JP2011110357A - 画像処理方法、画像処理装置及びプログラム - Google Patents

Abstract

【課題】複数の臓器の自動認識を行った後に、認識結果をわかりやすく表示し、それに対する修正を簡易に行うことが可能となる画像処理装置を提供する。
【解決手段】
臓器認識アルゴリズムを医用画像ボリュームデータに適用し、各識別対象臓器の構造情報を生成して臓器認識結果として出力する臓器認識アルゴリズム実行部１１と、臓器認識結果を表示する認識結果表示部３２とを備え、医用画像ボリュームデータを所定の画像処理のアルゴリズムを用いて画像処理を行う画像処理装置２３であって、入力装置２１を介して構造情報が識別対象臓器として認識できたか否かを示す認識可否の判断情報を取得する認識結果判定部１２と、認識結果判定部１２から判断情報を取得し、判断情報に応じて各臓器の基準情報を変更し、当該基準情報を用いて識別対象臓器を認識するように臓器認識アルゴリズムを変更する臓器認識アルゴリズム改善部１１とを備える。
【選択図】図１

Description

本発明は、画像処理方法、画像処理装置及びプログラムに関し、特に、医用画像処理アルゴリズムを用いて三次元表示を可能にする医用画像ボリュームデータを可視化処理した画像の認識精度を向上させる技術に関する。

従来、Ｘ線ＣＴ(X-ray Computed Tomography)やＭＲＩ(Magnetic Resonance Imaging ：核磁気共鳴画像法)等の医用画像撮像装置で撮像された医用画像ボリュームデータ（以下、「ボリュームデータ」という）を用いた画像診断では、複数の医用画像処理アルゴリズムを用いて、三次元情報を有するボリュームデータの可視化処理を行うことによって診断の補助としていた。

近年、医用画像撮像装置は、技術の進歩により、一度に撮像可能な断層画像（以下、「スライス画像」ともいう）の枚数が加速度的に増加しているため、撮像結果として出力されるボリュームデータの量も膨大なサイズとなっている。医用画像処理アルゴリズムを適用して画像表示を行う場合、安全性や正確性を考慮すると、全てを自動処理で画像表示することは非常に困難であり、最終的には医師及び技師による画像の確認や修正が必須になる。しかし、ボリュームデータが膨大な場合、この確認作業を手動で操作する医師及び技師の負担は非常に重いものとなる。この負担を軽減するため、自動処理された画像表示に対する確認・修正方法について、より簡便で柔軟性の高い技術が求められている。

一般には、ボリュームデータからある注目領域を抽出する場合に用いられる主な医用画像処理アルゴリズムとしては、Region Growingが挙げられる。Region Growingとは、一点または数点のシードと呼ばれる点を自動または手動で設定し、シードから隣接画素の画素値を参照し、設定した条件に適う画素値であればその画素に領域を広げていく方法である。

これは、シードの設定位置に敏感であるという性質を持ち、また領域拡張の条件の設定によっては、抽出すべきでない部分にまでリークしてしまう可能性がある。リークした場合の修正方法としては、特許文献1に記載されている逆Region Growingがあり、これは拡張した領域を戻したい場合に、不要な部分に再びシードを設定し、領域を縮小する手法である。

特許文献２に記載の技術は、自動抽出された結果の構造物の解剖学的計測値を計測し、その値が標準値の範囲内にあるか否かを判別し、自動抽出結果の妥当性を自動的に判別する方法である。

特許文献３に記載の技術は、各画素の特徴量から領域分割を行い、その特徴に基づいて各領域を統合し、その統合領域の種類を判別する自動処理の後に、結果を修正する位置を指定することで基本領域又は統合領域の種類の修正を行う方法である。

特開平１−２６５１３９号公報 特開２００７−２８５９３０号公報 特開平８−１５１３１号公報

三次元医用画像データに対するデータの範囲内に存在する複数の臓器の自動認識結果を参照し、それに対してユーザの入力を反映させながら臓器の認識処理を行うことを考えた場合、自動認識結果の提示方法やそれに対する修正の方法は、できるだけ容易かつ簡便に行えるような手法をとるべきである。医用画像撮像装置のハードウェア面での進歩によってより大容量の医用画像データを処理する必要に迫られている昨今では、この要求は更に深刻になっているといえる。
しかしながら、特許文献1に記載の技術では、シードの設定に敏感である、どこまで領域を縮小すれば十分であるかの判断が困難であるという問題がある。特許文献２に記載の技術では、認識結果の妥当性を判断する基準が標準的・平均的な値であるため、病理部位などのイレギュラーな場合や、個人差による変化が大きい場合には適用できないという問題がある。また、特許文献３に記載の技術では、位置を指定するという作業が必要であるためユーザの入力の手間がかかることや、自動で分割した領域を単位とした修正であるため、最初の分割で基本領域として認識されなかった画素を抽出領域とすることが難しいという問題がある。

本発明は、前記した従来の課題を解決するものであり、複数臓器自動認識処理後の三次元ボリュームデータに対する認識処理の修正を簡易に行うことが可能な画像処理装置、方法及びプログラムを提供することにある。

前記課題を解決するために、第１の本発明は、識別対象である識別対象臓器を認識する臓器認識アルゴリズムを複数の臓器を含む医用画像ボリュームデータに適用し、各識別対象臓器の構造情報を生成して臓器認識結果として出力する臓器認識アルゴリズム実行部（１１）と、前記臓器認識アルゴリズム実行部（１１）から出力される臓器認識結果を表示装置（２２）に表示する認識結果表示部（３２）とを備え、前記医用画像ボリュームデータを所定の画像処理のアルゴリズムを用いて画像処理を行う画像処理装置（２３）であって、入力装置（２１）を介して前記構造情報が前記識別対象臓器として認識できたか否かを示す認識可否の判断情報を取得する認識結果判定部（１２）と、前記認識結果判定部（１２）から前記判断情報を取得し、前記判断情報に応じて各臓器の基準情報を変更し、前記基準情報を変更した場合には当該変更した基準情報を用いて前記識別対象臓器を認識するように前記臓器認識アルゴリズムを変更する臓器認識アルゴリズム改善部（１１）と、をさらに備えることを特徴とする。

前記課題を解決するために、第２の本発明は、識別対象である識別対象臓器を認識する臓器認識アルゴリズムを複数の臓器を含む医用画像ボリュームデータに適用し、各識別対象臓器の構造情報を生成して臓器認識結果として出力する臓器認識アルゴリズム実行部（１１）と、前記臓器認識アルゴリズム実行部から出力される臓器認識結果を表示装置（２２）に表示する認識結果表示部（３２）とを備え、前記医用画像ボリュームデータを所定の画像処理のアルゴリズムを用いて画像処理を行う画像処理装置（２３）に用いる画像処理方法であって、前記画像処理装置（２３）は、入力装置（２１）を介して前記構造情報が前記識別必要臓器として認識できたか否かを示す認識可否の判断情報を取得するステップと、前記認識結果判定部（１２）から前記判断情報を取得し、前記判断情報に応じて各臓器の基準情報を変更し、前記基準情報を変更した場合には当該変更した基準情報を用いて前記識別対象臓器を認識するように前記臓器認識アルゴリズムを変更するステップと、を備えることを特徴とする。
但し、括弧内の数字は、例示である。

本発明によれば、複数臓器自動認識処理後の三次元ボリュームデータに対する認識処理の修正を簡易に行うことが可能となる画像処理装置、方法及びプログラムを提供することができる。

本実施形態の一例になる画像処理装置の構成を示すシステム構成図である。 自動臓器認識部における臓器認識処理の一例を示すフローチャートである 自動臓器認識アルゴリズムに用いる基準値の例を示す図である。 自動臓器認識アルゴリズムに用いる人体構造の例を示す図である。 自動臓器認識部における自動臓器認識処理結果を表示した表示画像の一例である。 認識結果判定部における連続性アルゴリズムの適用例を示す図である。 認識結果判定部における三次元可視化表示に対する認識可否の表示及び認識結果の判定方法の一例を示す図である。 認識結果判定部における二次元可視化表示に対する認識可否の表示及び認識結果の判定方法の一例を示す図である。 認識結果の判定以外のユーザの入力を自動臓器認識アルゴリズムに反映させる場合の例を示す図である。

以下に、本発明の実施形態に係る画像処理装置、画像処理方法及びプログラムについて図を参照しながら詳細に説明する。

図１は、本実施形態の一例になる画像処理装置の構成を示すシステム構成図である。
図１に示すように、Ｘ線ＣＴやＭＲＩ等で撮像されたボリュームデータに対して画像処理を行う画像処理装置２３、ボリュームデータを記憶する外部記憶装置２０、画像処理が行われた画像の認識結果の判定を入力する入力装置２１、及び、画像処理が行われた画像を表示する表示装置２２を備える。

画像処理装置２３は、内部メモリ３０、自動臓器認識部３１及び画像処理アルゴリズム実行部３２を備える。自動臓器認識部３１は、臓器の自動認識結果の正否を判定する認識結果判定部１２と自動臓器認識アルゴリズムを用いて自動臓器認識処理を行う臓器認識アルゴリズム実行部１１を備える。自動臓器認識部３１及び画像処理アルゴリズム実行部３２は画像処理装置２３に備えられるＣＰＵ（Central Processing Unit）によるプログラム処理や専用回路により実現される。さらに、内部メモリ３０及び画像処理装置２３の機能を実現するためのプログラムを格納する記憶部（不図示）は、ＲＡＭ(Random Access Memory)、ＲＯＭ(Read Only Memory)、ＨＤＤ(Hard Disk Drive)、フラッシュメモリ等の記憶媒体から構成される。

自動臓器認識結果が表示装置に表示されるまでを説明する。
まず、外部記憶装置２０に記憶されているボリュームデータが、内部メモリ３０へ転送される。次に、臓器認識アルゴリズム実行部１１は、入力装置２１からの自動認識処理の指示に従い、内部メモリ３０に記憶されたボリュームデータに対して自動臓器認識処理を行ったあと、自動臓器認識結果（構造情報）を画像処理アルゴリズム実行部（認識結果表示部）３２に転送し、表示装置２２を用いて表示する。

認識結果判定部１２は、入力装置２１による臓器の認識結果の正否の判定に基づいて自動臓器認識結果の正否を判定し、判定結果を臓器認識アルゴリズム実行部１１へ転送する。臓器認識アルゴリズム実行部１１（臓器認識アルゴリズム改善部）は、認識結果判定部１２から転送された判定を自動臓器認識アルゴリズムに反映させ、画像処理アルゴリズム実行部３２へ認識結果を転送して、自動認識処理結果を表示装置２２へ表示する。

図２は、画像処理装置２３における臓器認識処理の一例を示すフローチャートである（適宜図１参照）。まず、外部記憶装置２０に記憶されているボリュームデータを画像処理装置２３における内部メモリ３０へ入力する（ステップＳ２０１）。そして、臓器認識アルゴリズム実行部１１は、内部メモリ３０に記憶されたボリュームデータを読み込み、自動臓器認識アルゴリズムを用いて自動臓器認識処理を行う（ステップＳ２０２）。

次に、自動認識処理の結果を画像処理アルゴリズム実行部（認識結果表示部）３２へ転送し、表示装置２２に表示し、入力装置２１を介して認識結果の判定を行う（ステップＳ２０３）。いずれかの認識必要部位について認識が失敗していると判定された場合（ステップＳ２０４のＮｏ）、臓器認識アルゴリズム実行部１１により認識結果を自動臓器認識アルゴリズムに反映させる（ステップＳ２０５）。

ここで、認識結果の可否の判定を自動臓器認識アルゴリズムに反映させる場合の例について述べる。自動臓器認識アルゴリズムは、人体の臓器の大きさ(三次元最大距離など)を予め取り得る値の範囲で参照する。この値の範囲は一般的な基準から設定することが可能であるが、被験者の体格や年齢、性別を始めとする個人差によって臓器のサイズは異なるため、被験者によってはその範囲内に収まらない場合がある。そこで、異なる種類の臓器でも、同じ個人であればその大きさには関連があることを利用し、既に認識に成功した臓器がある場合には、その臓器から得られる三次元最大距離などの値を利用して、その時点で認識に失敗している臓器の認識基準を変更することで、より適合性の高い自動臓器認識アルゴリズムに更新することが可能となる。

そして、再度、入力装置２１を介して認識結果の判定を行う。以上の処理を繰り返し、全ての認識必要部位について認識が成功したと判定された場合（ステップＳ２０４）に処理が終了する。

図３は、自動臓器認識アルゴリズムに用いる基準値の例を示す図である。

具体的な例として、ここでは心臓部の自動臓器認識アルゴリズムにおいて、図３に示すような（１）〜（７）からなる基準情報を利用するものとする。（１）は、冠動脈の直径Ｃを統計学上とりうる最小値をＣ_ｍｉｎ、最大値をＣ_ｍａｘとしたときに、Ｃ_ｍｉｎ〜Ｃ_ｍａｘで表している。（２）は、上行大動脈の直径ＵＡを統計学上とりうる最小値をＵＡ_ｍｉｎ、最大値をＵＡ_ｍａｘとしたときにＵＡ_ｍｉｎ〜ＵＡ_ｍａｘで表している。（３）は、下行大動脈の直径ＵＢを統計学上とりうる最小値をＵＢ_ｍｉｎ、最大値をＵＢ_ｍａｘとしたときに、ＵＢ_ｍｉｎ〜ＵＢ_ｍａｘで表している。（４）、（５）は、ＵＡ_ｍｉｎとＵＢ_ｍｉｎとの関係、ＵＡ_ｍａｘとＵＢ_ｍａｘとの関係を、それぞれＦ_ａ、Ｆ_ｂを用いて表したものである。（６）、（７）は、冠動脈の直径Ｃを、上行大動脈の直径ＵＡ又は下行大動脈の直径ＵＢを用いて表したものである。Ｆ_ａ、Ｆ_ｂ、Ｆ_ｃ、Ｆ_ｄはパラメータである。

Ｃ_ｍｉｎ、Ｃ_ｍａｘ、ＵＡ_ｍｉｎ、ＵＡ_ｍａｘ、ＵＢ_ｍｉｎ、ＵＢ_ｍａｘ、Ｆ_ａ、Ｆ_ｂ、Ｆ_ｃ、Ｆ_ｄには初期値が設定してある。自動臓器認識アルゴリズム実行部１１は、まずこの初期値を利用して自動臓器認識を行う。その後、認識結果判定部１２において、冠状動脈、上行大動脈及び下行大動脈のうち、いずれか一つ以上の臓器の認識が成功したと判断され、いずれか一つ以上の臓器の認識が失敗したと判断された場合に、認識に成功した臓器の直径の最小値及び最大値の値をＣ_ｍｉｎ、Ｃ_ｍａｘ、ＵＡ_ｍｉｎ、ＵＡ_ｍａｘ、ＵＢ_ｍｉｎ、ＵＢ_ｍａｘの値に反映させることで、自動臓器認識アルゴリズムを更新する。

図４は、認識結果の判定結果を自動臓器認識アルゴリズムに反映させる場合の他の例を示す図である。
ここで例として挙げる自動臓器認識アルゴリズムは、肝臓領域を認識するアルゴリズムであり、図４（ａ）に示す自動臓器認識アルゴリズムに用いる人体構造の例のように、脊椎、肋骨の位置から肝臓検索範囲を設定し、その範囲内においてＣＴ値などを利用して肝臓領域を認識する。ここで、例えば、肋骨の認識に失敗した場合、肝臓検索範囲の設定が行えなくなり、正しく肝臓領域を認識できないという問題が起こる。

例えば、図４（ｂ）の自動臓器認識に失敗する場合の例のように、撮像ＣＴデータを拡大し、肝臓領域を観察しやすく再構成した後のＣＴデータが入力となる場合、脊椎や肋骨が完全にはボリュームデータ内に含まれない場合も多く、骨領域の認識に失敗する可能性がある。そこで、まず自動臓器認識アルゴリズムを用いた結果として、脊椎は認識できないという結果を表示した状態で、入力装置２１を介して識別結果判定部１２から骨領域の認識成功という判定が転送された場合、ボリュームデータ内に脊椎領域は存在しないと判断できる。そのため、例えば、ボリュームデータは肝臓領域を拡大表示したものであることの判断や、スライス画像内の肝臓領域のおおよその位置の推定などが可能となり、その情報を自動臓器認識アルゴリズムに反映させることができる。

図５は、図２で説明した自動臓器認識部における自動臓器認識処理結果を表示した表示画像の一例である。ここでは、自動臓器認識部３１における自動臓器認識処理結果の表示として、ボリュームデータの三次元表示を行うが、各認識必要部位それぞれに異なる色またはテクスチャを割当て、自動認識された各部位に各色または各テクスチャを反映させる。また、自動臓器認識処理の結果、各臓器を認識することができたか否かを「認識結果の判定（判断情報）」として、自動臓器認識処理の結果を示す「認識可否の表示」とは別に表示する。「認識可否の表示」は、認識結果判定部１２において自動的に表示される。図５に示す例では、下行大動脈５１、上行大動脈５２及び冠動脈５３を表示している。

ユーザは、「自動臓器認識処理結果の表示」及び「認識可否の表示」を参照し、自動臓器認識処理に成功したかどうかを判断する。図５に示す例では、臓器の識別に成功していると判断されるものには「認識結果の判定」にチェック「レ」をつけ、失敗していると判断されるものにはチェック「レ」をつけないという方法を取る例である。
「骨」領域に関しては「認識可否の表示」において認識失敗を表す×が表示されているが、三次元表示である「自動臓器認識処理結果の表示」をユーザが見た場合、このボリュームデータ内には骨領域が存在しないと判断できるため、自動臓器認識処理としては正しい識別が行われていることになる。そのため、「認識結果の判定」を入力する際には「骨」領域の識別は成功したとして、チェック「レ」を入力する。

このような「認識可否の表示」に対するユーザの判定を、入力装置２１を介して自動臓器認識部３１へ転送し、それを反映させた自動臓器認識アルゴリズムを実行した結果が、自動認識処理結果として再度表示される。ユーザは前記した場合と同様に、「認識結果の判定」を行う。これを繰り返すことにより、「認識結果の判定」においてユーザが全て成功と判断した場合、即ち、各臓器における「認識結果の判定」にチェック「レ」が記載された場合に、認識結果判定部１２では全ての部位の認識に成功したと判断できるため、処理が終了となる。

認識結果判定部（認識結果自動推定部）１２では、前記したような「認識結果の判定」を自動的に推定することもできる。例えば、自動臓器認識処理の結果、認識される臓器は、完全に認識される場合のみではない。ここでは、臓器の領域が完全に認識される場合、及び、全く認識されない場合のみではなく、臓器の領域の一部のみ認識される場合の「認識可否の表示」及び「認識結果の判定」の入力方法の例を説明する。

図６は、認識結果判定部における連続性アルゴリズムの適用例を示す図である。認識結果判定部（連続性判断部）１２は、自動臓器認識処理の結果に対してスライス画像単位で連続性を判定する。ここでは、連続性が中断する部分付近で認識に失敗している可能性が高いと推定し、連続性が継続する領域ごとに表示を行う方法を説明する。

認識される臓器の領域ごとに異なる色を割り当て、認識されたピクセル値をその色とすることで認識結果を反映したボリュームデータの各スライス画像に対し、隣接するスライス画像との差分画像を得る。差分画像における画素数、即ち、差分画素数が、所定の閾値Ｔｈ_ｄ未満である場合には、この隣接するスライス画像間は連続性が継続しているものとし、差分画素数が所定の閾値Ｔｈ_ｄ以上である場合には、この隣接するスライス画像間に連続性の中断があるものとする。

図６に示すように、スライス画像Ｎ_ａ枚目とＮ_ａ＋１枚目との差分画素数を比較すると、差分画素数はＴｈ_ｄ未満であるので連続性は継続していることになる。一方、スライス画像Ｎ_ｂ枚目とＮ_ｂ＋１枚目との差分画素数を比較すると、差分画素数はＴｈ_ｄ以上であるので連続性は中断していることになる。スライス画像Ｎ_ｂ＋１枚目とＮ_ｂ＋α枚目との差分画像も同様である。また、この閾値Ｔｈ_ｄは、認識される臓器ごとに設定してもよく、その場合はスライス画像全体ではなく、認識される臓器の領域ごとに得られる差分画素数から連続性を判断する。

図７は、認識結果判定部における三次元可視化表示に対する認識可否の表示及び認識結果の判定方法の一例を示す図である。認識結果判定部（連続性判断部）１２による連続性の判定を行うものである。図７に示すように、心臓領域の三次元可視化表示による自動臓器認識処理結果を示すものであり、自動臓器認識処理の結果、冠状動脈領域の一部が欠損した状態で認識されている。図７に示す例に対して、図６に示したような方法で連続性の判定を行った場合、領域Ａ(最初のスライス画像から大動脈領域及び冠状動脈領域が認識される位置まで)、領域Ｂ（上行大動脈５２（図５参照）及び冠状動脈５３領域が認識される位置から冠状動脈５３領域が認識されなくなる位置まで)、領域Ｃ（冠状動脈５３領域が認識されなくなる位置から冠状動脈５３領域が認識される位置まで)、領域Ｄ（冠状動脈５３領域が認識される位置から最後のスライス画像まで）に分割できる。

表示に当たってはＡ、Ｂ、Ｃ、Ｄの各領域に着目した形で三次元可視化表示を行っている。ここで、例えば、領域Ａを表示する際には、領域Ａに該当する部分のみを表示してもよいが、図７に示す例のように、領域Ｂ、Ｃ、Ｄに該当する部分も参照として表示してもよい。

「領域Ａの認識結果の表示」においては、自動臓器認識処理の結果を示す「認識可否の表示」では、「骨」、「上行大動脈５２」、「冠動脈５３」は認識の失敗を示す×が表示されている。このうち「骨」と「冠動脈５３」は領域Ａに存在しないと判定できるため、ユーザが入力する「認識結果の判定」には正しい判定を示すチェック「レ」が表示されている。

「領域Ｂの認識結果の表示」においては、自動臓器認識処理の結果を示す「認識可否の表示」では、「骨」は認識の失敗を示す×が表示され、「上行大動脈５２」及び「冠動脈５３」には認識を示す○が表示されている。このうち「骨」は領域Ｂに存在せず、「冠動脈５３」は領域Ｂに存在すると判定できるため、「認識結果の判定」にはチェック「レ」が表示されている。「上行大動脈５２」は、この領域には存在しないため、「認識結果の判定」にはチェック「レ」が表示されていない。ここでは、「下行大動脈５１」を「上行大動脈５２」と誤認識している。

「領域Ｃの認識結果の表示」においては、自動臓器認識処理の結果を示す「認識可否の表示」では、「骨」は認識の失敗を示す×が表示され、「上行大動脈５２」及び「冠動脈５３」は認識を示す○が表示されている。このうち「骨」は領域Ｃに存在しないと判定できるため、「認識結果の判定」にはチェック「レ」が表示されている。「冠動脈５３」は、この領域では、本来２本存在しなければならないが、うち１本が欠落しているため、チェック「レ」が表示されていない。「上行大動脈５２」は、この領域には存在しないため、「認識結果の判定」にはチェック「レ」が表示されていない。ここでは、「下行大動脈５１」を「上行大動脈５２」と誤認識している。

「領域Ｄの認識結果の表示」においては、自動臓器認識処理の結果を示す「認識可否の表示」では、「骨」及び「上行大動脈５２」は認識の失敗を示す×が表示され、「冠動脈５３」は認識を示す○が表示されている。このうち「骨」及び「上行大動脈５２」は領域Ｄに存在しないと判定できるため、ユーザが入力する「認識結果の判定」にはチェック「レ」が表示されている。「冠動脈５３」は、「冠動脈５３」は領域Ｄに存在すると判定できるため、「認識結果の判定」にはチェック「レ」が表示されている。

それぞれＡ、Ｂ、Ｃ、Ｄの領域に対する認識可否の表示も領域ごとに行い、これらの表示に対してユーザは認識結果の判定を行う。これにより、各認識必要領域の一部のみ認識に失敗した場合でも、認識に成功した部分の情報を利用して再度自動認識を行うことにより、より精度の高い認識結果を簡易に得ることができる。

図８は、認識結果判定部における二次元可視化表示に対する認識可否の表示及び認識結果の判定方法の一例を示す図である。連続性が中断される位置における二次元表示としてのスライス画像表示による自動臓器認識処理結果、認識可否の表示及び認識結果の判定方法の一例を示している。図８では、図７の場合と同様に、認識結果判定部（連続性判断部）１２により、連続性が判断されて連続性が中断される位置が計算され、その部分で認識に失敗している可能性が高いと推定した結果の表示であり、三次元可視化表示による図７とは異なり、スライス画像単位での表示を行う。ここでは、図７における領域Ａ、Ｂ、Ｃ、Ｄの各領域おいて、領域が隣接する位置、即ち、連続性が中断する位置のスライス画像を表示する。

図８（ａ）は、領域Ａにおいて、領域Ｂに最も近い位置におけるスライス画像を表示し、自動臓器認識処理結果を示す「認識可否の表示」では「上行大動脈５２（図５参照）」のみが○と表示され、「認識結果の判定」では、「骨」と「冠動脈５３」が正しく認識されている。図８（ｂ）及び図８（ｃ）は、領域Ｂにおいて、それぞれ隣接する領域Ａ、Ｃに最も近い位置におけるスライス画像を表示し、「認識可否の表示」では「上行大動脈５２」及び「冠動脈５３」のみが○と表示されている。「認識結果」の判定では、「骨」と「冠動脈５３」が正しく認識されている。

図８（ｄ）及び図８（ｅ）は、領域Ｃにおいて、それぞれ隣接する領域Ｂ、Ｄに最も近い位置におけるスライス画像を表示し、「認識可否の表示」では「上行大動脈５２」及び「冠動脈５３」のみが○と表示されている。「認識結果の判定」では、「骨」が正しく認識されている。図８（ｆ）は、領域Ｄにおいて、領域Ｃに最も近い位置におけるスライス画像を表示し、「認識可否の表示」では「冠動脈５３」のみが○と表示され、「認識結果の判定」では、「骨」、「上行大動脈５２」及び「冠動脈５３」が正しく認識されている。

三次元可視化表示の場合、形状を直感的に捉えやすいという長所もあるが、角度によっては重複する部分が多く認識結果の可否を判定することが難しいという短所もある。したがって、スライス画像で表示した場合にはどの領域がどの程度認識できているかを確実に判定することが可能となる。また、連続性に基づく表示ではなく、数スライス画像おきに表示を行って認識結果の可否を判定するという方法を用いることもできる。

連続性の判断による臓器認識以外にも、認識結果判定部１２は、臓器の特徴的な形状を参照することで認識に失敗している可能性が高い臓器を判断し、その領域を優先的に表示することで手動での認識結果の可否判定をより簡易に行うこともできる。
例として、冠状動脈の認識を考える。冠状動脈には主に、右冠動脈と左冠動脈主幹部とがあり、左冠動脈主幹部は、その後更に、左冠動脈前下行枝と左冠動脈回旋枝とに分かれていくという構造を有する。したがって、冠状動脈が正しく認識されている場合には、三次元領域が２つ(右冠動脈、左冠動脈主幹部以下)で、片方の三次元領域(左冠動脈主幹部以下)には大きな枝分かれ部分が1つ(左冠動脈前下行枝と左冠動脈回旋枝)存在することになる。

この構造を基準として、認識結果判定部１２で認識の可否を自動的に判定し、認識結果領域が規準となる構造に合わない構造となっている場合には、認識に失敗している可能性が高い部分と判断し、優先的に表示を行うという情報を画像処理アルゴリズム実行部１１に転送する。

また、認識結果判定部１２は、認識必要臓器の認識の可否のみだけでなく、ユーザが指定した領域やサイズを入力装置２１を介して受け取ることもできる。
図９は、認識の可否以外のユーザの入力を自動認識アルゴリズムに反映させる場合の例を示す図である。図９（ａ）は、自動臓器認識結果の表示を示す図である。図９（ａ）に示すように、冠状動脈５３（図５）の一部が欠落した状態で認識されているが、ここで認識不足となっている部分、即ち、冠状動脈５３が欠落している領域をユーザが推定し、その領域の位置やサイズの情報を入力として、自動臓器認識アルゴリズムを更新する。

具体的な例について、図９（ｂ）〜（ｅ）を用いて説明する。図９（ｂ）〜（ｄ）は、修正方法１を示す図である。修正方法１では、ユーザは、認識不足と推定できる領域をマウスカーソル等の入力装置２１を用いて指定する。ただし、ここで、ボリュームデータは三次元データであるため、ユーザが二次元領域の輪郭として描いた図形から三次元領域を生成する必要がある。図９（ｃ）、（ｄ）は、二次元領域から三次元領域を生成する場合の例を説明する図である。図９（ｃ）に示すように、指定した二次元領域を底面とし、三次元可視化表示の際の投影面に垂直な方向にまっすぐ伸ばした筒状の領域とする方法や、図９（ｄ）に示すように、その筒状の領域内から、既に抽出されている冠状動脈５３が一部含まれる領域を基準とした一部の領域とする方法がある。こうして指定した三次元領域の情報を、冠状動脈５３の自動臓器認識アルゴリズムへ反映させるが、ここでは、指定した三次元領域内に未認識の冠状動脈５３領域があり、かつその中に含まれる冠状動脈５３に接続する形で認識を行い、既に認識されている冠状動脈５３領域に追加することにより自動臓器認識アルゴリズムへの更新を行う。

図９（ｅ）は、修正方法２を示す図である。修正方法２は、冠状動脈５３領域の一部が欠落していると推定できる場合に、既に認識されている冠状動脈５３領域内で、欠落している部分の一方の端点の位置から他方の端点の位置までユーザがマウスカーソル等の入力装置２１を用いて線を引き、その長さと端点の位置を入力とする。自動臓器認識アルゴリズムへ反映させる場合には、一方の端点周辺の領域内で既に認識されている冠状動脈５３領域と、他方の端点周辺の領域内で既に認識されている冠状動脈５３領域とのそれぞれにおいて血管の直径を推定し、それを基準とした直径で、一方の端点から他方の端点を結ぶような筒状の領域を冠状動脈５３として認識するよう自動臓器認識アルゴリズムを更新する。

このように、図９（ａ）の認識結果の表示に示すような状態となった場合、冠状動脈５３が欠落していることや、その大まかな場所についても、ユーザは三次元可視化表示を見た時点で容易に判断することができるため、前記した修正方法１、２のような入力を与えることでより簡易に再認識を行うことが可能となる．

以上により、三次元表示を可能にするボリュームデータに対して複数の臓器が自動臓器認識アルゴリズムを用いて認識処理をされた後に、その認識結果を三次元可視化や二次元可視化によりわかりやすく表示し、それに対する修正を簡易に行うことができるようになる。

１１ 臓器認識アルゴリズム実行部（臓器認識アルゴリズム改善部）
１２ 認識結果判定部（認識結果自動推定部、連続性判断部）
２０ 外部記憶装置
２１ 入力装置
２２ 表示装置
２３ 画像処理装置
３０ 内部メモリ
３１ 自動臓器認識部
３２ 画像処理アルゴリズム実行部（認識結果表示部）
５１ 下行大動脈
５２ 上行大動脈
５３ 冠状動脈（冠動脈）

Claims (9)

1. 識別対象である識別対象臓器を認識する臓器認識アルゴリズムを複数の臓器を含む医用画像ボリュームデータに適用し、各識別対象臓器の構造情報を生成して臓器認識結果として出力する臓器認識アルゴリズム実行部と、
   前記臓器認識アルゴリズム実行部から出力される臓器認識結果を表示装置に表示する認識結果表示部とを備え、
   前記医用画像ボリュームデータを所定の画像処理のアルゴリズムを用いて画像処理を行う画像処理装置であって、
   入力装置を介して前記構造情報が前記識別対象臓器として認識できたか否かを示す認識可否の判断情報を取得する認識結果判定部と、
   前記認識結果判定部から前記判断情報を取得し、前記判断情報に応じて各臓器の基準情報を変更し、前記基準情報を変更した場合には当該変更した基準情報を用いて前記識別対象臓器を認識するように前記臓器認識アルゴリズムを変更する臓器認識アルゴリズム改善部と、をさらに備える
   ことを特徴とする画像処理装置。
2. 前記認識結果判定部は、各識別対象臓器の構造情報のうち認識領域と判断された部位の前記医用画像ボリュームデータの断層画像に対して、隣接する断層画像との画素数の差を表示する差分画像を取得し、前記差分画像における画素数の量に基づいて前記隣接する断層画像との連続性を判断する連続性判断部を有する
   ことを特徴とする請求項１に記載の画像処理装置。
3. 前記認識結果判定部は、各識別対象臓器の構造情報のうち認識領域と判断された部位の前記医用画像ボリュームデータの断層画像に対して、隣接する断層画像との画素数の差を表示する差分画像を取得し、前記差分画像における画素数の量に基づいて前記隣接する断層画像との連続性を判断する連続性判断部を有し、
   前記認識結果表示部は、前記連続性判断部が判断した連続した領域ごとに二次元可視化表示又は三次元可視化表示を行う
   ことを特徴とする請求項１に記載の画像処理装置。
4. 前記臓器認識アルゴリズム実行部は、前記認識部位の何れかが認識できないときは、前記入力装置を用いて当該認識できない部位が修正されることにより、当該修正の結果を前記臓器認識アルゴリズムに反映させる
   ことを特徴とする請求項１に記載の画像処理装置。
5. 識別対象である識別対象臓器を認識する臓器認識アルゴリズムを複数の臓器を含む医用画像ボリュームデータに適用し、各識別対象臓器の構造情報を生成して臓器認識結果として出力する臓器認識アルゴリズム実行部と、
   前記臓器認識アルゴリズム実行部から出力される臓器認識結果を表示装置に表示する認識結果表示部とを備え、
   前記医用画像ボリュームデータを所定の画像処理のアルゴリズムを用いて画像処理を行う画像処理装置に用いる画像処理方法であって、
   前記画像処理装置は、
   入力装置を介して前記構造情報が前記識別対象臓器として認識できたか否かを示す認識可否の判断情報を取得するステップと、
   前記認識結果判定部から前記判断情報を取得し、前記判断情報に応じて各臓器の基準情報を変更し、前記基準情報を変更した場合には当該変更した基準情報を用いて前記識別対象臓器を認識するように前記臓器認識アルゴリズムを変更するステップと、を備える
   ことを特徴とする画像処理方法。
6. 前記画像処理装置は、各識別対象臓器の構造情報のうち認識領域と判断された部位の前記医用画像ボリュームデータの断層画像に対して、隣接する断層画像との画素数の差を表示する差分画像を取得し、前記差分画像における画素数の量に基づいて前記隣接する断層画像との連続性を判断するステップを備える
   ことを特徴とする請求項５に記載の画像処理方法。
7. 前記画像処理装置は、各識別対象臓器の構造情報のうち認識領域と判断された部位の前記医用画像ボリュームデータの断層画像に対して、隣接する断層画像との画素数の差を表示する差分画像を取得し、前記差分画像における画素数の量に基づいて前記隣接する断層画像との連続性を判断するステップを有し、
   前記画像処理アルゴリズム実行部は、前記連続性判断部が判断した連続した領域ごとに二次元可視化表示又は三次元可視化表示を行う
   ことを特徴とする請求項５に記載の画像処理方法。
8. 前記画像処理装置は、前記認識部位の何れかが認識できないときは、前記入力装置を用いて当該認識できない部位が修正されることにより、前記臓器認識アルゴリズムを更新する
   ことを特徴とする請求項５に記載の画像処理方法。
9. 請求項５乃至請求項８の何れか１項に記載の画像処理方法をコンピュータに実行させるためのプログラム。

Images