JP6234426B2 - 画像処理装置、医用装置、およびプログラム - Google Patents

Description

本発明は、画像の処理を行う画像処理装置、被検体のスキャンを行う医用装置、および画像処理装置に適用されるプログラムに関する。

従来より、造影剤を用いて被検体を撮影する磁気共鳴イメージング装置が知られている（特許文献１）。

特開２００９−２６１９０４号公報 特開２０１５−０２３９４４号公報

Med Imag Tech Vol.31 No.2 March 2013

造影剤を用いて被検体を撮影する方法の一例として、オペレータが、画像の中から大動脈の位置を見つけて、大動脈の位置に、造影剤を検出するためのトラッカー領域を設定する方法がある。また、近年では、大動脈の位置を自動的に検出する手法の一例が発表されている（非特許文献１参照）。

非特許文献１では、スライス勾配磁場のＺdephaserの面積を大きくすることより、アキシャル画像に描出される大動脈内の血液の信号をできるだけ低減させて、大動脈を検出している。しかし、心臓の収縮期では、大動脈の血流速度が低下するため、大動脈内の血液が高信号になることがある。したがって、実際には、高信号の血液の影響を受けて、大動脈内の血液の信号を十分に低減することができない場合がある。この場合、大動脈とは別の組織を大動脈として誤検出したり、あるいは大動脈を検出することができないという問題がある。そこで、大動脈内の血液の信号が十分に低減されない場合でも、大動脈の位置を検出することができる技術が開示されている（特許文献２参照）。

しかし、大動脈の近くには、食道が存在している。食道は比較的低信号で描出されるので、特許文献２の方法では、大動脈の近くに存在する食道を、大動脈として誤検出することがある。食道を大動脈として誤検出した場合、造影剤を検出するためのトラッカー領域を造影撮影に適した位置に設定することが難しくなるという問題がある。このため、大動脈などの対象部位の位置を検出するための検出処理を実行した後、対象部位の位置が正しく検出されているか否かを判定することができる技術が望まれている。

本発明の第１の観点は、被検体の第１の部位および第２の部位を含む撮影部位の画像を生成する画像生成手段と、
前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成手段と、
前記第１のマップに基づいて前記第１の部位の仮の位置を求める手段と、
前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定手段と、
を有する画像処理装置である。

本発明の第２の観点は、被検体の第１の部位および第２の部位を含む撮影部位のデータを取得するためのスキャンを実行するスキャン手段と、
前記スキャンにより得られたデータに基づいて、前記撮影部位の画像を生成する画像生成手段と、
前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成手段と、
前記第１のマップに基づいて前記第１の部位の仮の位置を求める手段と、
前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定手段と、
を有する医用装置である。

本発明の第３の観点は、被検体の第１の部位および第２の部位を含む撮影部位の画像を生成する画像生成処理と、
前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成処理と、
前記第１のマップに基づいて前記第１の部位の仮の位置を求める処理と、
前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定処理と、
をコンピュータに実行させるためのプログラムである。

第２の部位の基準位置を表す情報と前記基準位置に対して第１の部位が分布する範囲を表す情報を含むモデルを用いることにより、第１の部位の仮の位置が画像における第１の部位の領域内に含まれているか否かの判定を行うことができる。

本発明の一形態の磁気共鳴装置の概略図である。 処理装置１０が実現する手段の説明図である。 本形態で実行されるスキャンを示す図である。 撮影部位を概略的に示す図である。 本形態において被検体を撮影するときの各処理を表すフローの一例を示す図である。 ローカライザスキャンＬＳの説明図である。 識別器Ｃを作成するために使用された教師データを概略的に示す図である。 検索領域Ｒｓを概略的に示す図である。 ピクセルＰ_１１に位置決めされたウィンドウＷを概略的に示す図である。 マップＭ１のピクセル値を求めるときの説明図である。 ウィンドウＷがピクセルＰ_２１に位置決めされたときの様子を示す図である。 ウィンドウＷが、大動脈の断面内の座標（ｘｉ，ｙｊ）のピクセルＰ_ｉｊに位置決めされたときの様子を示す図である。 マップＭ１を示す図である。 マップＭ１に基づいて大動脈の仮の位置を検出するときの説明図である。 アキシャル画像Ｄ_２に基づいて作成されたマップＭ２の一例を示す図である。 マップＭ２に基づいて大動脈の仮の位置を検出するときの説明図である。 分布モデルの作成方法の一例の説明図である。 マップＭ１と分布モデルＤＭとに基づいて乗算マップを生成する方法の説明図である。 マップＭ２と分布モデルＤＭとに基づいて乗算マップを生成する方法の説明図である。 ステップＳＴ２３ｂの説明図である。 ステップＳＴ２３ｂの説明図である。 乗算マップＲＭ２に基づいて大動脈の位置を決定するときの説明図である。 アキシャル画像Ｄ_１〜Ｄ_１０の各々について、ステップＳＴ２により求められた大動脈の位置ＰＡ１〜ＰＡ１０を概略的に示す図である。 平面ＦＳを概略的に示す図である。 トラッカー領域の設定方法の一例の説明図である。

以下、発明を実施するための形態について説明するが、本発明は、以下の形態に限定されることはない。

図１は、本発明の一形態の磁気共鳴装置の概略図である。
磁気共鳴装置（以下、「ＭＲ装置」と呼ぶ。ＭＲ：Magnetic Resonance）１００は、マグネット２、テーブル３、受信コイル４、造影剤注入装置５などを有している。

マグネット２は、被検体１４が収容される収容空間２１を有している。また、マグネット２は、超伝導コイル２２と、勾配コイル２３と、ＲＦコイル２４とを有している。超伝導コイル２２は静磁場を印加し、勾配コイル２３は勾配パルスを印加し、ＲＦコイル２４はＲＦパルスを印加する。尚、超伝導コイル２２の代わりに、永久磁石を用いてもよい。

テーブル３は、被検体１４を搬送するためのクレードル３ａを有している。クレードル３ａによって、被検体１４は収容空間２１に搬送される。

受信コイル４は、被検体１４に取り付けられている。受信コイル４は、被検体１４からの磁気共鳴信号を受信する。
造影剤注入装置５は、被検体１４に造影剤を注入する。

ＭＲ装置１は、更に、制御部６、送信器７、勾配磁場電源８、受信器９、処理装置１０、記憶部１１、操作部１２、および表示部１３などを有している。

制御部６は、処理装置１０から、シーケンスで使用されるＲＦパルスおよび勾配パルスの波形情報や印加タイミングなどを含むデータを受け取る。そして、制御部６は、ＲＦパルスのデータに基づいて送信器７を制御し、勾配パルスのデータに基づいて勾配磁場電源８を制御する。また、制御部６は、造影剤注入装置５の造影剤の注入開始のタイミングの制御や、クレードル３ａの移動の制御なども行う。尚、図１では、制御部６が、造影剤注入装置５、送信器７、勾配磁場電源８、クレードル３ａなどの制御を行っているが、造影剤注入装置５、送信器７、勾配磁場電源８、クレードル３ａなどの制御を複数の制御部で行ってもよい。例えば、造影剤注入装置５を制御する制御部と、送信器７および勾配磁場電源８を制御する制御部と、クレードル３ａを制御する制御部とを別々に設けてもよい。

送信器７は、制御部６から受け取ったデータに基づいて、ＲＦコイル２４に電流を供給する。
勾配磁場電源８は、制御部６から受け取ったデータに基づいて、勾配コイル２３に電流を供給する。

受信器９は、受信コイル４で受信された磁気共鳴信号に対して、検波などの処理を行い、処理装置１０に出力する。尚、マグネット２、受信コイル４、制御部６、送信器７、勾配磁場電源８、受信器９を合わせたものが、スキャン手段に相当する。

記憶部１１には、処理装置１０により実行されるプログラムなどが記憶されている。尚、記憶部１１は、ハードディスク、ＣＤ−ＲＯＭなどの非一過性の記憶媒体であってもよい。処理装置１０は、記憶部１１に記憶されているプログラムを読み出し、プログラムに記述されている処理を実行するプロセッサとして動作する。処理装置１０は、プログラムに記述されている処理を実行することにより、種々の手段を実現する。図２は、処理装置１０が実現する手段の説明図である。

画像生成手段１０１は、被検体１４の撮影部位の画像を生成する。
マップ生成手段１０２は、画像生成手段１０１により生成された画像内において大動脈が存在する可能性が高い領域を特定するためのマップを生成する。
検出手段１０３は、マップに基づいて、大動脈の仮の位置を検出する。
判定手段１０４は、大動脈の仮の位置が大動脈の領域に含まれているか否かを判定する。
決定手段１０５は、大動脈の位置を決定する。
平面計算手段１０６は、大動脈を縦断する平面を計算する。
設定手段１０７は、操作部１２から入力された情報に基づいて、造影剤を検出するためのトラッカー領域を設定する。

ＭＲ装置１は、処理装置１０を含むコンピュータを備えている。処理装置１０は、記憶部１１に記憶されているプログラムを読み出すことにより、画像生成手段１０１〜設定手段１０６などを実現する。尚、処理装置１０は、一つのプロセッサで画像生成手段１０１〜設定手段１０６を実現してもよいし、２つ以上のプロセッサで、画像生成手段１０１〜設定手段１０６を実現してもよい。また、画像生成手段１０１〜設定手段１０６のうちの一部の手段を、制御部６で実行できるようにしてもよい。また、処理装置１０が実行するプログラムは、一つの記憶部に記憶させておいてもよいし、複数の記憶部に分けて記憶させておいてもよい。処理装置１０は画像処理装置に相当する。
図１に戻って説明を続ける。

操作部１２は、オペレータにより操作され、種々の情報をコンピュータ８に入力する。表示部１３は種々の情報を表示する。
ＭＲ装置１は、上記のように構成されている。

図３は本形態で実行されるスキャンを示す図、図４は撮影部位を概略的に示す図である。図４において、ｘ軸方向、ｙ軸方向、およびｚ軸方向は、それぞれ、ＲＬ（Right-Left）方向、ＡＰ（Anterior-Posterior）方向、およびＳＩ（Superior-Inferior）方向に対応している。
本形態では、ローカライザスキャンＬＳと本スキャンＭＳなどが実行される。

ローカライザスキャンＬＳは、撮影範囲を設定したり、大動脈を検出するために使用される画像を取得するためのスキャンである。
ローカライザスキャンＬＳの後に本スキャンＭＳが実行される。

本スキャンＭＳでは、被検体に造影剤が注入され、後述するトラッカー領域（図２５参照）から造影剤を検出するためのシーケンスが繰り返し実行される。そして、トラッカー領域に所定量の造影剤が注入されたら、肝臓の画像を取得するためのイメージングシーケンスが実行される。以下に、ローカライザスキャンＬＳおよび本スキャンＭＳを実行するときのフローの一例について説明する。

図５は、本形態において被検体を撮影するときの各処理を表すフローの一例を示す図である。
ステップＳＴ１では、ローカライザスキャンＬＳ（図３参照）を実行する。

図６は、ローカライザスキャンＬＳの説明図である。
ローカライザスキャンＬＳは、被検体の肝臓を含む部位の画像を取得するためのスキャンである。図６には、ローカライザスキャンＬＳを実行するときのスライスが示されている。ローカライザスキャンＬＳでは、アキシャル、サジタル、およびコロナルの画像が取得されるが、図６では、説明の便宜上、アキシャルの画像を取得するためのｍ枚のスライス（ここでは、ｍ＝１０枚のスライスＳＬ_１〜ＳＬ_１０）が示されている。

ローカライザスキャンＬＳを実行する場合、制御部６（図１参照）は、ローカライザスキャンＬＳで使用されるシーケンスのＲＦパルスのデータを送信器７に送り、ローカライザスキャンＬＳで使用されるシーケンスの勾配パルスのデータを勾配磁場電源８送る。送信器７は、制御部６から受け取ったデータに基づいてＲＦコイル２４に電流を供給し、勾配磁場電源８は、制御部６から受け取ったデータに基づいて勾配コイル２３に電流を供給する。したがって、ＲＦコイル２４はＲＦパルスを印加し、勾配コイル２３は勾配パルスを印加する。ローカライザスキャンＬＳが実行されることにより、撮影部位からＭＲ信号が発生する。ＭＲ信号は受信コイル４（図１参照）で受信される。受信コイル４は、ＭＲ信号を受信し、ＭＲ信号の情報を含むアナログ信号を出力する。受信器９は、受信コイル４から受け取った信号に対して、検波などの信号処理を行い、信号処理により得られたデータを処理装置１０に出力する。

画像生成手段１０１（図２参照）は、ローカライザスキャンＬＳにより得られたデータに基づいて、スライスＳＬ_１〜ＳＬ_１０の画像Ｄ_１〜Ｄ_１０を生成する（以下では、この画像を「アキシャル画像」と呼ぶ）。スライスＳＬ_１〜ＳＬ_１０は大動脈Ａを横切っているので、アキシャル画像Ｄ_１〜Ｄ_１０には、大動脈Ａの断面が描出される。アキシャル画像Ｄ_１〜Ｄ_１０の大動脈Ａの断面の位置を比較すると、大動脈Ａの断面は、スライスＳＬ_１からスライスＳＬ_１０に近づくに従って、背骨を中心にして反時計方向ＡＮに回転していることが分かる。

また、スライスＳＬ_１〜ＳＬ_１０のうち、スライスＳＬ_１およびＳＬ_２は、食道を横切っている。したがって、アキシャル画像Ｄ_１およびＤ_２には、食道の断面も描出されている。

ローカライザスキャンＬＳで使用されるシーケンスは、流速の速い血液のエコー信号ができるだけ収束しないように設計されている。したがって、流速の速い血液の信号は十分に低減することができる。例えば、大動脈Ａを流れる血液の流速について考えると、大動脈Ａを流れる血液の流速は速いので、大動脈Ａの血液の信号は十分に低減することができる。したがって、アキシャル画像Ｄ_１〜Ｄ_１０の各々の大動脈Ａ内の血液の信号は、理想的には、十分に低減されているはずである。

しかし、心臓の収縮期では、大動脈Ａの血流速度が低下するため、データ収集のタイミングによっては、大動脈Ａ内の血液の信号を十分に低減できないことがある。したがって、実際には、アキシャル画像Ｄ_１〜Ｄ_１０の中には、大動脈Ａ内の血液の信号があまり低減されていないアキシャル画像も存在する。

図６では、大動脈Ａ内の血液の信号が十分に低減されている場合、大動脈Ａを黒で表しており、大動脈Ａ内の血液の信号があまり低減されていない場合、大動脈Ａをグレーで表している。例えば、アキシャル画像Ｄ_１、Ｄ_３、Ｄ_１０の大動脈Ａは黒で示されているので、血液の信号は十分に低減されている。一方、アキシャル画像Ｄ_２の大動脈Ａはグレーで示されているので、血液の信号はあまり低減されていない。

また、食道を横切るスライスのアキシャル画像Ｄ_１およびＤ_２では、大動脈Ａの他に、食道も低信号で描出される。
アキシャル画像Ｄ_１〜Ｄ_１０を生成した後、ステップＳＴ２に進む。

ステップＳＴ２では、アキシャル画像ごとに、大動脈Ａの位置を求めるための処理が実行される。本形態では、大動脈Ａを識別するための識別器を用いて大動脈Ａの位置を求める。以下に、識別器の作成方法について説明する。

識別器は、被検体を撮影する前に予め準備されている。本形態では、識別器は、機械学習により作成されている。具体的には、教師データを用意し、機械学習で教師データを学習させることにより、大動脈Ａを検出するのに適した識別器Ｃを作成している（図７参照）。

図７は、識別器Ｃを作成するために使用された教師データを概略的に示す図である。
教師データは、実際の複数の人間を撮影することにより得られた腹部のアキシャル画像や胸部のアキシャル画像などを用いて作成することができる。本形態では、教師データとして、２種類の教師データＶおよびＷが用いられている。教師データＶは、アキシャル画像Ｄ_１〜Ｄ_１０の中から大動脈Ａを検出するためのデータであり、教師データＷは、大動脈Ａ以外の組織を検出の対象から除外するためのデータである。教師データＶおよびＷは、いずれも、ａ_０×ｂ_０ピクセルの矩形領域のデータとして規定されている。以下に、これらの教師データについて順に説明する。

（１）教師データＶについて
教師データＶは、２種類の教師データ、即ち、教師データｖ_１１〜ｖ_１ｐと、教師データｖ_２１〜ｖ_２ｑに分けられる。

（１ａ）教師データｖ_１１〜ｖ_１ｐについて
教師データｖ_１１〜ｖ_１ｐは、大動脈の断面が矩形領域の略中央部に位置するように規定されている。教師データｖ_１１〜ｖ_１ｐは、大動脈内の血液の信号が十分に低減されているデータである。教師データｖ_１１〜ｖ_１ｐの大動脈は黒色で示されている。

（１ｂ）教師データｖ_２１〜ｖ_２ｑについて
教師データｖ_２１〜ｖ_２ｑは、大動脈の断面が矩形領域の略中央部に位置するように規定されている。教師データｖ_２１〜ｖ_２ｑは、大動脈内の血液の信号があまり低減されていないデータである。教師データｖ_２１〜ｖ_２ｑの大動脈はグレーで示されている。

（２）教師データＷについて
教師データＷには、大動脈以外の組織の信号を表す教師データｗ１〜ｗｓが含まれている。大動脈以外の組織は、例えば、肝臓や腎臓等である。

このような教師データＶおよびＷを用意し、機械学習により教師データＶおよびＷを学習させることにより、アキシャル画像の中から大動脈を検出するのに適した識別器Ｃが作成される。

ステップＳＴ２では、上記のようにして作成された識別器Ｃを用いて大動脈Ａの位置を求める。以下に、ステップＳＴ２について説明する。尚、ステップＳＴ２は、ステップＳＴ２１〜ＳＴ２５を有しているので、各ステップＳＴ２１〜ＳＴ２５について順に説明する。

ステップＳＴ２１では、マップ生成手段１０２（図２参照）が、上記のようにして作成された識別器Ｃを用いて、アキシャル画像ごとに、アキシャル画像内において大動脈が存在する可能性が高い領域を特定するためのマップを生成する。以下に、このマップの生成方法について、図８〜図１２を参照しながら説明する。

図８〜図１２はマップの生成方法の説明図である。尚、本形態では、どのアキシャル画像であっても、マップの生成方法は同じである。したがって、以下では、アキシャル画像Ｄ_１〜Ｄ_１０のうち、アキシャル画像Ｄ_１を取り上げ、マップの生成方法について説明する。

ステップＳＴ２１では、先ず、大動脈を検索するための検索領域を設定する。図８に、検索領域Ｒｓを概略的に示す。大動脈は、脊髄の近くに位置していることが分かっている。したがって、マップ生成手段１０２は、アキシャル画像Ｄ_１の脊髄およびその近傍を含む領域を、大動脈を検索するための検索領域Ｒｓとして設定する。

検索領域Ｒｓを設定した後、マップ生成手段１０２は、検索領域Ｒｓ内の座標（ｘ１，ｙ１）におけるピクセルＰ_１１にウィンドウＷを設定する。図９に、ピクセルＰ_１１に位置決めされたウィンドウＷを概略的に示す。ウィンドウＷは、ａ０×ｂ０のサイズを有している。

ウィンドウＷを設定した後、マップ生成手段１０２は、識別器Ｃを用いて、マップＭ１の座標（ｘ１，ｙ１）におけるピクセルＱ_１１のピクセル値を求める（図１０参照）。

図１０は、マップＭ１のピクセル値を求めるときの説明図である。
マップ生成手段１０２は、ウィンドウＷ内に含まれる各ピクセルのピクセル値を表すデータを抽出する。識別器Ｃは、抽出されたデータに基づいて、ウィンドウＷ内にアキシャル画像Ｄ_１の大動脈Ａが含まれている可能性が高いか低いかを判断するための値を出力する。本形態では、ウィンドウＷの中央部に大動脈Ａが位置している可能性が高いほど出力値ＯＶが大きくなるように、識別器Ｃが構成されている。したがって、識別器Ｃの出力値ＯＶが小さいほど、ウィンドウＷ内に大動脈が含まれている可能性は低いが、識別器Ｃの出力値ＯＶが大きいほど、ウィンドウＷ内に大動脈が含まれている可能性は高いことを意味する。

図１０では、ウィンドウＷがピクセルＰ_１１に位置決めされた場合に得られる識別器Ｃの出力値ＯＶは、ＯＶ＝ＯＶ_１１で示されている。したがって、マップＭ１の座標（ｘ１，ｙ１）におけるピクセルＱ_１１のピクセル値は、ＯＶ_１１となる。アキシャル画像Ｄ_１のピクセルＰ_１１は、大動脈のピクセルではないので、識別器Ｃの出力値ＯＶ＝ＯＶ_１１は十分に小さい値になる。

識別器Ｃの出力値ＯＶ＝ＯＶ_１１を得た後、マップ生成手段１０２は、ウィンドウＷの位置を、ピクセルＰ_１１から隣のピクセルＰ_２１にずらす。図１１に、ウィンドウＷがピクセルＰ_２１に位置決めされたときの様子を示す。ピクセルＰ_２１は、座標（ｘ２，ｙ１）のピクセルである。ウィンドウＷをピクセルＰ_２１にずらした後、ピクセルＰ_２１に位置決めされたウィンドウＷ内に含まれるピクセルのデータを抽出する。識別器Ｃは、抽出されたデータに基づいて、ウィンドウＷ内にアキシャル画像Ｄ_１の大動脈Ａが含まれている可能性が高いか低いかを判断するための値を出力する。図１１では、ウィンドウＷがピクセルＰ_２１に位置決めされた場合に得られる識別器Ｃの出力値ＯＶは、ＯＶ＝ＯＶ_２１で示されている。したがって、マップＭ１の座標（ｘ２，ｙ１）におけるピクセルＱ_２１のピクセル値は、ＯＶ_２１となる。アキシャル画像Ｄ_１のピクセルＰ_２１は、ピクセルＰ_１１と同様に、大動脈のピクセルではないので、識別器Ｃの出力値ＯＶ＝ＯＶ_２１は十分に小さい値になる。

以下同様に、ウィンドウＷを１ピクセルずつずらし、ウィンドウＷをずらすたびに、識別器Ｃは、ウィンドウＷ内から抽出されたデータに基づいて、ウィンドウＷ内にアキシャル画像Ｄ_１の大動脈Ａが含まれている可能性が高いか低いかを判断するための値を出力する。図１２に、ウィンドウＷが、大動脈の断面内の座標（ｘｉ，ｙｊ）のピクセルＰ_ｉｊに位置決めされたときの様子を示す。ウィンドウＷをピクセルＰ_ｉｊにずらした後、ピクセルＰ_ｉｊに位置決めされたウィンドウＷ内に含まれるピクセルのデータを抽出する。識別器Ｃは、抽出されたデータに基づいて、ウィンドウＷ内にアキシャル画像Ｄ_１の大動脈Ａが含まれている可能性が高いか低いかを判断するための値を出力する。図１２では、ウィンドウＷがピクセルＰ_ｉｊに位置決めされた場合に得られる識別器Ｃの出力値ＯＶは、ＯＶ＝ＯＶ_ｉｊで示されている。したがって、マップＭ１の座標（ｘｉ，ｙｊ）におけるピクセルＱ_ｉｊのピクセル値は、ＯＶ_ｉｊとなる。アキシャル画像Ｄ_１のピクセルＰ_ｉｊは、大動脈の断面内のピクセルであるので、識別器Ｃの出力値ＯＶ＝ＯＶ_ｉｊは十分に大きい値となる。

以下同様に、ウィンドウＷの位置をずらすたびに、出力値ＯＶを出力する。したがって、検索領域Ｒｓ内のピクセルごとに、識別器Ｃの出力値ＯＶを得ることができるので、マップＭ１（第１のマップの一例）を生成することができる。図１３の左側に、実際に得られたマップＭ１の一例を示す。図１３では、マップＭ１の各ピクセルのピクセル値の違いを、色の濃淡で示してある。色が白いほど、識別器Ｃの出力値は大きく（即ち、大動脈Ａが含まれている可能性が高い）、色が黒いほど、識別器Ｃの出力値は小さい（即ち、大動脈Ａが含まれている可能性が低い）ことを表している。したがって、マップＭ１によって、大動脈Ａが存在する可能性が高い領域を特定できることが分かる。図１３の右側には、マップＭ１における大動脈の領域Ｒ１を示してある。大動脈Ａの領域Ｒ１内は白であるので、ピクセル値が大きいことが分かる。
マップＭ１を得た後、ステップＳＴ２２に進む。

ステップＳＴ２２では、検出手段１０３（図２参照）が、マップＭ１に基づいて、大動脈の仮の位置を検出する。

図１４は、マップＭ１に基づいて大動脈の仮の位置を検出するときの説明図である。尚、図１４では、説明の便宜上、マップＭ１の右上に、大動脈Ａの領域Ｒ１を横切るＬ−Ｌラインにおけるピクセル値を表す波形Ｗ１が概略的に示されている。

大動脈Ａの仮の位置を検出する場合、検出手段１０３は、マップＭ１の中から、ピクセル値が最大となるピクセルの位置を特定する。図１４は、座標（ｘｉ，ｙｊ）におけるピクセルＱ_ｉｊが最大のピクセル値ｄ＝ｄ_ｉｊを有しているとする。したがって、ピクセルＱ_ｉｊの座標（ｘｉ，ｙｊ）が、最大のピクセル値を有するピクセルの位置として特定される。上記のように、大動脈が位置している可能性が高いほど、マップＭ１のピクセル値は大きい値となる。そこで、本形態では、マップＭ１に含まれるピクセルのうち、最大のピクセル値ｄ_ｉｊを有するピクセルＱ_ｉｊの座標（ｘｉ，ｙｊ）を、大動脈Ａの仮の位置として特定する。したがって、検出手段１０３は、アキシャル画像Ｄ_１の座標（ｘｉ，ｙｊ）におけるピクセルＰ_ｉｊの位置を、大動脈Ａの仮の位置として検出する。

アキシャル画像Ｄ_１を参照すると、大動脈Ａの仮の位置を表すピクセルＰ_ｉｊは、大動脈の領域内に含まれている。したがって、図１４では、マップＭ１を用いることにより、大動脈Ａの位置が正しく検出されていることがわかる。

次に、アキシャル画像Ｄ_２を取り上げて、ステップＳＴ２１およびＳＴ２２について説明する。

アキシャル画像Ｄ_２では、大動脈の血液の信号があまり低減されていない（図６参照）。しかし、本形態では、大動脈内の血液の信号が十分に低減されている教師データｖ_１１〜ｖ_１ｐ（図７参照）だけでなく、大動脈内の血液の信号があまり低減されていない教師データｖ_２１〜ｖ_２ｑ（図７参照）も用いて、識別器Ｃが作成されている。したがって、アキシャル画像Ｄ_２のように、大動脈Ａの血液の信号があまり低減されていない場合であっても、ステップＳＴ２１およびＳＴ２２を実行することにより、大動脈Ａの位置を検出することが可能である。しかし、大動脈Ａの血液の信号があまり低減されていない場合、食道Ｅの断面の信号強度が、大動脈Ａの断面の信号強度に近い値を有することがある。この場合、識別器Ｃを用いても、食道Ｅの断面と大動脈Ａの断面とを識別することが難しい。したがって、ステップＳＴ２１において、アキシャル画像Ｄ_２に基づいてマップを作成した場合、以下のようなマップが得られることがある（図１５参照）。

図１５は、アキシャル画像Ｄ_２に基づいて作成されたマップＭ２の一例を示す図である。
図１５の左側に、マップＭ２（第１のマップの他の例）が示されている。図１５の右側には、マップＭ２における大動脈の領域Ｒ１と食道の領域Ｒ２とを示してある。マップＭ２を参照すると、大動脈の領域Ｒ１だけでなく、食道の領域Ｒ２も、ピクセル値が大きいことが分かる。マップＭ２を生成した後、ステップＳＴ２２において、マップＭ２に基づいて大動脈の仮の位置を検出する（図１６参照）。

図１６は、マップＭ２に基づいて大動脈の仮の位置を検出するときの説明図である。尚、図１６では、説明の便宜上、マップＭ２の右上に、大動脈の領域Ｒ１と食道の領域Ｒ２とを横切るＬ−Ｌラインにおけるピクセル値を表す波形Ｗ２が概略的に示されている。

マップＭ２では、食道の領域Ｒ２内の座標（ｘｒ，ｙｓ）におけるピクセルＱ_ｒｓのピクセル値ｄ_ｒｓが、大動脈の領域Ｒ１内の座標（ｘｉ，ｙｊ）におけるピクセルＱ_ｉｊのピクセル値ｄ_ｉｊよりもΔｄだけ大きい。したがって、検出手段１０３は、アキシャル画像Ｄ_２の座標（ｘｒ，ｙｓ）におけるピクセルＰ_ｒｓの位置を、大動脈Ａの仮の位置として検出する。しかし、ピクセルＰ_ｒｓは、食道Ｅの領域内に位置するピクセルであるので、大動脈Ａの位置が正しく検出されていないことがわかる。そこで、本形態では、ステップＳＴ２２において大動脈の仮の位置を求めた後、ステップＳＴ２３において、大動脈の仮の位置が大動脈Ａの領域内に含まれているか否かを判定している。以下に、ステップＳＴ２３の判定方法について説明する。

尚、ステップＳＴ２３では、食道の位置に対して大動脈が分布する範囲を表す分布モデルを用いて、大動脈の仮の位置が大動脈Ａの実際の位置であるか否かを判定している。この分布モデルは、被検体を撮影する前に予め準備されている。以下では、この分布モデルの作成方法の一例について説明し、その後に、ステップＳＴ２３について具体的に説明する。

図１７は、分布モデルの作成方法の一例の説明図である。
図１７には、分布モデルを作成するための複数の画像Ｈ１〜Ｈｎが概略的に示されている。これらの画像Ｈ１〜Ｈｎは、実際の複数の人体の食道および大動脈を含む部位を横切るアキシャル面をスキャンすることより得られたアキシャル画像を表している。

先ず、分布モデルの作成者（例えば、画像処理の専門家）が、画像Ｈ１〜Ｈｎの各々に対して、食道の位置と大動脈の位置とを特定する。図１７では、画像ごとに特定した食道の位置が符号ｅ１〜ｅｎで示されており、画像ごとに特定した大動脈の位置が符号ａ１〜ａｎで示されている。

食道の位置ｅ１〜ｅｎは、例えば、食道の断面の重心位置とすることができ、大動脈の位置ａ１〜ａｎは、例えば、大動脈の断面の重心位置とすることができる。

食道の位置ｅ１〜ｅｎおよび大動脈の位置ａ１〜ａｎを特定した後、画像Ｈ１〜Ｈｎの食道の位置ｅ１〜ｅｎが重なるように、画像Ｈ１〜Ｈｎを重ねる。図１７の左下側に、画像Ｈ１〜Ｈｎを重ねることにより得られた重畳画像ＤＯを概略的に示す。重畳画像ＤＯ上の点ｅの座標（ｘｅ，ｙｅ）は、画像Ｈ１〜Ｈｎの食道の位置ｅ１〜ｅｎが重なっている位置であり、食道の基準位置を表している。また、画像Ｈ１〜Ｈｎには、食道の位置ｅ１〜ｅｎの他に、大動脈の位置ａ１〜ａｎも特定されているので、重畳画像ＤＯ上では、食道の基準位置（ｘｅ，ｙｅ）に対して、画像Ｈ１〜Ｈｎの大動脈の位置ａ１〜ａｎ（記号「＋」で示されている）が定まる。したがって、食道の基準位置（ｘｅ，ｙｅ）に対する大動脈の位置ａ１〜ａｎを表すデータを得ることができる。そして、所定の関数を用いて、重畳画像ＤＯ上の位置ａ１〜ａｎを表すデータをフィッティングし、所定の関数の係数の値を特定する。所定の関数としては、例えば、２次元ガウス分布を表す関数を用いることができる。フィッティングを行うことにより、分布モデルＤＭを得ることができる。図１７の右下側に、得られた分布モデルＤＭの一例を示す。分布モデルＤＭは、食道の基準位置（ｘｅ，ｙｅ）を表す情報と、食道の基準位置（ｘｅ，ｙｅ）に対して大動脈が分布する範囲を表す情報とを含んでいる。分布モデルＤＭ内のピクセルＧｅｅの座標（ｘｅ，ｙｅ）が食道の基準位置である。分布モデルＤＭの右上には、分布モデルＤＭの食道の基準位置（ｘｅ，ｙｅ）および大動脈の位置ａ１〜ａｎの分布領域（白色で示されている部分）を横切るＬ−Ｌライン上のピクセル値を表す波形ＷＤが概略的に示されている。

図１７では、分布モデルＤＭは、グレースケールを用いて表されている。色が白に近いほど、大動脈が存在する可能性が高く、色が黒に近いほど、大動脈が存在する可能性が低いことを表している。したがって、図１７では、食道の基準位置（ｘｅ，ｙｅ）に対して右下の領域に大動脈が位置する可能性が高いことがわかる。

ステップＳＴ２３では、ステップＳＴ２１で得られたマップと、上記の分布モデルＤＭとを乗算し、後述する乗算マップを生成する。そして、乗算マップに基づいて、大動脈の仮の位置が大動脈の領域内に含まれているか否かを判定する。マップＭ１およびＭ２のうちのどちらのマップが得られた場合でも、分布モデルＤＭを用いて乗算マップを生成することにより、大動脈の仮の位置が大動脈Ａの領域内に含まれているか否かを判定することが可能となる。以下に、ステップＳＴ２３について具体的に説明する。尚、以下の説明では、乗算マップに基づいて大動脈の仮の位置が大動脈Ａの領域内に含まれているか否かを判定できる理由を明確にするため、ステップＳＴ２３が有する各ステップＳＴ２３ａおよびＳＴ２３ｂについて具体的に説明する前に、ステップＳＴ２３の判定方法の原理について簡単に説明する。判定方法の原理について説明した後、ステップＳＴ２３の各ステップＳＴ２３ａおよびＳＴ２３ｂについて具体的に説明する。

図１８および図１９は、ステップＳＴ２３の判定方法の原理の説明図である。
先ず、図１８について説明する。

図１８は、アキシャル画像Ｄ_１から得られたマップＭ１と分布モデルＤＭとに基づいて乗算マップＲＭ１を生成する方法の説明図である。
図１８の左側には、マップＭ１と分布モデルＤＭが示されており、図１８の右側には、マップＭ１と分布モデルＤＭとを乗算することにより得られたマップ（以下、「乗算マップ」と呼ぶ）ＲＭ１が示されている。本形態では、マップＭ１のピクセルＱ_ｉｊの座標（ｘｉ，ｙｊ）（大動脈の仮の位置）が、分布モデルＤＭの食道のピクセルＧｅｅの座標（ｘｅ，ｙｅ）（食道の基準位置）に一致するように、マップＭ１と分布モデルＤＭとを乗算し、乗算マップＲＭ１（第２のマップの一例）を得る。

乗算マップＲＭ１はグレースケールで表されている。色が白に近いほど、ピクセル値が大きく、色が黒に近いほど、ピクセル値が小さいことを表している。また、乗算マップＲＭ１の右上には、乗算マップＲＭ１の大動脈の領域Ｒ１を横切るＬ−Ｌライン上のピクセル値を表す波形Ｗ１１（実線）が概略的に示されている。尚、図１８では、比較のため、マップＭ１のＬ−Ｌライン上の波形Ｗ１を、乗算マップＲＭ１のＬ−Ｌライン上に破線で示してある。

上記のように、ステップＳＴ２３では、マップＭ１のピクセルＱ_ｉｊの座標（ｘｉ，ｙｊ）（大動脈の仮の位置）が、分布モデルＤＭの食道のピクセルＧｅｅの座標（ｘｅ，ｙｅ）（食道の基準位置）に一致するように、マップＭ１と分布モデルＤＭとを乗算する。分布モデルＤＭでは、ピクセルＧｅｅ（食道）に対して上側の領域のピクセルは、０に近いピクセル値を有している。したがって、マップＭ１と分布モデルＤＭとを乗算すると、マップＭ１のピクセルＱ_ｉｊおよびその近傍の領域のピクセルは小さいピクセル値になる。このため、乗算マップＲＭ１は、マップＭ１と比較すると、ピクセル値がかなり小さい値になる。

これに対し、アキシャル画像Ｄ_２から得られたマップＭ２と分布モデルＤＭを乗算した場合、以下のような乗算マップが得られる（図１９参照）。

図１９は、アキシャル画像Ｄ_２から得られたマップＭ２と分布モデルＤＭとに基づいて乗算マップを生成する方法の説明図である。
図１９の左側には、マップＭ２と分布モデルＤＭが示されており、図１９の右側には、マップＭ２と分布モデルＤＭとを乗算することにより得られた乗算マップＲＭ２が示されている。本形態では、マップＭ２のピクセルＱ_ｒｓの座標（ｘｒ，ｙｓ）（大動脈の仮の位置）が、分布モデルＤＭの食道のピクセルＧｅｅの座標（ｘｅ，ｙｅ）（食道の基準位置）に一致するように、マップＭ２と分布モデルＤＭとを乗算し、乗算マップＲＭ２（第２のマップの別の例）を得る。乗算マップＲＭ２の右上には、乗算マップＲＭ２の大動脈の領域Ｒ１および食道の領域Ｒ２を横切るＬ−Ｌライン上のピクセル値を表す波形Ｗ２１（実線）が概略的に示されている。尚、図１９では、比較のため、マップＭ２のＬ−Ｌライン上の波形Ｗ２を、乗算マップＲＭ２のＬ−Ｌライン上に破線で示してある。

上記のように、ステップＳＴ２３では、マップＭ２のピクセルＱ_ｒｓの座標（ｘｒ，ｙｓ）（大動脈の仮の位置）が、分布モデルＤＭの食道のピクセルＧｅｅの座標（ｘｅ，ｙｅ）（食道の基準位置）に一致するように、マップＭ２と分布モデルＤＭとを乗算する。分布モデルＤＭでは、ピクセルＧｅｅ（食道）に対して上側の領域のピクセルは、０に近いピクセル値を有している。したがって、マップＭ２と分布モデルＤＭとを乗算すると、マップＭ２の食道の領域Ｒ２のピクセルは小さいピクセル値になる。また、分布モデルＤＭは、食道の基準位置（ｘｅ，ｙｅ）の右下の領域において、大きいピクセル値を有している。したがって、マップＭ２と分布モデルＤＭとを乗算しても、マップＭ２の大動脈の領域Ｒ１のピクセルは大きい値が保持される。このため、乗算マップＲＭ２は、マップＭ２と比較すると、食道Ｅの領域Ｒ２のピクセル値はかなり小さい値になるが、大動脈Ａの領域Ｒ１のピクセル値は十分に大きい値を有する。

したがって、大動脈の仮の位置が大動脈の領域Ｒ１に含まれている場合（図１８参照）、乗算マップＲＭ１は全体的にピクセル値が小さくなる。しかし、大動脈の仮の位置が大動脈の領域Ｒ１に含まれていない場合（図１９参照）、乗算マップＲＭ２の大動脈の領域Ｒ１は大きなピクセル値を保持する。したがって、乗算マップのピクセル値が小さいか大きいかを判定することにより、大動脈の仮の位置が大動脈の領域に含まれているか否かを判定することが可能となる。

以下に、上記の原理に基づいて判定を行うステップＳＴ２３のフローについて具体的に説明する。尚、以下では、説明の便宜上、ステップＳＴ２２で検出された大動脈Ａの仮の位置が大動脈Ａの領域内に含まれている場合（図１４参照）のステップＳＴ２３の判定方法について先に説明し、次に、ステップＳＴ２２で検出された大動脈Ａの仮の位置が大動脈Ａの領域内に含まれていない場合（図１６参照）のステップＳＴ２３の判定方法のフローについて説明する。

（１）ステップＳＴ２２で検出された大動脈Ａの仮の位置が大動脈Ａの領域内に含まれている場合（図１４参照）のステップＳＴ２３の判定方法について
先ず、ステップＳＴ２３ａにおいて、判定手段１０４（図２参照）が、図１８を参照しながら説明したように、マップＭ１と分布モデルＤＭとを乗算する。マップＭ１と分布モデルＤＭとを乗算することにより、乗算マップＲＭ１が得られる。

先に説明したように、乗算マップＲＭ１はピクセル値が小さい値になる。乗算マップＲＭ１を得た後、ステップＳＴ２３ｂに進む。

図２０は、ステップＳＴ２３ｂの説明図である。
ステップＳＴ２３ｂでは、乗算マップに基づいて、大動脈が正しく検出されているか否かを判定する。以下に、ステップＳＴ２３ｂについて具体的に説明する。

ステップＳＴ２３ｂでは、先ず、判定手段１０４が、乗算マップＲＭ１の中から、最大のピクセル値を有するピクセルの位置を特定する。ここでは、座標（ｘｍ，ｙｎ）におけるピクセルＱ_ｍｎが、最大のピクセル値ｄ＝ｄ_ｍｎを有するとする。したがって、判定手段１０４は、ピクセルＱ_ｍｎの座標（ｘｍ，ｙｎ）を、最大のピクセル値を有するピクセルの位置として特定する。

ピクセルＱ_ｍｎの位置を特定した後、判定手段１０４は、最大値ｄ_ｍｎが小さい値であるか大きい値であるかを判定するための閾値ＴＨを計算する。ここでは、以下の式を用いて閾値ＴＨを計算する。
ＴＨ＝ｋ×ｄ_ｉｊ ・・・（１）

式（１）のｄ_ｉｊは、マップＭ１におけるピクセル値の最大値であり、式（１）の係数ｋは、０＜ｋ＜１を満たすように設定される値である。式（１）により、閾値ＴＨを計算することができる。尚、ｋの値が大きすぎたり、小さすぎたりすると、閾値ＴＨを適切な値に設定することができなくなる。したがって、適切な閾値ＴＨが得られるように、ｋの値を設定することが望ましい。ｋの一例としては、例えば、ｋ＝０．５とすることができる。図２０には、閾値ＴＨの一例として、式（１）の係数ｋがｋ＝０．５の場合の閾値ＴＨが示されている。

閾値ＴＨを計算した後、判定手段１０４は、乗算マップＲＭ１のピクセル値の最大値ｄ_ｍｎと閾値ＴＨとを比較し、ｄ_ｍｎ＜ＴＨであるか否かを判定する。ｄ_ｍｎ＜ＴＨの場合、ｄ_ｍｎは小さいと判定され、ｄ_ｍｎ≧ＴＨの場合、ｄ_ｍｎは大きい値であると判定する。図２０では、ｄ_ｍｎ＜ＴＨである。したがって、判定手段１０４は、ｄ_ｍｎは小さい値であると判定する。

先に説明したように、マップＭ１上の大動脈の仮の位置（ｘｉ，ｙｊ）が大動脈の領域Ｒ１内に位置している場合、乗算マップＲＭ１のピクセル値は小さい値になる。したがって、ｄ_ｍｎ＜ＴＨの場合、判定手段１０４は、大動脈の仮の位置（ｘｉ，ｙｊ）が、大動脈の領域Ｒ１内に含まれていると判定する。大動脈の領域Ｒ１内に含まれていると判定された場合、ステップＳＴ２４に進む。ステップＳＴ２４では、決定手段１０５（図２参照）が、大動脈の仮の位置（ｘｉ，ｙｊ）（図１４参照）を、アキシャル画像Ｄ_１における大動脈Ａの位置と決定する。

したがって、大動脈の仮の位置（ｘｉ，ｙｊ）が大動脈の領域内に含まれている場合は、大動脈の仮の位置（ｘｉ，ｙｊ）を、大動脈の実際の位置として決定することができる。

（２）ステップＳＴ２２で検出された大動脈Ａの仮の位置が大動脈Ａの領域内に含まれていない場合（図１６参照）のステップＳＴ２３の判定方法のフローについて
ステップＳＴ２３ａでは、判定手段１０４が、図１９を参照しながら説明したように、マップＭ２と分布モデルＤＭとを乗算する。マップＭ２と分布モデルＤＭとを乗算することにより、図１９に示す乗算マップＲＭ２が得られる。

先に説明したように、乗算マップＲＭ２は、大動脈の領域Ｒ１のピクセル値が大きい値を保持する。乗算マップＲＭ２を得た後、ステップＳＴ２３ｂに進む。

図２１は、ステップＳＴ２３ｂの説明図である。
ステップＳＴ２３ｂでは、先ず、判定手段１０４が、乗算マップＲＭ２の中から、最大のピクセル値を有するピクセルの位置を特定する。ここでは、座標（ｘｍ，ｙｎ）におけるピクセルＱ_ｍｎが、最大のピクセル値ｄ＝ｄ_ｍｎを有するとする。したがって、判定手段１０４は、ピクセルＱ_ｍｎの座標（ｘｍ，ｙｎ）を、最大のピクセル値を有するピクセルの位置として特定する。

ピクセルＱ_ｍｎの位置を特定した後、判定手段１０４は、最大値ｄ_ｍｎが小さいか大きいかを判定するための閾値ＴＨを計算する。ここでは、以下の式を用いて閾値ＴＨを計算する。
ＴＨ＝ｋ×ｄ_ｒｓ ・・・（２）

式（２）のｄ_ｒｓは、マップＭ２におけるピクセル値の最大値であり、式（２）の係数ｋは、０＜ｋ＜１を満たすように設定される値である。式（２）により、閾値ＴＨを計算することができる。尚、ｋの一例としては、例えば、ｋ＝０．５とすることができる。図２１には、閾値ＴＨの一例として、式（２）の係数ｋがｋ＝０．５の場合の閾値ＴＨが示されている。

閾値ＴＨを計算した後、判定手段１０４は、乗算マップＲＭ２のピクセル値の最大値ｄ_ｍｎと閾値ＴＨとを比較し、ｄ_ｍｎ＜ＴＨであるか否かを判定する。図２１では、ｄ_ｍｎ＞ＴＨである。したがって、判定手段１０４は、ｄ_ｍｎは大きい値であると判定する。

先に説明したように、マップＭ２上の大動脈の仮の位置（ｘｉ，ｙｊ）が大動脈の領域Ｒ１内に位置していない場合、乗算マップＲＭ２の大動脈の領域Ｒ１におけるピクセル値は大きい値を保持する。したがって、ｄ_ｍｎ＞ＴＨの場合、判定手段１０４は、大動脈の仮の位置（ｘｉ，ｙｊ）が、大動脈の領域Ｒ１内に含まれていないと判定する。大動脈の領域Ｒ１内に含まれていないと判定された場合、ステップＳＴ２５に進む。

ステップＳＴ２５では、決定手段１０５が、乗算マップＲＭ２に基づいて、大動脈の位置を決定する（図２２参照）。

図２２は、乗算マップＲＭ２に基づいて大動脈の位置を決定するときの説明図である。
上記のように、大動脈の仮の位置が大動脈の領域Ｒ１に含まれていない場合、乗算マップＲＭ２の大動脈の領域Ｒ１のピクセル値は大きい値を保持する。そこで、大動脈の仮の位置が大動脈の領域Ｒ１内に含まれていないと判定された場合、決定手段１０５は、乗算マップＲＭ２の中の、最大のピクセル値ｄ_ｍｎを有するピクセルＱ_ｍｎの座標（ｘｍ，ｙｎ）を大動脈の位置と決定する。

したがって、大動脈の仮の位置（ｘｉ，ｙｊ）が大動脈の領域内に含まれていない場合であっても、大動脈の位置（ｘｍ，ｙｎ）を決定することができる。

本形態では、アキシャル画像Ｄ_１〜Ｄ_１０の各々について、ステップＳＴ２を実行する。したがって、各アキシャル画像について、大動脈の位置を求めることができる。図２３に、アキシャル画像Ｄ_１〜Ｄ_１０の各々について、ステップＳＴ２により求められた大動脈の位置ＰＡ１〜ＰＡ１０を概略的に示す。アキシャル画像Ｄ_１〜Ｄ_１０の各々の大動脈の位置を求めた後、ステップＳＴ３に進む。

ステップＳＴ３では、平面計算手段１０６（図２参照）が、スライスＳＬ_１〜ＳＬ_１０から検出された大動脈Ａの位置ＰＡ１〜ＰＡ１０に基づいて、大動脈を縦断する平面を計算する。以下に、この平面の計算方法について説明する。

先ず、平面計算手段１０６は、大動脈の位置ＰＡ１〜ＰＡ１０に基づいて、アキシャル画像ごとに、大動脈の断面の領域を特定する。大動脈の断面の領域の特定方法としては、例えば、Level Setなどのセグメンテーション法を使用することができる。大動脈の断面の領域を特定した後、大動脈の断面の中心を求める。大動脈Ａの断面形状は略円形と見なすことができるので、特定した領域を円とみなすことにより、大動脈Ａの中心を求めることができる。

大動脈Ａの中心を求めた後、平面計算手段１０６は、大動脈の中心位置と面との間の距離の二乗和が最小になるような平面を計算する。図２４に、求められた平面ＦＳを概略的に示す。平面ＦＳは、大動脈の走行方向と略平行になるように、大動脈を縦断する。平面ＦＳを求めた後、ステップＳＴ４に進む。

ステップＳＴ４では、造影剤を検出するためのトラッカー領域を設定する。以下に、トラッカー領域の設定方法について説明する。

図２５は、トラッカー領域の設定方法の一例の説明図である。
オペレータは、操作部１２（図１参照）を操作し、ステップＳＴ３で求められた平面ＦＳを表示部１３に表示させるための命令を入力する。この命令が入力されると、表示部１３に、ステップＳＴ３で求められた平面ＦＳが表示される。

平面ＦＳが表示されたら、オペレータは、操作部１２を操作し、平面ＦＳに表示されている臓器および大動脈の位置関係を参考にして、トラッカー領域を設定するための情報を入力する。この情報が入力されると、設定手段１０７（図２参照）は、入力された情報に基づいてトラッカー領域を設定する。図２５では、大動脈Ａの内側に位置するようにトラッカー領域Ｒ_ｔが設定された例が示されている。尚、トラッカー領域Ｒ_ｔは、大動脈Ａの位置に基づいて、自動で設定してもよい。トラッカー領域Ｒ_ｔを設定した後、ステップＳＴ５に進む。

ステップＳＴ５では、本スキャンＭＳ（図３参照）が実行される。本スキャンＭＳでは、被検体に造影剤が注入され、トラッカー領域Ｒ_ｔから造影剤を検出するためのシーケンスが繰り返し実行される。そして、トラッカー領域Ｒ_ｔに所定量の造影剤が注入したときに、肝臓の画像を取得するためのスキャンが実行され、フローが終了する。

本形態では、大動脈の仮の位置を求めた後、分布モデルＤＭを用いて乗算マップを生成する。そして、乗算マップのピクセル値と閾値ＴＨとを比較し、大動脈の仮の位置が大動脈の領域内に含まれているか否かを判定する。乗算マップのピクセル値が小さい場合は、大動脈の仮の位置が大動脈の領域内に含まれていると判定されるので、大動脈の位置が正しく検出できていることがわかる。一方、乗算マップのピクセル値が大きい場合は、大動脈の仮の位置が大動脈の領域内に含まれていないと判定されるので、大動脈の位置が誤検出されていることがわかる。大動脈の位置が誤検出された場合は、乗算マップのピクセル値に基づいて、大動脈の領域Ｒ１内から大動脈の位置を決定することができる。したがって、分布モデルＤＭを用いて乗算マップを得ることにより、大動脈の位置が誤検出されても、大動脈の正しい位置を求めることができる。

本形態では、大動脈として食道が誤検出された例が示されている。しかし、本発明は、食道以外の別の臓器、別の器官、別の組織を、大動脈として誤検出する場合にも適用できる。また、本形態では大動脈Ａを検出しているが、本発明は、大動脈Ａとは別の臓器、別の器官、別の組織の仮の位置（例えば、静脈の仮の位置）を検出する場合にも適用することができる。

本形態では、ローカライザスキャンは、各スライスのアキシャル画像を収集するための２Ｄスキャンである。しかし、ローカライザスキャンは、２Ｄスキャンに限定されることはなく、撮影部位の３Ｄ画像を収集するための３Ｄスキャンでもよい。３Ｄスキャンにより得られた撮影部位の３Ｄ画像に対して、各スライスの位置におけるアキシャル画像を生成し、これらのアキシャル画像に基づいて大動脈の位置を求める処理を実行してもよい。

本形態では、アキシャル画像に基づいて大動脈の仮の位置を検出しているが、アキシャル面とは別の面（例えば、アキシャル面に対して斜めに交差するオブリーク面）の画像に基づいて大動脈の仮の位置を検出してもよい。

本形態では、ウィンドウＷは矩形状であるが、別の形状（例えば、楕円形状）であってもよい。

本形態では、造影剤を用いて被検体を撮影する例について説明している。しかし、本発明は、撮影により得られたデータに基づいて対象部位の仮の位置を求め、求めた仮の位置が対象部位の領域内に含まれているか否かを判定する必要があるのであれば、造影を用いない非造影撮影を行う場合にも適用することができる。

尚、本形態では、ＭＲ装置により得られた画像について説明したが、本発明は、ＭＲ装置とは別の医用装置（例えば、ＣＴ装置）で得られた画像にも適用することができる。

１ ＭＲ装置
２ マグネット
３ テーブル
３ａ クレードル
４ 受信コイル
５ 造影剤注入装置
６ 制御部
７ 送信器
８ 勾配磁場電源
９ 受信器
１０ 処理装置
１１ 記憶部
１２ 操作部
１３ 表示部
１４ 被検体
２１ 収容空間
２２ 超伝導コイル
２３ 勾配コイル
２４ ＲＦコイル
１０１ 画像生成手段
１０２ マップ生成手段
１０３ 検出手段
１０４ 判定手段
１０５ 決定手段
１０６ 平面計算手段
１０７ 設定手段

Claims (9)

1. 被検体の第１の部位および第２の部位を含む撮影部位の画像を生成する画像生成手段と、
   前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成手段と、
   前記第１のマップに基づいて前記第１の部位の仮の位置を求める手段と、
   前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定手段と、
   を有する画像処理装置。
2. 前記判定手段は、
   前記モデルと前記第１のマップとに基づいて、前記判定を行うための第２のマップを生成する、請求項１に記載の画像処理装置。
3. 前記判定手段は、
   前記モデルと前記第１のマップとを乗算することにより、前記第２のマップを生成する、請求項２に記載の画像処理装置。
4. 前記判定手段は、
   前記分布モデルにおける前記第２の部位の基準位置と、前記マップにおける前記第１の部位の仮の位置とが一致するように、前記分布モデルと前記第１のマップとを乗算することにより、前記第２のマップを生成する、請求項３に記載の画像処理装置。
5. 前記判定手段は、
   前記第２のマップのピクセル値の最大値に基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う、請求項２〜４のうちのいずれか一項に記載の画像処理装置。
6. 前記判定手段は、
   前記第１のマップが有する複数のピクセルのうちの、前記第１の部位の仮の位置におけるピクセルのピクセル値に基づいて、前記最大値が小さい値であるか大きい値であるかを判定するための閾値を計算し、前記閾値と前記最大値とを比較することにより、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う、請求項５に記載の画像処理装置。
7. 前記第１の部位は血管を含み、前記第２の部位は食道を含む、請求項１〜６のうちのいずれか一項に記載の画像処理装置。
8. 被検体の第１の部位および第２の部位を含む撮影部位のデータを取得するためのスキャンを実行するスキャン手段と、
   前記スキャンにより得られたデータに基づいて、前記撮影部位の画像を生成する画像生成手段と、
   前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成手段と、
   前記第１のマップに基づいて前記第１の部位の仮の位置を求める手段と、
   前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定手段と、
   を有する医用装置。
9. 被検体の第１の部位および第２の部位を含む撮影部位の画像を生成する画像生成処理と、
   前記画像内において前記第１の部位が存在する可能性が高い領域を特定するための第１のマップを生成するマップ生成処理と、
   前記第１のマップに基づいて前記第１の部位の仮の位置を求める処理と、
   前記第２の部位の基準位置を表す情報と前記基準位置に対して前記第１の部位が分布する範囲を表す情報とを含むモデルと、前記第１のマップとに基づいて、前記第１の部位の仮の位置が前記画像における前記第１の部位の領域内に含まれているか否かの判定を行う判定処理と、
   をコンピュータに実行させるためのプログラム。