專利名稱：數據校正裝置、數據校正方法、磁共振成像裝置和x射線ct裝置的制作方法
技術領域：
本發明涉及數據校正裝置、數據校正方法、磁共振成像裝置和X射線CT(計算機X射線層析照影術)裝置，它們對由于顯示空間分布的傳感器的靈敏度表現出空間非均勻SNR(信噪比)分布的數據進行校正，以使得經過校正的數據是均勻的。
背景技術：
MRI(磁共振成像)裝置傳統上在醫學領域被用作為監視裝置(例如參見日本專利No.3135592)。
MRI裝置是通過在被放置在用于產生靜磁場的圓柱形靜態場磁體中物體的成像區域中的梯度線圈而生成梯度磁場、通過從RF線圈發送RF(射頻)信號而使得物體中的原子核自旋發生磁共振、并通過使用由于激勵生成的NMR(核磁共振)信號而重建物體的圖像的裝置。
在近年來的MRI裝置中，為了加速成像，RF線圈由用于發送的整體(WB)線圈和用于接收的相控陣線圈構成。相控陣線圈包括多個表面線圈，從而有可能減少成像時間，因為各個表面線圈同時接收NMR信號，在短的時間間隔內得到更多的數據。
然而，當RF線圈由相控陣線圈和WB線圈構成時，通過重建處理以及NMR信號得到的圖像數據的信號強度由于相控陣線圈或WB線圈的靈敏度的非均勻性也具有非均勻性。通常，WB線圈的靈敏度的非均勻性是足夠小的，處于可忽略的電平。然而，對于每種用途使用的相控陣線圈中的每個表面線圈的靈敏度的非均勻性是很大的，并影響圖像數據。
為此，必須對由于相控陣線圈的靈敏度的非均勻性造成的圖像數據的信號強度的非均勻性進行校正。
鑒于上述內容，至今為止，在用于生成物體的圖像的主掃描之前，執行靈敏度預掃描。然后，通過靈敏度預掃描，從每個相控陣線圈和WB線圈獲取圖像數據。根據信號強度比值，即圖像數據段的信號強度的除法數值，相控陣線圈的靈敏度分布被估計為三維靈敏度地圖數據。而且，通過使用這樣獲取的相控陣線圈的三維靈敏度地圖數據，圖像數據的信號強度非均勻性被校正。
然而，在使用上述的多個表面線圈的MR成像和使用單個表面線圈的MR成像中，當校正表面線圈的靈敏度分布時，有一個問題即在SNR中出現空間非均勻性。即，在校正之前，表面線圈的靈敏度分布是空間非均勻的，但圖像噪聲電平是恒定的。
因此，如果表面線圈的靈敏度分布被校正，并且圖像數據的信號強度根據空間被設置為恒定的，則圖像噪聲變為空間非均勻的。例如，在信號強度通過靈敏度分布的校正被放大的部分處的圖像噪聲比起在信號強度沒有被加強的部分處的圖像噪聲具有更大的強度。結果，SNR變為空間非均勻性的，這導致圖像質量的惡化，因此SNR的空間非均勻性在診斷時是不希望的。
另外，在諸如其它圖像診斷裝置那樣的醫學裝置或不同于使用表面線圈作為傳感器的MRI裝置的生物信息測量儀器中，如果在收集傳感器的空間非均勻靈敏度分布時得到的信號的強度被設置為恒定的，則在SNR以及噪聲中出現空間非均勻性，這可導致圖像質量或測量結果的惡化。

發明內容
本發明是考慮到常規的情況作出的，本發明的目的是提供一種數據校正裝置、數據校正方法、磁共振成像裝置和X射線CT裝置，它們可以通過用簡單的處理校正傳感器的空間非均勻靈敏度分布而同時保持SNR分布的空間均勻性，從而得到均勻的數據。
在實現該目標的一個方面中，本發明提供了一種數據校正裝置，包括靈敏度校正單元，被配置來通過使用用于獲取校正目標數據的傳感器的非均勻靈敏度分布對于根據校正目標數據得到的第一目標數據執行靈敏度校正而產生第一處理數據；和SNR分布校正單元，被配置成產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據校正目標數據得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合這些分量數據段產生第二處理數據。
在實現該目標的一個方面中，本發明還提供了一種數據校正方法，包括以下步驟通過使用用于獲取校正目標數據的傳感器的非均勻的靈敏度分布對于根據校正目標數據得到的第一目標數據執行靈敏度校正而產生第一處理數據；并且產生成分量數據段，每個分量數據段受到取決于SNR分布的相應的加權，并通過使用根據校正目標數據得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合這些分量數據段產生第二處理數據。
在實現該目標的一個方面中，本發明還提供了一種磁共振成像裝置，包括線圈；數據獲取單元，被配置成通過用作為傳感器的所述線圈獲取物體的磁共振圖像數據和k空間數據中的至少一項；靈敏度校正單元，被配置成通過對于使用所述線圈的非均勻的靈敏度分布根據磁共振圖像數據和k空間數據中的至少一項得到的第一目標數據執行靈敏度校正而產生第一處理數據；以及SNR分布校正單元，被配置成產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據磁共振圖像數據和k空間數據中的至少一項得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合分量數據段產生第二處理數據。
在實現該目標的一個方面中，本發明還提供了一種X射線CT裝置，包括X射線檢測器；數據獲取單元，被配置成通過用作為傳感器的所述X射線檢測器獲取物體的圖像數據和投影數據中的至少一項；靈敏度校正單元，被配置成通過對于使用所述X射線檢測器的非均勻的靈敏度分布根據圖像數據和投影數據中的至少一項得到的第一目標數據執行靈敏度校正而產生第一處理數據；以及SNR分布校正單元，被配置成產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據圖像數據和投影數據中的至少一項得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合分量數據段產生第二處理數據。
如上所述的數據校正裝置、數據校正方法、磁共振成像裝置和X射線CT裝置可以通過用簡單的處理校正傳感器的空間非均勻靈敏度分布而同時保持SNR分布的空間均勻性，從而得到均勻的數據。


在附圖中圖1是顯示根據本發明的第一實施例的數據校正裝置的功能性框圖；圖2是顯示由圖1所示的數據校正裝置對于從圖像診斷裝置獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖；圖3是顯示根據本發明的第二實施例的數據校正裝置的功能性框圖；圖4是顯示由圖3所示的數據校正裝置對于從圖像診斷裝置獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖；圖5是顯示根據本發明的第三實施例的數據校正裝置的功能性框圖；圖6是顯示由圖5所示的數據校正裝置對于從圖像診斷裝置獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖；圖7是顯示根據本發明的第四實施例的數據校正裝置的功能性框圖；圖8是顯示由圖7所示的數據校正裝置對于從圖像診斷裝置獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖；圖9是顯示根據本發明的一個實施例的磁共振成像裝置的結構圖；圖10是顯示由圖9所示的RF線圈的詳細結構的例子的圖；圖11是顯示圖10所示的WB線圈和相控陣線圈的示例性安排的截面圖；圖12是顯示圖1所示的計算機的功能性框圖；圖13是顯示由圖9所示的磁共振成像裝置獲取物體的圖像和隨后對于獲取的圖像執行關于各個表面線圈的靈敏度校正而同時保持SNR分布均勻性的過程的流程圖；圖14顯示由圖1所示的數據校正裝置在圖像校正的仿真中假設的靈敏度校正之后的理想的腹部圖像Sideal_scor；圖15顯示由圖1所示的數據校正裝置在圖像校正的仿真中使用的靈敏度校正之前的原始圖像Sorig；圖16顯示靈敏度分布ISsens，它被用來對于腹部的線圈及其輪廓的圖15所示的原始圖像Sorig進行靈敏度校正；圖17顯示通過對于腹部的線圈及其輪廓的圖15所示的原始圖像Sorig進行靈敏度校正而得到的腹部圖像Sideal_scor；圖18顯示噪聲分布noise_scor，它被用于在靈敏度校正后由圖1所示的數據校正裝置進行圖像校正的仿真；圖19顯示通過用均勻LSI濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行SNR校正而得到的圖像；圖20顯示通過用LSI濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行伴隨有加權的加法的SNR非均勻校正而得到的圖像；圖21顯示通過用均勻結構自適應濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行SNR校正而得到的圖像；圖22顯示通過用均勻結構自適應濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行伴隨有加權的加法的SNR非均勻校正而得到的圖像；圖23是顯示在由圖1所示的數據校正裝置執行圖像校正的仿真時通過改變平滑強度執行濾波操作的情況下，噪聲的標準差和RMSE的變化的圖；圖24是表示在由數據校正裝置進行靈敏度校正后和非均勻濾波前噪聲的非均勻分布和標準差的概念圖；圖25是表示通過用非均勻濾波對于圖24所示的噪聲的非均勻分布進行均勻化而得到的噪聲的分布和標準差的概念圖；圖26是顯示在數據校正裝置中的均勻濾波器的濾波器函數是Hanning函數的情況下的例子的圖；圖27是顯示在圖1所示的數據校正裝置中的濾波器單元中均勻濾波器的平滑強度最佳的濾波的情況下的處理流的流程圖；圖28是顯示根據本發明的一個實施例的X射線CT裝置的結構圖；以及圖29是表示在圖28所示的X射線CT裝置的成像區域中的位置與從每個X射線檢測器輸出的X射線檢測信號的強度之間的關系的圖。
具體實施例方式
現在參照附圖描述根據本發明的實施例的數據校正裝置、數據校正方法、磁共振成像裝置和X射線CT裝置。
圖1是顯示根據本發明的第一實施例的數據校正裝置的功能性框圖。
數據校正裝置1由讀取程序的計算機構成。應當指出，數據校正裝置1整個或一部分可以由電路構成。數據校正裝置1包括靈敏度校正單元2、SNR分布獲取單元3、濾波器單元4和加權相加單元5。因此，這些單元通過對于由諸如圖像診斷裝置的醫學裝置和用于活體信息的測量裝置獲取的數據執行傳感器的空間非均勻靈敏度分布的校正處理而同時保持SNR分布的空間均勻性，從而為數據校正裝置1提供了獲取均勻數據的功能。
用于收集作為校正目標的數據的醫學裝置的例子包括生物信息測量儀器，諸如腦電圖、心電圖、和同步示波器，和圖像診斷裝置，諸如超聲診斷裝置、X射線診斷裝置、X射線CT裝置、磁共振成像裝置、或核醫學診斷裝置。磁共振成像裝置的傳感器是線圈。X射線診斷裝置、X射線CT裝置、和諸如SPECT(單光予放射計算的層析X射線照影術)或PET(正電子放射計算的層析X射線照影術)的核醫學診斷裝置的每個傳感器是一個檢測單元。X射線診斷裝置、X射線CT裝置、或核醫學診斷裝置的檢測單元具有包括直接變換型和間接變換型的類型。對于任一種類型，檢測單元具有非均勻的靈敏度，需要執行靈敏度校正。超聲診斷裝置的傳感器是配備有多個超聲換能器的探頭。
根據數據校正裝置1，不僅僅是由圖像診斷裝置收集的圖像數據，而且還有由于傳感器的非均勻靈敏度分布需要靈敏度校正的各種數據，都可被設置為校正目標。例如，當用于收集校正目標數據的醫學裝置是磁共振成像裝置時，不僅僅MR圖像數據，而且還有k空間數據都可被設置為校正目標。另外，當用于收集校正目標數據的醫學設是X射線CT裝置時，不僅僅X射線CT圖像數據，而且還有投影數據都可被設置為校正目標。
然后，作為數據校正裝置1的校正目標的數據可被設置為任意維的數據。例如，一維數據、二維數據、三維數據、或代表空間位置和時間的四維數據可被設置為數據校正裝置1的校正目標。具有時間維度的數據的例子包括在腦電圖、心電圖、同步示波器、或超聲診斷裝置中得到的具有時間軸的數據。另外，在MRI裝置中通過使用T1弛豫(縱向弛豫)時間差得到的T1加權的圖像數據和通過使用T2弛豫(橫向弛豫)時間差得到的T2加權的圖像數據也是具有時間維度的數據的例子。T1加權的圖像數據和T2加權的圖像數據隨時間消逝而衰減。如果執行線圈的靈敏度校正，則噪聲變為在時間上非均勻的。為此，也需要在時間軸方向對數據執行校正處理。
此后，將給出作為校正目標的數據是在圖像診斷裝置6中收集的圖像數據的例子的說明。圖像診斷裝置6包括傳感器7、圖像數據獲取單元8、圖像數據存儲單元9、靈敏度地圖存儲單元10、和顯示單元11。傳感器7被配置成在由圖像數據獲取單元8的控制下檢測數據，并且把檢測的數據提供到圖像數據獲取單元8。
圖像數據獲取單元8配備有通過控制傳感器7收集數據和從收集的數據生成圖像數據的功能。圖像數據存儲單元9包括存儲由圖像數據獲取單元8生成的圖像數據的功能。靈敏度地圖存儲單元10具有存儲代表傳感器7的空間或時間靈敏度分布的靈敏度地圖的功能。顯示單元11包括顯示器，并具有在顯示器上顯示從圖像數據存儲單元9讀出的圖像數據的功能。
被存儲在靈敏度地圖存儲單元10中的靈敏度地圖可以根據任意方法通過估計或測量而得到。特別地，通過對于使用傳感器7的靈敏度地圖測量值執行數據收集，也可以根據收集的數據生成靈敏度地圖。
數據校正裝置1的靈敏度校正單元2具有從圖像數據存儲單元9獲取作為靈敏度校正的目標的原始圖像數據的功能，還具有從靈敏度地圖存儲單元10獲取要被使用于靈敏度校正的靈敏度地圖，以便在使用靈敏度地圖存儲單元時通過對原始圖像數據進行靈敏度校正而得到靈敏度校正圖像數據的功能，以及具有把這樣得到的靈敏度校正圖像數據提供給濾波器單元4和加權相加單元5的功能。
SNR分布獲取單元3具有獲取或估計連同根據任意方法對于原始圖像數據的靈敏度校正一起生成的SNR的分布，以便把有關SNR的分布信息提供到加權相加單元5。有關SNR的分布信息例如可被設置為代表SNR的分布的SNR分布窗口。有關SNR的分布信息可以從被存儲在靈敏度地圖存儲單元10中的靈敏度地圖被估計出來。鑒于以上內容，SNR分布獲取單元3具有從靈敏度地圖存儲單元10獲取靈敏度地圖的功能。
另外，有關SNR的分布信息也可以通過相對于原始圖像數據或在靈敏度校正后作為非均勻分布SNR的校正目標的靈敏度校正圖像數據執行諸如低通濾波和閾值處理那樣的各種圖像處理而被計算出來。另外，作為另一個例子，通過把作為校正目標的原始圖像數據與分開地獲取的影像的圖像數據進行比較，也可以得到有關SNR的分布信息。所以，SNR分布獲取單元3也可以具有用于計算有關SNR的這種分布信息的圖像處理功能。除了這個功能以外，SNR分布獲取單元3可以具有測量SNR的分布的功能或輸入先前測量的SNR的分布的功能。
濾波器單元4具有通過使用均勻濾波器對從靈敏度校正單元2接收的靈敏度校正圖像數據或通過靈敏度校正圖像數據的變換得到的靈敏度校正數據執行濾波處理而生成濾波后的圖像數據或濾波數據的功能，以及把這樣生成的濾波后的圖像數據或通過濾波數據的變換得到的濾波后的圖像數據提供給加權相加單元5的功能。具有互相不同的濾波強度的任意數目的均勻濾波器在必要時被提供給濾波器單元4。然后，濾波器單元4被配置為生成受到基于均勻濾波器的濾波處理的單個濾波圖像數據或受到基于具有互相不同的濾波強度的均勻濾波的濾波處理的多段濾波圖像數據。
這里，作為濾波處理目標的靈敏度校正圖像數據已經受到靈敏度校正，因此SNR是在空間上或時間上非均勻的。然而，均勻濾波器可以由要被施加到其SNR假設為恒定的數據的通用的普通濾波器組成。即，其特性可被看作為在大的意義上在空間和/或時間上是均勻的幾乎所有濾波器都可以作為均勻濾波器被應用。例如，每個具有均勻核心(濾波強度)、具有在時間上和空間上不變的強度的線性濾波器，或者其核心根據數據結構被確定的結構自適應型濾波器，都可以構成均勻濾波器。
另外，作為濾波處理目標的數據可以是在MRI裝置中得到的、在r空間(實空間)上的實空間數據或在k空間上的k空間數據。當k空間數據被設置為濾波處理目標時，靈敏度校正圖像數據通過FT(傅立葉變換)被變換成靈敏度校正k空間數據，并且靈敏度校正k空間數據變為濾波處理目標。然后，濾波處理k數據在濾波處理后通過FT被變換成要被提供給加權相加單元5的濾波后的圖像數據。
而且，提出了其中頻帶通過應用Frenel變換被分割的特定的FREBAS(Frenel變換頻帶分割)空間以及其中濾波器強度被確定為使得SNR變為在處理空間中最佳的SNR自適應型Wiener濾波器。Wiener濾波器可以設置通過不同于FREBAS空間的小波變換劃分傅立葉空間或實空間為處理空間而得到的空間。特別地，如果FREBAS空間被設置為Wiener濾波器的處理空間，則加到FREBAS空間的數據的均勻濾波器的核心可以通過監視噪聲被適當地確定，鑒于上述內容，靈敏度校正圖像數據被變換成靈敏度校正FREBAS空間數據，受到基于Wiener濾波器的濾波處理的濾波處理FREBAS空間數據被變換成濾波后的圖像數據，它可被提供到加權相加單元5。FREBAS空間是被用于基于多分辨率分析方法的分析的空間，該多分辨率分析方法使用Frenel變換的多個解或頻帶分割作為用于SNR的一個改進方法。
應當指出，結構自適應濾波器的細節在Chen，H.G.，A.Li，L.Kaufman，和J.Hale，“A fast filtering algorithm for imageenhancement”，IEEE Trans.Medical Imaging 13(3)557-564(1994)中描述。Wiener濾波器的細節在Ito S，Yamada Y，“Use of Dual FresnelTransform Pairs to Improve Signal-to-Noise Ratio in MagneticResonance Imaging”，Med Imag Tech 19(5)，355-368(2001)中描述。
加權相加單元5具有對于從濾波器單元接收的單個或多個濾波后的圖像數據段和在濾波處理之前從靈敏度校正單元2接收的靈敏度校正圖像數據根據諸如從SNR分布獲取單元3接收的SNR分布窗口那樣的SNR分布信息執行加權相加，以生成基本上等價于受到基于非均勻濾波器的濾波處理的圖像數據的非均勻性濾波后的圖像數據的功能以及把這樣生成的非均勻性濾波后的圖像數據寫入到圖像診斷裝置6的圖像數據存儲單元9的功能。應當指出，在濾波處理之前的靈敏度校正圖像數據沒有被設置為加權相加的目標，而只有從濾波器單元4接收的多個濾波后的圖像數據段可被設置為加權相加的目標。換句話說，受到具有不同的強度的濾波的、多個濾波后的圖像數據段可被設置為加權相加的目標。
接著，將給出數據校正裝置1的操作和動作的說明。
圖2是顯示由圖1所示的數據校正裝置1對于從圖像診斷裝置6獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖。在圖2中帶有S和數字的符號表示流程圖的每個步驟。
首先，圖像數據預先被收集在圖像診斷裝置6中。即，根據來自圖像數據獲取單元8的控制，用于圖像生成的數據由傳感器7檢測。檢測的數據從傳感器7被提供到圖像數據獲取單元8，并且圖像數據獲取單元8從這個數據生成圖像數據。然后，所生成的圖像數據被寫入到圖像數據存儲單元9，并作為原始圖像數據Sorig被存儲。同時，根據任意方法估計或測量傳感器7的時間和/或空間靈敏度分布。這樣得到的傳感器7的靈敏度分布被寫入到靈敏度地圖存儲單元10，并作為靈敏度地圖Isens被存儲。
然后，在步驟S1，SNR分布獲取單元3從靈敏度地圖存儲單元10獲取被使用于靈敏度校正的靈敏度地圖Isens，并根據靈敏度地圖Isens得到有關SNR的分布信息。有關SNR的分布信息被設置為加權函數Wsnr，作為SNR分布窗口，并且把加權函數Wsnr提供到加權相加單元5。
如果靈敏度地圖Isens在空間上以x方向、y方向、和z方向的三維方式分布，則靈敏度地圖Isens可被歸一化，并被表示為Isens(x，y，z)。在圖像診斷裝置6是MRI裝置的情況下，靈敏度地圖Isens(x，y，z)變為代表線圈靈敏度分布的實空間(r空間)數據。
代表SNR的分布的加權函數Wsnr(x，y，z)可以通過各種方法從傳感器7的歸一化靈敏度地圖Isens得到。例如，在只有傳感器7的靈敏度地圖Isens(x，y，z)的最大值max[Isens(x，y，z)]被標準化且加權函數Wsnr(x，y，z)的最大值被設置為1的情況下，加權函數Wsnr(x，y，z)可以根據公式(1)被確定。
Wsnr(x，y，z)＝Isens(x，y，z )/max[Isens(x，y，z)](1)其中Wsnr(x，y，z)加權函數(SNR分布函數)。
另外，例如，在加權函數Wsnr(x，y，z)的最大值被設置為1，并且加權函數Wsnr(x，y，z)的最小值被設置為0的情況下，也使用傳感器7的靈敏度地圖Isens(x，y，z)的最小值min[Isens(x，y，z)]，由此可以根據公式(2)確定加權函數Wsnr(x，y，z)。
Wsnr(x，y，z)＝{Isens(x，y，z)-min[Isens(x，y，z)]}/{max[Isens(x，y，z)]-min[Isens(x，y，z)]}(2)另外，在MRI裝置中，當通過使用多個多重線圈執行并行成像(PI)并且原始圖像數據Sorig在來自多重線圈的信號被展開時被合成時，可以從被規定來用于確定在考慮具有線圈獨立性的多重線圈的靈敏度或通過信號展開的合成的影響的情況下的噪聲分布的g因子分布g(x，y，z)得到由公式(3)表示的加權函數Wsnr(x，y，z)。
Wsnr(x，y，z)＝1/g(x，y，z)(3)接著，在步驟S2，靈敏度校正單元2從圖像數據存儲單元9獲取作為靈敏度校正的目標的原始圖像數據Sorig，另一方面，從靈敏度地圖存儲單元10獲取被使用于靈敏度校正的靈敏度地圖Isens，并使用所獲取的靈敏度地圖Isens對原始圖像數據Sorig執行傳感器7的靈敏度校正，由此得到靈敏度校正圖像數據Sscor。然后，靈敏度校正單元2把這樣得到的靈敏度校正圖像數據Sscor提供到濾波器單元4和加權相加單元5。
靈敏度校正圖像數據Sscor可以根據公式(4)被生成。
Sscor(x，y，z)＝Sorig(x，y，z)/Isens(x，y，z)(4)其中Isens(x，y，z)靈敏度地圖數據Sorig(x，y，z)原始圖像數據(在靈敏度校正之前的圖像數據)，以及Sscor(x，y，z)靈敏度校正后的圖像數據接著，在步驟S3，濾波器單元4使用均勻濾波器對于通過靈敏度校正圖像數據Sscor的變換在k空間或FREBAS空間上得到的靈敏度校正數據，或對于從靈敏度校正單元2接收的靈敏度校正數據執行濾波處理，由此生成濾波后的圖像數據Sscor.fil或濾波后的數據。當生成不同于濾波后的圖像數據Sscor.fil的濾波后的數據時，濾波的數據被轉換成濾波后的圖像數據Sscor.fil。
然后，濾波器單元4把這樣得到的濾波后的圖像數據Sscor.fil提供給加權相加單元5。結果，加權相加單元5至少具有在濾波處理之前的靈敏度校正圖像數據和在濾波處理之后的濾波圖像數據Sscor.fil。在根據在濾波器單元4中的不同的強度的濾波生成多個濾波后的圖像數據Sscor.fil段的情況下，與濾波強度的類型數相同個數的濾波后的圖像數據Sscor.fil段被提供給加權相加單元5。
這里，將給出最簡單的計算例子的說明，同時假設靈敏度校正圖像數據Sscor由兩個分量組成，僅僅具有壞的SNR的分量才通過濾波器單元4的濾波被平滑。實際上，僅僅具有壞的SNR的分量被平滑就足夠了。
當H表示濾波器算子時，濾波后的圖像數據Sscor.fil可以得到圖像數據，其中平滑濾波器根據公式(5)被施加到整個靈敏度校正圖像數據Sscor。
Sscor.fil(x，y，z)＝H[Sscor(x，y，z)](5)接著，在步驟S4，加權相加單元5從SNR分布獲取單元3接收根據SNR分布的加權函數Wsnr，并使用加權函數Wsnr合成從濾波器單元4接收的單個或多個濾波后的圖像數據Sscor.fil段，以及通過加權相加從靈敏度校正單元2接收的、在濾波處理之前的靈敏度校正圖像數據Sscor，由此生成非均勻性濾波圖像數據Sscor.nonuni.fil。
使用加權函數Wsnr的加權如公式(6-1)和公式(6-2)所示地被執行。即，加權被如此應用，使得僅僅對具有壞的SNR的分量執行濾波。作為這種加權的結果，靈敏度校正圖像數據Sscor基本上被劃分成具有好的SNR的分量Sscor.h(x，y，z)和具有壞的SNR的濾波的分量Sscor.l.fil(x，y，z)。
Sscor.h(x，y，z)＝Wsnr(x，y，z)*Sscor(x，y，z)(6-1)Sscor.l.fil(x，y，z)＝{1-Wsnr(x，y，z)}*Sscor.fil(x，y，z)(6-2)
隨后，具有好的SNR的分量Sscor.h(x，y，z)和具有壞的SNR的濾波后的分量Sscor.l.fil(x，y，z)這兩個分量如公式(7)所示地互相合成，由此得到受到非均勻SNR校正濾波處理的圖像數據(非均勻性濾波后的圖像數據)Sscor.nonuni.fil(x，y，z)作為最終校正圖像。
Sscor.nonuni.fil(x，y，z)＝ Sscor.h(x，y，z)+Sscor.l.fil( x，y，z)(7)這樣得到的非均勻性濾波后的圖像數據Sscor.nonuni.fil被寫入到圖像診斷裝置6的圖像數據存儲單元9。此后，顯示單元11在顯示器上顯示從圖像數據存儲單元9讀出的非均勻性濾波后的圖像數據Sscor.nonuni.fil。結果，用戶可以確認非均勻性濾波后的圖像數據Sscor.nonuni.fil已受到靈敏度校正，使得SNR分布變為均勻的。
應當指出，只有由具有不同強度的均勻濾波器濾波的濾波圖像數據Sscor.fil可被設置為加權相加的目標。換句話說，作為加權相加的目標的具有好的SNR的分量Sscor.h(x，y，z)的濾波強度可被設置為不同于0的強度。在這種情況下，靈敏度校正圖像數據Sscor不從靈敏度校正單元2提供到加權相加單元5。
換句話說，具有上述結構的數據校正裝置1適配于使用有關諸如線圈那樣的傳感器7的靈敏度的空間分布或時間分布的估計或測量的信息，通過根據靈敏度非均勻性的程度對于諸如圖像數據的在靈敏度校正后的數據進行主要是平滑的具有不同強度的均勻濾波，而生成多個數據段，并且根據SNR分布信息對于這樣生成的數據段進行互相加權相加，以使得SNR和平滑強度具有相反的相關性。即，對于濾波，不是使用在SNR分布恒定的情況下用于數據的通常的濾波器，對于具有小的SNR的數據進行這樣的相加，使得用強平滑的數據的權重變為大的，相反，用弱平滑的數據的權重變為小的。應當指出，其中沒有執行濾波處理的數據可被看作為其中執行具有零強度的濾波處理的數據。
為此，根據數據校正裝置1，傳感器7的空間非均勻靈敏度分布的校正通過簡單的處理被執行，而同時保持SNR分布的空間均勻性，由此，有可能得到均勻圖像數據。
至今為止，如上所述，當對于數據執行靈敏度校正時，有一個問題即SNR分布變為非均勻的。為了克服這個問題，可以考慮通過使用具有變化的空間加權的濾波器對于數據進行平滑。在這種情況下，為了確定濾波器的加權因子，必須通過從原始圖像中提取低頻分量得到噪聲分布或通過分開的預掃描事先得到噪聲分布。例如，在MRI裝置中，可以使用通過預掃描測量的線圈的靈敏度分布和根據多線圈的獨立性確定的、被稱為g因子的噪聲分布。然后，可以考慮根據實際空間中噪聲分布函數平滑地改變濾波器的加權因子的方法。
然而，根據改變實際空間中濾波器的加權因子的方法，即，按需要時根據噪聲分布函數的核心，有一個問題即處理和濾波器結構被復雜化。特別地，當濾波器的支撐尺寸很大時，出現處理時間增加，并且用于圖像邊緣的處理變為復雜化。另外，根據這個方法，非均勻SNR可以被校正，但很難得到諸如最佳濾波器權重分布或平滑強度那樣的參數，并且很難使得濾波器權重分布最佳地遵循對于每個數據變化的SNR分布。
相反，圖1所示的數據校正裝置1采用一種校正方法，其中數據以簡單的處理被校正，諸如使用通常的均勻濾波器的濾波而同時具有均勻SNR分布的數據被設置為加權相加的目標，而不是根據SNR分布逐個情況地改變濾波器的核心。均勻濾波器是使用同一個核心的高通用性的濾波器，其中不必涉及到空間或時間的SNR分布。
另外，即使在具有同一平滑強度的均勻濾波器被用于作為濾波目標的某些數據時，分別以不同的平滑強度進行濾波的多個數據段根據濾波處理后的SNR分布進行加權相加，所以，當考慮通過相加得到的每個數據時，平滑強度根據SNR具有空間分布和時間分布。所以，通過使用均勻濾波器，可以執行等價于由根據空間或時間分布的SNR來改變核心強度的非均勻濾波器進行的濾波的濾波。
為此，不必使用其它分步濾波器用于預處理和調節，所以，有可能通過使用單一類型的均勻濾波器進行濾波而提供最佳圖像。結果，根據數據校正裝置1，不僅僅濾波器結構是相對較簡單的，濾波器的安裝是相對較容易的，而且可以執行高速度處理。換句話說，根據數據校正裝置1，可以避免諸如上述的濾波器結構的復雜性和處理時間增加那樣的問題。
另外，如果結構自適應濾波器、由Wiener濾波器代表的SNR自適應濾波器、和通過組合結構自適應濾波器和SNR自適應濾波器而得到的濾波器適配于在數據校正裝置1中使用的均勻濾波器，則可以最佳地控制濾波器特性，而同時吸收目標數據的SNR分布的變化。
應當指出，如果數據濾波是使用簡單的線性空間不變(LSI)濾波器被執行的，則在濾波處理后出現空間分辨率的惡化，因此可能生成空間或時間非均勻數據。
鑒于上述內容，特別地，如果其中空間分辨率的惡化可被最小化的濾波器，即諸如Wiener濾波器那樣的濾波器，或其中圖像空間不被劃分成多個段且實空間基本上被保留，并同時考慮噪聲分布的結構自適應濾波器被用于均勻濾波器，則即使對于其中SNR有空間分布或時間分布的數據，也可以避免諸如在濾波處理后空間分辨率惡化那樣的上述問題。另外，如果根據SNR的空間分布或時間分布使用諸如結構自適應濾波器或Wiener濾波器那樣的濾波器，則SNR可被改進。
對于在MRI裝置中得到的數據的濾波處理不僅僅可以在r-空間而且也可以在k-空間中執行。為此，特別地，當通過使用MRI裝置中的多線圈執行作為高速成像方法的并行成像時，可以實現處理時間的縮短。例如，在執行諸如GRAPPA(通用自動校準局部并行獲取)那樣的、在k空間執行數據處理的類型的SMASH(同步獲取空間諧波)型的處理的情況下，濾波處理可以在k空間執行，因此可以進行高速處理。另外，即使在執行根據SENSE(靈敏度編碼)型的處理時，用于執行FFT(快速傅立葉變換)的倍數是2，因此處理速度總的來說是高的。
這樣，均勻濾波器是易于用于復空間中的處理，并且在低SNR部分SNR改進性能方面優于在絕對值空間中的處理，所以，它相對于其中在r空間中很難進行復雜的數據處理的MRI裝置在安裝方面是有利的。
而且，數據校正裝置1可以在傳感器7上對于其中SNR在時間上和空間上是恒定的正常的數據進行靈敏度校正。這是因為當靈敏度是平坦時受到濾波的各個數據的加權因子變為恒定的，以及僅僅通過均勻濾波器的濾波數據變為在靈敏度校正后的數據。為此，如果在數據校正裝置1中執行的處理中可以得到傳感器7的靈敏度分布，則不必考慮關于靈敏度分布是否恒定的靈敏度分布的狀態。所以，在濾波器安裝方面的可使用性是很高的。
圖3是顯示根據本發明的第二實施例的數據校正裝置的功能性框圖。
在圖3所示的數據校正裝置1A中，包括數據劃分單元12和相加單元13而不是加權相加單元5，其結構不同于圖1所示的數據校正裝置1的結構。數據校正裝置1A的其它結構和操作基本上與圖1所示的數據校正裝置1的結構和操作沒有不同。所以，相同的附圖標記被附加到與數據校正裝置1相同的部件，并省略它們的說明。
具體地，數據校正裝置1A除了靈敏度校正單元2、SNR分布獲取單元3和濾波器單元4以外，還包括數據劃分單元12和相加單元13。然后，靈敏度校正單元2被配置成把靈敏度校正圖像數據提供到數據劃分單元12，SNR分布獲取單元3被配置成把有關SNR的分布信息提供到數據劃分單元12。
數據劃分單元12具有根據與從SNR分布獲取單元3得到的圖像數據有關的、關于SNR的分布信息，從靈敏度校正單元3獲取的靈敏度校正數據生成多個靈敏度校正圖像分量數據段的功能，以及把這樣生成的靈敏度校正圖像分量數據的一部分提供到濾波器單元4并把靈敏度校正圖像分量數據的其余部分或另一個部分提供到相加單元13的功能。更具體地說，數據劃分單元12使用加權相加函數把靈敏度校正數據在圖像空間上劃分成具有較大的SNR的靈敏度校正圖像分量數據和具有較小的SNR的靈敏度校正圖像分量數據。單個或多個具有較大的SNR的靈敏度校正圖像分量數據被提供到相加單元13，另一方面，單個或多個具有較小的SNR的靈敏度校正圖像分量數據被提供到濾波器單元4。
濾波器單元4被配置成使用均勻濾波器對具有較小的SNR的靈敏度校正圖像分量數據或通過具有較小的SNR的靈敏度校正圖像分量數據的變換得到的靈敏度校正分量數據執行濾波，由此生成濾波后的圖像數據或濾波數據。然后，這樣生成的濾波后的圖像數據或通過濾波數據的變換得到的濾波后的圖像數據被提供到相加單元13。
相加單元13具有通過從數據劃分單元12接收的靈敏度校正圖像分量數據與從濾波器單元4接收的濾波后的圖像數據的用于合成的相加，生成基本上等價于受到使用非均勻濾波器的濾波處理的圖像數據的非均勻性濾波后的圖像數據的功能，以及把這樣生成的非均勻性濾波后的圖像數據寫入到圖像診斷裝置6的圖像數據存儲單元9的功能。
接著，將給出數據校正裝置1A的操作和動作的說明。
圖4是顯示由圖3所示的數據校正裝置1A對于從圖像診斷裝置6獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖。在圖4上包括S和數字的符號表示流程圖的每個步驟。應當指出，相同的附圖標記被附加到等價于圖2所示的流程圖的步驟的每個步驟，并且等價的步驟的詳細說明被省略。
首先，在步驟S1，SNR分布獲取單元3根據從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens計算加權函數Wsnr，并且把這樣得到的加權函數Wsnr提供到數據劃分單元12。這個加權函數Wsnr(x，y，z)可以根據如上所述的各種方法得到。然后，這樣的得到的加權函數Wsnr(x，y，z)在數據劃分單元12中被使用來根據SNR分布劃分數據。
接著，在步驟S2，靈敏度校正單元2使用從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens，對于從圖像數據獲取單元9獲取的原始圖像數據Sorig執行靈敏度校正，由此得到靈敏度校正圖像數據Sscor。然后，靈敏度校正單元2把這樣得到的靈敏度校正圖像數據Sscor提供到數據劃分單元12。
靈敏度校正圖像數據Sscor(x，y，z)可以根據公式(8)被生成。
Sscor(x，y，z)＝Sorig(x，y，z)/Isens( x，y，z )(8)接著，在步驟S10，數據劃分單元12使用從SNR分布獲取單元3獲取的加權函數Wsnr，根據SNR的大小把從靈敏度校正單元2接收的靈敏度校正圖像數據劃分成多個靈敏度校正圖像分量數據段。然后，數據劃分單元12把具有較大的SNR的靈敏度校正圖像分量數據Sscor.h提供到相加單元13，另一方面，把具有較小的SNR的靈敏度校正圖像分量數據Sscor.l提供到濾波器單元4。
靈敏度校正圖像數據Sscor(x，y，z)通過使用加權函數Wsnr(x，y，z)的窗口的分量劃分可以根據公式(9-1)和公式(9-1)進行。根據公式(9-1)和公式(9-1)，靈敏度校正圖像數據Sscor(x，y，z)被劃分成兩個數據，靈敏度校正圖像分量數據Sscor.h(x，y，z)和靈敏度校正圖像分量數據Sscor.l(x，y，z)。
Sscor.h(x，y，z)＝Sscor(x，y，z)*Wsnr(x，y，z)(9-1)Sscor.l(x，y，z)＝ Sscor(x，y，z)*{1-Wsnr(x，y，z)}(9-2)應當指出，Sscor.h(x，y，z)是具有良好的SNR的靈敏度校正圖像分量數據，以及Sscor.l(x，y，z)是具有壞的SNR的靈敏度校正圖像分量數據。
接著，在步驟S3，濾波器單元4使用均勻濾波器對從數據劃分成單元12接收的具有小的SNR的靈敏度校正圖像分量數據Sscor.l或通過靈敏度校正圖像分量數據Sscor.l的變換得到的靈敏度分量數據進行濾波處理，由此生成濾波處理的圖像分量數據Sscor.l.fil或濾波處理的分量數據。
即，例如，公式(10)所示的平滑濾波器只施加到具有壞的SNR的靈敏度校正圖像分量數據Sscor.l(x，y，z)，由此生成濾波處理的圖像分量數據Sscor.l.fil(x，y，z)。
Sscor.l.fil(x，y，z)＝H[Sscor.l(x，y，z)](10)其中H表示濾波器算子。
然后，濾波器單元4把得到的濾波處理的圖像分量數據Sscor.l.fil或通過濾波處理分量數據的變換得到的濾波處理的圖像分量數據Sscor.l.fil提供到相加單元13。
接著，在步驟S11，相加單元13把從數據劃分單元12接收的具有大的SNR的靈敏度校正圖像分量數據Sscor.h與從濾波器單元4接收的濾波處理的圖像分量數據Sscor.l.fil相加，用于合成，由此生成非均勻性濾波后的圖像數據Sscor.nonuni.fil。
這個合成處理可以根據公式(11)進行。
Sscor.nonuni.fil(x，y，z)＝Sscor.h(x，y，z)+Sscor.l.fil(x，y，z)(11)即，具有良好的SNR的靈敏度校正圖像分量數據Sscor.h(x，y，z)和受到濾波的、具有壞的SNR的靈敏度校正圖像分量數據Sscor.l(x，y，z)被互相合成，由此計算非均勻性濾波后的圖像數據Sscor.nonuni.fil(x，y，z)作為最終校正圖像。
然后，非均勻性濾波后的圖像數據Sscor.nonuni.fil被寫入到圖像診斷裝置6的圖像數據存儲單元9，并且在顯示單元11的顯示器上顯示。
換句話說，上述的數據校正裝置1A根據SNR的大小在圖像空間上對于靈敏度校正后的圖像數據進行加權劃分，具有小的SNR的圖像數據段由均勻濾波器以不同的強度進行濾波，由此合成劃分的圖像數據。如果具有實空間中足夠小的支撐尺寸的核心根據均勻濾波器被用于濾波，則即使在首先進行濾波處理和加權劃分的任一項時，包括濾波處理的處理和對于數據的加權劃分是幾乎近似等價的。所以，根據數據校正裝置1A，可以得到與圖1所示的數據校正裝置1的相同的效果。
圖5是顯示根據本發明的第三實施例的數據校正裝置的功能性框圖。
在圖5所示的數據校正裝置1B中，處理的次序是與圖1所示的數據校正裝置1的次序不同的。數據校正裝置1B的其它結構和操作與圖1所示的數據校正裝置1基本上沒有差別。所以，相同的附圖標記被附加到與數據校正裝置1相同的部件，并省略它們的說明。
數據校正裝置1B配備有靈敏度校正單元2、SNR分布獲取單元3、濾波器單元4和加權相加單元5。
濾波器單元4具有從圖像數據存儲單元9獲取作為靈敏度校正的目標的原始圖像數據的功能，通過使用均勻濾波器對原始圖像數據或通過原始圖像數據的變換得到的原先的數據執行濾波處理而生成濾波處理的原始圖像數據或濾波處理的原先的數據的功能，以及把這樣生成的濾波處理的原始圖像數據或通過濾波處理的原先的數據的變換得到的濾波處理的原始圖像數據提供到加權相加單元5的功能。
加權相加單元5具有對于從圖像數據存儲單元9獲取的原始圖像數據和從濾波器單元4接收的濾波處理的原始圖像數據根據從SNR分布獲取單元3接收的SNR分布信息執行加權相加，以生成非均勻濾波后的原始圖像數據的功能，以及把這樣生成的非均勻性濾波后的原始圖像數據提供到靈敏度校正單元2的功能。
靈敏度校正單元2具有從靈敏度地圖存儲單元10獲取要被用于靈敏度校正的靈敏度地圖，并使用獲取的靈敏度地圖對從加權相加單元5接收的非均勻濾波后的原始圖像數據進行靈敏度校正而生成非均勻性濾波后的圖像數據的功能，并具有把這樣得到的非均勻性濾波后的圖像數據寫入到圖像診斷裝置6的圖像數據存儲單元9的功能。
接著，將給出數據校正裝置1B的操作和動作的說明。
圖6是顯示由圖5所示的數據校正裝置1B對于從圖像診斷裝置6獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖。在圖6上包括S和數字的符號表示流程圖的每個步驟。在圖6上，相同的附圖標記將給予等價于圖2所示的流程圖的步驟的每個步驟，并且將概略地給出它們的說明。所以，附圖標記與處理的次序不一致。
首先，在步驟S1，SNR分布獲取單元3根據從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens計算加權函數Wsnr，并且把這樣得到的加權函數Wsnr提供到加權相加單元5。
接著，在步驟S3，濾波器單元4從圖像數據獲取單元9獲取作為靈敏度校正的目標的原始圖像數據Sorig，并通過使用均勻濾波器對于獲取的原始圖像數據Sorig或通過原始圖像數據Sorig的變換得到的原先的數據執行濾波處理，由此生成濾波的原始圖像數據Sorig.fil或濾波后的原始數據。
即，例如，如公式(12)所示，平滑濾波器被施加到整個原始圖像數據Sorig(x，y，z)，由此生成濾波后的原始圖像數據Sorig.fil(x，y，z)。
Sorig.fil(x，y，z)＝H[Sorig(x，y，z)](1 2)其中H表示濾波器算子。
然后，濾波器單元4把濾波后的原始圖像數據Sorig.fil或通過濾波后的原始數據的變換得到的濾波后的原始圖像數據Sorig.fil提供到加權相加單元5。
接著，在步驟S4，加權相加單元5使用從SNR分布獲取單元3接收的加權函數Wsnr對從圖像數據存儲單元9獲取的原始圖像數據Sorig和從濾波器單元4接收的濾波后的原始圖像數據Sorig.fil執行加權相加，用于合成，由此生成非均勻濾波后的原始圖像數據Sorig.nonuni.fil。
即，首先，如公式(13-1)和公式(13-2)表示的，加權函數Wsnr(x，y，z)被用來從原始圖像數據Sorig(x，y，z)生成具有良好的SNR的Sorig.h(x，y，z)，并通過使用濾波后的原始圖像數據Sorig.fil(x，y，z)生成具有壞的SNR的濾波的分量Sorig.l.fil(x，y，z)。即，加權因子被施加到濾波后的原始圖像數據Sorig.fil(x，y，z)，它被濾波以生成具有壞的SNR的分量Sorig.l.fil(x，y，z)。
Sorig.h(x，y，z)＝Wsnr(x，y，z)*Sorig(x，y，z) (13-1)Sorig.l.fil(x，y，z )＝(1-Wsnr(x，y，z)}*Sorig.fil(x，y，z)(13-2)接著，如公式(14)表示的，兩個分量Sorig.h(x，y，z)和Sorig.l.fil(x，y，z)被合成，由此得到非均勻濾波后的原始圖像數據Sorig.nonuni.fil(x，y，z)作為關于SNR的校正圖像。
Sorig.nonuni.fil(x，y，z)＝ Sorig.h(x，y，z)+Sorig.l.fil(x，y，z)(14)這樣，對具有良好的SNR的分量和具有壞的SNR的濾波的分量進行加權，用于合成，由此生成非均勻濾波后的原始圖像數據Sorig.nonuni.fil。然后，加權相加單元5把這樣生成的非均勻濾波后的圖像數據Sorig.nonuni.fil提供到靈敏度校正單元2。
接著，在步驟S1，靈敏度校正單元2通過使用從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens對于從加權相加單元5接收的非均勻濾波后的圖像數據Sorig.nonuni.fil進行靈敏度校正，由此得到非均勻性濾波后的圖像數據Sscor.nonuni.fil。
如公式(15)表示的，通過使用靈敏度地圖Isens(x，y，z)進行靈敏度校正，受到非均勻SNR校正濾波處理的、在靈敏度校正后的圖像，即，非均勻性濾波的圖像數據Sscor.nonuni.fil根據非均勻濾波后的原始圖像數據Sorig.nonuni.fil(x，y，z)進行計算。
Sscor.nonuni.fil(x，y，z)＝Sorig.nonuni.fil(x，y，z)/Isens(x，y，z)(15)然后，靈敏度校正單元2把非均勻性濾波后的圖像數據Sscor.nonuni.fil寫入到圖像診斷裝置6的圖像數據存儲單元9。此后，顯示單元11在顯示器上顯示從圖像數據存儲單元9讀出的非均勻性濾波的圖像數據Sscor.nonuni.fil。
換句話說，上述的數據校正裝置1B適配于在對圖像數據以不同的強度進行濾波處理和加權相加之后進行靈敏度校正。這樣，即使在在校正之前對圖像數據進行濾波處理和加權相加，并且最后進行靈敏度校正時，SNR也不改變。所以，根據數據校正裝置1B，可以得到與圖1所示的數據校正裝置1相同的效果。
圖7是顯示根據本發明的第四實施例的數據校正裝置的功能性框圖。
在圖7所示的數據校正裝置1C中，處理的次序是與圖3所示的數據校正裝置1A的次序不同的。數據校正裝置1C的其它結構和操作與圖3所示的數據校正裝置1A基本上沒有差別。所以，相同的附圖標記被附加到與數據校正裝置1A相同的部件，并省略它們的說明。
特別地，數據校正裝置1C配備有靈敏度校正單元2、SNR分布獲取單元3、濾波器單元4、數據劃分單元12和相加單元13。
數據劃分單元12具有基于從SNR分布獲取單元3獲取的關于SNR的分布信息、由從圖像數據存儲單元9獲取的多個原始圖像分量數據根據SNR的大小生成多個原始圖像分量數據段的功能，以及把具有小的SNR的原始圖像分量數據提供到濾波器單元4并把具有大的SNR的原始圖像分量數據提供到相加單元13的功能。
然后，濾波器單元4被配置成通過使用均勻濾波器和必要的變換對原始圖像分量數據或通過原始圖像分量數據的變換得到的原始分量數據執行濾波處理而生成濾波后的原始圖像分量數據，相加單元13被配置成通過對濾波后的圖像分量數據和具有大的SNR的原始圖像分量數據進行相加處理而生成非均勻濾波后的原始圖像數據。而且，靈敏度校正單元2被配置成把通過對非均勻濾波后的原始圖像數據執行靈敏度校正而得到的非均勻性濾波后的圖像數據寫入到圖像診斷裝置6的圖像數據存儲單元9。
接著，將給出數據校正裝置1C的操作和動作的說明。
圖8是顯示由圖7所示的數據校正裝置1C對于從圖像診斷裝置6獲取的圖像數據執行靈敏度校正而同時保持SNR分布均勻性的過程的流程圖。在圖8上包括S和數字的符號表示流程圖的每個步驟。在圖8上，相同的附圖標記被附加到等價于圖4所示的流程圖的步驟的每個步驟，并且將概略地給出它們的說明。所以，附圖標記與處理的次序不一致。
首先，在步驟S1，SNR分布獲取單元3根據從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens計算加權函數Wsnr，并且把這樣得到的加權函數Wsnr提供到數據劃分單元12。
接著，在步驟S10，數據劃分單元12使用從SNR分布獲取單元3獲取的加權函數Wsnr，根據SNR的大小把從圖像數據存儲單元9獲取的原始圖像數據Sorig劃分成多個原始圖像分量數據段。
通過使用加權函數Wsnr(x，y，z)的窗口的原始圖像數據Sorig(x，y，z)的分量劃分如公式(16-1)和公式(16-2)所示地進行。然后，原始圖像數據Sorig(x，y，z)被劃分成原始圖像分量數據的兩個分量，即具有大的SNR的分量Sorig.h(x，y，z)和具有小的SNR的分量Sorig.l(x，y，z)。
Sorig.h(x，y，z)＝Sorig(x，y，z)*Wsnr(x，y，z)(16-1)Sorig.l(x，y，z)＝Sorig(x，y，z)*{1-Wsnr(x，y，z))(16-2)然后，數據劃分單元12把作為具有大的SNR的分量的原始圖像分量數據Sorig.h提供到相加單元13，另一方面，把作為具有小的SNR的分量的原始圖像分量數據Sorig.l提供到濾波器單元4。
接著，在步驟S3，濾波器單元4通過使用均勻濾波器對于從數據劃分單元12接收的、具有小的SNR的原始圖像分量數據Sorig.l或通過原始圖像分量數據Sorig.l的變換得到的原始圖像數據進行濾波處理，由此生成濾波后的原始圖像分量數據Sorig.l.fil或濾波后的原始分量數據。
即，例如，如公式(17)表示的，平滑濾波器僅僅施加到具有壞的SNR的原始圖像分量數據Sorig.l(x，y，z)，由此得到濾波后的原始圖像分量數據Sorig.l.fil。
Sorig.l.fil(x，y，z)＝H[Sorig.l(x，y，z)](17)其中H表示濾波器算子。
然后，濾波器單元4把這樣得到的濾波后的原始圖像分量數據Sorig.l.fil或通過濾波后的原始圖像分量數據的變換得到的濾波后的原始圖像分量數據Sorig.l.fil提供到相加單元13。
接著，在步驟S11，相加單元13把從數據劃分單元12接收的具有大的SNR的原始圖像分量數據Sorig.h與從濾波器單元4接收的濾波的原始圖像分量數據Sorig.l.fil相加，用于合成，由此生成非均勻濾波后的原始圖像數據Sorig.nonuni.fil。
在具有大的SNR的原始圖像分量數據Sorig.h(x，y，z)與濾波后的原始圖像分量數據Sorig.l.fil(x，y，z)之間的合成過程根據公式(18)進行。然后，對具有良好的SNR的分量與具有壞的SNR的濾波后的分量進行加權合成，通過這種合成處理，得到非均勻濾波后的原始圖像數據Sorig.nonuni.fil(x，y，z)，作為關于SNR的校正圖像。
Sorig.nonuni.fil(x，y，z)＝Sorig.h(x，y，z)+Sorig.l.fil(x，y，z)(18)然后，相加單元13把非均勻濾波后的原始圖像數據Sorig.nonuni.fil提供到靈敏度校正單元2。
接著，在步驟S2，靈敏度校正單元2使用從靈敏度地圖存儲單元10獲取的靈敏度地圖Isens對于從相加單元13接收的非均勻濾波后的原始圖像數據Sorig.nonuni.fil執行靈敏度校正，由此得到非均勻性濾波后的圖像數據Sscor.nonuni.fil。
這個靈敏度校正根據公式(19)進行，作為受到靈敏度校正和非均勻SNR校正濾波處理的圖像的非均勻性濾波后的圖像數據Sscor.nonuni.fil(x，y，z)從非均勻濾波后的原始圖像數據Sorig.nonuni.fil(x，y，z)，通過使用靈敏度地圖Isens(x，y，z)進行計算。
Sscor.nonuni.fil(x，y，z)＝Sorig.nonuni.fil( x，y，z)/Isens(x，y，z)(19)然后，把這樣得到的非均勻性濾波的圖像數據Sscor.nonuni.fil寫入到圖像診斷裝置6的圖像數據存儲單元9，并且在顯示單元11的顯示器上顯示。
換句話說，上述的數據校正裝置1C適配于在加權劃分后對于圖像數據進行靈敏度校正，以不同的強度進行濾波處理和相加合成。如上所述，即使在校正前對于圖像數據進行濾波處理和加權處理并且最后進行靈敏度校正時，SNR也不改變。所以，根據數據校正裝置1C，可以得到與圖3所示的數據校正裝置1A相同的效果。
正如在上述的實施例中的數據校正裝置1、1A、1B和1C中那樣，作為靈敏度校正、用均勻濾波器的濾波處理和加權處理這三個處理的次序可以任意改變。
應當指出，從濾波處理的簡化角度來看，在某些情況下，用均勻濾波器的濾波處理優選地可以在靈敏度校正之前執行。鑒于以上內容，給出了在FREBAS空間中的數據被設置為目標的WIENER濾波器被用作均勻濾波器的情況下濾波器函數的計算例子的說明。
所生成的三維FREBAS空間(x，y，z)是其中實空間(x，y，z)幾乎完全保留的空間。所以，當使用Wiener濾波器時，噪聲的功率不設置為恒定的，并且噪聲的功率Pn被處理為FREBAS空間(x，y，z)的函數。用Wiener濾波器的濾波可以在靈敏度校正之前或之后進行，但在濾波處理方面，噪聲的功率最好被設置為恒定的。鑒于上述的內容，用Wiener濾波器的濾波可以在靈敏度校正之前進行，并可以處理被設置為恒定的噪聲的功率Pn。
即，當使用Wiener濾波器的濾波在靈敏度校正之前進行時，如在公式(20)中表示的，Wiener濾波器的濾波器函數WF(x，y，z)可以根據在FREBAS空間(x，y，z)中圖像數據的信號強度Ps(x，y，z)和噪聲的功率Pn被確定。
WF(X，Y，Z)＝Ps(X，Y，Z)/{Ps(X，Y，Z)+Pn}(20)另一方面，當使用Wiener濾波器的濾波在靈敏度校正之前進行時，噪聲功率Pn在空間上發生改變，確定噪聲功率Pn＝Pn(x，y，z)，以及濾波器函數WF(x，y，z)如公式(21)所示地被確定。
WF(X，Y，Z)＝Ps(X，Y，Z)/{Ps(X，Y，Z)+pn(X，Y，Z)}(21)噪聲的功率Pn(x，y，z)可以通過使用等價于靈敏度分布的倒數的加權函數W(x，y，z)根據公式(22-1)和公式(22-2)被確定。
W(X，Y，Z)＝FR[W(X，Y，Z)](22-1)Pn(X，Y，Z)＝W(X，Y，Z)* Pn′(22-2)其中FR[]表示FREBAS變換，以及Pn’表示在FREBAS空間(或k空間)的末端處的噪聲功率。即，公式(21)的噪聲的功率Pn(x，y，z)可以根據通過加權函數W(x，y，z)的FREBAS變換得到的加權函數W(x，y，z)和在FREBAS空間(或k空間)的末端處的噪聲功率Pn’得到。
順便地，如上所述，數據校正裝置1、1A、1B或1C可被加到或被構建在生物信息測量裝置或圖像診斷裝置中。鑒于上述內容，作為一個特定的例子，將說明在對于圖3所示的數據校正裝置1A被構建在MRI裝置中并且多線圈被設置為傳感器時得到的圖像的靈敏度校正處理。
圖9是顯示根據本發明的一個實施例的磁共振成像裝置的結構圖。
磁共振成像裝置20包括用于生成靜磁場的靜磁場磁鐵21、被設置在圓柱形的靜磁場磁鐵21內的墊隙線圈22、梯度線圈單元23和RF線圈24。靜磁場磁鐵21、墊隙線圈22、梯度線圈單元23和RF線圈24被構建在起重架中(未示出)。
磁共振成像裝置20還包括控制系統25。控制系統25包括靜磁場電源26、梯度電源27、墊隙線圈電源28、發射機29、接收機30、序列控制器31和計算機32。控制系統25的梯度電源27包括X軸梯度電源27x、Y軸梯度電源27y、和Z軸梯度電源27z。計算機32包括輸入裝置33、監視器34、操作單元35和存儲單元36。
靜磁場磁鐵21與靜磁場電源26通信。靜磁場電源26提供電流到靜磁場磁鐵21，以實現在成像區域中生成靜磁場的功能。靜磁場磁鐵21在許多情況下包括超導線圈。靜磁場磁鐵21從靜磁場電源26得到電流，該靜磁場電源26在激勵時與靜磁場磁鐵21通信。然而，一旦激勵，靜磁場磁鐵21通常就與靜磁場電源26隔離開。靜磁場磁鐵21可包括永久磁鐵，這使得靜磁場電源26是不必要的。
靜磁場磁鐵21在內部具有圓柱形墊隙線圈22。墊隙線圈22與墊隙線圈電源28通信。墊隙線圈電源28提供電流到墊隙線圈22，以使得靜磁場變為均勻的。
梯度線圈單元23包括X軸梯度線圈單元23x、Y軸梯度線圈單元23y、和Z軸梯度線圈單元23z。X軸梯度線圈單元23x、Y軸梯度線圈單元23y和圓柱形的Z軸梯度線圈單元23z中的每一個被設置在靜磁場磁鐵21內。梯度線圈單元23還具有在它內部形成的作為成像區域的區域中的床37。床37支撐物體P。RF線圈24可以圍繞床37或物體P設置，而不是構建在起重架中。
梯度線圈單元23與梯度電源27通信。梯度線圈單元23的X軸梯度線圈單元23x、Y軸梯度線圈單元23y、和Z軸梯度線圈單元23z分別與X軸梯度電源27x、Y軸梯度電源27y和Z軸梯度電源27z通信。
X軸梯度電源27x、Y軸梯度電源27y和Z軸梯度電源27z分別提供電流到X軸梯度線圈單元23x、Y軸梯度線圈單元23y和Z軸梯度線圈單元23z，以便生成在成像區域中沿X、Y和Z方向的梯度磁場Gx、Gy和Gz。
RF線圈24與發射機29和接收機30通信。RF線圈24具有把從發射機29給出的射頻信號發送到物體P并接收由于在受到射頻信號激勵的物體P內的原子核自旋生成的、給到接收機的NMR信號的功能。
圖10是顯示圖9所示的RF線圈的詳細結構的例子的圖。圖11是顯示圖10所示的WB線圈24a和相控陣線圈24b的示例性安排的截面圖。
RF線圈24例如由發送RF線圈24和接收RF線圈24構成。發送RF線圈24使用整體(WB)線圈24a，而接收RF線圈24使用相控陣線圈24b。相控陣線圈24b具有多個表面線圈24c。表面線圈24c分開地連接到各個接收電路30a。
同時，相控陣線圈24b的表面線圈24c被安排成關于Z軸對稱的，在例如包括物體P的感興趣的特定區域的部分L的周圍區域內。而且，WB線圈24a被提供在相控陣線圈24b的外面。因此，射頻信號可以由WB線圈24a發送到物體P，而來自包括感興趣的特定部分L的NMR信號可以由WB線圈24a或相控陣線圈24b的表面線圈24c在多個信道上被接收，并被提供到接收機30的接收電路30a。
然而，RF線圈24可以由適用于各種應用的所希望的線圈或單個線圈構成。
控制系統25的序列控制器31與梯度電源27、發射機29和接收機30通信。序列控制器31具有存儲描述對于使得梯度電源27、發射機29和接收機30驅動并由梯度電源27、發射機29和接收機30根據所存儲的預定序列生成在X、Y和Z方向的梯度磁場Gx、Gy和Gz和射頻信號所需的控制信息的序列信息的功能。上述的控制信息包括運動控制信息，如應當被施加到梯度電源27的脈沖電流的強度、施加時間間隔和施加時序。
序列控制器31還被配置成把原始數據給到計算機32。原始數據是通過NMR信號的檢測和在接收機30中檢測的NMR信號的A/D轉換得到的復數數據。
發射機29具有根據從序列控制器31提供的控制信息把射頻信號給到RF線圈24的功能。接收機30具有通過檢測從RF線圈24給出的NMR信號和執行預定的信號處理與檢測到的NMR信號的AD轉換而生成作為數字化復數數據的原始數據的功能。接收機30還具有把生成的原始數據給到序列控制器31的功能。
計算機32得到各種功能，數據校正裝置1A由執行被存儲在計算機32的存儲單元36中的某些程序的操作單元35來配置。對應于計算機32的部件可包括某些專用電路，而不是使用某些程序。
圖12是顯示圖1所示的計算機32的功能性框圖。
具有程序的計算機32用作為序列控制器控制單元40、圖像重建單元41、k空間數據庫42、實空間數據庫43、掃描控制單元44、靈敏度分布估計單元45、靈敏度地圖數據庫46、圖像顯示單元47和數據校正裝置1A。
序列控制器控制單元40具有用于根據來自輸入裝置33或另一個單元的信息通過把預定的序列信息給到序列控制器31以控制序列控制器31的驅動的功能。而且，序列控制器控制單元40還具有用于接收來自序列控制器31的原始數據并把原始數據排列到被形成在k空間數據庫42中的k空問(傅立葉空間)內的功能。所以，k空間數據庫42存儲由接收機30生成的原始數據作為k空間數據，并且k空間數據被排列到被形成在k空間數據庫42中的k空間內。
圖像重建單元41具有用于從k空間數據庫42獲取k空間數據、執行預定的信號處理、重建諸如圖像數據那樣的實空間數據、并把實空間數據寫入到實空間數據庫43的功能。圖像重建單元41被配置成對于被排列在k空間數據庫中的k空間內的k空間數據執行各種處理，諸如二維或三維傅立葉變換處理，由此可以重建實空間圖像數據和要被用于來自k空間數據的各個表面線圈24c的靈敏度估計的實空間數據。所以，實空間數據庫43存儲諸如圖像數據的實空間數據。
靈敏度分布估計單元45具有從實空間數據庫43讀出用于各個表面線圈24c的靈敏度估計的實空間數據，以便估計各個表面線圈24c的空間和/或時間靈敏度分布，用于合成并把最終結果作為靈敏度地圖數據寫入到靈敏度地圖數據庫46的功能。可以基于已知的任意方法來執行對靈敏度分布的估計。包括執行用于靈敏度分布估計的靈敏度預掃描和使用這樣得到的實空間數據來估計靈敏度分布的估計方法是可行的。例如，提出了根據在通過使用各個表面線圈24c收集的每個信號強度與在靈敏度預掃描時通過使用WB線圈24a收集的相應信號強度之間的比值得到靈敏度分布的方法、根據通過使用各個表面線圈24c收集的每個信號強度得到靈敏度分布而同時調節對比度的方法等等。
因此，靈敏度地圖數據庫46存儲表示對應于各個表面線圈24c的靈敏度分布的靈敏度地圖數據。
掃描控制單元44具有把用于靈敏度預掃描的序列和用于圖像收集的主掃描的序列提供到序列控制器控制單元40，由此執行靈敏度預掃描和主掃描的功能。
圖像顯示單元47具有從實空間數據庫43讀出圖像數據以便提供到顯示單元34，由此在顯示單元34上顯示圖像數據的功能。
數據校正裝置1A具有圖3所示的上述結構，其說明將被省略。應當指出，可以使用具有圖1、5或7所示結構的數據校正裝置1、1B或1C。
接著，給出磁共振成像裝置20的操作和動作的說明。
圖13是顯示由圖9所示的磁共振成像裝置20獲取物體P的圖像并隨后對于獲取的圖像執行關于各個表面線圈24c的靈敏度校正而同時保持SNR分布均勻性的過程的流程圖。在圖13上包括S和數字的符號表示流程圖的每個步驟。
首先，得到各個表面線圈24c的靈敏度地圖數據。為此，掃描控制單元44把用于靈敏度預掃描的序列提供到序列控制器控制單元40，用于靈敏度預掃描的序列從序列控制器控制單元40被輸出到序列控制器31。此后，序列控制器31根據用于靈敏度預掃描的序列驅動梯度電源27、發射機29和接收機30，由此在其中放置物體P的成像區域中形成X軸梯度功率Gx、Y軸梯度功率Gy和Z軸梯度功率Gz，并且還生成射頻信號。
然后，通過在物體P內的核磁共振生成的NMR信號被RF線圈24接收，并被提供到接收機30。接收機30接收來自RF線圈24的NMR信號，并執行包括AD轉換在內的各種信號處理，由此生成作為數字數據的NMR信號的原始數據。接收機30把這樣生成的原始數據提供到序列控制器31。序列控制器31把原始數據提供到序列控制器控制單元40，序列控制器控制單元40把原始數據設置在被形成在k空間數據庫42中的k空間內。然后，圖像重建單元41從k空間數據庫42提取k空間數據，并通過圖像重建處理過程重建用于各個表面線圈24c的靈敏度估計的實空間數據，以便寫入到實空間數據庫43。
此后，靈敏度分布估計單元45從實際空間數據庫43讀出用于各個表面線圈24c的靈敏度估計的實空間數據，例如通過諸如用于合成的低通濾波那樣的處理，估計各個表面線圈24c的空間和/或時間靈敏度分布，并把最終結果作為靈敏度地圖數據寫入到靈敏度地圖數據庫46。為了簡化說明，當假設靈敏度地圖數據具有在X方向的一維空間分布時，得到圖13所示的、代表各個表面線圈24c的靈敏度的靈敏度地圖數據Isens(x)，作為加到數據校正裝置1A的輸入數據Input1。
接著，在靈敏度預掃描后執行用于成像的主掃描。為此，掃描控制單元44把用于主掃描的序列提供到序列控制器控制單元40，用于主掃描的序列從序列控制器控制單元40被輸出到序列控制器31。此后，以類似于靈敏度預掃描的流程，序列控制器31根據用于主掃描的序列驅動和控制梯度電源27、發射機29和接收機30，由此收集用于成像的原始數據。收集的原始數據作為k空間數據被設置在被形成在k空間數據庫42中的k空間內。
然后，圖像重建單元41從k空間數據庫42提取用于成像的k空間數據，以便通過圖像重建處理過程重建圖像數據，并把它寫入到實空間數據庫43。這個圖像數據是處在如Input1所示的各個表面線圈24c在X方向上的靈敏度分布的影響下，因此必須進行靈敏度校正。然而，在靈敏度校正之前噪聲功率是恒定的，如果試圖通過進行靈敏度校正把靈敏度設置為恒定的，則噪聲功率變為非均勻的。鑒于上述內容，不但必須進行靈敏度校正而且也必須進行非均勻SNR的校正。為此，在靈敏度校正之前的原始圖像數據Sorig作為Input2輸入到數據校正裝置1A。
此后，在步驟S20，數據校正裝置1A的SNR分布獲取單元3例如通過使用最大靈敏度Isens.max對于從靈敏度地圖數據庫46獲取的靈敏度地圖Isens(x)進行歸一化作為Input1，以使得最大值變為1，由此得到加權函數Wsnr(x)。
Wsnr(x)＝Isens(x)/Isens.max(23)這個加權函數Wsnr(x)被用作為用于根據高SNR和低SNR把在用于成像的主掃描中得到的圖像數據劃分成兩個數據段的窗口函數。為此，SNR分布獲取單元3把這樣得到的加權函數Wsnr(x)提供到數據劃分單元12。
接著，在步驟S21，靈敏度校正單元2對于從實際空間數據庫43獲取的原始圖像數據Sorig用從靈敏度地圖數據庫46獲取的靈敏度地圖Isens(x)進行靈敏度校正，由此得到靈敏度校正圖像數據Sscor。靈敏度校正單元2把這樣得到的靈敏度校正圖像數據Sscor提供到數據劃分單元12。
接著，在步驟S22，數據劃分單元12使用從SNR分布獲取單元3獲取的加權函數Wsnr(x)來確定劃分函數(窗口函數)，用于根據SNR的高和低電平把從靈敏度校正單元2獲取的靈敏度校正圖像數據Sscor劃分成兩個分量。即，當用于生成高的SNR的分量的劃分函數被設置為Wh(x)，和用于生成低的SNR的分量的劃分函數被設置為Wl(x)時，劃分函數Wh(x)和Wl(x)通過使用加權函數Wsnr(x)如公式(24-1)和公式(24-2)所示地被確定。
Wh(x)＝Wsnr(x)(24-1)Wl(x)＝1-Wsnr(x) (24-2)然后，在由實線表示的劃分函數Wh(x)和由虛線表示的Wl(x)是通過如公式(25-1)和公式(25-2)所示的計算被使用時，靈敏度校正圖像數據Sscor被劃分成具有高SNR電平的靈敏度校正圖像分量數據Sscor，h和具有低SNR電平的靈敏度校正圖像分量數據Sscor，l的兩個分量。
Sscor.h＝Sscor*Wh(x)＝Sscor*Wsnr(x)(25-1)Sscor.l＝Sscor*Wl(x)＝Sscor*{1-Wsnr(x)}(25-2)
然后，數據劃分單元12把具有高SNR電平的靈敏度校正圖像分量數據Sscor，h和具有低SNR電平的靈敏度校正圖像分量數據Sscor，l提供到濾波器單元4。
接著，在步驟S23，濾波器單元4把在對空間均勻數據的濾波處理中使用的正常噪聲減小濾波施加到從數據劃分單元12獲取的具有低SNR電平的靈敏度校正圖像分量數據Sscor，l。噪聲減小濾波器可以由在大的意義上其中沒有利用靈敏度地圖數據Isens(x)的任何空間均勻濾波器組成。對于噪聲減小濾波器，可以使用均勻濾波器，諸如線性濾波器，Wiener濾波器，或結構最佳化濾波器。濾波處理可以在k空間執行。在這種情況下，靈敏度校正圖像分量數據Sscor，l被一次變換成k空間數據，然后受到濾波處理。在濾波后的k空間數據被變換成實空間數據。然后，濾波器單元4把通過濾波處理得到的濾波后的圖像分量數據Sscor.l.fil提供到相加單元13。
接著，在步驟S24，相加單元13把從數據劃分單元12接收的具有大的SNR的靈敏度校正圖像分量數據Sscor，h與從濾波器單元4接收的濾波后的圖像分量數據Sscor.l.fil相加，用于合成，由此生成非均勻性濾波后的圖像數據Sscor.nonuni.fil。這個非均勻性濾波后的圖像數據Sscor.nonuni.fil是通過生成用窗口函數施加具有很強的強度的濾波的、具有低的SNR的圖像分量和不施加濾波的圖像分量以及隨后執行加權相加合成而得到的圖像數據，以使得施加濾波的圖像分量具有更大的加權因子。因此，作為結果，這個圖像數據等價于在對原始圖像數據Sorig根據SNR分布的空間非均勻性執行在減小噪聲效果方面不同的濾波處理時得到的圖像數據。
然后，非均勻性濾波后的圖像數據Sscor.nonuni.fil被設置為數據校正裝置1A的輸出Output，并被寫入到實空間數據庫43。此后，圖像顯示單元47從實空間數據庫43讀出非均勻性濾波后的圖像數據Sscor.nonuni.fil，其要被提供到顯示單元34，由此在顯示單元34上顯示非均勻濾波后的圖像。結果，在顯示單元34上顯示對其執行靈敏度校正和SNR非均勻分布校正的圖像。
應當指出，如上所述，代替使用數據校正裝置1A，圖1所示的數據校正裝置1，圖5所示的數據校正裝置1B，或圖7所示的數據校正裝置1C可被構建在磁共振成像裝置20的計算機32中。
在圖1所示的數據校正裝置1被構建在磁共振成像裝置20的計算機32中的情況下，生成對其施加濾波的圖像數據和對其沒有施加濾波的圖像數據，并且對其根據SNR的程度使用窗口函數施加濾波的圖像數據和對其沒有施加濾波的圖像被互相合成，以使得當分量具有較低的SNR時濾波后的圖像數據的加權因子被設置為更大的數值。
另外，當圖5所示的數據校正裝置1B或圖7所示的數據校正裝置1C可被構建在磁共振成像裝置20的計算機32中并且在靈敏度校正之前執行關于非均勻SNR的校正時，噪聲的空間分布是恒定的，因此通過設置噪聲功率為恒定值，在濾波后執行靈敏度校正，這導致處理的簡化。
(仿真實驗)接著，給出其中由在圖1所示的數據校正裝置1對于在MRI裝置中得到的目標的腹部圖像執行校正的仿真結果的說明。
圖14顯示由圖1所示的數據校正裝置1在圖像校正的仿真中假設的靈敏度校正之后的理想的腹部圖像Sideal_scor。圖15顯示由圖1所示的數據校正裝置在圖像校正的仿真中使用的靈敏度校正之前的原始圖像Sorig。圖16顯示靈敏度分布ISsens，它被用來對于腹部的線圈及其輪廓的、圖15所示的原始圖像Sorig進行靈敏度校正。圖17顯示通過對于腹部的線圈及其輪廓的、圖15所示的原始圖像Sorig進行靈敏度校正而得到的腹部圖像Sideal_scor。圖18顯示噪聲分布noise_scor，它被使用于在靈敏度校正后，由圖1所示的數據校正裝置1進行圖像校正的仿真。
圖15所示的、在靈敏度校正之前的原始圖像Sorig是對于腹部使用8-ch線圈實際上得到的圖像。另外，通過用圖16所示的對于腹部的線圈的實際的靈敏度分布對原始圖像Sorig進行靈敏度校正而得到的圖像是圖17所示的腹部圖像Sorig_scor。應當指出，在圖16的輪廓中，水平軸代表歸一化的靈敏度分布，垂直軸代表一維空間位置。另外，在在圖17的輪廓中，水平軸代表腹部圖像Sorig_scor的信號強度，垂直軸代表它的一維空間位置。
另外，為了得到圖18所示的噪聲分布noise_scor，其中標準差(SD)為1的高斯噪聲通過仿真被提供到具有足夠高的SNR的圖像，并確定SNR＝50。即，在靈敏度校正之前的噪聲通過使用在靈敏度校正之前的理想圖像數據Sideal的最大值(Sideal)、高斯噪聲和SNR(＝50)，如公式(26)所示地被設置。
noise＝max(Sideal)/SNR*(Gaussian noise)(26)然后，加權函數Wsnr通過使用在切片截面上對于腹部的每個線圈的靈敏度分布被設置為歸一化的，以使得確定最大值max＝1和最大值min＝0。
在這樣的條件下，作為均勻濾波器，使用LSI濾波器和結構自適應型DSA(定向結構自適應)濾波器進行圖像校正仿真。
圖19顯示通過用均勻LSI濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行SNR校正而得到的圖像。圖20顯示通過用LSI濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行伴隨有加權相加的SNR非均勻校正而得到的圖像。圖21顯示通過用均勻結構自適應濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行SNR校正而得到的圖像。圖22顯示通過用均勻結構自適應濾波器對于在圖17所示的靈敏度校正后的腹部圖像Sorig_scor及其輪廓執行伴隨有加權相加的SNR非均勻校正而得到的圖像。
在圖19、20、21、或22的每個輪廓圖上的水平軸代表在濾波處理后腹部圖像的信號強度，垂直軸代表它的一維空間位置。
如圖20和22所示，通過使用LSI濾波器和DSA濾波器進行非均勻SNR的校正，得到這樣的圖像，在其中SNR是高的、由實線包圍的區域附近平滑是弱的，以及在其中SNR是低的、由虛線包圍的區域附近平滑是強的。結果，當與在圖19和21所示的、通過使用LSI濾波器和DSA濾波器進行均勻校正時得到的圖像相比較時，通過使用LSI濾波器的非均勻SNR的校正得到的圖像具有這樣的特性，即高頻部分在周圍區域是更高的，并且在中心區域噪聲被更強地抑制。換句話說，通過非均勻SNR的校正，可以確認，在其中SNR是高的周圍區域中模糊度被抑制，另一方面，在其中SNR是低的中心區域中SNR被提高。
圖23是顯示在由圖1所示的數據校正裝置1執行圖像校正的仿真時通過改變平滑強度執行濾波操作的情況下，噪聲的標準差和RMSE的變化的圖。
在圖23中，水平軸代表在濾波處理后噪聲的標準差“noise SD”與在濾波處理前(在靈敏度校正后)原先的噪聲的標準差“noiseSDoriginal”的比值“noise SD ratio”，垂直軸代表在濾波處理后的均方根誤差“RMSE”與在濾波處理前的均方根誤差“RMSEoriginal”的比值“RMSE ratio”。這里，濾波處理后的RMSE根據圖14所示的、在靈敏度校正后的理想的圖像數據進行計算。
另外，在圖23中，虛線和白方塊標記代表在使用DSA濾波器進行均勻濾波處理時的數據，實線和黑方塊標記代表在使用DSA濾波器進行非均勻濾波處理時的數據。虛線和白圓圈代表在使用LSI濾波器進行均勻濾波處理時的數據，實線和黑圓圈代表在使用LSI濾波器進行非均勻濾波處理時的數據。
根據圖23，在使用LSI和DSA濾波器進行均勻濾波處理時，當平滑強度增加時，RMSE連同噪聲的標準差一起逐漸減小。一旦平滑強度超過某個電平，就表示噪聲的標準差減小和RMSE增加的趨勢。與此相反，當使用LSI濾波器進行非均勻濾波處理時，與其中使用LSI濾波器進行均勻濾波處理的情況相比較，RMSE被改進，即使在平滑是強的且噪聲的標準差很小時，可以確認，RMSE被抑制到相對較小的水平。
而且，在使用DSA濾波器進行非均勻濾波處理時，與使用LSI濾波器進行非均勻濾波處理相比較，RMSE的最小值是更大的，但即使在平滑強度很強時，可以確認，RMSE的惡化是很小的。所以，在使用DSA濾波器進行非均勻濾波處理時，即使相對于其中SNR是低的中心區域中的圖像且平滑強度很強時，可以確認，可以使得模糊度很小。
另外，理想的圖像Sideal-scor在實際的圖像數據中是未知的，因此不可能得到RMSE。因此，表明用DSA濾波器的非均勻濾波處理在用于濾波器強度的選擇的可靠性方面是最好的。
(用于確定濾波器強度的方法)接著，給出用于上述的均勻濾波器的平滑強度的確定方法的說明。如上所述，根據作為校正目標的數據的SNR分布，重要的是最佳地確定均勻濾波器的平滑強度。鑒于上述內容，將描述用于最佳地確定平滑強度的兩種方法。
對于具有非均勻SNR分布的數據執行非均勻濾波，理想地，使得在數據的各個部分中信號組成分布的理想的數據的RMSE最小化。然而，由于理想數據的信號分布是未知的，在正常處理中，也可以說，不可能使得RMSE最小化。另一方面，數據的信號分量分布隨數據而變化。但正如在圖像校正仿真的結果中顯示的，發現當在靈敏度校正后的數據通過使用LSI濾波器進行濾波時，高頻分量被惡化到不能忽略的程度，而當在靈敏度校正后的數據通過使用諸如DSA濾波器那樣的結構自適應濾波器進行濾波時，高頻分量的惡化可被最小化。
鑒于上述內容，將說明當主要使用結構自適應濾波器時，用于確定其中每個數據部分的噪聲SD分布被設置為均勻的平滑強度最佳條件的、對于平滑強度的第一確定方法，和在使用包括LSI濾波器的高通用性濾波器的假設下，用于確定其中理想數據的RMSE相對于每個數據部分的信號組成分布進行最小化的平滑強度最佳條件的、對于平滑強度的第二確定方法。
首先，給出對于平滑強度的第一確定方法的說明。
通常，白噪聲在k空間中在頻率軸方向上以均勻增益分布。所以，在使用通常的LSI濾波器濾波后，在k空間中濾波器函數的空間積分值和不具有實空間信號的部分中測量的噪聲SD在它們之間具有正比關系。為了簡化起見，考慮在x軸方向上的一維LSI濾波器。因此，當LSI濾波器的濾波器函數被設置為H(kx)而不具有實空間信號的部分中測量的噪聲SD被設置為σn時，在k空間中濾波器函數H(kx)的積分值AH可被表示為公式(27)，其中a被設置為比例系數。
AH=∫-Kx/2Kx/2H(kx)dk=aσn---(27)]]>其中Kx表示頻帶寬度。
即，頻帶寬度Kx在離散系統中表示的情況下是在每個軸上-Kx/2到Kx/2的采樣頻帶。另外，假設作為頻帶寬度Kx的1/2的奈奎斯特頻率比目標數據具有的最大頻率大得多，并且可以忽略折疊誤差。
在公式(27)中，如果給定濾波器函數H(kx)，則可以計算在k空間中濾波器函數H(kx)的積分值AH。另外，可以從在靈敏度校正之前不具有實空間信號的部分中的噪聲或從k空間中高頻部分中的噪聲SD中測量噪聲SDσn。
另一方面，在濾波前具有非均勻SNR分布的數據的最小SNR部分與最大SNR部分的SNR比值SNRR1h，當在靈敏度校正后最小SNR部分的噪聲SD被設置為σnl且最大SNR部分的噪聲SD被設置為σnh時，可以通過使用從傳感器(線圈)的靈敏度分布得到的SNR分布Isens被表示為公式(28)。
SNRRlh＝(1/σnl)/(1/σnh)＝σnh/σnl＝{σn/max(Isens)}/{σn/min(Isens)}＝min(Isens)/max(Isens)(28)即，不必測量噪聲SD來得到在SNR的最小值與最大值之間的比值，并且如果在靈敏度校正之前進行測量，則可以得到絕對的噪聲量。
圖24是表示在由數據校正裝置進行靈敏度校正后和非均勻濾波前噪聲的非均勻分布和標準差的概念圖。圖25是表示通過用非均勻濾波對于圖24所示的噪聲的非均勻分布進行均勻化而得到的噪聲的分布和標準差的概念圖。
在圖24和25中，每個橫坐標表示空間位置，每個縱坐標表示噪聲的功率和標準差。而且，在圖24和25上，每條實線顯示噪聲的分布，每條虛線顯示噪聲的SD。
如圖24所示，在對數據執行非均勻濾波之前的噪聲在空間上非均勻地分布，其中有具有小的噪聲功率和高SNR的高SNR部分(高SNR)和具有大的噪聲功率和低SNR的低SNR部分(低SNR)。另外，在高SNR部分(高SNR)中的噪聲σnh和在低SNR部分(低SNR)中的噪聲σnl可以如圖24所示地表示。
圖24中顯示的噪聲SD通過非均勻濾波如圖25所示地被設置為均勻，連同SNR一起改變。即，整個噪聲的SD通過非均勻濾波被減小，以便與在非均勻濾波之前在高SNR部分(高SNR)中的噪聲SDσnh相一致。結果，整體來說，在非均勻濾波后的噪聲SD均勻地變為等價于在非均勻濾波之前的高SNR部分(高SNR)中的噪聲SDσnh。
這里，假設在使用LSI濾波器對最小SNR部分(低SNR)的數據均勻濾波后的數據和在對最大SNR部分(高SNR)的數據均勻濾波后的數據被互相合成，分別具有1和0的加權因子，由此整個數據結果受到非均勻濾波。然后，在對最小SNR部分(低SNR)的數據進行非均勻濾波后的數據(在圖25的中心附近)的SNR等價于在均勻濾波后的SNR，以及在對最大SNR部分(高SNR)的數據進行非均勻濾波后的數據(在圖25的末端部分附近)的SNR等價于在均勻濾波前的SNR。換句話說，在非均勻濾波前的最小SNR部分(低SNR)的SNR等價于在均勻濾波前的SNR，以及在非均勻濾波前的最大SNR部分(高SNR)的SNR等價于在均勻濾波后的理想SNR。
這里，當在使用LSI進行均勻濾波之前和之后的SNR之間的比值被設置為SNRRfil.lh時，SNR比值SNRRfil.lh可以通過使用分別被施加到最小SNR部分(低SNR)和最大SNR部分(高SNR)的濾波器函數的積分值AHl和AHh被表示為公式(29)。
SNRRfil.lh＝Ahl/AHh(29)所以，得到其中平滑強度最佳條件被設置為如圖25所示的“具有非均勻SNR的每個數據部分中的噪聲SD變為最大SNR部分中的噪聲SD的條件”的最佳條件的嘗試，簡化了確定被施加到最小SNR部分(低SNR)的濾波器函數H1(kx)的積分值以使得公式(28)的右端部分與公式(29)的右端部分互相相等或成比例的問題。換句話說，濾波器函數的積分值應當被控制成使得作為目標濾波的數據的SNR分布被設置為在靈敏度校正后的不具有實空間信號的部分的噪聲SD的倒數，以及SNR分布的最小值與最大值之間的比值變為同在濾波器函數加到其中SNR變為最小值的部分的積分值與濾波器函數加到其中SNR變為最大值的部分的積分值之間的比值成比例(也包括相同的情況和比例系數倍數的情況)。
所以，根據公式(28)和公式(29)，濾波器函數H1(kx)的積分值可以按公式(30)被確定。
AHl＝AHh*SNRRlh＝AHh*min(Isens)/max(Isens)(30)這里，如果假設在最大SNR部分(高SNR)中的噪聲SD不被LSI濾波器改變，則施加到最大SNR部分(高SNR)的LSI濾波器可被看作為等價于具有增益為1的濾波器，所以被施加到最大SNR部分(高SNR)的LSI濾波器的濾波器函數的積分值AHh可以按公式(31)被定義。
AHh=∫0Kx1dkx=Kx---(31)]]>所以，當把公式(31)的結果代入公式(30)時，得到公式(32)。
AHl＝SNRRlh*Kx(32)根據公式(32)，如果找到在最大SNR部分(高SNR)中的噪聲SD與最小SNR部分(低SNR)中的噪聲SD之間的比值以及采樣頻帶Kx，則可以看到，可以確定應當被施加到最小的SNR部分(低SNR)的濾波器函數H1(kx)的積分值AHI。
順便地，在確定如公式(32)所示的用于提供積分值AHI的濾波器函數H1(kx)的情況下，約束條件僅僅是積分值，因此，用于設計濾波器函數H1(kx)的靈活性很大。應當指出，通常，濾波器函數H1(Kx)最好是增益隨較高的頻率分量而減小的函數。鑒于上述內容，例如，濾波器函數H1(kx)被設置為Hanning函數，如公式(33)所示。
H(kx)＝0.5[1+cos(bx*kx/Kx)]∶|kx|＜Kx/bx；＝0∶other wise(33)應當指出，bx表示用于確定LSI濾波器的截止頻率的參數，當bx＝2時，截止頻率變為等于采樣最大/最小頻率±kx/2。
圖26是顯示在數據校正裝置中的均勻濾波器的濾波器函數是Hanning函數的情況下的例子的圖。
在圖26中，橫坐標表示頻率軸kx，縱坐標表示濾波器函數H1(kx)。如圖26所示，由濾波器函數H1(kx)和頻率軸kx包圍的部分的面積是在公式(32)下確定的濾波器函數H1(kx)的積分值AHl。另外，當參數bx被調節時，LSI濾波器的截止頻率可以在采樣最大/最小頻率±kx/2的范圍內任意設置。
當濾波器函數H1(kx)如公式(33)所示地被定義時，濾波器函數H1(kx)的積分值AHl被表示為公式(34)。
AHl=∫-Kx/bxKx/bx0.5[1+cos(b*kx/Kx)]dkx=2∫0Kx/bx0.5[1+cos(bx*kx/Kx)]dkx=Kx/bx---(34)]]>所以，公式(35)可以從公式(32)和公式(34)得出。
SNRRlh＝Ah/Al＝Kx/bxKx＝1/bx(35)然后，當公式(35)用參數bx表達時，得到公式(36)。
bx＝1/SNRRlh＝σnl/σnh(36)根據公式(36)，可以看到，參數bx可以通過使用由公式(28)給出的、在最大SNR部分(高SNR)中的噪聲SD與最小SNR部分(低SNR)中的噪聲SD之間的比值SNRR1h被確定。
當LSI濾波器的濾波器函數H1(kx)通過這樣的方法被確定并且非均勻SNR校正通過上述的加權相加進行時，可以得到最佳數據而同時噪聲SD分布被設置為均勻的。
應當指出，當噪聲以通常的三維分布時，在k空間(kx，ky，kz)中濾波器函數H(kx，ky，kz)的積分值AH與噪聲SDσn之間的關系是如公式(37)所示，其中比例系數被設置為a。
AH=∫0Kz∫0Ky∫0KxH(kx,ky,kz)dkxdkz=aσn---(37)]]>這里，如果濾波器函數H(kx，ky，kz)是被表示為直接乘積類型的函數，如公式(38-1)所示，則分別施加到最小SNR部分(低SNR)和最大SNR部分(高SNR)的濾波器函數H(kx，ky，kz)的積分值AHl和AHh分別被表示為公式(38-2)和公式(38-3)。
H(kx，ky，kz)＝H(kx)H(ky)H(kz)(38-1)AHh＝KxKyKz(38-2)AHl＝SNRRlh*KxKyKz(38-3)應當指出，施加到最大SNR部分(高SNR)的LSI濾波器被假設為具有增益為1的濾波器。
根據公式(38-3)，可以看到，正如在噪聲按一維分布的情況下，濾波器函數H(kx，ky，kz)的積分值AHl和AHh是根據由公式(28)給出的、在最大SNR部分(高SNR)中的噪聲SD與最小SNR部分(低SNR)中的噪聲SD之間的比值SNRR1h得到的。
特別地，當濾波器函數H(x，y，z)通過使用具有參數bx、by和bz的Hanning函數被定義時，得到公式(39)SNRRlh＝Ah/Al＝(Kx/bxKx)(Ky/byKy)(Kz/bzKz)＝1/bxbybz)(39)所以，Hanning函數的參數bx、by和bz的乘積bxbybz可以根據公式(39)得到。這里，如果由Hanning函數定義的三維濾波器函數H(x，y，z)是原點對稱型函數，則可以確定bx＝by＝bz＝b。因此，公式(39)被表示為公式(40)。
SNRRlh＝1/b3(40)所以，根據公式(40)，濾波器函數H(x，y，z)的參數b可以根據在最大SNR部分(高SNR)中的噪聲SD與最小SNR部分(低SNR)中的噪聲SD之間的比值SNRR1h唯一地被確定。
以上描述了在最佳條件是噪聲SD被設置為均勻的情況下用于均勻濾波器的平滑強度的最佳確定方法。此外，為了達到相對于圖像數據的視覺最佳性的匹配或者得到與絕對SNR的相關性，可以引入一個系數。這個系數可以是常數或變量。
例如，平均SNR被設置為SNRm，SNRm按公式(41)表示。
SNRm ＝S(DC)/sn(41)
應當指出，S(DC)表示在k空間內的DC附近信號的絕對值平均值。即，SNRm被設置為在k空間內的DC附近信號的絕對值平均值S(DC)與噪聲SDσn之間的比值。
然后，引入使用作為絕對SNR的SNRm作為參數的系數C(SNRm)，并且系數C(SNRm)被設置為SNRm的這樣的函數，以使得當SNRm更小時平滑強度變為更大。而且，公式(32)通過使用系數C(SNRm)被變換成公式(42)，并且用于濾波器函數的積分值AHl的條件可被校正。
AHl＝C(SNRm)*SNRRlh*Kx(42)另外，當結構自適應濾波器被使用于非均勻SNR校正時，在濾波后的噪聲SD基本上還取決于在實空間中數據的信號分布。應當指出，如果噪聲SD用在實空間中信號的平坦部分或沒有信號的部分中的SD被定義，如使用LSI濾波器的情況，則結構自適應濾波器的濾波器函數的積分值可被確定。在使用LSI濾波器的濾波中，在較小的SNR部分中平滑是更強的，并且空間分辨率被惡化，但在使用結構自適應濾波器的濾波中，可以得到噪聲分布的均勻化，而同時保持空間分辨率，由此有可能執行更接近于理想化的校正。
換句話說，上述對于平滑強度的第一確定方法是通過使用作為直流分量的SNR的分母的噪聲而確定濾波器函數。
(Wiener濾波器的應用)接著，給出對于平滑強度的第二確定方法的說明。
對于平滑強度的第二確定方法是用于確定平滑強度，以使得在使用如上所述的諸如Wiener濾波器那樣的高通用性濾波器來進行濾波的情況下數據的RMSE最小化。
Wiener濾波器(此后表示為WF)的濾波器函數Hw可被理想地表示為當信號的功率被設置為Ps且噪聲的功率被設置為Pn時關于如公式(43)所示的濾波空間的函數。
Hw＝Ps/(Ps+Pn)(43)通常，信號的功率Ps是對于被施加以WF的空間的函數，而噪聲的功率Pn是恒定的。被施加以WF的總的空間由傅立葉空間來規定，由傅立葉空間規定的WF被表示為FT-WF。應當指出，被施加以WF的目標可以是FREBAS空間以及被劃分成多個分辨率的任何WF空間，由FREBAS空間規定的WF被表示為FR-WF。
通常，在對于具有非均勻SNR的數據進行校正時，WF不被用于其中具有噪聲分布的、靈敏度校正后的濾波。然而，當執行通過使用在靈敏度校正后在其中SNR變為最大值的部分中的噪聲的功率和在其中SNR變為最小值的部分中的噪聲的功率而被最佳化的WF處理，并對WF處理后的數據執行加權相加時，可以認為可以實現空間最佳的SNR校正。鑒于上內容，WF被施加到在靈敏度校正后的數據。
在其中SNR大到某種程度的情況下，WF的濾波器函數Hw可被確定為理想類型，如公式(43)所示。在這種情況下，當理想數據的信號分布是未知時，信號的功率Ps可以從作為濾波目標的數據得出。另外，在其中SNR小到某種程度的情況下，WF的濾波器函數Hw可被確定為閾值類型，如公式(44)所示，在其中，閾值或較低的數值被看作為零。
Hw＝max[Ps-Pn，0]/ps(44)而且，在確定上述的濾波器函數Hw時，信號的功率Ps也可以根據在相鄰的三維像素之間的相關性被得到。另外，噪聲的功率Pn可以通過使用校正系數Ca如公式(45)所示地被校正。
Pn＝Ca*Pn(45)換句話說，根據上述的對于平滑強度的第二確定方法，當通過WF執行濾波時，在每個數據部分中的信號的功率Ps被用作為理想數據的信號分布的近似解，并且數據相對于理想數據的RMSE被最小化。
然后，通過采用上述的對于平滑強度的第二確定方法，可以使得濾波器的平滑強度最佳化。這種用于平滑強度的最佳化函數可被提供到濾波器單元4。這里，給出對于與平滑強度最佳化有關的濾波的處理流程的說明。例如，給出其中在圖1所示的數據校正裝置1的濾波器單元4中進行與平滑強度最佳化有關的濾波的情況的說明。
圖27是顯示在圖1所示的數據校正裝置1中的濾波器單元中均勻濾波器的平滑強度的最佳化濾波的情況下的處理流的流程圖。在圖27上包括S和數字的符號表示流程圖的每個步驟。
首先，在步驟S30，作為濾波目標的、在實空間中的數據被變換成濾波空間中的數據。當用FT-WF對圖像數據進行濾波時，在靈敏度校正后在實空間中的圖像數據Sscor(x，y，z)受到FT，把圖像數據Sscor(x，y，z)變換成在k空間(kx，ky，kz)中的數據Sscor(kx，ky，kz)，如公式(46-1)所示。同時，對于此后描述的處理，在靈敏度校正前在實空間中的圖像數據Sorig(x，y，z)受到FT，變換成在k空間(kx，ky，kz)中的數據Sorig(kx，ky，kz)，如公式(46-2)所示。
Sscor(kx，ky，kz)＝FT[Sscor(x，y，z)] (46-1)Sorig(kx，ky，kz)＝FT[Sorig(x，y，z)] (46-2)應當指出，當用FR-WF對圖像數據進行濾波時，不用FT，而使用FREBAS轉換，用于變換到FREBAS空間。此后，給出其中用FT-WF對圖像數據進行濾波的情況的說明。
接著，在步驟S31，在靈敏度校正后噪聲功率的最小值Pnl和最大值Pnh是從在靈敏度校正前的噪聲的功率Pnorig和傳感器的靈敏度分布Isens(x，y，z)得到的。即，在靈敏度校正前的噪聲的功率Pnorig是從在靈敏度校正前在k空間數據Sorig(kx，ky，kz)中的高頻部分得到的。然后，根據公式(47-1)和公式(47-2)，得到在靈敏度校正后噪聲功率的最小值Pnl和最大值Pnh。
Pnl＝Pnorig/min[Isens(x，y，z)](47-1)Pnh＝Pnorig/max[Isens(x，y，z)](47-2)接著，在步驟S32，根據在靈敏度校正后噪聲功率的最小值Pn1和最大值Pnh，通過公式(43)或公式(44)得到被施加到其中SNR變為最大值的部分的WF的濾波器函數Hwh(kx，ky，kz)和被施加到其中SNR變為最小值的部分的WF的濾波器函數Hwl(kx，ky，kz)。
接著，在步驟S33，如公式(48-1)和公式(48-2)所示，由兩種類型的平滑強度的濾波器函數Hwl(kx，ky，kz)和Hwh(kx，ky，kz)規定的WF被施加到在靈敏度校正后的k空間數據Sscor(kx，ky，kz)，由此把k空間數據Sscor(kx，ky，kz)劃分成兩個k空間分量數據段 數據Sscor.fil.l(kx，ky，kz)和數據Sscor.fil.h(kx，ky，kz)。
Sscor.fil.l(kx，ky，kz)＝Hwl(kx，ky，kz)*Sscor(kx，ky，kz) (48-1)Sscor.fil.h(kx，ky，kz)＝ Hwh(kx，ky，kz)*Sscor(kx，ky，kz)(48-2)接著，在步驟S34，如公式(49-1)和公式(49-2)所示，在濾波空間中的k空間分量數據Sscor.fil.l(kx，ky，kz)和k空間分量數據Sscor.fil.h(kx，ky，kz)通過IFT(逆傅立葉變換)被分別變換成實空間分量數據Sscor.fil.l(x，y，z)和Sscor.fil.h(x，y，z)。
Sscor.fil.l(x，y，z)＝IFT[Sscor.fil.l(kx，ky，kz)](49-1)Sscor.fil.h(x，y，z)＝IFT[Sscor.fil.h(kx，ky，kz)](49-2)然后，這樣得到的實空間分量數據Sscor.fil.l(x，y，z)和實空間分量數據Sscor.fil.h(x，y，z)作為來自濾波器單元4的輸出數據被提供到加權相加單元5。然后，如上所述，代表在SNR分布獲取單元3中得到的SNR的分布的加權函數Wsnr(x，y，z)被用來對實空間分量數據Sscor.fil.l(x，y，z)和實空間分量數據Sscor.fil.h(x，y，z)進行加權相加，由此生成其中非均勻SNR分布被校正的圖像數據。
通過在濾波器單元4中這樣的處理，與平滑強度的最佳化有關的非均勻濾波可以在最佳條件下進行，其中通過使用WF進行濾波，以使得RMSE被最小化而同時處理具有非均勻SNR分布的數據。應當指出，類似于圖2所示的流程，當在非均勻濾波后的SNR被設置為在非均勻濾波前的最大SNR時，由濾波器函數Hwh(x，y，z)規定的WF沒有施加到k空間數據Sscor(x，y，z)，而僅僅由濾波器函數Hwl(x，y，z)規定的WF被施加到k空間數據Sscor(x，y，z)。在這種情況下，不是把實際空間分量數據Sscor.fil.h(x，y，z)從濾波器單元4輸出到加權相加單元5，而是把在靈敏度校正后的圖像數據Sscor(x，y，z)作為加權相加的目標從校正單元2提供到加權相加單元5。
另外，如上所述，在使用FT-WF進行濾波的情況下，可能出現某種程度的空間分辨率的惡化。另一方面，如果使用FR-WF進行濾波，有可能將空間分辨率的惡化抑制到最小值。
(X射線CT裝置的應用例)每個數據校正裝置1，1A，1B和1C可被構建在X射線CT裝置中。所以，將描述在X射線CT裝置中構建圖1所示的數據校正裝置1對由用作為傳感器的X射線檢測器獲取的投影數據或X射線CT圖像數據執行靈敏度校正的例子。
圖28是顯示根據本發明的一個實施例的X射線CT裝置的結構圖。
圖28所示的X射線CT裝置包括起重架部分51和計算機部分52。起重架部分51包括X射線管53、高壓生成器54、X射線檢測器55和DAS(數據獲取系統)56。圖28顯示配備有兩個X射線管53A和53B與X射線檢測器55A和55B的多管CT裝置。應當指出，也可以使用配備有單個X射線管53與X射線檢測器55的單管CT裝置。
X射線管53A和53B與X射線檢測器55A和55B被提供在與被夾在中間的物體P相對的位置處的旋轉環上(未示出)。
高壓生成器54被配置成把管電流和管電壓分別提供到X射線管53A和53B。X射線檢測器55A和55B被配置成檢測分別從X射線管53A和53B暴露的和通過物體P傳送的X射線。而且，分別由X射線檢測器55A和55B檢測的X射線檢測信號被提供到用于數字化的DAS 56，然后提供到計算機部分52。
具有程序的計算機部分52用作為數據處理單元57、投影數據存儲單元58、CT圖像數據存儲單元59和檢測器靈敏度分布存儲單元60。而且，圖1所示的數據校正裝置1被構建在計算機部分52中。
數據處理單元57具有通過對于來自DAS 56的X射線檢測信號執行各種數據處理而生成投影數據和X射線CT圖像的功能。由數據處理單元57產生的投影數據和X射線CT圖像分別被存儲在投影數據存儲單元58和CT圖像數據存儲單元59中。
而且，檢測器靈敏度分布存儲單元60存儲各個X射線檢測器55A和55B的空間靈敏度分布信息。
然后，數據校正裝置1的靈敏度校正單元2被配置成通過使用從檢測器靈敏度分布存儲單元60獲取的X射線檢測器55A和55B的各個空間靈敏度分布信息對從投影數據存儲單元58獲取的投影數據或從CT圖像數據存儲單元59獲取的X射線CT圖像數據執行靈敏度校正。
而且，SNR分布獲取單元3被配置成估計連同通過使用從檢測器靈敏度分布存儲單元60獲取的靈敏度分布信息和從投影數據存儲單元58獲取的投影數據或從CT圖像數據存儲單元59獲取的X射線CT圖像數據對投影數據或X射線CT圖像數據的靈敏度校正一起生成的SNR的分布。
投影數據的空間SNR分布可以在每個信道從各個X射線檢測器55A和55B輸出的X射線檢測器信號的強度得到。X射線圖像數據的空間SNR分布可以從以粗略的矩陣產生的重建的CT圖像被得到。
圖29是表示在圖28所示的X射線CT裝置的成像區域中的位置與從每個X射線檢測器55A和55B輸出的X射線檢測信號的強度之間的關系的圖。
在圖29中，橫坐標表示在成像區域上的位置，縱坐標表示X射線檢測信號的強度。
當例如得到投影數據的SNR分布時，對應于諸如骨骼的結構的部分的X射線劑量，顯示為如圖29所示的投影方向上大的X射線吸收系數，被減小。所以，相對于所有的投影數據，得到從X射線檢測器55A和55B輸出的X射線檢測信號的強度分布。因此，X射線檢測信號的強度分布可以用作為SNR分布。
而且，X射線CT圖像數據的SNR分布(SNR)等價于粗略地重建的CT圖像的CT值(CT#)的倒數，如公式(50)所示。
1/CT#∝SNR (50)在具有數據校正裝置1的X射線CT裝置50中，在每個X射線檢測器55A和55B中固有的空間非均勻靈敏度分布可以被校正，而同時保持SNR分布的空間均勻性。另外，在具有數據校正裝置1的X射線CT裝置50中，在X射線檢測器55A和55B之間的靈敏度差異也可以被校正。
換句話說，當不但在多管X射線CT裝置50中而且在具有多個傳感器的醫療裝置中收集的數據被設置為數據校正裝置1，1A，1B或1C的校正目標時，可以校正傳感器的各個空間靈敏度差異以及在傳感器之間的靈敏度差異。
權利要求
1.一種數據校正裝置，包括靈敏度校正單元，被配置來通過使用用于獲取校正目標數據的傳感器的非均勻靈敏度分布對于根據校正目標數據得到的第一目標數據執行靈敏度校正而產生第一處理數據；以及SNR分布校正單元，被配置成產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據校正目標數據得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合這1些分量數據段產生第二處理數據。
2.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成用取決于SNR分布的加權劃分或者用通過對于第二目標數據的具有互相不同的強度的相應濾波而進行的劃分，產生分量數據段。
3.根據權利要求1的數據校正裝置，其中所述靈敏度校正單元被配置來考慮用作第一目標數據的校正目標數據執行靈敏度校正；并且所述SNR分布校正單元被配置成考慮作為第二目標數據的、在靈敏度校正后的校正目標數據的第一處理數據產生第二處理數據。
4.根據權利要求1的數據校正裝置，其中所述靈敏度校正單元被配置來考慮作為第二目標數據的校正目標數據產生第二處理數據；并且所述SNR分布校正單元被配置成考慮作為第一目標數據的第二處理數據執行靈敏度校正。
5.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用互相不同的加權因子對第二目標數據加權而產生第一中間分量數據段，并對于第一中間分量數據段執行具有互相不同的強度的相應濾波。
6.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過對于第二目標執行具有互相不同的強度的相應濾波而產生第二中間分量數據段，并對于第二中間分量數據段進行加權相加。
7.根據權利要求1的數據校正裝置，還包括SNR分布估計單元，被配置成通過使用非均勻靈敏度分布來估計SNR分布，其中所述SNR分布校正單元被配置成根據由所述SNR分布估計單元估計的SNR分布來執行加權。
8.根據權利要求1的數據校正裝置，還包括SNR分布估計單元，被配置成通過使用校正目標數據來估計SNR分布，其中所述SNR分布校正單元被配置成根據由所述SNR分布估計單元估計的SNR分布來執行加權。
9.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用具有可被假設為在大的意義上在時間上和空間上是均勻的特性的濾波器執行具有互相不同的強度的相應濾波。
10.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用其強度可變的線性濾波器、結構自適應濾波器、和其強度被確定為使得在頻帶劃分的空間中的SNR最佳化的濾波器的至少一個濾波器執行具有互相不同的強度的相應濾波。
11.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用其強度被確定為使得SNR最佳化的濾波器執行具有互相不同的強度的相應濾波，以及處理空間是傅立葉空間、通過施加Fresnel變換被劃分成頻帶的空間、和通過用小波變換劃分實時空間而得到的空間之一。
12.根據權利要求1的數據校正裝置，其中所述靈敏度校正單元被配置來對于根據一維圖像數據、二維圖像數據、三維圖像數據、和四維圖像數據中的一個圖像數據得到的第一目標數據，關于作為校正目標數據的該一個圖像數據執行靈敏度校正；并且所述SNR分布校正單元被配置成通過使用根據該一個圖像數據得到的第二目標數據，產生第二處理數據。
13.根據權利要求1的數據校正裝置，其中所述靈敏度校正單元被配置來對于根據通過腦電圖、心電圖、同步示波器和超聲診斷裝置之一獲取的具有時間軸的數據而得到的第一目標數據，考慮作為校正目標數據的具有時間軸的數據，執行靈敏度校正；并且所述SNR分布校正單元被配置成通過使用根據具有時間軸的數據得到的第二目標數據，產生第二處理數據。
14.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用非均勻靈敏度分布得到在靈敏度校正后的第一處理的數據上噪聲的功率，通過使用其強度被確定為互相不同的以便根據噪聲的功率使得SNR最佳化的、每個濾波器函數對于第一處理的數據執行具有互相不同的強度的相應濾波，并且對于每個由具有互相不同的強度的相應濾波產生的第三中間分量數據段執行加權相加。
15.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元被配置成通過使用非均勻靈敏度分布得到在靈敏度校正后的第一處理的數據上噪聲的最大功率和最小功率，通過使用其強度被確定為使得根據最大噪聲功率使SNR最佳化的、用于最小SNR的濾波器函數和其強度被確定為使得根據最大噪聲功率使SNR最佳化的、用于最大SNR的濾波器函數的每個濾波器函數對于第一處理的數據執行具有互相不同的強度的相應濾波，并且對于每個由具有互相不同的強度的相應濾波產生的兩個第四中間分量數據段執行加權相加。
16.根據權利要求1的數據校正裝置，其中所述SNR分布校正單元包括濾波器強度確定單元，被配置成根據濾波器函數的積分值和SNR分布的條件確定被用于具有互相不同的強度的相應濾波的濾波器的濾波器函數。
17.根據權利要求16的數據校正裝置，其中所述濾波器強度確定單元被配置成考慮在作為在靈敏度校正后不具有實空間信號的部分上的噪聲的SD的倒數的濾波目標數據上的SNR分布確定濾波器函數，以使得在作為具有互相不同的強度的相應的濾波的目標的濾波目標數據上SNR分布的最小值與最大值之間的比值與在被施加到濾波目標數據上的顯示最小SNR的部分的、用于最小SNR的濾波器函數的積分值與在被施加到濾波目標數據上的顯示最大SNR的部分的、用于最大SNR的濾波器函數的積分值之間的比值成正比。
18.根據權利要求16的數據校正裝置，其中所述濾波器強度確定單元被配置成通過使用取決于作為具有互相不同強度的相應濾波的目標的濾波目標數據的絕對SNR的校正系數來校正濾波器函數的積分值的條件。
19.一種數據校正方法，包括以下步驟通過使用用于獲取校正目標數據的傳感器的非均勻靈敏度分布對于根據校正目標數據得到的第一目標數據執行靈敏度校正而產生第一處理數據；和產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據校正目標數據得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合這些分量數據段產生第二處理數據。
20.一種磁共振成像裝置，包括線圈；數據獲取單元，被配置成通過用作為傳感器的所述線圈獲取物體的磁共振圖像數據和k空間數據中的至少一項；靈敏度校正單元，被配置成通過使用所述線圈的非均勻靈敏度分布對于根據磁共振圖像數據和k空間數據中的至少一項得到的第一目標數據執行靈敏度校正而產生第一處理數據；以及SNR分布校正單元，被配置成產生成分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據磁共振圖像數據和k空間數據中的至少一項得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合這些分量數據段產生第二處理數據。
21.根據權利要求20的磁共振成像裝置，其中所述線圈包括表面線圈，以及所述數據獲取單元被配置成通過用作為所述傳感器的所述表面線圈獲取磁共振圖像數據和k空間數據中的至少一項。
22.根據權利要求20的磁共振成像裝置，其中所述線圈包括表面線圈，以及所述數據獲取單元被配置成通過用作為所述傳感器的所述表面線圈按并行展開成像獲取磁共振圖像數據和k空間數據中的至少一項。
23.根據權利要求20的磁共振成像裝置，還包括靈敏度分布獲取單元，根據從物體獲取的磁共振信號估計所述線圈的非均勻靈敏度分布；SNR分布估計單元，被配置成根據由所述靈敏度分布獲取單元估計的非均勻靈敏度分布來估計SNR分布，其中所述SNR分布校正單元被配置成根據由所述SNR分布估計單元估計的SNR分布來執行加權。
24.根據權利要求20的磁共振成像裝置，其中所述線圈包括表面線圈，還包括SNR分布估計單元，被配置成根據根據所述表面線圈的獨立性得到的g因子來估計SNR分布，其中所述SNR分布校正單元被配置成根據由所述SNR分布估計單元估計的SNR分布來執行加權。
25.一種X射線CT裝置，包括X射線檢測器；數據獲取單元，被配置成通過用作為傳感器的所述X射線檢測器獲取物體的圖像數據和投影數據中的至少一項；靈敏度校正單元，被配置成通過對于使用所述X射線檢測器的均勻的靈敏度分布根據圖像數據和投影數據中的至少一項得到的第一目標數據執行靈敏度校正而產生第一處理數據；和SNR分布校正單元，被配置成產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據圖像數據和投影數據中的至少一項得到的第二目標數據而進行具有互相不同的強度的相應濾波，以便通過混合分量數據段產生第二處理數據。
全文摘要
數據校正裝置，包括靈敏度校正單元和SNR分布校正單元。靈敏度校正單元通過使用用于獲取校正目標數據的傳感器的非均勻靈敏度分布對于根據校正目標數據得到的第一目標數據執行靈敏度校正而產生第一處理數據。SNR分布校正單元產生分量數據段，每個分量數據段根據SNR分布受到相應加權，并通過使用根據校正目標數據得到的第二目標數據進行具有互相不同的強度的相應濾波，以便通過混合這些分量數據段產生第二處理數據。
文檔編號A61B6/03GK101023867SQ20071008491
公開日2007年8月29日 申請日期2007年2月16日 優先權日2006年2月17日
發明者木村德典 申請人:株式會社東芝, 東芝醫療系統株式會社