JP4854438B2 - データ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置 - Google Patents

Description

本発明は、データのノイズ低減（ＳＮＲ（Signal to Noise Ratio）向上）やデータ処理に用いられるＷｉｅｎｅｒ＿Ｆｉｌｔｅｒに係り、特に、データのノイズや劣化特性に依存してデータを最適処理するデータ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置に関する。

磁気共鳴イメージングは、静磁場中に置かれた患者（被検体）の原子核スピンをラーモア周波数の高周波信号で磁気的に励起し、この励起に伴って発生するエコー信号などのＭＲ信号から画像を再構成する手法である。磁気共鳴イメージングにおいては、単位時間当たりの空間分解能やＳＮＲを向上させることが非常に重要である。

また、情報量の尤度最大化原理に基づいて考案されたＷＦ（Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒ）があり、このＷＦは、フーリエ空間（ｋ空間又は周波数空間とも呼ばれる）において定義されるデータのＳＮＲ最適化型のフィルタである。信号パワーをＰｓと、ノイズパワーをＰｎとすると、理想形のＷＦは理論的にはフーリエ空間で定義され、まずノイズの修復処理のみを目的としたＷＦ（特に、「ＷＳＦ（Ｗｉｅｎｅｒ＿Ｓｍｏｏｔｈｉｎｇ＿Ｆｉｌｔｅｒ）」と称する）は、次の式（１）のように表される。

又は、ＳＮＲを次の式（２）のように定義すると、ＷＦは、式（１）及び（２）によって、次の式（３）のように表される。

式（３）は、多種多様な仮定のもとに定義されるもので、なかでも重要な点は、Ｐｓはノイズを含まない信号パワーでなければならないことである。さらに、ノイズのみでなく、ボケ等の劣化の修復処理を含めた一般式は、フィルタ空間での劣化特性をＨと、複素共役を＊とすると、次の式（４）のように表される。

しかしながら実際のＷＦの適用においては、ＨやＰｎが既知の場合や測定可能な場合は、それらの値がＨやＰｎとして使用される。一方、一般にノイズを含まない理想的な信号パワー（ｉｄｅａｌ＿Ｐｓ）はわからないので、ｉｄｅａｌ＿ＰｓをＰｓとして適用できない。そこで、実データから測定し、ノイズに汚染された信号パワー（Ｐｓ_ｄ）を理想的なＰｓとして近似的にＷＦを求めている。

加えて、ＷＦは本来、フーリエ空間で考えられたものであるが、周波数空間のみならず、高周波成分の劣化が少ないとされるＦｒｅｓｎｅｌ空間を帯域分割したＦＲＥＢＡＳ（Fresnel transform Band Splitting）空間等へも適用されている。

なお、本願に関連する公知文献の例を、以下の非特許文献１乃至４に示す。
Jain AK. Fundamental Digital Image Processing. Presence Hall Information and System Science Series. p276-283 伊藤聡志、山田芳文 フレネル空間の複式解法を利用したＭＲ映像のＳＮＲ改善法 Med Imag Tech 19(5), 355-369 (2001) 伊藤聡志、鈴木藤孝、山田芳文 フレネル変換信号の帯域分割効果を用いたＭＲＩ画像の反復的ＳＮＲ改善法 Vol.20, No.3, 212-216 (2002) 川田聡、南茂夫 科学計測のための画像データ処理 ＣＱ出版社、東京、1994

しかしながら、理想的なＰｓを用いた場合に比べ従来技術では、「空間周波数を保存しつつノイズを低減する」というＳＮＲ向上に関する性能が大きく劣っている。さらに、ＳＮＲが小さいデータほど画質（フィルタ効果）の劣化が顕著になる。よって、ＷＦの実際の適用においては、ノイズを含む処理対象データであるＰｓ_ｄを基に、いかにノイズを含まない理想のＰｓを推定するかが課題となっている。

理想形のＷＦにおけるＳＮＲに対するゲインの特性を図３７に示す。ＳＮＲ（＝Ｐｓ／Ｐｎ）が大きい、すなわちＰｓ＞＞Ｐｎが十分なりたつ部分ではほぼＷＦ≒１であり、あまり影響を与えない。一方、ＰｓがＰｎに近い部分では、ＷＦは０に近づきゲインを低下させることで極力高周波成分を保存しつつ信号パワーとノイズパワーの大きさに応じて最適にノイズを低減させるという性質を有している。

したがって、図３８（Ｐｓ_ｄが１ｓｃａｎのみの場合）に示すように、通常、データの高周波成分ほどゲインが低下するためＰｓがＰｎに近くなり、ＷＦでは低周波成分に比べ高周波成分の変動が特性に影響を受け易い。

本発明は、上述した事情を考慮してなされたもので、Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒによってデータ処理を適切に行なえるデータ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置を提供することを目的とする。

本発明に係るデータ処理装置は、上述した課題を解決するために、処理対象データと類似で、かつ、ＳＮＲ（Signal to Noise Ratio）が相対的に大きな別のデータである基準データを用いて信号パワーを推定する信号パワー推定手段と、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データを処理するデータ処理手段とを有する。

本発明に係るデータ処理方法は、上述した課題を解決するために、処理対象データと類似で、かつ、ＳＮＲが相対的に大きな別のデータである基準データを用いて信号パワーが推定される信号パワー推定工程と、前記信号パワー推定工程で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データが処理されるデータ処理工程とを有する。

本発明に係る医用画像診断装置は、上述した課題を解決するために、処理対象データと類似で、かつ、ＳＮＲが相対的に大きな別のデータである基準データを用いて信号パワーを推定する信号パワー推定手段と、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データを処理するデータ処理手段と、前記データ処理手段で処理した処理対象データを１組毎に２次元又は３次元のフーリエ変換又はＦＲＥＢＡＳ変換に付して実空間の画像に再構成する画像再構成手段と、前記画像再構成手段で再構成した画像の合成処理や差分演算処理を行なう合成・差分演算処理手段とを有する。

本発明に係る磁気共鳴イメージング装置は、上述した課題を解決するために、静磁場中の被検体に対して傾斜磁場及び高周波パルスを印加することで磁気共鳴信号を発生させる撮影部と、前記磁気共鳴信号を検出するための高周波コイルと、前記高周波コイルにより検出された磁気共鳴信号を周波数帯域空間に配置する収集手段と、前記収集手段により前記周波数帯域分割空間に配置されたデータを再構成して複数枚の画像を生成する画像生成手段と、前記周波数帯域分割空間においてＳＮＲが高い帯域ほどゲインを大きくする一方、前記ＳＮＲが低い帯域ほどゲインを小さくするものであって、前記複数枚の画像のうち処理対象画像と類似で、かつ、ＳＮＲが相対的に大きな別の画像を生成した周波数帯域分割空間におけるデータの信号パワーを、前記処理対象画像の周波数帯域分割空間における信号パワーに適用するフィルタと、を備えた。

本発明に係るデータ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置においては、Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒによってデータ処理を適切に行なえる。

本発明に係るデータ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置の実施の形態について、添付図面を参照して説明する。

図１は、本発明に係るデータ処理装置、医用画像診断装置及び磁気共鳴イメージング装置の実施の形態を示す概略図である。

図１は、患者（被検体）の部位を撮影して医用画像を生成する医用画像診断装置、例えば磁気共鳴イメージング（ＭＲＩ；Magnetic Resonance Imaging）装置１０を示す。なお、医用画像診断装置はＭＲＩ装置１０に限定されるものではなく、医用画像を生成する他の医用画像診断装置、例えば、Ｘ線ＣＴ（Computerized Tomography）装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置、ＰＥＴ（Positron Emission Tomography）装置、ＰＥＴ−ＣＴ装置及び超音波診断装置等であってもよい。

ＭＲＩ装置１０には、患者Ｐを載置する寝台部と、静磁場を発生させる静磁場発生部と、静磁場に位置情報を付加するための傾斜磁場発生部と、高周波信号を送受信する送受信部と、システム全体のコントロール及び画像再構成を担う制御・演算部と、患者Ｐの心時相を表す信号としてのＥＣＧ（Electrocardiograph）信号を計測する心電計測部とが設けられる。

静磁場発生部には、例えば超電導方式の磁石１１と、この磁石１１に電流を供給する静磁場電源１２とが備えられ、これらによって、患者Ｐが遊挿される円筒状の開口部（診断用空間）の軸方向（Ｚ軸方向）に静磁場Ｈ_０を発生させる。なお、この磁石部にはシムコイル２４が設けられている。このシムコイル２４には、後述するコンピュータシステム１６の制御下で、シムコイル電源２５から静磁場均一化のための電流が供給される。寝台部は、患者Ｐを載せた天板を磁石１１の開口部に退避可能に挿入できる。

傾斜磁場発生部には、磁石１１に組み込まれた傾斜磁場コイルユニット１３が備えられる。この傾斜磁場コイルユニット１３は、互いに直交するＸ軸方向、Ｙ軸方向及びＺ軸方向の傾斜磁場を発生させるための３組（種類）のｘコイル１３ｘ、ｙコイル１３ｙ及びｚコイル１３ｚを備える。また、傾斜磁場発生部には、ｘコイル１３ｘ、ｙコイル１３ｙ及びｚコイル１３ｚに電流を供給する傾斜磁場電源１４が備えられる。この傾斜磁場電源１４は、後述するシーケンサ１５の制御のもとで、ｘコイル１３ｘ、ｙコイル１３ｙ及びｚコイル１３ｚに傾斜磁場を発生させるためのパルス電流を供給する。

傾斜磁場電源１４からｘコイル１３ｘ、ｙコイル１３ｙ及びｚコイル１３ｚに供給されるパルス電流を制御することにより、物理軸である３軸（Ｘ軸，Ｙ軸，Ｚ軸）方向の傾斜磁場を合成して、互いに直交するスライス方向傾斜磁場Ｇ_Ｓ、位相エンコード方向傾斜磁場Ｇ_Ｅ及び読出し方向（周波数エンコード方向）傾斜磁場Ｇ_Ｒから成る論理軸方向を任意に設定・変更することができる。スライス（ＳＥ：Slice Encoding）方向、位相エンコード（ＰＥ：Phase Encoding）方向及び読出し（ＲＯ：Readout）方向の各傾斜磁場は静磁場Ｈ_０に重畳される。

送受信部には、磁石１１内の撮影空間にて患者Ｐの近傍に配設されるＲＦコイル１７と、このＲＦコイル１７に接続された送信器１８Ｔ及び受信器１８Ｒとが備えられる。この送信器１８Ｔ及び受信器１８Ｒは、後述するシーケンサ１５の制御のもとで動作する。この動作により、送信器１８Ｔは、核磁気共鳴（ＮＭＲ）を励起させるためのラーモア周波数のＲＦ電流パルスをＲＦコイル１７に供給する。受信器１８Ｒは、ＲＦコイル１７が受信したＭＲ信号（高周波信号）を受信し、これに前置増幅、中間周波変換、位相検波、低周波増幅及びフィルタリング等の各種の信号処理を施した後、Ａ／Ｄ変換してＭＲ信号のデジタル量のエコーデータ（原データ又は生データとも呼ばれる）を生成する。

さらに、制御・演算部には、シーケンサ（シーケンスコントローラとも呼ばれる）１５、コンピュータシステム１６、表示器２２、入力器２３及び音声発生器２６が備えられる。この内、コンピュータシステム１６は、シーケンサ１５にパルスシーケンス情報を指令すると共に、ＭＲＩ装置１０全体の動作を統括する機能を有する。なお、制御・演算部には、記録媒体２７ａを脱着可能とするドライブ２７が備えられてもよい。

シーケンサ１５は、図示しないＣＰＵ及びメモリを備えており、コンピュータシステム１６から送られてきたパルスシーケンス情報を記憶し、この情報にしたがって傾斜磁場電源１４、送信器１８Ｔ及び受信器１８Ｒの動作を制御すると共に、受信器１８Ｒが出力したＭＲ信号のエコーデータを一旦入力し、このエコーデータをコンピュータシステム１６に転送するように構成されている。ここで、パルスシーケンス情報とは、一連のパルスシーケンスに従って傾斜磁場電源１４、送信器１８Ｔ及び受信器１８Ｒを動作させるために必要な全ての情報であり、例えばｘコイル１３ｘ、ｙコイル１３ｙ及びｚコイル１３ｚに印加するパルス電流の強度、印加時間及び印加タイミング等に関する情報を含む。

図２は、コンピュータシステム１６のハードウェア構成を示すブロック図である。

図２に示すようにコンピュータシステム１６は、ＣＰＵ（Central Processing Unit）４１、メモリ４２、ＨＤ（Hard Disc）４４等のハードウェアで構成され、ＣＰＵ４１は、共通信号伝送路としてのバスＢを介して、コンピュータシステム１６を構成する各ハードウェア構成要素に相互接続されている。

ＣＰＵ４１は、コンピュータシステム１６全体を制御する制御部であり、ＨＤ４４に記憶しているプログラム、又はドライブ２７に装着された記録媒体２７ａから読み出されてＨＤ４４にインストールされたプログラムを、メモリ４２にロードして実行する。

メモリ４２は、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等の要素を兼ね備え、ＩＰＬ（Initial Program Loading）、ＢＩＯＳ（Basic Input/Output System）及びデータを記憶したり、ＣＰＵ４１のワークメモリやデータの一時的な記憶に用いたりする記憶装置である。

ＨＤ４４は、不揮発性の半導体メモリ等によって構成される。ＨＤ４４は、コンピュータシステム１６にインストールされたプログラム（アプリケーションプログラムの他、ＯＳ等も含まれる）、シーケンサ１５から転送されたＭＲ信号のエコーデータ、及び、再構成画像等のデータを記憶する記憶装置である。

図３は、ＨＤ４４等の記憶装置に記憶したプログラムを実行することによるコンピュータシステム１６の機能を示す機能ブロック図である。

コンピュータシステム１６は、ＣＰＵ４１（図２に示す）によってプログラムが読み込まれて実行されることによって、データ収集手段５１、データ配置手段５２、信号パワー推定手段５３、データ処理手段５５、画像再構成手段５６、合成・差分演算処理手段５７、画像記録手段５８及び表示制御手段５９として機能し、コンピュータシステム１６は、データ処理装置として機能する。

データ収集手段５１は、スキャンの実行によりシーケンサ１５から転送されたエコーデータを収集する機能を有する。

データ配置手段５２は、データ収集手段５１で収集したエコーデータを、ＨＤ４４（図２に示す）内のフーリエ空間（ｋ空間又は周波数空間とも呼ばれる）に配置する機能を有する。

信号パワー推定手段５３は、フーリエ空間に配置された処理対象データとは異なるデータを用いて信号パワー（Ｐｓ）を推定する機能を有する。

データ処理手段５５は、信号パワー推定手段５３で推定したＰｓを基にしたＷＦによって、フーリエ空間に配置された処理対象データを処理する機能を有する。

画像再構成手段５６は、データ処理手段５５で処理した処理対象データを１組毎に２次元又は３次元のフーリエ変換に付して実空間の画像に再構成する機能を有する。

合成・差分演算処理手段５７は、画像再構成手段５６で再構成した画像の合成処理や差分演算処理を行なう機能を有する。合成処理には、画素毎に加算する処理、最大値投影（ＭＩＰ；Maximum Intensity Projection）処理等が含まれる。また、合成処理の別の例として、フーリエ空間上で複数フレームの軸の整合をとって原データのまま１フレームの原データに合成するようにしてもよい。なお、加算処理には、単純加算処理、加算平均処理及び重み付け加算処理等が含まれる。

画像記録手段５８は、再構成された画像のみならず、上述の合成処理や差分演算処理が施された画像をＨＤ４４（図２に示す）に記録する機能を有する。

表示制御手段５９は、合成・差分演算処理手段５７で画像処理が施された画像を表示器２２に与えて、表示器２２にＭＲＩ画像として表示させる機能を有する。

また、図１に示した表示器２２は、例えば再構成画像を表示するのに使用される。また入力器２３を介して、術者が希望するパラメータ情報、スキャン条件、パルスシーケンス、画像合成や差分の演算に関する情報などをコンピュータシステム１６に入力できる。

音声発生器２６は、コンピュータシステム１６から指令があった場合に、患者Ｐに対して、息止め開始及び息止め終了のメッセージを音声として発することができる。

ドライブ２７は、ＦＤ（Flexible Disk）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＭＯ（Magneto Optical）ディスク、ＤＶＤ（Digital Versatile Disc）、磁気ディスク及び半導体メモリ等の可搬型の記録媒体（メディア）２７ａの着脱が可能となっている。記録媒体２７ａに記録されたデータ（プログラムを含む）を読み出して、コンピュータシステム１６に出力し、また、コンピュータシステム１６から供給されるデータを記録媒体２７ａに書き込む。ここで、ＣＰＵ４１が実行するプログラムは、記録媒体２７ａに、一時的あるいは永続的に格納（記録）しておくことができる。このような記録媒体２７ａは、いわゆるパッケージソフトウエアとして提供することができる。

さらに、心電計測部には、患者Ｐの体表に付着させてＥＣＧ（心電図）信号を電気信号として検出するＥＣＧセンサ２７と、このセンサ信号にデジタル化処理を含む各種の処理を施してコンピュータシステム１６及びシーケンサ１５に出力するＥＣＧユニット２８とが備えられる。これにより、心電同期法によるデータ収集が可能になっている。ＥＣＧセンサ２７及びＥＣＧユニット２８は、心時相を表す情報を検出する手段として機能する。

続いて、本発明に係るデータ処理方法について、図４に示すフローチャートを用いて説明する。

寝台部に患者Ｐが載置されると共に、静磁場電源１２から磁石１１に電流が供給されて、磁石１１内部に静磁場が形成される。また、シムコイル電源２５からシムコイル２４に電流が供給されて撮影領域に形成された静磁場が均一化される。

入力器２３からコンピュータシステム１６にシーケンスの選択情報と共に動作指令が与えられる。このため、コンピュータシステム１６はパルスシーケンスをシーケンサ１５に与える。シーケンサ１５は、コンピュータシステム１６から受けたパルスシーケンスに従って傾斜磁場電源１４、送信器１８Ｔ及び受信器１８Ｒを駆動させることにより撮影領域にＸ軸傾斜磁場、Ｙ軸傾斜磁場及びＺ軸傾斜磁場を形成させるとともに、ＲＦ信号を発生させる。

この際、傾斜磁場コイルにより形成されたＸ軸傾斜磁場、Ｙ軸傾斜磁場及びＺ軸傾斜磁場は主として、位相エンコード用の傾斜磁場、読出し用の傾斜磁場、スライスエンコード用の傾斜磁場としてそれぞれ使用される。このため、患者Ｐ内部における原子核のスピンの回転方向に規則性が現れ、スライスエンコード用の傾斜磁場によりＺ軸方向に形成されたスライスにおける二次元的な位置情報であるＸ座標およびＹ座標は、位相エンコード用の傾斜磁場及び読出し用の傾斜磁場によりそれぞれ患者Ｐ内部における原子核のスピンの位相変化量および周波数変化量に変換される。

そして、送信器１８Ｔからのパルスシーケンスに応じてＲＦコイル１７にＲＦ信号が与えられる。ＲＦコイル１７から患者Ｐに向かってＲＦ信号が送信される。さらに、患者Ｐの内部においてＲＦ信号の周波数に応じたスライスに含まれる原子核の核磁気共鳴により生じたＮＭＲ信号がＲＦコイル１７で受信されて、そのＮＭＲ信号が受信器１８Ｒに与えられる。

受信器１８Ｒでは、ＲＦコイル１７からのＮＭＲ信号を受けて、前置増幅、中間周波変換、位相検波、低周波増幅及びフィルタリング等の各種信号処理が実行される。さらに、受信器１８Ｒでは、ＮＭＲ信号がＡ／Ｄ変換されることにより、デジタルデータのＮＭＲ信号であるエコーデータが生成される。受信器１８Ｒで生成されたエコーデータはコンピュータシステム１６に転送される。

コンピュータシステム１６のデータ収集手段５１では、スキャンの実行によりシーケンサ１５から転送されたエコーデータが収集される（ステップＳ１）。

次いで、データ配置手段５２では、データ収集手段５１で収集したエコーデータが、ＨＤ４４（図２に示す）等の記憶装置や記録媒体２７ａ内の多重解像度空間、例えばフーリエ空間やＦＲＥＢＡＳ（Fresnel transform Band Splitting）空間全部に配置される（ステップＳ２）。以下、特に言及しない限り、エコーデータがＨＤ４４内のフーリエ空間全部に配置される場合を例にとって説明する。

信号パワー推定手段５３では、フーリエ空間に配置されたエコーデータ（処理対象データ）とは異なるデータを含む基準データを用いて信号パワーが推定される（ステップＳ３）。

データ処理手段５５では、信号パワー推定手段５３で推定した信号パワーを基にしたＷＦによって、フーリエ空間に配置された処理対象データが処理される（ステップＳ４）。

画像再構成手段５６では、データ処理手段５５で処理した処理対象データが１組毎に２次元又は３次元のフーリエ変換に付され実空間の画像に再構成される（ステップＳ５）。

合成・差分演算処理手段５７では、画像再構成手段５６で再構成した画像の合成処理や差分演算処理が行なわれる（ステップＳ６）。合成処理には、画素毎に加算する処理、最大値投影処理等が含まれる。また、上記合成処理の別の例として、フーリエ空間上で複数フレームの軸の整合をとって原データのまま１フレームの原データに合成するようにしてもよい。なお、加算処理には、単純加算処理、加算平均処理及び重み付け加算処理等が含まれる。

画像記録手段５８では、再構成された画像のみならず、上述の合成処理や差分演算処理が施された画像がＨＤ４４等の記憶装置や記録媒体２７ａに記録される（ステップＳ７）。

表示制御手段５９では、合成・差分演算処理手段５７で画像処理が施された画像が表示器２２に与えられ、表示器２２にＭＲＩ画像として表示される（ステップＳ８）。

本発明はデータ処理方法のうち、ステップＳ３による信号パワーの推定方法に特徴をもつが、続けて、信号パワーの推定方法について説明する。

そもそも一般的なＷＦは、情報量の尤度最大化原理に基づいて考案されたものであり、周波数空間において定義されるデータのＳＮＲ最適化型のフィルタである。信号パワーをＰｓと、ノイズパワーをＰｎとすると、ＷＦは理論的にはフーリエ空間で定義され、まずノイズの修復処理のみを目的としたＷＦ（特に、「ＷＳＦ（Ｗｉｅｎｅｒ＿Ｓｍｏｏｔｈｉｎｇ＿Ｆｉｌｔｅｒ）」と称する）は、次の式（５）のように表される。

又は、ＳＮＲを次の式（６）のように定義すると、ＷＦは、式（５）及び（６）によって、次の式（７）のように表される。

式（７）は、多種多様な仮定のもとに定義されるもので、なかでも重要な点は、Ｐｓはノイズを含まない信号パワーでなければならないことである。さらに、ノイズのみでなく、ボケ等の劣化の修復を含めた一般式は、フィルタ空間での劣化特性をＨと、複素共役を＊とすると、次の式（８）のように表される。

しかしながら実際のＷＦの適用においては、ＨやＰｎが既知の場合や測定可能な場合は、それらの値がＨやＰｎとして使用される。一方、一般にノイズを含まない理想的な信号パワー（ｉｄｅａｌ＿Ｐｓ）はわからないので、ｉｄｅａｌ＿ＰｓをＰｓとして適用できない。そこで、実データから測定し、ノイズに汚染された信号パワー（Ｐｓ_ｄ）を理想的なＰｓとして、近似的にＷＦを求めている。

ここで、理想形と区別するために実データから測定した信号パワー、ノイズパワー及びＳＮＲを、各々Ｐｓ_ｄ，Ｐｎ_ｄ及びＳＮＲ_ｄとする。なお、以下ではＨの補正は含めず、ＳＮＲ向上を目的としたＷＳＦをＷＦとして説明するが、Ｈを補正する場合においても同様に拡張できる。

１つの２次元のフーリエ空間のデータでの適用においては、通常、実測の信号パワーＰｓ_ｄは空間周波数の関数Ｐｓ_ｄ（ｋ_ｘ，ｋ_ｙ）である。一方、実測のノイズパワーＰｎ_ｄはフーリエ空間で一定とみなせるので、Ｐｓ_ｄが無視できるノイズ成分が支配的な高周波成分の複数座標の平均から測定される。

ＷＦを求めるために実データを用いたいくつかの変形された方法を挙げる。ノイズパワーの見積もり比率を制御するパラメータをａと、Ｐｓをｍａｘ［０，Ｐｓ_ｄ−ａ_×Ｐｎ］として、２つの形式で表すと、次の式（９）又は式（１０）のように表される。なお、式（９）において、ａ＝１，Ｐｓ_ｄ＞Ｐｎ_ｄとすれば理論式と同じになる。

また、ＳＮＲに対するＷＦの特性を制御するパラメータｂを用いると、次の式（１１）のように表される。さらに一般化して式（１１）を式（１０）に応用して、ＷＦを、次の式（１２）のように表される。なお、式（９）及び（１０）は測定された実データのＰｓ_ｄのうち、ノイズ以下の成分はゼロにする閾値処理を施すことに相当し、パラメータａ及びｂは、ノイズを制御する係数実際の感覚と最小二乗条件が必ずしも合致しないのを調整するために設けられた係数である。

図５及び図６は、式（１２）のＷＦでａ及びｂをパラメータとした場合のＳＮＲに対するゲインの特性をグラフとして示す図である。図５は、式（１２）のＷＦで（ａ，ｂ）＝（１，１），（１，２）及び（１，３）とした場合のＳＮＲに対するゲインの特性を、図６は、式（１２）のＷＦで（ａ，ｂ）＝（１，１），（１，２）及び（１，３）とした場合のＳＮＲに対するゲインの特性をグラフとしてそれぞれ示すものである。

また、図７及び図８は、原データの改善度をグラフとして示す図である。

図７は、処理対象データとは異なるデータを含む基準データを用いて理想的な信号パワーＰｓを推定するｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式の場合における原データの改善度をグラフとして示す。特に、図７は、処理対象データに類似したデータのみを基準データとし、隣接するデータ点を加算平均（平滑化）したＰｓ_ｄをＰｓと推定するｍｅａｎ＿Ｐｓ方式の場合における原データの改善度をグラフとして示す。一方、図８は、処理対象データを基に、隣接するデータ点を加算平均したＰｓ_ｄをＰｓと推定するｓａｍｅ＿Ｐｓ方式の場合における原データの改善度をグラフとして示す。

具体的には、図７は、ｍｅａｎ＿Ｐｓ方式の場合において、Ｐｓ＿ＳＮＲＲ（理想的なＰｓのＳＮＲ／Ｐｓ_ｄのＳＮＲ）を1.0，1.4，2.0，2.5，5.0及び10.0とした場合の、理想データからの誤差の指標である自乗平均誤差（ＲＭＳＥ；Root Mean Square Error）を基にしたＲＭＳＥＲ（フィルタ処理後の各ＲＭＳＥ／フィルタ処理前のＲＭＳＥ）との関係を示す。一方、図８は、ｓａｍｅ＿Ｐｓ方式の場合において、Ｐｓ＿ＳＮＲＲを1.0，1.7，2.2，2.6，3.0，3.6とした場合の、ＲＭＳＥＲとの関係を示す。

また、ｍｅａｎ＿Ｐｓ方式及びｓａｍｅ＿Ｐｓ方式の各々について、一般的なＦＴ空間におけるＷＦ（ＦＴＷＦ；ＦＴ−Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒ）でフィルタ処理する場合と、ＦＲＥＢＡＳ空間におけるＷＦ（ＦＲＷＦ；ＦＲ−Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒ）でフィルタ処理する場合でプロットした。また、ＦＴＷＦ及びＦＲＷＦは、閾値処理を行なうＷ１タイプと、理想形のＷ２タイプとに分けてプロットした。これらの図から、Ｐｓとして用いるデータのＳＮＲ向上が処理対象データのＳＮＲ改善に有効なことがわかる。

図７及び図８によると、ｍｅａｎ＿Ｐｓ方式の場合、ｓａｍｅ＿Ｐｓ方式の場合よりもＲＭＳＥＲが小さく、ＳＮＲの改善度に優れていることが明らかである。また、フィルタをかける空間ではＦＲＷＦの方がＦＴＷＦよりＲＭＳＥＲが小さく、ＳＮＲの改善度に優れていることが明らかである。また、フィルタ基本形はＦＴＷＦ及びＦＲＷＦとも、Ｐｓ_ＳＮＲＲ＜２ならＷ１タイプ、Ｐｓ_ＳＮＲＲ＞２ならＷ２タイプが好適である。

さらに、本発明でＰｓに用いるデータに対するＳＮＲの改善比であるＰｓ_ＳＮＲＲの最適値は、Ｗ１タイプなら２倍（加算回数（ＮＡＱ；Number of Acquisition）で４倍）、Ｗ２タイプなら５倍（ＮＡＱで２５倍）程度で十分であり、それ以上増大させる効果は小さい。なお、本発明では処理対象データ以外に、フィルタ適用空間での分布が類似でかつＳＮＲが相対的に大きな別のデータ（基準データ）を必要とする。しかし、ダイナミックスキャン（ｄｙｎａｍｉｃ＿ｓｃａｎ）のように同一部位を繰り返しスキャンするような場合等の応用では、Ｐｓの推定用に別途、処理対象データに類似するデータを収集する必要はなく、実際の応用によっては極めて有効な方法であるといえる。

また、図９は、理想的な信号パワーＰｓと、ｍｅａｎ＿Ｐｓ方式を用いた実測の信号パワーＰｓ_ｄとの関係をグラフとして示した図である。図９のグラフによると、図３８のグラフと比較してＰｓ_ｄがＰｓに近くなり、もって、ｍｅａｎ＿Ｐｓ方式を用いたＰｓ_ｄがＳＮＲ改善に有効であることが明らかである。

さらに、図１０乃至図１５は、ＭＲＩ画像の改善度を説明するための図である。

図１０は、修復処理なしでノイズを含むデータによるＭＲＩ画像（ＲＭＳＥ＝０．３７８５，ＳＮＲ＝１／６４．９）を示し、図１１は、ノイズを全く含まない理想的なＭＲＩ画像（ＲＭＳＥ＝０，ＳＮＲ＝１／１１．８）を示し、図１２は、ｓａｍｅ＿Ｐｓ方式のＦＲＷＦで修復処理したデータによるＭＲＩ画像（ＲＭＳＥ＝０．２４７７，ＳＮＲ＝１／４０．２）を示し、図１３は、ｉｄｅａｌ＿ＰｓのＦＲＷＦで修復処理したデータによるＭＲＩ画像（ＲＭＳＥ＝０．１３４５，ＳＮＲ＝１／６．７）を示し、図１４は、ｓａｍｅ＿Ｐｓ方式のＦＴＷＦで修復処理したデータによるＭＲＩ画像（ＲＭＳＥ＝０．２６４２，ＳＮＲ＝１／４５．１）を示し、図１５は、ｉｄｅａｌ＿ＰｓのＦＴＷＦで修復処理したデータによるＭＲＩ画像（ＲＭＳＥ＝０．１６９３，ＳＮＲ＝１／２３．１）をそれぞれ示す。

図１３のＭＲＩ画像と図１５のＭＲＩ画像とを比較すると、ＦＲＷＦで修復処理した図１３のＭＲＩ画像の方が画質に優れ、ＳＮＲ改善度に優れていることがわかる。また、図１１のＭＲＩ画像と図１０，図１２，図１３及び図１４のＭＲＩ画像とを比較すると、理想的なＰｓのＦＲＷＦで修復処理した図１３のＭＲＩ画像が最も図１１のＭＲＩ画像に近いことがわかる。

また、本発明は、処理対象データとは異なるデータを含む基準データを用いてＰｓを推定するｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式（例えば、ｍｅａｎ＿Ｐｓ方式）を具体的に実現する方法や応用に関するものである。ｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式を採用する場合、処理対象データとは異なるデータとして、全く同一パラメータのデータを用いるのが理想である。しかし、処理対象データとは別に、処理対象データと異なるＰｓの推定用のデータを取得するのは必ずしも現実的ではない。ＷＦに用いられるＰｓの変動許容範囲に関しては、先に述べた「低周波成分におけるロバスト性」を利用できるので、以下の（１）乃至（７）にその特性を生かした現実的な例を説明する。

（１）ｄｙｎａｍｉｃ＿ｓｔｕｄｙ
ｄｙｎａｍｉｃ＿ｓｔｕｄｙでは時系列的に同じ処理対象データを収集するが、造影剤注入等の所要時点を境に、所要時点前のデータを基準データとして高いＳＮＲで収集する。一方、所要時点以降のデータを処理対象データとして、時間分解能を向上させるためにＳＮＲを低下させて収集する。この場合、所要時点前のデータのみを基準データとし、隣接するデータ点を加算平均したＰｓ_ｄをＰｓと推定すればよい。この場合、Ｐｓ_ｄの時間軸と基準データとの違いが問題になりうるが、適用においてはその差が無視できる程十分に小さい必要がある。なお、造影効果は低周波数に比べ高周波数成分では相対的に大きな周波数の変化にはならない。

ＷＦでも低周波成分は高周波数成分に比べロバストであるので信号の高周波数成分があまり変化しないデータ間であれば使える。この性質を用いた方法（所要時点以降の処理対象データは低周波成分のみ収集し、所要時点前の基準データの高周波成分と合成する）もある。

（１−ａ）基準データのみＳＮＲ増大させ、その基準データを使用する場合
図１６は、ｄｙｎａｍｉｃ＿ｓｔｕｄｙで、所要データのみＳＮＲ増大させ、所要データのみを基準データとして使用する場合の実施例を示す模式図である。ここで、Ｐｓ_ｄ（Ｓ（ｂａｓｅ））は各スキャンの収集時間が同一ならば、造影剤注入前に収集した複数の基準データ群（Ｓ（ｂａｓｅ_ｉ））から、次の式によって加算平均して求められる。又は、ＭＲＩの検査やＲＩの検査ならば始めからＮＡＱを多くし、ＣＴの検査ならば線量を上げたりして基準データ群を収集する。

図１７は、加算平均にて求めた基準データ群と造影剤による濃度変化曲線をグラフとして示す図である。なお、ΔＳ（ｔ_ｊ）＝Ｓ（ｔ_ｊ）−Ｓ（ｂａｓｅ）である。

（１−ｂ）全部加算平均データを使用する場合
ｍｅａｎ＿Ｐｓ方式は、造影剤注入前に収集したデータのみを基準データとし、その基準データのＰｓ_ｄをＰｓと推定する場合に限定されない。ｍｅａｎ＿Ｐｓ方式は、造影剤注入以降に収集した処理対象データも含めて時系列データをすべて加算平均して基準データとし、その基準データのＰｓ_ｄをＰｓと推定する場合であってもよい。必要なら動きや位置ズレのある範囲内の又は補正後のデータを使用する。

（１−ａ）の場合に比べ（１−ｂ）の場合の方が基準データのＰｓ_ｄのＳＮＲは向上するのでＷＦのＳＮＲ改善効果も大きくなる。しかし一方、動きやコントラストの違いが影響を受ける可能性は（１−ａ）の場合の場合より（１−ｂ）の場合の方が多少大きい。

（２）ｆ−ＭＲＩ（functional-MRI）
ｆ−ＭＲＩでは負荷のＯＮ／ＯＦＦを一定周期で繰り返しながら時間的に複数のデータを収集するが、基本的にはｄｙｎａｍｉｃ＿ｓｔｕｄｙの場合と同じであるので基本的には同じ方法が使える。基準データをＮＡＱを多くして収集し、その基準データのＰｓ_ｄを負荷前後の時間軸データに適用してもよい。より実用的にはｆ−ＭＲＩでは負荷前と負荷後で２組のコントラストの異なるデータが収集されるので、Ｐｓ_ｄを、負荷前のデータのみからなる第１の基準データのＰｓ_ｄ［１］と、負荷後のデータのみからなる第２の基準データのＰｓ_ｄ［２］との２種類に分けてもよい。負荷前後の全加算平均を用いる場合に比べ、Ｐｓ_ｄのＳＮＲは１／√２に低減するがコントラストの相違によるＰｓ_ｄの相違は最小化できる。

（３）画像標準化後のデータ間
検査が異なっても同一種類のパラメータデータを使用することが可能となる。理想的なデータとして画像を変形して標準化すればいかなる患者のデータでも標準データを使用可能である。又は、同一患者の過去のデータがあればそれを使用可能であるので理想的なデータの新たな収集が不要となる。

（４）同一患者の異種パラメータ画像間
あるまとまった同一の検査単位で収集する同一患者の異種パラメータ画像のデータを使用することもできる。ＳＮＲがよくなる方のパラメータをＰｓに用いる。ＭＲＩの検査ならばＴ２強調（Ｔ２Ｗ）に対しＴ１強調（Ｔ１Ｗ）が、ＦＬＡＩＲ（Fluid Attenuated Inversion Recovery）に対しＴ２Ｗ等が適用可能である。

（５）造影前後間
造影を行なう場合は、通常は同一の検査単位毎に造影前後で一回ずつ撮像する。この場合のｍｅａｎ＿Ｐｓ方式では、造影前のデータについては、造影前のデータのみを基準データとし、その基準データのＰｓ_ｄをＰｓと推定する一方、造影後のデータについては、造影後のデータに造影前のデータをも加算して基準データとし、その基準データのＰｓ_ｄをＰｓと推定する。２種類が同一ＳＮＲであっても造影後のデータはＰｓ＿ＳＮＲＲ＝ｓｑｒｔ（２）＝１．４倍になり、ＳＮＲが改善される。

（６）時間変化信号
時間的に変化するデジタル化されたデータ（音声や動画）で、静止した時間内のデータを加算平均した基準データのＰｓ_ｄを用いてＰｓを推定し、以降発生するＰｓ分布が類似の処理対象データに対して適用する。又は、時間的に変化に乏しい部分を抽出し、その部分にのみ適用する。特にフーリエ空間でのフィルタリングの場合はフーリエ空間での平行移動は、フーリエ空間で位相の変化であるから信号値の二乗に相当するＰｓの変化はないので多少の動きにはロバストである。ただし、単なるフレーム平均ではＳＮＲが向上するが動きがあるとぶれてしまう。

（７）ＤＴＩ（Diffusion Tensor Imaging）
ここではＤＴＩデータへの適用を示し、各ＭＰＧ（Motion Probing Gradient）軸のデータを平均化することによりランダムノイズの残差を低減する。

図１８は、拡散の非等方性を示す図である。

拡散の大きい長軸方向に神経線維方向が一致している。λ１，λ２及びλ３は大きい順に拡散係数の大きさを示し、Ｖ１，Ｖ２及びＶ３は各々の方向を示す。６つのパラメータをボクセル毎に計算し、非等方性を表すパラメータであるＦＡ（Flip Angle）や，長軸のベクトルＶ１をトラッキングして神経を表すtractography等を画像化する。

図１９乃至図２５は、ＦＲＷＦによる拡散強調画像（ＤＷＩ画像）を示す図である。

ＭＰＧ方向をｂ（ｘ，ｙ，ｚ）としたとき、図１９はｂ０（０，０，０）のＤＷＩ画像を、図２０はｂ１（１，１，０）のＤＷＩ画像を、図２１はｂ２（１，−１，０）のＤＷＩ画像を、図１２２２はｂ３（０，１，１）のＤＷＩ画像を、図２３はｂ４（０，１，−１）のＤＷＩ画像を、図２４はｂ５（１，０，１）のＤＷＩ画像を、図２５はｂ６（−１，０，１）のＤＷＩ画像をそれぞれ示す。

さらに、図２６乃至図２９は、ＦＲＷＦのＰｓの違いによるＤＷＩ画像を示す図である。

図２６はノイズの修復処理をしないＤＷＩの原画像を、図２７はｓａｍｅ＿ＰｓのＦＲＷＦで修復処理したＤＷＩ画像を、図２８はｍｅａｎ＿ＰｓのＦＲＷＦで修復処理したＤＷＩ画像を、図２９はｉｄｅａｌ＿ＰｓのＦＲＷＦで修復処理したＤＷＩ画像をそれぞれ示す。

また、図３０乃至図３３は、ＦＲＷＦのＰｓの違いによるＦＡ＿ｍａｐを示す図である。

図３０乃至図３３は、図１９乃至図２５の７組の画像より作成されたものであり、図３０はノイズの修復処理をしないＦＡ＿ｍａｐを、図３１はｓａｍｅ＿ＰｓのＦＲＷＦで修復処理したＦＡ＿ｍａｐを、図３２はｍｅａｎ＿ＰｓのＦＲＷＦで修復処理したＦＡ＿ｍａｐを、図３３はｉｄｅａｌ＿ＰｓのＦＲＷＦで修復処理したＦＡ＿ｍａｐをそれぞれ示す。

図３４は、ＷＦによるＳＮＲの改善度をグラフとして示す図である。

ｍｅａｎ＿Ｐｓ方式では、視覚的な画質及び理想画像との残渣を表す数値的指標のＲＭＳＥが、ｓａｍｅ＿Ｐｓ方式より改善され、かつ、ｉｄｅａｌ＿Ｐｓを用いた場合に匹敵するレベルまで改善されることがわかる。ｍｅａｎ＿Ｐｓ方式は、ＤＴＩ画像の自然なＳＮＲ改善に極めて有効な方法である。

以上の実施例（１）乃至（７）の場合、処理対象データのＰｓ_ｄをＰｓとして用いる一般的な方法に比べ、空間分解能の劣化を最小限にしつつ、処理対象データのさらなるＳＮＲ向上が図れる。

なお、一般的なフーリエ空間のみならず、ＦＲＥＢＡＳ空間等の周波数帯域分割されたいかなる空間でも適用可能である。

また、ｍｅａｎ＿Ｐｓ方式は、処理対象データ内での平滑化によりＰｓのノイズ成分を低減するｓａｍｅ＿Ｐｓ方式に比べても、理想データからの誤差の指標であるＲＭＳＥを小さくでき、かつパラメータの最適条件がデータに依存しない。よって、ｍｅａｎ＿Ｐｓ方式では、ＷＦのＰｓとして用いる基準データのＰｓ_ＳＮＲＲが所定の基準を満たせばＲＭＳＥは飽和するので条件設定のロバスト性が大きい。よって、Ｐｓ_ＳＮＲＲの所定の基準を満たせばＰｓにはノイズを含まないという理論上のＷＦ式が使用可能である。すなわち、基準データのＰｓ_ＳＮＲＲを測定し、そのＰｓ_ＳＮＲＲとＰｓ_ＳＮＲＲの所定の基準との比較により最適なフィルタ形状を選択するしくみを設けるので自動化が可能である。

通常はｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式ではＰｓとして、処理対象データとは別のデータを必要とするが、ｄｙｎａｍｉｃ ｓｔｕｄｙ、負荷試験（ｆ−ＭＲＩ等）やＭＲＩのＴ１強調（Ｔ１Ｗ）、Ｔ２Ｗ、プロトンＷ等の異種パラメータデータ等、同一対象で複数のデータを収集する応用においては、すでにあるデータを平均して算出すればよいので、別途Ｐｓの推定用に基準データを取得する必要がない。

なお、本発明におけるＰｓの推定で用いる基本データは、処理対象データを生成する医用画像診断装置とは異なる医用画像診断装置によって生成するものであってもよい。例えば、磁気共鳴イメージング装置１０によって所要部位に関する処理対象データを生成する場合、前記所要部位と同等の部位に関してＸ線ＣＴ装置、ＳＰＥＣＴ装置、ＰＥＴ装置、ＰＥＴ−ＣＴ装置及び超音波診断装置等の医用画像診断装置によって基準データを生成する。

また、本実施形態では、処理対象データとは異なるデータを含む基準データを用いてＰｓ_ｄをＰｓと推定するｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式の一例として、ｍｅａｎ＿Ｐｓ方式について説明した。しかし、本発明におけるｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式は、処理対象データに類似する基準データを基に、隣接するデータ点を重み付き平均したＰｓ_ｄをＰｓと推定するｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式であってもよい。ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓでは、低周波成分については処理対象データの重み付けを大きくする一方、高周波成分については、処理対象データ及び処理対象データとは異なるデータのうちＰｓ_ｄのＳＮＲが大きい一方のデータの重み付けを大きくする。

ｍｅａｎ＿Ｐｓ方式によるＰｓ_ｄでは、高周波成分でのＳＮＲ改善効果が支配的である一方、低周波成分についてはＳＮＲ改善効果が小さい。低周波成分は画像の大まかのコントラストを決めることから、低周波成分においてｍｅａｎ＿Ｐｓ方式によって求められるＰｓ_ｄ（Ｐｓ_ｄ［ｍｅａｎ＿Ｐｓ］）と、ｓａｍｅ＿Ｐｓ方式によって求められるＰｓ_ｄ（Ｐｓ_ｄ［ｓａｍｅ＿Ｐｓ］）とに差異がある場合、ＷＦの低周波の特性が劣化する。よって、ｄｉｆｆｅｒｅｎｔ＿Ｐｓ方式としてｍｅａｎ＿Ｐｓ方式を用いた場合、Ｐｓ_ｄ［ｍｅａｎ＿Ｐｓ］は、理想的なＰｓと比較して、ＷＦを最適に推定できない場合がある。

そこで、低周波成分において、Ｐｓ_ｄ［ｍｅａｎ＿Ｐｓ］とＰｓ_ｄ［ｓａｍｅ＿Ｐｓ］との差異がある程度大きくても低周波の特性を劣化させない方法として、ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式を用いてＰｓを推定する。ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式のＰｓ_ｄ（Ｐｓ_ｄ［ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ］）は、重みＷを用いて、次の式（１３）のように表せる。なお、式（１３）のいずれの項も周波数の関数となる。ここで、重みＷは、低周波ではｓａｍｅ＿Ｐｓの重みが大きくなるように決める。

図３５は、ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式における重み関数の一例をグラフとして示す図である。

図３５に示すように、式（１３）の重みＷは、ＦＴＷＦでは周波数ｋの関数（Ｗ１（ｋ））であり、１Ｄ Ｈａｎｎｉｎｇ関数を用いて、次の式（１４）とする。

また、ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式の第１変形例として、画像とＰｓとの差によって式（１３）の重みＷを決定し、重み付けを最適にコントロールする方法がある。例えば、重み付けを、次の式にように表されるＰｓ_ｄ［ｍｅａｎ＿Ｐｓ］とＰｓ_ｄ［ｓａｍｅ＿Ｐｓ］との差（Ｐｓ_ｄ差）Ｅの大きさによってダイナミックにコントロールする。

まず、Ｐｓ_ｄ［ｍｅａｎ＿Ｐｓ］とＰｓ_ｄ［ｓａｍｅ＿Ｐｓ］とはノイズの差による高周波成分の違いはあり得る。よって、Ｐｓ_ｄ差Ｅは低周波成分の差を大きくしたいのでスムージングなどを行なってから求めるか、又は低周波のある範囲での平均で求めておく。

さらに、Ｐｓ_ｄ差Ｅはフィルタ空間ｋの関数でもよいし、ｋについて平均した値でもよい。要するに、Ｐｓ_ｄ差Ｅが大きいほどＰｓ_ｄ［ｓａｍｅ＿Ｐｓ］の重み付けを大きくする。

図３６は、ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式における重み関数の第２変形例をグラフとして示す図である。

Ｐｓ_ｄ差Ｅの閾値Ｅｔｈを用いて、次の式（１５）を満たすようなｗを求める。そして、図３６に示すように、式（１４）と式（１５）とを組み合わせ、式（１３）の重みＷを周波数ｋの関数（Ｗ２（ｋ））として、Ｗ２（ｋ）を次の式（１６）とする。

式（１６）にて、Ｅ＝０であればＷ＝０となる。その場合、式（１３）よって、Ｐｓ_ｄ［ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ］は、Ｐｓ_ｄ［ｍｅａｎ＿Ｐｓ］のみを用いて生成することになる。同様に、式（１６）にて、Ｅ＝ＥｔｈであればＷ＝１となる。その場合、式（１３）よって、Ｐｓ_ｄ［ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ］は、Ｐｓ_ｄ［ｓａｍｅ＿Ｐｓ］のみを用いて生成することになる。

ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式を用いてＰｓを推定する方法によると、特に、画像とＰｓとの差がより大きなデータ間でも有効である。例えば、ＭＲＩのＴ１、Ｔ２及びｐｒｏｔｏｎ等、コントラストが逆転しているような場合でも効果がある。

なお、本発明においては医用画像診断装置で撮像した画像データをＷＦによって修復処理する場合を説明するが、医用画像に限定されるものではなく、例えば、民生品のデジタルＴＶやデジカメ等のノイズのある画像データであれば適用可能である。さらには、画像データのみならず音声信号処理等の多方面のデジタルマルチメディアへも適用可能である。

本発明に係るデータ処理装置、データ処理方法、医用画像診断装置及び磁気共鳴イメージング装置によると、実際のノイズを有する処理対象データへの適用において処理対象データの空間周波数成分を極力保存しつつＳＮＲの改善や特性劣化の改善効果の大きな適正なＷＦによってデータ処理を適切に行なえる。

本発明に係るデータ処理装置、医用画像診断装置及び磁気共鳴イメージング装置の実施の形態を示す概略図。 コンピュータシステムのハードウェア構成を示すブロック図。 プログラムを実行することによるコンピュータシステムの機能を示す機能ブロック図。 本発明に係るデータ処理方法を示すフローチャート。 ＷＦでａ及びｂをパラメータとした場合のＳＮＲに対するゲインの特性をグラフとして示す図。 ＷＦでａ及びｂをパラメータとした場合のＳＮＲに対するゲインの特性をグラフとして示す図。 原データの改善度をグラフとして示す図。 原データの改善度をグラフとして示す図。 本発明における理想的な信号パワーと、ｍｅａｎ＿Ｐｓ方式を用いた実測の信号パワーとの関係をグラフとして示した図。 ＭＲＩ画像の改善度を示す図。 ＭＲＩ画像の改善度を示す図。 ＭＲＩ画像の改善度を示す図。 ＭＲＩ画像の改善度を示す図。 ＭＲＩ画像の改善度を示す図。 ＭＲＩ画像の改善度を示す図。 ｄｙｎａｍｉｃ ｓｔｕｄｙで、所要データのみＳＮＲ増大させ、所要データのみを基準データとして使用する場合の実施例を示す模式図。 加算平均にて作成した基準データ群と造影剤による濃度変化曲線をグラフとして示す図。 拡散の非等方性を示す図。 ＦＲＷＦによる拡散強調画像（ＤＷＩ画像）を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦによるＤＷＩ画像を示す図。 ＦＲＷＦのＰｓの違いによるＤＷＩ画像を示す図。 ＦＲＷＦのＰｓの違いによるＤＷＩ画像を示す図。 ＦＲＷＦのＰｓの違いによるＤＷＩ画像を示す図。 ＦＲＷＦのＰｓの違いによるＤＷＩ画像を示す図。 ＦＲＷＦのＰｓの違いによるＦＡ＿ｍａｐを示す図。 ＦＲＷＦのＰｓの違いによるＦＡ＿ｍａｐを示す図。 ＦＲＷＦのＰｓの違いによるＦＡ＿ｍａｐを示す図。 ＦＲＷＦのＰｓの違いによるＦＡ＿ｍａｐを示す図。 ＷＦによるＳＮＲの改善度をグラフとして示す図。 ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式における重み関数の一例をグラフとして示す図。 ｗｅｉｇｈｔｅｄ＿ｍｅａｎ＿Ｐｓ方式における重み関数の第２変形例をグラフとして示す図。 理想形のＷＦにおけるＳＮＲに対するゲインの特性を示す図。 従来技術における理想的な信号パワーと、実データの信号パワーとの関係をグラフとして示した図。

符号の説明

１０ ＭＲＩ装置
１６ コンピュータシステム
５１ データ収集手段
５２ データ配置手段
５３ 信号パワー推定手段
５５ データ処理手段
５６ 画像再構成手段
５７ 合成・差分処理演算手段
５８ 画像記録手段
５９ 表示制御手段

Claims (27)

1. 処理対象データと類似で、かつ、ＳＮＲ（Signal to Noise Ratio）が相対的に大きな別のデータである基準データを用いて信号パワーを推定する信号パワー推定手段と、
   前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データを処理するデータ処理手段と、を有することを特徴とするデータ処理装置。
2. 前記信号パワー推定手段は、フーリエ空間に配置された前記基準データを用いて信号パワーを推定し、前記データ処理手段は、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記フーリエ空間に配置された前記処理対象データを処理することを特徴とする請求項１に記載のデータ処理装置。
3. 前記信号パワー推定手段は、ＦＲＥＢＡＳ（Fresnel transform Band Splitting）空間に配置された前記基準データを用いて信号パワーを推定し、前記データ処理手段は、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記ＦＲＥＢＡＳ空間に配置された前記処理対象データを処理することを特徴とする請求項１に記載のデータ処理装置。
4. 前記データ処理手段で処理した処理対象データを１組毎に２次元又は３次元のフーリエ変換に付して実空間の画像に再構成する画像再構成手段を有することを特徴とする請求項１に記載のデータ処理装置。
5. 前記画像再構成手段で再構成した画像の合成処理や差分演算処理を行なう合成・差分演算処理手段を有することを特徴とする請求項４に記載のデータ処理装置。
6. 前記合成処理を、画素毎に加算する処理又は最大値投影処理とすることを特徴とする請求項５に記載のデータ処理装置。
7. 処理対象データと類似で、かつ、ＳＮＲが相対的に大きな別のデータである基準データを用いて信号パワーが推定される信号パワー推定工程と、
   前記信号パワー推定工程で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データが処理されるデータ処理工程と、を有することを特徴とするデータ処理方法。
8. 前記信号パワー推定工程では、フーリエ空間に配置された前記基準データを用いて信号パワーが推定され、前記データ処理工程では、前記信号パワー推定工程で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記フーリエ空間に配置された前記処理対象データが処理されることを特徴とする請求項７に記載のデータ処理方法。
9. 前記信号パワー推定工程では、ＦＲＥＢＡＳ空間に配置された前記基準データを用いて信号パワーが推定され、前記データ処理工程では、前記信号パワー推定工程で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記ＦＲＥＢＡＳ空間に配置された前記処理対象データが処理されることを特徴とする請求項７に記載のデータ処理方法。
10. 前記処理対象データとは別に前記基準データを収集することを特徴とする請求項７に記載のデータ処理方法。
11. 複数の基準データを収集する場合、前記信号パワーを、前記複数の基準データを平均して算出することを特徴とする請求項７に記載のデータ処理方法。
12. 複数の基準データを収集する場合、前記信号パワーを、前記複数の基準データを重み付き平均して算出することを特徴とする請求項７に記載のデータ処理方法。
13. 前記信号パワーを、低周波成分については前記処理対象データの重み付けを大きくする一方、高周波成分については、前記処理対象データと前記処理対象データとは異なるデータとのうち前記信号パワーのＳＮＲが大きい一方のデータの重み付けを大きくして算出することを特徴とする請求項１２に記載のデータ処理方法。
14. 前記Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒは、前記信号パワーＰｓ、前記ノイズパワーＰｎ、ＳＮＲ及び前記ノイズパワーＰｎの見積もり比率を制御するパラメータａを用いて、
    

    

    又は、
    

    

    又はそれらと実質的に同等の数式から計算されることを特徴とする請求項７に記載のデータ処理方法。
15. 前記Ｗｉｅｎｅｒ＿Ｆｉｌｔｅｒは、前記信号パワーＰｓ、前記ノイズパワーＰｎ、劣化特性Ｈ、複素共役＊を用いて、
    

    

    又はそれらと実質的に同等の数式から計算されることを特徴とする請求項７に記載のデータ処理方法。
16. 造影剤注入前のデータを収集する一方、造影剤注入以降のデータを前記造影剤注入前のデータと比較してＳＮＲを低下させて前記処理対象データとして収集し、前記前記造影剤注入前のデータを前記基本データとすることを特徴とする請求項７に記載のデータ処理方法。
17. 造影剤注入前のデータを収集する一方、造影剤注入以降のデータを前記造影剤注入前のデータと比較してＳＮＲを低下させて前記処理対象データとして収集し、前記造影剤注入前のデータのみならず、前記造影剤注入後のデータも含めて時系列データをすべて加算平均して前記基準データとすることを特徴とする請求項７に記載のデータ処理方法。
18. 所要の刺激前後で分別されるデータ毎に、異なる前記基準データを用いることを特徴とする請求項７に記載のデータ処理方法。
19. ｆ−ＭＲＩ（functional-Magnetic Resonance Imaging）では、負荷前と負荷後でコントラストの異なる２組のデータ毎に、２つの前記基準データを用いることを特徴とする請求項１８に記載のデータ処理方法。
20. 前記基準データを、異種パラメータの画像データとすることを特徴とする請求項７に記載のデータ処理方法。
21. 前記基準データを、複数のデータ群のうち全て又は一部を加算平均したものとすることを特徴とする請求項７に記載のデータ処理方法。
22. 前記データ群を、動きを補正した後のデータとすることを特徴とする請求項２１に記載のデータ処理方法。
23. 前記基準データを、ＭＰＧ（Motion Probing Gradient）軸のデータ群を平均化したデータとすることを特徴とする請求項７に記載のデータ処理方法。
24. 処理対象データと類似で、かつ、ＳＮＲが相対的に大きな別のデータである基準データを用いて信号パワーを推定する信号パワー推定手段と、
    前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記処理対象データを処理するデータ処理手段と、
    前記データ処理手段で処理した処理対象データを１組毎に２次元又は３次元のフーリエ変換又はＦＲＥＢＡＳ変換に付して実空間の画像に再構成する画像再構成手段と、
    前記画像再構成手段で再構成した画像の合成処理や差分演算処理を行なう合成・差分演算処理手段と、を有することを特徴とする医用画像診断装置。
25. 前記信号パワー推定手段は、フーリエ空間に配置された前記基準データを用いて信号パワーを推定し、前記データ処理手段は、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記フーリエ空間に配置された前記処理対象データを処理することを特徴とする請求項２４に記載の医用画像診断装置。
26. 前記信号パワー推定手段は、ＦＲＥＢＡＳ空間に配置された前記基準データを用いて信号パワーを推定し、前記データ処理手段は、前記信号パワー推定手段で推定した信号パワーを基にしたＷｉｅｎｅｒ＿Ｆｉｌｔｅｒによって、前記ＦＲＥＢＡＳ空間に配置された前記処理対象データを処理することを特徴とする請求項２４に記載の医用画像診断装置。
27. 静磁場中の被検体に対して傾斜磁場及び高周波パルスを印加することで磁気共鳴信号を発生させる撮影部と、
    前記磁気共鳴信号を検出するための高周波コイルと、
    前記高周波コイルにより検出された磁気共鳴信号を周波数帯域空間に配置する収集手段と、
    前記収集手段により前記周波数帯域分割空間に配置されたデータを再構成して複数枚の画像を生成する画像生成手段と、
    前記周波数帯域分割空間においてＳＮＲが高い帯域ほどゲインを大きくする一方、前記ＳＮＲが低い帯域ほどゲインを小さくするものであって、前記複数枚の画像のうち処理対象画像と類似で、かつ、ＳＮＲが相対的に大きな別の画像を生成した周波数帯域分割空間におけるデータの信号パワーを、前記処理対象画像の周波数帯域分割空間における信号パワーに適用するフィルタと、を備えたことを特徴とする磁気共鳴イメージング装置。

Images