JP2009219655A - 画像解析装置および方法並びにプログラム - Google Patents

画像解析装置および方法並びにプログラム Download PDF

Info

Publication number
JP2009219655A
JP2009219655A JP2008067072A JP2008067072A JP2009219655A JP 2009219655 A JP2009219655 A JP 2009219655A JP 2008067072 A JP2008067072 A JP 2008067072A JP 2008067072 A JP2008067072 A JP 2008067072A JP 2009219655 A JP2009219655 A JP 2009219655A
Authority
JP
Japan
Prior art keywords
image
predetermined direction
slice
periodic structure
dimensional
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
Application number
JP2008067072A
Other languages
English (en)
Other versions
JP5138431B2 (ja
Inventor
Yoshiji Nakamura
佳児 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2008067072A priority Critical patent/JP5138431B2/ja
Priority to US12/405,812 priority patent/US8150132B2/en
Publication of JP2009219655A publication Critical patent/JP2009219655A/ja
Application granted granted Critical
Publication of JP5138431B2 publication Critical patent/JP5138431B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

【課題】所定の方向に周期性を有する周期性構造物を含む被検体を表す複数の３次元画像の前記所定の方向における位置関係を、周期性構造物を基準にして、より高い精度で自動的に決定する。
【解決手段】所定の方向に周期性を有する周期性構造物（Ｂ１，Ｂ２，Ｂ３）を含む２つの３次元画像Ｖ1、Ｖ2の間のその所定の方向における位置の対応関係を、その周期性構造物の寄与がより低い基準に基づいて暫定的に決定した後（ｂ）、その周期性構造物の寄与がより高い基準に基づいて、３次元画像Ｖ1中のその所定の方向における任意の位置に対応する３次元画像Ｖ2中のその所定の方向における位置が、３次元画像Ｖ2中の位置のその所定の方向における近傍の範囲内で修正されるように、暫定的に決定された対応関係を修正する（ｃ）。
【選択図】図８

Description

本発明は、２つの３次元画像の所定の方向における位置の対応関係を決定する画像解析に関するものである。
体軸方向に垂直なスライスによる複数の断面画像から構成される複数の３次元画像の比較読影を行う際に、オペレータによって指定された１対の対応するスライス位置と、各３次元画像のスライス厚等に基づいて、各３次元画像中の各断面画像の対応関係を決定し、各３次元画像中の相対応する断面画像を並べて表示する技術が知られている（例えば、特許文献１）。また、特許文献１では、この１対の対応するスライス位置を自動決定する方法として、比較読影対象の複数の３次元画像間の相関演算を行い、相関が最大となる時の前記所定の構成軸方向における画像間のずれ量を求めることによって決定する技術が提案されている。ここで、相関演算を行う対象領域（ROI）は、オペレータの選択、あるいは、周波数解析等による自動選択によって決定される。
特開平８−２９４４８５号公報
人体を表す複数の３次元画像を構成する軸位断（axial）画像の比較読影を行う場合、呼吸等の影響を受けにくい椎骨を基準にして各３次元画像中の各軸位断画像の対応関係を決定し、相対応する軸位断画像を並べて表示することが、実際の読影現場から要望されている。
しかしながら、比較読影対象の各３次元画像間の体軸方向の位置の対応関係を相関演算によって求める際、相関演算の対象領域を、椎骨以外の構造物（臓器等）を含む領域にすると、椎骨のように体軸方向に周期性を有する構造物のテクスチャは、その周期性により、各３次元画像間の相関に対する寄与が小さいので、実際には椎骨以外の構造物が基準となって対応関係が決定されてしまい、椎骨の位置関係がずれた軸位断画像が並べられて表示されてしまうことがあり得る。図２０はこのようなケースの具体例を模式的に表したものである。図２０（ａ）は３次元画像Ｖ1の椎骨Ｂ２の中央付近の断面による断面画像を表している。ここで、例えば、断面顔図全体に注目して、この断面画像と相関の高い断面画像を３次元画像Ｖ2から特定する場合、３次元画像Ｖ2から得られる断面画像の断面の体軸方向の位置によって肝臓のテクスチャは大きく変動するが、椎骨のテクスチャは肝臓ほどは変動しないので、肝臓のテクスチャの類似性が高い断面画像が３次元画像Ｖ2から特定されることになる。ところが、図２０（ｂ）に示したように、被検体の胸部から腹部にかけての断面画像では、呼吸等の影響により、肝臓と椎骨の位置関係が変動しうるため、３次元画像Ｖ2から特定された断面画像の断面の位置は、３次元画像Ｖ1と同様に椎骨Ｂ２の中央付近となるとは限らない。
一方、相関演算の対象領域を椎骨の領域のみにすると、椎骨のテクスチャの周期性により、異なる椎骨が対応づけられてしまい、椎骨の位置関係がずれた軸位断画像が並べられて表示されてしまうことがあり得る。図２１はこのようなケースの具体例を模式的に表したものである。図２１（ａ）に示した３次元画像Ｖ1の椎骨Ｂ２の中央付近の断面による断面画像と椎骨のテクスチャが類似する断面画像を３次元画像Ｖ2から特定する場合、椎骨のテクスチャの周期性により、３次元画像Ｖ2中の椎骨Ｂ２の中央付近だけでなく、椎骨Ｂ１の中央付近の断面による断面画像も３次元画像Ｖ1の椎骨Ｂ２の中央付近の断面による断面画像と類似する（図２１（ｂ））。したがって、両３次元画像間での撮影条件の相違等の影響により、３次元画像Ｖ1の椎骨Ｂ２の中央付近の断面による断面画像と３次元画像Ｖ2中の椎骨Ｂ１の中央付近の断面による断面画像の相関が、３次元画像Ｖ2中の椎骨Ｂ２の中央付近の断面による断面画像との相関よりも高くなってしまい、その結果、３次元画像Ｖ1の椎骨Ｂ２と３次元画像Ｖ2の椎骨Ｂ１とが対応づけられてしまうことがあり得る。
本発明は上記事情に鑑みてなされたものであり、所定の方向に周期性を有する周期性構造物を含む被検体を表す複数の３次元画像の前記所定の方向における位置関係を、周期性構造物を基準にして、より高い精度で自動的に決定することを実現する画像解析装置および方法並びにプログラムを提供することを目的とするものである。
本発明の画像解析装置は、所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係を、前記周期性構造物の寄与がより低い基準に基づいて決定する対応関係決定手段と、前記周期性構造物の寄与がより高い基準に基づいて、前記対応関係決定手段によって決定された前記対応関係を修正する対応関係修正手段とを設けたものであって、前記対応関係修正手段が、前記決定された対応関係によって対応づけられる、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記対応関係の修正を行うようにしたことを特徴とする。
本発明の画像解析方法は、所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係を、前記周期性構造物の寄与がより低い基準に基づいて決定するステップと、前記周期性構造物の寄与がより高い基準に基づいて、前記決定された前記対応関係を修正するステップとからなる方法であり、前記修正するステップにおいて、前記決定された対応関係によって対応づけられる、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記対応関係の修正を行うようにしたことを特徴とする。
本発明の画像解析プログラムは、コンピュータに上記画像解析方法を実行させるものである。
以下、本発明の詳細について説明する。
「被検体」は、所定の方向に周期性を有する周期性構造物だけでなく、その周期性構造物との位置関係が前記所定の方向に変位しうる構造物も有していると、本発明の効果がより顕著となる。
「所定の方向に周期性を有する周期性構造物」の具体例としては、人体の体軸方向に椎骨を１周期とする周期性を有する脊柱が挙げられる。この場合、脊柱（椎骨）との位置関係が体軸方向に変位しうる構造物の具体例として、呼吸等により変位しうる肺等の臓器が挙げられる。
また、「被検体」は同種のものであることが好ましいが、同一の個体であるかどうかは問わない。
「２つの３次元画像」は、同一モダリティでの撮影によって得られたものであってもよいし、異なるモダリティでの撮影によって得られたものであってもよい。また、同一検査の異なるシリーズで得られたものであってもよいし、例えば検査日の異なる２つの検査で得られたものであってもよい。さらに、同一検査で得られる、被検体の３次元的動態、すなわち被検体の３次元的な状態変化を表す４次元画像中の２つの時点を表す３次元画像であってもよい。
「３次元画像」の画像データは、例えば、前記所定の方向の構成軸上の複数の点における断面画像の画像データの集合として構成されたものであってもよいし、前記所定の方向とは異なる構成軸上の複数の点における断面画像の画像データの集合として構成されたものであってもよい。さらに、ボクセルデータ等の３次元の座標系に基づく画像データであってもよく、この場合、画像データの座標系の座標軸が前記所定の方向と一致していなくてもよい。
「２つの３次元画像間の前記所定の方向における位置の対応関係」とは、一方の３次元画像に表された被検体中の任意の点の前記所定の方向における位置と、他方の３次元画像に表された被検体中の任意の点の前記所定の方向における位置とを対応づけるものであるが、２つの３次元画像間での被検体の姿勢や撮影範囲、状態（呼吸相等）の相違等の影響により、何を基準として対応づけるかによって、決定される対応関係は異なってくる。
「周期性構造物の寄与がより低い基準」とは、前記対応関係の決定の際に、３次元画像に表された周期的構造物の存在が大きな影響を及ぼさないような基準であり、周期性構造物の存在がまったく影響を及ぼさないような基準（周期性構造物の寄与がない基準）であってもよい。具体例としては、周期的構造物を含む被検体全体の画像から得られる特徴量や、被検体中の周期的構造物以外の部分の画像から得られる特徴量を用いた基準が挙げられる。なお、ここで、特徴量は、その画像の各画素の画素値の集合であってもよい。また、２つの３次元画像の被検体の前記所定の方向における撮影範囲がほぼ一致することが予めわかっている場合、３次元画像の画像データが前記所定の方向の構成軸上の複数の点における断面画像の画像データの集合として構成されたものであれば、各断面画像を識別するスライス番号やスライス間隔を用いた基準としてもよいし、３次元画像の画像データが３次元座標系の画像データであれば、前記所定の方向における位置を表す座標値を用いた基準としてもよい。
「（対応関係を）決定する」具体的方法としては、前記の基準として画像の情報そのものを用いる場合には、上記特許文献１に記載されているように、両３次元画像間の相関演算により相関が最大となる時の前記所定の方向における画像間のずれ量を求めることによって前記の対応関係を決定することが考えられる。また、前記２つの３次元画像の各々について、３次元画像の前記所定の方向における複数の位置での断面による断面画像に表された前記被検体中の部位を、該断面画像中の前記周期性構造物以外の部分を含む領域の特徴を表す特徴量を少なくとも１つ用いて認識し、前記２つの３次元画像の複数の部位において認識された部位の一致度が所定の基準を満たす程度に高くなるように前記対応関係を決定するようにしてもよい（参考文献１：特開2008-6188号公報等参照）。一方、スライス番号を前記の基準として用いる場合には、両３次元画像中のスライス番号が一致する断面画像を対応づけることによって前記の対応関係を決定することが考えられる。ここで、両３次元画像のスライス間隔が異なる場合には、スライス番号とスライス間隔とから、各３次元画像での前記所定の方向における相対的位置が一致する断面画像を特定し、特定された断面画像を対応づけることによって前記の対応関係を決定することが考えられる。また、前記所定の方向における位置の座標値を前記の基準とする場合には、その座標値が一致する位置を対応づけることによって前記の対応関係を決定することが考えられる。
「前記周期性構造物の寄与がより高い基準」とは、前記対応関係の修正の際に、３次元画像に表された周期的構造物の存在が大きな影響を及ぼすような基準である。具体例としては、周期的構造物のみを含む画像中の領域から得られる特徴量や、周期的構造物が大部分を占める画像中の領域から得られる特徴量を用いた基準が挙げられる。なお、ここで、特徴量は、その画像中の領域の各画素の画素値の集合であってもよい。
対応関係の修正の際の「近傍の範囲」の具体例としては、前記周期性構造物の１周期の長さよりも小さい範囲が挙げられる。
また、「対応関係を修正する」具体的方法としては、一方の前記３次元画像中の所与の点における前記所定の方向に垂直な断面による断面画像から前記周期性構造物を検出し、該検出された周期性構造物を含む注目領域を設定し、前記対応関係決定手段によって決定された対応関係によって対応づけられる、前記一方の３次元画像中の前記所与の点に対応する他方の前記３次元画像中の点の前記近傍の範囲内の複数の候補点における、前記所定の方向に垂直な断面による断面画像の各々から、前記周期性構造物を検出し、該複数の候補点における前記断面画像の各々に、該断面画像から検出された周期性構造物を含む、前記注目領域に対応する候補領域を設定し、該複数の候補点における候補領域のうち、前記注目領域との類似度が最大となる候補領域が含まれる前記断面画像の断面の前記所定の方向における位置を特定し、該特定された位置が、前記一方の前記３次元画像中の前記所与の点と対応づけられるように、前記対応関係の修正を行うことが考えられる。ここで、類似度の算出には、２つの３次元画像が同じモダリティで取得されたものである場合には、注目領域と候補領域の画素値の相関を用いることができ、２つの３次元画像が異なるモダリティで取得されてものである場合には、注目領域と候補領域についての相互情報量を用いることができる。
なお、本発明の画像解析装置および方法並びにプログラムを用いて、３以上の３次元画像間の前記位置の対応関係を求めてもよい。
本発明によれば、所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係が、前記周期性構造物の寄与がより低い基準に基づいて暫定的に決定された後、前記周期性構造物の寄与がより高い基準に基づいて、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記の暫定的に決定された前記対応関係が修正される。したがって、最終的に得られる前記位置の対応関係は、実際の読影現場からの要望に合致した、前記所定の方向において、被検体中の周期性構造物の同じ位置を表す各３次元画像中の位置を対応づけたもの、すなわち、主に周期性構造物を基準として決定されたものとなる。
また、主に周期性構造物を基準として対応関係を最終的に決定する前に、主に周期性構造物以外を基準として暫定的な対応関係の決定を行い、主に周期性構造物以外の基準に基づいて暫定的に決定された前記対応関係に対する微調整の範囲で、主に周期性構造物を基準とする前記対応関係に修正されるので、両３次元画像間で、周期的構造物の１周期を構成する単位構造物の異なるものに対応づけられてしまう可能性が低減され、より高い精度で前記対応関係を最終的に決定することができる。
さらに、前記対応関係の決定を自動的に行うので、ユーザの負荷が軽減される。
以下、図面を参照しつつ、本発明の実施の形態として、異なる検査で得られた２つの３次元画像の各々を構成する、人体の体軸方向に垂直な断面による複数のスライス画像中に表された被検体の部位を認識し、認識された部位を基準として両３次元画像の体軸方向の位置の対応関係を暫定的に決定した後、各スライス画像から検出された椎骨領域を主に含む関心領域を基準として、暫定的に決定された対応関係を修正し、脊柱（椎骨）を基準とした修正後の対応関係に基づいて、両３次元画像中の対応するスライス画像を同時に表示する画像解析・表示処理について説明する。
図１に、本発明の上記実施形態を実現する画像処理ワークステーション２が導入された医療情報システムの概略構成を示す。図に示すように、このシステムは、医用画像の撮影装置（モダリティ）１、画像処理ワークステーション２、画像サーバ３、画像データベース４が、ネットワーク１９を介して互いに通信可能な状態で接続されて構成されている。画像処理ワークステーション２および画像サーバ３は、ＣＤ−ＲＯＭ等の記録媒体からインストールされたプログラムによって制御される。また、プログラムは、インターネット等のネットワーク経由で接続されたサーバからダウンロードされた後にインストールされたものであってもよい。
モダリティ１には、被検体の検査対象部位を撮影することにより、その部位を表した画像の画像データを生成し、その画像データに、検査情報や患者情報等の付帯情報を付加して出力する装置が含まれる。付帯情報は、ＤＩＣＯＭ規格等の標準化された規格やそのモダリティ等のメーカー独自の規格に準拠したフォーマットのものである。モダリティ１の具体例としては、ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、ＰＥＴ（Positron Emission Tomography）、超音波撮影装置等が挙げられる。なお、本実施形態では、画像データは、ＣＴ，ＭＲＩ等の被検体の検査対象部位を表す３次元画像の画像データであり、所定のスライス間隔やスライス厚による軸位断画像（スライス画像）の画像データの集合体として構成されるものとする。
画像処理ワークステーション２は、処理装置と１台以上の高精細ディスプレイとキーボード・マウス等の入力機器、画像サーバ３等とネットワーク１９を介して通信を行う通信インターフェースにより構成されるコンピュータであり、被検体の検査対象部位を表す画像の画像データを入力として様々な画像解析等の画像処理を行い、処理済の画像を様々な表示形式でディスプレイに表示させるソフトウェアプログラムがインストールされている。なお、本発明の上記実施形態の画像解析・表示処理は、この画像処理ワークステーション２において、画像解析・表示プログラムが実行されることによって実現される。
