JP2015029860A - 画像処理装置および医用画像診断装置 - Google Patents

Abstract

【課題】３次元医用画像に含まれる塊形状の観察対象物を、簡便な処理で高精度に抽出可能な画像処理装置および医用画像診断装置を提供する。
【解決手段】画像処理装置は、指定部と第１算出部と第１抽出部とを備える。指定部は、３次元医用画像のうち塊形状の第１物体を示す第１領域の一部である注目領域を指定する。第１算出部は、３次元医用画像のうち、第１領域の少なくとも一部を含む第２領域内のボクセルごとに、塊形状度または管形状度を表す特徴量を算出する。第１抽出部は、注目領域から周囲に向かって延びる経路上に存在するボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する。
【選択図】図３

Description

本発明の実施形態は、３次元画像から塊形状の領域を抽出するための画像処理装置および医用画像診断装置に関する。

従来、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置等によって取得された３次元医用画像（ボリュームデータ）から、腫瘍を示す領域（腫瘍領域）を自動的に検出する技術が知られている。

例えばユーザまたはＣＡＤ（Ｃｏｍｐｕｔｅｒ−Ａｉｄｅｄ−Ｄｉａｇｎｏｓｉｓ）システムによって指示された腫瘍候補点の周囲にＶＯＩ（Ｖｏｌｕｍｅ Ｏｆ Ｉｎｔｅｒｅｓｔ）を設定し、マルコフ確率場（ＭＲＦ： Ｍａｒｃｏｖ Ｒａｎｄｏｍ Ｆｉｅｌｄ）の最適化によって腫瘍領域を抽出する方法が知られている。しかし、この技術では、ＭＲＦの最適化に反復条件付き最大化（ＩＣＭ： Ｉｔｅｒａｔｅｄ Ｃｏｎｄｉｔｉｏｎａｌ Ｍｏｄｅｓ）法を用いるため、得られる解は初期値依存性が高い上、収束までに多数の繰り返し計算を要することなど、実用上の課題があった。また、腫瘍に血管が付着している場合は更に後段の処理で血管の分離を行う必要があった。

また、例えば画像の微分値に基づく特徴量（血管特徴量）を利用して、血管領域と腫瘍領域とを分離する技術も知られている。しかし、この技術では、画像の微分値に基づく特徴量を利用するため、ノイズの影響を受けやすいという問題があった。

特表２００７−５３４３５２号公報

Ａ．Ｆ．Ｆｒａｎｇｉ， Ｗ．Ｊ．Ｎｉｅｓｓｅｎ， Ｋ．Ｌ．Ｖｉｎｃｋｅｎ ａｎｄ Ｍ．Ａ．Ｖｉｅｒｇｅｖｅｒ， "Ｍｕｌｔｉｓｃａｌｅ Ｖｅｓｓｅｌ Ｅｎｈａｎｃｅｍｅｎｔ Ｆｉｌｔｅｒｉｎｇ，" Ｉｎ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｃｏｍｐｕｔｅｒ−Ａｓｓｉｓｔｅｄ Ｉｎｔｅｒｖｅｎｔｉｏｎ （ＭＩＣＣＡＩ）， ＬＮＣＳ， Ｖｏｌ．１４９６， ｐｐ．１３０−１３７， １９９８．

本発明は、３次元医用画像に含まれる塊形状の観察対象物を、簡便な処理で高精度に抽出可能な画像処理装置および医用画像診断装置を提供することを目的とする。

実施形態の画像処理装置は、指定部と第１算出部と第１抽出部とを備える。指定部は、３次元医用画像のうち塊形状の第１物体を示す第１領域の一部である注目領域を指定する。第１算出部は、３次元医用画像のうち、第１領域の少なくとも一部を含む第２領域内のボクセルごとに、塊形状度または管形状度を表す特徴量を算出する。第１抽出部は、注目領域から周囲に向かって延びる経路上に存在する複数のボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する。

第１実施形態の医用画像診断装置の構成例を示す図。 第１実施形態のボリュームデータの一例を説明するための図。 第１実施形態の画像表示装置の構成例を示す図。 第１実施形態の特徴量の算出方法を説明するための図。 第１実施形態の軸の位置とボクセル値との対応関係を示す図。 第１実施形態の特徴量を説明するための図。 第１実施形態の特徴量で各ボクセルを表現した画像を示す図。 第１実施形態の特徴量の累積値の算出方法を説明するための図。 第１実施形態の特徴量の累積値で各ボクセルを表現した画像を示す図。 第１実施形態の画像生成部により生成された画像の一例を示す図。 第１実施形態の画像生成部により生成された画像の一例を示す図。 第１実施形態の画像表示装置の動作例を示すフローチャート。 第２実施形態の画像表示装置の構成例を示す図。 第２実施形態の輝度ヒストグラムの一例を示す図。 第２実施形態の輝度ヒストグラムをガウス分布で近似した模式図。 第２実施形態の第１確率値で各ボクセルを表現した画像を示す図。 第２実施形態の画像表示装置の動作例を示すフローチャート。

以下、添付図面を参照しながら、本発明に係る画像処理装置、および、医用画像診断装置の実施形態を詳細に説明する。

（第１実施形態）
図１は、本実施形態の医用画像診断装置１の構成例を示すブロック図である。図１に示すように、医用画像診断装置１は、医用画像撮影装置１０と、画像保管装置２０と、画像表示装置３０とを備える。図１に例示する各装置は、バス２を介して、互いに通信可能な状態となっている。各装置は、有線を介して相互に接続されてもよいし、無線を介して相互に接続されてもよい。例えば各装置は、病院内に設置されたＬＡＮ（Local Area Network）などのネットワークを介して、相互に通信可能な形態であってもよい。さらに、例えば各装置が一体となって医用画像診断装置１が構成されてもよい。

本実施形態に係る医用画像診断装置１は、被検体を撮影して生成した３次元の医用画像のボリュームデータ（以下の説明では、単に「ボリュームデータ」と称する場合がある）に基づく画像（後述）を、病院内に勤務する医師や患者に提供する。以下、医用画像診断装置１に含まれる各装置（医用画像撮影装置１０、画像保管装置２０、画像表示装置３０）を説明する。

医用画像撮影装置１０は、被検体を撮影してボリュームデータを生成する。ここでは、図２に示すように、被検体の体軸方向に沿って撮影された複数（例えば３００〜５００枚）のスライス画像が、ボリュームデータに相当する。図２の例では、被検体の「肺」を含むボリュームデータが生成されている。

医用画像撮影装置１０としては、例えば、Ｘ線診断装置、Ｘ線ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置、超音波診断装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置、ＰＥＴ（Positron Emission computed Tomography）装置、ＳＰＥＣＴ装置とＸ線ＣＴ装置とが一体化されたＳＰＥＣＴ−ＣＴ装置、ＰＥＴ装置とＸ線ＣＴ装置とが一体化されたＰＥＴ−ＣＴ装置、又はこれらの装置群等が挙げられる。

以下の説明では、医用画像撮影装置１０は、Ｘ線ＣＴ装置で構成される場合を例に挙げて説明する。つまり、上述の各スライス画像は、Ｘ線ＣＴ画像であり、Ｘ線ＣＴ画像に含まれる複数の画素の各々は、Ｘ線の吸収率を示すＣＴ値を持つ。ＣＴ値の単位としては、「空気」を−１０００ＨＵ、「水」を０ＨＵと定義したＨＵ（Hounsfield Unit）という単位を利用する。

なお、請求項の「３次元医用画像」としては、本実施形態のようにＸ線ＣＴ装置により生成されたボリュームデータであってもよいし、例えばＭＲＩ装置等により生成されたボリュームデータなどであってもよい。

画像保管装置２０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２０は、医用画像撮影装置１０により生成されたボリュームデータを格納し、これを保管する。

画像表示装置３０は、医用画像撮影装置１０により生成された３次元医用画像のうち塊形状の第１物体を示す第１領域を抽出し、その抽出結果に応じた画像を生成して表示する。以下では、本実施形態における画像表示装置３０は、被検体の肺を含むボリュームデータのうち肺結節を示す第１領域を抽出し、その抽出結果に応じた画像を生成して表示する場合を例に挙げて説明する。この例では、Ｘ線ＣＴ装置により生成された、被検体の肺を含むボリュームデータが請求項の「３次元医用画像」に対応し、肺結節が請求項の「第１物体」に対応している。以下、画像表示装置３０の具体的な構成を説明する。

図３は、画像表示装置３０の構成例を示すブロック図である。図３に示すように、画像表示装置３０は、画像処理部４０と、表示部５０とを備える。画像処理部４０は、医用画像撮影装置１０により生成されたボリュームデータから上記第１領域を抽出し、その抽出結果に応じた画像を生成する。そして、画像処理部４０は、その抽出結果に応じて生成した画像を表示部５０に表示する制御を行う。表示部５０は、各種の画像を表示するディスプレイ装置であり、例えば液晶パネル型のディスプレイ装置などで構成され得る。

次に、画像処理部４０の詳細な内容を説明する。図３に示すように、画像処理部４０は、取得部４１と、第１算出部４２と、受付部４３と、指定部４４と、第１抽出部４５と、画像生成部４６と、表示制御部４７とを有する。

取得部４１は、画像保管装置２０にアクセスして、医用画像撮影装置１０によって生成されたボリュームデータを取得する。なお、例えば画像保管装置２０が設けられずに、医用画像撮影装置１０内に、生成したボリュームデータを格納するメモリが設けられていてもよい。この場合は、取得部４１は、医用画像撮影装置１０にアクセスしてボリュームデータを取得する。要するに、取得部４１は、医用画像撮影装置１０により生成されたボリュームデータを取得する機能を有するものであればよい。

第１算出部４２は、ボリュームデータのうち、上記第１領域の少なくとも一部を含む第２領域内のボクセルごとに、塊形状度または管形状度を表す特徴量を算出する。より具体的には以下のとおりである。

まず、第１算出部４２は、上記第２領域を設定する。この例では、第１算出部４２は、ボリュームデータ全体を第２領域として設定するが、これに限らず、例えば後述の指定部４４により指定された注目領域に基づき、腫瘍の周辺に限定したＶＯＩ（Ｖｏｌｕｍｅ Ｏｆ Ｉｎｔｅｒｅｓｔ）を第２領域として設定することもできる。第２領域は、ボリュームデータのうち上記第１領域の少なくとも一部を含む領域であればよく、第２領域の設定方法は任意である。例えば第２領域は、第１領域の一部のみを含む領域であってもよいし、第１領域全体を含む領域であってもよい。さらに、例えば第１領域と第２領域とが同じ領域であってもよい。

次に、第１算出部４２は、設定した第２領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々のボクセル値の累積値を示すボクセル累積値を算出し、算出した複数のボクセル累積値のうちの最大値と最小値との比の値を、管形状度を表す特徴量として算出する。

いま、図４乃至図６を参照しながら、ボリュームデータの座標系における３次元位置Ｘ＝（ｘ，ｙ，ｚ）に 位置するボクセルを例に挙げて、当該ボクセルの特徴量の算出方法を説明する。図４に示すように、第１算出部４２は、位置Ｘを中心として放射状に軸ｓｉ∈Ｓ（ｉ＝１，２，・・・，Ｎ）を設定する。軸（仮想線）の本数Ｎ（Ｎ：２以上の整数）は任意であるが、図４に示すように対称かつ等間隔に複数の軸を設定することが好ましい。そして、第１算出部４２は、以上のように設定した複数の軸ｓｉごとに、当該軸ｓｉの延在方向に沿って存在する複数のボクセルの各々のボクセル値の累積値（積分値）を示すボクセル累積値Ｌ（Ｘ，ｓｉ，ｒ）を計算する。このボクセル累積値Ｌ（Ｘ，ｓｉ，ｒ）は、例えば以下の式１によって算出することもできる。

上記式１において、ｒは軸ｓｉ上のボクセル座標列Ｒ（Ｘ，ｓｉ，ｒ）を決定するパラメータ（ボクセル値の加算範囲を決定するパラメータ）であり、ｖ（Ｙ）はボクセル位置Ｙ∈Ｒ(Ｘ，ｓｉ，ｒ)における非負のボクセル値である。図５は、ある軸ｓｉの延在方向のうち上記ｒで決定される加算範囲内の位置と、ボクセル値との対応関係を模式的に示す図である。ボクセル値は医用画像の輝度値を用いても良く、ここではＣＴ値（以下ではｈ(Ｙ)と表記）を用いて説明する。ＣＴ値は一般に−１０００ＨＵ〜１０００ＨＵの値の範囲をとるが、ボリュームデータ内の腫瘍や血管を含む生体構造（以下、「解剖学的構造」と称する場合がある）の領域のＣＴ値は−１０００ＨＵより大きい。従って、例えばバイアス値ｂ（＝１０００）を用いてボクセル値を、以下の式２のように定義することができる。

第１算出部４２は、設定した複数の軸ｓｉごとに算出したボクセル累積値Ｌ（Ｘ，ｓｉ，ｒ）の最大値と最小値との比の値を、管形状度を表す特徴量として算出する。この特徴量は、例えば以下の式３によって算出することもできる。

上記式３において、ｆ（Ｘ）は、ボクセル位置Ｘにおける特徴量、Ｔは、後述の第１領域を抽出する処理の対象となるボクセル（処理対象ボクセル）を決定するためのパラメータである。この例では、ｆ（Ｘ）≠０を満たすボクセルが、処理対象ボクセルとなる。

ここでは、ボクセル累積値Ｌ（Ｘ，ｓｉ，ｒ）の最大値と最小値との比の値が特徴量となるので、図６に示すように、例えば血管のような管形状の構造の領域に含まれるボクセルの特徴量の値は１よりも大幅に大きい値を示す一方、腫瘍のような塊形状の構造の領域に含まれるボクセルの特徴量の値は１に近い値を示すという具合である。

図７は、ボリュームデータを構成する各ボクセルを、以上のように算出された特徴量（管形状度を表す値）で表現した画像のイメージ図である。図７の例では、管形状度を表す特徴量が大きいボクセルほど、「白」に近い階調（明るさ）で表示され、特徴量が小さいボクセルほど、「黒」に近い階調で表示されている。なお、図７の例では、処理対象外のボクセル（ｆ（Ｘ）＝０のボクセル）は「黒」の階調で表示されている。

図３に戻って説明を続ける。受付部４３は、ボリュームデータの座標系の３次元座標値の入力を受け付ける。例えばユーザは、マウス（不図示の入力用デバイスの一例）のクリック操作やドラッグ操作等により、ボリュームデータ内の点または領域を指示する入力（つまり、３次元座標値の入力）を行うことができ、受付部４３は、この入力を受け付けるという具合である。ここでは、ユーザが、ボリュームデータ内の点または領域を指示する入力を行う前においては、取得部４１により取得されたボリュームデータから再構成された複数の断面画像（例えばアキシャル断面像、サジタル断面像、コロナル断面像）を示すＭＰＲ（Multi-Planar Reconstruction）画像などの画像（以下の説明では、「デフォルトの医用画像」と称する場合がある）が表示部５０に表示されている。そして、ユーザは、表示部５０に表示されたデフォルトの医用画像を観察しながら、腫瘍と考えられる領域の一部（点でもよいし領域でもよい）を指示する入力を行うことができる。

指定部４４は、受付部４３で受け付けた入力に従って、ボリュームデータのうち腫瘍を示す第１領域の一部である注目領域を指定する。この例では、指定部４４は、受付部４３で受け付けた入力が点を表す場合は、その点を表す３次元座標値を、注目領域として指定する。また、指定部４４は、受付部４３で受け付けた入力が領域を表す場合は、その入力が示す領域の重心位置を、注目領域として指定する。この例では、指定部４４により指定された注目領域は、後述の経路の始点となる。

なお、この例では、指定部４４は、ユーザの入力に応じて注目領域を指定しているが、これに限らず、例えば指定部４４は、ＣＡＤなどによってボリュームデータから抽出された腫瘍の領域の一部の点または領域を、注目領域として指定することもできる。要するに、注目領域の指定方法は任意であり、手動操作に応じて行われる形態であってもよいし、自動的に行われる形態であってもよい。

第１抽出部４５は、第１算出部４２により算出された各ボクセルの特徴量と、指定部４４により指定された注目領域とを用いて、第１領域を抽出する。本実施形態では、第１抽出部４５は、注目領域から周囲に向かって延びる経路上に存在するボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する。より具体的には、第１抽出部４５は、経路上に存在する複数のボクセルのうち、注目領域から当該ボクセルに至るまでの特徴量の累積値が閾値以上となるボクセルの位置を、肺結節（腫瘍）と血管との境界を示す位置（見方を変えれば肺結節の周縁を示す位置）として決定する。さらに詳述すれば以下のとおりである。なお、この例では、血管は、請求項の「管形状の第２物体」に対応していると捉えることができる。ただし、請求項の「第２物体」の形態は、血管に限られるものではない。

図８に示すように、第１抽出部４５は、指定部４４により指定された注目領域から近傍の各ボクセル位置に向かう複数の経路を設定し、経路ごとに、当該経路上に存在する複数のボクセルの各々の特徴量の累積値（積分値）を算出する。例えば、３次元位置Ｘに存在する処理対象ボクセル（ｆ（Ｘ）≠０を満たすボクセル）における累積値Ｃ（Ｘ）は、以下の式４によって算出することができる。ここでは、位置Ｘに存在する処理対象ボクセルにおける累積値Ｃ（Ｘ）は、経路の始点となる注目領域から当該位置Ｘに至るまでに存在する複数のボクセルの各々の特徴量の累積値であると考えることができる。

上記式４においては、Ｘｃは経路の始点（注目領域）を表し、Ｐ（Ｘｃ，Ｘ）は、Ｘｃから位置Ｘに到達する経路を表すボクセル座標列ｐの集合を表す。座標列ｐは無数の候補が考えられるので、処理対象ボクセルのみを含むように設定してもよい。つまり、処理対象外のボクセル（ｆ（Ｘ）＝０のボクセル）は累積処理の対象から除外してもよい。図９は、ボリュームデータを構成する各ボクセルを、以上のように算出された特徴量の累積値で表現した画像のイメージ図である。図９の例では、累積値が大きい値を示すボクセルほど、「白」に近い階調で表示され、累積値が小さい値を示すボクセルほど、「黒」に近い階調で表示されている。なお、図９の例では、処理対象外のボクセル（ｆ（Ｘ）＝０のボクセル）は「白」の階調で表示されている。

前述したように、本実施形態では、血管のような管形状の構造の領域に含まれるボクセルの特徴量は、腫瘍のような塊形状の構造の領域に含まれるボクセルの特徴量よりも大きい値を示すので、血管と腫瘍との境界付近で累積値Ｃ（Ｘ）は大きく増加する。これを利用して、本実施形態では、第１抽出部４５は、各経路において、当該経路上に存在する複数のボクセルのうち、注目領域（始点）から当該ボクセルまでの特徴量の累積値が閾値（請求項の「第５閾値」に対応）以上になるボクセルの位置を、肺結節（腫瘍）と血管との境界を示す位置として決定する。上記閾値は、肺結節として想定され得るサイズや形状を元にして適宜に設定することができる。以上のようにして、第１抽出部４５は、肺結節（腫瘍）と血管とを分離して、ボリュームデータのうち肺結節（腫瘍）を示す第１領域を抽出することができる。

再び図３に戻って説明を続ける。画像生成部４６は、第１抽出部４５による抽出結果に応じた画像を生成する。例えば画像生成部４６は、ボリュームデータを再構成して得られる複数の断面画像（例えばアキシャル断面像、サジタル断面像、コロナル断面像）を示すＭＰＲ画像に対して、所定の色や強調表示などの腫瘍領域を識別する（強調する）情報を合成した画像を生成することもできる。また、例えば画像生成部４６は、図１０に示すように、任意の断面画像（ボリュームデータを再構成して得られる断面画像）に対して、肺結節（腫瘍）と血管との境界を示す情報（図１０の例では点線）を合成した画像を生成することもできるし、例えば図１１に示すように、任意の断面画像内の腫瘍領域に対して所定の色を付した画像を生成することもできる。

さらに、例えば画像生成部４６は、ボリュームデータをレンダリング（ボリュームレンダリング）して得られた３次元画像に対して、腫瘍領域を識別する情報を合成した画像を生成することもできる。ボリュームレンダリングとしては、コンピュータグラフィクスの分野で広く知られているレイキャスティングやレイトレーシングなどの手法を用いることができる。レイキャスティングとは、観察側の視点から光線を追跡し、光線とボリュームデータとの各交点における色情報（光線と各ボクセルとの交点における色情報）を、各交点の透明度に基づいて積算することで、その光線の先にあるパネル（表示部５０）の画素の画素値を決定するレンダリング法である。レイトレーシングとは、レイキャスティングにおいて反射光をさらに考慮するものである。

表示制御部４７は、画像生成部４６により生成された画像を表示部５０に表示する制御を行う。

次に、本実施形態の画像表示装置３０の動作例を説明する。図１２は、画像表示装置３０の動作例を示すフローチャートである。

図１２に示すように、まず取得部４１は、医用画像撮影装置１０により生成されたボリュームデータを取得する（ステップＳ１）。次に、第１算出部４２は、ステップＳ１で取得されたボリュームデータのうち肺結節（腫瘍）を示す第１領域の少なくとも一部を含む第２領域を設定し、第２領域を構成する複数のボクセルごとに、管形状度を表す特徴量を算出する（ステップＳ２）。

前述したように、本実施形態では、ユーザは、表示部５０に表示されたデフォルトの医用画像を観察しながら、マウスのクリック操作やドラッグ操作等により、その医用画像に含まれる肺結節（腫瘍）の一部を指示する入力を行う。そして、指定部４４は、受付部４３で受け付けた入力に従って、上述の注目領域を指定する（ステップＳ３）。

次に、第１抽出部４５は、ステップＳ３で指定された注目領域から周囲に向かって延びる経路上に存在する複数のボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する（ステップＳ４）。次に、画像生成部４６は、第１抽出部４５による抽出結果に応じた画像を生成する（ステップＳ５）。次に、表示制御部４７は、画像生成部４６により生成された画像を表示部５０に表示する制御を行う（ステップＳ６）。

以上に説明したように、本実施形態では、ボリュームデータのうち、肺結節（腫瘍）を示す第１領域の少なくとも一部を含む第２領域（この例ではボリュームデータ全体）内のボクセルごとに、管形状度を表す特徴量を算出する。そして、ユーザからの入力に応じて、上述の第１領域の一部である注目領域を指定し、注目領域から周囲に向かって延びる経路上に存在するボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する。すなわち、本実施形態では、管形状度を表す特徴量の積分値に基づいて第１領域を抽出するので、ノイズに対して頑健に第１領域を抽出することができる。また、本実施形態によれば、反復条件付き最大化法のような多数の繰り返し計算を必要としないので、簡便な処理で、かつ、ノイズに対して頑健に腫瘍領域（第１領域）を抽出することができる。

（第１実施形態の変形例１）
上述したように、第１実施形態では、血管と腫瘍との境界付近で累積値Ｃ（Ｘ）が大きく増加するので、例えば第１抽出部４５は、注目領域から周囲に向かって延びる経路上に存在するボクセルのうち、注目領域から当該ボクセルまでの特徴量の累積値の変化率（当該ボクセルにおける累積値と、当該ボクセルの近傍のボクセルにおける累積値との変化率）が閾値（請求項の「第６閾値」に対応）以上となるボクセルの位置を、肺結節（腫瘍）と血管との境界を示す位置として決定することもできる。

（第１実施形態の変形例２）
上述の第１実施形態では、第１算出部４２は、各ボクセルの特徴量として、管形状度を表す特徴量を算出しているが、これに限らず、例えば第１算出部４２は、各ボクセルの特徴量として、塊形状度を表す特徴量を算出することもできる。この場合、特徴量は、例えば上述の式３の逆数で表すこともできる。

すなわち、第１算出部４２は、第２領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線（軸）ごとに、当該仮想線上に存在するボクセルの各々のボクセル値の累積値を示すボクセル累積値を算出し、ボクセル累積値の最小値と最大値との比の値を、塊形状度を表す特徴量として算出することもできる。

この場合は、上述の第１実施形態とは反対に、血管のような管形状の構造の領域に含まれるボクセルの特徴量は、腫瘍のような塊形状の構造の領域に含まれるボクセルの特徴量よりも小さい値を示す。したがって、例えば第１抽出部４５は、注目領域から周囲に向かって延びる経路上に存在するボクセルのうち、注目領域から当該ボクセルまでの特徴量の累積値の変化率（当該ボクセルにおける累積値と、当該ボクセルの近傍のボクセルにおける累積値との変化率）が閾値（請求項の「第７閾値」に対応）以下となるボクセルの位置を、肺結節（腫瘍）と血管との境界を示す位置として決定することもできる。

（第２実施形態）
次に、第２実施形態について説明する。上述の第１実施形態と共通する部分については適宜に説明を省略する。

ここで、肺結節（腫瘍）は、ソリッド（solid）領域（以下の説明では、「充実性腫瘍」と呼ぶ場合がある）のみから成るpure-solid、ソリッド領域の周囲を覆うＧＧＯ（Ground Glass Opacity）領域（以下の説明では、「すりガラス状腫瘍」と呼ぶ場合がある）のみから成るpure-GGO、および、ソリッド領域とＧＧＯ領域の両方を含むmixed-GGO(part-solid)の３種類に分類できる。本実施形態では、肺結節は、mixed-GGO(part-solid)である場合を例に挙げて説明するが、これに限られるものではない。また、上述のＣＴ値は−１０００ＨＵ〜１０００ＨＵの範囲内の値をとることが一般的であるが、腫瘍や血管を含む解剖学的構造のＣＴ値は−８００ＨＵ〜３００ＨＵの範囲に分布する。特に、すりガラス状腫瘍（ＧＧＯ領域）は−８００ＨＵ〜−５００ＨＵ、血管や充実性腫瘍（ソリッド領域）は−５００ＨＵ〜０、胸壁や骨は０〜５００ＨＵに分布することが多い。

すりガラス状腫瘍のＣＴ値（輝度値）は空気のＣＴ値（−１０００ＨＵ）に近いため、上述の第１実施形態のように、ボクセルの輝度値に基づいて算出した特徴量を用いて腫瘍領域（第１領域）を抽出する方法では、すりガラス状腫瘍を精度良く抽出することが困難であるという問題がある。

そこで、第２実施形態では、ボクセルの輝度値が、解剖学的構造（ここでは、充実性腫瘍、すりガラス状腫瘍、および、血管を含む生体構造を指す）の輝度値である確率を示す第１確率値に基づいて算出した特徴量を用いて、第１領域を抽出する。この方法によれば、空気と輝度値が近いすりガラス状腫瘍を構成する各ボクセルの第１確率値は、血管や充実性腫瘍を構成する各ボクセルの第１確率値と同等の値になり、空気を構成する各ボクセルの第１確率値とは明確に異なる値を示すので、すりガラス状腫瘍と空気との分離が容易になり、すりガラス状腫瘍、充実性腫瘍またはその両方を含む肺結節を精度良く抽出することが可能になる。

以下、具体的な内容を説明する。ここでは、上記mixed-GGOを抽出する場合を例に挙げて説明するが、これに限らず、上記pure-solidと上記pure-GGOについても全く同様の処理で抽出可能である。図１３は、第２実施形態の画像表示装置３００の機能構成の一例を示すブロック図である。図１３に示すように、画像表示装置３００は、画像処理部４００と、表示部５０とを備える。以下、画像処理部４００の具体的な内容を説明する。画像処理部４００は、取得部４０１と、ヒストグラム生成部４０２と、第２算出部４０３と、第２抽出部４０４と、第１算出部４０５と、受付部４０６と、指定部４０７と、第１抽出部４０８と、画像生成部４０９と、表示制御部４１０とを備える。

取得部４０１の機能は、図３に示す取得部４１の機能と同じであるため、詳細な説明は省略する。

ヒストグラム生成部４０２は、ボリュームデータのうち肺結節を示す第１領域の少なくとも一部を含む第２領域を設定する。この例では、ヒストグラム生成部４０２は、ボリュームデータ全体を第２領域として設定するが、これに限らず、例えば指定部４０７により指定された注目領域に基づき、肺結節（腫瘍）の周辺に限定したＶＯＩを第２領域として設定することもできる。そして、ヒストグラム生成部４０２は、図１４に示すように、設定した第２領域における輝度値（この例ではＣＴ値）のヒストグラム（以下の説明では、「輝度ヒストグラム」と称する場合がある）を生成する。

第２算出部４０３は、ヒストグラム生成部４０２により生成された輝度ヒストグラムに基づいて、上述の第２領域内のボクセルごとに、そのボクセルの輝度値が、上記解剖学的構造の輝度値である確率を示す第１確率値を算出する。より具体的には、以下のとおりである。

まず、第２算出部４０３は、輝度ヒストグラムを、それぞれが輝度値を確率変数とする複数の要素（ボリュームデータに含まれる複数の要素）の確率分布を混合した第１混合確率分布で近似する。確率分布は、例えばガンマ分布やｓｔｕｄｅｎｔ’ｓ−ｔ分布などを用いても良いが、複数の確率分布から成る混合確率分布で近似することで、異なる輝度値特性を有する解剖学的構造の領域を同時に抽出することができる。ここでは、混合ガウス分布を用いた方法について説明する。例えばボクセル位置Ｘの輝度値を表す輝度値ｈ（Ｘ）を確率変数とした混合ガウス分布は、以下の式５で表すことができる。

上記式５において、ｑは確率密度関数、Ｎ（ｈ（Ｘ）｜μ_ｋ，σ_ｋ）は一次元ガウス分布、μ_ｋは平均値、σ_ｋは標準偏差、π_ｋは混合率、Ｋは混合要素数をそれぞれ示す。パラメータπ_ｋ，μ_ｋ，σ_ｋは、公知の非特許文献である「Ａ．Ｐ． Ｄｅｍｐｓｔｅｒ， Ｎ．Ｍ． Ｌａｉｒｄ， ａｎｄ Ｄ．Ｂ． Ｒｕｂｉｎ， “Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ ｆｒｏｍ Ｉｎｃｏｍｐｌｅｔｅ Ｄａｔａ ｖｉａ ｔｈｅ ＥＭ Ａｌｇｏｒｉｔｈｍ，” Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ Ｓｅｒｉｅｓ Ｂ， Ｖｏｌ．３９， ｐｐ．１−３８， １９７７．」に開示されている方法により推定することができる。

混合要素数Ｋの設定は任意であるが、例えば図１５のように、Ｋ＝３として推定した場合、ｋ＝１に対応する要素が空気を含み、ｋ＝２に対応する要素がすりガラス状腫瘍を含み、ｋ＝３に対応する要素が充実性腫瘍および血管を含むと推定できる。図１５の例では、輝度ヒストグラムは、空気を含む要素（ｋ＝１に対応する要素）のガウス分布（請求項の「第１確率分布」に対応）と、すりガラス状腫瘍を含む要素（ｋ＝２に対応する要素）のガウス分布（請求項の「第２確率分布」に対応）と、充実性腫瘍および血管を含む要素（ｋ＝３に対応する要素）のガウス分布（請求項の「第３確率分布」に対応）とからなる混合ガウス分布（請求項の「第１混合確率分布」に対応）で近似されている。

また、第２算出部４０３は、上記解剖学的構造に含まれる１以上の要素の確率分布を混合した第２混合確率分布を算出する。図１５の例では、第２算出部４０３は、ｋ＝１〜３にそれぞれ対応する複数の要素の確率分布のうち、すりガラス状腫瘍を含む要素（ｋ＝２に対応する要素）のガウス分布と、充実性腫瘍および血管を含む要素（ｋ＝３に対応する要素）のガウス分布とを選択し、これらを混合した混合ガウス分布（請求項の「第２混合確率分布」に対応）を算出する。

第２算出部４０３は、上記第２混合確率分布と上記第１混合確率分布とに基づいて、第２領域を構成する複数のボクセルごとに上述の第１確率値を算出する。以下の説明では、３次元位置Ｘに存在するボクセルの第１確率値をｌ（Ｘ）と表記する。ベイズの定理に基づき、第１確率値ｌ（Ｘ）は、以下の式６で表すことができる。

上記式６における分母は上記第１混合確率分布を表し、上記式６における分子は上記第２混合確率分布を表している。以上のように、第２算出部４０３は、ヒストグラム生成部４０２により生成された輝度ヒストグラムに基づいて、上述の第２領域を構成する複数のボクセルごとに第１確率値を算出する。

第２抽出部４０４は、上述の第２領域内のボクセルのうち閾値（請求項の「第１閾値」に対応）以上の第１確率値ｌ（Ｘ）を示すボクセルの集合を、ボリュームデータのうち上記解剖学的構造を示す第３領域として抽出する。ここでは、上記第１確率値ｌ（Ｘ）（０≦ｌ（Ｘ）≦１）は事後確率を表現することから、上記解剖学的構造の候補領域（第３領域）は、β≦ｌ（Ｘ）≦１を満たすボクセル位置Ｘの集合｛Ｘ｜β≦ｌ（Ｘ）≦１｝として抽出すると良い。なお上記閾値を示すβ（０≦β≦１）はベイズ理論における最小誤り率の観点からβ＝０．５としても良いし、０≦β≦１の範囲内の他の値を選択しても良い。

また、各ボクセルの第１確率値ｌ（Ｘ）は、０≦ｌ（Ｘ）＜βの場合はｌ（Ｘ）＝０、β≦ｌ（Ｘ）≦１の場合はｌ（Ｘ）＝１というように二値化されても良い。図１６は、以上のように二値化した第１確率値ｌ（Ｘ）で、ボリュームデータを構成する各ボクセルを表現した画像のイメージ図である。図１６の例では、第１確率値が「１」を示すボクセル（上記解剖学的構造に属する可能性が高いボクセル）は、「白」の階調で表示され、第１確率値が０を示すボクセル（上記解剖学的構造に属する可能性が低いボクセル）は、「黒」の階調で表示されている。つまり、図１６の例では、第２抽出部４０４は、「白」の階調で表示された領域を、第３領域として抽出するという具合である。

図１３に戻って説明を続ける。第１算出部４０５は、第２抽出部４０４により抽出された第３領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々の第１確率値の累積値を示す第２確率値を算出し、第２確率値の最大値と最小値との比の値を、管形状度を表す特徴量として算出する。より具体的には以下のとおりである。

複数の仮想線（軸）の設定の仕方は、上述の第１実施形態と同様であり（図４参照）、第１算出部４０５は、設定した複数の軸ｓｉごとに、当該軸ｓｉの延在方向に沿って存在する複数のボクセルの各々の第１確率値の累積値（積分値）を示す第２確率値Ｌ２（Ｘ，ｓｉ，ｒ）を計算する。このボクセル第２確率値Ｌ２（Ｘ，ｓｉ，ｒ）は、例えば以下の式７によって算出することもできる。

上記式７において、ｒは軸ｓｉ上のボクセル座標列Ｒ（Ｘ，ｓｉ，ｒ）を決定するパラメータを示し、ｌ（Ｙ）はボクセル位置Ｙ∈Ｒ(Ｘ，ｓｉ，ｒ)における第１確率値を示す。

第１算出部４０５は、設定した複数の軸ｓｉごとに算出した第２確率値Ｌ２（Ｘ，ｓｉ，ｒ）の最大値と最小値との比の値を、上記解剖学的構造の管形状度を表す特徴量として算出する。この特徴量は、例えば以下の式８によって算出することもできる。

上記式８は、上記解剖学的構造を示す第３領域｛Ｘ｜β≦ｌ（Ｘ）≦１｝に含まれるボクセルについてのみ特徴量が算出されることを表し、第３領域外のボクセルの特徴量は０となる。したがって、第２領域に含まれる全てのボクセル位置で特徴量を算出する必要がないので、計算量の削減が可能となる。また、この場合も、上述の第１実施形態と同様に、例えば血管のような管形状の構造の領域に含まれるボクセルの特徴量の値は大きくなる一方、腫瘍のような塊形状の構造の領域に含まれるボクセルの特徴量の値は小さくなる。

以上のように、第１算出部４０５は、第２抽出部４０４により抽出された第３領域内のボクセルごとに、上記解剖学的構造の管形状度を表す特徴量を算出する。

受付部４０６および指定部４０７の機能は、第１実施形態の受付部４３および指定部４４の機能と同様であるので、詳細な説明は省略する。

第１抽出部４０８は、第１算出部４０５により算出された各ボクセルの特徴量と、指定部４０７により指定された注目領域とを用いて、第１領域を抽出する。本実施形態では、第１抽出部４０８は、注目領域から周囲に向かって延びる経路上に存在する複数のボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出する。より具体的には、第１抽出部４０８は、経路上に存在するボクセルのうち、当該経路の始点となる注目領域から当該ボクセルに至るまでの特徴量の累積値が閾値（請求項の「第２閾値」に対応）以上となるボクセルの位置を、肺結節（腫瘍）と血管との境界を示す位置として決定する。この内容は、第１実施形態の第１抽出部４５による処理と同様であるので、詳細な説明は省略する。

画像生成部４０９および表示制御部４１０の機能は、第１実施形態の画像生成部４６および表示制御部４７の機能と同様であるので、詳細な説明は省略する。

次に、本実施形態の画像表示装置３００の動作例を説明する。図１７は、画像表示装置３００の動作例を示すフローチャートである。

図１７に示すように、まず取得部４０１は、医用画像撮影装置１０により生成されたボリュームデータを取得する（ステップＳ１００）。次に、ヒストグラム生成部４０２は、ボリュームデータのうち上述の第１領域の少なくとも一部を含む第２領域を設定し、第２領域の輝度ヒストグラムを生成する（ステップＳ１０１）。

次に、第２算出部４０３は、上述のステップＳ１０１で生成された輝度ヒストグラムに基づいて、上述の第２領域を構成する複数のボクセルごとに上述の第１確率値を算出する（ステップ１０２）。次に、第２抽出部４０４は、上述の第２領域を構成する複数のボクセルのうち閾値以上の第１確率値を示すボクセルの集合を、ボリュームデータのうち上記解剖学的構造を示す第３領域として抽出する（ステップＳ１０３）。

次に、第１算出部４０５は、第２抽出部４０４により抽出された第３領域を構成する複数のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在する複数のボクセルの各々の第１確率値の累積値を示す第２確率値を算出し、第２確率値の最大値と最小値との比の値を、管形状度を表す特徴量として算出する（ステップＳ１０４）。以降のステップＳ１０５〜ステップＳ１０８の内容は、図１２に示すステップＳ３〜ステップＳ６の内容と同様であるので、詳細な説明は省略する。

以上に説明したように、本実施形態では、ボクセルの輝度値が上記解剖学的構造の輝度値である確率を示す第１確率値に基づいて算出した特徴量を用いて、第１領域を抽出する。この方法によれば、すりガラス状腫瘍を構成する各ボクセルの第１確率値は、血管や充実性腫瘍を構成する各ボクセルの第１確率値と同等の値になり、すりガラス状腫瘍と輝度値が近い空気を構成する各ボクセルの第１確率値とは明確に異なる値を示すので、すりガラス状腫瘍と空気との分離が容易になる。これにより、すりガラス状腫瘍および充実性腫瘍を含む肺結節を精度良く抽出することが可能になる。

（第２実施形態の変形例１）
例えば指定部４０７は、受付部４０６で受け付けた入力が示す座標情報と、第１算出部４０５により算出された各ボクセルの特徴量とを用いて、ボリュームデータに含まれる腫瘍の重心位置を推定し、推定した重心位置を注目領域（ここでは経路の始点）として設定することもできる。より具体的には、第１抽出部４０８は、受付部４０６で受け付けた入力が示す点または領域の周囲に、空気に対応する輝度値を示すボクセルの割合が所定値以下となる領域Ｄ（第１領域に近似する領域）を設定し、設定した領域Ｄの重心位置Ｘｃを算出する。重心位置Ｘｃは、例えば以下の式９によって算出することもできる。

上記式９において、ｕはボクセルの位置（ボリュームデータの座標系における３次元位置）を表す。上記式９は、位置ｕのボクセルの特徴量の逆数による重み付き平均を表し、特徴量の小さい（腫瘍の可能性が高い）ボクセルが集中した領域の重心位置を推定することができる。従って、指定部４０７により指定された点または領域が腫瘍の重心位置からずれていた場合でも、経路の始点は、上記重心位置に修正されるので、第１領域を抽出する処理を高精度かつ頑健に行うことができる。

同様に、第１実施形態の指定部４４も、受付部４３で受け付けた入力が示す座標情報と、第１算出部４２により算出された各ボクセルの特徴量とを用いて、ボリュームデータに含まれる腫瘍の重心位置を推定し、推定した重心位置を注目領域として設定することもできる。

（第２実施形態の変形例２）
例えば第１抽出部４０８は、注目領域から周囲に向かって延びる経路上に存在するボクセルのうち、注目領域から当該ボクセルまでの特徴量の累積値の変化率（当該ボクセルにおける累積値と、当該ボクセルの近傍のボクセルにおける累積値との変化率）が閾値（請求項の「第３閾値」に対応）以上となるボクセルの位置を、腫瘍と血管との境界を示す位置として決定することもできる。

（第２実施形態の変形例３）
例えば第１算出部４０５は、各ボクセルの特徴量として、塊形状度を表す特徴量を算出することもできる。この場合、特徴量は、例えば上記式３の逆数で表すこともできる。

すなわち、第１算出部４０５は、第３領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線（軸）ごとに、当該仮想線に沿って存在するボクセルの各々のボクセル値の累積値を示すボクセル累積値を算出し、ボクセル累積値の最小値と最大値との比の値を、塊形状度を表す特徴量として算出することもできる。

この場合は、例えば第１抽出部４０８は、上述の注目領域から周囲に向かって延びる経路上に存在する複数のボクセルのうち、注目領域から当該ボクセルまでの特徴量の累積値の変化率（当該ボクセルにおける累積値と、当該ボクセルの近傍のボクセルにおける累積値との変化率）が閾値（請求項の「第４閾値」に対応）以下となるボクセルの位置を、腫瘍と血管との境界を示す位置として決定することもできる。

（第２実施形態の変形例４）
抽出対象となる塊形状の第１物体は、肺結節に限られるものではなく、例えば肺に発症したポリープなどの塊形状の物体であってもよいし、他の臓器に発症した腫瘍やポリープなどの塊形状の物体であってもよい。「ポリープ」とは、細胞や遺伝子的な状態を考慮しない塊状の構造を指すと捉えることもできる。これに対し、「腫瘍」とは、遺伝子的な異常による細胞増殖等の理由で形成された構造を指すと捉えることもできる。

要するに、予め経験的に得られた知見に基づいて、３次元医用画像（例えばＸ線ＣＴ装置により生成されたボリュームデータ）に含まれる複数の要素の確率分布（輝度値を変数とする確率分布）の中から、特徴量の累積値に基づく分離対象となる塊形状の第１物体（例えば肺結節）と、管形状の第２物体（例えば血管）とを含む解剖学的構造に含まれる１以上の要素の確率分布を選択可能な態様であれば、上述の実施形態のように、３次元医用画像のうち、塊形状の第１物体を示す第１領域の少なくとも一部を含む第２領域を構成する複数のボクセルごとに、当該ボクセルの輝度値が上記解剖学的構造の輝度値である確率を示す第１確率値を算出することができる。そして、第２領域を構成する複数のボクセルのうち閾値以上の第１確率値を示すボクセルの集合を、上記解剖学的構造を示す第３領域として抽出し、第３領域を構成する複数のボクセルごとに、当該ボクセルの特徴量（例えば管形状度を表す特徴量）を算出することができる。そして、上記第１領域の一部として指定された注目領域から周囲に向かって延びる経路上に存在する複数のボクセルの各々の特徴量の累積値に基づいて、第１領域を抽出することができる。

以上、本発明の実施形態を説明したが、この実施形態は、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。これら新規な実施形態は、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ともに、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。

上述の各実施形態および各変形例の画像処理部のハードウェア構成は、ＣＰＵ（Central Processing Unit）、ＲＯＭ、ＲＡＭ、および、通信Ｉ／Ｆ装置などを含むコンピュータ装置のハードウェア構成を利用している。上述した画像処理部の各部の機能は、ＣＰＵがＲＯＭに格納されたプログラムをＲＡＭ上で展開して実行することにより実現される。また、これに限らず、上述した画像処理部の各部の機能のうちの少なくとも一部を専用のハードウェア回路（例えば半導体集積回路等）で実現することもできる。

また、上述した画像処理部で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上述した画像処理部で実行されるプログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。また、上述した画像処理部で実行されるプログラムを、ＲＯＭ等の不揮発性の記録媒体に予め組み込んで提供するようにしてもよい。

さらに、上述の各実施形態および各変形例は、任意に組み合わせることも可能である。

１ 医用画像診断装置
２ バス
１０ 医用画像撮影装置
２０ 画像保管装置
３０ 画像表示装置
４０ 画像処理部
４１ 取得部
４２ 第１算出部
４３ 受付部
４４ 指定部
４５ 第１抽出部
４６ 画像生成部
４７ 表示制御部
５０ 表示部
３００ 画像表示装置
４００ 画像処理部
４０１ 取得部
４０２ ヒストグラム生成部
４０３ 第２算出部
４０４ 第２抽出部
４０５ 第１算出部
４０６ 受付部
４０７ 指定部
４０８ 第１抽出部
４０９ 画像生成部
４１０ 表示制御部

Claims (17)

1. ３次元医用画像のうち塊形状の第１物体を示す第１領域の一部である注目領域を指定する指定部と、
   前記３次元医用画像のうち、前記第１領域の少なくとも一部を含む第２領域内のボクセルごとに、塊形状度または管形状度を表す特徴量を算出する第１算出部と、
   前記注目領域から周囲に向かって延びる経路上に存在するボクセルの各々の前記特徴量の累積値に基づいて、前記第１領域を抽出する第１抽出部と、を備える、
   画像処理装置。
2. 前記第２領域における輝度値のヒストグラムに基づいて、前記第２領域内のボクセルごとに、そのボクセルの輝度値が、前記第１物体と管形状の第２物体とを含む解剖学的構造の輝度値である確率を示す第１確率値を算出する第２算出部と、
   前記第２領域内のボクセルのうち第１閾値以上の前記第１確率値を示すボクセルの集合を、前記３次元医用画像のうち前記解剖学的構造を示す第３領域として抽出する第２抽出部と、をさらに備え、
   前記第１算出部は、前記第３領域内のボクセルごとに前記特徴量を算出する、
   請求項１に記載の画像処理装置。
3. 前記第２算出部は、
   前記第２領域における輝度値のヒストグラムを、前記第２領域に含まれる複数の要素の各々の、輝度値を確率変数とする確率分布を混合して得られる第１混合確率分布で近似し、
   前記解剖学的構造に含まれる１以上の前記要素の前記確率分布を混合した第２混合確率分布と、前記第１混合確率分布とに基づいて、前記２領域内のボクセルごとに前記第１確率値を算出する、
   請求項２に記載の画像処理装置。
4. 前記３次元医用画像は、Ｘ線ＣＴ装置により生成されるボリュームデータであって、被検体の肺を含み、
   前記第１物体は、ソリッド領域から成る肺結節、前記ソリッド領域の周囲を覆うＧＧＯ領域から成る肺結節、および、前記ソリッド領域と前記ＧＧＯ領域の両方を含む肺結節のうちの何れかであり、
   前記第２物体は、血管であり、
   前記第１混合確率分布は、空気を含む前記要素の前記確率分布を示す第１確率分布と、前記ＧＧＯ領域を含む前記要素の前記確率分布を示す第２確率分布と、ソリッド領域と前記血管とを含む前記要素の前記確率分布を示す第３確率分布とを混合した混合確率分布であり、
   前記第２混合確率分布は、前記第２確率分布と前記第３確率分布とを混合した混合確率分布である、
   請求項３に記載の画像処理装置。
5. 前記第１算出部は、
   前記第３領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々の前記第１確率値の累積値を示す第２確率値を算出し、前記第２確率値の最大値と最小値との比の値を、管形状度を表す前記特徴量として算出する、
   請求項２に記載の画像処理装置。
6. 前記第１抽出部は、
   前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値が第２閾値以上となるボクセルの位置を、前記第１物体と前記第２物体との境界を示す位置として決定する、
   請求項５に記載の画像処理装置。
7. 前記第１抽出部は、
   前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値の変化率が第３閾値以上となるボクセルの位置を、前記第１物体と前記第２物体との境界を示す位置として決定する、
   請求項５に記載の画像処理装置。
8. 前記第１算出部は、
   前記第３領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々の前記第１確率値の累積値を示す第２確率値を算出し、前記第２確率値の最小値と最大値との比の値を、塊形状度を表す前記特徴量として算出する、
   請求項２に記載の画像処理装置。
9. 前記第１抽出部は、
   前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値の変化率が第４閾値以下となるボクセルの位置を、前記第１物体と前記第２物体との境界を示す位置として決定する、
   請求項８に記載の画像処理装置。
10. 前記第１算出部は、
    前記第２領域に含まれるボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々のボクセル値の累積値を示すボクセル累積値を算出し、前記ボクセル累積値の最大値と最小値との比の値を、管形状度を表す前記特徴量として算出する、
    請求項１に記載の画像処理装置。
11. 前記第１抽出部は、
    前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値が第５閾値以上となるボクセルの位置を、前記第１物体と、管形状の第２物体との境界を示す位置として決定する、
    請求項１０に記載の画像処理装置。
12. 前記第１抽出部は、
    前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値の変化率が第６閾値以上となるボクセルの位置を、前記第１物体と、管形状の第２物体との境界を示す位置として決定する、
    請求項１０に記載の画像処理装置。
13. 前記第１算出部は、
    前記第２領域内のボクセルの各々について、当該ボクセルを中心として放射状に設定した複数の仮想線ごとに、当該仮想線上に存在するボクセルの各々のボクセル値の累積値を示すボクセル累積値を算出し、前記ボクセル累積値の最小値と最大値との比の値を、塊形状度を表す前記特徴量として算出する、
    請求項１に記載の画像処理装置。
14. 前記第１抽出部は、
    前記経路上に存在するボクセルのうち、前記注目領域から当該ボクセルに到達するまでの前記特徴量の累積値の変化率が第７閾値以下となるボクセルの位置を、前記第１物体と、管形状の第２物体との境界を示す位置として決定する、
    請求項１３に記載の画像処理装置。
15. 前記ボクセル値は輝度値である、
    請求項１０に記載の画像処理装置。
16. 前記第１抽出部による抽出結果に応じた画像を生成する画像生成部と、
    前記画像を表示部に表示する制御を行う表示制御部と、をさらに備える、
    請求項１に記載の画像処理装置。
17. 被検体を撮影して３次元医用画像を生成する撮影部と、
    前記３次元医用画像のうち塊形状の第１物体を示す第１領域の一部である注目領域を指定する指定部と、
    前記３次元医用画像のうち、前記第１領域の少なくとも一部を含む第２領域内のボクセルごとに、塊形状度または管形状度を表す特徴量を算出する算出部と、
    前記注目領域から周囲に向かって延びる経路上に存在する複数のボクセルの各々の前記特徴量の累積値に基づいて、前記第１領域を抽出する抽出部と、を備える、
    医用画像診断装置。