JP2019111322A - 医用信号処理装置 - Google Patents

Abstract

【課題】学習済みモデルによる出力誤差を低減させることのできる医用信号処理装置を提供する。【解決手段】医用信号処理装置２００は、処理部を有する。処理部は、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号に対してパターンを低減するように補正された補正信号と、パターンに関するパターン関連情報と、医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデル２３１に対して医用信号を入力し、方向とシフト量とを用いて、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力する。【選択図】図１０

Description

本発明の実施形態は、医用信号処理装置に関する。

従来、磁気共鳴イメージングにおいては、フーリエ変換又は逆フーリエ変換後の画像に、様々な要因によるアーチファクトが生じ得る。例えば、ｋ空間のラインを間引いて収集するアンダーサンプリングを行った場合、画像に折り返りが発生することがある。また、例えば、ＥＰＩ（Ｅｃｈｏ Ｐｌａｎａｒ Ｉｍａｇｉｎｇ）法による収集を行った場合、画像にＮ／２アーチファクトと呼ばれる虚像が発生することがある。

これらのアーチファクトを低減させるように学習されたコンボリューションニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：以下、ＣＮＮと呼ぶ）などを当該画像に用いる場合、従来のＣＮＮの枠組みでは、アーチファクトの低減の精度が上がらないような入力対象がある。すなわち、ＣＮＮへの入力対象として、例えば、Ｎ／２アーチファクトなどのエイリアシングを有する磁気共鳴画像が用いられる場合、エイリアシングを低減させる精度が上がらないことがある。

"A Deep Cascade of Convolutional Neural Networks for MR Image Reconstruction", Jo Schlemper, Jose Caballero, Joseph V. Hajnal, Anthony Price, Daniel Rueckert, https://arxiv.org/abs/1703.00555

本発明が解決しようとする課題は、学習済みモデルによる出力誤差を低減させることである。

実施形態に係る医用信号処理装置は、処理部を有する。前記処理部は、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号に対して前記パターンを低減するように補正された補正信号と、前記パターンに関するパターン関連情報と、前記医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して前記医用信号を入力し、前記方向と前記シフト量とを用いて、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力する。

図１は、実施形態に係る画像処理装置及び磁気共鳴イメージング装置の構成例を示す図。 図２は、本実施形態に係る処理回路による順伝播機能を説明する図である。 図３は、本実施形態の応用例に係る処理回路による順伝播機能を説明する図である。 図４は、本実施形態における磁気共鳴イメージング装置に関する詳細な構成の一例を示す図である。 図５は、本実施形態において、画像生成処理における処理手順の一例を示すフローチャートである。 図６は、本実施形態において、仮画像と、仮画像に対する第１の畳み込み結果のチャネル数と、第１の畳み込み結果に対する第２の畳み込み結果のチャネル数との一例を示す図である。 図７は、本実施形態において、第Ｎの畳み込み層による第Ｎの畳み込み結果を用いた磁気共鳴画像の生成の一例を示す図である。 図８は、本実施形態の応用例において、仮画像を２分割した２チャネル画像と、２チャネル画像に対する２チャネルの第１の畳み込み結果のチャネル数と、２チャネルの第１の畳み込み結果に対する２チャネルの第２の畳み込み結果のチャネル数との一例を示す図である。 図９は、本実施形態の応用例において、第Ｎの畳み込み層による２チャネルの第Ｎの畳み込み結果を用いた２チャネルの磁気共鳴画像の生成と、２チャネルの磁気共鳴画像を合成した磁気共鳴画像との一例を示す図である。 図１０は、本実施形態の適用例における医用信号処理装置の構成の一例を示す図である。 図１１は、本実施形態の第１適用例におけるアーチファクト低減処理の手順の一例を示すフローチャートである。 図１２は、本実施形態の第１適用例において、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが２に対応し、位相エンコード方向に沿った折り返しアーチファクトを有する磁気共鳴画像に対する循環シフト処理の一例を示す図である。 図１３は、本実施形態の第１適用例において、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが３に対応し、位相エンコード方向に沿った折り返しアーチファクトを有する磁気共鳴画像に対する循環シフト処理の一例を示す図である。 図１４は、本実施形態の第２適用例における情報生成処理の手順の一例を示すフローチャートである。 図１５は、本実施形態の第３適用例において、生体信号としての心電波形の一例を示す図である。 図１６は、本実施形態の第４適用例における医用信号処理装置の一例を示す図である。 図１７は、本実施形態の第４適用例における情報生成処理の手順の一例を示すフローチャートである。 図１８は、本実施形態の第４適用例におけるエイリアシング前処理の一例を示す図である。 図１９は、本実施形態の第５適用例における医用信号処理装置の一例を示す図である。 図２０は、本実施形態の第５適用例における結合画像生成処理の手順の一例を示すフローチャートである。 図２１は、本実施形態の第５適用例におけるエイリアシング後処理の一例を示す図である。

以下、図面を参照しながら、画像処理装置及び磁気共鳴イメージング装置の実施形態について詳細に説明する。

図１は、実施形態に係る画像処理装置及び磁気共鳴イメージング装置の構成例を示す図である。例えば、図１に示すように、本実施形態に係る磁気共鳴イメージング装置１００は、図示を省略する、静磁場磁石、傾斜磁場コイル、高周波コイル等の構成要素の他に、画像処理装置１５０を備える。本実施形態においては、画像処理装置１５０が、磁気共鳴画像を生成する。なお、画像処理装置１５０は、例えば、磁気共鳴画像を生成するための専用の装置であり、又は、他の機能と兼用される装置である。また、本実施形態においては、画像処理装置１５０は磁気共鳴イメージング装置１００の構成要素として説明するが、実施形態はこれに限られるものではなく、画像処理装置１５０において実行される機能が、例えば、磁気共鳴イメージング装置１００と通信可能に接続された他の装置であってもよい。この場合、画像処理装置１５０としての他の装置は、病院外の他の拠点に設置されてもよい。

また、画像処理装置１５０は、処理回路１５１と、メモリ１５２と、入出力インタフェース１５３とを備える。処理回路１５１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））等である。

処理回路１５１は、メモリ１５２に保存さ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。なお、メモリ１５２にプログラムを保存する代わりに、処理回路１５１内にプログラムを直接組み込むよう構成してもよい。この場合、処理回路１５１は、自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、プログラムを読み出して実行するのではなく、論理回路の組合せにより当該プログラムに対応する機能を実現してもよい。なお、本実施形態の処理回路１５１は、処理回路１５１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１つの処理回路１５１として構成し、その機能を実現するようにしてもよい。

本実施形態に係る処理回路１５１は、機械学習のひとつである深層学習を用いて磁気共鳴画像を生成する。一般的な深層学習とは、生物の脳の神経細胞をモデルとしたアルゴリズムである「ニューラルネットワーク」の階層を深めたものである。また、本実施形態に係る処理回路は、深層学習のなかでもＣＮＮ（Convolution Neural Network）と呼ばれる手法を用いて磁気共鳴画像を生成する。一般的なＣＮＮの手法では、中間層において、前段の層で注目画素の近傍領域に位置付けられるノードを対象に画像のフィルタ処理を施すことにより、画像の局所的な特徴を抽出する。

これに対し、本実施形態に係る処理回路１５１は、磁気共鳴画像においては折り返りや虚像と呼ばれるアーチファクトが発生することに着目し、注目画素の近傍領域に位置付けられるノードを対象に画像のフィルタ処理を施すだけでなく、近傍領域とは異なる、注目画素から離れた離隔領域に位置付けられるノードをもフィルタ処理の対象とする。

図２は、本実施形態に係る処理回路１５１による順伝播機能を説明する図である。図２において、処理回路１５１は、折り返りや虚像が発生した磁気共鳴画像に対して学習済みモデルを適用する際に、複数の領域（例えば、上述した近傍領域及び離隔領域）に位置付けられるノードを対象にフィルタ処理を施す。複数の領域の位置は、撮像条件に応じて定まる。撮像条件とは、例えば、ＰＩ（Parallel Imaging）においてｋ空間のラインの間引きの程度を示すreduction factor（間引きステップ数）や、ＦＯＶ（Field Of View）、ＥＰＩ法のパルスシーケンスの撮像パラメータ等を有する。処理回路１５１は、かかる撮像条件に応じて、磁気共鳴画像における折り返りや虚像、ケミカルシフトによるシフト等を算出し、磁気共鳴画像内で同一の画素が存在し得る複数の領域を導出する。なお、領域には、ひとつ以上の画素が含まれる。そして、処理回路１５１は、導出された複数の領域に位置付けられるノードを対象にフィルタ処理を施す。すなわち、処理回路１５１は、学習済みモデルに相当するコンボリューションニューラルネットワーク複数の中間層各々に対して、複数の中間層各々への入力側に接続される前段の中間層におけるいずれかの第１ノードからの出力と、前段の中間層のうち撮像条件により定まる第２ノードからの出力とを合わせて入力するように処理する。学習済みモデルから出力された磁気共鳴画像は、アーチファクトが低減されたアーチファクト低減画像に相当する。

なお、処理回路１５１は、注目画素の近傍領域の画素と離隔領域の画素との両方を含むようにフィルタ処理の対象を導出する際に、図２に示すように空間方向に設計してもよいし、図３に示すようにチャネル方向で設計してもよい。図３は、本実施形態の応用例に係る処理回路による順伝播機能を説明する図である。

本実施形態に係る磁気共鳴イメージング装置１００による処理の流れの一例を説明する。まず、磁気共鳴イメージング装置１００は、所定の撮像条件に従いパルスを実行することにより、磁気共鳴信号を収集し、ｋ空間データを得る。また、画像処理装置１５０は、得られたｋ空間データに対してフーリエ変換又は逆フーリエ変換を施し、磁気共鳴画像を生成する。次に、画像処理装置１５０は、メモリ１５２に格納された学習済みモデルを読み出し、生成した磁気共鳴画像に対して順伝播処理を施し、入力画像に比較して画質が向上した磁気共鳴画像を表示装置等の出力インタフェースに出力する。この順伝播処理に際して画像処理装置１５０が用いる学習済みモデルは、入力画像を収集した際の撮像条件に応じてフィルタ処理の対象とする領域の位置を特定されたものである。例えば、画像処理装置１５０は、撮像条件に応じた複数の学習済みモデルをメモリ１５２に格納しておき、順伝播処理に際して、複数の学習済みモデルのなかから、撮像条件に合致する学習済みモデルを選択する。

以下、図面を参照しながら、磁気共鳴イメージング装置および画像処理装置の実施形態について詳細に説明する。以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

（実施形態）
図１および図４を参考にして、本実施形態における磁気共鳴イメージング装置１００の全体構成について説明する。図４は、本実施形態における磁気共鳴イメージング装置１００に関する詳細な構成の一例を示す図である。図４に示すように、磁気共鳴イメージング装置１００は、静磁場磁石１０１と、傾斜磁場コイル１０３と、傾斜磁場電源１０５と、寝台１０７と、寝台制御回路（システム制御部）１０９と、送信回路（送信部）１１３と、送信コイル１１５と、受信コイル１１７と、受信回路（受信部）１１９と、撮像制御回路（収集部）１２１と、システム制御回路（システム制御部）１２３と、記憶装置１２５と、画像処理装置１５０とを備える。なお、被検体Ｐは、磁気共鳴イメージング装置１００に含まれない。

静磁場磁石１０１は、中空の略円筒状に形成された磁石である。静磁場磁石１０１は、内部の空間に略一様な静磁場を発生する。静磁場磁石１０１としては、例えば、超伝導磁石等が使用される。

傾斜磁場コイル１０３は、中空の略円筒状に形成されたコイルである。傾斜磁場コイル１０３は、静磁場磁石１０１の内側に配置される。傾斜磁場コイル１０３は、互いに直交するＸ、Ｙ、Ｚの各軸に対応する３つのコイルが組み合わされて形成される。Ｚ軸方向は、静磁場の方向と同方向であるとする。また、Ｙ軸方向は、鉛直方向とし、Ｘ軸方向は、Ｚ軸及びＹ軸に垂直な方向とする。傾斜磁場コイル１０３における３つのコイルは、傾斜磁場電源１０５から個別に電流供給を受けて、Ｘ、Ｙ、Ｚの各軸に沿って磁場強度が変化する傾斜磁場を発生させる。

傾斜磁場コイル１０３によって発生されるＸ、Ｙ、Ｚ各軸の傾斜磁場は、例えば、スライス選択用傾斜磁場、位相エンコード用傾斜磁場および周波数エンコード用傾斜磁場（リードアウト傾斜磁場ともいう）を形成する。スライス選択用傾斜磁場は、任意に撮像断面を決めるために利用される。位相エンコード用傾斜磁場は、空間的位置に応じて磁気共鳴信号の位相を変化させるために利用される。周波数エンコード用傾斜磁場は、空間的位置に応じて磁気共鳴信号の周波数を変化させるために利用される。また、傾斜磁場コイル１０３によって発生されるＸ、Ｙ、Ｚ各軸の傾斜磁場は、グラジエントエコー法において、Ｘ−Ｙ平面上のスピンの位相を再収束させるために、傾斜磁場の方向を２回反転させた再収束パルスとして用いられる。加えて、傾斜磁場コイル１０３によって発生されるＸ、Ｙ、Ｚ各軸の傾斜磁場は、静磁場の１次シミングのオフセットとして用いられる。

傾斜磁場電源１０５は、撮像制御回路１２１の制御により、傾斜磁場コイル１０３に電流を供給する電源装置である。

寝台１０７は、被検体Ｐが載置される天板１０７１を備えた装置である。寝台１０７は、寝台制御回路１０９による制御のもと、被検体Ｐが載置された天板１０７１を、ボア１１１内へ挿入する。寝台１０７は、例えば、長手方向が静磁場磁石１０１の中心軸と平行になるように、検査室内に設置される。

寝台制御回路１０９は、寝台１０７を制御する回路である。寝台制御回路１０９は、入出力インタフェース１５３を介した操作者の指示により寝台１０７を駆動することで、天板１０７１を長手方向および上下方向、場合によっては左右方向へ移動させる。

送信回路１１３は、撮像制御回路１２１の制御により、ラーモア周波数で変調された高周波パルスを送信コイル１１５に供給する。

送信コイル１１５は、傾斜磁場コイル１０３の内側に配置されたＲＦコイルである。送信コイル１１５は、送信回路１１３からの出力に応じて、高周波磁場に相当するＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）パルスを発生する。送信コイル１１５は、例えば、複数のコイルエレメントを有する全身用コイル（以下、ＷＢ（Ｗｈｏｌｅ Ｂｏｄｙ）コイルと呼ぶ）である。ＷＢコイルは、送受信コイルとして使用されてもよい。また、送信コイル１１５は、１つのコイルにより形成されるＷＢコイルであってもよい。

受信コイル１１７は、傾斜磁場コイル１０３の内側に配置されたＲＦコイルである。受信コイル１１７は、高周波磁場によって被検体Ｐから放射される磁気共鳴信号を受信する。受信コイル１１７は、受信された磁気共鳴信号を受信回路１１９へ出力する。受信コイル１１７は、例えば、１以上、典型的には複数のコイルエレメントを有するコイルアレイである。なお、図１において送信コイル１１５と受信コイル１１７とは別個のＲＦコイルとして記載されているが、送信コイル１１５と受信コイル１１７とは、一体化された送受信コイルとして実施されてもよい。送受信コイルは、被検体Ｐの撮像部位に対応し、例えば、頭部コイルのような局所的な送受信ＲＦコイルである。

受信回路１１９は、撮像制御回路１２１の制御により、受信コイル１１７から出力された磁気共鳴信号に基づいて、デジタルの磁気共鳴信号（以下、磁気共鳴データと呼ぶ）を生成する。具体的には、受信回路１１９は、受信コイル１１７から出力された磁気共鳴信号に対して各種信号処理を施した後、各種信号処理が施されたデータに対してアナログ/デジタル（Ａ／Ｄ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ））変換を実行する。受信回路１１９は、Ａ／Ｄ変換されたデータを標本化（サンプリング）する。これにより、受信回路１１９は、磁気共鳴データを生成する。受信回路１１９は、生成された磁気共鳴データを、撮像制御回路１２１に出力する。

撮像制御回路１２１は、処理回路１５１から出力された撮像プロトコルに従って、傾斜磁場電源１０５、送信回路１１３及び受信回路１１９等を制御し、被検体Ｐに対する撮像を行う。撮像プロトコルは、検査に応じた各種パルスシーケンスを有する。撮像プロトコルには、傾斜磁場電源１０５により傾斜磁場コイル１０３に供給される電流の大きさ、傾斜磁場電源１０５により電流が傾斜磁場コイル１０３に供給されるタイミング、送信回路１１３により送信コイル１１５に供給される高周波パルスの大きさや時間幅、送信回路１１３により送信コイル１１５に高周波パルスが供給されるタイミング、受信コイル１１７により磁気共鳴信号が受信されるタイミング等が定義されている。

システム制御回路１２３は、ハードウェア資源として図示していないプロセッサ、ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等のメモリ等を有し、システム制御機能により磁気共鳴イメージング装置１００を制御する。具体的には、システム制御回路１２３は、記憶装置１２５に記憶されたシステム制御プログラムを読み出してメモリ上に展開し、展開されたシステム制御プログラムに従って本磁気共鳴イメージング装置１００の各回路を制御する。例えば、システム制御回路１２３は、入出力インタフェース１５３を介して操作者から入力された撮像条件に基づいて、撮像プロトコルを記憶装置１２５から読み出す。なお、システム制御回路１２３は、撮像条件に基づいて、撮像プロトコルを生成してもよい。システム制御回路１２３は、撮像プロトコルを撮像制御回路１２１に送信し、被検体Ｐに対する撮像を制御する。なお、画像処理装置１５０が磁気共鳴イメージング装置１００に搭載された場合、システム制御回路１２３は、処理回路１５１に組み込まれてもよい。このとき、システム制御機能は処理回路１５１により実行され、処理回路１５１は、システム制御回路１２３の代替として機能する。

記憶装置１２５は、システム制御回路１２３において実行される各種プログラム、各種撮像プロトコル、撮像プロトコルを規定する複数の撮像パラメータを含む撮像条件等を記憶する。記憶装置１２５は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、ハードディスクドライブ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク等である。また、記憶装置１２５は、ＣＤ−ＲＯＭドライブやＤＶＤドライブ、フラッシュメモリ等の可搬型記憶媒体との間で種々の情報を読み書きする駆動装置等であってもよい。なお、画像処理装置１５０が磁気共鳴イメージング装置１００に搭載された場合、記憶装置１２５に記憶されるデータは、メモリ１５２に記憶されてもよい。このとき、メモリ１５２は、記憶装置１２５の代替として機能する。

画像処理装置１５０は、処理回路１５１とメモリ１５２と入出力インタフェース１５３とを有する。処理回路１５１は、再構成機能１５１１、選択機能１５１３、画像生成機能１５１５を有する。再構成機能１５１１、選択機能１５１３、画像生成機能１５１５にて行われる各種機能は、コンピュータによって実行可能なプログラムの形態でメモリ１５２に記憶されている。処理回路１５１は、これら各種機能に対応するプログラムをメモリ１５２から読み出し、読み出したプログラムを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だした状態の処理回路１５１は、図４の処理回路１５１内に示された複数の機能等を有する。再構成機能１５１１、選択機能１５１３、画像生成機能１５１５については、後程詳述する。

なお、図１においては単一の処理回路１５１にてこれら各種機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路１５１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り機能を実現するものとしても構わない。換言すると、上述のそれぞれの機能がプログラムとして構成され、１つの処理回路が各プログラムを実行する場合であってもよいし、特定の機能が専用の独立したプログラム実行回路に実装される場合であってもよい。なお、処理回路１５１が有する再構成機能１５１１、選択機能１５１３、画像生成機能１５１５は、それぞれ再構成部、選択部、画像生成部の一例である。上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ、ＧＰＵ或いは、ＡＳＩＣ、プログラマブル論理デバイス（ＳＰＬＤ、ＣＰＬＤ、及びＦＰＧＡ）等の回路を意味する。なお、寝台制御回路１０９、送信回路１１３、受信回路１１９、撮像制御回路１２１、システム制御回路１２３等も同様に、上記プロセッサなどの電子回路により構成される。

処理回路１５１は、再構成機能１５１１により、リードアウト傾斜磁場の強度に従って、ｋ空間のリードアウト方向に沿って磁気共鳴データを充填する。処理回路１５１は、ｋ空間に充填された磁気共鳴データに対してフーリエ変換又は逆フーリエ変換を行うことにより、磁気共鳴画像を生成する。処理回路１５１は、磁気共鳴画像を、メモリ１５２や入出力インタフェース１５３に出力する。

メモリ１５２は、再構成機能１５１１を介してｋ空間に充填された磁気共鳴データ、画像生成機能１５１５により生成された画像データ等を記憶する。メモリ１５２は、処理回路１５１で実行される各種機能に対応するプログラムを記憶する。メモリ１５２は、例えば、半導体メモリ素子である。

入出力インタフェース１５３は、入力インタフェースと出力インタフェースとを有する。入力インタフェースは、例えば、マウス等のポインティングデバイス、あるいはキーボード等の入力デバイスに関する回路、ネットワークからの入力端子等を有する。なお、入力インタフェースが有する回路は、マウス、キーボードなどの物理的な操作部品に関する回路に限定されない。例えば、入力インタフェースは、本磁気共鳴イメージング装置１００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、受け取った電気信号を種々の回路へ出力するような電気信号の処理回路を有していてもよい。出力インタフェースは、例えば、ディスプレイ、ネットワークへの出力端子等である。ディスプレイは、システム制御機能による制御のもとで、再構成機能１５１１により再構成された各種磁気共鳴画像、画像生成機能１５１５により生成された各種磁気共鳴画像、撮像および画像処理に関する各種情報などを表示する。ディスプレイは、例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、又は当技術分野で知られている他の任意のディスプレイ、モニタ等の表示デバイスである。

以上が本実施形態に係る磁気共鳴イメージング装置１００の全体構成についての説明である。以下、本実施形態における再構成機能１５１１、選択機能１５１３、画像生成機能１５１５により実現される画像生成処理について説明する。本実施形態における画像生成処理は、画像処理装置１５０に入力された磁気共鳴画像が磁気共鳴イメージングにより収集される際の撮像条件に対応する学習済みモデルを、入力された磁気共鳴画像に適用して、画質を向上させるための順伝播処理を行い、画質を向上させた磁気共鳴画像を出力することにある。

メモリ１５２は、不図示のモデル学習装置により学習された複数の学習済みモデルを、複数の撮像条件にそれぞれ対応付けてプログラムとして記憶する。複数の撮像条件とは、上述したように、ｋ空間における等間隔での間引き収集における間引き率を示すＲｅｄｕｃｔｉｏｎ ｆａｃｔｏｒ、ＦＯＶ、ＥＰＩ法のパルスシーケンスの撮像パラメータ等を有する。以下、画像生成処理の説明に先立って、学習済みモデルについて説明する。

学習済みモデルは、不図示のモデル学習装置により生成される。具体的には、モデル学習装置は、不図示の学習データ保管装置に記憶された学習データに基づいて、モデル学習プログラムに従い機械学習前のモデルに機械学習を行わせることにより、学習済みモデルを生成する。モデル学習装置は、ＣＰＵ及びＧＰＵ等のプロセッサを有するワークステーション等のコンピュータである。モデル学習装置と学習データ保管装置とはケーブル又は通信ネットワークを介して通信可能に接続されても良いし、学習データ保管装置がモデル学習装置に搭載されてもよい。この場合、ケーブル又は通信ネットワーク等を介して、学習データ保管装置からモデル学習装置に学習データが供給される。また、モデル学習装置と学習データ保管装置とは通信可能に接続されてなくてもよい。この場合、学習データが記憶された可搬型記憶媒体を介して、学習データ保管装置からモデル学習装置に、学習データが供給される。

本実施形態に係る学習済みモデルは、撮像条件によりアーチファクトの発生位置が既知である磁気共鳴画像を入力として、当該磁気共鳴画像におけるアーチファクトが除去された磁気共鳴画像を出力するＣＮＮである。このとき、ＣＮＮにおけるフィルタの総数は、予め設定される。また、学習データは、撮像条件によりアーチファクトの発生位置が既知である磁気共鳴画像のデータ、ＣＮＮにおけるフィルタ処理すなわち畳み込み処理の対象となる近傍領域および離隔領域を示すデータ、および当該磁気共鳴画像におけるアーチファクトが除去された磁気共鳴画像のデータである。

近傍領域と離隔領域とは、当該撮像条件に応じたアーチファクトの発生位置に基づいて、予め設定される。例えば、アーチファクトがＲｅｄｕｃｔｉｏｎ ｆａｃｔｏｒに応じた折り返しである場合、近傍領域と離隔領域とは、折り返しにより画素が重複する位置を中心とする領域に相当する。また、アーチファクトがＥＰＩ法におけるＮハーフアーチファクトである場合、近傍領域と離隔領域とは、Ｎハーフアーチファクトにおいて折り返された画素が重複する位置を中心とする領域に相当する。また、アーチファクトがケミカルシフトである場合、近傍領域と離隔領域とは、ケミカルシフトによりシフトされた画素が重複する位置を中心とする領域に相当する。

近傍領域と離隔領域とは、ＣＮＮにおいて、同一の物理位置によるアーチファクトの発生位置に応じた複数の畳み込み位置に相当する。このため、モデル学習装置は、注目画素の近傍領域と、注目画素に重畳される遠方画素を含む離隔領域との両者を含むように、ＣＮＮにおける畳み込み層を決定することができる。

モデル学習装置により生成された学習済みモデルは、例えば、カーテシアンでの間引き収集における等間隔での間引き率に応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワーク、ＥＰＩにおけるＮハーフアーチファクトの発生位置に応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワーク、ケミカルシフトに応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワーク、間引き収集における間引き率とＥＰＩにおけるＮハーフアーチファクトの発生位置とケミカルシフトとに応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワークなどを処理回路１５１に実行させるプログラムである。これらのニューラルネットワークは、撮像条件と対応付けられて、メモリ１５２にプログラムとして記憶される。

以下、学習済みモデルを用いた画像生成処理の処理手順について説明する。図５は、画像生成処理における処理手順の一例を示すフローチャートである。本フローチャートにおける説明に関するアーチファクトは、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒに応じた折り返しアーチファクトであるものとして説明する。なお、本実施形態として適用可能なアーチファクトは、折り返しアーチファクトに限定されず、例えば、ＥＰＩ法におけるＮハーフアーチファクト、ケミカルシフトによるアーチファクトなどであってもよい。

（画像生成処理）
（ステップＳａ１）
入出力インタフェース１５３を介した操作者の指示により、撮像条件が入力される。以下、説明を具体的にするために、撮像条件は、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが２であるものとする。処理回路１５１は、選択機能１５１３により、入力された撮像条件を用いて、当該撮像条件に対応する学習済みモデルを選択する。なお、学習済みモデルの選択は、後述のステップＳａ３の後に実行されてもよい。

（ステップＳａ２）
撮像制御回路１２１は、入力された撮像条件に従ってパルスシーケンスを実行することにより、磁気共鳴データを収集する。撮像制御回路１２１は、収集された磁気共鳴データを、処理回路１５１に出力する。処理回路１５１は、磁気共鳴データを、メモリ１５２上において、ｋ空間を示すデータ空間に配列する。

（ステップＳａ３）
処理回路１５１は、再構成機能１５１１により、データ空間に配列された磁気共鳴データ、すなわちｋ空間データに対してフーリエ変換または逆フーリエ変換を施すことにより、仮画像を再構成する。仮画像には、撮像条件に応じたアーチファクトが現れる。例えば、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが２である撮像条件でパルスシーケンスが実行された場合、仮画像は、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが１である場合のＦＯＶに対して、位相エンコード方向のＦＯＶの半分の位置で折り返しが発生した画像となる。

（ステップＳａ４）
処理回路１５１は、画像生成機能１５１５により、選択された学習済みモデルに対応するプログラムをメモリ１５２から読み出す。処理回路１５１は、読み出された学習済みモデルに対応するプログラムを実行する。具体的には、処理回路１５１は、読み出された学習済みモデルを仮画像に適用して、順伝播処理を実行する。処理回路１５１は、順伝播処理の結果として、アーチファクトが除去された磁気共鳴画像を生成する。ステップＳａ１において撮像条件としてＲｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが入力された場合、本ステップで生成される磁気共鳴画像は、折り返しが除去された画像となる。以下、本ステップにおける順伝播処理を実行する順伝播機能について、図６および図７を用いて説明する。

図６および図７は、図２を詳細に示した図である。図６は、仮画像ＴｅｍｐＩと、仮画像ＴｅｍｐＩに対する第１の畳み込み結果のチャネル数１ＣｏｎｖＲと、第１の畳み込み結果に対する第２の畳み込み結果のチャネル数２ＣｏｎｖＲとの一例を示す図である。説明を簡単にするために、図６における仮画像ＴｅｍｐＩにおける注目画素ＮＰに着目する。注目画素ＮＰの画素値は、折り返しによる画素値と、折り返しによらない本来の画素値との和となる。このため、学習済みモデルにおける複数の畳み込み層各々において、注目画素ＮＰに関する畳み込み位置は、注目画素ＮＰを包含する近傍領域ＡＲと、注目画素ＮＰに折り返る画素の位置を中心とした離隔領域ＳＲとなる。

処理回路１５１は、画像生成機能１５１５により、学習済みモデルにおける第１の畳み込み層において、仮画像ＴｅｍｐＩにおいて近傍領域ＡＲおよび離隔領域ＳＲに含まれる複数の画素値に対して、畳み込み演算に相当するフィルタ処理を実行する。具体的には、処理回路１５１は、選択された学習済みモデルにおける第１の畳み込み層に用いられる複数のフィルタ各々における複数のフィルタ係数を重み付け係数として用いて、近傍領域ＡＲおよび離隔領域ＳＲに含まれる複数の画素値に対して積和演算、すなわち畳み込み演算を実行する。処理回路１５１は、第１の畳み込み結果において、上記畳み込み演算の結果である積和値を、注目画素ＮＰに対応する位置ＮＰ１に関連付ける。処理回路１５１は、第１の畳み込み層におけるフィルタ処理を、学習済みモデルにおけるフィルタの総数に亘って並列的に実行する。これらの処理により、処理回路１５１は、第１の畳み込み結果を算出する。例えば、フィルタの総数が６４である場合、第１の畳み込み結果のチャネル数１ＣｏｎｖＲは、６４枚のマップに相当する。

処理回路１５１は、画像生成機能１５１５により、第１の畳み込み結果を、選択された学習済みモデルにおける第２の畳み込み層へ入力する。具体的には、処理回路１５１は、第２の畳み込み層に用いられる複数のフィルタ各々における複数のフィルタ係数を重み付け係数として用いて、第１の畳み込み結果のチャネル数１ＣｏｎｖＲ、すなわちフィルタの総数に対応する複数のマップにおける近傍領域ＡＲおよび離隔領域ＳＲに含まれる複数の積和値に対して畳み込み演算を実行する。近傍領域ＡＲと離隔領域ＳＲの畳み込み係数は別の係数を用いた学習を行っても良いし、同一の係数を用いても良い。また、畳み込みの範囲（カーネルサイズ）は正方形である必要はなく、例えば、画像のアスペクト比にあわせた形状としても良いし、例えば、畳み込みの範囲としてリードアウト方向が長い形状を用いても良い。処理回路１５１は、第２の畳み込み結果において、第２の畳み込み層による上記畳み込み演算の結果である積和値を、注目画素ＮＰに対応する位置ＮＰ２に関連付ける。処理回路１５１は、第２の畳み込み層におけるフィルタ処理を、学習済みモデルにおけるフィルタの総数に亘って並列的に実行する。これらの処理により、処理回路１５１は、第２の畳み込み結果を算出する。以下、同様に、処理回路１５１は、学習済みモデルにおける畳み込み層の総数Ｎに亘って、フィルタ処理による演算を、順伝播処理ＦＦＰにおいて繰り返す。なお、隣接する２つの畳み込み層の間には、適宜、プーリング層、活性化層、コントラスト正規化層、ショートカット（ＲｅｓＮｅｔ）、前データとの結合（ＤｅｎｓｅＮｅｔ）等が設けられてもよい。

図７は、第Ｎの畳み込み層による第Ｎの畳み込み結果を用いた磁気共鳴画像ＲｅＩの生成の一例を示す図である。図７に示すように、処理回路１５１は、画像生成機能１５１５により、複数の第Ｎの畳み込み結果のチャネル数ＮｃｏｎｖＲに対して全結合層を適用することにより、磁気共鳴画像ＲｅＩを生成する。処理回路１５１は、生成された磁気共鳴画像ＲｅＩを入出力インタフェース１５３に出力する。入出力インタフェース１５３におけるディスプレイは、生成された磁気共鳴画像ＲｅＩを表示する。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本実施形態における磁気共鳴イメージング装置１００によれば、入力された磁気共鳴画像が磁気共鳴イメージングにより収集される際の撮像条件に対応する学習済みモデルを、入力された磁気共鳴画像に対して適用して、画質を向上させるための順伝播処理を行い、磁気共鳴画像を出力することができる。具体的には、本磁気共鳴イメージング装置１００によれば、ｋ空間における等間隔での間引き収集により磁気共鳴データを収集し、磁気共鳴データに対するフーリエ変換により仮画像を再構成し、同一の物理位置によるアーチファクトの発生位置に応じて設定された複数の畳み込み位置を用いて学習された畳み込み層を有し複数の撮像条件にそれぞれ対応する複数の学習済みモデルから、仮画像に関する撮像条件を用いて、仮画像に適用される学習済みモデルを選択し、選択された学習済みモデルを仮画像に適用することにより、磁気共鳴画像を生成することができる。

また、本磁気共鳴イメージング装置１００によれば、複数の学習済みモデルのうち少なくとも一つとして、間引き収集における間引き率に応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワーク、エコープラナーイメージングにおけるＮハーフアーチファクトの発生位置に応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワーク、ケミカルシフトに応じて畳み込み位置を変化させた畳み込み層を有するニューラルネットワークを用いて、撮像条件に応じて既知の位置に発生するアーチファクトを除去した磁気共鳴画像を生成することができる。

以上のことから、本磁気共鳴イメージング装置１００によれば、撮像条件に応じた既知の折り返し位置に応じた畳み込み位置、すなわち近傍領域ＡＲおよび離隔領域ＳＲを、効果的および効率的に必要な情報として用いた非線形写像の学習により畳み込み層を設計し、当該設計された畳み込み層を有する学習済みモデルを用いて、アーチファクトを除去した磁気共鳴画像を生成することができる。これにより、本磁気共鳴イメージング装置１００によれば、再構成される磁気共鳴画像の画質を向上させることができる。

（応用例）
本応用例と実施形態との相違は、折り返しの位置などのアーチファクトの発生位置に応じて分割された２つの仮画像（以下、２チャネル画像と呼ぶ）をＣＮＮへの２つのチャネルの入力として用いて、アーチファクトが除去された磁気共鳴画像を生成することにある。なお、ＣＮＮへの入力は上記２チャネル画像に限定されず、アーチファクトの発生位置に応じて多分割された多チャネル画像であってもよい。まず、本応用例における学習済みモデルについて説明し、次いで、本応用例における学習済みモデルを用いた磁気共鳴画像の生成について説明する。

本応用例に係る学習済みモデルは、アーチファクトの発生位置が撮像条件により既知である仮画像を２分割した２チャネル画像を入力として、当該仮画像におけるアーチファクトが除去された磁気共鳴画像を出力するＣＮＮである。学習データは、撮像条件によりアーチファクトの発生位置が既知である磁気共鳴画像を２分割したデータ、近傍領域および離隔領域を示すデータ、および当該磁気共鳴画像におけるアーチファクトが除去された磁気共鳴画像のデータである。ＣＮＮに入力される画像は、本実施形態に比べて１チャネルから２チャネルに倍増する。モデル学習装置は、学習データを用いてＣＮＮを学習することにより、本応用例に関する学習済みモデルを生成する。生成された学習済みモデルは、対応する撮像条件とともにメモリ１５２にプログラムとして記憶される。

処理回路１５１は、画像生成機能１５１５により、ステップＳａ３において、仮画像を２つに分割する。処理回路１５１は、例えば、仮画像において折り返しが発生していない軸に沿って仮画像を２つに分割することにより、２チャネル画像を生成する。なお、仮画像を２分割する軸は、上記軸に限定されず任意に設定可能である。処理回路１５１は、ステップＳａ４において、選択された学習済みモデルを、２チャネル画像に適用して順伝播処理を実行することにより、アーチファクトが除去された磁気共鳴画像を生成する。以下、説明を具体的にするために、本応用例における説明に関するアーチファクトは、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒに応じた折り返しアーチファクトであるものとして説明する。なお、本応用例として適用可能なアーチファクトは、折り返しアーチファクトに限定されず、例えば、ＥＰＩ法におけるＮハーフアーチファクト、ケミカルシフトによるアーチファクトなどであってもよい。

図８および図９は、図３を詳細に示した図である。図８は、仮画像ＴｅｍｐＩを２分割した２チャネル画像２ｃＴｅｍｐＩと、２チャネル画像２ｃＴｅｍｐＩに対する２チャネルの第１の畳み込み結果のチャネル数１ＣｏｎｖＲ２ｃｈと、２チャネルの第１の畳み込み結果に対する２チャネルの第２の畳み込み結果のチャネル数２ＣｏｎｖＲｃｈ２との一例を示す図である。説明を簡単にするために、図８における２チャネル画像２ｃＴｅｍｐＩにおける注目画素ＮＰ２ｃに着目する。注目画素ＮＰ２ｃの画素値は、折り返しによる画素値と、折り返しによらない本来の画素値との和となる。このため、２チャネル画像２ｃＴｅｍｐＩのうち第１の画像２ｃＩ１において注目画素ＮＰ２ｃに関する畳み込み位置は、第１の画像２ｃＩ１において注目画素ＮＰ２を包含する近傍領域ＡＲと、２チャネル画像２ｃＴｅｍｐＩのうち第２の画像２ｃＩ２において注目画素ＮＰ２に折り返る画素の位置を中心とした離隔領域ＳＲとなる。

処理回路１５１は、画像生成機能１５１５により、学習済みモデルにおける第１の畳み込み層において、第１の画像２ｃＩ１における近傍領域ＡＲに含まれる複数の画素値と、第２の画像２ｃＩ２における離隔領域ＳＲに含まれる複数の画素値とに対して、畳み込み演算に相当するフィルタ処理を実行する。具体的には、処理回路１５１は、選択された学習済みモデルにおける第１の畳み込み層に用いられる複数のフィルタ各々における複数のフィルタ係数を重み付け係数として用いて、近傍領域ＡＲおよび離隔領域ＳＲに含まれる複数の画素値に対して積和演算、すなわち畳み込み演算を実行する。処理回路１５１は、２チャネルの第１の畳み込み結果において、上記畳み込み演算の結果である積和値を、注目画素ＮＰ２ｃに対応する位置ＮＰ２ｃ１に関連付ける。処理回路１５１は、フィルタ処理を、学習済みモデルにおけるフィルタの総数に亘って並列的に実行する。これらの処理により、処理回路１５１は、２チャネルの第１の畳み込み結果を算出する。例えば、フィルタの総数が１２８である場合、２チャネルの第１の畳み込み結果のチャネル数１ＣｏｎｖＲ２ｃｈは、１２８枚のマップに相当する。

処理回路１５１は、画像生成機能１５１５により第１の畳み込み結果を、選択された学習済みモデルにおける第２の畳み込み層へ入力する。具体的には、処理回路１５１は、第２の畳み込み層に用いられる複数のフィルタ各々における複数のフィルタ係数を重み付け係数として用いて、第１の畳み込み結果のチャネル数１ＣｏｎｖＲ２ｃｈ、すなわちフィルタの総数に対応する複数のマップにおける位置ＮＰ２ｃ１を中心とした領域ＣｏｎｖＲに含まれる複数の積和値に対して畳み込み演算を実行する。処理回路１５１は、２チャネルの第２の畳み込み結果において、第２の畳み込み層による上記畳み込み演算の結果である積和値を、注目画素ＮＰに対応する位置ＮＰ２ｃ２に関連付ける。処理回路１５１は、第２の畳み込み層におけるフィルタ処理を、学習済みモデルにおけるフィルタの総数に亘って並列的に実行する。これらの処理により、処理回路１５１は、２チャネルの第２の畳み込み結果を算出する。以下、同様に、処理回路１５１は、学習済みモデルにおける畳み込み層の総数Ｎに亘って、フィルタ処理による演算を、順伝播処理ＦＦＰにおいて繰り返す。なお、隣接する２つの畳み込み層の間には、適宜、プーリング層、局所コントラスト正規化層等が設けられてもよい。

図９は、第Ｎの畳み込み層による２チャネルの第Ｎの畳み込み結果を用いた２チャネルの磁気共鳴画像２ｃＲｅＩの生成と、２チャネルの磁気共鳴画像２ｃＲｅＩを合成した磁気共鳴画像ＲｅＩとの一例を示す図である。図９に示すように、処理回路１５１は、画像生成機能１５１５により、複数の第Ｎの畳み込み結果のチャネル数ＮｃｏｎｖＲｃｈに対して全結合層を適用することにより、２チャネルの磁気共鳴画像２ｃＲｅＩを生成する。処理回路１５１は、生成された２チャネルの磁気共鳴画像２ｃＲｅＩを合成することにより、アーチファクトが除去された磁気共鳴画像ＲｅＩを生成する。

（第１変形例）
本実施形態と本変形例との相違は、仮画像として複素数画像を用いることと、畳み込み層における畳み込み演算として複素演算を用いることとにある。すなわち、本変形例においてＣＮＮの計算は、複素空間での複素演算として実行される。本変形例に係る学習済みモデルは、アーチファクトの発生位置が撮像条件により既知である複素数画像を入力として複素演算を実行し、当該複素数画像におけるアーチファクトが除去された複素数画像を出力するＣＮＮである。学習データは、撮像条件によりアーチファクトの発生位置が既知である複素数画像のデータ、近傍領域および離隔領域を示すデータ、および当該複素数画像におけるアーチファクトが除去された複素数画像のデータである。モデル学習装置は、学習データを用いてＣＮＮを学習することにより、本応用例に関する学習済みモデルを生成する。生成された学習済みモデルは、対応する撮像条件とともに、メモリ１５２にプログラムとして記憶される。

処理回路１５１は、再構成機能１５１１により、収集された磁気共鳴信号に対して直交位相検波を実行することにより、複素磁気共鳴データを生成する。処理回路１５１は、複素磁気共鳴データに対してフーリエ変換又は逆フーリエ変換を行うことにより、複素数画像を生成する。処理回路１５１は、画像生成機能１５１５により、選択された学習済みモデルを複素数画像に適用して順伝播処理を実行することにより、アーチファクトが除去された複素数画像を生成する。処理回路１５１は、順伝播処理により生成された複素数画像を用いて、磁気共鳴画像を生成する。

（第２の変形例）
応用例と本変形例との相違は、応用例に記載の２チャネル画像として、複素数画像における実部画像と虚部画像とを用いることにある。本変形例に係る学習済みモデルは、アーチファクトの発生位置が撮像条件により既知である実部画像と虚部画像とを入力として、当該実部画像および当該虚部画像におけるアーチファクトがそれぞれ除去された実部画像と虚部画像とを出力するＣＮＮである。学習データは、撮像条件によりアーチファクトの発生位置が既知である実部画像および虚部画像のデータ、近傍領域および離隔領域を示すデータ、および当該実部画像および当該虚部画像におけるアーチファクトがそれぞれ除去された実部画像と虚部画像とのデータである。モデル学習装置は、学習データを用いてＣＮＮを学習することにより、本応用例に関する学習済みモデルを生成する。生成された学習済みモデルは、対応する撮像条件とともに、メモリ１５２にプログラムとして記憶される。

処理回路１５１は、再構成機能１５１１により、収集された磁気共鳴信号に対して直交位相検波を実行することにより、複素磁気共鳴データを生成する。処理回路１５１は、複素磁気共鳴データにおける実部データに対してフーリエ変換又は逆フーリエ変換を行うことにより、実部画像を生成する。処理回路１５１は、複素磁気共鳴データにおける虚部データに対してフーリエ変換又は逆フーリエ変換を行うことにより、虚部画像を生成する。処理回路１５１は、画像生成機能１５１５により、選択された学習済みモデルを実部画像および虚部画像に適用して順伝播処理を実行することにより、アーチファクトが除去された実部画像および虚部画像を生成する。処理回路１５１は、順伝播処理により生成された実部画像と虚部画像とを用いて、磁気共鳴画像を生成する。

本実施形態等の変形例として、本画像処理装置１５０の技術的思想をクラウド等で実現する場合には、インタネット上のサーバーは、例えば図１および図４における処理回路１５１およびメモリ１５２を有するものとなる。このとき、再構成機能１５１１、選択機能１５１３、画像生成機能１５１５等は、当該機能を実行する画像処理プログラムをサーバーの処理回路１５１にインストールし、これらをメモリ上で展開することによって実現される。例えば、サーバーは、画像生成処理等を実行することができる。

以上説明した少なくとも１つの実施形態によれば、磁気共鳴画像の画質を向上することができる。

（第１適用例）
以下、本実施形態の適用例について説明する。図１０は、本適用例における医用信号処理装置２００の構成の一例を示す図である。図１０に示すように、医用信号処理装置２００は、入力インタフェース２０１と、メモリ２０３と、処理回路２０５と、ディスプレイ２０７とを有する。医用信号処理装置２００は、磁気共鳴イメージング装置１００に搭載されてもよい。入力インタフェース２０１とディスプレイ２０７とは実施形態における入出力インタフェース１５３に対応するため、説明は省略する。なお、入力インタフェース２０１は、例えば磁気共鳴イメージング装置などの医用画像診断装置から、撮像条件および医用画像を取得する通信インターフェースとして機能してもよい。メモリ２０３および処理回路２０５に関するハードウェア構成は、実施形態と同様なため、説明は省略する。なお、処理回路２０５は、撮像条件および医用画像を不図示のモダリティから取得する取得機能を有していてもよい。取得機能を実現する処理回路２０５は、取得部として機能する。

メモリ２０３は、学習済みモデル２３１と撮像条件２０３１と医用信号２０３３とを記憶する。学習済みモデル２３１は、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号２０３３に対してパターンを低減するように補正された補正信号と、パターンに関するパターン関連情報と、医用信号２０３３に関する疾患情報とのうちいずれか一つを出力するように機能付られている。医用信号２０３３は、例えば、被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、上述の仮画像に相当する。以下、説明を具体的にするために、医用信号２０３３は、磁気共鳴画像として説明する。パターンは、例えば、磁気共鳴撮像の撮像条件２０３１に応じて、磁気共鳴画像に発生したアーチファクトである。アーチファクトは、例えば、折り返しアーチファクトとＮハーフアーチファクトとケミカルシフトアーチファクトとモーションアーチファクトとのうち少なくとも一つのアーチファクトである。

以下、本適用例における学習済みモデル２３１は、補正信号を出力するものとして説明する。学習済みモデル２３１がパターン関連情報または疾患情報を出力する場合については、後述の第２適用例において説明する。また、パターンが非アーチファクトであって、医用信号２０３３が非２次元的な医用信号（例えば非画像）である場合については、第３適用例において説明する。本適用例に関する処理は、医用信号に対するデノイズ等に向いているが、デノイズに限定されず第２適用例および第３適用例に示すように、デノイズ以外の用途として用いられてもよい。

既知の方向は、アーチファクトの発生に関する方向であって、撮像条件２０３１におけるパルスシーケンスにより規定される。例えば、アーチファクトがパラレルイメージングにより発生する折り返し（ａｌｉａｓｉｎｇ）アーチファクトである場合、既知の方向は、磁気共鳴画像において折り返される方向に対応する。折り返される方向は、位相エンコード方向に限定されず、例えば、マルチスライスカイピリーニャや２次元カイピリーニャなどのように位相エンコード方向と周波数エンコード方向との両者により規定される方向であってもよい。また、アーチファクトがＥＰＩ法のパルスシーケンスの実行により発生するＮハーフアーチファクトである場合、既知の方向は、例えば、磁気共鳴画像における位相エンコード方向に対応する。アーチファクトがケミカルアーチファクトである場合、既知の方向は、例えば、磁気共鳴画像における周波数エンコード方向に対応する。また、アーチファクトがモーションアーチファクトである場合、既知の方向は、例えば、磁気共鳴画像における被検体Ｐの体動の方向や拍動流の方向に対応する。

既知のシフト量は、アーチファクトの発生位置に基づく磁気共鳴画像の循環的な並進量であって、撮像条件２０３１におけるパルスシーケンスにより規定される。例えば、アーチファクトが折り返しアーチファクトである場合、既知のシフト量は、パルスシーケンスにおけるＲｅｄｕｃｔｉｏｎ ｆａｃｔｏｒに対応する。また、アーチファクトがＮハーフアーチファクトである場合、既知のシフト量は、例えば、磁気共鳴画像において位相エンコード方向に表れたゴーストの位置に対応する。アーチファクトがケミカルアーチファクトである場合、既知のシフト量は、例えば、水と脂肪との共鳴周波数の差と静磁場の強度とに依存する。また、アーチファクトがモーションアーチファクトである場合、既知のシフト量は、例えば、磁気共鳴画像において位相エンコード方向に表れたゴーストの位置に対応する。既知の方向および既知のシフト量に関する折り返し位置は、撮像条件２０３１により、アーチファクトの発生場所として定義もしくは推定される。

補正信号は、磁気共鳴画像におけるアーチファクトが低減された磁気共鳴画像（以下、アーチファクト低減画像と呼ぶ）に対応する。例えば、パターンとしてのアーチファクトが折り返しアーチファクトである場合、補正信号は、折り返しアーチファクトが低減されたアーチファクト低減画像に対応する。アーチファクト低減画像は、図７および図９における磁気共鳴画像ＲｅＩに相当する画像である。

学習済みモデル２３１は、既知の方向と既知のシフト量とを用いて、入力された磁気共鳴画像に対して、補正信号を出力する。具体的には、学習済みモデル２３１は、図１０に示すように、循環シフト層（Ｃｉｒｃｕｌａｔｉｏｎ ｓｈｉｆｔ ｌａｙｅｒ）２３１１と、ディープニューラルネットワーク（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：以下、ＤＮＮと呼ぶ）の一例としてのＣＮＮ２３１３とを有する。学習済みモデル２３１は、撮像条件２０３１に対応付けられて、メモリ２０３に記憶される。すなわち、メモリ２０３には、既知の方向と既知のシフト量とに応じた複数の学習済みモデルが記憶される。循環シフト層２３１１は、撮像条件２０３１に応じて、アーチファクトの発生場所に関連した既知の方向と既知のシフト量とに従って、予め設定される。すなわち、循環シフト層２３１１は、機械学習されないモデルである。一方、ＣＮＮ２３１３は、機械学習により生成されるモデルである。機械学習されない循環シフト層２３１１と機械学習により生成されるＣＮＮ２３１３とを組み合わせた学習済みモデル２３１は、機械学習により生成される。

循環シフト層２３１１は、既知の方向に沿って循環的に既知のシフト量だけ磁気共鳴画像をシフトさせることにより、シフト信号を生成する。シフト信号は、既知の方向に沿って循環的に既知のシフト量だけ磁気共鳴画像をシフトさせた画像（以下、シフト画像と呼ぶ）に相当する。循環的にシフトすることは、既知の方向に関して医用信号の両端部がそれぞれつながっているとみなして、医用信号を循環させることに対応する。なお、循環シフト層２３１１により実行される処理内容は、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）により実現されてもよい。すなわち、循環シフト層２３１１は、略周期性を有する磁気共鳴画像を入力として、シフト画像を出力するＤＮＮとして実現されてもよい。循環シフト層２３１１により実行される処理内容については、後程説明する。

ＣＮＮ２３１３は、磁気共鳴画像とシフト画像とを用いて、補正信号を出力するように機能付けられているニューラルネットワークである。なお、ＣＮＮ２３１３の代わりに、局所的な接続性（Ｌｏｃａｌｌｙ ｃｏｎｎｅｃｔ）を有するニューラルネットワークが用いられてもよい。例えば、学習済みモデル２３１から出力されるデータがアーチファクト低減画像である場合、学習済みモデル２３１は、循環シフト層２３１１とＣＮＮ２３１３とを有する。また、ＣＮＮ２３１３の代わりに、フルコネクトとしてのＤＮＮが、学習済みモデル２３１から出力される出力データの用途に応じて適宜用いられてもよい。本実施形態および本適用例にかかるＣＮＮ２３１３またはＤＮＮとして、ＲｅｓＮｅｔ（Ｒｅｓｉｄｕａｌ Ｎｅｔｗｏｒｋ）やＤｅｎｓｅＮｅｔ（Ｄｅｎｓｅ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ）、Ｕ−Ｎｅｔ等が利用可能である。また、ＲｅｓＮｅｔ、ＤｅｎｓｅＮｅｔまたはＵ−Ｎｅｔ等において、循環シフト層２３１１とＣＮＮ２３１３との組み合わせが、適宜繰り返し実行されてもよい。

処理回路２０５は、決定機能２５１１と出力機能２５１３とを有する。処理回路２０５は、決定機能２５１１により、被検体Ｐに対する撮像条件２０３１に基づいて、既知の方向と既知のシフト量とを決定する。処理回路２０５は、決定された方向と決定されたシフト量とに基づいて、学習済みモデルを決定する。処理回路２０５は、出力機能２５１３により、決定された学習済みモデルに対して磁気共鳴画像を入力し、既知の方向と既知のシフト量とを用いて、補正信号を出力する。処理回路２０５は、処理部に相当し、上述のプロセッサなどの電子回路により構成される。

以下、本適用例における学習済みモデル２３１を用いて、補正信号としてのアーチファクト低減画像を生成する処理（以下、アーチファクト低減処理と呼ぶ）を実行する手順について、図１１乃至図１３を用いて説明する。図１１は、アーチファクト低減処理の手順の一例を示すフローチャートである。

（アーチファクト低減処理）
（ステップＳｂ１）
処理回路２０５は、決定機能２５１１により、撮像条件２０３１を用いて、磁気共鳴画像が入力される学習済みモデルを決定する。具体的には、処理回路２０５は、磁気共鳴画像の取得に用いられた撮像条件２０３１に基づいて、アーチファクトなどのパターンが現れる方向（既知の方向に対応し、以下、アーチファクト発生方向と呼ぶ）とパターンが既知の方向にずれるシフト量（以下、ずれシフト量と呼ぶ）とを決定する。より詳細には、処理回路２０５は、磁気共鳴画像に対応付けられた撮像パラメータを、パルスシーケンスの撮像パラメータに対する方向とシフト量との対応表（以下、方向シフト量対応表と呼ぶ）と照合する。処理回路２０５は、方向シフト量対応表を用いた照合により、アーチファクト発生方向とずれシフト量とを決定する。方向シフト量対応表は、メモリ２０３に予め記憶され、決定機能２５１１によりメモリ２０３から処理回路２０５に読み出される。

処理回路２０５は、決定機能２５１１により、アーチファクト発生方向とずれシフト量とを、方向とシフト量とに対する学習済みモデルの対応表（以下、モデル対応表と呼ぶ）と照合する。処理回路２０５は、モデル対応表を用いた照合により、学習済みモデルを決定する。モデル対応表は、予めメモリ２０３に記憶される。処理回路２０５は、決定された学習済みモデルを、メモリ２０３から処理回路２０５に読み出す。決定機能２５１１を実現する処理回路２０５は、決定部に相当する。

（ステップＳｂ２）
処理回路２０５は、出力機能２５１３により、学習済みモデル２３１における循環シフト層２３１１を介して、シフト画像を生成する。具体的には、処理回路２０５は、磁気共鳴画像を循環シフト層２３１１に入力する。循環シフト層２３１１は、入力された磁気共鳴画像に対して、アーチファクト発生方向に沿って循環的にずれシフト量だけシフトさせたシフト画像を生成する。

図１２および図１３を用いて、循環シフト層２３１１により磁気共鳴画像に対して実行される処理（以下、循環シフト処理と呼ぶ）について説明する。図１２は、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが２に対応し、位相エンコード方向に沿った折り返しアーチファクトを有する磁気共鳴画像ＭＡ１に対する循環シフト処理の一例を示す図である。図１２に示す磁気共鳴画像ＭＡ１において、アーチファクト発生方向は位相エンコード方向（ｙ方向）であって、シフト量は縦方向のＦＯＶｙの半分（ＦＯＶｙ／２）となる。このとき、循環シフト処理２３１５は、磁気共鳴画像ＭＡ１をｙ方向に沿ってＦＯＶｙ／２だけ循環的に並進させることで、シフト画像ＳＩ１を生成する。

図１３は、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが３に対応し、位相エンコード方向に沿った折り返しアーチファクトを有する磁気共鳴画像ＭＡ２に対する循環シフト処理の一例を示す図である。図１３に示す磁気共鳴画像ＭＡ２において、アーチファクト発生方向は位相エンコード方向（ｙ方向）であって、シフト量は、縦方向のＦＯＶｙの半分（ＦＯＶｙ／３）となる。このとき、第１循環シフト処理２３１７は、磁気共鳴画像ＭＡ２をｙ方向に沿ってＦＯＶｙ／３だけ循環的に並進させることで、第１シフト画像ＳＩ２を生成する。また、第２循環シフト処理２３１９は、磁気共鳴画像ＭＡ２をｙ方向に沿って２×ＦＯＶｙ／３だけ循環的に並進させることで、第２シフト画像ＳＩ３を生成する。なお、循環的にシフトさせる既知のシフト量は、図１２および図１３のようなものに限定されず、アーチファクトの種類、アーチファクトの状況などに応じて刻み幅を増やしてもよい。

（ステップＳｂ３）
処理回路２０５は、出力機能２５１３により、磁気共鳴画像を、シフト画像とともに、ＣＮＮ２３１３に入力する。例えば、磁気共鳴画像ＭＡ１が図１２に示すような場合、処理回路２０５は、生成されたシフト画像ＳＩ１を、磁気共鳴画像ＭＡ１とともに、ＣＮＮ２３１３に入力する。また、磁気共鳴画像ＭＡ２が図１３に示すような場合、処理回路２０５は、第１シフト画像ＳＩ２と第２シフト画像ＳＩ３とを、磁気共鳴画像ＭＡ１とともに、ＣＮＮ２３１３に入力する。

（ステップＳｂ４）
処理回路２０５は、出力機能２５１３により、循環シフト層２３１１から出力されたシフト画像と磁気共鳴画像とが入力されたＣＮＮ２３１３から、アーチファクト低減画像ＲｅＩを、補正信号として出力する。処理回路２０５は、アーチファクト低減画像ＲｅＩを、メモリ２０３およびディスプレイ２０７に出力する。

（ステップＳｂ５）
ディスプレイ２０７は、アーチファクト低減画像ＲｅＩを表示する。アーチファクト低減画像ＲｅＩは、図１２および図１３に示すように、折り返しアーチファクトが低減された磁気共鳴画像である。なお、処理回路２０５は、不図示のネットワークを介して、アーチファクト低減画像ＲｅＩを、医用画像保管装置等の外部装置に出力してもよい。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本適用例における医用信号処理装置２００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号２０３３に対してパターンを低減するように補正された補正信号を出力するように機能付られた学習済みモデルに対して医用信号２０３３を入力し、既知の方向と既知のシフト量とを用いて、補正信号を出力することができる。また、本医用信号処理装置２００における学習済みモデルは、既知の方向に沿って循環的に既知のシフト量だけ医用信号２０３３をシフトさせたシフト信号を生成する循環シフト層２３１１と、医用信号２０３３とシフト信号とを用いて補正信号を出力するように機能付けられているニューラルネットワーク２３１３とを有する。

本適用例および本実施形態に関する医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件２０３１に応じて磁気共鳴画像に発生したアーチファクトであって、補正信号はアーチファクトが低減されたアーチファクト低減画像であって、学習済みモデル２３１は、複数の中間層を有するコンボリューションニューラルネットワークであって、複数の中間層各々に対して、複数の中間層各々への入力側に接続される前段の中間層におけるいずれかの第１ノードからの出力と、前段の中間層のうち撮像条件２０３１により定まる第２ノードからの出力とを合わせて入力するように処理することができる。

また、本医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件２０３１に応じて磁気共鳴画像に発生したアーチファクトであって、補正信号はアーチファクトが低減されたアーチファクト低減画像ＲｅＩであって、ニューラルネットワークは、複数の中間層各々において局所的な線形結合を有するニューラルネットワークであって、既知の方向はアーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。また、本医用信号処理装置２００によれば、アーチファクトは折り返しアーチファクトとＮハーフアーチファクトとケミカルシフトアーチファクトとモーションアーチファクトとのうち少なくとも一つのアーチファクトである。

これらのことから、本医用信号処理装置２００によれば、撮像条件２０３１に基づいて、既知の方向に沿って既知のシフト量でずれた位置に現れるアーチファクトを低減させた磁気共鳴画像を生成することができるため、磁気共鳴画像の画質を向上させることができ、被検体Ｐに対する診断効率などを向上させることができる。

（第２適用例）
本適用例と第１適用例との相違は、学習済みモデル２３１がパターン関連情報または疾患情報を出力することにある。本適用例における学習済みモデル２３１において、ＣＮＮ２３１３の代わりにＤＮＮが用いられてもよい。また、本適用例における学習済みモデル２３１において、ＲｅｓＮｅｔ、ＤｅｎｓｅＮｅｔまたはＵ−Ｎｅｔ等において、ＣＮＮ２３１３（またはＤＮＮ）の後段に適宜１／２ｍａｘ ｐｏｏｌ層が組み込まれてもよい。このとき、学習済みモデル２３１における最後段にフルコネクトとしてのＤＮＮを設けることで、学習済みモデル２３１は、パターン関連情報または疾患情報を出力する。

パターン関連情報は、パターンがアーチファクトである場合、例えば、磁気共鳴画像の補正に用いられる少なくとも一つの物理パラメータ、またはアーチファクトの有無（検出結果）を示すデータなどである。例えば、被検体Ｐに対してＥＰＩ法のパルスシーケンスを用いて磁気共鳴撮像を実行した場合、物理パラメータは、傾斜磁場の発生の遅延量を示す物理量の推定値に対応する。また、アーチファクトの有無を示すデータは、例えば、磁気共鳴画像において、複数のアーチファクト各々の有無を示す２値（０もしくは１）である。

疾患情報は、磁気共鳴画像における複数の疾患各々の認識結果を示すデータである。例えば、磁気共鳴画像が既知の方向に沿って既知のシフト量でずれた位置に現れるアーチファクトを有する場合、疾患情報は、磁気共鳴画像における複数の疾患各々の程度を示す指標値に対応する。すなわち、疾患情報は、複数の疾患各々の疾患らしさを示す指標値を有する。なお、指標値は、医用信号における疾患の有無を示す値（０もしくは１）であってもよい。なお、指標値およびアーチファクトの有無を示すデータは、学習済みモデル２３１にシグモイド関数などを組みこむことで、百分率として出力されてもよい。

以下、本適用例における学習済みモデル２３１を用いて、パターン関連情報または疾患情報を生成する処理（以下、情報生成処理と呼ぶ）を実行する手順について、図１４を用いて説明する。図１４は、本適用例における情報生成処理の手順の一例を示すフローチャートである。図１４における処理手順のうちステップＳｃ１乃至ステップＳｃ３の処理は、ステップＳｂ１乃至ステップＳｂ３の処理と同様なため、説明は省略する。

（情報生成処理）
（ステップＳｃ４）
処理回路２０５は、出力機能２５１３により、循環シフト層２３１１から出力されたシフト画像と磁気共鳴画像とが入力されたＣＮＮ２３１３から、パターン関連情報または疾患情報を出力する。処理回路２０５は、パターン関連情報または疾患情報を、メモリ２０３およびディスプレイ２０７に出力する。

（ステップＳｃ５）
ディスプレイ２０７は、ステップＳｃ４における処理で出力されたパターン関連情報または疾患情報を表示する。なお、処理回路２０５は、不図示のネットワークを介して、パターン関連情報または疾患情報を、医用画像保管装置等の外部装置に出力してもよい。なお、疾患情報は、学習済みモデル２３１に入力された磁気共鳴画像と関連づけられて、メモリ２０３や外部の記憶装置などに記憶されてもよい。また、パターン関連情報が物理パラメータである場合、本ステップに続く後段の処理において、処理回路２０５は、不図示の画像補正機能により、物理パラメータを用いて磁気共鳴画像を補正してもよい。

また、パターン関連情報がアーチファクトの有無を示すデータであって、学習済みモデル２３１に入力された磁気共鳴画像においてアーチファクトが存在すると処理回路２０５により判定された場合（以下、アーチファクト有判定と呼ぶ）、処理回路２０５は、被検体Ｐに対して磁気共鳴撮像を再度実行する指示（以下、再撮像指示と呼ぶ）を磁気共鳴イメージング装置１００に出力する。具体的には、処理回路２０５は、アーチファクト有判定を契機として、再撮像指示を撮像制御回路１２１に出力する。再撮像指示の入力に応答して、撮像制御回路１２１は、被検体Ｐに対して、磁気共鳴撮像を再度実行する。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本適用例における医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件２０３１に応じて磁気共鳴画像に発生したアーチファクトであって、パターン関連情報は磁気共鳴画像に対する補正に用いられる物理パラメータであって、既知の方向はアーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。また、本医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件２０３１に応じて磁気共鳴画像に発生したアーチファクトであって、パターン関連情報はアーチファクトの発生の有無を示すデータであって、既知の方向はアーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。また、本医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件２０３１に応じて磁気共鳴画像に発生したアーチファクトであって、疾患情報は磁気共鳴画像における複数の疾患各々の認識結果を示す情報であって、既知の方向は記アーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。

これらのことから、本医用信号処理装置２００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるアーチファクトを有する磁気共鳴画像に対して、当該磁気共鳴画像の補正に用いられる少なくとも一つの物理パラメータまたはアーチファクトの有無を示すデータなどのパターン関連情報、または当該磁気共鳴画像における複数の疾患各々の認識結果を示すデータなどの疾患情報を得ることができる。これにより、本医用信号処理装置２００によれば、被検体Ｐに対する診断効率などを向上させることができる。

（第３適用例）
第１適用例および第２適用例と本適用例との相違は、医用信号２０３３として、被検体Ｐの生体信号を用いることにある。生体信号は、例えば、心電波形、脈波形、呼吸波形などの１次元的な信号である。本適用例において、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンは、生体信号の波形に相当する。また、既知の方向は、生体信号の取得に関する時間方向である。また、既知のシフト量は、生体信号における所定時相の間の期間であり、例えば、生体信号の周期などである。

本医用信号処理装置２００は、生体信号を計測する生体信号計測装置に搭載されてもよい。以下、説明を具体的にするために、生体信号は心電波形として説明する。このとき、本医用信号処理装置２００は、例えば、心電計に搭載されてもよい。加えて、医用信号処理装置２００は、不図示のスピーカを有していてもよい。また、本適用例における学習済みモデル２３１は、疾患情報を出力するものとして説明する。

図１５は、本適用例における生体信号としての心電波形ＥＣＧＷの一例を示す図である。
図１５に示すように、Ｒ１１に含まれる心電波形ＥＣＧＷの一部分（以下、第１波形と呼ぶ）とＲ２２に含まれる心電波形ＥＣＧＷの一部分（以下、第２波形と呼ぶ）とが、学習済みモデルに入力される。

処理回路２０５は、決定機能２５１１により、ずれシフト量を決定する。具体的には、処理回路２０５は、心電波形において隣接する２つのＲ波の間隔などに基づいて、ずれシフト量を決定する。本適用例においては、既知の方向は、時間方向であるため、既知の方向を決定することは不要となる。

循環シフト層２３１１は、時間方向に沿ったずれシフト量に従って、例えば第１波形と第２波形とを、循環的にシフトさせる。このとき、シフト信号は、時間方向に沿って、第２波形、第１波形の順に示された波形となる。処理回路２０５は、出力機能２５１３により、シフト信号および生体信号が入力されたＣＮＮ２３１３から疾患情報を出力する。ＣＮＮ２３１３における複数の中間層各々におけるｋ番目（ｋは自然数）の出力ｙ_ｋは、前段の中間層または入力層におけるｉ番目（ｉは自然数）の値をｘ_ｉ、Ｎを既知のシフト量、ｗを重みとして、例えば以下の式で表される。

例えば、心電波形が図１５に示すような場合、処理回路２０５は、疾患情報として、心室期外収縮の疾患らしさを示す指標値を出力する。処理回路２０５は、指標値が所定の値以上である場合、警告をディスプレイ２０７に表示させる。このとき、処理回路２０５は、警告音をスピーカから出力させてもよい。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本適用例における医用信号処理装置２００によれば、医用信号２０３３は被検体Ｐの生体信号であって、パターンは生体信号の波形であって、疾患情報は生体信号における複数の疾患各々の認識結果を示すデータであって、既知の方向は生体信号の取得に関する時間方向であって、既知のシフト量は生体信号における所定時相の間の期間である。これにより、本医用信号処理装置２００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する生体信号に対して、当該生体信号における複数の疾患各々の認識結果を示すデータなどの疾患情報を得ることができる。これにより、本医用信号処理装置２００によれば、被検体Ｐからの生体信号の異常の検知することで、当該異常を報知することができる。

（第４適用例）
本適用例と第１乃至第３適用例との相違は、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割することで複数の部分信号を生成し、循環シフト層を有さずにＤＮＮを有する学習済みモデルに複数の部分信号を入力することで、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力することにある。

図１６は、本適用例における医用信号処理装置３００の一例を示す図である。図１６において、図１０に示す医用信号処理装置２００における構成要素と同一の機能等を有する構成要素については、同一の符号を割り当て、説明を省略する。医用信号処理装置３００は、入力インタフェース２０１と、メモリ３０３と、部分信号生成回路（部分信号生成部）３０４と、処理回路３０５と、ディスプレイ２０７とを有する。部分信号生成回路３０４は、折り返し前処理器（Ａｌｉａｓｉｎｇ Ｐｒｅｐｒｏｃｅｓｓｏｒ）ＡＰとも称され、エイリアシングに関する前処理（以下、エイリアシング前処理と呼ぶ）を実行する。

部分信号生成回路３０４は、エイリアシング前処理として、決定機能３０５１により決定された既知の方向と既知のシフト量とに基づいて、エイリアシング前処理として、医用信号を分割する。具体的には、部分信号生成回路３０４は、既知の方向に沿って、既知のシフト量に応じた分割幅（以下、ウィンドウ（ｗｉｎｄｏｗ）と呼ぶ）で、医用信号を分割することで、分割された医用信号に対応する複数の部分信号を生成する。部分信号生成回路３０４は、複数の部分信号を、処理回路３０５に出力する。具体的なエイリアシング前処理については、後ほど説明する。なお、部分信号生成回路３０４により実行されるエイリアシング前処理は、エイリアシング前処理機能として、処理回路３０５において実行されてもよい。部分信号生成回路３０４は、上述のプロセッサなどの電子回路により構成される。

なお、ウィンドウは、医用信号に対して重複していてもよい。このとき、複数の部分信号各々は、他の部分信号と重複する領域（以下、重複領域と呼ぶ）を有する。重複領域を有する複数の部分信号を学習済みモデル（ＤＮＮ３３３１）に入力することは、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力することの安定化に寄与する。また、部分信号生成回路３０４は、第１適用例で説明したように、既知の方向に関して医用信号の両端部がそれぞれ循環的につながっているとみなして、複数の部分信号を生成してもよい。

メモリ３０３は、学習済みモデル３３１と撮像条件２０３１と医用信号２０３３とを記憶する。より詳細には、メモリ３０３は、撮像条件に応じたウィンドウの総数に対応付けられた複数の学習済みモデルを記憶する。学習済みモデル３３１は、ＤＮＮ３３１を有する。ＤＮＮ３３１は、ＲｅｓＮｅｔ、ＤｅｎｓｅＮｅｔまたはＵ−Ｎｅｔ等で実現されてもよい。本適用例に関する処理は、医用信号に対する検出、認識、物理パラメータの推定等に向いているが、これらに限定されず第１適用例に示すように、デノイズを目的として用いられてもよい。このとき、学習済みモデル３３１は、ＤＮＮ３３１の後段に各種レイヤーが組み込まれる。これにより、学習済みモデル３３１は、補正信号を出力することができる。

処理回路３０５は、決定機能３０５１により、撮像条件２０３１に基づいて、部分信号が入力されるＤＮＮ３３３１を決定する。具体的には、処理回路３０５は、撮像条件に基づく既知のシフト量に応じたウィンドウの総数に従って、当該ウィンドウの総数に対応するＤＮＮ３３３１を決定する。

処理回路３０５は、出力機能３０５３により、決定機能３０５１により決定されたＤＮＮ３３３１における異なる複数のチャネルに、複数の部分信号をそれぞれ入力する。処理回路３０５は、決定された学習済みモデルに対して複数の部分信号を入力し、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力する。

以下、説明を具体的にするために、医用信号は磁気共鳴画像であって、パターンはアーチファクトであって、部分信号は磁気共鳴画像の一部の画像（以下、部分画像と呼ぶ）であって、学習済みモデル３３１による出力はパターン関連情報または疾患情報であるものとする。また、本適用例における学習済みモデル３３１を用いて、パターン関連情報または疾患情報を生成する情報生成処理を実行する手順について、図１７および図１８を用いて説明する。図１７は、本適用例における情報生成処理の手順の一例を示すフローチャートである。なお、ステップＳｄ５の処理は、図１４に示すステップＳｃ５の処理と同様なため、説明は省略する。

（情報生成処理）
（ステップＳｄ１）
処理回路３０５は、決定機能３０５１により、撮像条件２０３１に基づいて、方向シフト量対応表を用いて、アーチファクト発生方向とずれシフト量とを決定する。処理回路３０５は、ずれシフト量に応じたウィンドウの総数に従って、当該ウィンドウの総数に対応するＤＮＮ３３３１を決定する。

（ステップＳｄ２）
部分信号生成回路３０４は、既知の方向と既知のシフト量とに基づいて、磁気共鳴画像を分割することにより、複数の部分画像を生成する。具体的には、部分信号生成回路３０４は、アーチファクト発生方向に沿って、ずれシフト量に応じたウィンドウで、磁気共鳴画像を分割する。図１８を用いて磁気共鳴画像を分割するエイリアシング前処理について説明する。

図１８は、本適用例におけるエイリアシング前処理の一例を示す図である。図１８に示すように、部分信号生成回路３０４に入力される磁気共鳴画像ＭＡＡは、Ｒｅｄｕｃｔｉｏｎ ｆａｃｔｏｒが２に対応し、位相エンコード方向に沿った折り返しアーチファクトを有する。このとき、磁気共鳴画像ＭＡＡの分割に用いられるウィンドウの総数は、第１ウィンドウＷ１と第２ウィンドウＷ２との２つである。部分信号生成回路３０４は、磁気共鳴画像ＭＡＡにおける位相エンコード方向のＦＯＶｙの半分（ＦＯＶｙ／２）の位置（以下、分割位置と呼ぶ）ＤＰで、磁気共鳴画像ＭＡＡを分割する。部分信号生成回路３０４は、分割位置ＤＰで磁気共鳴画像ＭＡＡを分割することにより、第１ウィンドウＷ１と第２ウィンドウＷ２とにそれぞれ対応する第１部分画像ＰＩ１と第２部分画像ＰＩ２とを生成する。部分信号生成回路３０４は、第１部分画像ＰＩ１と第２部分画像ＰＩ２とを処理回路３０５に出力する。

なお、第１ウィンドウＷ１と第２ウィンドウＷ２とは、磁気共鳴画像ＭＡＡに対して、分割位置ＤＰをそれぞれ跨いで設定されてもよい。例えば、磁気共鳴画像ＭＡＡにおけるＦＯＶｙを１０等分したとき、位相エンコード方向ｙに沿って１／１０乃至８／１０の領域が第１ウィンドウＷ１として設定され、６／１０乃至１０／１０の領域が第２ウィンドウＷ２として設定されてもよい。

（ステップＳｄ３）
処理回路３０５は、出力機能３０５３により、決定されたＤＮＮ３３３１に、複数の部分画像を入力する。例えば、処理回路３０５は、複数の部分画像を、ＤＮＮ３３３１における異なる複数のチャネルにそれぞれ入力する。

（ステップＳｄ４）
処理回路３０５は、出力機能３０５３により、複数の部分画像が入力されたＤＮＮ３３３１から、パターン関連情報または疾患情報を出力する。処理回路３０５は、パターン関連情報または疾患情報を、メモリ２０３およびディスプレイ２０７に出力する。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本適用例における医用信号処理装置２００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割した複数の部分信号を生成し、医用信号に対してパターンを低減するように補正された補正信号と、パターンに関するパターン関連情報と、医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して、複数の部分信号を入力することで、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力することができる。

（第５適用例）
本適用例と第１乃至第４適用例との相違は、エイリアシング前処理により生成された複数の部分信号が学習済みモデルとしてのＤＮＮに入力され、ＤＮＮから出力された複数の部分補正信号を既知の方向と既知のシフト量とに基づいて結合することで結合信号を生成して、出力することにある。

図１９は、本適用例における医用信号処理装置４００の一例を示す図である。図１９において、図１６に示す医用信号処理装置３００における構成要素と同一の機能等を有する構成要素については、同一の符号を割り当て、説明を省略する。医用信号処理装置４００は、入力インタフェース２０１と、メモリ３０３と、部分信号生成回路３０４と、結合信号生成回路３０６と、処理回路３０５と、ディスプレイ２０７とを有する。結合信号生成回路３０６は、折り返し後処理器（Ａｌｉａｓｉｎｇ Ｐｏｓｔｐｒｏｃｅｓｓｏｒ）ＡＰｏｓｔとも称され、エイリアシングに関する後処理（以下、エイリアシング後処理と呼ぶ）を実行する。

本適用例によれば、エイリアシング前処理を行った画像をＤＮＮ３３３３に適用する場合、エイリアシング後処理を行って元の空間分解能の画像を出力することが可能である。第４適用例における折り返し前処理器ＡＰでは、既知の方向と既知のシフト量とに基づいて、磁気共鳴画像を分割することにより、複数の部分画像を生成した。これに対し、本適用例における折り返し後処理器ＡＰｏｓｔは、ＤＮＮ３３３３から出力された分割済みの磁気共鳴画像を、既知の方向と既知のシフト量とに基づいて結合するものである。たとえば、折り返し前処理器ＡＰがｘ軸方向に均等に３分割するものであれば、折り返し後処理器ＡＰｏｓｔは３つの出力画像を結合するものとなる。折り返し後処理器ＡＰｏｓｔを用いる際には、学習データとして結合前の画像、つまり分割した画像をＤＮＮ３３３３の学習に用いる。

なお、例えば、小さいＦＯＶに対して再構成を行った場合には、エイリアシングが発生した画像のみが得られることがある。このような画像に対して後処理でエイリアシングを除去する用途では、例えば、エイリアシング方向について２倍サイズの画像であるとみなして、エイリアシング前処理なしに、エイリアシング後処理のみを用いた構成としても良い。

メモリ３０３は、学習済みモデル３３１と撮像条件２０３１と医用信号２０３３とを記憶する。より詳細には、メモリ３０３は、撮像条件に応じたウィンドウの総数に対応付けられた複数の学習済みモデルを記憶する。学習済みモデル３３１は、ＤＮＮ３３３３を有する。ＤＮＮ３３３３は、ＲｅｓＮｅｔ、ＤｅｎｓｅＮｅｔまたはＵ−Ｎｅｔ等で実現されてもよい。ＤＮＮ３３３３は、自身に入力される複数の部分信号にそれぞれ対応する複数の部分補正信号を出力する。複数の部分補正信号は、例えば、部分信号に対してデノイズが施された上述の補正信号に相当する。ＤＮＮ３３３３への入力される医用信号の解像度とＤＮＮ３３３３から出力される信号の解像度とは、医用信号の２０３３の解像度をウィンドウの総数で除算した解像度に対応する。本適用例におけるＤＮＮ３３３３は、医用信号処理装置４００への実装に先立って、ウィンドウの総数に応じた複数の部分信号と正解データとしての部分補正信号とを学習用データとして用いて学習される。

処理回路３０５は、出力機能３０５５により、学習済みモデル３３１に複数の部分信号を入力することで、複数の部分信号にそれぞれ対応する複数の部分補正信号を、補正信号として出力する。具体的には、処理回路３０５は、決定機能３０５１により決定されたＤＮＮ３３３１における異なる複数のチャネルに、複数の部分信号をそれぞれ入力する。処理回路３０５は、決定された学習済みモデルに対して複数の部分信号を入力し、複数の部分補正信号を、結合信号生成回路３０６に出力する。

結合信号生成回路３０６は、エイリアシング後処理として、決定機能３０５１により決定された既知の方向と既知のシフト量とに基づいて、ＤＮＮ３３３３から出力された複数の部分補正信号を結合することにより、結合信号を生成する。部分信号生成回路３０６は、結合信号を、メモリ３０３やディスプレイ２０７に出力する。結合信号生成回路３０６は、上述のプロセッサなどの電子回路により構成される。具体的なエイリアシング後処理については、後ほど説明する。なお、結合信号生成回路３０６により実行されるエイリアシング後処理は、エイリアシング後処理機能として、処理回路３０５において実行されてもよい。このとき、エイリアシング後処理機能を実行するプログラムは、メモリ３０３、処理回路３０５におけるＡＳＩＣなどに記憶される。

以下、説明を具体的にするために、医用信号は磁気共鳴画像であって、パターンはアーチファクトであって、部分信号は部分画像であって、学習済みモデル３３１から出力された部分補正信号は複数の部分画像にそれぞれ対応する複数の補正画像（以下、部分補正画像とよぶ）であって、結合信号は複数の部分補正画像を結合した画像（以下、結合画像と呼ぶ）であるものとする。結合画像は、上述のアーチファクト低減画像に相当する。

また、本適用例において補正信号に対応する結合画像を生成する結合画像生成処理を実行する手順について、図２０および図２１を用いて説明する。図２０は、本適用例における結合画像生成処理の手順の一例を示すフローチャートである。なお、ステップＳｅ１乃至ステップＳｅ３の処理は、図１７に示すステップＳｄ１乃至ステップＳｄ３の処理とそれぞれ同様なため、説明は省略する。加えて、ステップＳｅ６の処理は、図１１におけるステップＳｂ５の処理と同様なため、説明は省略する。また、図２１に示すように、折り返し前処理器ＡＰがｙ軸方向に均等に２分割するものとして説明する。

（結合画像生成処理）
（ステップＳｅ４）
処理回路３０５は、出力機能３０５５により、複数の部分画像が入力されたＤＮＮ３３３３から複数の部分補正画像を出力する。複数の部分補正画像は、アーチファクトが低減された部分画像（以下、アーチファクト低減部分画像と呼ぶ）に相当する。すなわち、処理回路３０５は、複数の部分画像にそれぞれ対応する複数のアーチファクト低減部分画像を、ＤＮＮ３３３３から出力する。処理回路３０５は、複数の部分画像をＤＮＮ３３３３に入力し、ＤＮＮ３３３３から出力された複数のアーチファクト低減部分画像を結合信号生成回路３０６に出力する。

（ステップＳｅ５）
結合信号生成回路３０６は、決定機能３０５１により決定された既知の方向（アーチファクト発生方向）と既知のシフト量とに基づいて、複数の部分補正画像を結合する。当該処理により、結合信号生成回路３０６は、結合画像を生成する。すなわち、結合信号生成回路３０６は、アーチファクト発生方向とシフト量とに基づいて複数のアーチファクト低減部分画像を結合することにより、アーチファクト低減画像を生成する。結合信号生成回路３０６は、アーチファクト低減画像をメモリ３０３とディスプレイ２０７とに出力する。

図２１は、本適用例におけるエイリアシング後処理の一例を示す図である。図２１において、エイリアシング前処理などについての説明は、図１８と同様なため、説明は省略する。処理回路３０５は、出力機能３０５５により、学習済みモデル３０５におけるＤＮＮ３３３３に第１部分画像ＰＩ１と第２部分画像ＰＩ２とを入力することで、第１部分画像ＰＩ１に対応する第１アーチファクト低減部分画像ＲｅＰＩ１と、第２部分画像ＰＩ２に対応する第２アーチファクト低減部分画像ＲｅＰＩ２とを出力する。結合信号生成回路３０６は、アーチファクト発生方向とシフト量とを用いて、第１アーチファクト低減部分画像ＲｅＰＩ１と、第２アーチファクト低減部分画像ＲｅＰＩ２との結合位置を特定する。結合位置は、例えば、分割位置ＤＰに対応する。次いで、結合信号生成回路３０６は、結合位置で、第１アーチファクト低減部分画像ＲｅＰＩ１と、第２アーチファクト低減部分画像ＲｅＰＩ２とを結合することにより、アーチファクト低減画像を生成する。図２１におけるＡＳで示した範囲は、エイリアシング前処理が実行される前の磁気共鳴画像の解像度（以下、フル解像度と呼ぶ）の半分で実行される処理を示している。一般的には、エイリアジング前処理により磁気共鳴画像がＮ分割される場合、図２１におけるＡＳで示した範囲における処理は、フル解像度のＮ分の１の解像度で実行される。

以上に述べた構成によれば、以下に示す効果を得ることができる。
本適用例における医用信号処理装置４００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割した複数の部分信号を生成し、複数の部分信号にそれぞれ対応し、かつ医用信号に対してパターンを低減するように補正された複数の部分補正信号を出力するように機能付られた学習済みモデルに対して、複数の部分信号を入力することで、複数の部分補正信号を、補正信号として出力し、既知の方向と既知のシフト量とに基づいて、複数の部分補正信号を結合することにより、結合信号を生成することができる。

第１乃至第３適用例等の変形例として、本医用信号処理装置２００の技術的思想をクラウド等で実現する場合には、インタネット上のサーバーは、例えば図１０における処理回路２０５およびメモリ２０３を有するものとなる。また、第４適用例等の変形例として、本医用信号処理装置３００の技術的思想をクラウド等で実現する場合には、インタネット上のサーバーは、例えば図１６における部分信号生成回路３０４、処理回路３０５およびメモリ３０３を有するものとなる。また、第５適用例等の変形例として、本医用信号処理装置４００の技術的思想をクラウド等で実現する場合には、インタネット上のサーバーは、例えば図１９における部分信号生成回路３０４、処理回路３０５、結合信号生成回路３０６およびメモリ３０３を有するものとなる。これらの場合、決定機能２５１１、決定機能３０５１、出力機能２５１３、出力機能３０５３、出力機能３０５５等は、当該機能を実行するプログラムをサーバーの処理回路にインストールし、これらをメモリ上で展開することによって実現される。

以上説明した少なくとも１つの実施形態によれば、学習済みモデルによる出力誤差を低減させることができる。例えば、本医用信号処理装置２００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターン（アーチファクト）を有する医用信号であっても、当該医用信号を本学習済みモデル２３１に入力することで、アーチファクトによるノイズの低減を向上させた補正信号と、認識率を向上させたパターン関連情報および疾患情報とのうちいずれかを出力させることができ、診断効率を向上させることができる。また、本医用信号処理装置３００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターン（アーチファクト）を有する医用信号に対してエイリアシング前処理を施したうえで、名処理が当該医用信号を本学習済みモデル３３１に入力することで、アーチファクトによるノイズの低減を向上させた補正信号と、認識率を向上させたパターン関連情報および疾患情報とのうちいずれかを出力させることができ、診断効率を向上させることができる。また、本医用信号処理装置４００によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターン（アーチファクト）を有する医用信号に対してエイリアシング前処理を施したうえで、名処理が当該医用信号を本学習済みモデル３３１に入力することで、アーチファクトによるノイズの低減を向上させた複数の補正信号を出力させる、複数の補正信号を結合した結合信号を生成することができ、診断効率を向上させることができる。

なお、前処理、後処理、ＤＮＮ内部のいずれかあるいはその組み合わせにおいて、例えばアップサンプリング、ダウンサンプリング、プーリングといった解像度変換処理を用いて画像解像度を変換することで、入力とは異なる解像度の画像を出力しても良い。

なお、本発明を実施する装置においては、撮像手法を選択させる際に、学習済みモデルが存在するかをユーザに提示しても良い。具体的には、例えば、学習済みモデルが存在する場合には本発明の機能を選択可能、存在しない場合には本発明の機能を選択不可能としても良い。あるいは、例えば、本発明の機能が選択された場合には、学習済みモデルが存在する条件のみを選択可能としても良い。

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。

１００…磁気共鳴イメージング装置
１０１…静磁場磁石
１０３…傾斜磁場コイル
１０５…傾斜磁場電源
１０７…寝台
１０９…寝台制御回路
１１１…ボア
１１３…送信回路
１１５…送信コイル
１１７…受信コイル
１１９…受信回路
１２１…撮像制御回路
１２３…システム制御回路
１２５…記憶装置
１５０…画像処理装置
１５１…処理回路
１５２…メモリ
１５３…入出力インタフェース
２００…医用信号処理装置
２０１…入力インタフェース
２０３…メモリ
２０５…処理回路
２０７…ディスプレイ
２３１…学習済みモデル
３００…医用信号処理装置
３０３…メモリ
３０４…部分信号生成回路
３０５…処理回路
３０６…結合信号生成回路
３３１…学習済みモデル
４００…医用信号処理装置
１０７１…天板
１５１１…再構成機能
１５１３…選択機能
１５１５…画像生成機能
２０３１…撮像条件
２０３３…医用信号
２３１１…循環シフト層
２３１３…ニューラルネットワーク
２３１５…循環シフト処理
２３１７…第１循環シフト処理
２３１９…第２循環シフト処理
２５１１…決定機能
２５１３…出力機能
３０５１…決定機能
３０５３、３０５５…出力機能
３３３１、３３３３…ＤＮＮ

Claims (11)

1. 既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号に対して前記パターンを低減するように補正された補正信号と、前記パターンに関するパターン関連情報と、前記医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して前記医用信号を入力し、前記方向と前記シフト量とを用いて、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力する、処理部を具備する、医用信号処理装置。
2. 前記学習済みモデルは、
   前記方向に沿って循環的に前記シフト量だけ前記医用信号をシフトさせたシフト信号を生成する循環シフト層と、
   前記医用信号と前記シフト信号とを用いて、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力するように機能付けられているニューラルネットワークとを有する、
   請求項１に記載の医用信号処理装置。
3. 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
   前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
   前記補正信号は、前記アーチファクトが低減されたアーチファクト低減画像であって、
   前記学習済みモデルは、複数の中間層を有するコンボリューションニューラルネットワークであって、
   前記処理部は、前記複数の中間層各々に対して、前記複数の中間層各々への入力側に接続される前段の中間層におけるいずれかの第１ノードからの出力と、前記前段の中間層のうち前記撮像条件により定まる第２ノードからの出力とを合わせて入力するように処理する、
   請求項１に記載の医用信号処理装置。
4. 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
   前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
   前記補正信号は、前記アーチファクトが低減されたアーチファクト低減画像であって、
   前記ニューラルネットワークは、複数の中間層各々において局所的な線形結合を有するニューラルネットワークであって、
   前記方向は、前記アーチファクトの発生に関する方向であって、
   前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
   請求項２に記載の医用信号処理装置。
5. 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
   前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
   前記パターン関連情報は、前記磁気共鳴画像に対する補正に用いられる物理パラメータであって、
   前記方向は、前記アーチファクトの発生に関する方向であって、
   前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
   請求項２に記載の医用信号処理装置。
6. 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
   前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
   前記パターン関連情報は、前記アーチファクトの発生の有無を示すデータであって、
   前記方向は、前記アーチファクトの発生に関する方向であって、
   前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
   請求項２に記載の医用信号処理装置。
7. 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
   前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
   前記疾患情報は、前記磁気共鳴画像における複数の疾患各々の認識結果を示すデータであって、
   前記方向は、前記アーチファクトの発生に関する方向であって、
   前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
   請求項２に記載の医用信号処理装置。
8. 前記アーチファクトは、折り返しアーチファクトとＮハーフアーチファクトとケミカルシフトアーチファクトとモーションアーチファクトとのうち少なくとも一つのアーチファクトである、
   請求項３乃至７のうちいずれか一項に記載の医用信号処理装置。
9. 前記医用信号は、被検体の生体信号であって、
   前記パターンは、前記生体信号の波形であって、
   前記疾患情報は、前記生体信号における複数の疾患各々の認識結果を示すデータであって、
   前記方向は、前記生体信号の取得に関する時間方向であって、
   前記シフト量は、前記生体信号における所定時相の間の期間である、
   請求項２に記載の医用信号処理装置。
10. 既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、前記方向と前記シフト量とに基づいて分割した複数の部分信号を生成する部分信号生成部と、
    前記医用信号に対して前記パターンを低減するように補正された補正信号と、前記パターンに関するパターン関連情報と、前記医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して、前記複数の部分信号を入力することで、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力する処理部と、
    を具備する医用信号処理装置。
11. 前記処理部は、前記学習済みモデルに前記複数の部分信号を入力することで、前記複数の部分信号にそれぞれ対応する複数の部分補正信号を、前記補正信号として出力し、
    前記方向と前記シフト量とに基づいて、前記複数の部分補正信号を結合することにより、結合信号を生成する結合信号生成部をさらに具備する、
    請求項１０に記載の医用信号処理装置。