JP2009226043A - 医用画像処理装置及び異常陰影検出方法 - Google Patents
医用画像処理装置及び異常陰影検出方法 Download PDFInfo
- Publication number
- JP2009226043A JP2009226043A JP2008075961A JP2008075961A JP2009226043A JP 2009226043 A JP2009226043 A JP 2009226043A JP 2008075961 A JP2008075961 A JP 2008075961A JP 2008075961 A JP2008075961 A JP 2008075961A JP 2009226043 A JP2009226043 A JP 2009226043A
- Authority
- JP
- Japan
- Prior art keywords
- image
- dimensional
- mra
- candidate
- mri
- 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.)
- Pending
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
【課題】医師による病変か否かの読影診断作業を支援する。
【解決手段】医用画像処理装置は、頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力し(ステップS1)、前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、2次元MRI画像と類似するものを選択し、選択した2次元MRA画像と、2次元MRI画像との位置合わせを行い(ステップS3、S4)、前記3次元MRA画像から血管の画像を抽出し(ステップS5)、前記位置合わせした2次元MRI画像に前記抽出した血管の画像を合成し、表示させる(ステップS6)。
【選択図】図4
【解決手段】医用画像処理装置は、頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力し(ステップS1)、前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、2次元MRI画像と類似するものを選択し、選択した2次元MRA画像と、2次元MRI画像との位置合わせを行い(ステップS3、S4)、前記3次元MRA画像から血管の画像を抽出し(ステップS5)、前記位置合わせした2次元MRI画像に前記抽出した血管の画像を合成し、表示させる(ステップS6)。
【選択図】図4
Description
本発明は、医用画像処理装置及び異常陰影検出方法に関する。
近年、MRI(Magnetic Resonance Imaging)の普及と高性能化に伴い、脳ドック検査の件数が急速に増加してきている。脳ドックにおいて最も高頻度に見つかる異常は無症候性脳梗塞である。脳ドックの目的の一つには、無症候性脳梗塞を早期に発見し、原因とされる生活習慣の改善や血圧管理、投薬治療等を行うことによって、その後に起こり得る重篤な脳卒中を予防することにある。
無症候性脳梗塞の大半は、脳内の穿通枝と呼ばれる細い血管の血流が途絶え、その先の細胞が壊死に陥り発症するラクナ梗塞が原因である。現在、MRI撮影により得られた画像から読影により医師がラクナ梗塞を検出する作業を支援する診断支援装置が開発されている(例えば、特許文献1〜3、非特許文献1、2参照)。なお、医師の診断を支援するための装置を一般に、CAD(Computer-Aided Diagnosis)という。CADシステムによれば、読影対象の画像に画像解析及び画像処理を施して病変部分の可能性がある画像領域を検出、病変候補として検出結果を表示することにより、「第二の意見」として医師の読影を支援することが可能である。
特願2005−029125号公報
特許3779982号公報
特許3956234号公報
横山龍二郎、原武史他:脳MR画像におけるラクナ梗塞領域の自動検出の試み、日本放射線技術学会雑誌、58(3),399-405,2002
内山良一、松井篤、横山龍二郎他:脳MR画像におけるラクナ梗塞の検出法、電子情報通信学会論文誌、J90-D(7),1820-1829,2007
一方、MRI画像等の頭部の断層画像において、ラクナ梗塞と類似した陰影を呈するものに、血管周囲腔の拡大がある。しかし、血管周囲腔の拡大は加齢による脳組織の変化であって正常な血管であるため、ラクナ梗塞の場合と異なり投薬治療を行う必要はない。
現在、このラクナ梗塞と血管周囲腔の拡大との判別は、医師の経験による主観的な画像診断によって行われている。経験の浅い医師では両者の判別を行うことは困難であり、経験のある医師であっても判別は容易ではなく、負担が大きい。
現在、このラクナ梗塞と血管周囲腔の拡大との判別は、医師の経験による主観的な画像診断によって行われている。経験の浅い医師では両者の判別を行うことは困難であり、経験のある医師であっても判別は容易ではなく、負担が大きい。
また、ラクナ梗塞は血管が詰まることより生じ、血流が途絶えるのに対し、血管周囲腔拡大は脳組織の萎縮によって生じるものであることから血管には血流が有る。よって、血管の血流を画像化したMRA(Magnetic Resonance Angiography)画像により頭部の断層画像におけるラクナ梗塞の陰影と血管周囲腔の拡大の陰影との判別をすることも考えられるが、そのようなCADシステムは未だ提案されていない。その理由としては、現在広く用いられている1.5T(テスラ)のMRI装置では穿通枝のような細い血管を読影可能な程度に画像化できないことが挙げられる。しかし、近年3TのMRI装置が普及し始めている。3TのMRI装置であれば読影可能な程度に穿通枝のMRA画像を得ることが可能であり、ラクナ梗塞と血管周囲腔拡大の判別にMRA画像を利用することが考えられる。
本発明の目的は、医師による病変か否かの読影診断作業を支援することである。
請求項1に記載の発明によれば、
頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する入力手段と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う位置合わせ手段と、
前記3次元MRA画像から血管の画像を抽出する抽出手段と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる制御手段と、
を備える医用画像処理装置が提供される。
頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する入力手段と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う位置合わせ手段と、
前記3次元MRA画像から血管の画像を抽出する抽出手段と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる制御手段と、
を備える医用画像処理装置が提供される。
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、
前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する医用画像処理装置が提供される。
前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する医用画像処理装置が提供される。
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、
前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う医用画像処理装置が提供される。
前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う医用画像処理装置が提供される。
請求項4に記載の発明によれば、請求項1〜3の何れか一項に記載の発明において、
2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる医用画像処理装置が提供される。
2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる医用画像処理装置が提供される。
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2次元MRI画像は、T1強調画像又はT2強調画像である医用画像処理装置が提供される。
前記2次元MRI画像は、T1強調画像又はT2強調画像である医用画像処理装置が提供される。
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、
前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる医用画像処理装置が提供される。
前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる医用画像処理装置が提供される。
請求項7に記載の発明によれば、
頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する工程と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う工程と、
前記3次元MRA画像から血管の画像を抽出する工程と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる工程と、
を備える異常陰影検出方法が提供される。
頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する工程と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う工程と、
前記3次元MRA画像から血管の画像を抽出する工程と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる工程と、
を備える異常陰影検出方法が提供される。
請求項8に記載の発明によれば、請求項7に記載の発明において、
前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する異常陰影検出方法が提供される。
前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する異常陰影検出方法が提供される。
請求項9に記載の発明によれば、請求項7又は8に記載の発明において、
前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う異常陰影検出方法が提供される。
前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う異常陰影検出方法が提供される。
請求項10に記載の発明によれば、請求項7〜9の何れか一項に記載の発明において、
2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる異常陰影検出方法が提供される。
2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる異常陰影検出方法が提供される。
請求項11に記載の発明によれば、請求項7〜10の何れか一項に記載の発明において、
前記2次元MRI画像は、T1強調画像又はT2強調画像である異常陰影検出方法が提供される。
前記2次元MRI画像は、T1強調画像又はT2強調画像である異常陰影検出方法が提供される。
請求項12に記載の発明によれば、請求項7〜11の何れか一項に記載の発明において、
前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる異常陰影検出方法が提供される。
前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる異常陰影検出方法が提供される。
本発明によれば、2次元MRI画像上に血流の有る血管の画像を重ねて表示することにより、医師は2次元MRI画像において血流の有無を容易に把握することができる。2次元MRI画像において異常陰影が見られる場合、血流の有無を確かめることにより、画像上の異常陰影が血流の途絶えたラクナ梗塞等の真陽性であるのか、血流の有る血管周囲腔等の偽陽性であるのか、判別が容易となる。すなわち、異常陰影であるか、又は異常陰影に類似する正常陰影であるかの客観的な判断材料を医師に提供することが可能となり、読影診断の支援を図ることが可能となる。
図1に、本実施形態における医用画像処理装置10の内部構成を示す。
図1に示すように、医用画像処理装置10は、制御部11、操作部12、表示部13、通信部14、記憶部15を備えて構成され、各部はバスBを介して接続されている。
図1に示すように、医用画像処理装置10は、制御部11、操作部12、表示部13、通信部14、記憶部15を備えて構成され、各部はバスBを介して接続されている。
以下、各部について説明する。
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)等を備えて構成される。CPUは、記憶部15に記憶されているプログラムを読み出し、RAM内に形成されたワークエリアに展開し、該プログラムに従って、医用画像処理装置10の各部を制御する。
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)等を備えて構成される。CPUは、記憶部15に記憶されているプログラムを読み出し、RAM内に形成されたワークエリアに展開し、該プログラムに従って、医用画像処理装置10の各部を制御する。
操作部12は、カーソルキーや数字キー、各種機能キーからなるキーボード、マウスやタッチパネル等のポインティングディバイスを備えて構成され、押下されたキーやマウスの操作に対応する操作信号を生成して制御部11に出力する。
表示部13は、LCD(Liquid Crystal Display)やCRT等のモニタにより構成され、CPU21から入力される表示信号の指示に従って、画像の表示を行う。
通信部14は、ネットワークインターフェイスカード等の通信用インターフェイスにより構成され、病院内のLANを介して接続されるMRI装置、CR(Computed Radiography)装置等の各種撮影装置からの医用画像を受信する。
なお、医用画像の入力は、通信による入力方法に限らない。例えば、各種撮影装置と接続するためのインターフェイスを備え、このインターフェイスを介して上記の各種撮影装置において撮影された医用画像を医用画像処理装置10に入力することとしてもよい。
記憶部15は、HDD(Hard Disc Drive)や不揮発性の半導体メモリ等により構成され、各種プログラム、各種データ、パラメータ等を記憶する。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、制御部11は、当該プログラムコードに従った動作を逐次実行する。
なお、各種プログラムには、2次元MRI画像と3次元MRA画像との位置合わせを行うためのプログラム、3次元MRA画像から血管の画像を抽出するためのプログラム、2次元MRI画像と3次元MRA画像とを合成して表示するためのプログラム等が含まれる。
なお、各種プログラムには、2次元MRI画像と3次元MRA画像との位置合わせを行うためのプログラム、3次元MRA画像から血管の画像を抽出するためのプログラム、2次元MRI画像と3次元MRA画像とを合成して表示するためのプログラム等が含まれる。
次に、本実施形態における医用画像処理装置10の動作について説明する。
本実施形態では、(1)融合画像の作成処理及び(2)候補検出処理の2つの処理を行う。(1)の処理では主に3次元MRA画像について画像処理を行い、また、(2)の処理では主に2次元MRI画像について画像処理を行う。
以下、(1)及び(2)の各処理について順に説明する。なお、以下に説明する処理は、制御部11と記憶部15に記憶されている各種プログラムとの協働により実行される。
本実施形態では、(1)融合画像の作成処理及び(2)候補検出処理の2つの処理を行う。(1)の処理では主に3次元MRA画像について画像処理を行い、また、(2)の処理では主に2次元MRI画像について画像処理を行う。
以下、(1)及び(2)の各処理について順に説明する。なお、以下に説明する処理は、制御部11と記憶部15に記憶されている各種プログラムとの協働により実行される。
図2を参照して、融合画像の作成処理について説明する。
まず、制御部11は、MRI装置により頭部を撮影した医用画像を取得する(ステップS1)。
制御部11が取得する医用画像には2種類ある。一つはT1強調画像やT2強調画像等の2次元MRI画像であり、もう一つは血管の血流を画像化した3次元MRA(Magnetic Resonance Angiography)画像である。3次元MRA画像は頭部を体軸方向にスライスした複数の2次元MRA画像から構成され、読影の際にはMIP(Maximum intensity projection)表示される。以下の説明では、2次元MRI画像としてT2強調画像を用いた例を説明するが、T1強調画像を用いて同様の処理を行うことも可能である。また、2次元MRI画像、3次元MRA画像、2次元MRA画像は、何れもMRI装置により撮影されて生成される医用画像である点で共通するが、ここではそれぞれを区別して説明する。
まず、制御部11は、MRI装置により頭部を撮影した医用画像を取得する(ステップS1)。
制御部11が取得する医用画像には2種類ある。一つはT1強調画像やT2強調画像等の2次元MRI画像であり、もう一つは血管の血流を画像化した3次元MRA(Magnetic Resonance Angiography)画像である。3次元MRA画像は頭部を体軸方向にスライスした複数の2次元MRA画像から構成され、読影の際にはMIP(Maximum intensity projection)表示される。以下の説明では、2次元MRI画像としてT2強調画像を用いた例を説明するが、T1強調画像を用いて同様の処理を行うことも可能である。また、2次元MRI画像、3次元MRA画像、2次元MRA画像は、何れもMRI装置により撮影されて生成される医用画像である点で共通するが、ここではそれぞれを区別して説明する。
取得した2次元MRI画像と3次元MRA画像とでは、それぞれボクセル値の最大値と最小値とが異なる。よって、制御部11は、2次元MRI画像及び3次元MRA画像のそれぞれに対し、正規化を行う(ステップS2)。
正規化は、まず濃度値が最小値0から最大値255までの濃度値となるように2次元MRI画像及び3次元MRA画像の信号値を変換する線形濃度変換を行う。また、2次元MRI画像の空間分解能と3次元MRA画像の空間分解能とが一致するように、3次元MRA画像に拡大縮小処理を施し、2次元MRI画像と画像の大きさの条件を合わせる。ここで必要となる空間分解能の情報は、2次元MRI画像、3次元MRA画像に付加されている情報を用いる。DICOM(Digital Imaging and Communication in Medicine)の規格に従って撮影されている場合、撮影画像には規格に応じてヘッダに情報を付加することが可能であり、空間周波数の情報等が付加されている。よって、ヘッダから情報を取得して空間周波数を判断することができる。
大きさを合わせた後、線形補間法によって3次元MRA画像を体軸方向にスライスした2次元MRA画像を補間する処理を行い、2次元MRA画像の各ボクセルを等ボクセルとする。
大きさを合わせた後、線形補間法によって3次元MRA画像を体軸方向にスライスした2次元MRA画像を補間する処理を行い、2次元MRA画像の各ボクセルを等ボクセルとする。
次いで、制御部11は正規化した3次元MRA画像について、グローバルマッチングを行う(ステップS3)。
グローバルマッチングは、3次元MRA画像と2次元MRI画像とを大まかに一致させる位置合わせの処理である。まず、3次元MRA画像を体軸方向にスライスした複数の2次元MRA画像を作成し、この複数の2次元MRA画像と、2次元MRI画像について相互情報量に基づく類似度Iを下記式1により算出する。
グローバルマッチングは、3次元MRA画像と2次元MRI画像とを大まかに一致させる位置合わせの処理である。まず、3次元MRA画像を体軸方向にスライスした複数の2次元MRA画像を作成し、この複数の2次元MRA画像と、2次元MRI画像について相互情報量に基づく類似度Iを下記式1により算出する。
次に、3次元MRA画像を構成する複数の2次元MRA画像のうち、算出した類似度Iが最大となる2次元MRA画像を選択する。そして、選択した2次元MRA画像、2次元MRI画像のそれぞれについて重心点Gを下記式2、3により求め、各画像の重心点(式2、3参照)Gが一致するように2次元MRA画像を平行移動させる。
なお、3次元MRA画像、2次元MRI画像にスライス位置を示す情報が付加されている場合、当該情報に基づき、2次元MRI画像とスライス位置が最も近い2次元MRA画像を選択することとしてもよい。これにより、類似度Iの算出時間の短縮につなげることができる。或いは、スライス位置を示す情報を、類似度Iを算出する2次元MRA画像を限定するのに利用することとしてもよい。これによれば、類似度Iの算出時間を軽減し得る。
また、類似度Iの算出には相互情報量を用いることとしたが、これに限らず、画像間の類似度を定量化できるのであれば他の指標を算出することとしてもよい。例えば、下記式4による相関係数(式4参照)Cも類似度を表す指標の一つである。
図3を参照して、グローバルマッチングについて説明する。
2次元MRI画像RはT2強調画像である。また、符号aで示すのは3次元MRA画像である。3次元MRA画像aは、Z方向(体軸方向)にスライスしてできる複数の2次元MRA画像から構成される。グローバルマッチングでは複数の2次元MRA画像のうち、類似度Iが最大となる2次元MRA画像b又はスライス位置が一致する2次元MRA画像bを選択する。そして、2次元MRI画像Rと2次元MRA画像bとの重心点が一致するように、3次元MRA画像a全体が平行移動する。
2次元MRI画像RはT2強調画像である。また、符号aで示すのは3次元MRA画像である。3次元MRA画像aは、Z方向(体軸方向)にスライスしてできる複数の2次元MRA画像から構成される。グローバルマッチングでは複数の2次元MRA画像のうち、類似度Iが最大となる2次元MRA画像b又はスライス位置が一致する2次元MRA画像bを選択する。そして、2次元MRI画像Rと2次元MRA画像bとの重心点が一致するように、3次元MRA画像a全体が平行移動する。
グローバルマッチングを終えると、制御部11はローカルマッチングを行う(ステップS4)。
ローカルマッチングでは、選択した2次元MRA画像と2次元MRI画像とを更に詳細に一致させる位置合わせを行う。まず、選択した2次元MRA画像に予め定められた範囲の平行移動量及び回転角度で、2次元MRA画像に平行移動、回転の処理を施す。そして、処理を施した2次元MRA画像と2次元MRI画像との類似度Iを算出する。類似度Iの算出は上述した方法と同じであるのでここでは説明を省略する。この処理を平行移動量及び回転角度を少しずつ変えて繰り返す。そして、算出した類似度Iが最大となる平行移動量及び回転角度を求め、求めた平行移動量、回転角度で処理した3次元MRA画像を得る。
ローカルマッチングでは、選択した2次元MRA画像と2次元MRI画像とを更に詳細に一致させる位置合わせを行う。まず、選択した2次元MRA画像に予め定められた範囲の平行移動量及び回転角度で、2次元MRA画像に平行移動、回転の処理を施す。そして、処理を施した2次元MRA画像と2次元MRI画像との類似度Iを算出する。類似度Iの算出は上述した方法と同じであるのでここでは説明を省略する。この処理を平行移動量及び回転角度を少しずつ変えて繰り返す。そして、算出した類似度Iが最大となる平行移動量及び回転角度を求め、求めた平行移動量、回転角度で処理した3次元MRA画像を得る。
次に、制御部11は、3次元MRA画像から血管の画像部分を抽出する(ステップS5)。まず、3次元MRA画像を用いて濃度の累積ヒストグラムを作成する。累積ヒストグラムの上位0.1%以上の値を持つ全てのボクセルの信号値を1024に変換し、他の全てのボクセルの信号値を最小値0から最大値1024となるように線形濃度変換を行う。次に、閾値を700として閾値処理を行う。この閾値処理により比較的太い血管領域を抽出することができる。そして、閾値処理により抽出したボクセルをシード点として領域拡張法により細い血管を抽出する。領域拡張処理では、シード点を注目ボクセルとして26近傍のボクセル値が500以上であった場合に、そのボクセルは血管の画像であると判断する。これにより、穿通枝のように細い血管を抽出することができる。
制御部11は、抽出した血管の画像を2次元MRI画像に合成して融合画像を作成する(ステップS6)。抽出した血管の画像は3次元画像であるので、MIP処理により2次元の画像とし、2次元MRI画像に合成する。そして、制御部11は、作成した融合画像を表示部13の表示画面上に表示して(ステップS7)、融合画像作成処理を終了する。
図4に、2次元MRI画像R及び融合画像Fを示す。
図4に示す2次元MRI画像R上の陰影Sは、脳の実質に現れた異常陰影であるが、真陽性のラクナ梗塞であるのか、偽陽性の血管周囲腔拡大の陰影であるのかが、2次元MRI画像Rのみでは判別し難い。
一方、融合画像Fは2次元MRA画像から抽出した血管の画像を2次元MRI画像R上に合成した画像である。血管の画像部分は血流が有ることを示しているので、融合画像Fによれば、陰影Sの位置において血流の有無の判別が可能となる。つまり、融合画像Fを読影した医師は、陰影Sの位置で血管の画像が消えている場合、陰影Sはラクナ梗塞の可能性が高く、逆に陰影Sの位置で血管の画像が現れている場合には少なくともラクナ梗塞の陰影ではなく、血管周囲腔の拡大の陰影である可能性があると判断することができる。図4に示す融合画像Fでは陰影Sの位置と血管の画像の位置が一致しており、かつ陰影Sの位置に血管の画像が現れているので陰影Sはラクナ梗塞ではないと判断することができる。
図4に示す2次元MRI画像R上の陰影Sは、脳の実質に現れた異常陰影であるが、真陽性のラクナ梗塞であるのか、偽陽性の血管周囲腔拡大の陰影であるのかが、2次元MRI画像Rのみでは判別し難い。
一方、融合画像Fは2次元MRA画像から抽出した血管の画像を2次元MRI画像R上に合成した画像である。血管の画像部分は血流が有ることを示しているので、融合画像Fによれば、陰影Sの位置において血流の有無の判別が可能となる。つまり、融合画像Fを読影した医師は、陰影Sの位置で血管の画像が消えている場合、陰影Sはラクナ梗塞の可能性が高く、逆に陰影Sの位置で血管の画像が現れている場合には少なくともラクナ梗塞の陰影ではなく、血管周囲腔の拡大の陰影である可能性があると判断することができる。図4に示す融合画像Fでは陰影Sの位置と血管の画像の位置が一致しており、かつ陰影Sの位置に血管の画像が現れているので陰影Sはラクナ梗塞ではないと判断することができる。
次に、図5を参照して、候補検出処理について説明する。この候補検出処理では、前述した融合画像の作成処理の処理結果を用いて偽陽性の削除を行う。
図5に示すように、制御部11はMRI装置により頭部を撮影した医用画像を取得する(ステップS11)。取得する医用画像は、2次元MRI画像及び3次元MRA画像である。そして、制御部11は、2次元MRI画像及び3次元MRA画像のそれぞれに対し、正規化を行う(ステップS12)。正規化の処理は、上述した図2におけるステップS2と同様であるため、ここでの詳細な説明は省略する。
図5に示すように、制御部11はMRI装置により頭部を撮影した医用画像を取得する(ステップS11)。取得する医用画像は、2次元MRI画像及び3次元MRA画像である。そして、制御部11は、2次元MRI画像及び3次元MRA画像のそれぞれに対し、正規化を行う(ステップS12)。正規化の処理は、上述した図2におけるステップS2と同様であるため、ここでの詳細な説明は省略する。
次に、制御部11は、正規化した2次元MRI画像についてトップハット変換を行う(ステップS13)。ラクナ梗塞には、脳室に隣接して現れるラクナ梗塞と、孤立して現れるラクナ梗塞がある。孤立したラクナ梗塞は、後述する多重閾値処理によって抽出が可能であるのが、脳室に隣接するラクナ梗塞は多重閾値処理単独では抽出が難しい。そこで、トップハット変換により前処理を行い、ラクナ梗塞の画像部分を強調する。具体的には、2次元MRI画像に3×3のメジアンフィルタでフィルタ処理した後、半径8画素の円を構造要素とするトップハット変換を行う。
制御部11は、トップハット変換を行った2次元MRI画像について、多重閾値処理を行う(ステップS14)。
多重閾値処理によって、ラクナ梗塞の領域を決定することができる。なお、ラクナ梗塞は、梗塞が発生してからの時間によって2次元MRI画像での濃度(信号値)が異なるため、固定の閾値では全てのラクナ梗塞を検出することは困難である。そのため、多重閾値処理を用いている。具体的には、信号値が55〜205まで15画素ずつ閾値を変化させ、合計11回の閾値処理を行い、11枚の2値画像を作成する。この11枚の2値画像に対して、大きさが33〜285画素、円形度が0.59以上、不整形度が0.342以下の値を満たす領域を検出し、当該領域をラクナ梗塞の1次候補とする。
多重閾値処理によって、ラクナ梗塞の領域を決定することができる。なお、ラクナ梗塞は、梗塞が発生してからの時間によって2次元MRI画像での濃度(信号値)が異なるため、固定の閾値では全てのラクナ梗塞を検出することは困難である。そのため、多重閾値処理を用いている。具体的には、信号値が55〜205まで15画素ずつ閾値を変化させ、合計11回の閾値処理を行い、11枚の2値画像を作成する。この11枚の2値画像に対して、大きさが33〜285画素、円形度が0.59以上、不整形度が0.342以下の値を満たす領域を検出し、当該領域をラクナ梗塞の1次候補とする。
ここで、大きさは画素数である。円形度は、候補領域の面積をSとし、候補領域と重心が同一で同一面積の円を求め、この円とSとが重なる領域をAとした場合、A/Sによって求められる値である。 不整形度は、候補領域の周囲長をL、円周の長さをCとした場合、1−C/Lによって求められる値である。
11枚の2値画像において、ラクナ梗塞の候補領域の重心から3画素以内に他の閾値で決定された候補領域の重心が2回以上存在する領域をラクナ梗塞の1次候補として検出する。
11枚の2値画像において、ラクナ梗塞の候補領域の重心から3画素以内に他の閾値で決定された候補領域の重心が2回以上存在する領域をラクナ梗塞の1次候補として検出する。
次に、制御部11は融合画像作成処理で作成した融合画像を取得する(ステップS15)。そして、融合画像において合成されている血管の画像を参照し、当該血管の位置に基づいて偽陽性の削除を行う(ステップS16)。T2強調画像では脳の実質領域は高信号値となり、ラクナ梗塞は低信号値となるが、ノイズや正常組織の陰影が低信号で現れることもあり、判別が難しい。しかし、ラクナ梗塞は血管上に生じるものであるため、融合画像において血管の画像が現れていない位置にある1次候補は、偽陽性であると考えられる。よって、融合画像において血管の位置と1次候補の位置とを比較して、位置が一致しない、或いは一定距離以上離れている1次候補については偽陽性であるとして1次候補から削除する。また、ラクナ梗塞は血流がそこで途絶えるため、融合画像においてはその陰影を境界に血管の画像がなくなっているはずである。よって、融合画像において血管の位置と一致している1次候補であっても、その1次候補の陰影を血管が貫通している場合には、血流が有ることを示しているので、少なくともラクナ梗塞ではない偽陽性として1次候補から削除する。
図6に、候補検出処理の過程で生成される2次元MRI画像を示す。
図6に示す2次元MRI画像Rは、正規化した後のT2強調画像である。この2次元MRI画像Rをトップハット変換したものが、2次元MRI画像RG1である。2次元MRI画像RG1では、2次元MRI画像Rで低信号ではあるが陰影Sよりも高信号であった脳室部分が高信号に変換される。これに対し、陰影Sはより低信号へと変換されるので、脳室に隣接していた陰影Sは脳室から孤立し、陰影Sのみが強調して表されることになる。
図6に示す2次元MRI画像Rは、正規化した後のT2強調画像である。この2次元MRI画像Rをトップハット変換したものが、2次元MRI画像RG1である。2次元MRI画像RG1では、2次元MRI画像Rで低信号ではあるが陰影Sよりも高信号であった脳室部分が高信号に変換される。これに対し、陰影Sはより低信号へと変換されるので、脳室に隣接していた陰影Sは脳室から孤立し、陰影Sのみが強調して表されることになる。
この2次元MRI画像RG1に多重閾値処理を行ったものが、2次元MRI画像RG2である。2次元MRI画像RG2では、多重閾値処理により低信号に変換された画像部分(図中の枠内の陰影S)をラクナ梗塞の1次候補として検出する。
1次候補のうち、融合画像を参照して偽陽性を削除した結果を示すのが2次元MRI画像RG3である。2次元MRI画像RG3では、融合画像に合成された血管の画像の位置と一致しない又は一定距離内に無い1次候補の信号値を高信号に変換して表している。すなわち、2次元MRI画像RG3では偽陽性が削除された1次候補のみ低信号の陰影Sで表されている。2次元MRI画像RG3から分かるように、ラクナ梗塞が生じ得ない脳溝等に現れる偽陽性が削除されている。
偽陽性の削除を行うと、制御部11は2次候補の表示処理を実行する(ステップS17)。2次候補の表示処理については図7を参照して説明する。
図7に示すように、制御部11は、偽陽性が削除された1次候補について特徴量を算出する(ステップS21)。
特徴量の算出には、T2強調画像とT1強調画像を用いる。算出する特徴量は、偽陽性を削除した1次候補の領域についての、(1)T2強調画像での領域内外の濃度差、(2)T1強調画像での領域内外の濃度差、(3)円形・線状パターンを強調するためのフィルタバンクによって計算される解像度レベル1(小さい成分)から解像度レベル4(大きい成分)までの円形成分、(4)円形・線状成分、である。
図7に示すように、制御部11は、偽陽性が削除された1次候補について特徴量を算出する(ステップS21)。
特徴量の算出には、T2強調画像とT1強調画像を用いる。算出する特徴量は、偽陽性を削除した1次候補の領域についての、(1)T2強調画像での領域内外の濃度差、(2)T1強調画像での領域内外の濃度差、(3)円形・線状パターンを強調するためのフィルタバンクによって計算される解像度レベル1(小さい成分)から解像度レベル4(大きい成分)までの円形成分、(4)円形・線状成分、である。
制御部11は、算出した特徴量を識別器に入力して2次候補の検出を行う(ステップS22)。
識別器には、ルールベース法及びニューラルネットワークを用いる。算出した特徴量のそれぞれに対し、ラクナ梗塞の最大値と最小値を求めることによってルールを設定し、このルールの範囲内にある1次候補をラクナ梗塞(真陽性)、ルールの範囲外にある1次候補を偽陽性と識別する。ルールベース法による識別を行った後、ニューラルネットワークによる識別を行う。ニューラルネットワークの構造は3層構造で、各層のセル数は、入力層12、中間層3、出力層1である。学習には、バックプロパゲーションを用い、手法の評価には、リーブ・ワン・アウト(Leave-one-out)法と、ホールド・アウト(Hold-out)法をそれぞれ用いる。
制御部11は、識別器により最終的に真陽性のラクナ梗塞と識別された候補を2次候補として検出する。
識別器には、ルールベース法及びニューラルネットワークを用いる。算出した特徴量のそれぞれに対し、ラクナ梗塞の最大値と最小値を求めることによってルールを設定し、このルールの範囲内にある1次候補をラクナ梗塞(真陽性)、ルールの範囲外にある1次候補を偽陽性と識別する。ルールベース法による識別を行った後、ニューラルネットワークによる識別を行う。ニューラルネットワークの構造は3層構造で、各層のセル数は、入力層12、中間層3、出力層1である。学習には、バックプロパゲーションを用い、手法の評価には、リーブ・ワン・アウト(Leave-one-out)法と、ホールド・アウト(Hold-out)法をそれぞれ用いる。
制御部11は、識別器により最終的に真陽性のラクナ梗塞と識別された候補を2次候補として検出する。
次に、制御部11は2次候補の検出結果を表示部13の表示画面上に表示して(ステップS23)、2次候補の表示処理を終了する。検出結果の表示は、例えば2次元MRI画像において2次候補の位置を指し示すマークを表示したり、アノテーションを表示したりすることにより行う。
以上のように、本実施形態によれば、グローバルマッチング及びローカルマッチングによって3次元MRA画像と2次元MRA画像の位置合わせを行う。また、3次元MRA画像から血管の画像を抽出し、これをMIP処理した画像を位置合わせした2次元MRI画像に重ねて合成し、融合画像を作成、表示する。融合画像においては合成された血管の画像により2次元MRI画像上において血流の有無を確認することができ、血流の有無により2次元MRI画像上の陰影がラクナ梗塞であるのか、血管周囲腔拡大の陰影であるのかの判別が可能となる。よって、2次元MRI画像のみでは困難であった異常陰影と正常陰影との判別を医師が容易に行うことができ、診断支援を図ることができる。
また、グローバルマッチングによれば、複数の2次元MRA画像と2次元MRI画像との類似度を算出し、類似度が最大となる2次元MRA画像を選択するので、スライス位置が近い2次元MRA画像を選択することができ、位置合わせの精度を向上させることができる。ローカルマッチングによれば、選択した2次元MRA画像に平行移動、回転の処理を施し、処理する毎に算出する類似度が最大となるまで処理を繰り返して位置合わせを行う。これにより類似性が高くなるように位置合わせを行うことができる。また、グローバルマッチング、ローカルマッチングと2段階で行うことにより精度良く位置合わせを行うことができる。
また、3次元MRA画像に閾値処理及び領域拡張処理を行うことで穿通枝のように細い血管でも血管領域を抽出することができる。
また、2次元MRI画像から異常陰影の1次候補を検出し、融合画像を参照して1次候補から偽陽性の削除を行う。融合画像によれば血流の有無を判別することができ、血流の有無によって偽陽性と判別される1次候補を2次検出の対象から除外することができる。これにより、精度良く偽陽性の削除が可能であるとともに、2次検出の処理を効率良く行うことができる。2次検出の結果は2次検出された候補を指し示すように表示するので、医師は表示により容易に異常陰影である可能性が高い領域を特定することができ、読影診断を支援することができる。
また、2次元MRI画像から異常陰影の1次候補を検出する際、トップハット変換及び多重閾値処理を行うことで、脳室に隣接する異常陰影を強調することができる。
また、2次元MRI画像はラクナ梗塞の診断に使用されるT1強調画像又はT2強調画像であるので、実際の診断に必要な画像を用いて融合画像を作成、表示することができる。
また、異常陰影はラクナ梗塞の陰影であり、偽陽性の陰影には血管周囲腔の拡大が含まれるので、見た目に類似し、判別しづらい2つの陰影の読影作業を支援することができる。
10 医用画像処理装置
11 制御部
12 操作部
13 表示部
14 記憶部
15 通信部
11 制御部
12 操作部
13 表示部
14 記憶部
15 通信部
Claims (12)
- 頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する入力手段と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う位置合わせ手段と、
前記3次元MRA画像から血管の画像を抽出する抽出手段と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる制御手段と、
を備える医用画像処理装置。 - 前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する請求項1に記載の医用画像処理装置。
- 前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う請求項1又は2に記載の医用画像処理装置。
- 2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる請求項1〜3の何れか一項に記載の医用画像処理装置。 - 前記2次元MRI画像は、T1強調画像又はT2強調画像である請求項1〜4の何れか一項に記載の医用画像処理装置。
- 前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる請求項1〜5の何れか一項に記載の医用画像処理装置。 - 頭部をMRI撮影して得られる2次元MRI画像と、頭部を体軸方向にMRA撮影した3次元MRA画像とを入力する工程と、
前記3次元MRA画像を体軸方向にスライスした2次元MRA画像のうち、前記2次元MRI画像との類似度が最大となる2次元MRA画像を選択し、選択した2次元MRA画像と、前記2次元MRI画像との位置合わせを行う工程と、
前記3次元MRA画像から血管の画像を抽出する工程と、
前記2次元MRI画像に前記抽出した血管の画像を合成し、表示手段に表示させる工程と、
を備える異常陰影検出方法。 - 前記位置合わせ手段は、2次元MRA画像又は2次元MRI画像に、スライス位置を示す情報が付加されている場合、当該スライス位置を示す情報に基づいて各画像のスライス位置を判別し、スライス位置が最も近い2次元MRA画像を選択する請求項7に記載の異常陰影検出方法。
- 前記位置合わせ手段は、選択した2次元MRA画像又は2次元MRI画像に平行移動及び/又は回転の処理を施し、処理する毎に各画像の類似度を算出し、類似度が一定値となるまで前記処理を繰り返して位置合わせを行う請求項7又は8に記載の異常陰影検出方法。
- 2次元MRI画像において異常陰影の候補を1次検出する1次検出手段と、
1次検出された候補の位置と、前記合成画像における血管の位置とを比較し、位置が一致しない候補を偽陽性であると判断して1次検出の候補から削除する偽陽性削除手段と、
偽陽性候補が削除された1次検出候補について特徴量を算出し、当該特徴量に基づいて2次検出を行う2次検出手段と、を備え、
前記制御手段は、2次検出の結果を表示手段に表示させる請求項7〜9の何れか一項に記載の異常陰影検出方法。 - 前記2次元MRI画像は、T1強調画像又はT2強調画像である請求項7〜10の何れか一項に記載の異常陰影検出方法。
- 前記異常陰影はラクナ梗塞の陰影であり、
前記偽陽性の陰影には、血管周囲腔の拡大の陰影が含まれる請求項7〜11の何れか一項に記載の異常陰影検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008075961A JP2009226043A (ja) | 2008-03-24 | 2008-03-24 | 医用画像処理装置及び異常陰影検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008075961A JP2009226043A (ja) | 2008-03-24 | 2008-03-24 | 医用画像処理装置及び異常陰影検出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009226043A true JP2009226043A (ja) | 2009-10-08 |
Family
ID=41242157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008075961A Pending JP2009226043A (ja) | 2008-03-24 | 2008-03-24 | 医用画像処理装置及び異常陰影検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009226043A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014038428A1 (ja) * | 2012-09-07 | 2014-03-13 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
JP2015047224A (ja) * | 2013-08-30 | 2015-03-16 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 血管画像作成装置および磁気共鳴装置 |
JP2015144725A (ja) * | 2014-02-03 | 2015-08-13 | 株式会社東芝 | 医用画像処理装置 |
WO2016159379A1 (ja) * | 2015-04-02 | 2016-10-06 | イービーエム株式会社 | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
US9514280B2 (en) | 2012-07-27 | 2016-12-06 | Samsung Electronics Co., Ltd. | Method and apparatus for creating model of patient specified target organ based on blood vessel structure |
CN112216391A (zh) * | 2020-10-22 | 2021-01-12 | 深圳市第二人民医院(深圳市转化医学研究院) | 基于颈动脉粥样硬化情况评估脑卒中发病风险方法及装置 |
WO2022054858A1 (ja) * | 2020-09-11 | 2022-03-17 | 大原薬品工業株式会社 | 脳卒中診断治療支援システム、脳卒中状態情報提供装置、及び、脳卒中状態情報提供プログラム |
CN114663362A (zh) * | 2022-03-04 | 2022-06-24 | 强联智创(北京)科技有限公司 | 一种融合方法、装置以及设备 |
JP2023022130A (ja) * | 2018-06-26 | 2023-02-14 | 公益財団法人鉄道総合技術研究所 | 波形データの高精度位置補正方法及びシステム |
JP7497444B2 (ja) | 2020-09-11 | 2024-06-10 | 大原薬品工業株式会社 | 脳卒中診断治療支援システム、脳卒中状態情報提供装置、及び、脳卒中状態情報提供プログラム |
-
2008
- 2008-03-24 JP JP2008075961A patent/JP2009226043A/ja active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9514280B2 (en) | 2012-07-27 | 2016-12-06 | Samsung Electronics Co., Ltd. | Method and apparatus for creating model of patient specified target organ based on blood vessel structure |
WO2014038428A1 (ja) * | 2012-09-07 | 2014-03-13 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
US9396395B2 (en) | 2012-09-07 | 2016-07-19 | Hitachi Medical Corporation | Image processing apparatus and image processing method, configured to apply threshold conditions to specify target pixel |
JPWO2014038428A1 (ja) * | 2012-09-07 | 2016-08-08 | 株式会社日立製作所 | 画像処理装置及び画像処理方法 |
JP2015047224A (ja) * | 2013-08-30 | 2015-03-16 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 血管画像作成装置および磁気共鳴装置 |
JP2015144725A (ja) * | 2014-02-03 | 2015-08-13 | 株式会社東芝 | 医用画像処理装置 |
WO2016159379A1 (ja) * | 2015-04-02 | 2016-10-06 | イービーエム株式会社 | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
JPWO2016159379A1 (ja) * | 2015-04-02 | 2018-02-01 | イービーエム株式会社 | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
JP7423180B2 (ja) | 2018-06-26 | 2024-01-29 | 公益財団法人鉄道総合技術研究所 | 波形データの高精度位置補正方法及びシステム |
JP2023022130A (ja) * | 2018-06-26 | 2023-02-14 | 公益財団法人鉄道総合技術研究所 | 波形データの高精度位置補正方法及びシステム |
JP7446698B2 (ja) | 2018-06-26 | 2024-03-11 | 公益財団法人鉄道総合技術研究所 | 波形データの高精度位置補正方法及びシステム |
WO2022054858A1 (ja) * | 2020-09-11 | 2022-03-17 | 大原薬品工業株式会社 | 脳卒中診断治療支援システム、脳卒中状態情報提供装置、及び、脳卒中状態情報提供プログラム |
JP7497444B2 (ja) | 2020-09-11 | 2024-06-10 | 大原薬品工業株式会社 | 脳卒中診断治療支援システム、脳卒中状態情報提供装置、及び、脳卒中状態情報提供プログラム |
CN112216391A (zh) * | 2020-10-22 | 2021-01-12 | 深圳市第二人民医院(深圳市转化医学研究院) | 基于颈动脉粥样硬化情况评估脑卒中发病风险方法及装置 |
CN112216391B (zh) * | 2020-10-22 | 2024-05-10 | 深圳市第二人民医院(深圳市转化医学研究院) | 基于颈动脉粥样硬化情况评估脑卒中发病风险方法及装置 |
CN114663362A (zh) * | 2022-03-04 | 2022-06-24 | 强联智创(北京)科技有限公司 | 一种融合方法、装置以及设备 |
CN114663362B (zh) * | 2022-03-04 | 2024-03-29 | 强联智创(北京)科技有限公司 | 一种融合方法、装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5954769B2 (ja) | 医用画像処理装置、医用画像処理方法および異常検出プログラム | |
US7869640B2 (en) | Medical image processing apparatus and medical image processing method | |
JP6438395B2 (ja) | 効果的な表示及び報告のための画像資料に関連する以前の注釈の自動検出及び取り出し | |
US10950204B2 (en) | Diagnosis support apparatus and diagnosis support method | |
Xu et al. | DeepLN: a framework for automatic lung nodule detection using multi-resolution CT screening images | |
JP5100285B2 (ja) | 医用診断支援装置およびその制御方法、プログラム、記憶媒体 | |
US9633108B2 (en) | Method and system for anomaly detection in data sets | |
JP2009226043A (ja) | 医用画像処理装置及び異常陰影検出方法 | |
JP4139869B2 (ja) | 医用画像処理装置 | |
JP4911029B2 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
KR101919866B1 (ko) | 뼈 스캔 영상에서 암 전이 여부의 판정을 지원하는 방법 및 이를 이용한 장치 | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
JP2011092286A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP4823204B2 (ja) | 医用画像処理装置 | |
WO2011008906A1 (en) | Computer-aided detection (cad) of intracranial aneurysms | |
JP2004135868A (ja) | 異常陰影候補検出処理システム | |
JP2007151645A (ja) | 医用画像診断支援システム | |
JP5090486B2 (ja) | 肝臓造影像を用いた医用画像診断装置および画像表示方法、並びにプログラム | |
WO2019169403A1 (en) | Neural network classification of osteolysis and synovitis near metal implants | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP3956234B2 (ja) | 医用画像処理装置 | |
JP4483250B2 (ja) | 画像診断支援装置、画像診断支援方法及びプログラム | |
JP2004135867A (ja) | 異常陰影候補検出方法及び異常陰影候補検出装置 |