知財求人 - 知財ポータルサイト「IP Force」
▶ シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッドの特許一覧
(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】
(24)【登録日】2024-05-07
(45)【発行日】2024-05-15
(54)【発明の名称】低磁場ＭＲ／ＰＥＴイメージングのためのシステムと方法
(51)【国際特許分類】
G01T 1/161 20060101AFI20240508BHJP
A61B 5/055 20060101ALI20240508BHJP
【ＦＩ】
G01T1/161 A
G01T1/161 B
A61B5/055 380
A61B5/055 390
【請求項の数】
15
(21)【出願番号】P 2022567297
(86)(22)【出願日】2020-05-06
(65)【公表番号】
(43)【公表日】2023-06-14
(86)【国際出願番号】 US2020070028
(87)【国際公開番号】W WO2021225640
(87)【国際公開日】2021-11-11
【審査請求日】2022-12-28
(73)【特許権者】
【識別番号】593063105
【氏名又は名称】シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド
【氏名又は名称原語表記】Ｓｉｅｍｅｎｓ Ｍｅｄｉｃａｌ Ｓｏｌｕｔｉｏｎｓ ＵＳＡ，Ｉｎｃ．
(74)【代理人】
【識別番号】110003317
【氏名又は名称】弁理士法人山口・竹本知的財産事務所
(74)【代理人】
【識別番号】100075166
【弁理士】
【氏名又は名称】山口 巖
(74)【代理人】
【識別番号】100133167
【弁理士】
【氏名又は名称】山本 浩
(74)【代理人】
【識別番号】100169627
【弁理士】
【氏名又は名称】竹本 美奈
(72)【発明者】
【氏名】スポティスウッド，ブルース
(72)【発明者】
【氏名】ズールスドルフ，スヴェン
(72)【発明者】
【氏名】シュマント，マティアス ジェイ．
【審査官】佐々木 創太郎
(56)【参考文献】
【文献】米国特許出願公開第２０２０／０１２６２３１（ＵＳ，Ａ１）
【文献】特表２０１５－５１６１９４（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｔ １／１６１－１／１６６
Ａ６１Ｂ ５／０５５
(57)【特許請求の範囲】
【請求項1】
第１の画像データセットと低磁場磁気共鳴（ＭＲ）画像データのセットを受信するステップと、第１の訓練されたニューラルネットワークを用いて前記低磁場ＭＲ画像データから減弱補正マップを生成するステップであって、前記第１の画像データセットが、陽電子放射型断層撮影（ＰＥＴ）画像データセットと、単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）画像データセットの一方を含み、前記低磁場ＭＲ画像データのセットが、１テスラ未満の磁場強度を有する低磁場ＭＲイメージングモダリティによって生成される、ステップと、
前記減弱補正マップに基づいて、前記第１の画像データセットに少なくとも１つの減弱補正プロセスを適用するステップであって、少なくとも１つの臨床減弱補正画像を生成する、ステップと、
を含む、コンピュータ実装された方法。
【請求項2】
前記減弱補正マップを生成する前に、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの画像空間にレジストレーションするステップを含む、請求項１に記載のコンピュータ実装された方法。
【請求項3】
第２の訓練されたニューラルネットワークが、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの前記画像空間にレジストレーションするように構成されている、請求項２に記載のコンピュータ実装された方法。
【請求項4】
前記第１の画像データセットおよび前記低磁場ＭＲ画像データのセットと、非同時的に得られた以前の画像データのセットを受信するステップと、前記以前の画像データのセットまたは前記低磁場ＭＲ画像データのセットの第１のセットの画像空間を、前記以前の画像データまたは前記低磁場ＭＲ画像データの第２のセットの画像空間にレジストレーションしてから、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの前記画像空間にレジストレーションするステップであって、前記減弱補正マップが前記低磁場ＭＲ画像データおよび前記以前の画像データのセットのそれぞれから生成される、ステップと、
を含む、請求項２に記載のコンピュータ実装された方法。
【請求項5】
前記以前の画像データのセットが、１つの従来のＭＲ画像データまたはコンピュータ断層撮影（ＣＴ）画像データを含む、請求項４に記載のコンピュータ実装された方法。
【請求項6】
前記低磁場ＭＲ画像データのセットが、減弱マップ生成のための画像データを得るために最適化された少なくとも１つのパラメータを有する低磁場ＭＲイメージングモダリティによって生成される、請求項１に記載のコンピュータ実装された方法。
【請求項7】
前記低磁場ＭＲ画像データのセットが、オープンボア低磁場ＭＲイメージングモダリティによって生成される、請求項１に記載のコンピュータ実装された方法。
【請求項8】
前記低磁場ＭＲ画像データのセットが、前記第１の画像データセットを生成するように構成された第１のイメージングモダリティに同軸的に整列され、空間的に隣接する低磁場ＭＲイメージングモダリティによって生成される、請求項１に記載のコンピュータ実装された方法。
【請求項9】
前記第１の訓練されたニューラルネットワークが、それぞれのＰＥＴ画像空間に以前のレジストレーションされたＭＲ画像データを含む訓練データセットを使用して訓練される、請求項１に記載のコンピュータ実装された方法。
【請求項10】
前記第１の訓練されたニューラルネットワークが、解剖学的着地マーキング、深層強化学習、敵対的生成ネットワークを用いる画像合成、非監視学習、またはそれらの組合せの少なくとも１つを用いて訓練される、請求項７に記載のコンピュータ実装された方法。
【請求項11】
第１のイメージングモダリティと、低磁場ＭＲイメージングモダリティと、
コンピュータと、
を有するシステムであって、
前記コンピュータが、
前記第１のイメージングモダリティからの第１の画像データセットと、前記低磁場ＭＲイメージングモダリティからの低磁場磁気共鳴（ＭＲ）画像データのセットと、を受信し、前記第１の画像データセットが、陽電子放射型断層撮影（ＰＥＴ）画像データセットと単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）画像データセットの一方を含み、前記低磁場ＭＲイメージングモダリティが、１テスラ未満の磁場強度を有し、
第１の訓練されたニューラルネットワークを用いて前記低磁場ＭＲ画像データから減弱補正マップを作成し、
前記減弱補正マップに基づき、前記第１の画像データセットに少なくとも１つの減弱補正プロセスを適用し、少なくとも１つの臨床減弱補正画像を生成する、
ように構成されている、
システム。
【請求項12】
前記コンピュータが、さらに、前記減弱補正マップを作成する前に、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの画像空間にレジストレーションするように構成されている、請求項１１に記載のシステム。
【請求項13】
前記第２の訓練されたニューラルネットワークが、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの画像空間にレジストレーションするように構成されている、請求項１２に記載のシステム。
【請求項14】
前記コンピュータが、前記第１の画像データセットおよび前記低磁場ＭＲ画像データのセットと、非同時的に得られた以前の画像データのセットを受信し、
前記以前の画像データのセットまたは前記低磁場ＭＲ画像データのセットの第１のセットの画像空間を、前記以前の画像データまたは前記低磁場ＭＲ画像データの第２のセットの画像空間にレジストレーションしてから、前記低磁場ＭＲ画像データのセットを前記第１の画像データセットの前記画像空間にレジストレーションし、前記減弱補正マップを前記低磁場ＭＲ画像データおよび前記以前の画像データのセットのそれぞれから作成される、
ように構成されている、請求項１１に記載のシステム。
【請求項15】
前記低磁場ＭＲ画像データのセットが、減弱マップ生成のための画像データを得るために最適化された少なくとも１つのパラメータを有する低磁場ＭＲイメージングモダリティによって生成される、請求項１１に記載のシステム。【発明の詳細な説明】
【技術分野】
【0001】
本願発明は、一般に、核医学イメージングに関するものであり、より詳細には、ハイブリッド磁気共鳴（ＭＲ）イメージングスキャナおよび陽電子放射型断層撮影（ＰＥＴ）イメージングスキャナに関するものである。
【背景技術】
【0002】
マルチモダリティイメージングシステムは、例えば、磁気共鳴（ＭＲ／ＭＲＩ）、コンピュータ断層撮影（ＣＴ）、陽電子放射型断層撮影（ＰＥＴ）、および／または単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）などの複数のモダリティを用いて診断スキャンを行う。複数の治療法を組み合わせて、補完的および／または重複する臨床情報を提供する。例えば、ＭＲスキャンは一般的に軟組織の形態学的データを提供し、軟組織の構造的および機能的特徴のより大きな解像度を提供する。例えば、ＰＥＴスキャンは一般的に解像度がより低いが、心血管系のような身体組織およびシステムの機能的状態に関して、より有用な情報を提供する。ＰＥＴスキャンは、腫瘍の存在や、特定の臓器や体の領域への血流の減少を示すのに優れている。２つ以上のイメージングモダリティの相補的な強さは、単一の装置およびイメージングセッションにおいて両方の方法を実施することによって同時に提供することができる。
【発明の概要】
【発明が解決しようとする課題】
【0003】
ＰＥＴ／ＭＲまたはＰＥＴ／ＣＴシステムなどの現在のハイブリッド（例えば、マルチモダリティ）イメージングシステムは、法外に高価である。例えば、ＰＥＴ／ＭＲイメージングシステムは、典型的には研究施設に対してのみアクセス可能（すなわち、財政的に実行可能）である。このように、ハードウエアシステムのコストならびに設置コストおよび／または操作コストを削減できる改良が望まれる。
【課題を解決するための手段】
【0004】
いくつかの実施形態において、コンピュータ実装方法が開示される。コンピュータ実装方法は、画像データの第１のセットおよび低磁場磁気共鳴（ＭＲ）画像データセットを受信するステップと、第１の訓練されたニューラルネットワークを用いて低磁場ＭＲ画像データから減弱補正マップを生成するステップと、少なくとも１つの臨床減弱補正画像を生成するために、減弱補正マップに基づいて画像データの第１のセットに少なくとも１つの減弱補正プロセスを適用するステップと、を含む。
【0005】
いくつかの実施形態において、システムが開示される。このシステムには、第１のイメージングモダリティ、低磁場ＭＲイメージングモダリティ、およびコンピュータが含まれる。コンピュータは、第１のイメージングモダリティからの画像データの第１のセットおよび低磁場ＭＲイメージングモダリティからの低磁場磁気共鳴（ＭＲ）画像データセットを受信し、第１の訓練されたニューラルネットワークを用いて低磁場ＭＲ画像データから減弱補正マップを生成し、少なくとも１つの減弱補正プロセスを、減弱補正マップに基づいた画像データの第１のセットに適用して、少なくとも１つの臨床減弱補正画像を生成するように構成されている。
【0006】
いくつかの実施形態において、非一時的コンピュータ可読媒体が開示される。非一時的コンピュータ可読媒体は、第１の画像データセットと低磁場磁気共鳴（ＭＲ）画像データセットを受信するステップと、第１の訓練されたニューラルネットワークを使用して低磁場ＭＲ画像データから減弱補正マップを生成するステップと、少なくとも１つの臨床減弱補正画像を生成するために、減弱補正マップに基づいて第１の画像データセットに少なくとも１つの減弱補正プロセスを適用するステップと、を実行させるように構成された命令を保存する。
【図面の簡単な説明】
【0007】
本発明の特徴および利点は、好ましい実施形態の以下の詳細な記述においてより完全に開示されるか、または明白になるであろうが、これは、同様の数字が様の部分を参照する添付図面とともに考慮されるべきである。図は模式的なものであり、実際の大きさや比率を示すことを意図したものではない。
【発明を実施するための形態】
【0008】
例示的な実施形態のこの記述は、書面による記述全体の一部と考えられる添付図面に関連して読まれることを意図している。記述において、相対的な用語は、それから記述されるか、議論中の図に示されるように方向を参照するように解釈されるべきである。これらの相対的な用語は記述の便宜上のものであり、装置が特定の方向に構築または操作されることを必要としない。「接続されている」及び「相互接続されている」等の付着物、カップリング等に関する用語は、構造が、明確に記載されていない限り、物理的、電気的、光学的、又は他の付着物もしくは関係を含む介在構造を通して、直接的又は間接的に、互いに操作的に連結され、又は結合されている関係をいう。
【0009】
様々な実施形態において、低磁場ＭＲ画像データを用いるＰＥＴ画像データなどの画像データの減弱補正のためのシステムおよび方法が開示される。少なくとも１つの訓練されたニューラルネットワークは、低磁場ＭＲ画像データを受信し、低磁場ＭＲ画像データをＰＥＴ画像データで空間的にレジストレーションするように構成されている。レジストレーションされた低磁場ＭＲ画像データは、減弱（ｍｕ）マップを生成するために、第２の訓練されたニューラルネットワーク（または第１のニューラルネットワークの追加の隠れ層）に提供される。減弱マップをＰＥＴ画像データに適用して減弱補正を行う。減弱補正ＰＥＴ画像データは、保存のために出力されることができ、そして／または１つ以上の臨床ＰＥＴ画像を生成するために使用されることができる。
【0010】
図１は、核医学イメージングシステム２の実施形態を例示する。核医学イメージングシステム２は、第１ガントリー１６ａに提供される少なくとも第１のモダリティ１２のためのスキャナを含む。第１のモダリティ１２は、例えば、コンピュータ断層撮影（ＣＴ）モダリティ、陽電子放射型断層撮影（ＰＥＴ）モダリティ、単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）モダリティなどの任意の適切なモダリティを含むことができる。第１のモダリティ１２は、長軸方向視野（ＦＯＶ）スキャナまたは短軸方向ＦＯＶスキャナを含むことができる。患者１７は、第１ガントリー１６ａに対して移動可能であり、および／またはガントリー１６ａが患者ベッド１８に対して移動されている間、固定された位置を維持する静止ベッド上に横たわることができる可動患者ベッド１８上に横たわることができる。いくつかの実施形態において、核医学イメージングシステム２は、第２のガントリー１６ｂに提供される第２のモダリティ１４のためのスキャナを含む。第２のモダリティ１４は、例えば、ＭＲモダリティ、ＣＴモダリティ、ＰＥＴモダリティ、ＳＰＥＣＴモダリティ及び／又は任意の他の適切なイメージングモダリティのような任意の適切なイメージングモダリティであり得る。第２のモダリティ１４は、長い軸方向ＦＯＶスキャナまたは短い軸方向ＦＯＶスキャナを含むことができる。第１のモダリティ１２および／または第２のモダリティ１４の各々は、消滅光子、ガンマ線、磁気共鳴、および／または、他の核医学イメージングイベントを検出するように構成された１つ以上の検出器５０を含むことができる。
【0011】
第１のモダリティ１２および／または第２のモダリティ１４からのスキャンデータは、１つ以上のコンピュータデータベース４０に記憶され、コンピューターシステム３０の１つ以上のコンピュータプロセッサ６０によって処理される。図１のコンピューターシステム３０の例証は、例証のみによって提供され、コンピューターシステム３０は、例えば図２に関して記述されるように、１つ以上の別々のコンピュータデバイスを含むことができる。スキャンデータは、第１のモダリティ１２、第２のモダリティ１４によって提供することができ、および／または、例えば、コンピューターシステム３０に結合されたメモリからのような、別個のデータセットとして提供することができる。コンピューターシステム３０は、複数の検出器５０のうちの１つから受け取った信号を処理するための１つまたは複数の処理電子機器を含むことができる。
【0012】
図２は、いくつかの実施形態に従って、１つ以上のプロセスを実装するように構成されたコンピューターシステム３０を例示している。システム３０は代表的な装置であり、プロセッササブシステム７２、入出力サブシステム７４、メモリサブシステム７６、通信インターフェース７８、およびシステムバス８０を含むことができる。いくつかの実施形態において、例えば、入力／出力サブシステム７４を含まないように、システム３０の構成要素の１つ以上を組み合わせるか、省略することができる。いくつかの実施形態において、システム３０は、図２に示されていない他の構成要素を含むことができる。例えば、システム３０は、例えば、パワーサブシステムも含むことができる。他の実施形態では、システム３０は、図２に示す構成要素のいくつかの例を含むことができる。例えば、システム３０は、複数のメモリサブシステム７６を含むことができる。簡潔かつ明瞭で、かつ限定的ではないため、各構成要素を図２に示す。
【0013】
プロセッササブシステム７２は、システム３０の動作および性能を制御するために作動する任意の処理回路を含むことができる。さまざまな局面において、プロセッササブシステム７２は、汎用プロセッサ、チップマルチプロセッサ（ＣＭＰ）、専用プロセッサ、組込みプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、入出力（Ｉ／Ｏ）プロセッサ、メディアアクセス制御（ＭＡＣ）プロセッサ、無線ベースバンドプロセッサ、コプロセッサ、複合命令セットコンピュータ（ＣＩＳＣ）マイクロプロセッサなどのマイクロプロセッサ、縮小命令セット計算（ＲＩＳＣ）マイクロプロセッサ、および／または非常に長い命令ワード（ＶＬＩＷ）マイクロプロセッサ、またはその他の処理装置として実現することができる。プロセッササブシステム７２はまた、コントローラ、マイクロコントローラ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックデバイス（ＰＬＤ）などによって実現することができる。
【0014】
様々な局面において、プロセッササブシステム７２は、オペレーティングシステムおよび様々なアプリケーションを実行するように構成することができる。ＯＳの例は、例えば、Ａｐｐｌｅ ＯＳ、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ ＯＳ、Ａｎｄｒｏｉｄ ＯＳ、Ｌｉｎｕｘ（登録商標） ＯＳ、及び他の任意の専有又はオープンソースＯＳの商品名の下で一般に知られているオペレーティングシステムを含む。アプリケーションの例は、例えば、ネットワーク・アプリケーション、ローカル・アプリケーション、データ入出力アプリケーション、ユーザ・相互作用・アプリケーションなどを含む。
【0015】
いくつかの実施形態において、システム３０は、プロセッササブシステム７２、入力／出力サブシステム７４、およびメモリサブシステム７６を含む様々なシステム構成要素を結合するシステムバス８０を含むことができる。システムバス８０は、９ビットバス、工業規格アーキテクチャ（ＩＳＡ）、マイクロチャネルアーキテクチャ（ＭＳＡ）、拡張ＩＳＡ （ＥＩＳＡ）、インテリジェント駆動電子装置（ＩＤＥ）、ＶＥＳＡ局所バス（ＶＬＢ）、末梢構成要素相互接続カード国際アソシエーションバス（ＰＣＭＣＩＡ）、小型コンピュータインターフェース（ＳＣＳＩ）または他の独自のバスを含むが、これらに限定されないあらゆる多様な利用可能なバスアーキテクチャを用いた、メモリバスまたはメモリコントローラ、末梢バスまたは外部バス、および／または局所バス構造の何れでもよい。
【0016】
いくつかの実施形態において、入力／出力サブシステム７４は、ユーザがシステム３０に入力を提供し、システム３０がユーザに出力を提供できるように、任意の適切な機構または構成要素を含むことができる。例えば、入力／出力サブシステム７４は、ボタン、キーパッド、ヘルパド、クリックホイール、タッチスクリーン、運動センサ、マイクロホン、カメラなどを含むが、これらに限定されない任意の適切な入力機構を含むことができる。
【0017】
いくつかの実施形態において、入力／出力サブシステム７４は、ユーザに見える表示を提供するための視覚周辺出力装置を含むことができる。例えば、視覚周辺出力装置は、例えば、液晶ディスプレイ（ＬＣＤ）スクリーンのようなスクリーンを含むことができる。別の例として、視覚周辺出力装置は、システム３０から離れた表面上のコンテンツの表示を提供するための可動性表示または投射システムを含むことができる。いくつかの実施形態において、視覚周辺出力装置は、デジタル媒体データをアナログ信号に変換するために、Ｃｏｄｅｃとしても知られるコーダー／デコーダーを含むことができる。例えば、視覚周辺出力装置は、ビデオ・コデックス、音声・コデックス、または他の適切なタイプのコデックを含むことができる。
【0018】
視覚周辺出力装置は、表示ドライバ、表示ドライバを駆動するための回路、またはその両方を含むことができる。視覚周辺出力装置は、プロセッササブシステム７２の指示の下で内容を表示するように作動することができる。例えば、視覚周辺出力装置は、メディア再生情報、システム３０上に実装されたアプリケーションのためのアプリケーション画面、進行中の通信動作に関する情報、着信通信要求に関する情報、またはデバイス動作画面を再生することができ、多数の例を挙げることができる。
【0019】
ある実施形態では、通信インターフェース７８は、システム３０を１つ以上のネットワークおよび／または追加の装置にカップリングすることができる、任意の適切なハードウェア、ソフトウェア、またはハードウェアとソフトウェアの組み合わせを含むことができる。通信インターフェース７８は、所望の一連の通信プロトコル、サービスまたは操作手順を使用して、情報信号を制御するための任意の適切な技術で操作するように配置することができる。通信インターフェース７８は、有線か無線かにかかわらず、対応する通信媒体と接続するための適切な物理コネクタを含むことができる。
【0020】
通信の媒体はネットワークを構成する。様々な局面において、ネットワークは、インターネット、有線チャネル、ワイヤレスチャネル、電話を含む通信デバイス、コンピュータ、ワイヤー、ラジオ、光または他の電磁チャネル、およびデータを通信することができる／関連することができる他の装置および／またはコンポーネントを含むそれらの組合せを含む、ローカルエリアネットワーク（ＬＡ）ならびにワイドエリアネットワーク（ＷＡＮ）を含むことができる。例えば、通信環境は、体内通信、様々な装置、およびワイヤレス通信、ワイヤレス通信、および同一の組合せのような通信の様々なモードを含む。
【0021】
無線通信モードは、無線伝送、データ、および装置に関連する様々なプロトコルおよびプロトコルの組合せを含む無線技術を少なくとも部分的に利用する点（例えばノード）間の任意の通信モードを含む。ポイントは、例えば、無線ヘッドセット、オーディオ及びマルチメディア装置及びオーディオプレーヤ及びマルチメディアプレーヤのような装置、携帯電話及びコードレス電話を含む電話、並びにプリンタ、ネットワークに接続された装置、および／または他の適切な装置又はサードパーティ装置のようなコンピュータ及びコンピュータ関連装置及び構成要素のような無線装置を含む。
【0022】
ワイヤー通信モードは、ワイヤー送信、データ、および装置に関連する種々のプロトコルおよびプロトコルの組合せを含むワイヤー技術を利用するポイント間の通信の任意のモードを含む。ポイントは、例えば、オーディオ及びマルチメディア装置及び装置、例えばオーディオプレーヤ及びマルチメディアプレーヤのような装置、携帯電話及びコードレス電話を含む電話、並びにコンピュータ及びコンピュータに関連する装置及び構成要素、例えばプリンタ、ネットワークに接続された装置、および／または他の適切な装置又は第三者の装置を含む。様々な実装において、有線通信モジュールは、多数の有線プロトコルに従って通信することができる。有線プロトコルの例としては、ユニバーサルシリアルバス（ＵＳＢ） 通信、ＲＳ－２３２、ＲＳ－４２２、ＲＳ－４２３、ＲＳ－４８５ シリアルプロトコル、ＦｉｒｅＷｉｒｅ、Ｅｔｈｅｒｎｅｔ、ファイバーチャネル、ＭＩＤＩ、ＡＴＡ、シリアルＡＴＡ、PCI Express、Ｔ－１ （およびそのバリアント）、Industry Standard Architecture (ISA) パラレル通信、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ （ＳＣＳＩ）通信、またはＰｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ （ＰＣＩ）通信などがある。
【0023】
したがって、様々な態様では、通信インターフェース７８は、例えば、無線通信インターフェース、有線通信インターフェース、ネットワークインターフェース、送信インターフェース、受信インターフェース、メディアインターフェース、システムインターフェース、コンポーネントインターフェース、スイッチングインターフェース、チップインターフェース、コントローラなどの１つ以上のインターフェースを含むことができる。ワイヤレス装置によって実装される場合、またはワイヤレスシステム内で実装される場合、例えば、通信インターフェース７８は、１つ以上のアンテナ、送信器、受信器、トランスセイバー、増幅器、フィルター、制御論理などを含むワイヤレスインタフェイスを含むことができる。
【0024】
様々な局面において、通信インターフェース７８は、多数のプロトコルに従ってデータ通信機能を提供することができる。プロトコルの例としては、ＩＥＥＥ ８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ、ＩＥＥＥ ８０２．１６、ＩＥＥＥ ８０２．２０など、電気・電子技術者協会（ＩＥＥＥ） ８０２．ｘｘシリーズのプロトコルを含む様々な無線地域ネットワーク（ＷＬＡＮ）プロトコルがある。ワイヤレスプロトコルの他の例は、様々なワイヤレス広域ネットワーク（ＷＷＡＮ）プロトコル、例えば、ＧＰＲＳによるＧＳＭセルララジオ電話システムプロトコル、１ｘＲＴＴによるＣＤＭＡセルララジオ電話通信システム、ＥＤＧＥシステム、ＥＶ－ＤＯシステム、ＥＶ－ＤＶシステム、ＨＳＤＰＡシステムなどを含むことができる。無線プロトコルのさらなる例には、赤外線プロトコル、Ｂｌｕｅｔｏｏｔｈ Ｓｐｅｃｉａｌ Ｉｎｔｅｒｅｓｔ Ｇｒｏｕｐ （ＳＩＧ）シリーズのプロトコル（例えば、Ｂｌｕｅｔｏｏｔｈ Ｓｐｅｃｉａｌ Ｉｎｔｅｒｅｓｔ Ｇｒｏｕｐ （Ｂｌｕｅｔｏｏｔｈ Ｓｐｅｃｉｆｉｃａｔｉｏｎ ｖｅｒｓｉｏｎｓ ５．０、６、７、レガシーＢｌｕｅｔｏｏｔｈプロトコルなど）からのプロトコル、および１つ以上のＢｌｕｅｔｏｏｔｈプロファイルなどの無線パーソナルエリアネットワーク（ＰＡＮ）プロトコルを含むことができる。ワイヤレスプロトコルのさらに別の例には、技術分野に近い通信技術および電気磁気誘導（ＥＭＩ）技術のようなプロトコルを含むことができる。ＥＭＩ技術の一例としては、受動的または能動的ラジオ波同定（ＲＦＩＤ）プロトコルおよび装置が挙げられる。他の適切なプロトコルには、ウルトラワイドバンド（ＵＷＢ）、デジタルオフィス（ＤＯ）、デジタルホーム、トラステッドプラットフォームモジュール（ＴＰＭ）、ジグビーなどが含まれる。
【0025】
いくつかの実施形態では、少なくとも１つの一時的でないコンピュータ可読記憶媒体は、そこに実施されるコンピュータ実行可能命令を有して提供され、ここで、少なくとも１つのプロセッサによって実行されるとき、コンピュータ実行可能命令は、本明細書に記載する方法の実施形態を少なくとも１つのプロセッサに実行させる。このコンピュータ可読記憶媒体は、メモリサブシステム７６内に具体化することができる。
【0026】
ある実施形態では、メモリサブシステム７６は、揮発性／不揮発性メモリおよび取り外し可能／不取り外し可能メモリの両方を含む、データを保存することができる任意の機械可読またはコンピュータ可読媒体を含むことができる。メモリサブシステム７６は、少なくとも１つの不揮発性メモリユニットを含むことができる。不揮発性メモリユニットは、１つ以上のソフトウェアプログラムを保存することが可能である。ソフトウェアプログラムは、例えば、アプリケーション、ユーザデータ、装置データ、および／または構成データ、あるいはその組合せを含むことができ、したがって、少数を指名するだけである。ソフトウェアプログラムは、システム３０の様々な構成要素によって実行可能な命令を含むことができる。
【0027】
様々な局面において、メモリサブシステム７６は、揮発性／不揮発性メモリおよび取り外し可能／不取り外し可能メモリの両方を含む、データを保存することができる任意の機械可読またはコンピュータ可読媒体を含むことができる。例えば、メモリは、読出し専用メモリ、ランダム・アクセス・メモリ、ＲＡＭ、ダイナミックＲＡＭ、ダブル・データ・レートＤＲＡＭ、シンクロナスＤＲＡＭ、スタティックＲＡＭ、プログラマブルＲＯＭ、プログラマブルＲＯＭ、イレーサブルＲＯＭ、プログラマブルＲＯＭ、フラッシュ・メモリ（ＥＥＰＲＯＭ）、フラッシュ・メモリ（ＮＯＲまたはＮＡＮＤフラッシュ・メモリ）、コンテンツ・アドレッシング可能メモリ（ＣＡＭ）、メモリ（例えば、強熱電性のメモリ）、相変化メモリ（例えば、ｏｖｏｎｉｃ ｍｅｍｏｒｙ)、強電性メモリ、金属・オブコーディック・メモリ、金属・オブコーディネート・オシド・オシロ－チサイン（ＳＯＮＯＳ）メモリ、ディスク・メモリ（例えば、フロッピー・ディスク、ハード・ドライブ、光ディスク）、又はカード（例えば、磁気カード、光カード）、又は情報を記憶するのに適した他の任意のタイプの媒体
【0028】
実施形態において、メモリサブシステム７６は、本明細書に記載されているように、Ａ／Ｂ試験およびカルシウム最適化を含む方法などの様々な方法を実行するためのファイルの形態で、指令セットを含むことができる。命令セットは、ソースコードまたは様々な適切なプログラミング言語を含む、任意の許容可能な形式の機械可読命令で格納することができる。命令セットを保存するために使用できるプログラミング言語のいくつかの例は、Ｊａｖａ、Ｃ、Ｃ＋＋、Ｃ＃、Ｐｙｔｈｏｎ、Ｏｂｊｅｃｔｉｖｅ－Ｃ、Ｖｉｓｕａｌ Ｂａｓｉｃ、または、ＮＥＴプログラミングを含むが、これらに限定されない。ある実施形態では、コンパイラまたはインタプリタは、命令セットを、プロセッササブシステム７２によって実行されるためのマシン実行可能コードに変換するように構成される。
