｇｉｃａｌ ａｃｑｕｉｓｉｔｉｏｎ ｃｏｎｔｒｏｌｌｅｒ）４４から、患者データを受け取ることができる。最後に、パルス発生器モジュール３８は、患者およびマグネットシステムの状態に関連した信号をさまざまなセンサから受け取るスキャン室インタフェース回路（ｓｃａｎ ｒｏｏｍ ｉｎｔｅｒｆａｃｅ ｃｉｒｃｕｉｔ）４６に接続する。さらに、このスキャン室インタフェース回路４６を通して、患者位置決めシステム４８が、スキャンのための望ましい位置へ患者を移動させるための指令を受け取る。
【００１９】
パルス発生器モジュール３８によって生成されたグラジエント波形（ｇｒａｄｉｅｎｔ ｗａｖｅｆｏｒｍ）は、Ｇｘ、ＧｙおよびＧｚ増幅器を有するグラジエント増幅器システム４２に印加される。グラジエント増幅器はそれぞれ、全体が５０で示されたグラジエントコイル（ｇｒａｄｉｅｎｔ ｃｏｉｌ）アセンブリ内の対応する物理グラジエントコイルを励起して、取得した信号を空間的にコード化するために使用する磁場勾配を生成する。グラジエントコイルアセンブリ５０は、分極マグネット５４および全身ＲＦコイル５６を含む共鳴アセンブリ５２の一部を構成する。システム制御装置３２内のトランシーバモジュール５８はパルスを生成し、それらのパルスは、ＲＦ増幅器６０によって増幅され、送信／受信スイッチ６２によってＲＦコイル５６に結合される。患者の体内の励起された核によってその結果放出された信号を、同じＲＦコイル５６によって感知し、送信／受信スイッチ６２を通して前置増幅器６４に結合することができる。増幅されたＭＲ信号は、トランシーバ５８の受信器セクションにおいて復調され、フィルタリングされ、ディジタル化される。送信／受信スイッチ６２は、パルス発生器モジュール３８からの信号によって、送信モードの間はＲＦ増幅器６０をコイル５６に電気的に接続し、受信モードの間は前置増幅器６４をコイル５６に接続するように制御される。送信／受信スイッチ６２はさらに、送信モードまたは受信モードにおいて、別個のＲＦコイル（例えば表面コイル）を使用することも可能にする。
【００２０】
ＲＦコイル５６によって検出されたＭＲ信号はトランシーバモジュール５８によってディジタル化され、システム制御装置３２内の記憶装置モジュール６６に転送される。記憶装置モジュール６６においてｋ空間（ｋ−ｓｐａｃｅ）生データのアレイが取得されたとき、スキャンは完了となる。それぞれの画像を再構成するため、このｋ空間生データは、別個のｋ空間データアレイに再配列され、これらのアレイはそれぞれ、これらのデータを画像データアレイにフーリエ変換するように動作するアレイ処理装置６８に入力される。この画像データは、直列リンク３４を通してコンピュータシステム２０に送られ、そこで記憶装置に記憶される。オペレータコンソール１２から指令を受け取ったことに応答して、この画像データを長期記憶装置に保存し、または画像処理装置２２によってさらに処理し、オペレータコンソール１２に送り、表示装置１６上に表示することができる。
【００２１】
本発明の実施形態によれば、ＭＲシステム１０のコンピュータシステム２０は、被験者の関心領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ）（ＲＯＩ）に対する脂肪フラクション定量化解析を、２ステップ水−脂肪分離技法を使用して実行するようにプログラムされており、この解析では、ＲＯＩの組織内の水と脂肪の相対量が定量化される。この２ステップ水−脂肪分離技法の一方のステップでは、水と脂肪を別個の画像に分離し、Ｂ０フィールドマップを推定するために、複合源画像を使用して、水と脂肪の間の化学シフトの差（すなわち位相のずれ）を利用する水−脂肪分離アルゴリズムが使用される。この２ステップ水−脂肪分離技法のもう一方のステップでは、水と脂肪を別個の画像に分離するために、強度画像（ｍａｇｎｉｔｕｄｅ ｉｍａｇｅ）が使用される。これらの第１および第２のステップはそれぞれ、画像のピクセル／ボクセルの水−脂肪含量を推定し、それぞれのステップの水−脂肪含量推定値を使用して、各ピクセル／ボクセルの水−脂肪含量の最終的な推定値または「微調整された」推定値を決定する。
【００２２】
有益には、複合源画像を使用するステップから得られる水−脂肪含量推定値は、Ｂ０フィールドマップの推定を可能にし、それによって、アルゴリズムの設計が、フィールドマップの滑らかさを利用して、固有の曖昧さに起因することがある推定時の水−脂肪スワップを回避することを可能にする。しかしながら、複合源画像を使用するステップから得られる水−脂肪含量推定値は、源画像中の位相誤差の影響を受けることがある。このような位相誤差を考慮するため、強度源画像を使用するステップは、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。そのため、この水−脂肪分離技法のこれらの２つのステップは、水−脂肪含量の推定に関して相補的な出力を提供する。
【００２３】
次に図２を参照すると、本発明の例示的な一実施形態による、被験者の脂肪フラクション定量化解析を実行するコンピュータ実現技法７０（例えば図１のコンピュータシステム２０によって実現される技法）が示されている。技法７０は、「２ステップ」水−脂肪分離アプローチを実現し、この２ステップ水−脂肪分離技法の「第１のステップ」は、複合源画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」は、強度画像を使用する水−脂肪分離アルゴリズムを使用する。水−脂肪分離技法の第１のステップから出力された水−脂肪含量の推定値は、それによって水−脂肪曖昧さを回避し、第２のステップの推定における速い収束を提供する水−脂肪含量に対する初期推測値（ｉｎｉｔｉａｌ ｇｕｅｓｓ）として、第２のステップの水−脂肪分離アルゴリズムに入力される。
【００２４】
技法７０は、複数のエコーを生成するように構成された磁気共鳴（ＭＲ）パルス系列を印加するブロック７２から始まる。本発明の実施形態によれば、例えばスピンエコー（ｓｐｉｎ−ｅｃｈｏ）、ファストスピンエコー（ｆａｓｔ−ｓｐｉｎ−ｅｃｈｏ）（ＦＳＥ）、スポイルドグラジエントエコーイメージング（ｓｐｏｉｌｅｄ ｇｒａｄｉｅｎｔ ｅｃｈｏ ｉｍａｇｉｎｇ）（ＳＰＧＲ）、定常自由歳差運動（ｓｔｅａｄｙ ｓｔａｔｅ ｆｒｅｅ ｐｒｅｃｅｓｓｉｏｎ）（ＳＳＦＰ）、グラジエントリコールドアクジションインステディステートイメージング（ｇｒａｄｉｅｎｔ ｒｅｃａｌｌｅｄ ａｃｑｕｉｓｉｔｉｏｎ ｉｎ ｓｔｅａｄｙ ｓｔａｔｅ ｉｍａｇｉｎｇ）（ＧＲＡＳＳ）パルス系列など、エコーコヒーレント時間ＭＲ撮像（ｅｃｈｏ−ｃｏｈｅｒｅｎｔ ｔｉｍｅ ＭＲ ｉｍａｇｉｎｇ）に対応したさまざまなパルス系列のうちの任意のパルス系列を使用することができる。ブロック７４で、ＭＲパルス系列が印加されたことに応答して生成されたエコーから、マルチエコー源データないしマルチエコー源信号（すなわち画像源信号）を取得する。このマルチエコー源データは、位相情報と強度情報（すなわち位相成分と強度成分）の両方を含むという点で、複合源画像データセットの形態を有する。そのため、このマルチエコー源データは、その中に、水信号と脂肪信号の両方に対する位相情報を含み、水信号および脂肪信号に対する位相情報は、これらの複数のエコー全体にわたって存在する水と脂肪の間の化学シフトによって分離されている。
【００２５】
マルチエコー源データを取得した後、ブロック７６（すなわち「第１のステップ」）で、第１の水−脂肪分離アルゴリズムを適用する。この第１の水−脂肪分離アルゴリズムは、各ボクセルの水含量および脂肪含量を推定するために、複合源データ、すなわちマルチエコー源データ中の位相情報と強度情報の両方を受け取り、解析する。すなわち、第１の水−脂肪分離アルゴリズムは、その結果として水画像および脂肪画像を与える組織の各ピクセル／ボクセルの水−脂肪含量を、マルチエコー源データ中の位相データおよび強度データに基づいて推定する。
【００２６】
ブロック７６に対して、複合源信号を使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の実施形態によれば、２ポイント、３ポイントまたは他のマルチポイントアプローチがエコーを使用して、水−脂肪化学シフトからの位相のずれをサンプリングする、Ｄｉｘｏｎ再構成アルゴリズムに基づくさまざまなマルチエコー水−脂肪分離技法を使用することができる。本発明の例示的な一実施形態によれば、ブロック７６で、Ｔ２＊減衰（Ｔ２＊ ｄｅｃａｙ）を補償するＩＤＥＡＬ（Ｉｔｅｒａｔｉｖｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ Ｗａｔｅｒ ａｎｄ Ｆａｔ ｗｉｔｈ Ｅｃｈｏ Ａｓｙｍｍｅｔｒｙ ａｎｄ Ｌｅａｓｔ Ｓｑｕａｒｅ Ｅｓｔｉｍａｔｉｏｎ）技法（すなわちＴ２＊−ＩＤＥＡＬ）を、２ステップ水−脂肪分離技法７０の第１のステップとして適用する。Ｔ２＊−ＩＤＥＡＬアプローチに従って実行されるものとしてブロック７６を以下に説明するが、複合源画像を実現する他の技法を使用することもできることが理解される。したがって、Ｔ２＊−ＩＤＥＡＬアプローチを実現する以下の実施形態が本発明の範囲を限定することは意図されていない。
【００２７】
Ｔ２＊−ＩＤＥＡＬの一実施態様によれば、あるグラジエントエコー（ｇｒａｄｉｅｎｔ−ｅｃｈｏ）（ＧＲＥ）撮像系列を印加して、３つ以上のＭＲＩ信号を取得する。同じボクセルに共存する水成分と脂肪成分が同様のＴ２＊値を有すると仮定すると、エコー時刻（ｔｉ、ｉ＝１、２、３、．．．ｋ、ｋ＝取得されるエコーの数）におけるボクセルの信号（Ｓｉ）を下式のように表すことができる。
【００２８】
【数１】
上式で、ｗおよびｆはそれぞれ、このボクセル内の水成分および脂肪成分を表し、Δｆは、水に対する脂肪の化学シフトであり、Ψは、このボクセルにおけるＢ０場の不均質性（Ｈｚ）、すなわちフィールドマップを表し、ｎｉはこの信号中の雑音であり、Ｒ２＊＝１／Ｔ２＊である。
【００２９】
さらに、下式のような「複素場関数（ｃｏｍｐｌｅｘ ｆｉｅｌｄ ｍａｐ）」を導入する。
【００３０】
【数２】
次いで、「複素場関数」
【００３１】
【数３】
、水含量および脂肪含量を計算することができる。最初に、以下に概要を示す反復型アルゴリズムを使用して「複素場関数」
【００３２】
【数４】
を解く。
【００３３】
１．複素場関数に対する初期推測値
【００３４】
【数５】
を使用して、各化学種からの信号を推定する。
【００３５】
【数６】
に対する有用な初期推測値は０Ｈｚである。
【００３６】
２．複素場関数に対する誤差
【００３７】
【数７】
を計算する。
【００３８】
３．
【００３９】
【数８】
を再計算する。
【００４０】
４．種信号
【００４１】
【数９】
および
【００４２】
【数１０】
を、
【００４３】
【数１１】
の新たな推定値を用いて再計算する。
【００４４】
５．
【００４５】
【数１２】
が小さくなる（例えば＜１Ｈｚ）まで直上の３つのステップを繰り返す。
【００４６】
６．低域フィルタを用いて最終的な複素場関数
【００４７】
【数１３】
を空間フィルタリングする（平滑化する）。
【００４８】
７．水画像および脂肪画像の最終的な推定値を再計算する。
【００４９】
次いで、
【００５０】
【数１４】
の収束値を分解し、実数部および虚数部を、フィールドマップおよびＲ２＊マップの推定値に割り当てる。下式によって示すように、
【００５１】
【数１５】
によって源信号を復調し、それによってＢ０場不均質性とＴ２＊減衰の両方を同時に補正する。
【００５２】
【数１６】
全てのエコーを考慮すると、［式３］を行列の形で表すことができる。
【００５３】
【数１７】
Ｔ２＊補正後は、雑音（ｎ’）の分散が全てのエコーに対して等しいわけではないことに留意されたい。
【００５４】
【数１８】
信号は指数関数的に減衰するため、［式５］は、フィールドマップおよびＴ２＊（ｓ’）に対する補正後の源信号が、より初期のエコーにおいて、より少ない雑音を有することを示唆している。これは直観的な帰結である。この異なる雑音の分散を考慮するため、以下に示す、加重最小２乗反転（ｗｅｉｇｈｔｅｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｉｎｖｅｒｓｉｏｎ）から水成分および脂肪成分を得る。
【００５５】
【数１９】
上式で、重みは
【００５６】
【数２０】
によって与えられる。値Ｒ２＊は、上記の
【００５７】
【数２１】
の反復推定から得られる。
【００５８】
このようにして、複合源データの位相情報および強度情報を解析するブロック７６でのＴ２＊−ＩＤＥＡＬアルゴリズムの適用に基づく［式６］から、ＲＯＩの水含量および脂肪含量の推定値を得る。次いで、ブロック７８で、水含量および脂肪含量の推定値を出力する。本発明の実施形態によれば、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力される水−脂肪含量推定値は、マルチエコー源データ（すなわち源画像）中の位相誤差の影響を受ける可能性があると理解されるという点で、「粗い」推定値または「初期」推定値とみなされる。
【００５９】
Ｔ２＊−ＩＤＥＡＬアルゴリズムを第１の水−脂肪分離アルゴリズムとして使用する本発明の一実施形態によれば、ブロック７８で、水−脂肪含量の出力に加えて、括弧内に示されているように、Ｔ２＊−ＩＤＥＡＬアルゴリズムから得られたＲ２＊の推定値も出力される。Ｔ２＊−ＩＤＥＡＬアルゴリズムは主に、エコー間の強度の変化に依存してＲ２＊を推定するため、Ｒ２＊の推定に関しては位相誤差による誤差を無視することができる。したがって、ブロック７６から生成されるＲ２＊推定値またはマップを、Ｒ２＊に対する最終推定値として取り扱う。本発明の例示的な一実施形態によれば、Ｔ２＊減衰に関してマルチエコー源データを補正するため、ブロック８０（破線で示されている）で、Ｒ２＊に対するこの最終推定値をマルチエコー源データに適用する。すなわち、ブロック８０で、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力されたＲ２＊に対する推定値に基づいて、ブロック７２で取得した最初のマルチエコー源データをＴ２＊減衰に対して補正する。ブロック７８で出力されるＲ２＊の推定値およびブロック８０でのＴ２＊減衰に対する補正は、Ｔ２＊−ＩＤＥＡＬアルゴリズムを使用するときには適用され、複合源信号を使用して水と脂肪を分離する他の水−脂肪分離アルゴリズムを使用するときには適用されないことがある任意選択のステップであることが理解される。
【００６０】
図２をさらに参照すると、ブロック７８で、第１の水−脂肪分離アルゴリズムから水−脂肪含量推定値を出力した後、この技法は続いて、ブロック８２（すなわち「第２のステップ」）で、第２の水−脂肪分離アルゴリズムを適用する。この第２の水−脂肪分離アルゴリズムは、ＲＯＩの水含量および脂肪含量を推定するために、複合源データに含まれる強度情報だけを解析し、位相情報を利用しない。すなわち、この第２の水−脂肪分離アルゴリズムは、ＲＯＩ内の組織の各ピクセル／ボクセルに対する水−脂肪含量を、マルチエコー源データ中の強度データに基づいて推定する。この第２の水−脂肪分離アルゴリズムは、強度源画像を解析して、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。
【００６１】
この第２の水−脂肪分離アルゴリズムは、ブロック８０から出力された補正された（すなわちＴ２＊減衰に対して補正された）マルチエコー源データを入力として受け取る。前述のとおり、この第２の水−脂肪分離アルゴリズムには、複合マルチエコー源データからの強度情報（強度源画像）だけが入力される。したがって、この第２の水−脂肪分離アルゴリズムにおける水および脂肪含量の推定は、源画像の位相情報には依存せず、したがって、このような推定は、源データ中の位相誤差の影響を全く受けない。しかしながら、式の非線形性および非凸性のため、水−脂肪含量の推定（すなわち再構成）は難しく、曲線の当てはめは、初期推測値の影響を強く受けることがある。したがって、この第２の水−脂肪分離アルゴリズムに対する他の入力として、ブロック７８でＴ２＊−ＩＤＥＡＬアルゴリズムから出力された水−脂肪含量の推定値を、ＲＯＩの実際の水−脂肪含量に対する初期推測値として使用する。Ｔ２＊−ＩＤＥＡＬアルゴリズムからの水および脂肪含量推定値は、源画像中の位相誤差のため定量的にはおそらく正確ではないが、真の水および脂肪量に非常に近いはずである。したがって、Ｔ２＊−ＩＤＥＡＬアルゴリズムからの水および脂肪含量推定値は、ブロック８２の強度源データ中の水および脂肪含量の推定に対する優れた初期推測値の役目を果たし、それによってブロック７６からの推定値の速い収束および追加の調整を保証し、水および脂肪画像の効率的な再構成を提供する。
【００６２】
ブロック８２に対して、強度源信号だけを使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の例示的な一実施形態によれば、「ガウス−ニュートン（Ｇａｕｓｓ−Ｎｅｗｔｏｎ）」サーチ（ｓｅａｒｃｈ）アルゴリズムなどの非線形推定アルゴリズムを使用する。ガウス−ニュートンアルゴリズムを使用する際には、マルチエコー源データからの強度信号（Ｓｉ）を下式のように記述することができる。
【００６３】
【数２２】
上式で、ｗおよびｆは水含量および脂肪含量、ｉはエコーの添字（Ｉ＝１．．．ｎ、エコーの数）、ｃｉは脂肪信号変調項であり、ａｉ＝｜ｃｉ｜、ｂｉ＝Ｒｅ｛ｃｉ｝である。
【００６４】
脂肪を、化学シフトΔｆを有する単一のピークとみなす場合には、以下のようになる。
【００６５】
【数２３】
Ｐ個の離散ピークを有するマルチピーク脂肪スペクトルを仮定する場合には、以下のようになる。
【００６６】
【数２４】
ａｉ＝１である単一ピークの場合に関しては、この式においてｗとｆを交換することができる。したがって、（ｗ，ｆ）がこの式の一組の解である場合、（ｆ，ｗ）も一組の解である。このことは、他のアプリオリ情報なしでは解くことができない固有の曖昧さである。
【００６７】
次いで、下記の［式１０〜１５］に示す反復型アルゴリズムを使用して、水および脂肪含量を、上式［式７］に基づいて解く。最初に、ブロック７８からの水および脂肪値（ｗ１，ｆ１）を、下式に従って初期推測値としてセットする。
【００６８】
【数２５】
次に、現在の推定値に対応する信号を下式のように計算する。
【００６９】
【数２６】
次いで、誤差項を下式のように計算し、
【００７０】
【数２７】
行列Ｂを下記のように定義する。
【００７１】
【数２８】
したがって、線形最小２乗反転は、誤差項の推定値（ΔｗおよびΔｆ）を下式に従って与える。
【００７２】
【数２９】
次いで、現在の推定値を下式のように更新する。
【００７３】
【数３０】
次いで、反復が収束し、かつ／または反復の最大数に到達したかどうかの判定を実施する。反復が収束しておらず、かつ反復の最大数にも達していない場合、この反復アルゴリズムは［式１０］に戻る。反復が収束し、かつ／または反復の最大数に到達した場合には、この反復アルゴリズムは終了となり、
【００７４】
【数３１】
および
【００７５】
【数３２】
に対する許容される推定値が得られたと判定される。
【００７６】
このようにして、複合源データの強度情報を解析するブロック８２でのガウス−ニュートンアルゴリズムの適用に基づく［式１５］から、ＲＯＩの水含量および脂肪含量の推定値を得る。次いで、ブロック８４で、水含量および脂肪含量の推定値を出力する。ブロック８４で出力される水含量および脂肪含量の推定値は、可能な位相誤差を考慮するためにブロック７６から得た「粗い」または「初期」水−脂肪含量推定値を微調整したものであるという点で、「修正された」推定値または「更新された」推定値とみなされる。
【００７７】
ブロック８４で修正／更新された水−脂肪含量推定値を出力した後、技法７０は続いて、ブロック８５で、水含量および脂肪含量の初期推定値と水含量および脂肪含量の修正された推定値とを結合する。本発明の例示的な一実施形態によれば、ブロック８５では、水含量および脂肪含量の初期推定値とそれらの修正された推定値との加重結合（ｗｅｉｇｈｔｅｄ ｃｏｍｂｉｎａｔｉｏｎ）を求める。この加重結合から、ブロック８６で、水および脂肪画像を再構成し、ブロック８８で、脂肪フラクション画像を再構成する。この脂肪フラクション画像を使用して、例えば肝臓の脂肪浸潤を定量化し、またはＲＯＩの他の定量的な解析を提供することができる。本発明の他の実施形態によれば、ブロック８５で実行する水含量および脂肪含量の初期推定値と水含量および脂肪含量の修正された推定値との結合を実行せずに、ブロック８４で出力された修正／更新された水−脂肪含量推定値から、水、脂肪および脂肪フラクション画像を直接に再構成することができることが理解される。
【００７８】
次に図３〜５を参照すると、ファントム（ｐｈａｎｔｏｍ）スキャン（図３）、健康な志願者の生体内（ｉｎ ｖｉｖｏ）スキャン（図４）および重症の鉄過剰負荷を有する患者のスキャン（図５）の結果が示されている。３つの全てのケースで、２Ｄ−ＳＰＧＲ系列（ファントムスキャン）および３Ｄ−ＳＰＧＲ系列（生体内スキャン）を使用して６つのエコーを集めた。図３〜５にはそれぞれ、１ステップ水−脂肪分離アプローチの結果（画像９０）と２ステップ水−脂肪分離アプローチの結果（画像９２）とを比較する画像が示されている。２ステップ水−脂肪分離によって取得した画像９２に関しては、Ｔ２＊−ＩＤＥＡＬアルゴリズムおよびガウス−ニュートンアルゴリズムを実行して、第１の推定ステップでは複合源データの位相および強度情報を使用して水−脂肪含量を推定し、第２の推定ステップでは源データの強度情報だけを使用して水−脂肪含量を推定する、図２に関して示し、説明した２ステップ水−脂肪分離技法７０を使用してこのような画像を取得した。図３〜５のそれぞれから分かるように、１ステップ水−脂肪分離技法（例えばＴ２＊−ＩＤＥＡＬ）を介して取得した画像９０は、複合源データを使用した水−脂肪含量の１回の推定に基づく水−脂肪分離を示し、３つの全てのスキャンにおいて、脂肪画像内へ漏れた少量の肝臓（または水）信号として反映された「脂肪肝」アーチファクトを示す。図３〜５にそれぞれ示された「微調整された」画像９２は、第１のステップでは複合源データを使用し、第２のステップでは強度源データだけを使用する水−脂肪含量の２ステップ推定に基づいて生成される。図３〜５から分かるように、微調整された画像９２は、Ｔ２＊−ＩＤＥＡＬアルゴリズムだけを適用することによって生成された画像９０に存在する「脂肪肝」アーチファクトを除去する。微調整された画像９２では、脂肪画像において水および肝臓が雑音のように見え、このことは、例えば肝臓内の脂肪フラクションをより正確に測定できることにつながる。
【００７９】
前述の技法７０（図２）は、「第１のステップ」が、複合源画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」が、強度画像と、第１のステップから出力された初期推測値とを使用する水−脂肪分離アルゴリズムを使用する、２ステップ水−脂肪分離技法を対象としているが、本発明の追加の実施形態によれば、他の２ステップ水−脂肪分離技法を使用することもできることが理解される。
【００８０】
次に図６を参照すると、本発明の他の実施形態による、被験者の脂肪フラクション定量化解析を実行するコンピュータ実現技法１００（例えば図１のコンピュータシステム２０によって実現される技法）が示されている。技法１００は、例えばスピンエコー、ファストスピンエコー（ＦＳＥ）、スポイルドグラジエントエコーイメージング（ＳＰＧＲ）、定常自由歳差運動（ＳＳＦＰ）、グラジエントリコールドアクジションインステディステートイメージング（ＧＲＡＳＳ）パルス系列など、複数のエコーを生成するように構成された磁気共鳴（ＭＲ）パルス系列を印加するブロック１０２から始まる。ブロック１０４で、ＭＲパルス系列が印加されたことに応答して生成されたエコーから、マルチエコー源データないしマルチエコー源信号（すなわち画像源信号）を取得する。このマルチエコー源データは、位相情報と強度情報（すなわち位相成分と強度成分）の両方を含むという点で、複合源画像データセットの形態を有する。そのため、このマルチエコー源データは、その中に、水信号と脂肪信号の両方に対する位相情報を含み、水信号および脂肪信号に対する位相情報は、これらの複数のエコー全体にわたって存在する水と脂肪の間の化学シフトによって分離されている。
【００８１】
マルチエコー源データを取得した後、ブロック１０６（すなわち「第１のステップ」）で、第１の水−脂肪分離アルゴリズムを適用し、ブロック１０８（すなわち「第２のステップ」）で、第１の水−脂肪分離アルゴリズムから独立した第２の水−脂肪分離アルゴリズムを適用する。第１の水−脂肪分離アルゴリズムと第２の水−脂肪分離アルゴリズムは互いに独立して適用されるため、図６に示すように、ブロック１０６、１０８では、これらのアルゴリズムを同時に適用することができる。すなわち、図２の技法７０と比べると、第１の水−脂肪分離アルゴリズムからの出力が、第２の水−脂肪分離アルゴリズムに、初期推測値として適用されることはない。
【００８２】
ブロック１０６で適用する第１の水−脂肪分離アルゴリズムに関して、この第１の水−脂肪分離アルゴリズムは、各ボクセルの水含量および脂肪含量を推定するために、複合源データ、すなわちマルチエコー源データ中の位相情報と強度情報の両方を受け取り、解析する。すなわち、第１の水−脂肪分離アルゴリズムは、その結果として水画像および脂肪画像を与える組織の各ピクセル／ボクセルの水−脂肪含量を、マルチエコー源データ中の位相データおよび強度データに基づいて推定する。複合源信号を使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。本発明の実施形態によれば、上記［式１〜６］に詳細に示したＴ２＊−ＩＤＥＡＬなど、２ポイント、３ポイントまたは他のマルチポイントアプローチがエコーを使用して、水−脂肪化学シフトからの位相のずれをサンプリングする、Ｄｉｘｏｎ再構成アルゴリズムに基づくさまざまなマルチエコー水−脂肪分離技法を使用することができる。
【００８３】
ブロック１０８で適用する第２の水−脂肪分離アルゴリズムに関して、この第２の水−脂肪分離アルゴリズムは、ＲＯＩの水含量および脂肪含量を推定するために、複合源データに含まれる強度情報だけを受け取り、解析し、位相情報を利用しない。すなわち、この第２の水−脂肪分離アルゴリズムは、ＲＯＩ内の組織の各ピクセル／ボクセルに対する水−脂肪含量を、マルチエコー源データ中の強度データに基づいて推定する。この第２の水−脂肪分離アルゴリズムは、強度源画像を解析して、源データ中の位相誤差の影響を受けない水−脂肪含量推定値を提供する。これは、水−脂肪含量の解析から源データ中の位相成分／情報が除かれるためである。上記［式７〜１５］に詳細に示した「ガウス−ニュートン」サーチアルゴリズムなど、強度源信号だけを使用して水と脂肪を分離するさまざまな水−脂肪分離アルゴリズムのうちの任意のアルゴリズムを適用することができることが理解される。
【００８４】
図６をさらに参照すると、ブロック１１０で、第１の水−脂肪分離アルゴリズムによって提供された水含量および脂肪含量の第１の推定値を出力し、ブロック１１２で、第２の水−脂肪分離アルゴリズムによって提供された水含量および脂肪含量の第２の推定値を出力する。ブロック１１０、１１２で水−脂肪含量の第１および第２の推定値を得た後、技法１００は続いて、ブロック１１４で、水−脂肪含量の「最終的な」推定値または「修正された」推定値を計算する。例示的な一実施形態によれば、水−脂肪含量の「最終的な」推定値を決定するため、ブロック１１４で、第１および第２の水−脂肪分離アルゴリズムからの水−脂肪含量推定値の加重結合を計算する。次いで、ブロック１１６および１１８で、水−脂肪含量のこの「最終的な」推定値に基づいて、脂肪フラクションの定量化および画像再構成（すなわち水、脂肪および脂肪フラクション画像）を実行する。
【００８５】
本発明の追加の実施形態によれば、図２および６に関して説明した２ステップ水−脂肪分離技法以外の他の２ステップ水−脂肪分離技法を使用することができること、またはこれらの「ステップ」の順序を逆にすることができることが理解される。このような一実施形態では、「第１のステップ」が、強度画像を使用する水−脂肪分離アルゴリズムを使用し、「第２のステップ」では、複合源画像ベースの水−脂肪分離技法が適用される。「第１のステップ」の結果にまつわる水−脂肪曖昧さの問題を解決するため、「第２のステップ」の結果が使用される。さらに、上記の［式１〜１５］に示したもの以外の他の複合データおよび強度データの公式化を実施することができること、ならびに、「第２のステップ」のアルゴリズムが、「第１のステップ」のアルゴリズムと同じモデルを使用する必要はないことが理解される。例えば、「第２のステップ」のアルゴリズムは、「第１のステップ」のアルゴリズムから出力された「初期」Ｔ２＊推定値を同じように利用して、水のＴ２＊と脂肪のＴ２＊を別々に推定することができる。このような一実施形態では、「第１のステップ」のアルゴリズムから出力されたＴ２＊推定値を、第２のステップで推定する水のＴ２＊と脂肪のＴ２＊のそれぞれに対する初期推測値とすることになる。他の例として、第２の水−脂肪分離アルゴリズムがマルチピーク脂肪スペクトルモデルを使用し、第１の水−脂肪分離アルゴリズムが単一ピーク脂肪スペクトルモデルを使用することもでき、またはこの逆も可能である。
【００８６】
開示した方法および装置の技術的な寄与は、それらが、ＭＲ撮像において、種信号を、２ステップ分離アプローチを使用して定量的に分離するコンピュータ実現技法を提供することである。
【００８７】
したがって、本発明の一実施形態によれば、ＭＲ撮像装置は、マグネットの穴の周りに配置された複数のグラジエントコイルと、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリにＲＦ信号を送信するようにパルスモジュールによって制御されるＲＦトランシーバシステムおよびＲＦスイッチとを有する磁気共鳴撮像（ＭＲＩ）システムを含む。このＭＲ撮像装置はさらにコンピュータを含み、このコンピュータは、ＭＲＩシステムがパルス系列を印加するようにし、パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、マルチエコー源データに基づいて、第１の種含量の第２の推定値および第２の種含量の第２の推定値を決定するようにプログラムされている。
【００８８】
本発明の他の実施形態によれば、コンピュータ可読記憶媒体上にコンピュータプログラムが記憶されており、このコンピュータプログラムは、撮像対象の関心領域に対する複数の源画像データセットをコンピュータに取得させる命令を含み、この複数の源画像データセットは、磁気共鳴（ＭＲ）パルス系列に応答して生成されたマルチエコー源データから取得され、位相成分および強度成分を含む。このコンピュータプログラムはさらに、この複数の源画像データセットを第１の種分離アルゴリズムに入力し、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第１の種分離アルゴリズムから決定し、この複数の源画像データセットならびに第１および第２の種の決定された量を第２の種分離アルゴリズムに入力するように、コンピュータに命令する。このコンピュータプログラムはさらに、関心領域内の複数のそれぞれのボクセルに対する第１の種および第２の種の量を第２の種分離アルゴリズムから再決定し、第１の種および第２の種の再決定された量から第１の種および第２の種に対する画像を生成するように、コンピュータに命令する。
【００８９】
本発明のさらに別の実施形態によれば、少なくとも第１の種および第２の種をその中に含む関心領域をＭＲ撮像する方法は、磁気共鳴（ＭＲ）パルス系列を印加し、ＭＲパルス系列に応答して生成されたエコーから複数の画像源信号を取得することを含み、この複数の画像信号は、第１の種からの信号および第２の種からの信号を含む。この方法はさらに、この複数の画像源信号中の位相データおよび強度データに基づいて第１の種含量および第２の種含量の第１の推定を実行し、この複数の画像源信号中の強度データに基づいて、位相データを使用せずに、第１の種含量および第２の種含量の第２の推定を実行し、第１の推定と第２の推定のうちの少なくとも一方に基づいて関心領域の少なくとも１つの画像を生成することを含む。
【００９０】
本発明をその最良の形態を含めて開示するため、ならびに任意の装置またはシステムを製作し、使用すること、および組み込まれた任意の方法を実行することを含め、当業者が本発明を実施することを可能にするために、本明細書はいくつかの例を使用する。本発明の特許を受けられる範囲は特許請求の範囲によって定義され、この範囲が、当業者が思いつくその他の例を含むことがある。このようなその他の例は、それらが特許請求の範囲の文字表現と異ならない構造要素を有する場合、またはそれらが特許請求の範囲の文字表現との差異が実質的にない等価の構造要素を含む場合に、特許請求の範囲に含まれることが意図されている。
【符号の説明】
【００９１】
１０ ＭＲＩシステム
１２ オペレータコンソール
１３ 入力デバイス
１４ 制御パネル
１６ 表示画面
１８ リンク
２０ コンピュータシステム
２０ａ バックプレーン
２２ 画像処理装置モジュール
２４ ＣＰＵモジュール
２６ 記憶装置モジュール
３２ システム制御装置
３２ａ バックプレーン
３４ 直列リンク
３６ ＣＰＵモジュール
３８ パルス発生器モジュール
４０ 直列リンク
４２ グラジエント増幅器セット
４４ 生理的取得コントローラ
４６ スキャン室インタフェース回路
４８ 患者位置決めシステム
５０ グラジエントコイルアセンブリ
５２ 共鳴アセンブリ
５４ 分極マグネット
５６ 全身ＲＦコイル
５８ トランシーバモジュール
６０ ＲＦ増幅器
６２ 送信／受信スイッチ
６４ 前置増幅器
６６ 記憶装置モジュール
６８ アレイ処理装置
９０ 画像
９２ 画像
【特許請求の範囲】
【請求項１】
マグネット（５４）の穴の周りに配置された複数のグラジエントコイル（５０）と、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリ（５６）にＲＦ信号を送信するようにパルスモジュール（３８）によって制御されるＲＦトランシーバシステム（５８）およびＲＦスイッチ（６２）とを有する磁気共鳴撮像（ＭＲＩ）システム（１０）と、
コンピュータ（２０）と
を備えるＭＲｉ装置であって、前記コンピュータ（２０）が、
前記ＭＲＩシステム（１０）がパルス系列を印加するようにし、
前記パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、
前記マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、
前記マルチエコー源データに基づいて、前記第１の種含量の第２の推定値および前記第２の種含量の第２の推定値を決定する、
ようにプログラムされているＭＲＩ装置。
【請求項２】
Ｄｉｘｏｎベースのアルゴリズムを適用して、前記マルチエコー源データの前記位相成分および強度成分に基づいて、前記第１の種含量および前記第２の種含量の前記第１の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項３】
反復最小２乗分解アルゴリズムを適用して、前記第１の種含量および前記第２の種含量の前記第１の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項２記載のＭＲＩ装置。
【請求項４】
非線形推定アルゴリズムを適用して、前記マルチエコー源データの前記強度成分に基づいて、前記第１の種含量および前記第２の種含量の前記第２の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項５】
前記コンピュータ（２０）が、
前記マルチエコー源データの前記強度成分を前記非線形推定アルゴリズムに入力し、
前記第１の種含量および前記第２の種含量の前記第１の推定値を、前記第１および第２の種含量の前記第２の推定値の初期推測値として前記非線形推定アルゴリズムに入力し、
前記マルチエコー源データの前記強度成分ならびに前記第１の種含量および前記第２の種含量の前記第１の推定値に基づいて、前記第１の種含量の前記第２の推定値および前記第２の種含量の前記第２の推定値を決定する
ようにプログラムされている、請求項４記載のＭＲＩ装置。
【請求項６】
前記コンピュータ（２０）が、
前記マルチエコー源データに対するＴ２＊減衰を推定し、
前記推定されたＴ２＊減衰に基づいて前記マルチエコー源データに補正を適用し、
前記補正されたマルチエコー源データの前記強度成分ならびに前記第１の種含量および前記第２の種含量の前記第１の推定値に基づいて、前記第１の種含量の前記第２の推定値および前記第２の種含量の前記第２の推定値を決定する
ようにプログラムされている、請求項５記載のＭＲＩ装置。
【請求項７】
前記第１の種が水を含み、前記第２の種が脂肪を含み、
前記コンピュータ（２０）が、水含量の前記第１の推定値および脂肪含量の前記第１の推定値に基づいて、かつ前記水含量の前記第２の推定値および前記脂肪含量の前記第２の推定値に基づいて、前記関心領域の脂肪フラクションを定量するようにプログラムされている、
請求項１記載のＭＲＩ装置。
【請求項８】
前記水含量の前記第２の推定値および前記脂肪含量の前記第２の推定値に基づいて、前記水含量の前記第１の推定値および前記脂肪含量の前記第１の推定値から、水画像、脂肪画像および脂肪フラクション画像を再構成するように、前記コンピュータ（２０）がプログラムされている、請求項７記載のＭＲＩ装置。
【請求項９】
前記ＭＲＩシステム（１０）が、スピンエコー系列、ファストスピンエコー（ＦＳＥ）系列、スポイルドグラジエントエコーイメージング（ＳＰＧＲ）系列、定常自由歳差運動撮像（ＳＳＦＰ）系列およびグラジエントリコールドアクジションインステディステートイメージング（ＧＲＡＳＳ）系列のうちの１つを印加するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項１０】
前記第１および第２の種含量の前記第１の推定値と前記第１および第２の種含量の前記第２の推定値の加重結合を計算するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項１】
マグネット（５４）の穴の周りに配置された複数のグラジエントコイル（５０）と、関心領域のＭＲ画像を取得するためにＲＦコイルアセンブリ（５６）にＲＦ信号を送信するようにパルスモジュール（３８）によって制御されるＲＦトランシーバシステム（５８）およびＲＦスイッチ（６２）とを有する磁気共鳴撮像（ＭＲＩ）システム（１０）と、
コンピュータ（２０）と
を備えるＭＲｉ装置であって、前記コンピュータ（２０）が、
前記ＭＲＩシステム（１０）がパルス系列を印加するようにし、
前記パルス系列に対するマルチエコー源データであり、位相成分および強度成分を含むマルチエコー源データを取得し、
前記マルチエコー源データに基づいて、第１の種含量の第１の推定値および第２の種含量の第１の推定値を決定し、
前記マルチエコー源データに基づいて、前記第１の種含量の第２の推定値および前記第２の種含量の第２の推定値を決定する、
ようにプログラムされているＭＲＩ装置。
【請求項２】
Ｄｉｘｏｎベースのアルゴリズムを適用して、前記マルチエコー源データの前記位相成分および強度成分に基づいて、前記第１の種含量および前記第２の種含量の前記第１の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項３】
反復最小２乗分解アルゴリズムを適用して、前記第１の種含量および前記第２の種含量の前記第１の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項２記載のＭＲＩ装置。
【請求項４】
非線形推定アルゴリズムを適用して、前記マルチエコー源データの前記強度成分に基づいて、前記第１の種含量および前記第２の種含量の前記第２の推定値を決定するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項５】
前記コンピュータ（２０）が、
前記マルチエコー源データの前記強度成分を前記非線形推定アルゴリズムに入力し、
前記第１の種含量および前記第２の種含量の前記第１の推定値を、前記第１および第２の種含量の前記第２の推定値の初期推測値として前記非線形推定アルゴリズムに入力し、
前記マルチエコー源データの前記強度成分ならびに前記第１の種含量および前記第２の種含量の前記第１の推定値に基づいて、前記第１の種含量の前記第２の推定値および前記第２の種含量の前記第２の推定値を決定する
ようにプログラムされている、請求項４記載のＭＲＩ装置。
【請求項６】
前記コンピュータ（２０）が、
前記マルチエコー源データに対するＴ２＊減衰を推定し、
前記推定されたＴ２＊減衰に基づいて前記マルチエコー源データに補正を適用し、
前記補正されたマルチエコー源データの前記強度成分ならびに前記第１の種含量および前記第２の種含量の前記第１の推定値に基づいて、前記第１の種含量の前記第２の推定値および前記第２の種含量の前記第２の推定値を決定する
ようにプログラムされている、請求項５記載のＭＲＩ装置。
【請求項７】
前記第１の種が水を含み、前記第２の種が脂肪を含み、
前記コンピュータ（２０）が、水含量の前記第１の推定値および脂肪含量の前記第１の推定値に基づいて、かつ前記水含量の前記第２の推定値および前記脂肪含量の前記第２の推定値に基づいて、前記関心領域の脂肪フラクションを定量するようにプログラムされている、
請求項１記載のＭＲＩ装置。
【請求項８】
前記水含量の前記第２の推定値および前記脂肪含量の前記第２の推定値に基づいて、前記水含量の前記第１の推定値および前記脂肪含量の前記第１の推定値から、水画像、脂肪画像および脂肪フラクション画像を再構成するように、前記コンピュータ（２０）がプログラムされている、請求項７記載のＭＲＩ装置。
【請求項９】
前記ＭＲＩシステム（１０）が、スピンエコー系列、ファストスピンエコー（ＦＳＥ）系列、スポイルドグラジエントエコーイメージング（ＳＰＧＲ）系列、定常自由歳差運動撮像（ＳＳＦＰ）系列およびグラジエントリコールドアクジションインステディステートイメージング（ＧＲＡＳＳ）系列のうちの１つを印加するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【請求項１０】
前記第１および第２の種含量の前記第１の推定値と前記第１および第２の種含量の前記第２の推定値の加重結合を計算するように、前記コンピュータ（２０）がプログラムされている、請求項１記載のＭＲＩ装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１１−１２５７０３（Ｐ２０１１−１２５７０３Ａ）
【公開日】平成２３年６月３０日（２０１１．６．３０）
【国際特許分類】
【出願番号】特願２０１０−２７８２３３（Ｐ２０１０−２７８２３３）
【出願日】平成２２年１２月１４日（２０１０．１２．１４）
【出願人】（３９００４１５４２）ゼネラル・エレクトリック・カンパニイ (6,332)
【氏名又は名称原語表記】ＧＥＮＥＲＡＬ ＥＬＥＣＴＲＩＣ ＣＯＭＰＡＮＹ
【Ｆターム（参考）】
【公開日】平成２３年６月３０日（２０１１．６．３０）
【国際特許分類】
【出願日】平成２２年１２月１４日（２０１０．１２．１４）
【出願人】（３９００４１５４２）ゼネラル・エレクトリック・カンパニイ (6,332)
【氏名又は名称原語表記】ＧＥＮＥＲＡＬ ＥＬＥＣＴＲＩＣ ＣＯＭＰＡＮＹ
【Ｆターム（参考）】
[ Back to top ]