JP2014079317A - Image processing apparatus and program - Google Patents
Image processing apparatus and program Download PDFInfo
- Publication number
- JP2014079317A JP2014079317A JP2012228099A JP2012228099A JP2014079317A JP 2014079317 A JP2014079317 A JP 2014079317A JP 2012228099 A JP2012228099 A JP 2012228099A JP 2012228099 A JP2012228099 A JP 2012228099A JP 2014079317 A JP2014079317 A JP 2014079317A
- Authority
- JP
- Japan
- Prior art keywords
- blood vessel
- vessel region
- feature amount
- image
- region
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 69
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 165
- 238000000034 method Methods 0.000 claims description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 239000008280 blood Substances 0.000 abstract 1
- 210000004369 blood Anatomy 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 96
- 238000010586 diagram Methods 0.000 description 34
- 230000010412 perfusion Effects 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 13
- 210000001519 tissue Anatomy 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 210000001015 abdomen Anatomy 0.000 description 6
- 239000002872 contrast media Substances 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 208000012661 Dyskinesia Diseases 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 4
- 208000015592 Involuntary movements Diseases 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004923 pancreatic tissue Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Abstract
Description
本発明の実施の形態は、画像処理装置及びプログラムに関する。 Embodiments described herein relate generally to an image processing apparatus and a program.
従来、Ｘ線ＣＴ装置やＭＲＩ装置などによって灌流（Perfusion：パーフュージョン）画像を生成して、例えば、脳組織や、肝臓組織、膵臓組織などにおける血流動態を解析することが行われている。例えば、Ｘ線ＣＴ装置においては、非イオン性ヨード造影剤を投与した被検体の頭部又は腹部を時系列に沿って撮影したＸ線ＣＴ画像からＣＴ値の経時的変化を算出する。そして、Ｘ線ＣＴ装置は、算出したＣＴ値の経時的変化から組織を通過する血流動態を表す指標を組織上にマッピングしたパーフュージョン画像を生成する。 Conventionally, a perfusion image is generated by an X-ray CT apparatus, an MRI apparatus, or the like, and, for example, blood flow dynamics in a brain tissue, a liver tissue, a pancreas tissue, or the like is analyzed. For example, in an X-ray CT apparatus, a temporal change in CT value is calculated from an X-ray CT image obtained by photographing a head or abdomen of a subject administered with a nonionic iodine contrast agent in time series. Then, the X-ray CT apparatus generates a perfusion image in which an index representing the blood flow dynamics passing through the tissue is mapped on the tissue from the temporal change of the calculated CT value.
ここで、パーフュージョン画像は、組織を通過する血流動態を解析対象としているため、組織内に存在している動脈、静脈などの血管領域が解析結果に影響を与えないようにするため、画像生成の過程で除去される。例えば、所定の閾値を上回る画素値を有する領域を血管領域として判定して、判定した領域の画素値を変更することで、血管領域が解析結果に影響を与えないようにする技術が知られている。しかしながら、上述した従来の技術では、血管領域の除去の精度に一定の限界があった。 Here, the perfusion image is intended for analysis of blood flow dynamics that pass through the tissue, so that blood vessels such as arteries and veins existing in the tissue do not affect the analysis results. Removed in the process of generation. For example, a technique is known in which a region having a pixel value exceeding a predetermined threshold is determined as a blood vessel region, and the pixel value of the determined region is changed so that the blood vessel region does not affect the analysis result. Yes. However, the above-described conventional technique has a certain limit in the accuracy of removing the blood vessel region.
本発明が解決しようとする課題は、血管領域を高精度に除去することができる画像処理装置及びプログラムを提供することである。 The problem to be solved by the present invention is to provide an image processing apparatus and program capable of removing a blood vessel region with high accuracy.
実施の形態の画像処理装置は、特定手段と、特徴量設定手段とを備える。特定手段は、造影しながら経時的に収集された複数の３次元医用画像データそれぞれについて、所定の領域ごとに、当該所定の領域に含まれるボクセルそれぞれの特徴量の頻度分布において、非血管領域に相当する特徴量の範囲を特定する。特徴量設定手段は、前記所定の領域に含まれるボクセルそれぞれの特徴量のうち、前記特定手段によって特定された特徴量の範囲に含まれる特徴量を用いて前記所定の領域内の特徴量を平滑化させる。 The image processing apparatus according to the embodiment includes a specifying unit and a feature amount setting unit. For each of a plurality of three-dimensional medical image data collected over time while contrast-enhanced, the specifying means sets a non-blood vessel region in the frequency distribution of the feature amount of each voxel included in the predetermined region. The range of the corresponding feature amount is specified. The feature amount setting unit smoothes the feature amount in the predetermined region using the feature amount included in the feature amount range specified by the specifying unit among the feature amounts of the voxels included in the predetermined region. Make it.
（第１の実施形態）
図１は、第１の実施形態に係る画像処理装置１００の構成の一例を示す図である。図１に示すように、画像処理装置１００は、入力部１１０と、表示部１２０と、通信部１３０と、記憶部１４０と、制御部１５０とを有する。例えば、画像処理装置１００は、ワークステーションや、任意のパーソナルコンピュータなどであり、図示しない医用画像診断装置や、画像保管装置などとネットワークを介して接続される。医用画像診断装置は、例えば、Ｘ線ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置などである。また、医用画像診断装置は、３次元の医用画像データ（例えば、造影しながら経時的に撮影された頭部や腹部の３次元医用画像データなど）を生成可能である。画像保管装置は、医用画像を保管するデータベースである。具体的には、画像保管装置は、医用画像診断装置から送信された３次元医用画像データを記憶部に格納し、これを保管する。なお、以下では、３次元医用画像データを、ボリュームデータと記す場合がある。
(First embodiment)
FIG. 1 is a diagram illustrating an example of a configuration of an image processing apparatus 100 according to the first embodiment. As illustrated in FIG. 1, the image processing apparatus 100 includes an input unit 110, a display unit 120, a communication unit 130, a storage unit 140, and a control unit 150. For example, the image processing apparatus 100 is a workstation, an arbitrary personal computer, or the like, and is connected to a medical image diagnosis apparatus or an image storage apparatus (not shown) via a network. The medical image diagnostic apparatus is, for example, an X-ray CT (Computed Tomography) apparatus, an MRI (Magnetic Resonance Imaging) apparatus, or the like. The medical image diagnostic apparatus can generate three-dimensional medical image data (for example, three-dimensional medical image data of the head and abdomen taken over time while contrasting). The image storage device is a database that stores medical images. Specifically, the image storage device stores the three-dimensional medical image data transmitted from the medical image diagnostic device in the storage unit and stores it. Hereinafter, the three-dimensional medical image data may be referred to as volume data.
上述した画像処理装置１００と、医用画像診断装置と、画像保管装置とは、例えば、病院内に設置された院内ＬＡＮ（Local Area Network）により、直接的、又は間接的に相互に通信可能な状態となっている。例えば、ＰＡＣＳ（Picture Archiving and Communication System）が導入されている場合、各装置は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）規格に則って、医用画像等を相互に送受信する。 The above-described image processing apparatus 100, medical image diagnostic apparatus, and image storage apparatus can communicate with each other directly or indirectly through, for example, a hospital LAN (Local Area Network) installed in a hospital. It has become. For example, when PACS (Picture Archiving and Communication System) is introduced, each device transmits and receives medical images and the like according to DICOM (Digital Imaging and Communications in Medicine) standards.
入力部１１０は、マウス、キーボード、トラックボール等であり、画像処理装置１００に対する各種操作の入力を操作者から受け付ける。具体的には、入力部１１０は、パーフュージョン解析に用いられる複数位相のボリュームデータを画像保管装置から取得するための情報の入力などを受け付ける。例えば、入力部１１０は、パーフュージョン解析に用いるためにＸ線ＣＴ装置のダイナミックスキャンによって経時的に撮影された頭部や腹部のボリュームデータを取得するための入力を受け付ける。 The input unit 110 is a mouse, a keyboard, a trackball, or the like, and receives input of various operations on the image processing apparatus 100 from an operator. Specifically, the input unit 110 receives input of information for acquiring volume data of a plurality of phases used for perfusion analysis from the image storage device. For example, the input unit 110 accepts an input for acquiring volume data of the head and abdomen taken over time by dynamic scanning of the X-ray CT apparatus for use in perfusion analysis.
表示部１２０は、立体表示モニタとしての液晶パネル等であり、各種情報を表示する。具体的には、表示部１２０は、操作者から各種操作を受け付けるためのＧＵＩ（Graphical User Interface）や、後述する制御部１５０による処理によって生成された表示画像等を表示する。なお、制御部１５０によって生成される表示画像については、後述する。通信部１３０は、ＮＩＣ（Network Interface Card）等であり、他の装置との間で通信を行う。 The display unit 120 is a liquid crystal panel or the like as a stereoscopic display monitor, and displays various types of information. Specifically, the display unit 120 displays a GUI (Graphical User Interface) for receiving various operations from the operator, a display image generated by processing by the control unit 150 described later, and the like. The display image generated by the control unit 150 will be described later. The communication unit 130 is a NIC (Network Interface Card) or the like, and performs communication with other devices.
