パラレルイメージング

パラレルイメージングは、磁気共鳴画像法（MRI）における撮像速度の制約を克服するために導入された技術であり、複数の受信コイルが持つ位置依存的な感度分布を利用して空間情報を取得する^[1]。従来のMRIでは位相エンコードによる逐次的なデータ収集が撮像時間を長くする要因であったが、パラレルイメージングはコイルごとの信号特性を用いてk空間の欠落部分を補完し、必要なサンプリング数を減らすことが可能となった。これにより撮像時間の短縮やモーションアーチファクトの抑制が実現されている。 技術的背景としては、画像再構成が単純なフーリエ変換から不完全データを補う逆問題の解法へと変化した点が大きい^[3]。この逆問題は条件が不良な場合が多く、正則化や反復的アルゴリズムが導入されている。再構成方式は大きく分けて、各コイルの感度分布を明示的にモデル化する方法と、取得した自己校正データを利用する方法がある。前者では空間分解能の維持と雑音増幅の制御が課題となり、後者ではサンプリングパターンの設計と数値的安定性が重要となる。 さらに、この技術は空間エンコードの拡張として理解できる。従来の位相エンコードと並列化されたコイル感度情報を組み合わせることで、理論上は加速度因子に応じたデータ削減が可能になるが、信号雑音比やコイル配置によって制限を受ける^[4]。また、送信側についても並列化の研究が報告されているが、適用や設計には技術的課題が残る^[5]。 これらの理論的・技術的基盤の確立によって、パラレルイメージングは多施設での臨床利用が広く報告されている^[1][4][2]。

パラレルイメージングにおける代表的な手法として、SENSE、GRAPPA、SMASHが広く知られている。 SENSE（Sensitivity Encoding）は、コイル感度分布を事前に推定し、その情報をもとにエイリアシングの折り返しを逆算して画像を再構成する方式であり、条件により加速と分解能の両立が報告されている^[6][1][4]。臨床的にはコイル感度マップの正確性に依存するため、不均一な感度分布が誤差の原因となり得る^[6]。

GRAPPA（Generalized Autocalibrating Partially Parallel Acquisitions）は、自己校正線を利用してk空間の欠損データを補間する手法である^[7]。SENSEが画像領域で再構成を行うのに対し、GRAPPAはk空間での演算を特徴とし、コイル感度マップの事前取得が不要な点で臨床現場での適応性が高い^[7]。

SMASH（Simultaneous Acquisition of Spatial Harmonics）は、各コイルの感度を空間的な調和関数としてモデル化し、欠損したk空間データを直接生成するアプローチである^[8]。後に提案されたAUTO-SMASHでは自己校正を導入し、実装上の手順が簡素化された^[8]。

さらに、SENSEとGRAPPAの特徴を融合したESPIRiTは、固有値分解を用いることで、感度マップと補間を統合的に扱う枠組みを提供している^[9]。また、SPIRiTは反復的に自己整合性を満たすようにデータを更新するアルゴリズムであり、広範なサンプリングに適用できることが示されているが、正則化設定やSNRに依存する^[10]。

これらの手法はそれぞれ異なる理論的基盤を持ちつつも、MRI撮像の加速と高画質化を共通の目的としており、臨床応用や研究分野において相補的に利用されている。

パラレルイメージングは多領域で撮像効率を高め、臨床適用を広げている。心臓領域では、SENSEにより位相エンコード数を削減しつつ折り返し像を感度分離して再構成することで、呼吸停止時間の短縮や時間分解能の改善が報告されている^[11]。

脳領域では、CSとSENSEを統合したCS-SENSEによって、3D T1-SPGRおよび3D T2-FLAIRで撮像時間短縮が報告され、腫瘍プロトコルにおける診断能の同等性が示唆された^[12]。

筋骨格領域では、膝MRIにおいて3D CAIPIRINHA-SPACEが多くの項目で互換性が示された一方、所見によって差が残ることが報告された^[13]。

腹部では、CAIPIRINHAのサンプリングシフト最適化によりg-factorの低減が報告され、特定条件で高加速時の画質指標が維持されたとする報告がある^[14]。

さらに、膝のk-spaceとDICOMを含む大規模公開データセット（fastMRI）が機械学習型再構成の検証基盤を提供し、加速撮像の一般化と応用拡大を後押ししている^[15]。