図面 (/)

技術 画像診断装置,及び方法

出願人 株式会社日立製作所
発明者 荻野昌宏野口喜実村瀬毅倫望月博幸高橋哲彦
出願日 2016年6月17日 (5年8ヶ月経過) 出願番号 2017-524850
公開日 2018年3月8日 (3年11ヶ月経過) 公開番号 WO2016-208503
状態 特許登録済
技術分野 磁気共鳴イメージング装置
主要キーワード 収束ポイント 繰り返し演算回数 パタンマッチング処理 曲線予測 最適化画像 適否判断 曲線モデル 圧縮センシング
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2018年3月8日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題・解決手段

高速撮影システムにおいて,撮影画像適応不適応を早期に判断するための画像表示を可能とする。画像診断装置100は,被写体101から得られた受信信号画像再構成処理によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判断する信号処理部109と,信号処理部で閾値を満たしていると判定された画像を閾値毎に表示する画像表示部111とを備える。閾値を複数設定して段階的に画像を表示する。また,出力された画像に対して,特定の領域を設定し,設定された特定の領域に好適な画像再構成処理を実施して画像を生成する。

概要

背景

磁気共鳴イメージング(Magnetic Resonance Imaging,以下MRI) 装置は,人体内の水素原子核(プロトン)の核磁気共鳴現象(Nuclear Magnetic Resonance,以下NMR)の強度分布観測して,その人体断面のコントラスト画像を得る医用画像診断手法である。MRIはX線などの放射線照射して断面画像を取得するCT(Computed Tomography)と比較して,放射線被ばくがなく,人体への安全性において優位性をもち,主に脳などの軟部組織描出に優れていることが特徴である。しかし,一般的に一検体当たり数十分を要し,腹部撮影には,数十秒間呼吸を止めなければならない等,患者への負担も大きく,撮像高速化が望まれている。近年,その高スループット,すなわち,撮影時間短縮を実現するための技術として,圧縮センシング(Compressed Sensing,以下CS)が注目されている(特許文献1、非特許文献1参照)。

一方,現在のMRI装置で主流の高速化手法であるPI(Parallel Imaging)法による造影MRA(Magnetic Resonance Angiography)撮影において,より短時間で撮影の適否を確認するための確認用画像を表示させるという技術がある(特許文献2参照)。

概要

高速撮影システムにおいて,撮影画像適応不適応を早期に判断するための画像表示を可能とする。画像診断装置100は,被写体101から得られた受信信号画像再構成処理によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判断する信号処理部109と,信号処理部で閾値を満たしていると判定された画像を閾値毎に表示する画像表示部111とを備える。閾値を複数設定して段階的に画像を表示する。また,出力された画像に対して,特定の領域を設定し,設定された特定の領域に好適な画像再構成処理を実施して画像を生成する。

目的

しかし,一般的に一検体当たり数十分を要し,腹部や肺の撮影には,数十秒間呼吸を止めなければならない等,患者への負担も大きく,撮像の高速化が望まれている

効果

実績

技術文献被引用数
1件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

画像診断装置であって,被写体から得られた受信信号画像再構成処理によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判断する信号処理部と,前記信号処理部で前記閾値を満たしていると判定された前記画像を前記閾値毎に表示する画像表示部と,を備える,ことを特徴とする画像診断装置。

請求項2

請求項1記載の画像診断装置であって,前記閾値は,前記信号処理部における前記画像再構成処理の繰り返し演算回数である,ことを特徴とする画像診断装置。

請求項3

請求項1記載の画像診断装置であって,前記閾値は,前記信号処理部の前記画像再構成処理における,直前の処理の画像との差分値である,ことを特徴とする画像診断装置。

請求項4

請求項1記載の画像診断装置であって,前記閾値は,前記信号処理部で得られる前記画像の分散値である,ことを特徴とする画像診断装置。

請求項5

請求項1記載の画像診断装置であって,前記信号処理部は,複数の前記閾値各々を満たす複数の画像を出力し,前記画像表示部は,前記複数の画像を同一画面上に表示する,ことを特徴とする画像診断装置。

請求項6

請求項1記載の画像診断装置であって,前記信号処理部は,前記画像再構成処理として,L2ノルム最小化,L1ノルム最小化,及び前記L2ノルム最小化,前記L1ノルム最小化における閾値の更新を行う,ことを特徴とする画像診断装置。

請求項7

請求項1記載の画像診断装置であって,インタラクティブ入力を可能とするユーザーインターフェース部を更に備え,前記信号処理部は,前記画像表示部に表示された画像に対する前記ユーザーインターフェース部からの入力に応じて,前記画像上に領域を設定し,設定された前記領域に適した画像再構成処理を実行する,ことを特徴とする画像診断装置。

請求項8

請求項7記載の画像診断装置であって,前記ユーザーインターフェース部はタッチパネルであり,前記信号処理部は,前記タッチパネルによるユーザ入力点を中心とした所定画素分矩形領域を前記領域として設定する,ことを特徴とする画像診断装置。

請求項9

請求項7記載の画像診断装置であって,前記信号処理部は,設定された前記領域に適した前記画像再構成処理として,前記領域内のL1ノルム最小化の処理を行う,ことを特徴とする画像診断装置。

請求項10

請求項7記載の画像診断装置であって,前記信号処理部は,複数設定された前記領域各々に対する画像処理並列に処理する,ことを特徴とする画像診断装置。

請求項11

画像診断装置であって,被写体から得られた受信信号を画像再構成処理によって画像化し,画像を出力する信号処理部と,前記信号処理部が出力する前記画像を表示する画像表示部と,前記信号処理部における前記画像再構成処理の演算時間情報を記憶する記憶部と,を備える,ことを特徴とする画像診断装置。

請求項12

請求項11記載の画像診断装置であって,前記記憶部に記憶される前記演算時間情報は,前記信号処理部による前記画像再構成処理の収束曲線モデルである,ことを特徴とする画像診断装置。

請求項13

請求項11記載の画像診断装置であって,前記信号処理部は,前記受信信号に対する前記画像再構成処理の収束曲線と,前記記憶部に記憶された前記収束曲線モデルとのパタンマッチング処理を行い,前記パタンマッチング処理の結果から,最もマッチングの高い前記収束曲線モデルを,前記受信信号の推定収束曲線とし,前記画像表示部は前記推定収束曲線を表示する,ことを特徴とする画像診断装置。

請求項14

画像診断装置における画像生成方法であって,前記画像診断装置は,被写体から得られた受信信号を画像再構成手法によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判定し,前記所定の閾値を満たしていると判定された前記画像を前記閾値毎に画像表示部に表示する,ことを特徴とする画像生成方法。

請求項15

請求項14記載の画像生成方法であって,前記画像診断装置は,前記画像表示部に表示された画像に対する,インタラクティブ入力を可能とするユーザーインターフェース部からの入力に応じて,前記画像上に領域を設定し,設定された前記領域に適した画像再構成処理を実行する,ことを特徴とする画像生成方法。

技術分野

0001

本発明は,画像診断装置係り,特に磁気共鳴イメージング装置において,高速高画質な画像を生成する技術に関する。

背景技術

0002

磁気共鳴イメージング(Magnetic Resonance Imaging,以下MRI) 装置は,人体内の水素原子核(プロトン)の核磁気共鳴現象(Nuclear Magnetic Resonance,以下NMR)の強度分布観測して,その人体断面のコントラスト画像を得る医用画像診断手法である。MRIはX線などの放射線照射して断面画像を取得するCT(Computed Tomography)と比較して,放射線被ばくがなく,人体への安全性において優位性をもち,主に脳などの軟部組織描出に優れていることが特徴である。しかし,一般的に一検体当たり数十分を要し,腹部撮影には,数十秒間呼吸を止めなければならない等,患者への負担も大きく,撮像の高速化が望まれている。近年,その高スループット,すなわち,撮影時間短縮を実現するための技術として,圧縮センシング(Compressed Sensing,以下CS)が注目されている(特許文献1、非特許文献1参照)。

0003

一方,現在のMRI装置で主流の高速化手法であるPI(Parallel Imaging)法による造影MRA(Magnetic Resonance Angiography)撮影において,より短時間で撮影の適否を確認するための確認用画像を表示させるという技術がある(特許文献2参照)。

0004

米国特許7,646,924号公報
特開2010−012294号公報

先行技術

0005

D.L.Donoho,”Compressed sensing”,IEEE Trans.Inf.Theory, vol.52, no.4, pp.1289-1306, April. 2006
G. Plonka, J. Ma, “Curvelet-wavelet regularized Split Bregman method for compressed sensing”, International Journal of Wavelets, Multiresolution and Information Processing, 79-110, 2011”

発明が解決しようとする課題

0006

上述のCSは,少ない観測データから映像復元する理論であり,2006年から急速に研究が進展,拡大しているが,CSにおける画像再構成処理は一般的に計算負荷が高く,撮影自体は高速に終わったとしても,画像表示までの時間がかかるという課題がある。一方,特許文献2に開示された高速化手法は,現在,CSを応用した撮影装置には対応していない。

0007

本発明の目的は,上記の課題を解決し,高速撮影システムにおいて,撮影画像適応不適応を早期に判断するための画像表示が可能な画像診断装置,及び画像生成方法を提供することにある。

課題を解決するための手段

0008

上記の目的を達成するため,本発明においては,画像診断装置であって,被写体から得られた受信信号画像再構成手法によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判断する信号処理部と,信号処理部で所定閾値を満たしていると判定された画像を閾値毎に表示する画像表示部とを備える構成の画像診断装置を構成する。

0009

また,上記の目的を達成するため,本発明においては,画像診断装置であって,被写体から得られた受信信号を画像再構成処理によって画像化し,画像を出力する信号処理部と,信号処理部が出力する画像を表示する画像表示部と,信号処理部における画像再構成処理の演算時間情報を記憶する記憶部とを備える構成の画像診断装置を構成する。

0010

更に,上記の目的を達成するため,本発明においては,画像診断装置における画像生成方法であって,画像診断装置は,被写体から得られた受信信号を画像再構成手法によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判定し,所定の閾値を満たしていると判定された画像を閾値毎に画像表示部に表示する画像生成方法を提供する。

発明の効果

0011

本発明によれば,画像再構成処理で得られる画像を事前に評価,判断することができ,臨床に最適な撮影ができたかどうかを早期に知ることが可能となり,医療現場における検査ワークフローを改善することができる。

図面の簡単な説明

0012

実施例1に係る,MRI装置の機能ブロックの一例を示す図である。
実施例1に係る,信号処理部の機能ブロック図である。
実施例1に係る,画像再構成処理のフローチャートである。
実施例1に係る,K空間のアンダーサンプリングを説明するための図である。
実施例1に係る,画像再構成処理のフローチャートの一例を示す図である。
実施例1に係る,画像再構成処理のフローチャートの他の例を示す図である。
実施例1に係る,画像表示のイメージ図である。
実施例2に係る,MRI装置の機能ブロック図である。
実施例2に係る,画像再構成処理のフローチャートである。
実施例2に係る,画像表示のイメージ図である。
実施例2の変形例の信号処理部を示す機能ブロック図である。
実施例2の変形例の画像表示のイメージ図である。
実施例3に係る,MRI装置の機能ブロック図である。
実施例3に係る,データベースの一例を説明するための図である。
実施例3に係る,収束曲線モデルの一例を説明するための図である。
実施例3に係る,信号処理部を示す機能ブロック図である。
実施例3に係る,画像再構成処理のフローチャートである。
実施例3に係る,収束曲線予測処理の機能ブロック図である。
実施例3の変形例の画像表示のイメージ図である。

0013

以下,図面に従い,本発明の実施例を順次説明する。

0014

実施例1は,画像診断装置としてのMRI装置の実施例である。すなわち、本実施例は、画像診断装置であって,被写体から得られた受信信号を画像再構成処理によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判断する信号処理部と,信号処理部で所定の閾値を満たしていると判定された画像を閾値毎に表示する画像表示部とを備える構成の画像診断装置、並びに、画像診断装置における画像生成方法であって,画像診断装置は,被写体から得られた受信信号を画像再構成手法によって画像化し,得られた画像の画質が所定の閾値を満たしているかどうかを判定し,所定の閾値を満たしていると判定された画像を閾値毎に画像表示部に表示する画像生成方法の実施例である。

0015

図1は,本実施例のMRI装置の機能ブロックの一例を示す図である。同図に示すように,実施例1のMRI装置100は,被写体101の周囲に静磁場を発生する磁石102と,空間に傾斜磁場を発生する傾斜磁場コイル103と,この領域に高周波磁場を発生させるRFコイル104と,被写体101が発生するMR信号を検出するRFコイル105と,傾斜磁場コイルに電源を供給する傾斜磁場電源106と,RFコイル104を制御するRF送信部107と,RFコイル105からのMR信号を検出する信号検出部108と,信号検出部108で検出された信号を処理する信号処理部109と,信号処理部109から得られる画像を処理する画像処理部110と,画像処理部110で処理された画像を表示する画像表示部111と,全体動作をコントロールする制御部112とを備える。

0016

傾斜磁場電源106,RF送信部107,信号検出部108は,一般にパルスシーケンスと呼ばれるタイムチャートに従い,制御部112で制御される。信号処理部109では,信号検出部108で検出されたMR信号が画像信号へ変換される。画像処理部110では,信号処理部109からの画像信号に対して,三次元(3D)レンダリング処理や拡大,縮小処理等が行われる。ここで,信号処理部109と画像処理部110と制御部112は通常のコンピュータ中央処理部(CPU)が実行するプログラムで実現可能である。信号処理部109は,その一部,全部をプログラムで実行する代わりに専用ハードウェアで実現しても良い。画像表示部111は,上記のコンピュータのディスプレイを用いることができる。

0017

図2は,本実施例のMRI装置における信号処理部109の詳細を示す機能ブロックの一例を示す図である。同図に示すように,信号処理部109は,信号検出部108からの受信信号が入力されるフーリエ逆変換部(IFFT)201,画像再構成処理部202,チャンネル毎の再構成画像のSum Of Square処理等を行う画像合成処理部203,エッジ強調ノイズ低減等のフィルタリング処理部202から構成される。画像再構成処理部202には実施例2で説明する制御信号205が入力される。

0018

画像再構成処理部202は,好適には上述したCPUによるプログラム処理で実現され,低次元取得されたデータを高次元化する処理を行う。図3に画像再構成処理部202を構成する高次元化のプログラム処理フローの一例を示す。画像再構成処理部202は,コスト最小化問題を解くことで,鮮鋭な高次元画像再構成する。この際,コスト最小化問題の解法としては,どのようなものを利用してもよいが,例えばSplit Bregman法(非特許文献2)を用いたコスト最小化,逐次最適化が考えられる。図3の処理フローに示すように,ステップS101からステップS106までを繰り返すLoop1と,S101からS109までを繰り返すLoop2が存在する。以下,Loop1がk+1回目,Loop2がi+1回目の繰り返しに関して説明する。

0019

図3において,S101は二乗誤差を最小化するL2ノルム最小化のステップである。具体的
には,以下に示す式(1)が計算され,推定結果画像uk+1が算出される。

0020

0021

ここで,fiは直前(Loop2 i回目)の繰り返しにより更新されたK空間画像,Φはフーリエ変換と観測パタンにより表現される観測過程,ΦTは,Φの逆変換を示す。観測パタンとは,例えば図4に示すように,K空間上データをアンダーサンプリングする処理である。図4において,白い丸印部分が実際に取得されるデータの観測位置を示している。

0022

INは,全ての要素が1である単位行列であり,fiと同サイズの配列である。また,uck,uwk は直前(Loop k回目)の疎性評価結果成分,bck,bwkは,直前(Loop1 k回目)で算出された変動成分である。μはパラメータとしての正の定数である。S102は例えばWaveletやDCT,Curveletによる直交変換ステップ,S103は前記直交変換後係数の疎性を評価するL1ノルム最小化のステップ,S104は,直交基底S102の逆変換ステップである。ここまでのステップは,具体的には,以下の式(2)(3)の最適化問題を解くことで算出される。

0023

0024

0025

ここで,Ψc,ΨwはそれぞれCurvelet変換およびWavelet変換である。また,νck+1,νwk+1はそれぞれCurvelet係数,Wavelet係数, Λc,Λwはパラメータとしての定数である。本実施例においては,直交変換としてCurvelet変換およびWavelet変換を利用しているが,これ以外を利用しても構わない。

0026

式(2)(3)に関しては,どのような解法を用いてもよいが,本実施例ではソフトシリンケージ法を用いる。すなわち,式(2)(3)の両辺をそれぞれCurvelet逆変換,Wavelet逆変換をすることで,以下,式(4)(5)を得る。

0027

0028

0029

式(4)(5)において,ΨcT,ΨwTはそれぞれCurvelet逆変換およびWavelet逆変換である。ScおよびSwがソフトシュリンケージ処理を示す。ScおよびSwはすべての要素についてそれぞれ以下に示す式(6),(7)で示す処理を行う。

0030

0031

0032

ここで,λはパラメータとしての定数である。

0033

S105は直前のループで算出された画像との差分を算出する変動量算出ステップである。具体的には,変動量bck+1,bwk+1が以下に示す式(8),(9)を用いて算出される。

0034

0035

0036

S106は疎性が所定レベル以上にあるかどうかを判定する条件ステップ,ここで,疎性が所定レベルとは,どのような定義のものでも構わないが,例えば前記の変動量が所定閾値以下(ほとんど変動がなく収束している)という条件が考えられる。S107は,前記L2ノルム最小化S101ステップ,L1ノルム最小化S103ステップにおける閾値設定更新ステップである。具体的には,上記パラメータμ,λの値を更新する。このように、信号処理部109は、画像再構成処理として,L2ノルム最小化,L1ノルム最小化,及びL2ノルム最小化,L1ノルム最小化における閾値の更新を行う。

0037

S108は,式(1)で算出される推定結果画像uk+1をフーリエ変換し,実際に取得した部分以外のデータを式(10)に基づいて更新し,再構成画像を生成するステップである。

0038

0039

ここで,Fはフーリエ変換を示す。

0040

式(10)の意味は,図4で示した観測パタンでの観測位置(白丸)の画素値はそのままコピーし,それ以外の画素を更新する処理を示す。

0041

S109は再構成画像の画質が所定の閾値以上にあるかどうかを判定する条件ステップである。ここで,前記の所定の閾値としてはどのようなものでも構わないが,例えば所定ループ回数を回したか否かという条件が考えられる。すなわち、信号処理部109は、得られた画像の画質が所定の閾値を満たしているかどうかを判断するが、この所定の閾値として、例えば、画像再構成処理の繰り返し演算回数を用いることができる。また、画像再構成処理における直前の処理の画像との差分値や、信号処理部109で得られる画像の分散値などを用いることができる。

0042

図3の処理フローにおいて,Loop1はデータの疎性を高める処理,Loop2は画像復元性能を高める処理に相当する。それぞれのループ回数は,対象データに大きく依存するが,Loop1が〜十数回,Loop2が〜数百回のオーダーとなる。一般的に,図3に示すような処理フローの画像再構成処理を実施する場合,処理プラットフォームに依存はするが,最終推定画像出力が得られるまでに数分程度の時間を要することが想定される。

0043

そこで,本実施例の診断画像生成装置においては,図5A,図5Bに示すような処理フローを実施して,条件に合致する場合(Yes)に中間画像を出力し,画像処理部110経由で画像表示部111に中間画像を表示する構成とする。なお,図5A,図5Bにおいて,図3と同じ処理に関しては,図3と同じ符号をつけて説明を省略する。本実施例に係る図5Aの処理フローにおいて,S109のLoop2の終了判定の条件2の結果がNoの場合に,更に,S110の別の判定を行う条件3を加える。S110の判定条件としては,例えば,S109のループ回数よりは少ない所定ループ回数や,直前の画像からの差分値,また,推定画像結果に対して,新たな評価指標を用いて判定を行ってもよい。この評価指標の一例として,上述したように推定画像の分散値を用いた閾値判定が考えられる。

0044

或いは,図5Bに示すように,Loop1の終了判定の条件1の結果がNoの場合に,別の判定条件S111を加えることもできる。S111の条件としてはデータの疎性,例えばCurvelet係数,Wavelet係数の0以外の数で閾値判定をしてもよい。つまり,所定閾値以下の係数しか持たない状態になった際の画像を中間表示する。このS111の条件における所定閾値は数種類設定し,段階的に表示するようにしてもよい。

0045

図6は,図5AにおけるS110の判定条件として,所定ループ回数を1,10,30,50,100に設定した場合に,画像表示部111に表示される中間画像の表示イメージを示す図である。すなわち、信号処理部109は,複数の閾値各々を満たす複数の画像を出力し,画像表示部111は,複数の画像を同一画面上に表示する。このように,本実施例の画像生成装置においては,段階的に中間画像を表示させることにより,ユーザに対する表示までの待ち時間緩和できると共に,それぞれの中間画像の段階に応じた確認,判断が可能となる。例えば,図6に示すように,ループ回数が少なく推定画像がぼやけている段階では撮影位置位置確認,次は所定の臓器が映っているかの部位確認,最終的に組織確認という流れである。これにより,例えば途中の段階で部位等の確認ができない場合は,撮り直すといった作業が可能となり,最終画像出力まで待つ必要がない分,検査ワークフローの改善が期待できる。

0046

以上説明したように,本実施例によれば,画像再構成処理の中間画像を出力する構成とすることにより,ユーザの画像表示までの待ち時間を緩和すると共に,撮影条件正否を早い段階で認識・判断することができ,検査ワークフローの改善を図ることができる。

0047

次に実施例2として,ユーザが再構成処理の中間画像に対して,領域を指定することが可能な診断画像生成装置を説明する。より具体的には,本実施例は,被写体からの信号を受信し,受信信号を画像再構成処理によって画像化し,その画質が所定の閾値を満たしているかどうかを判断する信号処理部と,信号処理部で所定の閾値を満たしていると判定された画像を閾値毎に表示する画像表示部と,ユーザからのインタラクティブ入力を可能とするユーザーインターフェース部と,を備え,信号処理部は,画像表示部に表示された画像に対する,ユーザーインターフェース部からの入力に応じて,画像上に所定領域を設定し,領域設定された所定領域に対して最適な画像処理を行う構成の画像診断装置の実施例である。

0048

図7は,本実施例のMRI装置の機能ブロックの一例を示す図である。本実施例のMRI装置700は,基本的に実施例1と同様の構成を有するが,タッチパネル等のユーザーインターフェース(UI)部701を更に備え,ユーザからのインタラクティブ入力を可能としている。以下,本実施例の構成について,第一の実施例と異なる構成に主眼をおいて説明する。

0049

図7において,UI部701は,タッチパネル等ユーザ入力を実現するインターフェースであり,表示画像上で指定された領域の情報を,制御部112を介して信号処理部109の画像再構成処理部202へ制御信号205として送られる。図7における信号処理部109の機能構成は,図2と同様である。図8は,信号処理部109における画像再構成処理部202の処理フローである。図8において,図5A,図5Bと同じ処理に関しては,同図と同じ符号をつけて説明を省略する。

0050

図8において,ステップS110を通して出力された中間画像に対して,ユーザがUI部701を介して領域を指定した場合(S201),画像再構成処理部202はこの指定に従って領域設定し(S202),領域設定された画像領域のL1ノルムが最小となるようなLoop1処理を実施する。領域設定の仕方としては,例えば,UI部701で中間画像上に指定された点の周囲の所定画素分を設定する。すなわち、信号処理部108は,タッチパネルによるユーザ入力点を中心とした所定画素分の矩形領域を領域として設定する。

0051

領域指定後のステップS101からS105は,以下式(11)(12)の最適化問題を解く処理へ変更する。

0052

0053

0054

ここで,Nは指定された領域,νcN,νwNは,それぞれ領域NのCurvelet係数,Wavelet係数を示す。画像全体のCurvelet係数,Wavelet係数をそれぞれνcALL,νwALLとした場
合,式(13)(14)の関係が成り立つ。

0055

0056

0057

つまり,指定領域N内におけるL1ノルムが最小となるように,より具体的には指定領域内のCurvelet係数,Wavelet係数がそれぞれ疎になるように最適化が実施される。信号処理部109は,設定された領域に適した画像再構成処理として,当該領域内のL1ノルム最小化の処理を行う。

0058

また,式(10)(11)の解法として,ソフトシュリンケージ法を用いた場合,式(15)(16)を解くことになる。

0059

0060

0061

これらの式の処理は,実施例1と同様のため省略するが,指定領域Nのみ処理を実施するため,処理速度の向上を見込むことができる。

0062

図9は,実施例2による領域指定処理と結果のイメージを示す図である。中間画像表示901において,より詳細に見たい領域Nを設定903することで,最終的にはその周辺領域904が,より精度よく復元された画像902を得ることが可能となる。領域Nの指定方法に関しては,図9のようにタッチパネルを想定するものでなくても,例えばマウスキーボードトラックボールでの指定でも構わない。また,一点でなく矩形等の領域を直接設定してもよい。

0063

図8の処理フローにあっては,領域Nに最適な再構成処理となるため,それ以外の領域の再構成画像は基本的に保証されない。図9の画像902において,指定領域外は中間画像のままの画質として,示しているが,特に根拠があるわけではない。

0064

以上のように,本実施例によれば,ユーザの入力インターフェースを備えることにより,中間画像表示の段階でより詳細に見たい領域を指定することにで,指定領域に最適な再構成処理を実施,より好適な画像表示することが可能となる。

0065

また,本実施例によれば,指定領域に最適な再構成処理を実施できると共に,処理速度の向上も可能となり,検査時間短縮実現によるワークフロー改善により貢献することが可能となる。

0066

図10は,実施例2における信号処理部109の変形例である。図10に示すように,本実施例では画像再構成処理部202は再構成処理を2つ並列装備している。図10において,画像再構成処理1 1001は,上述した実施例2での制御信号205で指定される指定領域に最適な再構成処理を実施し,画像再構成処理2 1002は,通常の画像全体の再構成処理を行う。本構成により,画像処再構成処理1の出力を表示することで,撮影画像適否判断を効率化や指定領域最適化を実施し,並行して画像再構成処理2 1002により全体画像の再構成処理を実施しておくことで,1度の撮影で2種類の画像を生成することができ,全体画像の再構成画像を後から確認することが可能となる。

0067

また,制御信号205により,二つの指定領域を指定し,画像再構成処理2 1002では,画像再構成処理1 1001とは異なる指定領域の最適化を実施し,図11のように,設定903とは異なる領域の設定1101により,周辺領域904とは異なる周辺領域1102を同時に表示する構成も考えられる。すなわち、信号処理部109は,複数設定された領域各々に対する画像処理を並列に処理することが可能となる。更には,2つに限らず,複数個の画像再構成処理を並行動作させる構成を取ることで,複数の指定領域最適化画像を表示できる構成も考えられる。

0068

実施例3は,事前に装置内部に装備しているデータベースと実際の再構成処理画像の傾
向から,画像表示までの時間,画質を予測し,ユーザに情報を提供することを可能とする
診断画像生成装置である。すなわち、本実施例は、画像診断装置であって,被写体から得
られた受信信号を画像再構成処理によって画像化し,画像を出力する信号処理部と,信号
処理部が出力する画像を表示する画像表示部と,信号処理部における画像再構成処理の演
時間情報を記憶する記憶部とを備える構成の画像診断装置の実施例である。

0069

図12は,本実施例のMRI装置の機能ブロックの一例を示す図である。本実施例のMRI装置1200は,基本的に実施例1と同様の構成を有するが,更に,データベースを保持するメモリ,HDD等の記憶装置1201を更に有する。この記憶装置1201としては,上述したコンピュータの記憶部を利用できる。信号処理部109からアクセス可能な記憶装置1201には,代表的な撮影検査におけるCS再構成処理のデータを格納する。具体的には,例えば図13に示すように,各撮影シーケンス画像種撮影部位毎画像サンプル,再構成処理の収束曲線モデルを事前にデータベース1301に記憶しておく。すなわち、記憶装置1201には、演算時間情報として画像再構成処理の収束曲線モデルが記憶されている。

0070

図14に収束曲線モデルの具体例を示す。図14に示す各グラフにおいて,横軸は再構成処理のLoop回数縦軸画質指標,本例ではPeak Signal to Noise Ratio(PSNR)値を示している。図14の各グラフに示すように,再構成処理は所定繰り返し回数を境に,画質変化がほとんどなくなる,すなわち,収束する閾値としてのポイント1401,1402,1403が存在する。この閾値が一般的に各撮影シーケンスや撮影部位に応じて異なる。つまり,収束ポイント1401,1402,1403までの曲線の形状が異なる。

0071

図15は,図12における本実施例の信号処理部109の構成の一例を示している。図15において,図2と同じ処理に関しては,図2と同じ符号をつけて説明を省略する。収束曲線予測処理部1501は,画像再構成処理部202における再構成処理結果を,記憶装置1201内のデータベースと比較する機能を有する。すなわち、信号処理部109は,受信信号に対する画像再構成処理の収束曲線と,記憶装置1201に記憶された収束曲線モデルとのパタンマッチング処理を行い,パタンマッチング処理の結果から,最もマッチングの高い収束曲線モデルを,受信信号の推定収束曲線とし,画像表示部111は推定収束曲線を表示する。

0072

図16に,図15における画像再構成処理部202の処理フローの一例を示している。図16は,実施例1における図5Aの構成と基本的に同じであるが,判定条件5 S301では,所定Loop回数以下の場合に中間画像を出力する点が異なっている。つまり,再構成処理の初期Loop段階の画像を出力する構成とする。図17は,図15における収束曲線予測処理部1501の機能構成の一例を示している。図17において,パタンマッチング処理部1701は,画像再構成処理部202で得られた再構成処理結果の画像と,データベース内の収束曲線モデル形状とのマッチングを計算する。判定部1702はパタンマッチング処理部1701の処理結果から推定収束曲線を選択する。パタンマッチング処理部1701では,データベース1301内の各撮影シーケンス,部位毎の収束曲線モデルと,撮影における所定Loop回数までの画像との分散値のマッチング処理を行う。具体的には,各Loopにおける画像の分散値の累積差分値を算出する。画像サイズN画素×M画素の場合,画像の分散値は以下式(17)(18)で表される。

0073

0074

0075

ここで,Piは各画素値,Eは画素平均値,Eσ2が分散値である。

0076

式(18)で計算される中間画像,及びデータベース内のリファレンス画像の分散値をそれぞれEIσ2,ERσ2とし,所定Loop回数が10回の場合,分散値の累積差分値Diff Eσ2は以下式(19)で表される。リファレンス画像に関しては事前に分散値を計算し,例えば図13のデータベース1301のデータの一つとして記憶装置1201へ格納しておいてもよい。

0077

0078

データベース内の全てのリファレンスとのDiff Eσ2を算出し,判定部1702では,それらのうち最も値の小さいリファレンス画像の収束曲線モデルを推定収束曲線として表示する。つまり,最初の数回〜数十回の中間画像の評価値(分散値)から,収束曲線傾向を予測し,近いと思われる収束曲線モデルを表示する。

0079

図18の(a)は,本実施例の装置の画像表示部111の画面上の表示イメージの一例を示す。これにより画像表示までの時間が大体把握できるため,例えば図18の(b)のように問合せを表示し,このまま処理を継続するか否かをユーザに選択させるようにしてもよい。

0080

本実施例によれば,再構成処理時間の予測を推定収束曲線を表示することで直観的に知ることができ,ユーザが事前に検査時間を把握することができる。

0081

以上詳述した本発明によれば,再構成処理で得られる画像を事前に評価,判断することができ,臨床に最適な撮影ができたかどうかを早期に確認することができ,医療現場における検査ワークフローを改善することができる。

0082

なお,本発明は上記した実施例に限定されるものではなく,様々な変形例が含まれる。例えば,上記した実施例は本発明のより良い理解のために詳細に説明したのであり,必ずしも説明の全ての構成を備えるものに限定されものではない。また,ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり,また,ある実施例の構成に他の実施例の構成を加えることが可能である。また,各実施例の構成の一部について,他の構成の追加・削除・置換をすることが可能である。

実施例

0083

更に,上述した各構成,機能,処理部等は,それらの一部又は全部をCPUで実現するプログラムを作成する例を説明したが,それらの一部又は全部を例えば集積回路で設計する等によりハードウェアで実現しても良いことは言うまでもない。

0084

100MRI装置
101 被写体
102磁石
103傾斜磁場コイル
104RFコイル
105 RFコイル
106傾斜磁場電源
107 RF送信部
108信号検出部
109信号処理部
110画像処理部
111画像表示部
112 制御部
201フーリエ逆変換部
202画像再構成処理部
203画像合成処理部
204フィルタリング処理部
701 UI部
901中間画像表示
902復元画像
903 設定領域
904周辺領域
1001 画像再構成処理1
1002 画像再構成処理2
1200 MRI装置
1201記憶装置
1301データベース
1501収束曲線予測処理
1701パタンマッチング処理部
1702 判定部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