JP2024037308A - 医用画像処理装置および医用画像処理方法 - Google Patents

Abstract

【課題】再構成画像に含まれる高吸収体アーチファクトが補正された補正画像のノイズの偏りを低減可能な医用画像処理装置および医用画像処理方法を提供する。【解決手段】高吸収体アーチファクトを補正する演算部を備える医用画像処理装置であって、前記演算部は、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成部と、前記投影データを用いてノイズ画像を生成するノイズ画像生成部と、高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成部を有することを特徴とする。【選択図】図３

Description

本発明は、Ｘ線ＣＴ（Computed Tomography）装置等の医用画像撮影装置によって得られる医用画像を扱う医用画像処理装置および医用画像処理方法に係り、金属のような高吸収体が被検体内に含まれる場合に発生するアーチファクトを補正する技術に関する。

医用画像撮影装置の一例であるＸ線ＣＴ装置は、被検体の周囲からＸ線を照射して複数の投影角度における投影データを取得し、投影データを逆投影することによって、画像診断に用いられる被検体の再構成画像を生成する装置である。金属のような高吸収体、例えば骨の固定に用いられるプレート等が被検体内に含まれると、高吸収体の影響による高吸収体アーチファクトが医用画像に発生し、画像診断の妨げになる。金属アーチファクトを低減する技術は、ＭＡＲ（Metal Artifact Reduction）と呼ばれ、ビーム硬化補正法や線形補間法、ディープラーニング法等の様々な方法がある。

特許文献１には、原画像のハイパスフィルタ画像と金属アーチファクトが低減されたＭＡＲ画像のハイパスフィルタ画像とを金属への近接度に依る重みで加重加算し、さらにＭＡＲ画像のローパスフィルタ画像を加算することで補正画像を得ることが開示される。

米国特許第８８９１８８５号明細書

しかしながら特許文献１では、高吸収体アーチファクトが補正された補正画像のノイズの偏りに対する配慮がなされていない。すなわち、高吸収体の近傍では、高吸収体アーチファクトの補正にともなってノイズが過剰に低減されるため、高吸収体から離れた領域と近傍領域との間でノイズの偏りが生じ、画像診断に支障をきたす。

そこで本発明の目的は、再構成画像に含まれる高吸収体アーチファクトが補正された補正画像のノイズの偏りを低減可能な医用画像処理装置および医用画像処理方法を提供することである。

上記目的を達成するために本発明は、高吸収体アーチファクトを補正する演算部を備える医用画像処理装置であって、前記演算部は、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成部と、前記投影データを用いてノイズ画像を生成するノイズ画像生成部と、高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成部を有することを特徴とする。

また本発明は、高吸収体アーチファクトを補正する医用画像処理方法であって、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成ステップと、前記投影データを用いてノイズ画像を生成するノイズ画像生成ステップと、高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成ステップを備えることを特徴とする。

本発明によれば、再構成画像に含まれる高吸収体アーチファクトが補正された補正画像のノイズの偏りを低減可能な医用画像処理装置および医用画像処理方法を提供することができる。

医用画像処理装置の全体構成図 医用画像撮影装置の一例であるＸ線ＣＴ装置の全体構成図 実施例１の処理の流れの一例を示す図 実施例１のＳ３０１の処理の流れの一例を示す図 実施例１のＳ３０２の処理の流れの一例を示す図 実施例１のＳ３０３の処理の流れの一例を示す図 機械学習処理部の一例を示す図 機械学習処理部の一例を示す図 機械学習処理部の一例を示す図

以下、添付図面に従って本発明に係る医用画像処理装置及び医用画像処理方法の実施例について説明する。なお、以下の説明及び添付図面において、同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略することにする。

図１は医用画像処理装置１のハードウェア構成を示す図である。医用画像処理装置1は、演算部２、メモリ３、記憶装置４、ネットワークアダプタ５がシステムバス６によって信号送受可能に接続されて構成される。また医用画像処理装置１は、ネットワーク９を介して医用画像撮影装置１０や医用画像データベース１１、機械学習処理装置１２と信号送受可能に接続される。さら医用画像処理装置１には、表示装置７と入力装置８が接続される。ここで、「信号送受可能に」とは、電気的、光学的に有線、無線を問わずに、相互にあるいは一方から他方へ信号送受可能な状態を示す。

演算部２は、各構成要素の動作を制御する装置であり、具体的にはＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processor Unit）等である。演算部２は、記憶装置４に格納されるプログラムやプログラム実行に必要なデータをメモリ３にロードして実行し、医用画像に対して様々な画像処理を施す。メモリ３は、演算部２が実行するプログラムや演算処理の途中経過を記憶するものである。記憶装置４は、演算部２が実行するプログラムやプログラム実行に必要なデータを格納する装置であり、具体的にはＨＤＤ(Hard Disk Drive)やＳＳＤ(Solid State Drive)等である。ネットワークアダプタ５は、医用画像処理装置１をＬＡＮ、電話回線、インターネット等のネットワーク９に接続するためのものである。演算部２が扱う各種データはＬＡＮ(Local Area Network)等のネットワーク９を介して医用画像処理装置１の外部と送受信されても良い。

表示装置７は、医用画像処理装置１の処理結果等を表示する装置であり、具体的には液晶ディスプレイ等である。入力装置８は、操作者が医用画像処理装置１に対して操作指示を行う操作デバイスであり、具体的にはキーボードやマウス、タッチパネル等である。マウスはトラックパッドやトラックボール等の他のポインティングデバイスであっても良い。

医用画像撮影装置１０は、例えば被検体の投影データを取得し、投影データから再構成画像を生成するＸ線ＣＴ（Computed Tomography）装置であり、図２を用いて後述される。医用画像データベース１１は、医用画像撮影装置１０によって取得された投影データや再構成画像、再構成画像に画像処理が施された補正画像等を記憶するデータベースシステムである。

機械学習処理装置１２は、再構成画像に含まれる高吸収体アーチファクトを低減することを機械学習して生成され、例えばＣＮＮ（Convolutional Neural Network）を用いて構成される。機械学習処理装置１２の生成には教師画像として、例えば金属のような高吸収体を含まない再構成画像が用いられる。また入力画像には、当該教師画像に高吸収体領域を追加した画像を順投影して高吸収体が含まれる投影データを生成し、当該投影データを逆投影して得た高吸収体アーチファクトを含む再構成画像が用いられる。

ここで、高吸収体とは、典型的には金属や骨、造影剤であり、他の組織(例えば、臓器)よりも相対的にＸ線吸収率が高い物質のことである。以下では金属や骨を例として実施例を説明するが、本発明においては、高吸収体は金属や骨に限らない。例えば、脂肪と筋肉を比べると筋肉の方がＸ線吸収率は高く、金属や骨、造影剤を含まない領域であれば筋肉は高吸収体といえる。つまり、本発明では、ユーザによる選択または閾値抽出等の処理で関心領域を設定した箇所において、Ｘ線吸収率が相対的に高い組織に起因するアーチファクトを低減することができる。

図２を用いて医用画像撮影装置１０の一例であるＸ線ＣＴ装置１００の全体構成を説明する。なお、図２において、横方向をＸ軸、縦方向をＹ軸、紙面に垂直な方向をＺ軸とする。Ｘ線ＣＴ装置１００は、スキャナ２００と操作ユニット２５０を備える。スキャナ２００は、Ｘ線管２１１、検出器２１２、コリメータ２１３、駆動部２１４、中央制御部２１５、Ｘ線制御部２１６、高電圧発生部２１７、スキャナ制御部２１８、寝台制御部２１９、コリメータ制御部２２１、プリアンプ２２２、Ａ/Ｄコンバータ２２３、寝台２４０等を有する。

Ｘ線管２１１は寝台２４０上に載置された被検体２１０にＸ線を照射する装置である。Ｘ線制御部２１６から送信される制御信号に従って高電圧発生部２１７が発生する高電圧がＸ線管２１１に印加されることによりＸ線管２１１から被検体にＸ線が照射される。

コリメータ２１３はＸ線管２１１から照射されるＸ線の照射範囲を制限する装置である。Ｘ線の照射範囲は、コリメータ制御部２２１から送信される制御信号に従って設定される。

検出器２１２は被検体２１０を透過したＸ線を検出することにより透過Ｘ線の空間的な分布を計測する装置である。検出器２１２はＸ線管２１１と対向配置され、Ｘ線管２１１と対向する面内に多数の検出素子が二次元に配列される。検出器２１２で計測された信号はプリアンプ２２２で増幅された後、Ａ／Ｄコンバータ２２３でデジタル信号に変換される。その後、デジタル信号に対して様々な補正処理が行われ、投影データが取得される。

駆動部２１４はスキャナ制御部２１８から送信される制御信号に従って、Ｘ線管２１１と検出器２１２とを被検体２１０の周囲で回転させる。Ｘ線管２１１と検出器２１２の回転とともに、Ｘ線の照射と検出がなされることにより、複数の投影角度からの投影データが取得される。投影角度毎のデータ収集単位はビューと呼ばれる。二次元に配列された検出器２１２の各検出素子の並びは、検出器２１２の回転方向がチャネル、チャネルに直交する方向が列と呼ばれる。投影データはビュー、チャネル、列によって識別される。

寝台制御部２１９は寝台２４０の動作を制御し、Ｘ線の照射と検出がなされる間、寝台２４０を静止させたままにしたり、被検体２１０の体軸方向であるＺ軸方向に等速移動させたりする。寝台２４０を静止させたままのスキャンはアキシャルスキャン、寝台２４０を移動させながらのスキャンはらせんスキャンとそれぞれ呼ばれる。

中央制御部２１５は、以上述べたスキャナ２００の動作を、操作ユニット２５０からの指示に従って制御する。次に操作ユニット２５０について説明する。操作ユニット２５０は、再構成処理部２５１、画像処理部２５２、記憶部２５４、表示部２５６、入力部２５８等を有する。

再構成処理部２５１は、スキャナ２００で取得された投影データを逆投影することにより、再構成画像を生成する。画像処理部２５２は再構成画像を診断に適した画像にするため、様々な画像処理を行う。記憶部２５４は投影データや再構成画像、画像処理後の画像を記憶する。表示部２５６は再構成画像や画像処理後の画像を表示する。入力部２５８は投影データの取得条件（管電圧、管電流、スキャン速度等）や再構成画像の再構成条件(再構成フィルタ、ＦＯＶサイズ等)を操作者が設定する際に用いられる。

なお、操作ユニット２５０が図１に示した医用画像処理装置１であっても良い。その場合、は、再構成処理部２５１や画像処理部２５２が演算部２に、記憶部２５４が記憶装置４に、表示部２５６が表示装置７に、入力部２５８が入力装置８に、それぞれ相当することになる。

図３を用いて、実施例１で実行される処理の流れの一例についてステップ毎に説明する。

（Ｓ３０１）
演算部２は、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する。すなわち、演算部２は、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成部として機能する。

図４を用いてＳ３０１の処理の流れの一例についてステップ毎に説明する。

（Ｓ４０１）
演算部２は、高吸収体アーチファクトを含む再構成画像を取得する。高吸収体アーチファクトを含む再構成画像は、金属や骨などの高吸収体を含む被検体の投影データが逆投影されることによって生成されても良いし、記憶装置４や医用画像データベース１１から読み出されても良い。

（Ｓ４０２）
演算部２は、高吸収体アーチファクトを含む再構成画像から高吸収体領域を抽出する。高吸収体領域は例えば閾値処理によって抽出される。すなわち予め定められた閾値よりも高い画素値を有する画素が高吸収体領域として再構成画像から抽出される。

（Ｓ４０３）
演算部２は、高吸収体領域以外の領域を順投影し、高吸収体領域以外の領域の投影データを生成する。より具体的には、Ｓ４０２にて抽出された高吸収体領域の画素値がゼロに置換された再構成画像が順投影されることにより、高吸収体領域以外の領域の投影データが生成される。

（Ｓ４０４）
演算部２は、高吸収体領域以外の領域の投影データと元の投影データとの差分を取り、高吸収体領域の投影データを取得する。より具体的には、Ｓ４０３にて生成された高吸収体領域以外の領域の投影データが、Ｓ４０１にて取得された再構成画像に対応する投影データから減算されることにより、高吸収体領域の投影データが生成される。

図４に例示される処理の流れによって、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データが生成される。図４の処理の流れによれば、高吸収体領域の影響によるノイズを含む投影データを生成できる。図３の説明に戻る。

（Ｓ３０２）
演算部２は、高吸収体領域の影響によるノイズ画像を生成する。すなわち、演算部２は、高吸収体領域の影響によるノイズを含む投影データを用いてノイズ画像を生成するノイズ画像生成部として機能する。

図５を用いてＳ３０２の処理の流れの一例についてステップ毎に説明する。

（Ｓ５０１）
演算部２は、高吸収体領域に対応する投影データの偶奇分割を実施する。すなわちＳ３０１にて生成された高吸収体領域の投影データが奇数ビューと偶数ビューとに分割され、複数の奇数ビューから奇数投影データが、複数の偶数ビューから偶数投影データが、それぞれ生成される。

（Ｓ５０２）
演算部２は、奇数投影データと偶数投影データとのそれぞれを再構成する。すなわちＳ３０１にて生成された奇数投影データの再構成により奇数再構成画像が生成され、偶数投影データの再構成により偶数再構成画像が生成される。奇数投影データと偶数投影データは、隣接するビューを分割して生成されたものであるので、それぞれの再構成により生成される奇数再構成画像と偶数再構成画像には同等の高吸収体領域が含まれる。

（Ｓ５０３）
演算部２は、奇数再構成画像と偶数再構成画像との差分画像を生成する。奇数再構成画像と偶数再構成画像には同等の高吸収体領域が含まれるので、両者の差分画像では高吸収体領域が削除され、ノイズのみが残る。すなわちＳ５０２にて生成された奇数再構成画像と偶数再構成画像との差分により、高吸収体領域の影響によるノイズが画像化される。なお差分処理によりノイズ量が√２倍になるので、差分画像を√２で除すことでノイズ画像が生成されても良い。

図５に例示される処理の流れによって、高吸収体領域の影響によるノイズ画像が生成される。図５の処理の流れによれば、高吸収体領域は含まれず高吸収体領域の影響によるノイズのみが残る画像を生成できるので、補正画像のノイズの偏りの低減が容易になる。図３の説明に戻る。

（Ｓ３０３）
演算部２は、高吸収体アーチファクトが補正された補正画像と、Ｓ３０２にて生成されたノイズ画像とを重み付き合成する。すなわち、演算部２は、高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成部として機能する。

図６を用いてＳ３０３の処理の流れの一例についてステップ毎に説明する。

（Ｓ６０１）
演算部２は、高吸収体アーチファクトを含む再構成画像のノイズ分布を算出する。より具体的には、再構成画像の中の対象画素と対象画素の周囲の画素との各画素値を用いて算出される標準偏差が、対象画素のノイズ量として求められる。すなわち再構成画像の中の全画素に対してノイズ量がそれぞれ求められることによりノイズ分布が算出される。さらに演算部２は、算出されたノイズ分布が規格化されたノイズ係数画像を生成する。より具体的には、ノイズ分布の中の各ノイズ量が、ノイズ分布の中の最大値で除されることによってノイズ分布が規格化され、ノイズ係数画像が生成される。

（Ｓ６０２）
演算部２は、高吸収体領域のノイズ画像とノイズ係数画像との乗算画像を生成する。すなわち、Ｓ３０２にて生成されたノイズ画像に、Ｓ６０１にて生成されたノイズ係数画像が乗じられることにより、補正画像のノイズの偏りの低減に用いられるノイズ調整画像が生成される。

（Ｓ６０３）
演算部２は、高吸収体アーチファクトが補正された補正画像とノイズ調整画像との加算画像を生成する。すなわち、Ｓ６０２にて生成されたノイズ調整画像が補正画像に加算されることにより、補正画像のノイズの偏りが低減された画像であるノイズ付加画像が生成される。

図６に例示される処理の流れによって、補正画像のノイズの偏りが低減されたノイズ付加画像が生成される。図６の処理の流れによれば、高吸収体アーチファクトが補正された補正画像にノイズ調整画像を加算するだけでノイズ付加画像が生成できるので、高吸収体から離れた領域と近傍領域との間でノイズの偏りを容易に低減できる。

以上、説明したように実施例１では、高吸収体領域に対応する投影データから生成されるノイズ画像と、高吸収体アーチファクトが補正された補正画像とが重み付き合成されることによって、補正画像のノイズの偏りが低減された画像であるノイズ付加画像が生成される。ノイズ付加画像では、高吸収体アーチファクトの補正にともなって生じるノイズの偏りが低減されるので、高吸収体から離れた領域と近傍領域との間で画像診断に支障をきたさずに済む。

なお高吸収体アーチファクトが補正された補正画像は、ビーム硬化補正法や線形補間法、ディープラーニング法等の様々なＭＡＲによって生成される。図７Ａを用いて、補正画像を生成する機械学習処理部の一例について説明する。図７Ａに例示される機械学習処理部は、高吸収体アーチファクトを含まない再構成画像を教師画像、当該教師画像に高吸収体アーチファクトが追加された再構成画像を入力画像として、多数の入力画像と教師画像の対を機械学習することにより生成される。なお高吸収体アーチファクトが追加された再構成画像である入力画像は、教師画像に高吸収体領域が追加された画像を順投影することで生成される投影データを逆投影することによって生成される。

図７Ａの機械学習処理部では、高吸収体の近傍においてノイズが過剰に低減されることがあるので、図３の処理の流れを実行する必要がある。そこで図３の処理の流れによって生成されるノイズ付加画像やノイズ画像を入力画像として機械学習することにより、高吸収体アーチファクトが補正されるとともにノイズの偏りが低減された画像を出力する機械学習処理部が生成されても良い。

図７Ｂを用いて、高吸収体アーチファクトが補正されるとともにノイズの偏りが低減される補正画像を生成する機械学習処理部の一例について説明する。図７Ｂに例示される機械学習処理部は、高吸収体アーチファクトを含まない再構成画像を教師画像、当該教師画像に高吸収体アーチファクトが追加された再構成画像とノイズ付加画像とを入力画像として、多数の入力画像と教師画像の対を機械学習することにより生成される。ノイズ付加画像には、Ｓ３０３で生成された画像が用いられる。高吸収体アーチファクトを含む再構成画像とともにノイズ付加画像を入力画像として機械学習することにより、高吸収体アーチファクトが補正されるとともにノイズの偏りが低減された補正画像を出力できる機械学習処理部が生成される。

図７Ｃを用いて、高吸収体アーチファクトが補正されるとともにノイズの偏りが低減される補正画像を生成する機械学習処理部の他の例について説明する。図７Ｃに例示される機械学習処理部は、高吸収体アーチファクトを含まない再構成画像を教師画像、当該教師画像に高吸収体アーチファクトが追加された再構成画像とノイズ画像とを入力画像として、多数の入力画像と教師画像の対を機械学習することにより生成される。ノイズ画像には、Ｓ３０２で生成された画像が用いられる。高吸収体アーチファクトを含む再構成画像とともにノイズ画像を入力画像として機械学習することにより、高吸収体アーチファクトが補正されるとともにノイズの偏りが低減された補正画像を出力できる機械学習処理部が生成される。

以上、本発明の実施例について説明した。なお本発明は上記実施例に限定されるものではなく、発明の要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施例に開示されている複数の構成要素を適宜組み合わせても良い。さらに、上記実施例に示される全構成要素からいくつかの構成要素を削除しても良い。

１：医用画像処理装置、２：演算部、３：メモリ、４：記憶装置、５：ネットワークアダプタ、６：システムバス、７：表示装置、８：入力装置、１０：医用画像撮影装置、１１：医用画像データベース、１２：機械学習処理装置、１００：Ｘ線ＣＴ装置、２００：スキャナ、２１０：被検体、２１１：Ｘ線管、２１２：検出器、２１３：コリメータ、２１４：駆動部、２１５：中央制御部、２１６：Ｘ線制御部、２１７：高電圧発生部、２１８：スキャナ制御部、２１９：寝台制御部、２２１：コリメータ制御部、２２２：プリアンプ、２２３：Ａ／Ｄコンバータ、２４０：寝台、２５０：操作ユニット、２５１：再構成処理部、２５２：画像処理部、２５４：記憶部、２５６：表示部、２５８：入力部

Claims (7)

1. 高吸収体アーチファクトを補正する演算部を備える医用画像処理装置であって、
   前記演算部は、高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成部と、
   前記投影データを用いてノイズ画像を生成するノイズ画像生成部と、
   高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成部を有することを特徴とする医用画像処理装置。
2. 請求項１に記載の医用画像処理装置であって、
   前記投影データ生成部は、前記再構成画像に対応する投影データと、前記再構成画像の中の高吸収体領域以外の領域の投影データとの差分によって、高吸収体領域に対応する投影データを生成することを特徴とする医用画像処理装置。
3. 請求項１に記載の医用画像処理装置であって、
   前記ノイズ画像生成部は、高吸収体領域に対応する投影データを偶奇分割することによって奇数投影データと偶数投影データとを生成し、前記奇数投影データと前記偶数投影データとをそれぞれ再構成することにより奇数再構成画像と偶数再構成画像とを生成し、前記奇数再構成画像と前記偶数再構成画像との差分に基づいて前記ノイズ画像を生成することを特徴とする医用画像処理装置。
4. 請求項１に記載の医用画像処理装置であって、
   前記重み付き合成部は、前記再構成画像のノイズ分布に基づいて生成されるノイズ係数画像と前記ノイズ画像との乗算画像を前記補正画像に加算することを特徴とする医用画像処理装置。
5. 請求項１に記載の医用画像処理装置であって、
   前記演算部は、高吸収体アーチファクトを含まない再構成画像を教師画像、前記教師画像に高吸収体アーチファクトが追加された再構成画像と前記重み付き合成部によって生成されるノイズ付加画像とを入力画像として機械学習することにより生成される機械学習処理部をさらに有することを特徴とする医用画像処理装置。
6. 請求項１に記載の医用画像処理装置であって、
   前記演算部は、高吸収体アーチファクトを含まない再構成画像を教師画像、前記教師画像に高吸収体アーチファクトが追加された再構成画像と前記ノイズ画像生成部によって生成されるノイズ画像とを入力画像として機械学習することにより生成される機械学習処理部をさらに有することを特徴とする医用画像処理装置。
7. 高吸収体アーチファクトを補正する医用画像処理方法であって、
   高吸収体アーチファクトが含まれる再構成画像の中の高吸収体領域に対応する投影データを生成する投影データ生成ステップと、
   前記投影データを用いてノイズ画像を生成するノイズ画像生成ステップと、
   高吸収体アーチファクトが補正された補正画像に前記ノイズ画像を重み付き合成する重み付き合成ステップを備えることを特徴とする医用画像処理方法。

Images