JP7221067B2

JP7221067B2 - 医用画像処理装置、磁気共鳴イメージング装置、学習装置、医用画像処理方法、およびプログラム

Info

Publication number: JP7221067B2
Application number: JP2019016845A
Authority: JP
Inventors: 大貴近藤
Original assignee: Canon Medical Systems Corp
Current assignee: Canon Medical Systems Corp
Priority date: 2019-02-01
Filing date: 2019-02-01
Publication date: 2023-02-13
Anticipated expiration: 2039-02-01
Also published as: JP2020124275A

Description

本発明の実施形態は、医用画像処理装置、磁気共鳴イメージング装置、学習装置、医用画像処理方法、およびプログラムに関する。

高いＳＮＲ（Signal-Noise Ratio）やコントラストを得るために、３［Ｔ］や７［Ｔ］といった高磁場を人間などの被検体に作用させて医用画像を生成するＭＲＩ（Magnetic Resonance Imaging）装置が知られている。高磁場を発生させるＭＲＩ装置では、静磁場強度に比例して高周波磁場の周波数が高くなることから、被検体内部で発生する定在波などの影響を受けて、磁場が不均一になったり、被検体内で磁場のエネルギーが吸収されやすくなったりする場合があった。この結果、医用画像にむらが生じる。

このような現象を抑制するための一つの手法に、マルチチャネル送信と呼ばれる手法がある。マルチチャネル送信を採用するＭＲＩ装置では、複数の送信チャネルを独立に制御することで、高周波磁場の不均一性を低減している。

しかしながら、従来の技術では、送信チャネルが増えれば制御が複雑化することから、より簡易な制御で医用画像の画質を向上させることが所望されている。

特開２０１３－１７６５５３号公報

本発明が解決しようとする課題は、医用画像の画質を向上させることである。

実施形態の医用画像処理装置は、取得部と、決定部とを備える。取得部は、被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて生成された医用画像を取得する。決定部は、画像が入力されると、前記高周波磁場の送信不均一性を低減させるためのパラメータを出力するように学習されたモデルに対して、前記取得部により取得された前記医用画像を入力することで、前記パラメータを決定する。

実施形態に係る医用画像処理装置２００を含む医用画像処理システム１の構成の一例を示す図。実施形態に係るＭＲＩ装置１００の一例を示す図。実施形態に係る医用画像処理装置２００の一例を示す図。教師データ２３４の一例を示す図。実施形態におけるＭＲＩ装置１００側の処理回路１３０のトレーニング時の一連の処理の流れを示すフローチャート。実施形態における医用画像処理装置２００側の処理回路２１０のトレーニング時の一連の処理の流れを示すフローチャート。画像選択画面の一例を示す図。教師データの生成方法を模式的に示す図。実施形態におけるＭＲＩ装置１００側の処理回路１３０のランタイム時の一連の処理の流れを示すフローチャート。実施形態における医用画像処理装置２００側の処理回路２１０のランタイム時の一連の処理の流れを示すフローチャート。パラメータ出力モデルＭＤＬの出力結果の一例を示す図。パラメータ出力モデルＭＤＬの出力結果の他の例を示す図。実施形態に係るＭＲＩ装置１００の他の例を示す図。シミングパラメータが教師ラベルとして対応付けられていないシミングなし画像を教師データ２３４とする方法を説明するための図。

以下、図面を参照しながら、医用画像処理装置、磁気共鳴イメージング装置、学習装置、医用画像処理方法、およびプログラムの実施形態について詳細に説明する。

図１は、実施形態に係る医用画像処理装置２００を含む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の一つである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。

［ＭＲＩ装置の構成例］
図２は、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」とも呼ばれる。

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、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を発生させる。送信コイル１０６は、例えば、高周波磁場の位相または振幅の少なくとも一方を独立に制御可能な複数の送信チャネルを有するコイルである。以下、送信コイル１０６から送信される高周波磁場を、送信ＲＦと称することにする。

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から送信ＲＦを発生させる。また、送信回路１０７は、送信コイル１０６の複数の送信チャネルに供給する電流を独立に制御することにより、高周波磁場の空間的な不均一性を補正する。このような高周波磁場を空間的に均一化させることは、Ｂ１シミング（ＲＦシミング）と呼ばれる。Ｂ１シミングでは、各送信コイル１０６から発生させる送信ＲＦの振幅や位相などを調整することで、被検体ＯＢに作用させる高周波磁場を空間的に均一化させる。

受信コイル１０８は、傾斜磁場コイル１０２の内側に配置され、送信ＲＦ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。本実施形態では、受信コイル１０８が、少なくとも２つ以上のコイルエレメントを有するコイルアレイであるものとして説明するが、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。

受信回路１０９は、受信コイル１０８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。なお、受信回路１０９は、受信コイル１０８から出力される磁気共鳴信号をシーケンス制御回路１１０へ送信してもよい。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の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から発生させる送信ＲＦの振幅や送信ＲＦ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から磁気共鳴信号や磁気共鳴データを受信すると、受信した磁気共鳴信号や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、磁気共鳴信号や磁気共鳴データを収集したりする。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、「生成部」の一例である。これらの医用画像は、二次元画像であってもよいし、三次元画像であってもよい。

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、その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３は、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３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ＭＲ画像や、そのＭＲ画像が撮像された被検体ＯＢの身長や体重などの体格を示す情報、性別、撮像部位といった情報（以下、これらの情報を被検体情報と称する）を受信する。通信インターフェース２０２は、受信した医用画像や被検体情報を処理回路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、医師や技師など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、パラメータ決定機能２１４と、出力制御機能２１６と、学習機能２１８とを実行する。取得機能２１２は、「取得部」の一例であり、パラメータ決定機能２１４は、「決定部」の一例であり、出力制御機能２１６は、「出力制御部」の一例であり、学習機能２１８は、「学習部」の一例である。

処理回路２１０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２３０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、パラメータ出力モデル情報２３２と、教師データ２３４などが格納される。

パラメータ出力モデル情報２３２は、後述する一または複数のパラメータ出力モデルＭＤＬを定義した情報（プログラムまたはデータ構造）である。パラメータ出力モデルＭＤＬは、画像が入力されると、送信ＲＦを均一に照射するための調整パラメータ（以下、シミングパラメータと称する）を出力するように学習されたモデルである。シミングパラメータには、例えば、送信コイル１０６の各チャネルから発生させる送信ＲＦの振幅差ΔＡと位相差Δφとのうち一方または双方が含まれる。また、シミングパラメータには、送信ＲＦの振幅差ΔＡや位相差Δφに加えて、あるいは代えて、撮像対象の被検体ＯＢにとって最適なＲＦパワーを決定する係数が含まれていてもよい。このように、シミングパラメータは、多次元のパラメータ（複数のパラメータの組み合わせ）であってよい。

各パラメータ出力モデルＭＤＬは、例えば、ＣＮＮ（Convolutional Neural Network）などのＤＮＮ（Deep Neural Network(s)）によって実現されてよい。また、パラメータ出力モデルＭＤＬは、ニューラルネットワークに限られず、サポートベクターマシンや決定木、単純ベイズ分類器、ランダムフォレストといった他のモデルによって実現されてよい。

パラメータ出力モデルＭＤＬがＤＮＮによって実現される場合、パラメータ出力モデル情報２３２には、例えば、パラメータ出力モデル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、活性化関数のパラメータであり、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。

教師データ２３４は、上述したパラメータ出力モデルＭＤＬを教師あり学習するために利用されるデータである。図４は、教師データ２３４の一例を示す図である。図示のように、教師データ２３４は、シミングなし画像に対して、振幅差ΔＡや位相差Δφといったシミングパラメータが教師ラベルとして対応付けられたデータである。シミングなし画像とは、例えば、Ｂ１シミングを行わずに生成されたＢ１マップである。教師ラベルとするシミングパラメータは、Ｂ１マップに対してむら（送信むら）が生じないようにＢ１シミングされたときの振幅差ΔＡや位相差Δφなどである。画像のむらは、磁場が不均一であることに起因して生じ得る画像のむらであり、被検体ＯＢの体格（体型）や体内組織の構造、被検体ＯＢの配置などによって変化し得る。すなわち、教師データ２３４は、画像のむらが少ないＢ１マップを得るために調整されたシミングパラメータが、画像のむらが多いＢ１マップに教師ラベルとして対応付けられたデータである。また、図示の例のように、教師データ２３４は、被検体ＯＢの体格や性別、撮像部位といった被検体情報ごとに得られていてよい。

取得機能２１２は、通信インターフェース２０２にＭＲＩ装置１００と通信させ、ＭＲＩ装置１００から再構成されたＭＲ画像や被検体情報を取得する。

パラメータ決定機能２１４は、パラメータ出力モデル情報２３２が示すパラメータ出力モデルＭＤＬを利用して、取得機能２１２によって取得されたＭＲ画像からむらを低減するために好適なシミングパラメータを決定する。例えば、パラメータ出力モデルＭＤＬは、プロセッサがパラメータ出力モデルＭＤＬを実行することによって、パラメータ決定機能２１４の一部として実現されてよい。

出力制御機能２２０は、通信インターフェース２０２を制御して、パラメータ決定機能２１４によって決定されたシミングパラメータをＭＲＩ装置１００に送信する。また、出力制御機能２２０は、パラメータ決定機能２１４によって決定されたシミングパラメータを表す画像をディスプレイ２０６に表示させてもよい。

学習機能２２２は、パラメータ出力モデルＭＤＬに対して、教師データ２３４に含まれるシミングなし画像を入力し、パラメータ出力モデルＭＤＬによって出力されたシミングパラメータが、教師データ２３４とするシミングなし画像に対して予め教師ラベルとして対応付けられたシミングパラメータに近づくようにパラメータ出力モデルＭＤＬを学習する。

例えば、パラメータ出力モデルＭＤＬがニューラルネットワークである場合、学習機能２２２は、パラメータ出力モデルＭＤＬによって出力されたシミングパラメータと、教師ラベルのシミングパラメータとの差分が小さくなるように、パラメータ出力モデルＭＤＬのパラメータを、ＳＧＤ(Stochastic Gradient Descent）、Momentum ＳＧＤ、AdaGrad、RMSprop、AdaDelta、Ａｄａｍ(Adaptive moment estimation)などの勾配法を利用して学習する。

