JP3049021B2 - 画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体 - Google Patents
画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体Info
- Publication number
- JP3049021B2 JP3049021B2 JP10314759A JP31475998A JP3049021B2 JP 3049021 B2 JP3049021 B2 JP 3049021B2 JP 10314759 A JP10314759 A JP 10314759A JP 31475998 A JP31475998 A JP 31475998A JP 3049021 B2 JP3049021 B2 JP 3049021B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- soft tissue
- region
- cartilage
- image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、人体や動物などの
関節空間内の軟部組織を抽出する画像処理装置、画像処
理方法、並びに、当該画像処理方法の画像処理プログラ
ムを記録した記録媒体に関する。
関節空間内の軟部組織を抽出する画像処理装置、画像処
理方法、並びに、当該画像処理方法の画像処理プログラ
ムを記録した記録媒体に関する。
【０００２】
【従来の技術】近年、Ｘ線コンピュータ断層撮影装置
（以下、Ｘ線ＣＴ（Computed Tomography）装置とい
う。）や、磁気共鳴映像装置（以下、ＭＲＩ（Magnetic
ResonanceImaging）装置という。）等の医用撮影装置
の急速な発展に伴い、それらの画像を用いた画像診断が
盛んに行われるようになった。また、多くの病院で用い
られる撮影装置も、従来のレントゲン装置から、人体内
部の詳細な情報が撮影できるＸ線ＣＴ装置やＭＲＩ撮影
装置にとって変わりつつある。これらから得られる画像
は、３次元的な厚みを持ったボリューム画像であり、診
断部位によっては数百枚もの画像が撮影される。そのた
め、従来のスライス画像に基づく２次元的な画像診断
を、これらの３次元画像に適用することが困難になり、
デジタル計算機を用いて、スライス画像を立体的に再構
築する手法の開発が望まれている。
（以下、Ｘ線ＣＴ（Computed Tomography）装置とい
う。）や、磁気共鳴映像装置（以下、ＭＲＩ（Magnetic
ResonanceImaging）装置という。）等の医用撮影装置
の急速な発展に伴い、それらの画像を用いた画像診断が
盛んに行われるようになった。また、多くの病院で用い
られる撮影装置も、従来のレントゲン装置から、人体内
部の詳細な情報が撮影できるＸ線ＣＴ装置やＭＲＩ撮影
装置にとって変わりつつある。これらから得られる画像
は、３次元的な厚みを持ったボリューム画像であり、診
断部位によっては数百枚もの画像が撮影される。そのた
め、従来のスライス画像に基づく２次元的な画像診断
を、これらの３次元画像に適用することが困難になり、
デジタル計算機を用いて、スライス画像を立体的に再構
築する手法の開発が望まれている。
【０００３】膝関節の大腿骨と脛骨との間に位置する半
月板は、膝関節表面の不適合を補正する役割をもつが、
この半月板の役割は、半月板摘出術を受けた患者が、半
月板がそのまま残っている同年代の人々に比べ、より早
く変形性膝関節症をきたし始めるということが分かるま
で、理解されず軽視されていた。現在では、半月板の損
傷をより正確に把握し、誤診をさけるとともに、断裂を
きたしているかどうか不確かな半月板の摘出をさけるこ
とが要求されている。
月板は、膝関節表面の不適合を補正する役割をもつが、
この半月板の役割は、半月板摘出術を受けた患者が、半
月板がそのまま残っている同年代の人々に比べ、より早
く変形性膝関節症をきたし始めるということが分かるま
で、理解されず軽視されていた。現在では、半月板の損
傷をより正確に把握し、誤診をさけるとともに、断裂を
きたしているかどうか不確かな半月板の摘出をさけるこ
とが要求されている。
【０００４】半月板の診断には、半月板の領域を抽出
し、その画像を３次元表示することが有効である。さら
に、半月板の画像を３次元表示することにより、断裂部
分の立体的な位置や、半月板の形状が把握でき、軟骨を
障害する原因ともなる断裂した半月板の一部を取り去る
半月板部分摘出術が容易になる。また、半月板や軟骨の
損傷がいったん生じると、靱帯の機能不全を頻繁に伴う
ことが多いことからも、半月板の病変の発見は必要とさ
れている。
し、その画像を３次元表示することが有効である。さら
に、半月板の画像を３次元表示することにより、断裂部
分の立体的な位置や、半月板の形状が把握でき、軟骨を
障害する原因ともなる断裂した半月板の一部を取り去る
半月板部分摘出術が容易になる。また、半月板や軟骨の
損傷がいったん生じると、靱帯の機能不全を頻繁に伴う
ことが多いことからも、半月板の病変の発見は必要とさ
れている。
【０００５】
【発明が解決しようとする課題】現在、半月板の診断
は、ＭＲＩ装置を用いて、スピンエコー法を用いたＴ２
強調法で撮影されたＭＲＩ画像を用いて行われている。
Ｔ２強調法は、体内の水分に高い信号値を返す撮影方法
で、この画像では、半月板と周囲の部位との境界線や、
半月板の損傷部分の認識が容易である。しかしながら、
Ｔ２強調画像は、スライス幅を小さくとることができな
いため、半月板が断裂していても、関心領域が認識でき
ない場合がある。また、スライス幅の大きい画像は、３
次元表示にも適していない。
は、ＭＲＩ装置を用いて、スピンエコー法を用いたＴ２
強調法で撮影されたＭＲＩ画像を用いて行われている。
Ｔ２強調法は、体内の水分に高い信号値を返す撮影方法
で、この画像では、半月板と周囲の部位との境界線や、
半月板の損傷部分の認識が容易である。しかしながら、
Ｔ２強調画像は、スライス幅を小さくとることができな
いため、半月板が断裂していても、関心領域が認識でき
ない場合がある。また、スライス幅の大きい画像は、３
次元表示にも適していない。
【０００６】そこで、スライス幅を小さくとることので
きるＴ１強調法で撮影されたＭＲＩ画像を用いた半月板
領域の抽出が求められる。しかしながら、Ｔ１強調法
は、体内の脂肪に高い信号値を返す撮影方法で、骨や脂
肪の領域を認識することは容易であるが、半月板と周囲
の部位との濃度値分布が似通って撮影されるため、濃度
しきい値処理や、領域拡張法等の処理によって半月板の
領域を正確に抽出することは不可能である。そのため、
これまでは半月板を自動抽出する方法についてはほとん
ど研究されておらず、スライス毎に手作業で輪郭をトレ
ースする方法が主流とされ、半月板の抽出には医師の膨
大な時間と労力が必要であった。
きるＴ１強調法で撮影されたＭＲＩ画像を用いた半月板
領域の抽出が求められる。しかしながら、Ｔ１強調法
は、体内の脂肪に高い信号値を返す撮影方法で、骨や脂
肪の領域を認識することは容易であるが、半月板と周囲
の部位との濃度値分布が似通って撮影されるため、濃度
しきい値処理や、領域拡張法等の処理によって半月板の
領域を正確に抽出することは不可能である。そのため、
これまでは半月板を自動抽出する方法についてはほとん
ど研究されておらず、スライス毎に手作業で輪郭をトレ
ースする方法が主流とされ、半月板の抽出には医師の膨
大な時間と労力が必要であった。
【０００７】また、従来、医用画像からの関心領域の抽
出に関して多くの研究がなされてきたが、半月板が他の
部位に比べて小さく、形状、濃度値共に特有であるた
め、それらの方法を膝関節ＭＲ画像からの半月板領域抽
出に適用することは困難であった。すなわち、現在、半
月板領域を自動抽出する方法については報告されていな
い。
出に関して多くの研究がなされてきたが、半月板が他の
部位に比べて小さく、形状、濃度値共に特有であるた
め、それらの方法を膝関節ＭＲ画像からの半月板領域抽
出に適用することは困難であった。すなわち、現在、半
月板領域を自動抽出する方法については報告されていな
い。
【０００８】本発明の目的は以上の問題点を解決し、半
月板領域などの関節空間内の軟部組織を高い精度で自動
的に抽出することができる画像処理装置、画像処理方
法、並びに、当該画像処理方法の画像処理プログラムを
記録した記録媒体を提供することにある。
月板領域などの関節空間内の軟部組織を高い精度で自動
的に抽出することができる画像処理装置、画像処理方
法、並びに、当該画像処理方法の画像処理プログラムを
記録した記録媒体を提供することにある。
【０００９】
【課題を解決するための手段】本発明に係る請求項１記
載の画像処理装置は、磁気共鳴映像装置によって生成さ
れたＭＲ画像データから、関節空間内で軟骨領域で挟設
された軟部組織の画像データを抽出する画像処理装置で
あって、画像データの画像を表示する表示手段と、上記
ＭＲ画像データに基づいて、所定の濃度しきい値を用い
て、上記軟骨領域を含む処理対象領域の画像データを抽
出する第１の抽出手段と、上記ＭＲ画像データを上記表
示手段に表示し、上記関節空間内の軟部組織の少なくと
も１点を確定点として入力する入力手段と、上記第１の
抽出手段によって抽出された軟骨領域を含む処理対象領
域の画像データを、上記軟骨領域の位置と濃度値に関す
る知識のファジィルールを用いて、軟骨領域を含むクラ
スの画像データと、軟骨領域を含まないクラスの画像デ
ータとに分類する分類手段と、上記分類手段によって分
類された軟骨領域を含むクラスの画像データに基づい
て、上記軟部組織の位置に関する知識のファジィ推論の
領域拡張条件で、上記入力手段によって入力された軟部
組織の確定点を出発点として、領域拡張法を用いて領域
拡張処理を行うことにより、軟部組織候補の画像データ
を抽出する第２の抽出手段と、上記第２の抽出手段によ
って抽出された軟部組織候補の画像データに基づいて、
上記軟部組織の位置と濃度値に関する知識のファジィ推
論を用いて、上記軟部組織の画像データを抽出する第３
の抽出手段とを備えたことを特徴とする。
載の画像処理装置は、磁気共鳴映像装置によって生成さ
れたＭＲ画像データから、関節空間内で軟骨領域で挟設
された軟部組織の画像データを抽出する画像処理装置で
あって、画像データの画像を表示する表示手段と、上記
ＭＲ画像データに基づいて、所定の濃度しきい値を用い
て、上記軟骨領域を含む処理対象領域の画像データを抽
出する第１の抽出手段と、上記ＭＲ画像データを上記表
示手段に表示し、上記関節空間内の軟部組織の少なくと
も１点を確定点として入力する入力手段と、上記第１の
抽出手段によって抽出された軟骨領域を含む処理対象領
域の画像データを、上記軟骨領域の位置と濃度値に関す
る知識のファジィルールを用いて、軟骨領域を含むクラ
スの画像データと、軟骨領域を含まないクラスの画像デ
ータとに分類する分類手段と、上記分類手段によって分
類された軟骨領域を含むクラスの画像データに基づい
て、上記軟部組織の位置に関する知識のファジィ推論の
領域拡張条件で、上記入力手段によって入力された軟部
組織の確定点を出発点として、領域拡張法を用いて領域
拡張処理を行うことにより、軟部組織候補の画像データ
を抽出する第２の抽出手段と、上記第２の抽出手段によ
って抽出された軟部組織候補の画像データに基づいて、
上記軟部組織の位置と濃度値に関する知識のファジィ推
論を用いて、上記軟部組織の画像データを抽出する第３
の抽出手段とを備えたことを特徴とする。
【００１０】また、本発明に係る請求項２記載の画像処
理装置は、磁気共鳴映像装置によって生成されたＭＲ画
像データから、関節空間内で軟骨領域で挟設された軟部
組織の画像データを抽出する画像処理装置であって、画
像データの画像を表示する表示手段と、上記ＭＲ画像デ
ータに基づいて、所定の濃度しきい値を用いて、上記軟
骨領域を含む処理対象領域の画像データを抽出する第１
の抽出手段と、上記ＭＲ画像データを上記表示手段に表
示し、上記関節空間内の軟部組織の少なくとも１点を確
定点として入力する入力手段と、上記第１の抽出手段に
よって抽出された軟骨領域を含む処理対象領域の画像デ
ータを、当該処理対象領域の重心からの距離に関する第
１のメンバーシップ関数と、上記軟部組織と上記軟骨領
域とを交差する方向に対して平行な基準方向でのＭＲ画
像データの濃度変化値が所定のしきい値以上である濃度
変化点の計数値に関する第２のメンバーシップ関数とを
用いたファジィルールを用いて、軟骨領域を含むクラス
であって基準方向で延在する画像データと、軟骨領域を
含まないクラスであって基準方向で延在する画像データ
とに分類する分類手段と、上記分類手段によって分類さ
れた軟骨領域を含むクラスであって基準方向で延在する
画像データに基づいて、上記軟骨領域を所定の最大の第
１のグレードとし、上記軟骨領域と上記軟部組織を含ま
ない外部領域又は軟骨領域に位置する所定の基準面から
の上記基準方向の距離に関する第３のメンバーシップ関
数を用いて、上記軟骨領域で挟設された領域であってか
つ上記第１のグレードよりも小さい第２のグレード以上
のグレードを有するという軟部組織の位置の知識に関す
るファジィ推論の領域拡張条件で、上記入力手段を用い
て入力された軟部組織の確定点を出発点として、領域拡
張法を用いて領域拡張処理を行うことにより、上記第３
のメンバーシップ関数で計算された第１種のグレード値
を有する軟部組織候補の各画像データを抽出する第２の
抽出手段と、上記第２の抽出手段によって抽出された軟
部組織候補の画像データに基づいて、上記軟部組織の濃
度値を所定の最大の第３のグレードとした画像データの
濃度値に関する第４のメンバーシップ関数を用いて、上
記軟部組織の濃度値の知識のファジィ推論により、各画
像データの第２種のグレード値を計算した後、上記軟部
組織候補の各画像データについて、第１種のグレード値
と第２種のグレード値とを含む全体のグレード値に基づ
いて上記軟部組織の画像データであるか否かを判断する
ことにより、上記軟部組織候補の画像データから上記軟
部組織の画像データを抽出する第３の抽出手段とを備え
たことを特徴とする。
理装置は、磁気共鳴映像装置によって生成されたＭＲ画
像データから、関節空間内で軟骨領域で挟設された軟部
組織の画像データを抽出する画像処理装置であって、画
像データの画像を表示する表示手段と、上記ＭＲ画像デ
ータに基づいて、所定の濃度しきい値を用いて、上記軟
骨領域を含む処理対象領域の画像データを抽出する第１
の抽出手段と、上記ＭＲ画像データを上記表示手段に表
示し、上記関節空間内の軟部組織の少なくとも１点を確
定点として入力する入力手段と、上記第１の抽出手段に
よって抽出された軟骨領域を含む処理対象領域の画像デ
ータを、当該処理対象領域の重心からの距離に関する第
１のメンバーシップ関数と、上記軟部組織と上記軟骨領
域とを交差する方向に対して平行な基準方向でのＭＲ画
像データの濃度変化値が所定のしきい値以上である濃度
変化点の計数値に関する第２のメンバーシップ関数とを
用いたファジィルールを用いて、軟骨領域を含むクラス
であって基準方向で延在する画像データと、軟骨領域を
含まないクラスであって基準方向で延在する画像データ
とに分類する分類手段と、上記分類手段によって分類さ
れた軟骨領域を含むクラスであって基準方向で延在する
画像データに基づいて、上記軟骨領域を所定の最大の第
１のグレードとし、上記軟骨領域と上記軟部組織を含ま
ない外部領域又は軟骨領域に位置する所定の基準面から
の上記基準方向の距離に関する第３のメンバーシップ関
数を用いて、上記軟骨領域で挟設された領域であってか
つ上記第１のグレードよりも小さい第２のグレード以上
のグレードを有するという軟部組織の位置の知識に関す
るファジィ推論の領域拡張条件で、上記入力手段を用い
て入力された軟部組織の確定点を出発点として、領域拡
張法を用いて領域拡張処理を行うことにより、上記第３
のメンバーシップ関数で計算された第１種のグレード値
を有する軟部組織候補の各画像データを抽出する第２の
抽出手段と、上記第２の抽出手段によって抽出された軟
部組織候補の画像データに基づいて、上記軟部組織の濃
度値を所定の最大の第３のグレードとした画像データの
濃度値に関する第４のメンバーシップ関数を用いて、上
記軟部組織の濃度値の知識のファジィ推論により、各画
像データの第２種のグレード値を計算した後、上記軟部
組織候補の各画像データについて、第１種のグレード値
と第２種のグレード値とを含む全体のグレード値に基づ
いて上記軟部組織の画像データであるか否かを判断する
ことにより、上記軟部組織候補の画像データから上記軟
部組織の画像データを抽出する第３の抽出手段とを備え
たことを特徴とする。
【００１１】また、請求項３記載の画像処理装置は、請
求項２記載の画像処理装置において、上記第３のメンバ
ーシップ関数は、第１の軟骨領域を最大の第１のグレー
ドとした上記基準面からの距離に関する第５のメンバー
シップ関数と、第２の軟骨領域を最大の第１のグレード
とした上記基準面からの距離に関する第６のメンバーシ
ップ関数とを加算して計算された関数であることを特徴
とする。
求項２記載の画像処理装置において、上記第３のメンバ
ーシップ関数は、第１の軟骨領域を最大の第１のグレー
ドとした上記基準面からの距離に関する第５のメンバー
シップ関数と、第２の軟骨領域を最大の第１のグレード
とした上記基準面からの距離に関する第６のメンバーシ
ップ関数とを加算して計算された関数であることを特徴
とする。
【００１２】さらに、請求項４記載の画像処理装置は、
請求項１乃至３のうちの１つに記載の画像処理装置にお
いて、さらに、上記抽出された軟部組織の画像データを
上記表示手段に表示する表示制御手段を備えたことを特
徴とする。
請求項１乃至３のうちの１つに記載の画像処理装置にお
いて、さらに、上記抽出された軟部組織の画像データを
上記表示手段に表示する表示制御手段を備えたことを特
徴とする。
【００１３】またさらに、請求項５記載の画像処理装置
は、請求項１乃至４のうちの１つに記載の画像処理装置
において、上記関節空間内で軟骨領域で挟設された軟部
組織は、膝関節内の半月板であることを特徴とする。
は、請求項１乃至４のうちの１つに記載の画像処理装置
において、上記関節空間内で軟骨領域で挟設された軟部
組織は、膝関節内の半月板であることを特徴とする。
【００１４】本発明に係る請求項６記載の画像処理方法
は、磁気共鳴映像装置によって生成されたＭＲ画像デー
タから、関節空間内で軟骨領域で挟設された軟部組織の
画像データを抽出する画像処理方法であって、上記ＭＲ
画像データに基づいて、所定の濃度しきい値を用いて、
上記軟骨領域を含む処理対象領域の画像データを抽出す
るステップと、上記ＭＲ画像データを表示装置に表示
し、上記関節空間内の軟部組織の少なくとも１点を確定
点として入力するステップと、上記抽出された軟骨領域
を含む処理対象領域の画像データを、上記軟骨領域の位
置と濃度値に関する知識のファジィルールを用いて、軟
骨領域を含むクラスの画像データと、軟骨領域を含まな
いクラスの画像データとに分類するステップと、上記分
類された軟骨領域を含むクラスの画像データに基づい
て、上記軟部組織の位置に関する知識のファジィ推論の
領域拡張条件で、上記入力された軟部組織の確定点を出
発点として、領域拡張法を用いて領域拡張処理を行うこ
とにより、軟部組織候補の画像データを抽出するステッ
プと、上記抽出された軟部組織候補の画像データに基づ
いて、上記軟部組織の位置と濃度値に関する知識のファ
ジィ推論を用いて、上記軟部組織の画像データを抽出す
るステップとを含むことを特徴とする。
は、磁気共鳴映像装置によって生成されたＭＲ画像デー
タから、関節空間内で軟骨領域で挟設された軟部組織の
画像データを抽出する画像処理方法であって、上記ＭＲ
画像データに基づいて、所定の濃度しきい値を用いて、
上記軟骨領域を含む処理対象領域の画像データを抽出す
るステップと、上記ＭＲ画像データを表示装置に表示
し、上記関節空間内の軟部組織の少なくとも１点を確定
点として入力するステップと、上記抽出された軟骨領域
を含む処理対象領域の画像データを、上記軟骨領域の位
置と濃度値に関する知識のファジィルールを用いて、軟
骨領域を含むクラスの画像データと、軟骨領域を含まな
いクラスの画像データとに分類するステップと、上記分
類された軟骨領域を含むクラスの画像データに基づい
て、上記軟部組織の位置に関する知識のファジィ推論の
領域拡張条件で、上記入力された軟部組織の確定点を出
発点として、領域拡張法を用いて領域拡張処理を行うこ
とにより、軟部組織候補の画像データを抽出するステッ
プと、上記抽出された軟部組織候補の画像データに基づ
いて、上記軟部組織の位置と濃度値に関する知識のファ
ジィ推論を用いて、上記軟部組織の画像データを抽出す
るステップとを含むことを特徴とする。
【００１５】また、本発明に係る請求項７記載の画像処
理方法は、磁気共鳴映像装置によって生成されたＭＲ画
像データから、関節空間内で軟骨領域で挟設された軟部
組織の画像データを抽出する画像処理方法であって、上
記ＭＲ画像データに基づいて、所定の濃度しきい値を用
いて、上記軟骨領域を含む処理対象領域の画像データを
抽出するステップと、上記ＭＲ画像データを表示装置に
表示し、上記関節空間内の軟部組織の少なくとも１点を
確定点として入力するステップと、上記抽出された軟骨
領域を含む処理対象領域の画像データを、当該処理対象
領域の重心からの距離に関する第１のメンバーシップ関
数と、上記軟部組織と上記軟骨領域とを交差する方向に
対して平行な基準方向でのＭＲ画像データの濃度変化値
が所定のしきい値以上である濃度変化点の計数値に関す
る第２のメンバーシップ関数とを用いたファジィルール
を用いて、軟骨領域を含むクラスであって基準方向に延
在する画像データと、軟骨領域を含まないクラスであっ
て基準方向に延在する画像データとに分類するステップ
と、上記分類された軟骨領域を含むクラスであって基準
方向で延在する画像データに基づいて、上記軟骨領域を
所定の最大の第１のグレードとし、上記軟骨領域と上記
軟部組織を含まない外部領域又は軟骨領域に位置する所
定の基準面からの上記基準方向の距離に関する第３のメ
ンバーシップ関数を用いて、上記軟骨領域で挟設された
領域であってかつ上記第１のグレードよりも小さい第２
のグレード以上のグレードを有するという軟部組織の位
置の知識に関するファジィ推論の領域拡張条件で、上記
入力された軟部組織の確定点を出発点として、領域拡張
法を用いて領域拡張処理を行うことにより、上記第３の
メンバーシップ関数で計算された第１種のグレード値を
有する軟部組織候補の各画像データを抽出するステップ
と、上記抽出された軟部組織候補の画像データに基づい
て、上記軟部組織の濃度値を所定の最大の第３のグレー
ドとした画像データの濃度値に関する第４のメンバーシ
ップ関数を用いて、上記軟部組織の濃度値の知識のファ
ジィ推論により、各画像データの第２種のグレード値を
計算した後、上記軟部組織候補の各画像データについ
て、第１種のグレード値と第２種のグレード値とを含む
全体のグレード値に基づいて上記軟部組織の画像データ
であるか否かを判断することにより、上記軟部組織候補
の画像データから上記軟部組織の画像データを抽出する
ステップとを含むことを特徴とする。
理方法は、磁気共鳴映像装置によって生成されたＭＲ画
像データから、関節空間内で軟骨領域で挟設された軟部
組織の画像データを抽出する画像処理方法であって、上
記ＭＲ画像データに基づいて、所定の濃度しきい値を用
いて、上記軟骨領域を含む処理対象領域の画像データを
抽出するステップと、上記ＭＲ画像データを表示装置に
表示し、上記関節空間内の軟部組織の少なくとも１点を
確定点として入力するステップと、上記抽出された軟骨
領域を含む処理対象領域の画像データを、当該処理対象
領域の重心からの距離に関する第１のメンバーシップ関
数と、上記軟部組織と上記軟骨領域とを交差する方向に
対して平行な基準方向でのＭＲ画像データの濃度変化値
が所定のしきい値以上である濃度変化点の計数値に関す
る第２のメンバーシップ関数とを用いたファジィルール
を用いて、軟骨領域を含むクラスであって基準方向に延
在する画像データと、軟骨領域を含まないクラスであっ
て基準方向に延在する画像データとに分類するステップ
と、上記分類された軟骨領域を含むクラスであって基準
方向で延在する画像データに基づいて、上記軟骨領域を
所定の最大の第１のグレードとし、上記軟骨領域と上記
軟部組織を含まない外部領域又は軟骨領域に位置する所
定の基準面からの上記基準方向の距離に関する第３のメ
ンバーシップ関数を用いて、上記軟骨領域で挟設された
領域であってかつ上記第１のグレードよりも小さい第２
のグレード以上のグレードを有するという軟部組織の位
置の知識に関するファジィ推論の領域拡張条件で、上記
入力された軟部組織の確定点を出発点として、領域拡張
法を用いて領域拡張処理を行うことにより、上記第３の
メンバーシップ関数で計算された第１種のグレード値を
有する軟部組織候補の各画像データを抽出するステップ
と、上記抽出された軟部組織候補の画像データに基づい
て、上記軟部組織の濃度値を所定の最大の第３のグレー
ドとした画像データの濃度値に関する第４のメンバーシ
ップ関数を用いて、上記軟部組織の濃度値の知識のファ
ジィ推論により、各画像データの第２種のグレード値を
計算した後、上記軟部組織候補の各画像データについ
て、第１種のグレード値と第２種のグレード値とを含む
全体のグレード値に基づいて上記軟部組織の画像データ
であるか否かを判断することにより、上記軟部組織候補
の画像データから上記軟部組織の画像データを抽出する
ステップとを含むことを特徴とする。
【００１６】また、請求項８記載の画像処理方法は、請
求項７記載の画像処理方法において、上記第３のメンバ
ーシップ関数は、第１の軟骨領域を最大の第１のグレー
ドとした上記基準面からの距離に関する第５のメンバー
シップ関数と、第２の軟骨領域を最大の第１のグレード
とした上記基準面からの距離に関する第６のメンバーシ
ップ関数とを加算して計算された関数であることを特徴
とする。
求項７記載の画像処理方法において、上記第３のメンバ
ーシップ関数は、第１の軟骨領域を最大の第１のグレー
ドとした上記基準面からの距離に関する第５のメンバー
シップ関数と、第２の軟骨領域を最大の第１のグレード
とした上記基準面からの距離に関する第６のメンバーシ
ップ関数とを加算して計算された関数であることを特徴
とする。
【００１７】さらに、請求項９記載の画像処理方法は、
請求項６乃至８記載の画像処理方法において、さらに、
上記抽出された軟部組織の画像データを上記表示装置に
表示するステップを含むことを特徴とする。
請求項６乃至８記載の画像処理方法において、さらに、
上記抽出された軟部組織の画像データを上記表示装置に
表示するステップを含むことを特徴とする。
【００１８】またさらに、請求項１０記載の画像処理方
法は、請求項６乃至９記載の画像処理方法において、上
記関節空間内で軟骨領域で挟設された軟部組織は、膝関
節内の半月板であることを特徴とする。
法は、請求項６乃至９記載の画像処理方法において、上
記関節空間内で軟骨領域で挟設された軟部組織は、膝関
節内の半月板であることを特徴とする。
【００１９】さらに、本発明に係る請求項１１記載のコ
ンピュータで読み取り可能な画像処理プログラムを記録
した記録媒体は、請求項６乃至１０のうちの１つに記載
の画像処理方法を含む画像処理プログラムを記録したこ
とを特徴とする。
ンピュータで読み取り可能な画像処理プログラムを記録
した記録媒体は、請求項６乃至１０のうちの１つに記載
の画像処理方法を含む画像処理プログラムを記録したこ
とを特徴とする。
【００２０】
【発明の実施の形態】以下、図面を参照して本発明に係
る実施形態について説明する。
る実施形態について説明する。
【００２１】図１は本発明に係る一実施形態である、半
月板画像の画像処理を行う画像処理装置１０を備えた画
像処理システムの構成を示すブロック図であり、図２は
図１の画像処理装置１０によって実行される半月板画像
の画像処理（メインルーチン）を示し、図３は図２のサ
ブルーチンである軟骨領域分類処理を示し、図４は図２
のサブルーチンである半月板領域抽出処理を示す。この
実施形態の画像処理装置１０は、人体の解剖学的特徴に
注目して、ＭＲＩ画像データのしきい値処理による軟骨
領域を含む領域の抽出処理（図２のステップＳ２）と、
図３の軟骨領域分類処理（ステップＳ５）と、図４の半
月板領域抽出処理（ステップＳ６）とを実行することに
より、膝関節のＭＲＩ画像からの半月板領域を自動的に
抽出してその半月板領域の画像を表示することを特徴と
している。
月板画像の画像処理を行う画像処理装置１０を備えた画
像処理システムの構成を示すブロック図であり、図２は
図１の画像処理装置１０によって実行される半月板画像
の画像処理（メインルーチン）を示し、図３は図２のサ
ブルーチンである軟骨領域分類処理を示し、図４は図２
のサブルーチンである半月板領域抽出処理を示す。この
実施形態の画像処理装置１０は、人体の解剖学的特徴に
注目して、ＭＲＩ画像データのしきい値処理による軟骨
領域を含む領域の抽出処理（図２のステップＳ２）と、
図３の軟骨領域分類処理（ステップＳ５）と、図４の半
月板領域抽出処理（ステップＳ６）とを実行することに
より、膝関節のＭＲＩ画像からの半月板領域を自動的に
抽出してその半月板領域の画像を表示することを特徴と
している。
【００２２】本実施形態の画像処理システムは、大きく
分けて、（ａ）人体のうちの例えば膝関節などの関節領
域のＭＲＩ画像データを生成するＭＲＩ装置１と、
（ｂ）デジタル計算機で構成され、例えば膝関節領域の
ＭＲＩ画像データに基づいて、図２に示すように、半月
板画像の画像処理を実行することにより、半月板領域を
自動的に抽出してその画像を表示する画像処理装置１０
とを備えたことを特徴としている。ここで、表示された
半月板領域の画像は、その損傷診断や手術のために用い
られる。
分けて、（ａ）人体のうちの例えば膝関節などの関節領
域のＭＲＩ画像データを生成するＭＲＩ装置１と、
（ｂ）デジタル計算機で構成され、例えば膝関節領域の
ＭＲＩ画像データに基づいて、図２に示すように、半月
板画像の画像処理を実行することにより、半月板領域を
自動的に抽出してその画像を表示する画像処理装置１０
とを備えたことを特徴としている。ここで、表示された
半月板領域の画像は、その損傷診断や手術のために用い
られる。
【００２３】ここで、ＭＲＩ装置１の通信インターフェ
ース１ａと画像処理装置１０の通信インターフェース６
１との間が通信ケーブル５１を介して接続される。これ
らの通信インターフェース１ａ，６１は例えばＬＡＮ用
の通信インターフェースである。そして、ＭＲＩ画像デ
ータがＭＲＩ装置１から画像処理装置１０に送信されて
画像処理装置１０で受信されて画像処理される。
ース１ａと画像処理装置１０の通信インターフェース６
１との間が通信ケーブル５１を介して接続される。これ
らの通信インターフェース１ａ，６１は例えばＬＡＮ用
の通信インターフェースである。そして、ＭＲＩ画像デ
ータがＭＲＩ装置１から画像処理装置１０に送信されて
画像処理装置１０で受信されて画像処理される。
【００２４】まず、図１を参照して、画像処理装置１０
の構成について説明する。画像処理装置１０は、（ａ）
当該画像処理装置１０の動作及び処理を演算及び制御す
るコンピュータのＣＰＵ（中央演算処理装置）２０と、
（ｂ）オペレーションプログラムなどの基本プログラム
及びそれを実行するために必要なデータを格納するＲＯ
Ｍ（読み出し専用メモリ）２１と、（ｃ）ＣＰＵ２０の
ワーキングメモリとして動作し、画像処理で必要なパラ
メータやデータを一時的に格納するＲＡＭ（ランダムア
クセスメモリ）２２と、（ｄ）例えばハードディスクメ
モリで構成され、ＭＲＩ装置１から受信したＭＲＩ画像
データ、画像処理中の画像データ、及び画像処理後の画
像データを格納する画像メモリ２３と、（ｅ）例えばハ
ードディスクメモリで構成され、ＣＤ−ＲＯＭドライブ
装置４５を用いて読みこんだ図２の画像処理のプログラ
ムを格納するプログラムメモリ２４と、（ｆ）ＭＲＩ装
置１の通信インターフェース１ａと接続され、通信イン
ターフェース１ａとデータを送受信する通信インターフ
ェース６１と、（ｇ）所定のデータや指示コマンドを入
力するためのキーボード４１に接続され、キーボード４
１から入力されたデータや指示コマンドを受信して所定
の信号変換などのインターフェース処理を行ってＣＰＵ
２０に伝送するキーボードインターフェース３１と、
（ｈ）ＣＲＴディスプレイ４３上で指示コマンドを入力
するためのマウス４２に接続され、マウス４２から入力
されたデータや指示コマンドを受信して所定の信号変換
などのインターフェース処理を行ってＣＰＵ２０に伝送
するマウスインターフェース３２と、（ｉ）ＣＰＵ２０
によって処理された画像データや設定指示画面などを表
示するＣＲＴディスプレイ４３に接続され、表示すべき
画像データをＣＲＴディスプレイ４３用の画像信号に変
換してＣＲＴディスプレイ４３に出力して表示するディ
スプレイインターフェース３３と、（ｊ）ＣＰＵ２０に
よって処理された画像データ及び所定の解析結果などを
印字するプリンタ４４に接続され、印字すべき印字デー
タの所定の信号変換などを行ってプリンタ４４に出力し
て印字するプリンタインターフェース３４と、（ｋ）画
像処理プログラムが記憶されたＣＤ−ＲＯＭ４５ａから
画像処理プログラムのプログラムデータを読み出すＣＤ
−ＲＯＭドライブ装置４５に接続され、読み出された画
像処理プログラムのプログラムデータを所定の信号変換
などを行ってプログラムメモリ２４に転送するドライブ
装置インターフェース３５とを備え、これらの回路２０
−２４、３１−３４及び６１はバス３０を介して接続さ
れる。
の構成について説明する。画像処理装置１０は、（ａ）
当該画像処理装置１０の動作及び処理を演算及び制御す
るコンピュータのＣＰＵ（中央演算処理装置）２０と、
（ｂ）オペレーションプログラムなどの基本プログラム
及びそれを実行するために必要なデータを格納するＲＯ
Ｍ（読み出し専用メモリ）２１と、（ｃ）ＣＰＵ２０の
ワーキングメモリとして動作し、画像処理で必要なパラ
メータやデータを一時的に格納するＲＡＭ（ランダムア
クセスメモリ）２２と、（ｄ）例えばハードディスクメ
モリで構成され、ＭＲＩ装置１から受信したＭＲＩ画像
データ、画像処理中の画像データ、及び画像処理後の画
像データを格納する画像メモリ２３と、（ｅ）例えばハ
ードディスクメモリで構成され、ＣＤ−ＲＯＭドライブ
装置４５を用いて読みこんだ図２の画像処理のプログラ
ムを格納するプログラムメモリ２４と、（ｆ）ＭＲＩ装
置１の通信インターフェース１ａと接続され、通信イン
ターフェース１ａとデータを送受信する通信インターフ
ェース６１と、（ｇ）所定のデータや指示コマンドを入
力するためのキーボード４１に接続され、キーボード４
１から入力されたデータや指示コマンドを受信して所定
の信号変換などのインターフェース処理を行ってＣＰＵ
２０に伝送するキーボードインターフェース３１と、
（ｈ）ＣＲＴディスプレイ４３上で指示コマンドを入力
するためのマウス４２に接続され、マウス４２から入力
されたデータや指示コマンドを受信して所定の信号変換
などのインターフェース処理を行ってＣＰＵ２０に伝送
するマウスインターフェース３２と、（ｉ）ＣＰＵ２０
によって処理された画像データや設定指示画面などを表
示するＣＲＴディスプレイ４３に接続され、表示すべき
画像データをＣＲＴディスプレイ４３用の画像信号に変
換してＣＲＴディスプレイ４３に出力して表示するディ
スプレイインターフェース３３と、（ｊ）ＣＰＵ２０に
よって処理された画像データ及び所定の解析結果などを
印字するプリンタ４４に接続され、印字すべき印字デー
タの所定の信号変換などを行ってプリンタ４４に出力し
て印字するプリンタインターフェース３４と、（ｋ）画
像処理プログラムが記憶されたＣＤ−ＲＯＭ４５ａから
画像処理プログラムのプログラムデータを読み出すＣＤ
−ＲＯＭドライブ装置４５に接続され、読み出された画
像処理プログラムのプログラムデータを所定の信号変換
などを行ってプログラムメモリ２４に転送するドライブ
装置インターフェース３５とを備え、これらの回路２０
−２４、３１−３４及び６１はバス３０を介して接続さ
れる。
【００２５】本実施形態では、好ましくは、ＭＲＩ装置
１において公知のグラディエントエコー法で撮影された
膝関節のＭＲＩ水平断層画像を用いる。スライス厚さ及
び間隔は１．５ｍｍで２５６階調で撮影している。この
ＭＲＩ断層画像の一例を図１６及び図１７に示す。ここ
で、図１６はＭＲＩ装置１で生成された膝関節のＭＲＩ
画像（前後スライス）を示し、図１７はＭＲＩ装置１で
生成された膝関節のＭＲＩ画像（横スライス）を示す図
であって、（ａ）はその内側半月板のＭＲＩ画像を示
し、（ｂ）はその外側半月板のＭＲＩ画像を示す。図１
６及び図１７において、特に、白く表示されている部分
が半月板領域に対応する。
１において公知のグラディエントエコー法で撮影された
膝関節のＭＲＩ水平断層画像を用いる。スライス厚さ及
び間隔は１．５ｍｍで２５６階調で撮影している。この
ＭＲＩ断層画像の一例を図１６及び図１７に示す。ここ
で、図１６はＭＲＩ装置１で生成された膝関節のＭＲＩ
画像（前後スライス）を示し、図１７はＭＲＩ装置１で
生成された膝関節のＭＲＩ画像（横スライス）を示す図
であって、（ａ）はその内側半月板のＭＲＩ画像を示
し、（ｂ）はその外側半月板のＭＲＩ画像を示す。図１
６及び図１７において、特に、白く表示されている部分
が半月板領域に対応する。
【００２６】本実施形態では、ＭＲＩ装置１によって生
成されたＭＲＩ画像のスライス画像データがＭＲＩ装置
１の通信インターフェース１ａから通信ケーブル５１を
介して画像処理装置１０の通信インターフェース６１に
送信されて受信された後、画像処理のために画像メモリ
２３に格納される（図２のステップＳ１）。
成されたＭＲＩ画像のスライス画像データがＭＲＩ装置
１の通信インターフェース１ａから通信ケーブル５１を
介して画像処理装置１０の通信インターフェース６１に
送信されて受信された後、画像処理のために画像メモリ
２３に格納される（図２のステップＳ１）。
【００２７】図５は、図１の画像処理装置１０において
用いる３次元画像データの構成を示す斜視図である。Ｍ
ＲＩ画像のスライス画像データは、図５に示すように、
ｚ軸方向に並べられ、３次元の配列データとして画像メ
モリ２３に格納される。ここで、画像データは、いわゆ
るグレースケールで表された、各測定点における所定数
の階調のデータである。例えば、点（ｘ1，ｙ1，ｚ1）
における濃度値（又は画素値）は、ｙ軸の座標値ｙ
n（すなわち、最初のｙ軸の座標値を１としたとき、ｙn
枚目）の画像データの座標（ｘn，ｚn）の画像データを
参照することにより求めることができる。なお、図５で
のハッチング部分は、ある座標値ｙnにおける１枚のス
ライス画像データを示している。３次元画像データをこ
のように構成することで、２つの画像間の連結関係が明
確になり、３次元構造を内部まで詳細に表現することが
できる。
用いる３次元画像データの構成を示す斜視図である。Ｍ
ＲＩ画像のスライス画像データは、図５に示すように、
ｚ軸方向に並べられ、３次元の配列データとして画像メ
モリ２３に格納される。ここで、画像データは、いわゆ
るグレースケールで表された、各測定点における所定数
の階調のデータである。例えば、点（ｘ1，ｙ1，ｚ1）
における濃度値（又は画素値）は、ｙ軸の座標値ｙ
n（すなわち、最初のｙ軸の座標値を１としたとき、ｙn
枚目）の画像データの座標（ｘn，ｚn）の画像データを
参照することにより求めることができる。なお、図５で
のハッチング部分は、ある座標値ｙnにおける１枚のス
ライス画像データを示している。３次元画像データをこ
のように構成することで、２つの画像間の連結関係が明
確になり、３次元構造を内部まで詳細に表現することが
できる。
【００２８】ここで、この３次元画像データを構成する
各測定点をボクセル（Voxel）と呼ぶ。ボクセルは画素
にスライス間隔分の厚みを加えた直方体であり、３次元
データを構成する最小の単位となる。図６（ａ）は図１
の画像処理装置１０において用いる３次元画像データの
構成を示す斜視図であり、図６（ｂ）は図６（ａ）に図
示された３次元画像データにおけるボクセルの単位を示
す斜視図である。本実施形態で用いるＭＲＩ画像データ
のボクセルは０．６２５×０．６２５×１．５８ｍｍ3
のサイズを有する直方体であり、１つの３次元ＭＲＩ画
像データは２５６×２５６×６０個のボクセルから構成
され、当該画像データは１ボクセル当たり８ビットを用
いて２５６階調で表される。これらの画像データは、当
該画像処理装置１０によって処理すべき入力データとし
て画像メモリ２３に格納される。
各測定点をボクセル（Voxel）と呼ぶ。ボクセルは画素
にスライス間隔分の厚みを加えた直方体であり、３次元
データを構成する最小の単位となる。図６（ａ）は図１
の画像処理装置１０において用いる３次元画像データの
構成を示す斜視図であり、図６（ｂ）は図６（ａ）に図
示された３次元画像データにおけるボクセルの単位を示
す斜視図である。本実施形態で用いるＭＲＩ画像データ
のボクセルは０．６２５×０．６２５×１．５８ｍｍ3
のサイズを有する直方体であり、１つの３次元ＭＲＩ画
像データは２５６×２５６×６０個のボクセルから構成
され、当該画像データは１ボクセル当たり８ビットを用
いて２５６階調で表される。これらの画像データは、当
該画像処理装置１０によって処理すべき入力データとし
て画像メモリ２３に格納される。
【００２９】当該画像処理の前置処理として、図２のス
テップＳ２において、ＭＲＩ画像データに対してしきい
値処理を実行して軟骨領域を抽出して、軟骨領域を含む
領域の画像データを以下で用いる処理データとして画像
データ２３に格納する。次の表に、本発明者らによって
ＭＲＩ装置１を用いてグラディエントエコー法を用いて
測定された膝関節のＭＲＩ画像データにおける各組織別
の画像信号値（濃度値）の一例を示す。なお、当該画像
信号値は、ＭＲ ＲＯＩ（Region of interest)値であ
る。
テップＳ２において、ＭＲＩ画像データに対してしきい
値処理を実行して軟骨領域を抽出して、軟骨領域を含む
領域の画像データを以下で用いる処理データとして画像
データ２３に格納する。次の表に、本発明者らによって
ＭＲＩ装置１を用いてグラディエントエコー法を用いて
測定された膝関節のＭＲＩ画像データにおける各組織別
の画像信号値（濃度値）の一例を示す。なお、当該画像
信号値は、ＭＲ ＲＯＩ（Region of interest)値であ
る。
【００３０】
【表１】 ＭＲＩ画像データにおける各組織別の画像信号値の一例 ―――――――――――――― 脂肪 ３４０乃至３９０ 軟骨 ２６０乃至２９０ 筋肉 ２２０乃至２５０ 骨 １５０乃至１９０ 半月板 ４０乃至６０ ――――――――――――――
【００３１】表１から明らかなように、ＭＲＩ画像デー
タでは、半月板などの軟部組織、骨、筋肉、軟骨、脂肪
の順序で信号値が高くなっている。従って、軟骨領域の
上限のしきい値（例えば、２９０）と下限のしきい値
（例えば、２６０）の２つのしきい値を用いることによ
って、軟骨領域のみを抽出することができる。従って、
ＭＲＩ画像データのしきい値処理（図２のステップＳ
２）では、抽出した軟骨領域のＭＲＩ画像データをその
信号値のままで画像メモリ２３に格納する。
タでは、半月板などの軟部組織、骨、筋肉、軟骨、脂肪
の順序で信号値が高くなっている。従って、軟骨領域の
上限のしきい値（例えば、２９０）と下限のしきい値
（例えば、２６０）の２つのしきい値を用いることによ
って、軟骨領域のみを抽出することができる。従って、
ＭＲＩ画像データのしきい値処理（図２のステップＳ
２）では、抽出した軟骨領域のＭＲＩ画像データをその
信号値のままで画像メモリ２３に格納する。
【００３２】次いで、図２のステップＳ３では、ＭＲＩ
装置１から取り込んだＭＲＩ画像データの画像（例え
ば、図１７の２つの横スライス画像）をＣＲＴディスプ
レイ４３に表示して、医師や放射線技師などの操作者に
対して、後述する領域拡張法で用いる拡張出発点とし
て、いままでの医療経験及び知識に基づき、内側及び外
側の２つの半月板の確定点を、例えばマウス４２を用い
て入力させてその２つの確定点の情報を一時的にＲＡＭ
２２に記憶させる。なお、この入力処理は割り込み処理
で実行され、半月板の確定点が入力されたならば（ステ
ップＳ４でＹＥＳ）、以下に詳述する軟骨領域分類処理
（ステップＳ５）及び半月板領域抽出処理（ステップＳ
６）を実行した後、ステップＳ７で抽出決定された半月
板のボクセルを含むＭＲＩ画像データの画像を３次元画
像データに変換して３次元表示する。なお、ステップＳ
７での表示処理は、３次元表示に限らず、２次元で表示
してもよい。
装置１から取り込んだＭＲＩ画像データの画像（例え
ば、図１７の２つの横スライス画像）をＣＲＴディスプ
レイ４３に表示して、医師や放射線技師などの操作者に
対して、後述する領域拡張法で用いる拡張出発点とし
て、いままでの医療経験及び知識に基づき、内側及び外
側の２つの半月板の確定点を、例えばマウス４２を用い
て入力させてその２つの確定点の情報を一時的にＲＡＭ
２２に記憶させる。なお、この入力処理は割り込み処理
で実行され、半月板の確定点が入力されたならば（ステ
ップＳ４でＹＥＳ）、以下に詳述する軟骨領域分類処理
（ステップＳ５）及び半月板領域抽出処理（ステップＳ
６）を実行した後、ステップＳ７で抽出決定された半月
板のボクセルを含むＭＲＩ画像データの画像を３次元画
像データに変換して３次元表示する。なお、ステップＳ
７での表示処理は、３次元表示に限らず、２次元で表示
してもよい。
【００３３】次いで、軟骨領域分類処理の詳細について
説明する。人体の膝関節の縦断面（前後スライス）の模
式図を示す図７に示すように、半月板は上下それぞれ、
軟骨を間に挟んで、大腿骨と頚骨との間に位置してい
る。本実施形態では、図８に示す２つのクラスを定義
し、軟骨領域を含む処理対象領域内のすべてのユニット
に対して、ファジイ推論によって、それぞれがどちらの
クラスに当てはまるかを求める。ここで、処理対象領域
とは、ＭＲＩ画像データ内の領域であって少なくとも軟
骨領域を含む領域をいい、また、ユニットとは、下側の
軟骨領域よりも下側に位置する所定の基準面から上側方
向（ｙ軸方向）に延在し、１ボクセルの幅及び奥行きを
有する複数のボクセルからなる集合をいう。なお、基準
面は、ＭＲＩ装置１から取り込んだＭＲＩ画像データの
ｙ＝０の面であってもよいし、少なくとも下側の軟骨領
域を含む面であってもよい。ここで、ｙ軸方向が逆であ
れば、基準面は、少なくとも上側の軟骨領域を含む面で
あってもよい。また、ｙ軸方向は、人体の上下方向に平
行な方向であって、本実施形態では、図７に示すよう
に、少なくとも、半月板領域と、軟骨領域とが交差する
方向に対して平行な方向に設定される。
説明する。人体の膝関節の縦断面（前後スライス）の模
式図を示す図７に示すように、半月板は上下それぞれ、
軟骨を間に挟んで、大腿骨と頚骨との間に位置してい
る。本実施形態では、図８に示す２つのクラスを定義
し、軟骨領域を含む処理対象領域内のすべてのユニット
に対して、ファジイ推論によって、それぞれがどちらの
クラスに当てはまるかを求める。ここで、処理対象領域
とは、ＭＲＩ画像データ内の領域であって少なくとも軟
骨領域を含む領域をいい、また、ユニットとは、下側の
軟骨領域よりも下側に位置する所定の基準面から上側方
向（ｙ軸方向）に延在し、１ボクセルの幅及び奥行きを
有する複数のボクセルからなる集合をいう。なお、基準
面は、ＭＲＩ装置１から取り込んだＭＲＩ画像データの
ｙ＝０の面であってもよいし、少なくとも下側の軟骨領
域を含む面であってもよい。ここで、ｙ軸方向が逆であ
れば、基準面は、少なくとも上側の軟骨領域を含む面で
あってもよい。また、ｙ軸方向は、人体の上下方向に平
行な方向であって、本実施形態では、図７に示すよう
に、少なくとも、半月板領域と、軟骨領域とが交差する
方向に対して平行な方向に設定される。
【００３４】ここで、２つのクラスとは、１つのユニッ
ト内に軟骨ボクセルＶａを含むクラスＡと、軟骨ボクセ
ルＶａを持たないクラスＢである。ここで、処理対象領
域の重心に位置するボクセルを含むユニットを重心ユニ
ットとし、対象ユニットのクラスを分類するために、以
下に示すファジイ制約ルールを用いる。
ト内に軟骨ボクセルＶａを含むクラスＡと、軟骨ボクセ
ルＶａを持たないクラスＢである。ここで、処理対象領
域の重心に位置するボクセルを含むユニットを重心ユニ
ットとし、対象ユニットのクラスを分類するために、以
下に示すファジイ制約ルールを用いる。
【００３５】
【数１】ｉｆ 対象ユニットと重心ユニットとのユーク
リッド距離ｄが小さく、対象ユニット内での隣接したボ
クセル間の濃度差が所定のしきい値Ｔｈ以上である濃度
変化点の計数値（以下、濃度変化点計数値という。）ｎ
が大きい。ｔｈｅｎ クラスＡに属するグレードが大き
い。
リッド距離ｄが小さく、対象ユニット内での隣接したボ
クセル間の濃度差が所定のしきい値Ｔｈ以上である濃度
変化点の計数値（以下、濃度変化点計数値という。）ｎ
が大きい。ｔｈｅｎ クラスＡに属するグレードが大き
い。
【数２】ｉｆ ユークリッド距離ｄが大きく、濃度変化
点計数値ｎが小さい。ｔｈｅｎ クラスＢに属するグレ
ードが大きい。
点計数値ｎが小さい。ｔｈｅｎ クラスＢに属するグレ
ードが大きい。
【００３６】ここで、隣接する２つのボクセル間の濃度
変化点計数値ｎは次式で表される。
変化点計数値ｎは次式で表される。
【００３７】
【数３】
【００３８】ここで、しきい値Ｔｈは例えば３０であ
り、濃度変化点計数値ｎは１つのユニットの中で隣接す
る２つのボクセル間の濃度値の変化値
り、濃度変化点計数値ｎは１つのユニットの中で隣接す
る２つのボクセル間の濃度値の変化値
【数４】｜Ｉ（ｙ）−Ｉ（ｙ−１）｜ がしきい値Ｔｈ以上である濃度変化点の計数値である。
【００３９】図８は、軟骨領域分類処理の原理図であ
る。当該軟骨領域分類処理では、表１の濃度値及び図７
の膝関節における各組織の配置を考慮して、図８から明
らかなように、半月板付近における軟骨ボクセルＶａを
含むクラスＡのユニットでは、図８（ａ）に示すように
濃度変化点が多く存在する一方、半月板から離れた脂肪
付近における軟骨ボクセルＶａを含まないクラスＢのユ
ニットでは、図８（ｂ）に示すように濃度変化点はほと
んど存在しない。本実施形態では、この原理に基づい
た、軟骨領域の位置と濃度値に関する知識のファジィル
ールを用いて軟骨領域分類処理を行う。
る。当該軟骨領域分類処理では、表１の濃度値及び図７
の膝関節における各組織の配置を考慮して、図８から明
らかなように、半月板付近における軟骨ボクセルＶａを
含むクラスＡのユニットでは、図８（ａ）に示すように
濃度変化点が多く存在する一方、半月板から離れた脂肪
付近における軟骨ボクセルＶａを含まないクラスＢのユ
ニットでは、図８（ｂ）に示すように濃度変化点はほと
んど存在しない。本実施形態では、この原理に基づい
た、軟骨領域の位置と濃度値に関する知識のファジィル
ールを用いて軟骨領域分類処理を行う。
【００４０】図９及び図１０に当該軟骨領域分類処理で
用いるメンバーシップ関数を示す。図９において、ユー
クリッド距離ｄが小さい領域のグレードを規定するメン
バーシップ関数ＭＳＦ１１と、ユークリッド距離ｄが大
きい領域のグレードを規定するメンバーシップ関数ＭＳ
Ｆ１２との２つのメンバーシップ関数が示され、これら
を用いて、１つのユニットデータから計算されたユーク
リッド距離ｄの計算値ｄiに基づいて各メンバーシップ
関数ＭＳＦ１１及びＭＳＦ１２に基づいたグレードＵｄ
ｓｍａｌｌ及びＵｄｌａｒｇｅを計算する。また、図１
０において、濃度変化点計数値ｎが小さい領域のグレー
ドを規定するメンバーシップ関数ＭＳＦ２１と、濃度変
化点計数値ｎが大きい領域のグレードを規定するメンバ
ーシップ関数ＭＳＦ２２との２つのメンバーシップ関数
が示され、これらを用いて、１つのユニットデータから
計算された濃度変化点計数値ｎの計算値ｎiに基づいて
各メンバーシップ関数ＭＳＦ２１及びＭＳＦ２２に基づ
いたグレードＵｎｓｍａｌｌ及びＵｎｌａｒｇｅを計算
する。そして、これらの全体のグレードを次式で表す。
用いるメンバーシップ関数を示す。図９において、ユー
クリッド距離ｄが小さい領域のグレードを規定するメン
バーシップ関数ＭＳＦ１１と、ユークリッド距離ｄが大
きい領域のグレードを規定するメンバーシップ関数ＭＳ
Ｆ１２との２つのメンバーシップ関数が示され、これら
を用いて、１つのユニットデータから計算されたユーク
リッド距離ｄの計算値ｄiに基づいて各メンバーシップ
関数ＭＳＦ１１及びＭＳＦ１２に基づいたグレードＵｄ
ｓｍａｌｌ及びＵｄｌａｒｇｅを計算する。また、図１
０において、濃度変化点計数値ｎが小さい領域のグレー
ドを規定するメンバーシップ関数ＭＳＦ２１と、濃度変
化点計数値ｎが大きい領域のグレードを規定するメンバ
ーシップ関数ＭＳＦ２２との２つのメンバーシップ関数
が示され、これらを用いて、１つのユニットデータから
計算された濃度変化点計数値ｎの計算値ｎiに基づいて
各メンバーシップ関数ＭＳＦ２１及びＭＳＦ２２に基づ
いたグレードＵｎｓｍａｌｌ及びＵｎｌａｒｇｅを計算
する。そして、これらの全体のグレードを次式で表す。
【００４１】
【数５】ＵA＝Ｕｄｓｍａｌｌ＋ｗ1×Ｕｎｌａｒｇｅ
【数６】ＵB＝Ｕｄｌａｒｇｅ＋ｗ1×Ｕｎｓｍａｌｌ
【００４２】ここで、ｗ1は重み係数であり、例えば、
０．５である。
０．５である。
【００４３】以上のファジィルールを用いて軟骨領域を
含む領域を分離するために、図３の軟骨領域分類処理を
行う。図３において、まず、ステップＳ１１において、
ステップＳ２で抽出された軟骨領域を含む処理対象領域
の処理データのうち１つのユニットデータを取り出して
処理対象ユニットデータとし、ステップＳ１２において
ユークリッド距離ｄi及び濃度変化点計数値ｎiを計算す
る。次いで、ステップＳ１３において図９のメンバーシ
ップ関数ＭＳＦ１１を用いて計算値ｄiに対するグレー
ドＵｄｓｍａｌｌを計算し、ステップＳ１４において図
９のメンバーシップ関数ＭＳＦ１２を用いて計算値ｄi
に対するグレードＵｄｌａｒｇｅを計算する。また、ス
テップＳ１５において図１０のメンバーシップ関数ＭＳ
Ｆ２１を用いて計算値ｎiに対するグレードＵｎｓｍａ
ｌｌを計算し、ステップＳ１６において図１０のメンバ
ーシップ関数ＭＳＦ２２を用いて計算値ｎiに対するグ
レードＵｎｌａｒｇｅを計算する。そして、ステップＳ
１７において数５及び数６を用いてトータルグレードＵ
A及びＵBを計算した後、ステップＳ１８においてＵA≧
ＵBであるか否かが判断され、ＹＥＳのときは、ステッ
プＳ１９において処理対象ユニットデータのユニットを
クラスＡとして分類してその情報を画像メモリ２３に記
憶してステップＳ２１に進む。一方、ステップＳ１８で
ＮＯであるときは、ステップＳ２０において処理対象ユ
ニットデータのユニットをクラスＢとして分類してその
情報を画像メモリ２３に記憶してステップＳ２１に進
む。さらに、ステップＳ２１において未処理のユニット
データがあるか否かが判断され、ＹＥＳのときはステッ
プＳ１１に戻り、上記の処理をすべてのユニットデータ
が処理されるまで繰り返される。一方、ステップＳ２１
でＮＯであれば、元のメインルーチンに戻る。
含む領域を分離するために、図３の軟骨領域分類処理を
行う。図３において、まず、ステップＳ１１において、
ステップＳ２で抽出された軟骨領域を含む処理対象領域
の処理データのうち１つのユニットデータを取り出して
処理対象ユニットデータとし、ステップＳ１２において
ユークリッド距離ｄi及び濃度変化点計数値ｎiを計算す
る。次いで、ステップＳ１３において図９のメンバーシ
ップ関数ＭＳＦ１１を用いて計算値ｄiに対するグレー
ドＵｄｓｍａｌｌを計算し、ステップＳ１４において図
９のメンバーシップ関数ＭＳＦ１２を用いて計算値ｄi
に対するグレードＵｄｌａｒｇｅを計算する。また、ス
テップＳ１５において図１０のメンバーシップ関数ＭＳ
Ｆ２１を用いて計算値ｎiに対するグレードＵｎｓｍａ
ｌｌを計算し、ステップＳ１６において図１０のメンバ
ーシップ関数ＭＳＦ２２を用いて計算値ｎiに対するグ
レードＵｎｌａｒｇｅを計算する。そして、ステップＳ
１７において数５及び数６を用いてトータルグレードＵ
A及びＵBを計算した後、ステップＳ１８においてＵA≧
ＵBであるか否かが判断され、ＹＥＳのときは、ステッ
プＳ１９において処理対象ユニットデータのユニットを
クラスＡとして分類してその情報を画像メモリ２３に記
憶してステップＳ２１に進む。一方、ステップＳ１８で
ＮＯであるときは、ステップＳ２０において処理対象ユ
ニットデータのユニットをクラスＢとして分類してその
情報を画像メモリ２３に記憶してステップＳ２１に進
む。さらに、ステップＳ２１において未処理のユニット
データがあるか否かが判断され、ＹＥＳのときはステッ
プＳ１１に戻り、上記の処理をすべてのユニットデータ
が処理されるまで繰り返される。一方、ステップＳ２１
でＮＯであれば、元のメインルーチンに戻る。
【００４４】以上の軟骨領域分類処理によって、各ユニ
ットデータが軟骨ボクセルＶａを含むクラスＡのユニッ
トであるか、もしくは、軟骨ボクセルＶａを含まないク
ラスＢのユニットであるかを識別する。その識別結果の
ユニットの模式図を図１１に示す。図１１から明らかな
ように、重心ユニットを中心として、重心ユニットの近
傍（膝中心から内側）に軟骨が存在するクラスＡのユニ
ットが存在する一方、重心ユニットから離れたところに
軟骨が存在しないクラスＢのユニットが存在して、それ
ぞれが分離識別される。当該軟骨領域分類処理の処理後
のクラスＡのユニットにおいては、図１２に示すよう
に、軟骨ボクセルＶａを含む２つの軟骨領域ＣＡ１，Ｃ
Ａ２の間に、軟骨ボクセルでないボクセルＶｂを含む半
月板候補領域Ａｂが存在する。
ットデータが軟骨ボクセルＶａを含むクラスＡのユニッ
トであるか、もしくは、軟骨ボクセルＶａを含まないク
ラスＢのユニットであるかを識別する。その識別結果の
ユニットの模式図を図１１に示す。図１１から明らかな
ように、重心ユニットを中心として、重心ユニットの近
傍（膝中心から内側）に軟骨が存在するクラスＡのユニ
ットが存在する一方、重心ユニットから離れたところに
軟骨が存在しないクラスＢのユニットが存在して、それ
ぞれが分離識別される。当該軟骨領域分類処理の処理後
のクラスＡのユニットにおいては、図１２に示すよう
に、軟骨ボクセルＶａを含む２つの軟骨領域ＣＡ１，Ｃ
Ａ２の間に、軟骨ボクセルでないボクセルＶｂを含む半
月板候補領域Ａｂが存在する。
【００４５】次いで、図４の半月板領域抽出処理につい
て説明する。上記軟骨領域分類処理によってクラスＡに
分類されたユニットデータから、半月板の位置と濃度値
の知識を用いてファジイ推論を行い、半月板ボクセルを
抽出する。位置の知識は、半月板ボクセルが解剖学的に
軟骨の近くに位置することを示し、濃度値の知識は、半
月板ボクセルが持つ濃度値を示す。
て説明する。上記軟骨領域分類処理によってクラスＡに
分類されたユニットデータから、半月板の位置と濃度値
の知識を用いてファジイ推論を行い、半月板ボクセルを
抽出する。位置の知識は、半月板ボクセルが解剖学的に
軟骨の近くに位置することを示し、濃度値の知識は、半
月板ボクセルが持つ濃度値を示す。
【００４６】図１３乃至図１５は、図４の半月板領域分
類処理で用いる基準面からの距離情報に関するメンバー
シップ関数、基準面からの距離情報に関する加算メンバ
ーシップ関数、濃度値に関するメンバーシップ関数をそ
れぞれ示すグラフである。
類処理で用いる基準面からの距離情報に関するメンバー
シップ関数、基準面からの距離情報に関する加算メンバ
ーシップ関数、濃度値に関するメンバーシップ関数をそ
れぞれ示すグラフである。
【００４７】図１３において、上記軟骨領域分類処理で
分類された軟骨領域ＣＡ１が存在する領域をグレード１
とし、そのグレード１の距離ｙ方向の上端及び下端から
それぞれグレード０で距離１０だけ離れた点に向かって
関数の直線を引いて、メンバーシップ関数ＭＳＦ３１と
する。また、上記軟骨領域分類処理で分類された別の軟
骨領域ＣＡ２が存在する領域をグレード１とし、そのグ
レード１の距離ｙ方向の上端及び下端からそれぞれグレ
ード０で距離１０だけ離れた点に向かって関数の直線を
引いて、メンバーシップ関数ＭＳＦ３２とする。次い
で、上記メンバーシップ関数ＭＳＦ３１の関数値Ｕｃ１
と、メンバーシップ関数ＭＳＦ３２の関数値Ｕｃ２と
を、加算グレードＵｃａに対する加算メンバーシップ関
数ＭＳＦ３３（図１４）を計算する。図１４において、
２つの軟骨領域ＣＡ１とＣＡ２の間を半月板候補領域Ａ
ｂ（当該半月板候補領域Ａｂは、その左端のグレード１
と、その右端のグレード１との間の領域に位置する。）
とし、２つの軟骨領域ＣＡ１及びＣＡ２の外側の領域を
半月板候補領域でない領域Ａａ，Ａｃと判断する。な
お、１つのユニット内に半月板ボクセルが存在しない場
合、軟骨領域は１カ所しか得られず、加算グレードＵｃ
＝Ｕｃ１となる。
分類された軟骨領域ＣＡ１が存在する領域をグレード１
とし、そのグレード１の距離ｙ方向の上端及び下端から
それぞれグレード０で距離１０だけ離れた点に向かって
関数の直線を引いて、メンバーシップ関数ＭＳＦ３１と
する。また、上記軟骨領域分類処理で分類された別の軟
骨領域ＣＡ２が存在する領域をグレード１とし、そのグ
レード１の距離ｙ方向の上端及び下端からそれぞれグレ
ード０で距離１０だけ離れた点に向かって関数の直線を
引いて、メンバーシップ関数ＭＳＦ３２とする。次い
で、上記メンバーシップ関数ＭＳＦ３１の関数値Ｕｃ１
と、メンバーシップ関数ＭＳＦ３２の関数値Ｕｃ２と
を、加算グレードＵｃａに対する加算メンバーシップ関
数ＭＳＦ３３（図１４）を計算する。図１４において、
２つの軟骨領域ＣＡ１とＣＡ２の間を半月板候補領域Ａ
ｂ（当該半月板候補領域Ａｂは、その左端のグレード１
と、その右端のグレード１との間の領域に位置する。）
とし、２つの軟骨領域ＣＡ１及びＣＡ２の外側の領域を
半月板候補領域でない領域Ａａ，Ａｃと判断する。な
お、１つのユニット内に半月板ボクセルが存在しない場
合、軟骨領域は１カ所しか得られず、加算グレードＵｃ
＝Ｕｃ１となる。
【００４８】また、図１５においては、表１に基づいた
半月板の平均濃度値５０をグレード１とし、そのピーク
点Ｐと、グレード０で濃度値０である原点とを結ぶ一
方、当該ピーク点と、グレード０．６で濃度値９０であ
る点とを結んで、濃度値に関するメンバーシップ関数Ｍ
ＳＦ４０とする。ここで、半月板の平均濃度値は、好ま
しくは、より多くの人数の人体に関する半月板の濃度値
の平均値であることが好ましい。さらに、図１４と図１
５のメンバーシップ関数を考慮した全体のトータルグレ
ードＵｔを次式のように定義して用いる。
半月板の平均濃度値５０をグレード１とし、そのピーク
点Ｐと、グレード０で濃度値０である原点とを結ぶ一
方、当該ピーク点と、グレード０．６で濃度値９０であ
る点とを結んで、濃度値に関するメンバーシップ関数Ｍ
ＳＦ４０とする。ここで、半月板の平均濃度値は、好ま
しくは、より多くの人数の人体に関する半月板の濃度値
の平均値であることが好ましい。さらに、図１４と図１
５のメンバーシップ関数を考慮した全体のトータルグレ
ードＵｔを次式のように定義して用いる。
【００４９】
【数７】Ｕｔ＝ｗ2Ｕｌ＋Ｕｃａ
【００５０】ここで、ｗ2は所定の重み係数であり、例
えば、０．５であり、トータルグレードＵｔがしきい値
Ｕｔｈ＝１．０以上を半月板領域と推定して抽出する。
えば、０．５であり、トータルグレードＵｔがしきい値
Ｕｔｈ＝１．０以上を半月板領域と推定して抽出する。
【００５１】以上のように求めたメンバーシップ関数Ｍ
ＳＦ３３及びＭＳＦ４０を用いて図４の半月板領域抽出
処理を実行する。図４において、まず、ステップＳ３１
において、図３の軟骨領域分類処理の処理後のユニット
データのうちクラスＡのユニットデータを取り出して以
下の処理データとする。次いで、ステップＳ３２におい
て処理データのうち１つのユニットデータを取り出し
て、図１３のグレードＵｃに関する２つのメンバーシッ
プ関数ＭＳＦ３１及びＭＳＦ３２の関数値Ｕｃ１，Ｕｃ
２を加算して、加算関数値Ｕｃａのグラフ（図１４）を
計算する。次いで、ステップＳ３３において未処理のユ
ニットデータはあるか否かが判断され、ＹＥＳのときは
ステップＳ３２に戻り、ステップＳ３２の処理をすべて
のユニットデータについて処理するまで実行する。一
方、ステップＳ３３でＮＯであるときは、ステップＳ３
４に進む。
ＳＦ３３及びＭＳＦ４０を用いて図４の半月板領域抽出
処理を実行する。図４において、まず、ステップＳ３１
において、図３の軟骨領域分類処理の処理後のユニット
データのうちクラスＡのユニットデータを取り出して以
下の処理データとする。次いで、ステップＳ３２におい
て処理データのうち１つのユニットデータを取り出し
て、図１３のグレードＵｃに関する２つのメンバーシッ
プ関数ＭＳＦ３１及びＭＳＦ３２の関数値Ｕｃ１，Ｕｃ
２を加算して、加算関数値Ｕｃａのグラフ（図１４）を
計算する。次いで、ステップＳ３３において未処理のユ
ニットデータはあるか否かが判断され、ＹＥＳのときは
ステップＳ３２に戻り、ステップＳ３２の処理をすべて
のユニットデータについて処理するまで実行する。一
方、ステップＳ３３でＮＯであるときは、ステップＳ３
４に進む。
【００５２】ステップＳ３４においてステップＳ４で入
力された２つの半月板確定点に基づいて、「加算グレー
ドＵｃａが０．７以上であること、かつ図１４の半月板
候補領域Ａｂ内のボクセル内で領域拡張を行う」という
領域拡張条件で公知の領域拡張法（Region Growing Met
hod）を用いて、図１４の加算メンバーシップ関数ＭＳ
Ｆ３３で計算された各加算グレードＵｃａを有する半月
板候補のボクセルを決定し、以下の処理対象データとす
る。この領域拡張法は、抽出すべき領域の中から１点
（本実施形態では、ステップＳ４で入力した確定点であ
る。）を指定し、その点を初期点として、抽出すべき領
域の範囲内で図形拡散を行って目的領域を抽出する処理
である。
力された２つの半月板確定点に基づいて、「加算グレー
ドＵｃａが０．７以上であること、かつ図１４の半月板
候補領域Ａｂ内のボクセル内で領域拡張を行う」という
領域拡張条件で公知の領域拡張法（Region Growing Met
hod）を用いて、図１４の加算メンバーシップ関数ＭＳ
Ｆ３３で計算された各加算グレードＵｃａを有する半月
板候補のボクセルを決定し、以下の処理対象データとす
る。この領域拡張法は、抽出すべき領域の中から１点
（本実施形態では、ステップＳ４で入力した確定点であ
る。）を指定し、その点を初期点として、抽出すべき領
域の範囲内で図形拡散を行って目的領域を抽出する処理
である。
【００５３】次いで、ステップＳ３５において、ステッ
プＳ３４で決定された処理対象データのうち１つのボク
セルデータを取り出して、図１５の濃度値に関するメン
バーシップ関数ＭＳＦ４０を用いてグレードＵｌを計算
した後、ステップＳ３６において上記数７を用いてトー
タルグレードＵｔを計算する。次いで、ステップＳ３７
においてＵｔ≧Ｕｔｈであるか否かが判断され、ＹＥＳ
のときは、ステップＳ３８において処理対象ボクセルを
半月板ボクセルと判断してその情報を画像メモリ２３に
格納してステップＳ４０に進む一方、ステップＳ３７で
ＮＯのときはステップＳ３９において処理対象ボクセル
を半月板でないボクセルと判断してその情報を画像メモ
リ２３に格納してステップＳ４０に進む。そして、ステ
ップＳ４０において未処理のボクセルデータはあるか否
かが判断され、ＹＥＳのときはステップＳ３５に戻り、
ステップＳ３５以降の処理をすべてのボクセルデータに
ついて繰り返す。一方、ステップＳ４０でＮＯであれば
元のメインルーチンに戻る。
プＳ３４で決定された処理対象データのうち１つのボク
セルデータを取り出して、図１５の濃度値に関するメン
バーシップ関数ＭＳＦ４０を用いてグレードＵｌを計算
した後、ステップＳ３６において上記数７を用いてトー
タルグレードＵｔを計算する。次いで、ステップＳ３７
においてＵｔ≧Ｕｔｈであるか否かが判断され、ＹＥＳ
のときは、ステップＳ３８において処理対象ボクセルを
半月板ボクセルと判断してその情報を画像メモリ２３に
格納してステップＳ４０に進む一方、ステップＳ３７で
ＮＯのときはステップＳ３９において処理対象ボクセル
を半月板でないボクセルと判断してその情報を画像メモ
リ２３に格納してステップＳ４０に進む。そして、ステ
ップＳ４０において未処理のボクセルデータはあるか否
かが判断され、ＹＥＳのときはステップＳ３５に戻り、
ステップＳ３５以降の処理をすべてのボクセルデータに
ついて繰り返す。一方、ステップＳ４０でＮＯであれば
元のメインルーチンに戻る。
【００５４】＜変形例＞ 本実施形態においては、図２の画像処理のプログラムデ
ータをＣＤ−ＲＯＭ４５ａに格納して実行するときにプ
ログラムメモリ２４にロードして実行しているが、本発
明はこれに限らず、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ、Ｍ
Ｏなどの光ディスク又は光磁気ディスクの記録媒体、も
しくは、フロッピー（登録商標）ディスクなどの磁気デ
ィスクの記録媒体など種々の記録媒体に格納してもよ
い。これらの記録媒体は，コンピュータで読み取り可能
な記録媒体である。また、図２の画像処理のプログラム
データを予めプログラムメモリ２４に格納して当該画像
処理を実行してもよい。
ータをＣＤ−ＲＯＭ４５ａに格納して実行するときにプ
ログラムメモリ２４にロードして実行しているが、本発
明はこれに限らず、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ、Ｍ
Ｏなどの光ディスク又は光磁気ディスクの記録媒体、も
しくは、フロッピー（登録商標）ディスクなどの磁気デ
ィスクの記録媒体など種々の記録媒体に格納してもよ
い。これらの記録媒体は，コンピュータで読み取り可能
な記録媒体である。また、図２の画像処理のプログラム
データを予めプログラムメモリ２４に格納して当該画像
処理を実行してもよい。
【００５５】本実施形態においては、３次元の画像デー
タについて画像処理を行っているが、同様に、３次元を
超える次元の画像データについて同様の画像処理を行っ
ても良い。
タについて画像処理を行っているが、同様に、３次元を
超える次元の画像データについて同様の画像処理を行っ
ても良い。
【００５６】以上の実施形態においては、人体の膝関節
の半月板の画像データの抽出処理について説明している
が、本発明はこれに限らず、人体又は動物の関節空間内
の軟部組織の画像データの抽出処理に広く適用すること
ができる。ここで、関節空間内の軟部組織とは、膝の半
月板、肩の腱板（rotator cuff）等、種々の部位の靭帯
などを含む。
の半月板の画像データの抽出処理について説明している
が、本発明はこれに限らず、人体又は動物の関節空間内
の軟部組織の画像データの抽出処理に広く適用すること
ができる。ここで、関節空間内の軟部組織とは、膝の半
月板、肩の腱板（rotator cuff）等、種々の部位の靭帯
などを含む。
【００５７】以上の実施形態においては、ＭＲＩ装置１
でグラディエントエコー法を用いて撮像されたＭＲＩ画
像データを用いて半月板領域の画像データを抽出する画
像処理を行っているが、本発明はこれに限らず、スピン
エコー法などの他の方法で撮像されたＭＲＩ画像データ
を用いて半月板領域の画像データを抽出する画像処理を
行ってもよい。
でグラディエントエコー法を用いて撮像されたＭＲＩ画
像データを用いて半月板領域の画像データを抽出する画
像処理を行っているが、本発明はこれに限らず、スピン
エコー法などの他の方法で撮像されたＭＲＩ画像データ
を用いて半月板領域の画像データを抽出する画像処理を
行ってもよい。
【００５８】
【実施例】さらに、本発明者らによって実行された実験
結果について述べる。図１８は、手作業で抽出された半
月板を含む比較例の膝関節のＭＲＩ画像を示す図であっ
て、図１８（ａ）はその前後スライスのＭＲＩ画像を示
し、図１８（ｂ）はその横スライスのＭＲＩ画像を示
す。一方、図１９は、図１の画像処理装置１０によって
自動抽出された半月板を含む本実施例の膝関節のＭＲＩ
画像を示す図であって、図１９（ａ）はその前後スライ
スのＭＲＩ画像を示し、図１９（ｂ）はその横スライス
のＭＲＩ画像を示す。さらに、図２０は図１の画像処理
装置１０によって自動抽出された半月板画像を示す図で
あり、図２１は、手作業で抽出された半月板モデルの画
像を示す図であり、図２２は、図１の画像処理装置１０
によって自動抽出された半月板画像の３次元表示を示す
図である。
結果について述べる。図１８は、手作業で抽出された半
月板を含む比較例の膝関節のＭＲＩ画像を示す図であっ
て、図１８（ａ）はその前後スライスのＭＲＩ画像を示
し、図１８（ｂ）はその横スライスのＭＲＩ画像を示
す。一方、図１９は、図１の画像処理装置１０によって
自動抽出された半月板を含む本実施例の膝関節のＭＲＩ
画像を示す図であって、図１９（ａ）はその前後スライ
スのＭＲＩ画像を示し、図１９（ｂ）はその横スライス
のＭＲＩ画像を示す。さらに、図２０は図１の画像処理
装置１０によって自動抽出された半月板画像を示す図で
あり、図２１は、手作業で抽出された半月板モデルの画
像を示す図であり、図２２は、図１の画像処理装置１０
によって自動抽出された半月板画像の３次元表示を示す
図である。
【００５９】図２０乃至図２２の画像の比較から明らか
なように、一部骨皮質等への抽出漏れは見られるが、半
月板の形状がよく把握出来る結果が得られたことが分か
る。本実施形態で用いた方法は、健常者の膝関節ＭＲ画
像や、ありふれたパターンの傷害を持つ画像に対しては
有効である。従って、手作業で抽出された半月板の画像
と同様に、より高い精度で半月板の画像を抽出すること
ができた。さらに、手作業で抽出された半月板モデル画
像と、本実施例の半月板画像との誤差について、次式の
評価式を用いて評価する。
なように、一部骨皮質等への抽出漏れは見られるが、半
月板の形状がよく把握出来る結果が得られたことが分か
る。本実施形態で用いた方法は、健常者の膝関節ＭＲ画
像や、ありふれたパターンの傷害を持つ画像に対しては
有効である。従って、手作業で抽出された半月板の画像
と同様に、より高い精度で半月板の画像を抽出すること
ができた。さらに、手作業で抽出された半月板モデル画
像と、本実施例の半月板画像との誤差について、次式の
評価式を用いて評価する。
【００６０】
【数８】誤差＝|(手動抽出された半月板モデル画像の体
積)−(本実施例の半月板画像の体積）|／(手動抽出され
た半月板モデル画像の体積)×１００［％］
積)−(本実施例の半月板画像の体積）|／(手動抽出され
た半月板モデル画像の体積)×１００［％］
【００６１】発明者らの実験によれば、前者の半月板モ
デル画像の体積は４５７１（ボクセル）であって、後者
の本実施例の半月板画像の体積は４６９２（ボクセル）
であり、誤差は約２．６３％であった。この実験結果は
きわめて高い精度で半月板の画像を抽出することができ
たことを示すものである。
デル画像の体積は４５７１（ボクセル）であって、後者
の本実施例の半月板画像の体積は４６９２（ボクセル）
であり、誤差は約２．６３％であった。この実験結果は
きわめて高い精度で半月板の画像を抽出することができ
たことを示すものである。
【００６２】以上説明したように、本実施形態によれ
ば、ＭＲＩ装置１によって生成されたＭＲＩ画像データ
のしきい値処理を実行することにより軟骨領域を含む処
理対象領域の画像データを抽出し（図２のステップＳ
２）、抽出された処理対象領域の画像データに基づいて
軟骨領域の位置と濃度値の知識のファジィルールを用い
て軟骨領域分類処理を実行することにより軟骨領域を含
むクラスＡと、軟骨領域を含まないクラスＢとの画像デ
ータに分類した（ステップＳ５）後、軟骨領域を含むク
ラスＡの画像データに基づいて、半月板の位置と濃度値
の知識のファジィ推論を用いて半月板領域の画像データ
を抽出した（ステップＳ６）ので、半月板領域などの関
節空間内の軟部組織を高い精度で自動的に抽出すること
ができ、その画像を表示することができる。
ば、ＭＲＩ装置１によって生成されたＭＲＩ画像データ
のしきい値処理を実行することにより軟骨領域を含む処
理対象領域の画像データを抽出し（図２のステップＳ
２）、抽出された処理対象領域の画像データに基づいて
軟骨領域の位置と濃度値の知識のファジィルールを用い
て軟骨領域分類処理を実行することにより軟骨領域を含
むクラスＡと、軟骨領域を含まないクラスＢとの画像デ
ータに分類した（ステップＳ５）後、軟骨領域を含むク
ラスＡの画像データに基づいて、半月板の位置と濃度値
の知識のファジィ推論を用いて半月板領域の画像データ
を抽出した（ステップＳ６）ので、半月板領域などの関
節空間内の軟部組織を高い精度で自動的に抽出すること
ができ、その画像を表示することができる。
【００６３】
【発明の効果】以上詳述したように本発明に係る画像処
理装置及び方法によれば、磁気共鳴映像装置によって生
成されたＭＲ画像データから、関節空間内で軟骨領域で
挟設された軟部組織の画像データを抽出する画像処理装
置及び方法であって、上記ＭＲ画像データに基づいて、
所定の濃度しきい値を用いて、上記軟骨領域を含む処理
対象領域の画像データを抽出し、上記ＭＲ画像データを
表示装置に表示し、上記関節空間内の軟部組織の少なく
とも１点を確定点として入力し、上記抽出された軟骨領
域を含む処理対象領域の画像データを、上記軟骨領域の
位置と濃度値に関する知識のファジィルールを用いて、
軟骨領域を含むクラスの画像データと、軟骨領域を含ま
ないクラスの画像データとに分類し、上記分類された軟
骨領域を含むクラスの画像データに基づいて、上記軟部
組織の位置に関する知識のファジィ推論の領域拡張条件
で、上記入力された軟部組織の確定点を出発点として、
領域拡張法を用いて領域拡張処理を行うことにより、軟
部組織候補の画像データを抽出し、上記抽出された軟部
組織候補の画像データに基づいて、上記軟部組織の位置
と濃度値に関する知識のファジィ推論を用いて、上記軟
部組織の画像データを抽出する。従って、本発明によれ
ば、半月板領域などの関節空間内の軟部組織を高い精度
で自動的に抽出することができ、その画像を表示するこ
とができる。
理装置及び方法によれば、磁気共鳴映像装置によって生
成されたＭＲ画像データから、関節空間内で軟骨領域で
挟設された軟部組織の画像データを抽出する画像処理装
置及び方法であって、上記ＭＲ画像データに基づいて、
所定の濃度しきい値を用いて、上記軟骨領域を含む処理
対象領域の画像データを抽出し、上記ＭＲ画像データを
表示装置に表示し、上記関節空間内の軟部組織の少なく
とも１点を確定点として入力し、上記抽出された軟骨領
域を含む処理対象領域の画像データを、上記軟骨領域の
位置と濃度値に関する知識のファジィルールを用いて、
軟骨領域を含むクラスの画像データと、軟骨領域を含ま
ないクラスの画像データとに分類し、上記分類された軟
骨領域を含むクラスの画像データに基づいて、上記軟部
組織の位置に関する知識のファジィ推論の領域拡張条件
で、上記入力された軟部組織の確定点を出発点として、
領域拡張法を用いて領域拡張処理を行うことにより、軟
部組織候補の画像データを抽出し、上記抽出された軟部
組織候補の画像データに基づいて、上記軟部組織の位置
と濃度値に関する知識のファジィ推論を用いて、上記軟
部組織の画像データを抽出する。従って、本発明によれ
ば、半月板領域などの関節空間内の軟部組織を高い精度
で自動的に抽出することができ、その画像を表示するこ
とができる。
【００６４】さらに、本発明に係る画像処理装置及び方
法によれば、磁気共鳴映像装置によって生成されたＭＲ
画像データから、関節空間内で軟骨領域で挟設された軟
部組織の画像データを抽出する画像処理装置及び方法で
あって、上記ＭＲ画像データに基づいて、所定の濃度し
きい値を用いて、上記軟骨領域を含む処理対象領域の画
像データを抽出し、上記ＭＲ画像データを表示装置に表
示し、上記関節空間内の軟部組織の少なくとも１点を確
定点として入力し、上記抽出された軟骨領域を含む処理
対象領域の画像データを、当該処理対象領域の重心から
の距離に関する第１のメンバーシップ関数と、上記軟部
組織と上記軟骨領域とを交差する方向に対して平行な基
準方向でのＭＲ画像データの濃度変化値が所定のしきい
値以上である濃度変化点の計数値に関する第２のメンバ
ーシップ関数とを用いたファジィルールを用いて、軟骨
領域を含むクラスであって基準方向で延在する画像デー
タと、軟骨領域を含まないクラスであって基準方向で延
在する画像データとに分類し、上記分類された軟骨領域
を含むクラスであって基準方向で延在する画像データに
基づいて、上記軟骨領域を所定の最大の第１のグレード
とし、上記軟骨領域と上記軟部組織を含まない外部領域
又は軟骨領域に位置する所定の基準面からの上記基準方
向の距離に関する第３のメンバーシップ関数を用いて、
上記軟骨領域で挟設された領域であってかつ上記第１の
グレードよりも小さい第２のグレード以上のグレードを
有するという軟部組織の位置の知識に関するファジィ推
論の領域拡張条件で、上記入力された軟部組織の確定点
を出発点として、領域拡張法を用いて領域拡張処理を行
うことにより、上記第３のメンバーシップ関数で計算さ
れた第１種のグレード値を有する軟部組織候補の各画像
データを抽出し、上記抽出された軟部組織候補の画像デ
ータに基づいて、上記軟部組織の濃度値を所定の最大の
第３のグレードとした画像データの濃度値に関する第４
のメンバーシップ関数を用いて、上記軟部組織の濃度値
の知識のファジィ推論により、各画像データの第２種の
グレード値を計算した後、上記軟部組織候補の各画像デ
ータについて、第１種のグレード値と第２種のグレード
値とを含む全体のグレード値に基づいて上記軟部組織の
画像データであるか否かを判断することにより、上記軟
部組織候補の画像データから上記軟部組織の画像データ
を抽出する。従って、本発明によれば、半月板領域など
の関節空間内の軟部組織を高い精度で自動的に抽出する
ことができ、その画像を表示することができる。
法によれば、磁気共鳴映像装置によって生成されたＭＲ
画像データから、関節空間内で軟骨領域で挟設された軟
部組織の画像データを抽出する画像処理装置及び方法で
あって、上記ＭＲ画像データに基づいて、所定の濃度し
きい値を用いて、上記軟骨領域を含む処理対象領域の画
像データを抽出し、上記ＭＲ画像データを表示装置に表
示し、上記関節空間内の軟部組織の少なくとも１点を確
定点として入力し、上記抽出された軟骨領域を含む処理
対象領域の画像データを、当該処理対象領域の重心から
の距離に関する第１のメンバーシップ関数と、上記軟部
組織と上記軟骨領域とを交差する方向に対して平行な基
準方向でのＭＲ画像データの濃度変化値が所定のしきい
値以上である濃度変化点の計数値に関する第２のメンバ
ーシップ関数とを用いたファジィルールを用いて、軟骨
領域を含むクラスであって基準方向で延在する画像デー
タと、軟骨領域を含まないクラスであって基準方向で延
在する画像データとに分類し、上記分類された軟骨領域
を含むクラスであって基準方向で延在する画像データに
基づいて、上記軟骨領域を所定の最大の第１のグレード
とし、上記軟骨領域と上記軟部組織を含まない外部領域
又は軟骨領域に位置する所定の基準面からの上記基準方
向の距離に関する第３のメンバーシップ関数を用いて、
上記軟骨領域で挟設された領域であってかつ上記第１の
グレードよりも小さい第２のグレード以上のグレードを
有するという軟部組織の位置の知識に関するファジィ推
論の領域拡張条件で、上記入力された軟部組織の確定点
を出発点として、領域拡張法を用いて領域拡張処理を行
うことにより、上記第３のメンバーシップ関数で計算さ
れた第１種のグレード値を有する軟部組織候補の各画像
データを抽出し、上記抽出された軟部組織候補の画像デ
ータに基づいて、上記軟部組織の濃度値を所定の最大の
第３のグレードとした画像データの濃度値に関する第４
のメンバーシップ関数を用いて、上記軟部組織の濃度値
の知識のファジィ推論により、各画像データの第２種の
グレード値を計算した後、上記軟部組織候補の各画像デ
ータについて、第１種のグレード値と第２種のグレード
値とを含む全体のグレード値に基づいて上記軟部組織の
画像データであるか否かを判断することにより、上記軟
部組織候補の画像データから上記軟部組織の画像データ
を抽出する。従って、本発明によれば、半月板領域など
の関節空間内の軟部組織を高い精度で自動的に抽出する
ことができ、その画像を表示することができる。
【図１】 本発明に係る一実施形態である、半月板画像
の画像処理を行う画像処理装置１０を備えた画像処理シ
ステムの構成を示すブロック図である。
の画像処理を行う画像処理装置１０を備えた画像処理シ
ステムの構成を示すブロック図である。
【図２】 図１の画像処理装置１０によって実行される
半月板画像の画像処理（メインルーチン）を示すフロー
チャートである。
半月板画像の画像処理（メインルーチン）を示すフロー
チャートである。
【図３】 図２のサブルーチンである軟骨領域分類処理
を示すフローチャートである。
を示すフローチャートである。
【図４】 図２のサブルーチンである半月板領域抽出処
理を示すフローチャートである。
理を示すフローチャートである。
【図５】 図１のＭＲＩ装置１から入力され画像処理装
置１０によって処理される３次元画像データの構成を示
す斜視図である。
置１０によって処理される３次元画像データの構成を示
す斜視図である。
【図６】 （ａ）は図１の画像処理装置１０において用
いる３次元画像データの構成を示す斜視図であり、
（ｂ）は（ａ）に図示された３次元画像データにおける
ボクセルの単位を示す斜視図である。
いる３次元画像データの構成を示す斜視図であり、
（ｂ）は（ａ）に図示された３次元画像データにおける
ボクセルの単位を示す斜視図である。
【図７】 人体の膝関節の縦断面（前後スライス）を示
す模式図である。
す模式図である。
【図８】 図３の軟骨領域分類処理を示す原理図であっ
て、（ａ）は半月板を含むクラスＡのユニットデータの
例を示す模式図であり、（ｂ）は半月板を含まないクラ
スＢのユニットデータの例を示す模式図である。
て、（ａ）は半月板を含むクラスＡのユニットデータの
例を示す模式図であり、（ｂ）は半月板を含まないクラ
スＢのユニットデータの例を示す模式図である。
【図９】 図３の軟骨領域分類処理で用いるユークリッ
ド距離に関するメンバーシップ関数を示すグラフであ
る。
ド距離に関するメンバーシップ関数を示すグラフであ
る。
【図１０】 図３の軟骨領域分類処理で用いる濃度差に
関するメンバーシップ関数を示すグラフである。
関するメンバーシップ関数を示すグラフである。
【図１１】 図７の模式図において重心ユニット、クラ
スＡのユニット及びクラスＢのユニットを示す模式図で
ある。
スＡのユニット及びクラスＢのユニットを示す模式図で
ある。
【図１２】 図３の軟骨領域分類処理の処理後のあるク
ラスＡのユニットデータを示す模式図である。
ラスＡのユニットデータを示す模式図である。
【図１３】 図４の半月板領域抽出処理で用いる基準面
からの距離情報に関するメンバーシップ関数を示すグラ
フである。
からの距離情報に関するメンバーシップ関数を示すグラ
フである。
【図１４】 図４の半月板領域抽出処理で用いる基準面
からの距離情報に関する加算メンバーシップ関数を示す
グラフである。
からの距離情報に関する加算メンバーシップ関数を示す
グラフである。
【図１５】 図４の半月板領域抽出処理で用いる濃度値
に関するメンバーシップ関数を示すグラフである。
に関するメンバーシップ関数を示すグラフである。
【図１６】 図１のＭＲＩ装置１で生成された膝関節の
ＭＲＩ画像（前後スライス）を示す図である。
ＭＲＩ画像（前後スライス）を示す図である。
【図１７】 図１のＭＲＩ装置１で生成された膝関節の
ＭＲＩ画像（横スライス）を示す図であって、（ａ）は
その内側半月板のＭＲＩ画像を示し、（ｂ）はその外側
半月板のＭＲＩ画像を示す。
ＭＲＩ画像（横スライス）を示す図であって、（ａ）は
その内側半月板のＭＲＩ画像を示し、（ｂ）はその外側
半月板のＭＲＩ画像を示す。
【図１８】 手動抽出された半月板を含む比較例の膝関
節のＭＲＩ画像を示す図であって、（ａ）はその前後ス
ライスのＭＲＩ画像を示し、（ｂ）はその横スライスの
ＭＲＩ画像を示す。
節のＭＲＩ画像を示す図であって、（ａ）はその前後ス
ライスのＭＲＩ画像を示し、（ｂ）はその横スライスの
ＭＲＩ画像を示す。
【図１９】 図１の画像処理装置１０によって自動抽出
された半月板を含む本実施例の膝関節のＭＲＩ画像を示
す図であって、（ａ）はその前後スライスのＭＲＩ画像
を示し、（ｂ）はその横スライスのＭＲＩ画像を示す。
された半月板を含む本実施例の膝関節のＭＲＩ画像を示
す図であって、（ａ）はその前後スライスのＭＲＩ画像
を示し、（ｂ）はその横スライスのＭＲＩ画像を示す。
【図２０】 図１の画像処理装置１０によって自動抽出
された半月板画像を示す図である。
された半月板画像を示す図である。
【図２１】 手動抽出された半月板モデルの画像を示す
図である。
図である。
【図２２】 図１の画像処理装置１０によって自動抽出
された半月板画像の３次元表示を示す図である。
された半月板画像の３次元表示を示す図である。
１…ＭＲＩ装置、 １ａ…通信インターフェース、 １０…画像処理装置、 ２０…ＣＰＵ、 ２１…ＲＯＭ、 ２２…ＲＡＭ、 ２３…画像メモリ、 ２４…プログラムメモリ、 ３０…バス、 ３１…キーボードインターフェース、 ３２…マウスインターフェース、 ３３…ディスプレイインターフェース、 ３４…プリンタインターフェース、 ３５…ドライブ装置インターフェース、 ４１…キーボード、 ４２…マウス、 ４３…ＣＲＴディスプレイ、 ４４…プリンタ、 ４５…ＣＤ−ＲＯＭドライブ装置、 ４５ａ…ＣＤ−ＲＯＭ、 ５１…通信ケーブル、 ６１…通信インターフェース。
フロントページの続き (56)参考文献 特開 平４−52872（ＪＰ，Ａ) 特開 平７−28978（ＪＰ，Ａ) 新津守，”三次元画像処理を用いた膝 関節ＭＲＩ−半月板断裂描出能の評価 −”、日本医学放射線学会雑誌，1991. 10．25，Ｖｏｌ．51，Ｎｏ．10，ｐｐ13 −21 Ａ．Ｌ．Ｒｅｉｓｓ ｅｔ ａｌ，" Ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ Ｖａ ｌｉｄｉｔｙ ｏｆ ａｎ Ａｌｇｏｒ ｉｓｍ ｆｏｒ Ｆｕｚｚｙ Ｔｉｓｓ ｕｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ＭＲＩ”，Ｊｏｕｒｎａｌ ｏｆ Ｃ ｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｔ ｏｍｏｇｒａｐｈｙ，1998 Ｍａｙ／Ｊ ｕｎｅ，Ｖｏｌ．22，Ｎｏ．３，ｐｐ 471−479 森永法郎，”３次元医用ファジィ画像 処理”，第６回インテリジェントシステ ムシンポジウム講演論文集，1996．10. 18，ｐｐ265−266 Ｒ．Ｉ．Ｋｉｔｎｅｙ ｅｔ ａ ｌ，”Ｆａｓｔ Ａｕｔｏｍａｔｅｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｖ ｉｓｕａｌｉｓａｔｉｏｎ Ｍｅｔｈｏ ｄｓ ｆｏｒ ＭＲ Ｉｍａｇｅｓ ｏ ｆ ｔｈｅ Ｋｎｅｅ Ｊｏｉｎｔ ｉ ｎ Ａｒｔｈｒｉｔｉｓ”，Ｐｒｏｃｅ ｅｄｉｎｇｓ ｏｆ ｔｈｅ 20ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎ ａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔ ｈｅ ＩＥＥＥ Ｅｎｇｉｎｅｅｒｉｎ ｇ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ Ｓｏｃｉｅｔｙ, 1998，Ｖｏｌ．20，Ｎｏ．２，ｐｐ559 −562 佐々木崇他，”ファジィ推論を用いた 膝関節ＭＲ画像からの半月板領域の抽 出”，バイオメディカルファジィシステ ム学会第11回年次大会講演論文集, 1998．11．７−８，ｐｐ25−26 (58)調査した分野(Int.Cl.7，ＤＢ名) A61B 5/055 G06T 1/00 - 17/50
Claims (11)
- 【請求項１】 磁気共鳴映像装置によって生成されたＭ
Ｒ画像データから、関節空間内で軟骨領域で挟まれた軟
部組織の画像データを抽出する画像処理装置であって、 画像データの画像を表示する表示手段と、 上記ＭＲ画像データに基づいて、所定の濃度しきい値を
用いて、上記軟骨領域を含む処理対象領域の画像データ
を抽出する第１の抽出手段と、 上記ＭＲ画像データを上記表示手段に表示し、上記関節
空間内の軟部組織の少なくとも１点を確定点として入力
する入力手段と、 上記第１の抽出手段によって抽出された軟骨領域を含む
処理対象領域の画像データを、上記軟骨領域の位置と濃
度値に関する知識のファジィルールを用いて、軟骨領域
を含むクラスの画像データと、軟骨領域を含まないクラ
スの画像データとに分類する分類手段と、 上記分類手段によって分類された軟骨領域を含むクラス
の画像データに基づいて、上記軟部組織の位置に関する
知識のファジィ推論の領域拡張条件で、上記入力手段に
よって入力された軟部組織の確定点を出発点として、領
域拡張法を用いて領域拡張処理を行うことにより、軟部
組織候補の画像データを抽出する第２の抽出手段と、 上記第２の抽出手段によって抽出された軟部組織候補の
画像データに基づいて、上記軟部組織の位置と濃度値に
関する知識のファジィ推論を用いて、上記軟部組織の画
像データを抽出する第３の抽出手段とを備えたことを特
徴とする画像処理装置。 - 【請求項２】 磁気共鳴映像装置によって生成されたＭ
Ｒ画像データから、関節空間内で軟骨領域で挟まれた軟
部組織の画像データを抽出する画像処理装置であって、 画像データの画像を表示する表示手段と、 上記ＭＲ画像データに基づいて、所定の濃度しきい値を
用いて、上記軟骨領域を含む処理対象領域の画像データ
を抽出する第１の抽出手段と、 上記ＭＲ画像データを上記表示手段に表示し、上記関節
空間内の軟部組織の少なくとも１点を確定点として入力
する入力手段と、 上記第１の抽出手段によって抽出された軟骨領域を含む
処理対象領域の画像データを、当該処理対象領域の重心
からの距離に関する第１のメンバーシップ関数と、上記
軟部組織と上記軟骨領域とを交差する方向に対して平行
な基準方向でのＭＲ画像データの濃度変化値が所定のし
きい値以上である濃度変化点の計数値に関する第２のメ
ンバーシップ関数とを用いたファジィルールを用いて、
軟骨領域を含むクラスであって基準方向で延在する画像
データと、軟骨領域を含まないクラスであって基準方向
で延在する画像データとに分類する分類手段と、 上記分類手段によって分類された軟骨領域を含むクラス
であって基準方向で延在する画像データに基づいて、上
記軟骨領域を所定の最大の第１のグレードとし、上記軟
骨領域と上記軟部組織を含まない外部領域又は軟骨領域
に位置する所定の基準面からの上記基準方向の距離に関
する第３のメンバーシップ関数を用いて、上記軟骨領域
で挟まれた領域であってかつ上記第１のグレードよりも
小さい第２のグレード以上のグレードを有するという軟
部組織の位置の知識に関するファジィ推論の領域拡張条
件で、上記入力手段を用いて入力された軟部組織の確定
点を出発点として、領域拡張法を用いて領域拡張処理を
行うことにより、上記第３のメンバーシップ関数で計算
された第１種のグレード値を有する軟部組織候補の各画
像データを抽出する第２の抽出手段と、 上記第２の抽出手段によって抽出された軟部組織候補の
画像データに基づいて、上記軟部組織の濃度値を所定の
最大の第３のグレードとした画像データの濃度値に関す
る第４のメンバーシップ関数を用いて、上記軟部組織の
濃度値の知識のファジィ推論により、各画像データの第
２種のグレード値を計算した後、上記軟部組織候補の各
画像データについて、第１種のグレード値と第２種のグ
レード値とを含む全体のグレード値に基づいて上記軟部
組織の画像データであるか否かを判断することにより、
上記軟部組織候補の画像データから上記軟部組織の画像
データを抽出する第３の抽出手段とを備えたことを特徴
とする画像処理装置。 - 【請求項３】 上記第３のメンバーシップ関数は、第１
の軟骨領域を最大の第１のグレードとした上記基準面か
らの距離に関する第５のメンバーシップ関数と、第２の
軟骨領域を最大の第１のグレードとした上記基準面から
の距離に関する第６のメンバーシップ関数とを加算して
計算された関数であることを特徴とする請求項２記載の
画像処理装置。 - 【請求項４】 上記画像処理装置はさらに、 上記抽出された軟部組織の画像データを上記表示手段に
表示する表示制御手段を備えたことを特徴とする請求項
１乃至３のうちの１つに記載の画像処理装置。 - 【請求項５】 上記関節空間内で軟骨領域で挟まれた軟
部組織は、膝関節内の半月板であることを特徴とする請
求項１乃至４のうちの１つに記載の画像処理装置。 - 【請求項６】 磁気共鳴映像装置によって生成されたＭ
Ｒ画像データから、関節空間内で軟骨領域で挟まれた軟
部組織の画像データを抽出する画像処理方法であって、 上記ＭＲ画像データに基づいて、所定の濃度しきい値を
用いて、上記軟骨領域を含む処理対象領域の画像データ
を抽出するステップと、 上記ＭＲ画像データを表示装置に表示し、上記関節空間
内の軟部組織の少なくとも１点を確定点として入力する
ステップと、 上記抽出された軟骨領域を含む処理対象領域の画像デー
タを、上記軟骨領域の位置と濃度値に関する知識のファ
ジィルールを用いて、軟骨領域を含むクラスの画像デー
タと、軟骨領域を含まないクラスの画像データとに分類
するステップと、 上記分類された軟骨領域を含むクラスの画像データに基
づいて、上記軟部組織の位置に関する知識のファジィ推
論の領域拡張条件で、上記入力された軟部組織の確定点
を出発点として、領域拡張法を用いて領域拡張処理を行
うことにより、軟部組織候補の画像データを抽出するス
テップと、 上記抽出された軟部組織候補の画像データに基づいて、
上記軟部組織の位置と濃度値に関する知識のファジィ推
論を用いて、上記軟部組織の画像データを抽出するステ
ップとを含むことを特徴とする画像処理方法。 - 【請求項７】 磁気共鳴映像装置によって生成されたＭ
Ｒ画像データから、関節空間内で軟骨領域で挟まれた軟
部組織の画像データを抽出する画像処理方法であって、 上記ＭＲ画像データに基づいて、所定の濃度しきい値を
用いて、上記軟骨領域を含む処理対象領域の画像データ
を抽出するステップと、 上記ＭＲ画像データを表示装置に表示し、上記関節空間
内の軟部組織の少なくとも１点を確定点として入力する
ステップと、 上記抽出された軟骨領域を含む処理対象領域の画像デー
タを、当該処理対象領域の重心からの距離に関する第１
のメンバーシップ関数と、上記軟部組織と上記軟骨領域
とを交差する方向に対して平行な基準方向でのＭＲ画像
データの濃度変化値が所定のしきい値以上である濃度変
化点の計数値に関する第２のメンバーシップ関数とを用
いたファジィルールを用いて、軟骨領域を含むクラスで
あって基準方向に延在する画像データと、軟骨領域を含
まないクラスであって基準方向に延在する画像データと
に分類するステップと、 上記分類された軟骨領域を含むクラスであって基準方向
で延在する画像データに基づいて、上記軟骨領域を所定
の最大の第１のグレードとし、上記軟骨領域と上記軟部
組織を含まない外部領域又は軟骨領域に位置する所定の
基準面からの上記基準方向の距離に関する第３のメンバ
ーシップ関数を用いて、上記軟骨領域で挟まれた領域で
あってかつ上記第１のグレードよりも小さい第２のグレ
ード以上のグレードを有するという軟部組織の位置の知
識に関するファジィ推論の領域拡張条件で、上記入力さ
れた軟部組織の確定点を出発点として、領域拡張法を用
いて領域拡張処理を行うことにより、上記第３のメンバ
ーシップ関数で計算された第１種のグレード値を有する
軟部組織候補の各画像データを抽出するステップと、 上記抽出された軟部組織候補の画像データに基づいて、
上記軟部組織の濃度値を所定の最大の第３のグレードと
した画像データの濃度値に関する第４のメンバーシップ
関数を用いて、上記軟部組織の濃度値の知識のファジィ
推論により、各画像データの第２種のグレード値を計算
した後、上記軟部組織候補の各画像データについて、第
１種のグレード値と第２種のグレード値とを含む全体の
グレード値に基づいて上記軟部組織の画像データである
か否かを判断することにより、上記軟部組織候補の画像
データから上記軟部組織の画像データを抽出するステッ
プとを含むことを特徴とする画像処理方法。 - 【請求項８】 上記第３のメンバーシップ関数は、第１
の軟骨領域を最大の第１のグレードとした上記基準面か
らの距離に関する第５のメンバーシップ関数と、第２の
軟骨領域を最大の第１のグレードとした上記基準面から
の距離に関する第６のメンバーシップ関数とを加算して
計算された関数であることを特徴とする請求項７記載の
画像処理方法。 - 【請求項９】 上記画像処理方法はさらに、 上記抽出された軟部組織の画像データを上記表示装置に
表示するステップを含むことを特徴とする請求項６乃至
８のうちの１つに記載の画像処理装置。 - 【請求項１０】 上記関節空間内で軟骨領域で挟まれた
軟部組織は、膝関節内の半月板であることを特徴とする
請求項６乃至９のうちの１つに記載の画像処理方法。 - 【請求項１１】 請求項６乃至１０のうちの１つに記載
の画像処理方法を含む画像処理プログラムを記録したこ
とを特徴とするコンピュータで読み取り可能な画像処理
プログラムを記録した記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10314759A JP3049021B2 (ja) | 1998-11-05 | 1998-11-05 | 画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10314759A JP3049021B2 (ja) | 1998-11-05 | 1998-11-05 | 画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000139870A JP2000139870A (ja) | 2000-05-23 |
| JP3049021B2 true JP3049021B2 (ja) | 2000-06-05 |
Family
ID=18057248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10314759A Expired - Fee Related JP3049021B2 (ja) | 1998-11-05 | 1998-11-05 | 画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3049021B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012518520A (ja) * | 2009-02-25 | 2012-08-16 | モハメッド ラシュワン マーフォーズ | カスタマイズされた整形外科用インプラント及び関連する方法並びにインテリジェント軟骨システム |
| CN103402435A (zh) * | 2011-03-03 | 2013-11-20 | 株式会社日立医疗器械 | 医用图像处理装置及医用图像处理方法 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6560477B1 (en) * | 2000-03-17 | 2003-05-06 | The Regents Of The University Of California | Joint imaging system utilizing magnetic resonance imaging and associated methods |
| CA2427695C (en) | 2001-04-26 | 2012-12-11 | Teijin Limited | Method for measuring 3d joint structure |
| US8300910B2 (en) * | 2006-09-19 | 2012-10-30 | Synarc Inc. | Pathology indicating measure related to cartilage structure and automatic quantification thereof |
| WO2019189743A1 (ja) * | 2018-03-29 | 2019-10-03 | 国立大学法人 筑波大学 | ３次元モデル生成方法、３次元モデル生成装置、及び３次元モデル生成プログラム |
| JP7230240B2 (ja) * | 2019-12-11 | 2023-02-28 | 富士フイルム株式会社 | 半月板投影面設定装置、方法およびプログラム |
-
1998
- 1998-11-05 JP JP10314759A patent/JP3049021B2/ja not_active Expired - Fee Related
Non-Patent Citations (5)
| Title |
|---|
| Ａ．Ｌ．Ｒｅｉｓｓ ｅｔ ａｌ，"Ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ Ｖａｌｉｄｉｔｙ ｏｆ ａｎ Ａｌｇｏｒｉｓｍ ｆｏｒ Ｆｕｚｚｙ Ｔｉｓｓｕｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ＭＲＩ"，Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｔｏｍｏｇｒａｐｈｙ，１９９８ Ｍａｙ／Ｊｕｎｅ，Ｖｏｌ．２２，Ｎｏ．３，ｐｐ４７１−４７９ |
| Ｒ．Ｉ．Ｋｉｔｎｅｙ ｅｔ ａｌ，"Ｆａｓｔ Ａｕｔｏｍａｔｅｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｖｉｓｕａｌｉｓａｔｉｏｎ Ｍｅｔｈｏｄｓ ｆｏｒ ＭＲ Ｉｍａｇｅｓ ｏｆ ｔｈｅ Ｋｎｅｅ Ｊｏｉｎｔ ｉｎ Ａｒｔｈｒｉｔｉｓ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ＩＥＥＥ Ｅｎｇｉｎｅｅｒｉｎｇ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ Ｓｏｃｉｅｔｙ，１９９８，Ｖｏｌ．２０，Ｎｏ．２，ｐｐ５５９−５６２ |
| 佐々木崇他，"ファジィ推論を用いた膝関節ＭＲ画像からの半月板領域の抽出"，バイオメディカルファジィシステム学会第１１回年次大会講演論文集，１９９８．１１．７−８，ｐｐ２５−２６ |
| 新津守，"三次元画像処理を用いた膝関節ＭＲＩ−半月板断裂描出能の評価−"、日本医学放射線学会雑誌，１９９１．１０．２５，Ｖｏｌ．５１，Ｎｏ．１０，ｐｐ１３−２１ |
| 森永法郎，"３次元医用ファジィ画像処理"，第６回インテリジェントシステムシンポジウム講演論文集，１９９６．１０．１８，ｐｐ２６５−２６６ |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012518520A (ja) * | 2009-02-25 | 2012-08-16 | モハメッド ラシュワン マーフォーズ | カスタマイズされた整形外科用インプラント及び関連する方法並びにインテリジェント軟骨システム |
| US8884618B2 (en) | 2009-02-25 | 2014-11-11 | Zimmer, Inc. | Method of generating a patient-specific bone shell |
| JP2014221195A (ja) * | 2009-02-25 | 2014-11-27 | ジンマー インコーポレイテッド | カスタマイズされた整形外科用インプラント及び関連する方法並びにインテリジェント軟骨システム |
| US9937046B2 (en) | 2009-02-25 | 2018-04-10 | Zimmer, Inc. | Method of generating a patient-specific bone shell |
| US10070960B2 (en) | 2009-02-25 | 2018-09-11 | Zimmer, Inc. | Method of generating a patient-specific bone shell |
| US11219526B2 (en) | 2009-02-25 | 2022-01-11 | Zimmer, Inc. | Method of generating a patient-specific bone shell |
| CN103402435A (zh) * | 2011-03-03 | 2013-11-20 | 株式会社日立医疗器械 | 医用图像处理装置及医用图像处理方法 |
| CN103402435B (zh) * | 2011-03-03 | 2015-07-22 | 株式会社日立医疗器械 | 医用图像处理装置及医用图像处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000139870A (ja) | 2000-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6625303B1 (en) | Method for automatically locating an image pattern in digital images using eigenvector analysis | |
| Dubey et al. | Evaluation of three methods for MRI brain tumor segmentation | |
| JP5486197B2 (ja) | 椎骨中心検出装置および方法並びにプログラム | |
| JP6013042B2 (ja) | 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法 | |
| JP2004032684A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
| JP2010527647A (ja) | 半自動式輪郭検出方法 | |
| Kapur et al. | Model-based segmentation of clinical knee MRI | |
| EP2372646A2 (en) | Image processing device, method and program | |
| Onal et al. | MRI-based segmentation of pubic bone for evaluation of pelvic organ prolapse | |
| WO2011050454A1 (en) | Bone imagery segmentation method and apparatus | |
| JP3049021B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラムを記録した記録媒体 | |
| Marar et al. | Mandible bone osteoporosis detection using cone-beam computed tomography | |
| Schilham et al. | Multi-scale nodule detection in chest radiographs | |
| Dourthe et al. | Automated segmentation of spinal muscles from upright open MRI using a multiscale pyramid 2D convolutional neural network | |
| Podsiadlo et al. | Automated selection of trabecular bone regions in knee radiographs | |
| Onal et al. | Image based measurements for evaluation of pelvic organ prolapse | |
| US11769253B2 (en) | Method and system for selecting a region of interest in an image | |
| Vasilache et al. | Automated bone segmentation from pelvic CT images | |
| JP2017198697A (ja) | 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法 | |
| Bandekar et al. | Performance evaluation of abdominal fat burden quantification in CT | |
| AU2019204372B1 (en) | Method and System for Selecting a Region of Interest in an Image | |
| Maduskar et al. | Automatic identification of intracranial hemorrhage in non-contrast CT with large slice thickness for trauma cases | |
| Natrajan et al. | A comparative scrutinization on diversified needle bandanna segmentation methodologies | |
| KR20180042898A (ko) | 두개골의 이형 상태 분류방법 | |
| Pandey et al. | A Framework for Mathematical Methods in Medical Image Processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |