知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024068666
(43)【公開日】2024-05-20
(54)【発明の名称】画像処理装置及び画像処理方法
(51)【国際特許分類】
A61B 5/055 20060101AFI20240513BHJP
G06T 1/00 20060101ALI20240513BHJP
G06T 7/00 20170101ALI20240513BHJP
G06N 3/045 20230101ALI20240513BHJP
【ＦＩ】
A61B5/055 376
G06T1/00 290B
G06T7/00 350C
A61B5/055 372
A61B5/055 374
G06N3/045
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2023191034
(22)【出願日】2023-11-08
(31)【優先権主張番号】202211390005.0
(32)【優先日】2022-11-08
(33)【優先権主張国・地域又は機関】CN
(71)【出願人】
【識別番号】594164542
【氏名又は名称】キヤノンメディカルシステムズ株式会社
(74)【代理人】
【識別番号】110001771
【氏名又は名称】弁理士法人虎ノ門知的財産事務所
(72)【発明者】
【氏名】ジャン リジュン
(72)【発明者】
【氏名】ワン シャ
【テーマコード（参考）】
4C096
5B057
5L096
【Ｆターム（参考）】
4C096AB01
4C096AB24
4C096AB44
4C096AC01
4C096AD12
4C096AD13
4C096CC06
4C096DA01
4C096DA04
4C096DB01
4C096DB07
4C096DC35
5B057AA09
5B057CE01
5L096BA06
5L096BA13
5L096HA11
(57)【要約】
【課題】画質を向上させること。
【解決手段】実施形態に係る画像処理装置は、残差初期化部と、更新データ生成部と、残差更新部と、再構成部とを備える。残差初期化部は、アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化する。更新データ生成部は、前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークを有する。残差更新部は、前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新する。再構成部は、前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する。
【選択図】図１
【解決手段】実施形態に係る画像処理装置は、残差初期化部と、更新データ生成部と、残差更新部と、再構成部とを備える。残差初期化部は、アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化する。更新データ生成部は、前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークを有する。残差更新部は、前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新する。再構成部は、前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する。
【選択図】図１
【特許請求の範囲】
【請求項1】
アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化する残差初期化部と、
前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークを有する更新データ生成部と、
前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新する残差更新部と、
前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する再構成部とを備える、画像処理装置。
前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークを有する更新データ生成部と、
前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新する残差更新部と、
前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する再構成部とを備える、画像処理装置。
【請求項2】
前記ｋ空間データを生成した磁気共鳴イメージング装置の各受信コイルの感度分布図を算出する感度分布算出部をさらに備え、
前記更新データ生成部は、前記感度分布図に基づいて前記残差と前記ｋ空間データに対して演算処理を行い、第１のニューラルネットワーク入力データを生成する前処理部をさらに有し、
前記第１のニューラルネットワークは、前記第１のニューラルネットワーク入力データを入力データとする、請求項１に記載の画像処理装置。
前記更新データ生成部は、前記感度分布図に基づいて前記残差と前記ｋ空間データに対して演算処理を行い、第１のニューラルネットワーク入力データを生成する前処理部をさらに有し、
前記第１のニューラルネットワークは、前記第１のニューラルネットワーク入力データを入力データとする、請求項１に記載の画像処理装置。
【請求項3】
前記感度分布算出部は、第２のニューラルネットワークを用いて前記感度分布図を算出する、請求項２に記載の画像処理装置。
【請求項4】
前記再構成部は、前記ｋ空間データを補正して第１の補正ｋ空間データを生成する第３のニューラルネットワークを有し、前記第１の補正ｋ空間データと更新された前記残差とに基づいて前記画像データを再構成する、請求項１に記載の画像処理装置。
【請求項5】
前記ｋ空間データを補正して第２の補正ｋ空間データを生成する第４のニューラルネットワークをさらに備え、
前記前処理部は、前記感度分布図に基づいて前記残差と前記第２の補正ｋ空間データに対して演算処理を行い、前記第１のニューラルネットワーク入力データを生成し、
前記再構成部は、前記第２の補正ｋ空間データと更新された前記残差とに基づいて前記画像データを再構成する、請求項２に記載の画像処理装置。
前記前処理部は、前記感度分布図に基づいて前記残差と前記第２の補正ｋ空間データに対して演算処理を行い、前記第１のニューラルネットワーク入力データを生成し、
前記再構成部は、前記第２の補正ｋ空間データと更新された前記残差とに基づいて前記画像データを再構成する、請求項２に記載の画像処理装置。
【請求項6】
アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化する残差初期化部と、
前記ｋ空間データを生成した磁気共鳴スキャンシステムの各受信コイルの感度分布図を算出する感度分布算出部と、
前記感度分布図に基づいて前記残差に対して演算処理を行い、ニューラルネットワーク入力データを生成する前処理部と、
前記ニューラルネットワーク入力データを入力データとし、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークとを有する更新データ生成部と、
前記残差更新用データ及びアンダーサンプリングに利用したｋ空間マスクに基づいて前記残差を更新する残差更新部と、
前記ｋ空間データと更新された前記残差とに基づいて画像データを再構成する再構成部とを備える、画像処理装置。
前記ｋ空間データを生成した磁気共鳴スキャンシステムの各受信コイルの感度分布図を算出する感度分布算出部と、
前記感度分布図に基づいて前記残差に対して演算処理を行い、ニューラルネットワーク入力データを生成する前処理部と、
前記ニューラルネットワーク入力データを入力データとし、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークとを有する更新データ生成部と、
前記残差更新用データ及びアンダーサンプリングに利用したｋ空間マスクに基づいて前記残差を更新する残差更新部と、
前記ｋ空間データと更新された前記残差とに基づいて画像データを再構成する再構成部とを備える、画像処理装置。
【請求項7】
前記感度分布算出部は、第２のニューラルネットワークを用いて前記感度分布図を算出する、請求項６に記載の画像処理装置。
【請求項8】
前記残差初期化部は、ＳＥＮＳＥアルゴリズム或いはＧＲＡＰＰＡアルゴリズムを用いて前記残差を初期化する、請求項１～７のいずれか一つに記載の画像処理装置。
【請求項9】
前記第１のニューラルネットワークは、畳み込みニューラルネットワークである、請求項１～７のいずれか一つに記載の画像処理装置。
【請求項10】
アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化し、
前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成し、
前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新し、
前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する、画像処理方法。
前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成し、
前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新し、
前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する、画像処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本明細書及び図面に開示の実施形態は、画像処理装置及び画像処理方法に関する。
【背景技術】
【0002】
k空間データを一部のみ収集し、アンダーサンプリングされたｋ空間データにより画像を再構成することで、磁気共鳴イメージング装置のスキャン時間を加速する技術が知られている。この技術としては、パラレルイメージング（Parallel Imaging）又は圧縮センシング（Compressed Sensing）などのアルゴリズムに基づく磁気共鳴画像再構成装置が挙げられる。このような技術では、一部のk空間の周波数ドメイン情報を欠落したため、イメージング品質が低い。近年、機械学習技術の発達に伴い、深層学習を用いた磁気共鳴画像再構成装置が提案されており、深層学習技術は、画像ドメイン又は周波数ドメインのデータの補正に用いたり、エンドツーエンドの再構成ニューラルネットワークの構成に用いたりすることができる。深層学習に基づく磁気共鳴画像再構成技術としては、エンドツーエンドアンロール学習ネットワーク（end-to-end unrolled learning network）を用いてアンダーサンプリングされたk空間データから画像を再構成する技術が提案されている。
【0003】
非特許文献１には、アンダーサンプリングされたｋ空間データから復元された画像データを、残差複素畳み込みニューラルネットワークを用いて補正する、エンドツーエンドアンロール学習ネットワークに基づく磁気共鳴画像再構成システムが開示されている。非特許文献２には、残差コネクションを有する畳み込みニューラルネットワークを事前項として用いて、アンダーサンプリングされたｋ空間データから画像データを再構成する、エンドツーエンドアンロール学習ネットワークに基づく磁気共鳴画像再構成システムが開示されている。非特許文献１及び非特許文献２のシステムでは、学習ネットワークは、アンダーサンプリングされたk空間データとｋ空間データの真値との残差を直接推定することができない。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】DeepcomplexMRI: Exploiting deep residual network for fast parallel MR imaging with complex convolution，Wang S, Cheng H, Ying L, et al. ,Magn Reson Imaging. ,2020;68(January),p136-147,doi:10.1016/j.mri.2020.02.002
【非特許文献2】MoDL: Model Based Deep Learning Architecture for Inverse Problems，Aggarwal HK, Mani MP, Jacob M. IEEE Trans Med Imaging. 2019;38(2):394-405. doi:10.1109/TMI.2018.2865356
【発明の概要】
【発明が解決しようとする課題】
【0005】
本明細書及び図面の開示の実施形態が解決しようとする課題の一つは、画質を向上させることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。
【課題を解決するための手段】
【0006】
実施形態に係る画像処理装置は、残差初期化部と、更新データ生成部と、残差更新部と、再構成部とを備える。残差初期化部は、アンダーサンプリングされたｋ空間データとｋ空間データ真値との差を示す残差を初期化する。更新データ生成部は、前記残差及び前記ｋ空間データに基づいて画像処理を行い、前記残差を更新するための残差更新用データを生成する第１のニューラルネットワークを有する。残差更新部は、前記残差更新用データ及びアンダーサンプリングに利用したマスクに基づいて前記残差を更新する。再構成部は、前記ｋ空間データと更新された前記残差に基づいて画像データを再構成する。
【図面の簡単な説明】
【0007】
【発明を実施するための形態】
【0008】
以下、図面を参照しながら、画像処理装置及び画像処理方法の実施形態について詳細に説明する。
【0009】
（第１の実施形態）
本実施形態に係る画像処理装置としての磁気共鳴画像再構成装置１は、磁気共鳴イメージング装置によって被検体をスキャンして得られたｋ空間ドメインのk空間データＫ０とｋ空間データの真値との残差を推定し、繰り返してこの推定値を複数回最適化し、最適化された残差の推定値に基づいて再構成される画像データＩＭＧをイメージングする。ここで、上記磁気共鳴イメージング装置は、周波数エンコード及び位相エンコードされた磁場にある被検体にパルス信号を送信し、特定の原子核磁気共鳴が原因で発生したエコー信号を複数の受信コイルから受信することで、被検体のk空間データＫ０を取得する。以下では、磁気共鳴画像再構成装置が残差を合計ｎ回（ｎは、１以上の整数）最適化するものとして説明する。
本実施形態に係る画像処理装置としての磁気共鳴画像再構成装置１は、磁気共鳴イメージング装置によって被検体をスキャンして得られたｋ空間ドメインのk空間データＫ０とｋ空間データの真値との残差を推定し、繰り返してこの推定値を複数回最適化し、最適化された残差の推定値に基づいて再構成される画像データＩＭＧをイメージングする。ここで、上記磁気共鳴イメージング装置は、周波数エンコード及び位相エンコードされた磁場にある被検体にパルス信号を送信し、特定の原子核磁気共鳴が原因で発生したエコー信号を複数の受信コイルから受信することで、被検体のk空間データＫ０を取得する。以下では、磁気共鳴画像再構成装置が残差を合計ｎ回（ｎは、１以上の整数）最適化するものとして説明する。
【0010】
本実施形態では、k空間データＫ０を、幅Ｗ×高さＨ×チャンネル数（コイル数）Ｃの３次元テンソルとして説明するが、幅方向が周波数エンコード方向であり、高さ方向が位相エンコード方向である。残差は、k空間データＫ０とｋ空間データの真値との差を表し、残差を示すデータは、k空間データＫ０と同じサイズの３次元テンソルである。
【0011】
一般的に、磁気共鳴スキャンはスキャン時間を短縮するために、特定の位相エンコードが省略されたアンダーサンプリングを行うため、磁気共鳴スキャン中に、位相エンコード方向（高さ方向）における一部の座標をスキップしてスキャンする。その結果として、k空間データＫ０では、高さ方向（位相エンコード方向）における一部の座標にデータは存在せず、この一部の座標上のデータに対してゼロパディング処理を行う。k空間データの中心位置付近のデータは、再構成される画像データＩＭＧのコントラストに与える影響が大きいため、アンダーサンプリングを行う際に、位相エンコード方向の中心位置付近に位置するデータを集中サンプリングし、中心位置から遠く離れた一部の位置のデータをスキップするのが一般的である。
【0012】
本実施形態では、磁気共鳴スキャンにおいて、k空間データＫ０中のどの位相エンコードがサンプリングされたか、及び、どの位相エンコードが省略されたかは、マスクＭを用いて示す。マスクＭは、幅Ｗ×高さＨの行列であり、幅方向が周波数エンコード方向であり、高さ方向が位相エンコード方向である。サンプリングが行われた周波数エンコード、位相エンコードに対応する座標の要素の値を１とし、サンプリングが行われなかった周波数エンコード、位相エンコードに対応する座標の要素の値を０とする。
【0013】
図１は、第１の実施形態における画像処理装置としての磁気共鳴画像再構成装置１の構成の一例を示す図である。第１の実施形態における磁気共鳴画像再構成装置１は、入出力インタフェース１０１、表示インタフェース１０２、通信インタフェース１０３、記憶部１０４、残差初期化部１０５、感度分布算出部１０６、更新データ生成部１０７、残差更新部１０８及び再構成部１０９を備える。入出力インタフェース１０１、表示インタフェース１０２、通信インタフェース１０３、記憶部１０４、残差初期化部１０５、感度分布算出部１０６、更新データ生成部１０７、残差更新部１０８及び再構成部１０９は、互いに通信可能に接続されている。
【0014】
入出力インタフェース１０１は、磁気共鳴画像再構成装置１と図示しない入力装置とを接続するためのインタフェースであり、入力装置からユーザの入力操作を受付け、受付けた入力操作に基づく信号を磁気共鳴画像再構成装置１に伝達する。入出力インタフェース１０１は、例えば、ＵＳＢなどのシリアルバスインタフェースである。入力装置は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチスクリーン、マイクなどが含まれる。また、入出力インタフェース１０１は、記憶装置と接続され、記憶装置との間で各種のデータの読み書きを行ってもよい。記憶装置は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）などである。
【0015】
表示インタフェース１０２は、磁気共鳴画像再構成装置１と図示しない表示装置とを接続するためのインタフェースであり、表示装置にデータを送信し、表示装置に画像を表示させる。表示インタフェース１０２は、例えば、ＤＶＩ（Digital Visual Interface）又はＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）などの映像出力インタフェースである。表示装置は、ＬＣＤ（Liquid Crystal Display）又は有機ＥＬ（Electroluminescence）ディスプレイなどが含まれる。表示装置は、ユーザからの入力操作を受付けるためのユーザインタフェースや磁気共鳴画像再構成装置１が出力した画像データＩＭＧなどを表示し、ユーザインタフェースは、例えば、ＧＵＩ（Graphical User Interface）などである。
【0016】
通信インタフェース１０３は、磁気共鳴画像再構成装置１と図示しないサーバとを接続するためのインタフェースであり、サーバとの間で各種のデータを送受信することができる。通信インタフェース１０３は、例えば、無線ネットワークカード、有線ネットワークカードなどのネットワークカードである。
【0017】
記憶部１０４は、k空間データＫ０及びそれに対応付けられたマスクＭなどのスキャンデータと、画像再構成を行う際に用いられる他のデータとを記憶する。また、記憶部１０４は、磁気共鳴画像再構成装置１が画像再構成を行う際に用いられるパラメータ、例えばニューラルネットワークのパラメータなどを記憶する。また、記憶部１０４は、磁気共鳴画像再構成装置１が使用する各ニューラルネットワーク及び他の学習可能なパラメータをトレーニングするための教師データを記憶し、各組の教師データは、k空間データＫ０、マスクＭ及び画像データ正解値ＩＭＧＧＴを含む。記憶部１０４は、例えば、ＲＯＭ、フラッシュメモリ、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、レジスタなどの記憶装置によって実現される。フラッシュメモリやＨＤＤ、ＳＳＤ等は不揮発性の記憶媒体である。これらの不揮発性の記憶媒体は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置など、ネットワークを介して接続された他の記憶装置によって実現されてもよい。ここで、上記ネットワークには、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、キャリア端末、無線通信ネットワーク、無線基地局、専用回線などが含まれる。
【0018】
残差初期化部１０５は、k空間データＫ０に基づいて残差を初期化し、残差初期推定値ε０を生成する。残差初期化部１０５は、残差初期推定値ε０に０又はランダムデータをパディングすることで残差の初期化を行っても良い。また、従来の磁気共鳴画像再構成方法により再構成された画像データとk空間データＫ０との差を残差初期推定値ε０として用いてもよい。
【0019】
図２は、第１の実施形態における残差初期化部１０５による処理を説明するためのデータフロー図である。以下、残差初期化部１０５による処理について、図２を参照して説明する。まず、残差初期化部１０５は、記憶部１０４からk空間データＫ０を読み出し、k空間データＫ０のサイズに応じて残差初期推定値ε０のサイズを設定する。そして、残差初期化部１０５は、残差初期推定値ε０内のデータを初期化し、初期化済みの残差初期推定値ε０を出力する。すなわち、残差初期化部１０５は、アンダーサンプリングされたｋ空間データＫ０とｋ空間データ真値との差を示す残差を初期化する。演算量を抑え、システムを簡略化するために、残差初期化部１０５は、残差初期推定値ε０に直接、０又はランダムデータをパディングすることができる。一方、この方法を用いて生成された残差初期推定値ε０は、残差の真値と大きく離れており、再構成された画像データＩＭＧの品質低下を招くおそれがある。再構成された画像データＩＭＧの品質を向上させるために、残差初期化部１０５は、従来の磁気共鳴画像再構成方法を用いて再構成されたｋ空間データとk空間データＫ０との差を残差初期推定値ε０として用いることが好ましく、従来の磁気共鳴画像再構成方法としては、例えば、ＳＥＮＳＥ（SENSitivity Encoding）、ＧＲＡＰＰＡ（GeneRalized Autocalibrating Partial Parallel Acquisition）などが挙げられる。この方法を用いて生成された残差初期推定値ε０は、残差の真値に近く、再構成された画像データＩＭＧの品質の向上に寄与する。
【0020】
感度分布算出部１０６は、k空間データＫ０に基づいて、磁気共鳴イメージング装置が使用する複数のコイルの感度を推定し、感度分布図ＳＭを生成する。感度分布算出部１０６は、逆フーリエ変換ユニット１０６１と、第２のニューラルネットワーク１０６２と、変換ユニット１０６３とを備える。逆フーリエ変換ユニット１０６１は、逆高速フーリエ変換などのアルゴリズムにより、データを逆フーリエ変換する。第２のニューラルネットワーク１０６２は、例えば、フィードフォワードニューラルネットワーク、畳み込みニューラルネットワーク又はＴｒａｎｓｆｏｒｍｅｒなどである。第２のニューラルネットワーク１０６２は、畳み込みニューラルネットワークであるのが好ましい。第２のニューラルネットワーク１０６２は、Ｕ－Ｎｅｔであるのがより好ましい。本実施形態では、本実施形態では、第２のニューラルネットワーク１０６２は、入力層、出力層、畳み込み層、活性化層、プーリング層、バッチ正規化層、全結合層を含み、かつ入力層と出力層のサイズが等しい畳み込みニューラルネットワークであるとする。第２のニューラルネットワーク１０６２が使用する各パラメータは記憶部１０４に記憶されている。変換ユニット１０６３は、第２のニューラルネットワーク１０６２から出力されたマルチチャンネルの画像ドメインデータを感度分布図ＳＭに変換する。感度分布図ＳＭは、幅Ｗ×高さＨ×チャンネル数（コイル数）Ｃの３次元テンソルであり、各コイルの各位置での感度を表す。
【0021】
図３は、第１の実施形態における感度分布算出部１０６による処理を説明するためのデータフロー図である。以下、感度分布算出部１０６による処理について、図３を参照して説明する。まず、感度分布算出部１０６は、記憶部１０４からk空間データＫ０を読み出し、逆フーリエ変換ユニット１０６１により、k空間データＫ０を逆フーリエ変換してマルチチャンネル画像ドメインデータＩ０を生成する。そして、感度分布算出部１０６は、マルチチャンネル画像ドメインデータＩ０を第２のニューラルネットワーク１０６２に入力する。第２のニューラルネットワーク１０６２は、学習済みのニューラルネットワークにより、マルチチャンネル画像ドメインデータＩ０に対して補正処理を行い、補正されたマルチチャンネル画像ドメインデータＩ’０を生成する。第２のニューラルネットワーク１０６２による処理は、画像ドメインでマルチチャンネル画像ドメインデータＩ０における各チャンネルのデータに対してアーティファクト除去及びノイズ除去を行う処理であると考えられる。その後、感度分布算出部１０６は、変換ユニット１０６３に、補正されたマルチチャンネル画像ドメインデータＩ’０に基づいて感度分布図ＳＭを算出させる。すなわち、感度分布算出部１０６は、第２のニューラルネットワーク１０６２を用いてｋ空間データＫ0を生成した磁気共鳴イメージング装置の各受信コイルの感度分布図ＳＭを算出する。具体的には、補正されたマルチチャンネル画像ドメインデータＩ’０の幅方向×高さ方向の２次元平面における２次元座標（ｗ，ｈ）毎に、マルチチャンネル画像ドメインデータＩ’０中の当該２次元座標を有する合計コイル数Ｃ個のボクセルのボクセル値の二乗和平方根（Root of Sum Square）を算出し、そして、補正されたマルチチャンネル画像ドメインデータＩ’０中の各チャンネルでの２次元座標（ｗ，ｈ）上のボクセル値を当該座標に対応の二乗和平方根で除算することで各コイルの当該２次元座標（ｗ，ｈ）における感度を取得する。
【0022】
更新データ生成部１０７は、算出された残差の推定値が残差の真値に近づくように残差の推定値をイテレーティブ更新するための残差更新用データＵｔを生成する。更新データ生成部１０７は、逆フーリエ変換ユニット１０７１と、チャンネル統合ユニット１０７２と、第１のニューラルネットワーク１０７３と、チャンネル展開ユニット１０７４と、フーリエ変換ユニット１０７５とを備える。
【0023】
逆フーリエ変換ユニット１０７１は、逆高速フーリエ変換などのアルゴリズムにより、データを逆フーリエ変換する。チャンネル統合ユニット１０７２は、各コイルにそれぞれ対応するマルチチャンネルのデータをシングルチャンネルのデータに統合する。逆フーリエ変換ユニット１０７１及びチャンネル統合ユニット１０７２は、前処理部の一例である。前処理部は、感度分布図ＳＭに基づいて残差εtとｋ空間データＫ0に対して演算処理を行い、第１のニューラルネットワーク１０７３の入力データである第１のニューラルネットワーク入力データを生成する。第１のニューラルネットワーク１０７３は、例えば、フィードフォワードニューラルネットワーク、畳み込みニューラルネットワーク又はＴｒａｎｓｆｏｒｍｅｒなどである。第１のニューラルネットワーク１０７３は、畳み込みニューラルネットワークであるのが好ましい。第１のニューラルネットワーク１０７３は、Ｕ－Ｎｅｔであるのがより好ましい。本実施形態では、第１のニューラルネットワーク１０７３は、入力層、出力層、畳み込み層、活性化層、プーリング層、バッチ正規化層、全結合層を含み、かつ入力層と出力層のサイズが等しい畳み込みニューラルネットワークであるとする。第１のニューラルネットワーク１０７３が使用する各パラメータは、記憶部１０４に記憶されている。チャンネル展開ユニット１０７４は、シングルチャンネルのデータを、各コイルにそれぞれ対応するマルチチャンネルのデータに展開する。フーリエ変換ユニット１０７５は、高速フーリエ変換などのアルゴリズムによりデータをフーリエ変換する。
【0024】
図４は、第１の実施形態における更新データ生成部１０７による処理を説明するためのデータフロー図である。以下、更新データ生成部１０７による処理について、図４を参照して説明する。まず、更新データ生成部１０７は、記憶部１０４からk空間データＫ０と、残差初期推定値ε０をｔ回（ただし、ｔは、０以上ｎ以下の整数）イテレーティブ更新した結果を示す残差イテレーティブ推定値εｔとを読み出する。ｔ＝０の場合、残差イテレーティブ推定値εｔは、残差初期推定値ε０と同じである。そして、更新データ生成部１０７は、逆フーリエ変換ユニット１０７１及びチャンネル統合ユニット１０７２により、k空間データＫ０と残差イテレーティブ推定値εｔとの和に対して、第１のニューラルネットワーク１０７３に入力するまでの前処理を行う。具体的には、更新データ生成部１０７は、k空間データＫ０と残差イテレーティブ推定値εｔとを加算した和を逆フーリエ変換ユニット１０７１に入力し、逆フーリエ変換ユニット１０７１は、k空間データＫ０と残差イテレーティブ推定値εｔとの和を逆フーリエ変換し、マルチチャンネル画像ドメインデータＸｔを生成する。マルチチャンネル画像ドメインデータＸｔは、幅Ｗ×高さＨ×チャンネル数（コイル数）Ｃの３次元テンソルであり、各チャンネルには各コイルにそれぞれ対応する画像ドメインのデータが記憶されている。そして、更新データ生成部１０７は、マルチチャンネル画像ドメインデータＸｔ及び感度分布図ＳＭをチャンネル統合ユニット１０７２に入力し、チャンネル統合ユニット１０７２は、下式（１）により、各コイルの感度に応じて、マルチチャンネル画像ドメインデータＸｔの複数チャンネルのデータを、シングルチャンネルのデータに統合し、シングルチャンネル画像ドメインデータＩｔを生成する。
【0025】
【数1】
【0026】
ここで、Ｓｉ
＊は、感度分布図ＳＭの第ｉチャンネルにおける行列の随伴行列を表し、Ｘｔ，iは、マルチチャンネル画像ドメインデータＸｔの第ｉチャンネルにおける行列を表す。
【0027】
そして、更新データ生成部１０７は、シングルチャンネル画像ドメインデータＩｔを第１のニューラルネットワーク１０７３に入力し、第１のニューラルネットワーク１０７３は、学習済みのニューラルネットワークにより、シングルチャンネル画像ドメインデータＩｔを画像処理し、残差更新用データＵｔを生成する。換言すると、更新データ生成部１０７は、残差εｔ及びｋ空間データＫ０に基づいて画像処理を行い、残差εｔを更新するための残差更新用データＵｔを生成する第１のニューラルネットワークを有する。更新データ生成部１０７は、残差更新用データＵｔに基づいてｋ空間残差更新用データＺｔを生成する。残差更新用データＵｔは、k空間データＫ０と残差イテレーティブ推定値εｔの情報から生成された、残差イテレーティブ推定値εｔを残差の真値に近づくように補正するためのデータである。残差更新用データＵｔは、シングルチャンネルの画像ドメインデータであり、残差更新用データＵｔを残差イテレーティブ推定値εｔに適用するためには、それをマルチチャンネルのｋ空間のデータに変換する必要がある。そこで、次に、更新データ生成部１０７は、残差更新用データＵｔ及び感度分布図ＳＭをチャンネル展開ユニット１０７４に入力し、チャンネル展開ユニット１０７４は、各コイルの感度に応じて残差更新用データＵｔに対して展開処理を行い、マルチチャンネル残差更新用データＹｔを生成する。具体的には、チャンネル展開ユニット１０７４は、残差更新用データＵｔと感度分布図ＳＭの各チャンネルにおける行列とのアダマール積をそれぞれ算出し、得られた各アダマール積をマルチチャンネル残差更新用データＹｔの各チャンネルにおける行列とする。そして、更新データ生成部１０７は、フーリエ変換ユニット１０７５により、マルチチャンネル残差更新用データＹｔをフーリエ変換することで、マルチチャンネルのｋ空間残差更新用データＺｔを生成する。
【0028】
残差更新部１０８は、ｋ空間残差更新用データＺｔ及びアンダーサンプリングに利用したマスクＭに基づいて、データの整合性を保証した上で残差イテレーティブ推定値εｔを更新する。残差更新部１０８は、式（２）により残差イテレーティブ推定値εｔを更新して残差イテレーティブ推定値εｔ＋１を生成する。
【0029】
【数2】
【0030】
ここで、ηｔは、学習可能な係数である。項ηｔＭεｔは、データの整合性を保証するためのものであり、実際にサンプリングされた位相エンコードにおいて、残差イテレーティブ推定値εｔに基づいて復元されたｋ空間データがk空間データＫ０と一致することをできるだけ保証するためのものである。
【0031】
図５は、第１の実施形態における残差更新部１０８による処理を説明するためのデータフロー図である。以下、残差更新部１０８による処理について、図５を参照して説明する。まず、残差更新部１０８は、記憶部１０４から係数ηｔ、マスクＭ及び残差イテレーティブ推定値εｔを読み出し、それらのアダマール積を算出する。そして、残差更新部１０８は、上記積から残差イテレーティブ推定値εｔ及びｋ空間残差更新用データＺｔを減算した差を残差イテレーティブ推定値εｔ＋１として算出する。
【0032】
再構成部１０９は、ｎ回イテレーティブ最適化された残差イテレーティブ推定値εｎに基づいて画像データＩＭＧを生成する。すなわち、再構成部１０９は、ｋ空間データＫ０と更新された残差εｎに基づいて、画像データを再構成する。再構成部１０９は、逆フーリエ変換ユニット１０９１と、変換ユニット１０９２とを備える。逆フーリエ変換ユニット１０９１は、逆高速フーリエ変換などのアルゴリズムにより、データを逆フーリエ変換する。変換ユニット１０９２は、逆フーリエ変換ユニット１０９１から出力されたマルチチャンネル画像ドメインデータを画像データＩＭＧに変換する。
【0033】
図６は、第１の実施形態における再構成部１０９による処理を説明するためのデータフロー図である。以下、再構成部１０９による処理について、図６を参照して説明する。残差をｎ回イテレーティブ更新したと判断された場合、再構成部１０９は、記憶部１０４からk空間データＫ０及びｎ回最適化された残差イテレーティブ推定値εｎを読み出し、逆フーリエ変換ユニット１０９１によりそれらの和を逆フーリエ変換してｋ空間データ推定値Ｋｎを生成する。その後、変換ユニット１０９２は、ｋ空間データ推定値Ｋｎを画像データＩＭＧに変換する。具体的には、ｋ空間データ推定値Ｋｎの幅方向×高さ方向の２次元平面における２次元座標（ｗ，ｈ）毎に、その２次元座標を有する合計コイル数Ｃ個のボクセルのボクセル値の二乗和平方根（Root of Sum Square）を算出し、その二乗和平方根を画像データＩＭＧのこの座標での画素値とする。
