JP6448918B2 - 画像処理装置、方法、及び医用画像診断装置 - Google Patents

画像処理装置、方法、及び医用画像診断装置 Download PDF

Info

Publication number
JP6448918B2
JP6448918B2 JP2014111585A JP2014111585A JP6448918B2 JP 6448918 B2 JP6448918 B2 JP 6448918B2 JP 2014111585 A JP2014111585 A JP 2014111585A JP 2014111585 A JP2014111585 A JP 2014111585A JP 6448918 B2 JP6448918 B2 JP 6448918B2
Authority
JP
Japan
Prior art keywords
inflow
time series
objective function
tissue
blood
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
JP2014111585A
Other languages
English (en)
Other versions
JP2014230793A (ja
JP2014230793A5 (ja
Inventor
ツイ シュ
ツイ シュ
ヘン フ
ヘン フ
重治 大湯
重治 大湯
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
Publication of JP2014230793A publication Critical patent/JP2014230793A/ja
Publication of JP2014230793A5 publication Critical patent/JP2014230793A5/ja
Application granted granted Critical
Publication of JP6448918B2 publication Critical patent/JP6448918B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56366—Perfusion imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Description

本出願の実施形態は、画像処理分野に関し、具体的に、画像処理装置、方法、及び医用画像診断装置に関する。
画像処理分野において、取得された画像に対して処理を行うことで検出対象に関するパラメータを取得することは、１つの重要な応用であり、それはいつも検出対象に対する正確なモデリングを含む。具体的には、入力領域及び対象領域は、取得された画像に含まれる可能性があり、そこでは、相応の出力及び／又は対象領域のある状態における顕著な変化を得るために、入力領域は、あるメカニズムによって対象領域に作用する。これは、その入力に対する対象領域の応答と等価であり、この応答が対象領域の特性を反映している。その入力とその状態の変化とが既知である場合、その対象領域の特性を反映するパラメータを取得するために、特定のモデルが構築される。
例えば、医用画像の処理において、関連する組織あるいは器官（臓器）の生理学的なパラメータ（生理パラメータ）を取得するために、撮像により取得された一連の画像を処理することが大抵要求される。肝臓の血液灌流イメージングを例とし、選択されたスライスにおける各ピクセルの時間濃度曲線（ＴＤＣ（Time Density Curve））を得るために、このスライスは、造影剤を静脈内ボーラス注射した後に、動的にスキャンされる。例えば、肝動脈灌流量（ＨＡＰ（Hepatic Artery Perfusion））、門静脈灌流量（ＨＰＰ（Hepatic Portal Perfusion））、肝灌流指数（ＨＰＩ（Hepatic Perfusion Index））等のように、様々な灌流パラメータは、ＴＤＣによって異なる数学的モデルを用いて算出され、そして、灌流画像は、血液灌流の特徴と、器官及び病変の血管の特性とを検査するために、パラメータのレベル毎に配色を行って形成される。
Charles A. Cuenod, Isabelle Leconte,etc.,「Deconvolution Technique for Measuring Tissue Perfusion by Dynamic CT: Application to Normal and Metastatic Liver」, Acad Radiol 2002, S205-S211
本発明が解決しようとする課題は、正確なパラメータ推定を可能にする画像処理装置、方法、及び医用画像診断装置を提供することである。
実施形態の画像処理装置は、流入抽出ユニットと、パラメータ推定ユニットとを備える。流入抽出ユニットは、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得する。パラメータ推定ユニットは、前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含む複数のパラメータを推定する。前記パラメータ推定ユニットは、前記モデルの前記流入時系列に対する応答を計算する応答計算モジュールと、前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成する目的関数作成モジュールと、前記目的関数に対して最適化を行い、前記モデルにおける各パラメータを取得する最適化モジュールとを備える。前記目的関数作成モジュールは、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列のうち第１の期間とは異なる期間を含む第２の期間における前記差を用いて、第２の目的関数を作成する。前記最適化モジュールは、第１の目的関数と第２の目的関数との比較に基づいて、前記モデルにおける各パラメータを取得する。
図１は、本発明の一実施形態による画像処理装置の構成を示すブロック図である。 図２は、本発明の他の一実施形態による画像処理装置の構成を示すブロック図である。 図３は、本発明の他の一実施形態による画像処理装置の構成を示すブロック図である。 図４は、本発明の他の一実施形態によるパラメータ推定ユニットの構成を示すブロック図である。 図５Ａは、本発明の一実施形態による画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図５Ｂは、本発明の一実施形態による画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図５Ｃは、本発明の一実施形態による画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図６Ａは、腹部大動脈と門静脈との遅延を考慮しない画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図６Ｂは、腹部大動脈と門静脈との遅延を考慮しない画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図６Ｃは、腹部大動脈と門静脈との遅延を考慮しない画像処理装置を採用して取得した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。 図７は、本発明の一実施形態による画像処理方法を示すフローチャートである。 図８は、本発明の他の一実施形態による画像処理方法を示すフローチャートである。 図９は、本発明の一実施形態による医用画像装置を示すブロック図である。 図１０は、本発明の実施形態を実現することができるコンピュータの構成を示すブロック図である。
