特許6872079 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ スピンテック　インコーポレイテッドの特許一覧

特許6872079戦略的に取得されるグラジェントエコーイメージングのためのシステムおよび方法

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3A
3B
4A
4B
5A
5B
6A
6B
7A
7B
8A
8B
8C
9
10A
10B
10C
11
12A
12B
12C
12D

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6872079

(24)【登録日】2021年4月20日

(45)【発行日】2021年5月19日

(54)【発明の名称】戦略的に取得されるグラジェントエコーイメージングのためのシステムおよび方法

(51)【国際特許分類】

A61B 5/055 20060101AFI20210510BHJP

【ＦＩ】

A61B5/055 380

A61B5/055 311

A61B5/055ZDM

【請求項の数】20

【全頁数】25

(21)【出願番号】特願2020-527724(P2020-527724)

(86)(22)【出願日】2017年7月26日

(65)【公表番号】特表2020-530805(P2020-530805A)

(43)【公表日】2020年10月29日

(86)【国際出願番号】US2017043991

(87)【国際公開番号】WO2019022733

(87)【国際公開日】20190131

【審査請求日】2020年3月24日

(31)【優先権主張番号】15/659,353

(32)【優先日】2017年7月25日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】520030132

【氏名又は名称】スピンテックインコーポレイテッド

(74)【代理人】

【識別番号】100094569

【弁理士】

【氏名又は名称】田中伸一郎

(74)【代理人】

【識別番号】100103610

【弁理士】

【氏名又は名称】▲吉▼田和彦

(74)【代理人】

【識別番号】100109070

【弁理士】

【氏名又は名称】須田洋之

(74)【代理人】

【識別番号】100067013

【弁理士】

【氏名又は名称】大塚文昭

(74)【代理人】

【識別番号】100086771

【弁理士】

【氏名又は名称】西島孝喜

(74)【代理人】

【識別番号】100109335

【弁理士】

【氏名又は名称】上杉浩

(74)【代理人】

【識別番号】100120525

【弁理士】

【氏名又は名称】近藤直樹

(74)【代理人】

【識別番号】100139712

【弁理士】

【氏名又は名称】那須威夫

(72)【発明者】

【氏名】ハーケイーマーク

【審査官】後藤順也

(56)【参考文献】

【文献】米国特許出願公開第２０１２／０１９７１０５（ＵＳ，Ａ１）

【文献】国際公開第２０１７／０２２１３６（ＷＯ，Ａ１）

【文献】米国特許出願公開第２００７／０２４７１５７（ＵＳ，Ａ１）

【文献】 Y De Deene et al.，Artefacts in multi-echo T2 imaging for high-precision gel dosimetry: II. Analysis of B1-field inhomogeneity，Phys Med Biol，２０００年７月，vol45, no.7，pp.1825-1839

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ａ６１Ｂ５／０５５

Ｇ０１Ｒ３３／２０−３３／６４

ＰｕｂＭｅｄ

(57)【特許請求の範囲】

【請求項1】

磁気共鳴画像法（ＭＲＩ）システムであって、
少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを取得するように構成されたＭＲＩスキャナと、
少なくとも一つのプロセッサと、
メモリであって、そこに格納されたコンピュータコード命令を備え、前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサは、
前記第一のＭＲデータセット、前記第二のＭＲデータセット、および前記解剖学的領域内の送信無線周波数（ＲＦ）磁場に対する定数値を使用する前記解剖学的領域内の見かけ上の縦緩和時間（Ｔ_1app）の空間分布を表すＴ_1appマップを生成し、
前記解剖学的領域内の第一の組織タイプに関連付けられた縦緩和時間（Ｔ₁）の第一の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定し、
前記解剖学的領域内の第二の組織タイプに関連付けられたＴ₁の第二の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定し、
推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して前記解剖学的領域内の送信ＲＦ磁場の空間分布を表す第三の送信ＲＦ磁場マップを生成する、
メモリと、
を備える、ＭＲＩシステム。

【請求項2】

前記解剖学的領域が人間の脳であり、前記第一の組織タイプが白質であり、前記第二の組織タイプが灰白質である、請求項１に記載のＭＲＩシステム。

【請求項3】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサがさらに、
前記解剖学的領域内の第三の組織タイプに関連付けられたＴ₁の第三の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第四の送信ＲＦ磁場マップを推定し、
前記第三の送信ＲＦ磁場マップを生成することは、推定された第一の送信ＲＦ磁場マップ、前記された第二の送信ＲＦ磁場マップ、および推定された第四の送信ＲＦ磁場マップを使用することを含む、
請求項１に記載のＭＲＩシステム。

【請求項4】

前記解剖学的領域が人間の脳であり、前記第一の組織タイプが白質であり、前記第二の組織タイプが灰白質であり、前記第三の組織タイプが脳脊髄液である、請求項３に記載のＭＲＩシステム。

【請求項5】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサがさらに、
前記Ｔ_1appマップを前記第三の送信ＲＦ磁場マップの二乗で除算することにより前記解剖学的領域内の前記Ｔ₁の空間分布を表す第一の縦緩和時間（Ｔ₁）マップを生成する、
請求項１に記載のＭＲＩシステム。

【請求項6】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサがさらに、
前記第一のＭＲデータセット、前記第二のＭＲデータセット、および前記送信ＲＦ磁場に対する前記定数値を使用して前記解剖学的領域内の見かけ上のスピン密度（ＳＤ_app）の空間分布を表すＳＤ_appマップを生成し、
前記第三の送信ＲＦ磁場マップに基づいて前記ＳＤ_appマップをスケーリングすることにより第一のスピン密度（ＳＤ）マップを生成し、
少なくとも前記第一の組織タイプに対応する前記解剖学的領域の第一の副領域と前記第二の組織タイプに対応する前記解剖学的領域の第二の副領域とが等強度であるように前記第三の送信ＲＦ磁場マップ、第一のＴ₁マップ、および前記第一のＳＤマップを使用して第三のフリップ角に対応する第三のＭＲデータセットを合成し、
合成された第三のＭＲデータセットを使用して前記解剖学的領域内の受信ＲＦ磁場の空間分布を表す受信ＲＦ磁場マップを推定し、
推定された受信ＲＦ磁場マップに基づいて前記第一のＳＤマップをスケーリングすることにより第二のＳＤマップを生成する、
請求項１に記載のＭＲＩシステム。

【請求項7】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサが、
複数の被験体に対する複数の送信ＲＦ磁場マップを推定し、
前記複数の被験体に対する推定された複数の送信ＲＦ磁場マップの平均化を使用して送信ＲＦ磁場テンプレートを生成する、
請求項１に記載のＭＲＩシステム。

【請求項8】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサが、前記Ｔ_1appマップおよび前記送信ＲＦ磁場テンプレートを使用して第二のＴ₁マップを生成する、請求項７に記載のＭＲＩシステム。

【請求項9】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサが、推定されたＳＤ_appマップ、前記送信ＲＦ磁場テンプレート、および推定された受信ＲＦ磁場マップを使用してスピン密度（ＳＤ）マップを生成する、請求項７に記載のＭＲＩシステム。

【請求項10】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサが、
前記受信ＲＦ磁場マップに基づいて前記第一のＭＲデータセットをスケーリングし、
前記受信ＲＦ磁場マップに基づいて前記第二のＭＲデータセットをスケーリングし、
スケーリングされた第二のＭＲデータセットからのスケーリングされた第一のＭＲデータセットの加重減算を表す画像を生成する、
請求項６に記載のＭＲＩシステム。

【請求項11】

前記少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサが、前記第二のＭＲデータセットからの前記第一のＭＲデータセットの加重減算を表す画像を生成する、請求項１に記載のＭＲＩシステム。

【請求項12】

磁気共鳴画像法（ＭＲＩ）のための方法であって、
少なくとも一つのプロセッサにより、第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを受信することであって、前記第一のＭＲデータセットおよび前記第二のＭＲデータセットは少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより取得される、受信することと、
少なくとも一つのプロセッサにより、見かけ上の縦緩和時間（Ｔ_1app）マップを
生成することであって、Ｔ_1appマップは前記第一のＭＲデータセット、前記第二のＭＲデータセット、および前記解剖学的領域内の送信無線周波数（ＲＦ）磁場に対する定数値を使用して前記解剖学的領域内のＴ_1appの空間分布を表す、生成することと、
前記少なくとも一つのプロセッサにより、縦緩和時間（Ｔ₁）の第一の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定することであって、前記Ｔ₁の第一の定数値は前記解剖学的領域内の第一の組織タイプに関連付けられる、推定することと、
前記少なくとも一つのプロセッサにより、Ｔ₁の第二の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定することであって、前記Ｔ₁の第二の定数値は前記解剖学的領域内の第二の組織タイプに関連付けられる、推定することと、
前記少なくとも一つのプロセッサにより、推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して第三の送信ＲＦ磁場マップを
生成することであって、前記第三の送信ＲＦ磁場マップは前記解剖学的領域内の前記送信ＲＦ磁場の空間分布を表す、生成することと、
を含む、方法。

【請求項13】

前記少なくとも一つのプロセッサにより、Ｔ₁の第三の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより第四の送信ＲＦ磁場マップを推定することであって、前記Ｔ₁の第三の定数値は前記解剖学的領域内の第三の組織タイプに関連付けられる、推定すること、
をさらに含み、
前記第三の送信ＲＦ磁場マップを生成することは、推定された第一の送信ＲＦ磁場マップ、推定された第二の送信ＲＦ磁場マップ、および推定された第四の送信ＲＦ磁場マップを使用することを含む、
請求項１２に記載の方法。

【請求項14】

前記少なくとも一つのプロセッサにより、前記Ｔ_1appマップを前記第三の送信ＲＦ磁場マップの二乗で除算することにより第一の縦緩和時間（Ｔ₁）を生成することであって、第一のＴ₁マップは前記解剖学的領域内のＴ₁の空間分布を表す、生成すること、
をさらに含む、請求項１２に記載の方法。

【請求項15】

前記少なくとも一つのプロセッサにより、前記第一のＭＲデータセット、前記第二のＭＲデータセット、および前記送信ＲＦ磁場に対する前記定数値を使用して見かけ上のスピン密度（ＳＤ_app）マップを生成することであって、前記ＳＤ_appマップは前記解剖学的領域内のＳＤ_appの空間分布を表す、生成することと、
前記少なくとも一つのプロセッサにより、前記第三の送信ＲＦ磁場マップに基づいて前記ＳＤ_appマップをスケーリングすることにより第一のスピン密度（ＳＤ）マップを生成することと、
前記少なくとも一つのプロセッサにより、少なくとも前記第一の組織タイプに対応する前記解剖学的領域の第一の副領域と前記第二の組織タイプに対応する前記解剖学的領域の第二の副領域とが等強度であるように、第三のＲＦ磁場マップ、前記第一のＴ₁マップ、および前記第一のＳＤマップを使用して第三のフリップ角に対応する第三のＭＲデータセットを合成することと、
前記少なくとも一つのプロセッサにより、合成された第三のＭＲデータセットを使用して受信ＲＦ磁場マップを推定することであって、前記受信ＲＦ磁場マップは前記解剖学的領域内の受信ＲＦ磁場の空間分布を表す、推定することと、
前記少なくとも一つのプロセッサにより、推定された受信ＲＦ磁場マップに基づいて前記第一のＳＤマップをスケーリングすることにより第二のＳＤマップを生成することと、
をさらに含む、請求項１４に記載の方法。

【請求項16】

前記少なくとも一つのプロセッサにより、複数の被験体に対する複数の送信ＲＦ磁場マップを推定することと、
前記少なくとも一つのプロセッサにより、前記複数の被験体に対する推定された複数の送信ＲＦ磁場マップの平均化を使用して送信ＲＦ磁場テンプレートを生成することと、
をさらに含む、請求項１２に記載の方法。

【請求項17】

前記少なくとも一つのプロセッサにより、推定されたＳＤ_appマップ、前記送信ＲＦ磁場テンプレート、および推定された受信ＲＦ磁場マップを使用してスピン密度（ＳＤ）マップを生成すること、
をさらに含む、請求項１６に記載の方法。

【請求項18】

前記少なくとも一つのプロセッサにより、前記Ｔ_1appマップおよび前記送信ＲＦ磁場テンプレートを使用して第二のＴ₁マップを生成すること、
をさらに含む、請求項１６に記載の方法。

【請求項19】

前記少なくとも一つのプロセッサにより、前記受信ＲＦ磁場マップに基づいて前記第一のＭＲデータセットをスケーリングすることと、
前記少なくとも一つのプロセッサにより、前記受信ＲＦ磁場マップに基づいて前記第二のＭＲデータセットをスケーリングすることと、
前記少なくとも一つのプロセッサにより、スケーリングされた第二のＭＲデータセットからのスケーリングされた第一のＭＲデータセットの加重減算を表す画像を生成することと、
をさらに含む、請求項１５に記載の方法。

【請求項20】

非一時的なコンピュータ可読媒体であって、そこに格納されたコンピュータコード命令を備え、少なくとも一つのプロセッサにより実行されると、前記コンピュータコード命令により前記少なくとも一つのプロセッサは、
少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより取得される、第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを受信し、
前記第一のＭＲデータセット、前記第二のＭＲデータセット、および前記解剖学的領域内の送信無線周波数（ＲＦ）磁場に対する定数値を使用する前記解剖学的領域内の見かけ上の縦緩和時間（Ｔ_1app）の空間分布を表すＴ_1appマップを生成し、
縦緩和時間（Ｔ₁）の第一の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより前記解剖学的領域内の第一の組織タイプに関連付けられた第一の送信ＲＦ磁場マップを推定し、
Ｔ₁の第二の定数値に基づいて前記Ｔ_1appマップをスケーリングすることにより前記解剖学的領域内の第二の組織タイプに関連付けられた第二の送信ＲＦ磁場マップを推定し、
推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して前記解剖学的領域内の前記送信ＲＦ磁場の空間分布を表す第三の送信ＲＦ磁場マップを生成する、
非一時的なコンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は概して磁気共鳴画像法（ＭＲＩ）の分野に関する。より具体的には、本開示は可変フリップ角（ＶＦＡ）技術を使用した定量磁気共鳴画像法（ｑＭＲＩ）の方法およびシステムに関する。

【背景技術】

【0002】

磁気共鳴画像法（ＭＲＩ）はスキャンされた関心対象の構造を再構成するために磁場を使用するイメージングモダリティである。ＭＲＩスキャナは０．１０テスラ（Ｔ）から７Ｔの範囲の磁場のような強力な静磁場を生成するための磁石ならびにＲＦ信号を送信および／または受信するための無線周波数（ＲＦ）トランシーバを含む。生成された静磁場に体が配置されると、体内の水素の陽子が磁場に沿って整列する。横磁場に残存するバルク磁化が存在するようにスピンを傾けるための振動Ｂ₁磁場の存在下でＲＦパルスが印加される。ＲＦパルスがオフにされると、縦成分が増加し、横成分が減少して水素の陽子は静磁場に沿った列に戻る。サンプリング時間、またはエコー時間、もしくはグラジェントエコー時間と呼ばれる選択された時点において、データが収集され、受信された信号がスキャンされた体またはその一部の画像を再構成するために使用される。本開示では、収集されたＭＲデータセットに基づいてＭＲ画像を再構成するための様々なＶＦＡ技術が説明される。

【発明の概要】

【0003】

少なくとも一つの態様によると、磁気共鳴画像法（ＭＲＩ）システムはＭＲＩスキャナ、少なくとも一つのプロセッサ、およびそこに格納されたコンピュータコード命令を備えるメモリを含むことができる。ＭＲＩスキャナは少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより、第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを取得するように構成することができる。コンピュータコード命令は少なくとも一つのプロセッサにより実行されると少なくとも一つのプロセッサに見かけ上の縦緩和時間（Ｔ_1app）を生成させ、このＴ_1appマップは第一のＭＲデータセットおよび第二のＭＲデータセットを使用する解剖学的領域内のＴ_1appの空間分布を表している。少なくとも一つのプロセッサは縦緩和時間（Ｔ₁）の第一の定数値に基づいてＴ_1appマップをスケーリングする（ｓｃａｌｅ）ことにより第一の送信ＲＦ磁場マップを推定することができる。Ｔ₁の第一の定数値は解剖学的領域内の第一の組織タイプに関連付けることができる。少なくとも一つのプロセッサはＴ₁の第二の定数値に基づいてＴ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定することができる。Ｔ₁の第二の定数値は解剖学的領域内の第二の組織タイプに関連付けることができる。プロセッサは推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して第三の送信ＲＦ磁場マップを生成することができる。第三の送信ＲＦ磁場マップは解剖学的領域内の送信ＲＦ磁場の空間分布を表すことができる。

【0004】

解剖学的領域は人間の脳とすることができ、第一の組織タイプは白質、第二の組織タイプは灰白質とすることができる。少なくとも一つのプロセッサはＴ₁の第三の定数値に基づいてＴ_1appマップをスケーリングすることにより第四の送信ＲＦ磁場マップを推定することができる。Ｔ₁の第三の定数値は解剖学的領域内の第三の組織タイプに関連付けることができる。第三の送信ＲＦ磁場マップを生成することは、推定された第一の送信ＲＦ磁場マップ、推定された第二の送信ＲＦ磁場マップ、および推定された第四の送信ＲＦ磁場マップを使用することを含むことができる。解剖学的領域は人間の脳とすることができ、第一の組織タイプは白質、第二の組織タイプは灰白質、第三の組織タイプは脳脊髄液とすることができる。少なくとも一つのプロセッサはＴ_1appマップを第三の送信ＲＦ磁場マップの二乗で除算することにより第一の縦緩和時間（Ｔ₁）マップを生成することができる。第一のＴ₁マップは解剖学的領域内のＴ₁の空間分布を表すことができる。

【0005】

少なくとも一つのプロセッサは第一のＭＲデータセットおよび第二のＭＲデータセットを使用して見かけ上のスピン密度（ＳＤ_app）マップを生成することができる。ＳＤ_appマップは解剖学的領域内のＳＤ_appの空間分布を表すことができる。少なくとも一つのプロセッサは第三の送信ＲＦ磁場マップに基づいてＳＤ_appマップをスケーリングすることにより第一のスピン密度（ＳＤ）マップを生成することができる。少なくとも一つのプロセッサは、少なくとも第一の組織タイプに対応する解剖学的領域の第一の副領域と第二の組織タイプに対応する解剖学的領域の第二の副領域とが等強度であるように、第三の送信ＲＦ磁場マップ、第一のＴ１マップ、および第一のＳＤマップを使用して第三のフリップ角に対応する第三のＭＲデータセットを合成することができる。少なくとも一つのプロセッサは合成された第三のＭＲデータセットを使用して受信ＲＦ磁場マップを推定することができる。受信ＲＦ磁場マップは解剖学的領域内の受信ＲＦ磁場の空間分布を表すことができる。少なくとも一つのプロセッサは推定された受信ＲＦ磁場マップに基づいて第一のＳＤマップをスケーリングすることにより第二のＳＤマップを生成することができる。

【0006】

少なくとも一つのプロセッサは受信ＲＦ磁場マップに基づいて第一のＭＲデータセットをスケーリングし、受信ＭＲデータセットに基づいて第二のＭＲデータセットをスケーリングし、スケーリングされた第二のＭＲデータセットからのスケーリングされた第一のＭＲデータセットの加重減算を表す画像を生成することができる。少なくとも一つのプロセッサは第二のＭＲデータセットからの第一のＭＲデータセットの加重減算を表す画像を生成することができる。

【0007】

少なくとも一つのプロセッサは複数の被験体に対する複数の送信ＲＦ磁場マップを推定し、複数の被験体に対する推定された複数の送信ＲＦ磁場マップの平均化を使用して送信ＲＦ磁場テンプレートを生成することができる。少なくとも一つのプロセッサはＴ_1appマップおよび送信ＲＦ磁場テンプレートを使用して第二のＴ₁マップを生成することができる。少なくとも一つのプロセッサは推定されたＳＤ_appマップ、送信ＲＦ磁場テンプレート、および推定された受信ＲＦ磁場マップを使用してスピン密度（ＳＤ）マップを生成することができる。

【0008】

少なくとも一つの態様によると、磁気共鳴画像法（ＭＲＩ）のための方法は第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを受信する少なくとも一つのプロセッサを含むことができる。第一のＭＲデータセットおよび第二のＭＲデータセットは少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより取得することができる。本方法は見かけ上の縦緩和時間（Ｔ_1app）マップを生成する少なくとも一つのプロセッサを含むことができ、Ｔ_1appマップは解剖学的領域内の第一のＭＲデータセットおよび第二のＭＲデータセットを使用する解剖学的領域内のＴ_1appの空間分布を表している。本方法は縦緩和時間（Ｔ₁）の第一の定数値に基づいてＴ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定する少なくとも一つのプロセッサを含むことができる。Ｔ₁の第一の定数値は解剖学的領域内の第一の組織タイプに関連付けることができる。本方法はＴ₁の第二の定数値に基づいてＴ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定する少なくとも一つのプロセッサを含むことができる。Ｔ₁の第二の定数値は解剖学的領域内の第二の組織タイプに関連付けることができる。本方法は推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して第三の送信ＲＦ磁場マップを生成する少なくとも一つのプロセッサを含むことができる。第三の送信ＲＦ磁場マップは解剖学的領域内の送信ＲＦ磁場の空間分布を表すことができる。

【0009】

本方法はＴ₁の第三の定数値に基づいてＴ_1appマップをスケーリングすることにより第四の送信ＲＦ磁場マップを推定する少なくとも一つのプロセッサをさらに含むことができる。Ｔ₁の第三の定数値は解剖学的領域内の第三の組織タイプに関連付けることができる。第三の送信ＲＦ磁場マップを生成することは、推定された第一の送信ＲＦ磁場マップ、推定された第二の送信ＲＦ磁場マップ、および推定された第四の送信ＲＦ磁場マップを使用することを含むことができる。解剖学的領域は人間の脳とすることができ、第一の組織タイプは白質、第二の組織タイプは灰白質、第三の組織タイプは脳脊髄液とすることができる。本方法はＴ_1appマップを第三の送信ＲＦ磁場マップの二乗で除算することにより第一の縦緩和時間（Ｔ₁）マップを生成する少なくとも一つのプロセッサをさらに含むことができる。第一のＴ₁マップは解剖学的領域内のＴ₁の空間分布を表すことができる。

【0010】

本方法は第一のＭＲデータセットおよび第二のＭＲデータセットを使用して見かけ上のスピン密度（ＳＤ_app）マップを生成する少なくとも一つのプロセッサをさらに含むことができる。ＳＤ_appマップは解剖学的領域内のＳＤ_appの空間分布を表すことができる。少なくとも一つのプロセッサは第三の送信ＲＦ磁場マップに基づいてＳＤ_appマップをスケーリングすることにより第一のスピン密度（ＳＤ）マップを生成することができる。少なくとも一つのプロセッサは、少なくとも第一の組織タイプに対応する解剖学的領域の第一の副領域と第二の組織タイプに対応する解剖学的領域の第二の副領域とが等強度であるように、第三の送信ＲＦ磁場マップ、第一のＴ₁マップ、および第一のＳＤマップを使用して第三のフリップ角に対応する第三のＭＲデータセットを合成することができる。少なくとも一つのプロセッサは合成された第三のＭＲデータセットを使用して受信ＲＦ磁場マップを推定することができる。受信ＲＦ磁場マップは解剖学的領域内の受信ＲＦ磁場の空間分布を表すことができる。少なくとも一つのプロセッサは推定された受信ＲＦ磁場マップに基づいて第一のＳＤマップをスケーリングすることにより第二のＳＤマップを生成することができる。

【0011】

本方法は受信ＲＦ磁場マップに基づいて第一のＭＲデータセットをスケーリングし、受信ＭＲデータセットに基づいて第二のＭＲデータセットをスケーリングし、スケーリングされた第二のＭＲデータセットからのスケーリングされた第一のＭＲデータセットの加重減算を表す画像を生成する少なくとも一つのプロセッサをさらに含むことができる。本方法は第二のＭＲデータセットからの第一のＭＲデータセットの加重減算を表す画像を生成する少なくとも一つのプロセッサをさらに含むことができる。

【0012】

本方法は複数の被験体に対する複数の送信ＲＦ磁場マップを推定し、複数の被験体に対する推定された複数の送信ＲＦ磁場マップの平均化を使用して送信ＲＦ磁場テンプレートを生成する少なくとも一つのプロセッサをさらに含むことができる。本方法はＴ_1appマップおよび送信ＲＦ磁場テンプレートを使用して第二のＴ₁マップを生成する少なくとも一つのプロセッサをさらに含むことができる。本方法は推定されたＳＤ_appマップ、送信ＲＦ磁場テンプレート、および推定された受信ＲＦ磁場マップを使用してスピン密度（ＳＤ）マップを生成する少なくとも一つのプロセッサをさらに含むことができる。

【0013】

少なくとも一つの態様によると、コンピュータ可読媒体はそれに格納されたコンピュータコード命令を含む。コンピュータコード命令は少なくとも一つのプロセッサにより実行されると磁気共鳴画像法（ＭＲＩ）のための方法を実行させる。本方法は第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを受信する少なくとも一つのプロセッサを含むことができる。第一のＭＲデータセットおよび第二のＭＲデータセットは少なくとも一つのエコー時間を使用して解剖学的領域を撮像することにより取得することができる。本方法は見かけ上の縦緩和時間（Ｔ_1app）マップを生成する少なくとも一つのプロセッサを含むことができ、Ｔ_1appマップは第一のＭＲデータセット、第二のＭＲデータセット、および解剖学的領域内の送信無線周波数（ＲＦ）磁場に対する定数値を使用する解剖学的領域内のＴ_1appの空間分布を表す。本方法は縦緩和時間（Ｔ₁）の第一の定数値に基づいてＴ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定する少なくとも一つのプロセッサを含むことができる。Ｔ₁の第一の定数値は解剖学的領域内の第一の組織タイプに関連付けることができる。本方法はＴ₁の第二の定数値に基づいてＴ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定する少なくとも一つのプロセッサを含むことができる。Ｔ₁の第二の定数値は解剖学的領域内の第二の組織タイプに関連付けることができる。本方法は推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して第三の送信ＲＦ磁場マップを生成する少なくとも一つのプロセッサを含むことができる。第三の送信ＲＦ磁場マップは解剖学的領域内の送信ＲＦ磁場の空間分布を表すことができる。

【図面の簡単な説明】

【0014】

【図1】本発明の発明概念による、磁気共鳴画像法（ＭＲＩ）システムを例示するブロック図である。

【図2】本開示の発明概念による、磁気共鳴画像法（ＭＲＩ）のための方法２００を例示するフローチャートである。

【図3A-3B】二つの異なるフリップ角に対応する脳の二つのＭＲ画像を示す。

【図4A-4B】図４Ａは、見かけ上の縦緩和時間（Ｔ_1app）マップの例を描写する画像を示し、図４Ｂは、図４Ａに示されるＴ_1appマップを使用して生成される送信ＲＦ磁場（Ｂ_1t）マップの第一の推定の画像を示す。

【図5A-5B】白質および灰白質に対するマスクを表す画像を示す。

【図6A】解剖学的領域内の線におけるＢ_1tの第一の推定およびＢ_1tの第二の推定のプロットを示す。

【図6B】ローカル二次フィッティングを用いた場合と用いない場合の統合されたＢ_1tマップに関連付けられたプロットを示す。

【図7A-7B】統合されたＢ_1tマップの例および統合されたＢ_1tマップにローカル二次フィッティングを適用した後に得られるＢ_1tマップの例を例示する画像を示す。

【図8A-8C】それぞれＴ₁マップの推定、見かけ上のスピン密度（ＳＤ_app）マップの推定、およびスピン密度（ＳＤ）マップの推定の例を例示する画像を示す。

【図9】ＦＡの範囲にわたる異なる組織タイプに対応する信号の例を示す。

【図10A-10C】それぞれ合成されたＭＲデータセットの例、受信ＲＦ磁場の例、およびスケーリングされたスピン密度マップの例を例示する画像を示す。

【図11】Ｂ_1tおよびＢ_1rマップに対する脳テンプレートの例を示す。

【図12A-12B】スケーリングされたＭＲデータセットおよび減算ＭＲ画像を例示する画像を示す。

【図12C-12D】スケーリングされたＭＲデータセットおよび減算ＭＲ画像を例示する画像を示す。

【発明を実施するための形態】

【0015】

定量磁気共鳴画像法（ｑＭＲＩ）は異なるタイプの組織間を区別するため、または異常な組織を識別するために信号強度または相対信号強度を測定および／または使用することを含む。組織特性を定量化することにより、正常および異常な組織タイプの区分および分類の両方をするための方法を開発することがより容易になる。定量スピン密度（ＳＤ）、縦緩和時間（Ｔ₁）、横磁化減衰レート（Ｔ₂^*）、および定量磁化率マッピング（ＱＳＭ）の使用は、今日、重要な臨床での用途を有する。例えば、定量Ｔ₁イメージングは心臓血管イメージングにおけるアテローム性動脈硬化、腫瘍、脳卒中、および多発性硬化症の研究において潜在的な実用性を有する。また、定量ＳＤマッピングは浮腫および治療後の組織水分量の変化を研究するために重要な役割を果たし、また使用されている。一般に、このタイプの組織定量化によってより厳密な方法での治療に対する組織の応答を追跡することが可能になる。

【0016】

定量Ｔ₁イメージングおよび定量ＳＤマッピングは可変フリップ角（ＶＦＡ）技術を使用して達成することができる。ＶＦＡ法を使用することは複数の異なるフリップ角に対するＭＲデータの取得を含む。具体的には、ＭＲＩスキャナは異なる名目上のフリップ角を有する複数の損なわれたグラジェントエコーデータセットを取得し、Ｔ₁および／またはＳＤを適切に定量化するために取得されたデータセットを使用することができる。ＶＦＡ技術がＭＲデータ収集の容易さにより特徴付けられる一方で、ＶＦＡベースの技術は位置の関数として無線周波数（ＲＦ）励起（または送信）磁場（Ｂ_1t）またはフリップ角（ＦＡ）の正確な情報を要求する。実際には、ＶＦＡデータセットに基づいてＴ₁マップを正確に計算するための能力は送信ＲＦ磁場（Ｂ_1t）マップの空間分布の正確な情報に依存する。また、ＳＤマップの再構成には受信ＲＦ磁場（Ｂ_1r）マップの使用を含む。いくつかの実施形態では、ＭＲＩスキャナまたは各プロセッサは例えば他の二つのフリップ角（ＦＡ）と比較される相対的に大きなＦＡに関連付けられたデータセットを含む少なくとも三つの異なるフリップ角に対して取得されたデータセットを使用することにより送信ＲＦ磁場Ｂ_1tを算出することができる。三未満のＦＡまたは相対的に小さなＦＡに対応するデータセットを使用することより不適切に送信ＲＦ磁場（Ｂ_1t）を再構成する問題が生じる可能性があり、またその問題の不適切さを改善するために追加の制約が要求される可能性がある。不適切さに対処するためのこのような制約の例は胸部イメージングに対するＢ_1t磁場分布を決定するために脂肪等の単一の組織を使用すること、または白質もしくは灰白質に対するＴ₁とＳＤとの間の関係に制約を使用することを含むことができる。

【0017】

本開示では、改善された画像品質および定量データを用いる戦略的に取得されたグラジェントエコー（ＳＴＡＧＥ）イメージングのための方法およびシステムが開示される。ＳＴＡＧＥイメージングにより二つのＦＡに対応する取得されたデータセットを使用した包括的で迅速なイメージングが可能になる。また、本明細書に記載のＳＴＡＧＥイメージングのためのシステムおよび方法によりＴ₁およびＳＤマップの信頼性が高く正確な再構成が可能になる。

【0018】

図１は本開示の発明概念による、磁気共鳴画像法（ＭＲＩ）システム１００を例示するブロック図である。概要では、ＭＲＩシステム１００はＭＲＩスキャナ１０２、プロセッサ１０４、メモリ１０６、およびディスプレイデバイス１０８を含むことができる。プロセッサ１０４はＭＲＩスキャナ１０２、メモリ１０６およびディスプレイデバイス１０８と通信可能に結合することができる。

【0019】

ＭＲＩスキャナ１０２は０．１テスラ（Ｔ）から７Ｔの範囲の磁場のような強力な静磁場を生成するための磁石（図１に示されていない）、ならびにＲＦ信号を送信および／または受信するための複数の無線周波数（ＲＦ）コイル（図１に示されていない）を含むことができる。ＲＦコイルは送信ＲＦコイルおよび受信ＲＦコイルを含むことができる。ＲＦ送信コイルはＭＲＩパルスシーケンスに従って患者の解剖学的領域等の被験体を励起するためのＲＦパルスを放出することができる。受信ＲＦコイルはＲＦパルスの放出を追跡する被験体により生成されるＭＲＩ信号を記録することができる。ＲＦコイルはＲＦ信号を交互に送信および受信することのできるＲＦトランシーバを含み得る。ＲＦコイルは損なわれたＲＦグラジェントデータ取得に従ってＭＲＩデータを取得することができる。記録されたＭＲＩ信号は二つの異なるＦＡに関連付けることができる。

【0020】

イメージングシステム１００は一または二以上のプロセッサ１０４を含むことができる。一または二以上のプロセッサ１０４はＭＲＩスキャナ１０２内部に集積されたプロセッサ、ＭＲＩスキャナ１０２に通信可能に結合されたコンピューティングデバイスのプロセッサ、またはその組合せを含むことができる。メモリ１０６はＭＲＩスキャナ１０２のメモリコンポーネント、ＭＲＩスキャナ１０２に通信可能に結合されたコンピューティングデバイスのメモリコンポーネント、またはその組合せを含むことができる。メモリ１０６はコンピュータ実行可能命令を含むことができ、この命令は一または二以上のプロセッサ１０４により実行されると一または二以上のプロセッサ１０４に本明細書に記載のＳＴＡＧＥイメージングのための方法を実行させることができる。メモリ１０６はＭＲＩスキャナ１０２により取得されるＭＲＩデータを格納することができ、プロセッサ１０４はメモリ１０６からのこのようなデータにアクセスすることができる。メモリ１０６はスキャナ１０２により取得されるＭＲＩデータに基づいてプロセッサ１０４により生成される画像を受信および格納することができる。

【0021】

ディスプレイデバイス１０８はカソードレイチューブ（ＣＲＴ）ディスプレイ、発光ダイオード（ＬＥＤ）ディスプレイ、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、プラズマディスプレイパネル（ＰＤＰ）、液晶ディスプレイ（ＬＣＤ）、または当該技術分野における当業者に知られている他のディスプレイを含むことができる。ディスプレイデバイス１０８はスタンドアロンデバイスまたはＭＲＩスキャナ１０２に通信可能に結合されたコンピューティングデバイス（例えば、デスクトップ、ラップトップ、またはタブレット）のディスプレイであり得る。ディスプレイデバイス１０８はタッチスクリーンを含むことができる。ディスプレイデバイス１０８はプロセッサ１０４またはメモリ１０６から画像データを受信し、その受信した画像データを表示することができる。例えば、ＭＲＩスキャナ１０２により取得されるデータに基づいてＭＲＩ画像を再構成する際、プロセッサ１０４はディスプレイデバイス１０８で表示するための再構成された画像を提供することができる。フリップ角θの関数としての損なわれたＲＦグラジェントエコーデータ取得に対する信号強度は以下のように表すことができる。

【数1】

Ｔ₁は縦緩和時間、ＳＤはスピン密度、ＴＲは繰返し時間、ＴＥはエコー時間、Ｂ_1tは送信ＲＦ磁場、Ｂ_1rは受信ＲＦ磁場（ＲＦコイル感受性またはバイアス磁場とも呼ばれる）であり、Ｅ１＝ｅｘｐ（−ＴＲ／Ｔ₁）である。ここで、Ｂ_1tの項は補正フリップ角が得られる時に１に対して正規化されると仮定されている。（１−Ｅ１ｃｏｓ（Ｂ_1t・θ））／ｓｉｎ（Ｂ_1t・θ）を式（１）の両側にかけると、式（１）は以下のように書き直すことができる。

【数2】

ここで、ＳＤ_eff＝ＳＤ・Ｂ_1r・e^-TE/T2*は有効スピン密度を表す。

【0022】

式（２）に従うと、Ｓ（θ）/ｓｉｎ（Ｂ_1tθ）はＳ（θ）/ｔａｎ（Ｂ_1tθ）の線形関数とみなすことができる。具体的には、異なる名目上の励起フリップ角に対して収集されるデータに対し、変換されたデータをＳＤ_eff・（１−Ｅ₁）において傾きＥ₁および縦軸切片（またはｘ軸交差）を有する線にフィッティングすることができる。このように、（Ｓ（θ）/ｔａｎ（Ｂ_1tθ），Ｓ（θ）/ｓｉｎ（Ｂ_1tθ））座標系における少なくとも二つのＦＡに対応する少なくとも二つのデータ点により定義される線の傾きを算出することによりＥ₁の値を決定することができる。また、決定されたＥ₁値およびｘ軸と少なくとも二つのデータ点により形成される線との間の交点を使用して、ＳＤ_effの値を決定することができる。しかしながら、Ｂ_1t磁場の不均一性に起因して、測定されたフリップ角はスキャンを動作させるために選択された実際のフリップ角の値とは異なる可能性があり、これにより特に高磁場でのＴ₁の推定において著しい誤差が導かれる可能性がある。したがって、Ｔ₁の正確な推定では送信ＲＦ磁場Ｂ_1tの正確な情報が要求される。

【0023】

ＦＡが小さく、またＴＲ＜＜Ｔ₁である場合、式（１）は以下のように近似することができる。

【数3】

ここで角度θ_Eはｃｏｓθ_E＝ｅｘｐ（−ＴＲ/Ｔ₁）と定義される。式（３）を使用すると、見かけ上のスピン密度（ＳＤ_app）および見かけ上の縦緩和時間（Ｔ_1app）を以下のように導出することができる。

【数4】

【数5】

式（３）−（５）を考慮すると、見かけ上のスピン密度ＳＤ_appはＢ_1tに線形に比例し、見かけ上の縦緩和時間Ｔ_1appはＢ_1t²に線形に比例する。したがってＢ_1tにおける１０％の誤差（または実際のＦＡがθ’＝Ｂ_1tθである場合のＦＡにおける１０％）がＴ₁推定における２０％の誤差およびＳＤ推定における１０％の誤差をもたらす可能性がある。そのため、Ｔ₁および／またはＳＤマップの正確な再構成ではＢ_1tマップの正確な推定が要求される。

【0024】

図２は磁気共鳴画像法（ＭＲＩ）のための方法２００を例示するフローチャートである。概要を述べると、方法２００は第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを得る（または受信する）こと（ステップ２０２）、ならびに第一のＭＲデータ、第二のＭＲデータ、および解剖学的領域内の送信無線周波数（ＲＦ）磁場に対する定数値を使用して見かけ上の縦緩和時間（Ｔ_1app）マップを生成すること（ステップ２０４）を含むことができる。方法２００は縦緩和時間（Ｔ₁）の第一の定数値に基づいてＴ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定すること（ステップ２０６）、Ｔ₁の第二の定数値に基づいてＴ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定すること（ステップ２０８）、ならびに推定された第一の送信ＲＦ磁場マップおよび推定された第二の送信ＲＦ磁場マップを使用して第三の送信ＲＦ磁場マップを生成すること（ステップ２１０）も含むことができる。

【0025】

方法２００は第一のフリップ角に対応する第一の磁気共鳴（ＭＲ）データセットおよび第二のフリップ角に対応する第二のＭＲデータセットを得ることを含むことができる（ステップ２０２）。スキャナ１０２は少なくとも一つのエコー時間ＴＥを使用して解剖学的領域を撮像することにより第一のＭＲデータセットおよび第二のＭＲデータセットを取得することができる。プロセッサ１０４はユーザがＭＲデータ取得に対する設定を選択することを可能にするために、例えば、ディスプレイデバイス１０８にユーザインタフェース（ＵＩ）を設けることができる。プロセッサ１０２はＭＲスキャナ１０２に選択された設定に従って解剖学的領域を撮像させることができる。選択された設定は二つの別々のＦＡを使用するＭＲデータの取得を表示することができる。選択された設定は（例えば一または二以上の損なわれたグラジェントエコーＭＲシーケンスを使用する）損なわれたグラジェントエコーＭＲデータ取得の表示であり得る。撮像される解剖学的領域は人間の脳もしくは他の臓器または患者の体の一部を含むことができる。

【0026】

プロセッサ１０４はＭＲスキャナ１０２（または各ＲＦコイル）にＲＦを用いて解剖学的領域を励起すること、および選択された設定に従って解剖学的領域により生成されるＭＲ信号を記録させることができる。具体的には、ＭＲスキャナ１０２の受信ＲＦコイルは第一のＦＡに関連付けられたＭＲ信号の第一の組および第二のＦＡに関連付けられたＭＲ信号の第二の組を記録することができる。記録されたＭＲ信号と対応するＦＡとの間の関係は式（１）および／または式（２）を満たす。第一および第二のＭＲデータセットを得ることは、ＭＲスキャナ１０２から記録された信号を受信し、各ＭＲデータセット（またはＭＲ信号の組）に対する各ＭＲ画像を生成するプロセッサ１０４を含むことができる。

【0027】

図３Ａおよび図３Ｂを参照すると、二つの異なるＦＡに対応する脳の二つのＭＲ画像が示されている。例えば、図３Ａは６°に等しいＦＡを使用して取得されたＭＲデータの画像３０２を示しており、図３Ｂは２４°に等しいＦＡを使用して取得されたＭＲデータの画像３０４を示している。図３Ａおよび図３Ｂに例示されるＭＲデータの取得において使用される繰返し時間ＴＲは２５ミリ秒（ｍｓ）に等しい。図３Ａおよび図３Ｂの画像に関連付けられたＦＡの値は例示の目的のために選択されたものであり、限定するものと解釈されるべきではない。例えば、他の角度の値（６°および／または２４°以外）は（二つのＦＡの中で）小さい方のＦＡがエルンスト角未満であり大きい方のＦＡがエルンスト角よりも大きい場合にＭＲデータ取得のために使用することができる。プロセッサ１０４は対応するＦＡに関連付けられた記録された信号の逆フーリエ変換を行うことにより図３Ａおよび図３Ｂに示される画像をそれぞれ再構成することができる。

【0028】

再び図２を参照すると、方法２００は第一のＭＲデータセット、第二のＭＲデータセット、および解剖学的領域内の送信ＲＦ磁場Ｂ_1tに対する定数値を使用して見かけ上の縦緩和時間（Ｔ_1app）マップを生成することを含むことができる（ステップ２０４）。Ｔ_1appマップは解剖学的領域内のＴ_1appの空間分布を表す。一般に、また式（５）を考慮すると、Ｔ_1appはＢ_1tの空間不均一性に起因して単一の組織に関連付けられた領域の内部であっても空間的に変化する可能性がある。例えば、Ｔ_1appの値は一つの組織を表す領域の内部で比較的大きな分散を有する可能性がある。全ての人に対して利用可能な標準Ｂ_1tがあれば、次にそれを人によって異なるローカルＴ₁値を発見するために使用することができる。しかしながら、Ｂ_1tのこのような標準値（または標準マップ）が無いため、Ｂ_1tマップを正確に推定するための方法または技術が要求される。Ｔ_1appマップを生成すること（ステップ２０４）は、Ｂ_1tマップを再構成するために使用されるＴ_1appマップの第一の推定を決定することとみなすことができる。

【0029】

プロセッサ１０４は式（２）を使用して、また解剖学的領域内のＢ_1tに対する正規化された定数値を例えば１に等しいと仮定して、画素単位でＴ_1appを計算することができる。具体的には、プロセッサ１０４は異なるＦＡに関連付けられたデータ点に基づいて定義される線の式（２）における傾きとして各画素に対するＥ１を最初に決定することができる。具体的には、ＦＡθ₁およびθ₂にそれぞれ対応するデータ点Ｓ（θ₁）およびＳ（θ₂）を考慮すると、Ｅ１は以下のように算出することができる。

【数6】

Ｅ１＝ｅｘｐ（−ＴＲ／Ｔ₁）であるため、プロセッサ１０４は算出されたＥ１および繰返し時間ＴＲを使用してＴ₁の推定を決定することができる。プロセッサ１０４は次にＴ₁の推定された値およびＢ_1tの定数値を使用する式（５）に従って各画素に対するＴ_1appを算出することができ、したがってＴ_1appマップが生成される。図４Ａを参照すると、Ｔ_1appマップの画像４０２が描写されている。図４Ａに示されているＴ_1appマップは図３Ａおよび図３Ｂに示されるＭＲデータおよび１に等しいＢ_1tの正規化された定数値を使用して、上記で説明したように画素毎に算出される。ＭＲデータは２５ｍｓに等しいＴＲの値を使用して取得される。

【0030】

方法２００はＴ₁の第一の定数値に基づいてＴ_1appマップをスケーリングすることにより第一の送信ＲＦ磁場マップを推定し（ステップ２０６）、Ｔ₁の第二の定数値に基づいてＴ_1appマップをスケーリングすることにより第二の送信ＲＦ磁場マップを推定する（ステップ２０８）プロセッサ１０４を含むことができる。Ｔ₁の第一の定数値は解剖学的領域内の第一の組織タイプに対応することができ、Ｔ₁の第二の定数値は解剖学的領域内の第二の組織タイプに対応することができる。例えば、第一の組織タイプは白質、第二の組織タイプは灰白質とすることができる。一般に、人間の脳のＴ₁測定値を確認するための三次元（３Ｄ）の信頼性が高く正確な標準は存在しない。また、Ｔ₁は温度、化学交換およびかん流のような多くの要因から影響を受ける可能性がある。様々な研究者によって記録された白質および灰白質の両方に対するＴ₁値の値は実質的なばらつきを示す。しかしながら、このようなばらつきにもかかわらず、白質に対するＴ₁値で除算される灰白質に対するＴ₁値の比率は異なる研究者による様々な測定値において極めて好適であるように見受けられる。具体的には、比率はおよそ１．７である。したがって、Ｔ₁の第一の定数値は１０００ｍｓに設定することができ、一方Ｔ₁の第二の定数値は１７００ｍｓに設定することができる。いくつかの実施形態では、白質および灰白質に対してＴ₁の他の値を選択することができる。例えば、白質に対するＴ₁値は８００から１２００ｍｓの範囲の任意の値に設定することができ、灰白質に対するＴ₁値は白質に対するＴ₁値の１．７倍に等しい値に設定することができる。また、他のタイプの組織（例えば、灰白質および／または白質以外）に対して、異なるＴ₁値を使用することができる。

【0031】

プロセッサ１０４はＴ₁の第一の定数値に基づいて各画素においてＴ_1app値をスケーリングする（または除算する）ことによりＢ_1tマップの第一の推定を生成することができる。図４Ｂを参照すると、図４Ａに示されるＴ_1appマップを使用して生成されるＢ_1tマップの第一の推定の画像４０４。図４Ｂに示されるＢ_1tマップの第一の推定は１０００ｍｓに等しく、また白質に対応するＴ₁の定数値を使用して算出される。プロセッサ１０４はＴ₁の第二の定数値に基づいて各画素においてＴ_1app値をスケーリングする（または除算する）ことによりＢ_1tの第二の推定を生成することができる。プロセッサ１０４はＢ_1tマップの第一の推定および第二の推定のうち少なくとも一つを使用して解剖学的領域内の第一の組織タイプおよび第一の組織タイプに対するマスクも生成することができる。例えば、プロセッサ１０４は白質のマスクおよび灰白質のマスクを生成するために白質に対応するＴ₁の定数値を使用して決定されるＢ_1tマップの第一の推定を使用することができる。Ｂ_1tマップの推定は低空間周波数成分により特徴付けられ、解剖学的領域を異なる組織タイプに対応する様々な領域に区分するために適切である可能性がある。プロセッサ１０４は白質領域と灰白質領域との間を区別するためにＢ_1tマップの第一の推定に対してハイパスフィルタを適用することができる。プロセッサ１０４は白質領域を決定するためにＢ_1tマップの第一の推定に対してローパスフィルタを適用することができ、灰白質領域を決定するためにＢ_1tマップの第一の推定に対してハイパスフィルタを適用することができる。プロセッサ１０４は異なる組織タイプに関連付けられた領域間の干渉または重複を回避するために各マスクに対してエロ―ジョンアルゴリズム（ｅｒｏｓｉｏｎａｌｇｏｒｉｔｈｍ）を適用することもできる。プロセッサ１０４により生成されるマスクの各々に対して、対応する組織タイプに関連付けられた画素は１に等しい値（またはゼロでない値）を有する可能性があり、一方他の画素はゼロに等しい値を有する可能性がある。

【0032】

図５Ａおよび図５Ｂを参照すると、白質および灰白質に対するマスクを表す画像が示されている。画像５０２は白質のマスクを表しており、画像５０４は灰白質のマスクを表している。両方のマスクは図４Ｂに示されるＢ_1tマップの第一の推定を使用して生成される。

【0033】

ステップ２１０において、プロセッサ１０４は推定された第一のＢ_1tマップおよび推定された第二のＢ_1tマップを使用して第三のＢ_1tマップを生成することができる。図６Ａを参照すると、解剖学的領域内の線におけるＢ_1tの第一の推定およびＢ_1tの第二の推定のプロットが示されている。プロット６０２は解剖学的領域内の線におけるＢ_1tの第一の推定（または白質に対応するＴ₁の定数値を使用するＢ_1tの推定）を表している。プロット６０４は解剖学的領域内の線におけるＢ_1tの第二の推定（または灰白質に対応するＴ₁の定数値を使用するＢ_1tの推定）を表している。二つのプロット６０２と６０４とを比較すると、Ｂ_1tの第一の推定およびＢ_1tの第二の推定が実質的に互いのシフトしたバージョンであることがわかる。第三のＢ_1tマップを生成することはＢ_1tの第一および第二の推定されたマップの両方が実質的に重複するまでＢ_1tの第一および第二の推定されたマップのうち少なくとも一つをシフトさせるプロセッサ１０４を含むことができる。例えば、プロセッサ１０４はＢ_1tのシフトされた第一の推定されたマップとＢ_1tの第二の推定されたマップとの間の平均二乗誤差が最小化されるようにシフト値に基づいてＢ_1tの第一の推定されたマップをシフトさせることができる。

【0034】

プロセッサ１０４はＢ_1tのシフトされた第一の推定されたマップ、Ｂ_1tの第二の推定されたマップ、ならびに第一および第二の組織タイプに対応するマスクを使用して第三のＢ_1tマップを生成することができる。具体的には、プロセッサは（ｉ）第一の組織タイプ（例えば、白質）に対応するマスクにＢ_1tのシフトされた第一の推定されたマップを乗算（すなわち、画素単位で乗算）すること、（ｉｉ）第二の組織タイプ（例えば、灰白質）に対応するマスクにＢ_1tの第二の推定されたマップを乗算（すなわち、画素単位で乗算）すること、および（ｉｉｉ）Ｂ_1tの統合されたマップ（または第三のＢ_1tマップ）を形成するためにこれらの乗算の結果を統合することができる。プロセッサ１０４は生成されたマスクのいずれにも属さない任意の画素を埋める（またはそれに値を割り当てる）ためにＢ_1tの統合されたマップ（または第三のＢ_1tマップ）にローカル二次フィッティング（ｌｏｃａｌｑｕａｄｒａｔｉｃｆｉｔｔｉｎｇ）を適用し得る。

【0035】

図６Ｂを参照すると、ローカル二次フィッティングを用いた場合と用いない場合の統合されたＢ_1tマップに関連付けられたプロットが描写されている。プロット６０６は解剖学的領域内の線における統合されたＢ_1tの値を表している。プロット６０８はローカル二次フィッティングを適用した後の解剖学的領域内の線における統合されたＢ_1tの同じ値を表している。ローカル二次フィッティングはサイズがｍ×ｍのローカル二次フィッティング行列を使用して達成することができ、ここでｍは整数である。ｎ×ｎ画像の全体に滑らかでよりノイズの少ない結果を創造するために使用される。図６Ｂに例示されるように、ローカル二次フィッティング操作はＢ_1tの滑らかでよりノイズの少ないマップを導く。

【0036】

図７Ａを参照すると、統合されたＢ_1tマップの例を例示する画像７０２が示されている。具体的には、画像７０２は白質に対応するマスク５０２とＢ_1tのシフトされた第一の推定されたマップとの積と、灰白質に対応するマスク５０４とＢ_1tの第二の推定されたマップとの積とを統合して得られる画像を表している。画像７０２における黒色領域はマスク５０２またはマスク５０４のいずれにも属さない画素または領域を表している。

【0037】

図７Ｂを参照すると、画像７０２にローカル二次フィッティングを適用した後に得られるＢ_1tマップの画像７０４が示されている。図７０４に例示されるように、ローカル二次フィッティングにより図７０２に示される統合されたＢ_1tにおける間隙を埋めることが可能になる。画像７０４に示されるＢ_1tマップにより解剖学的領域内のＢ_1tの信頼性の高い推定が提供され、またＴ₁マップおよび／またはＳＤマップの正確な再構成が可能になる。

【0038】

上記において方法２００は二つの組織タイプに関して説明されたが、解剖学的領域は二よりも多くの異なる組織タイプを含むことができる。例えば、解剖学的領域は三つの区別できる組織タイプを含むことができる。このような例では、プロセッサ１０４は解剖学的領域内の第三の組織タイプに関連付けられたＴ₁の第三の定数値に基づいて（ステップ２０４において生成された）Ｔ_1appマップをスケーリングすることによりＢ_1tマップの別の推定をさらに決定することができる。プロセッサ１０４は解剖学的領域内の第三の組織タイプにより占有される領域を表す第三のマスクを生成することもできる。例えば、プロセッサ１０４は三つのマスクの各々を生成するために異なるフィルタ（例えば、ローパスフィルタ、バンドパスフィルタ、および／またはハイパスフィルタ）を使用することができる。プロセッサ１０４は（例えば、第三のマスクに従って）Ｔ₁の第三の定数値に基づいて推定されるＢ_1tのマップを使用して第三のＢ_1tマップを更新することができる。あるいは、（例えば、三つの組織タイプに対応する三つのマスクに基づく）Ｂ_1tマップの三つの推定を使用して第三のＢ_1tマップを最初に生成することができる。例えば、第三の組織タイプは脳脊髄液とすることができ、プロセッサ１０４は（ｉ）白質に対する一定のＴ₁値に基づいて推定される第一のＢ_1tマップに第一のマスクを乗算すること、（ｉｉ）灰白質に対する一定のＴ₁値を使用して推定される第二のＢ_1tマップに第二のマスクを乗算すること、（ｉｉｉ）第三のマスクにより脳脊髄液に対する一定のＴ₁値を使用して推定されるＢ_1tマップを推定すること、また（ｉｖ）他の組織に対しても同様に推定することができる。脳脊髄液に対する一定のＴ₁値は４５００ｍｓに等しい値とすることができる。プロセッサ１０４は次に単一のより正確なＢ_1tマップ画像を創造するために（マスクを用いた乗算から）得られた画像を統合することができる。

【0039】

いくつかの実施形態では、プロセッサ１０４は窓における平均および標準偏差を計算し、平均を上回るかまたは下回る所与の閾値（例えば、ノイズの三つの標準偏差）を超えているこれらの点（または画素）を除去するために、例えばスライドする窓を使用することによりローカルノイズスパイクを除去し得る。プロセッサ１０４は滑らかでよりノイズの少ないＢ_1tマップ画像を提供するために例えばサイズがｍ×ｍのローカル二次フィッティング行列を使用して統合されたＢ_1tマップに図６Ｂに関して上記で説明されたようなローカル二次フィッティングを適用することができ、ここでｍは整数である。いくつかの実施形態では、整数ｍは２０に等しい値とすることができる。しかしながら、ｍに対して他の値を使用してもよい。人間の脳のケースでは組織タイプは白質、灰白質、および脳脊髄液を含むことができるが、本方法およびシステムは人間の脳またはこれらの組織タイプに限定されるものと解釈される。一般に、本明細書に記載の方法は固有の解剖学的領域または解剖学的領域内の固有の数の組織タイプに制限されるべきではない。

【0040】

方法２００はＴ₁マップの第一の推定を生成するためにステップ２１０において決定されたＢ_1tマップを使用するプロセッサ１０４をさらに含むことができる。プロセッサ１０４は式（５）を使用すること、およびステップ２０４において決定されたＴ_1appマップをステップ２０１において決定されたＢ_1tマップの二乗で除算することができる。具体的には、解剖学的領域の各画素またはボクセルｘに対して、プロセッサ１０４は対応するＴ₁値をＴ₁（ｘ）＝Ｔ_1app（ｘ）／Ｂ_1t²（ｘ）として算出することができる。そのため、このＴ₁マップの第一の推定は解剖学的領域内のＢ_1tの分布におけるばらつきを説明し、また補正されたＴ₁マップと呼ばれ得る。

【0041】

プロセッサ１０４は第一のＭＲデータセットおよび第二のＭＲデータセットを使用して見かけ上のスピン密度（ＳＤ_app）マップをさらに生成することができる。ＳＤ_appマップは解剖学的領域内のＳＤ_appの空間分布を表す。プロセッサ１０４は式（３）およびステップ２０４において仮定されたＢ_1tの定数値を使用してＳＤ_appマップを決定することができる。例えば、プロセッサ１０４はＦＡθ₁またはθ₂に対応するデータセットからのデータ点およびステップ２０４において仮定されたＢ_1tの定数値を使用して各画素においてＳＤ_appに対して式（３）を解くことができる。あるいは、式（２）に基づいて、また再びステップ２０４を参照すると、プロセッサ１０４はＢ_1tの正規化された定数値（例えば、Ｂ_1t＝１．０）を仮定する時に（Ｓ（θ）／ｔａｎ(Ｂ_1tθ)，Ｓ（θ）／ｓｉｎ（Ｂ_1tθ））座標系におけるｘ軸を用いてデータ点（Ｓ（θ₁）／ｔａｎ（Ｂ_1tθ₁），Ｓ（θ₁）／ｓｉｎ（Ｂ_1tθ₁））および（Ｓ（θ₂）／ｔａｎ（Ｂ_1tθ₂），Ｓ（θ₂）／ｓｉｎ（Ｂ_1tθ₂））により定義される線の交点に基づいて各画素においてＳＤ_eff・（１−Ｅ１）を決定することができる。ステップ２０４においてＥ₁が既に決定されているため、プロセッサ１０４は各画素においてｘ軸との交点に対応する値を１−Ｅ₁で除算することによりＳＤ_effのマップを生成すること、およびＳＤ_appマップを生成するためにＳＤ_effマップにステップ２０４において仮定されたＢ_1tの定数値を乗算することができる。

【0042】

プロセッサ１０４は決定されたＳＤ_appマップをステップ２１０において決定されたＢ_1tマップで除算することによりＳＤマップの第一の推定を生成することができる。式（４）に従って、解剖学的領域内の各画素またはボクセルに対し、プロセッサ１０４は（ステップ２１０において生成されたＢ_1tマップからの）同じ画素におけるＢ_1t値に基づいてその画素におけるＳＤ_app値をスケーリングする（または除算する）ことができる。ＳＤ_eff＝ＳＤ・Ｂ_1r・ｅ^-TE/T2*であるため、ＳＤマップの生成された第一の推定はＳＤ_effマップの推定である。このＳＤマップの第一の推定によりＢ_1tの分布におけるばらつき（ただしＢ_1rの分布におけるばらつきではない）が説明される。Ｂ_1rデータが得られると、補正されたＳＤマップはＳＤ_cor＝ＳＤ・ｅ^-TE/T2*を介して得ることができ、また補正されたＳＤマップと呼ばれ得る。最後に、Ｔ２^*を計算するために多重エコーを使用して、絶対ＳＤを式ＳＤ＝ＳＤ_cor・ｅ^TE/T2*から得ることができる。

【0043】

図８Ａ−図８Ｃを参照すると、画像８０２、８０４および８０６はそれぞれＴ₁マップの推定、ＳＤ_appマップの推定、およびＳＤマップの推定の例を示している。画像８０２に示されるＴ₁マップは画像７０４（図７Ｂ）に示されるＢ_1tの二乗に基づいて画像４０２（図４Ａに示されている）におけるＴ_1appマップを（画素毎に）スケーリングすることにより生成される。画像８０４におけるＳＤ_appマップの推定は式（３）、画像３０２または３０４（図３Ａおよび図３Ｂ）に例示されるデータセットのうちの一つを使用して生成される。画像８０６のＳＤマップ（またはＳＤ_effマップ）の推定は画像７０４のＳＤ_appマップを画像７０４（図７Ｂ）のＢ_1tマップで除算することにより生成される。

【0044】

プロセッサ１０４はＢ_1rのマップを推定する（または生成する）ために（ステップ２１０において決定された）推定されたＢ_1tマップ、補正されたＴ₁マップおよび補正されたＳＤマップを使用することができる。具体的には、プロセッサ１０４は第一の組織タイプ（例えば、白質）に関連付けられた第一の領域および第二の組織タイプ（例えば、灰白質）に関連付けられた第二の領域を等強度にすることのできる固有のフリップ角に対応するＭＲデータセットを合成するために推定されたＢ_1tマップだけでなく補正されたＴ₁およびＳＤマップを用いることができる。プロセッサ１０４はＭＲＩスキャナ１０２を介した追加のＭＲデータ取得を用いるのではなく、式（１）を使用することによりこのようなＭＲデータセットを合成することができる。プロセッサ１０４は三つの異なる組織タイプ（例えば、白質、灰白質、および脳脊髄液）に対応する三つの領域が等強度であるＭＲデータセットを創造するためにエコー時間ＴＥをさらに変え得る。プロセッサ１０４は解剖学的領域内のＢ_1rの空間ばらつきの影響を緩和するために推定されたＢ_1rマップによりＳＤマップ推定（例えば、図８Ｃの画像８０６に示されるＳＤマップ）をスケーリングすること、およびＳＤマップの改善された推定を達成することができる。

【0045】

図９を参照すると、ＦＡの範囲にわたる異なる組織タイプに対応する信号の例が示されている。信号９０２は白質（またはＷＭ）に対応し、信号９０４は灰白質（またはＧＭ）に対応し、信号９０６は脳脊髄液（またはＣＳＦ）に対応する。信号９０８は信号９０２と９０４との間の差を表し、信号９１０は信号９０４と９０６との間の差を表し、信号９１２は信号９０２と９０６との間の差を表している。信号９０２、９０４、および９０６は白質内の１０００ｍｓ、灰白質内の１７００ｍｓ、そして脳脊髄液内の４５００ｍｓに等しい一定のＴ₁値を使用して生成された。繰返し時間ＴＲは３０ｍｓに等しく、白質ＳＤは０．６８に等しく、灰白質のＳＤは０．８２に等しい。また、４４ｍｓおよび５１ｍｓのＴ₂^*値がそれぞれ白質および灰白質に対して使用された。信号９０２および９０４はおよそ１０°（またはそれをわずかに上回る）ＦＡにおいて交差する。異なる組織を等強度にすることにより、プロセッサ１０４はローカルスピン密度を決定する必要性を回避することができる。全ての信号が等強度であるため、合成されたデータセットにおける増幅のばらつきはＢ_1r磁場におけるばらつきを表している。したがって、プロセッサ１０４は合成されたデータセットに基づいてＢ_1rマップを決定する（または生成する）ことができる。プロセッサ１０４はＢ_1rマップの推定においてローカル二次フィッティングを用いることもできる。当初の画像を補正するために使用されるＢ_1rマップは画像の中心におけるＢ_1rの値に対して正規化される等強度画像からの信号と定義することができる。

【0046】

図１０Ａ−図１０Ｃを参照すると、合成されたＭＲデータセットの例、受信ＲＦ磁場の例、およびスケーリングされたスピン密度マップの例を例示する画像が示されている。画像１００２は白質と灰白質とが等強度であるようにＦＡが選択される二重の等強度ＭＲデータセットを表している。画像１００４は画像１００２の等強度ＭＲデータセットに基づいて生成（または推定）されるＢ_1rマップを表している。画像１００２における等強度ＭＲデータセットは間隙（黒色領域または画素）を含む。このような間隙はローカル二次フィッティングを使用することにより画像１００４のＢ_1rマップにおいて除去される。いくつかの実施形態では、プロセッサ１０４は推定されたＳＤマップ上の解剖学的領域内のＢ_1rの空間ばらつきの影響を緩和するために合成されたデータセットに基づいて推定されたＢ_1rマップによりＳＤマップ推定（例えば、図８Ｃの画像８０６に示されるＳＤマップ）をスケーリングし得る。画像１００６は画像１００４のＢ_1rマップによる画像８０６におけるＳＤマップのスケーリング（画素毎のスケーリング）を表している。画像１００６と８０６とを比較すると、画像１００６におけるＳＤマップが画像８０６と比較される解剖学的領域内の様々な副領域の改善された表現を提供することが見てとれる。

【0047】

いくつかの実施形態では、プロセッサ１０４（または他のコンピューティングデバイス）は複数の被験体（例えば、患者またはボランティア）に対する複数のＢ_1tマップを推定することができる。プロセッサ１０４は方法２００に関して上記で説明されたような各被験体に対するＢ_1tマップを推定することができる。各被験体に対して、プロセッサ１０４は各被験体に対する対応するＢ_1tマップを解剖学的領域（例えば、脳）の各テンプレートに変換することができる。プロセッサ１０４は（例えば、ＩｎｓｉｇｈｔＳｅｇｍｅｎｔａｔｉｏｎ，ａｎｄＲｅｇｉｓｔｒａｔｉｏｎＴｏｏｌｋｉｔ（ＩＴＫ）を使用する）テンプレート脳への第一のデータセットの強度画像（ｍａｇｎｉｔｕｄｅｉｍａｇｅ）の第一の変換によりこれを達成することができる。プロセッサ１０４はＢ_1t磁場をテンプレート空間にマッピングするために得られた変換を使用することができる。プロセッサ１０４は次に複数の被験体に関連付けられたテンプレートにおけるＢ_1t値を平均化して共通のＢ_1tテンプレートにすることができる。いくつかの実施形態では、この平均化は加重平均とすることができる。例えば、いくつかの被験体に関連付けられたいくつかのテンプレートは他のテンプレートよりも多く、または少なく重み付けされ得る。プロセッサ１０４は患者空間へ戻す逆変換を実行することにより様々な患者に対するＢ_1tマップの推定として共通（または平均）Ｂ_1tテンプレートを使用することができる。例えば、共通（または平均）Ｂ_1tテンプレートはオフラインで算出され、様々な患者に対する（ステップ２０１において生成されたＢ_1tマップに関して上記で説明されたような）Ｔ₁マップまたはＳＤマップの再構成において使用することができる。共通（または平均）Ｂ_1tテンプレートを使用することにより、プロセッサ１０４は各新しくスキャンされた被験体に対するＢ_1tマップを生成することを回避し、代わりに予め算出された共通（または平均）Ｂ_1tテンプレートを使用することができる。いくつかの実施形態では、プロセッサは解剖学的領域の別々の画像（例えば、Ｔ₁マップの別々の画像）を生成するために予め算出された共通（または平均）Ｂ_ltテンプレートおよび患者に固有のＢ_1tマップの推定の両方を使用することができる。

【0048】

プロセッサ１０４（または他のコンピューティングデバイス）は共通（または平均）Ｂ_1rテンプレートを生成することもできる。プロセッサ１０４は例えば上記で説明されたような別々の被験体に対して等強度領域を有する合成されたＭＲデータセットに基づいて、複数の被験体（例えば、患者またはボランティア）に対する複数のＢ_1rマップを推定することができる。各被験体に対して、プロセッサ１０４は対応するＢ_1rマップを解剖学的領域（例えば、脳）の各テンプレートに変換すること、および共通（または平均）Ｂ_1rテンプレートを生成するために様々な被験体に対するテンプレートを平均化（例えば、重み付けされたかまたはされない平均化）することができる。共通（または平均）Ｂ_1rテンプレートはオフラインで算出することができ、プロセッサ１０４は様々な患者に対するＢ_1rマップの推定として共通（または平均）Ｂ_1rテンプレートを使用することができる。予め算出された共通（または平均）Ｂ_1rテンプレートが利用できるため、各新しくスキャンされた患者に対する各Ｂ_1rマップの構成（または計算）を回避することが可能になる。いくつかの実施形態では、プロセッサは予め算出された共通（または平均）Ｂ_1rテンプレートおよび解剖学的領域の別々の画像を生成するための患者に固有のＢ_1rマップの推定の両方を使用することができる。

【0049】

図１１を参照すると、Ｂ_1tおよびＢ_1rに対する脳テンプレートの例が示されている。画像の上列はＢ_1tマップに対する共通（または平均）脳テンプレートの例を示している。この共通（または平均）テンプレートは様々な被験体に対して使用することのできるＢ_1tマップの推定を表している。画像の下列はＢ_1rマップに対する例の共通（または平均）脳テンプレートを例示している。この共通（または平均）テンプレートは様々な被験体に対して使用することのできるＢ_1rマップの推定を表している。

【0050】

各スキャンされた被験体に対して、プロセッサ１０４はその固有の被験体に対する（例えば、ＩＴＫを使用する）平均Ｂ_1rテンプレートおよび／または平均Ｂ_1rテンプレートを逆変換することができる。例えば、プロセッサは固有の患者に対する解剖学的領域（例えば、脳）のサイズに一致させるために共通（もしくは平均）Ｂ_1tテンプレートおよび／または共通（もしくは平均）Ｂ_1rテンプレートを調整することができる。プロセッサ１０４はその固有の患者に対するＴ₁マップを推定するために逆変換された共通（または平均）Ｂ_1tテンプレートを使用し得る。具体的には、プロセッサ１０４はＴ₁マップの推定を生成するために逆変換された共通（または平均）Ｂ_1tテンプレートの二乗に基づいて患者に対するＴ_1appマップをスケーリング（または画素単位もしくはボクセル単位で除算）することができる。このような推定は患者に固有の推定されたＢ_1tマップに基づいて実質的に推定されるか、またはＴ₁マップの追加の（もしくは第二の）推定とすることができる。プロセッサ１０４は患者に対するＳＤ（またはＳＤ_eff）マップの推定の時に共通（または平均）Ｂ_1tを使用することもできる。具体的には、プロセッサ１０４はＳＤマップの推定を生成するために逆変換された共通（または平均）Ｂ_1tテンプレートに基づいて患者に対するＳＤ_appマップをスケーリング（または画素単位もしくはボクセル単位で除算）し得る。

【0051】

プロセッサ１０４は合成されたデータセットに基づいて推定されたＢ_1rマップに基づいてステップ２０２において取得された（ＦＡθ₁およびθ₂に対応する）当初のデータセットをスケーリングすること、およびスケーリングされたデータセットを減算することにより解剖学的領域のＭＲ画像を生成することもできる。生成されたＭＲ画像は各Ｔ₁値に基づいて解剖学的領域内の様々な組織タイプを示すことができる。プロセッサ１０４は第一のＦＡに対応する第一のスケーリングされたＭＲデータセットを第二のＦＡに対応する他のスケーリングされたデータセットから減算する場合に加重減算を用いることができる。いくつかの実施形態では、プロセッサ１０４はオフラインで算出または再構成された共通（または平均）Ｂ_1rテンプレート（またはその逆変換）に基づいてステップ２０２において取得された（ＦＡθ₁およびθ₂に対応する）当初のデータセットをスケーリングすることができる。いくつかの実施形態では、プロセッサ１０４は推定されたＳＤマップ上の解剖学的領域内のＢ_1rの空間ばらつきの影響を緩和するために共通（または平均）Ｂ_1rテンプレートに基づいてＳＤマップ推定（例えば、図８Ｃの画像８０６に示されるＳＤマップ）をスケーリングし得る。

【0052】

いくつかの実施形態では、プロセッサ１０４は解剖学的領域の別の（または代わりの）ＭＲ画像を生成するためにステップ２０２において取得された（ＦＡθ₁およびθ₂に対応する）当初のデータセットに対応する画像を（スケーリングすることなく）減算することができる。このようなＭＥ画像は各Ｔ₁値に基づいて解剖学的領域内の様々な組織タイプを例示することができる。

【0053】

図１２Ａ−図１２Ｄを参照すると、スケーリングされたＭＲデータセットの画像および減算ＭＲ画像が例示されている。画像１２０２および１２０４はそれぞれ画像１２０２内のＢ_1rにおけるマップによる画像３０２および３０４のスケーリングを表している。Ｂ_1rマップによるスケーリングが解剖学的領域内のＢ_1rの空間ばらつきの影響を緩和するため、画像１２０２および１２０４は対応する当初の画像３０２および３０４に対する改善を表している。しかしながら、画像１２０２および１２０４は依然として解剖学的領域内のＢ_1tの空間ばらつきの影響を受けている。画像１２０６は二つのＦＡに対応する当初の取得されたデータセットに対応する画像３０２と３０４との間の減算（例えば、大きい方のＦＡに対応する画像から小さい方のＦＡに対応する画像の減算）を表している。画像１２０８はスケーリングされた画像１２０２と１２０４との間の減算（例えば、大きい方のＦＡに対応する画像から小さい方のＦＡに対応する画像の減算）を表している。画像１２０６および１２０８の両方が当初の取得されたデータに対応する画像３０２および３０４と比較される解剖学的領域内の様々な組織の改善された表現を提供する一方で、画像１２０８は解剖学的領域内のＢ_1rの空間ばらつきの影響が元の画像１２０８に内で除去（または緩和）されるため、画像１２０６に対する改善を表現している。

【0054】

本明細書に記載の方法およびシステムは二つのフリップ角を使用してスキャンされる解剖学的領域の改善された画像を生成するための様々な技術を提供する。これらの方法およびシステムは人間の脳に限定されると解釈されるべきではなく、他の解剖学的領域に対して使用することができる。また、本開示は（例えば、推定されたＴ₁マップ、推定されたＳＤマップ、スケーリングされたＳＤマップ、減算ＭＲ画像、スケーリングされた減算ＭＲ画像、推定されたＢ_1tマップ、推定されたＢ_1rマップ、共通Ｂ_1tテンプレート、または共通Ｂ_1rテンプレートの）様々なＭＲ画像を生成するために説明される様々な技術を説明する一方で、本開示はこのような技術または対応するＭＲ画像の様々な組合せを包含するものと解釈されるべきである。さらに、プロセス１０４は複数のエコー時間に対する本明細書に記載の様々なＭＲ画像を生成するための技術を適用することができる。例えば、プロセッサ１０４は解剖学的領域の改善された画像を提供するために様々なエコー時間に関連付けられたデータセットに基づいて生成されるＭＲ画像（例えば、Ｂ_1tマップ、Ｂ_1rマップ、Ｔ_1appマップ、Ｔ₁マップ、ＳＤ_appマップ、ＳＤマップ等）に平均化または加重平均を適用することができる。

【0055】

当業者においては本開示において説明されるプロセスはプロセッサにより実行可能なコンピュータコード命令を使用して実装されることができることを理解されるべきである。コンピュータコード命令はランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、キャッシュメモリ、ディスクメモリ、任意の他のメモリ、または任意の他のコンピュータ可読媒体のような非一時的または有形のコンピュータ可読媒体に格納することができる。少なくとも一つのプロセッサにより実行される時のコード命令は本開示において説明されるプロセスまたは操作のうち少なくとも一つを実行することを引き起こすことができる。装置は、例えばＭＲＩスキャナ、コンピュータデバイス、またはＭＲＩスキャナに関連付けられた他の電子デバイスとすることができる。

【図1】