GE社MRIの「ARC」と「ASSET」の違いを完全解説

TL;DR

  • ASSETはSENSE系の画像領域（image domain）再構成で、別撮りの校正スキャンから得たコイル感度マップで折り返しをほどく方式です。12
  • ARCはGEの自己校正型（self-calibrated）パラレルイメージングで、中心k空間の校正データ（ACS）から欠損データを補間します。教育的にはGRAPPA系として理解しやすいですが、厳密にはk-space calibration + hybrid-space synthesisと表現するのが正確です。345
  • そのためARCは体動・呼吸ズレや小FOVに比較的強く、3D volumetric imagingと相性がよい一方、ASSETはプリスキャンの整合性が画質を左右します。246
  • 最大加速率や使えるシーケンスは装置世代・受信コイル・ソフトウェアで変わるため、現場では「原理の理解」と「自施設装置の実装確認」を分けて考えるのが重要です。78

目次

    1. はじめに：なぜARCとASSETを区別する必要があるのか
    1. パラレルイメージングの基礎
    1. ASSETとは
    1. ARCとは
    1. ARC vs ASSET 徹底比較
    1. 臨床ワークフローでの使い分け
    1. よくある誤解とトラブルシューティング
    1. FAQ
    1. まとめ：使い分けチェックリスト
  • 参考文献

1. はじめに：なぜARCとASSETを区別する必要があるのか

GEのMRIで**「撮像時間を短くする」という目的だけを見ると、ARCもASSETも似た機能に見えます。ですが、実際の違いはどこで再構成するのか**、コイル感度をどう校正するのか、そして体動や小FOVにどれだけ強いのかにあります。124

新人技師が最初に混同しやすいポイントは、どちらも”パラレルイメージング”だが、失敗しやすい場面が違うことです。ASSETでは校正スキャンと本撮像のズレが問題になりやすく、ARCでは自己校正による利点がある一方で、ACSや加速設定の詰め方を誤ると期待した画質が出ません。256

覚え方の第一歩 ASSETは「感度マップでほどく」、**ARCは「ACSから埋める」**です。 この一文で、両者の再構成思想の違いをかなり整理できます。125

2. パラレルイメージングの基礎

2.1 k空間とアンダーサンプリング

MRIでは、画像そのものではなくk空間（k-space）を埋めてから画像化します。位相エンコード方向のラインを間引くと、撮像時間は短くなりますが、単純再構成では折り返し（aliasing）が生じます。パラレルイメージングは、この不足分を複数受信コイルの空間感度差で補う技術です。136

2.2 折り返しとコイル感度による解凍

画像領域系では、各コイルの折り返し画像をいったん作り、コイル感度マップを使って重なった信号を解きほぐします。これがSENSE系で、GEではASSETがその代表です。12

一方、自己校正型・データ駆動型では、中心k空間の校正データから欠損k空間線そのものを補間します。GRAPPAが代表例で、ARCはGEのCartesian系自己校正実装として理解すると整理しやすいです。345

2.3 GE系（ASSET/ARC）と他社系（SENSE/GRAPPA）の位置づけ

flowchart TB
    PI["Parallel Imaging"] --> IMG["画像領域系"]
    PI --> KSP["自己校正・データ駆動系"]
    IMG --> SENSE["SENSE"]
    IMG --> ASSET["ASSET（GE）"]
    KSP --> GRAPPA["GRAPPA"]
    KSP --> ARC["ARC（GE）"]
    KSP --> OTH["その他の自己校正型"]

    NOTE["注: ARCは教育的にはGRAPPA系として理解しやすいが、厳密には<br/>k-space calibration + hybrid-space synthesis のsplit-domain実装"]:::note
    ARC --> NOTE

    classDef note fill:#f5f5f5,stroke:#999,color:#333;

[!NOTE] ARCを単純に”k-space再構成”とだけ言い切ると半分正解、半分省略です。 GE公式・Brauらの資料では、ARCはk-spaceで校正し、hybrid-spaceで合成する実装として説明されています。教育上は「SENSE系ではない自己校正型」と押さえると実務上は十分です。45

3. ASSETとは（画像領域再構成）

3.1 原理

ASSET（Array Spatial Sensitivity Encoding Technique）は、GEのSENSEベース実装です。各コイルの折り返し画像を作り、そのピクセル位置におけるコイル感度行列を使って、重なった信号を画像領域で展開します。12

3.2 キャリブレーション（プリスキャン）の役割

ASSETの要は、本撮像の前に行う校正スキャンです。GEの解説では、ASSETは別撮りの低分解能 calibration scanから感度情報を得て用いる方式として説明されています。2

この方式は理論的に分かりやすい反面、校正スキャン時と本撮像時で患者の位置や呼吸位相がずれると、残留aliasingやSNR低下につながります。腹部や胸部のように呼吸性移動がある部位では、この差がそのまま画質差になりやすいのがASSETの実務上の注意点です。26

3.3 長所・短所

長所は、原理が明快で、画像領域での折り返し展開として理解しやすいことです。高SNRの造影ダイナミック撮像やFIESTA系、EPI/FSE系では、時間短縮・エコートレイン短縮・歪み軽減といった利益を得やすいです。27

短所は、校正ズレと小FOVでの高次折り返しに弱いことです。感度マップ前提の画像領域展開なので、FOVの外にある信号や幾何学歪みが増えると、中心部へノイズや折り返しが持ち込まれやすくなります。6

3.4 主な対応シーケンス

GEの教育資料では、ASSETは造影腹部、心臓FIESTA、乳房、EPI/FSEなどで有用とされます。歴史的資料では3D ASSETの説明もあり、3D撮像でも使えますが、加速の考え方は基本的に画像領域・1方向展開として理解するのが実務的です。27

4. ARCとは（k空間領域・自己校正型再構成）

4.1 原理

ARC（Autocalibrating Reconstruction for Cartesian imaging）は、GEの自己校正型パラレルイメージングです。GE公式資料では、ARCはcoil sensitivity mapを必要としない高速化法として説明され、欠損データ補間のために3D kernelを使う点が特徴とされています。24

4.2 ACS（Auto-Calibration Signal）の取得

ARCでは、撮像中に中心k空間の自己校正信号（Auto-Calibration Signal: ACS）を取得します。ISMRM抄録では、3D CE-MRAにおいて中心k空間の fully sampled calibration regionを取得し、そのデータから再構成重みを求める方法としてARCが示されています。5

つまりARCは、「本撮像の中に校正が埋め込まれている」方式です。このため、ASSETのような別撮りプリスキャンと本撮像の不一致が起きにくく、呼吸位相ずれや体動に比較的強くなります。45

4.3 長所・短所

長所は、小FOV・動き・3D volumetric imagingに強いことです。GE公式資料でも、ARCはsmaller FOV prescriptionsとless sensitivity to motionを利点として挙げています。24

一方で、ARCも万能ではありません。ACSには取得コストがあり、過度な加速では当然SNR低下やノイズ増幅が起こります。また、ノイズ分布は画像領域系ほど単純ではなく、g-factorだけで完全に語り切れない面があります。56

4.4 主な対応シーケンス（3D系、Cube、LAVA-Flex等）

GE公式資料では、ARCはCube、LAVA Flex、VIBRANT Flex、FSE Flexなどの3D/高分解能系と組み合わせて説明されることが多く、特にphase方向 + slice方向の2D加速を活かせる3D volumetric撮像で存在感があります。78

[!NOTE] 文献によってARCの展開は “for Cartesian imaging” と “for Cartesian sampling” が混在します。 本稿ではGE公式表記に合わせて imaging を主に使いますが、学会抄録の sampling 表記も同系統の実装を指すものとして扱っています。25

# 文献ベースの研究プロトコル例（3D CE-MRA + ARC）
# 出典: ISMRM 2007 の研究例。自施設プロトコルへそのまま転用しないこと。
Sequence      : 3D spoiled gradient echo MRA
TR / TE       : 4.5 / 1.8 ms
Flip angle    : 30 deg
Bandwidth     : ±62.5 kHz
Matrix        : 256 x 224
Slices        : 108
Slice thickness : 2.2 mm
FOV           : 34 x 24 cm
Accel         : 1.8 (phase) x 1.7 (slice/depth) ≒ 3.1
ACS           : center 32 x 32 fully sampled calibration region
Scan time     : 28 s
Reconstruction: volumetric kernel + hybrid-space synthesis

5. ARC vs ASSET 徹底比較

比較軸ASSETARC備考
再構成領域画像領域（SENSE系）自己校正型。実装上は k-space calibration + hybrid-space synthesis教育上はARCを「k-space系」と教えると整理しやすい
感度情報の扱い別撮り calibration scan の感度マップを使う明示的感度マップ不要。ACSから重みを求めるワークフロー差が大きい
校正のタイミングプリスキャン本スキャン内呼吸ズレ耐性に差
小FOV耐性原理上やや不利比較的有利ARCの代表的利点
動きへの強さ校正ズレの影響を受けやすい自己校正で比較的強い腹部・小児で差が出やすい
2D/3Dとの相性広く使えるが基本理解は1D展開3D volumetric・2方向加速で強みCube/LAVA Flex/VIBRANT Flex で代表例
SNR低下$g$ と $R$ の影響を受ける同様に加速依存のSNR低下ありARCのノイズはより複雑な空間分布になりうる
実務上の落とし穴calibration coverage 不足、呼吸ズレ加速のかけ過ぎ、coil geometry 不適合、ACS条件不良失敗ポイントが違う
flowchart LR
    A1["ASSET<br/>und ersampled Cartesian data"] --> A2["coilごとに折り返し画像を生成"]
    A2 --> A3["別撮り calibration scan から<br/>coil sensitivity map を取得"]
    A3 --> A4["画像領域で unfolding"]
    A4 --> A5["最終画像"]

    B1["ARC<br/>undersampled Cartesian data + ACS"] --> B2["中心k空間のACSを取得"]
    B2 --> B3["ACSから reconstruction weights を学習"]
    B3 --> B4["欠損k空間データを補間"]
    B4 --> B5["hybrid-space / image 生成"]
    B5 --> B6["最終画像"]

5.1 再構成領域の違い（画像領域 vs k空間）

ARCの場合

ARCは、校正をk空間で行い、合成をhybrid-spaceで行う自己校正型です。したがって、「画像をほどく」というより、「欠損データを埋めてから画像へ持っていく」発想に近いです。45

ASSETの場合

ASSETは、coilごとの折り返し画像を先に作り、それを感度マップで展開する画像領域再構成です。考え方はSENSEとほぼ同じです。12

現場での意味

新人教育では、ASSETは”画像でほどく”、ARCは”k空間から埋める”と教えると混乱が少なくなります。ただし、ARCの厳密実装は純粋k空間法ではなくhybridであることは、中堅以上が押さえておくと説明精度が上がります。4

5.2 コイル感度マップ取得方法（プリスキャン要否）

ARCの場合

ARCはACSを本撮像内に含めるので、ASSETのような専用プリスキャンを前提にしません。そのため、校正と本撮像の位置ズレが原理的に起こりにくいです。25

ASSETの場合

ASSETは別撮り calibration scanが重要です。そこから得た感度マップが外れると、残留aliasingやSNR低下が起きます。26

現場での意味

腹部dynamic、息止めが不安定な患者、小児、救急では、この差がそのまま再撮像率に反映されやすいです。ASSETで困る症例が、ARCで安定することがあります。246

5.3 適用シーケンスの違い

ARCの場合

GE公式資料では、ARCはCube、LAVA Flex、VIBRANT Flex、FSE Flexなど、3Dや高分解能のボリューム撮像で目立ちます。特にphase方向とslice方向の2方向加速を活かせる場面で強みが出ます。78

ASSETの場合

ASSETもFSE、GRE、FIESTA、EPI、乳房、MRAなどで広く使えますが、基本理解としては1方向の画像領域展開です。3D撮像でも使えますが、ARCほど「3D volumetric accelerationの核」として説明されることは少ないです。27

現場での意味

**「2D routineの時間短縮」なら両者の検討余地がありますが、「3Dを短息止めで高分解能に撮る」**ならARCの優位性が見えやすくなります。78

5.4 加速率上限とg-factor・画質

ARCの場合

ARCでも加速を上げればSNRは落ちます。実務では次の関係を目安式として覚えておけば十分です。6

$$ \mathrm{SNR}{\mathrm{accel}} \approx \frac{\mathrm{SNR}{\mathrm{full}}}{g\sqrt{R}} $$

ただしAAMP報告でも、k-space系のノイズ特性は画像領域系ほど単純なg-factor理論だけでは表しきれないとされています。ARCではノイズの質感や空間分布がASSETと異なって見えることがあります。6

ASSETの場合

ASSETはSENSE系なので、g-factorによるSNR低下を理解しやすい方式です。コイル配置や位相方向が悪いと、画面中央や深部でノイズ増幅が目立ちやすくなります。16

現場での意味

「同じR=2でも同じ画質」にはなりません。コイル geometry、位相エンコード方向、解剖位置、FOV、動きが画質を強く左右します。最大加速率は装置世代・コイル・ソフト依存なので、公開資料の数字を鵜呑みにせず、自施設プロトコルで詰める必要があります。68

[!WARNING] Rだけでなく、位相エンコード方向とコイル配置を必ず確認してください。 高g-factor方向に加速をかけると、ASSETでもARCでも期待より急に画質が崩れます。6

6. 臨床ワークフローでの使い分け

体動・息止めへの強さ

息止めの再現性が低い症例では、ASSETはプリスキャンと本撮像のズレが弱点になりやすく、ARCは自己校正のメリットが出やすいです。とくに腹部dynamicや自由呼吸併用の3D撮像では、ARCの考え方がワークフローに合いやすいです。248

3D撮像との相性

CubeやLAVA Flexのようなvolumetric imagingでは、ARCは「短時間で3Dを成立させる」ための中核技術として理解しやすいです。ASSETも3Dで使えるものの、3D + 2方向加速 + 小FOVという組み合わせではARCの思想が活きます。578

小児・救急での選択指針

小児や救急では、**“一回で取れるか”**が最重要です。安静保持が難しく、呼吸も不規則なら、ARCのような自己校正型は有利に働くことがあります。ただし、2D routineで素早く撮り切る場面ではASSETの選択も十分実用的です。268

[!TIP] 腹部3D動態・短息止め・free-breathing寄りならARCを優先候補に、 既存2D routine・高SNR・安定した体位再現ならASSETも有力、という整理が実務的です。78

7. よくある誤解とトラブルシューティング

折り返しアーチファクトが残る場合

ASSETでまず疑うべきは、calibration scan coverage不足、呼吸ズレ、小FOV、coil geometryと位相方向の不一致です。校正スキャンに写っていない領域が本撮像で折り返してくると、感度マップが破綻します。26

ARCで残留artifactが出る場合は、加速率のかけ過ぎ、coil要素の不良、位相方向選択不良、SNR不足を疑います。ARCは感度マップ不要ですが、coil情報そのものが悪いと当然再構成も不利になります。56

SNR低下が想定以上の場合

まず見るべきは、R、g-factor、coil位置、phase encode方向です。さらに、ASSETでは校正不整合が見かけ上のSNR悪化に見えることがあり、ARCではノイズの粒状感・分布が一般的な画像領域系と異なることがあります。6

[!WARNING] **「ARCだから高加速でも平気」「ASSETは古いから全部不利」**は、どちらも誤解です。 実際の勝敗は、部位・シーケンス・コイル・位相方向・患者体動で決まります。678

8. FAQ

ARCはGRAPPAそのものですか？

厳密には同一ではありません。教育的にはGRAPPA系の自己校正型として理解しやすいですが、GE/論文上のARCはk-space calibration + hybrid-space synthesisを採るsplit-domain実装として説明されます。45

ASSETは必ずプリスキャンが必要ですか？

基本理解としてははいです。ASSETは校正スキャン由来の感度マップを前提に理解するのが正確です。細かなreference algorithmの違いは世代依存なので、運用時は装置仕様を確認してください。28

ARCなら小FOVでも絶対に破綻しませんか？

絶対ではありません。ARCは小FOVに比較的強いというのが正しい表現です。加速のかけ過ぎ、coil選択不良、SNR不足があれば破綻します。46

3D撮像なら常にARCを選ぶべきですか？

常にではありません。ただし、3D volumetric + 2方向加速 + 短息止めという条件では、ARCが第一候補になりやすいです。578

ASSETはEPIやFSEでも意味がありますか？

あります。EPIでは歪み軽減、FSEではエコートレイン短縮によるblurring抑制が期待できます。267

最大加速率はARCのほうが高いのですか？

一般論として単純比較は危険です。受信コイル、位相方向、SNR、装置世代、ソフトウェアで変わるため、公開値はあくまで参考です。臨床では「使える最大値」よりも「診断に耐える最適値」を選びます。68

9. まとめ：使い分けチェックリスト

  • ASSET = 画像領域で unfold、ARC = ACSから欠損補間と説明できる
  • ASSETは別撮り calibration の整合性が重要だと理解している
  • ARCは自己校正で小FOV・体動・3Dに比較的強いと整理できる
  • ARCは厳密には hybrid 実装であることを知っている
  • g-factor と $1/\sqrt{R}$ のSNR低下を説明できる
  • 最大加速率は機種依存で、公開スペックを断定しない
  • FSE、Cube、LAVA Flex など具体的シーケンス名で使い分けを話せる

参考文献

  1. Pruessmann KP, Weiger M, Scheidegger MB, Boesiger P. SENSE: sensitivity encoding for fast MRI. Magn Reson Med. 1999;42(5):952-962. DOI: 10.1002/(SICI)1522-2594(199911)42:5<952::AID-MRM16>3.0.CO;2-S
  2. Griswold MA, Jakob PM, Heidemann RM, Nittka M, Jellus V, Wang J, et al. Generalized autocalibrating partially parallel acquisitions (GRAPPA). Magn Reson Med. 2002;47(6):1202-1210. DOI: 10.1002/mrm.10171
  3. King KF. ASSET – Parallel Imaging on the GE Scanner. GE Healthcare educational material, 2004.
  4. GE Healthcare. SIGNA Artist 1.5T Datasheet, MR29.0, 2020.
  5. Brau AC. New Parallel Imaging Method Enhances Imaging Speed and Accuracy. A GE Healthcare MR publication. Autumn 2007.
  6. Brau ACS, Beatty PJ, Skare S, Bammer R. Comparison of reconstruction accuracy and efficiency among autocalibrating data-driven parallel imaging methods. Magn Reson Med. 2008;59(2):382-395. DOI: 10.1002/mrm.21481
  7. Huff JA, Brau AC, Busse R, et al. Two Dimensional Parallel Imaging Acceleration with Autocalibrating Reconstruction for Cartesian Sampling (ARC) in Contrast Enhanced MRA. Proc Intl Soc Magn Reson Med. 2007;15:3345.
  8. AAPM Task Group 118. Parallel Imaging in MRI: Technology, Applications, and Quality Control. AAPM Report 118; 2015.
  9. GE Healthcare. SIGNA Works OrthoWorks brochure, JB52492XX(1), 2020.
  10. GE Healthcare. SIGNA Works BodyWorks brochure, 1017rev.

症例解析：腰部サジタル ARC=2 の紐状アーティファクト

TL;DR

  • 最有力原因は、SAT縁の急峻な信号境界がARCの自己校正データ（ACS）と本データの整合性を崩し、位相方向へrope-like residual aliasingとして表出していること。910
  • 現場の初手はARC off/1/2 と SAT off/on を同一条件で比較し、「ARC依存か」「SAT依存か」を切り分けること。911
  • DL再構成が有効でも従来再構成も必ず保存し、加速由来アーティファクトかどうかを確認する。12

背景：ARCとSATの相互作用

GRAPPA/ARC系の根本原理は、中央k空間のACSから補間カーネル（重み）を学習し、間引いた位相エンコード線を再構成することです。ACSが学習した局所相関と、外側kyで実際に観測された信号が一致していることが前提です。

SAT bandは本来、FOV外またはROI外の動く組織の信号を抑えてゴーストを減らすために使います。前腹壁に置くSATは、呼吸や体表脂肪由来の位相エンコードゴーストを減らす一般的な手段です。

重要: SATの上にアーティファクトが見える＝「SATが悪者」ではなく、その領域に残った境界成分や再構成誤差が可視化されている可能性が高い。

今回の現象はASSETのような「別プリスキャンのミスマッチ」ではなく、撮像中のACSと本データの不整合を疑うのが理にかなっています。

物理的メカニズム候補

図1. ARC=2 の概念的 k-space サンプリング

ky ↑
   x . x . x . x . x . x
   x . x . x . x . x . x
   ######################   ← ACS（中心k-spaceを全収集）
   x . x . x . x . x . x
   x . x . x . x . x . x
   +--------------------→ kx

x = 実収集線
. = ARCが補間する欠損線
# = 自己校正用ACS

ACSが学習した局所相関と、外側kyで実際に観測された信号が一致していることが前提です。SAT bandの縁にある腹壁信号が、ACS取得時と外側ky取得時で位置・位相・飽和深度を変えると、補間重みが破綻し、PE方向に細い複製線やrope-like ghostが出やすくなります。913

図2. 腰部サジタルの概念図

Anterior
   |==== SAT band ====| skin |皮下脂肪|腹部|椎体|spine coil side
          ↑
          └─ この縁が「動く高コントラスト境界」になっていると、
             ARCのACS/本データ不整合の発生点になりやすい
Posterior

原因の優先度と現場対処

優先度原因候補今回の所見に合う理由まず行う対応
高SAT縁のACS/本データ不整合ARC=2でのみ出やすく、SAT上に局在ARC off比較、SAT幅/位置変更
高腹壁呼吸・体表脂肪の位相変動前腹壁は動きやすく、SAT縁が時間変動呼吸レベル一定化、SATを前方へ逃がす
中SAT幅不足やsmall phase FOVによる残留aliasingSATで覆い切れない腹壁信号が残るSAT拡大、phase FOV増加、PE変更
中Coil geometry不良 / anterior coil selection不適R=2でも局所g-factor上昇でartifact視認化前面アレイ確認、coil QA
低純粋なSAT pulse波形問題公開一次資料で今回そのものは確認できないsoftware依存、要確認

再現条件と検証プロトコル

検証の原則は、一度に1因子しか変えないことです。SAT-ARC相互作用では、患者体位や呼吸レベルが少し変わるだけで結果が揺れるため、同一患者・同一position・短時間連続取得が必要です。

検証用パラメータ例：腰椎サジタル T2 FSE

TR     : 3200–4500 ms
TE     : 90–110 ms
ETL    : 18–24
FOV    : 28–32 cm
Slice  : 3–4 mm / Gap 0.3–0.5 mm
Matrix : 320 × 224–288
NEX    : 1.5–2.0
BW test: baseline → +1step → +2step
ARC    : OFF / 1 / 2
Phase  : 実際の設定を記録
SAT    : OFF / 前方narrow / 前方wide / 前方shift
Coil   : 後脊椎のみ vs 後脊椎+前面アレイ

撮像順序（再現性重視）：

  1. 基準画像：問題の出る条件そのまま（ARC=2, SATあり）
  2. ARCのみ切る：ARC off、SAT同一
  3. SATのみ切る：ARC=2、SAT off
  4. SAT geometry変更：幅広げ・体表から前方へ逃がす
  5. BW上昇とTE短縮：同一分解能を保持
  6. Phase方向/phase FOV変更：artifact移動を確認
  7. Coil選択変更：前面アレイ有無
  8. 必要時のみ比較：ASSET fresh calibration / PIなし代替

推奨実験チェックリストと判定基準

  • 問題系列をそのまま再現し、DICOM headerを保存
  • ARC offで1本撮る
  • ARC=2のままSAT offで1本撮る
  • ARC=2のままSATを広くし、体表より前へ逃がして1本撮る
  • ARC=2のままBWを1段階上げ、可能ならTE短縮
  • ARC=2のままphase方向またはphase FOVを変更
  • 同条件でcoil selectionを変更
  • DL再構成使用時はconventional reconも保存
  • 可能ならASSET fresh calibrationで比較撮像
  • それでも残るならPIなし代替系列で確認

判定基準：

  • ARC offで消える → ARC由来の自己校正/補間問題が本体。SAT単独不良ではない。
  • SAT offで消えるが、ARC offでは完全に消えない → SAT縁が主因、ARCが増幅因子。
  • SATを広げて前方へ逃がすと弱くなる → band edgeと腹壁境界の相互作用が主因。
  • BW↑/TE↓で弱くなる → dephasing / chemical-shift / contrast incoherence成分が寄与。
  • phase方向を変えると位置が変わる → PE方向のghost / residual aliasingの可能性大。
  • coil selectionで増減する → coil geometry / element寄与が大きい。
  • ARC offでもSAT offでも不変 → hardware・SAT pulse profile・別アーティファクトを疑う。

Open Questions / 今後の確認事項

本解析は文献統合に基づく高確度の推定であり、以下の情報が判明すれば最終確証に近づけることができます。

未確認事項なぜ重要か
使用機種・SW版数ARC実装差・ACSの扱い・UI調整項目が変わる
撮像系列（2D FSEか3Dか）artifactの現れ方と有効な対策が変わる
SAT pulse仕様厚さ・offset・timing・pulse shapeは公開資料で追えない
R=2の実際の加速軸一方向か二方向かでartifact移動先と診断軸が変わる
ACS線数の変更可能性文献上は改善策になりえるが、臨床UIで露出していない場合がある
TR変更の有効性SAT recovery差の緩和としては理屈があるが、直接エビデンスなし

[!WARNING] DICOM headerにはSoftware Version・GE Coil Name・Phase Encoding Direction・SAT Band Locationsなど、切り分けに有用な項目が含まれている。症例検証時は画像だけでなくDICOM headerの保存が重要。

追加参考文献

  1. Obriot J, Mauconduit F, Gras V, et al. On the Impact of Artifacts Induced by Mismatches Between Auto-Calibration Signal and Accelerated 3D GRE Data at 11.7T. Magn Reson Med. 2026;95:1440-1447.
  2. Polimeni JR, Setsompop K, Hoge WS. Characterization of autocalibration methods for accelerated EPI reconstructions using GRAPPA. Proc ISMRM 2014, Abstract 4397.
  3. Yanasak NE, Kelly M. MR Imaging Artifacts and Parallel Imaging Techniques with Calibration Scanning. RadioGraphics. 2014;34:532-548.
  4. Noël P, Bammer R, Reinhold C, Haider MA. Parallel Imaging Artifacts in Body Magnetic Resonance Imaging. Can Assoc Radiol J. 2009;60:91-98.
  5. Robson PM, Grant AK, Madhuranthakam AJ, et al. Comprehensive quantification of signal-to-noise ratio and g-factor for image-based and k-space-based parallel imaging reconstructions. Magn Reson Med. 2008.
  6. GE Healthcare SIGNA Pulse. Practical protocol conversion and optimization with AIR Recon DL.

Footnotes

  1. 参考文献1, 3, 4 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  2. 参考文献3, 4 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20 ↩21 ↩22 ↩23 ↩24

  3. 参考文献2, 6 ↩ ↩2 ↩3

  4. 参考文献5, 6 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14

  5. 参考文献6, 7 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15

  6. 参考文献8 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20 ↩21

  7. 参考文献4, 9 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12

  8. 参考文献4, 10 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  9. 参考文献9, 10 ↩ ↩2 ↩3

  10. 参考文献11, 12 ↩

  11. 参考文献9, 11 ↩

  12. 参考文献14 ↩

  13. 参考文献11 ↩