JP6871007B2 - 医用画像処理装置及び医用画像診断システム - Google Patents

Description

本発明の実施形態は、医用画像処理装置及び医用画像診断システムに関する。

Ｘ線透視装置などのモダリティにより被検体の体内を観察しつつ、カテーテルなどの器具を体内に挿入して治療するインターベンションと呼ばれる治療方法がある。インターベンションは、開腹手術よりも低侵襲に実施可能であり、様々な治療に適用されている。

例えば、心臓の冠動脈の閉塞は、経皮的冠動脈インターベンション（ＰＣＩ：Percutaneous Coronary Intervention）により治療される。ＰＣＩでは、治療部位とは離れた部位、例えば、下肢の大腿動脈から血管内にカテーテルが挿入される。医師は、血管内に挿入されたカテーテルを操作し、カテーテルを治療部位まで進入させる。その後、カテーテル先端に取り付けられたバルーンにより血管内部から閉塞部の血管壁が押し広げられ、閉塞部の血流が回復する。加えて、ＰＣＩでは再狭窄を予防するため閉塞していた領域にステントが留置される。

このようなインターベンションにおいて、医師は、Ｘ線透視装置などのモダリティでリアルタイムに取得される画像により被検体の体内を間接的に観察しながら被検体の体内に挿入したカテーテル等の器具を操作する。したがって、被検体の体内の様子が正確に描出された画像を得ることは、インターベンション手術を成功させる上で重要である。

しかしながら、血管の閉塞部のように血液の流れが滞っている領域は医用画像上に描出されない。なぜなら、Ｘ線透視装置やＸ線ＣＴ（Computed Tomography）装置などのモダリティは、血中の造影剤を捉えて血管を画像化するため、血液の流れが滞っている血管の閉塞部を画像化することができないからである。

このように、従来技術では、血液の流れが滞っている領域を医用画像上に描出することはできなかった。

特開２００９−２６８６９３号公報

本発明が解決しようとする課題は、血液の流れが滞っている血管の走行方向又は形状を推定し、医用画像上に表示可能な医用画像処理装置及び医用画像診断システムを提供することである。

一実施形態に係る医用画像処理装置は、ボリュームデータに含まれる病変部を抽出する抽出部と、抽出された前記病変部の分布に基づいて、前記ボリュームデータ上における閉塞血管を推定する推定部と、推定された前記閉塞血管を示す画像をＸ線透視画像に重畳した重畳画像を生成する画像生成部と、を備える。

実施形態に係る医用画像処理装置の一例を示す概念的な構成図。 実施形態に係る医用画像処理装置の機能構成例を示す機能ブロック図。 実施形態に係る医用画像処理装置の動作の一例を示すフローチャート。 ボリュームデータから取得された対象領域を説明する模式図。 ボリュームデータから閉塞血管領域を特定する第１の方法を説明する模式図。 推定された閉塞血管領域と正常血管との接続方法を説明する模式図。 ボリュームデータから閉塞血管領域を特定する第２の方法を説明する模式図。 推定された閉塞血管領域をＸ線透視画像に重畳した重畳画像を説明する模式図。

以下、実施形態の医用画像処理装置及び医用画像診断システムを図面を参照して説明する。

（１）構成
図１は、実施形態に係る医用画像処理装置及び医用画像診断システムの一例を示す概念的な構成図である。

図１に示すように、医用画像診断システム１００は、医用画像処理装置１、スキャナ２１０、ディスプレイ２２０、医用画像保存通信システム（ＰＡＣＳ：Picture Archiving and Communication Systems）３００、モダリティ４００を備える。

スキャナ２１０は、インターベンションを行う際に、被検体ＰのＸ線透視画像を取得するモダリティである。スキャナ２１０は、Ｘ線源及びＸ線検出器を保持するＣアームを備える。ＣアームによってＸ線源とＸ線検出器とは、被検体Ｐを挟んで互いに対向するように配置される。なお、スキャナ２１０は、Ｃアームに替えてΩアームを備えて構成されてもよい。また、スキャナ２１０は、ＣアームとΩアームとを組み合わせたバイプレーン型であってもよい。

