JP2007105164A - 医用画像診断支援装置 - Google Patents
医用画像診断支援装置 Download PDFInfo
- Publication number
- JP2007105164A JP2007105164A JP2005297899A JP2005297899A JP2007105164A JP 2007105164 A JP2007105164 A JP 2007105164A JP 2005297899 A JP2005297899 A JP 2005297899A JP 2005297899 A JP2005297899 A JP 2005297899A JP 2007105164 A JP2007105164 A JP 2007105164A
- Authority
- JP
- Japan
- Prior art keywords
- region
- subject
- evaluation value
- image
- area
- 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.)
- Pending
Links
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract 3
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 210000002097 psoas muscle Anatomy 0.000 claims abstract description 38
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 16
- 210000004185 liver Anatomy 0.000 claims description 30
- 210000001596 intra-abdominal fat Anatomy 0.000 claims description 22
- 238000003745 diagnosis Methods 0.000 claims description 19
- 210000003205 muscle Anatomy 0.000 claims description 14
- 210000001519 tissue Anatomy 0.000 claims description 12
- 208000008589 Obesity Diseases 0.000 claims description 9
- 235000020824 obesity Nutrition 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 6
- 210000001015 abdomen Anatomy 0.000 claims description 3
- 238000000034 method Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000004003 subcutaneous fat Anatomy 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013861 fat-free Nutrition 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】被検体の特徴部位の状態を定量的に示すことができる医用画像診断支援装置を提供する。
【解決手段】読込部11aは被検体の断層像を読み込み、抽出部11bは断層像から大腰筋領域を抽出し(S1)、算出部11cは大腰筋領域の特徴量1〜3に基づいて、大腰筋の状態を示す評価値を算出し(S3)、表示部11dは評価値や、評価値に応じて大腰筋領域を異なる表示態様とした結果画像などを表示する(S4)。
【選択図】図3
【解決手段】読込部11aは被検体の断層像を読み込み、抽出部11bは断層像から大腰筋領域を抽出し(S1)、算出部11cは大腰筋領域の特徴量1〜3に基づいて、大腰筋の状態を示す評価値を算出し(S3)、表示部11dは評価値や、評価値に応じて大腰筋領域を異なる表示態様とした結果画像などを表示する(S4)。
【選択図】図3
Description
本発明は、医用画像診断支援装置に係り、特に、医用画像を用いて被検体の特徴部位の状態を定量的に示すことができる医用画像診断支援装置に関する。
従来、個人の全脂肪領域を表す目安としては、へそ位置で撮影されたX線CT画像の脂肪領域が用いられている。特許文献1には、へそ位置で撮影されたX線CT画像の脂肪領域に基づいて体脂肪を算出する技術が開示されている。これにより、断層像に基づいて体脂肪を測定することができる。
一方、非特許文献1には、継続的に運動を実施した被検体では大腰筋が太く変化することがへそ位置のX線CT画像によって確認され、大腰筋の形状が脂肪蓄積や運動不足の状態を評価する指標となり得ることが示唆されている。
特開2002−222410号公報
"うんどうのすすめ"、図3、[online]、2000年1月、筑波大学先端学際領域研究センター 岡田プロジェクト、[平成17年9月16日検索]、インターネット<URL:http://wellness.taiiku.tsukuba.ac.jp/taiyou/susume/undou1.html >
従来の技術では、大腰筋などの特徴部位の状態を定量的に示すことができないという問題がある。
本発明は、このような事情を鑑みてなされたものであり、被検体の特徴部位の状態を定量的に示すことができる医用画像診断支援装置を提供することを目的とする。
上記の目的を達成するため、本発明にかかる医用画像診断支援装置は、医用画像撮影装置により撮影して得られた被検体の断層像を読み込む読込手段と、前記断層像から前記被検体の特徴部位が撮影された関心領域を抽出する抽出手段と、前記関心領域の特徴量を含む複数の特徴量に基づいて、前記特徴部位の状態を定量的に評価した評価値を算出する算出手段と、前記抽出手段によって抽出された関心領域を前記評価値に応じた表示態様で表示する表示手段と、を備える。
また、前記抽出手段は、前記関心領域として大腰筋領域を抽出し、前記算出手段は、前記左右の大腰筋領域の各面積の差、前記大腰筋領域の全体の面積と前記大腰筋領域に含まれる筋領域の面積との割合、及び前記大腰筋領域と前記大腰筋領域の周辺の脂肪領域との前記断層像における画像コントラスト差、を含む特徴量に基づいて、大腰筋の状態を示す前記評価値を算出してもよい。
また、前記抽出手段は、前記関心領域として肝臓領域を抽出し、前記算出手段は、前記肝臓領域の面積、前記肝臓領域の平均CT値、及び前記肝臓領域に含まれる脂肪領域の平均CT値、を含む特徴量に基づいて、肝臓の状態を示す前記評価値を算出してもよい。
また、前記断層像は、前記被検体の腹部を撮影して得られたアキシャル像であって、前記抽出手段は、前記関心領域として前記被検体の体組織領域を抽出し、前記算出手段は、前記被検体のウエスト周囲径と標準的な人体のウエスト周囲径を示す基準ウエスト周囲径との割合、前記被検体の内臓脂肪面積と標準的な人体の内蔵脂肪面積を示す基準内臓脂肪面積との割合、及び前記体組織領域の全体の脂肪面積と前記内臓脂肪面積との割合、を含む前記特徴量に基づいて、前記被検体の内臓脂肪量に基づく肥満の状態を示す前記評価値を算出してもよい。
本発明によれば、被検体の特徴部位の状態を示す評価値を算出するため、特徴部位の状態を定量的に示すことができる。
以下、添付図面に従って、本発明に係わる医用画像診断支援装置の好ましい実施の形態について詳説する。
〔システム構成〕
図1は、本実施形態に係る医用画像診断支援システム1の構成を示すハードウェア構成図である。
図1は、本実施形態に係る医用画像診断支援システム1の構成を示すハードウェア構成図である。
図1の医用画像診断支援システム1は、被検体の断層像を生成する医用画像撮影装置2と、医用画像撮影装置2により撮影して得られた断層像を蓄積する画像データベース4と、被検体の断層像を読み込んで特徴部位の状態を示す評価値を算出する医用画像診断支援装置10とを備え、医用画像撮影装置2と画像データベース4と医用画像診断支援装置10とは、LAN3等のネットワークに接続される。
以下では、医用画像撮影装置2としてX線CT装置2を用いる場合について説明する。また、断層像としてはCT画像を用いる。
医用画像診断支援装置10は、主として各構成要素の動作を制御する中央処理装置(CPU)11、装置の制御プログラムが格納されたり、プログラム実行時の作業領域となったりする主メモリ12と、オペレーティングシステム(OS)、周辺機器のデバイスドライブ、後述する評価値を算出するためのプログラムを含む各種アプリケーションソフト等が格納される磁気ディスク13と、表示用データを一時記憶する表示メモリ14と、この表示メモリ14からのデータに基づいて画像を表示するディスプレイ15と、キーボード16と、入力装置としてのマウス17、マウス17の状態を検出してディスプレイ15上のマウスポインタの位置やマウス17の状態等の信号をCPU11に出力するコントローラ17aと、後述する評価値のみを紙媒体にプリントアウトするプリンタ18と、上記各構成要素を接続するバス19とから構成される。
次に図2に基づいて、CPU11が実行するプログラムについて説明する。図2は、プログラムの構成を示すブロック図である。
プログラムは、X線CT装置2により撮影して得られた被検体の断層像を読込む読込部11a、読み込んだ断層像から被検体の特徴部位が撮影された関心領域を抽出する抽出部11b、関心領域の特徴量を含む複数の特徴量に基づいて、特徴部位の状態を定量的に評価した評価値を算出する算出部11c、評価値に応じて特徴部位の表示態様を変える処理を行った結果である結果画像などをディスプレイ15に表示したり、プリンタ18に評価値のみを出力したりする表示部11d、により構成される。CPU11は、上記プログラムを磁気ディスク13から読み出して主メモリ12にロードし、実行する。
〔処理の流れ〕
<第一実施形態>
本実施形態では、特徴部位は大腰筋であり、抽出部11bは関心領域として大腰筋領域を抽出する。また、算出部11cは大腰筋の状態を示す評価値を算出する。図3乃至図7に基づいて、医用画像診断支援装置10の処理の流れを説明する。図3は医用画像診断支援装置10の処理の流れを示すフローチャートである。図4はCT画像から特徴量1〜3を求める処理の流れを示すフローチャートである。図5は、特徴量1〜3の算出方法を説明する図である。図6は評価値の算出方法1を説明する図である。図7は、表示処理の流れを示すフローチャートである。
<第一実施形態>
本実施形態では、特徴部位は大腰筋であり、抽出部11bは関心領域として大腰筋領域を抽出する。また、算出部11cは大腰筋の状態を示す評価値を算出する。図3乃至図7に基づいて、医用画像診断支援装置10の処理の流れを説明する。図3は医用画像診断支援装置10の処理の流れを示すフローチャートである。図4はCT画像から特徴量1〜3を求める処理の流れを示すフローチャートである。図5は、特徴量1〜3の算出方法を説明する図である。図6は評価値の算出方法1を説明する図である。図7は、表示処理の流れを示すフローチャートである。
(ステップS1)
S1では、読込部11aは、医用画像撮影装置2、画像データベース4、又は磁気ディスク13から被検体のCT画像21(断層像)を読み込み、抽出部11bは、CT画像21から特徴部位として大腰筋領域22を抽出する(S1)。本実施形態では大腰筋領域22が関心領域であるので、読み込む対象となるCT画像21は、例えばへそ位置のCT画像などであり、大腰筋領域22は画像に含まれている。抽出処理については、既知の手法によりCT画像から大腰筋領域22を自動で抽出してもよいし、マウスでCT画像上の大腰筋領域22を範囲指定するなど手動で抽出してもよい。
S1では、読込部11aは、医用画像撮影装置2、画像データベース4、又は磁気ディスク13から被検体のCT画像21(断層像)を読み込み、抽出部11bは、CT画像21から特徴部位として大腰筋領域22を抽出する(S1)。本実施形態では大腰筋領域22が関心領域であるので、読み込む対象となるCT画像21は、例えばへそ位置のCT画像などであり、大腰筋領域22は画像に含まれている。抽出処理については、既知の手法によりCT画像から大腰筋領域22を自動で抽出してもよいし、マウスでCT画像上の大腰筋領域22を範囲指定するなど手動で抽出してもよい。
(ステップS2)
S2では、算出部11cは、評価値の算出のために必要な特徴量1〜3をCT画像から求める(S2)。なお、評価値を算出する方法は3通りあるが、特徴量1〜3はそれぞれの算出方法において共通に用いられる。特徴量1〜3の詳細をステップS21乃至ステップS26に示す。
S2では、算出部11cは、評価値の算出のために必要な特徴量1〜3をCT画像から求める(S2)。なお、評価値を算出する方法は3通りあるが、特徴量1〜3はそれぞれの算出方法において共通に用いられる。特徴量1〜3の詳細をステップS21乃至ステップS26に示す。
(ステップS21)
S21では、算出部11cは、CT画像21の濃度値の出現頻度を示すヒストグラムを生成し、ヒストグラム解析を行なう(S21)。
S21では、算出部11cは、CT画像21の濃度値の出現頻度を示すヒストグラムを生成し、ヒストグラム解析を行なう(S21)。
(ステップS22)
S22では、算出部11cは、S21の解析結果を元に閾値を設定する(S22)。閾値は、左右の大腰筋のエッジ検出や大腰筋領域内の筋領域の抽出等の目的に応じて、適宜設定される。
S22では、算出部11cは、S21の解析結果を元に閾値を設定する(S22)。閾値は、左右の大腰筋のエッジ検出や大腰筋領域内の筋領域の抽出等の目的に応じて、適宜設定される。
(ステップS23)
S23では、算出部11cは、S22で設定した閾値を利用して二値化する(S23)。
S23では、算出部11cは、S22で設定した閾値を利用して二値化する(S23)。
(ステップS24)
S24では、算出部11cは、左右の大腰筋領域22の各面積の差を示す値(特徴量1)を算出する(S24)。図5(a)は特徴量1の算出方法を説明する図である。大腰筋領域22は、左側領域22aと右側領域22bとに分けられる。左側領域22aと右側領域22bとの面積の差に応じて、例えば1から0までの値を割り振る。
S24では、算出部11cは、左右の大腰筋領域22の各面積の差を示す値(特徴量1)を算出する(S24)。図5(a)は特徴量1の算出方法を説明する図である。大腰筋領域22は、左側領域22aと右側領域22bとに分けられる。左側領域22aと右側領域22bとの面積の差に応じて、例えば1から0までの値を割り振る。
(ステップS25)
S25では、算出部11cは、大腰筋領域22の全体の面積(大腰筋として抽出した領域の面積)と大腰筋領域22に含まれる筋領域の面積との割合を示す値(特徴量2)を算出する(S25)。図5(b)は特徴量2の算出方法を説明する図である。ここで、大腰筋領域22の全体の面積とは、左側領域22aと右側領域22bとを合わせた領域の面積をいう。以下では、大腰筋領域22の全体の面積(22a+22b)のことを、全体面積という。
S25では、算出部11cは、大腰筋領域22の全体の面積(大腰筋として抽出した領域の面積)と大腰筋領域22に含まれる筋領域の面積との割合を示す値(特徴量2)を算出する(S25)。図5(b)は特徴量2の算出方法を説明する図である。ここで、大腰筋領域22の全体の面積とは、左側領域22aと右側領域22bとを合わせた領域の面積をいう。以下では、大腰筋領域22の全体の面積(22a+22b)のことを、全体面積という。
大腰筋領域22では、筋領域に脂肪領域が灌流している場合があるが、既知の方法(例えば、特定のCT値を閾値として設定するなど)によって、大腰筋領域22における両者の面積をそれぞれ計測することが可能である。全体面積m1と筋領域の面積m2との割合に応じて、例えば1から0までの値を割り振る。
(ステップS26)
S26では、算出部11cは、大腰筋領域22と大腰筋領域22の周辺の脂肪領域22cとの断層像21における画像コントラスト差を表す値(特徴量3)を算出する(S26)。図5(c)は特徴量3の算出方法を説明する図である。コントラスト差の高低に応じて、例えば1から0までの値を割り振る。
S26では、算出部11cは、大腰筋領域22と大腰筋領域22の周辺の脂肪領域22cとの断層像21における画像コントラスト差を表す値(特徴量3)を算出する(S26)。図5(c)は特徴量3の算出方法を説明する図である。コントラスト差の高低に応じて、例えば1から0までの値を割り振る。
(ステップS3)
S3では、算出部11cは、特徴量1〜3に基づいて大腰筋の状態を示す評価値を算出する。算出方法としては以下に示す方法1〜3があり、方法1〜3のうちいずれかを用いる。
S3では、算出部11cは、特徴量1〜3に基づいて大腰筋の状態を示す評価値を算出する。算出方法としては以下に示す方法1〜3があり、方法1〜3のうちいずれかを用いる。
方法1では、ニューラルネットワークを用いる。ニューラルネットワークに特徴量1〜3を入力層に入力すると、目的変数として出力層から一意に決定された評価値が出力される。この出力値を百倍し、評価値を算出する。
なお、上記では、3×2×1(入力層が3つ、中間層が2つ、出力層が1つ)のニューラルネットワークを用いたが、2×2×1(入力層が2つ、中間層が2つ、出力層が1つ)のニューラルネットワークを用いてもよい。また、入力層に入力する説明変数は特徴量1〜3に加えて他の変数(年齢、性別、病歴など)を入力してもよい。
方法2では、数1に示す式を用いて評価値を算出する。
なお、係数A,B,Cは特徴量1〜3に対する重みであって、評価値に対する特徴量1〜3の寄与率を示し、適宜設定される。
方法3では、数2に示す式を用いて評価値を算出する。数2は、数1における係数A,B,Cを均等の値にした場合(A=B=C=1/3)に等しい。
(ステップS4)
S4では、表示部11dはディスプレイ15に、大腰筋領域22を評価値に応じて異なる表示態様とした(例えば、色分け表示)結果画像や評価値などを表示する(S4)。以下では、評価値の範囲をD以下、Dより大きくE以下、E以上の3範囲に設定して色分け表示する場合について説明する。なお、設定範囲数は上記の3範囲に限らず、任意に設定可能である。
S4では、表示部11dはディスプレイ15に、大腰筋領域22を評価値に応じて異なる表示態様とした(例えば、色分け表示)結果画像や評価値などを表示する(S4)。以下では、評価値の範囲をD以下、Dより大きくE以下、E以上の3範囲に設定して色分け表示する場合について説明する。なお、設定範囲数は上記の3範囲に限らず、任意に設定可能である。
また、D、Eの値は、被検体の年齢や性別、病歴などを考慮して設定され、予め設定されている。例えば、D以下の範囲は筋状態が良好であると臨床医によって判定される群、Dより大きくE以下の範囲は筋状態が普通であると臨床医によって判定される群、E以上の範囲は筋状態が悪いと臨床医によって判定される群と設定する。
(ステップS41)
S41では、評価値がD以下(評価値≦D)であるかどうかが、判定される(S41)。評価値がD以下の場合は、S42に進む。評価値がDより大きい場合は、S43に進む。
S41では、評価値がD以下(評価値≦D)であるかどうかが、判定される(S41)。評価値がD以下の場合は、S42に進む。評価値がDより大きい場合は、S43に進む。
(ステップS42)
S42では、大腰筋領域22が青色で表示される(S42)。
S42では、大腰筋領域22が青色で表示される(S42)。
(ステップS43)
S43では、評価値がDより大きくE以下(D<評価値≦E)であるかどうかが、判定される(S43)。評価値がDより大きくE以下である場合は、S44に進む。評価値がEより大きい場合は、S45に進む。
S43では、評価値がDより大きくE以下(D<評価値≦E)であるかどうかが、判定される(S43)。評価値がDより大きくE以下である場合は、S44に進む。評価値がEより大きい場合は、S45に進む。
(ステップS44)
S44では、大腰筋領域22が黄色で表示される(S44)。
S44では、大腰筋領域22が黄色で表示される(S44)。
(ステップS45)
S45では、大腰筋領域22が赤色で表示される(S45)。図8(a)〜(c)は、ディスプレイ15の画面表示例を示す図である。画面には、CT画像が表示される。また、被検体のID(患者ID)、大腰筋面積値、脂肪とのコントラスト差、大腰筋の左右差(左右差)、及び評価値(スコア)が表示される。
S45では、大腰筋領域22が赤色で表示される(S45)。図8(a)〜(c)は、ディスプレイ15の画面表示例を示す図である。画面には、CT画像が表示される。また、被検体のID(患者ID)、大腰筋面積値、脂肪とのコントラスト差、大腰筋の左右差(左右差)、及び評価値(スコア)が表示される。
また、ディスプレイ15はタブ83を表示する。ユーザーがタブ83(今日、過去、経年比較)をマウス17等でクリックすると、現在に生成されたCT画像81、82、過去に生成されたCT画像84,85、経時比較をするためのCT画像82、85がディスプレイ15に切り替えて表示される。
図8(a)は、被検体の現在のCT画像81、82をディスプレイ15に併置して表示した画面表示例である。CT画像81は評価値に応じた画像処理が施されていない。CT画像82は結果画像であり、大腰筋領域22には評価値に応じた画像処理が施されている。
図8(b)は、被検体の過去のCT画像84、85をディスプレイ15に併置して表示した画面表示例である。CT画像84は評価値に応じた画像処理が施されていない。CT画像85は被検体の過去の状態を示す結果画像である。
図8(c)は、被検体の現在のCT画像82と過去のCT画像85とをディスプレイ15に併置して表示した画面表示例である。これにより、容易に被検体の状態を経時比較できる。
なお、上記S42乃至S45における表示に用いる色は任意である。また、表示の仕方としては、色分けして表示するほか、網掛けして表示するなど、評価値の範囲がユーザーに分かる表示であればよい。
また、ユーザーが画像データベース4から着目する被検体とは別の被検体の画像を指定すると、ディスプレイ15は指定された画像を被検体の個人名を伏せて表示してもよい。
また、ユーザーが画像データベース4を検索すると、CPU11は画像データベース4から検索条件に該当する画像を抽出してもよい。例えば、検索条件として、着目する被検体と同性、同年齢であることや、着目する被検体と類似することなどを設定する。ディスプレイ15は着目する被検体の結果画像とともに、検索された複数の他の被検体の結果画像を表示してもよい。
また、ディスプレイ15は成年男子、成年女子の標準的なCT画像(模擬画像)や、評価値や特徴量1〜3の統計的な平均値などを表示してもよい。
(ステップS5)
S5では、次の患者(被検体)のCT画像を処理するかどうかが判定される。次のCT画像を処理する場合には、S1に戻る。次のCT画像を処理しない場合には、処理を終了する。
S5では、次の患者(被検体)のCT画像を処理するかどうかが判定される。次のCT画像を処理する場合には、S1に戻る。次のCT画像を処理しない場合には、処理を終了する。
本実施の形態により、大腰筋に灌流している脂肪を定量化し、大腰筋の状態を評価値によって定量的に示すことができる。ユーザーは大腰筋の状態を定量評価できる。また、評価値に応じたCT画像の色分け表示により、大腰筋の状態を視覚的に容易に把握できる。さらに、現在と過去の結果画像を表示することにより、ユーザーは大腰筋の経時的な状態変化も把握でき、肥満などの治療における効果を確認できる。また、患者(被検体)の治療意欲の向上も期待できる。
なお、上記の特徴量1〜3に加えて、大腰筋と脊柱起立筋群との面積比を特徴量として考慮し、評価値を算出してもよい。この場合には、評価値の大腰筋の正常度を示す信憑性が更に高まる。
<第二実施形態>
本実施形態では、特徴部位は肝臓であり、抽出部11bは関心領域として肝臓領域を抽出する。算出部11cは、肝臓の状態を示す評価値を算出する。以下、図9乃至図10に従って本実施形態に係わる処理を説明する。図9は、処理の流れを示すフローチャートである。なお、図3と同一のステップは同一のステップ番号で示されている。図10は、本実施形態における評価値の算出方法を説明する図である。
本実施形態では、特徴部位は肝臓であり、抽出部11bは関心領域として肝臓領域を抽出する。算出部11cは、肝臓の状態を示す評価値を算出する。以下、図9乃至図10に従って本実施形態に係わる処理を説明する。図9は、処理の流れを示すフローチャートである。なお、図3と同一のステップは同一のステップ番号で示されている。図10は、本実施形態における評価値の算出方法を説明する図である。
(ステップS91)
S91では、S1と同様に、読込部11aは被検体のCT画像23を読み込む。抽出部11bは、CT画像23から関心領域として肝臓領域(肝臓実質領域)24を抽出する(S91)。
S91では、S1と同様に、読込部11aは被検体のCT画像23を読み込む。抽出部11bは、CT画像23から関心領域として肝臓領域(肝臓実質領域)24を抽出する(S91)。
(ステップS92)
S92では、抽出部11bは、肝臓領域24から濃度値の低濃度領域25(濃度が不均一な領域も含む)を抽出する(S92)。なお、低濃度領域25は、肝臓領域内の脂肪領域を示す。抽出処理は、特定の濃度値を閾値に設定するなどの手法によりCT画像から肝臓領域を自動で抽出してもよいし、マウスでCT画像上の低濃度領域を範囲指定するなど手動で抽出してもよい。
S92では、抽出部11bは、肝臓領域24から濃度値の低濃度領域25(濃度が不均一な領域も含む)を抽出する(S92)。なお、低濃度領域25は、肝臓領域内の脂肪領域を示す。抽出処理は、特定の濃度値を閾値に設定するなどの手法によりCT画像から肝臓領域を自動で抽出してもよいし、マウスでCT画像上の低濃度領域を範囲指定するなど手動で抽出してもよい。
(ステップS93)
S93では、算出部11cは、肝臓領域24全体のCT値の平均値を求める(S93)。
S93では、算出部11cは、肝臓領域24全体のCT値の平均値を求める(S93)。
(ステップS94)
S94では、算出部11cは、低濃度領域25のランレングスを直交する2方向(a、b)について求める(S94)。なお、直交する2方向a及びb(図示せず)は、適宜設定される。
(ステップS95)
S95では、算出部11cが特徴量1〜3に基づいて、数3に示す式を用いて肝臓の状態を示す評価値を算出する(S95)。
S94では、算出部11cは、低濃度領域25のランレングスを直交する2方向(a、b)について求める(S94)。なお、直交する2方向a及びb(図示せず)は、適宜設定される。
(ステップS95)
S95では、算出部11cが特徴量1〜3に基づいて、数3に示す式を用いて肝臓の状態を示す評価値を算出する(S95)。
ここで、特徴量1は、CT画像23における肝臓領域24の面積(S)である。特徴量2は、肝臓領域24の平均CT値である。特徴量3は低濃度領域(脂肪領域)の平均CT値である。
X_RL:低濃度領域25のX方向の長さ(平均値)
Y_RL:低濃度領域25のY方向の長さ(平均値)
△CT:肝臓領域24の平均CT値−低濃度領域25の平均CT値
avCT:肝臓領域24の平均CT値
CTc:経験的に決定される実験値(例えば、−80などの定数)
S:肝臓領域24の面積
XとYは互いに直交する軸(図示せず)であり、CT画像23上で適宜設定される。
Y_RL:低濃度領域25のY方向の長さ(平均値)
△CT:肝臓領域24の平均CT値−低濃度領域25の平均CT値
avCT:肝臓領域24の平均CT値
CTc:経験的に決定される実験値(例えば、−80などの定数)
S:肝臓領域24の面積
XとYは互いに直交する軸(図示せず)であり、CT画像23上で適宜設定される。
(ステップS4乃至S5)
S4乃至S5では、第一実施形態と同様に、表示部11dは評価値や結果画像などを表示し(S4)、次の患者(被検体)のCT画像を処理するかどうかが判定され(S5)、終了する。なお、画像表示については、図8(a)〜(c)におけるCT画像81〜85を、CT画像23や肝臓領域24を色分け表示した結果である結果画像に置き換えて表示する。また表示部11dは画面上に脂肪領域25の面積の値を表示してもよい。
S4乃至S5では、第一実施形態と同様に、表示部11dは評価値や結果画像などを表示し(S4)、次の患者(被検体)のCT画像を処理するかどうかが判定され(S5)、終了する。なお、画像表示については、図8(a)〜(c)におけるCT画像81〜85を、CT画像23や肝臓領域24を色分け表示した結果である結果画像に置き換えて表示する。また表示部11dは画面上に脂肪領域25の面積の値を表示してもよい。
本実施の形態により、肝臓の状態を評価値によって定量的に示すことができる。ユーザーは肝臓の状態を定量評価できる。また、評価値に応じたCT画像の色分け表示により、肝臓の状態を視覚的に容易に把握できる。さらに、現在と過去の結果画像を表示することにより、肝臓の経時的な状態変化も把握でき、例えば脂肪肝などの治療における効果を確認でき、患者(被検体)の治療意欲の向上も期待できる。
<第三実施形態>
本実施形態では、被検体の腹部を撮影して得られたアキシャル像を用いる。特徴部位は被検体の体組織である。抽出部11bは関心領域として被検体の体組織領域を抽出する。算出部11cは、被検体の内臓脂肪量に基づく肥満の状態を示す評価値を算出する。
本実施形態では、被検体の腹部を撮影して得られたアキシャル像を用いる。特徴部位は被検体の体組織である。抽出部11bは関心領域として被検体の体組織領域を抽出する。算出部11cは、被検体の内臓脂肪量に基づく肥満の状態を示す評価値を算出する。
以下、図11乃至図13に従って本実施形態に係わる処理を説明する。図11は、処理の流れを示すフローチャートである。なお、図3と同一のステップは同一のステップ番号で示されている。図12は、特徴量算出の処理の流れを示すフローチャートである。図13は、特徴量1〜3の算出方法を説明する図である。
(ステップS111)
S111では、S1と同様に、読込部11aは被検体のCT画像27を読み込む。抽出部11bは、CT画像27から関心領域として体組織領域28を抽出する(S111)。
S111では、S1と同様に、読込部11aは被検体のCT画像27を読み込む。抽出部11bは、CT画像27から関心領域として体組織領域28を抽出する(S111)。
(ステップS112)
S112では、算出部11cは、ウエスト周囲径131を算出する(S112)。
S112では、算出部11cは、ウエスト周囲径131を算出する(S112)。
(ステップS113)
S113では、抽出部11bは、体組織領域28内の脂肪外領域132(斜線部)を抽出する(S113)。
S113では、抽出部11bは、体組織領域28内の脂肪外領域132(斜線部)を抽出する(S113)。
(ステップS114)
S114では、脂肪領域133が内臓脂肪領域134と皮下脂肪領域135とに分割される(S114)。分割処理については手動で行なってもよいし、自動で行なってもよい。
S114では、脂肪領域133が内臓脂肪領域134と皮下脂肪領域135とに分割される(S114)。分割処理については手動で行なってもよいし、自動で行なってもよい。
(ステップS115)
S115では、算出部11cが特徴量1〜3を算出する(S115)。
S115では、算出部11cが特徴量1〜3を算出する(S115)。
(ステップS121)
S121では、算出部11cが特徴量1を算出する(S121)。特徴量1は、被検体のウエスト周囲径131と標準人体のウエスト周囲径(基準ウエスト周囲径)との割合であり、数4により求められる。なお、基準ウエスト周囲径は、性別によって異なる値が予め設定されており、例えば男性85cm、女性90cmである。
S121では、算出部11cが特徴量1を算出する(S121)。特徴量1は、被検体のウエスト周囲径131と標準人体のウエスト周囲径(基準ウエスト周囲径)との割合であり、数4により求められる。なお、基準ウエスト周囲径は、性別によって異なる値が予め設定されており、例えば男性85cm、女性90cmである。
(ステップS122)
S122では、算出部11cが特徴量2を算出する(S122)。特徴量2は、内臓脂肪領域134の面積(内蔵脂肪面積)と標準人体の内臓脂肪面積(基準内臓脂肪面積)との割合であり、数5により求められる。基準内臓脂肪面積は、予め設定されており、例えば100cm2である。
S122では、算出部11cが特徴量2を算出する(S122)。特徴量2は、内臓脂肪領域134の面積(内蔵脂肪面積)と標準人体の内臓脂肪面積(基準内臓脂肪面積)との割合であり、数5により求められる。基準内臓脂肪面積は、予め設定されており、例えば100cm2である。
(ステップS123)
S123では、算出部11cが特徴量3を算出する(S123)。特徴量3は、脂肪領域133の面積(体組織領域の全体の脂肪面積、内臓脂肪領域134の面積+皮下脂肪領域135の面積)と内臓脂肪領域134の面積(内臓脂肪面積)との割合であり、数6により求められる。
S123では、算出部11cが特徴量3を算出する(S123)。特徴量3は、脂肪領域133の面積(体組織領域の全体の脂肪面積、内臓脂肪領域134の面積+皮下脂肪領域135の面積)と内臓脂肪領域134の面積(内臓脂肪面積)との割合であり、数6により求められる。
(ステップS3乃至S5)
S3乃至S5では、第一実施形態と同様に、算出部11cはS3の方法1によって体組織の状態として内臓脂肪型肥満の状態を示す評価値を算出し(S3)、表示部11dは評価値や結果画像を表示し(S4)、次の患者(被検体)のCT画像を処理するかどうか判定され(S5)、終了する。なお、方法1のニューラルネットワークにおける入力値には、S121乃至S123で算出した特徴量1〜3を用いる。
S3乃至S5では、第一実施形態と同様に、算出部11cはS3の方法1によって体組織の状態として内臓脂肪型肥満の状態を示す評価値を算出し(S3)、表示部11dは評価値や結果画像を表示し(S4)、次の患者(被検体)のCT画像を処理するかどうか判定され(S5)、終了する。なお、方法1のニューラルネットワークにおける入力値には、S121乃至S123で算出した特徴量1〜3を用いる。
また、画像表示については、図8(a)〜(c)におけるCT画像81〜82、CT画像84〜85をCT画像27や、CT画像27の内臓脂肪領域134や皮下脂肪領域135等を色分け表示した結果画像に置き換えて表示する。また、表示部11dは、脂肪領域の面積値を表示してもよい。
本実施の形態により、体組織領域に灌流している脂肪を定量化し、内臓脂肪型肥満の状態を評価値によって定量的に示すことができる。ユーザーは、内臓脂肪型肥満の状態を定量評価できる。また、評価値に応じたCT画像の色分け表示により、内臓脂肪型肥満の状態を視覚的に容易に把握できる。さらに、現在と過去の結果画像を表示することにより、体組織の経時的な状態変化も把握でき、肥満などの治療における効果を確認でき、患者(被検体)の治療意欲の向上も期待できる。
なお、上記実施形態では、ガントリータイプのX線CT装置について説明したが、Cアーム型のX線CT装置でもよい。
1…医用画像診断支援システム、2…医用画像撮影装置、3…LAN、4…画像データベース、10…医用画像診断支援装置、11…CPU、12…主メモリ、13…磁気ディスク、14…表示メモリ、15…ディスプレイ、16…キーボード、17…マウス、17a…コントローラ、18…プリンタ、19…共通バス
Claims (4)
- 医用画像撮影装置により撮影して得られた被検体の断層像を読み込む読込手段と、
前記断層像から前記被検体の特徴部位が撮影された関心領域を抽出する抽出手段と、
前記関心領域の特徴量を含む複数の特徴量に基づいて、前記特徴部位の状態を定量的に評価した評価値を算出する算出手段と、
前記抽出手段によって抽出された前記関心領域を前記評価値に応じた表示態様で表示する表示手段と、
を備えることを特徴とする医用画像診断支援装置。 - 前記抽出手段は、前記関心領域として大腰筋領域を抽出し、
前記算出手段は、前記左右の大腰筋領域の各面積の差、前記大腰筋領域の全体の面積と前記大腰筋領域に含まれる筋領域の面積との割合、及び前記大腰筋領域と前記大腰筋領域の周辺の脂肪領域との前記断層像における画像コントラスト差、を含む特徴量に基づいて、大腰筋の状態を示す前記評価値を算出する、
ことを特徴とする請求項1に記載の医用画像診断支援装置。 - 前記抽出手段は、前記関心領域として肝臓領域を抽出し、
前記算出手段は、前記肝臓領域の面積、前記肝臓領域の平均CT値、及び前記肝臓領域に含まれる脂肪領域の平均CT値、を含む特徴量に基づいて、肝臓の状態を示す前記評価値を算出する、
ことを特徴とする請求項1に記載の医用画像診断支援装置。 - 前記断層像は、前記被検体の腹部を撮影して得られたアキシャル像であって、
前記抽出手段は、前記関心領域として前記被検体の体組織領域を抽出し、
前記算出手段は、前記被検体のウエスト周囲径と標準的な人体のウエスト周囲径を示す基準ウエスト周囲径との割合、前記被検体の内臓脂肪面積と標準的な人体の内蔵脂肪面積を示す基準内臓脂肪面積との割合、及び前記体組織領域の全体の脂肪面積と前記内臓脂肪面積との割合、を含む前記特徴量に基づいて、前記被検体の内臓脂肪量に基づく肥満の状態を示す前記評価値を算出する、
ことを特徴とする請求項1に記載の医用画像診断支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005297899A JP2007105164A (ja) | 2005-10-12 | 2005-10-12 | 医用画像診断支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005297899A JP2007105164A (ja) | 2005-10-12 | 2005-10-12 | 医用画像診断支援装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007105164A true JP2007105164A (ja) | 2007-04-26 |
Family
ID=38031499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005297899A Pending JP2007105164A (ja) | 2005-10-12 | 2005-10-12 | 医用画像診断支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007105164A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009022576A (ja) * | 2007-07-20 | 2009-02-05 | Fujifilm Corp | 診断指標取得方法 |
JP2009028395A (ja) * | 2007-07-30 | 2009-02-12 | Fujifilm Corp | 診断指標取得方法 |
JP2009207541A (ja) * | 2008-02-29 | 2009-09-17 | Toshiba Corp | 医用画像読影支援装置 |
WO2020090246A1 (ja) * | 2018-10-29 | 2020-05-07 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP2023501403A (ja) * | 2019-11-08 | 2023-01-18 | フレセニウス メディカル ケア ホールディングス インコーポレーテッド | 透析アクセス部位の画像ベースの検査のための技法 |
-
2005
- 2005-10-12 JP JP2005297899A patent/JP2007105164A/ja active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009022576A (ja) * | 2007-07-20 | 2009-02-05 | Fujifilm Corp | 診断指標取得方法 |
JP2009028395A (ja) * | 2007-07-30 | 2009-02-12 | Fujifilm Corp | 診断指標取得方法 |
JP4625055B2 (ja) * | 2007-07-30 | 2011-02-02 | 富士フイルム株式会社 | 診断指標取得装置 |
US8634609B2 (en) * | 2007-07-30 | 2014-01-21 | Fujifilm Corporation | Apparatus for acquiring a diagnostic index for body fat |
JP2009207541A (ja) * | 2008-02-29 | 2009-09-17 | Toshiba Corp | 医用画像読影支援装置 |
WO2020090246A1 (ja) * | 2018-10-29 | 2020-05-07 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
CN112970043A (zh) * | 2018-10-29 | 2021-06-15 | 富士胶片株式会社 | 信息处理装置、信息处理方法及程序 |
JPWO2020090246A1 (ja) * | 2018-10-29 | 2021-10-21 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US11925481B2 (en) | 2018-10-29 | 2024-03-12 | Fujifilm Corporation | Information processing device, information processing method, and program |
CN112970043B (zh) * | 2018-10-29 | 2024-05-14 | 富士胶片株式会社 | 信息处理装置、信息处理方法及计算机程序产品 |
JP2023501403A (ja) * | 2019-11-08 | 2023-01-18 | フレセニウス メディカル ケア ホールディングス インコーポレーテッド | 透析アクセス部位の画像ベースの検査のための技法 |
JP7423770B2 (ja) | 2019-11-08 | 2024-01-29 | フレセニウス メディカル ケア ホールディングス インコーポレーテッド | 透析アクセス部位の画像ベースの検査のための技法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6257092B2 (ja) | 画像処理装置及び脊柱管評価方法 | |
US8792698B2 (en) | Medical imaging processing device, medical image processing method, and program | |
JP4818846B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
EP1847221B1 (en) | Diagnostic imaging support system and diagnostic imaging support program | |
Nadeau et al. | Quantitative ultrasound imaging of Achilles tendon integrity in symptomatic and asymptomatic individuals: reliability and minimal detectable change | |
JP2008176816A (ja) | 健康状態によるアバター映像の生成方法及び装置 | |
Anbeek et al. | Automated MS-lesion segmentation by k-nearest neighbor classification | |
US9639928B2 (en) | Method and device for simplifying information obtained from electrical impedance tomography | |
KR102206621B1 (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
JP2007105164A (ja) | 医用画像診断支援装置 | |
JP2022008806A (ja) | 血圧推定システム、血圧推定方法、学習装置、学習方法及びプログラム | |
JP6743588B2 (ja) | 医用画像システム及びプログラム | |
JP4649965B2 (ja) | 健康度判定装置、及びプログラム | |
Jones et al. | Reliability of an automated high-resolution manometry analysis program across expert users, novice users, and speech-language pathologists | |
JPWO2020091053A1 (ja) | 健康度ポジショニングマップおよび健康関数を作成する方法、システム、およびプログラム、ならびにそれらの使用方法 | |
Pershin et al. | Artificial intelligence for the analysis of workload-related changes in radiologists’ gaze patterns | |
WO2020217462A1 (ja) | 生活習慣評価システムおよびそのプログラム | |
KR20210054925A (ko) | 골밀도 산출을 위한 관심영역 추출 시스템 및 방법 | |
KR101431745B1 (ko) | 생체 중의 특정 부위에 대한 분석정보 출력방법 및 장치 | |
CN111557692B (zh) | 目标器官组织的自动测量方法、超声测量装置及介质 | |
Chiang et al. | Plus disease in retinopathy of prematurity: development of composite images by quantification of expert opinion | |
Camargo et al. | Sleep apnea-hypopnea quantification by cardiovascular data analysis | |
Harmouche et al. | A robust emphysema severity measure based on disease subtypes | |
JP7459658B2 (ja) | 身体能力提示方法および身体能力提示装置 | |
JP5292616B2 (ja) | 内臓脂肪情報演算装置、及び内臓脂肪算出プログラム |