JP2011030911A - Ｃｎｒ測定装置，方法及びコンピュータプログラム - Google Patents

Abstract

【課題】ＣＮＲの測定に利用される統計値を算出する関心領域を自動で設定することのできるＣＮＲ測定装置を提供する。
【解決手段】本発明のＣＮＲ測定装置２は，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，ＭＲＩ画像３に含まれるボクセルをクラスタリングすることで，ＭＲＩ画像３を白質組織及び灰白質組織に組織分離し，組織分離の結果として得られる脳組織に属する度合いを利用し，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属すると信頼できるボクセルの集合を白質領域として設定し，灰白質組織に属すると信頼できるボクセルの集合を灰白質領域として設定する関心領域設定２００が具備された画像処理部２０を備えている。
【選択図】図５

Description

本発明は，患者の脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像の品質評価に利用されるＣＮＲを測定するための技術に関する。

ＮＭＲ（NMR: nuclear magnetic resonance，核磁気共鳴)を利用し，患者の脳内組織を画像化して表示するＭＲＩシステム（MRI: Magnetic Resonance Imaging，核磁気共鳴画像法）は，認知症の検査などに普及している。

認知症の検査では，ＭＲＩシステムを用いて患者の脳を撮影し，脳画像を含む3次元のＭＲＩ画像から，認知症に係わる関心領域(Region of Interest)の容量を求め，該関心領域の容量の正常値と検査値を比較し，脳内組織の異常の有無を判別する。

本出願人が特許文献１で開示している診断支援装置は，疾病に係わる関心領域を自動設定できる装置で，特許文献１の診断支援装置の機能を備えたＭＲＩシステムを利用すれば，これまで医師が手動で設定していた関心領域を自動設定でき，関心領域の設定誤差が生じにくくなるため，客観的な診断結果を患者に提示することができるようになる。

しかし，疾病に係わる関心領域を自動設定できたとしても，ＭＲＩシステムで撮影された患者のＭＲＩ画像の品質が悪ければ，正しく診断することは困難になるため，検査に利用されるＭＲＩ画像の品質の評価値があるレベル以上でなければ，患者のＭＲＩ画像を再撮影する必要がある。

ＭＲＩ画像の画質を評価する手法としては，非特許文献１で開示されているＣＮＲ測定法(CNR: Contrast-to-noise ratio)を用いると良好な結果が得られることが知られている。
非特許文献１で開示されているＣＮＲ測定法では，脳の白質及び灰白質の領域，並びに，脳画像以外の領域に含まれる信号強度の統計値（平均値，標準偏差）を変数とする数式によって，ＭＲＩ画像のＣＮＲが測定される。

特許第４０２５８２３号公報

小倉明夫・前田富美恵・宮井明・本郷隆治：ＭＲＩ臨床画像のＣＮＲ測定法に関する精度．日本放射線技術学会雑誌，1543-1549，(20041120)

確かに，非特許文献１で開示されているＣＮＲ測定法は，ＭＲＩ画像の画質を測定するのに有用であるが，ＣＮＲの測定に利用される統計値を算出する関心領域，すなわち，脳の白質組織及び灰白質組織の関心領域は手動で設定されるため，ＭＲＩ画像の画質に係わる評価値を安定して得られない問題があった。

そこで，本発明は，患者の脳を撮影した脳画像を含むＭＲＩ画像の品質評価に利用されるＣＮＲの測定に利用される統計値を算出する関心領域，すなわち，脳の白質組織及び灰白質組織の関心領域を自動で設定することのできるＣＮＲ測定装置，方法及びコンピュータプログラムを提供することを目的とする。

上述する課題を解決する第１の発明は，脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像の品質評価に利用されるＣＮＲを測定するＣＮＲ測定装置であって，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求め，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定する関心領域設定手段と，前記関心領域設定手段が設定した前記白質領域及び前記灰白質領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出する統計値算出手段と，前記統計値算出手段が算出した統計値を利用して，前記ＭＲＩ画像のＣＮＲを測定するＣＮＲ測定手段を備えていることを特徴とするＣＮＲ測定装置である。

第１の発明の様に，白質組織及び灰白質組織のクラスタモデルを用い，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離して得られる度合いは，前記ＭＲＩ画像が各脳組織に属する確からしさを示す数値であるため，白質組織に属する度合いが閾値以上のボクセルは白質組織であると信頼できるボクセルとして判定でき，また，灰白質組織に属する度合いが閾値以上のボクセルは灰白質組織であると信頼できるボクセルであると判定できるため，白質組織及び灰白質組織の関心領域を自動で設定できるようになり，人手を介すことなくＣＮＲを測定することができるようになる。

更に，第２の発明は，前記ＣＮＲ測定装置の前記関心領域設定手段は，前記白質領域及び前記灰白質領域に加え，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，脳が撮影されていない空中領域として設定し，前記統計値算出手段は，前記白質領域及び前記灰白質領域に加え，前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出することを特徴とする，第１の発明に記載のＣＮＲ測定装置である。

第２の発明によれば，前記ＭＲＩ画像の隅近傍には患者の脳が撮影されないため，ＣＮＲの測定に必要で，患者の脳が撮影されていない空中領域を自動で設定し，前記ＭＲＩ画像のＣＮＲを測定できるようになる。

更に，第３発明は，前記ＣＮＲ測定装置に備えられた前記ＣＮＲ測定手段は，前記ＭＲＩ画像の指定された軸方向のスライス画像毎に，ＣＮＲを測定することを特徴とする，第２の発明に記載のＣＮＲ測定装置である。

患者の診断には前記ＭＲＩ画像から得られるスライス画像が利用されるため，第３の発明のように，前記ＭＲＩ画像の軸方向のスライス画像毎にＣＮＲを測定することが好適である。

更に，第４の発明は，前記ＣＮＲ測定装置の前記関心領域設定手段には，脳組織の特徴を示したクラスタモデルとして，信号強度の分布を正規分布としてモデル化した信号強度分布モデルと，前記ＭＲＩ画像の３次元空間における脳組織の存在確率をモデル化した存在確率モデルが事前に設定され，前記関心領域設定手段は，定められた数式を用い，前記信号強度分布モデル及び前記存在確率モデルが共に成立する組織分布モデルを求め，前記ＭＲＩ画像に含まれるボクセル毎に，ボクセルが白質組織及び灰白質組織に属する度合いを算出することを特徴とする，第１の発明から第３の発明のいずれか一つに記載しているＣＮＲ測定装置である。

第４の発明のように，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離する処理は，脳組織の特徴を示したクラスタモデルとして，信号強度の分布を正規分布としてモデル化した信号強度分布モデルと，前記ＭＲＩ画像の３次元空間における脳組織の存在確率をモデル化した存在確率モデルを用意しておき，前記信号強度分布モデル及び前記存在確率モデルが共に成立する組織分布モデルを求めればよい。

更に，第５の発明は，前記ＣＮＲ測定装置の前記関心領域設定手段は，正規脳画像が事前に設定され，前記ＭＲＩ画像から抽出した脳画像の空間位置及びサイズを前記正規脳画像の空間位置及びサイズに正規化変換する処理を実行し，正規化後の前記ＭＲＩ画像を前記白質領域及び前記灰白質領域に設定する処理を実行した後，正規化後の前記ＭＲＩ画像における前記白質領域及び前記灰白質領域を逆正規化変換することで，正規化する前の前記ＭＲＩ画像における前記白質領域及び前記灰白質領域を求めることを特徴とする，第４の発明に記載しているＣＮＲ測定装置である。

第５の発明のように，前記ＭＲＩ画像の３次元空間における脳組織の存在確率をモデル化した前記存在確率モデルを利用する場合，第６の発明のように，前記ＭＲＩ画像の３次元空間における脳組織の存在確率は，大勢の人の脳画像を利用して設定される前記正規化脳画像に基づき決定されるため，前記ＭＲＩ画像における前記白質領域及び前記灰白質領域を求める前に，前記ＭＲＩ画像を前記正規化脳画像に正規化変換し，その後に逆正規化変換することが必要になる。

更に，第６の発明は，脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像の品質評価に利用されるＣＮＲを測定するＣＮＲ測定方法であって，ＣＮＲを測定させる装置に，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求める処理を実行させるステップａ，前記装置に，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定し，更に，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，患者の脳が撮影されていない空中領域として設定する処理を実行させるステップｂ，前記装置に，前記白質領域，前記灰白質領域及び前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出する処理を実行させるステップｃ，前記装置に，算出した統計値を用い，ＣＮＲを測定する処理を実行させるステップｄ，を含むことを特徴とするＣＮＲ測定方法である。

更に，第７の発明は，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求めるステップａ，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定し，更に，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，患者の脳が撮影されていない空中領域として設定するステップｂ，前記白質領域，前記灰白質領域及び前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出するステップｃ，算出した統計値を用い，ＣＮＲを測定するステップｄ，をコンピュータに実行させるためのコンピュータプログラムである。

上述した第６の発明は，本願発明の方法に係わる請求項で，第７の発明は，本願発明のコンピュータプログラムに係わる請求項である。

上述した本発明によれば，患者の脳を撮影した脳画像を含むＭＲＩ画像の品質評価に利用されるＣＮＲの測定に利用される統計値を算出する関心領域，すなわち，脳の白質組織及び灰白質組織の関心領域を自動で設定することのできるＣＮＲ測定装置，方法及びコンピュータプログラムを提供できる。

ＣＮＲ測定装置が設置されたＭＲＩシステムの構成を説明する図。 ＭＲＩ撮影装置によって撮影されるＭＲＩ画像を説明する図。 スライス画像の濃淡画像の一例を示した図。 ＣＮＲ測定装置のハードウェア構成を説明する図。 ＣＮＲ測定装置の機能ブロック図。 ＣＮＲ測定装置の画像処理部が実行する手順を説明するフロー図。 信号強度分布モデルを説明する図。 存在確率モデルを説明する図。 設定される灰白質領域及び白質領域を説明する図。 ＣＮＲ測定装置が出力するＣＮＲの測定結果の一例を示した図。

ここから，本願発明の実施形態について，本願発明の技術分野に係わる当業者が，本願発明の内容を理解し，本願発明を実施できる程度に説明する。

図１は，本実施形態に係わるＣＮＲ測定装置２が設置されたＭＲＩシステム１の構成を説明する図である。図１で図示したＭＲＩシステム１には，超伝導電磁石などを利用して強磁場を発生し，患者内部の3次元画像であるＭＲＩ画像３を撮影するＭＲＩ撮影装置１ａと，ＭＲＩ撮影装置１ａから得られる3次元のＭＲＩ画像３を測定対象とし，ＣＮＲ測定法のＣＮＲを測定する装置であるＣＮＲ測定装置２が設置されている。

図２は，ＭＲＩ撮影装置１ａによって撮影されるＭＲＩ画像３を説明する図である。ＭＲＩ撮影装置1ａは，所定サイズの空間を持ったボクセル３１（voxel）単位で，ボクセル３１内の成分に依存するＮＭＲ（核磁気共鳴）に係わる信号強度を３次元で測定し，ＮＭＲ（核磁気共鳴）に係わる信号強度を持つボクセル３１を最小単位とする３次元のＭＲＩ画像３を出力する。なお，患者の脳を撮影した場合，患者の脳が撮影された脳画像がＭＲＩ画像３に含まれることになる。

患者の疾病を検査するときに目にすることのある脳の断面写真は，ＭＲＩ画像３の３次元座標軸（図２では，ｘｙｚ軸）内のｚ軸方向から得られるスライス画像３０に含まれるボクセル３１が持つ信号強度を白黒濃淡で表した2次元の濃淡画像である。

図３は，axial（横断面）にスライスして得られるスライス画像の濃淡画像の一例を示した図である。ＭＲＩ撮影装置１ａでは，Ｔ１強調画像とＴ２強調画像がセットで撮影されるが，ＣＮＲ測定装置２の測定対象となるＭＲＩ画像３は，水分が低信号になるＴ１強調画像である。
図３で図示したように，ＴＩ強調画像であるＭＲＩ画像３において，患者の頭部以外の領域である空中の箇所（例えば，図３のＤ点）及び脳脊髄液の箇所（例えば，図３のＣ点）は信号強度が低く，濃淡画像では黒色に表示され，脳細胞の一つである白質の箇所（例えば，図３のＡ点）は信号強度が高く，白黒濃淡画像では白に表示され，脳細胞の一つである灰白質の箇所（例えば，図３のＢ点）は信号強度が脳脊髄液と白色の中間になり，濃淡画像では灰色に表示される。

図１で図示したＣＮＲ測定装置２は，ＭＲＩ撮影装置で撮影されたＭＲＩ画像３のｚ軸方向のスライス画像３０毎に，ＣＮＲ測定法のＣＮＲを測定する装置で，ＣＮＲ測定装置２に備えられた機能は，ＭＲＩ画像３を表示するコンピュータに具備させるとよい。

なお，ＭＲＩ画像３は３次元の画像であるため，ｚ軸方向のスライス画像３０であるaxial（横断面）の他に、ｘ軸方向のスライス画像３０であるsagittal（矢状断面）と、ｙ軸方向のスライス画像３０であるcoronal（冠状断面）があるが，本願発明は，スライス画像３０の軸方向に依存するものではない。

図４は，ＣＮＲ測定装置２のハードウェア構成を説明する図で，図５は，ＣＮＲ測定装置２の機能ブロック図である。

ＣＮＲ測定装置２は，汎用のコンピュータ装置で実現でき，図４に図示しているように，ＣＮＲ測定装置２には，ＣＰＵ２ａ（CPU: Central Processing Unit）と、ＢＩＯＳが実装されるＲＯＭ２ｂ（ROM: Read-Only Memory）と、コンピュータのメインメモリであるＲＡＭ２ｃ（RAM: Random Access Memory）と、外部記憶装置として大容量のデータ記憶装置であるハードディスク２ｄと，外部デバイスとデータ通信するための入出力インターフェース２ｅと、ネットワーク通信するためのネットワークインターフェース２ｆと、表示デバイス２ｇ（例えば，液晶ディスプレイ）と，文字入力デバイス２ｈ（例えば，キーボード）と，ポインティングデバイス２ｉ（例えば，マウス）などが備えられている。

図５に図示したように，ＣＮＲ測定装置２は，図４で図示したハードウェアを利用したコンピュータプログラムによって実現される機能として，ＭＲＩ画像３の入出力インターフェースであるインターフェース部２１，ＭＲＩ画像３を処理する画像処理部２０，画像処理部２０が利用する各種テンプレートが記憶されるデータベース部２２を備え，該コンピュータプログラムはハードディスク２ｄに記憶されている。

ＣＮＲ測定装置２のインターフェース部２１には，画像処理の対象となるＭＲＩ画像３が入力される画像入力手段２１０と，ＣＮＲの測定結果を出力する測定結果出力手段２１１が含まれる。

インターフェース部２１の画像入力手段２１０の具体的な内容は，ＭＲＩ画像３の入力形態に依存し，ＭＲＩ画像３がＤＶＤ（Digital Versatile Disk）などのメディアを介してＣＮＲ測定装置２に入力される場合，インターフェース部２１の画像入力手段２１０は，入出力インターフェース２ｅに接続されたメディア読み取り装置を利用した手段になり，ＭＲＩ画像３がネットワークを介してＣＮＲ測定装置２に入力される場合，インターフェース部２１の画像入力手段２１０は，ネットワークインターフェース２ｆを利用した手段になる。

更に，ＣＮＲ測定装置２のインターフェース部２１の測定結果出力手段２１１の具体的な内容は，ＭＲＩ画像３を処理する画像処理部２０から得られるＣＮＲの測定結果の出力形態に依存する。ＣＮＲの測定結果は表示デバイス２ｇやハードディスク２ｄに出力されることが一般的であるため，インターフェース部２１のＣＮＲの測定結果出力手段２１１は，液晶ディスプレイなどの表示デバイス２ｇにＣＮＲの測定結果を表示する手段や，ＣＮＲの測定結果をハードディスク２ｄに保存する手段で実現される。

ＣＮＲ測定装置２の画像処理部２０には，ＣＮＲ測定法で利用される統計値の算出対象となる関心領域（ROI: Region of Interest)として，白質組織に属すると信頼性高く判定できるボクセル３１の集合を白質領域として設定し，更に，灰白質組織に属すると信頼性高く判定できるボクセル３１の集合を灰白質領域として設定する関心領域設定手段２００と，関心領域設定手段２００が設定した領域に含まれるボクセル３１が持つ信号強度から，ＣＮＲ測定法で利用される統計値を算出する統計処理手段２０１と，統計処理手段２０１が算出した統計値からＣＮＲ測定法のＣＮＲを測定するＣＮＲ測定手段２０２が含まれ，データベース部には，関心領域設定手段２００が利用するテンプレート２２として，正規化脳画像テンプレート２２０，白質テンプレート２２１，灰白質テンプレート２２２及び脳脊髄液テンプレート２２３が記憶されている。

本実施形態において，ＣＮＲ測定装置２の画像処理部２０のＣＮＲ測定手段２０２は，非特許文献１に記載されている（１）から（４）の４つの測定法に従いＣＮＲを測定する。

（１）組織間測定法（空中雑音）"Inter-tissues method<air>"
組織間測定法（空中雑音）では，数式１が用いられてＣＮＲが測定される。
（２）組織間測定法（組織雑音）"Inter-tissues method<tissue noise>"
組織間測定法（組織雑音）では，数式２が用いられてＣＮＲが測定される。
（３）組織間測定法（空中信号）"Inter-tissues method<air signal >"
組織間測定法（空中信号）では，数式３が用いられてＣＮＲが測定される。
（４）全体測定法“Whole-tissues method”
全体測定法では，数式４が用いられてＣＮＲが測定される。

ＣＮＲ測定装置２に備えられた画像処理部２０の関心領域設定手段２００は，数式１から数式４に従いＣＮＲを測定するために，事前に得られている白質組織及び灰白質組織のクラスタモデルを少なくとも用い，ＭＲＩ画像３に含まれるボクセル３１を白質組織及び灰白質組織に組織分離し，ＣＮＲ測定法で利用される統計値（例えば，数式１のＳＩａ）を算出する関心領域として，データベース部２２に記憶されているテンプレートを用い，白質領域，灰白質領域を設定し，更に，空中領域をも自動的に設定する。

詳しくは後述するが，ＣＮＲ測定装置２に備えられた画像処理部２０の関心領域設定手段２００は，ＣＮＲの測定対象となるＭＲＩ画像３に含まれる脳画像を正規化変換した後，事前に得られている白質組織及び灰白質組織のクラスタモデルを少なくとも用い，白質領域及び灰白質領域を設定する。

また，ＣＮＲ測定装置２に備えられた画像処理部２０の関心領域設定手段２００は，患者の頭部が絶対に撮影されていないと信頼できる領域として，データベース部に記憶されたテンプレートを用いず，ＭＲＩ画像３の4隅の所定のサイズの領域を空中領域として設定する。

ＣＮＲ測定装置２に備えられた画像処理部２０の関心領域設定手段２００が，ＭＲＩ画像３に含まれる脳画像を正規化変換するときに利用するテンプレートは正規化脳画像テンプレート２２０で，正規化脳画像テンプレート２２０には，正規化脳画像に係わるデータが記憶される。

ＣＮＲ測定装置２に備えられた画像処理部２０の関心領域設定手段２００が組織分離処理するときに利用するクラスタモデルとは，白質組織，灰白質組織及び脳脊髄液の特徴を示したモデルで，本実施形態において，白質組織，灰白質組織及び脳脊髄液の特徴を示したモデルとして，脳組織の信号強度の特徴を示し，信号強度の分布をモデル化した信号強度分布モデルと，脳組織の空間位置の特徴を示し，ＭＲＩ画像の3次元空間における脳組織の存在確率をモデル化した存在確率モデルが利用され，白質テンプレート２２１には白質の信号強度分布モデル及び存在確率モデルに係わるデータが，灰白質テンプレート２２２には灰白質の信号強度分布モデル及び存在確率モデルに係わるデータが，脳脊髄液テンプレート２２３には脳脊髄液の信号強度分布モデル及び存在確率モデルに係わるデータがそれぞれ含まれている。

ＣＮＲ測定装置２の画像処理部の統計処理手段２０１は，関心領域設定手段２００が設定した関心領域内（例えば，白質領域）に含まれる信号強度の統計処理を行い，ＣＮＲ測定法で利用されるすべての統計値（例えば，数式１のＳＩａ）を算出し，ＣＮＲ測定装置２のＣＮＲ測定手段２０２は，統計処理手段が算出した統計値を用いてＣＮＲを測定し，ＣＮＲ測定装置２の測定結果出力手段２１１は，ＣＮＲ測定手段２０２が測定したＣＮＲの測定結果を液晶ディスプレイなどの表示デバイス２ｇに出力する。

図６は，ＣＮＲ測定装置２の画像処理部２０が実行する手順を説明するフロー図で，図６で図示したように，ＣＮＲ測定装置２の画像処理部２０は，測定対象となるＭＲＩ画像３から得られるスライス画像３０毎に，撮像方向や解像度がＣＮＲ測定装置２に設定されている条件に適合しているか否かをチェックした後，ＣＮＲ測定法で利用される統計値を算出する関心領域を設定する関心領域設定処理Ｓ１と，関心領域設定処理Ｓ１で設定した関心領域に含まれる信号強度からＣＮＲ測定法で利用される統計値を算出する統計処理とＳ２，統計処理で算出した統計値からＣＮＲ測定法のＣＮＲを測定するＣＮＲ測定処理とＳ３，ＣＮＲの測定結果を出力する測定結果出力処理Ｓ４を順に実行する。

ここから，図６で図示した各処理について説明する。ＭＲＩ画像３が、ＣＮＲ測定装置２の設定条件に適合して入力されていることが確認された場合、ＣＮＲ測定装置２の画像処理部２０は，関心領域設定手段２００を作動させ，関心領域設定手段２００に関心領域設定処理Ｓ１を実行させる。

関心領域設定手段２００は，関心領域設定処理Ｓ１を開始すると，まず，アフィン変換を用いて，測定対象となるＭＲＩ画像３に含まれる脳画像のサイズや空間位置を正規脳画像に正規化変換する正規化変換処理Ｓ１０を実行する。
なお，正規化変換処理Ｓ１０に利用されるテンプレートは正規化脳画像テンプレート２２０で，測定対象となるＭＲＩ画像３は３次元画像であり，空間的なねじれも存在するため，正規化変換は３次元で処理される。

正規化脳画像テンプレート２２０には，測定対象となるＭＲＩ画像３に含まれる脳画像の正規化に係わるデータとして，多くの人から得られた脳画像の平均画像である正規化脳画像の空間位置やサイズが含まれている。

ＣＮＲ測定装置２の画像処理部の関心領域設定手段２００は，測定対象となるＭＲＩ画像３に含まれる脳画像と正規化脳画像の空間位置の差及びＭＲＩ画像３に含まれる脳画像と正規化脳画像のサイズの差の平方和が最小となるように、移動，回転，拡大・縮小，シアーそれぞれの座標変換行列を推定し，該座標変換行列を組み合わせてＭＲＩ画像３から抽出した脳画像をアフィン変換することで，測定対象となるＭＲＩ画像３に含まれる脳画像を正規化脳画像に正規化変換する。

なお，図３で図示したように，Ｔ１強調画像のＭＲＩ画像３から得られるスライス画像３０の濃淡画像において信号強度が低い箇所（黒色の箇所）は，患者の頭部以外の領域である空中と脳脊髄液になり，空中は患者の頭部の外側に存在し，脳脊髄液は脳の中心に存在するため，ＭＲＩ画像３の外側から信号強度の変化を検出していけば，患者の脳画像をＭＲＩ画像３から抽出することができる。

また，正規化変換に利用したアフィン変換の座標変換行列は，逆正規化変換で利用されるため，関心領域設定手段２００は，正規化変換に利用したアフィン変換の座標変換行列をＲＡＭ２ｃなどに一時的に記憶する。

次に，関心領域設定手段２００は，正規化変換した後のＭＲＩ画像３に含まれるボクセル３１をクラスタリングし，ＭＲＩ画像３に含まれるボクセル３１を白質組織及び灰白質組織それぞれに組織分離する組織分離処理Ｓ１１を実行する。

組織分離処理Ｓ１１に利用されるテンプレートは，上述したように，脳組織の信号強度の分布がモデル化された信号強度分布モデル及び脳組織の存在確率がモデル化された存在確率モデルが含まれる白質テンプレート２２１，灰白質テンプレート２２２及び脳脊髄液テンプレート２２３である。
なお，これらのテンプレートに含まれる存在確率モデルは，ＭＲＩ画像３の３次元空間位置において，テンプレートに対応する脳組織が存在する存在確率をモデル化したものであるため，組織分離処理は３次元で処理される。

図７は，信号強度分布モデルを説明する図である。図７（ａ）は，患者の脳が撮影された脳画像に含まれるすべてのボクセル３１が持つ信号強度のヒストグラムを説明する図で，上述したように，白質組織，灰白質組織及び脳脊髄液それぞれで信号強度は異なるため，図７（ａ）で図示したように，該ヒストグラムには，白質組織，灰白質組織及び脳脊髄液それぞれの信号強度に対応する３つのピークが現れる。

信号強度分布モデルは，白質組織，灰白質組織及び脳脊髄液それぞれの信号強度が含まれるヒストグラム（図７（ａ））を参照し，白質組織，灰白質組織及び脳脊髄液それぞれの信号強度の分布を正規分布としてモデル化したもので，図７（ｂ）は脳脊髄液の信号強度分布モデル，図７（ｃ）は灰白質組織の信号強度分布モデル，そして，図７（ｄ）は白質組織の信号強度分布モデルを図示している。

図７（ｂ）から図７（ｄ）で図示したように，脳脊髄液，灰白質組織及び白質組織の信号分布モデルはそれぞれ正規分布であるが，それぞれでピークの信号強度は異なり，ピークの信号強度が低い順に並べると，脳脊髄液，灰白質組織，白質組織の信号強度分布モデルの順になる。

図８は，存在確率モデルを説明する図で，存在確率モデルは，ＭＲＩ画像３に含まれるボクセル３１毎に，白質組織，灰白質組織及び脳脊髄液それぞれが存在する存在確率をモデル化したものである。

ＭＲＩ画像３の３次元空間における白質組織，灰白質組織及び脳脊髄液の分布は、個人差はあるものの傾向がおおよそ似通っているため、多くの人の脳の画像を集めて集計することで、ＭＲＩ画像３に含まれるボクセル３１毎に，白質組織，灰白質組織及び脳脊髄液が存在する確率である存在確率を事前に計算しておくことができる。

例えば、図８で図示したように，ｘ＝５１２，ｙ＝５１２，ｚ＝５１２のボクセル３１の集合でＭＲＩ画像３が構成され，3次元座標（ｘ，ｙ，ｚ）＝（２５０，２５０，２５０）にあるボクセル３１の存在確率（白質組織、灰白質組織、脳脊髄液）は，存在確率（１０％，２０％，７０％）であるという具合に設定される。即ち、存在確率モデルは，個人差による空間的な分布の違いを確率で表現したモデルと言える。

ＣＮＲ測定装置２の画像処理部の関心領域設定手段２００は，正規化後のＭＲＩ画像３に含まれる各ボクセル３１をクラスタリングするとき，信号強度分布モデル及び存在確率モデルが共に両立するような最適な脳組織分布モデルを推定する処理を実行する。具体的には数式５の値が最大となるような脳組織分布モデルを求めることで，正規化後のＭＲＩ画像３に含まれるボクセル３１を組織分離する。
なお，数式５の値が最大となるような脳組織の分布モデルを求めることで，正規化後のＭＲＩ画像３に含まれるボクセル３１毎に，ボクセル３１が各脳組織に属する度合いが求められ，この度合いは「０」から「１」の範囲で，度合いが「１」に近づくほど，ボクセル３１がその脳組織（例えば，白質組織）に属する度合いが高い。

なお、上記の２つのモデルに加えて、ＭＲＩ特有の不均一性雑音モデルも導入した、組織抽出方法の詳細が、Ａshburner Ｊ，Ｆriston ＫＪ：Ｖoxel-Ｂased Ｍorphometry…Ｔhe Ｍethods．Ｎeu測定領域mage 11(6Ptl)：pp.805-821,2000に説明されている。

このようにして，白質組織，灰白質組織及び脳脊髄液それぞれの存在確率モデルと，白質組織，灰白質組織及び脳脊髄液それぞれの信号分値布モデルを用い、正規化後のＭＲＩ画像３に含まれる各ボクセル３１をクラスタリングし，正規化後のＭＲＩ画像３に含まれるボクセル３１を組織分離すると，関心領域設定手段２００は，正規化後のＭＲＩ画像３に含まれるボクセル３１毎に求められた度合いを利用し，ＣＮＲ測定法で利用される統計値を算出する関心領域として，正規化後のＭＲＩ画像３における白質領域及び灰白質領域を自動で設定する領域設定処理Ｓ１２を実行する。
なお，正規化後のＭＲＩ画像３において，白質領域及び灰白質領域を自動で設定する領域設定処理Ｓ１２は，正規化変換後のＭＲＩ画像３に含まれるボクセル３１単位で実行される。

具体的に，ＣＮＲ測定装置２の画像処理部２０の関心領域設定手段２００は，正規化後のＭＲＩ画像３に含まれるボクセル３１において，灰白質組織の度合いが閾値以上（例えば，０．９５以上）のボクセル３１を，灰白質組織であると信頼できるボクセル３１として抽出し，該ボクセル３１の集合を灰白質領域として自動で設定する。

同様に，関心領域設定手段２００は，正規化後のＭＲＩ画像３に含まれるボクセル３１において，白質組織の度合いが閾値以上（例えば，０．９５以上）のボクセル３１を，白質組織であると信頼できるボクセル３１として抽出し，該ボクセル３１の集合を白質領域として設定する。

図９は，設定される灰白質領域及び白質領域を説明する図で，図９（ａ）は，灰白質組織の度合いを白黒濃淡で表した画像で，図９（ｂ）は，図９（ｂ）から得られる灰白質領域を白で表した画像である。また，図９（ｃ）は，白質組織の度合いを白黒濃淡で表した画像で，図９（ｄ）は，図９（ｃ）から得られる白質領域を白で表した画像である。

図９を参照すればわかるように，組織分離処理Ｓ１１で求められる灰白質組織の割合を白黒濃淡で表した画像において，白色にほぼ近い領域が灰白質領域として設定される。また，同様に，組織分離処理Ｓ１１で求められる白質組織の度合いを白黒濃淡で表した画像において，白色にほぼ近い領域が白質領域として設定される。

このようにして，正規化後のＭＲＩ画像３において灰白質領域及び白質領域を設定すると，正規化変換に利用したアフィン変換の座標変換行列の逆行列を求め，正規化後のＭＲＩ画像３における灰白質領域及び白質領域を逆正規化変換処理Ｓ１３し，測定対象となるＭＲＩ画像３における白質領域及び灰白質領域を求める。

測定対象となるＭＲＩ画像３における白質領域及び灰白質領域を求めると，ＣＮＲ測定装置２は統計処理手段２０１を作動させ，関心領域設定手段２００が設定した白質領域及び灰白質領域に含まれるボクセル３１の信号強度の平均値や標準偏差など，数式１から数式４で示したＣＮＲの測定に利用される統計値を，測定対象となるＭＲＩ画像３から得られるスライス画像３０毎に算出する統計処理Ｓ２を実行する。

ＣＮＲ測定装置２の統計処理手段２０１が，ＣＮＲ測定法で利用される統計値をすべて算出すると，ＣＮＲ測定装置２はＣＮＲ測定手段２０２を作動させ，統計処理手段２０１が算出した統計値を利用して，数式１から数式４で示している数式に従い，測定対象のＭＲＩ画像３から得られるスライス画像３０毎に，ＣＮＲ測定法のＣＮＲを測定するＣＮＲ測定処理Ｓ３を実行する。

ＣＮＲ測定装置２はＣＮＲ測定処理Ｓ３を実行すると，ＣＮＲ測定装置２は測定結果出力手段２１１を作動させ，ＣＮＲの測定結果を出力する測定結果出力処理Ｓ４を実行する。

図１０は，ＣＮＲ測定装置２が出力するＣＮＲの測定結果の一例を示した図で，ＣＮＲ測定装置２が出力するＣＮＲの測定結果は，表計算ソフトウェアで扱い易い形式（例えば，ＣＳＶ形式，ＴＳＶ形式，ＸＬＳ形式など）で出力される。

１ ＭＲＩシステム
１ａ ＭＲＩ撮影装置
２ ＣＮＲ測定装置
２０ 画像処理部
２００ 関心領域設定手段
２０１ 統計処理手段
２０２ ＣＮＲ測定手段
２１ インターフェース部
２１０ 画像入力手段
２１１ 測定結果出力手段
２２ データベース部
２２０ 正規化脳画像テンプレート
２２１ 白質テンプレート
２２２ 灰白質テンプレート
２２３ 脳脊髄液テンプレート
３ ＭＲＩ画像
３０ スライス画像
３１ ボクセル

Claims (7)

1. 脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像の品質評価に利用されるＣＮＲを測定するＣＮＲ測定装置であって，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求め，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定する関心領域設定手段と，前記関心領域設定手段が設定した前記白質領域及び前記灰白質領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出する統計値算出手段と，前記統計値算出手段が算出した統計値を利用して，前記ＭＲＩ画像のＣＮＲを測定するＣＮＲ測定手段を備えていることを特徴とするＣＮＲ測定装置。
2. 前記ＣＮＲ測定装置の前記関心領域設定手段は，前記白質領域及び前記灰白質領域に加え，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，脳が撮影されていない空中領域として設定し，前記統計値算出手段は，前記白質領域及び前記灰白質領域に加え，前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出することを特徴とする，請求項１に記載のＣＮＲ測定装置。
3. 前記ＣＮＲ測定装置に備えられた前記ＣＮＲ測定手段は，前記ＭＲＩ画像の指定された軸方向のスライス画像毎に，ＣＮＲを測定することを特徴とする，請求項２に記載のＣＮＲ測定装置。
4. 前記ＣＮＲ測定装置の前記関心領域設定手段には，脳組織の特徴を示したクラスタモデルとして，信号強度の分布を正規分布としてモデル化した信号強度分布モデルと，前記ＭＲＩ画像の３次元空間における脳組織の存在確率をモデル化した存在確率モデルが事前に設定され，前記関心領域設定手段は，定められた数式を用い，前記信号強度分布モデル及び前記存在確率モデルが共に成立する組織分布モデルを求め，前記ＭＲＩ画像に含まれるボクセル毎に，ボクセルが白質組織及び灰白質組織に属する度合いを算出することを特徴とする，請求項１から請求項３のいずれか一つに記載しているＣＮＲ測定装置。
5. 前記ＣＮＲ測定装置の前記関心領域設定手段は，正規脳画像が事前に設定され，前記ＭＲＩ画像から抽出した脳画像の空間位置及びサイズを前記正規脳画像の空間位置及びサイズに正規化変換する処理を実行し，正規化後の前記ＭＲＩ画像を前記白質領域及び前記灰白質領域に設定する処理を実行した後，正規化後の前記ＭＲＩ画像における前記白質領域及び前記灰白質領域を逆正規化変換することで，正規化する前の前記ＭＲＩ画像における前記白質領域及び前記灰白質領域を求めることを特徴とする，請求項４に記載しているＣＮＲ測定装置。
6. 脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像の品質評価に利用されるＣＮＲを測定するＣＮＲ測定方法であって，ＣＮＲを測定させる装置に，事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，前記ＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求める処理を実行させるステップａ，前記装置に，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定し，更に，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，患者の脳が撮影されていない空中領域として設定する処理を実行させるステップｂ，前記装置に，前記白質領域，前記灰白質領域及び前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出する処理を実行させるステップｃ，前記装置に，算出した統計値を用い，ＣＮＲを測定する処理を実行させるステップｄ，を含むことを特徴とするＣＮＲ測定方法。
7. 事前に得られている白質組織及び灰白質組織のクラスタモデルを用い，脳を撮影した脳画像を含み，ＮＭＲの信号強度を持つボクセルで構成されるＭＲＩ画像を白質組織及び灰白質組織に組織分離し，白質組織及び灰白質組織にそれぞれ属する度合いを前記ＭＲＩ画像に含まれるボクセル毎に求めるステップａ，ＣＮＲの測定に利用する統計値を算出する関心領域として，白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を白質領域として設定し，灰白質組織に属する度合いが事前に定めた閾値以上のボクセルの集合を灰白質領域として設定し，更に，前記ＭＲＩ画像の隅近傍の定められたサイズの領域を，患者の脳が撮影されていない空中領域として設定するステップｂ，前記白質領域，前記灰白質領域及び前記空中領域に含まれるボクセルが持つ信号強度から，ＣＮＲを測定するための統計値を算出するステップｃ，算出した統計値を用い，ＣＮＲを測定するステップｄ，をコンピュータに実行させるためのコンピュータプログラム。