CN111820898A - 医用图像处理装置以及医用图像处理系统 - Google Patents
医用图像处理装置以及医用图像处理系统 Download PDFInfo
- Publication number
- CN111820898A CN111820898A CN202010277482.0A CN202010277482A CN111820898A CN 111820898 A CN111820898 A CN 111820898A CN 202010277482 A CN202010277482 A CN 202010277482A CN 111820898 A CN111820898 A CN 111820898A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- processing apparatus
- medical image
- image processing
- 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 182
- 238000001514 detection method Methods 0.000 claims abstract description 211
- 230000003902 lesion Effects 0.000 claims abstract description 65
- 201000008450 Intracranial aneurysm Diseases 0.000 claims description 51
- 210000004204 blood vessel Anatomy 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 206010070693 Vascular dissection Diseases 0.000 claims description 6
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 6
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 3
- 230000036262 stenosis Effects 0.000 claims description 3
- 208000037804 stenosis Diseases 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 32
- 206010028980 Neoplasm Diseases 0.000 description 22
- 206010060965 Arterial stenosis Diseases 0.000 description 17
- 238000007917 intracranial administration Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 17
- 230000002490 cerebral effect Effects 0.000 description 16
- 238000002595 magnetic resonance imaging Methods 0.000 description 15
- 239000010410 layer Substances 0.000 description 14
- 206010002329 Aneurysm Diseases 0.000 description 10
- 238000002224 dissection Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 206010039330 Ruptured cerebral aneurysm Diseases 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000007177 brain activity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010003210 Arteriosclerosis Diseases 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 208000011775 arteriosclerosis disease Diseases 0.000 description 2
- 238000010494 dissociation reaction Methods 0.000 description 2
- 230000005593 dissociations Effects 0.000 description 2
- 230000010102 embolization Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011272 standard treatment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30016—Brain
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Quality & Reliability (AREA)
- High Energy & Nuclear Physics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Neurology (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
生成能够容易地掌握脑血管性病变的检测位置的图像。一个实施方式所涉及的医用图像处理装置具有处理电路。所述处理电路针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息,基于所述三维MR图像数据和所述坐标信息,生成能够对所述至少一个检测位置的一部分或全部进行视觉确认的二维显示图像。
Description
关联申请的参照
本申请基于并主张2019年4月10日申请的日本国专利申请号2019-075061的优先权的利益,这里通过参考包括该日本国专利申请的全部内容。
技术领域
本发明的实施方式涉及医用图像处理装置以及医用图像处理系统。
背景技术
存在利用了AI(Artificial Intelligence)的、检测在医用图像中描绘出的脑动脉瘤的技术。PACS(Picture Archiving and Communication System)的计算机以由DICOM(Digital Imaging and Communication in Medicine)标准的GSPS(Grayscale SoftcopyPresentation State)定义的格式接收基于AI的检测结果。通过GSPS,在截面图像中的检测位置描绘用于指示该检测位置的圆形等标记。
用户不知道在哪里存在脑动脉瘤的检测位置,因此必须通过1张1张目视来确认全部的截面图像。该作业花费工夫,而且还担心用户的漏看。
现有技术文献
专利文献1:日本特开2009-157527号公报
专利文献2:日本特表2008-515119号公报
专利文献3:日本特开2011-139821号公报
专利文献4:日本特开2017-55781号公报
发明内容
本发明要解决的课题在于,生成能够容易地掌握脑血管性病变的检测位置的图像。
实施方式所涉及的医用图像处理装置具有处理电路。所述处理电路针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息,基于所述三维MR图像数据和所述坐标信息,生成能够视觉确认所述至少一个检测位置的一部分或全部的二维显示图像。
发明效果
生成能够容易地掌握脑血管性病变的检测位置的图像。
附图说明
图1是表示医用图像处理系统的构成的图。
图2是表示图1的医用图像处理装置的构成的图。
图3是表示图1的医用图像处理系统的动作的流程的图。
图4是示意性地表示未破裂脑动脉瘤的图。
图5是示意性地表示颅内动脉狭窄的图。
图6是示意性地表示脑血管夹层的图。
图7是表示最大值投影图像以及检测结果的显示画面的一例的图。
图8是示意性地表示向MP图像显示与附近检测位置对应的注释的图。
图9是示意性地表示向层块图像显示与附近检测位置对应的注释的图。
图10是示意性地表示旋转图像的图。
图11是表示脑动脉瘤报告的一例的图。
图12是表示瘤尺寸报告的一例的图。
图13是示意性地表示图像经时差分的生成过程的图。
图14是表示未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层的检测位置的显示例的图。
图15是表示未破裂脑动脉瘤的强调例的图。
图16是表示颅内动脉狭窄的强调例的图。
图17是表示脑血管夹层的强调例的图。
具体实施方式
通常,根据一个实施方式,医用图像处理装置具有处理电路。所述处理电路针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息,基于所述三维MR图像数据和所述坐标信息,生成能够视觉确认所述至少一个检测位置的一部分或全部的二维显示图像。
以下,参照附图对本实施方式所涉及的医用图像处理装置以及医用图像处理系统进行说明。
图1是表示医用图像处理系统1的构成的图。如图1所示,医用图像处理系统1具有经由网络相互连接的磁共振成像装置(MRI装置)3、病变检测装置5以及医用图像处理装置7。
MRI装置3例如从RF线圈照射RF脉冲,激发在被载置于静磁场内的被检体内存在的对象原子核,并通过RF线圈来收集从该对象原子核产生的MR信号。然后,MRI装置3基于来自RF线圈的MR信号,生成表现该对象原子核的空间分布的MR图像数据。在本实施方式中,MRI装置3对在被检体的检查部位所设定的三维区域进行MR摄像,生成与该检查部位有关的三维MR图像数据。三维MR图像数据可以是通过排列成一列的多个二维切片(slice)图像的集合来规定的多层块图像数据,也可以是通过排列成三维状的多个体素(voxel)的集合来规定的体数据。设本实施方式的被检体的检查部位是头部。另外,二维切片图像与轴向图像含义相同。
病变检测装置5对三维MR图像数据实施脑血管性病变的检测处理并输出检测结果。通过检测处理,在三维MR图像数据中包括的疑似脑血管性病变的图像区域全部被检测出来。作为检测结果,包括脑血管性病变的每个检测位置的坐标信息、描绘信息以及附加信息。本实施方式的检测位置与检测为脑血管性病变的图像区域含义相同。坐标信息是规定了三维MR图像数据的图像空间中的检测位置的坐标有关的字符信息。例如,在三维MR图像数据是多切片图像数据的情况下,坐标信息被规定为(x轴坐标、y轴坐标、切片编号),在三维MR图像数据是体数据的情况下,坐标信息被规定为(x轴坐标、y轴坐标、z轴坐标)。描绘信息是附加于三维MR图像数据的、标记的描绘有关的信息。标记也被称为注释。具体而言,描绘信息包括注释的形状和描绘注释的坐标信息。附加信息是检测出的脑血管性病变的尺寸、分数、位置(部位)等字符信息。附加信息可以按照DICOM标准的数据格式来定义,也可以按照JSON(Java Script Object Notation)或XML(Extensible Markup Language)等非DICOM标准的数据格式来定义。病变检测装置5是具有CPU(Central Processing Unit:中央处理单元)、存储器、显示器、输入接口以及通信接口作为硬件构成的计算机。
医用图像处理装置7显示由MRI装置3收集到的三维MR图像数据和与由病变检测装置5检测出的脑血管性病变有关的检测结果。医用图像处理装置7是构成PACS的计算机。
图2是表示图1的医用图像处理装置7的构成的图。如图2所示,医用图像处理装置7具有处理电路71、通信接口72、显示设备73、输入接口74以及存储电路75。
处理电路71具有CPU以及GPU(Graphics Processing Unit)等处理器。该处理器通过启动在存储电路75等中安装的程序,实现信息取得功能711、图像生成功能712、报告制作功能713以及显示控制功能714等。此外,各功能711~714不限于由单一的处理电路实现的情况。也可以是如下情况:将多个独立的处理器组合而构成处理电路,各处理器执行程序由此实现各功能711~714。
在信息取得功能711中,处理电路71经由通信接口72从MRI装置3取得三维MR图像数据,从病变检测装置5取得脑血管性病变的检测结果。在三维MR图像数据和/或检测结果被存储在存储电路75中的情况下,处理电路71从存储电路75取得三维MR图像数据和/或检测结果。处理电路71除了能够取得三维MR图像数据以及检测结果之外,还能够取得各种信息。
在图像生成功能712中,处理电路71对三维MR图像数据实施三维图像处理而生成二维显示图像数据。作为三维图像处理,还能够进行MPR(Multi-Planar Reconstruction)处理、体渲染(rendering)、表面渲染、像素值投影处理、CPR(Curved MPR)处理等图像处理。作为像素值投影处理,能够应用最大值投影处理、最小值投影处理、平均值投影处理等任意的投影处理。处理电路71基于三维MR图像数据和检测结果中包括的检测位置的坐标信息,生成能够视觉确认由病变检测装置5检测出的至少一个检测位置的一个或全部的二维显示图像。
在报告制作功能713中,处理电路71基于与脑血管性病变有关的检测结果,制作与该检测结果有关的报告。
在显示控制功能714中,处理电路71将各种信息显示于显示设备73。例如,处理电路71将由图像生成功能712生成的显示图像显示于显示设备73。此外,处理电路71可以在显示设备73上显示由报告制作功能713制作的报告。
通信接口72是用于与医用图像处理系统1所包括的MRI装置3以及病变检测装置5之间进行数据通信的接口。例如,通信接口72从MRI装置3接收三维MR图像数据,从病变检测装置5接收检测结果。
显示设备73按照处理电路71的显示控制功能714来显示各种信息。例如,显示设备73显示由图像生成功能712生成的显示图像。作为显示设备73,例如,能够适当使用液晶显示器(LCD:Liquid Crystal Display)、CRT(Cathode Ray Tube)显示器、有机EL显示器(OELD、Organic Electro Luminescence Display)、等离子体显示器或其他任意的显示器。另外,显示设备73也可以是投影仪。
输入接口74受理来自用户的各种输入操作,将所受理的输入操作变换为电信号并输出到处理电路71。具体而言,输入接口74与鼠标、键盘、轨迹球、开关、按钮、操纵杆、触摸板以及触摸面板显示器等输入设备连接。输入接口74将与对该输入设备的输入操作相应的电信号向处理电路71输出。另外,与输入接口74连接的输入设备也可以是设置于经由网络等连接的其他计算机的输入设备。
存储电路75是存储各种信息的ROM(Read Only Memory)、RAM(Random AccessMemory)、HDD(Hard Disk Drive)、SSD(Solid State Drive)、集成电路存储装置等存储装置。存储电路75除了上述存储装置以外,也可以是与CD(Compact Disc)、DVD(DigitalVersatile Disc)、闪存等可移动型存储介质、半导体存储器元件等之间读写各种信息的驱动装置。另外,存储电路75也可以位于经由网络与医用图像处理装置7连接的其他计算机内。例如,存储电路75存储通过通信接口72从MRI装置3接收到的三维MR图像数据、从病变检测装置5接收到的检测结果。另外,存储电路75存储图像显示程序。
以下,说明本实施方式所涉及的医用图像处理系统1的动作例。
图3是表示医用图像处理系统1的动作的流程的图。如图3所示,MRI装置3收集与被检体的头部有关的三维MR图像数据(步骤S1)。作为数据收集方式,采用头部的血管的对比度被强调的MRA(MR Angiography)。作为MRA,可以是非造影MRA,也可以是造影MRA。作为非造影MRA,使用TOF(Time-Of-Flight)法或PC(Phase Contrast)法即可。MRI装置3将收集到的三维MR图像数据的数据格式变换为DICOM格式。MRI装置3将DICOM格式的三维MR图像数据发送到医用图像处理装置7。
医用图像处理装置7的通信接口72从MRI装置3接收三维MR图像数据。接收到的三维MR图像数据被存储在存储电路75中。接着,通信接口72向病变检测装置5发送三维MR图像数据。例如,在来自MRI装置3的三维MR图像数据是与被检体的头部有关的图像数据的情况下,为了检测脑血管性病变,通信接口72向病变检测装置5发送该三维MR图像数据。
病变检测装置5接收来自医用图像处理装置7的三维MR图像数据,对接收到的三维MR图像数据实施病变检测处理来检测脑血管性病变(步骤S2)。病变检测处理的算法为AI、阈值处理、形态学运算等,不特别限定。作为AI的算法,例如使用神经网络、逻辑回归、随机森林、支持向量机等。基于病变检测装置5的检测对象的脑血管性病变具体而言是未破裂脑动脉瘤、颅内动脉狭窄及脑血管夹层。可以检测未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层中的任意一种,也可以检测多种。按照脑血管性病变的每个检测位置生成坐标信息、描绘信息以及附加信息。坐标信息和附加信息按照JSON(Java Script Object Notation)、(XML,Extensible Markup Language)等的非DICOM标准的数据格式来定义的。另外,坐标信息和附加信息也可以按照DICOM标准的数据格式来定义。描绘信息由DICOM标准的GSPS定义。
图4是示意性地表示未破裂脑动脉瘤81的图。如图4所示,未破裂脑动脉瘤81是脑血管80的分支部等隆起部。未破裂的脑动脉瘤81的危险性通过破裂率等来评价。图5是示意性地表示颅内动脉狭窄的图。如图5所示,颅内动脉狭窄是脑血管80的血管壁由于动脉硬化82等而肥厚,血管内腔变窄的现象。颅内动脉狭窄的危险性通过狭窄率等进行评价。图6是示意性地表示脑血管夹层的图。如图6所示,脑血管夹层是脑血管80的内壁夹层,血液流入到夹层部分83的病症。通过血液流入离解部分83而形成动脉瘤。
在进行病变检测处理时,病变检测装置5将检测结果、即各检测位置的描绘信息、坐标信息以及附加信息发送到医用图像处理装置7。医用图像处理装置7的通信接口72接收来自病变检测装置5的检测结果。针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息的接收到的检测结果被保存在存储电路75中。
医用图像处理装置7的处理电路71显示基于三维MR图像数据的二维MR图像(显示图像)以及与脑血管性病变有关的检测结果(步骤S3)。显示图像以及检测结果通过处理电路71的显示控制功能714的实现而显示于显示设备73。以下,作为脑血管性病变的具体例,举出脑动脉瘤,在步骤S3中进行详细说明。
在步骤S3中,处理电路71针对与头部有关的三维MR图像数据,从存储电路75取得脑血管性病变的至少一个检测位置的坐标信息。处理电路71基于三维MR图像数据和至少一个检测位置的坐标信息,生成能够对至少一个检测位置的一部分或者全部进行视觉确认的二维显示图像。作为这样的显示图像,生成具有特定的层块厚度的最大值投影图像。例如,特定的层块厚度具有限定于检测出的全部检测位置中的由用户选择的全部检测位置而包含的层块的厚度。具体而言,处理电路71读出由用户选择的全部检测位置的坐标信息,并限定于该全部的检测位置来计算包含的层块的位置以及厚度。然后,处理电路71将与计算出的位置以及厚度有关的层块设定为三维图像数据,并限定于所设定的层块进行最大值投影处理,生成最大值投影图像。在所生成的最大值投影图像中,描绘出由用户选择的全部检测位置的脑动脉瘤候选。处理电路71将所生成的最大值投影图像初始地显示在显示设备73上。此时,处理电路71按照由用户选择的全部检测位置的描绘信息,在检测位置描绘具有圆形状的标记的注释。这样,通过初始显示具有特定的层块厚度的最大值投影图像,与用户一张一张确认切片图像的情况相比,能够容易地掌握脑动脉瘤的检测结果。
图7是表示最大值投影图像以及检测结果的显示画面I1的一例的图。如图7所示,作为最大值投影图像,显示冠状(coronal:冠状)截面的最大值投影图像I2、矢状(sagittal:矢状)截面的最大值投影图像I3及轴向(axial:体轴)截面的最大值投影图像I4。冠状截面、矢状截面以及轴向截面被称为正交三截面。处理电路71针对冠状截面、矢状截面以及轴向截面分别计算特定的层块厚度以及层块位置。当针对冠状截面、矢状截面以及轴向截面分别计算出特定的层块厚度以及层块位置时,处理电路71对于三维MR图像数据设定冠状截面、矢状截面以及轴向截面各自具有特定的层块厚度以及层块位置的层块。然后,处理电路71对各层块实施最大值投影处理,由此生成冠状截面的最大值投影图像I2、矢状截面的最大值投影图像I3及轴向截面的最大值投影图像I4。
在显示画面I1显示检测结果列表I5。检测结果列表I5是与脑动脉瘤有关的各检测位置的附加信息的一览。检测结果列表I5基于与脑动脉瘤有关的各检测位置的附加信息而由处理电路71生成。例如,作为附加信息,显示名称、分数(score)、尺寸以及部位。名称是“AL1”等用于识别检测位置的名称。分数是“95%”等表示检测位置是脑动脉瘤的可靠度的程度的指标,换言之是准确度。尺寸是“64”等检测位置的体积。尺寸不仅可以是体积,也可以是长径、短径,还可以是长径与短径之比。部位是“LB1”等检测位置存在的部位的解剖学部位的名称。这样,通过用字符显示各检测位置的附加信息,用户能够掌握各检测位置的附加信息的内容。另外,由于显示分数、尺寸以及部位,因此用户能够判断脑动脉瘤的破裂的概率等。显示这样的附加信息在临床上是有用的。
在各检测位置的记录中显示选择框。通过经由输入接口74选择与期望的检测位置对应的记录来选择各检测位置。所选择的检测位置在各最大值投影图像I2、I3及I4中通过注释指示。在图7中选择了“AL1”-“AL5”的检测位置,因此在各最大值投影图像I2、I3及I4中描绘与从“AL1”-“AL5”到的5个检测位置对应的5个注释。另外,在各注释的附近描绘该注释所指示的检测位置的名称。由此,能够确定注释所指示的检测位置是在检测结果列表I5中显示的多个检测位置中的哪一个。
在选择了在检测结果列表I5中显示的检测位置的一部分的情况下,更新最大值投影图像I2、I3及I4,以限定于所选择的一部分检测位置而显示。具体而言,计算出选择出的检测位置包括在层块中的该层块的厚度和位置,生成并显示与该厚度和位置的层块有关的最大值投影图像。
如图7所示,在显示画面I1上显示检测结果显示按钮B1、截面显示按钮B2、层块显示按钮B3、旋转图像显示按钮B4、列表显示按钮B5以及报告制作按钮B6。这些按钮B1~B6是能够经由输入接口74等进行选择的GUI按钮。例如,通过用鼠标等点击按钮B1-B6,切换按钮B1-B6的选择或不选择。
在选择了检测结果显示按钮B1的情况下,处理电路71显示能够视觉确认全部的检测结果的冠状截面的最大值投影图像I2、矢状截面的最大值投影图像I3及轴向截面的最大值投影图像I4。通过选择检测结果显示按钮B1,即使在多个位置检测出脑动脉瘤的情况下,也能够降低漏看。
在选择了截面显示按钮B2的情况下,转移到截面显示模式。在截面显示模式中,处理电路71基于由用户选择的检测位置的坐标信息,计算包括该检测位置的冠状截面、矢状截面以及轴向截面,并对三维MR图像数据实施MPR处理来生成与计算出的冠状截面有关的MPR图像、与矢状截面有关的MPR图像以及与轴向截面有关的MPR图像。与冠状截面有关的MPR图像、与矢状截面有关的MPR图像以及与轴向截面有关的MPR图像显示于显示画面I1。处理电路71在各MPR图像中描绘用于指示各MPR图像所包括的检测位置的注释。
在上述截面显示中,仅与各截面中包括的检测位置对应的注释被描绘在该MPR图像上。但是,也可以在该MPR图像中描绘与位于各截面附近的检测位置对应的注释。
图8是示意性地表示向MPR图像显示与附近检测位置对应的注释的图。如图8所示,设为三维MR图像数据VO包括多个检测位置P1和P2。设为三维MR图像数据VO中设定的截面SL1是显示截面。显示截面SL1具有一个体素量的厚度T1。通过MPR处理在MPR图像中描绘出显示截面SL1中包括的图像成分以及注释。在三维MR图像数据VO中,与截面SL1相邻地设定注释投影区域SL2。注释投影区域SL2具有比一个体素厚的厚度T2。注释投影区域SL2中包括的图像成分不被投影,但注释投影区域SL2中包括的检测位置P1所对应的注释被投影。位于比注释投影区域SL2更远离显示截面SL1的图像区域的检测位置P2所对应的注释不被投影。
处理电路71基于三维MR图像数据VO生成与显示截面SL1有关的MPR图像,将与注释投影区域SL2中包括的检测位置P1对应的注释投影到该MPR图像上。投影方向被设定为显示截面SL1的垂直方向。这样,生成并显示描绘有与位于显示截面SL1附近的检测位置P1对应的注释的、与显示截面SL1有关的MPR图像。
厚度T2能够通过任意的方法来设定。例如,厚度T2也可以经由输入接口74等设定为任意的值。另外,厚度T2也可以自动地计算为包括由用户选择的检测位置的值。
在选择了层块显示按钮B3的情况下,转移到层块显示模式。在层块显示模式中,处理电路71基于由用户选择的检测位置的坐标信息,计算包括该检测位置的冠状截面、矢状截面以及轴向截面,并基于三维MR图像数据,生成与计算出的冠状截面有关的层块图像、与矢状截面有关的层块图像以及与轴向截面有关的层块图像。另外,具有2个体素以上的厚度的截面也被称为层块。
在上述层块显示中,仅与各层块所包括的检测位置对应的注释被描绘在该层块图像上。但是,也可以在该层块图像上描绘与位于各层块附近的检测位置对应的注释。
图9是示意性地表示向层块图像显示与附近检测位置对应的注释的图。如图9所示,设为在三维MR图像数据VO中包括多个检测位置P3、P4以及P5。设为在三维MR图像数据VO中设定的层块SL3是显示对象的层块。显示层块SL3具有多个体素量的厚度T3。在层块图像中描绘出在层块SL3中包括的图像成分及检测位置P3所对应的注释。在三维MR图像数据VO中设定与显示层块SL3相邻的、用于注释的描绘的区域(以下,称为注释投影区域)SL4。注释投影区域SL4具有多个体素量的厚度T4。注释投影区域SL4所包括的图像成分不被投影,但注释投影区域SL4所包括的检测位置P4所对应的注释被投影。位于比注释投影区域SL4更远离显示层块SL3的图像区域中的检测位置P5所对应的注释不被投影。
处理电路71基于三维MR图像数据VO生成与显示层块SL3有关的最大值投影图像,将注释投影区域SL4所包括的检测位置P4所对应的注释投影到该最大值投影图像上。投影方向被设定为显示层块SL3的垂直方向。这样,位于显示层块SL3附近的检测位置P4所对应的注释被描绘在与显示层块L3有关的最大值投影图像上。此外,作为像素值投影处理,不限于最大值投影处理,也可以根据关注的组织或物质进行最小值投影处理、平均值投影处理等。
厚度T3及T4能够通过任意的方法设定。例如,厚度T3及T4也可以经由输入接口74等而设定为任意的值。另外,厚度T3或T4也可以自动地计算为包括由用户选择的检测位置的值。
在选择了旋转图像显示按钮B4的情况下,转移到旋转显示模式。在旋转显示模式中,处理电路71生成与三维MR图像数据VO中包括的血管区域有关的旋转图像。旋转图像是绕规定的旋转轴每隔规定的旋转角度生成的MPR图像、层块图像及体渲染图像等的总称。旋转图像通过显示控制功能714的实现而显示于显示设备73。通过显示旋转图像,能够容易地掌握脑动脉瘤的检测结果。
图10是示意性地表示旋转图像I6的图。如图10所示,在三维MR图像数据中包括血管区域85。首先,处理电路71通过图像生成功能712的实现,通过阈值处理等图像处理来提取三维MR图像数据VO所包括的血管区域。为了进行血管区域85的提取处理,采用能够以清晰的对比度描绘出血管的摄像方法。接着,处理电路71通过图像生成功能712的实现,基于提取出的血管区域,生成绕规定的旋转轴每隔规定的旋转角度生成的MPR图像。
例如,根据日本脑活动学会提供的“脑活动的指南”,为了检测未破裂脑动脉瘤以及头部的主干动脉的闭塞/狭窄病变,原则上进行3D-TOF法的摄像。根据该准则,规定为:使用最大值投影法等,以威利斯环(Willis环)为中心、(1)向左右方向旋转而制作图像和(2)向前后方向旋转来制作重构图像。
因此,处理电路71在三维MR图像数据VO或血管区域85中设定与前后方向有关的旋转轴A1和与左右方向有关的旋转轴A2。处理电路71绕旋转轴A1每隔规定角度设定MPR截面,针对各MPR截面生成MPR图像,作为旋转图像。或者,处理电路71绕旋转轴A2每隔规定角度设定MPR截面,针对各MPR截面生成MPR图像,作为旋转图像。规定的旋转角度可以设定为任意值,例如可以设定为7度至10度。所生成的规定的旋转角度的旋转图像显示于显示设备73。通过用户经由输入接口74进行旋转操作,由此显示于显示设备73的旋转图像被更新为与该旋转操作对应的旋转角度的旋转图像。这样,根据本实施方式,能够大致自动地生成以及显示由脑活动的准则规定的显示方法的显示图像。另外,能够基于检测结果自动地进行为了生成与准则一致的图像所需的处理,因此能够广泛地对用户、患者提供高质量的医疗。
另外,在上述处理中提取了三维MR图像数据所包括的全部血管区域,但本实施方式并不限定于此。例如,可以仅提取包括在检测结果列表I5中由用户选择的检测位置的血管区域,也可以仅提取在层块图像或截面图像等任意的显示图像中由用户选择的血管区域。另外,作为旋转轴,并不限定于与前后方向有关的旋转轴、与左右方向有关的旋转轴,也可以设定与任何方向有关的旋转轴。
在选择了列表显示按钮B5的情况下,处理电路71切换检测结果列表I5的显示和非显示。如上所述,处理电路71基于与脑动脉瘤有关的各检测位置的附加信息,生成检测结果列表I5。例如,以经由输入接口74等按下了AL读取按钮为契机,处理电路71读入与对象患者的对象三维MR图像数据有关的检测结果,并基于与该检测结果有关的各检测位置的附加信息生成检测结果列表I5。检测结果列表I5显示于显示画面I1的规定的显示框。在检测结果列表I5被切换为非显示的情况下,也可以显示与任意截面有关的截面图像(倾斜图像)等。
如上所述,在检测结果列表I5中显示的各检测位置能够经由输入接口74等进行选择。在截面显示模式中选择了检测位置的情况下,显示与所选择的检测位置有关的MPR图像,指示该检测位置的注释被描绘在该MPR图像上。在层块显示模式中选择了检测位置的情况下,显示与所选择的检测位置有关的层块图像,指示该检测位置的注释被描绘在该层块图像上。换言之,在包括所选择的检测位置的截面或层块中,显示截面或显示层块移动,限定于该选择的检测位置来描绘注释。由此,能够提高用户所选择的检测位置的视觉确认性。
在选择了报告制作按钮B6的情况下,处理电路71通过报告制作功能713的实现,制作与脑动脉瘤的检测结果有关的报告(以下,称为脑动脉瘤报告)。
图11是表示脑动脉瘤报告R1的一例的图。如图11所示,脑动脉瘤报告R1是包括与脑动脉瘤的各检测位置的部位、尺寸有关的信息的电子数据。例如,脑动脉瘤报告R1针对用户的阅片等的结果而被确定为动脉瘤的检测位置制作。脑动脉瘤报告R1具体地包括患者信息R2、检测结果信息R3以及关键图像I7。
患者信息R2包括姓名、人种、年龄以及性别等与患者有关的基本信息。患者信息R2例如能够从三维MR图像数据的附带信息中提取。检测结果信息R3是各检测位置的附加信息的一览。作为附加信息,包括名称、分数、尺寸、部位、破裂率以及治疗方法R4。名称是用于识别该检测位置的名称。分数是表示该检测位置是脑动脉瘤的可靠度的程度的指标。尺寸是该检测位置的体积。尺寸不仅可以是体积,也可以是长径、短径,还可以是长径与短径之比。部位是存在该检测位置的位置的解剖学部位的名称。破裂率是表示该检测位置的脑动脉瘤发生破裂的危险性的程度的指标。处理电路71通过报告制作功能713的实现,基于患者信息R2和检测结果信息R3来计算破裂率。具体而言,基于患者信息R2中的人种、年龄以及性别、以及检测结果信息R3中的尺寸以及部位,按照规定的算法或者LUT(Look Up Table:查找表)计算出破裂率。治疗方法R4表示针对该检测位置的脑动脉瘤的、标准的治疗方法的推荐度。作为治疗方法R4,可以举出经过观察、夹闭(clipping)术及线圈栓塞术。处理电路71通过报告制作功能713的实现,基于患者信息R2和检测结果信息R3计算治疗方法R4的推荐度。具体而言,治疗方法R4的推荐度基于患者信息R2中的人种、年龄以及性别、以及检测结果信息R3中的尺寸以及部位,按照规定的算法或者LUT来计算。例如,名称“AL2”的检测位置为分数“85%”、尺寸“82”、部位“LB2”、破裂率“80%”、经过观察“20%”、夹闭术“80%”、线圈栓塞术“80%”。
关键图像I7是清楚地描绘出检测结果的显示图像的缩小图像。例如,处理电路71生成描绘出全部的检测位置“AL1”-“AL5”的、与轴向截面有关的层块图像的缩小图像,作为关键图像I7。在关键图像I7中,可以描绘有指示各检测位置的注释。所生成的关键图像I7被粘贴在动脉瘤报告R1上。另外,在关键图像I7中,描绘出全部的检测位置“AL1”-“AL5”不是必要的。例如,也可以针对各检测位置生成关键图像。关键图像I7是层块图像不是必要的,可以是MPR图像,也可以是旋转图像等,也可以是任何显示图像。另外,也可以代替关键图像I7而粘贴缩小前的显示图像。
所生成的脑动脉瘤报告R1显示于显示设备73。所显示的脑动脉瘤报告R1由阅片医师等用户观察。另外,脑动脉瘤报告R1也可以经由网络传送到观测器等其他计算机,并显示在该计算机的显示设备上。根据本实施方式,基于检测结果信息R3自动地生成脑动脉瘤报告R1,因此能够减少用户进行的脑动脉瘤报告R1的制作的麻烦。
另外,在脑动脉瘤报告R1中包括上述的全部项目不是必要的。例如,不必须包括破裂率、治疗方法等。另外,也可以将各检测位置的坐标信息作为检测结果信息R3而显示。另外,也可以在脑动脉瘤报告R1上粘贴用户的所见或备注等。
本实施方式所涉及的医用图像处理系统1例如通过与被检体的头部有关的定期体检等来使用。即,对于某一患者,定期地取得基于病变检测装置5的脑动脉瘤的检测结果。因此,在脑动脉瘤报告中,也可以粘贴与检测结果有关的时间序列信息。作为与检测结果有关的时间序列信息,例如生成与检测位置的尺寸(以下称为瘤尺寸)的时间序列的变化的图表(以下称为瘤尺寸图表)有关的报告(以下,称为瘤尺寸报告)。
图12是表示瘤尺寸报告R5的一例的图。如图12所示,在瘤尺寸报告R5中记述有与各检测位置有关的瘤尺寸的时间序列信息。具体而言,瘤尺寸报告R5包括与瘤尺寸有关的图表R6和列表R7。图表R6是将三维MR图像数据的收集日规定为横轴、将瘤尺寸[mm]规定为纵轴的折线图。在列表R7中,针对每个收集日用数值记载了各检测位置的瘤尺寸。
瘤尺寸至少与检测位置的名称和收集日建立关联地存储于存储电路75。在作出了瘤尺寸报告R5的制作指示的情况下,处理电路71通过报告制作功能713的实现,从存储电路75读出与每个检测位置的瘤尺寸有关的信息。处理电路71基于每个检测位置的瘤尺寸,制作图表R6和列表R7,并粘贴在瘤尺寸报告R5上。瘤尺寸报告R5可以编入到脑动脉瘤报告R1中,也可以作为独立的报告而制作。瘤尺寸报告R5的制作对象的检测位置也可以被限制为通过用户的阅片等确定为是动脉瘤的位置。
制作出的瘤尺寸报告R5显示于显示设备73,由用户观察。由此,用户能够简便地掌握瘤尺寸的时间序列信息。另外,能够基于每个收集日的瘤尺寸有关的信息自动地制作瘤尺寸报告R5。由此,能够削减用户制作瘤尺寸报告R5的麻烦。另外,瘤尺寸报告R5也可以经由网络传送到观测器等其他计算机,并显示在该计算机的显示设备上。
与检测结果有关的时间序列信息并不仅限定于瘤尺寸的时间序列信息。例如,也可以根据目的而生成分数、破裂率、治疗方法的推荐度的时间序列信息。
作为与检测结果有关的其他时间序列信息,也可以生成图像经时差分。
图13是示意性地表示图像经时差分的生成过程的图。与各检测位置有关的MPR图像与收集日及该检测位置的名称等建立关联地存储于存储电路75。例如,收集日“2018/1/1”的MPR图像I8和其下一个收集日“2018/4/1”的MPR图像I9存储于存储电路75。MPR图像I8中包括检测位置86,MPR图像I9中包括检测位置87。MPR图像I8所包括的检测位置86与MPR图像I9所包括的检测位置87在解剖学上是同一检测位置。
在被做出了图像经时差分的显示指示的情况下,处理电路71从存储电路75读出与同一脑动脉瘤有关的收集日“2018/1/1”的MPR图像I8和其下一个收集日“2018/4/1”的MPR图像I9,生成MPR图像I8与MPR图像I9的差分图像I10。在差分图像I10中包括MPR图像I8所包括的检测位置86与MPR图像I9所包括的检测位置87的差分区域88。差分图像I10粘贴于动脉瘤报告R1,或者显示于显示设备73。通过观察差分区域88的大小等,用户能够掌握伴随时间经过的动脉瘤的形态的变化。此外,处理电路71也可以将差分区域88的大小与既定的阈值进行比较,在差分区域88的大小比阈值大的情况下,将警告粘贴于动脉瘤报告R1。由此,能够通知该动脉瘤需要注意。
此外,处理电路71也可以不生成时间上相邻的两个MPR图像彼此的差分图像,而生成任意的收集日的两个MPR图像彼此的差分图像。另外,在存储电路75中存储有3个以上的收集日的MPR图像的情况下,处理电路71也可以依次生成相互邻接的收集日的MPR图像彼此的差分图像。由此,生成时间序列的差分图像。该时间序列的差分图像可以相互并列地显示于显示设备73,或者粘贴于动脉瘤报告。另外,也可以不是MPR图像彼此的差分图像,而是层块图像彼此的差分图像。在该情况下,在各层块图像中也可以不是包括一个检测位置,而是包括多个检测位置。
在上述的说明中,脑血管性病变作为一例设为未破裂脑动脉瘤的一种。但是,病变检测装置5也可以检测未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层中的至少两种。在该情况下,病变检测装置5针对各检测位置,除了名称、尺寸等之外,还输出表示病变种类的字符信息(以下,称为病变种类信息)作为附加信息。处理电路71与上述处理同样地生成能够容易地掌握检测位置的显示图像。
图14是表示未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层的检测位置的显示例的图。如图14所示,处理电路71与上述处理同样地,生成与包括未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层的检测位置的层块有关的最大值投影图像I11,将指示各检测位置的注释同时显示于最大值投影图像I11。此时,处理电路71将根据病变种类而不同的形态的注释描绘在最大值投影图像I11上。处理电路71通过参照将病变种类信息与注释的形态建立关联的LUT,来决定在各检测位置使用的注释的形态。例如,如图14所示,实线的注释用于未破裂脑动脉瘤的检测位置,虚线的注释用于颅内动脉狭窄的检测位置,双重线的注释用于脑血管夹层的检测位置。通过描绘这样的根据病变种类而不同的形态的注释,用户仅观察注释的形态就能够容易地得知该注释所指示的病变。
另外,在上述处理中,注释是指示未破裂脑动脉瘤、颅内动脉狭窄以及脑血管夹层的各病变的检测位置的圆形标记。但是,作为注释,也可以描绘根据病变种类而具有不同的形态的标记。例如,与未破裂脑动脉瘤有关的注释可以是圆形形状,与颅内动脉狭窄有关的注释可以是三角形标记,与脑血管分离有关的注释可以是四边形的标记。这样,通过根据病变种类使用不同形状的注释,用户能够通过识别注释的形状来确定该注释所指示的病变的种类。
另外,在上述处理中,在检测位置描绘注释。然而,本实施方式并不限定于此。例如,也可以强调在显示图像中包括的与各病变对应的图像区域。
图15是表示未破裂脑动脉瘤的强调例的图。如图15所示,与未破裂脑动脉瘤对应的图像区域是脑血管80的分支部等隆起部91。处理电路71通过以既定色涂满隆起部91来进行强调。图16是表示颅内动脉狭窄的强调例的图。如图16所示,与颅内动脉狭窄对应的图像区域是由动脉硬化等引起的脑血管80的血管壁的肥厚部92。处理电路71通过以既定颜色涂满肥厚部92来进行强调。图17是表示脑血管夹层的强调例的图。如图17所示,与脑血管夹层对应的图像区域是脑血管80的内壁的夹层部分83。处理电路71通过以既定颜色涂满离解部分83来进行强调。这样,通过用既定颜色涂满与各病变对应的图像区域,用户能够掌握病变区域的形态、存在范围等。
各病变的既定颜色可以设定为相互不同的颜色。例如,与未破裂脑动脉瘤对应的图像区域可以用绿色涂满、与颅内动脉狭窄对应的图像区域用黄色涂满,与脑血管夹层对应的图像区域用红色涂满即可。通过用相互不同的既定颜色涂满与各病变对应的图像区域,能够容易地进行病变种类的判断。
如上述的说明那样,本实施方式所涉及的医用信息处理装置7安装处理电路71。处理电路71通过信息取得功能711的实现,针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息。处理电路71通过图像生成功能712的实现,基于三维MR图像数据和坐标信息,生成能够对至少一个检测位置的一部分或全部进行视觉确认的二维显示图像。
根据以上说明的至少一个实施方式,能够生成能够容易地掌握脑血管性病变的检测位置的图像。
在上述说明中使用的“处理器”这一用语例如是CPU、GPU、或者面向特定用途的集成电路(Application Specific Integrated Circuit:ASIC)、可编程逻辑设备(例如,简单可编程逻辑设备(Simple Programmable Logic Device:SPLD)、复合可编程逻辑设备(Complex Programmable Logic Device:CPLD)、以及现场可编程门阵列(FieldProgrammable Gate Array:FPGA)等电路。处理器通过读出并执行保存在存储电路中的程序来实现功能。另外,也可以代替在存储电路中保存程序,而构成为在处理器的电路内直接装入程序。在该情况下,处理器通过读出并执行装入电路内的程序来实现功能。另外,也可以不是执行程序,而是通过逻辑电路的组合来实现与该程序对应的功能。另外,本实施方式的各处理器不限于按每个处理器构成为单一的电路的情况,也可以将多个独立的电路组合而构成为一个处理器,实现其功能。并且,也可以将图1以及图2中的多个构成要素整合为一个处理器来实现其功能。
对本发明的几个实施方式进行了说明,但这些实施方式是作为例子而提示的,并不意图限定发明的范围。这些实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、置换、变更。这些实施方式及其变形包含在发明的范围和主旨中,同样地包含在权利要求书所记载的发明及其等同的范围内。
符号说明
1医用图像处理系统
3MRI装置
5病变检测装置
7医用图像处理装置
71处理电路
72通信接口
73显示设备
74输入接口
75存储电路
711信息取得功能
712图像生成功能
713报告制作功能
714显示控制功能
Claims (20)
1.一种医用图像处理装置,具备处理电路,
所述处理电路,
针对与头部有关的三维MR图像数据,取得脑血管性病变的至少一个检测位置的坐标信息,
基于所述三维MR图像数据和所述坐标信息,生成能够对所述至少一个检测位置的一部分或全部进行视觉确认的二维显示图像。
2.如权利要求1所述的医用图像处理装置,其中,
所述处理电路,
计算包括所述至少一个检测位置的一部分或全部的层块厚度,
基于所述三维MR图像数据,生成具有所述层块厚度的层块图像,作为所述二维显示图像。
3.如权利要求2所述的医用图像处理装置,其中,
所述处理电路,
针对正交三截面,计算包括所述至少一个检测位置的一部分或全部的层块厚度,
生成具有所述层块厚度的所述正交三截面的层块图像。
4.如权利要求2所述的医用图像处理装置,其中,
所述处理电路,生成基于所述三维MR图像数据的最大值投影图像,作为所述层块图像。
5.如权利要求1所述的医用图像处理装置,其中,
所述处理电路,
从所述三维MR图像数据中提取包括所述至少一个检测位置的血管区域,
关于所述血管区域,生成按每个规定方向且每隔规定角度的旋转图像,作为所述二维显示图像。
6.如权利要求5所述的医用图像处理装置,其中,
所述规定方向是以威利斯环为中心的左右方向和前后方向。
7.如权利要求1所述的医用图像处理装置,其中,
该医用图像处理装置还具备显示所述二维显示图像的显示设备。
8.如权利要求7所述的医用图像处理装置,其中,
所述显示设备将标记重叠在所述二维显示图像中包括的所述至少一个检测位置。
9.如权利要求1所述的医用图像处理装置,其中,
该医用图像处理装置还具备显示设备,
所述处理电路,
计算用于所述显示的第一层块厚度和比所述第一层块厚度厚的用于描绘标记的第二层块厚度,
基于所述三维MR图像数据,生成具有所述第一层块厚度的层块图像,作为所述二维显示图像
所述显示设备对所述层块图像中的、所述第二层块厚度所包括的所述至少一个检测位置附加标记。
10.如权利要求1所述的医用图像处理装置,其中,
该医用图像处理装置还具备显示设备,
所述处理电路还取得所述至少一个检测位置的名称、部位、分数以及尺寸中的至少一个的字符信息,
所述显示设备显示所述至少一个检测位置的所述字符信息的一览。
11.如权利要求10所述的医用图像处理装置,其中,
所述显示设备限定于在所述一览所包括的所述至少一个检测位置中的用户指定的检测位置来描绘标记。
12.如权利要求1所述的医用图像处理装置,其中,
所述脑血管性病变是脑动脉瘤、狭窄及血管夹层中的任一种。
13.如权利要求1所述的医用图像处理装置,其中,
所述处理电路,
还取得所述至少一个检测位置的名称、部位、分数以及检测出的病变的尺寸中的至少一个的字符信息,
基于所述至少一个检测位置的所述字符信息,针对所述至少一个检测位置制作报告。
14.如权利要求13所述的医用图像处理装置,其中,
所述处理电路将所述二维显示图像或所述二维显示图像的缩小图像粘贴在所述报告上。
15.如权利要求13所述的医用图像处理装置,其中,
所述脑血管性病变是脑动脉瘤,
所述处理电路将图表粘贴于所述报告,该图表表示与所述至少一个检测位置有关的尺寸的时间序列的变化。
16.如权利要求13所述的医用图像处理装置,其中,
所述脑血管性病变是脑动脉瘤,
所述处理电路将与所述至少一个检测位置有关的破裂率粘贴于所述报告。
17.如权利要求13所述的医用图像处理装置,其中,
所述处理电路将与所述至少一个检测位置有关的治疗方法粘贴于所述报告。
18.如权利要求1所述的医用图像处理装置,其中,
该医用图像处理装置还具备显示设备,该显示设备显示所述二维显示图像和与同一被检体有关的其他日期时间的二维显示图像的差分图像。
19.如权利要求1所述的医用信息处理装置,其中,
该医用图像处理装置还具备通信设备,该通信设备将所述三维MR图像数据发送到病变检测装置,以便通过图像处理检测所述三维MR图像数据中包括的脑血管性病变、并由所述处理电路取得所述至少一个检测位置的坐标信息。
20.一种医用图像处理系统,其中,具备:
检测装置,检测与头部有关的三维MR图像数据所包括的与脑血管性病变有关的至少一个病变区域,并确定检测出的所述至少一个病变区域的检测位置的坐标信息;
生成装置,基于所述三维MR图像数据和所述坐标信息,生成能够对所述至少一个检测位置的一部分或全部进行视觉确认的二维显示图像;以及
显示装置,显示所述二维显示图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-075061 | 2019-04-10 | ||
JP2019075061A JP7271277B2 (ja) | 2019-04-10 | 2019-04-10 | 医用画像処理装置及び医用画像処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111820898A true CN111820898A (zh) | 2020-10-27 |
CN111820898B CN111820898B (zh) | 2024-04-05 |
Family
ID=72748128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010277482.0A Active CN111820898B (zh) | 2019-04-10 | 2020-04-10 | 医用图像处理装置以及医用图像处理系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11449990B2 (zh) |
JP (1) | JP7271277B2 (zh) |
CN (1) | CN111820898B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967284A (zh) * | 2021-04-30 | 2021-06-15 | 平安科技(深圳)有限公司 | 血管图像分段分析方法、装置、设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022209652A1 (zh) * | 2021-03-29 | 2022-10-06 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001175847A (ja) * | 1999-12-20 | 2001-06-29 | Masahiko Hatanaka | 3次元画像表示装置 |
WO2007026598A1 (ja) * | 2005-08-31 | 2007-03-08 | Gifu University | 医用画像処理装置及び画像処理方法 |
JP3928978B1 (ja) * | 2006-09-22 | 2007-06-13 | 国立大学法人岐阜大学 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2008035446A1 (fr) * | 2006-09-22 | 2008-03-27 | Konica Minolta Medical & Graphic, Inc. | Processeur d'images médicales, procédé et programme de traitement d'images associés |
JP2008079770A (ja) * | 2006-09-27 | 2008-04-10 | Gifu Univ | 読影支援装置、読影支援方法及びプログラム |
CN101332087A (zh) * | 2007-06-29 | 2008-12-31 | 株式会社东芝 | 磁共振成像装置以及磁共振成像方法 |
US20110074785A1 (en) * | 2008-06-03 | 2011-03-31 | Fujifilm Corporation | Projection image generation apparatus, method, and program |
JP2012235934A (ja) * | 2011-05-12 | 2012-12-06 | Toshiba Corp | 画像処理装置 |
CN103957807A (zh) * | 2012-11-15 | 2014-07-30 | 株式会社东芝 | 系统及导出方法 |
CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN109009183A (zh) * | 2017-06-12 | 2018-12-18 | 佳能医疗系统株式会社 | 图像处理装置、x射线诊断装置及图像处理方法 |
CN109561852A (zh) * | 2017-04-04 | 2019-04-02 | 李昡燮 | 用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060074711A1 (en) | 2004-10-01 | 2006-04-06 | Prakash Mahesh | System and method for handling multiple radiology applications and workflows |
JP5328146B2 (ja) | 2007-12-25 | 2013-10-30 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法ならびにプログラム |
JP5597399B2 (ja) | 2010-01-08 | 2014-10-01 | 株式会社東芝 | 医用画像診断装置 |
JP6677470B2 (ja) | 2015-09-14 | 2020-04-08 | 株式会社東芝 | 外力検出装置、外力検出方法、およびプログラム |
EP3593722A1 (en) * | 2018-07-13 | 2020-01-15 | Neuroanalytics Pty. Ltd. | Method and system for identification of cerebrovascular abnormalities |
US10768259B2 (en) * | 2018-10-15 | 2020-09-08 | Zayed University | Cerebrovascular segmentation from MRA images |
KR101996476B1 (ko) * | 2018-12-27 | 2019-07-03 | (주)제이엘케이인스펙션 | 뇌병변 정보 제공 장치 및 방법 |
-
2019
- 2019-04-10 JP JP2019075061A patent/JP7271277B2/ja active Active
-
2020
- 2020-04-06 US US16/840,558 patent/US11449990B2/en active Active
- 2020-04-10 CN CN202010277482.0A patent/CN111820898B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001175847A (ja) * | 1999-12-20 | 2001-06-29 | Masahiko Hatanaka | 3次元画像表示装置 |
WO2007026598A1 (ja) * | 2005-08-31 | 2007-03-08 | Gifu University | 医用画像処理装置及び画像処理方法 |
JP3928978B1 (ja) * | 2006-09-22 | 2007-06-13 | 国立大学法人岐阜大学 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2008035446A1 (fr) * | 2006-09-22 | 2008-03-27 | Konica Minolta Medical & Graphic, Inc. | Processeur d'images médicales, procédé et programme de traitement d'images associés |
JP2008079770A (ja) * | 2006-09-27 | 2008-04-10 | Gifu Univ | 読影支援装置、読影支援方法及びプログラム |
CN101332087A (zh) * | 2007-06-29 | 2008-12-31 | 株式会社东芝 | 磁共振成像装置以及磁共振成像方法 |
US20110074785A1 (en) * | 2008-06-03 | 2011-03-31 | Fujifilm Corporation | Projection image generation apparatus, method, and program |
JP2012235934A (ja) * | 2011-05-12 | 2012-12-06 | Toshiba Corp | 画像処理装置 |
CN103957807A (zh) * | 2012-11-15 | 2014-07-30 | 株式会社东芝 | 系统及导出方法 |
CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN109561852A (zh) * | 2017-04-04 | 2019-04-02 | 李昡燮 | 用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法 |
CN109009183A (zh) * | 2017-06-12 | 2018-12-18 | 佳能医疗系统株式会社 | 图像处理装置、x射线诊断装置及图像处理方法 |
Non-Patent Citations (1)
Title |
---|
潘碧涛: "颅脑三维高分辨增强MR静脉成像", 中山大学学报, vol. 28, no. 3, pages 113 - 115 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967284A (zh) * | 2021-04-30 | 2021-06-15 | 平安科技(深圳)有限公司 | 血管图像分段分析方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11449990B2 (en) | 2022-09-20 |
JP7271277B2 (ja) | 2023-05-11 |
US20200327666A1 (en) | 2020-10-15 |
CN111820898B (zh) | 2024-04-05 |
JP2020171480A (ja) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11023765B2 (en) | Apparatus and method for providing additional information for each region of interest | |
CN102915400B (zh) | 用于计算机支持地显示或分析医学检查数据的方法和装置 | |
US8423571B2 (en) | Medical image information display apparatus, medical image information display method, and recording medium on which medical image information display program is recorded | |
NL1032508C2 (nl) | Klinisch overzicht en analysewerkstroom voor beoordeling van longknobbeltjes. | |
US11410353B2 (en) | Combination of temporally resolved angiographic images with a spatially resolved angiographic image | |
JP7309986B2 (ja) | 医用画像処理方法、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プログラム | |
CN112740285A (zh) | 在虚拟环境中对医学图像的叠加和操纵 | |
KR20140055152A (ko) | 병변 진단 보조 장치 및 방법 | |
US9545238B2 (en) | Computer-aided evaluation of an image dataset | |
US8693759B2 (en) | Image processing device and image processing method | |
US20140254906A1 (en) | Vascular tree from anatomical landmarks and a clinical ontology | |
US20180271460A1 (en) | System for Synthetic Display of Multi-Modality Data | |
JP5780748B2 (ja) | 医用画像処理装置 | |
JP2014064824A (ja) | 管状構造の最短経路探索装置および方法並びにプログラム | |
CN111820898B (zh) | 医用图像处理装置以及医用图像处理系统 | |
CN105684040B (zh) | 支持肿瘤响应测量的方法 | |
US11295442B2 (en) | Medical information display apparatus displaying cavity region in brain image, medical information display method, and medical information display program | |
US20200327979A1 (en) | Medical information processing apparatus and medical information processing method | |
JP7262606B2 (ja) | 領域同定装置、方法およびプログラム | |
CN113327665A (zh) | 医用信息处理系统以及医用信息处理方法 | |
US10977792B2 (en) | Quantitative evaluation of time-varying data | |
US20230386113A1 (en) | Medical image processing apparatus and medical image processing method | |
US20230281810A1 (en) | Image display apparatus, method, and program | |
US20210353360A1 (en) | Craniotomy simulation device, method, and program | |
US20220265183A1 (en) | Method and apparatus for displaying medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |