磁共振成像装置、噪声去除方法以及图像处理装置与流程

1.本发明涉及由医用摄像装置取得的图像的图像处理技术，特别涉及由磁共振成像装置(以下称作mri装置)取得的图像的噪声减少技术。

背景技术：

2.由医用摄像装置取得的图像根据装置本身的精度、摄像条件、检查对象侧的要因等而包含各种噪声。对应于这些噪声的种类、产生原因而开发了很多减少这些噪声的技术。
3.例如，关于高斯噪声、尖峰噪声等，通过按由少的像素构成的每个局部区域将像素值用其平均值、中央值或加权平均值等进行置换，来减少噪声。这些噪声减少处理具体通过box滤波器、中值滤波器、高斯滤波器、双边滤波器、非局部均值(non local means)(nlm)滤波器等各种滤波器实现，噪声减少效果、边缘保存效果根据滤波器的种类的不同而不同。
4.此外，有利用了小波变换、曲波变换等稀疏化变换的噪声去除法，近年来有利用了机器学习(噪声去除模型)的噪声去除法。
5.在mri中，通常通过对从多个接收线圈取得的图像进行重构来算出诊断图像。因此，mri的图像中载有的噪声除了根据摄像条件以外，还根据接收线圈的配置、图像重构法而变化，不能用现有的噪声去除方法合适地去除。针对此，提出如下方法：对mri的图像的噪声进行解析，基于其解析结果来有效地去除噪声(例如专利文献1、专利文献2等)。在专利文献1记载的技术中提出：对于通过平行成像法重构的图像，基于在空间上重复的信号未被分离的状态下的图像(分离前图像)与将信号分离后的图像(分离后图像)之间有噪声相关性这一情况，将其加入到噪声去除处理的制约条件中。
6.在专利文献2公开的方法中，记载了在由多个接收线圈取得的图像中，首先基于各线圈的图像的噪声指标值来调整去除噪声的程度，按各线圈的每个图像来去除噪声。之后，将去除了噪声的各线圈图像合成来算出诊断图像。作为噪声指标值，进行rf条件不同的多次摄像来导出信号噪声比(snr)，将snr作为噪声指标值。
7.先行技术文献
8.专利文献
9.专利文献1：jp专利第6762284号说明书
10.专利文献2：jp特开2020-103890号公报
11.非专利文献
12.非专利文献1：pruessmann kp等，“sense：sensitivity encoding for fast mri”，magnetic resonance in medicine，1999年，42卷，952-962页
13.在运用使用多个接收线圈来缩短摄像时间的平行成像法(非专利文献1)时，已知snr与被称作g因子(geometry factor)的指标成反比。因此，在平行成像重构时，由于噪声对应于g因子在空间上发生变化，因此，即使运用专利文献2记载的技术将平行成像重构前的各线圈图像的噪声去除，在平行成像重构后，snr也会对应于g因子而变差，不能合适地进行噪声去除。
14.此外，在专利文献2记载的技术中，由于进行rf条件不同的多次摄像来算出snr而导出指标，因此，还存在为了snr算出而需要进行多次摄像这样的课题。

技术实现要素：

15.本发明的课题在于，对由于摄像条件不同因而噪声电平各种各样的图像有效地进行噪声去除，此外，在将多个接收线圈的数据合成而得的图像中也能得到去除了噪声的图像，进而，为了噪声去除而减少摄像、运算。
16.本发明使用图像的噪声电平的空间分布和信号值的空间分布来求取snr的空间分布，通过进行反映了snr空间分布的噪声去除，来解决上述课题。
17.即，本发明的磁共振成像装置具备：测量部，由接收线圈接收使被检测体产生的核磁共振信号；图像重构部，对由接收线圈接收到的核磁共振信号进行处理，重构被检测体的图像；snr空间分布算出部，使用图像的噪声电平以及信号的空间分布来算出图像的信号噪声比的空间分布；和噪声去除部，基于信号噪声比的空间分布来去除图像的噪声。
18.此外，本发明的噪声去除方法去除磁共振成像装置所取得的图像的噪声，包含：算出所述信号噪声比的空间分布的步骤；和基于所述信号噪声比的空间分布来去除所述图像的噪声的步骤。算出信号噪声比的空间分布的步骤包含：算出图像的噪声电平的步骤；算出图像的噪声的空间分布的步骤；和算出所述图像的信号的空间分布的步骤，使用噪声电平、噪声的空间分布以及信号的空间分布来算出信号噪声比的空间分布。
19.进而，本发明的图像处理装置去除医用摄像装置所取得的图像的噪声，具备：snr空间分布算出部，从噪声处理对象的图像算出信号噪声比的空间分布；和噪声去除部，基于信号噪声比的空间分布来去除所述图像的噪声。
20.发明效果
21.根据本发明，通过基于从图像算出的信号噪声比的空间分布进行图像的噪声去除处理，能对信号电平以及噪声电平根据摄像条件的不同而不同的图像进行有效的噪声去除。此外，根据本发明，在利用多个接收线圈的摄像方法中，通过对合成后的图像运用噪声去除，还能去除有可能在合成时产生的噪声。
附图说明
22.图1是表示本发明的mri装置的一实施方式的整体框图。
23.图2是本发明的图像处理装置的功能框图。
24.图3是表示图1的mri装置的处理的概要的图。
25.图4是实施方式1的噪声处理部的功能框图。
26.图5是表示实施方式1的噪声处理的流程的图。
27.图6是表示噪声电平算出中使用的直方图的一例的图。
28.图7是表示图5的噪声电平算出处理的详细情况的图。
29.图8是表示实施方式2的噪声处理的流程的图。
30.图9是表示实施方式1的效果的图。
31.图10是表示实施方式1以及实施方式2的效果的图。
32.图11是表示显示例的图。
33.附图标记说明
34.10：mri装置、102：静磁场线圈、103：倾斜磁场线圈、104：匀场线圈、105：发送线圈、106：接收线圈、107：发送机、108：接收机、112：倾斜磁场电源：113：匀场电源、200：计算机、201：显示器、203：外部存储装置、205：输入装置、210：测量控制部、230：图像重构部、240：噪声处理部、250：snr分布算出部、251：噪声分布算出部、252：噪声电平算出部、253：信号分布算出部、260：噪声去除部、270：显示控制部、30：图像处理装置
具体实施方式
35.以下说明本发明的mri装置的实施方式。
36.[mri装置的概要]
[0037]
本实施方式的mri装置如图1所示那样，大体来分，具备：测量部100，其进行从被检测体101产生的核磁共振信号的测量；和计算机200，其控制测量部100，并且使用测量部100测量出的核磁共振信号进行图像重构、补正、其他运算。
[0038]
测量部100具备：静磁场线圈102，其在放置被检测体101的空间中生成静磁场；发送部(105、107)，其对配置于静磁场内的被检测体101发送高频磁场脉冲；接收部(106、108)，其接收被检测体所产生的核磁共振信号；和倾斜磁场线圈103，其为了对核磁共振信号赋予位置信息而对静磁场线圈102所产生的静磁场给予磁场梯度。
[0039]
静磁场线圈102由常导式或超导式的静磁场线圈、静磁场生成磁铁等构成，根据所产生的静磁场的方向，有垂直磁场方式、水平磁场方式等，线圈的形状以及装置整体的外观根据方式的不同而不同。本实施方式不管哪种方式的mri装置都能运用。
[0040]
发送部具备：发送用高频线圈105(以下仅称作发送线圈)，其对被检测体101的测量区域发送高频磁场；和发送机107，其具备高频振荡器、放大器等。接收部具备：接收用高频线圈106(以下仅称作接收线圈)，其接收从被检测体101产生的核磁共振信号；和接收机108，其包含正交检波电路、a/d变换器等。在本实施方式中，接收线圈由多个通道(小型接收线圈)构成，各自连接有构成接收机108的正交检波电路、a/d变换器。接收机108接收到的核磁共振信号被作为复数字信号交给计算机200。接收线圈106由组合了多个小型线圈而成的接收线圈构成，各接收线圈接收到的核磁共振信号被交给计算机200，在图像重构时进行合成。
[0041]
倾斜磁场线圈103具有分别在x方向、y方向、z方向上施加倾斜磁场的3组倾斜磁场线圈，分别与倾斜磁场用电源部112连接。进而，mri装置也可以具备调整静磁场分布的匀场线圈104和驱动其的匀场用电源部113。
[0042]
进而，测量部100具备：序列控制装置114，其控制测量部100的动作。序列控制装置114控制倾斜磁场用电源部112、发送机107以及接收机108的动作，并控制倾斜磁场、高频磁场的施加以及核磁共振信号的接收的定时。控制的时序图被称作脉冲序列，对应于测量而预先设定，存放在后述的计算机200所具备的存储装置等中。
[0043]
计算机200控制mri装置100整体的动作，并且对接收到的核磁共振信号进行各种运算处理。计算机200是具备cpu、存储器、存储装置等的信息处理装置，在计算机200连接有显示器201、外部存储装置203、输入装置205等。
[0044]
显示器201是将运算处理中得到的结果等对操作人员显示的界面。输入装置205是
用于操作人员输入本实施方式中实施的测量、运算处理所需的条件、参数等的界面。用户经由输入装置205例如能输入pi法中的倍速数等测量参数。外部存储装置203同计算机200内部的存储装置一起保持计算机200所执行的各种运算处理中使用的数据、通过运算处理得到的数据、所输入的条件、参数等。
[0045]
在本实施方式中，计算机200进行利用了接收线圈的灵敏度分布的图像的合成、噪声去除处理等，来作为对图像进行处理的功能。因此，如图1所示那样，计算机200具备测量控制部210、图像重构部230、噪声处理部240、显示控制部270等功能部。噪声处理部240具有对图像重构部230所生成的图像进行用于噪声去除的处理的功能，包含snr分布算出部250和噪声去除部260。
[0046]
这些各部的功能能作为安装到计算机200的软件来实现，通过cpu将存储装置所保持的程序(软件)载入到存储器中并执行来实现。各功能的处理中使用的各种数据、处理中生成的各种数据存放于存储装置或外部存储装置203中。此外，计算机200所实现的各种功能当中的一部分功能可以通过asic(application specific integrated circuit，特定用途集成电路)、fpga(field-programmable gate array，现场可编程门阵列)等硬件来实现。
[0047]
进而，计算机所实现的功能当中图像处理所涉及的功能如图2所示那样，可以通过与mri装置10独立的能与mri装置100进行数据的收发的图像处理装置30来实现。
[0048]
该图像处理装置30具有从医用摄像装置10a接受图像的图像接受部310，与图1所示的mri装置10的计算机200同样地具有包含snr分布算出部350以及噪声去除部360的噪声处理部340。医用摄像装置10a并不限定于mri装置，也可以是ct装置、超声波摄像装置、进而可以是存放各种医用图像的数据库等。此外，虽非必须，但也可以具备图像重构部330，该图像重构部330根据从医用摄像装置10a接受到的图像或测量数据来重构图像。
[0049]
接下来，说明本实施方式的mri装置(主要是计算机200)以及图像处理装置的动作的概要。图像处理装置30的各部的功能基本与mri装置的图像处理功能相同，以下参考mri装置的各部。在图3示出动作的流程。
[0050]
[测量：s301]
[0051]
首先，经由输入装置205接受用户的摄像序列、摄像条件的设定。摄像序列并没有特别限定，例如可选择、设定利用了2d-rssg(rf-spoiled-steady-state acquisition with rewound gradient-echo)序列等高速脉冲序列的pi法等。摄像条件包含摄像序列的参数(重复时间tr、回波时间te)，在进行k空间的间除测量的情况下包含倍速数。此外，在多层面同时激发的情况下包含层面数的设定。另外，在作为检查协议而设定这些摄像条件等的情况下，将对检查协议设定的条件等读入。
[0052]
测量控制部210遵循基于由用户输入的参数而设定的脉冲序列来使序列控制装置114动作，测量预先确定的条件的核磁共振信号(回波信号)。序列控制装置114遵循来自测量控制部210的指示来控制mri装置100的各部，通过接收线圈来接收核磁共振信号。在接收线圈是由多个接收线圈构成的多通道线圈的情况下，按每个通道收集k空间数据。
[0053]
[图像重构：s302]
[0054]
图像重构部230对k空间数据进行傅立叶变换等运算，来重构图像。在平行成像(pi)法的情况下，使用每个接收线圈的k空间数据和多个接收线圈的灵敏度分布将空间上重合的信号分离，来作成空间上不同位置的图像，并进行合成。此外，在压缩传感(cs)法的
情况下，对进行了随机采样的k空间数据进行包含l1范数最小化的重复运算，来重构图像。
[0055]
[s303、s304]
[0056]
接着，噪声处理部240进行用于去除重构后的图像中所含的噪声的处理。
[0057]
噪声去除与公知的包含全变分(total variation)正则化、稀疏正则化的非线性滤波器等同样，通过在给定的制约条件下进行重复运算以使得噪声最小化，从而来实现。在本实施方式中，将图像的snr的空间分布反映到制约条件中来进行重复运算。因此，对成为噪声去除的对象的图像算出图像的信号电平的空间分布、噪声电平及其空间分布，使用这些量来进行snr空间分布的算出(s303)。之后，进行利用了snr空间分布的噪声去除(s304)。
[0058]
噪声去除后的图像根据需要存放于存储装置203中，或显示于显示器201(s305)。
[0059]
根据本实施方式，通过进行基于根据图像的信号电平以及噪声电平算出的snr的空间分布的噪声去除，即使在图像的信号电平、噪声电平根据摄像条件的不同而不同的情况下，也能进行精度良好的基于snr空间分布的噪声去除。此外，对于用pi法等根据空间上重复的信号重构出的图像或合成后的图像也能同样地进行精度良好的噪声去除。
[0060]
以下说明噪声处理部的具体的处理的实施方式。另外，图1所示的mri装置的概要以及图3所示的处理的概要在以下的实施方式中是共同的，可适当进行参考。
[0061]
《实施方式1》
[0062]
在本实施方式中，将通过使用多个接收线圈进行高速摄像得到的图像的噪声去除。若摄像方法是sense法，则将对象设为通过利用了按每个接收线圈重构出的图像和各接收线圈的灵敏度信息的矩阵运算来将在每个接收线圈的图像中产生的卷褶展开并进行合成而得的图像。
[0063]
在图4示出本实施方式的噪声处理部240的结构。如图示那样，噪声处理部240包含snr分布算出部250以及噪声去除部260，snr分布算出部250包含噪声分布算出部251、噪声电平算出部252以及信号分布算出部253。
[0064]
在这样的结构中，在本实施方式的噪声处理(图3：s303)中，如图5所示那样，根据接收线圈的g因子算出噪声的空间分布(s51)，根据图像的直方图算出噪声电平(s52)，使用噪声电平的空间分布的信息来算出信号(除噪声以外)的空间分布(s53)。根据噪声的空间分布和信号的空间分布来算出snr空间分布(s54)并使用在噪声去除运算(图3：s304)中。
[0065]
以下说明各处理的详细情况。
[0066]
[噪声分布的算出：s51]
[0067]
噪声分布算出部251通过求取接收线圈的g因子的倒数来算出噪声的空间分布。g因子是根据构成接收线圈的小型接收线圈的数量、配置、pi法的倍速率等而变化的值，能使用接收线圈的灵敏度分布和接收间的噪声的相关矩阵来预先求取。
[0068]
在此，g因子能用非专利文献1记载的式子算出，若将接收线圈灵敏度矩阵设为s、将接收线圈灵敏度矩阵的复转置矩阵设为sh、将噪声相关矩阵设为ψ、将diag[a]设为提取矩阵a的对角要素向量的运算符，则g因子用下式(1)表征。
[0069]
【数学式1】
[0070][0071]
[噪声电平的算出：s52]
[0072]
噪声电平的算出利用绝对值图像的噪声的直方图遵循瑞利分布这一情况，算出噪
声sd来作为噪声电平。
[0073]
在图6的(a)示出人头部图像(t2wi)的绝对值图像的直方图的一例。如图示那样，本来的图像信号在直方图中示出高斯分布，但噪声在低信号值的区域具有峰值，在将实图像以及虚图像各自的噪声sd设为σ时，该噪声的标准偏差(sd)遵循参数σ的瑞利分布。瑞利分布能以下式(2)表征，其众数与σ一致。
[0074]
【数学式2】
[0075][0076]
x：概率变量(0≤x)
[0077]
若将众数σ的最大似然估计值设为σhat，则σhat能通过下式(3)算出。
[0078]
【数学式3】
[0079][0080]
xi：概率变量的观测值
[0081]
n：处理对象区域内的像素数
[0082][0083]
因此，求取绝对值图像的直方图与根据最大似然估计值σhat算出的瑞利分布的差(均方根误差：rmse)成为最小的σhat，能通过将其设为倍来算出复噪声的sd。
[0084]
在图7示出噪声电平算出部252所进行的具体的处理流程。首先，将复图像变换成绝对值图像，对绝对值图像乘以在s51中算出的g因子映射的倒数，来作成直方图(s521)。在此，这是为了通过乘以g因子映射的倒数，来补正因平行成像引起的空间上的噪声分布，求取均一的噪声的标准偏差(噪声电平)。作为如此作成的直方图的一例，在图6的(b)示出shepp-logan体模的绝对值图像的直方图h(snr＝5，噪声sd＝0.2)。在将直方图的bin数设为nbin时，将直方图h标注为h(xnbin)(xnbin是第n个bin的信号值)。
[0085]
接下来，通过判别分析法来算出直方图的阈值(初始阈值)thre(s522)。接着，算出阈值thre以下且比0大的像素的数目n(s523)。根据阈值thre以下且比0大的像素(n个像素)的像素值，使用前述的式(2)来算出最大似然估计值σhat(s524)。
[0086]
接着，通过式(4)来算出瑞利分布的概率密度函数p(nbin)(s525)。
[0087]
【数学式4】
[0088][0089]
其中，
[0090]
通过式(5)算出所算出的概率密度函数p(nbin)与直方图h(xnbin)的误差(s526)，直到误差e成为最小为止(s527)，都在更新阈值thre的同时重复进行s523～s526(s528)。
[0091]
【数学式5】
[0092][0093]
将误差e成为最小时的最大似然估计值σhat设为瑞利分布的众数σ。在误差e不是极小值时，通过式(6)来减小阈值thre。
[0094]
【数学式6】
[0095]
thre＝thre-α
·
thre
ꢀꢀ…ꢀ
(6)
[0096]
在式(6)中，系数α是逐渐减小阈值的比例，例如设为α＝0.1，并进行设定以使得更新后的thre成为更新前的thre的90％倍程度。若通过该更新而误差变小，则重复进行更新，在误差变大时，将以更新前的thre算出的σhat设为最大似然估计值。
[0097]
若决定了最终误差成为最小的最大似然估计值σhat，就将其设为瑞利分布的众数σ，并设为倍(s529)。即，算出复噪声的噪声电平(噪声的sd)。
[0098]
通过将算出的噪声电平和g因子映射(即相对噪声sd)相乘，来关于处理对象的图像得到噪声电平的空间分布。
[0099]
[信号分布的算出：s53]
[0100]
信号分布算出部253从根据作为处理对象的复图像的绝对值算出的强度分布本身得到信号的空间分布。
[0101]
[snr分布的算出：s54]
[0102]
snr分布算出部250使用在s53中算出的信号空间分布和在s52中算出的噪声电平的空间分布，来算出snr的空间分布。
[0103]
通过以上的处理s51～s54，完成图3的snr分布算出处理s303。
[0104]
[噪声去除：s304]
[0105]
噪声去除部260通过重复运算(反复处理)来进行噪声去除处理。在该噪声去除处理中，除了噪声去除前的图像和噪声去除后的图像大致相等这样的制约条件(以下称作噪声去除前后图像制约)以外，即除了用于不从原始的图像过于背离的制约以外，还添加将图像映射到稀疏空间后的图像的噪声大致等于零这样的制约条件(以下称作稀疏空间制约)、tv(全变分)法的噪声去除中使用的分离图像的空间微分值图像的噪声大致等于零这样的制约(空间微分值制约)等制约条件，来进行带正则化项的最少化处理，对这些制约条件使用由snr分布算出部250算出的snr的空间分布来作为权重，进行重复运算。
[0106]
例如进行以式(7)表征的最少化处理。
[0107]
【数学式7】
[0108][0109]
在式(7)中，第1项表征噪声去除前后图像制约，第2项表征稀疏空间制约，y是噪声去除前的图像，x是噪声去除后的图像，λ1、λ2分别是第1项的正则化参数、第2项的正则化参数，ψ是小波变换运算符。此外，wcons、wrglr是第1项以及第2项的权重图像，在本实施方式中，作为第2项的权重图像wrglr，例如使用在s54中求得的snr空间分布的倒数“1/snr”。
[0110]
通过如此地对噪声去除前后图像制约以外的制约(这里是稀疏空间制约)添加snr来作为权重，从而对于snr低的图像，增加这些制约的权重，对于snr高的图像，减少权重，能防止过度的噪声，能提升噪声处理的精度。
[0111]
另外，在式(7)中，作为噪声去除前后图像制约以外的制约而例示了稀疏空间制约，但也可以取代其或同其一起使用空间微分值制约。进而，关于专利文献1(专利第6762284号说明书)中公开的噪声相关制约即pi法的合成前的图像(以下称作分离前图像)，可以使用将在分离前图像与分离后图像之间存在噪声相关性设为制约的制约条件，作为针对这些制约的权重，能使用snr(其倒数)。
[0112]
以上如说明的那样，根据本实施方式，根据作为处理对象的图像来估计(算出)噪声电平，使用根据该噪声电平算出的噪声电平的空间分布以及信号分布来算出snr的空间分布，将其用在噪声去除处理中的制约条件的调整中，由此，对于噪声电平、信号电平根据摄像条件的不同而不同的图像也能进行合适的噪声处理。
[0113]
此外，根据本实施方式，通过在pi法中对合成后的图像运用本实施方式，能解决噪声量在合成前后在空间上发生变化从而snr发生变化这样的pi法的噪声去除的困难性。但本实施方式可以也对合成前的图像运用。在该情况下，可以对合成后的图像省略噪声去除处理，但也可以对合成后的图像进一步进行噪声去除。
[0114]
进而，由于在多个线圈进行接收时，信号在空间上发生变化(遮蔽)，因此难以没有信号的缺损地去除噪声，但由于基于反映了信号的空间分布的snr进行噪声去除处理，因此在信号电平弱的部位也能没有缺损地进行噪声去除。
[0115]
另外，在本实施方式中，噪声去除部260进行带正则化项的最少化处理来进行噪声去除，但还能使用噪声去除模型，其中，该噪声去除模型按照如下方式进行了学习，即，使用cnn(covolutional neural network，卷积神经网络)等深度学习来算出从噪声电平不同的图像中去除了噪声的图像，这样进行了学习。
[0116]
在该情况下，例如能对在snr低的图像中进行了学习的网络和snr高的网络使用该snr分布在空间上切换网络，来去除噪声。
[0117]
《实施方式2》
[0118]
本实施方式的基本的处理的流程和图5以及图7所示的流程相同，但在本实施方式中，特征在于，在图5的噪声电平算出处理(s52)中，通过将信号值低的背景区域除外来进行噪声电平算出，从而提升噪声电平算出处理的精度。
[0119]
以下参考图8来说明本实施方式的处理。
[0120]
首先，与图7的s521同样，在绝对值图像上乘以g因子的倒数，作成直方图(s5201)。接着，与图7的s522～s528同样地，根据瑞利分布估计来算出最大似然估计值σhat(s5202)。接着，算出将比求取σhat时的阈值thre大的区域设为0且将阈值thre以下设为1的蒙片(mask)(s5203)，使用蒙片来算出噪声区域(图像空间的区域)(s5204)。
[0121]
接着，对噪声区域在复图像上通过下式(8)算出空间微分(s5205)。在此，若将坐标xn的像素值设为i(xn)，将相邻的像素的坐标设为xn+1，则空间微分δi(xn)以下式表征。
[0122]
(数学式8)
[0123]
δi(xn)＝i(xn+1)-i(xn)
ꢀꢀꢀꢀ
(8)
[0124]
通过进行空间微分，从而仅提取噪声来作为相邻的像素间的差分。接着，在空间微
分后的数据上乘以蒙片(s5206)。由此，得到大部分仅为噪声的图像。对该图像进一步算出绝对值图像的直方图，与s5202同样地算出最大似然估计值σhat(s5207)。将其设为倍，得到复噪声的噪声电平(噪声的sd)。
[0125]
之后，使用该噪声sd来算出噪声电平的空间分布，算出信号分布，取得snr的空间分布(图5：s54)，并进一步使用snr的空间分布来进行噪声去除处理(图3：s304)，这些与实施方式1相同。
[0126]
根据本实施方式，通过使用蒙片，能将处于图像的背景区域的噪声从去除处理的对象中排除，由于通过应处理噪声的区域的空间微分仅提取噪声并算出噪声电平，因此能更加精度良好地算出噪声电平。
[0127]
另外，在图8的流程中，对从绝对值图像中概算出的噪声区域进行空间微分，算出噪声电平(噪声sd)，但作为在作成直方图中使用的绝对值图像，还能使用进行了空间微分的复图像的绝对值图像。
[0128]
《实施方式1以及2的实证例》
[0129]
使用shepp-logan数值体模来进行实施方式1以及实施方式2的噪声去除手法(噪声电平估计方法)的评价。在图9以及图10示出结果。图9的上侧图是全部像素的直方图，下侧是表示用实施方式1的手法估计出的瑞利分布与直方图的一致度的图，(a)、(b)、(c)分别是snr＝5(设定噪声sd＝0.20000)的情况、snr＝3.3(设定噪声sd＝0.30000)的情况、snr＝2.5(设定噪声sd＝0.40000)的情况。
[0130]
根据用实施方式1的手法估计出的瑞利分布来估计的噪声sd在(a)～(c)中分别是0.20005、0.29803、0.40050，确认到与所设定的噪声sd非常一致。但确认到估计出的瑞利分布与直方图的误差随着snr降低而变大。
[0131]
图10是表示噪声估计手法不同的情况下的估计噪声sd与设定噪声sd的关系的图，在实施方式1的手法(根据绝对值图像算出)的情况(a)中，确认到若噪声sd为0.33以下(即snr＝3以上)，就将误差抑制得小。此外，确认到与使用进行了复图像的空间微分(仅x方向)的绝对值图像算出的情况的(b)、(a)相比，精度得到提升。在实施方式2的手法(从绝对值图像中概算出噪声sd后进行空间微分，来算出噪声sd)的情况(c)中，确认到与(a)相比，精度得到提升。
[0132]
此外，对摄像方法不同的2种人头部图像同样地用实施方式1以及实施方式2的手法进行噪声电平的估计，得到同样的结果，特别在实施方式2的手法中，在snr低的图像中也能得到与根据进行了mac合成的图像的噪声sd来估计的噪声sd之间的一致度高的结果。
[0133]
《显示的实施方式》
[0134]
实施方式1、2的噪声处理可以设定为图像处理部内的默认处理，但也能在经由输入装置205接受摄像条件时，关于噪声去除的手法也接受用户选择。在该情况下，例如显示控制部260在显示器201显示图11所示那样的ui。在图示的示例中，能同公知的噪声去除手法例如平均值滤波器、高斯滤波器等线性滤波器、双边滤波器等边缘保存滤波器、包含全变分正则化、稀疏正则化的非线性滤波器等一起来选择本实施方式的噪声去除手法。由此，用户的手法选择的自由度变高。

技术特征：

1.一种磁共振成像装置，其特征在于，具备：测量部，由接收线圈接收使被检测体产生的核磁共振信号；图像重构部，对由所述接收线圈接收到的核磁共振信号进行处理，来重构所述被检测体的图像；snr空间分布算出部，使用所述图像的噪声电平以及信号的空间分布来算出所述图像的信号噪声比的空间分布；和噪声去除部，基于所述信号噪声比的空间分布来去除所述图像的噪声。2.根据权利要求1所述的磁共振成像装置，其特征在于，所述测量部具备多个接收线圈，所述图像重构部将由所述多个接收线圈分别接收到的核磁共振信号或根据该核磁共振信号重构出的图像进行合成，来重构图像，所述snr空间分布算出部对所述图像重构部合成后得到的图像算出所述信号噪声的空间分布。3.根据权利要求2所述的磁共振成像装置，其特征在于，所述图像重构部通过平行成像运算将由各接收线圈接收到的核磁共振信号或根据该核磁共振信号重构出的图像进行合成。4.根据权利要求1所述的磁共振成像装置，其特征在于，所述snr空间分布算出部具备：噪声电平算出部，算出所述图像的噪声电平；噪声分布算出部，算出所述图像的噪声的空间分布；和信号分布算出部，算出所述图像的信号的空间分布，使用所述噪声电平、所述噪声的空间分布以及所述信号的空间分布来算出所述信号噪声比的空间分布。5.根据权利要求4所述的磁共振成像装置，其特征在于，所述噪声电平算出部基于所述图像的绝对值的直方图来算出噪声电平。6.根据权利要求5所述的磁共振成像装置，其特征在于，所述噪声电平算出部进一步基于所述图像的空间微分的绝对值的直方图来算出噪声电平。7.根据权利要求4所述的磁共振成像装置，其特征在于，所述测量部具备多个接收线圈，所述噪声分布算出部使用各接收线圈的g因子来算出噪声分布。8.根据权利要求1所述的磁共振成像装置，其特征在于，所述噪声去除部通过利用了多个制约条件的误差最小化运算来去除噪声，使用所述信号噪声比的空间分布来作为所述制约条件的权重。9.根据权利要求8所述的磁共振成像装置，其特征在于，所述多个制约条件包含：噪声去除前的图像和噪声去除后的图像大致相等这样的噪声去除前后图像制约条件；和将所述噪声去除后的图像映射到稀疏空间而得的图像的噪声大致为零这样的稀疏空
间制约条件及/或所述噪声去除前的图像的空间微分值图像的噪声大致为零这样的空间微分值制约条件，所述噪声去除部使用所述信号噪声比的空间分布来作为所述噪声去除前后图像制约条件以外的制约条件的权重。10.根据权利要求1所述的磁共振成像装置，其特征在于，所述噪声去除部包含按照将从噪声电平不同的图像中去除了噪声的图像输出的方式进行了学习的机器学习模型，基于所述信号噪声比的空间分布来调整所述机器学习模型的系数。11.一种噪声去除方法，去除医用摄像装置所取得的图像的噪声，其特征在于，包含：算出所述信号噪声比的空间分布的步骤；和基于所述信号噪声比的空间分布来去除所述图像的噪声的步骤，算出所述信号噪声比的空间分布的步骤包含：算出所述图像的噪声电平的步骤；算出所述图像的噪声的空间分布的步骤；和算出所述图像的信号的空间分布的步骤，使用所述噪声电平、所述噪声的空间分布以及所述信号的空间分布来算出所述信号噪声比的空间分布。12.根据权利要求11所述的噪声去除方法，其特征在于，所述图像是将由mri装置的多个接收线圈分别接收到的核磁共振信号或根据该核磁共振信号重构出的图像进行合成而得到的图像，算出所述噪声的空间分布的步骤使用所述多个接收线圈的g因子来算出所述噪声的空间分布。13.根据权利要求11所述的噪声去除方法，其特征在于，算出所述噪声电平的步骤包含：根据从所述图像算出的绝对值图像的直方图来算出噪声电平的步骤。14.根据其权利要求11所述的噪声去除方法，其特征在于，算出所述噪声电平的步骤包含：算出所述图像的空间微分并提取噪声区域的步骤，所述噪声去除方法从所述噪声区域算出噪声电平。15.一种图像处理装置，去除医用摄像装置所取得的图像的噪声，所述图像处理装置的特征在于，具备：snr空间分布算出部，从噪声处理对象的图像算出信号噪声比的空间分布；和噪声去除部，基于所述信号噪声比的空间分布来去除所述图像的噪声。

技术总结

本发明涉及磁共振成像装置、噪声去除方法以及图像处理装置。对信号电平、噪声电平根据摄像条件、重构条件的不同而不同的图像也进行合适的噪声去除处理。本发明的磁共振成像装置具备：测量部，由接收线圈接收使被检测体产生的核磁共振信号；图像重构部，对由接收线圈接收到的核磁共振信号进行处理，来重构被检测体的图像；SNR空间分布算出部，使用图像的噪声电平以及信号的空间分布来算出图像的信号噪声比的空间分布；和噪声去除部，基于信号噪声比的空间分布来去除图像的噪声。的空间分布来去除图像的噪声。的空间分布来去除图像的噪声。