JP2013150755A

JP2013150755A - 画像生成装置および撮影装置並びにプログラム

Info

Publication number: JP2013150755A
Application number: JP2012014159A
Authority: JP
Inventors: Yasuo Omi; 康夫尾見
Original assignee: GE Medical Systems Global Technology Co LLC
Current assignee: GE Medical Systems Global Technology Co LLC
Priority date: 2012-01-26
Filing date: 2012-01-26
Publication date: 2013-08-08

Abstract

【課題】被検体内の血流に係るパラメータを示す画像として、異常部位の視覚的なとらえやすさとパラメータの値の正確さとが両立した画像を提供する。
【解決手段】被検体の時系列的なスキャンデータに基づくパフュージョン解析により、被検体内の臓器においてトレーサが所定の部位を通過してから注目部位に到達するまでの時間差による影響を補正しないアルゴリズムによる、前記被検体内における血流に係るパラメータの分布を表す第１の画像Ｐ１と、前記影響を補正するアルゴリズムによる、前記パラメータの分布を表す第２の画像Ｐ２とを生成し（ステップＳ３）、第１および第２の画像Ｐ１，Ｐ２に基づいて、第１の画像Ｐ１における前記パラメータの分布と、第２の画像Ｐ２における前記パラメータの分布とが共に反映された第３の画像Ｍ３を生成する（ステップＳ４〜Ｓ６）。
【選択図】図２

Description

本発明は、被検体内における血流に係るパラメータ（parameter）の分布が反映された画像を生成する画像生成装置、およびその画像生成装置を含む撮影装置、並びにその画像を生成するためのプログラム（program）に関する。

従来、被検体の状態を評価するために、被検体内における血流に係るパラメータを表す画像を用いる方法が提案されている。例えば、脳梗塞などの脳血流疾患を評価するために、脳内の脳血流に係るパラメータの分布を表すパフュージョン（perfusion）画像（灌流画像）を用いる灌流画像法（Perfusion Imaging）が知られている。

近年の灌流画像法では、脳血流量を算出する計算アルゴリズム（algorithm）として、例えばデコンボリューション（Deconvolution）法が用いられている（特許文献１等参照）。デコンボリューション法では、図７に示すように、脳組織内におけるトレーサ（tracer）濃度Ct(t)を、動脈入力関数Ca(t)と伝達関数R(T)との重畳積分すなわちコンボリューション（convolution）で表すことができると考える。なお、トレーサは、例えば造影剤やスピンラベリング（spin labeling）された血液などである。

Ct(t) ＝ Ca(t)*R(t)＝ ∫Ca(t-s)R(s)ds

ここで、デコンボリューション処理により、Ct(t)とCa(t)とからR(t)を導出することができれば、血流に係る各パラメータは次のように求めることができる。

平均通過時間(mean transit time) MTT ＝ ∫ｔR(t)dt /∫R(t)dt ［分母＝1］
脳血液量(crebral blood volume) CBV ＝ ∫R(t)dt
脳血流量(crebral blood flow) CBF ＝ R(0)

伝達関数R(t)は、トレーサ濃度Ct(t)と違って、動脈入力関数すなわち造影剤の注入条件やスピンラベリング条件等に依存しない。そのため、トレーサ濃度Ct(t)を直接評価するよりも、本デコンボリューション法のように伝達関数R(t)を導出して評価する方が、より安定で精度が高いという優れた特徴がある。

特開２００６−１３０１４１号公報

ところで、動脈入力関数は、本来ならば毛細血管網のそれぞれに対して個別に設定すべきであるが、現実的には困難である。そこで、実際には、中大脳動脈などで得られた信号で脳組織全体の動脈入力関数を代表させている。このため、動脈入力関数として設定した動脈と、通過したトレーサが注目部位に到達するまでには時間差が存在し、特に末梢部位ではそれが顕著となる。その結果、求められた血流のパラメータは、過大評価される側に振られる傾向が強い。非特許文献(Magnetic Resonance in Medicine 50:164-174 2003)によれば、前述のトレーサの到達時間差によって、血流量値を低く見積もる、言い換えると、虚血を過大評価する傾向があることが示されている。なお、このトレーサの到達時間差のことを、以下、ディレイエフェクト（Delay Effect）という。

これを解消するために、ディレイエフェクトを補正するアルゴリズムが提案されており、ディレイエフェクトを補正しないアルゴリズムよりも灌流パラメータの異常領域と、最終梗塞域とが一致しやすいことが報告されている。

その一方で、ディレイエフェクトを補正するアルゴリズムでは、脳の健常側と疾患側との差（健患差）が生じにくいため、ディレイエフェクトを補正しないアルゴリズムに比べて、パフュージョン画像の視覚評価において血流異常領域を認識しにくい傾向もみられる。

つまり、ディレイエフェクトを補正するアルゴリズムによるパフュージョン画像では、パラメータの値の正確さは高いが、異常部位を視覚的にとらえにくい。一方、ディレイエフェクトを補正しないアルゴリズムによるパフュージョン画像では、異常部位を視覚的にとらえやすいが、パラメータの値の正確さが落ちるという特徴がある。

このような事情により、被検体内の血流に係るパラメータを示す画像として、異常部位の視覚的なとらえやすさとパラメータの値の正確さとが両立した画像を提供する技術が望まれている。

第１の観点の発明は、
被検体の時系列的なスキャンデータ（scan data）に基づくパフュージョン解析により、被検体内の臓器においてトレーサが所定の部位を通過してから注目部位に到達するまでの時間差による影響を補正しないアルゴリズムを用いて、前記被検体内における血流に係るパラメータの分布を表す第１の画像を生成する第１の生成手段と、
前記スキャンデータに基づくパフュージョン解析により、前記影響を補正するアルゴリズムを用いて、前記パラメータの分布を表す第２の画像を生成する第２の生成手段と、
前記第１および第２の画像に基づいて、前記第１の画像における前記パラメータの分布と、前記第２の画像における前記パラメータの分布とが共に反映された第３の画像を生成する第３の生成手段とを備えた画像生成装置を提供する。

ここで、「トレーサ」は、例えば、造影剤やスピンラベリングされた血液などである。

第２の観点の発明は、
前記パフュージョン解析が、デコンボリューション法による解析である上記第１の観点の画像生成装置を提供する。

第３の観点の発明は、
前記第３の生成手段が、前記第１および第２の画像の各々について、画像上の各位置を該位置の前記パラメータの値に基づいてスコアリング（scoring）し、得られた前記第１および第２の画像のスコアリングマップ（scoring
map）同士を所定の重みで加算または乗算することにより、前記第３の画像を生成する上記第１の観点または第２の観点の画像生成装置を提供する。

第４の観点の発明は、
前記第３の生成手段が、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの絶対値に応じてスコアリングする上記第３の観点の画像生成装置を提供する。

第５の観点の発明は、
前記第３の生成手段が、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの値と、該位置と左右対称な関係にある位置の前記パラメータの値との差に応じてスコアリングする上記第３の観点の画像生成装置を提供する。

第６の観点の発明は、
前記第３の生成手段が、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの値と、該位置と左右対称な関係にある位置の前記パラメータの値との比に応じてスコアリングする上記第３の観点の画像生成装置を提供する。

第７の観点の発明は、
前記第３の生成手段が、前記第１および第２の画像の各位置の前記パラメータの値同士を所定の重みで加算または乗算することにより、前記第３の画像を生成する上記第１の観点または第２の観点の画像生成装置を提供する。

第８の観点の発明は、
前記臓器が、前記被検体の脳である上記第１の観点から第７の観点のいずれか一つの観点の画像生成装置を提供する。

第９の観点の発明は、
前記臓器が、前記被検体の肝臓、肺臓、腎臓、膵臓または心臓である上記第１の観点から第７の観点のいずれか一つの観点の画像生成装置を提供する。

第１０の観点の発明は、
前記パラメータが、血流量である上記第１の観点から第９の観点のいずれか一つの観点の画像生成装置を提供する。

第１１の観点の発明は、
前記パラメータが、血液量または平均通過時間である上記第１の観点から第９の観点のいずれか一つの観点の画像生成装置を提供する。

第１２の観点の発明は、
前記被検体を撮影してスキャンデータを収集するデータ収集手段と、
上記第１の観点から第１１の観点のいずれか一つの観点の画像生成装置とを有する撮影装置を提供する。

第１３の観点の発明は、
前記データ収集手段が、前記被検体をＭＲ（Magnetic Resonance）撮影する上記第１２の観点の撮影装置を提供する。

第１４の観点の発明は、
前記データ収集手段が、前記被検体をＸ線ＣＴ（Computed Tomography）撮影する上記第１２の観点の撮影装置を提供する。

第１５の観点の発明は、
コンピュータ（computer）を、上記第１の観点から第１１の観点のいずれか一つの観点の画像生成装置として機能させるためのプログラムを提供する。

上記観点の発明によれば、被検体の血流に係るパラメータの分布を表す画像として、トレーサが所定の部位を通過してから注目部位に到達するまでの時間差による影響、いわゆるディレイエフェクトを補正しない第１の画像と、ディレイエフェクトを補正した第２の画像とを生成し、これら両画像における上記パラメータの分布が共に反映された第３の画像を生成する。つまり、異常部位の視覚的なとらえやすさは高いが、パラメータ値の正確さが低い第１の画像と、異常部位の視覚的なとらえやすさは低いが、パラメータ値の正確さが高い第２の画像とを用いて第３の画像を生成する。これにより、両画像のそれぞれの欠点を互いに補うことができ、異常部位の視覚的なとらえやすさとパラメータ値の正確さとが両立した画像を提供することができる。

発明の実施形態に係る撮影装置を示す図である。撮影装置の処理フロー（flow）を示す図である。画像再構成された断層像群を示す図である。ディレイエフェクト補正なしの第１のパフュージョン画像とディレイエフェクト補正ありの第２のパフュージョン画像とを示す図である。第１のパフュージョン画像に対応する第１のスコアリングマップと第２のパフュージョン画像に対応する第２のスコアリングマップとを示す図である。第１のスコアリングマップと第２の巣子リングマップとによる合成スコアリングマップを示す図である。デコンボリューション法を説明するための図である。

以下、発明の実施形態について説明する。なお、これにより、発明が限定されるものではない。

図１に、発明の実施形態に係る撮影装置１００の機能ブロック（block）図を示す。

撮影装置１００は、データ収集部５１、画像再構成部５２、パフュージョン画像生成部５３、スコアリング条件設定部５４、スコアリングマップ生成部５５、合成スコアリングマップ生成部５６、および画像表示部５７を備えている。

図２に、撮影装置１００の処理フローを示す。

ステップ（step）Ｓ１では、データ収集部５１が、被検体の頭部を撮影して、時系列的なスキャンデータを収集する。例えば、撮影装置１００がＭＲＩ装置であれば、データ収集部５１は、被検体のＭＲ撮影を行って、磁化率信号強度データを収集する。撮影装置１００がＸ線ＣＴ装置であれば、データ収集部５１は、被検体のＸ線ＣＴ撮影を行って、Ｘ線投影データを収集する。データ収集方法は、ＭＲ撮影やＣＴ撮影における、造影剤を用いたダイナミックスキャン（dynamic scan）法、ＭＲ撮影におけるスピンラベリング法など、信号強度の時間変化の情報が得られるような公知の手法でよい。この際、Ｘ線ＣＴ撮影ならばシャトルスキャン（shuttle scan）等により、できる限り頭部の広い範囲をカバー（cover）するように収集することが望ましい。

ステップＳ２では、画像再構成部５２が、ステップＳ１で収集したスキャンデータに基づいて画像再構成を行い、図３に示すような、ＭＲ画像やＣＴ画像である断層像群Ｇitを生成する。なお、ステップＳ１で頭部全体などの広範囲をカバーしてスキャンした場合、ここで得られる断層像群Ｇitは、いわゆるボリュームデータ（volume data）となる。

ステップＳ３では、パフュージョン画像生成部５３が、デコンボリューション法により、異なる２種類のアルゴリズム、すなわちディレイエフェクト補正なしのアルゴリズムと、ディレイエフェクト補正ありのアルゴリズムとをそれぞれ用いて、図４に示すような、第１のパフュージョン画像Ｐ１と第２のパフュージョン画像Ｐ２とを生成する。ここでは、ディレイエフェクト補正なしのパフュージョン画像を第１のパフュージョン画像Ｐ１、ディレイエフェクト補正ありのパフュージョン画像を第２のパフュージョン画像Ｐ２とする。パフュージョン画像には代表的なものとして、血流量像（特に脳血流量像の場合はＣＢＦ（Cerebral Blood Flow）像という）、血液量像（特に脳血液量像の場合はＣＢＶ（Cerebral Blood Volume）像という）、平均通過時間（Mean Transit Time ; MTT）像などがある。本実施形態においては、ＣＢＦ像のみを生成する場合を想定するが、用途や検査時間の制限に応じて、ＣＢＦ像に代えてあるいはＣＢＦ像に加えて、ＣＢＶ像やＭＴＴ像などの他の画像を生成してもよい。なお、ディレイエフェクト補正なしのアルゴリズムとしては、例えば米国特許文献ＵＳ６，８９８，４５３に記載されているようなＳＶＤ法などを用いることが望ましい。また、ディレイエフェクト補正ありのアルゴリズムとしては、例えば非特許文献(Magnetic Resonance in Medicine 50:164-174 2003)に記載れているようなBlock-circulant SVD法などを用いることが望ましい。

ステップＳ４では、スコアリング条件設定部５４が、第１および第２のパフュージョン画像のスコアリング条件を設定する。ここでは、オペレータ（operator）の入力に応じてスコアリング条件を設定することにする。オペレータは、ディレイエフェクト補正なしの第１のパフュージョン画像Ｐ１において重篤度を決定するための第１のパラメータｐ１と、ディレイエフェクト補正ありの第２のパフュージョン画像Ｐ２において重篤度を決定するための第２のパラメータｐ２とを入力する。入力する値の基準としては、例えば血流量CBFがL0[ml/100g/min]未満、L0[ml/100g/min]以上L1[ml/100g/min]未満、L1[ml/100g/min]以上というようにCBFの絶対値で指定すればよい。入力する値の基準は、脳の正中線を境界として互いに左右対称な関係となる位置の左脳側と右脳側の違いに着目してもよい。具体的には、例えば、血流量CBFの左右差がM0[ml/100g/min]未満、M0[ml/100g/min]以上M1[ml/100g/min]未満、M1[ml/100g/min]以上というように左右差の絶対値で指定する方法や、血流量CBFの左右比がN0[%]未満、N0[%]以上N1[%]未満、N1[%]以上というように左右比の相対値で指定する方法が考えられる。ここでL0,L1,M0,M1,N0,N1は任意の正の実数であり、第１のパフュージョン画像Ｐ１と第２のパフュージョン画像Ｐ２とで共通の値としてもよく、別個に設定してもよい。本例では３段階に分けているが、任意の段階に分ければよい。

ステップＳ５では、スコアリングマップ生成部５５が、第１のパフュージョン画像Ｐ１、第２のパフュージョン画像Ｐ２のそれぞれについて、ステップＳ４で指定した値を基に、血流異常領域をスコアリングする。例えばL0[ml/100g/min]未満の領域にはスコア“２”を、L0[ml/100g/min]以上L1[ml/100g/min]未満の領域にはスコア“１”を、L1[ml/100g/min]以上の領域にはスコア“０”をそれぞれ割り当てる。左右差の絶対値で指定する方法や左右比の相対値で指定する方法の場合も同様である。第１のパフュージョン画像Ｐ１、第２のパフュージョン画像Ｐ２をスコアリングした例（第１のスコアリングマップＭ１、第２のスコアリングマップＭ２）を図５に示す。前述のように、ディレイエフェクト補正なしのアルゴリズムでは、ディレイエフェクト補正ありのアルゴリズムに比べて、血流量CBF値を過少評価（虚血を過大評価）する傾向がある。そのため、図５のように、同じスコアが割り当てられる領域は、第１のスコアリングマップＭ１の方が第２のスコアリングマップＭ２に比べて広めになる傾向がある。

ステップＳ６では、合成スコアリングマップ生成部５６が、ステップＳ５で生成したスコアリングマップを基に、合成スコアリングマップＭ３を作成する。合成スコアリングマップＭ３は、第１のスコアリングマップＭ１と第２のスコアリングマップＭ２とを任意の重みで加算（または乗算）することで生成される。図６にそれぞれ１の重みで加算した例を示す。合成スコアリングマップＭ３において、スコアが高い領域は重篤度が高く、最終梗塞に至りやすい領域（不可逆領域）である可能性が高い領域に対応する。また、スコアが０の領域は、血流異常が発生していない可能性が高い健常領域に対応し、低〜中程度のスコアの領域は、血流に異常はあるものの治療によって最終梗塞化は回避できる見込みがある領域（可逆領域）である可能性が高い領域に対応する。

ステップＳ７では、画像表示部５７は、ステップＳ６で生成した合成スコアリングマップＭ３を元画像（ＭＲ画像やＣＴ画像）に重ね合わせ表示する。このとき、元画像上に合成スコアリングマップＭ３を任意の不透明度で重ね合わせればよい。例えば、スコアが０の領域は健常領域であるので、スコアが０の領域は不透明度を０（完全な透明）とし、１以上のスコアを持つ領域を高い不透明度で重ね合わせる。このようにすれば、健常領域と異常領域との違いが明瞭になり、異常領域を視覚的に認識し易くなる。

このように本実施形態によれば、被検体の血流に係るパラメータの分布を表す画像として、トレーサが所定の部位を通過してから注目部位に到達するまでの時間差による影響、いわゆるディレイエフェクトを補正しない第１のパフュージョン画像Ｐ１と、ディレイエフェクトを補正した第２のパフュージョン画像とを生成し、これら両画像における上記パラメータの分布が共に反映された第３の画像を生成する。つまり、異常部位の視覚的なとらえやすさは高いが、パラメータ値の正確さが低い第１のパフュージョン画像Ｐ１と、異常部位の視覚的なとらえやすさは低いが、パラメータ値の正確さが高い第２のパフュージョン画像Ｐ２とを用いて第３の画像である、合成スコアリングマップＭ３を生成する。これにより、両パフュージョン画像のそれぞれの欠点を互いに補うことができ、異常部位の視覚的なとらえやすさとパラメータ値の正確さとが両立した画像（マップ）を提供することができる。

また、本実施形態によれば、合成スコアリングマップＭ３のスコア分布から、脳組織の各位置における重篤度を推定することができる。ディレイエフェクト補正なしのアルゴリズムで生成された第１のパフュージョン画像Ｐ１と、ディレイエフェクト補正ありのアルゴリズムで生成された第２のパフュージョン画像Ｐ２とで、血流異常領域（例えばスコア１以上の領域）を比較すると、第２のパフュージョン画像Ｐ２で抽出される虚血領域よりも、第１のパフュージョン画像Ｐ１で抽出される虚血領域の方が広範囲にわたる。第２のパフュージョン画像Ｐ２で検出される虚血領域は最終梗塞巣とよく一致する傾向があることが知られており、第２のパフュージョン画像Ｐ２での血流異常領域は、血行再建術などの治療によっても治すことが難しい領域、すなわち非可逆領域と対応していると推測される。非可逆領域の周辺には、早期治療によっても治すことが可能な領域、すなわち可逆領域が広がっており、第１のパフュージョン画像Ｐ１で検出される虚血領域から第２のパフュージョン画像Ｐ２で検出される虚血領域を差分した領域が、可逆領域に対応している可能性が高いと推定される。治療前に可逆領域を推定することは、治療方針の決定や円滑な治療に有用であると考えられる。

なお、本実施形態の変形例として、第１のパフュージョン画像Ｐ１における虚血領域から第２のパフュージョン画像Ｐ２における虚血領域を差分した領域を可逆推定領域、虚血領域同士、重複した領域を非可逆推定領域として抽出し表示するようにしてもよい。あるいは、合成スコアリングマップＭ３において、スコアが所定の閾値Ｔ１未満である領域を可逆推定領域、スコアが所定の閾値Ｔ２（≧Ｔ１）以上である領域を非可逆推定領域として抽出し表示するようにしてもよい。

また、本実施形態では、パフュージョン解析として、デコンボリューション法を用いることを想定しているが、他の方法であってもよい。

また、本実施形態では、第１および第２のパフュージョン画像のスコアリングマップ同士を任意の重みで加算または乗算して合成スコアリングマップを生成しているが、第１および第２のパフュージョン画像同士を任意の重みで加算または乗算して合成画像を生成してもよい。

また、本実施形態では、被検体の撮影部位を頭部（脳）としているが、他の部位、例えば、肝臓、肺臓、腎臓、膵臓、または心臓（心筋）等に対しても同様の実施形態を考えることができる。

また、本実施形態は、被検体を撮影してスキャンデータを収集するデータ収集部を含んだ撮影装置であるが、データ収集部を含まずに、入力されたスキャンデータを基に合成スコアリングマップなどの画像を生成する画像生成装置も、発明の一実施形態である。

また、コンピュータを、その画像生成装置として機能させるためのプログラムも、発明の一実施形態である。

１００撮影装置
５１データ収集部
５２画像再構成部
５３パフュージョン画像生成部（第１および第２の生成手段）
５４スコアリング条件設定部
５５スコアリングマップ生成部（第３の生成手段）
５６合成スコアリングマップ生成部（第３の生成手段）
５７画像表示部

Claims

被検体の時系列的なスキャンデータに基づくパフュージョン解析により、被検体内の臓器においてトレーサが所定の部位を通過してから注目部位に到達するまでの時間差による影響を補正しないアルゴリズムを用いて、前記被検体内における血流に係るパラメータの分布を表す第１の画像を生成する第１の生成手段と、
前記スキャンデータに基づくパフュージョン解析により、前記影響を補正するアルゴリズムを用いて、前記パラメータの分布を表す第２の画像を生成する第２の生成手段と、
前記第１および第２の画像に基づいて、前記第１の画像における前記パラメータの分布と、前記第２の画像における前記パラメータの分布とが共に反映された第３の画像を生成する第３の生成手段とを備えた画像生成装置。
前記パフュージョン解析は、デコンボリューション法による解析である請求項１に記載の画像生成装置。
前記第３の生成手段は、前記第１および第２の画像の各々について、画像上の各位置を該位置の前記パラメータの値に基づいてスコアリングし、得られた前記第１および第２の画像のスコアリングマップ同士を所定の重みで加算または乗算することにより、前記第３の画像を生成する請求項１または請求項２に記載の画像生成装置。
前記第３の生成手段は、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの絶対値に応じてスコアリングする請求項３に記載の画像生成装置。
前記第３の生成手段は、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの値と、該位置と左右対称な関係にある位置の前記パラメータの値との差に応じてスコアリングする請求項３に記載の画像生成装置。
前記第３の生成手段は、前記第１および第２の画像の各々について、画像上の各位置を、該位置の前記パラメータの値と、該位置と左右対称な関係にある位置の前記パラメータの値との比に応じてスコアリングする請求項３に記載の画像生成装置。
前記第３の生成手段は、前記第１および第２の画像の各位置の前記パラメータの値同士を所定の重みで加算または乗算することにより、前記第３の画像を生成する請求項１または請求項２に記載の画像生成装置。
前記臓器は、前記被検体の脳の血管である請求項１から請求項７のいずれか一項に記載の画像生成装置。
前記臓器は、前記被検体の肝臓、肺臓、腎臓、膵臓または心臓である請求項１から請求項７のいずれか一項に記載の画像生成装置。
前記パラメータは、血流量である請求項１から請求項９のいずれか一項に記載の画像生成装置。
前記パラメータは、血液量または平均通過時間である請求項１から請求項９のいずれか一項に記載の画像生成装置。
前記被検体を撮影してスキャンデータを収集するデータ収集手段と、
請求項１から請求項１１のいずれか一項に記載の画像生成装置とを有する撮影装置。
前記データ収集手段は、前記被検体をＭＲ撮影する請求項１２に記載の撮影装置。
前記データ収集手段は、前記被検体をＸ線ＣＴ撮影する請求項１２に記載の撮影装置。
コンピュータを、請求項１から請求項１１のいずれか一項に記載の画像生成装置として機能させるためのプログラム。