磁共振图像

摘要： 全面质量管理是提高磁共振图像质量的重要方法。该文通过浅析磁共振图像全面质量管理的影响因素与处理办法,探讨影像技师在磁共振图像全面质量管理中的职能与任务,以期提升影像技师的综合业务素质,增强全员质量意识,完善质量管理制度,确保磁共振图像质量稳定可靠并持续提升。

摘要： 目的探讨磁共振扩散加权成像DWI对肺内检出病变定性评估及鉴别诊断能力及临床运用价值。方法前瞻性对47例肺内检出病变进行胸部MRI扫描及扩散加权成像检查,回顾分析经手术、纤支镜及病理证实的肺内病变的临床、病理资料,分析其MR表现及扩散加权成像特点,ADC值与病理诊断及病变内细胞密集度的相关性。结果47例病变均为单发病变,10例为良性病变,37例为恶性肿瘤。良性结节组ADC值(1.27±0.23)×10^(-3)mm^(2)/s,恶性结节组ADC值(0.81±0.18)×10^(-3)mm^(2)/s。统计学分析,单因素分析中,采用χ^(2)检验,病变的良、恶性与ADC值具有相关性,χ^(2)=27.1,P<0.001;多因素分析中,只有病变良、恶性与ADC值相关,P<0.001。良性组病变内细胞排列、密集程度均低于肺癌组。结论磁共振扩散加权成像ADC值对肺内病变具有一定的定性评估及鉴别诊断的能力,有助于辅助CT对肺内病变进一步定性诊断,提高影像的综合诊断能力。

摘要： 目的探讨基于双线性卷积神经网络(BRNV)模型的阿尔茨海默病(AD)自动诊断。方法选取AD神经成像倡议(ADNI)数据库中的AD(n=93)、轻度认知功能障碍(MCI,n=76)及正常认知(NC,n=100)受试者的核磁共振图像(MRI)作为数据集,预处理后按照8∶2的比例分为训练集和验证集,同时另取ADNI中不同于以上已经选取的受试者数据150例作为测试集(AD、MCI及NC受试者各50例),将每名受试者经过预处理后的三维MRI数据转换为矢状面、冠状面及横断面2 D切片123张,最终获得AD组MCI组及NC组受试者训练集(n=9225、7503、9840)、验证集(n=2214、1845、2460)及测试集(n=6150、6150、6150)2 D切片;设计BRNV模型对预处理后的MRI数据进行分类预测,采用迁移学习方法为模型寻找最优的初始网络参数权重,通过BRNV模型对AD的分类效果绘制受试者工作特征曲线(ROC),以ROC曲线下面积(AUC)、准确率、特异性及敏感性评估模型的诊断价值。结果BRNV模型对AD受试者诊断分类,准确率、AUC、特异性及敏感性分别达85.4%、91.3%、86.1%及84.2%;BRNV模型对MCI受试者诊断分类,准确率、AUC、特异性及敏感性分别达73.3%、75.1%、72.0%及74.0%。结论BRNV模型在AD自动诊断中具有较高的准确率,有助于针对AD的计算机辅助诊断系统开发,并帮助医生提高AD的诊断效率。

摘要： 针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法。采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像。为了更加全面的对本文所提方法性能进行比较和分析,采用峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似度(structural similarity,SSIM)作为图像质量的客观评价标准,从主观和客观两方面对实验结果进行评价。研究结果表明,在相同的欠采样系数下,利用所提方法重建的图像PSNR和SSIM指标均高于其它算法,重建效果较好,不仅能准确地重建图像信息,还可提高图像的重建质量,证明本文所提方法的有效性。该研究具有较好的实际应用价值。

摘要： 磁共振图像的质量会影响医生对患者身体情况的判断,高清晰度的磁共振图像更有利于医生做出准确的诊断。利用计算机技术对磁共振图像进行超分辨率重建,可以由低分辨率的磁共振图像得到高分辨率的磁共振图像。基于生成对抗网络强大的生成能力及其非监督学习特性,文中研究了基于生成对抗网络的磁共振图像超分辨率算法,设计了一个结合残差网络结构及DenseNet结构作为生成网络的网络模型DNGAN。该网络使用WGAN-GP理论作为对抗损失来稳定生成对抗网络的训练。除此之外,使用内容损失函数以及感知损失函数作为网络的损失函数。同时,为了更好地利用磁共振图像丰富的频域信息,将磁共振图像的频域信息作为频域损失函数添加到网络中。为了证明DNGAN模型的有效性,将其磁共振图像超分辨率实验结果与SRGAN以及双三次插值法的磁共振图像超分辨率重建结果进行对比,表明DNGAN模型能够有效地对磁共振图像进行超分辨率重建。

摘要： 深度学习已广泛用于脑部磁共振(MR)图像分析中,但脑部肿瘤MR图像样本不足会严重影响深度学习模型的性能.提出基于多鉴别器循环一致性生成对抗网络(MD-CGAN)的样本生成方法.利用所提出的MD-CGAN生成脑部肿瘤病理区域图像,将生成的脑部肿瘤病理区域图像覆盖脑部正常图像子区域,合成得到脑部肿瘤MR图像.MD-CGAN引入的双对抗损失避免了模型崩塌问题的产生,引入的循环一致性损失函数可以保证脑部正常子区域图像生成脑部肿瘤病理区域图像,从而使得MD-CGAN生成的图像具有高质量和多样性.以FID值作为评价指标,利用本文提出的MD-CGAN与近几年较经典的生成网络生成脑部肿瘤病理区域图像并计算FID值.实验结果表明,本文所提出网络的FID值比SAGAN、StyleGAN和StyleGAN2的值分别低26.43%、21.91%、12.78%.为进一步验证本文方法的有效性,利用生成的脑部肿瘤图像扩充样本,并依托扩充前后的样本集进行脑部肿瘤分割网络训练.实验表明,样本扩充后的分割网络性能更优异.本文方法生成的脑部肿瘤MR图像质量高、多样性强,这些样本可代替真实样本参与模型的训练,从而有效解决脑部肿瘤MR图像训练样本不足的问题.

摘要： 膝关节是类风湿性关节炎(Rheumatoid Arthritis,RA)常见累及关节,膝关节滑膜的精准分割对RA诊断和治疗有重要影响,本文提出了一种基于VNet网络的改进算法对膝关节滑膜磁共振图像进行自动分割.首先对39名滑膜炎患者的膝关节磁共振图像进行数据预处理,通过将Transformer编码器嵌入VNet网络底部的方式构建VNetTrans网络,使用MemSwish激活函数进行训练.最终模型平均Dice系数为0.7585,HD为24.6 mm;相较于VNet,Dice系数提升0.0836,HD距离减少10 mm.实验结果表明,该算法可对膝关节磁共振图像中滑膜增生区域实现较好的3D分割,具有诊断和监测RA发展过程的应用价值.

摘要： 目的MR图像胶质瘤的精准分割是判定肿瘤范围和制定治疗方案的前提。为解决传统胶质瘤分割方法的过程中存在的复杂度高和精度低的问题,本文提出一种改进的U-Net网络与区域生长算法相结合的方法来分割MR图像胶质瘤。方法从公开数据库中下载胶质瘤的MR图像和手动分割标签。在U-Net网络的各层和桥中的2个卷积层间加入残差模块来改进网络,然后对网络分割结果做适度的区域生长操作来描述肿瘤的边界。使用Dice相似系数(Dice Similarly Coefficient,DSC)和边界F1(Boundary F1,BF)轮廓匹配分数(BF Score)等指标来评价本文方法的分割性能。结果在区域生长参数优化集中,区域生长的最大强度差异和种子点的灰度阈值为0.01和86时,分割结果达到最优。在包含了肿瘤所有层面的测试集中,DSC和BF Score分别达到了0.8332和0.7283。DSC得分相较于传统的FCN-8s和DeepLab v3+网络分别提高了7.43%和4.56%。结论改进的U-Net网络结合区域生长操作能很好地描述胶质瘤的位置、范围和边界信息,可用于辅助医生对胶质瘤进行定量分析。

摘要： 目的 探讨基于改进LeNet-5模型的WHO 11/Ⅲ级脑胶质瘤影像自动分级的临床应用价值.方法 收集经手术病理证实的98例WHO Ⅱ级和Ⅲ级胶质瘤患者的MRI资料;按照就诊时间顺序将前67例患者作为训练集,后31例患者作为测试集.首先,用深度学习技术及训练集的760张MRI T2WI图像,在卷积神经网络下(LeNet-5模型下)进行训练,模拟影像科医师的判断过程,从而建立了WHO Ⅱ/Ⅲ级脑胶质瘤影像自动分级系统.然后,对测试集的68张MRI T2WI图像进行临床验证.结果 相较于原始LeNet-5模型,改进后的模型对WHO Ⅱ/Ⅲ级脑胶质瘤的测试准确率明显提高;当epoch =45时,正确率达到最高,epoch大于45时,趋于不变.同时改进后模型的测试错误个数均减少,总体错误率降低;表明改进后的模型对胶质瘤分级的准确率较改进前有提高.结论 改进的LeNet-5网络模型能够较好地识别胶质瘤影像表现的深层特征,提高了胶质瘤影像分级的准确率,为临床诊断提供了帮助.

摘要： 目的 本研究使用脑部正电子发射型计算机断层显像(positron emission computed tomography,PET),并且设计了一个3D卷积神经网络(convolutional neural networks,CNN),以实现对阿尔茨海默病(Alzheimer disease,AD)的早期诊断.方法 研究数据取自美国国立卫生研究院老年研究所的ADNI(Alzheimer's Disease Neuroimaging Initiative)数据库,PET图像和磁共振(magnetic resonance,MR)图像均有收集并对数据进行相关预处理.为避免过早的下采样给模型性能带来不利影响,设计了一个3D CNN模型,比较两种不同模态的数据在AD早期诊断中各自的优缺点.结果 使用本研究组设计的3D CNN模型在基于PET图像的AD早期诊断实验中,预测准确率、灵敏度、特异度以及曲线下面积(area under curve,AUC)分别达到71.19％、79.29％、61.35％、71.09％.此外,对本研究组的模型与计算机视觉中的经典模型VGG和ResNet使用相同数据进行对比实验,许多评价指标都要更优.结论 使用脑部PET图像并结合3D CNN可以更好地利用3D图像的空间位置信息,更有效地提取特征,能对AD早期的病变情况有更准确高效的识别.

摘要： 背景:MRI成像机制决定了其时间/空间分辨率和信噪比之间存在矛盾,因此图像降噪变得十分必要.目前基于离散小波变换的降噪方法广泛应用,然而存在平移敏感性的缺陷.目前已出现了克服平移敏感性的离散小波变换,但其冗余性导致计算复杂度的快速增加.rn 目的:针对图像降噪设计小波滤波器,减小降采样过程的影响,保持离散小波变换的非冗余性,并针对MRI图像Rician噪声的降噪进行分析.rn 方法:由于平移敏感性主要是由于离散小波变换分解时降采样产生的混叠项带来的,在保证非冗余的前提下,提出了通过减小混叠项的影响来减小平移敏感性.在此基础上,设计了一个双正交小波.最后,将其以常见的阈值降噪方法应用到磁共振图像Rician噪声的降噪中.rn 结果与结论:文章提出了设计小波滤波器的新方法,即满足严格重构条件外满足一些附加要求,最后将设计过程简化为一个有约束条件的最优化过程.将设计的双正交小波应用于MR图像,仿真结果表明降噪效果较通常小波有所改善,间接表明了设计思路和方法的有效性.

摘要： 帕金森病(Parkinson disease,PD)是常见的神经退行性疾病,其主要临床症状包括：静止性震颤、肌僵直和运动迟缓等.PD的主要病理改变是黑质纹状体细胞的进行性损失和细胞内路易斯小体的聚集,只有到神经元死亡50-60％后才会出现临床症状.因此PD的早期诊断一直是一个世界性的难题.本文的主要工作是基于matlab的特征数据提取、特征筛选以及应用支持向量机的分类器训练与测试.本文参考了ALL大脑分区模版进行特征数据提取,提取的特征包括脑脊液CSF、灰质GM、白质WM、低频振幅ALFF、区域一致性ReHo.特征选择采用了三种方法,包括双样本T检验、基于距离的Relief排序和基于支持向量机的递归特征消除(SVM-RFE).将特征选择得到的最优特征向量子集用于分类器训练.分类器的测试使用了留一交叉验证的策略.结果表明,基于MRI影像学分析方法,可以对早期PD的出现进行准确率较高的预测.

摘要： 肝血管分割在医学影像引导治疗中向来是一大重点和难点,本文基于磁共振图像提出了一种改进的变分水平集分割算法,该算法针对磁共振图像噪声和亮度不均匀性等问题,引入非局域稳健统计量来重定义变分水平集的能量方程.非局域稳健统计量方法首先进行K均值聚类,将受噪声影响较大的种子点排除,再对所有种子点及其邻域计算其特征信息.同时,能量方程中加入偏移校正以抑制由于亮度不均匀对分割造成的干扰.多次试验表明,与传统水平集方法相比,该算法实现了较好的肝脏区域细小血管的分割效果.

摘要： 脑肿瘤是严重影响人们生活质量且致死致残率极高的神经系统疾病.磁共振技术是诊断脑肿瘤的主要方式.除磁共振图像外,磁共振波谱以其无损伤检测组织内代谢物含量的特点,被称为“无创活检”并受到越来越广泛的应用.以磁共振技术为基础的脑肿瘤辅助诊断系统包括病人病历查询与管理、报告单显示、磁共振图像显示与参数提取、磁共振波谱量化显示与空间配准、医学数据添加、用户信息管理等6大模块.本系统采用Java+MySQL进行系统开发,便于各操作平台间的移植开发.该系统的建立为医生的病情诊断和科研人员实施研究提供了极大帮助,推进了远程资料共享和自动化诊断的进程,并促进学术交流.随着研究工作的继续开展,更完善的系统将为脑肿瘤及其他疾病的诊断和治疗提供进一步的有效支持.

摘要： 目的：评估中国南方都市人群中腰椎间盘退行性变化的程度,发生率和在不同椎间节段的分布状况.研究椎间盘退变在不同年龄和性别组中的变化.方法：通过公开邀请,总共有1736例志愿者参加了该研究,对所有参加者进行了影像学检查,临床体格检查和症状学评分.用0.2T和1.5T的磁共振系统进行脊柱扫描.腰椎T2的矢状位序列成像.在所得MRI图像的基础上,依据新设计的评分系统对腰椎间盘退变和椎间盘凸出进行评分.评估每个腰椎节段的许莫氏结节,高信号区(HIZ)和骨髓信号的改变.两位医师共同进行影像学诊断评估.结果：许莫氏结节的发生与性别相关,许莫氏结节在男性中发生率更高.卡方检验发现,许莫氏结节(OR:227.9),骨髓信号改变(OR:20.2)和高信号区(OR:20.4),三种影像学表现与腰椎间盘退变的相关性依次增强,均具有高度统计学意义(P＜0.0005).高信号区和骨髓信号改变与年龄呈显著相关性,有高度统计学意义(P＜0.0005).许莫氏结节和高信号区在腰椎中的分布规律为:许莫氏结节从上(头端)至下(尾端)呈降序分布;椎间盘高信号区从上至下呈升序分布.腰椎间盘退变评分(DDD分数)和腰椎间盘凸出评分(凸出分数)与身体质量指数呈正相关,有高度统计学意义(P＜0.0005).发现两种腰椎间盘退变评分结果在男女性别间无明显差异.从上(头端)至下(尾端),腰椎间盘节段的退变发生呈持续升高趋势.腰椎间盘退变在男女性别之间有一定程度的差异(P＜0.05).腰椎间盘退变在年轻人群中总体发生率高,男性中为35.3％,女性中为33.9％.结论：许莫氏结节的发生与年龄因素无关,其分布在男女性别之间有明显差异.研究发现腰椎间盘退变在中国南方都市人群中呈高发状态,特别是年轻成人中常见.身体质量指数与腰椎间盘退变显著相关.25-35岁年龄段的男性比女性更易患腰椎间盘退变.考虑是外界环境因素所致.

摘要： 本文提出把PBDW放在二维冗余小波域中，这样的变换称为PBDWW。PBDWW来源于bandelet变换，但PBDWW采用的是冗余小波变换而且不进行图像块的四叉树合并。RLNE随着迭代次数的增加逐渐降低，这意味着重建图像越来越逼近全采k空间重建图像。可以看出本文方法对于给定的数据是随着迭代增加逐渐收敛于全采MRI图像。

摘要： 为了提高成像的空间分辨率和信噪比,将超快速MRI技术与图像超分辨率(SR)重建技术相结合展现出重要的应用前景.本文将稀疏性作为先验约束，应用待重建图像的同类图像构造高分辨率字典Dh和低分辨率字典Dl，采用数据学习算法对高、低分辨率进行耦合训练，实现单幅MR图像的SR重建。该方法能够清晰地重建出图像的提高分辨率的同时抑制了伪影的产生。

摘要： 目的：探讨三维重建成年健康女性肛提肌,为从力学角度进一步认识女性盆底功能障碍性疾病(PFD)的临床作用.rn 方法：选取本中心招募的1例健康女性志愿者为研究对象.采用MRI对其进行盆底组织结构扫描,获取层厚为0,8 mm的序列图像,采用医学图像重建软件MIMICS建立盆底组织结构的三维几何模型.rn 结果：采用MRI对受试者盆底组织进行超薄横截面位扫描,共计获取192幅图像资料.再对MRI采集的肛提肌组织结构序列图像资料经三维重建获取理想肛提肌三维模型.通过配准和布尔运算获取包含肛提肌、骨盆和闭孔内肌的盆底整体三维结构模型.rn 结论：所建肛提肌三维几何结构可真实反映健康女性盆底组织解剖构型,具有一定代表性,可为女性盆底组织的结构的进一步力学分析,奠定基础.

摘要： 在脑电和磁共振数据同步采集过程中,常用的Ag/AgCl电极会降低磁共振(MR)图像的信噪比(SNR).为了选择对MR图像影响较小的电极,本文将对比三种不同材料的Ag/AgCl电极对水膜MR图像的影响程度.本文将每层MR图像分成四个不同的感兴趣区域并计算每个区域的SNR,然后采用双t检验的方法对比不同电极对MR图像的影响程度.结果显示,金属密度较低、相对抗磁磁化率较小的铜基底的Ag/AgCl电极对MR图像的影响区域比较小.因此,在同步EEG-fMRI实验中,选择较低密度、相对抗磁磁化率较小的金属作为基底材料的Ag/AgCl电极可能会减少对MR图像的影响.

摘要： 在脑电和磁共振数据同步采集过程中,常用的Ag/AgCl电极会降低磁共振(MR)图像的信噪比(SNR).为了选择对MR图像影响较小的电极,本文将对比三种不同材料的Ag/AgCl电极对水膜MR图像的影响程度.本文将每层MR图像分成四个不同的感兴趣区域并计算每个区域的SNR,然后采用双t检验的方法对比不同电极对MR图像的影响程度.结果显示,金属密度较低、相对抗磁磁化率较小的铜基底的Ag/AgCl电极对MR图像的影响区域比较小.因此,在同步EEG-fMRI实验中,选择较低密度、相对抗磁磁化率较小的金属作为基底材料的Ag/AgCl电极可能会减少对MR图像的影响.

摘要： 一种磁共振成像(MRI)设备，包括：射频(RF)控制器，被配置为在重复时间段内进行以下操作：控制MRI设备向对象施加具有覆盖对象的多个切片之中的两个或更多个切片的覆盖区域的RF预备脉冲，控制MRI设备向对象施加分别与所述多个切片相应的RF脉冲，并移动所述覆盖区域。所述MRI设备还包括：数据获取器，被配置为在所述重复时间段期间从所述多个切片获取磁共振信号。

摘要： 提供了一种磁共振成像(MRI)设备，所述MRI设备包括：控制器，被配置为确定第一切片和第二切片，使得对象的第一切片的切片编号与对象的第二切片的切片编号之间的差是预定间距值；以及射频(RF)线圈，被配置为发射包括使第一切片能够被激发的频率分量的预备脉冲信号，并发射包括多个频率分量的RF信号，使得第一切片和第二切片两者都被激发。

摘要： 本发明涉及一种用于对磁共振图像（6）的图像特征进行自动分类的方法，具有如下步骤：‑至少确定至少两个在磁共振图像（6）中成像了的组织的参数T1、T2和质子密度，或者预先给定至少这些参数中的至少两组，‑对于每个成像的组织或每组参数计算k空间中心中的信号强度，‑依据所计算的信号强度对图像特征进行分类。本发明还涉及一种磁共振设备。

摘要： 本发明公开了一种磁共振图像处理方法、一种磁共振图像处理装置、用于实现所述方法的计算机程序、以及存储该程序的计算机可读记录介质。其中，所述方法包括：利用远离厚片边界的层进行插值，并替换厚片边界处存在厚片边界伪影的层，得到插值后图像；对所述插值后图像进行傅立叶变换，产生第一K空间数据；对原始图像进行傅立叶变换，产生第二K空间数据；合并第一K空间数据和第二K空间数据，其中，在K空间中部，第一K空间数据的权重大于第二K空间数据的权重，在K空间边缘，第二K空间数据的权重大于第一K空间数据的权重；对合并后的K空间数据进行傅立叶逆变换。通过本发明的实施能够有效地消除磁共振图像中的厚片边界伪影。

摘要： 本发明提供一种磁共振图像诊断装置以及磁共振图像摄像方法。序列切换控制部当判定为在本摄像的开始前发生了体动的情况下，进行控制以参照体动对应序列存储部，从通常摄像序列切换为与被检者P的摄像部位对应的体动对应序列。另外，序列切换控制部在判定为在按照通常摄像序列进行的本摄像过程中发生了体动的时刻，进行控制以参照收集数据存储部，在已经收集的数据量比规定量少的情况下，切换为体动对应序列来重摄。另外，序列切换控制部在判定为在按照通常摄像序列进行的本摄像过程中发生了体动的时刻，在已经收集的数据量是规定量以上的情况下，中止本摄像，进行控制以仅利用收集到的数据来重构磁共振图像。

摘要： 本发明公开了基于深度学习的3T磁共振图像生成7T磁共振图像方法。包括以下步骤：构建配对的3T图像和7T图像的训练集，构建3T图像生成7T图像深度学习模型，定义3T图像生成7T图像深度学习模型的损失函数，深度学习模型训练，获得最优模型参数，利用训练得到的深度学习模型将3T图像合成为7T图像。本发明使用空间对齐网络估计和补偿3T图像和7T图像之间的空间不匹配，从而实现更优的7T图像合成效果。

摘要： 所公开的是一种医学成像系统(100、300)。机器可执行指令(120)的运行使处理器(104)：接收(200)描述对象(318)的第一感兴趣区域(307)的测量出的磁共振成像数据(122)；接收(202)B0图(124)、T1图(126)、T2图(128)以及磁化图(130)，每个都描述所述对象的第二感兴趣区域(309)；接收(204)脉冲序列命令(132)；使用至少B0图、T1图、T2图、磁化图、以及脉冲序列命令作为Bloch方程模型(134)的输入来计算模拟磁共振图像(136)；并且通过求解逆问题，根据用于重叠的感兴趣区域的所述测量出的磁共振成像数据来重建(208)经校正的磁共振图像。所述逆问题包括成本函数和由所述模拟磁共振图像形成的正则化项的优化。

摘要： 本发明涉及一种用于对磁共振图像（6）的图像特征进行自动分类的方法，具有如下步骤：-至少确定至少两个在磁共振图像（6）中成像了的组织的参数T1、T2和质子密度，或者预先给定至少这些参数中的至少两组，-对于每个成像的组织或每组参数计算k空间中心中的信号强度，-依据所计算的信号强度对图像特征进行分类。本发明还涉及一种磁共振设备。

摘要： 本发明公开了一种磁共振图像处理方法、一种磁共振图像处理装置、用于实现所述方法的计算机程序、以及存储该程序的计算机可读记录介质。其中，所述方法包括：利用远离厚片边界的层进行插值，并替换厚片边界处存在厚片边界伪影的层，得到插值后图像；对所述插值后图像进行傅立叶变换，产生第一K空间数据；对原始图像进行傅立叶变换，产生第二K空间数据；合并第一K空间数据和第二K空间数据，其中，在K空间中部，第一K空间数据的权重大于第二K空间数据的权重，在K空间边缘，第二K空间数据的权重大于第一K空间数据的权重；对合并后的K空间数据进行傅立叶逆变换。通过本发明的实施能够有效地消除磁共振图像中的厚片边界伪影。

摘要： 本发明提供一种磁共振图像诊断装置以及磁共振图像摄像方法。序列切换控制部当判定为在本摄像的开始前发生了体动的情况下，进行控制以参照体动对应序列存储部，从通常摄像序列切换为与被检者P的摄像部位对应的体动对应序列。另外，序列切换控制部在判定为在按照通常摄像序列进行的本摄像过程中发生了体动的时刻，进行控制以参照收集数据存储部，在已经收集的数据量比规定量少的情况下，切换为体动对应序列来重摄。另外，序列切换控制部在判定为在按照通常摄像序列进行的本摄像过程中发生了体动的时刻，在已经收集的数据量是规定量以上的情况下，中止本摄像，进行控制以仅利用收集到的数据来重构磁共振图像。