JP2008104886A - 医用画像処理装置及び画像処理方法 - Google Patents
医用画像処理装置及び画像処理方法 Download PDFInfo
- Publication number
- JP2008104886A JP2008104886A JP2007306364A JP2007306364A JP2008104886A JP 2008104886 A JP2008104886 A JP 2008104886A JP 2007306364 A JP2007306364 A JP 2007306364A JP 2007306364 A JP2007306364 A JP 2007306364A JP 2008104886 A JP2008104886 A JP 2008104886A
- Authority
- JP
- Japan
- Prior art keywords
- image
- blood vessel
- head
- mra
- head mra
- 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
- 238000003672 processing method Methods 0.000 title claims description 19
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 294
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 230000003902 lesion Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 77
- 230000008569 process Effects 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 41
- 206010002329 Aneurysm Diseases 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 74
- 210000004556 brain Anatomy 0.000 abstract description 7
- 201000008450 Intracranial aneurysm Diseases 0.000 description 47
- 238000003384 imaging method Methods 0.000 description 22
- 238000002595 magnetic resonance imaging Methods 0.000 description 15
- 238000010606 normalization Methods 0.000 description 12
- 230000017531 blood circulation Effects 0.000 description 10
- 239000003550 marker Substances 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000002792 vascular Effects 0.000 description 6
- 210000002551 anterior cerebral artery Anatomy 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010968 computed tomography angiography Methods 0.000 description 4
- 210000003657 middle cerebral artery Anatomy 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000002583 angiography Methods 0.000 description 3
- 210000004004 carotid artery internal Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 2
- 210000001841 basilar artery Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- JXSJBGJIGXNWCI-UHFFFAOYSA-N diethyl 2-[(dimethoxyphosphorothioyl)thio]succinate Chemical compound CCOC(=O)CC(SP(=S)(OC)OC)C(=O)OCC JXSJBGJIGXNWCI-UHFFFAOYSA-N 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000004552 Lacunar Stroke Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004973 left posterior cerebral artery Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003388 posterior cerebral artery Anatomy 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】医用画像処理装置では、頭部を撮影したMRA画像から脳血管領域が抽出された画像を用いてGCフィルタバンクにより1次検出が行われる。GCフィルタバンクでは分析バンクにおいて多重解像度解析が行われ、解像度レベル毎に部分画像からベクトル集中度が算出される。次に、ベクトル集中度が閾値を超えるボクセルを1、閾値以下のボクセルを0とする重み画像が作成される。次いで、再構成バンクにおいて各部分画像に重み画像が乗算された部分画像を用いて元の画像の再構成が行われる。この再構成画像に再現された候補領域について2次検出、3次検出が行われ、その検出結果が表示部に表示出力される。
