JP2015128546A

JP2015128546A - 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム

Info

Publication number: JP2015128546A
Application number: JP2014002167A
Authority: JP
Inventors: 真智子中川; Machiko Nakagawa; 久田　俊明; Toshiaki Hisada; 俊明久田; 清了杉浦; Seiryo Sugiura; 巧鷲尾; Takumi Washio; 岡田　純一; Junichi Okada; 純一岡田
Original assignee: Fujitsu Ltd; University of Tokyo NUC
Current assignee: Fujitsu Ltd; University of Tokyo NUC
Priority date: 2014-01-09
Filing date: 2014-01-09
Publication date: 2015-07-16
Anticipated expiration: 2034-01-09
Also published as: JP6253992B2; US20150193930A1; US9495610B2

Abstract

【課題】テンプレートの臓器により患者の臓器の位置等を精度良く特定する。
【解決手段】本装置は、複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、テンプレートにおける複数の臓器に対して変形を行う初期処理部と、テンプレートにおける複数の臓器から選択された選択臓器を、ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、選択臓器の変形に影響を受ける被影響臓器の各々について、テンプレートにおいて被影響臓器に影響を及ぼす、影響元臓器になされた変形に応じて、被影響臓器を変形させる第２の処理と、を所定回数繰り返す変形処理部とを有する。
【選択図】図１

Description

本発明は、臓器の位置等を特定するための臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラムに関する。

近年、ＭＲＩ（Magnetic Resonance Imaging）装置やＣＴ（Computed Tomography）スキャン装置等の医療画像診断装置の発展、多様化により、一人の患者に対して、ＭＲＩ装置やＣＴスキャン装置が出力する医療断層画像のデータ量が著しく増加している。これにより膨大なデータから有用な情報を抽出し、治療、診断や手術を行う医者の負担が問題となっている。

そこで医者の負担軽減のため、様々なコンピュータ診断支援技術が注目を浴びている。このコンピュータ診断支援技術の要素の一つとして、医療画像の臓器の位置推定がある。ＭＲＩやＣＴスキャン等の撮像原理や臓器のどの部分に注目して撮像の対象とするかについての撮像プロトコルによって見え方の異なる臓器の位置を自動的に推定することで、ＭＲＩ画像やＣＴスキャン画像においてスキャン対象である臓器断面以外の部分であり、ＭＲＩ装置やＣＴスキャン装置等の撮像原理に基づいて発生するノイズであるアーチファクト(artifact）等の欠落領域の補間や姿勢の推定、といったことができるようになる。

医療画像から臓器形状を抽出する際、最初に抽出対象臓器の領域を推定することで、より安定した臓器抽出を行うことができる。だが、医療画像の撮像領域が十分でなく、抽出対象の臓器が一部写っていない場合、精度よく臓器の位置を特定できないことがある。また、ＭＲＩ画像などから位置等を特定しにくい臓器も存在している。

特開２００４−５０８８５６号公報特開２００７−２０９５８３号公報特開平８−２８７２２８号公報

Szymon Rusinkiewicz, Marc Levoy, "Efficient Variants of the ICP Algorithm", Proceedings of International Conference on 3-D Digital Imaging and Modeling, pp. 145-152, 2001

従って、本発明の目的は、一側面として、テンプレートの臓器により患者の臓器の位置等を精度良く特定するための技術を提供することである。

本発明に係る臓器位置推定装置は、（Ａ）複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、テンプレートにおける複数の臓器に対して変形を行う初期処理部と、（Ｂ）テンプレートにおける複数の臓器から選択された選択臓器を、ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、選択臓器の変形に影響を受ける被影響臓器の各々について、テンプレートにおいて被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、被影響臓器を変形させる第２の処理と、を所定回数繰り返す変形処理部とを有する。

テンプレートの臓器により患者の臓器の位置等を精度良く特定できるようになる。

図１は、実施の形態に係る情報処理装置の機能ブロック図である。図２は、実施の形態に係るメインの処理フローを示す図である。図３は、初期処理の処理フローを示す図である。図４は、脊椎関数算出処理の処理フローを示す図である。図５は、脊椎関数算出処理を説明するための図である。図６は、脊椎関数算出処理を説明するための図である。図７は、脊椎関数算出処理を説明するための図である。図８は、脊椎関数算出処理を説明するための図である。図９は、脊椎関数算出処理を説明するための図である。図１０は、脊椎関数算出処理を説明するための図である。図１１は、脊椎関数算出処理を説明するための図である。図１２は、脊椎関数算出処理を説明するための図である。図１３は、位置合わせ処理の処理フローを示す図である。図１４は、位置合わせ処理を説明するための図である。図１５は、位置合わせ処理の処理フローを示す図である。図１６は、位置合わせ処理を説明するための図である。図１７は、臓器間グラフの一例を示す図である。図１８は、臓器間グラフのデータ例を示す図である。図１９は、調整処理の処理フローを示す図である。図２０は、臓器Ｂの影響元臓器の例を示す図である。図２１は、臓器Ｃの影響元臓器の例を示す図である。図２２は、臓器Ｄの影響元臓器の例を示す図である。図２３は、調整処理の処理フローを示す図である。図２４は、テンプレートの一例を示す図である。図２５は、画像データの例を示す図である。図２６は、変形後のテンプレートの一例を示す図である。図２７は、コンピュータの機能ブロック図である。

本実施の形態では、ＭＲＩ画像やＣＴＩ画像などの画像データに対する、標準的な人体の胸部と腹部とを含むモデルであるトルソモデル（テンプレートととも呼ぶ）の線形レジストレーションを行うことで、患者などの求めたい臓器の位置等を推定する。ここで、レジストレーションとは、画像内の対象物間の相対的な位置を合わせる処理をいい、線形レジストレーションとは、線形変換によるレジストレーションのことをいう。トルソモデルはポリゴンで表される。また、テンプレートは、トルソモデルには限られず、頭部のモデルや下腹部のモデルであっても良い。

次に、本実施の形態に係る情報処理装置１００の機能ブロック図を図１に示す。本実施の形態に係る情報処理装置１００は、画像データ格納部１０１と、テンプレート格納部１０２と、データ格納部１０３と、設定データ格納部１０４と、初期処理部１０５と、変形処理部１０６とを有する。

画像データ格納部１０１は、医療画像（ここではボリュームデータ）から任意の方法で閾値分割した画像データを格納する。閾値分割とは、所定の閾値に基づいて、画像の領域を分割することをいう。閾値分割の代表的な方法にRegion growing法がある。Region growing法は、以下のような手法である。すなわち、任意の点を抽出したい領域の開始点とし、その隣接画素が拡張条件を満たす場合、自身の領域として拡張する。更に拡張した点の隣接画素を参照し、拡張条件を満たす画素がなくなるまで領域を拡張することで領域を推定する。これにより医療画像をいくつかの領域に分けたデータとなる。

また、テンプレート格納部１０２は、ポリゴンで表されたトルソモデルのデータが格納されている。さらに、データ格納部１０３は、処理途中のデータ及び処理結果が格納される。

また、設定データ格納部１０４には、臓器間グラフのデータが格納されている。臓器間グラフは、臓器間の関係を表す有向グラフである。具体的には、ある臓器の変形がどの臓器に対してどの程度影響を与えるかを示す。程度については重み値で表される。具体的には、処理の説明の部分で示す。また、設定データ格納部１０４には、以下で述べる処理において用いられる各種の閾値も格納されている。

初期処理部１０５は、臓器のうち例えば肺を基準の臓器である基準臓器として用い、テンプレートの肺を画像データにおける肺の位置に合わせるように変形し、同様の変形をテンプレートの他の臓器に対して行う。また、初期処理部１０５は、脊椎についても、テンプレート及び画像データに対して４次関数のパラメータを算出し、初期的な位置合わせを行う。

変形処理部１０６は、パラメータ算出部１０６１と、調整処理部１０６２とを有する。パラメータ算出部１０６１は、各臓器についてテンプレートと画像データとの関係からテンプレートにおける対応臓器を変形する処理を行う。調整処理部１０６２は、臓器間グラフに基づき、ある臓器の変形に影響を受ける被影響臓器を、被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて変形させる処理を行う。

次に、図２乃至図２３を用いて、本情報処理装置１００の処理内容を説明する。

まず、初期処理部１０５は、テンプレート格納部１０２に格納されているテンプレートに対して初期処理を実行する（図２：ステップＳ１）。初期処理については、図３乃至図１２を用いて説明する。

まず、初期処理部１０５は、画像データ格納部１０１に格納されており、閾値分割されている画像データにおいて肺の領域を特定する（図３：ステップＳ２１）。肺と骨は、閾値分割で抽出が比較的容易であるため、まず肺の領域を特定する。

そして、初期処理部１０５は、テンプレートにおける肺のバウンディングボックス（BoundingBox）が、特定された肺の領域のバウンディングボックスに合うように、テンプレート全体を変形させる（ステップＳ２３）。バウンディングボックスとは、所定の方形領域を包含するＸＹＺ軸座標のそれぞれの最小値及び最大値である６つの座標値により特定される。また、変形は、特定された肺の領域の体積が、閾値以上であれば、拡大縮小、平行移動及び回転等を行う。但し、画像データに肺が十分に含まれない場合もあるので、肺の領域の体積が閾値未満であれば、平行移動及び回転等のみを行う。

その後、初期処理部１０５は、画像データに対する脊椎関数算出処理を実行する（ステップＳ２５）。脊椎関数算出処理については、図４乃至図１２を用いて説明する。

本実施の形態では、ｎ＝４と設定した四次関数で脊椎を近似する。Ｚ軸は、体軸方向を表す。
脊椎関数算出処理では、（１）式における係数を算出する。なお、具体的なアルゴリズムは、最小二乗法などよく知られた手法を用いればよい。

初期処理部１０５は、画像データにおける骨領域に含まれるボクセルの座標から、脊椎のライン（（１）式における係数）を推定する（図４：ステップＳ３１）。

画像データにおける骨領域は、肋骨や鎖骨等の脊椎以外の領域も含むため、脊椎以外の領域を除去して推定することが好ましい。しかし、最初から脊椎以外の領域を適切に除去することは困難なので、最初は画像データにおける骨領域を表す全ボクセルの座標を用いて、脊椎のラインを仮決めする。例えば、図５は、画像データの側面を模式的に示す図であり、太線は脊椎を表す脊椎ライン１００１ａを表す。なお、図６は、体軸方向に対して垂直なある断面を示しており、この図でも黒丸は脊椎を表す脊椎ライン１００１ａを表す。

その後、初期処理部１０５は、Ｘ軸及びＹ軸のうち未処理の軸を特定する（ステップＳ３３）。また、初期処理部１０５は、カウンタｎを１に初期化し、以下の処理で用いる距離の閾値を初期値に設定する（ステップＳ３５）。

そして、初期処理部１０５は、距離の閾値を、従前の距離の閾値に対して１未満の所定割合を乗ずることで算出する（ステップＳ３７）。そうすると、初期処理部１０５は、現在の推定脊椎ラインからの距離が、距離の閾値以内に含まれる、骨領域内のボクセルを抽出する（ステップＳ３９）。例えば、図５及び図６の状態で、脊椎ライン１００１ａから一定距離を表す点線の範囲内に含まれる、骨領域内のボクセルを抽出する。

その後、初期処理部１０５は、抽出ボクセルから、ステップＳ３３で特定された軸についての係数を算出する（ステップＳ４１）。例えば、図７及び図８に示すような脊椎ライン１００１ｂが算出される。

そして、初期処理部１０５は、カウンタｎの値が予め定められた最大値に達したか判断する（ステップＳ４３）。カウンタｎの値が予め定められた最大値未満であれば、初期処理部１０５は、ｎを１インクリメントして（ステップＳ４５）、処理はステップＳ３７に戻る。

一方、カウンタｎの値が最大値に達した場合には、初期処理部１０５は、未処理の軸が存在するか判断する（ステップＳ４７）。未処理の軸が存在する場合には、処理はステップＳ３３に戻る。一方、未処理の軸が存在しない場合には、呼び出し元の処理に戻る。

上記の処理の繰り返しでは、図７及び図８で脊椎ライン１００１ｂが算出されると、点線で示す範囲がボクセルの抽出範囲となる。この抽出範囲で脊椎ライン１００１ｃを算出すると、図９及び図１０に示すようになる。ここで、再度抽出範囲（点線）が狭められる。この抽出範囲で脊椎ライン１００１ｄを算出すると、図１１及び図１２に示すようになる。次の段階で用いられるボクセルの範囲が図１１及び図１２において点線で表される範囲である。このような処理を所定回数繰り返す。

図３の処理の説明に戻って、初期処理部１０５は、テンプレートに対する脊椎関数算出処理を実行する（ステップＳ２７）。図４の処理フローは、ボクセルデータに対して処理を行う例を示したが、テンプレートはポリゴンで表されているので、本ステップでは、ボクセルデータの代わりに対象のポリゴンを抽出するように変更した処理を実行する。

そして、初期処理部１０５は、画像データに対する脊椎関数と、テンプレートに対する脊椎関数とを、累積誤差が最小になるように平行移動及び回転等を実行する（ステップＳ２９）。

このようにして、テンプレート全体が仮位置合わせされるようになる。

図２の処理の説明に戻って、変形処理部１０６は、カウンタｎを１に初期化する（ステップＳ３）。また、変形処理部１０６は、画像データにおいて閾値分割で特定された臓器群のうち、未処理の対象臓器を１つ特定する（ステップＳ５）。そして、変形処理部１０６は、画像データにおける、対象臓器の体積が、予め当該対象臓器について定められた閾値以上であるか否かを判断する（ステップＳ７）。撮影領域外の臓器については、この臓器単体では変形の対象外として取り扱う。従って、対象臓器の体積が閾値未満であれば、処理はステップＳ１３に移行する。

一方、対象臓器の体積が閾値以上であれば、パラメータ算出部１０６１は、特定された臓器の位置合わせ処理を実行する（ステップＳ９）。位置合わせ処理については、図１３乃至図１６を用いて説明する。

本位置合わせ処理は、ＩＣＰ（Iterative closest point）アルゴリズム（Szymon Rusinkiewicz, Marc Levoy, "Efficient Variants of the ICP Algorithm", Proceedings of International Conference on 3-D Digital Imaging and Modeling, pp. 145-152, 2001）に基づき行われる。

まず、パラメータ算出部１０６１は、繰り返し数のカウンタｉの値を１に初期化する（図１３：ステップＳ５１）。また、パラメータ算出部１０６１は、ソースポイントとターゲットポイントとを含むランドマーク対の個数に関するカウンタｊの値を１に初期化する（ステップＳ５３）。

そして、パラメータ算出部１０６１は、テンプレートにおける、ステップＳ５で特定された臓器の未処理のノードをソースポイントとして１つ選択する（ステップＳ５５）。例えば、図１４における矩形１１００が、テンプレートの１つの臓器であるとすると、その輝度領域の境界上における節点のいずれか１つ（丸印。例えば１１０１）を選択する。

また、パラメータ算出部１０６１は、ソースポイントから法線方向に探索して画像データにおける対応する臓器の境界１２００との交点（丸印。例えば１２０１）に対してターゲットポイントを設定する（ステップＳ５７）。

そして、パラメータ算出部１０６１は、ソースポイントとターゲットポイントとを含むランドマーク対が、予め定められた条件を満たしているか判断する（ステップＳ５９）。予め定められた条件のうち第１の条件としては、ターゲットポイントとソースポイントの距離が所定の閾値以下であるというものである。これは、ターゲットポイントが、近い境界線ではなく遠い境界線と交差してしまう場合を回避するためである。また、予め定められた条件のうち第２の条件としては、ターゲットポイント及びソースポイントが、処理対象の臓器について登録済みのランドマーク対に係るターゲットポイント又はソースポイントからそれぞれ所定の距離以上となっているという条件である。ランドマーク対が密集すると、位置合わせが適切に行われないためである。

ランドマーク対が条件を満たしていない場合には、処理はステップＳ６５に移行する。一方、ランドマーク対が条件を満たしている場合には、パラメータ算出部１０６１は、当該ランドマーク対を登録する（ステップＳ６１）。そして、パラメータ算出部１０６１は、ｊを１インクリメントする（ステップＳ６３）。

その後、パラメータ算出部１０６１は、ｊが最大値を超えたか判断する（ステップＳ６５）。ｊはｊの最大値を超えていない場合には、処理はステップＳ５５に戻る。一方、ｊがｊの最大値を超えた場合には、処理は端子Ａを介して図１５の処理に移行する。

図１５の処理に移行して、パラメータ算出部１０６１は、以下の式に従ってアフィンパラメータの推定処理を実行する（ステップＳ６７）。

アフィンパラメータは、スケーリング、回転及び平行移動のパラメータを指し、それぞれｓ，ｒ，ｔと表すものとする。
この式では、ターゲットポイントｙ_iと、線形変換後のソースポイントｘ_iとの距離の二乗和が最小となるような線形変換パラメータであるアフィンパラメータを算出する。なお、Ｒ（ｘ，ｒ）は、座標ｘをｒ回転させる関数である。なお、ｎは、登録されたランドマーク対の数を表す。このような式を算出するための手法については、従来手法のいずれを用いても良い。

図１４の例では、例えば、図１６に示すように、矩形１１００を、拡大縮小したり、回転させたり、平行移動させたりして、矩形１１００ｂを生成する。

そうすると、変形処理部１０６は、算出されたアフィンパラメータに従って、テンプレートにおける、ステップＳ５で特定された臓器の各ノードに対してアフィン変換を実施し、処理結果をデータ格納部１０３に格納する（ステップＳ６９）。

また、パラメータ算出部１０６１は、カウンタｉの値がｉの最大値に達したか否かを判断する（ステップＳ７１）。カウンタｉの値が最大値に達していない場合には、パラメータ算出部１０６１は、ｉを１インクリメントし（ステップＳ７３）、処理は端子Ｂを介して図１３のステップＳ５３に戻る。

このような処理を実行することで、徐々にテンプレートにおける臓器を、画像データにおける臓器に合わせてゆく。

図２の処理の説明に戻って、調整処理部１０６２は、調整処理を実行する（ステップＳ１１）。ステップＳ９では、特定された臓器の体積が閾値以上でなければ処理が行われないが、本ステップでは、その条件を満たさなくても、特定された臓器の変形の影響を受ける場合には、調整処理が行われる。調整処理については、図１７乃至図２３を用いて説明する。

本実施の形態では、設定データ格納部１０４に格納されている臓器間グラフに基づき処理を行う。図１７に臓器間グラフの一例を示す。ここでは、臓器Ａ乃至臓器Ｅまでの５つの臓器間の関係を表しており、矢印は、影響元から影響先への方向を表すと共に、図示していないが重み値が設定されている。具体的には、例えば図１８に示すようなデータが、設定データ格納部１０４に格納されている。図１８においては、重み値が設定されている臓器の組み合わせについては、リンクが存在している。臓器Ａから臓器Ｂへの重み値と、臓器Ｂから臓器Ａへの重み値とは同じになるとは限らない。

調整処理部１０６２は、ステップＳ５で特定された臓器に関連する臓器である関連臓器を特定する（図１９：ステップＳ８１）。図１７の臓器間グラフのうち、臓器Ａが、特定された臓器であるとすると、臓器Ａから矢印が出ている臓器Ｂ、臓器Ｃ及び臓器Ｄが、関連臓器として特定される。

その後、調整処理部１０６２は、ステップＳ８１で特定された関連臓器において、未処理の関連臓器を１つ特定する（ステップＳ８３）。調整処理部１０６２は、特定された関連臓器に影響を与える臓器（以下、影響元臓器と呼ぶ）を抽出する（ステップＳ８５）。例えば臓器Ｂが、関連臓器として特定された場合、臓器Ｂに影響を与える臓器は、図１７の臓器間グラフにおいて矢印の先が臓器Ｂを指している臓器であって、図２０に示すように、臓器Ａ及び臓器Ｅである。同様に、臓器Ｃが関連臓器として特定された場合、臓器Ｃに影響を与える臓器は、図１７の臓器間グラフにおいて矢印の先が臓器Ｃを指している臓器であって、図２１に示すように、臓器Ａ及び臓器Ｂである。さらに、関連臓器Ｄが関連臓器として特定された場合、臓器Ｄに影響を与える臓器は、図１７の臓器間グラフにおいて矢印の先が臓器Ｄを指している臓器であって、図２２に示すように、臓器Ａのみである。

調整処理部１０６２は、特定された影響元臓器のうち未処理の影響元臓器を１つ特定する（ステップＳ８７）。そして、調整処理部１０６２は、特定された影響元臓器の特徴点の初期位置ｘ_iを、テンプレート格納部１０２から読み出す（ステップＳ８９）。特徴点は、解剖学的特徴に基づき予め定められた点である。

また、調整処理部１０６２は、特定された影響元臓器の特徴点の現在位置ｙ_iを、データ格納部１０３から読み出す（ステップＳ９１）。これまでに実行された線形変換の結果を取得するものである。

そして、調整処理部１０６２は、初期位置ｘ_i及び現在位置ｙ_iのペアをランドマーク対として設定する（ステップＳ９３）。

その後、調整処理部１０６２は、未処理の影響元臓器が存在しているか否かを判断する（ステップＳ９５）。未処理の影響元臓器が存在している場合には、処理はステップＳ８７に戻る。一方、未処理の影響元臓器が存在していない場合には、処理は端子Ｃを介して図２３の処理に移行する。

このように関連臓器に対してその各影響元臓器のランドマーク対を抽出する。

図２３の処理の説明に移行して、調整処理部１０６２は、ランドマーク対を用いて、アフィンパラメータの推定処理を実行する（ステップＳ９７）。

ここで、α_iは、ランドマーク対ｉについて、影響元臓器から関連臓器への重み値である。また、ランドマーク対はｎ個検出されたものとする。このようにして、影響元臓器について初期位置から現在位置へのアフィン変換のパラメータであるアフィンパラメータが得られるようになる。この式を解く方法については、従来手法のいずれかを採用しても良い。

