JP5747878B2 - 画像処理装置及びプログラム - Google Patents

画像処理装置及びプログラム Download PDF

Info

Publication number
JP5747878B2
JP5747878B2 JP2012164590A JP2012164590A JP5747878B2 JP 5747878 B2 JP5747878 B2 JP 5747878B2 JP 2012164590 A JP2012164590 A JP 2012164590A JP 2012164590 A JP2012164590 A JP 2012164590A JP 5747878 B2 JP5747878 B2 JP 5747878B2
Authority
JP
Japan
Prior art keywords
fitting
shape model
information
image processing
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
Application number
JP2012164590A
Other languages
English (en)
Other versions
JP2014023606A (ja
Inventor
謙太 嶋村
謙太 嶋村
宏 大和
宏 大和
遠山　修
修 遠山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Konica Minolta Inc
Original Assignee
Konica Minolta Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Konica Minolta Inc filed Critical Konica Minolta Inc
Priority to JP2012164590A priority Critical patent/JP5747878B2/ja
Publication of JP2014023606A publication Critical patent/JP2014023606A/ja
Application granted granted Critical
Publication of JP5747878B2 publication Critical patent/JP5747878B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Description

本発明は、人体または動物の身体が撮影された動態画像に対して、対象領域を抽出する画像処理技術に関する。
医療現場では、Ｘ線等を用いて内臓や骨格等に含まれる患部を撮影することにより、各種検査や診断が行われている。そして、近年では、デジタル技術の適用により、Ｘ線等を用いて患部の動きを捉えた動画像を比較的容易に取得することが可能となっている。
そこでは、ＦＰＤ（flat panel detector）等の半導体イメージセンサを利用し、対象領域を含む被写体領域に対し動態画像を撮影できるため、従来のＸ線撮影による静止画撮影及び診断では実施できなかった対象領域などの動き解析による診断を実施することが可能になってきた。また、医療画像では、臓器や骨などの対象物領域を時間方向に解析することで、呼吸器や循環器系の診断に有用な情報を得ることができるため、対象領域または境界を精度良く抽出する必要がある。
ところで、静止画像に対して対象領域を抽出する手法として、例えば、非特許文献１が開示する手法では、胸郭や横隔膜のエッジを探索し、エッジについて、所定の次数の関数を使ってフィッティングを行い、垂直距離の標準偏差から精度を計算する手法が提案されている。
また、空間または時間方向に連続する複数の画像に対して対象領域を抽出する手法として、例えば、特許文献１が開示する医用画像診断装置では、抽出した領域の重心を一定角度である対応点同士を補間曲線でフィッティングし、補正処理を行う手法が提案されている。
Xin-Wei Xu and Kunio Doi, "Image feature analysis and computer-aided diagnosis: Accurate determination of ribcage boundary in chest radiographs", Medical Physics, Volume 22(5), May 1995, pp.617-626.
特開２００５−２２４４６０号公報
しかしながら、上記特許文献１では、空間と時間方向に対する連続性を使った補間処理を実施する方法として記載されているものの、空間軸での構造物の違いや時間軸での形状変化の際に、対応した補間曲線の採用方法については明記されていない。すなわち、局所的な形状の修正に関しては、操作者がマウスなどの入力装置を手動で操作することにより対応することが開示されているに留まっている。このため、形状モデルは固定もしくは不定のため、対象領域を精度よく抽出することができない。
また、動画像に上記非特許文献１の技術を適用した場合においては、被曝量抑制のため低線量であることから、ノイズが多く画像が不鮮明画像であり、抽出の精度と安定性に対する課題が大きい。加えて、動画像は撮像枚数も多いことから抽出速度にも課題がある。
このように、対象領域が時間的及び２次元空間的に形状変化する動画像に対して、上記特許文献１及び上記非特許文献１のような対象領域の抽出方法を実施しても、精度良く対象領域の抽出を行うことはできない。
本発明は、このような事情に鑑みてなされたものであり、人体または動物の内部を捉えた動画像から対象領域の抽出において、安定的且つ高速に抽出精度の向上を実現する画像処理技術を提供することを目的とする。
上記課題を解決するために、請求項１の発明は、人体または動物の内部における所定領域の物理的状態が時間変化する状態を時間方向に順次に捉えた動画像を取得する動画像取得手段と、前記動画像に含まれる複数枚のフレーム画像を順次取得し、前記フレーム画像に対して、前記所定領域の大局的な形状を表現した形状モデルをフィッティングさせるフィッティング処理を行うことにより、当該フレーム画像上における前記所定領域の境界を近似するフィッティング関数を決定し、当該フィッティング関数を少なくとも反映させた所定領域境界情報を順次得る形状モデルフィッティング手段と、前記フレーム画像に対する前記フィッティング処理に用いる前記形状モデルを前記時間方向に沿って順次変更する形状モデル変更処理を実施する形状モデル制御手段と、を備え、前記フィッティング関数は、所定数の関数から構成され、前記形状モデルは、前記フィッティング関数を決定するためのモデルであり、前記所定数及び前記関数毎の次数の許容範囲のうち、少なくとも１つの情報を含むことを特徴とする、画像処理装置である。
また、請求項２の発明は、請求項１に記載の画像処理装置であって、前記形状モデルは、前記フレーム画像上における前記関数毎のフィッティング適用範囲の情報、を更に含む。
また、請求項３の発明は、請求項２に記載の画像処理装置であって、前記形状モデル変更処理は、（ａ）前記所定数を増減させる処理と、（ｂ）前記所定数の関数のうち、少なくとも１つの関数の前記次数の許容範囲を変更する処理と、（ｃ）前記所定数の関数のうち、少なくとも１つの関数の前記フィッティング適用範囲を変更する処理と、のうち、少なくとも１つの処理を含む。
また、請求項４の発明は、請求項３に記載の画像処理装置であって、前記形状モデルフィッティング手段は、前記フレーム画像の画像情報から所定の方法を用いて前記所定領域の境界と予想される境界候補情報を抽出する処理、を更に行い、前記フィッティング処理は、前記境界候補情報に基づいて、前記フィッティング関数を決定する処理、を含み、前記形状モデル変更処理は、前記境界候補情報に基づいて行う、前記処理（ａ）〜（ｃ）のうち、少なくとも１つの処理、を含む。
また、請求項５の発明は、請求項４に記載の画像処理装置であって、前記フィッティング適用範囲を狭く変更する場合において、前記形状モデル変更処理における前記処理（ａ）は、前記所定数を減らす処理、を含み、前記形状モデル変更処理における前記処理（ｂ）は、前記所定数の関数のうち、前記フィッティング適用範囲を狭くする関数においては当該関数の前記次数の許容範囲の上限を下げる処理、を含む。
また、請求項６の発明は、請求項１ないし請求項５のうち、いずれか１項記載の画像処理装置であって、前記形状モデル変更処理は、予め定めた規則や順序を記憶した制約条件に基づいて前記形状モデルを変更する処理を含む。
また、請求項７の発明は、請求項１ないし請求項５のうち、いずれか１項記載の画像処理装置であって、前記所定領域に近接する所定領域近接領域が存在する場合において、前記フレーム画像に同期した前記所定領域近接領域の周期的な時間変化を検出し、時間変化情報を得る時間変化検出手段、を更に備え、前記形状モデル変更処理は、前記時間変化情報に基づいて前記形状モデルを変更する処理を含む。
また、請求項８の発明は、請求項１に記載の画像処理装置であって、前記形状モデルフィッティング手段から出力される前記所定領域境界情報を順次記憶するフィッティング結果記憶手段、を更に備え、前記形状モデル変更処理は、前記フレーム画像に対してフィッティング処理が行われた形状モデルから、当該フレーム画像の次のフレーム画像のフィッティング処理に用いる形状モデルに変更する第１のモデル変更処理と、前記フレーム画像に対してフィッティング処理が行われた形状モデルから、当該フレーム画像の再度のフィッティング処理に用いる形状モデルに変更する第２のモデル変更処理と、を含み、前記形状モデル制御手段は、前記形状モデル制御手段にて順次変更した形状モデルあるいは前記フィッティング結果記憶手段にて格納された所定領域境界情報におけるフィッティング関数に基づいて、評価情報を得る形状モデル適正評価手段を含み、前記形状モデル制御手段は、当該評価情報に基づいて、前記第１のモデル変更処理及び前記第２のモデル変更処理のうち少なくとも一方の変更処理を実施することを特徴とする。
また、請求項９の発明は、請求項８に記載の画像処理装置であって、前記フィッティング結果記憶手段が３以上の前記所定領域境界情報を記憶する場合において、前記評価情報は、前記フィッティング結果記憶手段にて記憶された前記所定領域境界情報における３以上のフィッティング関数を示すフィッティング関数群を含むことを特徴とする。
また、請求項１０の発明は、請求項８に記載の画像処理装置であって、前記形状モデル制御手段は、前記所定領域境界情報におけるフィッティング関数が近似する前記所定領域の境界と、当該フィッティング関数を導くために用いられたフレーム画像の画像情報から所定の方法を用いて抽出した前記所定領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を算出するフィッティング精度算出手段、を含み、前記評価情報は、前記画像比較情報を含むことを特徴とする。
また、請求項１１の発明は、請求項８に記載の画像処理装置であって、前記形状モデル制御手段は、前記形状モデル制御手段にて逐次決定された形状モデルを逐次記憶することでフィッティング履歴情報として総括的に記憶されたフィッティング履歴記憶手段、を更に備え、前記評価情報は、前記フィッティング履歴情報を含むことを特徴とする。
また、請求項１２の発明は、請求項９に記載の画像処理装置であって、前記所定領域に近接する所定領域近接領域が存在する場合において、前記形状モデル制御手段は、前記フィッティング結果記憶手段にて記憶された所定領域境界情報におけるフィッティング関数間において、前記所定領域近接領域の時間的な位置変位量や形状変化を示す位置形状変化情報を算出する位置形状変化算出手段、を更に備え、前記評価情報は、前記位置形状変化情報を含むことを特徴とする。
また、請求項１３の発明は、請求項８に記載の画像処理装置であって、前記所定領域に近接する所定領域近接領域が複数存在する場合において、前記形状モデル制御手段は、前記所定領域境界情報におけるフィッティング関数が導き出される当該所定領域の推定近接領域間における相対的な位置関係を示す位置関係情報を算出する位置関係算出手段、を更に備え、前記評価情報は、前記位置関係情報を含むことを特徴とする。
また、請求項１４の発明は、請求項８に記載の画像処理装置であって、前記所定領域に近接する所定領域近接領域が存在する場合において、前記フレーム画像に同期した前記所定領域近接領域の周期的な時間変化を検出し、時間変化情報を得る時間変化検出手段、を更に備え、前記形状モデル制御手段は、前記形状モデルの変更パターンに前記所定領域近接領域の周期的な時間変化に対応する優先度を付して作成された優先度付変更パターン情報を予め記憶する優先度付変更パターン記憶手段、を更に備え、前記評価情報は、前記時間変化に対応付けられた前記優先度付変更パターン情報を含むことを特徴とする。
また、請求項１５の発明は、請求項１ないし請求項１４のうち、いずれか１項記載の画像処理装置であって、前記所定領域は肺野領域を含むことを特徴とする。
また、請求項１６の発明は、請求項７、請求項１２ないし請求項１４のうち、いずれか１項記載の画像処理装置であって、前記所定領域は肺野領域を含み、前記所定領域近接領域は、横隔膜領域、心臓領域、及び、大動脈領域を含むことを特徴とする。
また、請求項１７の発明は、画像処理装置に含まれるコンピュータによって実行されることにより、前記コンピュータを、請求項１ないし請求項１６のうち、いずれか１項記載の画像処理装置として機能させるプログラムである。
請求項１ないし請求項１６記載の画像処理装置における形状モデル制御手段では、フレーム画像に対するフィッティング処理に用いる形状モデルを時間方向に沿って順次変更する形状モデル変更処理を実施する。このため、時間方向で所定領域の形状が変化することに対応して、形状モデルを変更することが可能となる。これにより、安定的且つ高速に所定領域境界情報を得ることができるため、所定領域の抽出精度の向上を実現することが可能となる。
また、フィッティング関数は、所定数の関数から構成されることにより、フィッティング関数は所定領域の局所的な形状を表現することができ、所定領域の抽出精度の向上を可能とする。
さらに、形状モデルは、フィッティング関数を決定するためのモデルであり、前記所定数及び前記関数毎の次数の許容範囲のうち、少なくとも１つの情報を含む。これにより、フィッティング関数を求めるにあたっての制約条件を与えることが可能となる。このため、所定領域の境界を近似的に表現することが可能なフィッティング関数を早期かつ適切に決定することができる。
請求項２の発明によれば、形状モデルは、フレーム画像上における関数毎のフィッティング適用範囲の情報を更に含む。これにより、所定領域の形状が複雑な場合においても、所定領域の境界をより近似的に表現することが可能なフィッティング関数を早期かつ適切に決定することができる。このため、所定領域の抽出精度がより向上する。
請求項３の発明によれば、形状モデル変更処理は、（ａ）前記所定数を増減させる処理と、（ｂ）前記所定数の関数のうち、少なくとも１つの関数の前記次数の許容範囲を変更する処理と、（ｃ）前記所定数の関数のうち、少なくとも１つの関数の前記フィッティング適用範囲を変更する処理と、のうち、少なくとも１つの処理を含む。これにより、時間方向で所定領域の形状あるいは位置が著しく変化した場合においても十分対応することが可能となる。このため、所定領域の抽出精度がより向上する。
請求項４の発明によれば、フィッティング処理は、境界候補情報に基づいて、フィッティング関数を決定する処理を含む。これにより、所定領域の形状が複雑な場合においても、所定領域の境界をより近似的に表現することが可能なフィッティング関数をより早期かつ適切に決定することができる。このため、所定領域の抽出精度が更に向上する。
また、形状モデル変更処理は、前記境界候補情報に基づいて、（ａ）前記所定数を増減させる処理、（ｂ）前記次数の許容範囲を変更する処理、及び、（ｃ）前記フィッティング適用範囲を変更する処理、のうち、少なくとも１つの処理、を含む。これにより、時間方向で所定領域の形状あるいは位置が著しく変化した場合においても、境界候補情報を考慮することができるため、フィッティング処理の誤りを防止できる。このため、より安定的且つ高速にフィッティング結果を得ることが可能となる。
請求項５の発明によれば、フィッティング適用範囲を狭く変更する場合において、前記形状モデル変更処理における前記処理（ａ）は、前記所定数を減らす処理、を含み、前記形状モデル変更処理における前記処理（ｂ）は、前記所定数の関数のうち、前記フィッティング適用範囲を狭くする関数においては当該関数の前記次数の許容範囲の上限を下げる処理、を含む。ここで、境界候補情報に応じて前記処理（ａ）〜（ｃ）の内容が決定されるため、境界候補情報が減少するときは、前記処理（ａ）では関数の数を減らす処理、前記処理（ｂ）では関数の次数の許容範囲の上限を下げる処理、前記処理（ｃ）ではフィッティング適用範囲を狭くする処理、のうち、少なくとも１つの処理が行われる。したがって、前記処理（ｃ）にてフィッティング適用範囲が狭く変更される場合は、前記処理（ａ）において、関数の数を減らす処理、及び／または、前記処理（ｂ）において、関数の次数の許容範囲の上限を下げる処理を行うことがより好ましい。これにより、関数の自由度を下げ、フィッティング処理の誤りを防止できるとともに、安定したフィッティング結果を得ることが可能となる。
請求項６の発明によれば、予め定めた規則や順序を記憶した制約条件に基づいて形状モデルを変更することにより、形状モデルの変更において所定の制約をかけることができ、より安定的に所望の形状モデルの変更を誘導することが可能となる。
請求項７の発明によれば、時間変化情報に基づいて形状モデルを変更することにより、所定領域近接領域の周期変化に適合させて形状モデルを決定することができる。このため、所定領域の抽出精度がより向上する。
請求項８記載の画像処理装置における形状モデル制御手段では、形状モデル制御手段にて順次変更した形状モデルあるいはフィッティング結果記憶手段にて格納された所定領域境界情報におけるフィッティング関数に基づいて得られた評価情報に基づいて、第１のモデル変更処理及び第２のモデル変更処理のうち少なくとも一方の変更処理を実施する。これにより、第１または第２のモデル変更処理のいずれにおいても、より的確な形状モデルを自動的に変更することが可能となる。すなわち、形状モデル制御手段は、第１のモデル変更処理ではフィッティング処理をこれから行う時間的に未来の形状モデルの変更を制御でき、第２のモデル変更処理では既にフィッティング処理を終えた過去の形状モデルに対してフィードバック制御が可能になる。
このため、より安定的に所定領域の抽出処理を行うことができるとともに、抽出精度がより向上する。
請求項９の発明によれば、評価情報はフィッティング結果記憶手段にて記憶された所定領域境界情報における３以上のフィッティング関数を示すフィッティング関数群を含むことにより、フィッティング関数群のフィッティング関数間の適否を判定して第２のモデル変更処理を実施することが可能となる。これにより、フィッティング精度向上を可能にする。
請求項１０の発明によれば、評価情報は、所定領域境界情報におけるフィッティング関数が近似する前記所定領域の境界と、当該フィッティング関数を導くために用いられたフレーム画像の画像情報から所定の方法を用いて抽出した前記所定領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を含むことにより、別途所定の方法を用いて求めた実際の画像情報との違いを参考にして第１または第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
請求項１１の発明によれば、評価情報はフィッティング履歴情報を含むことにより、フィッティング履歴情報を参照しながら第１のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
請求項１２の発明によれば、評価情報は位置形状変化情報を含むことにより、位置形状変化が大きければ、フィッティング精度が悪いと予測して第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。また逆に、位置形状変化が小さければ、フィッティング精度が悪くないと予測できるため、第２のモデル変更処理を実施しない判断を行える。これにより、フィッティング精度悪化を防ぐことが可能となる。
請求項１３の発明によれば、評価情報は位置関係情報を含むことにより、所定領域の推定近接領域間における相対的な位置関係が想定と異なる場合は、フィッティング精度が悪いと予測して第１または第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
また逆に、所定領域の推定近接領域間における相対的な位置関係が想定内である場合は、フィッティング精度が悪くないと予測できる。このため、第１のモデル変更処理では、大きく形状モデルを変更しない処理、もしくは、現在の形状モデルをそのまま未来の形状モデルとする処理を実施できる。また、第２のモデル変更処理では実施しない判断を行える。これにより、フィッティング精度悪化を防ぐことが可能となる。
請求項１４の発明によれば、評価情報は時間変化に対応付けられた優先度付変更パターン情報を含むことにより、優先度付変更パターン情報を参照しながら第１のモデル変更処理を実施することが可能となる。これにより、所定領域近接領域の周期変化に適合させて形状モデルを変更することができるため、フィッティング精度向上を可能にする。
請求項１５の発明によれば、所定領域は肺野領域であることにより、肺野領域の抽出精度の向上を実現することが可能となる。
請求項１６の発明によれば、所定領域は肺野領域であることにより、肺野領域の抽出精度の向上を実現することが可能となる。また、所定領域近接領域は、横隔膜領域、心臓領域、及び、大動脈領域であることにより、相対的に時間変動量の大きい領域を考慮して、形状モデルのフィッティング処理を実施することができ、肺野領域においてより適切な形状モデルをフィッティングさせることが可能となる。
請求項１７の発明によれば、請求項１から請求項１６に記載の発明と同じ効果を得ることができる。
各実施形態に係る放射線動態画像撮影システムの全体構成を示すブロック図である。 第１実施形態に係る画像処理装置３の機能構成を示すブロック図である。 放射線動態画像撮影によって撮影した動態画像を例示する図である。 肺野領域近接領域を例示する図である。 肺野領域のフィッティング関数の特徴を説明する図である。 フィッティング処理について説明する図である。 第１実施形態において実現される画像処理装置３の基本動作を説明するフローチャートである。 第２実施形態に係る画像処理装置３Ａの機能構成を示すブロック図である。 第２実施形態において実現される画像処理装置３Ａの基本動作を説明するフローチャートである。 第３実施形態に係る画像処理装置３Ｂの機能構成を示すブロック図である。 第３実施形態に係る画像処理装置３Ｂ'の機能構成を示すブロック図である。 心電計で計測された波形の一部を例示する模式図である。 心臓壁の変動を例示する模式図である。 心臓の横幅の変動サイクルを例示する模式図である。 肺野領域の輪郭抽出を例示する模式図である。 肺野領域の特徴点の位置を例示した模式図である。 呼吸情報の波形データを時系列で示した模式図である。 形状モデルの変更ルールについて説明する模式図である。 第３実施形態において実現される画像処理装置３Ｂの基本動作を説明するフローチャートである。 第４実施形態に係る画像処理装置３Ｃの機能構成を示すブロック図である。 第４実施形態に係る画像処理装置３Ｃの機能構成を示すブロック図である。 フィッティング関数が適正か否かを説明する模式図である。 第４実施形態において実現される画像処理装置３Ｃの基本動作を説明するフローチャートである。 第４実施形態において実現される画像処理装置３Ｃの基本動作を説明するフローチャートである。 第５実施形態に係る画像処理装置３Ｄの機能構成を示すブロック図である。 フィッティング関数群を用いて形状モデルの適正評価を行うことを説明する模式図である。 第５実施形態において実現される画像処理装置３Ｄの基本動作を説明するフローチャートである。 第６実施形態に係る画像処理装置３Ｅの機能構成を示すブロック図である。 画像比較情報を用いて形状モデルの適正評価を行うことを説明する模式図である。 第６実施形態において実現される画像処理装置３Ｅの基本動作を説明するフローチャートである。 第６実施形態において実現される画像処理装置３Ｅの基本動作を説明するフローチャートである。 第７実施形態に係る画像処理装置３Ｆの機能構成を示すブロック図である。 フィッティング履歴情報を用いて形状モデルの適正評価を行うことを説明する模式図である。 第７実施形態において実現される画像処理装置３Ｆの基本動作を説明するフローチャートである。 第８実施形態に係る画像処理装置３Ｇの機能構成を示すブロック図である。 位置形状変化情報を用いて形状モデルの適正評価を行うことを説明する模式図である。 第８実施形態において実現される画像処理装置３Ｇの基本動作を説明するフローチャートである。 第９実施形態に係る画像処理装置３Ｈの機能構成を示すブロック図である。 位置関係情報を用いて形状モデルの適正評価を行うことを説明する模式図である。 第９実施形態において実現される画像処理装置３Ｈの基本動作を説明するフローチャートである。 第９実施形態において実現される画像処理装置３Ｈの基本動作を説明するフローチャートである。 第１０実施形態に係る画像処理装置３Ｉの機能構成を示すブロック図である。 優先度付変更パターン情報を用いて形状モデルの適正評価を行うことを説明する模式図である。 第１０実施形態に係る画像処理装置３Ｉの機能構成を示すブロック図である。
＜１．放射線動態画像撮影システムの全体構成＞
本発明の実施の形態に係る放射線動態画像撮影システムは、人体または動物の身体を被写体として、被写体の放射線画像の撮影を行い、撮影された放射線画像から対象領域（所定領域）の抽出を行う。以下の各実施形態では、対象領域を肺野領域として説明する。
図１は、本発明の一実施形態に係る放射線動態画像撮影システムの全体構成を示す図である。図１に示すように、放射線動態画像撮影システム１００（１００Ａ，１００Ｂ，１００Ｂ’，１００Ｃ〜１００Ｉ）は、撮影装置１と、撮影制御装置２（撮影用コンソール）と、画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）（診断用コンソール）と、心電計４とを備える。撮影装置１及び心電計４と、撮影制御装置２とが通信ケーブル等により接続され、撮影制御装置２と、画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）とがＬＡＮ（Local Area Network）等の通信ネットワークＮＴを介して接続されて構成されている。放射線動態画像撮影システム１００（１００Ａ，１００Ｂ，１００Ｂ’，１００Ｃ〜１００Ｉ）を構成する各装置は、ＤＩＣＯＭ（Digital Image and Communications in Medicine）規格に準じており、各装置間の通信は、ＤＩＣＯＭに則って行われる。
＜１−１．撮影装置１の構成＞
撮影装置１は、例えば、Ｘ線撮影装置等によって構成され、呼吸に伴う被写体ＯＢの胸部の動態を撮影する装置である。動態撮影は、被写体ＯＢの胸部に対し、Ｘ線等の放射線を繰り返して照射しつつ、時間順時に複数の画像を取得することにより行う。この連続撮影により得られた一連の画像を動態画像（動画像）と呼ぶ。また、動態画像を構成する複数の画像のそれぞれをフレーム画像と呼ぶ。
図１に示すように、撮影装置１は、照射部（放射線源）１１と、放射線照射制御装置１２と、撮像部（放射線検出部）１３と、読取制御装置１４と、サイクル検出部１５と、サイクル検出装置１６とを備えて構成されている。
照射部１１は、放射線照射制御装置１２の制御に従って、被写体ＯＢに対し放射線（Ｘ線）を照射する。図示例は人体用のシステムであり、被写体ＯＢは検査対象者に相当する。以下では被写体ＯＢを「被検者」とも呼ぶ。
放射線照射制御装置１２は、撮影制御装置２に接続されており、撮影制御装置２から入力された放射線照射条件に基づいて照射部１１を制御して放射線撮影を行う。
撮像部１３は、ＦＰＤ等の半導体イメージセンサにより構成され、照射部１１から照射されて被検者ＯＢを透過した放射線を電気信号（画像情報）に変換する。
読取制御装置１４は、撮影制御装置２に接続されている。読取制御装置１４は、撮影制御装置２から入力された画像読取条件に基づいて撮像部１３の各画素のスイッチング部を制御して、当該各画素に蓄積された電気信号の読み取りをスイッチングしていき、撮像部１３に蓄積された電気信号を読み取ることにより、画像データを取得する。そして、読取制御装置１４は、取得した画像データ（フレーム画像）を撮影制御装置２に出力する。画像読取条件は、例えば、フレームレート、フレーム間隔、画素サイズ、画像サイズ（マトリックスサイズ）等である。フレームレートは、１秒あたりに取得するフレーム画像数であり、パルスレートと一致している。フレーム間隔は、連続撮影において、１回のフレーム画像の取得動作開始から次のフレーム画像の取得動作開始までの時間であり、パルスレートと一致している。
ここで、放射線照射制御装置１２と読取制御装置１４とは互いに接続され、互いに同期信号をやりとりして放射線照射動作と画像の読み取りの動作を同調させるようになっている。
サイクル検出部１５は、被検者ＯＢの呼吸サイクルを検出して撮影制御装置２の制御部２１に出力する。また、サイクル検出部１５は、被検者ＯＢの呼吸サイクルを検出するサイクル検出センサ（不図示）と、サイクル検出センサにより検出された呼吸サイクルの時間を測定し制御部２１に出力する計時部（不図示）とを備える。
＜１−２．撮影制御装置２の構成＞
撮影制御装置２は、放射線照射条件や画像読取条件を撮影装置１に出力して撮影装置１による放射線撮影及び放射線画像の読み取り動作を制御するとともに、撮影装置１により取得された動態画像を撮影技師によるポジショニングの確認や診断に適した画像であるか否かの確認用に表示する。
図１に示すように、撮影制御装置２は、制御部２１と、記憶部２２と、操作部２３と、表示部２４と、通信部２５とを備えて構成され、各部はバス２６により接続されている。
制御部２１は、ＣＰＵ（Central Processing Unit）やＲＡＭ（Random Access Memory）等により構成される。制御部２１のＣＰＵは、操作部２３の操作に応じて、記憶部２２に記憶されているシステムプログラムや各種処理プログラムを読み出してＲＡＭ内に展開し、展開されたプログラムに従って後述する撮影制御処理を始めとする各種処理を実行し、撮影制御装置２各部の動作や、撮影装置１の動作を集中制御する。
記憶部２２は、不揮発性の半導体メモリやハードディスク等により構成される。記憶部２２は、制御部２１で実行される各種プログラムやプログラムによる処理の実行に必要なパラメータ、或いは処理結果等のデータを記憶する。
操作部２３は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスとを備えて構成され、キーボードに対するキー操作、マウス操作、あるいは、タッチパネルを介して入力された指示信号を制御部２１に出力する。
表示部２４は、カラーＬＣＤ（Liquid Crystal Display）等のモニタにより構成され、制御部２１から入力される表示信号の指示に従って、操作部２３からの入力指示やデータ等を表示する。
通信部２５は、ＬＡＮアダプタやモデムやＴＡ（Terminal Adapter）等を備え、通信ネットワークＮＴに接続された各装置との間のデータ送受信を制御する。
＜１−３．画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）の構成＞
画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）は、撮像装置１から送信された動態画像を、撮影制御装置２を介して取得し、医師等が読影診断するための画像を表示する。
図１に示すように、画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）は、制御部３１（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）と、記憶部３２と、操作部３３と、表示部３４と、通信部３５とを備えて構成され、各部はバス３６により接続されている。
制御部３１（３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ）は、ＣＰＵ、ＲＡＭ等により構成される。制御部３１（３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ）のＣＰＵは、操作部３３の操作に応じて、記憶部３２に記憶されているシステムプログラムや、各種処理プログラムを読み出してＲＡＭ内に展開し、展開されたプログラムに従って各種処理を実行し、画像処理装置３（３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ）各部の動作を集中制御する（詳細は後述する）。
記憶部３２は、不揮発性の半導体メモリやハードディスク等により構成される。記憶部３２は、制御部３１で実行される各種プログラムやプログラムによる処理の実行に必要なパラメータ、或いは処理結果等のデータを記憶する。例えば、記憶部３２は、後述する画像生成処理を実行するための画像生成処理プログラムを記憶している。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、制御部３１（３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ）は、当該プログラムコードに従った動作を逐次実行する。
操作部３３は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作、あるいは、タッチパネルを介して入力された指示信号を制御部３１（３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ）に出力する。
表示部３４は、カラーＬＣＤ等のモニタにより構成され、制御部３１（３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ）から入力される表示信号の指示に従って、操作部３３からの入力指示、データ、及び、後述する表示用画像を表示する。
通信部３５は、ＬＡＮアダプタやモデムやＴＡ等を備え、通信ネットワークＮＴに接続された各装置との間のデータ送受信を制御する。
＜１−４．心電計４の構成＞
図１では心電計４は被検者ＯＢとは離れて示されているが、実際には心電計４の各電極端子は被検者ＯＢに装着されており、被検者ＯＢの心電波形をデジタル信号として出力する。
図１に示すように、心電計４は、位相検出部４１を備えて構成され、位相検出部４１は、制御部２１のＣＰＵからの制御信号に応答して、撮影装置１による撮影動作を同期させるための基礎情報として、被写体ＯＢの心拍の位相を検出する。
＜２．第１実施形態＞
本発明の第１実施形態における放射線動態画像撮影システム１００の画像処理装置３は、撮影した動画像に対して被検者ＯＢの肺野領域の抽出処理を時間方向に順次行う。
以下では、画像処理装置３で実現される機能的な構成について説明する。
＜２−１．画像処理装置３の機能構成＞
図２は、放射線動態画像撮影システム１００における画像処理装置３において、ＣＰＵ等が各種プログラムに従って動作することにより制御部３１で実現される機能構成を他の構成とともに示す図である。この実施形態の画像処理装置３は、主として心臓および両肺を含む胸部が撮影された動態画像を使用する。
制御部３１は、主に、動画像取得部１１０と、形状モデルフィッティング部１２０と、形状モデル制御部１３０と、対象領域抽出部１４０と、から構成される。
以下では、図２で示されたような制御部３１の機能的な構成が、あらかじめインストールされたプログラムの実行によって実現されるものとして説明するが、専用のハードウエア構成で実現されても良い。
以降、動画像取得部１１０、形状モデルフィッティング部１２０、形状モデル制御部１３０、及び、対象領域抽出部１４０が行う各処理についての具体的内容を、図２を参照しながら順次説明する。
＜２−１−１．動画像取得部１１０＞
動画像取得部１１０では、撮像装置１の読取制御装置１４によって撮影された人体または動物の内部における肺野領域（所定領域）の物理的状態が時間変化する状態を時間方向に順次に捉えた動画像を取得する。ここでいう「物理的状態」という用語は、肺野領域の幾何学的形状を指すほか、血流の濃度（血流の有無）などをも包含した意味で用いている。
なお、図２は、撮像装置１と画像処理装置３との間に、撮影制御装置２が介在し、撮影制御装置２の記憶部２２に記憶された検出データが通信部２５を介して、画像処理装置３の通信部３５に出力される。
図３は、呼吸に伴う被検者ＯＢの胸部の動態に対し、放射線動態画像撮影によって撮影した動画像を例示する図である。図３で示されるように、動画像取得部１１０により取得されたフレーム画像Ｇ１〜Ｇ１０は、呼吸サイクルの１周期を一定の撮影タイミングで連続撮影されたものである。具体的には、時刻 ｔ＝ｔ1, ｔ2, ｔ3, …, ｔ10 の撮影タイミングにおいて撮影された画像が、フレーム画像Ｇ１，Ｇ２，Ｇ３，…，Ｇ１０にそれぞれ対応している。
しかしながら、このように取得された動画像は、静止画像と比較して低線量であるため、ノイズが多く画像が不鮮明画像であり、肺野領域の抽出精度と安定性に対する課題がある。また、肺野領域が時空間的に形状変化する動画像は撮影枚数も多いことから、肺野領域の抽出速度の向上が望まれている。
そこで、本発明では、動画像に含まれるフレーム画像Ｇに対して、肺野領域の境界を表現した形状モデルを時間方向に変更する以下の処理を行うことで、安定的且つ高速に抽出精度の向上を実現するようにする。
＜２−１−２．形状モデルフィッティング部１２０＞
形状モデルフィッティング部１２０では、動画像取得部１１０において取得される動画像に含まれる複数枚のフレーム画像Ｇを順次取得し、フレーム画像Ｇに対して、肺野領域の大局的な形状を表現した形状モデルをフィッティングさせるフィッティング処理を行うことにより、当該フレーム画像Ｇ上における肺野領域の境界を近似するフィッティング関数を決定し、当該フィッティング関数を少なくとも反映させた肺野領域境界情報（所定領域境界情報）を順次得る。
ここでいう「フィッティング関数」は、所定数の関数から構成され、「形状モデル」は、フィッティング関数を決定するためのモデルであり、(Ａ)当該所定数、(Ｂ)当該関数毎の次数の許容範囲、(Ｃ)フレーム画像Ｇ上における当該関数毎のフィッティング適用範囲のうち、少なくとも１つの情報を含む。
本実施形態におけるフィッティング処理では、後述の境界線付フレーム画像を順次出力し、肺野領域境界情報を「境界線付フレーム画像」として説明する。
また、肺野領域境界情報は、肺野領域に近接する横隔膜領域、心臓領域等の肺野領域近接領域（所定領域近接領域）が存在する場合において、肺野領域と該肺野領域近接領域との境界部分が考慮されることが好ましい。本実施形態において、肺野領域近接領域として、横隔膜領域、心臓領域、及び、大動脈領域を想定している。
図４は、肺野領域近接領域を例示する図であり、図４（ａ）は肺野領域近接領域に相当する心臓領域の境界Ｐ１を示す図であり、図４（ｂ）は肺野領域近接領域に相当する大動脈領域の境界Ｐ２及び横隔膜領域の境界Ｐ３，Ｐ４を示す図である。図４で示されるように、肺野領域の形状モデルを決定するにあたって、心臓領域の境界Ｐ１、大動脈領域の境界Ｐ２及び横隔膜領域の境界Ｐ３，Ｐ４等といった肺野領域近接領域の当該境界部分を考慮してフィッティング関数を求める。
図５は、肺野領域のフィッティング関数Ｆの特徴を説明する図である。すなわち、図５におけるフィッティング関数Ｆでは、上記の所定数の関数ｆとして、１３の関数ｆから構成された例を示す。図５で示されるように、肺野領域のような幾何学的形状においても関数ｆ１〜ｆ１３を用いると、より近似的に表現することが可能となる。
このように、フィッティング関数Ｆは、曲線及び直線のみならず、スプライン曲線のように複数曲線で構成されてもよく、それぞれの関数ｆの次数で表現される。
また、図５の例におけるフィッティング関数Ｆを決定した形状モデルＭ（図２参照）は、上記(Ａ)では１３、上記(Ｂ)では１３の関数ｆ毎の次数の許容範囲、上記(Ｃ)ではフレーム画像Ｇ上における１３の関数ｆ毎のフィッティング適用範囲のうち、少なくとも１つの情報となる。
上記（Ａ）の１３の関数ｆのうちの１つの関数ｆを例にして、形状モデルＭの概略を説明する。例えば、図４の境界Ｐ３の領域における形状モデルＭは、上記(Ａ)が１つの関数ｆであり、上記(Ｂ)が当該１の関数ｆが２次関数であり、上記(Ｃ)のフィッティング適用範囲が領域Ｒ３という情報をもつ。そして、この形状モデルＭを用いて境界Ｐ３の領域のフィッティング処理を行うことでフィッティング関数Ｆは、関数ｆ１（図５参照）と決定される。
また、図４の境界Ｐ４の領域における形状モデルＭも同様に、上記(Ａ)が１つの関数ｆであり、上記(Ｂ)が当該１の関数ｆが２次〜３次関数であり、上記(Ｃ)のフィッティング適用範囲が領域Ｒ４という情報をもつ。そして、この形状モデルＭを用いて境界Ｐ４の領域のフィッティング処理を行うことでフィッティング関数Ｆは、関数ｆ７（図５参照）と決定される。
このように、境界Ｐ３やＰ４と同様の情報が、抽出対象となる全ての境界領域に存在し、形状モデルＭが構成されている。
具体的に、各関数ｆは、例えばＸ，Ｙ座標系における多項式の関数で表現できる。多項式の関数とは、Ｘを変数とするY=aX^n+bX^(n-1)+…の式、またはＹを変数とするX=aY^n+bY^(n-1)+…の式であり、係数a,b,….の最適な値を見つけることで、フレーム画像Ｇにフィッティングさせることができる。また、ＸとＹとは同時変数とすることで楕円形の関数などにしてもよい。
そして、各関数ｆは、例えば、Ｘ、Ｙのどちらを変数とする関数であるか、この多項式の最大次数の値(上述の式ではnに相当する)、該当する関数は座標上のどの範囲に出現するか、といった情報で表現される。
また、実際に各関数ｆを算出するには、後述の２値の領域情報やエッジに対し肺野領域の境界となる点をＸ=x1〜xnまで探索してゆくことで、(x1,y1),(x2,y2)…(xn,yn)の座標配列を取得し、この座標配列に最も近似する係数値a,b,….を見つけることで、関数を算出することができる。最も近似するとは、例えば最小二乗法などを使うことで、判断することができる。
このように、形状モデルフィッティング部１２０では、形状モデルＭのフィッティング処理を行い、フレーム画像Ｇに決定したフィッティング関数（すなわち、境界線）Ｆを付した境界線付フレーム画像ＧＦ（図５参照）を順次得る。すなわち、決定したフィッティング関数（境界線）Ｆとは、上述のように例えば、最小二乗法などを用いてフィッティングされた関数をいう。
続いて、形状モデルフィッティング部１２０が行う処理について説明する。すなわち、形状モデルフィッティング部１２０は、フレーム画像Ｇの画像情報から所定の方法を用いて肺野領域の境界と予想される境界候補情報を抽出する処理、を更に行う。そして、フィッティング処理では、該境界候補情報に基づいて、フィッティング関数Ｆを決定する処理が行われる。
図６は、形状モデルフィッティング部１２０によるフィッティング処理方法について説明する図であり、図６（ａ）は、肺野領域か否かの画像情報（０／１の領域情報）に対するフィッティング処理を示し、図６（ｂ）は、画像濃度情報に対する直接的なフィッティング処理を示す。
図６（ａ）で示されるように、２値情報で分類されるドットで示した領域ＩＲ（“１”の領域）とそれ以外の領域（“０”の領域）情報（境界候補情報）に対して形状モデルＭのフィッティング処理を行う（フィッティング関数Ｆを求める）と、形状モデルＭは抽出領域を補正する効果や滑らかになって求められる。これは、本来の形状モデルＭと異なる領域ＩＲの凹凸部分ＩＲｂをノイズと考え、ノイズ部を滑らかにしてフィッティング関数Ｆを求めるため、精度向上や安定化を図ることが可能となり、肺野領域の抽出のミスを補う処理が可能となる。画像から０／１の領域情報を抽出する領域抽出方法としては、領域拡張法（Region growing）やグラフカット（Graph Cut）（例えば、"Fast Apporoximate Energy Minimization via Graph Cuts."，Y.Boykov,O. Veksler,R. Zabih. IEEE Transactions on Pattern Analysis and Machine Intelligence 23:1222-1239:2001.等参照）などを用いることが可能である。
一方、多値の画像濃度情報（境界候補情報）から直接形状モデルＭのフィッティング処理を行う手法もある。図６（ｂ）で例示されるように、関数ｆ７は、画像濃度から肺野領域の輪郭を抽出するためにエッジ判定を行いながらフィッティング処理が行われる。画像から肺野領域の輪郭を抽出するためにエッジを情報とする抽出手法としては、スネーク（Snakes）（例えば、" Snakes: Active contour models.", M.Kass, A.Witkin, and D.Terzopoulos, International Journal of Computer Vision, Vol.1, No.4, pp.321-331, 1988.等参照）等の動的輪郭モデル（Active Contour Model）を用いた手法を用いることが可能である。
以上のように、肺野領域近接領域として、横隔膜領域、心臓領域、及び、大動脈領域といった相対的に時間変動量の大きい領域を考慮して、形状モデルＭのフィッティング処理を実施することができ、肺野領域においてより適切な形状モデルＭをフィッティングさせることが可能となる。
＜２−１−３．形状モデル制御部１３０＞
続いて、形状モデル制御部１３０は、フレーム画像Ｇに対するフィッティング処理に用いる形状モデルＭを時間方向に沿って順次変更する形状モデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
ここで言う「形状モデル変更処理」とは、(ａ)所定数の関数を増減させる処理と、（ｂ）当該所定数の関数のうち、少なくとも１つの関数の次数の許容範囲を変更する処理と、(ｃ)所定数の関数のうち、少なくとも１つの関数のフィッティング適用範囲を変更する処理と、の少なくとも１つの処理を含む。また、これら（ａ）〜（ｃ）の処理は、上記の境界候補情報に基づいて行われることが好ましい。
例えば、図５の決定されたフィッティング関数Ｆに基づいて次フレーム画像Ｇの形状モデルＭを変更する場合について形状モデル変更処理を説明すると、上記(ａ)では１３個の関数ｆ１〜ｆ１３を増減させることが可能となる。また、当該１３の関数ｆ１〜ｆ１３のうち、(ｂ)では少なくとも１つの関数ｆの次数を変更でき、(ｃ)では少なくとも１つの関数ｆのフィッティング適用範囲を変更することが可能となる。
形状モデル制御部１３０は、時間的に大幅に形状モデルＭを変えないだけでなく、フィッティング関数Ｆ自体の時間的な移動も少なく且つ滑らかに描かれることが望ましい。ただし、心拍による心臓の動きなどにおいて、ｆｐｓ(frame per second)不足の撮影であった場合には、２つのフレーム画像Ｇ間で急激に関数変化があるため、領域に応じて滑らかにする処理が必要となる。胸部Ｘ線動画像の中では、とりわけ、体動、呼吸、心拍の３つの動きが想定される。領域ごとに３つの原因による急激な動きの上限値を予め保持し、想定内の動きのみを許容することが望ましい。例えば、想定外の動きは外れ値として除外し、対象のフレーム画像Ｇの前後のフレーム画像Ｇから補間値を求めることで実現できる。また、呼吸や心拍などは周期的にあるパターンで動くため、周期的な動きのみを許容することが望ましい。
＜２−１−４．対象領域抽出部１４０＞
対象領域抽出部１４０では、フィッティング処理が行われた境界線付フレーム画像ＧＦを形状モデルフィッティング部１２０から順次取得し、記憶部３２へ記憶する。
＜２−２．画像処理装置３の基本動作＞
図７は、第１実施形態に係る画像処理装置３において実現される基本動作を説明するフローチャートである。既に各部の個別機能の説明は行ったため（図２参照）、ここでは全体の流れのみ説明する。
図７に示すように、まず、ステップＳ１１において、制御部３１の動画像取得部１１０が、撮像装置１の読取制御装置１４によって撮影された動画像を、撮影制御装置２を介して取得する。
ステップＳ１２では、形状モデルフィッティング部１２０が、ステップＳ１１において取得された動画像におけるフレーム画像Ｇに対して、境界候補情報（０／１の領域情報（図６（ａ）参照）または画像濃度情報（図６（ｂ）参照））に基づいて、形状モデルＭのフィッティング処理を行うことで、境界線付フレーム画像ＧＦ（図５参照）を得て、当該境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力する。
ステップＳ１３では、制御部３１が、全てのフレーム画像Ｇにおいてフィッティング処理を実施したか否かを判定し、未処理がある場合にはステップＳ１４に移り、未処理がない場合には本動作フローが終了される。
ステップＳ１４では、形状モデル制御部１３０が、境界線付フレーム画像ＧＦの取得に用いた形状モデルＭを変更して、変更した形状モデルＭを次フレーム画像Ｇにフィッティングさせるよう形状モデルフィッティング部１２０に指令を与え、ステップＳ１２に移る。
そして、ステップＳ１２においては、形状モデルフィッティング部１２０が、ステップＳ１４において変更された形状モデルＭを用いて新たに入力され、フレーム画像Ｇに対してフィッティング処理を行う。
このように、全てのフレーム画像Ｇにおけるフィッティング処理が終了されるまで、ステップＳ１２〜ステップＳ１４の工程が繰り返され、全てのフレーム画像Ｇにおいてフィッティング処理が終了された後、本動作フローが終了される。
以上のように第１実施形態に係る画像処理装置３では、形状モデル制御部１３０が、フレーム画像Ｇに対するフィッティング処理に用いる形状モデルＭを時間方向に沿って順次変更する形状モデル変更処理を実施する。このため、時間方向で肺野領域の形状が変化することに対応して、形状モデルＭを変更することが可能となる。これにより、安定的且つ高速に境界線付フレーム画像ＧＦ（肺野領域境界情報）を得ることができるため、肺野領域の抽出精度の向上を実現することが可能となる。
また、フィッティング関数Ｆは、所定数の関数ｆから構成されることにより、フィッティング関数Ｆは肺野領域の局所的な形状を表現することができ、肺野領域の抽出精度の向上を可能とする（図５）。
また、形状モデルＭは、フィッティング関数Ｆを決定するためのモデルであり、当該所定数及び当該関数ｆ毎の次数の許容範囲のうち、少なくとも１つの情報を含む。これにより、フィッティング関数Ｆを求めるにあたっての制約条件を与えることが可能となる。このため、肺野領域の境界を近似的に表現することが可能なフィッティング関数Ｆを早期かつ適切に決定することができる。
また、形状モデルＭは、フレーム画像Ｇ上における関数ｆ毎のフィッティング適用範囲の情報を更に含む。これにより、肺野領域の形状が複雑な場合においても、肺野領域の境界をより近似的に表現することが可能なフィッティング関数Ｆを早期かつ適切に決定することができる。このため、肺野領域の抽出精度がより向上する。
また、形状モデル変更処理は、(ａ）所定数の関数ｆを増減させる処理と、(ｂ)所定数の関数ｆのうち、少なくとも１つの関数ｆの次数の許容範囲を変更する処理と、(ｃ)所定数の関数ｆのうち、少なくとも１つの関数ｆのフィッティング適用範囲を変更する処理と、のうち、少なくとも１つの処理を含む。これにより、時間方向で肺野領域の形状あるいは位置が著しく変化した場合においても十分対応することが可能となる。このため、所定領域の抽出精度がより向上する。
また、フィッティング処理は、境界候補情報に基づいて、フィッティング関数Ｆを決定する処理を含む。これにより、肺野領域の形状が複雑な場合においても、肺野領域の境界をより近似的に表現することが可能なフィッティング関数Ｆをより早期かつ適切に決定することができる。このため、肺野領域の抽出精度が更に向上する。
さらに、形状モデル変更処理は、境界候補情報に基づいて、上記(ａ)〜(ｃ)のうち、少なくとも１つの処理、を含む。これにより、時間方向で肺野領域の形状あるいは位置が著しく変化した場合においても、境界候補情報を考慮することができるため、フィッティング処理の誤りを防止できる。このため、より安定的且つ高速にフィッティング結果を得ることが可能となる。
＜３．第２実施形態＞
図８は、本発明の第２実施形態として構成された画像処理装置３Ａ（図１参照）で用いられる制御部３１Ａの機能構成を示す図である。この制御部３１Ａは、第１実施形態の画像処理装置３における制御部３１（図２参照）の代替として使用される。第１実施形態と異なる点は、第１実施形態の形状モデル制御部１３０に対応する形状モデル制御部１３０Ａが制約条件記憶部１３５Ａを備える点である。なお、残余の構成は画像処理装置３と同様である。
＜３−１．制約条件記憶部１３５Ａ＞
制約条件記憶部１３５Ａでは、形状モデル変更処理に用いる予め定めた規則や順序といった制約条件を記憶する。そして、形状モデル制御部１３０Ａが、当該制約条件に基づいて形状モデル変更処理を行う。
すなわち、時間方向で大幅に形状モデルＭが変更される確率は低いため、次フレーム画像Ｇの形状モデルＭの判断においては、前フレーム画像Ｇにおける形状モデルＭを維持する制約条件を設けるほか、関数ｆに関する個数の増減を「±１」に予め限定する制約条件や、各関数ｆの次数の増減を「±１」に予め限定する制約条件を記憶しておくことで、安定した形状モデルＭの変更を行うことができる。
＜３−２．画像処理装置３Ａの基本動作＞
続いて、図９は、第２実施形態に係る画像処理装置３Ａの動作フローを例示した図である。なお、図９のうち、ステップＳ２１〜Ｓ２３は図７のステップＳ１１〜Ｓ１３と同様であるため、その説明は省略する。
この第２実施形態では、第１実施形態では存在しなかった制約条件記憶部１３５Ａが付加されたことで、下記の工程のみが変更される。
すなわち、第１実施形態と同様の工程として、ステップＳ２１〜ステップＳ２３を経て、図９で示されるように、ステップＳ２４にて、形状モデル制御部１３０Ａが、境界線付フレーム画像ＧＦに付された境界線（フィッティング関数Ｆ）を制約条件記憶部１３５Ａに記憶された予め定めた規則や順序に基づいて変更して、変更した形状モデルＭを次フレーム画像Ｇにフィッティングさせるよう形状モデルフィッティング部１２０に指令を与え、ステップＳ２２に移る。そして、残余の工程は第１実施形態と同様となる。
以上のように第２実施形態に係る画像処理装置３Ａでは、予め定めた規則や順序を記憶した制約条件に基づいて形状モデルＭを変更することにより、形状モデルＭの変更において所定の制約をかけることができ、より安定的に所望の形状モデルＭの変更を誘導することが可能となる。
＜４．第３実施形態＞
図１０及び図１１は、本発明の第３実施形態として構成された画像処理装置３Ｂ，３Ｂ’（図１参照）で用いられる制御部３１Ｂ，３１Ｂ’の機能構成を示す図である。この制御部３１Ｂ，３１Ｂ’は、第１実施形態の画像処理装置３における制御部３１（図２参照）の代替として使用される。第１実施形態と異なる点は、時間変化検出部１１５Ｂ，１１５Ｂ’をさらに備え、時間変化検出部１１５Ｂ，１１５Ｂ’の出力結果を形状モデル制御部１３０Ｂ，１３０Ｂ’が受ける点である。なお、残余の構成は画像処理装置３と同様である。
＜４−１．時間変化検出部１１５Ｂ，１１５Ｂ’＞
間変化検出部１１５Ｂ，１１５Ｂ’では、フレーム画像Ｇに同期した肺野領域の周期的な時間変化を検出して時間変化情報Ｔを取得する（図１０及び図１１参照）。時間変化情報Ｔとは、肺野領域において相対的に時間変動量が大きい領域の周期的な時間変化である。ここでは、とりわけ呼吸周期変化および心拍周期変化を例に挙げて説明する。
以下では、心拍周期変化及び呼吸周期変化についての算出方法を説明する。
＜４−１−１．第１の心拍情報検出方法：心電計の検出結果＞
第１の心拍情報検出方法として、図１０で示されるように時間変化検出部１１５Ｂでは、心電計４の位相検出部４１から取得された結果を用いる。すなわち、時間変化検出部１１５Ｂは、外部より心拍周期変化が取得されるように構成される。図１２は、被検者ＯＢの心電図波形の１周期を例示する図である。なお、図１２では、横軸が時刻、縦軸が電気信号の大きさ（電圧）を示しており、いわゆるＰ波、Ｑ波、Ｒ波、Ｓ波、Ｔ波及びＵ波の形状をそれぞれ示す曲線Ｐｐ，Ｑｐ，Ｒｐ，Ｓｐ，Ｔｐ及びＵｐを含む電気信号の変化を示す曲線が示されている。
そこで、時間変化検出部１１５Ｂでは、位相検出部４１から取得された検出結果に基づいて、上記の点（Ｐｐ，Ｑｐ，Ｒｐ，Ｓｐ，Ｔｐ及びＵｐ）を検出することで、心拍周期変化を取得する。
なお、位相検出部４１による検出動作は撮像装置１による撮像動作と同期して行われる（図１参照）。
このように、時間変化検出部１１５Ｂでは、外部より心拍周期変化が取得されることにより、心臓の周期的な時間変化を自動的に取得することが可能となる。
＜４−１−２．第２の心拍情報検出方法：心臓壁の動き量＞
一方、第２の心拍情報検出方法として、図１１で示されるように時間変化検出部１１５Ｂ’では、動画像取得部１１０によって取得された撮影画像を用いて、心臓壁の動き量を算出することで、心拍情報とする。すなわち、時間変化検出部１１５Ｂ’は、動画像で捉えられた心臓壁の変動に基づき心拍周期を検出後、形状モデル制御部１３０Ｂ’に出力する（図１１参照）。詳細には、動画像から心臓壁の変動が検出されることで、各フレーム画像が撮影されたタイミングにおける心臓の拍動の位相が検出される。したがって、心臓壁が心臓の拍動の位相として検出される。
図１３は、動画像で捉えられた心臓壁の変動を例示する模式図である。図１３で示されるように、心臓壁ＨＬの変動の一例として、心臓の横幅の変動を採用する。図１３(ａ)〜図１３(ｃ)では、心臓が拡張していく過程で、心臓の横幅がｗ１からｗ３へと大きくなっていく状態が例示されている。
そこで、時間変化検出部１１５Ｂ’では、各フレーム画像から、心臓の横幅を検出することで、心拍周期を検出する。具体的に、心臓の横幅を検出する手法としては、例えば、心臓の輪郭を検出して行う手法等が挙げられる。そして、この心臓の輪郭を検出する手法としては、種々の公知の手法を採用することができ、例えば、心臓の形状を示すモデル（心臓モデル）を用いて、Ｘ線画像中の特徴点と、心臓モデルの特徴点とを合わせて行くことで、心臓の輪郭を検出する手法（例えば、"Image feature analysis and computer-aided diagnosis in digital radiography: Automated analysis of sizes of heart and lung in chest images", Nobuyuki Nakamori et al., Medical Physics, Volume 17, Issue 3, May,1990, pp.342-350.等参照）等を採用することができる。
図１４は、動画像を構成する複数のフレーム画像について、撮影された時刻と心臓の横幅との関係を例示する模式図である。図１４では、横軸が時刻、縦軸が心臓の横幅を示し、丸印が検出された心臓の横幅の値を示している。
ここで、時刻ｔで捉えられた心臓の横幅をＨｗt、時刻ｔ＋１で捉えられた心臓の横幅をＨｗt+1とし、（Ｈｗt+1−Ｈｗt）≧０が成立する場合には、時刻ｔで捉えられたフレーム画像が心臓の拡張時に分類され、（Ｈｗt+1−Ｈｗt）＜０が成立する場合には、時刻ｔで捉えられたフレーム画像が心臓の収縮時に分類される。
このように、心臓の横幅、すなわち、心臓壁ＨＬの変動を検出することで、心臓の拡張時および収縮時が分類できるため、心臓の拍動の位相を検出することが可能となる。
以上のように、時間変化検出部１１５Ｂ’では、動画像で捉えられた心臓壁の動きに基づき、心拍周期を検出することで、心拍周期を自動的に取得可能である。
なお、第２の心拍情報検出方法は、第１の心拍情報検出方法と比較して間接的に心拍周期を検出するため、ノイズ成分も含まれやすいと予想される。そこで、時間変化検出部１１５Ｂ’では、動画像で捉えられた心臓壁ＨＬの動きに基づき、周波数解析等を用いて心拍周期を検出することが好ましい。
＜４−１−３．第１の呼吸情報検出方法：別機器による計測結果＞
第１の呼吸情報検出方法として、別機器による計測結果を用いる（図１０参照）。すなわち、時間変化検出部１１５Ｂは、外部より呼吸周期が設定可能に構成される。別機器により計測する方法としては、例えば、特許第3793102号に記載されているような装置を用いることができる。また、レーザー光とＣＣＤカメラで構成されたセンサによるモニタリングにより実施する手法（例えば、"FG視覚センサを用いた就寝者の呼吸モニタリングに関する検討",青木 広宙,中島 真人,電子情報通信学会ソサイエティ大会講演論文集 2001年.情報・システムソサイエティ大会講演論文集, 320-321, 2001-08-29.等参照）等を採用することもできる。
なお、本実施形態では、図１０で示される時間変化検出部１１５Ｂのように、サイクル検出装置１６のサイクル検出部１５が利用可能である。
このように、時間変化検出部１１５Ｂでは、外部より呼吸周期が取得されることにより、横隔膜の周期的な時間変化を自動的に取得可能である。
＜４−１−４．第２の呼吸情報検出方法：面積値または特徴点間距離＞
一方、第２の呼吸情報検出方法として、図１１で示されるように時間変化検出部１１５Ｂ’では、動画像取得部１１０によって取得された撮影画像を用いて、肺野部の面積値あるいは特徴点間距離を算出することで、呼吸情報とする。すなわち、時間変化検出部１１５Ｂ’は、動画像で捉えられた肺野領域の面積値あるいは特徴点間距離の変化に基づき、呼吸周期を検出後、形状モデル制御部１３０Ｂ’に出力する（図１１参照）。肺野部の面積の求め方は、肺野部の輪郭抽出を行い、輪郭に囲まれた領域の画素数を肺野領域として定義することが可能である。
図１５は、肺野部の輪郭抽出を例示する模式図である。肺野部の抽出は、図１５で示すように、左右ごとに抽出しても、心臓や脊椎の領域を含んだ輪郭として抽出してもよい。抽出方法としては、従来技術（例えば、"Image feature analysis and computer-aided diagnosis: Accurate determination of ribcage boundary in chest radiographs”, Xin-Wei Xu and Kunio Doi, Medical Physics, Volume 22(5), May 1995, pp.617-626.等参照）等を採用することができる。
このように、時間変化検出部１１５Ｂ’では、取得された撮影画像を用いて、肺野部の輪郭ＯＬの抽出を実施し、抽出された領域内のピクセル数を特徴量として、該特徴量を肺野領域の面積として検出する。
また、第２の呼吸情報検出方法としては、撮影画像を用いて、肺野領域の特徴点間の距離を算出し、呼吸情報とすることも可能である。すなわち、肺野部の抽出を上記方法と同様に実施し、抽出された領域から、特徴点２点を求め、その２点間の距離を求めることで特徴量を算出する。
図１６は、肺野領域の特徴点の位置を例示した図である。肺領域の上端ＬＴから下端ＬＢまでの長さ（肺野長）の変化を算出する場合、図１６（ａ）では、肺尖部を肺領域の上端ＬＴとし、肺尖部から体軸方向におろした直線と横隔膜との交点を肺領域の下端ＬＢとして抽出した例であり、図１６（ｂ）では、肺尖部を肺領域の上端ＬＴとし、肋横角を肺領域の下端ＬＢとして抽出した例である。
図１７は、時間変化検出部１１５Ｂ’において検出された呼吸情報の波形データを時系列で示した模式図であり、肺野領域の面積値あるいは特徴点間距離といった特徴量を算出し、時間方向にモニタリングした結果となる。図１７で示されるように、呼吸の周期（呼吸サイクル）Ｂの１周期は、吸気と呼気とから構成され、１回の呼気と１回の吸気からなる。吸気では、横隔膜が下がって息が吸い込まれるに連れて胸郭中の肺野の領域が大きくなる。息を最大限に吸い込んだとき（吸気と呼気の変換点）が最大吸気時Ｂ１である。呼気では、横隔膜が上がって息が吐き出されるに連れて肺野の領域が小さくなるが、息を最大限に排出したとき（呼気と吸気の変換点）が最大呼気時Ｂ２となる。
以上のように、時間変化検出部１１５Ｂ’では、動画像で捉えられた肺野領域の面積値あるいは特徴点間距離の時間的変化に基づき、呼吸周期を検出するため、呼吸周期を自動的に取得可能である。
また、第２の呼吸情報検出方法は、第１の呼吸情報検出方法と比較して間接的に呼吸周期を検出するため、ノイズ成分も含まれやすいと予想される。そこで、時間変化検出部１１５Ｂ’では、動画像で捉えられた肺野領域の面積値あるいは特徴点間距離の時間的変化に基づき、周波数解析等を用いて呼吸周期を検出することが好ましい。
＜４−２．形状モデル制御部１３０Ｂ，１３０Ｂ’＞
制御部３１Ｂ，３１Ｂ’が時間変化検出部１１５Ｂ，１１５Ｂ’を備えるため、形状モデル制御部１３０Ｂ，１３０Ｂ’では、時間変化検出部１１５Ｂ，１１５Ｂ’から出力される呼吸周期変化および心拍周期変化に基づいて形状モデル変更処理を行う。
以下では、呼吸周期変化に基づいて形状モデル変更処理を行う例を説明する。図１８は、呼吸周期変化に基づく関数ｆ（形状モデルＭ）の変更ルールについて説明する模式図である。図１８（ａ）〜図１８（ｃ）では、呼吸周期変化に対応してフレーム画像Ｇの画像の見え方が異なることを示した図であり、図１８（ｄ）では、フレーム画像Ｇの画像の見え方が異なることを考慮した関数ｆの次数の設定ルールを説明する図である。なお、各フレーム画像Ｇにおける関数ｆの次数は、画像上でエッジ検出を実施した後決定される。
図１８（ａ）で示されるフレーム画像Ｇａは、呼吸周期変化において呼気に対応しており、肺野領域近接領域に相当する横隔膜領域の境界Ｐ４は、画像上隠れてしまう傾向にある。したがって、関数ｆ７１の設定は、関数なしとして定義される（図１８（ｄ）参照）。
図１８（ｂ）で示されるフレーム画像Ｇｂは、呼吸周期変化において呼気と吸気の中間の位置に対応しており、肺野領域近接領域に相当する横隔膜領域の境界Ｐ４は、画像上、直線または曲線として見える傾向にある。したがって、関数ｆ７２の設定では１次関数または２次関数として定義される（図１８（ｄ）参照）。
図１８（ｃ）で示されるフレーム画像Ｇｃは、呼吸周期変化において吸気に対応しており、肺野領域近接領域に相当する横隔膜領域の境界Ｐ４は、画像上、Ｓ字曲線として見える傾向になる。したがって、関数ｆ７３の設定では３次関数として定義される（図１８（ｄ）参照）。
以上のように、呼吸位相に対して横隔膜は、吸気で次数増、呼気で次数減の変化をしてゆくため、位相に対応して形状モデルＭの変更先を予め限定したルールとすることが好ましい。つまり、吸気位相では肺が膨張して肋横角の形がよく見える状態に近づくため、横隔膜の関数の次数が増える方向に遷移するようにルール化する。逆に、呼気位相では肺が収縮して他の臓器に隠れていくため、次数が減る方向に遷移するよう、ルール化する（図１８（ｄ）参照）。このようにルール化することで、フレーム画像Ｇが呼気か吸気かの何れに位置するかがわかれば、形状モデルＭの変更処理を変えることができるため、呼吸周期変化に基づいて形状モデル変更処理を行うことが可能となる。
また、横隔膜の隠れなど呼吸周期変化だけでなく、心拍位相による心臓形状の変化（図１３及び図１４参照）や大動脈の隠れによる変化などにおいても、予め限定したルール化を行い、当該ルールに従って形状モデル変更処理を行うことが可能となる。
また、上記処理(ｃ)におけるフィッティング適用範囲を狭く変更する場合において、形状モデル制御手段１３０Ｂ，１３０Ｂ’では、形状モデル変更処理において、上記処理（ａ）として所定数の関数ｆを減らす処理と、上記処理（ｂ）として所定数の関数ｆのうち、フィッティング適用範囲を狭くする関数ｆにおいては当該関数ｆの次数の許容範囲の上限を下げる処理と、が行われる。
すなわち、境界候補情報に応じて上記（ａ）〜（ｃ）の処理内容が決定されるため、境界候補情報が減少するときは、上記処理（ａ）では関数の数を減らす処理、上記処理（ｂ）では関数の次数の許容範囲の上限を下げる処理、上記処理（ｃ）ではフィッティング適用範囲を狭くする処理、のうち、少なくとも１つの処理が行われる。したがって、上記処理（ｃ）にてフィッティング適用範囲が狭く変更される場合は、上記処理（ａ）において、関数の数を減らす処理、及び／または、上記処理（ｂ）において、関数の次数の許容範囲の上限を下げる処理を行うことよりが好ましい。
ここで、図１８の例で説明すると、フレーム画像Ｇｃ（図１８（ｃ）参照）からフレーム画像Ｇｂ（図１８（ｂ）参照）に移る際の形状モデル変更処理では、上記処理（ｂ）としてフィッティング適用範囲を狭くする関数ｆ７３においては当該関数ｆ７３の次数の許容範囲の上限を下げる処理（すなわち、３次関数から２次または１次関数に変更）を行うことになる。また、フレーム画像Ｇｂ（図１８（ｂ）参照）からフレーム画像Ｇａ（図１８（ａ）参照）に移る際の形状モデル変更処理では、上記処理（ａ）として関数ｆ７２から関数なしに変更（すなわち、関数の数を−１に変更）することになる。
このように、上記処理（ｃ）にてフィッティング適用範囲が狭く変更される場合は、上記処理（ａ）において、関数の数を減らす処理、及び／または、上記処理（ｂ）において、関数の次数の許容範囲の上限を下げる処理を行うことにより、関数の自由度を下げ、フィッティング処理の誤りを防止できるとともに、安定したフィッティング結果を得ることが可能となる。
＜４−３．画像処理装置３Ｂ，３Ｂ’の基本動作＞
続いて、図１９は、第３実施形態に係る画像処理装置３Ｂ，３Ｂ’のうち、代表して画像処理装置３Ｂの動作フローを例示した図である。なお、図１９のうち、ステップＳ３２〜Ｓ３３は図７のステップＳ１２〜Ｓ１３と同様であるため、その説明は省略する。
この第３実施形態では、第１実施形態では存在しなかった時間変化検出部１１５Ｂが付加されたことで、下記の工程が変更される。
図１９に示すように、まず、ステップＳ３１において、制御部３１Ｂの動画像取得部１１０が、撮像装置１の読取制御装置１４によって撮影された動画像を、撮影制御装置２を介して取得するとともに、時間変化検出部１１５Ｂが、撮像装置１のサイクル検出部１５から呼吸周期変化を取得し、心電計４の位相検出部４１から心拍周期変化を取得する。
そして、第１実施形態と同様の工程として、ステップＳ３２〜ステップＳ３３を経て、ステップＳ３４にて、形状モデル制御部１３０Ｂが、境界線付フレーム画像ＧＦに付された境界線（フィッティング関数Ｆ）を時間変化検出部１１５Ｂにて検出された時間変化情報Ｔに基づいて変更して、変更した形状モデルＭを次フレーム画像Ｇにフィッティングさせるよう形状モデルフィッティング部１２０に指令を与え、ステップＳ３２に移る。そして、残余の工程は第１実施形態と同様となる。
以上のように画像処理装置３Ｂ（３Ｂ’）では、時間変化情報に基づいて形状モデルＭを変更することにより、肺野領域近接領域の周期変化に適合させて形状モデルＭを決定することができる。このため、肺野領域の抽出精度がより向上する。
＜５．第４実施形態＞
図２０及び図２１は、本発明の第４実施形態として構成された画像処理装置３Ｃ（図１参照）で用いられる制御部３１Ｃの機能構成を示す図である。この制御部３１Ｃは、第１実施形態の画像処理装置３における制御部３１（図２参照）の代替として使用される。第１実施形態と異なる点は、フィッティング結果記憶部１２５を備える点、及び、形状モデル制御部１３０Ｃが形状モデル適正評価部１３５Ｃを備える点である。なお、残余の構成は画像処理装置３と同様である。
＜５−１．フィッティング結果記憶部１２５＞
フィッティング結果記憶部１２５では、形状モデルフィッティング部１２０から出力される境界線付フレーム画像ＧＦを順次記憶する（図２０及び図２１参照）。
フィッティング結果記憶部１２５が付加されたことにより、形状モデル変更処理は以下の２つのモデル変更処理を実施することが可能となる。すなわち、フレーム画像Ｇに対してフィッティング処理が行われた形状モデルＭから、当該フレーム画像Ｇの次のフレーム画像Ｇのフィッティング処理に用いる形状モデルＭを変更する「第１のモデル変更処理」（第１〜第３実施形態と同様、図２０参照）に加え、フレーム画像Ｇに対してフィッティング処理が行われた形状モデルＭから、当該フレーム画像Ｇの再度のフィッティング処理に用いる形状モデルＭに変更する「第２のモデル変更処理」（図２１参照）を行うことが可能となる。
なお、第２のモデル変更処理によって、フィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦに付された境界線（フィッティング関数）Ｆを修正してその内容を変更することが可能となる。
＜５−２．形状モデル適正評価部１３５Ｃ＞
形状モデル制御部１３０Ｃにおける形状モデル適正評価部１３５Ｃは、形状モデル制御部１３０Ｃにて順次変更した形状モデルＭあるいはフィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦに付された境界線（フィッティング関数）Ｆに基づいて、評価情報を得る（図２０及び図２１参照）。
また、形状モデル適正評価部１３５Ｃでは、単純にfpsが固定である場合には、形状モデルＭの変更パターンが規則的であるためにシンプルな評価情報を得ることができる。ただし、fps不足においては変更パターンが一足飛びになるケースや、時間的に逆方向に形状モデルＭをフィッティングさせるケースも想定すると、処理するフレーム画像Ｇ間の時間差情報を予め保持しておき、その時間差に基づいて評価情報を変えることが好ましい。
さらに、形状モデル適正評価部１３５Ｃでは、第３実施形態における時間変化検出部１１５Ｂ，１１５Ｂ’などが付加されることにより、心拍や呼吸の位相情報に基づいた評価情報を得ることや、可視光のカメラ画像から被写体ＯＢの姿勢情報を取得し、体動に基づいた評価情報を得ることも可能である。
そして、形状モデル制御部１３０Ｃは、当該評価情報に基づいて、第１のモデル変更処理（図２０参照）または第２のモデル変更処理（図２１参照）の何れかを実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、形状モデル適正評価部１３５Ｃにより得られる評価情報の一例について説明する。なお、ここではフィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦに付されたフィッティング関数（境界線）Ｆに基づいて評価情報が得られる場合を説明する。
図２２は、境界線付フレーム画像ＧＦに付されたフィッティング関数Ｆが適正か否かを説明する模式図である。図２２（ａ）及び図２２（ｂ）では肺尖部の形状に関する関数ｆ５，ｆ５ｅを示し、図２２（ｃ）及び図２２（ｄ）では横隔膜の形状に関する関数ｆ７，ｆ７ｅを示す。
図２２（ａ）で示される関数ｆ５は、肺尖部の形状を適切に表現しているため、形状モデル適正評価部１３５Ｃによりフィッティング精度が高いと評価される。一方、図２２（ｂ）で示される関数ｆ５ｅは、肺尖部の形状に４次関数を関数として用いたため、一部が下に凸となり形状モデル適正評価部１３５Ｃによりフィッティング精度が低いと評価される。
同様に、図２２（ｃ）で示される関数ｆ７は、２次関数を用いた場合であり、横隔膜の上に凸の形状を適切に表現している。このため、形状モデル適正評価部１３５Ｃによりフィッティング精度が高いと評価される。一方、図２２（ｄ）で示される関数ｆ７ｅは、１次関数（直線）を用いた場合であり、横隔膜の上に凸の形状を適切に表現しきれていない。このため、形状モデル適正評価部１３５Ｃによりフィッティング精度が低いと評価される。
このように、形状モデル適正評価部１３５Ｃでは、試しにフィッティング処理を行った評価として、極値が許容範囲内にあるか否か、極値の正負によって凸形状が表れるかなど、関数ｆの形状によって評価することが可能である。
＜５−３．画像処理装置３Ｃの基本動作：第１のモデル変更処理＞
続いて、図２３は、第４実施形態に係る画像処理装置３Ｃのうち、第１のモデル変更処理（図２０参照）の動作フローを例示した図である。なお、図２３のうち、ステップＳ１４１は図７のステップＳ１１と同様であるため、その説明は省略する。
この第４実施形態では、第１実施形態では存在しなかったフィッティング結果記憶部１２５、及び、形状モデル適正評価部１３５Ｃが付加されたことで、下記の工程が変更される。
すなわち、第１実施形態と同様の工程として、ステップＳ１４１を経て、図２３で示されるように、ステップＳ１４２では、ステップＳ１２（図７参照）と同様に形状モデルフィッティング部１２０が境界線付フレーム画像ＧＦを得た後、当該境界線付フレーム画像ＧＦをフィッティング結果記憶部１２５に出力する。そして、フィッティング結果記憶部１２５が当該境界線付フレーム画像ＧＦを格納する。
そして、ステップＳ１４３にて、未処理がない場合にはステップＳ１４５に移り、ステップＳ１４５にて、フィッティング結果記憶部１２５が、格納している境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力して本動作フローが終了される。一方、未処理があると判定されればステップＳ１４４に移る。
ステップＳ１４４では、形状モデル適正評価部１３５Ｃが形状モデル制御部１３０Ｃにて順次変更した形状モデルＭあるいはフィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦに付されたフィッティング関数（境界線）Ｆに基づいて、評価情報を得る。そして、形状モデル制御部１３０Ｃが、当該評価情報に基づいて第１のモデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与え、ステップＳ１４２に移る。
そして、ステップＳ１４２においては、形状モデルフィッティング部１２０が、ステップＳ１４４において変更された形状モデルＭを用いてフィッティング処理を行い、フィッティング結果記憶部１２５に境界線付フレーム画像ＧＦを格納する。
このように、全てのフレーム画像Ｇにおけるフィッティング処理が終了されるまで、ステップＳ１４２〜ステップＳ１４４の工程が繰り返され、全てのフレーム画像Ｇにおいてフィッティング処理が終了された後、上記のステップＳ１４５を経由して本動作フローが終了される。
以上のように画像処理装置３Ｃにおける形状モデル制御部１３０Ｃでは、形状モデル制御部１３０Ｃにて順次変更した形状モデルＭあるいはフィッティング結果記憶部１２５にて格納された境界線付フレーム画像（領域境界情報）ＧＦにおけるフィッティング関数Ｆに基づいて得られた評価情報に基づいて、第１のモデル変更処理を実施することにより、より的確な形状モデルＭを自動的に変更することが可能となる。すなわち、形状モデル制御部１３０Ｃは、第１のモデル変更処理を実施することにより、フィッティング処理をこれから行う時間的に未来の形状モデルＭの変更を制御可能にする。このため、より安定的に肺野領域の抽出処理を行うことができるとともに、抽出精度がより向上する。
＜５−４．画像処理装置３Ｃの基本動作：第２のモデル変更処理＞
続いて、図２４は、第４実施形態に係る画像処理装置３Ｃのうち、第２のモデル変更処理（図２１参照）の動作フローを例示した図である。なお、図２４のうち、ステップＳ２４１は図７のステップＳ１１と同様であるため、その説明は省略する。
第１のモデル変更処理と同様に、第１実施形態では存在しなかったフィッティング結果記憶部１２５、及び、形状モデル適正評価部１３５Ｃが付加されたことで、下記の工程が変更される。
すなわち、第１実施形態と同様の工程として、ステップＳ２４１を経て、図２４で示されるように、ステップＳ２４２では、ステップＳ１２（図７参照）と同様に形状モデルフィッティング部１２０が境界線付フレーム画像ＧＦを順次得ながら、当該境界線付フレーム画像ＧＦをフィッティング結果記憶部１２５に順次出力する。そして、フィッティング結果記憶部１２５が当該境界線付フレーム画像ＧＦを順次格納する。なお、順次得られる境界線付フレーム画像ＧＦは、上述の第１のモデル変更処理により取得されることが好ましい。
ステップＳ２４３では、形状モデル適正評価部１３５Ｃが形状モデル制御部１３０Ｃにて順次変更した形状モデルＭあるいはフィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦにおけるフィッティング関数（境界線）Ｆに基づいて、評価情報を得る。
そして、ステップＳ２４４にて、ステップＳ２４３で取得した評価情報に基づき第２のモデル変更処理を実施するか否かを形状モデル制御部１３０Ｃが判定し、実施しない場合（評価情報が「良」を指示している場合等）にはステップＳ２４８に移り、ステップＳ２４８にて、フィッティング結果記憶部１２５が、格納している境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力して本動作フローが終了される。一方、第２のモデル変更処理を実施する場合にはステップＳ２４５に移る。
ステップＳ２４５では、形状モデル制御部１３０Ｃが、ステップＳ２４３にて得られた評価情報に基づいて第２のモデル変更処理を実施し、変更された形状モデルＭを用いた再度のフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。このとき、形状モデル制御部１３０Ｃは、再度のフィッティング処理に用いるフレーム画像（境界線付フレーム画像ＧＦ）を形状モデルフィッティング部１２０に出力するようにフィッティング結果記憶部１２５に指令を与える（図２１の矢印ＡＲ１）。
そして、ステップＳ２４６では、形状モデルフィッティング部１２０が、境界線付フレーム画像ＧＦをフィッティング結果記憶部１２５から取得し、ステップＳ２４５において変更された形状モデルＭを用いて再度のフィッティング処理を行う。そして、フィッティング結果記憶部１２５に元々格納されている境界線付フレーム画像ＧＦを、再度のフィッティング処理で出力された境界線付フレーム画像ＧＦ’に置き換えてフィッティング結果記憶部１２５に格納する。
そして、ステップＳ２４７にて、更に第２のモデル変更処理を続けるか否かを形状モデル制御部１３０Ｃが判定し、続けない場合にはフィッティング結果記憶部１２５に終了する指令を与え（図２１の矢印ＡＲ２）、上記のステップＳ２４８を経由して本動作フローが終了される。一方、更に第２のモデル変更処理を続ける場合にはステップＳ２４３に移る。
このように、第２のモデル変更処理が終了されるまで、ステップＳ２４３〜ステップＳ２４７の工程が繰り返され、第２のモデル変更処理が終了された後、上記のステップＳ２４８を経由して本動作フローが終了される。
以上のように画像処理装置３Ｃにおける形状モデル制御部１３０Ｃでは、形状モデル制御部１３０Ｃにて順次変更した形状モデルＭあるいはフィッティング結果記憶部１２５にて格納された境界線付フレーム画像（領域境界情報）ＧＦにおける境界線（フィッティング関数）Ｆに基づいて得られた評価情報に基づいて、第２のモデル変更処理を実施することにより、より的確な形状モデルＭを自動的に変更することが可能となる。すなわち、形状モデル制御部１３０Ｃは、第２のモデル変更処理を実施することにより、既にフィッティング処理を終えた過去の形状モデルＭに対してフィードバック制御が可能になる。このため、より安定的に肺野領域の抽出処理を行うことができるとともに、抽出精度がより向上する。
なお、上述した第１及び第２のモデル変更処理を共に行っても良い。すなわち、第４実施形態は、第１及び第２のモデル変更処理のうち少なくとも一方を実施する形状モデル制御部１３０Ｃを有している。
＜６．第５実施形態＞
図２５は、本発明の第５実施形態として構成された画像処理装置３Ｄ（図１参照）で用いられる制御部３１Ｄの機能構成を示す図である。この制御部３１Ｄは、第４実施形態の画像処理装置３Ｃのうち第２のモデル変更処理を制御する制御部３１Ｃ（図２１参照）の代替として使用される。第４実施形態と異なる点は、形状モデル制御部１３０Ｄがフィッティング関数群記憶部１３１Ｄを更に備える点である。なお、残余の構成は画像処理装置３Ｃ（図２１参照）と同様である。
＜６−１．フィッティング関数群記憶部１３１Ｄ＞
フィッティング関数群記憶部１３１Ｄでは、フィッティング結果記憶部１２５が３枚以上の境界線付フレーム画像ＧＦを記憶する場合において、フィッティング結果記憶部１２５にて記憶された境界線付フレーム画像ＧＦにおける３以上のフィッティング関数Ｆを示すフィッティング関数群を記憶する。
そして、形状モデル制御部１３０Ｄにおける形状モデル適正評価部１３５Ｄは、当該フィッティング関数群を評価情報として得ることで、形状モデル制御部１３０Ｄは、当該評価情報に基づいて、第２のモデル変更処理（図２５参照）を実施し、変更された形状モデルＭを用いた再度のフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、フィッティング関数群を評価情報とする一例について説明する。図２６は、フィッティング関数群を用いて形状モデルＭの適正評価を行うことを説明する模式図である。図２６の上段（フィッティング関数Ｆ及びそれを決定したモデル）は、フィッティング関数群記憶部１３１Ｄにて記憶されたフィッティング関数Ｆ及びそれを決定したモデル（すなわち、フィッティング関数Ｆを導出するモデル）をフレーム順に示す図であり、図２６の下段（評価後の形状モデルＭ）は、形状モデル制御部１３０Ｄにより第２のモデル変更処理が実施され、再度のフィッティング処理に用いられる形状モデルＭをフレーム順に示す図である。
評価単位を３枚のフレーム画像Ｇとした場合、図２６で示されるように、第１〜第３番目のフレーム画像Ｇ内、第２〜第４番目のフレーム画像Ｇ内、第３〜第５番目のフレーム画像Ｇ内、第４〜第６番目のフレーム画像Ｇ内で形状モデル適正評価部１３５Ｄにより評価判断される。ここで、例えば、フィッティング関数Ｆ１，Ｆ２，Ｆ３を示すナンバーが、減少して増加することは起こりえないという判断基準がある場合には、第３〜第５番目のフレーム画像Ｇ内において、フィッティング関数Ｆが、Ｆ２，Ｆ１，Ｆ２の順番で変更されていることがフィッティング関数群から認識されるため、第４番目のフレーム画像Ｇは、フィッティング関数Ｆ１ではなく、フィッティング関数Ｆ２に変更されることが好ましいという評価結果が形状モデル適正評価部１３５Ｄにより得られる。そして、形状モデル制御部１３０Ｄによる上記評価結果を受けて、第４番目のフィッティング関数Ｆを決定したモデルを、フィッティング関数Ｆ１を導出するモデル１からフィッティング関数Ｆ２を導出するモデル２に変更する、所謂、第２のモデル変更処理を実施される。なお、説明の都合上、モデル１〜３からフィッティング関数Ｆ１〜Ｆ３が導き出されると仮定した。
このように、時間的に過去の複数のフィッティング関数Ｆを総合して判断することで、精度向上と安定化とが図れる。時間的に大幅にモデルの内容が変わることがないので、フィッティング関数Ｆ間でのフィッティング精度の相対的な評価で判断すれば、精度向上安定化につながる。
＜６−２．画像処理装置３Ｄの基本動作：第２のモデル変更処理＞
続いて、図２７は、第５実施形態に係る画像処理装置３Ｄ（第２のモデル変更処理）の動作フローを例示した図である。なお、図２７のうち、ステップＳ２５３を除いて、図２４の工程と全て同様であるため、その説明は省略する。
この第５実施形態では、第４実施形態では存在しなかったフィッティング関数群記憶部１３１Ｄが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ２５１〜ステップＳ２５２を経て、図２７で示されるように、ステップＳ２５３では、フィッティング関数群記憶部１３１ＤがステップＳ２５２にて順次格納された境界線付フレーム画像ＧＦに付された３以上のフィッティング関数Ｆを示すフィッティング関数群を記憶するとともに、形状モデル適正評価部１３５Ｄがフィッティング関数群を評価情報として得る。そして、残余の工程は第４実施形態と同様となる（図２４参照）。
以上のように画像処理装置３Ｄでは、評価情報はフィッティング結果記憶部１２５にて記憶された境界線付フレーム画像ＧＦにおける３以上のフィッティング関数Ｆを示すフィッティング関数群を含むことにより、フィッティング関数群のフィッティング関数Ｆ間の適否を判定して第２のモデル変更処理を実施することが可能となる。これにより、フィッティング精度向上を可能にする。
＜７．第６実施形態＞
図２８は、本発明の第６実施形態として構成された画像処理装置３Ｅ（図１参照）で用いられる制御部３１Ｅの機能構成を示す図である。この制御部３１Ｅは、第１及び第２のモデル変更処理の何れも制御可能であり、第４実施形態の画像処理装置３Ｃの第１及び第２のモデル変更処理を制御する制御部３１Ｃ（図２０及び図２１参照）の代替として使用される。第４実施形態と異なる点は、形状モデル制御部１３０Ｅがフィッティング精度算出部１３１Ｅを更に備える点である。ここで、図２８は、第１及び第２のモデル変更処理を合わせて示した図である。なお、残余の構成は画像処理装置３Ｃ（図２０及び図２１参照）と同様である。
＜７−１．フィッティング精度算出部１３１Ｅ＞
フィッティング精度算出部１３１Ｅでは、境界線付フレーム画像ＧＦにおけるフィッティング関数Ｆが近似する肺野領域の境界と、当該フィッティング関数Ｆを導くために用いられたフレーム画像Ｇ（当該境界線付フレーム画像ＧＦ）の画像情報から所定の方法を用いて抽出した肺野領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を算出する。
すなわち、形状モデルフィッティング部１２０において、領域拡張法（Region growing）、グラフカット（Graph Cut）、スネーク（Snakes）等を用いてフレーム画像Ｇから画像情報（エッジや０／１の領域情報）の抽出を行っているため（図６参照）、境界線付フレーム画像ＧＦに当該画像情報を付した境界線付フレーム画像ＧＦ２（図６参照）がフィッティング結果記憶部１２５に格納される。そして、フィッティング結果記憶部１２５から境界線付フレーム画像ＧＦ２がフィッティング精度算出部１３１Ｅに出力され、フィッティング精度算出部１３１Ｅにて画像比較情報が算出される。
境界線付フレーム画像ＧＦ２がフレーム画像Ｇのエッジに対してフィッティング処理が行われた場合は、フィッティング関数Ｆとエッジ（別途行われる画像抽出処理（所定の方法）により抽出される）との間に生じたズレを計算し、当該ズレの距離を画像比較情報として用いることができる。また、境界線付フレーム画像ＧＦ２がフレーム画像Ｇから抽出した０／１の領域情報に対してフィッティング処理が行われた場合は、エッジが０／１で明確なため比較的簡単な画像抽出処理（所定の方法）を用いてエッジを抽出することができ、フィッティング関数、エッジ間の距離計算により、画像比較情報とすることができる。さらに、境界線付フレーム画像ＧＦ２が濃度を持つフレーム画像Ｇに対して各画素のエッジらしさをもとにフィッティング処理が行われた場合には、各画素のエッジらしさによって重み付けをし、上記重み付けを考慮して画像抽出処理（所定の方法）を用いて抽出されたエッジとフィッティング関数Ｆとの距離を計算することで、画像比較情報とすることができる。画像比較情報はＸ及びＹ座標の距離でもよいし、簡略のためＸまたはＹ座標のどちらか一方のみでもよい。また、形状モデルＭをあてはめる方向が一方向の場合は、その方向と同じくすると簡易に計算することができる。
そして、形状モデル制御部１３０Ｅにおける形状モデル適正評価部１３５Ｅは、当該画像比較情報を評価情報として得ることで、形状モデル制御部１３０Ｅは、当該評価情報に基づいて、第１及び第２のモデル変更処理のうち少なくとも一方の処理（図２８参照）を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、画像比較情報を評価情報とする一例について説明する。図２９は、画像比較情報を用いて形状モデルＭの適正評価を行うことを説明する模式図である。図２９（ａ）では、図１８（ｂ）と同様に、呼吸周期変化において呼気と吸気の中間の位置に対応するフレーム画像Ｇｂであり、肺野領域近接領域に相当する横隔膜領域の境界Ｐ４を表現する関数ｆ７２は２次関数としてフィッティング処理されたことを示す図である。そして、図２９（ｂ）では、図２９（ａ）のフレーム画像Ｇｂから所定数枚分経過後の吸気に対応するフレーム画像Ｇｃ（図１８（ｃ）と同様）であり、境界Ｐ４においてフレーム画像Ｇｂと同様のフィッティング関数ｆ７２（すなわち、２次関数）を試しにフィッティングさせた結果を示す図であり、図２９（ｃ）では、フレーム画像Ｇｃの境界Ｐ４において関数ｆ７３（すなわち、３次関数）をフィッティングさせた結果を示す図である。なお、ドットで示した領域ＩＲは、図６と同様に、画像情報から肺野領域と判断された領域を示す。
図２９で示されるように、フレーム画像Ｇｂ（図２９（ａ）参照）においてフィッティング精度の良い関数ｆ７２（２次関数）を用いて、フレーム画像Ｇｃに対してフィッティング処理を行うと、フィッティング精度が悪くなる（図２９（ｂ）参照）。すなわち、フィッティング精度算出部１３１Ｅが、画像比較情報を自動で算出する。ここでは、図２９（ａ）のフレーム画像Ｇｂの横隔膜領域に対しては画像比較情報として差異の値が小さく算出され、逆に、図２９（ｂ）のフレーム画像Ｇｃに対しては差異の値が大きく算出される。そして、形状モデル適正評価部１３５Ｅが、図２９（ｂ）のフレーム画像Ｇｃの横隔膜領域の境界Ｐ４に対しては、２次関数より３次関数の関数ｆが適切であると判定し、形状モデル制御部１３０Ｅが、関数ｆ７２から関数ｆ７３に変更する第１または第２のモデル変更処理を行う。
＜７−２．画像処理装置３Ｅの基本動作：第１のモデル変更処理＞
続いて、図３０は、第６実施形態に係る画像処理装置３Ｅのうち、第１のモデル変更処理（図２８参照）の動作フローを例示した図である。なお、図３０のうち、ステップＳ１６１，Ｓ１６３は図２３のステップＳ１４１，Ｓ１４３と同様であるため、その説明は省略する。
この第６実施形態では、第４実施形態では存在しなかったフィッティング精度算出部１３１Ｅが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ１６１を経て、図３０で示されるように、ステップＳ１６２では、形状モデルフィッティング部１２０が境界線付フレーム画像ＧＦに画像情報を付した境界線付フレーム画像ＧＦ２をフィッティング結果記憶部１２５に出力し、フィッティング結果記憶部１２５が当該境界線付フレーム画像ＧＦ２を格納する。
そして、ステップＳ１６３にて、未処理がない場合にはステップＳ１６６に移り、ステップＳ１６６にて、フィッティング結果記憶部１２５が、格納している境界線付フレーム画像ＧＦ２のうち画像情報を取り除いた境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力して本動作フローが終了される。一方、未処理があると判定されればステップＳ１６４に移る。
ステップＳ１６４では、フィッティング結果記憶部１２５がフィッティング精度算出部１３１Ｅに境界線付フレーム画像ＧＦ２を出力し、フィッティング精度算出部１３１Ｅが、境界線付フレーム画像ＧＦ２に基づき画像比較情報を算出する。
ステップＳ１６５では、形状モデル適正評価部１３５Ｅが画像比較情報に基づいて評価情報を得る。そして、形状モデル制御部１３０Ｅが、当該評価情報に基づいて第１のモデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与え、ステップＳ１６２に移る。
そして、ステップＳ１６２においては、形状モデルフィッティング部１２０が、ステップＳ１６５において変更された形状モデルＭを用いてフィッティング処理を行い、フィッティング結果記憶部１２５に境界線付フレーム画像ＧＦ２を格納する。
このように、全てのフレーム画像Ｇにおけるフィッティング処理が終了されるまで、ステップＳ１６２〜ステップＳ１６５の工程が繰り返され、全てのフレーム画像Ｇにおいてフィッティング処理が終了された後、上記のステップＳ１６６を経由して本動作フローが終了される。
以上のように画像処理装置３Ｅでは、評価情報は、境界線付フレーム画像ＧＦにおけるフィッティング関数Ｆが近似する肺野領域の境界と、当該フィッティング関数Ｆを導くために用いられたフレーム画像Ｇ（当該境界線付フレーム画像ＧＦ）の画像情報から所定の方法を用いて抽出した肺野領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を含むことにより、別途所定の方法を用いて求めた実際の画像情報との違いを参考にして第１のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
＜７−３．画像処理装置３Ｅの基本動作：第２のモデル変更処理＞
続いて、図３１は、第６実施形態に係る画像処理装置３Ｅのうち、第２のモデル変更処理（図２８参照）の動作フローを例示した図である。なお、図３１のうち、ステップＳ２６１，Ｓ２６４，Ｓ２６７は図２４のステップＳ２４１，Ｓ２４４，Ｓ２４７と同様であるため、その説明は省略する。
第１のモデル変更処理と同様に、第４実施形態では存在しなかったフィッティング精度算出部１３１Ｅが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ２６１を経て、図３１で示されるように、ステップＳ２６２では、形状モデルフィッティング部１２０が境界線付フレーム画像ＧＦ２を順次得ながら、当該境界線付フレーム画像ＧＦ２をフィッティング結果記憶部１２５に順次出力する。そして、フィッティング結果記憶部１２５が当該境界線付フレーム画像ＧＦ２を順次格納する。なお、順次得られる境界線付フレーム画像ＧＦ２は、上述の第１のモデル変更処理（図３０参照）により取得されることが好ましい。
ステップＳ２６３では、フィッティング結果記憶部１２５がフィッティング精度算出部１３１Ｅに境界線付フレーム画像ＧＦ２を順次出力し、フィッティング精度算出部１３１Ｅが、境界線付フレーム画像ＧＦ２に基づき画像比較情報を順次算出する。
そして、ステップＳ２６４にて、ステップＳ２６３で取得した画像比較情報に基づき、第２のモデル変更処理を実施するか否かを判定し、実施しない場合にはステップＳ２６８に移り、ステップＳ２６８にて、フィッティング結果記憶部１２５が、格納している境界線付フレーム画像ＧＦ２のうち画像情報を取り除いた境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力して本動作フローが終了される。一方、第２のモデル変更処理を実施する場合にはステップＳ２６５に移る。
ステップＳ２６５では、形状モデル制御部１３０Ｅが、ステップＳ２６３にて得られた画像比較情報に基づいて第２のモデル変更処理を実施し、変更された形状モデルＭを用いた再度のフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。このとき、形状モデル制御部１３０Ｅは、再度のフィッティング処理に用いるフレーム画像（境界線付フレーム画像ＧＦ２）を形状モデルフィッティング部１２０に出力するようにフィッティング結果記憶部１２５に指令を与える。
そして、ステップＳ２６６では、形状モデルフィッティング部１２０が、境界線付フレーム画像ＧＦ２をフィッティング結果記憶部１２５から取得し、ステップＳ２４５において変更された形状モデルＭを用いて再度のフィッティング処理を行う。そして、フィッティング結果記憶部１２５に元々格納されている境界線付フレーム画像ＧＦ２を、再度のフィッティング処理で出力された境界線付フレーム画像ＧＦ２に置き換えてフィッティング結果記憶部１２５に格納する。
そして、ステップＳ２６７にて、更に第２のモデル変更処理を続けるか否かを形状モデル制御部１３０Ｅが判定し、続けない場合にはステップＳ２６８に移り、上記のステップＳ２６８を経由して本動作フローが終了される。一方、更に第２のモデル変更処理を続ける場合にはステップＳ２６３に移る。
このように、第２のモデル変更処理が終了されるまで、ステップＳ２６３〜ステップＳ２６７の工程が繰り返され、第２のモデル変更処理が終了された後、上記のステップＳ２６８を経由して本動作フローが終了される。
以上のように画像処理装置３Ｅでは、評価情報は、境界線付フレーム画像ＧＦにおけるフィッティング関数Ｆが近似する肺野領域の境界と、当該フィッティング関数Ｆを導くために用いられたフレーム画像Ｇ（当該境界線付フレーム画像ＧＦ）の画像情報から所定の方法を用いて抽出した肺野領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を含むことにより、別途所定の方法を用いて求めた実際の画像情報との違いを参考にして第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
＜８．第７実施形態＞
図３２は、本発明の第７実施形態として構成された画像処理装置３Ｆ（図１参照）で用いられる制御部３１Ｆの機能構成を示す図である。この制御部３１Ｆは、第１のモデル変更処理の制御が可能であり、第４実施形態の画像処理装置３Ｃのうち第１のモデル変更処理を制御する制御部３１Ｃ（図２０参照）の代替として使用される。第４実施形態と異なる点は、形状モデル制御部１３０Ｆがフィッティング履歴記憶部１３１Ｆを更に備える点である。なお、残余の構成は画像処理装置３Ｃ（図２０参照）と同様である。
＜８−１．フィッティング履歴記憶部１３１Ｆ＞
フィッティング履歴記憶部１３１Ｆでは、形状モデル制御部１３０Ｆにて逐次決定された形状モデルＭを逐次記憶することでフィッティング履歴情報として総括的に記憶する。
そして、形状モデル制御部１３０Ｆにおける形状モデル適正評価部１３５Ｆは、当該フィッティング履歴情報を評価情報として得ることで、形状モデル制御部１３０Ｆは、当該評価情報に基づいて、第１のモデル変更処理（図３２参照）を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、フィッティング履歴情報を評価情報とする一例について説明する。図３３は、フィッティング履歴情報を用いて形状モデルＭの適正評価を行うことを説明する模式図である。図３３の上段（フィッティング関数Ｆ及びそれを決定したモデル）は、フィッティング履歴記憶部１３１Ｆにて記憶されたフィッティング関数Ｆ及びそれを決定したモデル（すなわち、フィッティング関数Ｆを導出するモデル）をフレーム順に示す図であり、図３３の下段（フィッティング履歴）は、フィッティング履歴記憶部１３１Ｆにて既に格納されている形状モデルＭの履歴情報を示す図である。このフィッティング履歴に示される形状モデルＭは、形状モデル適正評価部１３５Ｆにより適正であると判断されたモデルのみが対象となり、フィッティング履歴記憶部１３１Ｆにて格納されている。
図３３で示されるように、過去から現在までのフレーム画像Ｇ（フレーム（１）〜フレーム（ｉ））が、フィッティング関数Ｆを決定したモデルとフィッティング履歴に示されるモデルとが同じモデルで処理されている場合には、次のフレーム画像Ｇ（フレーム（ｉ＋１））においてもフィッティング履歴と同様であると予測できる。このため、形状モデル適正評価部１３５Ｆは、フレーム（ｉ＋１）に対してはフィッティング関数Ｆ２を導き出すモデル２を採用することに高評価を与え、フィッティング関数Ｆ１やＦ３を導き出すモデル１やモデル３を採用することに低評価を与える。そして、形状モデル制御部１３０Ｆが当該評価情報を受けて、フレーム（ｉ＋１）の形状モデルＦをモデル３からモデル２に変更する、所謂、第１のモデル変更処理を実施する。なお、説明の都合上、モデル１〜３からフィッティング関数Ｆ１〜Ｆ３が導き出されると仮定した。
このように、過去の境界線付フレーム画像ＧＦを得るために用いられた形状モデルＭの変更履歴を使って、形状モデルＭの変更を評価することができる。既に決定したモデル履歴を使うことで、過去の境界線付フレーム画像ＧＦとの一貫性を保った安定化を図ることが可能となる。
＜８−２．画像処理装置３Ｆの基本動作：第１のモデル変更処理＞
続いて、図３４は、第７実施形態に係る画像処理装置３Ｆ（図３２参照）の動作フローを例示した図である。なお、図３４のうち、ステップＳ１７１〜Ｓ１７３，Ｓ１７５は図２３のステップＳ１４１〜Ｓ１４３，Ｓ１４５と同様であるため、その説明は省略する。
この第７実施形態では、第４実施形態では存在しなかったフィッティング履歴記憶部１３１Ｆが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ１７１〜Ｓ１７３を経て、図３４で示されるように、ステップＳ１７４では、形状モデル適正評価部１３５Ｆがフィッティング履歴情報に基づいて評価情報を得た後、形状モデル制御部１３０Ｆが、当該評価情報に基づいて第１のモデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与え、ステップＳ１７２に移る。そして、残余の工程は第４実施形態と同様となる。
以上のように画像処理装置３Ｆでは、評価情報はフィッティング履歴情報を含むことにより、フィッティング履歴情報を参照しながら第１のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
＜９．第８実施形態＞
図３５は、本発明の第８実施形態として構成された画像処理装置３Ｇ（図１参照）で用いられる制御部３１Ｇの機能構成を示す図である。この制御部３１Ｇは、第４実施形態の画像処理装置３Ｃのうち第２のモデル変更処理を制御する制御部３１Ｃ（図２１参照）の代替として使用される。第４実施形態と異なる点は、形状モデル制御部１３０Ｇが位置形状変化算出部１３１Ｇを更に備える点である。なお、残余の構成は画像処理装置３Ｃ（図２１参照）と同様である。
＜９−１．位置形状変化算出部１３１Ｇ＞
位置形状変化算出部１３１Ｇでは、フィッティング結果記憶部１２５にて格納された境界線付フレーム画像ＧＦにおけるフィッティング関数Ｆ間において、肺野領域近接領域の時間的な位置変位量や形状変化を示す位置形状変化情報を算出する。
そして、形状モデル制御部１３０Ｇにおける形状モデル適正評価部１３５Ｇは、当該位置形状変化情報を評価情報として得ることで、形状モデル制御部１３０Ｇは、当該評価情報に基づいて、第２のモデル変更処理（図３５参照）を実施し、変更された形状モデルＭを用いた再度のフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、位置形状変化情報を評価情報とする一例について説明する。図３６は、位置形状変化情報を用いて形状モデルの適正評価を行うことを説明する模式図であり、フィッティング結果記憶部１２５にて格納されたフィッティング関数Ｆの横隔膜領域の境界Ｐ３（図４参照）における関数をフレーム順に示す図である。同図（ａ）及び（ｂ）に示すように、ｆ１２，ｆ１１間、ｆ１３（ｆ１３ｅ），ｆ１２間、ｆ１４（ｆ１４ｅ），ｆ１３間、ｆ１５，ｆ１４間それぞれの位置形状変化が位置形状変化情報となる。
まず、位置変位量を示す位置形状変化情報について説明する。図３６（ａ）で示されるように、第１〜第５番目のフレーム画像Ｇ（フレーム（１）〜（５））のうち、フレーム（１）〜（３）（５）の関数ｆ１１，ｆ１２，ｆ１３，ｆ１５は、この順で右上がりに位置が変化するトレンドを示す。しかしながら、フレーム（４）のる関数ｆ１４ｅは関数ｆ１３，ｆ１５の中間の位置には存在せず、関数ｆ１３の位置よりも下に位置している。このため、第４番目のフレーム画像Ｇは、関数ｆ１４ｅから関数ｆ１４の位置に変更されることが好ましいという、位置変位量を主体とした位置形状変化情報に基づく評価結果が形状モデル適正評価部１３５Ｇにより得られる。そして、形状モデル制御部１３０Ｇが当該評価結果を受けて、第４番目のフレーム画像Ｇの形状モデルＭの横隔膜領域の境界Ｐ３を、関数ｆ１４ｅから関数ｆ１４に変更する、所謂、第２のモデル変更処理を実施する。
次に、形状変化を示す位置形状変化情報について説明する。図３６（ｂ）で示されるように、第１〜第５番目のフレーム画像Ｇのうち、フレーム（１）（２）（４）（５）の関数ｆ１１，ｆ１２，ｆ１４，ｆ１５は上に凸の形状を表現しているが、フレーム（３）の関数ｆ１３ｅだけが下に凸の形状を表現している。このため、第３番目のフレーム画像Ｇは、関数ｆ１３ｅから関数ｆ１３の形状に変更されることが好ましいという、形状変化を主体とした位置形状変化情報に基づく評価結果が形状モデル適正評価部１３５Ｇにより得られる。そして、形状モデル制御部１３０Ｇが当該評価結果を受けて、第３番目のフレーム画像Ｇの形状モデルＭの横隔膜領域の境界Ｐ３を、関数ｆ１３ｅから関数ｆ１３に変更する、所謂、第２のモデル変更処理を実施する。
＜９−２．画像処理装置３Ｇの基本動作：第２のモデル変更処理＞
続いて、図３７は、第８実施形態に係る画像処理装置３Ｇ（第２のモデル変更処理）の動作フローを例示した図である。なお、図３７のうち、ステップＳ２８３を除いて、図２４の工程と全て同様であるため、その説明は省略する。
この第８実施形態では、第４実施形態では存在しなかった位置形状変化算出部１３１Ｇが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ２８１〜ステップＳ２８２を経て、図３７で示されるように、ステップＳ２８３では、位置形状変化算出部１３１ＧがステップＳ２８２にて順次格納された境界線付フレーム画像ＧＦに付されたフィッティング関数Ｆ間において、肺野領域近接領域の時間的な位置変位量や形状変化を示す位置形状変化情報を算出するとともに、形状モデル適正評価部１３５Ｇが位置形状変化情報を評価情報として得る（図３６参照）。そして、残余の工程は第４実施形態と同様となる（図２４参照）。
以上のように画像処理装置３Ｇでは、評価情報は位置形状変化情報であることにより、位置形状変化が大きければ、フィッティング精度が悪いと予測して第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。また逆に、位置形状変化が小さければ、フィッティング精度が悪くないと予測できるため、第２のモデル変更処理を実施しない判断（ステップＳ２８３で“Ｎ”）を行える。これにより、フィッティング精度悪化を防ぐことが可能となる。
＜１０．第９実施形態＞
図３８は、本発明の第９実施形態として構成された画像処理装置３Ｈ（図１参照）で用いられる制御部３１Ｈの機能構成を示す図である。この制御部３１Ｈは、第１及び第２のモデル変更処理の何れも制御可能であり、第４実施形態の画像処理装置３Ｃの第１及び第２のモデル変更処理を制御する制御部３１Ｃ（図２０及び図２１参照）の代替として使用される。第４実施形態と異なる点は、形状モデル制御部１３０Ｈが位置関係算出部１３１Ｈを更に備える点である。ここで、図３８は、第１及び第２のモデル変更処理を合わせて示した図である。なお、残余の構成は画像処理装置３Ｃ（図２０及び図２１参照）と同様である。
＜１０−１．位置関係算出部１３１Ｈ＞
肺野領域近接領域が複数存在する場合において、位置関係算出部１３１Ｈでは、境界線付フレーム画像ＧＦに付されたフィッティング関数Ｆの肺野領域の推定近接領域間における相対的な位置関係を示す位置関係情報を算出する。
そして、形状モデル制御部１３０Ｈにおける形状モデル適正評価部１３５Ｈは、当該位置関係情報を評価情報として得ることで、形状モデル制御部１３０Ｈは、当該評価情報に基づいて、第１または第２のモデル変更処理（図３８参照）を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
位置関係情報を評価情報とする場合として次のような例がある。例えば、横隔膜や心臓は呼吸や心拍に応じて形状を変えるが、右肺野と左肺野とで通常位相が同一であり連動している。左右ともに横隔膜の位置関係が大きく異なる場合は、フィッティングさせた形状モデルＭが悪かった可能性があるため評価値を低くすることができる。一方、心臓は心拍の際に膨らみ位置が移動してゆくが、左肺野と右肺野とでその高さ方向の位置関係はあまり変わらない。そこで、その位置関係が同一であるほど評価値を高くすることができる。
図３９は、位置関係情報を用いて形状モデルＭの適正評価を行うことを説明する模式図であり、ここでは、肺野領域近接領域として横隔膜領域（左肺野と右肺野との高さ方向の位置関係）を例にして説明する。図３９（ａ）では、適正にフィッティング処理が行われなかった横隔膜領域の境界Ｐ３，Ｐ４（図４参照）における関数ｆ１ｅ，ｆ７ｅを示す図であり、図３９（ｂ）では、評価結果を受けて適正にフィッティング処理が行われた関数ｆ１，ｆ７を示す図である。
図３９（ａ）で示されるように、関数ｆ１ｅ，ｆ７ｅは、横隔膜領域の境界Ｐ３，Ｐ４（図４参照）の高さ方向の位置関係が左右で大きく異なった状態でフィッティング処理が行われており、図３９（ｂ）で示されるような適正な位置関係（関数ｆ１，ｆ７）に変更されることが好ましいという評価結果が形状モデル適正評価部１３５Ｈにより得られる。そして、形状モデル制御部１３０Ｈが当該評価結果を受けて、フレーム画像Ｇの形状モデルＭの関数ｆ１ｅ，ｆ７ｅを、関数ｆ１，ｆ７（図３９（ｂ）参照）に変更する、所謂、第１または第２のモデル変更処理を実施する。
＜１０−２．画像処理装置３Ｈの基本動作：第１のモデル変更処理＞
続いて、図４０は、第９実施形態に係る画像処理装置３Ｈのうち、第１のモデル変更処理（図３８参照）の動作フローを例示した図である。なお、図４０のうち、ステップＳ１９１〜Ｓ１９３，Ｓ１９６は図２３のステップＳ１４１〜Ｓ１４３，Ｓ１４５と同様であるため、その説明は省略する。
この第６実施形態では、第４実施形態では存在しなかった位置関係算出部１３１Ｈが付加されたことで、下記の工程が変更及び追加される。
すなわち、第１実施形態と同様の工程として、ステップＳ１９１〜ステップＳ１９３を経て、図４０で示されるように、ステップＳ１９４では、位置関係算出部１３１Ｈが、ステップＳ１９２において格納された境界線付フレーム画像ＧＦに付されたフィッティング関数Ｆの肺野領域の推定近接領域間における相対的な位置関係を示す位置関係情報を算出する（図３９参照）。
ステップＳ１９５では、形状モデル適正評価部１３５Ｈが位置関係情報に基づいて評価結果を得る。そして、形状モデル制御部１３０Ｈが、当該評価結果に基づいて第１のモデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与え、ステップＳ１９２に移る。そして、残余の工程は第４実施形態と同様となる（図２３参照）。
以上のように画像処理装置３Ｈでは、評価情報は位置関係情報であることにより、肺野領域の推定近接領域間における相対的な位置関係が想定と異なる場合は、フィッティング精度が悪いと予測して第１のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。
また逆に、肺野領域の推定近接領域間における相対的な位置関係が想定内である場合は、フィッティング精度が悪くないと予測できる。このため、第１のモデル変更処理では、大きく形状モデルＭを変更しない処理、もしくは、現在の形状モデルＭをそのまま未来の形状モデルＭとする処理を実施できる。これにより、フィッティング精度悪化を防ぐことが可能となる。
＜１０−３．画像処理装置３Ｈの基本動作：第２のモデル変更処理＞
続いて、図４１は、第９実施形態に係る画像処理装置３Ｈのうち、第２のモデル変更処理（図３８参照）の動作フローを例示した図である。なお、図４１のうち、ステップＳ２９３を除いて、図２４の工程と全て同様であるため、その説明は省略する。
第１のモデル変更処理と同様に、第４実施形態では存在しなかった位置関係算出部１３１Ｈが付加されたことで、下記の工程が変更される。
すなわち、第４実施形態と同様の工程として、ステップＳ２９１〜ステップＳ２９２を経て、図４１で示されるように、ステップＳ２９３では、位置関係算出部１３１ＨがステップＳ２９２にて順次格納された境界線付フレーム画像ＧＦに付されたフィッティング関数Ｆにおいて、肺野領域の推定近接領域間における相対的な位置関係を示す位置関係情報をフレーム毎に順次算出するとともに、形状モデル適正評価部１３５Ｈが位置形状変化情報を評価情報として得る（図３９参照）。そして、残余の工程は第４実施形態と同様となる（図２４参照）。
以上のように画像処理装置３Ｇでは、評価情報は位置関係情報であることにより、肺野領域の推定近接領域間における相対的な位置関係が想定と異なる場合は、フィッティング精度が悪いと予測して第２のモデル変更処理を実施することが可能となるため、フィッティング精度向上を可能にする。また逆に、肺野領域の推定近接領域間における相対的な位置関係が想定内である場合は、フィッティング精度が悪くないと予測できる。このため、第２のモデル変更処理では実施しない判断（ステップＳ２９４で“Ｎ”）を行える。これにより、フィッティング精度悪化を防ぐことが可能となる。
＜１１．第１０実施形態＞
図４２は、本発明の第１０実施形態として構成された画像処理装置３Ｉ（図１参照）で用いられる制御部３１Ｉの機能構成を示す図である。この制御部３１Ｉは、第１のモデル変更処理の制御が可能であり、第４実施形態の画像処理装置３Ｃのうち第１のモデル変更処理を制御する制御部３１Ｃ（図２０参照）の代替として使用される。第４実施形態と異なる点は、時間変化検出部１１５Ｉを更に備える点、及び、形状モデル制御部１３０Ｉが優先度付変更パターン記憶部１３１Ｉを更に備える点である。なお、残余の構成は画像処理装置３Ｃ（図２０参照）と同様である。
＜１１−１．時間変化検出部１１５Ｉ＞
時間変化検出部１１５Ｉでは、フレーム画像Ｇに同期した肺野領域近接領域の周期的な時間変化を検出し、時間変化情報Ｔを得る。時間変化検出部１１５Ｉは、第３実施形態における時間変化検出部１１５Ｂ（図１０参照）と同様の機能を有しており、時間変化検出部１１５Ｂ’（図１１参照）の機能と代替させることも可能である。
＜１１−２．優先度付変更パターン記憶部１３１Ｉ＞
優先度付変更パターン記憶部１３１Ｉでは、形状モデルＭの変更パターンに肺野領域近接領域の周期的な時間変化に対応する優先度を付して作成された優先度付変更パターン情報Ｃを予め記憶する。
形状モデルＭの変更パターンに肺野領域近接領域の周期的な時間変化としては、心拍位相による心臓形状の変化（図１３及び図１４参照）、呼吸位相による横隔膜の隠れ（図１８参照）や大動脈の隠れなどが挙げられる。例えば、図１８で示されるように、呼吸位相に対して横隔膜は、吸気で次数増、呼気で次数減の変化をしてゆくため、位相に対応して形状モデルＭの変更先を予め限定した評価条件を優先度付変更パターン情報Ｃとして設定することが可能である。つまり、吸気位相では肺が膨張して肋横角の形がよく見える状態に近づくため、横隔膜の関数の次数が増える方向に遷移するような評価条件を優先度付変更パターン情報Ｃとして設定することができ、逆に、呼気位相では肺が収縮して他の臓器に隠れていくため、次数が減る方向に遷移するような評価条件を優先度付変更パターン情報Ｃとして設定することができる。
そして、形状モデル制御部１３０Ｉにおける形状モデル適正評価部１３５Ｉは、当該優先度付変更パターン情報Ｃを評価情報として得ることで、形状モデル制御部１３０Ｉは、当該評価情報に基づいて、第１のモデル変更処理（図４２参照）を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与える。
以下では、優先度付変更パターン情報Ｃを評価情報とする一例について説明する。図４３は、優先度付変更パターン情報を用いて形状モデルの適正評価を行うことを説明する模式図であり、ここでは、肺野領域近接領域は横隔膜領域とし、周期的な時間変化は呼気吸気として説明する。
図４３で示されるように、現在のフレーム画像Ｇの形状モデルＭがＩＤ１の時、次のフレーム画像Ｇの形状モデルＭがＩＤ１であれば、呼気及び吸気ともに、優先度評価の最も高い５となる。また、次のフレーム画像Ｇの形状モデルＭがＩＤ２であれば、呼気は優先度評価が中の３、吸気は優先度評価が最も低い０となる。そして、次のフレーム画像Ｇの形状モデルＭがＩＤ３であれば、呼気は優先度評価が低い１、吸気は優先度評価が最も低い０となる。例えば、時間変化検出部１１５Ｉにて得られた時間変化情報Ｔから次のフレーム画像Ｇが呼気に位置するとわかる場合、形状モデル適正評価部１３５Ｉは、現在のフレーム画像Ｇの形状モデルＭがＩＤ１の時、次のフレーム画像Ｇの形状モデルＭとしてＩＤ１を採用することに高評価を与え、ＩＤ２やＩＤ３を採用することに低評価を与える。そして、形状モデル制御部１３０が当該評価情報を受けて、形状モデルＭをＩＤ１からＩＤ１に変更（維持）する、所謂、第１のモデル変更処理を実施する。
同様に、現在のフレーム画像Ｇの形状モデルＭがＩＤ２の時、次のフレーム画像Ｇの形状モデルＭがＩＤ１であれば、呼気は優先度評価が最も低い０となり、吸気は優先度評価が中の３となる。また、次のフレーム画像Ｇの形状モデルＭがＩＤ２であれば、呼気及び吸気ともに、優先度評価の最も高い５となる。例えば、時間変化検出部１１５Ｉにて得られた時間変化情報から次のフレーム画像Ｇが吸気に位置するとわかる場合、形状モデル適正評価部１３５Ｉは、現在のフレーム画像Ｇの形状モデルＭがＩＤ２の時、次のフレーム画像Ｇの形状モデルＭとしてＩＤ２を採用することに高評価を与え、ＩＤ１を採用することに低評価を与える。そして、形状モデル制御部１３０Ｉが当該評価情報を受けて、形状モデルＭをＩＤ２からＩＤ２に変更（維持）する、所謂、第１のモデル変更処理を実施する。
＜１１−３．画像処理装置３Ｉの基本動作：第１のモデル変更処理＞
続いて、図４４は、第１０実施形態に係る画像処理装置３Ｉ（図４２参照）の動作フローを例示した図である。なお、図４４のうち、ステップＳ１０２，Ｓ１０３，Ｓ１０５は図２３のステップＳ１４２，Ｓ１４３，Ｓ１４５と同様であるため、その説明は省略する。
第４実施形態では存在しなかった優先度付変更パターン記憶部１３１Ｉが付加されたことで、下記の工程が変更される。
図４４に示すように、まず、ステップＳ１０１において、制御部３１Ｉの動画像取得部１１０が、撮像装置１の読取制御装置１４によって撮影された動画像を、撮影制御装置２を介して取得するとともに、時間変化検出部１１５Ｉが、撮像装置１のサイクル検出部１５から呼吸周期変化を取得し、心電計４の位相検出部４１から心拍周期変化（時間変化情報Ｃ）を取得する。
そして、第４実施形態と同様の工程として、ステップＳ１０２〜Ｓ１０３を経て、図４４で示されるように、ステップＳ１０４では、形状モデル適正評価部１３５Ｉが、ステップＳ１０１にて取得した時間変化に対応付けられた優先度付変更パターン情報Ｃ（図４３参照）に基づいて評価情報を得た後、形状モデル制御部１３０Ｉが、当該評価情報に基づいて第１のモデル変更処理を実施し、変更された形状モデルＭを用いたフィッティング処理を実施するように形状モデルフィッティング部１２０に指令を与え、ステップＳ１０２に移る。そして、残余の工程は第４実施形態と同様となる。
以上のように画像処理装置３Ｉでは、評価情報は時間変化に対応付けられた優先度付変更パターン情報Ｃであることにより、優先度付変更パターン情報Ｃを参照しながら第１のモデル変更処理を実施することが可能となる。これにより、肺野領域近接領域（横隔膜領域等）の周期変化に適合させて形状モデルを変更することができるため、フィッティング精度向上を可能にする。
＜１２．フレーム画像Ｇの処理方法＞
動画像に含まれるフレーム画像Ｇを形状モデルフィッティング部１２０に入力し境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力する処理方法において、本発明の画像処理装置では、大別すると次の３つのケースを主に想定している。
（I）１フレーム画像Ｇ毎の処理
１つ目は、１枚のフレーム画像Ｇ毎に形状モデルフィッティング部１２０に入力し、１枚の境界線付フレーム画像ＧＦ毎に対象領域抽出部１４０に出力する処理である。すなわち、１フレーム画像Ｇ毎の処理であり、実施形態６，７，９，１０において先述した画像比較情報（図２９参照）、フィッティング履歴情報（図３３参照）、位置関係情報（図３９参照）、優先度付変更パターン情報（図４３参照）などの評価情報に基づいて第１のモデル変更処理が実施される。この場合、これまでの処理情報だけ保持していればよいので、単純に逐次のフレーム画像Ｇ毎に処理することができる。
（II）動画データ一括処理
２つ目は、動画像に含まれる全てのフレーム画像Ｇを一括して形状モデルフィッティング部１２０に入力し（但し、フィッティング処理は順次行う）、境界線付フレーム画像ＧＦを一括して対象領域抽出部１４０に出力する。すなわち、動画データ一括処理であり、フィッティング処理後、全ての境界線付フレーム画像ＧＦをフィッティング結果記憶部１２５に格納した後、実施形態５，６，８，９において先述したフィッティング関数群（図２６参照）、画像比較情報（図２９参照）、位置形状変化情報（図３６参照）、位置関係情報（図３９参照）などの評価情報に基づいて第２のモデル変更処理が実施される。この場合、全ての境界線付フレーム画像ＧＦのデータをフィッティング結果記憶部１２５にバッファしておくことで、時間方向の情報を十分使うことができる。
（III）押し出し処理
３つ目は、動画像に含まれるＸ１枚数のフレーム画像Ｇを形状モデルフィッティング部１２０に入力し、Ｘ１枚数のフレーム画像ＧのうちのＸ２枚数ずつフィッティング処理を行って、逐次的に境界線付フレーム画像ＧＦを対象領域抽出部１４０に出力する。
例えば、動画像に含まれるフレーム画像Ｇの３０枚分が形状モデルフィッティング部１２０に入力された場合は、最初の第１〜第５フレーム画像Ｇまでは時間方向の情報を使わずにフィッティング処理を行い、第６〜第２５フレーム画像Ｇまでを、その第１〜第５フレーム画像Ｇのフィッティング処理結果（時間情報）を使って第１のモデル変更処理後、フィッティング処理を行う。そして、第２６フレーム画像Ｇ以降はフィッティング処理を行わず保留しておく。
次に、第３１〜第６０フレーム画像Ｇまでの３０枚分が形状モデルフィッティング部１２０に入力された場合は、第２６〜第５５フレーム画像Ｇまでを、第１〜第２５フレーム画像Ｇのフィッティング処理結果（時間情報）を使って第１のモデル変更処理後、フィッティング処理を行う。そして、第５６フレーム画像Ｇ以降はフィッティング処理を行わず保留しておく。
その後、後続するフレーム画像Ｇがないと判明していれば、第５６〜第６０フレーム画像Ｇまでは時間方向の情報を使わずにフィッティング処理を行う。
上述の処理例では３０枚分ごとに行われたが、１フレーム画像Ｇ毎でもよい。また、この処理方法では、実施形態６，７，９，１０において先述した画像比較情報（図２９参照）、フィッティング履歴情報（図３３参照）、位置関係情報（図３９参照）、優先度付変更パターン情報（図４３参照）などの評価情報に基づく第１のモデル変更処理だけでなく、実施形態５，６，８，９において先述したフィッティング関数群（図２６参照）、画像比較情報（図２９参照）、位置形状変化情報（図３６参照）、位置関係情報（図３９参照）などの評価情報に基づく第２のモデル変更処理も実施可能である。また、逐次的に処理ができ時間ロスが少ない本処理は、リアルタイム処理に適している。
＜１３．変形例＞
以上、本発明の実施形態について説明してきたが、本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。
※ 本実施形態では、画像処理装置３，３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉを個別に実施されるように各実施形態に分けて記載したが、これらの個別機能は、互いに矛盾しない限り、相互に組み合わせてもよい。
※ 本実施形態におけるフィッティング処理（形状モデルフィッティング部１２０）では、境界線付フレーム画像ＧＦを順次出力する構成であったが、これに限られず、“肺野領域（抽出領域）を切り出した画像”や“フィッティング関数Ｆのみ”を出力する構成であってもよい。したがって、本実施形態におけるフィッティング関数Ｆを少なくとも反映させた所定領域境界情報として、“境界線付フレーム画像ＧＦ”を指したが、これに限られず、“抽出領域を切り出した画像”や“フィッティング関数Ｆ”であってもよい。
なお、本実施形態では、フィッティング関数Ｆは“境界線付フレーム画像ＧＦに付された境界線”によって表現（反映）されていたが、所定領域境界情報が“抽出領域を切り出した画像”である場合には“抽出領域を切り出した画像の縁”によってフィッティング関数Ｆを表現（反映）している。
※ この発明では、身体の撮影対象となる部分のうち、物理的状態が周期的に時間変化する肺野領域を抽出対象としたが、それは、肺野領域だけでなく、蠕動などの不随意運動を行う他の臓器であってもよく、また、筋肉や関節などの随意運動を行う領域であってもよい。また、肺野や心臓等の内臓領域に限られず、例えば、身体に入った異物などを抽出対象としてもよい。
※ 被写体は、人体だけでなく、動物の身体であってもよい。
１ 撮影装置
２ 撮影制御装置
３，３Ａ，３Ｂ，３Ｂ’，３Ｃ〜３Ｉ 画像処理装置
４ 心電計
３１，３１Ａ，３１Ｂ，３１Ｂ’，３１Ｃ〜３１Ｉ 制御部
４１ 位相検出部
１００，１００Ａ，１００Ｂ，１００Ｂ’，１００Ｃ〜１００Ｉ 放射線動態画像撮影システム
１１０ 動画像取得部
１２０ 形状モデルフィッティング部
１１５Ｂ，１１５Ｂ’，１１５Ｉ 時間変化検出部
１３１Ｄ フィッティング関数群記憶部
１３１Ｅ フィッティング精度算出部
１３１Ｆ フィッティング履歴記憶部
１３１Ｇ 位置形状変化算出部
１３１Ｈ 位置関係算出部
１３１Ｉ 優先度付変更パターン記憶部
１３５Ａ 制約条件記憶部
１３５Ｃ〜１３５Ｉ 形状モデル適正評価部
１４０ 対象領域抽出部
Ｍ 形状モデル
Ｆ フィッティング関数
Ｇ フレーム画像
ＧＦ 境界線付フレーム画像
ＯＢ 被写体（被検者）

Claims (17)

  1. 人体または動物の内部における所定領域の物理的状態が時間変化する状態を時間方向に順次に捉えた動画像を取得する動画像取得手段と、
    前記動画像に含まれる複数枚のフレーム画像を順次取得し、前記フレーム画像に対して、前記所定領域の大局的な形状を表現した形状モデルをフィッティングさせるフィッティング処理を行うことにより、当該フレーム画像上における前記所定領域の境界を近似するフィッティング関数を決定し、当該フィッティング関数を少なくとも反映させた所定領域境界情報を順次得る形状モデルフィッティング手段と、
    前記フレーム画像に対する前記フィッティング処理に用いる前記形状モデルを前記時間方向に沿って順次変更する形状モデル変更処理を実施する形状モデル制御手段と、
    を備え、
    前記フィッティング関数は、所定数の関数から構成され、
    前記形状モデルは、
    前記フィッティング関数を決定するためのモデルであり、前記所定数及び前記関数毎の次数の許容範囲のうち、少なくとも１つの情報を含むことを特徴とする、
    画像処理装置。
  2. 請求項１に記載の画像処理装置であって、
    前記形状モデルは、
    前記フレーム画像上における前記関数毎のフィッティング適用範囲の情報、
    を更に含む、
    画像処理装置。
  3. 請求項２に記載の画像処理装置であって、
    前記形状モデル変更処理は、
    （ａ）前記所定数を増減させる処理と、
    （ｂ）前記所定数の関数のうち、少なくとも１つの関数の前記次数の許容範囲を変更する処理と、
    （ｃ）前記所定数の関数のうち、少なくとも１つの関数の前記フィッティング適用範囲を変更する処理と、
    のうち、少なくとも１つの処理を含む、
    画像処理装置。
  4. 請求項３に記載の画像処理装置であって、
    前記形状モデルフィッティング手段は、
    前記フレーム画像の画像情報から所定の方法を用いて前記所定領域の境界と予想される境界候補情報を抽出する処理、
    を更に行い、
    前記フィッティング処理は、
    前記境界候補情報に基づいて、前記フィッティング関数を決定する処理、
    を含み、
    前記形状モデル変更処理は、
    前記境界候補情報に基づいて行う、前記処理（ａ）〜（ｃ）のうち、少なくとも１つの処理、
    を含む、
    画像処理装置。
  5. 請求項４に記載の画像処理装置であって、
    前記フィッティング適用範囲を狭く変更する場合において、
    前記形状モデル変更処理における前記処理（ａ）は、
    前記所定数を減らす処理、
    を含み、
    前記形状モデル変更処理における前記処理（ｂ）は、
    前記所定数の関数のうち、前記フィッティング適用範囲を狭くする関数においては当該関数の前記次数の許容範囲の上限を下げる処理、
    を含む、
    画像処理装置。
  6. 請求項１ないし請求項５のうち、いずれか１項記載の画像処理装置であって、
    前記形状モデル変更処理は、
    予め定めた規則や順序を記憶した制約条件に基づいて前記形状モデルを変更する処理を含む、
    画像処理装置。
  7. 請求項１ないし請求項５のうち、いずれか１項記載の画像処理装置であって、
    前記所定領域に近接する所定領域近接領域が存在する場合において、
    前記フレーム画像に同期した前記所定領域近接領域の周期的な時間変化を検出し、時間変化情報を得る時間変化検出手段、
    を更に備え、
    前記形状モデル変更処理は、
    前記時間変化情報に基づいて前記形状モデルを変更する処理を含む、
    画像処理装置。
  8. 請求項１に記載の画像処理装置であって、
    前記形状モデルフィッティング手段から出力される前記所定領域境界情報を順次記憶するフィッティング結果記憶手段、
    を更に備え、
    前記形状モデル変更処理は、
    前記フレーム画像に対してフィッティング処理が行われた形状モデルから、当該フレーム画像の次のフレーム画像のフィッティング処理に用いる形状モデルに変更する第１のモデル変更処理と、
    前記フレーム画像に対してフィッティング処理が行われた形状モデルから、当該フレーム画像の再度のフィッティング処理に用いる形状モデルに変更する第２のモデル変更処理と、
    を含み、
    前記形状モデル制御手段は、
    前記形状モデル制御手段にて順次変更した形状モデルあるいは前記フィッティング結果記憶手段にて格納された所定領域境界情報におけるフィッティング関数に基づいて、評価情報を得る形状モデル適正評価手段を含み、
    前記形状モデル制御手段は、
    当該評価情報に基づいて、前記第１のモデル変更処理及び前記第２のモデル変更処理のうち少なくとも一方の変更処理を実施することを特徴とする、
    画像処理装置。
  9. 請求項８に記載の画像処理装置であって、
    前記フィッティング結果記憶手段が３以上の前記所定領域境界情報を記憶する場合において、
    前記評価情報は、
    前記フィッティング結果記憶手段にて記憶された前記所定領域境界情報における３以上のフィッティング関数を示すフィッティング関数群を含むことを特徴とする、
    画像処理装置。
  10. 請求項８に記載の画像処理装置であって、
    前記形状モデル制御手段は、
    前記所定領域境界情報におけるフィッティング関数が近似する前記所定領域の境界と、当該フィッティング関数を導くために用いられたフレーム画像の画像情報から所定の方法を用いて抽出した前記所定領域の境界と予想される境界候補情報と、の差異を比較した画像比較情報を算出するフィッティング精度算出手段、
    を含み、
    前記評価情報は、
    前記画像比較情報を含むことを特徴とする、
    画像処理装置。
  11. 請求項８に記載の画像処理装置であって、
    前記形状モデル制御手段は、
    前記形状モデル制御手段にて逐次決定された形状モデルを逐次記憶することでフィッティング履歴情報として総括的に記憶されたフィッティング履歴記憶手段、
    を更に備え、
    前記評価情報は、
    前記フィッティング履歴情報を含むことを特徴とする、
    画像処理装置。
  12. 請求項９に記載の画像処理装置であって、
    前記所定領域に近接する所定領域近接領域が存在する場合において、
    前記形状モデル制御手段は、
    前記フィッティング結果記憶手段にて記憶された所定領域境界情報におけるフィッティング関数間において、前記所定領域近接領域の時間的な位置変位量や形状変化を示す位置形状変化情報を算出する位置形状変化算出手段、
    を更に備え、
    前記評価情報は、
    前記位置形状変化情報を含むことを特徴とする、
    画像処理装置。
  13. 請求項８に記載の画像処理装置であって、
    前記所定領域に近接する所定領域近接領域が複数存在する場合において、
    前記形状モデル制御手段は、
    前記所定領域境界情報におけるフィッティング関数が導き出される当該所定領域の推定近接領域間における相対的な位置関係を示す位置関係情報を算出する位置関係算出手段、
    を更に備え、
    前記評価情報は、
    前記位置関係情報を含むことを特徴とする、
    画像処理装置。
  14. 請求項８に記載の画像処理装置であって、
    前記所定領域に近接する所定領域近接領域が存在する場合において、
    前記フレーム画像に同期した前記所定領域近接領域の周期的な時間変化を検出し、時間変化情報を得る時間変化検出手段、
    を更に備え、
    前記形状モデル制御手段は、
    前記形状モデルの変更パターンに前記所定領域近接領域の周期的な時間変化に対応する優先度を付して作成された優先度付変更パターン情報を予め記憶する優先度付変更パターン記憶手段、
    を更に備え、
    前記評価情報は、
    前記時間変化に対応付けられた前記優先度付変更パターン情報を含むことを特徴とする、
    画像処理装置。
  15. 請求項１ないし請求項１４のうち、いずれか１項記載の画像処理装置であって、
    前記所定領域は肺野領域を含むことを特徴とする、
    画像処理装置。
  16. 請求項７、請求項１２ないし請求項１４のうち、いずれか１項記載の画像処理装置であって、
    前記所定領域は肺野領域を含み、
    前記所定領域近接領域は、
    横隔膜領域、心臓領域、及び、大動脈領域を含むことを特徴とする、
    画像処理装置。
  17. 画像処理装置に含まれるコンピュータによって実行されることにより、前記コンピュータを、請求項１ないし請求項１６のうち、いずれか１項記載の画像処理装置として機能させるプログラム。
JP2012164590A 2012-07-25 2012-07-25 画像処理装置及びプログラム Expired - Fee Related JP5747878B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012164590A JP5747878B2 (ja) 2012-07-25 2012-07-25 画像処理装置及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012164590A JP5747878B2 (ja) 2012-07-25 2012-07-25 画像処理装置及びプログラム

Publications (2)

Publication Number Publication Date
JP2014023606A JP2014023606A (ja) 2014-02-06
JP5747878B2 true JP5747878B2 (ja) 2015-07-15

Family

ID=50197864

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012164590A Expired - Fee Related JP5747878B2 (ja) 2012-07-25 2012-07-25 画像処理装置及びプログラム

Country Status (1)

Country Link
JP (1) JP5747878B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6256124B2 (ja) * 2014-03-13 2018-01-10 コニカミノルタ株式会社 画像処理装置、およびプログラム
JP7227487B2 (ja) * 2019-05-10 2023-02-22 富士通株式会社 画像処理プログラム、画像処理装置および画像処理方法
JP7434923B2 (ja) * 2020-01-23 2024-02-21 コニカミノルタ株式会社 画像診断支援装置及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4226730B2 (ja) * 1999-01-28 2009-02-18 株式会社東芝 物体領域情報生成方法及び物体領域情報生成装置並びに映像情報処理方法及び情報処理装置
JP4202966B2 (ja) * 2004-05-10 2008-12-24 アロカ株式会社 超音波診断装置
US8165359B2 (en) * 2005-08-30 2012-04-24 Agfa Healthcare N.V. Method of constructing gray value or geometric models of anatomic entity in medical image
JP5335280B2 (ja) * 2008-05-13 2013-11-06 キヤノン株式会社 位置合わせ処理装置、位置合わせ方法、プログラム、及び記憶媒体
JP5521392B2 (ja) * 2009-05-22 2014-06-11 コニカミノルタ株式会社 動態画像診断支援システム及びプログラム

Also Published As

Publication number Publication date
JP2014023606A (ja) 2014-02-06

Similar Documents

Publication Publication Date Title
JP6350522B2 (ja) 画像処理装置及びプログラム
JP6636331B2 (ja) 血流予備量比の算出
US9659374B2 (en) Feature-based registration method
JP5643304B2 (ja) 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法
US8218845B2 (en) Dynamic pulmonary trunk modeling in computed tomography and magnetic resonance imaging based on the detection of bounding boxes, anatomical landmarks, and ribs of a pulmonary artery
US8923590B2 (en) Method and system for 3D cardiac motion estimation from single scan of C-arm angiography
JP7308099B2 (ja) ボリューメトリック画像のシーケンスから動的解析をするための方法、デバイス、およびシステム
JP5464799B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP5408400B1 (ja) 画像生成装置及びプログラム
JP6958202B2 (ja) 動態画像処理装置及びプログラム
JP2014140742A (ja) 動いている器官の目標エリア内のオブジェクトを追跡するための方法および装置
JP6221770B2 (ja) 画像処理装置、およびプログラム
JP2019500146A (ja) 体部の３次元モデル
JP5510619B1 (ja) 画像処理装置
JP5747878B2 (ja) 画像処理装置及びプログラム
JP5880332B2 (ja) 画像処理装置及びプログラム
WO2014063750A1 (en) Determining a four-dimensional ct image based on three-dimensional ct data and four-dimensional model data
KR101460908B1 (ko) 4차원 컴퓨터 단층촬영 영상의 폐종양 위치 추적 시스템 및 그 방법
JP6927020B2 (ja) 動態画像処理方法、動態画像処理装置及びプログラム
JPWO2019220871A1 (ja) 胸部ｘ線画像の異常表示制御方法、異常表示制御プログラム、異常表示制御装置、及びサーバ装置
JP6253992B2 (ja) 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム
JP2007014435A (ja) 画像処理装置、画像処理方法およびそのプログラム
JP2015131057A (ja) 画像処理装置、およびプログラム
JP2019180799A (ja) 医用画像処理装置、医用画像処理方法、およびプログラム
US20230306677A1 (en) Automated registration method of 3d facial scan data and 3d volumetric medical image data using deep learning and computer readable medium having program for performing the method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140918

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150408

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150414

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150427

R150 Certificate of patent or registration of utility model

Ref document number: 5747878

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees