CN102415898A - 医用图像处理装置和医用图像处理方法 - Google Patents
医用图像处理装置和医用图像处理方法 Download PDFInfo
- Publication number
- CN102415898A CN102415898A CN2011102732161A CN201110273216A CN102415898A CN 102415898 A CN102415898 A CN 102415898A CN 2011102732161 A CN2011102732161 A CN 2011102732161A CN 201110273216 A CN201110273216 A CN 201110273216A CN 102415898 A CN102415898 A CN 102415898A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- data
- pathological changes
- domination
- area data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 45
- 238000003672 processing method Methods 0.000 title claims description 10
- 230000035764 nutrition Effects 0.000 claims abstract description 15
- 235000016709 nutrition Nutrition 0.000 claims abstract description 15
- 231100000915 pathological change Toxicity 0.000 claims description 113
- 230000036285 pathological change Effects 0.000 claims description 113
- 230000000302 ischemic effect Effects 0.000 claims description 101
- 210000004204 blood vessel Anatomy 0.000 claims description 91
- 238000003745 diagnosis Methods 0.000 claims description 75
- 210000004351 coronary vessel Anatomy 0.000 claims description 53
- 208000028867 ischemia Diseases 0.000 claims description 37
- 230000002107 myocardial effect Effects 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 21
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 20
- 208000037804 stenosis Diseases 0.000 claims description 20
- 230000036262 stenosis Effects 0.000 claims description 20
- 230000010412 perfusion Effects 0.000 claims description 15
- 238000002059 diagnostic imaging Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 13
- 230000004069 differentiation Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003902 lesion Effects 0.000 abstract 8
- 230000009183 running Effects 0.000 abstract 3
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 22
- 210000001519 tissue Anatomy 0.000 description 20
- 230000015572 biosynthetic process Effects 0.000 description 19
- 230000000747 cardiac effect Effects 0.000 description 17
- 238000000605 extraction Methods 0.000 description 17
- 230000003387 muscular Effects 0.000 description 17
- 238000013500 data storage Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 238000011282 treatment Methods 0.000 description 9
- 241001269238 Data Species 0.000 description 8
- 239000002872 contrast media Substances 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013146 percutaneous coronary intervention Methods 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 208000010125 myocardial infarction Diseases 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000001627 cerebral artery Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012276 Endovascular treatment Methods 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 208000034699 Vitreous floaters Diseases 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000003130 cardiopathic effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种能正确进行由血管的狭窄等引起的缺血性心脏病的诊断的医用图像处理装置和医用图像处理方法。根据利用医用图像诊断装置收集的体数据将冠状动脉中产生的狭窄部等病变部所支配的心肌组织的区域显示为病变部支配区域数据,由此能正确地诊断缺血性心脏病。本实施方式的医用图像处理装置具备:根据体数据生成血管的血管走行数据的单元;根据上述体数据检测上述血管中的病变部的位置信息的单元;根据上述血管走行数据生成营养被供给的区域中的血管支配区域数据;根据上述血管走行数据和上述病变部的位置信息生成上述营养被供给的区域中的病变部支配区域数据;以及对形态图像数据或者功能图像数据叠加上述区域数据来生成诊断用图像数据的单元。
Description
本申请以日本专利申请2010-207207(申请日:2010年9月15日)为基础,从该申请享受优先的利益。本申请参照该申请,由此包含该申请的全部内容。
技术领域
本发明的实施方式涉及能正确地进行由血管的狭窄等引起的缺血性心脏病的诊断的医用图像处理装置和医用图像处理方法。
背景技术
医用图像诊断基于随着近年计算机技术的发展而实用化的X射线CT装置、MRI装置等而迅速地进步,在如今的医疗中变得必不可少。特别是,在X射线CT装置、MRI装置中,能通过生物体信息的检测单元、运算处理单元的高速化、高性能化进行图像数据的实时显示,而且收集三维图像信息(体数据:volume data)、使用该体数据的三维图像数据和MPR(MultiPlanar Reconstruction:多平面重建)图像数据的生成/显示变容易,因此也能正确地进行例如具有缺血性心脏病的患者(以下称为被检体)的冠状动脉中产生的狭窄部的检测、狭窄率的计测。
然而,心肌梗塞等缺血性心脏病主要由冠状动脉的狭窄为发病原因,因此以往采用投放造影剂的冠状动脉的二维图像数据、三维图像数据等形态图像数据来进行狭窄部位的检测和狭窄率的计测,检测出的具有比较大的狭窄率的狭窄部是心肌梗塞的原因,对该狭窄部进行支架(stent)等留置血管内设备的PCI(Percutaneous Coronary Intervention:经皮冠状动脉介入治疗)等血管内治疗。
然而,即使在冠状动脉中存在狭窄部,有时心肌梗塞也不会发病,也有报告表明按照心肌组织中的缺血的程度不同,与施行上述PCI法相比,施行药物疗法更有利于患者的预后。因此,为了决定对狭窄部的治疗方针,相对于心肌组织的缺血区域的狭窄部的评价受到重视。