［トレーニング時のＭＲＩ装置の処理フロー］
以下、実施形態におけるＭＲＩ装置１００側の処理回路１３０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５は、実施形態におけるＭＲＩ装置１００側の処理回路１３０のトレーニング時の一連の処理の流れを示すフローチャートである。トレーニングとは、パラメータ出力モデルＭＤＬを学習することである。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。なお、ＭＲＩ装置１００の処理回路１３０を実現するプロセッサが、複数の独立した回路を組み合わせて構成される場合、すなわち、ＭＲＩ装置１００の処理回路１３０が複数のプロセッサによって実現される場合、本フローチャートの処理の一部または全部は、複数のプロセッサによって並列処理されてよい。

まず、生成機能１３４は、Ｂ１シミングを行わずに、すなわち、磁場の空間的な不均一性を考慮せずに、シミングなし画像を生成する（ステップＳ１００）。シミングなし画像には、被検体ＯＢの体格や性別、撮像部位といった被検体情報が対応付けられていてよい。このときの被検体ＯＢは、人体であってもよいし、人体を模擬した形状や性質を有する数種のファントムであってもよい。

次に、生成機能１３４は、複数のシミングパラメータの候補の中から、一つの好適なシミングパラメータを選択する（ステップＳ１０２）。例えば、生成機能１３４は、ＭＲＩ装置１００の設計時や据え付け時などのタイミングで、技術者やサービスマンなどに複数のシミングパラメータの候補を提示し、一つの好適なシミングパラメータを選択させる。あるいは、生成機能１３４は、ＭＲＩ装置１００が据え付けられた病院の医師や技師などのユーザに複数のシミングパラメータの候補を提示し、一つの好適なシミングパラメータを選択させてもよい。

次に、生成機能１３４は、選択したシミングパラメータに基づいてＢ１シミングを行い、Ｂ１マップ（以下、シミングあり画像と称する）を生成する（ステップＳ１０４）。具体的には、生成機能１３４は、送信回路１０７に、選択したシミングパラメータに従って振幅や位相が調整された高周波磁場を送信コイル１０６から照射する。これによって、Ｂ１シミングを行わない場合に比べて、空間に均一に分布した磁場が発生する。この際、撮像対象である被検体ＯＢの撮像部位などの被検体情報は、シミングなし画像が生成されるときと同じであるものとする。

受信回路１０９は、空間に均一に分布した磁場が発生したときに受信コイル１０８によって受信された磁気共鳴信号に基づいて磁気共鳴データを生成し、シーケンス制御回路１１０を介して処理回路１３０に送信する。これを受けて、生成機能１３４は、Ｂ１シミングを行って得られたｋ空間データに対して再構成処理を行うことで、シミングあり画像を生成する。

次に、生成機能１３４は、全てのシミングパラメータの候補を選択して、シミングあり画像を生成したか否かを判定し（ステップＳ１０６）、未だ全てのシミングパラメータの候補を選択しておらず、シミングあり画像を生成していないと判定した場合、Ｓ１０２の処理に戻る。そして、生成機能１３４は、複数のシミングパラメータの候補の中から、前回選択したシミングパラメータと異なる好適なシミングパラメータを選択し、その選択したシミングパラメータに基づいてＢ１シミングを行い、シミングあり画像を生成することを繰り返す。

一方、通信制御機能１３６は、生成機能１３４によって、全てのシミングパラメータの候補を選択して、シミングあり画像を生成したと判定された場合、通信インターフェース１２２を介して、生成機能１３４によってシミングパラメータごとに生成された全てのシミングあり画像と、シミングなし画像とを医用画像処理装置２００に送信する（ステップＳ１０８）。医用画像処理装置２００に送信されるシミングあり画像には、シミングパラメータが対応付けられているものとする。これによって本フローチャートの処理が終了する。

なお、上述したフローチャートでは、シミングパラメータを手動で選択させる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１３０は、複数のシミングパラメータの候補のそれぞれを評価し、各候補の評価結果に基づいて、適切な振幅差ΔＡおよび位相差Δのシミングパラメータの候補を、シミングパラメータとして自動で選択してよい。このように、処理回路１３０は、本フローチャートの処理を、インタラクティブ処理ではなく、バッチ処理のように実行してよい。

［トレーニング時の医用画像処理装置の処理フロー］
以下、実施形態における医用画像処理装置２００側の処理回路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６は、実施形態における医用画像処理装置２００側の処理回路２１０のトレーニング時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。なお、医用画像処理装置２００の処理回路２１０を実現するプロセッサが、複数の独立した回路を組み合わせて構成される場合、すなわち、医用画像処理装置２００の処理回路２１０が複数のプロセッサによって実現される場合、本フローチャートの処理の一部または全部は、複数のプロセッサによって並列処理されてよい。

まず、学習機能２１８は、通信インターフェース２０２によってＭＲＩ装置１００からシミングあり画像とシミングなし画像とを含む医用画像が受信されたか否かを判定する（ステップＳ２００）。これらの画像には、被検体情報が対応付けられていてよい。

学習機能２１８は、通信インターフェース２０２によってＭＲＩ装置１００から医用画像が受信されたと判定した場合、受信された医用画像に含まれる複数のシミングあり画像の中から、最もむらの少ないシミングあり画像を選択させる画面（以下、画像選択画面と称する）をディスプレイ２０６に表示させる（ステップＳ２０２）。

図７は、画像選択画面の一例を示す図である。図示の例のように、画像選択画面には、複数のシミングあり画像がサムネイル形式などで並べられて表示されてよい。また、図示のように、画像選択画面には、複数のシミングあり画像のそれぞれに対応付けられたシミングパラメータが表示されてよい。

次に、学習機能２１８は、入力インターフェース２０４によって、画像選択画面に表示させた複数のシミングあり画像の中から、最もむらの少ないシミングあり画像を選択する操作が受け付けられたか否かを判定する（ステップＳ２０４）。

学習機能２１８は、入力インターフェース２０４によってシミングあり画像を選択する操作が受け付けられなかったと判定した場合、Ｓ２０２の処理に戻る。

一方、学習機能２１８は、入力インターフェース２０４によってシミングあり画像を選択する操作が受け付けられたと判定した場合、教師データ２３４を生成する（ステップＳ２０６）。

例えば、学習機能２１８は、画像選択画面に表示させた複数のシミングあり画像の中から、最もむらの少ない画像として選択されたシミングあり画像に対応付けられたシミングパラメータを取得する。学習機能２１８は、通信インターフェース２０２によって受信された医用画像の中に複数のシミングあり画像とともに含まれていたシミングなし画像に対して、取得したシミングパラメータを教師ラベルとして対応付けることで、教師データ２３４を生成する。この際、学習機能２１８は、生成した教師データ２３４を、被検体情報に基づいて、被検体ＯＢの体格や性別、部位ごとにグループ化してよい。

図８は、教師データの生成方法を模式的に示す図である。図示のように、通信インターフェース２０２によってシミングなし画像ＩＭＧ＿１が受信されており、最もむらの少ない画像としてシミングあり画像ＩＭＧ＿２が選択されたとする。この場合、学習機能２１８は、シミングあり画像ＩＭＧ＿２にシミングパラメータとして対応付けられた送信ＲＦの振幅差ΔＡ_２と位相差Δφ_２とを、シミングなし画像ＩＭＧ＿１に教師ラベルとして対応付けることで、教師データ２３４を生成する。

図６の説明に戻り、次に、学習機能２１８は、生成した教師データ２３４に基づいて、パラメータ出力モデルＭＤＬを学習する（ステップＳ２０８）。例えば、学習機能２１８は、教師データ２３４に含まれるシミングなし画像をパラメータ出力モデルＭＤＬに入力する。学習機能２１８は、シミングなし画像を入力したパラメータ出力モデルＭＤＬによって出力されたシミングパラメータと、教師ラベルとしたシミングパラメータとの差分が小さくなるように確率的勾配降下法などを利用してパラメータ出力モデルＭＤＬのパラメータを決定する。学習機能２１８は、被検体ＯＢの体格が同じ教師データを用いて、被検体ＯＢの体格ごとにパラメータ出力モデルＭＤＬを学習したり、被検体ＯＢの性別が同じ教師データを用いて、被検体ＯＢの性別ごとにパラメータ出力モデルＭＤＬを学習したり、被検体ＯＢの撮像部位が同じ教師データを用いて、被検体ＯＢの撮像部位ごとにパラメータ出力モデルＭＤＬを学習したりしてよい。

次に、学習機能２１８は、学習したパラメータ出力モデルＭＤＬを、被検体ＯＢの体格ごと、性別ごと、部位ごと、またはこれらの組み合わせごとに対応付け、この情報をパラメータ出力モデル情報２３２としてメモリ２３０に記憶させる（ステップＳ２１０）。これによって本フローチャートの処理が終了する。

このように、Ｂ１シミングを行わないことで被検体ＯＢ内において高周波磁場が空間的に均一でない蓋然性が高い状態のときに生成されたシミングなし画像に対して、Ｂ１シミングを行うことで被検体ＯＢ内において磁場が空間的に均一である蓋然性が高い状態のときに生成されたシミングあり画像のシミングパラメータが教師ラベルとして対応付けられた教師データ２３４を用いて、パラメータ出力モデルＭＤＬを学習する。これによって、パラメータ出力モデルＭＤＬにシミングなし画像が入力された場合に、そのシミングなし画像において生じている蓋然性の高いむらを低減することが可能なシミングパラメータをパラメータ出力モデルＭＤＬに出力させることができる。

なお、上述したフローチャートでは、学習機能２１８が、複数のシミングあり画像が含まれる画像選択画面をディスプレイ２０６に表示させることで、その画面を見た人に、複数のシミングあり画像の中から、最もむらの少ないシミングあり画像を選択させるものとして説明したがこれに限られない。例えば、学習機能２１８は、複数のシミングあり画像のそれぞれに対応付けられたシミングパラメータを評価し、各シミングあり画像のシミングパラメータの評価結果に基づいて、最もむらの少ないシミングあり画像を自動的に選択してよい。具体的には、学習機能２１８は、適切な振幅差ΔＡおよび位相差Δφがシミングパラメータとして対応付けられた画像を、最もむらの少ないシミングあり画像として選択する。このように、処理回路２１０は、本フローチャートの処理を、インタラクティブ処理ではなく、バッチ処理のように実行してよい。

［ランタイム時のＭＲＩ装置の処理フロー］
以下、実施形態におけるＭＲＩ装置１００側の処理回路１３０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９は、実施形態におけるＭＲＩ装置１００側の処理回路１３０のランタイム時の一連の処理の流れを示すフローチャートである。ランタイムとは、十分に学習されたパラメータ出力モデルＭＤＬを利用して処理を実行することである。本フローチャートの処理は、例えば、プリスキャン時に所定の周期で繰り返し行われてよい。プリスキャンとは、本スキャンの前に、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をシーケンシャルにスキャンすることである。なお、上述した図５のフローチャートと同様に、ＭＲＩ装置１００の処理回路１３０を実現するプロセッサが、複数の独立した回路を組み合わせて構成される場合、すなわち、ＭＲＩ装置１００の処理回路１３０が複数のプロセッサによって実現される場合、本フローチャートの処理の一部または全部は、複数のプロセッサによって並列処理されてよい。

まず、生成機能１３４は、撮像部位を決定し、Ｂ１シミングを行わずに、決定した撮像部位をスキャンすることで、シミングなし画像を生成する（ステップＳ３００）。

次に、通信制御機能１３６は、通信インターフェース１２２を介して、生成機能１３４によって生成されたシミングなし画像を医用画像処理装置２００に送信する（ステップＳ３０２）。このシミングなし画像には、被検体情報が対応付けられていてよい。

次に、生成機能１３４は、通信インターフェース１２２によって医用画像処理装置２００から、Ｓ３０２の処理で送信したシミングなし画像のむらを低減することが可能なシミングパラメータ（パラメータ出力モデルＭＤＬによって出力されたシミングパラメータ）が受信されるまで待機する（ステップＳ３０４）。生成機能１３４は、通信インターフェース１２２によってシミングパラメータが受信されると、送信回路１０７に、シミングパラメータに基づいてＢ１シミングを行わせる（ステップＳ３０６）。具体的には、生成機能１３４は、通信インターフェース１２２によって受信されたシミングパラメータに含まれる振幅差ΔＡと位相差Δφとなるように、送信回路１０７に、送信コイル１０６の各送信チャネルに供給する送信ＲＦの振幅と位相を制御させることで、Ｂ１シミングを行わせる。

次に、生成機能１３４は、本スキャンを行って医用画像を生成する（ステップＳ３０８）。これによって本フローチャートの処理が終了する。

このように、Ｂ１シミングを行う際にシミングパラメータを機械学習によって決定するため、送信コイル１０６の制御が複雑化しても柔軟に、被検体ＯＢ毎に最適なＢ１シミングパラメータを算出することができる。この結果、速やかに高画質な医用画像を生成することができるようになるため、被検体ＯＢの診断時間を短くすることができる。

［ランタイム時の医用画像処理装置の処理フロー］
以下、実施形態における医用画像処理装置２００側の処理回路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、実施形態における医用画像処理装置２００側の処理回路２１０のランタイム時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。なお、上述した図６のフローチャートと同様に、医用画像処理装置２００の処理回路２１０を実現するプロセッサが、複数の独立した回路を組み合わせて構成される場合、すなわち、医用画像処理装置２００の処理回路２１０が複数のプロセッサによって実現される場合、本フローチャートの処理の一部または全部は、複数のプロセッサによって並列処理されてよい。

まず、パラメータ決定機能２１４は、通信インターフェース２０２によってＭＲＩ装置１００からシミングなし画像が受信されるまで待機する（ステップＳ４００）。パラメータ決定機能２１４は、通信インターフェース２０２によってシミングなし画像が受信されると、そのシミングなし画像に対応付けられた被検体情報を参照し、シミングなし画像が得られたときの被検体ＯＢの体格や性別、撮像部位に適したパラメータ出力モデルＭＤＬを、既に学習された複数のパラメータ出力モデルＭＤＬの中から選択する（ステップＳ４０２）。例えば、シミングなし画像が得られたときの被検体ＯＢの身長や体重、ＢＭＩ（Body Mass Index）、ＦＯＶ（Field Of View）における被検体ＯＢの縦横比といった体格情報と、性別と、撮像部位に応じて、パラメータ決定機能２１４は、既に学習された複数のパラメータ出力モデルＭＤＬの中から、パラメータ出力モデルＭＤＬを選択する。なお、パラメータ決定機能２１４は、体格や、性別、撮像部位といった複数の条件のうち、全ての条件を満たすパラメータ出力モデルＭＤＬを選択する必要はなく、一部の条件（例えば性別）については満たしていないパラメータ出力モデルＭＤＬを選択してもよい。

次に、パラメータ決定機能２１４は、選択したパラメータ出力モデルＭＤＬ、すなわち、十分に学習されたパラメータ出力モデルＭＤＬに対して、通信インターフェース２０２によって受信されたシミングなし画像を入力する（ステップＳ４０４）。

次に、パラメータ決定機能２１４は、シミングなし画像を入力したパラメータ出力モデルＭＤＬの出力結果に基づいて、送信ＲＦのむらを低減するシミングパラメータを決定する（ステップＳ４０６）。

次に、出力制御機能２１６は、通信インターフェース２０２を介して、パラメータ決定機能２１４によって決定されたシミングパラメータをＭＲＩ装置１００に送信する（ステップＳ４０８）。また、出力制御機能２１６は、パラメータ決定機能２１４によって決定されたシミングパラメータをディスプレイ２０６に表示させてもよい。これによって本フローチャートの処理が終了する。

図１１は、パラメータ出力モデルＭＤＬの出力結果の一例を示す図である。例えば、パラメータ出力モデルＭＤＬは、入力された画像からむらを低減するために好ましいシミングパラメータが、トレーニング時に教師ラベルとして利用された複数のシミングパラメータのうち、どのシミングパラメータであることが尤もらしいのかを表した尤度を出力するように学習される。例えば、トレーニング時に教師ラベルとして、Ａ、Ｂ、Ｃの３種類のシミングパラメータを利用した場合、パラメータ出力モデルＭＤＬは、シミングパラメータＡの尤度と、シミングパラメータＢの尤度と、シミングパラメータＣの尤度とをそれぞれ要素とする３次元のベクトルを出力してよい。図中ｅ_Ａは、シミングパラメータＡの尤度に対応した基底ベクトルを表し、ｅ_Ｂは、シミングパラメータＢの尤度に対応した基底ベクトルを表し、ｅ_Ｃは、シミングパラメータＣの尤度に対応した基底ベクトルを表している。そのため、図示の例では、シミングなし画像ＩＭＧ＿Ｘをパラメータ出力モデルＭＤＬに入力したときのシミングパラメータＡの尤度は、０．２であり、シミングパラメータＢの尤度は、０．３であり、シミングパラメータＣの尤度は、０．５であることを表している。このように、パラメータ出力モデルＭＤＬは、トレーニング時に教師ラベルとした各シミングパラメータの尤度を表す係数ベクトルを出力してよい。尤度を表す係数ベクトルは、「高周波磁場の送信不均一性を低減させるためのパラメータ」の一例である。

上記の数値例の場合、シミングなし画像ＩＭＧ＿Ｘからむらを低減するために好ましいシミングパラメータは、３種類のシミングパラメータのうち、シミングパラメータＣである蓋然性が最も高くなっている。従って、パラメータ決定機能２１４は、シミングなし画像のむらを低減することが可能なシミングパラメータを、シミングパラメータＣに決定する。シミングパラメータＣに含まれる振幅差ΔＡや位相差Δφなどの数値は、トレーニング時に教師ラベルとして対応付けられたパラメータ値と同じ値であってもよいし、トレーニング時に教師ラベルとして対応付けられたパラメータ値が尤度に応じて重みづけられた値であってもよい。

図１２は、パラメータ出力モデルＭＤＬの出力結果の他の例を示す図である。例えば、パラメータ出力モデルＭＤＬは、上述したように、トレーニング時に教師ラベルとした各シミングパラメータの尤度を要素とするベクトルを出力するのに代えて、図示のように、送信ＲＦの振幅差ΔＡや位相差Δφを要素とするベクトルを出力してもよい。図中ｅ_Ａｍｐは、シミングパラメータに含まれる振幅差ΔＡに対応した基底ベクトルを表し、ｅ_φは、シミングパラメータに含まれる位相差Δφに対応した基底ベクトルを表している。そのため、図示の例では、シミングなし画像ＩＭＧ＿Ｘをパラメータ出力モデルＭＤＬに入力したときに得られる振幅差ΔＡは、２．０［ｄＢ］であり、位相差Δφは６０［ｒａｄ］であることを表している。送信ＲＦの振幅差ΔＡや位相差Δφを要素とするベクトルは、「高周波磁場の送信不均一性を低減させるためのパラメータ」の他の例である。

上記の数値例の場合、パラメータ決定機能２１４は、シミングなし画像ＩＭＧ＿Ｘからむらを低減するために好ましいシミングパラメータを、その振幅差ΔＡが２．０［ｄＢ］であり、位相差Δφが６０［ｒａｄ］であるシミングパラメータに決定する。

以上説明した実施形態によれば、医用画像処理装置２００の処理回路２１０が、被検体ＯＢに送信ＲＦを照射することで生成されたシミングなし画像を取得し、画像が入力されると、入力された画像からむらを低減するために好適なシミングパラメータを出力するように学習されたパラメータ出力モデルＭＤＬに対して、取得機能２１２により取得されたシミングなし画像を入力することで、送信ＲＦのシミングパラメータを決定する。処理回路２１０は、シミングパラメータを決定すると、通信インターフェース２０２などを介してＭＲＩ装置１００にシミングパラメータ送信する。これによって、ＭＲＩ装置１００は、シミングパラメータに基づいてＢ１シミングを精度良く行うことができるため、医用画像のむらを精度よく低減することができる。この結果、医用画像の画質を向上させることができる。

また、上述した実施形態によれば、教師データ２３４が被検体ＯＢの体格や性別、撮像部位といった被検体情報ごとに得られているため、個々の被検体ＯＢにパーソナライズされたシミングパラメータを決定することができる。

（実施形態の変形例）
以下、実施形態の変形例について説明する。上述した実施形態では、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１３は、実施形態に係るＭＲＩ装置１００の他の例を示す図である。図１３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、パラメータ決定機能２１４と、学習機能２１８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、パラメータ出力モデル情報２３２と、教師データ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、医用画像から精度良くむらを低減することができる。

また、上述した実施形態では、トレーニング時に、画像選択画面に表示させた複数のシミングあり画像の中から、ユーザが選択した画像のシミングパラメータを、シミングなし画像の教師ラベルとして対応付けることで教師データ２３４を生成したがこれに限られない。例えば、シミングあり画像のシミングパラメータが教師ラベルとして対応付けられていないシミングなし画像を、教師データ２３４としてもよい。

図１４は、シミングパラメータが教師ラベルとして対応付けられていないシミングなし画像を教師データ２３４とする方法を説明するための図である。図示のように、例えば、教師データ２３４の中に、あるシミングなし画像ＩＭＧ＿Ｘのシミングパラメータ（振幅差ΔＡ_Ｘ，位相差Δφ_Ｘ）が教師ラベルとして対応付けられたシミングなし画像ＩＭＧ＿１と、あるシミングなし画像ＩＭＧ＿Ｙのシミングパラメータ（振幅差ΔＡ_Ｙ，位相差Δφ_Ｙ）が教師ラベルとして対応付けられたシミングなし画像ＩＭＧ＿２と、あるシミングなし画像ＩＭＧ＿Ｚのシミングパラメータ（振幅差ΔＡ_Ｚ，位相差Δφ_Ｚ）が教師ラベルとして対応付けられたシミングなし画像ＩＭＧ＿３とが含まれているとする。また、教師データ２３４に含まれていないシミングなし画像ＩＭＧ＿４～ＩＭＧ＿７が存在したとする。このような場合、学習機能２１８は、シミングなし画像ＩＭＧ＿４～ＩＭＧ＿７のそれぞれの画像について、教師データ２３４に含まれるシミングなし画像ＩＭＧ＿１～ＩＭＧ＿３の中から、ある一定の類似度以上でむらが類似する画像を選択し、選択した画像の教師ラベルであるシミングパラメータを、比較対象のシミングなし画像に教師ラベルとして対応付ける。

図示の例では、シミングなし画像ＩＭＧ＿４は、シミングなし画像ＩＭＧ＿１とむらが類似しており、シミングなし画像ＩＭＧ＿５は、シミングなし画像ＩＭＧ＿３とむらが類似しており、シミングなし画像ＩＭＧ＿６は、シミングなし画像ＩＭＧ＿２とむらが類似しており、シミングなし画像ＩＭＧ＿７は、いずれの画像ともむらが類似していない。このような場合、学習機能２１８は、シミングなし画像ＩＭＧ＿４に対して、類似するシミングなし画像ＩＭＧ＿１に対応付けられたシミングパラメータ（振幅差ΔＡ_Ｘ，位相差Δφ_Ｘ）を教師ラベルとして対応付けることで、シミングなし画像ＩＭＧ＿４を教師データ２３４とする。また、学習機能２１８は、シミングなし画像ＩＭＧ＿５に対して、類似するシミングなし画像ＩＭＧ＿３に対応付けられたシミングパラメータ（振幅差ΔＡ_Ｚ，位相差Δφ_Ｚ）を教師ラベルとして対応付けることで、シミングなし画像ＩＭＧ＿５を教師データ２３４とする。また、学習機能２１８は、シミングなし画像ＩＭＧ＿６に対して、類似するシミングなし画像ＩＭＧ＿２に対応付けられたシミングパラメータ（振幅差ΔＡ_Ｙ，位相差Δφ_Ｙ）を教師ラベルとして対応付けることで、シミングなし画像ＩＭＧ＿６を教師データ２３４とする。また、学習機能２１８は、シミングなし画像ＩＭＧ＿７については類似する画像がないため教師データ２３４としない。

また、上述した実施形態において、シミングなし画像やシミングあり画像などのＢ１マップが三次元画像である場合、学習機能２１８は、ＭＰＲ（Multi-Planar Reconstruction）によって任意の断面画像を生成することで、シミングパラメータが教師ラベルとして対応付けられていないシミングなし画像の数をさらに増やしてもよい。

このように、シミングあり画像のシミングパラメータが教師ラベルとして対応付けられていないシミングなし画像も教師データ２３４とすることで、パラメータ出力モデルＭＤＬの学習精度を向上させることができる。この結果、医用画像からさらに精度良くむらを低減することができる。この結果、医用画像の画質をさらに向上させることができる。

上記説明した実施形態は、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することで得られる磁気共鳴信号に基づいて生成された医用画像を取得し、
画像が入力されると、前記高周波磁場の送信不均一性を低減させるためのパラメータを出力するように学習されたモデルに対して、前記取得した前記医用画像を入力することで、前記パラメータを決定する、
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、医用画像処理装置２００の処理回路２１０が、被検体ＯＢに送信ＲＦを照射することで生成されたシミングなし画像を取得し、画像が入力されると、入力された画像からむらを低減するために好適なシミングパラメータを出力するように学習されたパラメータ出力モデルＭＤＬに対して、取得機能２１２により取得されたシミングなし画像を入力することで、送信ＲＦのシミングパラメータを決定する。処理回路２１０は、シミングパラメータを決定すると、通信インターフェース２０２などを介してＭＲＩ装置１００にシミングパラメータ送信する。これによって、ＭＲＩ装置１００は、シミングパラメータに基づいてＢ１シミングを精度良く行うことができるため、医用画像のむらを精度よく低減することができる。この結果、医用画像の画質を向上させることができる。

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…パラメータ決定機能、２１６…出力制御機能、２１８…学習機能、２３０…メモリ

Claims

被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて生成された医用画像を取得する取得部と、
前記高周波磁場の送信不均一性を低減せるためのパラメータが調整されずに得られた第１医用画像に対して、前記パラメータが調整されて前記第１医用画像に比べて画質が良好な第２医用画像が得られた時の前記パラメータが対応付けられた教師データに基づき学習されたモデルに対して、前記取得部により取得された前記医用画像を入力することで、前記パラメータを決定する決定部と、
を備える医用画像処理装置。
前記教師データに基づいて、前記モデルを学習する学習部をさらに備える、
請求項１に記載の医用画像処理装置。
前記高周波磁場は、ＲＦコイルによって前記被検体に印加され、
前記ＲＦコイルは、前記高周波磁場の位相または振幅の少なくとも一方を独立に制御可能な複数の送信チャネルを有し、
前記パラメータは、前記送信チャネルごとに設定される前記位相の情報または前記振幅の情報の少なくとも一方を含み、
前記学習部は、前記教師データに基づいて、画像が入力されると、前記位相の情報または前記振幅の情報の少なくとも一方を出力するように前記モデルを学習する、
請求項２に記載の医用画像処理装置。
前記学習部は、前記被検体の撮像部位ごと、前記被検体の性別ごと、または前記被検体の体格ごとの前記教師データに基づいて、前記モデルを学習する、
請求項２または３に記載の医用画像処理装置。
前記取得部は、更に、前記医用画像の被検体の撮像部位に関する情報を含む被検体情報を取得し、
前記決定部は、
前記取得部によって取得された前記被検体情報に基づいて、複数の前記モデルの中から、前記取得部により取得された前記医用画像と同じ撮像部位の前記教師データに基づいて学習されたモデルを選択し、
前記選択したモデルに対して、前記取得部により取得された前記医用画像を入力することで、前記パラメータを決定する、
請求項４に記載の医用画像処理装置。
被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて医用画像を生成する生成部と、
前記高周波磁場の送信不均一性を低減せるためのパラメータが調整されずに得られた第１医用画像に対して、前記パラメータが調整されて前記第１医用画像に比べて画質が良好な第２医用画像が得られた時の前記パラメータが対応付けられた教師データに基づき学習されたモデルに対して、前記生成部により生成された前記医用画像を入力することで、前記パラメータを決定する決定部と、を備え、
前記生成部は、前記決定部により決定された前記パラメータに基づく前記高周波磁場を前記被検体に印加することで、前記医用画像を生成する、
磁気共鳴イメージング装置。
被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて生成された第１医用画像であって、前記高周波磁場の送信不均一性を低減せるためのパラメータが調整されずに得られた第１医用画像に対して、前記パラメータが調整されて前記第１医用画像に比べて画質が良好な第２医用画像が得られた時の前記パラメータが対応付けられた教師データに基づいて、画像が入力されると、前記パラメータを出力するようにモデルを学習する、
学習装置。
コンピュータが、
被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて生成された医用画像を取得し、
前記高周波磁場の送信不均一性を低減せるためのパラメータが調整されずに得られた第１医用画像に対して、前記パラメータが調整されて前記第１医用画像に比べて画質が良好な第２医用画像が得られた時の前記パラメータが対応付けられた教師データに基づき学習されたモデルに対して、前記取得した前記医用画像を入力することで、前記パラメータを決定する、
医用画像処理方法。
コンピュータに、
被検体に高周波磁場を印加することで得られる磁気共鳴信号に基づいて生成された医用画像を取得する処理と、
前記高周波磁場の送信不均一性を低減せるためのパラメータが調整されずに得られた第１医用画像に対して、前記パラメータが調整されて前記第１医用画像に比べて画質が良好な第２医用画像が得られた時の前記パラメータが対応付けられた教師データに基づき学習されたモデルに対して、前記取得した前記医用画像を入力することで、前記パラメータを決定する処理と、
を実行させるためのプログラム。