【選択図】図2
Description
3次元画像である頭部MRA画像をフィルタ処理して多重解像度解析し、解像度レベル毎に分解した部分画像を用いて、解像度レベル毎にベクトル集中度を算出する分析手段と、
前記部分画像から元の頭部MRA画像を再構成するにあたり、前記算出されたベクトル集中度が所定値となる領域を重み付けした前記部分画像の重み画像を作成し、当該重み画像を乗算した前記部分画像から元の画像を再現する再構成手段と、
前記再構成された頭部MRA画像を用いて、当該頭部MRA画像に再現された病変部の候補領域のうち、正常な血管である偽陽性候補領域を削除する削除手段と、
を備えることを特徴とする医用画像処理装置が提供される。
前記分析手段は、前記頭部MRA画像に対し、下記式11、12により表されるフィルタH(z)、G(z)によるフィルタ処理を施すことにより多重解像度解析を行うことを特徴とする請求項1に記載の医用画像処理装置が提供される。
前記分析手段は、前記頭部MRA画像の3次元を構成するx、y、z方向についてそれぞれフィルタ処理を施し、x、y、z方向のそれぞれに係る部分画像を得ることを特徴とする請求項2に記載の医用画像処理装置が提供される。
前記再構成手段は、前記重み画像を乗算した前記部分画像に対し、下記式11、13、14で表されるフィルタL(z)、K(z)、H(z)L(z)によるフィルタ処理を施すことにより元の画像を再現することを特徴とする請求項2又は3に記載の医用画像処理装置が提供される。
前記削除手段は、前記再構成された頭部MRA画像に再現された病変部の候補領域について特徴量を算出し、当該特徴量に基づいて前記候補領域から偽陽性候補領域を削除することを特徴とする請求項1〜4の何れか一項に記載の医用画像処理装置が提供される。
前記特徴量は、前記再構成された頭部MRA画像に再現された病変部の候補領域の大きさ、球形度、当該候補領域におけるベクトル集中度の平均若しくはベクトル集中度の最大値のうち、少なくとも1以上であることを特徴とする請求項5に記載の医用画像処理装置が提供される。
前記病変部は、血管において生じる瘤であり、
前記頭部MRA画像から血管像を抽出する抽出手段を備え、
前記再構成手段は、前記血管像が抽出された画像を用いて多重解像度解析及び元の画像の再構成を行うことを特徴とする請求項1〜6の何れか一項に記載の医用画像処理装置が提供される。
前記頭部MRA画像の血管像に含まれる一又は複数の血管部位を判別する画像制御手段と、
前記頭部MRA画像をMIP表示する表示手段と、
表示操作を行うための操作手段と、
前記頭部MRA画像において表示対象の血管部位が前記操作手段を介して選択操作されると、前記選択された血管部位に対応する血管像のみを前記頭部MRA画像から抽出し、当該抽出された血管像のみを前記表示手段上に表示させる表示制御手段と、
を備えることを特徴とする請求項1〜7の何れか一項に記載の医用画像処理装置が提供される。
3次元画像である頭部MRA画像をフィルタ処理して多重解像度解析し、解像度レベル毎に分解した部分画像を用いて、解像度レベル毎にベクトル集中度を算出する分析工程と、
前記部分画像から元の頭部MRA画像を再構成するにあたり、前記算出されたベクトル集中度が所定値となる領域を重み付けした前記部分画像の重み画像を作成し、当該重み画像を乗算した前記部分画像から元の画像を再現する再構成工程と、
前記再構成された頭部MRA画像を用いて、当該頭部MRA画像に再現された病変部の候補領域のうち、正常な血管である偽陽性候補領域を削除する削除工程と、
を含むことを特徴とする画像処理方法が提供される。
前記分析工程は、前記頭部MRA画像に対し、下記式11、12により表されるフィルタH(z)、G(z)によるフィルタ処理を施すことにより多重解像度解析を行うことを特徴とする請求項9に記載の画像処理方法が提供される。
前記分析工程は、前記頭部MRA画像の3次元を構成するx、y、z方向についてそれぞれフィルタ処理を施し、x、y、z方向のそれぞれに係る部分画像を得ることを特徴とする請求項10に記載の画像処理方法が提供される。
前記再構成工程は、前記重み画像を乗算した前記部分画像に対し、下記式11、13、14で表されるフィルタL(z)、K(z)、H(z)L(z)によるフィルタ処理を施すことにより元の画像を再現することを特徴とする請求項10又は11に記載の画像処理方法が提供される。
前記削除工程は、前記再構成された頭部MRA画像に再現された病変部の候補領域について特徴量を算出し、当該特徴量に基づいて前記候補領域から偽陽性候補領域を削除することを特徴とする請求項9〜12の何れか一項に記載の画像処理方法が提供される。
前記特徴量は、前記再構成された頭部MRA画像に再現された病変部の候補領域の大きさ、球形度、当該候補領域におけるベクトル集中度の平均若しくはベクトル集中度の最大値のうち、少なくとも1以上であることを特徴とする請求項13に記載の画像処理方法が提供される。
前記病変部は、血管において生じる瘤であり、
前記頭部MRA画像から血管像を抽出する抽出工程を含み、
前記再構成工程は、前記血管像が抽出された画像を用いて多重解像度解析及び元の画像の再構成を行うことを特徴とする請求項9〜14の何れか一項に記載の画像処理方法が提供される。
前記頭部MRA画像の血管像に含まれる一又は複数の血管部位を判別する画像制御工程と、
前記頭部MRA画像を表示手段にMIP表示する表示工程と、
前記頭部MRA画像において表示対象の血管部位が操作手段を介して選択操作されると、前記選択された血管部位に対応する血管像のみを前記頭部MRA画像から抽出し、当該抽出された血管像のみを前記表示手段上に表示させる表示制御工程と、
を含むことを特徴とする請求項9〜15の何れか一項に記載の画像処理方法が提供される。
まず、構成を説明する。
図1に、本実施形態における医用画像処理装置10の構成を示す。
この医用画像処理装置10は、検査撮影により得られた医用画像を画像解析することにより、当該医用画像から病変部の候補領域を検出するものである。
なお、この医用画像処理装置10を、医用画像を生成する画像生成装置や医用画像を保存・管理するサーバ、医師の読影に付すため、サーバに保存された医用画像を取り寄せて表示手段上に表示する読影端末等、各種装置がネットワークを介して接続された医用画像システムに設けることとしてもよい。また、本実施形態では医用画像処理装置10単体で本発明を実現する例を説明するが、医用画像処理装置10における機能を上記医用画像システムの各構成装置に分散させて医用画像システム全体で本発明を実現することとしてもよい。
医用画像処理装置10は、図1に示すように、制御部11、操作部12、表示部13、通信部14、記憶部15、病変候補検出部16を備えて構成されている。
)等を備えて構成されており、記憶部15に格納されている各種制御プログラムを読み出して各種演算を行うとともに、各部12〜16における処理動作を統括的に制御する。
また、記憶部15は、病変候補の検出対象である医用画像やその検出結果の情報等を記憶している。
本実施形態では、MRIにより患者の頭部を撮影し、脳内血管の血流を画像化したMRA画像(3次元画像)から、未破裂の脳動脈瘤の病変候補を検出する例を説明する。脳動脈瘤は、動脈の壁内にできる膨隆(拡張)のことであり、動脈壁に血流による圧力がかかることにより生じるものである。脳動脈瘤の内部では血栓が生じやすく、この脳動脈瘤が破裂すると、くも膜下出血等の重篤な疾患を発症することとなる。
図2に示すように、検出処理ではまずMRAの3次元画像データの入力が行われる(ステップS1)。具体的には、病変候補検出部16により記憶部15に記憶されていた処理対象のMRA画像の読み込みが行われる。
MRIは、磁場内における核磁気共鳴(以下、NMR;Nuclear Magnetic Resonance)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RFパルス(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RFパルスが照射されると、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RFパルスのエネルギーを吸収する。この励起状態でRFパルスの照射を止めると、緩和現象を生じ、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。
図3Aに示すように、血流のある血管領域は高信号となるので、MRA画像では血管領域は白く表れている。
図5に示すように、脳動脈瘤の場合には線形状の血管上に球状の瘤が存在するため、勾配ベクトル(図中の矢印は、勾配ベクトルの向きを示す)は瘤の中心へ向かう傾向がある。一方、血管は線形状であるためそのような傾向は生じない。そのため、脳動脈瘤モデルの形状に近い領域は他の血管領域に比べてベクトル集中度の値が高い。従って、ベクトル集中度フィルタによりベクトル集中度が高い領域のみを出力することにより、脳動脈瘤の1次候補領域を検出することができる。
ベクトル集中度は、下記式1により算出される。
また、閾値はp−タイル法等により統計的に解析して得ることとしてもよい。p−タイル法は、濃度ヒストグラムを求め、この濃度ヒストグラムにおいてある一定の面積比率p%を占めるところの濃度値を閾値として求める方法である。本実施形態では、フィルタ処理画像の濃度ヒストグラムを求め、最高濃度値側から面積比率p%を占めるところの濃度値を閾値として決定する。
図10に、検出結果として表示部13に表示出力される検出結果例を示す。
図10に示すように、表示部13では、3次元MRA画像から作成されたMIP画像において、3次検出された脳動脈瘤の候補領域を指し示すマーカ情報(図10中の矢印のマーカ)が表示される。このような表示を行うことにより、脳動脈瘤候補領域と他の領域とを識別可能としている。MIP画像は、3次元MRA画像データにMIP処理を施して作成される2次元画像であり、画像中の構造物を3次元的に表示することが可能である。MIP処理は最大輝度投影法と呼ばれ、ある方向から平行光線によって投影を行い、ボクセル中の最大の輝度(信号値)を投影面に反映させて3次元的な観察を可能とする2次元画像を作成する処理である。
この血管部位判別処理は、制御部11と記憶部15に記憶された血管部位判別処理の処理プログラムとの協働により実現されるソフトウェア処理である。血管部位判別処理では、頭部を撮影した3次元MRA画像上に表れる血管像についてその血管像に含まれる一又は複数の血管部位を判別する。
参照画像は、図12Aに示すように、3次元MRA画像上の血管像について、一又は複数の血管部位の位置及びその名称が予め設定されたものである。ここで、血管部位とは解剖学上の血管の分類をいい、血管部位の位置とは当該血管部位に属するボクセルの位置をいう。
なお、参照画像g2の作成は医用画像処理装置10の制御部11で行ってもよいし、外部で作成されたものを記憶部15に保存することとしてもよい。また、血管像に含まれる8つの血管部位を示すため、図12Aでは各血管部位を識別表示したが、実際の参照画像g2は背景が黒(低信号値)、血管像が白(高信号値)と2値化された画像である。そして、各血管部位に属するボクセルの位置情報、名称の情報及びランドマークであるボクセルの位置情報は、参照画像に付帯されている、或いは参照画像と対応付けて別ファイルとして記憶部15に保存されている。
医用画像処理装置10では、まず判別対象の3次元MRA画像(以下、対象画像という)に対して制御部11により正規化処理が施される(ステップS11)。
対象画像として用いられるMRA画像は、血液の流れを画像化したものであるため、被写体や撮影条件によってボクセルが等サイズではない直方体となったり、ボクセル値の最大値、最小値にばらつきが生じたりする。そこで、対象画像に関する前提条件を統一するため、正規化処理を施す。
図13Aに示す対象画像g3、図13Bに示す対象画像g4はそれぞれ異なる患者を被写体としたものである。そのため、対象画像g3から得られたヒストグラムh1(図13A参照)と、対象画像g4から得られたヒストグラムh3(図13B参照)とでは、2つの極大点があるという特徴が共通するが、そのボクセル値の範囲にかなり相違があり、全体としてヒストグラム特性が異なるものとなっていることが分かる。このようなヒストグラム特性を有する対象画像g3、g4について上記の正規化処理を施した後に再度ヒストグラムを作成すると、図13Aに示すヒストグラムh2、図13Bに示すヒストグラムh4がそれぞれ得られる。ヒストグラムh2、h4から分かるように、正規化処理によって各対象画像g3、g4のヒストグラム特性がほぼ同じものとなっている。
まず、対象画像について閾値処理が施され、2値化が行われる。一般的に、MRA画像では、図14Aに示すように血管像は白く、その他の組織部分は黒っぽく表れるため、2値化画像では血管像はその他の領域とは異なる値となる。よって、領域拡張法により血管像と同程度の信号値を有する領域の抽出を行う。
血管抽出画像g6は、図14Aに示す正規化後の対象画像g5から血管像を抽出し、当該血管像の領域を白(濃度値1024)、その他の領域を黒(濃度値0)で2値化したものである。
図15Aは、位置合わせ前の血管抽出画像と参照画像とを重ね合わせた図である。図15Aから単に血管抽出画像と参照画像を合わせただけではそれぞれの血管像の位置が一致していないことが分かる。
そこで、制御部11では、図15Aに示すように血管抽出画像の重心P(x1、y1、z1)、参照画像の重心Q(x2、y2、y3)の位置が求められる。次いで、この重心位置P、Qが一致するように、血管抽出画像又は参照画像が平行移動される。平行移動により各重心位置P、Qを一致させた結果が、図15Bに示す図である。図15Bから血管抽出画像の血管像と参照画像の血管像の位置が大まかに一致していることが分かる。
まず、剛体変形の前処理として相互相関係数を用いた対応点の検索が行われる。これは、位置合わせを行う2つの画像についてそれぞれ複数の対応点を設定し、この2つの画像において設定された対応点がそれぞれ一致するように一方の画像を剛体変形するためである。ここでは、参照画像において予め定められているランドマークのボクセルと、局所的に画像特性が類似する血管抽出画像のボクセルが対応点として設定される。画像特性の類似性は、血管抽出画像と参照画像について相互相関係数が求められ、この相互相関係数に基づいて判断される。
そこで、最も大きな相関値Cをとるボクセルの位置が、参照画像g7のランドマークに対応する血管抽出画像g8の対応点として設定される。
まず、参照画像の各血管部位に属するボクセル全てを対象に(これを対象ボクセルという)、血管抽出画像におけるある注目ボクセルとのユークリッド距離の2乗が求められる。そして、その求めたユークリッド距離が最短となる対象ボクセルが属する血管部位が、注目ボクセルが属する血管部位であると判断される。またこのとき、対象ボクセルに設定されている血管部位の名称から、注目ボクセルの血管部位の名称が判断される。
図17Aに示す血管抽出画像g9と図17Bに示す血管抽出画像g11は、それぞれ異なる被写体から得られた画像であり、図17Aに示す画像g10、図17Bに示す画像g12はそれぞれ血管抽出画像g9、g11から各血管部位が判別され、その血管部位毎に色を変えて識別表示した画像である。画像g10、g12から、剛体変形による位置合わせを行うことにより、画像g10、g12の血管像が異なる形態(血管の位置、大きさ、延在方向等)であるにも拘わらず、同じように血管部位を識別できていることが分かる。
そして、このような対象画像について操作部12を介して表示指示操作がなされると、制御部11により対象画像にMIP処理が施されてMIP画像が生成され、表示部13上に表示される。以下、MIP画像の表示をMIP表示という。
図18においてMIP画像g13は対象画像が頭部上方向からMIP表示されたものである。このMIP画像g13が表示された状態で各血管部位の識別表示が指示操作されると、識別表示画像g14が表示される。識別表示画像g14は、血管抽出画像において8種類の血管部位にそれぞれ異なる色を付す等して、各血管部位を識別表示したものである。
識別表示画像g14において、医師によりある血管部位が選択操作されると、制御部11の表示制御により当該選択された血管部位に関連づけて「脳底動脈」等の血管部位の名称を示すアノテーションmが表示される。
制御部11では、操作部12を介して何れか一の血管部位が選択操作されると、当該選択された血管部位のボクセルの輝度のみを投影させたMIP画像、つまり対象画像のMIP画像g15から選択された血管部位のみが抽出された血管選択画像g17が表示される。血管選択画像g17では、選択された血管部位のみMIP表示され、その他の血管部位が非表示とされているため、医師は関心のある血管部位のみに注目して観察することができる。
20人の患者についての3次元MRA画像データを得た。これらの画像データは、そのマトリクスサイズが256×256であり、空間分解能は0.625〜0.78mm、スライス厚は0.5〜1.2mmである。これらの画像データには7つの未破裂脳動脈瘤が含まれていることが分かっている。未破裂脳動脈瘤は、経験のある脳神経外科医により決定されたものである。
例えば、上記説明では、3次元MRA画像を用いて脳動脈瘤候補を検出していたが、2次元MRA画像を用いて検出を行うこととしてもよい。この場合、脳動脈瘤候補の大きさはピクセル数、球形度は円形度として2次元の特徴量を算出することとなる。
しかしながら、本実施形態によれば各血管部位の識別表示が可能となるため、医師は各血管部位についての位置や名称を容易に特定することができ、読影作業の効率化を図ることができる。
しかしながら、本実施形態のように最終的に剛体変形により血管像の主な屈曲点等の特徴点の位置を合わせこむことにより、対象画像中の各血管部位がどのような形態を呈していても、精度よく参照画像の血管部位と対応させることができる。従って、被写体によらず一律に血管部位を判別することができ、汎用性が高い。
例えば、MRA画像を用いた例を説明したが、造影剤を用いて血管を撮影した造影MRA画像等、他の撮影方法によるMRI画像を用いてもよい。また、CTA(Computed Tomography Angiography)、DSA(Digital Subtraction Angiography)等、他の撮影装置により血管が撮影された画像を用いることとしてもよい。
第2実施形態では、GCフィルタバンクによる検出処理の例を説明する。
第2実施形態に係る医用画像処理装置は、第1実施形態に係る医用画像処理装置10と同一構成であり、動作が異なるのみである。よって、第1実施形態に係る医用画像処理装置10(図1参照)と同一構成部分には同一の符号を付し、以下、第2実施形態の医用画像処理装置10の動作について説明する。
図19に示す検出処理では、まずMRAの3次元画像データの入力が行われ(ステップS101)、この3次元画像データに対して前処理が行われる(ステップS102)。前処理が終了すると、3次元画像データから血管の画像領域が抽出される(ステップS103)。なお、このステップS101〜S103は、第1実施形態において図2を参照して説明したステップS1〜3と同様の処理であるため、ここでは詳細な説明を省略する。
以下、GCフィルタバンクによる検出方法について説明する。
GCフィルタバンクは、各種フィルタ処理を組み合わせたものであり、分析バンクと再構成バンクに分かれている。分析バンクは原画像(血管領域の3次元MRA画像)の多重解像度解析を行って解像度レベルの異なる画像(以下、部分画像という)を作成し、この部分画像から重み画像を作成するものである。一方、再構成バンクは重み画像によって各部分画像を重み付けした後、この重み付けられた部分画像から原画像の再構成を行うものである。
図20に示すように、分析バンクでは血管領域の3次元MRA画像を原画像S0としてフィルタバンクA(zj)においてフィルタ処理が行われ、各解像度レベルjの部分画像が順次作成される。ここでは、解像度レベル1〜3の部分画像を作成する例を説明する。
フィルタバンクA(zj)は、図21に示すようにフィルタH(zj)、G(zj)によるフィルタ処理を経て、画像Sj−1を部分画像Sj、Wzj、Wyj、Wxjに分解するものである。ここで、Sjはx、y、zの各方向においてSj−1に平滑化フィルタH(zj)を施したものである。平滑化フィルタH(zj)は下記式11により表される。
ニューラルネットワークNNでは、予め教師データを用いて脳動脈瘤の可能性が高いほど1の値を、逆に低ければ0の値で出力するように、0〜1の範囲で出力値を出力するように設計されている。
再構成バンクは、各部分画像Sj、Wzj、Wyj、Wxjに重み付け処理を施した後、フィルタバンクS(zj)を経て元の原画像S0を再構成するものである。
重み付け処理では、各部分画像Sj、Wzj、Wyj、Wxjに重み画像Vが乗算される。すなわち、重み画像Vにおいてボクセル毎に設定された1又は0の値は、重み付け処理において重み付け係数として用いられることとなる。重み画像Vが乗算された各部分画像はフィルタバンクS(zj)に入力される。
ここで、フィルタL(zj)、K(zj)は、下記式13、14により表される。
11 制御部
12 操作部
13 表示部
14 通信部
15 記憶部
16 病変候補検出部
Claims (16)
- 3次元画像である頭部MRA画像をフィルタ処理して多重解像度解析し、解像度レベル毎に分解した部分画像を用いて、解像度レベル毎にベクトル集中度を算出する分析手段と、
前記部分画像から元の頭部MRA画像を再構成するにあたり、前記算出されたベクトル集中度が所定値となる領域を重み付けした前記部分画像の重み画像を作成し、当該重み画像を乗算した前記部分画像から元の画像を再現する再構成手段と、
前記再構成された頭部MRA画像を用いて、当該頭部MRA画像に再現された病変部の候補領域のうち、正常な血管である偽陽性候補領域を削除する削除手段と、
を備えることを特徴とする医用画像処理装置。 - 前記分析手段は、前記頭部MRA画像に対し、下記式11、12により表されるフィルタH(z)、G(z)によるフィルタ処理を施すことにより多重解像度解析を行うことを特徴とする請求項1に記載の医用画像処理装置。
- 前記分析手段は、前記頭部MRA画像の3次元を構成するx、y、z方向についてそれぞれフィルタ処理を施し、x、y、z方向のそれぞれに係る部分画像を得ることを特徴とする請求項2に記載の医用画像処理装置。
- 前記再構成手段は、前記重み画像を乗算した前記部分画像に対し、下記式11、13、14で表されるフィルタL(z)、K(z)、H(z)L(z)によるフィルタ処理を施すことにより元の画像を再現することを特徴とする請求項2又は3に記載の医用画像処理装置。
- 前記削除手段は、前記再構成された頭部MRA画像に再現された病変部の候補領域について特徴量を算出し、当該特徴量に基づいて前記候補領域から偽陽性候補領域を削除することを特徴とする請求項1〜4の何れか一項に記載の医用画像処理装置。
- 前記特徴量は、前記再構成された頭部MRA画像に再現された病変部の候補領域の大きさ、球形度、当該候補領域におけるベクトル集中度の平均若しくはベクトル集中度の最大値のうち、少なくとも1以上であることを特徴とする請求項5に記載の医用画像処理装置。
- 前記病変部は、血管において生じる瘤であり、
前記頭部MRA画像から血管像を抽出する抽出手段を備え、
前記再構成手段は、前記血管像が抽出された画像を用いて多重解像度解析及び元の画像の再構成を行うことを特徴とする請求項1〜6の何れか一項に記載の医用画像処理装置。 - 前記頭部MRA画像の血管像に含まれる一又は複数の血管部位を判別する画像制御手段と、
前記頭部MRA画像をMIP表示する表示手段と、
表示操作を行うための操作手段と、
前記頭部MRA画像において表示対象の血管部位が前記操作手段を介して選択操作されると、前記選択された血管部位に対応する血管像のみを前記頭部MRA画像から抽出し、当該抽出された血管像のみを前記表示手段上に表示させる表示制御手段と、
を備えることを特徴とする請求項1〜7の何れか一項に記載の医用画像処理装置。 - 3次元画像である頭部MRA画像をフィルタ処理して多重解像度解析し、解像度レベル毎に分解した部分画像を用いて、解像度レベル毎にベクトル集中度を算出する分析工程と、
前記部分画像から元の頭部MRA画像を再構成するにあたり、前記算出されたベクトル集中度が所定値となる領域を重み付けした前記部分画像の重み画像を作成し、当該重み画像を乗算した前記部分画像から元の画像を再現する再構成工程と、
前記再構成された頭部MRA画像を用いて、当該頭部MRA画像に再現された病変部の候補領域のうち、正常な血管である偽陽性候補領域を削除する削除工程と、
を含むことを特徴とする画像処理方法。 - 前記分析工程は、前記頭部MRA画像に対し、下記11、12により表されるフィルタH(z)、G(z)によるフィルタ処理を施すことにより多重解像度解析を行うことを特徴とする請求項9に記載の画像処理方法。
- 前記分析工程は、前記頭部MRA画像の3次元を構成するx、y、z方向についてそれぞれフィルタ処理を施し、x、y、z方向のそれぞれに係る部分画像を得ることを特徴とする請求項10に記載の画像処理方法。
- 前記再構成工程は、前記重み画像を乗算した前記部分画像に対し、下記式11、13、14で表されるフィルタL(z)、K(z)、H(z)L(z)によるフィルタ処理を施すことにより元の画像を再現することを特徴とする請求項10又は11に記載の画像処理方法。
- 前記削除工程は、前記再構成された頭部MRA画像に再現された病変部の候補領域について特徴量を算出し、当該特徴量に基づいて前記候補領域から偽陽性候補領域を削除することを特徴とする請求項9〜12の何れか一項に記載の画像処理方法。
- 前記特徴量は、前記再構成された頭部MRA画像に再現された病変部の候補領域の大きさ、球形度、当該候補領域におけるベクトル集中度の平均若しくはベクトル集中度の最大値のうち、少なくとも1以上であることを特徴とする請求項13に記載の画像処理方法。
- 前記病変部は、血管において生じる瘤であり、
前記頭部MRA画像から血管像を抽出する抽出工程を含み、
前記再構成工程は、前記血管像が抽出された画像を用いて多重解像度解析及び元の画像の再構成を行うことを特徴とする請求項9〜14の何れか一項に記載の画像処理方法。 - 前記頭部MRA画像の血管像に含まれる一又は複数の血管部位を判別する画像制御工程と、
前記頭部MRA画像を表示手段にMIP表示する表示工程と、
前記頭部MRA画像において表示対象の血管部位が操作手段を介して選択操作されると、前記選択された血管部位に対応する血管像のみを前記頭部MRA画像から抽出し、当該抽出された血管像のみを前記表示手段上に表示させる表示制御工程と、
を含むことを特徴とする請求項9〜15の何れか一項に記載の画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007306364A JP4823204B2 (ja) | 2005-08-31 | 2007-11-27 | 医用画像処理装置 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005250915 | 2005-08-31 | ||
JP2005250915 | 2005-08-31 | ||
JP2006083950 | 2006-03-24 | ||
JP2006083950 | 2006-03-24 | ||
JP2007306364A JP4823204B2 (ja) | 2005-08-31 | 2007-11-27 | 医用画像処理装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007533204A Division JP4139869B2 (ja) | 2005-08-31 | 2006-08-24 | 医用画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008104886A true JP2008104886A (ja) | 2008-05-08 |
JP4823204B2 JP4823204B2 (ja) | 2011-11-24 |
Family
ID=39438705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007306364A Expired - Fee Related JP4823204B2 (ja) | 2005-08-31 | 2007-11-27 | 医用画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4823204B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010125113A (ja) * | 2008-11-28 | 2010-06-10 | Ge Medical Systems Global Technology Co Llc | マッチング装置、磁気共鳴イメージング装置、およびマッチング方法 |
JP2011019768A (ja) * | 2009-07-16 | 2011-02-03 | Kyushu Institute Of Technology | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2011110430A (ja) * | 2009-11-25 | 2011-06-09 | Agfa Healthcare Nv | 画像中の空間的に局在する現象のコントラストを強調する方法 |
JP2011224264A (ja) * | 2010-04-22 | 2011-11-10 | Canon Inc | 断層像観察装置、表示制御方法及びプログラム |
WO2012105141A1 (ja) | 2011-02-01 | 2012-08-09 | オリンパスメディカルシステムズ株式会社 | 診断支援装置 |
JP2013034661A (ja) * | 2011-08-08 | 2013-02-21 | Hitachi Medical Corp | 磁気共鳴イメージング装置および磁気共鳴スペクトロスコピー撮像方法 |
JP2013533507A (ja) * | 2010-06-29 | 2013-08-22 | ライカ マイクロシステムス ツェーエムエス ゲーエムベーハー | 試料構造を光学顕微鏡法で撮像する方法及び装置 |
JP2014100392A (ja) * | 2012-11-21 | 2014-06-05 | Hitachi Medical Corp | 磁気共鳴イメージング装置および磁気共鳴イメージング方法 |
JP2018175343A (ja) * | 2017-04-12 | 2018-11-15 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
EP3963506A4 (en) * | 2019-05-03 | 2022-07-06 | iSchemaView, Inc. | ANALYSIS OF INTRACRANIAL BLOOD VESSELS |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1094538A (ja) * | 1996-09-25 | 1998-04-14 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
-
2007
- 2007-11-27 JP JP2007306364A patent/JP4823204B2/ja not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1094538A (ja) * | 1996-09-25 | 1998-04-14 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010125113A (ja) * | 2008-11-28 | 2010-06-10 | Ge Medical Systems Global Technology Co Llc | マッチング装置、磁気共鳴イメージング装置、およびマッチング方法 |
JP2011019768A (ja) * | 2009-07-16 | 2011-02-03 | Kyushu Institute Of Technology | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2011110430A (ja) * | 2009-11-25 | 2011-06-09 | Agfa Healthcare Nv | 画像中の空間的に局在する現象のコントラストを強調する方法 |
JP2011224264A (ja) * | 2010-04-22 | 2011-11-10 | Canon Inc | 断層像観察装置、表示制御方法及びプログラム |
US9772485B2 (en) | 2010-06-29 | 2017-09-26 | Leica Microsystems Cms Gmbh | Method and device for light-microscopic imaging of a sample structure |
JP2013533507A (ja) * | 2010-06-29 | 2013-08-22 | ライカ マイクロシステムス ツェーエムエス ゲーエムベーハー | 試料構造を光学顕微鏡法で撮像する方法及び装置 |
WO2012105141A1 (ja) | 2011-02-01 | 2012-08-09 | オリンパスメディカルシステムズ株式会社 | 診断支援装置 |
US20120296220A1 (en) * | 2011-02-01 | 2012-11-22 | Olympus Medical Systems Corp. | Diagnosis supporting apparatus and control method of diagnosis supporting apparatus |
US8682418B2 (en) * | 2011-02-01 | 2014-03-25 | Olympus Medical Systems Corp. | Diagnosis supporting apparatus and control method of diagnosis supporting apparatus |
JP2013034661A (ja) * | 2011-08-08 | 2013-02-21 | Hitachi Medical Corp | 磁気共鳴イメージング装置および磁気共鳴スペクトロスコピー撮像方法 |
JP2014100392A (ja) * | 2012-11-21 | 2014-06-05 | Hitachi Medical Corp | 磁気共鳴イメージング装置および磁気共鳴イメージング方法 |
JP2018175343A (ja) * | 2017-04-12 | 2018-11-15 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
US10846853B2 (en) | 2017-04-12 | 2020-11-24 | Fujifilm Corporation | Medical image processing apparatus, medical image processing method, and medical image processing program |
EP3963506A4 (en) * | 2019-05-03 | 2022-07-06 | iSchemaView, Inc. | ANALYSIS OF INTRACRANIAL BLOOD VESSELS |
Also Published As
Publication number | Publication date |
---|---|
JP4823204B2 (ja) | 2011-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4139869B2 (ja) | 医用画像処理装置 | |
JP4823204B2 (ja) | 医用画像処理装置 | |
CN110036408B (zh) | 活动性出血和血液外渗的自动ct检测和可视化 | |
EP3367331A1 (en) | Deep convolutional encoder-decoder for prostate cancer detection and classification | |
US9792703B2 (en) | Generating a synthetic two-dimensional mammogram | |
JP6267710B2 (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
US7317821B2 (en) | Automatic abnormal tissue detection in MRI images | |
US7058210B2 (en) | Method and system for lung disease detection | |
EP1728213B1 (en) | Method and apparatus for identifying pathology in brain images | |
US20080130968A1 (en) | Apparatus and method for customized report viewer | |
US7684602B2 (en) | Method and system for local visualization for tubular structures | |
EP2116973B1 (en) | Method for interactively determining a bounding surface for segmenting a lesion in a medical image | |
US20100135562A1 (en) | Computer-aided detection with enhanced workflow | |
JP4785371B2 (ja) | 動的制約を用いる多次元構造の抽出方法及びシステム | |
CN110807755A (zh) | 使用定位器图像进行平面选择 | |
JP2004174254A (ja) | 疾患関連組織変化を測定する方法及びシステム | |
JP2008073338A (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
JP2008515466A (ja) | 対象物のクラスの画像表現を識別する方法及びシステム | |
JP2009226043A (ja) | 医用画像処理装置及び異常陰影検出方法 | |
CN115311191A (zh) | 使用深度学习估计的扫描方案遮罩来生成三维解剖结构扫描的重新格式化视图 | |
US7961923B2 (en) | Method for detection and visional enhancement of blood vessels and pulmonary emboli | |
WO2006055031A2 (en) | Method and system for local visualization for tubular structures | |
JP2011067594A (ja) | 肝機能造影像を用いた医用画像診断装置および方法、並びにプログラム | |
JP2023511663A (ja) | 弱教師あり病変セグメンテーション | |
JP2014161388A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080321 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090709 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090806 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110804 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110830 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110906 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140916 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |