JP2017161439A - 画像処理システム - Google Patents
画像処理システム Download PDFInfo
- Publication number
- JP2017161439A JP2017161439A JP2016047933A JP2016047933A JP2017161439A JP 2017161439 A JP2017161439 A JP 2017161439A JP 2016047933 A JP2016047933 A JP 2016047933A JP 2016047933 A JP2016047933 A JP 2016047933A JP 2017161439 A JP2017161439 A JP 2017161439A
- Authority
- JP
- Japan
- Prior art keywords
- interest
- region
- image processing
- axis
- striatum
- 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.)
- Ceased
Links
- 210000001652 frontal lobe Anatomy 0.000 claims abstract description 44
- 210000004556 brain Anatomy 0.000 claims abstract description 34
- 210000000869 occipital lobe Anatomy 0.000 claims abstract description 34
- 238000009825 accumulation Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 6
- 210000001577 neostriatum Anatomy 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 28
- 239000007787 solid Substances 0.000 claims description 28
- 238000002059 diagnostic imaging Methods 0.000 claims description 14
- 239000012216 imaging agent Substances 0.000 claims description 14
- 239000000032 diagnostic agent Substances 0.000 claims description 10
- 229940039227 diagnostic agent Drugs 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 210000001653 corpus striatum Anatomy 0.000 abstract 3
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 210000002637 putamen Anatomy 0.000 description 7
- 210000001159 caudate nucleus Anatomy 0.000 description 6
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 6
- 238000002603 single-photon emission computed tomography Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000002285 radioactive effect Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 229960003638 dopamine Drugs 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000009206 nuclear medicine Methods 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- PAXWQORCRCBOCU-RPDRGXCHSA-N 6-((18)F)fluoro-L-dopa Chemical compound OC(=O)[C@@H](N)CC1=CC(O)=C(O)C=C1[18F] PAXWQORCRCBOCU-RPDRGXCHSA-N 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010067889 Dementia with Lewy bodies Diseases 0.000 description 1
- 102000006441 Dopamine Plasma Membrane Transport Proteins Human genes 0.000 description 1
- 108010044266 Dopamine Plasma Membrane Transport Proteins Proteins 0.000 description 1
- 201000002832 Lewy body dementia Diseases 0.000 description 1
- 241000211815 Livia Species 0.000 description 1
- 206010056677 Nerve degeneration Diseases 0.000 description 1
- 206010034010 Parkinsonism Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20108—Interactive selection of 2D slice in a 3D data set
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Nuclear Medicine (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
【課題】 脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することのできる画像処理システムを提供する。【解決手段】 画像処理システム１は、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う関心領域を設定し、各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定する。そして、画像処理システム１は、各関心領域について、軸線に直交する複数の断面を設定し、各断面内において、画像診断剤の集積度合いを示す画素値の最大値を抽出し、画素値の最大値を、軸線上における断面の位置に関連付けて表示する。【選択図】 図１
Description
本発明は、脳の三次元画像データから線条体のプロファイルカーブを作成する画像処理システムに関する。
パーキンソン症候群およびレビー小体型認知症は、脳内の線条体におけるドパミンの減少を伴うことが知られている。そこで、核医学の手法を用いて黒質線条体ドパミン神経の終末部に存在するドパミントランスポーターの分布を画像化し、ドパミン神経の変性・脱落を評価することが、これらの脳疾患の診断上有用である。この画像化に適した放射性トレーサーとしては123Ｉで標識されたイオフルパン（123Ｉ-ＦＰ-ＣＩＴ）や、18Ｆで標識された18Ｆ−ＤＯＰＡ等が知られている。
非特許文献１には、123Ｉ-ＦＰ-ＣＩＴを放射性トレーサーとして用いて作成した脳の三次元ＳＰＥＣＴ（Single Photon Emission Computed Tomography：単一光子放射断層撮影法）画像を用いて、上記の疾患の有無を判定する手法が記載されている。この手法では、ＳＰＥＣＴ画像データ中で線条体を含む領域を水平横断面に垂直な方向に加算して２次元加算画像を作成すると共に、その加算画像に対して左右の線条体の各々に関心領域を設定し、当該領域の内外の画素値に対して統計的な解析を行うことにより、疾患の有無を判定している。なお、非特許文献１では、五角形状の関心領域が左右の線条体の各々に対して設定される。
また、特許文献１には、線条体に集積する性質を有する放射性マーカーを用いて得られた脳の三次元核医学画像データにおいて、線条体を自動で検出する手法が記載されている。この手法では、線条体の位置の基準となる点を（自動又は手動で）指定し、その点の画素値に基づいて、線条体に対応する画素群を決定することにより、線条体の形態に適合した画素群を自動で抽出することが可能になる。この画素群は、システムが一定の基準で決定するので、術者によらず同じように決定される。従って、この手法で決定した画素群を用いることにより、画像データの解析に術者が与える影響を減少させることができる。
Livia Tossici-Bolt1 et al., "Quantification of [123I]FP-CIT SPECT brain images: an accurate technique for measurement of the specific binding ratio", European Journal of Nuclear Medicine and Molecular Imaging Vol. 33, No. 12, December 2006, pp. 1491-1499
ところで、イオフルパン（123Ｉ-ＦＰ-ＣＩＴ）の診断対象となる疾患の病態によっては、線条体における集積の低下が一様に観察されず、尾状核部分よりも被殻部分の集積がより大きく低下し、得られた画像において尾状核部分の集積に偏在した集積が観察されるような症例も見られる。しかしながら、従来のような関心領域内の放射能カウント値のみを指標とした診断では、この様な病態の違いを区別できない。この様な病態変化を的確にとらえるためには線条体の長軸方向に沿ったカウントプロファイルを作成することが有効であると考えられるが、ＳＰＥＣＴ画像上で線条体領域のプロファイルカーブを自動作成する方法については、未だ確立されていない。
本発明は、上記の課題に鑑みてなされたもので、線条体の長軸方向に沿ったプロファイルカーブを作成することのできる画像処理システムを提供することを目的とする。
本発明の画像処理システムは、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データを記憶する画像データ記憶部と、前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定する関心領域設定部と、各関心領域について、当該関心領域の前頭葉側の端（はし）を表す代表点と、当該関心領域の後頭葉側の端（はし）を表す代表点とを結ぶ軸線を設定する軸線設定部と、各関心領域について、前記軸線に直交する複数の断面を設定する断面設定部と、各断面内において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出する最大値抽出部と、前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示する表示処理部と、を備えている。
この構成によれば、脳の三次元画像データにおいて脳の右半球と左半球のそれぞれについて診断対象である線条体を覆う関心領域が設定され、それぞれの関心領域について軸線が設定される。そして、軸線に直交する複数の断面が設定され、それぞれの断面における画素値の最大値が抽出されて、その最大値が軸線上における位置に関連付けて表示される。この場合、三次元画像データは、線条体に集積する性質を有する画像診断剤を用いて得られたものであり、画素値は、画像診断剤の集積度合いを示している。また、軸線は、関心領域の前頭葉側の端（はし）を表す代表点と関心領域の後頭葉側の端（はし）を表す代表点とを結ぶ線であり、線条体の長軸方向に沿った線である。これにより、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができ、従来では把握できなかったような線条体内における画像診断剤の集積態様の変化を的確にとらえることが可能になる。
そのうえ、軸線に直交する断面内における画素値の最大値を用いてプロファイルカーブが作成されるので、軸線が線条体の長軸（中心軸）から多少ずれて設定される場合であっても、適切なプロファイルカーブを作成することができる。また、この軸線は、従来のＢｏｌｔ法において設定された台形断面の関心領域における対角線をそのまま用いることができる。したがって、軸線（プロファイルカーブを作成するための基準となる軸）を容易に決定することが可能である。なお、軸線は、プロファイルカーブを作成するための基準線と呼ぶこともできる。
また、本発明の画像処理システムでは、前記軸線設定部は、前記関心領域の前頭葉側の端を表す代表点を、当該関心領域の前頭葉側の点を通って厚み方向に延びる線上の任意の点に設定し、前記関心領域の後頭葉側の端を表す代表点を、当該関心領域の後頭葉側の点を通って厚み方向に延びる線上の任意の点に設定してもよい。
この構成によれば、軸線（プロファイルカーブを作成するための基準となる軸）を、関心領域の前頭葉側の点を通って厚み方向に延びる線上の任意の点と、関心領域の後頭葉側の点を通って厚み方向に延びる線上の任意の点とを結ぶ線として、自由度をもって設定することができる。
また、本発明の画像処理システムでは、前記軸線設定部は、前記関心領域の前頭葉側の端を表す代表点を、当該関心領域の正中線側に設定し、前記関心領域の後頭葉側の端を表す代表点を、当該関心領域の外側に設定してもよい。
この構成によれば、軸線が、関心領域の前頭葉側かつ正中線側の端（はし）を表す代表点と関心領域の後頭葉側かつ外側の端（はし）を表す代表点とを結ぶ線として設定される。これにより、軸線（プロファイルカーブを作成するための基準となる軸）を、より線条体の長軸方向に沿うように設定することができる。
また、本発明の画像処理システムでは、前記関心領域設定部は、診断対象である線条体に対応する画素群に外接する矩形断面を有する立体を設定し、前記立体に基づいて前記関心領域を設定してもよい。
この構成によれば、診断対象である線条体に対応する画素群に外接する矩形断面を有する立体に基づいて、関心領域が設定される。これにより、線条体全体を覆う関心領域を適切に設定することができる。
また、本発明の画像処理システムでは、前記関心領域設定部は、前記立体を含むように前記関心領域を設定してもよい。
この構成によれば、診断対象である線条体に対応する画素群に外接する矩形断面を有する立体を含むように、関心領域が設定される。これにより、線条体全体を覆う関心領域を適切に設定することができる。
また、本発明の画像処理システムでは、前記関心領域設定部は、前記立体の前頭葉側かつ正中線側の角が前記関心領域の前頭葉側かつ正中線側の角より内側に位置し、かつ、前記立体の後頭葉側かつ外側の角が前記関心領域の後頭葉側かつ外側の角より内側に位置するように、前記関心領域を設定してもよい。
この構成によれば、矩形断面を有する立体の前頭葉側かつ正中線側の角が関心領域の前頭葉側かつ正中線側の角より内側に位置し、かつ、矩形断面を有する立体の後頭葉側かつ外側の角が関心領域の後頭葉側かつ外側の角より内側に位置するように、関心領域が設定される。これにより、線条体全体を覆う関心領域を適切に設定することができる。
本発明の画像処理方法は、画像処理装置で実行される画像処理方法であって、前記画像処理装置には、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データが記憶されており、前記画像処理方法は、前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定することと、各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定することと、各関心領域について、前記軸線に直交する複数の断面を設定することと、前記複数の断面の各々において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出することと、前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示することと、を含んでいる。
この方法によっても、上記のシステムと同様に、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができ、従来では把握できなかったような線条体内における画像診断剤の集積態様の変化を的確にとらえることが可能になる。
本発明の画像処理プログラムは、画像処理装置で実行される画像処理プログラムであって、前記画像処理装置には、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データが記憶されており、前記画像処理プログラムは、前記画像処理装置に、前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定する処理と、各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定する処理と、各関心領域について、前記軸線に直交する複数の断面を設定する処理と、前記複数の断面の各々において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出する処理と、前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示する処理と、を実行させる。
このプログラムによっても、上記のシステムと同様に、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができ、従来では把握できなかったような線条体内における画像診断剤の集積態様の変化を的確にとらえることが可能になる。
本発明によれば、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができる。
以下、本発明の実施の形態の画像処理システムについて、図面を用いて説明する。本実施の形態では、脳の画像診断システム等に用いられる画像処理システムの場合を例示する。
本発明の実施の形態の画像処理システムの構成を、図面を参照して説明する。図１は、本実施の形態の画像処理システムの構成を示すブロック図である。図１に示すように、画像処理システム１は、表示部２と、操作部３と、記憶部４と、制御部５を備えている。表示部２は、例えばモニタやディスプレイなどであり、操作部３は、例えばマウスやキーボードなどである。また、記憶部４は、例えば大容量メモリなどであり、制御部５は、例えばＣＰＵやＭＰＵなどである。この画像処理システム１は、パーソナルコンピュータなどの単一の装置（画像処理装置）で構成されてもよく、また、複数の装置の組み合わせで構成されてもよい。
記憶部４には、線条体に集積する性質を有する画像診断剤（放射性マーカー）を用いて得られた脳の三次元画像データが記憶される。したがって、この記憶部４は、本発明の画像データ記憶部に相当する。また、記憶部４には、種々のデータが記憶される。例えば、この記憶部４には、画像処理システム１の各種の機能を実現するためのプログラムが記憶されている。このプログラムを実行することにより、画像処理システム１の各種の機能が実現されるともいえる。
制御部５は、画像処理システム１の各種の機能を実現するための機能を備えている。例えば、図１に示すように、制御部５は、機能ブロックとして、関心領域設定部５０、軸線設定部５１、断面設定部５２、最大値抽出部５３、表示処理部５４を備えている。
関心領域設定部５０は、記憶部４に記憶された三次元画像データを読み出して、脳の右半球と左半球のそれぞれについて関心領域Ｒを設定する機能を備えている。関心領域Ｒは、診断対象である線条体を覆う領域であり、例えば、診断対象である線条体に対応する画素群Ｐに外接する矩形断面を有する立体Ｑに基づいて設定される。
図２は、好ましい態様における関心領域Ｒの設定の説明図である。好ましい態様において、関心領域設定部５０は、診断対象である線条体に対応する画素群Ｐに外接する矩形断面又は多角形断面を有する立体Ｑを設定し、その立体Ｑを含むように関心領域Ｒを設定する。例えば、立体Ｑの前頭葉側かつ正中線側の角（かど）が関心領域Ｒの前頭葉側かつ正中線側の角（かど）より内側に位置し、かつ、立体Ｑの後頭葉側かつ外側の角（かど）が関心領域Ｒの後頭葉側かつ外側の角（かど）より内側に位置するように、五角形状の関心領域Ｒを設定する。立体Ｑは直方体を初めとする多面体や、円柱等の柱状体とする事ができる。この様な関心領域Ｒの設定方法としては、公知の方法、例えば、特許第５６８８７８１号公報に記載された方法を用いることができる。
関心領域Ｒは、操作者が手動により設定しても良い。この場合、画像処理システム１は、操作者に関心領域Ｒの設定を促す。操作者は、例えば線条体が表示された横断面上で、マウスポインタやスタイラスペン等の手段を利用して線条体を包含する領域を設定する。なお、横断面の代わりに、線条体部分を含む複数の横断面につき、該横断面上の座標が等しい画素毎に画素値を合計して得られた画像を用いても良い。そして、画像処理システム１は、この設定された領域に線条体を包含するよう所定の厚みを加えた領域を、関心領域Ｒとして設定することとしても良い。ここで、所定の厚みは、線条体領域を含む矢状断面や冠状断面（又は、線条体部分を含む複数の矢状断面又は冠状断面につき、各断面上の座標が等しい画素毎に画素値を合計して得られた画像）上にて操作者が目視にて設定しても良いが、後述する方法にて抽出された線条体に対応する画素群Ｐのデータにおける体軸方向の座標の最大値と最小値とから自動で求めても良い。
また、関心領域Ｒは、線条体領域Ｒを包含している限りにおいて形状を制限する必要は無いが、横断面上における断面が多角形状となるような形状であることが望ましく、多面体形状であることがより好ましい。関心領域Ｒは、後述する軸線Ｄを設定できる形状であればよく、例えば、前頭葉側かつ正中線側の端の代表点（例えば、前頭葉側かつ正中線側の角）と後頭葉側かつ外側の端の代表点（例えば、後頭葉側かつ外側の角）を設定可能な形状であればよい。
なお、線条体に対応する画素群Ｐを自動的に検出する方法については、公知の方法（例えば、特許第５６８８７８１号公報に記載された方法）を利用することができる。例えば、まず、線条体自動検出の対象となる脳の三次元ＳＰＥＣＴ画像データがロードされ、左半球又は右半球を表す部分が選択される。つぎに、線条体の位置の基準となる点の情報の入力が行われ、線条体検出のための検出閾値を設定し、選択した半球の画素のうち、設定した検出閾値以上の画素値を有する画素の特定が行われる。そして、そのような画素クラスタのうち、指定された基準点を含むクラスタを抽出し、抽出したクラスタのボリューム（体積）が計算される。これを検出閾値を変えながら繰り返し、抽出された画素クラスタのボリュームが体積基準値以上になった場合は、当該画素クラスタをもって、選択された半球における線条体画素群Ｐとして決定する。
軸線設定部５１は、各関心領域Ｒについて、軸線Ｄを設定する機能を備えている。図３は、軸線の設定の説明図である。図３に示すように、軸線設定部５１は、関心領域Ｒの前頭葉側の端を表す代表点と、関心領域Ｒの後頭葉側の端を表す代表点とを結ぶ軸線Ｄを設定する。本例では、前頭葉側の端を表す代表点は、関心領域Ｒの正中線側に設定され、後頭葉側の端を表す代表点は、関心領域Ｒの外側に設定されている。さらに、本例の場合、前頭葉側かつ正中線側の端の代表点は、関心領域Ｒの前頭葉側かつ正中線側の角を通って厚み方向に延びる線Ｌ１上の任意の点であり、後頭葉側かつ外側の端の代表点は、関心領域Ｒの後頭葉側かつ外側の角を通って厚み方向に延びる線Ｌ２上の任意の点である。したがって、軸線設定部５１が設定する軸線Ｄは、例えばＤ１やＤ２やＤ３であってもよい。
なお、関心領域Ｒの前頭葉側かつ正中線側の端を表す代表点は、必ずしも関心領域Ｒの角に基づいて設定される必要は無く、関心領域の前頭葉側の端の正中線側の任意の点であって良い。例えば、後頭葉から前頭葉にかけてＹ軸を定義した場合であれば、関心領域Ｒにおいて最もＹ座標の大きい点を「関心領域Ｒの前頭葉側かつ正中線側の端を表す代表点」とする事ができる。このとき、同じＹ座標の点が複数存在する場合は、最も正中線よりの点を「関心領域Ｒの前頭葉側かつ正中線側の端を表す代表点」とすることが望ましい。同様に、後頭葉側かつ外側の端の代表点は、関心領域Ｒ内において最もＹ座標の小さい点として特定する事ができる。このとき、同じＹ座標の点が複数存在する場合は、正中線から見て最も外側の点を「後頭葉側かつ外側の端の代表点」とすることが望ましい。ここで、外側とは、正中線側（正中線を中心したときの内側）と反対の側をいう（図２参照）。例えば、図２において、左から右にＸ軸の正方向をとり、下から上へＹ軸の正方向をとると、右半球の線条体（図２における右側の線条体）の外側は、図２におけるＸ軸の正方向側（図２における右側）であり、左半球の線条体（図２における左側の線条体）の外側は、図２におけるＸ軸の負方向側（図２における左側）である。
もちろん、これらの代表点は、操作者が手動にて設定することも可能である。この場合、画像処理システム１は、操作者に代表点の入力を促し、操作者はマウスポインタやスタイラスペンといった手段を用いてそれぞれの代表点を指定するといった態様としても良い。
断面設定部５２は、各関心領域Ｒについて、軸線Ｄに直交する断面を設定する機能を備えている。図４は、断面の設定の説明図である。図４に示すように、断面設定部５２は、軸線Ｄに直交する複数の断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎを設定する。なお、断面の数は、操作者が任意に設定することができる。
最大値抽出部５３は、複数の断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎの各々について、各断面内における画素値の最大値を抽出する機能を備えている。画素値は、放射能カウント値であり、画像診断剤（放射性マーカー）の集積度合いを示す値である。この画素値は、バックグランドの値で正規化しておくことが望ましい。この場合、最大値抽出部５３は、画素値をバックグラウンドの値で正規化する機能も備えている。
表示処理部５４は、各断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎにおける画素値の最大値を、軸線Ｄ上における各断面の位置に関連付けて、プロファイルカーブとして表示部２に表示する機能を備えている。図５は、プロファイルカーブの一例（正常例）の説明図である。図５に示すように、このプロファイルカーブでは、画素値の最大値が軸線Ｄ上における各断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎの位置に関連付けられている。このようにして、線条体の長軸方向に沿ったプロファイルカーブが作成される。
図６は、線条体における放射能カウントが一様に低下している症例のプロファイルカーブの説明図である。また、図７および図８は、被殻における放射能カウントの低下が相対的に大きい症例のプロファイルカーブの説明図である。また、図８は、被殻における放射能カウントの低下が相対的に大きい症例（尾状核の集積も低下している場合）のプロファイルカーブの説明図である。図６〜図８では、正常例の値が実線で示されており、各症例の値が破線で示されている。
図６〜図８に示すように、このプロファイルカーブによれば、従来では把握できなかったような線条体内における画像診断剤の集積態様の変化を的確にとらえることが可能になる。すなわち、図６のプロファイルカーブでは、尾状核と被殻の放射能カウントが一様に低下しているのに対して、図７および図８のプロファイルカーブでは、被殻における放射能カウントの低下が相対的に大きいことを容易に把握することができる。また、図７のプロファイルカーブでは、尾状核の集積が比較的保たれているのに対して、図８のプロファイルカーブでは、尾状核の集積も低下していることを容易に把握することができる。
以上のように構成された画像処理システム１について、図９のフロー図を参照してその動作を説明する。この場合、画像処理システム１の記憶部４には、線条体に集積する性質を有する画像診断剤（放射性マーカー）を用いて得られた脳の三次元画像データが記憶されている。
本実施の形態の画像処理システム１を用いてプロファイルカーブを作成する場合には、図９に示すように、まず、関心領域設定部５０が、記憶部４に記憶された三次元画像データを読み出して（Ｓ０１）、診断対象である線条体に対応する画素群Ｐを検出する（Ｓ０２）。そして、その画素群Ｐを包含するような関心領域Ｒを設定する（Ｓ０３）。好ましい態様において、関心領域Ｒの設定は、関心領域Ｒの設定に先立って画素群Ｐに外接する矩形断面を有する立体Ｑを設定し、その立体Ｑを含むような図形として関心領域Ｒを設定するといった構成としてもよい。例えば、図２に示すように、矩形断面を有する立体Ｑの前頭葉側かつ正中線側の角が関心領域Ｒの前頭葉側かつ正中線側の角より内側に位置し、かつ、矩形断面を有する立体Ｑの後頭葉側かつ外側の角が関心領域Ｒの後頭葉側かつ外側の角より内側に位置するように、五角形状の関心領域Ｒを設定する。
つぎに、軸線設定部５１が、各関心領域Ｒについて軸線Ｄを設定する（Ｓ０４）。例えば、図３に示すように、関心領域Ｒの前頭葉側かつ正中線側の端（はし）を表す代表点と、関心領域Ｒの後頭葉側かつ外側の端（はし）を表す代表点とを結ぶ軸線Ｄを設定する。例えば、関心領域Ｒの前頭葉側かつ正中線側の端）を表す代表点は、関心領域Ｒの前頭葉側かつ正中線側の角（かど）を通って厚み方向に延びる線Ｌ１上の任意の点に設定され、関心領域Ｒの後頭葉側かつ外側の端を表す代表点は、関心領域Ｒの後頭葉側かつ外側の角（かど）を通って厚み方向に延びる線Ｌ２上の任意の点に設定される。
つづいて、断面設定部５２が、例えば、図４に示すように、各関心領域Ｒについて軸線Ｄに直交する複数の断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎを設定し（Ｓ０５）、最大値抽出部５３が、複数の断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎの各々について、各断面内における画素値の最大値を抽出する（Ｓ０６）。そして、表示処理部５４が、例えば、図５に示すように、各断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎにおける画素値の最大値を、軸線Ｄ上における各断面の位置に関連付けて、プロファイルカーブとして表示部２に表示する（Ｓ０７）。
このような本実施の形態の画像処理システム１によれば、脳の三次元画像データにおいて脳の右半球と左半球のそれぞれについて診断対象である線条体を覆う関心領域Ｒが設定され、それぞれの関心領域Ｒについて軸線Ｄが設定される。そして、軸線Ｄに直交する複数の断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎが設定され、それぞれの断面における画素値の最大値が抽出されて、その最大値が軸線Ｄ上における位置に関連付けて表示される。この場合、三次元画像データは、線条体に集積する性質を有する画像診断剤を用いて得られたものであり、画素値は、画像診断剤の集積度合いを示している。また、軸線Ｄは、関心領域Ｒの前頭葉側かつ正中線側の端の代表点と関心領域Ｒの後頭葉側かつ外側の端の代表点とを結ぶ線であり、線条体の長軸方向に沿った線である。これにより、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができ、従来では把握できなかったような線条体内における画像診断剤の集積態様の変化を的確にとらえることが可能になる。
そのうえ、軸線Ｄに直交する断面Ｃ１、Ｃ２、Ｃ３・・・Ｃｎ内における画素値の最大値を用いてプロファイルカーブが作成されるので、軸線Ｄが線条体の長軸（中心軸）から多少ずれて設定される場合であっても、適切なプロファイルカーブを作成することができる。この場合、軸線Ｄ（プロファイルカーブを作成するための基準となる軸）を、関心領域Ｒの前頭葉側かつ正中線側の角を通って厚み方向に延びる線Ｌ１上の任意の点と、関心領域Ｒの後頭葉側かつ外側の角を通って厚み方向に延びる線Ｌ２上の任意の点とを結ぶ線として、自由度をもって設定することができる。また、この軸線Ｄは、従来のＢｏｌｔ法で設定された関心領域における対角線をそのまま用いることができる。したがって、軸線Ｄ（プロファイルカーブを作成するための基準となる軸）を容易に決定することが可能である。
また、本実施の形態では、診断対象である線条体に対応する画素群Ｐに外接する矩形断面を有する立体Ｑに基づいて、関心領域Ｒが設定される。具体的には、診断対象である線条体に対応する画素群Ｐに外接する矩形断面を有する立体Ｑを含むように、関心領域Ｒが設定される。さらに具体的には、矩形断面を有する立体Ｑの前頭葉側かつ正中線側の角が関心領域Ｒの前頭葉側かつ正中線側の角より内側に位置し、かつ、矩形断面を有する立体Ｑの後頭葉側かつ外側の角が関心領域Ｒの後頭葉側かつ外側の角より内側に位置するように、関心領域Ｒが設定される。これにより、線条体全体を覆う関心領域Ｒを適切に設定することができる。
以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。
以上のように、本発明にかかる画像処理システムは、脳の三次元画像データから線条体の長軸方向に沿ったプロファイルカーブを作成することができるという効果を有し、脳の画像診断システム等に用いられ、有用である。
１ 画像処理システム
２ 表示部
３ 操作部
４ 記憶部
５ 制御部
５０ 関心領域設定部
５１ 軸線設定部
５２ 断面設定部
５３ 最大値抽出部
５４ 表示処理部
２ 表示部
３ 操作部
４ 記憶部
５ 制御部
５０ 関心領域設定部
５１ 軸線設定部
５２ 断面設定部
５３ 最大値抽出部
５４ 表示処理部
Claims (8)
- 線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データを記憶する画像データ記憶部と、
前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定する関心領域設定部と、
各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定する軸線設定部と、
各関心領域について、前記軸線に直交する複数の断面を設定する断面設定部と、
各断面内において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出する最大値抽出部と、
前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示する表示処理部と、
を備える、画像処理システム。 - 前記軸線設定部は、前記関心領域の前頭葉側の端を表す代表点を、当該関心領域の前頭葉側の点を通って厚み方向に延びる線上の任意の点に設定し、前記関心領域の後頭葉側の端を表す代表点を、当該関心領域の後頭葉側の点を通って厚み方向に延びる線上の任意の点に設定する、請求項１に記載の画像処理システム。
- 前記軸線設定部は、前記関心領域の前頭葉側の端を表す代表点を、当該関心領域の正中線側に設定し、前記関心領域の後頭葉側の端を表す代表点を、当該関心領域の外側に設定する、請求項１または２に記載の画像処理システム。
- 前記関心領域設定部は、診断対象である線条体に対応する画素群に外接する矩形断面を有する立体を設定し、前記立体に基づいて前記関心領域を設定する、請求項１〜３のいずれかに記載の画像処理システム。
- 前記関心領域設定部は、前記立体を含むように前記関心領域を設定する、請求項４に記載の画像処理システム。
- 前記関心領域設定部は、前記立体の前頭葉側かつ正中線側の角が前記関心領域の前頭葉側かつ正中線側の角より内側に位置し、かつ、前記立体の後頭葉側かつ外側の角が前記関心領域の後頭葉側かつ外側の角より内側に位置するように、前記関心領域を設定する、請求項５に記載の画像処理システム。
- 画像処理装置で実行される画像処理方法であって、
前記画像処理装置には、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データが記憶されており、
前記画像処理方法は、
前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定することと、
各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定することと、
各関心領域について、前記軸線に直交する複数の断面を設定することと、
前記複数の断面の各々において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出することと、
前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示することと、
を含む、画像処理方法。 - 画像処理装置で実行される画像処理プログラムであって、
前記画像処理装置には、線条体に集積する性質を有する画像診断剤を用いて得られた脳の三次元画像データが記憶されており、
前記画像処理プログラムは、前記画像処理装置に、
前記三次元画像データにおいて、脳の右半球と左半球のそれぞれについて、診断対象である線条体を覆う立体状の関心領域を設定する処理と、
各関心領域について、当該関心領域の前頭葉側の端を表す代表点と、当該関心領域の後頭葉側の端を表す代表点とを結ぶ軸線を設定する処理と、
各関心領域について、前記軸線に直交する複数の断面を設定する処理と、
前記複数の断面の各々において、前記画像診断剤の集積度合いを示す画素値の最大値を抽出する処理と、
前記画素値の最大値を、前記軸線上における前記断面の位置に関連付けて表示する処理と、
を実行させる、画像処理プログラム。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016047933A JP2017161439A (ja) | 2016-03-11 | 2016-03-11 | 画像処理システム |
| KR1020170022834A KR20170106196A (ko) | 2016-03-11 | 2017-02-21 | 화상 처리 시스템 |
| CN201710109430.0A CN107180408A (zh) | 2016-03-11 | 2017-02-27 | 图像处理系统 |
| HK18103716.7A HK1244342A1 (zh) | 2016-03-11 | 2018-03-16 | 圖像處理系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016047933A JP2017161439A (ja) | 2016-03-11 | 2016-03-11 | 画像処理システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2017161439A true JP2017161439A (ja) | 2017-09-14 |
Family
ID=59829789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016047933A Ceased JP2017161439A (ja) | 2016-03-11 | 2016-03-11 | 画像処理システム |
Country Status (4)
| Country | Link |
|---|---|
| JP (1) | JP2017161439A (ja) |
| KR (1) | KR20170106196A (ja) |
| CN (1) | CN107180408A (ja) |
| HK (1) | HK1244342A1 (ja) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004174217A (ja) * | 2002-10-01 | 2004-06-24 | Japan Science & Technology Corp | 画像処理装置、画像処理方法、及び当該画像処理をコンピュータに実行させるプログラムを格納する記録媒体 |
| JP3984202B2 (ja) * | 2003-04-02 | 2007-10-03 | ザイオソフト株式会社 | 医用画像処理装置、医用画像処理方法、および、プログラム |
| US9788729B2 (en) * | 2008-11-21 | 2017-10-17 | Toshiba Medical Systems Corporation | Image processing apparatus and image processing method |
| JP6005905B2 (ja) * | 2011-04-06 | 2016-10-12 | 東芝メディカルシステムズ株式会社 | 画像処理システム、画像処理装置及び画像処理方法 |
| US9135702B2 (en) * | 2011-04-20 | 2015-09-15 | Hitachi Medical Corporation | Image display device for medical applications, image display method for medical applications |
| CN103561655B (zh) * | 2011-05-24 | 2016-03-16 | 株式会社东芝 | 医用图像诊断装置、医用图像处理装置以及方法 |
| JP5868026B2 (ja) * | 2011-05-24 | 2016-02-24 | 株式会社東芝 | 超音波診断装置 |
| WO2013012070A1 (ja) * | 2011-07-20 | 2013-01-24 | 株式会社東芝 | 画像処理システム、装置、方法及び医用画像診断装置 |
| JP6095663B2 (ja) * | 2012-08-02 | 2017-03-15 | 株式会社日立製作所 | 三次元画像構成装置及び三次元画像構成方法 |
-
2016
- 2016-03-11 JP JP2016047933A patent/JP2017161439A/ja not_active Ceased
-
2017
- 2017-02-21 KR KR1020170022834A patent/KR20170106196A/ko unknown
- 2017-02-27 CN CN201710109430.0A patent/CN107180408A/zh active Pending
-
2018
- 2018-03-16 HK HK18103716.7A patent/HK1244342A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| HK1244342A1 (zh) | 2018-08-03 |
| KR20170106196A (ko) | 2017-09-20 |
| CN107180408A (zh) | 2017-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106709930B (zh) | 三维医学图像的感兴趣体积分割方法及装置 | |
| AU2006321133A1 (en) | Head degenerative disease detection method, detecting program, and detector | |
| DE102007040071A1 (de) | Bereichsweise Rekonstruktion von räumlich verteilten Funktionen | |
| TW201632147A (zh) | 定量分析核子醫學腦部影像的系統及方法 | |
| US8044661B2 (en) | Method for determining a three-dimensional reconstruction of an examination object | |
| JP6196624B2 (ja) | 可変深さ定位表面投影 | |
| CN107945167A (zh) | 基于深度神经网络的慢性阻塞性肺病的检测系统 | |
| JP4980707B2 (ja) | 画像処理装置及び方法 | |
| EP3786881A1 (en) | Image processing for stroke characterization | |
| JP2020535924A5 (ja) | ||
| JP2014174654A (ja) | 核医学骨画像解析技術 | |
| WO2015040547A1 (en) | Method and system for spine position detection | |
| EP3047455A1 (en) | Method and system for spine position detection | |
| CN103415873A (zh) | 利用图像叠加的tnm分类 | |
| US20110194741A1 (en) | Brain ventricle analysis | |
| JP5062477B2 (ja) | 医療画像表示装置 | |
| JP6677711B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| JP2017161439A (ja) | 画像処理システム | |
| CN106663321A (zh) | 包括利用个性化模板图像的立体定位标准化的成像数据统计测试 | |
| US9514548B2 (en) | Method and system for presenting and using four dimensional data from a medical imaging system | |
| JP6745268B2 (ja) | シンチグラフィー画像の正規化技術 | |
| US20160350947A1 (en) | Method and apparatus for reducing variability of representations of regions of interest on reconstructions of medical imaging data | |
| JP5050366B2 (ja) | 画像処理装置、画像処理プログラム | |
| JP2013063324A5 (ja) | ||
| JP5666725B1 (ja) | 関心領域検証技術 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190207 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190207 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190215 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190924 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191001 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191118 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200121 |
|
| A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20200630 |