JP6647836B2 - 磁気共鳴イメージング装置、画像処理装置及び画像処理方法 - Google Patents

Description

本発明の実施形態は、磁気共鳴イメージング装置、画像処理装置及び画像処理方法に関する。

従来、画像のノイズを除去するための技術として、フレームの画素毎に信号強度の時間変化の標準偏差を算出し、算出した標準偏差の全画素の平均をノイズの大きさとする方法が知られている。このような方法では、全画素の平均を用いるため、例えば、画像に含まれる複数の画素間にＳ／Ｎ（ＳＮ比）の違いが生じる場合に、全画素のノイズを適切に除去することが難しい場合があった。

特開平７−２３９２６号公報 特開平７−１２３３７３号公報

久光秀明、荒川薫、「画像の局所的性質を考慮した時空間ε-フィルタによる圧縮動画像画質改善」信学技報ＳＩＳ２００４−１５、２００４年 Klaas P．Pruessmann et．al、"SENSE，Sensitivity Encoding for Fast MRI，"Magnetic Resonance in Medicine 42:952−962 (1999)

本発明が解決しようとする課題は、画像に含まれる複数の画素間にＳ／Ｎの違いが生じる場合でも、全画素のノイズを適切に除去することができる磁気共鳴イメージング装置、画像処理装置及び画像処理方法を提供することである。

実施形態に係る磁気共鳴イメージング（ＭＲＩ：Magnetic Resonance Imaging）装置は、画像生成部と、特徴量算出部と、補正部と、デノイズ処理部とを備える。画像生成部は、被検体から発生する磁気共鳴信号に基づいて画像を生成する。特徴量算出部は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する。補正部は、前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する。デノイズ処理部は、前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させる。補正部は、高速撮像法で用いられるGeometry factorにさらに基づいて、前記複数の画素それぞれの特徴量を補正する。

図１は、第１の実施形態に係るＭＲＩ装置の構成例を示すブロック図。 図２は、第１の実施形態に係るＭＲＩ装置が有する機能の構成例を示すブロック図。 図３は、第１の実施形態に係るＭＲＩ装置による画像処理方法の処理手順を示すフローチャート。 図４は、第１の実施形態に係る特徴ベクトル算出部によって用いられる近傍Ｒの一例を示す図。 図５は、第１の実施形態に係るモデル選択部によって行われるノイズモデル選択の一例を示す図。 図６は、第２の変形例に係る近傍Ｒの設定例を示す図。 図７は、第１１の変形例に係るノイズ除去の一例を示す図。 図８は、第１１の変形例に係るノイズ除去の処理手順を示すフローチャート。 図９は、第２の実施形態に係る画像処理装置の構成を示すブロック図。

以下に、図面に基づいて、ＭＲＩ装置、画像処理装置及び画像処理方法の実施形態を詳細に説明する。

（第１の実施形態）
図１は、第１の実施形態に係るＭＲＩ装置の構成例を示す図である。例えば、図１に示すように、ＭＲＩ装置１００は、静磁場磁石１、傾斜磁場コイル２、傾斜磁場電源３、寝台４、寝台制御部５、送信コイル６、送信部７、受信コイル８、受信部９、及び、計算機システム２０を備える。

静磁場磁石１は、中空の略円筒形状（円筒の中心軸に直交する断面が楕円状となるものを含む）に形成され、その内側に形成される撮像空間に一様な静磁場を発生させる。なお、静磁場磁石１は、例えば、永久磁石、超伝導磁石等である。

傾斜磁場コイル２は、中空の略円筒形状（円筒の中心軸に直交する断面が楕円状となるものを含む）に形成され、静磁場磁石１の内側に配置される。具体的には、傾斜磁場コイル２は、互いに直交するｘ，ｙ，ｚの各軸に対応する３つのコイルを組み合わせて構成される。これらの３つのコイルは、傾斜磁場電源３から個別に供給される電流により、互いに直交するｘ軸、ｙ軸及びｚ軸それぞれに沿って磁場強度が変化する傾斜磁場を撮像空間に発生させる。なお、ｚ軸の方向は、静磁場の磁束の方向と同じに設定される。

傾斜磁場電源３は、傾斜磁場コイル２に電力を供給することで、傾斜磁場コイル２に傾斜磁場を発生させる。具体的には、傾斜磁場電源３は、傾斜磁場コイル２が有する３つのコイルそれぞれに個別に電流を供給してｘ軸、ｙ軸及びｚ軸それぞれに沿った傾斜磁場を適宜に発生させることで、互いに直交するリードアウト方向、位相エンコード方向、及びスライス方向それぞれに沿った傾斜磁場を撮像空間内に発生させる。なお、以下では、リードアウト方向に沿った傾斜磁場をリードアウト傾斜磁場と呼び、位相エンコード方向に沿った傾斜磁場を位相エンコード傾斜磁場と呼び、スライス方向に沿った傾斜磁場をスライス傾斜磁場と呼ぶ。

これらの３つの方向は、ＭＲ信号に空間的な位置情報を付与するために用いられる。具体的には、リードアウト傾斜磁場は、リードアウト方向の位置に応じて磁気共鳴（Magnetic Resonance：ＭＲ）信号の周波数を変化させることで、ＭＲ信号にリードアウト方向の位置情報を付与する。また、位相エンコード傾斜磁場は、位相エンコード方向に沿ってＭＲ信号の位相を変化させることで、ＭＲ信号に位相エンコード方向の位置情報を付与する。また、スライス傾斜磁場は、撮像領域がスライス領域の場合には、スライス傾斜磁場は、スライス領域の方向、厚さ、枚数を決めるために用いられ、撮像領域がボリューム領域である場合には、スライス方向の位置に応じてＭＲ信号の位相を変化させることで、ＭＲ信号にスライス方向に沿った位置情報を付与する。

寝台４は、被検体Ｓが載置される天板４ａを備え、静磁場磁石１及び傾斜磁場コイル２の内側に形成される撮像空間へ天板４ａを挿入する。例えば、寝台４は、長手方向が静磁場磁石１の中心軸と平行になるように設置される。

寝台制御部５は、寝台４の動作を制御する。例えば、寝台制御部５は、寝台４が有する駆動機構を制御して、天板４ａを長手方向、上下方向又は左右方向へ移動する。

送信コイル６は、中空の略円筒形状（円筒の中心軸に直交する断面が楕円状となるものを含む）に形成され、傾斜磁場コイル２の内側に配置される。また、送信コイル６は、送信部７から供給されるＲＦ（Radio Frequency）パルス電流により、撮像空間にＲＦ磁場を印加する。

送信部７は、ラーモア周波数に対応するＲＦパルス電流を送信コイル６に供給する。

受信コイル８は、撮像空間に置かれた被検体Ｓに装着され、送信コイル６によって印加されるＲＦ磁場の影響で被検体Ｓから放射されるＭＲ信号を受信する。また、受信コイル８は、受信したＭＲ信号を受信部９へ出力する。例えば、受信コイル８には、撮像対象の部位ごとに専用のコイルが用いられる。ここでいう専用のコイルは、例えば、腹部用の受信コイル、頭部用の受信コイル、脊椎用の受信コイル等である。

受信部９は、受信コイル８によって受信されたＭＲ信号に基づいてＭＲ信号データを生成する。具体的には、受信部９は、ＭＲ信号をデジタル変換することでＭＲ信号データを生成し、生成したＭＲ信号データを収集部２４へ送信する。

なお、ここでは、送信コイル６がＲＦ磁場を印加し、受信コイル８がＭＲ信号を受信する場合の例を説明するが、実施形態はこれに限られない。例えば、送信コイル６が、ＭＲ信号を受信する受信機能をさらに有してもよいし、受信コイル８が、ＲＦ磁場を印加する送信機能をさらに有していてもよい。送信コイル６が受信機能を有している場合は、受信部９は、送信コイル６によって受信されたＭＲ信号からもＭＲ信号データを生成する。また、受信コイル８が送信機能を有している場合は、送信部７は、受信コイル８にもＲＦパルス電流を供給する。

計算機システム２０は、ＭＲＩ装置１００の全体制御を行う。例えば、計算機システム２０は、入力部２１、表示部２２、シーケンス制御部２３、収集部２４、画像生成部２５、記憶部２６、及び、システム制御部２７を備える。

入力部２１は、操作者から各種指示及び各種情報の入力を受け付ける。例えば、入力部２１は、キーボード、マウス、トラックボール、タッチパネル、ボタン、スイッチ等の入力装置により構成される。

表示部２２は、各種情報及び各種画像を表示する。例えば、表示部２２は、操作者から各種指示及び各種情報の入力を受け付けるためのＧＵＩ（Graphical User Interface）を表示する。また、例えば、画像生成部２５によって生成された画像を表示する。例えば、表示部２２は、液晶モニタ、ＣＲＴ（Cathode-Ray Tube）モニタ、タッチパネル等の表示装置により構成される。

シーケンス制御部２３は、各種スキャンを実行する。具体的には、シーケンス制御部２３は、システム制御部２７から送信されるシーケンス実行データに基づいて傾斜磁場電源３、送信部７及び受信部９を駆動することで、各種スキャンを実行する。ここで、シーケンス実行データは、ＭＲ信号データを収集するための手順を示すパルスシーケンスを定義した情報である。具体的には、シーケンス実行データは、傾斜磁場電源３が傾斜磁場コイル２に電流を供給するタイミング及び供給される電流の強さ、送信部７が送信コイル６にＲＦ送信するタイミング及び送信されるＲＦパルス電流の強さ、受信部９がＭＲ信号を検出するタイミング等を定義した情報である。

収集部２４は、各種スキャンが実行された結果として、受信部９によって生成されるＭＲ信号データを収集する。具体的には、収集部２４は、受信部９からＭＲ信号データを受信すると、受信したＭＲ信号データに対してアベレージング処理、位相補正処理等の補正処理を行い、補正後のＭＲ信号データを画像生成部２５に送信する。また、収集部２４は、収集した画像のデータを計算機システム２０に送信する。なお、収集部２４によって収集されるＭＲ信号データの集合は、前述したリードアウト傾斜磁場、位相エンコード傾斜磁場、及びスライス傾斜磁場によって付与された位置情報に応じて各ＭＲ信号データが２次元又は３次元に配列されることで、ｋ空間を構成するデータとして、計算機システム２０の記憶部２６に記憶される。

画像生成部２５は、収集部２４によって収集されたＭＲ信号データに基づいて、画像を生成する。具体的には、画像生成部２５は、収集部２４からＭＲ信号データを受信すると、受信したＭＲ信号データに後処理すなわちフーリエ変換等の再構成処理を施すことで被検体Ｓの画像を生成する。また、画像生成部２５は、生成した画像のデータを計算機システム２０に送信する。

記憶部２６は、各種データを記憶する。例えば、記憶部２６は、シーケンス制御部２３によって収集されたＭＲ信号データ及び画像生成部２５によって生成された画像のデータを被検体Ｓごとに記憶する。また、記憶部２６は、シーケンス制御部２３、収集部２４、画像生成部２５、システム制御部２７が各種処理を実行する際に用いる各種プログラム及び各種データを記憶する。例えば、記憶部２６は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ハードディスク、光ディスク等の記憶装置により構成される。

システム制御部２７は、ＭＲＩ装置１００が有する各部を制御することで、ＭＲＩ装置１００の全体制御を行う。例えば、システム制御部２７は、入力部２１を介して、各種撮像パラメータの入力を操作者から受け付ける。そして、システム制御部２７は、受け付けた撮像パラメータに基づいてシーケンス実行データを生成し、生成したシーケンス制御部２３に送信することで、各種スキャンを実行する。

また、システム制御部２７は、各種スキャンを実行した結果、収集部２４から送信されるＭＲ信号データ、及び、画像生成部２５から送信される画像のデータを記憶部２６に格納する。また、システム制御部２７は、操作者から要求された画像を記憶部２６から読み出し、読み出した画像を表示部２２に出力する。また、例えば、システム制御部２７は、入力部２１を介して操作者から受け付けた指示に基づいて寝台制御部５を制御することで、寝台４を動作させる。

なお、上述した各部のうち、シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサ、メモリ、ＡＳＩＣ（application specific integrated circuits）、ＦＰＧＡ（Field Programmable Gate Array）等の電子回路により構成される。この場合に、例えば、シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７それぞれが有するプロセッサは、各部が行う処理の処理手順を規定したプログラムを記憶部２６から読み出して実行することで、当該処理手順に従って処理を実行する。

なお、ここでは、シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７それぞれがプロセッサを有する場合の例を説明したが、実施形態はこれに限られない。シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７の構成は、適宜に分散又は統合されてもよい。例えば、ＭＲＩ装置１００が一つのプロセッサを備え、当該プロセッサが、シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７それぞれの処理を行ってもよい。また、例えば、ＭＲＩ装置１００が複数のプロセッサを備え、各プロセッサが、シーケンス制御部２３、収集部２４、画像生成部２５、及び、システム制御部２７それぞれの処理を適宜に分散して行ってもよい。

以上、第１の実施形態に係るＭＲＩ装置１００の構成例について説明した。このような構成のもと、ＭＲＩ装置１００は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出し、ＭＲ信号を受信する受信コイルの感度特性に基づいて、複数の画素それぞれの特徴ベクトルを補正し、補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。

第１の実施形態では、ＭＲＩ装置１００は、画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴ベクトルを算出し、撮像条件に応じて画素に生じるノイズの分布を示す情報に基づいて補正マップを算出する。そして、ＭＲＩ装置１００は、算出した補正マップを用いて複数の画素それぞれの特徴ベクトルを補正し、補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。

なお、本実施形態では、特徴量は、複数の要素を含む特徴ベクトルで表されることとする。しかしながら、実施形態はこれに限られない。例えば、特徴量は、スカラーで表されてもよい。

ここで、例えば、画像のノイズを除去するための技術として、入力画像のノイズ量の大小に応じた調整パラメータを備えたノイズ除去装置を用いる方法がある。この方法では、ノイズ除去装置に対して外部からノイズ量を与える必要がある。また、例えば、フレームの画素ごとに信号強度の時間変化の標準偏差を算出し、算出した標準偏差の全画素の平均をノイズの大きさとする方法がある。この方法では、外部からノイズ量を与える必要はない。しかし、この技術では、全画素の平均を用いるため、入力画像のノイズ量が画像内で均一である場合には問題ないが、例えば、画像に含まれる複数の画素間にＳ／Ｎの違いが生じる場合に、全画素のノイズを適切に除去することが難しい場合がある。

一般的に、ＭＲＩ装置では、被検体の表面に複数の小さな受信コイルを装着して撮像を行う場合に、受信コイルに近い体表面ではＳ／Ｎが高くなり、受信コイルから遠い体の中心付近ではＳ／Ｎが低くなる等、画素間のＳ／Ｎが一定にならないことが知られている。このような場合に、上述した技術では、画素間のＳ／Ｎの違いに対応できず、推定されたノイズ量より大きなノイズ量を持つ画素のノイズを完全に除去できなかったり、推定されたノイズ量より小さなノイズ量を持つ画素の信号の特徴が失われてしまったりする場合があった。

これに対し、第１の実施形態に係るＭＲＩ装置１００では、撮像条件に応じて画素に生じるノイズの分布を示す情報を用いて画素間のＳ／Ｎの違いを補正するので、画像に含まれる複数の画素間にＳ／Ｎの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、ノイズの除去を行うことで画像における信号の特徴が失われるのを抑制することができる。すなわち、第１の実施形態に係るＭＲＩ装置１００によれば、撮像条件を反映させた特徴ベクトルを用いてノイズ量を推定することにより、ノイズ量の推定精度を高め、同時にデノイズ処理部の性能を高めることにより、全画素においてノイズを適切に除去し信号の特徴が失われにくいノイズ除去が可能となる。

図２は、第１の実施形態に係るＭＲＩ装置１００が有する機能の構成例を示すブロック図である。なお、図２は、図１に示した計算機システム２０が有する構成要素のうち、入力部２１、表示部２２、シーケンス制御部２３、記憶部２６、及び、システム制御部２７を示している。例えば、図２に示すように、システム制御部２７は、スキャン制御部２７ａ、特徴ベクトル算出部２７ｂ、補正マップ算出部２７ｃ、補正部２７ｄ、モデル選択部２７ｅ、及び、デノイズ処理部２７ｆを備える。

