JP6401083B2 - 医用画像処理装置、方法およびプログラム - Google Patents

Description

本発明は、複数の椎骨が含まれる医用画像において、椎骨に含まれる椎体および椎体の間の椎間板の少なくとも１つを特定する医用画像処理装置、方法およびプログラムに関するものである。

脊髄は、脳と身体の各部とを行き来するメッセージを伝えるための役割を果たしており、非常に重要な部位である。このため、脊髄は複数の椎骨からなる脊椎により保護されている。また、椎骨の損傷や病変の有無を、被写体をスキャンして得られた断層画像を読影して確認することが行われている。この際、例えば損傷や病変のある椎骨を特定するために、各椎骨を認識する必要がある。このため、断層画像に基づいて複数の椎骨をそれぞれ認識可能に分離して、各椎骨にラベルを付与する画像処理である、椎骨セグメンテーションのアルゴリズムが種々提案されている。

例えば特許文献１には、ＣＴ（Computed Tomography）画像あるいはＭＲＩ（Magnetic Resonance Imaging）画像等の断層画像から得られた３次元画像を対象として、画像認識処理によって個々の椎骨をセグメント化し、ユーザが１つの椎骨の番号を指定すると、他の椎骨に自動的に番号を付与する手法が提案されている。特許文献１に記載の手法においては、付与された番号は画像に重畳表示されるため、椎骨の番号の間違いが生じにくくなる。

また、特許文献２には、３次元画像を対象として、各椎骨の中心軸に交差する面および平行な面の断面画像を生成し、各断面画像における断面形状の鮮明度を表す特徴量、および椎骨の配列の規則性を表す特徴量を算出し、これらの特徴量に基づいて、各椎骨の間にある椎間板の位置を特定することにより各椎骨を分離し、さらに分離した椎骨の領域にラベルを付与する手法が提案されている。

また、非特許文献１においては、椎骨に含まれる椎体の形状特徴を学習させた判別器で椎体および仙骨の候補を見つけた後で、隣接する候補間の関係に基づいて、椎骨および仙骨を特定する手法が提案されている。非特許文献１に記載された手法においては、仙骨を推定することにより、仙骨を基準として椎骨に番号を付与することが可能である。

さらに、特許文献３においては、脊椎のサジタル画像から背骨領域を抽出し、さらに背骨領域のエッジ強調処理を行い、その結果に基づいて椎間板領域を抽出する手法が提案されている。

米国特許第８７９２６９４号明細書 特開２０１１−１３１０４０号公報 特開２０１４−１２１５９８号公報

Meelis Lootus, Timor Kadir, Andrew Zisserman:"Vertebrae Detection and Labelling in Lumbar MR Images", MICCAI2013

一方、椎骨の診断を行う場合、必ずしも患者の３次元画像が取得されるものではなく、患者の脊椎付近の数枚のサジタル画像のみしか撮影されない場合がある。上記特許文献１，２に記載された手法は、３次元画像を対象としているため、このように数枚の画像のみしか取得されない場合には、椎骨を特定することができない。これに対して、特許文献３に記載された手法は、数枚の画像のみしか取得されない場合でも、椎間板を特定することができる。しかしながら、特許文献３に記載された手法は、エッジを強調することにより椎間板領域を抽出しているため、圧迫骨折等により椎骨が変形していたり、椎間板が潰れて変形したりしている場合には、本来抽出されないような形状のエッジが抽出される。このため、特許文献３に記載された手法では、精度よく椎間板領域を特定することができない。さらに、非特許文献１に記載された手法においても、圧迫骨折等により椎骨が変形している場合には、椎骨に含まれる椎体を精度よく特定することができない。

本発明は上記事情に鑑みなされたものであり、医用画像処理装置、方法およびプログラムにおいて、椎骨および椎間板の一部が変形している場合であっても、椎骨に含まれる椎体および椎間板の少なくとも一方を精度よく特定できるようにすることを目的とする。

本発明による医用画像処理装置は、椎間板および椎体を含む医用画像から、椎間板候補および椎体候補を検出する候補検出手段と、
椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定する特定手段とを備えたことを特徴とするものである。

「特定」とは、椎間板および椎体の少なくとも一方のうち１つ以上が、医用画像のどの部分（領域、ボクセル）に相当するかを決定することを意味し、例えば医用画像において椎間板および／または椎体の領域を特定すること、あるいは椎間板および／または椎体の内部にある点を特定することを含む。なお、医用画像に複数の椎間板が含まれる場合は、そのうちの少なくとも１つを特定すればよい。また、医用画像に複数の椎体が含まれる場合は、そのうちの少なくとも１つを特定すればよい。

なお、本発明による医用画像処理装置においては、候補検出手段を、医用画像における椎間板らしさを表す特徴量および椎体らしさを表す特徴量を求めることにより、椎間板候補および椎体候補を検出するものとしてもよい。

また、本発明による医用画像処理装置においては、特定手段を、椎間板候補および椎体候補の分布の周期性に基づいて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定するものとしてもよい。

また、本発明による医用画像処理装置においては、医用画像から脊椎中心線および脊髄中心線の少なくとも一方を検出する中心線検出手段と、
脊髄中心線および脊椎中心線の少なくとも一方の中心線上において、椎間板らしさを表す特徴量および椎体らしさを表す特徴量を、椎間板らしさを表す特徴量または椎体らしさを表す特徴量の符号を反転させて累積加算することにより、椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布を生成する分布生成手段とをさらに備えるものとし、
特定手段を、分布に基づいて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定するものとしてもよい。

この場合、特定手段を、脊髄中心線または脊椎中心線の方向において、分布をあらかじめ定められた周期関数または準周期関数に適合させ、適合させた周期関数または準周期関数に基づいて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定するものとしてもよい。

また、本発明による医用画像処理装置においては、中心線検出手段を、椎間板候補および椎体候補の位置情報を用いて、医用画像から脊椎中心線および脊髄中心線の少なくとも一方を検出するものとしてもよい。

また、本発明による医用画像処理装置においては、特定した椎体を含む椎骨にラベルを付与するラベル付与手段をさらに備えるものとしてもよい。

また、本発明による医用画像処理装置においては、特定した椎間板および特定した椎体の少なくとも一方に関する付随情報を取得する情報取得手段をさらに備えるものとしてもよい。

「付随情報」とは、特定した椎間板および椎体から得られる、椎間板および椎体の少なくとも一方に関する解剖学的な情報であり、例えば、椎体を円柱形状で近似したときの中心軸の方向、軸に沿った長さ、および軸に直交する方向の長さ等を付随情報とすることができる。

また、本発明による医用画像処理装置においては、医用画像をＭＲＩ画像としてもよい。

また、本発明による医用画像処理装置においては、医用画像をサジタル断面画像としてもよい。

また、本発明による医用画像処理装置においては、候補検出手段を、複数のサジタル断面画像から椎間板候補および椎体候補を検出するものとし、
特定手段を、複数のサジタル断面画像から検出された椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定するものとしてもよい。

また、本発明による医用画像処理装置においては、候補検出手段を、医用画像における脊椎が存在する脊椎領域を推定し、脊椎領域から椎間板候補および椎体候補を検出するものとしてもよい。

また、本発明による医用画像処理装置においては、椎間板候補および椎体候補から孤立候補を除去する孤立候補除去手段をさらに備えるものとしてもよい。

孤立候補とは、椎間板候補および椎体候補として検出されたものの、実際の椎間板および椎体とは異なり、椎間板および椎体とは見なすことができない候補を意味する。例えば、ある椎間板候補について、その特徴量が他の複数の椎間板候補の特徴量と比較して大きく異なっている場合、その候補を孤立候補とすることができる。

また、本発明による医用画像処理装置においては、候補検出手段を、脊椎上端部候補および脊椎下端部候補の少なくとも一方をさらに検出するものとし、
特定手段を、脊椎上端部候補および脊椎下端部候補の少なくとも一方、椎間板候補、並びに椎体候補を用いて、椎間板および椎体の少なくとも一方を特定するものとしてもよい。

本発明による医用画像処理方法は、椎間板および椎体を含む医用画像から、椎間板候補および椎体候補を検出し、
椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定することを特徴とするものである。

なお、本発明による医用画像処理方法をコンピュータに実行させるためのプログラムとして提供してもよい。

本発明によれば、椎間板および椎体を含む医用画像から、椎間板候補および椎体候補が検出され、椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体の少なくとも一方が特定される。このため、椎間板および椎体の一部が変形している場合であっても、椎間板候補および椎体候補の双方を用いることにより、椎間板および椎体の少なくとも一方を精度よく特定することができる。

本発明の第１の実施形態による医用画像処理装置を適用した、診断支援システムの概要を示すハードウェア構成図 コンピュータに医用画像処理プログラムをインストールすることにより実現される医用画像処理装置の概略構成を示す図 椎間板候補を判別する判別器の機械学習を説明するための図 椎体候補を判別する判別器の機械学習を説明するための図 椎間板候補および椎体候補を判別する多クラスの判別器の機械学習を説明するための図 椎間板候補および椎体候補の検出結果を示す図 医用画像において特定された脊椎領域を示す図 脊椎中心線の検出を説明するための図 椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布を示す図 椎骨の配列を表すサジタル画像を模式的に表す図 第１の実施形態において行われる処理を示すフローチャート 椎間板および椎体を特定できない状態を示す図 第２の実施形態において行われる処理を示すフローチャート 第３の実施形態による医用画像処理装置の概略構成を示す図 孤立候補の除去を説明するための図 第３の実施形態において行われる処理を示すフローチャート 脊椎上端部を含む医用画像を示す図 脊椎下端部を含む医用画像を示す図 第５の実施形態による医用画像処理装置の概略構成を示す図 付随情報の生成を説明するための図 付随情報の生成を説明するための図

以下、図面を参照して本発明の実施形態について説明する。図１は、本発明の第１の実施形態による医用画像処理装置を適用した、診断支援システムの概要を示すハードウェア構成図である。図１に示すように、このシステムでは、第１の実施形態による医用画像処理装置１、画像撮影装置２、および画像保管サーバ３が、ネットワーク４を経由して通信可能な状態で接続されている。

画像撮影装置２は、被写体の診断の対象となる部位を撮影することにより、その部位を表す医用画像を生成する装置であり、具体的には、ＣＴ装置、ＭＲＩ装置、およびＰＥＴ(Positron Emission Tomography )装置等である。この画像撮影装置２により生成された医用画像は画像保管サーバ３に送信され、保管される。なお、本実施形態においては、被写体の診断対象部位は脊椎であり、画像撮影装置２はＭＲＩ装置であり、医用画像は脊椎を含むサジタル断面の医用画像であるものとする。また、医用画像は脊椎を含む範囲においてあらかじめ定められた間隔で複数生成されるものとする。

画像保管サーバ３は、各種データを保存して管理するコンピュータであり、大容量外部記憶装置およびデータベース管理用ソフトウェアを備えている。画像保管サーバ３は、有線あるいは無線のネットワーク４を介して他の装置と通信を行い、画像データ等を送受信する。具体的には画像撮影装置２で生成された医用画像等の画像データをネットワーク経由で取得し、大容量外部記憶装置等の記録媒体に保存して管理する。なお、画像データの格納形式やネットワーク４経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）等のプロトコルに基づいている。また、医用画像にはＤＩＣＯＭ規格に基づくタグが付与される。タグには、患者名、撮影装置を表す情報、撮影日時、および撮影部位等の情報が含まれる。

医用画像処理装置１は、１台のコンピュータに、本発明の医用画像処理プログラムをインストールしたものである。コンピュータは、診断を行う医師が直接操作するワークステーションあるいはパーソナルコンピュータでもよいし、もしくは、それらとネットワークを介して接続されたサーバコンピュータでもよい。医用画像処理プログラムは、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ−ＲＯＭ（Compact Disk Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。もしくは、ネットワークに接続されたサーバコンピュータの記憶装置、あるいはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて医師が使用するコンピュータにダウンロードされ、インストールされる。

図２は、コンピュータに医用画像処理プログラムをインストールすることにより実現される医用画像処理装置の概略構成を示す図である。図２に示すように、医用画像処理装置１は、標準的なワークステーションの構成として、ＣＰＵ（Central Processing Unit）１１、メモリ１２およびストレージ１３を備えている。また、医用画像処理装置１には、ディスプレイ１４と、マウス等の入力部１５とが接続されている。

ストレージ１３には、ネットワーク４を経由して画像保管サーバ３から取得した医用画像、医用画像処理装置１での処理によって生成された画像、および処理に必要な情報を含む各種情報が記憶されている。

また、メモリ１２には、医用画像処理プログラムが記憶されている。医用画像処理プログラムは、ＣＰＵ１１に実行させる処理として、画像撮影装置２が取得した、診断対象となる脊椎を含む、被写体の医用画像を取得する画像取得処理、医用画像から椎間板候補および椎体候補を検出する候補検出処理、医用画像から脊椎中心線および脊髄中心線の少なくとも一方を検出する中心線検出処理、脊椎中心線および脊髄中心線の少なくとも一方の中心線上において、椎間板らしさを表す特徴量および椎体らしさを表す特徴量を、椎間板らしさを表す特徴量または椎体らしさを表す特徴量の符号を反転させて累積加算することにより、椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布を生成する分布生成処理、並びにこの分布に基づいて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定する特定処理を規定する。さらに、医用画像処理プログラムは、椎体を特定した場合においては、特定した椎体を含む椎骨にラベルを付与するラベル付与処理を規定する。なお、本実施形態においては、複数のサジタル断面についての複数の医用画像を取得し、そのうちの処理対象となる１つの医用画像を用いて、椎間板および椎体の双方を特定するものとする。

そして、ＣＰＵ１１がプログラムに従いこれらの処理を実行することで、コンピュータは、画像取得部２１、候補検出部２２、中心線検出部２３、分布生成部２４、特定部２５およびラベル付与部２６として機能する。なお、医用画像処理装置１は、画像取得処理、候補検出処理、中心線検出処理、分布生成処理、特定処理およびラベル付与処理をそれぞれ行う複数のプロセッサを備えるものであってもよい。

画像取得部２１は、画像保管サーバ３から複数の医用画像を取得する。画像取得部２１は、複数の医用画像が既にストレージ１３に記憶されている場合には、ストレージ１３から取得するようにしてもよい。なお、医用画像においては、サジタル断面上の体軸方向をｚ軸、サジタル断面が並ぶ被写体の左右方向をｘ軸とする。また、医用画像における被写体の背中から腹側へ向かう方向をｙ軸とする。

候補検出部２２は、複数の医用画像のうちの処理対象となる医用画像Ｓ１から椎間板候補および椎体候補を検出する。具体的には、医用画像Ｓ１における椎間板らしさを表す特徴量および椎体らしさを表す特徴量を求めることにより、椎間板候補および椎体候補を検出する。このため、候補検出部２２は、椎間板および椎体のそれぞれを機械学習させることにより取得した２クラスの判別器を備えている。

図３は椎間板候補の判別器の機械学習を説明するための図である。まず、椎間板の判別器２２Ａについては、椎間板の教師画像を複数用意する。椎間板の教師画像は、椎間板を含む画像において椎間板の両端を基準点Ｐ１，Ｐ２とし、２つの基準点Ｐ１，Ｐ２があらかじめ定められた位置となり、かつあらかじめ定められた形状およびサイズとなるように、椎体を含む画像を規格化された領域を実際の医用画像から切り出すことにより取得する。なお、本実施形態においては、教師画像は基準点Ｐ１，Ｐ２の中点を対角線の交点とする正方形であるものとするが、これに限定されるものではない。また、椎間板以外の教師画像を用意する。そして、椎間板の教師画像を正の教師画像、椎間板以外の教師画像を負の教師画像としてブースティング等の機械学習アルゴリズムを用いて学習を行うことにより、椎間板の判別器２２Ａを取得する。椎間板の判別器２２Ａは、入力された画像に対してスコアを出力し、スコアに基づいて入力された画像が椎間板候補であるか否か判別する。出力されたスコアが椎間板らしさを表す特徴量である。したがって、出力される特徴量が大きいほど、入力された画像は椎間板らしさが大きく、椎間板候補と判別されることとなる。

図４は椎体候補の判別器の機械学習を説明するための図である。椎体の判別器２２Ｂについては、椎体の教師画像を複数用意する。椎体の教師画像は、椎体を含む画像において椎体の厚さ方向の略中心位置における両端を基準点Ｐ３，Ｐ４とし、２つの基準点Ｐ３，Ｐ４があらかじめ定められた位置となり、かつあらかじめ定められた形状およびサイズとなるように規格化された領域を実際の医用画像から切り出すことにより取得する。なお、本実施形態においては、教師画像は基準点Ｐ３，Ｐ４の中点を対角線の交点とする正方形であるものとするが、これに限定されるものではない。また、椎体以外の教師画像を用意する。そして、椎体の教師画像を正の教師画像、椎体以外の教師画像を負の教師画像としてブースティング等の機械学習アルゴリズムを用いて学習を行うことにより、椎体の判別器２２Ｂを取得する。椎体の判別器２２Ｂにおいては、入力された画像に対してスコアを出力し、スコアに基づいて入力された画像が椎体候補であるか否かを判別する。出力されたスコアが椎体らしさを表す特徴量を出力である。したがって、出力される特徴量が大きいほど、入力された画像は椎体らしさが大きく、椎体候補と判別されることとなる。

なお、候補検出部２２が備える判別器は、椎間板の判別器２２Ａおよび椎体の判別器２２Ｂという２クラスに限定されるものではなく、図５に示すように、椎間板の教師画像および椎体の教師画像を学習した多クラスの判別器２２Ｃであってもよい。この場合、判別器２２Ｃは、入力された画像に対して椎間板らしさを表す特徴量および椎体らしさを表す特徴量の双方を出力する。したがって、出力される椎間板らしさの特徴量が大きいほど、入力された画像は椎間板らしさが大きいものとなる。また、出力される椎体らしさの特徴量が大きいほど、入力された画像は椎体らしさが大きいものとなる。

候補検出部２２は、医用画像Ｓ１から正方形の領域を切り出し、切り出した領域を判別器２２Ａ，２２Ｂに入力する。判別器２２Ａは、切り出した領域についての椎間板らしさを表す特徴量Ｃ１を出力する。そして、判別器２２Ａは、出力された特徴量Ｃ１を閾値Ｔｈ１と比較し、特徴量Ｃ１が閾値Ｔｈ１を超えた場合に、切り出した領域は椎間板候補であると判別し、特徴量Ｃ１および領域の位置情報を保持する。なお、領域の位置情報はその領域の対角線の交点の位置を表すものとする。本実施形態においては、椎間板の正の教師画像において、基準点Ｐ１，Ｐ２、すなわち椎間板の両端の中点が教師画像の対角線の交点であるため、椎間板候補と判定された領域の位置情報は、椎間板の両端の中点（以下、椎間板の中点とする）付近に存在する。

一方、判別器２２Ｂは、切り出した領域についての椎体らしさを表す特徴量Ｃ２を出力する。そして、判別器２２Ｂは、出力された特徴量Ｃ２を閾値Ｔｈ２と比較し、特徴量Ｃ２が閾値Ｔｈ２を超えた場合に、切り出した領域は椎体候補であると判別し、特徴量Ｃ２および領域の位置情報を保持する。なお、領域の位置情報はその領域の対角線の交点の位置を表すものとする。本実施形態においては、椎体の正の教師画像において、基準点Ｐ３，Ｐ４、すなわち椎体の厚さ方向の略中心位置における両端の中点が教師画像の対角線の交点であるため、椎体候補と判定された領域の位置情報は、椎体の厚さ方向の略中心位置における両端の中点（以下、椎体の中心とする）付近に存在する。

候補検出部２２は、医用画像Ｓ１における異なる位置、異なるサイズおよび異なる回転角度について領域を切り出し、切り出した領域を用いて上記の判別を繰り返すことにより、複数の椎間板候補および複数の椎体候補を検出する。なお、異なるサイズは例えば同一の位置において１０画素間隔で１０画素×１０画素〜１００画素×１００画素の１０通りのサイズの領域を切り出せばよい。また、異なる回転角度は、例えば同一の位置および同一のサイズにおいて、３０度間隔で１２通り回転角度の領域を切り出せばよい。

図６は椎間板候補および椎体候補の検出結果を示す図である。なお、図６において、黒丸が椎間板候補の位置を、白丸が椎骨候補の位置をそれぞれ示す。図６に示すように、１つの椎間板に対して複数の椎間板候補が検出され、１つの椎体に対して複数の椎体候補が検出されている。

なお、候補検出部２２は、医用画像Ｓ１において脊椎が存在する脊椎領域を特定し、脊椎領域から椎間板候補および椎体候補を検出してもよい。この場合、医用画像Ｓ１をディスプレイ１４に表示し、表示された医用画像Ｓ１において入力部１５を用いて脊椎領域の入力を受け付けることにより、脊椎領域を特定すればよい。また、例えば特開２０１４−１２１５９８号公報に記載された手法を用いて脊椎領域を特定してもよい。特開２０１４−１２１５９８号公報に記載された手法においては、サジタル断面における脊椎を含む医用画像と脊椎を含まない医用画像との相対応する位置での平均画像を生成する。そして、各医用画像から平均画像を減算する。減算により得られる画像においては、背骨の部分が高い信号値を示すものとなる。このため、減算により得られる画像を二値化処理し、信号値が閾値より大きい領域を脊椎領域に特定する。これにより、図７に示すように、医用画像Ｓ１において、脊椎領域Ａ１を特定することができる。なお、脊椎領域を特定するためには、脊椎を含まないサジタル断面画像が必要となるため、画像取得部２１は、脊椎を含まない医用画像も取得することとなる。

このように、医用画像において脊椎領域を特定し、脊椎領域において椎間板候補および椎体候補を検出することにより、椎間板候補および椎体候補を検出する際の演算量を低減することができる。

中心線検出部２３は、医用画像Ｓ１から脊椎中心線および脊髄中心線の少なくとも一方を検出する。本実施形態においては、候補検出部２２が検出した椎間板候補および椎体候補の位置情報を用いて脊椎中心線を検出する。ここで、椎間板候補の位置情報は、医用画像Ｓ１上において、椎間板の中心を基準として分布する。また、椎体候補の位置情報は、医用画像Ｓ１上において、椎体の中心を基準として分布する。また、椎間板の中心および椎体の中心は、脊椎中心線上に位置する。

このため、中心線検出部２３は、医用画像Ｓ１上において、椎間板候補および椎体候補の位置情報をプロットし、例えば特開２００９−２０７７２７号公報に記載されたように、プロットに対して多項式曲線またはＢ−Ｓｐｌｉｎｅ曲線等の折れ線または曲線をフィッティングする手法を適用して、脊椎中心線を求める。なお、プロットからランダムに幾つかのサンプルを抽出して最小二乗法をあてはめるＲＡＮＳＡＣ手法（例えば、M.A.Fischler and R.C.Bolles(June 1981).“Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography”.Comm.of the ACM 24:381-395）を用いてもよい。これにより、図８に示すように、医用画像Ｓ１において、脊椎中心線３０が検出される。

なお、脊髄中心線を検出する場合、例えば、例えば特開２０１１−１４２９６０号公報に記載された手法を用いることができる。特開２０１１−１４２９６０号公報に記載された手法は、複数の医用画像から体軸に直交するアキシャル断面の断面画像を複数生成し、複数の断面画像から脊髄の断面形状を検出し、検出された複数の断面形状の位置を補間することにより、脊髄中心線を検出する手法である。なお、脊椎中心線または脊髄中心線を検出する手法としては、上述した手法に限定されるものではなく、例えば特開２００９−２０７８８６号公報に記載された手法等、任意の手法を用いることができる。

分布生成部２４は、脊椎中心線上において、図６に示すように分布する椎間板候補および椎体候補のそれぞれについての、椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２を累積加算して、椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２の分布を生成する。この際、椎間板らしさを表す特徴量Ｃ１または椎体らしさを表す特徴量Ｃ２の符号を負の値に反転して累積加算する。本実施形態においては、椎間板らしさを表す特徴量Ｃ１の符号を負の値に反転して、特徴量Ｃ１，Ｃ２を脊椎中心線上において累積加算する。このため、分布生成部２４は、医用画像Ｓ１のｘｙｚ座標系を、脊椎中心線３０をｚ′軸とするｘ′ｙ′ｚ′座標系に変換する。そして、変換したｘ′ｙ′ｚ′座標系のｚ′軸上における椎体候補の位置に特徴量Ｃ２を、椎間板候補の位置に符号を反転した特徴量Ｃ１を累積加算する。図９は椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２の分布Ｄ０を示す図である。図９において横軸はｚ′軸であり、縦軸は特徴量である。図９に示すように、分布Ｄ０は、複数の正のピークおよび複数の負のピークを有するものとなる。本実施形態においては、椎体らしさを表す特徴量Ｃ２を正、椎間板らしさを表す特徴量Ｃ１を負としているため、正のピークの位置が椎体の中心のｚ′座標に対応し、負のピークの位置が椎間板の中心のｚ′座標に対応するものとなる。

特定部２５は、分布Ｄ０に基づいて、医用画像Ｓ１に含まれる椎間板および椎体を特定する。このために、特定部２５は、分布Ｄ０を所定の適合関数（周期関数または準周期関数）に適合させて、椎間板および椎体の位置を特定する。ここで、「周期関数」とは、ｚ′座標の位置に対し周期性を有し、ｚ′座標の位置によらず周期が一定である関数をいう。また、「準周期関数」とは、ｚ′座標の位置に対し周期性を有するが、ｚ′座標の位置によって周期が変調する関数をいう。

なお、適合関数としては、三角関数のような周期関数を用いてもよいが、椎体は、ｚ′軸方向の高さが頚椎から腰椎にかけて次第に大きくなる、という構造的特徴を有している。このため、本実施形態においては、下記の式（１）に示す準周期関数ｇ（ｚ′）を適合関数として用いる。なお、適合関数はストレージ１３に保存されている。

式（１）において、ａ，ｂ，ｃはｇ（ｚ′）の形状を決定するための定数である。なお、ａ＝０のとき、ｇ（ｚ′）は周期関数となる。このｇ（ｚ′）の値の定義は、分布Ｄ０の値の定義と一致する。すなわち、椎体の中心において極大値を採り、椎間板の中心において極小値を採る。

そして、特定部２５は、分布Ｄ０をグローバルに適合させる。ここで、「グローバルに適合させる」とは、ｚ′軸上の位置ｚ′の採り得る範囲全体で適合させることをいう。特定部２５は、最小２乗法等の多変数解析を行うことにより、最適な定数ａ，ｂ，ｃを決定することができる。例えば、フィッティングの評価値Ｈは下記の式（２）により表される。なお、ｆ（ｚ′）は、分布Ｄ０における特徴量Ｃ１，Ｃ２である。

この評価値Ｈが最大となるような定数ａ，ｂ，ｃを選択する。この場合、定数ａ，ｂ，ｃの採り得る範囲をあらかじめ定めておき、その範囲内にある全てのａ，ｂ，ｃの組み合わせで探索する。これにより、分布生成部２４が生成した分布Ｄ０を、式（１）に示す適合関数に適合させることができる。図９には分布Ｄ０が適合された適合関数ｇ（ｚ′）を示している。なお、分布Ｄ０および適合関数ｇ（ｚ′）を、ディスプレイ１４に表示するようにしてもよい。

特定部２５は、適合させた適合関数に基づいて、椎体の位置および椎間板の位置を特定する。例えば、式（１）に示す適合関数の例において、ｇ（ｚ′）＝ｃｏｓ（ｔ）とすると、ｎを整数としたとき、ｃｏｓ（ｔ）においては、正のピークはｔ＝０、２π、４π、…２ｎπで現れ、負のピークはｔ＝π、３π、５π、…２（ｎ＋１）πで現れる。本実施形態においては、正のピークが椎体の位置となり、負のピークが椎間板の位置となる。このため、ｎ番目の椎体の位置ｚ′（ｎ）は下記の式（３）のように求めることができる。また、ｎ番目の椎間板の位置ｚ′（ｎ）は下記の式（４）のように求めることができる。

ラベル付与部２６は、特定部２５が特定した椎体を含む椎骨にラベルを付与する。本実施形態では、解剖学上の椎骨の種別をラベルとして用いる。図１０は椎骨の配列を表すサジタル画像を模式的に表す図である。図１０に示すように、各椎骨には解剖学的に番号が付与されている。ここで、脊椎は、頚椎、胸椎、腰椎および仙骨の４つの部分からなる。頚椎は第１〜第７頚椎からなり、解剖学的にＣ１〜Ｃ７の識別情報が付与されている。胸椎は第１〜第１２胸椎からなり、解剖学的にＴｈ１〜Ｔｈ１２の識別情報が付与されている。腰椎は第１〜第５腰椎からなり、解剖学的にＬ１〜Ｌ５の識別情報が付与されている。仙骨は１つの骨のみからなり、解剖学的にＳ１の識別情報が付与されている。ラベル付与部２６は、特定部２５が特定した各椎体を含む各椎骨にこれらの識別情報をラベルとして付与する。

なお、医用画像Ｓ１に胸椎のみしか含まれない場合、解剖学的な識別情報を付与することが困難な場合がある。このような場合においては、ラベル付与部２６は、医用画像Ｓ１に含まれる椎骨に対して、医用画像Ｓ１の上からあるいは下から順に、連続した番号をラベルとして付与するものとしてもよい。この場合、医用画像Ｓ１に含まれるいずれかの椎骨の解剖学的な識別情報が分かれば、連続した番号に基づいて、他の椎骨の解剖学的な識別情報を特定することができる。

次いで、第１の実施形態において行われる処理について説明する。図１１は第１の実施形態において行われる処理を示すフローチャートである。まず、画像取得部２１が、診断対象である１つの医用画像Ｓ１を取得し（ステップＳＴ１）、候補検出部２２が、医用画像Ｓ１における椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２を求めることにより、椎間板候補および椎体候補を検出する（候補検出：ステップＳＴ２）。そして、中心線検出部２３が脊椎中心線３０を検出し（ステップＳＴ３）、分布生成部２４が、椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２の分布を生成する（ステップＳＴ４）。次いで、特定部２５が、分布Ｄ０に基づいて、医用画像Ｓ１に含まれる椎間板および椎体を特定する（ステップＳＴ５）。さらに、ラベル付与部２６が、特定された椎体を含む椎骨にラベルを付与し（ステップＳＴ６）、処理を終了する。

このように、第１の実施形態においては、椎間板および椎体を含む医用画像Ｓ１から、椎間板候補および椎体候補を検出し、椎間板候補および椎体候補を用いて、医用画像Ｓ１に含まれる椎間板および椎体を特定するようにしたものである。このため、椎間板および椎体の一部が変形している場合であっても、椎間板候補および椎体候補の双方を用いることにより、精度よく椎間板および椎体を特定することができる。

次いで、本発明の第２の実施形態について説明する。上記第１の実施形態においては、１つの医用画像Ｓ１を用いて椎間板および椎体を特定しているが、第２の実施形態においては複数の医用画像を用いて、椎間板および椎体を特定するようにした点が第１の実施形態と異なる。なお、第２の実施形態において椎間板および椎体の特定のために使用する複数の医用画像は、脊椎を含んでいるものとする。

ここで、脊椎湾曲症等により、脊椎が人体の左右方向すなわちｘ軸方向に湾曲している場合、１つの医用画像のみを用いたのでは、椎間板および椎体を特定できない場合がある。図１２は椎間板および椎体を特定できない状態を示す図である。なお、図１２においては紙面の左右方向がｘ軸方向であり、説明のために脊椎を太線にて示している。図１２に示すように脊椎３１がｘ軸方向に湾曲している場合、１つのサジタル断面Ｍ１における医用画像に含まれる脊椎は全ての脊椎の一部のみとなる。このため、１つのサジタル断面Ｍ１における医用画像のみを用いたのでは、全ての椎間板および椎体を特定することができない。

このため、第２の実施形態においては、図１２の仮想線に示すように、複数のサジタル断面のそれぞれにおける複数の医用画像を用いて、椎間板および椎体を特定するようにしたものである。

次いで、第２の実施形態において行われる処理について説明する。図１３は第２の実施形態において行われる処理を示すフローチャートである。まず、画像取得部２１が、診断対象である複数（ｍ個）の医用画像Ｓｉ（ｉ＝１〜ｍ）を取得し（ステップＳＴ１１）、候補検出部２２が、処理対象を最初の医用画像Ｓ１に設定し（ｉ＝１：ステップＳＴ１２）、医用画像Ｓ１における椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２を求めることにより、椎間板候補および椎体候補を検出する（候補検出：ステップＳＴ１３）。そして、候補検出部２２は、全ての医用画像の椎間板候補および椎体候補を検出したか否かを判定し（ステップＳＴ１４）、ステップＳＴ１４が否定されると、候補検出の処理対象を次の医用画像に設定し（ｉ＝ｉ＋１：ステップＳＴ１５）、ステップＳＴ１３に戻る。

ステップＳＴ１４が肯定されると、中心線検出部２３が脊椎中心線３０を検出する（ステップＳＴ１６）。この際、中心線検出のための位置情報は、全ての医用画像について検出した椎間板候補および椎体候補の位置情報を用いる。ここで、図１２に示すように脊椎がｘ軸方向に湾曲している場合、脊椎中心線はｘ軸方向にも湾曲したものとなる。

次いで、分布生成部２４が、脊椎中心線上において、全ての医用画像について検出した椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２を累積加算して、椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２の分布を生成する（ステップＳＴ１７）。次いで、特定部２５が、分布Ｄ０に基づいて、複数の医用画像における椎間板および椎体を特定する（ステップＳＴ１８）。さらに、ラベル付与部２６が、特定された椎体を含む椎骨にラベルを付与し（ステップＳＴ１９）、処理を終了する。

このように、第２の実施形態においては、複数のサジタル断面の医用画像から椎間板候補および椎体候補を検出し、複数の医用画像から検出された椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体を特定するようにしたものである。このため、脊椎がｘ軸方向に湾曲していても、椎間板候補および椎体候補を漏れなく検出することができ、その結果、椎間板および椎体を精度よく特定することができる。

次いで、本発明の第３の実施形態について説明する。上記第１の実施形態においては、候補検出部２２が検出した全ての椎間板候補および椎体候補を用いて、中心線検出処理、分布生成処理および特定処理を行っている。第３の実施形態においては、候補検出部２２が検出した全ての椎間板候補および椎体候補から孤立候補を除去した後に、中心線検出処理、分布生成処理および特定処理を行うようにした点が第１の実施形態と異なる。

図１４は第３の実施形態による医用画像処理装置の概略構成を示す図である。なお、図１４において図２と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。第３の実施形態による医用画像処理装置においては、孤立候補除去部２７を備えた点が第１の実施形態と異なる。

図１５は孤立候補の除去を説明するための図である。椎間板候補の位置が椎間板の位置と一致する場合、複数の椎間板候補の位置情報の重心位置は、その椎間板の位置、すなわち図１５に示す黒丸の位置となる。また、椎体候補の位置が椎体の位置と一致する場合、複数の椎体候補の重心位置は、その椎体の位置、すなわち図１５に示す白丸の位置となる。しかしながら、椎間板候補および椎体候補の位置が、図１５における点Ｐ５，Ｐ６に示すように脊椎から外れた位置にある場合、外れた位置にある椎間板候補および椎体候補の位置情報に影響されて、脊椎中心線および分布を精度よく検出できない。このように脊椎中心線および分布を精度よく検出できないと、椎間板および椎体を精度よく特定することができない。

このため、第３の実施形態においては、孤立候補除去部２７が図１５の点Ｐ５，Ｐ６に示すような、椎間板候補および椎体候補として検出されたものの、実際の椎間板および椎骨とは異なり、椎間板および椎体とは見なすことができない孤立候補を除去した後に、中心線検出処理、分布生成処理および特定処理を行うようにしたものである。このため、孤立候補除去部２７は、まず椎間板候補に関して、候補検出部２２が検出した各椎間板候補を中心とした所定範囲において、複数の椎間板候補を選択する。なお、所定範囲としては、１つの椎体の大きさ程度とすればよい。そして所定範囲に含まれる複数の椎間板候補について、椎間板らしさを表す特徴量を加算する。そして加算値を所定の閾値Ｔｈ３と比較し、加算値が閾値Ｔｈ３よりも小さい椎間板候補を孤立候補と見なして、その椎間板候補を除去する。椎体候補についても同様に、候補検出部２２が検出した各椎体候補を中心とした所定範囲において、複数の椎体候補を選択する。そして所定範囲に含まれる複数の椎体候補について、椎体らしさを表す特徴量を加算する。そして加算値を所定の閾値Ｔｈ４と比較し、加算値が閾値Ｔｈ４よりも小さい椎体候補を孤立候補と見なして、その椎体候補を除去する。

次いで、第３の実施形態において行われる処理について説明する。図１６は第３の実施形態において行われる処理を示すフローチャートである。まず、画像取得部２１が、診断対象である１つの医用画像Ｓ１を取得し（ステップＳＴ２１）、候補検出部２２が、医用画像Ｓ１における椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２を求めることにより、椎間板候補および椎体候補を検出する（候補検出：ステップＳＴ２２）。そして、孤立候補除去部２７が椎間板候補および椎体候補から孤立候補を除去する（ステップＳＴ２３）。次いで、中心線検出部２３が脊椎中心線３０を検出し（ステップＳＴ２４）、分布生成部２４が、脊椎中心線上において、椎間板らしさを表す特徴量Ｃ１および椎体らしさを表す特徴量Ｃ２の分布を生成する（ステップＳＴ２５）。次いで、特定部２５が、分布Ｄ０に基づいて、医用画像Ｓ１に含まれる椎間板および椎体を特定する（ステップＳＴ２６）。さらに、ラベル付与部２６が、特定された椎体を含む椎骨にラベルを付与し（ステップＳＴ２７）、処理を終了する。

このように、第３の実施形態においては、椎間板候補および椎体候補から孤立候補を除去するようにしたものである。これにより、孤立候補に影響されることがなくなるため、椎間板および椎体を精度よく特定することができる。

なお、上記第３の実施形態においては、第１の実施形態において孤立候補を除去しているが、第２の実施形態において孤立候補を除去するようにしてもよい。この場合、複数の医用画像のそれぞれにおいて、孤立候補を除去すればよい。

ところで、椎間板候補および椎体候補を誤検出してしまうと、図１７に示すように、中心線検出部２３が中心線を本来の脊椎の上端よりも長く検出してしまう可能性がある。また、図示はしていないが、脊椎の下端よりも長く中心線を検出してしまう可能性もある。ここで、椎骨に含まれる椎体の部分は円柱形状をなしているが、図１７に示すように、脊椎上端部にある第１頚椎および第２頚椎は、他の椎骨とは異なる特徴的な形状をなしている。また、図１８に示すように、脊椎の下端部にある第５腰椎および仙骨も、他の椎骨とは異なる特徴的な形状をなしている。このため、候補検出部２２において、脊椎の上端部の椎骨および下端部の椎骨の少なくとも一方を、脊椎上端部候補および脊椎下端部候補として検出してもよい。以下、これを第４の実施形態として説明する。なお、脊椎の上端部の椎骨としては第１頚椎および第２頚椎の少なくとも一方を、下端部の椎骨としては第５腰椎および仙骨の少なくとも一方を使用する。

第４の実施形態において、候補検出部２２は、脊椎上端部候補および脊椎下端部候補の判別器を有する。脊椎上端部候補および脊椎下端部候補の判別器は、それぞれ脊椎上端部の椎骨および脊椎か端部の椎骨を正の教師画像として機械学習を行うことにより取得される。第４の実施形態の候補検出部２２は、椎間板候補および椎体候補に加えて、脊椎上端部候補および脊椎下端部候補を検出する。そして、脊椎上端部候補および脊椎下端部候補が検出された場合には、中心線検出部２３は、脊椎上端部候補および脊椎下端部候補、並びに椎間板候補および椎体候補を用いて、脊椎上端部の椎骨および脊椎下端部の椎骨が端部となるように脊椎中心線を検出する。これにより、脊椎中心線または脊髄中心線の上下端部を特定することができるため、本来存在すべき脊椎の長さ以上の長さに亘って、椎間板および椎体を特定することがなくなる。したがって、椎間板および椎体を精度よく特定することができる。

なお、処理対象の医用画像によっては、脊椎上端部の椎骨および脊椎下端部の椎骨の双方が含まれない場合がある。このため、上端部の椎骨のみが含まれる場合には脊椎上端部候補のみを、下端部の椎骨のみが含まれる場合には脊椎下端部候補のみをそれぞれ検出すればよい。

また、上記第４の実施形態においては、第１の実施形態において脊椎上端部候補および脊椎下端部候補を検出しているが、第２および第３の実施形態において脊椎上端部候補および脊椎下端部候補を検出するようにしてもよい。第２の実施形態において脊椎上端部候補および脊椎下端部候補を検出する場合、複数の医用画像のそれぞれから脊椎上端部候補および脊椎下端部候補を検出すればよい。

次いで、本発明の第５の実施形態について説明する。図１９は第５の実施形態による医用画像処理装置の概略構成を示す図である。なお、図１９において図２と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。第５の実施形態による医用画像処理装置においては、情報取得部２８を備えた点が第１の実施形態と異なる。

上記第１の実施形態においては、図１５に示すように、椎間板候補および椎体候補の位置情報を取得することができる。情報取得部２８は、これらの位置情報から椎間板および椎体に関する付随情報をさらに取得する。具体的には、椎体を円柱形状で近似したときの中心軸の方向、中心軸に沿った長さ、および中心軸に直交する方向の長さの少なくとも１つを生成する。なお、中心軸に直交する方向の長さとは、サジタル断面上における長さを意味する。

図２０および図２１は付随情報の生成を説明するための図である。図１５と同様に、複数の椎間板候補の重心位置は、図２０に示す黒丸の位置となる。また、椎体候補の重心位置は白丸の位置となる。情報取得部２８は、図２０においてある椎体に注目すると、その上下において検出された椎間板候補の重心位置を結ぶ直線を定義することにより、椎体を円柱形状で近似した場合における中心軸の方向の情報を取得することができる。また、その直線の長さにより、椎体を円柱形状で近似した場合における中心軸に沿った長さの情報を取得することができる。

一方、ある椎間板付近において検出される椎間板候補の位置情報は、図２１に示すように椎間板の幅方向に亘って分布する。なお、図２１においては位置情報を「ｘ」にて示している。このため、椎間板候補の位置情報の分布の両端の位置は、椎間板の両端の位置を表すものとなる。また、椎間板の両端の位置は椎体の中心軸に直交する方向の長さを表すものとなる。したがって、情報取得部２８は、ある椎体の上側または下側にある椎間板候補の位置情報の分布の両端の位置を検出する。そして両端の位置を結ぶ直線の長さにより、椎体を円柱形状で近似した場合における中心軸に直交する方向の長さの情報を取得することができる。

このように、第５の実施形態においては、特定した椎間板および特定した椎体の少なくとも一方に関する付随情報を抽出することにより、椎間板および椎体の少なくとも一方についての解剖学的な情報を得ることができる。

なお、第５の実施形態においては、椎体を円柱形状で近似したときの中心軸の方向、中心軸に沿った長さ、および中心軸に直交する方向の長さの少なくとも１つを付随情報として生成しているが、これらに限定されるものではなく、椎体および椎間板に関する情報であれば、どのような情報を付随情報として生成するようにしてもよい。

また、上記各実施形態においては、椎間板および椎体の双方を特定しているが、椎間板および椎体のいずれか一方のみを特定するものであってもよい。

また、上記各実施形態においては、機械学習により取得された判別器を用いて、椎間板候補および椎体候補を検出しているが、椎間板のテンプレートおよび椎体のテンプレートを用いたテンプレートマッチング等、判別器を用いる方法以外の他の手法を用いるようにしてもよい。

また、上記各実施形態においては、サジタル断面のＭＲＩ画像を医用画像としてを用いているが、サジタル断面のＣＴ画像を医用画像として用いてもよい。また、ＣＴ装置またはＭＲＩ装置等において取得された３次元医用画像を用いて椎間板および椎体の少なくとも一方を特定するようにしてもよい。

また、上記各実施形態においては、ラベル付与部２６において、特定された椎体を含む椎骨にラベルを付与しているが、特定した椎間板および椎体の位置情報のみをストレージ１３に保持するようにしてもよい。この場合、特定した椎間板の位置情報は、椎間板候補の位置情報の重心位置とすればよく、特定した椎体の位置情報は、椎体候補の位置情報の重心位置とすればよい。

以下、本発明の作用効果について説明する。

医用画像における椎間板らしさを表す特徴量および椎体らしさを表す特徴量を求めることにより、椎間板候補および椎体候補を検出してもよい。これにより、椎間板および椎体を学習させて取得される判別器を用いて椎間板候補および椎体候補を検出できる。したがって、より精度よく椎間板候補および椎体候補を検出することができる。

また、脊椎中心線および脊髄中心線の少なくとも一方の中心線上において、椎間板らしさを表す特徴量および椎体らしさを表す特徴量を、椎間板らしさを表す特徴量または椎体らしさを表す特徴量の符号を反転させて累積加算することにより、椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布を生成してもよい。ここで、椎体および椎間板の脊椎に沿った分布は、あらかじめ定められた周期的なものとなっている。このため、椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布におけるピークは、椎間板の位置および椎体の位置に対応するものとなる。したがって、椎間板らしさを表す特徴量および椎体らしさを表す特徴量の分布を用いることにより、椎間板および椎体の少なくとも一方を精度よく特定することができる。

また、上記分布をあらかじめ定められた周期関数または準周期関数に適合させ、適合させた周期関数または準周期関数に基づいて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定することにより、椎間板および椎体の周期に基づいて、椎間板および椎体の少なくとも一方を精度よく特定することができる。

また、特定した椎体を含む椎骨にラベルを付与することにより、椎骨の位置を精度よく認識することができる。

また、特定した椎間板および特定した椎体の少なくとも一方に関する付随情報を抽出することにより、椎間板および椎体の少なくとも一方についての解剖学的な情報を得ることができる。

また、複数のサジタル断面画像から椎間板候補および椎体候補を検出し、複数のサジタル断面画像から検出された椎間板候補および椎体候補を用いて、医用画像に含まれる椎間板および椎体の少なくとも一方を特定するようにしてもよい。これにより、脊椎が人体の左右方向に湾曲していても、椎間板候補および椎体候補を漏れなく検出することができるため、椎間板および椎体の少なくとも一方を精度よく特定することができる。

また、医用画像における脊椎が存在する脊椎領域を推定し、脊椎領域から椎間板候補および椎体候補を検出してもよい。これにより、椎間板候補および椎体候補を検出する際の演算量を低減することができるため、椎間板および椎体の少なくとも一方を迅速に特定することができる。

また、椎間板候補および椎体候補から孤立候補を除去してもよい。これにより、孤立候補に影響されることがなくなるため、椎間板および椎体の少なくとも一方を精度よく特定することができる。

また、脊椎上端部候補および脊椎下端部候補の少なくとも一方をさらに検出し、脊椎上端部候補および脊椎下端部候補の少なくとも一方、椎間板候補、並びに椎体候補を用いて、椎間板および椎体の少なくとも一方を特定してもよい。これにより、脊椎上端部および脊椎下端部の少なくとも一方を特定することができるため、本来存在すべき脊椎の長さ以上の長さに亘って、椎間板および椎体の少なくとも一方を特定することがなくなる。したがって、椎間板および椎体の少なくとも一方を精度よく特定することができる。

１ 医用画像処理装置
２ 画像撮影装置
３ 画像保管サーバ
４ ネットワーク
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ ディスプレイ
１５ 入力部
２１ 画像取得部
２２ 候補検出部
２３ 中心線検出部
２４ 分布生成部
２５ 特定部
２６ ラベル付与部
２７ 孤立候補除去部
２８ 情報取得部

Claims (14)

1. 椎間板の教師画像および椎体の教師画像を用いて学習がなされ、入力された画像が椎間板および椎体であるか否かを判別するためのスコアを、椎間板らしさを表す特徴量および椎体らしさを表す特徴量として出力する判別器を備え、前記椎間板および前記椎体を含む医用画像の前記判別器への入力により、該判別器から出力された前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量をそれぞれ閾値と比較し、前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量が前記閾値を超えた、前記医用画像内の領域をそれぞれ椎間板候補の領域および椎体候補の領域であると判別することにより、前記医用画像から前記椎間板候補および前記椎体候補を検出する候補検出手段と、
   前記椎間板候補および前記椎体候補の分布の周期性に基づいて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定する特定手段とを備えたことを特徴とする医用画像処理装置。
2. 前記医用画像から脊椎中心線および脊髄中心線の少なくとも一方を検出する中心線検出手段と、
   前記脊髄中心線および前記脊椎中心線の少なくとも一方の中心線上において、前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量を、前記椎間板らしさを表す特徴量または前記椎体らしさを表す特徴量の符号を反転させて累積加算することにより、前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量の分布を生成する分布生成手段とをさらに備え、
   前記特定手段は、該分布に基づいて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定する請求項１記載の医用画像処理装置。
3. 前記特定手段は、前記脊髄中心線または前記脊椎中心線の方向において、前記分布をあらかじめ定められた周期関数または準周期関数に適合させ、該適合させた前記周期関数または前記準周期関数に基づいて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定する請求項２記載の医用画像処理装置。
4. 前記中心線検出手段は、前記椎間板候補および前記椎体候補の位置情報を用いて、前記医用画像から脊椎中心線および脊髄中心線の少なくとも一方を検出する請求項２または３記載の医用画像処理装置。
5. 前記特定した椎体を含む椎骨にラベルを付与するラベル付与手段をさらに備えた請求項１から４のいずれか１項記載の医用画像処理装置。
6. 前記特定した椎間板および前記特定した椎体の少なくとも一方に関する付随情報を取得する情報取得手段をさらに備えた請求項１から５のいずれか１項記載の医用画像処理装置。
7. 前記医用画像はＭＲＩ（Magnetic Resonance Imaging）画像である請求項１から６のいずれか１項記載の医用画像処理装置。
8. 前記医用画像はサジタル断面画像である請求項１から７のいずれか１項記載の医用画像処理装置。
9. 前記候補検出手段は、複数のサジタル断面画像から前記椎間板候補および前記椎体候補を検出し、
   前記特定手段は、前記複数のサジタル断面画像から検出された前記椎間板候補および前記椎体候補を用いて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定する請求項８記載の医用画像処理装置。
10. 前記候補検出手段は、前記医用画像における脊椎が存在する脊椎領域を推定し、該脊椎領域から前記椎間板候補および前記椎体候補を検出する請求項１から９のいずれか１項記載の医用画像処理装置。
11. 前記椎間板候補および前記椎体候補から孤立候補を除去する孤立候補除去手段をさらに備えた請求項１から１０のいずれか１項記載の医用画像処理装置。
12. 前記候補検出手段は、脊椎上端部候補および脊椎下端部候補の少なくとも一方をさらに検出し、
    前記特定手段は、前記脊椎上端部候補および前記脊椎下端部候補の少なくとも一方、前記椎間板候補、並びに前記椎体候補を用いて、前記椎間板および前記椎体の少なくとも一方を特定する請求項１から１１のいずれか１項記載の医用画像処理装置。
13. 椎間板の教師画像および椎体の教師画像を用いて学習がなされ、入力された画像が椎間板および椎体であるか否かを判別するためのスコアを、椎間板らしさを表す特徴量および椎体らしさを表す特徴量として出力する判別器に、前記椎間板および前記椎体を含む医用画像を入力し、該入力により該判別器から出力された前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量をそれぞれ閾値と比較し、前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量が前記閾値を超えた、前記医用画像内の領域をそれぞれ椎間板候補の領域および椎体候補の領域であると判別することにより、前記医用画像から前記椎間板候補および前記椎体候補を検出し、
    前記椎間板候補および前記椎体候補の分布の周期性に基づいて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定することを特徴とする医用画像処理方法。
14. 椎間板の教師画像および椎体の教師画像を用いて学習がなされ、入力された画像が椎間板および椎体であるか否かを判別するためのスコアを、椎間板らしさを表す特徴量および椎体らしさを表す特徴量として出力する判別器に、前記椎間板および前記椎体を含む医用画像を入力し、該入力により該判別器から出力された前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量をそれぞれ閾値と比較し、前記椎間板らしさを表す特徴量および前記椎体らしさを表す特徴量が前記閾値を超えた、前記医用画像内の領域をそれぞれ椎間板候補の領域および椎体候補の領域であると判別することにより、前記医用画像から前記椎間板候補および前記椎体候補を検出する手順と、
    前記椎間板候補および前記椎体候補の分布の周期性に基づいて、前記医用画像に含まれる前記椎間板および前記椎体の少なくとも一方を特定する手順とをコンピュータに実行させることを特徴とする医用画像処理プログラム。