JP2021149145A - 画像処理プログラム、画像処理装置、及び画像処理方法 - Google Patents

画像処理プログラム、画像処理装置、及び画像処理方法 Download PDF

Info

Publication number
JP2021149145A
JP2021149145A JP2020045198A JP2020045198A JP2021149145A JP 2021149145 A JP2021149145 A JP 2021149145A JP 2020045198 A JP2020045198 A JP 2020045198A JP 2020045198 A JP2020045198 A JP 2020045198A JP 2021149145 A JP2021149145 A JP 2021149145A
Authority
JP
Japan
Prior art keywords
image
lung field
pixel
value
image processing
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.)
Withdrawn
Application number
JP2020045198A
Other languages
English (en)
Inventor
康貴 森脇
Yasutaka Moriwaki
康貴 森脇
浩明 武部
Hiroaki Takebe
浩明 武部
信浩 宮▲崎▼
Nobuhiro Miyazaki
信浩 宮▲崎▼
孝之 馬場
Takayuki Baba
孝之 馬場
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2020045198A priority Critical patent/JP2021149145A/ja
Priority to EP21153276.7A priority patent/EP3882819A1/en
Priority to US17/166,819 priority patent/US11925492B2/en
Publication of JP2021149145A publication Critical patent/JP2021149145A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

【課題】体の画像に含まれる複数の部位を区別する。【解決手段】コンピュータは、体の画像の所定方向における画素列から、体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、複数の連続する画素それぞれの画素値の統計値を求める。コンピュータは、統計値に基づいて、第１部位又は第２部位のうち、複数の連続する画素に対応する部位を特定する。【選択図】図４

Description

本発明は、画像処理に関する。
コンピュータ断層撮影（Computed Tomography，ＣＴ）画像を用いて症例を診断する画像診断では、びまん性肺疾患等のように、病変が広い範囲にわたって複数の領域に分布する症例の診断が難しいと言われている。医師は、そのような症例を診断する際に、過去に確定診断が行われた類似症例を参考にして、病名の候補を絞り込んでいる。
しかし、過去の類似症例を検索する作業は時間がかかり、医師にとって大きな負担となっている。そこで、過去の症例から類似する症例のＣＴ画像を自動的に検索し、検索結果を提示することで、医師の診断業務を支援する類似症例画像検索技術が提案されている（例えば、特許文献１及び非特許文献１を参照）。ＣＴ画像の画素値は、ＣＴ値と呼ばれることもある。
この類似症例画像検索技術では、医用画像より抽出された臓器領域が複数の領域に分割され、複数の領域それぞれの病変を示す画素の個数が計数される。そして、領域毎の病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像が特定される。
ＣＴ画像に関連して、実質臓器と管腔臓器の分類も知られている（例えば、非特許文献２を参照）。各臓器のＣＴ値も知られている（例えば、非特許文献３を参照）。医用ボリュームデータからレンダリングにより３次元投影画像を生成する診断画像生成装置、及びロスト肺野領域も含めた肺野領域全体をＣＴ画像から抽出する肺野領域抽出方法も知られている（例えば、特許文献２及び特許文献３を参照）。
特開２０１８−１５１７９１号公報 特開２０１６−１８２４５４号公報 特開２００８−２５３２９３号公報
"ＣＴ検査におけるＡＩを活用した類似症例検索技術を開発"、［online］、２０１７年６月２３日、株式会社富士通研究所プレスリリース、［令和２年１月８日検索］、インターネット＜ＵＲＬ：http://pr.fujitsu.com/jp/news/2017/06/23.html＞ "臓器"、［online］、健康用語ＷＥＢ事典、［令和２年２月２６日検索］、インターネット＜ＵＲＬ：https://health.joyplot.com/HealthWordsWiki/?%E8%87%93%E5%99%A8＞ "２０１４年放射線科専門医問題＆解答解説［基礎１−５］"、［online］、２０１５年１月２９日、画像診断まとめ、［令和２年２月２６日検索］、インターネット＜ＵＲＬ：https://xn--o1qq22cjlllou16giuj.jp/archives/21373＞
上述した従来の類似症例画像検索技術によれば、肺野の複数のスライス各々のＣＴ画像から特徴量を抽出し、抽出された特徴量を組み合わせた結果を病変の立体的な分布として定量化することで、分布が類似する症例を検索することができる。このとき、肺野の大きさの個人差を考慮するため、肺野の上端及び下端の位置が計算され、上端から下端までの複数のＣＴ画像の中から抽出された所定枚数のＣＴ画像について、特徴量抽出が行われる。
このため、肺野の上端及び下端の計算結果が本来の正しい位置から大きくずれている場合、病変の立体的な分布を正確に計算することが困難になる。したがって、肺野の上端及び下端の計算精度は、肺野の病変の立体的な分布の計算精度に大きな影響を与える。
例えば、身体の複数のスライスのＣＴ画像から、肺野の断面形状を示すコロナル画像を生成することで、肺野の上端及び下端の位置を計算することができる。しかしながら、ＣＴ画像内に、肺野領域と肺野以外の臓器の領域とが混在している場合、正確な肺野の断面形状を示すコロナル画像を生成することは困難である。この場合、ＣＴ画像から肺野領域のみを抽出してコロナル画像を生成することが望ましい。
なお、かかる問題は、肺野の断面形状を示すコロナル画像を生成する場合に限らず、ＣＴ画像内に複数の異なる身体部位が混在している場合において生ずるものである。また、かかる問題は、人体のＣＴ画像に限らず、人間又は動物の体の部位を含む様々な画像において生ずるものである。
１つの側面において、本発明は、体の画像に含まれる複数の部位を区別することを目的とする。
１つの案では、画像処理プログラムは、以下の処理をコンピュータに実行させる。
コンピュータは、体の画像の所定方向における画素列から、体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、複数の連続する画素それぞれの画素値の統計値を求める。コンピュータは、統計値に基づいて、第１部位又は第２部位のうち、複数の連続する画素に対応する部位を特定する。
１つの側面によれば、体の画像に含まれる複数の部位を区別することができる。
正確なコロナル画像を生成できるＣＴ画像を示す図である。 正確なコロナル画像を生成することが困難なＣＴ画像を示す図である。 画像処理装置の機能的構成図である。 画像処理のフローチャートである。 画像処理装置の具体例を示す機能的構成図である。 画像処理を示す図である。 処理対象ＣＴ画像を示す図である。 学習モードの画像処理のフローチャートである。 運用モードの画像処理のフローチャートである。 コロナル画像生成処理のフローチャートである。 画素値計算処理のフローチャートである。 情報処理装置のハードウェア構成図である。
以下、図面を参照しながら、実施形態を詳細に説明する。
肺野のスライスのＣＴ画像には、肺野領域以外に、胃、大腸等の肺野以外の臓器の空洞部分に対応する領域が存在することがある。非特許文献２に記載されているように、肺野は、働きを持った細胞が密に結合してできる実質臓器であり、胃及び大腸は、摂取した食物等の物質を通すために管状になった管腔臓器である。
非特許文献３に記載されているように、ＣＴ値は、Ｘ線が人体を通過するときに減弱する割合を表し、空気のＣＴ値は、−１０００ＨＵと定められている。胃、大腸等の管腔臓器の中身は空洞（空気）であるため、管腔臓器のＣＴ値は、ほぼ−１０００ＨＵとなる。一方、肺野は実質臓器であり、中身が完全に空洞ではないため、肺野のＣＴ値は、−１０００ＨＵよりも大きな値となる。骨、筋肉、血管、脂肪等の他の部位のＣＴ値は、肺野のＣＴ値よりもさらに大きな値となる。
肺野のスライスのＣＴ画像において、身体の左右方向の座標をｘ座標とし、身体の前後方向の座標をｙ座標とする。ＣＴ画像が次の条件ａ及び条件ｂのいずれも満たさない場合、又はＣＴ画像が条件ａのみを満たす場合、肺野のＣＴ値の特徴を利用して、複数のスライスそれぞれのＣＴ画像から、正確な肺野のコロナル画像を生成することができる。
条件ａ：ＣＴ画像内に肺野領域と管腔臓器の空洞部分に対応する領域Ｗとが存在し、かつ、領域Ｗのｘ座標の範囲が肺野領域のｘ座標の範囲と重なっている。
条件ｂ：上肺野から下肺野へ向かってＣＴ画像を順番に選択していくと、肺野領域が含まれなくなったＣＴ画像内にも、領域Ｗが連続して含まれている。
図１は、正確なコロナル画像を生成できるＣＴ画像の例を示している。図１（ａ）は、条件ａ及び条件ｂのいずれも満たさないＣＴ画像１０１の例を示している。ｘ座標は、身体の左右方向の座標を表し、ｙ座標は、身体の前後方向の座標を表す。円形領域１０２は、ＣＴ画像を生成するＣＴ装置のＦＯＶ（Field of View）を表す。円形領域１０２内のｙ軸に平行な破線は、同じｘ座標を有する複数の画素を表す。
下肺野のスライスのＣＴ画像１０１内には、左肺の肺野領域１１１及び右肺の肺野領域１１２が含まれており、管腔臓器の空洞部分の領域は含まれていない。この場合、コンピュータは、破線が示すｘ軸上の各位置において、同じｘ座標を有する複数の画素のＣＴ値の最小値１０３を求め、コロナル画像の平面上の対応する位置に最小値１０３をプロットする。管腔臓器の空洞部分の領域が含まれていないため、肺野領域１１１又は肺野領域１１２のｘ座標の範囲において、最小値１０３は、肺野領域１１１又は肺野領域１１２のＣＴ値を表す。
コンピュータは、複数のスライスそれぞれのＣＴ画像について、同様の処理を繰り返すことで、左肺の肺野領域１２１及び右肺の肺野領域１２２を含む、コロナル画像を生成する。そして、コンピュータは、コロナル画像を解析することで、肺野の下端１２３の位置を計算する。
図１（ｂ）は、条件ａを満たし、かつ、条件ｂを満たさないＣＴ画像１３１の例を示している。下肺野のスライスのＣＴ画像１３１内には、左肺の肺野領域１４１及び右肺の肺野領域１４２に加えて、管腔臓器の空洞部分の領域１４３が含まれており、領域１４３のｘ座標の範囲が肺野領域１４２のｘ座標の範囲と重なっている。しかし、上肺野から下肺野へ向かってＣＴ画像を順番に選択していくと、肺野領域が含まれなくなったＣＴ画像内には、管腔臓器の空洞部分の領域も含まれない。
この場合、コンピュータは、図１（ａ）の場合と同様の処理を繰り返すことで、左肺の肺野領域１５１及び右肺の肺野領域１５２を含む、コロナル画像を生成する。領域１４３のｘ座標の範囲において、ＣＴ値の最小値は、肺野領域１４２ではなく、領域１４３のＣＴ値を表す。しかし、領域１４３のＣＴ値は肺野領域１４２のＣＴ値と類似しているため、コロナル画像に含まれる肺野領域１５２の形状に大きな影響を及ぼすことはない。そして、コンピュータは、コロナル画像を解析することで、肺野の下端１５３の位置を計算する。
図２は、条件ａ及び条件ｂの両方を満たすため、正確なコロナル画像を生成することが困難なＣＴ画像の例を示している。図２（ａ）は、肺野領域と管腔臓器の空洞部分に対応する領域とを含むＣＴ画像２０１の例を示している。下肺野のスライスのＣＴ画像２０１内には、左肺の肺野領域２１１及び右肺の肺野領域２１２に加えて、管腔臓器の空洞部分の領域２１３が含まれており、領域２１３のｘ座標の範囲が肺野領域２１２のｘ座標の範囲と重なっている。この場合、領域２１３のｘ座標の範囲において、ＣＴ値の最小値は、肺野領域２１２ではなく、領域２１３のＣＴ値を表す。
図２（ｂ）は、管腔臓器の空洞部分に対応する領域を含み、かつ、肺野領域を含まないＣＴ画像２３１の例を示している。ＣＴ画像２３１は、ＣＴ画像２０１よりもさらに下部のスライスのＣＴ画像である。ＣＴ画像２３１内には、管腔臓器の空洞部分の領域２４１が含まれており、肺野領域は含まれていない。この場合、領域２４１のｘ座標の範囲において、ＣＴ値の最小値は、領域２４１のＣＴ値を表す。
コンピュータは、図１（ａ）及び図１（ｂ）の場合と同様の処理を繰り返すことで、左肺の肺野領域２２１及び右肺の肺野領域２２２を含む、コロナル画像を生成する。しかし、上肺野から下肺野へ向かってＣＴ画像を順番に選択していくと、肺野領域が含まれなくなったＣＴ画像２３１内にも、管腔臓器の空洞部分の領域２４１が連続して含まれている。このため、肺野領域２２２の形状には、管腔臓器の形状に対応する凸部２２３が含まれており、コロナル画像から計算される肺野の下端２２４の位置は、実際の下端よりも低くなる。
図３は、実施形態の画像処理装置の機能的構成例を示している。図３の画像処理装置３０１は、記憶部３１１及び特定部３１２を含む。記憶部３１１は、体の画像３２１を記憶する。特定部３１２は、画像３２１に対する画像処理を行う。
図４は、図３の画像処理装置３０１が行う画像処理の例を示すフローチャートである。まず、特定部３１２は、画像３２１の所定方向における画素列から、体の第１部位又は第２部位に対応する複数の連続する画素を抽出し（ステップ４０１）、複数の連続する画素それぞれの画素値の統計値を求める（ステップ４０２）。そして、特定部３１２は、統計値に基づいて、第１部位又は第２部位のうち、複数の連続する画素に対応する部位を特定する（ステップ４０３）。
図３の画像処理装置３０１によれば、体の画像に含まれる複数の部位を区別することができる。
図５は、図３の画像処理装置３０１の具体例を示している。図５の画像処理装置５０１は、記憶部５１１、取得部５１２、特定部５１３、生成部５１４、学習部５１５、及び決定部５１６を含む。記憶部５１１及び特定部５１３は、図３の記憶部３１１及び特定部３１２にそれぞれ対応する。
ＣＴ装置５０２は、医療機関に設置され、患者のＣＴ画像を撮影する。画像処理装置５０１とＣＴ装置５０２は、通信ネットワークを介して互いに通信することができる。
図６は、図５の画像処理装置５０１が行う画像処理の例を示している。画像処理装置５０１は、学習モード及び運用モードの２種類の動作モードを有する。学習モードにおいて、画像処理装置５０１は、例えば、以下の手順で、コロナル画像から肺野領域を抽出する抽出モデル５２４を生成する。
Ｐ１：取得部５１２は、ＣＴ装置５０２から複数の患者それぞれの学習用ＣＴ画像５２１を取得して、記憶部５１１に格納する。学習用ＣＴ画像５２１は、肺野を含む身体のスライスのＣＴ画像であり、患者毎に、複数のスライスに対応する複数の学習用ＣＴ画像５２１が取得される。特定部５１３は、各学習用ＣＴ画像５２１内の肺野に対応する肺野領域を特定する。生成部５１４は、各患者の複数の学習用ＣＴ画像５２１それぞれの肺野領域から、肺野の断面形状を示す学習用コロナル画像５２２を生成して、記憶部５１１に格納する。
Ｐ２：ユーザは、各患者の学習用コロナル画像５２２に対して、肺野領域を示すアノテーション６０１を付加する。
Ｐ３：生成部５１４は、学習用コロナル画像５２２に付加されたアノテーション６０１に基づいて、学習用コロナル画像５２２内の肺野領域を示す正解領域情報５２３を生成し、記憶部５１１に格納する。
Ｐ４：学習部５１５は、複数の患者の学習用コロナル画像５２２及び正解領域情報５２３を学習モデルに学習させることで、学習済みモデルである抽出モデル５２４を生成して、記憶部５１１に格納する。
運用モードにおいて、画像処理装置５０１は、例えば、以下の手順で、肺野の上端及び下端を決定する。
Ｐ１１：取得部５１２は、ＣＴ装置５０２から診断対象の患者の複数のＣＴ画像５２５を取得して、記憶部５１１に格納する。ＣＴ画像５２５は、図３の画像３２１の一例である。特定部５１３は、各ＣＴ画像５２５内の肺野領域を特定し、生成部５１４は、複数のＣＴ画像５２５それぞれの肺野領域から、肺野のコロナル画像５２６を生成して、記憶部５１１に格納する。
Ｐ１２：決定部５１６は、抽出モデル５２４を用いて、コロナル画像５２６から肺野領域を抽出し、抽出された肺野領域を示す領域情報５２７を生成して、記憶部５１１に格納する。
Ｐ１３：決定部５１６は、領域情報５２７が示す肺野領域の画像を解析することで、肺野の上端６１１及び下端６１２を決定し、上端６１１及び下端６１２を示す位置情報５２８を生成して、記憶部５１１に格納する。
次に、手順Ｐ１１においてＣＴ画像５２５内の肺野領域を特定する処理について説明する。手順Ｐ１において学習用ＣＴ画像５２１内の肺野領域を特定する処理についても、手順Ｐ１１と同様である。
特定部５１３は、肺野領域のＣＴ値と、管腔臓器の空洞部分に対応する領域ＷのＣＴ値との違いを利用して、肺野領域と領域Ｗとを区別する。肺野は、第１部位の一例であり、管腔臓器は、第２部位の一例である。非特許文献３の記載等から、次のような医学的知見が得られる。
肺野領域のＣＴ値：約−１０００ＨＵ〜約−５００ＨＵ
領域ＷのＣＴ値：約−１０００ＨＵ
軟組織、骨等のＣＴ値：約１００ＨＵ〜約１０００ＨＵ
上記の医学的知見によれば、肺野領域のＣＴ値は領域ＷのＣＴ値よりも大きくなることが想定される。しかし、個別の画素のＣＴ値を比較した場合、たまたま肺野領域のＣＴ値が領域ＷのＣＴ値よりも小さくなる可能性もある。そこで、特定部５１３は、判定対象の領域に含まれる複数の画素のＣＴ値の統計値を求め、統計値に基づいて、判定対象の領域が肺野領域又は領域Ｗのいずれであるかを特定する。
手順Ｐ１１において、画像処理装置５０１は、例えば、以下の手順で、ＣＴ画像５２５内の肺野領域を特定し、複数のＣＴ画像５２５それぞれの肺野領域から、肺野のコロナル画像５２６を生成する。
Ｐ２１：特定部５１３は、ＣＴ画像５２５に対する二値化処理を行って、各領域の輪郭を抽出する。二値化処理の閾値Ｔ１としては、例えば、−１００ＨＵ〜０ＨＵの範囲のＣＴ値が用いられる。特定部５１３は、内部面積が最大の領域以外の領域に属する画素のＣＴ値を、所定値に変換することで、処理対象ＣＴ画像を生成する。所定値としては、例えば、閾値Ｔ１以上のＣＴ値が用いられる。
図７は、処理対象ＣＴ画像の例を示している。変換前のＣＴ画像７０１には、左肺の肺野領域７１１、右肺の肺野領域７１２、及び管腔臓器の空洞部分の領域７１２が含まれている。ＣＴ画像７０１に対する二値化処理により、肺野領域７１１、肺野領域７１２、及び領域７１３の輪郭に加えて、それらの領域を含む身体領域７０２の輪郭も抽出される。身体領域７０２は、内部面積が最大の領域に対応するため、身体領域７０２の外側の領域に属する画素のＣＴ値が所定値に変換されて、処理対象ＣＴ画像７０３が生成される。
Ｐ２２：特定部５１３は、処理対象ＣＴ画像の１つのｘ座標を選択し、選択されたｘ座標の位置において、ｙ軸に平行な直線の方向における画素列を特定する。ｙ軸に平行な直線の方向は、所定方向の一例である。
Ｐ２３：特定部５１３は、特定された画素列から、肺野領域又は領域Ｗに対応する部分画素列を抽出する。特定部５１３は、例えば、画素列に含まれる各画素のＣＴ値を閾値Ｔ２と比較する。そして、特定部５１３は、閾値Ｔ２以下のＣＴ値を有し、かつ、連続している複数の画素を、肺野領域又は領域Ｗに対応する部分画素列として抽出する。
閾値Ｔ２は、上記の医学的知見に基づいて決定してもよく、実際のＣＴ画像のＣＴ値に対する統計処理によって決定してもよい。統計処理を用いる場合、肺野領域、領域Ｗ、及びその他の部位のＣＴ値を収集することで、収集されたＣＴ値の分布から、肺野領域及び領域ＷのＣＴ値のグループと、その他の部位のＣＴ値のグループとを分離する、閾値Ｔ２を決定することができる。閾値Ｔ２としては、例えば、−５００ＨＵ〜１００ＨＵの範囲のＣＴ値が用いられる。閾値Ｔ２は、第２閾値の一例である。
このような閾値Ｔ２を用いることで、肺野領域又は領域Ｗに対応する部分画素列を精度良く抽出することができる。
Ｐ２４：特定部５１３は、抽出された部分画素列毎に、部分画素列に含まれる複数の画素それぞれのＣＴ値の統計値Ｖを求める。統計値Ｖとしては、平均値、中央値、最頻値等を用いることができる。
Ｐ２５：特定部５１３は、統計値Ｖを閾値Ｔ３と比較する。閾値Ｔ３は、閾値Ｔ２よりも小さなＣＴ値である。特定部５１３は、統計値Ｖが閾値Ｔ３よりも大きい場合、部分画素列が肺野領域に対応すると判定し、統計値Ｖが閾値Ｔ３以下である場合、部分画素列が領域Ｗに対応すると判定する。そして、特定部５１３は、肺野領域に対応すると判定された部分画素列を、肺野領域の一部として特定する。
閾値Ｔ３は、上記の医学的知見に基づいて決定してもよく、実際のＣＴ画像のＣＴ値に対する統計処理によって決定してもよい。統計処理を用いる場合、肺野領域及び領域ＷのＣＴ値を収集することで、収集されたＣＴ値の分布から、肺野領域のＣＴ値のグループと、領域ＷのＣＴ値のグループとを分離する、閾値Ｔ３を決定することができる。閾値Ｔ３としては、例えば、−１０００ＨＵ〜−９００ＨＵの範囲のＣＴ値が用いられる。閾値Ｔ３は、第１閾値の一例である。
部分画素列のＣＴ値の統計値Ｖを閾値Ｔ３と比較することで、部分画素列が肺野領域又は領域Ｗのいずれに対応するかを、精度良く判定することができる。
Ｐ２６：生成部５１４は、画素列から肺野領域に対応する１つ以上の部分画素列が抽出された場合、それらの部分画素列を選択し、選択された部分画素列に含まれる複数の画素それぞれのＣＴ値の最小値を求める。そして、生成部５１４は、コロナル画像５２６の平面において、ＣＴ画像５２５のスライスと画素列のｘ座標とに対応する位置に、最小値をプロットする。
Ｐ２７：画像処理装置５０１は、手順Ｐ２２〜手順Ｐ２６の処理を、処理対象ＣＴ画像のすべてのｘ座標について繰り返す。
Ｐ２８：画像処理装置５０１は、手順Ｐ２１〜手順Ｐ２７の処理を、診断対象の患者のすべてのスライスに対応するＣＴ画像５２５について繰り返す。これにより、診断対象の患者のコロナル画像５２６が生成される。
このような画像処理によれば、ＣＴ画像５２５内の肺野領域の画素と領域Ｗの画素とが区別され、肺野領域のＣＴ値のみを用いてコロナル画像５２６が生成される。これにより、領域ＷのＣＴ値が計算上無視されるため、領域Ｗの影響を排除して正確なコロナル画像５２６を生成することができる。さらに、正確なコロナル画像５２６を用いることで、肺野の上端及び下端の正確な位置を求めることが可能になる。
なお、ＣＴ画像５２５内の肺野領域と領域Ｗとを区別するだけでよく、コロナル画像５２６を生成する必要がない場合は、手順Ｐ２２において、ＣＴ画像５２５内の任意の方向を所定方向として用いることができる。この場合、所定方向は、ｘ軸に平行な方向であってもよく、ｘ軸と所定の角度で交差する方向であってもよい。
図８は、図５の画像処理装置５０１が行う学習モードの画像処理の例を示すフローチャートである。まず、画像処理装置５０１は、ｑ人（ｑは２以上の整数）の患者のいずれかを示す制御変数ｒに０を設定する。そして、取得部５１２は、ＣＴ装置５０２から、ｒ番目の患者のｎ枚（ｎは２以上の整数）の学習用ＣＴ画像５２１を取得する（ステップ８０１）。
次に、画像処理装置５０１は、ｎ枚の学習用ＣＴ画像５２１それぞれの肺野領域から、肺野の学習用コロナル画像５２２を生成する（ステップ８０２）。そして、ユーザは、学習用コロナル画像５２２にアノテーションを付加し、生成部５１４は、付加されたアノテーションに基づいて、学習用コロナル画像５２２内の肺野領域を示す正解領域情報５２３を生成する（ステップ８０３）。
次に、画像処理装置５０１は、ｒを１だけインクリメントし（ステップ８０４）、ｒ＜ｑである場合、ステップ８０１〜ステップ８０４の処理を繰り返す。
ステップ８０４においてｒがｑに達した場合、学習部５１５は、０番目〜ｑ−１番目の患者の学習用コロナル画像５２２及び正解領域情報５２３を学習モデルに学習させることで、抽出モデル５２４を生成する（ステップ８０５）。
図９は、図５の画像処理装置５０１が行う運用モードの画像処理の例を示すフローチャートである。まず、取得部５１２は、ＣＴ装置５０２から、診断対象の患者のｎ枚のＣＴ画像５２５を取得する（ステップ９０１）。そして、画像処理装置５０１は、ｎ枚のＣＴ画像５２５それぞれの肺野領域から、肺野のコロナル画像５２６を生成する（ステップ９０２）。
次に、決定部５１６は、抽出モデル５２４を用いて、コロナル画像５２６から肺野領域を抽出し、抽出された肺野領域を示す領域情報５２７を生成する（ステップ９０３）。そして、決定部５１６は、領域情報５２７を用いて肺野の上端及び下端を決定し、上端及び下端を示す位置情報５２８を生成する（ステップ９０４）。
図１０は、図９のステップ９０２におけるコロナル画像生成処理の例を示すフローチャートである。図８のステップ８０２におけるコロナル画像生成処理についても、図１０のコロナル画像生成処理と同様である。
まず、画像処理装置５０１は、ｎ枚のＣＴ画像５２５のいずれかを示す制御変数ｉに０を設定する。そして、特定部５１３は、ｉ番目のＣＴ画像５２５を選択し（ステップ１００１）、選択されたＣＴ画像５２５に対する二値化処理を行って、ｉ番目の処理対象ＣＴ画像を生成する（ステップ１００２）。
処理対象ＣＴ画像内の画素の位置（ｘ，ｙ）は、ｘｍａｘ個（ｘｍａｘは２以上の整数）のｘ座標と、ｙｍａｘ個（ｙｍａｘは２以上の整数）のｙ座標とを用いて、記述される。この場合、ｘｍａｘは処理対象ＣＴ画像の幅を表し、ｙｍａｘは処理対象ＣＴ画像の高さを表す。
一方、コロナル画像５２６内の画素の位置（ｘ，ｙ）は、ｘｍａｘ個のｘ座標とｎ個のｙ座標とを用いて記述される。コロナル画像５２６のｘ座標としては、処理対象ＣＴ画像と同じｘ座標が用いられる。コロナル画像５２６のｙ座標は、ｎ枚のＣＴ画像５２５のいずれかのスライスに対応する。この場合、ｘｍａｘはコロナル画像５２６の幅を表し、ｎはコロナル画像５２６の高さを表す。
次に、画像処理装置５０１は、コロナル画像５２６のｘ座標を示す制御変数ｊに０を設定する。そして、生成部５１４は、コロナル画像５２６内の位置（ｊ，ｉ）における画素の画素値ｐ［ｊ］［ｉ］を求め、コロナル画像５２６の平面上にｐ［ｊ］［ｉ］をプロットする（ステップ１００３）。
次に、画像処理装置５０１は、ｊを１だけインクリメントし（ステップ１００４）、ｊ＜ｘｍａｘである場合、ステップ１００３及びステップ１００４の処理を繰り返す。ステップ１００４においてｊがｘｍａｘに達した場合、画像処理装置５０１は、ｉを１だけインクリメントする（ステップ１００５）。ｉ＜ｎである場合、画像処理装置５０１は、ステップ１００１〜ステップ１００５の処理を繰り返す。ステップ１００５においてｉがｎに達した場合、画像処理装置５０１は、処理を終了する。
図１１は、図１０のステップ１００３における画素値計算処理の例を示すフローチャートである。図１１の画素値計算処理では、配列ｂｕｆ及び配列ｎｕｍが用いられる。配列ｂｕｆは、肺野領域又は領域Ｗに対応する１つの部分画素列のＣＴ値を格納する可変長配列である。配列ｎｕｍは、肺野領域に対応する１つ又は複数の部分画素列のＣＴ値を格納する可変長配列である。配列ｂｕｆ及び配列ｎｕｍの長さの初期値は０である。
まず、特定部５１３は、処理対象ＣＴ画像のｙ座標を示す制御変数ｋに０を設定し、処理対象ＣＴ画像内の位置（ｊ，ｋ）における画素のＣＴ値ｃ［ｊ］［ｋ］を、閾値Ｔ２と比較する（ステップ１１０１）。
ｃ［ｊ］［ｋ］＞Ｔ２である場合（ステップ１１０１，ＹＥＳ）、特定部５１３は、配列ｂｕｆの長さｌｅｎｇｔｈ（ｂｕｆ）をチェックする（ステップ１１０２）。ｌｅｎｇｔｈ（ｂｕｆ）＝０である場合（ステップ１１０２，ＹＥＳ）、特定部５１３は、ｋを１だけインクリメントし（ステップ１１０３）、ｋ＜ｙｍａｘである場合、ステップ１１０１以降の処理を繰り返す。
ｃ［ｊ］［ｋ］≦Ｔ２である場合（ステップ１１０１，ＮＯ）、特定部５１３は、ｃ［ｊ］［ｋ］を配列ｂｕｆに追加する（ステップ１１０４）。これにより、肺野領域又は領域Ｗに対応する画素のＣＴ値が配列ｂｕｆに追加され、ｌｅｎｇｔｈ（ｂｕｆ）が１だけインクリメントされる。そして、特定部５１３は、ステップ１１０３以降の処理を行う。
ｌｅｎｇｔｈ（ｂｕｆ）＞０である場合（ステップ１１０２，ＮＯ）、特定部５１３は、配列ｂｕｆに含まれる１つ以上のＣＴ値の統計値Ｖを求め、統計値Ｖを閾値Ｔ３と比較する（ステップ１１０５）。Ｖ＞Ｔ３である場合（ステップ１１０５，ＹＥＳ）、特定部５１３は、配列ｂｕｆに含まれる１つ以上のＣＴ値を配列ｎｕｍに追加する（ステップ１１０６）。これにより、肺野領域に対応する部分画素列のＣＴ値が配列ｎｕｍに追加される。
次に、特定部５１３は、配列ｂｕｆを初期化する（ステップ１１０７）。これにより、ｌｅｎｇｔｈ（ｂｕｆ）＝０となる。そして、特定部５１３は、ステップ１１０３以降の処理を行う。Ｖ≦Ｔ３である場合（ステップ１１０５，ＮＯ）、特定部５１３は、ステップ１１０６の処理をスキップして、ステップ１１０７以降の処理を行う。これにより、領域Ｗに対応する部分画素列のＣＴ値が無視される。
ステップ１１０３においてｋがｙｍａｘに達した場合、生成部５１４は、配列ｎｕｍに含まれる１つ以上のＣＴ値の最小値を求めて、ｐ［ｊ］［ｉ］に設定する（ステップ１１０８）。なお、配列ｎｕｍにＣＴ値が格納されていない場合、生成部５１４は、閾値Ｔ２以上の所定値をｐ［ｊ］［ｉ］に設定する。
画像処理装置５０１は、図１０のコロナル画像生成処理を用いて、肺野のコロナル画像５２６の代わりに、管腔臓器のコロナル画像を生成することもできる。管腔臓器のコロナル画像を生成する場合、図１１のステップ１１０５における判定条件“Ｖ＞Ｔ３？”が、“Ｖ＜Ｔ３？”に変更される。
したがって、特定部５１３は、Ｖ＜Ｔ３である場合、配列ｂｕｆに含まれる１つ以上のＣＴ値を配列ｎｕｍに追加し（ステップ１１０６）、Ｖ≧Ｔ３である場合、ステップ１１０６の処理をスキップする。これにより、領域Ｗに対応する１つ又は複数の部分画素列のＣＴ値が、配列ｎｕｍに格納される。
画像処理装置５０１は、ＣＴ画像以外の医用画像に対して同様の画像処理を行うことで、医用画像内の領域に対応する部位を特定することもできる。ＣＴ画像以外の医用画像としては、ＭＲＩ（Magnetic Resonance Imaging）画像、超音波画像等が用いられる。
図３の画像処理装置３０１及び図５の画像処理装置５０１の構成は一例に過ぎず、画像処理装置の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。例えば、図５の画像処理装置５０１において、学習用ＣＴ画像５２１及びＣＴ画像５２５が事前に記憶部５１１に格納されている場合は、取得部５１２を省略することができる。別の画像処理装置により抽出モデル５２４が生成され、記憶部５１１に格納されている場合は、学習部５１５を省略することができる。肺野の上端及び下端を決定する必要がない場合は、決定部５１６を省略することができる。
図４及び図８〜図１１のフローチャートは一例に過ぎず、画像処理装置の構成又は条件に応じて一部の処理を省略又は変更してもよい。例えば、図８の画像処理において、学習用ＣＴ画像５２１が事前に記憶部５１１に格納されている場合は、ステップ８０１の処理を省略することができる。別の画像処理装置により抽出モデル５２４が生成され、記憶部５１１に格納されている場合は、図８の画像処理を省略することができる。
図９の画像処理において、ＣＴ画像５２５が事前に記憶部５１１に格納されている場合は、ステップ９０１の処理を省略することができる。抽出モデル５２４を用いずに、コロナル画像５２６から肺野の上端及び下端を決定する場合は、ステップ９０３の処理を省略することができる。肺野の上端及び下端を決定する必要がない場合は、ステップ９０３及びステップ９０４の処理を省略することができる。
図１、図２、及び図７に示したＣＴ画像は一例に過ぎず、ＣＴ画像は、患者及び身体部位に応じて変化する。図１、図２、及び図６に示したコロナル画像は一例に過ぎず、コロナル画像は、ＣＴ画像に応じて変化する。
図１２は、図３の画像処理装置３０１及び図５の画像処理装置５０１として用いられる情報処理装置（コンピュータ）のハードウェア構成例を示している。図１２の情報処理装置は、ＣＰＵ（Central Processing Unit）１２０１、メモリ１２０２、入力装置１２０３、出力装置１２０４、補助記憶装置１２０５、媒体駆動装置１２０６、及びネットワーク接続装置１２０７を含む。これらの構成要素はハードウェアであり、バス１２０８により互いに接続されている。図５のＣＴ装置５０２は、ネットワーク接続装置１２０７に接続されていてもよい。
メモリ１２０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリであり、処理に用いられるプログラム及びデータを格納する。メモリ１２０２は、図３の記憶部３１１又は図５の記憶部５１１として用いることができる。
ＣＰＵ１２０１（プロセッサ）は、例えば、メモリ１２０２を利用してプログラムを実行することにより、図３の特定部３１２として動作する。ＣＰＵ１２０１は、メモリ１２０２を利用してプログラムを実行することにより、図５の取得部５１２、特定部５１３、生成部５１４、学習部５１５、及び決定部５１６としても動作する。
入力装置１２０３は、例えば、キーボード、ポインティングデバイス等であり、オペレータ又はユーザからの指示又は情報の入力に用いられる。出力装置１２０４は、例えば、表示装置、プリンタ、スピーカ等であり、オペレータ又はユーザへの問い合わせ又は指示、及び処理結果の出力に用いられる。処理結果は、領域情報５２７又は位置情報５２８であってもよい。
補助記憶装置１２０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置１２０５は、ハードディスクドライブ又はフラッシュメモリであってもよい。情報処理装置は、補助記憶装置１２０５にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。補助記憶装置１２０５は、図３の記憶部３１１又は図５の記憶部５１１として用いることができる。
媒体駆動装置１２０６は、可搬型記録媒体１２０９を駆動し、その記録内容にアクセスする。可搬型記録媒体１２０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体１２０９は、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＵＳＢ（Universal Serial Bus）メモリ等であってもよい。オペレータ又はユーザは、この可搬型記録媒体１２０９にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。
このように、処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ１２０２、補助記憶装置１２０５、又は可搬型記録媒体１２０９のような、物理的な（非一時的な）記録媒体である。
ネットワーク接続装置１２０７は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等の通信ネットワークに接続され、通信に伴うデータ変換を行う通信インタフェース回路である。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置１２０７を介して受信し、それらをメモリ１２０２にロードして使用することができる。
情報処理装置は、ネットワーク接続装置１２０７を介して、ユーザ端末からＣＴ画像５２５及び処理要求を受信し、領域情報５２７又は位置情報５２８をユーザ端末へ送信することもできる。
なお、情報処理装置が図１２のすべての構成要素を含む必要はなく、用途又は条件に応じて一部の構成要素を省略することも可能である。例えば、情報処理装置がユーザ端末から処理要求を受信する場合は、入力装置１２０３及び出力装置１２０４を省略してもよい。可搬型記録媒体１２０９又は通信ネットワークを使用しない場合は、媒体駆動装置１２０６又はネットワーク接続装置１２０７を省略してもよい。
開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。
図１乃至図１２を参照しながら説明した実施形態に関し、さらに以下の付記を開示する。
（付記１）
体の画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、
前記複数の連続する画素それぞれの画素値の統計値を求め、
前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する、
処理をコンピュータに実行させるための画像処理プログラム。
（付記２）
前記複数の連続する画素に対応する部位を特定する処理は、前記統計値と第１閾値とを比較した結果に基づいて、前記複数の連続する画素に対応する部位を特定する処理を含むことを特徴とする付記１記載の画像処理プログラム。
（付記３）
前記複数の連続する画素を抽出する処理は、前記所定方向における画素列に含まれる複数の画素それぞれの画素値と、第２閾値とを比較した結果に基づいて、前記複数の連続する画素を抽出する処理を含むことを特徴とする付記１又は２記載の画像処理プログラム。
（付記４）
前記第１部位は肺野であり、
前記第２部位は前記肺野以外の部位であり、
前記画像処理プログラムは、
前記体の複数のスライス各々のコンピュータ断層撮影画像を、前記体の画像として用い、前記コンピュータ断層撮影画像内の複数の画素列各々を、前記所定方向における画素列として用いて、前記複数の連続する画素に対応する部位を特定することで、前記複数の画素列のうち、前記肺野に対応する画素を含む画素列の位置を特定し、
前記複数のスライス各々のコンピュータ断層撮影画像において特定された、前記肺野に対応する画素を含む画素列の位置に基づいて、前記肺野のコロナル画像を生成し、
前記コロナル画像を用いて、前記肺野の上端及び下端を決定する、
処理を前記コンピュータにさらに実行させることを特徴とする付記１乃至３のいずれか１項に記載の画像処理プログラム。
（付記５）
体の画像を記憶する記憶部と、
前記画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、前記複数の連続する画素それぞれの画素値の統計値を求め、前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する特定部と、
を備えることを特徴とする画像処理装置。
（付記６）
前記特定部は、前記統計値と第１閾値とを比較した結果に基づいて、前記複数の連続する画素に対応する部位を特定することを特徴とする付記５記載の画像処理装置。
（付記７）
前記特定部は、前記所定方向における画素列に含まれる複数の画素それぞれの画素値と、第２閾値とを比較した結果に基づいて、前記複数の連続する画素を抽出することを特徴とする付記５又は６記載の画像処理装置。
（付記８）
前記第１部位は肺野であり、
前記第２部位は前記肺野以外の部位であり、
前記特定部は、前記体の複数のスライス各々のコンピュータ断層撮影画像を、前記体の画像として用い、前記コンピュータ断層撮影画像内の複数の画素列各々を、前記所定方向における画素列として用いて、前記複数の連続する画素に対応する部位を特定することで、前記複数の画素列のうち、前記肺野に対応する画素を含む画素列の位置を特定し、
前記画像処理装置は、
前記複数のスライス各々のコンピュータ断層撮影画像において特定された、前記肺野に対応する画素を含む画素列の位置に基づいて、前記肺野のコロナル画像を生成する生成部と、
前記コロナル画像を用いて、前記肺野の上端及び下端を決定する決定部と、
をさらに備えることを特徴とする付記６乃至７のいずれか１項に記載の画像処理装置。
（付記９）
体の画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、
前記複数の連続する画素それぞれの画素値の統計値を求め、
前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する、
処理をコンピュータが実行することを特徴とする画像処理方法。
（付記１０）
前記複数の連続する画素に対応する部位を特定する処理は、前記統計値と第１閾値とを比較した結果に基づいて、前記複数の連続する画素に対応する部位を特定する処理を含むことを特徴とする付記９記載の画像処理方法。
（付記１１）
前記複数の連続する画素を抽出する処理は、前記所定方向における画素列に含まれる複数の画素それぞれの画素値と、第２閾値とを比較した結果に基づいて、前記複数の連続する画素を抽出する処理を含むことを特徴とする付記９又は１０記載の画像処理方法。
（付記１２）
前記第１部位は肺野であり、
前記第２部位は前記肺野以外の部位であり、
前記コンピュータは、
前記体の複数のスライス各々のコンピュータ断層撮影画像を、前記体の画像として用い、前記コンピュータ断層撮影画像内の複数の画素列各々を、前記所定方向における画素列として用いて、前記複数の連続する画素に対応する部位を特定することで、前記複数の画素列のうち、前記肺野に対応する画素を含む画素列の位置を特定し、
前記複数のスライス各々のコンピュータ断層撮影画像において特定された、前記肺野に対応する画素を含む画素列の位置に基づいて、前記肺野のコロナル画像を生成し、
前記コロナル画像を用いて、前記肺野の上端及び下端を決定する、
処理をさらに実行することを特徴とする付記９乃至１１のいずれか１項に記載の画像処理方法。
１０１、１３１、２０１、２３１、５２５、７０１ ＣＴ画像
１０２ 円形領域
１０３ 最小値
１１１、１１２、１２１、１２２、１４１、１４２、１５１、１５２、２１１、２１２、２２１、２２２、７１１、７１２ 肺野領域
１２３、１５３、２２４、６１２ 下端
１４３、２１３、２４１、７１３ 領域
２２３ 凸部
３０１、５０１ 画像処理装置
３１１、５１１ 記憶部
３１２、５１３ 特定部
３２１ 画像
５０２ ＣＴ装置
５１２ 取得部
５１４ 生成部
５１５ 学習部
５１６ 決定部
５２１ 学習用ＣＴ画像
５２２ 学習用コロナル画像
５２３ 正解領域情報
５２４ 抽出モデル
５２６ コロナル画像
５２７ 領域情報
５２８ 位置情報
６０１ アノテーション
６１１ 上端
７０２ 身体領域
７０３ 処理対象ＣＴ画像
１２０１ ＣＰＵ
１２０２ メモリ
１２０３ 入力装置
１２０４ 出力装置
１２０５ 補助記憶装置
１２０６ 媒体駆動装置
１２０７ ネットワーク接続装置
１２０８ バス
１２０９ 可搬型記録媒体

Claims (6)

  1. 体の画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、
    前記複数の連続する画素それぞれの画素値の統計値を求め、
    前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する、
    処理をコンピュータに実行させるための画像処理プログラム。
  2. 前記複数の連続する画素に対応する部位を特定する処理は、前記統計値と第１閾値とを比較した結果に基づいて、前記複数の連続する画素に対応する部位を特定する処理を含むことを特徴とする請求項１記載の画像処理プログラム。
  3. 前記複数の連続する画素を抽出する処理は、前記所定方向における画素列に含まれる複数の画素それぞれの画素値と、第２閾値とを比較した結果に基づいて、前記複数の連続する画素を抽出する処理を含むことを特徴とする請求項１又は２記載の画像処理プログラム。
  4. 前記第１部位は肺野であり、
    前記第２部位は前記肺野以外の部位であり、
    前記画像処理プログラムは、
    前記体の複数のスライス各々のコンピュータ断層撮影画像を、前記体の画像として用い、前記コンピュータ断層撮影画像内の複数の画素列各々を、前記所定方向における画素列として用いて、前記複数の連続する画素に対応する部位を特定することで、前記複数の画素列のうち、前記肺野に対応する画素を含む画素列の位置を特定し、
    前記複数のスライス各々のコンピュータ断層撮影画像において特定された、前記肺野に対応する画素を含む画素列の位置に基づいて、前記肺野のコロナル画像を生成し、
    前記コロナル画像を用いて、前記肺野の上端及び下端を決定する、
    処理を前記コンピュータにさらに実行させることを特徴とする請求項１乃至３のいずれか１項に記載の画像処理プログラム。
  5. 体の画像を記憶する記憶部と、
    前記画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、前記複数の連続する画素それぞれの画素値の統計値を求め、前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する特定部と、
    を備えることを特徴とする画像処理装置。
  6. 体の画像の所定方向における画素列から、前記体の第１部位又は第２部位に対応する複数の連続する画素を抽出し、
    前記複数の連続する画素それぞれの画素値の統計値を求め、
    前記統計値に基づいて、前記第１部位又は前記第２部位のうち、前記複数の連続する画素に対応する部位を特定する、
    処理をコンピュータが実行することを特徴とする画像処理方法。
JP2020045198A 2020-03-16 2020-03-16 画像処理プログラム、画像処理装置、及び画像処理方法 Withdrawn JP2021149145A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020045198A JP2021149145A (ja) 2020-03-16 2020-03-16 画像処理プログラム、画像処理装置、及び画像処理方法
EP21153276.7A EP3882819A1 (en) 2020-03-16 2021-01-25 Image processing program, image processing apparatus, and image processing method
US17/166,819 US11925492B2 (en) 2020-03-16 2021-02-03 Image processing apparatus and image processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020045198A JP2021149145A (ja) 2020-03-16 2020-03-16 画像処理プログラム、画像処理装置、及び画像処理方法

Publications (1)

Publication Number Publication Date
JP2021149145A true JP2021149145A (ja) 2021-09-27

Family

ID=74236069

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020045198A Withdrawn JP2021149145A (ja) 2020-03-16 2020-03-16 画像処理プログラム、画像処理装置、及び画像処理方法

Country Status (3)

Country Link
US (1) US11925492B2 (ja)
EP (1) EP3882819A1 (ja)
JP (1) JP2021149145A (ja)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08320923A (ja) * 1995-05-26 1996-12-03 Toshiba Medical Eng Co Ltd 異常陰影自動検出システム
US7379572B2 (en) * 2001-10-16 2008-05-27 University Of Chicago Method for computer-aided detection of three-dimensional lesions
JP2008253293A (ja) 2007-03-30 2008-10-23 Fujifilm Corp Ｃｔ画像からの肺野領域抽出方法
JP5976293B2 (ja) * 2010-10-08 2016-08-23 東芝メディカルシステムズ株式会社 画像処理装置及び画像処理方法
JP5990834B2 (ja) 2014-03-28 2016-09-14 株式会社日立製作所 診断画像生成装置および診断画像生成方法
JP6204544B2 (ja) 2016-07-26 2017-09-27 株式会社日立製作所 診断画像生成装置
JP6855850B2 (ja) 2017-03-10 2021-04-07 富士通株式会社 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
US10685258B2 (en) * 2018-06-15 2020-06-16 Shimadzu Corporation Image processing apparatus, program, and radiographic imaging apparatus
US10621728B2 (en) * 2018-06-26 2020-04-14 Sony Corporation Internal organ localization in computed tomography (CT) images
JP7185477B2 (ja) * 2018-10-12 2022-12-07 株式会社Pfu 画像処理装置、制御方法及び制御プログラム

Also Published As

Publication number Publication date
US20210287369A1 (en) 2021-09-16
EP3882819A1 (en) 2021-09-22
US11925492B2 (en) 2024-03-12

Similar Documents

Publication Publication Date Title
JP6947759B2 (ja) 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法
JP6542004B2 (ja) 医用画像処理装置、および医用画像処理システム
US8380013B2 (en) Case image search apparatus, method and computer-readable recording medium
JP6490985B2 (ja) 医用画像処理装置および医用画像処理システム
JP5222082B2 (ja) 情報処理装置およびその制御方法、データ処理システム
JP4800129B2 (ja) 医用画像表示処理装置、及び、医用画像表示処理プログラム
US20070237380A1 (en) Three-dimensional medical image display device equipped with pre-processing system implementing clinical protocol
US11501439B2 (en) Diagnosis support apparatus and X-ray CT apparatus
Valanarasu et al. Learning to segment brain anatomy from 2D ultrasound with less data
JP6301277B2 (ja) 診断補助画像生成装置および診断補助画像生成方法、並びに、診断補助画像生成プログラム
JP2024009342A (ja) 文書作成支援装置、方法およびプログラム
JP6258084B2 (ja) 医用画像表示装置、医用画像表示システムおよび医用画像表示プログラム
JP4651271B2 (ja) コンピュータ援用患者診断決定支援システム
JP2021149145A (ja) 画像処理プログラム、画像処理装置、及び画像処理方法
WO2021187483A1 (ja) 文書作成支援装置、方法およびプログラム
JP7270453B2 (ja) 画像処理装置、画像処理方法およびプログラム
JP2004174220A (ja) 画像処理装置、画像処理方法、及び当該画像処理方法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
JP2019107453A (ja) 画像処理装置及び画像処理方法
Kolárik et al. Detecting the Absence of Lung Sliding in Ultrasound Videos Using 3D Convolutional Neural Networks
Geng et al. Exploring Structural Information for Semantic Segmentation of Ultrasound Images
US20220084206A1 (en) Information processing apparatus, information processing method, and non-transitory storage medium
Yasarla et al. Learning to segment brain anatomy from 2d ultrasound with less data
JP7252366B2 (ja) 物体検出装置、物体検出方法およびプログラム
US20230368880A1 (en) Learning apparatus, learning method, trained model, and program
KR102132564B1 (ko) 진단 장치 및 진단 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221208

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20231030

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231030