JP2017070751A - 医用画像処理装置及び医用画像処理プログラム - Google Patents

Abstract

【課題】医用撮像データにおける卵胞のセグメンテーションを従来に比して高精度で実行できる医用画像処理装置等を提供すること。【解決手段】一実施形態に係る医用画像処理装置は、抽出手段、選択手段、決定手段を具備する。抽出手段は、複数の閾値のそれぞれを使用して、組織構造を表した医用画像データに対し閾値処理を実行することにより前記医用画像データから領域を抽出する。選択手段は、前記抽出された領域の中から、の所定条件を満たす領域を選択する。決定手段は、前記選択された領域に基づいて前記医用画像データにおける前記組織構造を表す領域を決定する。【選択図】図４

Description

医用画像処理装置及び医用画像処理プログラムに関する。

体外受精（ＩＶＦ）の成功は、排卵周期を注意深く観察し誘発することに依る可能性がある。患者の卵巣は、卵胞の成長を観察するために、経膣的超音波（経膣超音波またはＥＶ超音波としても知られる）で通常走査されるかもしれない。卵胞の数および／または直径での着実な増大は、患者が順調に治療に反応していることを示す可能性がある。一旦、十分な数の卵胞が存在し、その卵胞が所定のサイズに達すれば、卵子は吸引され、受精されて再注入されてもよい（あるいは冷凍されてもよい）。

卵胞を手作業で数えて測定するのは、単調であるかもしれず、および／または人為的ミスにも繋がりかねない。

セグメンテーションは、画像または画像データのセットにおける所定構造を表しているピクセルまたはボクセルを特定する処理を表す可能性があり、画像または画像データのセットの残りからピクセルまたはボクセルを分離することを含む可能性もある。

特開２０１０−２０７５９６号公報

しかしながら、超音波画像は、例えばスペックルのために、ノイジーになることがある。超音波画像は、例えば音響陰影などのアーチファクトになりやすい傾向もある。反響反射アーチファクトは、被検体の輝度を不自然に高める可能性がある。さらに、超音波画像の輝度レベルは、恣意的なものになり、画像全体にわたって変化することがある。超音波画像の輝度レベルにおける変化は、超音波でのセグメンテーションをことさら困難なものにする可能性がある。

当該事情を鑑みて、医用撮像データ、例えば超音波データにおける卵胞のセグメンテーションを従来に比して高精度で実行できる医用画像処理装置及び医用画像処理プログラムを提供することを目的としている。

一実施形態に係る医用画像処理装置は、抽出手段、選択手段、決定手段を具備する。抽出手段は、複数の閾値のそれぞれを使用して、組織構造を表した医用画像データに対し閾値処理を実行することにより前記医用画像データから領域を抽出する。選択手段は、前記抽出された領域の中から、所定条件を満たす領域を選択する。決定手段は、前記選択された領域に基づいて前記医用画像データにおける前記組織構造を表す領域を決定する。

図１は、複数の卵胞を表す超音波画像を表した概要図である。 図２は、実施形態に係る診断装置の概要図である。 図３は、実施形態に係る画像処理装置の概要図である。 図４は、実施形態のプロセス全体を描いたフローチャート。 図５ａは、メジアンフィルタリングが適用されてこなかった画像のセグメント結果を表した図。 図５ｂは、メジアンフィルタリングが適用されてきた画像のセグメント結果を表した図。 図６ａは、第一の閾値を使用してセグメントされた画像を表した図。 図６ｂは、第二の閾値を使用してセグメントされた画像を表した図。 図７ａは、セグメントされた領域のセットを表した図。 図７ｂは、セグメントされた領域のセットから選択された領域を表した図。 図８は、いくつか異なる閾値を使用して取得された、選択された領域の統合を表した図。

実施形態に係る医用画像診断装置２０は、図２に概略的に説明されている。医用画像診断装置２０は、被検体を撮影することで医用画像データを取得して、一つ以上の所望の組織構造をセグメントするために取得されたデータを処理するように構成されている。本実施形態において、医用画像診断装置２０は、画像および／または画像データを処理して、診断処理の一部として使用されてもよい。

本実施形態においては、説明を具体的にするため、医用画像診断装置２０は超音波診断装置本体２２、関連プローブ２４、医用画像データ等を記憶するメモリ５０からなる超音波診断装置であるとする。任意の適切なタイプの超音波診断装置本体２２、またはプローブ２４が、使用される可能性があり、例えば、２Ｄ、３Ｄあるいは４Ｄ撮像に適切な超音波画像データを取得するように構成された超音波診断装置本体２２とプローブ２４である。なお、当該例に拘泥されず、その他の実施形態において、医用画像診断装置２０は、例えばＣＴスキャナ、コーンビームＣＴスキャナ、Ｘ線スキャナ、ＭＲスキャナ、ＰＥＴスキャナ、またはＳＰＥＣＴスキャナなど、代替的なモダリティのスキャナを具備する構成であってもよい。

超音波診断装置本体２２は、メイン超音波画像を表示するためのメイン表示スクリーン２６、制御情報を表示するための制御スクリーン２８、そしてスキャナコンソール３０を具備する。本実施形態において、スキャナコンソール３０は、入力ボタンまたはノブ、コンピュータキーボード、マウスまたはトラックボールなどの入力装置または複数の入力装置を具備する。代替的な実施形態で、制御スクリーン２８は、表示デバイスとユーザ入力デバイスとの両方を兼ねるタッチスクリーンである。さらなる実施形態は、制御スクリーン２８、表示スクリーンまたはメイン表示スクリーン２６を具備してもよい。なお、図２では、外付けの外部記憶部としてのメモリ５０を例示した。しかしながら、当該例に拘泥されず、メモリ５０は、超音波診断装置本体２２に内蔵されていてもよい。

超音波診断装置本体２２は、例えば画像データを含む、データの処理のためのプロセッサなど、計算回路３２を具備する。計算回路３２は、閾値処理回路３４、選択回路３６、そして領域決定回路３８を具備する。本実施形態において、計算回路３２は、前処理回路４０とレンダリング回路４２とを具備する。

代替的な実施形態は、図３の概略図に描かれている。医用画像処理装置６０は、個別のスキャナ（超音波機械、ＣＴスキャナ、コーンビームＣＴスキャナ、Ｘ線スキャナ、ＭＲスキャナ、ＰＥＴスキャナあるいはＳＰＥＣＴスキャナ等）により前もって取得されてきたデータを受信して、一つ以上の組織構造をセグメントするために受信されたデータを処理するように構成されている。受信されたデータは、２Ｄ、３Ｄ、または４Ｄの医用画像データを具備する可能性がある。

