JP2009247505A - ３次元腹腔内領域検出装置、方法、およびプログラム - Google Patents

３次元腹腔内領域検出装置、方法、およびプログラム Download PDF

Info

Publication number
JP2009247505A
JP2009247505A JP2008097630A JP2008097630A JP2009247505A JP 2009247505 A JP2009247505 A JP 2009247505A JP 2008097630 A JP2008097630 A JP 2008097630A JP 2008097630 A JP2008097630 A JP 2008097630A JP 2009247505 A JP2009247505 A JP 2009247505A
Authority
JP
Japan
Prior art keywords
region
bone
dimensional
subject
axial
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
JP2008097630A
Other languages
English (en)
Other versions
JP4492886B2 (ja
Inventor
Jun Masumoto
潤 桝本
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 JP2008097630A priority Critical patent/JP4492886B2/ja
Priority to EP09727324.7A priority patent/EP2269512B1/en
Priority to PCT/JP2009/000718 priority patent/WO2009122649A1/ja
Priority to US12/736,396 priority patent/US8116544B2/en
Publication of JP2009247505A publication Critical patent/JP2009247505A/ja
Application granted granted Critical
Publication of JP4492886B2 publication Critical patent/JP4492886B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
    • A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
    • A61B5/416—Evaluating particular organs or parts of the immune or lymphatic systems the spleen
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Vascular Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

【課題】被検体の腹腔内領域をより高い精度で３次元的に検出する。
【解決手段】被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から被検体の骨を表す骨領域を抽出する骨領域抽出部１３と、複数の軸位断画像の各々から抽出された骨領域と、被検体において骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出する骨境界点検出部１６と、複数の軸位断画像の各々において検出された複数の骨境界点に略内接する３次元画像中の曲面を推定し、その曲面に囲まれた領域を３次元の腹腔内領域として抽出する腹腔内領域抽出部１８とを設けた。
【選択図】図２

Description

本発明は、３次元画像解析処理、特に、３次元画像中の被検体の腹腔内領域を抽出する処理を行う装置、方法、および、この方法をコンピュータに実行させるプログラムに関するものである。
ＣＴによって撮影・取得された、被検体の臍付近における体軸方向に垂直な断面（軸位断；axial）による軸位断画像を用いて、画像中の脂肪のＣＴ値に対応する領域を脂肪領域として検出し、体脂肪量や体脂肪率を計測することが行われているが、その際に、画像解析処理により、画像中の脂肪領域を皮下脂肪領域と内臓脂肪領域とに弁別する技術が提案されている。
具体的には、ＣＴで得られた腹部の軸位断画像において体表の外周に沿って輪郭を追跡し、体表関心領域を抽出し、体表関心領域内から脂肪の全体脂肪領域を抽出し、体表関心領域内の全体脂肪領域を除去して、腹壁筋層に対応する領域だけを抽出し、その腹壁筋層の輪郭を追跡して内臓脂肪を囲む内臓関心領域を抽出し、内臓関心領域内から内臓脂肪領域を抽出し、全体脂肪領域から内臓脂肪領域を減算することによって皮下脂肪領域を抽出する方法が提案されている（例えば、特許文献１，２）。この方法では、通常、腹壁筋層には隙間が存在するので、輪郭を追跡する場合にはこの隙間を考慮し、小円を腹壁筋層の外周に接するようにして転がすことによって輪郭線を追跡している。
また、ＣＴで得られた腹部の軸位断画像を、皮膚・筋肉画素領域と脂肪画素領域と被検体外部領域とに分類し、被検体外部画素領域に隣接する皮膚・筋肉画素領域を被検体外部画素領域に置換し、体表の皮膚を表す皮膚・筋肉画素領域を除去し、除去後の画像中の皮膚・筋肉画素領域を膨張させることで、腹壁筋や腹膜を表す皮膚・筋肉画素領域が、内臓脂肪に相当する脂肪画素領域を完全に包囲するようにし、膨張後の画像に対して、被検体外部画素領域に隣接する脂肪画素領域と、これに連結する連結成分をラベル付けし、前記の皮膚・筋肉画素領域の膨張分だけ、このラベル付けされた領域を内側に膨張させて皮下脂肪領域とし、画像中の皮下脂肪領域以外の脂肪画素領域を内臓脂肪と認識する方法も提案されている（例えば、特許文献３）。さらに、特許文献３には、上記の方法を腹部の複数の軸位断画像に対して行い、各画像の皮下脂肪面積、内臓脂肪面積に対してその画像のスライス厚を乗算し、各画像における乗算結果の和を算出することによって、腹部全体での皮下脂肪や内臓脂肪の体積を求めることができる旨が記載されている。
特開２００２−２２２４１０号公報 特開２００４−５７２７５号公報 特開２００３−３３９６９４号公報
例えば、図１４Ａに示した軸位断画像を用いて皮下脂肪と内臓脂肪の計測を行う場合、腹膜で覆われた腹腔内の領域Rgn1中の脂肪領域を内臓脂肪とし、体表と腹壁筋の外縁との間の領域Rgn2中の脂肪領域を皮下脂肪とすべきであるが、脊柱の後方付近等の、腹腔の輪郭と腹壁筋の外縁との間の領域Rgn3中の脂肪領域については、皮下脂肪、内臓脂肪のいずれともすべきでない。図１４Ｂは腹腔上縁付近、図１４Ｃは腹腔中央付近、図１４Ｄは腹腔下縁付近での、抽出されるべき内臓脂肪領域Rgn1fおよび皮下脂肪領域Rgn2fの例である。
しかしながら、上記特許文献に記載された方法では、腹膜の外側にある腹壁筋の外縁を基準として、それよりも内部にある脂肪領域をすべて内臓脂肪と判別しているため、図１４の領域Rgn3中の脂肪領域も内臓脂肪と誤って判別されてしまう。特に骨盤付近の軸位断画像では脊柱の後方付近に脂肪領域が多く見られるため、腹部の複数の軸位断画像での計測結果の総和を求めることによって３次元的に体脂肪を計測しようとすると、この誤判別によって生じる誤差が大きくなる。
一方、被検体の臍付近における軸位断画像のみを用いて体脂肪の計測を行う場合、被検体の呼吸等の影響により、その画像中に含まれる被検体中の構造物の状態が変動するため、必ずしも正確な計測ができるとは限らない。したがって、特許文献３に記載されているように、腹部の複数の軸位断画像での計測結果の総和を求めることによって、３次元的に体脂肪を計測することが有効となる。
しかしながら、特許文献３に記載の腹壁筋や腹膜を表す皮膚・筋肉画素領域を膨張させることによって皮下脂肪と内臓脂肪の境界を画定する方法は、内臓脂肪領域が腹壁筋で囲まれていることを前提としたものであるから、臍付近の軸位断画像ではある程度の画定精度が期待されるものの、骨盤付近の軸位断画像ではその前提が成り立たないため、皮下脂肪と内臓脂肪の境界を画定することができない。
このように、軸位断画像中の脂肪領域をより正確に皮下脂肪領域と内臓脂肪領域とに弁別し、被検体の体脂肪をより正確に計測するためにも、被検体の腹腔内領域（図１３のRgn2）をより高い精度で３次元的に検出することが求められている。
本発明は上記事情に鑑みてなされたものであり、被検体の腹腔内領域をより高い精度で３次元的に検出することを実現する３次元腹腔内領域検出装置、方法、および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３次元腹腔内領域抽出装置は、被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から該被検体の骨を表す骨領域を抽出する骨領域抽出手段と、前記複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出する骨境界点検出手段と、前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出する腹腔内領域抽出手段とを設けたことを特徴とするものである。
また、本発明の３次元腹腔内領域抽出方法は、被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から該被検体の骨を表す骨領域を抽出し、前記複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出し、前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出することを特徴とするものである。
本発明の３次元腹腔内領域抽出プログラムは、コンピュータに上記の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」の具体例としては、人体が挙げられる。
「３次元画像」の画像データは、「複数の軸位断画像」の画像データの集合体として構成されたものであってもよいし、ボクセルデータ等の多次元の座標系に基づく画像データであってもよい。後者の場合、「複数の軸位断画像」は３次元画像の画像データに基づく再構成処理によって得られる。
骨境界点の検出方法の具体例としては、前記複数の軸位断画像の各々において、前記腹腔内領域にあることが解剖学的に明らかな位置にある、該軸位断画像において前記被検体を左右に２等分する直線の両側に端点を有する探索基準線を、該端点間の距離が前記被検体の下部を表す軸位断画像ほど小さくなるように設定し、該探索基準線上の複数の点から前記被検体の外側に向かう、互いに交差しない複数の視線上を前記被検体の外部方向に向かって探索し、最初に前記骨領域と接する点を前記骨境界点として検出する方法が挙げられる。ここで、２つの端点が前記被検体の下部では一致するようにしてもよい。
「複数の骨境界点に略内接する前記３次元画像中の曲面を推定」する方法の具体例としては、複数の骨境界点に対して所定の補間演算を行う方法や、主成分分析等の統計解析によって得られた曲面の形状モデルを予め用意しておき、複数の骨境界点をその形状モデルにフィッティングさせる方法、複数の骨境界点を近似可能な多次元関数を推定する方法等が挙げられる。
ここで、「略内接」とは、前記複数の骨境界点が、前記推定される曲面の接点となる場合と、前記推定される曲面に接しているに等しい場合とを含む。後者の具体例としては、前記推定される曲面と前記複数の骨境界点を通る曲面とが相似形状であり、かつ、推定される曲面が前記複数の骨境界点を通る曲面よりも被検体の内側にあり、かつ、両曲面上の相対応する点間の距離が微小（例えば1〜5mm程度）である場合が挙げられる。
また、曲面の推定の際、前記複数の軸位断画像の各々から前記被検体の体表の輪郭を抽出しておき、前記曲面が該体表の輪郭より外側にはみ出さないように、前記曲面の推定を行うようにしてもよい。
さらに、前記複数の軸位断画像の各々から前記被検体の腹壁筋の外側の輪郭を抽出しておき、前記曲面が該腹壁筋の外側の輪郭より外側にはみ出さないように、前記曲面の推定を行うようにしてもよい。
なお、ここでの「前記曲面の推定」は、骨境界点とともに、体表の輪郭および／または腹壁筋の外側の輪郭にも基づく１段階の処理による前記曲面の推定であってもよいし、骨境界点に基づく前記曲面の推定の後、体表の輪郭および／または腹壁筋の外側の輪郭に基づく前記曲面の補正を行う、多段階の処理による前記曲面の推定であってもよい。
また、３次元の腹腔内領域の抽出の際には、前記複数の軸位断画像の各々および／または前記被検体の胸部付近を表す３次元画像から得られる複数の軸位断画像の各々から前記被検体の横隔膜部分を抽出しておき、該抽出された横隔膜部分および前記曲面に囲まれた前記３次元画像中の領域を前記３次元の腹腔内領域として抽出するようにしてもよい。また、横隔膜部分の情報と前記の骨境界点の情報の両方に基づいて前記の曲面を推定することによって、１段階の処理で３次元の腹腔内領域を抽出してもよい。
また、抽出された３次元の腹腔内領域中の、前記被検体の脂肪に対応する画素値を有する領域を３次元の内臓脂肪領域と認識するようにしてもよい。
さらに、前記複数の軸位断画像の各々における前記被検体の皮下脂肪を表す皮下脂肪領域を認識することによって、前記３次元画像中の３次元の皮下脂肪領域を認識するようにしてもよい。
本発明によれば、被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出し、前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出することができる。
ここで、推定された曲面は、骨領域と、被検体において骨領域より内側に位置する領域との境界を表す複数の骨境界点に略内接するので、軸位断画像中の脊柱付近では、この曲面は脊柱の内側に位置する。したがって、脊柱の後方付近等の、腹腔の輪郭と腹壁筋の外縁との間の領域Rgn3は、腹腔内領域外となるので、腹腔内領域の抽出精度が向上する。例えば、内臓脂肪の計測の場合には、この領域Rgn3は内臓脂肪領域から除外されるので、脂肪領域の弁別精度が向上する。
また、複数の軸位断画像中の複数の骨境界点を３次元的に利用して前記曲面の推定を行い、３次元の腹腔内領域を抽出するので、特許文献３に記載の方法のように軸位断画像毎に独立して領域を認識する方法と比べると、体軸方向の骨境界点の情報も利用する分だけ前記曲面の推定精度が向上し、その結果、腹腔内領域の抽出精度も向上する。
前記被検体の横隔膜部分を抽出し、抽出された横隔膜部分および前記曲面に囲まれた前記３次元画像中の領域を前記３次元の腹腔内領域として抽出するようにした場合、腹腔の上縁部分の抽出精度が向上する。
前記被検体の体表の輪郭や腹壁筋の外側の輪郭を抽出し、前記曲面が該抽出された輪郭より外側にはみ出さないように、前記曲面の推定を行う場合、特に被検体の腹部付近の肋骨や骨盤の存在しない部分において、曲面がこれらの輪郭からはみ出した形状で推定されてしまうことが回避されるので、この腹部付近での前記曲面の推定精度が向上し、その結果、腹部付近での腹腔内領域の抽出精度が向上する。
また、骨境界点の検出の際に、腹腔内領域にあることが解剖学的に明らかな位置にある、軸位断画像において前記被検体を左右に２等分する直線の両側に端点を有する探索基準線を、該端点間の距離が前記被検体の下部を表す軸位断画像ほど小さくなるように設定し、該探索基準線上の複数の点から前記被検体の外側に向かう、互いに交差しない複数の視線上を前記被検体の外部方向に向かって探索し、最初に前記骨領域と接する点を骨境界点として検出するようにした場合、探索の開始点には被検体の左右方向の中心からずれているものが含まれるので、その中心に位置する脊柱（椎骨）の内側に沿って骨境界点を設定することが可能になるとともに、前記複数の軸位断画像の各々における前記端点間の距離が前記被検体の下部を表す軸位断画像ほど小さくなるように、探索基準線を設定するので、被検体の骨盤付近の軸位断画像でも、骨盤の内側に探索開始点を設定でき、骨盤の内側に骨境界点を設定することが可能になり、前記曲面の推定精度の向上に資する。
以下、図面を参照しつつ、本発明の実施の形態となる３次元腹腔内領域抽出装置が実装された３次元体脂肪計測システムについて説明する。
図１は、３次元体脂肪計測システムの概要を示すハードウェア構成図である。図に示すように、このシステムでは、モダリティ１と、画像保管サーバ２と、画像処理ワークステーション３とが、ネットワーク９を経由して通信可能な状態で接続されている。
モダリティ１は、被検体を表す３次元医用画像（ボクセルデータ）Ｖを取得するものであり、具体的には、ＣＴ装置やＭＲＩ装置、超音波診断装置等である。本実施形態では、ＣＴ装置で撮影・取得された軸位断画像の集合体として構成される３次元医用画像Ｖの画像データを用いる。
画像保管サーバ２は、モダリティ１で取得された３次元医用画像Ｖや画像処理ワークステーション３での画像処理によって生成された医用画像の画像データを画像データベースに保存・管理するコンピュータであり、大容量外部記憶装置やデータベース管理用ソフトウェア（たとえば、ＯＲＤＢ(Object Relational Database)管理ソフトウェア）を備えている。
画像処理ワークステーション３は、読影者からの要求に応じて、モダリティ１や画像保管サーバ２から取得した３次元医用画像Ｖに対して画像処理（画像解析を含む）を行い、生成された画像を表示するコンピュータであり、特に、読影者からの要求を入力するキーボードやマウス等の入力装置と、取得した３次元医用画像Ｖを格納可能な容量の主記憶装置と、生成された画像を表示するディスプレイとを備えている。本発明の３次元腹腔内領域抽出処理を含む３次元体脂肪計測処理は、この画像処理ワークステーションに実装されており、この処理は、ＣＤ−ＲＯＭ等の記録媒体からインストールされたプログラムを実行することによって実現される。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。
画像データの格納形式やネットワーク９経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）等のプロトコルに基づいている。
図２は、画像処理ワークステーション３の３次元腹腔内領域抽出処理を含む３次元体脂肪計測処理に関連する部分を示すブロック図である。図に示すように、本発明の３次元腹腔内領域抽出処理を含む３次元体脂肪計測処理は、横隔膜検出部１１、処理範囲決定部、骨領域抽出部１３、体表輪郭抽出部１４、探索基準線設定部１５、骨境界点検出部１６、腹壁筋外郭抽出部１７、３次元腹腔内領域抽出部１８、３次元腹腔内領域補正部１９、脂肪領域抽出部２０、内臓脂肪領域認識部２１、皮下脂肪領域認識部２２、３次元体脂肪計測部２３によって実現される。以下、各処理部等の詳細について説明する。
横隔膜検出部１１は、３次元医用画像データＶから横隔膜を表す曲面DIを検出する。具体的な検出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、３次元医用画像データＶのうち、胸部側の軸位断画像を入力として、空気のＣＴ値に対応する画素値を有する領域を肺野領域として抽出し、抽出された肺野領域の下側の境界を、曲面を表す関数で近似したり、形状・輪郭を表す統計的モデルにフィッティングさせたりすることによって、横隔膜を表す曲面DIを検出する（詳細は、村田信之ほか，「体幹部CT画像における横隔膜のモデルの構築と自動抽出への応用」，電子情報通信学会技術研究報告(MI,医用画像,IEICE technical report)，社団法人電子情報通信学会，2005年1月21日，Vol.104, No.578, p.p.107-112等参照）。図３（ａ）の冠状断画像、（ｂ）の矢状断画像は、横隔膜DIの検出例を表したものである。
処理対象範囲決定部１２は、３次元医用画像データＶのうち、３次元腹腔内領域抽出処理の対象となる、肝臓の上縁付近から恥骨結合付近までを表す軸位断画像AX1〜AXNを決定する。ここで、添え字1〜Nは各軸位断画像を識別するものであり、本実施形態ではN枚の軸位断画像が処理対象であるものとする。図３（ａ）の冠状断画像、（ｂ）の矢状断画像の矢印および点線は、処理対象の軸位断画像AX1〜AXNの範囲を表したものである。処理対象の軸位断画像AX1〜AXNの具体的な決定方法としては、図３（ａ）の冠状断画像や図３（ｂ）の矢状断画像を画面に表示し、ユーザのマウス等の操作による軸位断画像AX1（肝臓上縁付近）およびAXN（恥骨結合付近）の断面位置（図中の点線）の指定を受け付けるユーザインターフェースや、被検体の軸位断画像を、断面位置を移動させながら順次表示し、肝臓上縁付近（図３（ｃ））および恥骨結合付近（図３（ｄ））の軸位断画像が表示されたときにユーザのマウス等の操作による処理対象範囲の起点および終点の指定を受け付けるユーザインターフェースを用いたユーザのマニュアル操作による決定方法が考えられる。また、画像認識処理を用いて軸位断画像AX1（肝臓上縁付近）およびAXN（恥骨結合付近）を自動的に決定する方法でもよい。例えば、本出願人が特願2007-104846号にて提案している部位認識処理を応用することが考えられる。すなわち、肝臓上縁付近と恥骨結合付近の各々の軸位断画像について、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軸位断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から算出した、画像中の空気や骨の領域の比率等の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り各部位の判別器を予め作成しておき、判別対象の各軸位断画像に対して上記と同じ特徴量を算出し、画像毎に算出された特徴量を上記の部位毎の判別器に入力することによって、その部位らしさを表す部位スコアを取得し、各部位について最も部位スコアの高い軸位断画像を処理対象範囲の起点および終点に自動的に決定することができる。また、部位認識処理については、上記の学習処理による判別器を用いずに、本出願人が特開2008-6188号公報にて提案しているように、上記特徴量と上記部位スコアとの関係を定義したスコアテーブルを実験的・経験的・統計的に作成しておき、判別対象の各軸位断画像から算出した上記特徴量とこのスコアテーブルとから上記部位スコアを算出するようにしてもよい。
骨領域抽出部１３は、軸位断画像AX1〜AXNの各々から、骨のＣＴ値に対応する画素値を有する領域を骨領域BR1〜BRNとして抽出する。
体表輪郭抽出部１４は、軸位断画像AX1〜AXNの各々から体表輪郭SC1〜SCNを抽出する。具体的な抽出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、軸位断画像AX1〜AXNに対して二値化処理を施した後、輪郭抽出処理により体表輪郭SC1〜SCNを抽出する方法等が挙げられる（詳細は、特開平9−187444号公報参照）。
探索基準線設定部は、軸位断画像AX1〜AXNの各々に対して後述の骨境界点、腹壁筋の外側の輪郭の抽出処理の基準となる探索基準線SL1〜SLNの設定を行う。図４は、具体的な設定方法の一例を表したフローチャートである。また、図５（ａ）は、３次元医用画像データＶから得られた冠状断画像であり、いくつかの軸位断画像の断面位置を点線で表している。図５（ｂ）（ｃ）は、各々、肝臓上縁、恥骨結合付近の軸位断画像AX1、AXNに対する探索基準線の設定方法を模式的に表したものである。
まず、探索基準線設定部１５は軸位断画像AX1を読み込み(#21)、体表輪郭抽出部１４によって抽出された体表輪郭SC1の情報を取得し(#22)、体表輪郭SC1に外接する矩形RT1を設定し(#23)、矩形RT1の対角線の交点を原点とするＸ，Ｙ軸を設定する(#24)。次に、Ｙ軸上を原点から被検体の前方に向かって探索し、Ｙ軸と体表輪郭SC1の上側の交点PI11を検出する(#25)。さらに、Ｙ軸上を原点から被検体の後方に向かって探索し、探索点が骨のＣＴ値に対応する画素値を有しているかどうか、および、体表輪郭SC1上の点であるかを判定し、最初に骨のＣＴ値に対応する画素値を有する点、または、骨のＣＴ値に対応する画素値を有する点が検出されなかった場合には体表輪郭SC1との交点を、下側交点PI12として検出する (#26)。ここで、軸位断画像AX1中には椎体が存在するため、下側交点PI12は骨のＣＴ値に対応する画素値を有する点となる。したがって、探索基準線設定部１５は、下側交点PI12の構造物は骨であると判定し(#27;骨)、その点を椎体の輪郭のうち被検体の最前方にある点（以下、椎体輪郭点と呼ぶ）として、所定のメモリ領域に格納する(#28)。そして、２つの交点PI11とPI12の中点SO1を探索基準原点として設定する(#29)。
探索基準線設定部１５は、以上のステップ#21から#29までの処理を、残りのすべての処理対象の軸位断画像AX2〜AXNに対しても同様に繰り返し行い(#30;Yes)、軸位断画像AX2〜AXNの各々について、探索基準原点SO2〜SONを求める。図５（ｃ）は、椎体が画像中に存在しない軸位断画像AXNにおける探索基準原点SONの設定結果を表したものである。図に示したように、画像中に椎体が存在しない場合には、ステップ#26の処理においてＹ軸と体表輪郭SCNとの下側の交点が下側交点PIN2となり、ステップ#28の処理はスキップされ(#27;体表)、探索基準原点SONは、体表輪郭SC1とＹ軸との２つの交点の中点となる。
次に、探索基準線設定部１５は、すべての処理対象の軸位断画像AX1〜AXNに対して探索基準原点SO1〜SONが設定されると(#30;No)、所定のメモリ領域に格納された椎体輪郭点の情報、すなわち、被検体の最前方にある椎体の輪郭を表す離散点群を所定の連続関数で近似することにより、脊椎ライン（図５（ａ）のVL）を抽出する(#31)。そして、この脊椎ラインVLを矢状断方向から見たときに、急激に曲がる位置の軸位断による断面位置AXL5を求める(#32)。この位置が解剖学的には第５腰椎の位置となる。
最後に、探索基準線設定部１５は、各軸位断画像AX1〜AXNの探索基準原点SO1〜SONからＸ軸方向（被検体の左右方向）に所定の距離だけ離れた、Ｙ軸の両側に位置する２点（以下、探索基準端点と呼ぶ）SP11,SP12〜SPN1,SPN2を設定し、各軸位断画像AX1〜AXNの探索基準端点間を結ぶ線分を探索基準線SL1〜SLNに決定する(#33)。
ここで、探索基準端点間の距離は、肝臓上縁付近の軸位断画像AX1から第５腰椎の軸位断画像AXL5までは、２つの探索基準端点の両方が腹腔内領域に含まれるように予め統計的・経験的に求められた一定の距離が設定され、第５腰椎より下方では、探索基準端点間の距離は下方の軸位断画像ほど小さくなり、恥骨結合付近の軸位断画像AXNにおいて１点に収束するように（距離が0になるように）設定される。図６（ａ）は、このようにして設定された探索基準端点を冠状断画像中に表したものであり、図６（ｂ）は矢状断画像中に表したものである。図中では、探索基準原点SO1〜SONを直線で結び、直線SOとして表し、探索基準原点に対して同じ側にある探索基準端端点SP11〜SPN1、SP12〜SPN2を各々直線で結び、折れ線SP1、SP2として表している。このようにして、図６（ｃ）に模式的に表したように、探索基準端端点による折れ線SP1、SP2を２本の軸とする座標軸によって表現された、腹腔内領域の抽出のための基準座標系が定義された形状モデルが生成される。なお、上の説明では、探索基準端端点SP11〜SPN1、SP12〜SPN2を結ぶ線が折れ線となるように同じ軸位断画像中の探索基準端点間の距離を設定しているが、この距離を何らかの関数を用いて求めるようにしてもよい。
骨境界点検出部１６は、図７から図１０に示したように、軸位断画像AX1〜AXNの各々に設定された探索基準線SL1〜SLN上に複数の探索基準点を設定し、２つの探索基準端点SP11,SP12〜SPN1,SPN2の各々からは、被検体の外部方向に向かう放射状の視線を設定し、探索基準端点以外の探索基準線上の探索基準点からは、被検体の上下方向に向かう視線を設定し、各視線上を被検体の外部方向に向かって探索し、最初に骨領域BR1〜BRNと接する点を骨境界点BP1〜BPNとして検出する。ここで、各軸位断画像に設定される視線は、処理効率や、検出すべき骨境界点の位置に鑑み、互いに交差しないように設定することが好ましい。なお、骨境界点は軸位断画像毎に複数存在するが、標記の単純化するため、BP1〜BPNの各々が、各軸位断画像における複数の骨境界点を表すものとする。
図７は、処理対象の軸位断画像AX1〜AXNのうち比較的上部に位置する軸位断画像での骨境界点の検出結果の一例を示したものである。図に示したように、肋骨および椎骨との境界点（図中の丸印の点。以下同様）が検出される。図８は、処理対象の軸位断画像AX1〜AXNのうち中央付近に位置する軸位断画像での骨境界点の検出結果の一例を示したものである。図に示したように、この位置では肋骨が存在しなくなるため、椎骨との境界点のみが検出される。図９は、処理対象の軸位断画像AX1〜AXNのうち第５腰椎よりも下の比較的下部に位置する軸位断画像での骨境界点の検出結果の一例を示したものである。図に示したように、この位置では骨盤が画像中に表れるため、仙骨等の骨盤を形成する骨との境界点が検出される。なお、この軸位断画像は第５腰椎よりも下の断面のもののため、探索基準端点間の距離が図７，８のときよりも短くなっている。図１０は、処理対象の軸位断画像AX1〜AXNのうちの最下部に位置する軸位断画像AXNでの骨境界点の検出結果の一例を示したものである。図９と同様に尾骨等の骨盤を形成する骨との境界点が検出される。また、探索基準端点は探索基準原点に収束しているため、この点から３６０度放射状に視線が設定されている。
腹壁筋外郭抽出部１７は、探索基準線SL1〜SLN上の複数の探索基準点に対して、骨境界点検出部１６による処理の際と同様にして設定された複数の視線上を、体表から探索基準点に向かう向きに探索し、体表輪郭抽出部１４で抽出された体表輪郭SC1〜SCN上の点を通過後、脂肪のＣＴ値に対応する画素値を有する領域（皮下脂肪領域）から筋肉のＣＴ値に対応する画素値を有する領域（腹壁筋領域）に移る境界点を検出し、各視線で検出された境界点を３次元的に補間することによって、腹壁筋の外側の輪郭AMC1〜AMCNを抽出する。図７から図１０の三角印の点は上記の処理で検出された腹壁筋の外側の輪郭を表す境界点の一例である。なお、骨境界点検出部１６と腹壁筋外郭抽出部１７では視線の設定方法が同じであるから、視線の設定処理を共通化し、探索基準点から体表に向かう探索を行って骨境界点BP1〜BPNを検出した後、体表から探索基準点に戻る探索を行って腹壁筋の外側の輪郭AMC1〜AMCNを抽出するようにしてもよい。また、腹壁筋の外側の輪郭AMC1〜AMCNを抽出する処理は、上記の処理に限定されず、他の公知の処理を用いてもよい。
３次元腹腔内領域抽出部１８は、軸位断画像AX1〜AXN、各軸位断画像における骨境界点BP11〜1M〜BPN1〜NMおよび体表輪郭SC1〜SCN、横隔膜を表す曲面DIに基づき、３次元腹腔内領域ACR0の抽出を行う。
まず、各軸位断画像における骨境界点BP11〜1M〜BPN1〜NMおよび体表輪郭SC1〜SCNに基づいて腹腔内候補領域ACR-1を推定する処理を行う。ここでは、ＲＢＦ（Radial Basis Function）補間処理を用いた方法を具体例として説明する。
ＲＢＦ（Radial Basis Function）補間とは、画像空間上に離散的に割り当てられた、属性値が既知の点を可能な限り滑らかに通る連続的な多次元内挿関数を推定する手法である。
まず、図１１Ａに例示したように、軸位断画像AX1〜AXNの各々における骨境界点BP11〜1M〜BPN1〜NMの位置（丸印）に、３次元腹腔内領域ACR0の抽出のための値（以下、高度値と呼ぶ）「0」を割り当て、体表輪郭SC1〜SCNの位置（外側の太線）に高度値「1」を割り当て、骨境界点BP11〜1M〜BPN1〜NMの位置から体の内部方向に1〜5mm程度進めた腹腔内領域中の位置（三角印）に高度値「-1」を割り当てる。図１１Ｂは、図１１Ａの軸位断画像中において高度値が割り当てられた位置のみを抽出して表したものである。
すべての軸位断画像AX1〜AXNにおける上記高度値が割り当てられた上記各位置を次のベクトルｃiで表す。
ただし、ｃｉ ｘ，ｃｉ ｙ，ｃｉ ｚは、各々、上記各位置のｘ座標値、ｙ座標値、ｚ座標値を表す。また、ｉは上記各位置を識別する添え字である。
ここで、求めたいベクトルｘの関数ｆ(x)は、ＲＢＦを用いて以下の式（１）のように表される。
ただし、ｐ(x)は、以下の式（２）を満たすものである。
また、基底関数Φ(x)の例としては、以下の関数（３）（４）が挙げられる。
ここで、以下の式（５）（６）を満たす｛ｄｉ｝（１≦ｉ≦ｎ），ｐ0，ｐ1，ｐ2，ｐ3を求める。
ただし、｛ｈｉ｝（１≦ｉ≦ｎ）は、上記各位置での高度値である。
以上により、関数ｆ(x)が確定する。
図１１Ｃは、図１１Ａの軸位断画像に対するＲＢＦ補間の結果を多値化して模式的に表したものである。図の高度値「-1」の領域、すなわち、高度値が負の値となる領域が最終的な腹腔内領域の候補ACR-1となる。なお、上記のように体表の輪郭の情報も用いてＲＢＦ補間処理を行った場合には、体表の輪郭の高度値が「1」で、体内側の高度値は「1」以下であるため、腹腔内領域の候補ACR-1が体表の輪郭の外側にはみ出すことはなくなる。
なお、図１２Ａ，Ｂに模式的に示したように、軸位断画像AX1〜AXNの各々に設定された探索基準線SL1〜SLNの各々から、図７から図１０に示したような前述と同様の複数の視線を設定し、各探索基準点から各視線上を探索することによって、上記の高度値が「-1」から「0」に変わる境界を検出すれば（図１２Ａ）、腹腔内候補領域ACR-1の輪郭が求まる（図１２Ｂ）。
３次元腹腔内領域抽出部１８は、さらに、横隔膜検出部１１で検出された横隔膜を表す曲面DIの情報を取得し、腹腔内候補領域ACR-1のうち横隔膜を表す曲面DIよりも下にある領域を腹腔内領域ACR0に決定する。
なお、腹腔内候補領域ACR-1の抽出方法として、主成分分析等の統計解析によって得られた腹腔内候補領域の形状モデルを予め用意しておき、骨境界点BP1〜BPNをその形状モデルにフィッティングさせる方法を用いることもできる。また、主成分分析の際、全体の骨をすべて１つとして主成分分析を行ってもよいし、特定の骨毎のグループ化して主成分分析を行ってもよい。さらに、形状モデルも、サーフェスのような形状モデルであっても、濃淡値分布モデル等であってもよい。
３次元腹腔内領域補正部１９は、まず、３次元腹腔内領域抽出部１８で抽出された腹腔内領域ACR0中に、胸壁筋外郭抽出部で抽出された腹壁筋の外側の輪郭AMC1〜AMCNよりも外側にはみ出した部分、すなわち体表と腹壁筋の外側の輪郭の間の部分があるかどうかを判定し、その部分があれば、腹壁筋の外側の輪郭AMC1〜AMCNよりも内側になるように腹腔内領域ACR0を補正する。具体的には、骨境界点検出部１６で設定された各視線上を再度探索し、腹腔内領域ACR0の輪郭線との交点が腹壁筋の外側の輪郭AMC1〜AMCNよりも外側にはみ出しているかどうかを判定し、はみ出している場合には、その視線上を探索基準点方向に探索し、脂肪のＣＴ値に対応する画素値を有する領域（皮下脂肪領域）から筋肉のＣＴ値に対応する画素値を有する領域（腹壁筋領域）を通過し、再度脂肪のＣＴ値に対応する画素値を有する領域（内臓脂肪領域）に移る境界点を検出し、検出された境界点の位置が腹腔内領域の輪郭点となるように補正を行う。この補正は、腹部の前方側に皮下脂肪が多い被検体の場合に有効である。
さらに、３次元腹腔内領域補正部１９は、腹腔内領域ACR0の輪郭点が腹壁筋の外側の輪郭AMC1〜AMCNよりも内側に位置しており、かつ、その輪郭点の画素値が脂肪のＣＴ値に対応する画素値の場合には、その点は腹腔内領域ACR0の正しい輪郭点ではなく内臓脂肪領域と判断し、その輪郭点から視線上を体表に向かって探索を行い、最初に脂肪のＣＴ値に対応する画素値の範囲外となる点を検出し、検出された点が腹腔内領域の輪郭点となるように補正を行う。この補正は、後腹膜領域（図８の左下や右下側）での輪郭点のずれの補正に有効である。
脂肪領域抽出部２０は、軸位断画像AX1〜AXNの各々から、脂肪のＣＴ値に対応する画素値を有する領域を脂肪領域FR1〜FRNとして抽出する。
内臓脂肪領域認識部２１は、脂肪領域FR1〜FRNのうち、３次元腹腔内領域ACR1の内部にある部分を内臓脂肪領域VFR1〜VFRNと認識する。
皮下脂肪領域認識部２２は、脂肪領域FR1〜FRNのうち、腹壁筋の外側の輪郭AMC1〜AMCNよりも外側かつ体表輪郭SC1〜SCNよりも内側にある部分を皮下脂肪領域SFR1〜SFRNと認識する。
３次元体脂肪計測部２３は、軸位断画像AX1〜AXNの各々における内臓脂肪領域VFR1〜VFRN、皮下脂肪領域SFR1〜SFRNに基づいて、体脂肪（内臓脂肪や皮下脂肪）の計測を行い、計測結果Rstを出力する。具体的には、内臓脂肪領域VFR1〜VFRN、皮下脂肪領域SFR1〜SFRNの面積を求め、求められた面積にスライス厚またはスライス間隔を乗算し、各乗算結果を内臓脂肪領域、皮下脂肪領域の各々について和を求めることにより内臓脂肪および皮下脂肪の体積を求める。ここで、内臓脂肪率や皮下脂肪率等を算出するようにしてもよい。また、軸位断画像AX1〜AXN中の内臓脂肪領域と皮下脂肪領域を色分けした画像（図１３Ａ参照）を生成してもよい。さらに、図１３Ｂに示したように、皮下脂肪領域と内臓脂肪領域を色分けして３次元的に表示してもよいし、図１３Ｃに示したように、皮下脂肪各部の厚みを、体表を３次元的に表した画像にマッピングして表示してもよいし、図１３Ｄに示したように、各軸位断画像のスライス位置における内臓脂肪と皮下脂肪の量をグラフ化して表示してもよい。
また、上記各処理部による処理対象のデータの決定や、各処理部の処理順序の制御等は、制御部（図示なし）が行う。制御部は、本発明の３次元体脂肪計測処理を画像処理ワークステーションに実行させる３次元体脂肪計測処理プログラムのうち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。一方、上記各処理部は、３次元体脂肪計測処理プログラムのうちのサブプログラムとして制御部から呼び出されるものであり、呼出しの際に、呼び出される側の各処理部で用いられる入力データやパラメータが制御部から引き渡される。また、各処理部は自らの処理が完了した際には、処理完了メッセージを制御部に返すように構成されており、制御部はこの処理完了メッセージの有無により次の処理ステップに進むかどうかを制御している。
次に、本実施形態による３次元体脂肪計測処理の流れ、すなわち、制御部による制御の詳細について、図２を用いて説明する。
まず、本発明の３次元体脂肪計測処理プログラムが起動されると、制御部はこのプログラムの起動パラメータとして与えられた３次元医用画像データＶを特定する情報を取得するとともに、処理対象範囲決定部１２と横隔膜検出部１１を呼び出し、３次元医用画像データＶを特定する情報を引き渡して処理を行わせる。
制御部は、処理対象範囲決定部１２からの処理完了メッセージを検知すると、骨領域抽出部１３と、体表輪郭抽出部１４、脂肪領域認識部を呼び出し、処理対象の軸位断画像AX1〜AXNを特定する情報を引き渡して処理を行わせる。
次に、制御部は、体表輪郭抽出部１４からの処理完了メッセージを検知すると、探索開始点設定部を呼び出し、処理対象の軸位断画像AX1〜AXNを特定する情報および体表輪郭SC1〜SCNの情報を引き渡して処理を行わせる。
制御部は、探索基準線設定部１５からの処理完了メッセージを検知すると、腹壁筋外郭抽出部１７を呼び出し、処理対象の軸位断画像AX1〜AXNを特定する情報および探索開始点SP11,SP12〜SPN1,SPN2の情報を引き渡して処理を行わせる。ここで、骨領域抽出部１３からの処理完了メッセージも検知済であれば、骨境界点検出部１６を呼び出し、処理対象の軸位断画像AX1〜AXNを特定する情報および探索開始点SP11,SP12〜SPN1,SPN2の情報、骨領域BR1〜BRNの情報を引き渡して処理を行わせる。
制御部は、骨境界点検出部１６および横隔膜検出部１１からの処理完了メッセージを検知すると、３次元腹腔内領域抽出部１８を呼び出し、処理対象の軸位断画像AX1〜AXNを特定する情報、および、骨境界点BP11〜1M〜BPN1〜NMの情報、体表輪郭SC1〜SCNの情報、横隔膜の情報DIを引き渡して処理を行わせる。
制御部は、３次元腹腔内領域抽出部１８および腹壁筋外郭抽出部１７からの処理完了メッセージを検知すると、３次元腹腔内領域補正部１９を呼び出し、３次元腹腔内領域ACR0の情報および腹壁筋の外側の輪郭AMC1〜AMCNを引き渡して処理を行わせる。
制御部は、３次元腹腔内領域補正部１９からの処理完了メッセージを検知すると、脂肪領域認識部からの処理完了メッセージが検知済みであることを確認し、内臓脂肪領域認識部２１を呼び出し、補正後の３次元腹腔内領域ACR1および脂肪領域FR1〜FRNの情報を引き渡して処理を行わせる。また、皮下脂肪領域認識部２２を呼び出し、体表輪郭SC1〜SCNの情報、および、腹壁筋の外側の輪郭AMC1〜AMCNの情報、脂肪領域FR1〜FRNの情報を引き渡して処理を行わせる。なお、皮下脂肪領域認識部２２は、体表輪郭抽出部１４、腹壁筋外郭抽出部１７、脂肪領域認識部のすべてからの処理完了メッセージを検知した時点で呼び出すようにしてもよい。
制御部は、内臓脂肪領域認識部２１および皮下脂肪領域認識部２２からの処理完了メッセージを検知すると、３次元体脂肪計測部２３を呼び出し、内臓脂肪領域VFR1〜VFRN、皮下脂肪領域SFR1〜SFRNの情報を引き渡して処理を行わせ、３次元体脂肪計測部２３からの処理完了メッセージを検知すると、計測結果Rstを画像処理ワークステーション３のディスプレイに表示させる。
このように、本発明の実施の形態となる３次元腹腔内領域抽出装置が実装された３次元体脂肪計測システムによれば、骨境界点検出部１６が、肝臓の上縁付近から恥骨結合付近までを表す軸位断画像AX1〜AXNの各々から抽出された骨領域BR1〜BRNと、骨領域BR1〜BRNより内側に位置する領域との境界を表す複数の骨境界点BP1〜BPNを検出し、３次元腹腔内領域抽出部１８が、軸位断画像AX1〜AXNの各々において検出された複数の骨境界点BP1〜BPNに略内接する３次元画像中の曲面を推定し、その曲面に囲まれた領域を３次元の腹腔内領域として抽出することができる。
ここで、推定された曲面は、骨領域BR1〜BRNと、被検体において骨領域BR1〜BRNより内側に位置する領域との境界を表す複数の骨境界点BP1〜BPNに略内接するので、軸位断画像AX1〜AXN中の脊柱付近では、この曲面は脊柱の内側に位置する。したがって、脊柱の後方付近等の、腹腔の輪郭と腹壁筋の外縁との間の領域は、腹腔内領域外となるので、腹腔内領域の抽出精度が向上する（図１３Ａ参照）。例えば、内臓脂肪の計測の場合には、この領域が内臓脂肪領域から除外されるので、脂肪領域の弁別精度が向上する。
また、３次元腹腔内領域抽出部１８が、複数の軸位断画像中の複数の骨境界点BP1〜BPNを３次元的に利用して前記曲面の推定を行い、３次元の腹腔内領域を抽出するので、上記の特許文献３に記載の方法のように軸位断画像毎に独立して領域を認識する方法と比べると、体軸方向の骨境界点の情報も利用する分だけ前記曲面の推定精度が向上し、その結果、腹腔内領域の抽出精度も向上する。
さらに、横隔膜検出部１１が、被検体の横隔膜部分DIを抽出し、３次元腹腔内領域抽出部１８が、抽出された横隔膜部分DIおよび前記曲面に囲まれた前記３次元画像中の領域を前記３次元の腹腔内領域として抽出するので、腹腔の上縁部分の抽出精度が向上する。
さらに、体表輪郭抽出部１４が体表の輪郭SC1〜SCNを抽出するとともに、腹壁筋外郭抽出部１７が腹壁筋の外側の輪郭AMC1〜AMCNを抽出し、３次元腹腔内領域抽出部１８は、前記曲面が該抽出された体表の輪郭SC1〜SCNより外側にはみ出さないように前記曲面の推定を行い、３次元腹腔内領域補正部１９は、腹壁筋の外側の輪郭AMC1〜AMCNより外側にはみ出さないように前記曲面の補正を行うので、特に被検体の腹部付近の肋骨や骨盤の存在しない部分において、曲面がこれらの輪郭からはみ出した形状で推定されてしまうことが回避されるので、この腹部付近での前記曲面の推定精度が向上し、その結果、腹部付近での腹腔内領域の抽出精度が向上する。
また、骨境界検出部１６は、骨境界点BP1〜BPNの検出の際に、腹腔内領域にあることが解剖学的に明らかな位置にある、軸位断画像AX1〜AXNにおいて被検体を左右に２等分する直線の両側に端点を有する探索基準線SL1〜SLNを、その端点間の距離が被検体の下部を表す軸位断画像ほど小さくなるように設定し、探索基準線SL1〜SLN上の複数の点から被検体の外側に向かう、互いに交差しない複数の視線上を被検体の外部方向に向かって探索し、最初に骨領域BR1〜BRNと接する点を骨境界点BP1〜BPNとして検出するので、探索の開始点には被検体の左右方向の中心からずれているものが含まれることになり、その中心に位置する脊柱（椎骨）の内側に沿って骨境界点BP1〜BPNを設定することが可能になるとともに、複数の軸位断画像AX1〜AXNの各々における前記端点間の距離が被検体の下部を表す軸位断画像ほど小さくなるように、探索基準線を設定するので、被検体の骨盤付近の軸位断画像でも、骨盤の内側に探索開始点を設定でき、骨盤の内側に骨境界点を設定することが可能になり、前記曲面の推定精度の向上に資する。
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、上記実施形態では、本発明の３次元腹腔内領域抽出処理の結果を３次元の体脂肪計測に利用したが、腹腔内臓器の抽出処理における抽出範囲を限定するために用いることも考えられる。
本発明の実施形態における３次元腹腔内領域抽出処理が実装された３次元体脂肪計測システムの概略構成図 本発明の実施形態における３次元体脂肪計測機能を実現する構成および処理の流れを模式的に示したブロック図 横隔膜の検出結果および処理対象範囲の軸位断画像の一例を表した図 探索基準線設定処理の流れを表したフローチャート 探索基準線の設定方法の例を表した図 探索基準端点の冠状断画像、矢状断画像上での位置を表した図および腹腔内領域の抽出のための基準座標系が定義された形状モデルを模式的に表した図 腹腔上部の軸位断画像における骨境界点および腹壁筋外郭点の検出例を表した図 腹腔中央部の軸位断画像における骨境界点および腹壁筋外郭点の検出例を表した図 第５腰椎よりも下方の軸位断画像における骨境界点および腹壁筋外郭点の検出例を表した図 腹腔最下部の軸位断画像における骨境界点および腹壁筋外郭点の検出例を表した図 ＲＢＦ補間で用いる離散点群を軸位断画像中に示した図 ＲＢＦ補間で用いる離散点群のみを抽出した図 ＲＢＦ補間の結果を多値化して模式的に表した図 ３次元腹腔内候補領域の輪郭を求めるための探索処理を模式的に表した図 ３次元腹腔内候補領域の輪郭の一例を表した図 軸位断画像中の内臓脂肪領域と皮下脂肪領域を色分けして表した画像の一例 内臓脂肪領域と皮下脂肪領域を色分けして３次元的に表した画像の一例 皮下脂肪各部の厚みを、体表を３次元的に表した画像にマッピングして表した画像の一例 各軸位断画像のスライス位置における内臓脂肪と皮下脂肪の量を表すグラフの一例 軸位断画像中の脂肪領域の分類方法を表した図 腹腔上縁付近の軸位断画像中の脂肪領域の分類例を表した図 腹腔中央付近の軸位断画像中の脂肪領域の分類例を表した図 腹腔下縁付近の軸位断画像中の脂肪領域の分類例を表した図
符号の説明
１ モダリティ
２ 画像保管サーバ
３ 画像処理ワークステーション
９ ネットワーク
１１ 横隔膜検出部
１２ 処理範囲決定部
１３ 骨領域抽出部
１４ 体表輪郭抽出部
１５ 探索基準線設定部
１６ 骨境界点検出部
１７ 腹壁筋外郭抽出部
１８ ３次元腹腔内領域抽出部
１９ ３次元腹腔内領域補正部
２０ 脂肪領域抽出部
２１ 内臓脂肪領域認識部
２２ 皮下脂肪領域認識部
２３ ３次元体脂肪計測部

Claims (9)

  1. 被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から該被検体の骨を表す骨領域を抽出する骨領域抽出手段と、
    前記複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出する骨境界点検出手段と、
    前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出する腹腔内領域抽出手段とを備えたことを特徴とする３次元腹腔内領域抽出装置。
  2. 前記複数の軸位断画像の各々および／または前記被検体の胸部付近を表す３次元画像から得られる複数の軸位断画像の各々から前記被検体の横隔膜部分を抽出する横隔膜抽出手段をさらに備え、
    前記腹腔内領域抽出手段が、該抽出された横隔膜部分および前記曲面に囲まれた前記３次元画像中の領域を前記３次元の腹腔内領域として抽出するものであることを特徴とする請求項１記載の３次元腹腔内領域抽出装置。
  3. 前記複数の軸位断画像の各々から前記被検体の体表の輪郭を抽出する体表輪郭抽出手段をさらに備え、
    前記腹腔内領域抽出手段は、前記曲面が該体表の輪郭より外側にはみ出さないように、前記曲面の推定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３次元腹腔内領域抽出装置。
  4. 前記複数の軸位断画像の各々から前記被検体の腹壁筋の外側の輪郭を抽出する腹壁筋外郭抽出手段をさらに備え、
    前記腹腔内領域抽出手段は、前記曲面が該腹壁筋の外側の輪郭より外側にはみ出さないように、前記曲面の推定を行う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３次元腹腔内領域抽出装置。
  5. 前記腹腔内領域抽出手段によって抽出された３次元の腹腔内領域中の、前記被検体の脂肪に対応する画素値を有する領域を３次元の内臓脂肪領域と認識する内臓脂肪領域認識手段をさらに備えた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３次元腹腔内領域抽出装置。
  6. 前記複数の軸位断画像の各々における前記被検体の皮下脂肪を表す皮下脂肪領域を認識することによって、前記３次元画像中の３次元の皮下脂肪領域を認識する皮下脂肪領域認識手段をさらに備えたことを特徴とする請求項１から５のいずれか１項に記載の３次元腹腔領域抽出装置。
  7. 前記骨境界点検出手段は、前記複数の軸位断画像の各々において、前記腹腔内領域にあることが解剖学的に明らかな位置にある、該軸位断画像において前記被検体を左右に２等分する直線の両側に端点を有する探索基準線を、該端点間の距離が前記被検体の下部を表す軸位断画像ほど小さくなるように設定し、該探索基準線上の複数の点から前記被検体の外側に向かう、互いに交差しない複数の視線上を前記被検体の外部方向に向かって探索し、最初に前記骨領域と接する点を前記骨境界点として検出するものであることを特徴とする請求項１から６のいずれか１項に記載の３次元腹腔領域抽出装置。
  8. 被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から該被検体の骨を表す骨領域を抽出し、
    前記複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出し、
    前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出することを特徴とする３次元腹腔内領域抽出方法。
  9. コンピュータに、
    被検体の肝臓の上縁付近から恥骨結合付近までを表す３次元画像から得られる複数の軸位断画像の各々から該被検体の骨を表す骨領域を抽出する処理と、
    前記複数の軸位断画像の各々から抽出された骨領域と、前記被検体において該骨領域より内側に位置する領域との境界を表す複数の骨境界点を検出する処理と、
    前記複数の軸位断画像の各々において検出された複数の骨境界点に略内接する前記３次元画像中の曲面を推定し、該曲面に囲まれた領域を３次元の腹腔内領域として抽出する処理とを実行させることを特徴とする３次元腹腔内領域抽出プログラム。
JP2008097630A 2008-04-03 2008-04-03 ３次元腹腔内領域検出装置、方法、およびプログラム Active JP4492886B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2008097630A JP4492886B2 (ja) 2008-04-03 2008-04-03 ３次元腹腔内領域検出装置、方法、およびプログラム
EP09727324.7A EP2269512B1 (en) 2008-04-03 2009-02-19 Equipment, method, and program for detecting three-dimensional peritoneal cavity region
PCT/JP2009/000718 WO2009122649A1 (ja) 2008-04-03 2009-02-19 ３次元腹腔内領域検出装置、方法、およびプログラム
US12/736,396 US8116544B2 (en) 2008-04-03 2009-02-19 Apparatus, method, and program for detecting three dimensional abdominal cavity regions

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008097630A JP4492886B2 (ja) 2008-04-03 2008-04-03 ３次元腹腔内領域検出装置、方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2009247505A true JP2009247505A (ja) 2009-10-29
JP4492886B2 JP4492886B2 (ja) 2010-06-30

Family

ID=41135058

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008097630A Active JP4492886B2 (ja) 2008-04-03 2008-04-03 ３次元腹腔内領域検出装置、方法、およびプログラム

Country Status (4)

Country Link
US (1) US8116544B2 (ja)
EP (1) EP2269512B1 (ja)
JP (1) JP4492886B2 (ja)
WO (1) WO2009122649A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012118109A1 (ja) * 2011-03-03 2012-09-07 株式会社 日立メディコ 医用画像処理装置及び医用画像処理方法
WO2013008449A1 (ja) * 2011-07-08 2013-01-17 国立大学法人豊橋技術科学大学 脂肪検査方法、脂肪検査装置および脂肪検査プログラム
JP2013172817A (ja) * 2012-02-24 2013-09-05 Toshiba Corp 医用画像処理装置及びｘ線ｃｔ装置
JP2014018287A (ja) * 2012-07-13 2014-02-03 Hitachi Aloka Medical Ltd 画像処理装置
WO2017043503A1 (ja) * 2015-09-11 2017-03-16 国立研究開発法人科学技術振興機構 構造推定装置、構造推定方法、および、プログラム
JP2017520354A (ja) * 2014-05-14 2017-07-27 ウニベルシダ デ ロス アンデス 体組織の自動的なセグメンテーションおよび定量化のための方法
KR20180067024A (ko) * 2016-12-12 2018-06-20 구준범 엑스선을 이용하여 내장 지방량을 측정하는 시스템 및 방법
KR20190113089A (ko) * 2018-03-27 2019-10-08 울산대학교 산학협력단 근감소증 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법을 채용하는 영상 처리 장치 및 이를 이용한 영상 처리 방법
CN111465995A (zh) * 2017-10-26 2020-07-28 阿姆拉医疗有限公司 评估个体的至少一个表型变量的特征

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9086356B2 (en) 2004-10-04 2015-07-21 Hologic, Inc. Visceral fat measurement
US7725153B2 (en) 2004-10-04 2010-05-25 Hologic, Inc. Estimating visceral fat by dual-energy x-ray absorptiometry
EP2499974A1 (en) * 2009-11-10 2012-09-19 The University of Tokyo Ultrasonic diagnostic system
US9082177B2 (en) * 2009-11-25 2015-07-14 Dental Imaging Technologies Corporation Method for tracking X-ray markers in serial CT projection images
US9826942B2 (en) * 2009-11-25 2017-11-28 Dental Imaging Technologies Corporation Correcting and reconstructing x-ray images using patient motion vectors extracted from marker positions in x-ray images
US9082036B2 (en) * 2009-11-25 2015-07-14 Dental Imaging Technologies Corporation Method for accurate sub-pixel localization of markers on X-ray images
US8363919B2 (en) * 2009-11-25 2013-01-29 Imaging Sciences International Llc Marker identification and processing in x-ray images
US9082182B2 (en) * 2009-11-25 2015-07-14 Dental Imaging Technologies Corporation Extracting patient motion vectors from marker positions in x-ray images
US9865050B2 (en) 2010-03-23 2018-01-09 Hologic, Inc. Measuring intramuscular fat
US8792689B2 (en) * 2010-03-23 2014-07-29 Hologic, Inc. Measuring intramuscular fat
DE102011085860B4 (de) * 2011-11-07 2014-03-27 Siemens Aktiengesellschaft Verfahren zur medizinischen Bildgebung eines Körperteils, insbesondere der Hand
KR101344780B1 (ko) * 2013-03-21 2013-12-24 주식회사 인피니트헬스케어 의료 영상 표시 장치 및 방법
US9642585B2 (en) 2013-11-25 2017-05-09 Hologic, Inc. Bone densitometer
US10318839B2 (en) * 2015-01-13 2019-06-11 Council Of Scientific And Industrial Research Method for automatic detection of anatomical landmarks in volumetric data
WO2016138262A1 (en) 2015-02-26 2016-09-01 Hologic, Inc. Methods for physiological state determination in body scans
JP6656058B2 (ja) * 2016-04-06 2020-03-04 京セラ株式会社 腹部断面画像の生成装置及び腹部断面画像の生成システム
WO2018132090A1 (en) * 2017-01-10 2018-07-19 Klarismo, Inc. Methods for processing three dimensional body images
JP6862310B2 (ja) * 2017-08-10 2021-04-21 株式会社日立製作所 パラメータ推定方法及びｘ線ｃｔシステム
EP3597107B1 (en) * 2018-12-06 2021-02-17 Siemens Healthcare GmbH Topogram-based fat quantification for a computed tomography examination
JP7238694B2 (ja) * 2019-08-26 2023-03-14 コニカミノルタ株式会社 医用画像処理装置及びプログラム
CN110752029B (zh) * 2019-10-21 2020-08-28 北京推想科技有限公司 一种病灶的定位方法及装置
CN111462071B (zh) * 2020-03-30 2023-08-04 浙江核睿医疗科技有限公司 一种图像处理方法和系统
CN112348021A (zh) * 2021-01-08 2021-02-09 北京易真学思教育科技有限公司 文本检测方法、装置、设备及存储介质
CN115797339B (zh) * 2023-02-03 2023-05-09 慧影医疗科技(北京)股份有限公司 一种椎体中心点定位方法、系统、设备及存储介质

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5356295A (en) * 1993-03-08 1994-10-18 Grosz Claudia M Anatomical teaching tool and method for teaching anatomy
JP3195136B2 (ja) 1993-09-02 2001-08-06 科学技術振興事業団 画像処理装置
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
CA2201057C (en) * 1996-03-29 2002-01-01 Kenji Morimoto A method of processing a sectional image of a sample bone including a cortical bone portion and a cancellous bone portion
US6701174B1 (en) * 2000-04-07 2004-03-02 Carnegie Mellon University Computer-aided bone distraction
JP4318862B2 (ja) 2001-01-25 2009-08-26 株式会社日立メディコ 画像診断装置
WO2003034176A2 (en) * 2001-10-16 2003-04-24 The University Of Chicago Computer-aided detection of three-dimensional lesions
JP3842171B2 (ja) 2002-05-22 2006-11-08 アロカ株式会社 断層像処理装置
JP4565796B2 (ja) 2002-07-25 2010-10-20 株式会社日立メディコ 画像診断装置
CN1767788B (zh) * 2003-04-08 2012-05-30 株式会社日立医药 医用图像诊断支援装置及方法
US9498647B2 (en) * 2005-09-23 2016-11-22 Allen B. Kantrowitz Fiducial marker system for subject movement compensation during medical treatment
JP2007104846A (ja) 2005-10-06 2007-04-19 Renesas Technology Corp スイッチング電源と半導体集積回路装置
US8070768B2 (en) * 2006-04-19 2011-12-06 Vibrynt, Inc. Devices and methods for treatment of obesity
WO2007145093A1 (ja) 2006-06-12 2007-12-21 Hitachi Medical Corporation 画像診断支援装置及び画像診断支援プログラム
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
JP5279996B2 (ja) 2006-08-17 2013-09-04 富士フイルム株式会社 画像抽出装置
EP2066272A2 (en) * 2006-12-28 2009-06-10 Vibrynt, Inc. Devices and methods for treatment of obesity
US8170306B2 (en) * 2007-04-25 2012-05-01 Siemens Aktiengesellschaft Automatic partitioning and recognition of human body regions from an arbitrary scan coverage image
JP4640383B2 (ja) * 2007-06-27 2011-03-02 富士フイルム株式会社 画像処理装置及び画像処理方法
EP2211721B1 (en) * 2007-11-19 2019-07-10 Pyronia Medical Technologies, Inc. Patient positioning system and methods for diagnostic radiology and radiotherapy
EP2597615A1 (en) * 2008-11-25 2013-05-29 Algotec Systems Ltd. Method and system for segmenting medical imaging data according to a skeletal atlas

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8953865B2 (en) 2011-03-03 2015-02-10 Hitachi Medical Corporation Medical image processing device and medical image processing method
JP5878161B2 (ja) * 2011-03-03 2016-03-08 株式会社日立メディコ 医用画像処理装置及び医用画像処理方法
WO2012118109A1 (ja) * 2011-03-03 2012-09-07 株式会社 日立メディコ 医用画像処理装置及び医用画像処理方法
WO2013008449A1 (ja) * 2011-07-08 2013-01-17 国立大学法人豊橋技術科学大学 脂肪検査方法、脂肪検査装置および脂肪検査プログラム
JP2013172817A (ja) * 2012-02-24 2013-09-05 Toshiba Corp 医用画像処理装置及びｘ線ｃｔ装置
JP2014018287A (ja) * 2012-07-13 2014-02-03 Hitachi Aloka Medical Ltd 画像処理装置
JP2017520354A (ja) * 2014-05-14 2017-07-27 ウニベルシダ デ ロス アンデス 体組織の自動的なセグメンテーションおよび定量化のための方法
WO2017043503A1 (ja) * 2015-09-11 2017-03-16 国立研究開発法人科学技術振興機構 構造推定装置、構造推定方法、および、プログラム
CN108024778A (zh) * 2015-09-11 2018-05-11 国立研究开发法人科学技术振兴机构 结构推定装置、结构推定方法以及程序
KR20180067024A (ko) * 2016-12-12 2018-06-20 구준범 엑스선을 이용하여 내장 지방량을 측정하는 시스템 및 방법
KR101945856B1 (ko) 2016-12-12 2019-02-08 구준범 엑스선을 이용하여 내장 지방량을 측정하는 시스템 및 방법
CN111465995A (zh) * 2017-10-26 2020-07-28 阿姆拉医疗有限公司 评估个体的至少一个表型变量的特征
KR20190113089A (ko) * 2018-03-27 2019-10-08 울산대학교 산학협력단 근감소증 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법을 채용하는 영상 처리 장치 및 이를 이용한 영상 처리 방법
KR102030533B1 (ko) * 2018-03-27 2019-10-10 울산대학교 산학협력단 근감소증 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법을 채용하는 영상 처리 장치 및 이를 이용한 영상 처리 방법

Also Published As

Publication number Publication date
WO2009122649A1 (ja) 2009-10-08
EP2269512B1 (en) 2016-08-03
EP2269512A4 (en) 2013-01-02
US20110164798A1 (en) 2011-07-07
JP4492886B2 (ja) 2010-06-30
US8116544B2 (en) 2012-02-14
EP2269512A1 (en) 2011-01-05

Similar Documents

Publication Publication Date Title
JP4492886B2 (ja) ３次元腹腔内領域検出装置、方法、およびプログラム
CN108520519B (zh) 一种图像处理方法、装置及计算机可读存储介质
CN107480677B (zh) 一种识别三维ct图像中感兴趣区域的方法及装置
JP5138431B2 (ja) 画像解析装置および方法並びにプログラム
KR101883258B1 (ko) 해부학적 계측점의 검출 방법
US7599539B2 (en) Anatomic orientation in medical images
JP5186269B2 (ja) 画像認識結果判定装置、方法、およびプログラム
US9025858B2 (en) Method and apparatus for automatically generating optimal 2-dimensional medical image from 3-dimensional medical image
JP5399225B2 (ja) 画像処理装置および方法並びにプログラム
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
JP5486197B2 (ja) 椎骨中心検出装置および方法並びにプログラム
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
US8285013B2 (en) Method and apparatus for detecting abnormal patterns within diagnosis target image utilizing the past positions of abnormal patterns
EP2639763B1 (en) Method, Apparatus and System for Localizing a Spine
CN107895364B (zh) 一种用于虚拟手术术前规划的三维重建系统
JP2003520658A (ja) 脊柱の幾何学的データを抽出する方法及びシステム
CN110047086B (zh) 颈动脉内膜厚度自动测量方法及系统
JP3712234B2 (ja) 関心領域抽出方法及び画像処理サーバ
US20120027277A1 (en) Interactive iterative closest point algorithm for organ segmentation
JP2009207727A (ja) 椎体位置決定装置および方法並びにプログラム
CN110752029B (zh) 一种病灶的定位方法及装置
JP5137243B2 (ja) 対象領域抽出装置および方法ならびにプログラム
JP2005323629A (ja) 診断支援装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090729

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20090729

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20090824

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20091124

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100125

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: 20100302

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: 20100331

R150 Certificate of patent or registration of utility model

Ref document number: 4492886

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130416

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130416

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140416

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250