JP6411073B2 - 医用画像処理装置および医用画像処理方法 - Google Patents

医用画像処理装置および医用画像処理方法 Download PDF

Info

Publication number
JP6411073B2
JP6411073B2 JP2014114057A JP2014114057A JP6411073B2 JP 6411073 B2 JP6411073 B2 JP 6411073B2 JP 2014114057 A JP2014114057 A JP 2014114057A JP 2014114057 A JP2014114057 A JP 2014114057A JP 6411073 B2 JP6411073 B2 JP 6411073B2
Authority
JP
Japan
Prior art keywords
valve
blood vessel
biological valve
image
image processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2014114057A
Other languages
English (en)
Other versions
JP2015226693A (ja
Inventor
恭平 山守
恭平 山守
智司 若井
智司 若井
尾嵜 真浩
真浩 尾嵜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2014114057A priority Critical patent/JP6411073B2/ja
Priority to US14/728,049 priority patent/US10043267B2/en
Publication of JP2015226693A publication Critical patent/JP2015226693A/ja
Application granted granted Critical
Publication of JP6411073B2 publication Critical patent/JP6411073B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Description

本発明の実施形態は、特に心臓領域に関する3次元画像データ(ボリュームデータ)を画像処理する技術に関する。
大動脈弁は全身に血液を送り出す左心室の出口付近にある3枚の弁で構成される。これらの弁が開閉することで血液の逆流が防止される。しかし加齢、動脈硬化、リウマチあるいは先天性などの種々の要因により弁が硬化して動きにくくなると血液の通過できる面積が狭くなり、左心室から大動脈への血流が悪くなる。これが大動脈弁狭窄症である。
大動脈弁狭窄症が重度になると弁に石灰化や癒着が生じる。治療方法は薬物療法や手術などである。機械弁や生体弁を用いた弁置換術が主な術式であるが、年齢などにより開胸手術ができない患者には人工弁を用いた弁置換術(TAVR)が行われる。
経カテーテル的大動脈弁置換術(TAVR:Transcatheter Aortic Valve Replacement)は、大動脈弁狭窄症の治療法として期待されている。TAVRは、大腿動脈や左心室心尖部からカテーテルを挿入し、カテーテルを介して大動脈弁付近に人工弁を設置する術式である。治療計画時には主にCT画像を用いて血管径や大動脈弁面積、石灰化状態が確認され、その結果に基づきカテーテルの長さや経路、人工弁の大きさが決められる。
例えば特許文献1の技術は、収縮期、拡張期それぞれの心臓弁に対応する輝度値を血管芯線方向において探索して心臓弁の開閉領域を計算し、その結果から心臓弁の開閉度合いを画素ごとに色で表現する。
特開2011−239889号公報
人工弁を大動脈弁付近に確実に固定するためには大動脈弁の根元の周辺に或る程度の石灰が有り、かつ大動脈弁の先端には石灰の無いことが望ましい。しかし既存の技術ではこのような状態を確認するすべがなく、カテーテルの通過経路となる大腿動脈や大動脈などの血管径や石灰化状態、大動脈弁の面積を頼りに、カテーテルの長さや太さ、通過する経路の広さや人工弁の大きさを検討していたに過ぎなかった。まして大動脈弁周辺の石灰の分布を客観的に把握したうえで人工弁の固定のし易さ、あるいはし難さを評価することはできなかった。
また、人工弁の多種多様な形状は患部への固定のし易さ(あるいはし難さ)に大きく影響する。つまり人工弁が血管に接触する部位における石灰の沈着の度合いが人工弁の固定のし易さ(あるいはし難さ)を左右するので、石灰量が期待よりも多いか少ない場合、設置位置や弁のサイズ、形状を再考する必要がある。このように大動脈弁そのものだけでなく、血管壁における石灰化の評価も重要な要素である。これらを総合的に、かつ客観的に評価できるようにした技術は知られていない。
目的は、人工弁の固定し易さを評価できるようにし、治療計画の検討に資する医用画像処理装置および医用画像処理方法を提供することにある。
実施形態によれば医用画像処理装置は、弁抽出部と、石灰量分布計算部と、固定難易度計算部とを具備することを特徴とする。弁抽出部は、被検体の解剖学的部位に関する3次元画像データを解析して生体弁画像を抽出する。石灰量分布計算部は、抽出された生体弁画像における石灰量の分布を、生体弁画像の画素ごとのCT値から計算する。固定難易度計算部は、計算された石灰量と所定の設定値との比較に基づいて、生体弁画像における人工弁の固定難易度の分布を計算する。
図1は、実施形態に係る画像処理装置の一例を示す機能ブロック図である。 図2は、実施形態における画像診断対象である心臓弁(大動脈弁)の解剖学的構造を模式的に示す図である。 図3は、図2に示される大動脈弁が完全に開放している状態を示す図である。 図4は、図2に示される大動脈弁が完全に閉鎖している状態を示す図である。 図5は、弁置換術の概要を説明するための模式図である。 図6は、人工弁の固定難易度について説明するための模式図である。 図7は、第1の実施形態に係る画像処理装置の処理手順の一例を示すフローチャートである。 図8は、抽出された上行大動脈領域の一例を示す図である。 図9は、抽出された大動脈弁が計算の過程において3つの領域に分割されたことを示す図である。 図10は、領域分割された大動脈弁が計算の過程においてさらに細分割されたことを示す図である。 図11は、生体弁画像を複数の分割領域に分割する処理を説明するための図である。 図12は、領域内石灰分布計算について詳しく説明するための図である。 図13は、領域内石灰分布計算について詳しく説明するための図である。 図14は、分割された領域ごとに設定される石灰量の上限値/下限値の一例を示す図である。 図15は、石灰量の上限値/下限値と固定難易度との関係の一例を示す図である。 図16は、固定難易度を示すマップ画像を重畳された大動脈弁画像の一例を示す図である。 図17は、生体弁画像を複数の分割領域に分割する処理の第2の実施形態を説明するための図である。 図18は、領域内石灰分布計算の他の例について詳しく説明するための図である。 図19は、生体弁画像を複数の分割領域に分割する処理の第3の実施形態を説明するための図である。 図20は、領域内石灰分布計算の他の例について詳しく説明するための図である。 図21は、第2の実施形態に係る画像処理装置の処理手順の一例を示すフローチャートである。 図22は、第4の実施形態において複数の大動脈断面が抽出される処理について説明するための図である。 図23は、第4の実施形態において複数の大動脈断面が抽出される処理について説明するための弁断面図である。 図24は、第4の実施形態において、大動脈壁を放射状に領域分割する処理を説明するための模式図である。 図25は、大動脈弁近傍の複数の断面のマップ画像を血管芯線に平行な視点から見た状態を示す模式図である。 図26は、血管断面に対する石灰量の分布および固定難易度のマップ画像の一例を示す図である。 図27は、人工弁の固定難易度を示すマップ画像を、血管芯線に平行な断面と垂直な断面との双方に対して示す図である。
以下、図面を参照して実施形態を説明する。以下では人工弁をカテーテル術により患部に固定する際の固定のし易さ、あるいはし難さを評価するための技術を開示する。評価の対象となる固定のし易さ、し難さを以下では固定難易度と総称する。固定難易度は、固定度、あるいは設置難易度とほぼ同義語であるとして説明する。
実施形態では、被検体の体内の解剖学的部位として心臓を例にとり、処理対象とする血管を心臓の大動脈とし、処理対象とする生体弁を大動脈弁として説明する。
図1は、実施形態に係る画像処理装置の一例を示す機能ブロック図である。上記したように実施形態に係る画像処理装置1は、心臓弁を画像診断の対象とする。よく知られているように、心臓弁には、大動脈弁、僧帽弁、肺動脈弁、三尖弁がある。本実施形態は、これらあらゆる部位の心臓弁に適用可能であるが、以下の実施形態を具体的に説明するため、心臓弁は大動脈弁であるとする。
図2に示されるように、大動脈弁31は、左心室33と大動脈弁35との間にあり、左心室33から駆出された血液の逆流を防止する役目を担う。大動脈弁35は、図2には2つしか示されていないが、3つの弁尖から成る。3つの弁尖31に囲まれる空間は、弁口37と呼ばれる。3つの弁尖31を通る断面における弁口37の面積は、弁口面積と呼ばれている。換言すれば、断面上における弁口輪郭内の面積が弁口面積である。各弁尖31と大動脈弁35の内壁との間の空間は、大動脈洞(いわゆるバルサルバ洞:sinus of valsalva)39と呼ばれている。
図3に示されるように、左心室が収縮する時相(例えば、収縮末期)では、正常な大動脈弁31は開く。反対に左心室が弛緩する時相(例えば、拡張末期)では、図4に示されるように、正常な大動脈弁31は閉じる。
弁膜症に罹患した患者の大動脈弁は、完全に閉じなかったり、完全に開かなかったりする。例えば弁狭窄であれば、収縮末期であっても大動脈弁が完全には開かない。閉塞不全であれば、拡張末期であっても大動脈弁が完全には閉じない。そこで、図5に示されるような弁置換術が施される。弁置換術は、例えば患者の鼠蹊部(図中符号1)の動脈から挿入されたカテーテル先端に取り付けられた人工弁を心臓の大動脈弁まで送り届け、動脈壁(図中符号2)に固定することで生体弁を人工弁に置き換えるという術式である。
ところで、図1に示されるように、画像処理装置1は、記憶部11、断面設定部13、抽出部15、領域分割部17、CT値計算部19、マップ画像生成部21、画像処理部23、操作部25、表示部27、及び制御部29を備える。
記憶部11は、被検体の心臓領域に関する3次元画像のデータ(ボリュームデータ)を記憶する。3次元画像のデータは、X線コンピュータ断層撮影装置や磁気共鳴イメージング装置、X線診断装置、超音波診断装置等の診断モダリティにより収集される。以下の説明を具体的に行うため、3次元画像のデータを収集する診断モダリティは、X線コンピュータ断層撮影装置であるとする。X線コンピュータ断層撮影装置は、例えば、造影剤により造影された心臓をX線でダイナミックスキャンし、少なくとも1心拍分の複数の心位相に関する複数の3次元画像のデータを収集する。記憶部11は、3次元画像のデータと心位相とを関連付けて記憶する。
断面設定部13は、画像処理やユーザによる操作部25を介した指示に従って、大動脈部分の血管領域に交差する断面を3次元画像内に設定する。この血管断面は弁口や大動脈洞の近傍に設定される。
抽出部15は、上記ボリュームデータを既存の画像処理により解析して大動脈芯線および大動脈弁画像を抽出する。また抽出部15は、抽出された大動脈芯線および大動脈弁画像から、芯線方向に複数の大動脈断面を既存の画像処理により抽出する。
領域分割部17は、抽出部15により抽出された大動脈弁画像を複数の領域に分割する。また、領域分割部17は、抽出部15により抽出された各大動脈断面に対して、大動脈芯線を中心に大動脈壁を領域分割する。
CT値計算部19は、領域分割部17により分割された領域ごとに、上記ボリュームデータから平均CT値を計算する。
マップ画像生成部21は、抽出部15により抽出された大動脈弁画像の画素ごとに、人工弁の固定難易度に対応する色を割り付けた画像(以下、マップ画像と称する)を生成する。具体的には、マップ画像生成部21は、石灰領域特定部211、固定難易度計算部212、および色情報割付部213を備える。
石灰領域特定部211は、CT値計算部19により計算された領域ごとの平均CT値に基づいて、大動脈弁画像に含まれる石灰領域を特定する。固定難易度計算部212は、石灰領域特定部211により特定された石灰領域に対する人工弁の固定難易度を計算する。
図6に示されるように、人工弁と血管とが接触する部位(図中楕円で囲まれた箇所)における石灰の量が、人工弁の固定のし易さを評価するうえで重要である。固定難易度計算部212は、少なくともこれらの部位に対する人工弁の固定難易度を上記CT値に基づいて客観的に評価する。例えば固定難易度計算部212は、CT値に基づいて計算される石灰量と、既定の石灰量の許容範囲、または許容値との差に基づいて人工弁の固定難易度を計算する。
図1に戻り、色情報割付部213は、マップ画像を生成するために、計算された固定難易度に対応する色情報を大動脈弁画像の画素ごとに割り付ける。これによりマップ画像が生成される。
画像処理部23は、3次元画像のデータを3次元画像処理し、2次元のCT画像のデータを発生する。3次元画像処理としては、例えば、MPR(multi planar reconstruction)やボリュームレンダリング(volume rendering)が採用される。例えば、画像処理部23は、3次元画像のデータに基づいて評価断面に関するMPR画像のデータを発生する。
操作部25は、ユーザからの各種指令や情報入力を受け付ける。操作部25としては、マウスやトラックボールなどのポインティングデバイス、モード切替スイッチ等の選択デバイス、あるいはキーボード等の入力デバイスが適宜利用可能である。
表示部27は、マップ画像の重畳されたMPR画像、ボリュームレンダリング画像等を表示機器に表示する。表示機器としては、例えばCRTディスプレイや、液晶ディスプレイ、有機ELディスプレイ、プラズマディスプレイ等を適宜利用可能である。
制御部29は、画像処理装置1の中枢として機能する。制御部29は、操作部25からの人工弁の固定難易度を評価する処理の開始要求を受けると、画像処理装置1内の各部を制御して、人工弁の固定難易度を評価する処理を実行する。
なお、画像処理装置1は、汎用のコンピュータ装置を基本ハードウェアとして利用することができる。画像処理装置1は、コンピュータ装置に搭載されたプロセッサ(CPU: central processor unit)が画像処理プログラムを実行することにより、大動脈弁の定量的評価処理を実現することができる。画像処理プログラムは、コンピュータ装置に予めインストールされている。あるいは画像処理プログラムは、磁気ディスクや光磁気ディスク、光ディスク、半導体メモリ等のようなリムーバブルな記録媒体に記録されてコンピュータ装置に配布されたり、あるいはネットワークを介してコンピュータ装置に配布されたりしてもよい。配布された画像処理プログラムは、コンピュータ装置に適宜インストールされて実現される。なお、上記の各部は、その一部または全てをロジック回路等のハードウェアにより実現することも可能である。また、上記の各部は、ハードウェアとソフトウェア制御とを組み合わせて実現することも可能である。次に、上記構成を基礎として複数の実施形態を説明する。
図7は、第1の実施形態に係る画像処理装置の処理手順の一例を示すフローチャートである。図7において、画像処理装置1は撮像されたCT画像データ(ボリュームデータ)を取得し、記憶部11に記憶する(ステップS1)。次に抽出部15は、CT画像データから大動脈芯線を抽出し(ステップS2)、大動脈領域を抽出する(ステップS3)。
次に、断面設定部13はCT画像データから大動脈弁断面を計算し(ステップS4)、その結果を抽出部15に渡す。抽出部15は、例えば図8に示されるような上行大動脈の領域を抽出する(ステップS5)。さらに、CT値計算部19により計算されたCT値に基づいて、石灰領域特定部211は、石灰化領域を抽出する(ステップS7)。
また、抽出部15はCT画像データから大動脈弁を抽出する(ステップS6)。領域分割部17は、抽出された大動脈弁領域を既存の技術により図9に示されるように3つの領域(小弁)に分割する(ステップS8)さらに領域分割部17は、図10に示されるように、分割された大動脈弁領域をさらに細かい領域に細分割する(ステップS9)。
ここまでの手順が完了すると、マップ画像生成部21は領域内石灰分布計算処理を実行する(ステップS10)。このステップにより、各領域ごとの石灰量が求められ、この石灰量の分布に基づいて人工弁の固定難易度が評価され、さらに、固定難易度に画素ごとの色をマップ画像が生成される。表示部27は、このマップ画像を生体弁画像に重畳して表示する。
図11を参照して、ステップS9における大動脈弁領域細分割処理について詳しく説明する。
(1)領域分割部17は、大動脈弁と事前に抽出した血管芯線(芯線)から、図11(a)に示されるように大動脈弁上の芯線を求める。次に領域分割部17は、芯線を中心とする円を描き、血管壁(弁壁)輪郭とぶつかる3点を求める。この3つの点を、説明上、「弁接点」と称する。弁接点は3弁の接続点と見做すことが可能である。
(2)次に領域分割部17は、3つの弁接点の互いの中点に相当する点(3か所)を、血管壁の輪郭に沿って求める。図11(b)に示されるように、弁円周の3つの中間点が求められる。
(3)次に領域分割部17は、弁接点と中間点との間の血管輪郭線上に、さらに幾つかの制御点(図11(b)の白丸)を置き、これらの点を輪郭線に垂直な方向に、全体として数ミリまたは数ピクセル分移動させる。移動方向は輪郭線に垂直に限らず、芯線方向に向かってでもよい。
(4)次に領域分割部17は、移動した点同士を接続して線とする。これにより血管輪郭線が内側に収縮したような線が新たに定義される。
(5)(1)〜(4)の処理を繰り返すことで、生体弁画像は、図11(c)に示されるような等高線状の小領域に分割される。それぞれの線にA、B、C、D、Eなる記号を付して区別する。
(6)最後に、領域分割部17は、(5)で得られた線A、B、C、D、Eと、芯線と、弁接点の各位置情報を用いて、各弁の領域を血管壁からの距離に応じた複数の領域に分割する。これにより図11(d)、および図10に示されるような分割領域が定義される。
図12および図13を参照して、ステップS10における領域内石灰分布計算について詳しく説明する。図12(a)に示されるように、大動脈弁領域細分割により得られた分割領域を血管壁に近い順に領域A、領域B、領域C、領域D、領域Eとして区別する。さらに、大動脈弁を構成する3つの弁を弁X、弁Y、弁Zとして区別する。
(7)石灰領域特定部211は、領域細分割結果と石灰化領域抽出結果とを用いて、各弁の各分割領域の石灰量(例えばPixel数)を計算する。図13に示されるように、線Aに囲まれた領域のピクセル数から線Bに囲まれた領域のピクセル数を減算することで、領域Aの石灰量を計算することができる。
(8)弁X、弁Y、弁Zのそれぞれの領域A、領域B、領域C、領域D、領域Eにおける石灰量の分布が求まれば、固定難易度計算部212は、石灰量と所定の設定値(例えばユーザにより設定される値、あるいはデフォルトで装置にメモリされている値)とを比較する。例えば図14に示されるように、領域A,B,C,D,Eごとに、石灰量に対する上限値/下限値が予め設定される。
(9)図15に示されるように、石灰量が上限値と下限値との間に収まっていれば固定難易度は低く、石灰量が上限値を超えれば超えるほど、あるいは下限値を下回れば下回るほど、固定難易度は高くなる。固定難易度計算部212は、このような比較をすべての領域、あるいは画素ごとに実施し、画素ごとの固定難易度を求める。
(10)色情報割付部213は、計算された固定難易度の高低に応じた色を画素ごとに割り当て、図12(b)に示されるようなマップ画像を生成する。このマップ画像は、抽出部15により抽出された大動脈弁画像(生体弁画像)に重畳され、図16に示されるような医用画像が新たに作成される。
図12(b)のマップ画像を参照すると、弁Yの根元部分(血管壁に近い部分、領域A)における難易度の高いことが示される。これは、同領域の石灰量が期待よりも多いか、または少ないことを示す。
以上述べたように第1の実施形態では、被検体の心臓領域に係わるCT画像データ(ボリュームデータ)から大動脈芯線および大動脈領域を抽出する。また、CT画像データから大動脈弁を抽出し、抽出した画像を、弁の先端と根元とを含む複数の小領域に分割する。さらに、CT画像データから上行大動脈を抽出し、CT値に基づいて血管壁を含めて石灰化領域を抽出する。そして、大動脈弁領域上と大動脈付近の石灰量と所定の設定値との比較により、人工弁の固定難易度を定量的に評価する。固定難易度は、大動脈弁の根元/先端の石灰化の分布と閾値から計算される許容量から求められる。さらに、固定難易度に応じた色を大動脈弁画像にマッピングして重畳表示するようにしている。
このようにしたので、人工弁の固定のし易さ、あるいはし難さを客観的に評価できるようになるので、医療従事者は治療計画時において、人工弁の設置位置や固定具合を的確に判断することができる。これらのことから、人工弁の固定し易さを評価できるようになり、治療計画の検討に資する医用画像処理装置および医用画像処理方法を提供することが可能となる。
[第2の実施形態]
図17は、生体弁画像を複数の分割領域に分割する処理の第2の実施形態を説明するための図である。
(11)図11(a)と同様に、領域分割部17は芯線を中心とする円を描き、血管壁(弁壁)輪郭とぶつかる3点(弁接点)を求める。
(12)次に領域分割部17は図17(b)に示されるように、芯線を中心とする同心円上の円を描く。以下では各円に記号A、B、C、D、Eを付与して区別する。そして領域分割部17は、各円と血管輪郭線、および芯線と弁接点を用いて、図17(c)に示されるように芯線からの距離に基づいて各弁を領域分割する。
(13)石灰領域特定部211は、領域細分割結果と石灰化領域抽出結果とを用いて、各弁の各分割領域の石灰量(例えばPixel数)を計算する。図18に示されるように、円Aに囲まれた領域のピクセル数から円Bに囲まれた領域のピクセル数を減算することで、領域Aの石灰量を計算することができる。
このように、第1の実施形態とは異なる方法で領域を分割することも可能である。得られる効果は第1の実施形態と同様である。
[第3の実施形態]
図19は、生体弁画像を複数の分割領域に分割する処理の第3の実施形態を説明するための図である。
(14)図11(a)と同様に、領域分割部17は芯線を中心とする円を描き、3つの弁接点を求める。
(15)次に領域分割部17は図19(b)に示されるように、芯線から弁接点と中間点に向かって6本の線を引く。
(16)次に領域分割部17は、芯線と中間点を結ぶ線分上に等間隔に制御点を配置し、図19(c)に示されるように弁接点と制御点とを結ぶ。
(17)石灰領域特定部211は、領域細分割結果と石灰化領域抽出結果とを用いて、各弁の各分割領域の石灰量(例えばPixel数)を計算する。図20に示されるように、大領域のピクセル数からその次に大きい領域のピクセル数を減算することで、各分割領域の石灰量を計算することができる。
このように、第1、第2の実施形態とは異なる方法で領域を分割することも可能である。得られる効果は第1、第2の実施形態と同様である。
[第4の実施形態]
図21は、第4の実施形態に係る画像処理装置の処理手順の一例を示すフローチャートである。第1〜第3の実施形態においては、大動脈弁の中心から血管壁までの距離を指標として、大動脈弁を複数の領域に分割する。そして、分割された各領域に対して、各領域に含まれる平均CT値を計算するようにした。第4の実施形態ではさらに、血管壁を小領域に分割することを考える。
図21において、図7のフローチャートと共通する処理には同じ符号を付し、ここでは異なる点について説明する。すなわちステップS12、S13の処理について説明する。
(18)ステップS12において、抽出部15は大動脈断面群抽出処理を実行する。すなわち抽出部15は、ステップS4までで抽出された大動脈芯線と大動脈弁から、大動脈弁断面位置を基準として芯線方向に芯線に垂直な断面を複数抽出する。これにより、図22および図23に示されるように、芯線方向に複数の大動脈断面が抽出される。複数の断面は弁断面から等間隔に抽出されても良い。あるいは、設置する人工弁の形状に対応付けて断面位置を不均等に調整してもよい。
(19)続くステップS13において、抽出部15は複数の大動脈断面ごとに、芯線を中心として図24に示されるように大動脈壁を放射状に、等角度または血管円周を等間隔になるように領域分割する。
(20)石灰領域特定部211は、(18)において分割された血管壁の平均CT値を計算し、各領域の石灰量(例えばPixel数)を、例えば図25に示されるように計算する。
図26の右下に示されるように、放射状に区切られた断面の各領域ごとに、石灰量に基づく固定難易度を評価することができ、マップ画像を作成することができる。図27には、血管芯線に平行な断面と垂直な断面とが併せて表示される。
以上述べたように第4の実施形態では、芯線に沿って複数の血管断面画像を抽出し、各断面を芯線に対して放射状に分割する。そして、分割された領域ごとに石灰量の分布を計算し、その結果に基づいて人工弁の固定難易度を評価するようにしている。このようにしたので、治療計画時において、大動脈弁や大動脈弁周辺の血管壁の石灰化領域を把握することができるようになる。第1〜第3の実施形態による大動脈弁自体の固定難易度の評価と、第4の実施形態における血管壁に対する固定難易度の評価とを併せて実施することで、治療計画時に、人工弁の設置位置や固定具合、人工弁の形状やサイズをさらに詳細に、かつ綿密に検討することが可能になる。
すなわち第1〜第4の実施形態において、弁断面では半径方向に分割し、弁以外の血管部分では芯線から放射状に分割することで、石灰量を求めるための分割領域を定義する。分割領域と石灰量の分布を示す石灰分布は、弁ごとに生成する。弁以外の血管部分の石灰分布は、固定難易度の許容範囲は領域に対して等価な分布に差し替えるようにしてもよい。石灰分布の固定難易度の許容範囲内は例えば青の均一色を割り当て、許容範囲外はその上限値や下限値から離れるに従って色相を変化させる。また、石灰量は多すぎても少なすぎても人工弁の固定難易度が低下することを、固定難易度の許容範囲に反映させる。このようにしたので、第1乃至第4の実施形態によれば人工弁の固定し易さを客観的に評価できるようになり、治療計画の検討に資する医用画像処理装置および医用画像処理方法を提供することが可能となる。
なお、本発明は上記実施の形態に限定されるものではない。上記実施形態では心臓を例にとり、処理対象とする血管を心臓の大動脈とし、処理対象とする生体弁を大動脈弁として説明した。このほか実施形態に係る技術は、静脈あるいは静脈弁を対象にすることも可能である。
本発明のいくつかの実施形態を説明したが、これらの実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
1…画像処理装置、11…記憶部、13…断面設定部、15…抽出部、17…領域分割部、19…CT値計算部、21…マップ画像生成部、23…画像処理部、25…操作部、27…表示部、29…制御部、31…大動脈弁(弁尖)、33…左心室、35…大動脈弁、37…弁口、211…石灰領域特定部、212…固定難易度計算部、213…色情報割付部。

Claims (18)

  1. 被検体の解剖学的部位に関する3次元画像データを解析して生体弁画像を抽出する弁抽出部と、
    前記生体弁画像の生体弁に対応する領域であって、当該生体弁の先端側の第1領域と、当該生体弁の根元側の第2領域との各々について、前記抽出された生体弁画像における石灰量の分布を、前記生体弁画像の画素ごとのCT値から計算する石灰量分布計算部と、
    前記第1領域に割り当てられる第1の上限値及び下限値と、計算された前記第1領域における石灰量との比較と、前記第2領域に割り当てられ前記第1の上限値及び下限値よりも高い値の第2の上限値及び下限値と、計算された前記第2領域における石灰量との比較とに基づいて、前記生体弁画像における人工弁の固定難易度の分布を計算する固定難易度計算部と、を具備する医用画像処理装置。
  2. さらに、前記3次元画像データを解析して前記生体弁に係わる血管断面を抽出する断面抽出部を具備し、
    前記石灰量分布計算部は、前記抽出された血管断面の血管壁における石灰量の分布を、前記血管断面の画素ごとのCT値から計算し、
    前記固定難易度計算部は、前記血管壁における人工弁の固定難易度の分布を計算する請求項1に記載の医用画像処理装置。
  3. さらに、前記抽出された生体弁画像および前記血管壁を複数の領域に分割する領域分割部を具備し、
    前記石灰量分布計算部は、前記分割された複数の領域ごとに前記石灰量を計算する請求項2に記載の医用画像処理装置。
  4. 前記領域分割部は、前記生体弁画像を、前記血管壁に近い領域から血管心線に至るまで等高線状に領域分割する請求項3に記載の医用画像処理装置。
  5. 前記領域分割部は、前記生体弁画像を、血管心線を中心に放射状に領域分割する請求項3に記載の医用画像処理装置。
  6. 前記領域分割部は、前記領域分割された生体弁画像を、前記生体弁を構成する複数の弁ごとにさらに分割する請求項4および5のいずれか1項に記載の医用画像処理装置。
  7. 前記断面抽出部は、前記抽出された血管断面および生体弁画像から、血管芯線方向に複数の血管断面を抽出し、
    前記領域分割部は、前記抽出された各血管断面に対して前記血管芯線を中心に前記血管壁を領域分割する請求項に記載の医用画像処理装置。
  8. 前記解剖学的部位は心臓であり、前記血管は大動脈であり、前記生体弁は大動脈弁である請求項乃至7のいずれか1項に記載の医用画像処理装置。
  9. さらに、前記計算された固定難易度に対応する色を前記抽出された生体弁画像の画素ごとに割り付けたマップ画像を生成する生成部と、
    前記マップ画像を前記生体弁画像に重畳表示する表示部とを具備する請求項1乃至8のいずれか1項に記載の医用画像処理装置。
  10. コンピュータが、被検体の解剖学的部位に関する3次元画像データを解析して生体弁画像を抽出し、
    前記コンピュータが、前記生体弁画像の生体弁に対応する領域であって、当該生体弁の先端側の第1領域と、当該生体弁の根元側の第2領域との各々について、前記抽出された生体弁画像における石灰量の分布を、前記生体弁画像の画素ごとのCT値から計算し、
    前記コンピュータが、前記第1領域に割り当てられる第1の上限値及び下限値と、計算された前記第1領域における石灰量との比較と、前記第2領域に割り当てられ前記第1の上限値及び下限値よりも高い値の第2の上限値及び下限値と、計算された前記第2領域における石灰量との比較とに基づいて、前記生体弁画像における人工弁の固定難易度の分布を計算する医用画像処理方法。
  11. さらに、前記コンピュータが、前記3次元画像データを解析して前記生体弁に係わる血管断面を抽出し、
    前記石灰量の分布を計算することは、前記抽出された血管断面の血管壁における石灰量の分布を、前記血管断面の画素ごとのCT値から計算し、
    前記固定難易度を計算することは、前記血管壁における人工弁の固定難易度の分布を計算する請求項10に記載の医用画像処理方法。
  12. さらに、前記コンピュータが、前記抽出された生体弁画像および前記血管壁を複数の領域に分割し、
    前記石灰量の分布を計算することは、前記分割された複数の領域ごとに前記石灰量を計算する請求項11に記載の医用画像処理方法。
  13. 前記分割することは、前記生体弁画像を、前記血管壁に近い領域から血管心線に至るまで等高線状に領域分割する請求項12に記載の医用画像処理方法。
  14. 前記分割することは、前記生体弁画像を、血管心線を中心に放射状に領域分割する請求項12に記載の医用画像処理方法。
  15. 前記分割することは、前記領域分割された生体弁画像を、前記生体弁を構成する複数の弁ごとにさらに分割する請求項13および14のいずれか1項に記載の医用画像処理方法。
  16. 前記血管断面を抽出することは、前記抽出された血管断面および生体弁画像から、血管芯線方向に複数の血管断面を抽出し、
    前記分割することは、前記抽出された各血管断面に対して前記血管芯線を中心に前記血管壁を領域分割する請求項12に記載の医用画像処理方法。
  17. 前記解剖学的部位は心臓であり、前記血管は大動脈であり、前記生体弁は大動脈弁である請求項11乃至16のいずれか1項に記載の医用画像処理方法。
  18. さらに、前記コンピュータが、前記計算された固定難易度に対応する色を前記抽出された生体弁画像の画素ごとに割り付けたマップ画像を生成し、
    前記コンピュータが、前記マップ画像を前記生体弁画像に重畳表示する請求項10乃至17のいずれか1項に記載の医用画像処理方法。
JP2014114057A 2014-06-02 2014-06-02 医用画像処理装置および医用画像処理方法 Active JP6411073B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2014114057A JP6411073B2 (ja) 2014-06-02 2014-06-02 医用画像処理装置および医用画像処理方法
US14/728,049 US10043267B2 (en) 2014-06-02 2015-06-02 Medical image processing apparatus and medical image processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014114057A JP6411073B2 (ja) 2014-06-02 2014-06-02 医用画像処理装置および医用画像処理方法

Publications (2)

Publication Number Publication Date
JP2015226693A JP2015226693A (ja) 2015-12-17
JP6411073B2 true JP6411073B2 (ja) 2018-10-24

Family

ID=54702402

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014114057A Active JP6411073B2 (ja) 2014-06-02 2014-06-02 医用画像処理装置および医用画像処理方法

Country Status (2)

Country Link
US (1) US10043267B2 (ja)
JP (1) JP6411073B2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017136762A1 (en) * 2016-02-03 2017-08-10 Radlogics, Inc. Methods and systems for enhanced measurement of near heart aorta sections
JP6639935B2 (ja) * 2016-02-09 2020-02-05 キヤノンメディカルシステムズ株式会社 画像処理装置およびmri装置
JP7131765B2 (ja) * 2017-11-08 2022-09-06 国立大学法人 東京大学 医用画像表示方法及び医用画像表示装置
CN107862665B (zh) * 2017-11-22 2020-09-11 北京医拍智能科技有限公司 Ct图像序列的增强方法及装置
CN110740686B (zh) 2018-05-21 2023-10-27 佳能医疗系统株式会社 医用图像处理装置、医用图像诊断装置及存储介质
JP7334036B2 (ja) 2018-11-22 2023-08-28 キヤノンメディカルシステムズ株式会社 医用画像処理装置
US20220392642A1 (en) * 2021-06-07 2022-12-08 DasiSimulations, LLC Systems and methods for optimizing medical interventions using predictive models

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020182260A1 (en) * 1998-05-29 2002-12-05 Cellegy Pharmaceuticals, Inc. Anti-inflammatory agents and methods for their preparation and use
US8579966B2 (en) * 1999-11-17 2013-11-12 Medtronic Corevalve Llc Prosthetic valve for transluminal delivery
US20130211531A1 (en) * 2001-05-25 2013-08-15 Conformis, Inc. Patient-adapted and improved articular implants, designs and related guide tools
DE10217559B4 (de) * 2002-04-19 2004-02-19 Universitätsklinikum Freiburg Vorrichtung zur minimalinvasiven, intravasalen Aortenklappenextraktion
AU2003287638A1 (en) * 2002-11-13 2004-06-03 Rosengart, Todd, K. Apparatus and method for cutting a heart valve
JP3872424B2 (ja) * 2002-12-20 2007-01-24 アロカ株式会社 超音波診断装置
WO2005086888A2 (en) * 2004-03-09 2005-09-22 Fidel Realyvasquez Off pump aortic valve replacement for valve prosthesis
WO2006068271A1 (ja) * 2004-12-24 2006-06-29 Yd, Ltd 心臓弁データ計測方法および装置
WO2007058997A2 (en) * 2005-11-11 2007-05-24 The University Of Houston System Scoring method for imaging-based detection of vulnerable patients
US8126239B2 (en) * 2006-10-20 2012-02-28 Siemens Aktiengesellschaft Registering 2D and 3D data using 3D ultrasound data
US20080234576A1 (en) * 2007-03-23 2008-09-25 General Electric Company System and method to track movement of a tool in percutaneous replacement of a heart valve
CN102172330B (zh) * 2007-07-10 2013-03-27 株式会社东芝 X射线摄影装置以及图像处理显示装置
US8009887B2 (en) * 2007-11-02 2011-08-30 Siemens Corporation Method and system for automatic quantification of aortic valve function from 4D computed tomography data using a physiological model
US8103070B2 (en) * 2007-11-22 2012-01-24 Toshiba Medical Visualization Systems Europe, Limited Volume rendering apparatus and method
US7970719B2 (en) * 2008-06-06 2011-06-28 Siemens Aktiengesellschaft Method and simulation device for structurally individualized simulation of the introduction of a wall support element into a section of a tubular structure
JP5305821B2 (ja) * 2008-10-10 2013-10-02 株式会社東芝 医用画像処理装置及び医用画像診断装置
WO2010055815A1 (ja) * 2008-11-13 2010-05-20 株式会社 日立メディコ 医用画像処理装置及び方法
WO2010074058A1 (ja) * 2008-12-25 2010-07-01 株式会社 日立メディコ 医用画像表示装置及び方法
JP5491830B2 (ja) * 2009-01-20 2014-05-14 株式会社東芝 超音波診断装置、超音波画像処理装置、画像処理方法および画像表示方法
US8527251B2 (en) * 2009-05-01 2013-09-03 Siemens Aktiengesellschaft Method and system for multi-component heart and aorta modeling for decision support in cardiac disease
US9135704B2 (en) * 2009-06-24 2015-09-15 Koninklijke Philips N.V. Spatial and shape characterization of an implanted device within an object
EP2489011B1 (en) * 2009-10-14 2020-04-29 3Mensio Medical Imaging B.V. A method, a graphic user interface, a system and a computer program for optimizing workflow of a medical intervention
US9002078B2 (en) * 2009-10-22 2015-04-07 Siemens Aktiengesellschaft Method and system for shape-constrained aortic valve landmark detection
US10719986B2 (en) * 2009-12-22 2020-07-21 Siemens Healthcare Gmbh Method and system for virtual percutaneous valve implantation
US8494245B2 (en) * 2010-03-09 2013-07-23 Siemens Aktiengesellschaft System and method for guiding transcatheter aortic valve implantations based on interventional C-Arm CT imaging
JP5584006B2 (ja) * 2010-03-31 2014-09-03 富士フイルム株式会社 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法
US9202271B2 (en) * 2010-04-21 2015-12-01 Koninklijke Philips N.V. Method for determining a physical property of an object, system, computer readable medium and program element
JP5444117B2 (ja) * 2010-05-17 2014-03-19 株式会社東芝 画像処理装置
US8682626B2 (en) * 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US8750615B2 (en) * 2010-08-02 2014-06-10 Case Western Reserve University Segmentation and quantification for intravascular optical coherence tomography images
JP5309109B2 (ja) * 2010-10-18 2013-10-09 富士フイルム株式会社 医用画像処理装置および方法、並びにプログラム
JP6016222B2 (ja) * 2010-10-25 2016-10-26 東芝メディカルシステムズ株式会社 医用画像処理装置、医用画像撮影装置及び医用画像処理プログラム
WO2012063204A1 (en) * 2010-11-12 2012-05-18 Koninklijke Philips Electronics N.V. Identifying individual sub-regions of the cardiovascular system for calcium scoring
US8920322B2 (en) * 2011-03-09 2014-12-30 Siemens Aktiengesellschaft Valve treatment simulation from medical diagnostic imaging data
WO2013065155A1 (ja) * 2011-11-02 2013-05-10 株式会社 東芝 画像処理装置
US9730609B2 (en) * 2011-12-15 2017-08-15 Siemens Healthcare Gmbh Method and system for aortic valve calcification evaluation
JP6096415B2 (ja) * 2012-03-07 2017-03-22 東芝メディカルシステムズ株式会社 超音波診断装置及びその作動方法
JP5318253B2 (ja) * 2012-06-04 2013-10-16 株式会社東芝 医用画像処理装置
ITMI20121156A1 (it) * 2012-06-29 2013-12-30 Consiglio Nazionale Ricerche Metodo di elaborazione di immagini di tomografia a coerenza ottica
WO2014065317A1 (ja) * 2012-10-23 2014-05-01 株式会社 日立メディコ 画像処理装置及び脊柱管評価方法
JP6222801B2 (ja) * 2012-10-26 2017-11-01 東芝メディカルシステムズ株式会社 医用画像処理装置、x線診断装置及び医用画像処理プログラム
JP2016501636A (ja) * 2012-12-21 2016-01-21 ヴォルカノ コーポレイションVolcano Corporation 医療イメージングシステム用の適応インターフェイス
US8824752B1 (en) * 2013-03-15 2014-09-02 Heartflow, Inc. Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics
WO2014165745A1 (en) * 2013-04-04 2014-10-09 Drexel University Treatment for cardiac conductance abnormalities
WO2014195237A1 (en) * 2013-06-07 2014-12-11 Koninklijke Philips N.V. Planning an implantation of a cardiac implant
US9195800B2 (en) * 2013-08-16 2015-11-24 Heartflow, Inc. Systems and methods for identifying personalized vascular implants from patient-specific anatomic data
US9152761B2 (en) * 2014-01-10 2015-10-06 Heartflow, Inc. Systems and methods for identifying medical image acquisition parameters
US10176408B2 (en) * 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging

Also Published As

Publication number Publication date
US10043267B2 (en) 2018-08-07
US20150348263A1 (en) 2015-12-03
JP2015226693A (ja) 2015-12-17

Similar Documents

Publication Publication Date Title
JP6411073B2 (ja) 医用画像処理装置および医用画像処理方法
JP6918912B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US10559388B2 (en) Diagnostically useful results in real time
Bhatla et al. Utility and scope of rapid prototyping in patients with complex muscular ventricular septal defects or double-outlet right ventricle: does it alter management decisions?
US9886756B2 (en) Method, a graphic user interface, a system and a computer program for optimizing workflow of a medical intervention
Leipsic et al. Multidetector computed tomography in transcatheter aortic valve implantation
EP2946321B1 (en) Diagnostically useful results in real time
O’Brien et al. Anatomy of the heart at multidetector CT: what the radiologist needs to know
JP2019111359A (ja) 物体の識別
US20130294667A1 (en) Method and System for Pericardium Based Model Fusion of Pre-operative and Intra-operative Image Data for Cardiac Interventions
Tamborini et al. Feasibility and accuracy of three-dimensional transthoracic echocardiography vs. multidetector computed tomography in the evaluation of aortic valve annulus in patient candidates to transcatheter aortic valve implantation
WO2013065155A1 (ja) 画像処理装置
Ooms et al. Computed tomography–derived 3D modeling to guide sizing and planning of transcatheter mitral valve interventions
US20230380904A1 (en) System and method for catheter-based intervention
Tops et al. Noncoronary applications of cardiac multidetector row computed tomography
JP5444117B2 (ja) 画像処理装置
CN106780720B (zh) 医学图像显示方法及装置
Khamooshian et al. Dynamic three-dimensional geometry of the aortic valve apparatus—a feasibility study
Lopes et al. Automated mitral valve assessment for transcatheter mitral valve replacement planning
Collin et al. Virtual positioning of ventricular assist device for implantation planning
Krings The use of 3D rotational angiography in congenital heart disease
Toma Co-Registration of Intracardiac Echocardiography (ICE) and Computed Tomography (CT) for the Purpose of Guiding Structural Heart Disease Intervention
Beliveau et al. Patient specific coronary territory maps
JP2022533013A (ja) 解剖学的構造における流路の断面積決定のシステムおよび方法
Faletra et al. Transcatheter Aortic Valve Implantation

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160512

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170526

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180216

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180320

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180521

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180828

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180926

R150 Certificate of patent or registration of utility model

Ref document number: 6411073

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150