JP7366575B2 - 磁気共鳴イメージング装置、磁気共鳴イメージング方法及び画像処理装置 - Google Patents

Description

本発明の実施形態は、磁気共鳴イメージング装置、磁気共鳴イメージング方法及び画像処理装置に関する。

近年、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）装置によって、繰り返し時間（Repetition Time：ＴＲ）、エコー時間（Echo Time：ＴＥ）、反転時間（Inversion Time：ＴＩ）等の撮像パラメータの値を変えて収集した複数の画像からプロトン密度（Proton Density：ＰＤ）、縦緩和時間（Ｔ１）、横緩和時間（Ｔ２）、拡散係数（Apparent Diffusion Coefficient：ＡＤＣ）等の定量パラメータマップを生成した後に、それらの定量パラメータマップの信号値と任意の撮像パラメータの値とを用いて、通常の診断で用いられている各種のコントラスト強調画像に対応する合成コントラスト強調画像を計算によって生成する技術が知られている。

特開２０１８－０３３８９３号公報 特開２０１６－１２３８６５号公報 米国特許第７，３４０，２９０号明細書 特開２０１７－２２５５０１号公報

Warntjes JB，et al．，"Rapid magnetic resonance quantification on the brain：optimization for clinical usage"，Magn Reson Med．2008，60，p．320－329 Hagiwara A，et al．，"SyMRI of the Brain：Rapid Quantification of Relaxation Rates and Proton Density，With Synthetic MRI，Automatic Brain Segmentation，and Myelin Measurement"，Investigative Radiology．2017，52，p．647－657 Tanenbaum LN，et al，"Synthetic MRI for Clinical Neuroimaging：Results of the Magnetic Resonance Image Compilation（MAGiC） Prospective，Multicenter，Multireader Trial"，AJNR 2017，38，p．1103－1110 Hwang KP，et al.，"3D isotropic multi－parameter mapping and synthetic imaging of the brain with 3D－QALAS：Comparison with 2D MAGIC"，ISMRM．2018，#5627 Gong E，at al.，"Improved Synthetic MRI from multi－echo MRI Using Deep Learning"，ISMRM．2018，#279 Macro Essig，et al.，"Assessment of cerebral gliomas by a new dark fluid sequence，high intensity Reduction（HIRE）：a preliminary study"，JMRI．2000 May；11(5)：p．506－517 Salminen LE，Conturo TE，Bolzenius JD，Cabeen RP，Akbudak E，Paul RH，"Reducing CSF Partial Volume Effects to Enhance Diffusion Tensor Imaging Metrics of Brain Microstructure"，Technol Innov．2016 Apr；18(1)：p．5－20，Epub 2016

本発明が解決しようとする課題は、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるパーシャルボリュームエフェクトを抑制することである。

実施形態に係るＭＲＩ装置は、収集部と、分離部と、生成部とを備える。収集部は、複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する。分離部は、前記複数の画像のうちのエコー時間が異なる少なくとも３つの画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する。生成部は、前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する。

図１は、第１の実施形態に係るＭＲＩ装置の構成例を示す図である。 図２は、第１の実施形態に係るＭＲＩ装置によって実行される処理の処理手順を示すフローチャートである。 図３は、第１の実施形態に係る実施例で用いられる２成分モデルに基づいて、ＴＥ及びｂ値を変えて収集した画像を２次元データとして表した図である。 図４は、実施例１に係る生成機能によって生成された画像及び定量パラメータマップにおける水成分の抑制の一例を示す図である。 図５は、実施例１に係る合成機能によって生成された合成コントラスト強調画像における水成分の抑制の一例を示す図である。 図６は、実施例２に係る拡散強調イメージングによって撮像された画像におけるｂ値による水成分の抑制の一例を示す図である。 図７は、実施例６に係る拡散強調イメージングによって収集されたＤＷＩにおける信号強度とｂ値との関係を示す図である。 図８は、実施例７に係る分離機能によって行われる分離画像の生成の一例を示す図である。 図９は、実施例８に係る分離機能によって行われる分離画像の生成の一例を示す図である。 図１０は、実施例８に係る分離機能によって用いられる非線形関数の一例を示す図である。 図１１は、第２の実施形態に係る画像処理装置の構成例を示す図である。

以下、図面を参照しながら、本願に係るＭＲＩ装置、ＭＲＩ方法及び画像処理装置の実施形態について詳細に説明する。

（第１の実施形態）
図１は、第１の実施形態に係るＭＲＩ装置の構成例を示す図である。

例えば、図１に示すように、本実施形態に係るＭＲＩ装置１００は、静磁場磁石１、傾斜磁場コイル２、傾斜磁場電源３、全身用ＲＦコイル４、局所用ＲＦコイル５、送信回路６、受信回路７、ＲＦ（Radio Frequency）シールド８、架台９、寝台１０、インタフェース１１、ディスプレイ１２、記憶回路１３、及び処理回路１４～１６を備える。

静磁場磁石１は、被検体Ｓが配置される撮像空間に静磁場を発生させる。具体的には、静磁場磁石１は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、その内周側に位置する撮像空間に静磁場を発生させる。例えば、静磁場磁石１は、略円筒状に形成された冷却容器と、当該冷却容器内に充填された冷却材（例えば、液体ヘリウム等）に浸漬された超伝導磁石等の磁石とを有する。なお、静磁場磁石１は、例えば、永久磁石を用いて静磁場を発生させるものであってもよい。

傾斜磁場コイル２は、静磁場磁石１の内側に配置されており、被検体Ｓが配置される撮像空間に傾斜磁場を発生させる。具体的には、傾斜磁場コイル２は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、互いに直交するＸ軸、Ｙ軸及びＺ軸それぞれに対応するＸコイル、Ｙコイル及びＺコイルを有している。Ｘコイル、Ｙコイル及びＺコイルは、傾斜磁場電源３から供給される電流に基づいて、各軸方向に沿って線形に変化する傾斜磁場を撮像空間に発生させる。ここで、Ｚ軸は、傾斜磁場コイル２の円筒の軸に一致し、静磁場磁石１によって発生する静磁場の磁束に沿って設定される。また、Ｘ軸は、Ｚ軸に直交する水平方向に沿って設定され、Ｙ軸は、Ｚ軸に直交する鉛直方向に沿って設定される。これにより、Ｘ軸、Ｙ軸及びＺ軸は、ＭＲＩ装置１００に固有の装置座標系を構成する。

傾斜磁場電源３は、傾斜磁場コイル２に電流を供給することで、リードアウト方向、フェーズエンコード方向及びスライス方向それぞれに沿って線形に変化する傾斜磁場を撮像空間に発生させる。具体的には、傾斜磁場電源３は、傾斜磁場コイル２のＸコイル、Ｙコイル及びＺコイルに個別に電流を供給することで、互いに直交するリードアウト方向、フェーズエンコード方向及びスライス方向それぞれに沿って線形に変化する傾斜磁場を発生させる。なお、以下では、リードアウト方向に沿った傾斜磁場をリードアウト傾斜磁場と呼び、フェーズエンコード方向に沿った傾斜磁場をフェーズエンコード傾斜磁場と呼び、スライス方向に沿った傾斜磁場をスライス傾斜磁場と呼ぶ。

ここで、リードアウト傾斜磁場、フェーズエンコード傾斜磁場、及びスライス傾斜磁場は、静磁場磁石１によって発生する静磁場に重畳されることで、被検体Ｓから発生するＭＲ信号に空間的な位置情報を付与する。具体的には、リードアウト傾斜磁場は、リードアウト方向の位置に応じてＭＲ信号の周波数を変化させることで、リードアウト方向に沿った位置情報をＭＲ信号に付与する。また、フェーズエンコード傾斜磁場は、フェーズエンコード方向に沿ってＭＲ信号の位相を変化させることで、フェーズエンコード方向に沿った位置情報をＭＲ信号に付与する。また、スライス傾斜磁場は、スライス方向に沿った位置情報をＭＲ信号に付与する。例えば、スライス傾斜磁場は、撮像領域がスライス領域の場合には、スライス領域の方向、厚さ及び枚数を決めるために用いられ、撮像領域がボリューム領域である場合には、スライス方向の位置に応じてＭＲ信号の位相を変化させるために用いられる。これにより、リードアウト方向に沿った軸、フェーズエンコード方向に沿った軸、及びスライス方向に沿った軸は、撮像の対象となるスライス領域又はボリューム領域を規定するための論理座標系を構成する。

全身用ＲＦコイル４は、傾斜磁場コイル２の内周側に配置されており、撮像空間に配置された被検体ＳにＲＦ磁場を印加し、当該ＲＦ磁場の影響によって被検体Ｓから発生するＭＲ信号を受信する。具体的には、全身用ＲＦコイル４は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、送信回路６から供給されるＲＦパルス信号に基づいて、その内周側に位置する撮像空間に配置された被検体ＳにＲＦ磁場を印加する。また、全身用ＲＦコイル４は、ＲＦ磁場の影響によって被検体Ｓから発生するＭＲ信号を受信し、受信したＭＲ信号を受信回路７へ出力する。例えば、全身用ＲＦコイル４は、ＱＤ（quadrature）コイルである。

局所用ＲＦコイル５は、被検体Ｓから発生したＭＲ信号を受信する。具体的には、局所用ＲＦコイル５は、被検体Ｓの部位ごとに用意されており、被検体Ｓの撮像が行われる際に、撮像対象の部位の近傍に配置される。そして、局所用ＲＦコイル５は、全身用ＲＦコイル４によって印加されたＲＦ磁場の影響によって被検体Ｓから発生したＭＲ信号を受信し、受信したＭＲ信号を受信回路７へ出力する。なお、局所用ＲＦコイル５は、被検体ＳにＲＦ磁場を印加する機能をさらに有していてもよい。その場合には、局所用ＲＦコイル５は、送信回路６に接続され、送信回路６から供給されるＲＦパルス信号に基づいて、被検体ＳにＲＦ磁場を印加する。例えば、局所用ＲＦコイル５は、サーフェスコイルや、複数のサーフェスコイルで構成されたアレイコイルである。

送信回路６は、静磁場中に置かれた対象原子核に固有のラーモア周波数に対応するＲＦパルス信号を全身用ＲＦコイル４に出力する。具体的には、送信回路６は、パルス発生器、ＲＦ発生器、変調器、及び増幅器を有する。パルス発生器は、ＲＦパルス信号の波形を生成する。ＲＦ発生器は、共鳴周波数のＲＦ信号を発生する。変調器は、ＲＦ発生器によって発生したＲＦ信号の振幅をパルス発生器によって発生した波形で変調することで、ＲＦパルス信号を生成する。増幅器は、変調器によって生成されたＲＦパルス信号を増幅して全身用ＲＦコイル４に出力する。

受信回路７は、全身用ＲＦコイル４又は局所用ＲＦコイル５から出力されるＭＲ信号に基づいてＭＲ信号データを生成し、生成したＭＲ信号データを処理回路１５に出力する。例えば、受信回路７は、選択器、前段増幅器、位相検波器、及び、Ａ／Ｄ（Analog/Digital）変換器を備える。選択器は、全身用ＲＦコイル４又は局所用ＲＦコイル５から出力されるＭＲ信号を選択的に入力する。前段増幅器は、選択器から出力されるＭＲ信号を電力増幅する。位相検波器は、前段増幅器から出力されるＭＲ信号の位相を検波する。Ａ／Ｄ変換器は、位相検波器から出力されるアナログ信号をデジタル信号に変換することでＭＲ信号データを生成し、生成したＭＲ信号データを処理回路１５に出力する。

ＲＦシールド８は、傾斜磁場コイル２と全身用ＲＦコイル４との間に配置されており、全身用ＲＦコイル４によって発生するＲＦ磁場から傾斜磁場コイル２を遮蔽する。具体的には、ＲＦシールド８は、中空の略円筒状（円筒の中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、傾斜磁場コイル２の内周側の空間に、全身用ＲＦコイル４の外周面を覆うように配置されている。

架台９は、略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成された中空のボア９ａを有し、静磁場磁石１、傾斜磁場コイル２、全身用ＲＦコイル４、及びＲＦシールド８を収容している。具体的には、架台９は、ボア９ａの外周側に全身用ＲＦコイル４を配置し、全身用ＲＦコイル４の外周側にＲＦシールド８を配置し、ＲＦシールド８の外周側に傾斜磁場コイル２を配置し、傾斜磁場コイル２の外周側に静磁場磁石１を配置した状態で、それぞれを収容している。ここで、架台９が有するボア９ａ内の空間が、撮像時に被検体Ｓが配置される撮像空間となる。

寝台１０は、被検体Ｓが載置される天板１０ａを備え、被検体Ｓの撮像が行われる際に、被検体Ｓが載置された天板１０ａを撮像空間に移動する。例えば、寝台１０は、天板１０ａの長手方向が静磁場磁石１の中心軸と平行になるように設置されている。

なお、ここでは、ＭＲＩ装置１００が、静磁場磁石１、傾斜磁場コイル２及び全身用ＲＦコイル４それぞれが略円筒状に形成された、いわゆるトンネル型の構成を有する場合の例を説明するが、実施形態はこれに限られない。例えば、ＭＲＩ装置１００は、被検体Ｓが配置される撮像空間を挟んで対向するように一対の静磁場磁石、一対の傾斜磁場コイル及び一対のＲＦコイルを配置した、いわゆるオープン型の構成を有していてもよい。この場合には、一対の静磁場磁石、一対の傾斜磁場コイル及び一対のＲＦコイルによって挟まれた空間が、トンネル型の構成におけるボアに相当する。

インタフェース１１は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、インタフェース１１は、処理回路１７に接続されており、操作者から受け取った入力操作を電気信号へ変換して処理回路１７に出力する。例えば、インタフェース１１は、撮像条件や関心領域（Region Of Interest：ＲＯＩ）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。なお、本明細書において、インタフェース１１は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路もインタフェース１１の例に含まれる。

ディスプレイ１２は、各種情報及び各種画像を表示する。具体的には、ディスプレイ１２は、処理回路１７に接続されており、処理回路１７から送られる各種情報及び各種画像のデータを表示用の電気信号に変換して出力する。例えば、ディスプレイ１２は、液晶モニタやＣＲＴモニタ、タッチパネル等によって実現される。

記憶回路１３は、各種データを記憶する。具体的には、記憶回路１３は、ＭＲ信号データや画像データを記憶する。例えば、記憶回路１３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子やハードディスク、光ディスク等によって実現される。

処理回路１４は、寝台制御機能１４ａを有する。寝台制御機能１４ａは、制御用の電気信号を寝台１０へ出力することで、寝台１０の動作を制御する。例えば、寝台制御機能１４ａは、インタフェース１１を介して、天板１０ａを長手方向、上下方向又は左右方向へ移動させる指示を操作者から受け付け、受け付けた指示に従って天板１０ａを移動するように、寝台１０が有する天板１０ａの移動機構を動作させる。

処理回路１５は、シーケンス実行機能１５ａを有する。シーケンス実行機能１５ａは、処理回路１７から出力されるシーケンス実行データに従って傾斜磁場電源３、送信回路６及び受信回路７を駆動することで、各種の撮像法のパルスシーケンスを実行する。ここで、シーケンス実行データは、パルスシーケンスを表すデータであり、傾斜磁場電源３が傾斜磁場コイル２に電流を供給するタイミング及び供給する電流の強さ、送信回路６が全身用ＲＦコイル４にＲＦパルス信号を供給するタイミング及び供給するＲＦパルスの強さ、受信回路７がＭＲ信号をサンプリングするタイミング等を規定した情報である。そして、シーケンス実行機能１５ａは、パルスシーケンスを実行した結果として受信回路７から出力されるＭＲ信号データを受信し、記憶回路１３に記憶させる。このとき、記憶回路１３に記憶されるＭＲ信号は、前述したリードアウト傾斜磁場、フェーズエンコード傾斜磁場、及びスライス傾斜磁場によってリードアウト方向、フェーズアウト方向及びスライス方向の各方向に沿った位置情報が付与されることで、２次元又は３次元に配列されたｋ空間データとして記憶される。

処理回路１６は、画像生成機能１６ａを有する。画像生成機能１６ａは、記憶回路１３に記憶されたＭＲ信号データに基づいて画像を生成する。具体的には、画像生成機能１６ａは、シーケンス実行機能１５ａによって収集されたＭＲ信号データを記憶回路１３から読み出し、読み出したＭＲ信号データにフーリエ変換等の再構成処理を施すことで、２次元又は３次元の画像を生成する。また、画像生成機能１６ａは、生成した画像を記憶回路１３に記憶させ、操作者からの要求に応じて、記憶回路１３から画像データを読み出してディスプレイ１２に出力する。

処理回路１７は、ＭＲＩ装置１００が有する各構成要素を制御することで、ＭＲＩ装置１００の全体制御を行う。具体的には、処理回路１７は、操作者から各種指示及び各種情報の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）をディスプレイ１２に表示し、インタフェース１１を介して受け付けられた入力操作に応じて、ＭＲＩ装置１００が有する各構成要素を制御する。例えば、処理回路１７は、操作者によって入力された撮像条件に基づいてシーケンス実行データを生成し、生成したシーケンス実行データを処理回路１５に出力することで、シーケンス実行機能１５ａに各種のパルスシーケンスを実行させる。また、処理回路１７は、処理回路１６の画像生成機能１６ａを制御して、パルスシーケンスを実行することによって収集されたＭＲ信号データに基づいて画像を生成させることで、各種の画像を収集する。

以上、本実施形態に係るＭＲＩ装置１００の構成例について説明した。このような構成のもと、本実施形態に係るＭＲＩ装置１００は、複数種類の撮像パラメータの値を変えて収集された複数の画像から、ＰＤ、Ｔ１、Ｔ２等の定量パラメータマップを生成する機能を有している。さらに、本実施形態に係るＭＲＩ装置１００は、生成した定量パラメータマップの信号値と任意の撮像パラメータの値とを用いて、各種のコントラスト強調画像に対応する合成コントラスト強調画像を計算によって生成する機能を有している。

例えば、このような合成コントラスト強調画像を計算によって生成する技術として、Synthetic MRI（ＳｙＭＲＩ）と呼ばれる手法が知られている。このＳｙＭＲＩには、ＭＲＩ装置の機種や条件に依存しにくい定量パラメータマップが得られること、複数種類のコントラスト強調画像を実収集によって撮像する場合の撮像時間と比べて撮像及び処理を含めても全体の時間が短縮できること、任意の撮像パラメータにより任意の合成コントラスト強調画像を生成できるため最適なコントラスト強調画像を事後的に生成できること等の利点がある。なお、コントラスト強調画像の情報はＴ１、Ｔ２、ＰＤ等の定量パラメータマップが反映しているが、事後的にコントラスト強調画像が生成されるのは、医師が通常の診断で一般的に用いているコントラスト強調画像に慣れているためである。

また、近年では、ＳＳＦＰ（Steady State Free Precession）シーケンスのｋ空間スパイラルトラジェクトリー等による高速なインコヒーレント収集と辞書照合とを組み合わせて最小限のデータから高速に定量パラメータマップを生成するMR Finger Printing（ＭＲＦ）と呼ばれる手法を用いてコントラスト強調画像を生成する手法も、広い意味でのＳｙＭＲＩとして注目されてきている。

さらに、拡散強調画像（Diffusion Weighted Image：ＤＷＩ）を撮像する拡散強調イメージングによって拡散による位相分散による信号減衰の強度を表すｂ値を変えて撮像した画像からＡＤＣの定量パラメータマップを生成し、当該定量パラメータマップと任意の撮像パラメータの値とを用いて計算拡散強調画像を生成する手法も知られている。ＤＷＩでは、水すなわちＣＳＦ（Cerebral Spinal Fluid）の抑制が、ＡＤＣやＦＡ等のパラメータの定量化において、又は、神経線維を抽出するトラクトグラフィの高精度化において重要である。そのため、ＤＷＩを撮像する撮像法では、データ収集時にＦＬＡＩＲ（Fluid Attenuated Inversion Recovery）を用いる方法や、ｂ値を２段階又は複数段階に設定し、複数方向のデータから解析的に水成分と組織成分とを分離する方法等が知られている。

ここで、上述した各手法は、定量パラメータマップの生成が合成コントラスト強調画像の生成に先行する点で共通しており、いずれの手法でも、定量パラメータマップにパーシャルボリュームエフェクト（partial volume effect：ＰＶＥ）が生じることによって、同一のボクセル内に異なる組織が混合するために本来の定量値からずれる結果、それらを用いて得られた合成コントラスト強調画像に本来の収集画像にはない高信号や低信号のアーチファクトが生じることがあり得る。

例えば、ＳｙＭＲＩによって生成された頭部のＴ２－ＦＬＡＩＲ画像では、脳室や皮質の脳溝及び脳組織の近傍に生じる高信号が、実収集によって得られたＴ２－ＦＬＡＩＲ画像には生じないアーチファクトとして診断の障害となるとの報告が多い。このような高信号のアーチファクトは、ボクセル内のＣＳＦと組織との混合によって生じるＰＶＥが原因と考えられている。

すなわち、実収集で得られるＦＬＡＩＲ画像では、ＩＲ（Inversion Recovery）パルスによって水（ＣＳＦ）の縦磁化Ｍｚをゼロにしてから横磁化Ｍｘｙとして信号を収集するため、水の縦磁化が完全にゼロであれば、水成分が含まれていたとしても、原理的には組織成分のみの信号となる。そのため、定量パラメータマップにＰＶＥは生じない。これに対し、ＳｙＭＲＩでは、通常、水の縦磁化がゼロになっていない状態で収集された信号から定量パラメータマップが生成されるため、信号内の水成分と組織成分との混合によるＰＶＥが生じる。その結果、定量パラメータをもとに生成されるＳｙｎｔｈｅｔｉｃ ＦＬＡＩＲ画像では、水の縦磁化の影響が避けられず、特に水のＴ２は組織に比べて長いため、ＴＥを長く設定することによって水が組織より強調されたＳｙｎｔｈｅｔｉｃ ＦＬＡＩＲ画像ほど、ＰＶＥによる高信号のアーチファクトが顕著に表れることになる。

このようなことから、本実施形態に係るＭＲＩ装置１００は、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができるように構成されている。

具体的には、本実施形態では、図１に示す処理回路１７が、収集機能１７ａと、分離機能１７ｂと、生成機能１７ｃと、合成機能１７ｄとを有する。ここで、収集機能１７ａは、収集部の一例である。また、分離機能１７ｂは、分離部の一例である。また、生成機能１７ｃは、生成部の一例である。また、合成機能１７ｄは、合成部の一例である。

なお、上述した処理回路１４～１７は、例えば、プロセッサによって実現される。この場合に、各処理回路が有する処理機能は、例えば、コンピュータによって実行可能なプログラムの形態で記憶回路１３に記憶される。そして、各処理回路は、記憶回路１３から各プログラムを読み出して実行することで、各プログラムに対応する処理機能を実現する。換言すると、各プログラムを読み出した状態の各処理回路は、図１の各処理回路内に示された各機能を有することとなる。なお、ここでは、単一のプロセッサによって各処理回路が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて各処理回路を構成し、各プロセッサがプログラムを実行することによって各処理機能を実現するものとしてもよい。また、各処理回路が有する処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、図１に示す例では、単一の記憶回路１３が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路が個別の記憶回路から対応するプログラムを読み出す構成としても構わない。

図２は、第１の実施形態に係るＭＲＩ装置１００によって実行される処理の処理手順を示すフローチャートである。

例えば、図２に示すように、本実施形態では、収集機能１７ａが、複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織のＴ２に近いＴＥで撮像した画像と、信号内で水成分が支配的となるような長いＴＥで撮像した画像とを含む複数の画像を収集する（ステップＳ０１）。このとき、収集機能１７ａは、処理回路１５のシーケンス実行機能１５ａ及び処理回路１６の画像生成機能１６ａを制御することで、当該複数の画像を収集する。このステップＳ０１の処理は、例えば、処理回路１７が、収集機能１７ａに対応する所定のプログラムを記憶回路１３から読み出して実行することにより実現される。

また、分離機能１７ｂが、収集機能１７ａによって収集された複数の画像のうちのＴＥが異なる少なくとも３つの画像を解析することによって、水成分と組織成分とを分離した少なくとも２つの分離画像を生成する（ステップＳ０２）。このとき、分離機能１７ｂは、画像生成機能１６ａによって生成された複数の画像を記憶回路１３から読み出して、解析を行う。このステップＳ０２の処理は、例えば、処理回路１７が、分離機能１７ｂに対応する所定のプログラムを記憶回路１３から読み出して実行することにより実現される。

また、生成機能１７ｃが、分離機能１７ｂによって生成された少なくとも２つの分離画像を用いて、Ｔ１、Ｔ２、ＰＤ、及びＡＤＣのうちの少なくとも１種類の定量パラメータマップを生成する（ステップＳ０３）。このステップＳ０３の処理は、例えば、処理回路１７が、生成機能１７ｃに対応する所定のプログラムを記憶回路１３から読み出して実行することにより実現される。

また、合成機能１７ｄが、生成機能１７ｃによって生成された少なくとも１種類の定量パラメータマップを用いて、任意の撮像パラメータに対応する合成コントラスト強調画像を計算によって生成する（ステップＳ０４）。このとき、合成機能１７ｄは、生成した合成コントラスト強調画像をディスプレイ１２に表示する。このステップＳ０４の処理は、例えば、処理回路１７が、合成機能１７ｄに対応する所定のプログラムを記憶回路１３から読み出して実行することにより実現される。

このような構成によれば、信号内の水成分と組織成分とを分離した分離画像を用いて定量パラメータマップを生成することによって、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができる。さらに、ＰＶＥが抑制された定量パラメータマップを用いて合成コントラスト強調画像を生成することによって、ＰＶＥによって合成コントラスト強調画像に生じる高信号のアーチファクトを抑制することができる。

以下、上述した第１の実施形態に係る具体的な実施例について説明する。なお、以下の実施例では、Ｔ１、Ｔ２、ＰＤ及びＡＤＣそれぞれの定量マップを、Ｔ１マップ、Ｔ２マップ、ＰＤマップ及びＡＤＣマップと呼ぶ。

まず、以下の実施例で用いられるＭＲ信号モデルについて説明する。ここで、ＭＲ信号モデルは、信号の全体の信号強度と、当該信号内の水成分及び組織成分それぞれの信号強度との関係を定義したモデルである。

以下の実施例では、１つのＭＲ信号に１つの単位ボクセルが対応することとし、単位ボクセル内の成分が単一である場合のＭＲ信号モデルを１成分モデル（Single-compartmentモデル）と呼び、単位ボクセル内に水成分及び組織成分の２つの成分が含まれる場合のＭＲ信号モデルを２成分モデル（2-comparmentモデル）と呼ぶ。また、ここでは、各モデルについて、スピンエコー（Spin Echo：ＳＥ）法のＭＲ信号モデルと、反転回復（Inversion Recovery：ＩＲ）法で得られるＭＲ信号のモデルとを定義する。

例えば、１成分モデルについて、ＳＥ法で得られるＭＲ信号をＳ_SE、ＩＲで得られるＭＲ信号をＳ_IRとすると、ＳＥ法の１成分モデル及びＩＲ法の１成分モデルは、それぞれ、以下の（式１）及び（式２）で表される。

S_SE（TR，TE，b，PD，T1，T2，ADC）＝PD＊DecayT1_SE（TR，T1）＊DecayT2（TE，T2）＊DecayADC(b,ADC) ・・・（式１）
S_IR（TR，TI，TE，b，PD，T1，T2，ADC）＝PD＊DecayT1_IR（TR，TI，T1）＊DecayT2（TE，T2）＊DecayADC（b，ADC） ・・・（式２）

ここで、ＴＲは繰り返し時間、ＴＥはエコー時間、ＴＩは反転時間、ｂはｂ値である。また、ＴＩは縦緩和時間、Ｔ２は横緩和時間、ＰＤはプロトン密度、ＡＤＣは拡散係数である。

また、ＤｅｃａｙＴ１_ＳＥ（ＴＲ，Ｔ１）はＳＥ法におけるＴ１減衰、ＤｅｃａｙＴ１_ＩＲ（ＴＲ，ＴＩ，Ｔ１）はＩＲ法におけるＴ１減衰、ＤｅｃａｙＴ２（ＴＥ，Ｔ２）はＳＥ法及びＩＲ法で共通のＴ２減衰、ＤｅｃａｙＡＤＣ（ｂ，ＡＤＣ）はＳＥ法及びＩＲ法で共通のＡＤＣ減衰であり、それぞれ以下の（式３）～（式６）で表される。

DecayT1_SE（TR，T1）＝1－2＊exp［－（TR－TE／2）／T1］－exp［－TR／T1］ ・・・（式３）
DecayT1_IR（TR，TI，T1）＝1－2＊exp（－TI／T1）＋2＊exp［－（TR－TE／2）／T1］－exp（－TR／T1） ・・・（式４）
DecayT2（TE，T2）＝exp（－TE／T2） ・・・（式５）
DecayADC（b，ADC）＝exp（－b＊ADC） ・・・（式６）

また、例えば、２成分モデルについて、単位ボクセル内の水成分の体積をＶw、組織成分の体積をＶ_tとすると、単位ボクセルの体積Ｖは、以下の式（７）で表される。また、水成分のＰＤをＰＤw、組織成分のＰＤをＰＤ_tとすると、単位ボクセル内の平均プロトン密度ＰＤは、以下の（式８）で表される。

V＝V_w＋V_t＝1 ・・・（式７）
PD＝V_w＊PD_w＋V_t＊PD_t ・・・（式８）

そして、ＳＥ法で得られる水成分のＭＲ信号をＳ_SEw、ＳＥ法で得られる組織成分のＭＲ信号をＳ_SEt、ＩＲ法で得られる水成分のＭＲ信号をＳ_IRw、ＩＲ法で得られる組織成分のＭＲ信号をＳ_IRtとすると、ＳＥ法の２成分モデル及びＩＲ法の２成分モデルは、それぞれ以下の（式９）及び（式１０）で表される。

S_SE（TR，TE，b，PD，T1，T2，ADC）＝S_SEw（TR，TE，b，PD_w，T1_w，T2_w，ADC_w）＋S_SEt（TR，TE，b，PD_t，T1_t，T2_t，ADC_t） ・・・（式９）
S_IR（TR，TI，TE，b，PD，T1，T2，ADC）＝S_IRw（TR，TI，TE，b，PD_w，T1_w，T2_w，ADC_w）＋S_IRt（TR，TI，TE，b，PD_t，T1_t，T2_t，ADC_t） ・・・（式１０）

ここで、Ｔ１_wは水のＴＩ、Ｔ２_wは水のＴ２、ＡＤＣ_wは水のＡＤＣである。また、Ｔ１_tは組織のＴ１、Ｔ２_tは組織のＴ２、ＡＤＣ_tは組織のＡＤＣである。

このように、以下の実施例で用いられるＭＲ信号モデルは、ＭＲ信号を、ＰＤと３種類の信号減衰項（Ｔ１減衰、Ｔ２減衰、ＡＤＣ減衰）との積として定義したものである。ここで、水成分及び組織成分のＰＤ、Ｔ１、Ｔ２は、それぞれの成分に特有の値となる。

なお、上述した例では、ＳＥ法及びＩＲ法それぞれのＭＲ信号モデルを定義することとしたが、ＴＩ＝ＴＲとすることによって、ＳＥ法とＩＲ法とでＴ１減衰（ＤｅｃａｙＴ１）が同じになるため、それぞれを共通のモデルで統一することもできる。また、Ｔ１減衰（ＤｅｃａｙＴ１）の計算では、ＴＥ＝０と近似してもよい。

図３は、第１の実施形態に係る実施例で用いられる２成分モデルに基づいて、ＴＥ及びｂ値を変えて収集した画像を２次元データとして表した図である。

ここで、図３は、ＳＥ法によってＴＲ及びＴＩを一定（すなわち、縦磁化Ｍｚを一定）として撮像した場合の信号強度Ｓ（ＴＥ，ｂ）を示している。また、図３では、一点鎖線で示す線が、水成分の信号強度Ｓ_wを示し、二点鎖線で示す線が、組織成分の信号強度Ｓ_tを示しており、破線で示す線が、水成分及び組織成分の総和である全体の信号強度Ｓを示している。

例えば、以下の実施例では、図３に示すＳ_SE1（ＴＥ１，ｂ０）、Ｓ_SE2（ＴＥ２，ｂ０）、Ｓ_SE3（ＴＥ３，ｂ０）、Ｓ_DWI1（ＴＥ１，ｂ１）、Ｓ_DWI2（ＴＥ２，ｂ１）、Ｓ_DWI3（ＴＥ３，ｂ１）及びＳ_DWI4（ＴＥ２，ｂ２）の７つの収集サンプル点に対応する７つの画像が用いられる。ここで、各収集サンプリング点におけるＴＥ、ｂ値、ＴＩの条件は、それぞれ、０＜ＴＥ１＜ＴＥ２＜ＴＥ３、０≒ｂ０＜ｂ１＜ｂ２、０＜ＴＩ１とする。

なお、図３では図示を省略しているが、以下の実施例では、定量パラメータとしてＴ１を算出するために、ＩＲ法でＴＩを変えて収集した画像も用いられる。例えば、以下の実施例では、Ｓ_IR1（ＴＩ１，ＴＥ１，ｂ０）及びＳ_IR2（ＴＩ１，ＴＥ３，ｂ０）の２つの収集サンプル点に対応する２つの画像が用いられる。

通常、ＭＲ信号は、ボクセル内の２つの成分の和（平均）として観測され、各成分の比率も不明であるため分離することはできないが、もしも片方の成分を抑制する収集手法を用いることができれば、２つの成分を分離することが可能である。例えば、ボクセル内の水成分のみを画像化することができれば、ボクセル内の水成分の比率が部分的であっても、水成分の信号のみを観測できるようになる。さらに、水成分の信号を水成分及び組織成分が混在した信号から差分すれば、組織成分の信号も得られることになる。すなわち、水成分及び組織成分が混在した信号を２つの成分に分離することができる。

以下で説明する実施例の基本的なアイデアは、ＰＤ強調画像、Ｔ１強調画像、Ｔ２強調画像、拡散強調画像等のコントラスト強調画像のうちの何種類かを元画像として、水成分が抑制された画像を分離画像として生成し、当該分離画像を用いて、水成分の抑制前及び抑制後のＴ１やＴ２、ＰＤ、ＡＤＣ等の定量パラメータマップを生成し、さらに、それらの定量パラメータを組み合わせて用いることによって、ＳｙＭＲＩ等で生成されるＳＥ画像やＦＬＡＩＲ画像等の合成コントラスト強調画像における水成分の信号を抑制するというものである。

（実施例１）
まず、実施例１について説明する。本実施例は、水と組織との間のＴ２の差異を利用して、水成分と組織成分とを分離するものである。より具体的には、本実施例では、水のＴ２が組織のＴ２と比べて十分に長いことを利用して、水成分と組織成分とを分離する。

すなわち、本実施例では、収集機能１７ａが、同一の被検体の画像をＴＥ及びＴＩを変えて撮像することによって、組織のＴ２に近いＴＥで撮像した画像と、信号内で水成分が支配的となるような長いＴＥで撮像した画像とを含む複数の画像を収集する。

例えば、収集機能１７ａは、ＳＥ法によってＴＥを変えて被検体の画像を撮像することで、図３に示したＳ_SE1（ＴＥ１，ｂ０）、Ｓ_SE2（ＴＥ２，ｂ０）及びＳ_SE3（ＴＥ３，ｂ０）の３つの収集サンプル点に対応する３つの画像を収集する。ここで用いられるＳＥ法のパルスシーケンスとしては、例えば、ＳＥ型のＥＰＩ（Echo Planar imaging）シーケンスや、ＦＳＥ（Fast Spin Echo）シーケンス、又はＧＥ(Gradient echo)系のＳＳＦＰが用いられる。また、ｋ空間データの充填法としては、通常のカーテシアンや高速なスパイラルやラジアルが用いられる。なお、以下ではＳＥ系でのパラメータによるシーケンスでの説明となるが、ＭＲＦに多く用いられているＳＳＦＰではパラメータとしてさらにｆｌｉｐ ａｎｇｌｅ（ＦＡ）が加わり、ＴＲ及びＴＥを含めて適切に設定することにより水強調や組織強調とすることができるＳＥ系と同様のことが行える。

さらに、収集機能１７ａは、ＩＲ法によってＴＥ及びＴＩを変えて被検体の画像を撮像することで、前述したＳ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）及びＳ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）の２つの収集サンプル点に対応する２つの画像を収集する。

なお、本実施例では、Ｓ_SE1（ＴＥ１，ｂ０）、Ｓ_SE2（ＴＥ２，ｂ０）及びＳ_SE3（ＴＥ３，ｂ０）の各点に対応する画像を、それぞれＳ_SE1（ＴＲ１，ＴＥ１，ｂ０）、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）及びＳ_SE3（ＴＲ１，ＴＥ３，ｂ０）と表し、Ｓ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）及びＳ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）の各点に対応する画像を、それぞれＳ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）及びＳ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）と表す。

ここで、ＴＥ１には、ＭＲＩ装置１００で設定し得る最短の値が用いられる。これにより、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）は、ＰＤ強調画像となる。また、ＴＥ２には、ＴＥ１より長い、組織のＴ２に近い値が用いられる。これにより、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）は、Ｔ２強調画像となる。また、ＴＥ３には、ＴＥ１及びＴＥ２より十分に長い値が用いられる。これにより、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）は、水成分が支配的な画像となる。また、ＴＩ１には、組織のＴ１に近い値が用いられる。なお、ｂ０には、ＭＲＩ装置１００で設定し得る最小の値（例えば、ｂ０＜１［ｓ／ｍｍ²］）が用いられる。ｂ０については、ある程度大きくすれば各画像における水成分の抑制効果が向上するものの、逆に信号強度のＳＮＲ（Signal-to-Noise Ratio）が低下するので、Ｔ２に基づいて水成分を抑制する本実施例では、最小の値とするのが望ましい。

例えば、静磁場の強度が３Ｔである場合に、各撮像パラメータの値には、以下の値が用いられる。

ＴＲ１＝４０００～８０００［ｍｓ］、ＴＥ１＝２５［ｍｓ］、ＴＥ２＝１００［ｍｓ］、ＴＥ３＝３００～５００［ｍｓ］、ＴＩ１＝１０００［ｍｓ］、ｂ０＝０［ｓ／ｍｍ²］、ｂ１＝５００［ｓ／ｍｍ²］、ｂ２＝１０００［ｓ／ｍｍ²］

そして、本実施例では、分離機能１７ｂが、収集機能１７ａによって収集された複数の画像のうちのＴＥが異なる少なくとも３つの画像のうちの短いＴＥの画像から水成分が支配的となるような長いＴＥの画像を重み付けして差分することによって、水成分が抑制された画像を分離画像として生成する。

例えば、分離機能１７ｂは、以下の（式１１）により、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）からＳ_SE3（ＴＲ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ１，ｂ０）を生成する。また、分離機能１７ｂは、以下の（式１２）により、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）からＳ_SE3（ＴＲ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ０）を生成する。なお、Ｓ_tは、水成分が抑制されたことによって組織成分の画像となっていることを意味している。

S_t（TR1，TE1，b0）＝S_SE1（TR1，TE1，b0）－α＊S_SE3（TR1，TE3，b0） ・・・（式１１）
S_t（TR1，TE2，b0）＝S_SE1（TR1，TE2，b0）－α＊S_SE3（TR1，TE3，b0） ・・・（式１２）

ここで、S_SE3が水成分のみでかつ重み付け係数αの設定が適切であれば、ＰＤ強調画像であるＳ_SE1（ＴＲ１，ＴＥ１，ｂ０）及びＴ２強調画像であるＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）において、ＰＶＥが生じているボクセル内の水成分と組織成分との比率が不明であっても、差分により、ボクセル内に含まれる組織成分のみが残ることになる。

なお、水成分と組織成分とをより正確に分離することが求められる場合には、分離機能１７ｂは、仮定又は測定された水のＴ２を用いて、水成分が支配的となるような長いＴＥの画像から短いＴＥに対応する水成分の画像を生成し、当該画像を短いＴＥの画像から差分することによって、水成分が抑制された画像を分離画像として生成するようにしてもよい。

例えば、分離機能１７ｂは、以下の（式１３）により、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ１，ｂ０）を生成する。また、分離機能１７ｂは、以下の（式１４）により、Ｓ_w（ＴＲ１，ＴＥ１，ｂ０）をＳ_SE1（ＴＲ１，ＴＥ１，ｂ０）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ１，ｂ０）を生成する。

S_w（TR1，TE1，b0）＝S_SE3（TR1，TE3，b0）＊exp［（TE3－TE1）／T2_w］ ・・・（式１３）
S_t（TR1，TE1，b0）＝S_SE1（TR1，TE1，b0）－S_w（TR1，TE1，b0） ・・・（式１４）

さらに、分離機能１７ｂは、以下の（式１５）により、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）を生成する。また、分離機能１７ｂは、以下の（式１６）により、Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）をＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ０）を生成する。

S_w（TR1，TE2，b0）＝S_SE3（TR1，TE3，b0）＊exp［（TE3－TE2）／T2_w］ ・・・（式１５）
S_t（TR1，TE2，b0）＝S_SE2（TR1，TE2，b0）－S_w（TR1，TE2，b0） ・・・（式１６）

ここで、（式１３）及び（式１５）に含まれるＴ２_Wには、仮定又は測定された水のＴ２が設定される。例えば、Ｔ２_Wには、理論値を用いて仮定された水のＴ２の値が設定される（例えば、Ｔ２_w＝４０００［ｍｓ］）。または、Ｔ２_Wには、以下の（式１７）により、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）及びＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）それぞれにおける水成分が１００％に近いボクセル（例えば、脳室等のボクセル）の信号強度から算出されたＴ２の値が設定される。

T2_w＝（TE2－TE1）／ln［S_w（TR1，TE1，b0）／S_w（TR1，TE2，b0）］ ・・・（式１７）

そして、本実施例では、生成機能１７ｃが、収集機能１７ａによって収集された複数の画像を用いて、水成分及び組織成分を含む全体のＴ２マップ、Ｔ１マップ、及びＰＤマップを生成する。また、生成機能１７ｃは、分離機能１７ｂによって生成された分離画像を用いて、水成分が抑制されたＴ２マップ、Ｔ１マップ、及びＰＤマップを生成する。

例えば、生成機能１７ｃは、以下の（式１８）により、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）及びＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）を用いて、全体のＴ２マップＴ２_origを生成する。また、生成機能１７ｃは、以下の（式１９）により、Ｓ_t（ＴＲ１，ＴＥ１，ｂ０）及びＳ_t（ＴＲ１，ＴＥ２，ｂ０）を用いて、水成分が抑制されたＴ２マップＴ２_tを生成する。なお、Ｔ２_tは、水成分が抑制されたことによって組織成分のＴ２マップとなっていることを意味している。

T2_orig＝（TE2－TE1）／ln［S_SE1（TR1，TE1，b0）／S_SE2（TR1，TE2，b0）］ ・・・（式１８）
T2_t＝（TE2－TE1）／ln［S_t（TR1，TE1，b0）／S_t（TR1，TE2，b0）］ ・・・（式１９）

また、生成機能１７ｃは、以下の（式２０）により、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）及びＳ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）を用いて、全体のＴ１マップＴ１_origを生成する。また、生成機能１７ｃは、以下の（式２１）により、Ｓ_t（ＴＲ１，ＴＥ１，ｂ０）及びＳ_t（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）を用いて、水成分が抑制されたＴ１マップＴ１_tを生成する。なお、Ｔ１_tは、水成分が抑制されたことによって組織成分のＴ１マップとなっていることを意味している。

T1_orig＝TI1／ln［｛1－S_SE1（TR1，TE1，b0）／S_IR1（TR1，TI1，TE1，b0）｝／2］ ・・・（式２０）
T1_t＝TI1／ln［｛1－S_t（TR1，TE1，b0）／S_t（TR1，TI1，TE1，b0）｝／2］ ・・・（式２１）

ここで、Ｓ_t（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）は、以下の（式２２）により、Ｓ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）からＳ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって求められる。

S_t（TR1，TI1，TE1，b0）＝S_IR1（TR1，TI1，TE1，b0）－α＊S_IR2（TR1，TI1，TE3，b0） ・・・（式２２）

また、生成機能１７ｃは、以下の（式２３）により、Ｓ_SE1（ＴＲ１，ＴＥ１，ｂ０）、Ｔ２_orig、Ｔ１_orig及びＡＤＣ_origを用いて、全体のＰＤマップＰＤ_origを生成する。また、生成機能１７ｃは、以下の（式２４）により、Ｓ_t（ＴＲ１，ＴＥ１，ｂ０）、Ｔ２_t、Ｔ１_t及びＡＤＣ_tを用いて、水成分が抑制されたＰＤマップＰＤ_tを生成する。なお、ＰＤ_tは、水成分が抑制されたことによって組織成分のＰＤマップとなっていることを意味している。

PD_orig＝S_SE1（TR1，TE1，b0）／DecayT2（TE1，T2_orig）／DecayT1（TR1，T1_orig）／DecayADC（b0，ADC_orig） ・・・（式２３）
PD_t＝S_t（TR1，TE1，b0）／DecayT2（TE1，T2t）／DecayT1（TR1，T1t）／DecayADC（b0，ADCt） ・・・（式２４）

ここで、ＤｅｃａｙＴ２（ＴＥ１，Ｔ２_orig）及びＤｅｃａｙＴ２（ＴＥ，Ｔ２_t）は、それぞれ前述した（式５）により求められる。また、ＤｅｃａｙＴ１（ＴＥ１，Ｔ１_orig）及びＤｅｃａｙＴ１（ＴＥ，Ｔ１_t）は、それぞれ前述した（式３）により求められる。なお、ＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_orig）及びＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_t）は、それぞれ前述した（式６）により、全体のＡＤＣマップＡＤＣ_orig、及び、水成分が抑制されたＡＤＣマップＡＤＣ_tから求められるが、本実施例ではＡＤＣ_orig及びＡＤＣ_tを算出していないため、それぞれ１とする。

図４は、実施例１に係る生成機能１７ｃによって生成された画像及び定量パラメータマップにおける水成分の抑制の一例を示す図である。

ここで、図４の（ａ）のグラフは、ＳＥ法によってＴＥ＝２５［ｍｓ］として撮像された画像Ｓ_orig及び生成機能１７ｃによって水成分が抑制された画像Ｓ_tにおけるＶ_wに対する信号強度の変化を示している。また、図４の（ｂ）のグラフは、ＳＥ法によってＴＥ＝１００［ｍｓ］として撮像された画像Ｓ_orig及び生成機能１７ｃによって水成分が抑制された画像Ｓ_tにおけるＶ_wに対する信号強度の変化を示している。

また、図４の（ｃ）のグラフは、生成機能１７ｃによって生成された全体のＰＤマップＰＤ_orig及び水成分が抑制されたＰＤマップＰＤ_tにおけるＶ_wに対する信号強度の変化を示している。また、図４の（ｄ）のグラフは、生成機能１７ｃによって生成された全体のＴ１マップＴ１_orig及び水成分が抑制されたＴ１マップＴ１_tにおけるＶ_wに対する信号強度の変化を示している。また、図４の（ｅ）のグラフは、生成機能１７ｃによって生成された全体のＴ２マップＴ２_orig及び水成分が抑制されたＴ２マップＴ２_tにおけるＶ_wに対する信号強度の変化を示している。

なお、図４の（ａ）～（ｅ）では、重み付け係数αをα＝０．８とした場合、α＝１とした場合、及び、α＝１．１とした場合それぞれについて、各画像及び各マップにおける信号強度の変化を示している。

例えば、図４（ａ）～（ｅ）に示すように、水成分が抑制されていない画像及びマップに対して、水成分が抑制された画像及びマップでは、いずれの例でも、重み付け係数αが大きいほど、信号は水成分が抑制されて組織成分のみの状態に近付いている。

そして、本実施例では、合成機能１７ｄが、生成機能１７ｃによって生成された全体のＴ１マップＴ１_orig、Ｔ２マップＴ２_orig、及びＰＤマップＰＤ_origと、水成分が抑制されたＴ１マップＴ１_t、Ｔ２マップＴ２_t、及びＰＤマップＰＤ_tとを組み合わせて用いて、任意の撮像パラメータに対応するＳＥ法の合成コントラスト強調画像と、ＦＬＡＩＲ法の合成コントラスト強調画像とを生成する。

具体的には、合成機能１７ｄは、ＳＥ法の１成分モデルを表す（式１）のＴＲ及びＴＥに、それぞれ操作者によって入力されたＴＲ及びＴＥを代入し、さらに、（式１）のＴ１、Ｔ２及びＰＤに、それぞれ、Ｔ１_orig及びＴ１_tのいずれか一方、Ｔ２_orig及びＴ２_tのいずれか一方、ＰＤ_orig及びＰＤ_tのいずれか一方を代入することで、水成分が抑制されたＳＥ法の合成コントラスト強調画像を生成する。なお、本実施例ではＡＤＣ_orig及びＡＤＣ_tを算出していないため、（式１）のＤｅｃａｙＡＤＣ（ｂ，ＡＤＣ）は１とする。

また、合成機能１７ｄは、ＩＲ法の１成分モデルを表す（式２）のＴＲ、ＴＥ及びＴＩに、それぞれ操作者によって入力されたＴＲ、ＴＥ及びＴＩを代入し、さらに、（式２）のＴ１、Ｔ２及びＰＤに、それぞれ、Ｔ１_orig及びＴ１_tのいずれか一方、Ｔ２_orig及びＴ２_tのいずれか一方、ＰＤ_orig及びＰＤ_tのいずれか一方を代入することで、水成分が抑制されたＦＬＡＩＲ法の合成コントラスト強調画像を生成する。なお、本実施例ではＡＤＣ_orig及びＡＤＣ_tを算出していないため、（式２）のＤｅｃａｙＡＤＣ（ｂ，ＡＤＣ）には１を代入する。

例えば、合成機能１７ｄは、全体のＴ１マップＴ１_origと、水成分が抑制されたＴ２マップＴ２_tと、水成分が抑制されたＰＤマップＰＤ_tとを用いて、水成分が抑制されたＳＥ法の合成コントラスト強調画像を生成する。

また、例えば、合成機能１７ｄは、全体のＴ１マップＴ１_origと、全体のＰＤマップＰＤ_origと、水成分が抑制されたＴ２マップＴ２_tとを用いて、水成分が抑制されたＦＬＡＩＲ法の合成コントラスト強調画像を生成する。

図５は、実施例１に係る合成機能１７ｄによって生成された合成コントラスト強調画像における水成分の抑制の一例を示す図である。

ここで、図５の（ａ）及び（ｅ）のグラフは、それぞれ、理想的な実収集によって収集されたＳＥ法及びＩＲ（ＦＬＡＩＲ）法のコントラスト強調画像におけるＴＥに対する信号強度の変化を示している。また、図５の（ｂ）及び（ｆ）は、それぞれ、全体のＰＤマップＰＤ_orig、全体のＴ１マップＴ１_orig、及び、全体のＴ２マップＴ２_origを用いて生成された水成分が抑制されていない従来のＳＥ法及びＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像おけるＴＥに対する信号強度の変化を示している。

また、図５の（ｃ）及び（ｇ）は、それぞれ、全体のＰＤマップＰＤ_orig、全体のＴ１マップＴ１_orig、及び、水成分が抑制されたＴ２マップＴ２_tを用いて生成されたＳＥ法及びＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像おけるＴＥに対する信号強度の変化を示している。また、図５の（ｄ）及び（ｈ）は、それぞれ、水成分が抑制されたＰＤマップＰＤ_t、全体のＴ１マップＴ１_orig、及び、水成分が抑制されたＴ２マップＴ２_tを用いて生成されたＳＥ法及びＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像おけるＴＥに対する信号強度の変化を示している。

なお、図５の（ａ）～（ｈ）では、Ｖ_wをＶ_w＝０［％］、Ｖ_w＝２５［％］、Ｖ_w＝５０［％］、Ｖ_w＝７５［％］、及び、Ｖ_w＝１００［％］とした場合それぞれについて、各画像における信号強度の変化を示している。

例えば、図５の（ｅ）に示すように、実収集によって収集されたＩＲ（ＦＬＡＩＲ）法のコントラスト強調画像では、信号強度がＶ_t＝１－Ｖ_wに比例する。また、図５の（ｆ）に示すように、従来のＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像では、ＴＥが長くなるにつれて、各Ｖ_wの信号強度が逆転する減少が生じる。これに対し、図５の（ｇ）及び（ｈ）に示すように、本実施例に係る合成機能１７ｄによって水成分が抑制されたＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像では、従来のような信号強度の逆転現象は生じず、実収集によって収集されたＩＲ（ＦＬＡＩＲ）法のコントラスト強調画像と信号強度が略同等となる。

さらに、例えば、図５の（ｃ）及び（ｄ）に示すように、本実施例に係る合成機能１７ｄによって水成分が抑制されたＳＥ法の合成コントラスト強調画像では、図５の（ｈ）に示す水成分が抑制されたＩＲ（ＦＬＡＩＲ）法の合成コントラスト強調画像と比べて、Ｖ_wに対する信号強度の大きさの順が、実収集によって収集されたＩＲ（ＦＬＡＩＲ）法のコントラスト強調画像と同等であり、さらにＳＮＲが向上している。ここで、実収集以外の合成コントラスト強調画像では定量パラメータマップからのノイズの伝搬はあるが、計算によって得られた画像どうしでは背景ノイズが一定なので、信号強度が相対的なＳＮＲとみなせる。

なお、ここでは、Ｓ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）を収集する場合の例を説明したが、Ｓ_IR2（ＴＲ１，ＴＩ１，ＴＥ３，ｂ０）は、水成分が抑制されたＴ１_tマップを生成する際に用いるだけなので、本実施例のようにコントラスト強調画像がＦＬＡＩＲやＳＥである場合のようにＴ１_tマップが不要な場合は、収集しなくてもよい。

上述した実施例１は、Ｔ２の差異のみを利用して水成分と組織成分とを分離するものであるため、Ｆａｓｔ ＳＥ法等の従来の手法に容易に適用することができる。

また、上述した実施例１では、収集機能１７ａが、マルチエコー法によって、被検体の画像を収集してもよい。ＩＲ（ＦＬＡＩＲ）法による実収集では、ＴＩによって組織が十分に飽和しないことから、組織の縦磁化をＳＥ法と同一にできないため、差分によって水成分と組織成分とを分離できないのに加え、ＩＲパルスの有無による別々の収集が必要になるため時間を要する。これに対し、ＳＥ法による実収集は、同一の励起によるマルチエコー法を用いれば、撮像時間の延長や体動によるミスレジストレーションはほとんど生じない。

また、上述した実施例１では、収集機能１７ａが、Gradient Moment Nulling（ＧＭＮ）用の傾斜磁場（フローリフェーズ用の傾斜磁場）を印加して、被検体の画像を撮像してもよい。これにより、ＣＳＦや血流の動きによるアーチファクトや信号低下を抑制することができる。

また、上述した実施例１では、重み付け係数αを用いた重み付け差分による簡便な分離法と、仮定又は測定された水のＴ２を用いて、組織成分が略ゼロになるＴＥから各ＴＥでの水成分を推定して差分する高精度な分離法とを適宜に選択して用いることができる。

また、上述した実施例１では、水成分を完全にゼロにすることが求められる場合には、水組織の画像上で閾値を設けることで、水成分が１００％のボクセルとそれ以外の組織部分のボクセルとを分離し、それぞれから別々に定量パラメータマップを生成してもよい。その場合、２つの成分が混在するボクセルは重複することになるが、そのようなボクセルは色分けして重ねて表示するようにしてもよい。その場合は、混合したボクセルは混合比に応じた色で表示される。例えば、ＰＤの場合、組織成分を赤色、水成分を水色とすれば、Ｖ_w＝５０％であれば紫色になる。または、ボクセルが重複しないように、水成分の信号の閾値を５０％として、多い方の成分の定量パラメータマップを求めて合成してもよい。

また、上述した実施例１では、水成分が支配的となるような長いＴＥの画像を差分することによって水成分を抑制する方法を説明したが、もしも水成分を含む定量パラメータマップや合成コントラスト強調画像が不要であれば、初めからＩＲ（ＦＬＡＩＲ）法によって、すなわち水の縦磁化がゼロになるようなＴＲ及びＴＩの組み合わせで、ＴＥを２つ以上変えた画像を収集し、それらの画像を用いてＴ２マップを生成し、合成コントラスト強調画像を生成するようにしてもよい。この場合は、ＴＲを十分に長くしてＴＥ＝０の画像を生成すれば、水成分が抑制されたＰＤマップも得られ、計算によるＦＬＡＩＲ画像に加えて、水成分が抑制された、計算によるＳＥ画像も得られる。

（実施例２）
次に、実施例２について説明する。本実施例は、水と組織との間のＡＤＣの差異を利用して、ＭＲ信号に含まれる水成分と組織成分とを分離するものである。より具体的には、本実施例は、水のＡＤＣが組織のＡＤＣと比べて大きいことを利用して、ＭＲ信号に含まれる水成分と組織成分とを分離する。

すなわち、本実施例では、収集機能１７ａが、ＤＷＩを撮像する拡散強調イメージングによって０でないｂ値を用いて被検体の画像を撮像することで、水成分が抑制された画像を収集する。

拡散強調イメージングでは、データ収集時にＭＰＧ（Motion Probing gradient）と呼ばれるフォローエンコード傾斜磁場が印加され、このＭＰＧによって、生体内の各組織におけるＡＤＣの違いに応じてＭＲ信号の強度のコントラストが生じることで、ＡＤＣの違いが強調されたＤＷＩが撮像される。ここで、水のＡＤＣは、組織のＡＤＣと比べて約３倍大きいことが知られている。具体的には、水はＡＤＣ＝３＊１０^-3［ｍｍ²／ｓ］であり、組織は、正常なものでＡＤＣ＝１＊１０^-3［ｍｍ²／ｓ］であり、腫瘍等ではさらに小さくなる。そして、拡散強調イメージングでは、拡散による位相分散を表すｂ値が大きいほど、水成分が抑制されて組織成分が支配的な画像が得られる。

図６は、実施例２に係る拡散強調イメージングによって撮像された画像におけるｂ値による水成分の抑制の一例を示す図である。

ここで、図６の（ａ）のグラフは、ＴＲ＝４０００［ｍｓ］、ＴＥ＝３５［ｍｓ］として撮像されたＰＤ強調画像におけるｂ値に対する信号強度の変化を示している。また、図６の（ｂ）のグラフは、ＴＲ＝４０００［ｍｓ］、ＴＥ＝１００［ｍｓ］として撮像されたＰＤ強調画像におけるｂ値に対する信号強度の変化を示している。

例えば、図６の（ａ）及び（ｂ）に示すように、ｂ値が大きくなるにつれて、水成分が抑制され、組織成分の全体に対する比Ｓ_t／Ｓ_origが大きくなる。例えば、ｂ＝３００［ｓ／ｍｍ²］程度に設定すれば、水成分をかなり抑制することができる。

例えば、図６の（ａ）に示すように、ＴＥ＝３５［ｍｓ］の画像では、水成分の信号強度Ｓ_wは、ｂ＝２５０［ｓ／ｍｍ²］で約５５％、ｂ＝５００［ｓ／ｍｍ²］で約２５％まで低減する。また、例えば、図６の（ｂ）に示すように、ＴＥ＝１００［ｍｓ］の画像では、水成分の信号強度Ｓ_wは、ｂ＝２５０［ｓ／ｍｍ²］で約５５％、ｂ＝５００［ｓ／ｍｍ²］で約４０％まで低減する。すなわち、ＴＥを短縮すれば、ｂ＝０での水成分の相対的な割合が小さくなるため、水成分の抑制効果が高くなる。

例えば、収集機能１７ａは、ＳＥ法の拡散強調イメージングによってＴＥを変えながら０でないｂ値を用いて被検体の画像を撮像することで、図３に示したＳ_DWI1（ＴＥ１，ｂ１）及びＳ_DWI2（ＴＥ２，ｂ１）の２つの収集サンプル点に対応する２つの画像を収集する。

なお、本実施例では、Ｓ_DWI1（ＴＥ１，ｂ１）及びＳ_DWI2（ＴＥ２，ｂ１）の各点に対応する画像を、それぞれＳ_DWI1（ＴＲ１，ＴＥ１，ｂ１）及びＳ_DWI2（ＴＲ１，ＴＥ２，ｂ１）と表す。

ここで、ＴＥ１には、ＭＲＩ装置１００で設定し得る最短の値が用いられる。また、ＴＥ２には、ＴＥ１より長い値が用いられる。そして、ｂ１には、０より大きい値が用いられる。これにより、Ｓ_DWI1（ＴＲ１，ＴＥ１，ｂ１）及びＳ_DWI2（ＴＲ１，ＴＥ２，ｂ１）は、それぞれ、ｂ値を０として撮像した場合と比べて水成分が抑制された画像となる。

そして、本実施例では、生成機能１７ｃが、以下の（式２５）により、Ｓ_DWI1（ＴＲ１，ＴＥ１，ｂ１）及びＳ_DWI2（ＴＲ１，ＴＥ２，ｂ１）を用いて、水成分が抑制されたＴ２マップＴ２_tを生成する。

T2_t＝（TE2－TE1）／ln［S_DWI1（TR1，TE1，b1）／S_DWI2（TR1，TE2，b1）］ ・・・（式２５）

上述した実施例２では、差分も併用するため、拡散強調イメージングによって撮像される画像は、拡散の方向性の影響をなくしたｉｓｏｔｒｏｐｉｃ ＤＷＩであってもよい。

また、上述した実施例２では、収集時に拡散強調イメージングをｂ＝１００～２００程度として併用した場合、実施例１（ｂ＝０）と比べて、短いＴＥでも同等の水成分の抑制効果が得られる。

また、上述した実施例２のように拡散強調イメージングのｂ値を用いた方法では、ＴＥまでの間に動きを強調するためのＭＰＧ用の傾斜磁場が印加されるため、ｂ値が大きいほど、最小のＴＥが長くなって定量パラメータマップのＳＮＲが低下するが、ＴＥが多少でも離れていれば、Ｔ２マップを求めることは可能である。

また、上述した実施例２のように拡散強調イメージングのｂ値を用いた方法の利点として、水成分の画像ではなく、組織成分が支配的な画像が直接得られるため、実施例１のようにＴＥの差のみを用いる場合と比べて、差分によるＳＮＲの劣化が少ない。

また、実施例１の方法のみではＣＳＦの動きによるモーションアーチファクトが実質部へ入り込み、以降の定量パラメータマップ等で誤差が生じることがあり得るが、実施例２のように拡散強調イメージングを用いる場合は元画像上でＣＳＦの信号が抑制されるため、モーションアーチファクトを抑制することが可能である。

（実施例３）
次に、実施例３について説明する。本実施例は、実施例１と同様に水と組織との間のＴ２の差異を利用しつつ、実施例２と同様に水と組織との間のＡＤＣの差異を利用して、ＭＲ信号に含まれる水成分と組織成分とを分離するものである。

すなわち、本実施例では、収集機能１７ａが、同一の被検体の画像を、ＴＥ及びＴＩを変えながら、０でないｂ値を用いて撮像することによって、組織のＴ２に近いＴＥで、水成分が抑制されるようなｂ値を用いて撮像した画像と、水成分が支配的となるような長いＴＥで、水成分が抑制されるようなｂ値を用いて撮像した画像とを含む複数の画像を収集する。

例えば、収集機能１７ａは、ＳＥ法の拡散強調イメージングによってＴＥを変えながら０でないｂ値を用いて被検体の画像を撮像することで、図３に示したＳ_DWI1（ＴＥ１，ｂ１）、Ｓ_DWI2（ＴＥ２，ｂ１）及びＳ_DWI3（ＴＥ３，ｂ１）の３つの収集サンプル点に対応する３つの画像を収集する。

なお、本実施例では、Ｓ_DWI1（ＴＥ１，ｂ１）、Ｓ_DWI2（ＴＥ２，ｂ１）及びＳ_DWI3（ＴＥ３，ｂ１）の各点に対応する画像を、それぞれＳ_DWI1（ＴＲ１，ＴＥ１，ｂ１）、Ｓ_DWI2（ＴＲ１，ＴＥ２，ｂ１）及びＳ_DWI3（ＴＲ１，ＴＥ３，ｂ１）と表す。

ここで、ＴＥ１には、ＭＲＩ装置１００で設定し得る最短の値が用いられ、ＴＥ２には、ＴＥ１より長い、組織のＴ２に近い値が用いられ、ＴＥ３には、ＴＥ１及びＴＥ２より十分に長い値が用いられる。これにより、Ｓ_DWI3（ＴＲ１，ＴＥ３，ｂ１）は、水成分が支配的な画像となる。そして、ｂ１には、０より大きい値が用いられる。これにより、Ｓ_DWI1（ＴＲ１，ＴＥ１，ｂ１）及びＳ_DWI2（ＴＲ１，ＴＥ２，ｂ１）は、それぞれ、ｂ値を０として撮像した場合と比べて水成分が抑制された画像となる。

そして、本実施例では、分離機能１７ｂが、以下の（式２６）により、Ｓ_DWI1（ＴＲ１，ＴＥ１，ｂ１）及びＳ_DWI3（ＴＲ１，ＴＥ３，ｂ１）を用いて、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ１，ｂ１）を生成する。また、分離機能１７ｂは、以下の（式２７）により、Ｓ_DWI2（ＴＲ１，ＴＥ２，ｂ１）及びＳ_DWI3（ＴＲ１，ＴＥ３，ｂ１）を用いて、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ１）を生成する。

S_t（TR1，TE1，b1）＝S_DWI1（TR1，TE1，b1）－α＊S_DWI3（TR1，TE3，b1） ・・・（式２６）
S_t（TR1，TE2，b1）＝S_DWI1（TR1，TE2，b1）－α＊S_DWI3（TR1，TE3，b1） ・・・（式２７）

なお、水成分と組織成分とをより正確に分離することが求められる場合には、分離機能１７ｂは、以下の（式２８）により、Ｓ_DWI3（ＴＲ１，ＴＥ３，ｂ１）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ１，ｂ１）を生成する。また、分離機能１７ｂは、以下の（式２９）により、Ｓ_w（ＴＲ１，ＴＥ１，ｂ１）をＳ_DWI1（ＴＲ１，ＴＥ１，ｂ１）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ１，ｂ１）を生成する。

S_w（TR1，TE1，b1）＝S_DWI3（TR1，TE3，b1）＊exp［（TE3－TE1）／T2_w］ ・・・（式２８）
S_t（TR1，TE1，b1）＝S_DWI1（TR1，TE1，b1）－S_w（TR1，TE1，b1） ・・・（式２９）

さらに、分離機能１７ｂは、以下の（式３０）により、Ｓ_DWI3（ＴＲ１，ＴＥ３，ｂ１）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂ１）を生成する。また、分離機能１７ｂは、以下の（式３１）により、Ｓ_w（ＴＲ１，ＴＥ２，ｂ１）をＳ_DWI2（ＴＲ１，ＴＥ２，ｂ１）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ１）を生成する。

S_w（TR1，TE2，b1）＝S_DWI3（TR1，TE3，b1）＊exp［（TE3－TE2）／T2_w］ ・・・（式３０）
S_t（TR1，TE2，b1）＝S_DWI2（TR1，TE2，b1）－S_w（TR1，TE2，b1） ・・・（式３１）

ここで、（式２８）及び（式３０）に含まれるＴ２_Wには、実施例１と同様に、仮定又は測定された水のＴ２が設定される。

そして、本実施例では、生成機能１７ｃが、以下の（式３２）により、Ｓ_t（ＴＲ１，ＴＥ１，ｂ１）及びＳ_t（ＴＲ１，ＴＥ２，ｂ１）を用いて、水成分が抑制されたＴ２マップＴ２_tを生成する。

T2_t＝（TE2－TE1）／ln［S_t（TR1，TE1，b1）／S_t（TR1，TE2，b1）］ ・・・（式３２）

上述した実施例３のように拡散強調イメージングを用いて水成分を抑制する方法は、実施例１のようにＴ２の差異を利用して水成分を抑制する方法と組み合わせることも可能である。すなわち、拡散強調イメージングを用いた方法では、ｂ値とＴＥの両方を用いて収集したデータを用いることも可能であり、ｂ値又はＴＥを単独で用いる場合と比べて、それぞれが小さな値であっても水成分の抑制効果を向上することができる。例えば、ある程度の大きさのｂ１（ｂ１～２００［ｓ／ｍｍ²］を用いながら３段階のＴＥで元画像を収集して、ＴＥの長い画像をＴＥの短い画像から差分すれば、実施例１のようにｂ０≒０を用いる場合と比べてＣＳＦの信号自体を抑制することができるので、ＣＳＦの抑制効果が大きくなり、モーションアーチファクトも低減する。または、同じ抑制効果でよければ、水成分が支配的となるような画像のＴＥ（ＴＥ３）を短くできるという効果も得られる。

（実施例４）
次に、実施例４について説明する。本実施例は、同一の被検体の画像をＴＥ及びｂ値を変えて撮像することによって、水成分が抑制されたＡＤＣマップを生成するものである。

すなわち、本実施例では、収集機能１７ａが、ＤＷＩを撮像する拡散強調イメージングによって、組織のＴ２に近い第１のＴＥと、水成分が支配的となるような長い第２のＴＥと、第１のｂ値と、第１のｂ値と比べて水成分が抑制されるような第１のｂ値より大きい第２のｂ値とを用いて被検体の画像を撮像することによって、第１のＴＥ及び第１のｂ値で撮像した第１の画像と、第２のＴＥ及び第１のｂ値で撮像した第２の画像と、第１のＴＥ及び第２のｂ値で撮像した第３の画像とを収集する。

例えば、収集機能１７ａは、ＳＥ法の拡散強調イメージングによってＴＥ及びｂ値を変えて被検体の画像を撮像することで、図３に示したＳ_SE2（ＴＥ２，ｂ０）、Ｓ_SE3（ＴＥ３，ｂ０）及びＳ_DWI4（ＴＥ２，ｂ２）の３つの収集サンプル点に対応する３つの画像を収集する。

なお、本実施例では、Ｓ_SE2（ＴＥ２，ｂ０）、Ｓ_SE3（ＴＥ３，ｂ０）及びＳ_DWI4（ＴＥ２，ｂ２）の各点に対応する画像を、それぞれＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）及びＳ_DWI4（ＴＲ１，ＴＥ２，ｂ２）と表す。

ここで、ＴＥ２には、組織のＴ２に近い値が用いられ、ＴＥ３には、ＴＥ２より十分に長い値が用いられる。これにより、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）は、水成分が支配的な画像となる。そして、ｂ２には、ｂ０より大きい値が用いられる。これにより、Ｓ_DWI4（ＴＲ１，ＴＥ２，ｂ２）は、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）及びＳ_SE2（ＴＲ１，ＴＥ２，ｂ０）と比べて水成分が抑制された画像となる。なお、ｂ０には、ＭＲＩ装置１００で設定し得る最小の値（例えば、ｂ０＜１［ｓ／ｍｍ²］）が用いられる。ｂ０については、ある程度大きくすれば各画像における水成分の抑制効果が向上するものの、逆に信号強度及びＡＤＣのＳＮＲが低下するので、Ｔ２に基づいて水成分を抑制する本実施例では、最小の値とするのが望ましい。

例えば、ＴＥ３を３００［ｍｓ］程度とすることで、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）において水成分が支配的となる。また、ｂ２＞１０００［ｓ／ｍｍ²］とすることで、Ｓ_DWI4（ＴＲ１，ＴＥ２，ｂ２）における水成分を略ゼロにすることができる。

そして、本実施例では、分離機能１７ｂが、収集機能１７ａによって収集された第１の画像から第２の画像を重み付けして差分することによって、第１のｂ値に対応する水成分が抑制された画像を分離画像として生成する。

すなわち、本実施例では、Ｓ_DWI4（ＴＲ１，ＴＥ２，ｂ２）では水成分が略ゼロになっているため、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）のみ、水成分を抑制する。

例えば、分離機能１７ｂは、以下の（式３３）により、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）からＳ_SE3（ＴＲ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ０）を生成する。

S_t（TR1，TE2，b0）＝S_SE2（TR1，TE2，b0）－α＊S_SE3（TR1，TE3，b0） ・・・（式３３）

そして、本実施例では、生成機能１７ｃが、収集機能１７ａによって収集された複数の画像を用いて、水成分及び組織成分を含む全体のＡＤＣマップを生成する。また、生成機能１７ｃは、収集機能１７ａによって収集された第３の画像と、分離機能１７ｂによって生成された分離画像とを用いて、水成分が抑制されたＡＤＣマップを生成する。

例えば、生成機能１７ｃは、以下の（式３４）により、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ２）及びＳ_DWI4（ＴＲ１，ＴＥ２，ｂ２）を用いて、全体のＡＤＣマップＡＤＣ_origを生成する。また、生成機能１７ｃは、以下の（式３５）により、Ｓ_DWI4（ＴＲ１，ＴＥ２，ｂ２）と、分離機能１７ｂによって生成されたＳ_t（ＴＲ１，ＴＥ１，ｂ０）とを用いて、水成分が抑制されたＡＤＣマップＡＤＣ_tを生成する。なお、ＡＤＣ_tは、水成分が抑制されたことによって組織成分のＡＤＣマップとなっていることを意味している。

ADC_orig＝ln［S_SE2（TR1，TE2，b0）／S_DWI4（TR1，TE2，b2）］／（b2－b0） ・・・（式３４）
ADC_t＝／ln［S_t（TR1，TE2，b0）／S _DWI4（TR1，TE2，b2）］／（b2－b0） ・・・（式３５）

上述した実施例４では、ｂ２の画像で水成分の画像との差分を行わないため、ＳＮＲの低下がない。また、ｂ０の画像は水成分の画像との差分があるためＳＮＲが低下するが、ｂ０の画像のみ加算平均を多くしておけばＳＮＲの低下を最小限にできる。また、ｂ値を複数段階取得する場合でも、ｂ２を水信号が略ゼロとなる値（ｂ２＞１０００［ｓ／ｍｍ²］）にしておけば、差分は不要である。

（実施例５）
次に、実施例５について説明する。本実施例は、実施例４と同様に、同一の被検体の画像をＴＥ及びｂ値を変えて撮像することによって水成分が抑制されたＡＤＣマップを生成するものであるが、ｂ値ごとに水成分の画像を生成して差分することで、水成分の抑制の精度をより向上させるものである。

すなわち、本実施例では、収集機能１７ａが、実施例４と同様に、ＤＷＩを撮像する拡散強調イメージングによって、組織のＴ２に近い第１のＴＥと、水成分が支配的となるような長い第２のＴＥと、第１のｂ値と、第１のｂ値と比べて水成分が抑制されるような第１のｂ値より大きい第２のｂ値とを用いて被検体の画像を撮像することによって、第１のＴＥ及び第１のｂ値で撮像した第１の画像と、第２のＴＥ及び第１のｂ値で撮像した第２の画像と、第１のＴＥ及び第２のｂ値で撮像した第３の画像とを収集する。

また、分離機能１７ｂが、実施例４と同様に、収集機能１７ａによって収集された第１の画像から第２の画像を重み付けして差分することによって、第１のｂ値に対応する水成分が抑制された画像を分離画像として生成する。

そして、本実施例では、生成機能１７ｃが、仮定又は測定された水の拡散係数を用いて、収集機能１７ａによって収集された第２の画像から第２のｂ値に対応する水成分の画像を生成し、当該画像を第３の画像から差分することによって、第２のｂ値に対応する水成分が抑制された画像を生成し、当該画像と、分離機能１７ｂによって生成された分離画像とを用いて、水成分が抑制されたＡＤＣマップを生成する、

例えば、生成機能１７ｃは、以下の（式３６）により、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けすることによって水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）を生成した後に、以下の（式３７）により、Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂ２）を生成する。

S_w（TR1，TE2，b0）＝α＊S_SE3（TR1，TE3，b0） ・・・（式３６）
S_w（TR1，TE2，b2）＝S_w（TR1，TE2，b0）＊exp［－（b2－b0）＊ADC_w］ ・・・（式３７）

ここで、（式３６）に含まれるＡＤＣ_Wは、仮定又は測定された水のＡＤＣが設定される。例えば、ＡＤＣ_Wには、理論値を用いて仮定された水のＡＤＣの値が設定される（例えば、ＡＤＣ_w＝３．０＊１０^-3［ｍｍ²／ｓ］）。または、ＡＤＣ_Wには、以下の（式３８）により、Ｓ_w（ＴＲ１，ＴＥ１，ｂ０）及びＳ_w（ＴＲ１，ＴＥ２，ｂ２）それぞれにおける水成分が１００％に近いボクセル（例えば、脳室等のボクセル）の信号強度Ｓから算出されたＡＤＣの値が設定される。

ADC_w＝ln［S_w（TR1，TE1，b0）／S_w（TR1，TE2，b2）］／（b2－b0） ・・・（式３８）

その後、生成機能１７ｃは、以下の（式３９）により、Ｓ_w（ＴＲ１，ＴＥ２，ｂ２）をＳ_DWI4（ＴＲ１，ＴＥ２，ｂ２）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂ２）を生成する。

S_t（TR1，TE2，b2）＝S_DWI4（TR1，TE2，b2）－S_w（TR1，TE2，b2） ・・・（式３９）

そして、生成機能１７ｃは、以下の（式４０）により、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ２）及びＳ_DWI4（ＴＲ１，ＴＥ２，ｂ２）を用いて、全体のＡＤＣマップＡＤＣ_origを生成する。また、生成機能１７ｃは、以下の（式４１）により、Ｓ_t（ＴＲ１，ＴＥ２，ｂ２）と、分離機能１７ｂによって生成されたＳ_t（ＴＲ１，ＴＥ２，ｂ０）とを用いて、水成分が抑制されたＡＤＣマップＡＤＣ_tを生成する。

ADC_orig＝ln［S_SE2（TR1，TE2，b0）／S_DWI4（TR1，TE2，b2）］／（b2－b0） ・・・（式４０）
ADC_t＝ln［S_t（TR1，TE2，b0）／S_t（TR1，TE2，b2)］／（b2－b0） ・・・（式４１）

なお、ここでは、ｂ０とｂ２とを用いた２点法によってＡＤＣ_tを求めることとしたが、本実施例はこれに限られず、例えば、ｎ＝０，１，２，・・・Ｎとした複数のｂｎを用いたＮ点法の最小二乗近似によりＡＤＣ_tを求めるようにしてもよい。

その場合には、収集機能１７ａは、ｂ値をｎ＝０，１，２，・・・Ｎと変えることで、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ０）と、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）と、複数のＳ_DWI（ＴＲ１，ＴＥ２，ｂｎ）を収集する。

また、生成機能１７ｃが、以下の（式４２）により、Ｓ_SE3（ＴＲ１，ＴＥ３，ｂ０）を重み付け係数αで重み付けすることによって水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）を生成した後に、以下の（式４３）により、ｂｎごとに、Ｓ_w（ＴＲ１，ＴＥ２，ｂ０）から水成分の画像Ｓ_w（ＴＲ１，ＴＥ２，ｂｎ）を生成する。

S_w（TR1，TE2，b0）＝α＊S_SE3（TR1，TE3，b0） ・・・（式４２）
S_w（TR1，TE2，bn）＝S_w（TR1，TE2，b0）＊exp［－（bn－b0）＊ADC_w］ ・・・（式４３）

ここで、（式４１）に含まれるＡＤＣ_Wは、上述した例と同様に、仮定又は測定された水のＡＤＣが設定される。

その後、生成機能１７ｃは、以下の（式４４）により、ｂｎごとに、Ｓ_w（ＴＲ１，ＴＥ２，ｂｎ）をＳ_DWI（ＴＲ１，ＴＥ２，ｂｎ）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＲ１，ＴＥ２，ｂｎ）を生成する。

S_t（TR1，TE2，bn）＝S_DWI（TR1，TE2，bn）－S_w（TR1，TE2，bn） ・・・（式４４）

そして、生成機能１７ｃは、以下の（式４５）により、Ｓ_SE2（ＴＲ１，ＴＥ２，ｂ２）及びｂｎごとに収集されたＳ_DWI（ＴＲ１，ＴＥ２，ｂｎ）を用いて最小二乗法による近似を行うことで、全体のＡＤＣマップＡＤＣ_origを生成する。また、生成機能１７ｃは、以下の（式４６）により、ｂｎごとに生成されたＳ_t（ＴＲ１，ＴＥ２，ｂｎ）と、分離機能１７ｂによって生成されたＳ_t（ＴＲ１，ＴＥ２，ｂ０）とを用いて最小二乗法による近似を行うことで、水成分が抑制されたＡＤＣマップＡＤＣ_tを生成する。

ADC_orig＝ln［S_SE2（TR1，TE2，b0）／S_DWI4（TR1，TE2，b2）］／（b2－b0） ・・・（式４５）
ADC_t＝ln［S_t（TR1，TE2，b0）／S_t（TR1，TE2，bn)］／（bn－b0） ・・・（式４６）

上述した実施例５では、実施例４とは異なり、ｂ値の大きさに関わらず、水成分を抑制することが可能である。

また、ｂ値がある程度小さいうちは実施例５の方法で水成分の抑制を行い、ｂ値がある程度大きくなった場合は、水成分が無視できるようになるため、実施例４の方法と同様に、差分はせずに元の信号強度とする組み合わせも可能である。その場合、例えば、ｂ＝１０００［ｓ／ｍｍ²］を方法の切り替えの境界とする。

また、通常、脳のＤＷＩは、ＣＳＦ等の定量性が障害になることも多いが、もしもＣＳＦの部分を含めて画像全体で正確性を期す場合には、１００%が水成分であるボクセルを予め除外しておき、別途、水成分の抑制は行わずに生成した水成分の定量パラメータと合成するようにしてもよい。また、拡散強調イメージングのパラメータはＡＤＣに限らず、ＭＰＧの方向を複数に変えて収集したＤＴＩ（Diffusion Weighted Image）であるＦＡ（）Fractional Anisotropy）マップや、color encoded DTI map（拡散方向別ＲＧＢカラー表示ＤＴＩマップ）、tractographyに水成分が抑制されたＤＷＩ信号を適用すれば、皮質等のようにＣＳＦによるＰＶＥが大きい部分での精度向上が期待できる。

また、従来のcomputed DWI（ｃＤＷＩ）では、あくまで、拡散強調イメージングによって小さいｂ値から大きいｂ値の画像を生成することによって腹部などでの腫瘍と正常組織とのＣＮＲ（Contrast-to-Noise Ratio）を向上させるものであったが、上述した方法によれば、ＡＤＣやＦＡまでの定量パラメータの改善が可能になる。

以上、実施例１～５について説明したが、各実施例は適宜に組み合わせて実施することも可能である。

例えば、上述した実施例２及び３では、水成分が抑制されたＴ２マップＴ２_tを生成する場合の例を説明し、実施例４及び５では、全体のＡＤＣマップ、及び、水成分が抑制されたＡＤＣマップを生成する場合の例を説明したが、いずれの実施例でも、収集機能１７ａが必要な画像を追加で収集することによって、生成機能１７ｃは、実施例１と同様の方法で、全体の及び水成分が抑制されたＴ１マップ、Ｔ２マップ及びＰＤマップを生成することが可能である。また、実施例１でも、収集機能１７ａが必要な画像を追加で収集することによって、生成機能１７ｃは、実施例４及び５と同様の方法で、全体の及び水成分が抑制されたＡＤＣマップを生成することが可能である。

そして、いずれの実施例でも、生成機能１７ｃが必要な定量パラメータマップを生成することによって、合成機能１７ｄは、実施例１と同様に、各種の合成コントラスト強調マップを作成することが可能である。

（実施例６）
次に、実施例６について説明する。本実施例は、拡散強調イメージングによって撮像した画像を用いて、静止している水成分及び組織成分に加えて、動いている血流成分をさらに分解するものである。

例えば、長いＴＥで撮像した画像では、水成分は、動いているものも静止しているものも区別できないため両方含まれるが、血流成分は、水成分とＴ２が異なる（血流成分の方が水成分よりＴ２が短い）ため含まれない。したがって、長いＴＥで撮像した画像を短いＴＥで撮像した画像から差分すれば、血流成分と組織成分とが残ることになる。また、血流成分は、動きによって、静止している水成分と比べてＡＤＣが大きくなるため、拡散強調イメージングにおけるｂ値の違いによって、水成分と血流成分とを分離することができる。これらのことから、単位ボクセル内に水成分、血流成分及び組織成分の３つの成分が含まれると考え、それぞれの間のＴ２及びＡＤＣの差異を利用すれば、各成分を分離することが可能である。

ここで、本実施例では、単位ボクセル内に水成分、血流成分及び組織成分の３つの成分が含まれる場合のＭＲ信号モデルを３成分モデル（3-comparmentモデル）と呼ぶ。

例えば、３成分モデルについて、単位ボクセル内の水成分の体積をＶw、血流成分の体積をＶ_b、組織成分の体積をＶ_tとすると、単位ボクセルの体積Ｖは、以下の式（４７）で表される。また、水成分のＰＤをＰＤw、血流成分のＰＤをＰＤb、組織成分のＰＤをＰＤ_tとすると、単位ボクセル内の平均プロトン密度ＰＤは、以下の（式４８）で表される。

V＝V_w＋V_b＋V_t＝1 ・・・（式４７）
PD＝V_w＊PD_w＋V_b＊PD_b＋V_t＊PD_t ・・・（式４８）

そして、水成分のＭＲ信号をＳ_w、血流成分のＭＲ信号をＳ_b、組織成分のＭＲ信号をＳ_t
とすると、各成分のＭＲ信号は、それぞれ以下の（式４９）、（式５０）及び（式５１）で表される。

S_w＝V_w＊PD_w＊exp（－b＊ADC_w） ・・・（式４９）
S_b＝V_b＊PD_b＊exp（－b＊ADC_b） ・・・（式５０）
S_t＝V_t＊PD_t＊exp（－b＊ADC_t） ・・・（式５１）

ここで、ＡＤＣ_wは水のＡＤＣ、ＡＤＣ_bは血流のＡＤＣ、ＡＤＣ_tは組織のＡＤＣであり、それぞれの大小関係は、ＡＤＣ_b＞ＡＤＣ_w＞ＡＤＣ_tである。

例えば、実施例１のようにＴ２の差異を利用して分離できるのは、Ｓ_t＋Ｓ_bと、Ｓ_wである。また、ＧＭＮを適用して画像を収集したとすると、ＣＳＦの動きによる成分はＳ_wに含まれると考えられるため、Ｓ_bは、Ｔ１、Ｔ２が水成分と組織成分の略中間である血流成分とみなせる。したがって、水成分が抑制された後の画像は、Ｓ－Ｓ_w＝Ｓ_t＋Ｓ_bとなるので、ＳtとＳ_bの２成分を分離する問題として考えることができる。

この一方で、例えば、実施例２のようなＡＤＣの差異を利用した２成分の分離を３成分に拡大することで、同様に３成分を分離することもできる。しかしながら、ＡＤＣの差異のみで３成分を分離する場合には、少なくとも４段階のｂ値（ｂ０、ｂ１、ｂ２、ｂ３）を用いることになり、大きなｂ値が必要になるため、ＴＥも延長してＳＮＲが低下するのに加え、解析的にも精度が不十分になると考えられる。

図７は、実施例６に係る拡散強調イメージングによって収集されたＤＷＩにおける信号強度とｂ値との関係を示す図である。

ここで、図７の（ａ）のグラフは、水成分の信号Ｓ_w、血流成分の信号Ｓ_b及び組織成分の信号Ｓ_tそれぞれについて、３成分モデルに基づくＤＷＩの信号強度とｂ値との関係を示している。また、図７の（ｂ）のグラフは、水成分の信号Ｓ_w、血流成分の信号Ｓ_b及び組織成分の信号Ｓ_tそれぞれについて、ｂ＝０及びＴＥ＝３００［ｍｓ］とした長いＴＥで撮像された画像を差分した後のＤＷＩの信号強度とｂ値との関係を示している。

なお、図７の（ａ）及び（ｂ）のグラフは、以下のように各パラメータを設定した場合のＤＷＩの信号強度とｂ値との関係を示している。

ＰＤ_w＝１、ＰＤ_b＝１、ＰＤ_t＝１、Ｖ_w＝０．２、Ｖ_b＝０．２、Ｖ_t＝０．６、Ｔ１_w＝４０００［ｍｓ］、Ｔ１_b＝１６００［ｍｓ］、Ｔ１_t＝１０００［ｍｓ］、Ｔ２_w＝１９１０［ｍｓ］、Ｔ２_b＝２００［ｍｓ］、Ｔ２_t＝１００［ｍｓ］、ＡＤＣ_w＝３．０＊１０^-3［ｍｍ²／ｓ］、ＡＤＣ_b＝１．０＊１０^-2［ｍｍ²／ｓ］、ＡＤＣ_t＝８．０＊１０^-4［ｍｍ²／ｓ］、ＴＲ＝１００００［ｍｓ］、ＴＥ＝８０［ｍｓ］

例えば、図６の（ａ）に示すように、ｂ値をｂ０＝０［ｓ／ｍｍ²］、ｂ１＝３００［ｓ／ｍｍ²］、ｂ２＝１０００［ｓ／ｍｍ²］、ｂ３＝２０００［ｓ／ｍｍ²］程度の４段階に設定することによって、ｂ＞１０００［ｓ／ｍｍ²］でＳ_w≒０となるため、長いＴＥで撮像された画像を差分しなくても、３成分を分離することは可能である。しかしながら、この場合には、４段階のｂ値を用いるために大きなｂ値が必要になり、それに伴って最短のＴＥが長くなるため、ＴＥの延長によってＳＮＲが低下するのに加え、解析的にも精度が不十分になると考えられる。

これに対し、例えば、図６の（ｂ）に示すように、長いＴＥで撮像された画像を差分した場合には、ｂ＞３００［ｓ／ｍｍ²］でＳ_w≒０となるため、ｂ０＝０［ｓ／ｍｍ²］、ｂ１＝３００［ｓ／ｍｍ²］、ｂ２＝１０００［ｓ／ｍｍ²］程度の３段階のｂ値でも、３成分を分離することが可能である。すなわち、図６の（ａ）に示す４段階のｂ値のうちの最も大きいｂ３を省いて、３成分を分離することができる。したがって、この場合には、必要となる最大のｂ値を小さくすることができ、その結果、ＴＥを短縮することができ、ＳＮＲが向上する。

このようなことから、本実施例では、Ｔ２の差異を利用して水成分を分離した後に、ＡＤＣの差異を利用して血流成分と組織成分とを分離することで、水成分、血流成分及び組織成分の３成分を分離する。

すなわち、本実施例では、収集機能１７ａが、ＤＷＩを撮像する拡散強調イメージングによって、３つの異なるｂ値を用いて被検体の画像を撮像する。

具体的には、収集機能１７ａは、組織のＴ２に近い第１のＴＥと、水成分が支配的となるような第１のエコー時間より長い第２のＴＥと、信号内で水成分、組織成分及び血流成分の全てが混在するような第１のｂ値と、第１のｂ値と比べて信号内で組織成分及び水成分が支配的となるような第１のｂ値より大きい第２のｂ値と、第２のｂ値と比べて信号内で組織成分が支配的となるような第２のｂ値より大きい第３のｂ値とを用いて被検体の画像を撮像することによって、第１のＴＥ及び第１のｂ値で撮像した第１の画像と、第２のＴＥ及び第１のｂ値で撮像した第２の画像と、第１のＴＥ及び第２のｂ値で撮像した第３の画像と、第２のＴＥ及び第２のｂ値で撮像した第４の画像と、第２のＴＥ及び第３のｂ値で撮像した第５の画像とを収集する。

例えば、収集機能１７ａは、ＳＥ法の拡散強調イメージングによってＴＥ及びｂ値を変えて被検体の画像を撮像することで、図３に示したＳ_SE1（ＴＥ１，ｂ０）、Ｓ_SE2（ＴＥ２，ｂ０）、Ｓ_SE3（ＴＥ３，ｂ０）、Ｓ_DWI1（ＴＥ１，ｂ１）、Ｓ_DWI2（ＴＥ２，ｂ１）、Ｓ_DWI3（ＴＥ３，ｂ１）及びＳ_DWI4（ＴＥ２，ｂ２）の７つの収集サンプル点に対応する７つの画像を収集する。

ここで、ＴＥ１には、ＭＲＩ装置１００で設定し得る最短の値が用いられる。これにより、Ｓ_SE1（ＴＥ１，ｂ０）は、ＰＤ強調画像となる。また、ＴＥ２には、ＴＥ１より長い、組織のＴ２に近い値が用いられる。これにより、Ｓ_SE2（ＴＥ２，ｂ０）は、Ｔ２強調画像となる。また、ＴＥ３には、ＴＥ１及びＴＥ２より十分に長い値が用いられる。これにより、Ｓ_SE3（ＴＥ３，ｂ０）は、水成分が支配的な画像となる。また、ｂ０には、信号内に水成分、組織成分及び血流成分の全てが混在するような値が用いられる。また、ｂ１には、ｂ０と比べて信号内で組織成分及び水成分が支配的となるような、ｂ０より大きい値が用いられる。また、ｂ２には、ｂ１と比べて信号内で組織成分が支配的となるような、ｂ１より大きい値が用いられる。なお、各画像を収集する際のＴＲは一定とし、特に水成分のＴ１を正確に求めたい場合は十分に大きくする（例えば、ＴＲ＞５＊Ｔ１_w）。

これにより、水成分は、ｂ＝ｂ０及びｂ＝ｂ１の画像のみに存在することになり、ｂ＝ｂ２の画像では無視することができる。また、血流成分は、ｂ＝ｂ０の画像のみに存在することになり、ｂ＝ｂ１及びｂ＝ｂ２の画像では無視することができる。また、組織成分は、ｂ＝ｂ０、ｂ＝ｂ１及びｂ＝ｂ２の全ての画像に存在することになる。

例えば、各撮像パラメータの値には、以下の値が用いられる。

ＴＥ１＝最短値、ＴＥ２＝８０［ｍｓ］、ＴＥ３＝３００［ｍｓ］、ｂ０＝０［ｓ／ｍｍ²］、ｂ１＝３００［ｓ／ｍｍ²］、ｂ２＝１０００［ｓ／ｍｍ²］

そして、本実施例では、分離機能１７ｂが、収集機能１７ａによって収集された３つの異なるｂ値それぞれで撮像した画像を解析することによって、静止している水成分及び組織成分に加えて、動いている血流成分をさらに含めた３つの成分を分離した分離画像を生成する。

具体的には、分離機能１７ｂは、収集機能１７ａによって収集された第１の画像から第２の画像を重み付けして差分することによって、水成分が抑制されて組織成分及び血流成分のみが残った画像を第１の分離画像として生成し、第３の画像から第４の画像を重み付けして差分することによって、水成分が抑制されて組織成分のみが残った画像を第２の分離画像として生成し、第１の分離画像及び第２の分離画像を用いて、水成分及び組織成分が抑制されて血流成分のみが残った第３の分離画像を生成する。

例えば、分離機能１７ｂは、以下の（式５２）により、Ｓ_SE1（ＴＥ１，ｂ０）からＳ_SE3（ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_wsup1（ＴＥ１，ｂ０）を生成する。すなわち、組織成分及び血流成分のみが残った画像Ｓ_t（ＴＥ１，ｂ０）＋Ｓ_b（ＴＥ１，ｂ０）が得られる。

S_wsup1（TE1，b0）＝S_SE1（TE1，b0）－α＊S_SE3（TE3，b0） ・・・（式５２）

また、分離機能１７ｂは、以下の（式５３）により、Ｓ_SE2（ＴＥ２，ｂ０）からＳ_SE3（ＴＥ３，ｂ０）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_wsup2（ＴＥ２，ｂ０）を生成する。すなわち、組織成分及び血流成分のみが残った画像Ｓ_t（ＴＥ２，ｂ０）＋Ｓ_b（ＴＥ２，ｂ０）が得られる。

S_wsup2（TE2，b0）＝S_SE2（TE2，b0）－α＊S_SE3（TE3，b0） ・・・（式５３）

また、分離機能１７ｂは、以下の（式５４）により、Ｓ_DWI1（ＴＥ１，ｂ１）からＳ_DWI3（ＴＥ３，ｂ１）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_wsup1（ＴＥ２，ｂ１）を生成する。すなわち、Ｓ_b（ＴＥ１，ｂ１）≒０であるため、組織成分のみが残った画像Ｓ_t（ＴＥ１，ｂ１）が得られる。

S_wsup1（TE1，b1）＝S_DWI1（TE1，b1）－α＊S_DWI3（TE3，b1） ・・・（式５４）

また、分離機能１７ｂは、以下の（式５５）により、Ｓ_DWI2（ＴＥ２，ｂ１）からＳ_DWI3（ＴＥ３，ｂ１）を重み付け係数αで重み付けして差分することによって、水成分が抑制された画像Ｓ_wsup2（ＴＥ２，ｂ１）を生成する。すなわち、Ｓ_b（ＴＥ２，ｂ１）≒０であるため、組織成分のみが残った画像Ｓ_t（ＴＥ２，ｂ１）が得られる。

S_wsup2（TE2，b1）＝S_DWI2（TE2，b1）－α＊S_DWI3（TE3，b1） ・・・（式５５）

そして、本実施例では、生成機能１７ｃが、収集機能１７ａによって収集された複数の画像を用いて、水成分及び組織成分を含む全体のＡＤＣマップを生成する。また、生成機能１７ｃは、分離機能１７ｂによって生成された第１の分離画像、第２の分離画像及び第３の分離画像を用いて、水成分、血流成分及び組織成分の３つの成分を分離したＡＤＣマップを生成する。

例えば、生成機能１７ｃは、実施例４及び５と同様に、以下の（式５６）により、Ｓ_SE2（ＴＥ２，ｂ２）及びＳ_DWI4（ＴＥ２，ｂ２）を用いて、全体のＡＤＣマップＡＤＣ_origを生成する。

ADC_orig＝ln［S_SE1（TE2，b0）／S_DWI4（TE2，b2）]／（b2－b0） ・・・（式５６）

また、生成機能１７ｃは、ｂ＝ｂ２の画像では水成分及び血流成分を無視することができることから、以下の（式５７）により、Ｓ_DWI4（ＴＥ２，ｂ２）と、分離機能１７ｂによって生成されたＳ_wsup1（ＴＥ２，ｂ１）とを用いて、組織成分のＡＤＣマップＡＤＣ_tを生成する。

ADC_t＝ln［S_wsup1（TE2，b1）／S_DWI4（TE2，b2）]／（b2－b1） ・・・（式５７）

また、生成機能１７ｃは、Ｓ_SE2（ＴＥ２，ｂ０）、Ｓ_DWI2（ＴＥ２，ｂ１）及びＳ_DWI4（ＴＥ２，ｂ２）を用いて、ｂｉ－ｅｘｐｏｎｅｎｔｉａｌのモデルに基づく非線形最小二乗法による近似を行うことで、血流成分のＡＤＣマップＡＤＣ_bを生成する。

また、生成機能１７ｃは、ＴＥ＝ＴＥ３の画像では水成分が支配的となっていることから、以下の（式５８）により、Ｓ_SE3（ＴＥ３，ｂ０）Ｓ_DWI3（ＴＥ３，ｂ１）を用いて、水成分のＡＤＣマップＡＤＣ_tを生成する。

ADC_w＝ln［S_SE3（TE3，b0）／S_DWI3（TE3，b1）]／（b1－b0） ・・・（式５８）

さらに、生成機能１７ｃは、以下の（式５９）により、Ｓ_wsup1（ＴＥ１，ｂ１）と、生成機能１７ｃによって生成されたＡＤＣ_tとを用いて、組織成分の画像Ｓ_t（ＴＥ１，ｂ０）を生成する。また、生成機能１７ｃは、以下の（式６０）により、Ｓ_wsup2（ＴＥ１，ｂ１）と、生成機能１７ｃによって生成されたＡＤＣ_tとを用いて、組織成分の画像Ｓ_t（ＴＥ２，ｂ０）を生成する。

S_t（TE1，b0）＝S_wsup1（TE1，b1）／exp［－（b1－b0）＊ADC_t］ ・・・（式５９）
S_t（TE2，b0）＝S_wsup2（TE2，b1）／exp［－（b1－b0）＊ADC_t］ ・・・（式６０）

また、生成機能１７ｃは、以下の（式６１）により、Ｓ_wsup1（ＴＥ１，ｂ０）からＳ_t（ＴＥ１，ｂ０）を差分することで、血流成分の画像Ｓ_b（ＴＥ１，ｂ０）を生成する。また、生成機能１７ｃは、以下の（式６２）により、Ｓ_wsup2（ＴＥ２，ｂ０）からＳ_t（ＴＥ２，ｂ０）を差分することで、血流成分の画像Ｓ_b（ＴＥ２，ｂ０）を生成する。

S_b（TE1，b0）＝S_wsup1（TE1，b0）－S_t（TE1，b0） ・・・（式６１）
S_b（TE2，b0）＝S_wsup2（TE2，b0）－S_t（TE2，b0） ・・・（式６２）

また、生成機能１７ｃは、以下の（式６３）により、Ｓ_SE1（ＴＥ１，ｂ０）からＳ_b（ＴＥ１，ｂ０）及びＳ_t（ＴＥ１，ｂ０）を差分することで、水成分の画像Ｓ_w（ＴＥ１，ｂ０）を生成する。また、生成機能１７ｃは、以下の（式６４）により、Ｓ_SE1（ＴＥ２，ｂ０）からＳ_b（ＴＥ２，ｂ０）及びＳ_t（ＴＥ２，ｂ０）を差分することで、水成分の画像Ｓ_w（ＴＥ２，ｂ０）を生成する。

S_w（TE1，b0）＝S_SE1（TE1，b0）－S_b（TE1，b0）－S_t（TE1，b0） ・・・（式６３）
S_w（TE2，b0）＝S_SE2（TE2，b0）－S_b（TE2，b0）－S_t（TE2，b0） ・・・（式６４）

さらに、生成機能１７ｃは、実施例１と同様に、以下の（式６５）により、Ｓ_SE1（ＴＥ１，ｂ０）及びＳ_SE2（ＴＥ２，ｂ０）を用いて、全体のＴ２マップＴ２_origを生成する。

T2_orig＝（TE2-TE1）／ln［S_SE1（TE1，b0）／S_SE2（TE2，b0）] ・・・（式６５）

また、生成機能１７ｃは、以下の（式６６）により、Ｓ_w（ＴＥ１，ｂ０）及びＳ_w（ＴＥ２，ｂ０）を用いて、水成分のＴ２マップＴ２_wを生成する。また、生成機能１７ｃは、以下の（式６７）により、Ｓ_b（ＴＥ１，ｂ０）及びＳ_b（ＴＥ２，ｂ０）を用いて、血流成分のＴ２マップＴ２_wを生成する。また、生成機能１７ｃは、以下の（式６８）により、Ｓ_t（ＴＥ１，ｂ０）及びＳ_t（ＴＥ２，ｂ０）を用いて、組織成分のＴ２マップＴ２_wを生成する。

T2_w＝（TE2-TE1）／ln［S_w（TE1，b0）／S_w（TE2，b0）] ・・・（式６６）
T2_b＝（TE2-TE1）／ln［S_b（TE1，b0）／S_b（TE2，b0）] ・・・（式６７）
T2_t＝（TE2-TE1）／ln［S_t（TE1，b0）／S_t（TE2，b0）] ・・・（式６８）

さらに、生成機能１７ｃは、実施例１と同様に、以下の（式６５）により、Ｓ_SE1（ＴＥ１，ｂ０）、Ｔ２_orig及びＡＤＣ_origを用いて、全体のＴ２マップＴ２_origを生成する。

PD_orig＝S_SE（TE1，b0）／DecayT2（TE1，T2_orig）／DecayADC（b0，ADC_orig） ・・・（式６９）

また、生成機能１７ｃは、以下の（式７０）により、Ｓ_w（ＴＥ１，ｂ０）、Ｔ２_w及びＡＤＣ_wを用いて、水成分のＰＤマップＰＤ_wを生成する。また、生成機能１７ｃは、以下の（式７１）により、Ｓ_b（ＴＥ１，ｂ０）、Ｔ２_b及びＡＤＣ_bを用いて、血流成分のＰＤマップＰＤ_bを生成する。また、生成機能１７ｃは、以下の（式７２）により、Ｓ_t（ＴＥ１，ｂ０）、Ｔ２_t及びＡＤＣ_tを用いて、組織成分のＰＤマップＰＤ_tを生成する。

PD_w＝S_w（TE1，b0）／DecayT2（TE1，T2_w）／DecayADC（b0，ADC_w） ・・・（式７０）
PD_b＝S_b（TE1，b0）／DecayT2（TE1，T2_b）／DecayADC（b0，ADC_b） ・・・（式７１）
PD_t＝S_t（TE1，b0）／DecayT2（TE1，T2_t）／DecayADC（b0，ADC_t） ・・・（式７２）

ここで、ＤｅｃａｙＴ２（ＴＥ１，Ｔ２_orig）、ＤｅｃａｙＴ２（ＴＥ，Ｔ２_w）、ＤｅｃａｙＴ２（ＴＥ，Ｔ２_b）及びＤｅｃａｙＴ２（ＴＥ，Ｔ２_t）は、それぞれ前述した（式５）により求められる。また、ＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_orig）、ＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_w）、ＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_b）及びＤｅｃａｙＡＤＣ（ｂ０，ＡＤＣ_t）は、それぞれ前述した（式６）により求められる。

なお、ＴＥ１＜２０［ｍｓ］である場合は、ＤｅｃａｙＴ２≒１となるので、Ｔ２減衰の補正は不要である。また、ｂ０≒０である場合は、ＤｅｃａｙＡＤＣ≒１となるので、ＡＤＣ減衰の補正は不要である。

また、ここでは、ＡＤＣマップ、Ｔ２マップ及びＰＤマップの生成について説明したが、実施例１と同様にＳ_IR1（ＴＲ１，ＴＩ１，ＴＥ１，ｂ０）を用いることで、全体のＴ１マップＴ１_orig、水成分のＴ１マップＴ１_orig、血流成分のＴ１マップＴ１_b及び組織成分のＴ１マップＴ１_tを生成することも可能である。

そして、本実施例では、合成機能１７ｄが、実施例１と同様に、生成機能１７ｃによって生成された全体のＴ１マップＴ１_orig、Ｔ２マップＴ２_orig、及びＰＤマップＰＤ_origと、水成分が抑制されたＴ１マップＴ１_t、Ｔ２マップＴ２_t、及びＰＤマップＰＤ_tとを組み合わせて用いて、任意の撮像パラメータに対応するＳＥ法の合成コントラスト強調画像と、ＦＬＡＩＲ法の合成コントラスト強調画像とを生成する。

なお、ここでは、Ｓ_DWI3（ＴＥ３，ｂ１）を収集する場合の例を説明したが、例えば、実施例１及び３のように仮定又は測定されたＡＤＣ_Wを用いることで、以下の（式７３）により、Ｓ_SE3（ＴＥ３，ｂ０）からＳ_DWI3（ＴＥ３，ｂ１）を生成してもよい。その場合には、Ｓ_DWI3（ＴＥ３，ｂ１）の収集は不要である。

S_DWI3（TE3，b1）＝S_SE3（TE3,b0）＊exp［－（b1－b0）＊ＡＤＣ_W］ ・・・（式７３）

上述した実施例６では、組織成分と血流成分とはＡＤＣの差異が大きいため、ＡＤＣの差異が小さい水と組織とを分離する場合と比べて、ノイズによる解析上のエラーが小さくなる。また簡単のためＴＲ＞５＊Ｔ１_wとすれば、Ｔ１緩和は無視することができる。

以上、定量パラメータマップを生成する方法、又は、それらをもとに合成コントラスト強調画像を生成する広義のSynthetic MRIにおいて異なる組織が混在したボクセルにおけるＰＶＥの影響を抑制する手法として、いくつかの実施例を説明したが、分離する組織の種類、定量パラメータマップの生成法（元画像の収集シーケンス種や算出アルゴリズム）や種類や、合成コントラスト強調画像の種類は上述したものに限定されず、拡張して用いることができる。本実施例では、元データ収集は一般的なＳＥ系のシーケンスにて説明したが、近年、前述のＭＲＦに代表されるように元画像収集や定量パラメータマップ生成の高速化（少ないデータからいかに高分解能かつ高精度のマップを生成するか）が進んできており、例えば収集部としてＳＳＦＰ系シーケンス、スパイラルインコヒーレント収集などを用いて、データ解析により分離画像を生成する分離部としては、収集シーケンスに対応した信号モデルに基づいた辞書マッチングやコンボルーショナルニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）などの機械学習技術を用いて、分離して得られた水・組織成分の定量パラメータマップへの適用も可能である。

（実施例７）
次に、実施例７について説明する。本実施例は、上述した画像の差分において、差分によるＳＮＲの低下や分離精度の低下を抑制するものである。

例えば、Ｔ２の差異を利用した差分では、水成分が支配的となるような長いＴＥで撮像した画像において、そのＴＥが十分に長くない場合に、病変である浮腫等の組織に含まれるＴ２が長い部分が水成分として含まれてしまうことも考えられる。その場合には、単純な重み付き差分や水のＴ２から求めた信号強度の差分ではなく、差分する水成分が支配的な画像の信号強度やＴ２に対する閾値を設けて水成分と組織成分とを分離する方法もとり得る。同様に、ＡＤＣの差異を利用した分離では、ＡＤＣに対する閾値を設けて水成分と組織成分とを分離する方法もとり得る。

これについて、水成分と組織成分との混在によってＰＶＥが生じている場合、Ｔ２やＡＤＣは水の値と組織の値との間で体積比に応じて連続的に変化するため、Ｔ２やＡＤＣに対する閾値によって水成分と組織成分とを完全に分離することは難しいが、Ｔ２やＡＤＣに対する閾値をマージンを設けて水の値と組織の値との中間に設定すれば、Ｔ２が比較的長い、又は、ＡＤＣが比較的大きい組織が差分によって消えるリスクは低減する。さらに、Ｔ２に対する閾値とＡＤＣに対する閾値とを組み合わせて分離することも可能である。

また、同一のＳＮＲを有する画像間の１：１の差分では、ｎｏｉｓｅ ＳＤが√２倍となるためＳＮＲが１／√２に低下するが、水成分が支配的となるような長いＴＥで撮像した画像では、ほぼ、水成分によるＰＶＥがない組織成分のｎｏｉｓｅのみとなっており、組織成分の部分では差分によってＳＮＲを劣化させるだけである。そのため、組織成分の部分は差分しないようにするのが望ましい。

このようなことから、本実施例では、分離機能１７ｂが、信号強度が高い領域は差分され、かつ、信号強度が低い領域は差分されないように第１の画像から第２の画像を差分することによって、水成分が抑制された画像を分離画像として生成する。

すなわち、本実施例では、分離機能１７ｂは、信号強度が所定の閾値より大きい信号は重み付けを１に設定し、信号強度が当該閾値以下の信号は重み付けを０に設定し、さらに、信号強度が当該閾値付近となる信号については０～１の間で滑らかに変化するように重み付けを設定するマスク関数を用いて第２の画像を重み付けした後に、当該第２の画像を第１の画像から差分することによって、分離画像を生成する。

図８は、実施例７に係る分離機能１７ｂによって行われる分離画像の生成の一例を示す図である。

例えば、図８の（ａ）の上段に示すように、分離機能１７ｂは、水成分が抑制されたＴ２マップの信号強度Ｔ２（ｘ）に対して閾値Ｔ２ｔｈを設定する。例えば、Ｔ２ｔｈには、水成分が抑制されていない標準的なＴ２マップにおける組織のＴ２が用いられる。例えば、撮像対象が脳である場合は、１００［ｍｓｅｃ］程度の値が設定される。

そして、図８の（ａ）の中段に示すように、分離機能１７ｂは、Ｔ２（ｘ）がＴ２ｔｈより大きい信号は重み付けを１に設定し、Ｔ２（ｘ）がＴ２ｔｈ以下の信号は重み付けを０に設定するマスク関数Ｍａｓｋ（ｘ）を生成する。

その後、図８の（ａ）の下段に示すように、分離機能１７ｂは、Ｍａｓｋ（ｘ）にローパスフィルターによるスムージング処理を施すことで、Ｔ２（ｘ）がＴ２ｔｈ付近となる信号については０～１の間で滑らかに変化するように重み付けを設定するマスク関数Ｍａｓｋ_fil（ｘ）を生成する。

また、別の方法として、例えば、図８の（ｂ）の上段に示すように、分離機能１７ｂは、水成分が支配的となるような長いＴＥで撮像した画像Ｓ（ｘ）に対して閾値Ｓｔｈを設定する。ここで、Ｓｔｈは、Ｓ（ｘ）のｎｏｉｓｅの量に基づいて決められる。例えば、Ｓｔｈには、Ｓ（ｘ）のｎｏｉｓｅＳＤの３～４倍の値が設定される。

そして、図８の（ｂ）の中段に示すように、分離機能１７ｂは、Ｓ（ｘ）がＳｔｈより大きい信号は重み付けを１に設定し、Ｓ（ｘ）がＳｔｈ以下の信号は重み付けを０に設定するマスク関数Ｍａｓｋ（ｘ）を生成する。

その後、図８の（ｂ）の下段に示すように、分離機能１７ｂは、Ｍａｓｋ（ｘ）にローパスフィルターによるスムージング処理を施すことで、Ｔ２（ｘ）がＴ２ｔｈ付近となる信号については０～１の間で滑らかに変化するように重み付けを設定するマスク関数Ｍａｓｋ_fil（ｘ）を生成する。

こうしてＭａｓｋ_fil（ｘ）を生成した後に、分離機能１７ｂは、図８の（ｃ）に示すように、Ｍａｓｋ_fil（ｘ）と、水成分が支配的となるような長いＴＥで撮像した画像Ｓ（ｘ）との積を求めることで、信号値がゼロ又は小さい部分のｎｏｉｓｅが低減された画像Ｓ_cor（ｘ）を生成する。

そして、分離機能１７ｂは、生成したＳ_cor（ｘ）を水成分が抑制される前のＰＤ強調画像やＴ２強調画像から差分することで、水成分が抑制された画像を生成する。これにより、水成分のみが抑制され、かつ組織成分のＳＮＲが維持された分離画像が得られる。

なお、ここでは、水成分が支配的となるような長いＴＥで撮像した画像をＳ（ｘ）と表して説明したが、当該画像が２次元の画像Ｓ（ｘ、ｙ）である場合は、マスク関数及び変換後の画像もそれぞれＭａｓｋ（ｘ，ｙ）、Ｍａｓｋ_fil（ｘ，ｙ）及びＳ_cor（ｘ，ｙ）となり、３次元の画像Ｓ（ｘ，ｙ，ｚ）である場合は、マスク関数及び変換後の画像もそれぞれＭａｓｋ（ｘ，ｙ，ｚ）、Ｍａｓｋ_fil（ｘ，ｙ，ｚ）及びＳ_cor（ｘ，ｙ，ｚ）となる。

（実施例８）
次に、実施例８について説明する。本実施例は、実施例７と同様に、差分によるＳＮＲの低下や分離制度の低下を抑制するものであるが、マスク関数の代わりに非線形関数を用いるものである。

すなわち、本実施例では、分離機能１７ｂが、信号強度が所定の閾値以下の信号について信号強度を０～１倍の範囲で非線形に変換する非線形関数を用いて第２の画像を変換した後に、当該第２の画像を第１の画像から差分することによって、分離画像を生成する。

図９は、実施例８に係る分離機能１７ｂによって行われる分離画像の生成の一例を示す図である。

例えば、図９の右下に示すように、分離機能１７ｂは、分離機能１７ｂは、水成分が支配的となるような長いＴＥで撮像した画像Ｓ（ｘ）に対して閾値Ｓｔｈを設定する。ここで、Ｓｔｈは、Ｓ（ｘ）のｎｏｉｓｅの量に基づいて決められる。例えば、Ｓｔｈには、Ｓ（ｘ）のｎｏｉｓｅの３～４倍の値が設定される。

そして、図９の右上に示すように、分離機能１７ｂは、Ｓ（ｘ）がＳｔｈ以下の信号について信号強度を０～１倍の範囲で非線形に変換する非線形関数Ｆ（Ｓ）を生成する。ここで、Ｆ（Ｓ）は、Ｓｔｈを境に、Ｓ（ｘ）＜Ｓｔｈの範囲では変換後の信号強度が０まで滑らかに低下するようにＳ（ｘ）を変換する関数である。

その後、分離機能１７ｂは、図９の左上に示すように、Ｆ（Ｓ）を用いてＳ（ｘ）を変換することで、実施例７と同様に、信号値がゼロ又は小さい部分のｎｏｉｓｅが低減された画像Ｓ_cor（ｘ）を生成する。

そして、分離機能１７ｂは、生成したＳ_cor（ｘ）を水成分が抑制される前のＰＤ強調画像やＴ２強調画像から差分することで、水成分が抑制された画像を生成する。これにより、水成分のみが抑制され、かつ組織成分のＳＮＲが維持された分離画像が得られる。

図１０は、実施例８に係る分離機能１７ｂによって用いられる非線形関数の一例を示す図である。

例えば、図１０に示すように、Ｆ（ｘ）は、ｘに対する閾値を１としたものであり、ｘ＜１の範囲で、ｘを０．５倍の値から０倍の値まで滑らかに低下するように変換する関数である。例えば、Ｆ（ｘ）は、ｓｉｇｍｏｉｄ関数を変形したものであり、以下の（式７４）で表される。

F（x）＝x／｛1＋exp［－a＊（｜x｜－1）］｝ ・・・（式７４）

ここで、閾値付近における変換後の信号強度の変化の滑らかさは、パラメータａによって制御することができる。具体的には、ａを小さくするほど、閾値付近で、変換後の信号強度であるＦ（ｘ）がより滑らかに変化するようになる。

例えば、分離機能１７ｂは、ｘ＝Ｓ／ＳｔｈとしてＦ（ｘ）を求め、Ｓ_cor＝Ｓｔｈ＊Ｆ（ｘ）により、変換後の画像Ｓ_corを生成する。これにより、ｎｏｉｓｅが低減され、かつ、水成分と組織成分との境界も滑らかに接続された画像が得られる。

なお、ここでは、水成分が支配的となるような長いＴＥで撮像した画像をＳ（ｘ）と表して説明したが、当該画像が２次元の画像Ｓ（ｘ、ｙ）である場合は、変換用の非線形関数及び変換後の画像もそれぞれＦ（ｘ，ｙ）及びＳ_cor（ｘ，ｙ）となり、３次元の画像Ｓ（ｘ，ｙ，ｚ）である場合は、変換用の非線形関数及び変換後の画像もそれぞれＦ（ｘ，ｙ，ｚ）及びＳ_cor（ｘ，ｙ，ｚ）となる。

上述した実施例８は、汎用的な画像処理方法として、画像上でＳＮＲが低い部分を改善するための方法として用いることも可能である。

以上、水成分が支配的となるような長いＴＥを差分することによって水成分を抑制する場合にＳＮＲが低い部分の劣化を抑制するための方法として、いくつかの実施例を説明したが、実施例７で説明したＴ２マップに基づく方法では、Ｔ２マップが必要になるものの、閾値にＴ２という絶対値を用いることができるのが最大の利点である。また、実施例７で説明した長いＴＥの画像の信号強度に基づく方法では、閾値を決めるためにノイズの測定が必要になるが、いったん撮像条件が決まれば毎回測定しなくても経験値を使用できると考えられる。

なお、ここでは、ＡＤＣについては説明していないが、Ｔ２と同様に、水のＡＤＣと組織のＡＤＣとの中間の値であるＡＤＣ＝２＊１０^-3［ｍｍ²／ｓ］等を閾値として用いることで、実施例７で説明したＴ２マップに基づく方法を同様に適用することが可能である。

（実施例９）
次に、実施例９について説明する。本実施例は、実施例７や実施例８と同様に、差分によるＳＮＲの低下や分離制度の低下を抑制するものであるが、簡便な指標値を用いた重み付け差分を用いるものである。

例えば、Ｔ２の差異を利用した差分では、水成分が支配的となるような長いＴＥで撮像した画像において、そのＴＥが組織のＴ２に比べて十分に長くない場合や、そのＴＥに比べて組織のＴ２自体が長い場合に、組織成分の信号強度が水成分の信号強度と比べて無視できない値となり、上述した実施例７や実施例８の方法でも、水成分と組織成分との区別が難しくなることもあり得る。

これに対し、水成分が支配的となるような長いＴＥで撮像した画像において組織成分が無視できない値となるような場合でもより正確に水成分と組織成分とを分離する方法として、例えば、４点以上の収集サンプル点で収集した、特に長いＴＥで撮像したものを多く含む画像があれば、最小二乗法を用いて分離を行う方法も考えられる。しかしながら、そのような方法では、画像の収集サンプル点が少ない場合にエラーが大きくなる。

このようなことから、本実施例では、簡便な指標を用いて、水成分と組織成分とをより精度よく分離できるようにしている。

すなわち、本実施例では、分離機能１７ｂが、収集機能１７ａによって収集された複数の画像のうちのＴＥが異なる少なくとも３つの画像に基づいて、水成分と組織成分との比率を反映した指標値を算出し、第２の画像を指標値に応じて重み付けした後に第１の画像から差分することによって、分離画像を生成する。

具体的には、分離機能１７ｂは、ＴＥが異なる３つの画像を用いて、ＴＥが短い画像と中間の画像から得られるＴ２をＴ２ｆａｓｔとして算出し、ＴＥが長い画像と中間の画像とから得られるＴ２をＴ２ｓｌｏｗとして算出する。

例えば、Ｓ（ＴＥ１）、Ｓ（ＴＥ２）、Ｓ（ＴＥ３）とし、ＴＥ３が水成分が支配的となるような長いＴＥであるとした場合に、分離機能１７ｂは、以下の（式７５）及び（式７６）により、Ｔ２ｆａｓｔ及びＴ２ｓｌｏｗをそれぞれ算出する。

T2fast＝（TE2－TE1）／ln（S1／S2） ・・・（式７５）
T2slow＝（TE3－TE2）／ln（S2／S3） ・・・（式７６）

さらに、分離機能１７ｂは、以下の（式７７）により、Ｔ２ｆａｓｔとＴ２ｓｌｏｗとの比率Ｔ２ｒａｔｉｏを算出する。

T2ratio＝T2fast／T2slow ・・・（式７７）

ここで、ボクセル内の成分が単一である場合、すなわちボクセル内で水成分及び組織成分のいずれか一方が支配的である場合は、Ｔ２ｒａｔｉｏは１に近付くことになる。逆に、ボクセル内で水成分及び組織成分が半々程度ある場合には、Ｔ２ｒａｔｉｏは０に近付くことになる。

そし、分離機能１７ｂは、以下の（式７７）により、Ｓ（ＴＥ３）をＴ２ｒａｔｉｏに応じて決められた重み付け係数αｃｏｒで重み付けしてＳ（ＴＥ１）から差分することによって、水成分が抑制された画像Ｓ（ＴＥ１）を生成する。また、分離機能１７ｂは、以下の（式７８）により、Ｓ（ＴＥ３）をＴ２ｒａｔｉｏに応じて決められた重み付け係数αｃｏｒで重み付けしてＳ（ＴＥ２）から差分することによって、水成分が抑制された画像Ｓ_t（ＴＥ２）を生成する。

S_t（TE1）＝S（TE1）－αcor＊S（TE3） ・・・（式７７）
S_t（TE2）＝S（TE2）－αcor＊S（TE3） ・・・（式７８）

このとき、分離機能１７ｂは、組織成分が支配的であるか、水成分と組織成分とが混在しているか、水成分が支配的であるかに応じて、αｃｏｒを決定する。

例えば、分離機能１７ｂは、Ｔ２に対する２つの閾値Ｔ２Ｔｈ１及びＴ２Ｔｈ２（Ｔ２Ｔｈ１＜Ｔ２Ｔｈ２）と、Ｔ２ｒａｔｉｏに対する閾値Ｔ２ｒａｔｉｏＴｈ（０＜Ｔ２ｒａｔｉｏＴｈ＜１）とを用いて、αｃｏｒを決定する。例えば、撮像対象が脳である場合は、Ｔ２Ｔｈ１＝２００［ｍｓ］、Ｔ２Ｔｈ２＝５００［ｍｓ］、Ｔ２ｒａｔｉｏＴｈ＝０．７とする。

具体的には、分離機能１７ｂは、Ｔ２＜Ｔ２Ｔｈ１、かつ、Ｔ２ｒａｔｉｏ＞Ｔ２ｒａｔｉｏＴｈである場合に、組織が支配的であると判定し、αｃｏｒ＝０と決定する。また、分離機能１７ｂは、０＜Ｔ２ｒａｔｉｏ≦Ｔ２ｒａｔｉｏＴｈである場合に、水成分と組織成分とが混在していると判定し、αｃｏｒ＝Ｔ２ｒａｔｉｏ^βと決定する。また、分離機能１７ｂは、Ｔ２≧Ｔ２Ｔｈ２、かつ、Ｔ２ｒａｔｉｏ＞Ｔ２ｒａｔｉｏＴｈである場合に、水が支配的であると判定し、αｃｏｒ＝１と決定する。ここで、βは、Ｔ２ｒａｔｉｏの重みを制御するための０以上の係数である。

なお、本実施例を実施例７と組み合わせる場合には、Ｍａｓｋ_filにおいて、水成分に対する重み付けが１、組織成分に対する重み付けが０、水成分と組織成分との境界部分に対する重み付けが０～１に設定されているので、αｃｏｒをαｃｏｒ＝Ｍａｓｋ_fil＊Ｔ２ｒａｔｉｏ^βのように決めてもよい。

また、本実施例を実施例８と組み合わせる場合には、ＴＥ＝ＴＥ３とした場合の信号強度となるので、αｃｏｒをαｃｏｒ＝Ｆ（Ｓ（ＴＥ３））＊Ｔ２ｒａｔｉｏ^βのように決めてもよい。

これにより、例えば、Ｔ２又は信号強度が同じであっても、ボクセル内に組織成分が多く含まれていれば、Ｔ２ｒａｔｉｏが小さくなり、それにより、組織成分に対する重み付けも小さくなり、その結果、差分後も組織成分が残り易くなる。

なお、より簡便にするためには、Ｔ２まで算出せずに、Ｔ２との相関を示す単純な信号強度の差や傾きの比等を用いてもよい。

（実施例１０）
次に、実施例１０について説明する。本実施例は、画像を差分することによって水成分と組織成分とを分離するのではなく、ＭＲ信号モデルを用いた近似によって、水成分と組織成分とを分離するものである。

すなわち、本実施例では、分離機能１７ｂが、信号の全体の信号強度と当該信号内の水成分及び組織成分それぞれの信号強度との関係を定義したモデルにより、ＴＥが異なる少なくとも３つの画像を用いて最小二乗法による近似を行うことによって、分離画像を生成する。

具体的には、分離機能１７ｂは、前述した２成分モデルにより、ＴＥが異なる３つの画像と、理論値を用いて仮定又は画像から測定された水のＴ２_wとを用いて、最小二乗法による近似を行うことで、２成分モデルのモデルパラメータであるＰＤ_t＊Ｖ_t、Ｔ２_t、ＰＤ_w＊Ｖ_w及びＴ２_wの４つのパラメータを求める。

ここで、理論的には、ＴＥが異なる４つの画像を用いることによって４つのパラメータを求めることも可能であるが、仮定又は測定された水のＴ２_wとを用いることによって必要な画像の数を３つとすることで、近似計算を安定させることができる。

なお、一般的に、最小二乗法による近似のアルゴリズムは非線形な手法であり、データのＳＮＲが低い場合やデータの数が少ない場合は解が不安定となることが知られている。そのため、本実施例では、水成分と組織成分とを高精度に分離できるように、組織成分が略ゼロとなるような十分に長いＴＥで収集した画像を用いるのが望ましいが、差分する長いＴＥの画像に実質成分が多少含まれていたとしても、３点以上のデータ全体を用いて2-compartmentモデル式で近似するため、重み付き差分してからsingle-compartmentモデルで近似する場合に比べて、実質成分の差分を回避できる可能性がある。

また、２成分以上の指数関数の和で表される関数のパラメータを求める非線形最小二乗法による近似のアルゴリズムには、内部的に時間的な範囲でデータを分割し、時間の長いデータから時定数（Ｔ２）が大きい成分を求め、データを順次差分しながら短い成分を求めていく方法もある。本実施例では、そのような手法を用いることで、同時に全データを用いて全パラメータを近似する場合と比べて、ノイズをロバストにすることもできる。

また、ここでは、ＴＥが異なる画像を用いた水成分と組織成分との分離について説明したが、Ｔ２を１／ＡＤＣとみなすことで、ｂ値が異なる画像を用いた水成分と組織成分との分離についても同様に行うことが可能である。

また、ここでは、ＴＥが異なる画像、又は、ｂ値が異なる画像というように、各画像を１次元データとして扱って近似を行う場合の例を説明したが、例えば、初めから、図３に示したように各画像を２次元データとして扱うことで、非線形最小二乗法による近似を行うことも可能である。なお、理論的には、求める未知のパラメータの数と同じ数の収集サンプル点に対応する画像があれば、各点の（ＴＥ，ｂ）の組み合わせはランダムに異なっていてもよいが、水成分と組織成分とを高精度に分離するためには、水成分が支配的となるような十分に長いＴＥで撮像された画像や、水成分が無視できるような十分に大きいｂ値で撮像された画像を、解析に用いる画像に含めるのが望ましい。このように各画像を２次元データとして扱う場合も、上述した１次元データの場合の例と同様に、仮定又は測定された水のＴ２_wやＡＤＣを用いることによって必要な画像の数を減らすことで、少ない画像でも近似の精度を向上させることが可能である。

なお、本実施例と実施例７又は８とを組み合わせる場合には、短いＴＥの画像に加え、マスク関数による重み付けや非線形関数による変換が行われた後の長いＴＥの画像を用いて解析することになる。

以上、実施例７～１０について説明したが、これらの実施例は、実施例１０、実施例９、実施例７、実施例８の順で計算コストが低くなる。これらの実施例の方法は、元画像のＳＮＲや、ＴＥ又はｂ値の収集サンプリング点の数、要求精度等の条件に応じて適宜選択することが可能である。また、差分に伴うＳＮＲの劣化や分離精度の低減を抑制する方法として、他の実施例でも共通に適用することが可能である。

上述したように、第１の実施形態及び各実施例によれば、信号内の水成分と組織成分とを分離した分離画像を用いて定量パラメータマップを生成することによって、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができる。また、ＰＶＥが抑制された定量パラメータマップを用いて合成コントラスト強調画像を生成することによって、ＰＶＥによって合成コントラスト強調画像に生じる高信号のアーチファクトを抑制することができる。

例えば、上述した第１の実施形態及び実施例によれば、水成分が支配的となる画像の収集を追加するだけで、簡単な処理によって、水成分によるＰＶＥが抑制されたＰＤ、Ｔ１Ｔ２、ＡＤＣ等の定量パラメータマップを簡便に生成することができる。また、ＦＡＳＴ ＳＥ法等の従来の手法に容易に適用することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、実収集では取得することが不可能な、水成分によるＰＶＥが抑制されたSynthetic FLAIR画像を生成することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、実収集では取得することが不可能な、水成分そのもの及び水成分によるＰＶＥが抑制され、かつＦＬＡＩＲ画像よりもＳＮＲや異なる組織間ＣＮＲが高い、Synthetic SE画像を生成することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、実収集時に水成分と組織成分のＴ２差とＡＤＣ差とを組み合わせることによって、従来法と比べて短いデータ収集時間で、水成分の抑制効果、又は、水成分と組織成分との分離効果を向上させることができる。

また、例えば、上述した第１の実施形態及び実施例によれば、Ｔ２ベースの水成分抑制とＤＷＩベースの水成分抑制とを組み合わせることによって、それぞれを単独で行う場合よりも、水成分の抑制効果を向上させることができる。

また、例えば、上述した第１の実施形態及び実施例によれば、拡散強調イメージング（ｂ値を変えた４点以上の画像が必要）のみでは困難な水、血液、組織の３成分の分離を、Ｔ２ベースの水成分抑制を組み合わせることによって、比較的小さなｂ値（ｂ≦１０００［ｓ／ｍｍ²］）で、少ない数の画像（最低３点）で行うことができる。

また、例えば、上述した第１の実施形態及び実施例によれば、拡散強調イメージングによって従来法と比べて簡便かつ高精度な水成分抑制を行うことによってＡＤＣ、ＦＡ等の定量パラメータマップの精度を向上させることができる。

また、例えば、上述した第１の実施形態及び実施例によれば、水成分が抑制された合成コントラスト強調画像や定量パラメータマップに加え、必要であれば、従来の水成分が抑制されていない同種の画像を得ることもできる。

また、例えば、上述した第１の実施形態及び実施例によれば、非線形の差分処理を加えることによって、実質部のＳＮＲの低下がなく、不要なＰＶＥをもたらすＣＳＦ信号のみを低減することが可能となる。

例えば、上述した第１の実施形態及び実施例によれば、Computed DWIをＡＤＣやＦＡ等の定量パラメータマップの改善まで拡張することができる。

以上のことから、上述した第１の実施形態及び実施例によれば、Synthetic MRIにおいて、水成分（ＣＳＦ）及び組織成分のボクセルごとの混合比が異なっている場合でも、特にＴ２－ＦＬＡＩＲ画像を生成する際のＰＶＥによると推定される高信号アーチファクトを簡便に抑制する方法を提供することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、定量パラメータの計算に用いる元画像自体の水成分の信号をボクセル内の水の容積に応じて抑制することによって、定量パラメータマップ、およびSynthetic MRI画像の水信号自体を水の容積に応じて抑制することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、水成分の抑制された定量パラメータマップ（ＰＤ，Ｔ１，Ｔ２，ＡＤＣ，ＦＡ等）、又は、それらの各々の水成分と組織成分が分離した定量パラメータマップを生成することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、実収集によるＦＬＡＩＲ画像と同等の定量パラメータマップを用いた計算によるコントラスト強調画像である水抑制された合成画像であるSynthetic FLAIR画像、及び、水抑制された組織コントラスト分解能にすぐれたSynthetic SE画像を提供することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、拡散強調イメージングによって、ＦＬＡＩＲを用いずにＳＥベースでの簡便かつ高精度な水抑制を行い、組織部分のＡＤＣ、ＦＡ等の定量パラメータマップの精度を向上させることができる。

また、例えば、上述した第１の実施形態及び実施例によれば、拡散強調イメージングを水成分抑制の手法と組み合わせることによって、水成分、血流成分及び組織成分をより簡便に高精度に分離する方法を提供することができる。

また、例えば、上述した第１の実施形態及び実施例によれば、一般的な複数種類の組織からある組織を分離することによって、複数種類の組織が混在したボクセルから除外された成分によるＰＶＥの抑制された定量パラメータマップ及び合成コントラスト強調画像を得ることができる。

また、例えば、上述した第１の実施形態及び実施例によれば、差分の重みが一定の単純差分に対して、差分の重みを最適にコントロールすることによって、通常の組織及びＴ２がＣＳＦより短いが通常の組織よりは比較的長い組織又は病変のＳＮＲを向上させることができる。

（第２の実施形態）
以上、第１の実施形態では、本願が開示する技術をＭＲＩ装置に適用した場合の例を説明したが、実施形態はこれに限られない。例えば、本願が開示する技術は、ネットワークを介してＭＲＩ装置１００と接続された画像処理装置に適用することも可能である。そこで、以下では、第２の実施形態として、画像処理装置の実施形態を説明する。

図１１は、第２の実施形態に係る画像処理装置の構成例を示す図である。

例えば、図１１に示すように、本実施形態では、ＭＲＩ装置１００と、画像処理装置２００とが、ネットワーク３００を介して通信可能に接続されている。

ＭＲＩ装置１００は、磁気共鳴現象を利用して被検体の画像データを収集する。具体的には、ＭＲＩ装置１００は、操作者によって設定された撮像条件に基づいて各種撮像シーケンスを実行することで、被検体から磁気共鳴データを収集する。そして、ＭＲＩ装置１００は、収集した磁気共鳴データに対してフーリエ変換処理等の画像処理を施すことで、二次元又は三次元の画像データ（ＭＲ画像）を生成する。

画像処理装置２００は、ＭＲＩ装置１００によって収集された画像データを処理する。具体的には、画像処理装置２００は、ネットワーク３００を介して、ＭＲＩ装置１００から画像データを取得し、装置内又は装置外に設けられた記憶回路に記憶させる。また、画像処理装置２００は、取得した画像データに対して各種画像処理を行い、画像処理を行う前又は画像処理を行った後の画像データをディスプレイ等に表示する。例えば、画像処理装置２００は、ワークステーション等のコンピュータ機器によって実現される。

具体的には、画像処理装置２００は、ネットワーク（Network：ＮＷ）インタフェース２１０と、記憶回路２２０と、入力インタフェース２３０と、ディスプレイ２４０と、処理回路２５０とを備える。

ＮＷインタフェース２１０は、ネットワーク３００を介して接続された他の装置と画像処理装置２００との間で送受信される各種データの伝送及び通信を制御する。具体的には、ＮＷインタフェース２１０は、処理回路２５０に接続され、処理回路２５０から出力される画像データを所定の通信プロトコルに準拠した形式に変換し、ＭＲＩ装置１００に送信する。また、ＮＷインタフェース２１０は、ＭＲＩ装置１００から受信した画像データを処理回路２５０に出力する。例えば、ＮＷインタフェース２１０は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。

記憶回路２２０は、各種データを記憶する。具体的には、記憶回路２２０は、処理回路２５０に接続され、処理回路２５０から送られる命令に応じて、入力された画像データを記憶し、又は、記憶している画像データを処理回路２５０に出力する。例えば、記憶回路２２０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。

入力インタフェース２３０は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース２３０は、処理回路２５０に接続されており、操作者から受け取った入力操作を電気信号へ変換し制御回路へと出力する。例えば、入力インタフェース２３０は、関心領域（Region Of Interest：ＲＯＩ）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース２３０は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース２３０の例に含まれる。

ディスプレイ２４０は、各種情報及び各種画像を表示する。具体的には、ディスプレイ２４０は、処理回路２５０に接続され、処理回路２５０から出力される画像データに基づいて、各種の形式で画像を表示する。例えば、ディスプレイ２４０は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。

処理回路２５０は、入力インタフェース２３０を介して操作者から受け付けた入力操作に応じて、画像処理装置２００が備える各構成要素を制御する。具体的には、処理回路２５０は、ＮＷインタフェース２１０から出力される画像データを記憶回路２２０に記憶させる。また、処理回路２５０は、記憶回路２２０から読み出した画像データをディスプレイ２４０に表示する。例えば、処理回路２５０は、プロセッサによって実現される。

このような構成のもと、本実施形態に係る画像処理装置２００は、ＭＲＩ装置１００によって複数種類の撮像パラメータの値を変えて収集された複数の画像から、ＰＤ、Ｔ１、Ｔ２等の定量パラメータマップを生成する機能を有している。さらに、本実施形態に係る画像処理装置２００は、生成した定量パラメータマップの信号値と任意の撮像パラメータの値とを用いて、各種のコントラスト強調画像に対応する合成コントラスト強調画像を計算によって生成する機能を有している。

そして、本実施形態に係る画像処理装置２００は、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができるように構成されている。

具体的には、本実施形態では、図１１に示す処理回路２５０が、取得機能２５１と、分離機能２５２と、生成機能２５３と、合成機能２５４とを有する。

取得機能２５１は、複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって収集された、組織のＴ２に近いＴＥで撮像した画像と、信号内で水成分が支配的となるような長いＴＥで撮像した画像とを含む複数の画像をＭＲＩ装置１００から取得する。なお、取得機能２５１は、取得部の一例である。

分離機能２５２は、第１の実施形態で説明した分離機能１７ｂと同様に、収集機能１７ａによって収集された複数の画像のうちのＴＥが異なる少なくとも３つの画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する。なお、分離機能２５２は、分離部の一例である。

生成機能２５３は、第１の実施形態で説明した生成機能１７ｃと同様に、分離機能１７ｂによって生成された分離画像を用いて、Ｔ１、Ｔ２、ＰＤ、及びＡＤＣのうちの少なくとも１種類の定量パラメータマップを生成する。なお、生成機能２５３は、生成部の一例である。

合成機能２５４は、第１の実施形態で説明した合成機能１７ｄと同様に、生成機能１７ｃによって生成された少なくとも１種類の定量パラメータマップを用いて、任意の撮像パラメータに対応する合成コントラスト強調画像を計算によって生成する。なお、合成機能２５４は、合成部の一例である。

なお、上述した処理回路２５０は、例えば、プロセッサによって実現される。この場合に、処理回路２５０が有する各処理機能は、例えば、コンピュータによって実行可能なプログラムの形態で記憶回路２２０に記憶される。そして、処理回路２５０は、記憶回路２２０から各プログラムを読み出して実行することで、各プログラムに対応する処理機能を実現する。換言すると、各プログラムを読み出した状態の処理回路２５０は、図１４の各処理回路内に示された各機能を有することとなる。なお、ここでは、単一のプロセッサによって処理回路２５０が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路２５０を構成し、各プロセッサがプログラムを実行することによって各処理機能を実現するものとしても構わない。また、処理回路２５０が有する処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、図１４に示す例では、単一の記憶回路２２０が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路が個別の記憶回路から対応するプログラムを読み出す構成としても構わない。

上述した構成によれば、第２の実施形態でも、前述した第１の実施形態及び実施例と同様に、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができる。

なお、上述した実施形態では、本明細書における収集部、分離部、生成部、合成部及び取得部を、それぞれ、処理回路の収集機能、分離機能、生成機能、合成機能及び取得機能によって実現する場合の例を説明したが、実施形態はこれに限られない。例えば、本明細書における収集部、分離部、生成部、合成部及び取得部は、実施形態で述べた収集機能、分離機能、生成機能、合成機能及び取得部によって実現する他にも、ハードウェアのみ、又は、ハードウェアとソフトウェアとの混合によって同機能を実現するものであっても構わない。

また、上述した説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは、記憶回路に保存されたプログラムを読み出して実行することで、機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合は、プロセッサは回路内に組み込まれたプログラムを読み出して実行することで機能を実現する。また、本実施形態のプロセッサは、単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。

ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、上述した各機能部を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。

以上説明した少なくとも１つの実施形態によれば、信号内の水成分と組織成分との混合によって定量パラメータマップに生じるＰＶＥを抑制することができる。

本発明の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。これらの実施形態は、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、変更を行うことができる。これらの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。

１００ ＭＲＩ装置
１７ 処理回路
１７ａ 収集機能
１７ｂ 分離機能
１７ｃ 生成機能
１７ｄ 合成機能

Claims (26)

1. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、第１のエコー時間で撮像した第１の画像と、前記第１のエコー時間より長い、組織の横緩和時間に近い第２のエコー時間で撮像した第２の画像と、信号内で水成分が支配的となるような長い第３のエコー時間で撮像した第３の画像とを含む複数の画像を収集する収集部と、
   前記複数の画像のうちの少なくとも前記第１の画像、前記第２の画像及び前記第３の画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
   前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
   を備え、
   前記収集部は、拡散強調画像を撮像する拡散強調イメージングによって０でないｂ値を用いて前記被検体の画像を撮像することで、水成分が抑制された前記複数の画像を収集し、
   前記分離部は、前記第１の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第１の分離画像を生成し、前記第２の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第２の分離画像を生成し、
   前記生成部は、前記第１の分離画像及び前記第２の分離画像を用いて、前記少なくとも１種類の定量パラメータマップを生成する、
   磁気共鳴イメージング装置。
2. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、第１のエコー時間で撮像した第１の画像と、前記第１のエコー時間より長い、組織の横緩和時間に近い第２のエコー時間で撮像した第２の画像と、信号内で水成分が支配的となるような長い第３のエコー時間で撮像した第３の画像とを含む複数の画像を収集する収集部と、
   前記複数の画像のうちの少なくとも前記第１の画像、前記第２の画像及び前記第３の画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
   前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
   を備え、
   前記収集部は、拡散強調画像を撮像する拡散強調イメージングによって０でないｂ値を用いて前記被検体の画像を撮像することで、水成分が抑制された前記複数の画像を収集し、
   前記分離部は、信号の全体の信号強度と当該信号内の水成分及び組織成分それぞれの信号強度との関係を定義したモデルにより、前記第１の画像及び前記第２の画像を用いて、最小二乗法による近似を行うことで、水成分と組織成分とを分離した第１の分離画像を生成し、前記第２の画像及び前記第３の画像を用いて、最小二乗法による近似を行うことで、水成分と組織成分とを分離した第２の分離画像を生成し、
   前記生成部は、前記第１の分離画像及び前記第２の分離画像を用いて、前記少なくとも１種類の定量パラメータマップを生成する、
   磁気共鳴イメージング装置。
3. 前記少なくとも１種類の定量パラメータマップを用いて、任意の撮像パラメータに対応する合成コントラスト強調画像を計算によって生成する合成部をさらに備える、
   請求項１又は２に記載の磁気共鳴イメージング装置。
4. 前記分離部は、仮定又は測定された水の横緩和時間を用いて、前記第３の画像から前記第１のエコー時間に対応する第１の水成分の画像及び前記第２のエコー時間に対応する第２の水成分の画像を生成し、前記第１の水成分の画像を前記第１の画像から差分することによって、前記第１の分離画像を生成し、前記第２の水成分の画像を前記第２の画像から差分することによって、前記第２の分離画像を生成する、
   請求項１に記載の磁気共鳴イメージング装置。
5. 前記生成部は、前記第１の分離画像及び前記第２の分離画像を用いて、少なくとも、水成分が抑制された横緩和時間の定量パラメータマップと、水成分が抑制されたプロトン密度の定量パラメータマップとを生成し、
   前記合成部は、前記水成分が抑制されたプロトン密度の定量パラメータマップと、前記水成分が抑制された横緩和時間の定量パラメータマップとを用いて、前記水成分が抑制されたスピンエコー法の合成コントラスト強調画像を生成する、
   請求項３に記載の磁気共鳴イメージング装置。
6. 前記生成部は、前記複数の画像を用いて、水成分及び組織成分を含む全体の縦緩和時間の定量パラメータマップを生成し、前記第１の分離画像及び前記第２の分離画像を用いて、前記水成分が抑制された横緩和時間の定量パラメータマップと、前記水成分が抑制されたプロトン密度の定量パラメータマップとを生成し、
   前記合成部は、前記全体の縦緩和時間の定量パラメータマップと、前記水成分が抑制された横緩和時間の定量パラメータマップと、前記水成分が抑制されたプロトン密度の定量パラメータマップとを用いて、前記水成分が抑制されたスピンエコー法の合成コントラスト強調画像を生成する、
   請求項５に記載の磁気共鳴イメージング装置。
7. 前記生成部は、前記第１の分離画像及び前記第２の分離画像を用いて、少なくとも、水成分が抑制された横緩和時間の定量パラメータマップを生成し、
   前記合成部は、前記水成分が抑制された横緩和時間の定量パラメータマップを用いて、前記水成分が抑制されたＦＬＡＩＲ法の合成コントラスト強調画像を生成する、
   請求項３に記載の磁気共鳴イメージング装置。
8. 前記収集部は、Gradient Moment Nulling用の傾斜磁場を印加して、前記被検体の画像を撮像する、
   請求項１～７のいずれか１つに記載の磁気共鳴イメージング装置。
9. 前記収集部は、マルチエコー法によって、前記被検体の画像を撮像する、
   請求項１～８のいずれか１つに記載の磁気共鳴イメージング装置。
10. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記収集部は、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを収集し、
    前記分離部は、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成部は、前記第３の画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    磁気共鳴イメージング装置。
11. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記収集部は、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを収集し、
    前記分離部は、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成部は、仮定又は測定された水の拡散係数を用いて、前記第２の画像から前記第２のｂ値に対応する水成分の画像を生成し、当該画像を前記第３の画像から差分することによって、前記第２のｂ値に対応する水成分が抑制された画像を生成し、当該画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    磁気共鳴イメージング装置。
12. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記収集部は、拡散強調画像を撮像する拡散強調イメージングによって、３つの異なるｂ値を用いて前記被検体の画像を撮像し、
    前記分離部は、前記３つの異なるｂ値それぞれで撮像した画像を解析することによって、静止している水成分及び組織成分に加えて、動いている血流成分をさらに含めた３つの成分を分離した分離画像を生成する、
    磁気共鳴イメージング装置。
13. 前記収集部は、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような前記第１のエコー時間より長い第２のエコー時間と、信号内で水成分、組織成分及び血流成分の全てが混在するような第１のｂ値と、第１のｂ値と比べて信号内で組織成分及び水成分が支配的となるような前記第１のｂ値より大きい第２のｂ値と、第２のｂ値と比べて信号内で組織成分が支配的となるような前記第２のｂ値より大きい第３のｂ値とを用いて前記被検体の画像を撮像することによって、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像と、前記第２のエコー時間及び前記第２のｂ値で撮像した第４の画像と、前記第２のエコー時間及び前記第３のｂ値で撮像した第５の画像とを収集し、
    前記分離部は、前記第１の画像から前記第２の画像を重み付けして差分することによって、水成分が抑制されて組織成分及び血流成分のみが残った画像を第１の分離画像として生成し、前記第３の画像から前記第４の画像を重み付けして差分することによって、水成分が抑制されて組織成分のみが残った画像を第２の分離画像として生成し、前記第１の分離画像及び前記第２の分離画像を用いて、水成分及び組織成分が抑制されて血流成分のみが残った第３の分離画像を生成し、
    前記生成部は、前記第１の分離画像、前記第２の分離画像及び前記第３の分離画像を用いて、前記３つの成分を分離した拡散係数の定量パラメータマップを生成する、
    請求項１２に記載の磁気共鳴イメージング装置。
14. 前記分離部は、信号強度が高い領域は差分され、かつ、信号強度が低い領域は差分されないように前記第１の画像及び前記第２の画像から前記第３の画像を差分することによって、前記第１の分離画像及び前記第２の分離画像を生成する、
    請求項１又は４に記載の磁気共鳴イメージング装置。
15. 前記分離部は、信号強度が所定の閾値より大きい信号は重み付けを１に設定し、信号強度が前記閾値以下の信号は重み付けを０に設定し、さらに、信号強度が前記閾値付近となる信号については０～１の間で滑らかに変化するように重み付けを設定するマスク関数を用いて前記第３の画像を重み付けした後に、当該第３の画像を前記第１の画像及び前記第２の画像から差分することによって、又は、信号強度が所定の閾値以下の信号について信号強度を０～１倍の範囲で非線形に変換する非線形関数を用いて前記第３の画像を変換した後に、当該第３の画像を前記第１の画像及び前記第２の画像から差分することによって、前記第１の分離画像及び前記第２の分離画像を生成する、
    請求項１４に記載の磁気共鳴イメージング装置。
16. 前記分離部は、前記複数の画像のうちの少なくとも前記第１の画像、前記第２の画像及び前記第３の画像に基づいて、水成分と組織成分との比率を反映した指標値を算出し、前記第３の画像を前記指標値に応じて重み付けした後に前記第１の画像及び前記第２の画像から差分することによって、前記第１の分離画像及び前記第２の分離画像を生成する、
    請求項１４に記載の磁気共鳴イメージング装置。
17. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、第１のエコー時間で撮像した第１の画像と、前記第１のエコー時間より長い、組織の横緩和時間に近い第２のエコー時間で撮像した第２の画像と、信号内で水成分が支配的となるような長い第３のエコー時間で撮像した第３の画像とを含む複数の画像を収集する収集ステップと、
    前記複数の画像のうちの少なくとも前記第１の画像、前記第２の画像及び前記第３の画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離ステップと、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成ステップと
    を含み、
    前記収集ステップは、拡散強調画像を撮像する拡散強調イメージングによって０でないｂ値を用いて前記被検体の画像を撮像することで、水成分が抑制された前記複数の画像を収集し、
    前記分離ステップは、前記第１の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第１の分離画像を生成し、前記第２の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第２の分離画像を生成し、
    前記生成ステップは、前記第１の分離画像及び前記第２の分離画像を用いて、前記少なくとも１種類の定量パラメータマップを生成する、
    磁気共鳴イメージング方法。
18. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集ステップと、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離ステップと、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成ステップと
    を含み、
    前記収集ステップは、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを収集し、
    前記分離ステップは、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成ステップは、前記第３の画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    磁気共鳴イメージング方法。
19. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集ステップと、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離ステップと、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成ステップと
    を含み、
    前記収集ステップは、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを収集し、
    前記分離ステップは、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成ステップは、仮定又は測定された水の拡散係数を用いて、前記第２の画像から前記第２のｂ値に対応する水成分の画像を生成し、当該画像を前記第３の画像から差分することによって、前記第２のｂ値に対応する水成分が抑制された画像を生成し、当該画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    磁気共鳴イメージング方法。
20. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を収集する収集ステップと、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離ステップと、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成ステップと
    を含み、
    前記収集ステップは、拡散強調画像を撮像する拡散強調イメージングによって、３つの異なるｂ値を用いて前記被検体の画像を撮像し、
    前記分離ステップは、前記３つの異なるｂ値それぞれで撮像した画像を解析することによって、静止している水成分及び組織成分に加えて、動いている血流成分をさらに含めた３つの成分を分離した分離画像を生成する、
    磁気共鳴イメージング方法。
21. 前記分離ステップは、信号強度が高い領域は差分され、かつ、信号強度が低い領域は差分されないように前記第１の画像及び前記第２の画像から前記第３の画像を差分することによって、前記第１の分離画像及び前記第２の分離画像を生成する、
    請求項１７に記載の磁気共鳴イメージング方法。
22. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって収集された、第１のエコー時間で撮像した第１の画像と、前記第１のエコー時間より長い、組織の横緩和時間に近い第２のエコー時間で撮像した第２の画像と、信号内で水成分が支配的となるような長い第３のエコー時間で撮像した第３の画像とを含む複数の画像を取得する取得部と、
    前記複数の画像のうちの少なくとも前記第１の画像、前記第２の画像及び前記第３の画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記取得部は、拡散強調画像を撮像する拡散強調イメージングによって０でないｂ値を用いて前記被検体の画像を撮像することで収集された、水成分が抑制された前記複数の画像を取得し、
    前記分離部は、前記第１の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第１の分離画像を生成し、前記第２の画像から前記第３の画像を重み付けして差分することによって、水成分が抑制された第２の分離画像を生成し、
    前記生成部は、前記第１の分離画像及び前記第２の分離画像を用いて、前記少なくとも１種類の定量パラメータマップを生成する、
    画像処理装置。
23. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって収集された、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を取得する取得部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記取得部は、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって収集された、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを取得し、
    前記分離部は、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成部は、前記第３の画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    画像処理装置。
24. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって収集された、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を取得する取得部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記取得部は、拡散強調画像を撮像する拡散強調イメージングによって、前記組織の横緩和時間に近い第１のエコー時間と、前記水成分が支配的となるような長い第２のエコー時間と、第１のｂ値と、前記第１のｂ値と比べて水成分が抑制されるような前記第１のｂ値より大きい第２のｂ値とを用いて前記被検体の画像を撮像することによって収集された、前記第１のエコー時間及び前記第１のｂ値で撮像した第１の画像と、前記第２のエコー時間及び前記第１のｂ値で撮像した第２の画像と、前記第１のエコー時間及び前記第２のｂ値で撮像した第３の画像とを取得し、
    前記分離部は、前記第１の画像から前記第２の画像を重み付けして差分することによって、前記第１のｂ値に対応する水成分が抑制された画像を前記分離画像として生成し、
    前記生成部は、仮定又は測定された水の拡散係数を用いて、前記第２の画像から前記第２のｂ値に対応する水成分の画像を生成し、当該画像を前記第３の画像から差分することによって、前記第２のｂ値に対応する水成分が抑制された画像を生成し、当該画像と、前記分離画像とを用いて、水成分が抑制された拡散係数の定量パラメータマップを生成する、
    画像処理装置。
25. 複数種類の組織が混在する同一の被検体の画像を複数種類の撮像パラメータの値を変えて撮像することによって収集された、組織の横緩和時間に近いエコー時間で撮像した画像と、信号内で水成分が支配的となるような長いエコー時間で撮像した画像とを含む複数の画像を取得する取得部と、
    前記複数の画像のうちのエコー時間が異なる画像を解析することによって、水成分と組織成分とを分離した分離画像を生成する分離部と、
    前記分離画像を用いて、縦緩和時間、横緩和時間、プロトン密度、及び拡散係数のうちの少なくとも１種類の定量パラメータマップを生成する生成部と
    を備え、
    前記取得部は、拡散強調画像を撮像する拡散強調イメージングによって、３つの異なるｂ値を用いて収集された前記被検体の画像を取得し、
    前記分離部は、前記３つの異なるｂ値それぞれで撮像した画像を解析することによって、静止している水成分及び組織成分に加えて、動いている血流成分をさらに含めた３つの成分を分離した分離画像を生成する、
    画像処理装置。
26. 前記分離部は、信号強度が高い領域は差分され、かつ、信号強度が低い領域は差分されないように前記第１の画像及び前記第２の画像から前記第３の画像を差分することによって、前記第１の分離画像及び前記第２の分離画像を生成する、
    請求項２２に記載の画像処理装置。

Images