JP2013198763A - 医用画像処理装置 - Google Patents
医用画像処理装置 Download PDFInfo
- Publication number
- JP2013198763A JP2013198763A JP2013134150A JP2013134150A JP2013198763A JP 2013198763 A JP2013198763 A JP 2013198763A JP 2013134150 A JP2013134150 A JP 2013134150A JP 2013134150 A JP2013134150 A JP 2013134150A JP 2013198763 A JP2013198763 A JP 2013198763A
- Authority
- JP
- Japan
- Prior art keywords
- image
- roi
- template
- diagnosis target
- matching
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 67
- 238000003745 diagnosis Methods 0.000 claims abstract description 93
- 210000004556 brain Anatomy 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 48
- 210000004204 blood vessel Anatomy 0.000 claims description 9
- 210000000056 organ Anatomy 0.000 abstract description 7
- 210000004884 grey matter Anatomy 0.000 abstract description 3
- 210000004885 white matter Anatomy 0.000 abstract description 3
- 230000002792 vascular Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000002595 magnetic resonance imaging Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- HGBLNBBNRORJKI-WCABBAIRSA-N cyclacillin Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)C1(N)CCCCC1 HGBLNBBNRORJKI-WCABBAIRSA-N 0.000 description 7
- 230000017531 blood circulation Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 208000006011 Stroke Diseases 0.000 description 2
- 206010008118 cerebral infarction Diseases 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 210000003926 auditory cortex Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 210000000877 corpus callosum Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003016 hypothalamus Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】臓器を解剖学的・機能的に分類するためのROIを、診断対象画像に対する変形処理を行うことなく、個人差を吸収して簡便に設定できる装置を提供する。
【解決手段】それぞれ異なる第1の特徴情報と対応付けて記憶され、それぞれが画像上に設定され診断画像の解析範囲を示し脳に関する複数のテンプレートROIから、入力された脳に関する診断対象画像及び当該診断対象画像の第1の特徴情報に対応する少なくとも一つのテンプレートROIを選択し、選択された少なくとも一つのテンプレートROIを、診断対象画像から得られる体表、脳表、脳室、灰白質と白質との境界、支配血管領域のうちの少なくとも一つに関する情報である第2の特徴情報に基づいて変形することで、当該テンプレートROIを前記診断対象画像にマッチングさせる第1のマッチング処理を実行する。
【選択図】 図1
【解決手段】それぞれ異なる第1の特徴情報と対応付けて記憶され、それぞれが画像上に設定され診断画像の解析範囲を示し脳に関する複数のテンプレートROIから、入力された脳に関する診断対象画像及び当該診断対象画像の第1の特徴情報に対応する少なくとも一つのテンプレートROIを選択し、選択された少なくとも一つのテンプレートROIを、診断対象画像から得られる体表、脳表、脳室、灰白質と白質との境界、支配血管領域のうちの少なくとも一つに関する情報である第2の特徴情報に基づいて変形することで、当該テンプレートROIを前記診断対象画像にマッチングさせる第1のマッチング処理を実行する。
【選択図】 図1
Description
本発明は、医用画像機器によって収集された画像と、当該画像に設定されるROI(Region Of Interest:関心領域)のマッチングにおいて利用される技術に関する。
医用画像は、通常ある大きさで格子状に分割されたボクセル毎の値を有するマッピングデータとして得られる。このマッピングデータをそのまま管理するとすれば、データ量が膨大となり、また臨床との対応関係がとりにくい。そのため、一般的には、疾患別のデータベースとして蓄積及びデータ量の縮小を目的として、何らかの情報圧縮が用いられる。そのひとつの方法として、例えばある臓器等を撮影した画像データを、解剖学的、生理学的に意味のある空間的な領域に分割(ROI分割)して解析する方法があり、現在、脳血流の動脈支配領域へのROI分割などが報告されている。
この様なROI分割は、SPECTやPETを用いた診断ではもちろんのこと、医用画像全般において広いニーズと応用がある。
例えば、脳卒中(stroke)は、近年悪性腫瘍、循環器疾患についで死因の第3位となっており、中でも現在脳梗塞はそのうちの60%を占め増加の一途にある。この脳卒中診断においては、脳血管のうち動脈は左右対称に3本ずつの主要血管があり、脳組織で支配領域がきまっており、3次元的に分割することが可能である。これらの血管による血流を解析する場合には、造影剤を入れながら、時間軸方向に収集したデータに対し、医師が個々の患者の画像上にテンプレートROIを設定することで画像を分割し(ROI設定による画像分割)、各ROIについて例えばtime intensity curve(TIC)等の診断情報を作成する。ここで、テンプレートROIとは、画像上の領域を解剖学、生理学その他の学術を基準として意味のある領域に分割するために、当該画像上に設定されるものであり、一般的には、医学的に標準化された画像が用いられる。従来においては、個々に差異のある診断対象画像を、解剖学的標準化を行った画像に変形した上で、予め定義しておいた標準的なテンプレートROIをあてはめる(例えば、画像の解剖学的標準化に関しては非特許文献1、非特許文献2参照。また、ROI設定に関しては非特許文献3参照。)
なお、本願に関連する公知文献としては、例えば次のようなものがある。
なお、本願に関連する公知文献としては、例えば次のようなものがある。
Friston KJ. Spatial registration and normalization of images. Human Brain Mapping. 2,165-189,(1995)
内田佳孝他、統計学的画像診断(三次元SSP)、日本技術学会誌、第58巻12号、p1563-1572 (2002)
竹内亮、 脳核医学全自動ROI解析プログラム:三次元SRT、 日本技術学会誌、第59巻12号、p1463-1474 (2003)
しかしながら、従来のROI設定による画像分割法には、例えば次の様な問題点が存在する。
第1に、画像の変形ミスによる不具合が発生する虞がある。すなわち、診断対象画像の変形アルゴリズムや対象データの質、標準化されたデータと診断対象画像との間の違い(個人差)に起因して画像の変形ミスが発生する場合があり、これによって偽像(アーチファクト)をもたらす危険性がある。従来の画像変形手法は、SPECTやPETではある程度成功している。これは、本来の原データの空間分解能が制約されており、誤差を小さくするため、あえて空間分解能を低下させて実施しているからである。これに対し、本来の空間分解能が大きいMRIやCTなどでは、SPECTやPET以上の精度が要求されることになり、従来の画像変形による手法を採用するのは、必ずしも適切ではない。
第2に、処理コストが膨大になる可能性がある。すなわち、従来の画像変形による手法では、撮影にて取得された診断対象画像を対象とするため、空間的に非線形の変形処理が必要とされる。この非線形な変形処理は、処理コストが大きく、データ数やデータ量によっては、さらに増大する可能性がある。また、例えばMRIの場合はひとつの検査単位でも数種類のパラメータ種のデータすべてに適用する必要があるため、特にこの問題は重大である。
第3に、診断対象画像の形態変形を欲しない用途には適さない。すなわち、外科手術や放射線による治療応用など、診断対象画像の形状を変形させたくない場合には、従来の画像変形による手法は適用することができない。また、ROIの数値のみでなく、元の画像とROIを重ねた表示が必要な場合がある。変形させたデータしか保存していない場合は、逆変形をする必要があるがすでに空間分解能も劣化させた後であるなど、技術的に困難である。また、別途診断対象画像を保存しておき必要に応じて参照する構成も考えられるが、実用的ではない。
本発明は、上記事情を鑑みてなされたもので、臓器を解剖学的・機能的に意味があるように分類するためのROIを、診断対象画像に対する変形処理を行うことなく、個人差を吸収して簡便に設定することができる医用画像処理装置を提供することを目的としている。
本発明は、上記目的を達成するため、次のような手段を講じている。
本実施形態に係る医用画像処理装置は、それぞれが画像上に設定され診断画像の解析範囲を示し脳に関する複数のテンプレートROIを、それぞれ異なる第1の特徴情報と対応付けて記憶する記憶ユニットと、画像診断に用いられる脳に関する診断対象画像と、当該診断対象画像の第1の特徴情報を入力する入力ユニットと、前記診断対象画像の第1の特徴情報に対応する少なくとも一つのテンプレートROIを、前記記憶された複数のテンプレートROIから選択する選択ユニットと、前記選択された少なくとも一つのテンプレートROIを、前記診断対象画像から得られる体表、脳表、脳室、灰白質と白質との境界、支配血管領域のうちの少なくとも一つに関する情報である第2の特徴情報に基づいて変形することで、当該テンプレートROIを前記診断対象画像にマッチングさせる第1のマッチング処理を実行するマッチング処理ユニットと、前記変形された少なくとも一つのテンプレートROIと前記診断画像とを、所定の形態にて出力する出力ユニットと、を具備する。
以上本発明によれば、臓器を解剖学的・機能的に意味があるように分類するためのROIを、個人差を吸収し簡便に設定することができる医用画像処理装置を実現することができる。
以下、本発明の第1乃至第3の実施形態を図面に従って説明する。なお、以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。
なお、本発明に係る医用画像処理装置は、単体として使用される装置のほか、医用ワークステーション、医用画像参照装置、医用画像機器(例えば、磁気共鳴イメージング装置等)等に内蔵して使用することも可能である。以下の実施形態においては、説明を具体的にするため、単体として使用される医用画像処理装置を例とする。
(第1実施形態)
図1は、本実施形態に係る医用画像処理装置10のブロック構成図を示している。同図に示すように、本医用画像処理装置10は、制御部11、特徴情報抽出部13、マッチング処理部15、表示部17、送受信部18、入力部19、画像記憶部21、テンプレートROI記憶部23、位置関係記憶部25を具備している。
図1は、本実施形態に係る医用画像処理装置10のブロック構成図を示している。同図に示すように、本医用画像処理装置10は、制御部11、特徴情報抽出部13、マッチング処理部15、表示部17、送受信部18、入力部19、画像記憶部21、テンプレートROI記憶部23、位置関係記憶部25を具備している。
制御部11は、本医用画像処理装置10の動作に関する総括的な制御を行う。特に制御部11は、後述するROI変形マッチング機能等に関する制御を行う。
特徴情報抽出部13は、テンプレートROI、標準化画像、診断対象画像の各種画像に関する特徴情報を取得する。ここで、診断対象画像、標準化画像、画像に関する特徴情報とは、例えばそれぞれ次のようなものである。
診断対象画像とは、各種医用画像機器によって各種パラメータ設定にて取得された、診断に用いられる画像である。具体例としては、磁気共鳴イメージング(MRI)装置において取得されたT1強調画像、T2強調画像、拡散強調画像、X線コンピュータ断層(CT)撮影装置によって取得されたCT画像等が挙げられる。
標準化画像とは、標準的な人体構造等を示すものとして一般的に認識されている(標準化されている)画像である。具体例としては、Talairachの標準脳図譜(ボクセル size:2.25mm)がある。これは、脳のAC-PC 線と正中矢状断面を各々基準線と基準面とした座標系で各部位の三次元位置が定義されているものである。
画像に関する特徴情報(以下、単に「特徴情報」と呼ぶ。)とは、当該画像に関する特徴を表す属性、指標、数値等であり、画像情報、検査情報、患者情報に分類することができる。画像情報とは、解剖学、構造、機能(例えば、視覚野、聴覚野等)、データ処理その他の基準により、当該画像において特定され得る映像領域(撮影部位)、ランドマーク、領域、画像パラメータ種(例えばT1強調画像、T2強調画像、拡散強調画像等)、物理量等である。例えば、頭部の場合では、頭の皮膚表面、骨の輪郭、脳の表面、脳室、血管(動脈、静脈)、脳溝(シルビウス裂、中心溝)、大脳鎌、灰白質と白質、の各々の三次元位置、形状、体積(面積)、信号強度等が画像情報として定義できる。また、検査情報とは、検査目的、診断部位、使用するモダリティ、シリーズ情報等の当該検査(画像診断)に関する情報である。さらに、患者情報とは、当該患者の年齢、性別、名前(患者ID)等の当該患者に関する情報である。特徴情報は、画像の付帯情報として予め付加されているものもあれば、所定の画像処理を実行することで取得されるものもある。例えば、年齢、性別、画像パラメータ種等は付帯情報として付加される。また、テンプレートROIや診断画像の脳表面等は、所定の画像処理を実行することで取得される。
特徴情報抽出部13は、予め選択される診断部位等に基づいて、閾値処理、拡大縮小処理、輪郭追跡、各種フィルタリングなどを用いて解析し、特徴情報を抽出する。なお、後述するマッチング処理を行う場合には、テンプレートROIと診断対象画像との双方において、同一の特徴情報を取得する必要がある。
マッチング処理部15は、診断対象画像にマッチングするようにテンプレートROIを変形させるマッチング処理を実行する。このマッチング処理は、テンプレートROIと診断対象画像との画素値(又はボクセル値)そのものを比較して行う手法(直接モード)、診断対象画像に関する特徴情報を利用する手法(間接モード)、又は直接モードと間接モードとの組み合わせからなる手法等を用いて実行される。このマッチング処理の内容については、後で詳しく説明する。
表示部17は、各種医用画像機器によって取得された診断対象画像、標準化画像、テンプレートROIを所定の形態にて表示する。また、表示部17は、診断対象画像とテンプレートROIとを重畳させた形態にて表示する。
送受信部18は、ネットワークを介して各種医用画像機器によって取得された画像を受信する。また、送受信部18は、後述するマッチング処理によって得られた(変形された)テンプレートROIを、必要に応じて他の装置に送信する。
入力部19は、液晶操作パネルやキーボード、トラックボール、マウス、後述するROI変形マッチング機能を実行するための専用のI/F等の入力デバイスを備える。
画像記憶部21は、診断対象画像、標準化画像等の画像データを記憶し、また、各画像に付された患者ID及び画像IDによって管理し記憶する。
テンプレートROI記憶部23は、予め作成されたテンプレートROI、及びマッチング処理によって変形されたテンプレートROIを必要に応じて記憶する。なお、テンプレートROIは、例えば画像の種類毎(例えば、MRI装置によって取得されたT1強調画像といったような、取得した医用画像機器の各種パラメータ毎)に対応する標準化画像を用いて予め生成される。なお、テンプレートROIは、通常ボリュームデータとして記憶されており、二次元スライスでのマッチング処理においては、所定の情報に基づいて必要なテンプレートスライスとして取り出される。また、診断対象画像がマルチスライスの場合には、ボリューム(三次元)データのままでマッチング処理を行うようにしてもよい。
また、テンプレートROI記憶部23は、テンプレートROIのそれぞれ(又は、テンプレートROIのボリュームデータのそれぞれ)に関する特徴情報を記憶する。特徴情報の記憶の形態には拘泥されない。例えば、各テンプレートROIの付帯情報として記憶してもよいし、また、各テンプレートROIを対応付けて管理される独立したファイルとして記憶してもよい。
位置関係記憶部25は、マッチング処理において取得した、テンプレートROIの特徴情報と診断対象画像の特徴情報とを解析することによって得られる、画像間の位置関係を記憶する。位置関係の具体例としては、標準脳図譜上でのROI座標として重心や輪郭境界、ROI内の体積(面積)、画像値の統計量(ヒストグラム、平均値、SDやskew(非対象性の程度))、特徴情報として定義された構造物のランドマークとの位置関係等である。この位置関係は、三次元データのみでなく、脳でよく使用される撮影断面であるAC-PC 線に平行な二次元断面上でも定義することができる。また、任意の断面が指定されればその都度計算するようにしてもよい。なお、位置関係は、患者ID及び画像IDによって管理される。
(ROI変形マッチング機能による動作)
次に、ROI変形マッチング機能によって実現される本医用画像処理装置10の動作について説明する。このROI変形マッチング機能は、特徴情報に基づいて個々の診断対象画像に対応するようにテンプレートROIを変形し、これを用いて診断対象画像とのマッチングを図るものである。
次に、ROI変形マッチング機能によって実現される本医用画像処理装置10の動作について説明する。このROI変形マッチング機能は、特徴情報に基づいて個々の診断対象画像に対応するようにテンプレートROIを変形し、これを用いて診断対象画像とのマッチングを図るものである。
図2は、本ROI変形マッチング機能を説明するための概念図である。診断画像が入力されると、同図に示すように当該診断対象画像の特徴情報Dbが取得される。この診断対象画像の特徴情報Dbと、予め記憶されているテンプレートROIの特徴情報Daとを比較し、最適と判定されるテンプレートROI(例えば、該当項目が最も多いテンプレートROI)を選択する。選択されたテンプレートROIは、所定の基準に基づいて変形され、診断対象画像に対応させるためのマッチングが実行される。この変形処理の基準には、選択されたテンプレートROI及び診断対象画像の画素値、選択されたテンプレートROI及び診断対象画像の所定の特徴情報Dc(画像パラメータ種、スライス位置、サイズ情報、特徴的な物理量、マッチング閾値等)を用いる。
なお、本機能によるROI変形は、スライス軸方向(当該スライス面に対する直交方向)も含めた三次元空間的に行う場合と、スライス画像内部で二次元平面的に行う場合がある。本実施形態は、ROI変形がいずれの場合であっても適用可能である。
図3は、本医用画像処理装置10の動作において実行される各処理の流れを示したフローチャートである。同図に示すように、まず、送受信部18を介して診断対象画像、及び当該診断対象画像に関する特徴情報(例えば、患者の年齢、性別、診断部位、検査目的、T1強調画像等のパラメータ種等)が入力されると、制御部11は、例えば入力した特徴情報と該当項目が最も多いテンプレートROIを、その他の必要な情報と共に選択しテンプレートROI記憶部23から読み出す(ステップS1、2)。
なお、画像記憶部21内に選択すべきテンプレートROIや必要な情報が存在しない場合には、制御部11は、新たに各情報等を作成する。この作成においては、診断対象画像が二次元画像データである場合には、標準となるテンプレートROIは定義したスライス面と同じ面でスライスされている必要がある。また、データベースが三次元画像データ(ボリュームデータ)である場合には、同一スライス面で切り直した二次元-ROIを作成したものをテンプレートROIとする。この場合、テンプレートROIの置かれた標準脳と診断対象画像は、スライス面内のみならず、当該スライス面に対する直交方向(スライス軸方向)でも変形可能である。なお、当該スライス軸方向に関する変形処理については、第2実施形態において説明する。
二次元画像データ間でマッチング処理を行う場合、スライス軸方向の変形誤差が入る可能性がある。このため、三次元画像データ間でのマッチング処理は、より好適な処理であると言える。しかしながら、データ収集の制約上、スライス軸方向での画像枚数が制限されている場合等においては、二次元画像データ間でマッチング処理が用いられる。この二次元画像データ間でマッチング処理では、スライス軸方向での誤差は許容しなければならないが、ROI分割する際においてROIが比較的大きい場合、多少の変形差があっても、現実にはさほど問題にはならない。
また、二次元画像データ間でマッチング処理では、抽出する対象も、スライス軸方向に変動が大きい構造物は避けた方が好ましい。血流支配領域ROIでのランドマークは、二次元画像データ及び三次元画像データのいずれであっても、脳表、脳室と正中線程度で十分と考えられる。従って、スライス軸方向でも、それほど大きな個人差は発生しないと考えられる。
選択されるテンプレートROIは一枚である必要はなく、複数枚であってもよい。また、例えば、テンプレートROIに続く好ましい条件を有するものを、候補テンプレートROI候補として絞り込み、最終的な選択をユーザに実行される構成であってもよい。この様な構成により、例えばスライス軸方向に前後する数枚を候補テンプレートとすることで、テンプレートROI選択のスライス軸方向に関する微調整を行うことができる。
次に、直接モードによるマッチング処理を行う場合には、ステップS4に移行する。また、間接モードによるマッチング処理を行う場合には、診断対象画像上で、ランドマーク(特に、標準データベースの標準化された三次元画像上でも定義されている部分)を含む特徴情報の抽出を行う(ステップS3)。こうして抽出される特徴情報は、後段のマッチングのランドマークとするものであり、特徴情報抽出部13において、閾値処理、拡大縮小処理、輪郭追跡、各種フィルタリングなどの各処理を実行することにより抽出される。
なお、特に脳の場合における特徴情報抽出では、次の二点が重要である。すなわち、まず第1に、座標原点と軸を定義するための、基準となる軸や面の抽出が重要である。標準座標系の基準軸となるAC-PC線は、MRIではある程度(2-3mm)のボクセルサイズの三次元像で比較的容易に抽出できるし、MRIの二次元アキシャル画像ならあらかじめプランして平行な断面で撮影することも通常である。AC-PC 線が同定できれば、それにAC-PC 線の中点を通り、直交したサジタル断面像も取得できる。あるいは、より簡便に三次元-SSP(三次元imensional Stereotactic Surface Projections)で行われているようにはじめにサジタル断面像を三次元像でAC-PC 線は前頭極、脳梁前部下端、視床下部、後頭極を抽出してランドマークとして直線で近似して同定してもよいし、二次元サジタル断面を直接収集してから、AC-PC 線を同4つのランドマークから同定してもよい。
第2に、全体のサイズを決めるための脳の表面の抽出が重要である。MRIのT2強調画像ならCSF(Cerebral Spinal Flow)と脳表面の境界が明瞭であり、閾値と連結領域の探索でも抽出可能である。血流画像ならば骨やCSFは無信号なので脳表面が直接外側の境界となる。画像ボクセルサイズに比べ、通常はある程度大きなROIのマッチングが目的なので、境界の厳密な定義は不要であり、なめらかなスプライン関数などでの近似でよい。血管のうち動脈は三次元-TOF-MRAで得られるため、同時に境界や中心線を抽出しておく。これもマッチングが目的なので細血管までは不要で通常の三次元-TOF(Time Of Fright)-MRAで得られる主幹動脈の第2分枝程度で十分である。血管は特に内部の脳深部のROIや血流画像の支配領域毎のROIマッチングでは重要となる。
次に、抽出した特徴情報、特にランドマークに基づいて、ステップS2において選択したテンプレートROIを最適になるように変形させる、マッチング処理を実行する(ステップS4)。なお、このマッチング処理は、診断対象画像のパラメータ種、スライス位置、サイズ情報、後述するマッチング指標(Matching Index : MI)に基づいて、マッチング処理部15において実行される。また、当該マッチング処理は、テンプレートROIが二値化された画像データ(例えば、形状のみを示す画像データ)である場合と、対応するパラメータ種の画像データあるいは、テンプレートROI内パラメータ平均値を用いて定義された画像である場合とでは、厳密には処理が異なる。以下の説明においては、テンプレートROIがどのような種類の画像データであっても共通するマッチング処理の内容について説明する。
すなわち、まず、ROI変形処理が実行される(ステップS41)。このROI変形処理では、相互に接続された塊として行う段階と、個々のROI内で行う段階がある。
