JP6554722B2 - 画像処理方法および装置並びにプログラム - Google Patents

Description

本発明は、画像における血管分岐の検出技術およびその技術を利用した画像間の位置合せ技術に関する。

従来、撮像装置として、磁気共鳴装置（ＭＲ：Magnetic Resonance）、放射線断層撮影装置（ＣＴ：Computed Tomography）、超音波装置（ＵＳ：Ultra Sound）などが知られている。これらの撮像装置には、その撮像モダリティ（modality）ごとにそれぞれ長所/短所が存在し、ある特定の撮像モダリティによる画像だけでは診断における精度が不足する場合がある。このため、近年、特定の撮像モダリティによる画像だけでなく、複数の異なる撮像モダリティによる画像を用いて診断することで、診断精度の向上を図る試みが盛んに行われている。

複数の異なる撮像モダリティによる画像を用いた診断では、撮像モダリティごとに画像の座標系が異なる。そのため、これらの座標系の相違や臓器の変動・変形に起因する位置ズレを補正する技術、すなわち、画像間での位置合せ（Registration）技術が重要である。

ところで、互いに異なる複数の画像間での位置合せ手法としては、相互情報量（Mutual Information）を用いる手法が最も一般的である（例えば、非特許文献１等参照）。この手法は、広義においては、画像の輝度値に基づく手法（intensity based method）である。つまり、相互情報量を用いて位置合せを行うには、対象画像間で輝度値に関連性があることが前提となる。

IEEE Trans. on Med. Imaging, 16:187-198, 1997

しかしながら、ＵＳ画像においては、音響陰影（Acoustic shadow）が発生し、高反射体の後方の輝度値は本来の値よりも低下する。また血管の輝度値も血管の走行方向に依って変化する。このため、例えば、ＭＲ画像とＵＳ画像との位置合せ、あるいは、ＣＴ画像とＵＳ画像との位置合せにおいては、輝度値の関連性に乏しい状況がしばしば発生し、位置合せの精度が極端に悪くなるケース（case）がある。

ここで、医用画像間の位置合せを高い精度で行う手法として、それぞれの医用画像において同一（共通）の血管分岐を見つけ、これらの血管分岐が互いに重なるように医用画像同士を位置合せする手法が考えられる。また、この手法においては、画像における血管分岐を精度よく検出することが重要であると考えられる。

このような事情により、画像における血管分岐を精度よく検出する技術が望まれている。

第１の観点の発明は、
被写体を表す３次元画像における血管分岐候補を特定する特定手段と、
前記３次元画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライス（slice）またはスラブ（slab）における、該血管分岐候補の分岐点を中心とした回転方向の画素値の変化を表すプロファイル（profile）に基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定手段と、を備えた画像処理装置を提供する。

第２の観点の発明は、
同一の被写体を表す３次元画像である第一医用画像及び第二医用画像においてそれぞれ１以上の血管分岐を検出する検出手段と、
互いに対応する前記第一医用画像における血管分岐と前記第二医用画像における血管分岐との間のずれが小さくなるように、前記第一医用画像及び第二医用画像のうち少なくとも一方を座標変換して位置合せを行う変換手段とを備えており、
前記検出手段は、
前記第一医用画像及び第二医用画像のうち少なくとも一方の画像において血管分岐候補を特定する特定手段と、
前記少なくとも一方の画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の強度変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定手段とを有している、画像処理装置を提供する。

第３の観点の発明は、
前記判定手段が、前記平面、スライスまたはスラブにおける前記血管分岐候補の分岐点から放射状に伸びる複数の方向の各々について、該方向に沿って伸びる細長領域ごとに画素値の代表値を算出し、前記分岐点を中心とする回転方向に沿った前記細長領域の前記代表値の変化を表すプロファイルの形状に基づいて前記判定を行う、上記第１の観点または第２の観点の画像処理装置を提供する。

第４の観点の発明は、
前記プロファイルが、前記回転方向における前記２つの枝分れ方向を含む所定の角度範囲の領域に対応している、上記第３の観点の画像処理装置を提供する。

第５の観点の発明は、
前記判定手段が、前記プロファイルにおいて前記代表値の２つのピーク（peak）が存在する場合に、前記血管分岐候補は真の血管分岐であると判定する、上記第４の観点の画像処理装置を提供する。

第６の観点の発明は、
前記所定の角度範囲が、１８０度未満である、上記第４の観点または第５の観点の画像処理装置を提供する。

第７の観点の発明は、
前記プロファイルが、前記回転方向における前記２つの枝分れ方向の一方を含む領域と他方を含む領域とに対応している、上記第３の観点の画像処理装置を提供する。

第８の観点の発明は、
前記判定手段が、前記一方を含む領域に対応したプロファイルにおいて前記代表値の１つのピークが存在し、かつ、前記他方を含む領域に対応したプロファイルにおいて前記代表値の一つのピークが存在する場合に、前記血管分岐候補は真の血管分岐であると判定する、上記第７の観点の画像処理装置を提供する。

第９の観点の発明は、
前記代表値が、前記細長領域に含まれる画素の画素値の平均値、または、前記細長領域に含まれる画素の画素値を前記スライスまたはスラブの厚み方向に最大値投影もしくは最小値投影して得られた画像の画素値の平均値である、上記第３の観点から第８の観点のいずれか一つの観点の画像処理装置を提供する。

第１０の観点の発明は、
前記細長領域の前記平面における形状が、前記分岐点を頂点とする扇形状である、上記第３の観点から第９の観点のいずれか一つの観点の画像処理装置を提供する。

第１１の観点の発明は、
前記細長領域の前記平面における形状が、前記分岐点を頂点とする三角形状である、上記第３の観点から第９の観点のいずれか一つの観点の画像処理装置を提供する。

第１２の観点の発明は、
前記細長領域の長手方向の長さが、実寸で１０ｍｍ以上、３０ｍｍ以下に相当する長さである、上記第３の観点から第１１の観点のいずれか一つの観点の画像処理装置を提供する。

第１３の観点の発明は、
前記スライスまたはスラブの厚さが、実寸で３ｍｍ以上、１０ｍｍ以下に相当する厚さである、上記第３の観点から第１２の観点のいずれか一つの観点の画像処理装置を提供する。

第１４の観点の発明は、
前記座標変換手段が、
前記第一医用画像における第一血管画像及び前記第二医用画像における第二血管画像を抽出する抽出手段と、
前記抽出手段により抽出された第一血管画像及び第二血管画像それぞれについて、血管分岐を１つ以上検出する検出手段と、
前記第一血管画像における血管分岐と前記第二血管画像における血管分岐とによる複数の組合せの各々について、血管分岐のずれが小さくなるように、前記第一血管画像及び第二血管画像のうち少なくとも一方に座標変換を行い、前記第一血管画像及び第二血管画像の間において、前記血管分岐を含む所定領域における類似度を算出する演算手段と、
前記類似度が最も高い座標変換を用いて、前記位置合せのための座標変換を行う変換手段とを有している、上記第２の観点の画像処理装置を提供する。

第１５の観点の発明は、
前記演算手段が、前記血管分岐の分岐点同士が重なり、かつ、該分岐点から枝分れする二本の血管部分に近似する二直線を含む平面同士が重なるように、前記座標変換を行う、上記第１４の観点の画像処理装置を提供する。

第１６の観点の発明は、
前記特定手段が、前記少なくとも一方の画像の画素値に基づいて血管領域を抽出し、該血管領域を細線化して得られた画像に基づいて、前記血管分岐候補を特定する、上記第２の観点、第１４の観点および第１５の観点のいずれか一つの観点の画像処理装置を提供する。

第１７の観点の発明は、
前記第一医用画像及び第二医用画像が、撮像モダリティが互いに異なる画像である、上記第２の観点、第１４の観点、第１５の観点および第１６の観点のいずれか一つの観点の画像処理装置を提供する。

第１８の観点の発明は、
前記第一医用画像及び第二医用画像が、肝臓を含む画像である、上記第２の観点、および第１４の観点から第１７の観点のいずれか一つの観点の画像処理装置を提供する。

第１９の観点の発明は、
被写体を表す３次元画像における血管分岐候補を特定する特定ステップ（step）と、
前記３次元画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定ステップとを有する画像処理方法を提供する。

第２０の観点の発明は、
コンピュータ（computer）に、
被写体を表す３次元画像における血管分岐候補を特定する特定処理と、
前記３次元画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定処理とを実行させるためのプログラム（program）を提供する。

処理対象となる画像の画質は常によいとは限らない。そのため、画像から血管を抽出する際にミスが生じることがある。そして、抽出された血管から血管分岐を検出する際には、偽の血管分岐が誤って検出されることがある。一般的に、真の血管分岐は実際の画像上でＹの字形状を取るが、偽の血管分岐はＹの字形状を取らない。

上記観点の発明によれば、血管分岐候補の枝分れ方向を含む平面、スライスまたはスラブにおいて、血管分岐候補の分岐点を中心とした回転方向における画素値のプロファイルに基づいてその真偽を判定するので、血管分岐候補のうちＹの字形状に特徴的なプロファイルを持つか否かにより真偽を判定することができ、偽の血管分岐を効率よく排除することができる。

その結果、例えば、２画像間で互いに対応する血管分岐の組合せを見つけ、これらを重ね合わせるように座標変換することで画像間の位置合せを行う場合において、当該組合せを見つける際に試す必要のある血管分岐の組合せの数を減らして処理時間を短縮することができるだけでなく、組合せの検出精度も上がり、位置合せ精度が増す。

画像処理装置の構成を概略的に示す機能ブロック（block）図である。 同一被検者の肝臓を表すＭＲ画像及びＵＳ画像の一例を示す図である。 ＭＲ血管画像、ＭＲ血管ツリー（tree）、及びＭＲ血管分岐におけるベクトル（vector）Ｕ，Ｖ，Ｗの算出結果のそれぞれの一例を示す図である。 血管分岐点を検出する方法を説明するための図である。 血管分岐を形成する血管部分に対応したベクトルを求める方法を説明するための図である。 血管分岐のマッチング（matching）評価の概念図ある。 血管分岐を規定するベクトルを説明するための図である。 画像表示の一例を示す図である。 画像処理装置における処理の流れを示すフロー（flow）図である。 血管分岐検出部の構成を示す図である。 血管分岐検出処理の流れを示すフロー図である。 血管分岐候補のモデル（model）を示す図である。 分岐画像平面、分岐スライスおよびスラブの設定例を示す図である。 真の血管分岐による分岐画像平面の例を示す図である。 偽の血管分岐による分岐画像平面の例を示す図である。 プロファイル測定回転角度範囲の第１設定例を示す図である。 プロファイル測定回転角度範囲の第２設定例を示す図である。 第１設定例によるプロファイル測定回転角度範囲に対する細長領域の設定例を示す図である。 第２設定例によるプロファイル測定回転角度範囲に対する細長領域の設定例を示す図である。 第１設定例による細長領域に対するプロファイルの生成例を示す図である。 第２設定例による細長領域に対するプロファイルの生成例を示す図である。

以下、発明の実施形態について説明する。なお、これにより、発明が限定されるものではない。

本実施形態では、２つの画像を位置合せするための画像処理装置を想定する。この画像処理装置では、同一の被写体を表す２つの３次元医用画像を、血管分岐を用いて位置合せする。

図１は、本実施形態に係る画像処理装置１の構成を概略的に示す機能ブロック図である。なお、画像処理装置１は、例えば、コンピュータに所定のプログラムを実行させることにより実現させることができる。

図１に示すように、画像処理装置１は、画像取得部２と、血管抽出部３と、血管分岐検出部４と、マッチング評価部５と、座標変換部６と、位置合せ調整部７と、対応断面像生成部８と、画像出力部９とを有している。なお、血管分岐検出部４、マッチング評価部５、座標変換部６は、それぞれ、発明における検出手段、演算手段、および変換手段の一例である。

画像取得部２は、位置合せの対象となる２つの画像を取得する。通常は、ユーザ（user）の操作に応じて、入力された２つの３次元医用画像を、位置合せの対象となる２つの画像として取得する。画像取得部２は、これら２つの画像のうち一方の画像を、位置合せ処理において固定される目標画像に設定し、他方の画像を、位置合せ処理において座標変換される対象画像に設定する。本例では、位置合せの対象となる２つの３次元医用画像として、同一被検者の肝臓を表すＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USを取得する。また、ＵＳ画像Ｇ_USを目標画像に設定し、ＭＲ画像Ｇ_MRを対象画像に設定する。なお、ＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USは、発明における第一医用画像及び第二医用画像の一例である。

図２に、同一被検者の肝臓を表すＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USの一例を示す。ただし、この図では、便宜上、３次元医用画像における所定の断面像を示している。

血管抽出部３は、ＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USそれぞれについて、血管を表す血管画像を抽出する。血管画像の抽出には、既知の手法を用いる。例えば、非特許文献 Kirbus C and Quek F: A review of vessel extraction technique and algorithms, ACM Computer Surveys （CSUR）, 36（2）, 81-121, 2004.に記載されている手法を用いる。以下、ＭＲ画像Ｇ_MRにおける血管画像をＭＲ血管画像Ｖ_MRといい、ＵＳ画像Ｇ_USにおける血管画像をＵＳ血管画像Ｖ_USという。本例では、血管画像として、肝臓の門脈または肝静脈を表す画像を抽出する。また、血管画像は、二値化画像として抽出する。なお、ＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USは、発明における第一血管画像及び第二血管画像の一例である。

図３（ａ）に、血管画像の一例として、ＭＲ血管画像Ｖ_MRのサンプル（sample）を示す。

血管分岐検出部４は、抽出されたＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USそれぞれにおいて、１つ以上の血管分岐を検出する。血管分岐は、血管分岐点と、その血管分岐点から枝分れする二本の血管部分とにより構成される。そのため、血管分岐は、血管分岐点の位置と、その血管分岐点から枝分れする二本の血管部分の走行方向及び長さを表す２つのベクトルとにより特定され、識別される。

ここで、血管分岐検出部４の構成および処理について説明する。

図１０は、血管分岐検出部４の構成を示す図である。血管分岐検出部４は、図１０に示すように、血管分岐候補特定部４１と、真偽判定部４２とを有している。なお、血管分岐候補特定部４１および真偽判定部４２は、それぞれ、発明における特定手段および判定手段の一例である。

血管分岐候補特定部４１は、被検体の血管を含む画像を担持するデータ（data）に基づいて、その画像における血管分岐候補を特定する。

真偽判定部４２は、特定された血管分岐候補が真の血管分岐であるか否かを判定し、真の血管分岐であると判定されたものだけを血管分岐として決定する。

一般的に、３次元医用画像は、常に良好な画質で取得されるとは限らない。また、血管の抽出処理についても、完ぺきなものは存在しない。そのため、３次元医用画像から血管を抽出する際に誤抽出が発生し、血管分岐を特定する際に、真の血管分岐に混じって偽の血管分岐が特定されることがある。ここでは、そのようにして特定された偽の血管分岐を排除するため、血管分岐候補に対してその真偽の判定を行う。

図１１は、血管分岐検出処理の流れを示すフロー図である。

ステップＰ１では、血管分岐候補特定部４１が、抽出されたＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USに対して、スムージング（smoothing）処理を施す。これにより、境界（輪郭）が滑らかになった血管画像が得られる。スムージング処理には、例えば、３次元のガウシアンフィルタ（Gaussian Filter）や３次元のメディアンフィルタ（Median Filter）などを用いる。

ステップＰ２では、血管分岐候補特定部４１が、スムージング処理済みのＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USに対して、スケルトン（skeleton）処理（３次元細線化処理）を施す。これにより、血管の走行方向に沿った軸だけが木の枝のように線状に表された「血管ツリー」が得られる。以下、ＭＲ血管画像から得られた血管ツリーをＭＲ血管ツリーＴＲ_MRといい、ＵＳ血管画像から得られた血管ツリーをＵＳ血管ツリーＴＲ_USという。スケルトン処理としては、例えば、非特許文献 Lee et.al , Building skeleton models via 3-D medial surface/axis thinning algorithms. Computer Vision, Graphics, and Image Processing, 56(6):462-478, 1994 に記載されている手法を用いる。図３（ｂ）に、血管ツリーの一例として、ＭＲ血管ツリーＴＲ_MRのサンプルを示す。図３（ｂ）において、各血管部分に付された番号は、タグ（tag）番号である。

ステップＰ３では、血管分岐候補特定部４１が、ＭＲ血管ツリーＴＲ_MR及びＵＳ血管ツリーＴＲ_USそれぞれにおいて、１つ以上の血管分岐点を特定する。具体的には、図４に示すように、血管ツリーＴＲの枝骨に沿って、その枝骨上の点を含む所定サイズ（size）の領域を解析領域Ａ１として設定する。解析領域Ａ１は、例えば、血管ツリーＴＲの枝骨上の点に対応した画素を中心とする［３×３×３］画素の３次元領域とする。次いで、この解析領域Ａ１に対して解析を行い、血管分岐を形成する連続画素を検出する。解析は、血管ツリーの「幹」側から「枝先」側に向かって行われるよう、血管ツリーの元となる血管画像において最も太い血管部分に相当する枝骨の端部から解析を開始する。そして、連続画素が枝分れする点を、血管分岐点ＢＰとして特定する。なお、血管分岐は、一本の血管が二本の血管に枝分れする二叉分岐が一般的であるが、一本の血管が同一の分岐点で三本以上の血管に枝分れする三叉以上の分岐もまれに存在する。三叉以上の分岐では、複数の二叉分岐として認識する。以下、ＭＲ血管ツリーＴＲ_MRにおいて検出された各血管分岐点をＭＲ血管分岐点ＢＰ_MR,i（i=1,2,…）で表し、ＵＳ血管ツリーＴＲ_USにおいて検出された各血管分岐点をＵＳ血管分岐点ＢＰ_US,j（j=1,2,…）で表す。

なお、血管分岐点を検出する際、簡略化のため、血管ツリーの全体において、血管分岐点から枝分れした血管部分の長さが非常に小さい血管分岐点は排除し、枝分れした血管部分の長さが所定の閾値を超える比較的大きめの血管分岐点のみを検出するようにしてもよい。

ステップＰ４では、血管分岐候補特定部４１が、ＭＲ血管分岐点ＢＰ_MR,i及びＵＳ血管分岐点ＢＰ_US,jの各々について、その血管分岐点から枝分れする二本の血管部分に対応した二つのベクトルを求める。具体的には、次のような処理を行う。

図５（ａ）に示すように、血管ツリーＴＲ上で、血管分岐点ＢＰごとに、その血管分岐点ＢＰを含む所定サイズの領域を注目領域Ａ２として設定する。注目領域Ａ２は、例えば、血管分岐点ＢＰを中心とする［１０×１０×１０］画素の３次元領域とする。注目領域Ａ２内には、血管分岐点ＢＰから枝分れする二本の血管部分ＢＶ₁，ＢＶ₂が含まれている。次に、図５（ｂ）に示すように、二本の血管部分ＢＶ₁，ＢＶ₂それぞれの走行方向と長さを表すベクトルｂ₁，ｂ₂を求める。血管分岐点ＢＰから枝分れする血管部分ＢＶ₁，ＢＶ₂の走行方向と長さは、注目領域Ａ２内において、対象となる血管分岐点ＢＰから枝分れする血管部分に次の血管分岐点ＢＮが現れる場合には、対象となる血管分岐点ＢＰとその次の血管分岐点ＢＮとを結ぶ線分の方向と長さとする。一方、対象となる血管分岐点ＢＰから枝分れする血管部分に、終端点または注目領域Ａ２の境界面との交点である特定点ＢＣが現れる場合には、対象となる血管分岐点ＢＰと特定点ＢＣとを結ぶ線分の方向と長さとする。これにより、ＭＲ血管ツリーＴＲ_MR及びＵＳ血管ツリーＴＲ_USそれぞれにおいて、血管分岐点ＢＰに対応する画素の座標と、その血管分岐点から枝分れする二本の血管部分に対応した二つのベクトルｂ₁，ｂ₂とを用いて、血管分岐候補を特定することができる。

図１２に、血管分岐候補のモデルを示す。ここでは、図１２に示すように、特定された血管分岐候補をＣＤで表す。また、血管分岐点ＢＰから枝分れする二本の血管部分に対応した二つのベクトルｂ₁，ｂ₂のことを分岐ベクトルと呼び、Ｕ，Ｖで表す。さらに、分岐ベクトルＵ，Ｖに直交するベクトルを法線ベクトルＷで表す。

ステップＰ５では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、分岐画像平面ＢＨおよび分岐スライスＢＳもしくはスラブＢＬを設定する。

図１３に、分岐画像平面ＢＨ、分岐スライスＢＳおよびスラブＢＬの設定例を示す。分岐画像平面ＢＨとは、血管分岐候補ＣＤにおける２本の分岐ベクトルＵ，Ｖを含む平面である。分岐スライスＢＳは、この分岐画像平面ＢＨに厚みを持たせたスライスである。スラブＢＬは、分岐スライスＢＳを平面方向において血管分岐候補ＣＤが含まれる範囲に限定した３次元領域である。分岐スライスＢＳまたはスラブＢＬの厚さｄは、例えば、血管の典型的な直径と同等もしくはそれより若干大きい程度を考えることができ、具体的には、３ｍｍ以上、１０ｍｍ以下とすることができる。本例では、分岐スライスＢＳまたはスラブＢＬの厚さｄは、７ｍｍとする。

図１４および図１５に、分岐画像平面の一例を示す。図１４に示す分岐画像平面ＢＨ_t1〜ＢＨ_t4は、真の血管分岐による分岐画像平面である。図１５に示す、分岐画像平面ＢＨ_tf〜ＢＨ_f5は、偽の血管分岐による分岐画像平面である。このように、実際に血管分岐候補を特定すると、真の血管分岐に混じって偽の血管分岐が特定される場合がある。

ステップＰ６では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、プロファイル測定回転角度範囲γを設定する。プロファイル測定回転角度範囲γとは、血管分岐点ＢＰを中心とした回転方向における画素値の空間的な変化を表すプロファイルＰＦを測定する範囲である。

図１６に、プロファイル測定回転角度範囲γの第１設定例を示す。プロファイル測定回転角度範囲γは、例えば図１６に示すように、分岐画像平面ＢＨ上で分岐点ＢＰを中心として２本の分岐ベクトルＵ，Ｖを含む回転角度範囲とする。プロファイル測定回転角度範囲γの回転角度幅Δγ１は、例えば１８０度未満、さらには、２本の分岐ベクトルが成す角度のほとんどが１５０度以下であることを考慮して１５０以下とする。本例では、図１６に示すように、分岐ベクトルＵに対応する回転角度ｎの位置を基準に、もう一方の分岐ベクトルＶ側に１１５度広げ、その反対側に３５度広げた１５０度幅の回転角度範囲を、プロファイル測定回転角度範囲γとする。

図１７に、プロファイル測定回転角度範囲γの第２設定例を示す。プロファイル測定回転角度範囲γは、例えば図１７に示すように、互いに分離された、分岐ベクトルＵを含む所定の回転角度幅の範囲γ_Uと、分岐ベクトルＶを含む所定の回転角度幅の範囲γ_Vとの組合せとしてもよい。範囲γ_Uおよび範囲γ_Vのそれぞれの回転角度幅Δγ２は、例えば５０度以下とする。図１７の例では、分岐ベクトルＵに対応する回転角度ｎの位置を中心に５０度広げた範囲γ_Uとし、分岐ベクトルＶに対応する回転角度ｍの位置を中心に５０度広げた範囲γvとの組合せを、プロファイル測定回転角度範囲γとしている。

ステップＰ７では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、複数の細長領域Ｄ_kを設定する。

図１８および図１９に、細長領域の設定例を示す。図１８は、図１６の第１設定例によるプロファイル測定回転角度範囲γに対する細長領域の設定例である。また、図１９は、図１７の第２設定例によるプロファイル測定回転角度範囲γに対する細長領域の設定例である。細長領域Ｄ_kは、例えば図１８，図１９に示すように、分岐スラブＢＬにおいて、プロファイル測定回転角度範囲γに対し、血管分岐点ＢＰから放射状に伸びる複数の方向の各々について、当該方向に沿って伸びる細長い領域とする。細長領域Ｄ_kの分岐画像平面ＢＨにおける形状、すなわち分岐画像平面ＢＨの上から見た形状は、例えば、血管分岐点ＢＰを頂点とする扇形状、三角形状、または矩形状である。本例では、扇形状とする。つまり、細長領域Ｄ_kは、ちょうど、円盤状の焼き菓子であるホールのパイ（whole pie）をその中心を通るように複数ピース（piece）にカット（cut）したときの１ピースに似た形状である。細長領域Ｄ_kは、血管分岐点ＢＰを中心とした回転方向に沿って隙間なく並ぶように設定する。細長領域Ｄ_kの長手方向の長さ、すなわち扇形状の半径ｒに相当する距離は、例えば１０ｍｍ以上、３０ｍｍ以下であり、本例では２０ｍｍである。扇形状の回転角度幅θは、例えば５度以上、１５度以下の幅であり、本例では１０度幅である。なお、細長領域Ｄ_kの形状によっては、隣り合う２つの細長領域は互いに一部が重複してもよい。

ステップＰ８では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、細長領域Ｄ_kに含まれる複数の画素の画素値を基に、細長領域ごとに画素値の代表値Ｑ_kを求める。例えば、代表値Ｑ_kは、細長領域Ｄ_kに含まれる画素の画素値の平均値である。また例えば、代表値Ｑ_kは、細長領域Ｄ_kに含まれる画素の画素値を分岐スライスＢＳまたはスラブＢＬの厚み方向に最大値投影（Maximum Intensity Projection: MIP)もしくは最小値投影（minimum intensity projection: MinIP）して得られた画像の画素値の平均値である。なお、この場合において、最大値投影と最小値投影のいずれを用いるかについては、血管の画素値がその周囲の組織に対して低くなるように描写されるハイポ（hypo）である場合には、最小値投影を用いる。一方、血管の画素値がその周囲の組織に対して高くなるように描写されるハイパー（hyper）である場合には、最大値投影を用いる。血管がハイポ（hypo）で描写される画像としては、例えば、超音波装置によるＢモード画像、ＭＲＩ装置による血管造影画像などが考えられる。また、血管の画素値がハイパー（hyper）で描写される画像としては、例えば、Ｘ線ＣＴ装置による血管造影画像などが考えられる。

ステップＰ９では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、細長領域Ｄ_kの代表画素値Ｑ_kのプロファイルを生成する。回転方向に沿って並んだ複数の細長領域Ｄ_kにおける代表画素値の変化を表すプロファイルＰＦを生成する。

図２０および図２１に、プロファイルの例を示す。図２０は、図１８の例による細長領域Ｄ_kに対するプロファイルの例である。また、図２１は、図１９の例による細長領域Ｄ_kに対するプロファイルの例である。

ステップＰ１０では、真偽判定部４２が、特定された個々の血管分岐候補ＣＤについて、プロファイルＰＦにピーク探索処理を適用してピークを検出し、２つのピークがあるか否かを判定する。ピーク探索処理は、既知の方法に基づく処理でよい。２つのピークがある場合、これらのピークは、血管分岐の特徴であるＹの字形状の分岐における２つの枝分れに対応している可能性が高い。一方、ピークが２つ未満や３つ以上の場合、これらのピークは枝分れではない可能性が高い。そこで、２つのピークがある場合には、その候補は真の血管分岐であると判定し、そうでない場合には、その候補は誤検出されたもの、つまり偽の血管分岐であると判定する。真の血管分岐であると判定された血管分岐候補は、血管分岐として検出され、以降の処理の対象とされる。偽の血管分岐であると判定された血管分岐候補は、以降の処理の対象から外される。

なお、プロファイル測定回転角度範囲γが、分岐ベクトルＵを含む範囲γ_Uと、分岐ベクトルＶを含む範囲γ_Vとの組合せである場合には、範囲γ_Uと範囲γ_Vとにそれぞれ１つずつピークがある場合に、その候補を真の血管分岐と判定する。

探索するピークの向きについては、血管の画素値がその周囲の組織に対してハイポ（hypo）で描写される場合には、ピークは画素値が小さくなる向き（下）に現れるので、下に凸となるピークを探索する。一方、血管の画素値がその周囲の組織に対してハイパー（hyper）で描写される場合には、ピークは画素値が大きくなる向き（上）に現れるので、上に凸となるピークを探索する。

図２０に示すプロファイルＰＦの例では、第１のピークＰＫ１と第２のピークＰＫ２とがあり、２つのピークが確認できる。この場合、対象の血管分岐候補ＣＤは真の血管分岐であると判定することができる。また、図２１に示すプロファイルＰＦの例では、範囲γ_Uと範囲γ_Vとにピークが一つずつ確認できる。この場合にも、対象の血管分岐候補ＣＤは真の血管分岐であると判定することができる。

なお、以下、ＭＲ血管ツリーＴＲ_MRにおける血管分岐をＭＲ血管分岐といい、ＵＳ血管ツリーＴＲ_USにおける血管分岐をＵＳ血管分岐という。

マッチング評価部５は、ＭＲ血管分岐とＵＳ血管分岐との組合せごとに、血管分岐同士のマッチング評価を行う。本例では、マッチング評価の対象となるＭＲ血管分岐とＵＳ血管分岐とが重なるように、スムージング処理済みのＭＲ血管画像Ｖ_MRと、スムージング処理済みのＵＳ血管画像Ｖ_USとを位置合せする。次いで、位置合せされたＭＲ血管画像Ｖ_MRとＵＳ血管画像Ｖ_USとの間において、マッチング評価の対象となるＭＲ血管分岐及びＵＳ血管分岐の周辺での類似度を算出する。類似度の値が大きいほど、血管分岐同士がよりマッチングしていると評価される。具体的には、マッチング評価の対象となるＭＲ血管分岐及びＵＳ血管分岐の組合せごとに、次のような処理を行う。

図６に、血管分岐のマッチング評価の概念図を示す。まず、スムージング処理済みのＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USに座標変換を行って、これらの血管画像をマッチング評価の対象となるＭＲ血管分岐及びＵＳ血管分岐に共通の座標空間に置く。

この座標空間は、マッチング評価の対象となるＭＲ血管分岐のＭＲ血管分岐点と、マッチング評価の対象となるＵＳ血管分岐のＵＳ血管分岐点とが重なり、さらに、そのＭＲ血管分岐を形成する二本の血管部分に対応した二つのベクトルを含む平面と、そのＵＳ血管分岐を形成する二本の血管部分に対応した二つのベクトルを含む平面とが重なるように規定された座標空間である。以下、この座標空間を第一共通座標空間という。スムージング処理済みのＭＲ血管画像Ｖ_MRを第一共通座標空間に置くには、マッチング評価の対象となるＭＲ血管分岐に対応した変換行列を求め、この変換行列を用いてＭＲ血管画像Ｖ_MRの座標変換を行う。同様に、スムージング処理済みのＵＳ血管画像Ｖ_USを第一共通座標空間に置くには、マッチング評価の対象となるＵＳ血管分岐に対応した変換行列を求め、この変換行列を用いてＵＳ血管画像Ｖ_USの座標変換を行う。

ここで、変換行列の求め方について説明する。変換行列は、第一共通座標空間の中心となる原点と、血管分岐の姿勢（向き）を規定する回転行列とによって構成される。図７に示すように、血管分岐点をＰ＝[ｐ_x，ｐ_y，ｐ_z]とし、血管分岐点Ｐから枝分れする血管部分に対応するベクトルをＵ及びＶ′とし、ＵＶ′面に垂直なベクトル、すなわち法線ベクトルをＷとする。また、ＷＵ面に垂直なベクトルをＶとする。すると、互いに直交するベクトルＵ，Ｖ，Ｗは、当該血管分岐の姿勢に応じて決定され、回転行列を規定する。図３（ｃ）に、ＭＲ血管分岐におけるベクトルＵ，Ｖ，Ｗの算出結果のサンプルを示す。

Ｕ＝[ｕ_x ｕ_y ｕ_z]，Ｖ′＝[ｖ’_x ｖ’_y ｖ’_z]
Ｗ＝Ｕ×Ｖ′＝[ｗ_x ｗ_y ｗ_z]
Ｖ＝(Ｕ×Ｖ′)×Ｕ＝[ｖ_x ｖ_y ｖ_z]

変換行列は、ＭＲ血管ツリーＴＲ_MRにおいて検出されたＭＲ血管分岐と、ＵＳ血管ツリーＴＲ_USにおいて検出されたＵＳ血管分岐との各々について求められる。ＭＲ血管分岐について求められる変換行列Ｔ_MR-BFと、ＵＳ血管分岐について求められる変換行列Ｔ_US-BFとは、それぞれ次のように表すことができる。

なお、ＭＲ画像Ｇ_MRとＵＳ画像Ｇ_USとの間にスケール（scale）の相違がある場合には、ＭＲ血管分岐またはＵＳ血管分岐の対応する変換行列に、スケール比scalを乗ずることで、このスケールの相違をキャンセル（cancel）することができる。ＭＲ画像Ｇ_MRとＵＳ画像Ｇ_USとのスケール比の行列は、次のように表すことできる。

ここで、スケールパラメータ（scale parameter）ｆx，ｆy，ｆzは、ＭＲ画像Ｇ_MRとＵＳ画像Ｇ_USとの間における対応実空間のスケール比から求められる。

スムージング処理済みのＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USを、第一共通座標空間に置いたら、ＭＲ血管画像Ｖ_MRとＵＳ血管画像Ｖ_USとの類似度を算出する。具体的には、第一共通座標空間において、ＭＲ血管画像Ｖ_MR及びＵＳ血管画像Ｖ_USそれぞれについて、第一共通座標空間の原点を含む所定サイズの領域を評価領域として設定する。評価領域は、例えば、その原点を中心とした［６４×６４×６４］画素の３次元領域とする。そして、ＭＲ血管画像Ｖ_MRとＵＳ血管画像Ｖ_USとの間における当該評価領域での類似度を算出する。類似度としては、例えば、相互相関係数を用いる。相互相関係数の算出に用いる相関関数は、既知のものでよい。

このようなＭＲ血管画像及びＵＳ血管画像の第一共通座標空間への座標変換と、類似度の算出とを、ＭＲ血管分岐及びＵＳ血管分岐の組合せごとにそれぞれ行う。すなわち、ＭＲ血管分岐の数をｍ個とし、ＵＳ血管分岐の数をｎ個とすると、ＭＲ血管分岐それぞれの変換行列と、ｎ個のＵＳ血管分岐それぞれの変換行列とは、次のように表すことができる。

｛Ｔ_1MR-BF，Ｔ_2MR-BF，…，Ｔ_mMR-BF｝ ｛Ｔ_1US-BF，Ｔ_2US-BF，…，Ｔ_nUS-BF｝
そして、上記したマッチング評価処理を、ＭＲ血管分岐とＵＳ血管分岐との組合せの数、すなわちｍ×ｎの数だけ行う。ただし、ＭＲ血管分岐のどちらの血管部分とＵＳ血管分岐のどちらの血管部分とが共通の同じ血管となる可能性があるのかは、マッチング評価を行うまで不明である。そのため、実際には、ＭＲ血管分岐とＵＳ血管分岐との組合せごとに、ＭＲ血管分岐またはＵＳ血管分岐のいずれかに対して、血管分岐を形成する二本の血管部分の一方と他方とを位置的に入れ換えた場合についても、マッチング評価を行う必要がある。したがって、厳密には、上記マッチング評価処理は、ｍ×ｎ×２の数だけ行うことになる。

マッチング評価部５は、さらに、算出された４４類似度を比較して、ベストマッチング（best matching）の血管分岐の組合せ、すなわち、類似度が最大となる血管分岐の組合せを、ＭＲ画像及びＵＳ画像に共通する同一の血管分岐を表すものとして特定する。そして、この組合せに対応した変換行列に基づいて、ＭＲ画像の座標変換に用いる変換行列を決定する。

粗い位置合せに最適な変換行列は、次式により求められる。

Ｔ_MR-US＝[Ｔ_MR-BF]_best[Ｔ_US-BF]^-1 _best[scal]

ここで、[Ｔ_MR-BF]_bestは、ベストマッチングとなったＭＲ血管分岐に対応する変換行列であり、[Ｔ_US-BF]^-1 _bestは、ベストマッチングとなったＵＳ血管分岐に対応する変換行列の逆行列である。

座標変換部６は、この最適な変換行列Ｔ_MR-USを用いて、ＭＲ画像Ｇ_MRの座標変換を行うことにより、ＭＲ画像Ｇ_MRをＵＳ画像Ｇ_USに粗く位置合せをする。

位置合せ調整部７は、粗く位置合せされたＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USに対して、細かい位置合せを行う。細かい位置合せには、位置合せする画像間における画素値や、濃度勾配、エッジなどの特徴部分が合致するように座標変換を行う手法などを用いる。

本例における細かい位置合せに適した手法の一つとして、標準勾配場（Normalized Gradient Field：NGF）を用いる手法、例えば、非特許文献 Proceeding of SPIE Vol.7261, 72610G-1, 2009 に記載されている手法が挙げられる。標準勾配場とは、画像上の座標において各方向ｘ，ｙ，ｚの１次偏微分、すなわち勾配ベクトル（Gradient Vector）を算出した後、その勾配ベクトルをその勾配ベクトルの長さ（Vector Norm）で規格化（normalized）したものである。つまり、標準勾配場は、画素値あるいは輝度値の大小や勾配の大きさに依存せず、勾配の方向だけを表す特徴量である。仮に、ある２つの画像において互いに対応する位置に同じ方向の標準勾配場が発生しているならば、これら２つの画像の位置は合っていると見なすことができる。したがって、この手法では、標準勾配場が示す方向の揃い具合を最適化することで、位置合せを行うことができる。

対応断面像生成部８は、位置合せが成されたＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USにおいて、互いに対応する断面像を生成する。生成する断面像の断面位置は、例えば、操作者によって指定される。

画像出力部９は、生成された断面像を画面に表示させたり、画像データとして外部に出力したりする。このとき、ベストマッチングの血管分岐の組合せを、画像化して共に出力してもよい。例えば、ＭＲ血管ツリーＴＲ_MRとＵＳ血管ツリーＴＲ_USとを並べて表示し、これらの画像の上に、ベストマッチングの血管分岐を構成する血管分岐点と、その血管分岐を形成する血管部分のベクトルとを、色づけするなどして強調して表示する。図８に、画像表示の一例を示す。図８において、上段左の画像は、ＵＳ血管分岐に対応するベクトルＵ，Ｖ，Ｗを求めて表示した結果を含むＵＳ血管ツリーＴＲ_MR1であり、上段右の画像は、ＭＲ血管分岐に対応するベクトルＵ，Ｖ，Ｗを求めて表示した結果を含むＭＲ血管ツリーＴＲ_US1である。また、下段左の画像は、特定されたベストマッチングのＵＳ血管分岐を含む、座標変換済みＵＳ画像の所定断面像Ｇ_US1であり、下段中央の画像は、特定されたベストマッチングのＭＲ血管分岐を含む、座標変換済みＭＲ画像Ｇ_MR1の所定断面像である。下段右の画像は、ＵＳ画像Ｇに粗い位置合せが成されたＭＲ画像の任意断面像Ｇ_MR-USである。

これより、本実施形態に係る画像処理装置１における処理の流れについて説明する。図９は、本実施形態に係る画像処理装置１における処理の流れを示すフロー図である。

ステップ（step）Ｓ１では、画像取得部２が、同一被検者の肝臓を表すＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USを取得する。本例では、ＵＳ画像Ｇ_USを目標画像とし、ＭＲ画像Ｇ_MRを対象画像とする。

ステップＳ２では、血管抽出部３が、ＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USそれぞれについて、肝臓の門脈または肝静脈に相当する血管を表す血管画像を抽出する。抽出には既知の手法を用いる。血管画像は二値化画像として抽出する。

ステップＳ３では、血管分岐検出部４が、ＭＲ画像Ｇ_MRにおいて抽出されたＭＲ血管画像Ｖ_MRと、ＵＳ画像Ｇ_USにおいて抽出されたＵＳ血管画像Ｖ_USのそれぞれに対して、スムージング処理及びスケルトン処理を施して、ＭＲ血管ツリーＴＲ_MR及びＵＳ血管ツリーＴＲ_USを得る。

ステップＳ４では、血管分岐検出部４が、ＭＲ血管ツリーＴＲ_MR及びＵＳ血管ツリーＴＲ_USそれぞれにおいて、枝骨に沿って追跡しながら解析を行う。この解析により、血管分岐点の位置と、その血管分岐点から枝分れする二本の血管部分に対応するベクトルとを求めることにより、１つ以上の血管分岐を検出する。この際、特定された血管分岐候補に対して、血管分岐候補が特定された３次元画像における当該血管分岐候補の２つの枝分れ方向のベクトルを含むスラブにおいて、血管分岐点を中心とした回転方向における画素値のプロファイルを基に、その真偽を判定する。これにより、偽の血管分岐を排除することができ、血管分岐の検出精度が増す。

ステップＳ５では、マッチング評価部５が、マッチング評価の対象となるＭＲ血管分岐とＵＳ血管分岐との組合せごとに、血管分岐同士が重なるように、スムージング処理済みのＭＲ血管画像Ｖ_MRと、スムージング処理済みのＵＳ血管画像Ｖ_USとを位置合せする。そして、位置合せされたＭＲ血管画像Ｖ_MRとＵＳ血管画像Ｖ_USとの間において、対象となるＭＲ血管分岐及びＵＳ血管分岐の周辺での類似度を算出する。

ステップＳ６では、マッチング評価部５が、最大の類似度が算出された血管分岐の組合せを、ベストマッチングの血管分岐の組合せとして特定する。

ステップＳ７では、マッチング評価部５が、ベストマッチングの血管分岐に対応した変換行列に基づいて、粗い位置合せのための画像の座標変換に用いる変換行列Ｔ_MR-USを決定する。

ステップＳ８では、座標変換部６が、ＭＲ画像Ｇ_MRを、ステップＳ７で決定した変換行列Ｔ_MR-USを用いて座標変換を行うことにより、ＵＳ画像Ｇ_USに粗く位置合せをする。

ステップＳ９では、位置合せ調整部７は、粗く位置合せされたＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USに対して、細かい位置合せを行い、位置合せの調整を行う。細かい位置合せには、位置合せの対象となる画像間における画素値や、濃度勾配、エッジ（edge）などの特徴部分が合致するように座標変換を行う手法などを用いる。

ステップＳ１０では、対応断面像生成部８が、位置合せが成されたＭＲ画像Ｇ_MR及びＵＳ画像Ｇ_USにおいて、互いに対応する断面像を生成する。生成する断面像の断面位置は、例えば、操作者によって指定される。

ステップＳ１１では、画像出力部９が、生成された断面像を画面に表示させたり、画像データ（data）として外部に出力したりする。

このように、上記の実施形態に係る画像処理装置によれば、同一の被写体を表す画像間の位置合せにおいて、互いに対応する血管構造が実質的に同一であることを利用して、一部の血管分岐が最もマッチングするように座標変換する。そのため、位置合せの対象となる画像間で輝度値の関連性が小さい場合であっても、その影響を受けることなく位置合せを行うことができ、精度の高い位置合せを行うことが可能になる。

また、上記の実施形態では、マッチング評価を、ＭＲ血管画像におけるｍ個の血管分岐と、ＵＳ血管画像におけるｎ個の血管分岐との総当たりの組合せについて行っているが、これに限定されるものではない。例えば、マッチング評価を、ＵＳ血管画像におけるｎ個の血管分岐のうち、ユーザによって選択された単一の血管分岐と、ＭＲ血管画像におけるｍ個の血管分岐との組合せごとに行ってもよいし、ＭＲ血管画像におけるｍ個の血管分岐のうち、ユーザによって選択された単一の血管分岐と、ＵＳ血管画像におけるｎ個の血管分岐との組合せごとに行ってもよい。ユーザによって選択される単一の血管分岐は、例えば、ＭＲ画像またはＵＳ画像における腫瘤などを含む関心領域の近傍に存在する血管分岐とすることができる。このようにすれば、関心領域の周辺において特に高い精度での位置合せを期待することができ、診断効率をより向上させることが可能になる。

また、上記の実施形態では、血管分岐の検出において、一旦、血管分岐候補を特定した後、その血管分岐候補が特定された３次元画像における当該血管分岐候補の２つの枝分れ方向を含むスラブにおいて、その血管分岐候補の分岐点を中心とした回転方向における画素値のプロファイルを求め、このプロファイルに基づいてその血管分岐候補の真偽を判定している。このため、血管分岐候補のうちＹの字形状に特徴的なプロファイルを持つか否かにより真偽を判定することができ、偽の血管分岐を効率よく排除することができる。その結果、２画像間で互いに対応する血管分岐の組合せを見つけ、これらを重ね合わせるように座標変換することで画像間の位置合せを行う際に、当該組合せを見つける際に試す必要のある血管分岐の組合せの数を減らして処理時間を短縮することができるだけでなく、組合せの検出精度も上がり、位置合せの精度が増す。

また、位置合せを行う２つの画像の組合せとしては、ＭＲ画像とＵＳ画像の組合せだけでなく、ＣＴ画像とＵＳ画像や、ＭＲ画像とＣＴ画像の組合せなど、あらゆる撮像モダリティの画像に適用できる。ただし、本提案による位置合せ手法は、位置合せの対象となる２つの画像間で輝度値の関連性が薄い場合にも、その影響をほとんど受けずに位置合せを行うことができる。そのため、本提案による位置合せ手法は、位置合せ対象の画像として、特殊な描写形態・コントラスト（contrast）を有するＵＳ画像が含まれる場合に、特に有効である。

また、上記実施形態は、発明を、撮像モダリティが互いに異なる画像同士の位置合せに適用した例であるが、撮像モダリティが同一であって撮像の時相が互いに異なる画像同士の位置合せにも適用することもできる。このような画像としては、例えば、手術前後の画像や造影撮影における早期相と後期相の画像などが考えられる。また、発明は、人体の医用画像だけでなく、動物の医用画像にも適用可能である。

また、上記実施形態における血管分岐の検出手法は、画像の位置合せ処理だけでなく、血管分岐を検出して用いるすべての画像処理に適用可能である。

また、上記実施形態は、画像処理装置であるが、コンピュータをこのような画像処理装置として機能させるためのプログラムや、このようなプロフラムを記憶するコンピュータ読み取り可能な記憶媒体もまた発明の実施形態の一例である。

１ 画像処理装置
２ 画像取得部
３ 血管抽出部
４ 血管分岐検出部（検出手段）
４１ 血管分岐候補特定部（特定手段）
４２ 真偽判定部（判定手段）
５ マッチング評価部（演算手段）
６ 座標変換部（変換手段）
７ 位置合せ調整部
８ 対応断面像生成部
９ 画像出力部

Claims (19)

1. 同一の被写体を表し撮像モダリティが互いに異なる３次元画像である第一医用画像及び第二医用画像においてそれぞれ１以上の血管分岐を検出する検出手段と、
   互いに対応する前記第一医用画像における血管分岐と前記第二医用画像における血管分岐との間のずれが小さくなるように、前記第一医用画像及び第二医用画像のうち少なくとも一方を座標変換して位置合せを行う変換手段とを備えた画像処理装置であって、
   前記検出手段は、
   前記第一医用画像及び第二医用画像のうち少なくとも一方の画像において血管分岐候補を特定する特定手段と、
   前記少なくとも一方の画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の強度変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定手段とを有している、画像処理装置。
2. 前記判定手段は、前記平面、スライスまたはスラブにおける前記血管分岐候補の分岐点から放射状に伸びる複数の方向の各々について、該方向に沿って伸びる細長領域ごとに画素値の代表値を算出し、前記分岐点を中心とする回転方向に沿った前記細長領域の前記代表値の変化を表すプロファイルの形状に基づいて前記判定を行う、請求項１に記載の画像処理装置。
3. 前記プロファイルは、前記回転方向における前記２つの枝分れ方向を含む所定の角度範囲の領域に対応している、請求項２に記載の画像処理装置。
4. 前記判定手段は、前記プロファイルにおいて前記代表値の２つのピークが存在する場合に、前記血管分岐候補は真の血管分岐であると判定する、請求項３に記載の画像処理装置。
5. 前記所定の角度範囲は、１８０度未満である、請求項３または請求項４に記載の画像処理装置。
6. 前記プロファイルは、前記回転方向における前記２つの枝分れ方向の一方を含む領域と他方を含む領域とに対応している、請求項２に記載の画像処理装置。
7. 前記判定手段は、前記一方を含む領域に対応したプロファイルにおいて前記代表値の１つのピークが存在し、かつ、前記他方を含む領域に対応したプロファイルにおいて前記代表値の一つのピークが存在する場合に、前記血管分岐候補は真の血管分岐であると判定する、請求項６に記載の画像処理装置。
8. 前記代表値は、前記細長領域に含まれる画素の画素値の平均値、または、前記細長領域に含まれる画素の画素値を前記スライスまたはスラブの厚み方向に最大値投影もしくは最小値投影して得られた画像の画素値の平均値である、請求項２から請求項７のいずれか一項に記載の画像処理装置。
9. 前記細長領域の前記平面における形状は、前記分岐点を頂点とする扇形状である、請求項２から請求項８のいずれか一項に記載の画像処理装置。
10. 前記細長領域の前記平面における形状は、前記分岐点を頂点とする三角形状である、請求項２から請求項８のいずれか一項に記載の画像処理装置。
11. 前記細長領域の長手方向の長さは、実寸で１０ｍｍ以上、３０ｍｍ以下に相当する長さである、請求項２から請求項１０のいずれか一項に記載の画像処理装置。
12. 前記スライスまたはスラブの厚さは、実寸で３ｍｍ以上、１０ｍｍ以下に相当する厚さである、請求項２から請求項１１のいずれか一項に記載の画像処理装置。
13. 前記第一医用画像における第一血管画像及び前記第二医用画像における第二血管画像を抽出する抽出手段を有し、
    前記検出手段が、
    前記抽出手段により抽出された第一血管画像及び第二血管画像それぞれについて、血管分岐を１つ以上検出する、請求項１に記載の画像処理装置。
14. 前記第一血管画像における血管分岐と前記第二血管画像における血管分岐とによる複数の組合せの各々について、血管分岐のずれが小さくなるように、前記第一血管画像及び第二血管画像のうち少なくとも一方に座標変換を行い、前記第一血管画像及び第二血管画像の間において、前記血管分岐を含む所定領域における類似度を算出する演算手段を有し、
    前記変換手段が、
    前記類似度が最も高い座標変換を用いて、前記位置合せのための座標変換を行う、請求項１３に記載の画像処理装置。
15. 前記演算手段は、前記血管分岐の分岐点同士が重なり、かつ、該分岐点から枝分れする二本の血管部分に近似する二直線を含む平面同士が重なるように、前記座標変換を行う、請求項１４に記載の画像処理装置。
16. 前記特定手段は、前記少なくとも一方の画像の画素値に基づいて血管領域を抽出し、該血管領域を細線化して得られた画像に基づいて、前記血管分岐候補を特定する、請求項１、請求項１３、請求項１４および請求項１５のいずれか一項に記載の画像処理装置。
17. 前記第一医用画像及び第二医用画像は、肝臓を含む画像である、請求項１、および請求項１３から請求項１６のいずれか一項に記載の画像処理装置。
18. 同一の被写体を表し撮像モダリティが互いに異なる３次元画像である第一医用画像及び第二医用画像においてそれぞれ１以上の血管分岐を検出する検出ステップと、
    互いに対応する前記第一医用画像における血管分岐と前記第二医用画像における血管分岐との間のずれが小さくなるように、前記第一医用画像及び第二医用画像のうち少なくとも一方を座標変換して位置合せを行う変換ステップとを有する画像処理方法であって、
    前記検出ステップは、
    前記第一医用画像及び第二医用画像のうち少なくとも一方の画像において血管分岐候補を特定する特定ステップと、
    前記少なくとも一方の画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の強度変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定ステップとを有している、画像処理方法。
19. コンピュータに、
    同一の被写体を表し撮像モダリティが互いに異なる３次元画像である第一医用画像及び第二医用画像においてそれぞれ１以上の血管分岐を検出する検出処理と、
    互いに対応する前記第一医用画像における血管分岐と前記第二医用画像における血管分岐との間のずれが小さくなるように、前記第一医用画像及び第二医用画像のうち少なくとも一方を座標変換して位置合せを行う変換処理とを実行させるためのプログラムであって、
    前記検出処理は、
    前記第一医用画像及び第二医用画像のうち少なくとも一方の画像において血管分岐候補を特定する特定処理と、
    前記少なくとも一方の画像内の前記血管分岐候補の２つの枝分れ方向を含む平面、スライスまたはスラブにおける、該血管分岐候補の分岐点を中心とした回転方向の画素値の強度変化を表すプロファイルに基づいて、該血管分岐候補が真の血管分岐であるか否かの判定を行う判定処理とを有する、プログラム。