JP5880332B2 - 画像処理装置及びプログラム - Google Patents

Description

本発明は、人体または動物の身体が撮影された医用画像に対して、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、対象部位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部位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。例えば、胸部Ｘ線動態画像から肺野内の換気状態や血流状態から動態機能を定量解析することで疾病の診断や治療を支援（Ｘ線動画用ＣＡＤ）する検討も実施されている。

そのため、動態画像を用いた医療診断において、対象領域の動き解析や診断を実施するにためには、対象領域である肺野領域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は、下記のような手法が挙げられる。例えば、特許文献１及び特許文献２が開示する技術では、２値化処理やラベリング処理のような手法が提案されている。

また、特許文献３が開示する放射線画像撮影装置では、入力画像をアフィン変換してモデル画像とテンプレートマッチを行い、テンプレートとの対応点をアフィン変換した画像にマークした後に、画像を逆アフィン変換することで、単純にテンプレートを使用した場合より安定して胸郭部の検出が可能となる。

また、特許文献４が開示する肺領域のための２次元の統計的形状モデルを自動構成するための方法では、撮影画像から肺領域の形状標本を抽出し、形状アライメントアルゴリズムを用いることによって、全ての形状標本を所定のテンプレート形状に可能な限り近づけて位置合わせし、位置合わせされた形状標本を用いて主成分分析によって肺領域の統計的モデル形状を生成する。

さらに、特許文献５が開示する解剖学的構造物の構造検出技術では、部分構造情報抽出手段によって所定の構造物の一部分の構造を表す部分構造情報を抽出した後、構造変更モデルデータを作成し、該構造モデルデータを所定の構造物の全体的な構造を表す全体構造情報として取得する。

特開平０９−０３５０４３号公報 特開平１１−１５１２３２号公報 特開２００４−８１４２４号公報 特開２００４−１８８２０１号公報 特開２００５−１９８８８７号公報

しかしながら、動態画像に上記特許文献１−４の従来技術を適用し、対象領域（肺野領域）を抽出する場合においては、下記のような問題がある。すなわち、動態画像は低線量であるがためにノイズが多く画像が不鮮明画像であるため、上記特許文献１及び２の技術では、境界ギリギリまで正確に抽出することは困難であり、また、上記特許文献３及び４の技術においても、形状を合わせ込む（フィッティングさせる）ためのポイントを抽出することが困難である。このように、上記特許文献１−４のような静止画像を対象とした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。

また、一般的に抽出に用いられるテンプレート（例えば、上記特許文献３及び４等）は、単純に複数枚の画像から生成した平均画像や、単純なモデル画像を表現した画像（例えば白黒の画像）である。このため、動態画像に適用するにあたっては、少ないテンプレートで対応しようとすると、肺の大きさや心臓の大きさといった対象部位の形状に個人差があることにより、境界ギリギリまで抽出することは困難である。

さらに、画像より構造物の構造情報を推定する場合や撮影環境や線量が変わった場合は、多くのチューニングが必要となる。ここで、上記特許文献５では、健常者を被写体とする場合には、単純な形状差を修正するだけでよいことから有効な手段ではある。しかしながら、撮影情報が特殊条件における場合や本来存在するはずの構造がないなどの手術歴や病歴をもつ非健常者を被写体とする場合に対しては、上記特許文献５では対応することができない。このため、診断を実施するにあたって重要な非健常者の診断をサポートできないという課題がある。

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医用画像（動態画像を含む）から対象部位を抽出する際、通常と異なる撮影状況であっても、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、人体または動物の身体を被写体とし該被写体における所定部位を一部に含ませて放射線撮影された医用画像を取得する画像取得手段と、前記放射線撮影前に予め入力された前記被写体あるいは前記放射線撮影環境に関する情報である撮影情報を取得する撮影情報取得手段と、前記撮影情報に基づいて、前記所定部位の境界を示すモデル情報を決定するモデル情報決定処理を実施するモデル情報制御手段と、前記モデル情報決定処理において決定されたモデル情報に基づいて、前記医用画像から前記所定部位を抽出する所定部位抽出処理を実施する抽出手段とを備え、前記所定部位抽出処理は、前記医用画像に対してテンプレートを用いてテンプレートマッチングを行い、前記所定部位を含む領域を粗く抽出し粗抽出領域を決定する粗抽出処理と、前記粗抽出領域に基づく領域に対して、前記所定部位の境界を近似する所定数のフィッティング関数で表現され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とを含み、前記モデル情報は、前記テンプレート及び前記形状モデルのうち少なくとも一方を指示する情報を含み、前記粗抽出処理における前記テンプレートマッチングは、第１のテンプレートを用いた１段目テンプレートマッチングと、１段目テンプレートマッチングによるマッチング結果を利用して行う、前記第１のテンプレートで規定される領域を複数の領域に細分化した複数の第２のテンプレートを用いた２段目テンプレートマッチングとを含む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、前記撮影情報は、前記被写体の固有の情報を示す被写体固有情報、前記被写体の過去及び現在の状態を示す被写体状態情報、前記医用画像が撮影された環境を示す撮影環境情報、のうち少なくとも何れか１つの情報を含む。

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、前記被写体固有情報は、性別、年齢、胸囲、体重、身長、肺活量のうち少なくとも何れか１つの情報を含む。

また、請求項４の発明は、請求項２に記載の画像処理装置であって、前記被写体状態情報は、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴のうち少なくとも何れか１つの情報を含む。

また、請求項５の発明は、請求項２に記載の画像処理装置であって、前記撮影環境情報は、撮影方向、前記被写体となる対象者または対象動物の呼吸の有無、呼吸の強制有無のうち少なくとも何れか１つの情報を含む。

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、前記モデル情報決定処理は、（ａ）予め準備された複数種のテンプレートのうち、前記テンプレートマッチングに使用する前記テンプレートの種類を決定する処理、（ｂ）直近に決定された前記所定数のフィッティング関数に対し、前記所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理、及び／あるいは、前記所定数の増減を決定する処理、のうち少なくとも何れか１つの処理を含み、前記モデル情報は前記処理（ａ）あるいは処理（ｂ）で決定された内容を含む。

また、請求項７の発明は、請求項１ないし請求項６のうち、いずれか１項記載の画像処理装置であって、前記所定部位は肺野領域を含み、前記モデル情報は、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮されることを特徴とする。

また、請求項８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７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７に記載の画像処理装置では、放射線撮影前に予め入力された前記被写体あるいは前記放射線撮影環境に関する情報である撮影情報に基づいて、所定部位の境界を示すモデル情報を決定し、該モデル情報に基づいて、医用画像から所定部位を抽出する所定部位抽出処理を実施する。これにより、撮影情報に応じた最適なモデル情報を決定することが可能となる。このため、通常と異なる撮影状況であっても、安定的且つ高速に所定部位の抽出精度の向上を実現する。

また、医用画像が動画像に含まれるフレーム画像である場合においては、最初の段階で精度の良いモデル情報を決定することができる。このため、該モデル情報を用いることで、時間方向においても安定して肺野領域抽出処理を実施することが可能となる。

請求項１の発明によれば、所定部位抽出処理は、医用画像に対してテンプレートを用いてテンプレートマッチングを行い、所定部位を含む領域を粗く抽出し粗抽出領域を決定する粗抽出処理と、該粗抽出領域に基づく領域に対して、前記所定部位の境界を近似する所定数のフィッティング関数で表現され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と、を含み、モデル情報は、テンプレート及び形状モデルのうち少なくとも一方を指示する情報を含む。これにより、テンプレートマッチング精度及びフィッティング精度のうち少なくとも一方が向上するため、撮影情報に対応して、より安定的に所定部位の抽出精度の向上を実現することが可能となる。

請求項２の発明によれば、撮影情報は、被写体の固有の情報を示す被写体固有情報、被写体の過去及び現在の状態を示す被写体状態情報、医用画像が撮影された環境を示す撮影環境情報、のうち少なくとも何れか１つの情報を含む。これにより、被写体固有情報、被写体状態情報、撮影環境情報のうち少なくとも何れか１つの情報を考慮してモデル情報を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度のうち少なくとも一方が向上するため、所定部位の抽出精度がより向上する。

請求項３の発明によれば、被写体固有情報は、性別、年齢、胸囲、体重、身長、肺活量のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報および形状モデル情報）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、より安定的且つ高速に所定部位の抽出精度の向上を実現する。

請求項４の発明によれば、被写体状態情報は、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報および形状モデル情報）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、非健常者または非健常動物の身体を被写体とする場合であっても、より安定的且つ高速に所定部位の抽出精度の向上を実現する。

請求項５の発明によれば、撮影環境情報は、撮影方向、前記被写体となる対象者または対象動物の呼吸の有無、呼吸の強制有無のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報および形状モデル情報）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、特殊条件下における撮影であっても、より安定的且つ高速に所定部位の抽出精度の向上を実現する。

請求項６の発明によれば、モデル情報決定処理は、（ａ）予め準備された複数種のテンプレートのうち、前記テンプレートマッチングに使用する前記テンプレートの種類を決定する処理、（ｂ）直近に決定された前記所定数のフィッティング関数に対し、前記所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理、及び／あるいは、前記所定数の増減を決定する処理、のうち少なくとも何れか１つの処理を含み、前記モデル情報は前記処理（ａ）あるいは処理（ｂ）で決定された内容を含む。これにより、所定部位の形状が複雑な場合においても、所定部位の境界をより近似的に表現したモデル情報を決定することが可能となる。また、手術歴や病歴を有した被写体において、所定部位の形状あるいは位置が正常な被写体と比較して著しく異なる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、より安定的に所定部位の抽出精度の向上を実現することが可能となる。

請求項７の発明によれば、所定部位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、モデル情報は、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮されることにより、肺野領域においてより適切なモデル情報を決定することができる。これにより、より安定的に肺野領域の抽出精度の向上を実現する。

請求項８の発明によれば、請求項１から請求項７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。 被写体固有情報ＩＯの一例を示す図である。 被写体固有情報ＩＯの一例を示す図である。 フレーム画像Ｇ０の特徴を説明する図である。 画像補正部１２０の処理内容を説明する図である。 画像補正部１２０の処理内容を説明する図である。 画像補正部１２０の処理内容を説明する図である。 画像補正部１２０の処理内容を説明する図である。 入力画像ＩＧ０と粗抽出画像ＩＧ１とを示す模式図である。 肺野の形状や大きさを考慮したテンプレートの一覧を示す模式図である。 横隔膜及び心臓の形状や大きさの個人差を例示する模式図である。 後処理部でとりわけ補正が必要となる領域を例示する模式図である。 横隔膜テンプレートを例示する模式図である。 横隔膜テンプレートを生成する模式図である。 左右の肺野における高さの違いを説明する模式図である。 左横隔膜及び右横隔膜テンプレートを生成する模式図である。 ２段階テンプレートマッチングを説明する模式図である。 心臓テンプレートを生成する模式図である。 心臓テンプレートマッチングを説明する模式図である。 肺尖部テンプレートを生成する模式図である。 肺尖部テンプレートマッチングを説明する模式図である。 大動脈弓を抽出する目的を説明する模式図である。 大動脈弓の個人差を例示する模式図である。 大動脈弓テンプレートを生成する模式図である。 大動脈弓が不鮮明な場合を例示する模式図である。 大動脈弓テンプレートマッチングを説明する模式図である。 粗抽出処理における初期値設定を行うための前処理を説明する模式図である。 テンプレートマッチングによる粗抽出処理を説明する模式図である。 入力画像ＩＧ０と粗抽出画像ＩＧ１と精密抽出画像ＩＧ２とを示す模式図である。 肺野領域のフィッティング関数の特徴及びフィッティング処理結果を説明する図である。 第１実施形態に係る全体処理を説明する模式図である。 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。 被写体状態情報ＩＳを例示する模式図である。 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。 テンプレート加工部１２６Ａ’によるテンプレートの加工処理を例示する図である。 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。 撮影環境情報ＩＥの撮影方向について説明する図である。 撮影環境情報ＩＥの強制呼吸及び自然呼吸について説明する図である。 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。 データベース５１Ｃにおける階層化されたテンプレート情報の一例を示す概念図である。 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。

＜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、撮影された医用画像（放射線画像）から対象部位の抽出を行う。

以下の各実施形態では、「対象部位（所定部位）」を肺野領域として説明し、「医用画像」を後述の撮像装置１の読取制御装置１４によって撮影された肺野領域の物理的状態（幾何学的形状や血流の濃度など）が時間変化する状態を時間順次に捉えた動画像に含まれるフレーム画像として説明する。

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，１００Ａ’，１００Ｂ，１００Ｃ）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，３Ａ’，３Ｂ，３Ｃ）（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，３Ａ’，３Ｂ，３Ｃ）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，１００Ａ’，１００Ｂ，１００Ｃ）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Ｍの胸部の動態を撮影する装置である。動態撮影は、被写体Ｍ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Ｍ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Ｍは検査対象者に相当する。以下では被写体Ｍ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Ｍ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Ｍ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Ｍ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，３Ａ’，３Ｂ，３Ｃ）の構成＞
画像処理装置３（３Ａ，３Ａ’，３Ｂ，３Ｃ）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，３Ａ’，３Ｂ，３Ｃ）は、制御部３１（３１Ａ，３１Ａ’，３１Ｂ，３１Ｃ）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，３１Ａ’，３１Ｂ，３１Ｃ）は、ＣＰＵ、ＲＡＭ等により構成される。制御部３１（３１Ａ，３１Ａ’，３１Ｂ，３１Ｃ）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，３Ａ’，３Ｂ，３Ｃ）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，３１Ａ’，３１Ｂ，３１Ｃ）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，３１Ａ’，３１Ｂ，３１Ｃ）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，３１Ａ’，３１Ｂ，３１Ｃ）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．情報蓄積装置４の構成＞
図１に示すように、情報蓄積装置４（４Ａ，４Ｃ）は、例えばパーソナル・コンピュータまたはワークステーションを用いたデータベースサーバからなり、カルテ情報記憶部４１（４１Ａ，４１Ｃ）を備えて構成され、制御部３１（３１Ａ，３１Ａ’，３１Ｃ）とはバス３６を介してデータの送受信を行う。カルテ情報記憶部４１（４１Ａ，４１Ｃ）には、被写体Ｍに関する撮影情報が予め記憶されている（詳細は後述する）。

＜１−５．情報蓄積装置５の構成＞
図１に示すように、情報蓄積装置５（５Ａ，５Ｂ，５Ｃ）は、例えばパーソナル・コンピュータまたはワークステーションを用いたデータベースサーバからなり、データベース（テンプレート記憶部）５１（５１Ａ，５１Ｂ，５１Ｃ）を備えて構成され、制御部３１（３１Ａ，３１Ａ’，３１Ｂ，３１Ｃ）とはバス３６を介してデータの送受信を行う。データベース５１（５１Ａ，５１Ｂ，５１Ｃ）には、想定される撮影情報を考慮したテンプレートが予め記憶されている（詳細は後述する）。

＜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、撮影情報（被写体固有情報）を考慮して、肺野領域の抽出処理を行う。

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、画像取得部１１０と、撮影情報（被写体固有情報）取得部１１５と、画像補正部１２０と、粗抽出決定部１３０と、モデル情報制御部１３５と、精密抽出決定部１４０と、後処理部１５０と、粗抽出処理内容制御部１６０と、対象部位抽出部１７０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、画像取得部１１０、撮影情報（被写体固有情報）取得部１１５、画像補正部１２０、粗抽出決定部１３０、精密抽出決定部１４０、後処理部１５０、モデル情報制御部１３５、粗抽出処理内容制御部１６０、対象部位抽出部１７０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．画像取得部１１０＞
画像取得部１１０では、人体または動物の身体を被写体とし該被写体における肺野領域（所定部位）を一部に含ませて放射線撮影された動画像（医用画像）を取得する。

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Ｍ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、画像取得部１１０により取得されたフレーム画像Ｇ０（１）〜Ｇ０（１０）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Ｇ０（１），Ｇ０（２），Ｇ０（３），…，Ｇ０（１０）にそれぞれ対応している。

従来は、肺野内の換気状態や血流状態を診断する目的で肺野内の動態機能データを定量的に解析するには、大掛かりな装置による造影撮影が必要であったが、近年は本発明に係る放射線動態画像撮影システム１００のように、造影剤無しの放射線動画像（図３参照）の取得が可能である。

しかしながら、これらのフレーム画像Ｇ０の精細な解析を行うためには、まず、肺野領域を正確に抽出し、肺野内を詳細に解析することが重要であるが、取得したフレーム画像Ｇ０の特徴としては、以下の問題がある。まず、（i）胸部単純撮影と比較して数枚分の被曝量であるというように低線量であるため、ノイズが多く不鮮明である。また、（ii）被写体は非健常者が中心であるため、異状が多く局所的な形状が様々である。さらに、（iii）動画が対象であるため、時間方向のバラつきが発生し、静止画像抽出処理のみでは安定しない。

そこで、本発明の以下の工程（画像補正部１２０、粗抽出決定部１３０、精密抽出決定部１４０、後処理部１５０）では、動画像から肺野領域（対象部位）を抽出する際、強調処理による画像補正を行った後、テンプレートマッチングで大まかに抽出（粗抽出）する処理を実施し、抽出された候補領域に対し、詳細に解析（精密抽出）後、後処理（フィッティング処理）をすることで、抽出精度の向上を実現するようにする。

＜２−１−２．被写体固有情報取得部１１５＞
撮影情報（被写体固有情報）取得部１１５では、放射線撮影前に予め入力された被写体Ｍに関する情報である撮影情報を、情報蓄積装置４におけるカルテ情報記憶部４１から取得する（図２参照）。本実施形態におけるカルテ情報記憶部４１に記憶された撮影情報とは、被写体Ｍの固有の情報を示す被写体固有情報ＩＯを指し、具体的に被写体固有情報ＩＯとは、性別、年齢、胸囲、体重、身長、肺活量等のうち少なくとも何れか１つの情報を指す。

そして、撮影情報取得部１１５は、該被写体固有情報ＩＯを後述のモデル情報制御部１３５におけるモデル選択部１２５に入力する。

以下では、カルテ情報記憶部４１に格納された被写体固有情報ＩＯについて具体的に説明する。

＜２−１−２−１．性別情報＞
図４及び図５は、被写体固有情報ＩＯの一例を示す図であり、横隔膜形状の特徴が男性か女性かにより異なることを説明する模式図である。なお、図４（ａ）及び図５（ａ）は女性の場合のサンプル画像ＳＧを示し、図４（ｂ）及び図５（ｂ）は男性の場合のサンプル画像ＳＧを示す。

ここで、一般的に、肺の重さは、男性が平均約１０６０ｇ、女性が平均約９３０ｇであることが知られており（例えば、“リウマチと友にリウマチとつきあう生活”[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://www.amm55.com/zouki.html>等参照）、心臓に関しては、女性の心臓の大きさは男性の心臓のおよそ２／３であり、冠動脈も細いことが知られている （例えば、天野恵子、外１名、“循環器領域における性差医学”[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://www.syg.co.jp/public/jcs_press05/pdf/round_05.pdf>等参照）。

図４で示されるように、図４（ａ）の女性の場合では、図４（ｂ）の男性の場合と比較して、肺野や心臓の大きさが小さいことが見て取れる。このため、男性の場合と比較して女性の場合は、肺野形状は小さく且つ左右の肺野間の距離が狭い特徴を有する（図４（ａ）及び図４（ｂ）参照）。

一方、女性の場合は男性と比較して、胸の大きさによる脂肪分により放射線が透過しにくく、図５（ａ）で示されるように、肋横角付近Ｗ１，Ｗ２に、虚偽の線Ｌ１，Ｌ２が入るためエッジ検出を誤る可能性がある。これに対して、一般的な男性の場合（ただし、胸の大きな力士や肥満体型等の男性を除く）は、上記のような点は問題とならず、図５（ｂ）で示されるように、肋横角付近Ｍ１，Ｍ２の適切な位置にエッジが立つため、正確にエッジが検出される。

このように、被写体固有情報取得部１１５では、肺野の形状や状態等に大きく依存する性別情報を取得することが好ましい。

＜２−１−２−２．年齢情報、胸囲情報、体重情報、身長情報、肺活量情報＞
性別以外にも肺野の形状や状態に大きく依存するファクタとして、年齢情報、胸囲情報、体重情報、身長情報、肺活量情報等が挙げられる。

例えば、年齢に関しては、幼児と子供と大人とでは、肺野や心臓の大きさが異なり、また、年齢を積む毎に肺も固くなって膨らみにくくなる特徴がある。

また、胸囲に関しては、胸廊の大きさの最も簡にして要を得た表現法であり（例えば、太田俊雄、“胸腔容積に関する研究”、[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://dspace.lib.kanazawa-u.ac.jp/dspace/bitstream/2297/13348/1/AN00044397-061-046.pdf>参照）、胸囲の情報をもとに、肺野全体の大きさを推定することが可能である。

さらに、肺活量情報からも肺の大きさを推定することも可能であり、以下２つの方法が挙げられる。

（方法１）予測肺活量（体重・身長・性別・年齢）
年齢、性別、身長、体重により予測肺活量を算出し、肺の大きさを推定することが可能である。例えば、下記記載の予測肺活量の計算式を用いて推定することが可能である（例えば、“肺移植希望者（レシピエント）選択基準”[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://www.jotnw.or.jp/jotnw/law_manual/pdf/rec-lungs.pdf>等参照）。

男性： 予測肺活量（L）＝0.045× 身長（cm）−0.023×年齢−2.258
女性： 予測肺活量（L）＝0.032× 身長（cm）−0.018×年齢−1.178
（方法２）肺活量
実際に肺活量の検査により、肺から出入りする空気の量を測って、肺の大きさを推定することができる（例えば、羽島市民病院、“肺の検査”[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://www.hashima-hp.jp/bumon/kensa/link_kokyuu.htm>等参照）。

このように、被写体固有情報取得部１１５では、性別情報の他、年齢情報、胸囲情報、体重情報、身長情報、肺活量情報等も取得することが好ましい。

＜２−１−３．画像補正部１２０＞
画像補正部１２０では、画像取得部１１０において取得される動画像におけるフレーム画像Ｇ０に対して補正処理を実施することで、次処理（粗抽出決定部１３０）で用いられる補正後のフレーム画像ＩＧ０を粗抽出決定部１３０に出力する（図２参照）。

図６は、フレーム画像Ｇ０の特徴を説明する図である。図６（ａ）はフレーム画像Ｇ０であり、図６（ｂ）は横軸のフレーム画像Ｇ０の背景領域Ｒ１（図６（ａ）参照）における濃淡値に対して、縦軸がその頻度（％）を示すヒストグラムであり、図６（ｃ）は横軸のフレーム画像Ｇ０のプロファイル領域Ｒ２（図６（ａ）参照）の縦方向の座標に対して、縦軸が濃淡値を示すグラフである。

取得したフレーム画像Ｇ０の特徴としては、以下のような特徴がある。すなわち、(１) 図６（ｂ）で示されるように、対象物が何も存在しない背景領域Ｒ１においても、ノイズが多く存在しており、一般的な静止画像に比べ画像全体でノイズ多いという特徴がある。このため、画像全体（肺野内全体）においてＳ／Ｎ比が悪くなる傾向にある。(２) 一方、図６（ｃ）で示されるように、肺野内には、余分な情報（肋骨・血管といった構造物）が存在し、その肺野内の構造物にバラツキあるという特徴がある。このため、エッジが不鮮明となり、肺野領域の抽出処理に影響を与える可能性が高くなる。(３) また、肋横角領域（横隔膜の両端の領域）においては、肋横角付近の濃淡が、肺野内よりも肺野外の周辺濃淡値に近く、心臓領域においては、心臓領域と肺野の境界不鮮明であり、胸郭領域においては、胸郭付近の肺野内外の濃淡値が小さくなるという特徴を有する。

そこで、これらの問題点を軽減する為に、上記ノイズを削減し、且つ、肺野内の構造物の影響を軽減するような処理として、肺野領域を明瞭にするいわゆる「強調処理」を実施する。

図７は、画像補正部１２０において実施する強調処理方法を説明する図である。図７（ａ）はフレーム画像Ｇ０を示し、図７（ｂ）はこのフレーム画像Ｇ０に対してノイズ削減処理を施した後のフレーム画像Ｇ１を示す。そして、図７（ｃ）はフレーム画像Ｇ１の所定の領域に対するエリア内強調処理を施した後のフレーム画像Ｇ２を示し、図７（ｄ）はフレーム画像Ｇ２の全体領域に対する全体強調処理を施した後のフレーム画像ＩＧ０を示す。また、図７（ｂ）〜図７（ｄ）の下段にはそれぞれ、横軸を肺野領域における濃淡値とし、縦軸をその頻度（％）とするヒストグラムを示している。

図７（ｂ）〜図７（ｄ）で示されるヒストグラムからわかるように、図７（ｂ）ではノイズが多く、濃淡値が大きい白の領域が少ないものの、強調処理による画像処理を施すことで、図７（ｃ）、図７（ｄ）ではノイズが軽減され白（濃淡値が大）の領域が増加している様子がわかる。

以下では、画像補正部１２０が行う工程について順次説明する。

＜２−１−３−１．ノイズ削減処理＞
画像補正部１２０が最初に行う工程は、画像全体に存在するノイズを削減する目的としてノイズ削減処理を実施する。ノイズ削減処理として、例えば、フレーム画像Ｇ０からフレーム画像Ｇ１に縮小する縮小処理（図７（ａ）から図７（ｂ）の処理）や平均値フィルタをかける処理等が挙げられる。例えば、縮小処理を実施する場合、その縮小方法は、選択エリア内の平均の画素値（濃淡値）でも良いが、選択エリア内の最大の画素値を選択して縮小するようにしても良い。なお、ここでいう最大の画素値とは、肺野内領域における画素値が用いられる。

図８は、選択エリア内の最大の画素値を選択して縮小する処理内容を説明する図である。図８（ａ）はフレーム画像Ｇ０及び選択エリアＲ３を示す図であり、図８（ｂ）はフレーム画像Ｇ０の選択エリアＲ３の拡大図であり、選択エリアＲ３内の最大の画素値Ｐｍを示す図である。図８（ｃ）はフレーム画像Ｇ０及びエリアＲ４を示す図であり、図８（ｄ）はフレーム画像Ｇ０のエリアＲ４の拡大図であり、図８（ｅ）はフレーム画像Ｇ０のエリアＲ４に対する縮小処理後のフレーム画像Ｇ１のエリアＲ４を示す拡大図である。

図８で示されるように、最大の画素値Ｐｍを選択することにより（図８（ｂ）参照）、肺野内の最小値側の画素値（すなわち、ノイズ）を削減することができるため、肺野内の濃度を強調可能にし、肺野内のノイズの影響を低減できる効果を奏する（図８（ｄ）及び図８（ｅ）参照）。なお、最大の画素値Ｐｍ側のノイズが拡大される場合は、スムージングを実施するようにしても良い。

＜２−１−３−２．エリア内強調処理＞
続いて、画像補正部１２０は、肺野内の構造物の影響低減を実施する為ために、エリア内強調処理（図７（ｂ）から図７（ｃ）の処理）を実施する。具体的に、エリア内強調処理の方法としては、所望の固定領域に対してヒストグラムの強調処理を実施しても良いが、よりロバスト性を求める場合は、入力画像（フレーム画像Ｇ１）のプロファイルの特性に応じて矩形を変更しても良い。

図９は、エリア内強調処理における矩形範囲の選択方法の一例を説明する図である。図９で示されるように、縦方向のプロファイルは、フレーム画像Ｇ１のＹ座標に対する累積濃淡値を示し、横方向のプロファイルは、フレーム画像Ｇ１のＸ座標に対する累積濃淡値を示す。それぞれのプロファイルにおける変化点Ｐｘ１，Ｐｘ２，Ｐｙ１，Ｐｙ２を抽出し、これらの変化点Ｐｘ１，Ｐｘ２，Ｐｙ１，ｐｙ２により矩形範囲Ｒ５を決定することができる。

＜２−１−３−３．全体強調処理＞
画像補正部１２０の最後の工程として、肺野内の構造物の影響を低減するために、画像全体の強調処理（図７（ｃ）から図７（ｄ）の処理）を実施する。

例えば、固定の閾値を設け、その閾値により強調処理を実施する。図１０は、全体強調処理の一例を説明する図であり、図１０（ａ）はフレーム画像Ｇ２とヒストグラム（図７（ｃ）と同様）を示し、図１０（ｂ）は補正後のフレーム画像ＩＧ０とヒストグラム（図７（ｄ）と同様）を示す。図１０では、白の画素値を固定の閾値として強調処理を実施した場合の結果であり、図１０（ａ）のフレーム画像Ｇ２では、肺野領域を含め全体的に黒の領域が多かったのに対し、全体強調処理を施した図１０（ｂ）の補正後のフレーム画像ＩＧ０では、肺野領域を含め全体的に白の領域が強調されていることがわかる。また、図１０（ｂ）のヒストグラムにおいても、横軸の濃淡値が小さい黒側の頻度が図１０（ａ）のヒストグラムに比べて減少している様子が見て取れる。

このような固定の閾値により全体強調処理を実施する方法だけでなく、別の方法により閾値を設定しても良い。例えば、フレーム画像Ｇ２全体の累積ヒストグラムを算出し、その累積率から閾値を決定してもよいし、また、算出した累積ヒストグラムに加え、上記で設定したエリアＲ５（図７参照）の面積に基づいて累積率の閾値を変動させる方法により実施してもよい。

＜２−１−４．粗抽出決定部１３０＞
粗抽出決定部１３０では、動画像に基づく時間的に連続した第１〜第ｎのフレーム画像（ｎは２以上の整数）に対して、第１〜第ｎのテンプレートを用いてそれぞれテンプレートマッチングを行い、肺野領域（所定部位を含む領域）を粗く抽出し、第１〜第ｎの粗抽出領域を順次決定する粗抽出処理を行う。ここでいう動画像に基づく時間的に連続した第１〜第ｎのフレーム画像とは、画像補正部１２０において補正されたフレーム画像ＩＧ０を指す。すなわち、粗抽出決定部１３０における粗抽出処理は、先見的知識を用いて巨視的に捉えることで、大外れをなくす処理であり、部位候補位置をモデルベースの手法の１つであるテンプレートマッチングにより実施する。

図１１は、粗抽出決定部１３０における粗抽出処理について説明する図であり、図１１（ａ）は入力画像であるフレーム画像ＩＧ０を示し、図１１（ｂ）は出力画像である粗抽出画像ＩＧ１を示す。すなわち、粗抽出決定部１３０は、第１のフレーム画像ＩＧ０（１）〜第ｎのフレーム画像ＩＧ０（ｎ）に対して、第１の粗抽出画像ＩＧ１（１）〜第ｎの粗抽出画像ＩＧ１（ｎ）の出力画像を順次出力する。ここで、第１〜第ｎの粗抽出画像ＩＧ１（１）〜ＩＧ１（ｎ）における第１〜第ｎの粗抽出領域は、それぞれ、図１１（ｂ）で示されるように、肺野領域の内部であることが確定される領域の情報を含む肺野内確定領域（所定部位内確定領域）ＲＩと、肺野領域の外部であることが確定される領域の情報を含む肺野外確定領域（所定部位外確定領域）ＲＯと、肺野領域の内部または外部であることが未確定な領域の情報を含む肺野未確定領域（所定部位未確定領域）ＲＵと、を有する領域である。

このように、粗抽出処理は、次工程の精密抽出決定部１４０にて実施する精密抽出処理を行うにあたり、肺野内確定領域ＲＩと肺野外確定領域ＲＯとをできるだけ増やすことで、肺野未確定領域ＲＵの切り分けを容易にすることを目的として実施する。

これにより、第１〜第ｎの粗抽出領域において肺野未確定領域ＲＵを可変設定することが可能となり、適切に肺野未確定領域ＲＵを設定することにより次工程の精密抽出処理を比較的短時間で行い、かつ、より正確な精密抽出領域を決定することを可能にする。

図１２は、粗抽出処理で用いられる肺野の形状や大きさを考慮したテンプレートの一覧を示す模式図である。また、図１３は、横隔膜及び心臓の形状や大きさの個人差を例示する模式図であり、図１４は、後処理部でとりわけ補正が必要となる領域（精密抽出処理が苦手とする領域）を例示する模式図である。本実施形態で抽出する肺野領域は、入力画像ＩＧ０において、次のような特徴を有する。

すなわち、(I)肺野全体としては、肺野の縦サイズが大きく異なり（図１３（ａ）〜図１３（ｃ）参照）、肺野内部に境界候補が多く存在する。(II)横隔膜としては、左右位置のバリエーションが多く、心臓幅によって、横隔膜の見え幅が異なる（図１３（ｄ）〜図１３（ｆ）参照）。(III)心臓においては、境界が不鮮明であり（図１４（ａ）参照）、鎖骨や肋骨等の領域においては、エッジの強い部分を肺野境界(肺尖部)と誤認する恐れがある（図１４（ｂ）参照）。(IV)肋横角においては、境界が不鮮明で体表との距離が近く、(V)大動脈においては、人それぞれによる形状が異なる。

このような特徴があることから、本発明では、単純に肺野全体のテンプレート処理により抽出するのではなく、図１２で示されるように、各主要な部分毎にテンプレートマッチング処理を実施し、テンプレートと対象部位との形状違いや上述の肺野領域の特徴（図１３及び図１４参照）を考慮して、テンプレートで巨視的な形状を捉える。

以上のように、本実施形態における第１〜第ｎのフレーム画像ＩＧ０で用いる第１〜第ｎのテンプレートは、それぞれ、領域Ｓ１，Ｓ２Ｒ，Ｓ２Ｌにおける横隔膜の形状を各々表現した横隔膜テンプレートＴ１，Ｔ２Ｒ，Ｔ２Ｌ（図１２（ａ）及び図１２（ｂ）参照）と、領域Ｓ３における心臓の形状を表現した心臓テンプレートＴ３（図１２（ｃ）参照）と、領域Ｓ４Ｒ，Ｓ４Ｌにおける肺尖部の形状を各々表現した肺尖部テンプレートＴ４Ｒ，Ｔ４Ｌ（図１２（ｄ）参照）と、領域Ｓ５における大動脈弓の形状を表現した大動脈弓テンプレートＴ５（図１２（ｅ）参照）と、の組合せで肺野領域の巨視的な形状を捉える。

なお、テンプレートマッチング処理を行う順番は、横隔膜テンプレートＴ１、横隔膜テンプレートＴ２Ｒ，Ｔ２Ｌまたは肺尖部テンプレート４Ｒ，Ｔ４Ｌ、心臓テンプレートＴ３または大動脈弓テンプレートＴ５の順番にてマッチングさせることが好ましい。これより、肺野領域の抽出をより正確に行うことが可能となる。

＜２−１−４−１．データベース（テンプレート記憶部）５１＞
続いて、粗抽出決定部１３０にて用いるテンプレートを格納するデータベース（テンプレート記憶部）５１について説明する。データベース５１では、本実施形態に係るテンプレートが上述した各部位ごとの形状の個人差に対して被写体固有情報ＩＯに基づいてグループ分けされて格納されている。すなわち、被写体固有情報取得部１１５にて取得される被写体固有情報ＩＯを考慮したテンプレートが予め準備され、各テンプレートには、性別、年齢、胸囲、体重、身長、肺活量等に関係する情報を示す属性情報が予め付されてグループ別にデータベース５１に格納されている。

例えば、被写体固有情報ＩＯが「性別」の場合については、性別を基に作成したテンプレートを準備する。前述の図４及び図５の例で説明すると、横隔膜テンプレートＴ１のうち、図４（ａ）及び図５（ａ）には「女性」という属性が予め付されており、図４（ｂ）及び図５（ｂ）には「男性」という属性が予め付されてデータベース５１にそれぞれグループ別に格納されている。また、図５（ａ）で示されるように、女性の場合は、肋横角付近Ｗ１，Ｗ２に虚偽の線Ｌ１，Ｌ２が出現する可能性があるため、通常と異なる位置にエッジが立つことを想定したテンプレートを複数用意し、例えば「女性・エッジ」といった属性情報を予め付与してデータベース５１に格納することも可能である。

また、被写体固有情報ＩＯが「年齢」の場合については、上述の通り、年齢により心臓の大きさや肺そのものの大きさが異なることから、年齢情報を基に作成したテンプレートを準備する。グループ分けとしては、少なくとも幼児・子供・大人の３パターンは用意することが好ましく、３パターン以上詳細にグループ分けして用意することがより好ましい。この際、「幼児」「子供」「大人」のほか、「１０代」「２０代」などの属性が予め付されてデータベース５１にそれぞれグループ別に格納されている。

また、被写体固有情報ＩＯが「胸囲」の場合についても、胸囲情報を基に作成したテンプレートを準備する。グループ分けとしては、例えば、７０ｃｍ代、８０ｃｍ代、９０ｃｍ代等にグループ分けして作成したテンプレートを用意することがより好ましい。この際、「７０ｃｍ代」「８０ｃｍ代」「９０ｃｍ代」などの属性が予め付されてデータベース５１にそれぞれグループ別に格納されている。

さらに、被写体固有情報ＩＯが「体重」「身長」「肺活量」等であり、これらの情報から肺の大きさを推定した場合についても、肺の大きさの推定結果をもとに、グループ分けして作成したテンプレートを用意することがより好ましい。この際、「推定結果１」「推定結果２」「推定結果３」などの属性が予め付されてデータベース５１にそれぞれグループ別に格納されている。

以上のように、データベース５１には、性別、年齢、胸囲、体重、身長、肺活量等の複数のファクタによる属性情報が付与されたテンプレートがそれぞれのグループ毎に格納されている。例えば、後述する図４５に示すように、属性に基づき階層構造にグループ分類された領域に格納するようにしてもよい。なお、上記では属性を個別に説明したが、各テンプレートには複数の属性が付与されてもよい。

以下では、具体的な各部位のテンプレート及び粗抽出処理を部位毎に説明する。

＜２−１−４−２．横隔膜における粗抽出処理＞
横隔膜の位置及び形状の特徴としては、肺野や心臓の大きさが異なるため、横隔膜の形状が異なるとともに、横隔膜の位置が左右で異なるという課題がある。そこで、本実施形態では、横隔膜の形状の差異に対して、縦横変倍の複数テンプレートを用いることで対応し、横隔膜の左右の位置関係については、左右独立のテンプレートを用いることで対応を行う。そして、横隔膜のテンプレートマッチングにおいて、粗抽出決定部１３０が、縦横変倍の複数テンプレート及び左右独立のテンプレートを用いて、順次にそれぞれマッチングさせることで、テンプレートマッチング処理を行う（以下「２段階テンプレートマッチング」と称する）。

＜２−１−４−２−１．縦横変倍の複数テンプレートの生成方法＞
図１５は、本発明で予め準備する縦横変倍の複数テンプレートを例示する図である。図１５（ａ）〜図１５（ｄ）はサンプル画像ＳＧであり、図１５（ｅ）〜図１５（ｈ）は図１５（ａ）〜図１５（ｄ）のサンプル画像ＳＧの横隔膜の形状を各々表現した横隔膜テンプレートＴ１１〜Ｔ１４を模式的に示す図である。

図１５で示されるように、横隔膜の形状にはかなりの個人差があり、とりわけ心臓の大きさにより横隔膜の形状が異なる。したがって、サンプル画像ＳＧに対してパターンの分類を行うことにより作成する。作成ポイントとしては、心臓の大きさにより分類し、作成する。

図１６は、４種類の縦横変倍の複数テンプレートを生成する方法の一例を説明する概念図である。図１６で示されるように、まず、サンプル画像ＳＧの横隔膜を含む領域Ｓ１を指定し（図１６（ａ）参照）、指定した領域Ｓ１を手動で切り出す（図１６（ａ）参照）。そして、テンプレート生成用のサンプル画像ＳＧ（図１６（ｃ）参照）に対しても同様に、指定した領域Ｓ１を手動で各々切り出す（図１６（ｄ）参照）。図１６（ｄ）において指定した領域Ｓ１のグループ分けした４種類毎の平均画像（各種類毎に図１６（ｄ）で示す切り出し画像の平均により得られる画像）により４種類の横隔膜テンプレートＴ１１〜Ｔ１４を生成する（図１６（ｅ）参照）。

＜２−１−４−２−２．左右独立のテンプレートの生成方法＞
図１７は左右の肺野における高さの違いを説明する模式図である。図１７で示されるように、左右肺の高さに違いがある場合もあることから、上記の横隔膜テンプレートＴ１１〜Ｔ１４だけでは、正確に横隔膜の位置を特定することができない。

そこで、本発明では、左右別々の横隔膜テンプレートを作成する。この時の作成ポイントとしては、肺野大きさが異なることを考慮し、切り出した横隔膜に対し、正規化処理により大きさを統一したものを作成する。

図１８は左側横隔膜及び右側横隔膜テンプレートを生成する方法の一例を説明する概念図である。図１８で示されるように、まず、サンプル画像ＳＧの横隔膜を含む左側領域Ｓ２Ｌ及び右側領域Ｓ２Ｒを指定し（図１８（ａ）参照）、指定した左側領域Ｓ２Ｌ及び右側領域Ｓ２Ｒを手動で切り出す（図１８（ｂ）参照）。そして、図１８（ｃ）で示されるテンプレート生成用のサンプル画像ＳＧに対しても同様に、指定した左側領域Ｓ２Ｌ及び右側領域Ｓ２Ｒを手動で各々切り出す（図１８（ｄ）参照）。図１８（ｄ）において指定した、左側領域Ｓ２Ｌのグループ分けした４種類毎の平均画像により横隔膜テンプレートＴ２Ｌ１〜Ｔ２Ｌ４を生成し、右側領域Ｓ２Ｒのグループ分けした４種類毎の平均画像により横隔膜テンプレートＴ２Ｒ１〜Ｔ２Ｒ４を生成する（図１８（ｅ）参照）。

＜２−１−４−２−３．２段階テンプレートマッチング＞
粗抽出決定部１３０では、横隔膜のテンプレートマッチングにおいて、予め準備した、縦横変倍の複数の横隔膜テンプレートＴ１１〜Ｔ１４及び左右独立の横隔膜テンプレートＴ２Ｌ１〜Ｔ２Ｌ４，Ｔ２Ｒ１〜Ｔ２Ｒ４を用いて、フレーム画像ＩＧ０の横隔膜領域に対して順次にマッチングさせることで２段階テンプレートマッチングを行う。

図１９は、２段階テンプレートマッチングを説明する模式図である。図１９で示されるように、まず、図１９（ａ）の縦横変倍の複数の横隔膜テンプレートＴ１１〜Ｔ１４と、図１９（ｂ）の左右独立の横隔膜テンプレートＴ２Ｌ１〜Ｔ２Ｌ４及びＴ２Ｒ１〜Ｔ２Ｒ４とを予め準備する。次に、フレーム画像ＩＧ０に対して横隔膜テンプレートＴ１（Ｔ１１〜Ｔ１４）を用いて第１のテンプレートマッチングを行い、テンプレート一致結果に対し中心ラインＣＬを決定し、当該中心ラインＣＬで左右の肺野の切り分けを行う（図１９（ｃ）参照）。そして、切り分けられた左右の探索領域をベースにして、横隔膜テンプレートＴ２Ｌ（Ｔ２Ｌ１〜Ｔ２Ｌ４）及びＴ２Ｒ（Ｔ２Ｒ１〜Ｔ２Ｒ４）を用いて、第２のテンプレートマッチングを行う（図１９（ｄ）参照）。図１９で示されるような左右の肺野の高さが異なる場合は、第１のテンプレートだけでは精度が低いが、このような第２のテンプレートを活用することで一致度が高くなる。

このように実施した２段階テンプレートマッチングの結果に基づいて、横隔膜領域に対して、肺野内確定領域ＲＩと肺野外確定領域ＲＯと肺野未確定領域ＲＵとの切り分けを行う。

＜２−１−４−３．心臓における粗抽出処理＞
心臓の位置及び形状の特徴としては、呼吸と異なる時間的変化となるため、作成した横隔膜テンプレートと完全に一致するとは限らない。したがって、呼吸の周期と心拍の周期とを切り分け対応するために心臓テンプレートを予め準備しておく必要がある。

＜２−１−４−３−１．心臓テンプレートの生成方法＞
本発明の粗抽出処理で予め準備する心臓テンプレートは、横隔膜（図１５参照）と同様に、サンプル画像ＳＧに対してパターンの分類を行うことにより生成する。作成ポイントとしては、スケールは、変倍にしても良いが、上記横隔膜テンプレートＴ１１〜Ｔ１４で算出された倍率サイズを活用しても良い。

図２０は、心臓テンプレートを生成する方法の一例を説明する概念図である。図２０で示されるように、まず、サンプル画像ＳＧの心臓を含む領域Ｓ３を指定し（図２０（ａ）参照）、指定した領域Ｓ３を手動で切り出す（図２０（ａ）参照）。そして、図２０（ｃ）で示されるテンプレート生成用のサンプル画像ＳＧに対しても同様に、指定した領域Ｓ３を手動で各々切り出す（図２０（ｄ）参照）。図２０（ｄ）において指定した領域Ｓ３のグループ分けした４種類毎の平均画像により心臓テンプレートＴ３１〜Ｔ３４を生成する（図２０（ｅ）参照）。

＜２−１−４−３−２．心臓テンプレートマッチング＞
図２１は、心臓テンプレートＴ３（Ｔ３１〜Ｔ３４）によるテンプレートマッチング方法を説明する模式図である。図２１で示されるように、心臓テンプレートマッチングの方法は、まず、上記の横隔膜テンプレートＴ１，Ｔ２Ｌ，Ｔ２Ｒを用いてマッチングを行い（図１９（ｃ）及び図１９（ｄ）参照）、抽出された左肺の横隔膜位置の情報をベースに、心臓テンプレートＴ３（Ｔ３１〜Ｔ３４）（図２０（ｅ）参照）を用いて心臓の位置及び形状を探索する。具体的には、横隔膜の位置に対し、オフセットを加えた範囲ＳＲに対してテンプレートマッチングを行う。つまり、横隔膜の探索結果とリンクした形で行うことで、より位置関係を精度よく抽出することができる。

＜２−１−４−４．肺尖部における粗抽出処理＞
肺尖部の位置及び形状の特徴としては、鎖骨や肋骨等のエッジの強い部分の影響を受けやすいため、鎖骨を含むように、肺尖部のテンプレートを準備しておく必要がある。

＜２−１−４−４−１．肺尖部テンプレートの生成方法＞
本発明の粗抽出処理で予め準備する肺尖部テンプレートは、上記横隔膜や心臓のように複数個のテンプレートを生成しても良いが、大きさの違いに関しては、縦横変倍のテンプレートで対応することができる。また、この領域で最も個人差のある鎖骨の傾きを考慮して複数のパターンのテンプレートを生成するようにしてもよい。

図２２は、肺尖部テンプレートを生成する方法の一例を説明する概念図である。図２２で示されるように、まず、サンプル画像ＳＧの肺尖部を含む左側領域Ｓ４Ｌ及び右側領域Ｓ４Ｒを指定し（図２２（ａ）参照）、指定した左側領域Ｓ４Ｌ及び右側領域Ｓ４Ｒを手動で切り出す（図２２（ｂ）参照）。そして、図２２（ｃ）で示されるテンプレート生成用のサンプル画像ＳＧに対しても同様に、指定した左側領域Ｓ４Ｌ及び右側領域Ｓ４Ｒを手動で各々切り出す（図２２（ｄ）参照）。図２２（ｄ）において指定した、左側領域Ｓ４Ｌの所定枚数（例えば５０枚）の平均画像により肺尖部テンプレートＴ４Ｌを生成し、右側領域Ｓ４Ｒの所定枚数（例えば５０枚）の平均画像により肺尖部テンプレートＴ４Ｒを生成する（図２２（ｅ）参照）。

＜２−１−４−４−２．肺尖部テンプレートマッチング＞
図２３は、肺尖部テンプレートＴ４Ｌ及びＴ４Ｒによるテンプレートマッチング方法を説明する模式図である。図２３で示されるように、肺尖部テンプレートマッチング方法は、まず、上記の横隔膜テンプレートＴ１，Ｔ２Ｌ，Ｔ２Ｒを用いてマッチングを行った後（図１９（ｃ）及び図１９（ｄ）参照）、抽出された左右横隔膜位置情報をベースに、肺尖部テンプレートＴ４Ｌ及びＴ４Ｒを用いて肺尖部の位置及び形状を探索する。具体的には、左右横隔膜位置より上部に、肺尖部テンプレートＴ４Ｌによる探索領域ＳＬ及び肺尖部テンプレートＴ４Ｒによる探索領域ＳＲを設け、テンプレートマッチングを行う。また左右の位置関係も横隔膜の位置関係により限定することで、より精度の高いマッチングを行うことができる。

＜２−１−４−５．大動脈弓における粗抽出処理＞
肺野領域の抽出時に、大動脈弓が肺野内に含まれると、血流が多く流れていることから肺野内の血流の信号値に影響を与えるため、血流解析に悪影響を与える可能性が高い。

図２４は大動脈弓を抽出する目的を説明する模式図であり、フレーム画像ＩＧ０と大動脈弓が含まれる領域Ｓ５を示す。図２４で示されるように、大動脈弓の上部Ｐ５にエッジが立っていることが多くあり、肺野抽出の精度に大きく影響を与える可能性があるが、大動脈弓の形状この特徴を抽出しきれないという問題がある。そこで、大動脈弓が肺野内に含まれないようにするため、大動脈弓テンプレートを用いてテンプレートマッチングにより肺野外の領域として設定する必要がある。

＜２−１−４−５−１．大動脈弓テンプレートの生成方法＞
図２５は大動脈弓の個人差を例示する模式図である。図２５で示されるように、大動脈弓の位置及び形状の特徴においても、人それぞれにより異なる傾向がある。そこで、本発明の粗抽出処理で予め準備する肺尖部テンプレートにおいても、スケールを変えたり、複数パターンを用意したりすることで対応することが望ましい。

図２６は、大動脈弓テンプレートを生成する方法の一例を説明する概念図である。図２６で示されるように、まず、サンプル画像ＳＧの大動脈弓を含む領域Ｓ５を指定し（図２６（ａ）参照）、指定した領域Ｓ５を手動で切り出す（図２６（ｂ）参照）。そして、図２６（ｃ）で示されるテンプレート生成用のサンプル画像ＳＧに対しても同様に、指定した領域Ｓ５を手動で各々切り出す（図２６（ｄ）参照）。図２６（ｄ）において指定した領域Ｓ５の所定枚数の平均画像により大動脈弓テンプレートＴ５を生成する（図２６（ｅ）参照）。

＜２−１−４−５−２．大動脈弓テンプレートマッチング＞
図２７は、大動脈弓テンプレートＴ５によるテンプレートマッチング方法を説明する模式図である。図２７で示されるように、大動脈弓テンプレートマッチング方法は、まず、上記の横隔膜テンプレートＴ１，Ｔ２Ｌ，Ｔ２Ｒ及び肺尖部テンプレートマッチング４Ｌ，４Ｒを用いてマッチングを行い（図１９および図２３参照）、抽出された左肺尖部位置情報をベースに、大動脈弓テンプレートＴ５を用いて大動脈弓の位置及び形状を探索する。具体的には、左肺尖部の位置に対し、オフセットを加えた範囲ＳＲＬに対してテンプレートマッチングを行う。

一方、大動脈弓を抽出しない場合もあり得る。図２８は大動脈弓が不鮮明な場合を例示する模式図であり、領域Ｓ５ａは大動脈弓が含まれると予想される領域を示している。図２８で示されるように、人により大動脈弓が不鮮明な場合や、または背骨付近に隠れてしまい存在が見られない場合がある。このような大動脈弓が見当たらない場合には、大動脈弓テンプレートマッチングは実施しなくともよい。なお、大動脈弓の抽出可否の判定は、相関値などの結果により判定を行う。

＜２−１−４−６．粗抽出処理の全体の流れ＞
図１１で示したように、粗抽出決定部１３０による粗抽出処理は、精密抽出決定部１４０にて実施する精密抽出処理を行うために必要な情報である、肺野内確定領域ＲＩ、肺野外確定領域ＲＯ、及び、肺野未確定領域ＲＵ（以下、これらの情報の総称を「初期値」と呼ぶ。）を与えるために実施している処理である。したがって、粗抽出決定部１３０における最終のアウトプットは、初期値を与えた状態の結果を出力することになる。

図２９は、粗抽出処理における初期値設定を行うため事前に行われている前処理を説明する模式図であり、図３０は、粗抽出処理の全体の流れを説明する模式図である。

図２９で示されるように、まず、各テンプレートにおいて予め正解データＡＳが生成されており（図２９（ａ）参照）、テンプレートＴ４Ｒ，Ｔ４Ｌ，Ｔ２Ｒ，Ｔ２Ｌの各部位ごとにそれぞれ正解データＡＳ−１，ＡＳ−２，ＡＳ−３，ＡＳ−４との相関を計算する（図２９（ｂ）及び図２９（ｃ）参照）。例えば、テンプレートＴ２Ｒの場合は、図１６で示されるように４種類のテンプレートＴ２Ｒ１〜Ｔ２Ｒ４に対して正解データが４種類それぞれ存在するため、各々の相関を計算することになる。このようにして、テンプレート毎の相関値を積算して平均した累積率画像ＡＳ’が生成される（図２９（ｄ）参照）。図２９（ｅ）では、図２９（ｄ）の累積率画像ＡＳ’−１において、正解データＡＳ−１とテンプレートＴ４Ｒとの相関を示した相関分布画像ＣＲを示す。具体的には、図２９（ｅ）の左の相関分布画像ＣＲ１は正解データとの相関が最も低く、図２９（ｅ）の右の相関分布画像ＣＲ３は正解データとの相関が最も高く、図２９（ｅ）の中央の相関分布画像ＣＲ２は両者の中間の相関を示す。すなわち、図２９（ｅ）で示されるような相関分布画像ＣＲは、テンプレートと正解データとの一致度合いを判定した分布であり、図２９（ｅ）の場合、相関分布画像ＣＲ３が最も正解データに近いことを示している。

以上の図２９で得られた判定結果は、図３０の粗抽出処理の初期値（すなわち、粗抽出決定部１３０で出力される粗抽出領域の肺野内確定領域ＲＩ、肺野外確定領域ＲＯ、及び、肺野未確定領域ＲＵ）の設定に用いられる。

図３０で示されるように、フレーム画像ＩＧ０（図３０（ａ）参照）に対して、例えば、横隔膜の粗抽出処理を行う際、横隔膜テンプレートＴ１１〜Ｔ１４，Ｔ２Ｒ１〜Ｔ２Ｒ４，Ｔ２Ｌ１〜Ｔ２Ｌ４（図３０（ｂ）及び図３０（ｃ）参照）の中から選択したテンプレートを用いて、横隔膜のテンプレートマッチングを行う（図３０（ｄ）参照）。そして、そのテンプレートマッチングの結果と図２９で得られた判定結果（相関分布）とを考慮して、横隔膜領域の粗抽出画像ＩＧ１’が得られる（図３０（ｅ）参照）。他の部位についても、同様の処理を行うことで全体の粗抽出画像ＩＧ１が生成され（図３０（ｆ）参照）、精密抽出処理の入力画像とされる。すなわち、粗抽出決定部１３０が粗抽出画像ＩＧ１を精密抽出決定部１４０へ出力する。

＜２−１−５．精密抽出決定部１４０＞
精密抽出決定部１４０では、第１〜第ｎの粗抽出領域から肺野領域を精密に抽出する精密抽出処理を行うことで、第１〜第ｎの精密抽出領域を順次決定する。すなわち、精密抽出決定部１４０による精密抽出処理は、肺野未確定領域ＲＵが肺野領域の内部であるか、外部であるかを決定する処理である。

図３１は精密抽出決定部１４０における精密抽出処理について説明する図である。図３１（ａ）は粗抽出決定部１３０における入力画像ＩＧ０であり、図３１（ｂ）は粗抽出決定部１３０において出力された粗抽出画像ＩＧ１であり、精密抽出決定部１４０における入力画像に相当する。また、図３１（ｃ）は精密抽出決定部１４０において出力された精密抽出画像ＩＧ２である。

すなわち、精密抽出決定部１４０は、粗抽出決定部１３０において順次出力された第１の粗抽出画像ＩＧ１（１）〜第ｎの粗抽出画像ＩＧ１（ｎ）（図３１（ｂ）参照）を入力画像として第１の精密抽出画像ＩＧ２（１）〜第ｎの精密抽出画像ＩＧ２（ｎ）を順次出力する（図３１（ｃ）参照）。ここで、第１〜第ｎの精密抽出画像ＩＧ２（１）〜ＩＧ２（ｎ）における第１〜第ｎの精密抽出領域は、それぞれ、図３１（ｃ）で示されるような肺野領域ＲＡ０である。

精密抽出決定部１４０では、形状に依存しない抽出技術により肺野領域ＲＡ０を抽出する。抽出技術においては、次のような手法であればいずれのような手法を用いても良い。

＜２−１−５−１．エッジを情報として抽出する手法＞
画像から肺野領域（対象物）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、レベルセット（Level set）、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）といった動的輪郭モデル（Active Contour Model）を用いた手法が知られている。動的輪郭モデルとは、所定の変形傾向に沿って変形を繰り返す曲線（動的曲線）によって、肺野領域の輪郭を動的に抽出する手法である。動的曲線の変形傾向は、曲線の状態を定量的に評価した値である「動的曲線のエネルギー」によって規定される。この「動的曲線のエネルギー」は、動的曲線が肺野領域の輪郭を抽出した時点で最小となるように予め定義される。したがって、動的曲線のエネルギーが最小となるように動的曲線を変形させてゆき、エネルギーが最小となる安定状態を見つけることによって、肺野領域ＲＡ０の輪郭部ＳＭ０を抽出することができる。

＜２−１−５−２．領域を情報として抽出する手法＞
画像から肺野領域（対象物）の輪郭を抽出するために領域を情報とする抽出手法として、領域拡張法（Region growing）などが挙げられる。領域拡張法では、２値化画像を用いて始点となるボクセルを決定し、２値化処理前の処理対象画像においてその始点と決定されたボクセルの近傍ボクセルを調べ、ある判定条件を満たす近傍ボクセルを肺野領域と判断する。そして、この肺野領域と判断された近傍ボクセルについても上記と同様の処理を繰り返す。このように、領域を拡張しながら判定条件を満たすボクセルを順次抽出することにより、肺野領域ＲＡ０の輪郭部ＳＭ０を抽出することができる。

＜２−１−５−３．エッジと領域とを情報として抽出する手法＞
画像から肺野領域（対象物）の輪郭を抽出するためにエッジと領域とを情報とする抽出手法として、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）などが挙げられる。グラフカット法では、マルコフ確率場（Markov Random Field: MRF）などの確率モデルの最大事後確率推定問題として定式化してエネルギー最小化問題として効率的に解く方法であり、エネルギーを比較的効率良く最小化することにより、肺野領域ＲＡ０の輪郭部ＳＭ０を抽出することができる。

＜２−１−６．後処理部１５０＞
後処理部１５０では、第１の精密抽出画像ＩＧ２（１）〜第ｎの精密抽出画像ＩＧ２（ｎ）における不安定な精密抽出結果や抽出失敗に対し、モデル知識を使うことで、解析に必要な肺野に整形する。すなわち、後処理部１５０では、粗抽出領域に基づき上述の画像抽出処理が施された精密抽出領域（粗抽出領域に基づく領域）に対して、肺野領域の境界を近似する所定数のフィッティング関数で表現された形状モデルＦ（後述の図３２（ａ）を参照）をフィッティングさせるフィッティング処理を行う。なお、当該所定数のフィッティング関数は、肺野領域の境界に接する領域（とりわけ、肺尖部領域、横隔膜領域、心臓領域、及び、大動脈弓領域等）の境界部分が考慮されることが好ましい。これにより、不安定な精密抽出結果や抽出失敗した位置を精密抽出の結果から算出し補正を行うことが可能となる。

図３２はフィッティング処理について説明する図であり、図３２（ａ）は肺野領域のフィッティング関数の特徴を示す図であり、図３２（ｂ）は図３１（ｃ）で示される肺野領域ＲＡ０の輪郭部ＳＭ０に対してフィッティング処理が実施された結果を示す図である。

図３２（ａ）で示されるように、上記の所定数のフィッティング関数がここでは１３（＝所定数）のフィッティング関数から形状モデルＦを構成した例であり、肺野領域のような幾何学的形状においてもフィッティング関数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、形状モデル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、それぞれのフィッティング関数ｆの次数で表現される。

具体的に、フィッティング関数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、精密抽出画像ＩＧ２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、形状モデル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、実際にフィッティング関数ｆを算出するには、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、後処理部１５０では、形状モデルＦのフィッティング処理を行い、精密抽出画像ＩＧ２に形状モデルＦを付した形状モデル付精密抽出画像ＩＧ３（図３２（ｂ）参照）を順次得る。図３２（ｂ）で示されるように、後処理部１５０の処理による形状モデル付精密抽出画像ＩＧ３は、精密抽出画像ＩＧ２の肺野領域ＲＡ０の輪郭部ＳＭ０（図３１（ｃ）参照）と比較して、肺野領域ＲＡの輪郭部ＳＭ（図３２（ｂ）参照）が平滑化されている様子がわかる。この処理により、精度の安定化や抽出失敗の補正を行う。

＜２−１−７．モデル情報制御部１３５＞
モデル情報制御部１３５では、撮影情報取得部１１５にて取得した被写体固有情報（撮影情報）ＩＯに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する（図２参照）。本実施形態にいうモデル情報とは、上述のテンプレートの種類等を指示する情報（以下、単に「テンプレート情報」と称する）ＴＯおよび形状モデルＦ（図３２参照）におけるフィッティング関数の総数（所定数）や次数等を指示する情報（以下、単に「形状モデル情報」または「形状モデル」と称する）ＦＯであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮される。

ここで、モデル情報制御部１３５におけるモデル情報決定処理とは、テンプレート情報ＴＯを決定する処理としては、（１）予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理であり、形状モデル情報ＦＯを決定する処理としては、直近に決定された上記所定数のフィッティング関数に対し、（２）所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、（３）所定数の増減を決定する処理との２つがある。なお、取得画像が静止画像の場合は、予め定められた所定数のフィッティング関数に対し、（２）あるいは（３）の処理を行うことになる。

＜２−１−７−１．モデル情報決定処理（１）＞
モデル情報決定処理（１）では、モデル情報制御部１３５におけるモデル選択部１２５（図２参照）が、データベース５１に該被写体固有情報ＩＯを入力し、データベース５１が、該被写体固有情報ＩＯの属性情報にマッチする種類の少なくとも１つのテンプレートを指示する情報であるテンプレート情報ＴＯをモデル選択部１２５に出力した後、モデル選択部１２５が、該テンプレート情報ＴＯを粗抽出決定部１３０に入力する。

そして、該テンプレート情報ＴＯが入力された粗抽出決定部１３０では、該テンプレート情報（モデル情報）ＴＯを用いてテンプレートマッチングを行うことで、フレーム画像ＩＧ０に対して粗抽出領域を決定し、粗抽出画像ＩＧ１を得る肺野領域抽出処理（所定部位抽出処理）を実施する。

なお、被写体固有情報ＩＯの属性情報にマッチするテンプレート情報ＴＯが複数のテンプレートを指示する場合は、粗抽出決定部１３０は該当する（属性情報にマッチする）上記複数のテンプレート全てを用いてそれぞれテンプレートマッチング処理を行い、粗抽出領域をそれぞれ仮決定する。そして、粗抽出決定部１３０が、テンプレート情報ＴＯで指示される複数のテンプレート毎に決定した複数の粗抽出領域の中から、予め定められた判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

また、テンプレート情報ＴＯが指示するテンプレートが複数存在する場合、予め定められた判断基準を用いることなく、上記複数のテンプレートのうち単純に任意の１つのテンプレートのみを用いてテンプレートマッチング処理を行っても良い。

具体的に、例えば、撮影情報取得部１１５が被写体固有情報ＩＯとして「性別・年齢・胸囲」に相当する「男性・３０代・９０ｃｍ代」の情報を取得した場合について説明すると、データベース５１が「男性・３０代・９０ｃｍ代」の属性情報が付与された少なくとも１つのテンプレートを検索し、少なくとも１つの検索結果からなるテンプレート情報ＴＯをモデル選択部１２５に出力する。このテンプレート情報ＴＯがテンプレートマッチングに使用するテンプレートの種類を指示する情報となる。そして、モデル選択部１２５から該テンプレート情報ＴＯが入力された粗抽出決定部１３０では、該テンプレート情報ＴＯで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

このように、モデル情報制御部１３５と情報蓄積装置５（データベース５１）とが連動することにより、被写体固有情報ＩＯに基づいてテンプレート情報ＴＯを決定するモデル情報決定処理を実行している。

＜２−１−７−２．モデル情報決定処理（２）及び（３）＞
一方、モデル情報決定処理の（２）及び（３）の処理では、モデル情報制御部１３５が、該被写体固有情報ＩＯに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＯを決定する。なお、形状モデルＦは予め設定された初期状態から、モデル決定処理（２）及び（３）により順次変更されていく。すなわち、モデル情報決定処理（２）及び（３）は直近に決定された形状モデルＦに対して行われる。そして、モデル情報制御部１３５が、該形状モデル情報ＦＯを後処理部１５０に入力した後、後処理部１５０が、該形状モデル情報ＦＯに基づいて上述のフィッティング処理を行うことで、フレーム画像ＩＧ０から肺野領域を抽出する肺野領域抽出処理（具体的には、精密抽出画像ＩＧ２に形状モデルＦＯを付した形状モデル付精密抽出画像ＩＧ３を得る処理）を実施する。

ただし、モデル情報決定処理の（２）及び（３）の処理では形状モデルＦの変更する手法が異なる。以下、前述の被写体固有情報ＩＯが「性別」である場合を例に説明する。図５（ａ）で示される女性の場合は、肋横角付近Ｗ１，Ｗ２に虚偽の線Ｌ１，Ｌ２が入る傾向にあるため、粗抽出処理や精密抽出処理では正確にエッジが検出されない可能性がある。そのため、後処理部１５０のフィッティング処理においても、虚偽の線Ｌ１，Ｌ２に依存して形状モデルＦが決定されることになり、フィッティング関数の数が、例えば、通常より“２”少ない“１１”で決定されることもあり得る。そこで、モデル情報決定処理の（３）の処理を用いて、フィッティング関数の数を“１１”から“１３”に増やす処理を行う。そして、フィッティング関数を“２”追加してもなお、肋横角付近Ｗ１，Ｗ２の形状を表現しきれていない場合には、モデル情報決定処理の（２）の処理を用いて、肋横角付近Ｗ１，Ｗ２のフィッティング関数の次数の調整を行うことで、形状モデルＦＯ決定することになる。

このように、粗抽出処理や精密抽出処理にて表現しきれなかった抽出境界（通常と異なった形状に見える抽出境界）であっても、適切にフィッティング関数（形状モデルＦＯ）を決定することにより抽出精度の向上が図れる。

＜２−１−８．粗抽出処理内容制御部１６０＞
粗抽出処理内容制御部１６０では、肺野領域の少なくとも一部の動き量を考慮して、第ｉ（２≦ｉ≦ｎの何れかの整数）の粗抽出領域の決定に関し、前述の粗抽出処理内容を変更することにより、粗抽出決定部１３０を制御可能である。

粗抽出処理内容制御部１６０が制御可能な粗抽出処理内容は、例えば、第ｉのテンプレートを第（ｉ−１）の精密抽出領域（すなわち、第（ｉ−１）の精密抽出画像ＩＧ３における肺野領域ＲＡ）の一部領域（例えば、肺尖部、大動脈弓、横隔膜、心臓等）を用いて設定する処理内容である。

すなわち、粗抽出処理内容制御部１６０は、第ｉのテンプレートのうち該一部領域のテンプレートに関しては、第（ｉ−１）の精密抽出画像ＩＧ３の一部である該一部領域を用い（後述の図３３（ｃ）参照）、該一部領域以外のテンプレートに関しては、第１のテンプレートと同じテンプレートを用いるように粗抽出決定部１３０に指令を与える。

＜２−１−９．対象部位抽出部１７０＞
対象部位抽出部１７０では、後処理部１５０において後処理を実施した第１の精密抽出画像ＩＧ３（１）〜第ｎの精密抽出画像ＩＧ３（ｎ）から肺野領域ＲＡを抽出し、記憶部３２へ記憶する。

＜２−２．画像処理装置３の基本動作＞
図３４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り、図３３は、横隔膜領域に対する抽出処理の流れを示す概念図である。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３１に示すように、まず、ステップＳ１１において、制御部３１の画像取得部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。そして、ステップＳ１２では、画像補正部１２０が、ステップＳ１１において取得された動画像における第１のフレーム画像Ｇ０に対して、強調処理による画像補正を実施することで、第１のフレーム画像ＩＧ０を生成し、粗抽出決定部１３０に出力する（図７及び図３３（ａ）参照）。

ステップＳ１１，Ｓ１２と並行して、ステップＳ２１，Ｓ２２が実施される。すなわち、ステップＳ２１では、制御部３１の撮影情報（被写体固有情報）取得部１１５が、情報蓄積装置４のカルテ情報記憶部４１から被写体固有情報ＩＯを取得し、モデル情報制御部１３５におけるモデル選択部１２５に入力する。

ステップＳ２２では、ステップＳ２１において入力された被写体固有情報ＩＯに基づいて、モデル情報制御部１３５が上記（１）のモデル情報決定処理を実施する。

ステップＳ３では、粗抽出決定部１３０が、ステップＳ１２において補正されたフレーム画像ＩＧ０に対して、ステップＳ２２において入力されたテンプレート情報ＴＯを用いてテンプレートマッチングを行い（例えば、横隔膜領域の場合は図３３（ｂ）参照）、粗抽出領域（初期値）を決定し、粗抽出画像ＩＧ１を精密抽出決定部１４０に出力する（図１１参照）。なお、該テンプレート情報ＴＯが複数存在する場合は、該テンプレート情報ＴＯで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

このように、ステップＳ３においては、第１の粗抽出領域を決定する際には、第１のフレーム画像ＩＧ０（１）に対して、データベース５１に既存の第１のテンプレート（予め生成されたテンプレート）を用いてテンプレートマッチングを行う。

そして、粗抽出決定部１３０が行う第１の粗抽出領域（初期値）の決定は、各回ごとのテンプレートマッチングの結果に加え、初期値設定を行うための前処理の結果（図２９（ｅ）の相関分布図参照）をも考慮して行う（図３０（ｆ）参照）。

ステップＳ４では、精密抽出決定部１４０が、ステップＳ３において決定された初期値を用いて、精密抽出領域（肺野領域ＲＡ）を決定し、精密抽出画像ＩＧ２を後処理部１５０に出力する（図３１（ｃ）参照）。

ステップＳ５では、モデル情報制御部１３５が、被写体固有情報ＩＯに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＯを決定し、上記の（２）及び（３）のモデル情報決定処理により決定された形状モデル情報ＦＯを後処理部１５０に入力する。そして、後処理部１５０が、ステップＳ４において決定された精密抽出画像ＩＧ２における肺野領域ＲＡ０の輪郭部ＳＭ０に対して、該形状モデル情報ＦＯに基づいてフィッティング処理（後処理）を実施し、精密抽出画像ＩＧ３を生成する（図３２（ｂ）参照）。

ステップＳ６では、対象部位抽出部１７０が、ステップＳ５において後処理された精密抽出画像ＩＧ３の肺野領域ＲＡを対象領域として抽出し、記憶部３２へ記憶する。

ステップＳ７では、制御部３１が、全てのフレーム画像において肺野領域ＲＡを抽出したか否かを判定し、未処理がある場合にはステップＳ８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Ｓ８では、粗抽出処理内容制御部１６０が、第２のテンプレートの設定において、第２のテンプレートのうち横隔膜テンプレートに関しては、第１の精密抽出画像ＩＧ３の一部領域を用い（図３３（ｃ）参照）、該一部領域以外のテンプレートに関しては、第１のテンプレートと同じテンプレートを用いるように粗抽出決定部１３０に指令を与え、ステップＳ３に移る。

そして、ステップＳ３においては、第２の粗抽出領域を決定する際には、第２のフレーム画像ＩＧ０（１）に対して、第１の精密抽出画像ＩＧ３の一部を用いて、粗抽出処理内容制御部１６０にて作成された第２のテンプレートを用いてテンプレートマッチングを行う。

このように、第１のフレーム画像ＩＧ０に対して、ステップＳ３〜ステップＳ８を終えた後、第２のフレーム画像ＩＧ０に対して、ステップＳ３〜ステップＳ８を行うという具合に、ステップＳ３〜ステップＳ８のループが１，２，・・・，ｎの順で繰り返され、最終的に第ｎのフレーム画像ＩＧ０の処理に対してまで行われる。

但し、第２の粗抽出領域以降の第ｉ（ｉ≧２の何れか）の粗抽出領域を決定する際には、第ｉのフレーム画像ＩＧ０（ｉ）に対して、第ｉのテンプレートを用いてテンプレートマッチングを行う。第１のテンプレートとしては、予め準備されたテンプレートを用い、第ｉ（ｉ≧２）のテンプレートにおいては、第（ｉ−１）の精密抽出画像ＩＧ３の一部を用いる。

このように、全てのフレーム画像ＩＧ０において肺野領域ＲＡを抽出するまで、ステップＳ３〜ステップＳ８の工程が繰り返され、全てのフレーム画像ＩＧ０において肺野領域を抽出した後、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、放射線撮影前に予め入力された被写体Ｍに関する情報である撮影情報（被写体固有情報）ＩＯに基づいて、肺野領域の境界を示すモデル情報を決定し、該モデル情報に基づいて、医用画像（フレーム画像ＩＧ０）から肺野領域を抽出する肺野領域抽出処理を実施する。これにより、撮影情報ＩＯに応じた最適なモデル情報を決定することが可能となる。このため、通常と異なる撮影状況（例えば、図５（ａ）で示されるように通常と異なった形状に見える抽出境界など）であっても、安定的且つ高速に肺野領域の抽出精度の向上を実現する。

また、医用画像が動画像に含まれるフレーム画像ＩＧ０であるため、最初の段階（第１のフレーム画像ＩＧ０）で精度の良いモデル情報を決定することができる。このため、該モデル情報（例えば、第１の精密抽出画像ＩＧ３の一部）を用いることで、時間方向においても安定して肺野領域抽出処理を実施することが可能となる。

また、肺野領域抽出処理は、フレーム画像ＩＧ０に対してテンプレート情報ＴＯを用いてテンプレートマッチングを行い、肺野領域を含む領域を粗く抽出し粗抽出領域を決定する粗抽出処理と、該粗抽出領域に基づく領域に対して、肺野領域の境界を近似する所定数のフィッティング関数で表現された形状モデルＦＯをフィッティングさせるフィッティング処理と、を含み、モデル情報は、テンプレート情報ＴＯおよび形状モデル情報ＦＯであることにより、テンプレートマッチング精度及びフィッティング精度が向上する。このため、撮影情報ＩＯに対応して、より安定的に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、撮影情報は、被写体Ｍの固有の情報を示す被写体固有情報ＩＯであることにより、該被写体固有情報ＩＯを考慮してテンプレート情報ＴＯおよび形状モデル情報ＦＯ（モデル情報）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、肺野領域の抽出精度がより向上する。

また、被写体固有情報ＩＯは、性別、年齢、胸囲、体重、身長、肺活量のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報ＴＯおよび形状モデル情報ＦＯ）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、より安定的且つ高速に所定部位の抽出精度の向上を実現する。

また、モデル情報決定処理は、予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理と、所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、所定数の増減を決定する処理と、を含むことにより、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したモデル情報（テンプレート情報ＴＯおよび形状モデル情報ＦＯ）を決定することが可能となる。このため、より安定的に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。

さらに、抽出する所定部位が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、モデル情報（テンプレート情報ＴＯおよび形状モデル情報ＦＯ）は、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮されることにより、肺野領域においてより適切なテンプレート情報ＴＯおよび形状モデル情報ＦＯを決定することができる。これにより、より安定的に肺野領域の抽出精度の向上を実現する。

＜３．第２実施形態＞
図３５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、撮影情報（被写体固有情報）取得部１１５が撮影情報（被写体状態情報）取得部１１５Ａに置換されることにより、情報蓄積装置４Ａのカルテ情報記憶部４１Ａ、情報蓄積装置５Ａのデータベース（テンプレート記憶部）５１Ａ、モデル選択部１２５Ａ、モデル情報制御部１３５Ａが変更される点である。なお、残余の構成は画像処理装置３と同様である。

＜３−１．撮影情報取得部１１５Ａ、カルテ情報記憶部４１Ａ＞
撮影情報（被写体状態情報）取得部１１５Ａでは、放射線撮影前に予め入力された被写体Ｍに関する情報である撮影情報を、情報蓄積装置４Ａにおけるカルテ情報記憶部４１Ａから取得する（図３５参照）。本実施形態におけるカルテ情報記憶部４１Ａに記憶された撮影情報とは、被写体Ｍの過去及び現在の状態を示す被写体状態情報ＩＳ（図３５参照）を指し、具体的に被写体状態情報ＩＳとは、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴等のうち少なくとも何れか１つの情報を指す。

そして、撮影情報取得部１１５Ａは、該被写体状態情報ＩＳをモデル情報制御部１３５Ａにおけるモデル選択部１２５Ａに入力する。

以下では、カルテ情報記憶部４１Ａに格納された被写体固有情報ＩＳについて具体的に説明する。図３６は被写体状態情報ＩＳを説明するためのフレーム画像ＩＧ０を例示する図であり、手術歴（図３６（ａ）〜（ｃ）参照）や病歴（図３６（ｄ）〜（ｆ）参照）によって肺野の状態や形状が異なることを例示する模式図である。

＜３−１−１．手術歴情報（肺切除有無、ペースメーカ有無）＞
図３６（ａ）〜（ｃ）では、手術歴のある被写体の肺野形状を例示している。図３６（ａ）及び図３６（ｂ）では、肺切除術により通常の右肺野領域の下半分の領域Ｐ１（図３６（ａ）参照）及び上半分の領域Ｐ２（図３６（ｂ）参照）がそれぞれ切除されている。肺切除術には、切除範囲の広いものから順に肺全摘術・肺葉切除術・肺区域切除術・肺部分切除術に分けられるため、肺切除場所の情報は、手術方法から決定することも可能である（例えば、岐阜大学がんセンター、“がん治療について”[平成24年6月25日(月)検索]、インターネット<ＵＲＬ：http://hosp.gifu-u.ac.jp/center/gan/about/lungs.html>等参照）。

図３６（ｃ）では、左肺野領域の上側領域Ｐ３にペースメーカが埋め込まれている。

このように、被写体状態情報取得部１１５Ａでは、肺野領域のどの位置を切除しているのか、何処にペースメーカがあるのか、などの情報を取得することが好ましい。

＜３−１−２．病歴情報（疾患の有無）＞
図３６（ｄ）〜（ｆ）では、現在の病気も含む病歴をもつ被写体Ｍの肺野形状を例示している。図３６（ｄ）では、領域Ｐ４，Ｐ５に“もや”が入っており、図３６（ｅ）では、領域Ｐ６に影が入っている様子が見て取れる。何れも病気に起因して生じる現象であり、これによりエッジが不鮮明になるため、肺野領域を正確に抽出できない。

図３６（ｆ）では、被写体Ｍが心肥大を患っているため領域Ｐ７の左肺野形状が健常者と比較して異なる。すなわち、健常者の場合は領域Ｐ７において、上述のフィッティング関数ｆ７，ｆ８（図３２参照）のように２つの関数に明瞭に分けられるが、心肥大を患っている被験者Ｍの場合は、１つの関数で形状を表現できる点で異なる。

ここで、病歴情報は、現状かかっている疾患（肺がん、肺炎、心肥大、ＣＯＰＤ、肺塞栓など）情報のほか、過去の撮影時の情報から決定可能である。

このように、被写体状態情報取得部１１５Ａでは、肺野領域の疾患の有無情報などを取得することが好ましい。

＜３−１−３．その他の情報＞
被写体状態情報取得部１１５Ａでは、上記以外の情報として、過去の撮影時の情報、空腹の有無といった体の状態を示す情報、診断対象に関する情報、問診による判定結果、喫煙歴等の情報をも取得可能である。

例えば、過去の撮影時の情報に関しては、以前に撮影したフレーム画像ＩＧ０（Ｇ０）の情報を基に、肺野の形状や状態を推定することができる。具体的には、対象病気の程度（重度・軽度など）に応じて肺野の形状や状態を推定可能である。このため、過去の撮影時の情報も肺野の形状や状態の推定に考慮することが好ましい。

体の状態（空腹の有無）に関しては、食後の場合は、胃が大きくなり、その他の臓器を圧迫することから、空腹時と比較して肺野の形状も小さくなる傾向にある。このため、空腹の有無も肺野形状の推定に考慮することが好ましい。

診断対象、問診による判定結果に関しては、例えば、上記の肺がん、肺炎、心肥大、ＣＯＰＤ、肺塞栓などの疑いがある場合は肺野の形状や状態が異なる。このため、診断対象、問診による判定結果も肺野の形状や状態の推定に考慮することが好ましい。

喫煙歴に関しては、喫煙の影響で被験者Ｍが肺気腫や気管支拡張症という病気を患うと、フレーム画像ＩＧ０（Ｇ０）に異常所見として出現する。肺気腫の場合は肺が正常より黒っぽく写り、気管支拡張症の場合は、相対的に気管支や血管の影が目立つようになることから、喫煙歴等も考慮することが好ましい。

＜３−２．データベース５１Ａ＞
また、データベース（テンプレート記憶部）５１Ａでは、本実施形態に係るテンプレートが被写体状態情報ＩＳに基づいてグループ分けされて格納されている。すなわち、上述の被写体状態情報取得部１１５Ａにて取得される被写体状態情報ＩＳを考慮したテンプレートが予め準備され、各テンプレートには、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴等に関係する情報を示す属性情報が予め付されてグループ別にデータベース５１Ａに格納されている。

例えば、被写体状態情報ＩＳが「手術歴情報」の場合については、手術歴を基に作成したテンプレートを準備する。前述の図３６の例で説明すると、図３６（ａ）を表現するテンプレートには「右肺下切除有」という属性が予め付され、図３６（ｂ）を表現するテンプレートには「右肺上切除有」という属性が予め付されてデータベース５１Ａにそれぞれグループ別に格納されている。また、図３６（ｃ）で示されるようにペースメーカが肺野領域の一部に埋め込まれた場合には、ペースメーカにより肺野の一部の領域が欠如したテンプレートを複数準備し、該テンプレートに「左肺上ペースメーカ有」等という属性を付してデータベース５１Ａに格納することが好ましい。また、ペースメーカのみの形状を表現するテンプレートを準備し、「ペースメーカ形状」等という属性を付してデータベース５１Ａに格納することも可能である。

また、被写体状態情報ＩＳが「病歴情報」の場合については、過去の撮影時の情報や同じ病歴を持つ患者等により肺野形状が共通するため、病歴を基に作成したテンプレートを準備する。グループ分けとしては、病歴情報（肺がん、肺炎、心肥大、ＣＯＰＤ、肺塞栓等）により用意することが好ましい。この際、「肺がん」「肺炎」「心肥大」「ＣＯＰＤ」「肺塞栓」などの属性が予め付されてデータベース５１Ａにそれぞれグループ別に格納されている。

また、被写体状態情報ＩＳが「過去の撮影時の情報」の場合についても、以前に撮影された情報を基に作成したテンプレートを準備する。グループ分けとしては、例えば、対象の病気の重度から軽度までを用意し、前回の状態の疾患ありのテンプレート、病気が改善しているテンプレートなどを複数用意することが好ましい。この際、「疾患有・重度」「疾患有・軽度」「病気改善」などの属性が予め付されてデータベース５１Ａにそれぞれグループ別に格納されている。

また、被写体状態情報ＩＳが「体の状態情報」の場合については、例えば、空腹の有無などを基に作成したテンプレートを準備する。グループ分けとしては、例えば、食後の経過時間毎に複数のテンプレートを用意することが好ましい。この際、「食後１時間」「空腹」などの属性が予め付されてデータベース５１Ａにそれぞれグループ別に格納されている。

また、被写体状態情報ＩＳが「診断対象情報」「問診による判定結果」の場合については、ターゲット（対象の病気、問診）を基に作成したテンプレートを準備する。グループ分けと属性付与とについては、被写体状態情報ＩＳが「病歴」の場合と同様に行う。

さらに、被写体状態情報ＩＳが「喫煙歴」の場合については、喫煙歴を基に作成したテンプレートを準備する。グループ分けとしては、例えば、喫煙中、喫煙歴無し、禁煙中等のテンプレートを用意することが好ましい。この際、「喫煙中」「喫煙歴無」「禁煙中」などの属性が予め付されてデータベース５１Ａにそれぞれグループ別に格納されている。

以上のように、データベース５１Ａには、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴等の複数のファクタによる属性情報が付与されたテンプレートがそれぞれのグループ毎に格納されている。なお、上記では属性を個別に説明したが、各テンプレートには複数の属性が付与されてもよい。

＜３−３．モデル情報制御部１３５Ａ、モデル選択部１２５Ａ＞
モデル情報制御部１３５Ａでは、被写体状態取得部１１５Ａにて取得した被写体状態情報（撮影情報）ＩＳに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する（図３５参照）。本実施形態にいうモデル情報とは、上述のテンプレート情報ＴＳおよび形状モデル情報ＦＳであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮される。

ここで、モデル情報制御部１３５Ａにおけるモデル情報決定処理とは、テンプレート情報ＴＳを決定する処理としては、（１ａ）予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理であり、形状モデル情報ＦＳを決定する処理としては、直近に決定された上記所定数のフィッティング関数に対し、（２ａ）所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、（３ａ）所定数の増減を決定する処理との２つがある。なお、取得画像が静止画像の場合は、予め定められた所定数のフィッティング関数に対し、（２ａ）あるいは（３ａ）の処理を行うことになる。

＜３−３−１．モデル情報決定処理（１ａ）＞
モデル情報決定処理の（１ａ）の処理では、モデル情報制御部１３５Ａにおけるモデル選択部１２５Ａ（図３５参照）が、データベース５１Ａに該被写体状態情報ＩＳを入力し、データベース５１Ａが、該被写体状態情報ＩＳの属性情報にマッチする種類の少なくとも１つのテンプレートを指示する情報であるテンプレート情報ＴＳをモデル選択部１２５Ａに出力した後、モデル選択部１２５Ａが、該テンプレート情報ＴＳを粗抽出決定部１３０に入力する。

そして、該テンプレート情報ＴＳが入力された粗抽出決定部１３０では、該テンプレート情報（モデル情報）ＴＳを用いてテンプレートマッチングを行うことで、フレーム画像ＩＧ０に対して粗抽出領域を決定し、粗抽出画像ＩＧ１を得る肺野領域抽出処理を実施する。

なお、被写体状態情報ＩＳの属性情報にマッチするテンプレート情報ＴＳが複数のテンプレートを指示する場合は、粗抽出決定部１３０は該当する（属性情報にマッチする）上記複数のテンプレート全てを用いてそれぞれテンプレートマッチング処理を行い、粗抽出領域をそれぞれ仮決定する。そして、粗抽出決定部１３０が、テンプレート情報ＴＳで指示される複数のテンプレート毎に決定した複数の粗抽出領域の中から、予め定められた判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

また、テンプレート情報ＴＳが指示するテンプレートが複数存在する場合、予め定められた判断基準を用いることなく、上記複数のテンプレートのうち単純に任意の１つのテンプレートのみを用いてテンプレートマッチング処理を行っても良い。

具体的に、例えば、撮影情報取得部１１５Ａが被写体状態情報ＩＳとして「手術歴・病歴・体の状態」に相当する「右肺下切除有・肺がん・空腹」の情報を取得した場合について説明すると、データベース５１Ａが「右肺下切除有・肺がん・空腹」の属性情報が付与された少なくとも１つのテンプレートを検索し、少なくとも１つの検索結果からなるテンプレート情報ＴＳをモデル選択部１２５Ａに出力する。このテンプレート情報ＴＳがテンプレートマッチングに使用するテンプレートの種類を指示する情報となる。そして、モデル選択部１２５から該テンプレート情報ＴＳが入力された粗抽出決定部１３０では、該テンプレート情報ＴＳで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

このように、モデル情報制御部１３５Ａと情報蓄積装置５Ａ（データベース５１Ａ）とが連動することにより、被写体状態情報ＩＳに基づいてテンプレート情報ＴＳを決定するモデル情報決定処理を実行している。

＜３−３−２．モデル情報決定処理（２ａ）及び（３ａ）＞
一方、モデル情報決定処理の（２ａ）及び（３ａ）の処理では、モデル情報制御部１３５Ａが、被写体状態情報ＩＳに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＳを決定する。なお、形状モデルＦは予め設定された初期状態から、モデル決定処理（２ａ）及び（３ａ）により順次変更されていく。すなわち、モデル情報決定処理（２ａ）及び（３ａ）は直近に決定された形状モデルＦに対して行われる。

そして、モデル情報制御部１３５Ａが、該形状モデル情報ＦＳを後処理部１５０に入力した後、後処理部１５０が、該形状モデル情報ＦＳに基づいて上述のフィッティング処理を行うことで、フレーム画像ＩＧ０から肺野領域を抽出する肺野領域抽出処理（具体的には、精密抽出画像ＩＧ２に形状モデルＦＳを付した形状モデル付精密抽出画像ＩＧ３を得る処理）を実施する。

ただし、モデル情報決定処理の（２ａ）及び（３ａ）の処理では形状モデルＦの変更する手法が異なる。例えば、前述の図３６（ｆ）の被写体状態情報ＩＳが「病歴有・心肥大」である場合を例に説明すると、領域Ｐ７の肺野形状は通常は、図３２で示されるようにフィッティング関数ｆ７，ｆ８の２つの関数を必要とするが、図３６（ｆ）の場合は１つの関数で表現可能であるため、モデル情報決定処理の（３ａ）の処理を用いて、形状モデルＦを構成するフィッティング関数の数を１３から１２に減らす処理を行う。ここで、フィッティング関数ｆ７を仮に削除した場合、フィッティング関数ｆ８を用いて図３６（ｆ）の領域Ｐ７の形状を表現することになるため、モデル情報決定処理の（２ａ）の処理を用いて、フィッティング関数ｆ８の次数の調整を行うことで、形状モデルＦＳを決定することになる。

このように、粗抽出処理や精密抽出処理にて表現しきれなかった抽出境界（異常な形状をもつ抽出境界）であっても、適切にフィッティング関数（形状モデルＦＳ）を決定することにより抽出精度の向上が図れる。

＜３−４．画像処理装置３Ａの変形例＞
続いて、第２実施形態に係る画像処理装置３Ａの変形例である画像処理装置３Ａ’について説明する。図３７は、画像処理装置３Ａ’の基本的な機能構成を示すブロック図である。図３７で示されるように、画像処理装置３Ａと異なる点は、画像処理装置３Ａ’では、モデル情報制御部１３５Ａ’にテンプレート加工部１２６Ａ’が付加されることにより、モデル選択部１２５Ａ’が変更される点である。なお、残余の構成は画像処理装置３Ａと同様である。

画像処理装置３Ａ’の機能構成は、被写体状態情報取得部１１５Ａにて取得される被写体状態情報ＩＳの属性にマッチするテンプレートがデータベース５１Ａに存在しない場合や、所望の形状を表現したテンプレートが存在しない場合において効果的である。

すなわち、テンプレート加工部１２６Ａ’では、モデル選択部１２５Ａ’から出力されたテンプレート情報ＴＳ’をベースに、被写体状態取得部１１５Ａにて取得した被写体状態情報ＩＳに基づく所望の形状にテンプレートを加工するテンプレート加工処理を実施する。

ここで、上記（１ａ）のモデル情報決定処理におけるテンプレートの「種類」とは、テンプレート加工処理によってテンプレートの形状が変更されたテンプレートの「形状」をも包含する概念で用いている。

以下、画像処理装置３Ａ’の特徴的な工程について具体的に説明する。まず、画像処理装置３Ａ’では、モデル選択部１２５Ａ’が被写体状態情報ＩＳの属性により近いもしくは肺野形状により近いテンプレート情報ＴＳ’を選択し、テンプレート加工部１２６Ａ’に入力する。

テンプレート加工部１２６Ａ’では、入力されたテンプレート情報ＴＳ’をベースにテンプレートを所望の肺野形状に加工することで、新たにテンプレート（すなわち、テンプレート情報）ＴＳを生成し、該テンプレートＴＳを粗抽出決定部１３０に入力する。

図３８は、テンプレート加工部１２６Ａ’によるテンプレート加工処理を例示する図である。図３８で示されるように、図３８（ａ）では、ペースメーカが埋め込まれた領域を考慮して、テンプレートＴ４Ｌ（図２２参照）の領域Ｄ１を削除する加工を行うことでテンプレートＴ４Ｌ’を生成している。また、図３８（ｂ）では、肺切除術により右肺野領域の下部領域が切除されていることを考慮してテンプレートＴ２Ｒ（図１８参照）の領域Ｄ２を削除する加工を行うことでテンプレートＴ２Ｒ’を生成している。さらに、図３８（ｃ）では、肺切除術により右肺野領域の上部領域が切除されていることを考慮してテンプレートＴ４Ｒ（図２２参照）の領域Ｄ３を削除する加工を行うことでテンプレートＴ４Ｒ’を生成している。

このように、画像処理装置３Ａ’では、テンプレート加工部１２６Ａ’において新たにテンプレート情報ＴＳ’を生成する機能を備えるため、データベース５１Ａに膨大なテンプレートを記憶せずとも、必要最小限のテンプレートを記憶されるだけで済む。

＜３−３．画像処理装置３Ａの基本動作＞
続いて、図３９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３９のうち、ステップＳＡ１１，ＳＡ１２，ＳＡ４,ＳＡ６〜ＳＡ８は図３４のステップＳ１１，Ｓ１２，Ｓ４,Ｓ６〜Ｓ８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実施形態の被写体固有情報取得部１１５が被写体状態情報取得部１１５Ａに置換されたことで、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ＳＡ１１，ＳＡ１２と並行して、図３９で示されるように、ステップＳＡ２１，ＳＡ２２が実施される。すなわち、ステップＳＡ２１では、制御部３１Ａの被写体状態情報取得部１１５Ａが、情報蓄積装置４Ａのカルテ情報記憶部４１Ａから被写体状態情報ＩＳを取得し、モデル情報制御部１３５Ａにおけるモデル選択部１２５Ａに入力する。

ステップＳＡ２２では、ステップＳＡ２１において入力された被写体状態情報ＩＳに基づいて、モデル情報制御部１３５Ａが上記（１ａ）のモデル情報決定処理を実施する。

ステップＳＡ３では、粗抽出決定部１３０が、ステップＳＡ１２において補正されたフレーム画像ＩＧ０に対して、ステップＳＡ２２において入力されたテンプレート情報ＴＳを用いてテンプレートマッチングを行う。なお、該テンプレート情報ＴＳが複数存在する場合は、該テンプレート情報ＴＳで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

そして、第１実施形態と同様の工程として、ステップＳＡ４を経て、ステップＳＡ５では、モデル情報制御部１３５Ａが、被写体状態情報ＩＳに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＳを決定し、上記の（２ａ）及び（３ａ）のモデル情報決定処理により決定された形状モデル情報ＦＳを後処理部１５０に入力する。そして、後処理部１５０が、ステップＳＡ４において決定された精密抽出画像ＩＧ２における肺野領域ＲＡ０の輪郭部ＳＭ０に対して、該形状モデル情報ＦＳに基づいてフィッティング処理（後処理）を実施し、精密抽出画像ＩＧ３を生成する。

以上のように第２実施形態に係る画像処理装置３Ａでは、放射線撮影前に予め入力された被写体Ｍに関する情報である撮影情報（被写体状態情報）ＩＳに基づいて、肺野領域の境界を示すモデル情報を決定し、該モデル情報に基づいて、医用画像（フレーム画像ＩＧ０）から肺野領域を抽出する肺野領域抽出処理を実施する。これにより、撮影情報ＩＳに応じた最適なモデル情報を決定することが可能となる。このため、通常と異なる撮影状況（例えば、被験者Ｍが手術歴や病歴を有する場合など）であっても、安定的且つ高速に所定部位の抽出精度の向上を実現する。

また、被写体状態情報ＩＳは、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報ＴＳおよび形状モデル情報ＦＳ）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、非健常者または非健常動物の身体を被写体Ｍとする場合であっても、より安定的且つ高速に肺野領域の抽出精度の向上を実現する。

また、モデル情報決定処理は、予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理と、所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、所定数の増減を決定する処理と、を含むことにより、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したモデル情報（テンプレート情報ＴＳおよび形状モデル情報ＦＳ）を決定することが可能となる。また、手術歴や病歴を有した被写体Ｍにおいて、肺野領域の形状あるいは位置が正常な被写体Ｍと比較して著しく異なる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、より安定的に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。

なお、第２の実施形態に係る画像処理装置３Ａは、他に、第１の実施形態に係る画像処理装置３と同様の効果を奏するが、説明は省略する。

＜４．第３実施形態＞
図４０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（図１参照）で用いられる制御部３１Ｂの機能構成を示す図である。この制御部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、撮影情報（被写体固有情報）取得部１１５が撮影情報（撮影環境情報）取得部１１５Ｂに置換されることにより、情報蓄積装置４のカルテ情報記憶部４１を必要としない点、及び、情報蓄積装置５Ｂのデータベース（テンプレート記憶部）５１Ｂ、モデル選択部１２５Ｂ、モデル情報制御部１３５Ｂが変更される点である。なお、残余の構成は画像処理装置３と同様である。

＜４−１．撮影情報取得部１１５Ｂ＞
撮影情報（撮影環境情報）取得部１１５Ｂでは、放射線撮影環境に関する情報である撮影情報を、撮影制御装置２から取得する（図４０参照）。本実施形態における撮影制御装置２から取得する撮影情報とは、動画像（医用画像）が撮影された環境を示す撮影環境情報ＩＥ（図４０参照）を指し、具体的に撮影環境情報ＩＥとは、撮影方向、被写体Ｍとなる対象者または対象動物の呼吸の有無、呼吸の強制有無等のうち少なくとも何れか１つの情報を指す。

そして、撮影情報取得部１１５Ｂは、該撮影環境情報ＩＥをモデル情報制御部１３５Ｂにおけるモデル選択部１２５Ｂに入力する。

以下では、撮影制御装置２から取得される撮影環境情報ＩＥを具体的に説明する。

＜４−１−１．撮影方向情報＞
図４１は撮影環境情報ＩＥを説明するためのサンプル画像ＳＧを例示する図であり、図４１（ａ）では、図１で示されるように撮影部１３の前に被験者Ｍが立った状態（立位）で撮影されるのに対し、図４１（ｂ）では、診療台の上に被験者Ｍが寝ている状態（臥位）で撮影されている。

図４１で示されるように、被験者Ｍの姿勢が立位（図４１（ａ）参照）と臥位（図４１（ｂ）参照）とによって肺野の形状が異なることが見て取れる。具体的には、被験者Ｍの姿勢が立位である場合は、臥位である場合と比較して肺野の形状が縦に細長い特徴を有する。これに対して、被験者Ｍの姿勢が臥位である場合は、立位である場合と比較して肺野の形状が重力の影響で横に広がる（臓器の位置が変わる）ため、全体としてのサイズが大きくなる特徴を有する。このように、被験者Ｍが同一であっても、被験者Ｍの姿勢、すなわち、撮影方向により肺野形状の見え方が大きく異なる。

また、図４１では図示されていないが、被験者Ｍに対して斜め方向から撮影された場合においても、被験者Ｍに対するＸ線の入射方向が変わるため、肺野形状が立位及び臥位とは異なる形状となる。これは、光源の位置が変わると投影像（肺野形状）が変わる可能性が高いためである。

したがって、撮影環境情報取得部１１５Ｂは、被験者Ｍの姿勢（立位、臥位、斜め）に起因した撮影方向の情報を取得することが好ましい。

＜４−１−２．撮影時の呼吸状態情報＞
また、肺野形状を決める他の要因として呼吸状態情報が挙げられる。図４２は、自然呼吸と強制呼吸とについて説明する図である。図４２で示されるように、被写体Ｍが通常行う自然呼吸の呼吸サイクルは、吸気と呼気とから構成される。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り、息を最大限に吸い込んだとき（吸気と呼気の変換点）が最大吸気時となる。一方、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）が最大呼気時となる。このように、最大吸気時に肺野形状が最も大きくなり、最大呼気時に肺野形状が最も小さくなる特徴を有する。

一方、自然呼吸に対する用語として、本実施形態における強制呼吸（呼吸の強制）とは、被験者Ｍに強制的に息止めさせた時をいう。強制的な息止め時は、一般的に、図４２で示されるように、最大吸気時もしくは最大吸気時に最も近い状態（最大吸気時付近）となるが、強制呼吸では意識的に息を多く吸い込むため、自然呼吸時の最大吸気時付近と比較して、肺野形状が若干大きくなる傾向にある。このように、自然呼吸か強制呼吸かによっても肺野形状を考慮することが好ましい。

この他、急患などで息切れがひどい場合、呼吸が浅く速くなる場合等は、呼吸による肺野の形状の変化は小さく、息止め時の肺形状と同視できる傾向にある。

したがって、撮影環境情報取得部１１５Ｂは、被験者Ｍの様々な呼吸状態情報を取得することが好ましい。

＜４−１−３．その他の情報＞
撮影環境情報取得部１１５Ｂは上記以外に例えば、ＦＰＤのサイズ等も取得可能である。例えば、小さいＦＰＤで、大きい被写体Ｍが撮影されたときにフレーム画像から対象部位がはみ出る可能性があるためであり、ＦＰＤのサイズ等も考慮することが好ましい。

＜４−２．データベース５１Ｂ＞
また、データベース（テンプレート記憶部）５１Ｂでは、本実施形態に係るテンプレートが撮影環境情報ＩＥに基づいてグループ分けされて格納されている。すなわち、上述の撮影環境情報取得部１１５Ｂにて取得される撮影環境情報ＩＥを考慮したテンプレートが予め準備され、各テンプレートには、撮影方向、被写体Ｍとなる対象者または対象動物の呼吸の有無、呼吸の強制有無等に関係する情報を示す属性情報が予め付されてグループ別にデータベース５１Ｂに格納されている。

例えば、撮影環境情報ＩＥが「撮影方向情報」の場合については、撮影方向を基に作成したテンプレートを準備する。前述の図４１の例においては、図４１（ａ）を表現するテンプレートには「立位」という属性が予め付され、図４１（ｂ）を表現するテンプレートには「臥位」という属性が予め付されてデータベース５１Ｂにそれぞれグループ別に格納されている。また、図４１では図示されていないが、被写体Ｍに対して斜め方向から撮影された場合を表現するテンプレートを用意する場合には、「斜め（あるいは角度）」という属性を付し、データベース５１Ｂの立位、臥位とは別のグループに格納することが好ましい。

また、撮影環境情報ＩＥが「撮影時の呼吸状態情報」の場合については、呼吸状態を基に作成したテンプレートを準備する。グループ分けとしては、呼吸の有無により、肺野の形状の変化は大きく変わるため、強制的な息止め時、自然呼吸時等により使用するテンプレートを用意することが好ましい。この際、例えば、「最大呼気」「最大吸気」「息止め」などの属性が予め付されてデータベース５１Ｂにそれぞれグループ別に格納されている。

以上のように、データベース５１Ｂには、撮影方向、被写体Ｍとなる対象者または対象動物の呼吸の有無、呼吸の強制有無等の複数のファクタによる属性情報が付与されたテンプレートがそれぞれのグループ毎に格納されている。なお、上記では属性を個別に説明したが、各テンプレートには複数の属性が付与されてもよい。

＜４−３．モデル情報制御部１３５Ｂ、モデル選択部１２５Ｂ＞
モデル情報制御部１３５Ｂでは、撮影環境情報取得部１１５Ｂにて取得した撮影環境情報（撮影情報）ＩＥに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する（図４０参照）。本実施形態にいうモデル情報とは、テンプレート情報ＴＥおよび形状モデル情報ＦＥであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮される。

ここで、モデル情報制御部１３５Ｂにおけるモデル情報決定処理とは、テンプレート情報ＴＥを決定する処理としては、（１ｂ）予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理であり、形状モデル情報ＦＥを決定する処理としては、直近に決定された上記所定数のフィッティング関数に対し、（２ｂ）所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、（３ｂ）所定数の増減を決定する処理との２つである。なお、取得画像が静止画像の場合は、予め定められた所定数のフィッティング関数に対し、（２ｂ）あるいは（３ｂ）の処理を行うことになる。

＜４−３−１．モデル情報決定処理（１ｂ）＞
モデル情報決定処理の（１ｂ）の処理では、モデル情報制御部１３５Ｂにおけるモデル選択部１２５Ｂ（図４０参照）が、データベース５１Ｂに該撮影環境情報ＩＥを入力し、データベース５１Ｂが、該撮影環境情報ＩＥの属性情報にマッチする種類の少なくとも１つのテンプレートを指示する情報であるテンプレート情報ＴＥをモデル選択部１２５Ｂに出力した後、モデル選択部１２５Ｂが、該テンプレート情報ＴＥを粗抽出決定部１３０に入力する。

そして、該テンプレート情報ＴＥが入力された粗抽出決定部１３０では、該テンプレート情報（モデル情報）ＴＥを用いてテンプレートマッチングを行うことで、フレーム画像ＩＧ０に対して粗抽出領域を決定し、粗抽出画像ＩＧ１を得る肺野領域抽出処理を実施する。

なお、撮影環境情報ＩＥの属性情報にマッチするテンプレート情報ＴＥが複数のテンプレートを指示する場合は、粗抽出決定部１３０は該当する（属性情報にマッチする）上記複数のテンプレート全てを用いてそれぞれテンプレートマッチング処理を行い、粗抽出領域をそれぞれ仮決定する。そして、粗抽出決定部１３０が、テンプレート情報ＴＥで指示される複数のテンプレート毎に決定した複数の粗抽出領域の中から、予め定められた判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

また、テンプレート情報ＴＥが指示するテンプレートが複数存在する場合、予め定められた判断基準を用いることなく、上記複数のテンプレートのうち単純に任意の１つのテンプレートのみを用いてテンプレートマッチング処理を行っても良い。

具体的に、例えば、撮影情報取得部１１５Ｂが撮影環境情報ＩＥとして「撮影方向・撮影時の呼吸状態」に相当する「臥位・最大呼気」の情報を取得した場合について説明すると、データベース５１Ｂが「臥位・最大呼気」の属性情報が付与された少なくとも１つのテンプレートを検索し、少なくとも１つの検索結果からなるテンプレート情報ＴＥをモデル選択部１２５Ｂに出力する。このテンプレート情報ＴＥがテンプレートマッチングに使用するテンプレートの種類を指示する情報となる。そして、モデル選択部１２５から該テンプレート情報ＴＥが入力された粗抽出決定部１３０では、該テンプレート情報ＴＥで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

このように、モデル情報制御部１３５Ｂと情報蓄積装置５Ｂ（データベース５１Ｂ）とが連動することにより、撮影環境情報ＩＥに基づいてテンプレート情報ＴＥを決定するモデル情報決定処理を実行している。

また、撮影環境情報ＩＥにおける「撮影時の呼吸状態」が急患などで息切れがひどい場合には、上述の通り、息止め時の肺形状と同視可能であるため、「息止め」の属性情報が付与されたテンプレートを選択することが好ましい。

＜４−３−２．モデル情報決定処理（２ｂ）及び（３ｂ）＞
一方、モデル情報決定処理の（２ｂ）及び（３ｂ）の処理では、モデル情報制御部１３５Ｂが、撮影環境情報ＩＥに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＥを決定する。なお、形状モデルＦは予め設定された初期状態から、モデル決定処理（２ｂ）及び（３ｂ）により順次変更されていく。すなわち、モデル情報決定処理（２ｂ）及び（３ｂ）は直近に決定された形状モデルＦに対して行われる。

そして、モデル情報制御部１３５Ｂが、該形状モデル情報ＦＥを後処理部１５０に入力した後、後処理部１５０が、該形状モデル情報ＦＥに基づいて上述のフィッティング処理を行うことで、フレーム画像ＩＧ０から肺野領域を抽出する肺野領域抽出処理（具体的には、精密抽出画像ＩＧ２に形状モデルＦＥを付した形状モデル付精密抽出画像ＩＧ３を得る処理）を実施する。なお、モデル情報決定処理の（２ｂ）及び（３ｂ）の処理手法の違いは、上記モデル情報決定処理の（２）及び（３）の違いと同様である。

このように、粗抽出処理や精密抽出処理にて表現しきれなかった抽出境界であっても、適切にフィッティング関数（形状モデルＦＥ）を決定することにより抽出精度の向上が図れる。

＜４−４．画像処理装置３Ｂの基本動作＞
続いて、図４３は、第３実施形態に係る画像処理装置３Ｂの動作フローを例示した図である。なお、図４３のうち、ステップＳＢ１１，ＳＢ１２，ＳＢ４,ＳＢ６〜ＳＢ８は図３４のステップＳ１１，Ｓ１２，Ｓ４,Ｓ６〜Ｓ８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実施形態の被写体固有情報取得部１１５が撮影環境情報取得部１１５Ｂに置換されたことで、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ＳＢ１１，ＳＢ１２と並行して、図４３で示されるように、ステップＳＢ２１，ＳＢ２２が実施される。すなわち、ステップＳＢ２１では、制御部３１Ｂの撮影環境情報取得部１１５Ｂが、撮影制御装置２から撮影環境情報ＩＥを取得し、モデル情報制御部１３５Ｂにおけるモデル選択部１２５Ｂに入力する。

ステップＳＢ２２では、ステップＳＢ２１において入力された撮影環境情報ＩＥに基づいて、モデル情報制御部１３５Ｂが上記（１ｂ）のモデル情報決定処理を実施する。

ステップＳＢ３では、粗抽出決定部１３０が、ステップＳＢ１２において補正されたフレーム画像ＩＧ０に対して、ステップＳＢ２２において入力されたテンプレート情報ＴＥを用いてテンプレートマッチングを行う。なお、該テンプレート情報ＴＥが複数存在する場合は、該テンプレート情報ＴＥで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

そして、第１実施形態と同様の工程として、ステップＳＢ４を経て、ステップＳＢ５では、モデル情報制御部１３５Ｂが、撮影環境情報ＩＥに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＥを決定し、上記の（２ｂ）及び（３ｂ）のモデル情報決定処理により決定された形状モデル情報ＦＥを後処理部１５０に入力する。そして、後処理部１５０が、ステップＳＢ４において決定された精密抽出画像ＩＧ２における肺野領域ＲＡ０の輪郭部ＳＭ０に対して、該形状モデル情報ＦＥに基づいてフィッティング処理（後処理）を実施し、精密抽出画像ＩＧ３を生成する。

以上のように第３実施形態に係る画像処理装置３Ｂでは、放射線撮影前に予め入力された放射線撮影環境に関する情報である撮影情報（撮影環境情報）ＩＥに基づいて、肺野領域の境界を示すモデル情報を決定し、該モデル情報に基づいて、医用画像（フレーム画像ＩＧ０）から肺野領域を抽出する肺野領域抽出処理を実施する。これにより、撮影情報ＩＥに応じた最適なモデル情報を決定することが可能となる。このため、通常と異なる撮影状況（例えは、撮影時の呼吸状態が急患などで息切れがひどい場合など）であっても、安定的且つ高速に所定部位の抽出精度の向上を実現する。

また、撮影環境情報ＩＥは、撮影方向、被写体Ｍとなる対象者または対象動物の呼吸の有無、呼吸の強制有無のうち少なくとも何れか１つの情報を含むことにより、これらの情報のうち少なくとも何れか１つの情報を考慮してモデル情報（テンプレート情報ＴＥおよび形状モデル情報ＦＥ）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、特殊条件下における撮影であっても、より安定的且つ高速に所定部位の抽出精度の向上を実現する。

なお、第３の実施形態に係る画像処理装置３Ｂは、他に、第１の実施形態に係る画像処理装置３と同様の効果を奏するが、説明は省略する。

＜５．第４実施形態＞
図４４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〜第３実施形態の画像処理装置３，３Ａ，３Ｂにおける制御部３１，３１Ａ，３１Ｂが組み合わされた構成を有する。第１実施形態と異なる点は、撮影情報（被写体固有情報）取得部１１５が撮影情報（被写体固有情報・被写体状態情報・撮影環境情報）取得部１１５Ｃに置換されることにより、情報蓄積装置４Ｃのカルテ情報記憶部４１Ｃ、情報蓄積装置５Ｃのデータベース（テンプレート記憶部）５１Ｃ、モデル選択部１２５Ｃ、モデル情報制御部１３５Ｃが変更される点である。なお、残余の構成は画像処理装置３と同様である。

＜５−１．撮影情報取得部１１５Ｃ、カルテ情報記憶部４１Ｃ＞
撮影情報（被写体固有情報・被写体状態情報・撮影環境情報）取得部１１５Ｃでは、放射線撮影前に予め入力された被写体Ｍに関する情報である撮影情報（被写体固有情報ＩＯ、被写体状態情報ＩＳ）を、情報蓄積装置４Ｃにおけるカルテ情報記憶部４１Ｃから取得するとともに、放射線撮影環境に関する情報である撮影情報（撮影環境情報ＩＥ）を、撮影制御装置２から取得する（図４４参照）。したがって、本実施形態における撮影情報とは、上述と同様の被写体固有情報ＩＯ、被写体状態情報ＩＳ、及び、撮影環境情報ＩＥを指す。そして、撮影情報取得部１１５Ｃは、モデル情報制御部１３５Ｃにおけるモデル選択部１２５Ｃにこれら３種類の撮影情報ＩＯ，ＩＳ，ＩＥを入力する。

＜５−２．データベース５１Ｃ＞
また、データベース（テンプレート記憶部）５１Ｃでは、本実施形態に係るテンプレートが被写体固有情報ＩＯ、被写体状態情報ＩＳ、撮影環境情報ＩＥに基づいてグループ分けされて格納されている。すなわち、上述の撮影情報取得部１１５Ｃにて取得されるこれら３種類の撮影情報を考慮したテンプレートが予め準備され、各テンプレートには、上述と同様の属性情報（第１〜第３実施形態にて説明済み）が予め付されてグループ別にデータベース５１Ｃにて格納されている。

以下、データベース５１Ｃの概念構造を説明するにあたって、被写体固有情報ＩＯを「性別」、被写体状態情報ＩＳを「肺切除有無」、撮影環境情報ＩＥを「撮影方向」とした場合の最も簡略化された例を用いて説明する。

図４５は、データベース５１Ｃにおける階層化されたテンプレート情報の一例を示す概念図である。図４５で示されるように、被写体固有情報ＩＯの「性別」、被写体状態情報ＩＳの「肺切除有無」、撮影環境情報ＩＥの「撮影方向」のうち、最も上位概念に位置するのは、撮影環境情報ＩＥの「撮影方向」であるため、まず、「立位」「臥位」「斜め」の３つのテンプレート情報ＴＥ１〜ＴＥ３に大別され、各々テンプレートがグループ化され格納（蓄積）されている。次に、被写体固有情報ＩＯの「性別」は被写体状態情報ＩＳの「肺切除有無」より上位概念であるため、「男性」「女性」の２つのテンプレート情報ＴＯ１，ＴＯ２がテンプレート情報ＴＥ１〜ＴＥ３に各々格納される。さらに、「肺切除無」「肺切除有」の２つのテンプレート情報ＴＳ１，ＴＳ２がテンプレート情報ＴＯ１，ＴＯ２に各々格納される。したがって、例えば、被写体固有情報ＩＯが「男性」、被写体状態情報ＩＳが「肺切除有」、撮影環境情報ＩＥ「臥位」の場合のテンプレート情報は、テンプレート情報ＴＯ１Ｓ２Ｅ２（図４５参照）が該当する。

なお、ここでは撮影情報における最も簡略化された概念構造の一例について説明したが、実際は被写体固有情報ＩＯ、被写体状態情報ＩＳ、撮影環境情報ＩＥがそれぞれ複数の属性情報から構成されるため、実際のデータベース５１はかなり複雑な構造となる。また、ここでは、最も上位概念を撮影環境情報ＩＥ、最も下位概念を被写体状態情報ＩＳとしたが、これに限られず、属性情報の組合せにより様々に変動することになる。

＜５−３．モデル情報制御部１３５Ｃ、モデル選択部１２５Ｃ＞
モデル情報制御部１３５Ｃでは、撮影情報取得部１１５Ｃにて取得した被写体固有情報ＩＯ、被写体状態情報ＩＳ、撮影環境情報ＩＥに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する（図４４参照）。本実施形態にいうモデル情報とは、テンプレート情報ＴＯＳＥおよび形状モデル情報ＦＯＳＥであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮される。

ここで、モデル情報制御部１３５Ｃにおけるモデル情報決定処理とは、テンプレート情報ＴＯＳＥを決定する処理としては、（１ｃ）予め準備された複数種のテンプレートのうち、テンプレートマッチングに使用するテンプレートの種類を決定する処理であり、形状モデル情報ＦＯＳＥを決定する処理としては、直近に決定された上記所定数のフィッティング関数に対し、（２ｃ）所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理と、（３ｃ）所定数の増減を決定する処理との２つである。なお、取得画像が静止画像の場合は、予め定められた所定数のフィッティング関数に対し、（２ｃ）あるいは（３ｃ）の処理を行うことになる。

＜５−３−１．モデル情報決定処理（１ｃ）＞
具体的に、モデル情報決定処理の（１ｃ）の処理では、モデル情報制御部１３５Ｃにおけるモデル選択部１２５Ｃ（図４４参照）が、データベース５１Ｃに該被写体固有情報ＩＯ、該被写体状態情報ＩＳ、該撮影環境情報ＩＥを入力し、データベース５１Ｃが、これら３種類の属性情報にマッチする種類の少なくとも１つのテンプレートを指示する情報であるテンプレート情報ＴＯＳＥをモデル選択部１２５Ｃに出力した後、モデル選択部１２５Ｃが、該テンプレート情報ＴＯＳＥを粗抽出決定部１３０に入力する。

そして、該テンプレート情報ＴＯＳＥが入力された粗抽出決定部１３０では、該テンプレート情報（モデル情報）ＴＯＳＥを用いてテンプレートマッチングを行うことで、フレーム画像ＩＧ０に対して粗抽出領域を決定し、粗抽出画像ＩＧ１を得る肺野領域抽出処理を実施する。

なお、撮影情報ＩＯ，ＩＳ，ＩＥの属性情報にマッチするテンプレート情報ＴＯＳＥが複数のテンプレートを指示する場合は、粗抽出決定部１３０は該当する（属性情報にマッチする）上記複数のテンプレート全てを用いてそれぞれテンプレートマッチング処理を行い、粗抽出領域をそれぞれ仮決定する。そして、粗抽出決定部１３０が、テンプレート情報ＴＯＳＥで指示される複数のテンプレート毎に決定した複数の粗抽出領域の中から、予め定められた判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

また、テンプレート情報ＴＯＳＥが指示するテンプレートが複数存在する場合、予め定められた判断基準を用いることなく、上記複数のテンプレートのうち単純に任意の１つのテンプレートのみを用いてテンプレートマッチング処理を行っても良い。

例えば、上記と同様に、撮影情報取得部１１５Ｃが撮影環境情報ＩＯ，ＩＳ，ＩＥとして「性別・肺切除有無・撮影方向」に相当する「男性・肺切除有・臥位」の情報を取得した場合（図４５参照）について説明すると、データベース５１Ｃが「男性・肺切除有・臥位」の属性情報が付与された少なくとも１つのテンプレートを検索し、少なくとも１つの検索結果からなるテンプレート情報ＴＯＳＥをモデル選択部１２５Ｃに出力する。このテンプレート情報ＴＯＳＥがテンプレートマッチングに使用するテンプレートの種類を指示する情報となる。そして、モデル選択部１２５から該テンプレート情報ＴＯＳＥが入力された粗抽出決定部１３０では、該テンプレート情報ＴＯＳＥで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

このように、モデル情報制御部１３５Ｃと情報蓄積装置５Ｃ（データベース５１Ｃ）とが連動することにより、撮影情報ＩＯ，ＩＳ，ＩＥに基づいてテンプレート情報ＴＯＳＥを決定するモデル情報決定処理を実行している。

＜５−３−２．モデル情報決定処理（２ｃ）及び（３ｃ）＞
一方、モデル情報決定処理の（２ｃ）及び（３ｃ）の処理では、モデル情報制御部１３５Ｃが、該被写体固有情報ＩＯ、該被写体状態情報ＩＳ、該撮影環境情報ＩＥに基づいて形状モデルＦの形状を変更し形状モデル情報ＦＯＳＥを決定する。なお、形状モデルＦは予め設定された初期状態から、モデル決定処理（２ｃ）及び（３ｃ）により順次変更されていく。すなわち、モデル情報決定処理（２ｃ）及び（３ｃ）は直近に決定された形状モデルＦに対して行われる。

そして、モデル情報制御部１３５Ｃが、該形状モデル情報ＦＯＳＥを後処理部１５０に入力した後、後処理部１５０が、該形状モデル情報ＦＯＳＥに基づいて上述のフィッティング処理を行うことで、フレーム画像ＩＧ０から肺野領域を抽出する肺野領域抽出処理（具体的には、精密抽出画像ＩＧ２に形状モデルＦＯＳＥを付した形状モデル付精密抽出画像ＩＧ３を得る処理）を実施する。なお、モデル情報決定処理の（２ｃ）及び（３ｃ）の処理手法の違いは、上記モデル情報決定処理の（２ａ）及び（３ａ）の違いと同様である。

このように、粗抽出処理や精密抽出処理にて表現しきれなかった抽出境界であっても、適切にフィッティング関数（形状モデルＦＯＳＥ）を決定することにより抽出精度の向上が図れる。

＜５−４．画像処理装置３Ｃの基本動作＞
続いて、図４６は、第４実施形態に係る画像処理装置３Ｃの動作フローを例示した図である。なお、図４６のうち、ステップＳＣ１１，ＳＣ１２，ＳＣ４,ＳＣ６〜ＳＣ８は図３４のステップＳ１１，Ｓ１２，Ｓ４,Ｓ６〜Ｓ８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実施形態の被写体固有情報取得部１１５が撮影情報取得部１１５Ｃに置換されたことで、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ＳＣ１１，ＳＣ１２と並行して、図４３で示されるように、ステップＳＣ２１，ＳＣ２２が実施される。すなわち、ステップＳＣ２１では、制御部３１Ｃの撮影情報取得部１１５Ｃが、カルテ情報記憶部４１Ｃから被写体固有情報ＩＯ、被写体状態情報ＩＳを取得するとともに、撮影制御装置２から撮影環境情報ＩＥを取得し、モデル情報制御部１３５Ｃにおけるモデル選択部１２５Ｃにこれら３種類の撮影情報ＩＯ，ＩＳ，ＩＥを入力する。

ステップＳＣ２２では、ステップＳＣ２１において入力された３種類の撮影情報ＩＯ，ＩＳ，ＩＥに基づいて、モデル情報制御部１３５Ｃが上記（１ｃ）のモデル情報決定処理を実施する。

ステップＳＣ３では、粗抽出決定部１３０が、ステップＳＣ１２において補正されたフレーム画像ＩＧ０に対して、ステップＳＣ２２において入力されたテンプレート情報ＴＯＳＥを用いてテンプレートマッチングを行う。なお、該テンプレート情報ＴＯＳＥが複数存在する場合は、該テンプレート情報ＴＯＳＥで指示されるテンプレート毎にテンプレートマッチング処理を行い、各々仮決定した粗抽出領域の中から、前述した判断基準に従い被写体Ｍに最も適合すると判断された粗抽出領域を粗抽出画像ＩＧ１として精密抽出決定部１４０に出力する。

そして、第１実施形態と同様の工程として、ステップＳＣ４を経て、ステップＳＣ５では、モデル情報制御部１３５Ｃが、３種類の撮影情報（被写体固有情報ＩＯ、被写体状態情報ＩＳ、撮影環境情報ＩＥ）に基づいて形状モデルＦの形状を変更し形状モデル情報ＦＯＳＥを決定し、上記の（２ｃ）及び（３ｃ）のモデル情報決定処理により決定された形状モデル情報ＦＯＳＥを後処理部１５０に入力する。そして、後処理部１５０が、ステップＳＣ４において決定された精密抽出画像ＩＧ２における肺野領域ＲＡ０の輪郭部ＳＭ０に対して、該形状モデル情報ＦＯＳＥに基づいてフィッティング処理（後処理）を実施し、精密抽出画像ＩＧ３を生成する。

以上のように第４実施形態に係る画像処理装置３Ｃでは、放射線撮影前に予め入力された被写体Ｍ及び放射線撮影環境に関する情報である撮影情報（被写体固有情報ＩＯ、被写体状態情報ＩＳ、撮影環境情報ＩＥ）に基づいて、肺野領域の境界を示すモデル情報を決定し、該モデル情報に基づいて、医用画像（フレーム画像ＩＧ０）から肺野領域を抽出する肺野領域抽出処理を実施する。これにより、撮影情報ＩＯ，ＩＳ，ＩＥに応じた最適なモデル情報を決定することが可能となる。このため、通常と異なる撮影状況であっても、安定的且つ高速に所定部位の抽出精度の向上を実現する。

また、撮影情報は、被写体Ｍの固有の情報を示す被写体固有情報ＩＯ、被写体Ｍの過去及び現在の状態を示す被写体状態情報ＩＳ、フレーム画像ＩＧ０が撮影された環境を示す撮影環境情報ＩＥであることにより、３種類の撮影情報ＩＯ，ＩＳ，ＩＥを考慮してテンプレート情報ＴＯＳＥおよび形状モデル情報ＦＯＳＥ（モデル情報）を効率的に決定することができる。これにより、テンプレートマッチング精度及びフィッティング精度が向上するため、肺野領域の抽出精度がより向上する。このため、非健常者または非健常動物の身体を被写体とする場合や特殊条件下における撮影であっても、さらに安定的且つ高速に所定部位の抽出精度の向上を実現する。

なお、第４の実施形態に係る画像処理装置３Ｃは、他に、第１の実施形態に係る画像処理装置３と同様の効果を奏するが、説明は省略する。

＜６．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，３Ａ’，３Ｂ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。なお、組み合わせの一例として、第４実施形態の画像処理装置３Ｃが挙げられるが、組合せ方は画像処理装置３Ｃに限られない。

※ 本実施形態における画像処理装置３Ａ’では、テンプレート加工部１２６’を被写体状態情報ＩＳの場合に特化して採用しているが、これに限られない。すなわち、被写体固有情報ＩＯ，撮影環境情報ＩＥの場合においても、必要に応じて採用することが可能である。

※ 本実施形態では、医用画像を動画像に含まれるフレーム画像ＩＧ０（Ｇ０）として説明したが、静止画像を対象としても良い。

具体的に、医用画像を静止画像とした場合における一連の処理としては、粗抽出決定部１３０では、静止画像に対してテンプレートを用いてテンプレートマッチングを行い、肺野領域（所定部位を含む領域）を粗く抽出し粗抽出領域を決定する粗抽出処理を行うことになり、また、後処理部１５０では、該粗抽出領域に基づく領域（粗抽出領域に基づき所定の画像抽出処理が施された精密抽出領域）に対して、肺野領域（所定部位）の境界を近似する所定数のフィッティング関数で表現され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。

このため、静止画像の場合は、上述のステップＳ７（ＳＡ７，ＳＢ７，ＳＣ７）及びステップＳ８（ＳＡ８，ＳＢ８，ＳＣ８）の工程は行われない。

※ 本実施形態における画像処理装置３Ａ（３Ａ’），３Ｂ，３Ｃでは、モデル情報決定処理として、（１）の処理（（１ａ）〜（１ｃ）の処理）と、（２）の処理（（２ａ）〜（２ｃ）の処理）と、（３）の処理（（３ａ）〜（３ｃ）の処理）との３つの処理全てを実施するよう構成されていたが、これに限られない。すなわち、３つの処理のうち少なくとも何れか１つの処理を行う構成であればよい。

※ 被写体Ｍ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，３Ａ’，３Ｂ，３Ｃ 画像処理装置
４，４Ａ，４Ｃ，５，５Ａ〜５Ｃ 情報蓄積装置
３１，３１Ａ，３１Ａ’，３１Ｂ，３１Ｃ 制御部
４１，４１Ａ，４１Ｃ カルテ情報記憶部
５１，５１Ａ〜５１Ｃ データベース（テンプレート記憶部）
１００，１００Ａ，１００Ａ’，１００Ｂ，１００Ｃ 放射線動態画像撮影システム
１１０ 画像取得部
１１５，１１５Ａ〜１１５Ｃ 撮影情報取得部
１２０ 画像補正部
１２５，１２５Ａ，１２５Ａ’，１２５Ｂ，１２５Ｃ モデル選択部
１２６Ａ’ テンプレート加工部
１３０ 粗抽出決定部
１３５，１３５Ａ，１３５Ａ’，１３５Ｂ，１３５Ｃ モデル情報制御部
１４０ 精密抽出決定部
１５０ 後処理部
１６０ 粗抽出処理内容制御部
１７０ 対象部位抽出部
ＩＯ 被写体固有情報
ＩＳ 被写体状態情報
ＩＥ 撮影環境情報
ＴＯ，ＴＳ，ＴＥ，ＴＯＳＥ モデル情報（テンプレート情報）
ＦＳ，ＦＥ，ＦＯＳＥ モデル情報（形状モデル情報、形状モデル）
ＩＧ０ フレーム画像
ＩＧ１ 粗抽出画像
ＩＧ２，ＩＧ３ 精密抽出画像
Ｍ 被写体（被検者）

Claims (8)

1. 人体または動物の身体を被写体とし該被写体における所定部位を一部に含ませて放射線撮影された医用画像を取得する画像取得手段と、
   前記放射線撮影前に予め入力された前記被写体あるいは前記放射線撮影環境に関する情報である撮影情報を取得する撮影情報取得手段と、
   前記撮影情報に基づいて、前記所定部位の境界を示すモデル情報を決定するモデル情報決定処理を実施するモデル情報制御手段と、
   前記モデル情報決定処理において決定されたモデル情報に基づいて、前記医用画像から前記所定部位を抽出する所定部位抽出処理を実施する抽出手段とを備え、
   前記所定部位抽出処理は、
   前記医用画像に対してテンプレートを用いてテンプレートマッチングを行い、前記所定部位を含む領域を粗く抽出し粗抽出領域を決定する粗抽出処理と、
   前記粗抽出領域に基づく領域に対して、前記所定部位の境界を近似する所定数のフィッティング関数で表現され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とを含み、
   前記モデル情報は、前記テンプレート及び前記形状モデルのうち少なくとも一方を指示する情報を含み、
   前記粗抽出処理における前記テンプレートマッチングは、
   第１のテンプレートを用いた１段目テンプレートマッチングと、
   １段目テンプレートマッチングによるマッチング結果を利用して行う、前記第１のテンプレートで規定される領域を複数の領域に細分化した複数の第２のテンプレートを用いた２段目テンプレートマッチングとを含む、
   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、
   前記撮影情報は、
   前記被写体の固有の情報を示す被写体固有情報、
   前記被写体の過去及び現在の状態を示す被写体状態情報、
   前記医用画像が撮影された環境を示す撮影環境情報、
   のうち少なくとも何れか１つの情報を含む、
   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、
   前記被写体固有情報は、
   性別、年齢、胸囲、体重、身長、肺活量のうち少なくとも何れか１つの情報を含む、
   画像処理装置。
4. 請求項２に記載の画像処理装置であって、
   前記被写体状態情報は、
   手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴のうち少なくとも何れか１つの情報を含む、
   画像処理装置。
5. 請求項２に記載の画像処理装置であって、
   前記撮影環境情報は、
   撮影方向、前記被写体となる対象者または対象動物の呼吸の有無、呼吸の強制有無のうち少なくとも何れか１つの情報を含む、
   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項に記載の画像処理装置であって、
   前記モデル情報決定処理は、
   （ａ）予め準備された複数種のテンプレートのうち、前記テンプレートマッチングに使用する前記テンプレートの種類を決定する処理、
   （ｂ）直近に決定された前記所定数のフィッティング関数に対し、前記所定数のフィッティング関数のうち少なくとも１つの関数の次数を決定する処理、及び／あるいは、前記所定数の増減を決定する処理、
   のうち少なくとも何れか１つの処理を含み、
   前記モデル情報は前記処理（ａ）あるいは処理（ｂ）で決定された内容を含む、
   画像処理装置。
7. 請求項１ないし請求項６のうち、いずれか１項に記載の画像処理装置であって、
   前記所定部位は肺野領域を含み、
   前記モデル情報は、
   全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも１つの形状が考慮されることを特徴とする、
   画像処理装置。
8. 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７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。

Images