JP2007105207A - 医用画像処理装置 - Google Patents

Abstract

【課題】頭部の断層画像における異常陰影候補領域が真に異常陰影か又は異常陰影と類似する正常陰影かを精度良く判別可能とする。
【解決手段】本発明に係る医用画像処理装置１０によれば、入力された頭部画像から判別の対象となる一のラクナ陰影候補領域を抽出し、抽出したラクナ陰影候補領域の大きさ、円形度、コントラスト、部位の４つの特徴量を算出し、この特徴量を線形判別関数Ｆ２に入力し、判別分析により、当該ラクナ陰影候補領域が異常陰影（ラクナ梗塞陰影）であるか又は正常陰影（血管周囲腔の拡大）の陰影であるかを判別する。そして、判別対象となった領域を示すアノテーションを重畳し、判別結果及び特徴量を表示部に表示する。
【選択図】図８

Description

本発明は、人体の頭部を撮影した医用画像に含まれる異常陰影候補領域が真に異常陰影か又は異常陰影と類似する正常陰影かを判別する異常陰影判別方法、及び医用画像処理装置に関する。

近年、磁気共鳴撮影装置（以下、ＭＲＩ；Magnetic Resonance Imagingという）の普及と高性能化に伴い、脳ドック検査の件数が急速に増加してきている。脳ドックにおいて最も高頻度に見つかる異常は無症候性脳梗塞である。無症候性脳梗塞を早期に発見し、原因とされる生活習慣の改善や血圧管理、投薬治療等を行うことによって、その後に起こり得る重篤な脳卒中を予防することは、脳ドックの目的の一つとなっている。

無症候性脳梗塞の大半は、脳内の穿通枝と呼ばれる細い血管の血流が途絶え、その先の細胞が壊死に陥り発症するラクナ梗塞である。ところで、ＭＲＩ画像等の頭部の断層画像において、ラクナ梗塞と似た陰影を呈するものに、血管周囲腔の拡大がある。しかし、血管周囲腔の拡大は正常であるため、ラクナ梗塞の場合と異なり投薬治療を行う必要はない。このラクナ梗塞と血管周囲腔の拡大との判別は、医師の経験による主観的な画像診断によって行われている。

例えば、乳房画像においては、微小石灰化に関する様々な画像特徴をコンピュータによって計測し、良性であるのか悪性であるのかの可能性を医師に提示するコンピュータ診断支援システムが開示されている（例えば、非特許文献１〜４参照）。また、異常陰影の良悪性鑑別を行う画像診断装置が開示されている（例えば、特許文献１、２参照）。
Chan HP, Sahiner B, Patrick N et al.: Computerized classification of malignant and benign microcalcifications on mammograms,Phys.Med.Biol.,42（3）,549-567,1997 Wu YC, freedman MT,Hasegawa A, et al.: Classification of microcalcifications in radiographs of pathologic specimens for the diagnosis of breast cancer, Acad.Radiol.,2（3）,199-204,1995 篠原範充、原武史、藤田広志、岩瀬拓士、遠藤登喜子：高解像度乳房Ｘ線写真を利用した微小石灰化像の良悪性鑑別に関する研究、医用画像情報学会雑誌,20（2）,104-111,2003 R.Nakayama, Y.Uchiyama, R.Watanabe, K.Namba, S.Katsuragawa, K.Doi: Computer-Aided Diagnosis Scheme for Histological Classification of Clustered Microcalcificarions on Magnification Mammograms, Medical Physics, 2004, 31（4）,789-799 特開２００２−７４３２７号公報 特開２００２−７４３２６号公報

しかしながら、頭部の断層画像におけるラクナ梗塞の陰影と血管周囲腔の拡大の陰影の判別をコンピュータにより行う手法は提案されておらず、両者の判別は、医師の経験による主観的な判断によって行われていた。

本発明の課題は、頭部の断層画像における異常陰影候補領域が真に異常陰影か又は異常陰影と類似する正常陰影かを精度良く判別可能とすることである。

上記課題を解決するため、請求項１に記載の発明の異常陰影判別方法は、
頭部の断層画像から異常陰影候補領域を抽出する工程と、
前記抽出された異常陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する工程と、
前記算出された特徴量に基づいて、前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別する工程と、
を含むことを特徴としている。

請求項２に記載の発明は、請求項１に記載の発明において、
前記頭部の断層画像は、ＭＲＩにより撮影されたＭＲＩ画像であることを特徴としている。

請求項３に記載の発明は、請求項２に記載の発明において、
前記ＭＲＩ画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴としている。

請求項４に記載の発明は、請求項１〜３の何れか一項に記載の発明において、
前記異常陰影はラクナ梗塞の陰影であり、前記異常陰影に類似する正常陰影は血管周囲腔の拡大の陰影であることを特徴としている。

請求項５に記載の発明は、請求項１〜４の何れか一項に記載の発明において、
前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別した判別結果を出力する工程を含むことを特徴としている。

請求項６に記載の発明の医用画像処理装置は、
頭部の断層画像から異常陰影候補領域を抽出する抽出手段と、
前記抽出された異常陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づいて、前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別する判別手段と、
を備えたことを特徴としている。

請求項７に記載の発明は、請求項６に記載の発明において、
前記頭部の断層画像は、ＭＲＩにより撮影されたＭＲＩ画像であることを特徴としている。

請求項８に記載の発明は、請求項７に記載の発明において、
前記ＭＲＩ画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴としている。

請求項９に記載の発明は、請求項６〜８の何れか一項に記載の発明において、
前記異常陰影はラクナ梗塞の陰影であり、前記異常陰影に類似する正常陰影は血管周囲腔の拡大の陰影であることを特徴としている。

請求項１０に記載の発明は、請求項６〜９の何れか一項に記載の発明において、
前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別した判別結果を出力する出力手段を備えたことを特徴としている。

本発明によれば、頭部の断層画像における異常陰影候補領域が真に異常陰影か又は異常陰影と類似する正常陰影かを精度良く判別することが可能となる。これにより、医師に対しラクナ梗塞を画像診断するための客観的な判断材料を提供することが可能となり、ラクナ梗塞の画像診断の精度を向上させることが可能となる。

図１に、本実施形態における医用画像処理装置１０の内部構成を示す。
図１に示すように、医用画像処理装置１０は、制御部１１、操作部１２、表示部１３、通信部１４、記憶部１５、判別関数算出部１６、異常陰影候補検出部１７、陰影判別部１８を備えて構成され、各部はバス１９を介して接続されている。

以下、各部について説明する。
制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory
）等を備えて構成される。ＣＰＵは、記憶部１５に記憶されているシステムプログラムを読み出し、ＲＡＭ内に形成されたワークエリアに展開し、該システムプログラムに従って、医用画像処理装置１０の各部を制御する。

操作部１２は、カーソルキーや数字キー、各種機能キーからなるキーボード、マウスやタッチパネル等のポインティングディバイスを備えて構成され、押下されたキーやマウスの操作に対応する操作信号を生成して制御部１１に出力する。

表示部１３は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ等のモニタにより構成され、ＣＰＵ２１から入力される表示信号の指示に従って、画像の表示を行う。

通信部１４は、ネットワークインターフェイスカード等の通信用インターフェイスにより構成され、病院内のＬＡＮを介して接続されるＭＲＩ装置、ＣＲ（Computed Radiography）装置等の各種撮影装置からの医用画像を受信する。

なお、医用画像の入力は、通信による入力方法に限らない。例えば、各種撮影装置と接続するためのインターフェイスを備え、このインターフェイスを介して上記の各種撮影装置において撮影された医用画像を医用画像処理装置１０に入力することとしてもよい。

記憶部１５は、ＨＤＤ（Hard Disc Drive）や不揮発性の半導体メモリ等により構成され、医用画像処理装置１０に対応するシステムプログラム、判別関数算出処理プログラム、異常陰影候補検出プログラム、陰影判別処理プログラムを始めとする各種プログラム、各種データ、パラメータ等を記憶する。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、制御部１１は、当該プログラムコードに従った動作を逐次実行する。

また、本実施の形態において、記憶部１５は、基準画像ＤＢ（Data Base）１５１、判別関数記憶部１５２及び画像データ記憶部１５３を有している。
基準画像ＤＢ１５１は、図２に示すように、頭部の各部位のＭＲＩによる断層（スライス）画像の基準画像を、スライス番号（被写体のｚ方向（足−頭方向）の情報）と対応付けて格納するデータベースである。
判別関数記憶部１５２は、後述する判別関数算出部１６により算出された線形判別関数Ｆ１及びＦ２を記憶する。
画像データ記憶部１５３は、通信部１４を介して受信された画像データを記憶する。

判別関数算出部１６は、ＣＰＵ、ＲＡＭ等から構成され、記憶部１５から判別関数算出処理プログラムを読み出して、当該プログラムとの協働により後述する異常陰影候補検出部１７で用いられる線形判別関数Ｆ１と、陰影判別部１８で用いられる線形判別関数Ｆ２を算出し、判別関数記憶部１５２に記憶する。
線形判別関数Ｆ１の算出は、ラクナ梗塞（詳細後述）である陰影の画像とそれ以外の陰影の画像からそれぞれの陰影の特徴量（ここでは、大きさ：Ｘ１、円形度：Ｘ２）を算出し、得られたＸ１特徴量、Ｘ２特徴量を入力説明変量として、２つのクラス（ラクナ梗塞の陰影とそれ以外の陰影）を最も分離する一次式を求めることにより行う。大きさ：Ｘ１は、陰影の画素数とする。円形度：Ｘ２は、図３に示すように、陰影の総面積と同じ大きさの面積の円の重心を陰影の重心に置いたときの、陰影の総面積に対する円の内部にある陰影の面積の割合とする。
線形判別関数Ｆ２の算出は、ラクナ梗塞である陰影の画像と血管周囲腔の拡大である陰影の画像のそれぞれから、陰影の特徴量（ここでは、大きさ：Ｙ１、円形度：Ｙ２、コントラスト：Ｙ３、部位：Ｙ４）を算出し、得られたＹ１特徴量、Ｙ２特徴量、Ｙ３特徴量、Ｙ４特徴量を入力説明変量として２つのクラス（ラクナ梗塞の陰影とそれ以外の陰影）を最も分離する一次式を求めることにより行う。大きさ：Ｙ１は、例えば、陰影の画素数とする。円形度：Ｙ２は、図３に示すように、陰影の総面積と同じ大きさの面積の円を陰影の重心に置いたときの、陰影の総面積に対する円の内部にある面積の割合とする。コントラスト：Ｙ３は、陰影の画素値の平均値から陰影の縁における画素値の平均を割ったものとする。部位：Ｙ４は、ラクナ梗塞の陰影、及び／又は、血管周囲腔の拡大の陰影を含む、ＭＲＩ装置で得られた各断層の画像と、基準画像ＤＢ１５１の各基準画像との相互相関係数を、テンプレートマッチング法により求め、最大の相互相関係数を示す画像のスライス番号（被写体のｚ方向（足−頭方向）の情報）をＹ４特徴量として採用する。更に、当該スライス番号の画像内での前記陰影の位置情報（被写体のｘｙ方向（背−胸、左−右方向）の情報）を含んで、Ｙ４特徴量として採用することとしても良い。

異常陰影候補検出部１７は、ＣＰＵ、ＲＡＭ等から構成され、記憶部１５から異常陰影候補検出プログラムを読み出して、当該プログラムとの協働により後述する異常陰影候補検出処理を実行し、ＭＲＩ装置により撮影された頭部の断層画像から異常陰影候補領域を検出する。
陰影判別部１８は、ＣＰＵ、ＲＡＭ等から構成され、記憶部１５から陰影判別プログラムを読み出して、当該プログラムとの協働により後述する陰影判別処理を実行し、頭部画像の異常陰影候補領域が真に異常領域（ラクナ梗塞）であるか、それと類似した正常領域（血管周囲腔の拡大）であるかを判別する。

なお、判別関数算出部１６、異常陰影候補検出部１７、陰影判別部１８のＣＰＵ及びＲＡＭは、制御部１１のＣＰＵ及びＲＡＭを用いることとしてもよい。

以下、異常陰影候補検出部１７により実行される異常陰影候補検出処理及び陰影判別部１８により実行される陰影判別処理について説明する。本実施形態では、異常陰影候補検出部１７において、ＭＲＩ装置により頭部の断層像を撮影されたＭＲＩ画像（Ｔ１強調画像、Ｔ２強調画像、又はフレア画像）を用いて脳梗塞の原因となるラクナ梗塞の異常陰影候補（以下、ラクナ梗塞陰影候補という）を検出し、陰影判別部１８において、その検出された結果を更に詳しく判別する。

ラクナ梗塞は、脳内の穿通枝と呼ばれる細い血管の血流が途絶え、その先の細胞が壊死に陥り発症するものである。このラクナ梗塞は、ＭＲＩ画像において、直径約３ｍｍ〜１０ｍｍの円形状の陰影として周辺領域と異なるコントラストで浮かび上がる。そこで、異常陰影候補検出部１７においては、ＭＲＩ画像において、コントラスト、大きさ、円形度等を用いて、ラクナ梗塞の病変として注目すべき主要な特徴をもつ領域を検出する。一方、ＭＲＩ画像においてラクナ梗塞と似た陰影を呈するものに、例えば、血管周囲腔の拡大があり、この陰影は、異常陰影候補検出部１７においてラクナ梗塞陰影候補として検出され得る。そこで、陰影判別部１８においては、異常陰影候補検出部１７よりも更に多種類の特徴量を用い、異常陰影候補検出部１７において検出されたラクナ梗塞陰影候補の領域について、異常領域（ラクナ梗塞）であるか正常領域（血管周囲腔の拡大）であるかを判別する。なお、対象となるＭＲＩ画像の全領域において、コントラストが閾値以上の領域について、陰影判別部１８で用いる特徴量を用いて判別分析を行い、ラクナ梗塞陰影を１回の処理で検出することも考えられるが、処理時間がかかるため、処理効率上、異常陰影候補検出部１７と陰影検出部１８の２段階の処理を設け、陰影判別部１８による処理は、異常陰影候補検出部１７で検出されたラクナ梗塞陰影候補の領域、或いは、予め医師によりラクナ梗塞陰影候補であると診断された領域に対して行うことが好ましい。

ここで、異常陰影候補検出部１７、陰影判別部１８において用いられるＭＲＩ画像について説明する。ＭＲＩ画像は、医師がラクナ梗塞の診断を行うにあたって一般的に使用する医用画像であり、ＭＲＩ装置により撮影される。

ＭＲＩは、磁場内における核磁気共鳴（以下、ＮＭＲ；Nuclear Magnetic Resonanceという）を利用して画像を得る方法である。
ＮＭＲでは、被検体を静磁場中に置き、その後、被検体において検出対象とする原子核の共鳴周波数の電波を照射する。医用上は、通常、人体に多く存在する水を構成する水素原子の共鳴周波数が用いられる。被検体に電波が照射されると、励起現象が生じ、共鳴周波数に共鳴する原子の原子核スピンの位相がそろうとともに、原子核スピンが電波のエネルギーを吸収する。この励起状態で電波の照射を止めると、緩和現象が生じ、原子核スピンの位相が不均一化するとともに、原子核スピンがエネルギーを放出する。この位相の緩和の時定数がＴ１、エネルギーの緩和の時定数がＴ２である。

ＭＲＩでは、撮像方法を変えることにより、検査目的に応じた様々な種類の画像を得ることが可能である。例えば、上記Ｔ１が小さくなるように撮影条件を調整したものをＴ１強調画像、Ｔ２が大きくなるように撮影条件を調整したものをＴ２強調画像というが、両者は画像のコントラストに差異があり、主にＴ１強調画像は解剖構造の検出に、Ｔ２強調画像は病変部の検出に用いられる。また、ＦＬＡＩＲ法により撮影された画像は水からの信号を減衰させたＴ２強調画像であるが、特にフレア（ＦＬＡＩＲ）画像と呼ばれる。異常陰影候補検出部１７及び陰影判別部１８においては、頭部のＴ１強調画像、Ｔ２強調画像又はフレア画像を入力画像として検出及び判別を行う。

以下、図４を参照し、異常陰影候補検出部１７において実行される異常陰影候補検出処理について説明する。なお、処理中に使用される閾値等のパラメータは、記憶部１５から適宜読み出して使用するものとする。
まず、ＭＲＩ装置により撮影された頭部の断層画像の画像データの入力が行われる（ステップＳ１）。具体的には、異常陰影候補検出部１７により画像データ記憶部１５３に記憶されているＭＲＩ画像の中から処理対象の頭部の断層画像の読み込みが行われる。ここで、ＭＲＩ画像としては、Ｔ１強調画像、Ｔ２強調画像、フレア画像の何れであってもよい。以下、処理対象の頭部の断層画像を頭部画像と称する。

次いで、入力された頭部画像を２値化し、当該２値化画像からラクナ梗塞陰影候補の１次検出が行われる（ステップＳ２）。一般に、ラクナ梗塞の病期は、急性期、亜急性期、慢性期に分けられ、その相違によって、ＭＲＩ画像上のラクナ梗塞領域の画素値も変化する。また、撮影条件の違いによっても、画素値にばらつきが見られる。そこで、入力された頭部画像を用いて脳室領域の平均画素値を中心に、例えば−４５〜＋２５の範囲で１０づつ閾値を変化させながら２値化を行う。

また、ラクナ梗塞は脳室周辺で脳実質領域上に存在し、画像上では直径約３ｍｍ〜１０ｍｍの円形状の陰影として周辺領域と異なるコントラストで浮かび上がる。従って、２値化画像では、ラクナ梗塞陰影は直径約３ｍｍ〜１０ｍｍの円形状の形状を有し、周辺の脳実質領域と異なる画素値となることが予想される。よって、このような特徴的な濃度特性を有する領域を検出し、当該検出された領域における大きさ：Ｘ１、円形度：Ｘ２の特徴量を求め、これら特徴量を用いて、記憶部１５に記憶されている線形判別関数Ｆ１を用いて判別分析を行うことにより、ラクナ梗塞陰影候補の１次検出を行う。

上記の処理を、各閾値により得られた２値化画像のそれぞれについて行い、各２値化画像で検出された候補の重心の位置を元に、その重心から一定範囲内で各２値化画像で複数回検出されたラクナ梗塞陰影候補を１次候補とする。

次に、入力された頭部画像にオープニング（opening）処理を施すことにより、ステップＳ２では検出されなかった、脳室周辺に存在するラクナ梗塞陰影候補の１次検出が行われる（ステップＳ３）。
ラクナ梗塞陰影は、脳室近辺に存在することも多い。ラクナ梗塞が脳室に接するように存在すると、脳室は頭部画像上ではラクナ梗塞陰影と同様の濃度（例えば、Ｔ２強調画像上では低濃度）を呈するため、図５に示すように、頭部画像上においてラクナ梗塞陰影と脳室の画像が一部同化したように現れることがある。このような場合、ステップＳ２の検出方法では、ラクナ梗塞陰影は脳室の一部として扱われ、検出が困難となるため、opening処理を施すことにより、一部脳室から凸状に突出したラクナ梗塞陰影の領域と脳室の領域とを切り離したうえで、ラクナ梗塞陰影候補の検出を行う。

具体的には、半径１と８の円のopening処理画像の差分を求め、特徴量解析を行うこと
により、ラクナ梗塞領域候補を検出する。
検出されたラクナ梗塞領域候補は、ステップＳ２で検出された１次候補に追加される。

以上のようにして、１次候補が検出されると、頭部画像から脳実質領域が抽出され、当該脳実質領域以外の領域に存在する１次候補が偽陽性候補として検出され、１次候補から当該偽陽性候補が削除される（ステップＳ４）。脳実質領域は、頭部画像から得られた濃度ヒストグラムから最多頻度濃度値を求め、この最多頻度濃度値を領域拡張点として、領域拡張法により抽出される。図６に、抽出された脳実質領域例を示す。図６において、黒く色を付した領域が脳実質領域である。ラクナ梗塞陰影はこの脳実質領域上に存在するので、抽出された脳実質領域以外の脳溝、脳辺縁部等の領域で検出された１次候補は、偽陽性候補であると判定することができる。よって、１次候補の重心位置に基づいて、１次候補の中から脳実質領域以外に存在する偽陽性候補を検出し、これを１次候補の中から削除する。

次いで、入力された頭部画像において１次候補の領域とその周辺領域とのコントラストを求め、当該コントラストに基づいて１次候補がラクナ梗塞陰影候補であるか否かの最終判定が行われる（ステップＳ５）。

前述したように、頭部画像では、ラクナ梗塞は脳室周辺で脳実質領域上に存在し、画像上では直径約３ｍｍ〜１０ｍｍの円形状の陰影として周辺領域と異なるコントラストで浮かび上がる。そこで、図７に示すように、１次候補の領域における重心及び面積を基に、２種類の円、つまりラクナ梗塞陰影の領域を示す内円Ｃ１と、その周辺領域を示す外円Ｃ２とを算出し、この内円領域内の平均画素値と、外円領域から内円領域を除いた領域における平均画素値との差をコントラストとして算出し、当該コントラストが閾値以上であればラクナ梗塞陰影候補の領域であると最終判定する。なお、コントラストに係る閾値は、予め実験的に求められて記憶部１５に記憶されており、処理時に記憶部１５から読み出して得ることとする。

最終判定されたラクナ梗塞陰影候補の検出結果（例えば、検出されたラクナ梗塞陰影候補の領域の位置情報）は、検出に使用された頭部画像の画像データとともに陰影判別部１８に出力され（ステップＳ６）、本処理は終了する。

次に、図８を参照して、陰影判別部１８により実行される陰影判別処理について説明する。
陰影判別部１８では、ラクナ梗塞陰影候補の領域を異常陰影であるラクナ梗塞陰影領域と、正常陰影である血管周囲腔の拡大の領域とに判別する。ラクナ梗塞と血管周囲腔の拡大の陰影のＭＲＩ画像上の特徴を比べると、ラクナ梗塞は、大きさが約３ｍｍ〜１０ｍｍ、血管周囲腔の拡大は、大きさが約３ｍｍ以下であり、形状は、血管周囲腔の拡大の方がより円形に近く、コントラストは、血管周囲腔の拡大の方がより大きい。また、部位としては、ラクナ梗塞は大脳基底核、視床、大脳白質に多く、血管周囲腔の拡大は大脳基底核下３分の１にあり左右対称であることが多い。そこで、ラクナ梗塞陰影候補の領域を、大きさ、円形度、コントラスト、部位の特徴量に基づき、真のラクナ梗塞陰影と正常陰影とに判別する。

まず、異常陰影候補検出部１７から頭部画像の画像データ及びラクナ梗塞陰影候補の検出結果が入力されると、入力された頭部画像から判別の対象となる一のラクナ陰影候補領域が抽出される（ステップＳ１１;抽出手段）。次いで、ラクナ陰影候補領域の大きさ：Ｙ１、円形度：Ｙ２、コントラスト：Ｙ３、部位：Ｙ４の４つの特徴量が算出される（ステップＳ１２；特徴量算出手段）。算出された特徴量は、線形判別関数Ｆ２に入力され、判別分析により、当該ラクナ陰影候補領域が異常陰影（ラクナ梗塞陰影）であるか又は正常陰影（血管周囲腔の拡大）の陰影であるかが判別される（ステップＳ１３；判別手段）。そして、判別対象となった領域を示すアノテーションが重畳され、判別結果及び特徴量が表示部１３に表示出力される（ステップＳ１４；出力手段）。

図９に、ステップＳ１４において表示部１３に表示される判別結果表示画面１３１の一例を示す。図９に示すように、判別結果表示画面１３１の左側には、頭部画像が表示され、その中の判別対象領域が矩形アノテーションにより囲まれて表示されている。また、画面右側には、ステップＳ１２における特徴量の算出結果及びステップＳ１３におけるラクナ梗塞又は血管周囲腔の拡大の判別結果が表示されている。画面下部には、「次へ」ボタンが表示されている。このボタンは、同一画像上に複数の陰影がある場合に表示されるものであり、「次へ」ボタンが押下されると、他のラクナ陰影候補領域について、上述のステップＳ１１〜Ｓ１４の処理が行われる。

このように、上記陰影判別処理によって、ラクナ梗塞陰影候補の領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出し、算出された特徴量に基づいて判別分析を行うことで、ラクナ梗塞陰影候補が真にラクナ梗塞の陰影であるか又はラクナ梗塞と類似する血管周囲腔の拡大の陰影であるかを精度良く判別することが可能となる。これにより、医師に対しラクナ梗塞を画像診断するための客観的な判断材料を提供することが可能となり、ラクナ梗塞の画像診断の精度を向上させることが可能となる。特に、熟練度があまり高くない医師や、集団検診時等の多くの画像を所定時間で読影（診断）しなければならない場合等に、有効である。

以上、医用画像処理装置１０におけるラクナ梗塞候補領域の検出及び検出された領域におけるラクナ梗塞と血管周囲腔の拡大の判別について説明したが、上記実施の形態における記述内容は、本発明に係る医用画像処理装置１０の好適な一例であり、これに限定されるのものではない。

例えば、上記実施の形態において、陰影判別処理は、異常陰影候補検出部１７から出力された頭部画像について行う場合を例にとり説明したが、異常陰影候補検出部１７で検出された検出結果及び頭部画像の画像データを対応付けて記憶部１５に記憶しておき、医師等の操作者による画像の選択及び陰影判別処理の指示に応じて実行されることとしてもよい。

また、陰影判別部１８において判別対象となる領域は、異常陰影候補検出部１７によりラクナ梗塞陰影候補として検出された領域を用いることに限定されず、例えば、頭部画像上から医師等の操作者がマウスなどの入力部を介して指定したラクナ陰影候補の領域を判別対象としてもよい。この場合、まず、操作者によりマウス等により指定された点の位置を中心とした一定の大きさの領域（ラクナ梗塞の大きさは、通常約数３ｍｍ〜１０ｍｍ程度であるため、例えば、直径１０ｍｍの円等）を注目領域とし、この注目領域において、領域拡張法、閾値法等により、判別対象の領域を抽出するようにすればよい。

また、線形判別関数Ｆ２に図８のステップＳ１２で算出された特徴量を入力した結果得られる判別得点を判別結果とともに表示するようにしてもよい。これにより、医師に対し、画像診断のためのより詳しい判断材料を提供することが可能となる。

また、ラクナ梗塞と血管周囲腔の拡大の判別方法としては、上述した線形判別分析法に限定されず、例えば、マハラノビスの距離等を用いても良い。

また、上記実施の形態においては、線形判別関数Ｆ２を大きさ:Ｙ１、円形度：Ｙ２、コントラスト：Ｙ３、部位：Ｙ４の特徴量を入力説明変量として求めたが、入力説明変量を大きさ：Ｙ１、円形度：Ｙ２、コントラスト：Ｙ３として線形判別関数Ｆ２を求めておき、入力された頭部画像のスライス番号が予め定められたスライス番号（例えば、ラクナ梗塞が存在する部位である、大脳基底核、視床又は大脳白質に相当するスライス番号）でなければ正常陰影とし、予め定められた部位に該当すれば、算出した大きさ：Ｙ１、円形度：Ｙ２、コントラスト：Ｙ３の特徴量を用いて線形判別関数Ｆ２により判別を行うようにしてもよい。

また、ＭＲＩ画像上でラクナ梗塞に類似する陰影を呈するものとして、血管周囲腔の拡大の他、大脳白質病変がある。ラクナ梗塞と大脳白質病変との判別についても、実際のラクナ梗塞の画像と大脳白質病変の画像からそれぞれ大きさ、円形度、コントラスト、部位の特徴量を求め、求めた特徴量に基づき線形判別関数を求めておき、判別対象領域に対して求めた特徴量をこの線形判別関数に入力することにより、両者を判別することが可能である。

その他、医用画像処理装置１０を構成する各装置の細部構成及び細部動作に関しても、本発明の趣旨を逸脱することのない範囲で適宜変更可能である。

本発明に係る医用画像処理装置１０の全体構成を示す図である。 図１の基準画像ＤＢ１５１に記憶される基準画像の例を示す図である。 円形度の算出方法を説明するための図である。 異常陰影候補検出部１７により実行される異常陰影候補検出処理を示すフローチャートである。 脳室周辺に存在するラクナ梗塞陰影の画像例を示す図である。 図４のステップＳ４において抽出される脳実質領域の画像例を示す図である。 ラクナ梗塞陰影候補の領域と周辺領域とにおけるコントラストを求める際に用いられる内円と外円の例を示す図である。 図１の陰影判別部１８により実行される陰影判別処理を示すフローチャートである。 図８のステップＳ１４で表示される判別結果表示画面１３１の一例を示す図である。

符号の説明

１０ 医用画像処理装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 通信部
１５ 記憶部
１５１ 基準画像ＤＢ
１５２ 判別関数記憶部
１５３ 画像データ記憶部
１６ 判別関数算出部
１７ 異常陰影候補検出部
１８ 陰影判別部
１９ バス

本発明は、人体の頭部をＭＲＩにより撮影した頭部ＭＲＩ断層画像に含まれるラクナ梗塞陰影候補領域が真にラクナ梗塞陰影か又はこれと類似する血管周囲腔の拡大の陰影かを判別するラクナ梗塞陰影判別方法、及び医用画像処理装置に関する。

上記課題を解決するため、請求項１記載の発明は、
医用画像処理装置の制御手段が、抽出手段、特徴量算出手段、判別手段、出力手段を順次制御して頭部ＭＲＩ断層画像に含まれるラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか否かを判別するラクナ梗塞陰影判別方法であって、
前記抽出手段により、頭部ＭＲＩ断層画像からラクナ梗塞陰影候補領域を抽出する工程と、
前記特徴量算出手段により、前記抽出されたラクナ梗塞陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する工程と、
前記判別手段により、前記算出された特徴量に基づいて、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別する工程と、
前記出力手段により、前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果を出力する工程と、
を含むことを特徴としている。

請求項２に記載の発明は、請求項１に記載の発明において、
前記判別手段において、前記算出された特徴量に基づいて、判別分析により、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別し、
前記出力手段において、前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果とともに、前記判別手段において判別分析を行って得られた判別得点を出力することを特徴としている。

請求項３に記載の発明は、請求項１又は２に記載の発明において、
前記頭部ＭＲＩ断層画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴としている。

請求項４に記載の発明は、請求項１〜３の何れか一項に記載の発明において、
前記医用画像処理装置は、頭部の各部位のＭＲＩ断層画像の基準画像を、各部位を特定するための識別番号と対応付けて予め記憶する記憶手段を備え、
前記特徴量算出手段において、前記抽出されたラクナ梗塞陰影候補領域を含む頭部ＭＲＩ断層画像と、前記記憶手段に記憶された基準画像のそれぞれとの相互相関係数をテンプレートマッチング法により求め、最大の相互相関係数を示す基準画像の識別番号を前記抽出されたラクナ梗塞陰影候補領域の部位に関する特徴量として求めることを特徴としている。

請求項５に記載の発明の医用画像処理装置は、
頭部ＭＲＩ断層画像からラクナ梗塞陰影候補領域を抽出する抽出手段と、
前記抽出されたラクナ梗塞陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づいて、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別する判別手段と、
前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果を出力する出力手段と、
を備えたことを特徴としている。

請求項６に記載の発明は、請求項５に記載の発明において、
前記判別手段は、前記算出された特徴量に基づいて、判別分析により、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別し、
前記出力手段は、前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果とともに、前記判別手段において判別分析を行って得られた判別得点を出力することを特徴としている。

請求項７に記載の発明は、請求項５又は６に記載の発明において、
前記頭部ＭＲＩ断層画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴としている。

請求項８に記載の発明は、請求項５〜７の何れか一項に記載の発明において、
頭部の各部位のＭＲＩ断層画像の基準画像を、各部位を特定するための識別番号と対応付けて予め記憶する記憶手段を更に備え、
前記特徴量算出手段は、前記抽出されたラクナ梗塞陰影候補領域を含む頭部ＭＲＩ断層画像と、前記記憶手段に記憶された基準画像のそれぞれとの相互相関係数をテンプレートマッチング法により求め、最大の相互相関係数を示す基準画像の識別番号を前記抽出されたラクナ梗塞陰影候補領域の部位に関する特徴量として求めることを特徴としている。

ＭＲＩは、磁場内における核磁気共鳴（以下、ＮＭＲ；Nuclear Magnetic Resonanceという）を利用して画像を得る方法である。
ＮＭＲでは、被検体を静磁場中に置き、その後、被検体において検出対象とする原子核の共鳴周波数の電波を照射する。医用上は、通常、人体に多く存在する水を構成する水素原子の共鳴周波数が用いられる。被検体に電波が照射されると、励起現象が生じ、共鳴周波数に共鳴する原子の原子核スピンの位相がそろうとともに、原子核スピンが電波のエネルギーを吸収する。この励起状態で電波の照射を止めると、緩和現象が生じ、原子核スピンの位相が不均一化するとともに、原子核スピンがエネルギーを放出する。この位相の緩和の時定数がＴ２、エネルギーの緩和の時定数がＴ１である。

ＭＲＩでは、撮像方法を変えることにより、検査目的に応じた様々な種類の画像を得ることが可能である。例えば、上記Ｔ１の小さい（短い）組織と大きい（長い）組織の信号強度の差をつけるように撮影したものをＴ１強調画像、Ｔ２の小さい（短い）組織と大きい（長い）組織の信号強度の差をつけるように撮影したものをＴ２強調画像というが、両者は画像のコントラストに差異があり、主にＴ１強調画像は解剖構造の検出に、Ｔ２強調画像は病変部の検出に用いられる。また、ＦＬＡＩＲ法により撮影された画像は水からの信号を減衰させたＴ２強調画像であるが、特にフレア（ＦＬＡＩＲ）画像と呼ばれる。異常陰影候補検出部１７及び陰影判別部１８においては、頭部のＴ１強調画像、Ｔ２強調画像又はフレア画像を入力画像として検出及び判別を行う。

本発明は、人体の頭部をＭＲＩにより撮影した頭部ＭＲＩ断層画像に含まれるラクナ梗塞陰影候補領域が真にラクナ梗塞陰影か又はこれと類似する血管周囲腔の拡大の陰影かを判別し、判別結果を出力する医用画像処理装置に関する。

上記課題を解決するため、請求項１に記載の発明の医用画像処理装置は、
頭部ＭＲＩ断層画像からラクナ梗塞陰影候補領域を抽出する抽出手段と、
前記抽出されたラクナ梗塞陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づいて、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別する判別手段と、
前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果を出力する出力手段と、
を備えたことを特徴としている。

請求項２に記載の発明は、請求項１に記載の発明において、
前記判別手段は、前記算出された特徴量に基づいて、判別分析により、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別し、
前記出力手段は、前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果とともに、前記判別手段において判別分析を行って得られた判別得点を出力することを特徴としている。

請求項３に記載の発明は、請求項１又は２に記載の発明において、
前記頭部ＭＲＩ断層画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴としている。

請求項４に記載の発明は、請求項１〜３の何れか一項に記載の発明において、
頭部の各部位のＭＲＩ断層画像の基準画像を、各部位を特定するための識別番号と対応付けて予め記憶する記憶手段を更に備え、
前記特徴量算出手段は、前記抽出されたラクナ梗塞陰影候補領域を含む頭部ＭＲＩ断層画像と、前記記憶手段に記憶された基準画像のそれぞれとの相互相関係数をテンプレートマッチング法により求め、最大の相互相関係数を示す基準画像の識別番号を前記抽出されたラクナ梗塞陰影候補領域の部位に関する特徴量として求めることを特徴としている。

上記課題を解決するため、請求項１に記載の発明の医用画像処理装置は、
頭部ＭＲＩ断層画像からラクナ梗塞陰影候補領域を抽出する抽出手段と、
前記抽出されたラクナ梗塞陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づいて、前記抽出されたラクナ梗塞陰影候補領域がラクナ梗塞陰影であるか又は血管周囲腔の拡大の陰影であるかを判別する判別手段と、
前記特徴量算出手段における特徴量の算出結果及び前記判別手段における判別結果を出力する出力手段と、
頭部の各部位のＭＲＩ断層画像の基準画像を、各部位を特定するための識別番号と対応付けて予め記憶する記憶手段と、
を備え、
前記特徴量算出手段は、前記抽出されたラクナ梗塞陰影候補領域を含む頭部ＭＲＩ断層画像と、前記記憶手段に記憶された基準画像のそれぞれとの相互相関係数をテンプレートマッチング法により求め、最大の相互相関係数を示す基準画像の識別番号を前記抽出されたラクナ梗塞陰影候補領域の部位に関する特徴量として求めることを特徴としている。

Claims (10)

1. 頭部の断層画像から異常陰影候補領域を抽出する工程と、
   前記抽出された異常陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する工程と、
   前記算出された特徴量に基づいて、前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別する工程と、
   を含むことを特徴とする異常陰影判別方法。
2. 前記頭部の断層画像は、ＭＲＩにより撮影されたＭＲＩ画像であることを特徴とする請求項１に記載の異常陰影判別方法。
3. 前記ＭＲＩ画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴とする請求項２に記載の異常陰影判別方法。
4. 前記異常陰影はラクナ梗塞の陰影であり、前記異常陰影に類似する正常陰影は血管周囲腔の拡大の陰影であることを特徴とする請求項１〜３の何れか一項に記載の異常陰影判別方法。
5. 前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別した判別結果を出力する工程を含むことを特徴とする請求項１〜４の何れか一項に記載の異常陰影判別方法。
6. 頭部の断層画像から異常陰影候補領域を抽出する抽出手段と、
   前記抽出された異常陰影候補領域の、大きさ、円形度、コントラスト及び部位に関する特徴量を算出する特徴量算出手段と、
   前記算出された特徴量に基づいて、前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別する判別手段と、
   を備えたことを特徴とする医用画像処理装置。
7. 前記頭部の断層画像は、ＭＲＩにより撮影されたＭＲＩ画像であることを特徴とする請求項６に記載の医用画像処理装置。
8. 前記ＭＲＩ画像は、Ｔ１強調画像、Ｔ２強調画像又はフレア画像であることを特徴とする請求項７に記載の医用画像処理装置。
9. 前記異常陰影はラクナ梗塞の陰影であり、前記異常陰影に類似する正常陰影は血管周囲腔の拡大の陰影であることを特徴とする請求項６〜８の何れか一項に記載の医用画像処理装置。
10. 前記抽出された異常陰影候補領域が異常陰影であるか又は前記異常陰影に類似する正常陰影であるかを判別した判別結果を出力する出力手段を備えたことを特徴とする請求項６〜９の何れか一項に記載の医用画像処理装置。