JP6974159B2 - 画像処理装置および画像処理方法 - Google Patents

画像処理装置および画像処理方法 Download PDF

Info

Publication number
JP6974159B2
JP6974159B2 JP2017248872A JP2017248872A JP6974159B2 JP 6974159 B2 JP6974159 B2 JP 6974159B2 JP 2017248872 A JP2017248872 A JP 2017248872A JP 2017248872 A JP2017248872 A JP 2017248872A JP 6974159 B2 JP6974159 B2 JP 6974159B2
Authority
JP
Japan
Prior art keywords
image
frame
processing
target image
processing target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2017248872A
Other languages
English (en)
Other versions
JP2019113474A (ja
Inventor
二三生 橋本
弘行 大庭
秀夫 塚田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hamamatsu Photonics KK
Original Assignee
Hamamatsu Photonics KK
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hamamatsu Photonics KK filed Critical Hamamatsu Photonics KK
Priority to JP2017248872A priority Critical patent/JP6974159B2/ja
Publication of JP2019113474A publication Critical patent/JP2019113474A/ja
Application granted granted Critical
Publication of JP6974159B2 publication Critical patent/JP6974159B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)

Description

本発明は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置および方法に関するものである。
被検体（生体）の断層画像を取得することができる放射線断層撮影装置として、ＰＥＴ（Positron Emission Tomography）装置およびＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置が挙げられる。
ＰＥＴ装置は、被検体が置かれる測定空間の周囲に配列された多数の小型の放射線検出器を有する検出部を備えている。ＰＥＴ装置は、陽電子放出アイソトープ（ＲＩ線源）が投入された被検体内における電子・陽電子の対消滅に伴って発生するエネルギ５１１ｋｅＶの光子対を検出部により同時計数法で検出し、この同時計数情報を収集する。そして、この収集した多数の同時計数情報に基づいて、測定空間における光子対の発生頻度の空間分布（すなわち、ＲＩ線源の空間分布）を表す断層画像を再構成することができる。このとき、ＰＥＴ装置により収集された同時計数情報を時系列に並べたリストデータを収集順に複数のフレームに分割し、そのリストデータのうち各フレームに含まれるデータ群を用いて画像再構成処理を行うことで、複数のフレームの断層画像からなる動態ＰＥＴ画像を得ることができる。このＰＥＴ装置は核医学分野等で重要な役割を果たしており、これを用いて例えば生体機能や脳の高次機能の研究を行うことができる。
このようにして再構成された断層画像は、ノイズを多く含んでいるので、画像フィルタによるノイズ除去処理が必要である。ノイズ除去の為に用いられる画像フィルタとしては、ガウシアン・フィルタ（Gaussian Filter）およびガイディド・フィルタ（Guided Filter）が挙げられる。従来からガウシアン・フィルタが用いられている。これに対して、ガイディド・フィルタは、近年になって開発されたものであって、ガウシアン・フィルタと比べると画像中の濃淡の境界をよく保存することができるという特徴がある。
特許文献１および非特許文献１には、ガイディド・フィルタにより動態ＰＥＴ画像のノイズを除去する技術が記載されている。特許文献１および非特許文献１に記載された技術は、ガイディド・フィルタによるノイズ除去処理に際して、複数のフレームの断層画像からなる動態ＰＥＴ画像を積算して得られる画像をガイダンス画像として用いている。
中国特許出願公開第１０３９５５８９９号明細書
Lijun Lu,, et al. "DynamicPET Denoising Incorporating a Composite Image Guided Filter," IEEE NuclearScience Symposium and Medical Imaging Conference (NSS/MIC), 2014.
特許文献１および非特許文献１に記載されたガイディド・フィルタによる動態ＰＥＴ画像に対するノイズ除去処理技術は、ガウシアン・フィルタを用いる場合と比べるとノイズ除去性能が優れている。しかし、ＰＥＴ画像およびＳＰＥＣＴ画像に対して更なるノイズ除去性能の向上が望まれている。
本発明は、上記問題点を解消する為になされたものであり、放射線断層撮影装置により収集されたリストデータに基づいて高性能にノイズ除去された断層画像を作成することができる装置および方法を提供することを目的とする。
本発明の第１態様の画像処理装置は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像として再構成画像を作成する処理対象画像作成部と、(2) リストデータのうち処理対象画像作成部において各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成部と、(3) 処理対象画像作成部において作成された各フレームの処理対象画像、および、ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成するフィルタ処理部と、を備える。
本発明の第２態様の画像処理装置は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像としてサイノグラムを作成する処理対象画像作成部と、(2) リストデータのうち処理対象画像作成部において各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像としてサイノグラムを作成するガイダンス画像作成部と、(3) 処理対象画像作成部において作成された各フレームの処理対象画像、および、ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成するフィルタ処理部と、(4) フィルタ処理部において作成された各フレームのサイノグラムを用いて、該フレームの断層画像を再構成する画像再構成部と、を備える。
本発明の第３態様の画像処理装置は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成するサイノグラム作成部と、(2) 初期画像を作成する初期画像作成部と、(3) 複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する順投影計算部と、(4) 複数のフレームそれぞれについて順投影計算部により作成されたサイノグラムとサイノグラム作成部により作成されたサイノグラムとの比較に基づいて逆投影計算を行う逆投影計算部と、(5) 複数のフレームそれぞれについて、逆投影計算部による逆投影計算結果に基づいて画像更新計算を行って、処理対象画像として当該画像更新計算後の画像を作成する処理対象画像作成部と、(6) リストデータのうちサイノグラム作成部において各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成部と、(7) 処理対象画像作成部において作成された各フレームの処理対象画像、および、ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成するフィルタ処理部と、を備える。そして、この画像処理装置は、順投影計算部による順投影計算、逆投影計算部による逆投影計算、処理対象画像作成部による画像更新計算およびフィルタ処理部によるノイズ除去処理を繰り返し行い、順投影計算部は、その繰り返し処理の初回においては初期画像を入力画像とし、以降においてはフィルタ処理部によるノイズ除去処理後の画像を入力画像とする。
本発明の画像処理装置において、ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を、ガイダンス画像の最大画素値が処理対象画像の最大画素値と等しくなるよう正規化を行って作成するのが好適である。ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、処理対象画像作成部において該フレームの処理対象画像を作成する際に用いたデータ群を含むデータ群を用いるのが好適である。また、ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、処理対象画像作成部において該フレームの処理対象画像を作成する際に用いたデータ群の前後のデータ群を用いるのが好適である。
本発明の放射線断層撮影システムは、被検体の断層画像を再構成するためのリストデータを収集する放射線断層撮影装置と、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する上記の本発明の画像処理装置と、を備える。
本発明の第１態様の画像処理方法は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像として再構成画像を作成する処理対象画像作成ステップと、(2) リストデータのうち処理対象画像作成ステップにおいて各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成ステップと、(3) 処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成するフィルタ処理ステップと、を備える。
本発明の第２態様の画像処理方法は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像としてサイノグラムを作成する処理対象画像作成ステップと、(2) リストデータのうち処理対象画像作成ステップにおいて各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像としてサイノグラムを作成するガイダンス画像作成ステップと、(3) 処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成するフィルタ処理ステップと、(4) フィルタ処理ステップにおいて作成された各フレームのサイノグラムを用いて、該フレームの断層画像を再構成する画像再構成ステップと、を備える。
本発明の第３態様の画像処理方法は、放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、(1) リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成するサイノグラム作成ステップと、(2) 初期画像を作成する初期画像作成ステップと、(3) 複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する順投影計算ステップと、(4) 複数のフレームそれぞれについて順投影計算ステップにおいて作成されたサイノグラムとサイノグラム作成ステップにおいて作成されたサイノグラムとの比較に基づいて逆投影計算を行う逆投影計算ステップと、(5) 複数のフレームそれぞれについて、逆投影計算ステップにおける逆投影計算結果に基づいて画像更新計算を行って、処理対象画像として当該画像更新計算後の画像を作成する処理対象画像作成ステップと、(6) リストデータのうちサイノグラム作成ステップにおいて各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成ステップと、(7) 処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成するフィルタ処理ステップと、を備える。そして、この画像処理方法は、順投影計算ステップ、逆投影計算ステップ、処理対象画像作成ステップおよびフィルタ処理ステップを繰り返し行い、順投影計算ステップにおいて、その繰り返し処理の初回においては初期画像を入力画像とし、以降においてはフィルタ処理ステップにおけるノイズ除去処理後の画像を入力画像とする。
本発明の画像処理方法において、ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を、ガイダンス画像の最大画素値が処理対象画像の最大画素値と等しくなるよう正規化を行って作成するのが好適である。ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、処理対象画像作成ステップにおいて該フレームの処理対象画像を作成する際に用いたデータ群を含むデータ群を用いるのが好適である。また、ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、処理対象画像作成ステップにおいて該フレームの処理対象画像を作成する際に用いたデータ群の前後のデータ群を用いるのが好適である。
本発明によれば、放射線断層撮影装置により収集されたリストデータに基づいて高性能にノイズ除去された断層画像を作成することができる。
図１は、ＲＩ線源が投入された被検体における同時計数情報の取得頻度の時間変化を示すグラフである。 図２は、第１実施形態の放射線断層撮影システム１Ａの構成を示す図である。 図３は、第１実施形態の画像処理方法を説明するフローチャートである。 図４は、リストデータ、フレーム、処理対象画像Ｐｍおよびガイダンス画像Ｉｍを説明する図である。 図５は、シミュレーション方法を説明する図である。図５（ａ）は数値ファントムを示す。図５（ｂ）はサイノグラムを示す。図５（ｃ）はノイズ付加サイノグラムを示す。図５（ｄ）は再構成画像を示す。 図６は、シミュレーションにおいて用いた腫瘍部（Tumor）、白質部（ＷＭ）および灰白質部（ＧＭ）それぞれのアクティビティの時間変化のモデルを示すグラフである。 図７は、シミュレーションにおいて得られた再構成画像を示す図である。 図８は、図７の再構成画像に対して比較例１のノイズ除去処理をして得られた画像を示す図である。 図９は、図７の再構成画像に対して比較例２のノイズ除去処理をして得られた画像を示す図である。 図１０は、図７の再構成画像に対して本実施形態のノイズ除去処理をして得られた画像を示す図である。 図１１は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。 図１２は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。 図１３は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。 図１４は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の腫瘍部（Tumor）のアクティビティの時間変化を示すグラフである。 図１５は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の白質部（ＷＭ）のアクティビティの時間変化を示すグラフである。 図１６は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の灰白質部（ＧＭ）のアクティビティの時間変化を示すグラフである。 図１７は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合について、腫瘍部、白質部および灰白質部それぞれのＭＡＥを示すグラフである。 図１８は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合について、腫瘍部、白質部および灰白質部それぞれのＲＭＳＥを示すグラフである。 図１９は、実施例において得られたＭＲＩ画像を示す図である。 図２０は、図１９のＭＲＩ画像の一部を拡大して示す図である。 図２１は、実施例において得られたＰＥＴ再構成画像を示す図である。 図２２は、図２１の再構成画像に対して比較例１のノイズ除去処理をして得られた画像を示す図である。 図２３は、図２１の再構成画像に対して比較例２のノイズ除去処理をして得られた画像を示す図である。 図２４は、図２１の再構成画像に対して本実施形態のノイズ除去処理をして得られた画像を示す図である。 図２５は、第２実施形態の放射線断層撮影システム１Ｂの構成を示す図である。 図２６は、第２実施形態の画像処理方法を説明するフローチャートである。 図２７は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。 図２８は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。 図２９は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。 図３０は、第３実施形態の放射線断層撮影システム１Ｃの構成を示す図である。 図３１は、第３実施形態の画像処理方法を説明するフローチャートである。 図３２は、第３実施形態のノイズ除去処理をして得られた画像を示す図である。 図３３は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。 図３４は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。 図３５は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。
以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。本発明は、これらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
初めに、ガイディド・フィルタの概要について説明する。ガイディド・フィルタは、下記（１）式で表される線形変換モデルを仮定して、入力画像Ｐおよびガイダンス画像Ｉを用いてノイズ除去処理を行い、ノイズ除去処理後の出力画像Ｑを作成する。Ｑｉは、出力画像Ｑにおける画素ｉの画素値である。Ｉｉは、ガイダンス画像Ｉにおける画素ｉの画素値である。ωｋは、入力画像Ｐにおいて画素ｋを中心とする複数の画素からなる小領域（パッチ領域）を表す。ａｋ，ｂｋは係数である。
Figure 0006974159
誤差関数Ｅ（ａｋ，ｂｋ）は下記（２）式で表される。この誤差関数Ｅ（ａｋ，ｂｋ）を最小化する係数ａｋ，ｂｋを求める。εは、ａｋをペナルティとする正則化パラメータであり、下記（３）式で表される。σは、入力画像Ｐの全体におけるノイズの推定標準偏差である。αは定数である。
Figure 0006974159
Figure 0006974159
この（２）式を正則化最小二乗法（線形リッジ回帰）により解くと、下記（４）式および（５）式が得られる。<Ｐｋ> は、入力画像Ｐの小領域ωｋ内の平均画素値である。μｋは、ガイダンス画像Ｉの小領域ωｋ内の平均画素値である。σｋは、ガイダンス画像Ｉの小領域ωｋ内の画素値の分散値である。|ωｋ|は、小領域ωｋ内の画素数である。
Figure 0006974159
Figure 0006974159
ノイズの影響を低減する為に、下記（６）式および（７）式で表されるように、小領域ωｉ内で係数ａｋ，ｂｋの平均値<ａｋ>，<ｂｋ> を求める。そして、この <ａｋ>，<ｂｋ> を用いて、下記（８）式により、ノイズ除去処理後の出力画像Ｑを得ることができる。
Figure 0006974159
Figure 0006974159
Figure 0006974159
一般に、ガイディド・フィルタでは、ガイダンス画像Ｉは入力画像Ｐと同じであってもよい。すなわち、動態ＰＥＴ画像がＭ個のフレームの断層画像からなるとして、これらＭ個のフレームのうち第ｍフレームの断層画像を入力画像Ｐｍおよびガイダンス画像Ｉｍの双方として用いて、ガイディド・フィルタにより、第ｍフレームのノイズ除去処理後の出力画像Ｑｍを作成してもよい。
特許文献１および非特許文献１に記載されたガイディド・フィルタによる動態ＰＥＴ画像に対するノイズ除去処理技術は、動態ＰＥＴ画像のＭ個のフレームの断層画像（入力画像Ｐｍ）の総和をガイダンス画像Ｉとして用いる（下記（９）式）。このガイダンス画像Ｉは、各入力画像Ｐｍよりノイズが低減されたものとなる。したがって、特許文献１および非特許文献１では、このガイダンス画像Ｉを用いることで、各入力画像Ｐｍに対して、より高性能のノイズ除去処理が可能であるとされている。
Figure 0006974159
一般に、ＲＩ線源が投入された被検体内における電子・陽電子の対消滅の頻度（同時計数情報の取得頻度）は、図１に示されるように、ＲＩ線源投入直後から時間の経過とともに次第に高くなっていき、やがて或る時刻Ｔｐでピークに達し、そのピークの後は緩やかに次第に低くなっていく。図１は、ＲＩ線源が投入された被検体における同時計数情報の取得頻度の時間変化を示すグラフである。
このことから、ＲＩ線源投入直後から同時計数情報の取得の頻度が高い期間においては各フレームの期間は相対的に短く設定され、その後の同時計数情報の取得の頻度が緩やかに低くなっていく期間においては各フレームの期間は相対的に長く設定される。また、ＲＩ線源投入直後から同時計数情報の取得の頻度がピークに達するまでの期間（時刻Ｔｐ以前）と、そのピークの後の期間（時刻Ｔｐ以降）とでは、断層画像が大きく相違していることが知られている。
特許文献１および非特許文献１に記載されたノイズ除去処理技術は、各フレームの期間が一定でない点を考慮することなく、また、ピーク前後の断層画像が大きく相違する点をも考慮することなく、Ｍ個のフレームの断層画像（入力画像Ｐｍ）の単純な総和をガイダンス画像Ｉとして用いる。このことから、各フレームの断層画像に対するノイズ除去の性能には限界がある。
以下に説明する実施形態の放射線断層撮影システム，画像処理装置および画像処理方法は、放射線断層撮影装置により収集されたリストデータに基づいて高性能にノイズ除去された断層画像を作成することができる。
（第１実施形態）
図２は、第１実施形態の放射線断層撮影システム１Ａの構成を示す図である。放射線断層撮影システム１Ａは、放射線断層撮影装置２および画像処理装置１０を備える。画像処理装置１０は、処理対象画像作成部１１、ガイダンス画像作成部１２、フィルタ処理部１３および記憶部１５を含む。画像処理装置１０としてコンピュータが用いられる。
放射線断層撮影装置２は、被検体の断層画像を再構成するためのリストデータを収集する装置である。放射線断層撮影装置２として、ＰＥＴ装置およびＳＰＥＣＴ装置が挙げられる。以下では、放射線断層撮影装置２がＰＥＴ装置であるとして説明をする。
放射線断層撮影装置２は、被検体が置かれる測定空間の周囲に配列された多数の小型の放射線検出器を有する検出部を備えている。放射線断層撮影装置２は、陽電子放出アイソトープ（ＲＩ線源）が投入された被検体内における電子・陽電子の対消滅に伴って発生するエネルギ５１１ｋｅＶの光子対を検出部により同時計数法で検出し、この同時計数情報を蓄積する。そして、放射線断層撮影装置２は、この蓄積した多数の同時計数情報を時系列に並べたものをリストデータとして画像処理装置１０へ出力する。
リストデータは、光子対を同時計数した１対の放射線検出器の識別情報および検出時刻情報を含む。リストデータは、さらに、各放射線検出器が検出した光子のエネルギ情報、および、１対の放射線検出器の検出時間差情報をも含んでいてもよい。
画像処理装置１０は、リストデータに基づいて断層画像を再構成する。リストデータに基づいて断層画像を再構成する技術としては、ＭＬ-ＥＭ（maximum likelihood expectationmaximization）法、および、これを改良したブロック反復法による逐次近似的画像再構成技術が知られている。また、ブロック反復法による逐次近似的画像再構成技術としては、ＯＳＥＭ（ordered subset ＭＬ-ＥＭ）法、ＲＡＭＬＡ（row-action maximum likelihood algorithm）法およびＤＲＡＭＡ（dynamic ＲＡＭＬＡ）法などが知られている。また、画像処理装置１０は、ガイディド・フィルタによりノイズ除去処理を行って、ノイズ除去処理後の断層画像を作成する。
処理対象画像作成部１１は、リストデータを収集順に複数のフレームに分割し、そのリストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像Ｐｍとして再構成画像を作成する。ガイダンス画像作成部１２は、リストデータのうち処理対象画像作成部１１において各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとして再構成画像を作成する。処理対象画像作成部１１およびガイダンス画像作成部１２は、共通のものであってもよいし、別個に設けられてもよい。
フィルタ処理部１３は、各フレームの対応する処理対象画像（入力画像）Ｐｍおよびガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成する。記憶部１５は、リストデータを記憶し、各フレームの対応する処理対象画像Ｐｍおよびガイダンス画像Ｉｍを記憶する。また、記憶部１５は、各フレームのノイズ除去処理後の断層画像を記憶する。
図３は、第１実施形態の画像処理方法を説明するフローチャートである。本実施形態の画像処理方法は、放射線断層撮影装置２により収集されたリストデータを取得するリストデータ取得ステップＳ１０と、処理対象画像作成部１１が行う処理対象画像作成ステップＳ１１と、ガイダンス画像作成部１２が行うガイダンス画像作成ステップＳ１２と、フィルタ処理部１３が行うフィルタ処理ステップＳ１３と、を備える。
リストデータ取得ステップＳ１０では、放射線断層撮影装置２により収集されたリストデータを取得する。処理対象画像作成ステップＳ１１では、リストデータを収集順に複数のフレームに分割し、そのリストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像Ｐｍとして再構成画像を作成する。ガイダンス画像作成ステップＳ１２では、処理対象画像作成ステップＳ１１において各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとして再構成画像を作成する。処理対象画像作成ステップＳ１１およびガイダンス画像作成ステップＳ１２は、任意の順に行われてもよいし、並列的に行なわれてもよい。フィルタ処理ステップＳ１３では、各フレームの対応する処理対象画像（入力画像）Ｐｍおよびガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成する。
図４は、リストデータ、フレーム、処理対象画像Ｐｍおよびガイダンス画像Ｉｍを説明する図である。この図において横軸はリストデータを収集した時間を表し、その時間軸が複数のフレームに分割されている。第ｍフレームの処理対象画像Ｐｍは、リストデータのうち第ｍフレームに含まれるデータ群を用いて再構成された断層画像である。第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、リストデータのうち第ｍフレームに含まれるデータ群より多いデータ数のデータ群を用いて再構成された断層画像である。
第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、第ｍフレームのデータ群の２倍以上のデータ数のデータ群を用いて作成されるのが好適である。第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、第ｍフレームのデータ群を含むデータ群を用いて作成されてもよいし、第ｍフレームのデータ群の前後のデータ群を用いて作成されてもよい。第ｍフレームが図１において時刻Ｔｐ以前（血流依存領域）である場合には、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、リストデータのうち時刻Ｔｐ以前のデータ群を用いて作成されるのが好適である。第ｍフレームが図１において時刻Ｔｐ以降（ＰＥＴリガンド動態依存領域）である場合には、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、リストデータのうち時刻Ｔｐ以降のデータ群を用いて作成されるのが好適である。第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、リストデータの全体を用いて作成されてもよい。
ガイダンス画像作成部１２（ガイダンス画像作成ステップＳ１２）において、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、ガイダンス画像Ｉｍの最大画素値が処理対象画像Ｐｍの最大画素値と等しくなるよう正規化を行って作成されるのが好適である。すなわち、下記（１０）式で表される正規化ガイダンス画像Ｉ'ｍを用いるのが好適である。MaxＰｍは、第ｍフレームの処理対象画像Ｐｍの最大画素値である。MaxＩｍは、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍの最大画素値である。
Figure 0006974159
次に、シミュレーション結果について説明する。図５は、シミュレーション方法を説明する図である。先ず数値ファントム（図５（ａ））を用意した。この数値ファントムは、18Ｆ-ＦＤＧ（フルオロデオキシグルコース）を投入したサルの脳の断層画像を模擬したものである。この数値ファントムには、脳の白質部（white matter、ＷＭ）および灰白質部（gray matter、ＧＭ）が含まれる他、腫瘍部（Tumor）も含まれている。図６は、シミュレーションにおいて用いた腫瘍部（Tumor）、白質部（ＷＭ）および灰白質部（ＧＭ）それぞれのアクティビティの時間変化のモデルを示すグラフである。アクティビティの時間変化（Time-Activity Curve、ＴＡＣ）は、一般に、ＲＩ線源投入直後から時間の経過とともに次第に高くなっていき、やがて或る時刻でピークに達し、そのピークの後は緩やかに次第に低くなっていく。総カウント数（同時計数情報の数）を１５００万とした。
この数値ファントムに基づいて各フレームのサイノグラム（図５（ｂ））を作成した。サイノグラムは、放射線断層撮影装置２の放射線検出器の対ごとに同時計数情報をヒストグラム化したものである。第１〜第６のフレームの各期間を１０秒（小計１分）とし、第７〜第８のフレームの各期間を３０秒（小計１分）とし、第９〜第１６のフレームの各期間を６０秒（小計８分）とし、第１７〜第２６のフレームの各期間を３００秒（小計５０分）とし、第２７〜第３２のフレームの各期間を６００秒（小計６０分）として、全体のリストデータの収集時間を１２０分とした。
各フレームのサイノグラムに対して、該フレームのカウント数に応じたポアソンノイズを与えて、ノイズ付加サイノグラム（図５（ｃ））を作成した。このノイズ付加サイノグラムに基づいてＭＬ-ＥＭ法により再構成画像（図５（ｄ））を作成した。ＭＬ-ＥＭ法における反復回数は４０回であった。
図７は、シミュレーションにおいて得られた再構成画像を示す図である。この再構成画像は、ノイズ除去処理前の第３０フレーム（５４００〜６０００秒の期間）の断層画像を示す。図８は、図７の再構成画像に対して比較例１のノイズ除去処理をして得られた画像を示す図である。比較例１のノイズ除去処理は、ガウシアン・フィルタによる処理である。図９は、図７の再構成画像に対して比較例２のノイズ除去処理をして得られた画像を示す図である。比較例１のノイズ除去処理は、特許文献１および非特許文献１に記載されたフィルタ処理である。図１０は、図７の再構成画像に対して本実施形態のノイズ除去処理をして得られた画像を示す図である。ここでは、リストデータの全体を用いて作成された正規化ガイダンス画像Ｉ'ｍを用いた。これらの図の対比から分かるように、比較例１，２のノイズ除去処理と比べて、本実施形態のノイズ除去処理では、画像中の濃淡の境界がよく保存された上で、ノイズがよく除去されている。
図１１は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。ＭＳＥ（Mean Square Error）は、真の画像（ここでは図５（ａ）の数値ファントム画像）との誤差を表しており、値が低いほど真の画像に近いことを意味する。図１２は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。ＰＳＮＲ（Peak Signal to Noise Ratio）は、画像の品質をデシベル（ｄＢ）で表したものであり、値が高いほど良好な画質であることを意味する。図１３は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。ＳＳＩＭ（Structural Similarity Index）は、画像の輝度およびコントラストならびに構造の変化を定量化する指標であり、値が高いほど良好な画質であることを意味する。ＭＳＥ、ＰＳＮＲおよびＳＳＩＭの何れの指標も、比較例１，２のノイズ除去処理と比べて本実施形態のノイズ除去処理の場合の方が性能が優れていることを示している。
図１４は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の腫瘍部（Tumor）のアクティビティの時間変化を示すグラフである。図１５は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の白質部（ＷＭ）のアクティビティの時間変化を示すグラフである。図１６は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の灰白質部（ＧＭ）のアクティビティの時間変化を示すグラフである。図１４〜図１６それぞれは、図６に示した基準となるアクティビティの時間変化のモデルをも示す。
これら図１４〜図１６に基づいて、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合について、基準に対するアクティビティの誤差を求めた。図１７は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合について、腫瘍部、白質部および灰白質部それぞれのＭＡＥを示すグラフである。図１８は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合について、腫瘍部、白質部および灰白質部それぞれのＲＭＳＥを示すグラフである。ＭＡＥ（Mean Absolute Error）およびＲＭＳＥ（Root Mean Square Error）の何れも、値が小さいほど定量性が優れていることを意味する。ＭＡＥおよびＲＭＳＥの何れの指標も、比較例１，２のノイズ除去処理と比べて本実施形態のノイズ除去処理の場合の方が定量性が優れていることを示している。
次に、実施例について説明する。実施例では、被検体として、18Ｆ-ＦＤＧを投入したサルの脳を用いた。ＰＥＴ装置として、浜松ホトニクス株式会社製の動物用ＰＥＴ装置（ＳＨＲ-３８０００）を用いた。トランスミッション計測を３０分間に亘って行い、また、エミッション計測を１２０分間に亘って行って、トランスミッション計測結果に基づいてエミッション計測結果に対して吸収補正を行った。前述のシミュレーションと同様にリストデータを第１〜第３２のフレームに分割した。各フレームの再構成画像をＭＬ-ＥＭ法により作成した。また、この被検体のＭＲＩ（Magnetic Resonance Imaging）画像をも取得した。
図１９は、実施例において得られたＭＲＩ画像を示す図である。図２０は、図１９のＭＲＩ画像の一部を拡大して示す図である。図２１は、実施例において得られたＰＥＴ再構成画像を示す図である。この再構成画像は、ノイズ除去処理前の第３０フレーム（５４００〜６０００秒の期間）の断層画像を示す。図２２は、図２１の再構成画像に対して比較例１のノイズ除去処理をして得られた画像を示す図である。図２３は、図２１の再構成画像に対して比較例２のノイズ除去処理をして得られた画像を示す図である。図２４は、図２１の再構成画像に対して本実施形態のノイズ除去処理をして得られた画像を示す図である。ここでは、リストデータの全体を用いて作成された正規化ガイダンス画像を用いた。
図２０〜図２４それぞれは、図１９中の矩形枠部分に相当する部分を拡大して示している。図２０〜図２４それぞれにおいて、実線矢印は脳の中心（大脳鎌）を指し示し、破線矢印は大脳のしわ（中心溝）を指し示している。これらの図の対比から分かるように、比較例１，２のノイズ除去処理と比べて、本実施形態のノイズ除去処理では、画像中の濃淡の境界がよく保存された上で、ノイズがよく除去されており、脳の構造をよく表している。また、本実施形態のノイズ除去処理では、スパイクノイズが低減されている。
以上のとおり、本実施形態では、ガイディド・フィルタによるノイズ除去処理に際して、各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を作成する。これにより、各フレームの期間が一定でない場合や、各フレームのデータ数が一定でない場合であっても、より高性能に各フレームのノイズ除去された断層画像を作成することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、特に正規化ガイダンス画像Ｉ'ｍを用いることにより、断層画像の画質を更に改善することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、被検体内でのＰＥＴリガンドの動態を考慮したガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を用いることにより、動態が急激に変化する動態ＰＥＴ画像の画質を改善することができる。
