JP5107538B2 - 画像診断支援システム及び方法 - Google Patents

Description

本発明は、被験者の断層画像における左右対称性あるいは非対称性を利用して、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。

これまで得られた画像は、診断医により視覚的に評価されるか、視覚的評価法に加えコンピュータ画像処理を加えた統計画像解析法を用いて評価されている。統計画像解析法としては、ＳＰＭ法（Ｓｔａｔｉｓｔｉｃａｌ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ）、３Ｄ−ＳＳＰ法（Ｔｈｒｅｅ−ｄｉｍｅｎｓｉｏｎａｌ Ｓｔｅｒｅｏｔａｃｔｉｃ Ｓｕｒｆａｃｅ Ｐｒｏｊｅｃｔｉｏｎｓ）等が開発されすでに用いられている。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、全脳の平均カウントに対する各領域の相対的カウント値、小脳や視床など脳内の特定の領域に対する相対的カウント値を用いて、正常群またはある特定の疾患群と差があるかを検定・評価するため、脳全体の広い範囲で変化が起こる場合や、基準とみなしている領域が変化する場合は異常部の検出能が低下するとともに、異常の程度を正確に評価できないという問題点があった。

また、脳疾患の中には、脳血管障害やてんかんなど一側のみに病変がおこるものや、変性疾患など左右非対称性をもって進行するものがある。これらの場合に、断層画像において左右差が存在しても、従来の手法ではその左右差を検出できない場合があった。従って、従来の方法に加え、新しい尺度による画像評価方法の開発が求められていた。

そこで、本発明の目的は、被験者の脳断層画像において左右脳の対称性または非対称性に基づく診断の支援を行うための技術を提供することである。

本発明の一つの実施態様に従う画像診断支援システムは、被験者の断層画像と、前記被験者と対比するための複数の対比者の断層画像とを対比して、診断の支援を行うものであり、前記被験者及び前記複数の対比者の断層画像データを記憶する記憶手段と、前記断層画像データに基づいて、同一断層画像の左右の比較を行って、前記被験者及び前記複数の対比者の各断層画像の非対称性を示す指標を算出する非対称性指標算出手段と、前記被験者の断層画像の非対称性指標と、前記複数の対比者の断層画像の非対称性指標とを比較する比較手段と、前記比較手段による比較結果を出力する手段と、を備える。ここで、複数の対比者とは、例えば、健常者、特定の疾患の患者など、共通の特徴を有する者であってもよい。

好適な実施形態では、非対称性指標算出手段は、予め左右対称に設定されている、断層画像上の左右関心領域について、同一断層画像における左関心領域及び右関心領域を比較して、各断層画像の非対称性指標を算出するようにしてもよい。

好適な実施形態では、前記被験者及び前記複数の対比者の断層画像データに基づいて、前記被験者及び前記複数の対比者の断層画像における各関心領域を代表する値を算出する代表値算出手段をさらに備えていてもよい。そして、前記非対称性指標算出手段は、前記代表値算出手段により算出された代表値を用いて前記各断層画像の非対称性指標を算出するようにしてもよい。

好適な実施形態では、前記代表値算出手段は、各感心領域内の断層画像データの平均値を、それぞれの関心領域の代表値として算出するようにしてもよい。

好適な実施形態では、前記比較手段は、関心領域ごとに、前記複数の対比者の非対称性指標の平均値と前記被験者の非対称性指標との乖離度合いを算出し、前記出力手段は、表示装置に対して前記被験者の断層画像を表示させるように出力するとともに、表示されている断層画像上の各関心領域を、それぞれの関心領域の乖離度合いに応じて異なる表示態様で表示させるように出力してもよい。

好適な実施形態では、前記被験者及び前記複数の対比者の断層画像は、いずれも脳のＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）断層画像であり、前記関心領域は、特定の疾患に対して予め設定された領域であり、非対称性指標は、左右の血流量の差を示す指標であってもよい。

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、被験者及び健常者の脳のＳＰＥＣＴ断層画像を対比して画像解析を行い、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、正規化処理部２０と、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ボクセルデータ記憶部１１と、あらかじめ収集しておいた健常者の画像データを記憶する健常者ボクセルデータ記憶部１２と、予め設定されている３次元の感心領域（ＶＯＩ：Ｖｏｌｕｍｅ ｏｆ Ｉｎｔｅｒｅｓｔ）を示すＶＯＩデータを記憶したＶＯＩデータ記憶部１３と、ＶＯＩが各断層画像において形成する２次元の関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）を代表する値を算出するＲＯＩ値算出部２１と、ＲＯＩ値を用いて非対称性を示す指標（ＡＩ：Ａｓｙｍｍｅｔｒｙ Ｉｎｄｅｘ）などを算出するＡＩデータ算出部２３と、被験者の非対称性指標データ（以下、ＡＩデータという）などを記憶する被験者ＡＩデータ記憶部１５と、健常者のＡＩデータなどを記憶する健常者ＡＩデータ記憶部１６と、被験者の断層画像と健常者の断層画像のＲＯＩを比較するために、被験者及び健常者のＡＩ値に基づいてＺ値を算出するＺ値算出部２５と、被験者の断層画像と健常者の断層画像との比較結果を表示装置３に対して表示させる表示制御部２７とを備える。

正規化処理部２０は、ＳＰＥＣＴ断層画像撮影装置５で撮影された被験者のＳＰＥＣＴ断層画像のボクセル値データを、所定の形状及び大きさを有する標準脳に正規化する。人の脳の形状及び大きさは、それぞれ個人差がある。そこで、ＳＰＥＣＴ断層画像撮影装置５で撮影された生データを、後続の処理の簡単化のために、予め形状及び大きさが定められている標準脳に合うように正規化する。

なお、ＳＰＥＣＴ断層画像撮影装置５の個体差や撮影条件等により、撮影した画像のボクセル値のレベルが異なるが、正規化処理部２０では、このボクセル値のレベルについては正規化しない。これは、後述するように、本実施形態では、被験者及び健常者の同一画像内の左領域と右領域とを対比して、被験者及び健常者の左右のバランスを比較して解析を行う。このため、同一画像で左右の対比を行った時点で、実質的にボクセル値のレベルの正規化と同じ効果が得られるとともに、左右のバランスが正確に把握できれば十分だからである。

被験者ボクセルデータ記憶部１１は、正規化処理部２０で標準脳に正規化されたボクセル値データ（以下、被験者ボクセルデータという）を記憶している。

健常者ボクセルデータ記憶部１２には、被験者と対比するために、一人以上の健常者の脳の断層画像のボクセル値データ（以下、健常者ボクセルデータという）が記憶されている。健常者ボクセルデータも、標準脳に正規化されている。

図２は、被験者ボクセルデータ１１１及び健常者ボクセルデータ１２１のデータ構造の一例を示す図である。

同図の被験者及び健常者ボクセルデータ１１１，１２１は、共通のデータ構造を有していて、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。

ＶＯＩデータ記憶部１３は、医師等が予め設定したＶＯＩを示すデータが記憶されている。ＶＯＩは任意に設定することができるが、例えば、本実施形態では、疾患ごとに医師が着目している脳内の所定の領域が設定されている。

ここで、疾患別のＶＯＩとは、てんかん、アルツハイマー病などの疾患、病期、進行度（重症度）ごとに着目する領域である。ここでそれらの分類は所定の診断基準や各種検査によって一定の基準を満たした群について、閾値によって分割することで作成できる。閾値は検定統計などの統計的手法に加えＲＯＣ解析手法によって決定してもよい。

例えば、疾患別のＶＯＩデータは、次のようにして生成してもよい。すなわち、ある疾患の多数の被験者データを重畳し、その疾患に最も特徴的な領域を抽出することにより、その抽出された領域とそれ以外の領域とをＶＯＩとして有するＶＯＩデータを生成する。

また、ＶＯＩは、解剖学的または機能的な分類に基づいて定めてもよい。ここで、解剖学的な分類に基づく分割とは、例えば、脳の領域を大脳、小脳などに分割する場合を指す。解剖学的な分類は階層的になっているので、本実施形態でも階層化された分類になっている。機能的な分類とは、例えば、脳の各部位に局在する運動野、言語野などの機能野ごとに分割する場合を指す。それぞれの分割領域の設定は、所定の解剖学的または機能的な知見に基づいて行われる。

さらにＶＯＩは、脳の血管支配領域に従って設定するようにしてもよい。これにより、血管性の疾患及び変性疾患などを診断に役立つ。すなわち、血管性疾患では、血管に異常が生じたことにより、その血管に沿って左右いずれかの血流の変化があればそれを検出できる。また、脳疾患の中には、脳血管障害やてんかんなど一側のみに病変がおこるものや、変性疾患など左右非対称性をもって進行することが知られており、左右非対称性がよく検出でき、こうした疾患の診断や病態評価を有効に行うことができる。

図３は、立体的に設定されているＶＯＩと、ＶＯＩにより各断層画像に形成されるＲＯＩの様子を模式的に示す。

まず、同図（ａ）に示すように、標準脳に対してＶＯＩ１０１，１０２が左右対称に設定されている。これは、本実施形態では、左右の脳の血流の非対称性を用いた診断支援を行うためである。

このとき、同図（ｂ）では、ｚ＝ｍとｚ＝ｎの断層画像において、ＶＯＩ１０１，１０２をスライスすることにより形成されるＲＯＩ２０１，２０２，３０１，３０２の様子を示している。ここで、ＲＯＩ２０１，２０２，３０１，３０２も左右対称となる。

また、同図からわかるように、同一のＶＯＩ（例えばＶＯＩ１０１）であっても、スライスする位置（つまりｚの値）によって、ＲＯＩ（ＲＯＩ２０１，３０１）の形状が異なる。ここで、断層画像に形成されるＲＯＩ（例えばＲＯＩ２０１）は、前側（ＲＯＩ２０１ａ）と後ろ側（ＲＯＩ２０１ｂ）でさらに分割されている。

ここで、各ＲＯＩには、それぞれＩＤが割り当てられている。同一のＶＯＩから生成される、異なる断層画像上のＲＯＩにも、それぞれ異なるＩＤが割り当てられている。

次に、図４は、ＶＯＩデータ記憶部１３に記憶されているＶＯＩデータの一例を示す図である。すなわち、ＶＯＩデータ記憶部１３には、「ＶＯＩ設定１」「ＶＯＩ設定２」・・・など、複数のＶＯＩ設定のセットを記憶することもできる。各ＶＯＩ設定には、それぞれの断層画像ごとに、脳の画像でない部分（背景）の画素に「０」、脳の画像でいずれのＶＯＩにも属さない領域の画素に「１」がそれぞれ設定されている。そして、各ＶＯＩに属する画素には、ＶＯＩ別に「２」以降の数字が設定されている。

改めて図１を参照すると、ＲＯＩ値算出部２１は、まず、ＶＯＩデータ記憶部１３の一つのＶＯＩ設定に基づいて、断層画像ごとに、その画像内に設定されたＲＯＩの位置を特定し、各ＲＯＩに属する画素を決定する。そして、ＲＯＩ値算出部２１は、各断層画像内の各ＲＯＩに属する画素のボクセル値の平均値を、そのＲＯＩを代表する値（以下、ＲＯＩ値という）として算出する。

ＡＩデータ算出部２３は、左右対称に設定されたＲＯＩのそれぞれ対応するＲＯＩ（例えば、図３の２０１ａと２０２ａ）のＲＯＩ値同士を比較して、各ＲＯＩの非対称性指標であるＡＩ値を算出する。本実施形態では、例えば、各ＲＯＩのＡＩ値は、各ＲＯＩ値を用いて以下のようにして算出する。
左ＲＯＩのＡＩ値＝（左ＲＯＩ値−右ＲＯＩ値）／（左ＲＯＩ値＋右ＲＯＩ値）＊１００
右ＲＯＩのＡＩ値＝（右ＲＯＩ値−左ＲＯＩ値）／（左ＲＯＩ値＋右ＲＯＩ値）＊１００
左ＲＯＩ値：対応する左ＲＯＩのＲＯＩ値
右ＲＯＩ値：対応する右ＲＯＩのＲＯＩ値

ＡＩデータ算出部２３は、被験者及び健常者のそれぞれについて、断層画像ごとに、それぞれ対応する左右のＲＯＩについて、ＡＩ値を算出する。ＡＩデータ算出部２３で算出された各ＲＯＩのＡＩ値は、それぞれ被験者ＡＩデータ記憶部１５と健常者ＡＩデータ記憶部１６に格納される。

すなわち、被験者ＡＩデータ記憶部１５及び健常者ＡＩデータ記憶部１６には、図５（ａ）（ｂ）に示すように、被験者または健常者のＩＤ１５１，１６１、ＲＯＩのＩＤ１５２，１６２、及びＡＩ値１５３，１６３が格納される。

ＡＩデータ算出部２３は、さらに、複数の健常者のデータがあるときは、ＲＯＩごとに、全健常者のＡＩ値の平均値及び標準偏差を算出し、健常者ＡＩデータ記憶部１６に格納する。

なお、本実施形態では、ＡＩデータ算出部２３はＲＯＩごとにＡＩ値を算出しているが、ピクセルごとにＡＩ値を算出するようにしてもよい。

すなわち、健常者ＡＩデータ記憶部１６には、さらに、図５（ｃ）に示すように、ＲＯＩのＩＤ１６６、健常者に関するＲＯＩ別のＡＩ値の平均値１６７、及び標準偏差１６８が格納される。

Ｚ値算出部２５は、全ＲＯＩについて、健常者の平均値及び標準偏差を用いて、被験者ごとにＺ値を算出する。すなわち、Ｚ値算出部２５は、以下の式に従ってＲＯＩ別に、Ｚ値を算出する。
Ｚ値＝｛（健常者ＡＩ値の平均値）−（被験者ＡＩ値）｝／健常者ＡＩ値の標準偏差

被験者のＲＯＩ別にＺ値を算出することにより、被験者のＡＩ値が健常者ＡＩ値の平均値から乖離する程度を把握する。

表示制御部２７は、被験者の断層画像を表示装置３に表示する。これとともに、Ｚ値算出部２５による処理結果を表示装置３に表示させる。つまり、断層画像において、各ＲＯＩをそのＲＯＩのＺ値に応じた表示態様で表示するようにしてもよい。

また、表示制御部２７は、被験者の断層画像を、被験者のＡＩ値そのものに応じた表示態様で表示するようにしてもよい。これは、被験者の画像を健常者の画像と対比を行わなくても、被験者画像に基づくＡＩ値そのもので、診断支援が可能な場合があるからである。

図６は、表示装置３に出力する被験者の断層画像と解析結果の表示態様の一例である。すなわち、同図の例では、被験者の断層画像５００が表示されるとともに、各ＲＯＩのＺ値に応じて、予め定められた色に着色されて表示されている。

次に、上述のような構成を備える画像診断支援システム１の処理手順について、図７及び図８に示すフローチャートに従って説明する。

図７は、健常者ボクセルデータを処理して、健常者ＡＩデータを生成する健常者処理の手順を示す。

まず、ＲＯＩ値算出部２１が、健常者ボクセルデータ記憶部１２に記憶されている健常者のボクセルデータを読み出し、全健常者の全断層画像について以下の処理を行う。すなわち、一枚の断層画像内の全ＲＯＩを特定し、各ＲＯＩ内のボクセル値の平均値であるＲＯＩ値を算出する（Ｓ１１）。

次に、ＡＩデータ算出部２３が、同じ断層画像内の各ＲＯＩのＲＯＩ値に基づいて、全ＲＯＩのＡＩ値を算出し、健常者ＡＩデータ記憶部１６に格納する（Ｓ１２）。

ステップＳ１１及びＳ１２の処理を、一人の健常者の全断層画像について繰り返し行う（Ｓ１３）。

さらに、ステップＳ１１〜Ｓ１３の処理を、健常者ボクセルデータ記憶部１２に格納されている全健常者のボクセルデータについて行う（Ｓ１４）。

そして、ＡＩデータ算出部２３は、健常者ＡＩデータ記憶部１６からＲＯＩ−ＩＤごとに、全健常者のＡＩ値を読み出して、各ＲＯＩのＡＩ値の平均値及び標準偏差を算出して、健常者ＡＩデータ記憶部１６に格納する（Ｓ１５）。

上述の処理により、健常者のデータに基づく、各ＲＯＩのＡＩ値の平均値及び標準偏差を予め求めておくことができる。この状態で、次に説明する被験者処理を行うことができる。

図８は、被験者ボクセルデータを処理して、健常者との対比を行う被験者処理の手順を示す。

まず、ＳＰＥＣＴ断層画像撮影装置５から一人分の被験者の断層画像データ（ボクセルデータ）を取得し、正規化処理部２０で所定の正規化を行った後、被験者ボクセルデータ記憶部１１に格納する（Ｓ２１）。

つぎに、ＲＯＩ値算出部２１が、被験者ボクセルデータ記憶部１１に記憶されている被験者のボクセルデータを読み出し、その被験者の全断層画像について、断層画像ごとにその断層画像内の全ＲＯＩを特定し、各ＲＯＩ内のボクセル値の平均値であるＲＯＩ値を算出する（Ｓ２２）。

次に、ＡＩデータ算出部２３が、同じ断層画像内の各ＲＯＩのＲＯＩ値に基づいて、全ＲＯＩのＡＩ値を算出し、被験者ＡＩデータ記憶部１５に格納する（Ｓ２３）。

ステップＳ２２及びＳ２３の処理を、対象となる被験者の全断層画像について繰り返し行う（Ｓ２４）。

その後、Ｚ値算出部２５が、被験者ＡＩデータ記憶部１５からは対象となる被験者の、かくＲＯＩのＡＩ値を取得する。また、健常者ＡＩデータ記憶部１６からは、各ＲＯＩの全健常者のＡＩ値の平均値及び標準偏差を取得する。そして、Ｚ値算出部２５は、各ＲＯＩについてＺ値を算出する（Ｓ２５）。

表示制御部２７は、被験者の断層画像を表示し、この断層画像上のＲＯＩを、それぞれのＺ値に応じた表示態様で表示する（Ｓ２６）。

本システムによれば、健常者と相違する特徴を示す被験者のＲＯＩを容易に知ることができる。さらに、Ｚ値に応じて表示態様を異なるようにするので、健常者と相違する度合いも一目で理解することができ、医師の診断を支援することができる。

本実施形態では、ボクセル値の全脳平均をとらず、個人の血流量の左右のバランスを把握し、この左右のバランスにおいて被験者と健常者とを比較している。この結果、健常者と比較して血流量の左右のバランスが崩れている被験者を検出することができる。従って、本実施形態に係るシステムでは、左右の脳で血流量が非対称となりやすい疾患の診断支援に好適である。

また、被験者のボクセル値の全脳平均をとって正規化を行うと、ある箇所の血流量に多少の増減があったとしても、その増減が標準偏差の範囲内であれば、問題視されることがない。この結果、その箇所に何らかの異常があるようなときでも、見逃されてしまうことになるが、本実施形態によれば、左右のバランスが健常者の平均よりも崩れていれば、そのような検出漏れがない。

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、ＲＯＩ内のボクセル値の平均値を求め、これを用いてＡＩ値及びＺ値を算出しているが、画素ごとにＡＩ値及びＺ値を算出したのち、ＲＯＩを設定して表示するようにしてもよい。

また、本実施形態では、ＳＰＥＣＴによる断層画像を用いて左右の血流量の比較を行い、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。

あるいは、上記実施形態では、被験者と健常者との比較にＺ値を用いているが、必ずしもこれに限定されない。すなわち、何らかの手法で被験者と健常者とを対比して、被験者が健常者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、被験者と対比される対比者は健常者であるが、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、対比者として初期のアルツハイマー病患者を用いた場合、被験者と初期のアルツハイマー病患者との相違が検出される。そして、後期アルツハイマー病の疾患別ＶＯＩデータを用いて被験者と比較すれば、被験者のアルツハイマー病の進行度を判定することもできる。さらには、ある疾患（例えば前頭葉型アルツハイマー病）の多数の患者データの平均値とその疾患の被験者とを、別の疾患（例えば鬱病）のＶＯＩデータを用いて比較することにより、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。 健常者ボクセルデータ及び被験者ボクセルデータのデータ構造の一例を示す。 立体的に設定されているＶＯＩと、各断層画像に形成されるＲＯＩの様子を示す。 ＶＯＩデータの一例を示す図である。 被験者ＡＩデータ記憶部及び健常者ＡＩデータ記憶部のデータ構造の一例を示す。 表示装置に出力する被験者の断層画像と解析結果の表示態様の一例である。 健常者ＡＩデータを生成する手順を示すフローチャートである。 被験者と健常者との対比を行う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 被験者ボクセルデータ記憶部
１２ 健常者ボクセルデータ記憶部
１３ ＶＯＩデータ記憶部
１５ 被験者ＡＩデータ記憶部
１６ 健常者ＡＩデータ記憶部
２１ ＲＯＩ値算出部
２３ ＡＩデータ算出部
２５ Ｚ値算出部

Claims (8)

1. 被験者の断層画像と、前記被験者と対比するための複数の対比者の断層画像とを対比して、診断支援を行うシステムであって、
   前記被験者及び前記複数の対比者の断層画像データを記憶する記憶手段と、
   前記断層画像データにおいて、予め左右対称に設定されている、断層画像上の疾患別の左右関心領域について、同一断層画像における左関心領域及び右関心領域の比較を行って、前記被験者及び前記複数の対比者の各断層画像の非対称性を示す指標を算出する非対称性指標算出手段と、
   前記被験者の断層画像の非対称性指標と、前記複数の対比者の断層画像の非対称性指標とを比較する比較手段と、
   前記比較手段による比較結果を出力する手段と、を備える画像診断支援システム。
2. 前記被験者及び前記複数の対比者の断層画像データに基づいて、前記被験者及び前記複数の対比者の断層画像における各関心領域を代表する値を算出する代表値算出手段をさらに備え、
   前記非対称性指標算出手段は、前記代表値算出手段により算出された代表値を用いて前記各断層画像の非対称性指標を算出する、請求項１記載の画像診断支援システム。
3. 前記代表値算出手段は、
   各関心領域内の断層画像データの平均値を、それぞれの関心領域の代表値として算出する、請求項２記載の画像診断支援システム。
4. 前記比較手段は、関心領域ごとに、前記複数の対比者の非対称性指標の平均値と前記被験者の非対称性指標との乖離度合いを算出し、
   前記出力手段は、表示装置に対して前記被験者の断層画像を表示させるように出力するとともに、表示されている断層画像上の各関心領域を、それぞれの関心領域の乖離度合いに応じて異なる表示態様で表示させるように出力する請求項１記載の画像診断支援システム。
5. 前記被験者及び前記複数の対比者の断層画像は、いずれも脳のＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）断層画像であり、
   前記関心領域は、特定の疾患に対して予め設定された領域であり、
   非対称性指標は、左右の血流量の差を示す指標である、請求項１〜４のいずれかに記載の画像診断支援システム。
6. 前記疾患別の左右関心領域は、病期別、又は進行度別に設定されていることを特徴とする請求項１〜５のいずれかに記載の画像診断支援システム。
7. 被験者の断層画像データと、前記被験者と対比するための複数の対比者の断層画像データとを記憶するステップと、
   前記断層画像データにおいて、予め左右対称に設定されている、断層画像上の疾患別の左右関心領域について、同一断層画像における左関心領域及び右関心領域の比較を行って、前記被験者及び前記複数の対比者の各断層画像の非対称性を示す指標を算出するステップと、
   前記被験者の断層画像の非対称性指標と、前記複数の対比者の断層画像の非対称性指標とを比較するステップと、
   前記比較結果を出力するステップと、を備える画像診断支援方法。
8. コンピュータに実行されると、
   被験者の断層画像データと、前記被験者と対比するための複数の対比者の断層画像データとを記憶するステップと、
   前記断層画像データにおいて、予め左右対称に設定されている、断層画像上の疾患別の左右関心領域について、同一断層画像における左関心領域及び右関心領域の比較を行って、前記被験者及び前記複数の対比者の各断層画像の非対称性を示す指標を算出するステップと、
   前記被験者の断層画像の非対称性指標と、前記複数の対比者の断層画像の非対称性指標とを比較するステップと、
   前記比較結果を出力するステップとを実行する、画像診断支援のためのコンピュータプログラム。
   

Images