JP7369572B2 - Mri装置、画像処理装置および画像処理方法 - Google Patents
Mri装置、画像処理装置および画像処理方法 Download PDFInfo
- Publication number
- JP7369572B2 JP7369572B2 JP2019167077A JP2019167077A JP7369572B2 JP 7369572 B2 JP7369572 B2 JP 7369572B2 JP 2019167077 A JP2019167077 A JP 2019167077A JP 2019167077 A JP2019167077 A JP 2019167077A JP 7369572 B2 JP7369572 B2 JP 7369572B2
- Authority
- JP
- Japan
- Prior art keywords
- tomographic image
- space
- image
- cnn
- space data
- 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
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Description
Claims (13)
- MRI装置においてk空間のうちの一部空間について収集された部分k空間データに基づいて第1断層画像を作成する第1断層画像作成部と、
畳み込みニューラルネットワークに断層画像を入力させて前記畳み込みニューラルネットワークからCNN出力断層画像を出力させるCNN処理部と、
前記CNN出力断層画像に基づいて第1k空間データを作成する第1k空間データ作成部と、
前記一部空間についての前記部分k空間データと、前記第1k空間データのうち前記一部空間以外の空間についてのk空間データとに基づいて、第2k空間データを作成する第2k空間データ作成部と、
前記第2k空間データに基づいて第2断層画像を作成する第2断層画像作成部と、
を備え、
前記CNN処理部は、前記畳み込みニューラルネットワークによる処理を2回以上行い、そのうち第1回の処理では、前記第1断層画像を前記畳み込みニューラルネットワークに入力させ、第2回以降の処理では、前回の処理による前記CNN出力断層画像に基づいて作成された前記第2断層画像を前記畳み込みニューラルネットワークに入力させる、
画像処理装置。 - 前記CNN処理部は、前記畳み込みニューラルネットワークを学習させる際に、k空間内の前記一部空間について収集された前記部分k空間データに基づいて作成された被検体の前記第1断層画像または前記第2断層画像を前記畳み込みニューラルネットワークへの入力画像として用い、k空間内の前記一部空間より広い空間について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用いる、
請求項1に記載の画像処理装置。 - 前記CNN処理部は、前記畳み込みニューラルネットワークを学習させる際に、k空間の全体について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用いる、
請求項2に記載の画像処理装置。 - 前記CNN処理部は、前記畳み込みニューラルネットワークを学習させる際に、前記教師画像と前記CNN出力断層画像との差を含む関数を損失関数として用いる、
請求項2または3に記載の画像処理装置。 - 前記CNN処理部は、前記畳み込みニューラルネットワークを学習させる際に、前記教師画像と前記CNN出力断層画像との差、および、前記教師画像をフーリエ変換して得られるk空間データと前記CNN出力断層画像をフーリエ変換して得られるk空間データとの差を含む関数を、損失関数として用いる、
請求項2または3に記載の画像処理装置。 - MRI装置においてk空間のうちの一部空間について収集された部分k空間データに基づいて第1断層画像を作成する第1断層画像作成部と、
畳み込みニューラルネットワークに前記第1断層画像を入力させて前記畳み込みニューラルネットワークからCNN出力断層画像を出力させるCNN処理部と、
前記CNN出力断層画像に基づいて第1k空間データを作成する第1k空間データ作成部と、
前記一部空間についての前記部分k空間データと、前記第1k空間データのうち前記一部空間以外の空間についてのk空間データとに基づいて、第2k空間データを作成する第2k空間データ作成部と、
前記第2k空間データに基づいて第2断層画像を作成する第2断層画像作成部と、
を備え、
前記CNN処理部は、前記畳み込みニューラルネットワークを学習させる際に、
k空間内の前記一部空間について収集された前記部分k空間データに基づいて作成された被検体の前記第1断層画像または前記第2断層画像を前記畳み込みニューラルネットワークへの入力画像として用い、
k空間内の前記一部空間より広い空間について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用い、
前記教師画像と前記CNN出力断層画像との差、および、前記教師画像をフーリエ変換して得られるk空間データと前記CNN出力断層画像をフーリエ変換して得られるk空間データとの差を含む関数を、損失関数として用いる、
画像処理装置。 - k空間データを収集するk空間データ収集部と、
前記k空間データ収集部により収集されたk空間データに基づいて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MRI装置。 - MRI装置においてk空間のうちの一部空間について収集された部分k空間データに基づいて第1断層画像を作成する第1断層画像作成ステップと、
畳み込みニューラルネットワークに断層画像を入力させて前記畳み込みニューラルネットワークからCNN出力断層画像を出力させるCNN処理ステップと、
前記CNN出力断層画像に基づいて第1k空間データを作成する第1k空間データ作成ステップと、
前記一部空間についての前記部分k空間データと、前記第1k空間データのうち前記一部空間以外の空間についてのk空間データとに基づいて、第2k空間データを作成する第2k空間データ作成ステップと、
前記第2k空間データに基づいて第2断層画像を作成する第2断層画像作成ステップと、
を備え、
前記CNN処理ステップの処理を2回以上行い、そのうち第1回の処理では、前記第1断層画像を前記畳み込みニューラルネットワークに入力させ、第2回以降の処理では、前回の処理による前記CNN出力断層画像に基づいて作成された前記第2断層画像を前記畳み込みニューラルネットワークに入力させる、
画像処理方法。 - 前記CNN処理ステップでは、前記畳み込みニューラルネットワークを学習させる際に、k空間内の前記一部空間について収集された前記部分k空間データに基づいて作成された被検体の前記第1断層画像または前記第2断層画像を前記畳み込みニューラルネットワークへの入力画像として用い、k空間内の前記一部空間より広い空間について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用いる、
請求項8に記載の画像処理方法。 - 前記CNN処理ステップでは、前記畳み込みニューラルネットワークを学習させる際に、k空間の全体について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用いる、
請求項9に記載の画像処理方法。 - 前記CNN処理ステップでは、前記畳み込みニューラルネットワークを学習させる際に、前記教師画像と前記CNN出力断層画像との差を含む関数を損失関数として用いる、
請求項9または10に記載の画像処理方法。 - 前記CNN処理ステップでは、前記畳み込みニューラルネットワークを学習させる際に、前記教師画像と前記CNN出力断層画像との差、および、前記教師画像をフーリエ変換して得られるk空間データと前記CNN出力断層画像をフーリエ変換して得られるk空間データとの差を含む関数を、損失関数として用いる、
請求項9または10に記載の画像処理方法。 - MRI装置においてk空間のうちの一部空間について収集された部分k空間データに基づいて第1断層画像を作成する第1断層画像作成ステップと、
畳み込みニューラルネットワークに前記第1断層画像を入力させて前記畳み込みニューラルネットワークからCNN出力断層画像を出力させるCNN処理ステップと、
前記CNN出力断層画像に基づいて第1k空間データを作成する第1k空間データ作成ステップと、
前記一部空間についての前記部分k空間データと、前記第1k空間データのうち前記一部空間以外の空間についてのk空間データとに基づいて、第2k空間データを作成する第2k空間データ作成ステップと、
前記第2k空間データに基づいて第2断層画像を作成する第2断層画像作成ステップと、
を備え、
前記CNN処理ステップでは、前記畳み込みニューラルネットワークを学習させる際に、
k空間内の前記一部空間について収集された前記部分k空間データに基づいて作成された被検体の前記第1断層画像または前記第2断層画像を前記畳み込みニューラルネットワークへの入力画像として用い、
k空間内の前記一部空間より広い空間について収集されたk空間データに基づいて作成された前記被検体の断層画像を教師画像として用い、
前記教師画像と前記CNN出力断層画像との差、および、前記教師画像をフーリエ変換して得られるk空間データと前記CNN出力断層画像をフーリエ変換して得られるk空間データとの差を含む関数を、損失関数として用いる、
画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019167077A JP7369572B2 (ja) | 2019-09-13 | 2019-09-13 | Mri装置、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 |
---|---|---|---|
JP2019167077A JP7369572B2 (ja) | 2019-09-13 | 2019-09-13 | Mri装置、画像処理装置および画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021041065A JP2021041065A (ja) | 2021-03-18 |
JP7369572B2 true JP7369572B2 (ja) | 2023-10-26 |
Family
ID=74864614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019167077A Active JP7369572B2 (ja) | 2019-09-13 | 2019-09-13 | Mri装置、画像処理装置および画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7369572B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022140966A (ja) | 2021-03-15 | 2022-09-29 | セイコーエプソン株式会社 | 搬送装置、記録装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150097565A1 (en) | 2013-10-01 | 2015-04-09 | Beth Israel Deaconess Medical Center, Inc. (BIDMC) | Methods and apparatus for reducing scan time of phase contrast mri |
JP2018130142A (ja) | 2017-02-13 | 2018-08-23 | 株式会社日立製作所 | 医用画像診断装置 |
JP2019025044A (ja) | 2017-07-31 | 2019-02-21 | 株式会社日立製作所 | 医用撮像装置及び医用画像処理方法 |
-
2019
- 2019-09-13 JP JP2019167077A patent/JP7369572B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150097565A1 (en) | 2013-10-01 | 2015-04-09 | Beth Israel Deaconess Medical Center, Inc. (BIDMC) | Methods and apparatus for reducing scan time of phase contrast mri |
JP2018130142A (ja) | 2017-02-13 | 2018-08-23 | 株式会社日立製作所 | 医用画像診断装置 |
JP2019025044A (ja) | 2017-07-31 | 2019-02-21 | 株式会社日立製作所 | 医用撮像装置及び医用画像処理方法 |
Non-Patent Citations (1)
Title |
---|
Chang Min Hyun, et al.,Deep Learning for undersampled MRI reconstruction,Physics in Medicine & Biology ,V0l.63 No.13,英国,Institute of Physics and Engineering in Medicine,2018年06月25日,135007(15pp) |
Also Published As
Publication number | Publication date |
---|---|
JP2021041065A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghodrati et al. | MR image reconstruction using deep learning: evaluation of network structure and loss functions | |
Yu et al. | Deep de-aliasing for fast compressive sensing MRI | |
US11341616B2 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
CN109214989B (zh) | 基于多方向特征预测先验的单幅图像超分辨率重建方法 | |
de Leeuw Den Bouter et al. | Deep learning-based single image super-resolution for low-field MR brain images | |
CN111856368A (zh) | 利用神经网络检测患者运动的mri系统和方法 | |
JP7466141B2 (ja) | 磁気共鳴画像高速再構成法及び磁気共鳴イメージング装置 | |
CN114049408A (zh) | 用于加速多模态mr成像的深度网络模型 | |
Pawar et al. | A deep learning framework for transforming image reconstruction into pixel classification | |
US20220260659A1 (en) | Medical information processing apparatus, magnetic resonance imaging apparatus, and medical information processing method | |
CN117611453A (zh) | 一种核磁共振图像超分辨率恢复方法及模型构建方法 | |
US9759796B2 (en) | Method and apparatus for eliminating noise in magnetic resonance images | |
JP7369572B2 (ja) | Mri装置、画像処理装置および画像処理方法 | |
CN113030813B (zh) | 一种磁共振t2定量成像方法及系统 | |
Safari et al. | MRI motion artifact reduction using a conditional diffusion probabilistic model (MAR‐CDPM) | |
Rashid et al. | Single MR image super-resolution using generative adversarial network | |
CN113066141A (zh) | Mr图像数据的重建 | |
Zong et al. | Fast reconstruction of highly undersampled MR images using one and two dimensional principal component analysis | |
Qin et al. | A2OURSR: Adaptive adjustment based real MRI super-resolution via opinion-unaware measurements | |
KR100452644B1 (ko) | 영상 처리 방법과 장치, 기록 매체 및 촬상 장치 | |
CN114494014A (zh) | 一种磁共振图像超分辨率重建方法及装置 | |
KR102514804B1 (ko) | 비지도 학습 기반 자기 공명 영상 처리 방법 및 그 장치 | |
Ye et al. | Simultaneous Super-Resolution and Distortion Correction for Single-shot EPI DWI using Deep Learning | |
CN117333571B (zh) | 磁共振图像的重建方法、系统、设备及介质 | |
He et al. | Gating feature dense network for single anisotropic mr image super-resolution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230706 |
|
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: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7369572 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |