JP7099238B2 - 医用画像処理プログラム、医用画像処理装置及び医用画像処理方法 - Google Patents

Description

本発明は、医用画像処理プログラム、医用画像処理装置及び医用画像処理方法に関する。

一般に、被検者の断面をスライスした医用画像においては、被検者体内の各組織の境界部分でパーシャルボリューム効果が発生する。パーシャルボリューム効果とは、ボクセル内に異なる組織が混在することで発生する効果であり、スライス厚に依存する。

このため、例えば、スライス厚の異なる医用画像間において、病変の類似症例を検索する場合等には、パーシャルボリューム効果が発生している箇所に対して、予め補正を行うことが望ましい。

一方、パーシャルボリューム効果が発生している箇所に対して補正を行う技術として、例えば、下記非特許文献には、被検者体内の骨体の境界部分に発生しているパーシャルボリューム効果を補正する技術が開示されている。

小関道彦、北川祐介、伊能教夫、槇宏太郎著「Ｘ線ＣＴ画像に基づく骨体の個体別モデリング手法に関する研究（パーシャルボリューム効果の補正手法の提案）」、［online］２００２年９月５日第１３回バイオエンジニアリング学術講演会、［平成３０年６月２９日検索］、インターネット（URL：http://fiber.shinshu-u.ac.jp/koseki/publication/2004/70-697.pdf）

しかしながら、上記非特許文献の場合、補正対象が骨体の境界部分に限定されており、上記類似症例において検索対象となる、ＧＧＯ（Ground Glass Opacity）や肺気腫といった病変組織の境界部分にまで補正対象を拡げることは困難である。かかる病変組織の場合、骨体の境界部分と比較して輪郭がはっきりせず、医用画像内においてパーシャルボリューム効果が発生している箇所自体を特定することが容易ではないからである。

一つの側面では、被検者の断面をスライスした医用画像において、パーシャルボリューム効果が発生している箇所を特定できるようにすることを目的としている。

一態様によれば、医用画像処理プログラムは、
被検者の断面を連続してスライスした複数の医用画像を取得し、
前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する、処理をコンピュータに実行させる。

被検者の断面をスライスした医用画像において、パーシャルボリューム効果が発生している箇所を特定することができる。

診断支援システムのシステム構成の一例を示す図である。 類似症例画像検索装置のハードウェア構成の一例を示す図である。 パーシャルボリューム効果を説明するための図である。 スライス方向におけるＣＴ値の変化の傾向を説明するための第１の図である。 スライス方向におけるＣＴ値の変化の傾向を説明するための第２の図である。 画像補正部の機能構成の一例を示す図である。 収集部における処理の具体例を示す図である。 傾向解析部における処理の具体例を示す第１の図である。 傾向解析部における処理の具体例を示す第２の図である。 発生画素特定部による発生画素特定処理の流れを示すフローチャートである。 補正部による補正処理の概要を説明するための第１の図である。 補正部による補正処理の概要を説明するための第２の図である。 補正部による補正処理の概要を説明するための第３の図である。 補正部による補正処理の流れを示すフローチャートである。

以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

［第１の実施形態］
＜診断支援システムのシステム構成＞
はじめに、医用画像処理装置の一例である類似症例画像検索装置を有する診断支援システムのシステム構成について説明する。図１は、診断支援システムのシステム構成の一例を示す図である。

診断支援システム１００は、被検者の病変を読影医等が診断するのを支援するシステムである。図１に示すように、ＣＴ（Computed Tomography）装置１１０と、類似症例画像検索装置１２０と、学習装置１３０と、ＣＴ画像格納装置１４０とを有する。

ＣＴ装置１１０と類似症例画像検索装置１２０とは、配線１１１を介して接続されており、両装置間ではＣＴ画像の送受信が行われる。また、類似症例画像検索装置１２０と学習装置１３０とは配線１１２を介して接続されており、両装置間においては学習済みモデルの送受信が行われる。更に、ＣＴ画像格納装置１４０と、類似症例画像検索装置１２０及び学習装置１３０とは、配線１１３または１１４を介して接続されており、各装置間においては、病変の種類が診断されたＣＴ画像の送受信が行われる。

ＣＴ装置１１０は、放射線等を利用して被検者体内を走査し、コンピュータを用いて処理することで、被検者の体軸方向における断面を連続してスライスした複数のスライス画像（医用画像）を含むＣＴ画像を生成する。以下、このような処理を“ＣＴ画像を撮影する”と称する。また、以下、被検者の体軸方向を“スライス方向”と称する。ＣＴ装置１１０は、撮影したＣＴ画像を類似症例画像検索装置１２０に送信する。

類似症例画像検索装置１２０には、医用画像処理プログラムを含む類似症例画像検索プログラムがインストールされている。類似症例画像検索プログラムが実行されることで、類似症例画像検索装置１２０は、画像取得部１２１、画像補正部１２２、学習結果実行部１２３、類似症例検索部１２４、表示部１２５、診断結果入力部１２６として機能する。このうち、画像補正部１２２は、医用画像処理プログラムが実行されることにより実現される。

画像取得部１２１は取得部の一例であり、ＣＴ装置１１０において撮影されたＣＴ画像（複数のスライス位置における複数のスライス画像）を取得し、画像補正部１２２及び表示部１２５に通知する。

画像補正部１２２は、画像取得部１２１より通知されたＣＴ画像を用いて、予め、パーシャルボリューム効果が発生している箇所を特定する際に用いる“傾向データ”（詳細は後述）を生成する。また、画像補正部１２２は、生成した傾向データを用いることで、画像取得部１２１より新たに通知されたＣＴ画像について、パーシャルボリューム効果が発生している箇所（スライス位置及び画素）を特定する。

また、画像補正部１２２は、特定したスライス位置のスライス画像において、特定した画素のＣＴ値を補正する。更に、画像補正部１２２は、ＣＴ値が補正されたスライス画像（補正済みスライス画像）を含むＣＴ画像を、学習結果実行部１２３に通知する。

学習結果実行部１２３は、学習装置１３０より、学習済みモデルを取得する。学習済みモデルとは、ＣＴ画像に含まれる各スライス画像において病変の種類を識別するために、学習データを用いて機械学習されたモデルを指す。

学習結果実行部１２３は、補正済みスライス画像を含むＣＴ画像を入力して、取得した学習済みモデルを実行させることで、画像取得部１２１より通知されたＣＴ画像に含まれる各スライス画像において病変の種類を識別し、類似症例検索部１２４に通知する。これにより、学習結果実行部１２３では、学習データとはスライス厚が異なるスライス画像を含むＣＴ画像が画像取得部１２１において取得された場合でも、類似症例検索部１２４に対して、適切な識別結果を通知することができる。

類似症例検索部１２４は、学習結果実行部１２３より通知された識別結果に対応する過去のＣＴ画像（病変の種類が診断されたＣＴ画像）を、ＣＴ画像格納装置１４０より読み出し、表示部１２５に通知する。

表示部１２５は、画像取得部１２１より通知されたＣＴ画像と、類似症例検索部１２４より通知された過去のＣＴ画像とを、並列表示する。これにより、読影医等は、学習済みモデルによる識別結果に基づいて読み出された過去のＣＴ画像（病変の種類が診断されたＣＴ画像）を、類似症例として参照しながら、読影対象のＣＴ画像について読影を行うことができる。

診断結果入力部１２６は、読影対象のＣＴ画像について、読影医等が読影することにより診断した診断結果（病変の種類）を受け付ける。また、診断結果入力部１２６は、読影対象のＣＴ画像を、病変の種類と対応付けてＣＴ画像格納装置１４０に送信する。

学習装置１３０には、学習プログラムがインストールされており、当該プログラムが実行されることで、学習装置１３０は、学習部１３１として機能する。

学習部１３１は、ＣＴ画像格納装置１４０より学習データとして、病変の種類が対応付けられたＣＴ画像を読み出す。また、学習部１３１は、読み出したＣＴ画像に含まれる各スライス画像が、対応付けられた病変の種類に応じて正しく分類されるように、学習モデルについて機械学習を行う。また、学習部１３１は、学習データを用いて機械学習された学習済みモデルを、類似症例画像検索装置１２０に通知する。

＜類似症例画像検索装置のハードウェア構成＞
次に、類似症例画像検索装置１２０のハードウェア構成について説明する。図２は、類似症例画像検索装置のハードウェア構成の一例を示す図である。図２に示すように、類似症例画像検索装置１２０は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を有する。ＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３は、いわゆるコンピュータを形成する。

また、類似症例画像検索装置１２０は、補助記憶装置２０４、表示装置２０５、操作装置２０６、Ｉ／Ｆ（Interface）装置２０７、ドライブ装置２０８を有する。なお、類似症例画像検索装置１２０の各ハードウェアは、バス２０９を介して相互に接続されている。

ＣＰＵ２０１は、補助記憶装置２０４にインストールされている各種プログラム（例えば、類似症例画像検索プログラム等）を実行する演算デバイスである。

ＲＯＭ２０２は、不揮発性メモリである。ＲＯＭ２０２は、補助記憶装置２０４にインストールされている各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ２０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。

ＲＡＭ２０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ２０３は、補助記憶装置２０４にインストールされている各種プログラムがＣＰＵ２０１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。

補助記憶装置２０４は、各種プログラムや、各種プログラムが実行される際に用いられるデータを格納する補助記憶デバイスである。後述する傾向解析用データ格納部や傾向データ格納部は、補助記憶装置２０４において実現される。

表示装置２０５は、ＣＴ画像と、類似症例として読み出された過去のＣＴ画像とを並列表示する表示デバイスである。操作装置２０６は、読影医等が類似症例画像検索装置１２０に対して各種指示を入力する入力デバイスである。

Ｉ／Ｆ装置２０７は、他の装置（ＣＴ装置１１０、学習装置１３０、ＣＴ画像格納装置１４０）と接続し、他の装置との間でデータの送受信を行うための接続デバイスである。

ドライブ装置２０８は記録媒体２１０をセットするためのデバイスである。ここでいう記録媒体２１０には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体２１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。

なお、補助記憶装置２０４にインストールされる各種プログラムは、例えば、配布された記録媒体２１０がドライブ装置２０８にセットされ、該記録媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。あるいは、補助記憶装置２０４にインストールされる各種プログラムは、不図示のネットワークよりダウンロードされることでインストールされてもよい。

＜パーシャルボリューム効果の説明＞
次に、パーシャルボリューム効果について簡単に説明する。図３は、パーシャルボリューム効果を説明するための図である。図３に示すように、被検者３００のスライス方向の各スライス位置３０１、３０２、３０３において、被検者３００の断面をスライスすることで、各スライス画像３１１～３１３を含むＣＴ画像３１０が得られる。

なお、図３に示すように、ＣＴ画像３１０において、仰向けに横臥した被検者３００の右側面から左側面に向かう軸をＸ軸、被検者３００の背面から前面に向かう軸をＹ軸、被検者３００のスライス方向をＺ軸とおく。また、ＣＴ画像３１０には、被検者３００のスライス方向に沿って存在する異なる２種類の組織（組織３００ａ、組織３００ｂ）の境界部分が含まれるものとする。

ここで、各スライス画像３１１～３１３から抽出される、同一のＸ座標及び同一のＹ座標を有する画素位置３２０における各画素のＣＴ値について説明する。図３に示すように、各スライス画像３１１～３１３の各画素のＣＴ値は、所定のスライス厚（スライス方向の厚さ）のボクセルに対応している。例えば、各スライス画像３１１～３１３の画素位置３２０における画素の各ＣＴ値は、画素位置３２０のボクセルに含まれる組織の種類に応じたＣＴ値となる。

具体的には、組織分布３３０は、各スライス画像３１１～３１３の画素位置３２０において、ＣＴ値に影響を与えるボクセル内の組織の分布を示している。図３に示すように、スライス画像３１１の画素位置３２０においてＣＴ値に影響を与えるボクセルには、組織３００ａのみが含まれる。このため、スライス画像３１１の画素位置３２０における画素のＣＴ値は、組織３００ａに対応するＣＴ値となる。

一方、スライス画像３１２の画素位置３２０において、ＣＴ値に影響を与えるボクセルには、組織３００ａと組織３００ｂとが混在する。このため、スライス画像３１２の画素位置３２０における画素のＣＴ値は、組織３００ａと組織３００ｂの平均的なＣＴ値となる。つまり、パーシャルボリューム効果が発生する。

また、スライス画像３１３の画素位置３２０において、ＣＴ値に影響を与えるボクセルには、組織３００ｂのみが含まれる。このため、スライス画像３１３の画素位置３２０における画素のＣＴ値は、組織３００ｂに対応するＣＴ値となる。

グラフ３４０は、横軸にスライス位置をとり、縦軸にＣＴ値をとったグラフであり、各スライス画像３１１～３１３の画素位置３２０における画素の各ＣＴ値を、プロットした様子を示している。

このうち、プロット３４１は、スライス画像３１１の画素位置３２０における画素のＣＴ値を表し、プロット３４２は、スライス画像３１２の画素位置３２０における画素のＣＴ値を表す。更に、プロット３４３は、スライス画像３１３の画素位置３２０における画素のＣＴ値を表す。

グラフ３４０に示すように、パーシャルボリューム効果が発生している箇所の前後では、スライス方向においてＣＴ値が大きく変化する。

＜ＣＴ値のスライス方向における変化の傾向＞
次に、パーシャルボリューム効果が発生している箇所と発生していない箇所の、ＣＴ値のスライス方向における変化の傾向について説明する。図４は、ＣＴ値のスライス方向における変化の傾向を説明するための第１の図である。

図４（ａ）、（ｂ）に示す各グラフは、横軸にスライス位置をとり、縦軸にＣＴ値をとったグラフであり、グラフ中の白丸は、スライス厚＝ｄの９枚の各スライス画像の画素位置３２０における画素の各ＣＴ値をプロットしたものである。一方、グラフ中の黒丸は、スライス厚＝３ｄ（つまり、スライス厚を３倍にした場合）の各スライス画像の画素位置３２０における画素の各ＣＴ値をプロットしたものである。

このうち、図４（ａ）は、スライス位置＝“Ｎ”内に、異なる組織の境界部分が存在している場合を示している。つまり、図４（ａ）は、スライス位置＝“Ｎ”においてパーシャルボリューム効果が発生しているケースである。一方、図４（ｂ）は、スライス位置＝“Ｎ”内に、異なる組織の境界部分が存在しておらず、スライス位置＝“Ｎ－１”と“Ｎ”との間、及び、スライス位置＝“Ｎ”と“Ｎ＋１”との間に、異なる組織の境界部分が存在している場合を示している。つまり、図４（ｂ）は、スライス位置＝“Ｎ”においてパーシャルボリューム効果が発生していないケースである。

図４（ａ）に示すように、スライス厚を３倍にしたことで、異なる組織の境界部分がスライス位置＝“Ｎ”内に含まれるようになると、スライス厚を３倍にする前と比較して、矢印４００に示すパーシャルボリューム効果が発生する。

一方、図４（ｂ）に示すように、スライス厚を３倍にした場合でも、異なる組織の境界部分が含まれていなければ、スライス厚を３倍にする前と比較して、パーシャルボリューム効果が発生しない。

ここで、図４（ａ）と図４（ｂ）とでは、スライス厚＝３ｄにおける、スライス位置の変化に伴うＣＴ値の変化は概ね同じである。このため、図４（ａ）の黒丸と図４（ｂ）の黒丸とを比較しただけでは、パーシャルボリューム効果が発生しているのか否かを判定することが困難である。

このようなことから、第１の実施形態では、パーシャルボリュームが発生しているか否かを判定するにあたり、スライス方向において、より広い範囲のＣＴ値を用いることとする。

＜より広い範囲のＣＴ値のスライス方向における変化の傾向＞
図５は、ＣＴ値のスライス方向における変化の傾向を説明するための第２の図である。なお、図４と同様、図５（ａ）、（ｂ）に示す各グラフは、横軸にスライス位置をとり、縦軸にＣＴ値をとっている。また、グラフ中の黒丸は、スライス厚＝３ｄの各スライス画像におけるＣＴ値をプロットしたものである。

図４（ａ）、（ｂ）との相違点は、図５（ａ）、（ｂ）の場合、スライス位置＝“Ｎ”のスライス画像においてパーシャルボリューム効果が発生しているのか否かを判定するにあたり、スライス位置＝“Ｎ－２”、“Ｎ＋２”のＣＴ値まで判定範囲を広げた点である。

ここで、図５（ａ）のグラフ５００は、パーシャルボリューム効果が発生している場合の、スライス方向のＣＴ値の変化を示しており、図５（ｂ）のグラフ５１０は、パーシャルボリューム効果が発生していない場合のスライス方向のＣＴ値の変化を示している。

図５（ａ）のグラフ５００と図５（ｂ）のグラフ５１０との対比から明らかなように、
・パーシャルボリューム効果が発生している場合、スライス位置＝“Ｎ－２”と“Ｎ－１”との間には、ＣＴ値の変化にトレンドがないのに対して、パーシャルボリューム効果が発生していない場合、対応するスライス位置には、ＣＴ値の変化にトレンドがある。
・パーシャルボリューム効果が発生している場合、スライス位置＝“Ｎ＋１”と“Ｎ＋２”との間には、ＣＴ値の変化にトレンドがないのに対して、パーシャルボリューム効果が発生していない場合、対応するスライス位置にはＣＴ値の変化にトレンドがある。

第１の実施形態では、このようなスライス方向のＣＴ値の変化の傾向の違いを利用し、処理対象の画素のスライス位置の前後５個分のＣＴ値の変化の傾向に基づいて、パーシャルボリューム効果が発生しているのか否かを判定する。なお、前後５個分のＣＴ値とは、処理対象の画素のＣＴ値と、スライス方向の前後２個ずつのＣＴ値とを含む、計５個分のＣＴ値である。

＜画像補正部の機能構成＞
次に、画像補正部１２２（図１）の詳細な機能構成について説明する。図６は、画像補正部の詳細な機能構成の一例を示す図である。図６に示すように、画像補正部１２２は、収集部６１０、傾向解析部６３０、処理対象画像取得部６５０、前後画像取得部６６０、発生画素特定部６７０、補正部６８０を有する。

収集部６１０は、画像取得部１２１より通知されたＣＴ画像を取得する。収集部６１０では、パーシャルボリューム効果が発生している箇所を特定する際に用いる傾向データを生成するためのＣＴ画像として、傾向解析用データを収集する。収集部６１０は、収集した傾向解析用データを、傾向解析用データ格納部６２０に格納する。

傾向解析部６３０は、傾向解析用データ格納部６２０に格納された傾向解析用データを解析し、傾向データを生成する。傾向データとは、パーシャルボリューム効果が発生している画素の、スライス方向におけるＣＴ値の変化の傾向を示すデータである。パーシャルボリューム効果が発生している画素の、スライス方向におけるＣＴ値の変化の傾向には、複数のパターンがある。傾向解析部６３０では、傾向解析用データから複数のパターンを特定し、特定した当該複数のパターンについての傾向データを、傾向データ格納部６４０に格納する。

なお、収集部６１０及び傾向解析部６３０は、読影対象のＣＴ画像について読影医等が読影を行う前のフェーズにおいて実行されるものとする。

処理対象画像取得部６５０は、読影対象として、画像取得部１２１において新たに取得されたＣＴ画像に含まれる複数のスライス画像の中から、処理対象となるスライス画像を取得する。

前後画像取得部６６０は、読影対象として、画像取得部１２１において新たに取得されたＣＴ画像に含まれる複数のスライス画像の中から、処理対象となるスライス画像の、スライス方向の前後の２枚ずつのスライス画像を取得する。

発生画素特定部６７０は判定部の一例であり、処理対象となるスライス画像を含む所定数（５枚）のスライス画像を取得し、処理対象となるスライス画像の各画素の中から、パーシャルボリューム効果が発生している画素（発生画素）を特定する。

なお、発生画素特定部６７０は、処理対象となるスライス画像の各画素について、スライス方向のＣＴ値の変化が、傾向データ格納部６４０に格納されている、いずれかの傾向データに類似するか（所定の傾向を有するか）否かを判定する。これにより、発生画素特定部６７０は、発生画素を特定する。

補正部６８０は、処理対象となるスライス画像において、パーシャルボリューム効果が発生していると判定された画素のＣＴ値を補正する。また、補正部６８０は、補正済みのスライス画像を含むＣＴ画像を、学習結果実行部１２３に通知する。

＜画像補正部の各部における処理の具体例＞
続いて、画像補正部１２２の各部（ここでは、収集部６１０、傾向解析部６３０、発生画素特定部６７０、補正部６８０）における処理の具体例について説明する。

（１）収集部における処理の具体例
はじめに、収集部６１０における処理の具体例について説明する。図７は、収集部における処理の具体例を示す図である。

図７に示すように、ステップＳ７０１において、収集部６１０は、取得したＣＴ画像に含まれる全てのスライス画像の中から、ＧＧＯが発生している所定画素７２０を含むスライス画像（例えば、スライス画像７１１）を抽出する。

ステップＳ７０２において、収集部６１０は、抽出したスライス画像７１１から、スライス方向の前側に１枚ずらした際に、所定画素７２０においてＧＧＯ組織がみられるか否かを判定する。図７においてスライス画像７１２は、スライス画像７１１から、スライス方向の前側に１枚ずらした際に、所定画素７２０においてＧＧＯ組織がみられると判定されたスライス画像を示している。

ステップＳ７０３において、収集部６１０は、抽出したスライス画像７１１から、スライス方向の前側に２枚ずらした際に、所定画素７２０が、ＧＧＯ組織と正常組織とが混在する部分へと変化するか否かを判定する。図７においてスライス画像７１３は、スライス画像７１１から、スライス方向の前側に２枚ずらした際に、所定画素７２０がＧＧＯ組織と正常組織とが混在する部分へと変化したと判定されたスライス画像を示している。つまり、スライス画像７１３は、パーシャルボリューム効果が発生しているスライス画像である。

ステップＳ７０４において、収集部６１０は、抽出したスライス画像７１１から、スライス方向の前側に３枚ずらした際に、所定画素７２０が、正常組織のみが存在する部分へと変化するか否かを判定する。図７においてスライス画像７１４は、スライス画像７１１から、スライス方向の前側に３枚ずらした際に、所定画素７２０が正常組織のみが存在する部分へと変化したと判定されたスライス画像を示している。

ステップＳ７０５において、収集部６１０は、抽出したスライス画像７１１から、スライス方向の前側に４枚ずらした際に、所定画素７２０において正常組織のみが存在するか否かを判定する。図７においてスライス画像７１５は、スライス画像７１１から、スライス方向の前側に４枚ずらした際に、所定画素７２０において正常組織のみが存在すると判定されたスライス画像を示している。

ステップＳ７０６において、収集部６１０は、ステップＳ７０２～ステップＳ７０５においていずれの判定条件も満たすと判定した場合に、スライス画像７１１～７１５を特定する。

ステップＳ７０７において、収集部６１０は、特定したスライス画像７１１～７１５の所定画素７２０の各ＣＴ値を、傾向解析用データとして収集し、傾向解析用データ格納部６２０に格納する。これにより、パーシャルボリューム効果が発生している画素の、スライス方向におけるＣＴ値の変化の傾向を示す１パターンを格納することができる。

なお、図７の例では、スライス画像に含まれる１画素分の傾向解析用データを収集する場合について示したが、当該スライス画像内の他の画素や、ＧＧＯが発生している他のスライス画像内の画素についても、同様の処理が行われるものとする。また、収集部６１０が取得するＣＴ画像の数は、複数であるとする。この結果、傾向解析用データ格納部６２０には、複数の傾向解析用データが格納されることになる。

（２）傾向解析部における処理の具体例
次に、傾向解析部６３０における処理の具体例について説明する。図８は、傾向解析部における処理の具体例を示す第１の図である。

図８のグラフ８００は、傾向解析用データ格納部６２０に格納された、傾向解析用データについて、横軸にスライス位置をとり、縦軸にＣＴ値をとって図示したグラフである。すなわち、グラフ８００は、パーシャルボリューム効果が発生している場合のスライス方向のＣＴ値の変化の一パターンを示している。

一方、図８の傾向解析部６３０内に示すロジスティック関数モデル８１０は、パーシャルボリューム効果が発生している画素を特定する際に用いる、関数モデルの一例である。ロジスティック関数モデル８１０によれば、スライス位置を“ｘ”、ＣＴ値を“ｙ”とおき、係数ｃの値を順次変更することで、例えば、グラフ８１１、グラフ８１２、・・・等の、形状の異なる様々なグラフを生成することができる。

傾向解析部６３０では、ロジスティック関数モデル８１０において係数ｃの値を順次変更しながらグラフを生成し、傾向解析用データ格納部６２０に格納された複数の傾向解析用データのグラフ（例えば、グラフ８００）に類似するグラフを検索する。

図８の例は、ロジスティック関数モデル８１０の係数ｃに“１１”を代入することで生成されるグラフ８２０が、グラフ８００に類似していると、傾向解析部６３０によって判定されたことを示している。

傾向解析部６３０では、傾向解析用データ格納部６２０に格納された全ての傾向解析用データのグラフについて類似するグラフを検索し、検索したグラフのデータを、傾向データとして、傾向データ格納部６４０に格納する。

また、傾向解析部６３０では、傾向データ格納部６４０に格納した複数の傾向データを解析し、パーシャルボリューム効果が発生している箇所を特定する際に用いる傾向データを決定する。

図９は、傾向解析部による処理の具体例を示す第２の図である。図９において、横軸は、傾向データ格納部６４０に格納された複数の傾向データがとりうる係数ｃの値を示している。また、図９において、縦軸は、各係数ｃが代入されることで生成され、傾向解析用データのいずれかに類似していると判定された傾向データの数（発生頻度）を示している。

図９に示すように、傾向解析部６３０では、有意水準（５％）を基準点とし、基準点未満の係数ｃを代入することで生成される傾向データについては、パーシャルボリューム効果が発生していない場合のパターンであると判定する。一方、傾向解析部６３０では、基準点以上の係数ｃを代入することで生成される傾向データ（発生頻度が所定の条件を満たす傾向データ）については、パーシャルボリューム効果が発生している場合のパターンであると判定する。

つまり、傾向解析部６３０では、傾向データ格納部６４０に格納した複数の傾向データのうち、基準点以上の係数ｃを代入することで生成される傾向データを、パーシャルボリューム効果が発生している箇所を特定する際に用いる傾向データとして決定する。

（３）発生画素特定部による処理の具体例
次に、発生画素特定部６７０による処理の具体例について説明する。図１０は、発生画素特定部による発生画素特定処理の流れを示すフローチャートである。

ステップＳ１００１において、発生画素特定部６７０は、処理対象のスライス画像内の各画素のＣＴ値（Ｃ（Ｎ））を読み出す。

ステップＳ１００２において、発生画素特定部６７０は、処理対象のスライス画像に対してスライス方向前後の各スライス画像内の、対応する画素について、ＣＴ値（Ｃ（Ｎ－２）、Ｃ（Ｎ－１）、Ｃ（Ｎ＋１）、Ｃ（Ｎ＋２））を読み出す。

ステップＳ１００３において、発生画素特定部６７０は、傾向データ格納部６４０に格納された傾向データを順次読み出す。

ステップＳ１００４において、発生画素特定部６７０は、ステップＳ１００１及びステップＳ１００２において読み出したＣＴ値のスライス方向の変化が、ステップＳ１００３において読み出した傾向データと類似するか否かを判定する。

ステップＳ１００４において、類似すると判定した場合には（ステップＳ１００４においてＹＥＳの場合には）、ステップＳ１００５に進む。ステップＳ１００５において、発生画素特定部６７０は、ステップＳ１００１においてＣＴ値を読み出した画素が、パーシャルボリューム効果が発生した発生画素であると判定し、ステップＳ１００６に進む。

一方、ステップＳ１００４において、類似しないと判定した場合には（ステップＳ１００４においてＮＯの場合には）、直接、ステップＳ１００６に進む。

ステップＳ１００６において、発生画素特定部６７０は、傾向データ格納部６４０に格納された全ての傾向データについて類似判定を行ったか否かを判定する。ステップＳ１００６において、傾向データ格納部６４０に格納された傾向データの中に、類似判定を行っていない傾向データがあると判定した場合には（ステップＳ１００６においてＮＯの場合には）、ステップＳ１００３に戻る。

一方、ステップＳ１００６において、全ての傾向データについて類似判定を行ったと判定した場合には（ステップＳ１００６においてＹＥＳの場合には）、ステップＳ１００７に進む。

ステップＳ１００７において、発生画素特定部６７０は、処理対象のスライス画像内の全ての画素について処理を完了したか否かを判定する。ステップＳ１００７において、処理を完了していない画素があると判定した場合には（ステップＳ１００７においてＮＯの場合には）、ステップＳ１００１に戻る。

一方、ステップＳ１００７において、全ての画素について処理を完了したと判定した場合には、処理対象のスライス画像についての発生画素特定処理を終了する。

（４）補正部による処理の具体例
次に、補正部６８０による処理の具体例について説明する。はじめに、補正部６８０による補正処理の概要について、図１１～図１３を用いて説明する。図１１～図１３は、補正部による補正処理の概要を説明するための第１～第３の図である。

このうち、図１１は、パーシャルボリューム効果が発生したことで、スライス厚＝ｄに対してスライス厚＝３ｄのＣＴ値が上がった場合のＣＴ値の補正処理の概要を説明するための図である。図１１のグラフ１１００は、横軸にスライス位置をとり、縦軸にＣＴ値をとったグラフであり、グラフ中の白丸は、スライス厚＝ｄの１７枚の各スライス画像におけるＣＴ値をプロットしたものである。一方、グラフ中の黒丸は、スライス厚＝３ｄの５枚の各スライス画像におけるＣＴ値をプロットしたものである。

ここで、スライス厚＝３ｄの各スライス画像のうち、スライス位置＝“Ｎ”のＣＴ値は、下式（式（１））により表すことができる。

一方、スライス厚＝ｄの１７枚の各スライス画像のうち、スライス位置＝“ｎ”のＣＴ値は、下式（式（２））により表すことができる。

ここで、スライス位置＝“Ｎ”または“ｎ”の前後のスライス位置（スライス位置＝“Ｎ－１”、“Ｎ＋１”、または、“ｎ－１”、“ｎ＋１”）におけるＣＴ値については、下式（式（３）、式（４））が成立する。

したがって、スライス厚＝３ｄの場合、スライス位置＝“Ｎ”の補正後のＣＴ値は、下式（式（５））により表すことができる。

一方、図１２は、パーシャルボリューム効果が発生せず、スライス厚＝ｄとスライス厚＝３ｄのＣＴ値が同じとなった場合を示している。パーシャルボリューム効果が発生しなかった場合、補正処理は不要であり、スライス位置＝“Ｎ”のＣＴ値は、下式（式（６））により表すことができる。

したがって、下式（式（７））を導き出すことができる（両辺に２をかけて、Ｃ（Ｎ）を足すことで、式（５）と同じ式を導き出すことができる）。

一方、図１３は、パーシャルボリューム効果が発生したことで、スライス厚＝ｄよりもスライス厚＝３ｄのＣＴ値が下がった場合のＣＴ値の補正処理の概要を説明するための図である。図１３のグラフ１３００に示すスライス厚＝３ｄの各スライス画像のうち、スライス位置＝“Ｎ”の補正後のＣＴ値は、図１１を用いて説明した場合と同様に、下式（式（８））により表すことができる。

このように、補正部６８０による補正処理において、スライス位置＝“Ｎ”の補正後のＣＴ値は、パーシャルボリューム効果の発生によるＣＴ値の増減に関わらず、同じ式（式（５）、（７）、（８））に基づいて、算出することができる。

続いて、補正部６８０による補正処理の流れについて説明する。図１４は、補正部による補正処理の流れを示すフローチャートである。

ステップＳ１４０１において、補正部６８０は、処理対象のスライス画像（スライス位置＝“Ｎ”のスライス画像）より、発生画素特定部６７０により特定された発生画素のＣＴ値であるＣ（Ｎ）を読み出す。

ステップＳ１４０２において、補正部６８０は、処理対象のスライス画像より、スライス方向の前側に位置するスライス画像（スライス位置＝“Ｎ－１”のスライス画像）より、発生画素に対応する画素のＣＴ値であるＣ（Ｎ－１）を読み出す。

ステップＳ１４０３において、補正部６８０は、処理対象のスライス画像より、スライス方向の後側に位置するスライス画像（スライス位置＝“Ｎ＋１”のスライス画像）より、発生画素に対応する画素のＣＴ値であるＣ（Ｎ＋１）を読み出す。

ステップＳ１４０４において、補正部６８０は、スライス位置＝“Ｎ”の発生画素のＣＴ値であるＣ（Ｎ）を、上式（式（５）、（７）または（８））を用いて補正する。

以上の説明から明らかなように、第１の実施形態に係る医用画像処理装置では、被検者の断面を連続してスライスした複数のスライス画像を含むＣＴ画像を取得する。また、第１の実施形態に係る医用画像処理装置では、取得したＣＴ画像に含まれる複数のスライス画像のうち、処理対象のスライス画像の各画素について、スライス方向の画像特徴量の変化を算出する。更に、第１の実施形態に係る医用画像処理装置では、算出した画像特徴量の変化から、パーシャルボリューム効果が発生している画素を特定する。

これにより、第１の実施形態に係る医用画像処理装置では、スライス画像において、パーシャルボリューム効果が発生している箇所を精度よく特定することができる。

加えて、第１の実施形態に係る医用画像処理装置では、パーシャルボリューム効果が発生している箇所について、前後の適切な枚数のスライス画像における対応する画素のＣＴ値を用いて補正する。

これにより、第１の実施形態に係る医用画像処理装置では、スライス厚の異なるＣＴ画像間において病変の類似症例を検索する場合において、パーシャルボリューム効果が発生している箇所に対して適切な補正を行うことができる。この結果、類似症例検索の検索精度を向上させることができる。

［第２の実施形態］
上記第１の実施形態では、スライス厚＝３ｄのスライス画像について、傾向解析用データを収集し、傾向データを決定する場合について説明した。しかしながら、傾向解析用データを収集し、傾向データを決定するスライス画像は、スライス厚＝３ｄのスライス画像に限定されず、他のスライス厚について、同様に、傾向解析用データを収集し、傾向データを決定してもよい。

また、上記第１の実施形態では、発生頻度が基準点以上の係数ｃを代入することで生成される傾向データを、パーシャルボリューム効果が発生しているか箇所を特定する際に用いる傾向データとして決定した。しかしながら、傾向データの決定方法はこれに限定されず、他の統計的手法に基づいて、傾向データを決定してもよい。

また、上記第１の実施形態では、パーシャルボリューム効果が発生している画素を特定する際の関数モデルとして、ロジスティック関数モデル８１０を用いるものとして説明した。しかしながら、パーシャルボリューム効果が発生している画素を特定する際の関数モデルとして、ロジスティック関数モデル８１０以外の関数モデルを用いてもよい。

また、上記第１の実施形態では、ＣＴ装置１１０において撮影されたＣＴ画像を処理対象の医用画像として用いる場合について説明した。しかしながら、処理対象の医用画像は、ＣＴ画像に限定されず、被検者の断面を連続してスライスした医用画像であれば、他の種類の医用画像であってもよい。

また、上記第１の実施形態では、診断支援システム１００において、ＣＴ画像格納装置１４０は、１台の類似症例画像検索装置１２０と接続されるものとして説明した。しかしながら、ＣＴ画像格納装置１４０は、複数台の類似症例画像検索装置１２０と接続されてもよい。

また、上記第１の実施形態では、医用画像処理装置の一例として、類似症例画像検索装置１２０を挙げ、画像補正部１２２の機能を、類似症例画像検索装置１２０において実現するものとして説明した。しかしながら、画像補正部１２２の機能は、類似症例画像検索装置１２０以外の装置（即ち、学習結果実行部１２３や類似症例検索部１２４を有していない装置）において実現されてもよい。この場合、画像補正部１２２は、発生画素を特定し、読影医等に発生画素を明示できれば足り、補正部６８０を有していなくてもよい。

なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
被検者の断面を連続してスライスした複数の医用画像を取得し、
前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する、
処理をコンピュータに実行させる医用画像処理プログラム。
（付記２）
パーシャルボリューム効果が発生していると判定された画素に対応するスライス方向の他の画素の画像特徴量を用いて、該判定された画素の画像特徴量を補正する処理をコンピュータに実行させる付記１に記載の医用画像処理プログラム。
（付記３）
前記複数の医用画像のうち、処理対象の医用画像と、処理対象の医用画像のスライス方向前後に位置する２つずつの医用画像と、を含む５つの医用画像を取得し、取得した５つの医用画像における、対応する画素の画像特徴量の変化を算出する、付記２に記載の医用画像処理プログラム。
（付記４）
パーシャルボリューム効果が発生している場合の、連続する５つの医用画像における、対応する画素の画像特徴量の変化を示す複数のパターンを予め格納しておき、該複数のパターンの中から発生頻度が所定の条件を満たすパターンのいずれかと類似するか否かを判定することで、前記処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定する、付記３に記載の医用画像処理プログラム。
（付記５）
パーシャルボリューム効果が発生していると判定された画素の画像特徴量をＣ（Ｎ）とし、処理対象の医用画像のスライス方向前後に位置するスライス画像において、該判定された画素に対応する画素の画像特徴量をそれぞれ、Ｃ（Ｎ－１）、Ｃ（Ｎ＋１）とした場合、該判定された画素の補正後の画像特徴量は、３Ｃ（Ｎ）－Ｃ（Ｎ－１）－Ｃ（Ｎ＋１）により算出する、付記３に記載の医用画像処理プログラム。
（付記６）
被検者の断面を連続してスライスした複数の医用画像を取得する取得部と、
前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する判定部と
を有することを特徴とする医用画像処理装置。
（付記７）
被検者の断面を連続してスライスした複数の医用画像を取得し、
前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する、
処理をコンピュータが実行する医用画像処理方法。

なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。

１００ ：診断支援システム
１１０ ：ＣＴ装置
１２０ ：類似症例画像検索装置
１２１ ：画像取得部
１２２ ：画像補正部
１２３ ：学習結果実行部
１２４ ：類似症例検索部
１２５ ：表示部
１２６ ：診断結果入力部
１３０ ：学習装置
１３１ ：学習部
１４０ ：ＣＴ画像格納装置
６１０ ：収集部
６２０ ：傾向解析用データ格納部
６３０ ：傾向解析部
６４０ ：傾向データ格納部
６５０ ：処理対象画像取得部
６６０ ：前後画像取得部
６７０ ：発生画素特定部
６８０ ：補正部
７１１～７１５ ：スライス画像

Claims (7)

1. 被検者の断面を連続してスライスした複数の医用画像を取得し、
   前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する、
   処理をコンピュータに実行させる医用画像処理プログラム。
2. パーシャルボリューム効果が発生していると判定された画素に対応するスライス方向の他の画素の画像特徴量を用いて、該判定された画素の画像特徴量を補正する処理をコンピュータに実行させる請求項１に記載の医用画像処理プログラム。
3. 前記複数の医用画像のうち、処理対象の医用画像と、処理対象の医用画像のスライス方向前後に位置する２つずつの医用画像と、を含む５つの医用画像を取得し、取得した５つの医用画像における、対応する画素の画像特徴量の変化を算出する、請求項２に記載の医用画像処理プログラム。
4. パーシャルボリューム効果が発生している場合の、連続する５つの医用画像における、対応する画素の画像特徴量の変化を示す複数のパターンを予め格納しておき、該複数のパターンの中から発生頻度が所定の条件を満たすパターンのいずれかと類似するか否かを判定することで、前記処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定する、請求項３に記載の医用画像処理プログラム。
5. パーシャルボリューム効果が発生していると判定された画素の画像特徴量をＣ（Ｎ）とし、処理対象の医用画像のスライス方向前後に位置するスライス画像において、該判定された画素に対応する画素の画像特徴量をそれぞれ、Ｃ（Ｎ－１）、Ｃ（Ｎ＋１）とした場合、該判定された画素の補正後の画像特徴量は、３Ｃ（Ｎ）－Ｃ（Ｎ－１）－Ｃ（Ｎ＋１）により算出する、請求項３に記載の医用画像処理プログラム。
6. 被検者の断面を連続してスライスした複数の医用画像を取得する取得部と、
   前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する判定部と
   を有することを特徴とする医用画像処理装置。
7. 被検者の断面を連続してスライスした複数の医用画像を取得し、
   前記複数の医用画像のうち、処理対象の医用画像の各画素について、スライス方向の画像特徴量の変化が所定の傾向を有するか否かを判定することで、パーシャルボリューム効果が発生しているか否かを判定する、
   処理をコンピュータが実行する医用画像処理方法。

Images