画像サーバ３は、汎用の比較的処理能力の高いコンピュータにデータベース管理システム（DataBase Management System: DBMS）の機能を提供するソフトウェアプログラムがインストールされたものである。また、画像サーバ３は画像データベース４が構成される大容量ストレージを備えている。このストレージは、画像サーバ３とデータバスによって接続された大容量のハードディスク装置であってもよいし、ネットワーク１９に接続されているＮＡＳ（Network Attached Storage）やＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。画像サーバ３も、モダリティ１や画像処理ワークステーション２等とネットワーク１９を介して通信を行う通信インターフェースを有しており、モダリティ１で撮影・取得された画像の画像データを受信し、画像データベース４に登録したり、画像処理ワークステーション２からの検索要求に応じて、画像データベース４に登録された画像データの中から検索要件に合致する画像データを抽出し、抽出された画像データを、検索要求を行った画像処理ワークステーション２に送信したりする。
ネットワーク１９は病院内の各種装置を接続するローカルエリアネットワークである。但し、読影ワークステーション２が他の病院あるいは診療所にも設置されている場合には、ネットワーク１９は、各病院のローカルエリアネットワーク同士をインターネットもしくは専用回線で接続した構成としてもよい。いずれの場合にも、ネットワーク９は光ネットワークなど画像情報の高速転送を実現できるものとすることが望ましい。
図２は、画像処理ワークステーション２に実装された機能のうち、本発明の上記実施形態の画像解析・表示処理を実現する機能をブロック化して模式的に表したものである。図に示したように、本発明の実施形態の画像解析・表示処理は、制御部２１、画像データ取得部２２、部位認識部２３、椎骨検出部２４、椎骨ＲＯＩ設定部２５、類似度算出部２６、ＧＵＩ制御部２７によって実現される。
制御部２１は、本発明の上記実施形態の画像解析・表示処理の全体を制御するものである。具体的には、画像データ取得部２２、部位認識部２３、椎骨検出部２４、椎骨ＲＯＩ設定部２５、類似度算出部２６、ＧＵＩ制御部２７の各機能の処理対象のデータを決定したり、各機能を所定の順序で呼び出したりするとともに、各処理部による処理結果を用いて処理対象となる２つの３次元画像の画像間の位置関係の決定・修正を行うものであり、本発明の上記実施形態の画像解析・表示プログラムのメインプログラムの実行によって実現されるものである。本実施形態では、このプログラムの起動時には、処理対象となる２つの３次元画像の画像データを特定するための情報として、検査ＩＤおよびシリーズＩＤ等が起動パラメータとして与えられる。なお、制御部２１の処理の詳細については図３等を用いて後述する。
画像データ取得部２２は、検査ＩＤおよびシリーズＩＤ等を入力として、画像サーバ３に対する検索要求を行う。画像サーバ３がこの検索要求に応じて画像データベース４の検索を行い、これらの検査ＩＤおよびシリーズＩＤ等と関連づけられた処理対象の２つの３次元画像の画像データを抽出し、画像処理ワークステーション２に送信すると、画像データ取得部２２は、その画像データを受信し、画像処理ワークステーション２のハードディスクの所定の領域に格納する。格納形式としては、３次元画像を構成するスライス画像毎に１つの画像ファイルとして格納し、１つの３次元画像を１つのフォルダ（ディレクトリ）としてそのフォルダ配下にその３次元画像に属する複数の画像ファイルを対応づけて管理することが考えられる。また、各画像ファイルのヘッダ部分には、スライス番号や、スライス間隔、スライス位置等の付帯情報が格納されており、各処理部は、自らが必要とする情報を取得可能となっている。
部位認識部２３は、図４に模式的に示したように、Ｎ枚のスライス画像から構成される３次元画像を入力として、各スライス画像1からNに含まれる被検体の部位（撮影部位）を認識する処理を行い、スライス番号と認識された部位を対応づけたリスト形式で表現されうる処理結果を画像処理ワークステーション２の所定のメモリ領域に格納するものである。ここで、被検体が人体の場合、認識される撮影部位は、例えば、頭部、頭頸部、頸部、胸部、胸腹部、腹部、骨盤部、脚部となる。また、各部位を認識する際には、各スライス画像中の人体領域内の空気領域や骨領域の人体領域に対する割合、その人体領域の周長と同じ周長を有する円の面積に対する人体領域の面積の割合（円形度）等の多種の特徴量を用いて、Adaboost手法に基づく学習で得られる判別器によって、スライス画像毎に、各部位らしさを表すスコアを算出し、そのスコアを用いて、動的計画法により、人体の体部の解剖学的位置関係に整合するように、各スライス画像の撮影部位を決定する。したがって、各スライス画像の撮影部位の決定要素として多種の特徴量を用いているため、各スライス画像中の椎骨領域の情報の部位認識結果に対する寄与は低いものとなる。なお、部位認識処理の詳細については図９から１２等を用いて後述する。
椎骨検出部２４は、３次元画像を入力として、AdaBoost手法を用いて脊柱の画像を学習させておいた判別器を用いて、そのスライス画像中に含まれる椎骨（図７（ａ）参照）を検出する処理を行い、３次元画像を構成する各スライス画像中の椎骨の中心を表す点を検出点として、各スライス画像におけるその検出点の位置座標を画像処理ワークステーション２の所定のメモリ領域に格納するものである。なお、椎骨検出処理の詳細については図１３から１９等を用いて後述する。
椎骨ＲＯＩ設定部２５は、椎骨の検出点が決定された１枚のスライス画像を入力として、検出点を中心とする所定のサイズの領域（例えば、図７（ｂ）に例示した２５６画素×２５６画素の矩形領域）を関心領域（ＲＯＩ）として設定し、その関心領域の画像データを画像処理ワークステーション２の所定のメモリ領域に格納するものである。
類似度算出部２６は、類似度算出対象の関心領域の画像データを入力として、各関心領域の画素値の相関を求める処理を行い、算出された相関値と、入力された関心領域の画像データが含まれるスライス画像のスライス番号とを対応づけて、画像処理ワークステーション２の所定のメモリ領域に格納するものである。なお、この処理は、入力された２つの画像のモダリティが同一であることを前提としたものであり、２つの画像のモダリティが異なる場合には、２つの画像の相互情報量を求めればよい。また、類似度算出部２６の呼び出しの際に、各入力画像データのモダリティも起動パラメータとして受け取るようにし、その起動パラメータに応じて、相関と相互情報量のどちらを求めるかを決定するようにしてもよいし、各入力画像データのモダリティ毎に異なる類似度算出部２６を用意しておき、制御部２１が各入力画像データのモダリティ１に応じて適切な類似度算出部２６を呼び出すようにしてもよい。
ＧＵＩ制御部２７は、画像処理ワークステーション２のグラフィカル・ユーザ・インターフェースの制御を行うものであり、表示対象の２つのスライス画像の画像データを入力とし、２つのスライス画像を画像処理ワークステーション２のディスプレイに並べて同時に表示させる制御を行ったり、画像処理ワークステーション２のディスプレイに所定のメニュー画面を表示させる制御を行ったり、マウスやキーボード等の入力装置による操作を受け付けたりするものである。
次に、図３のフローチャートを用いて、本発明の実施形態となる画像解析・表示処理の流れについて説明する。この処理の流れは、画像処理ワークステーション２の制御部２１による制御に基づいて、画像処理ワークステーション２の他の各処理部や画像サーバ３の各処理部による処理が連携されることによって、実現されている。
まず、画像処理ワークステーション２において、本発明の画像解析・表示プログラムが起動されると、制御部２１は、その起動パラメータから処理対象の２つの３次元画像を表す検査ＩＤおよびシリーズＩＤ等を取得した後、画像データ取得部２２を呼び出し、起動パラメータから取得された検査ＩＤおよびシリーズＩＤ等を引き渡す。画像データ取得部２２は、その検査ＩＤ、シリーズＩＤ等を検索キーとする検索要求を画像サーバ３に送信し、画像サーバ３での画像データベース４の検索によって抽出された、その検索要求に合致する画像データを画像サーバ３から受信し、スライス画像毎の画像ファイル群として、画像処理ワークステーション２のハードディスクの所定の領域に格納し、画像データの取得完了メッセージを制御部２１に返す(#1)。
次に、制御部２１は、ＧＵＩ制御部２７に、取得された２つの３次元画像の各々を構成するスライス画像の表示と、基準スライス画像の指定の受付を行わせる(#2)。具体的には、制御部２１は、ＧＵＩ制御部２７を呼び出し、画像データ取得部２２によって取得された２つの３次元画像の各々の先頭のスライス画像の画像データを特定する情報（画像ファイル名等）を引き渡す。ＧＵＩ制御部２７は、その画像データに基づいて各３次元画像の先頭のスライス画像をディスプレイに表示させる。ここで、ユーザが、例えば、ディスプレイに表示されているスライス画像の一方をクリックし、そのスライス画像上でマウスのホイール操作を行うと、ＧＵＩ制御部２７はクリックされた側のスライス画像の表示の切替要求として受け付け、その要求を制御部２１に引き渡す。制御部２１は、その要求に応じて、クリックされた側の３次元画像の次のスライス画像の画像データを特定する情報をＧＵＩ制御部２７に引き渡し、ＧＵＩ制御部２７は引き渡された情報に基づいて次のスライス画像をディスプレイに表示させる。これを繰り返すことによって、ユーザは一方の３次元画像を構成するスライス画像を切り替えて順次表示させていくことができる。ユーザが、切替表示されている３次元画像の側で所望のスライス画像が表示された時点で、例えば、「対応スライスの表示」を画面中のメニュー等から選択する操作を行うと、ＧＵＩ制御部２７はその切替えによって表示されたスライス画像に対応する他方の３次元画像中のスライス画像の表示要求として受け付け、その要求を制御部２１に引き渡す。制御部２１は、この対応スライスの表示要求を受け取ると、その時点で切替え表示が行われていた方の３次元画像のうちの現在表示されているスライス画像を特定する情報を基準スライス画像の情報として所定のメモリ領域に格納する。
次に、制御部２１は、部位認識部２３に、画像データ取得部２２によって取得された２つの３次元画像の画像データを入力とする部位認識処理を行わせる(#3)。具体的には、制御部２１は、部位認識部２３を呼び出し、画像データ取得部２２によって取得された２つの３次元画像の画像データの一方を特定する情報を引き渡す。部位認識部２３は、その一方の３次元画像の画像データを入力として、その３次元画像の複数のスライス画像中に表された被検体の部位を認識する画像解析処理を行い、認識結果を所定のメモリ領域に格納し、処理完了メッセージを制御部２１に返す。制御部２１は、画像データ取得部２２によって取得された２つの３次元画像データの他方についても同様にして、部位認識部２３に処理させる。
制御部２１は、上記参考文献１に記載されているように、部位認識部２３による認識結果に基づいて、まず、両３次元画像の異なる部位間の境界の位置を対応づけていき、次に、２つの境界の間の同一部位と認識されたスライス画像について、その部位内での体軸方向における相対的な位置が一致するスライス画像同士を対応づけていき、さらに、３次元画像の一方の端部と１つの境界との間のスライス画像について、境界に近いスライス画像から順に対応づけていくことによって、両３次元画像中のスライス画像について、体軸方向の位置の対応関係を暫定的に決定する(#4)。
図５は、２つの３次元画像Ｖ1、Ｖ2に対して部位認識結果に基づく対応関係を暫定的に決定した例を模式的に表したものである。この例では、まず、胸部と腹部の境界の位置に注目して、３次元画像Ｖ1のスライス番号１０，１１のスライス画像に対して、３次元画像Ｖ2のスライス番号１２，１３のスライス画像が各々対応づけられるとともに、腹部と骨盤部の境界の位置に注目して、３次元画像Ｖ1のスライス番号１８，１９のスライス画像に対して、３次元画像Ｖ2のスライス番号２１，２２のスライス画像が各々対応づけられる。次に、上記２つの境界の間の腹部と認識されたスライス画像については、例えば、両３次元画像中の、胸部と腹部の境界から腹部と骨盤部の境界までの間をｎ1：ｎ2の比に内分する位置のスライス画像同士が対応づけられる。さらに、画像の上端から胸部と腹部の境界までの間の胸部と認識されたスライス画像については、３次元画像Ｖ1のスライス番号９，８，７，・・・が、各々、３次元画像Ｖ2のスライス番号１１，１０，９，・・・に対応づけられるとともに、腹部と骨盤部の境界から画像の下端までの間の骨盤部と認識されたスライス画像については、３次元画像Ｖ1のスライス番号２０，２１，２２，・・・が、各々、３次元画像Ｖ2のスライス番号２３，２４，２５，・・・に対応づけられる。
なお、上記の境界部分以外のスライス画像についての部位内の比率等を利用した対応づけは、スライス番号のみを用いて行ってもよいし、スライス間隔および／または各スライス画像のスライス位置の座標値を用いた座標計算によって行ってもよい。
このようにして部位認識結果に基づいて両３次元画像間の体軸方向の対応関係が暫定的に決定された後、制御部２１は、部位認識結果に基づく対応関係を、脊柱（椎骨）を基準とした対応関係に修正するために、前記の他方の３次元画像中に、修正によって新たに基準スライス画像と対応づけられるスライス画像の候補となる複数の候補スライス画像を決定する(#5)。具体的には、制御部２１は、ステップ#2で指定された基準スライス画像（ここでは３次元画像Ｖ1中の画像とする）の情報をメモリ領域から読み込んだ後、図６に示したように、ステップ#4で暫定的に決定された部位認識結果を基準とした対応関係に基づいて、３次元画像Ｖ1に設定された基準スライス画像に対応する３次元画像Ｖ2中のスライス画像を特定し、そのスライス画像の体軸方向のスライス位置を中心として、椎骨の体軸方向の長さよりも短い範囲内にスライス位置を有するスライス画像を候補スライス画像に決定する。ここで、椎骨の体軸方向の長さは、人体の椎骨の大きさの平均および分散等の解剖学的知見に基づき、予め設定ファイルやプログラムの起動パラメータとして定義しておけばよく、実際には約３ｃｍ程度とすることができる。さらに、候補スライス画像の決定方法としては、各スライス画像のスライス間隔を付帯情報から取得し、椎骨の体軸方向の長さの範囲内に何枚のスライス画像が存在しうるかを求め、前記の基準スライス画像と暫定的に対応するスライス画像を中心として、その枚数のスライス画像を候補スライス画像とする方法が挙げられる。あるいは、各スライス画像のスライス位置（座標値）を付帯情報から取得し、そのスライス位置と椎骨の体軸方向の長さとから、候補スライス画像のスライス位置の存在範囲を座標計算によって求め、その存在範囲内にスライス位置を有するスライス画像を候補スライス画像とすることもできる。
次に、制御部２１は、決定された基準スライス画像および候補スライス画像の各々の画像データから椎骨を検出する処理を椎骨検出部２４に行わせる(#6)。具体的には、制御部２１は、椎骨検出部２４を呼び出し、２つの３次元画像のうちの一方の画像データを特定する情報を引き渡す。椎骨検出部２４は、その３次元画像の画像データを入力として、画像中の椎骨を検出する画像解析処理を行い、各スライス画像の椎骨の検出点の位置座標を所定のメモリ領域に格納し、処理完了メッセージを制御部２１に返す。制御部２１は、他方の３次元画像についても同様にして椎骨検出部２４に処理させる。
さらに、制御部２１は、基準スライス画像および候補スライス画像の各々に対して椎骨を主に含む関心領域を設定する処理を椎骨ＲＯＩ設定部２５に行わせる(#7)。具体的には、制御部２１は、椎骨ＲＯＩ設定部２５を呼び出し、基準スライス画像および候補スライス画像のうちの１つの画像の画像データを特定する情報およびその画像中の椎骨の検出点の位置座標の情報を引き渡す。椎骨ＲＯＩ設定部２５は、これらの引き渡された情報に基づき、そのスライス画像中の検出点を中心とする関心領域を設定し、その関心領域の画像データを所定のメモリ領域に格納し、処理完了メッセージを制御部２１に返す。制御部２１は、基準スライス画像および候補スライス画像のうちの他の画像についても同様にして椎骨ＲＯＩ設定部２５に処理させる。
そして、制御部２１は、基準スライス画像中の関心領域と各候補スライス画像中の関心領域との類似度を算出する処理を類似度算出部２６に行わせる(#8)。具体的には、制御部２１は、類似度算出部２６を呼び出し、基準スライス画像中の関心領域の画像データおよび候補スライス画像のうちの１つの画像中の関心領域の画像データを特定する情報を引き渡す。類似度算出部２６は、これらの引き渡された情報に基づいて、２つの画像中の関心領域の画像データを取得し、これらの関心領域の類似度（相関値や相互情報量）を算出し、算出結果を所定のメモリ領域に格納し、処理完了メッセージを制御部２１に返す。制御部２１は、候補スライス画像のうちの他の画像中の関心領域についても同様にして類似度算出部２６に基準スライス画像中の関心領域との類似度を算出させる。
制御部２１は、類似度算出部２６によって算出された基準スライス画像中の関心領域と各候補スライス画像中の関心領域との類似度に基づき、関心領域の類似度が最大となる候補スライス画像を基準スライス画像と新たに対応づけることによって、部位認識結果を基準とする両３次元画像間の対応関係を、脊柱（椎骨）を基準とする対応関係に修正する(#9)。このとき、両３次元画像中の他のスライス画像の対応関係は、修正前後での基準スライス画像に対応するスライス画像の移動量（スライス枚数やスライス位置の座標値の変位量）に基づいて順次修正すればよい。
最後に、制御部２１は、ステップ#8の修正によって得られた椎骨を基準とする対応関係によって対応づけられる２つのスライス画像を画像処理ワークステーション２のディスプレイに同時に表示させる処理をＧＵＩ制御部２７に行わせる(#10)。具体的には、制御部２１は、ＧＵＩ制御部２７を呼び出し、対応する２つのスライス画像の画像データを特定する情報を引き渡す。ＧＵＩ制御部２７は、これらの引き渡された情報に基づいて、表示対象の２つの画像の画像データを取得し、ディスプレイに並べて表示させる。このとき、一定時間間隔あるいはユーザの操作等のトリガに応じて、表示対象の、対応する２つのスライス画像の両方を順次切り替えるようにしてもよい。具体的には、ステップ#2と同様に、ＧＵＩ制御部２１が、そのトリガを検出したらその旨を制御部２１に引き渡し、制御部２１が次に表示する２つのスライス画像の画像データを特定する情報を新たにＧＵＩ制御部２７に引き渡すようにすればよい。
図８は、本発明の上記の実施形態により、３次元画像Ｖ1とＶ2の対応関係が決定・修正される様子を、両３次元画像の体軸に平行な断面で模式的に表したものである。図８（ａ）（ｂ）に示したように、本発明の上記の実施形態によれば、制御部２１が、まず、部位認識部２３による部位認識結果に基づいて両画像Ｖ1，Ｖ2の対応関係を決定する。図８（ａ）（ｂ）では、胸部と腹部の境界にスライス位置を有する３次元画像Ｖ1のスライス画像ＳＬ10と３次元画像Ｖ2のスライス画像ＳＬ20とが対応づけられている。次に、制御部２１は、３次元画像Ｖ1中に基準スライス画像（図８（ａ）ではスライス画像ＳＬ10とする）を設定し、その基準スライス画像に対応する３次元画像Ｖ2中のスライス画像（図８（ｂ）ではスライス画像ＳＬ20）を中心として椎骨の体軸方向の長さよりも短い範囲内にあるスライス画像を候補スライス画像とし、椎骨検出部２４と椎骨ＲＯＩ設定部２５の処理により基準スライス画像と各スライス画像中に椎骨を主に含む関心領域を設定させ、類似度算出部２６に基準スライス画像中の関心領域と各候補スライス画像中の関心領域の類似度を算出させる。そして、制御部２１は、基準スライス画像ＳＬ10中の関心領域との類似度が最大となる関心領域を有する候補スライス画像（図８（ｃ）ではスライス画像ＳＬ21）を、基準スライス画像ＳＬ10と新たに対応づけることによって対応関係の修正を行う。これにより、３次元画像Ｖ1とＶ2の対応関係は、図８（ａ）と（ｂ）に示した部位認識結果を基準にしたものから、図８（ａ）と（ｃ）に示した椎骨の位置を基準にしたものに修正され、この対応関係に基づいて画像処理ワークステーション２に同時に並べて表示される両画像Ｖ1，Ｖ2中の対応する２つのスライス画像（例えばスライス画像ＳＬ10とスライス画像ＳＬ21）は、椎骨の同一の位置を表したものとなり、実際の読影現場でのユーザの要望に合致した非常に見やすいものとなる。
また、制御部２１が、検出された椎骨の検出点を中心とする椎骨の体軸方向の長さよりも短い範囲内で、３次元画像Ｖ1中の基準スライス画像ＳＬ10に対する候補スライス画像を決定するので、図８の椎骨Ｂ１やＢ３の中央部の、スライス画像ＳＬ20と類似した椎骨のテクスチャを含むスライス画像は、候補スライス画像から除外され、異なる椎骨に基づいて対応関係が修正されることも回避される。したがって、椎骨を基準とする対応関係の修正精度も極めて高いものとなる。
さらに、上記の処理は、画像処理ワークステーション２の制御部２１の制御により自動的に行われるので、ユーザが両画像中の対応するスライス画像を手作業で設定する負荷も軽減される。
次に、上記の実施形態において、部位認識部２３で行われる部位認識処理と、椎骨検出部２４で行われる椎骨検出処理の詳細について補足説明する。
（１）部位認識処理の詳細
以下、本出願人が特願2007-104846号にて提案している手法について説明する。
図９は、部位認識部２３の処理の詳細を表すブロック図である。図に示すように、入力された断層画像SLn（n=1,2,・・・）の正規化を行う正規化処理部２３ａと、正規化された断層画像SNnから多数の特徴量ｃnm（m=1,2,・・・）を算出する特徴量算出部２３ｂと、正規化断層画像SNn毎に算出された特徴量ｃnmを、AdaBoost手法によって得られた判別器に入力して、部位らしさを表す部位毎のスコアscnp（ｐ＝頭部、頭頸部、頸部、胸部、胸腹部、腹部、骨盤部、脚部）を算出する部位スコア算出部２３ｃと、算出された部位スコアscnpを入力として、動的計画法を用いて、上記体部の並び順が保たれるように各入力断層画像SLnに表された部位Ｐnを決定する部位決定部２３ｄとから構成される。
正規化処理部２３ａは、入力画像SLnから人体領域を抽出し、抽出された人体領域の情報からランドマーク（基準点）を算出し、算出されたランドマークを基準としてアフィン変換を行って入力画像を拡大・縮小、平行移動、回転させて正規化画像SNnを生成する処理を行う。この正規化処理の目的は、入力される断層画像SLnにおける、個体差や撮影条件等による画像中の人体領域の大きさや傾きのばらつきを排除し、人体領域中の構造物（例えば骨領域や空気領域）の位置を合わせておくことにより、後続の部位認識処理の効率や精度を上げることにある。
ここで、入力画像SLnから人体領域を抽出する方法は本発明の実施時点における公知の方法でよく、例えば、入力画像SLnに対して２値化処理とノイズ除去処理を行った後、輪郭抽出処理により人体領域候補となる輪郭を抽出し、抽出された各輪郭の内部の面積が所定の閾値未満の輪郭を除去し、残った輪郭の内部を人体領域と判定する方法（特開平9−187444号公報参照）等が挙げられる。
また、ランドマークは、例えば、輪郭線と正中面との交点となる２点とすることができる。具体的には、抽出された人体領域に対するラベリング処理によって得られるラベリング数に応じて、図１０のようにランドマークを求めることができる。図１０（ａ）（ｂ）のようにラベリング数が１の場合には、ラベリング領域（人体領域）RLの重心Gを求め、その重心Gを通る長軸ALおよび短軸AS、ならびに、その重心Gを通る、断層画像SLnの上下方向の直線LVを設定し、長軸ALと短軸ASのうち直線LVとなす角が小さい方の軸と人体領域RLの輪郭線との交点をランドマークLM1、LM2とする。図１０（ａ）は、短軸ASと直線LVのなす角の方が長軸ALと直線LVのなす角よりも小さい場合を模式的に表したものであり、胸部、胸腹部、腹部、骨盤部が表された画像に相当する。図１０（ａ）は、長軸ALと直線LVのなす角の方が短軸ASと直線LVのなす角よりも小さい場合を模式的に表したものであり、頭部、頭頸部、頸部が表された画像に相当する。また、図１０（ｃ）はラベリング数が２の場合であり、脚部が表された画像に相当する。この場合には、各ラベリング領域RL1、RL2について、重心G1、G2を求め、各重心G1、G2を通る長軸AL1、AL2および短軸AS1、AS2、ならびに、その各重心G1、G2を通る、断層画像SLnの上下方向の直線LV1、LV2を設定し、各ラベリング領域について、長軸AL1、AL2と短軸AS1、AS2のうち直線LV1、LV2となす角が小さい方の軸と人体領域RL1、RL2の輪郭線との交点をIS11、IS12、IS21、IS22とし、互いに交差しない線分IS11 IS21、線分IS12 IS22の中点を各々ランドマークLM1、LM2とする。なお、２つのラベリング領域の面積比が所定の範囲にない場合、すわなち、２つのラベリング領域の面積の差が所定の閾値よりも大きい場合には、面積の小さい方のラベリング領域は医療器具等であると判断し、面積が大きい方のラベリング領域について上記のラベリング数が１の場合と同様の処理を行う。図１０（ｄ）はラベリング数が３の場合であり、頸部と両腕が表された画像に相当する。この場合には、各ラベリング領域RL1、RL2、RL3のうち面積が最大の領域（ここではRL2）に対して上記のラベリング数が１の場合と同様にして
ランドマークLM1、LM2を求める。なお、図１０（ａ）（ｂ）（ｄ）において、ランドマークLM1、LM2の直線LVからの距離が所定の閾値よりも大きい場合、ランドマークLM1、LM2の位置を直線LVに近づくようにラベリング領域RLの輪郭に沿って移動させる補正処理を行うようにしてもよい。同様に、図１０（ｃ）において、ランドマークLM1、LM2の、線分LM1LM2の中点G3を通る、断層画像SLnの上下方向の直線LV3からの距離が所定の閾値よりも大きい場合には、ランドマークLM1、LM2の位置を直線LV3に近づくように線分IS11IS21、線分IS12IS22に沿って移動させる補正処理を行うようにしてもよい。移動量の具体例としては、ランドマークLM1、LM2と直線LVまたはLV3との距離が20％短くなるように移動させることが考えられる。
このようにして求めたランドマークLM1、LM2を基準に、２つのランドマークLM1、LM2が断層画像SLnの水平方向における中心に位置し、かつ、２つのランドマーク間の距離が所定の値になるように、アフィン変換等を行って画像を正規化する。
特徴量算出部２３ｂは、正規化画像SNnの各々から、多数の種類の特徴量ｃnmを算出する処理を行う。特徴量ｃnmの具体例としては、正規化画像SNn中に設定されたブロック（例えば３×３画素等）内の画素値や画素値の平均値、最大値、最小値、中間値、ＣＴ値に基づく閾値処理によって抽出された人体領域中の空気領域や骨領域の人体領域に対する割合、その人体領域の周長と同じ周長を有する円の面積に対する人体領域の面積の割合（円形度）等が挙げられる。なお、特徴量ｃnmは、算出された値そのものであってもよいし、算出された値を多値化したものであってもよい。
部位スコア算出部２３ｃは、特徴量ｃnmを、AdaBoost手法に基づく学習によって得られた部位毎の判別器群に入力して、断層画像SLn毎に、各部位らしさを表す部位スコアscnpを算出する処理を行う。ここで、部位毎の判別器群は、学習用サンプルとなるその部位が表されていることがわかっている複数の画像とその部位が表されていないことがわかっている複数の画像の各々について上記と同様にして算出された多数の種類の特徴量を用いてAdaBoost手法に基づく学習を行うことによって得られたものである。１つの部位を判別する判別器群には１以上の判別器が含まれるが、２以上の判別器が含まれる場合、各判別器は判別能力について相補的な関係を有したものとなっている。また、判別器群は判別すべき部位の種類と同数生成され、判別器群毎に使用される特徴量の種類が決定される。なお、この学習および部位スコア算出方法の詳細については特開2005-108195号公報等に開示されている。部位スコアの算出は、上記の方法の他、人工ニューラルネットワーク（ANN）、サポートベクターマシン（SVM）、適合ベクターマシン（Relevance Vector Machine; RVM）等の他の学習手法によって生成された判別器を用いた方法や、１つの特徴量または複数の特徴量の組合せに対して部位スコアを決定する参照テーブルを用いた方法（特開2007-307205号公報等参照）等であってもよい。また、特徴量算出部２３ｂと部位スコア算出部２３ｃの処理を、テンプレートマッチング（特開2002-253539号公報等参照）や部位毎の固有画像との比較処理（特開2003-10166号公報等参照）によって得られる類似度を部位スコアとする処理に置換してもよい。
上記の処理により、断層画像SLn毎に、部位毎のスコアscnpが算出される。図１１（ａ）は、断層画像（スライス）SLn毎に算出された部位毎のスコアscnpの一例を示した表であり、部位スコアscnpの値が大きいほどその部位である確率が高いことを表している。この表において、スライスSLn毎に部位スコアscnpが最大となる部位を辿ると、スライス１−頭頸部、スライス２−頭頸部、スライス３−頸部、スライス４−胸部、スライス５−頸部、スライス６−胸部となり、スライス４から６の間で、人体の体部の並び順との不整合がある。そこで、次の部位決定部２３ｄの処理でその修正が行われる。
部位決定部２３ｄは、予め作成された、人体の体部の配置順、すなわち、頭部、頭頸部、頸部、胸部、胸腹部、腹部、骨盤部、脚部の順で配置された参照部位と、各断層画像SLnにおける部位スコアscnpの最大値との間の不一致が生じないように、各断層画像SLnに表された部位Ｐnを最終的に決定する処理を行う。ここでは、参照部位と各断層画像SLnにおける部位スコアscnpの最大値との間に不一致がある場合にコストがかかるようにして、コストが最小かつ最短となる経路を求めることによって、部位Ｐnを最終決定する。具体的には、最適化問題を解くための手法を用いればよく、本実施形態では、その具体例として、動的計画法（DPマッチング；Dynamic Programming）を用いた手法を説明する。
まず、図１１（ａ）の部位スコアscnpについて、各スライスにおける部位スコアscnpの最大値から各スコア値を減算する。これにより、図１１（ｂ）に示したように、各部位スコアscnpの大小関係が逆転した、すなわち、各部位スコアscnpが0以上の値に変換され、部位スコアscnpが最も高かった部位のスコア値が0に変換された重みマップが生成される。ここで、重みマップの生成の際には、上記の減算ではなく、参照テーブルを用いた変換を行うようにしてもよい。
次に、図１１（ｂ）の重みマップを入力として、DPマッチングによりコストが最小となる経路を算出する。以下、本出願人が特願2006-140041号（特開2007-307205号）にて提案している手法についての記載を引用する。まず、図１１（ｂ）の重みマップを入力として、図１１（ｃ）に示すようなコストマップを生成する。図１１（ｃ）において、各セル（ｎ，ｐ）のコストは次のように設定される。ここで、ｎはスライスの番号を示しており、ｐは部位を表す番号（１：頭頸部、２：頸部、３：胸部）となっている。
（１，１）：重みマップにおける（１，１）の値（図１１（ｂ）参照）
（ｎ，１）：重みマップにおける（ｎ−１，１）の値＋所定の値（ここでは0）
（１，ｍ）：重みマップにおける（１，ｍ−１）の値＋所定の値（ここでは0）
（ｎ，ｍ）：次の（ｉ）〜（iii）の内の最小値
（ｉ）コストマップにおける（ｎ−１，ｍ−１）の値
＋重みマップにおける（ｎ，ｍ）の値
（ii）コストマップにおける（ｎ，ｍ−１）の値
＋重みマップにおける（ｎ，ｍ）の値＋所定の値（ここでは1.0）
（iii）コストマップにおける（ｎ−１，ｍ）の値
＋重みマップにおける（ｎ，ｍ）の値＋（ここでは1.0）
次に、コストマップを、右側から左側に向かって、周辺の最小値を順次辿って行く。それにより、スライス番号と部位との対応マップが作成される。
これにより、図１２に示した、人体の体部の並び順（参照部位）を縦軸とし、各スライスSLnにおける部位スコアscnpの最大値による仮認識結果を横軸とするマッチングカーブに基づいて、仮認識結果を、対応する参照部位に置き換えることにより、各スライスSLnの部位を最終決定する処理が行われたことになる。
（２）椎骨検出処理
以下、本出願人が特願2008-054627号等にて提案している手法について説明する。
椎骨検出処理は、一本の椎骨の異なる位置の横断面（本発明の上記実施形態における体軸方向に垂直な断面）を示す複数の医用画像から椎骨の中心線を求めるものであり、椎骨検出部２４は、この椎骨の中心線を表す各医用画像の点の座標を所定メモリ領域に格納するものである。
図１３は、椎骨検出部２４の処理を詳細に表すブロック図である。図に示すように、椎骨検出部２４は複数の医用画像中の各画素の注目画素を基準として周辺領域を設定し、機械学習手法により生成された判別器を用いて、周辺領域を脊髄領域であるか否かを判別する脊髄領域検出手段２４ａと、脊髄領域検出手段２４ａにより検出された複数の脊髄領域内の中心点により構成される脊髄中心線を椎骨の縦断面を示す縦断面画像中に生成し、脊髄領域検出手段２４ａの判別器が、周辺領域を脊髄領域であると判別する程度を表す判別値を算出した際、判別値が所定値以上である周辺領域の基準となる注目画素を前記脊髄領域の中心点とする脊髄中心線生成手段２４ｂと、脊髄中心線生成手段２４ｂにより生成された脊髄中心線と椎骨との位置関係に基づいて椎骨の中心線を求める椎骨中心線決定手段２４ｃを有している。
ここで、椎骨中心線決定手段２４ｃは、医用画像毎に、脊髄領域検出手段２４ａにより検出された脊髄領域内の中心点と脊椎領域を通り、かつ心臓部を通らない直線上の医用画像中の各画素の輝度値を抽出し、抽出された輝度値を持つ各直線により、たとえば図１９に示すような縦断面画像を生成する縦断面画像生成手段２４ｄと、縦断面画像生成手段２４ｄにより生成された縦断面画像から所定の輝度値以上である二本の骨梁線を検出し、検出された二本の骨梁線に挟まれる脊椎領域を含む領域を椎骨として検出する椎骨領域検出手段２４ｅを備えるものである。
次に、以上の構成の椎骨検出部２４において行われる処理について説明する。
図１４は椎骨検出部２４の一連の処理フローチャートである。まず、脊髄領域検出手段２４ａが、脊髄領域を検出する（#11）。たとえば図１５は、被写体を胸から足の付け根まで複数の切断位置で切断したときの各輪切の画像からなる医用画像（アキシャル画像）に置ける典型的な脊髄のＣＴ画像を示す。脊髄領域は明らかなパターンをもっているため、画像検出技術を用いて、医用画像から脊髄領域を安定的に検出することが可能となる。
脊髄領域の検出方法として、統合学習機械をつくる手法であるＡｄａｂｏｏｓｔに基づいたマシンラーニング手法を利用するものであることが考えられる。具体的には、脊髄領域の追跡は、特徴点検出等の公知の手法や学習データに対してリサンプリングの際に重みを逐次的に更新し、できた機械を最後に学習機械に対する重みをつけることで、統合学習機械をつくる手法であるＡｄａｂｏｏｓｔに基づいたマシンラーニング手法を用いる。学習サンプル画像において、たとえば図１６のように脊髄の領域の上下Ｐ１とＰ２の二点を指定し、その二点間の中心を中心とし、指定した二点間の距離の二倍の長さの四方形領域を関心領域とする。様々の患者のＣＴ画像の様々の位置（胸椎や腰椎）から切り取った四方形の領域のサイズを正規化し同じサイズに揃える。それらの関心領域を正の学習サンプルとする。
次に、脊髄領域検出手段２４ａが、指定した領域から離れた領域からランダムに様々なサイズの四方形領域を切り出してサイズを揃え、負の学習サンプルとする。
次に、脊髄領域検出手段２４ａが、正と負の学習サンプル画像に対して、例えば図１７に示すように、ランダムに選択されたｎ組の画素ペアの値の組み合わせを特徴量とし、Ａｄａｂｏｏｓｔに基づいたマシンラーニング手法により、正と負のパターンを見分ける判別器を作成する。
脊髄領域を検出する際、医用画像を走査し、注目画素を中心とした様々なサイズの四方形領域を切り出し、図１７に示すように特徴量を算出する。
それを学習段階で得られた判別器に入力し、判別値を求め、そのうちの最大値を注目画素のスコアとする。医用画像から、判別値が最大になる位置（画素）を検出し、脊髄領域の中心とする。
また、脊髄領域を検出する手法として、既知のテンプレートマッチング手法（例えば、特開２００２−１０９５４８号公報）やリングモデルを用いた画定手法（例えば、特開２００７−１１１５３３号公報）を本発明の画像処理装置における脊髄領域の検出に用いることができる。
次に、脊髄中心線生成手段２４ｂが、脊髄領域の中心点から脊髄中心線を生成する（#12）。中心点は、脊髄領域内の略真中に存在する所定の画素を設定する。必ずしも脊髄領域内の厳密な中心である必要はない。また、脊髄領域の周囲または所定の両端から略等距離にあるような点や、重心点を設定してもよい。
具体的には、ここで、前ステップで得られた複数の医用画像の脊髄領域の中心から滑らかな三次元である脊髄中心線を求める。脊髄中心線の算出手法としては、得られた脊髄領域の中心点に折れ線や曲線（多項式曲線、Ｂ−Ｓｐｌｉｎｅ曲線など）をフィッティングする手法（例えば、特開平６−１８９９３４号公報）がある。また、ランダムに幾つかのサンプルを抽出し最小二乗法をあてはめるＲＡＮＳＡＣ手法（例えば、M.A.Fischler and R.C.Bolles(June 1981).“Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography”.Comm.of the ACM 24:381-395）を用いても良い。
そして、脊髄中心線生成手段２４ｂが、検出された脊髄領域から中心点を設定する際に、得られた判別値（脊髄領域であると判別する程度を表す値であり、言い換えれば、脊髄領域のパターンらしさに相当する値である）を利用してもよい。その際、判別値がある閾値を越えた脊髄領域の中心点のみを選択し、上記脊髄中心線の算出手法により、脊髄領域の滑らかな三次元曲線を生成する。
なお、上述した脊髄中心線の算出手法を用いるに際し、判別値を、それぞれの脊髄領域の中心点の重み係数として使用してもよい。
次に、縦面画像生成手段２４ｄが、断面画像を生成する（#13）。具体的には、上述した脊髄中心線の算出手法により算出された脊髄中心線をもとに、脊椎の中心線を算出するために、まず、各医用画像で得られた脊髄領域の中心を用いて、図１８のように中心点を基準として、Ｙ軸から逆時計周りにα度傾いた直線上の医用画像中の各画素の輝度値を抽出し、抽出された輝度値を持つ各直線により縦断面画像を生成する。上記直線は、縦断面画像を生成する。また、心臓部は血管等が多く存在し、安定的なパターンではないため、上記直線は、中心点と脊椎領域を通り、かつ心臓部を通らないように設定してもよい。
椎骨領域検出手段２４ｅは、縦断面画像における椎骨の境界線を検出する（#14）。具体的には、縦断面画像中に、脊髄中心線が一本の曲線となり、脊椎領域は脊髄中心線の左側に、二本のＣＴ値（画素値）の高い骨梁線とそれに囲まれたＣＴ値（画素値）の低い海綿骨領域が現れる。
椎骨領域検出手段２４ｅは、椎骨の中心線と幅を算出する（#15）。具体的には、図１８の曲線Ｌ３である脊髄中心線を用いて椎骨の中心線を算出する。まず、図１８の縦断面画像に対し、Ｘ方向の差分を求める。脊椎領域の腹側のエッジ部で大きな正の差分値が得られ、その背側のエッジ部で大きな負な差分値が得られる。
椎骨領域検出手段２４ｅは、脊髄中心線Ｌ３を線形変換し、脊椎領域の背側のエッジ線Ｌ２にフィッティングさせるために、式（１）を用いて、係線形変換数ａ及びｂを算出し、脊椎領域の背側のエッジ線Ｌ５を算出する。
腹側のエッジ曲線Ｌ１についても、同様な手法でエッジ曲線Ｌ４を求められる。
上記フィティングさせる手法は上記式に限るものではなく、縦断面画像の輝度値の勾配から直接曲線Ｌ４、Ｌ５を算出してもよい。
図１９のように算出された曲線Ｌ４と曲線Ｌ５は、脊椎領域を含む椎骨の左右の境界線となる。そして算出された左右の境界線から、椎骨の中心線と幅を算出することが可能となる。
このようにして、医用画像中の脊髄中心線との位置関係に基づいて、椎骨の中心線を正確に算出することができ、この椎骨の中心線を表す各医用画像上の点を各医用画像における椎骨の中心点として出力することができる。
なお、上記実施形態においては、脊髄中心線決定手段２４ｃは、脊髄中心線生成手段２４ｂにより生成された脊髄中心線と椎骨との位置関係に基づいて椎骨の中心線を求めるものであったが、ここで、医用画像を積層したものから構成されるボクセル画像を用いて、椎骨中心線を算出する処理について説明する。
縦断面画像生成手段２４ｄは、脊髄領域検出手段２４ａにより検出された脊髄領域内の中心点とボクセル画像中の中心線を以下の式（２）のように定義した場合、図１８のＰ３とＰ４を結ぶ断面により、上記ボクセル画像を切断した新たな縦断面画像を式（３）のように、表すことができる。
式（３）で用いられるθは図１８のＰ３とＰ４を結ぶ断面の傾き角度であり、λは上記断面上の位置を示す。位置の範囲（λの範囲）は、医用画像の枠の範囲により決定される。
椎骨領域検出手段２４ｅは、縦断面画像生成手段により生成された新たな縦断面画像から所定の輝度値以上である二本の骨梁線を検出し、検出された二本の骨梁線に挟まれる脊椎領域を含む領域を椎骨として検出するものである。
椎骨領域検出手段２４ｅは、二本の骨梁線を求めるため、式（４）により新たな縦断面画像のエッジを求めることができる。
Δは小さい値であり、通常、一画素であるが、必ずしもこれに限るものではない。
また、椎骨領域検出手段２４ｅは、式（４）で得られたエッジから、式（６）を用いて、背側の椎骨の壁にフィッティングすることを可能とし、式（７）を用いて、最小化から得られた最適パラメータを式（５）のように
すると、椎骨の背側のエッジ線である曲線Ｌ５を求めることができる。
また、椎骨領域検出手段は、同様な手法で腹側のエッジ曲線Ｌ４を求められる。
図１９のように算出された曲線Ｌ４と曲線Ｌ５は、脊椎領域を含む椎骨の左右の境界線となる。そして算出された左右の境界線から、椎骨の中心線と幅を算出することが可能となる。
このようにして、ボクセル画像を用いて、医用画像中の脊髄中心線との位置関係に基づいて、椎骨の中心を正確に算出することができる。
以上、本発明の実施形態について説明してきたが、上記の実施形態におけるシステム構成、処理フロー、モジュール構成、ユーザ・インターフェース等に対して、本発明の趣旨から逸脱しない範囲で様々な改変を行ったものも、本発明の技術的範囲に含まれる。また、上記の実施形態はあくまでも例示であり、上記のすべての説明が本発明の技術的範囲を限定的に解釈するために利用されるべきものではない。
例えば、上記の実施形態では、最初に２つの３次元画像中のスライス画像を同時に表示しているが（図３のステップ#2）、最初は一方の３次元画像中のスライス画像のみを表示させておき、ユーザが、その３次元画像中のスライス画像を切替表示しながら、所望のスライス画像を発見し、そこで、例えば「同一患者の過去画像の対応スライスの表示」を画面中のメニューから選択した場合に、ＧＵＩ制御部２７がその要求を制御部２１に引き渡し、制御部２１が画像データ取得部２２にその一方の３次元画像に関連づけられた患者の過去画像の画像データを取得させ、その時点でディスプレイに表示されているスライス画像を基準スライス画像とし、その取得された過去画像を他方の３次元画像として、上記の実施形態と同様にその過去画像中の対応するスライス画像を決定し（図３のステップ#3〜#9）、対応するスライス画像を同時に表示させるようにしてもよい。
また、上記の実施形態において、図３のステップ#1で２つの３次元画像の画像データを取得した後、ステップ#2の処理を行わずに、一方の３次元画像中のすべてのスライス画像を順次基準スライス画像としてステップ#3から#9までの処理を繰り返し行い、一方の３次元画像中の各々のスライス画像に対応する他方の３次元画像中の対応するスライス画像を特定しておき、ステップ#10で、一方の３次元画像中の先頭のスライス画像と、その画像に対応する他方の３次元画像中のスライス画像とを同時表示するようにしてもよい。ここで、一方の３次元画像中のすべてのスライス画像を順次基準スライス画像とせずに、所定のスライス画像のみを基準画像として、他方の３次元画像中の対応するスライス画像を特定し、両３次元画像中の他のスライス画像の対応関係については、上記の実施形態と同様に（ステップ#10）、修正前後での基準スライス画像に対応するスライス画像の移動量（に基づいて順次特定するようにしてもよい。
また、上記の実施形態では対応スライス画像の決定の際に部位認識処理を行っているが(図３のステップ#3）、予め部位認識処理を行っておき、その認識結果（部位）を各スライス画像に付帯情報として関連づけた状態で画像データベース４に格納しておき、対応スライス画像の決定の際には、部位認識処理を行わずに、ステップ#4において、各スライス画像の付帯情報から部位認識結果を取得するようにしてもよい。
さらに、上記の実施形態では、部位認識部２３、椎骨検出部２４、椎骨ＲＯＩ設定部２５は、入力画像データの単位毎に順次処理を行うように説明したが、複数の単位の入力画像データに対して並列に処理可能な構成にし、制御部２１がすべての入力画像データを同時に各処理部２３，２４，２５に引き渡すようにしてもよい。
本発明の実施形態を実現する画像処理ワークステーションが導入された医療情報システムの概略構成図 本発明の実施形態を実現するワークステーションの機能ブロック図 本発明の実施形態となる画像解析・表示処理の流れを表すフローチャート 撮影部位認識処理の概要を模式的に表した図 ２つの３次元画像に対して部位認識結果に基づく対応関係を暫定的に決定する例を模式的に表した図 基準スライス画像と候補スライス画像の決定方法を模式的に表した図 （ａ）被検体の断面画像と椎骨を含む関心領域の設定例を表した図 （ｂ）関心領域の拡大図 本発明の実施形態により、３次元画像の対応関係が決定・修正される様子を、両３次元画像の体軸に平行な断面で模式的に表した図 部位認識部の構成を模式的に表したブロック図 断層画像の正規化のためのランドマークの設定方法を模式的に表した図 部位認識処理で用いるスライス毎・部位毎のスコアを表した図（（ａ）部位スコア （ｂ）重みマップ （ｃ）コストマップ） 部位認識処理で用いるマッチングカーブの一例を示した図 椎骨検出部の構成を模式的に表したブロック図 椎骨検出部による処理の流れを表すフローチャート アキシャル画像の一例を示す図 椎骨周辺のアキシャル画像部分の一例を示す図 Ａｄａｂｏｏｓｔ処理に用いる特徴量の一例を示す概念図 アキシャル画像と、脊髄中心線に沿った縦断面画像の一例を示す図 椎骨の境界線を示す図 椎骨以外の構造物を基準として２つの３次元画像間の対応関係を求めた場合の問題点を模式的に表した図 椎骨のみを基準として２つの３次元画像間の対応関係を求めた場合の問題点を模式的に表した図
符号の説明
１ モダリティ
２ 画像処理ワークステーション
３ 画像サーバ
４ 画像データベース
１９ ネットワーク
２１ 制御部
２２ 画像データ取得部
２３ 部位認識部
２４ 椎骨検出部
２５ 椎骨ＲＯＩ設定部
２６ 類似度算出部
２７ ＧＵＩ制御部

Claims (8)

  1. 所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係を、前記周期性構造物の寄与がより低い基準に基づいて決定する対応関係決定手段と、
    前記周期性構造物の寄与がより高い基準に基づいて、前記対応関係決定手段によって決定された前記対応関係を修正する対応関係修正手段と
    を備えた画像解析装置であって、
    前記対応関係修正手段は、前記決定された対応関係によって対応づけられる、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記対応関係の修正を行うものであることを特徴とする画像解析装置。
  2. 前記近傍の範囲が、前記周期性構造物の１周期の長さよりも小さい範囲であることを特徴とする請求項１記載の画像解析装置。
  3. 前記対応関係修正手段が、
    一方の前記３次元画像中の所与の点における前記所定の方向に垂直な断面による断面画像から前記周期性構造物を検出し、
    該検出された周期性構造物を含む注目領域を設定し、
    前記対応関係決定手段によって決定された対応関係によって対応づけられる、前記一方の３次元画像中の前記所与の点に対応する他方の前記３次元画像中の点の前記近傍の範囲内の複数の候補点における、前記所定の方向に垂直な断面による断面画像の各々から、前記周期性構造物を検出し、
    該複数の候補点における前記断面画像の各々に、該断面画像から検出された周期性構造物を含む、前記注目領域に対応する候補領域を設定し、
    該複数の候補点における候補領域のうち、前記注目領域との類似度が最大となる候補領域が含まれる前記断面画像の断面の前記所定の方向における位置を特定し、
    該特定された位置が、前記一方の前記３次元画像中の前記所与の点と対応づけられるように、前記対応関係の修正を行うものであることを特徴とする請求項１または２記載の画像解析装置。
  4. 前記被検体が、前記周期性構造物との位置関係が前記所定の方向に変位しうる構造物をさらに有するものであることを特徴とする請求項１から３のいずれか１項に記載の画像解析装置。
  5. 前記周期性構造物が椎骨を１周期とする脊柱であることを特徴とする請求項１から４のいずれか１項に記載の画像解析装置。
  6. 前記所定の方向が前記被検体の体軸方向であり、
    前記対応関係決定手段が、前記２つの３次元画像の各々について、該３次元画像の前記所定の方向における複数の位置での断面による断面画像に表された前記被検体中の部位を、該断面画像中の前記周期性構造物以外の部分を含む領域の特徴を表す特徴量を少なくとも１つ用いて認識し、前記２つの３次元画像の前記複数の位置において認識された部位の一致度が所定の基準を満たす程度に高くなるように、前記対応関係を決定するものであることを特徴とする請求項５記載の画像解析装置。
  7. 所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係を、前記周期性構造物の寄与がより低い基準に基づいて決定するステップと、
    前記周期性構造物の寄与がより高い基準に基づいて、前記決定された前記対応関係を修正するステップと
    からなる画像解析方法であって、
    前記修正するステップは、前記決定された対応関係によって対応づけられる、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記対応関係の修正を行うものであることを特徴とする画像解析方法。
  8. コンピュータに、
    所定の方向に周期性を有する周期性構造物を含む被検体を表す２つの３次元画像間の前記所定の方向における位置の対応関係を、前記周期性構造物の寄与がより低い基準に基づいて決定するステップと、
    前記周期性構造物の寄与がより高い基準に基づいて、前記決定された前記対応関係を修正するステップと
    を実行させる画像解析プログラムであって、
    前記修正するステップにおいて、前記決定された対応関係によって対応づけられる、一方の前記３次元画像中の前記所定の方向における任意の位置に対応する他方の前記３次元画像中の前記所定の方向における位置が、該他方の３次元画像中の位置の前記所定の方向における近傍の範囲内で修正されるように、前記対応関係の修正を行わせるものであることを特徴とする画像解析プログラム。
JP2008067072A 2008-03-17 2008-03-17 画像解析装置および方法並びにプログラム Expired - Fee Related JP5138431B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2008067072A JP5138431B2 (ja) 2008-03-17 2008-03-17 画像解析装置および方法並びにプログラム
US12/405,812 US8150132B2 (en) 2008-03-17 2009-03-17 Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008067072A JP5138431B2 (ja) 2008-03-17 2008-03-17 画像解析装置および方法並びにプログラム

Publications (2)

Publication Number Publication Date
JP2009219655A true JP2009219655A (ja) 2009-10-01
JP5138431B2 JP5138431B2 (ja) 2013-02-06

Family

ID=41063084

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008067072A Expired - Fee Related JP5138431B2 (ja) 2008-03-17 2008-03-17 画像解析装置および方法並びにプログラム

Country Status (2)

Country Link
US (1) US8150132B2 (ja)
JP (1) JP5138431B2 (ja)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090413A (ja) * 2009-10-20 2011-05-06 Canon Inc 画像認識装置、その処理方法及びプログラム
JP2011142974A (ja) * 2010-01-13 2011-07-28 Fujifilm Corp 医用画像表示装置および方法、並びにプログラム
JP2011160962A (ja) * 2010-02-09 2011-08-25 Fujifilm Corp 医用画像表示装置、医用画像表示方法、及びそのプログラム
JP2012045313A (ja) * 2010-08-30 2012-03-08 Fujifilm Corp 医用画像位置合わせ装置、方法およびプログラム
JP2016120060A (ja) * 2014-12-25 2016-07-07 株式会社東芝 医用画像処理装置及び医用画像処理方法
US9396534B2 (en) 2014-03-31 2016-07-19 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing system
JP2017035125A (ja) * 2015-08-06 2017-02-16 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
US9662083B2 (en) 2014-04-10 2017-05-30 Toshiba Medical Systems Corporation Medical image display apparatus and medical image display system
JP2017127474A (ja) * 2016-01-20 2017-07-27 横河電機株式会社 画像抽出装置、画像抽出方法
CN108734750A (zh) * 2017-04-13 2018-11-02 佳能株式会社 信息处理装置、系统、方法和存储介质
JP2018175695A (ja) * 2017-04-20 2018-11-15 富士フイルム株式会社 位置合せ装置および位置合せ方法並びに位置合せプログラム
US10304187B2 (en) 2013-08-23 2019-05-28 Toshiba Medical Systems Corporation Image processing apparatus and method, computer program product, and stereoscopic image display apparatus
JP2020047253A (ja) * 2018-09-14 2020-03-26 虹▲軟▼科技股▲ふん▼有限公司 深層学習モデルを利用して、眼球状態を検出する眼球状態検出システム及びその眼球状態検出システムを動作させる方法
JP2020096773A (ja) * 2018-12-19 2020-06-25 富士フイルム株式会社 医用画像処理装置、方法およびプログラム
US10860894B2 (en) 2017-06-30 2020-12-08 Fujifilm Corporation Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
JP2021097731A (ja) * 2019-12-19 2021-07-01 キヤノンメディカルシステムズ株式会社 医用画像処理装置、及び医用画像処理システム
JP2022529557A (ja) * 2019-04-22 2022-06-23 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 医用画像分割方法、医用画像分割装置、電子機器及びコンピュータプログラム
US11423552B2 (en) 2017-04-13 2022-08-23 Canon Kabushiki Kaisha Information processing apparatus, system, method, and storage medium to compare images

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2753485C (en) 2009-02-25 2014-01-14 Mohamed Rashwan Mahfouz Customized orthopaedic implants and related methods
JP5572440B2 (ja) 2009-09-15 2014-08-13 富士フイルム株式会社 診断支援システム、診断支援プログラムおよび診断支援方法
US8825131B2 (en) 2009-10-14 2014-09-02 Nocimed, Llc MR spectroscopy system and method for diagnosing painful and non-painful intervertebral discs
JP5340213B2 (ja) * 2010-03-30 2013-11-13 富士フイルム株式会社 画像表示システム
US8676298B2 (en) * 2010-08-30 2014-03-18 Fujifilm Corporation Medical image alignment apparatus, method, and program
US9280718B2 (en) * 2010-11-24 2016-03-08 Nocimed, Llc Systems and methods for automated voxelation of regions of interest for magnetic resonance spectroscopy
JP5950619B2 (ja) * 2011-04-06 2016-07-13 キヤノン株式会社 情報処理装置
EP2518690A1 (en) * 2011-04-28 2012-10-31 Koninklijke Philips Electronics N.V. Medical image processing system and method
US9773311B2 (en) * 2011-06-29 2017-09-26 The Regents Of The University Of Michigan Tissue phasic classification mapping system and method
EP2624211A1 (en) * 2012-02-06 2013-08-07 Samsung Medison Co., Ltd. Image processing apparatus and method
EP2639763B1 (en) * 2012-03-15 2015-10-21 Agfa Healthcare Method, Apparatus and System for Localizing a Spine
US8965094B2 (en) 2012-04-14 2015-02-24 Nocimed, Llc Magnetic resonance spectroscopy pulse sequence, acquisition, and processing system and method
CN104584018B (zh) * 2012-08-22 2022-09-02 皇家飞利浦有限公司 用于有效查看和报告成像研究相关的先前注释的自动检测和检索
EP2904589B1 (en) * 2012-10-01 2020-12-09 Koninklijke Philips N.V. Medical image navigation
US20140094679A1 (en) * 2012-10-03 2014-04-03 General Electric Company Systems and methods for performing organ detection
JP6490985B2 (ja) 2014-03-11 2019-03-27 キヤノンメディカルシステムズ株式会社 医用画像処理装置および医用画像処理システム
JP6595193B2 (ja) 2014-03-11 2019-10-23 キヤノンメディカルシステムズ株式会社 読影レポート作成装置および読影レポート作成システム
US9265463B1 (en) * 2014-12-22 2016-02-23 Medical Metrics, Inc. Methods for determining spine instability and for eliminating the impact of patient effort on stability determinations
CN108292435B (zh) * 2015-10-29 2022-07-01 堃博生物科技公司 3d ct中的基于学习的脊柱椎骨定位和分割
US10650512B2 (en) 2016-06-14 2020-05-12 The Regents Of The University Of Michigan Systems and methods for topographical characterization of medical image data
EP3471608B1 (en) 2016-06-19 2023-08-23 Aclarion, Inc. Magnetic resonance spectroscopy system and method for diagnosing pain or infection associated with propionic acid
JP6872785B2 (ja) * 2017-03-27 2021-05-19 株式会社日立ハイテクサイエンス 断面観察装置、及び制御方法
WO2019014452A1 (en) * 2017-07-12 2019-01-17 K2M, Inc. SYSTEMS AND METHODS FOR MODELING VERTEBRAL COLUMNS AND TREATING VERTEBRAL COLUMNS BASED ON VERTEBRAL COLUMN MODELS
US11207135B2 (en) * 2017-07-12 2021-12-28 K2M, Inc. Systems and methods for modeling spines and treating spines based on spine models
US11000334B1 (en) 2017-07-12 2021-05-11 K2M, Inc. Systems and methods for modeling spines and treating spines based on spine models
US10892058B2 (en) * 2017-09-29 2021-01-12 K2M, Inc. Systems and methods for simulating spine and skeletal system pathologies
US10874460B2 (en) * 2017-09-29 2020-12-29 K2M, Inc. Systems and methods for modeling spines and treating spines based on spine models
WO2019134757A1 (en) * 2018-01-08 2019-07-11 Brainlab Ag Optimizing an atlas
WO2020068788A1 (en) 2018-09-24 2020-04-02 K2M, Inc. System and method for isolating anatomical features in computerized tomography data
US10842680B1 (en) * 2019-08-31 2020-11-24 Michael J. Weiler Methods and systems for fitting compression garments from digital imagery
CN110755099B (zh) * 2019-10-10 2023-10-31 东软医疗系统股份有限公司 一种偏转角度的检测方法、校正方法、装置及终端设备
US11295430B2 (en) 2020-05-20 2022-04-05 Bank Of America Corporation Image analysis architecture employing logical operations
US11379697B2 (en) 2020-05-20 2022-07-05 Bank Of America Corporation Field programmable gate array architecture for image analysis
CN113808227B (zh) * 2020-06-12 2023-08-25 杭州普健医疗科技有限公司 一种医学影像对齐方法、介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005087727A (ja) * 2003-08-14 2005-04-07 Fuji Photo Film Co Ltd 画像読影支援方法および装置ならびにプログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06189934A (ja) 1992-09-16 1994-07-12 Toshiba Medical Eng Co Ltd Ｍｒｉ装置におけるスライス位置指定方法
JP3639030B2 (ja) 1995-02-28 2005-04-13 株式会社東芝 画像表示システム及びそのシステムを用いた画像表示方法
JP3599868B2 (ja) 1996-01-05 2004-12-08 ジーイー横河メディカルシステム株式会社 人体部分抽出方法および医用装置
JP4179439B2 (ja) 2000-09-29 2008-11-12 富士フイルム株式会社 輪郭検出方法
JP4545971B2 (ja) 2001-03-05 2010-09-15 日本電信電話株式会社 医用画像識別システム，医用画像識別処理方法，医用画像識別用プログラムおよびその記録媒体
JP3766033B2 (ja) * 2001-04-25 2006-04-12 富士写真フイルム株式会社 画像処理方法および装置並びにプログラム
US7526114B2 (en) * 2002-11-15 2009-04-28 Bioarray Solutions Ltd. Analysis, secure access to, and transmission of array images
JP4510556B2 (ja) 2003-09-09 2010-07-28 富士フイルム株式会社 対象物識別装置および方法並びにプログラム
US20070121778A1 (en) * 2005-10-17 2007-05-31 Siemens Corporate Research Inc Method and System For Spinal Cord Detection In Computed Tomography Volume Data
JP4855141B2 (ja) * 2006-05-19 2012-01-18 富士フイルム株式会社 医用画像部位認識装置、及び、医用画像部位認識プログラム
JP4800129B2 (ja) 2006-06-30 2011-10-26 富士フイルム株式会社 医用画像表示処理装置、及び、医用画像表示処理プログラム
WO2008044572A1 (fr) * 2006-10-04 2008-04-17 Hitachi Medical Corporation dispositif de diagnostic d'images médicales

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005087727A (ja) * 2003-08-14 2005-04-07 Fuji Photo Film Co Ltd 画像読影支援方法および装置ならびにプログラム

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090413A (ja) * 2009-10-20 2011-05-06 Canon Inc 画像認識装置、その処理方法及びプログラム
JP2011142974A (ja) * 2010-01-13 2011-07-28 Fujifilm Corp 医用画像表示装置および方法、並びにプログラム
JP2011160962A (ja) * 2010-02-09 2011-08-25 Fujifilm Corp 医用画像表示装置、医用画像表示方法、及びそのプログラム
JP2012045313A (ja) * 2010-08-30 2012-03-08 Fujifilm Corp 医用画像位置合わせ装置、方法およびプログラム
US10304187B2 (en) 2013-08-23 2019-05-28 Toshiba Medical Systems Corporation Image processing apparatus and method, computer program product, and stereoscopic image display apparatus
US9396534B2 (en) 2014-03-31 2016-07-19 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing system
US9662083B2 (en) 2014-04-10 2017-05-30 Toshiba Medical Systems Corporation Medical image display apparatus and medical image display system
JP2016120060A (ja) * 2014-12-25 2016-07-07 株式会社東芝 医用画像処理装置及び医用画像処理方法
JP2017035125A (ja) * 2015-08-06 2017-02-16 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP2017127474A (ja) * 2016-01-20 2017-07-27 横河電機株式会社 画像抽出装置、画像抽出方法
JP2018175410A (ja) * 2017-04-13 2018-11-15 キヤノン株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
CN108734750A (zh) * 2017-04-13 2018-11-02 佳能株式会社 信息处理装置、系统、方法和存储介质
US11423552B2 (en) 2017-04-13 2022-08-23 Canon Kabushiki Kaisha Information processing apparatus, system, method, and storage medium to compare images
CN108734750B (zh) * 2017-04-13 2022-09-27 佳能株式会社 信息处理装置、系统、方法和存储介质
JP2018175695A (ja) * 2017-04-20 2018-11-15 富士フイルム株式会社 位置合せ装置および位置合せ方法並びに位置合せプログラム
US10860894B2 (en) 2017-06-30 2020-12-08 Fujifilm Corporation Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
JP2020047253A (ja) * 2018-09-14 2020-03-26 虹▲軟▼科技股▲ふん▼有限公司 深層学習モデルを利用して、眼球状態を検出する眼球状態検出システム及びその眼球状態検出システムを動作させる方法
JP2020096773A (ja) * 2018-12-19 2020-06-25 富士フイルム株式会社 医用画像処理装置、方法およびプログラム
JP2022529557A (ja) * 2019-04-22 2022-06-23 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 医用画像分割方法、医用画像分割装置、電子機器及びコンピュータプログラム
JP7180004B2 (ja) 2019-04-22 2022-11-29 テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド 医用画像分割方法、医用画像分割装置、電子機器及びコンピュータプログラム
US11887311B2 (en) 2019-04-22 2024-01-30 Tencent Technology (Shenzhen) Company Limited Method and apparatus for segmenting a medical image, and storage medium
JP2021097731A (ja) * 2019-12-19 2021-07-01 キヤノンメディカルシステムズ株式会社 医用画像処理装置、及び医用画像処理システム
JP7451168B2 (ja) 2019-12-19 2024-03-18 キヤノンメディカルシステムズ株式会社 医用画像処理装置、及び医用画像処理システム

Also Published As

Publication number Publication date
US20090232378A1 (en) 2009-09-17
JP5138431B2 (ja) 2013-02-06
US8150132B2 (en) 2012-04-03

Similar Documents

Publication Publication Date Title
JP5138431B2 (ja) 画像解析装置および方法並びにプログラム
JP5186269B2 (ja) 画像認識結果判定装置、方法、およびプログラム
US8417009B2 (en) Apparatus, method, and computer readable medium for assisting medical image diagnosis using 3-D images representing internal structure
JP4542591B2 (ja) 画像処理システム、画像保管装置、および、画像処理装置、並びに、画像処理方法、プログラム
US7599539B2 (en) Anatomic orientation in medical images
JP5486197B2 (ja) 椎骨中心検出装置および方法並びにプログラム
US8953856B2 (en) Method and system for registering a medical image
JP4818846B2 (ja) 医用画像処理装置及び医用画像処理プログラム
JP4855141B2 (ja) 医用画像部位認識装置、及び、医用画像部位認識プログラム
JP2008259622A (ja) レポート作成支援装置およびそのプログラム
JP5364290B2 (ja) 画像表示装置並びに画像表示制御方法およびプログラム
JP2008259682A (ja) 部位認識結果修正装置、方法、およびプログラム
WO2014016268A1 (en) Method, apparatus and system for automated spine labeling
CN111311655B (zh) 多模态图像配准方法、装置、电子设备、存储介质
WO2008001928A1 (fr) Appareil d'affichage d'image médicale et programme d'affichage d'image médicale
US9275452B2 (en) Method and system for automatically determining compliance of cross sectional imaging scans with a predetermined protocol
CN112001889A (zh) 医学影像处理方法、装置及医学影像显示方法
CN107980149A (zh) 用于脊椎标记的方法、装置和系统
JP5283411B2 (ja) 画像表示装置および画像表示装置の作動方法並びに画像表示プログラム
JP2009207727A (ja) 椎体位置決定装置および方法並びにプログラム
US10307124B2 (en) Image display device, method, and program for determining common regions in images
JP2010220902A (ja) 認識結果判定装置および方法並びにプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100707

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20120322

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120501

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120530

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: 20121023

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: 20121114

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: 20151122

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