さらにスキャナ２１０は、Ｃアームの回転制御回路を備え、Ｃアームは、撮像領域に応じて回転及び移動可能に構成される。スキャナ２１０は、Ｃアームの撮像角度に基づいて求められる投影方向を医用画像処理装置１に送信する。

ＣアームのＸ線源からはＸ線が照射され、照射されたＸ線は、被検体Ｐを透過する。ＣアームのＸ線検出器は、例えばマトリクス状に配列された多数のＸ線検出素子を備え、被検体Ｐを透過したＸ線を電気信号に変換して蓄積し、蓄積した電気信号をデジタル信号に変換して医用画像処理装置１に入力する。以下、医用画像処理装置１に入力されるデジタル信号を透過データと呼ぶこととする。

なおスキャナ２１０は、被検体ＰにＸ線を連続的に照射するＸ線透視撮像を行う。Ｘ線透視撮像とは、リアルタイムで時系列的に複数の透過データを取得する撮像であって、通常のＸ線撮像よりも低線量で実施される。

医用画像処理装置１は、透過データから投影データを生成し、投影データを再構成処理してＸ線透視画像を生成する。なお医用画像処理装置１は、リアルタイムで時系列的に複数のＸ線透視画像を順次生成する。医用画像処理装置１の構成の詳細については、後述の図２で説明する。

ディスプレイ２２０は、液晶ディスプレイパネル、プラズマディスプレイパネル、及び、有機ＥＬ（Electro Luminescence）パネル等の表示デバイスである。ディスプレイ２２０は、複数のディスプレイで構成されてもよく、複数のディスプレイは、それぞれ異なる映像を表示してもよい。また、複数のディスプレイに１つの映像が分割して表示されるよう医用画像診断システム１００を構成してもよい。

医用画像処理装置１は、ＰＡＣＳ３００及びモダリティ４００と電子ネットワークＮＷを介して相互接続される。

ここで、電子ネットワークＮＷとは、電気通信技術を利用した情報通信網全体を意味し、病院基幹ＬＡＮ、無線／有線ＬＡＮやインターネット網、電話通信回線網、光ファイバー通信ネットワーク、ケーブル通信ネットワーク、及び衛星通信ネットワークなどを含む。

ＰＡＣＳ３００は、モダリティ４００で取得された医用画像を保存する画像サーバである。ＰＡＣＳ３００には、被検体Ｐから予め取得されたボリュームデータが記憶されている。ここで予めとは、被検体Ｐに対してＰＣＩなどのインターベンションを実施するより前のことである。

なお、サーバとは、例えば、コンピュータネットワークにおいて、クライアント端末に対し当該サーバ自体の持つ機能やデータを提供するコンピュータの意味である。医用画像診断システム１００における画像サーバのクライアント端末は、医用画像処理装置１である。

モダリティ４００は、Ｘ線ＣＴ装置、ＭＲＩ（magnetic resonance imaging）装置及び超音波診断装置などの医用画像取得（診断）装置である。モダリティ４００は、ボリュームデータなどの医用画像を取得する。ここでボリュームデータとは、被検体Ｐの３次元的な形体情報を備える画像データのことである。

医用画像処理装置１は、スキャナ２１０及びディスプレイ２２０と有線又は無線で相互接続される。医用画像処理装置１は、スキャナ２１０やディスプレイ２２０が設置された検査室又は手術室内に設置されてもよいし、検査室又は手術室に隣接して設けられた操作室又は機械室に設置されてもよい。また、医用画像診断システム１００は、複数の医用画像処理装置１を備えて構成されてもよい。

図２は、実施形態に係る医用画像処理装置１の機能構成例を示す機能ブロック図である。図２に示すように、医用画像処理装置１は、処理回路１０、記憶回路２０、及び入力回路３０を備える。

処理回路１０は、専用のハードウェアで構成してもよいし、内蔵のプロセッサによるソフトウェア処理で後述する各種機能を実現するように構成してもよい。ここでは一例として、処理回路１０がプロセッサによるソフトウェア処理によって各種機能を実現する場合について説明する。

ここでプロセッサとは、専用又は汎用のＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（ＡＳＩＣ：Application Specific Integrated Circuit）、プログラマブル論理デバイス、及びフィールドプログラマブルゲートアレイ（ＦＰＧＡ：Field Programmable Gate Array）などの回路を意味する。上記プログラマブル論理デバイスとしては、例えば、単純プログラマブル論理デバイス（ＳＰＬＤ：Simple Programmable Logic Device）、複合プログラマブル論理デバイス（ＣＰＬＤ：Complex Programmable Logic Device）などが挙げられる。処理回路１０は、記憶回路２０に記憶されたプログラム又は処理回路１０のプロセッサ内に直接組み込まれたプログラムを読み出し、当該プログラムを実行することで各機能を実現する。

また、処理回路１０は、単一のプロセッサによって構成されてもよいし、複数の独立したプロセッサの組合せによって構成されてもよい。後者の場合、複数のプロセッサにそれぞれ対応する複数の記憶回路が設けられると共に、各プロセッサにより実行されるプログラムが当該プロセッサに対応する記憶回路に記憶される構成でもよい。別の例としては、１個の記憶回路が複数のプロセッサの各機能に対応するプログラムを一括的に記憶する構成でもよい。

処理回路１０は、病変抽出機能１１、血管推定機能１２、及び画像合成機能１３を実現する。なお、病変抽出機能１１、血管推定機能１２、及び画像合成機能１３は、記憶回路２０に格納されているプログラムを処理回路１０のプロセッサが実行することによって実現される機能である。

病変抽出機能１１は、ＰＡＣＳ３００に記憶された被検体Ｐのボリュームデータを取得し、取得したボリュームデータから病変部を抽出する。病変部は、石灰化組織又はプラーク組織などの正常組織と比較して異なる変化が発生した組織のことである。

病変部の一例である石灰化組織は、Ｘ線ＣＴ装置で画像化が可能である。したがって、ボリュームデータとしてＸ線ＣＴ装置で取得したＸ線ＣＴ画像の画素値であるＣＴ値を解析することで石灰化組織を抽出できる。石灰化組織は、正常組織と比較してＣＴ値が高くなる。病変抽出機能１１は、所定の閾値以上のＣＴ値を有する領域を病変部として抽出する。

また、病変部の一例であるプラーク組織は、プラーク組織内に脂肪を蓄積している。脂肪成分は、ＭＲＩ装置によって画像化が可能である。したがって、ボリュームデータとして、ＭＲＩ装置で取得したＭＲ画像を用いることにより、プラーク組織を描出できる。病変抽出機能１１は、描出されたプラーク組織をセグメンテーションなどの画像処理により病変部として抽出する。

さらに、病変抽出機能１１は、Ｘ線ＣＴ画像やＭＲ画像に限らず、ボリュームデータで取得された超音波診断画像に基づいて病変部を抽出することもできる。病変抽出機能１１は、超音波診断画像を組織分布解析することにより病変部の分布を取得することができる。このように、病変抽出機能１１は、ボリュームデータを解析して病変部を抽出する。

血管推定機能１２は、病変抽出機能１１によって抽出された病変部の分布に基づいて閉塞血管領域を推定する。ここで、閉塞血管領域とは、病変部の存在によってボリュームデータには描出されない閉塞している血管の閉塞した領域ではなく、該当する血管に石灰化組織等の病変部が存在しないと仮定した時の仮想的な血管領域のことである。

閉塞した血管には血液のみならず造影剤も流れないため、閉塞した血管領域は、Ｘ線ＣＴ装置やＭＲＩ装置で取得したボリュームデータには描出されない。その一方で、石灰化組織やプラーク組織等の病変部は、Ｘ線ＣＴ装置やＭＲＩ装置で取得したボリュームデータに描出される。血管推定機能１２は、これらのボリュームに描出された病変部の分布に基づいて、血流自体や造影剤では描出されなかった閉塞血管領域を推定する機能である。

閉塞血管領域が推定されたボリュームデータは、記憶回路２０に保存される。血管推定機能１２における閉塞血管領域の推定方法については、後述の図５乃至図７で説明する。

画像合成機能１３は、スキャナ２１０により取得された透過データから投影データを生成し、投影データからＸ線透視画像を再構成すると共に、Ｘ線透視画像に閉塞血管領域を重ね合わせた重畳画像を生成する。画像合成機能１３は、生成した重畳画像をディスプレイ２２０に出力する。画像合成機能１３で生成される重畳画像の詳細については、後述の図８で説明する。

