CN101320468A

CN101320468A - 数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法

Info

Publication number: CN101320468A
Application number: CNA2008100949497A
Authority: CN
Inventors: 木村徳典
Original assignee: Toshiba Corp; Toshiba Medical Systems Corp
Current assignee: Canon Medical Systems Corp
Priority date: 2007-06-07
Filing date: 2008-04-30
Publication date: 2008-12-10
Anticipated expiration: 2028-04-30
Also published as: CN101320468B; JP5416912B2; JP2009011810A; JP5422761B2; JP2013099680A

Abstract

本发明提供一种数据处理转置、医用诊断装置、数据处理方法以及医用诊断方法，数据处理装置具有SNR分布数据生成单元、滤波处理单元、权重函数制成单元、以及修正数据制成单元。SNR分布数据生成单元根据处理对象数据制成处理对象数据的SNR分布数据。滤波处理单元通过对处理对象数据实施滤波处理，来生成提高了处理对象数据的SNR的滤波处理数据。权重函数制成单元根据SNR分布数据制成权重函数。修正数据制成单元通过使用权重函数进行处理对象数据和滤波处理数据的加权运算来制成修正数据。

Description

数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法

技术领域

本发明涉及一种通过降低具有随机噪声的时间轴和空间轴的数据中的噪声来提高SNR(signal to noise ratio，信噪比)的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法，特别涉及与SNR适应地修正数据以确保高频部分和高SNR部分的数据并选择地降低噪声的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法。

背景技术

以往，为了降低具有空间轴和时间轴的数据中存在的随机噪声而进行滤波。在噪声降低用的滤波器中，除了滤波强度在时间以及空间上不变化的线性(linear)滤波器之外，还有根据数据来决定滤波强度的适应型滤波器。作为降低空间或时间的随机噪声的适应型滤波器，提出了结构适应型滤波器和SNR适应型滤波器。

结构适应型滤波器是根据数据的结构来决定滤波强度，保持边缘、线、点等高频成分的局部结构的滤波器。在结构适应型滤波器中，有对边缘或线的方向进行检测，根据检测出的边缘或线的方向来控制滤波的方向的类型、控制滤波强度的类型。

例如，作为根据从图像数据检测出的边缘来控制滤波强度的结构适应型滤波器，已知有称为sigma滤波器的滤波器。sigma滤波器是进行以下的所谓边缘强调(edge enhancement)的滤波器，即根据对图像数据中的中频成分或高频成分进行了强调的数据制成权重函数，使用所制成的权重函数对图像数据和强调了中频成分或高频成分的数据进行加权相加，从而在保存图像数据中的边缘的同时降低噪声。如果将成为滤波对象的一维的位置(x)处的原数据设为S_orig(x)，将通过对原数据S_orig(x)实施高通滤波(HPF：high pass filter)而取得的高频成分(high pass filtered data)设为S_high(x)，将通过对原数据S_orig(x)实施低通滤波(LPF：low pass filter)而取得的低频成分(low pass filtered data)设为S_low(x)，将权重函数设为W(x)，将滤波后的修正数据设为S_cor(x)，则可以如式(1-1)以及式(1-2)那样表示基于该sigma滤波器的数据修正处理(滤波)。

W(x)＝S_high(x)/max[S_high(x)] (1-1)

S_cor(x)＝W(x)＊S_orig(x)+{1-W(x)}S_low(x) (1-2)

即，如式(1-1)所示，作为原数据S_orig(x)的边缘部分而提取出高频成分S_high(x)，提取出的高频成分S_high(x)根据高频成分S_high(x)的最大值max[S_high(x)]进行标准化。然后，该标准化了的高频成分被设为权重函数W(x)。接着，通过使用权重函数W(x)对原数据S_orig(x)和作为平滑(smoothing)数据的低频成分S_low(x)进行加权相加，取得修正数据S_cor(x)。

另一方面，SNR适应型滤波器是与数据的SNR对应地对滤波强度进行最佳化的滤波器。作为SNR适应型滤波器的具体例子，提出了维纳滤波器(WF：Wiener Filter)(例如参照伊藤聪志，山田芳文：“利用菲涅耳转换的复式解法的MR影像的SNR改善法”(参照英语名：Ito S，Yamada Y.“Use of Dual Fresnel Transform Pairs toImprove Signal-to-Noise Ratio in Magnetic Resonance Imaging”Med.Imag.Tech.19(5)，355-369(2001)))。

但是，以往提出的WF通常是通过频率空间中的处理来提高数据的SNR的滤波器。因此，如果使用WF进行数据的SNR修正，则存在无法回避数据的高频成分中的劣化的问题。对于该问题，没有特别提出对应于SNR的空间分布适应地产生作用的SNR适应型滤波器。

SNR依赖于数据的位置。即SNR在数据空间中是不一样的，越是高信号部分越大而越是低信号部分越小。因此，在以往提出的WF中，提出了保持高频成分的类型的滤波器。但是，通常WF伴随非线性的处理，并且由于适用空间为频率空间，所以需要数据进行实空间化，存在发生伪像的问题。其结果，存在WF的用途受到制约的现状。

另外，SNR有时由于视觉地显示数据的显示系统中的处理而受到影响。

另外，在多种设备或各设备中进行了图像处理的数据中，有SNR与数据的值不为正相关的数据。作为SNR与数据的值不为正相关的数据的例子，特别可以举出在X射线计算机断层摄影(CT：computedtomography)装置中取得的CT值或在磁共振成像(MRI：MagneticResonance Imaging)装置中取得的扩散系数(ADC：ApparentDiffusion Coefficient)等处理数据。

另外，用于求出ADC的扩散强调信号与倾斜磁场因子b对应地变化，与SNR正相关。但是，ADC是根据扩散强调信号的信号强度S(b)通过式(2)计算出的。因此，在S(b)＜S(0)的情况下，如果扩散强调信号的信号强度S(b)变大，则ADC的值变小，ADC相对于SNR ADC呈现负相关。

ADC＝ln{S(0)/S(b)}/b (2)

因此，在数据的值和SNR正相关的情况和不为正相关的情况下，SNR的最佳化处理方法不同。但是，现状下，没有提出考虑到数据的值和SNR是否为正相关的滤波器。

发明内容

本发明是为了解决上述以往的问题而提出的，其目的在于：提供一种数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法，在具有随机噪声的时间轴和空间轴的数据中，可以与SNR适应地修正数据，使得在保持高频部分和高SNR部分的数据的同时选择地降低噪声。

本发明的数据处理装置为了达到上述目的，具有：SNR分布数据生成单元，根据处理对象数据制成上述处理对象数据的SNR分布数据；滤波处理单元，通过对上述处理对象数据实施滤波处理来生成提高了上述处理对象数据的SNR的滤波处理数据；权重函数制成单元，根据上述SNR分布数据制成权重函数；以及修正数据制成单元，通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算来制成修正数据。

另外，本发明的医用诊断装置为了达到上述目的，具有：数据收集单元，从被检体收集处理对象数据；SNR分布数据生成单元，根据上述处理对象数据制成上述处理对象数据的SNR分布数据；滤波处理单元，通过对上述处理对象数据实施滤波处理来生成提高了上述处理对象数据的SNR的滤波处理数据；权重函数制成单元，根据上述SNR分布数据制成权重函数；以及修正数据制成单元，通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算来制成修正数据。

另外，本发明的数据处理方法为了达到上述目的，具有如下步骤：根据处理对象数据制成上述处理对象数据的SNR分布数据的步骤；通过对上述处理对象数据实施滤波处理来生成提高了上述处理对象数据的SNR的滤波处理数据的步骤；根据上述SNR分布数据制成权重函数的步骤；以及通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算来制成修正数据的步骤。

另外，本发明的医用诊断方法为了达到上述目的，具有如下步骤：从被检体收集处理对象数据的步骤；根据上述处理对象数据制成上述处理对象数据的SNR分布数据的步骤；通过对上述处理对象数据实施滤波处理来生成提高了上述处理对象数据的SNR的滤波处理数据的步骤；根据上述SNR分布数据制成权重函数的步骤；以及通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算来制成修正数据的步骤。

在这样的本发明的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法中，在具有随机噪声的时间轴和空间轴的数据中，可以与SNR适应地修正数据，使得在保持高频部分和高SNR部分的数据的同时选择地降低噪声。

附图说明

图1是表示本发明的数据处理装置的实施例的结构图。

图2是表示图1所示的图像诊断装置是X射线CT装置时的数据处理部件的处理步骤的流程图。

图3是表示在图1所示的图像诊断装置是X射线CT装置时作为数据处理装置的处理对象数据而收集到的投影数据的图。

图4是表示在图1所示的图像诊断装置是MRI装置时作为数据处理装置的处理对象数据通过径向扫描(radial scan)而收集到的投影数据的图。

图5是表示由图1所示的数据处理装置对处理对象数据的数据值适应于SNR地进行噪声降低处理用的处理步骤的流程图。

图6是表示在图1所示的数据处理装置中，为了针对处理对象数据的数据值适应于SNR地进行噪声降低处理而进行的运算的步骤的流程图。

图7是按照时间序列地表示通过图6所示的运算分别生成的低通滤波处理数据、权重函数、边缘部分用的权重函数以及修正数据的一个例子的图。

图8是表示在图1所示的数据处理装置中，通过对SNR分布函数进行非线性转换来制成权重函数时使用的非线性函数的例子的图。

图9是表示由图1所示的数据处理装置通过使用用于窗口变换的信息而制成权重函数来针对处理对象数据的数据值适应于SNR地进行噪声降低处理用的处理步骤的流程图。

图10是表示在图1所示的图像诊断装置的数据处理部件中对图像数据进行线性窗口变换时的例子的图。

图11是表示在图9的步骤S30中，通过使用基于窗口设定值的变换函数转换SNR分布函数来制成权重函数时的例子的图。

具体实施方式

参照附图来说明本发明的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法的实施例。

(结构以及功能)

图1是表示本发明的数据处理装置的实施例的结构图。

通过向计算机2中读入程序来构筑数据处理装置1。但是，也可以通过设置具有各种功能的电路来构筑数据处理装置1。数据处理装置1具备进行以下的数据处理的功能，即通过降低重叠在具有时间轴和空间轴的至少一方的数据中的随机噪声来提高SNR。特别地，数据处理装置1具备适应于SNR地修正数据使得在保持数据的高频部分和高SNR部分的数据的同时选择地降低噪声的功能。

作为成为基于数据处理装置1的修正对象的处理对象数据，只要是具有随机噪声并且具有时间轴和空间轴的至少一方的数据，则可以应用任意的数据。例如，可以在医用诊断装置中内置数据处理装置1，将在医用诊断装置中收集到的原始数据、图像数据或时间轴数据等收集数据作为图像处理装置1的处理对象数据。但是，不限于在医用设备中取得的数据，也可以将由数字照相机摄影的图像、卫星照片、运动态图像等数字图像作为数据处理装置1的处理对象数据。

作为具有时间轴的处理对象数据的例子，可以举出脑波(EEG：electroencephalogram)、心电图(ECG：electro cardiogram)、肌电图(EMG：electromyogram)、心磁图(MCG：magnetocardiogram)、肌磁图(MMG：magnetomyogram)、脑磁图(MEG：magnetoencephalogram)。另外，作为具有空间轴的处理对象数据的例子，可以举出在医用图像诊断装置中收集到的数据。另外，作为医用图像诊断装置的具体例子，可以举出单纯(X)射线诊断装置、数字荧光摄影(DF：digital fluorography)装置、计算机断层摄影(CT：computed tomography)装置、MRI装置、单光子释放计算机断层摄影(SPECT：single photon emission computed tomography)装置、阳电子释放计算机断层摄影(PET：positron emission computedtomography)装置、超声波(US：ultrasonic)诊断装置。

另外，当将在医用图像诊断装置中收集到的数据作为处理对象数据的情况下，不仅是图像数据和时间轴数据，还可以将投影(projection)数据作为处理对象数据。在投影数据中，有在单纯射线装置、CT装置、SPECT装置、PET装置、MRI装置等医用图像诊断装置中取得的投影数据。另外，作为其他实用的处理对象数据，可以举出在MRI装置中取得的T1(纵缓和时间)强调图像(weightedimage)、T2(横缓和时间)强调图像(weighted image)、ADC。

因此，数据处理装置1还可以内置于医用图像诊断装置和脑波计等医用设备中，或还可以经由网络与医用图像诊断装置连接。图1表示将数据处理装置1内置于图像诊断装置3时的例子。

图像诊断装置3具有传感器4、数据存储部件5、数据处理部件6、输入装置7以及显示装置8。传感器4具有通过计测、检测或接收来取得处理对象数据的功能。在图像诊断装置3为MRI装置的情况下，RF(radio frequency)线圈为传感器4，在图像诊断装置3为X射线CT装置的情况下，X射线检测器为传感器4。

数据存储部件5具有存储在传感器4中取得的处理对象数据的功能。数据处理部件6具有从数据存储部件5取得处理对象数据并进行图像诊断装置3中的图像数据生成所需的数据处理的功能、将数据处理后的处理对象数据写入数据存储装置的功能。

而且，数据处理装置1构成为通过从数据存储部件5取得处理对象数据并进行噪声降低修正来生成修正数据，向数据存储装置输出所生成的修正数据。为此，数据处理装置1具有数据取得部件9、低通滤波器部件10、权重函数制成部件11、边缘强调部件12以及加权相加部件13。

数据取得部件9具有从医用图像诊断装置或脑波计等医用设备(在图1的例子中为图像诊断装置3的数据存储装置)取得在空间或时间上具有随机噪声的处理对象数据并作为原数据提供给低通滤波器部件10、权重函数制成部件11以及边缘强调部件12的功能。另外，在数据取得部件9中，根据需要具有如下功能：在处理对象数据的值与处理对象数据的SNR分布为负相关的情况下，以使处理对象数据的值与SNR分布成为正相关的方式对处理对象数据进行变换，并作为原数据提供给低通滤波器部件10以及边缘强调部件12。

低通滤波器部件10具有以下功能：通过对从数据取得部件9取得的原数据进行线性或非线性的低通滤波，来生成降低了噪声的低通滤波处理数据的功能；向权重函数制成部件11以及加权相加部件13提供低通滤波处理数据的功能。

权重函数制成部件11具有如下功能：根据从数据取得部件9取得的原数据，求出SNR分布数据，并制成反映出SNR分布数据的权重函数的功能；向加权相加部件13提供所制成的权重函数的功能。其中，构成为在从输入装置7向数据处理装置1输入了根据在低通滤波器部件10中生成的低通滤波处理数据来制成SNR分布以及权重函数的指示的情况下，权重函数制成部件11从低通滤波器部件10取得低通滤波处理数据，根据低通滤波处理数据来制成SNR分布数据以及权重函数。

边缘强调部件12具有如下功能：在从输入装置7向数据处理装置1输入了进行处理对象数据的边缘强调处理的指示的情况下，从数据取得部件9取得原数据，并在原数据中提取与应保存的边缘、线、点状的结构部分相当的边缘部分的功能；根据提取出的边缘部分的值，求出边缘部分用的权重函数的功能；向加权相加部件13提供提取出的边缘部分的值以及所求出的边缘部分用的权重函数的功能。另外，构成为在从输入装置7向数据处理装置1输入了不进行处理对象数据的边缘强调处理的指示的情况下，边缘强调部件12根据需要向加权相加部件13提供总是取零值的边缘部分用的权重函数。

加权相加部件13具有如下功能：通过使用从权重函数制成部件11取得的权重函数，对从数据取得部件9取得的原数据以及从低通滤波器部件10取得的低通滤波处理数据进行加权相加，并且使用从边缘强调部件12取得的边缘部分用的权重函数，对从边缘强调部件12取得的原数据的边缘部分进行加权相加，从而生成降低了随机噪声的修正数据。另外，加权相加部件13构成为在从输入装置7向数据处理装置1输入了表示输出目的地的输出指示的情况下，向指定的输出目的地输出所生成的修正数据。在图1的例子中，加权相加部件13构成为向图像诊断装置3的数据存储部件5输出修正数据。但是，也可以构成为加权相加部件13向显示装置8或经由网络向期望的设备输出修正数据。

即，数据处理装置1根据信号强度和SNR处于正相关关系的原数据来求出原数据的SNR分布，根据SNR分布来生成SNR部分越高则权重越大而SNR部分越低则权重越小的权重函数。另外，使用与SNR分布对应的权重函数对通过对原数据进行低通滤波来实施平滑的低通滤波处理数据和原数据进行加权相加，从而可以取得SNR部分越高则以越弱的强度进行低通滤波、并且SNR部分越低则以越强的强度进行低通滤波的修正数据。对于这样取得的修正数据，SNR部分越高则保存原数据，SNR部分越低则成为通过越强的强度的平滑而降低了噪声的数据。即，修正数据成为对具有不均匀的噪声的数据实施了不均匀的噪声降低处理的数据。另外，也可以附加地通过从原数据提取出边缘部分并进行加权相加来进行边缘强调。

(动作)

接着对数据处理装置1的动作以及作用进行说明。

另外，在此对处理对象数据是在图像诊断装置3中收集到的数据、并且根据在低通滤波器部件10中生成的低通滤波处理数据来制成加权函数的情况进行说明。

首先，预先在图像诊断装置3的传感器4中收集被检体的处理对象数据，并将收集到的处理对象数据存储到数据存储部件5。存储在数据存储部件5中的处理对象数据成为用于生成图像数据的数据处理部件6中的数据处理的对象。但是，在处理对象数据中存在随机噪声的情况下，在数据处理的过程中对处理对象数据实施噪声降低修正变得重要。在此，根据在哪个处理结束的定时下进行噪声的降低处理，存在处理对象数据与SNR分布为负相关的关系的情况、和为正相关的关系的情况。

作为具体例子，对将在X射线CT装置中收集到的投影数据作为数据处理装置1的处理对象数据的情况进行说明。

图2是表示图1所示的图像诊断装置3是X射线CT装置时的数据处理部件6的处理步骤的流程图，图中向S附加数字的标号表示流程的各步骤。

如图2所示，在步骤S1中由作为X射线CT装置的传感器4的X射线检测器对透过被检体的X射线进行检测。然后，从X射线检测器输出透过线量分布I/I₀来作为纯原始数据。接着，在步骤S2中在数据处理部件6中进行包括针对作为纯原始数据的透过线量分布I/I₀的对数变换和灵敏度修正的预处理。由此，透过线量分布I/I₀被变换成吸收系数μ的积分值。然后，在X射线CT装置中，并不是X射线的透过线量分布I/I₀，而是将预处理后的X射线的吸收系数μ的积分值作为原始数据存储到数据存储部件5中的情况较多。

接着，在步骤S3中，在数据处理部件6中对原始数据实施包括水修正的后处理而成为水修正数据。接着在步骤S4中，在数据处理部件6中对水修正数据实施逆投影(back projection)处理，从而成为逆投影数据。接着，在步骤S5中，通过进行与1张图像对应的多个逆投影数据的图像重构处理，生成1张的图像数据。另外，将逆投影处理前的纯原始数据、原始数据以及水修正数据统称为投影数据。

图3是表示在图1所示的图像诊断装置3是X射线CT装置时作为数据处理装置1的处理对象数据收集到的投影数据的图。

另外，在此，为了简化说明，说明投影数据在与投影方向垂直的x轴方向上具有一维分布的情况。因此，根据处理对象数据，不仅是x轴方向，还有时在与x轴交叉的y轴方向或z轴方向上具有分布。另外，在处理对象数据为时间轴数据的情况下，在时间t轴方向上也具有分布。对于后述的具有空间轴或时间轴的图7等各图中所示的数据也相同，也有时成为在x轴、y轴、z轴、t轴方向上分布的n维数据(n为自然数)。

图3(a)是成为处理对象数据的检测对象的被检体的剖面图，图3(b)表示由作为X射线CT装置的传感器4的X射线检测器检测到透过图3(a)所示的被检体的X射线的位置x处的X射线的透过线量分布I/I₀，图3(c)表示根据图3(b)所示的X射线的透过线量分布I/I₀来取得的位置x处的X射线的吸收线量分布μ(x)。

如图3(a)所示，被检体的剖面被脂肪覆盖，并在内部存在骨骼和脏器。对这样的被检体，照射X射线检测器所具备的多个检测元件中的1个相当的I₀的入射计数器值的X射线。由此，在各X射线检测元件中对透过被检体的X射线进行检测。然后，从X射线检测器输出如图3(b)所示那样的X射线的透过线量分布I/I₀。X射线的透过线量分布I/I₀是对被检体的1个检测元件相当的入射计数器值I₀以及来自被检体的X射线的输出计数器值即透过线量，即在透过被检体后1个检测元件接受的X射线的计数器值I的透过线量比。

如果将某投影线(路径)p上的X射线的吸收系数设为μ(p)，则X射线对被检体的入射计数器值I₀和来自被检体的X射线的输出计数器值I具有式(3)的关系。

I＝I₀exp[-∫_pμ(p)dp] (3)

因此，通过式(3)对X射线的透过线量分布I/I₀的倒数进行对数变换后的值如式(4)所示那样成为吸收系数μ(p)的积分值。

∫_pμ(p)dp＝ln[I/I₀] (4)

如图3(b)所示，X射线的透过线量分布I/I₀、即纯原始数据的信号值与SNR具有正的相关关系。即，如骨骼(钙)或人工骨头等金属物质那样，X射线的透过线量分布I/I₀在通过了表示X射线的吸收程度的吸收系数大的物质的路径中变小。特别，如果假设X射线检测元件的灵敏度在信道之间为恒定，则各检测元件中的计数器值I的SNR分布与X射线的透过线量分布I/I₀成正比。即，式(5)成立。

SNR∝I/I₀ (5)

另一方面，表示X射线的吸收系数μ(p)的分布的位置x处的吸收线量分布μ(x)以及CT值(CT#)与SNR如图3(c)所示具有负的相关关系。即，在通过了骨骼等吸收系数大的物质的路径中，吸收线量分布μ(x)变大。另外，在图3(a)所示的被检体的断层像中，利用亮度来表示CT值的分布。

因此，如果将成为数据处理装置1的修正对象的处理对象数据设为预处理前的X射线CT装置的投影数据，则处理对象数据的信号强度与SNR具有正的相关关系。相反，如果将成为数据处理装置1的修正对象的处理对象数据设为预处理后的X射线CT装置的投影数据，则处理对象数据的信号强度与SNR具有负的相关关系。

接着，作为其他具体例子，说明将在MRI装置中收集到的投影数据作为数据处理装置1的处理对象数据的情况。

图4是表示在图1所示的图像诊断装置3是MRI装置时作为数据处理装置1的处理对象数据通过径向扫描而收集到的投影数据的图。

图4(a)是成为处理对象数据的检测对象的被检体的剖面图，图4(b)是表示在MRI装置中通过径向扫描从图4(a)所示的被检体收集到的位置x处的MR(magnetic resonance，磁共振)信号强度Smr的图。

另外，径向扫描是使倾斜磁场变化并在k空间(傅立叶空间)上按照通过原点的放射状而收集数据的扫描。在k空间中，与投影方向正交且通过中心的数据相当于投影数据。因此，通过径向扫描收集到的MR信号相当于投影数据。

如图4(a)所示，被检体的剖面被脂肪覆盖，并在内部存在骨骼和脏器。如果从这样的被检体通过径向扫描将某方向设为投影方向来收集MR信号，则取得在与图4(a)所示那样的投影方向垂直的位置x处具有信号强度Smr的MR信号。如图4(a)所示，通过径向扫描收集到的MR信号的信号强度Smr通常呈现与SNR的正相关。

另外，作为与径向扫描类似的数据收集方法，公知PROPELLER(periodically rotated overlapping parallel lines with enhancedreconstruction)。PROPELLER是一边使作为由多个平行的k空间轨迹构成的带状区域的叶片以k空间的原点为中心旋转，一边收集k空间上的数据的方法。通过PROPELLER收集到的k空间上的数据未必一定通过k空间的中心，但与通过径向扫描收集到的数据同样地，可以作为数据处理装置1的处理对象数据。在该情况下，取得与在叶片内存在的平行的数据串的数量对应地具有信号强度分布的MR信号的组。

这样，在X射线CT装置、SPECT装置以及PET装置等图像诊断装置3中通过投影法取得的投影数据即吸收线量分布μ(p)具有越是通过值变大的路径p而取得的投影数据则SNR越降低的负相关的性质，相对于此，与MRI装置中的投影数据相当的通过径向扫描收集到的MR信号具有越是通过信号源中的磁化变大且信号强度变高的路径的投影数据则SNR越提高的性质。

数据处理装置1不论是上述那样的信号强度与SNR处于正相关的关系的处理对象数据以及信号强度与SNR处于负相关的关系的处理对象数据中的哪一个，都可以进行噪声的降低修正处理。因此，可以将期望的数据作为处理对象数据提供给数据处理装置1。然后，如果将处理对象数据提供给数据处理装置1，则可以适应于SNR地进行降低重叠在处理对象数据中的随机噪声的修正。

另外，在处理对象数据的修正处理之前，从输入装置7向数据处理装置1提供是否进行保存并强调处理对象数据的边缘部分的边缘强调的指示。但是，也可以与来自输入装置7的指示信息无关地预先决定是否进行边缘强调。

图5是表示由图1所示的数据处理装置1对处理对象数据的数据值适应于SNR地进行噪声降低处理用的处理步骤的流程图，图6是表示在图1所示的数据处理装置1中，为了对处理对象数据的数据值适应于SNR地进行噪声降低处理而进行的运算的步骤的流程图，各图中向S附加数字的标号表示各流程的各步骤。另外，图7是按照时间序列表示通过图6所示的运算分别生成的低通滤波处理数据、权重函数、边缘部分用的权重函数以及修正数据的一个例子的图。

首先在图5的步骤S10中，数据取得部件9从图像诊断装置3的数据存储部件5取得预定的处理对象数据。在此，在取得的处理对象数据的信号强度与SNR处于负相关的关系的情况下，数据取得部件9对处理对象数据进行变换，以使处理对象数据的信号强度与SNR成为正相关的关系。然后，将信号强度与SNR成为正相关的关系的数据设为噪声降低修正用的位置x处的原数据S_orig(x)。由此，可以在后级的步骤中根据原数据S_orig(x)求出SNR分布数据。

例如，在处理对象数据是在X射线CT装置中收集、并与保存的X射线的吸收系数μ的积分值相当的透过线量分布I/I₀的倒数的对数变换值ln[I/I₀(x)]的情况下，处理对象数据的信号强度与SNR处于负相关的关系。因此，数据取得部件9例如如式(6)所示将对数变换值ln[I/I₀(x)]的倒数设为噪声降低修正用的位置x处的原数据S_orig(x)。

S_orig(x)＝1/ln[I₀/I(x)] (6)

另一方面，在处理对象数据的信号强度与SNR处于正相关的关系的情况下，数据取得部件9将处理对象数据原样设为噪声降低修正用的位置x处的原数据S_orig(x)。

因此，当处理对象数据是在X射线CT装置中收集到的投影数据的情况下，如果将作为纯原始数据的透过线量分布I(x)/I₀或透过线量分布I(x)/I₀的对数变换值ln[I(x)/I₀]设为处理对象数据，则信号强度与SNR处于正相关的关系，所以可以省略用于制成原数据S_orig(x)的处理，缩短处理时间。因此，从简化处理的观点来看，优选将透过线量分布I/I₀、透过线量分布I(x)/I₀的对数变换值ln[I(x)/I₀]设为处理对象数据。

另一方面，通常，在X射线CT装置中，保存有信号强度与SNR处于负相关的关系的吸收系数μ的积分值，所以无需新的存储装置的设置和数据的保存，从该观点来看，将作为吸收系数μ的积分值的原始数据作为处理对象数据是现实的。

另外，在如X射线CT装置那样利用投影法来重构图像数据的情况下，将原始数据等逆投影处理前的数据作为数据处理装置1的处理对象数据是有效的。其原因为，SNR小的数据在逆投影处理中在投影线上均匀地散布，所以在预先执行噪声的降低修正后进行逆投影处理的情况下，可以降低起因于SNR的劣化或金属定位销的存在而沿着投影方向延伸的伪像的发生的风险。

但是，还可以将图像数据设为处理对象数据，可以通过与将投影数据设为处理对象数据的情况同样的方法，在数据处理装置1中进行噪声的降低处理。

数据取得部件9向低通滤波器部件10以及边缘强调部件12提供这样取得的原数据S_orig(x)。

接着，在图5的步骤S11中，低通滤波器部件10对从数据取得部件9取得的原数据S_orig(x)进行线性或非线性的低通滤波。由此，制成降低了噪声的低通滤波处理数据S_low(x)。即，如图6的步骤20所示，低通滤波器部件10通过对原数据S_orig(x)施加低通滤波H_low(x)，计算出低通滤波处理数据S_low(x)。

在图7(a)中，横轴表示位置x，纵轴表示数据的信号强度(SI：signal intensity)。另外，图7(a)中的实线表示低通滤波处理数据S_low(x)的例子，虚线表示原数据S_orig(x)的例子。可以通过对如图7(a)所示那样具有局部的信号强度的变化且具有噪声的原数据S_orig(x)进行低通滤波，来制成被平滑了的低通滤波处理数据S_low(x)。

另外，如果将低通滤波器设为线性，则可以简易地进行处理。相反如果将低通滤波器设为非线性，则例如可以进行局部地增强平滑的强度这样的高精度的噪声降低处理。低通滤波器部件10向权重函数制成部件11以及加权相加部件13提供低通滤波处理数据S_low(x)。

接着，在图5的步骤S12中，权重函数制成部件11根据从低通滤波器部件10取得的低通滤波处理数据S_low(x)，来制成表示原数据S_orig(x)的SNR分布数据的SNR分布函数SNR(x)。可以将该SNR分布函数SNR(x)原样地作为反映出SNR分布数据的权重函数W_snr(x)。

还可以将低通滤波处理数据S_low(x)原样地作为SNR分布函数SNR(x)。但是，也可以如上所述那样将原数据S_orig(x)原样地作为SNR分布函数SNR(x)。另外，还可以通过以与低通滤波处理数据S_low(x)的制成中使用的低通滤波器的强度不同的强度进行原数据S_orig(x)的低通滤波，来求出SNR分布函数SNR(x)。即，由于原数据S_orig(x)的值与SNR处于正相关的关系，所以原数据S_orig(x)、低通滤波处理数据S_low(x)以及反映出这些特性的数据的任意一个都可以用作表示SNR分布的数据。

但是，可以通过附带标准化来将权重函数W_snr(x)的权重的最大值例如设为1。因此，在使用低通滤波处理数据S_low(x)来制成权重函数W_snr(x)的情况下，例如通过图6的步骤S21所示的运算，可以将使用低通滤波处理数据S_low(x)的最大信号强度max{S_low(x)}对低通滤波处理数据S_low(x)进行了标准化的值设为权重函数W_snr(x)。

这样，如果制成反映出SNR分布函数SNR(x)的特性的权重函数W_snr(x)，则可以制成SNR部分越高则值(权重)越大、SNR部分越低则值越小的权重函数W_snr(x)。在附带标准化来制成权重函数W_snr(x)的情况下，是最大值为1的权重函数W_snr(x)。因此，可以降低不同的处理对象数据间的信号强度离散的影响而制成权重函数W_snr(x)。另外，通过根据低通滤波处理数据S_low(x)来制成SNR分布函数SNR(x)和权重函数W_snr(x)，可以降低SNR分布函数W(x)和权重函数W_snr(x)的噪声。

在图7(b)中，横轴表示位置x，纵轴表示权重W。另外，图7(b)中的虚线表示权重函数W_snr(x)的例子，单点划线表示权重函数1-W_snr(x)，虚线表示对原数据S_orig(x)进行了标准化的数据的例子。通过如图7(b)所示那样对低通滤波处理数据S_low(x)进行标准化而制成的权重函数W_snr(x)成为最大值为1、且SNR部分越高则值越大、SNR部分越低则值越小的函数。

另外，还可以通过如式(7)所示那样利用非线性函数f对SNR分布函数SNR(x)进行非线性变换来制成权重函数W_snr(x)，而并非将SNR分布函数SNR(x)原样地设为权重函数W_snr(x)。如果将SNR分布函数SNR(x)设为非线性函数f，则可以调整特定的SNR部分的权重。

W_snr(x)＝f{SNR(x)} (7)

对于非线性函数f，例如可以设成制成如下那样的权重函数W_snr(x)的函数：在原数据S_orig(x)的SNR极端小的部分、即信号强度S小于等于阈值Smin的情况下，权重函数W_snr(x)的权重为0，在信号强度S大于阈值Smin的情况下，越是SNR小的部分则权重越小、SNR越大则权重越大。如果这样制成权重函数W_snr(x)，则通过后级的步骤中的加权相加，信号强度S小于等于阈值Smin的原数据S_orig(x)不直接保存，而成为低通滤波处理数据S_low(x)，所以可以增强与SNR极端小的部分对应的平滑强度。

在此基础上，对于非线性函数f，也可以设成制成如下那样的权重函数W_snr(x)的函数：在大于等于阈值Smin的范围内，被认为是边缘部分的最大SNR部分以及最小SNR部分之间的范围的权重随着从边缘部分离开而逐渐相对地变小。如果这样制成权重函数W_snr(x)，则通过后级的步骤中的加权相加，越是从边缘部分离开的部分，原数据S_orig(x)的比例越减少，另一方面，由于低通滤波处理数据S_low(x)的比例增加，所以越是从边缘部分离开的部分，进行强度越强的平滑。其结果，与伴随边缘部分的提取的边缘强调不同，可以进行适应于SNR分布的边缘强调。

在上述的例子的情况下，也可以如式(8)所示那样决定非线性函数f。

f(S)＝(S-Smin)ⁿ/Smax：S＞Smin，0：其它 (8)

其中，Smax为信号强度S的最大值，n为使(S)成为向下凸的函数那样的任意的系数。因此，n越大则(S)成为越向下凸的函数。

图8是表示在图1所示的数据处理装置1中，通过对SNR分布函数进行非线性变换来制成权重函数时使用的非线性函数f的例子的图。

在图8(a)中，纵轴表示位置x，横轴表示信号强度S。另外，图8(a)中的实线表示SNR分布函数SNR(x)，虚线表示原数据S_orig(x)(或者标准化了的原数据S_orig(x))。另外，在图8(b)中，纵轴表示成为非线性变换的结果的权重函数的权重W，横轴表示信号强度S。另外，图8(b)中的实线表示非线性函数W＝f(S)，虚线表示一维函数W＝S。另外，在图8(c)中，纵轴表示权重函数的权重W，横轴表示位置x。另外，图8(c)中的实线表示通过使用非线性函数W＝f(S)而对SNR分布函数SNR(x)进行非线性变换来取得的权重函数W_snr(x)，虚线表示原数据S_orig(x)(或标准化了的原数据S_orig(x))。

如图8(a)所示，在SNR分布函数SNR(x)中，有在位置x的端部存在SNR极端低的情况和存在边缘部分的情况。在这样的情况下，如果使用如图8(b)所示那样信号强度小于等于某值时权重W为零、信号强度为中间程度的值时权重W相对地变小那样的非线性函数W＝f(S)，对SNR分布函数SNR(x)进行非线性变换，则如图8(c)所示，可以制成SNR极端低的部分的权重W为零且与信号强度为中间部分以外的边缘部分对应的部分的权重W被强调了的权重函数W_snr(x)。

然后，这样制成的权重函数W_snr(x)从权重函数制成部件11提供给加权相加部件13。

接着，在图5的步骤S13中，边缘强调部件12判定是否从输入装置7向数据处理装置1输入了进行处理对象数据的边缘强调处理的指示。然后，在向数据处理装置1输入了进行处理对象数据的边缘强调处理的指示的情况下，边缘强调部件12从数据取得部件9取得原数据S_orig(x)，提取与在原数据S_orig(x)中应保存的边缘、线、点状的结构部分相当的边缘部分。

即，在图6的步骤S22中，在边缘强调部件12中，判定是否需要边缘强调，在判定为“是”的情况下，提取边缘部分。具体而言，通过利用图6的步骤S23所示的运算，对原数据S_orig(x)施加高通滤波H_high(x)，从而提取出中频成分或高频成分的边缘部分数据S_high(x)。

接着，在图5的步骤S14中，在边缘强调部件12中，根据边缘部分数据S_high(x)求出用于强调边缘部分S_high(x)的边缘部分用的权重函数W_high(x)。即，根据原数据S_orig(x)的中频成分或高频成分来制成边缘部分用的权重函数W_high(x)。具体而言，例如通过利用图6的步骤S24所示的运算，根据边缘部分数据S_high(x)的绝对值|S_high(x)|的最大值max{|S_high(x)|}来对边缘部分数据S_high(x)的绝对值|S_high(x)|进行标准化，制成反映出边缘部分S_high(x)的信号强度的特性且最大值为1的边缘部分用的权重函数W_high(x)。

在图7(c)中，横轴表示位置x，纵轴表示权重W。另外，图7(c)中的虚线表示边缘部分用的权重函数W_high(x)的例子，虚线表示对原数据S_orig(x)进行了标准化的数据的例子。如图7(c)所示，边缘部分用的权重函数W_high(x)成为最大值为1且仅在边缘部分具有权重W的函数。

这样取得的边缘部分数据S_high(x)以及边缘部分用的权重函数W_high(x)被从边缘强调部件12提供给加权相加部件13。

另一方面，在判定为向数据处理装置1输入了边缘强调部件12不进行处理对象数据的边缘强调处理的指示的情况下，不进行边缘部分数据S_high(x)的提取处理以及边缘部分用的权重函数W_high(x)的制成处理。但是，如图6的步骤S25所示，在运算上需要的情况下，向边缘部分用的权重函数W_high(x)代入零，值为零的边缘部分用的权重函数W_high(x)提供给加权相加部件13。

接着，在图5的步骤S14中，加权相加部件13通过进行图6的步骤S26所示的运算，生成降低了随机噪声的修正数据S_cor(x)。即，将从权重函数制成部件11取得的权重函数W_snr(x)作为原数据S_orig(x)的权重，将权重函数1-W_snr(x)作为从低通滤波器部件10取得的低通滤波处理数据S_low(x)的权重，来进行加权相加。进而，在进行边缘强调的情况下，将从边缘强调部件12取得的边缘部分用的权重函数W_high(x)作为权重，对从边缘强调部件12取得的边缘部分数据S_high(x)进行加权相加。

由此，可以取得利用越是原数据S_orig(x)的SNR小的部分则强度越强的平滑而降低了噪声电平的修正数据S_cor(x)。另外，如果对边缘部分数据S_high(x)进行加权相加，则还可以进行边缘部分的强调。

在图7(d)中，横轴表示位置x，纵轴表示数据的信号强度(SI：signal intensity)。另外，图7(d)中的实线表示修正数据S_cor(x)的例子，虚线表示原数据S_orig(x)的例子。可以取得如图7(d)所示那样在强调边缘的同时越是SNR低的部分则以越强的强度进行了平滑的修正数据S_cor(x)。

然后，这样制成的修正数据S_cor(x)被从加权相加部件13输出到图像诊断装置3的数据存储部件5。但是，也可以向其他设备输出修正数据S_cor(x)。然后，通过图像诊断装置3的数据处理部件6中的对修正数据S_cor(x)的数据处理，来重构显示用的图像数据。例如，当通过在X射线CT装置中收集到的投影数据的修正来取得修正数据S_cor(x)的情况下，可以经由数据处理部件6中的对修正数据S_cor(x)的后处理、逆投影处理以及图像重构处理等必要的处理，来制成显示用的图像数据。

另外，到此为止，对在权重函数W_snr(x)的制成时不使用与在显示处理时进行的窗口变换相关的信息的例子进行了说明，但在数据处理装置1的处理对象数据为图像数据的情况下，也可以使用在显示系统中窗口变换所使用的信息来制成权重函数W_snr(x)。

图9是表示由图1所示的数据处理装置1通过使用用于窗口变换的信息而制成权重函数，来对处理对象数据的数据值适应于SNR地进行噪声降低处理用的处理步骤的流程图，图中向S附加数字的标号表示各流程的各步骤。

在图9所示的流程图中，为了制成权重函数而使用用于窗口变换的信息仅这一点与图5所示的流程图不同。因此，在图9所示的流程图中，对与图5所示的流程图相同的步骤附加相同标号并省略说明。

如图9的步骤S30所示，在处理对象数据为图像数据的情况下，在权重函数制成部件11中，不仅是SNR分布，还可以制成与用于窗口变换的信息对应的权重函数W_snr(x)。作为权重函数W_snr(x)的制成中使用的窗口变换所使用的信息的例子，可以举出窗口水平(WL：window level)和窗口宽度(WW：window width)等窗口设定值以及伽玛曲线。

根据窗口设定值(WL，WW)对图像数据进行窗口变换，信号强度被显示为作为显示装置8的亮度值的对比度值的情况较多。窗口变换除了是线性变换的情况以外，还有使用伽玛曲线的非线性变换的情况。

图10是表示在图1所示的图像诊断装置3的数据处理部件6中对图像数据进行线性窗口变换时的例子的图。

在图10(a)中，纵轴表示位置x，横轴表示位置x处的信号强度S，图10(a)中的实线表示位置x处的图像数据IMAGE(x)。另外，在图10(b)中，纵轴表示对比度值(亮度值)C，纵轴表示信号强度S。另外，图10(b)中的实线表示窗口变换函数WIN(S)，虚线表示一次函数C＝aS+b。另外，在图10(c)中，纵轴表示对比度值C，横轴表示位置x。另外，图10(c)中的实线表示通过使用窗口变换函数WIN(S)对图像数据IMAGE(x)进行线性窗口变换而取得的显示图像的亮度分布Ic(x)。

通过图10(b)所示的窗口变换函数WIN(S)对图10(a)所示那样的用信号强度S来表示的图像数据IMAGE(x)进行窗口变换，变换成如图10(c)所示那样用对比度值C来表示的显示图像的亮度分布Ic(x)。为此，任意地决定窗口设定值WL、WW。如果窗口设定值WL、WW被决定，则制成如下那样变换的窗口变换函数WIN(S)：在信号强度S＝WL时将信号强度S变换成中间对比度值C(WL)，在信号强度S＝WL+WW/2时将信号强度S变换成最高对比度值C(WL+WW/2)，在信号强度S＝WL-WW/2时将信号强度S变换成最低对比度值C(WL-WW/2)。

在此，根据窗口设定值(WL，WW)制成变换函数fwin(S)，使用变换函数fwin(S)来转换图像数据IMAGE(x)的SNR分布函数SNR(x)，从而可以制成考虑了图像数据的显示系统中的显示处理的权重函数W_snr(x)。即，通过使权重函数W_snr(x)符合于显示系统中的显示处理，可以使噪声降低修正处理适合于视觉效果。

例如也可以按照如下的方针来决定变换函数fwin(S)：在图像数据IMAGE(x)的信号强度S为WL时(S＝WL时)显示图像的亮度分布Ic(x)的SNR为最大，随着图像数据IMAGE(x)的信号强度S从WL离开而信号强度S和WL之差|S-WL|变大，显示图像的亮度分布Ic(x)的SNR变小。

图11是表示在图9的步骤S30中，通过使用基于窗口设定值的变换函数对SNR分布函数进行变换来制成权重函数时的例子的图。

在图11(a)中，纵轴表示x，横轴表示位置x处的信号强度S，图11(a)中的实线表示图像数据IMAGE(x)的SNR分布函数SNR(x)。另外，在图11(b)中，纵轴表示作为变换函数fwin(S)对信号强度S的变换值的权重函数的权重W，横轴表示信号强度S。另外，图11(b)中的实线表示变换函数fwin(S)。另外，在图11(c)中，纵轴表示权重函数的权重W，横轴表示位置x。另外，图11(c)中的实线表示通过使用变换函数fwin(S)对SNR分布函数SNR(x)进行变换而取得的权重函数W_snr(x)。

通过利用按照上述的方针决定的图11(b)所示的变换函数fwin(S)对图11(a)所示那样的SNR分布函数SNR(x)进行变换，可以制成适应于图11(c)所示那样的窗口变换处理的权重函数W_snr(x)。另外，图11(b)所示的变换函数fwin(S)表示了设为SNR分布函数SNR(x)的信号强度S＝WL时权重W为零、信号强度S＝WL+WW/2时以及信号强度S＝WL-WW/2时权重W为1那样的函数时的例子。即，在窗口变换为线性的情况下，例如可以如式(9)那样决定变换函数fwin(S)。

fwin(S)＝|S-WL|/(WW/2)：WL-WW/2＜S＜WL+WW/2，1：其它 (9)

然后，通过使用这样制成的权重函数W_snr(x)进行加权相加，来生成图像数据IMAGE(x)的修正数据S_cor(x)。进而，制成通过图10所示那样的窗口变换从修正数据S_cor(x)降低随机噪声，并且适合于视觉效果地调整了SNR的显示图像，并显示在显示装置8上。

另外，可以由用户通过输入装置7的操作，任意地设定窗口设定值(WL，WW)和伽玛曲线等窗口条件。因此，在用户改变了窗口条件的情况下，权重函数制成部件11可以与设定的窗口条件同步地动态制成权重函数W_snr(x)。进而，通过权重函数W_snr(x)的同步，也可以分别动态同步地生成以及显示修正数据S_cor(x)以及窗口变换后的显示图像。

但是，对于窗口条件中的伽玛曲线，如果设定一次，则不会频繁地变更。另外，在如X射线CT图像那样显示具有绝对值的图像或对信号强度进行了标准化的MR图像的情况下，根据通常数据种类大致决定窗口设定值(WL，WW)的情况较多。因此，也可以预先将窗口设定值(WL，WW)和伽玛曲线等窗口条件作为预置值存储到数据处理装置1，由权重函数制成部件11根据预置值自动地制成权重函数W_snr(x)。由此，无需频繁地变更窗口条件，所以可以通过更少的处理来制成以及显示显示图像，而无需动态多次进行包括权重函数W_snr(x)的制成的数据修正处理。

除此之外，还可以根据预先任意决定的条件来自动地设定窗口条件，权重函数制成部件11根据自动设定的窗口条件来制成权重函数W_snr(x)。如果预先决定将例如在空气等背景以外的图像值的直方图上最大的图像值设为WL并将WL的2倍设为WW那样的窗口条件的设定条件，则数据处理装置1或图像诊断装置3可以按照设定条件自动地设定窗口条件。因此，可以通过包括权重函数W_snr(x)的制成和加权相加的1次数据修正处理来制成以及显示显示图像。通过这样自动化地设定窗口条件，也可以通过更少的处理来制成以及显示显示图像。

另外，不仅是窗口条件，还可以通过输入装置7的操作，来手工调整决定上述的权重函数W_snr(x)的制成所需的非线性变换的程度、进行边缘强调时的边缘部分用的权重函数W_high(x)的值那样的与数据修正处理相关的各条件的参数。特别，对于非线性变换的程度、边缘成分的权重，有时理想的是可以根据用户的嗜好来调整。因此，例如，如果可以通过声音音调(tone)控制那样的拨号盘(dial)调整来进行实时且动态的数据修正处理，则用户可以一边参照显示在显示装置8上的图像一边对显示图像的修正精度进行最佳化。

即，以上那样的数据处理装置1根据所提供的处理对象数据求出SNR分布，使用反映出SNR分布的特征的权重函数，进行处理对象数据和对处理对象数据实施了线性或非线性的滤波的数据的加权相加，从而求出修正数据。

(效果)

因此，在上述的数据处理装置1中，即使处理对象数据是SNR局部地变化的数据，也可以对应于SNR适应地降低噪声并实现SNR的提高。即，不仅是噪声的降低，还可以控制高频成分的保存比例。进而，在数据处理装置1中，可以根据需要进行局部的边缘成分的保存或强调。

另外，在数据处理装置1中，由于可以通过简单的线性处理来进行与非线性处理等价的处理，所以可以进行高速处理。由此可以实现实时且动态的处理。

另外，在数据处理装置1中，具有可以应用修正处理的空间的自由度大的优点。例如，可以在实空间、投影数据空间、频率空间等多种空间中进行修正处理。即，由于在滤波中使用LSI(Linear spaceinvariant，线性空间恒定)滤波器等线性滤波器，所以无论处理对象数据是通过实空间中的卷积法被处理的数据，还是通过频率空间中的FT(Fourier transform)法被处理的数据，都可以应用为修正处理的对象。

另外，在数据处理装置1中，不仅是处理对象数据的值和SNR具有正的相关关系的情况，即使在处理对象数据的值和SNR具有负的相关关系的情况下，也可以进行处理对象数据的修正处理。即，在处理对象数据是信号值和SNR正相关的通常的数据的情况下，越是信号值小且SNR也小的部分，则可以以越强的强度来实施平滑。相反，在处理对象数据的信号值与SNR负相关的情况下，越是信号值大且SNR大的部分，则可以越增强平滑强度。

另外，在数据处理装置1中，不仅是作为图像值等数据值的信号的绝对强度，还可以与用于决定在显示装置8中输出的亮度值的伽玛曲线或窗口设定值(WL，WW)同步地对权重函数进行最佳化。因此，可以进行适合于视觉效果的处理对象数据的修正。

另外，在数据处理装置1中，为了求出SNR分布而使用处理对象数据，所以具有无需传感器4的灵敏度分布那样的其他数据的优点。

特别，在近年来的MRI装置中，作为传感器4即RF线圈的线圈要素而具备多个表面线圈的情况较多。在该情况下，各表面线圈由于具有灵敏度分布，所以由表面线圈收集的数据具有随机噪声。因此，进行降低重叠在来自多个表面线圈的数据中的起因于灵敏度分布的噪声的修正处理变得重要。作为其方法之一，可以考虑以下方法：使用表面线圈的灵敏度分布数据或灵敏度分布的推定值来求出SNR分布，根据SNR分布进行起因于表面线圈的灵敏度分布而产生的噪声的降低修正。

与其相对，如果使用数据处理装置1，则无需表面线圈的灵敏度分布数据和灵敏度分布的推定，可以根据来自表面线圈的数据本身来求出SNR分布。即，在数据处理装置1中，将处理对象数据和对处理对象数据实施了滤波处理的数据用作反映出SNR分布的权重函数。因此，即使没有收集处理对象数据的传感器4的灵敏度分布数据，在处理对象数据的空间的SNR分布或噪声分布恒定的情况下，也可以求出局部的SNR分布。

另外，在使用灵敏度分布数据来求出SNR分布的情况下，可以按照传感器4固有的灵敏度分布数据，在处理对象数据的处理前预先求出SNR分布。与其相对，在根据处理对象数据来求出SNR分布的情况下，依赖于处理对象数据来求出SNR分布，所以需要在每次对处理对象数据进行修正处理时都求出SNR分布。因此，与使用灵敏度分布数据来求出SNR分布的情况相比，在根据处理对象数据来求出SNR分布的情况下，处理时间有可能变长。

但是，在数据处理装置1中，如果通过单纯的线性滤波来制成权重函数W_snr(x)，则与无需权重函数W_snr(x)的制成的情况相比，单纯的滤波处理仅增加1次。另外，加权相加处理本身的处理时间为可以忽视的程度。因此，在数据处理装置1中，可以进行上述那样的高速处理。

Claims

1.一种数据处理装置，其特征在于包括：

SNR分布数据生成单元，根据处理对象数据制成上述处理对象数据的SNR分布数据；

滤波处理单元，通过对上述处理对象数据实施滤波处理，来生成提高了上述处理对象数据的SNR的滤波处理数据；

权重函数制成单元，根据上述SNR分布数据制成权重函数；

修正数据制成单元，通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算，制成修正数据。

2.根据权利要求1所述的数据处理装置，其特征在于：

上述SNR分布数据生成单元构成为通过对上述处理对象数据实施低通滤波来制成上述SNR分布数据。

3.根据权利要求1所述的数据处理装置，其特征在于：

上述权重函数制成单元构成为通过对上述SNR分布数据实施线性变换来制成上述权重函数。

4.根据权利要求1所述的数据处理装置，其特征在于：

上述权重函数制成单元构成为通过对上述SNR分布数据实施非线性变换来制成上述权重函数。

5.根据权利要求1所述的数据处理装置，其特征在于：

上述SNR分布数据生成单元构成为将具有噪声的投影数据作为上述处理对象数据。

6.根据权利要求1所述的数据处理装置，其特征在于：

上述SNR分布数据生成单元构成为将具有噪声的图像数据作为上述处理对象数据。

7.根据权利要求1所述的数据处理装置，其特征在于：

上述SNR分布数据生成单元构成为将由计算机断层摄影装置、磁共振成像装置、阳电子释放计算机断层摄影装置以及单光子释放计算机断层摄影装置中的任意一个取得的投影数据作为上述处理对象数据。

8.根据权利要求1所述的数据处理装置，其特征在于：

上述修正数据制成单元构成为伴随着上述处理对象数据中的边缘的强调修正而制成上述修正数据。

9.根据权利要求1所述的数据处理装置，其特征在于：

上述权重函数制成单元构成为使用在窗口变换中使用的信息来制成上述权重函数。

10.根据权利要求9所述的数据处理装置，其特征在于：

上述权重函数制成单元构成为制成上述权重函数，使得在上述SNR分布数据的信号强度为窗口水平±窗口宽度/2时权重最大，并且在上述信号强度相当于窗口水平时权重最小。

11.根据权利要求9所述的数据处理装置，其特征在于还包括：

设定单元，将窗口宽度、窗口水平以及迦玛曲线的至少一个作为在上述窗口变换中使用的信息，根据输入装置的操作来同步，或者预先作为预置值，或根据预先决定的条件来自动地设定；以及

显示单元，在根据上述输入装置的操作而同步地设定上述窗口变换中使用的信息的情况下，与上述输入装置的操作同步地动态显示根据上述修正数据生成的数据。

12.根据权利要求1所述的数据处理装置，其特征在于：

上述SNR分布数据生成单元构成为把将磁共振成像装置所具备的多个具有灵敏度分布的表面线圈作为传感器而收集到的数据作为上述处理对象数据，根据上述处理对象数据制成上述SNR分布数据。

13.根据权利要求1所述的数据处理装置，其特征在于还包括：

变换单元，在上述处理对象数据的信号强度与上述处理对象数据的SNR处于负相关的关系的情况下，对上述处理对象数据进行变换，以使上述信号强度与上述SNR成为正相关的关系。

14.一种医用诊断装置，其特征在于包括：

数据收集单元，从被检体收集处理对象数据；

SNR分布数据生成单元，根据上述处理对象数据制成上述处理对象数据的SNR分布数据；

滤波处理单元，通过对上述处理对象数据实施滤波处理，生成提高了上述处理对象数据的SNR的滤波处理数据；

权重函数制成单元，根据上述SNR分布数据制成权重函数；

15.根据权利要求14所述的医用诊断装置，其特征在于：

上述数据收集单元构成为收集原始数据作为上述处理对象数据。

16.根据权利要求14所述的医用诊断装置，其特征在于：

上述数据收集单元构成为收集图像数据作为上述处理对象数据。

17.根据权利要求14所述的医用诊断装置，其特征在于：

上述数据收集单元构成为收集时间轴数据作为上述处理对象数据。

18.一种数据处理方法，其特征在于包括：

根据处理对象数据制成上述处理对象数据的SNR分布数据的步骤；

通过对上述处理对象数据实施滤波处理，来生成提高了上述处理对象数据的SNR的滤波处理数据的步骤；

根据上述SNR分布数据制成权重函数的步骤；

通过使用上述权重函数进行上述处理对象数据和上述滤波处理数据的加权运算来制成修正数据的步骤。

19.一种医用诊断方法，其特征在于包括：

从被检体收集处理对象数据的步骤；

根据上述处理对象数据制成上述处理对象数据的SNR分布数据的步骤；

根据上述SNR分布数据制成权重函数的步骤；以及

20.根据权利要求19所述的医用诊断方法，其特征在于：

收集原始数据作为上述处理对象数据。

21.根据权利要求19所述的医用诊断方法，其特征在于：

收集图像数据作为上述处理对象数据。

22.根据权利要求19所述的医用诊断方法，其特征在于：

收集时间轴数据作为上述处理对象数据。