专利名称：数据处理装置及方法、医用图像诊断装置及磁共振成像装置的制作方法
技术领域：
本发明涉及用于数据噪音降低(SNR(Signal to Noise Ratio，信噪比)提高)及数据处理的维纳滤波器(Wiener_Filter)，具体地，涉及根据数据噪音及恶化特性而对数据进行最优处理的数据处理装置、数据处理方法、医用图像诊断装置及磁共振成像装置。
背景技术：
磁共振成像是采用拉莫尔频率的高频信号，对放置于静磁场中的患者(被检体)的原子核自旋进行磁激励，由该激励所产生的回波信号等MR信号再构成图像的技术。对于磁共振成像，使平均单位时间内的空间分解能和SNR提高是相当重要的。
另外，已知有基于信息量的似然最大化原理而被作出的WF(维纳滤波器(Wiener_Filter))，该WF为在傅立叶空间(也称为k空间或频率空间)中所定义的数据的SNR最优化型的滤波器。如果将信号功率记为Ps，将噪音功率记为Pn，则理想形的WF理论上在傅立叶空间中被定义，首先仅以修复噪音的修复处理为目的的WF(具体地称为“WSF(Wiener_Smoothing_Filter)可用下式(1)表示。
WF=PsPs+Pn...(1)]]>或者，如果SNR如下式(2)定义，则根据式(1)和式(2)，WF由下式(3)表示。
SNR=PsPn...(2)]]>WF=11+1SNR...(3)]]>式(3)是根据各种假定而定义的式子，尤其重要的是，Ps必须为不含噪音的信号功率。而且，如果将滤波空间中的恶化特性记为H，共轭复数记为*的话，则含有噪音并同时含有模糊等恶化情形的修复处理的一般式由下式(4)表示。
WF=H*Ps|H|2Ps+Pn...(4)]]>然而，在WF的实际应用中，在H及Pn为公知时或为可测定时，它们的值则可作为H及Pn来使用。另一方面，由于通常情况下不知道不含噪音的理想信号功率(ideal_Ps)，因此不能够将ideal_Ps作为Ps而使用。因此，通过从实际数据中进行测定，将被噪音污染了的信号功率(Psd)作为理想的Ps，近似地求得WF。
另外，尽管WF原本是在傅立叶空间被考虑的，然而，不仅适用于频率空间，而且还适用于将高频成分恶化少的菲涅耳(Fresnel)空间进行带域分割的FREBAS(Fresnel transform Band Splitting)空间等。
但是，在现有技术中，相比采用理想的Ps情形，“保存空间频率且降低噪音”这样的涉及SNR提高的性能大大恶化。而且，SNR越小的数据其像质(滤波效果)恶化越显著。因此，在WF的实际应用中，如何根据含噪音处理目标数据即Psd来推定不含噪音的理想的Ps成为技术问题。
图37示出理想形的WF中的SNR的增益特性。在SNR(＝Ps/Pn)很大，即在Ps＞＞Pn充分成立的部分中，大致WF_1，因而不大受到影响。另一方面，在Ps接近Pn的部分中，WF则具有这样的性质，即通过接近0使增益降低，从而保存极高频成分，且根据信号功率和噪音功率的大小使噪音降低至最优。
因此，如图38所示(Psd仅为lscan的情况)，一般情况下，由于越靠数据高频部分增益越低，因此Ps越来越接近Pn，在WF中，与低频成分相比，高频成分的变动在特性上更容易受到影响。
发明内容
本发明鉴于上述存在的问题而提出，其目的在于提供一种采用维纳滤波器(Wiener_Filter)可适当地进行数据处理的数据处理装置、数据处理方法、医用图像诊断装置及磁共振成像装置。
为了解决上述技术问题，本发明涉及的数据处理装置具有，采用数据中含有不同于处理目标数据的基准数据而进行信号功率推定的信号功率推定装置，根据上述信号功率推定装置所推定的信号功率、采用维纳滤波器(Wiener_Filter)对上述处理目标数据进行处理的数据处理装置。
为了解决上述技术问题，本发明涉及的数据处理方法具有，采用数据中含有类似于处理目标数据的基准数据而进行信号功率推定的信号功率推定步骤，根据上述信号功率推定装置所推定的信号功率、采用维纳滤波器(Wiener_Filter)对上述处理目标数据进行处理的数据处理步骤。
为了解决上述技术问题，本发明涉及的医用图像诊断装置具有，采用数据中含有不同于处理目标数据的基准数据而进行信号功率推定的信号功率推定装置，根据上述信号功率推定装置所推定的信号功率、采用维纳滤波器(Wiener_Filter)对上述处理目标数据进行处理的数据处理装置、对上述数据处理装置所处理的处理目标数据的每一组进行2维或3维的傅立叶变换或FREBAS变换并再构成实空间图像的图像再构成装置、对上述图像再构成装置再构成的图像进行合成处理及差分计算处理的合成·差分计算处理装置。
为了解决上述技术问题，本发明涉及的磁共振成像装置包括，通过对静磁场中的被检体施加倾斜磁场和高频脉冲而产生磁共振信号的摄影部、用于检测上述磁共振信号的高频线圈、将上述高频线圈所检测的磁共振信号配置于频带空间的收集手段、对被上述收集手段配置于上述频带分割空间的数据进行再构成并生成多幅图像的图像生成手段、对上述频带分割空间，在SNR越高的带域越增大增益，在上述SNR越低的带域越降低增益的滤波器，其中，对于该滤波器，生成与上述多幅图像中的处理目标图像类似度高的图像的频带分割空间中的数据的信号功率，适用于上述处理目标图像的频带分割空间中的信号功率。
对于本发明涉及的数据处理装置、数据处理方法、医用图像诊断装置及磁共振成像装置而言，可采用维纳滤波器(Wiener_Filter)适当地进行数据处理。
图1表示本发明涉及的数据处理装置、医用图像诊断装置及磁共振成像装置的实施方式的概略图；图2表示计算机系统硬件结构的方框图；图3表示计算机系统通过运行程序所具有的功能的功能方框图；图4表示本发明涉及的数据处理方法的流程图；图5表示针对在WF中将a，b作为参量时的SNR的增益特性曲线图；图6表示针对在WF中将a，b作为参量时的SNR的增益特性曲线图；图7表示原数据改善度的曲线图；图8表示原数据改善度的曲线图；图9表示本发明中理想的信号功率和采用mean(平均)_Ps方式的实测信号功率之间的关系的曲线图；图10表示MRI图像的改善度；图11表示MRI图像的改善度；图12表示MRI图像的改善度；图13表示MRI图像的改善度；图14表示MRI图像的改善度；图15表示MRI图像的改善度；图16表示dynamic study动态研究中仅使所需数据的SNR增大、将所需数据作为基准数据而使用时的实施例的模式图；图17表示采用算术平均方法作成的基准数据组和根据造影剂而形成的浓度变化曲线的曲线图；图18表示扩散的各向异性图；图19表示根据FRWF而形成的扩散增强图像(DWI图像)；图20表示根据FRWF而形成的DWI图像；图21表示根据FRWF而形成的DWI图像；图22表示根据FRWF而形成的DWI图像；图23表示根据FRWF而形成的DWI图像；图24表示根据FRWF而形成的DWI图像；图25表示根据FRWF而形成的DWI图像；图26表示根据FRWF不同的Ps而形成的DWI图像；图27表示根据FRWF不同的Ps而形成的DWI图像；
图28表示根据FRWF不同的Ps而形成的DWI图像；图29表示根据FRWF不同的Ps而形成的DWI图像；图30表示根据FRWF不同的Ps而形成的FA_map图；图31表示根据FRWF不同的Ps而形成的FA_map图；图32表示根据FRWF不同的Ps而形成的FA_map图；图33表示根据FRWF不同的Ps而形成的FA_map图；图34表示基于WF的SNR的改善度的图表；图35表示采用weighted_mean_Ps方式的加权函数的一个例子的图表；图36表示采用weighted_mean_Ps方式的加权函数的第2变形例的图表；图37表示针对理想形WF中的SNR的增益特性图；图38表示现有技术中理想的信号功率和实际数据信号功率之间的关系图表。
具体实施例方式
下面参照附图对本发明涉及的数据处理装置、数据处理方法、医用图像诊断装置及磁共振成像装置的实施方式进行说明。
图1表示本发明涉及的数据处理装置、医用图像诊断装置及磁共振成像装置的实施方式的概略图。
图1表示对患者(被检体)的部位进行摄影、生成医用图像的医用图像诊断装置，例如磁共振成像(MRI；Magnetic Resonance Imaging)装置10。另外，医用图像诊断装置并非限于MRI装置10，还可以是生成医用图像的其他的医用图像诊断装置，例如X线CT(ComputerizedTomography)装置、SPECT(Single Photon Emission ComputedTomography)装置、PET(Positron Emission Tomography)装置、PET-CT装置及超声波诊断装置等。
在MRI装置10中，设置有载置患者P的治疗床部、产生静磁场的静磁场发生部、用于对静磁场施加位置信息的倾斜磁场发生部、发送接收高频信号的信号发送接收部、对整个系统进行控制及图像再构成的控制计算部、测量作为表征患者P心脏时相信号的ECG(Electrocardiograph)信号的心电测量部。
静磁场发生部包括例如超导式磁铁11、和为该磁铁11提供电流的静磁场电源12，据此，在送入患者P的圆筒状开口部(诊断用空间)的轴方向(Z轴方向)产生静磁场H0。另外，在该磁铁部设置有垫片线圈(シムコイル)24。在该垫片线圈24中，其在后述的计算机系统16的控制下，由垫片线圈电源25提供用于均匀化静磁场的电流。治疗床部可将载置患者P的顶板可进出地送入磁铁11的开口部。
倾斜磁场发生部包括被装入磁铁11的倾斜磁场线圈单元13。该倾斜磁场线圈单元13包括用于产生在被此正交的X轴方向、Y轴方向及Z轴方向的倾斜磁场的3组(种)x线圈13x、y线圈13y、z线圈13z。另外，倾斜磁场发生部具有为x线圈13x、y线圈13y、z线圈13z提供电流的倾斜磁场电源14。该倾斜磁场电源14在后述的序列发生器15的控制下，向x线圈13x、y线圈13y、z线圈13z提供用于产生倾斜磁场的脉冲电流。
通过对由倾斜磁场电源14向x线圈13x、y线圈13y、z线圈13z所提供的脉冲电流进行控制，可以合成物理轴即3轴(X轴、Y轴、Z轴)方向的倾斜磁场，任意设定·变更由相互正交的切向方向倾斜磁场Gs、相位编码方向倾斜磁场GE及读取方向(频率编码方向)倾斜磁场GR形成的逻辑轴方向。切向(SESlice Encoding)方向、相位编码(PEPhaseEncoding)方向及读取(ROReadout)方向的各倾斜磁场重叠于静磁场H0上。
发送接收部具有在磁铁11内的摄影空间中配置于患者P附近的RF线圈17、与该RF线圈17连接的发送器18T及接收器18R。该发送器18T及接收器18R在后述的序列发生器15的控制下进行操作。根据该操作，发送器18T将用于激励核磁共振(NMR)的拉莫尔频率的RF电流脉冲提供给RF线圈17。接收器18R接收RF线圈17接收到的MR信号(高频信号)，然后对此实施前置放大、中间频率转换、相位检波、低频放大及滤波等各种信号处理之后，进行A/D转换并生成MR信号的数字量的回波数据(也称为原数据或原始数据)。
进一步，在控制·计算部中包括序列发生器(也称为序列控制器)15、计算机系统16、显示器22、输入器23以及声音发生器26。其中，计算机系统16具有在序列发生器15发出脉冲序列信息指令的同时，还控制MRI装置10整体操作的功能。另外，在控制·计算部中，还可具有作为可拆装记录介质27a的驱动器27。
序列发生器15构成为具有未图示的CPU及存储器，其存储计算机系统16送来的脉冲序列信息，根据该信息控制倾斜磁场电源14、发送器18T及接收器18R的操作，而且，暂时输入接收器18R输出的MR信号的回波数据，并将该回波数据传送至计算机系统16。其中，所谓脉冲序列信息是根据一系列的脉冲序列使倾斜磁场电源14、发送器18T及接收器18R进行操作所必须的所有信息，例如含有涉及向x线圈13x、y线圈13y、及z线圈13z上施加的脉冲电流的强度、施加时间及施加定时等信息。
图2为表示计算机系统16硬件结构的方框图。
如图2所示，计算机系统16由CPU(Central Processing Unit)41、存储器42、HD(Hard Disc)44等硬件构成，CPU41通过作为共用信号传送路径的总线B，将构成计算机系统16的各硬件部件彼此连接起来。
CPU41是控制整个计算机系统16的控制部，HD44中存储的程序或从安装于驱动器27中的记录介质27a读取且被安装在HD44中的程序，被加载于存储器42中来执行。
存储器42为兼有ROM(Read Only Memory)及RAM(RandomAccess Memory)等构件，用于存储IPL(Initial Program Loading)、BIOS(Basic Input/Output System)及数据、并用于CPU41的操作存储及暂存数据的存储装置。
HD44由非易失性半导体存储器等构成。HD44为存储被安装于计算机系统16的程序(除应用程序外还含OS等)、从序列发生器15传送的MR信号的回波数据、及再构成图像等数据的存储装置。
图3表示计算机系统16通过执行HD44等存储装置中存储的程序而具有的功能的功能方框图。
通过CPU41(图2示出)读入并执行程序，计算机系统16分别作为数据收集单元51、数据配置单元52、信号功率推定单元53、数据处理单元55、图像再构成单元56、合成·差分计算处理单元57、图像记录单元58及显示控制单元59发挥作用，计算机系统16作为数据处理装置发挥作用。
数据收集单元51具有通过执行扫描，收集从序列发生器15传送的回波数据的功能。
数据配置单元52具有将数据收集单元51收集的回波数据配置于HD44(图2示出)内的傅立叶空间(也称k空间或频率空间)的功能。
信号功率推定单元53具有采用不同于傅立叶空间中所配置的处理目标数据的数据来推定信号功率(Ps)的功能。
数据处理单元55具有根据基于信号功率推定单元53推定出的Ps的WF，对傅立叶空间中所配置的处理目标数据进行处理的功能。
图像再构成单元56具有对数据处理单元55处理后的处理目标数据对每一组都进行2维或3维傅立叶变换而再构成实空间图像的功能。
合成·差分计算处理单元57具有对由图像再构成单元56再构成的图像进行合成处理及差分计算处理的功能。对于合成处理含有对每个像素进行加法运算的处理、最大值投影(MIP；Maximum Intensity Projection)处理等。另外，作为合成处理的其他例子，还可以是在傅立叶空间上，取得多帧的轴的匹配并对原数据保持不变地合成为一帧的原数据。另外，对于加法处理含有进行单纯的加法处理、算术平均处理及带权重的加法处理等。
图像记录单元58具有将再构成的图像以及施加上述合成处理及差分计算处理后的图像记录在HD44(图2示出)中的功能。
显示控制单元59具有将合成·差分计算处理单元57进行图像处理后的图像提供至显示器22中，并作为MRI图像显示在显示器22上的功能。
另外，图1所示的显示器22被用于显示例如再构成图像。另外，经由输入器23，医师还可以将与所希望的参量信息、扫描条件、脉冲序列、图像合成及差分计算有关的信息等输入到计算机系统16中。
在有来自计算机系统16的指令时，声音发生器26可以将屏住呼吸开始及屏住呼吸结束的消息对患者P以声音发出。
驱动器27形成为可进行FD(Flexible Disk)、CD-ROM(CompactDisc Read only Memory)、MO(Magneto Optical)盘、DVD(DigitalVersatile Disc)、磁盘、及半导体存储器等可移动型记录介质(媒质)27a的拆装。读出记录介质27a中记录的数据(含程序)，并输出至计算机系统16，另外，从计算机系统16提供的数据读入记录介质27a中。其中，CPU41执行的程序可以是暂存或永久存储(记录)在记录介质27a上。这种记录介质27a可以作为所谓的软件包而提供。
进一步，心电测量部包括附着于患者P的体表且将ECG(心电图)信号检测为电信号的ECG传感器27、和对该传感信号进行含数字化处理的各种处理然后输出至计算机系统16及序列发生器15的ECG单元28。这样，可根据心电同步法进行数据的收集。ECG传感器27和ECG单元28作为检测表征心脏时相的信息的单元发挥作用。
下面，参照图4所示的流程图对本发明涉及的数据处理方法进行说明。
在患者P被载置于治疗床部的同时，由静磁场电源12将电流提供至磁铁11，从而在磁铁11的内部产生静磁场。另外，从垫片线圈电源25将电流提供至垫片线圈24，并对在摄影区域上所形成的静磁场进行均匀化。
由输入器23向计算机系统16提供序列的选择信息及操作指令。为此，计算机系统16向序列发生器15提供脉冲序列。序列发生器15根据从计算机系统16接受到的脉冲序列而驱动倾斜磁场电源14、发送器18T及接收器18R，从而在摄影区域形成X轴倾斜磁场、Y轴倾斜磁场、Z轴倾斜磁场，并且产生RF信号。
此时，由倾斜磁场线圈所形成的X轴倾斜磁场、Y轴倾斜磁场及Z轴倾斜磁场作为主要磁场，分别用作相位编码用倾斜磁场、读取用倾斜磁场、切向编码用倾斜磁场。为此，患者P体内的原子核自旋的转动方向显现规则性，由切向编码用倾斜磁场在Z轴方向形成的关于切向的二维位置信息即X坐标和Y坐标，通过相位编码用倾斜磁场及读取用倾斜磁场，分别被转换成患者P体内的原子核自旋的相位变化量及频率变化量。
然后，根据来自发送器18T的脉冲序列，RF信号被提供给RF线圈17之上。RF信号从RF线圈17向患者P发送。进一步，在患者P体内，由对应RF信号的频率的切向上所包含的原子核的核磁共振而产生的NMR信号被RF线圈17接收，并且，该NMR信号被提供给接收器18R。
在接收器18R，接受来自RF线圈17的NMR信号，进行前置放大、中频变换、相位检波、低频放大及滤波等各种信号处理。而且，在接收器18R中，通过将NMR信号进行A/D转换，从而生成数字数据的NMR信号即回波数据。由接收器18R生成的回波数据被传送至计算机系统16。
在计算机系统16的数据收集单元51中，通过进行扫描，对从序列发生器15传送的回波数据进行收集(步骤S1)。
然后，在数据配置单元52中，由数据收集单元51收集的回波数据被配置于HD44(图2示出)等存储装置或记录介质27a内的多级分辨率空间，例如被配置于整个傅立叶空间、FREBAS(Fresnel transform BandSplitting)空间(步骤S2)。在下面的说明中，只要不是特别提及，都是以回波数据配置于HD44内的整个傅立叶空间时为例进行说明。
在信号功率推定单元53中，采用含有与配置于傅立叶空间中的回波数据(处理目标数据)不同的数据的基准数据来推定信号功率(步骤S3)。
在数据处理单元55中，根据基于信号功率推定单元53推定的信号功率的WF，处理配置于傅立叶空间的处理目标数据(步骤S4)。
在图像再构成单元56中，由数据处理单元55处理后的处理目标数据的每一组被进行二维或三维傅立叶变换以再构成实空间图像(步骤S5)。
在合成·差分计算处理单元57中，对图像再构成装置56再构成的图像进行合成处理及差分计算处理(步骤S6)。对于合成处理，可以含对每个像素进行的加法处理、最大值投影处理等。另外，作为上述合成处理的其他例子，还可以是在傅立叶空间上进行多帧的轴的匹配，保持原数据不变地合成为一桢的原数据。另外，对于加法处理，可含进行单纯的加法处理、算术平均处理及带权重的加法处理等。
在图像记录单元58中，将再构成的图像以及施加上述合成处理及差分计算处理后的图像，记录在HD44等存储装置或记录介质27a中(步骤S7)。
在显示控制单元59中，将合成·差分计算处理单元57进行图像处理后的图像提供始显示器22中，并作为MRI图像显示在显示器22上(步骤S8)。
本发明的数据处理方法中，其特点在于根据步骤S3进行信号功率推定的方法，接下来，将就信号功率推定方法进行说明。
说起一般的WF，通常是基于信息量的似然最大化原理而作出的，是在频率空间中所定义的数据的SNR最优化滤波器。如果将信号功率记为Ps，将噪音功率记为Pn，则WF理论上在傅立叶空间中被定义的、首先仅以修复噪音处理为目的的WF(具体地称为“WSF(Wiener_Smoothing_Filter)用下式(5)来表示。
WF=PsPs+Pn...(5)]]>或者，如以下式(6)定义SNR，则根据式(5)和式(6)，WF由下式(7)表示。
SNR=PsPn...(6)]]>WF=11+1SNR...(7)]]>式(7)是根据各种假定来定义的，尤其重要的是，Ps必须为不含噪音的信号功率。而且，如果将滤波空间中的恶化特征记为H，共轭复数记为*的话，则含有噪音并同时含有模糊等恶化情形的修复的一般式由下式(8)表示。
WF=H*Ps|H|2Ps+Pn...(8)]]>然而，在WF的实际应用中，在H、Pn为公知时或为可测定时，它们的值则可作为H及Pn而使用。另一方面，由于通常情况下不知道不含噪音的理想信号功率(ideal_Ps)，故不能够将ideal_Ps作为Ps使用。因此，从实际数据中进行测定，将被噪音污染的信号功率(Psd)作为理想的Ps，近似求得WF。
这里，为了和理想形有所区别，将从实际数据测定的信号功率、噪音功率及SNR分别记为Psd、Pnd、SNRd。另外，尽管下面是以不含对H进行补正而以提高SNR为目的的WSF作为WF为例进行的说明，但同样也可以扩展到对H进行补正的情形。
对于采用1个二维傅立叶空间数据来进行使用的情形而言，实测信号功率Psd通常为空间频率的函数Psd(kx，ky)。另一方面，因为实测噪音功率Pnd在傅立叶空间上被当作恒定的，故Psd通过不可忽视的噪音成分控制的高频成分的多个坐标的平均值来测定。
下面举出为了求得WF，例如采用实际数据的一些变形方法。如果设控制噪音功率的估计比率的参数为a、将Ps取为max
，并采用2种方式表示，则如下式(9)或(10)那样来表示。另外，在式(9)中，如果a＝1，PSd＞Pnd的话，则变成和理论式相同。
WF=max
Psd...(9)]]>=max
}]...(10)]]>另外，如果使用用于控制针对SNR的WF特性的参数b，则如下式(11)所示来表示。进一步进行一般化，并将式(11)其代入式(10)，则WF如下式(12)所示那样表示。另外，式(9)和式(10)相当于在测定的实际数据Psd中，实施将小于等于噪音的成分归零的阈值处理，而参数a和b则是为了对控制噪音的系数实际感觉和最小二乘法条件未必一致情况进行调整而设的系数。
WF=1[1+a(1SNRd)b]...(11)]]>WF=max
b}]...(12)]]>图5和图6是表示式(12)的WF中将a，b作为参数时针对SNR的增益特性的曲线图。图5和图6分别表示式(12)的WF中(a，b)＝(1，1)，(1，2)及(1，3)时针对SNR的增益特性、和式(12)的WF中(a，b)＝(1，1)，(1，2)及(1，3)时针对SNR的增益特性的曲线图。
另外，图7和图8表示原数据改善度的曲线图。
图7表示采用含有与处理目标数据不同的数据的基准数据来推定理想信号功率Ps的different_Ps方式时原数据改善度的曲线图。尤其是，图7表示将仅与处理目标数据类似的数据作为基准数据，将邻接数据点进行算术平均(平滑化)后的Psd推定为Ps的mean_Ps方式时原数据的改善度曲线图。另一方面，图8表示基于处理目标数据，将对邻接数据点进行算术平均后的Psd推定为Ps的same_Ps方式时原数据改善度的曲线图。
具体地，图7表示在mean_Ps方式中，将Ps_SNRR(理想的Ps的SNR/Psd的SNR)设为1.0、1.4、2.0、25、5.0及10.0时、与基于来自理想数据的误差的指标即均方根误差(RMSE；Root Mean Square Error)的RMSER(滤波处理后的各RMSE/滤波处理前的RMSE)之间的关系。而图8则表示在same_Ps方式中，将Ps_SNRR设为1.0、1.7、2.2、2.6、3.0及3.6时与RMSER之间的关系。
另外，对于mean_Ps方式和same_Ps方式，分别对采用通常的FT空间中的WF(FTWF；FT-维纳滤波器(Wiener_Filter))进行滤波处理时、和采用FREBAS空间中的WF(FRWF；FR-维纳滤波器(Wiener_Filter))进行滤波处理时进行绘图。另外，FTWF和FRWF分成进行阈值处理的W1型和理想形W2来绘图。由这些图可看出，作为Ps使用的数据的SNR的提高对处理目标数据的SNR改善很有效。
根据图7和图8，可明确的是与same_Ps方式的情形相比，mean_Ps方式中的RMSER更小，SNR改善度更好。还可明确的是在放置滤波器的空间中，FRWF比FFWF的RMSER更小，SNR改善度更好。另外，对于滤波器基本形为FTWF和FRWF而言，如果Ps_SNRR＜2则适于W1型，而Ps_SNRR＞2时则适于W2型。
进一步，本发明中针对Ps用数据的SNR改善度即Ps_SNRR的最佳值在W1型时为2倍(采用加法次数(NAQ；Number of Acquisition)则4倍)，在W2型时为5倍(采用NAQ则25倍)就足够了，再往上则增大效果很小。另外，在本发明中，除了需要处理目标数据之外，还需要在滤波应用空间中的分布具有类似性、且SNR相对大的其他的数据(基准数据)。但是，以动态扫描(dynamic_scan)方式对同一部位重复进行扫描等情形的应用，作为Ps推定用的另一种方法，无需收集与处理目标数据相类似的数据，而是根据实际应用需要这可以说是非常有效的方法。
另外，图9表示理想信号功率Ps、和采用mean_Ps方式的实测信号功率Psd之间的关系的曲线图。根据图9的曲线图可知，相比图38的曲线图，Psd更靠近Ps，并且，采用mean_Ps方式的Psd对SNR的改善是有效的。
图10至图15为用于说明MRI图像改善度的图。
分别地，图10表示不进行修复处理而基于含噪音的数据所形成的MRI图像(RMSE＝0.3785，SNR＝1/64.9)，图11表示全然不含噪音的理想MRI图像(RMSE＝0，SNR＝1/11.8)，图12表示基于采用same_Ps方式的FRWF来修复处理后的数据所形成的MRI图像(RMSE＝0.2477，SNR＝1/40.2)，图13表示基于采用ideal_Ps方式的FRWF来修复处理后的数据所形成的MRI图像(RMSE＝0.1345，SNR＝1/6.7)，图14表示基于采用same_Ps方式的FrWF来修复处理后的数据所形成的MRI图像(RMSE＝0.2642，SNR＝1/45.1)，图15表示基于采用ideal_Ps方式的FTWF来修复处理后的数据所形成的MRI图像(RMSE＝0.1693，SNR＝1/23.1)。
由图13的MRI图像和图15的MRI图像的比较可知，以FRWF修复处理后的图13的MRI图像像质相对好些，SNR改善度好些。另外，由图11的MRI图像和图10、图12、图13、图14的MRI图像的比较可知，理想的Ps的FRWF修复处理后的图13的MRI图像与图11的MRI图像最为接近。
另外，本发明涉及具体实现采用含有与处理目标数据不同的基准数据，推定Ps的different_Ps方式(例如mean_Ps方式)的方法及应用。在采用different_Ps方式时，作为与处理目标数据不同的数据，理想的是全部采用同一参数表征的数据。但是，除了处理目标数据之外，获得与处理目标数据不同的Ps推定用数据未必是现实的。关于用于WF的Ps的变化允许范围，因为可利用先前所述的“低频成分的强特性(ロバスト性)，故在以下(1)至(7)中对产生其特性的现实的例子进行说明。
(1)dynamic_study在dynamic_study中，按时间序列地收集相同处理目标数据，而在经过注入造影剂等所需时间点时，则以高的SNR收集所需时间点前的数据作为基准数据。另一方面，为了使时间解析度提高，而使SNR降低来收集所需时间点以后的数据作为处理目标数据。此时，还可以是，仅将所需时间点前的数据作为基准数据，将对邻接数据点进行算术平均后所得的Psd推定为Ps。此时，Psd的时间轴和基准数据的不同将可能成为问题，而在应用中其差别需要小到可忽略不计。另外，造影效果与低频相比，在高频成分上无相对大的频率变化。
对于WF，因为低频成分比高频成分强，故信号高频成分在变化不怎么大的数据之间也可使用。另外，还存在利用该性质的方法(所需时间点以后的处理目标数据仅收集低频成分，合成为所需时间点前的基准数据的高频成分)。
(1-a)仅使基准数据SNR增大，使用该基准数据的情形图16表示dynamic_study中，仅使所需数据SNE增大，仅使用该所需数据作为基准数据时的实施例的示意图。其中，如果Psd(S(base))的各扫描收集时间相同，则从在造影剂注入前收集到的多个基准数据组(S(basei))，根据下式进行算术平均来求得。或者，如果进行MRI检查及RI检查则从开始就增加NAQ，如果进行CT检查则提高线量来收集基准数据组。
S(base)=ΣiimaxS(basei)imax]]>图17为表示采用算术平均求得的基准数据组和根据造影剂形成的浓度变化曲线的曲线图。其中，ΔS(tj)＝S(tj)-S(base)。
(1-b)使用全部算术平均数据的情形mean_Ps方式不限于仅将造影剂注入前收集的数据作为基准数据、并将该基准数据的Psd推定为Ps的情形。mean_Ps方式也可以是将还含有造影剂注入之后收集到的处理目标数据的时间序列数据总体进行算术平均的结果作为基准数据，并将该基准数据的Psd推定为Ps的情形。如果需要，可使用在移动或位置偏移的某个范围内的或补正后的数据。
与(1-a)的情形相比，(1-b)的情形由于基准数据的Psd的SNR提高，因而WF的SNR改善效果变大。然而另一方面，至于移动或对比度的不同受到影响的可能性，则(1-b)的情形多少比(1-a)的情形要大些。
(2)f-MRI(functional-MRI)在f-MRI中，一边以一定周期重复进行负荷的ON/OFF，一边随时间变化地收集多个数据，但由于基本上和dynamic_study的情形相同，故大致可采用与其相同的方法。还可以增多NAQ地收集基准数据，将该基准数据的Psd应用于负荷前后的时间轴数据。更实用地，在f-MRI中，因为在负荷前和负荷后收集2组对比度不同的数据，故而可以将Psd分成仅由负荷前的数据形成的第一基准数据的Psd[1]和仅由负荷后的数据形成的第二基准数据的Psd[2]这2种。与采用负荷前后全部算术平均的情形相比，Psd的SNR降至1/_，可使因对比度的不同而产生的Psd的不同最小化。
(3)图像标准化后的数据之间即使检查不同，也可使用同一种类的参数数据。如果将图像变形并标准化为理想数据的话，则无论什么样的患者均可使用标准数据。或者，如果有同一患者的过去的数据的话，则因为可使用该数据而无需重新收集理想数据。
(4)同一患者的不同种参数图像间也可使用在某集中汇总的同一检查单位收集的同一患者的不同参数图像数据。将SNR变好时的参数用于Ps。如果进行MRI检查，则相对T2增强(T2W)可使用T1增强(T1W)，相对FLAIR(Fluid AttenuatedInversion Recovery)可使用T2W等。
(5)造影前后之间在进行造影时，通常对每个相同的检查单位在造影前后各进行一次摄像。在此时的mean_Ps方式下，就造影前的数据而言，仅将造影前的数据作为基准数据，并将该基准数据的Psd推定为Ps，而就造影后的数据而言，造影后的数据还加上造影前的数据作为基准数据，并将该基准数据的Psd推定为Ps。即使2种是具有相同SNR，那么造影后的数据成为Ps_SNRR＝sqrt(2)＝1.4倍，SNR得到改善。
(6)时间变化信号在随时间变化的被数字化过的数据(声音或动画)中，使用将静止时间内的数据进行算术平均后得到的基准数据的Psd，来推定Ps，并应用于之后产生的Ps分布相类似的处理目标数据中。或者，摘出缺乏时间上变化的部分，仅应用于该部分。特别是，在傅立叶空间中滤波时，由于在傅立叶空间上相位存在变化，因为与信号值的平方相当的Ps没有变化，故而在傅立叶空间的平行移动中的有些移动很强。但是，对于平均每个单帧，尽管SNR提高，但只要一移动还是会产生变化的。
(7)DTI(Diffusion Tensor Imaging)其中表示对DTI数据的应用情况，通过采用将各MPG(MotionProbing Gradient)轴的数据平均化的方式，来降低随机噪音的误差。
图18表示扩散的各相异性的图。
在扩散的大的长轴方向，神经纤维方向是一致的。λ1、λ2、λ3按照大小顺序表示扩散系数的大小，V1、V2及V3分别表示各自的方向。对每个三维象素(ボクセル)计算6个参数，对表征各相异性的参数即FA(FlipAngle)及长轴的矢量V1进行跟踪，将表征神经的牵引记录单(tractography)等进行图像化。
图19至图25表示根据FRWF形成的扩散增强图像(DWI图像)。
将MPG方向取为b(x，y，z)时，分别地，图19表示b0(0，0，0)的DWI图像，图20表示b1(1，1，0的DWI图像，图21表示b2(1，-1，0)的DWI图像，图22表示b3(0，1，1)的DWI图像，图23表示b4(0，1，-1)的DWI图像，图24表示b5(1，0，1)的DWI图像，图25表示b6(-1，0，1)的DWI图像。
另外，图26至图29表示根据FRWF的Ps的不同而形成的DWI图像。
分别地，图26表示未进行噪音修复处理的DWI的原图像、图27表示采用same_Ps的FRWF来修复处理的DWI的原图像、图28表示采用mean_Ps的FRWF来修复处理的DWI的原图像、图29表示采用ideal_Ps的FRWF来修复处理的DWI的原图像。
另外，图30至图33为根据FRWF的Ps的不同而形成的FA_map图。
图30至图33由图19至图25的7组图像制成，分别地，图30为未进行噪音修复处理的FA_map图、图31为采用same_Ps的FRWF来修复处理的FA_map图、图32为采用mean_Ps的FRWF来修复处理的FA_map图、图33为采用ideal_Ps的FRWF来修复处理的FA_map图。
图34表示基于WF的SNR改善度图表。
可看出，在mean_Ps方式中，表征视觉上的像质和理想图像的差异的数值指标的RMSE，较same_Ps方式得到改善，且甚至可改善到和采用ideal_Ps方式时相媲美的程度。mean_Ps方式是对DTI图像的自然的SNR改善非常有效的方法。
在上述实施例(1)至(7)的情形，与将处理目标数据的Psd作为Ps用的通常的方法相比，可实现将空间分解能的恶化最小限度化，且进一步谋求提高处理目标数据的SNR。
另外，不但对于通常的傅立叶空间可使用，而且对于FREBAS空间等的频带分割后的任意空间也可使用。
另外，即使与通过在处理目标数据内的平滑化来降低Ps的噪音成分的same_Ps方式相比，对mean_Ps方式而言，也可减小来自理想数据的误差的指标即RMSE，且参数的最佳条件不取决于数据。因此，对于mean_Ps方式，作为WF的Ps用的基准数据的Ps_SNRR，如果满足规定的基准，则因为RMSE饱和，故条件设定的强特性很大。因此，如果满足PsSNRR的规定的基准，则可使用Ps中不含噪音这样的理论上的WF式。换言之，由于通过测定基准数据的Ps_SNRR，将该Ps_SNRR和Ps_SNRR的规定的基准进行比较，来设计选择最佳滤波器形状的结构，因此可实现自动化。
通常，在different_Ps方式中，作为Ps，尽管需要不同于处理目标数据的其他的数据，但是，对dynamic_study、负荷试验(f-MRI等)及MRI的T1增强(T1W)、T2W、质子W等不同参数数据等，同一目标中的多个数据进行收集的应用中，因为可以对以往存在的数据进行平均而计算出，故对于其他方式Ps推定用时则无需得到基准数据。
在本发明中的Ps推定中使用的基本数据可以由与生成处理目标数据的医用图像诊断装置不同的医用图像诊断装置来生成。例如，在采用磁共振成像装置10生成关于需要部位的处理目标数据时，对于与上述需要部位同等的部位，采用X线CT装置、SPECT装置、PET装置、PET-CT装置及超声波诊断装置等医用图像诊断装置来生成基准数据。
另外，在本实施方式中，作为采用含有与处理目标数据不同的数据的基准数据，将Psd推定为Ps的different_Ps方式的一个例子，对mean_Ps方式进行了说明。然而，对于本发明中的different_Ps方式，也可以是根据类似处理目标数据的基准数据，将邻接的数据点进行带权重平均而得到的Psd推定为Ps的weighted_mean_Ps方式。在weighted_mean_Ps方式中，一方面就低频成分增大处理目标数据的权重，而另一方面就高频成分则增大处理目标数据和不同于处理目标数据的数据中Psd的SNR较大的数据的权重。
对于mean_Ps方式形成的Psd而言，高频成分的SNR改善效果可控制，而对于低频成分SNR改善效果则很小。由于低频成分决定图像的粗略的对比度，故对于低频成分，采用mean_Ps方式求得的Psd(Psd[mean_Ps])、和采用mean_Ps方式求得的Psd(Psd[sme_Ps])存在差别时，WF的低频特性将发生恶化。因此，在采用mean_Ps方式作为different_Ps方式时，Psd[mean_Ps]与理想的Ps相比，存在不能最优地推定WF的情况。
因此，对于低频成分而言，作为即使Psd[mean_Ps]与Psd[same_Ps]之间的差别大到某种程度也可使低频特性不恶化的方法，采用weighted_mean_Ps方式来推定Ps。对于weighted_mean_Ps方式的Psd(Psd[weighted_mean_Ps])，使用权重W，如下式(13)表示。式(13)的任意一项为频率的函数。其中，权重W以使在低频中same_Ps方式的权重变大的方式来确定。
Psd[weighted_mean_Ps]W×Psd[same_Ps]+(1-W)×Psd[mean_Ps]....(13)图35表示weighted_mean_Ps方式中的权重函数的一个例子的曲线图。
如图35所示，式(13)中的权重W对于FFWF为频率k的函数(W1(k))，采用1D Hanning函数则成下式(14)。
W1(k)=0.5(1-cos[-π×kkmax])...(14)]]>另外，作为weighted_mean_Ps方式的第1变形例，为根据图像和Ps的差确定式(13)的权重W，从而对权重实现最优控制的方法。例如，根据下式表示的Psd[mean_Ps]与Psd[same_Ps]的差(Psd差)E的大小，对权重进行动态控制。
E＝|Psd[mean_Ps]-Psd[same_Ps]|首先，Psd[mean_Ps]和Psd[same_Ps]可以存在由噪音的差而产生的高频成分的不同。因此，Psd差E既可通过由于想使低频成分的差增大而进行平滑化后求得，或可在低频的某范围中进行平均而求得。
更进一步，Psd差E既可以是滤波器空间k的函数，也可以是对k取平均而得的值。总之，Psd差E越大，则越需要增大Psd[same_Ps]的权重。
图36表示weighted_mean_Ps方式中的权重函数的第2变形例的曲线图。
使用Psd差E的阈值Eth，求满足下式(15)的w。然后，如图36所示，对式(14)和式(15)进行组合，将式(13)的权重W作为频率k的函数(W2(k))，(W2(k))取为下式(16)。
w=1-|E-Eth|Eth,(E<Eth)...(15)]]>W2(k)＝W1(k)×w.....(16)式(16)中，如果E＝0，则W＝0。此时，根据式(13)，则Psd[weighted_mean_Ps]仅采用Psd[mean_Ps]来生成。同样，式(16)中，如果E＝Eth，则W＝1。此时，根据式(13)，Psd[weighted_mean_Ps]仅采用Psd[same_Ps]来生成。
如果采用weighted_mean_Ps方式推定Ps的方法，则对于图像和Ps的差即使在更大的数据间也是尤其有效的。例如，即使在MRI的T1、T2及质子等、如对比度相反这样的场合也是有效的。
另外，本发明中，尽管是对通过WF来对由医用图像诊断装置所摄像的图像数据修复处理的情形进行的说明，但其并非限于医用图像，例如也可应用于民用品的数字TV及数码相机等存在噪音的图像数据。进一步，其不但可应用于图像数据，而且还可应用于声音信号处理等多方面的数字多媒体中。
根据本发明涉及的数据处理装置、数据处理方法、医用图像诊断装置及磁共振成像装置，在向实际具有噪音的处理目标数据进行应用中，极力保存处理目标数据的空间频率成分，且通过SNR改善及特性恶化的改善效果好的合适的WF进行适当的数据处理。
权利要求
1.一种数据处理装置，其特征在于，具有信号功率推定单元，采用含有与处理目标数据不同的数据的基准数据来进行信号功率推定；和数据处理单元，采用基于上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述处理目标数据进行处理。
2.如权利要求1所述的数据处理装置，其中，上述信号功率推定单元采用配置于傅立叶空间的上述基准数据来推定信号功率，上述数据处理单元采用基于上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述配置于傅立叶空间的处理目标数据进行处理。
3.如权利要求1所述的数据处理装置，其中，上述信号功率推定单元采用配置于FREBAS(Fresnel transform BandSplitting)空间的上述基准数据来推定信号功率，上述数据处理单元采用基于上述信号功率推定单元推定的信号功率的维纳滤波器Wiener-Filter，对配置于上述FREBAS空间的处理目标数据进行处理。
4.如权利要求1所述的数据处理装置，具有图像再构成单元，该图像再构成单元对上述数据处理单元所处理的处理目标数据的每一组进行2维或3维的傅立叶变换并再构成实空间图像。
5.如权利要求4所述的数据处理装置，具有合成·差分计算处理单元，该合成·差分计算处理单元对上述图像再构成单元再构成的图像进行合成处理、差分计算处理。
6.如权利要求5所述的数据处理装置，上述合成处理为对每个像素进行的加法处理或最大值投影处理。
7.一种数据处理方法，其特征在于，具有信号功率推定步骤，采用含有与处理目标数据相类似的数据的基准数据来推定信号功率；和数据处理步骤，采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述处理目标数据进行处理。
8.如权利要求7所述的数据处理方法，其中，在上述信号功率推定步骤中，采用配置于傅立叶空间的上述基准数据来推定信号功率，在上述数据处理步骤中采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述配置于傅立叶空间的上述处理目标数据进行处理。
9.如权利要求7所述的数据处理方法，其中，在上述信号功率推定步骤中，采用配置于FREBAS空间的上述基准数据来推定信号功率，在上述数据处理步骤中，采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对配置于FREBAS空间的上述处理目标数据进行处理。
10.如权利要求7所述的数据处理方法，其中，除上述处理目标数据外，还另外收集上述基准数据。
11.如权利要求7所述的数据处理方法，其中，在收集多个基准数据时，对上述多个基准数据进行平均后计算上述信号功率。
12.如权利要求7所述的数据处理方法，其中，在收集多个基准数据时，对上述多个基准数据进行加权平均后计算上述信号功率。
13.如权利要求12所述的数据处理方法，其中，采用就低频成分增大上述处理目标数据的权重，而就高频成分则增大上述处理目标数据和与上述处理目标数据相异的数据中上述信号功率的SNR较大的数据的权重的方式，计算上述信号功率。
14.如权利要求7所述的数据处理方法，其中，对于上述维纳滤波器Wiener-Filter，使用上述信号功率Ps，上述噪音功率Pn，SNR(Signal to Noise Ratio)和控制上述噪音功率Pn的估计比率的参数a、通过WF=max
Ps]]>或WF=max
}]]]>或与它们实质相同的计算式计算得到。
15.如权利要求7所述的数据处理方法，其中，对于上述维纳滤波器Wiene_Filter，使用上述信号功率Ps，上述噪音功率Pn，恶化特性H，共轭复数*，通过WF=H*Ps|H|2Ps+Pn]]>或与其实质相同的计算式计算得到。
16.如权利要求7所述的数据处理方法，其中，一方面收集造影剂注入前数据，另一方面将造影剂注入之后的数据与上述造影剂注入前的数据进行比较而使SNR降低，并作为上述处理目标数据而收集，将上述造影剂注入前的数据作为上述基本数据。
17.如权利要求7所述的数据处理方法，其中，一方面收集造影剂注入前的数据，另一方面将造影剂注入之后的数据与上述造影剂注入前的数据进行比较而使SNR降低，并作为上述处理目标数据而收集，不但将上述造影剂注入前数据，而且将还含造影剂注入之后数据也包含在内的对时间序列数据总体进行算术平均而作为上述基准数据。
18.如权利要求7所述的数据处理方法，其中，对于在进行所需激励前后被区分的每个数据，分别采用不同的上述基准数据。
19.如权利要求18所述的数据处理方法，其中，在f-MRI(functional-Magnetic Resonance Imaging)，对负荷前和负荷后对比度不同的2组数据的每一组，采用2个上述基准数据。
20.如权利要求7所述的数据处理方法，其中，上述基准数据为不同种参数的图像数据。
21.如权利要求7所述的数据处理方法，其中，上述基准数据是由多个数据组中的全部或一部分进行算术平均而得到的数据。
22.如权利要求21所述的数据处理方法，其中，上述数据组为对移动进行补正之后的数据。
23.如权利要求7所述的数据处理方法，其中，上述基准数据为将MPG(Motion Probing Gradient)轴的数据组进行平均化的数据。
24.一种医用图像诊断装置，其特征在于，具有信号功率推定单元，采用含有与处理目标数据不同的数据的基准数据，进行信号功率推定；数据处理单元，采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述处理目标数据进行处理；图像再构成单元，对上述数据处理单元所处理的处理目标数据的每一组进行2维或3维的傅立叶变换或FREBAS变换并再构成实空间图像；和合成·差分计算处理单元，对上述图像再构成单元再构成的图像进行合成处理及差分计算处理。
25.如权利要求24所述的医用图像诊断装置，其中上述信号功率推定单元采用配置于傅立叶空间的上述基准数据来推定信号功率，上述数据处理单元采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对上述配置于傅立叶空间的处理目标数据进行处理。
26.如权利要求24所述的医用图像诊断装置，其中，上述信号功率推定单元采用配置于FREBAS空间的上述基准数据来推定信号功率，上述数据处理单元采用基于由上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener-Filter，对配置于FREBAS空间的上述处理目标数据进行处理。
27.一种磁共振成像装置，其特征在于，具有摄影部，通过对静磁场中的被检体施加倾斜磁场和高频脉冲而产生磁共振信号；高频线圈，用于检测上述磁共振信号；收集单元，将由上述高频线圈所检测出的磁共振信号配置于频带空间；图像生成装置，对被上述收集单元配置于上述频带分割空间的数据进行再构成并生成多幅图像；和滤波器，在上述频带分割空间，在SNR越高的带域，增益就越增大，而在上述SNR越低的带域，增益就越降低，将生成与上述多幅图像中的处理目标图像类似度高的图像的频带分割空间中的数据的信号功率，应用在上述处理目标图像的频带分割空间中的信号功率中。
全文摘要
医用图像诊断装置等中所具有的数据处理装置具有采用含有与处理目标数据不同的数据的基准数据来进行信号功率推定的信号功率推定单元；及采用基于上述信号功率推定单元所推定的信号功率的维纳滤波器Wiener－Filter，对上述处理目标数据进行处理的数据处理单元。
文档编号G06F17/00GK1973765SQ20061017237
公开日2007年6月6日 申请日期2006年9月15日 优先权日2005年11月28日
发明者木村德典 申请人:株式会社东芝, 东芝医疗系统株式会社