記憶回路２０は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）の他、ＨＤＤ（Hard Disk Drive）や光ディスク装置等の外部記憶装置を含む記憶媒体である。記憶回路２０は、処理回路１０において実行される各種プログラム（アプリケーションプログラムの他、オペレーティングシステム等も含まれる）、プログラムの実行に必要なデータ、及び画像データを記憶する。また、記憶回路２０は、オペレーティングシステムを制御するための各種コマンドを記憶してもよい。入力回路３０からの入力を支援するＧＵＩ（Graphical User Interface）のプログラムを記憶してもよい。

記憶回路２０は、閉塞血管領域が推定されたボリュームデータを記憶する。

入力回路３０は、例えば、キーボード、マウス、ジョイスティック、又はトラックボール等の入力デバイスから構成される。入力回路３０は、操作者による入力デバイスの操作に応じた入力信号を生成し、当該入力信号を処理回路１０に出力する。なお、入力回路３０は、入力デバイスと表示デバイスとが一体的に構成されたタッチパネルで構成されてもよい。

（２）動作
以下、心臓の冠動脈のＰＣＩを例として、適宜図４から図７を参照しつつ、図３のフローチャートのステップ番号に従って、実施形態に係る医用画像処理装置１の動作を説明する。

図３は、実施形態に係る医用画像処理装置１の動作の一例を示すフローチャートである。

ステップＳＴ１０１において、心臓のボリュームデータがＰＡＣＳ３００から医用画像処理装置１に入力される。医師等のユーザは、ボリュームデータをレンダリング処理した３次元表示画像をディスプレイに表示し、閉塞部を有する閉塞血管及び当該閉塞血管と接続し得る正常血管を含む領域を対象領域として選択する。なお、対象領域が自動で抽出されるように医用画像処理装置１を構成してもよい。

また、対象領域の選択は、必須ではない。即ち、対象領域を限定せずにボリュームデータ全てに対して後述のステップにおける処理が実行されるように医用画像処理装置１を構成してもよい。

図４は、ボリュームデータから取得された対象領域を説明する模式図である。図４の左側は、心臓のボリュームデータをレンダリング処理した３次元表示画像ＩＭＧ１を示している。図４の右側は、３次元表示画像ＩＭＧ１中の対象領域ＴＲの拡大図を示している。

３次元表示画像ＩＭＧ１において心臓の冠動脈の一部が途切れている部分がある。この血管が途切れている部分に血管の閉塞部がある。このように、閉塞部の血管は、血管の閉塞により造影剤が流入しないため３次元表示画像ＩＭＧ１には描出されない。

対象領域ＴＲには、３つの血管ＢＶ１、血管ＢＶ２、及び血管ＢＶ３が含まれる。それぞれの血管において血液は矢印で示す方向に流れている。血管ＢＶ１は、正常血管である。血管ＢＶ２は、閉塞血管領域を有する血管であって、血管ＢＶ１から分岐した血管である。血管ＢＶ３は、血管ＢＶ２の閉塞により栄養されなくなった組織を栄養するために新しく発生した側副血行路の血管である。側副血行路は、冠動脈の閉塞が慢性化した場合、付近にある血管から血管新生が起こり、閉塞が生じた血管の下流にある組織の血行を補うようになる。

閉塞血管領域は、破線で囲まれた領域Ｒ１内に存在する。実施形態に係る医用画像処理装置１の処理回路１０は、閉塞血管領域を推定するため、まず、血管領域を対象領域ＴＲから抽出する。対象領域ＴＲから抽出される血管領域は、閉塞血管領域を含む血管ＢＶ２、閉塞血管が接続している正常な血管ＢＶ１、及び側副血行路の血管ＢＶ３である。ここで、血管領域とは、造影剤により血管として他の組織と識別可能な領域のことである。さらに、処理回路１０は、閉塞血管領域の開始点ＳＰ又は閉塞血管領域の終点を対象領域ＴＲから抽出してもよい。

なお、対象領域ＴＲ、血管領域、血管ＢＶ２の開始点ＳＰ及び終点は、医師等のユーザにより手動で抽出されてもよいし、画像解析によって自動で抽出されるよう医用画像処理装置１を構成してもよい。

閉塞血管領域の開始点ＳＰは、血管ＢＶ２の血管領域の外縁と、血管ＢＶ２の血管芯線とが交わる点であって、血流方向の上流側に存在する点である。血管芯線は、血管の中心線であり、血管領域から幾何学的に求められる。

図３に戻ってフローチャートの説明を続ける。

ステップＳＴ１０２において、病変抽出機能１１は、対象領域ＴＲから複数の病変部を抽出する。なお、対象領域ＴＲが設定されていない場合、ボリュームデータに含まれる全ての病変部が抽出される。

ステップＳＴ１０３において、血管推定機能１２は、抽出された病変部の分布に基づいて、閉塞血管領域を推定する。

ステップＳＴ１０４において、血管推定機能１２は、閉塞血管領域が推定されたボリュームデータを記憶回路２０に記憶する。なお血管推定機能１２は、閉塞血管領域が推定されたボリュームデータをＰＡＣＳ３００に送信してもよい。

以上のステップＳＴ１０１〜ステップＳＴ１０４は、ＰＣＩの開始前に実施される動作である。

以下、図５〜図７を用いてステップＳＴ１０３における閉塞血管領域の推定方法を説明する。

図５は、ボリュームデータから閉塞血管領域を特定する第１の方法を説明する模式図である。図５は、血管ＢＶ２の閉塞部の周辺領域から抽出された病変部の分布に基づいて、閉塞血管領域を推定する方法を説明する図である。血管ＢＶ２に示された破線Ｌ１１は、血管ＢＶ２の血管芯線を示し、破線Ｌ１１上の点は閉塞血管領域の開始点ＳＰを示している。

図５の左から１番目は、病変抽出機能１１によりボリュームデータ上で血管ＢＶ２の閉塞部の周辺領域について病変部が抽出された状態を示す。病変抽出機能１１により抽出された病変部は、病変部ＬＲ１１、病変部ＬＲ１２、病変部ＬＲ１３、及び病変部ＬＲ１４の４つである。このように、病変部は、閉塞部の周辺領域に離散的に存在する。なお、病変抽出機能１１により抽出される病変部は、３次元的な形状を有する。

図５の左から２番目は、血管推定機能１２によりボリュームデータ上で病変部の中心が特定された状態を示している。病変抽出機能１１により抽出された病変部は４つであり、血管推定機能１２は、４つの病変部から中心Ｃ１１、中心Ｃ１２、中心Ｃ１３、及び中心Ｃ１４をそれぞれ特定する。なお、血管推定機能１２は、病変部の中心に替えて重心を求めてもよい。また、血管推定機能１２は、近接する２以上の病変部を纏めて１つの病変部とみなして中心を求めてもよい。

図５の左から３番目は、血管推定機能１２によりボリュームデータ上で開始点ＳＰから病変部の中心が滑らかな線でそれぞれ結ばれた状態を示している。血管推定機能１２は、開始点ＳＰから病変部の中心をそれぞれ結び、血管走行線Ｌ１２を求める。血管走行線Ｌ１２は、血管の走行方向を示す線である。

なお、血管推定機能１２は、病変部の中心を直線で順に結んで血管走行線Ｌ１２を求めてもよいし、病変部の中心を制御点としたスプライン曲線により血管走行線Ｌ１２を求めてもよい。また、血管走行線Ｌ１２は、病変部の中心を通らない曲線であってもよい。また、血管推定機能１２は、複数ある病変部の中心のうちいくつかを選択して血管走行線Ｌ１２を求めてもよい。

さらに、血管推定機能１２は、夫々の中心に重み付けを行い、最小二乗法により曲線を求めてもよい。例えば、中心を結んだ直線において屈曲が大きくなる点に重みを付けて血管走行線Ｌ１２を求めてもよい。なお、重み付け係数は、予め記憶回路２０に記憶されていてもよい。ここでの予めは、血管推定機能１２が中心を結んだ血管走行線Ｌ１２を求めるよりも前である。

図５の左から４番目は、血管推定機能１２によりボリュームデータ上で閉塞血管領域ＥＶ１１が推定された状態を示している。血管推定機能１２は、血管走行線Ｌ１２を血管芯線とみなして、当該血管芯線を血管ＢＶ２の血管領域の幅まで拡張させて閉塞血管領域ＥＶ１１を推定する。血管ＢＶ２の血管領域の幅とは、血管ＢＶ２において閉塞していない正常な血管領域における血管の短軸方向の幅である。

図６は、推定された閉塞血管領域と正常血管との接続方法を説明する模式図である。図６は、対象領域ＴＲの３次元表示画像を示している。血管ＢＶ２の開始点ＳＰから血管ＢＶ１に向かって延びる実線は、血管走行線Ｌ１２を血管ＢＶ１に向かって延長させた線（血管走行線Ｌ１３）である。血管ＢＶ１に示した破線は、血管ＢＶ１の血管芯線Ｌ１４を示す。

閉塞血管領域の終点ＥＰは、血管ＢＶ１の血管芯線Ｌ１４と血管ＢＶ２の血管走行線Ｌ１３とが交わる点であってもよいし、血管ＢＶ２の血管走行線Ｌ１３と血管ＢＶ１の血管領域の外縁とが接する点であってもよい。血管推定機能１２は、終点ＥＰまで血管走行線Ｌ１３を血管ＢＶ２の血管領域の幅まで拡張させて血管ＢＶ２から血管ＢＶ１に接続する閉塞血管領域ＥＶ１３を推定する。

図５では病変部の中心を結んで血管走行線を求める方法を説明したが、血管走行線を求める方法は、図５の態様には限定されない。

図７は、ボリュームデータから閉塞血管領域を特定する第２の方法を説明する模式図である。図７は、図５と同様に血管ＢＶ２の閉塞部の周辺領域から抽出された病変部の分布に基づいて、閉塞血管領域を推定する方法を説明する図である。図５と異なる点は、血管走行線を病変部の中心ではなく、隣接する病変部の中心間の直線の中点を利用する点である。

図７の左から１番目は、血管推定機能１２によりボリュームデータ上で病変部の中点が求められた状態を示している。図７では、６つの病変部が抽出された例を示している。例えば、病変部ＬＲ２１及び病変部ＬＲ２２の中点はそれぞれ中心Ｃ２１及び中心Ｃ２２である。

図７の左から２番目は、ボリュームデータ上で病変部の中心同士の距離が最も短くなる中心間の中点が求められた状態を示している。即ち血管推定機能１２は、近接した病変部同士の中心間の中点を求める。例えば、病変部ＬＲ２１及び病変部ＬＲ２２が近接した病変部であった場合、血管推定機能１２は、中心Ｃ２１と中心Ｃ２２とを結ぶ直線の中点ＣＰ２１を求める。

図７の左から３番目は、ボリュームデータ上で開始点ＳＰから中点が滑らかな線で順に結ばれ、血管走行線Ｌ２１が求められた状態を示している。なお、血管走行線Ｌ２１の求め方は、図５と同様である。

図７の左から４番目は、血管推定機能１２によりボリュームデータ上で閉塞血管領域ＥＶ２１が推定された状態を示している。閉塞血管領域ＥＶ２１の推定方法は図５と同様であり、血管走行線Ｌ２１を血管芯線とみなして、当該血管芯線を血管ＢＶ２の血管領域の幅まで拡張させて閉塞血管領域ＥＶ２１を推定する。

以上がボリュームデータから閉塞血管領域を推定する処理の説明である。図３に戻ってフローチャートの説明を続ける。以下、ステップＳＴ１０５〜ステップＳＴ１０７は、ＰＣＩ中にリアルタイムで実施される処理である。

ステップＳＴ１０５において、スキャナ２１０は、被検体ＰにＸ線を照射し、透過データを画像合成機能１３に入力する。画像合成機能１３は、透過データに基づいて投影データを生成し、投影データからＸ線透視画像を再構成する。

ステップＳＴ１０６において、画像合成機能１３は、記憶回路２０から閉塞血管領域が推定されたボリュームデータを取得する。また、画像合成機能１３は、スキャナ２１０から現在の投影方向を取得する。

画像合成機能１３は、ボリュームデータ上の閉塞血管領域を現在の投影方向で投影した閉塞血管画像を生成する。さらに、画像合成機能１３は、閉塞血管画像とＸ線透視画像とを位置合わせした上で、Ｘ線透視画像に閉塞血管画像を重畳して重畳画像を生成する。以下、画像合成機能１３により生成される閉塞血管領域を示す２次元画像を閉塞血管画像と呼ぶこととする。

ステップＳＴ１０７において、画像合成機能１３は、重畳画像をディスプレイ２２０に出力する。

以上がフローチャートの説明である。以下、画像合成機能１３により生成される重畳画像について図８を用いて補足的に説明する。

図８は、推定された閉塞血管領域をＸ線透視画像に重畳した重畳画像を説明する模式図である。図８の左側は、Ｘ線透視画像ＩＭＧ２を示し、図８の右側は、閉塞血管画像ＩＭＧ３とＸ線透視画像ＩＭＧとが重畳された重畳画像ＩＭＧ４を示している。図８の右側において、閉塞血管領域を示す閉塞血管画像ＩＭＧ３にはグレースケールのハッチングを付し、他の領域と識別可能な態様で示している。

Ｘ線透視画像ＩＭＧ２からは造影剤が流れない閉塞部の形状は観察できない。したがって、医師等のユーザは、血管ＢＶ２が血管ＢＶ１にどの位置で接続しているか把握できず、カテーテルを進行させる向きをＸ線透視画像から判断することができない。

一方、重畳画像ＩＭＧ４には閉塞血管領域を示す閉塞血管画像ＩＭＧ３がＸ線透視画像ＩＭＧ２上に表示される。医師等のユーザは、閉塞血管画像ＩＭＧ３により血管ＢＶ２が血管ＢＶ１に接続する位置を重畳画像ＩＭＧ４から推測できる。

また、画像合成機能１３は、アームの回転角度が変更されて投影方向が変更される度に閉塞血管領域が推定されたボリュームデータから現在の投影方向における閉塞血管画像を生成し、Ｘ線透視画像に重畳する。即ち、画像合成機能１３は、Ｘ線透視画像の投影方向に連動させて閉塞血管画像を生成し、重畳画像を表示する。

なお、図８では、閉塞血管領域に一致する閉塞血管画像ＩＭＧ３をＸ線透視画像ＩＭＧ２に重畳する例を示したが、図８の態様には限定されない。例えば、Ｘ線透視画像に重畳される画像は、閉塞血管領域が推定されたボリュームデータをＸ線透視画像と同じ投影方向に投影した３次元表示画像であってもよい。

また、図８では、閉塞血管領域をグレースケールのハッチングで示したが、図８の態様には限定されない。例えば、閉塞血管画像を識別的な有彩色で表示してもよい。また、閉塞血管画像を含む３次元表示画像の各画素に組織の種類に応じた色を割り当て、Ｘ線透視画像が観察可能となるように当該３次元表示画像を透過させてＸ線透視画像に重畳してもよい。このように、閉塞血管領域及び重畳画像は、医師等のユーザにとって直感的に分かり易い態様で表示される。

以上のように、実施形態に係る医用画像処理装置１によれば、血液が流れていないため従来技術では医用画像上に描出できない血管の閉塞部の走行方向及び形状に関する情報を医師等のユーザに提供できる。さらに、閉塞血管領域における仮想的な血管の走行方向及び形状を示す閉塞血管画像の表示により、医師はカテーテルを進める方向を瞬時に判断することができ、手術時間の短縮に寄与する。

また、医用画像診断システム１００は、医用画像処理装置１を備えて構成されるため、医用画像処理装置１と同等の効果を有する。なお、医用画像処理装置１により実現される機能は、読影装置や画像表示装置などのその他の病院端末又は一般的なパーソナルコンピュータにより実現されてもよい。

なお、図３〜図８では、ＰＣＩ開始前に閉塞血管領域を推定する動作を説明したが、閉塞血管領域を推定するタイミングは、ＰＣＩ実施中であってもよい。例えば、ＰＣＩ開始してから閉塞部位にカテーテルを進入させる間に、閉塞血管領域を推定するよう医用画像処理装置１を構成してもよい。

また、図３〜図８では、ボリュームデータ上で閉塞血管領域を推定する方法を説明したが、閉塞血管領域の推定は、ボリュームデータ上で実行される態様には限定されない。例えば、ボリュームデータを予め所定の投影方向に投影した２次元画像を生成し、当該２次元画像上で病変部を抽出し、閉塞血管領域を推定するよう医用画像処理装置１を構成してもよい。インターベンション中に投影方向を変更した際に、閉塞血管領域を推定する計算量を抑えるため、複数の投影方向で投影した２次元画像それぞれに基づいて閉塞血管画像を予め生成するよう医用画像処理装置１を構成してもよい。

さらに、図３〜図８では、心臓を例として説明したが、対象となる解剖学的部位は、心臓には限定されない。閉塞血管領域を推定する技術思想は、例えば、脳や下肢など他の解剖学的部位の血管に発生した閉塞部の治療にも適用できる。

以上述べた少なくとも一つの実施形態の医用画像処理装置及び医用画像診断システムによれば、血液の流れが滞っている血管の走行方向又は形状を推定し、医用画像上に表示可能となる。

なお、上記実施形態における病変抽出機能１１は、特許請求の範囲における抽出部の一例である。また、血管推定機能１２は、特許請求の範囲における推定部の一例である。上記実施形態におけるスキャナ２１０は、特許請求の範囲における画像取得部の一例である。実施形態における画像合成機能１３は、特許請求の範囲における画像生成部の一例である。

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、例として提示したものであり、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同様に、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ものである。

１…医用画像処理装置
１１…病変抽出機能
１２…血管推定機能
１３…画像合成機能
１００…医用画像診断システム

Claims (8)

1. ボリュームデータに含まれる病変部を抽出する抽出部と、
   抽出された前記病変部の分布に基づいて、血管に前記病変部が存在しないと仮定した時の仮想的な血管領域である推定閉塞血管領域を推定する推定部と、
   Ｘ線透視画像を取得し、推定された前記推定閉塞血管領域を示す画像を前記Ｘ線透視画像に重畳した重畳画像を生成する画像生成部と、
   を備える医用画像処理装置。
2. 前記抽出部は、石灰化組織又はプラーク組織を前記病変部として抽出し、
   前記推定部は、前記病変部を曲線でつなぐことで前記推定閉塞血管領域を推定する、
   請求項１に記載の医用画像処理装置。
3. 前記抽出部は、前記ボリュームデータから複数の病変部を抽出し、
   前記推定部は、前記病変部それぞれの中心を特定し、前記中心に基づいて前記推定閉塞血管領域を推定する、
   請求項１又は請求項２に記載の医用画像処理装置。
4. 前記抽出部は、前記ボリュームデータから複数の病変部を抽出し、
   前記推定部は、前記病変部それぞれの中心を特定し、中心間の距離が最も短くなる前記病変部の中心間の中点に基づいて前記推定閉塞血管領域を推定する、
   請求項１又は請求項２に記載の医用画像処理装置。
5. 前記推定部は、前記病変部に基づいて前記推定閉塞血管領域の走行線を推定し、前記走行線を正常血管の短軸方向の幅まで広げることで前記推定閉塞血管領域を推定する、
   請求項１乃至４のいずれか１項に記載の医用画像処理装置。
6. 前記推定部は、前記ボリュームデータ上で前記推定閉塞血管領域を推定し、
   前記画像生成部は、前記推定閉塞血管領域を所定の投影方向で投影した画像を前記Ｘ線透視画像に重畳する、
   請求項１乃至５のいずれか１項に記載の医用画像処理装置。
7. 前記推定部は、前記Ｘ線透視画像の投影方向を取得し、前記ボリュームデータを前記投影方向に投影した２次元画像上で前記推定閉塞血管領域を推定し、
   前記画像生成部は、前記Ｘ線透視画像に前記推定閉塞血管領域を示す画像を重畳する、
   請求項１乃至５のいずれか１項に記載の医用画像処理装置。
8. 医用画像診断装置により取得されたボリュームデータを記憶する画像サーバと、
   Ｘ線透視画像を撮像する画像取得部と、
   前記ボリュームデータに含まれる病変部を抽出する抽出部と、
   抽出された前記病変部の分布に基づいて、血管に前記病変部が存在しないと仮定した時の仮想的な血管領域である推定閉塞血管領域を推定する推定部と、
   推定された前記推定閉塞血管領域を示す画像を前記Ｘ線透視画像に重畳した重畳画像を生成する画像生成部と、
   前記重畳画像を表示する表示部と、
   を備える医用画像診断システム。

Images