各段階においては、まず、線形変換であるアフィン変換により概略あわせが行われる。アフィン変換には、基準軸あわせ(translation)、サイズ変換(3軸方向のscaling)、およびshearがある。このアフィン変換においては、概略では解析的に行い、細調整では試行錯誤的に行う。線形変換の後、局所的な歪みの変形を非線形変換にて行う。非線形変換は、画像を複数の局所領域に分割して各々の領域では線形変換を行い、異なる線形変換をした領域の境界はズレが生じるため滑らかに接続する処理を付加する。また、非線形変形の別の方法としては、ROIの外周に「ばね」を数学的に定義し外周をあわせたら弾性で自然に追随して内部のROIも曲がることを応用してもよい。後者の方法は、非線形の変形が必要な場合でも、脳表面の外輪郭を合わせる程度でも内部のROI形状も追随してある程度合わせることが可能である。また、必要に応じて、前者の非線形変換による微調整と組み合わせることも可能である。
図4(a)〜図4(f)は、ROI変形処理を説明するための図である。図4(a)に示す変形前の標準化されたテンプレートROIに対して、図4(b)、図4(c)はx/y方向の線形変換(スケーリング)、図4(d)はx/y方向の線形変換(スケーリング)及び回転、図4(e)は半球側線形変換、図4(f)は非線形変換をそれぞれ施して得られる画像である。
次に、所定の評価関数によるマッチング評価指標であるMI値を算出し、これに基づいてマッチング処理の最適性を判定する(ステップS42、S43)。すなわち、マッチングの程度を表す指標 MIの大きさと、予め決められた限界値(Matching Threshold Index : MTI)であるMTI閾値との大小関係を逐次判定し、MIの大きさがMTIの大きさを越えるまでROI変形処理が繰り返し実行される。
なお、MIとしては、多様な値を選択することができ、例えば各ROI内の画像値の統計量との基準画像との比や差、ヒストグラムなら最小二乗誤差などである。なおMIを算出する場合、MRI画像の場合は相対値であり、標準化された画像の画像値とは同一の基準部位との比をとるなどして規格化して比較され、判定される。
また、別のマッチング方法としては、例えば血流支配領域など対象となるパラメータ画像に対するテンプレートROIの設定において、標準データベースに同一パラメータ種の各テンプレートROI内平均値が定義されている場合には、空間的な画像値の分布に相似性がある。そのため、標準データで各テンプレートROI内での平均値マップ、すなわちテンプレートROI内部に均一の画像値として埋め込んだ画像を作成しておき、逐次変形の都度対象画像のROIの平均値マップを作成して、相互にMIを判定する。さらに、異なるコントラストの画像マッチングの指標として、最近良く用いられている相互情報量(MI)を指標としてマッチングを行うようにしてもよい。また、全ピクセルの変形を行う直接モードを終了すれば、ROIも自動的に変形される。ランドマークを基準としたマッピングを行う間接モードでは、ランドマーク同士をマッチングすれば、ROIは補間により変形される。
次に、ステップS2において選択された全てのテンプレートROIに対してマッチング処理を実行したか否かを判定し(ステップS44)、全てに対してマッチング処理を実行した場合には、診断対象画像とテンプレートROI変形後のROIとの重畳画像を表示する(ステップS5)。また、マッチング処理未実行のテンプレートROIがある場合には、それらに対してマッチング処理を実行した後、診断対象画像とテンプレートROI変形後のROIとの重畳画像を表示する。
以上述べた構成によれば、以下の効果を得ることができる。
本医用画像処理装置によれば、個人差の大きな診断対象画像に対しては変形を行わないため、診断対象画像自体の誤差を発生させることがない。その一方で、テンプレートROIを変形させるため、仮にROIの変形や設定ミスが発生した場合であっても、本来の解剖学・生理学的分割から多少の誤差が(診断対象画像ではない)テンプレートROI内において解析された平均値やSD等の統計量の数値が多少変わるのみで、臨床的に必要なROIサイズに比べて変形誤差は小さいと考えられる。
また、本医用画像処理装置は、テンプレートROIを変形させるため、その変形処理はテンプレートROIに対応するパターンに限定される。従って、ROI以外の部分は変形が不要であり、個人差の大きな診断対象画像を画素毎に変形させる場合に比して、計算コストを小さくすることができる。特に、診断画像が複数存在する場合には、各診断画像に対する変形処理を行う必要がないので、計算コスト低減の実益は多い。また、診断対象画像は様々な種類のデータが存在する一方で、テンプレートROIのマッチングに用いるランドマークは、二値データであることが多い。そのため、従来に比して計算処理を簡単にすることができ、装置の動作負担を軽減させると共に、テンプレートROI設定全体のスループットを向上させることができる。なお、画像の画素値同士をマッチングする直接モードを用いる場合は、抽出において不要な処理は省くことが可能であるが、画素間のマッチングにおいて時間を要する。
また、本医用画像処理装置は、テンプレートROIを変形させるため、パラメータが異なる画像であっても、同一位置を撮影したものであれば、援用することも可能である。従って、操作者の作業負担を軽減させることができる。
また、本医用画像処理装置は、従来に比して変形処理を簡略化することができるため、他の装置又はシステムと簡単に対応させることができる。特に近年、血流では脳梗塞や神経内科疾患では、信頼できるエビデンスが求められている。従って、例えば、本医用画像処理装置のCAD(Computer Aided Diagnosis)への応用を実現することで、より信頼性の高い医療サービスの提供に寄与することができる。
(第2実施形態)
第1実施形態において、診断対象画像データが三次元データである程度薄い(5mm以下)スライス厚でかつ脳や臓器全体をカバーする範囲のデータがある場合には、三次元のマッチングまで行えばスライス軸方向にも精度よくマッチングされるので、第1実施形態に係る手法により十分にテンプレートROIと合致させることができる。
第1実施形態において、診断対象画像データが三次元データである程度薄い(5mm以下)スライス厚でかつ脳や臓器全体をカバーする範囲のデータがある場合には、三次元のマッチングまで行えばスライス軸方向にも精度よくマッチングされるので、第1実施形態に係る手法により十分にテンプレートROIと合致させることができる。
しかしながら、診断対象画像データがスライス軸方向に限られた二次元画像データである場合、撮影においては予め断面位置を所望の位置になるようにプランされるが、診断対象画像データとテンプレートROIデータとが、サイズの違いなどによりスライス軸方向にテンプレートデータとずれている場合もある。ここで、「スライス軸方向」とは、第一実施例でも述べたように診断対象画像及びこれと対応するテンプレートROIに直交する方向のことであり、体軸方向に平行である。具体的には診断対象画像がアキシャル断面の場合は冠状(コロナル)断面及び矢状(サジタル)断面に相当する。ここで慣例に従い頭尾(HF)方向をZ方向、左右(RL)方向をX、前後方向をYと定義する。係る場合には、診断対象画像データとテンプレートROIデータとを許容できる範囲以下に合わせる(マッチングさせる)必要がある。特に、二次元のシングルまたはマルチスライスで臓器の部分的にしか網羅していない場合、三次元でのマッチングは困難である。
そこで、本第2実施形態では、スライス軸方向に関するマッチング処理を行う医用画像処理装置について説明する。このスライス軸方向に関するマッチング処理は、例えば単独の処理として、又は第1実施形態に係る診断対象画像とテンプレートROIとのマッチング処理の前処理として実行される。
なお、本実施形態に係るマッチング処理では、スライス軸方向に平行な断層像や投影像を基準画像として利用する。この様な基準画像は、MRI像では診断対象画像がアキシャル断面である場合にはコロナルやサジタル断面として、CTではスキャノグラム(位置決め画像)などの投影像として収集され、それらは次にとりたい断面をプランするのにほとんどの場合使用される。従って、本マッチング処理において用いられる基準画像は、改めて収集する必要はない。
図5は、本実施形態に係るマッチング処理の概念を説明するための図である。同図に示すように、診断対象画像がアキシャル断面である場合、診断対象(例えば、脳)のX(RL)方向中心で撮像した診断対象サジタル断面(正中断)をプランに用いる。また、テンプレートデータから、診断対象画像(アキシャル断面)と直交するテンプレートサジタル断面を抽出する。抽出された当該テンプレートサジタル断面と診断対象サジタル断面とのマッチング処理を行った後、診断対象画像に対応するテンプレートROIを抽出する。すなわち、診断対象画像のサジタル像上でのスライス軸方向(HF方向)の位置は既知なので、診断対象画像データとテンプレートデータ間で、サジタル像同士の二次元マッチングを行えば、テンプレートデータ上で診断対象画像と対応するテンプレートROIを抽出することができる。
なお、両者でスライス軸方向の断面位置がほぼ一致しているとすれば、テンプレートデータ全体を変形させる必要はなく、スライス軸方向のテンプレートデータと診断対象画像データとの対応関係を求めて対応するスライスを抽出すればよい。スライス軸方向のマッチング方法としては、脳のスライス軸方向の大きさを相互に抽出して、非線形変換でもよいが、線形変換でのマッチングでも十分である。線形変換の場合は、テンプレートデータと対象データで、スライス軸方向をZ’, Z、および脳の大きさをD’, Dとすると、Z’,Zの原点O’, Oをまずあわせてから、Z’=(D’/D)*Zにより換算される。その後、対象データの各スライスのスライス軸方向の位置(Z位置)からテンプレートデータの同一Z位置のスライスを同一スライス厚で抽出すればよい。
次に、本実施形態に係る医用画像処理装置の動作について説明する。
図6は、本医用画像処理装置10の動作において実行される各処理の流れを示したフローチャートである。なお、以下説明を具体的にするため、診断対象画像は脳に関するアキシャル画像であるものとする。
図6に示すように、まず、送受信部18を介して診断対象画像、及び当該診断対象画像に関する特徴情報(例えば、患者の年齢、性別、診断部位、検査目的、T1強調画像等のパラメータ種等)が入力されると、制御部11は、例えば入力した特徴情報と該当項目が最も多いテンプレートROIを、その他の必要な情報と共に選択しテンプレートROI記憶部23から読み出す(ステップS11、12)。
次に、制御部11は、診断対象画像データからスライス軸方向に平行な診断対象サジタル画像を抽出すると共に、テンプレートデータからスライス軸方向に平行なテンプレートサジタル画像を抽出する(ステップS13)。
次に、診断対象サジタル画像との間において直接モードによるマッチング処理を行う場合には、ステップS15に移行する。また、間接モードによるマッチング処理を行う場合には、診断対象サジタル画像上で、ランドマーク(特に、標準データベースの標準化された三次元画像上でも定義されている部分)を含む特徴の抽出を行う(ステップS14)。
次に、抽出した特徴情報、特にランドマークに基づいて、スライス軸方向に関して、ステップS14において抽出されたテンプレートサジタル画像のスケールを診断対象サジタル画像に合致させるマッチング処理を実行する(ステップS15)。マッチング処理後のテンプレートサジタル画像は、必要に応じて診断対象サジタル画像と重畳表示され(ステップS16)、診断対象画像に対応するテンプレートROIが選択され(ステップS17)、例えば第1実施形態において述べた手法によるマッチング処理が実行される。
以上述べた構成によれば、スライス軸方向に平行な画像を用いて、診断対象画像データとテンプレートROIデータとの間のスライス軸方向に関する位置合わせを行うことができる。その結果、診断対象画像データとテンプレートROIデータとが、サイズの違いなどによりスライス軸方向にテンプレートデータとずれている場合であっても、第1実施形態と同様の効果を得ることができる。
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。具体的な変形例としては、例えば次のようなものがある。
(1)本実施形態に係る各機能は、当該処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに当該手法を実行させることのできるプログラムは、磁気ディスク(フロッピー(登録商標)ディスク、ハードディスクなど)、光ディスク(CD−ROM、DVDなど)、半導体メモリなどの記録媒体に格納して頒布することも可能である。
(2)各実施形態において、マッチング処理に用いるテンプレートROIのボリュームデータは、段階的に選択されるようにしてもよい。例えば、診断対象画像に「30代、男性、脳診断、T1強調画像」という特徴情報が付加されており、当該特徴情報を有するテンプレートROIボリュームデータが複数存在する場合を想定する。係る場合、マッチング処理部15は、該当する複数のテンプレートROIボリュームデータを全て読み出し、所定の画面を介してユーザに提示する。ユーザは、提示された複数のテンプレートROIボリュームデータの他の特徴情報やテンプレートROIそのものの視認に基づいて、所望のデータを選択するようにしてもよい。
(3)また、例えば、各実施形態において、テンプレートROIのボリュームデータからの最適テンプレートROIの選択についても、段階的に実行されるようにしてもよい。すなわち、例えば診断画像の所定の特徴情報(例えば、骨の輪郭、脳表面、規格化された所定の物理量等)を取得し、これと同一又は近い値を持つ複数のテンプレートROIを所定の画面を介してユーザに提示する。ユーザは、提示された各テンプレートROIそのものや各データの特徴情報を検討することで、所望のデータを選択するようにしてもよい。
(4)上記各実施形態では、テンプレートROIのボリュームデータから、特徴情報に基づいて該当するテンプレートROIを選択する場合を例とした。しかしながら、これに拘泥されず、二次元画像としての複数のテンプレートROIから特徴情報に基づいて該当するテンプレートROIを選択し、既述のROI変形マッチング処理を実行するようにしてもよい。この場合、用途に応じて、アキシャル画像用、サジタル画像用、コロナル画像用の少なくともいずれかのテンプレートROIが準備されることになる。
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
以上本発明によれば、臓器を解剖学的・機能的に意味があるように分類するためのROIを、診断対象画像に対する変形処理を行うことなく、個人差を吸収して簡便に設定することができる医用画像処理装置を実現することができる。
10…医用画像参照装置、11…制御部、13…特徴量抽出部、15…マッチング処理部、17…表示部、19…入力部、21…画像記憶部、23…テンプレートROI記憶部、25…位置関係記憶部
Claims (1)
- それぞれが画像上に設定され診断画像の解析範囲を示し脳に関する複数のテンプレートROIを、それぞれ異なる第1の特徴情報と対応付けて記憶する記憶ユニットと、
画像診断に用いられる脳に関する診断対象画像と、当該診断対象画像の第1の特徴情報を入力する入力ユニットと、
前記診断対象画像の第1の特徴情報に対応する少なくとも一つのテンプレートROIを、前記記憶された複数のテンプレートROIから選択する選択ユニットと、
前記選択された少なくとも一つのテンプレートROIを、前記診断対象画像から得られる体表、脳表、脳室、灰白質と白質との境界、支配血管領域のうちの少なくとも一つに関する情報である第2の特徴情報に基づいて変形することで、当該テンプレートROIを前記診断対象画像にマッチングさせる第1のマッチング処理を実行するマッチング処理ユニットと、
前記変形された少なくとも一つのテンプレートROIと前記診断画像とを、所定の形態にて出力する出力ユニットと、
を具備することを特徴とする医用画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013134150A JP2013198763A (ja) | 2005-04-15 | 2013-06-26 | 医用画像処理装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005118770 | 2005-04-15 | ||
JP2005118770 | 2005-04-15 | ||
JP2013134150A JP2013198763A (ja) | 2005-04-15 | 2013-06-26 | 医用画像処理装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006113699A Division JP5366356B2 (ja) | 2005-04-15 | 2006-04-17 | 医用画像処理装置及び医用画像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013198763A true JP2013198763A (ja) | 2013-10-03 |
Family
ID=37108524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013134150A Pending JP2013198763A (ja) | 2005-04-15 | 2013-06-26 | 医用画像処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7903849B2 (ja) |
JP (1) | JP2013198763A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017162313A (ja) * | 2016-03-10 | 2017-09-14 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP2018512956A (ja) * | 2015-04-23 | 2018-05-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 解剖学的構造のモデルベースのセグメント化 |
JP2019500110A (ja) * | 2015-12-18 | 2019-01-10 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 |
WO2019044078A1 (ja) * | 2017-08-28 | 2019-03-07 | 富士フイルム株式会社 | 脳画像正規化装置、方法およびプログラム |
JP2019194906A (ja) * | 2014-03-28 | 2019-11-07 | ハートフロー, インコーポレイテッド | データ及びモデルを用いた画像再構成ならびに補正のためのシステム及び方法 |
JP2019213784A (ja) * | 2018-06-14 | 2019-12-19 | 社会福祉法人 恩賜財団済生会熊本病院 | 治療方針決定支援装置、治療方針決定支援装置の作動方法、および治療方針決定支援プログラム |
US11992305B2 (en) | 2020-08-31 | 2024-05-28 | Fujifilm Healthcare Corporation | Magnetic resonance imaging apparatus that deforms a morphology image to coincide with a function image, image processing apparatus, and image processing method |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450983B2 (en) * | 2003-03-18 | 2008-11-11 | University Of Cincinnati | Automated brain MRI and CT prescriptions in Talairach space |
GB2450073B (en) * | 2006-08-25 | 2009-11-04 | Siemens Molecular Imaging Ltd | Regional reconstruction of spatially distributed functions |
EP1990768A1 (en) * | 2007-05-11 | 2008-11-12 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for analysing an image of the brain of a subject, computer program product for analysing such image and apparatus for implementing the method |
WO2009003128A2 (en) * | 2007-06-26 | 2008-12-31 | University Of Rochester | Method and system for detecting lung tumors and nodules |
US10916043B2 (en) * | 2007-11-26 | 2021-02-09 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Apparatus, method and computer program for generating a template for arranging at least one object at at least one place |
CN101896942B (zh) * | 2007-12-14 | 2014-09-10 | 皇家飞利浦电子股份有限公司 | 脑图像数据的图像分析 |
WO2009080866A1 (en) * | 2007-12-20 | 2009-07-02 | Palodex Group Oy | Method and arrangement for medical imaging |
CN101464951B (zh) * | 2007-12-21 | 2012-05-30 | 北大方正集团有限公司 | 图像识别方法及系统 |
DE102008032006B4 (de) * | 2008-07-07 | 2017-01-05 | Siemens Healthcare Gmbh | Verfahren zur Steurung der Bildaufnahme bei einer Bildaufnahmeeinrichtung, sowie eine Bildaufnahmeeinrichtung |
GB0822605D0 (en) * | 2008-12-11 | 2009-01-21 | Pneumacare Ltd | Method and apparatus for monitoring an object |
JP5415772B2 (ja) * | 2009-01-07 | 2014-02-12 | 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 | 正中面決定装置および磁気共鳴イメージング装置 |
BRPI1005358A2 (pt) * | 2009-01-30 | 2019-09-24 | Koninl Philips Electronics Nv | sistema para exibir as informações de ventilação pulmonar, método para exibir as informações de ventilação pulmonar e produto de programa de computador |
CN102414716B (zh) * | 2009-04-28 | 2014-08-20 | 皇家飞利浦电子股份有限公司 | 显微剖切方法和信息处理系统 |
JP4824146B1 (ja) * | 2010-06-02 | 2011-11-30 | オリンパスメディカルシステムズ株式会社 | 医療機器および医療機器の制御方法 |
JP5755734B2 (ja) * | 2010-06-16 | 2015-07-29 | エーツー・サージカル | 骨の3d医用画像から幾何学的要素を自動的に判定する方法およびシステム |
US9070212B2 (en) * | 2010-07-15 | 2015-06-30 | Hitachi Medical Corporation | Medical imaging apparatus and imaging slice determination method |
US20120051610A1 (en) * | 2010-08-27 | 2012-03-01 | Gopal Biligeri Avinash | System and method for analyzing and visualizing local clinical features |
US8934685B2 (en) * | 2010-09-21 | 2015-01-13 | General Electric Company | System and method for analyzing and visualizing local clinical features |
CN102548482B (zh) * | 2010-10-07 | 2015-04-08 | 株式会社东芝 | 医用图像处理装置 |
US8768029B2 (en) * | 2010-10-20 | 2014-07-01 | Medtronic Navigation, Inc. | Selected image acquisition technique to optimize patient model construction |
GB2495150B (en) * | 2011-09-30 | 2015-07-01 | Mirada Medical | Method and system of defining a region of interest on medical scan images |
JP2015510408A (ja) * | 2011-12-30 | 2015-04-09 | ザ・ジョンズ・ホプキンス・ユニバーシティー | バイオイメージンググリッド |
JP5745444B2 (ja) | 2012-03-05 | 2015-07-08 | 富士フイルム株式会社 | 医用画像表示装置および医用画像表示方法、並びに、医用画像表示プログラム |
US9275432B2 (en) * | 2013-11-11 | 2016-03-01 | Toshiba Medical Systems Corporation | Method of, and apparatus for, registration of medical images |
JP6293619B2 (ja) * | 2014-08-28 | 2018-03-14 | 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 | 画像処理方法および装置並びにプログラム |
EP2989988B1 (en) * | 2014-08-29 | 2017-10-04 | Samsung Medison Co., Ltd. | Ultrasound image display apparatus and method of displaying ultrasound image |
US9530206B2 (en) * | 2015-03-31 | 2016-12-27 | Sony Corporation | Automatic 3D segmentation and cortical surfaces reconstruction from T1 MRI |
US9962086B2 (en) * | 2015-03-31 | 2018-05-08 | Toshiba Medical Systems Corporation | Medical image data processing apparatus and method for determining the presence of an abnormality |
KR102531117B1 (ko) * | 2015-10-07 | 2023-05-10 | 삼성메디슨 주식회사 | 대상체를 나타내는 영상을 디스플레이하는 방법 및 장치. |
US11564748B2 (en) * | 2015-12-29 | 2023-01-31 | Koninklijke Philips N.V. | Registration of a surgical image acquisition device using contour signatures |
US20190019304A1 (en) * | 2017-07-11 | 2019-01-17 | Fujifilm Corporation | Medical image processing apparatus, method, and program |
CN107527359B (zh) * | 2017-08-07 | 2020-04-10 | 东软医疗系统股份有限公司 | 一种pet图像重建方法及pet成像设备 |
JP6739658B2 (ja) * | 2017-08-28 | 2020-08-12 | 富士フイルム株式会社 | 医用画像処理装置、方法およびプログラム |
CN107564053B (zh) * | 2017-08-28 | 2020-06-09 | 海信集团有限公司 | 一种应用于道路场景下的视差值修正方法及装置 |
WO2019070764A1 (en) * | 2017-10-03 | 2019-04-11 | Mint Labs Inc. | MONITORING AND SEGMENTATION OF FIBER |
CN116777901A (zh) | 2017-12-29 | 2023-09-19 | 上海联影医疗科技股份有限公司 | 一种用于医学成像中的生成对象的三维模型的系统 |
WO2019127385A1 (en) | 2017-12-29 | 2019-07-04 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for patient positioning |
US10831854B2 (en) * | 2018-03-08 | 2020-11-10 | International Business Machines Corporation | Web-based medical image viewer with web database |
CN110825773B (zh) * | 2019-10-31 | 2022-09-27 | 望海康信(北京)科技股份公司 | 信息校验方法、装置、计算机设备及存储介质 |
CN111986242B (zh) * | 2020-07-28 | 2023-07-18 | 沈阳东软智能医疗科技研究院有限公司 | 脑组织分区的确定方法、装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002253539A (ja) * | 2001-03-05 | 2002-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 医用画像識別システム,医用画像識別処理方法,医用画像識別用プログラムおよびその記録媒体 |
JP2005095340A (ja) * | 2003-09-24 | 2005-04-14 | Toshiba Corp | 血流解析装置及び血流解析方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678399B2 (en) * | 2001-11-23 | 2004-01-13 | University Of Chicago | Subtraction technique for computerized detection of small lung nodules in computer tomography images |
JP4493408B2 (ja) * | 2003-06-06 | 2010-06-30 | 富士フイルム株式会社 | 画像読影支援方法及び装置並びにプログラム |
JP2005197792A (ja) * | 2003-12-26 | 2005-07-21 | Canon Inc | 画像処理方法、画像処理装置、プログラム、記憶媒体及び画像処理システム |
-
2006
- 2006-04-14 US US11/404,014 patent/US7903849B2/en not_active Expired - Fee Related
-
2013
- 2013-06-26 JP JP2013134150A patent/JP2013198763A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002253539A (ja) * | 2001-03-05 | 2002-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 医用画像識別システム,医用画像識別処理方法,医用画像識別用プログラムおよびその記録媒体 |
JP2005095340A (ja) * | 2003-09-24 | 2005-04-14 | Toshiba Corp | 血流解析装置及び血流解析方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019194906A (ja) * | 2014-03-28 | 2019-11-07 | ハートフロー, インコーポレイテッド | データ及びモデルを用いた画像再構成ならびに補正のためのシステム及び方法 |
JP2018512956A (ja) * | 2015-04-23 | 2018-05-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 解剖学的構造のモデルベースのセグメント化 |
US11200664B2 (en) | 2015-12-18 | 2021-12-14 | The Regents Of The University Of California | Interpretation and quantification of emergency features on head computed tomography |
JP2019500110A (ja) * | 2015-12-18 | 2019-01-10 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 |
JP7110098B2 (ja) | 2015-12-18 | 2022-08-01 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 |
US11810296B2 (en) | 2015-12-18 | 2023-11-07 | The Regents Of The University Of California | Interpretation and quantification of emergency features on head computed tomography |
WO2017154417A1 (ja) * | 2016-03-10 | 2017-09-14 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US10713763B2 (en) | 2016-03-10 | 2020-07-14 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
JP2017162313A (ja) * | 2016-03-10 | 2017-09-14 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2019044078A1 (ja) * | 2017-08-28 | 2019-03-07 | 富士フイルム株式会社 | 脳画像正規化装置、方法およびプログラム |
JPWO2019044078A1 (ja) * | 2017-08-28 | 2020-05-28 | 富士フイルム株式会社 | 脳画像正規化装置、方法およびプログラム |
US11257227B2 (en) | 2017-08-28 | 2022-02-22 | Fujifilm Corporation | Brain image normalization apparatus, brain image normalization method, and brain image normalization program |
JP2019213784A (ja) * | 2018-06-14 | 2019-12-19 | 社会福祉法人 恩賜財団済生会熊本病院 | 治療方針決定支援装置、治療方針決定支援装置の作動方法、および治療方針決定支援プログラム |
JP7158904B2 (ja) | 2018-06-14 | 2022-10-24 | 社会福祉法人 恩賜財団済生会熊本病院 | 治療方針決定支援装置、治療方針決定支援装置の作動方法、および治療方針決定支援プログラム |
US11992305B2 (en) | 2020-08-31 | 2024-05-28 | Fujifilm Healthcare Corporation | Magnetic resonance imaging apparatus that deforms a morphology image to coincide with a function image, image processing apparatus, and image processing method |
Also Published As
Publication number | Publication date |
---|---|
US7903849B2 (en) | 2011-03-08 |
US20060233430A1 (en) | 2006-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5366356B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP2013198763A (ja) | 医用画像処理装置 | |
El-Gamal et al. | Current trends in medical image registration and fusion | |
US7286866B2 (en) | Method, system and computer product for cardiac interventional procedure planning | |
JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
US8019142B2 (en) | Superimposing brain atlas images and brain images with delineation of infarct and penumbra for stroke diagnosis | |
US8903147B2 (en) | Medical report generation apparatus, method and program | |
Codari et al. | Computer-aided cephalometric landmark annotation for CBCT data | |
US8611989B2 (en) | Multi-planar reconstruction lumen imaging method and apparatus | |
US8041088B2 (en) | Brain image alignment method and system | |
CN106709920B (zh) | 血管提取方法及其装置 | |
US11580642B2 (en) | Disease region extraction apparatus, disease region extraction method, and disease region extraction program | |
US10910101B2 (en) | Image diagnosis support apparatus, image diagnosis support method, and image diagnosis support program | |
CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
CN115311191A (zh) | 使用深度学习估计的扫描方案遮罩来生成三维解剖结构扫描的重新格式化视图 | |
JP2006158791A (ja) | 頭蓋内容積および局所脳構造物解析プログラム、記録媒体および頭蓋内容積および局所脳構造物解析方法 | |
JP6705528B2 (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
Memiş et al. | Computerized 2D detection of the multiform femoral heads in magnetic resonance imaging (MRI) sections with the integro-differential operator | |
Zhou et al. | Clinical validation of an AI-based motion correction reconstruction algorithm in cerebral CT | |
US20210210206A1 (en) | Medical image diagnosis support device, method, and program | |
Smith et al. | Automated measurement of skull circumference, cranial index, and braincase volume from pediatric computed tomography | |
CN114841996A (zh) | 一种图像分析系统及方法 | |
Faliagka et al. | Registration and fusion techniques for medical images: Demonstration and evaluation | |
Faliagka et al. | Diagnosis-a global alignment and fusion medical system | |
US12033366B2 (en) | Matching apparatus, matching method, and matching program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140509 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140513 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20140930 |