【0029】
図３－６は、図１に関して上述の画像システムのようなマルチモダリティイメージングシステムのためのモダリティアレンジメント９０ａ－９０ｄの様々な実施形態を例示する。モダリティは、ＰＥＴ画像モダリティのような第１の画像モダリティ１２と、低磁場ＭＲイメージングモダリティのような第２のイメージングモダリティ１４ａ～１４ｄをそれぞれ含む。ＰＥＴイメージングモダリティを含む本明細書では、第１のイメージングモダリティが、ＰＥＴ、ＳＰＥＣＴ、ＣＴなどの任意の適切な単一イメージングモダリティ、および／またはＰＥＴ／ＣＴスキャナ、ＳＰＥＣＴ／ＰＥＴスキャナなどの任意の適切なハイブリッドイメージングモダリティであり得ることが認識されるであろう。
【0030】
低磁場ＭＲイメージングシステムには、臨床現場で現在使用されているよりも低い磁場強度を有する磁気共鳴イメージングシステムが含まれる。例えば、様々な実施形態において、低磁場ＭＲモダリティは、約１Ｔまでの約０．２Ｔ未満の磁場強度を有していてもよいが、例えば、約１．５Ｔ未満、約３Ｔ未満などの任意の磁場強度のような、典型的な臨床的な磁場強度よりも小さい任意の適切な磁場強度を適用してもよいことが認識されるであろう。
【0031】
低磁場ＭＲイメージングモダリティ１４ａ－１４ｄの使用により、マルチモダリティイメージングシステムの初期コストを低く抑えることができる。例えば、低磁場ＭＲイメージングモダリティ１４ａ～１４ｄは、装置のより低いコスト（例えば、低磁場強度、専用の冷却メカニズムの不足のため）を有し、施設／設置要件のより低いコストを有する（例えば、低磁場ＭＲイメージングモダリティ１４ａ～１４ｄは、従来のＭＲイメージングモダリティで必要な室内シールド、従来のＭＲイメージングシステムと比較してより小さな設置面積によるより低い空間要件等を必要としない）。さらに、低磁場ＭＲイメージングモダリティ１４ａ～１４ｄは操作コストが低い。例えば、従来のＭＲイメージングモダリティは、チラーまたは極低温冷却装置の使用を必要とするが、一方、低磁場ＭＲイメージングモダリティ１４ａ～１４ｄは、そのような冷却メカニズムを無視することができる。
【0032】
低磁場ＭＲの使用により、オープンデザインの低磁場ＭＲイメージングモダリティ１４ｂ、１４ｄ（例えば、モダリティアレンジメント９０ｂ、９０ｄで使用され、図４および６に関して以下で考察するように）の使用が可能となる。開放口径ＭＲイメージングモダリティ１４ｂ、１４ｄは、ＭＲイメージング中の侵襲的、および／または放射線療法処置のための患者へのアクセスを可能にし、患者の快適さ、臨床アクセス、および患者の転帰を増加させる。低磁場ＭＲイメージングモダリティ１４ａ～１４ｄの低磁場強度は、患者組織におけるより低いエネルギー沈着（例えば、比吸収率（ＳＡＲ））を提供する。低磁場ＭＲイメージングモダリティ１４ａ－１４ｄは、化学シフト、感受性、およびフロー／モーションアーチファクトの減少をもたらし、金属インプラントと併用した場合、さらに改善されたイメージングを提供する。
【0033】
後述するように、低磁場ＭＲイメージングモダリティ１４ａ－１４ｄを用いることで、減弱補正のために他のイメージングモダリティを用いる必要がなくなる可能性がある。例えば、いくつかの実施形態において、ＰＥＴイメージングモダリティを用いて取得したＰＥＴ画像データの減弱補正に使用するための第２の画像データセットを提供するために、ＣＴイメージングモダリティの代わりに低磁場ＭＲイメージングモダリティを使用することができる。ＣＴイメージングモダリティと比較して、ＭＲイメージングモダリティを使用することにより、患者がＣＴ放射線量を受ける必要がなくなる。
【0034】
いくつかの実施形態において、低磁場ＭＲイメージングモダリティは、主に、ＰＥＴ画像データの減弱補正のための減弱マップを作成するために適応され得る。例えば、いくつかの実施形態において、磁場強度、勾配強度、受信器コイルのパラメータ（例えば、材料、番号、位置など）、および／または低磁場ＭＲイメージングモダリティのパラメータは、臨床使用のために画像を生成するには不十分であるが、減弱マップを生成するのに十分なレベルまで低下させることができる。減少したパラメータの各々は、減弱マップ生成のために、独立に、または集合的に、さらに最適化され得る。いくつかの実施形態において、低磁場ＭＲイメージングモダリティのサンプリング効率は、従来のＭＲイメージングモダリティと比較して、より長いスキャン（より低い磁場強度で）を行うことによって増加され得る。
【0035】
いくつかの実施形態では、改良された画像再構成アルゴリズムを使用して本明細書に開示されるプロセスと併せて、低磁場ＭＲイメージングモダリティ（例えば、ＲＦコイルアーキテクチャ、磁場勾配設計など）内の受信要素は、ＰＥＴ画像データの減弱補正のための許容可能な画質を達成するために、低磁場ＭＲイメージングモダリティ（および関連する低磁場強度）の使用を可能にする。低磁場ＭＲイメージングモダリティにおける複数の受信要素を用いることにより、従来のＭＲイメージングモダリティと比較して、パラレルイメージングおよび同時マルチスライス（ＳＭＳ）取得によるより効率的なサンプリングが提供される。低磁場ＭＲイメージングモダリティにおけるサンプリングは、圧縮センシング技術およびより高い帯域幅－時間積ＲＦパルス（ＲＦ電力堆積スケールがＭＲイメージングモダリティの磁場の２乗である場合）を使用して、さらに改善されてもよい。
【0036】
図３は、ＰＥＴイメージングモダリティ１２とＭＲイメージングモダリティ１４ａを含むモダリティ構成９０ａと、ＰＥＴイメージングモダリティ１２の内腔とＭＲイメージングモダリティ１４ａの内腔が同軸的に整列され、イメージングモダリティ１２、１４ａが空間的に隣接して接触した位置に構成され、患者ベッド１８を移動および／または患者１７を再構成することなく、患者が各イメージングモダリティを同時に（または系列で）通過することができるようになる。
【0037】
図４は、図３に例示されるような類似のモダリティアレンジメント９０ｂを例示するが、低磁場ＭＲイメージングモダリティ１４ｂは、オープンボアイメージングモダリティである。オープンボアイメージングモダリティは、より低い電界強度とより低い品質の画像を提供する。低磁場オープンボアＭＲイメージングモダリティ１４ｂの画質は、画像診断には十分でない可能性があるが、低磁場ＭＲイメージングモダリティ１４ｂは、ＰＥＴイメージングモダリティ１４ａのような別のイメージングモダリティの減弱補正およびレジストレーションに十分な品質を提供する。
【0038】
図５および６は、ＰＥＴイメージングモダリティ１２がＭＲイメージングモダリティ１４ｃ－１４ｄから空間的に分離されるモダリティアレンジメント９０ｃ－９０ｄを例示する。イメージングモダリティ１２、１４ｃ－１４ｄを空間的に分離することにより、１回目はＰＥＴイメージングモダリティ１２などの１回目のイメージングモダリティで、２回目はＭＲイメージングモダリティ１４ｃ－１４ｄなどの２回目のイメージングモダリティで、画像することが可能となる。他の実施形態では、空間がプレミアムである場所では、別々のイメージングモダリティが使用されてよく、別々のイメージングモダリティは、同じ空間内の様々なイメージング処置のためにスイッチされる。
【0039】
いくつかの実施形態において、図３－６に図示された低磁場ＭＲイメージングモダリティ１４ａ－１４ａの１つなどの低磁場ＭＲイメージングモダリティは、ＰＥＴイメージングモダリティ１２によって得られたＰＥＴ画像データの減弱補正に使用される低磁場ＭＲ画像データセットを提供するように構成されている。図７は、いくつかの実施形態による、低磁場ＭＲ画像データを用いたＰＥＴ画像データの減弱補正の方法を示すフローチャート２００である。図８は、いくつかの実施形態によれば、図７の方法の様々なステップを示すプロセス図２５０である。モダリティアレンジメント９０ａ－９０ｄのいずれも、以下の方法および／またはプロセスのいずれかを実施するために使用され得る。