医用画像処理装置６０は、閾値処理回路３４、選択回路３６、そして領域決定回路３８を具備し、本実施形態においては、前処理回路４０とレンダリング回路４２を具備する。医用画像処理装置６０は、任意の適切なＰＣ、ワークステーション、端末、タブレットあるいはその他適切な計算装置を含む可能性がある。医用画像処理装置６０は、例えばキーボード、マウス、またはタッチスクリーンなど、少なくとも一つの入力デバイス５２、そして少なくとも一つのディスプレイ５４を具備する。医用画像処理装置６０は、さらにメモリ５０を具備する。医用画像処理装置６０は、医用画像処理装置としても説明され得る。実施形態の中には、医用画像処理装置６０が医用診断装置の一部である可能性のものもある。

図２および図３の計算回路３２は、ハードドライブやＲＡＭ、ＲＯＭを含むその他構成要素、データバス、様々なデバイスドライバを含むオペレーティングシステム、さらに、グラフィックスカードを含むハードウェアデバイスを含む。これらの構成要素は、分かりやすくするため図２および図３には図示していない。

図２および図３のそれぞれ実施形態では、閾値処理回路３４、選択回路３６および領域決定回路３８は、実施形態の方法を実行することが可能なコンピュータ可読指示を有するコンピュータプログラムの方法によって、計算回路３２でそれぞれ実行される。しかし、その他の実施形態において、閾値処理回路３４、選択回路３６および領域決定回路３８のそれぞれは、ソフトウェア、ハードウェア、またはハードウェアとソフトウェアとの任意の適切な組み合わせで実行されてよい。実施形態の中に、様々な回路は、一つ以上のＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ）あるいはＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙｓ）として、実行されてもよいものもある。

図２のシステムおよび図３のシステムは、図４のフローチャートに全体像で描かれたような一連のステージを有するプロセスをそれぞれ実行するように構成されている。

ステージ１００で、計算回路３２は、メモリ５０に操作的に接続しており、メモリ５０から医用画像データのセットを受信する。本実施形態において、医用画像データは、ボリューメトリック超音波データとして説明する。その他の実施形態において、受信されるデータは、任意の適切な医用撮像モダリティを使用して取得された、２Ｄ、３Ｄ、４Ｄの医用画像データであってもよい。

ボリューメトリック超音波データは、少なくとも一つの組織構造を表したものである。本実施形態において、ボリューメトリック超音波データのセットは、卵巣中の複数の卵胞を表したものである。その他の実施形態において、少なくとも一つの組織構造は、肺気腫、胆石、腎臓結石、腫瘍、腫瘍小結石、出血により侵された肺の領域の、卵胞、嚢胞、腎嚢胞、肺小結節の少なくとも一つ、またはその他適した組織構造を具備する。

図１は、複数の卵胞１０が見える超音波画像を表した概要図である。超音波画像は、卵巣の超音波スキャンから取得されてきたボリューメトリック超音波データセットを通して取得されたスライスを表す。卵胞１０は、超音波に関するエコー源性が低い（ｈｙｐｏ−ｅｃｈｏｇｅｎｉｃ）。従って、超音波画像において、卵胞１０は暗い房のように見えるかもしれない。

ステージ１０２で、前処理回路４０は、前処理されたデータセットを取得するために、メジアンフィルタを医用画像データセットに適用する。メジアンフィルタは、スムージング効果を有しており、医用画像データセットにおけるノイズを減らす可能性がある。超音波データは、ノイジーである可能性が高い医用画像データのタイプの具体例である。代替的な実施形態において、前処理回路は、任意の適切な前処理方法を使用して、例えば、医用画像データセットにおけるノイズを減らす任意の前処理方法など、医用画像データセットを前処理してもよい。前処理は、陰影補正を含み得る。ある状況では、例えば、画像データセットの一片側がもう片側よりも明るいなどのように、画像データの輝度が変化し得ることがある。陰影補正は、ビュー視野に渡るこのシェーディングの範囲を減らす可能性がある。

前処理回路は、一つ以上のフィルタを使用して、医用画像データセットを前処理してもよい。本実施形態において、前処理を実行するメジアンフィルタの使用は、品質と速さとの間の適切な落としどころを提供し得る。その他の実施形態において、前処理フィルタは、メジアンフィルタよりも複雑かもしれない。任意の適切なフィルタまたはフィルタの組み合わせが使用されてもよい。前処理回路４０は、メジアンフィルタ、平均フィルタ、ガウシアンフィルタ、ウィーナーフィルタ、双方向フィルタ、分散フィルタ、ボトムハットフィルタ（ｂｏｔｔｏｍ−ｈａｔ ｆｉｌｔｅｒ）、または異方性拡散フィルタの少なくとも一つを使用して、医用画像データセットを前処理するようにしてもよい。ある状況では、異方性拡散フィルタを用いても効果的である。その他のフィルタよりも計算的な犠牲を伴うこともある。

実施形態の中には、例えば受信したデータにノイジーの可能性があまり高くないような場合の実施形態において、ステージ１０２の前処理は省略、または異なる前処理が実行されてよいものがある。

図５ａおよび図５ｂは、セグメンテーションの確度について、メジアンフィルタリングの効果を実証している。図５ａおよび図５ｂのそれぞれは、単一の輝度閾値を使用してセグメントされてきた、ボリューメトリック超音波データセットを通したスライス（２Ｄ超音波画像）を表したものである。図５ａおよび図５ｂは、メジアンフィルタ有りと無しとでの同一のスライスを表している。図５ａおよび図５ｂで、白いピクセルは輝度閾値を下回る輝度のボクセルを表し、黒いピクセルは輝度閾値を上回る輝度のボクセルを表したものである。

図５ａは、前処理フィルタが何ら適用されてこなかった、超音波データのセットのセグメンティング結果を示す。図５ｂは、メジアンフィルタが超音波データに適用されてきた後にセグメンテーションが実行された、同一の超音波データの閾値に基づくセグメンテーション結果を示す。閾値の結果は、メジアンフィルタが適用されてきた画像（図５ｂ）に対する結果よりも、メジアンフィルタが何も適用されてこなかった画像（図５ａ）に対する結果の方が、ノイズがかなり多いように見受けられる。

前処理回路４０は、前処理データセットを閾値処理回路３４へと通過させる。前処理されたデータセットは、複数のボクセルを有するボリューメトリック画像データセットである。複数のボクセルにおけるそれぞれボクセルは、数値的に低い値は暗いボクセルに、そして高い値は明るいボクセルの、関連した輝度値を有する。その他の実施形態において、データセットは、二次元のピクセルセットを具備し、それぞれピクセルは関連する輝度値を有する。

閾値処理回路３４は、複数の閾値のそれぞれを使用し、前処理データセットの閾値処理の実行によって、前処理されたデータセットから領域を抽出する。本実施形態において、それぞれ閾値は、ボクセル輝度値である。閾値は、五刻みに５から５０までに及ぶ。その他の実施形態において、異なる閾値が使用されてもよい。それぞれ閾値は、異なるパラメータに対する閾値か、パラメータの組み合わせに対する閾値であってもよい。医用画像データセットが二次元データを具備する場合、閾値はピクセル輝度値であってもよい。また、閾値処理回路３４が用いる複数の閾値は、セグメンテーションを行う組織構造に応じて、或いは当該組織構造の画像上の輝度値に応じて、決定することができる。

それぞれ閾値は、任意の適切なピクセルに関するまたはボクセルに関するパラメータに対する閾値の可能性がある。実施形態の中には、それぞれ閾値は、画像テクスチャに対する値のものがある。テクスチャ数値指標は、例えば、グレーレベル同時数値指標、ランレングスグレーレベル数値指標、ローズフィルタ、ウェーブレット、またはフラクタルなど、多くの周知の定量的なテクスチャ数値指標のどれを含んでもよい。

閾値処理は、それぞれ閾値を個々に使用して実行される。本実施形態において、異なる十の閾値がある。この十の閾値のそれぞれは、前処理されたデータセットに適用されて、抽出された領域のセットの各々は、十個の閾値のそれぞれに対し取得される。

本実施形態において、閾値処理はステージ１０４（それぞれ閾値を前処理されたデータセットに適用）と、ステージ１０６（それぞれ閾値を適用することで取得された構成要素に連結成分解析を実行）、そしてステージ１０８（連結成分解析に由来する構成要素にモルフォロジーでの穴埋め処理（ｍｏｒｐｈｏｌｏｇｉｃａｌ ｆｉｌｌ）の実行）とを具備する。その他の実施形態で、ステージ１０６および／または１０８は、省略される可能性がある。ステージ１０６とステージ１０８は、例えば、異なるモルフォロジー操作など、異なる操作を具備してもよい。

図４において、それぞれステージ１０４、ステージ１０６、ステージ１０８は、一つのサブステージがそれぞれ閾値に対する、複数のサブステージとして示されている。ステージ１０４は、分かりやすくするために図４のフローチャートにおいて三つのサブステージのみが明示的に表されているが、サブステージ１０４ａから１０４ｊに分けられる。ステージ１０６は、サブステージ１０６ａから１０６ｊに分けられる。ステージ１０８は、サブステージ１０８ａから１０８ｊに分けられる。

次に、一閾値、５０の閾値に対して実行される閾値処理について検討してみる。５０の閾値は、それぞれ順を追って説明される、サブステージ１０４ａ、１０６ａ、そして１０８ａに対し使用される。

サブステージ１０４ａで、閾値処理回路３４は、５０の閾値を前処理されたデータセットに適用し、前処理されたデータセットのボクセルを、５０を下回る輝度値を有するボクセルの第一カテゴリと５０を上回る輝度値を有するボクセルの第二カテゴリとに分ける。

ボクセルの第一カテゴリは、低輝度値のボクセルを具備する。卵胞組織に対応するボクセルは、低輝度値の可能性がある。ボクセルの第一カテゴリは、卵胞に属していそうなボクセルの可能性がある、候補卵胞ボクセルを具備するとみなされ得る。ボクセルの分割は、セグメンテーションと考えられてもよい。

サブステージ１０６ａで、閾値処理回路３４は、サブステージ１０４ａで特定された、５０の閾値を下回る輝度値を有するボクセルである、候補卵胞ボクセルに連結成分解析を実行する。連結成分解析は、構成要素のセットという結果になる。それぞれ構成要素は、連結ボクセルのグループである。

サブステージ１０８ａで、閾値処理回路３４は、サブステージ１０６ａの連結成分解析において特定された構成要素にモルフォロジーでの穴埋め処理を実行する。モルフォロジーでの穴埋め処理は、それぞれ構成要素における任意の小さな穴を埋める可能性がある。モルフォロジー塗りつぶしは、いかなる構成要素も拡大させてはならない。閾値処理回路３４は、前処理されたデータセットから領域のセットを抽出する。抽出された領域は、サブステージ１０８ａのモルフォロジーでの穴埋め処理の後に見える構成要素である。

サブステージ１０４ａ、１０６ａ、１０８ａに関して上述の閾値処理は、その他の閾値のそれぞれに対しても実行される。異なる閾値に対する閾値処理は、同時にまたは連続して実行される可能性がある。サブステージ１０４ｘを任意のサブステージ１０４ｂから１０４ｊまでの代表として考えると、以下のようになる、即ちサブステージ１０４ｘで、閾値処理回路３４は、適切な閾値（例えば、サブステージ１０４ｂに対する４５の閾値）を前処理されたデータセットに適用し、前処理されたデータセットのボクセルを、閾値を下回る輝度値を有するボクセルの第一カテゴリと閾値を上回る輝度値を有するボクセルの第二カテゴリとに分ける。

サブステージ１０６ｘで、閾値処理回路３４は、構成要素のセットを取得するために、ステージ１０６ｘで特定された候補卵胞ボクセルに連結成分解析を実行する。

サブステージ１０８ｘで、閾値処理回路３４は、サブステージ１０６ｘで特定された構成要素にモルフォロジーでの穴埋め処理を実行する。閾値処理回路３４は、下位ステージ１０８ｘのモルフォロジーでの穴埋め処理から結果として生じる構成要素である、閾値に対する領域を抽出する。連結成分解析（そして、この場合、モルフォロジーでの穴埋め処理）は、領域がそれぞれ閾値に対して異なる可能性があるところで、それぞれ閾値で候補卵胞（抽出された領域）のセットを探すために適用される。

ステージ１０４、１０６、１０８は、それぞれ閾値に対する抽出された領域のセットという結果になる。より大きな領域が、低い閾値（例えば、５）を使用して取得されるよりも、高い閾値（例えば、５０）を使用して抽出されるかもしれない。閾値が低い時よりも閾値が高い時に、ボクセルの第一カテゴリ（閾値を下回る輝度があるボクセルのカテゴリ）に、より多くのボクセルが含まれる。

本実施形態において、卵胞は画像において暗い領域を表し、従ってステージ１０４で特定されるボクセルは、閾値を下回るボクセルである。その他の実施形態において、関心の組織構造は、画像において明るい領域として表れる組織構造の可能性があり、ステージ１０４で特定されるボクセルは、閾値を上回るボクセルである可能性がある。抽出された領域は、それぞれ閾値を上回る輝度を有するボクセルの領域であるかもしれない。

図６ａおよび図６ｂは、異なる閾値を同一の前処理されたデータセットの同一のスライスに適用した結果を表したものである。図６ａの結果を取得するために、４５の閾値が前処理されたデータセットに適用されてきて、図６ｂの結果を取得するために、２５の閾値が前処理されたデータセットに適用されてきている。連結解析分解とモルフォロジー一掃（ｃｌｅａｎ ｕｐ）（例えば、穴埋め）は、閾値を下回る輝度値を有するボクセルに実行されてきた。図６ａおよび図６ｂにおけるボクセルのそれぞれ連結グループは、抽出された領域を表したものである。

図６ａおよび図６ｂでは、一スライスのみが示されている。しかし、本実施形態において、閾値処理はフルボリューメトリック医用画像データセットに適用されるので、抽出される領域は三次元領域となる。その他の実施形態において、閾値処理は二次元データに適用され、抽出される領域は二次元領域となる。

異なる閾値を使用して閾値処理することにより、図６ａおよび図６ｂから画像が異なってセグメントされたように見える可能性がある。異なる抽出された領域は、異なる閾値により取得される。より低い輝度値の閾値（例えば、閾値２５）を適用することは、より高い輝度値の閾値（例えば、閾値４５）を適用することよりも、より狭い領域が抽出される結果となる。より低い閾値（例えば、２５）を使用してセグメンティングすることで取得される領域は、より高い閾値（例えば、４５）を使用して取得される対応する領域のセブセットになる可能性がある。

例えば、図６ａの領域２０１、２０２、そして２０３は、図６ｂの領域２１１、２１２、２１３に各々対応する。より高い閾値が図６ａで使用されているので、それぞれ領域により多くのボクセルが含まれることになる。領域２０１、２０２、２０３は、閾値２５でセグメントされるよりも閾値４５での方がよりよくセグメントされた卵胞を表す可能性がある。図６ｂの領域よりも図６ａの領域に、それぞれ卵胞のサイズの割合がより多く含まれる。

図６ａの領域２０４は、単一の連結領域として特定されてきた。しかし、図６ｂにおいて、二つの領域２１４と２１５とは図６ａの領域２０４に対応すると見られる可能性がある。４５の閾値を使用することは、領域が誤って融合されることに繋がる。領域２１４と２１５は、４５の閾値だと卵胞が誤って融合されるので、４５の閾値でセグメントされるよりも２５の閾値での方が、よりよくセグメントされる可能性がある。

超音波画像データまたはその他医用撮像データの多数のセットに対し、画像データにおける全ての卵胞のセグメンティングのための最適な閾値は、単一の閾値でない可能性がある。単一の画像にわたって輝度に勾配がある可能性がある。画像には陰影があるかもしれない。超音波は、例えば反響反射など、様々なアーチファクトを有し得る。反響反射アーチファクトは、被検体の輝度を不自然に高める可能性がある。

複数の閾値を使用することは、それぞれ卵胞が適切な閾値を使用してセグメントされるのを、一卵胞をセグメンティングするための最適な閾値が、別の卵胞をセグメンティングするための最適な閾値とは異なるとしても、可能にする。

本実施形態において、閾値処理回路３４は、五刻みに５から５０までに及ぶ輝度値である、しきい輝度値の所定のセットを使用する。フィルタされるボリュームは、いくつかの予め決められた輝度レベルで閾値処理される。その他の実施形態において、閾値処理回路３４は、メモリ５０から、別のデータストアから、またはユーザ入力から、閾値のセットを受信してもよい。実施形態の中には、閾値処理回路３４は、閾値のセットを決定し得るものもある。例えば、前処理されたデータセットに対する最大および最小輝度値を決定し、所定の増加分による値の結果幅を分割することで、決定してもよい。

本実施形態において、閾値処理回路３４は、それぞれ閾値に対する領域を抽出するために使用される閾値処理を実行し、その後、連結成分解析とモルフォロジーでの穴埋め処理を、閾値を使用することで特定されてきた候補卵胞ボクセルに適用する。その他の実施形態において、領域は任意の適切な方法で閾値処理に基づいて抽出されてもよい。連結成分解析およびモルフォロジーでの穴埋め処理は、使用されても、されなくてもよい。任意の最適なモルフォロジー操作が候補卵胞ボクセルとして特定されるボクセルに実行される可能性がある。モルフォロジー操作は、連結成分解析の前または、後に実行されてもよい。

ステージ１０８の出力は、それぞれ閾値に対する抽出された領域のセットである。上述の通り、より高い閾値は、より低い閾値に対して取得される領域よりも、より広く抽出された領域および／またはより抽出された領域という結果になる可能性がある。時として、抽出領域が何ら取得されないという閾値も中にはあるかもしれない。

抽出された領域は、暗いボクセル（それぞれ個別の輝度閾値を下回る輝度を有するボクセル）の領域である。超音波画像において、暗い領域が表れるのには、いくつか理由があるかもしれない。暗い領域のいくつかは、卵胞を表した可能性があるが、その他は、例えば画像アーチファクトの結果かもしれない。

ステージ１１０で、選択回路３６は、少なくとも一つの所定条件を満たす、抽出された領域を選択する。選択されたその抽出された領域は、卵胞を表す可能性があるとして抽出され得る。任意の適切な所定条件が、特定の実施形態において使用され得る。少なくとも一つの所定条件は、卵胞を表したものではない領域から、卵胞を表したものである領域を区別し得る基準を具備するようにしてもよい。

少なくとも一つの所定条件は、抽出された領域の統計または特徴に基づく可能性がある。抽出された領域は、候補卵胞として考えられてもよい。抽出された領域の直径、ボリューム、真球度など、抽出された領域の特徴は、疑わしい偽陽性を排除するために使用される。

少なくとも一つの所定条件は、例えば面積、体積、直径、最小直径または最大直径など、少なくとも一つの寸法基準を具備する可能性がある。少なくとも一つの所定条件は、例えば真円度、真球度、または凸包比率（凸包比率は、メジャーの抽出された領域の凸包のマイナー軸に対する割合でもよい）凹凸度、凸包比率、輝度、輝度平均、輝度分散、質感など、少なくとも一つの形状基準を具備する可能性もある。任意の形状に関する測定基準が適切な可能性がある。ある状況では、形状基準の使用は、卵胞が圧迫され得るので球形が抑えられて見えて、難しい可能性がある。少なくとも一つの所定条件は、凹凸度を具備するかもしれない。少なくとも一つの所定条件は、例えば抽出された領域に対する輝度平均または輝度分散など、輝度の測定をする可能性がある。

少なくとも一つの所定条件は、少なくとも一つのテクスチャ特性基準（例えば質感）を具備する可能性がある。テクスチャのような特性の種類は、局所近接における画像値に基づいて、計算されることできる。可能性のある特性は、以下を含んでもよい（しかし、以下に拘泥されない）例えば、多重尺度での勾配の大きさ、多重尺度での勾配ベクトル（例えば、ｘ、ｙ、ｚの勾配成分）、共起行列からの統計、また例えばハーテクスチャ特性（Ｈａａｒ ｔｅｘｔｕｒｅ ｆｅａｔｕｒｅ）など、ボクセルの近接における輝度のウェーブレット変換に基づく特性を含む可能性がある。テクスチャ数的指標は、例えば、グレーレベル共起行列、ランレングスグレーレベル行列、ローフィルタ、ウェーブレット、またはフラクタルなど、周知の定量テクスチャ数的指標を任意数含んでもよい。

ステージ１１０は、サブステージ１１０ａから１１０ｊとして図４に示される。サブステージ１１０ａから１１０ｊのそれぞれにおいて、ステージ１０８の対応するサブステージ１０８ａから１０８ｊで取得された、抽出された領域から選択がなされる。

本実施形態において、選択回路３６は単純分類子（ｓｉｍｐｌｅ ｃｌａｓｓｉｆｉｅｒ）を使用して、この場合ボックス分類子である（または、線形分類子としても知られる）抽出された領域を分類する。もし所定の抽出された領域が分類子によって卵胞として分類されたら、選択回路３６によって選択される。もし抽出された領域が卵胞として分類されなければ、選択されない。

異なる分類子は、異なる実施形態において使用されてもよい。例えば、多変量（ｍｕｌｔｉｖａｒｉａｔｅ）ガウス、指示ベクトル機械、またはその他の機械学習分類子が使用され得る。

本実施形態において、分類は、いくつかの所定条件に基づいている。所定条件は、少なくとも一つの寸法基準、少なくとも一つの形状基準と少なくとも一つのテクスチャ基準とを具備する。抽出された領域が、もし最小寸法を満たさなければ、卵胞として分類されることはない。また抽出された領域が、もし球形基準を満たさなくても、卵胞として分類されることはない。

図７は、抽出された領域（白い領域で示されるところ）のセットを示している。抽出された領域の中には卵胞を表した領域となるものもあるが、そうでない領域もある。図７ｂは、分類子を使用して、図７ａの抽出された領域から選択された、抽出された領域のみを示している。図７ａの抽出された領域３０１は、抽出された領域３０１が必須の形状制約を満たさないため、分類子によって正しく除去される。図７ａの抽出された領域３０２は、抽出された領域３０２の真球度があまりに低すぎるので、分類子によって正しく除去される。図７ａの抽出された領域３０３は、抽出された領域３０３の半径があまりに小さすぎるので、分類子によって正しく除去される。その他構成要素がその他の大きな物体と結びついていて寸法基準に引っ掛かるために、その他の構成要素は除去されてもよい。

サブステージ１１０ａから１１０ｊまでの結果は、閾値のそれぞれに対する選択された領域のセットである。いくつかの閾値に対して、選択された領域が何も取得されないという可能性がある。異なる閾値は、異なる閾値領域という結果になるかもしれない。一卵胞は、異なる閾値を使用して取得される、いくつかの異なる選択された領域によって表されてもよい。

本実施形態において、同一の基準を使用する同一の分類子は、閾値の全てを使用して取得される、抽出された領域の全てに使用される。その他の実施形態において、異なる分類子および／または異なる基準が、異なる閾値を使用して取得された、抽出された領域に対して使用されてもよい。

ステージ１１２は、全ての異なる閾値を使用して取得された、選択された領域の全てを使う。ステージ１１２で、領域決定回路３８は、最終決定された領域のそれぞれが医用画像データセットにおいて卵胞を表したものと考えられる、最終決定された領域のセットを決めるための選択された領域の統合を実行する。選択された領域を集約する任意のその他適切な方法が、代替的な実施形態において、領域の統合（ａｎｄ条件又ｏｒ条件でのユニオン、マージ等）と同様にまたは統合の代わりとして、使用され得る。ここで、領域の集約とは、領域の統合（ユニオン、マージ等）及び領域の分断（インターセクション、スプリット等）の少なくとも一方を含む処理である。

任意の所定の卵胞は、いくつかの異なる閾値処理で取得された、選択された領域によって表される可能性がある。異なる閾値処理で取得された、異なる選択された領域は、任意の所定の卵胞に対し、低い閾値で取得された卵胞に対する選択された領域は、高い閾値で取得された卵胞に対する選択された領域のサブセットであるべきであるから、互いに領域内側に収まるかもしれない。

所定の卵胞に対応する選択された領域は、同心または白黒（ｍｏｎｏｔｏｎｉｃ）である可能性があり、統合またはその他集約の使用は、融合されてはならないし、共に融合されてはならない領域を提供し得る。

卵胞ではなさそうな抽出された領域は、ステージ１１０の選択において無視されてきた。従って、所定の卵胞に対し、卵胞を表している最も大きな選択された領域は、卵胞を最適に表したものになるかもしれない。最も大きな選択された領域は、その他の選択された領域よりも高い閾値を使用して取得されるようになるであろう。

図８は、画像４０１、４０２、４０３、４０４、そして４０５において、五つの異なる閾値に対して取得された、選択された領域のセットを示している。選択された一領域は、画像４０１の閾値を使用することで取得され、異なる選択された一領域は、画像４０２の閾値を使用することで取得される。選択された領域の異なるグループが、画像４０３、４０４、４０５のそれぞれにおいて取得される。選択された領域の統合を取ることで（画像４０６）、画像４０１から４０５までの任意の一枚よりも、さらにセグメントされた卵胞を含む、領域のセットが決定される。同一のデータのセットに多数の閾値を使用することで、また結果としての選択された領域の統合を取ることで、一閾値のみが使用された場合よりも、より多くの数の卵胞がセグメントされる可能性がある。画像における寸法や位置と関係なく、全ての卵胞を正しくセグメントするためには、単一の輝度閾値で十分という訳ではない。

本実施形態において、領域決定回路３８は、選択された領域の統合の実行により、卵胞を表した領域を決定する。しかし、卵胞を表した領域の決定は、選択された領域の統合に基づいて実行されることに限らず、代替的な実施形態においてその他の処理が卵胞を表した領域を決定するために使用される。

例えば、ある実施形態は、領域決定回路３８が選択された領域の分断を実行する。それぞれ卵胞に対して、分断の決定は、見本となる卵胞を表す最も小さい抽出された領域内に生じるかもしれない。分断の実行は、卵胞を数える時には使用され、卵胞の測定の時には使用されない可能性がある。

更なる実施形態において、それぞれ卵胞に対し、領域決定回路３８は見本となる卵胞を表している選択された領域のうちの一つを選ぶ。例えば、領域決定回路３８は、見本となる卵胞を表している選択された領域の中から、最大、最小また中間の寸法を有する領域を選ぶ可能性がある。

領域決定回路３８は、見本となる卵胞に対する選択された領域の中から、典型的な領域を選択することにより、卵胞を表している領域を決定する可能性がある。実施形態の中には、選択回路３６が抽出された領域のそれぞれについてスコアを与えて（或いは計算して）、ステージ１１０で所定のスコアに基づく少なくとも一つの所定条件に合う領域を選択するように、構成されている。領域決定回路３８は、所定のスコアに基づく典型的な領域の選択により、組織構造を示している領域を決定するように、構成されている。この典型的な領域とは、任意の基準に対する典型的な値を有する領域の可能性がある。所定の卵胞に対し、典型的な値は、見本となる卵胞を表している選択された領域（例えば、平均的な寸法または平均的な形状を有する選択された領域）を最も表した値であるかもしれないし、または最も卵胞らしい値（例えば、最も高い真球度）であるかもしれない。

実施形態には、基準のセットが統合から生じる領域に適用されるものがある。同一の卵胞に対して多数の選択された領域がある場合、選択回路３６は、見本となる卵胞に対する選択された領域のうちの一つを選択するための、少なくとも一つの基準を使用する。例えば、選択回路３６は、最も高い真円度を有する、選択された領域を選択する可能性がある。この基準とは、ステージ１１０で適用された基準と同一の基準でもよいし、または異なる基準でもよい。

その他の実施形態において、統合から生じるそれぞれ決定された領域は、少なくとも一つの適合性基準に従う。選択された領域は、ステージ１１０で適用された基準と同じ基準である適合性基準に従ってもよいし、または異なる適合性基準に従ってもよい。個別の選択された領域が基準を通過し得る一方で、所定の卵胞に対する選択された領域の統合は、適合性基準を通過しない可能性がある。任意の選択された一領域の追加により、選択された領域の統合が基準を通過しなければ、その後選択された領域は統合から除去され得る。それぞれ後に続く閾値範囲が前の範囲を含むスキームにおいて、個々の選択された領域は適合性基準を通過しても、個々の選択された領域の統合は適合性基準の通過に失敗するという場合が正常であってはならない（所定の閾値範囲からの閾値処理された結果は、次の閾値処理の結果と等しい、または次の閾値処理の結果によって完全に含まれるべきであるから）。しかし、実施形態の中には、次の閾値処理が前回の閾値処理の結果を完全に含まなかった場合、またそれにより統合が場合によっては適合性基準を満たさないかもしれない場合に、異なる閾値範囲が選択され得るものがある。

実施形態の中には、連結成分解析は、別々の卵胞としてユーザに戻される可能性のある、残りの領域（決定された領域）の統合をラベル付けするために、ステージ１１２の統合後に、再度使用され得る。例えば、連結成分解析は、それぞれ卵胞に固有のラベルを与えるために使用されてもよい。実施形態には、何の連結成分解析も行われないものがある。

ステージ１１４で、領域決定回路３８は、ステージ１１２の統合によって決定されてきた領域を、数えて測定する。これらの決定された領域は、卵胞を表したものであるとみなされる。決定された領域を数えることで、領域決定回路３８は、医用画像データセット中に表れる卵胞の数の総数を取得する可能性がある。

領域決定回路３８は、対応する卵胞の測定を取得するために、それぞれ決定された領域（例えば、面積、体積、直径、最小直径または最大直径）の任意の適切なパラメータを測定する可能性がある。本実施形態において、領域決定回路３８は、それぞれ卵胞の体積と最大直径の測定を取得するために、それぞれ決定された領域の体積を測定して、それぞれ決定された領域の最大直径を測定する。

その他の実施形態において、それぞれ卵胞の任意の適切な測定が行われてもよい。例えば、卵胞は特定の軸に沿って、あるいは特定の面で、測定されてもよい。楕円体（あるいは楕円）のような幾何学的形状が決定された領域に適応され得る。幾何学的形状の体積または面積が、卵胞の寸法を推定するために使用されてもよい。実施形態の中には、それぞれ卵胞の位置が決定されるものがあってもよい。

例えば、卵胞の数およびサイズなどの取得された測定は、卵子の潜在能力（ポテンシャル）を評価するために使用されてもよい。さらなる実施形態において、医用画像診断装置２０または医用画像処理装置６０は、決定されてきた情報に基づいて診断を取得するように構成された、診断回路を具備する。決定されてきた情報とは、例えば、それぞれ卵胞の決定された寸法や形状、または卵胞の数に基づく。

ステージ１１６で、レンダリング回路４２は、医用画像データセットおよび決定された領域からの画像をレンダリングする。本実施形態において、レンダリング回路４２は、医用画像データセットまたは前処理されたデータセットのスライスの画像をレンダリングし、卵胞であると決定された領域を表した固体領域（ｓｏｌｉｄ ｒｅｇｉｏｎｓ）をオーバーレイする。それぞれ決定された領域は、異なる色で表され得る。その他の実施形態において、それぞれ決定された領域は、レンダリングされた画像で輪郭が描かれてもよい。測定情報（例えば、卵胞寸法の一覧）は、レンダリングされた画像と共に表示される可能性がある。実施形態の中には、何の画像もレンダリングされずに、ステージ１１６が省略されるものもある。例えば、ある実施形態には、卵胞の測定が格納されたデータ上に取得されて、対応する画像が表示されることなくユーザに提供されてもよいものもある。またある実施形態には、卵胞の測定は、その卵胞の測定が得られた医用画像データセットと共に格納される可能性があるものがある。また実施形態の中には、卵胞の数およびサイズに対してレンダリングされた画像および／または数値は、患者の医用記録に格納されてもよいものがある。

図４の方法を使用することで、卵胞の測定とカウントは自動化されてもよい。ある状況の下で、卵胞の自動測定は、手動測定よりもさらに反復可能で整合性が取れているかもしれない。卵胞の自動三次元セグメンテーションは、卵胞のカウントと測定を自動化するために使用でき、潜在的に時間短縮や誤測定の減少に繋がる。例えば特定の直径など、ある測定では、自動方法を使用してより容易に特定されてもよい。測定の中には、例えば特定の直径などは、自動化測定を使用して、より簡単に特定されてよいものもある。

多数の閾値処理の使用は、計算的に効率的な可能性がある。多数の閾値処理を適用する方が、単一の閾値処理を適用するよりも、ずっと多くのランタイムや計算能力を必要としないかもしれない。図４の処理のステージのいくつかは、特定の領域にのみ適用されるので、従って、図４の処理のステージのいくつかが医用画像データセットまたは前処理データセット全体に適用されれば、より効果的な可能性がある。ある状況下では、ステージ１０２の前処理が医用画像データセット全体に適用され得るので、図４のプロセスの最も計算的に集中的なステージは、ステージ１０２の前処理であるかもしれない。

多数の閾値処理を適用することで、一卵胞に対する最適な閾値が、別の卵胞に対する最適な閾値とは異なるように、画像全体の輝度に勾配がある場合でも、それぞれ卵胞は、見本となる卵胞に対する十分な閾値でセグメントされる可能性がある。最適な閾値が個々の卵胞全体でもさほど変化しない程に、卵胞は画像全体の勾配に比べると小さい可能性がある。上記方法は超音波のために説明されたが、ＭＲ（そしてその他のモダリティにおいても）における組織構造のセグメンテーションに適用されてもよい。ＭＲ画像は、画像全体の輝度において勾配を有するかもしれず、従って画像において異なる組織構造に対する、異なる最適な閾値を有する可能性がある。

閾値処理の範囲を使用することは、異なるデータセットの輝度において差分を調整するかもしれない。一データセットに対して最適な閾値である単一閾値は、異なるデータセットに対して最適な閾値ではないかもしれない。しかし、多くの異なるデータセットの使用に対して適切な、閾値の範囲を決定することは、可能かもしれない。

高い閾値を使用して特定される被検体（つまり、卵胞に対応するボクセルの選択された領域）は、低い閾値を使用して特定される、被検体に対応する上位集合の可能性がある。従って、低い閾値（例えば、５）で発見された被検体は、高い閾値（例えば、１０）でも発見され得る。しかし、閾値があまりに高すぎる場合、あまりに多くの組織が含まれてしまう可能性がある。このような場合、結果として抽出された領域は、必須の所定状況を満たさないかもしれず、つまり選択されないかもしれない。統合を取ることで、所定の卵胞に対する最も大きな選択された領域は、決定された領域として使用され得る。

本実施形態において、図４のプロセスはリアルタイムで適用されない。図４のプロセスは、医用撮像データの後処理において適用される。例えば、図４の処理は、上述のように格納された超音波データに適用される可能性がある。しかし、その他の実施形態において、図４の処理は、データ取得の間にリアルタイムで適用されてもよい。

図４に関して上述の実施形態において、ユーザ入力は必須とされていない。医用画像データセットが自動的に処理され、卵胞が自動的にセグメントされ、セグメントされた卵胞が自動的にカウントされ測定される。

その他の実施形態において、ユーザはセグメンテーション処理に入力を提供してもよい。実施形態の中には、ユーザ入力がいくつか要求されるかもしれない。実施形態の中には、ユーザ入力が任意のものもある。

実施形態の中に、ユーザは閾値処理が実行される、関心領域を提供する可能性がある。例えば、実施形態の中には、最初の画像がレンダリング回路４２によって医用画像データセットからレンダリングされ、例えばメイン表示スクリーン２６上など、ユーザに表示される。ユーザは、表示された最初の画像の領域を選択することで、関心領域を提供する。例えば、関心領域は、二次元または三次元の立方体（ｃｕｂｏｉｄ）または投げ縄（ｌａｓｓｏ）によって定義され得る。処理（例えば、前処理や閾値処理）は、ユーザ選択された関心領域上にのみ、実行される。ユーザ選択の関心領域上にのみ処理を実行することは、図４の処理を加速される可能性がある。その他の実施形態において、ユーザは、前処理されたデータセットにおける関心領域を選択してもよい。更なる実施形態において、ユーザは処理における任意のステージで、ステージ１１２で一度領域が決定されていたとしても、関心領域を選択してもよい。

実施形態の中には、レンダリング回路４２が、決定された領域が表示され、卵胞として特定された画像をレンダリングする。決定された領域のうちの一つが誤って卵胞として特定されてきたとユーザが考えたら、ユーザが決定された領域上をクリックすると、決定された領域は画像から、また決定された領域のセットからも取り除かれる。ユーザは、正しくない卵胞を一回のクリックで消去することが許可されている可能性がある。

実施形態の中には、ユーザは、何も決定されてきていない領域に対して卵胞を追加することが許可されているものもある。例えば、ユーザは、医用画像データセットまたは前処理されたデータセットからレンダリングされた画像上の卵胞に、手動で輪郭を描くことができてもよい。実施形態の中には、ユーザ入力（例えば、手動での輪郭領域）は、図４のプロセスにおいて、抽出された領域または選択された領域として、追加される可能性があるものもある。実施形態の中には、ユーザ入力は、セグメンテーション方法に対する開始点として使用されてもよいものがある。

実施形態の中には、ユーザは誤って一領域と決定されてきた一組の卵胞を分けることが許可されているものがある。例えば、ユーザが二つの卵胞間の境界上をクリックして、領域がそのクリックに従って分けられてもよいし、または、それぞれ個別の卵胞を表す卵胞で、決定された領域における二つの領域の輪郭を描いてもよい。任意の適切なユーザ入力で、一つの領域を二つの領域に分けるように使用されてもよい。

実施形態の中には、例えば、異なる患者に関して、または同一の患者の異なるスキャンに関する、医用撮像データセットにおいて、多くの格納された医用撮像データセットに対し、卵胞が自動的に測定されてカウントされるものがある。またある実施形態は、卵胞を測定してカウントするためにユーザからの入力を一切必要としない。そのために、膨大な数の格納されたデータセットにおける卵胞を測定してカウントするには、実用的になるかもしれない。

特定の医用画像診断装置２０および６０に関する上述の方法であるが、任意の適切な装置が使用される可能性がある。任意の実施形態の方法は、任意の適切な装置あるいは複数の装置の組み合わせを使用して、実行され得る。例えば、図４の方法は、個別のスキャナや画像処理装置を使用して、実行されてもよい。任意の実施形態の特徴は、任意のその他実施形態の特徴と組み合わせられてもよい。

上記の実施形態は、卵胞のセグメンテーション関して述べられた。しかし、その他の実施形態において、任意のその他適切な組織構造がセグメントされてもよい。例えば、適切な組織構造とは、嚢胞またはその他組織におけるその他空気ポケットまたは水ポケット、心腔、腫瘍または増殖の特定のタイプ、または周囲の組織とは異なる全面的な明るさを表示する任意のその他の自己完結の構造を具備する。ある実施形態では、組織構造が例えば、肝臓、脾臓、腎臓、そしてその他腹部の転移など、超反響の腫瘍を具備するものもある。組織構造は、測定されカウントされてもよい。組織構造の測定は、例えば、組織構造の直径、体積あるいは位置の測定を含んでもよい。

上記実施形態は、超音波データの処理に関して述べられたが、例えば、ＭＲ、ＣＴ、コーンビームＣＴ、Ｘ線、ＰＥＴまたはＳＰＥＣＴなど、その他の実施形態において、データは異なるモダリティを使用して取得されたデータが使用されてもよい。実施形態に係る方法は、２次元、３次元、４次元に実行され得る。

特定の実施形態は、ノイジーな画像／ボリュームにおける同質物体のセグメンティングやカウントの方法を、以下の方法により提供する。
１．ノイズを減らすための前処理
２．多数の閾値処理を適用し、そしてそれぞれ閾値処理に対しては、
ａ）連結成分を特定し、
ｂ）形状または輝度特徴に基づき成分を却下し、
３．全ての承認された物体の統合の形成と連結成分解析を再適用する。

前処理は、メジアンフィルタ、ガウシアンフィルタ、バイラテラルフィルタ、または異方性拡散を具備する、または使用する可能性がある。成分の却下は、体積、真球度、直径の最小値または最大値、輝度平均、輝度分散の組み合わせに基づいていてもよい。関心対象は、卵胞であってもよい。また関心対象は、嚢胞（例えば、腎臓における嚢胞）でもよい。

上記実施形態おいては、閾値処理回路３４において、サブステージ１０４、ステージ１０６、ステージ１０８を実行する場合を例示した。しかしながら、当該例に拘泥されず、選択回路３６においてサブステージ１０４、ステージ１０６、ステージ１０８、或いはこれらの一部を実行するようにしてもよい。

本実施形態では特定の回路が説明されたが、代替的な実施形態においては、これらの回路の一つ以上の機能性が単一の処理リソースまたはその他構成要素によって提供されることができ、または単一の回路によって提供される機能性が二つ以上の処理リソースまたはその他の構成要素の組み合わせで提供されることも出来る。単一の回路への言及は、単一の回路の機能性を提供する多数の構成要素が互いに離れているか否かにかかわらず、係る構成要素を包含しており、複数の回路への言及は、複数の回路の機能性を提供する単一の構成要素を包含する。

特定の実施形態が説明されたが、これらの実施形態は単に一例として提示されているだけであり、本発明の範囲を限定することを意図としていない。実際、本実施形態に説明された新規の方法およびシステムは、他の様々な形態で実施されてもよい。さらに、本実施形態に記載される方法およびシステムの形態において、様々な省略、置換、および変さらが本発明の趣旨から逸脱することなく行われてもよい。添付の特許請求の範囲およびその均等物は、本発明の範囲内に入るそのような形態および修正形態を含むように意図されている。

２０…医用画像診断装置、２２…超音波診断装置本体、２４…プローブ、２５…閾値、２６…メイン表示スクリーン、２８…制御スクリーン、３０…スキャナコンソール、３２…計算回路、３４…閾値処理回路、３６…選択回路、３８…領域決定回路、４０…前処理回路、４２…レンダリング回路、５０…メモリ、５２…入力デバイス、５４…ディスプレイ、６０…医用画像処理装置。

Claims (21)

1. 複数の閾値のそれぞれを使用して、組織構造を表した医用画像データに対し閾値処理を実行することにより前記医用画像データから領域を抽出する抽出手段と、
   前記抽出された領域の中から、所定条件を満たす領域を選択する選択手段と、
   前記選択された領域に基づいて前記医用画像データにおける前記組織構造を表す領域を決定する決定手段と、
   を具備する医用画像処理装置。
2. 前記決定手段は、前記選択された領域が複数存在する場合には、前記選択された複数の領域を統合することにより、前記組織構造を表す領域を決定する請求項１記載の医用画像処理装置。
3. 前記決定手段は、前記選択された領域を分断することにより、前記組織構造を表す領域を決定する請求項１記載の医用画像処理装置。
4. 前記決定手段は、前記選択された領域が複数存在する場合には、前記選択された複数の領域から代表的な領域を選択することより、前記組織構造を表す領域を決定する請求項１記載の医用画像処理装置。
5. 前記選択手段は、前記組織構造を表す領域の候補領域として前記所定条件を満たす領域を選択し、
   前記決定手段は、前記候補領域を集約することにより前記組織構造を表す領域を決定する請求項１記載の医用画像処理装置。
6. 前記集約は、統合及び分断の少なくとも一方を含む請求項５記載の医用画像処理装置。
7. 前記選択手段は、前記抽出された領域のそれぞれに関するスコアを計算し、前記計算されたスコアに基づいて前記所定条件を満たす領域を選択し、
   前記決定手段は、前記計算されたスコアに基づいて前記組織構造を表す領域を決定する請求項１乃至６のうちいずれか一項記載の医用画像処理装置。
8. 前記組織構造は、少なくとも、肺気腫、胆石、腎臓結石、腫瘍、腫瘍小結石、出血により侵された肺の領域の、卵胞、嚢胞、腎嚢胞、肺小結節のうちの少なくとも一つを具備する請求項１乃至７のうちいずれか一項記載の医用画像処理装置。
9. 前記複数の閾値は、前記医用画像データにおける前記組織構造に応じて決定される請求項１乃至８のうちいずれか一項記載の医用画像処理装置。
10. 前記複数の閾値は、前記医用画像データにおける前記組織構造の輝度値に基づいて決定される請求項１乃至８のうちいずれか一項記載の医用画像処理装置。
11. 前記抽出手段は、前記抽出された領域を分類するための連結成分解析を実行する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
12. 前記抽出手段は、前記抽出された少なくとも一つの領域を分類するためのモルフォロジー操作を実行する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
13. 前記所定条件は、面積、体積、真円度、真球度、直径、最小直径、最大直径、凹凸度、凸包比率、輝度、輝度平均、輝度分散、質感のうちの少なくとも一つを含む請求項１乃至１２のうちいずれか一項記載の医用画像処理装置。
14. 前記決定手段は、決定された前記組織構造を表した領域を用いて前記組織構造の測定を実行する請求項１乃至１３のうちいずれか一項記載の医用画像処理装置。
15. 前記抽出手段は、前記医用画像データに設定された関心領域内の画像データに対して、前記閾値処理を実行する請求項１乃至１４のうちいずれか一項記載の医用画像処理装置。
16. 前記決定手段は、決定された前記組織構造を表す領域の数を前記組織構造の数としてカウントする請求項１乃至１５のうちいずれか一項記載の医用画像処理装置。
17. 前記抽出手段は、前記閾値処理の前に、前記医用画像データに対して所定のフィルタ処理を実行する請求項１乃至１６のうちいずれか一項記載の医用画像処理装置。
18. 前記医用画像データは、少なくとも、超音波診断装置、Ｘ線診断装置、Ｘ線ＣＴ装置、ＭＲＩ装置のいずれかを用いて取得された画像データである請求項１乃至１７のうちいずれか一項記載の医用画像処理装置。
19. 前記医用画像処理装置は、医用画像診断装置に実装されている請求項１乃至１８のうちいずれか一項記載の医用画像処理装置。
20. 前記医用画像診断装置は、超音波診断装置、Ｘ線診断装置、Ｘ線ＣＴ装置、ＭＲＩ装置のうちのいずれかである具備する請求項１９記載の医用画像処理装置。
21. コンピュータに、
    複数の閾値のそれぞれを使用して、組織構造を表した医用画像データに対し閾値処理を実行させることにより前記医用画像データから領域を抽出させる抽出機能と、
    前記抽出された領域の中から、所定条件を満たす領域を選択させる選択機能と、
    前記選択された領域に基づいて前記医用画像データにおける前記組織構造を表す領域を決定させる決定機能と、
    を実現させる医用画像処理プログラム。