JP2009028161A - 医用画像表示装置及び医用画像表示方法 - Google Patents

Abstract

【課題】結節領域を複数の領域に区分して識別表示し、それぞれの体積を提示することが可能な医用画像表示装置を提供する。
【解決手段】医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出する第１の領域抽出部と、抽出された注目領域の画像から抽出処理によって派生して生成される付随領域の画像を抽出する第２の領域抽出部と、第１の領域抽出部によって抽出した注目領域の画像から付随領域の画像を除去する付随領域除去部と、付随領域の画像が除去された注目領域の画像を、核領域を含む複数の異常構造領域に区分し、それぞれの異常構造領域を識別可能に表示する表示部と、を備えてなる。
【選択図】図４

Description

本発明は、医用診断画像を読影する際に用いられる医用画像表示装置に係り、特に撮影された画像の異常領域を複数の領域に区分し、各々の領域を異なる表示形態で表示して読影を容易にした医用画像表示装置及び医用画像表示方法に関する。

一般に、病院等の機関では、Ｘ線ＣＴ装置やＸ線撮影装置等の医用画像診断装置で撮影して得た画像情報を、ネットワークに接続された医用画像サーバに保管・管理し、医師等が必要に応じて画像観察端末等を通じて医用画像サーバにアクセスし、画像情報を画像観察端末に表示して観察できるようにしている。

ところで、肺がん等の疑いを持つ患者に対するＣＴ検査にあっては、１回のＣＴ検査では結節（腫瘤）が悪性か良性かの判断がつかない場合が多く、数ヶ月後に再度ＣＴ検査を行い、結節領域の変化を調べるようにしている。これは、時間経過によって結節領域に拡大傾向が見られた場合、悪性と判断する重要な材料となるためであり、肺がんの診断では時間を追った結節領域の体積の比較が、鑑別診断において重要な役割を持つ。

このような結節領域の変化を調べる方法としては、目視で比較する方法のほかに、直径や体積値の変化を調べる方法が用いられている。この方法は客観的な指標として重要である。

また特許文献１には、筒状構造に沿って組織種別を解析するための装置及び方法について記載されており、画像中の特定領域を複数の領域に分類し色分けして表示する例が示されている。この例では、血管中心の連結領域を抽出し、画素値により複数の領域に分類している。

特許文献１の例では、複数の領域の判別に閾値処理を用いているが、肺の結節領域は高輝度領域が血管と連続していることが多いため、このような閾値処理では血管を結節領域と誤認識してしまうため、正確な体積を提示できないという問題がある。

一方、肺がんのＣＴ検査では、結節領域を判断する際、結節全体のみならず、ソリッド（Solid）領域の拡大の有無も重要な判断材料となり、上記従来の方法及び特許文献１の例では、このような判断材料を提示できないという欠点がある。

ＣＴ画像では、空気は−１０００ＨＵ、肺の実質領域は−９００〜−７００ＨＵ、胸壁，心臓，血管などは０付近のＣＴ値を持つ。また結節領域の画素値を凡そ分類すると−８００〜−３００のＧＧＯ領域、−５００から０付近のソリッド領域、−１０００〜−６００付近の空気領域に分類される。

尚、ＧＧＯ (Ground Glass Opacity) 領域は、すりガラス状の半透明の画像領域である。またソリッド(Solid:充実性)領域は、結節の本体部分である。またＨＵは、ＣＴ値（Hounsfield Unit）を表す。

しかしながら、従来及び特許文献１に記載の例では、血管とＧＧＯ領域の画素値が重複する等の理由から、ＧＧＯ領域とソリッド領域を正確に区分して表示することができないという不具合があった。また複数の領域の判別に閾値処理を用いた場合、ソリッド領域の中に複数の泡状の小孔が形成されるという不具合もある。
特開２００６−１１０３４１号公報

ＣＴ検査における結節領域の判断では、結節全体の変化を診るだけではなく、ソリッド領域の拡大の有無も重要な判断材料であるが、ＧＧＯ領域、ソリッド領域を区分して表示することができないという欠点があった。

本発明は、上記事情に鑑み、結節領域を複数の領域に分離して表示し、それぞれの体積を提示することにより、読影を容易にした医用画像表示装置、医用画像表示方法を提供することを目的とする。

請求項1記載の本発明の医用画像表示装置は、医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出する第１の領域抽出部と、前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出する第２の領域抽出部と、前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去する付随領域除去部と、前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に分割し、それぞれの異常構造領域を識別可能に表示する表示部と、を具備してなることを特徴とする。

また、請求項７記載の本発明の医用画像表示装置は、医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出する第１の領域抽出部と、前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出する第２の領域抽出部と、前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去する付随領域除去部と、前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分して、それぞれの異常構造領域の体積値を算出するとともに、前記付随領域の体積値を算出する体積算出部と、前記体積算出部で算出したそれぞれの領域の体積値を表示する表示部と、を具備してなることを特徴とする。

さらに、請求項１２記載の本発明の医用画像表示方法は、医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出し、前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出し、前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去し、前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分し、それぞれの異常構造領域を識別可能に表示することを特徴とする。

本発明では、結節の複数の領域を区分して識別可能に表示することができ、また各々の領域の体積値を画像上で提示することができ、診断する上で正確に良性悪性を判断することができる。

以下、この発明の一実施の形態について図面を参照して詳細に説明する。

図１は本発明の医用画像表示装置が適用された医用システムの構成を示す構成図である。

図１の医用システムは、医用画像診断装置として、Ｘ線ＣＴ装置１００、Ｘ線撮影装置２００等のモダリティがネットワークＮＷに接続され、このネットワークＮＷには医用画像データを保管するファイルサーバ３００が接続されている。さらにネットワークＮＷには入出力端末４００、画像観察端末５００等が接続されている。

Ｘ線ＣＴ装置１００、Ｘ線撮影装置２００は、医用画像を生成するものであり、画像観察端末５００はファイルサーバ３００に保管された医用画像データや患者情報を取り込んで処理し、各種の情報を表示するものである。また入出力端末４００は、ネットワークＮＷ上の各装置にログインして情報の入出力を行うＰＣ（Personal Computer）である。

図１のシステムにおいて、医師は、入出力端末４００を利用して例えば放射線検査のオーダを出し、技師は、オーダに基づきＸ線ＣＴ装置１００等のモダリティを操作して検査を実施し、これらモダリティで撮影された医用画像データは、ファイルサーバ３００に格納される。またファイルサーバ３００には、患者ＩＤ、患者名、年齢、性別、検査部位等の付帯情報が付されて保存され、付帯情報を基に検索が可能になっている。

また画像観察端末５００は、例えば、医用画像リストや患者リストの作成処理のほか、ユーザ（医師、技師等）の要求によって医用画像データ等の各種情報を表示部に表示する。

画像観察端末５００は、表示部５０１、入力部５０２、及びデータ処理部５０３を有し、Ｘ線ＣＴ装置１００等で取得した画像データを処理して、結節部を表示する際に、結節に接続する血管等の正常構造を切り離して表示し、結節を複数の区分された領域に分割して重畳表示する。また、それぞれの領域毎の体積値を数値表示する点に特徴がある。データ処理部５０３によるデータ処理の詳細については、後述する。

図２は、Ｘ線ＣＴ装置１００の一実施形態を示す全体構成図である。図２において、Ｘ線ＣＴ装置１００は、架台（ガントリ）１１を有し、この架台１１内には回転リング１２が設けられ、図示しない回転機構によって回転する。回転リング１２内には、有効視野領域内に載置された被検体Ｐに対してＸ線を発生するＸ線管１３が取り付けられている。

また、Ｘ線管１３に対向して放射線検出器１４が配置されており、回転リング１２の中心部分は開口して、そこに寝台の天板１５に載置された被検体Ｐが挿入される。被検体Ｐを透過したＸ線は放射線検出器１４で検出されて電気信号に変換され、データ収集部（以下ＤＡＳと称す）１６で増幅され、デジタルデータに変換される。

ＤＡＳ１６からのデジタルデータ（投影データ）は、非接触データ伝送装置１７を介してコンピュータシステム２０に伝送される。また、架台１１には、架台駆動部１８及びスリップリング１９が設けられている。

コンピュータシステム２０はコンソールに設けられ、非接触データ伝送装置１７からの投影データは、前処理部２１に供給される。前処理部２１では投影データに対してデータ補正等の前処理を行いバスライン２０１上に出力する。

バスライン２０１には、システム制御部２２、入力部２３、データ記憶部２４、再構成処理部２５、画像データ処理部２６、表示部２７等が接続されている。

システム制御部２２はホストコントローラとして機能し、コンピュータシステム２０の各部の動作や、架台駆動部１８及び高電圧発生部２８を制御する。データ記憶部２４は断層画像等のデータを記憶するものであり、再構成処理部２５は投影データから３Ｄ画像データを再構成する。画像データ処理部２６はデータ記憶部２４に保存されたデータ、または再構成したあとの画像データを処理する。表示部２７は画像データ処理によって得られた画像等を表示する。

入力部２３はキーボード、マウス等を有し、ユーザ（医師、オペレータ等）によって操作され、データ処理する上で各種の設定を行う。また、患者の状態や検査方法等の各種情報を入力するものである。

高電圧発生部２８は、スリップリング１９を介してＸ線管１３に電力を供給し、Ｘ線の曝射に必要な電力（管電圧、管電流）を与える。Ｘ線管１３は、被検体Ｐの体軸方向に平行なスライス方向Ｓと、それに直交するチャンネル方向Ｃの２方向に広がるビームＸ線を発生する。

また、バスライン２０１には、ネットワークインターフェース２９が設けられ、Ｘ線ＣＴ装置１００はネットワークＮＷ（図１）に接続可能になっている。

Ｘ線ＣＴ装置１００によって撮影した画像データは、画像観察端末５００によって処理され、結節等の画像を表示部５０１に表示することができる。

画像観察端末５００のデータ処理部５０３は、例えば胸部ＣＴ検査のためのソフトウェアに基づいて動作し、結節に接続する血管などの正常構造の切り離し処理や、閾値処理等により結節を複数の領域に区分する分離処理、及び複数の領域に区分された結節を異なる色等で識別して重畳表示するとともに、それぞれの領域毎の体積値を数値表示する表示処理、を実行可能である。

即ち、本発明の医用画像表示装置では、結節領域(注目領域)を複数の異常構造領域、即ちソリッド領域、ＧＧＯ領域、突起領域に区分し、各々の異常構造領域を画像上で識別表示し、さらに結節の各領域の体積値を提示することかできる。

図３（ａ）は、肺がん診断において取得した注目領域の画像の一例を示した図であり、患者の肺部分の結節と思われる部位を拡大して示したものである。ＣＴ画像では、空気は−１０００ＨＵ、肺の領域は−９００〜−７００ＨＵ、胸壁，心臓，血管などは０付近のＣＴ値を持つ。また結節領域は、画素値で区分すると、−５００から０付近の核領域（ソリッド領域）３１と、−８００〜−３００のＧＧＯ領域３２と、−１０００〜−６００付近の空気領域３３に分類される。尚、ソリッド領域３１内又はＧＧＯ領域３２内には、孔領域３４，３５が見受けられる。

孔領域３４は例えば気管支等の孔であり、孔領域３５は、閾値処理によって派生して生じた小孔である。ＧＧＯ領域３２はＣＴ値が均一でないために、所定の閾値によって領域を分離した際に小孔が付随領域として散在する。またソリッド領域３１には線状構造体である血管３６が含まれる。これは血管とＧＧＯ領域の画素値が重複するためである。

また結節の中には、ソリッド領域３１のみから成りＧＧＯ領域を持たないものが多い。このような結節では、図３（ｂ）で示すように、実際にはＧＧＯ領域が存在しないにもかかわらず、閾値処理の結果、それに派生してソリッド領域３１の周りに薄い面状にぼやけた付随領域３７（面構造）が形成されてしまう。これは、ソリッド領域３１と肺実質領域の境界部がその中間の画素値を持っていることに起因する。

図３（ｃ）は、結節領域をＣＴ値で示すグラフの一例であり、ＣＴ値を横軸にとり、画素数を縦軸にとって示す図である。結節領域は、ソリッド領域（−５００から０付近）と、このソリッド領域と空気領域（−１０００〜−６００付近）の２つの閾値に挟まれたＧＧＯ領域（−８００〜−３００）に分類される。

図４は、データ処理部５０３の動作を説明するフローチャートと、表示画面の一例を示した説明図である。

図４（ａ）のフローチャートにおいて、ステップＳ１は、結節の位置を特定する位置決定ステップである。このステップでは、従来から提案されているＣＡＤ技術により、肺がんの候補である結節領域の位置を特定する。

医師はこれらの結節領域が正常構造であるか異常構造であるか、また異常であれば良性であるか悪性であるかを判断し、その判断結果に基づいて今後どのような検査・治療を実施すべきか等を決定していく。このステップＳ１では、医師が目視で画像上の結節の位置を見つけ、マウスでポイントして位置を特定するようにしても良い。

次のステップＳ２は、閾値の決定ステップである。最も単純には、次の２つの固定した閾値Ｔｇｌ，Ｔｓｌを用いる。

Ｔｇｌは、ＧＧＯ領域の下限の閾値であり、例えば−７００ＨＵに設定する。また、Ｔｓｌは、ソリッド領域の下限の閾値であり、例えば−３００ＨＵに設定する。こうしてソリッド領域下限閾値（Ｔｓｌ）とＧＧＯ領域下限閾値（Ｔｇｌ）を設定することにより、ソリッド領域、ＧＧＯ領域、空気領域の３領域に分割することができる。

あるいは、固定値（例えば0）とＴｇｌを固定比率で分割してＴｓｌを設定しても良い。例えばＴｓｌを0とＴｇｌの中間（Ｔｓｌ＝Ｔｇｌ／２）とする。この方法は、高速に閾値を決定でき、分割精度もある程度満足できるものであり実用的に有意義である。

尚、より高度な分割方法として、ＣＡＤなどに用いられる各種手法、例えばP-tile thresholding法、Mode method法、Optimal threshold法等を用いることもできる。

次のステップＳ３は、結節領域の抽出ステップであり、ステップＳ２で決定した閾値を用いて、結節領域をソリッド領域、ＧＧＯ領域、孔領域に分割する処理を行う。結節領域の抽出ステップＳ３の詳細フローについては後述する。

ステップＳ４は、抽出した各領域の体積をカウントするステップであり、ステップＳ５は、ステップＳ４でカウントした体積値を表示するステップである。

これにより、ソリッド領域、ＧＧＯ領域、孔領域、突起領域（spicula）の体積および全体体積を求めることができる。尚、突起（spicula）は、結節の発生過程においてソリッド領域から周囲に向かって成長して生じる異常線状構造である。これらの体積計測結果は例えば図４（ｂ）で示すように表示される。

さらに、ステップＳ６はステップＳ３で抽出した各領域をそれぞれ識別可能に表示するステップである。例えば図４（ｃ）で示すように、複数の異常構造領域、即ちソリッド領域、ＧＧＯ領域、突起領域ごとに色分けして表示することができる。こうして、結節の各区分の抽出結果を色で表示することにより、目視で確認できるようになる。また、色分け表示と体積値表示を併せて表示すればより有効である。

次に図４（ａ）のステップＳ２，Ｓ３の詳細な動作を図５のフローチャートを用いて説明する。図５は、閾値を用いて結節領域をソリッド領域、ＧＧＯ領域、孔領域等に分割する処理フローを示したものである。

図５において、ステップＳ１０はＸ線ＣＴ装置１００で撮影した画像データを取得するステップであり、ステップＳ１１は第１の閾値処理を行う。第１の閾値処理では、ステップＳ１２で決定されたＧＧＯ領域下限閾値Ｔｇｌ（例えば−７００ＨＵ）を用いて、画素値Ｖ≧Ｔｇｌの領域を抽出する。この処理で注目領域の画像、即ち凡その結節領域全体が抽出される。ステップＳ１２は、図４のステップＳ２に相当する。

ステップＳ１３では、血管・気管支壁の切り離し処理を行う。第１の閾値処理ステップＳ１２で抽出した領域には、血管などの線状構造体が含まれ、その一部は結節本体と連結しているものもある。一方、類似の線状構造体であるが結節に連結する異常構造（前述した突起）が存在する場合もある。ステップ１３ではこれら線状構造を分類し、異常でないと判断される線状構造を取り除く。詳細は後述する。

次にステップＳ１４では、第２の閾値処理を行う。ステップＳ１４では、結節全体からソリッド候補領域を得るために、血管・気管支壁の切り離し処理ステップＳ１３で得られた領域のうち、画素値Ｖ＜Ｔｓｌの領域を抽出する。ＴＳｌは例えば−３００ＨＵである。

ステップＳ１４の閾値処理により、画素値Ｖ＜Ｔｓｌの領域は、ソリッド候補領域Ａとして抽出され（ステップＳ１５）、画素値Ｖ≧Ｔｓｌでない領域は、ＧＧＯ候補領域Ａとして抽出される（ステップＳ１６）。

またステップＳ１７では、肺領域の抽出処理が行われる。肺領域の抽出は、胸部ＣＴ画像の中から胸壁内部の肺の存在する領域を抽出する。肺領域の抽出に関しては、例えば「Shiying Hu et al., Automatic Lung Segmentation for Accurate Quantitation of Volumetric X-Ray ＣＴ Images, IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL. 20, NO. 6, JUNE 2001」に記載されている。

次のステップＳ１８では、ソリッド候補領域Ａと肺領域の論理積をとり、肺領域にあるソリッド候補領域Ｂを抽出する（ステップＳ２０）。胸壁や心臓などはソリッド領域と同程度の画素値をもち、ソリッド候補領域Ａに含まれてしまっているが、本処理により、これらを取り除くことができる。またステップＳ１９も同様に、ＧＧＯ候補領域Ａと肺領域の論理積をとり、肺領域にあるＧＧＯ候補領域Ｂを抽出する（ステップＳ２１）。

尚、これらの論理積処理（ステップＳ１８，Ｓ１９）は、第１の閾値処理ステップＳ１１の直後に適用することも可能であり、領域抽出の品質は同等である。

次のステップＳ２２，Ｓ２３は、小孔除去のステップである。特にＧＧＯ領域は、画素値の均一性が低く、閾値処理の結果、小さな孔が派生して生じることが多い。ステップＳ２２，Ｓ２３では、このような小孔除去処理を行う。最も簡単な方法は、膨張処理（dilation）と、縮小処理（erosion）を利用して実行することができる。

例えば、図６（ａ）で示すように、ＧＧＯ領域３２に複数の小孔領域３５が生じている場合、この画像を膨張(太らせ)処理することにより、図６（ｂ）で示すように、小孔は周囲から埋められ小孔が除去される。膨張処理させる距離としては、１画素程度の小さな距離だけ膨張させる。これにより、気管等の大きな孔は埋まることなく再現できる。ただし、この方法では元の画像に対して外形が若干変形する。

そのため、図７に示すような小孔除去手法を用いても良い。即ち、図７（ａ）で示すように、ＧＧＯ領域３２に複数の小孔領域３５が生じている場合、この画像を膨張処理することにより、小孔は周囲から埋められ、図７（ｂ）で示すように小孔が除去される。

さらに膨張処理後、図７（ｃ）のように元の画像よりも小さくなるように縮小処理を行う。そして元の画像（ａ）と縮小画像（ｃ）の論理和を取ることにより図７（ｄ）で示すような小孔の除去された画像を得ることができる。図７の小孔除去処理によれば、膨張、縮小処理により変形した外形を復元できるため、より正確な体積計測が可能になる利点がある。

こうして、ソリッド候補領域Ｂから小孔領域が除去された領域は、ステップＳ２４においてソリッド領域と判定される。またＧＧＯ候補領域Ｂから小孔領域が除去された領域は、次の面構造除去ステップＳ２５において面構造が除去され、次のステップＳ２６においてＧＧＯ領域と判定される。

結節の中にはソリッド領域３１のみからなり、ＧＧＯ領域３２を持たないものが多いが、閾値処理の結果、図３（ｂ）で説明したようにソリッド領域３１の周りに薄い面状にぼやけた領域３７（面構造）が形成されてしまう。面構造除去ステップＳ２５は、この面構造を除去するステップである。

面構造除去ステップＳ２５は、先ずソリッド候補領域Ｂから小孔除去した領域Ｃと、ＧＧＯ候補領域Ｂから小孔を除去した領域Ｄの和領域を求める（これを領域Ｅとする）。次に領域Ｅに対して縮小処理（erosion）と、膨張処理（dilation）を実施する（これを領域Ｆとする）。尚、この際、膨張の距離を縮小の距離より大きくする。そして、領域Ｆのうち、ソリッド候補領域Ｂの小孔除去領域Ｃに含まれない領域を求める。これにより、面構造を除去することができる。こうして得られた領域が最終的なＧＧＯ領域である。

また小孔除去ステップＳ２２のあとは、孔抽出ステップＳ２７に進む。孔抽出ステップＳ２７では、小孔除去と同様の方法を用いて、孔を除去し、除去した孔の部分を抽出する。これは、図７の（ａ）と（ｄ）の差分をとることに相当する。膨張処理（dilation）させる距離としては小孔除去の際よりも大きな値を用いるとよい。

次のステップＳ２８では、孔の種別を判定する。臨床上ＣＴ画像の結節領域に見られる孔には、様々なタイプがあり、それぞれ悪性を示唆するものや良性を示唆するものがある。従って単に孔があることだけではなく、孔の種別を区別することが重要である。

ステップＳ２８では孔の種別を図８の基準により判定する。例えば、孔に含まれる画素の平均画素値と体積値によって孔の種別を判別する。

図８は、平均画素値をＴａ以上Ｔｂ未満と、Ｔｂ以上Ｔｃ未満に区分し、体積値をＶａ以上Ｖｂ未満と、Ｖｂ以上Ｖｃ未満に区分し、それらのマトリクスにより、孔領域１、孔領域２、孔領域３を種別する例を示している。

例えば空洞であれば、空気であるため小さな画素値を有し、泡沫状の気泡であれば空洞よりも高い画素値を有するため、画素平均値から孔の種類を判別できる。また体積値の大きさから気管支等を判別することができる。

こうしてステップＳ２９，Ｓ３０では、孔の種別（例えば孔領域１、孔領域２）を判別し、図４のステップＳ４，Ｓ５を介して孔の体積値を表示部に表示する。図４（ｂ）では、Volume of air in solidとして表示されている。

次に図５のステップＳ１３の血管・気管支壁の切り離し処理について詳細に説明する。

ステップＳ１３では、基本的に血管あるいは気管支壁（正常線状構造）と、結節の異常線状構造（突起）とを区別し、正常線状構造を結節領域から切り離す処理を行う。

つまり、異常線状構造である突起は、結節と連結しており、結節から一定の長さ以内にある。逆に、正常線状構造は結節と連結しないか、連結しても一定長さを超えるという判定基準を基に異常線状構造の区別と、正常線状構造の結節領域からの切り離し処理を行う。

上記の判定基準は、経験から導出したものであり、異常線状構造は結節の発生過程で生じ、結節から周囲に向かって成長すること、及びその成長の長さはほとんど一定値を超えないという経験則に基づいている。

この判定基準に従って正常線状構造（血管等）を結節領域から切り離す具体的な方法を図９、図１０を用いて説明する。

図９（ａ）は、結節の候補領域を抽出した図である。斜線を施した部分４１は結節部分であり、結節から成長した突起４２が複数ある。また結節４１に連結した血管４３がある。図９（ｂ）では、結節４１に連結した領域を領域ａ〜領域ｄとして示している。

次に領域ａ〜領域ｄが、突起４２であるか、血管４３であるかを判別するため、モーフォロジーフィルタを適用して結節領域を設定する。即ち、図９（ｂ）の太線５１の内部領域を設定する。太線で示される領域５１は結節の本体領域より若干大きめになるように設定すると良い。

次に図９（ｃ）で示すように、太線５１の領域を球５２（又は楕円体）等で近似し、その半径を求める。楕円体の場合は３つの半径を求める。さらに求めた半径に一定値を加えた球５３（又は楕円体）の領域を求める。

そして、領域ａ〜領域ｄの内、突起４２の成長の長さはほとんど一定値を超えないため、球５３（又は楕円体）よりも外にある部分（領域ｄ）は血管であると判断し、球５２と球５３の範囲内にある部分（領域ａ〜領域ｃ）は突起と判断する。

次に、球５３（又は楕円体）の外の部分に存在する領域（領域d）を求め、その領域をもとの領域（図９（ａ））から削除する。これによって図９（ｄ）に示すように結節４１とそれに連結する突起４２のみを抽出することができる。

図１０は、正常線状構造（血管等）を結節領域から切り離す別の方法を示している。図１０（ａ）は、結節の候補領域を抽出した図である。斜線を施した部分４１は結節部分であり、結節から成長した突起４２が複数ある。また結節４１に連結した血管４３がある。また図１０（ｂ）では、結節４１に連結した領域を領域ａ〜領域ｄとして示している。

次に領域拡張法を用い、結節本体領域の外の部分の長さを判定する。これは、先ず図９（ｂ）と同様に太線５１の内部領域を設定し、太線５１の内部領域を求める。そして、太線５１に接する領域をシードとし、シード領域に連結する部分の距離を求めていく。図１０（ｂ）では矢印で示すシード領域からの距離を１０ｍｍ単位で示しており、領域ａ〜ｄの内、所定距離以上の領域（領域ｄ）があれば血管領域として削除する。

これによって図１０（ｃ）に示すように結節４１とそれに連結する突起４２のみを抽出することができる。

こうして、結節に連結する異常構造領域（突起）を削除することなく、血管や気管支などの正常構造を削除することが可能になり、あとは図５のステップＳ１４以降の処理により、結節領域をソリッド領域、ＧＧＯ領域、孔領域に区分して抽出することができる。

また、図５のステップＳ２４のあとに突起領域の抽出ステップＳ３１を設けることにより、突起領域を区分する。ステップＳ３１では、図９（ｃ）又は図１０（ｃ）の画像から太線領域５１の外にある領域を突起領域として抽出する。尚突起領域の抽出は、論理積ステップＳ１８の後段にて行うこともできる。

そして、ソリッド領域、ＧＧＯ領域、孔領域、突起領域を識別可能に（例えば異なる色を用いて）表示することにより、図４（ｃ）のように各領域の変化を的確に把握することが可能となる。また併せて、各領域の体積値を図４（ｂ）のように表示することにより、数値で体積変化を観察することができ、より一層診断を容易に行うことができる。

例えば、結節４１に接続する突起４２が成長したり太さが増えたり、本数が増加する現象は、悪性の結節を示唆するが、本発明によれば、数ヶ月の後に撮影した画像での体積変化を図と数値で知ることができる。従って、良性／悪性をより正しく判定することができる。

特に、図４（ｂ）では、突起部分の体積が"Volume of spicula"の項目として表示されるため、全体の体積を比較するよりも、突起部分の体積の増加がより明確な差となって表れ、良性／悪性の判定を助けることができる。当然のことではあるが、図４（ｂ）で示す各領域の体積値は、図４（ｃ）で色表示した各領域に対応したものでなければならない。

また、数値表示としてはdoubling rateを表示しても良い。doubling rateは、突起４２の体積が２倍になるのに要する日を表すもので、この数値を利用すれば良性／悪性をより早く判定することができる。

尚、図４（ｃ）の色表示は、原画像に半透明で重畳表示することもできる。具体的には、画像のグレイスケール値と各色のＲＧＢ値を、例えば１対１でブレンドすることで半透明表示とすることができ、抽出の間違いを発見することが容易になる。

このように、本発明の実施形態では、結節の複数の領域を分離して識別可能に表示することができる。また各々の領域の体積値を画像上で提示することができ、診断する上で正確に良性悪性を判断できるようになる。

また、図２のＸ線ＣＴ装置１００の画像データ処理部２６に、画像観察端末５００のデータ処理部５０３と同様の機能を持たせてもよい。これにより、図２の表示部２７を用いて図４（ｂ），（ｃ）の医用画像を観察可能な医用画像診断装置を提供することができる。尚、以上の説明した実施形態に限られず、特許請求の範囲を逸脱しない範囲で種々の変形が可能である。

本発明の一実施形態に係る医用画像表示装置が適用された医用システムを示すシステム構成図。 同医用システムに用いられるＸ線ＣＴ装置を示すブロック図。 本発明の動作説明に係る結節領域の説明図。 本発明の一実施形態に係る医用画像表示装置の動作を説明するフローチャート及び表示画面の一例を示す説明図。 同実施形態に係る医用画像表示装置の動作をより詳細に説明するフローチャート。 同実施形態に係る医用画像表示装置の小孔除去の動作を説明する説明図。 同実施形態に係る医用画像表示装置の小孔除去の別の動作を説明する説明図。 同実施形態に係る医用画像表示装置の孔領域の判定基準の一例を説明する説明図。 同実施形態に係る医用画像表示装置の結節と血管の分離動作の一例を説明する説明図。 同実施形態に係る医用画像表示装置の結節と血管の分離動作の他の例を説明する説明図。

符号の説明

１００…Ｘ線ＣＴ装置（医用画像診断装置）
５００…画像観察端末装置（医用画像表示装置）
５０１…表示部
５０２…入力部
５０３…データ処理部
１３…Ｘ線管
１４…Ｘ線検出器
１５…天板
１６…データ収集部
１７…データ伝送装置
２２…システム制御部
２３…入力部
２４…データ記憶部
２５…再構成処理部
２６…画像データ処理部
２７…表示部
２８…高電圧発生部
２９…ネットワークインターフェース

Claims (15)

1. 医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出する第１の領域抽出部と、
   前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出する第２の領域抽出部と、
   前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去する付随領域除去部と、
   前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分し、それぞれの異常構造領域を識別可能に表示する表示部と、を具備してなる医用画像表示装置。
2. 前記表示部は、前記それぞれの異常構造領域の画像を異なる色で表示することを特徴とする請求項１記載の医用画像表示装置。
3. 前記複数の異常構造領域のうち前記核領域は、結節のソリッド(Solid)領域であり、他の異常構造領域としてＧＧＯ(Ground Glass Opacity)領域、及び前記核領域から成長した突起領域を含むことを特徴とする請求項１記載の医用画像表示装置。
4. 前記付随領域は、前記第１の領域処理部での抽出処理によって形成される孔領域であることを特徴とする請求項１記載の医用画像表示装置。
5. 前記付随領域は、前記第１の領域処理部での抽出処理によって前記核領域の周辺に薄く形成される面構造領域であることを特徴とする請求項１記載の医用画像表示装置。
6. 前記第２の領域抽出部は、前記核領域に連結する線状構造体の長さが所定の長さ以内であれば前記異常構造体であると判別し、所定の長さ以上であれば付随領域であると判別することを特徴とする請求項１記載の医用画像表示装置。
7. 医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出する第１の領域抽出部と、
   前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出する第２の領域抽出部と、
   前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去する付随領域除去部と、
   前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分して、それぞれの異常構造領域の体積値を算出するとともに、前記付随領域の体積値を算出する体積算出部と、
   前記体積算出部で算出したそれぞれの領域の体積値を表示する表示部と、
   を具備してなる医用画像表示装置。
8. 前記複数の異常構造領域のうち前記核領域は、結節のソリッド(Solid)領域であり、他の異常構造領域としてＧＧＯ(Ground Glass Opacity)領域、及び前記核領域から成長した突起領域を含むことを特徴とする請求項７記載の医用画像表示装置。
9. 前記付随領域は、前記第１の領域処理部での抽出処理によって形成される孔領域であることを特徴とする請求項７記載の医用画像表示装置。
10. さらに、前記孔領域の画素値及び体積値をもとに前記孔領域の種類を判定する判定部を有することを特徴とする請求項９記載の医用画像表示装置。
11. 前記体積算出部は、前記核領域に連結する所定の長さ以内の線状構造体を前記突起領域と判別し、この突起領域の体積値を算出することを特徴とする請求項８記載の医用画像表示装置。
12. 医用画像撮影部によって取得した撮影画像のうち観察対象部分の画像から、核領域を含む注目領域の画像を抽出し、
    前記抽出された注目領域の画像から前記抽出処理によって派生して生成される付随領域の画像を抽出し、
    前記第１の領域抽出部によって抽出した注目領域の画像から前記付随領域の画像を除去し、
    前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分し、それぞれの異常構造領域を識別可能に表示することを特徴とする医用画像表示方法。
13. 前記それぞれの異常構造領域の画像を異なる色で表示することを特徴とする請求項１２記載の医用画像表示方法。
14. 前記異常構造領域は、ソリッド(Solid)領域、ＧＧＯ(Ground Glass Opacity)領域、及び前記ソリッド(Solid)領域から成長した所定の長さ以内の突起領域を含むことを特徴とする請求項１２記載の医用画像表示方法。
15. さらに前記付随領域の画像が除去された前記注目領域の画像を、前記核領域を含む複数の異常構造領域に区分してそれぞれの異常構造領域毎の体積値を算出するとともに、前記付随領域の体積値を算出し、
    前記算出したそれぞれの領域の体積値を表示することを特徴とする請求項１２記載の医用画像表示方法。

Images