【0040】
ステップ２０２では、例えばＰＥＴイメージングモダリティのような第１のイメージングモダリティ１２を用いて、ＰＥＴ画像データ２５２のような第１の画像データセットが得られる。ステップ２０４では、低磁場ＭＲイメージングモダリティ１４ａ－１４ｄを用いて１組の低磁場ＭＲ画像データが得られる。ＰＥＴ画像データ２５２および／または低磁場ＭＲ画像データ２５４は、それぞれのイメージングモダリティ１２、１４ａ－１４ｄから直接取得することができ、および／または例えばコンピュータデータベース４０のような一過性でない記憶に記憶されて得られることがある。
【0041】
ステップ２０６において、画像レジストレーションモジュール２５６は、例えば、空間的に整列するために、低磁場ＭＲ画像データをＰＥＴ画像データにレジストレーションするために画像レジストレーションを行う。画像レジストレーションモジュール２５６は、ＰＥＴ空間レジストレーションされた低磁場ＭＲ画像データセット２５８を生成する。画像レジストレーションモジュール２５６は、訓練されたニューラルネットワークおよび／または従来の画像レジストレーションアルゴリズムを含むことができる。例えば、いくつかの実施形態において、訓練されたニューラルネットワークは、予めレジストレーションされたおよび／またはアラインメントされたデータセットを含む訓練データセットを使用して訓練されたニューラルネットワークを含むことができる。訓練されたニューラルネットワークは、任意の適切な画像レジストレーションプロセス、例えば、解剖学的着地マーキング、深層強化学習プロセス、敵対的生成ネットワークを用いる画像合成（独立および／またはそれに続く従来のレジストレーション）、教師なし学習アプローチ、および／または任意の他の適切なプロセスを適用するように構成されてもよい。
【0042】
いくつかの実施形態では、ニューラルネットワークは、低磁場ＭＲイメージングモダリティにおける勾配非線形性および磁石不均一性を補償するように構成された１つまたは複数の訓練方法を使用して訓練される。例えば、いくつかの実施形態において、勾配及び磁気非線形性は、例えば、ＭＲフィンガープリント法を用いて不均一勾配をモデル化し、均質勾配、ＲＦ、及びＢ0場の必要性を軽減するような、再構成過程（画像レジストレーション過程の一部として使用される）に直接的に組み込まれ得る。勾配および／または技術分野の非線形性を補償することにより、辞書を減少させ、より低い磁場強度でより高い効率を得ることができる。訓練されたニューラルネットワークおよび／または従来の画像レジストレーションアルゴリズムを含む実施形態は、上記のいずれか、および／または以下の実施形態のいずれかとともに使用され得る。
【0043】
図９は、いくつかの実施形態によれば、人工ニューラルネットワーク１００の実施形態を示す。「人工ニューラルネットワーク」のための別の用語は、「ニューラルネットワーク」、「人工ニューラルネット」、「ニューラルネット」、または「訓練された機能」である。人工ニューラルネットワーク１００は、ノード１２０～１３２およびエッジ１４０～１４２を含み、ここで、各エッジ１４０～１４２は、第１のノード１２０～１３２から第２のノード１２０～１３２への指向性接続である。一般に、第１のノード１２０－１３２と第２のノード１２０－１３２は、第１のノード１２０－１３２と第２のノード１２０－１３２が同一である可能性もあるが、異なるノード１２０－１３２である。例えば、図２では、エッジ１４０は、ノード１２０からノード１２３への方向性のある接続であり、エッジ１４２は、ノード１３０からノード１３２への方向性のある接続である。第１のノード１２０－１３２から第２のノード１２０－１３２までのエッジ１４０－１４２はまた、第２のノード１２０－１３２については「入っているエッジ」として、第１のノード１２０－１３２については「出ているエッジ」として表される。
【0044】
この実施形態では、人工ニューラルネットワーク１００のノード１２０～１３２は、層１１０～１１３に配置することができ、ここで、層は、ノード１２０～１３２の間のエッジ１４０～１４２によって導入される固有の順位を含むことができる。特に、エッジ１４０～１４２は、隣接する節の層間にのみ存在することができる。表示された実施形態では、入ってくるエッジのないノード１２０～１２２のみを含む入力層１１０、ノード１３１のみを含む出力層１１３、出てくるエッジのないノード１３２、および入力層１１０と出力層１１３との間に隠れ層１１１、１１２インチ－である。一般に、隠れ層１１１、１１２の数を任意に選択することができる。入力層１１０内のノード１２０～１２２の数は、通常、ニューラルネットワークの入力値の数に関係し、出力層１１３内のノード１３１、１３２の数は、通常、ニューラルネットワークの出力値の数に関係する。
【0045】
特に、（実数）番号は、ニューラルネットワーク１００の各ノード１２０～１３２に値として割り当てることができる。ここで、ｘ(n)
iは、ｎ番目の層１１０－１１３のｉ番目のノード１２０－１３２ の数値を表す。入力層１１０のノード１２０～１２２の値は、ニューラルネットワーク１００の入力値に等価であり、出力層１１３のノード１３１、１３２の値は、ニューラルネットワーク１００の出力値に等価である。さらに、各エッジ１４０－１４２は、重みが実数であることを含むことができ、特に、重みは区間［－１、１］内または区間［０、１］内の実数である。ここで、ｗ(m,n)
i,jは、ｍ層１１０－１１３のｉ番目のノード１２０－１３２と、ｎ層１１０－１１３のｊ番目のノード１２０－１３２との間のエッジの重みを示す。さらに、省略形ｗ(n)
i,jは重み付けｗ(n,n+1)
i,jに対して定義される。
【0046】
特に、ニューラルネットワーク１００の出力値を計算するために、入力値はニューラルネットワークを通して伝播される。特に、層１１０－１３２の（ｎ＋１）番目のノード１２０－１３２の値は、
によって、層１１０－１３２のｎ番目のノード１２０－１３２の値に基づいて計算することができる。関数ｆは伝達関数である（別の項は「活性化関数」である）。既知の伝達関数は、ステップ関数、シグモイド関数（例えば、ロジスティック関数、一般化ロジスティック関数、双曲線タンジェント、アークタンジェント関数、エラー関数、スムーステップ関数）または整流関数である。伝達関数は主に正規化目的に用いられる。
【数1】
によって、層１１０－１３２のｎ番目のノード１２０－１３２の値に基づいて計算することができる。関数ｆは伝達関数である（別の項は「活性化関数」である）。既知の伝達関数は、ステップ関数、シグモイド関数（例えば、ロジスティック関数、一般化ロジスティック関数、双曲線タンジェント、アークタンジェント関数、エラー関数、スムーステップ関数）または整流関数である。伝達関数は主に正規化目的に用いられる。
【0047】
特に、その値は、ニューラルネットワークを通して層ごとに伝播され、ここで、入力層１１０の値は、ニューラルネットワーク１００の入力によって与えられ、ここで、第１の隠れ層１１１の値は、ニューラルネットワークの入力層１１０の値に基づいて計算することができ、ここで、第２の隠れ層１１２の値は、第１の隠れ層１１１の値などに基づいて計算することができる。
【0048】
エッジに対してｗ(m,n)
i,jを設定するためには、ニューラルネットワーク１００は訓練データを用いて訓練されなければならない。特に、訓練データは、訓練入力データと訓練出力データ（ｔiとして表される）とを含む。訓練ステップのために、ニューラルネットワーク１００を訓練入力データに適用して、計算された出力データを生成する。特に、訓練データおよび計算された出力データは、多数の値を含み、その数は、出力層のノードの数と等しい。
【0049】
特に、計算された出力データと訓練データとの比較は、ニューラルネットワーク１００（逆伝播アルゴリズム）内の重みを再帰的に適応させるために使用される。特に、重みは、
によって変更され、ここでγは、学習率であり、数δ(n) jは、（ｎ＋１）番目の層が出力層ではないとき、δ(n+1)に基づいて、
として再帰的に計算される。（ｎ＋１）番目の層が出力層１１３であるとき、
で計算され、ここでｆ’が活性化関数の一次導関数であり、ｙ(n+1) jが出力層１１３のｊ番目のノードに対する比較訓練値である。
【数2】
によって変更され、ここでγは、学習率であり、数δ(n) jは、（ｎ＋１）番目の層が出力層ではないとき、δ(n+1)に基づいて、
【数3】
として再帰的に計算される。（ｎ＋１）番目の層が出力層１１３であるとき、
【数4】
で計算され、ここでｆ’が活性化関数の一次導関数であり、ｙ(n+1) jが出力層１１３のｊ番目のノードに対する比較訓練値である。
【0050】
いくつかの実施形態において、任意のステップ２０８において、ＰＥＴ空間レジストレーションＭＲ画像データセットは、１つ以上の将来の再構成において使用するため、ニューラルネットワークの訓練または再訓練のため、および／または任意の他の適切なプロセスにおいて使用するために出力される。例えば、いくつかの実施形態において、低磁場ＭＲ画像データは、臨床画像の生成のための必要な定義を欠いているが、後で論じるように、ＰＥＴ画像データの減弱補正のための減弱マップの生成など、他の臨床画像の生成を補助するために使用されることがある。他の実施形態では、低磁場ＭＲ画像データは、臨床医によって認識された１つ以上の異常を有する減弱補正ＰＥＴ再構成画像のような、臨床医によって承認され認識された再構成画像にリンクされ得る。認識された低磁場ＭＲ画像は、上述のように、１以上の訓練技術分野強化プロセスを使用して画像レジストレーションを提供するように構成されたニューラルネットワークをさらに改良技術分野訓練するために使用され得る。ＰＥＴ空間レジストレーションＭＲ画像データの任意選択出力は、上記のいずれか、または以下の実施形態のいずれかに統合され得る。
【0051】
ステップ２１０において、減弱マップ２６２は、ＰＥＴ空間レジストレーションされた低磁場ＭＲ画像データセット２５８から減弱マップ生成プロセス２６０によって生成される。減弱マップ２６２は、第２の訓練されたニューラルネットワークを使用して生成され得る。いくつかの実施形態では、減弱マップ生成プロセス２６０は、活性および減弱の最尤再構成（ＭＬＡＡ）アルゴリズムを適用するように構成されるが、減弱マップ２６２は、任意の１つ以上の適切な減弱マップ生成プロセスに従って生成されてもよいことが理解されよう。いくつかの実施形態において、訓練されたニューラルネットワークは、減弱マップを生成するために、テンプレート、アトラス情報、ＭＲデータの直接分割、および／または画像の分割を利用することができる。訓練されたニューラルネットワークおよび／または従来の減弱マップ生成プロセスは、上記および／または以下の実施形態のいずれかを用いて使用され得る。
【0052】
いくつかの実施形態において、単一の訓練されたネットワークは、画像レジストレーションおよび減弱マップ生成を同時に、および／または、連続的に行うように構成され得る。例えば、いくつかの実施形態において、隠れ層の第１のセットは、低磁場ＭＲ画像データのＰＥＴ画像データへのレジストレーションを行うように構成されてもよく、隠れ層の第２のセットは、ＰＥＴ空間レジストレーションされた低磁場ＭＲ画像データから減弱マップを生成するように構成されてもよい。いくつかの実施形態において、隠れ層の単一セットは、画像レジストレーションおよび減弱マップ生成を同時に行う。単一の訓練されたニューラルネットワークを、上記および／または以下の実施形態のいずれかとともに使用することができる。
【0053】
ステップ２１２において、生成されたｍｕ－ｍａｐ ２６２は、少なくとも１つの減弱補正ＰＥＴ画像２６６を生成するために、ＰＥＴ画像データ２５２の減弱補正２６４に使用される。アテニュエーション補正は、例えば１つ以上の既知のアテニュエーション補正プロセスを用いて、任意の適切なプロセスを用いて行うことができる。いくつかの実施形態において、ニューラルネットワークは、生成されたｍｕ－ｍａｐ ２６２に基づいて減弱補正を行うよう訓練されることがある。任意の適切な減弱補正プロセス２６４が、ＰＥＴ画像データ２５２を補正するために適用され得ることは認識されるであろう。減弱補正プロセス２６４は、少なくとも１つの減弱補正ＰＥＴ画像２６６および／または１セットの減弱補正ＰＥＴ画像データを生成する。少なくとも１つの減弱補正ＰＥＴ画像２６６および／または減弱補正ＰＥＴ画像データセットは、ステップ２１４で、後の検索および使用のために記憶デバイス（コンピュータデータベース４０など）上に保存するために出力することができ、そして／または臨床および／または診断手順で使用するために提供することができる。
【0054】
図１０は、一部の実施形態に従い、低領域のＭＲ画像データおよび先行画像データを用いたＰＥＴ画像データの減弱補正の方法を説明するフローチャート２００ａ。図１１は、図１０の方法の様々なステップを説明したプロセスフロー２５０ａであり、一部の実施形態に従い、フローチャート２００ａ及びプロセスフロー２５０ａは、それぞれフローチャート２００及びプロセスフロー２５０と類似しており、図７－８と併せて前述したとおり、ここでは類似の記述を繰り返さない。ステップ２１８において、以前の画像データのセット２７０が受信される。以前の（例えば、既存の）画像データセット２７０は、例えば、１つ以上の以前のイメージング検査の間に生成された患者の従来のＭＲ画像データおよび／またはＣＴ画像データを含むことができる。以前の画像データのセットは、例えば、コンピュータデータベース４０のような記憶デバイスから受信することができる。
【0055】
ステップ２０６ａでは、第１の訓練されたニューラルネットワーク２５６ａにより、低領域のＭＲ画像データ２５４及び以前の画像データのセット２７０をＰＥＴ画像データ２５２の画像領域にレジストレーションする。第１のニューラルネットワーク２５６ａは、低領域のＭＲ画像データ２５４及び以前の画像データのセットのレジストレーションを任意の適当な順序で実行するように構成されてもよい。例えば、いくつかの実施形態において、低磁場ＭＲ画像データセット２５４は、第１段階で以前の画像データのセット２７０の画像空間にレジストレーションされ、第２段階で以前の画像データのセットの画像空間がＰＥＴ画像データセット２５２の画像空間にレジストレーションされる。他の一例として、いくつかの実施形態において、以前の画像データのセット２７０は、第１段階で低磁場ＭＲ画像データセット２５４の画像空間にレジストレーションされ、第２段階で低磁場ＭＲ画像データセット２５４の画像空間がＰＥＴ画像データセット２５２の画像空間にレジストレーションされる。低領域のＭＲ画像データセット２５４及び以前の画像データのセット２７０をレジストレーションした後、プロセス２００ａは、上述したプロセス２００と類似する。第２の訓練されたニューラルネットワーク２６０ａは、ＰＥＴ空間レジストレーション低領域ＭＲデータセット２５８及びＰＥＴ空間レジストレーションＭＲ／ＣＴ（例：先行）データセット２７２のそれぞれを使用するように構成されている。レジストレーションのための以前の画像データの使用は、前述および／または以下の実施形態のいずれかに含まれ得ることが認識されるであろう。
【0056】
任意選択ステップ２２０において、ＰＥＴ空間レジストレーションされた以前の画像データのセット２７２は出力される。ＰＥＴ空間レジストレーションされた以前の画像データのセット２７２は、ＰＥＴ画像データセット２５２の画像空間にレジストレーションされた従来のＭＲ画像データおよび／またはＣＴ画像データを含むことがある。いくつかの実施形態において、ＰＥＴ空間レジストレーションされた以前の画像データのセット２７２は、ステップ２１４で生成された再構成ＰＥＴ画像との比較および／またはそれと併せて使用するために、ＰＥＴ画像データ２５２の画像空間内に１つ以上の臨床画像を生成するために使用される。
【0057】
第１の実施形態では、コンピュータ実装の方法が開示される。コンピュータ実装方法は、画像データの第１のセットおよび低磁場磁気共鳴（ＭＲ）画像データセットを受信するステップと、第１の訓練されたニューラルネットワークを使用して低磁場ＭＲ画像データから減弱補正マップを生成するステップと、減弱補正マップに基づいて画像データの第１のセットに少なくとも１つの減弱補正プロセスを適用して減弱補正画像データセットを生成するステップと、減弱補正画像データセットから少なくとも１つの臨床画像を生成するステップと、を含む。
【0058】
その後の実施形態のいずれにおいても、第１の実施形態のコンピュータ実装方法は、減弱補正マップを作成する前に、低磁場ＭＲ画像データセットを第１の画像データセットの画像空間にレジストレーションするステップをさらに含むことができる。第２の訓練されたニューラルネットワークは、低磁場ＭＲ画像データセットを、第１の画像データセットの画像空間にレジストレーションするように構成されている。
【0059】
その後の実施形態のいずれかにおいて、第１の実施形態のコンピュータ実装方法は、さらに、低磁場ＭＲ画像データセットを、第１の画像データセットおよび低磁場ＭＲ画像データセットと同時でなく取得し、以前の画像データのセットの第１の画像空間または低磁場ＭＲ画像データセットを、以前の画像データの第２の画像空間または低磁場ＭＲ画像データセットを第１の画像データセットの画像空間にレジストレーションする前に、以前の画像データのセットを受信する工程を含むことができる。減弱補正マップは、低磁場ＭＲ画像データと以前の画像データのそれぞれのセットから生成される。以前の画像データのセットは、従来のＭＲ画像データまたはコンピュータ断層撮影（ＣＴ）画像データの１つを含む。
【0060】
その後の実施形態のいずれかにおいて、画像データの第１のセットは、陽電子放射型断層撮影（ＰＥＴ）画像データセットおよび／または単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）画像データセットを含む。低磁場ＭＲ画像データセットは、１テスラ未満の磁場強度を有する低磁場ＭＲイメージングモダリティによって生成される。低磁場ＭＲ画像データセットは、オープンボアの低磁場ＭＲイメージングモダリティまたは閉口ボアの低磁場ＭＲイメージングモダリティの１つによって生成される。低磁場ＭＲ画像データセットは、第１の画像データセットを生成するように構成された第１のイメージングモダリティまたは第１のイメージングモダリティから空間的に分離された低磁場ＭＲイメージングモダリティのいずれかによって、同軸的に整列され、空間的に隣接する低磁場ＭＲイメージングモダリティの１つによって生成される。
【0061】
その後の実施形態のいずれかにおいて、第１の訓練されたニューラルネットワークは、それぞれのＰＥＴ画像空間に以前にレジストレーションされたＭＲ画像データを含む訓練データセットを使用して訓練され、解剖学的着地マーキング、深層強化学習、敵対的生成ネットワークを使用する画像合成、非監視学習、その組合せ、または任意の他のニューラルネットワーク構造の少なくとも１つを使用して訓練される。
【0062】
第２の実施形態では、システムが開示される。このシステムには、第１のイメージングモダリティ、低磁場ＭＲイメージングモダリティ、およびコンピュータが含まれる。コンピュータは、第１の実施形態のコンピュータ実施方法を実施するように構成される。
【0063】
第３の実施形態では、コンピューターシステムにコンピュータ実施方法の第１の実施形態のステップを実行させるように構成された命令を保存する非一時的コンピュータ可読媒体が開示される。
【0064】
第４の実施形態では、コンピュータ実装の方法が開示される。コンピュータ実装方法は、第１の画像データセット、低磁場磁気共鳴（ＭＲ）画像データセット、および以前のイメージングデータセットを受信するステップであって、以前のイメージングデータセットは、第１の画像データセットおよび低磁場ＭＲ画像データセットと非同時に得られた画像データを含む、ステップと、第１の訓練されたニューラルネットワークを使用して、低磁場ＭＲ画像データセットと以前の画像データのセットから減弱補正マップを生成するステップと、減弱補正マップに基づいて第１の画像データセットに少なくとも１つの減弱補正プロセスを適用して減弱補正画像データセットを生成するステップと、減弱補正画像データセットから少なくとも１つの臨床画像を生成するステップと、を含む。
【0065】
後続の実施形態のいずれかにおいて、第４の実施形態のコンピュータ実装方法は、さらに、前記以前の画像データのセットまたは前記低磁場ＭＲ画像データのセットの第１のセットの画像空間を、前記以前の画像データまたは前記低磁場ＭＲ画像データの第２のセットの画像空間にレジストレーションするステップを含むことができる。続いて、低磁場ＭＲ画像データセットの画像空間および以前の画像データの画像空間を、第１の画像データセットの画像空間にレジストレーションされる。レジストレーションは、第２のニューラルネットワークによる減弱補正マップを作成する前に実行される。
【0066】
その後の実施形態のいずれかにおいて、第１の画像データセットは、陽電子放射型断層撮影（ＰＥＴ）画像データセットおよび／または単光子放射型コンピュータ断層撮影（ＳＰＥＣＴ）画像データセットを含む。低磁場ＭＲ画像データセットは、１テスラ未満の磁場強度を有する低磁場ＭＲイメージングモダリティによって生成される。低磁場ＭＲ画像データセットは、オープンボアの低磁場ＭＲイメージングモダリティまたは閉口ボアの低磁場ＭＲイメージングモダリティの１つによって生成される。低磁場ＭＲ画像データセットは、第１の画像データセットを生成するように構成された第１のイメージングモダリティまたは第１のイメージングモダリティから空間的に分離された低磁場ＭＲイメージングモダリティのいずれかによって、同軸的に整列され、空間的に隣接する低磁場ＭＲイメージングモダリティの１つによって生成される。以前の画像データのセットは、従来のＭＲ画像データまたはコンピュータ断層撮影（ＣＴ）画像データの１つを含む。
【0067】
その後の実施形態のいずれかにおいて、第１の訓練されたニューラルネットワークは、それぞれのＰＥＴ画像空間に以前にレジストレーションされたＭＲ画像データを含む訓練データセットを使用して訓練され、解剖学的着地マーキング、深層強化学習、敵対的生成ネットワークを使用する画像合成、非監視学習、その組合せ、または任意の他のニューラルネットワーク構造の少なくとも１つを使用して訓練される。
【0068】
第５の実施形態において、システムが開示される。このシステムには、第１のイメージングモダリティ、低磁場ＭＲイメージングモダリティ、およびコンピュータが含まれる。コンピュータは、第４の実施形態のコンピュータ実施方法を実施するように構成される。
【0069】
第６の実施形態では、コンピューターシステムに、コンピュータ実施方法の第４の実施形態のステップを実行させるように構成された命令を保存する非一時的コンピュータ可読媒体が開示される。
【0070】
主題は例示的な実施形態の観点から記述されているが、それに限定されるものではない。むしろ、特許請求範囲は、当業者によってなされることができる他の改変体および実施形態を含むように、広く解釈されるべきである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
