JP5105997B2 - 医用画像処理装置、医用画像診断装置、及びプログラム - Google Patents

Description

本発明は、例えばＸ線ＣＴ装置、ＭＲＩ装置、またはこれらの装置と同様の原理に基づいて画像を収集・再構成する装置によって取得した画像を処理する医用画像処理装置、医用画像診断装置、及びプログラムであって、特にＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｉａｇｎｏｓｉｓ）技術を用いて、肺野部における病変部等が存在する部位の解剖学上の名称を特定することができる医用画像処理装置、医用画像診断装置、及びプログラムに関する。

近年、ＣＡＤ技術により画像読影の能率が向上しており、例えば肺野部の画像から当該肺野部における腫瘍（以降、肺結節と称する）の位置（座標）を特定することができる。さらに、ＣＡＤ技術によって、肺結節候補を例えばＭＰＲ（ＭｕｌｔｉＰｌａｎａｒ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）画像やＶＲ（Ｖｏｌｕｍｅ Ｒｅｎｄｅｒｉｎｇ）画像上に表示する技術も知られている。

なお、ＶＲ画像とは、二次元表示画像に対して、所謂ボリュームレンダリング処理を施して生成した画像であり、ディスプレイ上では三次元表示される画像である。

そして、このように肺結節候補が表示された画像に基づいて、医師等の診断者は、当該肺結節候補が良性であるか悪性であるかの診断、及び候補にない新たな肺結節の診断を行い、この診断結果を診断レポートに記録する。

ところで、通常の診断レポートには、肺結節等が位置する座標ではなく、肺結節等が実際に存在する部位（肺区域）の解剖学上の名称を記載する必要がある。通常は当該画像を読影する医師が、当該画像を参照して、肺結節等が存在する肺区域を判定し、上述した診断結果と併せて、診断レポートに記載する。この為、肺区域の特定精度は、実際に読影する医師等の診断者自身の経験に依存する部分が大きい。

さらに、肺の構造には当然ながら個人差が存在する。従って、経験の浅い診断者の場合、肺結節等が存在する肺区域の特定作業には、当該画像を含む資料を参照しながら注意深く当該画像を精査する為、相当な時間を要してしまう。このような事情から、肺結節等が存在する肺区域の特定作業に要する時間を短縮する技術が望まれている。

なお、肺区域は、左右の肺で１０個つまり計２０個の領域に分割され、各肺区域はそれぞれ気管支枝と対応している。従って、気管支枝が特定されれば、肺区域も特定される。そして、現実の治療の際には、気管支を通じて薬等を投入する場合もあり、正確な肺区域の特定は非常に重要な作業であるとされている。

ここで、気管支枝の抽出技術に関連する技術として、例えば非特許文献１及び非特許文献２に、次のような技術が開示されている。

非特許文献１に開示されている技術では、肺野部の画像に対して各種フィルタ処理を施して末端まで気管支枝を抽出し、主幹を基点にしてＲｅｇｉｏｎ Ｇｒｏｗｉｎｇによる処理を施し、気管支枝名対応付け処理を実行する。

従って、ユーザは、このようにして気管支枝名付けされた気管支領域から、肺結節が存在する部位に最も近い気管支枝を特定することができる。そして、特定した気管支枝の枝名に基づいて、当該肺結節の存在する肺区域を特定することができる。

非特許文献２に開示されている技術では、肺野部の画像に対して各種フィルタ処理を施して末端まで気管支を抽出し、主幹を基点にして気管支の分岐パターン及び気管支の走行方向に基づいた気管支枝モデルを適宜適用して、気管支枝名対応付けを実行する。

従って、ユーザは、このようにして気管支枝名付けされた気管支領域から、肺結節が存在する部位に最も近い気管支枝を特定することができる。そして、特定した気管支枝の枝名に基づいて、当該肺結節の存在する肺区域を特定することができる。
J.Kawai, S.Saita, M.kubo, Y.Kawata, N.Niki, Y.Nakano, H.Nishitani, H.Ohmatsu, K.Eguchi, N.Moriyama, "Automated anatomical labeling algorithm of bronchial branches based on multi-slice CT images", Int J CARS(2006) l:517-527 p.521-522 江間慎弥, 森健策，目加田慶人, 井出一郎, 村瀬洋, 高畠博嗣, 森雅樹, 名取博, "自動気管支枝名対応付けにおけるモデル選択法の改善", 電子情報通信学会医用工学研究会技報, MI2004-110

しかしながら、非特許文献１及び非特許文献２に開示されている技術によれば、気管支領域全体を対象として、各種フィルタ処理を施して気管支枝を末端まで抽出して気管支枝名対応付け処理を施す為、全ての処理を終える為には、結局のところ相当の時間を要してしまう。

従って、非特許文献１及び非特許文献２に開示されている技術によれば、自動的に気管支枝名対応付け処理が行われるものの、肺結節の存在する肺区域を特定する作業を短縮するには至っていない。

なお、気管支枝を末端まで抽出することは技術的に困難であり、単純な閾値処理によっては不可能である。従って、気管支枝を末端まで抽出する為に各種フィルタ処理を併用することになるが、複雑なフィルタ処理が追加的に必要となってしまう為、処理時間の増加を招いてしてしまう。

本発明は前記の事情に鑑みて為されたものであり、医用画像中における例えば肺結節の座標等の所定の座標の位置に対応する部位の解剖学上の部位名称を、短時間で特定することができる医用画像処理装置、医用画像診断装置、及びプログラムを提供することを目的とする。

上記の目的を達成するために、請求項１に記載の本発明による医用画像処理装置は、三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置において、前記所定の座標を設定する座標設定手段と、前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該抽出した主要分枝構造の分枝名称を特定する主要分枝名称特定手段と、前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定手段と、前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出手段と、前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出手段と、前記連結分枝構造抽出手段によって抽出された主要分枝構造の分枝名称を、前記主要分枝名称特定手段による特定結果を参照して特定する連結分枝名称特定手段と、前記連結分枝名称特定手段によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定手段と、を具備することを特徴とする。

上記の目的を達成するために、請求項８に記載の本発明による医用画像診断装置は、三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像診断装置において、前記所定の座標を設定する座標設定手段と、前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定手段と、前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定手段と、前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出手段と、前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出手段と、前記連結分枝構造抽出手段によって抽出された前記主要分枝構造の分枝名称を、前記主要分枝名称特定手段による特定結果を参照して特定する連結分枝名称特定手段と、前記連結分枝名称特定手段によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定手段と、前記特定手段によって特定された前記解剖学上の名称を、所望の医用画像に重畳表示する重畳表示手段と、を具備することを特徴とする。

上記の目的を達成するために、請求項１２に記載の本発明によるプログラムは、三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置としてコンピュータを機能させるプログラムであって、前記所定の座標を設定する座標設定機能と、前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定機能と、前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定機能と、前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出機能と、前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出機能と、前記連結分枝構造抽出機能によって抽出された前記主要分枝構造の分枝名称を、前記主要分枝名称特定機能による特定結果を参照して特定する連結分枝名称特定機能と、前記連結分枝名称特定機能によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定機能と、をコンピュータに実現させることを特徴とする。
上記の目的を達成するために、請求項１９に記載の本発明によるプログラムは、三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置としてコンピュータを機能させるプログラムであって、前記所定の座標を設定する座標設定機能と、前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定機能と、前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定機能と、前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出機能と、前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出機能と、前記連結分枝構造抽出機能によって抽出された前記主要分枝構造について、当該主要分枝の分枝名称を、前記主要分枝名称特定機能による特定結果を参照して特定する連結分枝名称特定機能と、前記連結分枝名称特定機能によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定機能と、前記特定機能によって特定された前記解剖学上の名称を、所望の医用画像に重畳表示する重畳表示機能と、をコンピュータに実現させることを特徴とする。

本発明によれば、医用画像中における例えば肺結節の座標等の所定の座標の位置に対応する部位の解剖学上の部位名称を、短時間で特定することができる医用画像処理装置、医用画像診断装置、及びプログラムを提供することができる。

以下、図面を参照して本発明の実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムを説明する。

[第１実施形態]
図１は、本発明の第１実施形態に係る医用画像処理装置及び医用画像診断装置の一構成例を示す図である。

同図に示すように、本第１実施形態に係る医用画像診断装置１は、ユーザ操作入力部２と、ユーザ操作解読部４と、画像保存部６と、ＶＲ（Ｖｏｌｕｍｅ Ｒｅｎｄｅｒｉｎｇ）部８と、ＣＡＤ部１０と、結節（候補）描画部１２と、肺区域特定部１４と、肺区域描画部１６と、診断レポート作成部１８と、表示画像作成部２０と、表示部２２と、を具備する。なお、本第１実施形態に係る医用画像処理装置１Ａは、前記ＣＡＤ部１０と、前記肺区域特定部１４と、を具備する。

前記ユーザ操作入力部２は、例えばマウスやキーボード等から成り、ユーザが当該医用画像診断装置への入力操作を行う為の入力部である。

前記ユーザ操作解読部４は、前記ユーザ操作入力部２によって入力された例えばマウスイベント等の操作、すなわち前記表示部２２に表示されたアプリケーションメニュー表示上の操作ボタンの選択決定操作、前記表示部２２に表示された画像上のドラッグ操作等を解読して、続いて行われる各種処理に必要なパラメータを算出する。

ここで、前記ユーザ操作解読部４により算出されるパラメータは、例えば以下のようなパラメータである。各種操作と算出されるパラメータとの対応を示す。なお、以下記す各種操作は、ユーザにより前記ユーザ操作入力部２を用いて行われる。

・画像選択モード時の、表示部２０に表示された患者情報画面上でのクリック操作→画像選択パラメータ算出
・診断モード時の、表示部２０に表示されたＶＲ画像及び結節候補表示画像上でのクリック操作→結節確定・結節座標値パラメータ算出
・診断レポート作成モード時の、各種入力操作→診断結果パラメータ
ここで、前記の各種モードへのモード変更の方法としては，例えば次のような方法を挙げることができる。

・上述したアプリケーションメニュー表示上のモード指定ボタンを選択決定操作することでモード変更する。

・或るモードにおける処理を完了すると、予め定められた次のモードへ自動的にモード変更する処理を行う。

前記画像保存部６は、各種画像データ及び患者情報等を保存する為のデータベースである。

前記ＶＲ部８は、前記画像保存部６から出力された画像データに対して、所謂ボリュームレンダリング処理を施して、三次元表示画像であるＶＲ画像を生成する。

前記ＣＡＤ部１０は、前記画像保存部６から出力された画像データ中における結節候補の座標（以降、結節候補座標と称する）を算出する。

前記結節（候補）描画部１２は、前記ＣＡＤ部１０によって算出された結節候補座標に基づいて、結節候補を描画する。

前記肺区域特定部１４は、肺野における所定の座標が存在する肺区域を算出する。具体的には、前記肺区域特定部１４は、前記画像保存部６から出力された肺野の画像データと、ユーザによって結節の座標であるとして確定された座標（以降、結節座標と称する）とから、当該結節座標が存在する肺区域を算出する。なお、この肺区域特定部１４による肺区域の算出処理の詳細に関しては後述する。

前記肺区域描画部１６は、前記肺区域特定部１４からの出力に基づいて、ユーザへ提示するための肺区域を描画する。ここで、描画方法としては、例えば以下に示すような描画方法を挙げることができる。

（描画方法１）
肺野の模式図を作成し、該模式図上における該当の肺区域を塗りつぶす。なお、この模式図は、例えばメイン画像、インセット画像、又は体位マーク等として表示する。

（描画方法２）
肺野の模式図を作成し、該模式図上における該当の肺区域を、文字表示を用いて強調表示する。

なお、（描画方法１）と（描画方法２）とを組み合わせて用いても勿論よい。

前記診断レポート作成部１８は、例えばユーザによって入力された診断結果と、前記肺区域特定部１４によって算出された結節座標の存在する肺区域と、に基づいて所定の診断レポートを作成する。なお、前記肺区域描画部１６によって描画された画像を、この診断レポート作成部１８による診断レポート作成の際に、当該診断レポートに取り込んでも良い。

前記表示画像作成部２０は、前記ＶＲ部８によって生成されたＶＲ画像、前記結節（候補）描画部１２によって作成された結節（候補）画像、前記肺区域描画部１６によって作成された肺区域を示す画像或いはデータ、及び前記診断レポート作成部１８によって作成された診断レポート等に対して、これらを表示部２０における表示用の画像（表示画像）とする為の画像処理を施す。

前記表示部２２は、前記表示画像作成部２０によって作成された表示画像を表示するモニタである。なお、この表示部２２に表示される実際の診断レポートは、例えば図２に示すような画像である。すなわち、前記表示部２２には、診断レポートとして例えば対象組織を示す対象組織画像５１、所定の各種メニューを示すメニュー画像５３、及び診断結果を示すレポート表示画像５５が表示される。

以下、本第１実施形態における前記診断レポート作成までの一連の処理の流れを、図３に示す処理タイミング図、図４Ａ乃至図４Ｃに示す表示画像例、及び図５Ａ及び図５Ｂに示す表示画像例を参照して説明する。なお、ここでは説明の便宜上、前記医用画像診断装置１のうち前記表示部２２以外の構成部材を処理システムと称し、図３においてもそのように示す。

まず、ユーザによる前記ユーザ操作入力部２の操作で、本第１実施形態に係る医用画像処理装置、医用画像診断装置、又はプログラムが起動され、且つ当該処理の対象となる画像である対象画像が選択される（ステップＳ１）。

続いて、処理システムにおいて、前記ＣＡＤ部１０によって結節候補及び結節候補座標が算出される。さらに、前記結節（候補）描画部１２によって、前記結節候補座標に基づいて結節候補が描画される（ステップＳ２）。なお、ここではＶＲ画像上に結節候補が矢印で表示される場合を例に説明する。

そして、処理システムにおいて、前記結節（候補）描画部１２によって描画された結節候補画像は、前記表示画像作成部２０によって表示画像として作成された後、前記表示部２２に出力され、例えば図４Ａに示すように表示される（ステップＳ３）。すなわち、前記表示部２２には、例えば結節候補表示画像５１ａとメニュー画像５３とが表示される。ここで、図４Ａに示す矢印Ａは、結節候補の座標を指し示す矢印である。

このようにして前記表示部２２に表示された結節候補表示画像５１ａは、ユーザによって読影され、且つ前記ステップＳ２で描画された結節候補が、ユーザによる前記ユーザ操作入力部２の操作で選択される（ステップＳ４）。

なお、このステップＳ４では、前記ステップＳ２で描画された結節候補がユーザによる前記ユーザ操作入力部２の操作で選択される代わりに、ユーザによる前記ユーザ操作入力部２の操作で肺野領域内における所定の座標がマニュアルポインティングされるとしても良い。

次に、処理システムにおいて、前記結節候補が存在する肺区域が前記肺区域特定部１４によって算出され、当該肺区域が、前記肺区域描画部１６によって描画される（ステップＳ５）。なお、後述するＳ^ｎ（ｎ＝１，２，３…）は各々解剖学上の部位名称に相当し、Ｂ^ｎ（ｎ＝１，２，３…）は各々いわゆる気管支ＩＩ次区域の分枝名称に相当する。

ところで、肺区域は、一般的には上述したように左右１０個で計２０個の領域に区分されている。このステップ５においては、例えば結節候補座標等の所定の座標が、或る肺区域（例えば右Ｓ^３、前上葉区）に存在している場合、当該肺区域（右Ｓ^３、前上葉区）が前記肺区域描画部１６によって描画される。

図５Ａ及び図５Ｂは、前記肺区域描画部１６によって、ＶＲ画像上に結節候補が存在する肺区域が描画された例を示す図である。ここで、同図に示す矢印Ａは、前記ステップ２で算出された結節候補の座標を指し示す矢印である。

具体的には、図５Ａにおいては、前記ステップＳ４でユーザによって特定された結節候補が存在する肺区域（右Ｓ^３、前上葉区）が図示され、且つ右肺及び左肺のそれぞれに関して、内側及び外側から見た模式図が併せて示されている。そして、これら模式図において、前記ステップ４でユーザによって特定された結節候補が存在する肺区域が、斜線によってハッチングされて示されている。一方、図５Ｂにおいては、肺結節が存在する肺区域が、ＶＲ画像上において、前記ステップ４で特定された当該肺区域の名称を示す文字情報と共に表示される例を示している。

本ステップＳ５における処理のうち、例えば結節候補座標等の所定の座標が存在する肺区域を特定する処理は、後に図６に示すフローチャートを参照して詳述する。

ところで、前記ステップＳ５における処理を終えた後、前記肺区域描画部１６によって描画された肺区域を示す画像は、前記表示画像作成部２０による処理で表示画像とされた後、前記表示部２２に出力され、例えば図４Ｂに示すように表示される（ステップＳ６）。すなわち、同図に示すように前記表示部２２には、例えば肺区域表示画像５１ｂとメニュー画像５３とが表示される。

さらに、処理システムにおいては、前記診断レポート作成部１８によって、前記肺区域特定部１４によって算出された結節座標の存在する肺区域と、前記肺区域描画部１６によって描画された肺区域の画像と、ユーザにより入力された診断結果とに基づいて所定の診断レポートが作成される（ステップＳ７）。

そして、前記ステップＳ７で作成された診断レポートが、前記表示部２２に出力され、例えば図４Ｃに示すように表示される（ステップＳ８）。すなわち、前記表示部２２には、例えば肺区域表示画像５１ｂとメニュー画像５３とレポート表示画像５５とが表示される。

以下、前記肺区域特定部１４による処理を、図６に示すフローチャートを参照して詳細に説明する。なお、前記肺区域特定部１４には、前記画像保存部６から出力された肺野部の画像データと、前記ＣＡＤ部１０によって算出されユーザによって確定された結節座標とが入力されているとする。

まず、前記肺区域特定部１４は、対象となる画像データ中から肺野領域を抽出し、且つ該肺野領域全体に対してセグメンテーションを適用して左右肺葉の分類を行う（ステップＳ１１）。詳細には、このステップＳ１１では次のような処理を行う。

すなわち、前記肺区域特定部１４には、肺野領域を抽出し、続いて左右肺野領域を分割し、各々の肺野領域から葉間膜を抽出して肺葉を領域分類する。なお、この技術は、例えば“中田有一、北坂孝幸、森健策、末永康仁、高畠博嗣、森雅樹、名取博“"図形分割に基づく肺分割手法とそのナビゲーション診断への応用”, 第16回コンピュータ支援画像診断学会, ＣＡＤＭ 特定領域特別演題, セッションI/基礎・胸部, 06(SI)-3”に開示されている。つまり、前記ステップＳ１１においては、対象となる画像データ中の肺野領域全体に対してセグメンテーションを適用して当該肺を大まかに区分する。

そして、前記ステップＳ１１における処理によって、当該肺野領域が、図７に示すように５つの領域に分類される。すなわち、右肺は、右上葉６１と、右中葉６３と、右下葉６５とに分類される。一方、左肺は、左上葉６７と、左下葉６９とに分類される。

上述した領域分類方法は、肺の解剖学的構造に基づいて領域分割する方法である。しかしながら、解剖学的構造ではなく、例えば前後/左右/上下にそれぞれ分割して計８つに分類する等の単純化した方法を採っても勿論よい。そして、このように肺野領域を８つに分類することは、以降の処理における処理対象領域を狭めることになり、処理の高速化に寄与する。

なお、現在の技術では、各肺葉を常に正しく分割して分類することは困難とされている。また、多くの処理時間を要する。このような事情からも、上述した単純化した方法を採用することは、処理精度の向上及び処理時間の短縮に有効であると言える。

前記ステップＳ１１における処理を終えると、前記肺区域特定部１４は、前記ステップＳ１１において分類された領域のうちの何れの領域に結節が存在するかを決定する（ステップＳ１２）。詳細には、このステップＳ１２では次のような処理を行う。

すなわち、前記肺区域特定部１４は、ユーザによって確定された結節座標と、前記ステップＳ１１において分類された肺葉領域とに基づいて、当該結節座標がどの肺葉領域に存在するのかを決定する。例えば図８に示す例では、結節座標(ｘ，ｙ，ｚ)が、前記ステップＳ１１にて領域分割された５つの肺葉領域のうち“右上葉”に属する場合、当該結節座標が存在する肺葉領域として“右上葉”を特定する。

前記ステップＳ１２における処理を終えると、前記肺区域特定部１４は、気管支等の構造を大まかに抽出し、抽出した各分枝に対して公知技術を用いて分枝名を決定し、気管支領域（主要分岐構造）を抽出する（ステップＳ１３）。詳細には、このステップＳ１３では次のような処理を行う。

まず、前処理として主要気管支領域を抽出し、気管支ＩＩ次区域まで気管支の枝名付けを行う。

具体的には、画像データに対して単純二値化処理を施し、更にＲｅｇｉｏｎ Ｇｒｏｗｉｎｇ（本第１実施形態においてＲｅｇｉｏｎ Ｇｒｏｗｉｎｇと称する技術は、２値画像における連結領域抽出技術を指す）を用いて気管支領域とその他の領域とを大きく二分する。ここでは気管支領域の抽出を細部まで行う必要はないので、このように単純二値化処理を実施する。

また、ここで行うＲｅｇｉｏｎ Ｇｒｏｗｉｎｇは、肺野領域全体から気管支を抽出することが目的である為、気管支領域のどこにシードを設定してもよい。図９は、気管領域の端にシード７１を設定した場合の、気管支領域全体の抽出及び気管支ＩＩ次区域枝名付けの概念を示す図である。同図において、白抜きで示されている気管支枝は枝名付けされた（抽出済み）気管支枝であり、斜線のハッチングが付された気管支枝は枝名付けされていない（未だ抽出されていない）気管支枝である。

なお、気管支領域は、気管を含む体軸断面画像においては略画像中央位置に存在し、且つ空気に相当する画素値を持つ。しかしながら、気管支領域は、体軸断面画像内では体外の空気と接触しない為、容易に自動検出を実行することができる。

上述したようにＲｅｇｉｏｎ Ｇｒｏｗｉｎｇによる処理を行った後、前記肺区域特定部１４は、抽出した気管支の枝に名前を付けていく（気管支枝名付け）。ここで、枝名を付けるとは、各ボクセルに枝名に対応する値を設定することを意味する。気管支は定まったＴｒｅｅ構造のパターンを有しているので、抽出された気管支をＴｒｅｅ構造に当てはめることで、枝名を付けることが出来る。

なお、気管支枝名付けの具体的方法は、例えば前記非特許文献１及び前記非特許文献２に記載されている。また、Ｔｒｅｅ構造には多少の個人差が存在するが、前記非特許文献１及び前記非特許文献２には、このような個人差に対応する方法も記載されている。

本ステップＳ１３においては、気管支ＩＩ次区域支までの枝名付けを実施する。従って、気管支ＩＩ次区域以降の気管支が抽出されている場合には，気管支ＩＩ次区域（区域支）以降の枝をクリアしておく。

すなわち、図９に示すように、単純二値化処理を実施後Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇを実施して気管支領域を抽出し、気管支ＩＩ次区域Ｂ^１乃至Ｂ^１０まで枝名付けする。

前記ステップＳ１３における処理を終えると、前記肺区域特定部１４は、肺野領域のうち結節が存在する領域（前記ステップＳ１２において決定）のみに対して気管支領域（詳細分岐構造）を末端まで抽出する（ステップＳ１４）。詳細には、このステップＳ１４では次のような処理を行う。

すなわち、前記肺区域特定部１４は、前記ステップＳ１２で決定した領域（肺葉）に限定してＡｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法（詳細は後述する）によって、当該領域の画像を二値化し且つ気管支領域の境界を抽出する。

ここで、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法について説明する。

Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法を用いる目的は、後述するＲｅｇｉｏｎ Ｇｒｏｗｉｎｇによって気管支領域を末端まで抽出することを可能とする為の前処理である。すなわち、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法によって、細い気管支である末端の気管支を予め太くする処理を行うことで、後述するＲｅｇｉｏｎ Ｇｒｏｗｉｎｇによる末端までの気管支領域抽出処理を可能とする。

図１０は、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法による閾値決定の処理過程を示す図である。同図に示す原画像グラフ９０、ｅｒｏｓｉｏｎフィルタ処理結果グラフ９１、及びｅｒｏｓｉｏｎ結果＋αグラフ９２は、“原画像”に示す“Ｘ”ラインにおける輝度を示すグラフであり、横軸は位置、縦軸は輝度を示している。

一般に、画像データにおける気管支領域の輝度（強度）は、肺野領域全体において一定ではなく、気管支領域の末梢に近づく程、当該気管支領域内外の輝度差が小さくなる（図１０に示す“原画像グラフ９０”参照）。さらに、図１０に示すように気管支領域の前後で輝度値が膨らむという特徴も有している。

従って、このような場合、単純閾値法のように画像における対象範囲全体で唯一の閾値を決定する方法は、有効ではない。つまり、ここでは画像の局所情報に基づいて効果的な閾値を得る必要があり、且つ画像データ全体に広がるノイズの影響を受けずに閾値を決定する必要がある。

本第１実施形態において採用するＡｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法では、気管支領域の境界を抽出する。気管支領域の境界を抽出することで、その後Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ処理による気管支領域の内外の切り分けが可能となる。

以下、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法による具体的な処理手順を説明する。

まず、原画像データに対して、ｇｒａｙ ｓｃａｌｅ ｍｏｒｐｈｏｌｏｇｙフィルタ処理のひとつであるｅｒｏｓｉｏｎフィルタ処理を施す。なお、フィルタ処理としては、他にもローパス・ハイパスフィルタ処理やディフュージョンフィルタ処理を用いても良い。

前記ｅｒｏｓｉｏｎフィルタは、画像データの最小値探索を行う演算であり、画像データのノイズを抑制することができる処理である（図１０“ｅｒｏｓｉｏｎフィルタ処理結果グラフ９１”参照）。

換言すれば、このｅｒｏｓｉｏｎフィルタ処理により、画像データ中の各画素間における輝度差を大きくする。

続いて、このｅｒｏｓｉｏｎフィルタ処理結果に、定数を掛けて値を底上げする（図１０“ｅｒｏｓｉｏｎ結果＋αグラフ９２”を参照）。この“ｅｒｏｓｉｏｎ結果＋αグラフ９２”で示される値を閾値として、原画像データを二値化する。以上説明した処理により、画像の局所情報に応じて気管支領域の境界を抽出することができる。

その後、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法による処理を実施した領域（肺葉）内で、次のようにＲｅｇｉｏｎ Ｇｒｏｗｉｎｇを実施する。なお、図１１は、本ステップＳ１４における処理、すなわち特定の領域（肺葉）において気管支領域を末端まで抽出する様を示す図である。ここで、符号７７，７９が付されているのは気管支領域であり、符号８１，８２，８３が付されているのは、それぞれ後述するＲｅｇｉｏｎ Ｇｒｏｗｉｎｇのシード（Ｂ^１，Ｂ^２，Ｂ^３）である。

以下、Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇにおけるシードの設定について説明する。

一般に、肺葉と、気管支Ｉ次区域及び気管支ＩＩ次区域とは図１２Ａ及び図１２Ｂ示すように対応している。

すなわち、右肺に関しては図１２Ａに示すように、右上葉において気管支Ｉ次区域は右上幹に対応し、気管支ＩＩ次区域はＢ^１，Ｂ^２，Ｂ^３に対応する。右中葉において気管支Ｉ次区域は右中葉支に対応し、気管支ＩＩ次区域はＢ^４，Ｂ^５，Ｂ^６に対応する。右下葉において気管支Ｉ次区域は右下幹に対応し、気管支ＩＩ次区域はＢ^７，Ｂ^８，Ｂ^９，Ｂ^１０に対応する。

同様に、左肺に関しては図１２Ｂに示すように、左上葉において気管支Ｉ次区域は左上幹に対応し、気管支ＩＩ次区域はＢ^１，Ｂ^２，Ｂ^３，Ｂ^４，Ｂ^５に対応する。左下葉において気管支Ｉ次区域は左下幹に対応し、気管支ＩＩ次区域はＢ^６，Ｂ^７，Ｂ^８，Ｂ^９，Ｂ^１０に対応する。

つまり、特定の肺葉で、気管支領域抽出の為にＲｅｇｉｏｎ Ｇｒｏｗｉｎｇを実施するには、対応する気管支ＩＩ次区域にシードを置けば良い。このようにシードを設定することで、既に枝名付けされた気管支領域にループすることなく、また、気管支ＩＩ次区域毎に気管支領域を抽出することができる。

以上説明したように、本ステップＳ１４においては、例えば前記ステップＳ１２で“右上葉”を決定している場合、“右上葉”領域内に関してＡｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法により二値化し、且つＲｅｇｉｏｎ Ｇｒｏｗｉｎｇを実施して“右上葉”の気管支領域（気管支の詳細分枝構造）を抽出する。

この場合、Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇのシード８１，８２，８３は、図１１に示すように“右上葉”に対応する気管支ＩＩ次区域“Ｂ^１，Ｂ^２，Ｂ^３”の３つに設定することになる。また、Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇによる処理過程においては、“Ｂ^１，Ｂ^２，Ｂ^３”に接する気管支の詳細分枝構造領域に、それぞれＢ１Ｐ，Ｂ２Ｐ，Ｂ３Ｐといった異なるラベルを割り当てる。

ところで、Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法による二値化処理の利点は、ノイズを抑制できる為にノイズによる影響を受けない閾値を設定できる点、画像の局所情報に基づいた閾値を設定することができるので肺実質部の画素値が不均一な場合にも高精度に末端まで気管支領域を抽出できる点である。

但し、単純閾値法を用いる場合に比較して時間を要する為、本第１実施形態における処理のように処理範囲を限定して実施することが必要である。

前記ステップＳ１４における処理を終えると、前記肺区域特定部１４は、前記ステップＳ１４で抽出した気管支を図１３に示すようにグルーピングする（ステップＳ１５）。詳細には、このステップＳ１５では次のような処理を行う。

すなわち、前記肺区域特定部１４は、前記ステップＳ１４で抽出した気管支領域を、Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇのシード(気管支ＩＩ次区域)毎に分類する。例えば、ｒｅｇｉｏｎ ｇｒｏｗｉｎｇにおいて、ラベルＢ１Ｐ，Ｂ２Ｐ，Ｂ３Ｐが割り当てられた領域が、それぞれＢ^１グループ、Ｂ^２グループ、Ｂ^３グループである。

前記ステップＳ１５における処理を終えると、前記肺区域特定部１４は、結節が存在する肺区域を特定する（ステップＳ１６）。詳細には、このステップＳ１６では次のような処理を行う。

すなわち、前記肺区域特定部１４は、図１４に示すようにユーザによって決定された結節座標７０に最も近い気管支を検索する。一般に，気管支ＩＩ次区域と肺区域とは対応している為、最も近い気管支に対応する肺区域が、当該結節の存在する肺区域となる。

なお、気管支ＩＩ次区域と肺区域との対応は、図１５Ａ及び図１５Ｂに示す通りである。

すなわち、右肺に関しては、図１５Ａに示すように右上葉では気管支ＩＩ次区域におけるＢ^１，Ｂ^２，Ｂ^３には、それぞれ肺区域における肺尖区（Ｓ^１）、後上葉区（Ｓ^２）、前上葉区（Ｓ^３）が対応し、右中葉では気管支ＩＩ次区域におけるＢ^４，Ｂ^５，Ｂ^６には、それぞれ肺区域における外側中葉区（Ｓ^４）、内側中葉区（Ｓ^５）、上−下葉区（Ｓ^６）が対応し、右下葉では気管支ＩＩ次区域におけるＢ^７，Ｂ^８，Ｂ^９，Ｂ^１０には、それぞれ肺区域における内側肺外区（Ｓ^７）、前内底区（Ｓ^８）、外側肺底区（Ｓ^９）、後肺底区（Ｓ^１０）が対応する。

同様に、左肺に関しては、図１５Ｂに示すように左上葉では気管支ＩＩ次区域におけるＢ^１，Ｂ^２，Ｂ^３，Ｂ^４，Ｂ^５には、それぞれ肺区域における肺尖区（Ｓ^１＋２）、肺尖区（Ｓ^１＋２）、前上葉区（Ｓ^３）、上舌区（Ｓ^４）、下舌区（Ｓ^５）が対応し、左下葉では気管支ＩＩ次区域におけるＢ^６，Ｂ^７，Ｂ^８，Ｂ^９，Ｂ^１０には、それぞれ肺区域における上−下葉区（Ｂ^６）、内側肺外区（Ｓ^７）、前内底区（Ｓ^８）、外側肺底区（Ｓ^９）、後肺底区（Ｓ^１０）が対応する。

例えば図１４に示す例では、入力された結節座標７０に最も近い気管支がＢ^３であるので、これに対応する肺区域すなわち“前上葉区（Ｓ^３）”を、結節が存在する肺区域とする。

換言すれば、本ステップＳ１６は、結節に近接する詳細気管支領域を検索し、該詳細気管支領域がどの分枝に連結しているかを検索し、連結している分枝名に基づいて、当該結節が存在する肺区域名称を特定するステップである。

ところで、本第１実施形態に係る医用画像処理装置１Ａ及び医用画像診断装置１による上述した一連の処理は、プログラム化することで、或いは当該プログラムを記憶媒体に読み込むことによって、医用画像処理装置１Ａ及び医用画像診断装置１とは独立したソフトウェア製品単体としての販売、配布も容易になり、また本第１実施形態に係る技術を他のハードウェア上で利用することも可能となる。

以上説明したように、本第１実施形態によれば、医用画像中における例えば肺結節の座標等の所定の座標の位置に対応する部位の解剖学上の部位名称を、短時間で特定することができる医用画像処理装置、医用画像診断装置、及びプログラムを提供することができる。

なお、本第１実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムは、例えばＸ線ＣＴ装置、ＭＲＩ装置、またはこれらの装置と同様の原理に基づいて画像を収集・再構成する装置によって取得した画像を処理することができる。

［第２実施形態］
以下、図面を参照して本発明の第２実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムを説明する。なお、説明の便宜上、上述した第１実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムとの相違点のみを説明する。

前記第１実施形態では、気管支領域の詳細構造抽出処理（前記肺区域特定部１４による前記ステップＳ１４）においては、閾値曲面を用いて当該画像を一旦２値化してから、上述した連結領域の抽出を行う方法を採用した。そして連結領域の抽出においては、起始部側の領域にシードを設定して遠位部へ向かって拡張していく方法を採用した。

しかしながら、前記ステップＳ１４における処理の方法は、このような方法に限られない。つまり、気管支の主要分枝の抽出に十分精度が高く且つ単純で高速な気管支抽出法を適用することができれば、その他の方法を採用しても良い。

例えば、結節の近傍についてのみ気管支の末梢部の抽出に適した気管支抽出法を適用し、気管支の枝名付けに必要な気管支領域については単純閾値に基づく連結領域抽出方法等を採用しても良い。

そこで、本第２実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムでは、前記肺区域特定部１４は、前記ステップＳ１４において、２値画像を作成せずに、画素値情報から直接に気管支領域を抽出するＲｅｇｉｏｎ Ｇｒｏｗｉｎｇ法を用い、気管支の詳細構造を遠位部から起始部に向かって拡張する方法を採用する。以下、具体的に説明する。

（シード設定方法及び処理手順）
まず、前記肺区域特定部１４は、結節領域（又はその中心点）のみにシードを設定し、後述するＲｅｇｉｏｎ Ｇｒｏｗｉｎｇ法を適用し、拡張処理を行う。

そして、あらかじめ抽出された気管支の主要分枝領域の一つに到達した場合、前記肺区域特定部１４は、その分枝領域を枝名付けし、図１２Ａ及び図１２Ｂに示す対応関係により肺区域を決定する。

一方、気管支の主要分枝領域に到達せずに拡張処理が終了した場合には、前記肺区域特定部１４は、シード領域を最初の領域よりも拡大し、同様にしてＲｅｇｉｏｎ Ｇｒｏｗｉｎｇを適用する。その後も主要分枝領域に到達しない場合、更にシード領域を拡大する。この処理過程を繰り返すことで、最終的に何れかの時点において主要分枝領域に到達し、肺区域を決定することができる。

（Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ法）
本第２実施形態においては、或る着目画素から隣接する画素へ拡張するか否かの判定ルールとして、“着目画素の画素値に一定値を加えた画素より小さい画素値を有する隣接画素へは拡張を行う”というルールを採用する。

また、現在の着目画素に対する拡張処理の次に、何れの画素を着目画素とするかは、次のルールに従う。すなわち、着目画素に隣接する未拡張画素を記憶するリストを用意し、その中の一つの画素を選んで着目画素とする。このようにして選択した着目画素は、拡張済み領域とする。ここで、リスト中の何れの画素を着目画素とするかは、例えば画素値の最も小さい画素を選択する。

なお、上述した領域の拡張方法は公知技術の一つであり、気管支の抽出に用いられることが多い技術である。そして、前記リスト中の最も画素値の小さい画素を選ぶ処理が存在するために、一般的には処理時間が増大してしまうという問題を孕んでいる。

しかしながら、本第２実施形態においては、気管支領域全体を抽出する為にこの技術を用いるのではなく、末梢の気管支のうちの一つから、当該気管支の在る下流域のみに限定して処理を適用する為、処理時間の増大の影響を小さすることができる。

ところで、本第２実施形態に係る医用画像処理装置１Ａ及び医用画像診断装置１による上述した一連の処理は、プログラム化することで、或いは当該プログラムを記憶媒体に読み込むことによって、医用画像処理装置１Ａ及び医用画像診断装置１とは独立したソフトウェア製品単体としての販売、配布も容易になり、また本第２実施形態に係る技術を他のハードウェア上で利用することも可能となる。

以上説明したように、本第２実施形態によれば、前記第１実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムと同様の効果を奏する医用画像処理装置、医用画像診断装置、及びプログラムを提供することができる。

以上、第１実施形態乃至第２実施形態に基づいて本発明を説明したが、本発明は上述した実施形態に限定されるものではなく、本発明の要旨の範囲内で種々の変形及び応用が可能なことは勿論である。

例えば、第１実施形態乃至第２実施形態に係る医用画像処理装置、医用画像診断装置、及びプログラムは、上述したような診断時の結節座標の存在する肺区域の特定という用途以外にも、例えばＶＲ画像やＭＩＰ画像表示時に用いて、肺の中におけるユーザ所望の座標が存在する肺区域を特定してユーザに提示する用途等も考えられる。

なお、上述した各実施形態は、一つの対象画像において結節座標が複数存在する場合にも適用できることは勿論である。

さらに、上述した実施形態には種々の段階の発明が含まれており、開示される複数の構成要件の適当な組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除された構成も発明として抽出され得る。

本発明の第１実施形態に係る医用画像処理装置及び医用画像診断装置の一構成例を示す図。 表示部に表示される実際の診断レポートの一例を示す図。 診断レポート作成までの一連の処理の流れを示す処理タイミング図。 表示部に表示される結節候補表示画像の一例を示す図。 表示部に表示される肺区域表示画像の一例を示す図。 表示部に表示されるレポート表示画像の一例を示す図。 結節候補が存在する肺区域が肺区域描画部によってＶＲ画像上に描画された一例を示す図。 結節候補が存在する肺区域が肺区域描画部によってＶＲ画像上に描画された一例を示す図。 肺区域特定部による処理のフローチャートを示す図。 ５つの領域に分類された肺野領域を示す図。 ５つの領域に分類された肺野領域と結節座標とを示す図。 気管領域の端にシードを設定した場合の、気管支領域全体の抽出及び気管支ＩＩ次区域支枝名付けの概念を示す図。 Ａｄａｐｔｉｖｅ Ｔｈｒｅｓｈｏｌｄ法による閾値決定の処理過程を示す図。 特定の領域（肺葉）において気管支領域を末端まで抽出する様を示す図。 肺葉と、気管支Ｉ次区域及び気管支ＩＩ次区域との対応関係を示す図。 肺葉と、気管支Ｉ次区域及び気管支ＩＩ次区域との対応関係を示す図。 肺区域特定部による気管支のグルーピング処理を示す図。 肺区域特定部による結節座標に最も近い気管支の検索を示す図。 気管支ＩＩ次区域と肺区域との対応関係を示す図。 気管支ＩＩ次区域と肺区域との対応関係を示す図。

符号の説明

１…医用画像診断装置、 １Ａ…医用画像処理装置、 ２…ユーザ操作入力部、 ４…ユーザ操作解読部、 ６…画像保存部、 ８…ＶＲ部、 １０…ＣＡＤ部、 １２…結節描画部、 １４…肺区域特定部、 １６…肺区域描画部、 １８…診断レポート作成部、 ２０…表示画像作成部、 ２２…表示部、 ５１ａ…結節候補表示画像、 ５１ｂ…肺区域表示画像、 ５３…メニュー画像、 ５５…レポート表示画像、 ６１…右上葉、 ６３…右中葉、 ６５…右下葉、 ６７…左上葉、 ６９…左下葉、 ７０…結節座標、 ７１…シード。

Claims (22)

1. 三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置において、
   前記所定の座標を設定する座標設定手段と、
   前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該抽出した主要分枝構造の分枝名称を特定する主要分枝名称特定手段と、
   前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定手段と、
   前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出手段と、
   前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出手段と、
   前記連結分枝構造抽出手段によって抽出された主要分枝構造の分枝名称を、前記主要分枝名称特定手段による特定結果を参照して特定する連結分枝名称特定手段と、
   前記連結分枝名称特定手段によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定手段と、
   を具備することを特徴とする医用画像処理装置。
2. 当該医用画像処理装置は、前記対象組織全体を複数の領域に分割する領域分割手段を含み、
   前記特定対象部位設定手段は、前記複数の領域のうち、前記所定の座標が存在する領域を、前記特定対象部位として設定する、
   を有することを特徴とする請求項１に記載の医用画像処理装置。
3. 前記局所詳細分枝構造抽出手段は、前記抽出をフィルタ処理によって行う
   ことを特徴とする請求項１に記載の医用画像処理装置。
4. 各々の前記主要分枝における端部にシード領域を設定するシード領域設定手段を含み、
   前記連結分枝構造抽出手段は、前記シード領域設定手段によって設定されたシード領域に連結する分枝構造を抽出する
   ことを特徴とする請求項１に記載の医用画像処理装置。
5. 前記連結分枝構造抽出手段は、
   前記詳細分枝構造の部位を基点として、前記詳細分枝構造と連結している主要分枝構造が存在する領域である連結領域を抽出し、該連結領域に相当する位置における主要分枝構造を抽出する、
   ことを特徴とする請求項１に記載の医用画像処理装置。
6. 前記連結分枝構造抽出手段は、
   前記連結領域の抽出において、各主要分枝毎に対応して得られた各連結領域に対し異なる記号を付し、
   前記連結分枝名称特定手段は、
   前記記号を参照して、前記詳細分枝構造に連結している主要分枝構造の分枝名称を特定する
   ことを特徴とする請求項５に記載の医用画像処理装置。
7. 前記座標設定手段は、前記対象組織中における異常領域の抽出処理又は前記三次元医用画像上におけるユーザーポインティングによって、前記所定の座標を設定することを特徴とする請求項１乃至請求項６のうち何れか一つに記載の医用画像処理装置。
8. 三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像診断装置において、
   前記所定の座標を設定する座標設定手段と、
   前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定手段と、
   前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定手段と、
   前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出手段と、
   前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出手段と、
   前記連結分枝構造抽出手段によって抽出された前記主要分枝構造の分枝名称を、前記主要分枝名称特定手段による特定結果を参照して特定する連結分枝名称特定手段と、
   前記連結分枝名称特定手段によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定手段と、
   前記特定手段によって特定された前記解剖学上の名称を、所望の医用画像に重畳表示する重畳表示手段と、
   を具備することを特徴とする医用画像診断装置。
9. 前記所望の医用画像は、少なくとも断面画像、投影画像、及び三次元画像のうちの何れか一つであることを特徴とする請求項８に記載の医用画像診断装置。
10. 前記解剖学上の名称に対応する部位を示す模式図を表示する模式図表示手段を含み、
    前記模式図表示手段は、前記特定手段によって特定された前記解剖学上の名称に対応する部位の解剖構造を、前記模式図上で強調表示して示すことを特徴とする請求項９に記載の医用画像診断装置。
11. 前記特定手段によって特定された前記解剖学上の名称を記載した診断レポートを作成するレポート作成手段を更に具備することを特徴とする請求項８に記載の医用画像診断装置。
12. 三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置としてコンピュータを機能させるプログラムであって、
    前記所定の座標を設定する座標設定機能と、
    前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定機能と、
    前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定機能と、
    前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出機能と、
    前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出機能と、
    前記連結分枝構造抽出機能によって抽出された前記主要分枝構造の分枝名称を、前記主要分枝名称特定機能による特定結果を参照して特定する連結分枝名称特定機能と、
    前記連結分枝名称特定機能によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定機能と、
    をコンピュータに実現させることを特徴とするプログラム。
13. 前記対象組織全体を複数の領域に分割する領域分割機能を更にコンピュータに実現させ、
    前記特定対象部位設定機能は、前記複数の領域のうち、前記所定の座標が存在する領域を、前記特定対象部位として設定する
    ことを特徴とする請求項１２に記載のプログラム。
14. 前記局所詳細分枝構造抽出機能は、前記抽出をフィルタ処理によって行う
    ことを特徴とする請求項１２に記載のプログラム。
15. 各々の主要分枝における端部にシード領域を設定するシード領域設定機能を更にコンピュータに実現させ、
    前記主要分枝構造抽出機能は、前記シード領域設定機能によって設定されたシード領域に連結する分枝構造を抽出する、
    ことを特徴とする請求項１２に記載のプログラム。
16. 前記連結分枝構造抽出機能は、
    前記詳細分枝構造の部位を基点として、前記詳細分枝構造に連結している主要分枝構造が存在する領域である連結領域を抽出し、該連結領域に相当する位置における主要分枝構造を抽出する、
    ことを特徴とする請求項１５に記載のプログラム。
17. 前記連結分枝構造抽出機能は、前記連結領域の抽出において、各主要分枝毎に対応して得られた各連結領域に対し異なる記号を付し、
    前記連結分枝名称特定機能は、前記詳細分枝構造に連結している主要分枝構造の分枝名称を特定する
    ことを特徴とする請求項１６に記載のプログラム。
18. 前記座標設定機能は、前記対象組織中における異常領域の抽出処理又は前記三次元医用画像上におけるユーザーポインティングによって、前記所定の座標を設定することを特徴とする請求項１２乃至請求項１７のうち何れか一つに記載のプログラム。
19. 三次元医用画像中における所定の座標に対応する部位である特定対象部位の解剖学上の名称を特定する医用画像処理装置としてコンピュータを機能させるプログラムであって、
    前記所定の座標を設定する座標設定機能と、
    前記三次元医用画像中に示されている対象組織に存在する主要分枝構造を抽出し、該主要分枝構造の分枝名称を特定する主要分枝名称特定機能と、
    前記三次元医用画像中における前記所定の座標に基づいて、前記特定対象部位を設定する特定対象部位設定機能と、
    前記三次元医用画像に示されている前記特定対象部位から詳細分枝構造を抽出する局所詳細分枝構造抽出機能と、
    前記局所詳細分枝構造抽出手段によって抽出された前記詳細分枝構造に連結している主要分枝構造を抽出する連結分枝構造抽出機能と、
    前記連結分枝構造抽出機能によって抽出された前記主要分枝構造について、当該主要分枝の分枝名称を、前記主要分枝名称特定機能による特定結果を参照して特定する連結分枝名称特定機能と、
    前記連結分枝名称特定機能によって特定された分枝名称に基づいて、前記特定対象部位の解剖学上の名称を特定する特定機能と、
    前記特定機能によって特定された前記解剖学上の名称を、所望の医用画像に重畳表示する重畳表示機能と、
    をコンピュータに実現させることを特徴とするプログラム。
20. 前記所望の医用画像は、少なくとも断面画像、投影画像、及び三次元画像のうちの何れか一つであることを特徴とする請求項１９に記載のプログラム。
21. 前記特定機能によって特定された解剖学上の名称に対応する部位の解剖構造を、前記解剖学上の名称に対応する部位を示す模式図上で強調表示して示す模式図表示機能を更にコンピュータに実現させる
    ことを特徴とする請求項１９に記載のプログラム。
22. 前記特定機能によって特定された前記解剖学上の名称を記載した診断レポートを作成するレポート作成機能を更に具備することを特徴とする請求項１９乃至請求項２２のうち何れか一つに記載のプログラム。

Images