記憶部１４０は、図１に示すように、画像データ記憶部１４１と、画像記憶部１４２とを有する。例えば、記憶部１４０は、ハードディスク、半導体メモリ素子等であり、各種情報を記憶する。画像データ記憶部１４１は、通信部１３０を介して画像保管装置から取得された複数位相のボリュームデータを記憶する。画像記憶部１４２は、後述する制御部１５０の処理中の画像データや、処理によって生成された血管領域除去画像等を記憶する。なお、血管領域除去画像については後述する。 As illustrated in FIG. 1, the storage unit 140 includes an image data storage unit 141 and an image storage unit 142. For example, the storage unit 140 is a hard disk, a semiconductor memory element, or the like, and stores various types of information. The image data storage unit 141 stores multi-phase volume data acquired from the image storage device via the communication unit 130. The image storage unit 142 stores image data being processed by the control unit 150, which will be described later, a blood vessel region removal image generated by the processing, and the like. The blood vessel region removed image will be described later.
制御部１５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路であり、画像処理装置１００の全体制御を行なう。そして、制御部１５０は、以下、詳細に説明する各部の処理により、血管領域を高精度に除去することを可能にする。 The control unit 150 is, for example, an electronic circuit such as a CPU (Central Processing Unit) or MPU (Micro Processing Unit), an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array), and an image processing apparatus 100 total control is performed. And the control part 150 makes it possible to remove a blood vessel area | region with high precision by the process of each part demonstrated in detail hereafter.
ここで、まず、パーフュージョン解析を実行する際の血管除去と、従来技術に係る課題について詳述する。図２Ａは、血管領域を除去しなかった場合のパーフュージョン画像の一例を示す図である。図２Ａにおいては、頭部をスキャンしたＸ線ＣＴ画像のパーフュージョン画像を示す。例えば、パーフュージョン画像において、血管除去をしなかった場合には、図２Ａの矢印に示すように、パーフュージョンの値が高い領域が現れる。これは、血流量の多い血管領域のＣＴ値に起因するものであり、このパーフュージョンの値が高い領域を病変と間違えてしまう可能性もある。従って、パーフュージョン解析を実行する場合には、血管領域を除去することで血管領域がパーフュージョン画像に影響を与えることを抑止している。 Here, first, blood vessel removal when performing perfusion analysis and problems related to the prior art will be described in detail. FIG. 2A is a diagram illustrating an example of a perfusion image when a blood vessel region is not removed. FIG. 2A shows a perfusion image of an X-ray CT image obtained by scanning the head. For example, in the perfusion image, when the blood vessel is not removed, a region having a high perfusion value appears as indicated by an arrow in FIG. 2A. This is due to the CT value of a blood vessel region having a large blood flow, and there is a possibility that a region having a high perfusion value may be mistaken for a lesion. Therefore, when performing the perfusion analysis, the blood vessel region is prevented from affecting the perfusion image by removing the blood vessel region.
そこで、例えば、従来技術においては、血管領域の画素値がある時間で高くなることを利用して、任意の閾値以上になる画素領域を血管と判定して除去する技術が知られている。ここで、上述した従来技術では、体動の影響により血管が移動してしまい、注目する画素における値が想定通りに変化しないために、正確に血管領域を特定することができず、血管領域の除去に一定の限界があった。例えば、解析の対象が頭部である場合には、体動をあまり考慮する必要がなく、時系列方向に画素値を加算して血管領域を特定することができる。 Thus, for example, in the prior art, a technique is known in which a pixel region having an arbitrary threshold value or more is determined as a blood vessel and is removed by using the fact that the pixel value of the blood vessel region increases in a certain time. Here, in the above-described prior art, the blood vessel moves due to the influence of body movement, and the value in the pixel of interest does not change as expected. There was a certain limit to removal. For example, when the analysis target is the head, it is not necessary to consider body movement so much, and the blood vessel region can be specified by adding pixel values in the time series direction.
図２Ｂは、従来技術に係る血管領域の特定において、体動がない場合の血管領域の特定について説明するための図である。図２Ｂにおいては、体動を考慮する必要がない領域（例えば、頭部など）が経時的に撮影されたＸ線ＣＴ画像における血管の座標と、その座標におけるＣＴ値の変化を示す。例えば、頭部などが撮影されたＸ線ＣＴ画像においては、図２Ｂの上側の図に示すように、時間の経過に伴って血管に造影剤が到達するが、このときのＸ線ＣＴ画像における血管の座標は、体動がないため、変化しない。すなわち、その座標のＣＴ値（ＨＵ）は、図２Ｂの下側の図に示すように、血管内を流れる造影剤の流れに応じて徐々に上昇してピークに達し、その後、徐々に低下する。このように、体動がない場合には、撮影された部分と座標との関係が位相ごとに変化しないため、座標ごとのＣＴ値から血管領域を特定することができる。 FIG. 2B is a diagram for describing the specification of a blood vessel region when there is no body movement in the specification of a blood vessel region according to the related art. FIG. 2B shows the coordinates of blood vessels in an X-ray CT image in which an area (for example, the head) that does not need to consider body motion is captured over time, and changes in CT values at the coordinates. For example, in the X-ray CT image obtained by imaging the head or the like, as shown in the upper diagram of FIG. 2B, the contrast agent reaches the blood vessel with the passage of time, but the X-ray CT image at this time Blood vessel coordinates do not change because there is no body movement. That is, as shown in the lower diagram of FIG. 2B, the CT value (HU) of the coordinates gradually increases and reaches a peak according to the flow of the contrast agent flowing in the blood vessel, and then gradually decreases. . Thus, when there is no body movement, the relationship between the imaged portion and the coordinates does not change for each phase, so that the blood vessel region can be specified from the CT value for each coordinate.
しかしながら、例えば、腹部では、体動や腸管などの不随意な動きがあるため、血管自体も連動して動いてしまい、正確に血管領域を特定することができない。図２Ｃは、従来技術に係る血管領域の特定において、体動がある場合の血管領域の特定について説明するための図である。図２Ｃにおいては、体動がある領域（例えば、腹部など）が経時的に撮影されたＸ線ＣＴ画像における血管の座標と、その座標におけるＣＴ値の変化を示す。例えば、腹部などが撮影されたＸ線ＣＴ画像においては、図２Ｃの上側の図に示すように、時間の経過に伴って血管に造影剤が到達するが、このときのＸ線ＣＴ画像における血管の座標は、体動などの不随意な動きによって変化してしまう。すなわち、その座標のＣＴ値（ＨＵ）は、図２Ｃの下側の図に示すように、血管内を流れる造影剤の流れを反映したものではなくなってしまう。このように、体動などの不随意な動きがある場合には、撮影された部分と座標との関係が位相ごとに変化してしまうため、座標ごとのＣＴ値から血管領域を特定することができず、血管領域の除去に一定の限界があった。 However, for example, in the abdomen, since there are involuntary movements such as body movements and intestinal tracts, the blood vessels themselves move together, and the blood vessel region cannot be specified accurately. FIG. 2C is a diagram for describing the specification of a blood vessel region when there is a body motion in the specification of a blood vessel region according to the related art. FIG. 2C shows the coordinates of blood vessels in an X-ray CT image in which an area with body movement (for example, the abdomen) is imaged over time, and changes in CT values at the coordinates. For example, in an X-ray CT image obtained by imaging the abdomen or the like, as shown in the upper diagram of FIG. 2C, the contrast agent reaches the blood vessel with the passage of time, but the blood vessel in the X-ray CT image at this time The coordinates of change due to involuntary movements such as body movements. That is, the CT value (HU) of the coordinates does not reflect the flow of the contrast agent flowing in the blood vessel as shown in the lower diagram of FIG. 2C. In this way, when there is an involuntary movement such as body movement, the relationship between the captured part and the coordinate changes for each phase, and therefore it is possible to specify the blood vessel region from the CT value for each coordinate. There was a certain limit to the removal of the blood vessel region.
また、頭部においても、ビームハードニング効果によって、頭蓋骨に近い組織のＣＴ値が高くなってしまい、血管領域を正確に特定することが困難となる場合がある。さらに、従来技術では、血管を特定するための閾値が固定であるため、全脳領域の血管を適切に識別して特定することが困難である。また、被写体の大きさや画像の再構成に用いられる再構成関数によってもＣＴ値が変化する。つまり、血管と想定する領域のＣＴ値は多くの要因によって変動しうるため、そのたびに閾値を変更する手間がかかってしまう。 Also, in the head, the CT value of the tissue close to the skull increases due to the beam hardening effect, and it may be difficult to specify the blood vessel region accurately. Furthermore, in the prior art, since the threshold value for specifying the blood vessel is fixed, it is difficult to appropriately identify and specify the blood vessels in the whole brain region. The CT value also changes depending on the size of the subject and the reconstruction function used for image reconstruction. That is, since the CT value of the region assumed to be a blood vessel can vary due to many factors, it takes time to change the threshold value each time.
そこで、本願に係る制御部１５０は、以下、詳細に説明する各部の処理により、血管領域を高精度に除去することを可能にする。図１に戻って、制御部１５０は、例えば、画像取得部１５１と、カーネルサイズ決定部１５２と、血管領域特定部１５３と、画素値設定部１５４と、表示制御部１５５とを有する。そして、制御部１５０は、パーフュージョン解析に用いられる複数位相のボリュームデータそれぞれについて、血管領域を特定し、血管領域以外の領域のボクセルの特徴量を用いて平滑化処理を実行することで、血管領域を除去した画像を表示する。以下、複数位相のボリュームデータとして、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを用いる場合を一例に挙げて説明する。 Therefore, the control unit 150 according to the present application enables the blood vessel region to be removed with high accuracy by the processing of each unit described in detail below. Returning to FIG. 1, the control unit 150 includes, for example, an image acquisition unit 151, a kernel size determination unit 152, a blood vessel region specifying unit 153, a pixel value setting unit 154, and a display control unit 155. Then, the control unit 150 identifies the blood vessel region for each of the plurality of phase volume data used for the perfusion analysis, and executes the smoothing process using the feature amount of the voxel in the region other than the blood vessel region. Display the image with the area removed. Hereinafter, a case where volume data taken with time by an X-ray CT apparatus is used as volume data of a plurality of phases will be described as an example.
画像取得部１５１は、通信部１３０を介して、図示しない画像保管装置からパーフュージョン解析に用いられる複数位相のボリュームデータを取得して、画像データ記憶部１４１に格納する。例えば、画像取得部１５１は、入力部１１０を介して操作者から入力された情報に基づいて、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを取得して、画像データ記憶部１４１に格納する。 The image acquisition unit 151 acquires volume data of a plurality of phases used for perfusion analysis from an image storage device (not shown) via the communication unit 130 and stores the volume data in the image data storage unit 141. For example, the image acquisition unit 151 acquires volume data taken over time by the X-ray CT apparatus based on information input from the operator via the input unit 110 and stores the volume data in the image data storage unit 141. To do.
カーネルサイズ決定部１５２は、後述する血管領域特定部１５３及び画素値設定部１５４によって用いられるカーネルのサイズを決定する。具体的には、カーネルサイズ決定部１５２は、後述する血管領域特定部１５３及び画素値設定部１５４が、複数のボリュームデータそれぞれについて血管領域を特定し、血管領域以外の領域のボクセルの特徴量（例えば、ＣＴ値）を用いて平滑化処理を実行するためのカーネルのサイズを決定する。 The kernel size determining unit 152 determines the size of the kernel used by the blood vessel region specifying unit 153 and the pixel value setting unit 154 described later. Specifically, in the kernel size determination unit 152, a blood vessel region specifying unit 153 and a pixel value setting unit 154, which will be described later, specify a blood vessel region for each of a plurality of volume data, and feature amounts of voxels in regions other than the blood vessel region ( For example, the kernel size for executing the smoothing process is determined using the CT value.
ここで、カーネルサイズ決定部１５２は、ボリュームデータに含まれるノイズに応じてカーネルのサイズを決定する。すなわち、カーネルサイズ決定部１５２は、ノイズの増加に伴う平滑化処理に用いられるＣＴ値の減少を抑止するために、ボリュームデータに含まれるノイズに応じたカーネルサイズを決定する。ここで、ノイズとＣＴ値との関係について説明する。図３Ａは、第１の実施形態に係るノイズとＣＴ値との関係について説明するための図である。 Here, the kernel size determination unit 152 determines the size of the kernel according to the noise included in the volume data. That is, the kernel size determination unit 152 determines the kernel size according to the noise included in the volume data in order to suppress the decrease in the CT value used for the smoothing process accompanying the increase in noise. Here, the relationship between noise and CT value will be described. FIG. 3A is a diagram for explaining the relationship between noise and CT values according to the first embodiment.
図３Ａにおいては、同一サイズのカーネルに血管領域と非血管領域が含まれ、ノイズが増加した場合のＣＴ値のとりうる範囲（以下、標準偏差（Standard Deviation）：ＳＤと記す場合がある）を示す。図３Ａにおいては、上段にノイズの異なるＸ線ＣＴ画像を示し、下段に各Ｘ線ＣＴ画像に対応するＣＴ値の範囲を示す。また、図３Ａにおいては、上段のＸ線ＣＴ画像は、左から順にノイズが増加する場合について示す。 In FIG. 3A, a blood vessel region and a non-blood vessel region are included in a kernel of the same size, and a possible range of a CT value when noise increases (hereinafter, may be referred to as standard deviation (SD) in some cases). Show. In FIG. 3A, X-ray CT images having different noises are shown in the upper stage, and CT value ranges corresponding to the respective X-ray CT images are shown in the lower stage. In FIG. 3A, the upper X-ray CT image shows a case where noise increases in order from the left.
例えば、図３Ａの左側の図に示すように、ノイズが小さい場合に、血管領域２０と非血管領域（その他）１０とがとりうるＣＴ値の範囲は４０ＨＵ〜１００ＨＵであるとする。ここで、血管領域２０を示す画素に対応するボクセルのＣＴ値は、造影剤により高いＣＴ値を示すことから、１００ＨＵ側に分布する。一方、非血管領域（その他）１０を示す画素に対応するボクセルのＣＴ値は、血流量の多い血管領域よりも低いＣＴ値を示すことから、４０ＨＵ側に分布する。 For example, as shown in the diagram on the left side of FIG. 3A, it is assumed that the range of CT values that can be taken by the blood vessel region 20 and the non-blood vessel region (others) 10 is 40 HU to 100 HU when the noise is small. Here, the CT value of the voxel corresponding to the pixel indicating the blood vessel region 20 is distributed on the 100HU side because it exhibits a higher CT value due to the contrast agent. On the other hand, the CT value of the voxel corresponding to the pixel indicating the non-blood vessel region (others) 10 shows a CT value lower than that of the blood vessel region having a large blood flow volume, and thus is distributed on the 40HU side.
ここで、例えば、ノイズが高い場合には、図３Ａの真ん中及び右側の図に示すように、ノイズが上昇するにつれて、血管領域と非血管領域（その他）とがとりうるＣＴ値の範囲は広くなる。例えば、図３Ａの真ん中の図に示すように、血管領域２１と非血管領域１１とがとりうるＣＴ値の範囲は、２０ＨＵ〜１２０ＨＵに広がる。同様に、さらにノイズが上昇すると、図３Ａの右側の図に示すように、血管領域２２と非血管領域１２とがとりうるＣＴ値の範囲は、０ＨＵ〜１６０ＨＵに広がる。すなわち、ノイズとＣＴ値のとりうる範囲とは比例関係にあり、ノイズの上昇に伴って、画像のＳＤが大きくなる。 Here, for example, when the noise is high, as shown in the middle and right diagrams of FIG. 3A, the range of CT values that can be taken by the blood vessel region and the non-blood vessel region (others) increases as the noise increases. Become. For example, as shown in the middle diagram of FIG. 3A, the range of CT values that can be taken by the blood vessel region 21 and the non-blood vessel region 11 extends to 20 HU to 120 HU. Similarly, when the noise further increases, the range of CT values that the blood vessel region 22 and the non-blood vessel region 12 can take increases from 0HU to 160HU, as shown in the diagram on the right side of FIG. 3A. That is, the noise and the range that the CT value can take are in a proportional relationship, and the SD of the image increases as the noise increases.
そのため、図３Ａに示すように、非血管領域（その他）を示す画素に対応するボクセルのＣＴ値のＳＤも大きくなり、非血管領域（その他）におけるＣＴ値の平均値が低下することとなり、後述する血管領域の特定及び平滑化処理において誤差が生じてしまう。そこで、この誤差を抑制するために、カーネルサイズ決定部１５２は、ボリュームデータに含まれるノイズに応じてカーネルのサイズを変化させる。 Therefore, as shown in FIG. 3A, the SD of the voxel CT value corresponding to the pixel indicating the non-blood vessel region (others) also increases, and the average value of the CT values in the non-blood vessel region (others) decreases. An error occurs in the specification and smoothing processing of the blood vessel region to be performed. Therefore, in order to suppress this error, the kernel size determination unit 152 changes the size of the kernel according to the noise included in the volume data.
図３Ｂは、第１の実施形態に係るカーネルサイズとＣＴ値との関係について説明するための図である。図３Ｂにおいては、上段に同一のノイズでサイズの異なるカーネルによって囲まれたＸ線ＣＴ画像を示す。また、図３Ｂにおいては、下段に各Ｘ線ＣＴ画像における非血管領域（その他）を示す画素に対応するボクセルのＣＴ値の分布を示す。なお、図３Ｂの下側の図において、ＣＴ値範囲は上側が高く、下側が低い。 FIG. 3B is a diagram for explaining the relationship between the kernel size and the CT value according to the first embodiment. FIG. 3B shows an X-ray CT image surrounded by kernels having the same noise and different sizes in the upper stage. In FIG. 3B, the distribution of CT values of voxels corresponding to pixels indicating non-blood vessel regions (others) in each X-ray CT image is shown in the lower stage. In the lower diagram of FIG. 3B, the CT value range is higher on the upper side and lower on the lower side.
例えば、図３Ｂに示すように、同一のノイズである場合には、カーネルのサイズの変化に関わらず、ＣＴ値範囲は変化せず、一定である。すなわち、画像のＳＤに変化はない。ここで、図３Ｂの左側の図に示すように、カーネルのサイズが小さい場合には、非血管領域（その他）を示す画素に対応するボクセルのＣＴ値は、サンプル数が少ないため、ＣＴ値範囲にまんべんなく分布する。従って、カーネルサイズが小さい場合には、ＣＴ値の平均値は、ＣＴ値範囲の中央付近となってしまう。すなわち、図３Ａで示したように、ノイズが少ない画像と比較すると、ＣＴ値の平均値は低下する。 For example, as shown in FIG. 3B, in the case of the same noise, the CT value range does not change and is constant regardless of changes in the kernel size. That is, there is no change in the SD of the image. Here, as shown in the diagram on the left side of FIG. 3B, when the kernel size is small, the CT value of the voxel corresponding to the pixel indicating the non-blood vessel region (others) has a small number of samples, and thus the CT value range. It is distributed evenly. Therefore, when the kernel size is small, the average value of CT values is near the center of the CT value range. That is, as shown in FIG. 3A, the average value of CT values is lower than that of an image with little noise.
一方、カーネルサイズを大きくして、非血管領域（その他）を示す画素に対応するボクセルのサンプル数を増加させると、図３Ｂの真ん中及び右側の図に示すように、非血管領域（その他）を示す画素に対応するボクセルの真のＣＴ値を反映した値に分布が集中することとなり、真の平均値に近い平均値が算出されることとなる。すなわち、カーネルサイズ決定部１５２は、ノイズが高い場合にカーネルサイズを大きくすることによって、ＣＴ値の平均値の低下を抑止する。 On the other hand, when the kernel size is increased and the number of voxel samples corresponding to pixels indicating the non-blood vessel region (other) is increased, the non-blood vessel region (other) is reduced as shown in the middle and right diagrams of FIG. 3B. The distribution is concentrated on the value reflecting the true CT value of the voxel corresponding to the indicated pixel, and an average value close to the true average value is calculated. That is, the kernel size determination unit 152 suppresses a decrease in the average value of CT values by increasing the kernel size when noise is high.
上述したように、カーネルサイズ決定部１５２は、ノイズ（画像のＳＤ）に応じたカーネルサイズを決定する。具体的には、カーネルサイズ決定部１５２は、記憶部１４０に予め記憶されたノイズ（画像のＳＤ）とカーネルサイズとが対応付けられたカーネルサイズ情報を用いてカーネルサイズを決定する。なお、カーネルサイズ情報は、ユーザなどにより画像のＳＤとカーネルサイズとが任意に対応付けられ、記憶部１４０に格納される。 As described above, the kernel size determination unit 152 determines a kernel size according to noise (SD of an image). Specifically, the kernel size determination unit 152 determines the kernel size using kernel size information in which noise (SD of an image) stored in advance in the storage unit 140 is associated with the kernel size. The kernel size information is stored in the storage unit 140 by arbitrarily associating the SD of the image with the kernel size by the user or the like.
ここで、カーネルサイズ決定部１５２は、ボリュームデータに含まれる情報を用いて画像のＳＤを算出し、カーネルサイズ情報を参照して、算出した画像のＳＤに対応するカーネルサイズを抽出し、抽出したカーネルサイズを当該ボリュームデータに対する処理に用いるカーネルのサイズとして決定する。 Here, the kernel size determination unit 152 calculates the SD of the image using information included in the volume data, extracts the kernel size corresponding to the calculated SD of the image with reference to the kernel size information, and extracts The kernel size is determined as the size of the kernel used for processing the volume data.
例えば、カーネルサイズ決定部１５２は、以下で説明する３つの手法によりボリュームデータごとの画像ＳＤを算出する。図４は、第１の実施形態に係るカーネルサイズ決定部１５２による画像ＳＤの決定処理の例を説明するための図である。図４に示す３つの手法は、ユーザによって任意に選択されて実行される。以下、各手法について、順に説明する。 For example, the kernel size determination unit 152 calculates an image SD for each volume data by the three methods described below. FIG. 4 is a diagram for explaining an example of the determination process of the image SD by the kernel size determination unit 152 according to the first embodiment. The three methods shown in FIG. 4 are arbitrarily selected and executed by the user. Hereinafter, each method will be described in order.
まず、第１の手法について説明する。第１の手法では、カーネルサイズ決定部１５２は、複数のボリュームデータそれぞれの撮影条件に基づいて、ボリュームデータに含まれるノイズをそれぞれ算出する。例えば、カーネルサイズ決定部１５２は、図４の左側の図に示すように、画像撮影時のｍＡｓ（単位時間あたりの管電流）を参照して、画像ＳＤを算出する。ここで、図４に示すように、画像ＳＤとｍＡｓは相関関係にあり、この関係を示すデータが予め記憶部１４０に格納される。 First, the first method will be described. In the first method, the kernel size determination unit 152 calculates noise included in the volume data based on the shooting conditions of each of the plurality of volume data. For example, the kernel size determination unit 152 calculates the image SD with reference to mAs (tube current per unit time) at the time of image capture, as shown in the left diagram of FIG. Here, as shown in FIG. 4, the image SD and mAs have a correlation, and data indicating this relationship is stored in the storage unit 140 in advance.
例えば、カーネルサイズ決定部１５２は、記憶部１４０に記憶された画像ＳＤとｍＡｓとの関係を示すデータを参照して、ボリュームデータから生成される画像の画像ＳＤを算出する。パーフュージョン解析においては、スキャンの途中でｍＡｓが変更される場合がある（例えば、２０ Phaseのスキャンのうち、後半のスキャンを前半の半分のｍＡｓで実行する場合がある）。上記した手法を用いることにより、このような場合にも容易に対応することが可能となる。 For example, the kernel size determination unit 152 refers to data indicating the relationship between the image SD and mAs stored in the storage unit 140 and calculates the image SD of the image generated from the volume data. In the perfusion analysis, the mAs may be changed during the scan (for example, the latter half of the 20 Phase scans may be executed with the first half of the mAs). By using the above-described method, it is possible to easily cope with such a case.
次に、第２の手法について説明する。第２の手法では、カーネルサイズ決定部１５２は、複数のボリュームデータにおける任意の領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。例えば、カーネルサイズ決定部１５２は、図４の真ん中の図に示すように、画像を参照して、画像ＳＤを算出する。一例を挙げると、カーネルサイズ決定部１５２は、パーフュージョン解析に用いられる画像上にユーザによって任意に設定されたＲＯＩ（Region of Interest）に含まれる画素値（或いは、画素に対応するボクセルのＣＴ値）から画像ＳＤを算出する。 Next, the second method will be described. In the second method, the kernel size determination unit 152 calculates noise included in the volume data using an arbitrary area in the plurality of volume data. For example, the kernel size determination unit 152 calculates the image SD with reference to the image as shown in the middle diagram of FIG. For example, the kernel size determination unit 152 may include a pixel value included in an ROI (Region of Interest) arbitrarily set by a user on an image used for perfusion analysis (or a CT value of a voxel corresponding to the pixel). ) To calculate the image SD.
上述した手法を用いた場合には、各位相の画像ＳＤの変化からカーネルサイズを変化させてもよい。すなわち、最初の位相の画像ＳＤによってその後の位相の画像ＳＤを正規化し、正規化した倍率によってカーネルサイズを変更する場合であってもよい。例えば、カーネルサイズ決定部１５２は、最初の位相の画像について、算出した画像ＳＤとカーネルサイズ情報とからカーネルサイズを決定する。そして、カーネルサイズ決定部１５２は、次の位相の画像ＳＤを最初の位相の画像ＳＤで除算した値を算出する。その後、カーネルサイズ決定部１５２は、算出した値を最初の位相のカーネルサイズに乗算して得られたサイズを次の位相の画像におけるカーネルサイズとして決定する。カーネルサイズ決定部１５２は、その後の位相の画像について、上述した手法により順にカーネルサイズを決定する。 When the above-described method is used, the kernel size may be changed from the change in the image SD of each phase. That is, it may be a case where the image SD of the subsequent phase is normalized by the image SD of the first phase and the kernel size is changed by the normalized magnification. For example, the kernel size determination unit 152 determines the kernel size of the first phase image from the calculated image SD and kernel size information. Then, the kernel size determination unit 152 calculates a value obtained by dividing the next phase image SD by the first phase image SD. Thereafter, the kernel size determining unit 152 determines the size obtained by multiplying the calculated value by the kernel size of the first phase as the kernel size in the image of the next phase. The kernel size determination unit 152 sequentially determines the kernel size for the subsequent phase images by the above-described method.
次に、第３の手法について説明する。第３の手法では、カーネルサイズ決定部１５２は、複数のボリュームデータそれぞれに含まれる水ファントムの領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。例えば、カーネルサイズ決定部１５２は、図４の右側の図に示すように、水ファントム画像を参照して、画像ＳＤを算出する。一例を挙げると、まず、画像撮影時にＦＯＶ内に水ファントムを設置して画像が撮影される。カーネルサイズ決定部１５２は、撮影された画像内の水ファントム領域に設定されたＲＯＩの画像ＳＤを算出する。その後、カーネルサイズ決定部１５２は、上述した第２の手法と同様の処理を実行することで、各位相のボリュームデータ（画像）におけるカーネルサイズを決定する。 Next, the third method will be described. In the third method, the kernel size determination unit 152 calculates the noise included in the volume data using the water phantom area included in each of the plurality of volume data. For example, the kernel size determination unit 152 calculates the image SD with reference to the water phantom image as illustrated in the right side of FIG. For example, first, a water phantom is installed in the FOV when an image is captured, and an image is captured. The kernel size determination unit 152 calculates the ROI image SD set in the water phantom area in the captured image. Thereafter, the kernel size determining unit 152 determines the kernel size in the volume data (image) of each phase by executing the same process as that of the second method described above.
なお、上述した３つの手法は、ユーザによって任意に選択されて用いられるが、第３の手法では、水ファントムを用いて画像ＳＤを算出していることから、精度の高い処理を行うことができる。従って、高精度の処理が求められる場合には、第３の手法が用いられることが望ましい。 The three methods described above are arbitrarily selected and used by the user. However, since the image SD is calculated using the water phantom in the third method, highly accurate processing can be performed. . Therefore, it is desirable to use the third method when high-precision processing is required.
図１に戻って、血管領域特定部１５３は、造影しながら経時的に収集された複数のボリュームデータそれぞれについて、所定の領域ごとに、当該所定の領域に含まれるボクセルそれぞれの特徴量の頻度分布において、非血管領域に相当する特徴量の範囲を特定する。具体的には、血管領域特定部１５３は、カーネルサイズ決定部１５２によって決定されたサイズのカーネルを用いて、カーネルに含まれるボクセルそれぞれの特徴量の頻度分布において、特徴量の最低値から所定の割合までの値の範囲を非血管領域に相当する特徴量の範囲として決定する。 Returning to FIG. 1, the blood vessel region specifying unit 153 performs, for each of a plurality of volume data collected over time while contrasting, the frequency distribution of the feature amount of each voxel included in the predetermined region. The range of the feature amount corresponding to the non-blood vessel region is specified. Specifically, the blood vessel region specifying unit 153 uses a kernel having a size determined by the kernel size determining unit 152 to calculate a predetermined distribution from the lowest feature value in the frequency distribution of the feature values of each voxel included in the kernel. A range of values up to the ratio is determined as a range of feature amounts corresponding to the non-blood vessel region.
また、血管領域特定部１５３は、カーネルサイズ決定部１５２によって決定されたサイズのカーネルを用いて、カーネルに含まれるボクセルそれぞれの特徴量の頻度分布において、各特徴量を最低値から順に加算し、加算後の標準偏差が所定の閾値を上回る前までに加算された特徴量の値から最低値までの範囲を非血管領域に相当する特徴量の範囲として決定する。 Further, the blood vessel region specifying unit 153 uses the kernel of the size determined by the kernel size determining unit 152 to add each feature amount in order from the lowest value in the frequency distribution of the feature amount of each voxel included in the kernel, A range from the value of the feature amount added before the standard deviation after the addition exceeds a predetermined threshold value to the lowest value is determined as a feature amount range corresponding to the non-blood vessel region.
図５は、第１の実施形態に係る血管領域特定部１５３による処理の一例を説明するための図である。図５においては、各ボリュームデータから生成されるＸ線ＣＴ画像を表示部１２０に表示する場合の各画素を丸で示す。また、図５においては、カーネルサイズ決定部１５２によってカーネルのサイズが「３×３」に決定された場合の例について示す。 FIG. 5 is a diagram for explaining an example of processing by the blood vessel region specifying unit 153 according to the first embodiment. In FIG. 5, each pixel when an X-ray CT image generated from each volume data is displayed on the display unit 120 is indicated by a circle. FIG. 5 shows an example in which the kernel size determination unit 152 determines the kernel size to be “3 × 3”.
例えば、図５の（Ａ）に示すように、カーネルサイズ決定部１５２によって、カーネルのサイズが「３×３」に決定されると、血管領域特定部１５３は、決定された「３×３」のカーネルに含まれる非血管領域（血管領域）を、図５の（Ｂ）に示す２つの手法を用いて特定する。なお、２つの手法はそれぞれ単独で用いてもよく、或いは、２つの手法を組み合わせて用いてもよい。 For example, as illustrated in FIG. 5A, when the kernel size determination unit 152 determines the kernel size to be “3 × 3”, the blood vessel region specifying unit 153 determines the determined “3 × 3”. A non-blood vessel region (blood vessel region) included in the kernel is identified using two methods shown in FIG. The two methods may be used alone or in combination of the two methods.
まず、第１の手法について説明する。例えば、血管領域特定部１５３は、図５の（Ｂ）の左側に示すように、カーネルに含まれる９つの画素について対応するＣＴ値のヒストグラムを生成し、生成したヒストグラムにおいて下位の任意％に含まれるＣＴ値を、組織を示すＣＴ値として特定する。すなわち、血管領域特定部１５３は、ＣＴ値のヒストグラムにおいて下位から任意％の範囲を非血管領域の範囲として特定し、それ以上の範囲を血管領域の範囲として決定する。 First, the first method will be described. For example, as shown on the left side of FIG. 5B, the blood vessel region specifying unit 153 generates a histogram of CT values corresponding to nine pixels included in the kernel, and is included in the lower arbitrary% in the generated histogram. The CT value to be determined is specified as the CT value indicating the tissue. That is, the blood vessel region specifying unit 153 specifies an arbitrary% range from the lower order in the CT value histogram as the non-blood vessel region range, and determines a range beyond that as the blood vessel region range.
血管領域特定部１５３は、カーネルを１画素分ずつずらしながら、カーネルに含まれる画素に対応するＣＴ値のヒストグラムをそれぞれ生成して、各位置のカーネルにおける非血管領域の範囲を特定する。 The blood vessel region specifying unit 153 generates a histogram of CT values corresponding to the pixels included in the kernel while shifting the kernel by one pixel, and specifies the range of the non-blood vessel region in the kernel at each position.
次に、第２の手法について説明する。例えば、血管領域特定部１５３は、図５の（Ｂ）の右側に示すように、ヒストグラムを生成した後に、下位のＣＴ値から順に加算処理と、標準偏差の算出を行う。そして、血管領域特定部１５３は、標準偏差が急激に大きくなる地点を特定して、それ以下を非血管領域として特定する。なお、図５の（Ｂ）の右側の図においては、横軸に標準偏差の算出回数を示し、縦軸に標準偏差を示す。 Next, the second method will be described. For example, as shown on the right side of FIG. 5B, the blood vessel region specifying unit 153 performs addition processing and standard deviation calculation in order from the lower CT value after generating a histogram. Then, the blood vessel region specifying unit 153 specifies a point where the standard deviation suddenly increases, and specifies a region below that as a non-blood vessel region. In FIG. 5B on the right side, the horizontal axis indicates the number of times of calculating the standard deviation, and the vertical axis indicates the standard deviation.
すなわち、血管領域特定部１５３は、下位からＣＴ値を加算して、そのときの標準偏差を算出して、１回前の標準偏差と差分処理を実行する。ここで、差分した値が所定の閾値を上回った場合に、血管領域特定部１５３は、標準偏差が急激に大きくなったと判定する。そして、血管領域特定部１５３は、標準偏差が急激に大きくなったと判定した加算処理の１回前に加算されたＣＴ値から最下位のＣＴ値までの範囲を非血管領域（例えば、組織など）に対応するＣＴ値の範囲であると特定する。これは、図５の（Ａ）にも示すように、非血管領域（組織）に対応するＣＴ値の分布と、血管領域に対応するＣＴ値の分布とがそれぞれのピークで分かれており、加算処理において血管領域に対応するＣＴ値の加算を開始した場合に、標準偏差が急激に大きくなることを利用した特定手法である。 That is, the blood vessel region specifying unit 153 adds the CT values from the lower order, calculates the standard deviation at that time, and executes the difference process with the previous standard deviation. Here, when the difference value exceeds a predetermined threshold, the blood vessel region specifying unit 153 determines that the standard deviation has rapidly increased. Then, the blood vessel region specifying unit 153 determines a range from the CT value added one time before the addition processing determined that the standard deviation has rapidly increased to the lowest CT value as a non-blood vessel region (for example, a tissue). Is specified as a range of CT values corresponding to. As shown in FIG. 5A, the distribution of the CT value corresponding to the non-vascular region (tissue) and the distribution of the CT value corresponding to the vascular region are separated at respective peaks. This is a specific method that utilizes the fact that the standard deviation suddenly increases when the addition of CT values corresponding to the blood vessel region is started in the processing.
上述した処理についても、血管領域特定部１５３は、カーネルを１画素分ずつずらしながら、カーネルに含まれる画素に対応するＣＴ値のヒストグラムをそれぞれ生成して、加算処理と標準偏差の判定を行い、各位置のカーネルにおける非血管領域の範囲を特定する。 Also for the processing described above, the blood vessel region specifying unit 153 generates a histogram of CT values corresponding to the pixels included in the kernel while shifting the kernel by one pixel, and performs addition processing and standard deviation determination. Identify the extent of the non-vascular region in the kernel at each location.
ここで、第１の実施形態に係る血管領域特定部１５３は、上述した第１の手法及び第２の手法を組み合わせて用いることが可能である。例えば、血管領域特定部１５３は、まず、第１の手法によって非血管領域の特定を行う。このとき、血管領域特定部１５３は、同時にヒストグラムにおける分布を解析してピークが明確に２つ存在するか否かを判定する。ここで、ピークが明確に２つ存在しない場合に、血管領域特定部１５３は、手法を第２の手法に切替え、第２の手法によって非血管領域の特定を行うようにする。 Here, the blood vessel region specifying unit 153 according to the first embodiment can be used by combining the first method and the second method described above. For example, the blood vessel region specifying unit 153 first specifies the non-blood vessel region by the first method. At this time, the blood vessel region specifying unit 153 simultaneously analyzes the distribution in the histogram and determines whether or not two peaks clearly exist. Here, when two peaks are not clearly present, the blood vessel region specifying unit 153 switches the method to the second method, and specifies the non-blood vessel region by the second method.
なお、上述した第１の手法における下位からの任意の％、及び、第２の手法における閾値は、ユーザによって任意に設定することが可能である。例えば、解析する対象となる組織（頭部の組織や、腹部の組織など）ごとに、下位からの任意の％、閾値を設定するようにしてもよい。 Note that the arbitrary% from the lower order in the first method and the threshold value in the second method can be arbitrarily set by the user. For example, you may make it set arbitrary% and a threshold value from the low order for every structure | tissue (head tissue, abdominal tissue, etc.) to be analyzed.
図１に戻って、画素値設定部１５４は、所定の領域に含まれるボクセルそれぞれの特徴量のうち、血管領域特定部１５３によって特定された特徴量の範囲に含まれる特徴量を用いて所定の領域内の特徴量を平滑化させる。具体的には、画素値設定部１５４は、血管領域特定部１５３によってカーネルごとに特定された非血管領域に対応するＣＴ値の範囲に含まれるＣＴ値の平均値を当該カーネルの中心の画素のＣＴ値として設定する。 Returning to FIG. 1, the pixel value setting unit 154 uses a feature amount included in the feature amount range specified by the blood vessel region specifying unit 153 among the feature amounts of the voxels included in the predetermined region. The feature amount in the area is smoothed. Specifically, the pixel value setting unit 154 calculates the average value of CT values included in the CT value range corresponding to the non-blood vessel region specified for each kernel by the blood vessel region specifying unit 153 for the pixel at the center of the kernel. Set as CT value.
図６は、第１の実施形態に係る画素値設定部１５４による処理の一例を説明するための図である。図６においては、図５に示す大きさ「３×３」のカーネルを用いて非血管領域が決定された場合の画素値設定部１５４による処理を示す。例えば、画素値設定部１５４は、図６の上側に示すように、カーネルで囲まれた９つの画素に対応するＣＴ値それぞれから、血管領域特定部１５３によって非血管領域として特定された範囲に含まれるＣＴ値を抽出して、平均値を算出する。そして、画素値設定部１５４は、算出した平均値をカーネルの中心の画素Ａに設定する。 FIG. 6 is a diagram for explaining an example of processing by the pixel value setting unit 154 according to the first embodiment. FIG. 6 shows processing performed by the pixel value setting unit 154 when a non-blood vessel region is determined using a kernel of size “3 × 3” shown in FIG. For example, as shown in the upper side of FIG. 6, the pixel value setting unit 154 is included in a range specified as a non-blood vessel region by the blood vessel region specifying unit 153 from each of CT values corresponding to nine pixels surrounded by the kernel. CT values to be extracted are extracted, and an average value is calculated. Then, the pixel value setting unit 154 sets the calculated average value to the pixel A at the center of the kernel.
同様に、画素値設定部１５４は、図６の下側の図に示すように、１画素分ずらして非血管領域の範囲が特定されたカーネルに含まれる９つの画素に対応するＣＴ値それぞれから、血管領域特定部１５３によって非血管領域として特定された範囲に含まれるＣＴ値を抽出して、平均値を算出する。そして、画素値設定部１５４は、算出した平均値をカーネルの中心の画素Ｂに設定する。 Similarly, as shown in the lower diagram of FIG. 6, the pixel value setting unit 154 shifts by one pixel from each CT value corresponding to nine pixels included in the kernel in which the range of the non-blood vessel region is specified. The CT value included in the range specified as the non-blood vessel region by the blood vessel region specifying unit 153 is extracted, and the average value is calculated. Then, the pixel value setting unit 154 sets the calculated average value to the pixel B at the center of the kernel.
画素値設定部１５４は、血管領域特定部１５３によってカーネルごとに非血管領域に対応する範囲が特定されると、非血管領域として特定された範囲に含まれるＣＴ値の平均値を各カーネルそれぞれについて算出し、算出した平均値を各カーネルの中心の画素それぞれに設定する。これにより、各画素で表現される画像は、血管領域に対応する範囲のＣＴ値を除いた画像となる。すなわち、血管領域を除去した画像となる。 When the range corresponding to the non-blood vessel region is specified for each kernel by the blood vessel region specifying unit 153, the pixel value setting unit 154 determines the average value of CT values included in the range specified as the non-blood vessel region for each kernel. The calculated average value is set for each pixel at the center of each kernel. Thereby, the image represented by each pixel becomes an image excluding the CT value in the range corresponding to the blood vessel region. That is, the image is a blood vessel region removed.
図１に戻って、表示制御部１５５は、画素値設定部１５４によって設定された平均値に対応する画素値を各画素から出力した画像を表示部１２０に表示させる。図７は、第１の実施形態に係る表示制御部１５５による制御によって表示される画像例を示す図である。ここで、図７においては、図７の（Ａ）に血管領域を除去していないＸ線ＣＴ画像を示し、図７の（Ｂ）に血管領域を除去したＸ線ＣＴ画像を示す。 Returning to FIG. 1, the display control unit 155 causes the display unit 120 to display an image in which the pixel value corresponding to the average value set by the pixel value setting unit 154 is output from each pixel. FIG. 7 is a diagram illustrating an example of an image displayed by the control by the display control unit 155 according to the first embodiment. Here, in FIG. 7, (A) in FIG. 7 shows an X-ray CT image from which the blood vessel region has not been removed, and (B) in FIG. 7 shows an X-ray CT image from which the blood vessel region has been removed.
例えば、表示制御部１５５は、血管領域を除去していない場合には、図７の（Ａ）に示すように、血管領域が高輝度で現されるＸ線ＣＴ画像を表示する。一方、上述した各部の処理により血管領域を除去した場合には、表示制御部１５５は、図７の（Ｂ）に示すように、血管領域の高輝度部分の輝度が抑制されたＸ線ＣＴ画像を表示する。 For example, when the blood vessel region is not removed, the display control unit 155 displays an X-ray CT image in which the blood vessel region is displayed with high luminance, as shown in FIG. On the other hand, when the blood vessel region is removed by the processing of each unit described above, the display control unit 155 displays the X-ray CT image in which the luminance of the high luminance portion of the blood vessel region is suppressed as shown in FIG. Is displayed.
上述した制御部１５０の処理は、経時的に撮影されたボリュームデータそれぞれについて実行される。すなわち、各位相の画像それぞれについて、カーネルを用いた血管領域除去が実行される。従って、これらの画像を用いてパーフュージョン解析が実行された場合には、体動などの不随意な動きの有無に関わらず、各位相において血管領域の除去が確実に実行されたパーフュージョン画像を提供することが可能である。 The processing of the control unit 150 described above is executed for each volume data photographed over time. That is, the blood vessel region removal using the kernel is executed for each phase image. Therefore, when perfusion analysis is performed using these images, perfusion images in which the removal of the blood vessel region is reliably performed in each phase regardless of the presence or absence of involuntary movements such as body movements. It is possible to provide.
なお、上述した例では、ＣＴ値を用いて血管領域の除去を行う場合について説明した。しかしながら、各画素における特徴量は、画素値を用いる場合であってもよい。すなわち、ＣＴ値に対応する画素値を用いて、非血管領域を特定（非血管領域に対応する画素値の範囲を特定）して、各画素における画素値を設定する場合であってもよい。 In the above-described example, the case where the blood vessel region is removed using the CT value has been described. However, the feature value in each pixel may be a case where a pixel value is used. That is, the pixel value corresponding to the CT value may be used to specify the non-blood vessel region (specify the range of pixel values corresponding to the non-blood vessel region) and set the pixel value in each pixel.
次に、図８を用いて、第１の実施形態に係る画像処理装置１００の処理について説明する。図８は、第１の実施形態に係る画像処理装置１００による処理の手順を示すフローチャートである。なお、図８においては、各処理に画素値を用いる場合について示す。また、図８においては、造影しながら経時的に収集された複数のボリュームデータから画像がそれぞれ生成され、画像取得部１５１によって生成された画像が取得された後の処理について示す。 Next, processing of the image processing apparatus 100 according to the first embodiment will be described with reference to FIG. FIG. 8 is a flowchart illustrating a processing procedure performed by the image processing apparatus 100 according to the first embodiment. FIG. 8 shows a case where pixel values are used for each process. FIG. 8 shows processing after images are generated from a plurality of volume data collected over time while contrasting and the images generated by the image acquisition unit 151 are acquired.
図８に示すように、第１の実施形態に係る画像処理装置１００においては、カーネルサイズ決定部１５２が、１Ｐｈａｓｅ分の画像を取得する（ステップＳ１０１）。そして、カーネルサイズ決定部１５２は、画像ＳＤを算出して（ステップＳ１０２）、算出した画像ＳＤに基づいて、カーネルサイズを決定する（ステップＳ１０３）。 As shown in FIG. 8, in the image processing apparatus 100 according to the first embodiment, the kernel size determination unit 152 acquires an image for 1 Phase (step S101). Then, the kernel size determination unit 152 calculates the image SD (step S102), and determines the kernel size based on the calculated image SD (step S103).
そして、血管領域特定部１５３は、カーネルサイズ分の画素値を取得して（ステップＳ１０４）、ヒストグラムを生成する（ステップＳ１０５）。その後、血管領域特定部１５３は、ヒストグラムにおける血管領域（非血管領域）に対応する範囲を特定する（ステップＳ１０６）。 Then, the blood vessel region specifying unit 153 acquires pixel values for the kernel size (step S104) and generates a histogram (step S105). Thereafter, the blood vessel region specifying unit 153 specifies a range corresponding to the blood vessel region (non-blood vessel region) in the histogram (step S106).
そして、画素値設定部１５４は、血管領域特定部１５３によって特定された血管領域の範囲に含まれる画素値を除去した画素値の平均値（非血管領域の範囲に含まれる画素値の平均値）を算出して、算出した平均値をカーネルの中心の画素に適用する（ステップＳ１０７）。 Then, the pixel value setting unit 154 removes the pixel value included in the range of the blood vessel region specified by the blood vessel region specifying unit 153 (average value of the pixel values included in the range of the non-blood vessel region). And the calculated average value is applied to the center pixel of the kernel (step S107).
そして、血管領域特定部１５３は、１Ｐｈａｓｅ分の画素全てに対して処理を行ったか否かを判定する（ステップＳ１０８）。ここで、１Ｐｈａｓｅ分の画素全てに対して処理を行っていないと判定した場合には（ステップＳ１０８否定）、血管領域特定部１５３は、ステップＳ１０４に戻って、移動した先のカーネルにおいて、カーネルサイズ分の画素値を取得する。 Then, the blood vessel region specifying unit 153 determines whether or not processing has been performed on all pixels for 1 Phase (step S108). Here, if it is determined that processing has not been performed on all pixels for 1 Phase (No at Step S108), the blood vessel region specifying unit 153 returns to Step S104 and sets the kernel size in the moved kernel. Get the minute pixel value.
一方、１Ｐｈａｓｅ分の画素全てに対して処理を行ったと判定された場合には（ステップＳ１０８肯定）、カーネルサイズ決定部１５２は、全Ｐｈａｓｅ分の画像全てに対して処理が実行されたか否かを判定する（ステップＳ１０９）。 On the other hand, if it is determined that processing has been performed for all pixels for 1 Phase (Yes in step S108), the kernel size determination unit 152 determines whether processing has been performed for all images for all Phases. Determination is made (step S109).
ここで、全Ｐｈａｓｅ分の画像全てに対して処理が実行されていないと判定した場合には（ステップＳ１０９否定）、カーネルサイズ決定部１５２は、ステップＳ１０１に戻って、未処理の１Ｐｈａｓｅ分の画像を取得する。一方、全Ｐｈａｓｅ分の画像全てに対して処理が実行したと判定された場合には（ステップＳ１０９肯定）、画像処理装置１００は、処理を終了する。 Here, when it is determined that the processing has not been performed for all the images for all Phases (No at Step S109), the kernel size determination unit 152 returns to Step S101 and performs an unprocessed image for 1 Phase. To get. On the other hand, when it is determined that the processing has been executed for all the images for all Phases (Yes at Step S109), the image processing apparatus 100 ends the processing.
上述したように、第１の実施形態によれば、血管領域特定部１５３が、造影しながら経時的に収集された複数のボリュームデータそれぞれについて、カーネルごとに、カーネルに含まれるボクセルそれぞれの特徴量のヒストグラムにおいて、非血管領域に相当する特徴量の範囲を特定する。そして、画素値設定部１５４が、カーネルに含まれるボクセルそれぞれの特徴量のうち、血管領域特定部１５３によって特定された特徴量の範囲に含まれる特徴量を用いてカーネル内の特徴量を平滑化させる。従って、第１の実施形態に係る画像処理装置１００は、各位相の画像それぞれについて、各画素を非血管領域の範囲に相当する画素値から算出された値で設定することができ、血管領域を高精度に除去することを可能にする。その結果、第１の実施形態に係る画像処理装置１００は、パーフュージョン画像を用いた診断の診断能を向上させることを可能にする。 As described above, according to the first embodiment, for each of a plurality of volume data collected over time while being imaged by the blood vessel region specifying unit 153, for each kernel, the feature amount of each voxel included in the kernel In this histogram, the range of the feature amount corresponding to the non-blood vessel region is specified. Then, the pixel value setting unit 154 smoothes the feature amount in the kernel using the feature amount included in the feature amount range specified by the blood vessel region specifying unit 153 out of the feature amounts of each voxel included in the kernel. Let Therefore, the image processing apparatus 100 according to the first embodiment can set each pixel with a value calculated from a pixel value corresponding to the range of the non-blood vessel region for each phase image. It enables removal with high accuracy. As a result, the image processing apparatus 100 according to the first embodiment can improve the diagnostic ability of the diagnosis using the perfusion image.
また、第１の実施形態によれば、血管領域特定部１５３は、カーネルに含まれるボクセルそれぞれの特徴量のヒストグラムにおいて、特徴量の最低値から所定の割合までの値の範囲を非血管領域に相当する特徴量の範囲として決定する。従って、第１の実施形態に係る画像処理装置１００は、血管領域に対応する範囲を効率よく除去することを可能にする。 Further, according to the first embodiment, the blood vessel region specifying unit 153 sets a range of values from the lowest feature amount to a predetermined ratio in the feature amount histogram of each voxel included in the kernel as a non-blood vessel region. It is determined as the range of the corresponding feature amount. Therefore, the image processing apparatus 100 according to the first embodiment can efficiently remove the range corresponding to the blood vessel region.
また、第１の実施形態によれば、血管領域特定部１５３は、カーネルに含まれるボクセルそれぞれの特徴量のヒストグラムにおいて、各特徴量を最低値から順に加算し、加算後の標準偏差が所定の閾値を上回る前までに加算された特徴量の値から最低値までの範囲を非血管領域に相当する特徴量の範囲として決定する。従って、第１の実施形態に係る画像処理装置１００は、血管領域に対応する範囲を高精度で除去することを可能にする。 Further, according to the first embodiment, the blood vessel region specifying unit 153 adds each feature amount in order from the lowest value in the histogram of the feature amount of each voxel included in the kernel, and the standard deviation after the addition is a predetermined value. A range from the value of the feature amount added before exceeding the threshold value to the lowest value is determined as a feature amount range corresponding to the non-blood vessel region. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to remove the range corresponding to the blood vessel region with high accuracy.
また、第１の実施形態によれば、血管領域特定部１５３は、複数のボリュームデータそれぞれについて、ボリュームデータに含まれるノイズに応じてカーネルのサイズを決定する。従って、第１の実施形態に係る画像処理装置１００は、位相ごとに適切なカーネルサイズを設定することを可能にする。 Further, according to the first embodiment, the blood vessel region specifying unit 153 determines the size of the kernel for each of a plurality of volume data according to the noise included in the volume data. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to set an appropriate kernel size for each phase.
また、第１の実施形態によれば、血管領域特定部１５３は、複数のボリュームデータそれぞれの撮影条件に基づいて、ボリュームデータに含まれるノイズをそれぞれ算出する。従って、第１の実施形態に係る画像処理装置１００は、撮影条件によって変化するノイズを考慮したカーネルサイズを設定することを可能にする。 Further, according to the first embodiment, the blood vessel region specifying unit 153 calculates the noise included in the volume data based on the imaging conditions of each of the plurality of volume data. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to set a kernel size in consideration of noise that varies depending on the shooting conditions.
また、第１の実施形態によれば、血管領域特定部１５３は、複数のボリュームデータにおける任意の領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。従って、第１の実施形態に係る画像処理装置１００は、ユーザが設定した領域からノイズを算出することができ、画像の特徴を考慮したカーネルサイズを設定することを可能にする。 In addition, according to the first embodiment, the blood vessel region specifying unit 153 calculates noise included in the volume data using arbitrary regions in the plurality of volume data. Therefore, the image processing apparatus 100 according to the first embodiment can calculate noise from an area set by the user, and can set a kernel size in consideration of image characteristics.
また、第１の実施形態によれば、血管領域特定部１５３は、複数のボリュームデータそれぞれに含まれる水ファントムの領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。従って、第１の実施形態に係る画像処理装置１００は、高精度にノイズを算出することができ、より適切なカーネルサイズを設定することを可能にする。 Further, according to the first embodiment, the blood vessel region specifying unit 153 calculates the noise included in the volume data using the water phantom region included in each of the plurality of volume data. Therefore, the image processing apparatus 100 according to the first embodiment can calculate noise with high accuracy and can set a more appropriate kernel size.
（第２の実施形態）
さて、これまで第１の実施形態について説明したが、上述した第１の実施形態以外にも、種々の異なる形態にて実施されてよいものである。
(Second Embodiment)
Although the first embodiment has been described so far, the present invention may be implemented in various different forms other than the first embodiment described above.
上述した第１の実施形態においては、画像処理装置１００がネットワークを介して医用画像診断装置や画像保管装置と接続され、通信部を介して画像を取得する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、操作者が所望する画像データがフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどの記憶媒体を介して、記憶部１４０に格納される場合であっても適用可能である。また、本実施形態は、操作者が所望する画像データを記憶する記憶装置が、記憶部１４０以外に設置される場合であっても適用可能である。 In the first embodiment described above, a case has been described in which the image processing apparatus 100 is connected to a medical image diagnostic apparatus or an image storage apparatus via a network and acquires an image via a communication unit. However, the embodiment is not limited to this. For example, image data desired by the operator is stored in the storage unit 140 via a storage medium such as a flexible disk (FD), CD-ROM, MO, or DVD. Even if it is done, it is applicable. Further, the present embodiment is applicable even when a storage device that stores image data desired by the operator is installed in a place other than the storage unit 140.
上述した第１の実施形態では、Ｘ線ＣＴ装置によって撮影されＸ線ＣＴ画像を用いる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、ＭＲＩ装置によって撮影されたＭＲ画像を用いる場合であってもよい。 In the first embodiment described above, the case where an X-ray CT image is used which is taken by an X-ray CT apparatus has been described. However, the embodiment is not limited to this, and for example, an MR image captured by an MRI apparatus may be used.
また、上述した第１の実施形態における画像処理装置１００の構成はあくまでも一例であり、各部の統合及び分離は適宜行うことができる。例えば、カーネルサイズ決定部１５２と血管領域特定部１５３とを統合したり、血管領域特定部１５３をヒストグラムを作成するヒストグラム作成部と領域特定部に分離したりすることが可能である。 Further, the configuration of the image processing apparatus 100 in the first embodiment described above is merely an example, and the integration and separation of each unit can be performed as appropriate. For example, the kernel size determining unit 152 and the blood vessel region specifying unit 153 can be integrated, or the blood vessel region specifying unit 153 can be separated into a histogram creating unit and a region specifying unit that create a histogram.
以上説明したとおり、第１の実施形態及び第２の実施形態によれば、本実施形態の画像処理装置及びプログラムは、血管領域を高精度に除去することを可能にする。 As described above, according to the first embodiment and the second embodiment, the image processing apparatus and the program according to the present embodiment can remove a blood vessel region with high accuracy.
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments of the present invention have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the spirit of the invention. These embodiments and their modifications are included in the scope and gist of the invention, and are also included in the invention described in the claims and the equivalents thereof.
１００ 画像処理装置
１５０ 制御部
１５１ 画像取得部
１５２ カーネルサイズ決定部
１５３ 血管領域特定部
１５４ 画素値設定部
１５５ 表示制御部
DESCRIPTION OF SYMBOLS 100 Image processing apparatus 150 Control part 151 Image acquisition part 152 Kernel size determination part 153 Blood vessel region specific | specification part 154 Pixel value setting part 155 Display control part
Claims (8)
前記所定の領域に含まれるボクセルそれぞれの特徴量のうち、前記特定手段によって特定された特徴量の範囲に含まれる特徴量を用いて前記所定の領域内の特徴量を平滑化させる特徴量設定手段と、
を備えたことを特徴とする画像処理装置。 For each of a plurality of three-dimensional medical image data collected over time while contrasting, a feature amount corresponding to a non-blood vessel region in a feature amount frequency distribution of each voxel included in the predetermined region for each predetermined region A specific means for specifying the range of
Feature amount setting means for smoothing the feature amount in the predetermined region using the feature amount included in the range of the feature amount specified by the specifying means among the feature amounts of the voxels included in the predetermined region. When,
An image processing apparatus comprising:
前記所定の領域に含まれるボクセルそれぞれの特徴量のうち、前記特定手順によって特定された特徴量の範囲に含まれる特徴量を用いて前記所定の領域内の特徴量を平滑化させる特徴量設定手順と、
をコンピュータに実行させることを特徴とするプログラム。 For each of a plurality of three-dimensional medical image data collected over time while contrasting, a feature amount corresponding to a non-blood vessel region in a feature amount frequency distribution of each voxel included in the predetermined region for each predetermined region Specific steps to identify the scope of
A feature amount setting procedure for smoothing a feature amount in the predetermined region using a feature amount included in the range of the feature amount specified by the specifying procedure among the feature amounts of the voxels included in the predetermined region. When,
A program that causes a computer to execute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012228099A JP5989498B2 (en) | 2012-10-15 | 2012-10-15 | Image processing apparatus and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012228099A JP5989498B2 (en) | 2012-10-15 | 2012-10-15 | Image processing apparatus and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014079317A true JP2014079317A (en) | 2014-05-08 |
| JP5989498B2 JP5989498B2 (en) | 2016-09-07 |
Family
ID=50784133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012228099A Active JP5989498B2 (en) | 2012-10-15 | 2012-10-15 | Image processing apparatus and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5989498B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021121337A (en) * | 2015-08-26 | 2021-08-26 | 株式会社根本杏林堂 | Medical image processing device and medical image processing program |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002165757A (en) * | 2000-11-30 | 2002-06-11 | Olympus Optical Co Ltd | Diagnostic supporting system |
| US20060004279A1 (en) * | 2004-03-31 | 2006-01-05 | Kabushiki Kaisha Toshiba | Medical image processing apparatus and method of processing medical image |
| JP2007312837A (en) * | 2006-05-23 | 2007-12-06 | Konica Minolta Medical & Graphic Inc | Region extracting apparatus, region extracting method and program |
| US20100195893A1 (en) * | 2009-02-04 | 2010-08-05 | Fuchigami Ko | X-ray diagnosis apparatus and image processing apparatus |
| WO2011092982A1 (en) * | 2010-02-01 | 2011-08-04 | コニカミノルタエムジー株式会社 | Dynamic image processing system and program |
-
2012
- 2012-10-15 JP JP2012228099A patent/JP5989498B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002165757A (en) * | 2000-11-30 | 2002-06-11 | Olympus Optical Co Ltd | Diagnostic supporting system |
| US20060004279A1 (en) * | 2004-03-31 | 2006-01-05 | Kabushiki Kaisha Toshiba | Medical image processing apparatus and method of processing medical image |
| JP2007312837A (en) * | 2006-05-23 | 2007-12-06 | Konica Minolta Medical & Graphic Inc | Region extracting apparatus, region extracting method and program |
| US20100195893A1 (en) * | 2009-02-04 | 2010-08-05 | Fuchigami Ko | X-ray diagnosis apparatus and image processing apparatus |
| WO2011092982A1 (en) * | 2010-02-01 | 2011-08-04 | コニカミノルタエムジー株式会社 | Dynamic image processing system and program |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021121337A (en) * | 2015-08-26 | 2021-08-26 | 株式会社根本杏林堂 | Medical image processing device and medical image processing program |
| JP7229569B2 (en) | 2015-08-26 | 2023-02-28 | 株式会社根本杏林堂 | Medical image processing device and medical image processing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5989498B2 (en) | 2016-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682636B (en) | Blood vessel extraction method and system | |
| CN108701220B (en) | System and method for processing multimodal images | |
| US10083511B2 (en) | Angiographic roadmapping mask | |
| JP2019005557A (en) | Image processing device, magnetic resonance imaging device, and image processing program | |
| JP2007151881A (en) | Blood stream kinetics analyzing apparatus | |
| WO2014065340A1 (en) | Image processing device, medical image diagnostic device, and image processing method | |
| US9275437B2 (en) | Method for efficient digital subtraction angiography | |
| JP2016189946A (en) | Medical image alignment device, method, and program | |
| US20190197687A1 (en) | Image processing apparatus, image processing method, image processing system, and storage medium | |
| JP7167564B2 (en) | Radiographic device and method of operating the radiographic device | |
| US20160189401A1 (en) | Image processing apparatus, image processing method, and storage medium | |
| JP7106741B2 (en) | Learning method, learning device, generative model and program | |
| CN107170021B (en) | Refined reconstruction of time-varying data | |
| US9905001B2 (en) | Image processing apparatus and image processing method | |
| US10453184B2 (en) | Image processing apparatus and X-ray diagnosis apparatus | |
| JP6716228B2 (en) | Medical image processing apparatus and medical image processing method | |
| JP5989498B2 (en) | Image processing apparatus and program | |
| US20190164286A1 (en) | Information processing apparatus, information processing method, and non-transient computer readable storage medium | |
| JP5750381B2 (en) | Region extraction processing system | |
| US20150164450A1 (en) | System and Method for Real Time 4D Quantification | |
| JP7262606B2 (en) | Region identification device, method and program | |
| US9727965B2 (en) | Medical image processing apparatus and medical image processing method | |
| US11138736B2 (en) | Information processing apparatus and information processing method | |
| US10977792B2 (en) | Quantitative evaluation of time-varying data | |
| JP2020039702A (en) | Medical image extraction device, medical image extraction method, and computer program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20150610 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150811 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20151102 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20160513 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160608 |
|
| 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: 20160712 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160810 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5989498 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20160928 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |