JP2024058471A - 医用画像処理装置、医用画像処理方法、及びプログラム - Google Patents

医用画像処理装置、医用画像処理方法、及びプログラム Download PDF

Info

Publication number
JP2024058471A
JP2024058471A JP2022165867A JP2022165867A JP2024058471A JP 2024058471 A JP2024058471 A JP 2024058471A JP 2022165867 A JP2022165867 A JP 2022165867A JP 2022165867 A JP2022165867 A JP 2022165867A JP 2024058471 A JP2024058471 A JP 2024058471A
Authority
JP
Japan
Prior art keywords
blood vessel
medical image
image processing
diagram
angiogram
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.)
Pending
Application number
JP2022165867A
Other languages
English (en)
Inventor
諒 白石
Ryo Shiraishi
卓弥 坂口
Takuya Sakaguchi
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.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2022165867A priority Critical patent/JP2024058471A/ja
Priority to CN202311303896.6A priority patent/CN117883101A/zh
Priority to US18/485,511 priority patent/US20240122563A1/en
Publication of JP2024058471A publication Critical patent/JP2024058471A/ja
Pending 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】ユーザが血管の形状又は血流をより短時間で把握することが可能な医用画像処理装置、医用画像処理方法、及びプログラムを提供する。【解決手段】実施形態の医用画像処理装置は、取得部と、検出部と、生成部とをもつ。前記取得部は、被検体の血管造影画像を取得する。前記検出部は、前記血管造影画像に基づいて、前記被検体の血管の分岐点を検出する。前記生成部は、前記分岐点に基づいて、前記血管の分布を表した図である血管図を生成する。【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、医用画像処理方法、及びプログラムに関する。
脳血管には標準的な形状又は血流が知られているが、被検体の個人差や疾病によって標準とは異なった形状又は血流となっている場合がある。脳血管領域の診断において、医師が被検体特有の脳血管の形状又は血流を把握することは病因の特定や治療方針の決定のために重要である。
従来、Ｘ線ＣＴ（Computed Tomography）装置やＭＲＩ（Magnetic Resonance Imaging）装置といったモダリティにより撮像された頭部３Ｄ医用画像を用いて脳血管の形状又は血流が把握される。頭部３Ｄ医用画像は、複数の断面位置での２Ｄ画像（スライス）がまとまった３Ｄ画像である。
ＣＴでは、造影剤を被検体に静注して頭部造影ＣＴ撮像を行い、ＣＴＡ（CT Angiography）画像を得る。ＣＴＡ画像は、造影剤が高いＸ線吸収係数を持つため、造影剤の流入した血管が高い画素値で示された画像である。造影剤の注入にあわせて時間的に連続してＣＴ撮像を行えば、造影剤の流入の様子が示された多時相の４Ｄ－ＣＴＡ画像も得られる。
ＭＲＩでも同様に、造影剤を用いたＭＲＡ（MR Angiography）画像を得る。流入する血液を予め磁化的にラベリングすれば、造影剤を用いない非造影のＭＲＡ画像も得られる。時間的に連続してＭＲＩ撮像を行えば、造影又は非造影で多時相の４Ｄ－ＭＲＡ画像も得られる。
医師はＣＴＡ画像やＭＲＡ画像によって血管の形状を視覚的に観察して把握している。ＣＴＡ画像やＭＲＡ画像で血管の形状を確認するとき、わずかな血管の欠損等の異常も見逃さないために、医師は大量の画像（スライス）を確認する必要があり、多くの時間を要する。
また、医師は４Ｄ－ＣＴＡ画像や４Ｄ－ＭＲＡ画像によって血流の様子を視覚的に観察して把握している。４Ｄ－ＣＴＡ画像や４Ｄ－ＭＲＡ画像で血流を確認するとき、わずかな血流の途絶えや逆流も見逃さないために、医師は全時相の画像を確認する必要がある。これにも多くの時間を要する。
このように従来の技術では、脳血管の形状や血流の確認に多くの時間を要していた。このような課題は、脳に限られず、その他の部位（例えば心臓、肺、肝臓、腎臓、小腸など）の血管についても共通するところである。
特開２０１９－１９３８０８号公報 特開２００４－２８３３７３号公報
Peter D. Schellinger, Gregor Richter, Martin Kohrmann, Arnd Dorfler. Noninvasive Angiography (Magnetic Resonance and Computed Tomography) in the Diagnosis of Ischemic Cerebrovascular Disease. Cerebrovasc Dis 2007;24(suppl 1):16-23.
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は、ユーザが血管の形状又は血流をより短時間で把握することである。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。
実施形態の医用画像処理装置は、取得部と、検出部と、生成部とをもつ。前記取得部は、被検体の血管造影画像を取得する。前記検出部は、前記血管造影画像に基づいて、前記被検体の血管の分岐点を検出する。前記生成部は、前記分岐点に基づいて、前記血管の分布を表した図である血管図を生成する。
第１実施形態における医用画像処理装置１００の構成例を表す図。 第１実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 抽象化された脳動脈の一例を表す図。 動脈分岐点リストＬＴの一例を表す図。 脳のＣＴＡ画像ＩＭＧ１から動脈分岐点リストＬＴを生成するまでの一連の流れを模式的に表す図。 脳動脈の標準血管図の一例。 脳動脈の標準血管図として描画される各動脈の名称のリスト。 第１実施形態に係る血管図の一例。 第１実施形態に係る血管図の他の例。 血管図上で分岐点が選択される様子を模式的に表した図。 選択された分岐点に対応する断面画像の一例を表す図。 第２実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 第２実施形態に係る血管図の一例。 第３実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 第３実施形態に係る血管図の一例。 第４実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 第４実施形態に係る血管図の一例。 第５実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 第５実施形態に係る血管図の一例。 血管図の表示態様が動的に移り変わる様子を模式的に表す図。 抽象化された心臓冠動脈の一例を表す図。 心臓のＣＴＡ画像ＩＭＧ１から動脈分岐点リストＬＴを生成するまでの一連の流れを模式的に表す図。 冠動脈の標準血管図の一例。 冠動脈の標準血管図として描画される各動脈の名称のリスト。 第５実施形態に係る血管図の一例。
以下、図面を参照しながら、実施形態の医用画像処理装置、医用画像処理方法、及びプログラムについて説明する。
（第１実施形態）
［医用画像処理装置の構成］
図１は、第１実施形態における医用画像処理装置１００の構成例を表す図である。医用画像処理装置１００は、例えば、通信インタフェース１１１と、入力インタフェース１１２と、出力インタフェース１１３と、メモリ１１４と、処理回路１２０とを備える。
医用画像処理装置１００は、単一の装置であってもよいし、通信ネットワークＮＷを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、医用画像処理装置１００は、分散コンピューティングシステムやクラウドコンピューティングシステムに含まれる複数のコンピュータ（プロセッサ）によって実現されてもよい。
通信インタフェース１１１は、通信ネットワークＮＷを介して医用画像診断装置などと通信する。通信インタフェース１１１は、例えば、ＮＩＣ（Network Interface Card）や無線通信用のアンテナ等を含む。
通信ネットワークＮＷは、電気通信技術を利用した情報通信網全般を意味してよい。例えば、通信ネットワークＮＷは、病院基幹ＬＡＮ（Local Area Network）等の無線／有線ＬＡＮやインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワーク等を含む。
医用画像診断装置は、例えば、Ｘ線ＣＴ（Computed Tomography）装置やＭＲＩ（Magnetic Resonance Imaging）装置といったモダリティである。
入力インタフェース１１２は、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１２０に出力する。例えば、入力インタフェース１１２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、タッチパネル等を含む。入力インタフェース１１２は、例えば、マイクロフォン等の音声入力を受け付けるユーザインタフェースであってもよい。入力インタフェース１１２がタッチパネルである場合、入力インタフェース１１２は、後述する出力インタフェース１１３に含まれるディスプレイ１１３ａの表示機能を兼ね備えるものであってもよい。
なお、本明細書において入力インタフェース１１２はマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。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電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１１２の例に含まれる。
出力インタフェース１１３は、例えば、ディスプレイ１１３ａやスピーカ１１３ｂなどを備える。
ディスプレイ１１３ａは、各種の情報を表示する。例えば、ディスプレイ１１３ａは、処理回路１２０によって生成された画像や、操作者からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）等を表示する。例えば、ディスプレイ１１３ａは、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等である。
スピーカ１１３ｂは、処理回路１２０から入力された情報を音声として出力する。
メモリ１１４は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスクによって実現される。これらの非一過性の記憶媒体は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置といった通信ネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ１１４には、ＲＯＭ（Read Only Memory）やレジスタ等の非一過性の記憶媒体が含まれてもよい。メモリ１１４は「記憶部」の一例である。
処理回路１２０は、例えば、取得機能１２１と、検出機能１２２と、生成機能１２３と、算出機能１２４と、出力制御機能１２５とを備える。取得機能１２１は「取得部」の一例であり、検出機能１２２は「検出部」の一例であり、生成機能１２３は「生成部」の一例であり、算出機能１２４は「算出部」の一例であり、出力制御機能１２５は「表示制御部」の一例である。
処理回路１２０は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ１１４（記憶回路）に記憶されたプログラムを実行することにより、これらの機能を実現するものである。
処理回路１２０におけるハードウェアプロセッサは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））等の回路（circuitry）を意味する。メモリ１１４にプログラムを記憶させる代わりに、ハードウェア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、ハードウェアプロセッサは、回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ１１４に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が医用画像処理装置１００のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ１１４にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。
［医用画像処理装置の処理フロー］
以下、フローチャートに即しながら、医用画像処理装置１００の処理回路１２０による一連の処理について説明する。図２は、第１実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。本フローチャートでは、一例として、医用画像診断装置がＸ線ＣＴ装置であるものとし、医用画像がＣＴＡ画像であるものとして説明する。
まず、取得機能１２１は、例えば、通信インタフェース１１１を介してＸ線ＣＴ装置からＣＴＡ画像ＩＭＧ１を取得する（ステップＳ１００）。メモリ１１４にＣＴＡ画像ＩＭＧ１が格納されている場合、取得機能１２１は、メモリ１１４からＣＴＡ画像ＩＭＧ１を取得してもよい。
ＣＴＡ画像ＩＭＧ１とは、造影剤が注入された被検体の部位をＸ線ＣＴ装置が撮像することで得られるＣＴ画像であり、典型的には、造影剤が注入された被検体の部位を互いに異なる複数の位置から撮像したときの断面画像を連ねた（纏めた）３次元のＣＴ画像（３Ｄ－ＣＴＡ画像）である。ＣＴＡ画像ＩＭＧ１は、３Ｄ－ＣＴＡ画像に限られず、多時相の４Ｄ－ＣＴＡ画像であってもよい。ＣＴＡ画像ＩＭＧ１が多時相の４Ｄ－ＣＴＡ画像である場合、取得機能１２１は、ｔｉｍｅ ＭＩＰ（Maximum Intensity Projection）処理を行って、４Ｄ－ＣＴＡ画像を３Ｄ－ＣＴＡ画像に変換してよい。以下、Ｘ線ＣＴ装置によって撮像された被検体の部位が「脳」であるものとして説明する。ＣＴＡ画像は「血管造影画像」の一例である。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて脳の血管の連続性を解析し、その解析結果を基に血管の分岐点Ｂを検出する（ステップＳ１０２）。解析対象とする血管は、典型的には「動脈」であるがこれに限られず「静脈」であってもよい。以下、一例として解析対象とする血管が「動脈」であるものとする。
検出機能１２２は、動脈の分岐点Ｂを検出すると、分岐点Ｂ同士のつながりをデータ構造的に表現したリスト（以下、動脈分岐点リストＬＴという）を生成する。
図３は、抽象化された脳動脈の一例を表す図であり、図４は、動脈分岐点リストＬＴの一例を表す図であり、図５は、脳のＣＴＡ画像ＩＭＧ１から動脈分岐点リストＬＴを生成するまでの一連の流れを模式的に表す図である。
脳動脈は、Ｗｉｌｌｉｓ動脈輪のように、６つの大脳動脈から末梢（下流）に向かって分岐する構造を有していることが知られている。そこで、大脳動脈から末梢に向かって分岐する血管を、図３のように抽象化して考える。具体的には、動脈が分岐している分岐点Ｂをノードとし、それらノード間をエッジで繋いだグラフによって脳動脈を抽象化してよい。
図４のように、動脈分岐点リストＬＴは、各分岐点について、分岐点ＩＤ、分岐点の座標、上流の分岐点ＩＤ、下流の分岐点ＩＤの情報を有し、上流下流の分岐点とのつながりの情報を有する。例えば、分岐点Ｂｉ，ｊに着目した場合、その分岐点Ｂｉ，ｊの上流側には分岐点Ｂｉ－１，１が存在し、下流側には分岐点Ｂｉ＋１，ｊが存在している。そのため、「Ｂｉ，ｊ」というＩＤを持つ分岐点は、上流の分岐点ＩＤに「Ｂｉ－１，１」を持ち、下流の分岐点ＩＤに「Ｂｉ＋１，ｊ」を持つことになる。
図５のように、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて、脳動脈のみを抽出した画像である脳動脈マスク画像ＩＭＧ２を生成する。脳動脈マスク画像ＩＭＧ２は、動脈とそれ以外の造影強度の違いを利用することにより、例えば、ＣＴＡ画像ＩＭＧ１上において、閾値以上のＣＴ値（輝度値）を持つ画素を１に置き換え、閾値未満のＣＴ値を持つ画素を０に置き換えることで生成されてよい。
検出機能１２２は、脳動脈マスク画像ＩＭＧ２上において血管の構造を解析することによって、動脈の分岐点Ｂを検出する。脳動脈マスク画像ＩＭＧ２に写る動脈は、３次元画像で太さのある管状の構造であり、例えば３次元の細線化処理によって太さのない線状の構造とすることができる。
検出機能１２２は、下位側（頸部側）にある線の末端からその線に沿って３×３×３の立方体領域の画素値を走査して、その立方体領域の４画素以上が値を持っている点を分岐点Ｂとして検出してよい。検出機能１２２は、各分岐点Ｂに番号をつけて分岐点ＩＤとし、その画像空間上の位置を分岐点の座標とする。また、検出機能１２２は、各分岐点Ｂについて、上流側と下流側の隣接する分岐点Ｂの番号をそれぞれ上流の分岐点ＩＤ、下流分岐点ＩＤとする。そして検出機能１２２は、これらを連結リストに格納して動脈分岐点リストＬＴを生成する。
図２のフローチャートの説明に戻る。次に、生成機能１２３は、動脈分岐点リストＬＴに基づいて、脳動脈の血管図を生成する（ステップＳ１０４）。脳動脈の血管図とは、脳動脈の分布構造を可視化した図であり、脳動脈の形状や血流を図として表現する。
例えば、生成機能１２３は、動脈分岐点リストＬＴに含まれる複数の分岐点Ｂの互いの接続関係に合うように、標準的な脳動脈の分布構造を可視化した図である標準血管図（テンプレートとなる血管図）を変更（修正）し、その変更した標準血管図を血管図として生成してよい。標準血管図は、例えば、メモリ１１４に予め格納されていてもよし、外部のサーバからダウンロードされてもよい。
図６は、脳動脈の標準血管図の一例であり、図７は、脳動脈の標準血管図として描画される各動脈の名称のリストである。例えば、生成機能１２３は、標準血管図と動脈分岐点リストＬＴに含まれる分岐点Ｂとを、頭部の上流血管の分岐で対応付ける。更に、生成機能１２３は、標準血管図の左内頚動脈と眼動脈の分岐と、動脈分岐点リストＬＴにおいて上流分岐点を持たない最も下位左前方側（頸部側、左側、前側）に位置する分岐点座標とを対応づける。同様に、生成機能１２３は、標準血管図の右内頚動脈と眼動脈の分岐と、動脈分岐点リストＬＴにおいて上流分岐点を持たない最も下位右前方側（頸部側、右側、前側）に位置する分岐点座標とを対応づける。
また、生成機能１２３は、標準血管図の左椎骨動脈と後下小脳動脈の分岐と、動脈分岐点リストＬＴにおいて上流分岐点を持たない最も下位左後方側（頸部側、左側、後側）に位置する分岐点座標とを対応づける。同様に、生成機能１２３は、標準血管図の右椎骨動脈と後下小脳動脈の分岐と、動脈分岐点リストＬＴにおいて上流分岐点を持たない最も下位右後方側（頸部側、右側、後側）に位置する分岐点座標とを対応づける。生成機能１２３は、互いに対応づけた分岐点から動脈分岐点リストＬＴで下流分岐点とのつながりを辿る。生成機能１２３は、つながりを辿ることができれば、血管図において動脈を実線で表現し、つながりを辿ることができなければ、血管図において動脈を破線で表現する。
生成機能１２３は、標準血管図と動脈分岐点リストＬＴとを用いて血管図を生成する代わりに、或いは加えて、標準血管図を用いずに動脈分岐点リストＬＴだけを用いて血管図を生成してもよい。例えば、生成機能１２３は、動脈分岐点リストＬＴを用いて、図３のように、分岐点Ｂをノードとし、それら分岐点Ｂ同士をつなぐ血管をエッジとしたグラフを、脳動脈の血管図として生成してよい。この際、生成機能１２３は、エッジの交差を少なくするために、有向グラフの最適化手法を適用してグラフを生成してよい。
図２のフローチャートの説明に戻る。次に、出力制御機能１２５は、出力インタフェース１１３のディスプレイ１１３ａに血管図を表示させる（ステップＳ１０６）。なお、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させることに加えて、或いは代えて、通信インタフェース１１１を介して外部の表示装置に血管図を送信してもよい。
図８及び図９は、第１実施形態に係る血管図の一例である。図８の血管図では、動脈Ｖ１が破線で表現されている。つまり、図８の血管図は、中大脳動脈（８番の動脈）と、その中大脳動脈よりも下流の血管が辿れない。図９の血管図では、動脈Ｖ２～Ｖ４が破線で表現されている。つまり、図９の血管図は、前大脳動脈Ａ１と後交通動脈（２番と４番の動脈）が辿れない。このような血管図がディスプレイ１１３ａに表示されることで、医師は、図８の血管図のケースでは右中大脳動脈に閉塞が生じており、図９の血管図のケースでは前大脳動脈Ａ１と後交通動脈が未発達である、と把握することができる。
図２のフローチャートの説明に戻る。次に、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させた後に、医師（「ユーザ」の一例）が入力インタフェース１１２を操作して、血管図上の各分岐と対応付けた動脈分岐点リストＬＴの分岐点Ｂの中から、少なくとも一つ又はそれ以上の分岐点Ｂを選択したか否かを判定する（ステップＳ１０８）。例えば、入力インタフェース１１２がディスプレイ１１３ａの表示機能を兼ね備えたタッチパネルである場合、医師は、血管図が表示されたタッチパネル上で分岐点Ｂを選択することができる。
例えば、医師が分岐点Ｂを選択した場合、出力制御機能１２５は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、選択された分岐点Ｂが描画された断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる（ステップＳ１１０）。
図１０は、血管図上で分岐点が選択される様子を模式的に表した図であり、図１１は、選択された分岐点に対応する断面画像の一例を表す図である。図１０では、閉塞が生じている動脈Ｖ１の上流側の分岐点Ｂ１が選択されている。このような場合、出力制御機能１２５は、図１１のように、ＣＴＡ画像ＩＭＧ１を構成する複数の断面画像の中から、分岐点Ｂ１が描画された断面画像を選択し、それ／それら断面画像をディスプレイ１１３ａに表示させる。
なお分岐点Ｂだけでなく、分岐点Ｂ間のエッジ、つまり血管も選択することができる。例えば、医師が分岐点Ｂ間の血管を選択した場合、出力制御機能１２５は、選択された血管の両端に存在する分岐点Ｂを特定し、その血管両端の分岐点Ｂが描画された断面画像（血管両端の分岐点Ｂの間の座標に対応する断面画像）をディスプレイ１１３ａに表示させてよい。
図２のフローチャートの説明に戻る。ディスプレイ１１３ａに血管図を表示させた後に医師が分岐点Ｂや血管を選択しない場合、本フローチャートの処理が終了する。
以上説明した第１実施形態によれば、処理回路１２０は、造影剤が静注された被検体の頭部のＣＴ画像であるＣＴＡ画像ＩＭＧ１を取得する。処理回路１２０は、ＣＴＡ画像ＩＭＧ１に基づいて、脳動脈マスク画像ＩＭＧ２を生成し、更に脳動脈マスク画像ＩＭＧ２上において脳の動脈の分岐点Ｂを検出する。処理回路１２０は、分岐点Ｂ同士のつながりをデータ構造的に表現した動脈分岐点リストＬＴに基づいて、脳動脈の血管図を生成する。そして、処理回路１２０は、ディスプレイ１１３ａに血管図を表示させる。このように、脳動脈を血管図としてスケマティックに表示することで、ユーザ（典型的には医師）は被検体の脳動脈の形状又は血流をより短時間で把握することができる。
更に上述した第１実施形態によれば、ユーザが血管図上において分岐点Ｂや分岐点Ｂ間の血管を選択した場合、処理回路１２０は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、ユーザによって選択された分岐点Ｂ又は血管を含む断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる。これによって、ユーザが血管図上において関心を持った部位を、３Ｄ－ＣＴＡ画像上においても確認することができる。
（第１実施形態の変形例）
以下、第１実施形態の変形例について説明する。上述した第１実施形態では、医用画像処理装置１００が、Ｘ線ＣＴ装置からＣＴＡ画像を取得し、そのＣＴＡ画像に基づいて血管図を生成するものとして説明したがこれに限られない。例えば、医用画像処理装置１００は、ＭＲ装置からＭＲＡ画像を取得し、そのＭＲＡ画像に基づいて血管図を生成してもよい。ＭＲＡ画像は、ＣＴＡ画像同様に、典型的には３次元のＭＲ画像（３Ｄ－ＭＲＡ画像）である。ＭＲＡ画像は、３Ｄ－ＭＲＡ画像に限られず、多時相の４Ｄ－ＭＲＡ画像であってもよい。ＭＲＡ画像が多時相の４Ｄ－ＭＲＡ画像である場合、医用画像処理装置１００は、ｔｉｍｅ ＭＩＰ処理を行って、４Ｄ－ＭＲＡ画像を３Ｄ－ＭＲＡ画像に変換してよい。
また上述した第１実施形態では、Ｘ線ＣＴ装置やＭＲ装置といった医用画像診断装置によって撮像される被検体の部位（つまり血管図を生成する部位）が「脳」であるものとして説明したがこれに限られない。例えば、医用画像診断装置によって撮像される被検体の部位は、心臓、肺、肝臓、腎臓、小腸といったその他の部位であってよい。また上述した通り、血管図として表現する血管は「動脈」に限られず「静脈」であってもよい。
（第２実施形態）
以下、第２実施形態について説明する。第２実施形態では、血管の太さ（血管径）を検出し、その血管の太さを表現した血管図を生成する点で上述した第１実施形態と相違する。以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する点については説明を省略する。なお、第２実施形態の説明において、第１実施形態と同じ部分については同一符号を付して説明する。
図１２は、第２実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。本フローチャートにおいても、一例として、医用画像診断装置がＸ線ＣＴ装置であるものとし、医用画像がＣＴＡ画像であるものとして説明する。
まず、取得機能１２１は、例えば、通信インタフェース１１１を介してＸ線ＣＴ装置からＣＴＡ画像ＩＭＧ１を取得する（ステップＳ２００）。メモリ１１４にＣＴＡ画像ＩＭＧ１が格納されている場合、取得機能１２１は、メモリ１１４からＣＴＡ画像ＩＭＧ１を取得してもよい。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて脳の血管の連続性を解析し、その解析結果を基に血管の分岐点Ｂを検出する（ステップＳ２０２）。検出機能１２２は、動脈の分岐点Ｂを検出すると、動脈分岐点リストＬＴを生成する。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２上において血管径を検出する（ステップＳ２０４）。
例えば、検出機能１２２は、分岐点Ｂ間に存在する画素群（血管に相当する線状の画素群）に対して細線化処理を行い、細線化処理前後の各画素のＣＴ値の変化を、血管径として検出する。例えば、細線化処理を行う以前の画素群の中でＣＴ値が閾値以上となる画素数をＸとし、細線化処理を行った後の画素群の中でＣＴ値が閾値以上となる画素数をＹとする。このとき、ＣＴ値が閾値以上となる画素数の割合Ｘ／Ｙが大きいほど、より大きな血管径（より太い血管）として検出される。つまり、細線化処理を行った後に比べて、細線化処理をおこなう以前でＣＴ値が高い画素数がより多い血管ほどその径が大きいことになる。
次に、生成機能１２３は、動脈分岐点リストＬＴと血管径とに基づいて、脳動脈の血管図を生成する（ステップＳ２０６）。例えば、生成機能１２３は、血管径が小さい動脈ほどより細い実線で表現し、血管径が大きい動脈ほどより太い実線で表現した血管図を生成する。
図１３は、第２実施形態に係る血管図の一例である。例えば、動脈Ｖ６に比べて動脈Ｖ５の方が血管径が小さいとする。この場合、生成機能１２３は、動脈Ｖ６を表現する実線に比べて、動脈Ｖ５を表現する実線を細くした血管図を生成してよい。
次に、出力制御機能１２５は、出力インタフェース１１３のディスプレイ１１３ａに血管図を表示させる（ステップＳ２０８）。
次に、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させた後に、医師が入力インタフェース１１２を操作して、血管図上の各分岐と対応付けた動脈分岐点リストＬＴの分岐点Ｂの中から、少なくとも一つ又はそれ以上の分岐点Ｂを選択したか否かを判定する（ステップＳ２１０）。出力制御機能１２５は、医師が分岐点Ｂではなく分岐点Ｂ間の血管を選択したか否かを判定してもよい。
例えば、医師が分岐点Ｂ又は血管を選択した場合、出力制御機能１２５は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、選択された分岐点Ｂ又は血管が描画された断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる（ステップＳ２１２）。
一方、医師が分岐点Ｂや血管を選択しない場合、本フローチャートの処理が終了する。
以上説明した第２実施形態によれば、処理回路１２０は、血管径を検出し、その血管径に応じて血管の太さ（血管径）を表現した血管図を生成する。このように、血管の太さを表現した血管図をスケマティックに表示することで、ユーザは被検体の脳動脈の形状又は血流をより短時間かつより詳細に把握することができる。
（第３実施形態）
以下、第３実施形態について説明する。第３実施形態では、病変や被検体内に留置されたデバイスを検出し、その病変やデバイスを表現した血管図を生成する点で上述した第１実施形態又は第２実施形態と相違する。以下、第１実施形態及び第２実施形態との相違点を中心に説明し、第１実施形態及び第２実施形態と共通する点については説明を省略する。なお、第３実施形態の説明において、第１実施形態又は第２実施形態と同じ部分については同一符号を付して説明する。
図１４は、第３実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。本フローチャートにおいても、一例として、医用画像診断装置がＸ線ＣＴ装置であるものとし、医用画像がＣＴＡ画像であるものとして説明する。
まず、取得機能１２１は、例えば、通信インタフェース１１１を介してＸ線ＣＴ装置からＣＴＡ画像ＩＭＧ１を取得する（ステップＳ３００）。メモリ１１４にＣＴＡ画像ＩＭＧ１が格納されている場合、取得機能１２１は、メモリ１１４からＣＴＡ画像ＩＭＧ１を取得してもよい。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて脳の血管の連続性を解析し、その解析結果を基に血管の分岐点Ｂを検出する（ステップＳ３０２）。検出機能１２２は、動脈の分岐点Ｂを検出すると、動脈分岐点リストＬＴを生成する。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２上において病変又はデバイスを検出する（ステップＳ３０４）。
例えば、検出機能１２２は、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２上において血管径を検出し、その血管径が局所的に変動する部分を、病変又はデバイスとして検出する。
また検出機能１２２は、予め学習された識別器を用いて、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２から病変又はデバイスの位置、種類、大きさなどを検出してもよい。
識別器は、トレーニングデータセットに基づいて学習された機械学習モデルである。トレーニングデータセットは、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２に対して、正解となる病変又はデバイスの位置、種類、大きさに関する情報がラベル付けられたデータセットである。
識別器は、例えば、ＤＮＮ（Deep Neural Network(s)）によって実装されてよい。また、識別器は、ＤＮＮに限られず、サポートベクターマシンや決定木、単純ベイズ分類器、ランダムフォレストといった他のモデルによって実装されてよい。識別器を定義した情報は、モデル情報としてメモリ１４１に格納される。
識別器がＤＮＮによって実装される場合、モデル情報には、例えば、当該ＤＮＮを構成する入力層、一以上の隠れ層（中間層）、出力層の其々の層に含まれるユニットが互いにどのように結合されるのかという結合情報や、結合されたユニット間で入出力されるデータに付与される結合係数がいくつであるのかという重み情報などが含まれる。結合情報は、例えば、各層に含まれるユニット数や、各ユニットの結合先のユニットの種類を指定する情報、各ユニットを実現する活性化関数、隠れ層のユニット間に設けられたゲートなどの情報を含む。ユニットを実現する活性化関数は、例えば、ＲｅＬＵ（Rectified Linear Unit）関数やＥＬＵ（Exponential Linear Units）関数、クリッピング関数、シグモイド関数、ステップ関数、ハイパポリックタンジェント関数、恒等関数などであってよい。ゲートは、例えば、活性化関数によって返される値（例えば１または０）に応じて、ユニット間で伝達されるデータを選択的に通過させたり、重み付けたりする。結合係数は、例えば、ニューラルネットワークの隠れ層において、ある層のユニットから、より深い層のユニットにデータが出力される際に、出力データに対して付与される重みを含む。また、結合係数は、各層の固有のバイアス成分などを含んでもよい。
次に、生成機能１２３は、動脈分岐点リストＬＴと、病変又はデバイスとに基づいて、脳動脈の血管図を生成する（ステップＳ３０６）。
図１５は、第３実施形態に係る血管図の一例である。例えば、病変やデバイスが検出された場合、生成機能１２３は、それら病変又はデバイスの位置、種類、大きさを表現した血管図を生成する。
次に、出力制御機能１２５は、出力インタフェース１１３のディスプレイ１１３ａに血管図を表示させる（ステップＳ３０８）。
次に、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させた後に、医師が入力インタフェース１１２を操作して、血管図上の各分岐と対応付けた動脈分岐点リストＬＴの分岐点Ｂの中から、少なくとも一つ又はそれ以上の分岐点Ｂを選択したか否かを判定する（ステップＳ３１０）。出力制御機能１２５は、医師が分岐点Ｂではなく分岐点Ｂ間の血管を選択したか否かを判定してもよい。
例えば、医師が分岐点Ｂ又は血管を選択した場合、出力制御機能１２５は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、選択された分岐点Ｂ又は血管が描画された断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる（ステップＳ３１２）。
一方、医師が分岐点Ｂや血管を選択しない場合、本フローチャートの処理が終了する。
以上説明した第３実施形態によれば、処理回路１２０は、病変や被検体内に留置されたデバイスを検出し、その病変やデバイスを表現した血管図を生成する。このように、病変やデバイスを表現した血管図をスケマティックに表示することで、ユーザは被検体の脳動脈の形状又は血流をより短時間かつより詳細に把握することができる。
（第４実施形態）
以下、第４実施形態について説明する。第４実施形態では、血管に造影剤が行き渡るまでに要する時間（以下、造影遅延時間という）を算出し、その造影遅延時間に基づいて血管図を生成する点で上述した第１実施形態から第３実施形態と相違する。以下、第１実施形態から第３実施形態との相違点を中心に説明し、第１実施形態から第３実施形態と共通する点については説明を省略する。なお、第４実施形態の説明において、第１実施形態から第３実施形態のいずれかと同じ部分については同一符号を付して説明する。
図１６は、第４実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。本フローチャートにおいても、一例として、医用画像診断装置がＸ線ＣＴ装置であるものとし、医用画像がＣＴＡ画像であるものとして説明する。
まず、取得機能１２１は、例えば、通信インタフェース１１１を介してＸ線ＣＴ装置からＣＴＡ画像ＩＭＧ１を取得する（ステップＳ４００）。メモリ１１４にＣＴＡ画像ＩＭＧ１が格納されている場合、取得機能１２１は、メモリ１１４からＣＴＡ画像ＩＭＧ１を取得してもよい。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて脳の血管の連続性を解析し、その解析結果を基に血管の分岐点Ｂを検出する（ステップＳ４０２）。検出機能１２２は、動脈の分岐点Ｂを検出すると、動脈分岐点リストＬＴを生成する。
次に、算出機能１２４は、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２に基づいて、分岐点Ｂ間の血管の造影遅延時間を算出する（ステップＳ４０４）。
例えば、算出機能１２４は、造影剤が静注された時刻から、造影剤が血管に流入したことで分岐点Ｂ間の画素群のＣＴ値が上昇した時刻までの時間を、造影遅延時間として算出する。
次に、生成機能１２３は、動脈分岐点リストＬＴと造影遅延時間とに基づいて、脳動脈の血管図を生成する（ステップＳ４０６）。例えば、生成機能１２３は、造影遅延時間が短い動脈（造影剤が行き渡るまで時間がかかりにくい動脈）ほどより細い実線で表現し、造影遅延時間が長い動脈（造影剤が行き渡るまで時間がかかりやすい動脈）ほどより太い実線で表現した血管図を生成する。
図１７は、第４実施形態に係る血管図の一例である。図示の例では、領域Ｒ１の動脈は、他の領域の動脈に比べて造影遅延時間が長い。この場合、生成機能１２３は、領域Ｒ１の動脈を表現する実線を、他の領域の動脈を表現する実線に比べて太くした血管図を生成してよい。このような血管図を表示させることで、例えば、右中大脳動脈の梗塞にともなう逆行性側副血行によって右中大脳動脈の末梢の造影遅延時間が長くなっている、といった診断を下すことができる。
次に、出力制御機能１２５は、出力インタフェース１１３のディスプレイ１１３ａに血管図を表示させる（ステップＳ４０８）。
次に、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させた後に、医師が入力インタフェース１１２を操作して、血管図上の各分岐と対応付けた動脈分岐点リストＬＴの分岐点Ｂの中から、少なくとも一つ又はそれ以上の分岐点Ｂを選択したか否かを判定する（ステップＳ４１０）。出力制御機能１２５は、医師が分岐点Ｂではなく分岐点Ｂ間の血管を選択したか否かを判定してもよい。
例えば、医師が分岐点Ｂ又は血管を選択した場合、出力制御機能１２５は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、選択された分岐点Ｂ又は血管が描画された断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる（ステップＳ４１２）。
一方、医師が分岐点Ｂや血管を選択しない場合、本フローチャートの処理が終了する。
以上説明した第４実施形態によれば、処理回路１２０は、血管に造影剤が行き渡るまでに要する時間である造影遅延時間を算出し、その造影遅延時間に基づいて血管図を生成する。このように、造影遅延時間に応じて血管の表示態様を変えた血管図をスケマティックに表示することで、ユーザは被検体の脳動脈の形状又は血流をより短時間かつより詳細に把握することができる。
（第５実施形態）
以下、第５実施形態について説明する。第５実施形態では、血管に行き渡った造影剤の濃度（以下、造影濃度という）を算出し、その造影濃度に基づいて血管図を生成する点で上述した第１実施形態から第４実施形態と相違する。以下、第１実施形態から第４実施形態との相違点を中心に説明し、第１実施形態から第４実施形態と共通する点については説明を省略する。なお、第５実施形態の説明において、第１実施形態から第４実施形態のいずれかと同じ部分については同一符号を付して説明する。
図１８は、第５実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。本フローチャートにおいても、一例として、医用画像診断装置がＸ線ＣＴ装置であるものとし、医用画像がＣＴＡ画像であるものとして説明する。
まず、取得機能１２１は、例えば、通信インタフェース１１１を介してＸ線ＣＴ装置からＣＴＡ画像ＩＭＧ１を取得する（ステップＳ５００）。メモリ１１４にＣＴＡ画像ＩＭＧ１が格納されている場合、取得機能１２１は、メモリ１１４からＣＴＡ画像ＩＭＧ１を取得してもよい。
次に、検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて脳の血管の連続性を解析し、その解析結果を基に血管の分岐点Ｂを検出する（ステップＳ５０２）。検出機能１２２は、動脈の分岐点Ｂを検出すると、動脈分岐点リストＬＴを生成する。
次に、算出機能１２４は、ＣＴＡ画像ＩＭＧ１又は脳動脈マスク画像ＩＭＧ２に基づいて、分岐点Ｂ間の血管の造影濃度を算出する（ステップＳ５０４）。
例えば、算出機能１２４は、分岐点Ｂ間の画素の時間濃度曲線を算出し、その時間濃度曲線の曲線下面積を造影濃度として算出する。
次に、生成機能１２３は、動脈分岐点リストＬＴと造影濃度とに基づいて、脳動脈の血管図を生成する（ステップＳ５０６）。例えば、生成機能１２３は、造影濃度が高い動脈ほどより細い実線で表現し、造影濃度が低い動脈ほどより太い実線で表現した血管図を生成する。
図１９は、第５実施形態に係る血管図の一例である。図示の例では、領域Ｒ２の動脈は、他の領域の動脈に比べて造影濃度が低い。この場合、生成機能１２３は、領域Ｒ１の動脈を表現する実線を、他の領域の動脈を表現する実線に比べて太くした血管図を生成してよい。このような血管図を表示させることで、例えば、右内頚動脈の狭窄により、右内頚動脈および右中大脳動脈の造影濃度が低下している、といった診断を下すことができる。
次に、出力制御機能１２５は、出力インタフェース１１３のディスプレイ１１３ａに血管図を表示させる（ステップＳ５０８）。
次に、出力制御機能１２５は、ディスプレイ１１３ａに血管図を表示させた後に、医師が入力インタフェース１１２を操作して、血管図上の各分岐と対応付けた動脈分岐点リストＬＴの分岐点Ｂの中から、少なくとも一つ又はそれ以上の分岐点Ｂを選択したか否かを判定する（ステップＳ５１０）。出力制御機能１２５は、医師が分岐点Ｂではなく分岐点Ｂ間の血管を選択したか否かを判定してもよい。
例えば、医師が分岐点Ｂ又は血管を選択した場合、出力制御機能１２５は、３Ｄ－ＣＴＡ画像であるＣＴＡ画像ＩＭＧ１を構成する複数の断面画像（２Ｄ－ＣＴＡ画像）の中から、選択された分岐点Ｂ又は血管が描画された断面画像を選択し、その断面画像をディスプレイ１１３ａに表示させる（ステップＳ５１２）。
一方、医師が分岐点Ｂや血管を選択しない場合、本フローチャートの処理が終了する。
以上説明した第５実施形態によれば、処理回路１２０は、血管の造影濃度を算出し、その造影濃度に基づいて血管図を生成する。このように、造影濃度に応じて血管の表示態様を変えた血管図をスケマティックに表示することで、ユーザは被検体の脳動脈の形状又は血流をより短時間かつより詳細に把握することができる。
（第５実施形態の変形例）
以下、第５実施形態の変形例について説明する。第５実施形態の変形例では、造影濃度の時間的変化に応じて、血管図の表示態様を異ならせる。
図２０は、血管図の表示態様が動的に移り変わる様子を模式的に表す図である。例えば、取得機能１２１によって４Ｄ－ＣＴＡ画像が取得された場合、算出機能１２４は、４Ｄ－ＣＴＡ画像の各時相において、分岐点Ｂ間の血管の造影濃度を算出する。例えば、算出機能１２４は、時刻ｔ１のＣＴＡ画像に基づいて、時刻ｔ１における分岐点Ｂ間の血管の造影濃度を算出し、時刻ｔ２のＣＴＡ画像に基づいて、時刻ｔ２における分岐点Ｂ間の血管の造影濃度を算出し、時刻ｔ３のＣＴＡ画像に基づいて、時刻ｔ３における分岐点Ｂ間の血管の造影濃度を算出する。
生成機能１２３は、時刻ｔ１における分岐点Ｂ間の血管の造影濃度に基づいて、時刻ｔ１における血管図を生成し、時刻ｔ２における分岐点Ｂ間の血管の造影濃度に基づいて、時刻ｔ２における血管図を生成し、時刻ｔ３における分岐点Ｂ間の血管の造影濃度に基づいて、時刻ｔ３における血管図を生成する。
出力制御機能１２５は、ディスプレイ１１３ａに、時刻ｔ１における血管図を表示させ、その次に時刻ｔ２における血管図を表示させ、最後に時刻ｔ３における血管図を表示させる。このように、各時刻で表示態様の異なる血管図を動的に表示させることで、ユーザは各血管に造影剤が行き渡ってから抜けきるまでの様子を把握することができる。
（第６実施形態）
以下、第６実施形態について説明する。第６実施形態では、被検体の心臓の冠動脈の血管図を生成する点で上述した第１実施形態から第５実施形態と相違する。以下、第１実施形態から第５実施形態との相違点を中心に説明し、第１実施形態から第５実施形態と共通する点については説明を省略する。なお、第６実施形態の説明において、第１実施形態から第５実施形態のいずれかと同じ部分については同一符号を付して説明する。
第６実施形態の検出機能１２２は、ＣＴＡ画像ＩＭＧ１に基づいて心臓の冠動脈の連続性を解析し、その解析結果を基に冠動脈の分岐点Ｂを検出する。検出機能１２２は、冠動脈の分岐点Ｂを検出すると、動脈分岐点リストＬＴを生成する。
図２１は、抽象化された心臓冠動脈の一例を表す図であり、図２２は、心臓のＣＴＡ画像ＩＭＧ１から動脈分岐点リストＬＴを生成するまでの一連の流れを模式的に表す図である。
心臓の冠動脈は、大動脈基部から右冠動脈と左冠動脈とに分かれており、各冠動脈から末梢（下流）に向かって分岐する構造を有していることが知られている。そこで、冠動脈から末梢に向かって分岐する血管を、図２１のように抽象化して考える。上述したように、冠動脈が分岐している分岐点Ｂをノードとし、それらノード間をエッジで繋いだグラフによって冠動脈を抽象化してよい。
図２２のように、検出機能１２２は、心臓のＣＴＡ画像ＩＭＧ１に基づいて、心臓の冠動脈のみを抽出した冠動脈マスク画像ＩＭＧ２を生成する。検出機能１２２は、冠動脈マスク画像ＩＭＧ２上において血管の構造を解析することによって、冠動脈の分岐点Ｂを検出する。そして、検出機能１２２は、これらを冠動脈の分岐点Ｂ同士のつながりをデータ構造的に表現した動脈分岐点リストＬＴを生成する。
第６実施形態の生成機能１２３は、動脈分岐点リストＬＴに基づいて、心臓の冠動脈の血管図を生成する。
例えば、生成機能１２３は、動脈分岐点リストＬＴに含まれる複数の分岐点Ｂの互いの接続関係に合うように、標準的な冠動脈の分布構造を可視化した図である標準血管図（テンプレートとなる血管図）を変更（修正）し、その変更した標準血管図を血管図として生成してよい。
図２３は、冠動脈の標準血管図の一例であり、図２４は、冠動脈の標準血管図として描画される各動脈の名称のリストである。例えば、生成機能１２３は、標準血管図と動脈分岐点リストＬＴに含まれる分岐点Ｂとを、大動脈基部からの分岐で対応付ける。更に、生成機能１２３は、血管図の大動脈基部からの左冠動脈の分岐と、動脈分岐点リストＬＴにおいて上流分岐点を持たない最も左側に位置する分岐点座標とを対応づける。同様に、生成機能１２３は、血管図の大動脈基部からの右冠動脈の分岐と、脈分岐点リストＬＴにおいての上流分岐点を持たない最も右側に位置する分岐点座標とを対応づける。生成機能１２３は、互いに対応づけた分岐点から動脈分岐点リストＬＴで下流分岐点とのつながりを辿る。生成機能１２３は、つながりを辿ることができれば、血管図において動脈を実線で表現し、つながりを辿ることができなければ、血管図において動脈を破線で表現する。
生成機能１２３は、標準血管図と動脈分岐点リストＬＴとを用いて血管図を生成する代わりに、或いは加えて、標準血管図を用いずに動脈分岐点リストＬＴだけを用いて血管図を生成してもよい。例えば、生成機能１２３は、動脈分岐点リストＬＴを用いて、図２１のように、分岐点Ｂをノードとし、それら分岐点Ｂ同士をつなぐ血管をエッジとしたグラフを、冠動脈の血管図として生成してよい。この際、生成機能１２３は、エッジの交差を少なくするために、有向グラフの最適化手法を適用してグラフを生成してよい。
図２５は、第５実施形態に係る血管図の一例である。図２５の血管図では、動脈Ｖ８が破線で表現されている。つまり、図２５の血管図は、右冠動脈２、右冠動脈３、鋭縁枝、房室枝、後下行枝（２番、３番、７～９番の動脈）が辿れない。このような血管図がディスプレイ１１３ａに表示された場合、医師は、右冠動脈の閉塞を把握することができる。
以上説明した第６実施形態によれば、処理回路１２０は、造影剤が静注された被検体の胸部のＣＴ画像であるＣＴＡ画像ＩＭＧ１を取得する。処理回路１２０は、ＣＴＡ画像ＩＭＧ１に基づいて、冠動脈マスク画像ＩＭＧ２を生成し、更に冠動脈マスク画像ＩＭＧ２上において冠動脈の分岐点Ｂを検出する。処理回路１２０は、分岐点Ｂ同士のつながりをデータ構造的に表現した動脈分岐点リストＬＴに基づいて、冠動脈の血管図を生成する。そして、処理回路１２０は、ディスプレイ１１３ａに血管図を表示させる。このように、心臓の冠動脈を血管図としてスケマティックに表示することで、ユーザ（典型的には医師）は被検体の心臓の冠動脈の形状又は血流をより短時間で把握することができる。
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。
１００…医用画像処理装置、１１１…通信インタフェース、１１２…入力インタフェース、１１３…出力インタフェース、１１４…メモリ、１２０…処理回路、１２１…取得機能、１２２…検出機能、１２３…生成機能、１２４…算出機能、１２５…出力制御機能

Claims (15)

  1. 被検体の血管造影画像を取得する取得部と、
    前記血管造影画像に基づいて、前記被検体の血管の分岐点を検出する検出部と、
    前記分岐点に基づいて、前記血管の分布を表した図である血管図を生成する生成部と、
    を備える医用画像処理装置。
  2. 標準的な血管の分布を表した図である標準血管図が記憶された記憶部を更に備え、
    前記生成部は、前記標準血管図と前記分岐点とに基づいて、前記血管図を生成する、
    請求項１に記載の医用画像処理装置。
  3. 前記血管図をディスプレイに表示させる表示制御部を更に備える、
    請求項１又は２に記載の医用画像処理装置。
  4. ユーザが操作可能な入力インタフェースを更に備え、
    前記表示制御部は、前記ディスプレイに前記血管図が表示されたときに前記入力インタフェースに入力された前記ユーザの操作に応じて、更に前記血管造影画像を前記ディスプレイに表示させる、
    請求項３に記載の医用画像処理装置。
  5. 前記血管造影画像は、前記被検体の断面を撮像した複数の断面画像を連ねた三次元血管造影画像であり、
    前記表示制御部は、前記ディスプレイに表示された前記血管図上において複数の前記分岐点の中から一つ又は複数の前記分岐点を前記ユーザが前記入力インタフェースを介して選択した場合、前記三次元血管造影画像の各断面画像のうち、前記ユーザによって選択された一つ又は複数の前記分岐点を含む前記断面画像を前記ディスプレイに表示させる、
    請求項４に記載の医用画像処理装置。
  6. 前記生成部は、更に、前記血管造影画像に含まれる前記血管の太さに基づいて、前記血管図を生成する、
    請求項１又は２に記載の医用画像処理装置。
  7. 前記生成部は、更に、前記血管造影画像に含まれる前記血管の形状に基づいて、前記血管図を生成する、
    請求項１又は２に記載の医用画像処理装置。
  8. 前記検出部は、更に、前記血管の形状に基づいて、前記血管造影画像上において病変又は前記被検体内に留置されたデバイスを検出し、
    前記生成部は、前記病変又は前記デバイスが検出された場合、前記病変又は前記デバイスを含む前記血管図を生成する、
    請求項７に記載の医用画像処理装置。
  9. 前記血管造影画像に基づいて、前記血管に造影剤が行き渡るまでに要する時間である造影遅延時間を算出する算出部を更に備え、
    前記生成部は、更に、前記造影遅延時間に基づいて前記血管図を生成する、
    請求項１又は２に記載の医用画像処理装置。
  10. 前記生成部は、前記造影遅延時間が短い血管ほど強調表示させた前記血管図を生成する、
    請求項９に記載の医用画像処理装置。
  11. 前記血管造影画像に基づいて、前記血管の造影剤の濃度を算出する算出部を更に備え、
    前記生成部は、更に、前記濃度に基づいて前記血管図を生成する、
    請求項１又は２に記載の医用画像処理装置。
  12. 前記生成部は、前記濃度が低い血管ほど強調表示させた前記血管図を生成する、
    請求項１１に記載の医用画像処理装置。
  13. 前記算出部は、前記濃度の時間的変化を算出し、
    前記生成部は、前記濃度の時間的変化に応じて、表示態様が異なる前記血管図を生成する、
    請求項１１に記載の医用画像処理装置。
  14. コンピュータを用いて実行する医用画像処理方法であって、
    被検体の血管造影画像を取得すること、
    前記血管造影画像に基づいて、前記被検体の血管の分岐点を検出すること、
    前記分岐点に基づいて、前記血管の分布を表した図である血管図を生成すること、
    を含む医用画像処理方法。
  15. コンピュータに実行させるためのプログラムであって、
    被検体の血管造影画像を取得すること、
    前記血管造影画像に基づいて、前記被検体の血管の分岐点を検出すること、
    前記分岐点に基づいて、前記血管の分布を表した図である血管図を生成すること、
    を含むプログラム。
JP2022165867A 2022-10-14 2022-10-14 医用画像処理装置、医用画像処理方法、及びプログラム Pending JP2024058471A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022165867A JP2024058471A (ja) 2022-10-14 2022-10-14 医用画像処理装置、医用画像処理方法、及びプログラム
CN202311303896.6A CN117883101A (zh) 2022-10-14 2023-10-09 医用图像处理装置、医用图像处理方法及存储介质
US18/485,511 US20240122563A1 (en) 2022-10-14 2023-10-12 Medical image processing device, medical image processing method, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022165867A JP2024058471A (ja) 2022-10-14 2022-10-14 医用画像処理装置、医用画像処理方法、及びプログラム

Publications (1)

Publication Number Publication Date
JP2024058471A true JP2024058471A (ja) 2024-04-25

Family

ID=90627573

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022165867A Pending JP2024058471A (ja) 2022-10-14 2022-10-14 医用画像処理装置、医用画像処理方法、及びプログラム

Country Status (3)

Country Link
US (1) US20240122563A1 (ja)
JP (1) JP2024058471A (ja)
CN (1) CN117883101A (ja)

Also Published As

Publication number Publication date
CN117883101A (zh) 2024-04-16
US20240122563A1 (en) 2024-04-18

Similar Documents

Publication Publication Date Title
Kim et al. Improving arterial spin labeling by using deep learning
Pellicano et al. Validation study of image-based fractional flow reserve during coronary angiography
Iyer et al. AngioNet: A convolutional neural network for vessel segmentation in X-ray angiography
JP7488541B2 (ja) 脳血管異常の同定のための方法およびシステム
Wang et al. Deep learning detection of penumbral tissue on arterial spin labeling in stroke
US20230233261A1 (en) Systems and methods for an interactive tool for determining and visualizing a functional relationship between a vascular network and perfused tissue
Xian et al. Main coronary vessel segmentation using deep learning in smart medical
Ta et al. A semi-supervised joint network for simultaneous left ventricular motion tracking and segmentation in 4D echocardiography
Tuladhar et al. Automatic segmentation of stroke lesions in non-contrast computed tomography datasets with convolutional neural networks
Ghobrial et al. The new role of diagnostic angiography in coronary physiological assessment
Zhou et al. Automated deep learning analysis of angiography video sequences for coronary artery disease
US20170227620A1 (en) Image processing device and mri apparatus
Taylor et al. Patient-specific modeling of blood flow in the coronary arteries
KR20200041813A (ko) 암 영역에 대한 딥러닝 모델 학습 장치 및 방법
JP2008514317A (ja) 血管構造セグメンテーションシステム及び方法
M'hiri et al. A graph-based approach for spatio-temporal segmentation of coronary arteries in X-ray angiographic sequences
Luo et al. IVUS validation of patient coronary artery lumen area obtained from CT images
Babin et al. Robust segmentation methods with an application to aortic pulse wave velocity calculation
US20230260119A1 (en) Image processing apparatus, image processing method, and computer program product
JP2024058471A (ja) 医用画像処理装置、医用画像処理方法、及びプログラム
Stam et al. Dynamic Computed Tomography Angiography for capturing vessel wall motion: A phantom study for optimal image reconstruction
Zhang et al. Quantification of effects of mean blood pressure and left ventricular mass on noninvasive fast fractional flow reserve
Zhang et al. Coronary R-CNN: vessel-wise method for coronary artery lesion detection and analysis in coronary CT angiography
Fan et al. Enhanced subtraction image guided convolutional neural network for coronary artery segmentation
Destrempes et al. Assessment of inter-expert variability and of an automated segmentation method of 40 and 60 MHz IVUS images of coronary arteries