JPH0947438A - Activated area identifying method - Google Patents
Activated area identifying methodInfo
- Publication number
- JPH0947438A JPH0947438A JP7200662A JP20066295A JPH0947438A JP H0947438 A JPH0947438 A JP H0947438A JP 7200662 A JP7200662 A JP 7200662A JP 20066295 A JP20066295 A JP 20066295A JP H0947438 A JPH0947438 A JP H0947438A
- Authority
- JP
- Japan
- Prior art keywords
- array
- gray matter
- image
- data
- identifying
- 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.)
- Pending
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は、磁気共鳴画像撮影装置
（以下、ＭＲＩ）を用いた脳機能計測（以下、ｆＭＲ
Ｉ）における、活性化領域の同定法に関する。BACKGROUND OF THE INVENTION The present invention relates to brain function measurement (hereinafter, fMR) using a magnetic resonance imaging apparatus (hereinafter, MRI).
The method of identifying an activation region in I).
【０００２】[0002]
【従来の技術】ＭＲＩを使用して脳の機能を解析するｆ
ＭＲＩと呼ばれる技術が開発されている。この技術で
は、光や音などの刺激印加に伴う大脳皮質での反応を、
磁気共鳴（以下、ＭＲ）信号の変化として捕らえて画像
化する。図２はｆＭＲＩの概要を説明する図である。検
査対象に刺激を印加しつつ撮影した画像（以下、刺激印
加画像）と、刺激を印加せずに撮影した画像（以下、安
静画像）とから、差分画像を作成する。差分画像におい
て、信号強度の大きい領域を刺激に対して反応した領域
（以下、活性化領域）と見なし、活性化領域の同定や信
号変化率の評価などが行われている。2. Description of the Related Art The function of the brain is analyzed using MRI f
A technique called MRI has been developed. In this technology, the reaction in the cerebral cortex associated with the application of stimuli such as light and sound
It is captured as a change in magnetic resonance (hereinafter, MR) signal and imaged. FIG. 2 is a diagram for explaining the outline of fMRI. A difference image is created from an image taken while applying a stimulus to the inspection target (hereinafter, a stimulus applied image) and an image taken without applying a stimulus (hereinafter, a rest image). In the difference image, a region having a high signal intensity is regarded as a region that responds to a stimulus (hereinafter referred to as an activation region), and the activation region is identified and the signal change rate is evaluated.
【０００３】次に脳機能の計測及び解析手順について説
明する。この公知例としては、マグネティックス研究会
資料ＭＡＧ−９３−２３７が挙げられる。まず、高空間
分解能の画像を撮影し、ｆＭＲＩの計測断面を決定す
る。これは、局在化している活性化領域を精度よく抽出
するには、計測断面を正確に決定することが重要になる
ためである。次にｆＭＲＩの計測を行い、活性化領域を
抽出する。活性化領域の同定は、ｆＭＲＩにおいて所定
の手順で抽出された結果を画像化し、高空間分解能の画
像と重ね合わせて行われる。Next, the procedure for measuring and analyzing the brain function will be described. A known example of this is MAG-93-237, a material of Magnetics Research Group. First, a high spatial resolution image is taken to determine the measurement cross section of fMRI. This is because it is important to accurately determine the measurement cross section in order to accurately extract the localized activation region. Next, the fMRI is measured to extract the activation region. The activation region is identified by imaging the result extracted by a predetermined procedure in fMRI and superimposing it on the image with high spatial resolution.
【０００４】なお、本明細書においては、活性化領域の
同定に使用し、かつｆＭＲＩの画像よりも高空間分解能
の三次元画像を形態画像、抽出結果を画像化したものを
機能画像と、それぞれ定義する。In the present specification, a three-dimensional image used for identifying the activation region and having a higher spatial resolution than the fMRI image is a morphological image, and an image of the extraction result is a functional image. Define.
【０００５】三次元画像に対する活性化領域の同定法に
は、（１）三次元画像から抽出した脳表面に機能画像を
重ね合わせる方法（図３（ａ））、（２）三次元画像を
スライスし、ｆＭＲＩで計測した断面と同じ大きさのス
ライス面を表示し、この面に機能画像を重ね合わせる方
法（図３（ｂ））、の２種類がある。（１）の方法を用
いた公知例としては、Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ
Ｔｅｃｈｎｏｌｏｇｙ，ｖｏｌ．１２、ｎｏ．５、ｐ
ｐ６２６−６３１（１９９４）が、（２）の方法を用い
た公知例としてはＴｈｒｅｅ−Ｄｉｍｅｎｓｉｏｎａｌ
Ｂｉｏｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ：Ｐｒｉｎｃ
ｉｐｌｅｓ ａｎｄ Ｐｒａｃｔｉｃｅ、Ｒｉｃｈａｒ
ｄ Ａ． Ｒｏｂｂ 著、（ＶＣＰ Ｐｕｂｌｉｓｈｅ
ｒｓ、Ｉｎｃ．）のＦｉｇｕｒｅ ７．２が挙げられ
る。二次元画像に活性化領域を同定する場合と比較し、
（１）と（２）の同定法は、三次元画像に活性化領域を
同定するため、同定精度の向上が期待される。The identification method of the activation area for the three-dimensional image includes (1) a method of superimposing a functional image on the brain surface extracted from the three-dimensional image (FIG. 3A), and (2) slicing the three-dimensional image. Then, there are two types: a method of displaying a slice plane having the same size as the cross section measured by fMRI and superimposing a functional image on this plane (FIG. 3B). As a known example using the method (1), Medical Imaging is available.
Technology, vol. 12, no. 5, p
p626-631 (1994), as a known example using the method (2), is Three-Dimensional.
Biomedical Imaging: Prince
iples and practice, richar
d A. By Robb, (VCP Publish
rs, Inc. ) Of Figure 7.2). Compared with the case of identifying the activation area in the two-dimensional image,
Since the identification methods of (1) and (2) identify the activation region in the three-dimensional image, improvement in identification accuracy is expected.
【０００６】[0006]
【発明が解決しようとする課題】しかしながら、上記従
来技術の同定法（１）、（２）では次の欠点がある。ま
ず、（１）の同定法では、活性化領域が脳の深部にある
場合は正確に同定できない。また、（２）の同定法で
は、二次元的平面に機能画像を重ね合わせており、三次
元画像を活性化領域の同定に使用する利点を、十分に活
用していない。However, the above-mentioned conventional identification methods (1) and (2) have the following drawbacks. First, the identification method (1) cannot be accurately identified when the activation region is deep in the brain. Further, in the identification method (2), the functional image is superimposed on the two-dimensional plane, and the advantage of using the three-dimensional image for identifying the activated region is not fully utilized.
【０００７】大脳半球の断面像を観察すると、神経細胞
が多く存在する灰白質（大脳皮質）と神経線維の束が通
っている白質（髄質）とを、肉眼的に区別できる。これ
はＴ１強調の撮影法で得られるＭＲ画像でも容易に区別
できる。刺激に対して大きく活性化するのは灰白質であ
るので、灰白質上に限定して活性化領域を同定すること
で、同定精度を向上することが可能である。しかし、従
来は灰白質と白質の区別を行わずに、活性化領域を同定
していたため、高精度に活性化領域の同定がでいないと
いう問題点があった。本発明の目的は、形態画像から抽
出した灰白質上に、三次元的に機能画像を重ね合わせ、
活性化領域を高精度に同定する活性化領域同定法を提供
することにある。By observing a cross-sectional image of the cerebral hemisphere, the gray matter (cerebral cortex) in which many nerve cells are present and the white matter (medulla) in which bundles of nerve fibers pass can be visually distinguished. This can be easily distinguished even in the MR image obtained by the T1-weighted imaging method. Since it is the gray matter that is largely activated by the stimulus, it is possible to improve the identification accuracy by identifying the activated region only on the gray matter. However, conventionally, since the activation region was identified without distinguishing between gray matter and white matter, there was a problem that the activation region could not be identified with high accuracy. An object of the present invention is to superimpose a functional image three-dimensionally on the gray matter extracted from the morphological image,
An object of the present invention is to provide an activation region identifying method for identifying an activation region with high accuracy.
【０００８】[0008]
【課題を解決するための手段】本発明の特徴は、形態画
像から抽出した灰白質上に機能画像を重ね合わせるこ
と、この重ね合わせを三次元的に行なう点にある。以
下、詳細に本発明の特徴を詳細に説明する。A feature of the present invention resides in that a functional image is superposed on a gray matter extracted from a morphological image, and the superposing is performed three-dimensionally. Hereinafter, the features of the present invention will be described in detail.
【０００９】第１の特徴は、磁気共鳴画像撮影装置を用
いて検査対象の形態を表わす三次元形態画像を撮影し、
次いで、検査対象に刺激を印加しない安静期間に撮影し
た安静画像と、検査対象に刺激を印加した刺激印加期間
に撮影した刺激印加画像とからなる時系列画像を取得
し、安静画像と刺激印加画像の同一座標にある画素の信
号変化から印加した刺激により活性化され反応した活性
化領域を抽出する磁気共鳴画像撮影装置を用いた脳機能
計測における活性化領域同定法において、形態画像から
灰白質を抽出し灰白質データを作成する第１のステップ
と、時系列画像から所定の計算式を用いて活性化領域を
抽出し脳機能データを作成する第２のステップと、灰白
質データと脳機能データとを重ね合わせて灰白質上で活
性化領域を同定する第３のステップとを有する点にあ
る。第２の特徴は、第１の特徴において、形態画像はＴ
１強調画像である点にある。The first feature is that a three-dimensional morphological image representing the morphology of an inspection target is photographed using a magnetic resonance imaging apparatus,
Next, a time-series image consisting of a rest image taken during a rest period in which no stimulus is applied to the examination subject and a stimulus application image taken during a stimulus application period in which a stimulus is applied to the examination subject is acquired, and the rest image and the stimulus application image In the activation area identification method in the brain function measurement using the magnetic resonance imaging apparatus that extracts the activation area that was activated and responded to by the applied stimulus from the signal change of the pixel at the same coordinates, gray matter was extracted from the morphological image. A first step of extracting and creating gray matter data, a second step of extracting an activation region from a time-series image using a predetermined calculation formula to create brain function data, and gray matter data and brain function data And a third step of identifying the activated region on the gray matter by superimposing and. The second feature is that in the first feature, the morphological image is T
This is a 1-weighted image.
【００１０】第３の特徴は、第１の特徴において、第１
のステップは、形態画像から灰白質を抽出するステップ
と、灰白質データの配列を作成するステップを有する点
にある。第４の特徴は、第３の特徴において、灰白質を
抽出するステップは、形態画像の信号強度に閾値を設け
て灰白質を抽出する点にある。第５の特徴は、第３の特
徴において、灰白質データの配列を作成するステップ
は、灰白質の抽出ステップで灰白質であると判断された
配列の要素と、灰白質の抽出ステップで灰白質でないと
判断された配列の要素とで、異なる２値を入力するステ
ップを有する点にある。第６の特徴は、第３の特徴にお
いて、灰白質データの配列を作成するステップは、灰白
質の抽出ステップで灰白質であると判断された配列の要
素の値を１とし、灰白質の抽出ステップで灰白質でない
と判断された配列の要素の値を０とするステップを有す
る点にある。The third feature is that in the first feature, the first feature
The step (1) has a step of extracting gray matter from the morphological image and a step of creating an array of gray matter data. The fourth feature is that in the third feature, the step of extracting gray matter extracts a gray matter by setting a threshold value on the signal intensity of the morphological image. The fifth feature is that in the third feature, the step of creating an array of gray matter data includes the elements of the array determined to be gray matter in the gray matter extraction step and the gray matter in the gray matter extraction step. It has a step of inputting different binary values with the elements of the array determined not to be. The sixth feature is that, in the third feature, the step of creating an array of gray matter data sets the value of the element of the array determined to be gray matter in the gray matter extraction step to 1 and extracts the gray matter. The point is to set the value of the element of the array determined to be not gray matter in the step to 0.
【００１１】第７の特徴は、第１の特徴において、第２
のステップは、活性化領域を抽出するステップと、脳機
能データの配列を作成するステップからなる点にある。
第８の特徴は、第７の特徴において、活性化領域を抽出
するステップは、時系列画像の刺激の印加前後の信号変
化率に閾値を設けて活性化領域を抽出する点にある。第
９の特徴は、第７の特徴において、活性化領域を抽出す
るステップは、時系列画像を用いてｔ検定を行い、ｔの
値に閾値を設けて活性化領域を抽出する点にある。第１
０の特徴は、第７の特徴において、活性化領域を抽出す
るステップは、時系列画像を用いて相関関数の値を算出
し、相関関数の値に閾値を設けて活性化領域を抽出する
点にある。第１１の特徴は、第７の特徴において、脳機
能データの配列を作成するステップは、第８から第１０
の特徴の抽出（閾値）条件のうち少なくとも１つを満足
する配列の要素と、抽出条件を満足しない配列の要素と
で、異なる２値を入力するステップを有する点にある。
第１２の特徴は、第７の特徴において、脳機能データの
配列を作成するステップは、第８から第１０の特徴の抽
出（閾値）条件のうち少なくとも１つを満足する配列の
要素の値を１とし、抽出（閾値）条件を満足しない配列
の要素の値を０とするステップを有する点にある。第１
３の特徴は、第７の特徴において、脳機能データを作成
するステップは、第８から第１０の特徴の抽出（閾値）
条件のうち少なくとも１つを満足する配列の要素の値を
計算式の値とし、抽出（閾値）条件を満足しない配列の
要素の値を０とするステップを有する点にある。The seventh feature is the second feature in the first feature.
The step (1) is composed of a step of extracting an activation area and a step of creating an array of brain function data.
An eighth feature is that, in the seventh feature, the step of extracting an activation region extracts a activation region by setting a threshold value in a signal change rate before and after application of a stimulus of a time-series image. The ninth feature is that, in the seventh feature, the step of extracting the activation region performs a t-test using a time-series image, and sets a threshold value for t to extract the activation region. First
The feature of 0 is that in the seventh feature, in the step of extracting the activation region, the value of the correlation function is calculated using the time-series image, and the activation region is extracted by setting a threshold value in the value of the correlation function. It is in. The eleventh feature is that, in the seventh feature, the steps of creating an array of brain function data include the eighth to tenth steps.
The point is that there is a step of inputting different binary values for the elements of the array that satisfy at least one of the extraction (threshold) conditions of the feature and the elements of the array that do not satisfy the extraction conditions.
A twelfth feature is that in the seventh feature, the step of creating an array of brain function data sets the values of the elements of the array satisfying at least one of the extraction (threshold) conditions of the eighth to tenth features. 1 and the value of the element of the array that does not satisfy the extraction (threshold) condition is set to 0. First
The third feature is that in the seventh feature, the step of creating brain function data is performed by extracting the eighth to tenth features (threshold value).
The point is that the value of the array element that satisfies at least one of the conditions is set to the value of the calculation formula, and the value of the element of the array that does not satisfy the extraction (threshold) condition is set to 0.
【００１２】第１４の特徴は、第１の特徴において、第
１のステップは、第２のステップより以前に実行される
点にある。第１５の特徴は、第１の特徴において、第３
のステップは、脳機能データの配列の要素数と灰白質デ
ータの配列の要素数とを一致させるステップを含む点に
ある。第１６の特徴は、第１５の特徴において、脳機能
データの配列の要素数と灰白質データの配列の要素数と
を一致させるステップは、脳機能データの配列を拡大
し、灰白質データの配列の要素数と一致させるステップ
を含む点にある。第１７の特徴は、第１６の特徴におい
て、脳機能データの配列を拡大し灰白質データの配列の
要素数と一致させるステップは、時系列画像を撮影する
際のスライス選択傾斜磁場の印加方向に配列を拡大する
ステップと、印加方向に直交する方向に配列を拡大する
ステップのうち、少なくとも一方のステップを含む点に
ある。The fourteenth feature is that, in the first feature, the first step is executed before the second step. The fifteenth feature is the third feature of the first feature.
The step of (1) is that it includes the step of matching the number of elements of the array of brain function data with the number of elements of the array of gray matter data. The 16th feature is that in the 15th feature, the step of matching the number of elements in the array of brain function data with the number of elements in the array of gray matter data expands the array of brain function data to obtain an array of gray matter data. It includes the step of matching the number of elements of. The seventeenth feature is that, in the sixteenth feature, the step of expanding the array of brain function data to match the number of elements of the array of gray matter data is performed in the application direction of the slice selection gradient magnetic field when capturing a time-series image. The point is that at least one of the step of expanding the array and the step of expanding the array in the direction orthogonal to the application direction is included.
【００１３】第１８の特徴は、第１７の特徴において、
脳機能データの配列において印加方向に配列を拡大する
ステップは、印加方向に直交する方向の配列と要素数が
等しく、かつ全ての要素の値が０である配列を付加する
ステップを含む点にある。第１９の特徴は、第１７の特
徴において、脳機能データの配列の要素数と灰白質デー
タの配列の要素数とを一致させるステップは、灰白質デ
ータの配列において印加方向の配列数を削減し、脳機能
データの配列の数と一致させる点にある。第２０の特徴
は、第１の特徴において、第３のステップは、第５の特
徴または第６の特徴の灰白質データの配列と、第１１の
特徴から第１３の特徴の何れかの脳機能データの配列と
を用い、両配列の積を計算するステップを有する点にあ
る。第２１の特徴は、第１の特徴において、第３のステ
ップは、第５の特徴または第６の特徴の灰白質データの
配列と、第１１の特徴から第１３の特徴の何れかの脳機
能データの配列とを用い、両配列の論理積を計算するス
テップを有する点にある。The eighteenth feature is the seventeenth feature, wherein
The step of expanding the array in the application direction in the array of brain function data includes the step of adding an array in which the number of elements is equal to the array in the direction orthogonal to the application direction and all the element values are 0. . The nineteenth feature is that in the seventeenth feature, the step of matching the number of elements in the brain function data array with the number of elements in the gray matter data array reduces the number of arrays in the application direction in the gray matter data array. , The point is to match the number of arrays of brain function data. The twentieth feature is the first feature, wherein the third step is the arrangement of the gray matter data of the fifth feature or the sixth feature, and the brain function of any one of the eleventh feature to the thirteenth feature. Using the array of data and the step of calculating the product of both arrays. The twenty-first feature is the first feature, and the third step is the arrangement of the gray matter data of the fifth feature or the sixth feature and the brain function of any one of the eleventh feature to the thirteenth feature. It has a step of calculating a logical product of both arrays by using the array of data.
【００１４】第２２の特徴は、第１の特徴において、第
３のステップは、第５の特徴または第６の特徴の灰白質
データの配列と、第１１の特徴から第１３の特徴の何れ
かの脳機能データの配列とを用い、少なくとも一方の配
列に第１５の特徴から第１９の特徴の何れかの要素数一
致ステップを施した後、両配列の積を計算するステップ
を有する点にある。第２３の特徴は、第１の特徴におい
て、第３のステップは、第５の特徴または第６の特徴の
灰白質データの配列と、第１１の特徴から第１３の特徴
の何れかの脳機能データの配列とを用い、少なくとも一
方の配列に第１５の特徴から第１９の特徴の何れかの要
素数一致ステップを施した後、両配列の論理積を計算す
るステップを有する点にある。The twenty-second feature is the first feature, the third step is any one of the eleventh feature to the thirteenth feature, and the arrangement of the gray matter data of the fifth feature or the sixth feature. And the array of brain function data of at least one array is subjected to the number-of-elements matching step of any one of the fifteenth feature to the nineteenth feature, and then the product of both sequences is calculated. is there. The 23rd feature is, in the 1st feature, the 3rd step, the sequence of gray matter data of the 5th feature or the 6th feature, and the brain function of any of the 11th feature to the 13th feature. It has a step of calculating a logical product of both arrays after performing the element number matching step of any one of the fifteenth feature to the nineteenth feature on at least one of the arrays using the array of data.
【００１５】[0015]
【作用】形態画像から灰白質を抽出し、灰白質上に限定
して機能画像を三次元的に重ね合わせることで、活性化
領域の同定精度を向上することができる。[Function] By extracting gray matter from the morphological image and superposing the functional images three-dimensionally only on the gray matter, the identification accuracy of the activated region can be improved.
【００１６】[0016]
【実施例】以下、本発明の実施例を図を参照し詳細に説
明する。図４は、本発明における画像撮影、及びデータ
処理手順の一例を示すフローチャートである。図４の左
側は画像撮影の手順を示しており、形態画像の撮影を行
ない計測断面を決定（１０１）した後、ｆＭＲＩの計測
（１０２）を行なう。また、図４の右側はデータ処理の
手順を示している。まず形態画像から灰白質を抽出する
処理１０３を行い、次いでｆＭＲＩの計測データを用い
て活性化領域を抽出し、機能画像を作成する処理１０４
を行なう。最後に、灰白質の抽出結果と機能画像とを重
ね合わせ、活性化領域同定の処理１０５を行なう。重ね
合わせの方法については後述する。なお、データ処理手
順は、機能画像を作成する処理１０４を灰白質を抽出す
る処理１０３の以前に行っても、活性化領域を同定する
処理１０５に対してなんら支障はない。しかし、ｆＭＲ
Ｉの計測１０２と灰白質の抽出１０３とを並行して行な
うことで、全体の所要時間を従来の同定法と同程度にで
きる。以上の点から、図４のフローチャートに示した手
順が望ましい。Embodiments of the present invention will be described below in detail with reference to the drawings. FIG. 4 is a flowchart showing an example of the image capturing and data processing procedure in the present invention. The left side of FIG. 4 shows the procedure of image capturing. After the morphological image is captured and the measurement cross section is determined (101), fMRI measurement (102) is performed. The right side of FIG. 4 shows the procedure of data processing. First, a process 103 for extracting gray matter from the morphological image is performed, and then an active region is extracted using the measurement data of fMRI to create a functional image 104.
Perform Finally, the gray matter extraction result and the functional image are superposed, and the activation area identification processing 105 is performed. The overlapping method will be described later. In the data processing procedure, even if the process 104 for creating the functional image is performed before the process 103 for extracting the gray matter, there is no problem with the process 105 for identifying the activated region. However, fMR
By performing the measurement 102 of I and the extraction 103 of gray matter in parallel, the total required time can be made approximately the same as the conventional identification method. From the above points, the procedure shown in the flowchart of FIG. 4 is desirable.
【００１７】次に、それぞれのデータ処理手順について
説明する。灰白質の抽出処理１０３と機能画像の作成処
理１０４は、既に公知である技術を用いて行なう。灰白
質の抽出は、ＭＲ画像における灰白質と白質の信号強度
の差を評価して行なう。この場合のＭＲ画像としては、
Ｔ１強調画像が望ましい。この領域抽出技術に関する様
々な処理法は、既に多くの報告がなされており、本発明
においても同様の処理を用いる。機能画像の作成は本明
細書の「従来の技術」で記述した通りである。Next, each data processing procedure will be described. The gray matter extraction process 103 and the functional image creation process 104 are performed using a known technique. The gray matter is extracted by evaluating the difference in signal intensity between the gray matter and the white matter in the MR image. In this case, the MR image is
T1-weighted images are desirable. Many reports have already been made on various processing methods relating to this area extraction technique, and similar processing is also used in the present invention. The creation of the functional image is as described in the "prior art" in this specification.
【００１８】活性化領域の同定処理１０５で行なう、形
態画像と機能画像の重ね合わせ方法を図１に示す。な
お、この重ね合わせ法は機能画像が三次元の場合にも適
用できるが、本明細書中では機能画像を二次元画像とし
て説明する。図１（ａ）は、形態画像のスライス方向の
空間分解能と機能画像のスライス方向の空間分解能が異
なる様子を示している。従来技術では、形態画像と機能
画像の重ね合わせを、機能画像での大脳の大きさと形態
画像での大脳の大きさが同じになるスライス（ここでは
スライス１１）を用いて行なっていた。このように、機
能画像のスライス１０の厚さを考慮せずに活性化領域の
同定を行っているため、刺激に対する反応が小さい白質
にも活性化領域が同定されてしまう（図１（ｂ））。一
方、本発明では、機能画像のスライス１０に含まれる形
態画像のスライス１１から１３を用いて、形態画像と機
能画像の重ね合わせを行なう。その際、形態画像の灰白
質上に活性化領域を同定する（図１（ｃ））。このよう
に、従来技術では活性化領域の同定を二次元的に行って
いるのに対し、本発明では同定を三次元的に行なう。そ
の結果、形態画像の灰白質上に機能画像を重ね合わせる
ことが可能になり、活性化領域の同定精度が向上する。FIG. 1 shows a method of superimposing a morphological image and a functional image, which is carried out in the activation area identifying process 105. Although this superposition method can be applied to the case where the functional image is three-dimensional, the functional image will be described as a two-dimensional image in this specification. FIG. 1A shows that the spatial resolution in the slice direction of the morphological image and the spatial resolution in the slice direction of the functional image are different. In the conventional technique, the morphological image and the functional image are superimposed using a slice (here, slice 11) in which the size of the cerebrum in the functional image and the size of the cerebrum in the morphological image are the same. As described above, since the activation region is identified without considering the thickness of the slice 10 of the functional image, the activation region is also identified in the white matter that has a small response to the stimulus (FIG. 1 (b)). ). On the other hand, in the present invention, the morphological image and the functional image are superposed by using the morphological image slices 11 to 13 included in the functional image slice 10. At that time, an activated region is identified on the gray matter of the morphological image (FIG. 1 (c)). As described above, in the conventional technique, the activation region is identified two-dimensionally, whereas in the present invention, the identification is performed three-dimensionally. As a result, it becomes possible to superimpose the functional image on the gray matter of the morphological image, and the identification accuracy of the activated region is improved.
【００１９】また、この処理は、例えば図５に示す方法
を用いれば高速に行なうことができる。まず、処理１０
７では、形態画像のデータ配列、及び機能画像のデータ
配列と同じ要素数を持つ配列を作成する。この配列を、
それぞれ形態画像重ね合わせ配列２０、機能画像重ね合
わせ配列２１と呼ぶことにする。処理１０８では、処理
１０３で灰白質を抽出した際、形態画像において灰白質
であると判断された画素、すなわち形態画像のデータ配
列の要素に対応する、形態画像重ね合わせ配列２０の要
素の値を１とする。また、灰白質でないと判断された画
素に対応する、形態画像重ね合わせ配列２０の要素の値
を０とする。機能画像もこれと同様に、活性化している
と判断された画素、即ち機能画像のデータ配列の要素に
対応する、機能画像重ね合わせ配列２１の要素の値を１
とし、活性化していないと判断された画素に対応する、
機能画像重ね合わせ配列２１の要素の値を０とする（処
理１０９）。次に行われる処理１１０では、形態画像の
データ配列と機能画像のデータ配列の要素数の差を考慮
し、機能画像重ね合わせ配列２１の配列数を変更する。
例えば、両画像のデータ配列が、形態画像で２５６×２
５６×６４、機能画像で１２８×１２８×１であるとす
る。ただし、図１（ａ）におけるスライス面のデータ配
列が、形態画像で２５６×２５６、機能画像で１２８×
１２８であり、形態画像と機能画像とは同一の視野で撮
影されたとする。この場合、機能画像重ね合わせデータ
配列２１を２５６×２５６×６４の配列に拡大し、形態
画像重ね合わせデータ配列２０の要素数に一致させる。
その際、スライス直交方向の拡大とスライス方向の拡大
は異なる方法を用いる。まず、スライス直交方向の拡大
は、１２８×１２８の機能画像重ね合わせデータ配列２
１を、図６（ａ）に示すように２５６×２５６の機能画
像重ね合わせデータ配列２２に拡大する。次に行なうス
ライス方向の拡大は、形態画像のデータ配列とスライス
方向の配列番号を参照して行なう。即ち、スライス方向
の配列番号を参照した結果、形態画像の所定のスライス
面が機能画像のスライス内に含まれる場合、スライス面
内の配列要素の値は、機能画像重ね合わせデータ配列２
２の要素の値と等しくする。一方、機能画像のスライス
内に含まれない場合、配列要素の値を０にする。これに
より、図６（ｂ）に示すように、配列数２５６×２５６
×６４の拡大機能画像重ね合わせデータ配列２３が作成
される。最後に、形態画像重ね合わせ配列２０と拡大機
能画像重ね合わせ配列２３との論理積をとり、活性化領
域を灰白質のみに同定できる（処理１１１）。Further, this processing can be performed at high speed by using the method shown in FIG. 5, for example. First, process 10
In 7, an array having the same number of elements as the data array of the morphological image and the data array of the functional image is created. This array
These are referred to as the morphological image superposition array 20 and the functional image superposition array 21, respectively. In the process 108, when the gray matter is extracted in the process 103, the value of the element of the morphological image superposition array 20 corresponding to the pixel determined to be the gray matter in the morphological image, that is, the element of the data array of the morphological image is set. Set to 1. Further, the value of the element of the morphological image superposition array 20 corresponding to the pixel determined not to be gray matter is set to 0. Similarly, in the functional image, the value of the element of the functional image overlapping array 21 corresponding to the pixel determined to be activated, that is, the element of the data array of the functional image is set to 1
And corresponds to the pixel determined not to be activated,
The value of the element of the functional image superposition array 21 is set to 0 (process 109). In the next process 110, the number of arrays of the functional image superposition array 21 is changed in consideration of the difference in the number of elements between the data array of the morphological image and the data array of the functional image.
For example, the data array of both images is 256 × 2 for the morphological image.
It is assumed that the size is 56 × 64 and the functional image is 128 × 128 × 1. However, the data array of the slice plane in FIG. 1A is 256 × 256 for the morphological image and 128 × for the functional image.
128, and it is assumed that the morphological image and the functional image are captured in the same field of view. In this case, the functional image superposition data array 21 is expanded to an array of 256 × 256 × 64 so as to match the number of elements of the morphological image superposition data array 20.
At this time, different methods are used for enlargement in the slice orthogonal direction and enlargement in the slice direction. First, the enlargement in the slice orthogonal direction is performed by the 128 × 128 functional image superposition data array 2
1 is expanded to a 256 × 256 functional image superposition data array 22 as shown in FIG. The next enlargement in the slice direction is performed by referring to the data array of the morphological image and the array number in the slice direction. That is, as a result of referring to the array number in the slice direction, when the predetermined slice plane of the morphological image is included in the slice of the functional image, the value of the array element in the slice plane is the functional image overlay data array 2
It is equal to the value of the element of 2. On the other hand, when it is not included in the slice of the functional image, the value of the array element is set to 0. As a result, as shown in FIG. 6B, the array number is 256 × 256.
The x64 enlargement function image overlay data array 23 is created. Finally, the logical product of the morphological image superposition array 20 and the magnified functional image superposition array 23 is obtained, and the activation region can be identified only in the gray matter (process 111).
【００２０】以上、本発明で行われる基本的なデータ処
理手順について説明を行ったが、次のような変更を加え
ることも可能である。例えば、処理１０７で形態画像の
重ね合わせデータ配列を作成する際、そのスライス厚さ
方向の配列数を、機能画像の撮影スライスに含まれたス
ライス厚さ方向の配列数と一致させることで、処理１０
８の灰白質抽出時間、及び処理１１０の拡大機能画像重
ね合わせデータ配列２３の作成時間を短縮できる。Although the basic data processing procedure performed in the present invention has been described above, the following modifications can be made. For example, when creating an overlay data array of morphological images in process 107, by matching the array number in the slice thickness direction with the array number in the slice thickness direction included in the imaging slice of the functional image, 10
The gray matter extraction time of 8 and the creation time of the enlarged function image superposition data array 23 of the processing 110 can be shortened.
【００２１】また、処理１０９で機能画像重ね合わせデ
ータ配列の値を２値化せずに、活性化領域として判断さ
れた配列要素に、例えば信号変化率の値を入力しても良
い。これにより、単に活性化の有無だけでなく、活性化
の強弱に関する情報を付加して、活性化領域の同定をで
きる。Further, for example, the value of the signal change rate may be input to the array element judged as the active region without binarizing the value of the functional image superposition data array in the process 109. As a result, not only the presence / absence of activation but also information on the strength of activation can be added to identify the activation region.
【００２２】[0022]
【発明の効果】以上に述べた如く、本発明によれば活性
化領域の同定精度を向上することが可能になる。As described above, according to the present invention, it is possible to improve the identification accuracy of the activated region.
【図１】形態画像と機能画像の重ね合わせ方法におい
て、（ａ）形態画像と機能画像の空間分解能の違い、
（ｂ）従来技術の活性化領域同定法、（ｃ）本発明に一
実施例における活性化領域同定法を、示す図。FIG. 1 is a diagram illustrating a method of superimposing a morphological image and a functional image, in which (a) a difference in spatial resolution between the morphological image and the functional image,
The figure which shows the active region identification method of the prior art (b), and the active region identification method in one Example (c) this invention.
【図２】従来技術のｆＭＲＩの概要を説明する図。FIG. 2 is a diagram illustrating an outline of conventional fMRI.
【図３】従来技術の、形態画像に機能画像を重ね合わせ
る方法において、（ａ）脳表に機能画像を重ね合わせる
活性化領域同定法、（ｂ）機能画像の断面と同じ大きさ
のスライス面に機能画像を重ね合わせる活性化領域同定
法、を説明する図。FIG. 3 is a prior art method of superimposing a functional image on a morphological image, (a) an activated region identifying method of superimposing the functional image on the brain surface, and (b) a slice plane having the same size as the cross section of the functional image. FIG. 6 is a diagram for explaining an activated region identification method for superimposing a functional image on the image.
【図４】本発明の一実施例の、活性化領域の同定を行な
う画像撮影、及びデータ処理手順を示すフローチャー
ト。FIG. 4 is a flowchart showing an image capturing and data processing procedure for identifying an activated region according to an embodiment of the present invention.
【図５】活性化領域の同定手順を示すフローチャート。FIG. 5 is a flowchart showing a procedure for identifying an activation region.
【図６】機能画像重ね合わせ配列の、（ａ）スライス直
交方向の配列の拡大手順、（ｂ）スライス方向の配列の
拡大手順、を説明する図。6A and 6B are views for explaining (a) a procedure for enlarging an array in a slice orthogonal direction and (b) a procedure for enlarging an array in a slice direction of a functional image superposition array.
１０…機能画像の撮影断面、１１…機能画像の撮影断面
に含まれる、形態画像のスライスその１、１２…機能画
像の撮影断面に含まれる、形態画像のスライスその２、
１３…機能画像の撮影断面に含まれる、形態画像のスラ
イスその３、２１…機能画像重ね合わせデータ配列、２
２…スライス直交方向の配列を拡大した機能画像重ね合
わせデータ配列、２３…スライス直交方向、及びスライ
ス方向の配列を拡大した機能画像重ね合わせデータ配列
（拡大機能画像重ね合わせデータ配列）。10 ... Imaging section of functional image, 11 ... Slice of morphological image included in imaging section of functional image 1, 12 ... Slice of morphological image included in imaging section of functional image 2,
13 ... Slices of morphological image included in the cross section of the functional image 3, 21 ... Functional image superposition data array, 2
2 ... Functional image overlay data array in which the array in the slice orthogonal direction is enlarged, 23 ... Functional image overlay data array in which the array in the slice orthogonal direction and the slice direction is enlarged (enlarged functional image overlay data array).
Claims (23)
形態を表わす三次元形態画像を撮影し、次いで、前記検
査対象に刺激を印加しない安静期間に撮影した安静画像
と、前記検査対象に前記刺激を印加した刺激印加期間に
撮影した刺激印加画像とからなる時系列画像を取得し、
前記安静画像と前記刺激印加画像の同一座標にある画素
の信号変化から印加した前記刺激により活性化され反応
した活性化領域を抽出する磁気共鳴画像撮影装置を用い
た脳機能計測における活性化領域同定法において、前記
形態画像から灰白質を抽出し灰白質データを作成する第
１のステップと、前記時系列画像から所定の計算式を用
いて前記活性化領域を抽出し脳機能データを作成する第
２のステップと、前記灰白質データと前記脳機能データ
とを重ね合わせて前記灰白質上で前記活性化領域を同定
する第３のステップとを有することを特徴とする活性化
領域同定法。1. A three-dimensional morphological image representing the morphology of an examination target is photographed using a magnetic resonance imaging apparatus, and then a rest image photographed during a rest period in which no stimulus is applied to the examination subject and the examination subject. Obtaining a time-series image consisting of a stimulus application image taken during the stimulus application period in which the stimulus is applied,
Activation area identification in brain function measurement using a magnetic resonance imaging apparatus that extracts an activation area activated and reacted by the applied stimulus from signal changes of pixels at the same coordinates of the rest image and the stimulation applied image In the method, a first step of extracting gray matter from the morphological image to create gray matter data, and a step of extracting the activation region from the time-series image using a predetermined calculation formula to create brain function data A method for identifying an activation region, comprising the step 2 and a third step of identifying the activation region on the gray matter by superimposing the gray matter data and the brain function data.
特徴とする請求項１に記載の活性化領域同定法。2. The activated area identifying method according to claim 1, wherein the morphological image is a T1-weighted image.
前記灰白質を抽出するステップと、前記灰白質データの
配列を作成するステップを有することを特徴とする請求
項１に記載の活性化領域同定法。3. The activation according to claim 1, wherein the first step includes a step of extracting the gray matter from the morphological image and a step of creating an array of the gray matter data. Region identification method.
態画像の信号強度に閾値を設けて前記灰白質を抽出する
ことを特徴とする請求項３に記載の活性化領域同定法。4. The activated area identifying method according to claim 3, wherein in the step of extracting the gray matter, a threshold is set for the signal intensity of the morphological image to extract the gray matter.
プは、前記灰白質の抽出ステップで灰白質であると判断
された配列の要素と、前記灰白質の抽出ステップで灰白
質でないと判断された配列の要素とで、異なる２値を入
力するステップを有することを特徴とする請求項３に記
載の活性化領域同定法。5. The step of creating an array of gray matter data includes elements of the array determined to be gray matter in the gray matter extraction step and non-gray matter in the gray matter extraction step. 4. The activation region identification method according to claim 3, further comprising the step of inputting different binary values for the elements of the array.
プは、前記灰白質の抽出ステップで灰白質であると判断
された配列の要素の値を１とし、前記灰白質の抽出ステ
ップで灰白質でないと判断された配列の要素の値を０と
するステップを有することを特徴とする請求項３に記載
の活性化領域同定法。6. The step of creating an array of gray matter data sets the value of the element of the array determined to be gray matter in the gray matter extraction step to 1 and the gray matter extraction step in the gray matter extraction step. 4. The activation region identification method according to claim 3, further comprising the step of setting the value of the element of the array determined not to be 0 to 0.
抽出するステップと、前記脳機能データの配列を作成す
るステップからなることを特徴とする請求項１に記載の
活性化領域同定法。7. The activation area identifying method according to claim 1, wherein the second step includes a step of extracting the activation area and a step of creating an array of the brain function data. .
記時系列画像の前記刺激の印加前後の信号変化率に閾値
を設けて活性化領域を抽出することを特徴とする請求項
７に記載の活性化領域同定法。8. The step of extracting the activation region, wherein the activation region is extracted by setting a threshold value in a signal change rate before and after applying the stimulus in the time-series image. Method for identifying the activation region of.
記時系列画像を用いてｔ検定を行い、ｔの値に閾値を設
けて活性化領域を抽出することを特徴とする請求項７に
記載の活性化領域同定法。9. The method according to claim 7, wherein in the step of extracting the activation region, a t-test is performed using the time-series image, and a threshold value is set for the value of t to extract the activation region. The activation region identification method described.
前記時系列画像を用いて相関関数の値を算出し、前記相
関関数の値に閾値を設けて活性化領域を抽出することを
特徴とする請求項７に記載の活性化領域同定法。10. The step of extracting the activated region comprises:
The activation area identifying method according to claim 7, wherein a value of a correlation function is calculated using the time-series image, and a threshold value is set for the value of the correlation function to extract an activation area.
ップは、請求項８から請求項１０に記載の抽出条件のう
ち少なくとも１つを満足する配列の要素と、抽出条件を
満足しない配列の要素とで、異なる２値を入力するステ
ップを有することを特徴とする請求項７に記載の活性化
領域同定法。11. The step of creating an array of the brain function data includes elements of an array satisfying at least one of the extraction conditions according to claim 8 and elements of an array not satisfying the extraction conditions. The method for identifying an active region according to claim 7, further comprising the step of inputting different binary values for and.
ップは、請求項８から請求項１０に記載の抽出条件のう
ち少なくとも１つを満足する配列の要素の値を１とし、
抽出条件を満足しない配列の要素の値を０とするステッ
プを有することを特徴とする請求項７に記載の活性化領
域同定法。12. The step of creating the array of brain function data sets the value of the element of the array satisfying at least one of the extraction conditions according to claim 8 to 1,
8. The activated region identifying method according to claim 7, further comprising the step of setting the value of the element of the array that does not satisfy the extraction condition to 0.
は、請求項８から請求項１０に記載の抽出条件のうち少
なくとも１つを満足する配列の要素の値を前記計算式の
値とし、抽出条件を満足しない配列の要素の値を０とす
るステップを有することを特徴とする請求項７記載の活
性化領域同定法。13. The step of creating the brain function data sets the value of an element of an array satisfying at least one of the extraction conditions according to claim 8 as a value of the calculation formula, and extracts the extraction condition. 8. The activation region identification method according to claim 7, further comprising the step of setting the value of the element of the array that does not satisfy the above condition to 0.
ップより以前に実行されることを特徴とする請求項１に
記載の活性化領域同定法。14. The activation region identifying method according to claim 1, wherein the first step is executed before the second step.
タの配列の要素数と前記灰白質データの配列の要素数と
を一致させるステップを含むことを特徴とする請求項１
に記載の活性化領域同定法。15. The third step includes the step of matching the number of elements in the array of brain function data with the number of elements in the array of gray matter data.
The method for identifying an activated region according to 1.
灰白質データの配列の要素数とを一致させるステップ
は、前記脳機能データの配列を拡大し、前記灰白質デー
タの配列の要素数と一致させるステップを含むことを特
徴とする請求項１５に記載の活性化領域同定法。16. The step of matching the number of elements of the array of brain function data with the number of elements of the array of gray matter data expands the array of brain function data to obtain the number of elements of the array of gray matter data. 16. The method for identifying an activated region according to claim 15, further comprising the step of:
白質データの配列の要素数と一致させるステップは、前
記時系列画像を撮影する際のスライス選択傾斜磁場の印
加方向に配列を拡大するステップと、前記印加方向に直
交する方向に配列を拡大するステップのうち、少なくと
も一方のステップを含むことを特徴とする請求項１６に
記載の活性化領域同定法。17. The step of expanding the array of the brain function data to match the number of elements of the array of the gray matter data expands the array in the application direction of a slice selection gradient magnetic field at the time of capturing the time-series images. The activation region identifying method according to claim 16, comprising at least one of a step and a step of expanding the array in a direction orthogonal to the application direction.
加方向に配列を拡大するステップは、前記印加方向に直
交する方向の配列と要素数が等しく、かつ全ての要素の
値が０である配列を付加するステップを含むことを特徴
とする請求項１７に記載の活性化領域同定法。18. The step of enlarging the array in the application direction in the array of brain function data is an array in which the number of elements is the same as the array in the direction orthogonal to the application direction and the values of all the elements are 0. 18. The method for identifying an activated region according to claim 17, further comprising the step of adding.
灰白質データの配列の要素数とを一致させるステップ
は、前記灰白質データの配列において前記印加方向の配
列数を削減し、前記脳機能データの配列の数と一致させ
ることを特徴とする請求項１７に記載の活性化領域同定
法。19. The step of matching the number of elements in the array of brain function data with the number of elements in the array of gray matter data reduces the number of arrays in the application direction in the array of gray matter data, 18. The activation region identification method according to claim 17, wherein the number of sequences of the functional data is matched.
請求項６に記載の前記灰白質データの配列と、請求項１
１から請求項１３の何れかに記載の前記脳機能データの
配列とを用い、両配列の積を計算するステップを有する
ことを特徴とする請求項１に記載の活性化領域同定法。20. The third step comprises the arrangement of the gray matter data according to claim 5 or 6, and
The activation region identifying method according to claim 1, further comprising a step of calculating a product of both sequences by using the sequence of the brain function data according to any one of 1 to 13.
請求項６に記載の前記灰白質データの配列と、請求項１
１から請求項１３の何れかに記載の前記脳機能データの
配列とを用い、両配列の論理積を計算するステップを有
することを特徴とする請求項１に記載の活性化領域同定
法。21. The third step comprises an arrangement of the gray matter data according to claim 5 or 6,
The activation region identifying method according to claim 1, further comprising a step of calculating a logical product of both sequences using the sequence of the brain function data according to any one of 1 to 13.
請求項６に記載の前記灰白質データの配列と、請求項１
１から請求項１３の何れかに記載の前記脳機能データの
配列とを用い、少なくとも一方の配列に請求項１５から
請求項１９の何れかに記載の要素数一致ステップを施し
た後、両配列の積を計算するステップを有することを特
徴とする請求項１に記載の活性化領域同定法。22. The third step comprises the arrangement of the gray matter data according to claim 5 or 6,
Using the array of brain function data according to any one of claims 1 to 13, and performing the element number matching step according to any one of claims 15 to 19 on at least one array, The method for identifying an activated region according to claim 1, comprising a step of calculating a product of sequences.
請求項６に記載の前記灰白質データの配列と、請求項１
１から請求項１３の何れかに記載の前記脳機能データの
配列とを用い、少なくとも一方の配列に請求項１５から
請求項１９の何れかに記載の要素数一致ステップを施し
た後、両配列の論理積を計算するステップを有すること
を特徴とする請求項１に記載の活性化領域同定法。23. The third step comprises the arrangement of the gray matter data according to claim 5 or 6,
Using the array of brain function data according to any one of claims 1 to 13, and performing the element number matching step according to any one of claims 15 to 19 on at least one array, The method for identifying an activated region according to claim 1, further comprising a step of calculating a logical product of sequences.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7200662A JPH0947438A (en) | 1995-08-07 | 1995-08-07 | Activated area identifying method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7200662A JPH0947438A (en) | 1995-08-07 | 1995-08-07 | Activated area identifying method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0947438A true JPH0947438A (en) | 1997-02-18 |
Family
ID=16428145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7200662A Pending JPH0947438A (en) | 1995-08-07 | 1995-08-07 | Activated area identifying method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0947438A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007043462A1 (en) * | 2005-10-12 | 2007-04-19 | Tokyo Denki University | Brain function analysis method and brain function analysis program |
| JP2008183448A (en) * | 2001-06-15 | 2008-08-14 | Trustees Of The Univ Of Pennsylvania | Functional brain imaging for detecting and assessing deception and concealed recognition, and recognitive/emotional response to information |
| JP2011000439A (en) * | 2009-06-18 | 2011-01-06 | General Electric Co <Ge> | Apparatus and method for isolating region in image |
| JP2011031025A (en) * | 2009-07-10 | 2011-02-17 | Toshiba Corp | Magnetic resonance imaging device, image processor, and image processing method |
| WO2012040219A2 (en) * | 2010-09-21 | 2012-03-29 | University Of Miami | Context differential autocorrelation mapping of functional mri |
| JP2017051483A (en) * | 2015-09-10 | 2017-03-16 | 東芝メディカルシステムズ株式会社 | Image processing apparatus and magnetic resonance imaging apparatus |
| US11602329B2 (en) * | 2016-10-07 | 2023-03-14 | Canon Kabushiki Kaisha | Control device, control method, control system, and non-transitory recording medium for superimpose display |
-
1995
- 1995-08-07 JP JP7200662A patent/JPH0947438A/en active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008183448A (en) * | 2001-06-15 | 2008-08-14 | Trustees Of The Univ Of Pennsylvania | Functional brain imaging for detecting and assessing deception and concealed recognition, and recognitive/emotional response to information |
| WO2007043462A1 (en) * | 2005-10-12 | 2007-04-19 | Tokyo Denki University | Brain function analysis method and brain function analysis program |
| KR100971936B1 (en) * | 2005-10-12 | 2010-07-23 | 각코 호진 도쿄 덴키 다이가쿠 | Brain function analysis apparatus, brain function analysis method and brain function analysis program |
| US8059879B2 (en) | 2005-10-12 | 2011-11-15 | Tokyo Denki University | Brain function analysis apparatus and method |
| JP2011000439A (en) * | 2009-06-18 | 2011-01-06 | General Electric Co <Ge> | Apparatus and method for isolating region in image |
| JP2011031025A (en) * | 2009-07-10 | 2011-02-17 | Toshiba Corp | Magnetic resonance imaging device, image processor, and image processing method |
| WO2012040219A2 (en) * | 2010-09-21 | 2012-03-29 | University Of Miami | Context differential autocorrelation mapping of functional mri |
| WO2012040219A3 (en) * | 2010-09-21 | 2012-06-14 | University Of Miami | Context differential autocorrelation mapping of functional mri |
| JP2017051483A (en) * | 2015-09-10 | 2017-03-16 | 東芝メディカルシステムズ株式会社 | Image processing apparatus and magnetic resonance imaging apparatus |
| US11602329B2 (en) * | 2016-10-07 | 2023-03-14 | Canon Kabushiki Kaisha | Control device, control method, control system, and non-transitory recording medium for superimpose display |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hutton et al. | Voxel-based cortical thickness measurements in MRI | |
| US7933440B2 (en) | Method and system for evaluating two time-separated medical images | |
| JP6840898B2 (en) | Parkinson's disease diagnostic device and method | |
| CN104582567B (en) | Magnetic resonance imaging apparatus | |
| Clare et al. | Detecting activations in event‐related fMRI using analysis of variance | |
| KR101593480B1 (en) | Magnetic Resonance Diffusion Tensor Imaging Registration and Distortion Correction Method and System Using Image Intensity Minimization | |
| KR101388546B1 (en) | System and method for assessing brain dyfunction using functional magnetic resonance imaging | |
| JPH0947438A (en) | Activated area identifying method | |
| JP2002204791A (en) | Method for operating magnetic resonance device | |
| Baraldi et al. | An ARX model-based approach to trial by trial identification of fMRI-BOLD responses | |
| Bordier et al. | Quantitative evaluation of fMRI retinotopic maps, from V1 to V4, for cognitive experiments | |
| KR102122073B1 (en) | Parkinson's disease diagnosis apparatus using nigrosome-1 detected by machine learning, and method | |
| US11272843B2 (en) | Automatic identification of subjects at risk of multiple sclerosis | |
| CN106875366A (en) | Tranquillization state plural number fMRI data are carried out with the phase exact extension detection method that ICA post-processes de-noising | |
| Gulban et al. | Mesoscopic quantification of cortical architecture in the living human brain | |
| JP3690874B2 (en) | Magnetic resonance imaging system | |
| US20130123606A1 (en) | Method and magnetic resonance apparatus to measure structures of the human brain | |
| JP3293720B2 (en) | Brain function measurement device using magnetic resonance imaging | |
| KR102097044B1 (en) | Information offering method for parkinson's disease diagnosis | |
| US20230316716A1 (en) | Systems and methods for automated lesion detection using magnetic resonance fingerprinting data | |
| KR102618156B1 (en) | Myelin mapping method using magnetic resonance imaging | |
| JP3431989B2 (en) | Inspection equipment using nuclear magnetic resonance | |
| US9993206B2 (en) | System for characterizing brain condition | |
| JPH06261887A (en) | Examining method using magnetic resonance | |
| Stamile et al. | Longitudinal Neuroimaging Analysis Using Non-Negative Matrix Factorization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040205 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040213 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040312 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040407 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040616 |