そして、調整処理部１０６２は、算出されたアフィンパラメータに従って関連臓器に対してアフィン変換を実行し、処理結果をデータ格納部１０３に格納する（ステップＳ９９）。ここでは、関連臓器の各節点の初期位置をアフィン変換で変換する。

調整処理部１０６２は、未処理の関連臓器が存在するか判断し（ステップＳ１０１）、未処理の関連臓器が存在する場合には、処理は端子Ｄを介して図１９のステップＳ８３へ戻る。一方、未処理の関連臓器が存在しない場合には、処理は呼び出し元の処理に戻る。

このように他の臓器の変形に合わせて関連する臓器を変形することで、画像データから抽出された領域内のアーチファクト等のノイズによって大きく異なる結果となることを防ぐことができる。また、部分的にしか撮影されていない臓器の位置などについてもテンプレート（すなわちトルソモデル）全体の体格に即して推定できる。

図２の処理の説明に戻って、変形処理部１０６は、未処理の臓器が存在するか否かを判断する（ステップＳ１３）。未処理の臓器が存在する場合には、処理はステップＳ５に戻る。一方、未処理の臓器が存在しない場合には、変形処理部１０６は、カウンタｎの値が、ｎの最大値であるｎｍａｘ以上であるか否かを判断する（ステップＳ１５)．ｎがｎｍａｘ以上となっていれば、処理を終了する。一方、ｎがｎｍａｘ未満であれば、変形処理部１０６は、ｎを１インクリメントするとともに、全臓器を未処理に設定する（ステップＳ１７）。そして処理はステップＳ５に戻る。

以上のような処理を実行することで、テンプレートが画像データに合うように線形変換されるようになる。

例えば、図２４に示すようなテンプレートについて、図２５に示すような画像データの臓器群に対する線形レジストレーションを実行すると、図２６に示すような結果が得られる。図２５で示す画像データでは、細身の患者の臓器群が示されており、これに合わせて、テンプレートの臓器も細身になるように変換されている。

以上本発明に実施の形態を説明したが、本発明はこれに限定されるものではない。例えば、図１に示した機能ブロック図は一例であって、プログラムモジュール構成及びファイル構成と一致しない場合もある。さらに、処理フローについても、処理結果が変わらない限り、ステップの順番を入れ替えたり、複数ステップを並列実行するようにしても良い。

なお、上で述べた情報処理装置１００は、コンピュータ装置であって、図２７に示すように、メモリ２５０１とＣＰＵ（Central Processing Unit）２５０３とハードディスク・ドライブ（ＨＤＤ：Hard Disk Drive）２５０５と表示装置２５０９に接続される表示制御部２５０７とリムーバブル・ディスク２５１１用のドライブ装置２５１３と入力装置２５１５とネットワークに接続するための通信制御部２５１７とがバス２５１９で接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤ２５０５に格納されており、ＣＰＵ２５０３により実行される際にはＨＤＤ２５０５からメモリ２５０１に読み出される。ＣＰＵ２５０３は、アプリケーション・プログラムの処理内容に応じて表示制御部２５０７、通信制御部２５１７、ドライブ装置２５１３を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ２５０１に格納されるが、ＨＤＤ２５０５に格納されるようにしてもよい。本技術の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスク２５１１に格納されて頒布され、ドライブ装置２５１３からＨＤＤ２５０５にインストールされる。インターネットなどのネットワーク及び通信制御部２５１７を経由して、ＨＤＤ２５０５にインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ２５０３、メモリ２５０１などのハードウエアとＯＳ及びアプリケーション・プログラムなどのプログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。

以上述べた本実施の形態をまとめると、以下のようになる。

本実施の形態に係る情報処理方法は、（Ａ）テンプレートにおける複数の臓器のうち予め定められた臓器を、ボリュームデータから特定される複数の臓器のうち予め定められた臓器に合わせるように、テンプレートにおける複数の臓器に対して変形を行い、（Ｂ）複数の臓器のうち少なくとも一部について、テンプレートにおける当該臓器を、ボリュームデータにおける当該臓器に応じて変形する第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける他の臓器についてのデータに基づき、当該臓器の変形に影響を受ける第２の臓器（被影響臓器）の各々について、当該第２の臓器（被影響臓器）に影響を及ぼす、テンプレートにおける第３の臓器（影響元臓器）になされた変形に応じて、当該第２の臓器（被影響臓器）を変形させる第２の処理と、を所定の回数繰り返す処理を含む。

このようにすれば、着目する臓器に関連する臓器についても、当該関連する臓器に影響を及ぼす臓器からの変形に応じて変形を行うことで、全体的に臓器の位置などが調整されるので、臓器の適切な位置などが得られるようになる。なお、変形は、主に線形変換を表しており、スケーリング、平行移動、回転を含む。

そして、上で述べた第１の処理が、テンプレートにおける当該臓器の点の位置をアフィンパラメータで変換した後の位置と、ボリュームデータにおける当該臓器の対応する点の位置との距離を複数の点について加算した結果を最小にするアフィンパラメータを算出し、当該アフィンパラメータを当該臓器に適用する処理を含むようにしても良い。テンプレートにおける臓器に対するアフィンパラメータによって位置などが規定される。

また、上で述べた第２の処理が、当該臓器の変形に影響を受ける第２の臓器の各々について、当該第２の臓器に影響を及ぼす、テンプレートにおける第３の臓器の点の初期位置をアフィンパラメータで変換した後の位置と当該点の現在位置との距離を複数の点について加算した結果を最小にするアフィンパラメータを算出し、当該アフィンパラメータを当該第２の臓器の初期状態に対して適用する処理を含むようにしても良い。アフィンパラメータによって、位置などの調整が行われるようになる。

さらに、上で述べたデータが、臓器間に設定された重み値を含むようにしても良い。この場合、上で述べた距離が、第２の臓器と第３の臓器との間の重み値により重み付けされるようにしても良い。臓器間にも密な関係と疎な関係とがあるためである。

さらに、本情報処理方法は、（Ｃ）ボリュームデータから特定される脊椎を表す第１の関数を、ボリュームデータにおいて用いるボクセルデータを絞り込みつつ算出し、（Ｄ）テンプレートから特定される脊椎を表す第２の関数を、テンプレートにおいて用いるポリゴンを絞り込みつつ算出し、（Ｅ）第２の関数で表される脊椎を、第１の関数で表される脊椎に合わせて平行移動及び回転を行う処理をさらに含むようにしても良い。脊椎についても、位置などを合わせることができるようになる。

また、本情報処理方法において、ボリュームデータから特定される体積が閾値未満の臓器については、第１の処理の対象から除外するようにしても良い。精度良く位置などを決定することが難しいためである。

なお、上で述べたような処理をコンピュータに実行させるためのプログラムを作成することができ、当該プログラムは、例えばフレキシブル・ディスク、ＣＤ−ＲＯＭなどの光ディスク、光磁気ディスク、半導体メモリ（例えばＲＯＭ）、ハードディスク等のコンピュータ読み取り可能な記憶媒体又は記憶装置に格納される。なお、処理途中のデータについては、ＲＡＭ等の記憶装置に一時保管される。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）
複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、前記テンプレートにおける前記複数の臓器に対して変形を行う初期処理部と、
前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返す変形処理部と、
を有する臓器位置推定装置。

（付記２）
前記第１の処理が、
前記テンプレートにおける前記対象臓器の点の位置をアフィンパラメータで変換した後の位置と、前記ボリュームデータにおける前記対応臓器の対応する点の位置との距離を複数の点について加算した結果を最小にする前記アフィンパラメータを算出し、前記アフィンパラメータを用いて、前記対応臓器を変形させる処理を含む付記１記載の臓器位置推定装置。

（付記３）
前記第２の処理が、
前記選択臓器の変形に影響を受ける被影響臓器の各々について、各前記被影響臓器に影響を及ぼす、前記テンプレートにおける影響元臓器に含まれる複数の点の各点の初期位置を第２のアフィンパラメータで変換した後の位置と各点の現在位置との距離を前記複数の点について加算した結果を最小にする前記第２のアフィンパラメータを算出し、前記第２のアフィンパラメータを用いて、初期状態の前記被影響臓器を変形させる処理を含む付記１又は２記載の臓器位置推定装置。

（付記４）
前記データが、臓器間に設定された重み値を含み、
前記距離が、前記被影響臓器と前記影響元臓器との間の重み値により重み付けされる付記３記載の臓器位置推定装置。

（付記５）
前記第１の処理部が、
前記ボリュームデータから特定される脊椎を表す第１の関数を、前記ボリュームデータにおいて用いるボクセルデータを絞り込みつつ算出し、
前記テンプレートから特定される脊椎を表す第２の関数を、前記テンプレートにおいて用いるポリゴンを絞り込みつつ算出し、
前記第２の関数で表される脊椎を、前記第１の関数で表される脊椎に合わせて平行移動及び回転を行う
付記１乃至４のいずれか１つ記載の臓器位置推定装置。

（付記６）
前記ボリュームデータから特定される体積が閾値未満の臓器については、前記第１の処理の対象から除外する
付記１乃至５のいずれか１つ記載の臓器位置推定装置。

（付記７）
臓器位置推定装置の制御方法であって、
前記臓器位置推定装置が有する初期処理部が、複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、前記テンプレートにおける前記複数の臓器に対して変形を行い、
前記臓器位置推定装置が有する変形処理部が、前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返す
臓器位置推定装置の制御方法。

（付記８）
臓器位置推定装置の制御プログラムであって、
前記臓器位置推定装置が有する初期処理部に、複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように前記テンプレートにおける前記複数の臓器に対して変形を行わせ、
前記臓器位置推定装置が有する変形処理部に、前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返させる
臓器位置推定装置の制御プログラム。

１０１画像データ格納部
１０２テンプレート格納部
１０３データ格納部
１０４設定データ格納部
１０５初期処理部
１０６変形処理部
１０６１パラメータ算出部
１０６２調整処理部

Claims

複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、前記テンプレートにおける前記複数の臓器に対して変形を行う初期処理部と、
前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返す変形処理部と、
を有する臓器位置推定装置。
前記第１の処理が、
前記テンプレートにおける前記対象臓器の点の位置をアフィンパラメータで変換した後の位置と、前記ボリュームデータにおける前記対応臓器の対応する点の位置との距離を複数の点について加算した結果を最小にする前記アフィンパラメータを算出し、前記アフィンパラメータを用いて、前記対応臓器を変形させる処理を含む請求項１記載の臓器位置推定装置。
前記第２の処理が、
前記選択臓器の変形に影響を受ける被影響臓器の各々について、各前記被影響臓器に影響を及ぼす、前記テンプレートにおける影響元臓器に含まれる複数の点の各点の初期位置を第２のアフィンパラメータで変換した後の位置と各点の現在位置との距離を前記複数の点について加算した結果を最小にする前記第２のアフィンパラメータを算出し、前記第２のアフィンパラメータを用いて、初期状態の前記被影響臓器を変形させる処理を含む請求項１又は２記載の臓器位置推定装置。
前記データが、臓器間に設定された重み値を含み、
前記距離が、前記被影響臓器と前記影響元臓器との間の重み値により重み付けされる請求項３記載の臓器位置推定装置。
前記第１の処理部が、
前記ボリュームデータから特定される脊椎を表す第１の関数を、前記ボリュームデータにおいて用いるボクセルデータを絞り込みつつ算出し、
前記テンプレートから特定される脊椎を表す第２の関数を、前記テンプレートにおいて用いるポリゴンを絞り込みつつ算出し、
前記第２の関数で表される脊椎を、前記第１の関数で表される脊椎に合わせて平行移動及び回転を行う
請求項１乃至４のいずれか１つ記載の臓器位置推定装置。
前記ボリュームデータから特定される体積が閾値未満の臓器については、前記第１の処理の対象から除外する
請求項１乃至５のいずれか１つ記載の臓器位置推定装置。
臓器位置推定装置の制御方法であって、
前記臓器位置推定装置が有する初期処理部が、複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように、前記テンプレートにおける前記複数の臓器に対して変形を行い、
前記臓器位置推定装置が有する変形処理部が、前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返す
臓器位置推定装置の制御方法。
臓器位置推定装置の制御プログラムであって、
前記臓器位置推定装置が有する初期処理部に、複数の臓器を含むモデルであるテンプレートにおける複数の臓器のうち所定の対象臓器を、ボリュームデータにおいて対応する対応臓器に合わせるように前記テンプレートにおける前記複数の臓器に対して変形を行わせ、
前記臓器位置推定装置が有する変形処理部に、前記テンプレートにおける前記複数の臓器から選択された選択臓器を、前記ボリュームデータにおける対応選択臓器に応じて変形させる第１の処理と、データ格納部に格納された、臓器の変形に影響を受ける臓器である関連臓器についてのデータに基づき、前記選択臓器の変形に影響を受ける被影響臓器の各々について、前記テンプレートにおいて前記被影響臓器に影響を及ぼす影響元臓器になされた変形に応じて、前記被影響臓器を変形させる第２の処理と、を所定回数繰り返させる
臓器位置推定装置の制御プログラム。