JP7240845B2 - 画像処理プログラム、画像処理装置、及び画像処理方法 - Google Patents

Description

本発明は、画像処理プログラム、画像処理装置、及び画像処理方法に関する。

コンピュータ断層撮影（Computed Tomography，ＣＴ）画像を用いて症例を診断する画像診断では、びまん性肺疾患等のように、異常陰影が広い範囲に渡って複数の領域に分布する症例の診断が難しいと言われている。医師は、そのような症例を診断する際に、過去に確定診断が行われた類似症例を参考にして、病名の候補を絞り込んでいる。

しかし、過去の類似症例を検索する作業は時間がかかり、医師にとって大きな負担となっている。そこで、過去の症例から類似する症例のＣＴ画像を自動的に検索し、検索結果を提示することで、医師の診断業務を支援する技術が提案されている（例えば、非特許文献１を参照）。

ＣＴ画像を用いた画像診断に関して、コンピュータを用いて間質性肺炎のＣＴ画像の定量評価を行う方法も知られている（例えば、非特許文献２を参照）。重力によるＣＴ値の抽出誤差を考慮した医用画像診断支援装置、塊形状の観察対象物を抽出する画像処理装置、胸部ＣＴ画像を解析する自動解析装置、及び症例画像検索装置も知られている（例えば、特許文献１～特許文献４を参照）。

特開２００７－２８９３３５号公報 特開２０１５－２９８６０号公報 特開２０１６－１７４７７３号公報 特開２０１１－１１８５４３号公報

"ＣＴ検査におけるＡＩを活用した類似症例検索技術を開発"、 ［online］、２０１７年６月２３日、株式会社富士通研究所プレスリリース、［平成３０年７月１３日検索］、インターネット＜ＵＲＬ：http://pr.fujitsu.com/jp/news/2017/06/23.html＞ 岩澤多恵、「コンピュータによる間質性肺炎のＣＴ画像の定量評価」、断層映像研究会雑誌、第４１巻、第２号、ｐｐ．６７－７６、２０１４年８月

びまん性肺疾患の症例では、胸部ＣＴ画像において複数種類の異常陰影が肺野全体に広がるため、過去の類似症例を検索するためには、異常陰影を識別し、その分布を定量化することが望ましい。現状の類似症例画像検索技術では、異常陰影の識別に関する問題がいくつか存在するが、その中の１つとして、正常部分の画像領域を重力効果によって異常陰影と誤識別する問題がある。

ＣＴ検査では、患者が仰臥位になってＣＴ撮影が行われることが多い。仰臥位においては、最も低い位置にある肺底部背側の静脈圧及びリンパ管圧が重力によって高くなり、肺末梢間質の容積が増えることにより、肺実質が圧排されてしまう。この現象は、重力効果と呼ばれる。この場合、ＣＴ画像内では、間質の容積が増えた部分が白っぽい高吸収領域として現れる。高吸収領域は、ＣＴ画像の画素値であるＣＴ値が正常な肺野よりも高い領域である。

このように、実際には異常陰影が存在しないにも関わらず、重力効果の影響により、ＣＴ画像内の肺野領域において、背側の位置に高吸収領域が発生する。特に、患者が肥満体であったり、ＣＴ撮影中に吸気が不足していたりする場合には、重力効果の影響が顕著に現れる。

一方、肺疾患による異常陰影の１つである、すりガラス陰影（Ground Glass Opacity，ＧＧＯ）にも、高吸収領域が含まれており、重力効果によって発生する高吸収領域の画像特徴量は、ＧＧＯの画像特徴量と類似している。このため、重力効果に起因する高吸収領域を、機械学習によって生成された画像識別モデルを用いて識別すると、ＧＧＯとして誤識別される可能性がある。高吸収領域の誤識別によって、画像識別モデルによる異常陰影の識別精度が低下すると、類似症例の検索精度も低下する。

なお、かかる問題は、胸部ＣＴ画像の異常陰影を識別する場合に限らず、他の身体部位のＣＴ画像の異常陰影を識別する場合においても生ずるものである。

１つの側面において、本発明は、ＣＴ画像の識別精度を向上させることを目的とする。

１つの案では、画像処理プログラムは、以下の処理をコンピュータに実行させる。
（１）コンピュータは、身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、身体部位に作用する重力の方向に対応する所定位置に、第１高吸収領域と類似する第２高吸収領域が含まれるか否かを判定する。第１高吸収領域は、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域である。
（２）コンピュータは、複数のスライスのコンピュータ断層撮影画像内の所定位置に第２高吸収領域が含まれている場合、第２高吸収領域が重力効果に起因する高吸収領域であると判定する。

実施形態によれば、ＣＴ画像の識別精度を向上させることができる。

閾値補正曲線を示す図である。 画像処理装置の機能的構成図である。 画像処理のフローチャートである。 画像処理装置の具体例を示す機能的構成図である。 胸部ＣＴ画像を示す図である。 画像処理の具体例を示すフローチャート（その１）である。 画像処理の具体例を示すフローチャート（その２）である。 複数のブロックに分割されたＣＴ画像を示す図である。 平均ＣＴ値の変化を示す図である。 情報処理装置の構成図である。

以下、図面を参照しながら、実施形態を詳細に説明する。

特許文献１の医用画像診断支援装置は、１枚のＣＴ画像において、肺野の腹側から背側へ向かう方向のＣＴ値の変化を求めることで、ＣＴ値に対する重力効果の影響を、肺気腫を検出するための閾値に反映させている。まず、医用画像診断支援装置は、肺野のＣＴ画像を、腹側から背側へ向かう方向において複数の部分空間（部分領域）に分割し、各部分領域における平均ＣＴ値を求める。

次に、医用画像診断支援装置は、部分領域毎の平均ＣＴ値を腹側から背側へ向かう方向に沿ってプロットして、閾値補正曲線を作成し、肺気腫の代表的なＣＴ値を通るように閾値補正曲線を平行移動させることで、閾値設定曲線を作成する。そして、医用画像診断支援装置は、腹側から背側へ向かう方向の各位置における閾値を、閾値設定曲線に従って変化させる。

しかしながら、重力効果に起因する高吸収領域を含む部分領域の平均ＣＴ値は、肺疾患によるＧＧＯを含む部分領域の平均ＣＴ値に近くなる可能性がある。このため、重力効果に起因する高吸収領域を含むＣＴ画像と、ＧＧＯを含むＣＴ画像とでは、閾値補正曲線が類似していることがある。

図１は、平均ＣＴ値の変化を示す閾値補正曲線の例を示している。図１（ａ）は、間質性肺炎によるＧＧＯを含むＣＴ画像の閾値補正曲線１０１を示しており、図１（ｂ）は、重力効果に起因する高吸収領域を含むＣＴ画像の閾値補正曲線１０２の例を示している。横軸は、腹側から背側へ向かう方向における位置を表し、縦軸は、部分領域の平均ＣＴ値を表す。成人の正常な肺のＣＴ値の上限値は、約－７００ＨＵである。

閾値補正曲線１０１又は閾値補正曲線１０２のいずれの場合も、背側の位置Ｐ１における平均ＣＴ値が－７００ＨＵを超えているため、位置Ｐ１に高吸収領域が存在していることが分かる。しかし、閾値補正曲線１０１と閾値補正曲線１０２が酷似しているため、１枚のＣＴ画像における平均ＣＴ値の変化を調べても、ＧＧＯを含む高吸収領域と重力効果に起因する高吸収領域とを区別することは困難である。

図２は、実施形態の画像処理装置の機能的構成例を示している。図２の画像処理装置２０１は、記憶部２１１及び判定部２１２を含む。記憶部２１１は、身体部位の隣接する２枚のスライスを含む複数のスライスのＣＴ画像２２１を記憶する。判定部２１２は、ＣＴ画像２２１に対する画像処理を行う。

図３は、図２の画像処理装置２０１が行う画像処理の例を示すフローチャートである。判定部２１２は、複数のスライス各々のＣＴ画像２２１内において、身体部位に作用する重力の方向に対応する所定位置に、特定の症例のＣＴ画像に現れる第１高吸収領域と類似する第２高吸収領域が含まれるか否かを判定する（ステップ３０１）。

複数のスライスのＣＴ画像内の所定位置に第２高吸収領域が含まれている場合、判定部２１２は、第２高吸収領域が重力効果に起因する高吸収領域であると判定する（ステップ３０２）。

図２の画像処理装置２０１によれば、ＣＴ画像に基づく画像診断の精度を向上させることができる。

図４は、図２の画像処理装置２０１の具体例を示している。図４の画像処理装置４０１は、記憶部４１１、取得部４１２、前処理部４１３、判定部４１４、及び出力部４１５を含む。記憶部４１１及び判定部４１４は、図２の記憶部２１１及び判定部２１２にそれぞれ対応する。

ＣＴ装置４０２は、医療機関に設置され、患者のＣＴ画像を撮影する。ストレージ装置４０３は、ＣＴ装置４０２が撮影した複数の患者のＣＴ画像を記憶する。画像処理装置４０１、ＣＴ装置４０２、及びストレージ装置４０３は、通信ネットワークを介して互いに通信することができる。

取得部４１２は、ＣＴ装置４０２又はストレージ装置４０３から、診断対象の患者の複数のＣＴ画像を取得し、取得したＣＴ画像をＣＴ画像４２１として記憶部４１１に格納する。ＣＴ画像４２１は、図２のＣＴ画像２２１に対応し、所定の身体部位の連続する複数のスライスのＣＴ画像である。

所定の身体部位は、頭部、胸部、腹部等であってもよい。以下では、所定の身体部位が胸部であり、各ＣＴ画像４２１が肺野の画像を含んでいる場合について説明する。患者が仰臥位になってＣＴ撮影が行われる場合、胸部に作用する重力の方向に対応する所定位置は、肺野の背側の位置になる。

ただし、各ＣＴ画像４２１には、肺疾患による異常陰影に対応する高吸収領域、又は重力に起因する高吸収領域のいずれか一方が含まれており、両方が同時に含まれることはないものと仮定する。例えば、肺野の背側にＧＧＯが含まれており、かつ、重力効果に起因する高吸収領域も重複して含まれているＣＴ画像では、ＧＧＯと重力効果に起因する高吸収領域とを区別することは困難である。しかし、この場合、肺野の背側にＧＧＯが含まれているため、画像識別モデルによってすべての高吸収領域をＧＧＯと識別しても、類似症例の検索精度に大きな影響を与えることはない。

上述したように、重力効果に起因する高吸収領域の画像特徴量は、ＧＧＯの画像特徴量と類似しているため、重力効果に起因する高吸収領域は、ＧＧＯとして誤識別される可能性がある。一方、ＧＧＯ以外の異常陰影の画像特徴量は、重力効果に起因する高吸収領域の画像特徴量と必ずしも類似していないため、誤識別の問題は発生しない。

そこで、前処理部４１３は、ＣＴ画像４２１の肺野の背側にＧＧＯ以外の異常陰影が含まれているか否かをチェックする。例えば、前処理部４１３は、機械学習によって生成された画像識別モデルを用いて、ＣＴ画像４２１にＧＧＯ以外の異常陰影が含まれているか否かを判定することができる。この場合、非特許文献１の類似症例検索技術等を用いて、ＧＧＯ以外の異常陰影を含む複数のＣＴ画像に対する機械学習を行うことによって、画像識別モデルが生成される。

ＣＴ画像４２１の肺野の背側にＧＧＯ以外の異常陰影が含まれている場合、前処理部４１３は、ＣＴ画像４２１を判定部４１４の判定対象から除外する。これにより、判定部４１４は、ＧＧＯを含む高吸収領域又は重力効果に起因する高吸収領域のみを判定対象として、画像処理を行うことができる。

図５は、高吸収領域を含む胸部ＣＴ画像の例を示している。図５（ａ）は、重力効果に起因する高吸収領域を含むＣＴ画像の例を示している。連続して撮影された複数のスライスのＣＴ画像において、重力効果によって高吸収領域５０１及び高吸収領域５０２が発生する場合、上肺野、中肺野、及び下肺野それぞれにおいて等しく重力が作用する。このため、背側に高吸収領域を含むＣＴ画像に隣接する前後のスライスのＣＴ画像においても、同様の高吸収領域が観察される。

図５（ｂ）は、ＧＧＯの高吸収領域を含むＣＴ画像の例を示している。連続して撮影された複数のスライスのＣＴ画像において、ＧＧＯによって高吸収領域５１１及び高吸収領域５１２が発生する場合、上肺野、中肺野、及び下肺野それぞれにおいてＧＧＯが出現する位置が異なる。このため、背側に高吸収領域を含むＣＴ画像に隣接する前後のスライスのＣＴ画像において、高吸収領域の位置及び面積が変化する。

このように、重力効果に起因する高吸収領域は、上肺野から下肺野に渡って連続的に背側に観察される、という知見を利用して、ＣＴ画像内の高吸収領域が重力効果に起因するか否かを判定することが可能である。

そこで、判定部４１４は、連続して撮影された複数のスライス各々のＣＴ画像４２１内において、肺野の背側の位置に、ＧＧＯを含む高吸収領域と類似する高吸収領域が含まれるか否かを判定する。以下では、ＧＧＯを含む高吸収領域と類似する高吸収領域を指して、類似高吸収領域と記載することがある。

複数のスライスそれぞれのＣＴ画像４２１内において、肺野の背側の位置に類似高吸収領域が含まれている場合、判定部４１４は、その類似高吸収領域が重力効果に起因する高吸収領域であると判定する。一方、類似高吸収領域を含むＣＴ画像４２１に隣接するスライスのＣＴ画像４２１において、肺野の背側の位置に類似高吸収領域が含まれていない場合、判定部４１４は、その類似高吸収領域が重力効果に起因する高吸収領域ではないと判定する。

そして、判定部４１４は、重力効果に起因する高吸収領域であるか否かを示す判定結果４２２を生成して、記憶部４１１に格納し、出力部４１５は、判定結果４２２を出力する。

図４の画像処理装置４０１によれば、各ＣＴ画像４２１内の肺野の背側に高吸収領域が含まれている場合、その高吸収領域が重力効果に起因するものであるか否かを判定することができる。これにより、機械学習により生成された画像識別モデルによって、重力効果に起因する高吸収領域がＧＧＯとして誤識別される可能性が低下し、ＣＴ画像の識別精度が向上する。したがって、画像識別モデルを用いた類似症例検索処理の検索精度も向上する。

例えば、判定部４１４は、次のような条件を用いて、重力効果によって発生している可能性がある高吸収領域を特定する。
（Ｃ１）複数のスライス各々のＣＴ画像４２１内において、肺野の背側の位置に存在する領域の画像特徴量が、ＧＧＯを含む高吸収領域の画像特徴量に対応する。
（Ｃ２）背側の位置を基準として、重力の方向とは逆の方向に存在する領域のＣＴ値の統計値が、所定値よりも小さい。

判定部４１４は、機械学習によって生成された画像識別モデルを用いて、肺野の背側の位置に存在する領域の画像特徴量が条件（Ｃ１）を満たすか否かをチェックすることができる。この場合、非特許文献１の類似症例検索技術等を用いて、ＧＧＯを含む複数のＣＴ画像に対する機械学習を行うことによって、画像識別モデルが生成される。

条件（Ｃ２）において、重力の方向とは逆の方向に存在する領域は、肺野の背側以外の位置に存在する領域であってもよく、所定値は、成人の正常な肺のＣＴ値の上限値であってもよい。

条件（Ｃ１）及び条件（Ｃ２）が満たされる場合、背側の位置に存在する領域は、肺野の背側のみに存在する類似高吸収領域である。したがって、これらの条件を用いることで、重力効果によって発生している可能性がある高吸収領域を特定することができる。

図６Ａ及び図６Ｂは、図４の画像処理装置４０１が条件（Ｃ１）及び条件（Ｃ２）を用いて行う画像処理の具体例を示すフローチャートである。まず、取得部４１２は、ＣＴ装置４０２又はストレージ装置４０３から、連続して撮影されたＮ枚のスライスのＣＴ画像４２１を取得する（ステップ６０１）。前処理部４１３は、ＣＴ画像４２１の肺野の背側にＧＧＯ以外の異常陰影が含まれている場合、ＣＴ画像４２１を判定部４１４の判定対象から除外する。

ＣＴ画像４２１の肺野の背側にＧＧＯ以外の異常陰影が含まれていない場合、判定部４１４は、１枚のスライスを指定する制御変数ｉに１を設定し（ステップ６０２）、ｉ番目のスライスのＣＴ画像４２１を、所定サイズのブロックに分割する（ステップ６０３）。ブロックのサイズは、１６×１６画素であってもよく、８×８画素であってもよい。また、ブロックの形状は正方形であってもよく、長方形であってもよい。

図７は、複数のブロックに分割されたＣＴ画像４２１の例を示している。この例では、肺野の画像を含む胸部ＣＴ画像が２６０個のブロックに分割されている。この場合、ＣＴ画像４２１の水平方向が身体の左右の方向に対応し、垂直方向が身体の前後の方向に対応する。ＣＴ画像４２１の垂直方向において、腹側から背側へ向かう方向が重力の方向を表し、背側から腹側へ向かう方向が重力とは逆の方向を表す。

次に、判定部４１４は、画像識別モデルを用いて、各ブロックが類似高吸収領域に対応するか否かを識別する（ステップ６０４）。ブロックの画像特徴量が、ＧＧＯを含む高吸収領域の画像特徴量に対応する場合、そのブロックは類似高吸収領域に対応すると判定される。

次に、判定部４１４は、ＣＴ画像４２１内の背側の位置に、類似高吸収領域に対応すると識別されたブロックが存在するか否かをチェックする（ステップ６０５）。例えば、背側の位置としては、ＣＴ画像４２１内の下端（背）から所定長の範囲にある領域を用いることができる。所定長は、ＣＴ画像４２１の上端（腹）から下端までの長さの１／３～１／５であってもよい。

図７の例では、所定長として、上端から下端までの長さの１／４の長さが用いられており、領域７０１に含まれる１７個のブロックが類似高吸収領域に対応する。この例では、簡単のため、左肺のみに類似高吸収領域が示されているが、重力効果に起因する高吸収領域は、図５（ａ）に示したように、左右両方の肺に発生することが多い。

背側の位置に類似高吸収領域に対応するブロックが存在する場合（ステップ６０５，ＹＥＳ）、判定部４１４は、そのブロックを含む列における背側以外の位置のブロックについて、ＣＴ値の統計値Ｖを計算する（ステップ６０６）。

例えば、判定部４１４は、背側以外の位置の各ブロックに含まれる複数の画素のＣＴ値の統計値を計算し、それらのブロックの統計値に対する統計処理を行うことで、統計値Ｖを求めることができる。各ブロックの統計値は、平均値、中央値、最頻値、最大値、最小値、総和等であってもよい。また、統計値に対する統計処理は、平均値、中央値、最頻値、最大値、最小値、総和等を求める処理であってもよい。

図８は、類似高吸収領域に対応するブロックを含む列における平均ＣＴ値の変化の例を示している。横軸は、腹側から背側へ向かう方向における位置を表し、縦軸は、各ブロックの平均ＣＴ値を表す。曲線８０１は、図７の列７０２に含まれる各ブロックの平均ＣＴ値を示している。－７００ＨＵは、成人の正常な肺のＣＴ値の上限値に対応する。

この例では、背側の位置のブロックの平均ＣＴ値が－７００ＨＵを超えており、背側以外の位置のブロックの平均ＣＴ値は、概ね－７００ＨＵ以下である。このように、背側のブロックの平均ＣＴ値のみが上限値を超えている場合、重力効果によって高吸収領域が発生している可能性がある。

そこで、判定部４１４は、背側以外の位置のブロックの統計値Ｖを所定値と比較する（ステップ６０７）。例えば、統計値Ｖがブロック毎の平均ＣＴ値の平均値である場合、所定値は－７００ＨＵであってもよい。ステップ６０６及びステップ６０７の処理は、背側の位置に類似高吸収領域に対応するブロックが存在する、すべての列について行われる。

すべての列について統計値Ｖが所定値以下である場合（ステップ６０７，ＹＥＳ）、ｉ番目のスライスのＣＴ画像４２１の背側のみに類似高吸収領域が含まれていることが分かる。そこで、判定部４１４は、そのＣＴ画像４２１に重力効果に起因する高吸収領域が含まれている可能性があると判定し、ｉを１だけインクリメントすることで、現在のスライスに隣接するスライスのＣＴ画像４２１を指定する（ステップ６０８）。そして、判定部４１４は、ｉをＮと比較する（ステップ６０９）。

ｉがＮ以下である場合（ステップ６０９，ＮＯ）、判定部４１４は、ステップ６０３以降の処理を繰り返す。これにより、現在のスライスに隣接するスライスのＣＴ画像４２１について、重力効果に起因する高吸収領域が含まれている可能性があるか否かがチェックされる。

そして、ｉがＮを超えた場合（ステップ６０９，ＹＥＳ）、Ｎ枚のスライスのＣＴ画像４２１それぞれの背側に類似高吸収領域が含まれていることが分かる。そこで、判定部４１４は、ＣＴ画像４２１に重力効果に起因する高吸収領域が含まれていることを示す判定結果４２２を生成し（ステップ６１０）、出力部４１５は、判定結果４２２を出力する（ステップ６１１）。

背側の位置に類似高吸収領域に対応するブロックが存在しない場合（ステップ６０５，ＮＯ）、判定部４１４は、ＣＴ画像４２１に重力効果に起因する高吸収領域が含まれていないことを示す判定結果４２２を生成する（ステップ６１２）。そして、出力部４１５は、判定結果４２２を出力する（ステップ６１１）。

いずれかの列について統計値Ｖが所定値よりも大きい場合（ステップ６０７，ＮＯ）、判定部４１４は、ＣＴ画像４２１に含まれる類似高吸収領域は、ＧＧＯを含む高吸収領域であると判定する。そこで、判定部４１４は、ＣＴ画像４２１に重力効果に起因する高吸収領域が含まれていないことを示す判定結果４２２を生成し（ステップ６１０）、出力部４１５は、判定結果４２２を出力する（ステップ６１１）。

図６Ａ及び図６Ｂの画像処理によれば、ＣＴ画像４２１を複数のブロックに分割することで、ブロック毎に、条件（Ｃ１）が満たされるか否かがチェックされ、条件（Ｃ１）を満たすブロックを含む列毎に、条件（Ｃ２）が満たされるか否かがチェックされる。また、隣接するスライスのＣＴ画像４２１も条件（Ｃ１）及び条件（Ｃ２）を満たすことを確認することで、重力効果に起因する高吸収領域がスライス間で連続して存在することが分かる。さらに、ブロックのサイズを適切に設定することで、高精度な判定結果４２２を効率よく求めることが可能になる。

例えば、画像処理の対象となるＮ枚のスライスとしては、下肺野の長さよりも長い部分に対応する、連続したスライスが用いられる。下肺野の背側に有意に見られるＧＧＯといった症例が存在するため、上肺野から下肺野までの長さの１／３程度の部分のみでは、そのようなＧＧＯを、重力効果に起因する高吸収領域として誤識別する可能性がある。例えば、上肺野から下肺野までの長さの２／３の部分をカバーするスライスを用いることで、このような誤識別を防止することができる。

図２の画像処理装置２０１及び図４の画像処理装置４０１の構成は一例に過ぎず、画像処理装置の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。例えば、図４の画像処理装置４０１において、ＣＴ画像４２１が事前に記憶部４１１に格納されている場合は、取得部４１２を省略することができる。ＣＴ画像４２１がＧＧＯ以外の異常陰影を含んでいない場合は、前処理部４１３を省略することができ、判定結果４２２を出力する必要がない場合は、出力部４１５を省略することができる。

図３、図６Ａ、及び図６Ｂのフローチャートは一例に過ぎず、画像処理装置の構成又は条件に応じて一部の処理を省略又は変更してもよい。例えば、図６Ａ及び図６Ｂの画像処理において、ＣＴ画像４２１が事前に記憶部４１１に格納されている場合は、ステップ６０１の処理を省略することができる。判定結果４２２を出力する必要がない場合は、ステップ６１１の処理を省略することができる。

患者が伏臥位になってＣＴ撮影が行われる場合、胸部に作用する重力の方向に対応する所定位置は、肺野の腹側の位置になる。したがって、ステップ６０５において、判定部４１４は、ＣＴ画像４２１内の腹側の位置に、類似高吸収領域に対応すると識別されたブロックが存在するか否かをチェックする。この場合、ステップ６０６において、判定部４１４は、類似高吸収領域に対応するブロックを含む列における腹側以外の位置のブロックについて、ＣＴ値の統計値Ｖを計算する。

図１（ａ）及び図１（ｂ）に示した閾値補正曲線は一例に過ぎず、閾値補正曲線は、撮影されるＣＴ画像に応じて変化する。図５（ａ）、図５（ｂ）、及び図７に示したＣＴ画像は一例に過ぎず、ＣＴ画像は、撮影される患者及び身体部位に応じて変化する。図８に示した平均ＣＴ値の変化は一例に過ぎず、平均ＣＴ値の変化は、撮影されるＣＴ画像に応じて変化する。

図９は、図２の画像処理装置２０１及び図４の画像処理装置４０１として用いられる情報処理装置（コンピュータ）の構成例を示している。図９の情報処理装置は、ＣＰＵ（Central Processing Unit）９０１、メモリ９０２、入力装置９０３、出力装置９０４、補助記憶装置９０５、媒体駆動装置９０６、及びネットワーク接続装置９０７を含む。これらの構成要素はバス９０８により互いに接続されている。図４のＣＴ装置４０２及びストレージ装置４０３は、ネットワーク接続装置９０７に接続されていてもよい。

メモリ９０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリであり、処理に用いられるプログラム及びデータを格納する。メモリ９０２は、図２の記憶部２１１又は図４の記憶部４１１として用いることができる。

ＣＰＵ９０１（プロセッサ）は、例えば、メモリ９０２を利用してプログラムを実行することにより、図２の判定部２１２、図４の取得部４１２、前処理部４１３、及び判定部４１４として動作する。

入力装置９０３は、例えば、キーボード、ポインティングデバイス等であり、オペレータ又はユーザからの指示又は情報の入力に用いられる。出力装置９０４は、例えば、表示装置、プリンタ、スピーカ等であり、オペレータ又はユーザへの問い合わせ又は指示、及び処理結果の出力に用いられる。出力装置９０４は、図４の出力部４１５として用いることができる。処理結果は、判定結果４２２であってもよい。

補助記憶装置９０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置９０５は、ハードディスクドライブ又はフラッシュメモリであってもよい。情報処理装置は、補助記憶装置９０５にプログラム及びデータを格納しておき、それらをメモリ９０２にロードして使用することができる。補助記憶装置９０５は、図２の記憶部２１１又は図４の記憶部４１１として用いることができる。

媒体駆動装置９０６は、可搬型記録媒体９０９を駆動し、その記録内容にアクセスする。可搬型記録媒体９０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体９０９は、ＣＤ－ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＵＳＢ（Universal Serial Bus）メモリ等であってもよい。オペレータ又はユーザは、この可搬型記録媒体９０９にプログラム及びデータを格納しておき、それらをメモリ９０２にロードして使用することができる。

このように、処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ９０２、補助記憶装置９０５、又は可搬型記録媒体９０９のような、物理的な（非一時的な）記録媒体である。

ネットワーク接続装置９０７は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等の通信ネットワークに接続され、通信に伴うデータ変換を行う通信インタフェース回路である。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置９０７を介して受信し、それらをメモリ９０２にロードして使用することができる。ネットワーク接続装置９０７は、図４の出力部４１５として用いることができる。

情報処理装置は、ネットワーク接続装置９０７を介して、ユーザ端末からＣＴ画像４２１及び処理要求を受信し、判定結果４２２をユーザ端末へ送信することもできる。

なお、情報処理装置が図９のすべての構成要素を含む必要はなく、用途又は条件に応じて一部の構成要素を省略することも可能である。例えば、情報処理装置がユーザ端末から処理要求を受信する場合は、入力装置９０３及び出力装置９０４を省略してもよい。可搬型記録媒体９０９又は通信ネットワークを使用しない場合は、媒体駆動装置９０６又はネットワーク接続装置９０７を省略してもよい。

開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。

図１乃至図９を参照しながら説明した実施形態に関し、さらに以下の付記を開示する。
（付記１）
身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第１高吸収領域と類似する第２高吸収領域が含まれるか否かを判定し、
前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第２高吸収領域が含まれている場合、前記第２高吸収領域が重力効果に起因する高吸収領域であると判定する、
処理をコンピュータに実行させるための画像処理プログラム。
（付記２）
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第１高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記１記載の画像処理プログラム。
（付記３）
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記１記載の画像処理プログラム。
（付記４）
前記コンピュータは、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記３記載の画像処理プログラム。
（付記５）
前記身体部位は胸部であり、前記複数のスライス各々のコンピュータ断層撮影画像には肺野の画像が含まれており、前記所定位置は前記肺野内の背側の位置であり、前記特定の症例は肺疾患であり、前記第１高吸収領域はすりガラス陰影を含む領域であることを特徴とする付記１乃至４のいずれか１項に記載の画像処理プログラム。
（付記６）
前記複数のスライスは、前記肺野のうち下肺野の長さよりも長い部分に対応する、連続したスライスであることを特徴とする付記５記載の画像処理プログラム。
（付記７）
身体部位の隣接する２枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
前記複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第１高吸収領域と類似する第２高吸収領域が含まれるか否かを判定し、前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第２高吸収領域が含まれている場合、前記第２高吸収領域が重力効果に起因する高吸収領域であると判定する判定部と、
を備えることを特徴とする画像処理装置。
（付記８）
前記判定部は、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第１高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記７記載の画像処理装置。
（付記９）
前記判定部は、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記７記載の画像処理装置。
（付記１０）
前記判定部は、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記９記載の画像処理装置。
（付記１１）
コンピュータにより実行される画像処理方法であって、
前記コンピュータが、
身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第１高吸収領域と類似する第２高吸収領域が含まれるか否かを判定し、
前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第２高吸収領域が含まれている場合、前記第２高吸収領域が重力効果に起因する高吸収領域であると判定する、
ことを特徴とする画像処理方法。
（付記１２）
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第１高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記１１記載の画像処理方法。
（付記１３）
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第２高吸収領域が含まれていると判定することを特徴とする付記１１記載の画像処理方法。
（付記１４）
前記コンピュータは、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第１高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記１３記載の画像処理方法。

１０１、１０２ 閾値補正曲線
２０１、４０１ 画像処理装置
２１１、４１１ 記憶部
２１２、４１４ 判定部
２２１、４２１ ＣＴ画像
４０２ ＣＴ装置
４０３ ストレージ装置
４１２ 取得部
４１３ 前処理部
４１５ 出力部
４２２ 判定結果
５０１、５０２、５１１、５１２ 高吸収領域
７０１ 領域
７０２ 列
８０１ 曲線
９０１ ＣＰＵ
９０２ メモリ
９０３ 入力装置
９０４ 出力装置
９０５ 補助記憶装置
９０６ 媒体駆動装置
９０７ ネットワーク接続装置
９０８ バス
９０９ 可搬型記録媒体

Claims (6)

1. コンピュータのための画像処理プログラムであって、
   前記画像処理プログラムは、
   身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第１領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第２領域の画素値の統計値が所定値よりも小さい場合、前記第１領域が重力効果に起因する高吸収領域であると判定する、
   処理を前記コンピュータに実行させ、
   前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理プログラム。
2. コンピュータのための画像処理プログラムであって、
   前記画像処理プログラムは、
   身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、
   前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定する、
   処理を前記コンピュータに実行させ、
   前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理プログラム。
3. 身体部位の隣接する２枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
   前記複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第１領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第２領域の画素値の統計値が所定値よりも小さい場合、前記第１領域が重力効果に起因する高吸収領域であると判定する判定部と、
   を備え、
   前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理装置。
4. 身体部位の隣接する２枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
   前記複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定する判定部と、
   を備え、
   前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理装置。
5. コンピュータにより実行される画像処理方法であって、
   前記コンピュータが、
   身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第１領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第２領域の画素値の統計値が所定値よりも小さい場合、前記第１領域が重力効果に起因する高吸収領域であると判定し、
   前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とすることを特徴とする画像処理方法。
6. コンピュータにより実行される画像処理方法であって、
   前記コンピュータが、
   身体部位の隣接する２枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、
   前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定し、
   前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理方法。

Images