JP4685078B2 - 画像診断支援システム - Google Patents

Description

本発明は、被験者の画像を健常者などの画像と対比して疾患の診断を支援するための技術に関し、特に被験者の画像で健常者などと異なる特徴の領域を抽出して診断の支援をする技術に関する。

近年、被験者等に大きな負担をかけずに、身体内の様子を画像として捕らえ正確な診断を行なうための画像診断機（Ｘ線ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、超音波診断機、放射線診断機等）は現在の医療の現場において必須なものとなっている。

核医学の臨床の場においては、被験者体内に放射性同位元素を導入し、その放射性同位元素から発せられるγ線を利用する単光子放出コンピュータ断層撮影（Single Photon Emission Computed Tomography、ＳＰＥＣＴ）および陽電子放出断層撮影（Positron
Emission Tomography、ＰＥＴ）が、それぞれ利用されている。これにより、脳の断層画像を撮影して解析することにより、疾患ごとに脳の特定部位の血流が上昇または低下することが明らかになってきている。従って、被験者と健常者のSPECTやPETの画像を比較することによって異常部位の有無を抽出することが可能となっている。

SPECTやPETの画像から異常部位を抽出する方法として、SPM法（Statistical
Parametric Mapping）、３D-SSP法（Three-dimensional Stereotactic Surface Projections）等の統計学的解析手法が知られている。これにより、被検者の異常部位を客観的に抽出することができ、疾患の診断に役立っている。
精神科臨床における画像診断 Ｓ１０巻 中山書店

しかしながら、従来の手法では、得られた被験者の画像をもとに人が視覚的に判別していたため、経験や知識の差による人為的な相違が生じ、客観的な根拠に基づく診断支援が出来ないという問題点があった。

そこで、本発明の目的は、被験者及び特定グループに属する者の断層画像を比較して行う画像診断において、個人による判断のバラツキを無くし、診断精度の向上を支援することである。

本発明の一実施態様に従う画像診断支援システムは、被験者及び特定グループに属する者の断層画像を対比して診断の支援を行うシステムである。そして、人体の所定部位の断層画像において、それぞれの疾患ごとに予め設定されているターゲット領域を示す疾患別のターゲットデータを記憶する記憶手段と、特定グループに属する者の前記所定部位の断層画像と比較して、被験者の前記所定部位の断層画像から前記特定グループに属する者と異なる特徴を有する特徴領域を抽出する抽出手段と、前記記憶手段から一つの疾患についてのターゲットデータを取得し、前記取得したターゲットデータに基づいて定まるターゲット領域に対する、前記抽出手段により抽出された特徴領域の分布状態を示す評価値を算出する算出手段と、前記算出手段が算出した評価値を出力する手段と、を備える。

好適な実施形態では、前記算出手段は、前記ターゲット領域において前記特徴領域が占める割合を示す第１の評価値を算出するようにしてもよい。

好適な実施形態では、前記算出手段は、前記特徴領域のうち、前記ターゲット領域に属している部分の割合を示す第２の指標値を算出するようにしてもよい。

好適な実施形態では、前記疾患ごとに設定されるターゲット領域は、さらに重症度別に設定されていてもよい。そして、前記記憶手段に記憶されているターゲットデータは、疾患別重症度別になっていてもよい。

好適な実施形態では、前記被験者の断層画像において前記特徴領域を他の領域と異なる表示態様で表示した画像と、前記算出手段による算出結果とを表示する表示手段をさらに備えるようにしてもよい。

好適な実施形態では、前記抽出手段は、前記特定グループに属する者の所定部位の断層画像、及び前記被験者の所定部位の断層画像に基づいてＺ値を算出し、算出されたＺ値に基づいて前記特徴領域を抽出するようにしてもよい。そして、前記画像診断支援システムは、前記抽出手段により抽出された特徴領域のＺ値の平均値を算出する平均算出手段をさらに備え、前記出力手段は、前記平均算出部が算出した前記特徴領域のＺ値の平均値を出力するようにしてもよい。

好適な実施形態では、前記特定グループに属する者及び被験者の断層画像は、いずれも正規化された脳のＳＰＥＣＴ（Single Photon Emission Computed Tomography）断層画像であってもよい。そして、前記特徴領域は、前記被験者の脳のＳＰＥＣＴ断層画像において、当該被験者の脳の血流量が前記特定グループに属する者のＳＰＥＣＴ断層画像に基づく血流量よりも所定量以上増加または減少している領域であるようにしてもよい。

以下、本発明の一実施形態に係る画像診断支援システムについて図面を用いて説明する。本実施形態に係る画像診断支援システムは、健常者と被験者の脳のＳＰＥＣＴ断層画像（以下、単に断層画像という場合もある）を対比して、被験者の疾患の診断の支援を行うものである。

図１に、本実施形態にかかる画像診断支援システム１の全体構成図を示す。

本実施形態に係る画像診断支援システム１は、画像診断支援システム本体１０と、画像診断支援システム本体１０に接続された入力装置２と、表示装置３とを備える。画像診断支援システム本体１０は、例えば汎用的なコンピュータシステムにより構成され、以下に説明する画像診断支援システム本体１０内の個々の構成要素または機能は、例えば、コンピュータプログラムを実行することにより実現される。

画像診断支援システム本体１０には、診断の対象となる被験者の画像データを記憶する被験者データ記憶部１１と、あらかじめ収集しておいた正規化された健常者の画像データを記憶する健常者データ記憶部１２と、被験者データを正規化する正規化処理部１３と、Ｚ値を算出するＺ値算出部１４と、被験者データから健常者とは異なる特徴を示す特徴領域を抽出する特徴領域抽出部１５と、特徴領域抽出の閾値を記憶した閾値テーブル１６と、疾患別の着目すべきターゲット領域を示すデータを記憶したターゲット領域データ記憶部１７と、特徴領域の広がりを定量化する広がり算出部１８と、平均処理部１９とを備える。

被験者データ記憶部１１は、ＳＰＥＣＴ断層画像撮影装置５で撮影した被験者のＳＰＥＣＴ断層画像のボクセル値データ（以下、被験者データという）１１１を記憶している。

健常者データ記憶部１２には、予め収集しておいた、多数の健常者の脳の断層画像のボクセル値データの平均値（以下、健常者データという）１２１と、多数の健常者の脳の断層画像のボクセル値データの標準偏差データ１２２とが記憶されている。人の脳の形状及び大きさは、それぞれ個人差があるので、健常者データ１２１は、所定の形状及び大きさに正規化された健常者の標準脳の断層画像データを用いて平均値を求めたものである。標準偏差データ１２２も同様に、正規化された健常者の標準脳の断層画像データを用いて標準偏差を求めたものである。

図２は、健常者データ１２１及び標準偏差データ１２２のデータ構造の一例を示す図である。同図（ａ）の健常者データ１２１は、頭の左右方向をＸ軸、前後方向をＹ軸、上下方向をＺ軸としたとき、Ｚ軸方向にＮ枚のＸ−Ｙ断面の画像データからなる。各画像データに含まれるボクセル値は、各画像の画素値と対応する。同図（ｂ）の標準偏差データ１２２は、健常者データ１２１と同様の構造になっていて、多数の健常者データの平均値である健常者データ１２１を算出したときに同時に求めた標準偏差が格納されている。

再び図１を参照すると、正規化処理部１３は、被験者データ記憶部１１に格納されている被験者データ（ボクセル値データ）を正規化する。ここでは、正規化後の被験者データを健常者データと比較するので、正規化処理部１３は健常者データ１２１と同一の構造に正規化する。

Ｚ値算出部１４は、被験者データ及び健常者データのそれぞれ対応する画像（同一部位の画像）を対比させてＺ値を算出する。すなわち、Ｚ値算出部１４は、正規化処理部１３で正規化された被験者データと健常者データ記憶部１２に記憶されている健常者データ１２１及び標準偏差データ１２２とを用いて、Ｚ値を算出する。Ｚ値算出部１４は、正規化された被験者データの全断層画像の全画素（つまり、全ボクセル値）について、以下の式を用いてＺ値を算出する。
Ｚ値＝｛（健常者データのボクセル値）−（被験者データのボクセル値）｝／標準偏差

閾値テーブル１６は、特徴領域抽出部１５で特徴領域として抽出すべきＺ値の閾値を記憶する。例えば、閾値は、疾患別病期重症度別に異なる値が設定されていてもよい。

特徴領域抽出部１５は、Ｚ値算出部１４で算出されたＺ値に基づいて、被験者の断層画像から健常者とは異なる特徴を示す領域を特徴領域として抽出する。例えば、特徴領域抽出部１５は、Ｚ値が所定の閾値以上または以下である領域を特徴領域として抽出する。ここで、本実施形態で用いているＳＰＥＣＴ断層画像の場合、Ｚ値がプラス（つまり、健常者データの方が被験者データよりボクセル値が高い）のときは、被験者の血流量が健常者の血流量よりも少ないことを示し、逆に、Ｚ値がマイナス（つまり、健常者データの方が被験者データよりボクセル値が低い）のときは、被験者の血流量が健常者の血流量よりも多いことを示している。従って、本実施形態では、被験者データにおいて、健常者と比べて血流量が増減している箇所が特徴領域として抽出されることになる。これは、特定の疾患に関しては、特定の箇所の血流の増減があることが知られているので、それを利用するためである。特に、本実施形態では、次に説明するように、予め疾患別に着目すべきターゲット領域を設定しておき、このターゲット領域を用いた診断支援をする。

なお、特徴領域抽出のためのＺ値の閾値は、予め定めておいてもよいし、閾値テーブル１６を参照して定めてもよいし、入力装置２からユーザがその都度指定してもよい。

ターゲット領域データ記憶部１７は、疾患別重症度（病期、進行度）別に予め設定されているターゲット領域を示すターゲットデータを記憶する。ここで、ターゲット領域とは、脳のＳＰＥＣＴ断層画像において、疾患の診断を行う際に着目すべき領域である。つまり、疾患別のターゲット領域は、それぞれの疾患で血流量の変化が生じる領域である。従って、ターゲット領域は、疾患別、さらには疾患の病期重症度別に、それぞれ異なる断層画像の異なる領域が設定される。１枚の断層画像に複数のターゲット領域が設定されていてもよい。脳の疾患例としては、アルツハイマー型痴呆、パーキンソン病、進行性核上性麻痺、マシャド・ジョセフ病、オリーブ橋小脳萎縮症などが挙げられる。ターゲット領域は、例えば、ＮＩＮＣＤＳ−ＡＤＲＤＡなど所定の診断基準や各種検査に基づいて定められる。例えば、疾患群（ある疾患の多数の患者データ）と健常者群（多数の健常者データ）とを群間比較して、検定統計量（ｔ検定etc）によってその閾値を決めることによって作成することができる。

図３は、ターゲット領域データ記憶部１７に記憶されているターゲットデータの一例を示す図である。すなわち、ターゲットデータは「アルツハイマー重度１」「アルツハイマー重度２」・・・などと、疾患別病期重症度別に設定されている。各ターゲットデータは、それぞれの断層画像ごとに、ターゲット領域となる画素には「１」、それ以外の領域には「０」がセットされている。

改めて図１を参照すると、広がり算出部１８は、特徴領域抽出部１５によって抽出された特徴領域の分布状態を示す評価値を算出する。本実施形態では、ターゲット領域データ記憶部１７に記憶されているターゲットデータを用いて、疾患別重症度別に２つの評価値を算出する。すなわち、第１の評価値は、全ターゲット領域において特徴領域が占める割合を示す評価値である(以下、EXTENT1という)。第２の評価値は、全特徴領域のうち、ターゲット領域に属している部分の割合を示す評価値である(以下、EXTENT2という)。

図４は、EXTENT1及びEXTENT2を説明するための模式図である。図４（ａ）は被験者の脳のＸ−Ｙ断層画像（Ｚ＝ｍ）１００である。この断層画像１００に特徴領域抽出部１５により抽出された特徴領域５１〜５４（それぞれ、面積をＳ１〜Ｓ４とする）が表示してある。同図（ｂ）は、Ｚ＝ｍのＸ−Ｙ平面における、ある疾患のターゲット領域６１，６２（それぞれ、面積をＡ１，Ａ２とする）を示すターゲットデータ１１０である。なお、ここで面積は、特徴領域及びターゲット領域にそれぞれ属する画素数であってもよい。

そして、断層画像１００とターゲットデータ１１０とを重ねて表示したものが同図（ｃ）である。この図から、特徴領域５２がターゲット領域６１に属し、特徴領域５４がターゲット領域６２に属することがわかる。同図（ｃ）のとき、EXTENT1及びEXTENT2を求めると、それぞれ以下のようになる。
EXTENT1=(S2+S4)/(A1+A2)
EXTENT2=(S2+S4)/(S1+S2+S3+S4)

EXTENT1は、ターゲット領域（Ａ１＋Ａ２）における特徴領域（Ｓ２＋Ｓ４）の広がり具合を定量化したものである。これにより、EXTENT1が大きいほど、ターゲット領域に占める特徴領域が多く、それぞれの疾患（及び重症度）である確率が高いと考えられる。

EXTENT2は、全特徴領域（Ｓ１＋Ｓ２＋Ｓ３＋Ｓ４）のうち、ターゲット領域への広がり具合を定量化したものである。これにより、EXTENT2が大きいほど、特徴領域がターゲット領域に集中しているので、それぞれの疾患（及び重症度）である確率が高いと考えられる。

平均処理部１９は、特徴領域抽出部１５で抽出された特徴領域のＺ値の平均値を算出する。

広がり算出部１８で算出されたEXTENT1,2及び平均処理部１９で算出されたＺ値の平均値は、表示装置３に表示される。このとき、EXTENT1,2及びＺ値の平均値は、各被験者のそれぞれの断層画像とともに表示させてもよい。さらに、その断層画像では、例えば図４（ｃ）のように、ターゲット領域を示す枠及び特徴領域がそれ以外の領域と識別可能となるような表示態様（例えば着色するなど）で表示してもよい。

なお、EXTENT1,2及びＺ値の平均値は、表示装置３に表示する以外に、図示しないプリンタから出力したり、所定の記録媒体または他のコンピュータに対して出力したりしてもよい。

次に、図５に示すフローチャートに従って、本システムの処理手順を説明する。

まず、本システムは、ＳＰＥＣＴ断層画像撮影装置５から被験者データを取得し、被験者データ記憶部１１に格納する（Ｓ１１）。

つぎに、正規化処理部１３が被験者データ記憶部１１に記憶されている被験者データを正規化する（Ｓ１２）。

そして、正規化された被験者データと、健常者データ記憶部１２に予め格納されている健常者データとを用いて、Ｚ値算出部１４がＺ値を算出する（Ｓ１３）。

被験者データの全画像についてＺ値が算出されると、特徴領域抽出部１５は、Ｚ値が所定の閾値以上である特徴領域を抽出する（Ｓ１４）。

平均処理部１９は、特徴領域抽出部１５により抽出された特徴領域のＺ値の平均値を算出する（Ｓ１５）。

広がり算出部１８は、ターゲット領域データ記憶部１７からターゲットデータを取得して、EXTENT1及びEXTENT2を算出する（Ｓ１６）。ここで、広がり算出部１８は、指定された疾患（及び重症度）のターゲットデータあるいは全ターゲットデータをターゲット領域データ記憶部１７から取得し、それに基づいてそれぞれEXTENT1及びEXTENT2を算出する。

最後に、ステップＳ１５で算出されたＺ値の平均値と、ステップＳ１６で算出されたEXTENT1及びEXTENT2を表示装置３に表示する（Ｓ１７）。

これにより、被験者と健常者のＳＰＥＣＴ断層画像を用いて、被験者データに関する定量的な評価値を提示することができる。この評価値を参照することにより、医師はより的確に疾患の診断を行うことが可能になる。特に、被験者データの定量的な評価値が提示されるので、医師による判断のバラツキを押さえ、より精度の高い診断が可能になる。

上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。

例えば、本実施形態では、ＳＰＥＣＴによる断層画像を用いて特徴領域を抽出し、これに基づいて診断支援を行っているが、ＳＰＥＣＴ以外にもＰＥＴ、Ｘ線ＣＴ、ＭＲＩによる断層画像を用いることもできる。ここで、ＳＰＥＣＴ及びＰＥＴ画像の場合、血流を示すボクセル値の他、例えばレセプターへの集積増減を示す集積値を用いてもよい。さらに、ＣＴ画像の場合はＣＴ値、ＭＲＩ画像の場合はＴ１値、Ｔ２値（緩和時間）を用いてもよい。

また、特徴領域を抽出する場合、上述した実施形態ではＺ値を用いているが、特徴領域の抽出の仕方は必ずしもこれに限定されず、何らかの手法で被験者データが健常者データと異なる特徴を示す領域を抽出できればよい。例えば、ｔ値あるいはＦ値を用いることもできる。

さらには、上述の実施形態では、被験者データが比較されるデータは健常者データであるが、これ以外にも、例えば、特定の疾患の多数の患者データの平均値と被験者データを比較するようにしてもよい。例えば、比較対象データとして初期のアルツハイマー患者の患者データを用いた場合、被験者データから初期のアルツハイマー患者に対して特徴的な領域が抽出される。そして、後期アルツハイマーの疾患別分割領域データを用いて特徴領域の広がりを評価すれば、アルツハイマーの進行度を判定することができる。さらには、ある疾患（例えば前頭葉型アルツハイマー）の多数の患者データの平均値とその疾患の被験者データとを比較して特徴領域を抽出し、別の疾患（例えば鬱病）の分割領域データを用いて特徴領域の広がりを評価した場合、別の疾患を併発している被験者とそうでない被験者とを鑑別することもできる。

本発明の一実施形態にかかる画像診断支援システム１の全体構成図である。 健常者データ及び標準偏差データのデータ構造の一例を示す。 ターゲット領域データ記憶部に記憶されているターゲットデータの一例を示す。 EXTENT1及びEXTENT2を説明するための模式図である。 本システムにおける処理手順を示すフローチャートである。

符号の説明

１ 画像診断支援システム
２ 入力装置
３ 表示装置
５ 断層画像撮影装置
１０ 画像診断支援システム本体
１１ 被験者データ記憶部
１２ 健常者データ記憶部
１３ 正規化処理部
１４ Ｚ値算出部
１５ 特徴領域抽出部
１６ 閾値テーブル
１７ ターゲット領域データ記憶部
１８ 広がり算出部
１９ 平均処理部

Claims (7)

1. 被験者及び特定グループに属する者の断層画像を対比して診断の支援を行うシステムであって、
   人体の所定部位の断層画像において、それぞれの疾患ごとに、各疾患の多数の患者データからなる疾患群と多数の健常者データからなる健常者群とを群間比較して、検定統計量によって決定された閾値に基づいて作成されたターゲット領域を示す疾患別のターゲットデータを記憶する記憶手段と、
   前記特定グループに属する者の前記所定部位の断層画像と比較して、被験者の前記所定部位の断層画像から前記特定グループに属する者と異なる特徴を有する特徴領域を抽出する抽出手段と、
   前記記憶手段から一つの疾患についてのターゲットデータを取得し、前記取得したターゲットデータに基づいて定まるターゲット領域において前記抽出手段で抽出された特徴領域が占める割合を示す評価値を算出する算出手段と、
   前記算出手段が算出した評価値を出力する手段と、を備えた画像診断支援システム。
2. 被験者及び特定グループに属する者の断層画像を対比して診断の支援を行うシステムであって、
   人体の所定部位の断層画像において、それぞれの疾患ごとに、各疾患の多数の患者データからなる疾患群と多数の健常者データからなる健常者群とを群間比較して、検定統計量によって決定された閾値に基づいて作成されたターゲット領域を示す疾患別のターゲットデータを記憶する記憶手段と、
   前記特定グループに属する者の前記所定部位の断層画像と比較して、被験者の前記所定部位の断層画像から前記特定グループに属する者と異なる特徴を有する特徴領域を抽出する抽出手段と、
   前記記憶手段から一つの疾患についてのターゲットデータを取得し、前記抽出手段で抽出された特徴領域のうち、前記取得したターゲットデータに基づいて定まるターゲット領域内にある特徴領域の割合を示す評価値を算出する算出手段と、
   前記算出手段が算出した評価値を出力する手段と、を備えた画像診断支援システム。
3. 前記抽出手段は、前記特定グループに属する者の所定部位の断層画像、及び前記被験者の所定部位の断層画像に基づいてＺ値を算出し、算出されたＺ値に基づいて前記特徴領域を抽出し、
   前記画像診断支援システムは、前記抽出手段により抽出された特徴領域のＺ値の平均値を算出する平均算出手段をさらに備え、
   前記出力手段は、前記平均算出部が算出した前記特徴領域のＺ値の平均値を出力する請求項１または２に記載の画像診断支援システム。
4. 前記疾患ごとに設定されるターゲット領域は、さらに重症度別に設定されていて、
   前記記憶手段に記憶されているターゲットデータは、疾患別重症度別になっていることを特徴とする請求項１〜３のいずれかに記載の画像診断支援システム。
5. 請求項１〜４に記載の画像診断支援システムをコンピュータで実現するためのコンピュータプログラム。
6. 画像診断支援システムが、被験者及び特定グループに属する者の断層画像を対比して診断の支援を行う方法であって、
   人体の所定部位の断層画像において、それぞれの疾患ごとに、各疾患の多数の患者データからなる疾患群と多数の健常者データからなる健常者群とを群間比較して、検定統計量によって決定された閾値に基づいて作成されたターゲット領域を示す疾患別のターゲットデータを記憶手段に記憶するステップと、
   前記特定グループに属する者の前記所定部位の断層画像と比較して、被験者の前記所定部位の断層画像から前記特定グループに属する者と異なる特徴を有する特徴領域を抽出するステップと、
   前記記憶手段から一つの疾患についてのターゲットデータを取得し、前記取得したターゲットデータに基づいて定まるターゲット領域において前記抽出された特徴領域が占める割合を示す評価値を算出するステップと、
   前記算出された評価値を出力するステップと、を行う画像診断のための方法。
7. 画像診断支援システムが、被験者及び特定グループに属する者の断層画像を対比して診断の支援を行う方法であって、
   人体の所定部位の断層画像において、それぞれの疾患ごとに、各疾患の多数の患者データからなる疾患群と多数の健常者データからなる健常者群とを群間比較して、検定統計量によって決定された閾値に基づいて作成されたターゲット領域を示す疾患別のターゲットデータを記憶手段に記憶するステップと、
   前記特定グループに属する者の前記所定部位の断層画像と比較して、被験者の前記所定部位の断層画像から前記特定グループに属する者と異なる特徴を有する特徴領域を抽出するステップと、
   前記記憶手段から一つの疾患についてのターゲットデータを取得し、前記抽出された特徴領域のうち、前記取得したターゲットデータに基づいて定まるターゲット領域内にある特徴領域の割合を示す評価値を算出するステップと、
   前記算出された評価値を出力するステップと、を行う画像診断のための方法。

Images