JP2023178525A - 画像処理装置、方法およびプログラム - Google Patents

Abstract

【課題】画像処理装置、方法およびプログラムにおいて、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させる。【解決手段】プロセッサは、医用画像から病変を含む対象臓器を抽出することにより対象臓器画像を導出し、複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、導出された対象臓器画像とを位置合わせすることによって、標準臓器画像における病変の位置を特定し、標準臓器画像において特定された病変の位置に基づいて、対象臓器を模式的に表したシェーマにおける病変の位置を特定する。【選択図】図３

Description

本開示は、画像処理装置、方法およびプログラムに関する。

近年、ＣＴ(Computed Tomography)装置およびＭＲＩ（Magnetic Resonance Imaging）装置等の医療機器の進歩により、より質の高い高解像度の医用画像を用いての画像診断が可能となってきている。とくに、ＣＴ画像およびＭＲＩ画像等を用いた画像診断により、病変の領域を精度よく特定することができるため、特定した結果に基づいて適切な治療が行われるようになってきている。また、機械学習がなされた学習済みモデルを用いたＣＡＤ（Computer-Aided Diagnosis）により医用画像を解析して、医用画像に含まれる病変を検出することも行われている。

また、医用画像の解析結果を客観的に示すために、解析結果を予め用意してあるシェーマに表示することがある。シェーマとは、人体の構造を模式的に示した模式図である。例えば、医用画像を解析した結果、肺の右上葉に病変が検出された場合、肺を模式的に示したシェーマにおいて、右上葉の領域に異常があることをハイライトして表示することが行われる。しかしながら、このような表示方法は、シェーマにより右上葉に異常所見があることは分かるが、右上葉のどこに病変があるかまでは読み取ることはできない。

このため、ＣＴ装置等により取得された３次元画像において病変を特定し、予め作成された仮想患者画像と３次元画像とを位置合わせし、仮想患者画像において病変の位置を特定し、病変位置が特定された仮想患者画像を表示する手法が提案されている（特許文献１参照）。特許文献１における仮想患者画像は、年齢、成人、子供、性別、体重、身長等の患者の体格に応じて、実際にＸ線で撮影した画像として予め生成される。

特開２０１７－２０４０４１号公報

しかしながら、特許文献１に記載された手法においては、仮想患者画像は標準的な体格を有する人体について、実際にＸ線で撮影した画像として生成されている。このため、仮想患者画像は、実際の患者をＸ線で撮影することにより生成されたものではなく、シェーマと同様に、人体の構造が模式的に表されている。このようなシェーマのような模式的な画像と撮影により取得した医用画像との位置合わせを精度よく行うことは難しい。このため、特許文献１に記載された手法を用いた場合、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させることは困難である。

本開示は上記事情に鑑みなされたものであり、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させることができるようにすることを目的とする。

本開示による画像処理装置は、少なくとも１つのプロセッサを備え、
プロセッサは、
医用画像から病変を含む対象臓器を抽出することにより病変を含む対象臓器画像を導出し、
複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、導出された対象臓器画像とを位置合わせすることによって、標準臓器画像における病変の位置を特定し、
標準臓器画像において特定された病変の位置に基づいて、対象臓器を模式的に表したシェーマにおける病変の位置を特定する。

なお、本開示による画像処理装置においては、標準臓器画像は、複数の対象臓器画像のサイズ、形状および濃度を正規化することにより導出されてなるものであってもよい。

また、本開示による画像処理装置においては、医用画像および標準臓器画像は３次元画像であり、
シェーマは２次元画像であってもよい。

また、本開示による画像処理装置においては、プロセッサは、標準臓器画像を２次元に投影することにより病変の位置が特定された２次元標準臓器画像を導出し、
２次元標準臓器画像における病変の位置に基づいて、シェーマにおける病変の位置を特定するものであってもよい。

また、本開示による画像処理装置においては、プロセッサは、２次元標準臓器画像の重心と２次元標準臓器画像における病変の位置との位置関係を導出し、
シェーマの重心に対して位置関係を反映させることにより、シェーマにおける病変の位置を特定するものであってもよい。

また、本開示による画像処理装置においては、標準臓器画像が複数の解剖学的領域に分割され、シェーマが標準臓器画像に対応する複数の解剖学的領域に分割されてなる場合、
プロセッサは、２次元標準臓器画像において、病変の位置が含まれる解剖学的領域の重心と解剖学的領域における病変の位置との位置関係を導出し、
病変の位置が含まれる解剖学的領域に対応するシェーマの解剖学的領域の重心に対して位置関係を反映させることにより、シェーマにおける病変の位置を特定するものであってもよい。

また、本開示による画像処理装置においては、プロセッサは、病変の位置が特定されたシェーマを表示するものであってもよい。

また、本開示による画像処理装置においては、プロセッサは、医用画像を解析することにより病変を検出するものであってもよい。

本開示による画像処理方法は、医用画像から病変を含む対象臓器を抽出することにより病変を含む対象臓器画像を導出し、
複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、導出された対象臓器画像とを位置合わせすることによって、標準臓器画像における病変の位置を特定し、
標準臓器画像において特定された病変の位置に基づいて、対象臓器を模式的に表したシェーマにおける病変の位置を特定する。

なお、本開示による画像処理方法をコンピュータに実行させるためのプログラムとして提供してもよい。

本開示によれば、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させることができる。

本開示の実施形態による画像処理装置を適用した医療情報システムの概略構成を示す図 本実施形態による画像処理装置の概略構成を示す図 本実施形態による画像処理装置の機能構成図 肺画像を示す図 病変の検出結果を示す図 標準肺画像を示す図 病変の位置が特定された標準肺画像を示す図 シェーマを示す図 ２次元標準肺画像を示す図 ２次元標準肺画像の左肺上葉における重心と病変の位置との関係を説明するための図 シェーマの左肺上葉の重心に基づく病変の位置の特定を説明するための図 シェーマの表示画面を示す図 本実施形態において行われる処理を示すフローチャート ２次元標準肺画像の重心と病変の位置との関係を説明するための図 シェーマの重心に基づく病変の位置の特定を説明するための図

以下、図面を参照して本開示の実施形態について説明する。まず、本実施形態による画像処理装置を適用した医療情報システムの構成について説明する。図１は、医療情報システムの概略構成を示す図である。図１に示す医療情報システムは、本実施形態による画像処理装置を内包するコンピュータ１、撮影装置２および画像保管サーバ３が、ネットワーク４を経由して通信可能な状態で接続されている。

コンピュータ１は、本実施形態による画像処理装置を内包するものであり、本実施形態による画像処理プログラムがインストールされている。コンピュータ１は、医用画像の読影または医用画像を用いての診断を行う医師が直接操作するワークステーションあるいはパーソナルコンピュータでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。画像処理プログラムは、ネットワークに接続されたサーバコンピュータの記憶装置、あるいはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて医師が使用するコンピュータ１にダウンロードされ、インストールされる。または、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータ１にインストールされる。

撮影装置２は、被検体の診断対象となる部位を撮影することにより、その部位を表す３次元画像を生成する装置であり、具体的には、ＣＴ装置、ＭＲＩ装置、およびＰＥＴ（Positron Emission Tomography）装置等である。この撮影装置２により生成された、複数のスライス画像からなる３次元画像は画像保管サーバ３に送信され、保存される。なお、本実施形態においては、ＣＴ装置により被検体の胸部を撮影することにより取得した、胸部の３次元画像を医用画像として用いるものとする。

画像保管サーバ３は、各種データを保存して管理するコンピュータであり、大容量外部記憶装置およびデータベース管理用ソフトウェアを備えている。画像保管サーバ３は、有線あるいは無線のネットワーク４を介して他の装置と通信を行い、画像データ等を送受信する。具体的には撮影装置２で生成された３次元画像の画像データを含む各種データをネットワーク経由で取得し、大容量外部記憶装置等の記録媒体に保存して管理する。なお、画像データの格納形式およびネットワーク４経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）等のプロトコルに基づいている。また、画像保管サーバ３には、臓器の標準的な画像である標準臓器画像も保存されている。

次いで、本実施形態による画像処理装置について説明する。図２は、本実施形態による画像処理装置のハードウェア構成を説明する。図２に示すように、画像処理装置２０は、ＣＰＵ（Central Processing Unit）１１、不揮発性のストレージ１３、および一時記憶領域としてのメモリ１６を含む。また、画像処理装置２０は、液晶ディスプレイ等のディスプレイ１４、キーボードとマウス等の入力デバイス１５、およびネットワーク４に接続されるネットワークＩ／Ｆ（InterFace）１７を含む。ＣＰＵ１１、ストレージ１３、ディスプレイ１４、入力デバイス１５、メモリ１６およびネットワークＩ／Ｆ１７は、バス１８に接続される。なお、ＣＰＵ１１がプロセッサの一例である。

ストレージ１３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、およびフラッシュメモリ等によって実現される。記憶媒体としてのストレージ１３には、画像処理プログラム１２が記憶される。ＣＰＵ１１は、ストレージ１３から画像処理プログラム１２を読み出してからメモリ１６に展開し、展開した画像処理プログラム１２を実行する。

次いで、本実施形態による画像処理装置の機能的な構成を説明する。図３は、本実施形態による画像処理装置の機能的な構成を示す図である。図３に示すように画像処理装置２０は、情報取得部２１、臓器抽出部２２、解析部２３、位置合わせ部２４、位置特定部２５および表示制御部２６を備える。そして、ＣＰＵ１１が、画像処理プログラム１２を実行することにより、ＣＰＵ１１は、情報取得部２１、臓器抽出部２２、解析部２３、位置合わせ部２４、位置特定部２５および表示制御部２６として機能する。

情報取得部２１は、操作者による入力デバイス１５からの指示により、画像保管サーバ３からネットワークＩ／Ｆ１７を介して３次元画像Ｇ０を取得する。３次元画像Ｇ０は、複数の断層画像Ｄｊ（ｊ＝１～ｎ、ｎは断層画像の数）から構成される。３次元画像Ｇ０は、例えば診断の対象となるような、ユーザである医師が注目する臓器を含む。なお、３次元画像Ｇ０が既にストレージ１３に記憶されている場合には、情報取得部２１は、ストレージ１３から３次元画像Ｇ０を取得するようにしてもよい。本実施形態においては、ユーザが読影する対象臓器は肺であるものとする。また、情報取得部２１は、画像保管サーバ３からネットワークＩ／Ｆ１７を介して標準臓器画像を取得する。標準臓器画像については後述する。

臓器抽出部２２は、３次元画像Ｇ０から対象臓器を抽出することにより対象臓器画像を導出する。本実施形態においては、対象臓器は肺であるため、臓器抽出部２２は、３次元画像Ｇ０から肺を抽出することにより肺画像ＧＬ０を導出する。肺画像ＧＬ０が対象臓器画像の一例である。肺を抽出する手法としては、３次元画像Ｇ０における画素毎の信号値（ＣＴ値）をヒストグラム化し、ヒストグラムをしきい値処理することにより肺の信号値を有する領域を抽出する方法を用いることができる。また、肺を表すシード点に基づく領域拡張法(Region Growing)等、任意の手法を用いることができる。なお、３次元画像Ｇ０から肺を抽出するように機械学習がなされた判別器を用いるようにしてもよい。なお、肺画像ＧＬ０は３次元画像Ｇ０から導出されるため、３次元の画像となる。図４は肺画像の例を示す図である。

解析部２３は、３次元画像Ｇ０を解析することにより、肺に含まれる病変を検出する。解析部２３は、公知のコンピュータ支援画像診断（すなわちＣＡＤ）のアルゴリズムを用いて、３次元画像Ｇ０から複数種類の疾患の陰影を病変として検出する。なお、本実施形態においては、臓器抽出部２２により３次元画像Ｇ０から肺画像ＧＬ０が導出されているため、解析部２３は、肺画像ＧＬ０を解析することにより病変を検出するものであってもよい。なお、疾患の種類としては、肺の疾患である胸水、中皮腫、結節および石灰化等が挙げられる。

病変の検出のために、解析部２３は、３次元画像Ｇ０または肺画像ＧＬ０から複数種類の疾患の陰影を病変として検出するように機械学習がなされた学習モデル２３Ａを有する。学習モデル２３Ａは、疾患の種類に応じて複数用意される。学習モデル２３Ａは、３次元画像Ｇ０または肺画像ＧＬ０における各画素（ボクセル）が、病変を表すものであるか否かを判別するように、教師データを用いてディープラーニング（深層学習）がなされた畳み込みニューラルネットワーク（ＣＮＮ(Convolutional Neural Network)）からなる。

学習モデル２３Ａは、例えば病変を含む教師画像および教師画像における病変の領域を表す正解データからなる教師データ、並びに病変を含まない教師画像からなる教師データを多数用いてＣＮＮを学習することにより構築される。学習モデル２３Ａは、医用画像における各画素が病変であることを表す確信度（尤度）を導出し、その確信度が予め定められた第１のしきい値以上となる画素からなる領域を病変の領域として検出する。ここで、確信度は０以上１以下の値となる。

なお、学習モデル２３Ａは、３次元画像Ｇ０または肺画像ＧＬ０から病変を検出するものであってもよいが、３次元画像Ｇ０または肺画像ＧＬ０を構成する複数の断層画像のそれぞれから病変を検出するものであってもよい。また、学習モデル２３Ａとしては、畳み込みニューラルネットワークの他、例えばサポートベクタマシン（ＳＶＭ(Support Vector Machine)）等の任意の学習モデルを用いることができる。

図５は病変の検出結果を示す図である。図５に示すように、肺画像ＧＬ０の右肺の上部に矩形３１により囲まれた病変３２が検出されている。

位置合わせ部２４は、標準臓器画像と肺画像ＧＬ０との位置合わせを行う。ここで、標準臓器画像について説明する。なお、本実施形態においては、対象臓器が肺であるため、標準臓器画像は標準肺画像となる。以下、標準肺画像については参照符号としてＳＬ０を用いるものとする。標準肺画像ＳＬ０は、標準肺画像ＳＬ０を導出するために用意された複数の肺画像を正規化することにより導出される。具体的には肺画像のサイズ、形状および濃度を正規化することにより、標準肺画像ＳＬ０が導出される。

サイズの正規化とは、複数の肺画像の平均的なサイズを求めることである。サイズは、人体における肺画像の上下方向のサイズおよび左右方向のサイズを用いることができる。形状の正規化とは、大きさが正規化された肺画像の平均的な形状を求めることである。例えば肺画像における肺領域の重心からの肺表面までの距離の平均値を求めるなどにより、形状を正規化すればよい。また、この際、肺における解剖学的領域の境界も正規化される。ここで、右肺は上葉、中葉および下葉の解剖学的領域に分割され、左肺は上葉および下葉の解剖学的領域に分割される。解剖学的領域の境界は、肺画像における解剖学的領域の重心を求め、重心から解剖学的領域の境界までの距離の平均値を求める等すればよい。濃度の正規化は、複数の肺画像の信号値（ボクセル値）の代表値を求める等により行えばよい。代表値としては、例えば平均値、中央値、最大値および最小値等を用いることができる。

図６は標準肺画像を示す図である。図６に示すように、標準肺画像ＳＬ０においては、右肺上葉４１、右肺中葉４２、右肺下葉４３、左肺上葉４４および左肺下葉４５の解剖学的領域に分割されている。なお、肺のサイズは、年齢、性別、身長および体重等の被検体の体格によって変わる。このため、標準肺画像ＳＬ０は、年齢、性別、身長および体重等の体格に応じたサイズのものが画像保管サーバ３に保存されている。本実施形態においては、情報取得部２１は、入力デバイス１５から入力された被検体の年齢、性別、身長および体重等に基づく体格に応じたサイズの標準肺画像ＳＬ０を画像保管サーバ３から取得するものとする。

位置合わせ部２４は、肺画像ＧＬ０を標準肺画像ＳＬ０に一致させるように、肺画像ＧＬ０と標準肺画像ＳＬ０とを位置合わせする。位置合わせの手法としては、非剛体位置合わせを用いることが好ましいが、剛体位置合わせを用いてもよい。非剛体位置合わせとしては、例えばＢスプラインおよびシンプレートスプライン(Thin Plate Spline)等の関数を用いて、肺画像ＧＬ０における各画素位置を、標準肺画像ＳＬ０における対応する画素位置に非線形に変換することによる手法を用いることができるが、これに限定されるものではない。なお、位置合わせの精度を向上させるために、肺画像ＧＬ０の濃度の分布が標準肺画像ＳＬ０の濃度の分布と一致するように、肺画像ＧＬ０の濃度を変換することが好ましい。

位置合わせ後の肺画像ＧＬ０は、標準肺画像ＳＬ０と同一のサイズおよび形状を有する。また、位置合わせにより、肺画像ＧＬ０に含まれる病変の位置を標準肺画像ＳＬ０において特定することができる。図７は病変の位置が特定された標準肺画像を示す図である。図７に示すように、標準肺画像ＳＬ０の右肺上葉４１に、肺画像ＧＬ０に含まれる病変３２が特定されている。

位置特定部２５は、標準肺画像ＳＬ０において特定された病変の位置に基づいて、対象臓器を模式的に表したシェーマにおける病変の位置を特定する。図８は肺のシェーマを示す図である。図８に示すように、シェーマ５０は肺をイラスト化することにより模式的に示す図であり、右肺は右肺上葉５１、右肺中葉５２および右肺下葉５３の解剖学的領域に分割され、左肺は左肺上葉５４および左肺下葉５５の解剖学的領域に分割されている。

シェーマ５０における病変の位置の特定のために、位置特定部２５は、病変の位置が特定された標準肺画像ＳＬ０を２次元に投影して２次元標準肺画像ＳＬ１を導出する。この場合の投影方向は、シェーマ５０の視線方向と同一方向、すなわち人体を正面から見た場合の奥行き方向である。図９は２次元標準肺画像を示す図である。図９に示すように、２次元標準肺画像ＳＬ１は２次元画像であり、右肺は右肺上葉６１、右肺中葉６２および右肺下葉６３の解剖学的領域に分割され、左肺は左肺上葉６４および左肺下葉６５の解剖学的領域に分割されている。図９に示すように、２次元標準肺画像ＳＬ１の右肺上葉６１に病変３２が含まれている。右肺上葉６１の病変の位置は、３次元の標準肺画像ＳＬ０における右肺上葉５１の病変３２の位置を２次元に投影した位置である。

位置特定部２５は、まずシェーマ５０と２次元標準肺画像ＳＬ１とのサイズを一致させる。例えば、シェーマ５０と２次元標準肺画像ＳＬ１とのｙ方向のみサイズを一致させる、あるいはｘ方向のみサイズを一致させる。この際、位置特定部２５は、シェーマ５０と２次元標準肺画像ＳＬ１とのサイズを一致させるための拡大率αを一時的にメモリ１６に記憶する。

そして、位置特定部２５は、２次元標準肺画像ＳＬ１において、病変３２が含まれる右肺上葉６１の重心ｇ１を導出する。なお、位置特定部２５は、２次元に投影する前の標準肺画像ＳＬ０の右肺上葉５１の重心を導出し、導出した重心を２次元に投影した位置を２次元標準肺画像ＳＬ１の右肺上葉６１における重心の位置としてもよい。

次いで、位置特定部２５は、図１０に示すように、２次元標準肺画像ＳＬ１の右肺上葉６１における重心ｇ１に対する病変３２の位置ｐ１の相対位置を導出する。なお、病変３２の位置ｐ１として病変３２の重心を用いることができる。重心ｇ１に対する病変３２の位置ｐ１の相対位置の座標を（ｘ１，ｙ１）とする。

そして、位置特定部２５は、図１１に示すように、シェーマ５０における右肺上葉５１の重心ｇ２を導出し、位置ｐ１の座標（ｘ１，ｙ１）に拡大率αを乗算し、重心ｇ２を基準とした座標（αｘ１，αｙ１）の位置ｐ２をシェーマ５０における病変の位置に特定する。

表示制御部２６は、病変の位置が特定されたシェーマをディスプレイ１４に表示する。図１２はシェーマの表示画面を示す図である。図１２に示すように表示画面７０は、画像表示領域７１および文字表示領域７２を含む。画像表示領域７１には、３次元画像Ｇ０およびシェーマ５０が表示される。なお、表示される３次元画像Ｇ０は、３次元画像Ｇ０に含まれる断層画像である。ユーザは、入力デバイス１５を用いることにより、表示される断層画像を切り替えることができる。また、シェーマ５０においては右肺上葉５１に病変を表す矩形のマーク７３が付与されることにより、病変の位置が強調されている。なお、矩形のマークに代えて矢印等の他の形状のマークを付与するようにしてもよい。また、シェーマ５０における病変を含む解剖学的領域（図１２においては右肺上葉）の色を他の解剖学的領域の色と異なるものとすることにより、病変を強調するようにしてもよい。また、右肺上葉に病変である結節が含まれることを表すアノテーション７４も画像表示領域７１に表示される。このため、ユーザは、例えば左肺上葉を含む断層画像を画像表示領域７１に表示して、詳細に読影を行うことができる。

文字表示領域７２には、ユーザによる３次元画像Ｇ０の読影結果が所見として入力される。例えば、図１２においては、右肺上葉を読影した結果得られた「右肺上葉に結節が見られます。」の所見が入力されている。ユーザは、確定ボタン７５を選択することにより、入力した所見を含む読影レポートが作成される。作成された読影レポートはネットワークＩ／Ｆ１７から不図示のレポートサーバに送信されて保存される。

次いで、本実施形態において行われる処理について説明する。図１３は本実施形態において行われる処理を示すフローチャートである。なお、標準肺画像ＳＬ０は画像保管サーバ３から取得されて、ストレージ１３に保存されているものとする。まず、情報取得部２１が、３次元画像Ｇ０を取得する（ステップＳＴ１）。次いで、臓器抽出部２２が３次元画像Ｇ０から肺を抽出することにより肺画像ＧＬ０を導出する（ステップＳＴ２）。そして、解析部２３が、３次元画像Ｇ０に含まれる肺における病変を検出する（ステップＳＴ３）。

続いて、位置合わせ部２４が、標準肺画像ＳＬ０と肺画像ＧＬ０とを位置合わせすることにより、標準肺画像ＳＬ０における病変の位置を特定する（ステップＳＴ４）。そして、位置特定部２５が、標準肺画像ＳＬ０において特定された病変の位置に基づいて、シェーマ５０における病変の位置を特定する（ステップＳＴ５）。次いで、表示制御部２６が、病変の位置が特定されたシェーマ５０を表示し（ステップＳＴ６）、処理を終了する。

このように、本実施形態においては、複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と対象臓器画像とを位置合わせすることにより、標準臓器画像における病変に対応する位置を特定し、標準臓器画像において特定された病変に対応する位置に基づいて、対象臓器を模式的に表したシェーマにおける病変に対応する位置を特定するようにした。これにより、対象臓器画像とシェーマとの間に、標準臓器画像を介在させて、段階的に対象臓器画像とシェーマとを位置合わせすることができる。したがって、対象臓器画像とシェーマとを直接位置合わせする場合と比較して、対象臓器画像とシェーマとを正確に位置合わせすることができ、その結果、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させることができる。

とくに、標準臓器画像を複数の対象臓器画像を正規化することにより導出されてなるものとすることにより、標準臓器画像は対象臓器の平均的なサイズ、形状および濃度を有するものとなる。このため、対象臓器画像との位置合わせ、およびシェーマ５０との位置合わせの双方を、精度よく行うことができ、その結果、対象臓器画像とシェーマ５０との位置合わせを精度よく行うことができる。したがって、本実施形態によれば、医用画像に含まれる病変の位置をシェーマにおいて正確に反映させることができる。

また、２次元標準肺画像ＳＬ１の解剖学的領域の重心と病変の位置との対応関係を導出し、導出した対応関係をシェーマ５０における対応する解剖学的領域の重心に反映することによってシェーマ５０における病変の位置を特定することにより、簡易な演算によりシェーマ５０における病変の位置を特定することができる。

なお、上記実施形態においては、シェーマ５０における病変の位置を特定する際に、２次元標準肺画像ＳＬ１とシェーマ５０との対応する解剖学的領域（すなわち右肺上葉）における重心位置の位置関係を用いているが、これに限定されるものではない。右肺上葉に病変が特定された場合、図１４に示すように、２次元標準肺画像ＳＬ１の右肺の重心ｇ１１と２次元標準肺画像ＳＬ１において特定された病変の位置ｐ１（ｘ２，ｙ２）との位置関係を導出し、図１５に示すように、導出した位置関係をシェーマ５０における右肺の重心ｇ１２に対して反映させることにより、シェーマ５０の右肺における病変の位置ｐ２（αｘ２，αｙ２）を特定するようにしてもよい。

また、上記実施形態においては、画像処理装置２０が解析部２３を備え、３次元画像Ｇ０から病変を検出しているが、これに限定されるものではない。画像処理装置２０とネットワーク４を介して接続された別個の装置において、３次元画像Ｇ０から病変を検出するようにしてもよい。また、すでに病変が検出されている３次元画像Ｇ０を画像保管サーバ３から取得し、画像処理装置２０において、病変が検出された３次元画像Ｇ０を用いてシェーマ５０における病変の位置を特定するようにしてもよい。また、３次元画像Ｇ０をディスプレイ１４に表示し、ユーザが３次元画像Ｇ０を読影することにより病変の位置を特定するようにしてもよい。これらの場合、画像処理装置２０においては解析部２３は不用となる。

また、上記実施形態においては、対象臓器を肺としているがこれに限定されるものではない。肺の他に、脳、心臓、肝臓、血管および四肢等の人体の任意の部位を診断対象とすることができる。

また、上記実施形態において、例えば、情報取得部２１、臓器抽出部２２、解析部２３、位置合わせ部２４、位置特定部２５および表示制御部２６といった各種の処理を実行する処理部（Processing Unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（Processor）を用いることができる。上記各種のプロセッサには、上述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device :PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。

１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせまたはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。

複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（Circuitry）を用いることができる。

１ コンピュータ
２ 撮影装置
３ 画像保管サーバ
４ ネットワーク
１１ ＣＰＵ
１２ 画像処理プログラム
１３ ストレージ
１４ ディスプレイ
１５ 入力デバイス
１６ メモリ
１７ ネットワークＩ／Ｆ
１８ バス
２０ 画像処理装置
２１ 情報取得部
２２ 臓器抽出部
２３ 解析部
２３Ａ 学習済みモデル
２４ 位置合わせ部
２５ 位置特定部
２６ 表示制御部
３１ 矩形
３２ 病変
４１、５１、６１ 右肺上葉
４２、５２、６２ 右肺中葉
４３、５３、６３ 右肺下葉
４４、５４、６４ 左肺上葉
４５、５５、６５ 左肺下葉
５０ シェーマ
７０ 表示画面
７１ 画像表示領域
７２ 文字表示領域
７３ マーク
７４ アノテーション
ｇ１，ｇ２，ｇ１１，ｇ１２ 重心
ｐ１，ｐ２ 病変の位置
ＧＬ０ 肺画像
ＳＬ０ 標準肺画像
ＳＬ１ ２次元標準肺画像

Claims (10)

1. 少なくとも１つのプロセッサを備え、
   プロセッサは、
   医用画像から病変を含む対象臓器を抽出することにより前記病変を含む対象臓器画像を導出し、
   複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、前記導出された対象臓器画像とを位置合わせすることによって、前記標準臓器画像における前記病変の位置を特定し、
   前記標準臓器画像において特定された前記病変の位置に基づいて、前記対象臓器を模式的に表したシェーマにおける前記病変の位置を特定する画像処理装置。
2. 前記標準臓器画像は、前記複数の対象臓器画像のサイズ、形状および濃度を正規化することにより導出されてなる請求項１に記載の画像処理装置。
3. 前記医用画像および前記標準臓器画像は３次元画像であり、
   前記シェーマは２次元画像である請求項１または２に記載の画像処理装置。
4. 前記プロセッサは、前記標準臓器画像を２次元に投影することにより前記病変の位置が特定された２次元標準臓器画像を導出し、
   前記２次元標準臓器画像における前記病変の位置に基づいて、前記シェーマにおける前記病変の位置を特定する請求項３項に記載の画像処理装置。
5. 前記プロセッサは、前記２次元標準臓器画像の重心と前記２次元標準臓器画像における前記病変の位置との位置関係を導出し、
   前記シェーマの重心に対して前記位置関係を反映させることにより、前記シェーマにおける前記病変の位置を特定する請求項４に記載の画像処理装置。
6. 前記標準臓器画像が複数の解剖学的領域に分割され、前記シェーマが前記標準臓器画像に対応する複数の解剖学的領域に分割されてなる場合、
   前記プロセッサは、前記２次元標準臓器画像において、前記病変の位置が含まれる解剖学的領域の重心と前記解剖学的領域における前記病変の位置との位置関係を導出し、
   前記病変の位置が含まれる解剖学的領域に対応する前記シェーマの解剖学的領域の重心に対して前記位置関係を反映させることにより、前記シェーマにおける前記病変の位置を特定する請求項４に記載の画像処理装置。
7. 前記プロセッサは、前記病変の位置が特定された前記シェーマを表示する請求項１から６のいずれか１項に記載の画像処理装置。
8. 前記プロセッサは、前記医用画像を解析することにより前記病変を検出する請求項１から７のいずれか１項に記載の画像処理装置。
9. 医用画像から病変を含む対象臓器を抽出することにより前記病変を含む対象臓器画像を導出し、
   複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、前記導出された対象臓器画像とを位置合わせすることによって、前記標準臓器画像における前記病変の位置を特定し、
   前記標準臓器画像において特定された前記病変の位置に基づいて、前記対象臓器を模式的に表したシェーマにおける前記病変の位置を特定する画像処理方法。
10. 医用画像から病変を含む対象臓器を抽出することにより前記病変を含む対象臓器画像を導出する手順と、
    複数の対象臓器画像を正規化することにより予め導出された標準臓器画像と、前記導出された対象臓器画像とを位置合わせすることによって、前記標準臓器画像における前記病変の位置を特定する手順と、
    前記標準臓器画像において特定された前記病変の位置に基づいて、前記対象臓器を模式的に表したシェーマにおける前記病変の位置を特定する手順とをコンピュータに実行させる画像処理プログラム。