JP6705528B2 - 医用画像表示処理方法、医用画像表示処理装置およびプログラム - Google Patents
医用画像表示処理方法、医用画像表示処理装置およびプログラム Download PDFInfo
- Publication number
- JP6705528B2 JP6705528B2 JP2019073402A JP2019073402A JP6705528B2 JP 6705528 B2 JP6705528 B2 JP 6705528B2 JP 2019073402 A JP2019073402 A JP 2019073402A JP 2019073402 A JP2019073402 A JP 2019073402A JP 6705528 B2 JP6705528 B2 JP 6705528B2
- Authority
- JP
- Japan
- Prior art keywords
- atrophy
- disease
- region
- interest
- specific disease
- 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
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
尚、本実施形態においては、上記テンプレートを作成する際の解剖学的標準化の手法としてDARTEL(Diffeomorphic Anatomical Registration Through Exponentiated Lie algebra)を採用する。DARTELを用いたテンプレート作成の処理は、特許文献1と同様であるため、記載を省略する。
図2は、本実施形態に係る診断支援装置1の処理を示すフローチャートである。尚、この処理はコンピュータからなる処理部20においてプログラムにより実行可能なものである。
ここで、図3のフローチャートを参照しながら、上記ステップS2における萎縮スコアの算出処理を説明する。
診断支援装置1は、入力された被験者のMRI脳画像に対し「画像再構成」を行う(ステップS21)。
ステップS21の画像再構成がなされた後、診断支援装置1は「組織分割」を行い、灰白質と白質を抽出した灰白質脳画像と白質脳画像を作成する(ステップS22)。
そして、診断支援装置1は、ステップS22において作成された灰白質脳画像及び白質脳画像に対し「解剖学的標準化」を行う(ステップS23)。
ステップS24において、診断支援装置1は、健常者のMRI画像との比較を行い、被験者の脳の萎縮の程度を示す「萎縮スコア」を算出する。本実施形態では、萎縮スコアとして統計的指標である「Zスコア」を用いる。
また、特許5098393号記載のように有意水準と経験則の両方を考慮してROIを特定してもよい。
また、疾患画像(群)のみからROIを特定してもよい。例えば、疾患画像(群)について、脳全体における萎縮の大きさに相関して萎縮が大きい部位をROIとして特定してもよい。
その他、診断者等の主観により手動でROIを特定してもよい。
ステップS4において、診断支援装置1は、ステップS3において特定した各部位の診断支援情報等を比較表示する。
診断支援装置1は、「関心領域内」における萎縮の程度を示す「萎縮度」を算出する。また、萎縮度を灰白質及び白質の組織毎に算出することで、各疾患に関連する部位の萎縮の程度を組織毎に定量的に評価することができるようにする。
診断支援装置1は、上記した萎縮度に基づき更に「萎縮比」を算出する。ここで、「萎縮比」とは異なる疾患が想定されるときにある疾患を基準として他の疾患の特徴がどれだけ大きいかを示す指標のことを言う。前述した萎縮度は、疾患毎の関心領域における萎縮の程度を個別的に把握できるものの、各疾患の関連性を一意に把握できる指標ではないため、各疾患を鑑別支援する指標としては十分ではない。そこで、本実施形態では、更に、上記算出した各疾患の萎縮度の比である「萎縮比」を定義し、これを各疾患の鑑別支援の指標として用いる。
例えば、疾患A、疾患Bが想定される場合、疾患Aを基準とした疾患Bの萎縮比は次のように算出される。
上式により、萎縮比の値が小さいと疾患Aの傾向が強く、萎縮比の値が大きいと疾患Bの傾向が強いものと判断でき、各疾患の鑑別を支援する指標となりうる。例えば、適切な閾値を設定し、数式(7)(8)の萎縮比が閾値より小さい場合には疾患A、萎縮比が閾値より大きい場合には疾患B、といった具合に各疾患を判別可能である。
但し、この場合、健常者データベース35には予め灰白質脳画像と白質脳画像を合成した健常者画像群が予め用意されており、これら画像群と被験者の灰白質脳画像及び白質脳画像を合成した被験者画像との比較により、Zスコアを算出し、当該Zスコアから萎縮度及び萎縮比を算出する。
図4は、診断支援装置1のユーザインターフェース部10の表示例を示す。
ここでは、一実施例として、アルツハイマー型認知症(以下、「AD」と呼ぶ)とレビー小体型認知症(以下、「DLB」と呼ぶ)の2つの疾患を対象として鑑別支援の可能性を検証した。
pattern from Alzeimer’s disease.” Brain(2007) )。また、別の研究によれば、DLBは中脳(背側)・橋(背側)・小脳の白質が萎縮するとの報告がなされている( Nakatsuka, et al.
“Discrimination of dementia with Lewy
bodies from Alzheimer’s disease using voxel-based
morphometry of white matter by statistical parametric mapping 8 plus
diffeomorphic anatomic registration through exponentiated Lie algebra.
”Neuroradiology(2013) )。これら先行研究の知見によれば、DLBにおいては後部脳幹付近に特異な傾向があるものと推測される。
図6に示すように、萎縮比τ1に対して閾値α1、萎縮比τ2に対して閾値α2を設定し、τ1>α1及びτ2>α2の両方を満たす場合、DLBの疑いがあると判別できる。それ以外の場合は、ADの疑いがあると判別できる。
示す。灰色のドットがADと診断された患者を示し、黒色のドットがDLBと診断された患者を示す。本実施形態では閾値α1、α2はともに0.2に設定した。
図7に示すようにτ1>α1及びτ2>α2を満たすエリアにDLB患者が多く分布し、それ以外のエリアにAD患者が多く分布しているのが分かり、良好な判別結果が得られた。これにより「萎縮比」がADとDLBを対象とした鑑別支援の指標として有効であることが確認された。
10・・・ユーザインターフェース部
11・・・画像入力機能
13・・・表示機能
20・・・処理部
21・・・画像処理機能
23・・・統計処理機能
25・・・部位特定機能
27・・・萎縮度算出機能
29・・・萎縮比算出機能
30・・・データベース部
31・・・灰白質脳画像テンプレート
33・・・白質脳画像テンプレート
35・・・健常者データベース
37・・・関心領域ROI
Claims (5)
- 想定される複数の疾患から特定の疾患を判定する診断支援装置であって、
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段と、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段と、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段と、
を備え、
前記算出手段は、前記萎縮の評価値として、前記特定の疾患とは異なる他の疾患の関心領域における萎縮度に対する前記特定の疾患の関心領域における萎縮度の比である萎縮比を複数の組織で算出する
ことを特徴とする診断支援装置。 - 前記算出手段は、前記萎縮比を算出する際に、前記他の疾患の関心領域における萎縮度として、当該他の疾患の関心領域において萎縮の傾向が強く現れる組織の萎縮度を用いる
ことを特徴とする請求項1に記載の診断支援装置。 - 前記特定の疾患はレビー小体型認知症であり、前記他の疾患はアルツハイマー型認知症であり、
前記設定手段は、各組織の萎縮比がともに0.2以下の閾値より大きいことを、レビー小体型認知症を判定するための条件として設定する
ことを特徴とする請求項1または請求項2に記載の診断支援装置。 - コンピュータが、想定される複数の疾患から特定の疾患を判定する診断支援方法であって、
前記コンピュータが、
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出ステップと、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定ステップと、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定ステップと、
を実行し、
前記算出ステップは、前記萎縮の評価値として、前記特定の疾患とは異なる他の疾患の関心領域における萎縮度に対する前記特定の疾患の関心領域における萎縮度の比である萎縮比を複数の組織で算出する
ことを特徴とする診断支援方法。 - コンピュータを、想定される複数の疾患から特定の疾患を判定する診断支援装置として機能させるプログラムであって、
前記コンピュータを、
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段、
として機能させ、
前記算出手段は、前記萎縮の評価値として、前記特定の疾患とは異なる他の疾患の関心領域における萎縮度に対する前記特定の疾患の関心領域における萎縮度の比である萎縮比を複数の組織で算出する
ことを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019073402A JP6705528B2 (ja) | 2019-04-08 | 2019-04-08 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019073402A JP6705528B2 (ja) | 2019-04-08 | 2019-04-08 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014194786A Division JP2016064004A (ja) | 2014-09-25 | 2014-09-25 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019136519A JP2019136519A (ja) | 2019-08-22 |
JP6705528B2 true JP6705528B2 (ja) | 2020-06-03 |
Family
ID=67692608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019073402A Active JP6705528B2 (ja) | 2019-04-08 | 2019-04-08 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6705528B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102321601B1 (ko) * | 2020-11-19 | 2021-11-05 | 주식회사 휴런 | 뇌 영상을 이용한 알츠하이머병의 생물학적 분류 장치 및 방법 |
JP2023005697A (ja) * | 2021-06-29 | 2023-01-18 | 大日本印刷株式会社 | 診断支援装置、コンピュータプログラム及び診断支援方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2184010B1 (en) * | 2007-06-29 | 2019-05-08 | Toshinori Kato | White matter enhancing method |
WO2011040473A1 (ja) * | 2009-09-29 | 2011-04-07 | 大日本印刷株式会社 | 医用画像処理方法、装置およびプログラム |
JP5878125B2 (ja) * | 2010-09-07 | 2016-03-08 | 株式会社日立メディコ | 認知症診断支援装置及び認知症診断支援方法 |
-
2019
- 2019-04-08 JP JP2019073402A patent/JP6705528B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019136519A (ja) | 2019-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016047683A1 (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
Rorden et al. | Age-specific CT and MRI templates for spatial normalization | |
US8280482B2 (en) | Method and apparatus for evaluating regional changes in three-dimensional tomographic images | |
JP4025823B2 (ja) | 脳疾患の診断支援方法及び装置 | |
JP5366356B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP5601378B2 (ja) | 医用画像処理装置 | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
US10638995B2 (en) | Imaging-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods | |
JP5699936B2 (ja) | 医用画像処理装置の作動方法、装置およびプログラム | |
JP6036009B2 (ja) | 医用画像処理装置、およびプログラム | |
KR101530015B1 (ko) | 컴퓨터 단층촬영 이미지의 밀도 분석 방법 | |
US20060239524A1 (en) | Dedicated display for processing and analyzing multi-modality cardiac data | |
JP2013198763A (ja) | 医用画像処理装置 | |
CN111602173A (zh) | 断层扫描数据分析 | |
US20100260394A1 (en) | Image analysis of brain image data | |
US20210217166A1 (en) | Automated screening of medical data | |
US20040057607A1 (en) | Display of image data information | |
WO2019007952A1 (en) | METHOD OF EVALUATING IMAGE ANALYSIS OF PROBABILITY THAT ISCHEMIA IN A CEREBRAL TISSUE AREA RESULTS IN INFARCTION OF THIS BRAIN TISSUE AREA | |
JP4022587B2 (ja) | 脳疾患の診断支援方法及び装置 | |
JP2008237747A (ja) | 関心領域決定装置 | |
JP6705528B2 (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
Paniagua et al. | 3D of brain shape and volume after cranial vault remodeling surgery for craniosynostosis correction in infants | |
Smith et al. | Automated measurement of skull circumference, cranial index, and braincase volume from pediatric computed tomography | |
Seixas et al. | Anatomical brain MRI segmentation methods: volumetric assessment of the hippocampus | |
Fahmi et al. | Image based automated aspect score for acute ischemic stroke patients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190423 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200316 |
|
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: 20200414 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6705528 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |