JP4051142B2

JP4051142B2 - 関心領域設定方法、画像処理装置および医用画像処理装置

Info

Publication number: JP4051142B2
Application number: JP30237498A
Authority: JP
Inventors: 信之田坂
Original assignee: ジーイー横河メディカルシステム株式会社
Priority date: 1998-10-23
Filing date: 1998-10-23
Publication date: 2008-02-20
Anticipated expiration: 2018-10-23
Also published as: JP2000126150A

Description

【０００１】
【発明の属する技術分野】
この発明は、関心領域設定方法、画像処理装置および医用画像処理装置に関し、さらに詳しくは、画像中に関心領域を設定する方法、画像処理装置および頭部を撮影したＭＲ（Magnetic Resonance）画像中に脳実質領域を自動設定できる医用画像処理装置および胴部を撮影したＭＲ画像中に脊椎領域を自動設定できる医用画像処理装置に関する。
【０００２】
【従来の技術】
画像中に関心領域を設定し、その関心領域についての統計量を算出することが行われている。例えば、頭部を撮影したＭＲ画像やＣＴ（Computed Tomography）画像中に関心領域として脳実質領域を設定し、その脳実質領域内の画素値の平均値や標準偏差値を算出し、脳の診断に供することが行われている。また、胴部（胸部，腹部）を撮影したＭＲ画像やＣＴ画像中に関心領域として脊椎（脊柱）領域を設定し、その脊椎（脊柱）領域内の画素値の平均値や標準偏差値を算出し、脊椎（脊柱）の診断に供することが行われている。また、心臓を撮影した超音波画像中に関心領域として左心室領域を設定し、その左心室領域内の画素値の平均値や標準偏差値を算出し、心臓の診断に供することが行われている。
【０００３】
従来の関心領域の設定方法としては、例えば特開平９−２９９３４９号公報に開示されているように、頭部／アキシャル画像の頭輪郭を円で近似し、その円を規定値だけ縮めた円の後頭部側半分を関心領域とする方法が知られている。
【０００４】
【発明が解決しようとする課題】
特開平９−２９９３４９号公報に開示の方法は、頭部／アキシャル画像中に関心領域として脳実質領域を設定する場合に対応しているが、関心領域を抽出するための閾値が固定的であり、十分な精度が得られるとは限らない問題点があった。また、頭部／サジタル画像や頭部／コロナル画像や胴部画像には対応できない問題点があった。
そこで、この発明の第１の目的は、関心領域を抽出するための閾値を画像に対応して計算することにより十分な精度で関心領域を自動抽出可能とした関心領域設定方法および画像処理装置を提供することにある。
また、この発明の第２の目的は、脳実質領域や脊椎領域を抽出するための閾値をＭＲ画像に対応して計算することにより十分な精度で脳実質領域や脊椎領域を自動抽出可能とした医用画像処理装置を提供することにある。
【０００５】
【課題を解決するための手段】
第１の観点では、本発明は、画像中に関心領域を設定する方法であって、関心領域を抽出するための閾値を画像の撮影条件と画素値ヒストグラムとに基づいて計算する閾値計算ステップと、計算した閾値を用いて画像中に領域を抽出しそれを関心領域とする関心領域抽出ステップとを有することを特徴とする関心領域設定方法を提供する。
上記構成において、前記画像の撮影条件とは、例えば、頭部，胴部などの撮影部位条件、アキシャル，サジタルなどの撮影角度条件、Ｔ１強調画像，脂肪抑制画像などの画質条件を含む。
上記第１の観点による関心領域設定方法では、関心領域を抽出するための閾値を、画像の撮影条件と画素値ヒストグラムとに基づいて計算する。従って、画像毎に最適の閾値を決定でき、十分な精度で関心領域を自動抽出可能となる。
【０００６】
第２の観点では、本発明は、上記第１の観点の関心領域設定方法において、異なる撮影位置で同じ撮影角度で同じ部位を同じ撮影方法で撮影した一連の画像の各画素値ヒストグラムを平均した平均ヒストグラムを求める前処理ステップを有すると共に、前記閾値計算ステップでは、前記閾値を前記平均値ヒストグラムに基づいて計算することを特徴とする関心領域設定方法を提供する。
上記第２の観点による関心領域設定方法では、関心領域を抽出するための閾値を、異なる撮影位置で同じ撮影角度で同じ部位を同じ撮影方法で撮影した一連の画像の各画素値ヒストグラムを平均した平均ヒストグラムを用いて計算する。従って、一連の画像では共通の閾値を使用でき、処理を簡単化できる。
【０００７】
第３の観点では、本発明は、関心領域を抽出するための閾値を画像の撮影条件と画素値ヒストグラムとに基づいて計算する閾値計算手段と、計算した閾値を用いて画像中に領域を抽出しそれを関心領域とする関心領域抽出手段とを有することを特徴とする画像処理装置を提供する。
上記構成において、前記画像の撮影条件とは、例えば、頭部，胴部などの撮影部位条件、アキシャル，サジタルなどの撮影角度条件、Ｔ１強調画像，脂肪抑制画像などの画質条件を含む。
上記第３の観点による画像処理装置では、上記第１の観点の関心領域設定方法を好適に実施できる。
【０００８】
第４の観点では、本発明は、異なる撮影位置で同じ撮影角度で被検体の頭部を撮影した一連のＭＲ画像の各画素値ヒストグラムを平均し且つ平滑した平均平滑ヒストグラムを求める前処理手段と、ＭＲ画像中に脳実質領域を抽出するための閾値をＭＲ画像の撮影条件と前記平均平滑ヒストグラムとに基づいて計算する閾値計算手段と、計算した閾値を用いてＭＲ画像中に脳実質領域を抽出しそれを関心領域とする関心領域抽出手段とを具備したことを特徴とする医用画像処理装置を提供する。
上記第４の観点による医用画像処理装置では、脳実質領域を抽出するための閾値を、ＭＲ画像の撮影条件と平均平滑ヒストグラムとに基づいて計算する。従って、ＭＲ画像毎に最適の閾値を決定でき、十分な精度で脳実質領域を自動抽出可能となる。また、一連のＭＲ画像では共通の閾値を使用でき、処理を簡単化できる。
【０００９】
第５の観点では、本発明は、異なる撮影位置で同じ撮影角度で被検体の胴部を撮影した一連のＭＲ画像の各画素値ヒストグラムを平均し且つ平滑した平均平滑ヒストグラムを求める前処理手段と、ＭＲ画像中に脊椎領域を抽出するための閾値をＭＲ画像の撮影条件と前記平均平滑ヒストグラムとに基づいて計算する閾値計算手段と、計算した閾値を用いてＭＲ画像中に脊椎領域を抽出しそれを関心領域とする関心領域抽出手段とを具備したことを特徴とする医用画像処理装置を提供する。
上記第５の観点による医用画像処理装置では、脊椎領域を抽出するための閾値を、ＭＲ画像の撮影条件と平均平滑ヒストグラムとに基づいて計算する。従って、ＭＲ画像毎に最適の閾値を決定でき、十分な精度で脊椎領域を自動抽出可能となる。また、一連のＭＲ画像では共通の閾値を使用でき、処理を簡単化できる。
【００１０】
【発明の実施の形態】
以下、図に示す実施形態に基づいてこの発明をさらに詳しく説明する。なお、これによりこの発明が限定されるものではない。
図１は、この発明の一実施形態の画像処理装置を含むＭＲＩ装置の構成ブロック図である（但し、本実施形態の説明に関連する要部構成のみを示す）。
このＭＲＩ装置１００は、撮像装置１と、画像処理装置２と、記憶装置３と、表示装置４と、入力装置５とを具備している。
前記撮像装置１は、被検体Ｋをスキャンし、得られたスキャンデータを画像処理装置２に渡す。
前記画像処理装置２は、前記撮像装置１からスキャンデータを取得するデータ取得部２ａと、スキャンデータからＭＲ画像の画像データを生成する画像データ生成部２ｂと、ＭＲ画像中に関心領域を自動設定する関心領域自動設定処理部２ｃと、自動設定された関心領域について統計量の算出等を行う統計量算出等処理部２ｄとを具備している。
前記記憶装置３は、前記スキャンデータや前記画像データを記憶する。
前記表示装置４は、前記ＭＲ画像や各種の情報を表示する。
前記入力装置５は、操作者が入力する情報を受け付ける。
【００１１】
図２は、前記関心領域自動設定処理部２ｃの動作を示すフロー図である。
ステップＭ１では、異なる撮影位置で、同じ撮影角度で、被検体の同じ部位を撮影した一連のＭＲ画像を読み込む。例えば、図１０に示すように、撮影位置が頭頂，大脳，小脳，脳底の各位置で、撮影角度がアキシャルで、被検体Ｋの頭部を撮影し、得られた図１１に示すごとき一連のＭＲ画像を読み込む。
ステップＭ２では、読み込んだ一連のＭＲ画像について前処理を行う。次に、図３を参照して、この前処理を詳細に説明する。
【００１２】
図３のステップｐ１では、読み込んだ各ＭＲ画像の輝度分解能を下げた各ヒストグラムを作成する（例えば、ＭＲ画像の元の輝度分解能の１／５に下げる）。分解能を下げるのは、ノイズの影響を除去するためである。図１２に、各ＭＲ画像の輝度分解能を下げた各ヒストグラムを例示する。
ステップｐ２では、各ヒストグラムを平均して平均ヒストグラムを作成し、その平均ヒストグラムを移動平均により平滑化し、平均平滑ヒストグラムを求める。図１３に、平均ヒストグラムをデータ数１０個の移動平均により平滑化した平均平滑ヒストグラムを例示する。
ステップｐ３では、平均平滑ヒストグラムを上限側から下方へ検索し、度数が初めて規定値（例えば規定値＝５〜２０）を越える輝度ＰＭＭを求める（図１３参照）。
前処理が終れば、図２のステップＭ３へ進む。
【００１３】
図２のステップＭ３では、画像の撮影部位が頭部ならステップＭ４へ進み、撮影部位が胴部（胸部または腹部）ならステップＭ６へ進む。
ステップＭ４では、画像中の脳実質領域を抽出するための閾値を計算する。次に、図４を参照して、この脳実質領域抽出用閾値計算処理を詳細に説明する。
【００１４】
図４のステップＴｈ１では、平均平滑ヒストグラムを低輝度側より高輝度側へ検索し、初めて減少しなくなる輝度ＰＢを求める（図１３参照）。
ステップＴｈ２では、平均平滑ヒストグラムのＰＢとＰＭＭの間で最大値を与える輝度ＰＰを求める（図１３参照）。
【００１５】
ステップＴｈ３では、次の撮影条件に応じて、脳実質領域の輝度の上限閾値Ｔh_Hを求める。
・「Ｔ１強調」または「Ｔ１強調＋造影剤」画像なら、
Ｔh_H＝ＰＭＭ＊０．５
「Ｔ１強調」又は「Ｔ１強調＋造影剤」画像では、脂肪が高輝度となるので、ＰＭＭの半分を脳実質領域の上限閾値とする（図１３参照）。
・「Ｔ２強調」または「脂肪抑制」画像なら、
Ｔh_H＝ＰＭＭ
「Ｔ２強調」画像ではＣＳＦ（脳脊髄液）が高輝度となり、「脂肪抑制」画像では脂肪が低高輝度となり、いずれも脳実質領域の輝度が高くなるので、ＰＭＭを脳実質領域の上限閾値とする。
・「プロトン密度強調」画像なら、
Ｔh_H＝（ＰＰ＋ＰＭＭ）＊０．５
「プロトン密度強調」画像では、脳実質領域の輝度が広がるので、ＰＰとＰＭＭの中間を脳実質領域の上限閾値とする。
【００１６】
ステップＴｈ４では、脳実質領域の輝度の下限閾値Ｔh_Lを求める。
Ｔh_L＝ＰＢ
（図１３参照）
【００１７】
ステップＴｈ５では、背景（空気）から頭輪郭エッジを検出する閾値Ｔh_Aを求める。
Ｔh_A＝ＰＭＭ＊０．１
（図１３参照）
閾値Ｔh_Aは、背景（空気）の輝度の上限より大きい値であればよい。
【００１８】
ステップＴｈ６では、頭部内空気（蝶形骨洞）の輝度の上限閾値Ｔh_Iを求める。
・「Ｔ１強調」または「プロトン密度強調」画像なら、
Ｔh_I＝Ｔh_A
（図１３参照）
・「Ｔ２強調」画像なら、
Ｔh_I＝ＰＢ＊０．５
「Ｔ１強調」及び「プロトン強調」画像に比べ、脳実質領域の輝度が落ちるため、頭部内空気との輝度差が小さくなり、切り分けが難くなる。よって、Ｔh_Iをより小さな値ではあるが確実に求める必要がある。
脳実質領域抽出用閾値を計算したら、図２のステップＭ５へ進む。
【００１９】
図２のステップＭ５では、計算した脳実質領域抽出用閾値を用いて画像中に脳実質領域（関心領域）を設定する。次に、図５を参照して、この脳実質領域設定処理を詳細に説明する。
【００２０】
図５のステップＲｈ１では、図１４に示すように、ＭＲ画像の各Ｒ−Ｌライン（ｙｉ）をＲ端からＬ端側へ検索し、画素値が初めて閾値Ｔh_Aを越えるＸ座標をＲエッジＥR(yi)とする。また、画像の各Ｒ−Ｌライン（ｙｉ）をＬ端からＲ端側へ検索し、画素値が初めて閾値Ｔh_Aを越えるＸ座標をＬエッジＥL(yi)とする。
ステップＲｈ２では、図１５に示すように、画像のＡ端からＰ端側へ検索し、初めてＥR(yi)＜ＥL(yi)となるｙｉをＡ側存在限界ＥAとする。また、画像のＰ端からＡ端側へ検索し、初めてＥR(yi)＜ＥL(yi)となるｙｉをＰ側存在限界ＥPとする。
【００２１】
ステップＲｈ３では、ＲエッジＥR(yi)およびＬエッジＥL(yi)が隣接エッジと規定値（例えば１０画素）以上に不連続でないｙｉ（但し、ＥA≦ｙｉ≦ＥP）について、中点ＭRL(yi)と距離ＤRL(yi)とを求める。
中点ＭRL(yi)＝（ＥR(yi)＋ＥL(yi)）／２
距離ＤRL(yi)＝｜ＥR(yi)−ＥL(yi)｜
【００２２】
ステップＲｈ４では、図１６に示すように、頭部エッジを楕円で近似する。該頭部エッジ近似楕円は、（ＭRL(yi)の最大値＋最小値）／２を中心位置のＸ座標とし、（ＥA＋ＥP）／２を中心位置のＹ座標とし、ＤRL(yi)の最大値をＸ方向軸長とし、｜ＥA−ＥP｜をＹ方向軸長とする楕円である。
【００２３】
ステップＲｈ５では、頭部画像の撮影角度がアキシャルならステップＲｈ６へ進み、サジタル又はコロナルならステップＲｈ７へ進む。
【００２４】
ステップＲｈ６では、図１７に示すように、頭部エッジ近似楕円と同心で、規定値（例えば２０mm）に相当する画素数だけ内側の楕円領域のＰ側半分を関心領域とする。そして、処理を終了する。
ステップＲｈ７では、図１８（サジタル）および図１９（コロナル）に示すように、頭部エッジ近似楕円と同心で、規定値（例えば２０mm）に相当する画素数だけ内側の楕円領域のＳ側半分を関心領域とする。そして、処理を終了する。
【００２５】
図２に戻り、ステップＭ６では、画像中の脊椎領域を抽出するための閾値を計算する。次に、図６を参照して、この脊椎領域抽出用閾値計算処理を詳細に説明する。
【００２６】
図６のステップＴｓ１では、次のように脊椎および椎体の輝度の上限閾値Th_Hを求める。
・「脂肪抑制」画像でないなら、
Ｔh_H＝ＰＭＭ＊０．５
「脂肪抑制」画像でないなら、脂肪が高輝度となるので、ＰＭＭの半分を脊椎および椎体の上限閾値とする。
・「脂肪抑制」画像なら、
Ｔh_H＝ＰＭＭ
「脂肪抑制」画像では、脂肪の輝度が低下するので、ＰＭＭを脊椎および椎体の上限閾値とする。
【００２７】
ステップＴｓ２では、脊椎および椎体の輝度の下限閾値Ｔh_Hを求める。
Ｔh_L＝ＰＭＭ＊０．０５
ＰＭＭの１／２０とする。
【００２８】
ステップＴｓ３では、次のように背景（空気）から背輪郭エッジを検出する閾値Ｔh_Aを求める。
・「Ｔ１強調＋脂肪抑制なし」画像なら、
Ｔh_A＝ＰＭＭ＊０．２５
脂肪が高輝度となるので、閾値Ｔh_Aを高めに設定してもよい。
・「Ｔ１強調＋脂肪抑制」または「Ｔ２強調」画像なら、
Ｔh_A＝ＰＭＭ＊０．０５
脂肪が低輝度となるので、閾値Ｔh_Aを低めに設定する。
脊椎領域抽出用閾値を計算したら、図２のステップＭ７へ進む。
【００２９】
図２のステップＭ７では、胴部画像の撮影角度がアキシャルならステップＭ８へ進み、サジタルならステップＭ９へ進み、コロナルならステップＭ１０へ進む。
【００３０】
ステップＭ８では、計算した脊椎領域抽出用閾値を用いて画像中にアキシャル脊椎領域（関心領域）を設定する。次に、図７を参照して、このアキシャル脊椎領域設定処理を詳細に説明する。
【００３１】
図７のステップＲsa１では、図２０に示すように、画像の各Ａ−Ｐライン（ｘｉ）をＰ端からＡ側へ検索し、画素値が初めてＴh_Aを越えるＹ座標をＰ側エッジＥP(xi)とする。
ステップＲsa２では、図２１に示すように、Ｒ−Ｌ中心線ＣRLの両側にそれぞれ規定値（例えば２８mm）ずつに相当する画素数のｘｉで、（Ｐ側エッジＥP(xi)の最大値と最小値）／２を代表値ＥPとする。
ステップＲsa３では、図２２に示すように、代表値ＥPより規定値（例えば９０mm）に相当する画素数だけＡ側のＹ座標をＢAとする。また、代表値ＥPより規定値（例えば３５mm）に相当する画素数だけＡ側のＹ座標をＢPとする。
【００３２】
ステップＲsa４では、図２３に示すように、Ｒ−Ｌ中心線ＣRLのＸ座標を中心位置のＸ座標とし、（ＢA＋ＢP）／２を中心位置のＹ座標とし、規定値（例えば５６mm）に相当する距離をＸ方向軸長とし、｜ＢA−ＢP｜をＹ方向軸長とする楕円を、アキシャル関心領域とする。そして、処理を終了する。
【００３３】
さて、図２のステップＭ９では、計算した脊椎領域抽出用閾値を用いて画像中にサジタル脊椎領域（関心領域）を設定する。次に、図８を参照して、このサジタル脊椎領域設定処理を詳細に説明する。
【００３４】
図８のステップＲss１では、図２４に示すように、画像の各Ａ−Ｐライン（ｙｉ）をＰ端からＡ側へ検索し、画素値が初めてＴh_Aを越えるＸ座標をＰ側エッジＥP(yi)とする。
ステップＲss２では、Ｐ側エッジＥP(yi)を移動平均により平滑化する。
ステップＲss３では、平滑化したＰ側エッジＥP(yi)より規定値（例えば９０mm）に相当する画素数だけＡ側のＸ座標をＢA(yi)とする。また、平滑化したＰ側エッジＥP(yi)より規定値（例えば３５mm）に相当する画素数だけＡ側のＸ座標をＢP(yi)とする。
ステップＲss４では、ＢA(yi)とＢP(yi)の間の帯状領域を、サジタル関心領域とする。そして、処理を終了する。
【００３５】
さて、図２のステップＭ１０では、計算した脊椎領域抽出用閾値を用いて画像中にコロナル脊椎領域（関心領域）を設定する。次に、図９を参照して、このコロナル脊椎領域設定処理を詳細に説明する。
【００３６】
図９のステップＲsc１では、図２６に示すように、Ｒ−Ｌ中心線ＣRLの両側にそれぞれ規定値（例えば２８mm）に相当する画素数の幅を持つ帯状領域を、コロナル関心領域とする。そして、処理を終了する。
【００３７】
以上のように、頭部のアキシャル画像でも（図１７）、頭部のサジタル画像でも（図１８）、頭部のコロナル画像でも（図１９）、胴部のアキシャル画像でも（図２３）、胴部のサジタル画像でも（図２５）、胴部のコロナル画像でも（図２６）、高精度に関心領域を自動設定できる。
関心領域が設定されたら、統計量算出等処理部２ｄは、関心領域について画素値の平均値や標準偏差などの統計量の算出等を行う。
【００３８】
【発明の効果】
この発明の関心領域設定方法および画像処理装置によれば、関心領域を抽出するための閾値を画像に対応して計算するため、十分な精度で関心領域を自動設定できるようになる。
また、この発明の医用画像処理装置によれば、脳実質領域や脊椎領域を抽出するための閾値をＭＲ画像に対応して計算するため、十分な精度で脳実質領域や脊椎領域を自動抽出することが出来る。
【図面の簡単な説明】
【図１】この発明の一実施形態にかかるＭＲＩ装置の構成ブロック図である。
【図２】関心領域自動設定処理のフローチャートである。
【図３】前処理のフローチャートである。
【図４】脳実質領域抽出用閾値計算処理のフローチャートである。
【図５】脳実質領域設定処理のフローチャートである。
【図６】脊椎領域抽出用閾値計算処理のフローチャートである。
【図７】アキシャル脊椎領域設定処理のフローチャートである。
【図８】サジタル脊椎領域設定処理のフローチャートである。
【図９】コロナル脊椎領域設定処理のフローチャートである。
【図１０】一連の画像の撮影位置の例示図である。
【図１１】一連の頭部画像の例示図である。
【図１２】一連の頭部画像の画素値のヒストグラムの例示図である。
【図１３】平均平滑ヒストグラムの例示図である。
【図１４】頭部のＲエッジ／Ｌエッジを検出する処理の説明図である。
【図１５】頭部のＡ側エッジ／Ｐ側エッジを検出する処理の説明図である。
【図１６】頭部を近似する楕円の説明図である。
【図１７】アキシャル頭部画像中に設定した関心領域の例示図である。
【図１８】サジタル頭部画像中に設定した関心領域の例示図である。
【図１９】コロナル頭部画像中に設定した関心領域の例示図である。
【図２０】アキシャル胴部画像で胴部のＰ側エッジを検出する処理の説明図である。
【図２１】胴部のＰ側エッジの代表値の説明図である。
【図２２】アキシャル胴部画像中に設定する関心領域のＡ−Ｐ範囲の説明図である。
【図２３】アキシャル胴部画像中に設定した関心領域の例示図である。
【図２４】サジタル胴部画像で胴部のＰ側エッジを検出する処理の説明図である。
【図２５】サジタル胴部画像中に設定した関心領域の例示図である。
【図２６】コロナル胴部画像中に設定した関心領域の例示図である。
【符号の説明】
１００ＭＲＩ装置
１撮像装置
２画像処理装置
２ａデータ取得部
２ｂ画像データ生成部
２ｃ関心領域自動設定処理部
２ｄ統計量算出等処理部

Claims

異なる撮影位置で同じ撮影角度で被検体の頭部を撮影した一連のＭＲ画像の各画素値ヒストグラムを平均し且つ平滑した平均平滑ヒストグラムを求める前処理手段と、ＭＲ画像中に脳実質領域を抽出するための閾値をＭＲ画像の撮影条件と前記平均平滑ヒストグラムとに基づいて計算する閾値計算手段と、計算した閾値と前記被検体の頭部の撮影角度条件とを用いてＭＲ画像中に脳実質領域を抽出しそれを関心領域とする関心領域抽出手段とを具備したことを特徴とする医用画像処理装置。
異なる撮影位置で同じ撮影角度で被検体の胴部を撮影した一連のＭＲ画像の各画素値ヒストグラムを平均し且つ平滑した平均平滑ヒストグラムを求める前処理手段と、ＭＲ画像中に脊椎領域を抽出するための閾値をＭＲ画像の撮影条件と前記平均平滑ヒストグラムとに基づいて計算する閾値計算手段と、計算した閾値と前記被検体の胴部の撮影角度条件とを用いてＭＲ画像中に脊椎領域を抽出しそれを関心領域とする関心領域抽出手段とを具備したことを特徴とする医用画像処理装置。