JP2016093494A - Magnetic resonance imaging apparatus, image processing apparatus and image processing method - Google Patents
Magnetic resonance imaging apparatus, image processing apparatus and image processing method Download PDFInfo
- Publication number
- JP2016093494A JP2016093494A JP2015217590A JP2015217590A JP2016093494A JP 2016093494 A JP2016093494 A JP 2016093494A JP 2015217590 A JP2015217590 A JP 2015217590A JP 2015217590 A JP2015217590 A JP 2015217590A JP 2016093494 A JP2016093494 A JP 2016093494A
- Authority
- JP
- Japan
- Prior art keywords
- image
- noise
- magnetic resonance
- unit
- value
- 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.)
- Granted
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明の実施形態は、磁気共鳴イメージング装置、画像処理装置及び画像処理方法に関する。 Embodiments described herein relate generally to a magnetic resonance imaging apparatus, an image processing apparatus, and an image processing method.
従来、画像のノイズを除去するための技術として、フレームの画素毎に信号強度の時間変化の標準偏差を算出し、算出した標準偏差の全画素の平均をノイズの大きさとする方法が知られている。このような方法では、全画素の平均を用いるため、例えば、画像に含まれる複数の画素間にS/N(SN比)の違いが生じる場合に、全画素のノイズを適切に除去することが難しい場合があった。 Conventionally, as a technique for removing image noise, a method of calculating a standard deviation of a temporal change in signal intensity for each pixel of a frame, and using an average of all pixels of the calculated standard deviation as a noise magnitude is known. Yes. In such a method, since the average of all pixels is used, for example, when there is a difference in S / N (S / N ratio) between a plurality of pixels included in an image, noise of all pixels can be appropriately removed. It was sometimes difficult.
本発明が解決しようとする課題は、画像に含まれる複数の画素間にS/Nの違いが生じる場合でも、全画素のノイズを適切に除去することができる磁気共鳴イメージング装置、画像処理装置及び画像処理方法を提供することである。 The problem to be solved by the present invention is to provide a magnetic resonance imaging apparatus, an image processing apparatus, and an image processing apparatus capable of appropriately removing noise of all pixels even when an S / N difference occurs between a plurality of pixels included in an image. An image processing method is provided.
実施形態に係る磁気共鳴イメージング(MRI:Magnetic Resonance Imaging)装置は、画像生成部と、特徴量算出部と、補正部と、デノイズ処理部とを備える。画像生成部は、被検体から発生する磁気共鳴信号に基づいて画像を生成する。特徴量算出部は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する。補正部は、前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する。デノイズ処理部は、前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させる。 A magnetic resonance imaging (MRI) apparatus according to an embodiment includes an image generation unit, a feature amount calculation unit, a correction unit, and a denoising processing unit. The image generation unit generates an image based on a magnetic resonance signal generated from the subject. The feature amount calculation unit calculates a feature amount related to the signal value of each pixel included in the image. The correction unit corrects the feature amount of each of the plurality of pixels based on sensitivity characteristics of a receiving coil that receives the magnetic resonance signal. The denoising processing unit reduces the noise of the image based on the distribution of the feature amount corrected by the correcting unit.
以下に、図面に基づいて、MRI装置、画像処理装置及び画像処理方法の実施形態を詳細に説明する。 Hereinafter, embodiments of an MRI apparatus, an image processing apparatus, and an image processing method will be described in detail based on the drawings.
(第1の実施形態)
図1は、第1の実施形態に係るMRI装置の構成例を示す図である。例えば、図1に示すように、MRI装置100は、静磁場磁石1、傾斜磁場コイル2、傾斜磁場電源3、寝台4、寝台制御部5、送信コイル6、送信部7、受信コイル8、受信部9、及び、計算機システム20を備える。
(First embodiment)
FIG. 1 is a diagram illustrating a configuration example of an MRI apparatus according to the first embodiment. For example, as shown in FIG. 1, the
静磁場磁石1は、中空の略円筒形状(円筒の中心軸に直交する断面が楕円状となるものを含む)に形成され、その内側に形成される撮像空間に一様な静磁場を発生させる。なお、静磁場磁石1は、例えば、永久磁石、超伝導磁石等である。 The static magnetic field magnet 1 is formed in a hollow, substantially cylindrical shape (including one having a cross section perpendicular to the central axis of the cylinder is elliptical), and generates a uniform static magnetic field in an imaging space formed inside thereof. . The static magnetic field magnet 1 is, for example, a permanent magnet or a superconducting magnet.
傾斜磁場コイル2は、中空の略円筒形状(円筒の中心軸に直交する断面が楕円状となるものを含む)に形成され、静磁場磁石1の内側に配置される。具体的には、傾斜磁場コイル2は、互いに直交するx,y,zの各軸に対応する3つのコイルを組み合わせて構成される。これらの3つのコイルは、傾斜磁場電源3から個別に供給される電流により、互いに直交するx軸、y軸及びz軸それぞれに沿って磁場強度が変化する傾斜磁場を撮像空間に発生させる。なお、z軸の方向は、静磁場の磁束の方向と同じに設定される。
The gradient
傾斜磁場電源3は、傾斜磁場コイル2に電力を供給することで、傾斜磁場コイル2に傾斜磁場を発生させる。具体的には、傾斜磁場電源3は、傾斜磁場コイル2が有する3つのコイルそれぞれに個別に電流を供給してx軸、y軸及びz軸それぞれに沿った傾斜磁場を適宜に発生させることで、互いに直交するリードアウト方向、位相エンコード方向、及びスライス方向それぞれに沿った傾斜磁場を撮像空間内に発生させる。なお、以下では、リードアウト方向に沿った傾斜磁場をリードアウト傾斜磁場と呼び、位相エンコード方向に沿った傾斜磁場を位相エンコード傾斜磁場と呼び、スライス方向に沿った傾斜磁場をスライス傾斜磁場と呼ぶ。
The gradient magnetic
これらの3つの方向は、MR信号に空間的な位置情報を付与するために用いられる。具体的には、リードアウト傾斜磁場は、リードアウト方向の位置に応じて磁気共鳴(Magnetic Resonance:MR)信号の周波数を変化させることで、MR信号にリードアウト方向の位置情報を付与する。また、位相エンコード傾斜磁場は、位相エンコード方向に沿ってMR信号の位相を変化させることで、MR信号に位相エンコード方向の位置情報を付与する。また、スライス傾斜磁場は、撮像領域がスライス領域の場合には、スライス傾斜磁場は、スライス領域の方向、厚さ、枚数を決めるために用いられ、撮像領域がボリューム領域である場合には、スライス方向の位置に応じてMR信号の位相を変化させることで、MR信号にスライス方向に沿った位置情報を付与する。 These three directions are used to give spatial position information to the MR signal. Specifically, the readout gradient magnetic field gives position information in the readout direction to the MR signal by changing the frequency of the magnetic resonance (MR) signal in accordance with the position in the readout direction. Further, the phase encoding gradient magnetic field changes the phase of the MR signal along the phase encoding direction, thereby giving position information in the phase encoding direction to the MR signal. The slice gradient magnetic field is used to determine the direction, thickness, and number of slice regions when the imaging region is a slice region. When the imaging region is a volume region, the slice gradient magnetic field is used to determine the slice region. By changing the phase of the MR signal according to the position in the direction, position information along the slice direction is given to the MR signal.
寝台4は、被検体Sが載置される天板4aを備え、静磁場磁石1及び傾斜磁場コイル2の内側に形成される撮像空間へ天板4aを挿入する。例えば、寝台4は、長手方向が静磁場磁石1の中心軸と平行になるように設置される。
The
寝台制御部5は、寝台4の動作を制御する。例えば、寝台制御部5は、寝台4が有する駆動機構を制御して、天板4aを長手方向、上下方向又は左右方向へ移動する。
The bed control unit 5 controls the operation of the
送信コイル6は、中空の略円筒形状(円筒の中心軸に直交する断面が楕円状となるものを含む)に形成され、傾斜磁場コイル2の内側に配置される。また、送信コイル6は、送信部7から供給されるRF(Radio Frequency)パルス電流により、撮像空間にRF磁場を印加する。
The transmission coil 6 is formed in a hollow, substantially cylindrical shape (including one having a cross section perpendicular to the central axis of the cylinder that is elliptical), and is disposed inside the gradient
送信部7は、ラーモア周波数に対応するRFパルス電流を送信コイル6に供給する。 The transmitter 7 supplies an RF pulse current corresponding to the Larmor frequency to the transmitter coil 6.
受信コイル8は、撮像空間に置かれた被検体Sに装着され、送信コイル6によって印加されるRF磁場の影響で被検体Sから放射されるMR信号を受信する。また、受信コイル8は、受信したMR信号を受信部9へ出力する。例えば、受信コイル8には、撮像対象の部位ごとに専用のコイルが用いられる。ここでいう専用のコイルは、例えば、腹部用の受信コイル、頭部用の受信コイル、脊椎用の受信コイル等である。
The
受信部9は、受信コイル8によって受信されたMR信号に基づいてMR信号データを生成する。具体的には、受信部9は、MR信号をデジタル変換することでMR信号データを生成し、生成したMR信号データを収集部24へ送信する。
The receiving
なお、ここでは、送信コイル6がRF磁場を印加し、受信コイル8がMR信号を受信する場合の例を説明するが、実施形態はこれに限られない。例えば、送信コイル6が、MR信号を受信する受信機能をさらに有してもよいし、受信コイル8が、RF磁場を印加する送信機能をさらに有していてもよい。送信コイル6が受信機能を有している場合は、受信部9は、送信コイル6によって受信されたMR信号からもMR信号データを生成する。また、受信コイル8が送信機能を有している場合は、送信部7は、受信コイル8にもRFパルス電流を供給する。
Here, an example in which the transmission coil 6 applies an RF magnetic field and the
計算機システム20は、MRI装置100の全体制御を行う。例えば、計算機システム20は、入力部21、表示部22、シーケンス制御部23、収集部24、画像生成部25、記憶部26、及び、システム制御部27を備える。
The
入力部21は、操作者から各種指示及び各種情報の入力を受け付ける。例えば、入力部21は、キーボード、マウス、トラックボール、タッチパネル、ボタン、スイッチ等の入力装置により構成される。
The
表示部22は、各種情報及び各種画像を表示する。例えば、表示部22は、操作者から各種指示及び各種情報の入力を受け付けるためのGUI(Graphical User Interface)を表示する。また、例えば、画像生成部25によって生成された画像を表示する。例えば、表示部22は、液晶モニタ、CRT(Cathode-Ray Tube)モニタ、タッチパネル等の表示装置により構成される。
The
シーケンス制御部23は、各種スキャンを実行する。具体的には、シーケンス制御部23は、システム制御部27から送信されるシーケンス実行データに基づいて傾斜磁場電源3、送信部7及び受信部9を駆動することで、各種スキャンを実行する。ここで、シーケンス実行データは、MR信号データを収集するための手順を示すパルスシーケンスを定義した情報である。具体的には、シーケンス実行データは、傾斜磁場電源3が傾斜磁場コイル2に電流を供給するタイミング及び供給される電流の強さ、送信部7が送信コイル6にRF送信するタイミング及び送信されるRFパルス電流の強さ、受信部9がMR信号を検出するタイミング等を定義した情報である。
The
収集部24は、各種スキャンが実行された結果として、受信部9によって生成されるMR信号データを収集する。具体的には、収集部24は、受信部9からMR信号データを受信すると、受信したMR信号データに対してアベレージング処理、位相補正処理等の補正処理を行い、補正後のMR信号データを画像生成部25に送信する。また、収集部24は、収集した画像のデータを計算機システム20に送信する。なお、収集部24によって収集されるMR信号データの集合は、前述したリードアウト傾斜磁場、位相エンコード傾斜磁場、及びスライス傾斜磁場によって付与された位置情報に応じて各MR信号データが2次元又は3次元に配列されることで、k空間を構成するデータとして、計算機システム20の記憶部26に記憶される。
The
画像生成部25は、収集部24によって収集されたMR信号データに基づいて、画像を生成する。具体的には、画像生成部25は、収集部24からMR信号データを受信すると、受信したMR信号データに後処理すなわちフーリエ変換等の再構成処理を施すことで被検体Sの画像を生成する。また、画像生成部25は、生成した画像のデータを計算機システム20に送信する。
The
記憶部26は、各種データを記憶する。例えば、記憶部26は、シーケンス制御部23によって収集されたMR信号データ及び画像生成部25によって生成された画像のデータを被検体Sごとに記憶する。また、記憶部26は、シーケンス制御部23、収集部24、画像生成部25、システム制御部27が各種処理を実行する際に用いる各種プログラム及び各種データを記憶する。例えば、記憶部26は、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、ハードディスク、光ディスク等の記憶装置により構成される。
The
システム制御部27は、MRI装置100が有する各部を制御することで、MRI装置100の全体制御を行う。例えば、システム制御部27は、入力部21を介して、各種撮像パラメータの入力を操作者から受け付ける。そして、システム制御部27は、受け付けた撮像パラメータに基づいてシーケンス実行データを生成し、生成したシーケンス制御部23に送信することで、各種スキャンを実行する。
The
また、システム制御部27は、各種スキャンを実行した結果、収集部24から送信されるMR信号データ、及び、画像生成部25から送信される画像のデータを記憶部26に格納する。また、システム制御部27は、操作者から要求された画像を記憶部26から読み出し、読み出した画像を表示部22に出力する。また、例えば、システム制御部27は、入力部21を介して操作者から受け付けた指示に基づいて寝台制御部5を制御することで、寝台4を動作させる。
Further, as a result of executing various scans, the
なお、上述した各部のうち、シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27は、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサ、メモリ、ASIC(application specific integrated circuits)、FPGA(Field Programmable Gate Array)等の電子回路により構成される。この場合に、例えば、シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27それぞれが有するプロセッサは、各部が行う処理の処理手順を規定したプログラムを記憶部26から読み出して実行することで、当該処理手順に従って処理を実行する。
Among the above-described units, the
なお、ここでは、シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27それぞれがプロセッサを有する場合の例を説明したが、実施形態はこれに限られない。シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27の構成は、適宜に分散又は統合されてもよい。例えば、MRI装置100が一つのプロセッサを備え、当該プロセッサが、シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27それぞれの処理を行ってもよい。また、例えば、MRI装置100が複数のプロセッサを備え、各プロセッサが、シーケンス制御部23、収集部24、画像生成部25、及び、システム制御部27それぞれの処理を適宜に分散して行ってもよい。
Here, an example in which each of the
以上、第1の実施形態に係るMRI装置100の構成例について説明した。このような構成のもと、MRI装置100は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出し、MR信号を受信する受信コイルの感度特性に基づいて、複数の画素それぞれの特徴ベクトルを補正し、補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。
The configuration example of the
第1の実施形態では、MRI装置100は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴ベクトルを算出し、撮像条件に応じて画素に生じるノイズの分布を示す情報に基づいて補正マップを算出する。そして、MRI装置100は、算出した補正マップを用いて複数の画素それぞれの特徴ベクトルを補正し、補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。
In the first embodiment, the
なお、本実施形態では、特徴量は、複数の要素を含む特徴ベクトルで表されることとする。しかしながら、実施形態はこれに限られない。例えば、特徴量は、スカラーで表されてもよい。 In the present embodiment, the feature amount is represented by a feature vector including a plurality of elements. However, the embodiment is not limited to this. For example, the feature amount may be represented by a scalar.
ここで、例えば、画像のノイズを除去するための技術として、入力画像のノイズ量の大小に応じた調整パラメータを備えたノイズ除去装置を用いる方法がある。この方法では、ノイズ除去装置に対して外部からノイズ量を与える必要がある。また、例えば、フレームの画素ごとに信号強度の時間変化の標準偏差を算出し、算出した標準偏差の全画素の平均をノイズの大きさとする方法がある。この方法では、外部からノイズ量を与える必要はない。しかし、この技術では、全画素の平均を用いるため、入力画像のノイズ量が画像内で均一である場合には問題ないが、例えば、画像に含まれる複数の画素間にS/Nの違いが生じる場合に、全画素のノイズを適切に除去することが難しい場合がある。 Here, for example, as a technique for removing image noise, there is a method of using a noise removal device having an adjustment parameter corresponding to the amount of noise in the input image. In this method, it is necessary to give a noise amount to the noise removing device from the outside. Further, for example, there is a method of calculating the standard deviation of the signal intensity with time for each pixel of the frame and setting the average of all the calculated standard deviations as the magnitude of the noise. In this method, it is not necessary to give a noise amount from the outside. However, since this technique uses the average of all pixels, there is no problem when the noise amount of the input image is uniform within the image. For example, there is a difference in S / N between a plurality of pixels included in the image. When this occurs, it may be difficult to properly remove noise from all pixels.
一般的に、MRI装置では、被検体の表面に複数の小さな受信コイルを装着して撮像を行う場合に、受信コイルに近い体表面ではS/Nが高くなり、受信コイルから遠い体の中心付近ではS/Nが低くなる等、画素間のS/Nが一定にならないことが知られている。このような場合に、上述した技術では、画素間のS/Nの違いに対応できず、推定されたノイズ量より大きなノイズ量を持つ画素のノイズを完全に除去できなかったり、推定されたノイズ量より小さなノイズ量を持つ画素の信号の特徴が失われてしまったりする場合があった。 Generally, in an MRI apparatus, when imaging is performed with a plurality of small receiving coils mounted on the surface of a subject, the S / N is high on the body surface close to the receiving coil, and near the center of the body far from the receiving coil Then, it is known that the S / N between pixels does not become constant, for example, the S / N becomes low. In such a case, the above-described technique cannot cope with the difference in S / N between pixels, and cannot completely remove noise of a pixel having a noise amount larger than the estimated noise amount. In some cases, the characteristics of the signal of a pixel having a noise amount smaller than that amount may be lost.
これに対し、第1の実施形態に係るMRI装置100では、撮像条件に応じて画素に生じるノイズの分布を示す情報を用いて画素間のS/Nの違いを補正するので、画像に含まれる複数の画素間にS/Nの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、ノイズの除去を行うことで画像における信号の特徴が失われるのを抑制することができる。すなわち、第1の実施形態に係るMRI装置100によれば、撮像条件を反映させた特徴ベクトルを用いてノイズ量を推定することにより、ノイズ量の推定精度を高め、同時にデノイズ処理部の性能を高めることにより、全画素においてノイズを適切に除去し信号の特徴が失われにくいノイズ除去が可能となる。
On the other hand, in the
図2は、第1の実施形態に係るMRI装置100が有する機能の構成例を示すブロック図である。なお、図2は、図1に示した計算機システム20が有する構成要素のうち、入力部21、表示部22、シーケンス制御部23、記憶部26、及び、システム制御部27を示している。例えば、図2に示すように、システム制御部27は、スキャン制御部27a、特徴ベクトル算出部27b、補正マップ算出部27c、補正部27d、モデル選択部27e、及び、デノイズ処理部27fを備える。
FIG. 2 is a block diagram illustrating a configuration example of functions included in the
スキャン制御部27aは、入力部21を介して、各種撮像パラメータの入力を操作者から受け付ける。例えば、システム制御部27は、各種撮像パラメータの入力を受け付けるためのGUIを表示部22に表示し、表示したGUIを介して、各種撮像パラメータの入力を受け付ける設定する。そして、スキャン制御部27aは、受け付けた撮像パラメータに基づいてシーケンス実行データを生成し、生成したシーケンス実行データをシーケンス制御部23に送信することで、各種スキャンを実行する。
The
特徴ベクトル算出部27bは、被検体Sから発生するMR信号に基づいて生成された画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴ベクトルを算出する。補正マップ算出部27cは、撮像条件に応じて画素に生じるノイズの分布を示す情報に基づいて補正マップを算出する。補正部27dは、補正マップ算出部27cによって生成された補正マップを用いて、画像に含まれる複数の画素それぞれの特徴ベクトルを補正する。
The feature vector calculation unit 27b calculates, for each of a plurality of pixels included in an image generated based on the MR signal generated from the subject S, a feature vector related to the signal value of the pixel. The correction
デノイズ処理部27fは、補正部27dによって補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。本実施形態では、一例として、モデル選択部27eが、補正部27dによって補正された特徴ベクトルの分布に基づいて、複数のノイズモデルの中からノイズモデルを選択する。そして、本実施形態では、デノイズ処理部27fは、モデル選択部27eによって選択されたノイズモデルを用いて、画像のノイズを低減させる。
The
図3は、第1の実施形態に係るMRI装置100による画像処理方法の処理手順を示すフローチャートである。なお、本実施形態では、MRI装置100が、磁気共鳴信号を受信する受信コイルの感度特性に応じて画素に生じるノイズの分布を示す情報に基づいて、補正マップを算出する場合の例を説明する。すなわち、本実施形態では、前述した撮像条件が、磁気共鳴信号を受信する受信コイルの感度特性である場合の例を説明する。
FIG. 3 is a flowchart showing a processing procedure of the image processing method by the
具体的には、本実施形態では、MRI装置100は、非特許文献2に記載されているSENSE法のように、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって画像を撮像する。この撮像法では、主に診断用の画像を収集するための本スキャンの前に実行される準備スキャンにおいて、受信コイルの感度分布を表す感度マップが収集される。
Specifically, in the present embodiment, the
例えば、図3に示すように、まず、スキャン制御部27aが、操作者から撮像計画の設定を受け付ける(ステップS101)。
For example, as illustrated in FIG. 3, first, the
例えば、スキャン制御部27aは、TR(Repetition Time)やTE(Echo Time)等の撮像パラメータの初期値が設定されたパルスシーケンスの情報を予め保持している。例えば、スキャン制御部27aは、撮像部位や撮像目的ごとに、準備スキャン用のパルスシーケンスや本スキャン用のパルスシーケンスを含むパルスシーケンス群を管理する。そして、スキャン制御部27aは、GUIを介して、撮像部位や撮像目的ごとにパルスシーケンス群を操作者に提示し、操作者からパルスシーケンス群の選択や変更を受け付けることで、対象の検査で実行される検査用のパルスシーケンス群や撮像パラメータの設定を受け付ける。
For example, the
その後、スキャン制御部27aは、準備スキャンを開始する指示を操作者から受け付けると(ステップS102,Yes)、操作者によって設定された撮像計画に基づいて、準備スキャンの実行を開始する。
Thereafter, when the
本実施形態では、スキャン制御部27aは、準備スキャンとして、感度マップを収集するためのスキャンを実行する(ステップS103)。その後、収集部24が、当該スキャンによって得られるMR信号データを収集し、画像生成部25が、収集されたMR信号データに基づいて、感度マップを生成する。なお、準備スキャンには、例えば、シミングのためのスキャンや、診断用の画像の位置決めを行うための位置決め画像を収集するためのスキャン等が含まれてもよい。
In the present embodiment, the
続いて、スキャン制御部27aは、本スキャンを開始する指示を操作者から受け付けると(ステップS104,Yes)、操作者によって設定された撮像計画に基づいて、本スキャンを開始する。
Subsequently, when the
具体的には、スキャン制御部27aは、本スキャンとして、診断用の画像を収集するためのスキャンを実行する(ステップS105)。その後、収集部24が、当該スキャンによって得られるMR信号データを収集し、画像生成部25が、収集されたMR信号データ及び感度マップに基づいて、診断用の画像を生成する。
Specifically, the
例えば、スキャン制御部27aは、本スキャンにおいて、複数種類の診断用の画像を収集するための複数のスキャンを実行する。例えば、検査の対象部位が心臓である場合には、スキャン制御部27aは、心臓の左室系の心機能の検査においては、左室短軸像を収集するためのスキャン、左室二腔長軸像を収集するためのスキャン、左室三腔長軸像を収集するためのスキャン、左室四腔長軸像を収集するためのスキャン等を実行する。また、スキャン制御部27aは、心臓の右室系の心機能の検査においては、右室短軸像を収集するためのスキャン、右室二腔長軸像を収集するためのスキャン、右室三腔長軸像を収集するためのスキャン、右室四腔長軸像を収集するためのスキャン等を実行する。
For example, in the main scan, the
続いて、特徴ベクトル算出部27bが、画像生成部25によって生成された画像に含まれる複数の画素それぞれについて、特徴ベクトルを算出する(ステップS106)。なお、ここでは、特徴ベクトル算出部27bが、1枚の2次元の静止画像を入力画像とする場合の例を説明する。 Subsequently, the feature vector calculation unit 27b calculates a feature vector for each of a plurality of pixels included in the image generated by the image generation unit 25 (step S106). Here, an example will be described in which the feature vector calculation unit 27b uses a single two-dimensional still image as an input image.
具体的には、特徴ベクトル算出部27bは、画像に含まれる複数の画素それぞれについて、特徴ベクトルの要素として、当該画素の信号値及び当該画素に空間的に近い位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する。 Specifically, the feature vector calculation unit 27b, for each of a plurality of pixels included in the image, uses the signal value of the pixel and other pixels that are spatially close to the pixel as elements of the feature vector. Based on the signal value, the fluctuation amount of the signal value of the pixel is calculated.
例えば、特徴ベクトルv(x,y)は、座標(x,y)を代表する信号値である代表信号値v0(x,y)と、座標(x,y)における信号値の変動量v1(x,y)とを含む。例えば、v0(x,y)を信号値の平均とし、v1(x,y)を信号値の標準偏差とする。 For example, the feature vector v (x, y) includes a representative signal value v 0 (x, y) that is a signal value representing the coordinate (x, y) and a signal value fluctuation amount v at the coordinate (x, y). 1 (x, y). For example, v 0 (x, y) is an average of signal values, and v 1 (x, y) is a standard deviation of signal values.
この場合に、例えば、画像に含まれる各画素を示す座標を(x,y)とし、操作者によってあらかじめ設定された(x,y)の近傍をR、Rに含まれる画素の数をN、信号値をs(x,y)とすると、特徴ベクトルv(x,y)=(v0(x,y),v1(x,y))は、以下の式(1)で表される。 In this case, for example, the coordinates indicating each pixel included in the image is (x, y), the neighborhood of (x, y) preset by the operator is R, the number of pixels included in R is N, When the signal value is s (x, y), the feature vector v (x, y) = (v 0 (x, y), v 1 (x, y)) is expressed by the following equation (1). .
なお、近傍Rは、その内部に、できるだけ同一の体組織に対応する画素が含まれるように設定されることが望ましい。 Note that the neighborhood R is desirably set so that pixels corresponding to the same body tissue are included therein as much as possible.
図4は、第1の実施形態に係る特徴ベクトル算出部27bによって用いられる近傍Rの一例を示す図である。例えば、図4に示すように、特徴ベクトル算出部27bは、画素305のノイズ除去を行う場合には、画素305の周囲にある画素301〜309のように、(x,y)を中心とする3×3のブロックを近傍Rとする。この場合には、N=9となる。
FIG. 4 is a diagram illustrating an example of the neighborhood R used by the feature vector calculation unit 27b according to the first embodiment. For example, as illustrated in FIG. 4, the feature vector calculation unit 27b centers on (x, y) like the
ここで、近傍Rとするブロックを広げすぎると、例えば、2種類の臓器にまたがって採取された信号列から特徴ベクトルが計算される場合もあり得るため、後段で行われるノイズ量推定の精度が低下するリスクがある。一方、このブロックを狭めすぎると、v0(x,y)やv1(x,y)の精度が低下し、後段で行われるノイズ量推定の精度が低下するリスクがある。近傍Rは、このような問題が生じないように、例えば、被検体の知見を用いて、MRI装置100の操作者が選定する。
Here, if the neighborhood R block is too wide, for example, a feature vector may be calculated from a signal sequence collected over two types of organs. There is a risk of decline. On the other hand, if this block is too narrow, there is a risk that the accuracy of v 0 (x, y) and v 1 (x, y) will be reduced, and the accuracy of noise amount estimation performed later will be reduced. For example, the operator of the
図3に戻って、続いて、補正マップ算出部27cが、画像生成部25によって生成された感度マップに基づいて、特徴ベクトルv(x,y)を補正する補正マップを算出する(ステップS107)。
Returning to FIG. 3, subsequently, the correction
例えば、補正マップにおける各座標の値をM(x,y)とする。例えば、M(x,y)は、正の実数であり、座標(x,y)におけるS/Nが高いことが予想される場合に大きな値とする。ここで、M(x,y)の値は、感度マップの各点における受信コイルの感度を表す値を用いて設定される。感度マップにおける各点の値は、受信コイルから近い点ほど感度が高い。すなわち、補正マップは、受信コイルの感度が高い位置ほど大きな値を有する。 For example, the value of each coordinate in the correction map is M (x, y). For example, M (x, y) is a positive real number and is set to a large value when the S / N at the coordinates (x, y) is expected to be high. Here, the value of M (x, y) is set using a value representing the sensitivity of the receiving coil at each point of the sensitivity map. The value of each point in the sensitivity map has higher sensitivity as the point is closer to the receiving coil. In other words, the correction map has a larger value as the sensitivity of the receiving coil is higher.
続いて、補正部27dが、補正マップ算出部27cによって算出された補正マップM(x,y)を用いて、特徴ベクトル算出部27bによって算出された特徴ベクトルv(x,y)を補正する(ステップS108)。なお、以下では、補正後の特徴ベクトルを補正特徴ベクトルv’(x,y)と呼ぶ。
Subsequently, the
例えば、補正部27dは、画像に含まれる複数の画素それぞれの特徴ベクトルの少なくとも一つの要素について、補正マップM(x,y)において小さな値を有する位置に対応するものほど小さな値となり、補正マップM(x,y)において大きな値を有する位置に対応するものほど大きな値となるように補正する。これにより、異なるS/Nを持つ画素から得た信号値の変動量の観測条件を揃えることができる。
For example, with respect to at least one element of the feature vector of each of the plurality of pixels included in the image, the
例えば、補正特徴ベクトルv’(x,y)は、補正後のv0(x,y)をv0’(x,y)、補正後のv1(x,y)をv1’(x,y)とすると、以下の式(2)で表される。 For example, in the corrected feature vector v ′ (x, y), v 0 (x, y) after correction is v 0 ′ (x, y), and v 1 (x, y) after correction is v 1 ′ (x , Y), it is expressed by the following equation (2).
続いて、モデル選択部27eが、補正特徴ベクトルv’(x,y)を用いて、あらかじめ記憶部26に記憶されている複数のノイズモデルの中から一つのノイズモデルを選択する(ステップS109)。
Subsequently, the
例えば、モデル選択部27eは、複数のノイズモデルの中から、補正特徴ベクトルv’(x,y)によって表されるデータ点群を最も近似するノイズモデルを選択する。例えば、ここでいうノイズモデルは、入力された信号値に対してノイズ量を出力するものであり、入力された信号値が小さいほど小さなノイズ量を出力し、入力された信号値が大きいほど大きなノイズ量を出力し、かつ、入力された信号値が大きくなるにつれて、出力されるノイズ量が一定値に収束するものである。
For example, the
図5は、第1の実施形態に係るモデル選択部27eによって行われるノイズモデル選択の一例を示す図である。なお、図5は、補正部27dによって得られた補正特徴ベクトルv’(x,y)の分布を示しており、横軸がv0’(x,y)を示し、縦軸がv1’(x,y)を示している。
FIG. 5 is a diagram illustrating an example of noise model selection performed by the
例えば、図5に示すように、補正特徴ベクトルv’(x,y)によって表されるデータ点401が得られていたとする。ここで、一つのデータ点401は、一つの補正特徴ベクトルv’(x,y)に対応する。
For example, as shown in FIG. 5, it is assumed that a
例えば、記憶部26には、それぞれ、信号レベルに対応する値sを入力すると、ノイズレベルに対応する値σを出力する複数のノイズモデルが記憶される。例えば、ノイズモデルは、以下の式(3)で表される。
For example, when the value s corresponding to the signal level is input to the
このノイズモデルは、例えば、図5に示す破線402や破線403のような直線で表される。例えば、モデル選択部27eは、記憶部26に記憶されている複数の直線のノイズモデルの中から、複数の補正特徴ベクトルがなすデータ点群の最も近傍を通るものを選択する。例えば、モデル選択部27eは、図5に示す破線402で表されるノイズモデルと破線403で表されるノイズモデルの2つが記憶部26に保持していた場合には、破線402で表されるノイズモデルを選択する。これにより、基準となるS/Nに基づくノイズ量を、信号値から予測できるようになる。
This noise model is represented by a straight line such as a
具体的な方法として、例えば、モデル選択部27eは、図5に示すデータ点群を入力とするハフ変換を行ってもよい。また、各座標における代表信号値v0’(x,y)を用いて推定したノイズ量の推定値σと、実際に観測された信号値の変動量v1’(x,y)との差分の絶対値の総和が最小となるノイズモデルを選んでもよい。すなわち、モデル選択部27eは、記憶部26に蓄積された複数のノイズモデルをFi(s)とした場合に、以下の式(4)で表されるノイズモデルF(s)を選択する。
As a specific method, for example, the
図3に戻って、続いて、デノイズ処理部27fが、モデル選択部27eによって選択されたノイズモデルF(s)を用いて、画像に含まれる各画素のノイズ量を推定し、得られたノイズ量に基づいてノイズ除去を行う(ステップS110)。
Returning to FIG. 3, subsequently, the
このとき、例えば、デノイズ処理部27fは、モデル選択部27eによって選択されたノイズモデルから出力されるノイズ量が大きいほど、ノイズ除去の強度を大きくする。
At this time, for example, the
具体的には、デノイズ処理部27fは、まず、ノイズ除去前の信号値s(x,y)を用いて、F(s(x,y))を得る。次に、補正マップM(x,y)を用いて、補正部27dがv1(x,y)に対して行った補正と逆の補正を行い、座標(x,y)におけるノイズ量の推定値σ(x,y)を得る。
Specifically, the
その後、デノイズ処理部27fはこのノイズ量の推定値σ(x,y)が大きいほど、座標(x,y)における出力を決めるためのデノイズ処理の強度を大きくし、信号値s’(x,y)を得る。
After that, the
ここで、デノイズ処理の強度を大きくする方法は、デノイズ処理部27fが採用するノイズ除去方式による。例えば、非特許文献1に記載されているように、s(x,y)との差分が閾値以下である信号のみの加重平均を用いる処理の場合には、閾値をより大きくしてもよい。また、フィルタリング処理が用いられる場合であれば、フィルタのタップ幅を広げたり、高周波をより通しにくいように設計された係数を採用したりしてもよい。
Here, the method of increasing the strength of the denoising process is based on the noise removal method adopted by the
そして、デノイズ処理部27fは、ノイズ除去を行った画像を表示部22に表示する(ステップS111)。なお、デノイズ処理部27fは、ノイズ除去を行った画像を記憶部26に保存してもよい。
Then, the
なお、上述した処理手順では、感度マップを収集するスキャンが準備スキャンとして実行される場合の例を説明したが、実施形態はこれに限られない。例えば、感度マップを収集するスキャンは、本スキャンの間に実行されてもよい。また、同じ被検体に対する別の検査で収集された感度マップが用いられてもよい。 In the above-described processing procedure, the example in which the scan for collecting the sensitivity map is executed as the preparation scan has been described, but the embodiment is not limited thereto. For example, a scan that collects a sensitivity map may be performed during the main scan. In addition, a sensitivity map collected in another examination for the same subject may be used.
上述したように、第1の実施形態に係るMRI装置100は、受信コイル8の感度分布に応じて画素に生じるノイズの分布を示す情報を用いて各画素の信号値を補正する。したがって、第1の実施形態に係るMRI装置100によれば、受信コイル8の感度が均一でないことによって画像に含まれる複数の画素間にS/Nの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、ノイズの除去を行うことで画像における信号の特徴が失われるのを抑制することができる。
As described above, the
なお、本実施形態では、受信コイルの感度特性に応じて画素に生じるノイズの分布を示す情報に基づいて、補正マップを算出する場合の例を説明したが、撮像条件は、受信コイルの感度特性に限られない。例えば、他の撮像条件によっても画素間にS/Nの違いが生じる場合には、そのような撮像条件に応じたノイズ分布を示す情報に基づいて、補正マップを算出してもよい。 In the present embodiment, an example in which a correction map is calculated based on information indicating the distribution of noise generated in pixels according to the sensitivity characteristic of the receiving coil has been described. However, the imaging condition is the sensitivity characteristic of the receiving coil. Not limited to. For example, when an S / N difference occurs between pixels due to other imaging conditions, a correction map may be calculated based on information indicating a noise distribution according to such imaging conditions.
さらに、上述した実施形態は、以下で説明する変形例のように変更して実施されてもよい。 Further, the above-described embodiment may be modified and implemented as in a modification described below.
(第1の変形例)
例えば、上述した第1の実施形態では、特徴ベクトル算出部27bが、1枚の2次元の静止画像を入力画像とする場合の例を説明したが、入力画像の次元は必ずしも2次元に限られない。例えば、入力画像は、3次元のボリュームデータであってもよい。すなわち、入力画像の信号値s(x,y,z)と補正マップM(x,y,z)とを用いるというように、入力画像の次元を増やしてもよい。また、この他にも、2次元の動画像を入力する場合には、s(x,y,t)と補正マップM(x,y)とを扱えばよく、3次元の時系列データの場合には、入力画像の信号値s(x,y,z,t)と補正マップM(x,y,z)とを用いるようにすればよい。
(First modification)
For example, in the first embodiment described above, an example in which the feature vector calculation unit 27b uses a single two-dimensional still image as an input image has been described. However, the dimension of the input image is not necessarily limited to two dimensions. Absent. For example, the input image may be three-dimensional volume data. That is, the dimension of the input image may be increased such that the signal value s (x, y, z) of the input image and the correction map M (x, y, z) are used. In addition to this, when inputting a two-dimensional moving image, it is sufficient to handle s (x, y, t) and the correction map M (x, y). In this case, the signal value s (x, y, z, t) of the input image and the correction map M (x, y, z) may be used.
(第2の変形例)
また、例えば、特徴ベクトル算出部27bによって用いられる近傍Rの形は、撮像時の知見によって自由に変えられてもよい。例えば、スキャン制御部27aが、操作者から撮像計画の設定を受け付ける際に、近傍Rの設定をさらに受け付ける。そして、特徴ベクトル算出部27bは、スキャン制御部27aによって受け付けられた近傍Rを用いて、特徴ベクトルを算出する。
(Second modification)
Further, for example, the shape of the neighborhood R used by the feature vector calculation unit 27b may be freely changed depending on knowledge at the time of imaging. For example, the
例えば、MRI装置によって心臓の動画像を撮影する場合には、医師が被検体(患者)に対して動かないよう指示するため、被検体はほぼ動かないとみなすことができる。このように、被検体がほぼ動かないとみなせる場合であり、かつ、入力画像が2次元の動画像である場合には、例えば、特徴ベクトル算出部27bが、画像に含まれる複数の画素それぞれについて、特徴ベクトルの要素として、当該画素の信号値及び当該画素に時間的に近い位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出してもよい。 For example, when a moving image of the heart is captured by the MRI apparatus, the doctor instructs the subject (patient) not to move, so that the subject can be regarded as hardly moving. As described above, when it can be assumed that the subject does not substantially move and the input image is a two-dimensional moving image, for example, the feature vector calculation unit 27b performs the processing for each of a plurality of pixels included in the image. The amount of change in the signal value of the pixel may be calculated based on the signal value of the pixel and the signal values of other pixels that are close in time to the pixel as elements of the feature vector.
図6は、第2の変形例に係る近傍Rの設定例を示す図である。例えば、図6に示すように、特徴ベクトル算出部27bは、異なる時刻tに撮像された複数の2次元のフレームが入力画像として入力される場合に、各フレームにおける同じ位置(x,y)の画素501〜503の範囲を近傍Rとして設定してもよい。すなわち、特徴ベクトル算出部27bは、時間方向に沿って近傍Rを設定してもよい。
FIG. 6 is a diagram illustrating a setting example of the neighborhood R according to the second modification. For example, as illustrated in FIG. 6, the feature vector calculation unit 27b has the same position (x, y) in each frame when a plurality of two-dimensional frames captured at different times t are input as input images. The range of the
また、例えば、腰椎を撮像した3次元のボリュームデータ等で、背骨の方向に同じ体組織が続いているとみなせるような場合には、背骨の方向に沿って並んだ複数の画素の範囲を近傍Rとして設定してもよい。すなわち、特徴ベクトル算出部27bは、撮像対象の部位の形状に沿って近傍Rを設定してもよい。 In addition, for example, when 3D volume data obtained by imaging the lumbar spine can be considered that the same body tissue continues in the direction of the spine, the range of a plurality of pixels arranged along the direction of the spine It may be set as R. That is, the feature vector calculation unit 27b may set the neighborhood R along the shape of the part to be imaged.
例えば、前述したように、操作者による撮像計画の設定を支援するために、撮像部位や撮像目的ごとに、準備スキャン用のパルスシーケンスや本スキャン用のパルスシーケンスを含むパルスシーケンス群が管理されている場合には、撮像部位や撮像目的に応じて、近傍Rが設定されて管理されてもよい。その場合に、近傍Rは、GUIを介して変更が可能となっていてもよいし、GUIには表示されずに変更が不可となっていてもよい。 For example, as described above, a pulse sequence group including a pulse sequence for a preparation scan and a pulse sequence for a main scan is managed for each imaging region and imaging purpose in order to assist the operator in setting an imaging plan. In the case of being present, the neighborhood R may be set and managed according to the imaging region and the imaging purpose. In that case, the neighborhood R may be changeable via the GUI, or may not be changed without being displayed on the GUI.
なお、例えば、心臓のように経時的に形状が大きく変化する部位が検査の対象部位であった場合には、動きが大きい部分の画素について、信号値の標準偏差が突出して大きくなることもあり得る。しかし、一般的に、MR信号が収集される領域は、折り返しアーチファクト等を考慮して対象部位よりも大きく設定されることが多いため、収集されるMR信号全体では、動きが少ない部分のものが支配的となる。これについて、上述したノイズ除去の方法では、特徴ベクトルのデータ群を最も近似するノイズモデルが選択されるので、標準偏差が突出して大きい信号値が存在した場合でも、結果的に、動きの少ない部分の画素の特徴ベクトルに基づいてノイズモデルが選択されることになる。そのため、動きの大きい部分の画素についても、他の動きの少ない部分を基準にしてノイズ量が推定されることになる。したがって、上述した方法によれば、例えば、心臓のように経時的に形状が大きく変化する部位が検査の対象部位であった場合でも、対象部位の解剖学的な動きの特徴を損なうことなく、画像のノイズ除去を行うことができる。 Note that, for example, when a part whose shape changes greatly over time, such as the heart, is a target part to be inspected, the standard deviation of the signal value may be prominently increased for a pixel with a large movement. obtain. However, in general, the region where MR signals are collected is often set larger than the target region in consideration of aliasing artifacts and the like. Become dominant. In this regard, in the noise removal method described above, a noise model that most closely approximates the feature vector data group is selected, so even if there is a large signal value with a large standard deviation, the result is a portion with little motion. The noise model is selected based on the feature vector of the pixels. For this reason, the amount of noise is also estimated for pixels with a large amount of motion based on other portions with a small amount of motion. Therefore, according to the above-described method, for example, even when a part whose shape changes greatly over time, such as the heart, is a target part to be examined, without damaging the characteristics of the anatomical movement of the target part, Image noise removal can be performed.
(第3の変形例)
また、例えば、特徴ベクトル算出部27bは、必ずしも、画像に含まれる全ての画素について特徴ベクトルを算出する必要はない。例えば、x,yがともに偶数である画素のみについて算出するようにしてもよいし、事前に体の組織が描出されていない画素がわかっている場合には、その画素からの算出は行わないようにしてもよい。すなわち、特徴ベクトル算出部27bは、画素を間引いて、特徴ベクトルを算出してもよい。これにより、計算コストの低減を図ることができる。
(Third Modification)
Further, for example, the feature vector calculation unit 27b does not necessarily have to calculate the feature vector for all pixels included in the image. For example, the calculation may be made only for pixels in which both x and y are even numbers, and when a pixel in which a body tissue is not drawn in advance is known, the calculation from that pixel is not performed. It may be. That is, the feature vector calculation unit 27b may calculate a feature vector by thinning out pixels. Thereby, calculation cost can be reduced.
また、算出された信号値の変動量v1(x,y)の値が極端に大きい場合は、分散の算出に使用した近傍Rの中に、体組織の境界が含まれている可能性がある。そのため、例えば、補正部26dが、あらかじめ操作者によって設定された閾値を用いて、このような画素については、特徴ベクトル算出部26bによって算出された特徴ベクトルを用いないようにしてもよい。 When the calculated signal value fluctuation amount v 1 (x, y) is extremely large, there is a possibility that the boundary of the body tissue is included in the neighborhood R used for calculating the variance. is there. Therefore, for example, the correction unit 26d may not use the feature vector calculated by the feature vector calculation unit 26b for such a pixel by using a threshold value set in advance by the operator.
(第4の変形例)
また、例えば、特徴ベクトルの要素のうち、v0(x,y)については、信号値のメディアンやモード(最頻値)等が用いられてもよいし、v1(x,y)については、分散や、信号最大値と最小値との差分等が用いられてもよい。例えば、MRI装置によって撮像された画像のノイズモデルとして知られるRice分布では、信号レベルが高い場合にガウス分布に近づくことが知られており、平均と標準偏差とを用いると理論的に相性が良いことが期待される。
(Fourth modification)
Further, for example, for v 0 (x, y) among the elements of the feature vector, the median or mode (mode) of the signal value may be used, and for v 1 (x, y). The variance, the difference between the signal maximum value and the minimum value, or the like may be used. For example, the Rice distribution known as a noise model of an image captured by an MRI apparatus is known to approach a Gaussian distribution when the signal level is high, and is theoretically compatible with the average and standard deviation. It is expected.
(第5の変形例)
また、例えば、特徴ベクトルの要素は、必ずしも、座標を代表する信号値及び座標における変動量の2つに限られない。例えば、特徴ベクトル算出部27bは、補正マップの算出に利用した感度マップの値を特徴ベクトルの要素に含めてもよい。
(Fifth modification)
Further, for example, the elements of the feature vector are not necessarily limited to two, that is, a signal value representing coordinates and a variation amount in coordinates. For example, the feature vector calculation unit 27b may include the value of the sensitivity map used for calculating the correction map as an element of the feature vector.
この他にも、特徴ベクトル算出部27bは、例えば、入力画像が、非特許文献2に記載されているSENSE法のように、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって得られたものである場合には、特徴ベクトルの要素に、画像再構成における信号値の算出精度を表すGeometry factorを含めてもよい。
In addition to this, the feature vector calculation unit 27b uses, for example, a sensitivity difference between reception coils using a plurality of reception coils as in the SENSE method described in
このような拡張を行う場合には、以下の式(5)に示すように、ノイズモデルF(s)に、感度マップの値を表すlや、Geometry factorを表すgの項を追加する。なお、式(5)において、a、b、c、dは実数である。 In the case of performing such extension, as shown in the following formula (5), a term of l representing the value of the sensitivity map or g representing the geometry factor is added to the noise model F (s). In equation (5), a, b, c, and d are real numbers.
(第6の変形例)
また、例えば、補正マップM(x,y)は、入力される画像が、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって得られたものである場合に、画像再構成における信号値の算出精度が低い位置ほど大きな値を有するように算出されてもよい。実際に、非特許文献2では、S/NがGeometry factorの逆数になることが明記されている。なお、Geometry factorは、受信コイルの感度とは異なり、画像の信号レベルに影響を与えない。そのため、例えば、以下の式(6)に示すように、特徴ベクトルに用いる式(2)において、座標を代表する信号値である代表信号値v0(x,y)の補正は行わないように変更してもよい。
(Sixth Modification)
Further, for example, the correction map M (x, y) is obtained by a high-speed imaging method in which an input image is captured using a plurality of receiving coils and using a sensitivity difference between the receiving coils. In some cases, it may be calculated so that the position where the calculation accuracy of the signal value in image reconstruction is lower has a larger value. In fact,
また、補正部27dは、高速撮像法で用いられるGeometry factorにさらに基づいて、複数の画素それぞれの特徴量を補正してもよい。この場合には、例えば、補正マップ算出部27cが、補正マップM(x,y)の値を、受信コイルの感度マップの値をGeometry factorで割ったものや、受信コイルの感度マップの値からGeometry factorを引いたもののように、2つの値を合成したものにする。さらに、補正マップは一つに限る必要はなく、2つの補正マップを併用してもよい。例えば、信号レベルに影響を与えるデータに起因する補正マップM0(x,y)と、信号レベルに影響を与えないデータに起因する補正マップM1(x,y)とを用意し、以下の式(7)に示すように、特徴ベクトルを補正するようにしてもよい。
Further, the
(第7の変形例)
また、例えば、ノイズモデルF(s)は、必ずしも、式(3)に示した直線の形に限られない。例えば、ノイズモデルF(s)は、log(s)、s1/2等の特殊な関数や区分折れ線等で表現されるものであってもよい。
(Seventh Modification)
Further, for example, the noise model F (s) is not necessarily limited to the straight line shape shown in Expression (3). For example, the noise model F (s) may be expressed by a special function such as log (s) or s 1/2 , a piecewise broken line, or the like.
(第8の変形例)
また、例えば、ノイズモデルF(s)は、必ずしも、式(3)に示したとおりに信号値に対応する項を含む必要はない。このようなノイズモデルは、例えば、図5に示した例では、破線403の様に水平な線として表される。例えば、MRI装置によって撮像された画像のノイズモデルとして知られるRice分布では、信号レベルが高い場合にガウス分布に近づくことが知られているが、ガウス分布の標準偏差は信号レベルに依存しない。このようなモデルを用いる場合には、入力画像を信号値で二値化し、明部のみを特徴ベクトル算出に用いてもよい。この方式では、モデル選択部27eの計算量が低減できることから、高速な処理が期待できるが、暗部のノイズ除去性能が低下するリスクがある。
(Eighth modification)
Further, for example, the noise model F (s) does not necessarily need to include a term corresponding to the signal value as shown in Expression (3). Such a noise model is represented as a horizontal line like a
(第9の変形例)
また、例えば、デノイズ処理部27fは、対象とする被検体の特性によってノイズ除去の方式を変更してもよい。例えば、前述したように、MRI装置によって心臓の動画像を撮影する場合には、医師が被検体(患者)に対して動かないよう指示するため、被検体はほぼ動かないとみなすことができる。このような場合には、デノイズ処理部27fは、非特許文献1に記載されているような時間方向のフィルタリングを用いて、ノイズ除去を行ってもよい。
(Ninth Modification)
For example, the
また、例えば、デノイズ処理部27fは、撮像条件に応じて、ノイズ除去の方式を変更してもよい。ここでいう撮像条件には、例えば、撮像部位や撮像方法等が含まれる。例えば、デノイズ処理部27fは、撮像部位が心臓である場合に、時間方向のフィルタリングを用いてノイズ除去を行う。また、例えば、デノイズ処理部27fは、造影剤が用いられる撮像法が行われる場合には、空間方向のフィルタリングを用いてノイズ除去を行う。
For example, the
(第10の変形例)
また、第6の変形例では、高速撮像法で用いられるGeometry factorにさらに基づいて特徴量を補正する場合の例を説明したが、実施形態はこれに限られない。例えば、高速撮像法の種類によっては、感度マップを用いて感度補正を行わなくとも、画像が再構成される過程で画像の感度が補正される場合もある。そのような高速撮像法が用いられる場合には、補正部27dは、感度マップを用いずに、Geometry factorに基づいて特徴量を補正してもよい。この場合には、例えば、補正マップ算出部27cが、感度マップを用いずに、Geometry factorに基づいて補正マップを算出する。
(10th modification)
In the sixth modification, the example in which the feature amount is corrected based on the geometry factor used in the high-speed imaging method has been described, but the embodiment is not limited thereto. For example, depending on the type of high-speed imaging method, the sensitivity of the image may be corrected in the process of reconstructing the image without performing sensitivity correction using the sensitivity map. When such a high-speed imaging method is used, the
また、心臓の検査では、1回の検査において、本スキャンとして、短軸像や長軸像等の断面像を収集するスキャンに加えて、心臓のシネ画像(動画像)を収集するスキャンや、心臓のボリュームデータを収集するスキャンが実行される場合もある。そのような場合には、MRI装置100は、各スキャンで収集される画像の種類に応じて、ノイズ除去の方法を切り替えてもよい。具体的には、MRI装置100は、断面像については、第1の実施形態で説明した2次元の静止画像を入力画像とした方法でノイズ除去を行い、シネ画像については、第1の変形例で説明した動画像を入力画像とした方法でノイズ除去を行い、ボリュームデータについては、第1の変形例で説明したボリュームデータを入力とした方法でノイズ除去を行う。
Further, in the examination of the heart, in one examination, in addition to the scan that collects cross-sectional images such as the short axis image and the long axis image, the scan that collects the cine image (moving image) of the heart, A scan may be performed that collects heart volume data. In such a case, the
(第11の変形例)
また、例えば、入力画像が動画像である場合に、被検体の動きが大きい領域(動き領域)と動きが小さい領域(静止領域)とでノイズ除去の方法を変えてもよい。
(Eleventh modification)
Further, for example, when the input image is a moving image, the noise removal method may be changed between a region where the subject moves greatly (motion region) and a region where the movement is small (still region).
この場合には、画像生成部25は、MR信号データに基づいて動画像を生成する。また、デノイズ処理部27fは、画像生成部25によって生成された動画像の中から、動き領域と、静止領域とを検出し、それぞれの領域について異なる方法でノイズを低減させる。なお、ここでいう静止領域とは、動き領域より動きが小さい領域であり、必ずしも、完全に静止した領域に限定されるものではない。
In this case, the
例えば、デノイズ処理部27fは、動画像に含まれる複数のフレームそれぞれにおける同じ位置の画素の信号値の時間的な変動量がノイズモデルから得られたノイズ量に基づく閾値より大きい画素を動き領域の画素として検出する。また、デノイズ処理部27fは、動画像に含まれる複数のフレームそれぞれにおける同じ位置の画素の信号値の時間的な変動量がノイズモデルから得られたノイズ量に基づく閾値以下である画素を静止領域の画素として検出する。
図7は、第11の変形例に係るノイズ除去の一例を示す図である。例えば、図7の左側に示す図は、心臓601を含む動画像602を示している。
For example, the
FIG. 7 is a diagram illustrating an example of noise removal according to the eleventh modification. For example, the diagram shown on the left side of FIG. 7 shows a moving
図7の中央の図において、横軸は、本手法によって算出した各画素のノイズ量σ(x,y)を示しており、縦軸は、信号値の時間的な変動量v1(x,y)を示している。ここで、例えば、v1(x,y)は、信号値の標準偏差である。画像上の各画素において、v1(x,y)とσ(x,y)を算出すると、点606の様な点を画素数だけ配置することが出来る。この時、動かない被検体に属する画素の信号の変動量v1(x,y)はノイズ量σ(x,y)と一致することが期待されるため、静止領域に対応する点は傾き1の直線上(直線605)に乗ることも期待される。そして、動き領域に属する画素は、変動量v1(x,y)が心臓601の動きによる影響を受けるため、点607の様に直線605より上に存在する点に対応する画素は動き領域に属する可能性が高まる。
In the center diagram of FIG. 7, the horizontal axis indicates the noise amount σ (x, y) of each pixel calculated by this method, and the vertical axis indicates the temporal fluctuation amount v 1 (x, y) of the signal value. y). Here, for example, v 1 (x, y) is the standard deviation of the signal value. When v 1 (x, y) and σ (x, y) are calculated for each pixel on the image, points such as the
この性質を利用し、デノイズ処理部27fは、例えば、図7の中央の図に示すように、ノイズモデルから得られたノイズ量σ(x,y)とv1(x,y)とを比較し、画素(x,y)が動き領域に属するか静止領域に属するか判定する。具体的には、ユーザーがあらかじめ指定する正の実数Aとノイズモデルから得られたノイズ量σ(x,y)とが存在したとき、v1(x,y)>Aσ(x,y)であれば、動き領域、それ以外の場合は静止領域と判別する。図7の中央の図において前記の閾値は例えば直線603の様な直線で表される。
Using this property, the
そして、デノイズ処理部27fは、v1(x,y)が閾値(直線603)より大きい画素を動き領域の画素として検出し、v1(x,y)が閾値(直線603)以下である画素を静止領域の画素として検出する。
Then, the
これにより、例えば、図7の右側の図に示すように、動画像601において、心臓601及びその周辺部を含む領域604が、動き領域として検出され、領域604以外の領域が、静止領域として検出される。
As a result, for example, as shown in the diagram on the right side of FIG. 7, in the moving
その後、デノイズ処理部27fは、動き領域に含まれる画素及び静止領域に含まれる画素それぞれに対して、異なる方法でノイズ除去を行う。例えば、デノイズ処理部27fは、デノイズ処理部27fは、動き領域に含まれる画素に対するノイズ除去の強度を、静止領域に含まれる画素に対するノイズ除去の強度より弱くする。
Thereafter, the
図8は、第11の変形例に係るノイズ除去の処理手順を示すフローチャートである。図8に示すステップS201〜S207の処理は、図3に示したステップS110の処理に対応する。すなわち、本変形例では、図3に示したステップS101〜S109と同様の処理が実行された後に、図8に示すステップS201〜S207の処理が実行され、その後、図3に示したステップS110と同様の処理が実行される。 FIG. 8 is a flowchart showing a noise removal processing procedure according to the eleventh modification. The processing in steps S201 to S207 shown in FIG. 8 corresponds to the processing in step S110 shown in FIG. That is, in the present modification, after the processing similar to steps S101 to S109 shown in FIG. 3 is executed, the processing of steps S201 to S207 shown in FIG. 8 is executed, and thereafter, the processing in steps S110 and S110 shown in FIG. Similar processing is executed.
例えば、図8に示すように、デノイズ処理部27fは、モデル選択部27eによって選択されたノイズモデルF(s)を用いて、動画像の各フレームに含まれる各画素のノイズ量を推定する(ステップS201)。具体的には、デノイズ処理部27fは、フレームごとに、前述したように、ノイズモデルF(s)を用いて、座標(x,y)におけるノイズ量の推定値σ(x,y)を求める。
For example, as illustrated in FIG. 8, the
その後、デノイズ処理部27fは、各フレームに含まれる同じ位置の画素ごとに、信号値の時間的な変動量の大きさを表す数値と、推定されたノイズ量に基づく閾値とを比較する(ステップS202)。ここで、例えば、信号値の時間的な変動量の大きさを表す数値としては、式(1)に示した信号値の変動量v1(x,y)が用いられる。また、例えば、閾値としては、σ(x,y)に所定の定数の倍率を乗じた値が用いられる。例えば、閾値として、σ(x,y)の3倍の値が用いられる。
Thereafter, the
そして、デノイズ処理部27fは、信号値の変動量の大きさを表す数値が閾値より大きい画素については、動き領域の画素と判定する(ステップS202,Yes)。一方、デノイズ処理部27fは、信号値の変動量の大きさを表す数値が閾値以下である画素については、静止領域の画素と判定する(ステップS202,No)。
Then, the
その後、デノイズ処理部27fは、動き領域の画素及び静止領域の画素それぞれについて、ノイズ除去を行う。このとき、デノイズ処理部27fは、動き領域の画素に対するノイズ除去の強度が静止領域の画素に対するノイズ除去の強度と比べて弱くなるように、動き領域と静止領域とでノイズ除去の方法を変える。
Thereafter, the
例えば、デノイズ処理部27fは、非特許文献1に記載されているように、s(x,y)との差分が閾値以下である信号のみの加重平均を用いる処理を行うことにより、ノイズ除去を行う。この場合に、例えば、デノイズ処理部27fは、動き領域の画素に対するノイズ除去で用いられる閾値Tmを、静止領域の画素に対するノイズ除去で用いられる閾値Tsに対して相対的に低く設定する。
For example, as described in Non-Patent Document 1, the
例えば、デノイズ処理部27fは、動き領域については、閾値をTm=Cm*σ(x,y)とし、静止領域については、閾値をTs=Cs*σ(x,y)とする。ここで、Cm及びCsはいずれも正の実数であり、Cm<Csであるとする。
For example, the
これにより、デノイズ処理部27fは、動き領域の画素について、ノイズ量が閾値Tm以下である場合には(ステップS203,No)、信号値の加重平均を行うことで、相対的に強度が弱いノイズ除去を行うことになる(ステップS204)。また、デノイズ処理部27fは、動き領域の画素について、ノイズ量が閾値Tmより大きい場合には(ステップS203,Yes)、通常平均を行うことで、相対的に強度が中程度のノイズ除去を行うことになる(ステップS205)。
As a result, when the noise amount is equal to or less than the threshold value Tm for the pixels in the motion region (No in step S203), the
また、デノイズ処理部27fは、静止領域の画素について、ノイズ量が閾値Ts以下である場合には(ステップS206,No)、信号値の加重平均を行うことで、相対的に強度が中程度のノイズ除去を行うことになる(ステップS205)。また、デノイズ処理部27fは、静止領域の画素について、ノイズ量が閾値Tsより大きい場合には(ステップS206,Yes)、通常平均を行うことで、相対的に強度が強いノイズ除去を行うことになる(ステップS207)。
In addition, when the noise amount is equal to or less than the threshold value Ts (No in step S206), the
このように、動き領域の画素に対するノイズ除去で用いられる閾値Tmを静止領域の画素に対するノイズ除去で用いられる閾値Tsに対して相対的に低く設定することで、動き領域の信号がノイズ除去によって変化しにくくなる。この結果、ノイズ除去によって、動き領域の信号が弱められてしまうのを抑制することができる。 As described above, by setting the threshold value Tm used for noise removal for the pixels in the motion region relatively lower than the threshold value Ts used for noise removal for the pixels in the still region, the signal in the motion region is changed by noise removal. It becomes difficult to do. As a result, it is possible to suppress the signal in the motion region from being weakened by noise removal.
また、このように、デノイズ処理部27fは、動き領域の含まれる画素と、静止領域に含まれる画素とで、ノイズモデルから得られたノイズ量が同じであった場合には、動き領域に含まれる画素に対するノイズ除去の強度を、静止領域に含まれる画素に対するノイズ除去の強度より弱くする。
Further, in this way, the
なお、動き領域のノイズ除去強度が常に静止領域のノイズ除去強度より小さくなるわけではない。例えば、動き領域上の1点(x1,y1)と静止領域上の一点(x2,y2)において、σ(x1,y1)=σ(x2,y2)であった場合は、Cm<Csであるため、必ずTm<Tsとなる。しかし、σ(x1,y1)がσ(x2,y2)のCs/Cm倍より大きい場合は、Tm>Tsとなりうる。 Note that the noise removal strength in the motion region is not always smaller than the noise removal strength in the still region. For example, if σ (x1, y1) = σ (x2, y2) at one point (x1, y1) on the motion region and one point (x2, y2) on the still region, Cm <Cs. Therefore, Tm <Ts is always satisfied. However, when σ (x1, y1) is larger than Cs / Cm times σ (x2, y2), Tm> Ts can be satisfied.
また、動き領域と静止領域とでノイズ除去の強度を変えるための方法は、上述したものに限られない。例えば、非特許文献3に記載されているように、時間方向フィルタリングにおいて、動き領域のフィルタが有する高周波の利得を静止領域のフィルタが有する高周波の利得と比べて高くする方法が用いられてもよい。
Further, the method for changing the noise removal strength between the motion region and the stationary region is not limited to the above-described method. For example, as described in
(第2の実施形態)
なお、上述した第1の実施形態では、MRI装置の実施形態について説明したが、実施形態はこれに限られない。例えば、MRI装置にネットワーク経由で通信可能に接続された画像処理装置でも同様の実施形態が適用可能である。以下では、第2の実施形態として、画像処理装置の実施形態について説明する。
(Second Embodiment)
In addition, in 1st Embodiment mentioned above, although embodiment of the MRI apparatus was described, embodiment is not restricted to this. For example, the same embodiment can be applied to an image processing apparatus connected to an MRI apparatus so as to be communicable via a network. Hereinafter, an embodiment of an image processing apparatus will be described as a second embodiment.
図9は、第2の実施形態に係る画像処理装置30の構成を示すブロック図である。例えば、図9に示すように、画像処理装置30は、ネットワーク40を介して、MRI装置100と通信可能に接続される。また、画像処理装置30は、入力部31、表示部32、記憶部33、及び、制御部34を備える。ここで、例えば、制御部34は、画像取得部34a、特徴ベクトル算出部34b、補正マップ算出部34c、補正部34d、モデル選択部34e、及び、デノイズ処理部34fを備える。
FIG. 9 is a block diagram illustrating a configuration of the
画像取得部34aは、ネットワーク40を介してMRI装置100との間で通信を行うことで、MRI装置100によって撮像された画像を取得する。例えば、画像取得部34aは、入力部31を介して、処理対象の画像を指定する操作を操作者から受け付け、指定された画像、及び、当該画像が撮像された際の受信コイルの感度マップをMRI装置100から取得する。そして、画像取得部34aは、取得した画像及び感度マップを記憶部33に格納する。
The image acquisition unit 34a acquires an image captured by the
特徴ベクトル算出部34b、補正マップ算出部34c、補正部34d、モデル選択部34e、及び、デノイズ処理部34fは、それぞれ、第1の実施形態で説明した特徴ベクトル算出部27b、補正マップ算出部27c、補正部27d、モデル選択部27e、及び、デノイズ処理部27fと同様の構成及び機能を有する。
The feature
ここで、第2の実施形態では、特徴ベクトル算出部34bは、画像取得部34aによって生成された画像を記憶部33から取得し、取得した画像に含まれる複数の画素それぞれについて、特徴ベクトルを算出する。また、第2の実施形態では、デノイズ処理部34fは、ノイズ除去を行った画像を表示部32に表示する。なお、デノイズ処理部34fは、ノイズ除去を行った画像を記憶部33に保存してもよい。
Here, in the second embodiment, the feature
また、画像取得部34aは、MRI装置100から画像及び感度マップを取得するのではなく、同じ検査で収集された感度マップ用のMR信号データ及び診断用のMR信号データを取得してもよい。その場合には、例えば、制御部34が、第1の実施形態で説明した画像生成部25と同様に、感度マップ用のMR信号データから感度マップを生成し、診断用のMR信号データから画像を生成し、生成した感度マップ及び画像を記憶部33に格納する。
The image acquisition unit 34a may acquire MR signal data for sensitivity map and MR signal data for diagnosis collected in the same examination, instead of acquiring an image and a sensitivity map from the
なお、上述した各部のうち、制御部34は、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサ、メモリ、ASIC(application specific integrated circuits)、FPGA(Field Programmable Gate Array)等の電子回路により構成される。この場合に、例えば、制御部34が有するプロセッサは、制御部34が行う処理の処理手順を規定したプログラムを記憶部33から読み出して実行することで、当該処理手順に従って処理を実行する。
Among the above-described units, the
上述した第2の実施形態に係る画像処理装置30によれば、MRI装置100によって撮像された画像において、複数の画素間にS/Nの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、MRI装置100によって撮像された画像において、ノイズの除去を行うことで信号の特徴が失われるのを抑制することができる。
According to the
なお、上述した実施形態に係るMRI装置又は画像処理装置において、記憶部に記憶されるものとしたプログラムは、あらかじめ各装置にインストールされていてもよいし、CD−ROM(Compact Disc Read Only Memory)等の記録媒体又はネットワークを介して配布されて、各装置に適宜にインストールされてもよい。または、当該プログラムは、例えば、各装置に内蔵又は外付けされたハードディスク、メモリ、CD−R(Compact Disk Recordable)、CD−RW(Compact Disk Rewritable)、DVD−RAM(Digital Versatile Disc Random Access Memory)、DVD−R(Digital Versatile Disc Recordable)等の記憶媒体に記録されて、各装置が有するプロセッサによって適宜に読み出されて実行されてもよい。 In the MRI apparatus or the image processing apparatus according to the above-described embodiment, the program stored in the storage unit may be installed in each apparatus in advance, or a CD-ROM (Compact Disc Read Only Memory). It may be distributed via a recording medium such as the above or a network and may be appropriately installed in each device. Alternatively, the program is, for example, a hard disk, a memory, a CD-R (Compact Disk Recordable), a CD-RW (Compact Disk Rewritable), or a DVD-RAM (Digital Versatile Disc Random Access Memory) incorporated in or attached to each device. Further, the program may be recorded on a storage medium such as a DVD-R (Digital Versatile Disc Recordable), and appropriately read and executed by a processor included in each device.
以上説明した少なくとも1つの実施形態によれば、画像に含まれる複数の画素間にS/Nの違いが生じる場合でも、全画素のノイズを適切に除去することができる。 According to at least one embodiment described above, noise of all pixels can be appropriately removed even when an S / N difference occurs between a plurality of pixels included in an image.
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments of the present invention have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the spirit of the invention. These embodiments and their modifications are included in the scope and gist of the invention, and are also included in the invention described in the claims and the equivalents thereof.
100 磁気共鳴イメージング(Magnetic Resonance Imaging;MRI)装置
25 画像生成部
27 システム制御部
27b 特徴ベクトル算出部
27c 補正マップ算出部
27d 補正部
27f デノイズ処理部
DESCRIPTION OF
Claims (20)
前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
を備える、磁気共鳴イメージング装置。 An image generator for generating an image based on a magnetic resonance signal generated from the subject;
For each of a plurality of pixels included in the image, a feature amount calculation unit that calculates a feature amount related to the signal value of the pixel;
A correction unit that corrects the feature amount of each of the plurality of pixels based on sensitivity characteristics of a receiving coil that receives the magnetic resonance signal;
A magnetic resonance imaging apparatus comprising: a denoising processor that reduces noise of the image based on a distribution of feature values corrected by the correcting unit.
請求項1に記載の磁気共鳴イメージング装置。 The correction unit corrects the feature amount of each of the plurality of pixels further based on a Geometry factor used in high-speed imaging.
The magnetic resonance imaging apparatus according to claim 1.
請求項1に記載の磁気共鳴イメージング装置。 For each of the plurality of pixels, the feature amount calculation unit is based on the signal value of the pixel and the signal values of other pixels located spatially or temporally close to the pixel as elements of the feature amount. To calculate the fluctuation amount of the signal value of the pixel,
The magnetic resonance imaging apparatus according to claim 1.
前記補正部は、前記補正マップを用いて前記複数の画素それぞれの特徴量を補正する、
請求項1に記載の磁気共鳴イメージング装置。 A correction map calculating unit that calculates a correction map based on sensitivity characteristics of a receiving coil that receives the magnetic resonance signal;
The correction unit corrects the feature amount of each of the plurality of pixels using the correction map;
The magnetic resonance imaging apparatus according to claim 1.
請求項4に記載の磁気共鳴イメージング装置。 The value of the correction map is calculated by dividing the sensitivity map value representing the sensitivity distribution of the receiving coil by the Geometry factor used in the high-speed imaging method.
The magnetic resonance imaging apparatus according to claim 4.
請求項4に記載の磁気共鳴イメージング装置。 The correction map has a larger value as the sensitivity of the receiving coil is higher.
The magnetic resonance imaging apparatus according to claim 4.
請求項4に記載の磁気共鳴イメージング装置。 The correction map is a signal value in image reconstruction when the image is obtained by a high-speed imaging method in which a plurality of receiving coils are used and imaging is performed using a sensitivity difference between the receiving coils. The lower the calculation accuracy, the larger the value.
The magnetic resonance imaging apparatus according to claim 4.
請求項4に記載の磁気共鳴イメージング装置。 For the at least one element of the feature vector of each of the plurality of pixels, the correction unit has a smaller value corresponding to a position having a smaller value in the correction map, and corresponds to a position having a larger value in the correction map. Correct so that the larger the value,
The magnetic resonance imaging apparatus according to claim 4.
請求項4に記載の磁気共鳴イメージング装置。 The denoising processing unit decreases the noise removal strength as the value of the correction map is larger.
The magnetic resonance imaging apparatus according to claim 4.
請求項1に記載の磁気共鳴イメージング装置。 The feature amount is represented by a feature vector including a plurality of elements.
The magnetic resonance imaging apparatus according to claim 1.
請求項10に記載の磁気共鳴イメージング装置。 The feature vector includes a standard deviation of the signal value as an element.
The magnetic resonance imaging apparatus according to claim 10.
前記デノイズ処理部は、前記モデル選択部によって選択されたノイズモデルを用いて、前記画像のノイズを低減させる、
請求項1に記載の磁気共鳴イメージング装置。 A model selection unit that selects a noise model from a plurality of noise models based on the distribution of the feature amount corrected by the correction unit;
The denoising processor uses the noise model selected by the model selector to reduce the noise of the image.
The magnetic resonance imaging apparatus according to claim 1.
請求項12に記載の磁気共鳴イメージング装置。 The noise model outputs a noise amount with respect to an input signal value. The smaller the input signal value, the smaller the noise amount is output, and the larger the input signal value, the larger the noise amount is output. In addition, as the input signal value increases, the output noise amount converges to a constant value.
The magnetic resonance imaging apparatus according to claim 12.
請求項12に記載の磁気共鳴イメージング装置。 The model selection unit selects a noise model that most closely approximates a data point group represented by the feature amount corrected by the correction unit from the plurality of noise models.
