JP2020121117A - 医用情報処理装置、磁気共鳴イメージング装置、および医用情報処理方法 - Google Patents

Abstract

【課題】診断精度を向上させることが可能な医用画像を生成する医用情報処理装置を提供する。【解決手段】医用情報処理装置２００は、取得部と、ノイズ処理部と、決定部とを備える。取得部は、ＲＦコイルの受信結果に基づいて生成されたデータ、およびｇ因子マップを取得する。ノイズ処理部は、前記データにデノイズ処理を行う。決定部は、前記ｇ因子マップに基づいて、前記デノイズ処理の強度を決定する。【選択図】図４

Description

本発明の実施形態は、医用情報処理装置、磁気共鳴イメージング装置、および医用情報処理方法に関する。本願は、２０１９年１月３０日に日本に出願された特願２０１９−０１４１４０号に基づき優先権を主張し、その内容をここに援用する。

医用画像に対するデノイズ処理は種々提案されているが、診断に用いる画像として、デノイズ処理前の画像とデノイズ処理後の画像を合成した画像を提供することがある。

米国特許第７０２０３１８号明細書 米国特許出願公開第２０１７／０１２４７０７号明細書 米国特許出願公開第２００８／０３１０６９５号明細書

本発明が解決しようとする課題は、診断精度を向上させることが可能な医用画像を生成することである。

実施形態の医用情報処理装置は、取得部と、ノイズ処理部と、決定部とを備える。取得部は、ＲＦコイルの受信結果に基づいて生成されたデータ、およびｇ因子マップを取得する。ノイズ処理部は、前記データにデノイズ処理を行う。決定部は、前記ｇ因子マップに基づいて、前記デノイズ処理の強度を決定する。

第１実施形態に係る医用画像処理システム１の構成の一例を示す図。 第１実施形態に係るＭＲＩ装置１００の一例を示す図。 第１実施形態に係るＭＲＩ装置１００に備えられる受信コイル１０８の配置の一例を示す図。 第１実施形態に係る医用画像処理装置２００の一例を示す図。 第１実施形態に係るコイル感度マップＳＭの一例を示す図。 第１実施形態に係るｇ因子マップＧＭの一例を示す図。 第１実施形態に係るデノイズモデルＭＤＬの構成の一例を示す図。 第１実施形態に係るアクティベーション層３３０の活性化関数の一例を表す図。 混合画像を生成する構成の一例を示す図。 第１実施形態に係る処理回路２１０の一連の処理の流れを示すフローチャート。 第１実施形態に係るＭＲＩ装置１００の他の例を示す図。

以下、図面を参照しながら、医用情報処理装置、磁気共鳴イメージング装置、および医用情報処理方法の実施形態について詳細に説明する。

（第１実施形態）
図１は、第１実施形態に係る医用画像処理システム１の構成の一例を示す図である。例えば、図１に示すように、医用画像処理システム１は、ＭＲＩ（Magnetic Resonance Imaging）装置１００と、医用画像処理装置２００とを備える。ＭＲＩ装置１００および医用画像処理装置２００は、ネットワークＮＷを介して接続される。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダなどを含む。

ＭＲＩ装置１００は、例えば、被検体（例えば人体）に磁場を与えて、核磁気共鳴現象によって被検体内の水素原子核から発生する電磁波を、コイルを利用して受信し、その受信した電磁波に基づく信号を再構成することで医用画像（ＭＲ画像）を生成する装置である。

医用画像処理装置２００は、一つまたは複数のプロセッサにより実現される。例えば、医用画像処理装置２００は、クラウドコンピューティングシステムに含まれるコンピュータであってもよいし、他の機器に依存せずに単独で動作するコンピュータ（スタンドアローンのコンピュータ）であってもよい。医用画像処理装置２００は、「医用情報処理装置」の一例である。

［ＭＲＩ装置の構成例］
図２は、第１実施形態に係るＭＲＩ装置１００の一例を示す図である。図２に示すように、ＭＲＩ装置１００は、静磁場磁石１０１と、傾斜磁場コイル１０２と、傾斜磁場電源１０３と、寝台１０４と、寝台制御回路１０５と、送信コイル１０６と、送信回路１０７と、受信コイル１０８と、受信回路１０９と、シーケンス制御回路１１０と、コンソール装置１２０とを備える。送信コイル１０６および受信コイル１０８は、「ＲＦコイル（高周波コイル）」の一例である。

静磁場磁石１０１は、中空の略円筒形状に形成された磁石であり、内部の空間に一様な静磁場を発生させる。静磁場磁石１０１は、例えば、永久磁石や超伝導磁石などである。傾斜磁場コイル１０２は、中空の略円筒形状に形成されたコイルであり、静磁場磁石１０１の内側に配置される。傾斜磁場コイル１０２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、寝台１０４の天板１０４ａの長手方向を表し、ｘ軸方向は、ｚ軸方向に直交し、ＭＲＩ装置１００が設置される部屋の床面に対して平行である軸方向を表し、ｙ軸方向は、床面に対して垂直方向である軸方向を表している。各軸方向に対応した３つのコイルは、傾斜磁場電源１０３から個別に電流を受けて、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。なお、ｚ軸方向は、静磁場と同方向とする。

傾斜磁場電源１０３は、傾斜磁場コイル１０２に電流を供給する。ここで、傾斜磁場コイル１０２によって発生するｘ，ｙ，ｚの各軸の傾斜磁場は、例えば、スライス選択用傾斜磁場Ｇｓ、位相エンコード用傾斜磁場Ｇｅ、及びリードアウト用傾斜磁場Ｇｒにそれぞれ対応する。スライス選択用傾斜磁場Ｇｓ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Ｇｅ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。リードアウト用傾斜磁場Ｇｒ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。

寝台１０４は、被検体ＯＢが載置される天板１０４ａを備え、寝台制御回路１０５による制御のもと、天板１０４ａを、被検体ＯＢが載置された状態で傾斜磁場コイル１０２の空洞（撮像口）内へ挿入する。通常、寝台１０４は、長手方向が静磁場磁石１０１の中心軸と平行になるように設置される。寝台制御回路１０５は、コンソール装置１２０による制御のもと、寝台１０４を駆動して天板１０４ａを長手方向及び上下方向へ移動する。

送信コイル１０６は、例えば、傾斜磁場コイル１０２の内側に配置される。送信コイル１０６は、例えば、静磁場磁石１０１を含む架台の中に収容された全身用コイル（Whole Body Coil）である。送信コイル１０６は、送信回路１０７から電流の供給を受けて、被検体ＯＢ内部の原子核スピンを励起するための高周波磁場（以下、ＲＦ（Radio Frequency）パルスと称する）を発生させる。なお、送信コイル１０６は、全身用コイルの代わりに、被検体ＯＢの体表面近傍に配置される局所コイルであってもよい。

送信回路１０７は、対象とする原子核の種類及び磁場の強度で決まるラーモア周波数に対応する電流を送信コイル１０６に供給し、送信コイル１０６からＲＦパルスを発生させる。

受信コイル１０８は、傾斜磁場コイル１０２の内側に配置され、ＲＦパルスの影響によって被検体ＯＢから発せられる磁気共鳴信号を受信する。磁気共鳴信号には、例えば、信号強度成分と位相成分が含まれる。受信コイル１０８は、磁気共鳴信号を受信すると、受信した磁気共鳴信号を受信回路１０９へ出力する。受信コイル１０８は、少なくとも２つ以上のコイルエレメントがアレイ状に配置されたフェーズドアレイコイルによって実現されてよい。なお、受信コイル１０８は、フェーズドアレイコイルに限られず、送信と受信とを兼ね備えた一つのＲＦコイルによって実現されてもよい。

図３は、第１実施形態に係るＭＲＩ装置１００に備えられる受信コイル１０８の配置の一例を示す図である。図３では、受信コイル１０８が、８つのコイルエレメント１０８ａ〜１０８ｈを備える例を示す。これらのコイルエレメント１０８ａ〜１０８ｈは、天板１０４ａ上に載置された被検体ＯＢを取り囲むように配置される。各コイルエレメント１０８ａ〜１０８ｈは、被検体ＯＢから発せられた磁気共鳴信号を受信し、受信回路１０９へ出力する。

受信回路１０９は、受信コイル１０８（各コイルエレメント）から出力される磁気共鳴信号に基づいて磁気共鳴データを生成する。具体的には、受信回路１０９は、受信コイル１０８から出力されるアナログ信号の磁気共鳴信号をアナログ・デジタル変換することによって、デジタル信号である磁気共鳴データを生成する。受信回路１０９は、生成した磁気共鳴データをシーケンス制御回路１１０へ送信する。また、受信回路１０９は、静磁場磁石１０１や傾斜磁場コイル１０２等を備える架台装置側に備えられていてもよい。受信コイル１０８がフェーズドアレイコイルである場合、各コイルエレメントから出力される磁気共鳴信号は、適宜分配合成されることで受信回路１０９に出力される。

シーケンス制御回路１１０は、コンソール装置１２０から送信されるシーケンス情報に基づいて、傾斜磁場電源１０３、送信回路１０７及び受信回路１０９を駆動することによって、被検体ＯＢを撮像する。シーケンス情報は、撮像処理を行うための手順を定義した情報である。シーケンス情報には、傾斜磁場電源１０３が傾斜磁場コイル１０２に供給する電流の大きさや電流を供給するタイミング、送信回路１０７が送信コイル１０６に発生させるＲＦパルスの振幅やＲＦパルスの位相、受信回路１０９が磁気共鳴信号を検出するタイミング等が定義された情報が含まれる。

なお、シーケンス制御回路１１０は、傾斜磁場電源１０３、送信回路１０７及び受信回路１０９を駆動して被検体ＯＢを撮像し、受信回路１０９から磁気共鳴データを受信すると、受信した磁気共鳴データをコンソール装置１２０へ転送する。

コンソール装置１２０は、ＭＲＩ装置１００の全体を制御したり、磁気共鳴データの再構成処理を行ったりする。例えば、コンソール装置１２０は、通信インターフェース１２２と、入力インターフェース１２４と、ディスプレイ１２６と、処理回路１３０と、メモリ（ストレージ）１５０とを備える。

通信インターフェース１２２は、例えば、ＮＩＣ（Network Interface Card）などの通信インターフェースを含む。通信インターフェース１２２は、ネットワークＮＷを介して医用画像処理装置２００と通信し、医用画像処理装置２００から情報を受信する。通信インターフェース１２２は、受信した情報を処理回路１３０に出力する。また、通信インターフェース１２２は、処理回路１３０による制御を受けて、ネットワークＮＷを介して接続された他の装置に情報を送信してもよい。

入力インターフェース１２４は、操作者から各種の入力操作を受け付けるインターフェースである。入力インターフェース１２４は、入力操作を受け付けると、その受け付けた入力操作を電気信号に変換して処理回路１３０に出力する。例えば、入力インターフェース１２４は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネルなどにより実現される。また、入力インターフェース１２４は、例えば、マイクなどの音声入力を受け付けるユーザインターフェースによって実現されてもよい。入力インターフェース１２４がタッチパネルである場合、後述するディスプレイ１２６は入力インターフェース１２４と一体として形成されてよい。

ディスプレイ１２６は、各種の情報を表示する。例えば、ディスプレイ１２６は、処理回路１３０によって生成された画像を表示したり、操作者からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）などを表示したりする。例えば、ディスプレイ１２６は、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬ（Electroluminescence）ディスプレイなどである。

処理回路１３０は、例えば、取得機能１３２と、生成機能１３４と、通信制御機能１３６と、表示制御機能１３８とを実行する。処理回路１３０は、例えば、コンピュータに備えられるハードウェアプロセッサが記憶装置（記憶回路）であるメモリ１５０に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

処理回路１３０の各機能を実現するハードウェアプロセッサとは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、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などの回路（circuitry）を意味する。プログラマブル論理デバイスは、例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ）などである。メモリ１５０にプログラムを記憶させる代わりに、ハードウェア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、ハードウェア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上記の各機能を実現する。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

メモリ１５０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリなどの半導体メモリ素子、ハードディスク、光ディスクなどによって実現される。これらの非一過性の記憶媒体は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置といったネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ１５０には、ＲＯＭ（Read Only Memory）やレジスタなどの非一過性の記憶媒体が含まれてもよい。

取得機能１３２は、シーケンス制御回路１１０から磁気共鳴データを取得する。磁気共鳴データは、上述したように、核磁気共鳴現象によって被検体ＯＢ内において発生した電磁波の信号（磁気共鳴信号）をアナログ・デジタル変換することで得られるデータである。なお、上述した傾斜磁場により付与された位相エンコード量や周波数エンコード量に従って配列させたデータは、ｋ空間データとも称される。ｋ空間とは、磁気共鳴信号が１次元の波形として受信コイル１０８により繰り返し収集される際に、その１次元の波形が収集される周波数空間を表している。

生成機能１３４は、取得機能１３２によって取得されたｋ空間データに対してフーリエ変換（例えば、逆フーリエ変換）などの処理を含む再構成処理を行うことで、ｋ空間データから再構成されたＭＲ画像を生成する。生成機能１３４は、「第１生成部」の一例である。ＭＲ画像は、「ＲＦコイルの受信結果に基づいて生成されたデータ」の一例である。

通信制御機能１３６は、生成機能１３４がＭＲ画像を再構成により生成すると、通信インターフェース１２２を介して、医用画像処理装置２００に、再構成されたＭＲ画像を送信する。また、通信制御機能１３６は、通信インターフェース１２２を介して、医用画像処理装置２００から各種情報を受信してよい。

表示制御機能１３８は、生成機能１３４によって生成されたＭＲ画像を、ディスプレイ１２６に表示させる。また、表示制御機能１３８は、通信インターフェース１２２が医用画像処理装置２００からＭＲ画像などの医用画像を受信した場合、通信インターフェース１２２によって受信された医用画像をディスプレイ１２６に表示させてもよい。

［医用画像処理装置の構成例］
図４は、第１実施形態に係る医用画像処理装置２００の一例を示す図である。図４に示すように、医用画像処理装置２００は、例えば、通信インターフェース２０２と、入力インターフェース２０４と、ディスプレイ２０６と、処理回路２１０と、メモリ２３０とを備える。

通信インターフェース２０２は、例えば、ＮＩＣなどの通信インターフェースを含む。例えば、通信インターフェース２０２は、ネットワークＮＷを介してＭＲＩ装置１００と通信し、ＭＲＩ装置１００から、再構成された医用画像などを受信する。通信インターフェース２０２は、受信した医用画像を処理回路２１０に出力する。また、通信インターフェース２０２は、処理回路２１０による制御を受けて、ネットワークＮＷを介して接続されたＭＲＩ装置１００やその他の装置に情報を送信してもよい。他の装置とは、例えば、医師や看護師などの画像の読影者が利用可能な端末装置であってよい。

入力インターフェース２０４は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路２１０に出力する。例えば、入力インターフェース２０４は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネルなどにより実現される。また、入力インターフェース２０４は、例えば、マイクなどの音声入力を受け付けるユーザインターフェースによって実現されてもよい。入力インターフェース２０４がタッチパネルである場合、後述するディスプレイ２０６は入力インターフェース２０４と一体として形成されてよい。

ディスプレイ２０６は、各種の情報を表示する。例えば、ディスプレイ２０６は、処理回路２１０によって生成された画像（後述するデノイズ画像や混合画像）を表示したり、操作者からの各種の入力操作を受け付けるためのＧＵＩなどを表示したりする。例えば、ディスプレイ２０６は、ＬＣＤや、ＣＲＴディスプレイ、有機ＥＬディスプレイなどである。

処理回路２１０は、例えば、取得機能２１２と、マップ生成機能２１４と、導出機能２１６と、デノイズ機能２１８と、混合画像生成機能２２０と、出力制御機能２２２と、学習機能２２４とを実行する。取得機能２１２は、「取得部」の一例であり、マップ生成機能２１４および混合画像生成機能２２０は、は、「生成部」または「第２生成部」の一例であり、デノイズ機能２１８は、「ノイズ処理部」の一例である。

処理回路２１０の各機能を実現するハードウェアプロセッサとは、例えば、ＣＰＵ、ＧＰＵ、特定用途向け集積回路、プログラマブル論理デバイスなどの回路（circuitry）を意味する。メモリ２３０にプログラムを記憶させる代わりに、ハードウェア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、ハードウェア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上記の各機能を実現する。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

メモリ２３０は、例えば、ＲＡＭ、フラッシュメモリなどの半導体メモリ素子、ハードディスク、光ディスクなどによって実現される。これらの非一過性の記憶媒体は、ＮＡＳや外部ストレージサーバ装置といったネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ２３０には、ＲＯＭやレジスタなどの非一過性の記憶媒体が含まれてもよい。メモリ２３０には、例えば、ブレンド率マップ２３２や、デノイズモデル情報２３４などが格納される。

ブレンド率マップ２３２は、ある空間上において、互いに異なる混合率αが分布するマップである。混合率αについては後述する。

デノイズモデル情報２３４は、後述するデノイズモデルＭＤＬを定義した情報（プログラムまたはデータ構造）である。デノイズモデルＭＤＬは、例えば、一つ以上のＤＮＮ（Deep Neural Network(s)）を含む。

デノイズモデル情報２３４には、例えば、デノイズモデルＭＤＬに含まれる各ＤＮＮを構成する入力層、一以上の隠れ層（中間層）、出力層の其々に含まれるニューロン（ユニットあるいはノード）が互いにどのように結合されるのかという結合情報や、結合されたニューロン間で入出力されるデータに付与される結合係数がいくつであるのかという重み情報などが含まれる。結合情報は、例えば、各層に含まれるニューロン数や、各ニューロンの結合先のニューロンの種類を指定する情報、各ニューロンを実現する活性化関数、隠れ層のニューロン間に設けられたゲートなどの情報を含む。ニューロンを実現する活性化関数は、例えば、入力符号に応じて動作を切り替える関数（ＲｅＬＵ（Rectified Linear Unit）関数やＥＬＵ（Exponential Linear Units）関数、クリッピング関数）であってもよいし、シグモイド関数や、ステップ関数、ハイパポリックタンジェント関数であってもよいし、恒等関数であってもよい。ゲートは、例えば、活性化関数によって返される値（例えば１または０）に応じて、ニューロン間で伝達されるデータを選択的に通過させたり、重み付けたりする。結合係数は、例えば、ニューラルネットワークの隠れ層において、ある層のニューロンから、より深い層のニューロンにデータが出力される際に、出力データに対して付与される重みを含む。また、結合係数は、各層の固有のバイアス成分などを含んでもよい。

取得機能２１２は、通信インターフェース２０２を介して、ＭＲＩ装置１００から医用画像を取得する。取得機能２１２は、取得した医用画像をメモリ２３０に記憶させる。

マップ生成機能２１４は、取得機能２１２によって取得された医用画像から、コイル感度マップＳＭを生成する。コイル感度マップＳＭは、「ＲＦコイルの受信特性に関する情報」および「受信感度マップ」の一例である。

コイル感度マップＳＭとは、ＭＲＩ装置１００のフェーズドアレイコイルに含まれる各コイルエレメントで受信される磁気共鳴信号の空間的な感度分布を示すものである。例えば、マップ生成機能２１４は、プリスキャンによって得られた医用画像（以下、リファレンス画像と称する）を基にコイル感度マップＳＭを生成する。

プリスキャンとは、本スキャンに先立って行われるスキャンであり、例えば、コイルのチューニングや、中心周波数の設定、受信感度の調整などのキャリブレーションを行うために被検体ＯＢを少なくとも１回スキャンすることである。本スキャンとは、例えば、パルスシーケンスとも呼ばれるシーケンス情報に基づいて、被検体ＯＢをスキャンすることである。なお、コイル感度マップＳＭは必ずしもプリスキャンで取得する必要はなく、本スキャンの後に取得しても構わない。

また、プリスキャンは、本スキャンとしてシーケンシャルに行われる複数のスキャンの中の一部のスキャンであってもよい。プリスキャンは、被検体ＯＢが載置された寝台１０４（天板１０４ａ）が傾斜磁場コイル１０２の空洞に挿入される前に行われるスキャンであってもよいし、寝台１０４に被検体ＯＢが載置されていないときに行われるスキャンであってもよい。

例えば、マップ生成機能２１４は、第１リファレンス画像を第２リファレンス画像で除算することで、各コイルエレメントの感度マップＳＭを生成する。第１リファレンス画像は、全身用コイルにＲＦパルスを送信させたときに、被検体ＯＢ内で発生した磁気共鳴信号を、フェーズドアレイコイルの各コイルエレメントに受信させたときに得られる画像である。第２リファレンス画像は、全身用コイルにＲＦパルスを送信させたときに、被検体ＯＢ内で発生した磁気共鳴信号を、その全身用コイルに受信させたときに得られる画像である。「画像で除算する」とは、例えば、第１リファレンス画像と第２リファレンス画像に含まれる複数の画素のうち、位置が同じ画素同士で画素値を除算することである。

また、マップ生成機能２１４は、各コイルエレメントに対応した第１リファレンス画像の平方和を求め、その平方和を画素値とする医用画像を第２リファレンス画像で除算することで、フェーズドアレイコイルのコイル感度マップＳＭを生成してもよい。

図５は、第１実施形態に係るコイル感度マップＳＭの一例を示す図である。図に例示するコイル感度マップＳＭは、白色に近いほど感度が高いことを表している。

また、マップ生成機能２１４は、取得機能２１２によって取得されたリファレンス画像から、コイル感度マップＳＭを生成する代わりに、或いはコイル感度マップＳＭを生成することに加えて、ｇ因子（geometric-factor；g-factor）マップＧＭを生成してもよい。ｇ因子マップＧＭは、「ＲＦコイルの受信特性に関する情報」の他の例である。

ｇ因子マップＧＭとは、パラレルイメージングにおける展開性能に寄与するｇ因子の空間的な分布を示すものである。パラレルイメージングとは、フェーズドアレイコイルに含まれる各コイルエレメントのコイル感度の差を利用して、スキャン時間を短縮する手法である。パラレルイメージングでは、被検体ＯＢから発せられる磁気共鳴信号を、各コイルエレメントが同時に（パラレルに）受信する。ｇ因子は、画像の再構成処理において画像の折り返し（画像の重なり）を分離する（展開する）際の分離のしやすさを示す指標値である。ｇ因子は、例えば、フェーズドアレイコイルにおけるコイルエレメントの相対位置や、コイルエレメントの位相方向などに依存した指標値である。ｇ因子が小さいほど分離がしやすく、コイルエレメント間の独立性が高いことを示している。また、ｇ因子が大きいほど分離がしにくく、コイルエレメント間の独立性が低いことを示している。

図６は、第１実施形態に係るｇ因子マップＧＭの一例を示す図である。図に例示するようなｇ因子マップＧＭは、コイルエレメントの配置や、パラレルイメージングにおける倍速率（間引き率）、位相エンコード方向等によって変わり得るものである。

マップ生成機能２１４は、コイル感度マップＳＭまたはｇ因子マップＧＭの少なくとも一方を生成すると、生成したマップに基づいてブレンド率マップ２３２を生成する。例えば、マップ生成機能２１４は、コイル感度マップＳＭを生成した場合、コイルの感度が大きい位置では混合率αを小さくし、コイルの感度が小さい位置では混合率αを大きくしたブレンド率マップ２３２を生成する。すなわち、マップ生成機能２１４は、コイル感度マップＳＭの逆数のブレンド率マップ２３２を生成する。また、マップ生成機能２１４は、ｇ因子マップＧＭを生成した場合、ｇ因子が大きい位置では混合率αを大きくし、ｇ因子が小さい位置では混合率αを小さくしたブレンド率マップ２３２を生成してもよい。すなわち、マップ生成機能２１４は、ｇ因子マップＧＭにおけるｇ因子の分布の傾向と同じ傾向で混合率αが分布したブレンド率マップ２３２を生成してよい。マップ生成機能２１４は、ブレンド率マップ２３２を生成すると、このブレンド率マップ２３２をメモリ２３０に記憶させる。マップ生成機能２１４は、「決定部」の一例であり、ブレンド率マップ２３２は、「第３のマップ」の一例である。

導出機能２１６は、取得機能２１２によって取得された医用画像（以下、原画像と称する）に基づいて、原画像に含まれるノイズに関する指標値を導出する。例えば、導出機能２１６は、ノイズに関する指標値として、ＳＮＲを導出する。ＳＮＲは、画像の信号強度を、ノイズの信号強度で除算した指標値である。ＳＮＲの導出方法の詳細について後述する。

デノイズ機能２１８は、デノイズモデル情報２３４が示すデノイズモデルＭＤＬを利用して、取得機能２１２によって取得された原画像からノイズを除去する。デノイズモデルＭＤＬは、例えば、プロセッサがデノイズモデルＭＤＬを実行することによって、デノイズ機能２１８の一部として実現されてよい。

例えば、デノイズモデルＭＤＬは、ＣＮＮ（Convolutional Neural Network）によって実現されてよく、そのＣＮＮは、畳み込み層や、アクティベーション層などが多層に構成されていてよい。

図７は、第１実施形態に係るデノイズモデルＭＤＬの構成の一例を示す図である。図示のように、デノイズモデルＭＤＬには、例えば、入力層３１０と、一以上の畳み込み層３２０と、一以上のアクティベーション層３３０と、出力層３４０とが含まれてよい。

例えば、原画像を、各画素に対応した要素をもつ行列とした場合、入力層３１０には、原画像に対応した行列が入力される。入力層３１０は、入力された行列に対して適時バイアス成分を加えるなどして、後段の畳み込み層３２０に出力する。

畳み込み層３２０は、入力された行列に対して、フィルタまたはカーネルと呼ばれる線形変換行列を、ある決められたストライド量でスライドさせながら積和演算を繰り返し、入力された行列から、線形変換行列との積和が要素値として対応付けられた複数の要素を含む行列を生成する。この際、畳み込み層３２０は、入力された行列の周囲に任意の値の要素を補間するパディング（例えばゼロパティング）を行って、畳み込み層３２０に入力された行列を、入力層３１０に入力される原画像の行列と行数および列数が同じ行列に変換してよい。そして、畳み込み層３２０は、生成した行列をアクティベーション層３３０に出力する。

アクティベーション層３３０は、畳み込み層３２０から入力された行列の各要素に対して活性化関数の計算処理を行い、その計算処理を行った行列を、後段のレイヤに出力する。

図８は、第１実施形態に係るアクティベーション層３３０の活性化関数の一例を表す図である。図示の例のように、アクティベーション層３３０の活性化関数は、Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数であってよい。Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数は、例えば、数式（１）によって表される。なお、アクティベーション層３３０の活性化関数は、Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数に代えて、Ｈａｒｄ‐Ｓｈｒｉｎｋａｇｅ関数であってもよい。

Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数あるいはＨａｒｄ‐Ｓｈｒｉｎｋａｇｅ関数は、入力値である要素値ｘが、ゼロを中心にした所定の正負の閾値±Ｔの範囲内である場合、ゼロを出力し、入力値である要素値ｘが、正の閾値＋Ｔを超える、あるいは負の閾値−Ｔ未満である場合、その要素値ｘに比例する値を出力する関数である。アクティベーション層３３０の活性化関数に、Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数やＨａｒｄ‐Ｓｈｒｉｎｋａｇｅ関数を適用することで、振幅が閾値Ｔよりも小さな画像信号、すなわち、ノイズである蓋然性が高い微弱な画像信号を、活性化関数の出力においてゼロとすることができる。負の閾値−Ｔは、「第１閾値」の一例であり、正の閾値＋Ｔは、「第２閾値」の一例である。

閾値Ｔは、入力画像に含まれるノイズのレベル（信号強度あるいは信号電力）に応じて変動するパラメータであり、例えば、数式（２）によって表される。

数式（２）のＧは、入力画像に含まれるノイズのレベルに依存した内部パラメータを表している。デノイズ機能２１８は、導出機能２１６によって導出された入力画像のＳＮＲに応じて、内部パラメータＧを決定する。例えば、デノイズ機能２１８は、入力画像のＳＮＲが大きくなるほど、すなわち入力画像が高画質なほど、内部パラメータＧを小さくし、入力画像のＳＮＲが小さくなるほど、すなわち入力画像が低画質なほど、内部パラメータＧを大きくする。

数式（２）のβは、ノイズレベルに乗算される重み係数である。重み係数βは、機械学習によって決定される。数式（２）に示すように閾値Ｔを変動させることで、アクティベーション層３３０の活性化関数を、ある一定の強度以上の信号に対して反応する活性化関数とすることができる。この結果、原画像に含まれるノイズの信号強度がばらついていても原画像からノイズを精度よく除去することができる。

出力層３４０は、前段の畳み込み層３２０およびアクティベーション層３３０によって処理された行列を出力する。デノイズ機能２１８は、デノイズモデルＭＤＬの出力層３４０により出力された行列を、原画像からノイズを除去した医用画像（以下、デノイズ画像と称する）として取得する。

なお、図７に例示したデノイズモデルＭＤＬはあくまでも一例であり、例えば、プーリング層などが含まれていてもよい。プーリング層は、入力された行列の要素値を、その行列に含まれる全要素値の平均値や最大値といった代表値に置き換えることで、行列の次元数を圧縮する（減らす）。プーリング層は、次元数を圧縮した行列を後段のレイヤに出力する。

混合画像生成機能２２０は、取得機能２１２によって取得された原画像と、デノイズ機能２１８によりノイズが除去されたデノイズ画像とを混合（合成）した混合画像（合成画像）を生成する。このような処理は、アルファブレンディングとも呼ばれる画像の合成処理である。

図９は、混合画像を生成する構成の一例を示す図である。図示の例のように、混合画像生成機能２２０は、デノイズモデルＭＤＬに入力される原画像と、デノイズモデルＭＤＬにより出力されるデノイズ画像とを、ブレンド率マップ２３２に基づいて混合することで、混合画像を生成する。混合（合成）とは、原画像およびデノイズ画像のそれぞれに含まれる複数の要素のうち、互いに同じ行ｉおよび列ｊの要素ｅ_ｉｊの要素値同士を足し合わせ、その足し合わせた和を、混合画像における要素ｅ_ｉｊの要素値とすることである。混合画像生成機能２２０は、要素値の足し合わせの際に、混合率αを重み係数として各要素に乗算する。混合画像の生成式は、例えば、数式（３）によって表される。

数式（３）のＩＭＧ_ＭＩＸは、混合画像を表しており、ＩＭＧ_{ｏｒｉｇｉｎａｌ}は、原画像を表しており、ＩＭＧ_{ｄｅｎｏｉｓｅ}は、デノイズ画像を表している。また、ｘは、コイル感度またはｇ因子を表し、α（ｘ）は、コイル感度またはｇ因子を変数とした混合率を表している。例えば、混合画像生成機能２２０は、原画像の要素値に対して係数α（ｘ）を乗算し、デノイズ画像の要素値に対して係数（１−α（ｘ））を乗算し、これらの和を混合画像の要素値とする。

出力制御機能２２２は、混合画像生成機能２２０により混合画像が生成されると、通信インターフェース２０２を介して、ＭＲＩ装置１００に混合画像を送信する。また、出力制御機能２２２は、混合画像をディスプレイ２０６に表示させてもよい。

学習機能２２４は、デノイズモデルＭＤＬに対して、ある教師データとする原画像を入力し、デノイズモデルＭＤＬによって出力されたデノイズ画像が、教師データとする原画像に対して予め教師ラベルとして対応付けられた画像に近づくようにデノイズモデルＭＤＬを学習する。例えば、教師ラベルとする画像は、サンプリング周波数を大きくするなどしてＳＮＲを高くした画像であってよく、教師データとしてデノイズモデルＭＤＬに入力する原画像は、サンプリング周波数を大きくするなどしてＳＮＲを高くした画像に、既知のノイズを加えた画像であってよい。既知のノイズは、例えば、ガウシアンノイズであってよい。

例えば、学習機能２２４は、デノイズモデルＭＤＬによって出力されたデノイズ画像と、教師データの画像との差分が小さくなるように、畳み込み層３２０の線形変換行列の要素値や、アクティベーション層３３０の各ノードの活性化関数の重み係数βといった種々のパラメータを、ＳＧＤ(Stochastic Gradient Descent）、Momentum ＳＧＤ、AdaGrad、RMSprop、AdaDelta、Ａｄａｍ(Adaptive moment estimation)などの確率的勾配降下法を利用して学習する。

［処理フロー］
以下、第１実施形態に係る処理回路２１０の一連の処理の流れをフローチャートに即して説明する。図１０は、第１実施形態に係る処理回路２１０の一連の処理の流れを示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。

取得機能２１２は、通信インターフェース２０２を介して、ＭＲＩ装置１００から、プリスキャンによって得られた医用画像、すなわちリファレンス画像を取得する（ステップＳ１００）。

次に、マップ生成機能２１４は、取得機能２１２によって取得されたリファレンス画像から、コイル感度マップＳＭまたはｇ因子マップＧＭを生成し（ステップＳ１０２）、少なくともいずれか一方のマップに基づいて、ブレンド率マップ２３２を生成する（ステップＳ１０４）。

次に、取得機能２１２は、通信インターフェース２０２を介して、ＭＲＩ装置１００から、本スキャンによって得られた医用画像（以下、本スキャン画像と称する）を取得する（ステップＳ１０６）。

次に、導出機能２１６は、取得機能２１２によって取得された本スキャン画像のＳＮＲを導出する（ステップＳ１０８）。

例えば、導出機能２１６は、本スキャン時の撮像条件に基づいて、本スキャン画像のＳＮＲを導出する。撮像条件には、例えば、マトリクス数や、レシーバーゲイン、撮像加算回数、受信バンド幅などのパラメータが含まれる。マトリクス数は、医用画像の解像度（ＭＲＩ装置１００の分解能）を決めるための医用画像の画素数を表すパラメータである。レシーバーゲインは、受信コイル１０８や受信回路１０９などの受信系のゲインを表すパラメータである。撮像加算回数は、同一のスライスに対して反復してスキャンする回数を表すパラメータである。受信バンド幅は、被検体ＯＢから発せられる磁気共鳴信号を読み取るときのサンプリング周波数を表すパラメータである。このようなパラメータは、例えば、医者や技師などのユーザがスキャン時に設定する必要があることからハイパーパラメータとして扱われる。なお、撮像条件には、上記のパラメータに加えて、あるいは代えて、スライス厚や、撮像視野、フリップ角度、位相エンコード方向などのパラメータが含まれていてもよい。

医用画像に含まれ得るノイズには、受信系の熱雑音に起因したガウシアンノイズが含まれる。熱雑音は、撮像条件によって変わることが知られている。そのため、導出機能２１６は、マトリクス数やレシーバーゲイン、撮像加算回数、受信バンド幅といった複数のパラメータのうち一部または全部を説明変数とし、ＳＮＲを目的変数として導く関数に、本スキャン時の撮像条件に含まれるパラメータを入力することで、本スキャン画像のＳＮＲを導出する。

また、導出機能２１６は、取得機能２１２によって複数の本スキャン画像が取得された場合、それら複数の本スキャン画像のうち、ＲＦパルスあり画像と、ＲＦパルスなし画像との画素値の差分に基づいて、本スキャン画像のＳＮＲを導出してもよい。ＲＦパルスあり画像は、傾斜磁場コイル１０が傾斜磁場を発生させた状態で、送信コイル１０６からＲＦパルスが送信されたときに得られた本スキャン画像である。ＲＦパルスなし画像は、傾斜磁場コイル１０が傾斜磁場を発生させた状態で、送信コイル１０６からＲＦパルスが送信されなかったときに得られた本スキャン画像である。

また、導出機能２１６は、取得機能２１２によって複数の本スキャン画像が取得された場合、それら複数の本スキャン画像のうち、同じ被検体ＯＢ_Ａに向けてＲＦパルスが送信されたときに得られた２つ以上のＲＦパルスあり画像の画素値の差分に基づいて、本スキャン画像のＳＮＲを導出してもよい。この際、導出機能２１６は、中心スライスに近い２つのＲＦパルスあり画像の画素値の差分に基づいて、本スキャン画像のＳＮＲを導出してよい。例えば、本スキャンがスキャンを１０回繰り返すシーケンスである場合、中心スライスは、５回目または６回目のスキャンによって得られる画像である。

このように、被検体ＯＢが同じであるという条件の下、複数回にわたってスキャンを行って得られた２つの原画像の差分をとることによって、磁気共鳴信号成分を互いにキャンセルし、受信系の熱雑音に起因したランダムノイズ成分を基にしてＳＮＲを求めることができる。

次に、デノイズ機能２１８は、導出機能２１６によって導出された本スキャン画像のＳＮＲに応じて、内部パラメータＧを決定する（ステップＳ１１０）。

次に、デノイズ機能２１８は、内部パラメータＧを決定したデノイズモデルＭＤＬを利用して、取得機能２１２によって取得された本スキャン画像からノイズを除去して、デノイズ画像を生成する（ステップＳ１１２）。

次に、混合画像生成機能２２０は、ブレンド率マップ２３２に基づいて、ＳＮＲを求めた本スキャン画像と、その本スキャン画像からノイズが除去されたデノイズ画像とを混合した混合画像を生成する（ステップＳ１１４）。

例えば、十分に学習されたデノイズモデルＭＤＬを利用して原画像からノイズを除去した場合であっても、ＲＦコイルの感度分布やｇ因子の分布によっては、ノイズの不均一な分布の影響で、腫瘍や臓器などの所望の構造物がノイズとして除去されてしまう可能性がある。したがって、ノイズ強度に応じて、構造物が除去されていない原画像の混合度合いを高めることにより、診断の精度を向上させることができる。

次に、出力制御機能２２２は、通信インターフェース２０２を制御して、混合画像生成機能２２０により生成された混合画像をＭＲＩ装置１００などに送信する（ステップＳ１１６）。これを受けて、ＭＲＩ装置１００の表示制御機能１３８は、ディスプレイ１２６に混合画像を表示させる。これによって本フローチャートの処理が終了する。

以上説明した第１実施形態によれば、処理回路２１０が、磁気共鳴信号を受信した受信コイル１０８の受信結果に基づいて生成された医用画像を取得し、その医用画像にデノイズ処理を行う。処理回路２１０は、受信コイル１０８の受信特性であるコイル感度マップＳＭまたはｇ因子マップＧＭの少なくとも一方に基づいて、デノイズ処理が行われる前の医用画像と、デノイズ処理が行われたデノイズ画像との混合率を決定する。そして、処理回路２１０は、決定した混合率に応じて、デノイズ処理が行われる前の医用画像と、デノイズ処理が行われたデノイズ画像とを混合させて混合画像を生成する。これによって、より診断精度を向上させることが可能な医用画像を生成することができる。

例えば、デノイズ処理によって原画像から病変などの所望の構造物が除去されてしまっても、原画像が混合率αの割合で含まれる混合画像上では、所望の構造物が残っているため、診断精度を向上させることができる。

また、上述した第１実施形態によれば、画像空間上の各位置に応じて混合率αが異なるブレンド率マップ２３２に基づいて、原画像とデノイズ画像とを混合するため、局所的に増幅されたノイズを足し合わせてしまうことを抑制することができる。例えば、コイル感度マップＳＭを用いたブレンド率マップ２３２では、コイルの感度が高い位置では混合率αが小さくなり、コイルの感度が低い位置では混合率αが大きくなる。そのため、混合画像を生成する際に、コイルの感度が低くなりやすい画像の領域については原画像の割合を大きくすることができる。一方、コイルの感度が高くなりやすい画像の領域については原画像の割合を小さくすることができる。この結果、ノイズ分布が空間的に均一であるという前提のもと原画像のすべての画素に対して一様の混合率αを乗算する場合と比べて、ノイズを低減しつつ所望の構造物を残した医用画像を生成することができる。

また、上述した第１実施形態によれば、ＭＲＩ装置１００を介して混合画像をユーザに提供することができるため、より高画質な医用画像を得ることができる撮像条件に変更して再スキャンするようにユーザに促すことができる。例えば、コイルの感度やｇ因子に依らずに原画像のＳＮＲが低く、原画像が低画質であるような場合に、混合画像も低画質となる。そのため、原画像上で既に所望の構造物が描出されておらず、診断精度が低下する蓋然性が高いということをユーザに認識させることができる。この結果、ユーザに、撮像条件を変えて再スキャンするように促すことができる。

（第１実施形態の変形例）
以下、第１実施形態の変形例について説明する。上述した第１実施形態では、ＭＲＩ装置１００と医用画像処理装置２００とが互いに異なる装置であるものとして説明したがこれに限られない。例えば、医用画像処理装置２００は、ＭＲＩ装置１００のコンソール装置１２０の一機能によって実現されてもよい。すなわち、医用画像処理装置２００は、ＭＲＩ装置１００のコンソール装置１２０によって仮想的に実現される仮想マシンであってもよい。

図１１は、第１実施形態に係るＭＲＩ装置１００の他の例を示す図である。図１１に示すように、コンソール装置１２０の処理回路１３０は、上述した取得機能１３２と、生成機能１３４と、通信制御機能１３６と、表示制御機能１３８に加えて、取得機能２１２と、マップ生成機能２１４と、導出機能２１６と、デノイズ機能２１８と、混合画像生成機能２２０と、学習機能２２４とを実行してよい。

また、コンソール装置１２０のメモリ１５０には、ブレンド率マップ２３２と、デノイズモデル情報２３４とが格納されてよい。

このような構成によって、ＭＲＩ装置１００単体で、診断精度を向上させることが可能な医用画像を生成することができる。

また、上述した第１実施形態では、処理回路２１０が、ＭＲＩ装置１００から取得した医用画像（原画像）に対してデノイズ処理を行うものとして説明したがこれに限られない。例えば、処理回路２１０は、ＭＲＩ装置１００から受信した再構成前の各種データ（例えば、磁気共鳴信号や、その磁気共鳴信号に対応するｋ空間データなど）に対してデノイズ処理を行ってもよい。この場合、磁気共鳴信号やｋ空間データは、「ＲＦコイルの受信結果に基づいて生成されたデータ」の他の例である。

（第２実施形態）
以下、第２実施形態について説明する。上述した第１実施形態では、処理回路２１０が、コイル感度マップＳＭやｇ因子マップＧＭに基づいて、デノイズ処理が行われる前の原画像と、デノイズ処理が行われたデノイズ画像とを混合させる際の混合率を決定するものとして説明した。これに対して、第２実施形態では、処理回路２１０が、ｇ因子マップＧＭに基づいて、デノイズ処理の強度を決定する点で上述した第１実施形態と相違する。以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する点については説明を省略する。なお、第２実施形態の説明において、第１実施形態と同じ部分については同一符号を付して説明する。

第２実施形態に係るデノイズ機能２１８は、マップ生成機能２１４によってｇ因子マップＧＭが生成されると、そのｇ因子マップＧＭに基づいて、デノイズ処理の強度を決定する。デノイズ処理の強度とは、画像信号の強度がどの程度であれば原画像からノイズとして除去するのか、ということを表した指標である。デノイズ機能２１８は、「決定部」の他の例である。

例えば、デノイズ機能２１８は、数式（４）に従って、Ｓｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数やＨａｒｄ‐Ｓｈｒｉｎｋａｇｅ関数といった活性化関数の閾値Ｔを調整することで、デノイズ処理の強度を決定する。

パラメータＧは、熱雑音のようなノイズが空間的に均一であることを前提として決められている。つまり、パラメータＧはピクセルごとに変動しない。一方、パラレルイメージングでは、画像の折り返し（画像の重なり）が生じ得るため、画像が折り返された画像領域ではノイズも重複し得る。従って、第２実施形態では、学習によって決定される重み係数βと、ノイズレベルに応じて変動するパラメータＧとの積に対して、画像上のピクセル位置に応じて変動する重み係数ｗ（ｐ）を乗算することで、ピクセル位置に応じて閾値Ｔを変動させる。重み係数βは「第１パラメータ」の一例であり、パラメータＧは「第２パラメータ」の一例である。

重み係数ｗ（ｐ）は、上述したｇ因子マップＧＭであってよい。つまり、重み係数ｗ（ｐ）は、ｇ因子を係数とした係数集合であってよい。また、重み係数ｗ（ｐ）は、ｇ因子に任意の重み係数を乗算したり、バイアス成分を加算したりした値であってもよい。

重み係数βを事前に学習する際には、重み係数ｗ（ｐ）は、ピクセル位置に依らず、画像上で均一としてよい。言い換えれば、重み係数βは、画像のノイズが空間的に均一であることを条件にして学習される。このように、学習時には、重み係数ｗ（ｐ）を均一としながら重み係数βを決定し、推論時には、撮像条件に応じて変化し得るｇ因子マップＧＭを基に重み係数ｗ（ｐ）をピクセル位置に応じて変動させることで、パラレルイメージングによってノイズが足し合わされた画像領域に対して閾値Ｔを適切に設定することができる。この結果、空間的に不均一なノイズ分布を持つ画像から、不均一なノイズを除去したり、混合率に応じてデノイズ画像に足し戻す原画像のノイズ量を均一に近づけたりすることができる。

以上説明した第２実施形態によれば、処理回路２１０が、ＲＦコイルが受信した信号に基づいて生成されたデータ（例えば、医用画像やｋ空間データなど）と、ｇ因子マップＧＭとを取得する。処理回路２１０は、取得したｇ因子マップＧＭに基づいて、デノイズ処理の強度を決定する。そして、処理回路２１０は、決定したデノイズ処理の強度に応じて、取得したデータに対してデノイズ処理を行う。これによって、空間的に不均一なノイズ分布を持つ画像から、不均一なノイズを除去したり、混合率に応じてデノイズ画像に足し戻す原画像のノイズ量を均一に近づけたりすることができる。

なお、上述した第２実施形態では、ｇ因子マップＧＭを基にＳｏｆｔ‐Ｓｈｒｉｎｋａｇｅ関数やＨａｒｄ‐Ｓｈｒｉｎｋａｇｅ関数といった活性化関数の閾値Ｔを調整することで、デノイズ処理の強度を決定するものとして説明したがこれに限られない。例えば、画像のノイズ量に応じてデノイズするような他の技術（例えばＢＭ３Ｄ（Block. Matching and 3D Collaborative Filtering）など）に対しても、ｇ因子マップＧＭを基にデノイズ処理の強度を決定するという技術を適用してもよい。

また、上述した第１実施形態と同様に、処理回路２１０は、ＭＲＩ装置１００から受信した再構成前の各種データに対してデノイズ処理を行ってもよい。

この場合、まず、取得機能２１２は、通信インターフェース２０２を介して、ＭＲＩ装置１００から、プリスキャンによって得られた医用画像をリファレンス画像として取得する。

次に、マップ生成機能２１４は、取得機能２１２によって取得されたリファレンス画像から、ｇ因子マップＧＭを生成する。

次に、取得機能２１２は、通信インターフェース２０２を介して、ＭＲＩ装置１００から、本スキャンによって得られた各種データ（例えば医用画像や磁気共鳴信号、ｋ空間データなど）を取得する。

次に、導出機能２１６は、取得機能２１２によって取得されデータのＳＮＲを導出する。

次に、デノイズ機能２１８は、デノイズモデルＭＤＬの活性関数の閾値Ｔを決定する。具体的には、デノイズ機能２１８は、導出機能２１６によって導出されたＳＮＲに応じて、内部パラメータＧを決定するとともに、マップ生成機能２１４によって生成されたｇ因子マップＧＭを基に、重み係数ｗ（ｐ）を決定する。これによって、閾値Ｔが決定される。

次に、デノイズ機能２１８は、活性関数の閾値Ｔを決定したデノイズモデルＭＤＬを利用して、取得機能２１２によって取得されたデータからノイズを除去して、デノイズ画像を生成する。デノイズ処理の対象が磁気共鳴信号やｋ空間データである場合、デノイズ機能２１８は、デノイズ処理を行った磁気共鳴信号やｋ空間データから医用画像を再構成によって生成してよい。

次に、混合画像生成機能２２０は、ブレンド率マップ２３２に基づいて、デノイズ処理が行われる前のデータに基づく医用画像と、デノイズ処理が行われた後のデータに基づく医用画像とを混合した混合画像を生成してよい。

例えば、デノイズ処理の対象が磁気共鳴信号やｋ空間データであった場合、「デノイズ処理が行われる前のデータに基づく医用画像」は、未だデノイズ処理を行っていない磁気共鳴信号やｋ空間データから再構成によって生成された医用画像である。同様に、デノイズ処理の対象が磁気共鳴信号やｋ空間データであった場合、「デノイズ処理が行われた後のデータに基づく医用画像」は、既にデノイズ処理を行った磁気共鳴信号やｋ空間データから再構成によって生成された医用画像である。

一方、デノイズ処理の対象が医用画像であった場合、「デノイズ処理が行われる前のデータに基づく医用画像」は、未だデノイズ処理を行っていない医用画像である。同様に、デノイズ処理の対象が医用画像であった場合、「デノイズ処理が行われた後のデータに基づく医用画像」は、既にデノイズ処理を行った医用画像である。つまり、「データに基づく医用画像」は、「医用画像」と読み替えてよい。

次に、出力制御機能２２２は、通信インターフェース２０２を制御して、混合画像生成機能２２０により生成された混合画像をＭＲＩ装置１００などに送信する。これを受けて、ＭＲＩ装置１００の表示制御機能１３８は、ディスプレイ１２６に混合画像を表示させる。

なお、出力制御機能２２２は、通信インターフェース２０２を制御して、デノイズ機能２１８によって生成されたデノイズ画像をＭＲＩ装置１００などに送信してもよい。

上記説明したいずれかの実施形態は、以下のように表現することができる。
プログラムを格納するストレージと、
プロセッサと、を備え、
前記プロセッサは、前記プログラムを実行することにより、
被検体に高周波磁場を印加して得られるＭＲ信号を受信するＲＦコイルの受信結果に基づいて生成された医用画像を取得し、
前記医用画像にデノイズ処理を行い、
前記デノイズ処理が行われる前の第１の医用画像と、前記デノイズ処理が行われた後の第２の医用画像とを混合させて混合画像を生成し、
前記ＲＦコイルの受信特性に基づいて、前記第１の医用画像と前記第２の医用画像との混合率を決定する、
ように構成されている医用画像処理装置。

以上説明した少なくともひとつの実施形態によれば、処理回路２１０が、磁気共鳴信号を受信した受信コイル１０８の受信結果に基づいて生成された医用画像を取得し、その医用画像にデノイズ処理を行う。処理回路２１０は、受信コイル１０８の受信特性であるコイル感度マップＳＭまたはｇ因子マップＧＭの少なくとも一方に基づいて、デノイズ処理が行われる前の医用画像と、デノイズ処理が行われたデノイズ画像との混合率を決定する。そして、処理回路２１０は、決定した混合率に応じて、デノイズ処理が行われる前の医用画像と、デノイズ処理が行われたデノイズ画像とを混合させて混合画像を生成する。これによって、より診断精度を向上させることが可能な医用画像を生成することができる。

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。

１…医用画像処理システム、１００…ＭＲＩ装置、１０１…静磁場磁石、１０２…傾斜磁場コイル、１０４…寝台、１０５…寝台制御回路、１０６…送信コイル、１０７…送信回路、１０８…受信コイル、１０９…受信回路、１１０…シーケンス制御回路、１２０…コンソール装置、２００…医用画像処理装置、２０２…通信インターフェース、２０４…入力インターフェース、２０６…ディスプレイ、２１０…処理回路、２１２…取得機能、２１４…マップ生成機能、２１６…導出機能、２１８…デノイズ機能、２２０…混合画像生成機能、２２２…出力制御機能、２２４…学習機能、２３０…メモリ

Claims (15)

1. ＲＦコイルの受信結果に基づいて生成された第１のデータ、および前記第１のデータにおけるＳＮＲ（Signal to Noise Ratio）に寄与する前記ＲＦコイルの受信特性に関する情報を取得する取得部と、
   前記第１のデータにデノイズ処理を行って第２のデータを求めるノイズ処理部と、
   前記第１のデータに対応する第１の医用画像と前記第２のデータに対応する第２の医用画像との混合率、および、前記第２のデータを得るために前記第１のデータに対して行われる前記デノイズ処理の強度のうち少なくとも一方を前記ＲＦコイルの受信特性に基づいて決定する決定部と、
   を備える医用情報処理装置。
2. 前記ＲＦコイルの受信特性に関する情報には、ｇ因子マップが含まれる、
   請求項１に記載の医用情報処理装置。
3. 前記ＲＦコイルの受信特性に関する情報には、受信感度マップが含まれる、
   請求項１または２に記載の医用情報処理装置。
4. 前記決定部により決定された前記混合率に応じて、前記第１の医用画像と前記第２の医用画像とを混合させて混合画像を生成する生成部を更に備える、
   請求項１から３のうちいずれか一項に記載の医用情報処理装置。
5. 前記取得部は、受信感度マップを前記情報として取得し、
   前記生成部は、前記受信感度マップに基づく重み係数を、前記第１の医用画像と、前記第２の医用画像とのそれぞれの画素値に乗算し、前記画素値に前記重み係数を乗算した前記医用画像同士を足し合わせることで、前記混合画像を生成する、
   請求項４に記載の医用情報処理装置。
6. 前記生成部は、前記受信感度マップに基づいて、位置に応じて互いに異なる前記重み係数が前記混合率として対応付けられた第３のマップを生成し、前記第３のマップに基づいて、前記第１の医用画像と、前記第２の医用画像とのそれぞれの画素値に対して、前記重み係数を乗算する、
   請求項５に記載の医用情報処理装置。
7. 前記取得部は、ｇ因子マップを前記情報として取得し、
   前記生成部は、
   前記ｇ因子マップに基づく重み係数を、前記第１の医用画像と、前記第２の医用画像とのそれぞれの画素値に乗算し、
   前記画素値に前記重み係数を乗算した前記医用画像同士を足し合わせることで、前記混合画像を生成する、
   請求項４から６のうちいずれか一項に記載の医用情報処理装置。
8. 前記生成部は、
   前記ｇ因子マップに基づいて、位置に応じて互いに異なる前記重み係数が前記混合率として対応付けられた第３のマップを生成し、
   前記第３のマップに基づいて、前記第１の医用画像と、前記第２の医用画像とのそれぞれの画素値に対して、前記重み係数を乗算する、
   請求項７に記載の医用情報処理装置。
9. ＲＦコイルの受信結果に基づいて生成されたデータ、およびｇ因子マップを取得する取得部と、
   前記データにデノイズ処理を行うノイズ処理部と、
   前記ｇ因子マップに基づいて、前記デノイズ処理の強度を決定する決定部と、
   を備える医用情報処理装置。
10. 前記決定部は、前記ｇ因子マップに基づいて、前記データの信号強度に対する第１閾値と前記第１閾値よりも大きい第２閾値とを決定し、
    前記ノイズ処理部は、前記取得部により取得された前記データの信号強度が、前記第１閾値以上、且つ前記第２閾値以下である場合、前記データをノイズとして除去する、
    請求項９に記載の医用情報処理装置。
11. 前記決定部は、前記データのノイズが空間的に均一であることを条件にして学習された第１パラメータと、前記データのノイズに応じて変動する第２パラメータと、前記ｇ因子マップに含まれるｇ因子とに基づいて、前記第１閾値および前記第２閾値を決定する、
    請求項１０に記載の医用情報処理装置。
12. 前記決定部は、前記第１パラメータと前記第２パラメータとの積に対して、前記ｇ因子を乗算した値に基づいて、前記第１閾値および前記第２閾値を決定する、
    請求項１１に記載の医用情報処理装置。
13. 被検体に高周波磁場を印加して得られるＭＲ信号を受信するＲＦコイルと、
    前記ＲＦコイルの受信結果に基づいて第１のデータを生成する第１生成部と、
    前記第１のデータにデノイズ処理を行って第２のデータを求めるノイズ処理部と、
    前記第１のデータに対応する第１の医用画像と、前記第２のデータに対応する第２の医用画像とを混合させて混合画像を生成する第２生成部と、を備え、
    前記第２生成部は、前記ＲＦコイルの受信特性に基づいて、前記混合画像における前記第１の医用画像と、前記第２の医用画像との混合率を決定する、
    磁気共鳴イメージング装置。
14. 被検体に高周波磁場を印加して得られるＭＲ信号を受信するＲＦコイルと、
    前記ＲＦコイルの受信結果に基づいて第１のデータを生成する生成部と、
    前記第１のデータにデノイズ処理を行って第２のデータを求めるノイズ処理部と、を備え、
    前記ノイズ処理部は、前記第２のデータを得るために前記第１のデータに対して行われる前記デノイズ処理の強度を前記ＲＦコイルの受信特性に基づいて決定する、
    磁気共鳴イメージング装置。
15. コンピュータが、
    ＲＦコイルの受信結果に基づいて生成されたデータ、およびｇ因子マップを取得し、
    前記データにデノイズ処理を行い、
    前記ｇ因子マップに基づいて、前記デノイズ処理の強度を決定する、
    医用情報処理方法。