【0034】
【0035】
本実施形態の磁気共鳴画像再構成方法は、残差イテレーティブ推定値εｔがk空間データＫ０とｋ空間データの真値との差に徐々に近似するように、合計ｎ回のイテレーションを行い、イテレーション毎に残差イテレーティブ推定値εｔを１回最適化する。本実施形態では、イテレーションを１回行うとは、ステップＳ１０５、ステップＳ１０６を順に１回実行することである。イテレーション回数は、好ましくは６～１２回である。
【0036】
ステップＳ１０１において、ユーザは表示装置に表示されたユーザインタフェースを介して、入力装置によって、記憶部１０４に記憶されているか、又は外部から入力されたk空間データＫ０及びマスクＭを選択する。そして、ステップＳ１０２に進む。
【0037】
ステップＳ１０２において、残差初期化部１０５は、k空間データＫ０に基づいて残差を初期化して、残差初期推定値ε０を生成する。そして、ステップＳ１０３に進む。
【0038】
ステップＳ１０３において、感度分布算出部１０６は、k空間データＫ０に基づいて、磁気共鳴イメージング装置が使用する複数のコイルの感度を算出し、感度分布図ＳＭを生成する。そして、ステップＳ１０４に進む。
【0039】
ステップＳ１０４において、磁気共鳴画像再構成装置１は、イテレーション回数ＩＴを０とする。そして、ステップＳ１０５に進む。
【0040】
ステップＳ１０５において、更新データ生成部１０７は、更新後の残差の推定値が残差の真値に近づくように、残差の推定値をイテレーティブ更新するための残差更新用データＵｔを生成する。
【0041】
ステップＳ１０６において、残差更新部１０８は、ｋ空間残差更新用データＺｔ及びアンダーサンプリングに利用したマスクＭに基づいて、残差イテレーティブ推定値εｔを更新し、イテレーション回数ＩＴを１だけインクリメントする。そして、ステップＳ１０７に進む。
【0042】
ステップＳ１０７において、磁気共鳴画像再構成装置１は、イテレーション回数ＩＴがｎに等しいか否かを判定し、「ＹＥＳ」と判定した場合には、ステップＳ１０８に進むが、「ＮＯ」と判定した場合には、ステップＳ１０５に戻る。
【0043】
ステップＳ１０８において、再構成部１０９は、ｎ回最適化された残差イテレーティブ推定値εｎに基づいて、画像データＩＭＧを生成する。その後、処理を終了する。
【0044】
上述した説明では、本実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法は、第１のニューラルネットワーク、第２のニューラルネットワーク及びパラメータηｔを用いており、これらのニューラルネットワークが正常に動作するにはトレーニングの必要がある。以下、上述したニューラルネットワーク及びパラメータのトレーニング方法について説明する。
【0045】
まず、予め記憶された複数組の教師データを記憶部１０４から読み出す。各組の教師データには、入力データとしての磁気共鳴イメージング装置によるアンダーサンプリングされたk空間データＫ０及びそれに対応付けられているマスクＭと、出力データとしての画像データ正解値ＩＭＧＧＴと、が含まれる。
【0046】
そして、複数組の教師データをトレーニングセット（Training Set）とテストセット（Test Set）とに分ける。トレーニングセットとテストセットの割合の例として、８０％、２０％、又は９０％、１０％などが挙げられる。例えば、教師データの総数が１００００組の場合、データ＃１～＃１００００の教師データは、トレーニングセットとしてのデータ＃１～＃８０００と、テストセットとしてのデータ＃８００１～＃１００００とに分けられる。このような場合では、トレーニングセットにおける各組教師データ中の入力データを磁気共鳴画像再構成装置１に入力し、本実施形態に係る磁気共鳴画像再構成方法を実行して画像データＩＭＧを算出し、そして、画像データＩＭＧと画像データ正解値ＩＭＧＧＴとの差分値を算出し、当該差分値に基づいてバックプロパゲーションを行うことで、磁気共鳴画像再構成装置１が出力する画像データＩＭＧと画像データ正解値ＩＭＧＧＴとの差分値が小さくなるように各ニューラルネットワークのパラメータ及び他の機械学習可能なパラメータを変更する。トレーニングセットの大部分のデータに対して、磁気共鳴画像再構成装置１が出力する画像データＩＭＧと画像データ正解値ＩＭＧＧＴとの差分値が予め設定された閾値よりも小さくなるまでに上述したプロセスを繰り返して行う。この時、各ニューラルネットワーク及びパラメータのトレーニングが完了したと判定する。
【0047】
そして、学習済みの磁気共鳴画像再構成装置１にテストデータ（データ＃８０００～＃１００００）の入力データを入力し、磁気共鳴画像再構成装置１が出力する画像データＩＭＧと画像データ正解値ＩＭＧＧＴとの差分値を評価データとして算出する。
【0048】
以下、本実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法の效果について説明する。
【0049】
従来技術の磁気共鳴装置では、スキャンの時間を短縮するために、ｋ空間の周波数ドメイン情報をアンダーサンプリングし、アンダーサンプリングされたｋ空間データを生成した。アンダーサンプリングされたｋ空間データによるスキャン画像の再構成は、不良設定問題（ill-posed problem）であるので、無数の解が存在し、再構成された正確なスキャン画像を一意に特定することができない。本実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法は、圧縮センシング（Compressive Sensing）アルゴリズムに基づいて当該問題を解くものである。圧縮センシングアルゴリズムは、制約条件（Constraint）を加えることにより１つの適切な解を一意地に決定することができる。ここで、深層学習に基づく圧縮センシングアルゴリズムは、ニューラルネットワークを用いて、トレーニングデータから適当な制約条件を学習し、その後、学習された制約条件を介して画像の再構成を行う。
【0050】
従来の圧縮センシングに基づく深層学習磁気共鳴画像再構成方法は、残差コネクションを有するニューラルネットワークによりk空間データをイテレーティブ最適化するものであるが、アンダーサンプリングされたk空間データとｋ空間データの真値との残差を直接推定することができない。
【0051】
本実施形態は、エンドツーエンドの残差学習ネットワークを用い、ニューラルネットワークにより、残差の推定値と真値との差を示す残差更新用データを算出し、この残差更新用データに基づいて残差の推定値をイテレーティブ最適化することにより、残差を正確に算出することができる。また、本発明では、ニューラルネットワークは残差をまるごと生成することを学習する必要がなく、残差更新用データを生成するだけでよいので、ニューラルネットワークの学習効率を向上させることができる。
【0052】
４Ｘアンダーサンプリング、６Ｘアンダーサンプリング及び８Ｘアンダーサンプリングのいずれの場合にも、本実施形態に係る磁気共鳴画像再構成装置１が生成する画像データＩＭＧと画像データ正解値ＩＭＧＧＴとのＭＳＥは従来の非エンドツーエンド残差学習技術の磁気共鳴画像再構成方法より低く、かつ、ＳＳＩＭ及びＰＳＮＲは従来の非エンドツーエンド残差学習技術の磁気共鳴画像再構成方法より高い。
【0053】
図８は、本実施形態の磁気共鳴画像再構成装置１によって再構成された画像データＩＭＧと従来技術によって再構成された画像データとを比較する図である。
【0054】
図８の（ａ）は、４Ｘアンダーサンプリングの場合における本実施形態の磁気共鳴画像再構成装置１によって再構成された脳の画像データを示し、図８の（ｂ）は、４Ｘアンダーサンプリングの場合における従来技術によって再構成された脳の画像データを示し、図８の（ｃ）は、脳の画像データ真値を示す。
【0055】
図８から明らかなように、４Ｘアンダーサンプリングの場合、本実施形態の磁気共鳴画像再構成装置１によって再構成された画像データは、従来技術に比べて画像データ真値の再現度がより完全であり、従来技術によって再構成された画像データに対してより多くの細部が復元され、かつ復元された脳組織のエッジがよりシャープであり、画像鮮明度がより高い。また、本実施形態の磁気共鳴画像再構成装置１によって再構成された画像データは、脳白質において高い信号（ハイライト表示）を示す病変組織を良好に復元している。一方、従来技術によって再構成された画像データは、脳組織のエッジがぼやけており、画像鮮明度が低く、脳白質において高い信号を示す病変組織を明瞭に復元することができなかった。
【0056】
図９は、本実施形態の磁気共鳴画像再構成装置１によって再構成された画像データＩＭＧと、従来技術によって再構成された画像データとを比較する図である。
【0057】
図９の（ａ）は、６Ｘアンダーサンプリングの場合における本実施形態の磁気共鳴画像再構成装置１によって再構成された脳の画像データを示し、図９の（ｂ）は、６Ｘアンダーサンプリングの場合における従来技術によって再構成された脳の画像データを示し、図９の（ｃ）は、脳の画像データ真値を示す。
【0058】
図９から明らかなように、６Ｘアンダーサンプリングの場合でも、本実施形態の磁気共鳴画像再構成装置１によって再構成された画像データは画像データ真値を大抵復元することができ、かつ顕著なアーティファクトが存在しない。一方、従来技術によって再構成された画像データにはアーティファクト（図中矢印で示す部分）が多数存在する。
【0059】
本実施形態によれば、感度分布算出部１０６、更新データ生成部１０７にニューラルネットワークを用いているので、画像データＩＭＧを再構成する精度を向上することができるとともに、画像データＩＭＧを再構成するまでのイテレーション回数を減らすことができる。
【0060】
（第２の実施形態）
以下、第２の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明するが、第２の実施形態では、第１の実施形態との相違点を中心にして説明し、第１の実施形態との共通点について説明を省略する。第２の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
以下、第２の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明するが、第２の実施形態では、第１の実施形態との相違点を中心にして説明し、第１の実施形態との共通点について説明を省略する。第２の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
【0061】
第２の実施形態の磁気共鳴画像再構成装置２は、第１の実施形態と比較して、再構成部１０９に代えて再構成部２０９を備え、再構成部２０９は第３のニューラルネットワーク２０９３をさらに有する。
【0062】
図１０は、第２の実施形態における再構成部２０９による処理を説明するためのデータフロー図である。以下、再構成部２０９による処理について、図１０を参照して説明する。残差をｎ回イテレーティブ更新したと判断された場合、再構成部２０９は、記憶部１０４からk空間データＫ０を読み出し、第３のニューラルネットワーク２０９３によりk空間データＫ０を補正して第１のｋ空間補正データＫ’を生成する。そして、逆フーリエ変換ユニット１０９１により、第１のｋ空間補正データＫ’及びｎ回最適化された残差イテレーティブ推定値εｎの和を逆フーリエ変換して、ｋ空間データ推定値Ｋｎを生成する。その後、変換ユニット１０９２は、ｋ空間データ推定値Ｋｎを画像データＩＭＧに変換する。具体的には、ｋ空間データ推定値Ｋｎの幅方向×高さ方向の２次元平面における２次元座標（ｗ，ｈ）毎に、その２次元座標を有する合計コイル数Ｃ個のボクセルのボクセル値の二乗和平方根（Root of Sum Square）を算出し、その二乗和平方根を画像データＩＭＧのこの座標での画素値とする。すなわち、再構成部２０９は、ｋ空間データを補正して第１の補正ｋ空間データを生成する第３のニューラルネットワーク２０９３を有し、第１の補正ｋ空間データと更新された残差εnとに基づいて画像データを再構成する。
【0063】
本実施形態によれば、第１の実施形態と同様な效果を奏することもできる。
【0064】
（第３の実施形態）
以下、第３の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明するが、第３の実施形態では、第１の実施形態との相違点を中心にして説明し、第１の実施形態との共通点について説明を省略する。第３の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
以下、第３の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明するが、第３の実施形態では、第１の実施形態との相違点を中心にして説明し、第１の実施形態との共通点について説明を省略する。第３の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
【0065】
図１１は、第３の実施形態における磁気共鳴画像再構成装置３の構成の一例を示す図である。以下、第３の実施形態の磁気共鳴画像再構成装置３の構成について、図１１を参照して説明する。第３の実施形態の磁気共鳴画像再構成装置３は、第１の実施形態と比較して、第４のニューラルネットワーク３１０をさらに備え、更新データ生成部１０７に代えて更新データ生成部３０７を備え、再構成部１０９に代えて再構成部３０９を備える。
【0066】
第４のニューラルネットワーク３１０は、k空間データＫ０を補正して第２のｋ空間補正データＫ’’を生成する。更新データ生成部３０７は、第２のｋ空間補正データＫ’’と残差イテレーティブ推定値εｔとを加算した和を逆フーリエ変換ユニット１０７１に入力し、マルチチャンネル画像ドメインデータＸｔを生成する。再構成部３０９は、逆フーリエ変換ユニット１０９１により、第２のｋ空間補正データＫ’’及びｎ回最適化された残差イテレーティブ推定値εｎの和を逆フーリエ変換してｋ空間データ推定値Ｋｎを生成する。すなわち、前処理部は、感度分布図ＳＭに基づいて残差εnと第２の補正ｋ空間データＫ‘に対して演算処理を行い、第１のニューラルネットワーク入力データを生成し、再構成部は、第２の補正ｋ空間データＫ’と更新された残差εnとに基づいて画像データを再構成する。
【0067】
図１２は、第３の実施形態に係る磁気共鳴画像再構成方法の流れを示すフローチャートである。以下、第３の実施形態に係る磁気共鳴画像再構成方法の流れについて、図１２を参照して説明する。第３の実施形態に係る磁気共鳴画像再構成方法では、ステップＳ１０１に代えてステップＳ３０１を有する。
【0068】
ステップＳ３０１において、ユーザは、表示装置に表示されたユーザインタフェースを介して、入力装置によって、記憶部１０４に記憶されているか、又は外部から入力されたk空間データＫ０及びマスクＭを選択する。そして、k空間データＫ０を第４のニューラルネットワーク３１０に入力し、第２のｋ空間補正データＫ’’を生成する。
【0069】
本実施形態によれば、第１の実施形態と同様な効果を奏することもできる。
【0070】
（第４の実施形態）
以下、第４の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明する。第４の実施形態では、第１の実施形態との相違点を中心にして説明するが、第４の実施形態との共通点について説明を省略する。第４の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
以下、第４の実施形態に係る磁気共鳴画像再構成装置及び磁気共鳴画像再構成方法について説明する。第４の実施形態では、第１の実施形態との相違点を中心にして説明するが、第４の実施形態との共通点について説明を省略する。第４の実施形態の説明では、第１の実施形態とは同一部分に同一の符号を付して説明する。
【0071】
第４の実施形態の磁気共鳴画像再構成装置４は、第１の実施形態と比較して、更新データ生成部１０７に代えて更新データ生成部４０７を有する。
【0072】
図１３は、第４の実施形態における更新データ生成部４０７による処理を説明するためのデータフロー図である。以下、更新データ生成部４０７による処理について、図１３を参照して説明する。まず、更新データ生成部４０７は、記憶部１０４から残差イテレーティブ推定値εｔを読み出す。そして、更新データ生成部４０７は逆フーリエ変換ユニット１０７１及びチャンネル統合ユニット１０７２により、残差イテレーティブ推定値εｔに対して前処理を行う。具体的には、更新データ生成部４０７は、残差イテレーティブ推定値εｔを逆フーリエ変換ユニット１０７１に入力し、逆フーリエ変換ユニット１０７１は、残差イテレーティブ推定値εｔを逆フーリエ変換し、マルチチャンネル画像ドメインデータＸｔを生成する。マルチチャンネル画像ドメインデータＸｔは、幅Ｗ×高さＨ×チャンネル数（コイル数）Ｃの３次元テンソルであり、各チャンネルには、各コイルにそれぞれ対応する画像ドメインのデータが記憶されている。そして、更新データ生成部４０７は、マルチチャンネル画像ドメインデータＸｔ及び感度分布図ＳＭをチャンネル統合ユニット１０７２に入力し、チャンネル統合ユニット１０７２は、式（１）により、各コイルの感度に応じて、マルチチャンネル画像ドメインデータＸｔの複数チャンネルのデータをシングルチャンネルのデータに統合し、シングルチャンネル画像ドメインデータＩｔを生成する。すなわち、更新データ生成部４０７は、感度分布図ＳＭに基づいて残差εtに対して演算処理を行い、第１のニューラルネットワーク１０７３の入力データであるニューラルネットワーク入力データを生成する。
【0073】
そして、更新データ生成部４０７は、シングルチャンネル画像ドメインデータＩｔを第１のニューラルネットワーク１０７３に入力し、第１のニューラルネットワーク１０７３は、トレーニングされたニューラルネットワークにより、シングルチャンネル画像ドメインデータＩｔを画像処理し、残差更新用データＵｔを生成する。すなわち、第１のニューラルネットワーク１０７３は、前述のニューラルネットワーク入力データを入力データとし、残差εtを更新するための残差更新用データＵｔを生成する。残差更新用データＵｔは、残差イテレーティブ推定値εｔの情報から生成された、残差イテレーティブ推定値εｔを残差の真値に近づくように補正するためのデータである。次に、更新データ生成部４０７は、残差更新用データＵｔ及び感度分布図ＳＭをチャンネル展開ユニット１０７４に入力し、チャンネル展開ユニット１０７４は、各コイルの感度に応じて、残差更新用データＵｔを展開処理し、マルチチャンネル残差更新用データＹｔを生成する。そして、更新データ生成部４０７は、フーリエ変換ユニット１０７５により、マルチチャンネル残差更新用データＹｔをフーリエ変換し、得られた結果をk空間データＫ０に加算することで、マルチチャンネルのｋ空間残差更新用データＺｔを生成する。
【0074】
本実施形態によれば、第１の実施形態と同様な効果を奏することもできる。
【0075】
（変形例）
以上の実施形態では、感度分布算出部１０６をニューラルネットワークに基づいてコイル感度分布図ＳＭを算出としたが、感度分布算出部１０６はＥＳＰｉＲｉＴアルゴリズムに基づいてコイル感度分布図ＳＭを算出するようにしてもよい。また、シングルコイルの磁気共鳴イメージング装置がスキャンしたk空間データ（シングルチャンネル）を再構成するようにしてもよい。
以上の実施形態では、感度分布算出部１０６をニューラルネットワークに基づいてコイル感度分布図ＳＭを算出としたが、感度分布算出部１０６はＥＳＰｉＲｉＴアルゴリズムに基づいてコイル感度分布図ＳＭを算出するようにしてもよい。また、シングルコイルの磁気共鳴イメージング装置がスキャンしたk空間データ（シングルチャンネル）を再構成するようにしてもよい。
【0076】
さらに、k空間データＫ０を超解像度処理して、画像データＩＭＧの精度及び解像度を向上させるようにしてもよい。
【0077】
以上説明した少なくとも１つの実施形態によれば、画質を向上することができる。
【0078】
いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
【符号の説明】
【0079】
１ 磁気共鳴画像再構成装置
１０１ 入出力インタフェース
１０２ 表示インタフェース
１０３ 通信インタフェース
１０４ 記憶部
１０５ 残差初期化部
１０６ 感度分布算出部
１０７ 更新データ生成部
１０８ 残差更新部
１０９ 再構成部
１０１ 入出力インタフェース
１０２ 表示インタフェース
１０３ 通信インタフェース
１０４ 記憶部
１０５ 残差初期化部
１０６ 感度分布算出部
１０７ 更新データ生成部
１０８ 残差更新部
１０９ 再構成部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】