JP2009061170A - 医用画像診断支援装置 - Google Patents

Abstract

【課題】決定木に基づくアルゴリズムにより病変候補を検出し得る医用画像診断支援装置を提供する。
【解決手段】複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する制御手段と、を備えた医用画像診断支援装置とする。
【選択図】図２

Description

本発明は、医用画像診断支援装置に関する。

近年、高度医用機器の進歩により各種モダリティが多数存在する。例えば、マルチスライスＣＴ（Computed Tomography）装置や高磁場ＭＲＩ（Magnetic Resonance Imaging）装置等である。そして、医師はこれらモダリティにより生成された複数の種類の医用画像を同時に参照して、総合的に判断することにより病変の特定を行っている。

モダリティにより生成される医用画像の枚数は検査の内容に応じて異なるが、多い場合で１０００枚程度の医用画像が生成されることがある。このような場合、医師は病変の特定に必要となる医用画像を１０００枚程度の医用画像から抽出する煩雑な作業を強いられることとなる。

また、医師が画像診断をするに際しては、医師の知識と経験に基づいて病変の判別が行われる。そのため、医師は判別が困難な境界領域の医用画像について診断する場合、或いは非常に稀な症例を診断する場合には、その判別基準について参考書等を参照しながら読影を行っているのが現状である。つまり、医師は医用画像にある病変候補の特徴を見て参考書等にある病変を特定するのではなく、まず始めに参考書等から病変をある程度推定することが必要となる。よって、画像診断を行う医師の知識や経験に無い症例を、その医師が医用画像から抽出することは困難となる。

現在では、複数のモダリティから生成された同一部位に係る医用画像をフィルムやモニタに同時表示させ、医用画像同士を比較可能に表示することにより対応している。複数の異種の医用画像を同時表示させることで、医師は医用画像における特徴的な部位について総合的な判断が容易となる。よって、読影作業の負担軽減を図ることが可能となる。

複数の医用画像を同時表示させるに際して、以下の技術を利用することにより、更に医師の読影負担を軽減することができる。
例えば、特許文献１に記載の装置によれば、画像の注目画素周辺の関心領域における濃度分布やモーフォロジー演算等の特徴量を病変の種類の判断に使用することができる。
また、特許文献２に記載の装置によれば、複数のモダリティによる医用画像を表示する際には計算機による解剖学的位置合わせを行い、同一部位の画像を自動的に表示可能とすることができる。
特開２００４−１８０９３２号公報 特開平１０−１３７２３１号公報

しかし、特許文献１及び２に記載の装置を用いても結局のところ、病変候補の特定には医師の知識と経験が必要となる。よって、経験の浅いレジデントの医師では発見が困難な病変候補を検出することができない。

本発明は、決定木に基づくアルゴリズムにより病変候補を検出し得る医用画像診断支援装置を提供することである。

請求項１に記載の発明によれば、
複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、
医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、
前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する制御手段と、
を備えた医用画像診断支援装置が提供される。

請求項２に記載の発明によれば、請求項１に記載の発明において、
表示手段を備え、
前記制御手段は、前記医用画像において検出した病変候補を前記表示手段に表示させる医用画像診断支援装置が提供される。

請求項３に記載の発明によれば、請求項１又は２に記載の発明において、
前記制御手段は、前記医用画像において検出した病変候補の領域を、他の領域と識別して前記表示手段に表示させる医用画像診断支援装置が提供される。

請求項４に記載の発明によれば、請求項３に記載の発明において、
前記制御手段は、前記医用画像において複数の病変候補を検出した場合、当該病変候補の種類ごとに他の領域と識別して前記表示手段に表示させる医用画像診断支援装置が提供される。

請求項５に記載の発明によれば、請求項１〜４の何れか一項に記載の発明において、
前記判別条件及び当該判別条件によって判別される病変候補の情報を入力するための操作手段を備え、
前記記憶手段は、前記操作手段により入力された判別条件及び当該判別条件によって判別される病変候補の情報を記憶する医用画像診断支援装置が提供される。

請求項６に記載の発明によれば、請求項１〜５の何れか一項に記載の発明において、
前記制御手段は、前記複数の種類の医用画像に対して、位置、形状、ゆがみ、解像度、濃度のうち少なくとも１つを補正する前処理を施した後、前記病変候補の検出に前記複数の種類の医用画像を用いる医用画像診断支援装置が提供される。

本発明によれば、複数の種類の医用画像を統合して病変候補の検出を可能とする。これにより、医師は煩雑な作業を要せずに異常部位を含む医用画像を把握することができ、知識や経験が浅いレジデントの医師等であっても容易に病変候補を特定することができる。なお、病変候補の検出には医用画像の種類及び画素値による閾値を判別条件とした決定木が用いられる。決定木によれば、医師の判断を反映した病変候補の検出が可能である。

以下、本発明に係る医用画像診断支援装置について、最適な実施形態の構成及び動作について図面を用いて詳細に説明する。

図１に、本実施形態における医用画像診断支援装置１０の内部構成を示す。
医用画像診断支援装置１０は、制御部１１、操作部１２、表示部１３、通信部１４、記憶部１５から構成される。

制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成され、記憶部１５に格納されている所定のプログラムをＲＡＭに展開し、当該プログラムとの協働により処理動作を統括的に制御する。

操作部１２は、数字キー、文字キー、機能キー等を備えたキーボードや、マウス等を備えて構成され、操作されたキーに対応する操作信号を制御部１１に出力する。

表示部１３は、ＬＣＤ（Liquid Crystal Display）等を備えて構成され、制御部１１の表示制御に従って、医用画像や操作画面等の各種表示情報を表示する。なお、表示部１３は、操作部１２と一体型のタッチパネルを構成する態様としてもよい。

通信部１４は、ネットワークインターフェイスカードやモデム等の通信用のインターフェイスを備えて構成される。医用画像診断支援装置１０は、通信部１４を介して、図示しないモダリティにより生成された医用画像を受信する。

記憶部１５は、システムプログラムの他、制御部１１により実行される制御プログラムや画像処理プログラム等の各種プログラムを備え、各プログラムの実行に必要な各種パラメータを記憶し、実行された後に処理されたデータ等を記憶する。

例えば、記憶部１５は、決定木に基づき医用画像において病変候補を判別する処理プログラムを記憶する。決定木とは、入力データを複数の判別条件により木の枝葉のように階層的に分類していき、一の判別結果を導き出すために用いられる手法である。記憶部１５は、階層的に定められている判別条件及びその判別条件によって判別される病変候補の情報を記憶している。判別条件には、判別に用いる医用画像の種類と画素値の閾値が含まれる。また、病変候補の情報には、病変候補の有無又はその種類に関する情報が含まれる。

次に、医用画像診断支援装置１０による決定木を用いた病変候補の判別処理について説明する。
図２に、本実施形態における決定木１００を示す。
決定木１００は階層的に枝分かれした複数の判別工程Ｓ１〜Ｓ１４が予め定められたものである。図２において、ひし形の図形が判別工程を示している。各判別工程Ｓ１〜Ｓ１４では、判別に用いる医用画像の種類と、分岐する条件が定められている。ここでは、分岐条件として医用画像の画素単位での画素値（以下、「対象画素値」という）の例を示している。すなわち、各判別工程Ｓ１〜Ｓ１４で用いられる対象画素値について閾値Ｔｈ１〜Ｔｈ１４を定め、この閾値によって次にどの判別工程Ｓ１〜Ｓ１４に移行するかを決定する。なお、本実施形態では、医用画像の特徴量として画像濃度、つまり画素値を用いる例を説明するが、画素位置や周波数等の他の特徴量を用いてもよい。また、決定木１００では、各判別工程Ｓ１〜Ｓ１４を経た結果、正常又は病変候補の種類についての情報が定められている。

図２においては各判別工程Ｓ１〜Ｓ１４で用いる医用画像の種類をひし形の図形内部に記載しているが、単純ＣＴは造影剤を使用しないＣＴ撮影、造影ＣＴは造影剤を用いたＣＴ撮影で得られる医用画像を示し、Ｔ１、Ｔ２はそれぞれＭＲＩ装置により得られるＴ１強調画像、Ｔ２強調画像を示す。またＳＴＩＲはＭＲＩ装置においてＳＴＩＲ法により得られる医用画像を示し、造影ＭＲＩは造影剤を用いたＭＲＩ撮影で得られる医用画像を示す。

まず、制御部１１は、通信部１４を介してＣＴ装置やＭＲＩ装置等のモダリティから生成された複数の異種の医用画像を受信する。その後、制御部１１は、決定木１００を用いたアルゴリズムにより病変候補の検出等を行う前提として前処理を行う。前処理には、受信した複数の種類の医用画像に対して位置、形状、ゆがみ、解像度の補正及び画像濃度の調整がある。判別に用いる各種類の医用画像の画像条件を前処理によって統一することにより、より精度の高い判別を行うためである。前処理としては、例えば特開平１０−１３７２３１号公報に記載のように、ある解剖学的位置（例えば、背骨等）を特定し、複数の種類の医用画像においてこの特定位置が一致するように座標変換を行う。
その後、制御部１１は、前処理した医用画像を用いて決定木１００に基づく病変候補の判別処理を画素単位で行う。

図３に、複数の種類の医用画像を統合して画素単位で病変候補を検出する様子を示す。
決定木１００の判別工程によっては、異なる種類の医用画像が用いられることとなるが、図３に示すように各医用画像において同一位置の画素を対象画素として判別を行う。

ここで、決定木１００において判別結果として定められている病変候補の全ての種類に対応するためには、受信すべき複数の医用画像には少なくとも「単純ＣＴ」画像及び「造影ＣＴ」画像、ＭＲＩ装置から生成された「Ｔ１」画像、「ＳＴＩＲ」画像及び「造影ＭＲＩ」画像が必要となる。また、図２に示す病変以外を特定可能とする決定木の場合には更に異なる種類の医用画像が必要となる場合がある。こうした新たな決定木の生成は、データマイニングにより制御部１１が作成して記憶部１５に記憶されることとしてもよい。

図２に示すように、最初の判別工程Ｓ１では「単純ＣＴ」の医用画像を用いる。制御部１１は、この単純ＣＴの対象画素値と判別工程Ｓ１で定められている閾値Ｔｈ１とを比較し、閾値Ｔｈ１以下であれば判別工程Ｓ２へ移行し、閾値Ｔｈ１を超える場合は判別工程Ｓ３へ移行する。ここでは、閾値Ｔｈ１以下であったとして以降の処理を説明する。

制御部１１は、対象画素値が閾値Ｔｈ１以下であると判別した場合（Ｓ１；ＮＯ）、「造影ＣＴ」の医用画像を用いて、この医用画像における対象画素値が判別工程Ｓ２で定められている閾値Ｔｈ２を超えるか否か判別する。閾値Ｔｈ２以下である場合は判別工程Ｓ４に、閾値Ｔｈ２を超える場合は判別工程Ｓ５に移行する。ここでは、閾値Ｔｈ２以下であった場合を説明する。

制御部１１は、対象画素値が閾値Ｔｈ２以下であると判別した場合（Ｓ２；ＮＯ）、「Ｔ１」の医用画像の対象画素値が判別工程Ｓ４で定められている閾値Ｔｈ４以下であるか否かについて判別する。閾値Ｔｈ４以下であれば判別工程Ｓ７へ移行し、閾値Ｔｈ４以上であれば判別工程Ｓ８へ移行する。ここでは、閾値Ｔｈ４以下であった場合を説明する。

制御部１１は、対象画素値が閾値Ｔｈ４以下であると判断した場合（Ｓ４；ＮＯ）、最後に「ＳＴＩＲ」画像の対象画素値が判別工程Ｓ７で定められている閾値Ｔｈ７以下であるか否かについて判別する。

制御部１１は、対象画素値が判別工程Ｓ７で定められている閾値Ｔｈ７以下であると判別した場合（Ｓ７；ＮＯ）、病変候補を「肝嚢胞」として検出する。なお、閾値Ｔｈ７を超える場合は「カンジダ症」の病変候補を検出することとなる。

上記説明した決定木１００は、医師の読影方法に基づいて定められている。すなわち、決定木１００における判別工程の順番や判別条件等は、医師が病変を特定する際に読影する医用画像の順番や濃度等と同様となっている。例えば、図２の決定木１００では、最初の判別工程Ｓ１では「単純ＣＴ」の医用画像、次の判別工程Ｓ２、Ｓ３では「造影ＣＴ」の医用画像を用いることが定められている。これは、実際に医師が読影する際に最初に用いる医用画像が「単純ＣＴ」であり、次に「造影ＣＴ」を用いることが一般的であることに基づく。また、閾値Ｔｈ１〜Ｔｈ１４についても同様である。読影の際に用いる医用画像の種類に応じて医師は画像濃度を調整するが、この画像濃度と同様の画像濃度が決定木１００において定められている。

なお、上記決定木１００は、上述したように医師の読影方法に基づいて判別順序及び判別条件が予め定められて構成されているが、必ずしもこれに限らない。例えば、データマイニングの手法を用いて決定木１００の構成が実際の医用画像診断において最適化されるような学習決定木とすることも可能である。この場合、それぞれの判別条件における対象画素値の閾値は、上記決定木１００と異なることがある。

制御部１１は、上記判別処理を医用画像の全画素について繰り返し行い、処理を終えるとその判別結果の表示制御を行う。
図４に、判別結果の表示例を示す。
上記決定木１００に基づき対象画素値ごとに判別処理がなされた結果、制御部１１は異常と判断した画素をその他の画素とは色を変えて表示させる等、識別して表示部１３に表示させる。なお、このとき制御部１１は病変候補も同時に表示部１３に表示させることとしてもよい。
また、図５に、制御部１１が複数の病変候補を検出した場合の判別結果の表示例を示す。図５に示すように、複数の病変候補が制御部１１により検出された場合、検出された病変候補の領域が病変の種類ごとに識別されて表示部１３の画面上に表示される。また、他の領域とも識別されて表示される。

以上のように、本実施形態によれば、ＣＴ装置やＭＲＩ装置等のモダリティから生成された複数の異種の医用画像を統合して異常部位を検出し、病変候補を自動的に検出することができる。病変候補の検出は、判別条件を医用画像の種類及び対象画素値とする決定木１００に基づくアルゴリズムにより行われる。
これにより、知識や経験の浅い医師であっても読影が困難な病変候補を容易に把握することができる。

また、制御部１１が検出した病変候補名を表示部１３に表示させることとしてもよい。これにより、医師は視覚的に病変を把握し易くなる。

また、制御部１１が検出した医用画像における病変候補の領域を表示部１３に他の領域と識別して表示させることとしてもよい。これにより、発見が困難な病変候補を医師は視覚的に容易に把握することができる。

また、制御部１１が複数の種類の病変候補を検出した場合、当該複数の病変候補の領域同士及び他の領域をそれぞれ識別して表示部１３に表示させることとしてもよい。これにより、医師は病変候補として可能性のある領域を全て把握することができる。

また、病変候補の検出に用いる決定木１００は、通常医師が読影する際の判断に即して予め作成されたものを用いるが、操作部１２を介して、決定木１００の判別順序及び条件を医師が任意に設定するとしてもよい。例えば、データマイニングにより実際の読影に即して作成される学習決定木とすることが可能である。
具体的には、図２の判別工程Ｓ１において、単純ＣＴ画像の閾値がＴｈ１以下である場合には判別工程Ｓ２に移行する。しかし、これを閾値が３以下である場合に判別工程Ｓ２に移行した方が実際の読影に即しているのであれば、判別工程Ｓ１では閾値を３とする新たな決定木を制御部１１が作成する学習決定木としてもよい。

また、複数の種類の医用画像を統合して異常部位の検出及び病変候補の特定を行う際に、前処理として位置、形状、ゆがみ、解像度の補正及び濃度調整を各医用画像に対して行うこととしてもよい。これにより、より適正に異常部位の検出及び病変候補の特定を行うことができる。

医用画像診断支援装置の内部構成を示す図である。 決定木の一例を示す図である。 複数の種類の医用画像を統合して病変候補を検出する様子を示す図である。 病変候補の領域を識別表示した医用画像の一例を示す図である。 複数の病変候補の領域を識別表示した医用画像の一例を示す図である。

符号の説明

１０ 医用画像診断支援装置
１１ 制御部
１５ 記憶部
１００ 決定木

Claims (6)

1. 複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、
   医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、
   前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する制御手段と、
   を備えた医用画像診断支援装置。
2. 表示手段を備え、
   前記制御手段は、前記医用画像において検出した病変候補を前記表示手段に表示させる請求項１に記載の医用画像診断支援装置。
3. 前記制御手段は、前記医用画像において検出した病変候補の領域を、他の領域と識別して前記表示手段に表示させる請求項１又は２に記載の医用画像診断支援装置。
4. 前記制御手段は、前記医用画像において複数の病変候補を検出した場合、当該病変候補の種類ごとに他の領域と識別して前記表示手段に表示させる請求項３に記載の医用画像診断支援装置。
5. 前記判別条件及び当該判別条件によって判別される病変候補の情報を入力するための操作手段を備え、
   前記記憶手段は、前記操作手段により入力された判別条件及び当該判別条件によって判別される病変候補の情報を記憶する請求項１〜４の何れか一項に記載の医用画像診断支援装置。
6. 前記制御手段は、前記複数の種類の医用画像に対して、位置、形状、ゆがみ、解像度、濃度のうち少なくとも１つを補正する前処理を施した後、前記病変候補の検出に前記複数の種類の医用画像を用いる請求項１〜５の何れか一項に記載の医用画像診断支援装置。

Images