[发明专利]数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法

说明书

技术领域

本发明涉及一种通过降低具有随机噪声的时间轴和空间轴的数据中的噪声来提高SNR(signaltonoiseratio，信噪比)的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法，特别涉及与SNR适应地修正数据以确保高频部分和高SNR部分的数据并选择地降低噪声的数据处理装置、医用诊断装置、数据处理方法以及医用诊断方法。

背景技术

以往，为了降低具有空间轴和时间轴的数据中存在的随机噪声而进行滤波。在噪声降低用的滤波器中，除了滤波强度在时间以及空间上不变化的线性(linear)滤波器之外，还有根据数据来决定滤波强度的适应型滤波器。作为降低空间或时间的随机噪声的适应型滤波器，提出了结构适应型滤波器和SNR适应型滤波器。

结构适应型滤波器是根据数据的结构来决定滤波强度，保持边缘、线、点等高频成分的局部结构的滤波器。在结构适应型滤波器中，有对边缘或线的方向进行检测，根据检测出的边缘或线的方向来控制滤波的方向的类型、控制滤波强度的类型。

例如，作为根据从图像数据检测出的边缘来控制滤波强度的结构适应型滤波器，已知有称为sigma滤波器的滤波器。sigma滤波器是进行以下的所谓边缘强调(edgeenhancement)的滤波器，即根据对图像数据中的中频成分或高频成分进行了强调的数据制成权重函数，使用所制成的权重函数对图像数据和强调了中频成分或高频成分的数据进行加权相加，从而在保存图像数据中的边缘的同时降低噪声。如果将成为滤波对象的一维的位置(x)处的原数据设为S_orig(x)，将通过对原数据S_orig(x)实施高通滤波(HPF：highpassfilter)而取得的高频成分(highpassfiltereddata)设为S_high(x)，将通过对原数据S_orig(x)实施低通滤波(LPF：lowpassfilter)而取得的低频成分(lowpassfiltereddata)设为S_low(x)，将权重函数设为W(x)，将滤波后的修正数据设为S_cor(x)，则可以如式(1-1)以及式(1-2)那样表示基于该sigma滤波器的数据修正处理(滤波)。

W(x)＝S_high(x)/max[S_high(x)](1-1)

S_cor(x)＝W(x)*S_orig(x)+{1-W(x)}S_low(x)(1-2)

即，如式(1-1)所示，作为原数据S_orig(x)的边缘部分而提取出高频成分S_high(x)，提取出的高频成分S_high(x)根据高频成分S_high(x)的最大值max[S_high(x)]进行标准化。然后，该标准化了的高频成分被设为权重函数W(x)。接着，通过使用权重函数W(x)对原数据S_orig(x)和作为平滑(smoothing)数据的低频成分S_low(x)进行加权相加，取得修正数据S_cor(x)。

另一方面，SNR适应型滤波器是与数据的SNR对应地对滤波强度进行最佳化的滤波器。作为SNR适应型滤波器的具体例子，提出了维纳滤波器(WF：WienerFilter)(例如参照伊藤聪志，山田芳文：“利用菲涅耳转换的复式解法的MR影像的SNR改善法”(参照英语名：ItoS，YamadaY.“UseofDualFresnelTransformPairstoImproveSignal-to-NoiseRatioinMagneticResonanceImaging”Med.Imag.Tech.19(5)，355-369(2001)))。

但是，以往提出的WF通常是通过频率空间中的处理来提高数据的SNR的滤波器。因此，如果使用WF进行数据的SNR修正，则存在无法回避数据的高频成分中的劣化的问题。对于该问题，没有特别提出对应于SNR的空间分布适应地产生作用的SNR适应型滤波器。