JP2019005557A - 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム - Google Patents

画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム Download PDF

Info

Publication number
JP2019005557A
JP2019005557A JP2018093280A JP2018093280A JP2019005557A JP 2019005557 A JP2019005557 A JP 2019005557A JP 2018093280 A JP2018093280 A JP 2018093280A JP 2018093280 A JP2018093280 A JP 2018093280A JP 2019005557 A JP2019005557 A JP 2019005557A
Authority
JP
Japan
Prior art keywords
image
region
regions
function
contrast
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
Application number
JP2018093280A
Other languages
English (en)
Other versions
JP7246864B2 (ja
Inventor
匠真 五十嵐
Takuma Igarashi
匠真 五十嵐
諒 白石
Ryo Shiraishi
諒 白石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to US15/996,556 priority Critical patent/US10769823B2/en
Publication of JP2019005557A publication Critical patent/JP2019005557A/ja
Application granted granted Critical
Publication of JP7246864B2 publication Critical patent/JP7246864B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

【課題】診断に適した計算画像を得ることができる画像処理装置、磁気共鳴イメージング装置及び画像処理プログラムを提供すること。【解決手段】実施形態に係る画像処理装置は、取得部と、分割部と、設定部と、生成部とを備える。取得部は、磁気共鳴イメージング装置によって撮像された脳に関するＭＲ画像を取得する。分割部は、前記取得部によって取得されたＭＲ画像における前記脳の領域を複数の領域に分割する。設定部は、Synthetic MRIによって生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定する。生成部は、前記取得部によって取得されたＭＲ画像と、前記設定部によって設定されたパラメータ値とを用いて、前記Synthetic MRIによって前記計算画像を生成する。【選択図】図１

Description

本発明の実施形態は、画像処理装置、磁気共鳴イメージング装置及び画像処理プログラムに関する。
従来、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）装置によって撮像されたＭＲ画像と任意のパラメータ値とを用いて、撮像後に、計算的に任意の画像種類の計算画像を生成する技術が知られている。このように計算画像を生成する技術には、実際にデータを収集しながら画像を生成する場合と比べて短い時間で検査を行うことができたり、パラメータ値を事後に設定することができたりするという利点がある。
特開２０１３−１９２０５７号公報 特開２０１６−２２５８６２号公報
本発明が解決しようとする課題は、診断に適した計算画像を得ることができる画像処理装置、磁気共鳴イメージング装置及び画像処理プログラムを提供することである。
実施形態に係る画像処理装置は、取得部と、分割部と、設定部と、生成部とを備える。取得部は、磁気共鳴イメージング装置によって撮像された脳に関するＭＲ画像を取得する。分割部は、前記取得部によって取得されたＭＲ画像における前記脳の領域を複数の領域に分割する。設定部は、Synthetic MRIによって生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定する。生成部は、前記取得部によって取得されたＭＲ画像と、前記設定部によって設定されたパラメータ値とを用いて、前記Synthetic MRIによって前記計算画像を生成する。
図１は、第１の実施形態に係る画像処理装置の構成例を示す図である。 図２は、第１の実施形態に係る脳の複数の領域の一例を示す図である。 図３は、第１の実施形態に係る記憶回路によって記憶されるコントラスト比テーブルの一例を示す図である。 図４は、第１の実施形態に係る記憶回路によって記憶されるパラメータ範囲テーブルの一例を示す図である。 図５は、第１の実施形態に係る画像処理装置によって生成される計算画像の具体例を示す図である。 図６は、第１の実施形態に係る画像処理装置によって生成される計算画像の具体例を示す図である。 図７は、第１の実施形態に係る画像処理装置によって行われる計算画像の生成に関する処理の処理手順を示すフローチャートである。 図８は、第１の実施形態による効果の一例を示す図である。 図９は、第２の実施形態に係る画像処理装置の構成例を示す図である。 図１０は、第２の実施形態に係る記憶回路によって記憶される疾患関連領域テーブルの一例を示す図である。 図１１は、第２の実施形態に係る画像処理装置によって行われる疾患関連領域テーブルの更新に関する処理の処理手順を示すフローチャートである。 図１２は、第２の実施形態に係る画像処理装置によって行われる計算画像の生成に関する処理の処理手順を示すフローチャートである。 図１３は、第３の実施形態に係るＭＲＩ装置の構成例を示す図である。 図１４は、第４の実施形態に係るＭＲＩ装置の構成例を示す図である。
以下、図面を参照しながら、実施形態に係る画像処理装置、磁気共鳴イメージング装置及び画像処理プログラムについて詳細に説明する。
（第１の実施形態）
図１は、第１の実施形態に係る画像処理装置の構成例を示す図である。例えば、図１に示すように、本実施形態では、ＭＲＩ装置１００と、画像保管装置２００と、画像処理装置３００とが、ネットワーク４００を介して通信可能に接続されている。
ＭＲＩ装置１００は、磁気共鳴現象を利用して被検体の画像データを収集する。具体的には、ＭＲＩ装置１００は、操作者によって設定された撮像条件に基づいて各種撮像シーケンスを実行することで、被検体から磁気共鳴データを収集する。そして、ＭＲＩ装置１００は、収集した磁気共鳴データに対してフーリエ変換処理等の画像処理を施すことで、二次元又は三次元の画像データ（ＭＲ画像）を生成する。
画像保管装置２００は、ＭＲＩ装置１００によって収集された画像データを保管する。具体的には、画像保管装置２００は、ネットワーク４００を介して、ＭＲＩ装置１００から画像データを取得し、取得した画像データを装置内又は装置外に設けられた記憶回路に記憶させる。例えば、画像保管装置２００は、サーバ装置等のコンピュータ機器によって実現される。
画像処理装置３００は、ＭＲＩ装置１００によって収集された画像データを処理する。具体的には、画像処理装置３００は、ネットワーク４００を介して、ＭＲＩ装置１００又は画像保管装置２００から画像データを取得し、装置内又は装置外に設けられた記憶回路に記憶させる。また、画像処理装置３００は、取得した画像データに対して各種画像処理を行い、画像処理を行う前又は画像処理を行った後の画像データをディスプレイ等に表示する。例えば、画像処理装置３００は、ワークステーション等のコンピュータ機器によって実現される。
具体的には、画像処理装置３００は、ネットワーク（Network：ＮＷ）インタフェース３１０と、記憶回路３２０と、入力インタフェース３３０と、ディスプレイ３４０と、処理回路３５０とを備える。
ＮＷインタフェース３１０は、ネットワーク４００を介して接続された他の装置と画像処理装置３００との間で送受信される各種データの伝送及び通信を制御する。具体的には、ＮＷインタフェース３１０は、処理回路３５０に接続され、処理回路３５０から出力される画像データを所定の通信プロトコルに準拠した形式に変換し、ＭＲＩ装置１００又は画像保管装置２００に送信する。また、ＮＷインタフェース３１０は、ＭＲＩ装置１００又は画像保管装置２００から受信した画像データを処理回路３５０に出力する。例えば、ＮＷインタフェース３１０は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。
記憶回路３２０は、各種データを記憶する。具体的には、記憶回路３２０は、処理回路３５０に接続され、処理回路３５０から送られる命令に応じて、入力された画像データを記憶し、又は、記憶している画像データを処理回路３５０に出力する。例えば、記憶回路３２０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。
入力インタフェース３３０は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース３３０は、処理回路３５０に接続されており、操作者から受け取った入力操作を電気信号へ変換し制御回路へと出力する。例えば、入力インタフェース３３０は、関心領域（Region Of Interest：ＲＯＩ）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース３３０は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース３３０の例に含まれる。
ディスプレイ３４０は、各種情報及び各種画像を表示する。具体的には、ディスプレイ３４０は、処理回路３５０に接続され、処理回路３５０から出力される画像データに基づいて、各種の形式で画像を表示する。例えば、ディスプレイ３４０は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。
処理回路３５０は、入力インタフェース３３０を介して操作者から受け付けた入力操作に応じて、画像処理装置３００が備える各構成要素を制御する。具体的には、処理回路３５０は、ＮＷインタフェース３１０から出力される画像データを記憶回路３２０に記憶させる。また、処理回路３５０は、記憶回路３２０から読み出した画像データをディスプレイ３４０に表示する。例えば、処理回路３５０は、プロセッサによって実現される。
このような構成のもと、本実施形態に係る画像処理装置３００は、ＭＲＩ装置１００によって撮像されたＭＲ画像と任意のパラメータ値とを用いて、撮像後に、計算的に任意の画像種類の計算画像を生成する機能を有する。ここで、画像種類とは、例えば、Ｔ１強調（T1 Weighted：Ｔ１Ｗ）画像や、Ｔ２強調（T2 Weighted：Ｔ２Ｗ）画像、ＦＬＡＩＲ（Fluid Attenuation Inversion Recovery）画像等である。
例えば、画像処理装置３００は、Synthetic MRIによって計算画像（Synthetic MRI画像）を生成する機能を有する。具体的には、画像処理装置３００は、ＴＩ（Inversion Time）やＴＥ（Echo Time）、ＦＡ（Flip Angle）等を変えながら撮像されたＭＲ画像を用いて、ＭＲ画像の信号値の理論式を用いたシミュレーションやカーブフィッティングによって、Ｔ１値やＴ２値、ＰＤ（Proton Density）値等の組織定量値を導出する。そして、画像処理装置３００は、導出された組織定量値に基づいて、任意のＴＩ、ＴＥ及びＴＲ（Repetition Time）のパラメータ値による任意の画像種類の計算画像を生成する。例えば、画像処理装置３００は、複数のＴＩの画像からＴ１緩和曲線を取得し、曲線からＴ１値およびＰＤ値を導出する。また、例えば、画像処理装置３００は、複数のＴＥの画像からＴ２値を導出し、これらの定量値をもとに任意の画像種類の計算画像を生成する。
Synthetic MRIでは、Ｔ１値、Ｔ２値、及びプロトン密度を定量することによって、任意の画像種類の計算画像を生成することができる。また、Synthetic MRIでは、異なる画像種類の計算画像を得る場合でも、再度撮像をする必要がない。また、Synthetic MRIでは、いったん計算画像を生成した後でも自由にＴＲ、ＴＥ、ＴＩ等のパラメータ値を調整することが可能であり、調整過程でも、その条件でのコントラストの計算画像をリアルタイムで生成することができる。
そして、本実施形態に係る画像処理装置３００は、診断に適した計算画像を得ることができるように構成されている。
ここで、一般的に、このような計算画像を利用する目的は、従来は撮像によって得られていたＭＲ画像と同じコントラストの画像を計算的に得ることによって、ＭＲ画像を用いた検査に要する時間を短縮することである。この目的のため、しばしば、撮像と同じパラメータ値で計算画像が生成されることがあるが、撮像と同じパラメータ値であっても、生成された計算画像のコントラストが、撮像によって得られるＭＲ画像と同じにならない場合がある。この場合には、所望のコントラストの計算画像を得るために、計算画像のコントラストを逐一確認しながらパラメータ値を調整することになり、この調整のために、検査時間が短縮されないこともあり得る。
このようなことから、本実施形態に係る画像処理装置３００は、従来は撮像によって得られていたＭＲ画像と同じコントラストの計算画像が得られるパラメータ値を自動的に設定することで、検査時間を短縮することができるように構成されている。
具体的には、本実施形態では、記憶回路３２０が、画像種類ごとに、脳の複数の領域に含まれる領域間のコントラストについて、当該画像種類に対応する既知のコントラスト比を示す情報を記憶する。なお、本実施形態における記憶回路３２０は、記憶部の一例である。
ここで、脳の複数の領域（区画、Parcelとも呼ばれる）とは、例えば、脳の領域を解剖学的な構造や機能等によって区分けした領域である。
図２は、第１の実施形態に係る脳の複数の領域の一例を示す図である。例えば、図２に示すように、脳の領域は、複数のレベルで段階的に区分けされて定義され、レベルが下がるほど、区分けの単位が細かくなるように定義される。例えば、図２に示す例では、各レベルをレベル−ｎ（ｎ＝０，１，２，３，４，５，・・・）と表しており、ｎが大きくなるほど、下位のレベルとなる。なお、図２では、レベル−３〜５のみを例示している。
例えば、レベル−０は、脳全体の領域を示す。また、例えば、レベル−３における「辺縁系」及びレベル−４における「辺縁系」は、領域の名称は同じであるが、それぞれの大きさが異なっている。例えば、レベル−３における「辺縁系」は、一般的に「辺縁系」と呼ばれる単位である。そして、レベル−４では、レベル−３における「辺縁系」が「帯状回」、「扁桃体」、「海馬」及びそれ以外の領域に分けられており、ここでいう「それ以外の領域」が、「辺縁系」と定義されている。
また、図２に示す例では、レベル−４における「辺縁系」が、レベル−５で「海馬傍回」及び「嗅内野」に分けられ、レベル−４における「帯状回」が、レベル−５で「帯状回後部」等（図示省略）に分けられ、レベル−４における「扁桃体」及び「海馬」が、それぞれ、レベル−５で一つ又は複数の領域（図示省略）に分けられている。
このように、例えば、脳の領域がレベルごとに異なる単位で区分けされている場合には、各レベルにおける個々の領域の単位が、本願でいう脳の複数の領域における一つの領域となり得る。例えば、レベル−３の「辺縁系」も、レベル−４の「辺縁系」も、レベル−４の「海馬」も、レベル−５の「海馬傍回」も、それぞれ一つの領域となり得る。
例えば、本願でいう脳の複数の領域は、いずれか一つのレベル（例えば、最も下位のレベル）における領域の単位で定義される。または、本願でいう脳の複数の領域は、例えば、レベル−５における「海馬傍回」及び「嗅内野」と、レベル−４における「帯状回」、「扁桃体」及び「海馬」とを組み合わせるというように、異なるレベルにおける領域の単位を組み合わせて定義されてもよい。
このような脳の複数の領域に基づいて、記憶回路３２０は、画像種類ごとに、脳の複数の領域に含まれる領域間のコントラストについて、当該画像種類に対応する既知のコントラスト比を示す情報を記憶する。
図３は、第１の実施形態に係る記憶回路３２０によって記憶されるコントラスト比テーブルの一例を示す図である。例えば、図３に示すように、記憶回路３２０は、画像種類ごとに、画像種類と、脳の複数の領域それぞれに対応する既知のコントラスト比とを対応付けたコントラスト比テーブルを記憶する。
例えば、図３に示す「Ｔ１Ｗ」、「Ｔ２Ｗ」及び「ＦＬＡＩＲ」は、それぞれ画像種類を示しており、「Ｔ１Ｗ」がＴ１Ｗ画像を示し、「Ｔ２Ｗ」がＴ２Ｗ画像を示し、「ＦＬＡＩＲ」がＦＬＡＩＲ画像を示している。また、図３に示す「ＧＭ」、「ＷＭ」及び「ＣＳＦ」は、それぞれ脳の領域を示しており、「ＧＭ」が灰白質（Grey Matter）の領域を示し、「ＷＭ」が白質（White Matter）の領域を示し、「ＣＳＦ」が脳脊髄液（CerebroSpinal Fluid）の領域を示している。
例えば、図３に示す例では、Ｔ１Ｗ画像に対応する既知のコントラスト比が、灰白質：白質：脳脊髄液＝１：１．０５：０．１であることを示している。また、図３に示す例では、Ｔ２Ｗ画像に対応する既知のコントラスト比が、灰白質：白質：脳脊髄液＝２．５２：１：３であることを示している。また、図３に示す例では、ＦＬＡＩＲ画像に対応する既知のコントラスト比が、灰白質：白質：脳脊髄液＝２．１：１：０．１であることを示している。
さらに、本実施形態では、記憶回路３２０は、画像種類ごとに、計算画像の生成に用いられるパラメータ値を設定する際の条件となるパラメータ値の範囲を定義した情報を記憶する。
図４は、第１の実施形態に係る記憶回路３２０によって記憶されるパラメータ範囲テーブルの一例を示す図である。例えば、図４に示すように、記憶回路３２０は、画像種類ごとに、画像種類と、撮像法と、計算画像の生成に用いられる複数のパラメータそれぞれのパラメータ値の範囲とを対応付けたパラメータ範囲テーブルを記憶する。
例えば、図４に示す「Ｔ１Ｗ」、「Ｔ２Ｗ」及び「ＦＬＡＩＲ」は、それぞれ画像種類を示しており、「Ｔ１Ｗ」がＴ１Ｗ画像を示し、「Ｔ２Ｗ」がＴ２Ｗ画像を示し、「ＦＬＡＩＲ」がＦＬＡＩＲ画像を示している。また、図４に示す「ＳＥ」及び「ＩＲ」は、それぞれ撮像法を示しており、「ＳＥ」がスピンエコー（Spin Echo：ＳＥ）法を示し、「ＩＲ」が反転回復（Inversion Recovery：ＩＲ）法を示している。また、図４に示す「ＴＲ」、「ＴＥ」及び「ＴＩ」は、それぞれ計算画像の生成に用いられる複数のパラメータを示しており、それぞれ、「ＴＲ」がＴＲを示し、「ＴＥ」がＴＥを示し、「ＴＩ」がＴＩを示している。
例えば、図４に示す例では、Ｔ１Ｗ画像及びＳＥ法に対応するＴＲの範囲が１００−１０００であり、ＴＥの範囲が１−５０であることを示している。また、例えば、図４に示す例では、Ｔ２Ｗ画像及びＳＥ法に対応するＴＲの範囲が３０００−１００００であり、ＴＥの範囲が８０−１２０であることを示している。また、例えば、図４に示す例では、ＦＬＡＩＲ画像及びＩＲ法に対応するＴＲの範囲が３０００−１００００であり、ＴＥの範囲が８０−１２０であり、ＴＩの範囲が２３００−３５００であることを示している。
ここで、例えば、パラメータ範囲テーブルに設定される各パラメータ値の範囲には、画像種類ごとに、従来の撮像によって同じ画像種類のＭＲ画像が撮像される際に用いられている一般的なパラメータ値の範囲が設定される。これにより、医療分野で一般的に用いられているパラメータ値の範囲で、計算画像を生成するためのパラメータ値を設定することができるようになり、医療分野における常識に沿った計算画像を生成できるようになる。
また、本実施形態では、処理回路３５０が、取得機能３５１と、分割機能３５２と、設定機能３５３と、生成機能３５４とを有する。なお、本実施形態における分割機能３５２は、分割部の一例である。また、本実施形態における設定機能３５３は、設定部の一例である。また、本実施形態における生成機能３５４は、生成部の一例である。なお、本明細書における分割部、設定部、及び生成部は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。
取得機能３５１は、被検体の脳に関する入力画像をＭＲＩ装置１００又は画像保管装置２００から取得する。
具体的には、取得機能３５１は、ＭＲＩ装置１００によってＴＩやＴＥ、ＦＡ等のように画像のコントラストに影響を与えるパラメータ値を変えながら撮像された複数のＭＲ画像と、当該ＭＲ画像を用いて導出されたＴ１マップ画像、Ｔ２マップ画像、ＰＤ画像等の複数の定量画像とを、入力画像として取得する。例えば、取得機能３５１は、ＭＲＩ装置１００によってＭＰ２ＲＡＧＥ（Magnetization Prepared 2 Rapid Gradient Echo）シーケンスを用いて撮像されたＴ１Ｗ画像と、当該Ｔ１Ｗ画像から導出されたＴ１マップ画像とを取得する。または、例えば、取得機能３５１は、ＴＩやＴＥ、ＦＡ等を変えながら、それらの変化を一つの画像中に保存することが可能なシーケンスによって得られた一つのＭＲ画像を入力画像として取得してもよい。
分割機能３５２は、脳に関する入力画像における脳の領域を複数の領域に分割する。
具体的には、分割機能３５２は、取得機能３５１によって取得されたＭＲ画像を入力画像として用いて、当該入力画像における脳の領域を複数の領域に分割する。例えば、分割機能３５２は、ＭＲＩ装置１００によってＭＰ２ＲＡＧＥシーケンスを用いて撮像されたＴ１Ｗ画像を入力画像として用いて、当該入力画像における脳の領域を複数の領域に分割する。
ここで、例えば、分割機能３５２は、入力画像における脳の領域を解剖学的な構造や機能等に基づいて区分けすることによって、図２に例示したように、複数の領域に分割（Parcellationとも呼ばれる）する。
設定機能３５３は、生成される脳に関する計算画像における、分割機能３５２によって分割された脳の複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、脳に関する計算画像の生成に用いられるパラメータ値を設定する。
具体的には、設定機能３５３は、Synthetic MRIによって生成される脳に関する計算画像における、複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、計算画像の生成に用いられるパラメータ値を設定する。
ここで、本実施形態では、設定機能３５３は、分割機能３５２によって分割された脳の複数の領域に含まれる領域間のコントラストが、操作者によって指定された画像種類に対応する既知のコントラスト比となるように、計算画像の生成に用いられるパラメータ値を設定する。
具体的には、設定機能３５３は、入力インタフェース３３０を介して、操作者から画像種類の指定を受け付ける。例えば、設定機能３５３は、予め決められた複数の画像種類について、各画像種類を示すボタンをディスプレイ３４０に表示し、いずれか一つのボタンを選択する操作を操作者から受け付けることで、画像種類の指定を受け付ける。
その後、設定機能３５３は、記憶回路３２０に記憶されたコントラスト比テーブルを参照して、指定された画像種類に対応する既知のコントラスト比を取得する。そして、設定機能３５３は、分割機能３５２によって分割された複数の領域に含まれる領域間のコントラストが、取得したコントラスト比となるように、計算画像の生成に用いられるパラメータ値を設定する。
このとき、設定機能３５３は、記憶回路３２０に記憶されたパラメータ範囲テーブルを参照して、指定された画像種類に対応するパラメータ値の範囲を取得する。そして、設定機能３５３は、取得したパラメータ値の範囲内で、複数の領域に含まれる領域間のコントラスト比と、コントラスト比テーブルから取得したコントラスト比とが最も近くなるように、計算画像の生成に用いられるパラメータ値を設定する。
例えば、計算画像の生成に用いられるＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値をＴＥ、ＴＲ及びＴＩとした場合に、これらのパラメータ値の組み合わせは、以下のように集合θで表される。
θ＝｛ＴＲ，ＴＥ，ＴＩ｝
また、パラメータ範囲テーブルに設定されたＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値の範囲は、以下のように表される。
ＴＲmin＜ＴＲ＜ＴＲmax，ＴＥmin＜ＴＥ＜ＴＥmax，ＴＩmin＜ＴＩ＜ＴＩmax
そして、例えば、コントラスト比テーブルに設定されている脳の領域の個数をＮとした場合に、集合θのパラメータ値から導出される計算画像における領域間のコントラスト比は、以下のように、領域ごとのコントラスト比からなるベクトルＣθで表される。
Ｃθ＝（ｃ１θ，ｃ２θ，ｃ３θ，・・・ｃＮθ）
また、コントラスト比テーブルに設定されている領域間のコントラスト比は、以下のように、領域ごとのコントラスト比からなるベクトルＣDBで表される。
ＣDB＝（ｃ１DB，ｃ２DB，ｃ３DB，・・・ｃＮDB）
この場合に、設定機能３５３は、以下に示すように、ベクトル間の距離を表す関数Ｄ（・）を用いて、ベクトルＣθとベクトルＣDBとの間の距離Ｄ（Ｃθ−ＣDB）が最小となるＴＥ、ＴＲ及びＴＩの組み合わせθoptimizedを探索する。
θoptimized＝ａｒｇｍｉｎθＤ（Ｃθ−ＣDB）
具体的には、設定機能３５３は、パラメータ範囲テーブルから取得したパラメータ値の範囲内でＴＥ、ＴＲ及びＴＩそれぞれを個別に順次変化させながら、順次、ベクトルＣθ及びベクトルＣDBを導出し、さらに、当該ベクトルＣθとベクトルＣDBとの間の距離Ｄ（Ｃθ−ＣDB）を導出する。そして、設定機能３５３は、距離Ｄ（Ｃθ−ＣDB）が最小となったときのＴＥ、ＴＲ及びＴＩの組み合わせをθoptimizedとして特定する。
なお、例えば、設定機能３５３は、各パラメータ値を変化させる際に、必ずしも、パラメータ範囲テーブルから取得したパラメータ値の範囲内の全ての値に変化させなくてもよい。例えば、設定機能３５３は、通常、ＭＲ画像が撮像される際に用いられているパラメータ値を初期値とし、当該初期値から次第に離れるようにパラメータ値を順次変化させながら、ベクトルＣθとベクトルＣDBとの間の距離Ｄ（Ｃθ−ＣDB）を導出する。そして、設定機能３５３は、距離Ｄ（Ｃθ−ＣDB）が所定の閾値より小さい値となった時点で処理を終了し、その時点でのＴＥ、ＴＲ及びＴＩの組み合わせをθoptimizedとして特定する。
その後、設定機能３５３は、特定したθoptimizedにおけるＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値を、計算画像の生成に用いられるパラメータ値として設定する。これにより、脳の複数の領域に含まれる領域間のコントラストが、指定された画像種類に対応する既知のコントラスト比となるように、計算画像の生成に用いられるパラメータ値が自動的に設定される。
生成機能３５４は、取得機能３５１によって取得された入力画像と、設定機能３５３によって設定されたパラメータ値とを用いて、計算画像を生成する。
具体的には、生成機能３５４は、取得機能３５１によって取得された定量画像と、設定機能３５３によって設定されたパラメータ値とを用いて、Synthetic MRIによって計算画像を生成する。例えば、生成機能３５４は、ＭＲＩ装置１００によってＭＰ２ＲＡＧＥシーケンスを用いて撮像されたＴ１Ｗ画像から導出されたＴ１マップ画像と、設定機能３５３によって設定されたパラメータ値とを用いて、計算画像を生成する。または、例えば、生成機能３５４は、取得機能３５１によって取得された、ＴＩやＴＥ、ＦＡ等の変化を保持した一つのＭＲ画像と、設定機能３５３によって設定されたパラメータ値とを用いて、計算画像を生成してもよい。
そして、生成機能３５４は、生成した計算画像をディスプレイ３４０に表示する。
図５及び６は、第１の実施形態に係る画像処理装置３００によって生成される計算画像の具体例を示す図である。図５及び６では、一例として、ＦＬＡＩＲ画像の計算画像が生成される場合の例を示している。
ここで、図５の（ａ）は、コントラスト比テーブルに設定されたＦＬＡＩＲ画像に対応する既知のコントラスト比の一例を示している。また、図５の（ｂ）は、所望のＦＬＡＩＲ画像を示している。また、図５の（ｃ）は、本実施形態に係るパラメータ値の自動設定が行われる前の状態で生成された計算画像の一例を示している。また、図５の（ｄ）は、本実施形態に係るパラメータ値の自動設定が行われた後に生成された計算画像の一例を示している。
例えば、図５の（ａ）に示すように、コントラスト比テーブルにおいて、ＦＬＡＩＲ画像に対応する既知のコントラスト比が、灰白質：白質：脳脊髄液＝２．１：１：０と設定されていたとする。そして、図５の（ｂ）に示す所望のＦＬＡＩＲ画像は、灰白質の領域（ＧＭ）、白質の領域（ＷＭ）、及び脳脊髄液の領域（ＣＳＦ）の間で、図５（ａ）に示すコントラスト比が得られたＦＬＡＩＲ画像である。このＦＬＡＩＲ画像は、例えば、読影に適したＦＬＡＩＲ画像や、同じ被検体で過去に撮像されたＦＬＡＩＲ画像等である。
ここで、例えば、図５の（ｃ）に示すように、本実施形態に係るパラメータ値の自動設定が行われる前の状態で計算画像が生成された場合には、所望のＦＬＡＩＲ画像と同じパラメータ値が用いられたとしても、データ収集時に生じるＴ１値、Ｔ２値及びＰＤ値の誤差等によって、必ずしも、所望のＦＬＡＩＲ画像と同じコントラストの計算画像が得られるとは限らない。
これに対し、例えば、図５の（ｄ）に示すように、本実施形態に係るパラメータ値の自動設定が行われた後に計算画像が生成された場合には、灰白質の領域（ＧＭ）、白質の領域（ＷＭ）、及び脳脊髄液の領域（ＣＳＦ）について、所望のＦＬＡＩＲ画像と同じコントラストが実現される。
このとき、例えば、図５の（ｄ）に示すように、異常部位の領域（Ｔ２ ｌｅｓｉｏｎ：多発性硬化症等で見られる、Ｔ２値が異常な部位）については、設定されたＴＲ、ＴＥ及びＴＩのパラメータ値に基づいて導出されたＴ１値、Ｔ２値及びＰＤ値が反映された周囲との間で、コントラストに差が生じることになる。これにより、計算画像において、通常のＦＬＡＩＲ画像の読影と同様に異常部位を検出できるようになる。
また、図６の（ａ）は、図５の（ａ）と同様に、コントラスト比テーブルに設定されたＦＬＡＩＲ画像に対応する既知のコントラスト比の一例を示している。ここで、図６の（ｂ）は、ＴＲ＝８０００とした場合の、ＴＩと、灰白質の領域（ＧＭ）、白質の領域（ＷＭ）、脳脊髄液の領域（ＣＳＦ）、及び、異常部位の領域（Ｔ２ ｌｅｓｉｏｎ）それぞれにおける信号値との関係を示している。また、図６の（ｃ）は、ＴＲ＝８０００、ＴＩ＝２９００とした場合の、ＴＥと、各領域における信号値との関係を示している。また、図６の（ｄ）は、ＴＲ＝８０００、ＴＩ＝２５８０とした場合の、ＴＥと、各領域における信号値との関係を示している。
例えば、図６の（ｂ）〜（ｄ）に示すように、各領域における信号値は、測定されたＴ１値、Ｔ２値及びＰＤ値によっても変化するため、測定ごとに多少のばらつきが必然的に生じる。すなわち、固定されたパラメータ値では、所望のコントラストが得られない。
ここで、例えば、図６の（ａ）に示すように、コントラスト比テーブルにおいて、ＦＬＡＩＲ画像に対応する既知のコントラスト比が、灰白質：白質：脳脊髄液＝２．１：１：０と設定されていたとする。そして、この場合に、例えば、図６の（ｂ）に示すように、本実施形態に係るパラメータ値の自動設定において、ＴＲ＝８０００としてＴＩを変化させた結果、パラメータ値の自動設定が行われる前はＴＩ＝２９００であった状態が、パラメータ値の自動設定が行われた後はＴＩ＝２５８０になったとする。
このとき、例えば、図６の（ｃ）に示すように、ＴＲ＝８０００、ＴＩ＝２９００としてＴＥを変化させた場合には、脳脊髄液の領域（ＣＳＦ）における信号値が残存するため、異常部位の領域（Ｔ２ ｌｅｓｉｏｎ）における信号値と、灰白質の領域（ＧＭ）及び白質の領域（ＷＭ）の信号値との差が小さくなる（例えば、ＴＥ＝８０のときの信号値を参照）。
これに対し、例えば、図６の（ｄ）に示すように、ＴＲ＝８０００、ＴＩ＝２５８０としてＴＥを変化させた場合には、脳脊髄液の領域（ＣＳＦ）における信号値が０になるため、異常部位の領域（Ｔ２ ｌｅｓｉｏｎ）における信号値と、灰白質の領域（ＧＭ）及び白質の領域（ＷＭ）の信号値との差が大きくなる（例えば、ＴＥ＝８０のときの信号値を参照）。
このように、指定された画像種類に対応する既知のコントラスト比に基づいて、計算画像の生成に用いられるパラメータ値を自動設定することによって、本質的に得たかった画像（本例ではＦＬＡＩＲ画像）と同じ計算画像が得られる。このとき、例えば、図６の（ｃ）及び（ｄ）に示すように、異常部位の領域（Ｔ２ ｌｅｓｉｏｎ）については、設定されたＴＲ、ＴＥ及びＴＩのパラメータ値に基づいて導出されたＴ１値、Ｔ２値及びＰＤ値が反映された周囲との間で、コントラストに差が生じることになる。これにより、計算画像において、通常のＦＬＡＩＲ画像の読影と同様に異常部位を検出できるようになる。
このように、本実施形態では、計算画像において、灰白質の領域（ＧＭ）、白質の領域（ＷＭ）、及び脳脊髄液の領域（ＣＳＦ）のコントラスト比を所望のＦＬＡＩＲ画像と同じにすることによって、計算画像における異常部位とその周囲との間のコントラスト比を向上させることができる。これは、通常のゲイン調整とは異なる。
以上、処理回路３５０が有する各機能について説明した。例えば、本実施形態では、取得機能３５１、分割機能３５２、設定機能３５３、及び生成機能３５４によって行なわれる各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路３２０に記憶されている。処理回路３５０は、記憶回路３２０からプログラムを読み出して実行することで、各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路は、図１の処理回路３５０内に示された各機能を有することとなる。
なお、図１では、取得機能３５１、分割機能３５２、設定機能３５３、及び生成機能３５４によって行われる処理機能が単一の処理回路３５０によって実現される場合の例を示したが、実施形態はこれに限られない。例えば、複数の独立したプロセッサを組み合わせて処理回路３５０を構成し、各プロセッサがプログラムを実行することによって各機能を実現するものとしても構わない。また、処理回路３５０が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、上述した第１の実施形態では、単一の記憶回路３２０が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路３５０は個別の記憶回路から対応するプログラムを読み出す構成としても構わない。
図７は、第１の実施形態に係る画像処理装置３００によって行われる計算画像の生成に関する処理の処理手順を示すフローチャートである。例えば、図７に示すように、本実施形態に係る画像処理装置３００では、まず、取得機能３５１が、被検体の脳に関する入力画像をＭＲＩ装置１００又は画像保管装置２００から取得する（ステップＳ１０１）。
その後、分割機能３５２が、脳に関する入力画像における脳の領域を複数の領域に分割する（ステップＳ１０２）。
また、設定機能３５３が、入力インタフェース３３０を介して、操作者から画像種類の指定を受け付ける（ステップＳ１０３）。その後、設定機能３５３は、記憶回路３２０に記憶されたコントラスト比テーブルを参照して、指定された画像種類に対応する既知のコントラスト比を取得する（ステップＳ１０４）。
そして、設定機能３５３は、分割機能３５２によって分割された複数の領域に含まれる領域間のコントラストが、取得したコントラスト比となるように、計算画像生成用のパラメータ値を設定する（ステップＳ１０５）。
その後、生成機能３５４が、設定機能３５３によって設定されたパラメータ値を用いて、計算画像を生成し（ステップＳ１０６）、生成した計算画像をディスプレイ３４０に表示する（ステップＳ１０７）。
ここで、ステップＳ１０１は、例えば、処理回路３５０が取得機能３５１に対応する所定のプログラムを記憶回路３２０から呼び出して実行することにより実現される。また、ステップＳ１０２は、例えば、処理回路３５０が分割機能３５２に対応する所定のプログラムを記憶回路３２０から呼び出して実行することにより実現される。また、ステップＳ１０３〜Ｓ１０５は、例えば、処理回路３５０が設定機能３５３に対応する所定のプログラムを記憶回路３２０から呼び出して実行することにより実現される。また、ステップＳ１０６及びＳ１０７は、例えば、処理回路３５０が生成機能３５４に対応する所定のプログラムを記憶回路３２０から呼び出して実行することにより実現される。
なお、図７において、分割機能３５２が脳の領域を複数の領域に分割する処理（ステップＳ１０２）と、設定機能３５３が操作者から画像種類の指定を受け付け、指定された画像種類に対応する既知のコントラスト比をコントラスト比テーブルから取得する処理（ステップＳ１０３及びＳ１０４）とは、実行順序が逆になってもよいし、並行して実行されてもよい。
上述したように、第１の実施形態によれば、定量画像と、所望の画像種類と、領域間のコントラスト比とに基づいて、従来は撮像によって得られていたＭＲ画像と同じコントラストの計算画像が得られるパラメータ値を自動的に設定することができる。これにより、パラメータの調整の必要がなくなり、検査時間を短縮することができる。また、計算画像のパラメータを自動的に設定することによって、ワークフローを改善することができる。
また、第１の実施形態によれば、領域間のコントラスト比が特定のコントラスト比になるように最適化された計算画像が生成されるため、過去と現在それぞれの計算画像における特定の領域の輝度値が同じになる。この一方で、それ以外の領域については、変化がなかった場合は輝度値が同じになるが、変化があった場合には輝度値が異なるようになるため、フォローアップ観察を容易に行うことができるようになる。
図８は、第１の実施形態による効果の一例を示す図である。ここで、図８の（ａ）は、本実施形態に係る画像処理装置３００によって生成された過去の計算画像の一例を示しており、図８の（ｂ）は、本実施形態に係る画像処理装置３００によって生成された現在の計算画像の一例を示している。
上述したように、第１の実施形態では、コントラスト比テーブルに設定されているコントラスト比に合わせて計算画像が生成される。そのため、例えば、図８の（ａ）及び（ｂ）に示す各計算画像における灰白質の領域（ＧＭ）、白質の領域（ＷＭ）、及び脳脊髄液の領域（ＣＳＦ）のように、性状に変化がなければ、各領域における輝度値は同じである。この一方で、例えば、図８の（ａ）及び（ｂ）に示すように、過去と現在で性状が変わっている異常領域Ａがあった場合には、過去の計算画像と現在の計算画像との間で、異常領域Ａのコントラストが異なるようになる。
このように、第１の実施形態によれば、診断に適した計算画像を得ることができる。
なお、上述した第１の実施形態では、設定機能３５３が、記憶回路３２０に記憶されたコントラスト比テーブルを参照して、指定された画像種類に対応する既知のコントラスト比を取得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、設定機能３５３は、過去に撮像されたＭＲ画像又は過去に生成された計算画像を参照して、指定された画像種類に対応する既知のコントラスト比を取得してもよい。
なお、この場合に、過去に撮像された画像における異常部位の領域のコントラスト比を用いてパラメータ値が導出されると、生成される計算画像における殆どの領域の輝度値が過去の画像と違ってしまうことになる。そのため、設定機能３５３は、異常部位の領域のコントラスト比はパラメータ値の導出に用いないようにする。
例えば、設定機能３５３は、過去に撮像された画像に含まれる複数の異なる領域の組み合わせごとに、各領域間のコントラスト比に基づいてパラメータ値を導出する。そして、設定機能３５３は、導出された複数のパラメータ値の中で、値が大きく異なっているものは外れ値とみなし、値が同じとなっているものを最適なパラメータ値として採用する。
例えば、過去の画像における灰白質の領域（ＧＭ）と白質の領域（ＷＭ）との間のコントラスト比が１：３であり、それにより導出されたパラメータ値が、ＴＥ＝ａ、ＴＲ＝ｂ、ＴＩ＝ｃであったとする。また、過去の画像における灰白質の領域（ＧＭ）と脳脊髄液の領域（ＣＳＦ）との間のコントラスト比が１：０．１であり、それにより導出されたパラメータ値が、ＴＥ＝ｘ、ＴＲ＝ｙ、ＴＩ＝ｚであったとする。また、過去の画像における視床（Ｔｈａｌａｍｕｓ）の領域と脳脊髄液の領域（ＣＳＦ）との間のコントラスト比が１：０．１であり、それにより導出されたパラメータ値が、ＴＥ＝ｘ、ＴＲ＝ｙ、ＴＩ＝ｚであったとする。
この場合には、例えば、設定機能３５３は、灰白質の領域（ＧＭ）と白質の領域（ＷＭ）との間のコントラスト比から導出されたパラメータ値を外れ値とみなし、灰白質の領域（ＧＭ）と脳脊髄液の領域（ＣＳＦ）との間のコントラスト比、及び、視床（Ｔｈａｌａｍｕｓ）の領域と脳脊髄液の領域（ＣＳＦ）との間のコントラスト比から導出されたパラメータ値を最適なパラメータ値として採用する。
また、上述した第１の実施形態では、操作者によって画像種類が指定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、予め処理の対象となる画像種類が指定されて、記憶回路３２０に記憶されていてもよい。この場合には、例えば、設定機能３５３は、分割機能３５２によって分割された脳の複数の領域に含まれる領域間のコントラストが、記憶回路３２０によって記憶された画像種類に対応する既知のコントラスト比となるように、計算画像の生成に用いられるパラメータ値を設定する。
なお、ここで、記憶回路３２０に記憶される画像種類の数は複数であってもよい。その場合には、設定機能３５３は、記憶回路３２０に記憶されている全ての画像種類について、計算画像の生成に用いられるパラメータ値を設定する。そして、例えば、生成機能３５４が、記憶回路３２０に記憶されている全ての画像種類について、それぞれ計算画像を生成し、生成した計算画像を順に、又は、同時にディスプレイ３４０に表示する。
また、上述した第１の実施形態では、設定機能３５３が、記憶回路３２０に記憶されたコントラスト比テーブル及びパラメータ範囲テーブルを参照して、計算画像の生成に用いられるパラメータ値を設定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、設定機能３５３は、定量画像、画像種類、及び、計算画像の生成に用いられるパラメータ値に関する正解値を学習用のデータセットとした機械学習によって得られた学習済みモデルを用いて、パラメータ値を設定してもよい。
例えば、設定機能３５３は、機械学習の手法として、ディープラーニング（深層学習）を用いる。
この場合には、例えば、設定機能３５３は、Ｔ１マップ画像、Ｔ２マップ画像、ＰＤ画像等の大量の定量画像と、Ｔ１Ｗ画像、Ｔ２Ｗ画像、ＦＬＡＩＲ画像等の画像種類と、各定量画像から各画像種類の計算画像を生成する際に用いられるＴＲ、ＴＥ、ＴＩ等のパラメータ値に関する正解値とを学習用データセットとしたディープラーニングによって、学習済みモデルを生成する。
ここで、パラメータ値に関する正解値としては、例えば、過去の診断で計算画像が用いられた際に医師によって適切なパラメータ値として実際に設定された値が用いられる。または、パラメータ値に関する正解値としては、例えば、上述したコントラスト比テーブル及びパラメータ範囲テーブルを用いて実際に設定された値が用いられる。
このように、ディープラーニングによって得られた学習済みモデルを用いることによって、上述したようにコントラスト比テーブル及びパラメータ範囲テーブルを参照してパラメータ値を設定する場合と比べて、より短い時間で、パラメータ値を設定することができるようになる。
なお、設定機能３５３によって用いられる機械学習の手法としては、ディープラーニングに限られず、他の手法が用いられてもよい。
例えば、設定機能３５３は、機械学習の手法として、非線形判別分析、サポートベクターマシン（Support Vector Machine：ＳＶＭ）、ランダムフォレスト（Random Forest）、ナイーブベイズ（Naive Bayes）等を用いてもよい。
ここで、サポートベクターマシンは、線形入力素子を利用して２クラスのパターン識別器を構成する統計手法である。サポートベクターマシンは、訓練データから、各データ点との距離が最大となるマージン最大化超平面を求めるという基準で、線形入力素子のパラメータを学習する統計手法である。また、ランダムフォレストは、ランダムにサンプリングされたトレーニングデータによって学習した多数の決定木を使用する集団学習を行う統計手法である。また、ナイーブベイズは、ベイズ定理を用いて学習をする統計手法である。
いずれの手法でも、正解値に相当する学習用のデータセットを多数入力することによって学習済みモデルを生成し、生成した学習モデルを用いて、計算画像の生成に用いられるパラメータ値を推測することが可能である。
また、上述した第１の実施形態では、設定機能３５３が、分割機能３５２によって分割された複数の領域に含まれる領域間のコントラストが既知のコントラスト比となるようにパラメータ値を設定する場合の例を説明したが、ここで対象とされる領域は、必ずしも、分割機能３５２によって分割された全ての領域でなくてもよい。
例えば、設定機能３５３は、分割機能３５２によって分割された複数の領域のうちの少なくとも１つの領域を指定する操作を操作者から受け付け、指定された領域を複数の領域の中から除いた残りの領域間のコントラストが既知の関係となるように、パラメータ値を設定する。
この場合には、例えば、設定機能３５８は、分割機能３５２によって入力画像として用いられた脳のＭＲ画像をディスプレイ３４０に表示し、入力インタフェース３３０を介して、表示したＭＲ画像上で任意の位置を指定する操作を操作者から受け付ける。そして、設定機能３５８は、入力画像から得られた脳の複数の領域の中から、操作者によって指定された位置を含む領域を特定し、特定した領域を除いた残りの領域を対象として、領域間のコントラストが既知の関係となるようにパラメータ値を設定する。
このように、操作者によって指定された領域を対象外とすることによって、パラメータ値を設定する際に用いられる領域から、腫瘍等の異常部位が発生している領域やアーチファクトが発生しやすい領域（例えば、血管の周辺領域等）等を除外することができるようになり、より精度よく、撮像によって得られていたＭＲ画像と同じコントラストの計算画像が得られるパラメータ値を設定できるようになる。
また、上述した第１の実施形態では、設定機能３５３が、脳の複数の領域に含まれる領域間のコントラストが、指定された画像種類に対応する既知のコントラスト比となるように、パラメータ値を設定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、設定機能３５３が、指定された疾患に関連する領域と他の領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値を設定してもよい。そこで、以下では、このような場合の例を第２の実施形態として説明する。
（第２の実施形態）
図９は、第２の実施形態に係る画像処理装置の構成例を示す図である。なお、第２の実施形態では、第１の実施形態と異なる点を中心に説明することとし、図１に示した構成要素と同じ役割を果たす構成要素については、同一の符号を付すこととして詳細な説明を省略する。例えば、図９に示すように、本実施形態では、ＭＲＩ装置１００と、画像保管装置２００と、画像処理装置１３００とが、ネットワーク４００を介して通信可能に接続されている。
画像処理装置１３００は、ＭＲＩ装置１００によって収集された画像データを処理する。具体的には、画像処理装置１３００は、ネットワーク４００を介して、ＭＲＩ装置１００又は画像保管装置２００から画像データを取得し、装置内又は装置外に設けられた記憶回路に記憶させる。また、画像処理装置１３００は、取得した画像データに対して各種画像処理を行い、画像処理を行う前又は画像処理を行った後の画像データをディスプレイ等に表示する。例えば、画像処理装置１３００は、ワークステーション等のコンピュータ機器によって実現される。
具体的には、画像処理装置１３００は、ＮＷインタフェース３１０と、記憶回路１３２０と、入力インタフェース３３０と、ディスプレイ３４０と、処理回路１３５０とを備える。
記憶回路１３２０は、各種データを記憶する。具体的には、記憶回路１３２０は、処理回路１３５０に接続され、処理回路１３５０から送られる命令に応じて、入力された画像データを記憶し、又は、記憶している画像データを処理回路１３５０に出力する。例えば、記憶回路１３２０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。
処理回路１３５０は、入力インタフェース３３０を介して操作者から受け付けた入力操作に応じて、画像処理装置１３００が備える各構成要素を制御する。具体的には、処理回路１３５０は、ＮＷインタフェース３１０から出力される画像データを記憶回路１３２０に記憶させる。また、処理回路１３５０は、記憶回路３２０から読み出した画像データをディスプレイ３４０に表示する。例えば、処理回路１３５０は、プロセッサによって実現される。
このような構成のもと、本実施形態に係る画像処理装置１３００は、ＭＲＩ装置１００によって撮像されたＭＲ画像と任意のパラメータ値とを用いて、撮像後に、計算的に任意の画像種類の計算画像を生成する機能を有する。ここで、画像種類とは、例えば、Ｔ１Ｗ画像や、Ｔ２Ｗ画像、ＦＬＡＩＲ画像等である。
例えば、画像処理装置１３００は、第１の実施形態で説明した画像処理装置３００と同様に、Synthetic MRIによって計算画像を生成する機能を有する。
そして、本実施形態に係る画像処理装置１３００は、診断に適した計算画像を得ることができるように構成されている。
ここで、例えば、一般的に行われているように、撮像と同じパラメータ値で計算画像を得るだけでは、従来は撮像されていなかったようなコントラストの計算画像の診断利用価値を見過ごしている場合もあり得る。
このようなことから、本実施形態に係る画像処理装置１３００は、対象の領域が視覚的に区別しやすくなるようなコントラストの計算画像が得られるパラメータ値を自動的に設定することで、診断利用価値の高い計算画像を得ることができるように構成されている。
具体的には、本実施形態では、記憶回路１３２０が、疾患ごとに、脳の複数の領域のうちの疾患に関連する領域を示す情報を記憶する。なお、本実施形態における記憶回路１３２０は、記憶部の一例である。
図１０は、第２の実施形態に係る記憶回路１３２０によって記憶される疾患関連領域テーブルの一例を示す図である。例えば、図１０に示すように、記憶回路１３２０は、疾患ごとに、当該疾患に関連する脳の領域と、当該領域と当該疾患との関連度とを対応付けた疾患関連領域テーブルを記憶する。
例えば、図１０に示す例は、アルツハイマーに関する疾患関連領域テーブルを示しており、図１０に示す「領域＃２」、「領域＃３」及び「領域＃８」は、それぞれ脳の領域を示している。例えば、図１０に示す例では、アルツハイマーと領域＃２との関連度が「２」であり、アルツハイマーと領域＃３との関連度が「５」であり、アルツハイマーと領域＃８との関連度が「４」であることを示している。ここでいう関連度は、例えば、文献から得られるｐ値に基づいて設定されてもよいし、医師が診断を下すときに参照された回数に基づいて設定されてもよい。
また、本実施形態では、処理回路１３５０が、取得機能３５１と、分割機能３５２と、設定機能１３５３と、生成機能３５４と、更新機能１３５５とを有する。なお、本実施形態における分割機能３５２は、分割部の一例である。また、本実施形態における設定機能１３５３は、設定部の一例である。また、本実施形態における生成機能３５４は、生成部の一例である。また、本実施形態における更新機能１３５５は、更新部の一例である。なお、本明細書における分割部、設定部、生成部、及び更新部は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。
設定機能１３５３は、分割機能３５２によって分割された脳の複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、脳に関する計算画像の生成に用いられるパラメータ値を設定する。
具体的には、設定機能１３５３は、Synthetic MRIによって生成される脳に関する計算画像における、複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、計算画像の生成に用いられるパラメータ値を設定する。
ここで、本実施形態では、設定機能１３５３は、記憶回路１３２０に記憶された疾患関連領域テーブルを参照して、操作者によって指定された疾患に関連する領域を特定し、特定した領域と他の領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値を設定する。
例えば、設定機能１３５３は、指定された疾患に関連する領域と、当該領域の周辺にある領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値を設定する。
具体的には、設定機能１３５３は、入力インタフェース３３０を介して、操作者から疾患の指定を受け付ける。例えば、設定機能１３５３は、予め決められた複数の疾患について、各疾患を列挙したリストをディスプレイ３４０に表示し、表示したリストの中から疾患を選択する操作を操作者から受け付けることで、疾患の指定を受け付ける。
その後、設定機能１３５３は、記憶回路１３２０に記憶された疾患関連領域テーブルを参照して、指定された疾患に関連する領域を特定する。例えば、設定機能１３５３は、疾患関連領域テーブルに設定されている脳の領域のうち、指定された疾患との関連度が最も高い領域を処理対象の領域として特定する。
そして、設定機能１３５３は、予めパラメータ値ごとに決められた所定の範囲内で、特定した領域と、当該領域の周辺にある領域との間のコントラスト比が最も大きくなるように、計算画像の生成に用いられるパラメータ値を設定する。
例えば、計算画像の生成に用いられるＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値をＴＥ、ＴＲ及びＴＩとすると、これらのパラメータ値の組み合わせは、以下に示すように、集合θで表される。
θ＝｛ＴＲ，ＴＥ，ＴＩ｝
また、予め決められたＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値の範囲は、以下のように表される。ここで、各パラメータ値の範囲は、十分に広く設定されるのが望ましい。
ＴＲmin＜ＴＲ＜ＴＲmax，ＴＥmin＜ＴＥ＜ＴＥmax，ＴＩmin＜ＴＩ＜ＴＩmax
そして、例えば、分割機能３５２によって分割された脳の領域の個数をＮとすると、集合θのパラメータ値から導出される計算画像における指定された領域と他の領域との間のコントラスト比は、以下に示すように、領域ごとのコントラスト比からなるベクトルＣθで表される。
Ｃθ＝（ｃ１θ，ｃ２θ，ｃ３θ，・・・ｃＮθ）
また、指定された領域の周辺にある領域と他の領域との間のコントラスト比は、以下に示すように、領域ごとのコントラスト比からなるベクトルＣPERIで表される。
ＣPERI＝（ｃ１PERI，ｃ２PERI，ｃ３PERI，・・・ｃＮPERI）
この場合に、設定機能１３５３は、以下に示すように、ベクトル間の距離を表す関数Ｄ（・）を用いて、ベクトルＣθとベクトルＣPERIとの間の距離Ｄ（Ｃθ−ＣPERI）が最大となるＴＥ、ＴＲ及びＴＩの組み合わせθoptimizedを探索する。
θoptimized＝ａｒｇｍａｘθＤ（Ｃθ−ＣPERI）
具体的には、設定機能１３５３は、予め決められた所定の範囲内でＴＥ、ＴＲ及びＴＩそれぞれを個別に順次変化させながら、順次、ベクトルＣθ及びベクトルＣPERIを導出し、さらに、ベクトルＣθとベクトルＣDBとの間の距離Ｄ（Ｃθ−ＣDB）を導出する。そして、設定機能１３５３は、距離Ｄ（Ｃθ−ＣDB）が最大となったときのＴＥ、ＴＲ及びＴＩの組み合わせをθoptimizedとして特定する。
なお、例えば、設定機能１３５３は、各パラメータ値を変化させる際に、必ずしも、パラメータ範囲テーブルから取得したパラメータ値の範囲内の全ての値に変化させなくてもよい。例えば、設定機能１３５３は、通常、ＭＲ画像が撮像される際に用いられているパラメータ値を初期値とし、当該初期値から次第に離れるようにパラメータ値を順次変化させながら、ベクトルＣθとベクトルＣPERIとの間の距離Ｄ（Ｃθ−ＣPERI）を導出する。そして、設定機能１３５３は、距離Ｄ（Ｃθ−ＣPERI）が所定の閾値より大きい値となった時点で処理を終了し、その時点でのＴＥ、ＴＲ及びＴＩの組み合わせをθoptimizedとして特定する。
その後、設定機能１３５３は、特定したθoptimizedにおけるＴＥ、ＴＲ及びＴＩそれぞれのパラメータ値を、計算画像の生成に用いられるパラメータ値として設定する。これにより、指定された疾患に関連する領域と、当該領域の周辺にある領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値が自動的に設定される。
更新機能１３５５は、操作者からの操作に応じて、記憶回路１３２０に記憶された疾患に関連する領域を示す情報を更新する。
具体的には、更新機能１３５５は、操作者からの操作に応じて、記憶回路１３２０に記憶された疾患関連領域テーブルを更新する。
例えば、更新機能１３５５は、分割機能３５２によって分割された複数の領域を示す画像をディスプレイ３４０に表示し、表示された画像を読影した読影結果に基づく操作を医師等の操作者から受け付ける。
そして、更新機能１３５５は、操作者から受け付けた操作に応じて、疾患関連領域テーブルを更新する。例えば、更新機能１３５５は、特定の疾患に関する疾患関連領域テーブルについて、設定されている脳の領域を変更又は削除したり、新たな脳の領域を追加したりする。または、例えば、更新機能１３５５は、新たな疾患に関する疾患関連領域テーブルを記憶回路１３２０に登録したり、特定の疾患に関する疾患関連領域テーブルを記憶回路１３２０から削除したりする。
このように、更新機能１３５５が、操作者からの操作に応じて、記憶回路１３２０に記憶された疾患関連領域テーブルを更新することによって、例えば、複数の医師によって行われた読影結果に基づいて、疾患に関連する領域を示す情報を蓄積できるようになる。
以上、処理回路１３５０が有する各機能について説明した。例えば、本実施形態では、取得機能３５１、分割機能３５２、設定機能１３５３、生成機能３５４、及び更新機能１３５５によって行なわれる各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１３２０に記憶されている。処理回路１３５０は、記憶回路１３２０からプログラムを読み出して実行することで、各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路は、図９の処理回路１３５０内に示された各機能を有することとなる。
なお、図９では、取得機能３５１、分割機能３５２、設定機能１３５３、生成機能３５４、及び更新機能１３５５によって行われる処理機能が単一の処理回路１３５０によって実現される場合の例を示したが、実施形態はこれに限られない。例えば、複数の独立したプロセッサを組み合わせて処理回路１３５０を構成し、各プロセッサがプログラムを実行することによって各機能を実現するものとしても構わない。また、処理回路１３５０が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、上述した第１の実施形態では、単一の記憶回路１３２０が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路１３５０は個別の記憶回路から対応するプログラムを読み出す構成としても構わない。
図１１は、第２の実施形態に係る画像処理装置１３００によって行われる疾患関連領域テーブルの更新に関する処理の処理手順を示すフローチャートである。例えば、図１１に示すように、本実施形態に係る画像処理装置１３００では、まず、取得機能３５１が、被検体の脳に関する入力画像をＭＲＩ装置１００又は画像保管装置２００から取得する（ステップＳ２０１）。このとき、例えば、取得機能３５１は、ＭＲＩ装置１００によってＭＰＲＡＧＥ（Magnetization Prepared Rapid Gradient Echo）シーケンスを用いて撮像されたＴ１Ｗ画像を取得する。
その後、分割機能３５２が、脳に関する入力画像における脳の領域を複数の領域に分割する（ステップＳ２０２）。
そして、更新機能１３５５が、分割機能３５２によって分割された複数の領域を示す画像をディスプレイ３４０に表示し（ステップＳ２０３）、表示された画像を読影した読影結果に基づく操作を医師等の操作者から受け付ける（ステップＳ２０４）。その後、更新機能１３５５は、受け付けた操作に応じて、疾患に関連する領域を示す情報（疾患関連領域テーブル）を更新する（ステップＳ２０５）。
ここで、ステップＳ２０１は、例えば、処理回路１３５０が取得機能３５１に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。また、ステップＳ２０２は、例えば、処理回路１３５０が分割機能３５２に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。また、ステップＳ２０３〜Ｓ２０５は、例えば、処理回路１３５０が更新機能１３５５に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。
なお、ここでは、読影用の画像を更新機能１３５５が表示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、本実施形態における設定機能１３５３が、第１の実施形態で説明した設定機能３５３と同様にパラメータ値を設定し、生成機能３５４が、設定されたパラメータ値を用いて、読影用の計算画像を生成してもよい。
図１２は、第２の実施形態に係る画像処理装置１３００によって行われる計算画像の生成に関する処理の処理手順を示すフローチャートである。例えば、図１２に示すように、本実施形態に係る画像処理装置１３００では、まず、取得機能３５１が、被検体の脳に関する入力画像をＭＲＩ装置１００又は画像保管装置２００から取得する（ステップＳ３０１）。
その後、分割機能３５２が、脳に関する入力画像における脳の領域を複数の領域に分割する（ステップＳ３０２）。
また、設定機能１３５３が、入力インタフェース３３０を介して、操作者から疾患の指定を受け付ける（ステップＳ３０３）。その後、設定機能１３５３は、記憶回路１３２０に記憶された疾患関連領域テーブルを参照して、指定された疾患に関連する領域を特定する（ステップＳ３０４）。
そして、設定機能１３５３は、特定した領域と、当該領域の周辺にある領域との間のコントラスト比が強調されるように、計算画像生成用のパラメータ値を設定する（ステップＳ３０５）。
その後、生成機能３５４が、設定機能１３５３によって設定されたパラメータ値を用いて、計算画像を生成し（ステップＳ３０６）、生成した計算画像をディスプレイ３４０に表示する（ステップＳ３０７）。なお、ここで表示される計算画像は、Ｔ１Ｗ画像やＴ２Ｗ画像、ＦＬＡＩＲ画像等のような特定の名前が付けられていない画像であってもよい。
ここで、ステップＳ３０１は、例えば、処理回路１３５０が取得機能３５１に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。また、ステップＳ３０２は、例えば、処理回路１３５０が分割機能３５２に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。また、ステップＳ３０３〜Ｓ３０５は、例えば、処理回路１３５０が設定機能１３５３に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。また、ステップＳ３０６及びＳ３０７は、例えば、処理回路１３５０が生成機能３５４に対応する所定のプログラムを記憶回路１３２０から呼び出して実行することにより実現される。
なお、図１２において、分割機能３５２が脳の領域を複数の領域に分割する処理（ステップＳ３０２）と、設定機能１３５３が操作者から疾患の指定を受け付け、指定された疾患に関連する領域を特定する処理（ステップＳ３０３及びＳ３０４）とは、実行順序が逆になってもよいし、並行して実行されてもよい。
上述したように、第２の実施形態によれば、疾患とその疾患に関連した領域の情報に基づいて、対象の領域が視覚的に区別しやすくなるようなコントラストの計算画像が得られるパラメータ値を自動的に設定することができる。これにより、診断利用価値の高い計算画像を得ることができる。また、医師が、疾患に関連する領域を計算画像上で読影しやすくなる。
また、例えば、熟練した医師が定性的に読影していた異常領域がはっきり分かるようなコントラストの計算画像が生成されるようになり、熟練していない医師であっても異常領域を読影できるようになる。また、生成された計算画像から得られるピクセル値が、Imaging biomarkerとして定められる可能性がある。また、計算画像のパラメータを自動的に設定することによって、ワークフローを改善することができる。
このように、第２の実施形態によれば、診断に適した計算画像を得ることができる。
なお、上述した第２の実施形態では、記憶回路１３２０が、疾患関連領域テーブルにおいて、疾患に関連する領域を一つずつ記憶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、記憶回路１３２０は、疾患ごとに、当該疾患に関連する少なくとも二つの領域の組み合わせを示す情報を記憶してもよい。この場合には、例えば、設定機能１３５３は、記憶回路１３２０に記憶された情報を参照して、指定された疾患に関連する領域の組み合わせを特定し、特定した組み合わせに含まれる領域間のコントラストが強調されるように、計算画像の生成に用いられるパラメータを設定する。
また、上述した第２の実施形態では、設定機能１３５３が、疾患関連領域テーブルに設定されている脳の領域のうち、指定された疾患との関連度が最も高い領域を処理対象の領域として特定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、設定機能１３５３は、疾患関連領域テーブルに設定されている脳の複数の領域を処理対象としてもよい。この場合には、例えば、設定機能１３５３は、全ての領域について、ベクトルＣθとベクトルＣDBとの間の距離Ｄ（Ｃθ−ＣDB）を導出し、その中で距離Ｄ（Ｃθ−ＣDB）が最大となったときのＴＥ、ＴＲ及びＴＩの組み合わせをθoptimizedとして特定する。また、設定機能１３５３は、このように複数の領域を処理対象とする場合には、領域ごとにパラメータを設定する際に、疾患関連領域テーブルに設定されている関連度に応じて重み付けを行うようにしてもよい。
また、上述した第２の実施形態では、設定機能１３５３が、記憶回路１３２０に記憶された疾患関連領域テーブルを参照して、指定された疾患に関連する領域を特定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、設定機能１３５３は、脳の複数の領域の中で疾患に関連する領域を指定する操作を操作者から受け付け、操作者によって指定された領域と他の領域との間のコントラストが強調されるように、パラメータ値を設定してもよい。なお、このとき、操作者から受け付ける領域の数は、一つであってもよいし、複数であってもよい。
また、上述した第２の実施形態では、操作者によって疾患が指定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、予め処理の対象となる疾患が指定されて、記憶回路１３２０に記憶されていてもよい。この場合には、例えば、設定機能１３５３は、記憶回路１３２０に記憶された疾患関連領域テーブルを参照して、記憶回路１３２０によって記憶された疾患に関連する領域を特定し、特定した領域と他の領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値を設定する。
なお、ここで、記憶回路１３２０に記憶される疾患の数は複数であってもよい。その場合には、設定機能１３５３は、記憶回路１３２０に記憶されている全ての疾患について、計算画像の生成に用いられるパラメータ値を設定する。そして、例えば、生成機能３５４が、記憶回路１３２０に記憶されている全ての疾患について、それぞれ計算画像を生成し、生成した計算画像を順に、又は、同時にディスプレイ３４０に表示する。
また、上述した第２の実施形態では、設定機能１３５３が、指定された疾患に関連する領域と他の領域との間のコントラストが強調されるように、計算画像の生成に用いられるパラメータ値を設定する場合の例を説明したが、さらに、コントラストの強調度合いを変えられるようにしてもよい。
例えば、設定機能１３５３は、コントラストの強調度合いを指定する操作を操作者から受け付け、指定された強調度合いで、指定された疾患に関連する領域と他の領域との間のコントラストが強調されるように、パラメータ値を設定する。
この場合には、例えば、設定機能１３５３は、入力インタフェース３３０を介して、強調度合いを示す値を入力する操作を操作者から受け付ける。または、例えば、設定機能１３５３は、大、中、小のように、予め段階的に決められた複数の強調度のレベルの中から１つのレベルを選択する操作を操作者から受け付ける。
これにより、操作者が、疾患に関連する領域の強調度合いを調整できるようになり、より容易に読影を行えるようになる。
以上、第１及び第２の実施形態に係る画像処理装置について説明した。ここで、例えば、上述した第１及び第２の実施形態において、設定機能が、計算画像を生成するための最適なパラメータ値を導出した際に、導出したパラメータ値をプリセットとして記憶回路に保存するようにしてもよい。この場合には、例えば、生成機能が、後に、プリセットとして保存されているパラメータ値を再利用して、計算画像を生成する。
また、上述した第１及び第２の実施形態では、計算画像を生成する技術として、Synthetic MRIが用いら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、Synthetic MRIの代わりに、MR fingerprintingが用いられてもよい。MR fingerprintingでは、データベースとの比較及び推定によるシミュレーションによって、Ｔ１値やＴ２値、ＰＤ（Proton Density）値等の組織定量値が導出される。
また、上述した第１及び第２の実施形態では、本願が開示する技術を画像処理装置に適用した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、本願が開示する技術は、ＭＲＩ装置に適用することも可能である。そこで、以下では、第３及び第４の実施形態として、ＭＲＩ装置の実施形態を説明する。
（第３の実施形態）
図１３は、第３の実施形態に係るＭＲＩ装置１００の構成例を示す図である。例えば、図１３に示すように、本実施形態に係る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、送信コイル４、送信回路５、受信コイル６、受信回路７、架台８、寝台９、入力インタフェース１０、ディスプレイ１１、記憶回路１２、及び処理回路１３〜１６を備える。
静磁場磁石１は、中空の略円筒状（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）に形成されており、内側の空間に静磁場を発生させる。例えば、静磁場磁石１は、略円筒状に形成された冷却容器と、当該冷却容器内に充填された冷却材（例えば、液体ヘリウム等）に浸漬された超伝導磁石等の磁石とを有している。ここで、例えば、静磁場磁石１は、永久磁石を用いて静磁場を発生させるものであってもよい。また、例えば、静磁場磁石１は、略円筒状に形成されたものではなく、被検体Ｓが配置される撮像空間を挟んで対向するように１対の磁石を配置した、いわゆるオープン型の構成を有するものであってもよい。
傾斜磁場コイル２は、中空の略円筒状（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）に形成されており、静磁場磁石１の内側に配置されている。傾斜磁場コイル２は、互いに直交するｘ軸、ｙ軸及びｚ軸それぞれに沿った傾斜磁場を発生させる三つのコイルを備える。ここで、ｘ軸、ｙ軸及びｚ軸は、ＭＲＩ装置１００に固有の装置座標系を構成する。例えば、ｘ軸の方向は、水平方向に設定され、ｙ軸の方向は、鉛直方向に設定される。また、ｚ軸の方向は、静磁場磁石１によって発生する静磁場の磁束の方向と同じに設定される。
傾斜磁場電源３は、傾斜磁場コイル２が備える三つのコイルそれぞれに個別に電流を供給することで、ｘ軸、ｙ軸及びｚ軸それぞれに沿った傾斜磁場を傾斜磁場コイル２の内側の空間に発生させる。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によって、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発生させることができる。
ここで、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軸は、撮像の対象となるスライス領域又はボリューム領域を規定するための論理座標系を構成する。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。
そして、各傾斜磁場は、静磁場磁石１によって発生する静磁場に重畳され、ＭＲ（Magnetic Resonance（磁気共鳴））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に沿った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。
送信コイル４は、送信回路５から出力されるＲＦ（Radio Frequency）パルス信号に基づいて、被検体Ｓが配置される撮像空間にＲＦ磁場を印加するＲＦコイルである。具体的には、送信コイル４は、中空の略円筒状（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）に形成されており、傾斜磁場コイル２の内側に配置されている。そして、送信コイル４は、送信回路５から出力されるＲＦパルス信号に基づいて、当該送信コイル４の内側の空間に形成された撮像空間にＲＦ磁場を印加する。
送信回路５は、ラーモア周波数に対応するＲＦパルス信号を送信コイル４に出力する。
受信コイル６は、被検体Ｓから発せられるＭＲ信号を受信するＲＦコイルである。例えば、受信コイル６は、送信コイル４の内側に配置された被検体Ｓに装着され、送信コイル４によって印加されるＲＦ磁場の影響で被検体Ｓから発せられるＭＲ信号を受信する。そして、受信コイル６は、受信したＭＲ信号を受信回路７へ出力する。例えば、受信コイル６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、専用のコイルとは、例えば、頭部用の受信コイル、頚部用の受信コイル、肩用の受信コイル、胸部用の受信コイル、腹部用の受信コイル、下肢用の受信コイル、脊椎用の受信コイル等である。
受信回路７は、受信コイル６から出力されるＭＲ信号に基づいてＭＲ信号データを生成し、生成したＭＲ信号データを処理回路１４に出力する。
なお、ここでは、送信コイル４がＲＦ磁場を印加し、受信コイル６がＭＲ信号を受信する場合の例を説明するが、各ＲＦコイルの形態はこれに限られない。例えば、送信コイル４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６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４が受信機能を有している場合は、受信回路７は、送信コイル４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６が送信機能を有する場合は、送信回路５は、受信コイル６にもＲＦパルス信号を出力する。
架台８は、静磁場磁石１、傾斜磁場コイル２及び送信コイル４を収容している。具体的には、架台８は、円筒状に形成された中空のボアＢを有しており、静磁場磁石１、傾斜磁場コイル２及び送信コイル４がボアＢを囲むように配置された状態で、静磁場磁石１、傾斜磁場コイル２及び送信コイル４それぞれを収容している。ここで、架台８におけるボアＢの内側の空間が、被検体Ｓの撮像が行われる際に被検体Ｓが配置される撮像空間となる。
寝台９は、被検体Ｓが載置される天板９ａを備え、被検体Ｓの撮像が行われる際に、架台８におけるボアＢの内側へ天板９ａを挿入する。例えば、寝台９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ている。
入力インタフェース１０は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース１０は、処理回路１６に接続されており、操作者から受け取った入力操作を電気信号へ変換し制御回路へと出力する。例えば、入力インタフェース１０は、関心領域（Region Of Interest：ＲＯＩ）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース１０は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１０の例に含まれる。
ディスプレイ１１は、各種情報及び各種画像を表示する。具体的には、ディスプレイ１１は、処理回路１６に接続されており、処理回路１６から送られる各種情報及び各種画像のデータを表示用の電気信号に変換して出力する。例えば、ディスプレイ１１は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。
記憶回路１２は、各種データを記憶する。具体的には、記憶回路１２は、ＭＲ信号データや画像データを記憶する。例えば、記憶回路１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子やハードディスク、光ディスク等によって実現される。
処理回路１３は、寝台制御機能１３ａを有する。例えば、処理回路１３は、プロセッサによって実現される。寝台制御機能１３ａは、寝台９に接続され、制御用の電気信号を寝台９へ出力することで、寝台９の動作を制御する。例えば、寝台制御機能１３ａは、入力インタフェース１０を介して、天板９ａを長手方向、上下方向又は左右方向へ移動させる指示を操作者から受け付け、受け付けた指示に従って天板９ａを移動するように、寝台９が有する天板９ａの駆動機構を動作させる。
処理回路１４は、実行機能１４ａを有する。実行機能１４ａは、処理回路１６から出力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、送信回路５及び受信回路７を駆動することで、ＭＲ信号データのデータ収集を行う。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、送信回路５が送信コイル４に供給するＲＦパルス信号の強さや供給タイミング、受信回路７がＭＲ信号を検出する検出タイミング等を定義した情報である。例えば、処理回路１４は、プロセッサによって実現される。
また、実行機能１４ａは、各種パルスシーケンスを実行した結果として、受信回路７からＭＲ信号データを受信し、受信したＭＲ信号データを記憶回路１２に記憶させる。なお、実行機能１４ａによって受信された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記憶回路１２に記憶される。
処理回路１５は、記憶回路１２に記憶されたＭＲ信号データに基づいて画像を生成する。具体的には、処理回路１５は、実行機能１４ａによって記憶回路１２に記憶されたＭＲ信号データを読み出し、読み出した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画像を生成する。また、処理回路１５は、生成した画像の画像データを記憶回路１２に記憶させる。例えば、処理回路１５は、プロセッサによって実現される。
処理回路１６は、主制御機能１６ａを有する。主制御機能１６ａは、ＭＲＩ装置１００が有する各構成要素を制御することで、ＭＲＩ装置１００の全体制御を行う。例えば、主制御機能１６ａは、入力インタフェース１０を介して操作者からパルスシーケンスに関する各種のパラメータの入力を受け付け、受け付けたパラメータに基づいてシーケンス実行データを生成する。そして、主制御機能１６ａは、生成したシーケンス実行データを処理回路１４に送信することで、各種のパルスシーケンスを実行する。また、例えば、主制御機能１６ａは、操作者から要求された画像の画像データを記憶回路１２から読み出し、読み出した画像をディスプレイ１１に出力する。例えば、処理回路１６は、プロセッサによって実現される。
このような構成のもと、本実施形態に係るＭＲＩ装置１００は、ＭＲ画像と任意のパラメータ値とを用いて、撮像後に、計算的に任意の画像種類の計算画像を生成する機能を有する。ここで、画像種類とは、例えば、Ｔ１Ｗ画像や、Ｔ２Ｗ画像、ＦＬＡＩＲ画像等である。
例えば、ＭＲＩ装置１００は、第１の実施形態で説明した画像処理装置と同様に、Synthetic MRIによって計算画像を生成する機能を有する。
そして、本実施形態に係るＭＲＩ装置１００は、診断に適した計算画像を得ることができるように構成されている。
具体的には、本実施形態では、記憶回路１２が、第１の実施形態で説明した記憶回路３２０と同様に、画像種類ごとに、脳の複数の領域に含まれる領域間のコントラストについて、当該画像種類に対応する既知のコントラスト比を示す情報を記憶する。なお、本実施形態における記憶回路１２は、記憶部の一例である。
さらに、本実施形態では、記憶回路１２は、第１の実施形態で説明した記憶回路３２０と同様に、画像種類ごとに、計算画像の生成に用いられるパラメータ値を設定する際の条件となるパラメータ値の範囲を定義した情報を記憶する。
また、本実施形態では、処理回路１５が、取得機能１５ａと、分割機能１５ｂと、設定機能１５ｃと、生成機能１５ｄとを有する。なお、本実施形態における分割機能１５ｂは、分割部の一例である。また、本実施形態における設定機能１５ｃは、設定部の一例である。また、本実施形態における生成機能１５ｄは、生成部の一例である。なお、本明細書における分割部、設定部、及び生成部は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。
取得機能１５ａは、第１の実施形態で説明した取得機能３５１と同様の機能を有する。ただし、第１の実施形態では、取得機能３５１が、ＭＲＩ装置１００又は画像保管装置２００から入力画像を取得したのに対し、本実施形態に係る取得機能１５ａは、記憶回路１２から、被検体の脳に関するＭＲ画像を入力画像として取得する。
分割機能１５ｂは、第１の実施形態で説明した分割機能３５２と同様の機能を有する。また、設定機能１５ｃは、第１の実施形態で説明した設定機能３５３と同様の機能を有する。また、生成機能１５ｄは、第１の実施形態で説明した生成機能３５４と同様の機能を有する。
ここで、本実施形態では、入力インタフェース１０及びディスプレイ１１が、それぞれ、第１の実施形態で説明した入力インタフェース３３０及びディスプレイ３４０に対応する。
以上、処理回路１５が有する各機能について説明した。例えば、本実施形態では、取得機能１５ａ、分割機能１５ｂ、設定機能１５ｃ、及び生成機能１５ｄによって行なわれる各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１２に記憶されている。処理回路１５は、記憶回路１２からプログラムを読み出して実行することで、各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路は、図１３の処理回路１５内に示された各機能を有することとなる。
なお、図１３では、取得機能１５ａ、分割機能１５ｂ、設定機能１５ｃ、及び生成機能１５ｄによって行われる処理機能が単一の処理回路１５によって実現される場合の例を示したが、実施形態はこれに限られない。例えば、複数の独立したプロセッサを組み合わせて処理回路１５を構成し、各プロセッサがプログラムを実行することによって各機能を実現するものとしても構わない。また、処理回路１５が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、上述した第３の実施形態では、単一の記憶回路１２が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路は個別の記憶回路から対応するプログラムを読み出す構成としても構わない。
このような構成により、第３の実施形態によれば、第１の実施形態と同様の効果が奏される。すなわち、第３の実施形態によれば、従来は撮像によって得られていたＭＲ画像と同じコントラストの計算画像が得られるパラメータ値を自動的に設定することで、検査時間を短縮することができる。
このように、第３の実施形態によれば、診断に適した計算画像を得ることができる。
（第４の実施形態）
図１４は、第４の実施形態に係るＭＲＩ装置１００の構成例を示す図である。なお、第４の実施形態では、第３の実施形態と異なる点を中心に説明することとし、図１３に示した構成要素と同じ役割を果たす構成要素については、同一の符号を付すこととして詳細な説明を省略する。例えば、図１４に示すように、本実施形態に係る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、送信コイル４、送信回路５、受信コイル６、受信回路７、架台８、寝台９、入力インタフェース１０、ディスプレイ１１、記憶回路１１２、並びに処理回路１３、１４、１１５及び１６を備える。
記憶回路１１２は、各種データを記憶する。具体的には、記憶回路１１２は、ＭＲ信号データや画像データを記憶する。例えば、記憶回路１１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子やハードディスク、光ディスク等によって実現される。
処理回路１１５は、記憶回路１１２に記憶されたＭＲ信号データに基づいて画像を生成する。具体的には、処理回路１１５は、実行機能１４ａによって記憶回路１１２に記憶されたＭＲ信号データを読み出し、読み出した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画像を生成する。また、処理回路１１５は、生成した画像の画像データを記憶回路１１２に記憶させる。例えば、処理回路１１５は、プロセッサによって実現される。
このような構成のもと、本実施形態に係るＭＲＩ装置１００は、ＭＲ画像と任意のパラメータ値とを用いて、撮像後に、計算的に任意の画像種類の計算画像を生成する機能を有する。ここで、画像種類とは、例えば、Ｔ１Ｗ画像や、Ｔ２Ｗ画像、ＦＬＡＩＲ画像等である。
例えば、ＭＲＩ装置１００は、第２の実施形態で説明した画像処理装置と同様に、Synthetic MRIによって計算画像を生成する機能を有する。
そして、本実施形態に係るＭＲＩ装置１００は、診断に適した計算画像を得ることができるように構成されている。
具体的には、本実施形態では、記憶回路１１２が、第２の実施形態で説明した記憶回路１３２０と同様に、疾患ごとに、脳の複数の領域のうちの疾患に関連する領域を示す情報を記憶する。なお、本実施形態における記憶回路１３２０は、記憶部の一例である。
また、本実施形態では、処理回路１１５が、取得機能１５ａと、分割機能１５ｂと、設定機能１１５ｃと、生成機能１５ｄと、更新機能１１５ｅとを有する。なお、本実施形態における分割機能１５ｂは、分割部の一例である。また、本実施形態における設定機能１１５ｃは、設定部の一例である。また、本実施形態における生成機能１５ｄは、生成部の一例である。また、本実施形態における更新機能１１５ｅは、更新部の一例である。なお、本明細書における分割部、設定部、生成部、及び更新部は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。
設定機能１１５ｃは、第２の実施形態で説明した設定機能１３５３と同様の機能を有する。また、更新機能１１５ｅは、第２の実施形態で説明した更新機能１３５５と同様の機能を有する。
ここで、本実施形態では、入力インタフェース１０及びディスプレイ１１が、それぞれ、第２の実施形態で説明した入力インタフェース３３０及びディスプレイ３４０に対応する。
以上、処理回路１１５が有する各機能について説明した。例えば、本実施形態では、取得機能１５ａ、分割機能１５ｂ、設定機能１１５ｃ、生成機能１５ｄ、及び更新機能１１５ｅによって行なわれる各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１１２に記憶されている。処理回路１１５は、記憶回路１１２からプログラムを読み出して実行することで、各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路は、図１４の処理回路１１５内に示された各機能を有することとなる。
なお、図１４では、取得機能１５ａ、分割機能１５ｂ、設定機能１１５ｃ、生成機能１５ｄ、及び更新機能１５ｅによって行われる処理機能が単一の処理回路１１５によって実現される場合の例を示したが、実施形態はこれに限られない。例えば、複数の独立したプロセッサを組み合わせて処理回路１１５を構成し、各プロセッサがプログラムを実行することによって各機能を実現するものとしても構わない。また、処理回路１１５が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、上述した第１の実施形態では、単一の記憶回路１１２が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路は個別の記憶回路から対応するプログラムを読み出す構成としても構わない。
このような構成により、第４の実施形態によれば、第２の実施形態と同様の効果が奏される。すなわち、第４の実施形態によれば、対象の領域が視覚的に区別しやすくなるようなコントラストの計算画像が得られるパラメータ値を自動的に設定することで、診断利用価値の高い計算画像を得ることができる。
このように、第４の実施形態によれば、診断に適した計算画像を得ることができる。
なお、上述した各実施形態では、脳の画像を対象とした場合の例を説明したが、各実施形態で説明した計算画像の生成方法は、脳以外の部位の画像を対象とした場合にも適用することが可能である。その場合には、例えば、各実施形態において、分割機能は、対象部位の領域を解剖学的な構造や機能等に基づいて区分けしたテンプレートを用いて、当該テンプレートを入力画像にフィッティングさせることで、入力画像における対象部位の領域を複数の領域に分割する。または、分割部は、各種のセグメンテーション（領域分割）技術を用いて、入力画像における対象部位の領域を複数の領域に分割する。
また、上述した各実施形態では、ＭＲ画像を用いた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、Ｘ線ＣＴ（Computed Tomography）装置や超音波診断装置、Ｘ線診断装置等の他の画像診断装置によって撮像された医用画像を用いた場合でも、画像処理装置や各医用画像診断装置において同様の実施形態が実施可能である。
また、上述した各実施形態の説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。ここで、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。
ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）−ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ−Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、上述した各機能部を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。
以上説明した少なくとも一つの実施形態によれば、診断に適した計算画像を得ることができる。
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。
３００、１３００ 画像処理装置
３５０、１３５０ 処理回路
３５１ 取得機能
３５２ 分割機能
３５３、１３５３ 設定機能
３５４ 生成機能
１３５５ 更新機能

Claims (15)

  1. 磁気共鳴イメージング装置によって撮像された脳に関するＭＲ画像を取得する取得部と、
    前記取得部によって取得されたＭＲ画像における前記脳の領域を複数の領域に分割する分割部と、
    Synthetic MRIによって生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定する設定部と、
    前記取得部によって取得されたＭＲ画像から導出された定量画像と、前記設定部によって設定されたパラメータ値とを用いて、前記Synthetic MRIによって前記計算画像を生成する生成部と
    を備える、画像処理装置。
  2. 前記設定部は、前記領域間のコントラストが、指定された画像種類に対応する既知のコントラスト比となるように、前記パラメータ値を設定する、
    請求項１に記載の画像処理装置。
  3. 画像種類ごとに、前記領域間のコントラストについて、前記画像種類に対応する既知のコントラスト比を示す情報を記憶する記憶部をさらに備え、
    前記設定部は、前記記憶部に記憶された情報を参照して、前記指定された画像種類に対応する既知のコントラスト比を取得し、前記領域間のコントラストが、取得したコントラスト比となるように、前記パラメータ値を設定する、
    請求項２に記載の画像処理装置。
  4. 前記設定部は、定量画像、画像種類、及び、前記計算画像の生成に用いられるパラメータ値に関する正解値を学習用のデータセットとした機械学習によって得られた学習済みモデルを用いて、前記パラメータ値を設定する、
    請求項２に記載の画像処理装置。
  5. 前記設定部は、前記複数の領域のうちの少なくとも１つの領域を指定する操作を操作者から受け付け、指定された領域を前記複数の領域の中から除いた残りの領域間のコントラストが前記既知のコントラスト比となるように、前記パラメータ値を設定する、
    請求項２〜４のいずれか一つに記載の画像処理装置。
  6. 疾患ごとに、前記複数の領域のうちの前記疾患に関連する領域を示す情報を記憶する記憶部をさらに備え、
    前記設定部は、前記記憶部に記憶された情報を参照して、指定された疾患に関連する領域を特定し、特定した領域と他の領域との間のコントラストが強調されるように、前記パラメータ値を設定する、
    請求項１に記載の画像処理装置。
  7. 前記記憶部は、前記疾患ごとに、前記疾患に関連する少なくとも二つの領域の組み合わせを示す情報を記憶し、
    前記設定部は、前記記憶部に記憶された情報を参照して、前記指定された疾患に関連する領域の組み合わせを特定し、特定した組み合わせに含まれる領域間のコントラストが強調されるように、前記パラメータを設定する、
    請求項６に記載の画像処理装置。
  8. 操作者からの操作に応じて、前記疾患に関連する領域を示す情報を更新する更新部をさらに備える、
    請求項６又は７に記載の画像処理装置。
  9. 前記設定部は、前記複数の領域の中で疾患に関連する領域を指定する操作を操作者から受け付け、操作者によって指定された領域と他の領域との間のコントラストが強調されるように、前記パラメータ値を設定する、
    請求項１に記載の画像処理装置。
  10. 前記設定部は、前記指定された疾患に関連する領域と、当該領域の周辺にある領域との間のコントラストが強調されるように、前記パラメータ値を設定する、
    請求項６〜９のいずれか一つに記載の画像処理装置。
  11. 前記設定部は、コントラストの強調度合いを指定する操作を操作者から受け付け、指定された強調度合いで、前記特定した領域と前記他の領域との間のコントラストが強調されるように、前記パラメータ値を設定する、
    請求項６〜１０のいずれか一つに記載の画像処理装置。
  12. 前記取得部は、前記磁気共鳴イメージング装置によってＭＰ２ＲＡＧＥ（Magnetization Prepared 2 Rapid Gradient Echo）シーケンスを用いて撮像されたＴ１強調画像と、当該Ｔ１強調画像から導出されたＴ１マップ画像とを取得し、
    前記分割部は、前記Ｔ１強調画像を用いて、前記脳の領域を前記複数の領域に分割し、
    前記生成部は、前記Ｔ１マップ画像と前記パラメータ値とを用いて、前記計算画像を生成する、
    請求項１〜１１のいずれか一つに記載の画像処理装置。
  13. 脳に関する入力画像を取得する取得部と、
    前記取得部によって取得された入力画像における前記脳の領域を複数の領域に分割する分割部と、
    生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定する設定部と、
    前記取得部によって取得された入力画像と、前記設定部によって設定されたパラメータ値とを用いて、前記計算画像を生成する生成部と
    を備える、画像処理装置。
  14. 脳に関するＭＲ画像における前記脳の領域を複数の領域に分割する分割部と、
    Synthetic MRIによって生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定する設定部と、
    前記ＭＲ画像から導出された定量画像と、前記設定部によって設定されたパラメータ値とを用いて、前記Synthetic MRIによって前記計算画像を生成する生成部と
    を備える、磁気共鳴イメージング装置。
  15. 磁気共鳴イメージング装置によって撮像された脳に関するＭＲ画像を取得し、
    取得されたＭＲ画像における前記脳の領域を複数の領域に分割し、
    Synthetic MRIによって生成される前記脳に関する計算画像における、前記複数の領域に含まれる領域間のコントラストの関係が所定の関係となるように、前記計算画像の生成に用いられるパラメータ値を設定し、
    取得されたＭＲ画像から導出された定量画像と、設定されたパラメータ値とを用いて、前記Synthetic MRIによって前記計算画像を生成する、
    ことをコンピュータに実行させる、画像処理プログラム。
JP2018093280A 2017-06-22 2018-05-14 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム Active JP7246864B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/996,556 US10769823B2 (en) 2017-06-22 2018-06-04 Image processing apparatus, magnetic resonance imaging apparatus, and storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017122454 2017-06-22
JP2017122454 2017-06-22

Publications (2)

Publication Number Publication Date
JP2019005557A true JP2019005557A (ja) 2019-01-17
JP7246864B2 JP7246864B2 (ja) 2023-03-28

Family

ID=65027189

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018093280A Active JP7246864B2 (ja) 2017-06-22 2018-05-14 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム

Country Status (1)

Country Link
JP (1) JP7246864B2 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033432A (zh) * 2019-03-01 2019-07-19 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) 基于机器学习和能谱ct的泌尿结石成分分析方法及系统
JP2020130498A (ja) * 2019-02-18 2020-08-31 学校法人順天堂 Ｍｒｉを利用してｃｓｆ抑制画像を合成するための画像処理装置、プログラムおよび画像処理方法
WO2020180091A1 (ko) * 2019-03-05 2020-09-10 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR20210011471A (ko) * 2019-03-05 2021-02-01 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR20210011470A (ko) * 2019-03-05 2021-02-01 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
JPWO2021060462A1 (ja) * 2019-09-27 2021-04-01
JP2021058525A (ja) * 2019-10-09 2021-04-15 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置および画像処理装置
KR20210043835A (ko) * 2019-10-14 2021-04-22 연세대학교 산학협력단 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법
KR102313656B1 (ko) * 2020-12-30 2021-10-19 뉴로핏 주식회사 뇌 영상 분석 방법, 뇌 영상 분석 장치 및 뇌 영상 분석 시스템
KR102316312B1 (ko) * 2021-02-01 2021-10-22 주식회사 클라리파이 딥러닝 기반의 조영 증강 ct 이미지 대조도 증폭 장치 및 방법
US11328394B1 (en) 2021-02-01 2022-05-10 ClariPI Inc. Apparatus and method for contrast amplification of contrast-enhanced CT images based on deep learning
WO2022145544A1 (ko) * 2020-12-30 2022-07-07 뉴로핏 주식회사 진단보조정보를 제공하는 방법 및 이를 수행하는 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010139895A1 (fr) * 2009-06-05 2010-12-09 Olea Medical Procédé pour estimer des paramètres hémodynamiques par estimation conjointe des paramètres d'un modèle global de perfusion
WO2012049421A2 (fr) * 2010-10-11 2012-04-19 Olea Medical Système et procédé pour estimer une quantité d'intérêt d'un système dynamique artère/tissu/veine
US20130315460A1 (en) * 2012-05-28 2013-11-28 Syntheticmr Ab Methods and Apparatus for Estimating Clinical Measures
WO2016151232A1 (fr) * 2015-03-23 2016-09-29 Olea Medical Système et procédé irm pour estimer un paramètre physiologique à partir de deux autres paramètres physiologiques estimés

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010139895A1 (fr) * 2009-06-05 2010-12-09 Olea Medical Procédé pour estimer des paramètres hémodynamiques par estimation conjointe des paramètres d'un modèle global de perfusion
WO2012049421A2 (fr) * 2010-10-11 2012-04-19 Olea Medical Système et procédé pour estimer une quantité d'intérêt d'un système dynamique artère/tissu/veine
US20130315460A1 (en) * 2012-05-28 2013-11-28 Syntheticmr Ab Methods and Apparatus for Estimating Clinical Measures
WO2016151232A1 (fr) * 2015-03-23 2016-09-29 Olea Medical Système et procédé irm pour estimer un paramètre physiologique à partir de deux autres paramètres physiologiques estimés

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020130498A (ja) * 2019-02-18 2020-08-31 学校法人順天堂 Ｍｒｉを利用してｃｓｆ抑制画像を合成するための画像処理装置、プログラムおよび画像処理方法
CN110033432A (zh) * 2019-03-01 2019-07-19 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) 基于机器学习和能谱ct的泌尿结石成分分析方法及系统
CN110033432B (zh) * 2019-03-01 2023-04-18 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) 基于机器学习和能谱ct的泌尿结石成分分析方法及系统
KR102298249B1 (ko) * 2019-03-05 2021-09-06 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR20200106602A (ko) * 2019-03-05 2020-09-15 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR20210011471A (ko) * 2019-03-05 2021-02-01 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR20210011470A (ko) * 2019-03-05 2021-02-01 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
WO2020180091A1 (ko) * 2019-03-05 2020-09-10 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
US11967082B2 (en) 2019-03-05 2024-04-23 NEUROPHET Inc. Method and device for correcting brain image by using brain structure
KR102207824B1 (ko) * 2019-03-05 2021-01-26 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
KR102298253B1 (ko) * 2019-03-05 2021-09-06 뉴로핏 주식회사 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
JPWO2021060462A1 (ja) * 2019-09-27 2021-04-01
WO2021060462A1 (ja) 2019-09-27 2021-04-01 富士フイルム株式会社 画像処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに導出モデル
JP7334256B2 (ja) 2019-09-27 2023-08-28 富士フイルム株式会社 画像処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに導出モデル
JP2021058525A (ja) * 2019-10-09 2021-04-15 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置および画像処理装置
JP7270520B2 (ja) 2019-10-09 2023-05-10 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置および画像処理装置
KR102247454B1 (ko) 2019-10-14 2021-04-30 연세대학교 산학협력단 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법
KR20210043835A (ko) * 2019-10-14 2021-04-22 연세대학교 산학협력단 다중 대조도 자기 공명 영상 생성 장치 및 이의 학습 방법
KR102313656B1 (ko) * 2020-12-30 2021-10-19 뉴로핏 주식회사 뇌 영상 분석 방법, 뇌 영상 분석 장치 및 뇌 영상 분석 시스템
WO2022145544A1 (ko) * 2020-12-30 2022-07-07 뉴로핏 주식회사 진단보조정보를 제공하는 방법 및 이를 수행하는 장치
JP2023514914A (ja) * 2021-02-01 2023-04-12 クラリピーアイ インコーポレイテッド ディープラーニング基盤の造影増強ｃｔイメージ対照度増幅装置及び方法
WO2022163890A1 (ko) * 2021-02-01 2022-08-04 주식회사 클라리파이 딥러닝 기반의 조영 증강 ct 이미지 대조도 증폭 장치 및 방법
US11328394B1 (en) 2021-02-01 2022-05-10 ClariPI Inc. Apparatus and method for contrast amplification of contrast-enhanced CT images based on deep learning
JP7376053B2 (ja) 2021-02-01 2023-11-08 クラリピーアイ インコーポレイテッド ディープラーニング基盤の造影増強ｃｔイメージ対照度増幅装置及び方法
KR102316312B1 (ko) * 2021-02-01 2021-10-22 주식회사 클라리파이 딥러닝 기반의 조영 증강 ct 이미지 대조도 증폭 장치 및 방법

Also Published As

Publication number Publication date
JP7246864B2 (ja) 2023-03-28

Similar Documents

Publication Publication Date Title
JP7246864B2 (ja) 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム
US10672126B2 (en) Image processing apparatus and magnetic resonance imaging apparatus
US11903745B2 (en) Image processing apparatus
JP6430604B2 (ja) 画像処理装置、磁気共鳴イメージング装置及び画像処理方法
US10769823B2 (en) Image processing apparatus, magnetic resonance imaging apparatus, and storage medium
JP2010119831A (ja) 画像表示装置、画像表示方法および磁気共鳴イメージング装置
JP2014064889A (ja) 医療映像装置及びその制御方法
US10201280B2 (en) Magnetic resonance imaging apparatus and image processing apparatus
US11600378B2 (en) Image diagnosis support apparatus, image diagnosis support program, and medical image acquisition apparatus including the same
US11071469B2 (en) Magnetic resonance method and apparatus for determining a characteristic of an organ
JP7278785B2 (ja) 医用画像診断装置及び医用画像診断システム
JP6580823B2 (ja) 医用画像処理装置及びｍｒｉ装置
KR101665032B1 (ko) 자기 공명 영상 장치 및 자기 공명 영상의 처리 방법
JP2017051598A (ja) 磁気共鳴イメージング装置及び画像処理装置
JP2016093494A (ja) 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
US10607339B2 (en) Image processing apparatus
US10080508B2 (en) Magnetic resonance imaging apparatus and image processing apparatus
JP7274972B2 (ja) 医用画像診断装置、医用撮像装置及び医用撮像方法
US10909729B2 (en) Image processing apparatus
JP2018196582A (ja) 磁気共鳴イメージング装置及び拡散強調画像の補正方法
JP2019130310A (ja) 磁気共鳴イメージング装置及び画像処理装置
JP2015054218A (ja) 磁気共鳴イメージング装置及び画像処理装置
EP4339879A1 (en) Anatomy masking for mri
JP2020039380A (ja) 信号データ処理装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210305

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220406

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220830

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221028

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: 20230214

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230315

R150 Certificate of patent or registration of utility model

Ref document number: 7246864

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150