JP2015187546A - 情報処理装置、コンピュータプログラムおよび記録媒体 - Google Patents

Abstract

【課題】被検者が悪性腫瘍である可能性を判定する。【解決手段】コンピュータが、腫瘍シンチグラムに関する画像データから、所定時間の放射線のカウント値の大きさに基づいて１又は２以上の関心領域を抽出し、画像データにおける正中線の一方の半身に位置する各関心領域について、その正中線からの距離及び当該関心領域の特徴量に基づいて第１の値を算出し、当該画像データにおける正中線の他方の半身に位置する各関心領域について、その正中線からの距離及び当該関心領域の特徴量に基づいて第２の値を算出し、第１の値と第２の値とに基づいて正中線の一方の半身と正中線の他方の半身との間のバランスを表す値であるバランス値を算出する。【選択図】図１

Description

本発明は、腫瘍に関する診断を支援する情報処理装置、コンピュータプログラムおよび記録媒体の技術に関する。

専門医師は、全身ＦＤＧ−ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）で撮像されたＰＥＴ画像を見て、被検者が悪性腫瘍であるか否かの判定を行う（非特許文献１）。また、パターン認識によって、腫瘍に係る特徴領域の位置と大きさを評価するパターン認識方法が知られている（特許文献１）。

特表２００３−５００７７６号公報

「がんＦＤＧ−ＰＥＴ／ＣＴ撮像法ガイドライン」、日本医学技術学会、核医学技術、Ｖｏｌ．２９ Ｎｏ．２．２００９、１９５−２３５ページ

しかし、腫瘍シンチグラムにおいて撮像されたＰＥＴ画像から被検者が悪性腫瘍であるか否かを診断することは、豊富な経験を積んだ専門医師であっても難しい。

そこで、本発明の目的は、腫瘍シンチグラムに関する画像データを解析して悪性腫瘍の診断を支援する情報処理装置、コンピュータプログラムおよび記録媒体を提供することにある。

本発明の一実施形態に係るコンピュータプログラムは、コンピュータに実行されると、
腫瘍シンチグラムに関する画像データから、所定時間の放射線のカウント値の大きさに基づいて１又は２以上の関心領域を抽出し、
その画像データに撮像されている人体に対して設定された正中線であって、その画像データにおける正中線の一方の半身に位置する各関心領域について、その正中線からの距離及び当該関心領域の特徴量に基づいて第１の値を算出し、
その画像データにおける正中線の他方の半身に位置する各関心領域について、その正中線からの距離及び当該関心領域の特徴量に基づいて第２の値を算出し、
第１の値と第２の値とに基づいて正中線の一方の半身と正中線の他方の半身との間のバランスを表す値であるバランス値を算出する。

本発明によれば、腫瘍シンチグラムに関する画像データを解析して悪性腫瘍の診断を支援することができる。

腫瘍に関する診断を支援するコンピュータ支援診断システムの構成例を示す図である。 画像データから判定値を算出する処理例を示すフローチャートである。 画像データにマスク領域を設定するＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）の一例を示す図である。 正中線の設定および関心領域の抽出に関するＵＩの一例を示す図である（被検者は陽性）。 正中線の設定および関心領域の抽出に関するＵＩの一例を示す図である（被検者は陰性）。 判定値Ｓ１及びＳ２の算出方法を説明するための表である。 陽性の被検者の判定値Ｓ１と陰性の被検者の判定値Ｓ１とを対比した検証結果を示すグラフである。 陽性の被検者の判定値Ｓ２と陰性の被検者の判定値Ｓ２とを対比した検証結果を示すグラフである。 判定値Ｓ１及びＳ２のＲＯＣ（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ ａｎａｌｙｓｉｓ）曲線を示すグラフである。 判定値Ｓ３及びＳ４の算出方法を説明するための表である。 陽性の被検者の判定値Ｓ３と陰性の被検者の判定値Ｓ３とを対比した検証結果を示すグラフである。 陽性の被検者の判定値Ｓ４と陰性の被検者の判定値Ｓ４とを対比した検証結果を示すグラフである。 判定値Ｓ３及びＳ４のＲＯＣ曲線を示すグラフである。

以下、図面を参照しながら、腫瘍に関する診断を支援する情報処理装置およびコンピュータプログラムに係る実施形態を説明する。

図１は、腫瘍に関する診断を支援するコンピュータ支援診断（ＣＡＤ）システム１の構成例を示す。

ＣＡＤシステム１は、例えば、情報処理装置２と、院内画像システム３と、入出力装置５とを有し、これらの装置２、３、５は、所定のケーブル又は通信ネットワーク等で接続されており、相互にデータを送受信できる。情報処理装置２、院内画像システム３および入出力装置５は、同じ施設内に設置されても良いし、それぞれが異なる遠隔地の施設に設置されても良い。情報処理装置２、院内画像システム３がそれぞれ異なる遠隔地の施設に設置される場合、情報処理装置２は、所定の通信ネットワーク（例えば、インターネット網または専用線）を通じて、遠隔地の院内画像システム３を遠隔処理しても良い。

院内画像システム３は、腫瘍シンチグラムに関する画像データ３１を撮像するシステムである。院内画像システム３は、例えば、^１８Ｆ−ＦＤＧ−ＰＥＴ装置（Ｘ線ＣＴ組み合わせ型ポジトロンＣＴ装置（以下「ＰＥＴ／ＣＴ装置」という）を含む）である。

入出力装置５は、情報処理装置２に指示を入力したり、情報処理装置２からの出力を表示したりするための装置である。入出力装置５は、例えば、キーボード、マウス、ディスプレイ等である。

情報処理装置２は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、メインメモリおよび記憶デバイス等を備えるいわゆるコンピュータであって、記憶デバイスやメインメモリに記憶されたコンピュータプログラムをＣＰＵが実行することにより、後述する各種機能を実現する。情報処理装置２は、各種機能の全部又は一部を所定の電子回路で実現してもよい。

情報処理装置２は、機能として、画像データ取得部１１と、マスク処理部１２と、正中線設定部１３と、関心領域抽出部１４と、判定値算出部１５と、判定部１６と、ＵＩ部１７とを有する。判定値算出部１５は、指標算出部と言ってもよい。

画像データ取得部１１は、例えば、院内画像システム３から、その院内画像システム３により生成された腫瘍シンチグラムに関する画像データ３１を取得する。画像データ３１を構成する各ピクセルのピクセル値は、例えば、所定時間に測定された放射線のカウント値に相当する。画像データ取得部１１は、その取得した画像データ３１を所定の記憶デバイスに格納してもよい。本実施形態は、被検者の上半身を撮像した画像データ３１を対象とする。

マスク処理部１２は、画像データ３１から判定対象の領域以外の所定の領域を取り除く。例えば、肺門縦隔リンパ節に関する悪性腫瘍を判定する場合であって、画像データ３１には、肺門及び縦隔等以外に、腸管等の他の臓器も撮像されているとする。ＦＤＧは、悪性腫瘍に限らず腸管等の他の所定の臓器にも正常に集積する。そこで、マスク処理部１２は、ＦＤＧが正常に蓄積する腸管等の他の臓器が撮像されている領域を取り除く。これを、マスク処理という。マスク処理後の画像データをマスク後画像データ３２という。マスク処理は、手動で行われても良いし、所定のアルゴリズムに基づいて自動で行われても良い。マスク処理の詳細については後述する（図３及び図４参照）。

正中線設定部１３は、マスク後画像データ３２（マスク前の画像データ３１であっても良い。以下同じ）に正中線を設定する。正中線は、手動で設定されても良いし、所定のアルゴリズムに基づいて自動で設定されても良い。以下、手動で設定する場合について述べる。

正中線設定部１３は、ＵＩ部１７を通じて、マスク後画像データ３２に基づく画像を表示させ、正中線の入力を受け付ける。情報処理装置２のオペレータは、マスク後画像データ３２に基づく画像に撮像されている人体に対して、正中線を入力する。正中線設定部１３は、正中線を、マスク後画像データ３２に基づく二次元の画像空間において、縦軸（Ｙ軸）となるように設定する。例えば、入力された正中線がＹ軸となるように、マスク後画像データ３２に基づく画像を傾けて（少し回転させて）もよい。また、正中線設定部１３は、正中線を、マスク後画像データ３２に基づく二次元の画像空間における横軸（Ｘ軸）の原点（Ｘ＝０）に設定する。マスク後画像データ３２に基づく二次元の画像空間において、Ｘ軸及びＹ軸によって特定される座標はピクセルの単位であってよい。例えば、正中線からＸ軸の正の方向に３ピクセル進んだ座標は「Ｘ＝３」となり、正中線からＸ軸の負の方向に３ピクセル進んだ座標は「Ｘ＝−３」となる。

関心領域抽出部１４は、マスク後画像データ３２における各ピクセルのカウント値の大きさに基づいて１又は２以上の関心領域を抽出する。関心領域抽出部１４は、カウント値が所定の閾値以上のピクセルで構成される領域を関心領域として抽出してもよい。又は、関心領域抽出部１４は、マスク後画像データ３２内において規格化された各ピクセルのカウント値が所定以上の領ピクセルで構成される領域を関心領域として抽出してもよい。関心領域を示す画像データを関心領域画像データ３３という。

例えば、関心領域抽出部１４は、マスク後画像データ３２内の最大のカウント値と最小のカウント値との間（例えば中間）に閾値を設定し、その設定された閾値以上のカウント値を有するピクセルを関心領域として抽出する。この閾値は、オペレータによって手動で設定されてもよい。この閾値を変更すると、抽出される関心領域の大きさ及び数も変化し得る。

以下、複数の関心領域のそれぞれを区別するため、１つの関心領域を関心領域ｉ（ｉは１以上の正の整数）と表現する。例えば、３つの関心領域が抽出された場合、それぞれを関心領域１、関心領域２、関心領域３と表現する。また、抽出された関心領域の数をＮ（Ｎは１以上の正の整数）と表現する。

判定値算出部１５は、画像データ３１に撮像されている被検者が悪性腫瘍（陽性）であるか否か（陰性）を判定するための指標の一種であるバランス値を算出する。例えば、判定値算出部１５は、正中線の一方の半身に位置する各関心領域について、その正中線からの距離及びその関心領域の特徴量に基づいて第１の値を算出する。また、判定値算出部１５は、その正中線の他方の半身に位置する各関心領域について、その正中線からの距離及びその関心領域の特徴量に基づいて第２の値を算出する。そして、判定値算出部１５は、第１の値と第２の値とに基づいて、正中線の一方の半身と正中線の他方の半身との間のバランスを表す値であるバランス値を算出する。バランス値は、例えば、正中線の一方の半身の各関心領域の第１の値の総和と、正中線の他方の半身の各関心領域の第２の値の総和との比較結果に基づく値であってもよい。バランス値は、その第１の値の総和とその第２の値の総和との差に基づく値であってもよい。判定算出部１５は、画像データ３１に係る被検者のバランス値の一種として判定値３４を算出する。

例えば、正中線の一方の半身は、マスク後画像データ３２に設定された正中線の左半身の領域であり、正中線の他方の半身は、その正中線の右半身の領域である。したがって、判定値算出部１５は、正中線の左半身に１又は２以上の関心領域が存在する場合、その１又は２以上の関心領域の各々について第１の値を算出する。同様に、判定値算出部１５は、正中線の右半身に１又は２以上の関心領域が存在する場合、その１又は２以上の関心領域の各々について第２の値を算出する。

関心領域の正中線からの距離は、正中線から関心領域の中心までの距離であってもよいし、正中線から関心領域までの最短距離であってもよいし、正中線から関心領域までの最長距離であってもよい。関心領域の中心は、その関心領域の面積に基づいて算出した重心であってもよいし、その関心領域のカウント値に基づいて算出した重心であってもよい。正中線から遠くの位置に存在する関心領域は、正中線の近くに位置する関心領域と比較して、判定値に与える影響が大きい。

関心領域の特徴量は、その関心領域の面積であってよい。関心領域の面積は、その関心領域に含まれるピクセル数であってもよい。面積の大きい関心領域は、面積の小さい関心領域と比較して、判定値に与える影響が大きい。

若しくは、関心領域の特徴量は、その関心領域に含まれる各ピクセルのカウント値（又はピクセル値）の総和であってよい。カウント値の総和の大きい関心領域は、カウント値の総和の小さい関心領域と比較して、判定値に与える影響が大きい。

次に、判定値３４の算出方法の具体例について詳細に説明する。判定値算出部１５は、例えば、以下の何れかの方法で判定値３４を算出する。

（方法１）
判定値算出部１５は、正中線を、マスク後画像データ３２に基づく二次元の画像空間における横軸（Ｘ軸）の原点（Ｘ＝０）とする。判定値算出部１５は、関心領域ｉの中心のＸ軸における座標Ｘ_ｉ（Ｘ_ｉは０、正数又は負数）を算出する。判定値算出部１５は、関心領域ｉの面積Ｐ_ｉ（Ｐ_ｉは正数）を算出する。すなわち、正中線よりも左側の画像空間に位置する関心領域ｉの座標Ｘ_ｉは負数となり、正中線よりも右側の画像空間に位置する関心領域ｉの座標Ｘ_ｉは正数となる。そして、判定値算出部１５は、以下の式１によって判定値Ｓ１を算出する。Ｎは、マスク後画像データ３２から抽出された関心領域の数である。

（方法２）
判定値算出部１５は、正中線を、マスク後画像データ３２に基づく二次元の画像空間における横軸（Ｘ軸）の原点（Ｘ＝０）とする。判定値算出部１５は、関心領域ｉの中心のＸ軸における座標Ｘ_ｉ（Ｘ_ｉは０、正数又は負数）を算出する。判定値算出部１５は、関心領域ｉに含まれる各ピクセルのカウント値の総和Ｔ_ｉ（Ｔ_ｉは正数）を算出する。上記方法１と同様、正中線よりも左側の画像空間に位置する関心領域ｉの座標Ｘ_ｉは負数となり、正中線よりも右側の画像空間に位置する関心領域ｉの座標Ｘ_ｉは正数となる。そして、判定値算出部１５は、以下の式２によって判定値Ｓ２を算出する。

判定部１６は、判定値算出部１５によって算出された判定値３４に基づいて、画像データ３１に係る被検者が悪性腫瘍である可能性（陽性の可能性）を判定する。判定部１６は、例えば、上述の判定値Ｓ１又は判定値Ｓ２に基づいて、画像データ３１に係る被検者が悪性腫瘍である可能性（陽性の可能性）を判定する。

ＵＩ部１７は、情報処理装置２からの出力を表示すると共に、情報処理装置２への指示の入力を受け付けるＵＩを提供する。例えば、ＵＩ部１７は、画像データ３１にマスク領域を入力するためのＵＩを提供する。ＵＩ部１７は、マスク後画像データ３２に正中線を入力するためのＵＩを提供する。ＵＩ部１７は、マスク後画像データ３２から関心領域を抽出する際の各種パラメータを入力したり、関心領域画像データ３３を表示したりするＵＩを提供する。ＵＩ部１７は、判定値および判定の結果等を表示するＵＩを提供する。

図２は、画像データに基づいて悪性腫瘍（陽性）の可能性を判定する処理の一例を示すフローチャートである。図３は、マスク領域を設定するＵＩの一例である。図４及び図５は、マスク後画像データに正中線を設定し、関心領域を抽出するＵＩの一例である。なお、図４の画像データは、悪性腫瘍について陽性の被検者のものであり、図５の画像データは、悪性腫瘍について陰性の被検者のものである。

画像データ取得部１１は、院内画像システム３から画像データ３１を取得する（Ｓ１０１）。次に、オペレータは、画像データ１１にマスク領域を設定する（Ｓ１０２）。

図３に示す画像１００には、被検者の上半身が撮像されている。肺門縦隔リンパ節に関する悪性腫瘍の可能性を判定する場合、マスク処理によって、ＦＤＧが正常に集積する他の臓器が撮像されている領域を取り除く。例えば、オペレータは、図３に示す画像１００を見ながら、取り除きたい領域を線１０１で囲む。マスク処理部１２は、画像データ３１から線１０１で囲まれた領域を取り除いたマスク後画像データ３２を生成する。

次に、オペレータは、マスク後画像データ３２に基づく画像に正中線を設定する（Ｓ１０３）。例えば、オペレータは、マスク後画像データ３２に基づく画像１２０ａ（１２０ｂ）を見ながら、この画像１２０ａ（１２０ｂ）に撮像されている人体に対する正中線１２１ａ（１２１ｂ）を入力する。このとき、正中線設定部１３は、正中線１２１ａ（１２１ｂ）がマスク後画像データ３２に基づく画像に対する縦軸（Ｙ軸）となるように、正中線１２１ａ（１２１ｂ）の入力をサポートしてもよい。または、正中線設定部１３は、入力された正中線１２１ａ（１２１ｂ）が縦軸（Ｙ軸）となるように、マスク後画像データ３２に基づく画像を傾けて（少し回転して）もよい。

次に、オペレータは、マスク後画像データに基づく画像に対して、関心領域を抽出する範囲を設定する（Ｓ１０４）。例えば、オペレータは、画像１３０ａ（１３０ｂ）を見ながら、画像１３０ａ（１３０ｂ）から関心領域を抽出する範囲１３１ａ（１３１ｂ）を入力する。例えば、肺門縦隔リンパ節に関する腫瘍を判定する場合、オペレータは、脳及び膀胱等が含まれないようにその範囲１３１ａ（１３１ｂ）を入力する。このとき、正中線１２１ａ（１２１ｂ）が、その範囲１３１ａ（１３１ｂ）で抽出された二次元の画像空間におけるＹ軸であり、Ｘ軸の原点１３２ａ（Ｘ＝０）となるように、入力をサポートしてもよい。画像１４０ａ（１４０ｂ）は、その範囲１３１ａ（１３１ｂ）を抽出した画像である。

次に、オペレータは、この抽出された画像１４０ａ（１４０ｂ）から関心領域を抽出するためのパラメータを設定する（Ｓ１０５）。各種パラメータとは、例えば、この抽出された画像１４０ａ（１４０ｂ）に含まれるカウント値に対する閾値である。閾値は、オペレータが手動で設定してもよいし、自動的に設定されてもよい。

次に、関心領域抽出部１４は、この抽出された画像１４０ａ（１４０ｂ）に係る画像データから、設定されたパラメータに従って、関心領域を抽出する（Ｓ１０６）。例えば、関心領域抽出部１４は、設定された閾値以上のカウント値を有するピクセルで構成される領域を、関心領域として抽出する。抽出される関心領域の数は、閾値の大きさによって増減し得る。

例えば、画像１５０ａ（１５０ｂ）は、画像１４０ａ（１４０ｂ）から関心領域を抽出した画像（関心領域画像データ３３）である。関心領域画像データ３３は、閾値によって二値化されたデータであってもよい。画像１５０ａには、４つの関心領域２０１〜２０４が抽出されている。画像１５０ｂには、５つの関心領域２２１〜２２５が抽出されている。

次に、判定値算出部１５は、各関心領域について、関心領域の中心の正中線基準の座標Ｘと、関心領域の特徴量を算出する（Ｓ１０６）。

例えば、画像１６０ａ（１６０ｂ）において、縦軸１６１ａ（１６１ｂ）は、正中線を示す。すなわち、縦軸１６１ａ（１６１ｂ）の座標Ｘは「０」（Ｘ＝０）である。

例えば、画像１６０ａにおいて、縦線２１０と横線２１１との交点が関心領域２０１の中心である。関心領域２０１の中心は正中線（縦軸１６１ａ）よりも左側に位置しているので、関心領域２０１の中心の座標Ｘは負数（Ｘ＜０）となる。関心領域２０１の中心と正中線との距離は、関心領域２０１の中心の座標Ｘの絶対値となる。

例えば、画像１６０ａにおいて、関心領域２０１の特徴量は、関心領域２０１に含まれるピクセル数となる。又は、関心領域２０１の特徴量は、関心領域２０１に含まれる各ピクセルのカウント値の総計となる。

画像１６０ｂにおいて、縦線２３０と横線２３１との交点が関心領域２２１の中心である。関心領域２２１の中心は正中線よりも左側に位置しているので、関心領域２２１の中心の座標Ｘは負数（Ｘ＜０）となる。また、画像１６０ｂにおいて、縦線２４０と横線２４１との交点が関心領域２２２の中心である。関心領域２２２の中心は正中線よりも右側に位置しているので、関心領域２２２の中心の座標Ｘは正数（Ｘ＞０）となる。

例えば、画像１６０ｂにおいて、関心領域２２１の特徴量は、関心領域２２１に含まれるピクセル数となる。又は、関心領域２２１の特徴量は、関心領域２２１に含まれる各ピクセルのカウント値の総計となる。

次に、判定値算出部１５は、判定値を算出する（Ｓ１０７）。

ここで、図６に示す表３００ａを参照しながら、この判定値の算出方法の具体例を説明する。なお、この表３００ａは、情報処理装置２の所定の記憶デバイスに格納されてもよい。

表３００ａは、例えば、項目として、被検者３０１と、関心領域３０２と、中心の画像位置Ｘ３０３と、中心の画像位置Ｙ３０３と、ピクセル数３０５と、カウント値総和３０６と、中心の正中線基準の座標Ｘ３０７と、第１関心領域算出値３０８と、第２関心領域算出値３０９と、第１判定値３１０と、第２判定値３１１とを有する。

被検者３０１には、被検者を識別するための情報（氏名又は識別番号等）が格納される。関心領域３０２には、関心領域ｉを識別するための情報が格納される。関心領域の中心の横方向位置３０３には、関心領域ｉの中心の横軸方向のピクセル位置が格納される。関心領域の中心の縦方向位置３０４には、関心領域ｉの中心の縦軸方向のピクセル位置が格納される。ピクセル数３０５には、関心領域ｉに含まれるピクセルの数（Ｐ_ｉ）が格納される。カウント値総和３０６には、関心領域ｉに含まれる各ピクセルのカウント値の総和（Ｔ_ｉ）が格納される。関心領域の中心の正中線基準の座標Ｘ３０７には、正中線をＸ＝０とした場合の関心領域ｉの中心の座標Ｘ（Ｘ_ｉ）が格納される。第１関心領域算出値３０８には、関心領域ｉの「Ｘ_ｉ×Ｐ_ｉ」が格納される。第２関心領域算出値３０９には、関心領域ｉの「Ｘ_ｉ×Ｔ_ｉ」が格納される。第１判定値３１０には、被検者３０１に対して、上記式１に基づいて算出された判定値Ｓ１が格納される。第２判定値３１１には、被検者３０１に対して、上記式２に基づいて算出された判定値Ｓ２が格納される。

関心領域抽出部１４は、例えば、被検者Ａ（被検者３０１）に係る画像データ３１から、関心領域１〜８（関心領域３０２）を抽出する。そして、関心領域抽出部１４は、関心領域１〜８についてそれぞれ、関心領域の中心の座標Ｘ_１〜Ｘ_８（関心領域の中心の正中線基準の座標Ｘ３０７）を算出する。次に、方法１と方法２とを適用した場合に分けて説明する。

（方法１を適用した場合）
判定値算出部１５は、関心領域１〜８の各々について、ピクセル数Ｐ_１〜Ｐ_８（ピクセル数３０５）を算出する。そして、判定値算出部１５は、これらの値を式１に代入し、以下のように判定値Ｓ１（第１判定値３１０）を算出する。

（方法２を適用した場合）
判定値算出部１５は、関心領域１〜８についてそれぞれ、カウント値総和Ｔ_１〜Ｔ_８（カウント値総和３０６）を算出する。そして、判定値算出部１５は、これらの値を式２に代入し、以下の様に判定値Ｓ２（第２判定値３１１）を算出する。

同様に、判定値算出部１５は、被検者Ｂ（被検者３０１）に係る画像データ３１から、判定値Ｓ１＝９３１（第１判定値３１０）、判定値Ｓ２＝１６７７０１（第２判定値３１１）を算出できる。

次に、判定部１６は、判定値算出部１５で算出された判定値にも基づいて、画像データ３１に係る被検者が悪性腫瘍である可能性（陽性であるか、それとも陰性であるか）を判定する（Ｓ１０７）。

図７は、陽性の被検者の画像データから算出された判定値Ｓ１と陰性の被検者の画像データから算出された判定値Ｓ１とを対比した検証結果を示すグラフ４００である。

図７のグラフ４００は、陽性の被検者の判定値Ｓ１と、陰性の被検者の判定値Ｓ１との間に、誤差を含めても十分な有意差を有することを示す。したがって、判定部１６は、適切に設定された閾値に対して、判定値Ｓ１の絶対値がその閾値よりも大きい場合は陽性の可能性が高く、判定値Ｓ１の絶対値がその閾値よりも小さい場合は陰性の可能性が高いと判定してもよい。

図８は、陽性の被検者の画像データから算出された判定値Ｓ２と陰性の被検者の画像データから算出された判定値Ｓ２とを対比した検証結果を示すグラフ４２０である。

図８のグラフ４２０は、陽性の被検者の判定値Ｓ２と、陰性の被検者の判定値Ｓ２との間に、誤差を含めても十分な有意差を有することを示す。したがって、判定部１６は、適切に設定された閾値に対して、判定値Ｓ２の絶対値がその閾値よりも大きい場合は陽性の可能性が高く、判定値Ｓ２の絶対値がその閾値よりも小さい場合は陰性の可能性が高いと判定してもよい。

図９は、判定値Ｓ１および判定値Ｓ２のＲＯＣ（Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ ａｎａｌｙｓｉｓ）曲線を示すグラフ４４０である。図８のグラフ４４０において、横軸はＦＰＦ（Ｆａｌｓｅ Ｐｏｓｉｔｉｖｅ Ｆｒａｃｔｉｏｎ）、縦軸はＴＰＦ（Ｔｒｕｅ Ｐｏｓｉｔｉｖｅ Ｆｒａｃｔｉｏｎ）を示す。

図９のグラフ４４０において、判定値Ｓ１のＲＯＣ曲線下の面積は「０．９０２」である。また、判定値Ｓ２のＲＯＣ曲線下の面積は「０．９５５」である。したがって、判定部１６は、判定値Ｓ１およびＳ２の何れを用いても、被検者が肺門縦隔リンパ節に関する悪性腫瘍について陽性であるか陰性であるかを高い精度で判定することができる。また、判定部１６は、判定値Ｓ２を用いることで、判定値Ｓ１を用いた場合よりも比較的高い精度で判定することができる。

したがって、本実施形態に係る情報処理装置は、判定値Ｓ１又はＳ２を算出することにより、被検者が肺門縦隔リンパ節に関する悪性腫瘍について陽性であるか陰性であるかを高い精度で判定することができる。よって、本実施形態に係る情報処理装置は、医師等の悪性腫瘍の診断を支援することができる。

次に、上述の方法１及び方法２とは異なる判定値の算出方法について説明する。
上記の方法１及び方法２では、正中線基準の座標Ｘｉをそのまま用いて第１判定値Ｓ１及び第２判定値Ｓ２を算出する。これに対して以下では、正中線基準の座標Ｘｉを正規化した値を用いて判定値を算出する。以下にその方法３及び方法４について説明する。

（方法３）
判定値算出部１５は、複数のＸ_ｉのうち絶対値が最大のＸ_ｉを｜Ｘ_ｍａｘ｜とし、各Ｘ_ｉを｜Ｘ_ｍａｘ｜で除算して正規化する。そして、判定値算出部１５は、その正規化した値を上記の方法１に適用して判定値Ｓ３を算出する。つまり、判定値算出部１５は、以下の式３によって判定値Ｓ３を算出する。

（方法４）
判定値算出部１５は、複数のＸ_ｉのうち絶対値が最大のＸ_ｉを｜Ｘ_ｍａｘ｜とし、各Ｘｉを｜Ｘ_ｍａｘ｜で除算して正規化する。そして、判定値算出部１５は、その正規化した値を上記の方法２に適用して判定値Ｓ４を算出する。つまり、判定値算出部１５は、以下の式４によって判定値Ｓ４を算出する。

方法１及び方法２の場合、体格の大きい（例えば横幅の大きい）被検者ほど左右のバランスが崩れ、判定結果にバラツキが発生しやすい。しかし、上記の方法３及び方法４は、被検者自身の体格と対応関係を有する｜Ｘ_ｍａｘ｜で正規化しているため、被検者の体格の違いによる判定結果のバラツキをキャンセルすることができるのである。

次に、図１０に示す表３００ｂを参照しながら、上記方法３及び方法４に基づく判定値の算出方法の具体例を声明する。なお、表３００ｂの項目３０１〜３０９は、図６に示す表３００ａの項目３０１〜３０９と同じである。

関心領域抽出部１４は、例えば、被検者Ｃ（被検者３０１）に係る画像データから、関心領域１〜４（関心領域３０２）を抽出する。そして、関心領域抽出部１４は、関心領域１〜４についてそれぞれ、正中線基準の座標Ｘ_１〜Ｘ_４（関心領域の中心の正中線基準の座標３０７）を算出する。次に、方法３と方法４とを適用した場合に分けて説明する。

（方法３を適用した場合）
判定値算出部１５は、Ｘ_１〜Ｘ_４の内から絶対値が最大のＸ_２＝２８．５を｜Ｘ_ｍａｘ｜（項目３２１）とする。そして、方法１と同様に、判定値算出部１５は、関心領域１〜４の各々について、ピクセル数Ｐ_１〜Ｐ_４（ピクセル数３０５）を算出する。そして、判定値算出部１５は、これらの値を式３に代入し、以下のように判定値Ｓ３（第３判定値３２２）を算出する。

（方法４を適用した場合）
判定値算出部１５は、方法３と同様に、Ｘ_１〜Ｘ_４の内から絶対値が最大のＸ_２＝２８．５を｜Ｘ_ｍａｘ｜（項目３２１）とする。そして、方法２と同様に、判定値算出部１５は、関心領域１〜４の各々について、カウント値総和Ｔ_１〜Ｔ_４（カウント値総和３０６）を算出する。そして、判定値算出部１５は、これらの値を式３に代入し、以下のように判定値Ｓ４（第４判定値３３２）を算出する。

同様に、判定値算出部１５は、被検者Ｄ（被検者３０１）に係る画像データ３１から、判定値Ｓ３＝３０．５２（第３判定値３２２）、判定値Ｓ４＝５４９８．３７（第４判定値３２３）を算出できる。

図１１は、陽性の被検者の画像データから算出された判定値Ｓ３と陰性の被検者の画像データから算出された判定値Ｓ３とを対比した検証結果を示すグラフ５００である。

図１１のグラフ５００は、陽性の被検者の判定値Ｓ３と、陰性の被検者の判定値Ｓ３との間に、誤差を含めても十分な有意差を有することを示す。したがって、判定部１６は、適切に設定された閾値に対して、判定値Ｓ３の絶対値がその閾値よりも大きい場合は陽性の可能性が高く、判定値Ｓ３の絶対値がその閾値よりも小さい場合は陰性の可能性が高いと判定してもよい。

図１２は、陽性の被検者の画像データから算出された判定値Ｓ４と陰性の被検者の画像データから算出された判定値Ｓ４とを対比した検証結果を示すグラフ５２０である。

図１２のグラフ５２０は、陽性の被検者の判定値Ｓ４と、陰性の被検者の判定値Ｓ４との間に、誤差を含めても十分な有意差を有することを示す。したがって、判定部１６は、適切に設定された閾値に対して、判定値Ｓ４の絶対値がその閾値よりも大きい場合は陽性の可能性が高く、判定値Ｓ４の絶対値がその閾値よりも小さい場合は陰性の可能性が高いと判定してもよい。

図１３は、判定値Ｓ３および判定値Ｓ４のＲＯＣ曲線を示すグラフ５４０である。図１３のグラフ５４０において、横軸はＦＰＦ、縦軸はＴＰＦを示す。

図１３のグラフ５４０において、判定値Ｓ３のＲＯＣ曲線下の面積は「０．９４８」である。また、判定値Ｓ４のＲＯＣ曲線下の面積は「０．９７９」である。したがって、判定部１６は、判定値Ｓ３およびＳ４の何れを用いても、被検者が肺門縦隔リンパ節に関する悪性腫瘍について陽性であるか陰性であるかを高い精度で判定することができる。また、判定部１６は、判定値Ｓ４を用いることで、判定値Ｓ３を用いた場合よりも比較的高い精度で判定することができる。

上述した実施形態は、本発明の説明のための例示であり、本発明の範囲をその実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。

例えば、本実施形態は、肺門縦隔リンパ節に関する悪性腫瘍以外にも適用されてよい。例えば、左右対称性を有する他の臓器等に関する悪性腫瘍について、上述の実施形態に従って判定値を算出することにより、被検者が陽性であるか陰性であるかを判定し得る。

１…コンピュータ診断支援システム ２…情報処理装置 １１…画像データ取得部 １２…マスク処理部 １３…正中線設定部 １４…関心領域抽出部 １５…判定値算出部 １６…判定部

Claims (11)

1. 腫瘍シンチグラムに関する画像データから、所定時間の放射線のカウント値の大きさに基づいて１又は２以上の関心領域を抽出し、
   前記画像データに撮像されている人体に対して設定された正中線であって、前記画像データにおける前記正中線の一方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第１の値を算出し、
   前記画像データにおける前記正中線の他方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第２の値を算出し、
   前記第１の値と前記第２の値とに基づいて前記正中線の一方の半身と前記正中線の他方の半身との間のバランスを表す値であるバランス値を算出する
   ことをコンピュータに実行させるためのコンピュータプログラム。
   
2. 前記画像データには肺門及び縦隔が撮像されており、前記バランス値は肺門縦隔リンパ節における悪性腫瘍の可能性を判定するための値である
   請求項１に記載のコンピュータプログラム。
   
3. 前記画像データは、前記肺門及び縦隔が撮像されている領域以外の所定の臓器が撮像されている領域が取り除かれている
   請求項２に記載のコンピュータプログラム。
   
4. 前記関心領域の正中線からの距離とは、前記関心領域の中心と前記正中線との間の距離であり、前記関心領域の特徴量とは、前記関心領域の面積である
   請求項１乃至３の何れか一項に記載のコンピュータプログラム。
   
5. 前記画像データは、複数のピクセルで構成されており、
   前記画像データから抽出された１又は２以上の関心領域の数を「Ｎ」（Ｎは１以上の正の整数）、前記１又は２以上の関心領域の各々を「ｉ」（ｉは１以上の正の整数）、前記正中線のピクセル単位の座標Ｘを「０」、関心領域ｉの中心におけるピクセル単位の座標Ｘを「Ｘ_ｉ」（Ｘ_ｉは０、正数又は負数）、関心領域ｉのピクセル単位の面積を「Ｐ_ｉ」（Ｐ_ｉは正数）とした場合に、下記の式１に従って前記バランス値に対応するＳ１を算出する
   請求項４に記載のコンピュータプログラム。
   
6. 前記画像データは、複数のピクセルで構成されており、
   前記画像データから抽出された１又は２以上の関心領域の数を「Ｎ」（Ｎは１以上の正の整数）、前記１又は２以上の関心領域の各々を「ｉ」（ｉは１以上の正の整数）、前記正中線のピクセル単位の座標Ｘを「０」、関心領域ｉの中心におけるピクセル単位の座標Ｘを「Ｘ_ｉ」（Ｘ_ｉは０、正数又は負数）、関心領域ｉのピクセル単位の面積を「Ｐ_ｉ」（Ｐ_ｉは正数）、Ｘｉの絶対値の内で最大の値を｜Ｘ_ｍａｘ｜とした場合に、下記の式３に従って前記バランス値に対応するＳ３を算出する
   請求項４に記載のコンピュータプログラム。
   
7. 前記関心領域の正中線からの距離とは、前記関心領域の中心と前記正中線との間の距離であり、前記関心領域の特徴量とは、前記関心領域に含まれる所定時間の放射線のカウント値の総量である
   請求項１乃至３の何れか一項に記載のコンピュータプログラム。
   
8. 前記画像データは、複数のピクセルで構成されており、
   前記画像データから抽出された１又は２以上の関心領域の数を「Ｎ」（Ｎは１以上の正の整数）、前記１又は２以上の関心領域の各々を「ｉ」（ｉは１以上の正の整数）、前記正中線のピクセル単位の座標Ｘを「０」、関心領域ｉの中心におけるピクセル単位の座標Ｘを「Ｘ_ｉ」（Ｘ_ｉは０、正数又は負数）、関心領域ｉに含まれる各ピクセルのカウント値の総量を「Ｔ_ｉ」（Ｔ_ｉは正数）とした場合に、下記の式２に従って前記バランス値に対応するＳ２を算出する
   請求項７に記載のコンピュータプログラム。
   
9. 前記画像データは、複数のピクセルで構成されており、
   前記画像データから抽出された１又は２以上の関心領域の数を「Ｎ」（Ｎは１以上の正の整数）、前記１又は２以上の関心領域の各々を「ｉ」（ｉは１以上の正の整数）、前記正中線のピクセル単位の座標Ｘを「０」、関心領域ｉの中心におけるピクセル単位の座標Ｘを「Ｘ_ｉ」（Ｘ_ｉは０、正数又は負数）、関心領域ｉに含まれる各ピクセルのカウント値の総量を「Ｔ_ｉ」（Ｔ_ｉは正数）、Ｘｉの絶対値の内で最大の値を｜Ｘ_ｍａｘ｜とした場合に、下記の式４に従って前記バランス値に対応するＳ４を算出する
   請求項７に記載のコンピュータプログラム。
   
10. 腫瘍シンチグラムに関する画像データから、所定時間の放射線のカウント値の大きさに基づいて１又は２以上の関心領域を抽出する関心領域抽出部と、
    前記画像データに撮像されている人体に対して正中線を設定する正中線設定部と、
    前記画像データにおける前記正中線の一方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第１の値を算出し、前記画像データにおける前記正中線の他方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第２の値を算出し、前記第１の値と前記第２の値とに基づいて前記正中線の一方の半身と前記正中線の他方の半身との間のバランスを表す値であるバランス値を算出するバランス値算出部と
    を有する情報処理装置。
    
11. 腫瘍シンチグラムに関する画像データから、所定時間の放射線のカウント値の大きさに基づいて１又は２以上の関心領域を抽出し、
    前記画像データに撮像されている人体に対して設定された正中線であって、前記画像データにおける前記正中線の一方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第１の値を算出し、
    前記画像データにおける前記正中線の他方の半身に位置する各関心領域について、前記正中線からの距離及び当該関心領域の特徴量に基づいて第２の値を算出し、
    前記第１の値と前記第２の値とに基づいて前記正中線の一方の半身と前記正中線の他方の半身との間のバランスを表す値であるバランス値を算出する
    ことをコンピュータに実行させるためのコンピュータプログラムが記録されたコンピュータ読み取り可能な記録媒体。