JP4945225B2 - 画像処理装置及びプログラム - Google Patents

Description

本発明は、医用画像に対してノイズ評価を行う画像処理装置及びプログラムに関する。

画像の信号雑音比（Signal-to-Noise Ratio: SNR）やコントラスト雑音比（Contrast-to-Noise Ratio: CNR）の算出については、一般的に知られているいくつかの方法がある。ノイズ成分の計測という意味では次の３つが代表例として挙げられる。

（１）差分法
同一条件で撮像した画像の差分をとり、再現性のある成分（信号のほかにギブスリンギングなども含む）を取り除くことで、ランダムノイズに相当する成分を抽出する。この標準偏差（Standard Deviation: 標準偏差ＳＤ）を計測する。ファントムを対象とした場合には適当な方法である。ただし、同一条件で繰り返し撮像することが、人を対象とした場合、特に臨床例の場合では困難である点が、問題とされる。

（２）差分なしの方法：関心部位でそのまま計測（「同一関心領域法」などともいう）
信号成分がフラットであることが要求されるが、ＭＲ画像ではさまざまな要因により低次の空間成分（なだらかな信号変化）がある場合が多くなかなか満たされない。人が被検体であれば、もともとの解剖構造などがどうしても存在するため、さらに満たされない場合が多い。これも人の場合には解決困難であり、この方法も適当な方法とはいえない。

（３）差分なしの方法：背景ＳＤで代用（「空中雑音法」などともいう）
信号成分は関心領域ＲＯＩで計測するが、ノイズ成分は信号のない背景部の標準偏差ＳＤまたは平均値で代用する。絶対値画像の背景部ではノイズの特性が異なるので、背景での計測値を有信号部のノイズ振幅に換算する。従来最も広く使用されていた方法である。シングルコイルで得られた画像や、アレイコイルの代表的な画像生成方法であるサムオブスクエア法（SOS法、正確にはSquare Root of Sum-of-Square法）により得られた画像では、問題はあまりなかった。

例えば、背景部Ｂをノイズ分布と仮定してその標準偏差σ（Ｂ）を求め、標準偏差σ（Ｂ）からアレイコイルのチャンネル数に依存して変わる有信号部換算値σ’＝σ’（Ｂ）を求めることで、この画像を代表するノイズとすることができる。実質臓器１におけるＳＮＲは、その局所領域での観測信号の平均値ｍ（Ｏ１）を上記σ’で除したもの、すなわちｍ（Ｏ１）／σ’とすればよい。同様に、実質臓器１、２間のＣＮＲも、（ｍ（Ｏ１）−ｍ（Ｏ２））／σ’と計算される。臨床的には、患部Ｌと隣接する実質臓器のＣＮＲは、（ｍ（Ｌ）−ｍ（Ｏ１））／σ’と表わされる。

いずれの手法も、画像内でノイズ強度が比較的変動しない、一様なことを前提として考えられたものである。従って、画像内でその位置に応じてノイズ強度が比較的変動する場合、従来のノイズ評価はその信頼性が低下してしまうと言う問題があった。例えば、近年、ＭＲＩにおけるパラレルイメージング（ＰＩ）の進展に伴い、それに用いる表面アレイコイルの感度ムラ補正処理や、ＰＩの展開処理により、ノイズは空間的に一様ではなくなった。

こうした事情を鑑み、近年、評価法が提案されている。文献５は、追加のプレスキャンデータを用いるなどして、最終画像の各点におけるSNRを評価するものである。この方法は厳密ではあるが、通常得られる最終画像以外の情報を用いており、臨床の現場でそのまま採用できるものではない。
National Electrical Manufacturers Association: Determination of signal-to-noise ratio in diagnostic magnetic resonance imagers, NEMA Standard Publications, MS-1, 1988 笠井，土井，ＭＲ撮像技術学，オーム社，2001 小倉，他： ＭＲ画像のＳＮＲ測定に関する基礎的検討，日本放射線技術学会誌，59(4),508-513, 2003 Pruessmann KS, et al, SENSE: Sensitivity Encoding for Fast MRI, Magnetic Resonance in Medicine 42:952-962 (1999) Kellman P, et al, Image reconstruction in SNR umits: A general method foro SNR measurement, Magnetic Resonance in Medicine 54:1439-1447 (2005)

本発明の目的は、ノイズ成分が一様でない場合であっても医用画像のノイズ評価を高信頼性でもって行うことにある。

本発明はある局面において、医用画像のデータを記憶する記憶部と、前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備する画像処理装置を提供する。
本発明は他の局面において、医用画像のデータを記憶する記憶部と、前記医用画像内の全画素について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、前記算出された複数のローカルノイズ指標値から適正範囲内の適正ローカルノイズ指標値を選別する選別処理部と、前記選別された適正ローカルノイズ指標値から曲面近似によりローカルノイズマップを生成するマップ生成部とを具備する画像処理装置を提供する。

本発明によれば、ノイズ成分が一様でない場合であっても医用画像のノイズ評価を高信頼性でもって行うことができる。

以下、図面を参照して本発明の実施形態を説明する。なお、本発明は、医用画像のノイズ評価のための画像処理装置及びそのプログラムであり、本発明で対象とされるべき医用画像としては、ノイズ強度が一様でなく現れるものであり、典型的には、磁気共鳴イメージング装置のパラレルイメージングによるＭＲＩ画像であるが、他のＸ線診断装置による投影画像、超音波診断装置によるＢモード等の超音波画像、ガンマカメラによる放射線同位元素の空間的分布、Ｘ線コンピュータ断層撮影装置による断層画像なども対象とされ得る。ここでは、医用画像としてＭＲＩ画像を例に説明する。また、ここでは当該画像処理装置が磁気共鳴イメージング装置に接続される外部装置として説明するが、磁気共鳴イメージング装置に組み込まれる構成であっても良い。

まず、本実施形態についてその概要を簡単に説明する。近年のアレイコイルや撮像法の進化がノイズ成分の非一様性を強めたために、各々の関心領域でノイズ指標値を求めることが重要とはいえ、解剖構造ごとにノイズ成分が大きく変わるわけではなく、画像上で空間的に隣接した領域では、組織や部位によらずに、ノイズ成分はほぼ同じである。コイルの感度特性によるノイズ成分の変動は空間的には徐々に変化する。ＭＲＩのパラレルイメージングではｇ値が急峻に変わることによりＳＮＲが急峻に変わる場合もあるが、実用的な条件では変動の大きくないものを選択している場合も多い。特に頭部の細かな構造、コントラストを見るようなＳＮＲが重要な撮影ではその傾向が強い。

本実施形態は、各々の関心領域でノイズ指標値を算出する精度を向上させるアプローチと異なり、幾つかの限定的な数の部分領域で実測したノイズ指標値から、本来のランダムノイズを表現すると思われるノイズ指標値を推定する方法である。推定は、実測をしていない領域、あるいは単純にある点に対しても行うことも意図している。換言すれば、２次元又は３次元画像内の複数の部分領域において算出したノイズ指標値を基にして、基の部分領域と同じ部分領域とは限らない領域や点のノイズ指標値の推定を行い、これを最終的な代表値とするものである。なお、ノイズ指標値としては典型的には標準偏差（ＳＤ、記号σで表す）である。

ここでの、推定方法としては、基となるノイズ指標値をもとに何らかの統計的処理を行う、あるいは内挿や外挿処理、曲面近似処理（以下単にフィッティング処理という）を行うなどが含む。また、不適切データの除去などを組み合わせることも含む。あるいは、統計処理やフィッティング処理には、実測データの最小値あるいは小さめに見積もった値をあてることも含む。

図１は本実施形態に係る画像処理装置の構成を磁気共鳴イメージング装置とともに示している。磁気共鳴イメージング装置は、静磁場Ｈ0を形成する筒状の静磁場用磁石１を有する。静磁場用磁石１の内側には、傾斜磁場コイルユニット２と、ＲＦコイルユニット３とが配置される。傾斜磁場コイルユニット２は、ＸＹＺ各軸に対応する３つのコイルを有する。傾斜磁場電源４は、傾斜磁場電源制御部７の制御に従って傾斜磁場コイルユニット２の３つのコイルに個々に電流を供給するために構成される。ＲＦコイルユニット３は、複数の表面コイルからなり、ＲＦ制御部８の制御に従ってＲＦ発生装置５から高周波信号の供給を受け、高周波磁場を発生する。受信検波装置６は、受信装置制御部９の制御のもと、被検体Ｐ内部の原子核スピンからのＭＲ信号をＲＦコイルユニット３を介して受信する。シーケンスコントローラ１０は、パラレルイメージングのために構築されたパルスシーケンスを実行するために、傾斜磁場電源制御部７、ＲＦ制御部８、受信装置制御部９を統括して制御する。演算器（再構成）１１は、受信検波装置６でＲＦコイルユニット３の複数の表面コイルを介して受信されたＭＲ信号に基づいて、パラレルイメージングに応じた処理手順に従ってＭＲ画像を再構成する。

画像処理装置２０は、ＭＲ画像のデータをインタフェース２９を介して入力し、メモリ２２に記憶する。このメモリ２２とともに、画像処理装置２０は、全体の動作制御及び各種演算処理を担うＣＰＵ２１、キーボードやマウス等の入力器２３、ＭＲ画像や後述するノイズ指標値、ノイズマップ等を表示するためのモニタ２４、さらに、ＭＲ画像の部分領域ごとにノイズ成分の標準偏差（ローカルノイズ指標値）を算出するローカルノイズ指標値算出部２６、ローカルノイズ指標値から所望領域（所望臓器）又は所望点に関するノイズ指標値を発生するノイズ指標値発生部２７、ノイズマップ生成部２８を有する。以下、ローカルノイズ指標値算出部２６、ノイズ指標値発生部２７、ノイズマップ生成部２８の処理について詳細に説明する。

本実施形態では、操作者が入力器２３を介して選択可能な第１乃至第３の３種類の処理モードを有する。３種類の処理モードを以下順番に説明する。
（第１の処理モード）
図２には本実施形態による第１の処理モードの処理手順を示している。まず、図３に示すように、操作者による入力器２３の操作に従って、ＣＰＵ２１により複数の部分領域（単にＲＯＩともいう）Ｒ１〜Ｒ５が所望の臓器内に指定される（Ｓ１１）。複数の部分領域の指定は半自動化が可能である。例えば、図４Ａに示すように、操作者による入力器２３の操作により所望の臓器内に注目点が指定される（Ｓ１４）。注目点を中心として複数の部分領域候補（ＲＯＩ候補）がＣＰＵ２１により設定される（Ｓ１５）。ＣＰＵ２１は注目点を含む臓器の輪郭を抽出し、図４Ｂに示すように、所望の臓器に内包する部分領域候補、つまり当該輪郭の外側に位置する部分領域候補及び当該輪郭を含む部分領域候補を除いて、当該輪郭の内部に全域が含まれる部分領域候補を部分領域として選出する（Ｓ１６）
続いてローカルノイズ指標値算出部２６により複数の部分領域各々についてローカルノイズ指標値が算出される（Ｓ１２）。ローカルノイズ指標値の算出方法としては例えば次の通りである。周知の通り、図５、図６に示すように、観測信号ＳＩ(O)は、信号成分ＳＩ(S)とノイズ成分ＳＩ(N)とからなる。典型的には、信号成分ＳＩ(S)は信号値が空間上緩やかに変化し、ノイズ成分ＳＩ(N)は信号値が空間上ランダムに変化する。部分領域内の観測信号ＳＩ(O)が、信号成分ＳＩ(S)とノイズ成分ＳＩ(N)とに分解される。実際的には、部分領域内の観測信号ＳＩ(O)の空間分布に対して、典型的には多項式モデル（曲面モデル）で表現した信号成分ＳＩ(S)の空間分布を、近似処理として典型的には最小２乗法により近似させる。近似誤差がノイズ成分ＳＩ(N)として推定される。より好ましくは、部分領域内の信号(解剖構造)の素性によって近似モデルを使い分ける。対象によっては１次関数による最小２乗近似処理でもよいが、通常は２次以上の多項式による最小２乗近似処理が行われる。最小２乗近似処理、換言すると、回帰分析処理を観測信号の空間分布に対して施し、その誤差成分（残差成分）をノイズ成分として推定する。図７、図８に示すように、推定された部分領域内のノイズ成分ＳＩ(N)に関する標準偏差σを当該部分領域に関するローカルノイズ指標値として算出する。

このように関心臓器内の複数の部分領域にて推定した複数のローカルノイズ指標値から当該関心臓器に関するノイズ指標値をノイズ指標値発生部２７により発生する（Ｓ１３）。例えば、複数のローカルノイズ指標値の平均値がノイズ指標値として計算される。または、推定したローカルノイズ指標値（標準偏差）は、ランダムノイズだけを反映する本来求めたい標準偏差よりも必ず大きめに見積もられるので、複数のローカルノイズ指標値の最小値がノイズ指標値として選出されてもよい。さらには、統計的誤差の影響を緩和するために、（平均値＋最小値）／２のように、平均値と最小値から計算した値をノイズ指標値としてもよい。

ここで、ノイズ指標値を算出する従来の方法としては、部分領域における信号値の標準偏差を算出する。これは従来より行われている方法である。あるいは、指定した部分領域にて近似した曲面を本来の信号成分とみなして、それからの差分を分散算出の元データとする方法および一旦求めた分散から大きく外れた点を除去後に分散を再計算する方法により、各部分領域のノイズ指標値を求める方法をとってもよい。例えば、肝臓のある部分領域で標準偏差を求めたい場合、部分領域を大きく取りすぎると、信号の感度ムラによる信号値のゆるやかな変動の影響や、逆に局所の血管信号の影響などにより、算出した標準偏差は大きめに見積もられる。そこでこの影響を軽減するために、相対的に小さめの部分領域、例えば７×７＝４９点（４９画素）の部分領域を背景信号が均一と思われる位置に設定し標準偏差を求める。正規ノイズの場合、５０点のデータから推定した統計量としての分散は、その統計量の分散が２０％程度あり、その平方根である統計量の標準偏差は１０％前後の統計的な誤差を持つと見積もれる。つまり標準偏差を求めようとすると、統計的にも１０％程度の誤差があり、必ずしも十分とはいえない。

そこで本実施形態では、関心臓器内に設定したＮ個の部分領域からＮ個のローカルノイズ指標値（標準偏差）を求めてこれらの平均値をとることで、関心臓器に関するノイズ指標値とする。これにより推定精度を向上させる。あるいは、実データから算出される標準偏差は、ランダムノイズだけを反映する本来もとめたい標準偏差よりも必ず大きめに見積もられるので、最小値としてもよい。

（第２の処理モード）
上述したように、実測の標準偏差ないしそれに相当する量は、いくつかの要因により、大きめに見積もられる。この主な要因としては、次の３つがあげられる。
（１）ゆるやかな信号変化（装置的な感度ムラや同一組織内の本来の信号の変化など）
（２）解剖学的構造による局所的な信号値変動（血管などの局所的な構造など）
（３）複数の解剖学的構造が含まれるための変動（境界を含んでいるための変動ともいえる：白質と灰白質の境界など）
本実施形態では、主に上記（３）の影響を除去あるいは低減する機能を有しており、そのために、上記第１の処理モードでは、関心臓器に内包するように複数の部分領域を設定した。同様の効果を第２の処理モードでは、関心臓器の内外無関係に任意に設定された複数の部分領域にて算出したローカルノイズ指標値（標準偏差）の中から不適切なものを除外し、残った適正なローカルノイズ指標値から、当該関心臓器に関するノイズ指標値を計算することで奏する。

以下、詳細に説明する。
図９には本実施形態による第２の処理モードの処理手順を示している。まず、図１０に示すように、操作者による入力器２３の操作に従って、ＣＰＵ２１により関心臓器内に注目点が指定され、またその注目点を中心として関心臓器の内外にわたって複数の部分領域（ＲＯＩ）が指定される（Ｓ２１）。複数の部分領域の指定は自動化が可能である。例えば、操作者による入力器２３の操作により所望の臓器内に注目点が指定されろ（Ｓ２６）、その注目点を中心として一定の規則に従って離散的に複数の部分領域がＣＰＵ２１により設定される（Ｓ２７）。

続いてローカルノイズ指標値算出部２６により複数の部分領域各々についてローカルノイズ指標値が算出される（Ｓ２２）。ローカルノイズ指標値の算出方法としては上述したＳ１２と同一であるので説明は省略する。

関心臓器内外の複数の部分領域にて推定した複数のローカルノイズ指標値から、「ノイズマップ」を生成する。具体的には、複数のローカルノイズ指標値から関心臓器の輪郭上の部分領域に関するローカルノイズ指標値を非適正値として除外し（Ｓ２３）、残った適正なローカルノイズ指標値を２次元フィッティング処理（最小二乗による局面近似処理、あるいは極小値を近似する処理）により、ローカルノイズ指標値の空間分布としてのノイズマップを推定する（Ｓ２４）。ノイズマップから注目点のローカルノイズ指標値を読み出し（Ｓ２５）、又は注目点を含む関心臓器内のローカルノイズ指標値からノイズ指標値を算出する。

除外処理が効果的な理由を事例検証とともに次の通り説明する。
図１１、図１２に頭部Ｔ２強調画像での被核周辺に設定した部分領域の平均値、標準偏差（ＳＤ）、最小値および最大値の部分領域の大きさによる依存性を示している。部分領域の大きさをａ、ｂ、ｃ、ｄへと大きく設定していった場合、部分領域が被核内に収まっているａ，ｂ，ｃでは標準偏差等はほぼ安定していて大きさによる依存性は少ないといえるが、被核に対して部分領域がはみ出す大きさを有する部分領域ｄでは、最大値が大きく、最小値が小さくなり、最も重要な標準偏差が、95-99程度から136.2に上昇している。従って、これらの中では部分領域ｄの大きさは、標準偏差の精度を確保するためには大きすぎる。

図１３、図１４は、赤核、黒質レベルでの平均値と標準偏差を示している。部分領域ａ，ｂを７×７の大きさの矩形に設定し、部分領域ｃは同じ４９点の楕円形に設定した。これら部分領域ａ，ｂ，ｃの大きさでは解剖構造が細かいため異なる組織の信号差が標準偏差に反映されてしまっている。部分領域ｄ，ｅは解剖にあわせて部分領域を設定したものであり、統計的には点数が不足してくるため計測値の信頼性は低下するが、こちらが本来の標準偏差を反映していると考えられる。どの部位も同程度の標準偏差をもっている。

上記事例から分かるとおり、各部分領域で適切と思われるローカルノイズ指標値、ここではノイズ成分の標準偏差を求めるには、部分領域の大きさ及び形状を丁寧に設定する必要がある。しかしながら、適当な部分領域を設定すれば組織によらず同じオーダーの標準偏差であることがわかる。また、標準偏差は統計的誤差以外は必ず大きくなる方向のエラーである。

従って、適切と思われる部分領域によって求めた複数の標準偏差の中で、近隣でかつ大きい方に外れたデータをＳ２３において効果的に除外するには、例えばｎ×ｎの正方形の部分領域を用いているとし、基準となる部分領域での標準偏差をσ0、他の部分領域での標準偏差をσ1、部分領域の重心座標間ピクセル距離をｒとするとき、ｒ＜２・ｎ、かつσ１＞２・σ0のときに、その標準偏差σ1を、ノイズ指標値の基礎データから除外することがノイズ指標値の精度向上には効果的である。

（第３の処理モード）
第３の処理モードの流れは、第２の処理モードと比較して、元データとしてノイズマップを用いる点が異なり、それに伴い、本モードの後半の処理が第２の処理モードとも異なっている。

図１５には第３の処理モードの手順を示している。ローカルノイズ指標値算出部２６によりＭＲ画像の全域にわたって全画素を対象として個々にローカルノイズ指標値が算出される（Ｓ３１）。上述と同様に、ローカルノイズ指標値として、各画素を中心とした例えば７×７点の部分領域の範囲でノイズ成分の標準偏差ＳＤが計算される。これによりＭＲ画像の全域にわたるローカルノイズ指標値の空間分布が生成される。典型例として、各点を中心とした例えば７×７＝４９点の部分領域（局所領域）からノイズ成分の標準偏差を計算し、これを、画像のローカルノイズ指標値の空間分布として作成する。ファントムの差分データなら、そのままＳＮＲ分布とみなすことができるものである。

次に、ノイズマップ生成部２８により、当該ローカルノイズ指標値の空間分布から、適正範囲外のローカルノイズ指標値（過大データ）が除外され、適正範囲内のローカルノイズ指標値が選択される（Ｓ３２）。図１６にノイズマップ生成部２８による適正範囲の決定方法の手順を示している。まず、ローカルノイズ指標値の空間分布から各点を中心とした局所範囲内の複数点に関する複数のローカルノイズ指標値が抽出される（Ｓ４１）。抽出された複数のローカルノイズ指標値から例えば最小の１０％の値が除外される（Ｓ４２）。残りの複数のローカルノイズ指標値から最小値が選択される（Ｓ４３）。選択された最小のローカルノイズ指標値が、適正範囲の下限閾値として決定される。選択された最小のローカルノイズ指標値の例えば２倍の値が、適正範囲の上限閾値として決定される（図１８参考）。

適正範囲外のローカルノイズ指標値が欠落したローカルノイズ指標値の空間分布に対してノイズマップ生成部２８により最小二乗近似処理による２次元フィッティング処理がなされる（Ｓ３３）。なお、２次元フィッティング処理の前処理として、ローカルノイズ指標値が欠落した点の値を内挿補間処理又は外挿補間処理により補間してもよい。また、フィッティング処理に代えて、又はフィッティング処理とともに、スムージング処理（ローパスフィルター処理）を施してもよい。

それにより図１８に示すように、解剖学的構造が含まれることを要因とする変動成分を抑圧したローカルノイズ指標値の空間分布（ノイズマップという）が生成される。ノイズマップはそのままカラーで又は濃淡でモニタ２４に表示され、又はノイズマップ生成の基礎となったＭＲ画像等に重ねてモニタ２４に表示される。また、入力器２３を介して指定された所望点のノイズ指標値がノイズマップから読み出され、ノイズマップとともにモニタ２４に表示される（Ｓ３４）。または、入力器２３を介して指定された領域内の複数のローカルノイズ指標値がノイズマップから読み出され、複数のローカルノイズ指標値からＳ１３と同様に当該指定領域に関する単一のノイズ指標値が発生され、ノイズマップとともにモニタ２４に表示される（Ｓ３４）。

本第３の処理モードでは、複数の解剖学的構造が含まれるための変動（境界を含んでいるための変動ともいえる：白質と灰白質の境界など）による誤差要因が除去される。図１７に頭部の信号を模擬した信号値と標準偏差の算出値を模擬したものを示している。周辺はコイル感度が高くＳＮＲが高い。したがって感度補正後の画像では、ノイズ成分が相対的に小さくなる。各点の近傍の部分領域で算出したローカルノイズ指標値の分布を図１８に示している。なお便宜上一次元で示しているが、実際には２次元分布である。上述したように、各点の近傍にて小さい方から例えば１０％の点を除外したあと、最小値をとることで「下限閾値」とする。必要ならローパスフィルターを施したものとしてもよい。次に上限閾値を、例えば下限閾値の２倍として設定する。これにより上下限閾値の間に挟まれた範囲を、適正範囲とする。適正範囲から外れた値を有する部分領域は、その領域に複数の解剖学的構造が含まれ、それによりローカルノイズ指標値（標準偏差）が不適正値になったことを表している。次にスムージング処理（ローパスフィルター処理）を施し、必要に応じて最小二乗近似処理によるフィッティング処理を行う。

こうして、解剖学的誤差成分を抑制したノイズ指標値（局所の標準偏差）の空間分布を表すノイズマップが生成される。所望領域、所望点でのノイズ指標値（通常は標準偏差を意図した量になる）は対応する座標の点を読み出せばよい。

上術の説明では、部分領域を７×７領域としたが、解剖構造の細かな部位では５×５など小さめの方がよい場合がある。また、マトリクスが大きければ領域のサイズも大きめでもよい。一意に決めるのは困難であるが、各組織内に入る部分領域がある程度確保できるようにすればよい。図１９、図２０は、７×７点の部分領域での平均値と標準偏差を示している。７×７点の部分領域は、２５６×２５６マトリクス、撮影視野ＦＯＶが２２ｃｍという標準的な撮像条件で、約６ｍｍ×６ｍｍの実寸領域に相当する。この断面では、ほぼ白質、灰白質、ＣＳＦとも一応解剖構造内に部分領域を設定できる。しかしながら、ＣＳＦはもとの信号値が高いため、境界付近でのパーシャルボリュームによる信号変化がノイズの分散を上回ってしまっている。灰白質（ＧＭ）もパーシャルボリューム効果で高めの標準偏差となっている。

これら一連の処理の流れでは、標準偏差算出では感度ムラ補正を施したものであることが望ましい。また、ノイズマップの算出は、標準偏差の分布が急峻な変化がなければ上記のような処理で十分な場合が多いが、パラレルＭＲＩをｇファクタ分布の空間的不連続性を考慮しなければならないような厳しい条件で得られた画像については、区分的な連続性を持つモデルで近似するのがよい。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明の実施形態に係る画像処理装置を磁気共鳴映像装置とともに示す図。 本実施形態において、第１のノイズ指標値発生手順を示す流れ図。 図２のＳ１１の補足図。 図２のＳ１５の補足図。 図２のＳ１６の補足図。 図２のＳ１２の補足図。 図２のＳ１２の補足図。 図２のＳ１２の補足図。 図２のＳ１２の補足図。 本実施形態において、第２のノイズ指標値発生手順を示す流れ図。 図９のＳ２１の補足図。 図９のＳ２３を補足するための様々な大きさの部分領域を示す図。 図１１の部分領域の大きさのノイズ指標値に対する依存性を示す図。 図９のＳ２３を補足するための様々な解剖学的構造上に設定された部分領域を示す図。 図１３の解剖学的構造のノイズ指標値に対する依存性を示す図。 本実施形態において、第３のノイズ指標値発生手順を示す流れ図。 図１５のＳ３１を補足するための様々な位置に対する部分領域を示す図。 図１６の部分領域の位置のノイズ指標値に対する依存性を示す図。 図１５のＳ３２における適正範囲（上限閾値、下限閾値）の決定手順を示す流れ図。 頭部のノイズ分布の一例を示す図。 図１５のＳ３３の補足説明図。

符号の説明

１…静磁場磁石、２…傾斜磁場コイルユニット、３…ＲＦコイル、４…傾斜磁場電源、５…ＲＦ発生装置、６…受信検波装置、７…傾斜磁場電源制御部、８…ＲＦ制御部、９…受信装置制御部、１０…シーケンスコントローラ、１１…演算器、２０…画像処理装置（ノイズ評価装置）、２１…ＣＰＵ、２２…メモリ、２３…入力器、２４…モニタ、２５…制御／データバス、２６…ローカルノイズ指標値算出部、２７…代表ノイズ指標値算出部、２８…ノイズマップ生成部。

Claims (13)

1. 医用画像のデータを記憶する記憶部と、
   前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
   前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備し、
   前記ノイズ指標値出力部は、前記複数のローカルノイズ指標値の最小値を前記ノイズ指標として出力することを特徴とする画像処理装置。
2. 医用画像のデータを記憶する記憶部と、
   前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
   前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備し、
   前記ノイズ指標値出力部は、前記複数のローカルノイズ指標値の平均値と最小値とから算出した値を前記ノイズ指標として出力することを特徴とする画像処理装置。
3. 医用画像のデータを記憶する記憶部と、
   前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
   前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備し、
   前記ノイズ指標値出力部は、前記複数のローカルノイズ指標値から局面近似によりローカルノイズ指標値空間分布を生成し、前記生成したローカルノイズ指標値分布から所望点のローカルノイズ指標を前記ノイズ指標値として出力することを特徴とする画像処理装置。
4. 前記ローカルノイズ指標値算出部は、前記ローカルノイズ指標として前記部分領域内のノイズ成分に関する標準偏差を算出することを特徴とする請求項１記載の画像処理装置。
5. 前記医用画像は、ＭＲＩ画像であることを特徴とする請求項１記載の画像処理装置。
6. 前記医用画像は、アレイコイルを用いたパラレルイメージング画像であることを特徴とする請求項５記載の画像処理装置。
7. 前記複数の部分領域を前記医用画像内に指定操作するための操作部をさらに備えることを特徴とする請求項１記載の画像処理装置。
8. 医用画像のデータを記憶する記憶部と、
   前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
   前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備し、
   前記医用画像内の注目点の近傍に複数の部分領域候補を配置し、前記複数の部分領域候補から所望臓器に内包するものを前記複数の部分領域として選出する部分領域設定部をさらに備えることを特徴とする画像処理装置。
9. 医用画像のデータを記憶する記憶部と、
   前記医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
   前記算出された複数のローカルノイズ指標値から単一のノイズ指標値を出力するノイズ指標値出力部とを具備し、
   前記ローカルノイズ指標値算出部は、
   前記医用画像の部分領域各々に関する観測信号分布に対して多項式で表現される信号成分分布を近似させることによりノイズ成分分布を推定する推定部と、
   前記推定されたノイズ成分分布に基づいて前記部分領域各々に関するローカルノイズ指標値を計算するローカルノイズ指標値計算部とをさらに備えることを特徴とする画像処理装置。
10. 医用画像のデータを記憶する記憶部と、
    前記医用画像内の全画素について複数のローカルノイズ指標値を算出するローカルノイズ指標値算出部と、
    前記算出された複数のローカルノイズ指標値から適正範囲内の適正ローカルノイズ指標値を選別する選別処理部と、
    前記選別された適正ローカルノイズ指標値から局面近似によりローカルノイズマップを生成するマップ生成部とを具備する画像処理装置。
11. 前記選別処理部は、近傍画素の複数のローカルノイズ指標値から下位の所定数の値を除外したものの中の最小値と、前記最小値の整数倍の値との範囲を前記適正範囲として決定することを特徴とする請求項１０記載の画像処理装置。
12. 医用画像内の複数の部分領域について複数のローカルノイズ指標値を算出する手段と、
    前記算出された複数のローカルノイズ指標値から最小のノイズ指標値を出力する手段とをコンピュータに実現させるためのプログラム。
13. 前記医用画像内の全画素について複数のローカルノイズ指標値を算出する手段と、
    前記算出された複数のローカルノイズ指標値から適正範囲内の適正ローカルノイズ指標値を選別する手段と、
    前記選別された適正ローカルノイズ指標値から局面近似によりローカルノイズマップを生成する手段とをコンピュータに実現させるためのプログラム。

Images