The magnetic resonance imaging apparatus according to claim 12.
請求項12に記載の磁気共鳴イメージング装置。 The denoising processor increases the noise removal strength as the amount of noise output from the noise model selected by the model selector increases.
The magnetic resonance imaging apparatus according to claim 12.
前記デノイズ処理部は、前記動画像の中から、動き領域と、前記動き領域より動きが小さい静止領域とを検出し、当該動き領域及び当該静止領域それぞれについて異なる方法でノイズを低減させる、
請求項12に記載の磁気共鳴イメージング装置。 The image generation unit generates a moving image as the image,
The denoising processing unit detects a motion region and a still region having a smaller motion than the motion region from the moving image, and reduces noise by a different method for each of the motion region and the still region.
The magnetic resonance imaging apparatus according to claim 12.
請求項16に記載の磁気共鳴イメージング装置。 The denoising processing unit determines a pixel in which a temporal variation amount of a signal value of a pixel at the same position in each of a plurality of frames included in the moving image is larger than a threshold value based on a noise amount obtained from the noise model. Detect as a pixel of
The magnetic resonance imaging apparatus according to claim 16.
請求項16又は17に記載の磁気共鳴イメージング装置。 The denoising processing unit applies a pixel to a pixel included in the motion region when the amount of noise obtained from the noise model is the same between the pixel included in the motion region and the pixel included in the still region. The noise removal strength is weaker than the noise removal strength for the pixels included in the still region.
The magnetic resonance imaging apparatus according to claim 16 or 17.
前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
を備える、画像処理装置。 An image acquisition unit for acquiring an image generated based on a magnetic resonance signal generated from a subject;
For each of a plurality of pixels included in the image, a feature amount calculation unit that calculates a feature amount related to the signal value of the pixel;
A correction unit that corrects the feature amount of each of the plurality of pixels based on sensitivity characteristics of a receiving coil that receives the magnetic resonance signal;
An image processing apparatus comprising: a denoising processor that reduces noise of the image based on the distribution of the corrected feature value.
前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出し、
前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正し、
補正された特徴量の分布に基づいて、前記画像のノイズを低減させる、
ことを含む、画像処理方法。 Acquire an image generated based on the magnetic resonance signal generated from the subject,
For each of a plurality of pixels included in the image, a feature amount related to the signal value of the pixel is calculated,
Based on the sensitivity characteristics of the receiving coil that receives the magnetic resonance signal, the feature amount of each of the plurality of pixels is corrected,
Reducing noise of the image based on the distribution of the corrected feature value;
An image processing method.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/935,951 US11300646B2 (en) | 2014-11-10 | 2015-11-09 | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method |
US17/684,601 US11747424B2 (en) | 2014-11-10 | 2022-03-02 | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014228483 | 2014-11-10 | ||
JP2014228483 | 2014-11-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016093494A true JP2016093494A (en) | 2016-05-26 |
JP6647836B2 JP6647836B2 (en) | 2020-02-14 |
Family
ID=56070498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015217590A Active JP6647836B2 (en) | 2014-11-10 | 2015-11-05 | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6647836B2 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019049549A1 (en) * | 2017-09-07 | 2019-03-14 | 株式会社日立製作所 | Magnetic resonance imaging apparatus and noise elimination method |
JP2020121117A (en) * | 2019-01-30 | 2020-08-13 | キヤノンメディカルシステムズ株式会社 | Medical information processing device, magnetic resonance imaging device and medical information processing method |
CN112308788A (en) * | 2019-07-25 | 2021-02-02 | 株式会社日立制作所 | Image processing device, image processing method, and X-ray CT device |
US11815581B2 (en) | 2019-01-30 | 2023-11-14 | Canon Medical Systems Corporation | Medical information processing apparatus, magnetic resonance imaging apparatus, and medical information processing method |
JP7524405B2 (en) | 2023-05-17 | 2024-07-29 | キヤノンメディカルシステムズ株式会社 | Medical image processing apparatus and medical image processing method |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0723926A (en) * | 1993-07-09 | 1995-01-27 | Hitachi Ltd | Image quality improving method for dynamic image |
JPH07222724A (en) * | 1994-02-16 | 1995-08-22 | Hitachi Medical Corp | Image correcting method |
JP2002183709A (en) * | 2000-12-05 | 2002-06-28 | Ge Medical Systems Global Technology Co Llc | Image processing method and device, recording medium and image photographing device |
JP2005270491A (en) * | 2004-03-26 | 2005-10-06 | Mie Tlo Co Ltd | Cardiac function quantitative evaluation method in cine mri |
US20060233454A1 (en) * | 2005-04-15 | 2006-10-19 | Hu Cheng | Method for image intensity correction using extrapolation and adaptive smoothing |
JP2007244848A (en) * | 2006-02-17 | 2007-09-27 | Toshiba Corp | Data correction apparatus, data correction method, magnetic resonance imaging apparatus and x-ray ct apparatus |
US20090190854A1 (en) * | 2008-01-29 | 2009-07-30 | Hua Bin Zhu | Method and apparatus for improving brightness uniformity in an image |
US20090233454A1 (en) * | 2008-03-14 | 2009-09-17 | Tokyo Electron Limited | Film formation apparatus for semiconductor process and method for using same |
JP2012035082A (en) * | 2010-08-06 | 2012-02-23 | Toshiba Corp | Magnetic resonance imaging method and system |
-
2015
- 2015-11-05 JP JP2015217590A patent/JP6647836B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0723926A (en) * | 1993-07-09 | 1995-01-27 | Hitachi Ltd | Image quality improving method for dynamic image |
JPH07222724A (en) * | 1994-02-16 | 1995-08-22 | Hitachi Medical Corp | Image correcting method |
JP2002183709A (en) * | 2000-12-05 | 2002-06-28 | Ge Medical Systems Global Technology Co Llc | Image processing method and device, recording medium and image photographing device |
JP2005270491A (en) * | 2004-03-26 | 2005-10-06 | Mie Tlo Co Ltd | Cardiac function quantitative evaluation method in cine mri |
US20060233454A1 (en) * | 2005-04-15 | 2006-10-19 | Hu Cheng | Method for image intensity correction using extrapolation and adaptive smoothing |
JP2007244848A (en) * | 2006-02-17 | 2007-09-27 | Toshiba Corp | Data correction apparatus, data correction method, magnetic resonance imaging apparatus and x-ray ct apparatus |
US20090190854A1 (en) * | 2008-01-29 | 2009-07-30 | Hua Bin Zhu | Method and apparatus for improving brightness uniformity in an image |
US20090233454A1 (en) * | 2008-03-14 | 2009-09-17 | Tokyo Electron Limited | Film formation apparatus for semiconductor process and method for using same |
JP2012035082A (en) * | 2010-08-06 | 2012-02-23 | Toshiba Corp | Magnetic resonance imaging method and system |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019049549A1 (en) * | 2017-09-07 | 2019-03-14 | 株式会社日立製作所 | Magnetic resonance imaging apparatus and noise elimination method |
JP2019042444A (en) * | 2017-09-07 | 2019-03-22 | 株式会社日立製作所 | Magnetic resonance imaging apparatus and noise removing method |
US11393073B2 (en) | 2017-09-07 | 2022-07-19 | Fujifilm Healthcare Corporation | Magnetic resonance imaging apparatus and noise elimination method |
JP2020121117A (en) * | 2019-01-30 | 2020-08-13 | キヤノンメディカルシステムズ株式会社 | Medical information processing device, magnetic resonance imaging device and medical information processing method |
JP7341913B2 (en) | 2019-01-30 | 2023-09-11 | キヤノンメディカルシステムズ株式会社 | Medical information processing device, magnetic resonance imaging device, and medical information processing method |
US11815581B2 (en) | 2019-01-30 | 2023-11-14 | Canon Medical Systems Corporation | Medical information processing apparatus, magnetic resonance imaging apparatus, and medical information processing method |
CN112308788A (en) * | 2019-07-25 | 2021-02-02 | 株式会社日立制作所 | Image processing device, image processing method, and X-ray CT device |
CN112308788B (en) * | 2019-07-25 | 2023-10-20 | 富士胶片医疗健康株式会社 | Image processing device, image processing method, and X-ray CT device |
JP7524405B2 (en) | 2023-05-17 | 2024-07-29 | キヤノンメディカルシステムズ株式会社 | Medical image processing apparatus and medical image processing method |
Also Published As
Publication number | Publication date |
---|---|
JP6647836B2 (en) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7246864B2 (en) | Image processing device, magnetic resonance imaging device and image processing program | |
JP5944650B2 (en) | Magnetic resonance imaging system | |
US10145923B2 (en) | Resonance imaging apparatus and diffusion weighted image acquiring method thereof | |
US9664764B2 (en) | Magnetic resonance imaging apparatus and susceptibility-weighted imaging method using the same | |
US11747424B2 (en) | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method | |
JP5982494B2 (en) | Magnetic resonance imaging system | |
JP2010119831A (en) | Image display apparatus, image display method, and magnetic resonance imaging apparatus | |
JP5559848B2 (en) | Apparatus and method for simultaneously generating multiple types of magnetic resonance images | |
NL2003804A (en) | System and method for automated scan planning using symmetry detection and image registration. | |
JP6647836B2 (en) | Magnetic resonance imaging apparatus, image processing apparatus, and image processing method | |
JP2017080349A (en) | Magnetic resonance imaging apparatus and medical image processing apparatus | |
JP2017529963A (en) | High performance bone visualization nuclear magnetic resonance imaging | |
US10769823B2 (en) | Image processing apparatus, magnetic resonance imaging apparatus, and storage medium | |
JP2023171516A (en) | Medical information processing device and medical information processing method | |
KR101474757B1 (en) | Method and apparatus for measuring magnetic field | |
JP2017153965A (en) | Magnetic resonance imaging apparatus and magnetic resonance imaging method | |
US10607339B2 (en) | Image processing apparatus | |
US10909729B2 (en) | Image processing apparatus | |
JP6943663B2 (en) | Magnetic resonance imaging device and image processing device | |
JP7419145B2 (en) | Medical information processing device and medical information processing method | |
JP6681708B2 (en) | Magnetic resonance imaging equipment | |
JP2019187695A (en) | Magnetic resonance imaging apparatus | |
JP2019146788A (en) | Magnetic resonance imaging apparatus | |
US10481235B2 (en) | Magnetic resonance imaging apparatus and image processing apparatus | |
US20150054508A1 (en) | Magnetic resonance imaging apparatus and image processing apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20160317 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20160929 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20161021 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181010 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190820 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191017 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191217 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6647836 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |