CN106232003A - 图像拍摄装置以及方法 - Google Patents

Abstract

在应用了压缩感知的MRI装置等中，进行高速的拍摄，并取得更高画质的图像。该MRI装置具有：观测部(100)，在MRI装置的K空间的高频成分观测中，在观测了相对于原点点对称的两点中的某一个点时不观测另一点；以及再构成部(106)，从观测部观测到的K空间成分再构成图像，在再构成部的再构成过程中，包含基于观测部的观测图案的图像修正处理。

Description

图像拍摄装置以及方法

技术领域

本发明涉及一种磁共振成像装置等，特别关于高速、高画质的图像拍摄技术。

背景技术

磁共振成像(MRI：Magnetic Resonance Imaging)是指利用核磁共振(NMR：Nuclear Magnetic Resonance)现象来使生物体内的信息成为图像的方法，在断层图像这点与CT(Computed Tomography计算机断层扫描)相似，但是能够将通过CT无法得到的物理信息可视化。另外，还不会被照射放射线。但是在其特性上，存在检查时间长这样的问题。一般一个检测体需要数十分钟，在腹部或肺部的摄影/拍摄中必须止住呼吸数十秒等，对患者的负担大，因此期望拍摄的高速化。作为其方法之一，使用了被称为并行成像的高速拍摄，但是当高速化率升高时画质的恶化和杂音增加等问题也多。

近年来，研究了向MRI装置应用被称为压缩感知(CS：Compressed Sensing)的方法(非专利文献1)。CS利用信号所具有的稀疏性(sparsity)，能够从稀疏的观测结果高精度地复原原有的信号。在此，稀疏的观测是指进行比再构成的数据量少的数据量的观测。在压缩感知中，重要的一点是使用怎样的观测图案。一般多使用随机二进制矩阵、加权随机矩阵、放射线状、螺旋状等、平行线状等。

现有技术文献

非专利文献

非专利文献1：Lustig et al.,“Sparse MRI：The Application of CompressedSensing for Rapid MR Imaging,”Magnetic Resonance in Medicine,581182-1195,2007

非专利文献2：G.Plonka,J.Ma,Curvelet-wavelet regularized Split Bregmanmethod for compressed sensing,International Journal of Wavelets,Multiresolution and Information Processing,79-110,2011

发明内容

发明所要解决的课题

在如上所述的CS的观测图案中，例如在通过MRI装置进行三维拍摄时能够随机(二维)地选择信号收集轨道，但是与画质的关联性不明确的点很多，不存在明确的规则。另外，在二维拍摄时轨道变更仅为相位编码方向(一维)，所以例如平行线状的观测图案为前提，压缩率或复原性能存在课题。另外，通过CS复原的图像的画质由于再构成时的参数从而受到大的影响，非常难以恰当地控制这些参数值。

本发明的目的在于提供一种能够解决这些课题的图像拍摄装置以及方法。

解决课题的手段

为了达成上述目的，在本发明中提供了一种拍摄被检测体图像的图像拍摄装置，其具备：观测部，其进行被检测体的观测，输出观测数据；再构成部，其根据来自观测部的观测数据再构成图像，观测部基于进行稀疏观测的观测图案取得观测数据，再构成部针对观测数据进行基于观测图案的图像修正处理。

另外，在本发明中，为了达成上述目的，提供了一种拍摄被检测体的图像的图像拍摄装置，其具备：观测部，其进行被检测体的观测，输出K空间的观测数据；再构成部，其根据来自观测部的观测数据再构成图像，观测部基于进行稀疏观测的观测图案取得K空间的观测数据，当在K空间的高频成分的观测中，观测到相对于K空间的原点为点对称的两点中的任意一方时，不进行另一方的观测。

并且，在本发明中，为了达成上述目的，提供了一种拍摄被检测体的图像的图像拍摄方法，其基于进行稀疏观测的观测图案取得被检测体的观测数据，在从观测数据再构成图像时，针对观测数据，进行基于观测图案的图像修正处理。

发明的效果

通过本发明，能够在图像拍摄装置中进行高速的拍摄，并且取得高画质的图像。

附图说明

图1是表示实施例1～3的MRI装置的全体结构的一个例子的框图。

图2说明实施例1的MRI装置的观测方法。

图3表示实施例1的MRI装置的观测图案的一个例子。

图4表示实施例1的MRI装置的再构成处理流程。

图5说明实施例1的基于MRI装置的观测图案的修正处理。

图6是实施例1的MRI装置的水平边缘平滑化滤波器的一个例子。

图7是实施例1的使MRI装置的平行线状观测图案平滑化的图。

图8表示实施例2的MRI装置的观测方法。

图9表示实施例2的MRI装置的观测图案的一个例子。

图10表示实施例3的MRI装置的再构成处理流程。

图11表示实施例3的向用户提示的画面的一个例子。

图12是表示实施例4的超声波诊断装置的全体结构的一个例子的框图。

图13是表示实施例5的CT装置的全体结构的一个例子的框图。

具体实施方式

以下，按照附图对本发明的图像拍摄装置的实施例进行说明，首先，使用图1来说明在实施例1～3中共用的图像拍摄装置的一种即MRI装置的一个结构例子。从图1可知，MRI装置大致划分为观测被检测体的观测部100以及再构成所观测的被检测体的图像的再构成部106。

观测部100由静磁场产生系统102、倾斜磁场产生系统103、发送系统104、接收系统105、定序器107、中央处理装置(CPU)108构成。静磁场产生系统102在被检测体101周围的空间中产生均匀的磁场。配置了永磁铁或常导方式或超导方式的磁场产生单元。倾斜磁场产生系统103由倾斜磁场线圈109以及驱动倾斜磁场线圈109的倾斜磁场电源110构成，向被检测体101施加倾斜磁场。

定序器107是通过某个预定的脉冲序列重复施加高频磁场脉冲(RF脉冲)和倾斜磁场脉冲的控制单元，在CPU108的控制下进行动作，向发送系统104、倾斜磁场产生系统103、接收系统105发送为了被检测体101的断层图像的数据收集所需要的各种命令。发送系统104由高频发生器111和调制器112、放大器113、高频线圈114a构成，向构成被检测体101的原子的原子核自旋照射用于引起核磁共振的RF脉冲。接收系统105由高频线圈114a、放大器115、正交相位检波器116、A/D转换器117构成，接收通过原子核自旋的核磁共振释放的回波信号，并将其发送到再构成部106。

再构成部106由图像处理部118；包含键盘、鼠标、触摸屏、按钮等的输入部119；包含显示器、打印机等的输出部120；包含磁盘、光盘等的存储数据和期望的程序的存储装置121构成。图像处理部118当从接收系统105输入了数据时，再构成图像并通过输出部120进行显示，并且将其存储在存储装置121中。如图1所示，该图像处理部118能够通过CPU108的程序处理来实现，在再构成部106中，也能够设置与CPU108不同的中央处理装置(CPU)，或通过用于图像处理的专用硬件来构成。

接着，使用图2对图1的MRI装置的观测部100中的接收系统105接收的回波信号，即K空间数据的观测方法进行说明。在图2中，201表示观测对象的K空间(作为实际空间的图像数据的傅里叶变换的空间)、202表示K空间201的原点，203表示原点附近的低频成分区域、204表示轴附近的低频成分区域，205表示高频成分区域。为了进行高速拍摄，需要使进行观测的数据点更少。一般通过CS可随机地对观测对象的空间进行观测。这是为了没有偏向地观测信号成分。然而，在K空间中，如果不密集地观测原点附近的低频成分203或204，在再构成的图像的对比度或明亮度中产生大的变动，因此关于原点附近的低频成分203或204观测全部的要素。作为这种观测方法的观测图案，考虑了图3所示的平行线状301、放射状302、随机状303、以及省略了图示的螺旋状等。

接着，对图1的MRI装置的图像处理部118的处理内容进行说明。如上所述，图像处理部118适当地通过CPU的程序处理来实现。图4表示图像处理部118通过程序处理等实现的处理流程。当采用了使用图3说明的观测图案时，与观测全部要素的情况相比，有时产生假的边缘、模糊这样的伪影。为此，图像处理部118通过解决成本最小化问题，来再构成没有伪影、锐利的图像。关于采用的最小化问题的解决方法，可以使用任何方法，但在以下说明的实施例中，对使用了分裂布雷格曼(Split Bregman)法(非专利文献2)的成本最小化方法进行说明。

实施例1

实施例1是拍摄被检测体图像的图像拍摄装置即MRI装置的实施例，该图像拍摄装置具备：进行被检测体的观测，输出观测数据的观测部100；以及根据来自观测部的观测数据再构成图像的再构成部106，观测部100基于进行稀疏观测的观测图案取得观测数据，再构成部106针对观测数据进行基于观测图案的图像修正处理。

如图4所示，本实施例的图像处理部118通过重复执行步骤ST401到步骤ST407，从所观测的K空间再构成图像。如上所述，在图像处理部118中，进行使用了分裂布雷格曼法的成本最小化、序贯优化，在本实施例中，在其推定更新处理中，使用通过图像修正处理修正后的结果。

如图4所示，首先，在步骤ST400中，将u⁰、u_C ⁰、u_w ⁰、b_C ⁰、b_w ⁰这些全部要素设为0来进行初始化。此后，重复执行步骤ST401到步骤ST407。

以下，对第k+1次的重复进行说明。在步骤ST401中通过式(1)进行计算，计算推定结果u^k+1。

[式1]

$u^{k+1}=\frac{1}{2\mathrm{\μ}+1}{\mathrm{\Φ}}^T{f}^k+\frac{1}{2}(I_N-\frac{1}{2\mathrm{\μ}+1}{\mathrm{\Φ}}^T\mathrm{\Φ})\left(\right(u_c^k-b_c^k)+(u_w^k-b_w^k\left)\right)---\left(1\right)$

在此，f^k表示通过紧前(第k次)的重复更新后的k空间，Φ表示傅里叶变换以及基于观测图案的观测过程，Φ^T表示Φ的逆变换。I_N是全部要素为1，且与f^k同尺寸的排列。另外u_C ^k、u_w ^k、b_C ^k、b_w ^k是在紧前(第k次)的重复中计算出的变更成分。另外，μ是作为参数的正的常数。

接着，在步骤ST402中，通过式(2)以及式(3)计算u_C ^k+1、u_w ^k+1。

[式2]

$u_c^{k+1}={\mathrm{\Ψ}}_c^T{S}_c(u^{k+1}+b_c^k)---\left(2\right)$

[式3]

$u_w^{k+1}={\mathrm{\Ψ}}_w^T{S}_w(u^{k+1}+b_w^k)---\left(3\right)$

在此，ψ_c ^T、ψ_w ^T分别是曲波(Curvelet)逆变换以及小波(Wavelet)逆变换。在此利用了曲波变换以及小波变换，但是除此之外，也可以使用TV(Total Variation总变分)、脊波(Ridgelet)变换等。另外，也可以将它们组合来使用。

S_c以及S_w表示被称为软缩(Soft Shrinkage)的处理。S_c以及S_w对于全部的要素分别进行式(4)、(5)所示的处理。在这里ψ_c、ψ_w分别是曲波变换以及小波变换。另外，λ是作为参数的常数。

[式4]

$S_c(u^{k+1}+b_c^k)=\left\{\begin{array}{ccc}{\mathrm{\&Psi;}}_c(u^{k+1}+b_c^k)-\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}& if& {\mathrm{\&Psi;}}_c(u^{k+1}+b_c^k)\&GreaterEqual;\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\\ {\mathrm{\&Psi;}}_c(u^{k+1}+b_c^k)+\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}& if& {\mathrm{\&Psi;}}_c(u^{k+1}+b_c^k)\&le;\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\\ 0& if& \left|{\mathrm{\&Psi;}}_c(u^{k+1}+b_c^k)\right|<\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\end{array}\right.---\left(4\right)$

[式5]

$S_w(u^{k+1}+b_w^k)=\left\{\begin{array}{ccc}{\mathrm{\&Psi;}}_w(u^{k+1}+b_w^k)-\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}& if& {\mathrm{\&Psi;}}_w(u^{k+1}+b_w^k)\&GreaterEqual;\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\\ {\mathrm{\&Psi;}}_w(u^{k+1}+b_w^k)+\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}& if& {\mathrm{\&Psi;}}_w(u^{k+1}+b_w^k)\&le;\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\\ 0& if& \left|{\mathrm{\&Psi;}}_w(u^{k+1}+b_w^k)\right|<\frac{\left|\mathrm{\&lambda;}\right|}{\mathrm{\&mu;}}\end{array}\right.---\left(5\right)$

接着，在步骤ST403中，使用式(6)、(7)来计算出b_c ^k+1、b_w ^k+1。

[式6]

$b_c^{k+1}=b_c^k+u^{k+1}-u_c^{k+1}---\left(6\right)$

[式7]

$b_w^{k+1}=b_w^k+u^{k+1}-u_w^{k+1}---\left(7\right)$

步骤ST404针对推定结果u^k+1，如式(8)所示那样，如上所述，在本实施例中进行基于观测图案的修正处理G。即，在推定更新处理中，使用通过修正处理G修正后的结果。由此，本实施例的MRI装置能够提高再构成的图像的画质。

[式8]

${\hat{u}}^{k+1}={\mathrm{Gu}}^{k+1}---\left(8\right)$

在这里，作为本实施例的观测部100中的观测方法，使用图5来说明在利用了图3所示的水平方向的平行线状观测图案301时的，基于观测图案301的修正处理G。

在图5中，501表示希望再构成的真实的水平边缘图像，502表示利用了图3所示的平行线状的观测图案301时的，通过再构成部106得到的再构成图像的影像。根据该图所示的影像502可知，容易模糊地构成水平边缘。这是因为在图3所示的平行线状的观测图案301的观测中，难以取得与水平边缘相对应的高频成分。

在此为了使再构成图像的水平边缘更锐利，在本实施例中，作为上述式(8)中的修正处理G，基于观测图案301使用水平边缘平滑化处理。另外，关于再构成算法，进行再构成以使平滑化后的推定结果与输入的观测数据近似。由此，能够推定更锐利的水平边缘。

此外，上述的水平边缘平滑化处理可以为任意的处理。例如图6所示，考虑了一维移动平均滤波器601或一维高斯滤波器602。

另外，作为平行线状观测图案301的替代，在利用了图3所示的放射线状观测图案302、或随机状观测图案303时，有时针对特定的方向不模糊，因此作为平滑化处理，例如考虑应用二维的高斯滤波器。

另外，如图7所示，也可以将观测图案充分平滑化来使用。在该图中，701是充分平滑化后的平行线状观测图案。也可以将其作为修正处理G的滤波器来使用。

返回图4的处理流程，步骤ST405是使用式(9)根据在步骤ST404修正后的推定结果更新f^k+1的处理。

[式9]

$f^{k+1}=f^k+f-\mathrm{\&Phi;}{\hat{u}}^{k+1}---\left(9\right)$

最后，在步骤ST406中进行结束判定。结束判定中使用的基准可以为任意基准。例如，考虑了b_c ^k+1、b_w ^k+1的绝对值或平均值、与紧前的重复的差分值、循环次数k等。另外，也可以针对推定结果使用新的评价指标来进行结束判定。如果不满足结束判定则在步骤ST407中更新k，并返回步骤ST401。此外，在步骤ST407中，也可以进行慢慢增大参数μ那样的更新。如果满足结束判定，则将u^k+1作为再构成图像进行输出。

根据以上详细叙述的实施例1，通过在再构成部的再构成处理内加入了基于观测部的观测图案的修正处理，预计在PSNR(Peak Signal Noise Ratio峰值信噪比)中提高数分贝(dB)。即，通过本实施例的图像拍摄装置，能够使用在进行稀疏观测的观测图案中得到的观测数据，取得高画质的图像。即，使用进行稀疏观测的观测图案来得到更少的数据，由此能够进行高速的拍摄，还能够通过进行基于观测图案的修正处理来再构成更高画质的图像。另外，能够大幅削减用户的画质调整作业。

实施例2

实施例2是一种拍摄被检测体图像的图像拍摄装置即MRI装置的实施例，该图像拍摄装置具备：进行被检测体的观测，并输出K空间的观测数据的观测部100；从来自观测部的观测数据再构成图像的再构成部106，观测部100基于进行稀疏观测的观测图案取得K空间的观测数据，在K空间的高频成分的观测中，在观测了相对于K空间的原点为点对称的两点中的任意一个点时，不进行另一点的观测。

在本实施例中，装置的全部结构与实施例1相同，通过图1来表现。本实施例与实施例1不同点在于，观测部100的回波信号即观测数据的观测方法。再构成部106与实施例1相同。

图8示意性地表示了本实施例中的观测数据的观测方法。在图8中对于与图2所示的结构要素相同的要素赋予相同的符号并省略说明。在该图中，801以及802位于相对于K空间201的原点204点对称的位置。在本实施例中，图1的MRI装置的观测部100针对相对于K空间201的原点202，在高频区域205中位于点对称的位置的点801以及点802，使用在观测了一个点时，不观测另一点这样的观测图案来进行观测。图9表示在这样的本实施例的观测方法中使用的观测图案的一个例子。在观测二维的K空间时，能够利用相对于横轴为非对称的平行线状观测图案901、在即使旋转180度也不重合的角度方向上进行观测的放射状观测图案902等。另外，在观测三维的K空间时，也能够使用满足上述条件的随机状观测图案903。

由于在K空间中存在点对称性，因此通过利用上述那样只观测位于点对称位置的一个点的观测方法，能够进行高效的观测。由此，能够期待在MRI装置的图像处理部118中再构成的图像的画质提高。另外，在向再构成部106输入观测到的K空间时，可以利用点对称性来插入值。

如上所述通过本实施例，在MRI装置中能够以更少的观测数据进行高速拍摄，并且能够取得高画质的图像。此外，在本实施例的再构成部106中，即使在再构成处理中不加入实施例1中说明的基于观测图案的修正处理的情况下，也能够得到可进行高效观测这样的实施例2特有的效果。

实施例3

实施例3是一种图像拍摄装置，即，观测图像的观测部基于进行稀疏观测的观测图案取得观测数据，再构成部进行多个基于该观测图案的图像修正处理的结构的MRI装置的实施例。

图10表示实施例3中的图像处理部118的处理流程。在图10中，对于与图4所示的结构要素相同的要素赋予相同的符号并省略其说明。另外，装置的全部结构与实施例1、2相同，如图1所示。

通过本实施例，能够更简单地调节再构成的图像的画质，能够大幅削减用户的画质调整作业。本实施例与实施例1的不同点在于，如图10所示，在再构成部106的图像处理部118的处理流程中追加新的步骤ST1001，进行多个修正处理。即，准备多个修正处理，并执行这些修正处理。

一般，为了变更再构成的图像的画质，需要调节式(1)内的变量μ、式(4)、式(5)内的常数λ，当这些的参数μ、λ与再构成的图像之间的关系的灵敏度低时，与人的主观不同。另外，需要针对每个拍摄对象、每个部位设定这些参数，并且由于值的设定会很大地损害再构成图像的画质，所以用户难以进行这些参数的调节。

因此，在本实施例中，通过由用户调节所追加的步骤ST1001中的修正处理，进行再构成的图像的画质调节。对于该修正处理ST1001的调整方法进行说明。

首先，步骤ST1001针对通过步骤ST404修正后的推定结果，进行式(10)所示的任意的修正处理G₂。

[式10]

${\tilde{u}}^{k+1}=G_2{\hat{u}}^{k+1}---\left(10\right)$

用户能够通过作为图1的输入部119的键盘、鼠标等来选择/变更/调整修正处理G₂的处理内容和参数。修正处理G2可以是任意的修正处理，例如在想要使再构成的图像更锐利时，进行平滑化处理，例如进行高斯滤波处理等。相反，在想要进一步抑制噪声时可以进行锐化处理，例如非锐化屏蔽处理。

此时，关于用户输入的参数，例如考虑高斯滤波器的尺寸、离散等。另外，也可以预先准备几个参数的组合，对其进行选择。

图11是使用作为图1的输出部120的显示器等来向用户进行提示的调整画面的一个例子。例如，能够对于锐利度这样的项目，进行数值1101、复选框1102、滑块1103等的调节。

在图10的步骤ST1002中，通过式(11)更新f^k+1。

[式11]

$f^{k+1}=f^k+f-\mathrm{\&Phi;}{\tilde{u}}^{k+1}---\left(11\right)$

通过以上的本实施例，能够更简单地调节再构成的图像的画质，能够大幅削减用户的画质调整作业。

实施例4

实施例4是图像拍摄装置为能够高速取得高画质的超声波图像的超声波诊断装置时的实施例。

图12是表示作为实施例4的图像拍摄装置的超声波诊断装置的一个结构例子的框图。在图12中，对于与图1所示的结构要素相同的要素赋予相同的符号并省略其说明。在该图中，构成超声波诊断装置的超声波观测部1206由超声波探头1201、发送部1202、接收部1203、超声波发送接收控制部1204、相位调整相加部1205构成。

发送部1202经由超声波探头1201向被检测体101以一定的时间间隔重复发送超声波。接收部1203接收从被检测体101产生的时间序列的反射回波信号。超声波发送接收控制部1204控制发送部1202和接收部1203。相位调整相加部1205对接收到的反射回波信号进行相位调整相加，从而以时间序列生成RF信号帧数据。相位调整相加部1205内置模拟数字(A/D)转换器，将RF信号帧数据作为观测数据输出到再构成部106的图像处理部118，图像处理部118使用由RF帧数据构成的观测数据来生成超声波回波图像。

本实施例的超声波观测部1206将稀疏的观测结果作为观测数据来发生到图像处理部118。在这里稀疏的观测是指，例如设置发送部1202的超声波发送间隔等。图像处理部118针对稀疏的观测结果，进行实施例1或实施例3所示的再构成处理。此外，在本实施例中，因为观测到的反射回波信号为图像信号，所以不执行先前的式(1)中的傅里叶变换，而进行与实施例1中的说明的图像处理相同的图像处理。

通过本实施例的超声波诊断装置，能够高速取得高画质的超声波图像。

实施例5

实施例5是图像拍摄装置为能够高速取得高画质的CT(Computed Tomography计算机断层扫描)图像的CT装置的实施例。

图13是表示作为实施例5的图像拍摄装置的CT(Computed Tomography)装置的一个结构例子的框图。在该图中，对于与图1、图12所示的结构要素相同的要素赋予相同的符号并省略其说明。

在图13中，CT观测部1309由X射线管装置1301、旋转圆盘1302、准直器1303、X射线检测器1306、数据收集装置1307、躺台1305、系统控制部1308构成。X射线管装置1301是向躺台1305上放置的被检测体照射X射线的装置。准直器1303是限制从X射线管装置1301照射的X射线的放射范围的装置。旋转圆盘1302具备在躺台1305上放置的被检测体进入的开口部1304，并且搭载了X射线管装置1301和X射线检测器1306，在被检测体的周围进行旋转。

X射线检测器1306是检测透射了与X射线管装置1301相对设置的被检测体的X射线，由此来测量透射X射线的空间分布的装置，其在旋转圆盘1302的旋转方向上排列了多个X射线检测元件，或者在旋转圆盘1302的旋转方向以及旋转轴方向上二维排列了多个X射线检测元件。数据收集装置1307是将X射线检测器1306检测到的X射线剂量作为数字数据来进行收集的装置。另外，系统控制部1308控制旋转圆盘1302的旋转、躺台1305上下前后左右的移动、向X射线管装置1301输入的功率等。

本实施例的CT装置的CT观测部1309将作为稀疏的观测结果的数字数据作为观测数据发送到再构成部106的图像处理部118。在此，稀疏的观测是指，在使用X射线管装置1301和X射线检测器1306来进行观测时，例如对于角度方向未进行充分的观测等。本实施例的再构成部106的图像处理部118针对稀疏的观测结果，进行实施例1或实施例3所示的再构成处理，再构成高画质的CT图像。

如上所述，通过本实施例，能够高速取得高画质的CT图像。并且，与以往相比，能够期待降低X射线的被照射量。

此外，本发明并不限于上述的实施例，还包含各种各样的变形例子。例如，上述实施例是为了更好理解本发明而进行的详细说明，但是并不限于必须具备说明的全部结构。另外，能够将某个实施例的结构的一部分置换为其他实施例的结构，另外，能够在某个实施例的结构中添加其他实施例的结构。另外，对于各实施例的结构的一部分，能够进行其他结构的追加/删除/置换。

并且，虽然说明了生成用于实现上述各结构、功能、处理部等的一部分或全部的CPU程序的例子，但是显而易见也可以将它们的一部分或全部例如通过集成电路进行设计等以硬件方式来实现。

符号说明

100：观测部

101：被检测体

102：静磁场产生系统

103：倾斜磁场产生系统

104：发送系统

105：接收系统

106：再构成部

107：定序器

108：中央处理装置(CPU)

109：倾斜磁场线圈

110：倾斜磁场电源

111：高频发生器

112：调制器

113：放大器

114：高频线圈

115：放大器

116：正交相位检波器

117：A/D传感器

118：图像处理部

119：输入部

120：输出部

121：存储装置

201：K空间

202：原点

203：原点附近的低频区域

204：轴附近的低频区域

205：高频区域

301：水平方向平行线状观测图案

302：放射状观测图案

303：随机状观测图案

501：真实的水平边缘图像

502：再构成的水平边缘的影像

601：移动平均滤波器

602：高斯滤波器

701：平滑化的观测图案

801：观测点

802：相对于原点202位于与观测点801点对称的位置的观测点

901：平行线状观测图案

902：放射线状观测图案

903：随机状观测图案

1201：超声波探头

1202：发送部

1203：接受部

1204：超声波发送接收控制部

1205：相位调整相加部

1206：超声波观测部

1301：X射线管装置

1302：旋转圆盘

1303：准直器

1304：开口部

1305：躺台

1306：X射线检测器

1307：数据收集装置

1308：系统控制部

1309：CT观测部。

Claims (15)

1.一种图像拍摄装置，其拍摄被检测体的图像，其特征在于，具备：

观测部，其进行所述被检测体的观测，并输出观测数据；以及

再构成部，其根据来自所述观测部的所述观测数据再构成图像，

所述观测部基于进行稀疏观测的观测图案取得所述观测数据，

所述再构成部针对所述观测数据进行基于所述观测图案的图像修正处理。

2.根据权利要求1所述的图像拍摄装置，其特征在于，

所述图像拍摄装置为磁共振成像即MRI装置，

所述观测数据为K空间的数据。

3.根据权利要求2所述的图像拍摄装置，其特征在于，

所述观测部的所述观测图案为平行线状，

在所述再构成部的所述图像修正处理中包含水平边缘平滑化处理。

4.根据权利要求2所述的图像拍摄装置，其特征在于，

所述观测部的所述观测图案为放射状或随机状，

在所述再构成部的所述图像修正处理中包含平滑化处理。

5.根据权利要求2所述的图像拍摄装置，其特征在于，

所述再构成部进行使用了分裂布雷格曼法的序贯优化，在其推定更新处理中，使用通过所述图像修正处理修正后的结果。

6.根据权利要求2所述的图像拍摄装置，其特征在于，

所述观测部在所述K空间的高频成分的观测中，在观测了相对于所述K空间的原点为点对称的两个点中的任意一点时，不进行另一点的观测。

7.根据权利要求1所述的图像拍摄装置，其特征在于，

所述再构成部具备多个所述图像修正处理。

8.一种图像拍摄装置，其拍摄被检测体的图像，其特征在于，具备：

观测部，其进行所述被检测体的观测，输出K空间的观测数据；

再构成部，其根据来自所述观测部的所述观测数据再构成图像，

所述观测部基于进行稀疏观测的观测图案取得所述K空间的观测数据，

在所述K空间的高频成分的观测中，在观测了相对于所述K空间的原点为点对称的两个点中的任意一点时，不进行另一点的观测。

9.根据权利要求8所述的图像拍摄装置，其特征在于，

所述再构成部针对所述K空间的观测数据，进行基于所述观测图案的图像修正处理。

10.根据权利要求9所述的图像拍摄装置，其特征在于，

所述再构成部进行多个所述图像修正处理。

11.一种图像拍摄方法，其拍摄被检测体的图像，其特征在于，

基于进行稀疏观测的观测图案取得所述被检测体的观测数据，

在根据所述观测数据再构成图像时，针对所述观测数据，进行基于所述观测图案的图像修正处理。

12.根据权利要求11所述的图像拍摄方法，其特征在于，

所述观测数据为通过MRI装置的观测部取得的K空间的数据。

13.根据权利要求12所述的图像拍摄方法，其特征在于，

所述观测图案为平行线状，

在所述图像修正处理中包含水平边缘平滑化处理。

14.根据权利要求12所述的图像拍摄方法，其特征在于，

所述观测图案为放射状或随机状，

在所述图像修正处理中包含平滑化处理。

15.根据权利要求12所述的图像拍摄方法，其特征在于，

在所述K空间的高频成分的观测中，在观测了相对于所述K空间的原点为点对称的两个点中的任意一点时，不进行另一点的观测。