对于这种要求事项,提出了如下医用图像诊断装置或者医用图像处理装置,其生成/显示能通过对从投放了造影剂的被检体的心脏区域收集的按时间序列的体数据进行处理来确定心肌组织中的缺血区域的心肌灌注(perfusion)图像数据等功能图像数据。
以冠状动脉中的狭窄部位的检测、狭窄率的计测为目的的形态图像数据的收集和以缺血区域的确定或者计测为目的的功能图像数据的收集是在独立的图像数据的收集模式中进行的,该被检体的主治医生根据经验来主观地分析在各收集模式中得到的与狭窄部相关的信息和与缺血区域相关的信息,判断缺血区域与狭窄部的相关性。
另外,近来,也开发出了在包括冠状动脉的狭窄部在内的心脏区域的形态图像数据上合成显示功能图像数据的缺血区域的方法,在这种情况下,观察各图像数据的主治医生也要根据自己的经验进行主观判断。因此,根据上述现有方法,不可能正确地判断缺血区域与狭窄部的相关性,因此,难以决定对狭窄部合适的治疗方针。
发明内容
本发明要解决的课题是提供一种医用图像处理装置和医用图像处理方法,能根据利用医用图像诊断装置收集的体数据将冠状动脉中产生的狭窄部等病变部所支配的心肌组织的区域显示为病变部支配区域数据,由此来正确地诊断缺血性心脏病。
为了解决上述课题,本实施方式的医用图像处理装置具备:血管走行数据生成单元,其根据利用医用图像诊断装置收集的体数据来生成血管的血管走行数据;病变部位检测单元,其根据上述体数据,检测上述血管中的病变部的位置信息;血管支配区域数据生成单元,其根据上述血管走行数据,生成示出营养被供给的区域中的上述血管的支配区域的血管支配区域数据;病变部支配区域数据生成单元,其根据上述血管走行数据和上述病变部的位置信息,生成示出上述营养被供给的区域中的上述病变部的支配区域的病变部支配区域数据;以及诊断用图像数据生成单元,其对根据上述体数据生成的形态图像数据或者功能图像数据叠加上述血管支配区域数据和上述病变部支配区域数据来生成诊断用图像数据。
根据上述构成的医用图像处理装置,将根据利用医用图像诊断装置收集的体数据将冠状动脉中产生的狭窄部等病变部所支配的心肌组织的区域显示为病变部支配区域数据,由此能正确地诊断缺血性心脏病。
附图说明
图1是示出本实施方式中的医用图像处理装置的整体构成的框图。
图2是示出本实施方式的医用图像处理装置所具备的形态图像数据生成部的具体构成的框图。
图3是用于说明利用本实施方式的血管走行数据生成部生成的芯线(日文原文:芯線)数据的图。
图4是示出本实施方式的病变部位检测部的病变部位的检测方法和病变度计测部的病变度的计测方法的图。
图5是示出利用本实施方式的病变部位检测部检测的病变部的具体例的图。
图6是示意性地示出以生成本实施方式中的冠状动脉支配区域数据为目的的扩张处理的图。
图7是示出利用本实施方式的冠状动脉支配区域数据生成部生成的冠状动脉支配区域数据的具体例的图。
图8是用于说明本实施方式的冠状动脉支配区域数据生成部对心肌组织的厚度方向进行的扩张处理的图。
图9是示出利用本实施方式的病变部支配区域数据生成部生成的病变部支配区域数据的具体例的图。
图10是示出利用本实施方式的缺血区域数据生成部生成的缺血区域数据的具体例的图。
图11是示出利用本实施方式的诊断用图像数据生成部生成的诊断用图像数据的具体例的图。
图12是示出本实施方式中的诊断用图像数据的生成/显示顺序的流程图。
图13是用于说明本实施方式的诊断用图像数据所示的缺血相关率的临床意义的图。
图14是示出本实施方式的变形例中的诊断用图像数据的图。
具体实施方式
以下,参照附图说明本公开的实施方式的医用图像处理装置和医用图像处理方法。
在以下说明的本实施方式的医用图像处理装置中,首先,根据从具有血管疾病的被检体预先收集的规定心动时相(心拍時相)的体数据对血管生成芯线数据,进行病变部位的检测和病变度的计测,根据这些体数据、芯线数据和病变部的位置信息生成三维的血管支配区域数据和病变部支配区域数据。然后,提取根据从上述被检体预先收集的时间序列性的体数据生成的功能图像数据的缺血区域,生成三维的缺血区域数据,根据该缺血区域数据的缺血区域与病变部支配区域数据的病变部支配区域的重合率和上述病变度算出病变部对缺血区域的相关率(缺血相关率)。并且,对用上述体数据生成的三维的形态图像数据叠加上述血管支配区域数据、病变部支配区域数据和缺血区域数据,进而将缺血相关率的算出结果附加到形态图像数据上的狭窄位置或者其附近来生成诊断用图像数据。
此外,在以下说明的实施方式中,说明了如下情况:对预先收集的规定心动时相的时间序列性的体数据进行累加处理,由此生成作为功能图像数据的心肌灌注图像数据,对从上述时间序列性的体数据中提取的规定心动时相的体数据进行渲染处理,由此生成作为形态图像数据的三维图像数据和MPR图像数据,但是形态图像数据和功能图像数据不限于此。
另外,在以下说明的实施方式中,记载了狭窄作为血管例如冠状动脉的病变,但是也可以是痉挛、阻塞、斑块(plaque)等。另外,血管不限于冠状动脉,例如也可以是脑动脉。在这种情况下,由脑动脉供给营养的区域是脑组织。
(装置的构成)
以下,用图1~图11说明本实施方式中的医用图像处理装置的构成和功能。此外,图1是示出医用图像处理装置的整体构成的框图,图2是示出该医用图像处理装置具备的形态图像数据生成部的具体构成的框图。
图1示出的本实施方式的医用图像处理装置100具备:体数据保管部1,其保存从另行设置的X射线CT装置、MRI装置等医用图像诊断装置通过未图示的网络或者存储介质供给的三维的图像信息(以下称为体数据);形态图像数据生成部2,其根据上述体数据生成心脏区域的三维图像数据、MPR图像数据等形态图像数据;血管形状解析部3,其根据上述体数据生成对冠状动脉的血管走行数据,进行该冠状动脉中产生的狭窄部位的检测和狭窄率的计测;支配区域数据生成部4,其根据上述体数据、上述血管走行数据和上述狭窄部位的检测结果,生成冠状动脉支配区域数据和病变部支配区域数据;缺血区域数据生成部5,其根据上述体数据生成示出在心肌组织回流的血流信息的功能图像数据,根据该功能图像数据生成对心肌组织的缺血区域数据;以及相关率算出部6,其根据上述缺血区域数据、病变部支配区域数据和狭窄率的计测结果算出狭窄部相对于缺血区域的缺血相关率。
而且,医用图像处理装置100具备:诊断用图像数据生成部7,其根据上述形态图像数据、冠状动脉支配区域数据、病变部支配区域数据、缺血区域数据和缺血相关率的算出结果等生成缺血疾病诊断用的图像数据(以下称为诊断用图像数据);显示部8,其显示所得到的诊断用图像数据;输入部9,其进行被检体信息的输入、阈值的设定、图像数据生成条件和区域数据生成条件的设定、狭窄部的选择、各种指示信号的输入等;以及系统控制部10,其统一控制上述各单元。
在体数据保管部1中,例如保存有未图示的医用图像诊断装置对在冠状动脉中投放了造影剂的被检体的心脏区域所收集的时间序列性的体数据,并将心动时相作为附带信息。
接下来,用图2说明形态图像数据生成部2的具体构成。图2的形态图像数据生成部2具备:三维图像数据生成部21,其根据从体数据保管部1读出的规定心动时相的体数据生成三维图像数据;MPR图像数据生成部22,其根据上述体数据生成规定截面中的MPR图像数据;以及图像数据存储部23,其暂时保存上述三维图像数据和MPR图像数据,三维图像数据生成部21具有体数据校正部211、不透明度及色调设定部212和渲染处理部213。
体数据校正部211根据预先设定的三维显示用的视线向量和对脏器边界线面的法线向量的内积值来校正从体数据保管部1供给的体数据的体素值,不透明度及色调设定部212根据校正的体素值设定不透明度及色调。并且,渲染处理部213根据利用不透明度及色调设定部212设定的不透明度和色调来对上述体数据进行渲染处理,生成三维图像数据。
另一方面,形态图像数据生成部2的MPR图像数据生成部22具有MPR截面形成部221和体素提取部222,MPR截面形成部221根据从血管形状解析部3供给的血管走行数据(即后述的冠状动脉的芯线数据)和狭窄部的位置信息形成以该狭窄部为中心的包括规定范围的芯线数据的平面状或者曲面状的MPR截面(第1MPR截面),而且,形成包括上述狭窄部与上述芯线数据垂直的MPR截面(第2MPR截面)。
体素提取部222对从体数据保管部1读出的规定心动时相的体数据设定由MPR截面形成部221形成的第1MPR截面和第2MPR截面,提取存在于这些MPR截面的体数据的体素,生成以狭窄部为中心的MPR图像数据。并且,在上述三维图像数据生成部21中生成的三维图像数据和在MPR图像数据生成部22中生成的MPR图像数据被暂时保存于图像数据存储部23后,作为形态图像数据供给诊断用图像数据生成部7。此外,对在输入部9中选择的例如具有较大的缺血相关率的1个或者多个狭窄部进行MPR图像数据的生成和显示。
返回图1,血管形状解析部3具备:血管走行数据生成部31,其生成冠状动脉的芯线数据作为血管走行数据;病变部位检测部32,其检测在冠状动脉中产生的狭窄部的位置信息;以及病变度计测部33,其计测狭窄部的狭窄率,血管走行数据生成部31具有未图示的血管区域检测部和芯线数据生成部。
血管走行数据生成部31的血管区域检测部对从体数据保管部1读出的规定心动时相的体数据中的体素值和预先设定的阈值α进行比较,提取通过投放造影剂而具有比阈值α大的体素值的体素,由此检测冠状动脉的血管区域。
另一方面,血管走行数据生成部31的芯线数据生成部在利用上述血管区域检测部检测出的血管区域的内部设定基准点(第1基准点),以该基准点为起点生成芯线数据。例如,从在血管区域内任意配置的上述基准点向三维的全角度方向产生多个单位向量,从这些单位向量中算出与到选定为探索向量的血管区域的边界面的距离最大的方向的单位向量正交的血管横截面的中心位置坐标。然后,为了使上述探索向量和血管横截面的交叉位置与血管横截面的中心一致,在上述血管横截面的中心新设定校正了其方向的探索向量,用校正后的探索向量重复上述步骤,根据由此得到的血管走行方向中的多个中心位置坐标来生成冠状动脉的芯线数据。
图3示出上述芯线数据生成部对由在三维区域中排列的多个体素构成的体数据Va生成的芯线数据Ca的坐标系,芯线数据Ca是以体数据Va中的坐标F1(X1,Y1,Z1)为起点,以FN(XN,YN,ZN)为终点,连结血管内腔的横截面的中心Fn(Xn,Yn,Zn)而生成的。
再次返回图1,血管形状解析部3的病变部位检测部32根据从上述血管区域检测部供给的冠状动脉的血管区域数据和从芯线数据生成部供给的冠状动脉的芯线数据,检测冠状动脉中产生了狭窄部的位置信息。另一方面,病变度计测部33对利用病变部位检测部32检测出的狭窄部中的冠状动脉的横截面积和正常的冠状动脉中的横截面积进行比较,由此计测上述狭窄部的狭窄率。
接下来,用图4说明冠状动脉中产生的狭窄部位的检测方法和该狭窄部位中的狭窄率的计测方法。此外,在图4中,为了简化说明,示出对直线状走行的冠状动脉进行的狭窄部位的检测和狭窄率的计测,但是也能对曲线状走行的冠状动脉以同样的顺序进行狭窄部位的检测和狭窄率的计测。
在这种情况下,病变部位检测部32接收从血管走行数据生成部31的血管区域检测部供给的冠状动脉的血管区域数据和从芯线数据生成部供给的冠状动脉的芯线数据,例如如图4所示,对芯线数据Ca以规定间隔Δd配置M个基准点Pm(m=1~M)(第2基准点)。然后,设定包括基准点Pm与芯线数据Ca大致垂直的截面Qm(m=1~M),将冠状动脉的血管区域数据Wb与截面Qm的交叉截面积计测为基准点Pm中的冠状动脉的横截面积Sm(m=1~M)。并且,检测出所得到的横截面积Sm的值比规定的阈值β小的狭窄部(例如,Pm=Pmx)。
图5示出利用病变部位检测部32检测出的狭窄部的具体例。此外,在图5中,示出对利用血管走行数据生成部31的芯线数据生成部生成的冠状动脉的芯线数据Ca叠加病变部位检测部32检测出的狭窄部Rs1~Rs4,用这些狭窄部来进行以下的说明,但是狭窄部的位置、数量不限于此。
另一方面,病变度计测部33对利用病变部位检测部32计测出的基准点Pm中的冠状动脉的横截面积Sm(m=1~M)的全部或者其一部分(例如狭窄部Pmx附近的多个横截面积)进行加法平均,计测平均横截面积Sav,将狭窄部Pmx的横截面积Smx和平均横截面积Sav代入次式(1),由此计算狭窄部Pmx中的狭窄率Rmx。
接下来,图1的支配区域数据生成部4具备:冠状动脉支配区域数据生成部(血管支配区域数据生成部)41,其生成三维冠状动脉支配区域数据,该三维冠状动脉支配区域数据表示冠状动脉的心肌组织(由血管供给营养的区域)中的支配区域(即由该冠状动脉供给血液的心肌组织的区域);以及病变部支配区域数据生成部42,其生成三维病变部支配区域数据,该三维病变部支配区域数据表示冠状动脉中产生的狭窄部的支配区域(即由于狭窄部的血液隔断而成为缺血状态的心肌组织的区域)。
冠状动脉支配区域数据生成部41具备未图示的心肌区域提取部,该心肌区域提取部对从体数据保管部1读出的规定心动时相的体数据进行例如二值化处理,提取心肌组织的区域(心肌区域),生成三维的心肌区域数据。然后,对从血管形状解析部3的血管走行数据生成部31供给的三维芯线数据以规定间隔Δe设定F个基准点Paf(f=1~F)(第3基准点),根据设定有基准点Paf的芯线数据和从心肌区域提取部供给的心肌区域数据生成由各个基准点Paf支配的区域(以下称为区分支配区域)构成的冠状动脉支配区域数据。
具体地说,将上述心肌区域数据和芯线数据合成,将在三维的芯线数据上以规定间隔Δe设定的基准点Paf投影到三维的心肌区域的表面,由此检测与各基准点Paf对应的心肌组织表面的基准体素Gf(f=1~F)。并且,以得到的基准体素Gf为起点对包括心肌区域的体素(voxel)进行扩张(Dilation)处理,由此生成三维的冠状动脉支配区域数据。
图6是示意性地示出用于生成冠状动脉支配区域数据的扩张处理的图,图6(a)示出通过未图示的基准点Pa1和基准点Pa2的投影在其表面设定有基准体素G1和基准体素G2的心肌区域。另一方面,图6(b)和图6(c)示出通过向以基准体素G1和基准体素G2为起点的箭头方向的扩张处理依次形成的区分支配区域,图6(d)示出通过这些扩张处理最终形成的区分支配区域Gs1和区分支配区域Gs2。
即,在图6(b)中,与基准体素G1和基准体素G2邻接的体素通过扩张处理连结,在图6(c)中,对与图6(b)中的通过扩张处理连结的体素相邻的体素重复同样的扩张处理。而且,对心肌区域的全部体素进行以基准体素Gf(f=1~F)中的某一个为起点的扩张处理,由此生成如图7所示的由与各基准点Paf对应的区分支配区域Gsf构成的三维的冠状动脉支配区域数据。此外,图7示出的虚线表示冠状动脉的芯线数据,针对该芯线数据以规定间隔Δe设定基准点Paf。
然而,在图6中,示出了对存在于心肌区域的表面的体素进行扩张处理的情况,但是实际上对心肌区域的内部也进行以上述基准体素Gf为起点的扩张处理,由此生成图7示出的三维的冠状动脉支配区域数据。在这种情况下,如图8所示,心肌区域的厚度方向相对于其表面垂直地区分。这是由于从在心肌组织的表面走行的比较粗的冠状动脉(Epicardial CoronaryArtery)分支的用于向心肌组织内进行血液补给的细的冠状动脉(TransmuralCoronary Artery)通常在相对于粗冠状动脉大致垂直的方向走行。
接下来,图1示出的支配区域数据生成部4的病变部支配区域数据生成部42接收从血管形状解析部3的病变部位检测部32供给的狭窄部的位置信息,从设定在芯线数据上的基准点Paf(f=1~F)中提取与这些狭窄部对应的基准点。而且,从基准点Paf(f=1~F)中提取设定在已提取的上述基准点的下游方向(图7的右下方向)的全部基准点,合成对得到的各基准点由冠状动脉支配区域数据生成部41形成的多个区分支配区域,由此生成三维的病变部支配区域数据。图9是利用病变部支配区域数据生成部42生成的病变部支配区域数据的具体例,利用斜线示出图5所示的狭窄部Rs1~Rs4的病变部支配区域。
接下来,图1所示的缺血区域数据生成部5具备:功能图像数据生成部51,其生成将心肌组织内的血流信息图像化后得到的心肌灌注图像数据作为功能图像数据;以及缺血区域提取部52,其通过提取所得到的心肌灌注图像数据的缺血区域来生成缺血区域数据。
功能图像数据生成部51从预先保管于体数据保管部1的时间序列性的体数据中提取以造影剂投放时刻为基准的规定心动时相中的多个体数据,对这些体数据进行例如累加(積算)处理来生成心肌灌注图像数据。
另一方面,缺血区域提取部52对功能图像数据生成部51根据该被检体的体数据生成的心肌灌注图像数据的体素值和规定的阈值γ进行比较,由此提取例如如图10的斜线部所示的具有比阈值γ小的体素值的区域(即,流入心肌组织内的血流量比规定值少的区域)作为缺血区域,根据该提取结果生成三维的缺血区域数据。
接下来,图1的相关率算出部6具有算出狭窄部相对于上述缺血区域数据所示的缺血区域的相关率的功能,具备重合率算出部61和运算部62。
重合率算出部61用从支配区域数据生成部4的病变部支配区域数据生成部42供给的三维的病变部支配区域数据和从缺血区域数据生成部5的缺血区域提取部52供给的三维的缺血区域数据计算出这些区域数据的重合率。例如,设病变部支配区域数据的病变部支配区域为Ba,缺血区域数据的缺血区域为Bb的情况下,重合率Ax能通过预先设定的次式(2)算出。
其中,式(2)所示的(Ba∩Bb)是病变部支配区域与缺血区域的共用区域,(Ba∪Bb)表示属于病变部支配区域或者缺血区域中的至少任一个的区域。
另一方面,相关率算出部6的运算部62具有算出缺血相关率的功能,所述缺血相关率示出在冠状动脉中产生的各狭窄部与缺血区域数据的缺血区域相关的可能性。具体地说,将从上述重合率算出部61以狭窄部为单位供给的病变部支配区域与缺血区域的重合率乘以从血管形状解析部3的病变度计测部33以狭窄部为单位供给的狭窄率,由此算出狭窄部的缺血相关率。
接下来,诊断用图像数据生成部7接收在支配区域数据生成部4中生成的三维的冠状动脉支配区域数据和病变部支配区域数据以及在缺血区域数据生成部5中生成的三维的缺血区域数据。然后,对从形态图像数据生成部2供给的三维图像数据叠加上述各种区域数据,附加从相关率算出部6以狭窄部为单位供给的缺血相关率的算出结果,生成诊断用图像数据。
图11示出利用诊断用图像数据生成部7生成的诊断用图像数据的具体例,如上所述,该诊断用图像数据是根据作为形态图像数据的三维图像数据和与该三维图像数据叠加的冠状动脉支配区域数据、病变部支配区域数据和缺血区域数据以及对这些区域数据附加的缺血相关率的算出结果而生成的。