スキャン制御部２７ａは、入力部２１を介して、各種撮像パラメータの入力を操作者から受け付ける。例えば、システム制御部２７は、各種撮像パラメータの入力を受け付けるためのＧＵＩを表示部２２に表示し、表示したＧＵＩを介して、各種撮像パラメータの入力を受け付ける設定する。そして、スキャン制御部２７ａは、受け付けた撮像パラメータに基づいてシーケンス実行データを生成し、生成したシーケンス実行データをシーケンス制御部２３に送信することで、各種スキャンを実行する。

特徴ベクトル算出部２７ｂは、被検体Ｓから発生するＭＲ信号に基づいて生成された画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴ベクトルを算出する。補正マップ算出部２７ｃは、撮像条件に応じて画素に生じるノイズの分布を示す情報に基づいて補正マップを算出する。補正部２７ｄは、補正マップ算出部２７ｃによって生成された補正マップを用いて、画像に含まれる複数の画素それぞれの特徴ベクトルを補正する。

デノイズ処理部２７ｆは、補正部２７ｄによって補正された特徴ベクトルの分布に基づいて、画像のノイズを低減させる。本実施形態では、一例として、モデル選択部２７ｅが、補正部２７ｄによって補正された特徴ベクトルの分布に基づいて、複数のノイズモデルの中からノイズモデルを選択する。そして、本実施形態では、デノイズ処理部２７ｆは、モデル選択部２７ｅによって選択されたノイズモデルを用いて、画像のノイズを低減させる。

図３は、第１の実施形態に係るＭＲＩ装置１００による画像処理方法の処理手順を示すフローチャートである。なお、本実施形態では、ＭＲＩ装置１００が、磁気共鳴信号を受信する受信コイルの感度特性に応じて画素に生じるノイズの分布を示す情報に基づいて、補正マップを算出する場合の例を説明する。すなわち、本実施形態では、前述した撮像条件が、磁気共鳴信号を受信する受信コイルの感度特性である場合の例を説明する。

具体的には、本実施形態では、ＭＲＩ装置１００は、非特許文献２に記載されているＳＥＮＳＥ法のように、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって画像を撮像する。この撮像法では、主に診断用の画像を収集するための本スキャンの前に実行される準備スキャンにおいて、受信コイルの感度分布を表す感度マップが収集される。

例えば、図３に示すように、まず、スキャン制御部２７ａが、操作者から撮像計画の設定を受け付ける（ステップＳ１０１）。

例えば、スキャン制御部２７ａは、ＴＲ（Repetition Time）やＴＥ（Echo Time）等の撮像パラメータの初期値が設定されたパルスシーケンスの情報を予め保持している。例えば、スキャン制御部２７ａは、撮像部位や撮像目的ごとに、準備スキャン用のパルスシーケンスや本スキャン用のパルスシーケンスを含むパルスシーケンス群を管理する。そして、スキャン制御部２７ａは、ＧＵＩを介して、撮像部位や撮像目的ごとにパルスシーケンス群を操作者に提示し、操作者からパルスシーケンス群の選択や変更を受け付けることで、対象の検査で実行される検査用のパルスシーケンス群や撮像パラメータの設定を受け付ける。

その後、スキャン制御部２７ａは、準備スキャンを開始する指示を操作者から受け付けると（ステップＳ１０２，Ｙｅｓ）、操作者によって設定された撮像計画に基づいて、準備スキャンの実行を開始する。

本実施形態では、スキャン制御部２７ａは、準備スキャンとして、感度マップを収集するためのスキャンを実行する（ステップＳ１０３）。その後、収集部２４が、当該スキャンによって得られるＭＲ信号データを収集し、画像生成部２５が、収集されたＭＲ信号データに基づいて、感度マップを生成する。なお、準備スキャンには、例えば、シミングのためのスキャンや、診断用の画像の位置決めを行うための位置決め画像を収集するためのスキャン等が含まれてもよい。

続いて、スキャン制御部２７ａは、本スキャンを開始する指示を操作者から受け付けると（ステップＳ１０４，Ｙｅｓ）、操作者によって設定された撮像計画に基づいて、本スキャンを開始する。

具体的には、スキャン制御部２７ａは、本スキャンとして、診断用の画像を収集するためのスキャンを実行する（ステップＳ１０５）。その後、収集部２４が、当該スキャンによって得られるＭＲ信号データを収集し、画像生成部２５が、収集されたＭＲ信号データ及び感度マップに基づいて、診断用の画像を生成する。

例えば、スキャン制御部２７ａは、本スキャンにおいて、複数種類の診断用の画像を収集するための複数のスキャンを実行する。例えば、検査の対象部位が心臓である場合には、スキャン制御部２７ａは、心臓の左室系の心機能の検査においては、左室短軸像を収集するためのスキャン、左室二腔長軸像を収集するためのスキャン、左室三腔長軸像を収集するためのスキャン、左室四腔長軸像を収集するためのスキャン等を実行する。また、スキャン制御部２７ａは、心臓の右室系の心機能の検査においては、右室短軸像を収集するためのスキャン、右室二腔長軸像を収集するためのスキャン、右室三腔長軸像を収集するためのスキャン、右室四腔長軸像を収集するためのスキャン等を実行する。

続いて、特徴ベクトル算出部２７ｂが、画像生成部２５によって生成された画像に含まれる複数の画素それぞれについて、特徴ベクトルを算出する（ステップＳ１０６）。なお、ここでは、特徴ベクトル算出部２７ｂが、１枚の２次元の静止画像を入力画像とする場合の例を説明する。

具体的には、特徴ベクトル算出部２７ｂは、画像に含まれる複数の画素それぞれについて、特徴ベクトルの要素として、当該画素の信号値及び当該画素に空間的に近い位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する。

例えば、特徴ベクトルｖ（ｘ，ｙ）は、座標（ｘ，ｙ）を代表する信号値である代表信号値ｖ₀（ｘ，ｙ）と、座標（ｘ，ｙ）における信号値の変動量ｖ₁（ｘ，ｙ）とを含む。例えば、ｖ₀（ｘ，ｙ）を信号値の平均とし、ｖ₁（ｘ，ｙ）を信号値の標準偏差とする。

この場合に、例えば、画像に含まれる各画素を示す座標を（ｘ，ｙ）とし、操作者によってあらかじめ設定された（ｘ，ｙ）の近傍をＲ、Ｒに含まれる画素の数をＮ、信号値をｓ（ｘ，ｙ）とすると、特徴ベクトルｖ（ｘ，ｙ）＝（ｖ₀（ｘ，ｙ），ｖ₁（ｘ，ｙ））は、以下の式（１）で表される。

なお、近傍Ｒは、その内部に、できるだけ同一の体組織に対応する画素が含まれるように設定されることが望ましい。

図４は、第１の実施形態に係る特徴ベクトル算出部２７ｂによって用いられる近傍Ｒの一例を示す図である。例えば、図４に示すように、特徴ベクトル算出部２７ｂは、画素３０５のノイズ除去を行う場合には、画素３０５の周囲にある画素３０１〜３０９のように、（ｘ，ｙ）を中心とする３×３のブロックを近傍Ｒとする。この場合には、Ｎ＝９となる。

ここで、近傍Ｒとするブロックを広げすぎると、例えば、２種類の臓器にまたがって採取された信号列から特徴ベクトルが計算される場合もあり得るため、後段で行われるノイズ量推定の精度が低下するリスクがある。一方、このブロックを狭めすぎると、ｖ₀（ｘ，ｙ）やｖ₁（ｘ，ｙ）の精度が低下し、後段で行われるノイズ量推定の精度が低下するリスクがある。近傍Ｒは、このような問題が生じないように、例えば、被検体の知見を用いて、ＭＲＩ装置１００の操作者が選定する。

図３に戻って、続いて、補正マップ算出部２７ｃが、画像生成部２５によって生成された感度マップに基づいて、特徴ベクトルｖ（ｘ，ｙ）を補正する補正マップを算出する（ステップＳ１０７）。

例えば、補正マップにおける各座標の値をＭ（ｘ，ｙ）とする。例えば、Ｍ（ｘ，ｙ）は、正の実数であり、座標（ｘ，ｙ）におけるＳ／Ｎが高いことが予想される場合に大きな値とする。ここで、Ｍ（ｘ，ｙ）の値は、感度マップの各点における受信コイルの感度を表す値を用いて設定される。感度マップにおける各点の値は、受信コイルから近い点ほど感度が高い。すなわち、補正マップは、受信コイルの感度が高い位置ほど大きな値を有する。

続いて、補正部２７ｄが、補正マップ算出部２７ｃによって算出された補正マップＭ（ｘ，ｙ）を用いて、特徴ベクトル算出部２７ｂによって算出された特徴ベクトルｖ（ｘ，ｙ）を補正する（ステップＳ１０８）。なお、以下では、補正後の特徴ベクトルを補正特徴ベクトルｖ’（ｘ，ｙ）と呼ぶ。

例えば、補正部２７ｄは、画像に含まれる複数の画素それぞれの特徴ベクトルの少なくとも一つの要素について、補正マップＭ（ｘ，ｙ）において小さな値を有する位置に対応するものほど小さな値となり、補正マップＭ（ｘ，ｙ）において大きな値を有する位置に対応するものほど大きな値となるように補正する。これにより、異なるＳ／Ｎを持つ画素から得た信号値の変動量の観測条件を揃えることができる。

例えば、補正特徴ベクトルｖ’（ｘ，ｙ）は、補正後のｖ₀（ｘ，ｙ）をｖ₀’（ｘ，ｙ）、補正後のｖ₁（ｘ，ｙ）をｖ₁’（ｘ，ｙ）とすると、以下の式（２）で表される。

続いて、モデル選択部２７ｅが、補正特徴ベクトルｖ’（ｘ，ｙ）を用いて、あらかじめ記憶部２６に記憶されている複数のノイズモデルの中から一つのノイズモデルを選択する（ステップＳ１０９）。

例えば、モデル選択部２７ｅは、複数のノイズモデルの中から、補正特徴ベクトルｖ’（ｘ，ｙ）によって表されるデータ点群を最も近似するノイズモデルを選択する。例えば、ここでいうノイズモデルは、入力された信号値に対してノイズ量を出力するものであり、入力された信号値が小さいほど小さなノイズ量を出力し、入力された信号値が大きいほど大きなノイズ量を出力し、かつ、入力された信号値が大きくなるにつれて、出力されるノイズ量が一定値に収束するものである。

図５は、第１の実施形態に係るモデル選択部２７ｅによって行われるノイズモデル選択の一例を示す図である。なお、図５は、補正部２７ｄによって得られた補正特徴ベクトルｖ’（ｘ，ｙ）の分布を示しており、横軸がｖ₀’（ｘ，ｙ）を示し、縦軸がｖ₁’（ｘ，ｙ）を示している。

例えば、図５に示すように、補正特徴ベクトルｖ’（ｘ，ｙ）によって表されるデータ点４０１が得られていたとする。ここで、一つのデータ点４０１は、一つの補正特徴ベクトルｖ’（ｘ，ｙ）に対応する。

例えば、記憶部２６には、それぞれ、信号レベルに対応する値ｓを入力すると、ノイズレベルに対応する値σを出力する複数のノイズモデルが記憶される。例えば、ノイズモデルは、以下の式（３）で表される。

このノイズモデルは、例えば、図５に示す破線４０２や破線４０３のような直線で表される。例えば、モデル選択部２７ｅは、記憶部２６に記憶されている複数の直線のノイズモデルの中から、複数の補正特徴ベクトルがなすデータ点群の最も近傍を通るものを選択する。例えば、モデル選択部２７ｅは、図５に示す破線４０２で表されるノイズモデルと破線４０３で表されるノイズモデルの２つが記憶部２６に保持していた場合には、破線４０２で表されるノイズモデルを選択する。これにより、基準となるＳ／Ｎに基づくノイズ量を、信号値から予測できるようになる。

具体的な方法として、例えば、モデル選択部２７ｅは、図５に示すデータ点群を入力とするハフ変換を行ってもよい。また、各座標における代表信号値ｖ₀’（ｘ，ｙ）を用いて推定したノイズ量の推定値σと、実際に観測された信号値の変動量ｖ₁’（ｘ，ｙ）との差分の絶対値の総和が最小となるノイズモデルを選んでもよい。すなわち、モデル選択部２７ｅは、記憶部２６に蓄積された複数のノイズモデルをＦｉ（ｓ）とした場合に、以下の式（４）で表されるノイズモデルＦ（ｓ）を選択する。

図３に戻って、続いて、デノイズ処理部２７ｆが、モデル選択部２７ｅによって選択されたノイズモデルＦ（ｓ）を用いて、画像に含まれる各画素のノイズ量を推定し、得られたノイズ量に基づいてノイズ除去を行う（ステップＳ１１０）。

このとき、例えば、デノイズ処理部２７ｆは、モデル選択部２７ｅによって選択されたノイズモデルから出力されるノイズ量が大きいほど、ノイズ除去の強度を大きくする。

具体的には、デノイズ処理部２７ｆは、まず、ノイズ除去前の信号値ｓ（ｘ，ｙ）を用いて、Ｆ（ｓ（ｘ，ｙ））を得る。次に、補正マップＭ（ｘ，ｙ）を用いて、補正部２７ｄがｖ₁（ｘ，ｙ）に対して行った補正と逆の補正を行い、座標（ｘ，ｙ）におけるノイズ量の推定値σ（ｘ，ｙ）を得る。

その後、デノイズ処理部２７ｆはこのノイズ量の推定値σ（ｘ，ｙ）が大きいほど、座標（ｘ，ｙ）における出力を決めるためのデノイズ処理の強度を大きくし、信号値ｓ’（ｘ，ｙ）を得る。

ここで、デノイズ処理の強度を大きくする方法は、デノイズ処理部２７ｆが採用するノイズ除去方式による。例えば、非特許文献１に記載されているように、ｓ（ｘ，ｙ）との差分が閾値以下である信号のみの加重平均を用いる処理の場合には、閾値をより大きくしてもよい。また、フィルタリング処理が用いられる場合であれば、フィルタのタップ幅を広げたり、高周波をより通しにくいように設計された係数を採用したりしてもよい。

そして、デノイズ処理部２７ｆは、ノイズ除去を行った画像を表示部２２に表示する（ステップＳ１１１）。なお、デノイズ処理部２７ｆは、ノイズ除去を行った画像を記憶部２６に保存してもよい。

なお、上述した処理手順では、感度マップを収集するスキャンが準備スキャンとして実行される場合の例を説明したが、実施形態はこれに限られない。例えば、感度マップを収集するスキャンは、本スキャンの間に実行されてもよい。また、同じ被検体に対する別の検査で収集された感度マップが用いられてもよい。

上述したように、第１の実施形態に係るＭＲＩ装置１００は、受信コイル８の感度分布に応じて画素に生じるノイズの分布を示す情報を用いて各画素の信号値を補正する。したがって、第１の実施形態に係るＭＲＩ装置１００によれば、受信コイル８の感度が均一でないことによって画像に含まれる複数の画素間にＳ／Ｎの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、ノイズの除去を行うことで画像における信号の特徴が失われるのを抑制することができる。

なお、本実施形態では、受信コイルの感度特性に応じて画素に生じるノイズの分布を示す情報に基づいて、補正マップを算出する場合の例を説明したが、撮像条件は、受信コイルの感度特性に限られない。例えば、他の撮像条件によっても画素間にＳ／Ｎの違いが生じる場合には、そのような撮像条件に応じたノイズ分布を示す情報に基づいて、補正マップを算出してもよい。

さらに、上述した実施形態は、以下で説明する変形例のように変更して実施されてもよい。

（第１の変形例）
例えば、上述した第１の実施形態では、特徴ベクトル算出部２７ｂが、１枚の２次元の静止画像を入力画像とする場合の例を説明したが、入力画像の次元は必ずしも２次元に限られない。例えば、入力画像は、３次元のボリュームデータであってもよい。すなわち、入力画像の信号値ｓ（ｘ，ｙ，ｚ）と補正マップＭ（ｘ，ｙ，ｚ）とを用いるというように、入力画像の次元を増やしてもよい。また、この他にも、２次元の動画像を入力する場合には、ｓ（ｘ，ｙ，ｔ）と補正マップＭ（ｘ，ｙ）とを扱えばよく、３次元の時系列データの場合には、入力画像の信号値ｓ（ｘ，ｙ，ｚ，ｔ）と補正マップＭ（ｘ，ｙ，ｚ）とを用いるようにすればよい。

（第２の変形例）
また、例えば、特徴ベクトル算出部２７ｂによって用いられる近傍Ｒの形は、撮像時の知見によって自由に変えられてもよい。例えば、スキャン制御部２７ａが、操作者から撮像計画の設定を受け付ける際に、近傍Ｒの設定をさらに受け付ける。そして、特徴ベクトル算出部２７ｂは、スキャン制御部２７ａによって受け付けられた近傍Ｒを用いて、特徴ベクトルを算出する。

例えば、ＭＲＩ装置によって心臓の動画像を撮影する場合には、医師が被検体（患者）に対して動かないよう指示するため、被検体はほぼ動かないとみなすことができる。このように、被検体がほぼ動かないとみなせる場合であり、かつ、入力画像が２次元の動画像である場合には、例えば、特徴ベクトル算出部２７ｂが、画像に含まれる複数の画素それぞれについて、特徴ベクトルの要素として、当該画素の信号値及び当該画素に時間的に近い位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出してもよい。

図６は、第２の変形例に係る近傍Ｒの設定例を示す図である。例えば、図６に示すように、特徴ベクトル算出部２７ｂは、異なる時刻ｔに撮像された複数の２次元のフレームが入力画像として入力される場合に、各フレームにおける同じ位置（ｘ，ｙ）の画素５０１〜５０３の範囲を近傍Ｒとして設定してもよい。すなわち、特徴ベクトル算出部２７ｂは、時間方向に沿って近傍Ｒを設定してもよい。

また、例えば、腰椎を撮像した３次元のボリュームデータ等で、背骨の方向に同じ体組織が続いているとみなせるような場合には、背骨の方向に沿って並んだ複数の画素の範囲を近傍Ｒとして設定してもよい。すなわち、特徴ベクトル算出部２７ｂは、撮像対象の部位の形状に沿って近傍Ｒを設定してもよい。

例えば、前述したように、操作者による撮像計画の設定を支援するために、撮像部位や撮像目的ごとに、準備スキャン用のパルスシーケンスや本スキャン用のパルスシーケンスを含むパルスシーケンス群が管理されている場合には、撮像部位や撮像目的に応じて、近傍Ｒが設定されて管理されてもよい。その場合に、近傍Ｒは、ＧＵＩを介して変更が可能となっていてもよいし、ＧＵＩには表示されずに変更が不可となっていてもよい。

なお、例えば、心臓のように経時的に形状が大きく変化する部位が検査の対象部位であった場合には、動きが大きい部分の画素について、信号値の標準偏差が突出して大きくなることもあり得る。しかし、一般的に、ＭＲ信号が収集される領域は、折り返しアーチファクト等を考慮して対象部位よりも大きく設定されることが多いため、収集されるＭＲ信号全体では、動きが少ない部分のものが支配的となる。これについて、上述したノイズ除去の方法では、特徴ベクトルのデータ群を最も近似するノイズモデルが選択されるので、標準偏差が突出して大きい信号値が存在した場合でも、結果的に、動きの少ない部分の画素の特徴ベクトルに基づいてノイズモデルが選択されることになる。そのため、動きの大きい部分の画素についても、他の動きの少ない部分を基準にしてノイズ量が推定されることになる。したがって、上述した方法によれば、例えば、心臓のように経時的に形状が大きく変化する部位が検査の対象部位であった場合でも、対象部位の解剖学的な動きの特徴を損なうことなく、画像のノイズ除去を行うことができる。

（第３の変形例）
また、例えば、特徴ベクトル算出部２７ｂは、必ずしも、画像に含まれる全ての画素について特徴ベクトルを算出する必要はない。例えば、ｘ，ｙがともに偶数である画素のみについて算出するようにしてもよいし、事前に体の組織が描出されていない画素がわかっている場合には、その画素からの算出は行わないようにしてもよい。すなわち、特徴ベクトル算出部２７ｂは、画素を間引いて、特徴ベクトルを算出してもよい。これにより、計算コストの低減を図ることができる。

また、算出された信号値の変動量ｖ₁（ｘ，ｙ）の値が極端に大きい場合は、分散の算出に使用した近傍Ｒの中に、体組織の境界が含まれている可能性がある。そのため、例えば、補正部２６ｄが、あらかじめ操作者によって設定された閾値を用いて、このような画素については、特徴ベクトル算出部２６ｂによって算出された特徴ベクトルを用いないようにしてもよい。

（第４の変形例）
また、例えば、特徴ベクトルの要素のうち、ｖ₀（ｘ，ｙ）については、信号値のメディアンやモード（最頻値）等が用いられてもよいし、ｖ₁（ｘ，ｙ）については、分散や、信号最大値と最小値との差分等が用いられてもよい。例えば、ＭＲＩ装置によって撮像された画像のノイズモデルとして知られるＲｉｃｅ分布では、信号レベルが高い場合にガウス分布に近づくことが知られており、平均と標準偏差とを用いると理論的に相性が良いことが期待される。

（第５の変形例）
また、例えば、特徴ベクトルの要素は、必ずしも、座標を代表する信号値及び座標における変動量の２つに限られない。例えば、特徴ベクトル算出部２７ｂは、補正マップの算出に利用した感度マップの値を特徴ベクトルの要素に含めてもよい。

この他にも、特徴ベクトル算出部２７ｂは、例えば、入力画像が、非特許文献２に記載されているＳＥＮＳＥ法のように、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって得られたものである場合には、特徴ベクトルの要素に、画像再構成における信号値の算出精度を表すGeometry factorを含めてもよい。

このような拡張を行う場合には、以下の式（５）に示すように、ノイズモデルＦ（ｓ）に、感度マップの値を表すｌや、Geometry factorを表すｇの項を追加する。なお、式（５）において、ａ、ｂ、ｃ、ｄは実数である。

（第６の変形例）
また、例えば、補正マップＭ（ｘ，ｙ）は、入力される画像が、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって得られたものである場合に、画像再構成における信号値の算出精度が低い位置ほど大きな値を有するように算出されてもよい。実際に、非特許文献２では、Ｓ／ＮがGeometry factorの逆数になることが明記されている。なお、Geometry factorは、受信コイルの感度とは異なり、画像の信号レベルに影響を与えない。そのため、例えば、以下の式（６）に示すように、特徴ベクトルに用いる式（２）において、座標を代表する信号値である代表信号値ｖ₀（ｘ，ｙ）の補正は行わないように変更してもよい。

また、補正部２７ｄは、高速撮像法で用いられるGeometry factorにさらに基づいて、複数の画素それぞれの特徴量を補正してもよい。この場合には、例えば、補正マップ算出部２７ｃが、補正マップＭ（ｘ，ｙ）の値を、受信コイルの感度マップの値をGeometry factorで割ったものや、受信コイルの感度マップの値からGeometry factorを引いたもののように、２つの値を合成したものにする。さらに、補正マップは一つに限る必要はなく、２つの補正マップを併用してもよい。例えば、信号レベルに影響を与えるデータに起因する補正マップＭ₀（ｘ，ｙ）と、信号レベルに影響を与えないデータに起因する補正マップＭ₁（ｘ，ｙ）とを用意し、以下の式（７）に示すように、特徴ベクトルを補正するようにしてもよい。

（第７の変形例）
また、例えば、ノイズモデルＦ（ｓ）は、必ずしも、式（３）に示した直線の形に限られない。例えば、ノイズモデルＦ（ｓ）は、ｌｏｇ（ｓ）、ｓ^1/2等の特殊な関数や区分折れ線等で表現されるものであってもよい。

（第８の変形例）
また、例えば、ノイズモデルＦ（ｓ）は、必ずしも、式（３）に示したとおりに信号値に対応する項を含む必要はない。このようなノイズモデルは、例えば、図５に示した例では、破線４０３の様に水平な線として表される。例えば、ＭＲＩ装置によって撮像された画像のノイズモデルとして知られるＲｉｃｅ分布では、信号レベルが高い場合にガウス分布に近づくことが知られているが、ガウス分布の標準偏差は信号レベルに依存しない。このようなモデルを用いる場合には、入力画像を信号値で二値化し、明部のみを特徴ベクトル算出に用いてもよい。この方式では、モデル選択部２７ｅの計算量が低減できることから、高速な処理が期待できるが、暗部のノイズ除去性能が低下するリスクがある。

（第９の変形例）
また、例えば、デノイズ処理部２７ｆは、対象とする被検体の特性によってノイズ除去の方式を変更してもよい。例えば、前述したように、ＭＲＩ装置によって心臓の動画像を撮影する場合には、医師が被検体（患者）に対して動かないよう指示するため、被検体はほぼ動かないとみなすことができる。このような場合には、デノイズ処理部２７ｆは、非特許文献１に記載されているような時間方向のフィルタリングを用いて、ノイズ除去を行ってもよい。

また、例えば、デノイズ処理部２７ｆは、撮像条件に応じて、ノイズ除去の方式を変更してもよい。ここでいう撮像条件には、例えば、撮像部位や撮像方法等が含まれる。例えば、デノイズ処理部２７ｆは、撮像部位が心臓である場合に、時間方向のフィルタリングを用いてノイズ除去を行う。また、例えば、デノイズ処理部２７ｆは、造影剤が用いられる撮像法が行われる場合には、空間方向のフィルタリングを用いてノイズ除去を行う。

（第１０の変形例）
また、第６の変形例では、高速撮像法で用いられるGeometry factorにさらに基づいて特徴量を補正する場合の例を説明したが、実施形態はこれに限られない。例えば、高速撮像法の種類によっては、感度マップを用いて感度補正を行わなくとも、画像が再構成される過程で画像の感度が補正される場合もある。そのような高速撮像法が用いられる場合には、補正部２７ｄは、感度マップを用いずに、Geometry factorに基づいて特徴量を補正してもよい。この場合には、例えば、補正マップ算出部２７ｃが、感度マップを用いずに、Geometry factorに基づいて補正マップを算出する。

また、心臓の検査では、１回の検査において、本スキャンとして、短軸像や長軸像等の断面像を収集するスキャンに加えて、心臓のシネ画像（動画像）を収集するスキャンや、心臓のボリュームデータを収集するスキャンが実行される場合もある。そのような場合には、ＭＲＩ装置１００は、各スキャンで収集される画像の種類に応じて、ノイズ除去の方法を切り替えてもよい。具体的には、ＭＲＩ装置１００は、断面像については、第１の実施形態で説明した２次元の静止画像を入力画像とした方法でノイズ除去を行い、シネ画像については、第１の変形例で説明した動画像を入力画像とした方法でノイズ除去を行い、ボリュームデータについては、第１の変形例で説明したボリュームデータを入力とした方法でノイズ除去を行う。

（第１１の変形例）
また、例えば、入力画像が動画像である場合に、被検体の動きが大きい領域（動き領域）と動きが小さい領域（静止領域）とでノイズ除去の方法を変えてもよい。

この場合には、画像生成部２５は、ＭＲ信号データに基づいて動画像を生成する。また、デノイズ処理部２７ｆは、画像生成部２５によって生成された動画像の中から、動き領域と、静止領域とを検出し、それぞれの領域について異なる方法でノイズを低減させる。なお、ここでいう静止領域とは、動き領域より動きが小さい領域であり、必ずしも、完全に静止した領域に限定されるものではない。

例えば、デノイズ処理部２７ｆは、動画像に含まれる複数のフレームそれぞれにおける同じ位置の画素の信号値の時間的な変動量がノイズモデルから得られたノイズ量に基づく閾値より大きい画素を動き領域の画素として検出する。また、デノイズ処理部２７ｆは、動画像に含まれる複数のフレームそれぞれにおける同じ位置の画素の信号値の時間的な変動量がノイズモデルから得られたノイズ量に基づく閾値以下である画素を静止領域の画素として検出する。
図７は、第１１の変形例に係るノイズ除去の一例を示す図である。例えば、図７の左側に示す図は、心臓６０１を含む動画像６０２を示している。

図７の中央の図において、横軸は、本手法によって算出した各画素のノイズ量σ（ｘ，ｙ）を示しており、縦軸は、信号値の時間的な変動量ｖ₁（ｘ，ｙ）を示している。ここで、例えば、ｖ₁（ｘ，ｙ）は、信号値の標準偏差である。画像上の各画素において、ｖ₁（ｘ，ｙ）とσ（ｘ，ｙ）を算出すると、点６０６の様な点を画素数だけ配置することが出来る。この時、動かない被検体に属する画素の信号の変動量ｖ₁（ｘ，ｙ）はノイズ量σ（ｘ，ｙ）と一致することが期待されるため、静止領域に対応する点は傾き１の直線上（直線６０５）に乗ることも期待される。そして、動き領域に属する画素は、変動量ｖ₁（ｘ，ｙ）が心臓６０１の動きによる影響を受けるため、点６０７の様に直線６０５より上に存在する点に対応する画素は動き領域に属する可能性が高まる。

この性質を利用し、デノイズ処理部２７ｆは、例えば、図７の中央の図に示すように、ノイズモデルから得られたノイズ量σ（ｘ，ｙ）とｖ₁（ｘ，ｙ）とを比較し、画素（ｘ，ｙ）が動き領域に属するか静止領域に属するか判定する。具体的には、ユーザーがあらかじめ指定する正の実数Ａとノイズモデルから得られたノイズ量σ（ｘ，ｙ）とが存在したとき、ｖ₁（ｘ，ｙ）＞Ａσ（ｘ，ｙ）であれば、動き領域、それ以外の場合は静止領域と判別する。図７の中央の図において前記の閾値は例えば直線６０３の様な直線で表される。

そして、デノイズ処理部２７ｆは、ｖ₁（ｘ，ｙ）が閾値（直線６０３）より大きい画素を動き領域の画素として検出し、ｖ₁（ｘ，ｙ）が閾値（直線６０３）以下である画素を静止領域の画素として検出する。

これにより、例えば、図７の右側の図に示すように、動画像６０１において、心臓６０１及びその周辺部を含む領域６０４が、動き領域として検出され、領域６０４以外の領域が、静止領域として検出される。

その後、デノイズ処理部２７ｆは、動き領域に含まれる画素及び静止領域に含まれる画素それぞれに対して、異なる方法でノイズ除去を行う。例えば、デノイズ処理部２７ｆは、デノイズ処理部２７ｆは、動き領域に含まれる画素に対するノイズ除去の強度を、静止領域に含まれる画素に対するノイズ除去の強度より弱くする。

図８は、第１１の変形例に係るノイズ除去の処理手順を示すフローチャートである。図８に示すステップＳ２０１〜Ｓ２０７の処理は、図３に示したステップＳ１１０の処理に対応する。すなわち、本変形例では、図３に示したステップＳ１０１〜Ｓ１０９と同様の処理が実行された後に、図８に示すステップＳ２０１〜Ｓ２０７の処理が実行され、その後、図３に示したステップＳ１１０と同様の処理が実行される。

例えば、図８に示すように、デノイズ処理部２７ｆは、モデル選択部２７ｅによって選択されたノイズモデルＦ（ｓ）を用いて、動画像の各フレームに含まれる各画素のノイズ量を推定する（ステップＳ２０１）。具体的には、デノイズ処理部２７ｆは、フレームごとに、前述したように、ノイズモデルＦ（ｓ）を用いて、座標（ｘ，ｙ）におけるノイズ量の推定値σ（ｘ，ｙ）を求める。

その後、デノイズ処理部２７ｆは、各フレームに含まれる同じ位置の画素ごとに、信号値の時間的な変動量の大きさを表す数値と、推定されたノイズ量に基づく閾値とを比較する（ステップＳ２０２）。ここで、例えば、信号値の時間的な変動量の大きさを表す数値としては、式（１）に示した信号値の変動量ｖ₁（ｘ，ｙ）が用いられる。また、例えば、閾値としては、σ（ｘ，ｙ）に所定の定数の倍率を乗じた値が用いられる。例えば、閾値として、σ（ｘ，ｙ）の３倍の値が用いられる。

そして、デノイズ処理部２７ｆは、信号値の変動量の大きさを表す数値が閾値より大きい画素については、動き領域の画素と判定する（ステップＳ２０２，Ｙｅｓ）。一方、デノイズ処理部２７ｆは、信号値の変動量の大きさを表す数値が閾値以下である画素については、静止領域の画素と判定する（ステップＳ２０２，Ｎｏ）。

その後、デノイズ処理部２７ｆは、動き領域の画素及び静止領域の画素それぞれについて、ノイズ除去を行う。このとき、デノイズ処理部２７ｆは、動き領域の画素に対するノイズ除去の強度が静止領域の画素に対するノイズ除去の強度と比べて弱くなるように、動き領域と静止領域とでノイズ除去の方法を変える。

例えば、デノイズ処理部２７ｆは、非特許文献１に記載されているように、ｓ（ｘ，ｙ）との差分が閾値以下である信号のみの加重平均を用いる処理を行うことにより、ノイズ除去を行う。この場合に、例えば、デノイズ処理部２７ｆは、動き領域の画素に対するノイズ除去で用いられる閾値Ｔｍを、静止領域の画素に対するノイズ除去で用いられる閾値Ｔｓに対して相対的に低く設定する。

例えば、デノイズ処理部２７ｆは、動き領域については、閾値をＴｍ＝Ｃｍ＊σ（ｘ，ｙ）とし、静止領域については、閾値をＴｓ＝Ｃｓ＊σ（ｘ，ｙ）とする。ここで、Ｃｍ及びＣｓはいずれも正の実数であり、Ｃｍ＜Ｃｓであるとする。

これにより、デノイズ処理部２７ｆは、動き領域の画素について、ノイズ量が閾値Ｔｍ以下である場合には（ステップＳ２０３，Ｎｏ）、信号値の加重平均を行うことで、相対的に強度が弱いノイズ除去を行うことになる（ステップＳ２０４）。また、デノイズ処理部２７ｆは、動き領域の画素について、ノイズ量が閾値Ｔｍより大きい場合には（ステップＳ２０３，Ｙｅｓ）、通常平均を行うことで、相対的に強度が中程度のノイズ除去を行うことになる（ステップＳ２０５）。

また、デノイズ処理部２７ｆは、静止領域の画素について、ノイズ量が閾値Ｔｓ以下である場合には（ステップＳ２０６，Ｎｏ）、信号値の加重平均を行うことで、相対的に強度が中程度のノイズ除去を行うことになる（ステップＳ２０５）。また、デノイズ処理部２７ｆは、静止領域の画素について、ノイズ量が閾値Ｔｓより大きい場合には（ステップＳ２０６，Ｙｅｓ）、通常平均を行うことで、相対的に強度が強いノイズ除去を行うことになる（ステップＳ２０７）。

このように、動き領域の画素に対するノイズ除去で用いられる閾値Ｔｍを静止領域の画素に対するノイズ除去で用いられる閾値Ｔｓに対して相対的に低く設定することで、動き領域の信号がノイズ除去によって変化しにくくなる。この結果、ノイズ除去によって、動き領域の信号が弱められてしまうのを抑制することができる。

また、このように、デノイズ処理部２７ｆは、動き領域の含まれる画素と、静止領域に含まれる画素とで、ノイズモデルから得られたノイズ量が同じであった場合には、動き領域に含まれる画素に対するノイズ除去の強度を、静止領域に含まれる画素に対するノイズ除去の強度より弱くする。

なお、動き領域のノイズ除去強度が常に静止領域のノイズ除去強度より小さくなるわけではない。例えば、動き領域上の1点（ｘ1，ｙ1）と静止領域上の一点（ｘ2，ｙ2）において、σ（ｘ1，ｙ1）＝σ（ｘ2，ｙ2）であった場合は、Ｃｍ＜Ｃｓであるため、必ずＴｍ＜Ｔｓとなる。しかし、σ（ｘ1，ｙ1）がσ（ｘ2，ｙ2）のＣｓ／Ｃｍ倍より大きい場合は、Ｔｍ＞Ｔｓとなりうる。

また、動き領域と静止領域とでノイズ除去の強度を変えるための方法は、上述したものに限られない。例えば、非特許文献３に記載されているように、時間方向フィルタリングにおいて、動き領域のフィルタが有する高周波の利得を静止領域のフィルタが有する高周波の利得と比べて高くする方法が用いられてもよい。

（第２の実施形態）
なお、上述した第１の実施形態では、ＭＲＩ装置の実施形態について説明したが、実施形態はこれに限られない。例えば、ＭＲＩ装置にネットワーク経由で通信可能に接続された画像処理装置でも同様の実施形態が適用可能である。以下では、第２の実施形態として、画像処理装置の実施形態について説明する。

図９は、第２の実施形態に係る画像処理装置３０の構成を示すブロック図である。例えば、図９に示すように、画像処理装置３０は、ネットワーク４０を介して、ＭＲＩ装置１００と通信可能に接続される。また、画像処理装置３０は、入力部３１、表示部３２、記憶部３３、及び、制御部３４を備える。ここで、例えば、制御部３４は、画像取得部３４ａ、特徴ベクトル算出部３４ｂ、補正マップ算出部３４ｃ、補正部３４ｄ、モデル選択部３４ｅ、及び、デノイズ処理部３４ｆを備える。

画像取得部３４ａは、ネットワーク４０を介してＭＲＩ装置１００との間で通信を行うことで、ＭＲＩ装置１００によって撮像された画像を取得する。例えば、画像取得部３４ａは、入力部３１を介して、処理対象の画像を指定する操作を操作者から受け付け、指定された画像、及び、当該画像が撮像された際の受信コイルの感度マップをＭＲＩ装置１００から取得する。そして、画像取得部３４ａは、取得した画像及び感度マップを記憶部３３に格納する。

特徴ベクトル算出部３４ｂ、補正マップ算出部３４ｃ、補正部３４ｄ、モデル選択部３４ｅ、及び、デノイズ処理部３４ｆは、それぞれ、第１の実施形態で説明した特徴ベクトル算出部２７ｂ、補正マップ算出部２７ｃ、補正部２７ｄ、モデル選択部２７ｅ、及び、デノイズ処理部２７ｆと同様の構成及び機能を有する。

ここで、第２の実施形態では、特徴ベクトル算出部３４ｂは、画像取得部３４ａによって生成された画像を記憶部３３から取得し、取得した画像に含まれる複数の画素それぞれについて、特徴ベクトルを算出する。また、第２の実施形態では、デノイズ処理部３４ｆは、ノイズ除去を行った画像を表示部３２に表示する。なお、デノイズ処理部３４ｆは、ノイズ除去を行った画像を記憶部３３に保存してもよい。

また、画像取得部３４ａは、ＭＲＩ装置１００から画像及び感度マップを取得するのではなく、同じ検査で収集された感度マップ用のＭＲ信号データ及び診断用のＭＲ信号データを取得してもよい。その場合には、例えば、制御部３４が、第１の実施形態で説明した画像生成部２５と同様に、感度マップ用のＭＲ信号データから感度マップを生成し、診断用のＭＲ信号データから画像を生成し、生成した感度マップ及び画像を記憶部３３に格納する。

なお、上述した各部のうち、制御部３４は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサ、メモリ、ＡＳＩＣ（application specific integrated circuits）、ＦＰＧＡ（Field Programmable Gate Array）等の電子回路により構成される。この場合に、例えば、制御部３４が有するプロセッサは、制御部３４が行う処理の処理手順を規定したプログラムを記憶部３３から読み出して実行することで、当該処理手順に従って処理を実行する。

上述した第２の実施形態に係る画像処理装置３０によれば、ＭＲＩ装置１００によって撮像された画像において、複数の画素間にＳ／Ｎの違いが生じる場合でも、全画素のノイズを適切に除去することができる。これにより、ＭＲＩ装置１００によって撮像された画像において、ノイズの除去を行うことで信号の特徴が失われるのを抑制することができる。

なお、上述した実施形態に係るＭＲＩ装置又は画像処理装置において、記憶部に記憶されるものとしたプログラムは、あらかじめ各装置にインストールされていてもよいし、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体又はネットワークを介して配布されて、各装置に適宜にインストールされてもよい。または、当該プログラムは、例えば、各装置に内蔵又は外付けされたハードディスク、メモリ、ＣＤ−Ｒ（Compact Disk Recordable）、ＣＤ−ＲＷ（Compact Disk Rewritable）、ＤＶＤ−ＲＡＭ（Digital Versatile Disc Random Access Memory）、ＤＶＤ−Ｒ（Digital Versatile Disc Recordable）等の記憶媒体に記録されて、各装置が有するプロセッサによって適宜に読み出されて実行されてもよい。

以上説明した少なくとも１つの実施形態によれば、画像に含まれる複数の画素間にＳ／Ｎの違いが生じる場合でも、全画素のノイズを適切に除去することができる。

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。

１００ 磁気共鳴イメージング（Magnetic Resonance Imaging；ＭＲＩ）装置
２５ 画像生成部
２７ システム制御部
２７ｂ 特徴ベクトル算出部
２７ｃ 補正マップ算出部
２７ｄ 補正部
２７ｆ デノイズ処理部

Claims (22)

1. 被検体から発生する磁気共鳴信号に基づいて画像を生成する画像生成部と、
   前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
   前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
   前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
   を備え、
   前記補正部は、高速撮像法で用いられるGeometry factorにさらに基づいて、前記複数の画素それぞれの特徴量を補正する、
   磁気共鳴イメージング装置。
2. 被検体から発生する磁気共鳴信号に基づいて画像を生成する画像生成部と、
   前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
   前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
   前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
   を備え、
   前記特徴量算出部は、前記複数の画素それぞれについて、前記特徴量の要素として、当該画素の信号値及び時間方向に沿って当該画素と対応する位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する、
   磁気共鳴イメージング装置。
3. 前記特徴量算出部は、前記複数の画素それぞれについて、前記特徴量の要素として、当該画素の信号値及び当該画素に空間的又は時間的に近い位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する、
   請求項１又は２に記載の磁気共鳴イメージング装置。
4. 前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて補正マップを算出する補正マップ算出部をさらに備え、
   前記補正部は、前記補正マップを用いて前記複数の画素それぞれの特徴量を補正する、
   請求項１〜３のいずれか一つに記載の磁気共鳴イメージング装置。
5. 前記補正マップの値は、前記受信コイルの感度分布を表す感度マップの値を高速撮像法で用いられるGeometry factorで割ることで算出される、
   請求項４に記載の磁気共鳴イメージング装置。
6. 前記補正マップは、前記受信コイルの感度が高い位置ほど大きな値を有する、
   請求項４に記載の磁気共鳴イメージング装置。
7. 前記画像は、複数の受信コイルを用いて、受信コイル間の感度差を利用して撮像を行う高速撮像法によって得られたものであり、
   前記補正マップは、画像再構成における信号値の算出精度が低い位置ほど大きな値を有する、
   請求項４に記載の磁気共鳴イメージング装置。
8. 前記補正部は、前記複数の画素それぞれの特徴ベクトルの少なくとも一つの要素について、前記補正マップにおいて小さな値を有する位置に対応するものほど小さな値となり、前記補正マップにおいて大きな値を有する位置に対応するものほど大きな値となるように補正する、
   請求項４に記載の磁気共鳴イメージング装置。
9. 前記デノイズ処理部は、前記補正マップの値が大きいほど、ノイズ除去の強度を小さくする、
   請求項４に記載の磁気共鳴イメージング装置。
10. 前記特徴量は、複数の要素を含む特徴ベクトルで表される、
    請求項１〜９のいずれか一つに記載の磁気共鳴イメージング装置。
11. 前記特徴ベクトルは、前記信号値の標準偏差を要素として含む、
    請求項１０に記載の磁気共鳴イメージング装置。
12. 前記補正部によって補正された特徴量の分布に基づいて、複数のノイズモデルの中からノイズモデルを選択するモデル選択部をさらに備え、
    前記デノイズ処理部は、前記モデル選択部によって選択されたノイズモデルを用いて、前記画像のノイズを低減させる、
    請求項１〜１１のいずれか一つに記載の磁気共鳴イメージング装置。
13. 前記ノイズモデルは、入力された信号値に対してノイズ量を出力するものであり、入力された信号値が小さいほど小さなノイズ量を出力し、入力された信号値が大きいほど大きなノイズ量を出力し、かつ、入力された信号値が大きくなるにつれて、出力されるノイズ量が一定値に収束するものである、
    請求項１２に記載の磁気共鳴イメージング装置。
14. 前記モデル選択部は、前記複数のノイズモデルの中から、前記補正部によって補正された特徴量によって表されるデータ点群を最も近似するノイズモデルを選択する、
    請求項１２に記載の磁気共鳴イメージング装置。
15. 前記デノイズ処理部は、前記モデル選択部によって選択されたノイズモデルから出力されるノイズ量が大きいほど、ノイズ除去の強度を大きくする、
    請求項１２に記載の磁気共鳴イメージング装置。
16. 前記画像生成部は、前記画像として動画像を生成し、
    前記デノイズ処理部は、前記動画像の中から、動き領域と、前記動き領域より動きが小さい静止領域とを検出し、当該動き領域及び当該静止領域それぞれについて異なる方法でノイズを低減させる、
    請求項１２に記載の磁気共鳴イメージング装置。
17. 前記デノイズ処理部は、前記動画像に含まれる複数のフレームそれぞれにおける同じ位置の画素の信号値の時間的な変動量が前記ノイズモデルから得られたノイズ量に基づく閾値より大きい画素を前記動き領域の画素として検出する、
    請求項１６に記載の磁気共鳴イメージング装置。
18. 前記デノイズ処理部は、前記動き領域に含まれる画素と、前記静止領域に含まれる画素とで、前記ノイズモデルから得られたノイズ量が同じであった場合に、当該動き領域に含まれる画素に対するノイズ除去の強度を、当該静止領域に含まれる画素に対するノイズ除去の強度より弱くする、
    請求項１６又は１７に記載の磁気共鳴イメージング装置。
19. 被検体から発生する磁気共鳴信号に基づいて生成された画像を取得する画像取得部と、
    前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
    前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
    前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
    を備え、
    前記補正部は、高速撮像法で用いられるGeometry factorにさらに基づいて、前記複数の画素それぞれの特徴量を補正する、
    画像処理装置。
20. 被検体から発生する磁気共鳴信号に基づいて生成された画像を取得する画像取得部と、
    前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出する特徴量算出部と、
    前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正する補正部と、
    前記補正部によって補正された特徴量の分布に基づいて、前記画像のノイズを低減させるデノイズ処理部と
    を備え、
    前記特徴量算出部は、前記複数の画素それぞれについて、前記特徴量の要素として、当該画素の信号値及び時間方向に沿って当該画素と対応する位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する、
    画像処理装置。
21. 被検体から発生する磁気共鳴信号に基づいて生成された画像を取得し、
    前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出し、
    前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正し、
    補正された特徴量の分布に基づいて、前記画像のノイズを低減させる、
    ことを含み、
    前記特徴量を補正する際には、高速撮像法で用いられるGeometry factorにさらに基づいて、前記複数の画素それぞれの特徴量を補正する、
    画像処理方法。
22. 被検体から発生する磁気共鳴信号に基づいて生成された画像を取得し、
    前記画像に含まれる複数の画素それぞれについて、当該画素の信号値に関する特徴量を算出し、
    前記磁気共鳴信号を受信する受信コイルの感度特性に基づいて、前記複数の画素それぞれの特徴量を補正し、
    補正された特徴量の分布に基づいて、前記画像のノイズを低減させる、
    ことを含み、
    前記特徴量を算出する際には、前記複数の画素それぞれについて、前記特徴量の要素として、当該画素の信号値及び時間方向に沿って当該画素と対応する位置にある他の複数の画素の信号値に基づいて、当該画素の信号値の変動量を算出する、
    画像処理方法。

Images