JP2014061072A - 画像処理装置および方法ならびにプログラム - Google Patents

画像処理装置および方法ならびにプログラム Download PDF

Info

Publication number
JP2014061072A
JP2014061072A JP2012207155A JP2012207155A JP2014061072A JP 2014061072 A JP2014061072 A JP 2014061072A JP 2012207155 A JP2012207155 A JP 2012207155A JP 2012207155 A JP2012207155 A JP 2012207155A JP 2014061072 A JP2014061072 A JP 2014061072A
Authority
JP
Japan
Prior art keywords
nodes
edge
graph structure
graph
structures
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
JP2012207155A
Other languages
English (en)
Other versions
JP5833994B2 (ja
Inventor
Satoshi Ihara
聡志 井原
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 JP2012207155A priority Critical patent/JP5833994B2/ja
Priority to PCT/JP2013/005294 priority patent/WO2014045539A1/ja
Publication of JP2014061072A publication Critical patent/JP2014061072A/ja
Priority to US14/657,619 priority patent/US9355458B2/en
Application granted granted Critical
Publication of JP5833994B2 publication Critical patent/JP5833994B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • 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
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Graphics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Computer Hardware Design (AREA)
  • Remote Sensing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

【課題】複数の線状構造物を含む医用画像データから、複数の線状構造物にそれぞれ対応する複数のグラフ構造を精度よく生成する。
【解決手段】複数の線状構造物を表す複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の線状構造物の起始部を表す複数の根ノードを互いに結ぶ経路を検出し、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定し、設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成する。
【選択図】図１

Description

本発明は、画像データから検出した特定の構造物をグラフ構造として構築する画像処理装置および方法ならびにプログラムに関するものである。特に、近接して位置する複数の特定の構造物、例えば肝臓の門脈と肝静脈のように互いの血管の枝同士が近い位置を絡み合うように走行している構造物に対して構造物ごとに個々にグラフ構造を構築する画像処理装置および方法ならびにプログラムに関する。
肝臓・肺などの臓器において患部を切除する手術を行う際には、例えば肝臓の場合、肝臓のＸ線ＣＴ画像から血管や肝臓実質、腫瘍部分を抽出し、抽出された血管の芯線の位置や血管径等に基づいて、抽出された腫瘍がどの血管の支配領域に属するかを特定することによって腫瘍に栄養を供給する血管を特定し、その血管の支配領域を切除すべき部分として適切に決定することが求められる。肝臓の切除手術においては、腫瘍に栄養を送っている門脈の部分と、その門脈の部分によって支配される、がん細胞などの注意すべき物質が送られている可能性のある領域を、肝機能を維持できる範囲で適切に切除するためである。このため、術前にどこを切除部位とすべきか綿密にシミュレートすることが重要であり、このシミュレートのために肺や肝臓を走行する血管の中心経路を精度よく抽出することが必要とされている。
ここで、ＣＴ等で得られた３次元医用画像から気管支等の線状構造を抽出する画像認識技術として、特許文献１および２に示すように、ヘッセ行列を用いた手法が提案されている。
特許文献１の手法によれば、まず、３次元医用画像に対して多重解像度変換を行った後、各解像度の画像に対してヘッセ行列の固有値解析を行い、線状構造要素を抽出する。この線状構造要素は、固有値解析によって得られる３つの固有値のうち１つだけが０に近いという特徴を有する。次に、各解像度の画像における解析結果を統合することによって、３次元医用画像中の様々なサイズの線状構造要素（血管）を抽出する。そして、最小全域木アルゴリズム等を用いて、抽出された各線状構造要素を連結することにより、３次元医用画像中の管状構造を表す木構造のデータが得られる。なお、最小全域木アルゴリズムによる線状構造要素の連結の際には、各線状構造要素の位置関係や、上記０に近い固有値に対応する固有ベクトルで表される、各線状構造要素の主軸方向に基づいたコスト関数が用いられる（特許文献１）。
また、特許文献２の手法によれば、３次元医用画像から線状構造物の候補領域を抽出し、抽出された線状構造物の候補領域に含まれる候補点から、所定の設定形状に最も一致する形状モデルを形成するように、グラフマッチング手法を用いて代表点を選択する。そして、例えば、候補点に基づいて生成したグラフ構造を、代表点に基づいて生成した形状モデルと一致するように修正することにより、精度よくグラフ構造を生成することが可能である。
特開２０１０−２２０７４２号公報 特開２０１１−９８１９５号公報
しかし、肝臓の門脈と肝静脈のように、枝分かれ回数が多く、各血管の枝同士が近い位置を絡み合うように走行している構造物では、特許文献１と同様の手法により門脈などの血管を抽出しようとすると、別の血管である肝静脈の枝を門脈の枝として誤って抽出してしまうことがある。
また、特許文献２の手法によれば、設定形状に規定された主要な血管については精度よく抽出可能であるが、例えば、主要な血管から分岐して伸びる細い血管部分など、設定形状に規定されない血管のその他の部分についても、誤った枝を接続することなくグラフ構造を生成することが好ましい。
門脈の枝や肺血管の枝は、起始部から分岐を繰り返しながら離れる方向に広がって延びるという他の血管とは異なる幾何学的な特徴を有する。本発明においては、この特徴を利用して、起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を正確に抽出する画像処理装置および方法ならびにプログラムを提供することを目的とするものである。
本発明による画像処理装置は、それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するグラフ構造生成部を備え、グラフ構造生成部は、医用画像データに基づいて、複数の線状構造物を定義するための複数のノードを抽出するノード抽出部と、抽出された複数のノードから複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出する根ノード抽出部と、複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の根ノードを互いに結ぶ経路を検出する経路検出部と、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定するコスト設定部とを備え、複数のノードと設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成することを特徴とするものである。
本発明による画像処理方法は、上記画像処理装置における画像処理方法であって、それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するグラフ構造生成ステップを有し、かかるグラフ構造生成ステップは、医用画像データに基づいて、複数の線状構造物を定義するための複数のノードを抽出するノード抽出ステップと、抽出された複数のノードから複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出する根ノード抽出ステップと、複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の根ノードを互いに結ぶ経路を検出する経路検出ステップと、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定するコスト設定ステップを有し、複数のノードと設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成することを特徴とするものである。
本発明による画像処理プログラムは、コンピュータに上記方法を実行させることを特徴とするものである。
ここで、上記「線状構造物」とは、ノード（節点）とそれを結ぶエッジ（辺）とによりグラフ構造として形状モデル化可能なオブジェクトであるとともに、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる構造物であれば何でもよい。例えば、「線状構造物」は、肺または肝臓の血管であってよく、例えば、肺における肺動脈、肺静脈、肝臓における門脈、冠動脈、肝静脈などが考えられる。
また、医用画像データとは、たとえばＣＴ、ＭＲ、超音波装置、ＰＥＴ―ＣＴ、ＳＰＥＣＴ、４Ｄ-ＣＴ、ＯＣＴ、Ｘ線撮影装置（ＣＲ、ＤＲ）により撮像された医用画像データであってもよいし、たとえばボリュームデータ等の３次元画像データであってもよい。
本発明にかかる情報処理装置において、グラフ構造生成部は、「複数のグラフ構造を生成する」ために、設定された接続コストに基づいて、誤接続エッジが接続されにくくなるように、グラフ構造を生成するものであれば、任意のグラフ構造生成方法を用いることができる。例えば、グラフ構造生成部は、複数のノードに基づいて複数の線状構造物に対応する仮のグラフ構造を生成し、２つの根ノードを互いに結ぶ経路ごとに、設定された接続コストに基づいて、仮のグラフ構造に含まれる誤接続エッジを判別し、判別された誤接続エッジを切断することにより、仮のグラフ構造から複数のグラフ構造を生成することが好ましい。また、グラフ構造生成部は、設定された接続コストに、さらなる観点に基づく別の接続コストを組み合わせて用いてもよい。
本発明において、「経路検出用グラフ構造を作成する」ために、２つの根ノードを互いに結ぶ経路を抽出可能な任意の手法を用いることができる。例えば、経路検出用グラフ構造は、複数の根ノードのうちの１つの根ノードを始点とする木構造であってよい。この場合には、ダイクストラ法など１つの根ノードから木構造を生成する任意のアルゴリズムを適用して、複数の根ノードのうちの任意の１つの根ノードを始点として経路検出用の木構造を作成し、経路検出用の木構造に含まれる各経路のうち、始点とした根ノードと、この始点とした根ノードとは別の根ノードを含む経路を経路として抽出することが考えられる。
本発明にかかる情報処理装置において、経路は、複数の根ノードから選択される２つの根ノードを互いに結ぶ最短経路であることが好ましい。
なお、本発明にかかる情報処理装置において、コスト設定部は、異なる線状構造物にそれぞれ対応するノードを誤って接続した誤接続エッジの特徴を表すものであれば、任意の条件に基づいて、各エッジに対して接続コストの設定を行ってよい。例えば、コスト設定部は、経路を構成する各エッジに、２つの根ノードからの距離が大きくなるほどそのエッジが接続されにくくなるように接続コストを設定することが好ましい。
上記「２つの根ノードからの距離が大きくなるほどそのエッジが接続されにくくなる」とは、２つの根ノードからの距離が大きくなるほどそのエッジが接続されにくくなる任意のコストの設定手法を用いることができる。例えば、２つの根ノードのそれぞれとエッジとの距離の和に線形に比例するようにコストを設定してもよく、２つの根ノードのそれぞれとエッジとの距離の和の所定の範囲ごとに段階的に所定の値をとるようにコストを設定してもよい。また、各根ノードとエッジの距離を、エッジの位置を代表できる点と根ノードとの距離として任意に規定でき、例えば、エッジの一方の端点（またはエッジの中点）と根ノードとの距離を、根ノードとエッジとの距離とすることができる。また、２つの根ノードごとに、エッジの代表点（各根ノードとエッジの距離を算出するために用いる点）を異ならせてもよい。
また、コスト設定部は、医用画像データに基づいて、経路を構成する各エッジに対応する線状構造物の太さを取得し、経路を構成する各エッジに、各エッジに対応する太さが細くなるほどそのエッジが接続されにくくなるように接続コストを設定してもよい。
上記「エッジに対応する太さが細くなるほどが大きくなるほどそのエッジが接続されにくくなる」とは、各エッジに対応する太さが細くなるほどそのエッジが接続されにくくなる任意のコストの設定手法を用いることができる。例えば、各エッジの太さに線形に比例するようにコストを設定してもよく、各エッジの太さの所定の範囲ごとに段階的に所定の値をとるようにコストを設定してもよい。また、エッジに対応する太さとして、エッジに対応する線状構造物の太さを代表する任意の値を用いることができ、例えば、エッジに対応する線状構造物の太さの平均値を用いることができる。
また、コスト設定部は、経路を構成する各エッジに、各エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルのなす角が小さくなるほどそのエッジが接続されにくくなるように接続コストを設定してもよい。
上記「エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルのなす角が小さくなるほどそのエッジが接続されにくくなる」とは、エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルのなす角が小さくなるほどそのエッジが接続されにくくなる任意のコストの設定手法を用いることができる。例えば、エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルの内積に線形に比例するようにコストを設定してもよく、エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルの内積の値の所定の範囲ごとに段階的に所定の値をとるようにコストを設定してもよい。また、「エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトル」とは、エッジから（エッジを代表する任意の点から）、２つの根ノードのそれぞれに直線的に向かう２つの方向ベクトルだけでなく、エッジから（エッジを代表する任意の点から）、そのエッジよりも一方の根ノードの側に位置する経路上の所定の点と、そのエッジよりも他方の根ノードの側に位置する経路上の所定の点にそれぞれ向かう２つの方向ベクトルも含む。
上記画像処理装置において、複数の根ノードは任意の方法により抽出されたものであってよい、例えば、マウス等の入力装置によるユーザのマニュアル操作により表示画面上で線状構造物の起始部を指定し、かかる指定された座標に基づいてその座標値に対応するノードを線状構造物の根ノードとして特定してもよく、複数の根ノードを種々の方法により自動的に抽出して特定してもよい。例えば、根ノード検出部は、根ノードを検出するために、複数の線状構造を表す所定形状と、仮のグラフ構造とをグラフマッチング手法を用いて比較することにより、複数のノードから複数の根ノードを検出することが好ましい。
本発明の画像処理装置および方法ならびにプログラムによれば、複数の線状構造物を表す複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の線状構造物の起始部を表す複数の根ノードを互いに結ぶ経路を検出し、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定し、設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成するため、誤接続エッジが、上記経路検出用グラフ構造を生成した場合に複数の根ノードを互いに結ぶ経路を構成するエッジに含まれているという特徴と、異なる線状構造物にそれぞれ対応するノードを誤って接続した誤接続エッジのさらなる特徴を表す所定の条件を利用して、誤接続エッジが接続されることを抑制して複数のグラフ構造を生成できる。このため、複数の構造物が互いに近接した部分においても誤って互いのノードが接続されることを抑制し、効率よく且つ正確に複数のグラフ構造を作成することができる。
本発明の一実施形態に係る画像処理装置の機能ブロック図 本発明の一実施形態に係る肝臓の門脈および肝静脈を表す仮のグラフ構造を生成する処理を説明する図 本発明の一実施形態に係る根ノード検出処理を説明する図 本発明の一実施形態に係るグラフ構造生成方法を説明する図（その１） 本発明の一実施形態に係るグラフ構造生成方法を説明する図（その２） 本発明の一実施形態に係るグラフ構造生成方法を説明する図（その３） 本発明の一実施形態に係るグラフ構造生成方法を説明する図（その４） 本発明の一実施形態に係る画像処理方法の処理の流れを示すフローチャート 本発明の一実施形態に係る各ノード間のコスト設定方法を説明する図 本発明の一実施形態に係る画像処理方法により生成された第１および第２のグラフ構造に基づいて表示された肝臓の門脈と肝静脈を表すイメージ図
以下、図面を参照して本発明の画像処理装置の実施の形態を詳細に説明する。図１は本発明の第１の実施形態となる画像処理装置１の概略構成図である。画像処理装置１は、それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データから、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成するものである。なお、図１のような画像処理装置１の構成は、補助記憶装置に読み込まれた画像処理プログラムをコンピュータ上で実行することにより実現される。このとき、この画像処理プログラムは、ＣＤ−ＲＯＭ等の記憶媒体に記憶され、もしくはインターネット等のネットワークを介して配布され、コンピュータにインストールされる。図１の画像処理装置１は、肝臓における門脈および肺静脈等の線状構造物を表す画像データから門脈（第１の線状構造物）および肺静脈（第２の線状構造物）を表すグラフ構造をそれぞれ作成するものであって、構造物領域検出部１１と、グラフ構造生成部１２と、表示制御部１７とを備えている。また、グラフ構造生成部１２は、ノード抽出部１３、根ノード抽出部１４、経路検出部１５、コスト設定部１６を備えている。また、本実施形態における画像処理プログラムがインストールされたコンピュータは、画像処理装置１として機能する本体と、ディスプレイからなる表示装置３とマウスやキーボード等の入力装置４とメモリやハードディスク等から構成される記憶部２を備えている。
図２は、門脈または肝静脈を表す領域である血管を、血管の候補領域Ｒｃとして抽出し、抽出された血管領域に基づいてグラフ化して仮のグラフ構造を抽出する様子を示す模式図である。肝臓における門脈（第１の構造物）および肝静脈（第２の構造物）を例に、ボリュームデータから門脈および肝静脈の候補領域Ｒｃを検出する場合について説明する。なお、画像データ７は、データ記憶部２に記憶されたたとえば撮影装置もしくは放射線検出装置により撮像された２次元の画像もしくは複数の２次元画像から生成された３次元のボリュームデータからなっている。
構造物領域検出部１１は、画像データにおいて門脈または肝静脈の一部を構成するか否かを判断することにより候補領域Ｒｃを検出するものである。図２は、本実施形態における構造物検出処理を説明する図である。図２(i)に示すように、構造物領域検出部１１は、ボリュームデータ７を構成するボクセルデータの値に基づいて、門脈を表す画素であることが既知であるボクセルデータの値を統計等により取得し、そのボクセルデータの値により門脈または肝静脈らしい画素を候補点として抽出する。そして、門脈または肝静脈芯線を構成する複数の候補点Ｓｐの位置を算出する。構造物領域検出部１１は、図２(ii)に示すように、候補点Ｓｐ（ｐ＝１〜ｎ：ｎは候補点の抽出数）を拡張する。さらに、図２(iii)に示すように、拡張された候補点Ｓｐの門脈または肝静脈を表す画素値を含む所定の範囲の画素値を有する画像データを、門脈領域または肝静脈領域であると判断し候補領域Ｒｃとして抽出する。
なお、構造物領域検出部１１は、本実施形態に限られず、候補領域Ｒｃを抽出可能な周知の種々の方法を適用してよい。例えば、候補点周辺のボクセルデータについて門脈らしさ（または肝静脈らしさ）を表す特徴量を算出し、算出した特徴量に基づいてそのボクセルデータが門脈領域（または肝静脈領域）を表すものであるか否かを判別してもよく、かかる場合、特徴量に基づく判別は、マシンラーニングにより予め取得された評価関数に基づいて行なうことが考えられる。あるいは、構造物領域検出部１１は特開２０１０−２００９２５号もしくは特許文献１に開示された手法やその他公知の技術により候補領域を検出してもよい。
また、グラフ構造生成部１２は、それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するものである。
本実施形態では、グラフ構造生成部１２は、図２(iii)に示すような、構造物領域検出部１１が医用画像データに基づいて検出した構造物領域Ｒｃを取得し、図２(iv)に示すように、取得した構造物領域Ｒｃを周知の方法により細線化し、図２(v)に示すように、細線化処理された線を分岐点において分割する。そして、分岐点および端点を複数のノードとして定義するとともに、分割された線分を複数のエッジとして定義して門脈および肝静脈を表す仮のグラフ構造を抽出する。なお、細線化処理された線を分岐点だけでなく、所定の間隔などの所定の条件で分割してもよい。細線化処理された線のうち、ゆるやかな湾曲形状をなす部分を、湾曲に沿って適宜複数の線分に分割できるようにするためである。
なお、画像データから第１および第２の線状構造物を表す仮のグラフ構造として抽出する方法には、上記方法以外にも、線状構造物を複数のノードと複数のエッジによって定義したグラフ構造の候補として抽出できるものであれば周知のいかなる方法も適用できる。
また、グラフ構造生成部１２は、ノード抽出部１３を備える。ノード抽出部１３は、上記の仮のグラフ構造を生成する処理において定義された複数のノードを、複数の線状構造物を定義するための複数のノードとして抽出する。ノード抽出部１３は、複数の線状構造物を定義するための複数のノードを抽出可能であれば、任意の方法によって複数のノードを抽出してよい。
また、グラフ構造生成部１２は、根ノード抽出部１４を備える。根ノード抽出部１４は、候補点Ｓｐから複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出するものである。ここでは、門脈と肝静脈をそれぞれの起始部に対応する根ノードＮＡ０、ＮＢ０を抽出する。また、本実施形態における根ノード抽出部１４は、複数の線状構造である門脈と肝静脈を表す既知のモデル形状（所定形状）と、詳細は後述するが門脈および静脈を表す仮のグラフ構造とを、特許文献２に示すように、グラフマッチング手法を用いて比較することにより、複数の候補点から複数の根ノードを検出する。
図３は、グラフマッチング手法を用いて、複数の候補点Ｓｐから根ノードＮＡ０、ＮＢ０を抽出する方法を示す概念図である。根ノード抽出部１４は、図３の（Ａ）に示す、複数の構造物（例えば、肝臓の血管であれば門脈と２つの肝静脈など）を表す仮のグラフ構造と、図３の（Ｂ）に示す、予め周知の方法により作成した門脈と２つの肝静脈を表すモデル形状とを、図３の（Ｃ）に示すようにマッチングする。そして、図３の（Ｂ）に示すモデル形状の起始部ＫＡ０、ＫＢ０、ＫＣ０にそれぞれ対応する位置に位置する仮のグラフ構造のノードをそれぞれ根ノードＮＡ０、ＮＢ０、ＮＣ０として抽出する。
なお、根ノード抽出部１４は、複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出するものであれば任意の手法を用いることができる。
また、グラフ構造生成部１２は、経路検出部１５を備える。経路検出部１５は、抽出された複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の根ノードを互いに結ぶ経路を検出するものである。各根ノードは互いに異なるグラフ構造に属するため、少なくとも２つ以上根ノードを互いに結ぶ経路には誤接続エッジが含まれていると考えられる。このため、グラフ構造生成部１２は、少なくとも２つ以上根ノードを互いに結ぶ経路を利用して、後述するように誤接続エッジを検出する。
本実施形態においては、経路検出部１５は、仮のグラフ構造のノードとエッジを用いて、複数の根ノードのうち一方根ノードＮＡ０を始点とする経路を検出するための木構造（経路検出用グラフ構造）を、ダイクストラ法を用いて生成する。そして、経路検出部１５は、経路を検出するための木構造に含まれる各経路のうち、始点とした根ノードＮＡ０と、この始点とした根ノードＮＡ０とは別の根ノードＮＢ０を含む経路を抽出する。なお、本実施形態のように、経路を検出するための木構造を作成する場合には、最短経路木や最小全域木など木構造を作成可能な任意のアルゴリズムを適用可能である。
また、経路検出部１５は、２つの根ノードＮＡ０、ＮＢ０を互いに結ぶ経路が複数抽出された場合、２つの根ノードＮＡ０、ＮＢ０を互いに結ぶ最短経路を抽出する。なお、経路として、後述の誤接続エッジの特徴（誤接続エッジによって誤って接続されているノードが複数の根ノードから離れた位置に検出される可能性が十分高いという特徴）が維持されるとみなせる場合には、最短経路以外の２つの根ノードＮＡ０、ＮＢ０を互いに結ぶ経路を検出してもよい。例えば、２つの根ノードＮＡ０、ＮＢ０を互いに結ぶ最短経路に換えて、２つの根ノードＮＡ０、ＮＢ０を互いに結ぶ２番目や３番目に短い経路を検出してもよい。
本実施形態に限定されず、経路検出部１５として、複数の根ノードを結ぶ経路を検出可能な他の手法を用いてもよい。例えば、経路検出部１５は、経路検出用グラフ構造として仮のグラフ構造を用いて、以下のように複数の根ノードを含む経路を検出してもよい。まず、経路検出部１５は、仮のグラフ構造に含まれる１つの根ノードに識別ラベルを付し、識別ラベルの付された根ノードに接続されたノードに識別ラベルを付し、識別ラベルの付されたノードに接続されたノードに識別ラベルを付し、以下同様に仮のグラフ構造を構成するノードに順次識別ラベルによるラベリングを行う。そして、ラベリング処理後、経路検出部１５は、識別ラベルが付された根ノードを検出し、最初に識別ラベルを付した根ノードとは異なる他の根ノードが検出された場合には、他の根ノードと最初に識別ラベルを付した根ノードとは経路で接続されていると判別する。この場合、経路検出部１５は、経路で接続されていると判別された２つの根ノードに基づいて、この２つの根ノードを結ぶ経路を任意の手法で検出することができる。
また、グラフ構造生成部１２は、コスト設定部１６を備え、コスト設定部１６に設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成するものである。
コスト設定部１６は、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定するものである。
この接続コストの設定のために、本発明では、各根ノードは互いに異なるグラフ構造に属するため、少なくとも２つ以上根ノードを互いに結ぶ経路には誤接続エッジが含まれていると考えて、この２つ以上根ノードを互いに結ぶ経路を構成するエッジの中で、互いに異なるグラフ構造に属すべきノードが誤って接続された誤接続エッジの特徴を以下のように捉えた。
まず、複数の線状構造物がそれぞれの起始部から分岐を繰り返しながら離れる方向に広がって延びる門脈および肝静脈のような所定の線状構造物においては、複数の線状構造物の起始部のうち少なくとも２つの起始部から離れた位置において別のグラフ構造に属すべきノード同士が互いに近接し、誤って接続されやすいと考えられる。つまり、上記経路を構成する各エッジは、複数の線状構造物の起始部のうち少なくとも２つの起始部からの距離が大きいほど誤接続エッジである可能性が高いと考えられる（特徴１）。
ここでは、上記特徴１に基づいて、誤接続エッジを含むと推定される上記経路を取得し、経路ごとに、この経路を構成する各エッジについて、複数の線状構造物の起始部のうち少なくとも２つの起始部からの距離が大きいほどそのエッジが接続されにくくなるように接続コストを設定する。
具体的には、コスト設定部１６は、少なくとも２つ以上根ノードを互いに結ぶ経路を構成する各エッジに、２つの根ノードからの距離の和が大きくなるほどそのエッジが接続されにくくなるように接続コストを設定する。各エッジについて、エッジＥｉの中点と根ノードＮＡ０との距離をＬＡｉ、エッジＥｉの中点と根ノードＮＢ０との距離をＬＢｉとすると、コスト設定部１６は、エッジＥｉに対して、ＬＡｉ＋ＬＢｉを接続コストとして設定する。
なお、本実施形態におけるコスト設定部１６は、少なくとも２つ以上根ノードを互いに結ぶ経路を構成する各エッジに、２つの根ノードからの距離が大きくなるほどそのエッジが接続されにくくなるように接続コストを設定するものであれば、他の接続コストの設定方法を用いてもよい。また、本実施形態では、コスト設定部１６は、接続コストが大きくなるほどエッジが接続されにくくなるようにするように接続コストを設定しているが、これに限定されず、接続コストが小さくなるほどエッジが接続されにくくなるように接続コストを設定してもよい。
グラフ構造生成部１２は、本実施形態では、上記の様に設定された接続コストに基づいて、複数の根ノードを含む経路ごとに、仮のグラフ構造に含まれる誤接続エッジを判別し、判別された誤接続エッジを切断することにより、仮のグラフ構造から門脈に対応する第１のグラフ構造と、肝静脈に対応する第２のグラフ構造（複数のグラフ構造）を生成する。
表示制御部１７は、グラフ構造生成部１２に生成された仮のグラフ構造や、最終的に得られた複数のグラフ構造などを適宜必要に応じてディスプレイに表示させるものである。
図４Ａから図４Ｄは、仮のグラフ構造から上記コスト関数により算出されたコストに基づいて、門脈に対応する第１のグラフ構造と、肝静脈に対応する第２のグラフ構造を生成する方法を説明する図である。また、図５は、本実施形態における画像処理の流れを示すフローチャートである。図４Ａないし図５を用いて、本実施形態における画像処理の流れを説明する。
まず、構造物領域検出部１１が、医用画像データから上述の方法により複数の候補点Ｓｐ抽出する（Ｓ０１）。そして、構造物領域検出部１１が複数の候補点Ｓｐに基づいて候補領域Ｒｃを抽出する（Ｓ０２）。次いで、グラフ構造生成部１２が、候補領域Ｒｃを細線化して、図４Ａに示すように、エッジとノードにより仮のグラフ構造を生成する（Ｓ０３）。なお、図４Ａは、上記グラフ構造生成部１２により抽出された門脈および肝静脈をそれぞれ表す仮のグラフ構造を示すイメージ図である。図４Ａに示すように、門脈や肝静脈のように互いに近接した位置を絡み合うように延びる複数の線状構造物を周知の方法によりグラフ構造の候補を抽出した場合には、グラフ構造の候補においては、複数の線状構造物が非常に近接した部分において、１つの線状構造物を表すグラフ構造に他の線状構造物を表すグラフ構造のノードが誤って接続されてしまうという問題があった。つまり、図４Ａに示すように、本来接続されるべきでない門脈を表すグラフ構造のノードに、肝静脈を表すグラフ構造のノードがエッジEzにより誤って接続されてしまうことが生じていた。
続いて、根ノード抽出部１４は、仮のグラフ構造と、門脈と肝静脈を表すモデル形状をグラフマッチング手法によりマッチングさせて、門脈と肝静脈を表すモデル形状の起始部に対応する位置に位置する仮グラフ構造のノードを複数の根ノードとして検出する（Ｓ０４）。
続いて、経路検出部１５は、仮のグラフ構造を構成するノードとエッジを用いて、第１の根ノードＮＡ０を始点とする経路検出用木構造を生成する。そして、経路検出用木構造を構成する経路のうち、２つの根ノードＮＡ０とＮＢ０とを含む経路がある場合には２つの根ノードＮＡ０とＮＢ０とを含む経路のうち最短経路を検出する（Ｓ０５、Ｙｅｓ）。図４Ｂに示す仮のグラフ構造上に、検出された経路を太線で示す。
そして、コスト設定部１６は、検出された経路（図４Ｂ太線）を構成するエッジに接続コストを設定する。具体的には、根ノードＮＡ０側からｉ番目（０≦ｉ≦ｑ、ｑはエッジの数）のエッジＥｉに対して、エッジＥｉの所定の側のノードＮＡｉと根ノードＮＡ０、ＮＢ０とのそれぞれの距離の和ＬＡｉ＋ＬＢｉを、接続コストとして設定する（Ｓ０６）。
次に、グラフ構造生成部１２は、２つの根ノードＮＡ０とＮＢ０とを含む経路上で、各エッジの接続コストを比較し、図４Ｂに示す、接続コストが最も大きいエッジＥｚを切断する（Ｓ０７）。
そして、経路検出部１５は、根ノードＮＡ０を始点とする経路検出用木構造において、さらに２つの根ノードＮＡ０とＮＢ０とを含む経路の有無を確認し、２つの根ノードＮＡ０とＮＢ０とを含む経路がある場合には（Ｓ０５、ＹＥＳ）、２つの根ノードＮＡ０とＮＢ０とを含む最短経路を検出して、Ｓ０６からＳ０７の処理を繰り返す。つまり、図４Ｃに示すように、経路検出部１５は、第１または第２のグラフ構造の根ノードＮＡ０、ＮＢ０を含む最短経路（図４Ｃ太線）を検出する（Ｓ０５）。そして、コスト設定部１６は、先述同様に経路に含まれる根ノードＮＡ０側からｉ番目のエッジＥｉに対して、エッジＥｉの所定の側のノードＮＡｉと根ノードＮＡ０、ＮＢ０とのそれぞれの距離の和ＬＡｉ＋ＬＢｉを、接続コストとして設定する（Ｓ０６）。そして、グラフ構造生成部１２は、各エッジの接続コストを比較し、図４Ｃにおける接続コストが最も大きいエッジＥｚを切断する（Ｓ０７）。
一方、根ノードＮＡ０を始点とする最短経路木に２つの根ノードＮＡ０とＮＢ０とを含む経路がないことが確認されると（Ｓ０５、ＮＯ）、図４Ｄに示すように、全ての複数の根ノードＮＡ０、ＮＢ０が、互いに異なる別のグラフ構造にそれぞれ属するため、複数の線状構造物にそれぞれ対応する複数のグラフ構造Ｔ１、Ｔ２の生成が完了する。表示制御部１７は、必要に応じて複数のグラフ構造を表示する（Ｓ０８）。図７は、上記処理により作成された複数のグラフ構造Ｔ１、Ｔ２に基づいて抽出された門脈Ｍ１と、肝静脈Ｍ２を表すイメージ図である。図７に示すように、表示制御部１７は、ディスプレイ３に、グラフ構造生成部１２により作成されたグラフ構造Ｔ１、Ｔ２に基づいて周知の方法により門脈Ｍ１および肝静脈Ｍ２を表示させる。
なお、医用画像データから３つ以上の根ノードが抽出された場合、Ｓ０５のステップにおいて、経路検出部１５は、複数の根ノードから順に１つの根ノードを選択し、選択した根ノードを始点として最短経路木を作成して、始点とした根ノードとは異なる他の根ノードを含む経路の有無を確認する。そして、１つでも他の２つの根ノードを含む経路がある場合には（Ｓ０５、ＹＥＳ）、その最短経路を検出して、Ｓ０６からＳ０７の処理を繰り返す。また、全ての根ノードのどの根ノードを始点として最短経路木を作成しても、他の根ノードを含む経路がないことが確認されると（Ｓ０５、ＮＯ）、必要に応じて複数のグラフ構造を表示して処理を終了する（Ｓ０８）。
上記のように本実施形態によれば、複数の線状構造物を表す複数のノードに基づいて経路検出用グラフ構造を生成し、生成した経路検出用グラフ構造に含まれる、複数の線状構造物の起始部を表す複数の根ノードを互いに結ぶ経路を検出し、異なるグラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、誤接続エッジが接続されにくくなるように、経路を構成する各エッジに、接続コストを設定し、設定された接続コストに基づいて、複数の線状構造物にそれぞれ対応する複数のグラフ構造を生成するため、誤接続エッジが、上記経路検出用グラフ構造を生成した場合に複数の根ノードを互いに結ぶ経路を構成するエッジに含まれているという特徴と、異なる線状構造物にそれぞれ対応するノードを誤って接続した誤接続エッジのさらなる特徴を表す所定の条件を利用して、誤接続エッジが接続されることを抑制してグラフ構造を生成できる。このため、肝臓の門脈と肝静脈のように、枝分かれ回数が多く、各血管の枝同士が近い位置を絡み合うように走行している構造物においても、複数の構造物が互いに近接した部分においても誤って互いのノードが接続されることを抑制し、効率よく且つ正確に複数のグラフ構造を作成することができる。
また、２つの根ノードを結ぶ経路においては、先述の特徴１および後述の特徴２、３などに示すような、誤接続エッジを含む経路における誤接続エッジと根ノードの相対的な位置を表す特徴や構造物の太さなどの形状を表す特徴が明確に表れていると考えられる。このため、上記実施形態のように、グラフ構造生成部１２が、複数のノードに基づいて、複数の線状構造物に対応する仮のグラフ構造を生成し、２つの根ノードを互いに結ぶ経路ごとに、設定された接続コストに基づいて、誤接続エッジを判別し、判別された誤接続エッジを切断することにより、構造物の形状を表す特徴や誤接続エッジを含む経路における誤接続エッジと根ノードの相対的な位置を表す特徴を、簡易かつ好適に接続コストに反映することができ、誤接続エッジを精度よく判別して切断することができる。
なお、コスト設定部１６は、特徴１に基づいて、根ノードからの距離が大きい程そのエッジが接続されにくくなるように重み付けしているため、誤接続エッジらしさを簡易かつ好適に評価できる。
なお、コスト設定部１６は、異なる線状構造物にそれぞれ属するノードを誤って接続した誤接続エッジの特徴を表すものであれば、任意の条件に基づいて、各エッジに対して接続コストの設定を行ってよい。
例えば、上記特徴１を別の観点で捉えると、複数の線状構造物の起始部のうち少なくとも２つの起始部から離れた位置では、この位置から複数の線状構造物の起始部のうち少なくとも２つの起始部に向かうベクトルのなす角は小さくなると考えられる。このため、少なくとも２つの根ノードを結ぶ経路を構成する各エッジを代表する点と、複数の線状構造物の起始部のうち少なくとも２つの起始部とのなす角が小さくなるほど、誤接続エッジである可能性が高いと考えられる（特徴２）。
コスト設定部１６は、上記特徴２に基づいて、少なくとも２つの根ノードを結ぶ経路を構成する各エッジに、各エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルのなす角が小さくなるほどそのエッジが接続されにくくなるように接続コストを設定してもよい。この場合、エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトルのなす角が小さくなるほどそのエッジが接続されにくくなる任意のコストの設定手法を用いることができる。また、各エッジを代表する任意の点に基づいて、エッジから各根ノードに向かう２つの方向ベクトルのなす角度を算出してよい。
図６は、角度に基づく接続コストの設定方法について説明するための図である。例えば、コスト設定部１６は、図６に示すように、少なくとも２つの根ノードを結ぶ経路を構成する根ノードＮＡ０からｉ番目のエッジＥｉ（０≦ｉ≦ｑ、ｑはエッジの数）に対して、式（１）で定義される値ｆｉを、接続コストとして設定することができる。式（１）は、根ノードＮＡ０側のノードＮＡｉから２つの根ノードＮＡ０、ＮＢ０にそれぞれ向かう２つの方向ベクトルのなす角θiを内積で表している。このため、式（１）で定義される値ｆｉを、接続コストに用いることにより、θiが小さくなるほど、エッジが接続されにくくなるように接続コストを設定することができる。この場合にも、コスト設定部１６は、誤接続エッジらしさを簡易かつ好適に評価できる。
また、「エッジから２つの根ノードにそれぞれ向かう２つの方向ベクトル」とは、エッジＥｉを代表する任意の点から、２つの根ノードＮＡ０、ＮＢ０の方向にそれぞれ直線的に向かう２つの方向ベクトルだけでなく、エッジＥｉを代表する任意の点から、２つの根ノードＮＡ０、ＮＢ０を結ぶ経路上の根ノードＮＡ０の側の所定の点と、同経路上の根ノードＮＢ０の側の所定の点にそれぞれ向かう２つの方向ベクトルも含む。例えば、エッジＥｉを代表する点ＮＡｉから一方の根ノードＮＡ０側にｐ番目（０＜ｐ＜ｉ）に位置するノードＮＡｉ−ｐに向かうベクトルと、エッジＥｉを代表する点ＮＡｉから他方の根ノードＮＢ０の側にｐ番目に位置するノードＮＡｉ＋ｐに向かうベクトルのなす角に基づいてコストを設定してもよい。
また、上記特徴１をさらに別の観点で捉えると、線状構造物が起始部から離れた位置ほど太さが細くなるという性質を有している場合には、各エッジに対応する線状構造物の部分の太さが細くなるほど起始部から離れた位置であると推定される。このため、線状構造物が起始部から離れた位置ほど太さが細くなるという性質を有している場合には、少なくとも２つの根ノードを結ぶ経路を構成する各エッジは、各エッジに対応する線状構造物の部分の太さが細くなるほど、誤接続エッジである可能性が高いと考えられる（特徴３）。
コスト設定部１６は、特徴３に基づいて、構造物領域抽出部に抽出された構造物領域データに基づいて、少なくとも２つの根ノードを結ぶ経路を構成する各エッジに対応する線状構造物の太さを取得し、同経路を構成する各エッジに、各エッジに対応する太さが細くなるほどそのエッジが接続されにくくなるように接続コストを設定してもよい。この場合、コスト設定部１６は、各エッジに対応する太さが細くなるほどそのエッジが接続されにくくなる任意のコストの設定手法を用いることができる。例えば、各エッジの太さに線形に比例するようにコストを設定してもよく、各エッジの太さの所定の範囲ごとに段階的に所定の値をとるようにコストを設定してもよい。また、エッジに対応する太さとして、エッジに対応する線状構造物の太さを代表する任意の値を用いることができ、例えば、エッジに対応する線状構造物の太さの平均値を用いることができる。なお、この場合にも、コスト設定部１６は、誤接続エッジらしさを簡易かつ好適に評価できる。
また、コスト設定部１６は、上記のような特徴１ないし３に基づく接続コストをそれぞれ任意の組合せで組み合わせたものを接続コストとして用いてもよい。
コスト設定部１６は、起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の構造物を互いに誤って接続する誤接続エッジを、特徴１ないし３から選択される少なくとも１つ以上の特徴に基づいて判断し、判断に用いられた特徴に該当すると、エッジが接続されにくくなるよう接続コストを設定している場合には、簡易かつ好適に上記誤接続エッジの特徴を各ノードの接続されやすさに重み付けしてグラフ構造を作成することができる。また、上記実施形態のように、複数の根ノードを含む経路として複数の根ノードを含む最短経路を用いた場合には、上記特徴１ないし３に基づいて、より正確に誤接続エッジである可能性の高いエッジを判別することができる。
また、本実施形態のように、経路検出用グラフ構造として、複数の根ノードのうちの１つの根ノードを始点とする木構造を用いる場合には、ダイクストラ法などの最短経路を好適に接続する木構造生成手法を適用して、複数の根ノードのうちの任意の１つの根ノードを始点として経路検出用の木構造を作成し、経路検出用の木構造に含まれる各経路のうち、始点とした根ノードと、この始点とした根ノードとは別の根ノードを含む経路を経路として抽出できるため、好適に誤接続エッジを含む最短経路を検出できる。
また、根ノード検出部１４が、複数の線状構造を表す所定形状と、仮のグラフ構造とをグラフマッチング手法を用いて比較することにより、複数のノードから複数の根ノードを検出するため、根ノードを手動で設定する場合よりも、根ノードを設定する労力を低減できる。
なお、本実施形態におけるグラフ構造生成部１２は、仮のグラフ構造を作成する際に、各ノードのコストを評価するコスト関数に基づいてグラフ構造を作成する周知の種々の方法を用いることができ、例えば、線状構造物が木構造で表現可能なものであれば、周知の最小全域木法や最短路木法などのスパニング木生成アルゴリズムにより、maxΣｆとなるように、最適経路を決定し、仮のグラフ構造を作成してもよい。
また、上記各実施形態に限定されず、接続コストに、各ノード同士の距離が近いほど接続強度が大きくなるようにさらに重み付けを行うなど、さらなる周知の重み付け方法を任意に組み合わせてもよい。なお、上記各実施形態に限定されず、本発明に根ノードを抽出する周知の種々の方法を適用可能である。
また、ここでは所定の構造物として門脈を基に説明したが、所定の構造物は点とそれを結ぶエッジとによりグラフ構造として形状モデル化可能なオブジェクトであるとともに１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという特徴を有するものであれば何でもよい。例えば、所定の構造物は、肺または肝臓の血管であってよく、さらには、肺動脈、肺静脈、肝臓における門脈、肝動脈、肝静脈があげられる。また、線状構造物に対応するグラフ構造は、本実施形態に例示されるような木構造であってもよく、閉路（回路）を有するグラフ構造であってもよい。
１ 画像処理装置
２ データ記憶部
３ 表示装置
４ 入力装置
７ 画像データ
１１ 構造物領域検出部
１２ グラフ構造生成部
１３ ノード抽出部
１４ 根ノード抽出部
１５ 経路検出部
１６ コスト設定部
１７ 表示制御部
Ｍ１ 門脈（第１の線状構造物）
Ｍ２ 肝静脈（第２の線状構造物）
Ｓｐ セグメント
ｆ 評価関数
Ez エッジ
NA0、NB0 根ノード
Ｔ１、Ｔ２ 第１、第２のグラフ構造

Claims (11)

  1. それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、前記複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するグラフ構造生成部を備え、
    前記グラフ構造生成部は、前記医用画像データに基づいて、前記複数の線状構造物を定義するための複数のノードを抽出するノード抽出部と、前記抽出された複数のノードから前記複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出する根ノード抽出部と、前記複数のノードに基づいて経路検出用グラフ構造を生成し、生成した前記経路検出用グラフ構造に含まれる、前記複数の根ノードを互いに結ぶ経路を検出する経路検出部と、異なる前記グラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、前記誤接続エッジが接続されにくくなるように、前記経路を構成する各エッジに、前記接続コストを設定するコスト設定部とを備え、前記複数のノードと前記設定された接続コストに基づいて、前記複数の線状構造物にそれぞれ対応する前記複数のグラフ構造を生成することを特徴とする画像処理装置。
  2. 前記グラフ構造生成部は、前記複数のノードに基づいて、複数の線状構造物に対応する仮のグラフ構造を生成し、前記２つの根ノードを互いに結ぶ経路ごとに、前記接続コストに基づいて、前記誤接続エッジを判別し、該判別された誤接続エッジを切断することにより、前記仮のグラフ構造から前記複数のグラフ構造を生成することを特徴とする請求項１記載の画像処理装置。
  3. 前記経路は、前記複数の根ノードから選択される２つの根ノードを互いに結ぶ最短経路であることを特徴とする請求項１または２記載の画像処理装置。
  4. 前記コスト設定部は、前記経路を構成する各エッジに、前記２つの根ノードからの距離が大きくなるほど該エッジが接続されにくくなるように接続コストを設定することを特徴とする請求項１から３のいずれか１項記載の画像処理装置。
  5. 前記コスト設定部は、前記医用画像データに基づいて、前記経路を構成する各エッジに対応する前記線状構造物の太さを取得し、前記経路を構成する各エッジに、前記各エッジに対応する太さが細くなるほど、該エッジが接続されにくくなるように接続コストを設定することを特徴とする請求項１から４のいずれか１記載の画像処理装置。
  6. 前記コスト設定部は、前記経路を構成する各エッジに、前記各エッジから前記２つの根ノードにそれぞれ向かう方向ベクトルのなす角が小さくなるほど該エッジが接続されにくくなるように接続コストを設定することを特徴とする請求項１から５のいずれか１項記載の画像処理装置。
  7. 前記経路検出用グラフ構造は、前記複数の根ノードのうちの１つの根ノードを始点とする木構造であることを特徴とする請求項１から６のいずれか1項記載の画像処理装置。
  8. 前記根ノード検出部は、前記複数の線状構造を表す所定形状と、前記仮のグラフ構造とをグラフマッチング手法を用いて比較することにより、前記複数のノードから前記複数の根ノードを検出することを特徴とする請求項２から７のいずれか１項記載の画像処理装置。
  9. 前記複数の所定の構造物は、肺または肝臓の血管であることを特徴とする請求項１から８のいずれか１項記載の画像処理装置。
  10. 画像処理装置における画像処理方法であって、
    それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、前記複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するグラフ構造生成ステップを有し、
    前記グラフ構造生成ステップは、前記医用画像データに基づいて、前記複数の線状構造物を定義するための複数のノードを抽出するノード抽出ステップと、前記抽出された複数のノードから前記複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出する根ノード抽出ステップと、前記複数のノードに基づいて経路検出用グラフ構造を生成し、生成した前記経路検出用グラフ構造に含まれる、前記複数の根ノードを互いに結ぶ経路を検出する経路検出ステップと、異なる前記グラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、前記誤接続エッジが接続されにくくなるように、前記経路を構成する各エッジに、前記接続コストを設定するコスト設定ステップを有し、前記複数のノードと前記設定された接続コストに基づいて、前記複数の線状構造物にそれぞれ対応する前記複数のグラフ構造を生成することを有することを特徴とする画像処理方法。
  11. コンピュータに、
    それぞれ１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる複数の線状構造物を含む医用画像データに基づいて、前記複数の線状構造物を、複数のノードと各ノード間を互いに結ぶ複数のエッジによって定義した、グラフ構造を生成するグラフ構造生成ステップを実行させる画像処理プログラムであって、
    前記グラフ構造生成ステップは、前記医用画像データに基づいて、前記複数の線状構造物を定義するための複数のノードを抽出するノード抽出ステップと、前記抽出された複数のノードから前記複数の線状構造物の起始部にそれぞれ対応する複数の根ノードを抽出する根ノード抽出ステップと、前記複数のノードに基づいて経路検出用グラフ構造を生成し、生成した前記経路検出用グラフ構造に含まれる、前記複数の根ノードを互いに結ぶ経路を検出する経路検出ステップと、異なる前記グラフ構造にそれぞれ属すべき２つのノードを誤って接続した誤接続エッジの特徴を表す所定の条件に基づいて、前記誤接続エッジが接続されにくくなるように、前記経路を構成する各エッジに、前記接続コストを設定するコスト設定ステップを有し、前記複数のノードと前記設定された接続コストに基づいて、前記複数の線状構造物にそれぞれ対応する前記複数のグラフ構造を生成することを特徴とする画像処理プログラム。
JP2012207155A 2012-09-20 2012-09-20 画像処理装置および方法ならびにプログラム Expired - Fee Related JP5833994B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2012207155A JP5833994B2 (ja) 2012-09-20 2012-09-20 画像処理装置および方法ならびにプログラム
PCT/JP2013/005294 WO2014045539A1 (ja) 2012-09-20 2013-09-06 画像処理装置および方法ならびにプログラム
US14/657,619 US9355458B2 (en) 2012-09-20 2015-03-13 Image processing apparatus, method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012207155A JP5833994B2 (ja) 2012-09-20 2012-09-20 画像処理装置および方法ならびにプログラム

Publications (2)

Publication Number Publication Date
JP2014061072A true JP2014061072A (ja) 2014-04-10
JP5833994B2 JP5833994B2 (ja) 2015-12-16

Family

ID=50340881

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012207155A Expired - Fee Related JP5833994B2 (ja) 2012-09-20 2012-09-20 画像処理装置および方法ならびにプログラム

Country Status (3)

Country Link
US (1) US9355458B2 (ja)
JP (1) JP5833994B2 (ja)
WO (1) WO2014045539A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017073703A1 (ja) * 2015-10-30 2017-05-04 キヤノン株式会社 医用画像処理装置、その制御方法、及びプログラム
JP2017080398A (ja) * 2015-10-30 2017-05-18 キヤノンマーケティングジャパン株式会社 医用画像処理装置、その制御方法、及びプログラム
JP2019030584A (ja) * 2017-08-09 2019-02-28 キヤノン株式会社 画像処理システム、装置、方法およびプログラム

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012078636A1 (en) 2010-12-07 2012-06-14 University Of Iowa Research Foundation Optimal, user-friendly, object background separation
AU2012207076A1 (en) 2011-01-20 2013-08-15 University Of Iowa Research Foundation Automated determination of arteriovenous ratio in images of blood vessels
US9545196B2 (en) 2012-05-04 2017-01-17 University Of Iowa Research Foundation Automated assessment of glaucoma loss from optical coherence tomography
US10360672B2 (en) * 2013-03-15 2019-07-23 University Of Iowa Research Foundation Automated separation of binary overlapping trees
WO2015143435A1 (en) 2014-03-21 2015-09-24 University Of Iowa Research Foundation Graph search using non-euclidean deformed graph
US10152651B2 (en) * 2014-10-31 2018-12-11 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
US10115194B2 (en) 2015-04-06 2018-10-30 IDx, LLC Systems and methods for feature detection in retinal images
KR102320223B1 (ko) * 2015-04-10 2021-11-03 한국전자통신연구원 수술 경로 추천 방법 및 장치
JP6396597B2 (ja) * 2015-09-09 2018-09-26 富士フイルム株式会社 マッピング画像表示制御装置および方法並びにプログラム
US10417764B2 (en) * 2016-03-31 2019-09-17 Eyes Ltd System and methods for diagnostic image analysis and image quality assessment
US10795839B1 (en) * 2018-12-21 2020-10-06 Palantir Technologies Inc. Systems and methods for creating pipeline paths
WO2021011239A1 (en) * 2019-07-12 2021-01-21 Neuralink Corp. Optical coherence tomography for robotic brain surgery

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004113537A (ja) * 2002-09-27 2004-04-15 Ziosoft Inc 分岐体のｃｐｒ画像表示処理方法、分岐体のｃｐｒ画像表示処理装置及びプログラム
JP2008520319A (ja) * 2004-11-23 2008-06-19 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 気管支樹の平面角視覚化
JP2010220742A (ja) * 2009-03-23 2010-10-07 Fujifilm Corp 画像処理装置および方法並びにプログラム
WO2012115592A1 (en) * 2011-02-24 2012-08-30 Agency For Science, Technology And Research A method and an apparatus for generating a vascular model
JP2012228396A (ja) * 2011-04-27 2012-11-22 Fujifilm Corp 木構造抽出装置および方法ならびにプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3692500B2 (ja) * 2000-09-12 2005-09-07 インターナショナル・ビジネス・マシーンズ・コーポレーション 画像処理方法、画像処理システムおよび記録媒体
US6711300B2 (en) * 2002-08-15 2004-03-23 Envivio, Inc. Quantization and compression of information in a direct acyclic graph
US7574067B2 (en) * 2003-10-03 2009-08-11 General Electric Company Surface reconstruction and registration with a helmholtz reciprocal image pair
BRPI1004212A2 (pt) 2009-03-03 2016-02-23 Fujifilm Corp aparelho de processamento de imagem, método de processamento de imagem, e programa de processamento de imagem
US9679389B2 (en) * 2009-05-19 2017-06-13 Algotec Systems Ltd. Method and system for blood vessel segmentation and classification
JP4914517B2 (ja) 2009-10-08 2012-04-11 富士フイルム株式会社 構造物検出装置および方法ならびにプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004113537A (ja) * 2002-09-27 2004-04-15 Ziosoft Inc 分岐体のｃｐｒ画像表示処理方法、分岐体のｃｐｒ画像表示処理装置及びプログラム
JP2008520319A (ja) * 2004-11-23 2008-06-19 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 気管支樹の平面角視覚化
JP2010220742A (ja) * 2009-03-23 2010-10-07 Fujifilm Corp 画像処理装置および方法並びにプログラム
WO2012115592A1 (en) * 2011-02-24 2012-08-30 Agency For Science, Technology And Research A method and an apparatus for generating a vascular model
JP2012228396A (ja) * 2011-04-27 2012-11-22 Fujifilm Corp 木構造抽出装置および方法ならびにプログラム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JPN6013056963; 小林　大祐　他: '"経路ベース木構造による主幹・側幹分岐型動脈の三次元構造の表現"' 電子情報通信学会論文誌　Ｖｏｌ．Ｊ９２-Ｄ，Ｎｏ．４ , 2009, ｐｐ．５１１-５２０ *
JPN6013056964; 井上　努　他: '"機械学習と最小全域木を用いた高精度な気管支領域の抽出"' 電子情報通信学会技術研究報告　Ｖｏｌ．１１１，Ｎｏ．３８９ , 20120112, ｐｐ．２１５-２２０ *
JPN6013056967; Ａｎｄｒｚｅｊ　Ｓｚｙｍｃｚａｋ　ｅｔ　ａｌ．: '"Ｃｏｒｏｎａｒｙ　ｖｅｓｓｅｌ　ｔｒｅｅｓ　ｆｒｏｍ　３Ｄ　ｉｍａｇｅｒｙ：Ａ　ｔｏｐｏｌｏｇｉｃａｌ　ａｐｐｒｏａｃｈ"' Ｍｅｄｉｃａｌ　Ｉｍａｇｅ　Ａｎａｌｙｓｉｓ　Ｖｏｌ．１０，Ｎｏ．４ , 200608, ｐｐ．５４８-５５９ *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017073703A1 (ja) * 2015-10-30 2017-05-04 キヤノン株式会社 医用画像処理装置、その制御方法、及びプログラム
JP2017080398A (ja) * 2015-10-30 2017-05-18 キヤノンマーケティングジャパン株式会社 医用画像処理装置、その制御方法、及びプログラム
US10535428B2 (en) 2015-10-30 2020-01-14 Canon Kabushiki Kaisha Medical image processing apparatus, control method for the same, and program
JP2019030584A (ja) * 2017-08-09 2019-02-28 キヤノン株式会社 画像処理システム、装置、方法およびプログラム

Also Published As

Publication number Publication date
US9355458B2 (en) 2016-05-31
US20150187085A1 (en) 2015-07-02
JP5833994B2 (ja) 2015-12-16
WO2014045539A1 (ja) 2014-03-27

Similar Documents

Publication Publication Date Title
JP5833994B2 (ja) 画像処理装置および方法ならびにプログラム
JP5391229B2 (ja) 木構造抽出装置および方法ならびにプログラム
JP5263995B2 (ja) ネットワーク構築装置および方法ならびにプログラム
JP2012223338A (ja) 木構造作成装置および方法ならびにプログラム
EP2309424B1 (en) Structure detection apparatus and method, and computer-readable medium storing program thereof
CN111528871B (zh) 用于医学图像中全身骨移除和血管可视化的方法和系统
JP5797124B2 (ja) 手術支援装置、手術支援方法および手術支援プログラム
JP4999163B2 (ja) 画像処理方法および装置ならびにプログラム
JP5748636B2 (ja) 画像処理装置および方法並びにプログラム
US11461895B2 (en) Automatic identification and processing of anatomical structures in an anatomical map
JP5559642B2 (ja) 手術支援装置、手術支援方法および手術支援プログラム
JP2014073355A (ja) 領域抽出装置、領域抽出方法および領域抽出プログラム
JP5925576B2 (ja) 画像処理装置、画像処理方法
CN114037663A (zh) 一种血管分割方法、装置及计算机可读介质
CN114155193B (zh) 一种基于特征强化的血管分割方法及装置
US8897576B2 (en) Image processing device, method and program
Zhu et al. The optimal connection model for blood vessels segmentation and the MEA-Net
Aase Graph Convolutional Neural Networks for Automated Echocardiography View Recognition: A Holistic Approach
CN117083631A (zh) 用于自动血管提取的系统和方法
CN113409241A (zh) 一种图像处理方法、装置及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20141024

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: 20151020

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20151030

R150 Certificate of patent or registration of utility model

Ref document number: 5833994

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

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

LAPS Cancellation because of no payment of annual fees