在这种情况下,对狭窄部的缺血相关率的算出结果配置在该狭窄部所存在的位置或者其附近。为了明确该算出结果与狭窄部的相关,也可以进一步附加如图11所示的表示狭窄部的位置的标记、芯线数据,来生成诊断用图像数据。另外,在输入部9中输入用于显示MPR图像数据的指示信号和MPR图像数据的显示所需的狭窄部的选择信号的情况下,对上述诊断用图像数据附加形态图像数据生成部2的MPR图像数据生成部22对所选择的狭窄部生成的MPR图像数据。
接下来,图1的显示部8具有显示利用诊断用图像数据生成部7生成的诊断用图像数据的功能,例如,具备未图示的显示数据生成部、变换处理部和监视器。显示数据生成部对从诊断用图像数据生成部7供给的诊断用图像数据附加被检体信息、图像数据生成条件等附带信息,生成显示数据。另一方面,变换处理部对显示数据生成部生成的显示数据进行D/A变换、电视格式变换等变换处理后,显示于监视器。
另一方面,输入部9具备未图示的键盘、开关、选择按钮、鼠标等各种输入设备、显示面板,进行被检体信息的输入、阈值α、阈值β和阈值γ的设定、图像数据生成条件和区域数据生成条件的设定、MPR图像数据的显示所需的狭窄部的选择、各种指示信号的输入等。并且,将该输入部9与上述显示部8组合来形成交互接口。
系统控制部10具备未图示的CPU和存储部,在上述存储部中保存有输入部9中输入、设定、或选择的各种信息。并且,上述CPU根据这些信息统一控制医用图像处理装置100的各单元,执行形态图像数据、冠状动脉支配区域数据、病变部支配区域数据和缺血区域数据的生成和缺血相关率的算出,而且,执行基于这些数据的诊断用图像数据的生成和显示。
(诊断用图像数据的生成、显示顺序)
接下来,沿着图12的流程图说明本实施方式中的诊断用图像数据的生成/显示顺序。
在对具有缺血性心脏病的该被检体生成诊断用图像数据之前,操作医用图像处理装置100的医师(以下称为操作者)将从另行设置的医用图像诊断装置通过网络等供给的时间序列性的体数据保存于体数据保管部1(图12的步骤S1),然后,在输入部9中进行了被检体信息的输入、阈值α、阈值β和阈值γ的设定、图像数据生成条件、区域数据生成条件的设定等之后,输入诊断用图像数据的生成开始指示信号(图12的步骤S2)。此时,在上述初始设定中输入或者设定的信息被保存在系统控制部10的存储部。
通过系统控制部10接收到上述指示信号的形态图像数据生成部2的三维图像数据生成部21根据预先设定的三维显示用的视线向量与对脏器边界线面的法线向量之间的内积值来校正从体数据保管部1读出的规定心动时相中的体数据的体素值,根据校正后的体素值来设定不透明度和色调。并且,根据设定的不透明度和色调对上述体数据进行渲染处理,生成三维图像数据(图12的步骤S3)。
另一方面,从系统控制部10接收到用于开始生成诊断用图像数据的指示信号的血管形状解析部3的血管走行数据生成部31对从体数据保管部1读出的上述规定心动时相的体数据中的体素值与在步骤S2的初始设定中设定的阈值α进行比较,提取由于造影剂的投放而具有比阈值α大的体素值的体素,由此检测出冠状动脉的血管区域。在并且,检测出的血管区域的内部设定基准点(第1基准点),以该基准点为起点生成芯线数据(图12的步骤S4)。
接下来,血管形状解析部3的病变部位检测部32根据从上述血管走行数据生成部31供给的冠状动脉的血管区域数据和芯线数据,检测冠状动脉中产生的狭窄部的位置信息(图12的步骤S5),病变度计测部33对利用病变部位检测部32检测出的狭窄部中的冠状动脉的横截面积与正常的冠状动脉中的横截面积进行比较,由此计测上述狭窄部中的狭窄率(图12的步骤S6)。
另一方面,从系统控制部10接收到用于开始生成诊断用图像数据的指示信号的支配区域数据生成部4的冠状动脉支配区域数据生成部41对从体数据保管部1读出的上述规定心动时相的体数据进行二值化处理,生成三维的心肌区域数据。然后,以规定间隔对从血管形状解析部3的血管走行数据生成部31供给的三维的芯线数据设定多个基准点(第3基准点),根据设定了这些基准点的芯线数据和上述心肌区域数据对上述心肌区域数据形成各基准点所支配的区分支配区域。并且,通过将得到的多个区分支配区域合成来生成冠状动脉支配区域数据(图12的步骤S7)。
接下来,支配区域数据生成部4的病变部支配区域数据生成部42接收从血管形状解析部3的病变部位检测部32供给的1个或者多个狭窄部的位置信息,从设定在芯线数据上的多个基准点中提取与这些狭窄部对应的基准点。而且,从上述多个基准点中提取设定在与狭窄部对应的基准点的下游方向的全部基准点,合成冠状动脉支配区域数据生成部41对得到的各基准点所形成的多个区分支配区域,由此生成三维的病变部支配区域数据(图12的步骤S8)。
另一方面,从系统控制部10接收到用于开始生成诊断用图像数据的指示信号的缺血区域数据生成部5的功能图像数据生成部51从预先保管在体数据保管部1中的时间序列性的体数据中提取以造影剂投放时刻为基准的规定心动时相中的多个体数据,对这些体数据进行处理,由此生成心肌灌注图像数据(图12的步骤S9)。
然后,缺血区域数据生成部5的缺血区域提取部52对在功能图像数据生成部51中生成的心肌灌注图像数据的体素值和在步骤S2中设定的阈值γ进行比较,提取具有比阈值γ小的体素值的区域作为缺血区域,生成三维的缺血区域数据(图12的步骤S10)。
接下来,相关率算出部6的重合率算出部61用从支配区域数据生成部4的病变部支配区域数据生成部42供给的三维的病变部支配区域数据和从缺血区域数据生成部5的缺血区域提取部52供给的三维的缺血区域数据算出这些区域的重合率(图12的步骤S11),相关率算出部6的运算部62将从重合率算出部61以狭窄部为单位供给的病变部支配区域数据与缺血区域数据的重合率乘以从血管形状解析部3的病变度计测部33以狭窄部为单位供给的狭窄率,由此算出对这些狭窄部的缺血相关率(图12的步骤S12)。
另一方面,诊断用图像数据生成部7接收在支配区域数据生成部4中生成的三维的冠状动脉支配区域数据和病变部支配区域数据以及在缺血区域数据生成部5中生成的三维的缺血区域数据。然后,对从形态图像数据生成部2供给的三维图像数据叠加上述各区域数据,进而附加从相关率算出部6以狭窄部为单位供给的缺血相关率的算出结果来生成诊断用图像数据。并且,将得到的诊断用图像数据显示于显示部8(图12的步骤S13)。
此外,在观察显示于显示部8的诊断用图像数据的情况下,在该诊断用图像数据所示的狭窄部中的MPR图像数据的显示指示信号和该狭窄部的选择信号被输入输入部9中的情况下,通过系统控制部10接收到这些信号的形态图像数据生成部2的MPR图像数据生成部22根据从血管形状解析部3的血管走行数据生成部31供给的冠状动脉的芯线数据和从病变部位检测部32供给的狭窄部的位置信息,形成包括以上述狭窄部为中心的规定范围的芯线数据在内的平面状或者曲面状的MPR截面(第1MPR截面)和包括上述狭窄部与上述芯线数据垂直的MPR截面(第2MPR截面)。
然后,对从体数据保管部1读出的规定心动时相的体数据设定上述第1MPR截面和第2MPR截面,提取存在于这些MPR截面的体数据的体素,生成以狭窄部为中心的MPR图像数据。
另一方面,诊断用图像数据生成部7对在上述步骤S13中已经生成的诊断用图像数据附加从MPR图像数据生成部22供给的MPR图像数据,生成新的诊断用图像数据,将得到的诊断用图像数据显示于显示部8。
接下来,用图13说明本实施方式的诊断用图像数据所示的缺血相关率的临床意义。图13示出用于算出狭窄部Rs1~Rs4中的缺血相关率的狭窄率和重合率的具体例,例如,狭窄部Rs1和狭窄部Rs3具有比较高的狭窄率,但是病变部支配区域和缺血区域不重合,因此缺血相关率为0%,因此,诊断为对这些狭窄部的治疗的优先度较低。与此相对,狭窄部Rs2的狭窄率并不太大,但是与病变部支配区域和缺血区域的重合较大,因此缺血相关率也是比较大的25%,诊断为需要尽早治疗。通过将这种缺血相关率显示于各种图像数据、各种区域数据所示的狭窄部的附近,能容易地决定对该狭窄部合适的治疗方针。
根据如上所述的本公开的实施方式,对根据利用医用图像诊断装置从具有冠状动脉疾病的被检体收集的体数据而生成的心脏区域的三维图像数据叠加根据上述体数据而生成的病变部支配区域数据或者缺血区域数据来进行显示,由此能正确并容易地进行缺血性心脏病的诊断。
而且,将通过缺血区域数据中的缺血区域与病变部支配区域数据中的病变部支配区域的重合率和根据上述体数据计测出的狭窄部的狭窄率得到的缺血相关率附加于上述三维图像数据或者各种区域数据,由此能定量的并且客观地把握狭窄部对缺血区域的相关的有无或相关的程度,因此,能在短时间内决定对该狭窄部合适的治疗方针。
另外,根据上述实施方式,根据操作者等的狭窄部的选择信号,能显示以该狭窄部为中心的冠状动脉、心肌组织的MPR图像数据,因此例如能详细观测具有较高缺血相关率的狭窄部的状态。
以上说明了本公开的实施方式,但是本公开不限于上述实施方式,能变形实施。例如,在上述实施方式中,说明了用从另行设置的X射线CT装置、MRI装置等医用图像诊断装置通过网络或者存储介质供给的体数据生成用于诊断缺血性心脏病的诊断用图像数据的情况,但是体数据也可以从医用图像诊断装置直接供给,另外,医用图像处理装置100也可以是医用图像诊断装置的一部分。
另外,在上述实施方式中,说明了对预先收集的时间序列性的体数据进行累加处理,由此生成作为功能图像数据的心肌灌注图像数据,对从上述时间序列性的体数据中提取的规定心动时相的体数据进行渲染处理,由此生成作为形态图像数据的三维图像数据的情况,但是也可以生成其它图像数据作为功能图像数据、形态图像数据。
而且,说明了上述实施方式中的血管走行数据生成部31通过用检索向量的跟踪法来生成作为血管走行数据的芯线数据的情况,但是不限于此,例如,也可以利用对体数据进行的二值化处理而提取出的冠状动脉的血管区域进行细线化处理,由此生成血管走行数据。
另外,说明了上述实施方式中的病变部位检测部32通过对以基准点Pm为单位计测出的冠状动脉的横截面积和规定的阈值β进行比较来检测狭窄部位的情况,但是也可以根据基准点Pm中的最大血管径或者平均血管径来检测狭窄部位。
另外,说明了上述实施方式中的冠状动脉支配区域数据生成部41以心肌组织表面的基准体素Gf(f=1~F)为起点对心肌区域中所包含的体素以一定速度(图6参照)进行扩张处理的情况,但是也可以用例如在病变部位检测部32中以基准点Pm为单位计测出的冠状动脉的横截面积或者上述血管径所对应的速度进行扩张处理。通过应用这种扩张处理能更正确地生成支配区域数据。
另一方面,示出了上述实施方式中的诊断用图像数据用图13那样的显示方式进行显示的情况,但是不限于此,也可以显示为例如如图14所示的极坐标系的极坐标映射(Polar-Map)图像。在这种情况下,构成诊断用图像数据的形态图像数据(三维图像数据)、缺血区域数据、冠状动脉支配区域数据和病变部支配区域数据也用同样的极坐标系生成。
另外,说明了上述实施方式中的缺血区域数据生成部5的缺血区域提取部52通过对功能图像数据生成部51所生成的心肌灌注图像数据的体素值和在步骤S2中初始设定的阈值γ进行比较,由此提取心肌灌注图像数据中的缺血区域的情况,但是也可以在诊断用图像数据的生成中更新阈值γ。即,医用图像处理装置100的操作者在观察显示于显示部8的诊断用图像数据的情况下在输入部9中进行阈值γ的更新,诊断用图像数据生成部7根据缺血区域数据生成部5基于更新的阈值γ而生成的缺血区域数据和已经得到的形态图像数据、冠状动脉支配区域数据和病变部支配区域数据来生成新的诊断用图像数据,显示于显示部8。在这种情况下,相关率算出部6根据利用更新后的阈值γ得到的缺血区域数据算出的缺血相关率被附加到上述图像数据、区域数据,生成新的诊断用图像数据。
而且,在上述实施方式中,说明了在观察诊断用图像数据的情况下生成/显示在输入部9中选择的狭窄部的MPR图像数据的情况,但是也可以自动地生成/显示具有最高的缺血相关率的狭窄部的MPR图像数据,另外,也可以将在各狭窄部中生成的MPR图像数据例如按缺血相关率从高到低的顺依次显示。在这种情况下,与所显示的MPR图像数据对应的狭窄部位、芯线数据或者缺血相关率的算出结果等在诊断用图像数据中以不同的显示条件(例如,不同的色调)被强调显示(高亮显示)。
另外,说明了构成本实施方式的冠状动脉支配区域数据的区分支配区域通过以规定间隔Δe配置在芯线数据上的基准点Paf为起点的扩张处理形成的情况,也能通过其它方法形成区分支配区域,例如也可以应用AHA(American Heart Association:美国心脏协会)所提倡的,将心肌区域分割为17个片段,定义支配各个片段的冠状动脉的世界标准分类方法,由此形成区分支配区域、生成冠状动脉支配区域数据。在这种情况下,将片段编号附加于冠状动脉支配区域数据,由此更容易进行狭窄部的把握等。
此外,本实施方式的医用图像处理装置100的一部分例如也能将计算机用作硬件来实现。例如,系统控制部10等能通过使搭载于上述计算机的CPU等处理器执行规定的控制程序来实现各种功能。在这种情况下,系统控制部10也可以将上述控制程序预先安装于计算机,另外,也可以将保存于计算机可读取的存储介质或者通过网络发布的控制程序安装到计算机。
以上说明了本发明的几个实施方式,但是这些实施方式是举例提示,不希望限定发明的范围。这些新的实施方式能以其它各种形态实施,能在不脱离发明的要旨的范围内进行各种省略、置换、变更。这些实施方式、其变形包含在发明的范围、要旨中,并且包含在专利权利要求所记载的发明及其等同的范围中。
Claims (22)
1.一种医用图像处理装置,其中,具备:
血管走行数据生成单元,根据利用医用图像诊断装置收集到的体数据来生成血管的血管走行数据;
病变部位检测单元,根据上述体数据,检测上述血管中的病变部的位置信息;
血管支配区域数据生成单元,根据上述血管走行数据生成血管支配区域数据,该血管支配区域数据示出营养被供给的区域中的上述血管的支配区域;
病变部支配区域数据生成单元,根据上述血管走行数据和上述病变部的位置信息生成病变部支配区域数据,该病变部支配区域数据示出上述营养被供给的区域中的上述病变部的支配区域;以及
诊断用图像数据生成单元,对根据上述体数据生成的形态图像数据或功能图像数据叠加上述血管支配区域数据和上述病变部支配区域数据,从而生成诊断用图像数据。
2.根据权利要求1所述医用图像处理装置,其中,
设上述血管为冠状动脉,设上述营养被供给的区域为心肌区域。
3.根据权利要求1所述医用图像处理装置,其中,
上述血管支配区域数据生成单元通过对上述营养被供给的区域进行扩张处理来生成上述血管支配区域数据,所述扩张处理以对上述血管走行数据按规定间隔设定的基准点为起点。
4.根据权利要求3所述医用图像处理装置,其中,
上述血管支配区域数据生成单元通过以各个上述基准点为起点的扩张处理对上述营养被供给的区域形成多个区分支配区域,通过合成上述多个区分支配区域来生成上述血管支配区域数据。
5.根据权利要求4所述医用图像处理装置,其中,
上述病变部支配区域数据生成单元从对上述血管走行数据设定的多个基准点中提取与上述病变部对应的基准点和存在于该基准点下游的多个基准点,根据上述血管支配区域数据生成单元对这些基准点形成的区分支配区域来生成上述病变部支配区域数据。
6.根据权利要求1所述医用图像处理装置,其中,
还具备用于生成上述形态图像数据的形态图像数据生成单元,
上述形态图像数据生成单元根据上述体数据生成包括上述病变部在内的三维图像数据或者多平面重建图像数据中的至少一个作为上述形态图像数据。
7.根据权利要求1所述医用图像处理装置,其中,
还具备用于生成上述功能图像数据的功能图像数据生成单元,
上述功能图像数据生成单元生成基于上述体数据的灌注图像数据作为上述功能图像数据。
8.根据权利要求1所述医用图像处理装置,其中,
还具备缺血区域数据生成单元,该缺血区域数据生成单元根据上述功能图像数据生成缺血区域数据,该缺血区域数据示出上述营养被供给的区域中的缺血区域,
上述诊断用图像数据生成单元对上述形态图像数据或者上述功能图像数据叠加上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据,从而生成上述诊断用图像数据。
9.根据权利要求8所述医用图像处理装置,其中,
上述缺血区域数据生成单元通过将根据上述体数据生成的灌注图像数据的体素值或者像素值与规定的阈值进行比较来提取上述灌注图像数据中的缺血区域,生成上述缺血区域数据。
10.根据权利要求8所述医用图像处理装置,其中,
上述诊断用图像数据生成单元根据基于上述体数据三维地生成的上述形态图像数据或上述功能图像数据、上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据来生成三维的诊断用图像数据。
11.根据权利要求8所述医用图像处理装置,其中,
还具备计测上述病变部的病变度的单元,
上述诊断用图像数据生成单元对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度,从而生成上述诊断用图像数据。
12.根据权利要求11所述医用图像处理装置,其中,
还具备算出上述病变部支配区域数据的病变部支配区域与上述缺血区域数据的缺血区域的重合率的单元,
上述诊断用图像数据生成单元对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度和上述计算出的重合率,从而生成上述诊断用图像数据。
13.根据权利要求12所述医用图像处理装置,其中,
还具备相关率算出单元,该相关率算出单元根据上述病变度、上述缺血区域数据和上述病变部支配区域数据计算出缺血相关率,
上述诊断用图像数据生成单元对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度、上述计算出的重合率以及上述计算出的缺血相关率,从而生成上述诊断用图像数据。
14.根据权利要求13所述医用图像处理装置,其中,
上述相关率算出单元计算出上述病变部支配区域数据的病变部支配区域与上述缺血区域数据的缺血区域的重合率,根据该重合率与利用上述病变度计测单元计测出的上述病变部中的狭窄率等的病变度来计算出上述缺血相关率。
15.根据权利要求13所述医用图像处理装置,其中,
还具备显示控制单元,该显示控制单元使上述诊断用图像数据显示于显示装置,
上述显示控制单元按照上述计算出的缺血相关率使上述病变部或者病变部支配区域强调显示。
16.根据权利要求13所述医用图像处理装置,其中,
还具备显示控制单元,该显示控制单元使上述诊断用图像数据显示于显示装置,
上述显示控制单元使上述诊断用图像数据显示为极坐标系的极坐标映射图像。
17.根据权利要求6所述医用图像处理装置,其中,
具备选择作为上述病变部的狭窄部的狭窄部选择单元,
上述诊断用图像数据生成单元针对由上述狭窄部选择单元选择的狭窄部,使用上述形态图像数据生成单元所生成的多平面重建图像数据来生成上述诊断用图像数据。
18.一种医用图像处理方法,其中,
从存储装置获取利用医用图像诊断装置收集到的体数据,
根据上述获取的体数据生成血管的血管走行数据,
根据上述体数据检测出上述血管中的病变部的位置信息,
根据上述血管走行数据生成血管支配区域数据,该血管支配区域数据示出营养被供给的区域中的上述血管的支配区域,
根据上述血管走行数据和上述病变部的位置信息,生成病变部支配区域数据,该病变部支配区域数据示出上述营养被供给的区域中的上述病变部的支配区域,
对根据上述体数据生成的形态图像数据或功能图像数据叠加上述血管支配区域数据和上述病变部支配区域数据,从而生成诊断用图像数据,
使上述诊断用图像数据显示于显示装置。
19.根据权利要求18所述的医用图像处理方法,其中,
还根据上述功能图像数据生成缺血区域数据,该缺血区域数据示出上述营养被供给的区域中的缺血区域,
上述诊断用图像数据的生成是对上述形态图像数据或上述功能图像数据叠加上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据来生成上述诊断用图像数据。
20.根据权利要求19所述的医用图像处理方法,其中,
还计测上述病变部的病变度,
上述诊断用图像数据的生成是对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度来生成上述诊断用图像数据。
21.根据权利要求20所述的医用图像处理方法,其中,
还计算出上述病变部支配区域数据的病变部支配区域与上述缺血区域数据的缺血区域的重合率,
上述诊断用图像数据的生成是对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度和上述计算出的重合率来生成上述诊断用图像数据。
22.根据权利要求21所述的医用图像处理方法,其中,
还根据上述病变度、上述缺血区域数据和上述病变部支配区域数据计算出缺血相关率,
上述诊断用图像数据的生成是对叠加了上述血管支配区域数据、上述病变部支配区域数据和上述缺血区域数据的上述形态图像数据或上述功能图像数据附加上述计测出的病变度、上述计算出的重合率以及上述计算出的缺血相关率来生成上述诊断用图像数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP207207/2010 | 2010-09-15 | ||
JP2010207207 | 2010-09-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102415898A true CN102415898A (zh) | 2012-04-18 |
CN102415898B CN102415898B (zh) | 2014-05-28 |
Family
ID=44653193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110273216.1A Active CN102415898B (zh) | 2010-09-15 | 2011-09-15 | 医用图像处理装置和医用图像处理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8649584B2 (zh) |
EP (1) | EP2442276B1 (zh) |
JP (2) | JP5844093B2 (zh) |
CN (1) | CN102415898B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103764036A (zh) * | 2012-08-31 | 2014-04-30 | 株式会社东芝 | 医用诊断图像处理装置 |
WO2014084382A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像処理装置 |
WO2014084367A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像処理装置 |
WO2014084366A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像診断装置 |
CN110889896A (zh) * | 2019-11-11 | 2020-03-17 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5844093B2 (ja) * | 2010-09-15 | 2016-01-13 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
KR101916855B1 (ko) * | 2011-10-17 | 2019-01-25 | 삼성전자주식회사 | 병변 수정 장치 및 방법 |
WO2013111813A1 (ja) * | 2012-01-27 | 2013-08-01 | 株式会社 東芝 | 医用画像処理装置 |
WO2014027692A1 (ja) * | 2012-08-16 | 2014-02-20 | 株式会社東芝 | 画像処理装置、医用画像診断装置及び血圧モニタ |
JP6553147B2 (ja) * | 2012-11-30 | 2019-07-31 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理方法 |
JP2014127011A (ja) | 2012-12-26 | 2014-07-07 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP6198410B2 (ja) * | 2013-02-28 | 2017-09-20 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP6092659B2 (ja) | 2013-02-28 | 2017-03-08 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP6200168B2 (ja) | 2013-02-28 | 2017-09-20 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
KR101466153B1 (ko) | 2013-05-02 | 2014-11-27 | 삼성메디슨 주식회사 | 의료 영상 장치 및 그 제어 방법 |
WO2014192751A1 (ja) * | 2013-05-27 | 2014-12-04 | 株式会社東芝 | 画像処理装置及び画像処理方法 |
DE102013211239A1 (de) | 2013-06-17 | 2014-12-18 | Siemens Aktiengesellschaft | Verfahren zur Bildunterstützung und Vorrichtung |
US9974442B2 (en) * | 2013-06-24 | 2018-05-22 | Toshiba Medical Systems Corporation | Method of, and apparatus for, processing volumetric image data |
JP6479671B2 (ja) * | 2013-10-07 | 2019-03-06 | 学校法人近畿大学 | 画像処理装置 |
WO2015061639A1 (en) | 2013-10-25 | 2015-04-30 | Volcano Corporation | Devices, systems, and methods for vessel assessment |
JP2015150325A (ja) | 2014-02-18 | 2015-08-24 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
JP6262027B2 (ja) * | 2014-03-10 | 2018-01-17 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
KR101462402B1 (ko) | 2014-03-25 | 2014-11-17 | 연세대학교 산학협력단 | 심혈관oct영상생성방법 및 이를 이용한 스텐트 검출방법 |
JP6548393B2 (ja) * | 2014-04-10 | 2019-07-24 | キヤノンメディカルシステムズ株式会社 | 医用画像表示装置および医用画像表示システム |
JP6635695B2 (ja) * | 2014-07-16 | 2020-01-29 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置、及び画像処理方法 |
US9949643B2 (en) | 2014-10-18 | 2018-04-24 | International Business Machines Corporation | Automatic visualization of regional functional parameters of left ventricle from cardiac imaging |
CN108472003A (zh) * | 2015-12-22 | 2018-08-31 | 皇家飞利浦有限公司 | Ct灌注协议靶向 |
CN113040740A (zh) | 2016-06-24 | 2021-06-29 | 生命解析公司 | 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统 |
JP6740051B2 (ja) * | 2016-07-26 | 2020-08-12 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置、医用画像処理装置及び医用画像処理プログラム |
WO2018055559A1 (en) | 2016-09-21 | 2018-03-29 | Analytics For Life | Method and system for visualization of heart tissue at risk |
DE102017221276A1 (de) * | 2016-11-28 | 2018-05-30 | Toshiba Medical Systems Corporation | Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren |
US10565709B2 (en) | 2017-06-13 | 2020-02-18 | Canon Medical Systems Coporation | Image processing apparatus and image processing method |
JP7158904B2 (ja) * | 2018-06-14 | 2022-10-24 | 社会福祉法人 恩賜財団済生会熊本病院 | 治療方針決定支援装置、治療方針決定支援装置の作動方法、および治療方針決定支援プログラム |
JP6751178B2 (ja) * | 2019-05-14 | 2020-09-02 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法および記録媒体 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249270A1 (en) * | 2003-03-20 | 2004-12-09 | Kabushiki Kaisha Toshiba | Processor for analyzing tubular structure such as blood vessels |
JP2009106530A (ja) * | 2007-10-30 | 2009-05-21 | Toshiba Corp | 医用画像処理装置、医用画像処理方法、及び医用画像診断装置 |
US20100040200A1 (en) * | 2008-08-18 | 2010-02-18 | Kabushiki Kaisha Toshiba | Medical image processing apparatus, ultrasound imaging apparatus, x-ray ct (computed tomography) apparatus, and method of processing medical image |
JP2010131315A (ja) * | 2008-12-08 | 2010-06-17 | Toshiba Corp | 医用画像処理装置及び医用画像処理プログラム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6090537A (ja) * | 1983-10-25 | 1985-05-21 | 株式会社東芝 | 画像診断装置 |
JP4688361B2 (ja) * | 2001-07-23 | 2011-05-25 | 株式会社日立メディコ | 臓器の特定領域抽出表示装置及びその表示方法 |
JP4113702B2 (ja) | 2001-12-04 | 2008-07-09 | 株式会社東芝 | 超音波診断装置及び超音波信号解析装置 |
JP4346297B2 (ja) * | 2002-10-22 | 2009-10-21 | 株式会社東芝 | X線コンピュータ断層撮影装置、画像処理装置及び画像処理方法 |
WO2004040437A1 (en) | 2002-10-28 | 2004-05-13 | The General Hospital Corporation | Tissue disorder imaging analysis |
JP3802018B2 (ja) * | 2003-07-10 | 2006-07-26 | ザイオソフト株式会社 | 画像解析装置および画像解析プログラムおよび画像解析方法 |
JP4306380B2 (ja) * | 2003-09-10 | 2009-07-29 | 株式会社日立メディコ | 医用画像表示方法及び装置 |
WO2005117712A1 (ja) * | 2004-06-03 | 2005-12-15 | Hitachi Medical Corporation | 画像診断支援方法及び画像診断支援装置 |
WO2006000942A2 (en) * | 2004-06-23 | 2006-01-05 | Koninklijke Philips Electronics N.V. | Image processing system for displaying information relating to parameters of a 3-d tubular object |
DE102004043676B4 (de) * | 2004-09-09 | 2014-01-09 | Siemens Aktiengesellschaft | Verfahren zur Visualisierung von Plaqueablagerungen aus 3D-Bilddatensätzen von Gefäßstrukturen |
EP1952340B1 (en) * | 2005-11-21 | 2012-10-24 | Agency for Science, Technology and Research | Superimposing brain atlas images and brain images with delineation of infarct and penumbra for stroke diagnosis |
JP2007151881A (ja) * | 2005-12-06 | 2007-06-21 | Hitachi Medical Corp | 血流動態解析装置 |
US8199984B2 (en) * | 2006-05-02 | 2012-06-12 | National University Corporation Nagoya University | System that assists in observing a luminal organ using the structure of the luminal organ |
US8126238B2 (en) * | 2006-11-22 | 2012-02-28 | General Electric Company | Method and system for automatically identifying and displaying vessel plaque views |
JP5523681B2 (ja) * | 2007-07-05 | 2014-06-18 | 株式会社東芝 | 医用画像処理装置 |
WO2010001327A1 (en) * | 2008-07-04 | 2010-01-07 | Koninklijke Philips Electronics N.V. | Processing anatomy and associated quantitative analysis data of tissue |
KR100953619B1 (ko) | 2009-03-09 | 2010-04-20 | (주)나우앤하우 | 바다숲 조성용 터널형 다기능 인공어초 |
JP5011426B2 (ja) * | 2010-08-11 | 2012-08-29 | 富士フイルム株式会社 | 画像診断支援装置、方法及びプログラム |
JP5844093B2 (ja) * | 2010-09-15 | 2016-01-13 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
-
2011
- 2011-08-30 JP JP2011187159A patent/JP5844093B2/ja active Active
- 2011-09-08 EP EP11180600.6A patent/EP2442276B1/en active Active
- 2011-09-08 US US13/227,796 patent/US8649584B2/en active Active
- 2011-09-15 CN CN201110273216.1A patent/CN102415898B/zh active Active
-
2015
- 2015-05-18 JP JP2015100855A patent/JP6021994B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249270A1 (en) * | 2003-03-20 | 2004-12-09 | Kabushiki Kaisha Toshiba | Processor for analyzing tubular structure such as blood vessels |
JP2009106530A (ja) * | 2007-10-30 | 2009-05-21 | Toshiba Corp | 医用画像処理装置、医用画像処理方法、及び医用画像診断装置 |
US20100040200A1 (en) * | 2008-08-18 | 2010-02-18 | Kabushiki Kaisha Toshiba | Medical image processing apparatus, ultrasound imaging apparatus, x-ray ct (computed tomography) apparatus, and method of processing medical image |
JP2010131315A (ja) * | 2008-12-08 | 2010-06-17 | Toshiba Corp | 医用画像処理装置及び医用画像処理プログラム |
Non-Patent Citations (1)
Title |
---|
HUY LE ET.AL.: "estimation of regional myocardial mass at risk based on distal arterial lumen volume and length using 3d micro-CT images", 《COMPUTERIZED MEDICAL IMAGING AND GRAPHICS》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103764036A (zh) * | 2012-08-31 | 2014-04-30 | 株式会社东芝 | 医用诊断图像处理装置 |
US9619880B2 (en) | 2012-08-31 | 2017-04-11 | Toshiba Medical Systems Corporation | Medical diagnostic image processing apparatus |
WO2014084382A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像処理装置 |
WO2014084367A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像処理装置 |
WO2014084366A1 (ja) * | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像診断装置 |
CN103957805A (zh) * | 2012-11-30 | 2014-07-30 | 株式会社东芝 | 医用图像诊断装置 |
US11109829B2 (en) | 2012-11-30 | 2021-09-07 | Canon Medical Systems Corporation | Medical image diagnostic apparatus |
CN110889896A (zh) * | 2019-11-11 | 2020-03-17 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
CN110889896B (zh) * | 2019-11-11 | 2024-03-22 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2015164560A (ja) | 2015-09-17 |
JP5844093B2 (ja) | 2016-01-13 |
EP2442276B1 (en) | 2017-07-12 |
US8649584B2 (en) | 2014-02-11 |
US20120063663A1 (en) | 2012-03-15 |
JP2012081254A (ja) | 2012-04-26 |
JP6021994B2 (ja) | 2016-11-09 |
EP2442276A1 (en) | 2012-04-18 |
CN102415898B (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102415898B (zh) | 医用图像处理装置和医用图像处理方法 | |
JP7225295B2 (ja) | 医用画像表示装置、方法およびプログラム | |
KR102204437B1 (ko) | 컴퓨터 보조 진단 방법 및 장치 | |
KR102154733B1 (ko) | 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법 | |
KR102043130B1 (ko) | 컴퓨터 보조 진단 방법 및 장치 | |
US9662083B2 (en) | Medical image display apparatus and medical image display system | |
US8224054B2 (en) | Method and apparatus for virtual subtraction of stool from registration and shape based analysis of prone and supine scans of the colon | |
CN103635909B (zh) | 一种临床发现管理系统 | |
JP5820117B2 (ja) | データセットを選択式及び対話式に処理する方法 | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
US11364002B2 (en) | Medical-image processing apparatus and medical-image diagnostic apparatus | |
CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
CN101896942A (zh) | 脑图像数据的图像分析 | |
US20070076931A1 (en) | Method for display of at least one medical finding | |
CN109801276A (zh) | 一种计算心胸比的方法及装置 | |
CN104217423A (zh) | 选出图像数据组的自动产生 | |
CN102217952A (zh) | 基于心肌运动轨迹的向量环图生成方法和装置 | |
KR20130082849A (ko) | 진단 근거를 제공하는 의료영상 진단 장치 및 방법 | |
JP6752254B2 (ja) | 情報処理装置、情報処理方法 | |
CN108022234B (zh) | 医用图像处理装置及医用图像处理方法 | |
Fujita et al. | State-of-the-art of computer-aided detection/diagnosis (CAD) | |
KR20230010163A (ko) | 갑상선 암의 림프절 전이 진단 방법 및 장치 | |
JP2022047359A (ja) | 医用画像処理装置、医用画像処理システム、及び、医用画像処理方法 | |
JP2022168985A (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP2018089379A (ja) | 膀胱機能評価プログラム及び膀胱機能評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160720 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. |