本出願の実施形態は、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得する流入抽出ユニットと、前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含むパラメータを推定するパラメータ推定ユニットと、を備える画像処理装置を提供する。
以下、図面を参照しながら本実施形態の説明することにより、さらに本実施形態の目的、特徴、効果を理解し易くすることができる。図面中の構成は、単に本実施形態の原理を示すためのものである。図面において、同じあるいは類似の技術的特徴あるいは構成は、同様のあるいは類似の図面表記を用いて表現することとする。
以下において、本発明の基本的理解のために、本発明の幾つかの実施形態についての概要を紹介する。この概要は、本発明のキーになる部分あるいは重要な部分を確定するものではなく、また本発明の範囲を限定するものでもない。その目的は、ただ簡略的に説明することによって、その後に説明するより詳細な説明のイントロダクションのために説明するものである。
本発明の一つの目的は、画像に対して処理を行うことで検出対象に対するより正確なモデリングとパラメータ推定とを取得する画像処理装置、方法、及び医用画像診断装置を提供することにある。
本発明の一実施形態によれば、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得する流入抽出ユニットと、前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含むパラメータを推定するパラメータ推定ユニットと、を備えることを特徴とする画像処理装置を提供する。
本発明の他の一実施形態によれば、医用画像装置は、本発明の上記の実施形態による画像処理装置を備える。
本発明の他の一実施形態によれば、画像処理装置によって実行される画像処理方法であって、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得し、前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含むパラメータを推定する各処理を含むことを特徴とする画像処理方法を提供する。
また、本発明の他の一実施形態によれば、前記画像処理方法を実現するためのコンピュータプログラムをさらに提供する。
また、本発明の他の一実施形態によれば、少なくともコンピュータが読み取り可能な媒体形式のコンピュータプログラム製品を提供し、それには前記画像処理方法を実現するためのコンピュータプログラムコードが記録されている。
本発明の画像処理装置、方法、及び医用画像診断装置において、血液が供血動脈から組織における各点まで流れるのは経過した遅延を考慮することで、組織の血液に対するより正確なモデリングと各種の生理学的なパラメータ（生理パラメータ）の推定を実現することができる。
以下、図面を参照しながら本実施形態について説明をする。なお、説明において、一つの図面あるいは一つの実施形態において記載した構成や特徴は、一つあるいは複数の他の図面あるいは実施形態において示した構成や特徴と組み合わせることができる。さらに、明瞭にするため、図面や説明において本実施形態と無関係な内容や、当業者にとって周知の構成や処理については、表示や記載を省略する。
図１に示すように、本発明の一実施形態による画像処理装置１００の構成は、流入抽出ユニット１０１とパラメータ推定ユニット１０２とを含む。ただし、流入抽出ユニット１０１は、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から該組織に血液の流入を供給する主要な血管が位置した領域を抽出して流入部分とし、かつ、該流入部分に基づいて、血液の流入の時間濃度シーケンスを取得して流入時系列とするように配置される。パラメータ推定ユニット１０２は、該流入時系列、該組織における各点の血液の該流入時系列の変化に従うことが代表されたモデル、及び時系列画像に基づいて、モデルにおけるパラメータに対して推定を行うように配置される。ただし、パラメータは、血液が流入部分から組織における各点まで流れるのに経過した遅延を含む。
ここで記述した医用画像は、医療診断イメージング装置を利用して取得した被検者のデータに基づいて形成した画像であっても良い。ここで記述した医療診断装置は、コンピュータ断層スキャン（ＣＴ（Computed Tomography））装置、磁気共鳴イメージング（ＭＲＩ（Magnetic Resonance Imaging））診断イメージング装置などを含むが、これに限定されるものではない。
現代医療において、通常、静脈に規定量の造影剤をボーラス投与した後、数秒或いは数十秒を遅延した後、あるスライス或いはある複数のスライスは、高速で動的かつ連続にスキャンされ、同一のスライスの時間変化に従う一連の画像を収集し、かつ、パラメータのレベル毎に配色を行って灌流画像を形成し、器官及び病変の血液灌流の特徴及び血管の特性を理解する。
こられの画像において、組織と供血動脈の関心領域（ＲＯＩ（Region Of Interest））を含み、ただし、流入抽出ユニット１０１は、その中から供血動脈の関心領域を抽出して流入部分とし、該領域が検出対象上にあっても良いし、検出対象の外部にあっても良い。また、この種の抽出処理は、マニュアル（手動）或いは自動で行うことができる。具体的に、流入抽出ユニット１０１は、各時系列画像において該流入部分が位置した領域を抽出し、該領域に対して処理を行い、対応時間の所の入力を取得し、更に血液流入の時間における分布を取得する。
供血動脈の関心領域は基本的に１つのピクセル点と表現しないが、１つの領域と表現するので、流入時系列を取得する時に、該領域のピクセル値に対して平均或いは加重平均などの処理を行うことができる。ピクセル値は、例えば、各ピクセル点のグレイレベル或いはカラー画像のＲＧＢ（Red-Green-Blue）値などである。
また、画像の数が少ない場合で、流入抽出ユニット１０１は、さらに取得した流入時系列に対して補間を行っても良い。既存の各種の補間アルゴリズムを採用しても良く、各種のカーブフィッティングと線形補間などを含むが、それに限定されるものではない。
スキャン過程において、（造影剤を含む）血液は、供血動脈から組織の各部分に流れ、取得した組織の関心領域のピクセル値の変化が組織中の血液動態を反映し、流入部分に対する組織の応答（response）と見なすことができる。この一連の画像に基づいて、それぞれに流入部分と組織との時間濃度曲線（ＴＤＣ（Time Density Curve））が取得され、そして、組織の血流などのように、要求される生理パラメータは、流入時系列に従う変化であって組織における各点の血流の変化を表すモデル（或いは伝達関数）に基づく推定によって取得される。
画像収集の速度の制限により、ここに記述したＴＤＣは、実際には、直接に取得した時間的連続的な曲線ではなく、それはフィッティングにより取得することができ、言い換えれば、この前に記述した時間濃度シーケンスはＴＤＣの離散形式である。
パラメータ推定ユニット１０２は、流入時系列、前記モデル及び時系列画像に基づいてモデルにおけるパラメータに対して推定するように配置される。パラメータを推定した後、直接或いは間接的に取得したいパラメータの分布を取得する。
本出願において、モデルのパラメータは、血液が流入部分から組織における各点まで流れるのに経過した遅延を含む。該パラメータを含むことで、該モデルを供血動脈から流れ込む血液の組織における流動状況をより正確に反映させることができ、それにより、より正確な生理パラメータの推定を取得することができ、診断或いは治療に参考を提供する。
本発明の他の一実施形態によれば、図２に示すように、流入抽出ユニット１０１とパラメータ推定ユニット１０２の他に、画像処理装置２００は更にフィルタユニット２０１を備える。フィルタユニット２０１は、前記時系列画像が前記流入抽出ユニット１０１に入力される前に、それに対してフィルタ処理を行い、ノイズを低減させるように配置される。該フィルタ処理は画像フィルタ処理と時間領域フィルタ処理という２つの方面を含まれても良く、例えば、ピクセル平均化、ガウシアンフィルタ処理、時間領域平滑化などを行っても良い。特に、画像の信号雑音比（ＳＮＲ：signal-to-noise ratio）が低い場合、フィルタユニット２０１が処理の性能を著しく向上させる。
本発明の他の一実施形態によれば、図３に示すように、流入抽出ユニット１０１とパラメータ推定ユニット１０２との他に、画像処理装置３００は更に表示ユニット３０１を含む。表示ユニット３０１は、画像処理装置３００がユーザに直感的表示を提供してユーザの使用に便利であるように、各パラメータの分布図を生成、表示するように配置される。図３において図示しないが、画像処理装置３００は更にフィルタユニット２０１を含んでも良い。
以下、図４を参照しながら本発明の一実施形態によるパラメータ推定ユニット１０２の構成と機能を説明する。図４に示すように、パラメータ推定ユニット１０２は、前記モデルが前記流入時系列に対する応答を計算するように配置される応答計算モジュール２００１と、前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成するように配置される目的関数作成モジュール２００２と、前記目的関数に対して最適化し、モデルにおける各パラメータを取得するように配置される最適化モジュール２００３と、を含む。
具体的には、応答計算モジュール２００１は、コンボリューション演算により、流入時系列Ｃａ（ｔ）に対する組織のモデルの応答を計算する。第ｉのピクセル点（ｉ番目のピクセル点）について、応答は、式（１）のように示される。
ただし、Ｃａ（ｔ）が供血動脈ＴＤＣであり、Ｑ’（ｔ）が組織ＴＤＣであり、Ｒ（ｔ）が該組織の伝達関数であり、ｄａｉは供血動脈から組織における第ｉの点の所までの血液遅延である。モデルにパラメータｄａｉを導入することで、血液の組織における第ｉの点の所において供血動脈中に関連する時間の遅延は、推定されたパラメータと同様にそのモデルもより正確になるので、補償される。
Ｑ（ｔ）で時系列画像上の第ｉのピクセルのピクセル値を示すと仮定すれば、目的関数作成モジュール２００２は、差Ｑ’（ｔ）−Ｑ（ｔ）を用いて、例えば、目的関数がＱ’（ｔ）−Ｑ（ｔ）の平方和であるとして、目的関数を作成する。
次に、最適化モジュール２００３は、前記目的関数に対して最適化を行い、例えば、Ｑ’（ｔ）−Ｑ（ｔ）の平方和を最小化させる。
一実施形態において、最適化モジュール２００３は、非線形最小二乗法を使用して目的関数に対して最適化を行うように配置される。
ユーザは最適化で取得したパラメータを最も組織の実際生理パラメータに近接する値とすることができ、かつ、該値を使用して各種の分析と判断を行う、と理解すべきである。
ここで医用画像の処理を例として説明するが、それは単なる例示に過ぎず、実行において、画像処理装置１００、２００、３００を各種分野の画像の分析と処理に適用できる、と理解すべきである。
他の一示例性の実施形態として、以下、肝臓に対する血液灌流イメージングスキャンが取得した画像の処理を詳しく説明する。ここで肝臓を示例とするが、本出願が適用する組織又は部位がここに限定するものではない、と理解すべきである。
肝臓は、肝動脈と門静脈（門脈）とから２重に血液が供給されるので、それは２つの流入部分を有する。ＣＴ画像のような実際に取得したスキャン画像において、肝動脈が位置した領域が識別し難く、それにより正確に抽出しにくいので、本出願において上流の脊柱内側に位置した腹部大動脈における血液を使用して入力とする。具体的に、流入抽出ユニット１０１は時系列画像から腹部大動脈と門静脈との関心領域を抽出して流入部分として、かつ、腹部大動脈と門静脈との時間濃度シーケンスを取得する。抽出処理はマニュアルで腹部大動脈と門静脈との領域を区分し、かつ前記領域に対して平均を取って行うことができる。
実際には、人体の受ける放射線量の制限により、取得可能な時系列画像の数量は有限である。ノイズを低減させるために、取得した時系列画像に対してフィルタ処理を行い、例えば、ピクセルビニング（binning）、３次元ガウシアンフィルタなどを適用できる。
また、時間領域フィルタ処理を行ってもよく、例えば、時間的平滑化を行う。
他の一実施形態において、流入抽出ユニット１０１は、前記腹部大動脈と門静脈との時間濃度シーケンスに対してガンマフィッティングを行うことで補間するように配置される。このようにより多くのサンプルを取得することができ、それによりパラメータ最適化の正確性を向上させる。
詳細かつ効果的な肝臓循環モデルの検討によれば、ガンマ分布に基づく累積分布関数のモデルを使用してそれに対して簡易化することができると発見され、具体的には、以下のような関数を使用して肝臓の伝達関数Ｒ（ｔ）とする。
ただし、φ（ｔ）は、ガンマ分布の確率濃度関数である。φ（ｔ）は、下記の式（２−１）で表される。
実験によれば、ガンマ分布に基づく累積分布関数を採用して伝達関数とするのはより正確に肝臓の血行動態学を説明することができる。ここでガンマ関数に基づく伝達関数を示例とするが、ウェーバー関数などのようなその他の類型の伝達関数を使用しても良い、と理解すべきである。
また、以下のようなモデルを使用して肝臓組織のＴＤＣと流入血液のＴＤＣとの間の関係を説明する。
ただし、αは肝臓灌流指数（ＨＰＩ（Hepatic Perfusion Index））であり、Ｆは総肝臓血流量であり、Ｃa（ｔ）は腹部大動脈ＴＤＣであり、Ｃｐ（ｔ）は門静脈ＴＤＣであり、ＣＴ ＊（ｔ）は肝臓における第ｉの点の所の肝組織ＴＤＣであり、ｄaｉは腹部大動脈から肝臓における第ｉの点の所までの血液遅延であり、ｄｐｉは門静脈から肝臓における第ｉの点の所までの血液遅延であり、Ｒ（ｔ）は肝臓に対する伝達関数であり、式（２）に示す。
時系列画像から取得した肝臓における第ｉの点の所の実際組織ＴＤＣはＣＴ（ｔ）であると仮定すると、以下のような目的関数を作成することができる。
ただし、ｍ＝１，・・・・・・、Ｎは、画像を収集する時の異なる時点を示し、Δｔは２つの隣接の画像の間の収集時間間隔である。
次に、前記目的関数は、α、Ｆ、ｄaｉ、ｄｐｉ及びガンマ分布のパラメータｎｋとθ等を含む各パラメータを取得するために、最小化される。これらのパラメータは、さらに肝動脈灌流量（ＨＡＰ（Hepatic Artery Perfusion））、門静脈灌流量（ＨＰＰ（Hepatic Portal Perfusion））等を含んでも良い。
ただし、目的関数に対する最小化は、非線形最小二乗法により実行することができ、このような方法のメリットは、起点値から遠く離れる最小値を発見することができることにある。当然ながら、そのほかの最適化方法を使用してもいい。
スキャンを行う時、例えば、ＣＴスキャンを行う時、肝臓全体に対するイメージングはスライスごとに画像化されるものであり、各スライス画像における各ピクセル点に対して前記処理を行い、前記パラメータの各スライス上における分布を取得することができ、それにより最終的に前記パラメータの肝臓全体内の３次元（３Ｄ）分布を取得することができる。
また、最適化のパラメータが多すぎて、アルゴリズムが容易に収束出来ないという問題を避けるために、前記ｄｐｉを肝臓組織全体の全ての点において均一な値であると設定することができる。
図５Ａから図５Ｃは、本出願の実施形態による前記アルゴリズムを採用する画像処理装置が推定した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。それと同時に、対比として、図６Ａから図６Ｃは、遅延ｄaｉとｄｐｉとを考慮しないアルゴリズムを採用して推定した肝臓の灌流パラメータと与えられた灌流パラメータとの対比を示す図である。ただし、遅延ｄｐｉは肝臓全体において均一な値であると設定する。
図５Ａ，５Ｂ，５Ｃ及び図６Ａ，６Ｂ，６Ｃにおいては、遅延ｄaｉはいずれも−６ｓから６ｓの範囲内で変化する。ただし、中空点は与えられた灌流パラメータを示し、中実点は推定した灌流パラメータを示す。図６Ａから図６Ｃに示すように、前記遅延を考慮しないアルゴリズムを採用する時、遅延ｄaｉが大きければ、推定した灌流パラメータは、ＨＡＰ、ＨＰＰ、ＨＰＩを含み、与えられた相応の灌流パラメータと大きい偏差を有する。図５Ａから図５Ｃに示すように、本出願による前記アルゴリズムを採用する時、遅延範囲全体内においても比較的に正確な灌流パラメータ推定結果を取得することができる。
実験によれば、本出願による画像処理装置を採用し、ノイズに対する感度を低減させることができ、例えば、信号雑音比が２０ｄＢである場合においても依然として所望の結果が得られる。また、状況に対して感度が低く、実際には、異なる個体が異なる肝臓の血行動態学を有するが、検査された全ての状況はいずれも所望の結果が得られ、採用したモデルはよく肝臓の血行動態学を説明し、腹部大動脈と門静脈との遅延がよい補償が得られ、それにより正確なパラメータ推定を取得することができ、また、普通のパーソナルコンピュータにおいて運転する時に、処理時間がほぼ１０ｓ程度であり、診断適用の要求を満足することができる。
また、より正確なパラメータ推定を可能にするために、上記の目的関数（第１の目的関数）とは別に、遅延を独立に決定するための第２の目的関数を用いても良い。例えば、目的関数作成モジュール２００２は、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列の前半を含む第２の期間における前記差を用いて、第２の目的関数を作成する。そして、最適化モジュール２００３は、第１の目的関数と第２の目的関数とを同時に最小化する。なお、ここで、ＴＤＣの前半における差を用いるのは、遅延の影響が測定値に反映されやすいからである。
例えば、目的関数作成モジュール２００２は、造影剤投与後ｔ１からｔ２までの期間の差Ｑ’（ｔ）−Ｑ（ｔ）の平方和を、第１の目的関数として作成する。ここで、例えば、ｔ１は組織ＴＤＣの測定開始時間であり、ｔ２は組織ＴＤＣの測定終了時間である。また、目的関数作成モジュール２００２は、ＴＤＣの造影剤投与後ｔ３からｔ４までの期間の差Ｑ’（ｔ）−Ｑ（ｔ）の平方和を、第２の目的関数として作成する。ここで、例えば、ｔ３は組織ＴＤＣの測定開始後数秒後の時間であり、ｔ４は組織ＴＤＣの測定値がピークに達した時間である。
そして、最適化モジュール２００３は、第１の目的関数と第２の目的関数とを同時に最小化する。例えば、最適化モジュール２００３は、第１の目的関数を用いて各種のパラメータを取得する処理と、第２の目的関数を用いて遅延ｄａｉを取得する処理とを繰り返し実行することで、これらの目的関数を同時に最小化する。
具体的には、まず、最適化モジュール２００３は、第１の目的関数に遅延ｄａｉの初期値を適用して各種のパラメータを取得するとともに、第２の目的関数に各種のパラメータの初期値を適用して遅延ｄａｉを取得する。
続いて、最適化モジュール２００３は、第２の目的関数から前回取得された遅延ｄａｉを第１の目的関数に適用して各種のパラメータを取得するとともに、第１の目的関数から前回取得された各種のパラメータを第２の目的関数に適用して遅延ｄａｉを取得する。
このように、最適化モジュール２００３は、第１の目的関数を用いて各種のパラメータを取得する処理と、第２の目的関数を用いて遅延ｄａｉを取得する処理とを実行し、それぞれの目的関数で取得された値を互いの目的関数に適用することを繰り返す。そして、最適化モジュール２００３は、算出される値が大きく変わらなくなった時点で、最小化の処理を終了する。
なお、最適化モジュール２００３が第１の目的関数と第２の目的関数とを同時に最小化する処理は、上記の例に限定されるものではない。例えば、最適化モジュール２００３は、第１の目的関数及び第２の目的関数が重み付け加算された関数から得られた値を最小化しても良い。
以上において、実施形態における画像処理装置に対する説明過程において、ある処理又は方法をさらに開示する。以下、以上の検討したある実施形態を重複しない場合、これらの方法の説明を提供するが、画像処理装置の説明過程においてこれらの方法を開示した、しかしながら、これらの方法は必ずしも前記構成要素を採用しなく、或いは必ずしもこれらの構成要素で実行しない。例えば、ハードウエア及び／又はファームウエアを部分に、或いは完全に使用して画像処理装置の実施形態を実現し、これらの方法が画像処理装置のハードウエア及び／又はファームウエアを採用しても良いが、以下の検討する画像処理方法は、完全にコンピュータが実行可能なプログラムで実現することができる。
図７は、本出願の一実施形態による画像処理方法を示すフローチャートであり、該画像処理方法は、組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から該組織に血液流入を提供する主要な血管が位置した領域を抽出して流入部分とし、且つ該流入部分に基づいて血液流入の時間濃度シーケンスを取得として流入時系列（Ｓ１１）とすることと、流入時系列、組織における各点の血液の流入時系列の変化に従うことが代表されたモデル、及び時系列画像に基づいて、モデルにおけるパラメータに対して推定すること（Ｓ１２）とを含み、ただし、パラメータは血液が前記流入部分から前記組織における各点まで流れるのは経過した遅延を含む。
ただし、ステップＳ１１は前記実施形態による画像処理装置１００、２００、及び３００における流入抽出ユニット１０１により実行することができ、ステップＳ１２はその中のパラメータ推定ユニット１０２により実行することができる。
図８に示すように、本出願の他の一実施形態による画像処理方法は、さらに、前記時系列画像から前記流入部分を抽出する前に、それに対してフィルタ処理を行い、ノイズを低減させること（Ｓ１３）を含む。該ステップは、前記実施形態による画像処理装置２００、３００におけるフィルタユニット２０１により実行することができる。また、該画像処理方法は、さらに各パラメータの分布図を生成、表示するステップ（Ｓ１４）をさらに含んでもよく、該ステップは前記実施形態による画像処理装置３００における表示ユニット３０１により実行することができる。
ステップＳ１３とＳ１４とはいずれも選択可能なものであり、言い換えれば、ステップＳ１３とＳ１４との両者を含まない、そのうちのいずれかを含む、あるいは両者の組み合わせを含む画像処理方法は、いずれも本出願の範囲内にある、と注意すべきである。
また、本出願による画像処理方法は、さらに取得した流入時系列に対して補間を行うことを含んでもいい。
一実施形態において、パラメータに対して推定を行うステップＳ１２は、モデルが流入時系列に対する応答を計算するステップと、該応答と時系列画像のピクセル値との間の差を使用して目的関数を確定するステップと、該目的関数に対して最適化を行い、モデルにおける各パラメータを取得するステップと、を含む。
一実施形態において、非線形最小二乗法を使用して該目的関数に対して最適化を行うことができる。
一実施形態において、該組織は肝臓である。ただし、モデルはガンマ分布に基づく累積分布関数である。
一実施形態において、画像処理方法は、時系列画像から腹部大動脈と門静脈との関心領域を抽出して流入部分とし、且つ腹部大動脈と門静脈との時間濃度シーケンスを取得することを含む。且つ、該モデルは、腹部大動脈から肝臓組織における各点までの第１の遅延、及び、門静脈から肝臓組織における各点までの第２の遅延を遅延パラメータとして含む。
一実施形態において、第２の遅延は肝臓組織全体のすべての点において均一な値である。
一実施形態において、前記画像処理方法は、さらに腹部大動脈と門静脈との時間濃度シーケンスに対してガンマフィッティングを行うことで補間することを含む。
一実施形態において、前記パラメータは、さらに肝動脈灌流指数、肝動脈灌流量、門静脈灌流量、及びガンマ分布のパラメータを含む。
前記画像処理方法の各ステップのより具体的な詳細及び多くの可能なステップに関しては、以上の本発明の実施形態による画像処理装置における各構成要素に対する関連記述を参考することができ、ここでは重複して説明はしない。
本発明の実施形態による画像処理装置、方法は各種の画像の処理に適用すると理解すべきである。例えば、本発明の実施形態による画像処理装置、方法は医用画像の処理に適用することができる。
図９は、本発明の一実施形態による医用画像装置を示すブロック図である。本発明の精神と範囲を明瞭にさせるために、図９において医用画像診断装置のそのほかの可能な構成要素を省略する。医用画像診断装置９００は、画像処理装置９１０を含み、インプットされた時系列画像に対して処理を行う。画像処理装置９１０は上記のいずれかの実施携帯における画像処理装置１００、２００あるいは３００が適用できる。医用画像装置９００は、例えば、Ｘ線イメージング診断装置、超音波（ＵＬ（Ultrasound） ）診断イメージング装置、コンピュータ断層スキャン（ＣＴ）装置、磁気共鳴イメージング（ＭＲＩ）診断装置、又は陽電子放出断層スキャン（ＰＥＴ（Positron Emission Tomography））装置などであるが、特に制限されない。
前記画像処理装置が医用画像装置に配置される場合、そこで用いられる具体的な手段あるいは方法は当業者にとって周知のものであり、ここでは重複して説明はしない。
一例として、前記画像処理方法の各ステップ及び前記画像処理装置の各構成及び／又は部分はソフトウエア、ファームウエア、ハードウエアあるいはそれらの組み合わせとして実施しても良い。ソフトウエアあるいはファームウエアを介して実現した場合、前記方法のソフトウエアプログラムを実施するため、メモリ媒体からあるいはネットワークを介して専用のハードウエア構造のコンピュータ（例えば、図１０に示す汎用コンピュータ１２００）へダウンロードして構成することができ、該コンピュータに各種プログラムがダウンロードされた状態で、各種機能等を実施することができる。
図１０において、演算処理部（即ち、ＣＰＵ（Central Processing Unit））１００１は、読み取り専用メモリ（ＲＯＭ（Read Only Memory））１００２の中に記憶されているプログラム、あるいは、メモリ部１００８から読み書き兼用メモリ（ＲＡＭ（Random Access Memory））１００３へ書き込まれたプログラムに基づいて、各種処理を実施する。ＲＡＭ１００３では、必要に応じて、ＣＰＵ１００１が各種処理等を実施するときに必要なデータも記憶しておく。ＣＰＵ１００１、ＲＯＭ１００２及びＲＡＭ１００３は、綜合ライン１００４を経由してそれぞれ接続されている。入力／出力インターフェース１２０５も、綜合ライン１００４につながっている。
下記の各部は、入力／出力インターフェース１００５に接続されている：入力部１００６（キーボード、マウス等を含む）、出力部１００７（モニタ、例えば、ブラウン管（ＣＲＴ（Cathode Ray Tube））、液晶モニタ（ＬＣＤ（Liquid Crystal Display））等や、スピーカ等を含む）、メモリ部１００８（キーボードを含む）、通信部１００９（ネットワークインターフェースカード、例えば、ＬＡＮ（Local Area Network）カード、モデム等）。通信部１００９は、ネットワーク（例えば、インターネット）を介して通信処理を実施する。必要に応じて、駆動器１０１０も入力／出力インターフェース１００５に接続可能である。取り外し可能な媒体１０１１は、例えば、磁気ディスク、光ディスク、ＭＯ（Magneto Optical Disk）、半導体メモリ等であって、必要に応じて駆動器１０１０に装着され、必要に応じてコンピュータプログラムを読み出して、メモリ部１００８へダウンロードされる。
ソフトウエアを介して前記システム処理を実施する場合、ネットワーク（例えば、インターネットあるいは記憶媒体（例えば、取外し可能な媒体１０１１））からプログラムをダウンロードしても良い。
当業者においては、このような記憶媒体は図１０に示すようなプログラムを記憶した記憶媒体は、装置とは離れたところからユーザにプログラムを提供する取り外し可能な媒体１０１１に限らない。取り外し可能な媒体１０１１の例としては、磁気ディスク（フロッピー（登録商標）ディスク、光ディスク（ＣＤ−ＲＯＭやＤＶＤ（Digital Versatile Disc）を含む）、磁気光ディスク（MiniDisc（ＭＤ、登録商標）を含む）らを含む。また、記憶媒体はＲＯＭ１００２であっても良く、記憶部１００８に含まれるハードディスク等、その中にプログラムが記憶され、それらを含む装置からユーザへプログラムが送られる形態でも良い。
本発明では、更に、メモリとして、機器が読み取り可能なコマンドコードを記憶しているプログラム製品でも応用でき、前記コマンドコードが機器を介して読み取られると、本発明の実施形態における画像分割法が実施される。
前記機器が読み取り可能なコマンドコードを記憶しているプログラム製品を受け入れるための記憶媒体も本発明に適用できる。その記憶媒体は、ハードディスク、光ディスク、磁気光ディスク、メモリカード、メモリスティックには限定されない。
前記の具体的な実施形態においては、一つの実施方法に示す特徴について、同様の方法を一つあるいは複数の他の実施方法の中で適用したり、その他の実施方法と組み合わせたり、あるいはその他の実施方法における特徴に替えるといったことも可能である。
さらに、“包含する／含む”といった用語を使用したときは、特徴・構成・ステップあるいは構造の存在を指し示す。ただし、その他の特徴・構成・ステップあるいは構造の存在や付加の排除を意味するものではない。
上記の実施形態においては、数字構成の図番記号を用いて各ステップや構成を表記している。ただし、これらの図番記号は単なる説明や画図の都合への考慮によるものであって、その順序やいかなるほかの限定を表すものではない、と当業者は理解すべきである。
このほか、本実施形態の方法は、詳細な説明の欄において説明された時間順序に沿って実施されるものに限らず、その他の時間順序に沿って、同時に、あるいは独立して実施されても良い。それゆえ、本願の詳細な説明において説明された方法の実施順序は、本実施形態の技術範囲に対する構成を制限するものではない。
上記では、既に、本実施形態の具体的な実施形態の説明をもって、本実施形態の説明を行っているものの、前記のすべての実施形態はすべて単なる例示に過ぎず、限定するものではない。当業者は、特許請求の主旨や範囲において、本実施形態の各種手直し・改良あるいは同等物の設計を行うことが可能である。これらの手直し・改良あるいは同等物は、本実施形態の保護範囲内に含まれるものである。
１００ 画像処理装置
１０１ 流入抽出ユニット
１０２ パラメータ推定ユニット

Claims (14)

  1. 組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得する流入抽出ユニットと、
    前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含む複数のパラメータを推定するパラメータ推定ユニットと、
    を備え、
    前記パラメータ推定ユニットは、
    前記モデルの前記流入時系列に対する応答を計算する応答計算モジュールと、
    前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成する目的関数作成モジュールと、
    前記目的関数に対して最適化を行い、前記モデルにおける各パラメータを取得する最適化モジュールとを備え、
    前記目的関数作成モジュールは、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列のうち第１の期間とは異なる期間を含む第２の期間における前記差を用いて、第２の目的関数を作成し、
    前記最適化モジュールは、第１の目的関数と第２の目的関数との比較に基づいて、前記モデルにおける各パラメータを取得する、
    ことを特徴とする画像処理装置。
  2. 組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得する流入抽出ユニットと、
    前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含む複数のパラメータを推定するパラメータ推定ユニットと、
    を備え、
    前記パラメータ推定ユニットは、
    前記モデルの前記流入時系列に対する応答を計算する応答計算モジュールと、
    前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成する目的関数作成モジュールと、
    前記目的関数に対して最適化を行い、前記モデルにおける各パラメータを取得する最適化モジュールとを備え、
    前記目的関数作成モジュールは、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列の前半を含む第２の期間における前記差を用いて、第２の目的関数を作成し、
    前記最適化モジュールは、第１の目的関数と第２の目的関数とを同時に最小化する、
    ことを特徴とする画像処理装置。
  3. ノイズを低減させるために、前記時系列画像が前記流入抽出ユニットに入力される前に、前記時系列画像にフィルタ処理を行うフィルタユニットを、さらに備えることを特徴とする請求項１又は２に記載の画像処理装置。
  4. 各パラメータの分布図を生成し表示する表示ユニットを、さらに備えることを特徴とする請求項１乃至３のいずれか一項に記載の画像処理装置。
  5. 前記流入抽出ユニットは、さらに、前記流入時系列に対して補間を行うことを特徴とする請求項１乃至３のいずれか一項に記載の画像処理装置。
  6. 前記組織は肝臓組織であることを特徴とする請求項１乃至３のいずれか一項に記載の画像処理装置。
  7. 前記モデルは、ガンマ分布に基づく累積分布関数であることを特徴とする請求項６に記載の画像処理装置。
  8. 前記流入抽出ユニットは、前記時系列画像から腹部大動脈と門静脈との関心領域を抽出して流入部分とし、かつ、腹部大動脈と門静脈との時間濃度シーケンスを取得し、さらに、
    前記モデルは、前記複数のパラメータとして、前記腹部大動脈から肝臓組織における各点までの第１の遅延、及び、前記門静脈から肝臓組織における各点までの第２の遅延を含むことを特徴とする請求項６に記載の画像処理装置。
  9. 前記第２の遅延は、肝臓組織全体の全ての点において均一な値であることを特徴とする請求項８に記載の画像処理装置。
  10. 前記流入抽出ユニットは、前記腹部大動脈と門静脈との時間濃度シーケンスに対してガンマフィッティングを行うことで補間することを特徴とする請求項８に記載の画像処理装置。
  11. 前記モデルは、前記複数のパラメータとして、更に、肝動脈灌流指数、肝動脈灌流量、門静脈灌流量、及び前記肝臓組織における血液の循環に関する伝達関数の分布を表すガンマ分布のパラメータを含むことを特徴とする請求項６に記載の画像処理装置。
  12. 請求項１乃至１１のいずれか一項に記載の画像処理装置を含むことを特徴とする医用画像診断装置。
  13. 画像処理装置によって実行される画像処理方法であって、
    組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得し、
    前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含む複数のパラメータを推定する
    各処理を含み、
    前記パラメータを推定する処理は、
    前記モデルの前記流入時系列に対する応答を計算する処理と、
    前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成する処理と、
    前記目的関数に対して最適化を行い、前記モデルにおける各パラメータを取得する処理とを含み、
    前記目的関数を作成する処理は、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列のうち第１の期間とは異なる期間を含む第２の期間における前記差を用いて、第２の目的関数を作成し、
    前記最適化を行う処理は、第１の目的関数と第２の目的関数との比較に基づいて、前記モデルにおける各パラメータを取得する、
    ことを特徴とする画像処理方法。
  14. 画像処理装置によって実行される画像処理方法であって、
    組織に対して血液灌流イメージングスキャンを行うことで取得した医用画像の時系列画像から、前記組織に血液を供給する主要な血管が位置する領域を流入部分として抽出し、前記流入部分に基づいて、前記血液の流入の時間濃度シーケンスを流入時系列として取得し、
    前記流入時系列に従う変化であって前記組織における各点の血流の変化を表すモデルと、前記流入時系列と、前記時系列画像とに基づいて、前記モデルにおける、前記血液が前記流入部分から前記組織中の各点へ流れる間に経過した遅延を含む複数のパラメータを推定する
    各処理を含み、
    前記パラメータを推定する処理は、
    前記モデルの前記流入時系列に対する応答を計算する処理と、
    前記応答と前記時系列画像のピクセル値との間の差を用いて目的関数を作成する処理と、
    前記目的関数に対して最適化を行い、前記モデルにおける各パラメータを取得する処理とを含み、
    前記目的関数を作成する処理は、前記流入時系列の第１の期間における前記差を用いて、第１の目的関数を作成するとともに、前記流入時系列の前半を含む第２の期間における前記差を用いて、第２の目的関数を作成し、
    前記最適化を行う処理は、第１の目的関数と第２の目的関数とを同時に最小化する、
    ことを特徴とする画像処理方法。
JP2014111585A 2013-05-29 2014-05-29 画像処理装置、方法、及び医用画像診断装置 Active JP6448918B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310205674.0 2013-05-29
CN201310205674.0A CN104217398B (zh) 2013-05-29 2013-05-29 图像处理装置、图像处理方法和医学图像设备

Publications (3)

Publication Number Publication Date
JP2014230793A JP2014230793A (ja) 2014-12-11
JP2014230793A5 JP2014230793A5 (ja) 2017-05-25
JP6448918B2 true JP6448918B2 (ja) 2019-01-09

Family

ID=51985167

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014111585A Active JP6448918B2 (ja) 2013-05-29 2014-05-29 画像処理装置、方法、及び医用画像診断装置

Country Status (3)

Country Link
US (1) US9569839B2 (ja)
JP (1) JP6448918B2 (ja)
CN (1) CN104217398B (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10789683B2 (en) * 2015-11-10 2020-09-29 Koninklijke Philips N.V. Method for automatic optimization of quantitative map generation in functional medical imaging
EP3379999B1 (en) 2015-11-24 2023-09-20 The Regents of the University of California Mapping and quantifying blood stasis and thrombus risk in the heart
CN105809670B (zh) * 2016-02-29 2019-07-19 上海联影医疗科技有限公司 灌注分析方法
JP6701880B2 (ja) * 2016-03-30 2020-05-27 コニカミノルタ株式会社 動態解析装置、動態解析システム、動態解析方法及びプログラム
EP3542859A1 (en) * 2018-03-20 2019-09-25 Koninklijke Philips N.V. Determining a medical imaging schedule
WO2019195783A1 (en) 2018-04-05 2019-10-10 The Regents Of The University Of California Mapping and quantifying shear stress and hemolysis in patients having lvads
CN109411085A (zh) * 2018-12-21 2019-03-01 上海联影医疗科技有限公司 灌注分析的方法及装置和计算机装置
CN109907758B (zh) * 2019-03-15 2019-10-11 脑玺(上海)智能科技有限公司 颅内血管血流延迟的影像标注方法及系统
JP6604618B1 (ja) * 2019-04-03 2019-11-13 国立大学法人信州大学 血流動態解析システム、血流動態解析方法、およびプログラム
CN111429456B (zh) * 2020-05-06 2023-09-05 上海联影医疗科技股份有限公司 一种图像数据处理方法、装置、电子设备及存储介质
CN111862259B (zh) * 2020-07-27 2023-08-15 上海联影医疗科技股份有限公司 医学灌注图像处理方法和医学成像设备

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7069068B1 (en) * 1999-03-26 2006-06-27 Oestergaard Leif Method for determining haemodynamic indices by use of tomographic data
US6745066B1 (en) * 2001-11-21 2004-06-01 Koninklijke Philips Electronics, N.V. Measurements with CT perfusion
US8855985B2 (en) * 2004-04-30 2014-10-07 Apollo Medical Imaging Technology Pty Ltd Method and system of obtaining improved data in perfusion measurements
JP2008520287A (ja) * 2004-11-16 2008-06-19 メドラッド インコーポレーテッド 薬剤注入に対する患者搬送関数を決定し、患者反応をモデル化するシステム及び方法
JP4804039B2 (ja) * 2005-05-27 2011-10-26 株式会社日立メディコ 血流動態解析装置、ｘ線ｃｔ装置、ｍｒｉ装置、及び血流動態解析プログラム
EP1960965A2 (en) * 2005-12-09 2008-08-27 Koninklijke Philips Electronics N.V. Model-based flow analysis and visualization
GB0609610D0 (en) 2006-05-15 2006-06-21 Stiftelsen Universitetsforskni MR perfusion
EP2097007B1 (en) * 2006-12-21 2015-06-24 Institut Gustave Roussy (IGR) Method and system for quantification of tumoral vascularization
US20100030073A1 (en) * 2006-12-29 2010-02-04 Medrad, Inc. Modeling of pharmaceutical propagation
US20080300484A1 (en) * 2007-04-13 2008-12-04 Jing Wang Delay insensitive SVD algorithm for perfusion analysis
CN101658428A (zh) 2008-08-28 2010-03-03 西门子（中国）有限公司 灌注成像技术中对位图进行处理的方法和系统
US8942451B2 (en) * 2008-11-14 2015-01-27 Apollo Medical Imaging Technology Pty Ltd Method and system for mapping tissue status of acute stroke
JP5361410B2 (ja) * 2009-01-22 2013-12-04 株式会社東芝 画像処理装置
CN101658425B (zh) 2009-09-11 2011-06-01 西安电子科技大学 基于心率变异分析的注意力集中程度的检测装置及方法
JP5643580B2 (ja) * 2009-11-27 2014-12-17 株式会社東芝 血流動態解析装置、血流動態解析プログラム、流体解析装置及び流体解析プログラム
EP2544586A1 (en) * 2010-03-09 2013-01-16 Aarhus Universitet A method for obtaining a blood flow parameter
JP5897284B2 (ja) * 2010-09-01 2016-03-30 株式会社東芝 医用画像処理装置
WO2012174495A2 (en) * 2011-06-17 2012-12-20 Carnegie Mellon University Physics based image processing and evaluation process of perfusion images from radiology imaging
CN103889328B (zh) * 2011-10-24 2017-02-15 皇家飞利浦有限公司 灌注成像
DE102012205351A1 (de) * 2012-04-02 2013-10-02 Siemens Aktiengesellschaft Darstellung von Blutgefäßen und Gewebe im Herzen
US20140086461A1 (en) * 2012-09-25 2014-03-27 The Johns Hopkins University Method and system for determining time-based index for blood circulation from angiographic imaging data

Also Published As

Publication number Publication date
JP2014230793A (ja) 2014-12-11
US20140355863A1 (en) 2014-12-04
CN104217398A (zh) 2014-12-17
US9569839B2 (en) 2017-02-14
CN104217398B (zh) 2017-07-14

Similar Documents

Publication Publication Date Title
JP6448918B2 (ja) 画像処理装置、方法、及び医用画像診断装置
US9754390B2 (en) Reconstruction of time-varying data
CN105792738B (zh) 用于改善功能狭窄分析的局部ffr估计和可视化
US20230320789A1 (en) System and method for processing electronic images for vascular tree generation
RU2717885C1 (ru) Оценка потока, сопротивления или давления на основании измерений давления или потока и ангиографии
CN108348206B (zh) 用于无创血流储备分数(ffr)的侧支流建模
Jirik et al. Ultrasound perfusion analysis combining bolus-tracking and burst-replenishment
JP7303260B2 (ja) 動脈網における流量および圧力勾配を患者特定コンピュータ断層撮影アルゴリズムに基づくコントラスト分布から判断するための方法
JP2018512238A (ja) 傾斜磁場パルスｍｒｉにより得られた信号パターンから観察対象組織のシグネチャ指標を判定するｍｒｉ法
JP2012512729A (ja) 急性脳卒中の組織状態をマッピングする方法及びシステム
Holbek et al. Common carotid artery flow measured by 3-D ultrasonic vector flow imaging and validated with magnetic resonance imaging
US10134127B2 (en) Method for post-processing flow-sensitive phase contrast magnetic resonance images
US20160166159A1 (en) Method and system for mapping tissue status of acute stroke
Waechter et al. Model-based blood flow quantification from rotational angiography
Mezl et al. Absolute ultrasound perfusion parameter quantification of a tissue-mimicking phantom using bolus tracking [Correspondence]
US10977792B2 (en) Quantitative evaluation of time-varying data
US20210100616A1 (en) Systems and methods for planning peripheral endovascular procedures with magnetic resonance imaging
US10463334B2 (en) System and method for non-invasive, quantitative measurements of blood flow parameters in vascular networks
Waechter-Stehle et al. Model-based blood flow quantification from DSA: quantitative evaluation on patient data and comparison with TCCD
Butler A Human Brain Surface Optical Angiography

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20151102

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160513

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20160929

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20161021

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170405

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170405

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171226

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20171227

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180605

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180801

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: 20181106

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181205

R150 Certificate of patent or registration of utility model

Ref document number: 6448918

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150