使用高精度线圈感度图的并行MR成象 【技术领域】
本发明涉及根据被检测体的磁化旋转的磁共振现象摄像该被检测体内部的磁共振成象(MRI)，特别涉及在进行使用了由多个线圈要素构成的多线圈的高速MR摄像(并行MR成象)时所必需的线圈感度分布推测装置及其推测方法。
背景技术
磁共振成象是用拉莫尔频率地高频信号磁激励被设置在静磁场中的被检测体的原子核自旋，根据伴随该激励产生的MR信号重新构成图象的摄像方法。
在该磁共振成象领域中，近年来对高速摄像的研究多了起来。作为其一个例子，已知使用多个RF线圈的被总称为并行MR成象(Parallel MR Imaging)法的高速摄像法。该并行MR成象法在历史上也被称为PPA(Partially parallel Acquisition部分并行取得)法或子编码(subencoding)法。
在该并行MR成象中采用了各种各样的形式。在初期，例如提出了论文“Carlson J.W.and Minemura T.，Image Time ReductionThrough Multiple Receiver Coil Data Acquisition and ImageReconstruction，MRM 29：681-688，1993”和“Ra J.B.and Rim C.Y.，Fast Imaging Using Subencoding Data Sets From Multiple Detectors，MRM 30：142-145，1993”。
另外，提出了改良了该初期方法的许多方法。其中有以论文“Sodikson D.K.and Manning W.J.，Simultaneous Acquisition ofSpatial Harmonics(SMASH)：Fast Imaging with RadiofrequencyCoil Arrays，MRM 38：591-603，1997”而知的SMASH法，和以论文“Pruessman K.P.，Weiger M.，Scheidegger M.B.，and Boesiger P.，SENSE：Sensitivity Encoding for Fast MRI，MRM 42：952-962，1999”而知的SENSE法。
在这些并行MR成象法中，基本都是使用由多个RF线圈(要素线圈)构成的所谓多线圈，各线圈同时地接收反射波信号，根据各RF线圈接收的反射波信号独立地生成图象数据。以这样用多个RF线圈同时接收为条件，设置对应于各RF线圈的编码数为图象重新构成所所必需的规定的编码数的RF线圈数减1。由此，每个RF线圈生成的图象的FOV减小，扫描时间减少，但图象端产生折回(被称为wrap-around或folding)。
在图1中，表示了使用该并行MR成象法，在要素线圈数＝2的情况下收集的图象的例子。图1(a)及(b)各自表示了各要素线圈获得的图象。
所以，在该并行MR成象法的情况下，利用多个RF线圈的感度各个不同，来进行作为后处理的展开(unfolding)处理，这些多张图象被合成为最终的全FOV(视野)的图象。在该展开处理中，使用了RF线圈(要素线圈)的空间感度图。这样通过并行MR成象法，在谋求扫描的高速化的同时(高速摄像)，还能获得例如腹部整体那样的广视野的最终图象。
有必要在主扫描之前针对各个MR摄像感度求出感度图。具体地说，根据进行预扫描获得的图象数据进行规定的运算，获得感度数据。对该感度数据还要实施低频滤波处理，或实施多项式配合处理，能获得用于展开处理的感度图。另外，也适用于内插、外插法。
但是，所述各RF线圈的感度信息(即反射波信号)能从存在反射波信号源的区域丰富地获得，但从不存在反射波信号源的区域，例如被检测体的外部的区域或肺部等就较少。因此，所述低频滤波处理或多项式配合处理难以适用于如以肺部为摄像部位那样的，从收集的反射波(原数据)稀少的部位获得图象的情况，另外，即使在外插的情况下，能外插的区域小，要提高感度分布数据的精度其困难也是很多的。
另外，如果实施低频滤波处理或多项式配合处理，则由于在图象边沿部分数据发散，大多显示出异常值，所以难以获得稳定的平滑的感度图。
因而，由于被迫使用精度低且平滑度低的感度图来进行展开处理，所以存在着以下问题：即在最终获得的全FOV的合成图象中也会残留伪迹等，只能获得画质低劣、分辨率低的图象。
【发明内容】
鉴于以上现有技术中存在的问题，本发明的目的在于：提供一种即使在只能收集到稀少的反射波数据的摄像部位(即包含完全不发出反射波信号或只发出低信号值的反射波信号的区域的摄像部位)，也能高精度地推测出构成多线圈的多个要素线圈各自的感度图的线圈感度分布推测装置。另外，本发明的另一个目的在于：提供一种具有这样的推测功能的磁共振成象装置。
为了达到所述目的，本发明的线圈感度分布推测装置其特征在于：包括：生成用于并行MR成象的由多个RF线圈构成的多线圈的初期感度图的生成装置；和用GCS(Global Coverage Splines：全体覆盖样条函数)配合所述初期感度图，来获得展开用的感度图的配合装置。
例如，所述生成装置是附属于对通过所述多个RF线圈分别收集的图象的像素值进行平方和等合成处理，来生成所述初期感度图的装置。另外，所述生成装置也可以是将通过整体用线圈(全身用线圈)收集的图象作为所述初期感度图使用的装置。
另外，例如所述配合装置具有执行GCS的基本函数的自动定位、所述配合处理时向目标点的图象外侧的附加及插入有关所述全感度图的已知信息中的任意一个处理的装置。在这种情况下，例如，所述配合装置具有执行所述GCS的基本函数的自动定位处理的装置，该执行装置是使用将格子点作为控制点的栅格进行自动定定位处理的装置。
进而，根据适合的一个例子，所述生成装置及配合装置被构成为针对MR数据的绝对值成分及相位成分的任意一个或两方进行处理。
另外，本发明的线圈感度分布推测方法是推测用于并行MR成象的由多个RF线圈构成的多线圈的感度分布的方法。该方法的特征在于：生成多线圈的初期感度图，用GCS对初期感度图进行配合，获得展开用感度图。
进而，本发明的磁共振成象装置是使用由多个RF线圈构成的多线圈，获得被检测体的MR图象的装置，其特征在于：包括：根据通过所述多线圈的多个RF线圈接收到的预扫描的反射波数据，分别生成该RF线圈各自的第1感度图的第1生成装置；用GCS(整体覆盖样条函数)配合各个所述第1感度图，分别生成第2感度图的第2生成装置；重新构成通过所述多线圈的多个RF线圈接收到的基于并行MR成象的扫描的反射波数据的再构成装置；使用所述第2感度图，对由该再构成装置重新构成了的图象进行包括展开的处理，获得所述MR图象的图象取得装置。
例如，所述第1生成装置包括作为所述预扫描取得由3维的反射波数据构成的体数据的扫描装置；根据所述体数据计算所述各RF线圈的3维的第1感度图的运算部件，所述第2生成装置是用GCS配合3维的各个所述第1感度图，获得3维的所述第2感度图的装置。在这种情况下，适宜的是，所述图象取得装置包括对应于由所述再构成装置重新构成了的图，从3维的所述第2感度图中切取出截面的感度图的切取装置；使用由该切取装置切取出的截面的2维图，进行所述展开的展开装置。
进而，本发明的磁共振成象装置作为另一种形式，是根据并行MR成象法向被放置在静磁场内的被检测体施加倾斜磁场及高频信号，通过由多个要素线圈构成的多线圈接收由此而从该被检测体产生的MR(磁共振)信号，根据该要素线圈各自接收到的所述MR信号，依据高速摄像法进行成象的MRI(磁共振成象)装置。该装置包括分别接收处理用所述多个要素线圈分别检测出的MR信号，生成接收数据的接收器；具有根据用该接收器分别生成的准备用扫描时的多组接收数据，生成所述多线圈的初期感度图的功能、用GCS配合该初期感度图，获得展开用感度图的配合功能、根据用所述接收器分别生成的成象用扫描时的多组接收数据和所述感度图，依据所述高速摄像法生成图象的功能的运算装置。
这样，由于用GCS配合初期感度图获得最终的感度图，所以与现有技术那样的，依据单纯的低频滤波器或局部多项式配合的提纯法不同，即使在只收集稀少的反射波数据的摄像部位(即包含完全不发出反射波信号或只发出低信号值的反射波信号的区域的摄像部位)，也能高精度地推测出构成多线圈的多个要素线圈各自的展开用感度图。该推测可以是执行基于2维的GCS的配合，也可以是执行基于3维的GCS的配合。
另外，GCS(Global Coverage Splines：全体覆盖样条函数)可以是例如TPS(Thin-plate splines：薄板样条函数)、B-splines(B样条函数)、Bezier Surfaced(贝齐尔曲面)等，涉及宽广区域而进行配合(拟合)的函数。另外，合成处理在平方和(Square Root ofSum-of-Squares；简略为Sum-of-Squares(SoS))之外，还也可以是单纯和等的合成法。
另外，本发明的线圈感度推测的方法还可以用于使用了相控阵列线圈(PAC)的成象(即不是并行MR成象)中的线圈感度的修正。
【附图说明】
图1是表示通过作为多线圈高速摄像法的一个形式的并行MR成象获得的现有图象一个例子的图(用照片表示的图)。
图2是表示本发明的实施例相关的MRI装置(包含线圈感度分布推测装置的功能)的结构例子的功能框图。
图3是表示到通过并行MR成象获得最终的金FOV的MR图象为止的步骤概要的图。
图4是表示到推测用于展开处理的感度图为止的步骤概要的流程图。
图5是表示到计算初期感度图为止的步骤概要的流程图。
图6是示例表示作为线圈图象的全FOV图象和根据该图象生成的初期感度图的图(照片图)。
图7是说明TPS的一个例子的图。
图8是表示TPS配合(拟合)步骤的概要的图。
图9是选择目标点的步骤概要的图。
图10是示例表示基于TPS的配合处理的特征点的处理概要流程图。
图11是说明自动配置栅格(控制点)的一个形式的图。
图12A乃至图12C是说明设置TPS控制点的另一种形式的图。
图13A及图13B是示例表示追加配置图象外部的目标点的状况的图。
图14A乃至图14C是说明在TPS配合中利用已知信息的一个形式的图。
图15是表示初期感度图和展开用感度图的一个例子的图象图(照片图)。
图16是示例表示展开结果的图象图(照片图)。
图17是表示进行基于3维TPS的配合时的、直到通过并行MR成象获得最终的全FOV的MR图象为止的步骤概要的图。
图18是示例表示进行基于3维的TPS的配合时的图象的图(照片图)。
【具体实施方式】
以下，根据附图说明本发明的实施例1。
首先，参照图2，说明该实施例相关的MRI(磁共振成象)装置。另外，该MRI装置在功能上包含本发明的线圈感度分布推测装置。
该MRI装置是使用多线圈实施高速摄像，能获得并行MR成象(parallel MR imaging)图象(也被称为PPA(partial parallelacquisition：部分并行获取)图象)的装置。如图2所示，该MRI装置具有作为被检测体的患者P乘坐的床部件、产生静磁场的静磁场发生部件、用于向静磁场附加位置信息的倾斜磁场发生部件、发送接收高频信号的发送接收部件、承担系统全体的控制及图象重新构成的控制计算部件。
静磁场发生部件包括例如超导形式的磁体1、向该磁体1提供电流的静磁场电源2，在放置被检测体P的圆筒状的开口部分(诊断用空间)的轴方向(在本系统所设定的直角坐标轴中相当于Z轴方向)上产生静磁场H0。另外，在该磁体部件中，设置了未图示的使静磁场均匀用的垫片线圈。
床部件能将装载了被检测体P的顶板14T可以退出地插入磁体1的开口部分。通过床驱动装置14D进行该插入。床驱动装置14D对从后述的主计算机6提供的驱动信号进行应答，能使顶板14T向其长度方向(Z轴方向)移动。作为一个例子，被检测体P沿顶板14T的长度方向被装载。
倾斜磁场发生部件包括组装了磁体1的倾斜磁场线圈单元4G。该倾斜磁场线圈单元4G包括用来产生相互垂直的X、Y及Z轴方向的倾斜磁场的3组(种类)的x、y、z线圈(未图示)。该倾斜磁场发生部件还包括向x、y、z线圈提供电流的倾斜磁场放大器4。该倾斜磁场放大器4根据后述的序列发生器5的控制，向各个x、y、z线圈提供用来产生倾斜磁场的脉冲电流。
通过对从倾斜磁场放大器4提供给x、y、z线圈的脉冲电流进行控制，合成作为物理轴的垂直3轴X、Y、Z方向的倾斜磁场，并能任意设定、变更相互垂直的切片方向倾斜磁场Gs、相位编码方向倾斜磁场Ge及读出方向(频率编码方向)倾斜磁场Gr的各理论轴方向。切片方向、相位编码方向及读出方向的各倾斜磁场在静磁场H0中重叠。
发送接收部件包括在磁体1的孔内的摄像空间中配置在被检测体P的旁边的作为RF线圈的整体(WB)用线圈7T及多线圈7R、与这两个线圈7T及7R连接的发送器8T及接收器8R。
在作为单独的RF线圈使用该线圈的时候，整体用线圈7T被作为发送接收兼用的线圈使用。另一方面，在使用多线圈7R(接收线圈)的时候，整体用线圈7T被作为发送用线圈使用。
多线圈7R被构成为能设置高S/N的阵列型的接收线圈，由构成要素线圈的多个RF线圈(例如表面线圈)7a、7b、7c构成。作为一个例子，该多个RF线圈7a～7c被配置在摄像空间中的Z轴方向。多个RF线圈7a～7c的各个相互独立地与接收器8R连接。
另外，多线圈7R不一定被限定为由多个表面线圈构成的构造，也可以由多个体线圈构成。另外，多线圈可以被安装在床上，也可以被安装在被检测体上。
发送器8T及接收器8R根据后述的序列发生器5的控制动作。发送器8T向整体用线圈7供给用来使被检测体P的磁力自旋中产生核磁共振(NMR)的拉摩尔频率的RF电流脉冲。接收器8R取得整体用线圈7T或多线圈7R接收到的反射波信号(高频信号)，生成反射波数据(原始数据)。
接收器8R具体如图2所示，被分为整体用线圈侧的接收部分和多线圈侧的接收部分。
整体用线圈的接收部分包括与整体用线圈7T连接的收发转换开关81、与该收发转换开关81连接的前置放大器82、接受该前置放大器82的接收信号的接收系统电路83。在收发转换开关81上还连接了发送器8T。
由此，收发转换开关81在发送时使从发送器8T发出的发送驱动脉冲朝向整体用线圈7T而通过，另一方面，在接收时使整体用线圈7T检测出的反射波信号朝向前置放大器82而通过。前置放大器82对接收反射波信号进行前置放大，并发送到接收系统电路83。接收系统电路83在对输入的反射波信号实施了中间频率转换、相位检波、低频放大、滤波等各种信号处理后，实施A/D转换，生成反射波数据(原始数据)，并将其发送到主计算机6。
另一方面，多RF线圈侧的接收部件包括对每个RF线圈7a(～7c)，接收来自多线圈7R的反射波信号的前置放大器84A～84C。各前置放大器84A(～84C)的输出通过接收系统电路85A(～85C)到达主计算机6。该各个接收系统电路87A～87C也与所书一样，对输入的反射波信号实施中频变换、相位检波、低频放大、滤波等各种信号处理后，进行A/D变换而生成反射波数据，并将其发送给主计算机6。
进而，控制运算部件(即控制和运算部件)包括序列发生器(也被称为序列控制器)5、主计算机6、存储装置11、显示装置12及输入器13。
其中，主计算机6根据存储在其内部存储器或存储装置11中的软件步骤，向序列发生器5发送准备用的预扫描(preparation scan)及成象用的主扫描(imaging scan)的脉冲序列信息，同时统一装置整体的动作。另外，主计算机6具有推测多线圈7R的RF线圈7a～7c的感度图的功能、对反射波数据实施再构成处理计算图象数据的功能、控制床驱动装置14D的驱动的功能等。该主计算机6也可以作为本发明的运算装置发挥功能。
基于脉冲序列信息的扫描是收集图象再构成所必需的反射波数据组的扫描。脉冲序列中使用3维(3D)扫描或2维(2D)扫描的序列。作为该脉冲列的形式可以使用SE(旋转反射波)法、FSE(高速SE)法、FASE(高速非对称SE)法(即向高速SE法结合了半傅里叶法的成象法)、EPI(反射波平滑成象)法、FE(梯度反射波)法、FFE(高速FE)法、分割FFE法等。
序列发生器5包括CPU及存储器，存储从主计算机6发来的脉冲序列信息，依据该信息控制倾斜磁场放大器4、发送器8T、接收器8R的动作。脉冲序列信息是指为了使倾斜磁场放大器4、发送器8T及接收器8R依据一连串的脉冲序列动作所必需的所有信息，包含例如与施加到x、y、z线圈的脉冲电流的强度、施加时间、施加定时等相关的信息。
在多线圈高速摄像中被再构成的图象及被合成的图象的数据被显示在显示装置12上，同时还被存储在存储装置11中。与操作者所希望的摄像条件、脉冲序列、图象合成及差分运算有关的信息经由输入器13被输入到主计算机6中。
接着，以多线圈7R的感度图的作成为中心说明本实施例的作用效果。
在本实施例中，多线圈高速摄像按照图3大略所示的步骤进行。
首先，作为成象用主扫描前的准备工作的一环，以规定的序列执行用来推测多线圈7R的各RF线圈的感度图的预扫描(步骤S1)。该预扫描使用基于例如2维的扫描的FFE(高速扫描场反射波)法等的高速脉冲序列，在每个RF线圈7a(～7c)进行，由此，收集图象再构成所必需的反射波信号。
由预扫描收集到的由接收器8R进行了处理的反射波数据通过主计算机6，针对每个RF线圈，被重新构成为实际空间的图象C1～C3(步骤S2；参照图4及图5)。接着，通过主计算机6，使用该图象C1～C3的数据，如后所述的那样，推测出构成多线圈7R的RF线圈7a～7c各自的感度图M1`～M3`(步骤S3；参照图4)。该感度图的数据被保存在存储装置11中。
另一方面，通过主扫描(步骤S11)收集到的由接收器8R进行了处理的反射波数据通过主计算机6，针对每个RF线圈，被重新构成为实际空间的图象(步骤S12)。针对每个RF线圈，使用从存储装置11读出的RF线圈7a～7c的感度图，对该图象进行展开处理，合成为最终的全FOV的图象(步骤S13)。
下面，参照图4以后的附图，更加详细地说明所述感度图的推测处理(步骤S3)。
该感度图的推测通过主计算机6执行。具体地说，如图4所示，该推测处理包括根据通过多个RF线圈7a～7c各自获得的多幅图象(线圈图象)C1～C3分别计算初期感度图M1制3的步骤PS1、对该初期感度图M1～M3适用基于本发明的TPS(薄板样条函数)的配合，推测全感度图M1`～M3`的步骤PS2。该全感度图M1`～M3`是被用于最终的展开处理的每个要素线圈的感度分布。
(初期感度图的计算)
接着，参照图5说明初期感度图的计算。
另外，该计算是对应于RF线圈7a～7c，针对获得的线圈图象C1～C3各自的绝对值数据及相位数据的任意一个或双方而执行的。其结果是生成了各自对应于线圈图象C1～C3各自的绝对值及相位的初期感度图。以下，简单地作为“感度图的计算”来进行说明。
该感度图的计算是比较容易的计算，例如可以使用所述的SENSE法。针对对应于构成相控阵列线圈(Phased Array Coil：PAC)的RF线圈7a～7c(即，线圈要素数n＝3)获得的线圈图象C1～C3计算平方和(sum-of-squares：SoS)图象，即依据下式进行合成。
SoS＝(C12+C22+C32)1/2 …(1a)
接着，针对线圈图象C1～C3的像素值进行下式的计算，
Mi＝Ci/SoS …(2a)
各自计算初期感度图M1～M3。在此，i＝1～n(正的整数：在此为n＝3)。通过该除法运算，能除去解剖学上的构造物，成为反映了各个线圈的感度曲线的图象。
但是，为了获得各个线圈的感度图的计算可以只在能获得充分强度的反射波信号的位置。即，在SoS图象中的低强度(作为一个例子，使用例如10％的阈值检测出相对于最大强度的全体强度的比例)位置得不到感度信息。
作为该SoS图象的另一个方法，可以使用利用全身用(WB)线圈7T拍摄的图象。在使用该WB线圈7T的情况下，具有能提供精度更高的感度图的优点，但重要的是WB线圈与多线圈之间没有位置偏差，要一致。
在图6中，各自表示了在有2个RF线圈的情况下的要素线圈1，2，实际通过扫描获得的全FOV图象(左上及左下的图象：图6(a)、(c))、使用该全FOV图象(右上及右下的图象：图6(b)、(d))计算的初期感度图的例子。
(TPS配合)
下面，说明配合处理(图4，步骤PS2)。
首先，说明TPS(薄板样条函数)。TPS是作为基于对数的基本函数的组合而定义的曲面。这样的基本函数能使局部变形，因而，通过它们的组合，能确定相关曲面的整体形状。
这些基本函数由它们的位置(是在其中心点定义的位置，以下称为控制点)及高度(在TPS的式中被赋予了重复的定义)决定。
图7表示了TPS的一个例子。在同图中，控制点被设置在肘形的顶点，这些点的高度由×标记表示。这样通过4个基本函数，能确定作为穿过全部的×标记的曲面的该曲面的整体形状。
(一般的TPS配合)
在此，说明被一般使用的基于TPS的配合(相对于内插法及近似法的两种情况)。
TPS在弯曲函数的组合的基础上，附加边界限制，则如下式(1)所示。
S(x,y)=Σi=1nwiFi(x,y)+a+bx+cy······(1)]]>
在此，
Fi(x,y)=di2logdi2,di=(x-xi)2+(y-yi)2······(2)]]>
wi是赋予权的项，a+bx+c平滑边界的项。
针对内插法，说明正确地内插一连串的点的系统。但是，在最普通的情况下，由于能使用大量的数据点，所以在这种情况下近似比内插更合适。作为近似法，说明对TPS通过最小平方法进行配合的方法。
<内插法的情况>
设内插的目标数据为S(xk，yk)，k＝1…n，则其解系为：
用矩阵标记为：
S(x1,y1)S(x2,y2):::S(xn,yn)000=0F2(x1,y1)···Fn(x1,y1)1x1y1F1(x2,y2)0···Fn(x2,y2)1x2y3:::::::::::::::::::::F1(xn,yn)F2(xn,yn)···01xnyn11···1000x1x2···xn000y1y2···yn000w1w2:::wnabc······(4)]]>
该矩阵可以表示为：
S＝FW …(5)
因而，权作为一般表现被表示为：
W＝F-1S …(6)
<最小平方近似>
该TPS可以近似为：
S(x,y)≈Σi=1mwiFi(x,y)······(7)]]>
在此，m是基本函数的个数，比数据点的个数n小(m＜n)。这时的近似误差可以表示为：
ϵ2=Σk=1n(S(xk,yk)-Σi=1mwiFi(xk,yk))2······(8)]]>
如果使有关参数wi的误差为最小，则获得：
O=Σk=1n(S(xk,yk)-Σi=1mwiFi(xk,yk))Fi(xk,yk),j=1···m······(9)]]>
如下这样定义设计矩阵A及观测向量S：
/A=F1(x1,y1)F2(x1,y1)···Fm(x1,y1)F1(x2,y2)F2(x2,y2)···Fm(x2,y2)::::::::::::F1(xn,yn)F2(xn,yn)···Fm(xn,yn)······(10)]]>
由此，可以将最小平方法的近似式表示为：
s＝[S(x1，y1)S(x2，y2) …S(xn，yn)]T …(11)
(ATA)w＝ATs …(12)
该最小平方法的问题的解为设计矩阵A的模拟逆矩阵：
w＝(ATA)-1ATs …(13)
TPS可以被用于内插数据的位置或近似的情况，具有理论及实用两方面的特点。
理论中，TPS是在通过点组的所有种类的曲面中弯曲能量最小的曲面。从实用的曲面来看，TPS以线形的式子表达，使运算容易并且快速。进而，该基本函数(即控制点)的个数及位置可以没有任何限制地选择，所以，成为具有柔软性的配合方法。
TPS的式子最早由“Harder”和“Desmarais”导出(参照论文“HarderR.L.and Desmarais R.N.，Interpolation using surface splines，Journal ofAircraft 9：189-191，1972”)。该TPS在医学上的应用公开有将偏差模型化的例子(参照论文“Bookstein F.L，Principal warps：thin-plate splines andThe decomposition of deformations.IEEE Transactions on PatternAnalysis and Machine Intelligence，11(6)：567-585，1989”)，很好地被应用于登记医用图象的时候。
(本发明中使用的TPS配合)
下面，说明本发明所使用的基于TPS的配合。
首先，概略地说，该配合(拟合)取得作为目标点的在初期感度图上具有感度信息的像素值，并使TPS符合这些值。即，改变TPS的控制点的位置，设置权为最优值，使得该控制点的高度最好地近似于目标点(参照图8)。
另外，为了提高配合的运算速度，通常对图象进行二次采样。由此，只采用栅格的值，即图象上以一定间隔配置的像素。在实用中，在256×256的矩阵大小的图象中，格子距离通常被设置为5像素(参照图9)。
图10表示了实施用于本发明的基于TPS的配合的一个例子的处理步骤。这些步骤PS2-1～PS2-4通过主计算机6，针对根据线圈图象C1～C3的绝对值数据及相位数据中的一个求出的初期感度图或根据两个求出的各自的初期感度图，被执行。
(控制点的自动定位)
在最初的步骤PS2-1中，控制点即基础函数(basis functions)的位置被自动决定。
具体地说，图象上具有预先设定的格子位置的栅格如图11所示那样被自动设定，由此，控制点被平均地配置在图象上。
栅格的格子点间的距离是决定控制点的个数及位置的参数。典型的是，在大体积的线圈的情况下，设置跨越图象的4×4的栅格，以覆盖FOV的大部分。在由各自覆盖图象的约1/4大小的4个元件构成的头线圈那样的小线圈的情况下，有必要进一步提供分辨率，因而使用例如10×10的栅格。
另外，该栅格也可以作为决定控制点的最终位置的手段而使用，也可以如图12所示那样地实施其他的提炼处理(refinement process)。
图12A～图12C所示的提炼处理如上所述，利用初期感度图进行。即，通过主计算机6，在图象上自动设置初期感度图中的线圈感度高的区域(参照图12A)，并自动抽出对象物的描画区域与线圈感度高的区域的重叠部分(参照图12B)。进而，在该图象上，自动切取出存在于描画部分以外的部分的格子点，将剩下的格子点，即存在于描画部分中的格子点设定为最优栅格(参照图12C)。其结果是用初期感度图掩模了栅格，只留下位于信号值高的区域(线圈感度高的区域)的控制点。其结果是使信号值高的区域中的配合曲面的变化更加稳定。
这样配合的TPS曲面的形状及范围由定义TPS的基本函数的控制点的个数及位置决定。如果该控制点过少，则限制了TPS曲面的变形能力，使相对于目标点的近似度变低。另一方面，如果控制点过多，则相对于配合的噪音影响变大，其结果是无法确保TPS曲面充分平滑地变形。一般，如所述图12A～图12C所示的方法，理想的是不将控制点设置在没有信号值的区域，而设置在存在充分强度的信号的区域中。没有信号值的区域在其后的处理中被平滑地内插。由此，减少了产生在配合曲面中的由于控制点的位置引起的偏差。
(向目标点的图象外侧的追加)
在下面的步骤PS2-2中，通过主计算机6执行向图象的外侧附加目标点的处理。目标点如上所述，是在初期感度图上包含感度信息的像素的值。
该目标点的追加处理有以下理由。在图象的内侧接近其边界的位置不存在目标点的情况下，在这样的区域TPS的动作剧烈，是不理想的(参照图13A(a1))。特别在接近图象中心的位置在感度曲线中存在即使很少的凹凸时，该凹凸也会在图象的边界附近被增强。其结果是在展开后的图象中，没有很好地进行接近其中心位置的合成。
为了回避这样的问题，在本实施例中，采用在图象的外侧一定距离的位置人工附加目标点的方法。该追加处理由主计算机6自动进行。
该附加目标点的权被设置为0，即被设置为适合于全部目标点的曲面，并确定相对于该追加点的最优值。图13A(a2)及图13B表示了一个例子。图13A(a2)表示了TPS曲面的一维曲线，图13B以2维表示了其配置。作为一个例子，到追加配置在外侧的目标点的距离是图象矩阵的一半距离。
这样，通过向图象外部附加目标点，使TPS的变形稳定了。即，能排除在图象的边界附近TPS的不希望的变动或呈现噪音高峰值的状态。
(利用了已知信息的TPS配合)
在下面的步骤PS2-3中，通过主计算机6利用TPS的已知信息进行TPS配合的运算。该已知信息是用投影等已经获得的TPS的已知模型等。
在初期时，在将线圈感度模型化时，是基于扫描均匀的投影的假设的。但通常已知对应于依存于各个患者的要素，检测线圈的感度曲线是变化的。因此，所述那样的投影一般是不满足模型的。
但是，即使是这样的投影，作为整体也能赋予近似于“所期望的感度”的感度曲线。所以，在本发明中，提案出了在感度分布的推测处理中利用已知的模型(prior model)的方法。另外，该已知的信息(模型)不只被限定于使用投影计算出的感度模型，也可以是通过线圈感度及模拟生成的数学的感度模型。
在本实施例中，使用这样的已知模型，容易地进行配合处理，并利用基于“所期望的形状”的限制。图14A用一维1曲线表示了已知模型的一个例子，图14B用一维曲线表示了不利用已知模型时的配合了的TPS的一个例子。如同图所示，在几乎不存在目标点的正中偏右的区域Rm，因为没有目标点，所以有可能进行错误的配合。但是，如图14C所示，通过组合图14A所示的已知模型进行配合，来接近于真的曲线并且平滑地推测不存在目标点的区域的配合。
这个新的配合处理如下那样地被数学推导出来，并在主计算机6被运算出来。
设内插的目标数据为S(xk，yk)，k＝1…n，则感度的已知模型数据为P(xk，yk)，k`＝1…n`(n`个采样数据)。在作为通常的情况的n`＞n成立的情况下，针对FOV全体获得已知的模型。而另一方面，目标点的个数由于图象化构造而变化了。
在此，新的误差函数被定义为：
ϵ2=αΣk=1n(S(xk,yk)-Σi=1mwiFi(xk,yk))2+]]>
(1-α)Σk′=1n′(P(xk′,yk′)-Σi=1mwiFi(xk′,yk′))2······(14)]]>
该误差函数可以被重新写为：
ε2＝αεs2+(1-α)εp2 …(15)
在同式(15)中，α是相关已知信息地规定目标点的相对作用的权要素。通常，比获得非常接近已知模型的TPS面更理想的是，优先进行正确的数据配合，所以α》0.5。因此，在能使用目标数据的部位εs2项起作用，对其数据进行良好的配合，另一方面，εp2项作为限制从已知模型较大地偏差的要素发挥功能。在不能使用目标数据的部位，只有εp2项参与误差函数，有效并且强制地使其近似于已知模型。
下面说明该配合处理的特殊性。为使误差ε最小有必要为：
α∂ϵs2∂wj+(1-α)∂ϵp2∂wj=0,j=1···m······(16)]]>
因此，成为：
O=2αΣk=1n(S(xk,yk)-Σi=1mwiFi(xk,yk))Fj(xk,yk)+]]>
2(1-α)Σk′=1n′(P(xk′,yk′)-Σi=1mwiFi(xk′,yk′))Fj(xk′,yk′),j=1···m······(17)]]>
在此，如果
/An=F1(x1,y1)F2(x1,y1)···Fm(x1,y1)F1(x2,y2)F2(x2,y2)···Fm(x2,y2)::::::::::::F1(xn,yn)F2(xn,yn)···Fm(xn,yn)······(18)]]>
/An′F1(x1,y1)F2(x1,y1)···Fm(x1,y1)F1(x2,y2)F2(x2,y2)···Fm(x2,y2)::::::::::::F1(xn′,yn′)F2(xn′,yn′)···Fm(xn′,yn′)······(19)]]>
s＝[S(x1，y1)S(x2，y2)…S(xn，yn)]T ……(20)
p＝[P(x1，y1)P(x2，y2)…P(xn′，yn′)]T ……(21)
则将误差最小化的系统被表示为：
α/AnTs-α(/AnT/An)\w+(1-α)/An′Tp-(1-α)(/An′T/An′)\w＝0 ……(22)
将项归纳一下，则表示为：
α(/AnT/An)\w+(1-α)(/An′T/An′)\w＝α/An′Ts+(1-α)/An′Tp ……(23)
用TPS的参数解该项则为：
\w＝(α(/AnT/An)+(1-α)(/An′T/An′))-1(α/An′Ts+(1-α)/An′Tp) ……(24)
通过这样利用已知信息(模型)，能推测出更稳定的感度分布，特别能在没有信号的区域，即没有目标点的区域谋求显著的曲线的稳定化。由于该已知模型与最终的TPS之间的差异，也赋予了与线圈特性和该线圈的检测感度曲线的外部要素的效果相关的追加信息。
在本实施例中，作为复数数据的MR图象数据由绝对值数据及相位数据表现，对该绝对值数据及相位数据的一个或双方实施所述感度分布的推测处理，分别获得感度图。通常即使是使各个样条配合为实数部分和虚数部分的数据，也不能获得良好的配合结果。这是因为即使各自对应于实数部分和虚数部分的配合、样条之间只有很小的差，也会成为大的虚影。但是，在本实施例中，由于分别配合于绝对值数据和和相位数据，所以能获得满足条件的配合结果。特别能获得精度良好地配合于绝对值数据的感度图。
另外，作为更简便的处理，也可以只使TPS配合于绝对值图象，再与原相位图组合。由此，也能获得与进行绝对值部分和相位部分两方面的TPS配合的情况相同等级的推测结果。通过只进行绝对值图象的TPS配合，减少了计算成本，也没有必要在相位图上从0到2π展开相位变化了。
图15及图16各自表示了与本发明的感度图推测相关的图象例子。图15(a)的图象表示了初期感度图，图15(b)的图象表示了使TPS配合于左侧的图象所生成的全FOV的感度图。图16(a)、(b)的图象是使用图15(b)的感度图进行了展开的对应于所述图1(a)及(b)的图象。其中，图16(a)的图象作为切片图象进行表示，图16(b)的图象是对全部切片图象进行了展开的结果进行MIP处理获得的图象。
在本实施例中，使用对于作为参数的控制点的位置及高度(权)的变更有高自由度的TPS，根据数据不充分的初期感度图，生成平滑并且高精度的感度图。
但是，所述初期感度图因为只捕捉强度及感度高的区域，所以该图数据在几乎或完全没有产生信号的区域被收集的时候会产生问题。作为这样的情形，例如相当于依据FBI法获得肺部的MRA图象的情况。FBI法可以从论文“Miyazaki M.et al.，Non-Contrast-Enhanced MRAngiography Using 3D ECG-Synchronized Half-Fourier Fast SpinEcho，JMRI 12：776-783，2000”了解。
对此，在本实施例的情况下，由于使用TPS进而提纯(refine)初期感度图，所以与现有技术那样的基于单纯的低通滤波器和多项式配合的提纯不同，对于只能收集肺部那样的稀少的反射拨数据的成象、在相位编码方向的FOV端存在对象的情况的成象、进而在要素线圈数少的情况下的成象，都能提供良好的PPA图象。
进而，使用TPS推测线圈感度的方法在论文“Dawant B.M.，et al.，Correction of intensity variations in MR images for computer-aidedtissue classification，IEEE Transactions on Medical Imaging12(4)：770-781，1993”中有报告。但是，“Dawant”等的推测法是以图象的分割为焦点，而本发明主要着眼于高速摄像的图象合成中推测所必需的良好的感度信息。另外，与“Dawant”等使用单线圈的图象相对，在本发明中，使用多线圈，由此能如上所述那样地计算出初期感度图。
进而，在“Dawant”等中，手动或者经由神经元网络(在操作前需要训练)进行目标点的选择。相对于此，通过本发明的方法，目标点的选择能使用初期感度图，所以能更简单并且完全地被自动化。
另外，所述实施例说明了：1)控制点的自动定位，2)向图象外侧追加配置目标点，3)已知信息的利用，以及4)同时执行各自相对于绝对值成分及相位成分的TPS配合处理的情况，但本发明并不必须限定于这样的形式，也适用于执行所述的1)～4)功能中的任意一个以上的结构。
另外，所述TPS也可以是覆盖B-splines、Bezier Surfaced等宽广领域进行配合的GCS(Global Coverage Splines：全体覆盖样条函数)。另外，所述合成处理除了平方和以外，还可以是单纯和等的合成法。
进而，在所述实施例中，如图11～图13A及图13B示例所示的那样，为了容易理解基于TPS的配合，而以2维配合为线索进行了说明，该TPS配合无论是2维的，还是3维的都可以进行。下面参照图17及图18针对基于该3维的TPS的配合的例子，说明其概要。
如图17所示，首先，作为成象用主扫描前的准备工作的一环，为了推测多线圈7R的各RF线圈的感度图，以规定的高速脉冲序列在每个RF线圈7a(～7c)中执行2维的预扫描(例如多切片法)或3维的预扫描(步骤S21)。由此，收集3维的体积数据。
通过预扫描收集并由接收器8R进行了处理的反射波数据(体积数据)通过主计算机6，针对每个RF线圈，被重新构成为实际空间的图象C1～C3(步骤S22)。接着，通过主计算机6，根据该图象C1～C3的数据，例如适用所述的外插法(向图象外侧附加目标点：参照图13A以及图13B)推测构成多线圈7R的RF线圈7a～7c各自的3维感度图M1`～M3`(步骤S23)。这些感度图的3维数据被存储在存储装置11中。
另一方面，通过2维或3维的主扫描的并行MR成象收集反射波数据(步骤S24)。该反射波数据在由接收器8R进行了处理后，通过主计算机6，针对每个RF线圈，被重新构成为实际空间的图象(步骤S25)。接着，从被事先保存在存储装置11中的3维感度图数据中，针对每个图象切取出适合于该重新构成的图象的位置及角度的截面(即，适合主扫描的扫描条件的截面)(步骤S26)。
因此，针对每个RF线圈，使用沿着从3维感度图中切取出的截面的2维感度图来进行展开处理，把由主扫描而获得的多幅图象合成为最终的全FOV的图象(步骤S26)。
在图18中示例表示了基于所述3维的TPS的配合的图象。另外，图18(a)是用与图18(b)对比的感度图，来表示从不向所述目标点的图象外侧进行追加处理而获得的3维感度图中切取出的某一截面的感度图的参考例子。
相对于此，图18(b)表示了从向所述目标点的图象外侧进行追加处理而获得3维感度图中切取出的某一截面的感度图。该图18(b)的感度图的进行相关追加处理的部分，与图18(a)相比，呈现为紧密并且平滑地变化的感度分布。使用图18(b)所示的感度图，对图18(c)的图象进行展开(折叠图象的展开)，获得图18(d)所示的图象。在该图象中几乎见不到伴随着折叠的虚影。
其结果是，基于3维的TPS的配合在检测体移动的情况下特别有效，能推测出稳定的感度，能进行强有力的并行MR成象。
如以上说明的那样，通过线圈感度分布推测装置及其方法、以及MRI装置，构成为用GCS配合初期感度图而获得最终的感度图，因而，与现有技术那样的基于单纯的低通滤波器或局部的多项式配合的提纯法不同，即使在只能收集到稀少的反射波数据的摄像部位，也能高精度地推测出构成多线圈的多个要素线圈各自的感度图。所以，在通过MRI装置进行多线圈高速摄像的时候，使用该感度图进行高精度的展开，比现有的多线圈高速摄像法虚影少，能提供分辨率优越的高品质的MR图象。
以并行MR成象的展开用的感度图为前提，说明了所述实施例相关的线圈感度推测的方法。但是该线圈感度推测方法还能被用于使用了相控阵列线圈(PAC)的成象(即不是并行MR成象)中的线圈感度的修正。具体地说，可以进行乘上将全身(WB)图象作为分母的各要素线圈的推测感度图的平方和(SoS)图象的倒数图象等修正处理。
本发明并不局限于实施例所记载的结构，本领域技术人员可以在不脱离权利要求所记载的要旨的范围内进行变更、变形。
产业上的可应用性
综上所述，即使在只能收集到稀少的反射波数据的摄像部位，也能高精度地推测出构成多线圈的多个要素线圈各自的感度图。据此，就能迅速地获得虚影少、分辨率优越、宽广的FOV的MR图象，所以，能在提高诊断能力的同时，显著减轻患者的负担及操作者在操作上的负担。据此，就能对医疗用MR成象装置的发展做出更多的贡献。