CN100591269C - 数据校正装置、数据校正方法、磁共振成像装置和x射线ct装置 - Google Patents
数据校正装置、数据校正方法、磁共振成像装置和x射线ct装置 Download PDFInfo
- Publication number
- CN100591269C CN100591269C CN200710084912A CN200710084912A CN100591269C CN 100591269 C CN100591269 C CN 100591269C CN 200710084912 A CN200710084912 A CN 200710084912A CN 200710084912 A CN200710084912 A CN 200710084912A CN 100591269 C CN100591269 C CN 100591269C
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- correction
- sensitivity
- noise ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012937 correction Methods 0.000 title claims abstract description 422
- 238000000034 method Methods 0.000 title claims description 52
- 238000002595 magnetic resonance imaging Methods 0.000 title description 2
- 230000035945 sensitivity Effects 0.000 claims abstract description 396
- 238000001914 filtration Methods 0.000 claims abstract description 206
- 238000009826 distribution Methods 0.000 claims abstract description 106
- 238000003384 imaging method Methods 0.000 claims description 43
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000013481 data capture Methods 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013329 compounding Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 154
- 238000012545 processing Methods 0.000 description 117
- 238000005481 NMR spectroscopy Methods 0.000 description 31
- 230000008569 process Effects 0.000 description 22
- 210000001015 abdomen Anatomy 0.000 description 15
- 230000003068 static effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 230000006866 deterioration Effects 0.000 description 8
- 230000003187 abdominal effect Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000009828 non-uniform distribution Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000005192 partition Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000000265 homogenisation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000009206 nuclear medicine Methods 0.000 description 3
- 230000001915 proofreading effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
数据校正装置,包括灵敏度校正单元和SNR分布校正单元。灵敏度校正单元通过使用用于获取校正目标数据的传感器的非均匀灵敏度分布对于根据校正目标数据得到的第一目标数据执行灵敏度校正而产生第一处理数据。SNR分布校正单元产生分量数据段,每个分量数据段根据SNR分布受到相应加权,并通过使用根据校正目标数据得到的第二目标数据进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
Description
技术领域
本发明涉及数据校正装置、数据校正方法、磁共振成像装置和X射线CT(计算机X射线层析照影术)装置,它们对由于显示空间分布的传感器的灵敏度表现出空间非均匀SNR(信噪比)分布的数据进行校正,以使得经过校正的数据是均匀的。
背景技术
MRI(磁共振成像)装置传统上在医学领域被用作为监视装置(例如参见日本专利No.3135592)。
MRI装置是通过在被放置在用于产生静磁场的圆柱形静态场磁体中物体的成像区域中的梯度线圈而生成梯度磁场、通过从RF线圈发送RF(射频)信号而使得物体中的原子核自旋发生磁共振、并通过使用由于激励生成的NMR(核磁共振)信号而重建物体的图像的装置。
在近年来的MRI装置中,为了加速成像,RF线圈由用于发送的整体(WB)线圈和用于接收的相控阵线圈构成。相控阵线圈包括多个表面线圈,从而有可能减少成像时间,因为各个表面线圈同时接收NMR信号,在短的时间间隔内得到更多的数据。
然而,当RF线圈由相控阵线圈和WB线圈构成时,通过重建处理以及NMR信号得到的图像数据的信号强度由于相控阵线圈或WB线圈的灵敏度的非均匀性也具有非均匀性。通常,WB线圈的灵敏度的非均匀性是足够小的,处于可忽略的电平。然而,对于每种用途使用的相控阵线圈中的每个表面线圈的灵敏度的非均匀性是很大的,并影响图像数据。
为此,必须对由于相控阵线圈的灵敏度的非均匀性造成的图像数据的信号强度的非均匀性进行校正。
鉴于上述内容,至今为止,在用于生成物体的图像的主扫描之前,执行灵敏度预扫描。然后,通过灵敏度预扫描,从每个相控阵线圈和WB线圈获取图像数据。根据信号强度比值,即图像数据段的信号强度的除法数值,相控阵线圈的灵敏度分布被估计为三维灵敏度地图数据。而且,通过使用这样获取的相控阵线圈的三维灵敏度地图数据,图像数据的信号强度非均匀性被校正。
然而,在使用上述的多个表面线圈的MR成像和使用单个表面线圈的MR成像中,当校正表面线圈的灵敏度分布时,有一个问题:即在SNR中出现空间非均匀性。即,在校正之前,表面线圈的灵敏度分布是空间非均匀的,但图像噪声电平是恒定的。
因此,如果表面线圈的灵敏度分布被校正,并且图像数据的信号强度根据空间被设置为恒定的,则图像噪声变为空间非均匀的。例如,在信号强度通过灵敏度分布的校正被放大的部分处的图像噪声比起在信号强度没有被加强的部分处的图像噪声具有更大的强度。结果,SNR变为空间非均匀性的,这导致图像质量的恶化,因此SNR的空间非均匀性在诊断时是不希望的。
另外,在诸如其它图像诊断装置那样的医学装置或不同于使用表面线圈作为传感器的MRI装置的生物信息测量仪器中,如果在收集传感器的空间非均匀灵敏度分布时得到的信号的强度被设置为恒定的,则在SNR以及噪声中出现空间非均匀性,这可导致图像质量或测量结果的恶化。
发明内容
本发明是考虑到常规的情况作出的,本发明的目的是提供一种数据校正装置、数据校正方法、磁共振成像装置和X射线CT装置,它们可以通过用简单的处理校正传感器的空间非均匀灵敏度分布而同时保持SNR分布的空间均匀性,从而得到均匀的数据。
在实现该目标的一个方面中,本发明提供了一种数据校正装置,包括:灵敏度校正单元,被配置来通过使用用于获取校正目标数据的传感器的非均匀灵敏度分布对于根据校正目标数据得到的第一目标数据执行灵敏度校正而产生第一处理数据;和SNR分布校正单元,被配置成产生分量数据段,每个分量数据段根据SNR分布受到相应加权,并通过使用根据校正目标数据得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
在实现该目标的一个方面中,本发明还提供了一种数据校正方法,包括以下步骤:通过使用用于获取校正目标数据的传感器的非均匀的灵敏度分布对于根据校正目标数据得到的第一目标数据执行灵敏度校正而产生第一处理数据;并且产生成分量数据段,每个分量数据段受到取决于SNR分布的相应的加权,并通过使用根据校正目标数据得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
在实现该目标的一个方面中,本发明还提供了一种磁共振成像装置,包括:线圈;数据获取单元,被配置成通过用作为传感器的所述线圈获取物体的磁共振图像数据和k空间数据中的至少一项;灵敏度校正单元,被配置成通过对于使用所述线圈的非均匀的灵敏度分布根据磁共振图像数据和k空间数据中的至少一项得到的第一目标数据执行灵敏度校正而产生第一处理数据;以及SNR分布校正单元,被配置成产生分量数据段,每个分量数据段根据SNR分布受到相应加权,并通过使用根据磁共振图像数据和k空间数据中的至少一项得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合分量数据段产生第二处理数据。
在实现该目标的一个方面中,本发明还提供了一种X射线CT装置,包括:X射线检测器;数据获取单元,被配置成通过用作为传感器的所述X射线检测器获取物体的图像数据和投影数据中的至少一项;灵敏度校正单元,被配置成通过对于使用所述X射线检测器的非均匀的灵敏度分布根据图像数据和投影数据中的至少一项得到的第一目标数据执行灵敏度校正而产生第一处理数据;以及SNR分布校正单元,被配置成产生分量数据段,每个分量数据段根据SNR分布受到相应加权,并通过使用根据图像数据和投影数据中的至少一项得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合分量数据段产生第二处理数据。
如上所述的数据校正装置、数据校正方法、磁共振成像装置和X射线CT装置可以通过用简单的处理校正传感器的空间非均匀灵敏度分布而同时保持SNR分布的空间均匀性,从而得到均匀的数据。
附图说明
在附图中:
图1是显示根据本发明的第一实施例的数据校正装置的功能性框图;
图2是显示由图1所示的数据校正装置对于从图像诊断装置获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图;
图3是显示根据本发明的第二实施例的数据校正装置的功能性框图;
图4是显示由图3所示的数据校正装置对于从图像诊断装置获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图;
图5是显示根据本发明的第三实施例的数据校正装置的功能性框图;
图6是显示由图5所示的数据校正装置对于从图像诊断装置获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图;
图7是显示根据本发明的第四实施例的数据校正装置的功能性框图;
图8是显示由图7所示的数据校正装置对于从图像诊断装置获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图;
图9是显示根据本发明的一个实施例的磁共振成像装置的结构图;
图10是显示由图9所示的RF线圈的详细结构的例子的图;
图11是显示图10所示的WB线圈和相控阵线圈的示例性安排的截面图;
图12是显示图1所示的计算机的功能性框图;
图13是显示由图9所示的磁共振成像装置获取物体的图像和随后对于获取的图像执行关于各个表面线圈的灵敏度校正而同时保持SNR分布均匀性的过程的流程图;
图14显示由图1所示的数据校正装置在图像校正的仿真中假设的灵敏度校正之后的理想的腹部图像Sideal_scor;
图15显示由图1所示的数据校正装置在图像校正的仿真中使用的灵敏度校正之前的原始图像Sorig;
图16显示灵敏度分布ISsens,它被用来对于腹部的线圈及其轮廓的图15所示的原始图像Sorig进行灵敏度校正;
图17显示通过对于腹部的线圈及其轮廓的图15所示的原始图像Sorig进行灵敏度校正而得到的腹部图像Sideal_scor;
图18显示噪声分布noise_scor,它被用于在灵敏度校正后由图1所示的数据校正装置进行图像校正的仿真;
图19显示通过用均匀LSI滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行校正而得到的图像;
图20显示通过用LSI滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行伴随有加权的加法的SNR非均匀校正而得到的图像;
图21显示通过用均匀结构自适应滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行SNR校正而得到的图像;
图22显示通过用均匀结构自适应滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行伴随有加权的加法的SNR非均匀校正而得到的图像;
图23是显示在由图1所示的数据校正装置执行图像校正的仿真时通过改变平滑强度执行滤波操作的情况下,噪声的标准差和RMSE的变化的图;
图24是表示在由数据校正装置进行灵敏度校正后和非均匀滤波前噪声的非均匀分布和标准差的概念图;
图25是表示通过用非均匀滤波对于图24所示的噪声的非均匀分布进行均匀化而得到的噪声的分布和标准差的概念图;
图26是显示在数据校正装置中的均匀滤波器的滤波器函数是Hanning函数的情况下的例子的图;
图27是显示在图1所示的数据校正装置中的滤波器单元中均匀滤波器的平滑强度最佳的滤波的情况下的处理流的流程图;
图28是显示根据本发明的一个实施例的X射线CT装置的结构图;以及
图29是表示在图28所示的X射线CT装置的成像区域中的位置与从每个X射线检测器输出的X射线检测信号的强度之间的关系的图。
具体实施方式
现在参照附图描述根据本发明的实施例的数据校正装置、数据校正方法、磁共振成像装置和X射线CT装置。
图1是显示根据本发明的第一实施例的数据校正装置的功能性框图。
数据校正装置1由读取程序的计算机构成。应当指出,数据校正装置1整个或一部分可以由电路构成。数据校正装置1包括灵敏度校正单元2、SNR分布获取单元3、滤波器单元4和加权相加单元5。因此,这些单元通过对于由诸如图像诊断装置的医学装置和用于活体信息的测量装置获取的数据执行传感器的空间非均匀灵敏度分布的校正处理而同时保持SNR分布的空间均匀性,从而为数据校正装置1提供了获取均匀数据的功能。
用于收集作为校正目标的数据的医学装置的例子包括生物信息测量仪器,诸如脑电图、心电图、和同步示波器,和图像诊断装置,诸如超声诊断装置、X射线诊断装置、X射线CT装置、磁共振成像装置、或核医学诊断装置。磁共振成像装置的传感器是线圈。X射线诊断装置、X射线CT装置、和诸如SPECT(单光子放射计算的层析X射线照影术)或PET(正电子放射计算的层析X射线照影术)的核医学诊断装置的每个传感器是一个检测单元。X射线诊断装置、X射线CT装置、或核医学诊断装置的检测单元具有包括直接变换型和间接变换型的类型。对于任一种类型,检测单元具有非均匀的灵敏度,需要执行灵敏度校正。超声诊断装置的传感器是配备有多个超声换能器的探头。