（第２実施形態）
図２５は、第２実施形態の放射線断層撮影システム１Ｂの構成を示す図である。放射線断層撮影システム１Ｂは、放射線断層撮影装置２および画像処理装置２０を備える。画像処理装置２０は、処理対象画像作成部２１、ガイダンス画像作成部２２、フィルタ処理部２３、画像再構成部２４および記憶部２５を含む。画像処理装置２０としてコンピュータが用いられる。
画像処理装置２０は、リストデータに基づいて断層画像を再構成する。また、画像処理装置２０は、ガイディド・フィルタによりノイズ除去処理を行って、ノイズ除去処理後の断層画像を作成する。処理対象画像作成部２１は、リストデータを収集順に複数のフレームに分割し、そのリストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像Ｐｍとしてサイノグラムを作成する。ガイダンス画像作成部２２は、リストデータのうち処理対象画像作成部２１において各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとしてサイノグラムを作成する。処理対象画像作成部２１およびガイダンス画像作成部２２は、共通のものであってもよいし、別個に設けられてもよい。
フィルタ処理部２３は、各フレームの対応する処理対象画像（入力画像）Ｐｍおよびガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成する。画像再構成部２４は、フィルタ処理部２３において作成された各フレームのノイズ除去処理後のサイノグラムを用いて、該フレームの断層画像を再構成する。記憶部２５は、リストデータを記憶し、各フレームの対応する処理対象画像Ｐｍおよびガイダンス画像Ｉｍを記憶する。また、記憶部２５は、各フレームのノイズ除去処理後の断層画像を記憶する。
図２６は、第２実施形態の画像処理方法を説明するフローチャートである。本実施形態の画像処理方法は、放射線断層撮影装置２により収集されたリストデータを取得するリストデータ取得ステップＳ２０と、処理対象画像作成部２１が行う処理対象画像作成ステップＳ２１と、ガイダンス画像作成部２２が行うガイダンス画像作成ステップＳ２２と、フィルタ処理部２３が行うフィルタ処理ステップＳ２３と、画像再構成部２４が行う画像再構成ステップＳ２４と、を備える。
リストデータ取得ステップＳ２０では、放射線断層撮影装置２により収集されたリストデータを取得する。処理対象画像作成ステップＳ２１では、リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像Ｐｍとしてサイノグラムを作成する。ガイダンス画像作成ステップＳ２２では、処理対象画像作成ステップＳ２１において各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとしてサイノグラムを作成する。処理対象画像作成ステップＳ２１およびガイダンス画像作成ステップＳ２２は、任意の順に行われてもよいし、並列的に行なわれてもよい。
フィルタ処理ステップＳ２３では、各フレームの対応する処理対象画像（入力画像）Ｐｍおよびガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成する。画像再構成ステップＳ２４では、フィルタ処理ステップＳ２３において作成された各フレームのイズ除去処理後のサイノグラムを用いて、該フレームの断層画像を再構成する。
リストデータ、フレーム、処理対象画像Ｐｍを作成する際に用いるデータ群、および、ガイダンス画像Ｉｍを作成する際に用いるデータ群、の間の関係については、第１実施形態において図４を用いて説明したとおりである。ガイディド・フィルタによるノイズ除去処理に用いる処理対象画像Ｐｍおよびガイダンス画像Ｉｍは、第１実施形態では再構成画像であったのに対して、第２実施形態ではサイノグラムである点で相違する。本実施形態においても、ガイダンス画像作成部２２（ガイダンス画像作成ステップＳ２２）において、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、ガイダンス画像Ｉｍの最大画素値が処理対象画像Ｐｍの最大画素値と等しくなるよう正規化を行って作成されるのが好適である（上記（１０）式）。
次に、シミュレーション結果について説明する。本シミュレーションでは、第１実施形態において図５を用いて説明したとおりにして、数値ファントム（図５（ａ））に基づいて各フレームのサイノグラム（図５（ｂ））を作成し、さらに各フレームのサイノグラムにポアソンノイズを与えてノイズ付加サイノグラム（図５（ｃ））を作成した。ノイズ付加サイノグラム（図５（ｃ））を処理対象画像Ｐｍとした。また、処理対象画像Ｐｍとしてのノイズ付加サイノグラム（図５（ｃ））を用いて、比較例１、比較例２または本実施形態のノイズ除去処理をした後、ＭＬ-ＥＭ法により再構成画像を作成した。ＭＬ-ＥＭ法における反復回数は４０回であった。本実施形態のノイズ除去処理では、各フレームの処理対象画像Ｐｍに対応する正規化ガイダンス画像Ｉ'ｍを、リストデータの全体を用いて作成されたサイノグラムにポアソンノイズを与えることで作成した。
図２７は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。図２８は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。図２９は、シミュレーションにおいて得られた比較例１、比較例２および本実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。これらの図から分かるように、ＭＳＥ、ＰＳＮＲおよびＳＳＩＭの何れの指標も、比較例１，２のノイズ除去処理と比べて本実施形態のノイズ除去処理の場合の方が性能が優れていることを示している。
第２実施形態においても、第１実施形態の場合と同様の効果が得られる。すなわち、ガイディド・フィルタによるノイズ除去処理に際して、各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を作成する。これにより、各フレームの期間が一定でない場合や、各フレームのデータ数が一定でない場合であっても、より高性能に各フレームのノイズ除去された断層画像を作成することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、特に正規化ガイダンス画像Ｉ'ｍを用いることにより、断層画像の画質を更に改善することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、被検体内でのＰＥＴリガンドの動態を考慮したガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を用いることにより、動態が急激に変化する動態ＰＥＴ画像の画質を改善することができる。
（第３実施形態）
図３０は、第３実施形態の放射線断層撮影システム１Ｃの構成を示す図である。放射線断層撮影システム１Ｃは、放射線断層撮影装置２および画像処理装置３０を備える。画像処理装置３０は、サイノグラム作成部３１、ガイダンス画像作成部３２、初期画像作成部３３、順投影計算部３４、逆投影計算部３５、処理対象画像作成部３６、フィルタ処理部３７および記憶部３８を含む。画像処理装置３０としてコンピュータが用いられる。
画像処理装置３０は、リストデータに基づいて断層画像を再構成する。また、画像処理装置３０は、ガイディド・フィルタによりノイズ除去処理を行って、ノイズ除去処理後の断層画像を作成する。サイノグラム作成部３１は、リストデータを収集順に複数のフレームに分割し、そのリストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成する。ガイダンス画像作成部３２は、フィルタ処理部３７におけるガイディド・フィルタによるノイズ除去処理の際に用いられるガイダンス画像Ｉｍを作成する。初期画像作成部３３は、初期画像を作成する。初期画像は、任意であるが、例えば、各画素値が正の一定値（例えば値１）である画像である。
順投影計算部３４は、複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する。逆投影計算部３５は、複数のフレームそれぞれについて順投影計算部３４により作成されたサイノグラムとサイノグラム作成部３１により作成されたサイノグラムとの比較に基づいて逆投影計算を行う。処理対象画像作成部３６は、複数のフレームそれぞれについて、逆投影計算部３５による逆投影計算結果に基づいて画像更新計算を行って、処理対象画像Ｐｍとして当該画像更新計算後の画像を作成する。フィルタ処理部３７は、処理対象画像作成部３６において作成された各フレームの処理対象画像Ｐｍ、および、ガイダンス画像作成部３２において該フレームの処理対象画像Ｐｍに対応して作成されたガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成する。
ガイダンス画像作成部３２は、リストデータのうちサイノグラム作成部３１において各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとして再構成画像を作成する。記憶部３８は、リストデータを記憶し、各フレームの対応する処理対象画像Ｐｍおよびガイダンス画像Ｉｍを記憶する。また、記憶部３８は、各フレームのノイズ除去処理後の断層画像を記憶する。
順投影計算部３４による順投影計算、逆投影計算部３５による逆投影計算、処理対象画像作成部３６による画像更新計算およびフィルタ処理部３７によるノイズ除去処理は、繰り返し回数が所定の反復回数に達するまで、繰り返し行われる。順投影計算部３４は、その繰り返し処理の初回においては、初期画像作成部３３により作成された初期画像を入力画像とする。順投影計算部３４は、以降においては、フィルタ処理部３７によるノイズ除去処理後の画像を入力画像とする。繰り返し回数が所定の反復回数に達したときの処理対象画像作成部３６による画像更新計算後の画像、または、フィルタ処理部３７によるノイズ除去処理後の画像が、ノイズ除去処理後の断層画像として出力される。
図３１は、第３実施形態の画像処理方法を説明するフローチャートである。本実施形態の画像処理方法は、放射線断層撮影装置２により収集されたリストデータを取得するリストデータ取得ステップＳ３０と、サイノグラム作成部３１が行うサイノグラム作成ステップＳ３１と、ガイダンス画像作成部３２が行うガイダンス画像作成ステップＳ３２と、初期画像作成部３３が行う初期画像作成ステップＳ３３と、順投影計算部３４が行う順投影計算ステップＳ３４と、逆投影計算部３５が行う逆投影計算ステップＳ３５と、処理対象画像作成部３６が行う処理対象画像作成ステップＳ３６と、フィルタ処理部３７が行うフィルタ処理ステップＳ３７と、繰り返し回数ｋの値を１増する繰り返し回数更新ステップＳ３８と、繰り返し回数ｋが所定の反復回数に達したか否かを判定する判定ステップＳ３９と、を備える。
リストデータ取得ステップＳ３０では、放射線断層撮影装置２により収集されたリストデータを取得する。サイノグラム作成ステップＳ３１では、リストデータを収集順に複数のフレームに分割し、リストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成する。ガイダンス画像作成ステップＳ３２では、フィルタ処理ステップＳ３７におけるガイディド・フィルタによるノイズ除去処理の際に用いられるガイダンス画像Ｉｍを作成する。ガイダンス画像作成ステップＳ３２では、リストデータのうちサイノグラム作成ステップＳ３１において各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍとして再構成画像を作成する。初期画像作成ステップＳ３３では、初期画像を作成する。
順投影計算ステップＳ３４では、複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する。逆投影計算ステップＳ３５では、複数のフレームそれぞれについて順投影計算ステップＳ３４において作成されたサイノグラムとサイノグラム作成ステップＳ３１により作成されたサイノグラムとの比較に基づいて逆投影計算を行う。処理対象画像作成ステップＳ３６では、複数のフレームそれぞれについて、逆投影計算ステップＳ３５による逆投影計算結果に基づいて画像更新計算を行って、処理対象画像Ｐｍとして当該画像更新計算後の画像を作成する。フィルタ処理ステップＳ３７では、処理対象画像作成ステップＳ３６において作成された各フレームの処理対象画像Ｐｍ、および、ガイダンス画像作成ステップＳ３２において該フレームの処理対象画像Ｐｍに対応して作成されたガイダンス画像Ｉｍを用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成する。
繰り返し回数更新ステップＳ３８では、繰り返し回数ｋの値を１増する。判定ステップＳ３９では、繰り返し回数ｋが所定の反復回数に達したか否かを判定する。判定ステップＳ３９において繰り返し回数ｋが所定の反復回数に達したと判定されるまで、順投影計算ステップＳ３４、逆投影計算ステップＳ３５、処理対象画像作成ステップＳ３６、フィルタ処理ステップＳ３７および繰り返し回数更新ステップＳ３８を、繰り返し行う。
順投影計算ステップＳ３４において、その繰り返し処理の初回（ｋ＝０）においては、初期画像作成ステップＳ３３において作成された初期画像を入力画像とする。順投影計算ステップＳ３４において、以降（ｋ≧１）においては、フィルタ処理ステップＳ３７におけるノイズ除去処理後の画像を入力画像とする。
判定ステップＳ３９において繰り返し回数ｋが所定の反復回数に達したと判定されると、処理対象画像作成ステップＳ３６における画像更新計算後の画像、または、フィルタ処理ステップＳ３７におけるノイズ除去処理後の画像が、ノイズ除去処理後の断層画像として出力される。
リストデータ、フレーム、処理対象画像Ｐｍを作成する際に用いるデータ群、および、ガイダンス画像Ｉｍを作成する際に用いるデータ群、の間の関係については、第１実施形態において図４を用いて説明したとおりである。ガイディド・フィルタによるノイズ除去処理に用いる処理対象画像Ｐｍは、第１実施形態では再構成画像であり、第２実施形態ではサイノグラムであったのに対して、第３実施形態では画像再構成の繰り返し処理の途中における画像更新計算の後の画像である点で相違する。本実施形態においても、ガイダンス画像作成部３２（ガイダンス画像作成ステップＳ３２）において、第ｍフレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍは、ガイダンス画像Ｉｍの最大画素値が処理対象画像Ｐｍの最大画素値と等しくなるよう正規化を行って作成されるのが好適である（上記（１０）式）。
次に、シミュレーション結果について説明する。本シミュレーションでは、第１実施形態において図５を用いて説明したとおりにして、数値ファントム（図５（ａ））に基づいて各フレームのサイノグラム（図５（ｂ））を作成し、さらに各フレームのサイノグラムにポアソンノイズを与えてノイズ付加サイノグラム（図５（ｃ））を作成した。このノイズ付加サイノグラム（図５（ｃ））を、サイノグラム作成部３１（サイノグラム作成ステップＳ３１）で作成されたサイノグラムとした。各フレームの処理対象画像Ｐｍに対応する正規化ガイダンス画像Ｉ'ｍは、リストデータの全体を用いて作成されたサイノグラムにポアソンノイズを与え、このノイズ付加サイノグラムに基づいて画像再構成することで作成した。ＭＬ-ＥＭ法による画像再構成処理において、処理対象画像作成部３６（処理対象画像作成ステップＳ３６）による画像更新計算の後に、フィルタ処理部３７（フィルタ処理ステップＳ３７）によるノイズ除去処理を行った。ＭＬ-ＥＭ法における反復回数は４０回であった。
図３２は、第３実施形態のノイズ除去処理をして得られた画像を示す図である。この図は、第３０フレーム（５４００〜６０００秒の期間）の断層画像を示す。第１実施形態のノイズ除去処理をして得られた画像（図１０）と比べると、第３実施形態のノイズ除去処理をして得られた画像（図３２）は、更にノイズが除去されたものとなっている。
図３３は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＭＳＥの時間変化を示すグラフである。図３４は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＰＳＮＲの時間変化を示すグラフである。図３５は、シミュレーションにおいて得られた比較例１、比較例２、第１実施形態および第３実施形態それぞれの場合の再構成画像のＳＳＩＭの時間変化を示すグラフである。これらの図から分かるように、ＭＳＥ、ＰＳＮＲおよびＳＳＩＭの何れの指標も、比較例１，２のノイズ除去処理と比べて第３実施形態のノイズ除去処理の場合の方が性能が優れていることを示している。また、第１実施形態のノイズ除去処理と比べても第３実施形態のノイズ除去処理の場合の方が性能が優れていることを示している。
第３実施形態においても、第１実施形態の場合と同様の効果が得られる。すなわち、ガイディド・フィルタによるノイズ除去処理に際して、各フレームの処理対象画像Ｐｍを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像Ｐｍに対応するガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を作成する。これにより、各フレームの期間が一定でない場合や、各フレームのデータ数が一定でない場合であっても、より高性能に各フレームのノイズ除去された断層画像を作成することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、特に正規化ガイダンス画像Ｉ'ｍを用いることにより、断層画像の画質を更に改善することができる。また、ガイディド・フィルタによるノイズ除去処理に際して、被検体内でのＰＥＴリガンドの動態を考慮したガイダンス画像Ｉｍ（または正規化ガイダンス画像Ｉ'ｍ）を用いることにより、動態が急激に変化する動態ＰＥＴ画像の画質を改善することができる。
（変形例）
本発明は、上記実施形態に限定されるものではなく、種々の変形が可能である。第１〜第３の実施形態のノイズ除去処理のうちの何れか２以上のノイズ除去処理を組み合わせてもよい。例えば、サイノグラムにおいて第２実施形態のようにしてノイズ除去処理をし、その後に、再構成画像において第１実施形態のようにしてノイズ除去処理をしてもよい。
放射線断層撮影装置２は、上記の実施形態ではＰＥＴ装置であるとしたが、ＳＰＥＣＴ装置であってもよい。
１Ａ〜１Ｃ…放射線断層撮影システム、２…放射線断層撮影装置、１０…画像処理装置、１１…処理対象画像作成部、１２…ガイダンス画像作成部、１３…フィルタ処理部、１５…記憶部、２０…画像処理装置、２１…処理対象画像作成部、２２…ガイダンス画像作成部、２３…フィルタ処理部、２４…画像再構成部、２５…記憶部、３０…画像処理装置、３１…サイノグラム作成部、３２…ガイダンス画像作成部、３３…初期画像作成部、３４…順投影計算部、３５…逆投影計算部、３６…処理対象画像作成部、３７…フィルタ処理部、３８…記憶部。

Claims (13)

  1. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像として再構成画像を作成する処理対象画像作成部と、
    前記リストデータのうち前記処理対象画像作成部において各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成部と、
    前記処理対象画像作成部において作成された各フレームの処理対象画像、および、前記ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成するフィルタ処理部と、
    を備える画像処理装置。
  2. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像としてサイノグラムを作成する処理対象画像作成部と、
    前記リストデータのうち前記処理対象画像作成部において各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像としてサイノグラムを作成するガイダンス画像作成部と、
    前記処理対象画像作成部において作成された各フレームの処理対象画像、および、前記ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成するフィルタ処理部と、
    前記フィルタ処理部において作成された各フレームのサイノグラムを用いて、該フレームの断層画像を再構成する画像再構成部と、
    を備える画像処理装置。
  3. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する装置であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成するサイノグラム作成部と、
    初期画像を作成する初期画像作成部と、
    前記複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する順投影計算部と、
    前記複数のフレームそれぞれについて前記順投影計算部により作成されたサイノグラムと前記サイノグラム作成部により作成されたサイノグラムとの比較に基づいて逆投影計算を行う逆投影計算部と、
    前記複数のフレームそれぞれについて、前記逆投影計算部による逆投影計算結果に基づいて画像更新計算を行って、処理対象画像として当該画像更新計算後の画像を作成する処理対象画像作成部と、
    前記リストデータのうち前記サイノグラム作成部において各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成部と、
    前記処理対象画像作成部において作成された各フレームの処理対象画像、および、前記ガイダンス画像作成部において該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成するフィルタ処理部と、
    を備え、
    前記順投影計算部による順投影計算、前記逆投影計算部による逆投影計算、前記処理対象画像作成部による画像更新計算および前記フィルタ処理部によるノイズ除去処理を繰り返し行い、
    前記順投影計算部は、その繰り返し処理の初回においては前記初期画像を前記入力画像とし、以降においては前記フィルタ処理部によるノイズ除去処理後の画像を前記入力画像とする、
    画像処理装置。
  4. 前記ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を、前記ガイダンス画像の最大画素値が前記処理対象画像の最大画素値と等しくなるよう正規化を行って作成する、
    請求項１〜３の何れか１項に記載の画像処理装置。
  5. 前記ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、前記処理対象画像作成部において該フレームの処理対象画像を作成する際に用いたデータ群を含むデータ群を用いる、
    請求項１〜４の何れか１項に記載の画像処理装置。
  6. 前記ガイダンス画像作成部は、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、前記処理対象画像作成部において該フレームの処理対象画像を作成する際に用いたデータ群の前後のデータ群を用いる、
    請求項１〜５の何れか１項に記載の画像処理装置。
  7. 被検体の断層画像を再構成するためのリストデータを収集する放射線断層撮影装置と、
    前記放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する請求項１〜６の何れか１項に記載の画像処理装置と、
    を備える放射線断層撮影システム。
  8. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像として再構成画像を作成する処理対象画像作成ステップと、
    前記リストデータのうち前記処理対象画像作成ステップにおいて各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成ステップと、
    前記処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、前記ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の断層画像を作成するフィルタ処理ステップと、
    を備える画像処理方法。
  9. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームの処理対象画像としてサイノグラムを作成する処理対象画像作成ステップと、
    前記リストデータのうち前記処理対象画像作成ステップにおいて各フレームの処理対象画像を作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像としてサイノグラムを作成するガイダンス画像作成ステップと、
    前記処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、前記ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後のサイノグラムを作成するフィルタ処理ステップと、
    前記フィルタ処理ステップにおいて作成された各フレームのサイノグラムを用いて、該フレームの断層画像を再構成する画像再構成ステップと、
    を備える画像処理方法。
  10. 放射線断層撮影装置により収集されたリストデータに基づいてノイズ除去処理後の断層画像を作成する方法であって、
    前記リストデータを収集順に複数のフレームに分割し、前記リストデータのうち各フレームに含まれるデータ群を用いて、該フレームのサイノグラムを作成するサイノグラム作成ステップと、
    初期画像を作成する初期画像作成ステップと、
    前記複数のフレームそれぞれについて入力画像に基づいて順投影計算を行ってサイノグラムを作成する順投影計算ステップと、
    前記複数のフレームそれぞれについて前記順投影計算ステップにおいて作成されたサイノグラムと前記サイノグラム作成ステップにおいて作成されたサイノグラムとの比較に基づいて逆投影計算を行う逆投影計算ステップと、
    前記複数のフレームそれぞれについて、前記逆投影計算ステップにおける逆投影計算結果に基づいて画像更新計算を行って、処理対象画像として当該画像更新計算後の画像を作成する処理対象画像作成ステップと、
    前記リストデータのうち前記サイノグラム作成ステップにおいて各フレームのサイノグラムを作成する際に用いたデータ群より多いデータ数のデータ群を用いて、該フレームの処理対象画像に対応するガイダンス画像として再構成画像を作成するガイダンス画像作成ステップと、
    前記処理対象画像作成ステップにおいて作成された各フレームの処理対象画像、および、前記ガイダンス画像作成ステップにおいて該フレームの処理対象画像に対応して作成されたガイダンス画像を用いて、ガイディド・フィルタによりノイズ除去処理を行い、該フレームのノイズ除去処理後の画像を作成するフィルタ処理ステップと、
    を備え、
    前記順投影計算ステップ、前記逆投影計算ステップ、前記処理対象画像作成ステップおよび前記フィルタ処理ステップを繰り返し行い、
    前記順投影計算ステップにおいて、その繰り返し処理の初回においては前記初期画像を前記入力画像とし、以降においては前記フィルタ処理ステップにおけるノイズ除去処理後の画像を前記入力画像とする、
    画像処理方法。
  11. 前記ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を、前記ガイダンス画像の最大画素値が前記処理対象画像の最大画素値と等しくなるよう正規化を行って作成する、
    請求項８〜１０の何れか１項に記載の画像処理方法。
  12. 前記ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、前記処理対象画像作成ステップにおいて該フレームの処理対象画像を作成する際に用いたデータ群を含むデータ群を用いる、
    請求項８〜１１の何れか１項に記載の画像処理方法。
  13. 前記ガイダンス画像作成ステップは、各フレームの処理対象画像に対応するガイダンス画像を作成する際に、前記処理対象画像作成ステップにおいて該フレームの処理対象画像を作成する際に用いたデータ群の前後のデータ群を用いる、
    請求項８〜１２の何れか１項に記載の画像処理方法。
JP2017248872A 2017-12-26 2017-12-26 画像処理装置および画像処理方法 Active JP6974159B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017248872A JP6974159B2 (ja) 2017-12-26 2017-12-26 画像処理装置および画像処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017248872A JP6974159B2 (ja) 2017-12-26 2017-12-26 画像処理装置および画像処理方法

Publications (2)

Publication Number Publication Date
JP2019113474A JP2019113474A (ja) 2019-07-11
JP6974159B2 true JP6974159B2 (ja) 2021-12-01

Family

ID=67221485

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017248872A Active JP6974159B2 (ja) 2017-12-26 2017-12-26 画像処理装置および画像処理方法

Country Status (1)

Country Link
JP (1) JP6974159B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113365060B (zh) * 2021-05-21 2022-04-26 北京奇艺世纪科技有限公司 一种图像滤波方法、装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008122903A2 (en) * 2007-04-04 2008-10-16 Koninklijke Philips Electronics, N.V. Isotropic resolution image reconstruction
US9241678B2 (en) * 2012-05-09 2016-01-26 Kabushiki Kaisha Toshiba Random estimation in positron emission tomography with tangential time-of-flight mask
JP5992264B2 (ja) * 2012-08-30 2016-09-14 富士フイルムＲｉファーマ株式会社 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法
CN106255994B (zh) * 2014-02-18 2019-09-17 皇家飞利浦有限公司 针对正电子发射断层摄影(pet)列表模式迭代重建的重建中滤波
JP6495615B2 (ja) * 2014-10-23 2019-04-03 浜松ホトニクス株式会社 画像処理装置および画像処理方法

Also Published As

Publication number Publication date
JP2019113474A (ja) 2019-07-11

Similar Documents

Publication Publication Date Title
WO2020162296A1 (ja) 画像処理装置および画像処理方法
US10475214B2 (en) Tomographic reconstruction based on deep learning
US8058601B2 (en) Determining a multimodal pixon map for tomographic-image reconstruction
US20100260402A1 (en) Image analysis
US8781198B2 (en) High contrast imaging and fast imaging reconstruction
CN110415311B (zh) Pet图像重建方法、系统、可读存储介质和设备
CN110651302A (zh) 用于图像重建的方法和设备
WO2021153604A1 (ja) 画像処理装置および画像処理方法
Yu et al. Noise type evaluation in positron emission tomography images
Kim et al. An effective post-filtering framework for 3-D PET image denoising based on noise and sensitivity characteristics
JP6974159B2 (ja) 画像処理装置および画像処理方法
Guo et al. Graph filtering approach to PET image denoising
Wang et al. Hybrid pre-log and post-log image reconstruction for computed tomography
CN105488824B (zh) 一种重建pet图像的方法和装置
JP6986961B2 (ja) 画像処理装置および画像処理方法
JP6495615B2 (ja) 画像処理装置および画像処理方法
JP7018306B2 (ja) 画像処理装置および画像処理方法
WO2023149403A1 (ja) 画像処理装置および画像処理方法
Bai et al. PET image reconstruction: methodology and quantitative accuracy
Suzuki et al. Image Correction in Emission Tomography Using Deep Convolution Neural Network
Krishnaswamy et al. Deep Learning Features Restoration and Regional Longitudinal Fitting of Computed Tomography Images using Convolution Neural Network
Bian et al. Dynamic PET image reconstruction using a spatial-temporal edge-preserving prior
JP2016085064A (ja) 画像処理装置および画像処理方法
Yu et al. PET image improvement using the Patch Confidence K-Nearest Neighbors Filter
Niu et al. Spatio-temporal MAP reconstruction of gated cardiac images using DFT basis functions

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201125

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210929

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211005

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211104

R150 Certificate of patent or registration of utility model

Ref document number: 6974159

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150