JP2021090495A - 医用画像処理装置、医用画像診断装置および医用画像処理プログラム - Google Patents

Abstract

【課題】医用画像からより多くの情報を取得することができる。【解決手段】本実施形態に係る医用画像処理装置は、取得部と、画像処理部と、抽出部とを含む。取得部は、元画像を取得する。画像処理部は、前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する。抽出部は、前記元画像および前記変換画像から特徴部位を抽出する。【選択図】図１

Description

本明細書及び図面に開示の実施形態は、医用画像処理装置、医用画像診断装置および医用画像処理プログラムに関する。

医用画像から解剖学的特徴部位（Anatomical Landmark）などの特徴部位を抽出する技術がある。抽出した特徴部位によって、例えば、スキャン範囲の自動設定、または、撮影時の放射線の線量などのスキャン条件の調整が可能となる。
しかし、当該技術は、撮影画像から特徴部位を抽出するため、撮影画像に描画されていない特徴部位は抽出されない。例えば、実際には人体に存在し、ＭＲ（Magnetic Resonance）画像には描出されるが、ＣＴ（Computed Tomography）画像には描出されない特徴部位については、ＣＴ画像に対して当該技術を適用しても抽出することができない。

特表２０１６−５０９５０８号公報 特表２００７−５２６０１６号公報 特開２００８−１２０２７号公報

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、医用画像からより多くの情報を取得することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

実施形態に係る医用画像処理装置は、取得部と、画像処理部と、抽出部とを含む。取得部は、元画像を取得する。画像処理部は、前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する。抽出部は、前記元画像および前記変換画像から特徴部位を抽出する。

図１は、第１の実施形態に係る医用画像処理装置を示すブロック図である。 図２は、第１の実施形態に係る医用画像処理装置の特徴部位の抽出処理を示すフローチャートである。 図３は、第１の実施形態に係る医用画像処理装置の具体的な動作例を示す図である。 図４は、第１の実施形態の変形例に係る医用画像処理装置の具体的な動作例を示す図である。 図５は、第２の実施形態に係る医用画像処理装置の画像位置合わせ処理を示すフローチャートである。 図６は、第２の実施形態に係る医用画像処理装置の具体的な動作例を示す図である。 図７は、第３の実施形態に係る医用画像処理装置の動作例を示すフローチャートである。 図８は、第３の実施形態に係る医用画像処理装置により生成されるガイド画像の具体例を示す図である。 図９は、第４の実施形態に係る医用画像診断装置である、Ｘ線ＣＴ装置を示すブロック図である。

以下、図面を参照しながら本実施形態に係わる医用画像処理装置、医用画像診断装置および医用画像処理プログラムについて説明する。以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。以下、一実施形態について図面を用いて説明する。

なお、以下の本実施形態に係る医用画像処理装置は、ワークステーションに含まれてもよいし、クラウドサーバなどのサーバに含まれてもよい。

（第１の実施形態）
第１の実施形態に係る医用画像処理装置について図１のブロック図を参照して説明する。
第１の実施形態に係る医用画像処理装置１は、メモリ１１と、処理回路１３と、入力インタフェース１５と、通信インタフェース１７とを含む。処理回路１３は、取得機能１３１と、画像処理機能１３３と、抽出機能１３５と、表示制御機能１３７とを含む。

メモリ１１は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。メモリ１１は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。また、メモリの保存領域は、医用画像処理装置１内にあってもよいし、ネットワークで接続された外部記憶装置内にあってもよい。メモリ１１は、学習済みモデル、各種医用データ（生データ、投影データ、サイノグラムなどの中間データなど）および各種医用画像（再構成画像、ＣＴ（Computed Tomography）画像、ＭＲ（Magnetic Resonance）画像、超音波画像、ＰＥＴ（positron emission tomography ）画像、ＳＰＥＣＴ（Single Photon Emission CT）画像など）を格納することを想定するが、これらの学習済みモデル、医用データ及び医用画像などは、外部に記憶されていてもよい。

処理回路１３は、例えば、ハードウェア資源として、ＣＰＵ（Central Processing Unit）やＭＰＵ(Micro Processing Unit)、ＧＰＵ（Graphics Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを含む。また処理回路１３は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）やフィールド・プログラマブル・ゲート・アレイ（Field Programmable Gate Array：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）により実現されてもよい。処理回路１３は、メモリに展開されたプログラムを実行するプロセッサにより、取得機能１３１と、画像処理機能１３３と、抽出機能１３５と、表示制御機能１３７とを実行する。なお、各機能（取得機能１３１、画像処理機能１３３、抽出機能１３５および表示制御機能１３７）は単一の処理回路で実現される場合に限らない。複数の独立したプロセッサを組み合わせて処理回路１３を構成し、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。

取得機能１３１により処理回路１３は、入力となる画像（以下、元画像という）を取得する。
画像処理機能１３３により処理回路１３は、元画像に対して画像変換を実行し、元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する。
抽出機能１３５により処理回路１３は、元画像および前記変換画像から特徴部位を抽出する。特徴部位は、例えば解剖学的特徴部位でもよいし、腫瘍などの病変部位でもよい。
表示制御機能１３７により処理回路１３は、特徴部位を示す情報を元画像および変換画像の少なくともいずれか一方に表示する。例えば、元画像から抽出した特徴部位および変換画像から抽出した特徴部位を元画像に重畳した画像を、ディスプレイまたはプロジェクタを介してスクリーンなどに表示させるように画像の出力を制御すればよい。

入力インタフェース１５は、ユーザから各種の入力操作を受け付け、受け付けた入力操作に基づく信号をメモリ１１、処理回路１３、通信インタフェース１７などに出力する。例えば、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等が適宜、使用可能となっている。なお、本実施形態において、入力インタフェース１５は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等の物理的な操作部品を備えるものに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する信号を受け取り、この信号を処理回路１３へ出力するような処理回路も入力インタフェース１５の例に含まれる。

通信インタフェース１７は、外部と通信するための無線又は有線のインタフェースであり、一般的なインタフェースを用いればよいため、ここでの説明は省略する。

次に、第１の実施形態に係る医用画像処理装置１の特徴部位の抽出処理について、図２のフローチャートを参照して説明する。
ステップＳ２１では、取得機能１３１により処理回路１３が、元画像を取得する。元画像は、例えば、ＣＴ装置であれば位置決めスキャンにより撮影した位置決め画像（スキャノ画像ともいう）を用いればよい。なお、位置決め画像に限らず、本スキャンで撮影したＣＴ画像であってもよい。
なお、特徴部位を抽出できれば、元画像はＣＴ画像でなくともよい。例えば、元画像は、ＭＲ画像、ＣＴ画像、Ｘ線画像といった、他の医用画像診断装置であってもよい。または、元画像は、医用画像診断装置により撮影された画像に限らず、サーモグラフィのような撮影装置によって得られた画像、光学カメラにより得られる画像、さらには医学用の書籍に掲載されるような写真であってもよい。

ステップＳ２２では、画像処理機能１３３により処理回路１３が、元画像を画像変換し、変換画像を生成する。変換画像は、上述の様に元画像からは認識困難であるが被検体には存在している特徴を含む画像、言い換えれば、元画像で抽出される可能性がある特徴部位とは異なる特徴部位が抽出できる可能性がある画像であればよい。
具体例としては、図３を参照して後述するが、元画像は、第１の医用画像診断装置を用いて被検体を撮影して得られた画像であり、変換画像は、第１の医用画像診断装置とは異なる第２の医用画像診断装置を用いて被検体を撮影した場合を想定した推定画像である。
例えば、元画像がＣＴ装置により撮影された画像であれば、撮像原理が異なる医用画像診断装置（ＭＲＩ装置など）で取得した画像に変換する学習済みモデルをディープラーニングなどにより生成する。ネットワークのモデルとしては、ＤＣＮＮ（Deep Convolutional Neural Network）、ｐｉｘ２ｐｉｘなどの画像生成ネットワークが挙げられる。当該学習済みモデルをＣＴ画像である元画像に適用することで、ＭＲ画像を変換画像として取得すればよい。

なお、学習済みモデルを元画像に適用して変換画像を生成することに限らず、元画像に画像処理を施すことで変換画像を生成してもよい。例えば、元画像に対してエッジ強調処理などを施し、エッジ強調画像を変換画像としてもよい。このような画像処理であっても、元画像とは異なる輝度値およびテクスチャの画像を得ることができるため、元画像とは異なる特徴部位が算出できる可能性がある。
また、変換画像は１つに限らず、複数種類の異なる変換画像を生成してもよい。また、変換画像の画像サイズは問わず、元画像と同じサイズであってもよいし、異なるサイズであってもよい。

元画像から変換画像への変換処理は、任意の次元の元画像から任意の次元の画像を作成してもよい。例えば、３次元の元画像から３次元の変換画像を生成してもよいし、断面画像から断面画像を生成してもよいし、３次元の元画像から２次元の断面画像を生成してもよい。また、２次元の断面画像から３次元の画像を生成してもよい。

さらに、変換画像として、元画像とは異なる位置または断面の画像を生成してもよい。
例えば、既存の断面推定処理を用いて、元画像の位置から異なる、直交する断面の画像または体軸方向にずれた断面の画像を推定することで、元画像の位置に直交する画像を変換画像として推定してもよい。

ステップＳ２３では、抽出機能１３５により処理回路１３が、元画像および変換画像から特徴部位を抽出する。特徴部位の抽出処理は、既存の抽出手法を用いればよいため、具体的な説明は省略する。特徴部位は、点として算出してもよいし、体積または面積を持つ領域として算出してもよい。当該領域は、例えば、特徴部位が点として抽出された場合、抽出された点に基づいて一般的なセグメンテーション処理を行い、領域として算出してもよい。

なお、抽出する情報は、特徴部位に関する情報に限らず、体積または面積等の統計値を算出してもよい。さらには、元画像および変換画像のそれぞれ単独の画像からは取得できないが、両者を組み合わせることで算出可能な情報を抽出および生成してもよい。例えば、ＣＴ画像とＭＲ画像の重畳処理または差分処理を行うことで判定可能な情報を用いてもよい。または、放射線情報と遺伝子情報と多変量解析とを組み合わせたＲａｇｉｏｇｅｎｏｍｉｃｓ的観点からパターン認識により抽出された複数の画像特徴に基づいて特定可能な医療情報を算出してもよい。

ステップＳ２４では、表示制御機能１３７により処理回路１３が、抽出した特徴部位に関する情報を元画像および変換画像の少なくともいずれか一方に表示する。例えば、特徴部位を元画像に重畳表示する場合は、元画像自体から抽出される特徴部位に加えて、変換画像から抽出された特徴部位が元画像上に表示されることになる。

特徴部位に関する情報は、記号、文字、色および境界線などの少なくとも１つ以上により表示されればよい。特徴部位の表示は、特徴部位の抽出元が元画像であるか変換画像であるかにより色を変えて表示するなど、区別可能な態様で表示してもよい。

なお、抽出された特徴部位および特徴部位が重畳表示された画像は、メモリ１１と外部のデータベース（図示せず）との少なくとも一方に保存されてもよい。

次に、第１の実施形態に係る医用画像処理装置１の具体的な動作例について、図３を参照して説明する。
図３の例では、元画像として被検体の頭部をＸ線ＣＴ装置で撮影したＣＴ画像を用い、変換画像として被検体の頭部の同じ断面位置をＭＲＩ装置で撮影した場合を想定したＭＲ画像を用いる。なお、変換画像として想定するＭＲ画像は、実際に被検体をＭＲ装置で撮影したＭＲ画像ではなく、ＣＴ画像から変換した画像であるため、ここでは推定ＭＲ画像と呼ぶ。また、特徴部位として解剖学的特徴部位を抽出する場合を想定する。

図３に示すように、画像処理機能１３３により処理回路１３が、元画像であるＣＴ画像３１に対して、例えばＣＴ画像からＭＲ画像に変換する学習済みモデルを適用して画像変換し、推定ＭＲ画像３２を生成する。

続いて、抽出機能１３５により処理回路１３が、ＣＴ画像３１に対して解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、ＣＴ画像３１から脳幹を解剖学的特徴部位３３として抽出されたとする。図３の例では、解剖学的特徴部位３３は、斜線の領域を囲む丸の領域で表示される。

さらに、抽出機能１３５により処理回路１３が、推定ＭＲ画像３２に対して解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、推定ＭＲ画像３２から毛細血管網の一種である脈絡叢が解剖学的特徴部位３４として抽出されたとする。ＭＲ画像はＣＴ画像と比較して血管や軟部組織などがより鮮明に描出されるため、ＣＴ画像３１からは抽出しにくい解剖学的特徴部位を推定ＭＲ画像３２から抽出できる。図３の例では、解剖学的特徴部位３４は、白抜きの領域を囲む丸の領域で表示される。

表示制御機能１３７により処理回路１３が、解剖学的特徴部位３３および解剖学的特徴部位３４をＣＴ画像３１に重畳処理する。結果として表示される画像として表示画像３５が生成される。表示画像３５に示すように、解剖学的特徴部位の表示形式を、解剖学的特徴部位の抽出元に応じて区別して表示することで、どのような画像に基づいて得られた解剖学的特徴部位であるかを一見して把握できる。

なお、図３の太線で囲まれた部分の処理を学習済みモデルで構成してもよい。すなわち、元画像（ＣＴ画像３１）を入力データ、ＣＴ画像３１に解剖学的特徴部位３３および解剖学的特徴部位３４が重畳表示された表示画像３５を正解データとした学習用データに基づいて、多層畳み込みニューラルネットワーク（ＤＣＮＮ）等のネットワークモデルを学習させ、ＣＴ画像３１から表示画像３５を出力するような学習済みモデルを構築してもよい。これにより、ＣＴ画像から直接、ＣＴ画像および推定ＭＲ画像から抽出される解剖学的特徴部位を算出できる。
また、特徴部位として病変部位を抽出する場合は、例えば病変として骨肉腫を抽出する場合、Ｘ線撮影装置で撮影されたＸ線画像またはＸ線ＣＴ装置で撮影されたＣＴ画像では、骨の内部における骨肉腫の形成状態までは把握しきれない。一方、ＭＲＩ装置で撮影されたＭＲ画像であれば、骨の内部の状態をＸ線画像およびＣＴ画像よりも鮮明に描出できるため、変換画像としてＭＲ画像を生成することで、解剖学的特徴部位を抽出する場合と同様の効果を奏することができる。

以上に示した第１の実施形態によれば、元画像を画像変換した変換画像から特徴部位を抽出することで、元画像からは抽出することが難しい特徴部位を抽出することができる。これにより、元画像の医用画像からより多くの情報を取得することができる。

これにより、例えば、特徴部位に関する情報に基づいて、医用画像診断装置における撮影条件、具体的にＸ線ＣＴ装置であればスキャン位置および線量などのスキャン条件を調整するための指標として、本実施形態に係る特徴部位の抽出結果を利用できる。また、表示制御機能により処理回路が、解剖学的特徴部位が閾値以上抽出できれば、表示画像として適切な画像であるとして表示する、または、診断のために適切な画像であるとしてデータベースに保存する、といった自動選択処理のための指標として当該抽出結果を利用することもできる。
さらに、元画像および変換画像から抽出した特徴部位の情報を、元画像を撮影した医用画像診断装置とは異なる医用画像診断装置で撮影する場合にも利用できる。例えば、ＩＶＲ（Interventional Radiology）−ＣＴで撮影したＣＴ画像および当該ＣＴ画像の変換画像から、人体組織の位置および領域を抽出する。その後Ｘ線診断装置でＸ線撮影を行なう場合に、人体組織の位置および領域の情報に基づいて補正したＸ線画像を生成できる。具体的には、例えば、診断または治療の妨げとなる組織領域を特徴部位として抽出し、Ｘ線画像上の当該組織領域の画素値を補正することで視認性を向上させることができる。

（第１の実施形態の変形例）
第１の実施形態の変形例では、元画像は、第１の撮影条件で撮影された画像であり、変換画像は、第１の撮影条件とは異なる第２の撮影条件で撮影された場合を想定した推定画像である例を示す。

第１の実施形態の変形例に係る医用画像処理装置１の具体的な動作例について、図４を参照して説明する。
図４は、Ｘ線ＣＴ装置で被検体の肝臓を含む腹部の断面を非造影で撮影した非造影画像から、変換画像としてＸ線ＣＴ装置で造影剤を用いて同じ断面を撮影した造影画像を生成する例を示す図である。なお、変換画像として想定する造影画像は、実際に非造影画像を撮影した被検体に造影剤を注入して撮影した画像ではなく画像変換による画像であるため、ここでは推定造影画像と呼ぶ。特徴部位は、解剖学的特徴部位を想定する。

図４に示すように、画像処理機能１３３により処理回路１３が、元画像である非造影画像４１に対して、例えば非造影画像から造影画像に変換する学習済みモデルを適用して画像変換し、推定造影画像４２を生成する。当該学習済みモデルは、非造影画像を入力データ、造影画像を正解データとした学習用データに基づいて、多層畳み込みニューラルネットワーク（ＤＣＮＮ）等のネットワークモデルを学習させ、元画像から変換画像を出力するような学習済みモデルを構築してもよい。
学習用データは、時相画像を撮影した通常の造影検査の画像から取得できる。造影剤が十分に流れる前の時相の画像は非造影画像と同等に扱えることから、造影剤が十分に流れていない時相で撮影した画像を入力データ、造影剤が組織に流れている期間に撮影した造影画像を正解データとして学習用データを用意すればよい。正解データとして用いる造影画像は、特定の時相で撮影した１つの造影画像であってもよいし、複数の時相で撮影した造影画像から加算平均または最大値処理などの算術処理により算出した画像でもよい。

続いて、抽出機能１３５により処理回路１３が、非造影画像４１に対して解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、非造影画像４１から血管が抽出されなかったとする。
さらに、抽出機能１３５により処理回路１３が、推定造影画像４２に対して解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、推定造影画像４２から門脈を含む血管が解剖学的特徴部位４４として抽出されたとする。造影画像は非造影画像と比較して血管がより鮮明に描出されるため、非造影画像４１からは抽出しにくい解剖学的特徴部位を推定造影画像４２から抽出することができる。図４の例では、解剖学的特徴部位４４は、白抜きの領域を囲む丸の領域で表示される。

表示制御機能１３７により処理回路１３が、解剖学的特徴部位４４を非造影画像４１に重畳処理する。結果として表示される画像として表示画像４５が生成される。

なお、図３の場合と同様に、図４の太線で囲まれた部分の処理を学習済みモデルで構成してもよい。すなわち、元画像（非造影画像４１）を入力データとし、非造影画像４１および推定造影画像４２から抽出した解剖学的特徴部位を非造影画像４１に重畳表示した表示画像４５を正解データとした学習用データに基づいて、多層畳み込みニューラルネットワーク（ＤＣＮＮ）等のネットワークモデルを学習させ、元画像から表示画像を出力するような学習済みモデルを構築してもよい。これにより、非造影画像から直接、推定造影画像から抽出される解剖学的特徴部位を算出できる。

また、非造影画像を元画像としたが、造影画像を元画像としてもよい。この場合、画像処理機能１３３により処理回路１３が、元画像として用いた造影画像の時相と異なる時相の造影画像を、変換画像として生成するような画像処理を行えばよい。

ある血管に所定量の造影剤が流れたら撮影する撮影手法であるリアルプレップなどの場合、事前に血管位置をＲＯＩ（Region of Interest）として設定する必要がある。そのため、一般的には、本撮影の前に参照画像スキャンが行われる。参照画像スキャンでは、被検体に造影剤を注入して注目部位を造影した状態で被検体を撮影することにより参照画像が生成される。参照画像に描出された注目血管に対してＲＯＩが設定される。
第１の実施形態の変形例によれば、本変形例による処理により得られる推定造影画像を用いることで、造影剤を用いることなく、ユーザによりまたは自動で容易にＲＯＩを設定できる。

（第２の実施形態）
第２の実施形態に係る医用画像処理装置では、解剖学的特徴部位の抽出結果を画像の位置合わせに用いる点が第１の実施形態と異なる。
第２の実施形態に係る医用画像処理装置の構成は、図１に示す医用画像処理装置の構成と同様であるため、説明を省略する。

第２の実施形態に係る医用画像処理装置１の動作例について、図５のフローチャートを参照して説明する。
ステップＳ５１では、取得機能１３１により処理回路１３が、元画像を取得する。
ステップＳ５２では、取得機能１３１により処理回路１３が、元画像に対して位置合わせ処理を実行する対象となる、位置合わせ対象画像を取得する。

ステップＳ５３では、画像処理機能１３３により処理回路１３が、元画像および位置合わせ対象画像の少なくともいずれか一方に対して画像変換を行ない、変換画像を生成する。第２の実施形態に係る変換画像は、画像位置合わせに用いることを想定しているため、変換画像は、元画像との画像位置合わせに利用可能な特徴部位が算出できる可能性がある画像に変換できればよい。例えば、元画像がＣＴ装置により撮影された画像であれば、血管および軟部組織が鮮明に描出できていないと考えられるため、ＣＴ画像と比較して血管および軟部組織が鮮明に描出可能なＭＲ画像または造影画像などに変換できればよい。また、腫瘍などの病変を特徴部位として抽出する場合も、Ｘ線画像では不鮮明であるが、Ｘ線ＣＴ装置またはＭＲＩ装置などの他の医用画像診断装置であれば、より鮮明に病変を確認できると考えられるため、診断の目的に応じた変換画像が生成されればよい。
なお、変換画像の生成には、第１の実施形態と同様に学習済みモデルを用いてもよいし、その他の画像変換を用いてもよい。

ステップＳ５４では、図２のステップＳ２３と同様に、抽出機能１３５により処理回路１３が、元画像、位置合わせ対象画像および変換画像からそれぞれ、解剖学的特徴部位を抽出する。
ステップＳ５５では、表示制御機能１３７により処理回路１３が、抽出された解剖学的特徴部位に基づいて、元画像と位置合わせ対象画像との画像位置合わせを行なう。画像位置合わせの手法は、一般的な画像位置合わせの手法を用いればよいため、ここでの説明は省略する。

次に、第２の実施形態に係る医用画像処理装置１の具体的な動作例について、図６を参照して説明する。
図６では、被検体の腹部を撮影したＣＴ画像と超音波画像との画像位置合わせを行う場合を想定する。元画像としてＣＴ画像６１が、位置合わせ対象画像として超音波画像６２が、それぞれ取得されたとする。また、特徴部位としては、解剖学的特徴部位を想定する。

画像処理機能１３３により処理回路１３が、元画像であるＣＴ画像６１に対して、図４と同様の処理により画像変換し、推定ＭＲ画像６３を生成する。
続いて、抽出機能１３５により処理回路１３が、ＣＴ画像６１、超音波画像６２および推定ＭＲ画像６３に対してそれぞれ、解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、ＣＴ画像６１から解剖学的特徴部位６４が、超音波画像６２から血管に関する解剖学的特徴部位６５が、推定ＭＲ画像６３から血管に関する解剖学的特徴部位６６が、それぞれ抽出されるとする。

表示制御機能１３７により処理回路１３が、解剖学的特徴部位６４，６５，６６に基づいて、ＣＴ画像６１と超音波画像６２との画像位置合わせ処理を行い、表示画像６７を生成する。図６に示すように、画像位置合わせにおいて、ＣＴ画像６１からは、超音波画像６２で抽出された血管の解剖学的特徴部位６５に対応する解剖学的特徴部位が抽出されていない。しかし、推定ＭＲ画像６３で抽出された血管の解剖学的特徴部位６６を手がかりとして、超音波画像６２の解剖学的特徴部位６５との対応位置が推定できるため、推定ＭＲ画像６３と対応する位置でＣＴ画像６１と超音波画像６２との画像位置合わせを行なうことができる。

以上に示した第２の実施形態によれば、元画像の特徴部位だけでは画像位置合わせが難しい場合でも、変換画像を生成し、変換画像から特徴部位を抽出することで、画像位置合わせを行なうことができる。例えば、ＣＴ画像では確認できないがＭＲ画像からは確認できる特徴部位に基づいて、ＣＴ画像と超音波画像との画像位置合わせを行なうことができ、フュージョン処理を実現できる。

（第３の実施形態）
第３の実施形態では、抽出された解剖学的特徴部位に基づいて、次の検査において取得すべき参照画像および元画像上に参照画像を取得可能な位置を含む撮影条件を示すガイド画像を表示する点が上述の実施形態とは異なる。例えば、ＣＴ画像から腫瘍のような病変が確認できた場合、病変に係る特徴部位から、超音波検査により取得すべき断面の超音波画像を参照画像およびガイド画像として表示できる。
第３の実施形態に係る医用画像処理装置の構成は、図１に示す医用画像処理装置の構成と同様であるため、説明を省略する。

第３の実施形態に係る医用画像処理装置の動作例について、図７のフローチャートを参照して説明する。ステップＳ２１からステップＳ２３の処理は、図２と同様である。
ステップＳ７１では、表示制御機能１３７により処理回路１３が、抽出した解剖学的特徴部位に基づいて、ガイド画像を表示し、変換画像を参照画像として表示する。

次に、第３の実施形態に係る医用画像処理装置１により生成されるガイド画像の具体例について図８を参照して説明する。
図８は、元画像であるＣＴ画像８１と、取得すべき断面の参考となる超音波画像である参照画像８２とが並列に表示される。ＣＴ画像８１には、参照画像８２をどのような撮影条件で撮影すべきかを示すガイド画像８３が重畳表示される。なお、ガイド画像８３は、図８の例では位置および撮影角度を表示する例を示すが、フォーカス位置など他の撮影条件もあわせて表示してもよい。また、超音波検査を促すメッセージ８４を表示する。メッセージ８４とともに、ボタンをクリックまたはタッチすれば検査オーダ画面に進み、すぐに検査オーダを発行できるようなボタン８５を設計してもよい。

図８の例では、ＣＴ画像８１を元画像として、腫瘍が特徴部位として抽出されたとする。抽出された特徴部位を超音波検査で検査したい場合、超音波画像であれば特徴部位がどのように描出されるかを表示するため、画像処理機能１３３および表示制御機能１３７により処理回路１３が、ＣＴ画像８１を超音波画像に変換した変換画像を参照画像８２として表示すればよい。また、抽出された特徴部位を用いることで、ＣＴ画像８１と参照画像８２との腫瘍の位置の対応関係が分かるため、参照画像８２はどのような位置で撮影すればよいかをＣＴ画像８１上にガイド画像８３として表示できる。なお、図８の例では、ガイド画像８３は外枠のみの表示であるが、参照画像８２をＣＴ画像８１に重畳表示してもよい。

また、参照画像８２として、変換画像と共に、または変換画像に変えて、診断に用いるために理想的な超音波画像を表示してもよい。例えば、腫瘍が悪性であれば、腫瘍と栄養血管との関係が、超音波検査によるカラードプラ画像またはパワードプラ画像、エラストグラフィー画像などにより判明しやすいと考えられる。よって、理想的な超音波画像の例を参照画像８２として表示することでユーザが容易に理想的な超音波画像を取得しやすくなる。
なお、参照画像８２およびガイド画像８３は、どちらか一方が表示される形式でもよい。

以上に示した第３の実施形態によれば、参照画像およびガイド画像の少なくとも一方を元画像と共に表示することで、診断に必要な画像の取得を促し、理想的な画像の取得および診断を支援することができる。

（第４の実施形態）
第４の実施形態に係る医用画像診断装置について図９のブロック図を参照して説明する。第４の実施形態では、医用画像診断装置としてＸ線ＣＴ装置を例に説明するが、どのような種類の医用画像診断装置であってもよい。例えば、Ｘ線ＣＴ装置の他には、ＭＲＩ装置、ＰＥＴ装置、ＳＰＥＣＴ装置またはこれらを組み合せた装置などでもよい。

図９に示すＸ線ＣＴ装置２は、架台装置２０と、寝台装置３００と、Ｘ線ＣＴ装置の処理を実現するコンソール装置４０とを有する。図９では説明の都合上、架台装置２０を複数描画している。

なお、本実施形態では、非チルト状態での回転フレーム２３の回転軸または寝台装置３００の天板３３０の長手方向をＺ軸方向、Ｚ軸方向に直交し、床面に対し水平である軸方向をＸ軸方向、Ｚ軸方向に直交し、床面に対し垂直である軸方向をＹ軸方向とそれぞれ定義するものとする。
例えば、架台装置２０および寝台装置３００はＣＴ検査室に設置され、コンソール装置４０はＣＴ検査室に隣接する制御室に設置される。なお、コンソール装置４０は、必ずしも制御室に設置されなくてもよい。例えば、コンソール装置４０は、架台装置２０および寝台装置３００とともに同一の部屋に設置されてもよい。いずれにしても架台装置２０と、寝台装置３００と、コンソール装置４０とは互いに通信可能に有線または無線で接続されている。

架台装置２０は、被検体ＰをＸ線ＣＴ撮影するための構成を有するスキャン装置である。架台装置２０は、Ｘ線管２１と、Ｘ線検出器２２と、回転フレーム２３と、Ｘ線高電圧装置２４と、制御装置２５と、ウェッジ２６と、コリメータ２７と、データ収集装置２８（以下、ＤＡＳ（Data Acquisition System）２８ともいう）とを含む。Ｘ線管２１と、Ｘ線検出器２２と、ＤＡＳ２８をまとめて、医用画像（ここではＣＴ画像）を取得する撮影部ともいう。

Ｘ線管２１は、Ｘ線高電圧装置２４からの高電圧の印加およびフィラメント電流の供給により、陰極（フィラメント）から陽極（ターゲット）に向けて熱電子を照射することでＸ線を発生する真空管である。具体的には、熱電子がターゲットに衝突することによりＸ線が発生される。例えば、Ｘ線管２１には回転する陽極に熱電子を照射することでＸ線を発生させる回転陽極型のＸ線管がある。Ｘ線管２１で発生したＸ線は、例えばコリメータ２７を介してコーンビーム形に成形され、被検体Ｐに照射される。

Ｘ線検出器２２は、本実施形態では、いわゆるフォトンカウンティング型検出器の場合と、一般的なＸ線検出器、いわゆる積分型の検出器の場合とのそれぞれについて説明する。

Ｘ線検出器２２が、フォトンカウンティング型検出器である場合、Ｘ線管２１から照射され、被検体Ｐを通過したＸ線を光子単位で検出する。Ｘ線検出器２２は、例えば、Ｘ線管２１の焦点を中心として１つの円弧に沿ってチャネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。Ｘ線検出器２２は、例えば、チャネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（列方向、ｒｏｗ方向）に複数配列された列構造を有する。

Ｘ線検出器２２は、具体的には、例えば、シンチレータアレイと、グリッドと、光センサアレイとを有する間接変換型の検出器である。Ｘ線検出器２２は、検出部の一例である。

シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線を、当該入射Ｘ線の強度に応じた個数の光子に変換する。

グリッドは、シンチレータアレイのＸ線入射側の面に配置され、散乱Ｘ線を吸収する機能を有するＸ線遮蔽板を有する。なお、グリッドはコリメータ（１次元コリメータまたは２次元コリメータ）と呼ばれる場合もある。

光センサアレイは、シンチレータから受けた光を増幅して電気信号に変換し、当該入射Ｘ線のエネルギーに応じた波高値を有する出力信号（エネルギー信号）を生成する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。生成されたエネルギー信号はＤＡＳ２８に出力される。

一方、Ｘ線検出器２２が、積分型の検出器である場合、Ｘ線管２１から照射され、被検体Ｐを通過したＸ線を検出し、当該Ｘ線量に対応した電気信号をＤＡＳ２８へと出力する。シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線を、当該入射Ｘ線に応じた光子量の光を出力するシンチレータ結晶を有する。光センサアレイは、シンチレータからの受けた光を増幅して電気信号に変換する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。

なお、上述のＸ線検出器２２は、間接変換型の検出器を想定しているが、シンチレータアレイおよび光センサアレイの代わりに、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。

回転フレーム２３は、Ｘ線発生部（Ｘ線管２１、ウェッジ２６およびコリメータ２７）とＸ線検出器２２とを回転軸回りに回転可能に支持する。具体的には、回転フレーム２３は、Ｘ線管２１とＸ線検出器２２とを対向支持し、後述する制御装置２５によってＸ線管２１とＸ線検出器２２とを回転させる円環状のフレームである。回転フレーム２３は、アルミニウム等の金属により形成された固定フレーム（図示せず）に回転可能に支持される。詳しくは、回転フレーム２３は、ベアリングを介して固定フレームの縁部に接続されている。回転フレーム２３は、制御装置２５の駆動機構からの動力を受けて回転軸Ｚ回りに一定の角速度で回転する。

なお、回転フレーム２３は、Ｘ線管２１とＸ線検出器２２に加えて、Ｘ線高電圧装置２４やＤＡＳ２８を更に備えて支持する。このような回転フレーム２３は、撮影空間をなす開口（ボア）１９が形成された略円筒形状の筐体に収容されている。開口はＦＯＶに略一致する。開口の中心軸は、回転フレーム２３の回転軸Ｚに一致する。なお、ＤＡＳ２８が生成した撮影データは、例えば発光ダイオード（ＬＥＤ）を有する送信機から光通信によって架台装置の非回転部分（例えば固定フレーム。図９での図示は省略する。）に設けられた、フォトダイオードを有する受信機（図示せず）に送信され、コンソール装置４０へと転送される。なお、回転フレームから架台装置の非回転部分への撮影データの送信方法は、前述の光通信に限らず、非接触型のデータ伝送であればいかなる方式を採用しても構わない。

Ｘ線高電圧装置２４は、変圧器（トランス）および整流器等の電気回路を有し、Ｘ線管２１に印加する高電圧およびＸ線管２１に供給するフィラメント電流を発生する機能を有する高電圧発生装置と、Ｘ線管２１が照射するＸ線に応じた出力電圧の制御を行なうＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であっても構わない。なお、Ｘ線高電圧装置２４は、後述する回転フレーム２３に設けられてもよいし、架台装置２０の固定フレーム（図示せず）側に設けられても構わない。

制御装置２５は、ＣＰＵ（Central Processing Unit）等を有する処理回路と、モータおよびアクチュエータ等の駆動機構とを有する。処理回路は、ハードウェア資源として、ＣＰＵやＭＰＵ（Micro Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。また、制御装置２５は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）やフィールド・プログラマブル・ゲート・アレイ（Field Programmable Gate Array：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）により実現されてもよい。制御装置２５は、コンソール装置４０からの指令に従い、Ｘ線高電圧装置２４およびＤＡＳ２８等を制御する。前記プロセッサは、前記メモリに保存されたプログラムを読み出して実行することで上記制御を実現する。

また、制御装置２５は、コンソール装置４０または架台装置２０に取り付けられた、後述する入力インタフェース１５からの入力信号を受けて、架台装置２０および寝台装置３００の動作制御を行なう機能を有する。例えば、制御装置２５は、入力信号を受けて回転フレーム２３を回転させる制御や、架台装置２０をチルトさせる制御、および、寝台装置３００および天板３３０を動作させる制御を行なう。なお、架台装置２０をチルトさせる制御は、架台装置２０に取り付けられた入力インタフェース１５によって入力される傾斜角度（チルト角度）情報により、制御装置２５がＸ軸方向に平行な軸を中心に回転フレーム２３を回転させることによって実現される。また、制御装置２５は架台装置２０に設けられてもよいし、コンソール装置４０に設けられても構わない。なお、制御装置２５は、メモリにプログラムを保存する代わりに、前記プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、前記プロセッサは、前記回路内に組み込まれたプログラムを読み出して実行することで上記制御を実現する。

ウェッジ２６は、Ｘ線管２１から照射されたＸ線量を調節するためのフィルタである。具体的には、ウェッジ２６は、Ｘ線管２１から被検体Ｐへ照射されるＸ線が、予め定められた分布になるように、Ｘ線管２１から照射されたＸ線を透過して減衰するフィルタである。例えば、ウェッジ２６（ウェッジフィルタ（wedge filter）、ボウタイフィルタ（bow-tie filter））は、所定のターゲット角度や所定の厚みとなるようにアルミニウムを加工したフィルタである。

コリメータ２７は、ウェッジ２６を透過したＸ線の照射範囲を絞り込むための鉛板等であり、複数の鉛板等の組み合わせによってスリットを形成する。なお、コリメータ２７は、Ｘ線絞りと呼ばれる場合もある。

ＤＡＳ２８は、例えば、撮影データを生成可能な回路素子を搭載したＡＳＩＣ（Application Specific Integrated Circuit）により実現される。ＤＡＳ２８とＸ線検出器２２とは検出器ユニットを構成する。

ＤＡＳ２８は、Ｘ線検出器２２がフォトンカウンティング型検出器である場合、Ｘ線検出器２２により検出されたＸ線のカウントを示すデジタルデータ（以下、スペクトルデータともいう）を、複数のエネルギー帯域（以下、エネルギー・ビン、または単にビンともいう）ごとに生成する。スペクトルデータは、生成元の検出素子のチャンネル番号、列番号、収集されたビュー（投影角度ともいう）を示すビュー番号およびエネルギー・ビン番号により識別されたカウント値のデータのセットである。スペクトルデータは、コンソール装置４０へと転送される。

一方、Ｘ線検出器２２が積分型検出器である場合、ＤＡＳ２８は、Ｘ線検出器２２から電気信号を読み出し、読み出した電気信号に基づいて、Ｘ線検出器２２により検出されたＸ線の線量に関するデジタルデータである投影データを生成する。投影データは、生成元のＸ線検出素子のチャンネル番号、列番号、投影角度を示すビュー番号および検出されたＸ線の線量の積分値を示すデータのセットである。

例えば、Ｘ線検出器２２が積分型検出器である場合、ＤＡＳ２８は、検出素子各々について前置増幅器、可変増幅器、積分回路およびＡ／Ｄ変換器を含む。前置増幅器は、接続元の検出素子からの電気信号を所定のゲインで増幅する。可変増幅器は、前置増幅器からの電気信号を可変のゲインで増幅する。積分回路は、前置増幅器からの電気信号を、１ビュー期間に亘り積分して積分信号を生成する。積分信号の波高値は、１ビュー期間に亘り接続元の検出素子により検出されたＸ線の線量値に対応する。Ａ／Ｄ変換器は、積分回路からの積分信号をアナログデジタル変換して投影データを生成する。以下、スペクトルデータと投影データとを区別しない場合、撮影データと呼ぶ。

寝台装置３００は、スキャン対象の被検体Ｐを載置、移動させる装置であり、基台３１０と、寝台駆動装置３２０と、天板３３０と、支持フレーム３４０とを備えている。
基台３１０は、支持フレーム３４０を鉛直方向に移動可能に支持する筐体である。
寝台駆動装置３２０は、被検体Ｐが載置された天板３３０を天板３３０の長軸方向に移動するモータまたはアクチュエータである。寝台駆動装置３２０は、コンソール装置４０による制御、または制御装置２５による制御に従い、天板３３０を移動する。例えば、寝台駆動装置３２０は、天板３３０に載置された被検体Ｐの体軸が回転フレーム２３の開口の中心軸に一致するよう、天板３３０を被検体Ｐに対して直交方向に移動する。また、寝台駆動装置３２０は、架台装置２０を用いて実行されるＸ線ＣＴ撮影に応じて、天板３３０を被検体Ｐの体軸方向に沿って移動してもよい。寝台駆動装置３２０は、制御装置２５からの駆動信号のデューティ比等に応じた回転速度で駆動することにより動力を発生する。寝台駆動装置３２０は、例えば、ダイレクトドライブモータやサーボモータ等のモータにより実現される。

支持フレーム３４０の上面に設けられた天板３３０は、被検体Ｐが載置される板である。なお、寝台駆動装置３２０は、天板３３０に加え、支持フレーム３４０を天板３３０の長軸方向に移動してもよい。

コンソール装置４０は、メモリ１１と、ディスプレイ４０１と、入力インタフェース１５と、処理回路１３とを有する。メモリ１１と、ディスプレイ４０１と、入力インタフェース１５と、処理回路１３との間のデータ通信は、バス（BUS）を介して行なわれる。なお、コンソール装置４０は架台装置２０とは別体として説明するが、架台装置２０にコンソール装置４０またはコンソール装置４０の各構成要素の一部が含まれてもよい。

メモリ１１は、第１の実施形態と同様であり、種々の情報を記憶するＨＤＤやＳＳＤ、集積回路記憶装置等の記憶装置である。メモリ１１は、例えば、撮影データや再構成画像データを記憶する。

ディスプレイ４０１は、各種の情報を表示する。例えば、ディスプレイ４０１は、処理回路１３によって生成された医用画像（ＣＴ画像）や、操作者からの各種操作を受け付けるためのＧＵＩ（Graphical User Interface）等を出力する。例えば、ディスプレイ４０１としては、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro Luminescence Display）、プラズマディスプレイまたは他の任意のディスプレイが、適宜、使用可能となっている。また、ディスプレイ４０１は、架台装置２０に設けられてもよい。また、ディスプレイ４０１は、デスクトップ型でもよいし、コンソール装置４０本体と無線通信可能なタブレット端末などで構成されても構わない。

入力インタフェース１５は、第１の実施形態と同様であり、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路１３に出力する。例えば、入力インタフェース１５は、撮影データを収集する際の収集条件や、ＣＴ画像を再構成する際の再構成条件、ＣＴ画像から後処理画像を生成する際の画像処理条件等を操作者から受け付ける。

処理回路１３は、入力インタフェース１５から出力される入力操作の電気信号に応じてＸ線ＣＴ装置２全体の動作を制御する。例えば、処理回路１３は、ハードウェア資源として、ＣＰＵやＭＰＵ、ＧＰＵ等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路１３は、メモリに展開されたプログラムを実行するプロセッサにより、取得機能１３１、画像処理機能１３３、抽出機能１３５、表示制御機能１３７およびシステム制御機能１３９を実行する。なお、取得機能１３１、画像処理機能１３３、抽出機能１３５および表示制御機能１３７は、第１の実施形態に係る医用画像処理装置１と同様の処理を行う。

システム制御機能１３９は、入力インタフェース１５を介して操作者から受け付けた入力操作に基づいて、処理回路１３の各機能を制御する。具体的には、システム制御機能１３９は、メモリ１１に記憶されている制御プログラムを読み出して処理回路１３内のメモリ上に展開し、展開された制御プログラムに従ってＸ線ＣＴ装置２の各部を制御する。例えば、処理回路１３は、入力インタフェース１５を介して操作者から受け付けた入力操作に基づいて、処理回路１３の各機能を制御し、スキャン範囲、撮影条件等を決定するための被検体Ｐの位置決めスキャン（スキャノ撮影ともいう）、および本スキャンを実行する。
なお、コンソール装置４０は、単一のコンソールにて複数の機能を実行するものとして説明したが、複数の機能を別々のコンソールが実行することにしても構わない。
以上に示した第４の実施形態によれば、医用画像診断装置が第１の実施形態に係る医用画像処理装置と同様の構成を含むことで、当該医用画像診断装置が撮影した医用画像に基づいて変換画像を生成し、変換画像から特徴部位を抽出できる。これにより、医用画像からより多くの情報を取得できる。

なお、上述した実施形態に係る各機能は、当該処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに当該手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ、Ｂｌｕ−ｒａｙ（登録商標）ディスクなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。

上述した実施形態の少なくとも１つの実施形態によれば、医用画像からより多くの情報を取得できる。

いくつかの実施形態を説明したが、これらの実施形態は、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同様に、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ものである。

１ 医用画像処理装置
１１ メモリ
１３ 処理回路
１５ 入力インタフェース
１７ 通信インタフェース
１９ 開口
２０ 架台装置
２１ Ｘ線管
２２ Ｘ線検出器
２３ 回転フレーム
２４ Ｘ線高電圧装置
２５ 制御装置
２６ ウェッジ
２７ コリメータ
２８ データ収集装置
３１，６１，８１ ＣＴ画像
３２，６３ 推定ＭＲ画像
３３，３４，６４，６５，６６ 解剖学的特徴部位
３５ 表示画像
４０ コンソール装置
４１ 非造影画像
４２ 推定造影画像
４５，６７ 表示画像
６２ 超音波画像
８２ 参照画像
８３ ガイド画像
８４ メッセージ
８５ ボタン
１３１ 取得機能
１３３ 画像処理機能
１３５ 抽出機能
１３７ 表示制御機能
１３９ システム制御機能
３００ 寝台装置
３１０ 基台
３２０ 寝台駆動装置
３３０ 天板
３４０ 支持フレーム
４０１ ディスプレイ

Claims (11)

1. 元画像を取得する取得部と、
   前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理部と、
   前記元画像および前記変換画像から特徴部位を抽出する抽出部と、
   を具備する医用画像処理装置。
2. 前記特徴部位に関する情報を前記元画像および前記変換画像の少なくとも一方に表示する表示制御部をさらに具備する、請求項１に記載の医用画像処理装置。
3. 前記表示制御部は、前記特徴部位に関する情報を前記元画像および前記変換画像の少なくとも一方に重畳表示する、請求項２に記載の医用画像処理装置。
4. 前記抽出部は、前記特徴部位として解剖学的特徴部位および病変部位の少なくとも一方を抽出する、請求項３に記載の医用画像処理装置。
5. 前記元画像は、第１の医用画像診断装置を用いて被検体を撮影して得られた画像であり、
   前記変換画像は、前記第１の医用画像診断装置とは異なる第２の医用画像診断装置を用いて前記被検体を撮影した場合を想定した推定画像である、請求項１から請求項４のいずれか１項に記載の医用画像処理装置。
6. 前記元画像は、第１の撮影条件で撮影された画像であり、
   前記変換画像は、前記第１の撮影条件とは異なる第２の撮影条件で撮影された場合を想定した推定画像である、請求項１から請求項４のいずれか１項に記載の医用画像処理装置。
7. 前記元画像は、非造影画像であり、
   前記変換画像は、造影画像を想定した推定画像である、請求項６に記載の医用画像処理装置。
8. 前記取得部は、前記元画像に対して画像位置合わせを行う対象となる対象画像をさらに取得し、
   前記表示制御部は、前記変換画像から抽出された特徴部位を手がかりとして、前記元画像と前記対象画像との画像位置合わせを行なう、請求項２から請求項４のいずれか１項に記載の医用画像処理装置。
9. 前記表示制御部は、前記変換画像を次の検査において取得すべき参照画像として表示し、前記元画像上に前記参照画像を取得可能な位置を含む撮影条件を示すガイド画像を表示する、請求項２から請求項４のいずれか１項に記載の医用画像処理装置。
10. 元画像を撮影する撮影部と、
    前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理部と、
    前記元画像および前記変換画像から特徴部位を抽出する抽出部と、
    を具備する医用画像診断装置。
11. コンピュータに、
    元画像を取得する取得機能と、
    前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理機能と、
    前記元画像および前記変換画像から特徴部位を抽出する抽出機能と、
    を実現させるための医用画像処理プログラム。

Images