根据数据校正装置1,不仅仅是由图像诊断装置收集的图像数据,而且还有由于传感器的非均匀灵敏度分布需要灵敏度校正的各种数据,都可被设置为校正目标。例如,当用于收集校正目标数据的医学装置是磁共振成像装置时,不仅仅MR图像数据,而且还有k空间数据都可被设置为校正目标。另外,当用于收集校正目标数据的医学设是X射线CT装置时,不仅仅X射线CT图像数据,而且还有投影数据都可被设置为校正目标。
然后,作为数据校正装置1的校正目标的数据可被设置为任意维的数据。例如,一维数据、二维数据、三维数据、或代表空间位置和时间的四维数据可被设置为数据校正装置1的校正目标。具有时间维度的数据的例子包括在脑电图、心电图、同步示波器、或超声诊断装置中得到的具有时间轴的数据。另外,在MRI装置中通过使用T1弛豫(纵向弛豫)时间差得到的T1加权的图像数据和通过使用T2弛豫(横向弛豫)时间差得到的T2加权的图像数据也是具有时间维度的数据的例子。T1加权的图像数据和T2加权的图像数据随时间消逝而衰减。如果执行线圈的灵敏度校正,则噪声变为在时间上非均匀的。为此,也需要在时间轴方向对数据执行校正处理。
此后,将给出作为校正目标的数据是在图像诊断装置6中收集的图像数据的例子的说明。图像诊断装置6包括传感器7、图像数据获取单元8、图像数据存储单元9、灵敏度图存储单元10、和显示单元11。传感器7被配置成在由图像数据获取单元8的控制下检测数据,并且把检测的数据提供到图像数据获取单元8。
图像数据获取单元8配备有通过控制传感器7收集数据和从收集的数据生成图像数据的功能。图像数据存储单元9包括存储由图像数据获取单元8生成的图像数据的功能。灵敏度图存储单元10具有存储代表传感器7的空间或时间灵敏度分布的灵敏度图的功能。显示单元11包括显示器,并具有在显示器上显示从图像数据存储单元9读出的图像数据的功能。
被存储在灵敏度图存储单元10中的灵敏度图可以根据任意方法通过估计或测量而得到。特别地,通过对于使用传感器7的灵敏度图测量值执行数据收集,也可以根据收集的数据生成灵敏度图。
数据校正装置1的灵敏度校正单元2具有从图像数据存储单元9获取作为灵敏度校正的目标的原始图像数据的功能,还具有从灵敏度图存储单元10获取要被使用于灵敏度校正的灵敏度图,以便在使用灵敏度图存储单元时通过对原始图像数据进行灵敏度校正而得到灵敏度校正图像数据的功能,以及具有把这样得到的灵敏度校正图像数据提供给滤波器单元4和加权相加单元5的功能。
SNR分布获取单元3具有获取或估计连同根据任意方法对于原始图像数据的灵敏度校正一起生成的SNR的分布,以便把有关SNR的分布信息提供到加权相加单元5。有关SNR的分布信息例如可被设置为代表SNR的分布的SNR分布窗口。有关SNR的分布信息可以从被存储在灵敏度图存储单元10中的灵敏度图被估计出来。鉴于以上内容,SNR分布获取单元3具有从灵敏度图存储单元10获取灵敏度图的功能。
另外,有关SNR的分布信息也可以通过相对于原始图像数据或在灵敏度校正后作为非均匀分布SNR的校正目标的灵敏度校正图像数据执行诸如低通滤波和阈值处理那样的各种图像处理而被计算出来。另外,作为另一个例子,通过把作为校正目标的原始图像数据与分开地获取的影像的图像数据进行比较,也可以得到有关SNR的分布信息。所以,SNR分布获取单元3也可以具有用于计算有关SNR的这种分布信息的图像处理功能。除了这个功能以外,SNR分布获取单元3可以具有测量SNR的分布的功能或输入先前测量的SNR的分布的功能。
滤波器单元4具有通过使用均匀滤波器对从灵敏度校正单元2接收的灵敏度校正图像数据或通过灵敏度校正图像数据的变换得到的灵敏度校正数据执行滤波处理而生成滤波后的图像数据或滤波数据的功能,以及把这样生成的滤波后的图像数据或通过滤波数据的变换得到的滤波后的图像数据提供给加权相加单元5的功能。具有互相不同的滤波强度的任意数目的均匀滤波器在必要时被提供给滤波器单元4。然后,滤波器单元4被配置为生成受到基于均匀滤波器的滤波处理的单个滤波图像数据或受到基于具有互相不同的滤波强度的均匀滤波的滤波处理的多段滤波图像数据。
这里,作为滤波处理目标的灵敏度校正图像数据已经受到灵敏度校正,因此SNR是在空间上或时间上非均匀的。然而,均匀滤波器可以由要被施加到其SNR假设为恒定的数据的通用的普通滤波器组成。即,其特性可被看作为在大的意义上在空间和/或时间上是均匀的几乎所有滤波器都可以作为均匀滤波器被应用。例如,每个具有均匀核心(滤波强度)、具有在时间上和空间上不变的强度的线性滤波器,或者其核心根据数据结构被确定的结构自适应型滤波器,都可以构成均匀滤波器。
另外,作为滤波处理目标的数据可以是在MRI装置中得到的、在r空间(实空间)上的实空间数据或在k空间上的k空间数据。当k空间数据被设置为滤波处理目标时,灵敏度校正图像数据通过FT(傅立叶变换)被变换成灵敏度校正k空间数据,并且灵敏度校正k空间数据变为滤波处理目标。然后,滤波处理k数据在滤波处理后通过FT被变换成要被提供给加权相加单元5的滤波后的图像数据。
而且,提出了其中频带通过应用Frenel变换被分割的特定的FREBAS(Frenel变换频带分割)空间以及其中滤波器强度被确定为使得SNR变为在处理空间中最佳的SNR自适应型Wiener滤波器。Wiener滤波器可以设置通过不同于FREBAS空间的小波变换划分傅立叶空间或实空间为处理空间而得到的空间。特别地,如果FREBAS空间被设置为Wiener滤波器的处理空间,则加到FREBAS空间的数据的均匀滤波器的核心可以通过监视噪声被适当地确定,
鉴于上述内容,灵敏度校正图像数据被变换成灵敏度校正FREBAS空间数据,受到基于Wiener滤波器的滤波处理的滤波处理FREBAS空间数据被变换成滤波后的图像数据,它可被提供到加权相加单元5。FREBAS空间是被用于基于多分辨率分析方法的分析的空间,该多分辨率分析方法使用Frenel变换的多个解或频带分割作为用于SNR的一个改进方法。
应当指出,结构自适应滤波器的细节在Chen,H.G.,A.Li,L.Kaufman,和J.Hale,“A fast filtering algorithm for imageenhancement”,IEEE Trans.Medical Imaging 13(3):557-564(1994)中描述。Wiener滤波器的细节在Ito S,Yamada Y,“Use ofDual FresnelTransform Pairs to Improve Signal-to-Noise Ratio in MagneticResonance Imaging”,Med Imag Tech 19(5),355-368(2001)中描述。
加权相加单元5具有对于从滤波器单元接收的单个或多个滤波后的图像数据段和在滤波处理之前从灵敏度校正单元2接收的灵敏度校正图像数据根据诸如从SNR分布获取单元3接收的SNR分布窗口那样的SNR分布信息执行加权相加,以生成基本上等价于受到基于非均匀滤波器的滤波处理的图像数据的非均匀性滤波后的图像数据的功能以及把这样生成的非均匀性滤波后的图像数据写入到图像诊断装置6的图像数据存储单元9的功能。应当指出,在滤波处理之前的灵敏度校正图像数据没有被设置为加权相加的目标,而只有从滤波器单元4接收的多个滤波后的图像数据段可被设置为加权相加的目标。换句话说,受到具有不同的强度的滤波的、多个滤波后的图像数据段可被设置为加权相加的目标。
接着,将给出数据校正装置1的操作和动作的说明。
图2是显示由图1所示的数据校正装置1对于从图像诊断装置6获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图。在图2中带有S和数字的符号表示流程图的每个步骤。
首先,图像数据预先被收集在图像诊断装置6中。即,根据来自图像数据获取单元8的控制,用于图像生成的数据由传感器7检测。检测的数据从传感器7被提供到图像数据获取单元8,并且图像数据获取单元8从这个数据生成图像数据。然后,所生成的图像数据被写入到图像数据存储单元9,并作为原始图像数据Sorig被存储。同时,根据任意方法估计或测量传感器7的时间和/或空间灵敏度分布。这样得到的传感器7的灵敏度分布被写入到灵敏度地图存储单元10,并作为灵敏度地图Isens被存储。
然后,在步骤S1,SNR分布获取单元3从灵敏度地图存储单元10获取被使用于灵敏度校正的灵敏度地图Isens,并根据灵敏度地图Isens得到有关SNR的分布信息。有关SNR的分布信息被设置为加权函数Wsnr,作为SNR分布窗口,并且把加权函数Wsnr提供到加权相加单元5。
如果灵敏度地图Isens在空间上以x方向、y方向、和z方向的三维方式分布,则灵敏度地图Isens可被归一化,并被表示为Isens(x,y,z)。在图像诊断装置6是MRI装置的情况下,灵敏度地图Isens(x,y,z)变为代表线圈灵敏度分布的实空间(r空间)数据。
代表SNR的分布的加权函数Wsnr(x,y,z)可以通过各种方法从传感器7的归一化灵敏度地图Isens得到。例如,在只有传感器7的灵敏度地图Isens(x,y,z)的最大值max[Isens(x,y,z)]被标准化且加权函数Wsnr(x,y,z)的最大值被设置为1的情况下,加权函数Wsnr(x,y,z)可以根据公式(1)被确定。
Wsnr(x,y,z)=Isens(x,y,z)/max[Isens(x,y,z)] (1)
其中Wsnr(x,y,z):加权函数(SNR分布函数)。
另外,例如,在加权函数Wsnr(x,y,z)的最大值被设置为1,并且加权函数Wsnr(x,y,z)的最小值被设置为0的情况下,也使用传感器7的灵敏度地图Isens(x,y,z)的最小值min[Isens(x,y,z)],由此可以根据公式(2)确定加权函数Wsnr(x,y,z)。
Wsnr(x,y,z)
={Isens(x,y,z)-min[Isens(x,y,z)]}/
{max[Isens(x,y,z)]-min[Isens(x,y,z)]} (2)
另外,在MRI装置中,当通过使用多个多重线圈执行并行成像(PI)并且原始图像数据Sorig在来自多重线圈的信号被展开时被合成时,可以从在考虑具有线圈独立性的多重线圈的灵敏度或通过信号展开的合成的影响的情况下为确定噪声分布而定义的g因子分布g(x,y,z)得到由公式(3)表示的加权函数Wsnr(x,y,z)。
Wsnr(x,y,z)=1/g(x,y,z) (3)
接着,在步骤S2,灵敏度校正单元2从图像数据存储单元9获取作为灵敏度校正的目标的原始图像数据Sorig,另一方面,从灵敏度地图存储单元10获取被使用于灵敏度校正的灵敏度地图Isens,并使用所获取的灵敏度地图Isens对原始图像数据Sorig执行传感器7的灵敏度校正,由此得到灵敏度校正图像数据Sscor。然后,灵敏度校正单元2把这样得到的灵敏度校正图像数据Sscor提供到滤波器单元4和加权相加单元5。
灵敏度校正图像数据Sscor可以根据公式(4)被生成。
Sscor(x,y,z )=Sorig(x,y,z)/Isens(x,y,z) (4)
其中Isens(x,y,z):灵敏度地图数据
Sorig(x,y,z):原始图像数据(在灵敏度校正之前的图像数据),以及
Sscor(x,y,z):灵敏度校正后的图像数据
接着,在步骤S3,滤波器单元4使用均匀滤波器对于通过灵敏度校正图像数据Sscor的变换在k空间或FREBAS空间上得到的灵敏度校正数据,或对于从灵敏度校正单元2接收的灵敏度校正图像数据Sscor执行滤波处理,由此生成滤波后的图像数据Sscor.fil或滤波后的数据。当生成不同于滤波后的图像数据Sscor.fil的滤波后的数据时,滤波的数据被转换成滤波后的图像数据Sscor.fil。
然后,滤波器单元4把这样得到的滤波后的图像数据Sscor.fil提供给加权相加单元5。结果,加权相加单元5至少具有在滤波处理之前的灵敏度校正图像数据和在滤波处理之后的滤波图像数据Sscor.fil。在根据在滤波器单元4中的不同的强度的滤波生成多个滤波后的图像数据Sscor.fil段的情况下,与滤波强度的类型数相同个数的滤波后的图像数据Sscor.fil段被提供给加权相加单元5。
这里,将给出最简单的计算例子的说明,同时假设灵敏度校正图像数据Sscor由两个分量组成,仅仅具有坏的SNR的分量才通过滤波器单元4的滤波被平滑。实际上,仅仅具有坏的SNR的分量被平滑就足够了。
当H表示滤波器算子时,滤波后的图像数据Sscor.fil可以得到图像数据,其中平滑滤波器根据公式(5)被施加到整个灵敏度校正图像数据Sscor。
Sscor.fil(x,y,z)=H[Sscor(x,y,z)] (5)
接着,在步骤S4,加权相加单元5从SNR分布获取单元3接收根据SNR分布的加权函数Wsnr,并使用加权函数Wsnr合成从滤波器单元4接收的单个或多个滤波后的图像数据Sscor.fil段,以及通过加权相加从灵敏度校正单元2接收的、在滤波处理之前的灵敏度校正图像数据Sscor,由此生成非均匀性滤波图像数据Sscor.nonuni.fil。
使用加权函数Wsnr的加权如公式(6-1)和公式(6-2)所示地被执行。即,加权被如此应用,使得仅仅对具有坏的SNR的分量执行滤波。作为这种加权的结果,灵敏度校正图像数据Sscor基本上被划分成具有好的SNR的分量Sscor.h(x,y,z)和具有坏的SNR的滤波的分量Sscor.l.fil(x,y,z)。
Sscor.h(x,y,z)=Wsnr(x,y,z)*Sscor(x,y,z) (6-1)
Sscor.l.fil(x,y,z)={1-Wsnr(x,y,z)}*Sscor.fil(x,y,z) (6-2)
随后,具有好的SNR的分量Sscor.h(x,y,z)和具有坏的SNR的滤波后的分量Sscor.l.fil(x,y,z)这两个分量如公式(7)所示地互相合成,由此得到受到非均匀SNR校正滤波处理的图像数据(非均匀性滤波后的图像数据)Sscor.nonuni.fil(x,y,z)作为最终校正图像。
Sscor.nonuni.fil(x,y,z)=Sscor.h(x,y,z)+Sscor.l.fil(x,y,z) (7)
这样得到的非均匀性滤波后的图像数据Sscor.nonuni.fil被写入到图像诊断装置6的图像数据存储单元9。此后,显示单元11在显示器上显示从图像数据存储单元9读出的非均匀性滤波后的图像数据Sscor.nonuni.fil。结果,用户可以确认非均匀性滤波后的图像数据Sscor.nonuni.fil已受到灵敏度校正,使得SNR分布变为均匀的。
应当指出,只有由具有不同强度的均匀滤波器滤波的滤波图像数据Sscor.fil可被设置为加权相加的目标。换句话说,作为加权相加的目标的具有好的SNR的分量Sscor.h(x,y,z)的滤波强度可被设置为不同于0的强度。在这种情况下,灵敏度校正图像数据Sscor不从灵敏度校正单元2提供到加权相加单元5。
换句话说,具有上述结构的数据校正装置1适配于使用有关诸如线圈那样的传感器7的灵敏度的空间分布或时间分布的估计或测量的信息,通过根据灵敏度非均匀性的程度对于诸如图像数据的在灵敏度校正后的数据进行主要是平滑的具有不同强度的均匀滤波,而生成多个数据段,并且根据SNR分布信息对于这样生成的数据段进行互相加权相加,以使得SNR和平滑强度具有相反的相关性。即,对于滤波,不是使用在SNR分布恒定的情况下用于数据的通常的滤波器,对于具有小的SNR的数据进行这样的相加,使得用强平滑的数据的权重变为大的,相反,用弱平滑的数据的权重变为小的。应当指出,其中没有执行滤波处理的数据可被看作为其中执行具有零强度的滤波处理的数据。
为此,根据数据校正装置1,传感器7的空间非均匀灵敏度分布的校正通过简单的处理被执行,而同时保持SNR分布的空间均匀性,由此,有可能得到均匀图像数据。
至今为止,如上所述,当对于数据执行灵敏度校正时,有一个问题:即SNR分布变为非均匀的。为了克服这个问题,可以考虑通过使用具有变化的空间加权的滤波器对于数据进行平滑。在这种情况下,为了确定滤波器的加权因子,必须通过从原始图像中提取低频分量得到噪声分布或通过分开的预扫描事先得到噪声分布。例如,在MRI装置中,可以使用通过预扫描测量的线圈的灵敏度分布和根据多线圈的独立性确定的、被称为g因子的噪声分布。然后,可以考虑根据实际空间中噪声分布函数平滑地改变滤波器的加权因子的方法。
然而,根据改变实际空间中滤波器的加权因子的方法,即,按需要时根据噪声分布函数的核心,有一个问题:即处理和滤波器结构被复杂化。特别地,当滤波器的支撑尺寸很大时,出现处理时间增加,并且用于图像边缘的处理变为复杂化。另外,根据这个方法,非均匀SNR可以被校正,但很难得到诸如最佳滤波器权重分布或平滑强度那样的参数,并且很难使得滤波器权重分布最佳地遵循对于每个数据变化的SNR分布。
相反,图1所示的数据校正装置1采用一种校正方法,其中数据以简单的处理被校正,诸如使用通常的均匀滤波器的滤波而同时具有均匀SNR分布的数据被设置为加权相加的目标,而不是根据SNR分布逐个情况地改变滤波器的核心。均匀滤波器是使用同一个核心的高通用性的滤波器,其中不必涉及到空间或时间的SNR分布。
另外,即使在具有同一平滑强度的均匀滤波器被用于作为滤波目标的某些数据时,分别以不同的平滑强度进行滤波的多个数据段根据滤波处理后的SNR分布进行加权相加,所以,当考虑通过相加得到的每个数据时,平滑强度根据SNR具有空间分布和时间分布。所以,通过使用均匀滤波器,可以执行等价于由根据空间或时间分布的SNR来改变核心强度的非均匀滤波器进行的滤波的滤波。
为此,不必使用其它分步滤波器用于预处理和调节,所以,有可能通过使用单一类型的均匀滤波器进行滤波而提供最佳图像。结果,根据数据校正装置1,不仅仅滤波器结构是相对较简单的,滤波器的安装是相对较容易的,而且可以执行高速度处理。换句话说,根据数据校正装置1,可以避免诸如上述的滤波器结构的复杂性和处理时间增加那样的问题。
另外,如果结构自适应滤波器、由Wiener滤波器代表的SNR自适应滤波器、和通过组合结构自适应滤波器和SNR自适应滤波器而得到的滤波器适配于在数据校正装置1中使用的均匀滤波器,则可以最佳地控制滤波器特性,而同时吸收目标数据的SNR分布的变化。
应当指出,如果数据滤波是使用简单的线性空间不变(LSI)滤波器被执行的,则在滤波处理后出现空间分辨率的恶化,因此可能生成空间或时间非均匀数据。
鉴于上述内容,特别地,如果其中空间分辨率的恶化可被最小化的滤波器,即诸如Wiener滤波器那样的滤波器,或其中图像空间不被划分成多个段且实空间基本上被保留,并同时考虑噪声分布的结构自适应滤波器被用于均匀滤波器,则即使对于其中SNR有空间分布或时间分布的数据,也可以避免诸如在滤波处理后空间分辨率恶化那样的上述问题。另外,如果根据SNR的空间分布或时间分布使用诸如结构自适应滤波器或Wiener滤波器那样的滤波器,则SNR可被改进。
对于在MRI装置中得到的数据的滤波处理不仅仅可以在r-空间而且也可以在k-空间中执行。为此,特别地,当通过使用MRI装置中的多线圈执行作为高速成像方法的并行成像时,可以实现处理时间的缩短。例如,在执行诸如GRAPPA(通用自动校准局部并行获取)那样的、在k空间执行数据处理的类型的SMASH(同步获取空间谐波)型的处理的情况下,滤波处理可以在k空间执行,因此可以进行高速处理。另外,即使在执行根据SENSE(灵敏度编码)型的处理时,用于执行FFT(快速傅立叶变换)的倍数是2,因此处理速度总的来说是高的。
这样,均匀滤波器是易于用于复空间中的处理,并且在低SNR部分SNR改进性能方面优于在绝对值空间中的处理,所以,它相对于其中在r空间中很难进行复杂的数据处理的MRI装置在安装方面是有利的。
而且,数据校正装置1可以在传感器7上对于其中SNR在时间上和空间上是恒定的正常的数据进行灵敏度校正。这是因为当灵敏度是平坦时受到滤波的各个数据的加权因子变为恒定的,以及仅仅通过均匀滤波器的滤波数据变为在灵敏度校正后的数据。为此,如果在数据校正装置1中执行的处理中可以得到传感器7的灵敏度分布,则不必考虑关于灵敏度分布是否恒定的灵敏度分布的状态。所以,在滤波器安装方面的可使用性是很高的。
图3是显示根据本发明的第二实施例的数据校正装置的功能性框图。
在图3所示的数据校正装置1A中,包括数据划分单元12和相加单元13而不是加权相加单元5,其结构不同于图1所示的数据校正装置1的结构。数据校正装置1A的其它结构和操作基本上与图1所示的数据校正装置1的结构和操作没有不同。所以,相同的附图标记被附加到与数据校正装置1相同的部件,并省略它们的说明。
具体地,数据校正装置1A除了灵敏度校正单元2、SNR分布获取单元3和滤波器单元4以外,还包括数据划分单元12和相加单元13。然后,灵敏度校正单元2被配置成把灵敏度校正图像数据提供到数据划分单元12,SNR分布获取单元3被配置成把有关SNR的分布信息提供到数据划分单元12。
数据划分单元12具有根据与从SNR分布获取单元3得到的图像数据有关的、关于SNR的分布信息,从灵敏度校正单元3获取的灵敏度校正数据生成多个灵敏度校正图像分量数据段的功能,以及把这样生成的灵敏度校正图像分量数据的一部分提供到滤波器单元4并把灵敏度校正图像分量数据的其余部分或另一个部分提供到相加单元13的功能。更具体地说,数据划分单元12使用加权相加函数把灵敏度校正数据在图像空间上划分成具有较大的SNR的灵敏度校正图像分量数据和具有较小的SNR的灵敏度校正图像分量数据。单个或多个具有较大的SNR的灵敏度校正图像分量数据被提供到相加单元13,另一方面,单个或多个具有较小的SNR的灵敏度校正图像分量数据被提供到滤波器单元4。
滤波器单元4被配置成使用均匀滤波器对具有较小的SNR的灵敏度校正图像分量数据或通过具有较小的SNR的灵敏度校正图像分量数据的变换得到的灵敏度校正分量数据执行滤波,由此生成滤波后的图像数据或滤波数据。然后,这样生成的滤波后的图像数据或通过滤波数据的变换得到的滤波后的图像数据被提供到相加单元13。
相加单元13具有通过将用于合成的、从数据划分单元12接收的灵敏度校正图像分量数据与从滤波器单元4接收的滤波后的图像数据相加,生成基本上等价于受到使用非均匀滤波器的滤波处理的图像数据的非均匀性滤波后的图像数据的功能,以及把这样生成的非均匀性滤波后的图像数据写入到图像诊断装置6的图像数据存储单元9的功能。
接着,将给出数据校正装置1A的操作和动作的说明。
图4是显示由图3所示的数据校正装置1A对于从图像诊断装置6获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图。在图4上包括S和数字的符号表示流程图的每个步骤。应当指出,相同的附图标记被附加到等价于图2所示的流程图的步骤的每个步骤,并且等价的步骤的详细说明被省略。
首先,在步骤S1,SNR分布获取单元3根据从灵敏度地图存储单元10获取的灵敏度地图Isens计算加权函数Wsnr,并且把这样得到的加权函数Wsnr提供到数据划分单元12。这个加权函数Wsnr(x,y,z)可以根据如上所述的各种方法得到。然后,这样的得到的加权函数Wsnr(x,y,z)在数据划分单元12中被使用来根据SNR分布划分数据。
接着,在步骤S2,灵敏度校正单元2使用从灵敏度地图存储单元10获取的灵敏度地图Isens,对于从图像数据获取单元9获取的原始图像数据Sorig执行灵敏度校正,由此得到灵敏度校正图像数据Sscor。然后,灵敏度校正单元2把这样得到的灵敏度校正图像数据Sscor提供到数据划分单元12。
灵敏度校正图像数据Sscor(x,y,z)可以根据公式(8)被生成。
Sscor(x,y ,z)=Sorig(x,y,z)/Isens(x,y,z) (8)
接着,在步骤S10,数据划分单元12使用从SNR分布获取单元3获取的加权函数Wsnr,根据SNR的大小把从灵敏度校正单元2接收的灵敏度校正图像数据划分成多个灵敏度校正图像分量数据段。然后,数据划分单元12把具有较大的SNR的灵敏度校正图像分量数据Sscor.h提供到相加单元13,另一方面,把具有较小的SNR的灵敏度校正图像分量数据Sscor.l提供到滤波器单元4。
灵敏度校正图像数据Sscor(x,y,z)通过使用加权函数Wsnr(x,y,z)的窗口的分量划分可以根据公式(9-1)和公式(9-1)进行。根据公式(9-1)和公式(9-1),灵敏度校正图像数据Sscor(x,y,z)被划分成两个数据,灵敏度校正图像分量数据Sscor.h(x,y,z)和灵敏度校正图像分量数据Sscor.l(x,y,z)。
Sscor.h(x,y,z)=Sscor(x,y,z)*Wsnr(x,y,z) (9-1)
Sscor.l(x,y,z)=Sscor(x,y,z)*{1-Wsnr(x,y,z)} (9-2)
应当指出,Sscor.h(x,y,z)是具有良好的SNR的灵敏度校正图像分量数据,以及Sscor.l(x,y,z)是具有坏的SNR的灵敏度校正图像分量数据。
接着,在步骤S3,滤波器单元4使用均匀滤波器对从数据划分成单元12接收的具有小的SNR的灵敏度校正图像分量数据Sscor.l或通过灵敏度校正图像分量数据Sscor.l的变换得到的灵敏度分量数据进行滤波处理,由此生成滤波处理的图像分量数据Sscor.l.fil或滤波处理的分量数据。
即,例如,公式(10)所示的平滑滤波器只施加到具有坏的SNR的灵敏度校正图像分量数据Sscor.l(x,y,z),由此生成滤波处理的图像分量数据Sscor.l.fil(x,y,z)。
Sscor.l.fil(x,y,z)=H[Sscor.l(x,y,z)] (10)
其中H表示滤波器算子。
然后,滤波器单元4把得到的滤波处理的图像分量数据Sscor.l.fil或通过滤波处理分量数据的变换得到的滤波处理的图像分量数据Sscor.l.fil提供到相加单元13。
接着,在步骤S11,相加单元13把从数据划分单元12接收的具有大的SNR的灵敏度校正图像分量数据Sscor.h与从滤波器单元4接收的滤波处理的图像分量数据Sscor.l.fil相加,用于合成,由此生成非均匀性滤波后的图像数据Sscor.nonuni.fil。
这个合成处理可以根据公式(11)进行。
Sscor.nonuni.fil(x,y,z)=Sscor.h(x,y,z)+Sscor.l.fil(x,y,z) (11)
即,具有良好的SNR的灵敏度校正图像分量数据Sscor.h(x,y,z)和受到滤波的、具有坏的SNR的灵敏度校正图像分量数据Sscor.l(x,y,z)被互相合成,由此计算非均匀性滤波后的图像数据Sscor.nonuni.fil(x,y,z)作为最终校正图像。
然后,非均匀性滤波后的图像数据Sscor.nonuni.fil被写入到图像诊断装置6的图像数据存储单元9,并且在显示单元11的显示器上显示。
换句话说,上述的数据校正装置1A根据SNR的大小在图像空间上对于灵敏度校正后的图像数据进行加权划分,具有小的SNR的图像数据段由均匀滤波器以不同的强度进行滤波,由此合成划分的图像数据。如果具有实空间中足够小的支撑尺寸的核心根据均匀滤波器被用于滤波,则即使在首先进行滤波处理和加权划分的任一项时,包括滤波处理的处理和对于数据的加权划分是几乎近似等价的。所以,根据数据校正装置1A,可以得到与图1所示的数据校正装置1的相同的效果。
图5是显示根据本发明的第三实施例的数据校正装置的功能性框图。
在图5所示的数据校正装置1B中,处理的次序是与图1所示的数据校正装置1的次序不同的。数据校正装置1B的其它结构和操作与图1所示的数据校正装置1基本上没有差别。所以,相同的附图标记被附加到与数据校正装置1相同的部件,并省略它们的说明。
数据校正装置1B配备有灵敏度校正单元2、SNR分布获取单元3、滤波器单元4和加权相加单元5。
滤波器单元4具有从图像数据存储单元9获取作为灵敏度校正的目标的原始图像数据的功能,通过使用均匀滤波器对原始图像数据或通过原始图像数据的变换得到的原先的数据执行滤波处理而生成滤波处理的原始图像数据或滤波处理的原先的数据的功能,以及把这样生成的滤波处理的原始图像数据或通过滤波处理的原先的数据的变换得到的滤波处理的原始图像数据提供到加权相加单元5的功能。
加权相加单元5具有对于从图像数据存储单元9获取的原始图像数据和从滤波器单元4接收的滤波处理的原始图像数据根据从SNR分布获取单元3接收的SNR分布信息执行加权相加,以生成非均匀滤波后的原始图像数据的功能,以及把这样生成的非均匀性滤波后的原始图像数据提供到灵敏度校正单元2的功能。
灵敏度校正单元2具有从灵敏度地图存储单元10获取要被用于灵敏度校正的灵敏度地图,并使用获取的灵敏度地图对从加权相加单元5接收的非均匀滤波后的原始图像数据进行灵敏度校正而生成非均匀性滤波后的图像数据的功能,并具有把这样得到的非均匀性滤波后的图像数据写入到图像诊断装置6的图像数据存储单元9的功能。
接着,将给出数据校正装置1B的操作和动作的说明。
图6是显示由图5所示的数据校正装置1B对于从图像诊断装置6获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图。在图6上包括S和数字的符号表示流程图的每个步骤。在图6上,相同的附图标记将给予等价于图2所示的流程图的步骤的每个步骤,并且将概略地给出它们的说明。所以,附图标记与处理的次序不一致。
首先,在步骤S1,SNR分布获取单元3根据从灵敏度地图存储单元10获取的灵敏度地图Isens计算加权函数Wsnr,并且把这样得到的加权函数Wsnr提供到加权相加单元5。
接着,在步骤S3,滤波器单元4从图像数据获取单元9获取作为灵敏度校正的目标的原始图像数据Sorig,并通过使用均匀滤波器对于获取的原始图像数据Sorig或通过原始图像数据Sorig的变换得到的原先的数据执行滤波处理,由此生成滤波的原始图像数据Sorig.fil或滤波后的原始数据。
即,例如,如公式(12)所示,平滑滤波器被施加到整个原始图像数据Sorig(x,y,z),由此生成滤波后的原始图像数据Sorig.fil(x,y,z)。
Sorig.fil(x,y,z)=H[Sorig(x,y,z)] (12)
其中H表示滤波器算子。
然后,滤波器单元4把滤波后的原始图像数据Sorig.fil或通过滤波后的原始数据的变换得到的滤波后的原始图像数据Sorig.fil提供到加权相加单元5。
接着,在步骤S4,加权相加单元5使用从SNR分布获取单元3接收的加权函数Wsnr对从图像数据存储单元9获取的原始图像数据Sorig和从滤波器单元4接收的滤波后的原始图像数据Sorig.fil执行加权相加,用于合成,由此生成非均匀滤波后的原始图像数据Sorig.nonuni.fil。
即,首先,如公式(13-1)和公式(13-2)表示的,加权函数Wsnr(x,y,z)被用来从原始图像数据Sorig(x,y,z)生成具有良好的SNR的Sorig.h(x,y,z),并通过使用滤波后的原始图像数据Sorig.fil(x,y,z)生成具有坏的SNR的滤波的分量Sorig.l.fil(x,y,z)。即,加权因子被施加到滤波后的原始图像数据Sorig.fil(x,y,z),它被滤波以生成具有坏的SNR的分量Sorig.l.fil(x,y,z)。
Sorig.h(x,y,z)=Wsnr(x,y,z)*Sorig(x,y,z) (13-1)
Sorig.l.fil(x,y,z)={1-Wsnr(x,y,z)}*Sorig.fil(x,y,z) (13-2)
接着,如公式(14)表示的,两个分量Sorig.h(x,y,z)和Sorig.l.fil(x,y,z)被合成,由此得到非均匀滤波后的原始图像数据Sorig.nonuni.fil(x,y,z)作为关于SNR的校正图像。
Sorig.nonuni.fil(x,y,z)=Sorig.h(x,y,z)+Sorig.l.fil(x,y,z) (14)
这样,对具有良好的SNR的分量和具有坏的SNR的滤波的分量进行加权,用于合成,由此生成非均匀滤波后的原始图像数据Sorig.nonuni.fil。然后,加权相加单元5把这样生成的非均匀滤波后的图像数据Sorig.nonuni.fil提供到灵敏度校正单元2。
接着,在步骤S1,灵敏度校正单元2通过使用从灵敏度地图存储单元10获取的灵敏度地图Isens对于从加权相加单元5接收的非均匀滤波后的图像数据Sorig.nonuni.fil进行灵敏度校正,由此得到非均匀性滤波后的图像数据Sscor.nonuni.fil。
如公式(15)表示的,通过使用灵敏度地图Isens(x,y,z)进行灵敏度校正,受到非均匀SNR校正滤波处理的、在灵敏度校正后的图像,即,非均匀性滤波的图像数据Sscor.nonuni.fil根据非均匀滤波后的原始图像数据Sorig.nonuni.fil(x,y,z)进行计算。
Sscor.nonuni.fil(x,y,z)=Sorig.nonuni.fil(x,y,z)/Isens(x,y,z) (15)
然后,灵敏度校正单元2把非均匀性滤波后的图像数据Sscor.nonuni.fil写入到图像诊断装置6的图像数据存储单元9。此后,显示单元11在显示器上显示从图像数据存储单元9读出的非均匀性滤波的图像数据Sscor.nonuni.fil。
换句话说,上述的数据校正装置1B适配于在对图像数据以不同的强度进行滤波处理和加权相加之后进行灵敏度校正。这样,即使在在校正之前对图像数据进行滤波处理和加权相加,并且最后进行灵敏度校正时,SNR也不改变。所以,根据数据校正装置1B,可以得到与图1所示的数据校正装置1相同的效果。
图7是显示根据本发明的第四实施例的数据校正装置的功能性框图。
在图7所示的数据校正装置1C中,处理的次序是与图3所示的数据校正装置1A的次序不同的。数据校正装置1C的其它结构和操作与图3所示的数据校正装置1A基本上没有差别。所以,相同的附图标记被附加到与数据校正装置1A相同的部件,并省略它们的说明。
特别地,数据校正装置1C配备有灵敏度校正单元2、SNR分布获取单元3、滤波器单元4、数据划分单元12和相加单元13。
数据划分单元12具有基于从SNR分布获取单元3获取的关于SNR的分布信息、由从图像数据存储单元9获取的多个原始图像分量数据根据SNR的大小生成多个原始图像分量数据段的功能,以及把具有小的SNR的原始图像分量数据提供到滤波器单元4并把具有大的SNR的原始图像分量数据提供到相加单元13的功能。
然后,滤波器单元4被配置成通过使用均匀滤波器和必要的变换对原始图像分量数据或通过原始图像分量数据的变换得到的原始分量数据执行滤波处理而生成滤波后的原始图像分量数据,相加单元13被配置成通过对滤波后的图像分量数据和具有大的SNR的原始图像分量数据进行相加处理而生成非均匀滤波后的原始图像数据。而且,灵敏度校正单元2被配置成把通过对非均匀滤波后的原始图像数据执行灵敏度校正而得到的非均匀性滤波后的图像数据写入到图像诊断装置6的图像数据存储单元9。
接着,将给出数据校正装置1C的操作和动作的说明。
图8是显示由图7所示的数据校正装置1C对于从图像诊断装置6获取的图像数据执行灵敏度校正而同时保持SNR分布均匀性的过程的流程图。在图8上包括S和数字的符号表示流程图的每个步骤。在图8上,相同的附图标记被附加到等价于图4所示的流程图的步骤的每个步骤,并且将概略地给出它们的说明。所以,附图标记与处理的次序不一致。
首先,在步骤S1,SNR分布获取单元3根据从灵敏度地图存储单元10获取的灵敏度地图Isens计算加权函数Wsnr,并且把这样得到的加权函数Wsnr提供到数据划分单元12。
接着,在步骤S10,数据划分单元12使用从SNR分布获取单元3获取的加权函数Wsnr,根据SNR的大小把从图像数据存储单元9获取的原始图像数据Sorig划分成多个原始图像分量数据段。
通过使用加权函数Wsnr(x,y,z)的窗口的原始图像数据Sorig(x,y,z)的分量划分如公式(16-1)和公式(16-2)所示地进行。然后,原始图像数据Sorig(x,y,z)被划分成原始图像分量数据的两个分量,即具有大的SNR的分量Sorig.h(x,y,z)和具有小的SNR的分量Sorig.l(x,y,z)。
Sorig.h(x,y,z)=Sorig(x,y,z)*Wsnr(x,y,z) (16-1)
Sorig.l(x,y,z)=Sorig(x,y,z)*{1-Wsnr(x,y,z)} (16-2)
然后,数据划分单元12把作为具有大的SNR的分量的原始图像分量数据Sorig.h提供到相加单元13,另一方面,把作为具有小的SNR的分量的原始图像分量数据Sorig.l提供到滤波器单元4。
接着,在步骤S3,滤波器单元4通过使用均匀滤波器对于从数据划分单元12接收的、具有小的SNR的原始图像分量数据Sorig.l或通过原始图像分量数据Sorig.l的变换得到的原始图像数据进行滤波处理,由此生成滤波后的原始图像分量数据Sorig.l.fil或滤波后的原始分量数据。
即,例如,如公式(17)表示的,平滑滤波器仅仅施加到具有坏的SNR的原始图像分量数据Sorig.l(x,y,z),由此得到滤波后的原始图像分量数据Sorig.l.fil。
Sorig.l.fil(x,y,z)=H[Sorig.l(x,y,z)] (17)
其中H表示滤波器算子。
然后,滤波器单元4把这样得到的滤波后的原始图像分量数据Sorig.l.fil或通过滤波后的原始图像分量数据的变换得到的滤波后的原始图像分量数据Sorig.l.fil提供到相加单元13。
接着,在步骤S11,相加单元13把从数据划分单元12接收的具有大的SNR的原始图像分量数据Sorig.h与从滤波器单元4接收的滤波的原始图像分量数据Sorig.l.fil相加,用于合成,由此生成非均匀滤波后的原始图像数据Sorig.nonuni.fil。
在具有大的SNR的原始图像分量数据Sorig.h(x,y,z)与滤波后的原始图像分量数据Sorig.l.fil(x,y,z)之间的合成过程根据公式(18)进行。然后,对具有良好的SNR的分量与具有坏的SNR的滤波后的分量进行加权合成,通过这种合成处理,得到非均匀滤波后的原始图像数据Sorig.nonuni.fil(x,y,z),作为关于SNR的校正图像。
Sorig.nonuni.fil(x,y,z)=Sorig.h(x,y,z)+Sorig.l.fil(x,y,z) (18)
然后,相加单元13把非均匀滤波后的原始图像数据Sorig.nonuni.fil提供到灵敏度校正单元2。
接着,在步骤S2,灵敏度校正单元2使用从灵敏度地图存储单元10获取的灵敏度地图Isens对于从相加单元13接收的非均匀滤波后的原始图像数据Sorig.nonuni.fil执行灵敏度校正,由此得到非均匀性滤波后的图像数据Sscor.nonuni.fil。
这个灵敏度校正根据公式(19)进行,作为受到灵敏度校正和非均匀SNR校正滤波处理的图像的非均匀性滤波后的图像数据Sscor.nonuni.fil(x,y,z)从非均匀滤波后的原始图像数据Sorig.non uni.fil(x,y,z),通过使用灵敏度地图Isens(x,y,z)进行计算。
Sscor.nonuni.fil(x,y,z)=Sorig.nonuni.fil(x,y,z)/Isens(x,y,z) (19)
然后,把这样得到的非均匀性滤波的图像数据Sscor.nonuni.fil写入到图像诊断装置6的图像数据存储单元9,并且在显示单元11的显示器上显示。
换句话说,上述的数据校正装置1C适配于在加权划分后对于图像数据进行灵敏度校正,以不同的强度进行滤波处理和相加合成。如上所述,即使在校正前对于图像数据进行滤波处理和加权处理并且最后进行灵敏度校正时,SNR也不改变。所以,根据数据校正装置1C,可以得到与图3所示的数据校正装置1A相同的效果。
正如在上述的实施例中的数据校正装置1、1A、1B和1C中那样,作为灵敏度校正、用均匀滤波器的滤波处理和加权处理这三个处理的次序可以任意改变。
应当指出,从滤波处理的简化角度来看,在某些情况下,用均匀滤波器的滤波处理优选地可以在灵敏度校正之前执行。鉴于以上内容,给出了在FREBAS空间中的数据被设置为目标的WIENER滤波器被用作均匀滤波器的情况下滤波器函数的计算例子的说明。
所生成的三维FREBAS空间(x,y,z)是其中实空间(x,y,z)几乎完全保留的空间。所以,当使用Wiener滤波器时,噪声的功率不设置为恒定的,并且噪声的功率Pn被处理为FREBAS空间(x,y,z)的函数。用Wiener滤波器的滤波可以在灵敏度校正之前或之后进行,但在滤波处理方面,噪声的功率最好被设置为恒定的。鉴于上述的内容,用Wiener滤波器的滤波可以在灵敏度校正之前进行,并可以处理被设置为恒定的噪声的功率Pn。
即,当使用Wiener滤波器的滤波在灵敏度校正之前进行时,如在公式(20)中表示的,Wiener滤波器的滤波器函数WF(x,y,z)可以根据在FREBAS空间(x,y,z)中图像数据的信号强度Ps(x,y,z)和噪声的功率Pn被确定。
WF(X,Y,Z)=Ps(X,Y,Z)/{Ps(X,Y,Z)+Pn} (20)
另一方面,当使用Wiener滤波器的滤波在灵敏度校正之前进行时,噪声功率Pn在空间上发生改变,确定噪声功率Pn=Pn(x,y,z),以及滤波器函数WF(x,y,z)如公式(21)所示地被确定。
WF(X,Y,Z)=Ps(X,Y,Z)/{Ps(X,Y,Z)+Pn(X,Y,Z)} (21)
噪声的功率Pn(x,y,z)可以通过使用等价于灵敏度分布的倒数的加权函数W(x,y,z)根据公式(22-1)和公式(22-2)被确定。
W(X,Y,Z)=FR[W(x,y,z)] (22-1)
Pn(X,Y,Z)=W(X,Y,Z)*Pn′ (22-2)
其中FR[]表示FREBAS变换,以及Pn’表示在FREBAS空间(或k空间)的末端处的噪声功率。即,公式(21)的噪声的功率Pn(x,y,z)可以根据通过加权函数W(x,y,z)的FREBAS变换得到的加权函数W(x,y,z)和在FREBAS空间(或k空间)的末端处的噪声功率Pn’得到。
顺便地,如上所述,数据校正装置1、1A、1B或1C可被加到或被构建在生物信息测量装置或图像诊断装置中。鉴于上述内容,作为一个特定的例子,将说明在对于图3所示的数据校正装置1A被构建在MRI装置中并且多线圈被设置为传感器时得到的图像的灵敏度校正处理。
图9是显示根据本发明的一个实施例的磁共振成像装置的结构图。
磁共振成像装置20包括用于生成静磁场的静磁场磁铁21、被设置在圆柱形的静磁场磁铁21内的垫隙线圈22、梯度线圈单元23和RF线圈24。静磁场磁铁21、垫隙线圈22、梯度线圈单元23和RF线圈24被构建在起重架中(未示出)。
磁共振成像装置20还包括控制系统25。控制系统25包括静磁场电源26、梯度电源27、垫隙线圈电源28、发射机29、接收机30、序列控制器31和计算机32。控制系统25的梯度电源27包括X轴梯度电源27x、Y轴梯度电源27y、和Z轴梯度电源27z。计算机32包括输入装置33、监视器34、操作单元35和存储单元36。
静磁场磁铁21与静磁场电源26通信。静磁场电源26提供电流到静磁场磁铁21,以实现在成像区域中生成静磁场的功能。静磁场磁铁21在许多情况下包括超导线圈。静磁场磁铁21从静磁场电源26得到电流,该静磁场电源26在激励时与静磁场磁铁21通信。然而,一旦激励,静磁场磁铁21通常就与静磁场电源26隔离开。静磁场磁铁21可包括永久磁铁,这使得静磁场电源26是不必要的。
静磁场磁铁21在内部具有圆柱形垫隙线圈22。垫隙线圈22与垫隙线圈电源28通信。垫隙线圈电源28提供电流到垫隙线圈22,以使得静磁场变为均匀的。
梯度线圈单元23包括X轴梯度线圈单元23x、Y轴梯度线圈单元23y、和Z轴梯度线圈单元23z。X轴梯度线圈单元23x、Y轴梯度线圈单元23y和圆柱形的Z轴梯度线圈单元23z中的每一个被设置在静磁场磁铁21内。梯度线圈单元23还具有在它内部形成的作为成像区域的区域中的床37。床37支撑物体P。RF线圈24可以围绕床37或物体P设置,而不是构建在起重架中。
梯度线圈单元23与梯度电源27通信。梯度线圈单元23的X轴梯度线圈单元23x、Y轴梯度线圈单元23y、和Z轴梯度线圈单元23z分别与X轴梯度电源27x、Y轴梯度电源27y和Z轴梯度电源27z通信。
X轴梯度电源27x、Y轴梯度电源27y和Z轴梯度电源27z分别提供电流到X轴梯度线圈单元23x、Y轴梯度线圈单元23y和Z轴梯度线圈单元23z,以便生成在成像区域中沿X、Y和Z方向的梯度磁场Gx、Gy和Gz。
RF线圈24与发射机29和接收机30通信。RF线圈24具有把从发射机29给出的射频信号发送到物体P并接收由于在受到射频信号激励的物体P内的原子核自旋生成的、给到接收机的NMR信号的功能。
图10是显示图9所示的RF线圈的详细结构的例子的图。图11是显示图10所示的WB线圈24a和相控阵线圈24b的示例性安排的截面图。
RF线圈24例如由发送RF线圈24和接收RF线圈24构成。发送RF线圈24使用整体(WB)线圈24a,而接收RF线圈24使用相控阵线圈24b。相控阵线圈24b具有多个表面线圈24c。表面线圈24c分开地连接到各个接收电路30a。
同时,相控阵线圈24b的表面线圈24c被安排成关于Z轴对称的,在例如包括物体P的感兴趣的特定区域的部分L的周围区域内。而且,WB线圈24a被提供在相控阵线圈24b的外面。因此,射频信号可以由WB线圈24a发送到物体P,而来自包括感兴趣的特定部分L的NMR信号可以由WB线圈24a或相控阵线圈24b的表面线圈24c在多个信道上被接收,并被提供到接收机30的接收电路30a。
然而,RF线圈24可以由适用于各种应用的所希望的线圈或单个线圈构成。
控制系统25的序列控制器31与梯度电源27、发射机29和接收机30通信。序列控制器31具有存储描述对于使得梯度电源27、发射机29和接收机30驱动并由梯度电源27、发射机29和接收机30根据所存储的预定序列生成在X、Y和Z方向的梯度磁场Gx、Gy和Gz和射频信号所需的控制信息的序列信息的功能。上述的控制信息包括运动控制信息,如应当被施加到梯度电源27的脉冲电流的强度、施加时间间隔和施加时序。
序列控制器31还被配置成把原始数据给到计算机32。原始数据是通过NMR信号的检测和在接收机30中检测的NMR信号的A/D转换得到的复数数据。
发射机29具有根据从序列控制器31提供的控制信息把射频信号给到RF线圈24的功能。接收机30具有通过检测从RF线圈24给出的NMR信号和执行预定的信号处理与检测到的NMR信号的AD转换而生成作为数字化复数数据的原始数据的功能。接收机30还具有把生成的原始数据给到序列控制器31的功能。
计算机32得到各种功能,数据校正装置1A由执行被存储在计算机32的存储单元36中的某些程序的操作单元35来配置。对应于计算机32的部件可包括某些专用电路,而不是使用某些程序。
图12是显示图1所示的计算机32的功能性框图。
具有程序的计算机32用作为序列控制器控制单元40、图像重建单元41、k空间数据库42、实空间数据库43、扫描控制单元44、灵敏度分布估计单元45、灵敏度地图数据库46、图像显示单元47和数据校正装置1A。
序列控制器控制单元40具有用于根据来自输入装置33或另一个单元的信息通过把预定的序列信息给到序列控制器31以控制序列控制器31的驱动的功能。而且,序列控制器控制单元40还具有用于接收来自序列控制器31的原始数据并把原始数据排列到被形成在k空间数据库42中的k空间(傅立叶空间)内的功能。所以,k空间数据库42存储由接收机30生成的原始数据作为k空间数据,并且k空间数据被排列到被形成在k空间数据库42中的k空间内。
图像重建单元41具有用于从k空间数据库42获取k空间数据、执行预定的信号处理、重建诸如图像数据那样的实空间数据、并把实空间数据写入到实空间数据库43的功能。图像重建单元41被配置成对于被排列在k空间数据库中的k空间内的k空间数据执行各种处理,诸如二维或三维傅立叶变换处理,由此可以重建实空间图像数据和要被用于来自k空间数据的各个表面线圈24c的灵敏度估计的实空间数据。所以,实空间数据库43存储诸如图像数据的实空间数据。
灵敏度分布估计单元45具有从实空间数据库43读出用于各个表面线圈24c的灵敏度估计的实空间数据,以便估计各个表面线圈24c的空间和/或时间灵敏度分布,用于合成并把最终结果作为灵敏度地图数据写入到灵敏度地图数据库46的功能。可以基于已知的任意方法来执行对灵敏度分布的估计。包括执行用于灵敏度分布估计的灵敏度预扫描和使用这样得到的实空间数据来估计灵敏度分布的估计方法是可行的。例如,提出了根据在通过使用各个表面线圈24c收集的每个信号强度与在灵敏度预扫描时通过使用WB线圈24a收集的相应信号强度之间的比值得到灵敏度分布的方法、根据通过使用各个表面线圈24c收集的每个信号强度得到灵敏度分布而同时调节对比度的方法等等。
因此,灵敏度地图数据库46存储表示对应于各个表面线圈24c的灵敏度分布的灵敏度地图数据。
扫描控制单元44具有把用于灵敏度预扫描的序列和用于图像收集的主扫描的序列提供到序列控制器控制单元40,由此执行灵敏度预扫描和主扫描的功能。
图像显示单元47具有从实空间数据库43读出图像数据以便提供到显示单元34,由此在显示单元34上显示图像数据的功能。
数据校正装置1A具有图3所示的上述结构,其说明将被省略。应当指出,可以使用具有图1、5或7所示结构的数据校正装置1、1B或1C。
接着,给出磁共振成像装置20的操作和动作的说明。
图13是显示由图9所示的磁共振成像装置20获取物体P的图像并随后对于获取的图像执行关于各个表面线圈24c的灵敏度校正而同时保持SNR分布均匀性的过程的流程图。在图13上包括S和数字的符号表示流程图的每个步骤。
首先,得到各个表面线圈24c的灵敏度地图数据。为此,扫描控制单元44把用于灵敏度预扫描的序列提供到序列控制器控制单元40,用于灵敏度预扫描的序列从序列控制器控制单元40被输出到序列控制器31。此后,序列控制器31根据用于灵敏度预扫描的序列驱动梯度电源27、发射机29和接收机30,由此在其中放置物体P的成像区域中形成X轴梯度功率Gx、Y轴梯度功率Gy和Z轴梯度功率Gz,并且还生成射频信号。
然后,通过在物体P内的核磁共振生成的NMR信号被RF线圈24接收,并被提供到接收机30。接收机30接收来自RF线圈24的NMR信号,并执行包括AD转换在内的各种信号处理,由此生成作为数字数据的NMR信号的原始数据。接收机30把这样生成的原始数据提供到序列控制器31。序列控制器31把原始数据提供到序列控制器控制单元40,序列控制器控制单元40把原始数据设置在被形成在k空间数据库42中的k空间内。然后,图像重建单元41从k空间数据库42提取k空间数据,并通过图像重建处理过程重建用于各个表面线圈24c的灵敏度估计的实空间数据,以便写入到实空间数据库43。
此后,灵敏度分布估计单元45从实际空间数据库43读出用于各个表面线圈24c的灵敏度估计的实空间数据,例如通过诸如用于合成的低通滤波那样的处理,估计各个表面线圈24c的空间和/或时间灵敏度分布,并把最终结果作为灵敏度地图数据写入到灵敏度地图数据库46。为了简化说明,当假设灵敏度地图数据具有在X方向的一维空间分布时,得到图13所示的、代表各个表面线圈24c的灵敏度的灵敏度地图数据Isens(x),作为加到数据校正装置1A的输入数据Input 1。
接着,在灵敏度预扫描后执行用于成像的主扫描。为此,扫描控制单元44把用于主扫描的序列提供到序列控制器控制单元40,用于主扫描的序列从序列控制器控制单元40被输出到序列控制器31。此后,以类似于灵敏度预扫描的流程,序列控制器31根据用于主扫描的序列驱动和控制梯度电源27、发射机29和接收机30,由此收集用于成像的原始数据。收集的原始数据作为k空间数据被设置在被形成在k空间数据库42中的k空间内。
然后,图像重建单元41从k空间数据库42提取用于成像的k空间数据,以便通过图像重建处理过程重建图像数据,并把它写入到实空间数据库43。这个图像数据是处在如Input 1所示的各个表面线圈24c在X方向上的灵敏度分布的影响下,因此必须进行灵敏度校正。然而,在灵敏度校正之前噪声功率是恒定的,如果试图通过进行灵敏度校正把灵敏度设置为恒定的,则噪声功率变为非均匀的。鉴于上述内容,不但必须进行灵敏度校正而且也必须进行非均匀SNR的校正。为此,在灵敏度校正之前的原始图像数据Sorig作为Input 2输入到数据校正装置1A。
此后,在步骤S20,数据校正装置1A的SNR分布获取单元3例如通过使用最大灵敏度Isens.max对于从灵敏度地图数据库46获取的灵敏度地图Isens(x)进行归一化作为Input 1,以使得最大值变为1,由此得到加权函数Wsnr(x)。
Wsnr(x)=Isens(x)/Isens.max (23)
这个加权函数Wsnr(x)被用作为用于根据高SNR和低SNR把在用于成像的主扫描中得到的图像数据划分成两个数据段的窗口函数。为此,SNR分布获取单元3把这样得到的加权函数Wsnr(x)提供到数据划分单元12。
接着,在步骤S21,灵敏度校正单元2对于从实际空间数据库43获取的原始图像数据Sorig用从灵敏度地图数据库46获取的灵敏度地图Isens(x)进行灵敏度校正,由此得到灵敏度校正图像数据Sscor。灵敏度校正单元2把这样得到的灵敏度校正图像数据Sscor提供到数据划分单元12。
接着,在步骤S22,数据划分单元12使用从SNR分布获取单元3获取的加权函数Wsnr(x)来确定划分函数(窗口函数),用于根据SNR的高和低电平把从灵敏度校正单元2获取的灵敏度校正图像数据Sscor划分成两个分量。即,当用于生成高的SNR的分量的划分函数被设置为Wh(x),和用于生成低的SNR的分量的划分函数被设置为Wl(x)时,划分函数Wh(x)和Wl(x)通过使用加权函数Wsnr(x)如公式(24-1)和公式(24-2)所示地被确定。
Wh(x)=Wsnr(x) (24-1)
Wl(x)=1-Wsnr(x) (24-2)
然后,在由实线表示的划分函数Wh(x)和由虚线表示的Wl(x)是通过如公式(25-1)和公式(25-2)所示的计算被使用时,灵敏度校正图像数据Sscor被划分成具有高SNR电平的灵敏度校正图像分量数据Sscor,h和具有低SNR电平的灵敏度校正图像分量数据Sscor,l的两个分量。
Sscor.h=Sscor*Wh(x)=Sscor*Wsnr(x) (25-1)
Sscor.l=Sscor*Wl(x)=Sscor*{1-Wsnr(x)} (25-2)
然后,数据划分单元12把具有高SNR电平的灵敏度校正图像分量数据Sscor,h提供给相加单元13,另一方面把具有低SNR电平的灵敏度校正图像分量数据Sscor,l提供到滤波器单元4。
接着,在步骤S23,滤波器单元4把在对空间均匀数据的滤波处理中使用的正常噪声减小滤波施加到从数据划分单元12获取的具有低SNR电平的灵敏度校正图像分量数据Sscor,l。噪声减小滤波器可以由在大的意义上其中没有利用灵敏度地图数据Isens(x)的任何空间均匀滤波器组成。对于噪声减小滤波器,可以使用均匀滤波器,诸如线性滤波器,Wiener滤波器,或结构最佳化滤波器。滤波处理可以在k空间执行。在这种情况下,灵敏度校正图像分量数据Sscor,l被一次变换成k空间数据,然后受到滤波处理。在滤波后的k空间数据被变换成实空间数据。然后,滤波器单元4把通过滤波处理得到的滤波后的图像分量数据Sscor.l.fil提供到相加单元13。
接着,在步骤S24,相加单元13把从数据划分单元12接收的具有大的SNR的灵敏度校正图像分量数据Sscor,h与从滤波器单元4接收的滤波后的图像分量数据Sscor.l.fil相加,用于合成,由此生成非均匀性滤波后的图像数据Sscor.nonuni.fil。这个非均匀性滤波后的图像数据Sscor.nonuni.fil是通过生成用窗口函数施加具有很强的强度的滤波的、具有低的SNR的图像分量和不施加滤波的图像分量以及随后执行加权相加合成而得到的图像数据,以使得施加滤波的图像分量具有更大的加权因子。因此,作为结果,这个图像数据等价于在对原始图像数据Sorig根据SNR分布的空间非均匀性执行在减小噪声效果方面不同的滤波处理时得到的图像数据。
然后,非均匀性滤波后的图像数据Sscor.nonuni.fil被设置为数据校正装置1A的输出Output,并被写入到实空间数据库43。此后,图像显示单元47从实空间数据库43读出非均匀性滤波后的图像数据Sscor.nonuni.fil,其要被提供到显示单元34,由此在显示单元34上显示非均匀滤波后的图像。结果,在显示单元34上显示对其执行灵敏度校正和SNR非均匀分布校正的图像。
应当指出,如上所述,代替使用数据校正装置1A,图1所示的数据校正装置1,图5所示的数据校正装置1B,或图7所示的数据校正装置1C可被构建在磁共振成像装置20的计算机32中。
在图1所示的数据校正装置1被构建在磁共振成像装置20的计算机32中的情况下,生成对其施加滤波的图像数据和对其没有施加滤波的图像数据,并且对其根据SNR的程度使用窗口函数施加滤波的图像数据和对其没有施加滤波的图像被互相合成,以使得当分量具有较低的SNR时滤波后的图像数据的加权因子被设置为更大的数值。
另外,当图5所示的数据校正装置1B或图7所示的数据校正装置1C可被构建在磁共振成像装置20的计算机32中并且在灵敏度校正之前执行关于非均匀SNR的校正时,噪声的空间分布是恒定的,因此通过设置噪声功率为恒定值,在滤波后执行灵敏度校正,这导致处理的简化。
(仿真实验)
接着,给出其中由在图1所示的数据校正装置1对于在MRI装置中得到的目标的腹部图像执行校正的仿真结果的说明。
图14显示由图1所示的数据校正装置1在图像校正的仿真中假设的灵敏度校正之后的理想的腹部图像Sideal_scor。图15显示由图1所示的数据校正装置在图像校正的仿真中使用的灵敏度校正之前的原始图像Sorig。图16显示灵敏度分布ISsens,它被用来对于腹部的线圈及其轮廓的、图15所示的原始图像Sorig进行灵敏度校正。图17显示通过对于腹部的线圈及其轮廓的、图15所示的原始图像Sorig进行灵敏度校正而得到的腹部图像Sideal_scor。图18显示噪声分布noise_scor,它被使用于在灵敏度校正后,由图1所示的数据校正装置1进行图像校正的仿真。
图15所示的、在灵敏度校正之前的原始图像Sorig是对于腹部使用8-ch线圈实际上得到的图像。另外,通过用图16所示的对于腹部的线圈的实际的灵敏度分布对原始图像Sorig进行灵敏度校正而得到的图像是图17所示的腹部图像Sorig_scor。应当指出,在图16的轮廓中,水平轴代表归一化的灵敏度分布,垂直轴代表一维空间位置。另外,在在图17的轮廓中,水平轴代表腹部图像Sorig_scor的信号强度,垂直轴代表它的一维空间位置。
另外,为了得到图18所示的噪声分布noise_scor,其中标准差(SD)为1的高斯噪声通过仿真被提供到具有足够高的SNR的图像,并确定SNR=50。即,在灵敏度校正之前的噪声通过使用在灵敏度校正之前的理想图像数据Sideal的最大值(Sideal)、高斯噪声和SNR(=50),如公式(26)所示地被设置。
noise=max(Sideal)/SNR*(Gaussian noise) (26)
然后,加权函数Wsnr通过使用在切片截面上对于腹部的每个线圈的灵敏度分布被设置为归一化的,以使得确定最大值max=1和最大值min=0。
在这样的条件下,作为均匀滤波器,使用LSI滤波器和结构自适应型DSA(定向结构自适应)滤波器进行图像校正仿真。
图19显示通过用均匀LSI滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行SNR校正而得到的图像。图20显示通过用LSI滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行伴随有加权相加的SNR非均匀校正而得到的图像。图21显示通过用均匀结构自适应滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行SNR校正而得到的图像。图22显示通过用均匀结构自适应滤波器对于在图17所示的灵敏度校正后的腹部图像Sorig_scor及其轮廓执行伴随有加权相加的SNR非均匀校正而得到的图像。
在图19、20、21、或22的每个轮廓图上的水平轴代表在滤波处理后腹部图像的信号强度,垂直轴代表它的一维空间位置。
如图20和22所示,通过使用LSI滤波器和DSA滤波器进行非均匀SNR的校正,得到这样的图像,在其中SNR是高的、由实线包围的区域附近平滑是弱的,以及在其中SNR是低的、由虚线包围的区域附近平滑是强的。结果,当与在图19和21所示的、通过使用LSI滤波器和DSA滤波器进行均匀校正时得到的图像相比较时,通过使用LSI滤波器的非均匀SNR的校正得到的图像具有这样的特性,即高频部分在周围区域是更高的,并且在中心区域噪声被更强地抑制。换句话说,通过非均匀SNR的校正,可以确认,在其中SNR是高的周围区域中模糊度被抑制,另一方面,在其中SNR是低的中心区域中SNR被提高。
图23是显示在由图1所示的数据校正装置1执行图像校正的仿真时通过改变平滑强度执行滤波操作的情况下,噪声的标准差和RMSE的变化的图。
在图23中,水平轴代表在滤波处理后噪声的标准差“noise SD”与在滤波处理前(在灵敏度校正后)原先的噪声的标准差“noiseSDoriginal”的比值“noise SD ratio”,垂直轴代表在滤波处理后的均方根误差“RMSE”与在滤波处理前的均方根误差“RMSEoriginal”的比值“RMSE ratio”。这里,滤波处理后的RMSE根据图14所示的、在灵敏度校正后的理想的图像数据进行计算。
另外,在图23中,虚线和白方块标记代表在使用DSA滤波器进行均匀滤波处理时的数据,实线和黑方块标记代表在使用DSA滤波器进行非均匀滤波处理时的数据。虚线和白圆圈代表在使用LSI滤波器进行均匀滤波处理时的数据,实线和黑圆圈代表在使用LSI滤波器进行非均匀滤波处理时的数据。
根据图23,在使用LSI和DSA滤波器进行均匀滤波处理时,当平滑强度增加时,RMSE连同噪声的标准差一起逐渐减小。一旦平滑强度超过某个电平,就表示噪声的标准差减小和RMSE增加的趋势。与此相反,当使用LSI滤波器进行非均匀滤波处理时,与其中使用LSI滤波器进行均匀滤波处理的情况相比较,RMSE被改进,即使在平滑是强的且噪声的标准差很小时,可以确认,RMSE被抑制到相对较小的水平。
而且,在使用DSA滤波器进行非均匀滤波处理时,与使用LSI滤波器进行非均匀滤波处理相比较,RMSE的最小值是更大的,但即使在平滑强度很强时,可以确认,RMSE的恶化是很小的。所以,在使用DSA滤波器进行非均匀滤波处理时,即使相对于其中SNR是低的中心区域中的图像且平滑强度很强时,可以确认,可以使得模糊度很小。
另外,理想的图像Sideal-scor在实际的图像数据中是未知的,因此不可能得到RMSE。因此,表明用DSA滤波器的非均匀滤波处理在用于滤波器强度的选择的可靠性方面是最好的。
(用于确定滤波器强度的方法)
接着,给出用于上述的均匀滤波器的平滑强度的确定方法的说明。如上所述,根据作为校正目标的数据的SNR分布,重要的是最佳地确定均匀滤波器的平滑强度。鉴于上述内容,将描述用于最佳地确定平滑强度的两种方法。
对于具有非均匀SNR分布的数据执行非均匀滤波,理想地,使得在数据的各个部分中信号组成分布的理想的数据的RMSE最小化。然而,由于理想数据的信号分布是未知的,在正常处理中,也可以说,不可能使得RMSE最小化。另一方面,数据的信号分量分布随数据而变化。但正如在图像校正仿真的结果中显示的,发现当在灵敏度校正后的数据通过使用LSI滤波器进行滤波时,高频分量被恶化到不能忽略的程度,而当在灵敏度校正后的数据通过使用诸如DSA滤波器那样的结构自适应滤波器进行滤波时,高频分量的恶化可被最小化。
鉴于上述内容,将说明当主要使用结构自适应滤波器时,用于确定其中每个数据部分的噪声SD分布被设置为均匀的平滑强度最佳条件的、对于平滑强度的第一确定方法,和在使用包括LSI滤波器的高通用性滤波器的假设下,用于确定其中理想数据的RMSE相对于每个数据部分的信号组成分布进行最小化的平滑强度最佳条件的、对于平滑强度的第二确定方法。
首先,给出对于平滑强度的第一确定方法的说明。
通常,白噪声在k空间中在频率轴方向上以均匀增益分布。所以,在使用通常的LSI滤波器滤波后,在k空间中滤波器函数的空间积分值和不具有实空间信号的部分中测量的噪声SD在它们之间具有正比关系。为了简化起见,考虑在x轴方向上的一维LSI滤波器。因此,当LSI滤波器的滤波器函数被设置为H(kx)而不具有实空间信号的部分中测量的噪声SD被设置为σn时,在k空间中滤波器函数H(kx)的积分值AH可被表示为公式(27),其中a被设置为比例系数。
其中Kx表示频带宽度。
即,频带宽度Kx在离散系统中表示的情况下是在每个轴上-Kx/2到Kx/2的采样频带。另外,假设作为频带宽度Kx的1/2的奈奎斯特频率比目标数据具有的最大频率大得多,并且可以忽略折叠误差。
在公式(27)中,如果给定滤波器函数H(kx),则可以计算在k空间中滤波器函数H(kx)的积分值AH。另外,可以从在灵敏度校正之前不具有实空间信号的部分中的噪声或从k空间中高频部分中的噪声SD中测量噪声SDσn。
另一方面,在滤波前具有非均匀SNR分布的数据的最小SNR部分与最大SNR部分的SNR比值SNRR1h,当在灵敏度校正后最小SNR部分的噪声SD被设置为σnl且最大SNR部分的噪声SD被设置为σnh时,可以通过使用从传感器(线圈)的灵敏度分布得到的SNR分布Isens被表示为公式(28)。
SNRRlh=(1/σnl)/(1/σnh)=σnh/σnl={σn/max(Isens)}/{σn/min(Isens)}=min(Isens)/max(Isens)
(28)
即,不必测量噪声SD来得到在SNR的最小值与最大值之间的比值,并且如果在灵敏度校正之前进行测量,则可以得到绝对的噪声量。
图24是表示在由数据校正装置进行灵敏度校正后和非均匀滤波前噪声的非均匀分布和标准差的概念图。图25是表示通过用非均匀滤波对于图24所示的噪声的非均匀分布进行均匀化而得到的噪声的分布和标准差的概念图。
在图24和25中,每个横坐标表示空间位置,每个纵坐标表示噪声的功率和标准差。而且,在图24和25上,每条实线显示噪声的分布,每条虚线显示噪声的SD。
如图24所示,在对数据执行非均匀滤波之前的噪声在空间上非均匀地分布,其中有具有小的噪声功率和高SNR的高SNR部分(高SNR)和具有大的噪声功率和低SNR的低SNR部分(低SNR)。另外,在高SNR部分(高SNR)中的噪声σnh和在低SNR部分(低SNR)中的噪声σnl可以如图24所示地表示。
图24中显示的噪声SD通过非均匀滤波如图25所示地被设置为均匀,连同SNR一起改变。即,整个噪声的SD通过非均匀滤波被减小,以便与在非均匀滤波之前在高SNR部分(高SNR)中的噪声SDσnh相一致。结果,整体来说,在非均匀滤波后的噪声SD均匀地变为等价于在非均匀滤波之前的高SNR部分(高SNR)中的噪声SDσnh。
这里,假设在使用LSI滤波器对最小SNR部分(低SNR)的数据均匀滤波后的数据和在对最大SNR部分(高SNR)的数据均匀滤波后的数据被互相合成,分别具有1和0的加权因子,由此整个数据结果受到非均匀滤波。然后,在对最小SNR部分(低SNR)的数据进行非均匀滤波后的数据(在图25的中心附近)的SNR等价于在均匀滤波后的SNR,以及在对最大SNR部分(高SNR)的数据进行非均匀滤波后的数据(在图25的末端部分附近)的SNR等价于在均匀滤波前的SNR。换句话说,在非均匀滤波前的最小SNR部分(低SNR)的SNR等价于在均匀滤波前的SNR,以及在非均匀滤波前的最大SNR部分(高SNR)的SNR等价于在均匀滤波后的理想SNR。
这里,当在使用LSI进行均匀滤波之前和之后的SNR之间的比值被设置为SNRRfil.lh时,SNR比值SNRRfil.lh可以通过使用分别被施加到最小SNR部分(低SNR)和最大SNR部分(高SNR)的滤波器函数的积分值AHl和AHh被表示为公式(29)。
SNRRfil.lh=AHl/AHh (29)
所以,得到其中平滑强度最佳条件被设置为如图25所示的“具有非均匀SNR的每个数据部分中的噪声SD变为最大SNR部分中的噪声SD的条件”的最佳条件的尝试,简化了确定被施加到最小SNR部分(低SNR)的滤波器函数H1(kx)的积分值以使得公式(28)的右端部分与公式(29)的右端部分互相相等或成比例的问题。换句话说,滤波器函数的积分值应当被控制成使得作为目标滤波的数据的SNR分布被设置为在灵敏度校正后的不具有实空间信号的部分的噪声SD的倒数,以及SNR分布的最小值与最大值之间的比值变为同在滤波器函数加到其中SNR变为最小值的部分的积分值与滤波器函数加到其中SNR变为最大值的部分的积分值之间的比值成比例(也包括相同的情况和比例系数倍数的情况)。
所以,根据公式(28)和公式(29),滤波器函数H1(kx)的积分值可以按公式(30)被确定。
AHl=AHh*SNRRlh=AHh*min(Isens)/max(Isens) (30)
这里,如果假设在最大SNR部分(高SNR)中的噪声SD不被LSI滤波器改变,则施加到最大SNR部分(高SNR)的LSI滤波器可被看作为等价于具有增益为1的滤波器,所以被施加到最大SNR部分(高SNR)的LSI滤波器的滤波器函数的积分值AHh可以按公式(31)被定义。
所以,当把公式(31)的结果代入公式(30)时,得到公式(32)。
AHl=SNRRlh*Kx (32)
根据公式(32),如果找到在最大SNR部分(高SNR)中的噪声SD与最小SNR部分(低SNR)中的噪声SD之间的比值以及采样频带Kx,则可以看到,可以确定应当被施加到最小的SNR部分(低SNR)的滤波器函数H1(kx)的积分值AHl。
顺便地,在确定如公式(32)所示的用于提供积分值AHl的滤波器函数H1(kx)的情况下,约束条件仅仅是积分值,因此,用于设计滤波器函数H1(kx)的灵活性很大。应当指出,通常,滤波器函数H1(kx)最好是增益随较高的频率分量而减小的函数。鉴于上述内容,例如,滤波器函数H1(kx)被设置为Hanning函数,如公式(33)所示。
H(kx)=0.5{1+cos(bx*kx/Kx)}:|kx|<Kx/bx;=0:other wise (33)
应当指出,bx表示用于确定LSI滤波器的截止频率的参数,当bx=2时,截止频率变为等于采样最大/最小频率±kx/2。
图26是显示在数据校正装置中的均匀滤波器的滤波器函数是Hanning函数的情况下的例子的图。
在图26中,横坐标表示频率轴kx,纵坐标表示滤波器函数H1(kx)。如图26所示,由滤波器函数H1(kx)和频率轴kx包围的部分的面积是在公式(32)下确定的滤波器函数H1(kx)的积分值AHl。另外,当参数bx被调节时,LSI滤波器的截止频率可以在采样最大/最小频率±kx/2的范围内任意设置。
当滤波器函数H1(kx)如公式(33)所示地被定义时,滤波器函数H1(kx)的积分值AHl被表示为公式(34)。
所以,公式(35)可以从公式(32)和公式(34)得出。
SNRRlh=Ah/Al=Kx/bxKx=1/bx (35)
然后,当公式(35)用参数bx表达时,得到公式(36)。
bx=1/SNRRlh=σnl/σnh (36)
根据公式(36),可以看到,参数bx可以通过使用由公式(28)给出的、在最大SNR部分(高SNR)中的噪声SD与最小SNR部分(低SNR)中的噪声SD之间的比值SNRR1h被确定。
当LSI滤波器的滤波器函数H1(kx)通过这样的方法被确定并且非均匀SNR校正通过上述的加权相加进行时,可以得到最佳数据而同时噪声SD分布被设置为均匀的。
应当指出,当噪声以通常的三维分布时,在k空间(kx,ky,kz)中滤波器函数H(kx,ky,kz)的积分值AH与噪声SDσn之间的关系是如公式(37)所示,其中比例系数被设置为a。
这里,如果滤波器函数H(kx,ky,kz)是被表示为直接乘积类型的函数,如公式(38-1)所示,则分别施加到最小SNR部分(低SNR)和最大SNR部分(高SNR)的滤波器函数H(kx,ky,kz)的积分值AHl和AHh分别被表示为公式(38-2)和公式(38-3)。
H(kx,ky,kz)=H(kx)H(ky)H(kz) (38-1)
AHh=KxKyKz (38-2)
AHl=SNRRlh*KxKyKz (38-3)
应当指出,施加到最大SNR部分(高SNR)的LSI滤波器被假设为具有增益为1的滤波器。
根据公式(38-3),可以看到,正如在噪声按一维分布的情况下,滤波器函数H(kx,ky,kz)的积分值AHl和AHh是根据由公式(28)给出的、在最大SNR部分(高SNR)中的噪声SD与最小SNR部分(低SNR)中的噪声SD之间的比值SNRR1h得到的。
特别地,当滤波器函数H(x,y,z)通过使用具有参数bx、by和bz的Hanning函数被定义时,得到公式(39)
SNRRlh=Ah/Al=(Kx/bxKx)(Ky/byKy)(Kz/bzKz)=1/(bxbybz) (39)
所以,Hanning函数的参数bx、by和bz的乘积bxbybz可以根据公式(39)得到。这里,如果由Hanning函数定义的三维滤波器函数H(x,y,z)是原点对称型函数,则可以确定bx=by=bz=b。因此,公式(39)被表示为公式(40)。
SNRRlh=1/b3 (40)
所以,根据公式(40),滤波器函数H(x,y,z)的参数b可以根据在最大SNR部分(高SNR)中的噪声SD与最小SNR部分(低SNR)中的噪声SD之间的比值SNRR1h唯一地被确定。
以上描述了在最佳条件是噪声SD被设置为均匀的情况下用于均匀滤波器的平滑强度的最佳确定方法。此外,为了达到相对于图像数据的视觉最佳性的匹配或者得到与绝对SNR的相关性,可以引入一个系数。这个系数可以是常数或变量。
例如,平均SNR被设置为SNRm,SNRm按公式(41)表示。
SNRm=S(DC)/sn (41)
应当指出,S(DC)表示在k空间内的DC附近信号的绝对值平均值。即,SNRm被设置为在k空间内的DC附近信号的绝对值平均值S(DC)与噪声SDσn之间的比值。
然后,引入使用作为绝对SNR的SNRm作为参数的系数C(SNRm),并且系数C(SNRm)被设置为SNRm的这样的函数,以使得当SNRm更小时平滑强度变为更大。而且,公式(32)通过使用系数C(SNRm)被变换成公式(42),并且用于滤波器函数的积分值AHl的条件可被校正。
AHl=C(SNRm)*SNRRlh*Kx (42)
另外,当结构自适应滤波器被使用于非均匀SNR校正时,在滤波后的噪声SD基本上还取决于在实空间中数据的信号分布。应当指出,如果噪声SD用在实空间中信号的平坦部分或没有信号的部分中的SD被定义,如使用LSI滤波器的情况,则结构自适应滤波器的滤波器函数的积分值可被确定。在使用LSI滤波器的滤波中,在较小的SNR部分中平滑是更强的,并且空间分辨率被恶化,但在使用结构自适应滤波器的滤波中,可以得到噪声分布的均匀化,而同时保持空间分辨率,由此有可能执行更接近于理想化的校正。
换句话说,上述对于平滑强度的第一确定方法是通过使用作为直流分量的SNR的分母的噪声而确定滤波器函数。
(Wiener滤波器的应用)
接着,给出对于平滑强度的第二确定方法的说明。
对于平滑强度的第二确定方法是用于确定平滑强度,以使得在使用如上所述的诸如Wiener滤波器那样的高通用性滤波器来进行滤波的情况下数据的RMSE最小化。
Wiener滤波器(此后表示为WF)的滤波器函数Hw可被理想地表示为当信号的功率被设置为Ps且噪声的功率被设置为Pn时关于如公式(43)所示的滤波空间的函数。
Hw=Ps/(Ps+Pn) (43)
通常,信号的功率Ps是对于被施加以WF的空间的函数,而噪声的功率Pn是恒定的。被施加以WF的总的空间由傅立叶空间来规定,由傅立叶空间规定的WF被表示为FT-WF。应当指出,被施加以WF的目标可以是FREBAS空间以及被划分成多个分辨率的任何WF空间,由FREBAS空间规定的WF被表示为FR-WF。
通常,在对于具有非均匀SNR的数据进行校正时,WF不被用于其中具有噪声分布的、灵敏度校正后的滤波。然而,当执行通过使用在灵敏度校正后在其中SNR变为最大值的部分中的噪声的功率和在其中SNR变为最小值的部分中的噪声的功率而被最佳化的WF处理,并对WF处理后的数据执行加权相加时,可以认为可以实现空间最佳的SNR校正。鉴于上内容,WF被施加到在灵敏度校正后的数据。
在其中SNR大到某种程度的情况下,WF的滤波器函数Hw可被确定为理想类型,如公式(43)所示。在这种情况下,当理想数据的信号分布是未知时,信号的功率Ps可以从作为滤波目标的数据得出。另外,在其中SNR小到某种程度的情况下,WF的滤波器函数Hw可被确定为阈值类型,如公式(44)所示,在其中,阈值或较低的数值被看作为零。
Hw=max[Ps-Pn,0]/Ps (44)
而且,在确定上述的滤波器函数Hw时,信号的功率Ps也可以根据在相邻的三维像素之间的相关性被得到。另外,噪声的功率Pn可以通过使用校正系数Ca如公式(45)所示地被校正。
Pn=Ca*Pn (45)
换句话说,根据上述的对于平滑强度的第二确定方法,当通过WF执行滤波时,在每个数据部分中的信号的功率Ps被用作为理想数据的信号分布的近似解,并且数据相对于理想数据的RMSE被最小化。
然后,通过采用上述的对于平滑强度的第二确定方法,可以使得滤波器的平滑强度最佳化。这种用于平滑强度的最佳化函数可被提供到滤波器单元4。这里,给出对于与平滑强度最佳化有关的滤波的处理流程的说明。例如,给出其中在图1所示的数据校正装置1的滤波器单元4中进行与平滑强度最佳化有关的滤波的情况的说明。
图27是显示在图1所示的数据校正装置1中的滤波器单元中均匀滤波器的平滑强度的最佳化滤波的情况下的处理流的流程图。在图27上包括S和数字的符号表示流程图的每个步骤。
首先,在步骤S30,作为滤波目标的、在实空间中的数据被变换成滤波空间中的数据。当用FT-WF对图像数据进行滤波时,在灵敏度校正后在实空间中的图像数据Sscor(x,y,z)受到FT,把图像数据Sscor(x,y,z)变换成在k空间(kx,ky,kz)中的数据Sscor(kx,ky,kz),如公式(46-1)所示。同时,对于此后描述的处理,在灵敏度校正前在实空间中的图像数据Sorig(x,y,z)受到FT,变换成在k空间(kx,ky,kz)中的数据Sorig(kx,ky,kz),如公式(46-2)所示。
Sscor(kx,ky,kz)=FT[Sscor(x,y,z)] (46-1)
Sorig(kx,ky,kz)=FT[Sorig(x,y,z)] (46-2)
应当指出,当用FR-WF对图像数据进行滤波时,不用FT,而使用FREBAS转换,用于变换到FREBAS空间。此后,给出其中用FT-WF对图像数据进行滤波的情况的说明。
接着,在步骤S31,在灵敏度校正后噪声功率的最小值Pn1和最大值Pnh是从在灵敏度校正前的噪声的功率Pnorig和传感器的灵敏度分布Isens(x,y,z)得到的。即,在灵敏度校正前的噪声的功率Pnorig是从在灵敏度校正前在k空间数据Sorig(kx,ky,kz)中的高频部分得到的。然后,根据公式(47-1)和公式(47-2),得到在灵敏度校正后噪声功率的最小值Pnl和最大值Pnh。
Pnl=Pnorig/min[Isens(x,y,z)] (47-1)
Pnh=Pnorig/max[Isens(x,y,z)] (47-2)
接着,在步骤S32,根据在灵敏度校正后噪声功率的最小值Pn1和最大值Pnh,通过公式(43)或公式(44)得到被施加到其中SNR变为最大值的部分的WF的滤波器函数Hwh(kx,ky,kz)和被施加到其中SNR变为最小值的部分的WF的滤波器函数Hwl(kx,ky,kz)。
接着,在步骤S33,如公式(48-1)和公式(48-2)所示,由两种类型的平滑强度的滤波器函数Hwl(kx,ky,kz)和Hwh(kx,ky,kz)规定的WF被施加到在灵敏度校正后的k空间数据Sscor(kx,ky,kz),由此把k空间数据Sscor(kx,ky,kz)划分成两个k空间分量数据段:数据Sscor.fil.l(kx,ky,kz)和数据Sscor.fil.h(kx,ky,kz)。
Sscor.fil.l(kx,ky,kz)=Hwl(kx,ky,kz)*Sscor(kx,ky,kz) (48-1)
Sscor.fil.h(kx,ky,kz)=Hwh(kx,ky,kz)*Sscor(kx,ky,kz) (48-2)
接着,在步骤S34,如公式(49-1)和公式(49-2)所示,在滤波空间中的k空间分量数据Sscor.fil.l(kx,ky,kz)和k空间分量数据Sscor.fil.h(kx,ky,kz)通过IFT(逆傅立叶变换)被分别变换成实空间分量数据Sscor.fil.l(x,y,z)和Sscor.fil.h(x,y,z)。
Sscor.fil.l(x,y,z)=IFT[Sscor.fil.l(kx,ky,kz)] (49-1)
Sscor.fil.h(x,y,z)=IFT[Sscor.fil.h(kx,ky,kz)] (49-2)
然后,这样得到的实空间分量数据Sscor.fil.l(x,y,z)和实空间分量数据Sscor.fil.h(x,y,z)作为来自滤波器单元4的输出数据被提供到加权相加单元5。然后,如上所述,代表在SNR分布获取单元3中得到的SNR的分布的加权函数Wsnr(x,y,z)被用来对实空间分量数据Sscor.fil.l(x,y,z)和实空间分量数据Sscor.fil.h(x,y,z)进行加权相加,由此生成其中非均匀SNR分布被校正的图像数据。
通过在滤波器单元4中这样的处理,与平滑强度的最佳化有关的非均匀滤波可以在最佳条件下进行,其中通过使用WF进行滤波,以使得RMSE被最小化而同时处理具有非均匀SNR分布的数据。应当指出,类似于图2所示的流程,当在非均匀滤波后的SNR被设置为在非均匀滤波前的最大SNR时,由滤波器函数Hwh(x,y,z)规定的WF没有施加到k空间数据Sscor(x,y,z),而仅仅由滤波器函数Hwl(x,y,z)规定的WF被施加到k空间数据Sscor(x,y,z)。在这种情况下,不是把实际空间分量数据Sscor.fil.h(x,y,z)从滤波器单元4输出到加权相加单元5,而是把在灵敏度校正后的图像数据Sscor(x,y,z)作为加权相加的目标从校正单元2提供到加权相加单元5。
另外,如上所述,在使用FT-WF进行滤波的情况下,可能出现某种程度的空间分辨率的恶化。另一方面,如果使用FR-WF进行滤波,有可能将空间分辨率的恶化抑制到最小值。
(X射线CT装置的应用例)
每个数据校正装置1,1A,1B和1C可被构建在X射线CT装置中。所以,将描述在X射线CT装置中构建图1所示的数据校正装置1对由用作为传感器的X射线检测器获取的投影数据或X射线CT图像数据执行灵敏度校正的例子。
图28是显示根据本发明的一个实施例的X射线CT装置的结构图。
图28所示的X射线CT装置包括起重架部分51和计算机部分52。起重架部分51包括X射线管53、高压生成器54、X射线检测器55和DAS(数据获取系统)56。图28显示配备有两个X射线管53A和53B与X射线检测器55A和55B的多管CT装置。应当指出,也可以使用配备有单个X射线管53与X射线检测器55的单管CT装置。
X射线管53A和53B与X射线检测器55A和55B被提供在与被夹在中间的物体P相对的位置处的旋转环上(未示出)。
高压生成器54被配置成把管电流和管电压分别提供到X射线管53A和53B。X射线检测器55A和55B被配置成检测分别从X射线管53A和53B暴露的和通过物体P传送的X射线。而且,分别由X射线检测器55A和55B检测的X射线检测信号被提供到用于数字化的DAS 56,然后提供到计算机部分52。
具有程序的计算机部分52用作为数据处理单元57、投影数据存储单元58、CT图像数据存储单元59和检测器灵敏度分布存储单元60。而且,图1所示的数据校正装置1被构建在计算机部分52中。
数据处理单元57具有通过对于来自DAS 56的X射线检测信号执行各种数据处理而生成投影数据和X射线CT图像的功能。由数据处理单元57产生的投影数据和X射线CT图像分别被存储在投影数据存储单元58和CT图像数据存储单元59中。
而且,检测器灵敏度分布存储单元60存储各个X射线检测器55A和55B的空间灵敏度分布信息。
然后,数据校正装置1的灵敏度校正单元2被配置成通过使用从检测器灵敏度分布存储单元60获取的X射线检测器55A和55B的各个空间灵敏度分布信息对从投影数据存储单元58获取的投影数据或从CT图像数据存储单元59获取的X射线CT图像数据执行灵敏度校正。
而且,SNR分布获取单元3被配置成估计连同通过使用从检测器灵敏度分布存储单元60获取的灵敏度分布信息和从投影数据存储单元58获取的投影数据或从CT图像数据存储单元59获取的X射线CT图像数据对投影数据或X射线CT图像数据的灵敏度校正一起生成的SNR的分布。
投影数据的空间SNR分布可以在每个信道从各个X射线检测器55A和55B输出的X射线检测器信号的强度得到。X射线图像数据的空间SNR分布可以从以粗略的矩阵产生的重建的CT图像被得到。
图29是表示在图28所示的X射线CT装置的成像区域中的位置与从每个X射线检测器55A和55B输出的X射线检测信号的强度之间的关系的图。
在图29中,横坐标表示在成像区域上的位置,纵坐标表示X射线检测信号的强度。
当例如得到投影数据的SNR分布时,对应于诸如骨骼的结构的部分的X射线剂量,显示为如图29所示的投影方向上大的X射线吸收系数,被减小。所以,相对于所有的投影数据,得到从X射线检测器55A和55B输出的X射线检测信号的强度分布。因此,X射线检测信号的强度分布可以用作为SNR分布。
而且,X射线CT图像数据的SNR分布(SNR)等价于粗略地重建的CT图像的CT值(CT#)的倒数,如公式(50)所示。
1/CT#∝SNR (50)
在具有数据校正装置1的X射线CT装置50中,在每个X射线检测器55A和55B中固有的空间非均匀灵敏度分布可以被校正,而同时保持SNR分布的空间均匀性。另外,在具有数据校正装置1的X射线CT装置50中,在X射线检测器55A和55B之间的灵敏度差异也可以被校正。
换句话说,当不但在多管X射线CT装置50中而且在具有多个传感器的医疗装置中收集的数据被设置为数据校正装置1,1A,1B或1C的校正目标时,可以校正传感器的各个空间灵敏度差异以及在传感器之间的灵敏度差异。
Claims (25)
1.一种数据校正装置,包括:
灵敏度校正单元,被配置成通过使用用于获取校正目标数据的传感器的非均匀灵敏度分布对于根据校正目标数据得到的第一目标数据执行灵敏度校正而产生第一处理数据;以及
信噪比分布校正单元,被配置成产生分量数据段,每个分量数据段根据信噪比分布受到相应加权,并通过使用根据校正目标数据得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
2.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成用取决于信噪比分布的加权划分或者用通过对于第二目标数据的具有互相不同的强度的相应滤波而进行的划分,产生分量数据段。
3.根据权利要求1的数据校正装置,
其中所述灵敏度校正单元被配置来考虑用作第一目标数据的校正目标数据执行灵敏度校正;并且
所述信噪比分布校正单元被配置成考虑作为第二目标数据的在灵敏度校正后的校正目标数据的第一处理数据产生第二处理数据。
4.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成考虑作为第二目标数据的校正目标数据产生第二处理数据;并且
所述灵敏度校正单元被配置成考虑作为第一目标数据的第二处理数据执行灵敏度校正。
5.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成通过使用互相不同的加权因子对第二目标数据加权而产生第一中间分量数据段,并对于第一中间分量数据段执行具有互相不同的强度的相应滤波。
6.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成通过对于第二目标数据执行具有互相不同的强度的相应滤波而产生第二中间分量数据段,并对于第二中间分量数据段进行加权相加。
7.根据权利要求1的数据校正装置,
还包括信噪比分布估计单元,被配置成通过使用非均匀灵敏度分布来估计信噪比分布,
其中所述信噪比分布校正单元被配置成根据由所述信噪比分布估计单元估计的信噪比分布来执行加权。
8.根据权利要求1的数据校正装置,
还包括信噪比分布估计单元,被配置成通过使用校正目标数据来估计信噪比分布,
其中所述信噪比分布校正单元被配置成根据由所述信噪比分布估计单元估计的信噪比分布来执行加权。
9.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成通过使用具有在时间上和空间上是均匀的特性的滤波器执行具有互相不同的强度的相应滤波。
10.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成通过使用其强度在时间上和空间上是不可变的线性滤波器、结构自适应滤波器、和其强度被确定为使得在频带划分的空间中的信噪比最佳化的滤波器中的至少一个滤波器执行具有互相不同的强度的相应滤波。
11.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成通过使用其强度被确定为使得信噪比最佳化的滤波器执行具有互相不同的强度的相应滤波,以及处理空间是傅立叶空间、通过施加Fresnel变换被划分成频带的空间、和通过用小波变换划分实时空间而得到的空间之一。
12.根据权利要求1的数据校正装置,
其中所述灵敏度校正单元被配置来对于根据一维图像数据、二维图像数据、三维图像数据和四维图像数据中的一个图像数据得到的第一目标数据,关于作为校正目标数据的该一个图像数据执行灵敏度校正;并且
所述信噪比分布校正单元被配置成通过使用根据该一个图像数据得到的第二目标数据,产生第二处理数据。
13.根据权利要求1的数据校正装置,
其中所述灵敏度校正单元被配置来对于根据通过脑电图、心电图、同步示波器和超声诊断装置之一获取的具有时间轴的数据而得到的第一目标数据,考虑作为校正目标数据的具有时间轴的数据,执行灵敏度校正;并且
所述信噪比分布校正单元被配置成通过使用根据具有时间轴的数据得到的第二目标数据,产生第二处理数据。
14.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成执行以下操作:
使用非均匀灵敏度分布得到在灵敏度校正后的第一处理数据上噪声的功率,
使用其强度被确定为互相不同的以便根据噪声的功率使得信噪比最佳化的每个滤波器函数对于第一处理数据执行具有互相不同的强度的相应滤波,并且
对于每个由具有互相不同的强度的相应滤波产生的第三中间分量数据段执行加权相加。
15.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元被配置成执行以下操作:
使用非均匀灵敏度分布得到在灵敏度校正后的第一处理数据上噪声的最大功率和最小功率,
使用其强度被确定为使得根据最大噪声功率使信噪比最佳化的、用于最小信噪比的滤波器函数和其强度被确定为使得根据最小噪声功率使信噪比最佳化的、用于最大信噪比的滤波器函数中的每个滤波器函数对于第一处理数据执行具有互相不同的强度的相应滤波,并且
对于每个由具有互相不同的强度的相应滤波产生的两个第四中间分量数据段执行加权相加。
16.根据权利要求1的数据校正装置,
其中所述信噪比分布校正单元包括滤波器强度确定单元,所述滤波器强度确定单元被配置成根据滤波器函数的积分值和信噪比分布的条件确定被用于具有互相不同的强度的相应滤波的滤波器的滤波器函数。
17.根据权利要求16的数据校正装置,
其中所述滤波器强度确定单元被配置成考虑在作为在灵敏度校正后不具有实空间数据信号的部分上的噪声标准差的倒数的滤波目标数据上的信噪比分布确定滤波器函数,以使得在作为具有互相不同的强度的相应的滤波的目标的滤波目标数据上信噪比分布的最小值与最大值之间的比值与在被施加到滤波目标数据上的显示最小信噪比的部分的、用于最小信噪比的滤波器函数的积分值与在被施加到滤波目标数据上的显示最大信噪比的部分的、用于最大信噪比的滤波器函数的积分值之间的比值成正比。
18.根据权利要求16的数据校正装置,
其中所述滤波器强度确定单元被配置成通过使用取决于作为具有互相不同强度的相应滤波的目标的滤波目标数据的绝对信噪比的校正系数来校正滤波器函数的积分值的条件。
19.一种数据校正方法,包括以下步骤:
通过使用用于获取校正目标数据的传感器的非均匀灵敏度分布对于根据校正目标数据得到的第一目标数据执行灵敏度校正而产生第一处理数据;和
产生分量数据段,每个分量数据段根据信噪比分布受到相应加权,并通过使用根据校正目标数据得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
20.一种磁共振成像装置,包括:
线圈;
数据获取单元,被配置成通过用作为传感器的所述线圈获取物体的磁共振图像数据和k空间数据中的至少一项;
灵敏度校正单元,被配置成通过使用所述线圈的非均匀灵敏度分布对于根据磁共振图像数据和k空间数据中的至少一项得到的第一目标数据执行灵敏度校正而产生第一处理数据;以及
信噪比分布校正单元,被配置成产生成分量数据段,每个分量数据段根据信噪比分布受到相应加权,并通过使用根据磁共振图像数据和k空间数据中的至少一项得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合这些分量数据段产生第二处理数据。
21.根据权利要求20的磁共振成像装置,
其中所述线圈包括表面线圈,以及
所述数据获取单元被配置成通过用作为所述传感器的所述表面线圈获取磁共振图像数据和k空间数据中的至少一项。
22.根据权利要求20的磁共振成像装置,
其中所述线圈包括表面线圈,以及
所述数据获取单元被配置成通过用作为所述传感器的所述表面线圈按并行展开成像获取磁共振图像数据和k空间数据中的至少一项。
23.根据权利要求20的磁共振成像装置,还包括:
灵敏度分布获取单元,根据从物体获取的磁共振信号估计所述线圈的非均匀灵敏度分布;
信噪比分布估计单元,被配置成根据由所述灵敏度分布获取单元估计的非均匀灵敏度分布来估计信噪比分布,
其中所述信噪比分布校正单元被配置成根据由所述信噪比分布估计单元估计的信噪比分布来执行加权。
24.根据权利要求20的磁共振成像装置,
其中所述线圈包括表面线圈,
还包括信噪比分布估计单元,被配置成根据根据所述表面线圈的独立性得到的g因子来估计信噪比分布,
其中所述信噪比分布校正单元被配置成根据由所述信噪比分布估计单元估计的信噪比分布来执行加权。
25.一种X射线CT装置,包括:
X射线检测器;
数据获取单元,被配置成通过用作为传感器的所述X射线检测器获取物体的图像数据和投影数据中的至少一项;
灵敏度校正单元,被配置成通过对于使用所述X射线检测器的非均匀的灵敏度分布根据图像数据和投影数据中的至少一项得到的第一目标数据执行灵敏度校正而产生第一处理数据;和
信噪比分布校正单元,被配置成产生分量数据段,每个分量数据段根据信噪比分布受到相应加权,并通过使用根据图像数据和投影数据中的至少一项得到的第二目标数据而进行具有互相不同的强度的相应滤波,以便通过混合分量数据段产生第二处理数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006041106 | 2006-02-17 | ||
JP2006041106 | 2006-02-17 | ||
JP2006332466 | 2006-12-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101023867A CN101023867A (zh) | 2007-08-29 |
CN100591269C true CN100591269C (zh) | 2010-02-24 |
Family
ID=38742740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710084912A Expired - Fee Related CN100591269C (zh) | 2006-02-17 | 2007-02-16 | 数据校正装置、数据校正方法、磁共振成像装置和x射线ct装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5349673B2 (zh) |
CN (1) | CN100591269C (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8660330B2 (en) | 2008-06-27 | 2014-02-25 | Wolfram Jarisch | High efficiency computed tomography with optimized recursions |
JP5543448B2 (ja) | 2008-06-27 | 2014-07-09 | アール.ヤーリッシュ ウォルフラム | 高効率コンピュータ断層撮影 |
CN101975936A (zh) * | 2010-09-03 | 2011-02-16 | 杭州电子科技大学 | 一种基于cs压缩感知技术的快速磁共振成像方法 |
CN102129056B (zh) * | 2010-12-27 | 2012-10-17 | 中国科学院深圳先进技术研究院 | 磁共振成像方法 |
CN102542161A (zh) * | 2011-12-23 | 2012-07-04 | 北京汇影互联科技有限公司 | 磁共振脉冲序列集成开发系统 |
US9943281B2 (en) * | 2013-07-25 | 2018-04-17 | Hitachi, Ltd. | X-ray CT apparatus |
CN104771167B (zh) * | 2014-01-09 | 2018-11-30 | 上海联影医疗科技有限公司 | 磁共振扫描方法、磁共振扫描装置及系统 |
CN105093145B (zh) * | 2014-05-19 | 2019-04-23 | 上海联影医疗科技有限公司 | 线圈灵敏度修正方法 |
US11300646B2 (en) | 2014-11-10 | 2022-04-12 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method |
CN106994021B (zh) * | 2016-01-22 | 2022-10-14 | 通用电气公司 | 一种计算ct影像上的噪声的方法及装置 |
CN106526515B (zh) * | 2016-11-28 | 2017-11-03 | 中国科学院武汉物理与数学研究所 | 一种基于统计的核磁共振一维谱信噪比提高方法 |
WO2020077592A1 (zh) * | 2018-10-18 | 2020-04-23 | 清华大学 | Ct系统能谱不一致性的校正方法 |
JP7346270B2 (ja) * | 2018-12-25 | 2023-09-19 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、およびプログラム |
US11536790B2 (en) | 2018-12-25 | 2022-12-27 | Canon Medical Systems Corporation | Medical information processing apparatus, medical information processing method, and storage medium |
JP7228386B2 (ja) * | 2019-01-04 | 2023-02-24 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、磁気共鳴イメージング装置、および医用画像処理方法 |
US11415656B2 (en) | 2019-01-30 | 2022-08-16 | Canon Medical Systems Corporation | Medical information processing apparatus, magnetic resonance imaging apparatus, and medical information processing method |
JP7341913B2 (ja) * | 2019-01-30 | 2023-09-11 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、磁気共鳴イメージング装置、および医用情報処理方法 |
CN113820539B (zh) * | 2021-08-19 | 2024-05-28 | 南京国电南自电网自动化有限公司 | 基于基波角度校准的谐波、间谐波角度校准方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0271123A1 (en) * | 1986-11-07 | 1988-06-15 | Koninklijke Philips Electronics N.V. | Method and arrangement for determining a corrected MRI surface coil image |
CN1115628A (zh) * | 1993-07-22 | 1996-01-31 | 株式会社岛津制作所 | 磁共振成像装置 |
CN1636508A (zh) * | 2003-12-22 | 2005-07-13 | Ge医疗系统环球技术有限公司 | 磁共振成像设备和磁共振成像方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0287092A (ja) * | 1988-09-26 | 1990-03-27 | Hitachi Medical Corp | ポジトロンct装置 |
JPH0759750A (ja) * | 1993-08-30 | 1995-03-07 | Hitachi Medical Corp | 核磁気共鳴イメージング装置 |
JP3393698B2 (ja) * | 1994-02-16 | 2003-04-07 | 株式会社日立メディコ | 画像補正方法および画像処理装置 |
JP3547520B2 (ja) * | 1995-04-20 | 2004-07-28 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
JP3689509B2 (ja) * | 1996-11-21 | 2005-08-31 | 株式会社日立メディコ | 画像補正処理方法 |
US5943433A (en) * | 1996-12-30 | 1999-08-24 | General Electric Company | Method for correcting inhomogeneity of spatial intensity in an aquired MR image |
JP3896007B2 (ja) * | 2002-03-07 | 2007-03-22 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 磁気共鳴撮像装置 |
JP4346968B2 (ja) * | 2003-06-13 | 2009-10-21 | キヤノン株式会社 | 放射線撮影方法、放射線撮影装置、及びコンピュータプログラム |
US20080310695A1 (en) * | 2003-09-04 | 2008-12-18 | Garnier Stephen J | Locally Adaptive Nonlinear Noise Reduction |
JP4391214B2 (ja) * | 2003-12-12 | 2009-12-24 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
JP4006423B2 (ja) * | 2004-05-18 | 2007-11-14 | 株式会社東芝 | 磁気共鳴イメージング装置 |
JP4698231B2 (ja) * | 2004-06-11 | 2011-06-08 | 株式会社日立メディコ | 磁気共鳴診断装置 |
JP4427414B2 (ja) * | 2004-08-04 | 2010-03-10 | 株式会社東芝 | 磁気共鳴イメージング装置 |
-
2007
- 2007-02-16 CN CN200710084912A patent/CN100591269C/zh not_active Expired - Fee Related
-
2012
- 2012-11-30 JP JP2012263650A patent/JP5349673B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0271123A1 (en) * | 1986-11-07 | 1988-06-15 | Koninklijke Philips Electronics N.V. | Method and arrangement for determining a corrected MRI surface coil image |
CN1115628A (zh) * | 1993-07-22 | 1996-01-31 | 株式会社岛津制作所 | 磁共振成像装置 |
CN1636508A (zh) * | 2003-12-22 | 2005-07-13 | Ge医疗系统环球技术有限公司 | 磁共振成像设备和磁共振成像方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5349673B2 (ja) | 2013-11-20 |
CN101023867A (zh) | 2007-08-29 |
JP2013046833A (ja) | 2013-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100591269C (zh) | 数据校正装置、数据校正方法、磁共振成像装置和x射线ct装置 | |
EP1830198B1 (en) | Data correction apparatus and method | |
US9396562B2 (en) | MRI reconstruction with incoherent sampling and redundant haar wavelets | |
JP6232043B2 (ja) | K空間領域の中央および周辺のサンプリング最中での呼吸運動の検出を用いた磁気共鳴画像の再構成 | |
US9482732B2 (en) | MRI reconstruction with motion-dependent regularization | |
US7394252B1 (en) | Regularized GRAPPA reconstruction | |
US9575153B2 (en) | MR imaging using a multi-point dixon technique | |
CN103238082B (zh) | 使用多点Dixon技术和低分辨率校准的MR成像 | |
JP5547800B2 (ja) | 並列信号収集を利用したmr撮像 | |
US20130063143A1 (en) | Local SAR Constrained Parallel Transmission RF Pulse in Magnetic Resonance Imaging | |
WO2011161566A1 (en) | Dynamic contrast enhanced mr imaging with compressed sensing reconstruction | |
US11125847B2 (en) | System and method for out-of-view artifact suppression for magnetic resonance fingerprinting | |
WO2013098060A1 (en) | Mri with dixon-type water/fat separation and prior knowledge about inhomogeneity of the main magnetic field | |
US20120038673A1 (en) | Magnetic resonance imaging apparatus and method for displaying running direction of fibrous tissue | |
WO2014165050A1 (en) | Method for increasing signal-to-noise ratio in magnetic resonance imaging using per-voxel noise covariance regularization | |
US11002815B2 (en) | System and method for reducing artifacts in echo planar magnetic resonance imaging | |
JPWO2003092497A1 (ja) | 磁気共鳴イメージング装置 | |
US9940540B2 (en) | Image correction during magnetic resonance dependent on the reception profile of the reception antenna | |
US11796617B2 (en) | System and method for reconstruction of magnetic resonance images acquired with partial Fourier acquisition | |
JP4679158B2 (ja) | 磁気共鳴イメージング装置 | |
Kathiravan et al. | A review of magnetic resonance imaging techniques | |
CN113795765A (zh) | 使用双极扩散梯度的双回波稳态mr成像 | |
US20220343565A1 (en) | Reconstruction apparatus, method, and program | |
US20240069136A1 (en) | Mr mammography | |
Blommaert et al. | Structural network construction using diffusion MRI |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160715 Address after: Japan Tochigi Patentee after: TOSHIBA MEDICAL SYSTEMS Corp. Address before: Tokyo, Japan Patentee before: Toshiba Corp. Patentee before: TOSHIBA MEDICAL SYSTEMS Corp. |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100224 |
|
CF01 | Termination of patent right due to non-payment of annual fee |