JP7300285B2 - 医用画像処理装置、x線診断装置および医用画像処理プログラム - Google Patents

医用画像処理装置、x線診断装置および医用画像処理プログラム Download PDF

Info

Publication number
JP7300285B2
JP7300285B2 JP2019047992A JP2019047992A JP7300285B2 JP 7300285 B2 JP7300285 B2 JP 7300285B2 JP 2019047992 A JP2019047992 A JP 2019047992A JP 2019047992 A JP2019047992 A JP 2019047992A JP 7300285 B2 JP7300285 B2 JP 7300285B2
Authority
JP
Japan
Prior art keywords
image
tube
ray
live
mask
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
Application number
JP2019047992A
Other languages
English (en)
Other versions
JP2020146333A (ja
Inventor
春樹 岩井
真吾 阿部
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2019047992A priority Critical patent/JP7300285B2/ja
Publication of JP2020146333A publication Critical patent/JP2020146333A/ja
Application granted granted Critical
Publication of JP7300285B2 publication Critical patent/JP7300285B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Description

本発明の実施形態は、医用画像処理装置、X線診断装置および医用画像処理プログラムに関する。
カテーテル治療を行う際、ユーザは、X線診断装置によるX線撮像にもとづくX線透視画像(以下、ライブX線画像という)をリアルタイムに表示させ、ライブX線画像に描出されるカテーテルの位置を確認しながら手技を行うことがある。また、カテーテル治療を行うユーザの手技を支援するための技術として、カテーテルを侵入させる血管、胆管、膵管、気管支、大腸、小腸などの管状構造物の画像(以下、管画像という)と、リアルタイムなライブX線画像と、を合成したロードマップ画像を生成して表示する技術がある。また、ライブX線画像から抽出したカテーテルなどのデバイスの画像(以下、デバイス画像という)を用いてロードマップ画像を生成することにより、骨や組織などの管状構造物以外の画像をロードマップ画像から排除することができる。この種の技術によれば、ライブX線画像にあらわれるカテーテルの位置と、同一部位における管状構造物の走行方向を示すロードマップ画像とを同時に確認することができる。このため、ユーザは、部位が複雑な構成であってもカテーテルを進める方向を把握しやすくなり、正確なカテーテル操作を行うことができる。
ところで、ロードマップ画像に用いる管画像としてX線診断装置により取得された血管画像を用いる場合、血管画像としてはDSA(Digital Subtraction Angiography)画像が用いられることが多い。DSA画像は、造影剤投与の前後においてそれぞれ、たとえば被検体の同一領域を時系列的にX線診断装置で撮影することで得られる。具体的には、造影剤投与後の各時相のコントラスト画像から、マスク画像をそれぞれ差し引くことで得られる各時相に対応した複数の差分画像がDSA画像とされる。このとき、DSA画像を生成する撮影の間に被検体が動いた場合に体動アーチファクト(motion artifacts)を抑制するため、コントラスト画像を基準として、すなわちコントラスト画像の位置に合わせるように、コントラスト画像とマスク画像との位置ずれ量に応じてマスク画像をアフィン変換などにより位置合わせ変換してから、コントラスト画像からマスク画像を差分することでDSA画像を生成するとよい。この場合、DSA画像の位置は、コントラスト画像の位置に一致する。
一方、デバイス画像は、ライブX線画像が収集されるごとに、非造影のライブX線画像から非造影のデバイスマスク画像を差し引くことにより得られるDS(Digital Subtraction)画像である。デバイスマスク画像は、カテーテルを用いた手技の開始前に取得されたX線画像にもとづいて生成される画像である。このとき、デバイス画像を生成する撮影の間に被検体が動いた場合に体動アーチファクトを抑制するため、ライブX線画像を基準として、ライブX線画像とデバイスマスク画像との位置ずれ量に応じてデバイスマスク画像をアフィン変換などにより位置合わせ変換してから、ライブX線画像からデバイスマスク画像を差分することでデバイス画像を生成するとよい。この場合、デバイス画像の位置は、ライブX線画像の位置に一致する。
ロードマップ画像は、ライブX線画像に含まれるカテーテルをユーザが確認するための画像である。このため、ロードマップ画像は、ライブX線画像を基準として、すなわちライブX線画像の位置に合わせるように、デバイス画像と血管画像(DSA画像)をそれぞれ位置合わせ変換してからこれらを合成することが好ましい。
上述の通り、デバイス画像の位置は、ライブX線画像の位置に一致する。このため、ライブX線画像を基準として血管画像を位置合わせ変換すれば、位置ずれのないロードマップ画像を得ることができると考えられる。
しかしながら、ロードマップ画像を生成する際には、コントラスト画像とデバイスマスク画像との間には位置ずれがないとの仮定のもとでライブX線画像を基準としてコントラスト画像の位置合わせ変換が行われてしまうことが多い。この場合、コントラスト画像は、ライブX線画像とデバイスマスク画像との位置ずれ量に応じて位置合わせ変換される。ところが、厳密には、コントラスト画像と、デバイスマスク画像と、ライブX線画像とは、互いに画像収集タイミングが異なるため、互いに異なる位置に対応する。このため、コントラスト画像とライブX線画像との位置ずれ量は、ライブX線画像とデバイスマスク画像との位置ずれ量に加えて、コントラスト画像とデバイスマスク画像との位置ずれ量を含んでいる。したがって、この場合、ロードマップ画像はコントラスト画像とデバイスマスク画像との位置ずれ量に応じた位置ずれを含んでしまう。
特開2008-212241号公報
本発明が解決しようとする課題は、ロードマップ画像の位置ずれを自動かつ高精度に低減することである。
実施形態に係る医用画像処理装置は、管状構造物の画像である管画像と手技中に前記管状構造物に挿入されたデバイスの画像であるデバイス画像との合成を行う医用画像処理装置であって、デバイス画像生成部と、合成画像生成部とを備える。デバイス画像生成部は、X線撮影にもとづいてリアルタイムに収集されるライブX線画像とデバイスを用いた手技の開始前に取得されたX線画像にもとづいて生成されたデバイスマスク画像との第1位置ずれ量にもとづいてライブX線画像を基準にデバイスマスク画像を位置合わせ変換してからライブX線画像とデバイスマスク画像とを差分することにより、デバイス画像を生成する。合成画像生成部は、管画像の生成に用いた画像とデバイスマスク画像との第2位置ずれ量と、第1位置ずれ量と、にもとづいてライブX線画像を基準に管画像を位置合わせ変換してから、デバイス画像と管画像とを合成した合成画像を生成する。
第1実施形態に係る医用画像処理装置の一構成例を示すブロック図。 DSAコントラスト画像、デバイスマスク画像、およびライブ画像の互いの位置ずれを説明するための図。 第1実施形態に係る医用画像処理装置の処理回路のプロセッサにより、ロードマップ画像の位置ずれを自動かつ高精度に低減するための処理を実行する際の手順の一例を示すフローチャート。 図3のステップS1で管画像生成機能により実行される管画像生成処理の手順の一例を示す、サブルーチンフローチャート。 第2実施形態に係る医用画像処理装置の処理回路のプロセッサにより、ロードマップ画像の位置ずれを自動かつ高精度に低減するための処理を実行する際の手順の一例を示すフローチャート。 第3実施形態に係る医用画像処理装置の管画像生成機能により図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャート。 第6実施形態に係る医用画像処理装置の管画像生成機能により図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャート。 第7実施形態に係る医用画像処理装置の管画像生成機能により図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャート。 第8実施形態に係る医用画像処理装置を含むX線診断装置の一構成例を示すブロック図。
以下、図面を参照しながら、医用画像処理装置、X線診断装置および医用画像処理プログラムの実施形態について詳細に説明する。なお、以下の説明において、デバイスとは被検体に挿入された治療デバイスであり、たとえばカテーテルやガイドワイヤなどをいう。
(第1の実施形態)
図1は、第1の実施形態に係る医用画像処理装置10の一構成例を示すブロック図である。医用画像処理装置10は、たとえば一般的なパーソナルコンピュータやワークステーションなどにより構成され、入力インターフェース11、ディスプレイ12、記憶回路13、ネットワーク接続回路14、および処理回路15を有する。
入力インターフェース11は、たとえばトラックボール、スイッチボタン、マウス、キーボード、テンキーなどの一般的な入力装置により構成され、ユーザの操作に対応した操作入力信号を処理回路15に出力する。ディスプレイ12は、たとえば液晶ディスプレイやOLED(Organic Light Emitting Diode)ディスプレイなどの一般的な表示出力装置により構成される。
記憶回路13は、たとえば、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等の、プロセッサにより読み取り可能な記録媒体を含んだ構成を有し、処理回路15が利用するプログラムやパラメータデータやその他のデータを記憶する。なお、記憶回路13の記録媒体内のプログラムおよびデータの一部または全部は、ネットワーク100を介した通信によりダウンロードされてもよいし、光ディスクなどの可搬型記憶媒体を介して記憶回路13に与えられてもよい。
ネットワーク接続回路14は、ネットワーク100の形態に応じた種々の情報通信用プロトコルを実装する。ネットワーク接続回路14は、この各種プロトコルに従ってネットワーク100を介して他の電気機器と接続する。ネットワーク100は、電気通信技術を利用した情報通信網全般を意味し、病院基幹LAN(Local Area Network)などの無線/有線LANやインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワークなどを含む。
医用画像処理装置10は、X線TV装置、X線アンギオ装置などのX線診断装置101、核磁気共鳴イメージング装置(MRI(Magnetic Resonance Imaging)装置)102、画像サーバ103、図示しないX線CT(Computed Tomography)装置などと、ネットワーク100を介して互いにデータ送受信可能に接続される。
なお、図1には、医用画像処理装置10とX線診断装置101とがネットワーク100を介して接続される場合の例を示したが、ネットワーク100を介さず直接接続されてもよい。直接接続に用いられる規格は、たとえばATA(Advanced Technology Attachment)規格、SCSI(Small Computer System Interface)規格、LTO(Linear Tape-Open)規格のほか、USB(Universal Serial Bus)規格、IEEE1394規格などの有線通信規格であってもよいし、赤外線通信などの無線通信規格であってもよい。X線診断装置101が生成するライブX線画像を利用する場合、医用画像処理装置10は、たとえばX線診断装置101の撮像系が設置される検査室に設けられる。
処理回路15は、医用画像処理装置10を統括制御する機能を実現する。また、処理回路15は、記憶回路13に記憶された医用画像処理プログラムを読み出して実行することにより、ロードマップ画像の位置ずれを自動かつ高精度に低減するための処理を実行するプロセッサである。
具体的には、図1に示すように、処理回路15のプロセッサは、管画像生成機能21、デバイス画像生成機能22、およびロードマップ画像生成機能23を実現する。これらの各機能は、それぞれプログラムの形態で記憶回路13に記憶されている。
管画像生成機能21は、デバイスが挿入される血管、胆管、膵管、気管支、大腸、小腸などの管状構造物の画像(管画像)を生成する。たとえば、管画像生成機能21は、造影剤投与後の被検体の時系列的な複数のコントラスト画像の各コントラスト画像と、造影剤投与前の被検体の画像にもとづくマスク画像とを差分することにより、複数のDSA画像を生成する。具体的には、管画像生成機能21は、各コントラスト画像とマスク画像との位置ずれ量にもとづいて、各コントラスト画像を基準に、すなわち各コントラスト画像に合わせこむように、マスク画像を位置合わせ変換してから、各コントラスト画像とマスク画像とを差分することにより、複数のDSA画像を生成する。また、管画像生成機能21は、複数のDSA画像からユーザにより選択されたDSA画像を、管画像としてロードマップ画像生成機能23に与える。
また、画像の位置合わせ変換は、アフィン変換を用いる方法や、エッジ検出を用いたパターンマッチングや特徴量を用いたパターンマッチング、画像どうしの相関を用いる方法、解剖学的な特徴点(Anatomical Landmark)を利用した方法など、従来各種のものが知られており、これらのうち任意のものを使用することが可能である。また、位置合わせ変換は、線形変換であってもよいし非線形変換であってもよい。以下、位置合わせ変換に用いる、位置ずれ量に応じた変数を、変換パラメータという。管画像生成機能21は、管画像生成部の一例である。
デバイス画像生成機能22は、X線撮影にもとづいて所定のフレームレートでリアルタイムに収集されるライブX線画像と、デバイスを用いた手技の開始前に取得されたX線画像にもとづいて生成されたデバイスマスク画像との位置ずれ量にもとづいて、ライブX線画像を基準としてデバイスマスク画像を位置合わせ変換する。そして、デバイス画像生成機能22は、ライブX線画像と位置合わせ変換後のデバイスマスク画像とを差分することにより、手技中に管状構造物に挿入されたデバイスの画像(デバイス画像)を生成する。デバイス画像生成機能22は、デバイス画像生成部の一例である。
ロードマップ画像生成機能23は、デバイスが挿入される血管、胆管、膵管、気管支、大腸、小腸などの管状構造物の画像(管画像)の生成に用いた画像とデバイスマスク画像との位置ずれ量と、ライブX線画像とデバイスマスク画像との位置ずれ量と、にもとづいて、ライブX線画像(以下、ライブ画像という)を基準として、管画像を位置合わせ変換する。そして、ロードマップ画像生成機能23は、デバイス画像と位置合わせ変換後の管画像とを合成したロードマップ画像を生成する。ロードマップ画像生成機能23は、合成画像生成部の一例である。
図2は、DSAコントラスト画像32、デバイスマスク画像41、およびライブ画像42の互いの位置ずれを説明するための図である。なお図2には、X線診断装置101により生成されたX線画像にもとづくDSA画像を管画像として用いる場合の例を示した。また、図2に示した頭蓋骨を模した図形は、血管以外の組織(たとえば骨や臓器など)を示す。
ロードマップ画像50を生成するため、まず、管画像生成機能21は、複数のDSAコントラスト画像の各DSAコントラスト画像について、各DSAコントラスト画像を基準としてDSAマスク画像を位置合わせ変換してから、各DSAコントラスト画像からDSAマスク画像を差分することにより、複数のDSA画像を生成する。このように差分することで、血管以外の組織が画像から排除され、血管を抽出することができる。DSAマスク画像31は、造影剤投与前の複数のX線画像の平均画像でもよいし、造影剤投与前の所定の瞬間に撮影された1のX線画像でもよい。
ユーザは、生成された複数のDSA画像をディスプレイ12に表示させ、最も血管を視認しやすいDSA画像を選択する。管画像生成機能21は、選択されたDSA画像を管画像35としてロードマップ画像生成機能23に与える。
管画像35として選択されたDSA画像の生成に用いたDSAコントラスト画像32とDSAマスク画像31とは、互いの撮影タイミングの時間差に応じた被検体の体動に由来する位置ずれを内包する。管画像生成機能21は、管画像35に対応するDSA画像を生成するとき、この位置ずれ量に応じた第1変換パラメータΔP1にもとづいて、DSAコントラスト画像32を基準に、すなわちDSAコントラスト画像32に合わせこむように、DSAマスク画像31を位置合わせ変換する。このため、管画像35の位置は、DSAコントラスト画像32の位置に一致する(図2中段左側参照)。
管画像35が生成されたあと、デバイス画像生成機能22は、デバイス43を用いた手技の開始前にX線画像を取得し、デバイスマスク画像41を生成する。デバイスマスク画像41は、手技開始前の複数のX線画像の平均画像でもよいし、手技開始前の所定の瞬間に撮影された1のX線画像でもよい。手技が開始されると、ライブ画像42が所定のフレームレートで順次収集される。ライブ画像42が収集されるごとに、デバイス画像生成機能22は、ライブ画像42を基準としてデバイスマスク画像41を位置合わせ変換してから、ライブ画像42と位置合わせ変換後のデバイスマスク画像41とを差分することにより、デバイス画像45を生成する。このように差分することで、血管以外の組織が画像から排除され、デバイス43を抽出することができる。
ライブ画像42とデバイスマスク画像41とは、互いの撮影タイミングの時間差に応じた被検体の体動に由来する位置ずれを内包する。デバイス画像生成機能22は、デバイス画像45を生成するとき、この位置ずれ量に応じた第2変換パラメータΔP2にもとづいて、ライブ画像42を基準として、デバイスマスク画像41を位置合わせ変換する。このため、デバイス画像45の位置は、ライブ画像42の位置に一致する(図2中段右側参照)。
次に、ロードマップ画像生成機能23により、デバイス画像45と管画像35とが合成されてロードマップ画像50が生成される。この合成の前に、管画像35は、ライブ画像42を基準として位置合わせ変換される。
このとき、従来の手法では、DSAコントラスト画像32とデバイスマスク画像41との間には位置ずれがないと仮定されていた。この手法では、管画像35は、ライブ画像42を基準として、第2変換パラメータΔP2のみを用いて位置合わせ変換される。しかし、DSAコントラスト画像32とデバイスマスク画像41との間には、互いの画像の撮影タイミングの時間差にともなう位置ずれが存在する。
そこで、本実施形態に係るロードマップ画像生成機能23は、DSAコントラスト画像32とデバイスマスク画像41との位置ずれ量に応じた第3変換パラメータΔP3を考慮する。具体的には、ロードマップ画像生成機能23は、ライブ画像42を基準として、第3変換パラメータΔP3と第2変換パラメータΔP2とにもとづいて管画像35を位置合わせ変換し、位置合わせ変換後の管画像35とデバイス画像45とを合成することでロードマップ画像50を生成する(図2下段参照)。
第3変換パラメータΔP3は、管画像35の位置と、デバイスマスク画像41の位置との位置ずれを補正するために用いられる。この第3変換パラメータΔP3を求めるために用いられるDSAコントラスト画像32は、管画像35を生成するために用いた画像であるとともに、管画像35の位置を定義するために用いられる画像と言える。以下、管画像35を生成するために用いた画像であって管画像35の位置を定義するために用いられる画像を適宜、管位置基準画像という。
次に、本実施形態に係る医用画像処理装置10の動作の一例について説明する。
図3は、第1実施形態に係る医用画像処理装置10の処理回路15のプロセッサにより、ロードマップ画像50の位置ずれを自動かつ高精度に低減するための処理を実行する際の手順の一例を示すフローチャートである。図3において、Sに数字を付した符号はフローチャートの各ステップを示す。図3には、X線診断装置101により生成されたX線画像にもとづくDSA画像を管画像35として用いる場合の例を示した。
まず、ステップS1において、管画像生成機能21は、管画像35を生成し、管位置基準画像としてのDSAコントラスト画像32とともにロードマップ画像生成機能23に与える。管画像生成機能21は、複数のDSA画像を生成し、複数のDSA画像からユーザにより選択されたDSA画像を管画像35とする。
次に、ステップS2において、デバイス画像生成機能22は、デバイス43を用いた手技の開始前にX線画像を取得し、デバイスマスク画像41を生成する。
次に、ステップS3において、ロードマップ画像生成機能23は、管位置基準画像としてのDSAコントラスト画像32の位置(管画像35の位置)とデバイスマスク画像41の位置との位置ずれ量に応じた第3変換パラメータΔP3を求める。
次に、ステップS4において、デバイス画像生成機能22は、X線診断装置101からライブ画像42を取得する。
次に、ステップS5において、デバイス画像生成機能22は、ライブ画像42とデバイスマスク画像41との位置ずれ量に応じた第2変換パラメータΔP2を求める。
次に、ステップS6において、デバイス画像生成機能22は、ライブ画像42を基準として、第2変換パラメータΔP2を用いてデバイスマスク画像41を位置合わせ変換する。
次に、ステップS7において、デバイス画像生成機能22は、ライブ画像42と、位置合わせ変換後のデバイスマスク画像41とを差分することにより、デバイス画像45を生成する。
次に、ステップS8において、ロードマップ画像生成機能23は、ライブ画像42を基準として、第3変換パラメータΔP3と第2変換パラメータΔP2とを用いて管画像35を位置合わせ変換する。
次に、ステップS9において、ロードマップ画像生成機能23は、位置合わせ変換後の管画像35とデバイス画像45とを合成してロードマップ画像50を生成し、ディスプレイ12に表示させる。
次に、ステップS10において、ロードマップ画像生成機能23は、一連の手順を終了すべきか否かを判定する。終了すべきでない場合はステップS4に戻り、次のフレームのライブ画像42を取得してステップS4-S9の処理を繰り返す。一方、ユーザにより入力インターフェース11を介した終了指示があった場合や、所定時間以上ライブ画像42の入力が途絶えた場合などは、一連の手順は終了となる。
以上の手順により、ロードマップ画像50の位置ずれを自動かつ高精度に低減することができる。
図4は、図3のステップS1で管画像生成機能21により実行される管画像生成処理の手順の一例を示す、サブルーチンフローチャートである。
ステップS11において、管画像生成機能21は、DSAマスク画像31を生成する。次に、ステップS12において、管画像生成機能21は、X線診断装置101からNフレーム(ただし、Nは正の整数)のDSAコントラスト画像を取得する。
次に、ステップS13において、管画像生成機能21は、フレームごとにDSAマスク画像31とDSAコントラスト画像との位置ずれ量に応じた第1変換パラメータΔP1を求める。
次に、ステップS14において、管画像生成機能21は、フレームごとに、DSAコントラスト画像を基準として、第1変換パラメータΔP1を用いてDSAマスク画像31を位置合わせ変換する。
次に、ステップS15において、管画像生成機能21は、DSAコントラスト画像と位置合わせ変換後のDSAマスク画像31とを差分することにより、DSA画像を生成する。
次に、ステップS16において、管画像生成機能21は、フレームごとに、DSA画像と、DSA画像に対応するDSAコントラスト画像と、を関連付けて記憶回路13に記憶させる。
次に、ステップS17において、管画像生成機能21は、複数のDSA画像からユーザにより選択されたDSA画像を管画像35に決定する。
そして、ステップS18において、管画像生成機能21は、管画像35と、管画像35に関連付けられたDSAコントラスト画像32(管位置基準画像)とを出力し、ロードマップ画像生成機能23に与えて、図3のステップS2に進む。
本実施形態に係る医用画像処理装置10は、ライブ画像42を基準として管画像35を位置合わせする変換するとき、DSAコントラスト画像32とデバイスマスク画像41との位置ずれ量に応じた第3変換パラメータΔP3を考慮することができる。このため、DSAコントラスト画像32とデバイスマスク画像41との位置ずれを考慮しない場合に比べ、ロードマップ画像50を構成する管画像35とデバイス画像45とを非常に高精度に位置合わせすることができる。
(第2の実施形態)
次に、本発明に係る医用画像処理装置10の第2実施形態について説明する。
この第2実施形態に係る医用画像処理装置10は、ライブ画像42に係る処理を行う前に、あらかじめ第3変換パラメータΔP3を用いてデバイスマスク画像41を基準として管画像35を位置合わせ変換しておく点で、第1実施形態に示す医用画像処理装置10と異なる。他の構成および作用については図1に示す医用画像処理装置10と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。
図5は、第2実施形態に係る医用画像処理装置10の処理回路15のプロセッサにより、ロードマップ画像50の位置ずれを自動かつ高精度に低減するための処理を実行する際の手順の一例を示すフローチャートである。図3と同等のステップには同一符号を付し、重複する説明を省略する。
ステップS3で第3変換パラメータΔP3(図2上段中央参照)が求められると、ステップS21において、ロードマップ画像生成機能23は、ライブ画像42の収集前(ステップS4の実行前)に、デバイスマスク画像41を基準として、第3変換パラメータΔP3を用いて管画像35の生成に用いた画像(本例ではDSAコントラスト画像32)を仮に位置合わせ変換しておく。
ステップS4でライブ画像42の収集が開始され、ステップS5-7でデバイス画像45が生成されると、ステップS2において、ロードマップ画像生成機能23は、ステップS21でデバイスマスク画像41を基準として仮に位置合わせ変換しておいたDSAコントラスト画像32を、第2変換パラメータΔP2のみを用いて、ライブ画像42を基準として位置合わせ変換する。
第2実施形態に係る医用画像処理装置10によっても、第1実施形態に係る医用画像処理装置10と同様の効果を奏する。また、第2実施形態に係る医用画像処理装置10は、ライブ画像42の収集前に、デバイスマスク画像41を基準として、第3変換パラメータΔP3を用いてDSAコントラスト画像32を仮に位置合わせ変換しておく。このため、ライブ画像42の収集ごとに繰り返し実行される、ライブ画像42を基準としたDSAコントラスト画像32の位置合わせ変換の計算量を、大幅に低減することができる。
(第3の実施形態)
次に、本発明に係る医用画像処理装置10の第3実施形態について説明する。
第3実施形態に係る医用画像処理装置10は、管位置基準画像としてDSAマスク画像31を用いる点で、第1実施形態に示す医用画像処理装置10と異なる。他の構成および作用については図1に示す医用画像処理装置10と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。
図6は、第3実施形態に係る医用画像処理装置10の管画像生成機能21により、図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャートである。図4と同等のステップには同一符号を付し、重複する説明を省略する。
ステップS15でフレームごとにDSA画像を生成した後、ステップS23において、管画像生成機能21は、フレームごとに、DSA画像と、DSA画像に対応するDSAマスク画像31とDSAコントラスト画像との位置ずれ量に応じた第1変換パラメータΔP1と、を関連付けて記憶回路13に記憶させる。
ステップS17で管画像35が決定されると、ステップS24において、管画像生成機能21は、管画像35と、管画像35に関連付けられたDSAマスク画像31とDSAコントラスト画像32との位置ずれ量に応じた第1変換パラメータΔP1と、DSAマスク画像31(管位置基準画像)と、を出力し、ロードマップ画像生成機能23に与えて、図3のステップS2に進む。
この場合、図3のステップS3では、ロードマップ画像生成機能23は、管位置基準画像としてのDSAマスク画像31とデバイスマスク画像41とを比較することにより互いの位置ずれ量に応じた第3変換パラメータΔP3を求める。そして、図3のステップS8において、ロードマップ画像生成機能23は、DSAマスク画像31とデバイスマスク画像41との位置ずれ量に応じた第3変換パラメータΔP3と、ライブ画像42とデバイスマスク画像41との位置ずれ量に応じた第2変換パラメータΔP2とに加えて、さらに、DSAマスク画像31とDSAコントラスト画像32との位置ずれ量に応じた第1変換パラメータΔP1を用いて、ライブ画像42を基準として管画像35を位置合わせ変換する。
第3実施形態に係る医用画像処理装置10によっても、第1実施形態に係る医用画像処理装置10と同様の効果を奏する。また、第3実施形態に係る医用画像処理装置10は、図3のステップS3において、DSAマスク画像31とデバイスマスク画像41とを比較することにより互いの位置ずれ量に応じた第3変換パラメータΔP3を求めることができる。
DSAコントラスト画像32が血管を含んでしまっている画像であるため、DSAマスク画像31はDSAコントラスト画像32よりも、デバイスマスク画像41に類似した画像である。また、DSAマスク画像31が複数のマスク画像の平均画像である場合には、DSAマスク画像31はDSAコントラスト画像32よりもノイズの少ない画像である。このため、DSAコントラスト画像32をデバイスマスク画像41との比較に用いる場合よりも、DSAマスク画像31をデバイスマスク画像41との比較に用いるほうが、より正確に互いの画像の位置ずれ量を求めることができる。したがって、管位置基準画像としてDSAマスク画像31を用いることにより、さらに高精度に管画像35とデバイス画像45とを位置合わせすることができる。
(第4の実施形態)
次に、本発明に係る医用画像処理装置10の第4実施形態について説明する。
第4実施形態に係る医用画像処理装置10は、管画像生成機能21がDSAコントラスト画像32を基準として、管位置基準画像としてのDSAマスク画像31を位置合わせ変換しておく点で、第3実施形態に示す医用画像処理装置10と異なる。
第4実施形態に係る管画像生成機能21は、図6のステップS24において、管画像35に対応するDSAコントラスト画像32を基準としてDSAマスク画像31を位置合わせ変換した仮変換マスク画像を管位置基準として生成する。そして、管画像生成機能21は、生成した仮変換マスク画像と、管画像35と、管画像35に関連付けられたDSAマスク画像31とDSAコントラスト画像32との位置ずれ量に応じた第1変換パラメータΔP1と、を出力し、ロードマップ画像生成機能23に与えて、図3のステップS2に進む。第4実施形態に係る管画像生成機能21は、第1変換パラメータΔP1を出力する必要はなく、したがってステップS23で第1変換パラメータΔP1を記憶しておく必要もない。
この場合、図3のステップS3では、ロードマップ画像生成機能23は、管位置基準画像としての仮変換マスク画像(DSAコントラスト画像32を基準として位置合わせ変換済み)とデバイスマスク画像41とを比較することにより互いの位置ずれ量に応じた第3変換パラメータΔP3を求める。そして、図3のステップS8において、ロードマップ画像生成機能23は、仮変換マスク画像(DSAコントラスト画像32を基準として位置合わせ変換済み)との位置ずれ量に応じた第3変換パラメータΔP3と、ライブ画像42とデバイスマスク画像41との位置ずれ量に応じた第2変換パラメータΔP2とを用いて、ライブ画像42を基準として管画像35を位置合わせ変換する。
第4実施形態に係る医用画像処理装置10によっても、第1実施形態および第3実施形態に係る医用画像処理装置10と同様の効果を奏する。また、第4実施形態に係る医用画像処理装置10は、DSAコントラスト画像32を基準としてDSAマスク画像31を位置合わせ変換した仮変換マスク画像を管位置基準画像として用いる。このため、仮変換マスク画像は、DSAコントラスト画像32と同様の座標系となる。したがって、第3実施形態に係る医用画像処理装置10に比べ、第1変換パラメータΔP1を記憶しておく必要はない。
また、図3のステップS8で第1変換パラメータΔP1を利用することもないため、第3実施形態に係る医用画像処理装置10に比べ、図3のステップS8で実行されるライブ画像42を基準としたDSAコントラスト画像32の位置合わせ変換の計算量を大幅に低減することができる。
(第5の実施形態)
次に、本発明に係る医用画像処理装置10の第5実施形態について説明する。
第5実施形態に係る医用画像処理装置10は、管画像35を複数のDSA画像を用いて生成する点で、第1実施形態に示す医用画像処理装置10と異なる。
第5実施形態に係る管画像生成機能21は、図4のステップS17において、ボトムトレース処理や一般的なトレース処理によって、複数のDSA画像を用いて1枚の管画像35を生成する。ボトムトレース処理は、造影剤が流れていくフレームのそれぞれで最下値(造影剤濃度が最高の画素値)をピックアップしていくことで、血管を抽出する処理である。
また、複数のDSA画像にかえて、複数のDSAコントラスト画像を用いて管画像35を生成してもよい。複数のDSAコントラスト画像を用いて管画像35を生成する場合はDSA画像を生成する必要はなく、図4のステップS14-16は省略してもよい。
そして、ステップS18において、管位置基準画像と管画像35とを出力する。
このとき、管位置基準画像としては、たとえば管画像35の生成に用いた複数のDSA画像の一部または全部の平均画像や、管画像35の生成に用いた複数のDSA画像に対応する複数のDSAコントラスト画像(DSAコントラスト画像には血管以外も描出されているため)を管画像35と合成した画像などを用いることができる。管位置基準画像を生成することにより、第3変換パラメータΔP3を定義することができるため、第3変換パラメータΔP3を用いない場合よりも高精度に位置合わせ可能となる。また、トレース処理によって管画像35を生成した場合は、管画像35に採用された画素数が最も多い1枚のDSA画像(またはDSAコントラスト画像)を代表として管位置基準画像としてもよい。また、DSAマスク画像31を管位置基準画像としてもよい。ボトムトレース処理やトレース処理では、DSAマスク画像31を基準として位置合わせ変換することが多いためである。
(第6の実施形態)
次に、本発明に係る医用画像処理装置10の第6実施形態について説明する。
第6実施形態に係る医用画像処理装置10は、管画像生成機能21が、図示しないX線CT装置により生成されたボリュームデータを用いて管画像35および管位置基準画像を生成する点で、第1実施形態に示す医用画像処理装置10と異なる。他の構成および作用については図1に示す医用画像処理装置10と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。
図7は、第6実施形態に係る医用画像処理装置10の管画像生成機能21により、図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャートである。
ステップS31において、管画像生成機能21は、X線CT装置の血管撮影法により取得された被検体の3次元原画像のボリュームデータと、3次元原画像にもとづいて生成された3次元血管像(3DCTA(3D-CT Angiography)画像)のボリュームデータとを取得する。
次に、ステップS32において、管画像生成機能21は、3次元血管像のボリュームデータを、X線診断装置101でライブ画像42を収集されるべく待機している被検体に位置合わせする。
次に、ステップS33において、管画像生成機能21は、ライブ画像42を収集するX線診断装置101の撮像系の位置にもとづいて、X線の照射位置および照射角度の情報を取得する。
次に、ステップS34において、管画像生成機能21は、X線の照射位置および照射角度にもとづいて3次元血管像のボリュームデータをレンダリング処理することにより管画像35(2次元透視像)を生成する。レンダリング処理は、たとえばレイサム(Ray sum)処理やMIP(Maximum Intensity Projection)処理などを用いることができる。
次に、ステップS35において、管画像生成機能21は、X線の照射位置および照射角度にもとづいて3次元原画像をレンダリング処理することにより、管位置基準画像(2次元透視像)を生成する。
そして、ステップS36において、管画像生成機能21は、管画像35と管位置基準画像とを出力し、ロードマップ画像生成機能23に与えて、図3のステップS2に進む。
第6実施形態に係る医用画像処理装置10によれば、X線CT装置により生成されたボリュームデータを用いて管画像35および管位置基準画像を生成することができる。管位置基準画像は、第1-第5実施形態と同様、デバイスマスク画像41と比較される画像であるため、血管以外の組織が描出されていることが好ましい。この点、第6実施形態に係る医用画像処理装置10は、3次元血管像とは別に原画像のボリュームデータを取得し、原画像のボリュームデータから管位置基準画像を生成することで、デバイスマスク画像41との比較に適した管位置基準画像を生成することができる。
(第7の実施形態)
次に、本発明に係る医用画像処理装置10の第7実施形態について説明する。
第7実施形態に係る医用画像処理装置10は、管画像生成機能21が、MRI装置102により生成されたボリュームデータを用いて管画像35および管位置基準画像を生成する点で、第1実施形態に示す医用画像処理装置10と異なる。他の構成および作用については図1に示す医用画像処理装置10と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。
図8は、第7実施形態に係る医用画像処理装置10の管画像生成機能21により、図3のステップS1で実行される管画像生成処理の手順の一例を示すサブルーチンフローチャートである。
ステップS41において、管画像生成機能21は、MRI装置102の胆管膵管撮影法により取得された被検体の3次元原画像のボリュームデータを取得する。
次に、ステップS42において、管画像生成機能21は、3次元原画像のボリュームデータを、X線診断装置101でライブ画像42を収集されるべく待機している被検体に位置合わせする。
次に、ステップS43において、管画像生成機能21は、ライブ画像42を収集するX線診断装置101の撮像系の位置にもとづいて、X線の照射位置および照射角度の情報を取得する。
次に、ステップS44において、管画像生成機能21は、X線の照射位置および照射角度にもとづいて3次元原画像のボリュームデータをレンダリング処理して管画像35(2次元MRCP画像(MRCP(Magnetic Resonance Cholangio Pancreatography)画像)のボリュームデータと)を生成する。
次に、ステップS45において、管画像生成機能21は、3次元原画像のボリュームデータにもとづいて、X線CT画像のボリュームデータをシミュレートする(X線CT画像のボリュームデータに変換する)。
次に、ステップS46において、管画像生成機能21は、X線の照射位置および照射角度にもとづいてシミュレートして得たX線CT画像のボリュームデータをレンダリング処理することにより、管位置基準画像(2次元透視像)を生成する。
そして、ステップS47において、管画像生成機能21は、管画像35(2次元MRCP画像)と管位置基準画像とを出力し、ロードマップ画像生成機能23に与えて、図3のステップS2に進む。
第7実施形態に係る医用画像処理装置10によれば、MRI装置102により生成されたボリュームデータを用いて管画像35(MRCP画像)および管位置基準画像を生成することができる。管位置基準画像は、第1-第5実施形態と同様、デバイスマスク画像41と比較される画像であるため、血管以外の組織が描出されていることが好ましい。この点、第6実施形態に係る医用画像処理装置10は、3次元血管像とは別に原画像のMRボリュームデータを取得し、このMRボリュームデータからCTボリュームデータをシミュレートして生成して管位置基準画像を生成することで、デバイスマスク画像41との比較に適した管位置基準画像を生成することができる。
MRCP法により膵臓付近を撮像すると、膵管内の膵液や胆管内の胆汁が造影剤を注入することなく撮影することができる.この方法は、膵胆管系のスクリーニング検査として有用であり、超音波、CTもしくは生化学検査で膵胆管系疾患が疑われる場合に、全体像を把握し、閉塞部の上流の導管部分も観察できる利点から、侵襲性のあるEPCP(Endoscopic Retrograde Cholangio Pancreatography)による確定診断の前に行われる。事がある。3次元高分解能で撮像したMRCP画像は、特に細部を任意方向から観察できる点から診断価値が高いことが知られている。
ここでMR画像からCT画像をシミュレートする方法の一例について簡単に説明する。
MR画像からCT画像をシミュレートする方法の説明の前に、T1-強調画像からT2-強調画像をシミュレートする方法について説明する。
T1-強調画像からT2-強調画像をシミュレートする場合、処理回路15は、シミュレータを訓練するよう構成された訓練回路と、T1-強調画像からT2-強調画像をシミュレートするために訓練されたシミュレータを使用するよう構成されたシミュレーション回路(シミュレータ、画像生成部と対応)と、シミュレートT2-強調画像をリアルT2-強調画像にレジストレーションするよう構成されたレジストレーション回路とを含む。
シミュレータは、決定論的敵対的ネットワーク(DAN:Deterministic Adversarial Network)と呼ぶことができる、敵対的ネットワークを有する。この決定論的敵対的ネットワークは、二つの部分を有する。第一の部分は、生成部(ジェネレータ)、モダリティ生成部、またはモダリティ変換器とも呼ばれることのある、画像生成部である。この画像生成部は、第一の深層学習ネットワークを有する。決定論的敵対的ネットワークの第二の部分は、識別器である。識別器は、第二の深層学習ネットワークを有する。
深層学習ネットワークは、何層にも積み重なったニューロンを具備するニューラルネットワークとすることができる。何層にも積み重なったニューロンは、その後の層の入力として、一つまたは複数の手前の層の出力を使用する、非線形活性化機能を有することができる。深層学習モデルは、入力空間から出力空間までの非線形なマッピングを高度に構築することができ、それにより、モデルとなる予定の処理、または、タスクの複雑な関係性を捉えることができる。
たとえば、各画像生成部と識別器とは、個別の畳み込みニューラルネットワークを有する。なお、画像生成部および識別器は、たとえば多層パーセプトロン、スキップ接続を伴う畳み込みニューラルネットワーク、回帰性ニューラルネットワーク等、任意の適切なタイプの深層学習ネットワークを使用することができる。
画像生成部は、実世界画像(real world image)を受け取り、シミュレートされた画像を生成する。本例において、実世界画像はリアルT1-強調画像であり、シミュレートされた画像はシミュレートされたT2-強調画像である。
識別器は、画像生成部からシミュレート画像と、リアル画像と、を受け取る。この識別器は、シミュレート画像とリアル画像のうち、どちらがリアルであると判断し、かつどちらが偽者(シミュレートされた)であると判断したかという、決定を生み出す。識別器は、シミュレート画像とリアル画像のうちの一方がリアルであり、他方が偽物である、と常に区分する。識別器は、リアルT2-強調撮像スキャンから取得されたと判断したシミュレート画像とリアル画像のうちの一方をリアルとして区分する。識別器は、リアルT2-強調撮像スキャンから取得されなかったと判断したシミュレート画像とリアル画像のうちの一方を偽物として区分する。
シミュレータがリアルT1-強調画像からシミュレートされたT2-強調画像を生成すると、シミュレートされたT2-強調画像を使用しながらレジストレーションが実行される。
まず、シミュレータは、たとえば上述の訓練法を使用してT2-強調画像をシミュレートするために訓練される。
シミュレーション回路は、T1―強調画像を取得する。シミュレーション回路は、T1-強調画像からT2-強調画像をシミュレートするために、シミュレータを使用する。シミュレーション回路は、シミュレートされたT2-強調画像をレジストレーション回路に渡す。
シミュレートT2-強調画像は、T2-強調画像を特徴付ける属性を有する。たとえば、水の領域は、T1-強調画像では暗く見える一方、シミュレートされたT2-強調画像で明るく見えることがある。シミュレートされたT2-強調画像は、画像属性においてリアルT2-強調画像に似ていると思われる。たとえば、シミュレートされたT2-強調画像は、リアルT2-強調画像と、輝度値、輝度幅範囲、コントラスト、解像度、シャープネス、特色の定義、信号対ノイズ比等において、類似する。
たとえば、T1-強調画像入力画像からT2-強調画像を合成するシミュレータの能力を実証する、四つの画像のセットが生成される。この例では、第一の画像は、T1-強調MRアキシャル頭部画像スライスの画像である。第二の画像は、T1-強調の第一画像と照合する、本物のT2-強調画像の画像である。たとえば、T2-強調画像は、T1-強調の第一画像と同じスタディで収集されたT2-強調画像の場合がある。
第三の画像は、積み重ねられたオートエンコーダを有する画像生成部を使用することで、T1-強調の第一画像から取得されたシミュレートされたT2-強調画像である。第四の画像は、たとえば上述のDANシミュレータを使用することで、T1-強調の第一画像から取得されたシミュレートされたT2-強調画像である。第三および第四の画像を生み出すために使用された各方法において、画像生成部は、積み重ねられたオートエンコーダを有する。第四の画像を生み出すために使用された方法のみ、識別器を使用する。この例において、第四の画像(DAN法を使用)は第三の画像(積み重ねられたオートエンコーダを使用)よりも鮮明である。
T1-強調画像から取得されたシミュレートされたT2-強調画像は、T1-強調画像と同じスキャンで取得されたリアルT2-強調画像とは異なる場合がある。シミュレータは、現実的なシミュレートされた画像を生み出すよう訓練されているが、リアルT2-強調画像にはT1-強調画像で利用できない情報が存在しうる。それにもかかわらず、シミュレートされたT2-強調画像は、多重シーケンスレジストレーションに対して、または、その他のアプリケーションに対しても、役立つツールになることがある。シミュレートされたT2-強調画像を使用することにより、シミュレートされたT2-強調画像が取得されたオリジナルT1-強調画像について、実行することが不可能な場合があった操作は、シミュレートされたT2-強調画像について、操作を実行することができる。
また、レジストレーション回路は、シミュレーション回路が取得したT1-強調画像がレジストレーションされるよう意図していたリアルT2-強調画像を受け取る。たとえば、T1-強調画像およびT2-強調画像は、同じスキャンから取得されている場合があるが、所望のアプリケーションにおける使用に対しては十分満足にレジストレーションされない場合がある。別の例において、T1-強調画像とリアルT2-強調画像とは、異なる時間で収集された、同じ患者のスキャンからの画像の場合がある。T1-強調データのみが一回のスキャンで収集され(たとえば、最初のスキャン)、T2-強調データのみが別のスキャンで収集され(たとえば、後追い(フォローアップ)スキャン)する可能性があり、各スキャンから取得された画像をレジストレーションしようとすることもある。
レジストレーション回路は、シミュレータを使用して取得したシミュレートされたT2-強調画像を、リアルT2-強調画像へとレジストレーションする。レジストレーション回路は、類似性メトリックとして二乗差の和を使用して、シミュレートされたT2-強調画像をリアルT2-強調画像へとレジストレーションする。レジストレーション法は、たとえば同じモダリティかつ同じシーケンスを使用して収集された画像など、同じ撮像手順を使用して取得された画像をレジストレーションするために使用することができる、任意のレジストレーション法とすることができる。
同じタイプの撮像手順を使用して収集されたデータをレジストレーションするために通常は使用することができるレジストレーション法を使用して、シミュレートされたT2-強調画像とリアルT2-強調画像とを、一緒にレジストレーションすることは可能である。何故ならば、シミュレートされたT2-強調画像は、リアルT2-強調画像の画像属性と同じような画像属性を有するからである。
レジストレーション回路は、シミュレートされたT2-強調画像とリアルT2-強調画像とのレジストレーションを使用して、T1-強調画像とリアルT2-強調画像とのレジストレーションを取得する。シミュレートされたT2-強調画像は、T1-強調画像と同じ座標空間に存在するため、シミュレートされたT2-強調画像とリアルT2-強調画像とのレジストレーションの結果を、T1-強調画像へと直接変換することができる。
つまり、リアルT1-強調画像からT2-強調画像をシミュレーションし、かつシミュレートされたT2-強調画像をリアルT2-強調画像へとレジストレーションすることにより、シミュレーション回路が取得したリアルT1-強調画像は、リアルT2-強調画像へとレジストレーションされる、ということである。
以上が、T1-強調画像からT2-強調画像をシミュレートする方法の一例である。この方法は、任意のマルチモダリティ、または、マルチシーケンス画像レジストレーションを支援するために使用される。たとえば、T1-強調画像をCT画像へとレジストレーションするためには、T1-強調画像に見えるようなCT画像を、まず作る場合がある。
第一のタイプの撮像手順を使用しながら収集された画像を、第二の、異なるタイプの撮像手順、例えば異なるモダリティ、シーケンス、取得技法または処理技法を使用しながら収集された画像へと、直接レジストレーションする方法を使用することは、有名である。たとえば、相互情報は、異なるタイプの撮像手順を使用しながら収集された画像を、レジストレーションするために使用することができる。
上記の方法を用いて、任意のシーケンスをシミュレートすることができる。たとえば、T1-強調画像をT2-強調画像からシミュレートすることもできるし、異なるモダリティをシミュレートすることもできる。たとえば、T1-強調MR画像をCT画像へとレジストレーションするために、CT画像をT1-強調画像のように見えるようにさせるシミュレータを使用することがある。シミュレータは、マルチモダリティ、または、マルチシーケンス画像レジストレーションを支援するために訓練することができる。
また、セグメンテーションアルゴリズムは、一つのタイプの撮像手順を使用して収集されたデータに対して利用可能であるが、異なるタイプの撮像手順を使用しながら収集されたデータでは使用することができない。シミュレータは、セグメンテーションアルゴリズムを開発するためのデータタイプをシミュレートするように訓練される。たとえば、セグメンテーションアルゴリズムは、CT画像に対して開発されてもよい。この場合、シミュレータは、CT画像をシミュレートするために、MR画像を処理するよう訓練される。セグメンテーションアルゴリズムは、その場合にMR画像からCT画像をシミュレーションし、かつセグメンテーションアルゴリズムをシミュレートされたCT画像へと適用することで、MR画像について使用することができる。シミュレーション処理を上述のように適用することにより、一つのモダリティに対して開発されたセグメンテーションアルゴリズムは、その他のモダリティについても使用することができる。
(第8の実施形態)
図9は、第8の実施形態に係る医用画像処理装置を含むX線診断装置80の一構成例を示すブロック図である。
X線診断装置80は、被検体をX線撮影することによりX線画像を生成する撮影装置81と、医用画像処理装置10の一例としてのコンソール装置82とを備える。
この第8実施形態に示すX線診断装置80は、自身で被検体を撮影してDSAマスク画像31、DSAコントラスト画像、デバイスマスク画像41、およびライブ画像42を取得可能な点で第1実施形態に示す医用画像処理装置10と異なる。他の構成および作用については図1に示す医用画像処理装置10と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。
撮影装置81は、たとえばX線TV装置の撮影系により構成され、撮影台に臥位で載置された被検体の撮影対象部位をX線撮影するためのX線管、X線検出器等を含む撮影系を有し、X線撮影により得たX線画像をコンソール装置82に与える。
医用画像処理装置10の一例としてのコンソール装置82の処理回路15xの管画像生成機能21x、デバイス画像生成機能22x、およびロードマップ画像生成機能23xは、医用画像処理装置10の管画像生成機能21、デバイス画像生成機能22、およびロードマップ画像生成機能23と同様の構成および作用を有するため説明を省略する。処理回路15xがあつかう管画像35としては、DSA画像(血管画像)が好適である。
第8実施形態に係る医用画像処理装置10によっても、第1実施形態に係る医用画像処理装置10と同様に、DSAコントラスト画像32とデバイスマスク画像41との位置ずれ量に応じた第3変換パラメータΔP3を考慮することにより、ロードマップ画像50を構成する管画像35(DSA画像)とデバイス画像45との位置ずれを自動かつ高精度に低減することができる。
以上説明した少なくとも1つの実施形態によれば、ロードマップ画像50を構成する管画像35とデバイス画像45との位置ずれを自動かつ高精度に低減することができる。
なお、上記実施形態において、「プロセッサ」という文言は、たとえば、専用または汎用のCPU(Central Processing Unit)、GPU(Graphics Processing Unit)、または、特定用途向け集積回路(Application Specific Integrated Circuit:ASIC)、プログラマブル論理デバイス(たとえば、単純プログラマブル論理デバイス(Simple Programmable Logic Device:SPLD)、複合プログラマブル論理デバイス(Complex Programmable Logic Device:CPLD)、およびFPGA)等の回路を意味するものとする。プロセッサは、記憶媒体に保存されたプログラムを読み出して実行することにより、各種機能を実現する。
また、上記実施形態では処理回路の単一のプロセッサが各機能を実現する場合の例について示したが、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサが各機能を実現してもよい。また、プロセッサが複数設けられる場合、プログラムを記憶する記憶媒体は、プロセッサごとに個別に設けられてもよいし、1つの記憶媒体が全てのプロセッサの機能に対応するプログラムを一括して記憶してもよい。
なお、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。
10 医用画像処理装置
15、15x 処理回路
21、21x 管画像生成機能
22、22x デバイス画像生成機能
23、23x ロードマップ画像生成機能
31 DSAマスク画像
32 DSAコントラスト画像
35 管画像
41 デバイスマスク画像
42 ライブ画像
43 デバイス
45 デバイス画像
50 ロードマップ画像
80 X線診断装置
81 撮影装置
101 X線診断装置
102 MRI装置

Claims (13)

  1. 管状構造物の画像である管画像と手技中に前記管状構造物に挿入されたデバイスの画像であるデバイス画像との合成を行う医用画像処理装置であって、
    X線撮影にもとづいてリアルタイムに収集されるライブX線画像と前記デバイスを用いた手技の開始前に取得されたX線画像にもとづいて生成されたデバイスマスク画像との第1位置ずれ量にもとづいて前記ライブX線画像を基準に前記デバイスマスク画像を位置合わせ変換してから前記ライブX線画像と前記デバイスマスク画像とを差分することにより、前記デバイス画像を生成するデバイス画像生成部と、
    前記管画像の生成に用いた画像と前記デバイスマスク画像との第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記管画像を位置合わせ変換してから、前記デバイス画像と前記管画像とを合成した合成画像を生成する合成画像生成部と、
    を備えた医用画像処理装置。
  2. 前記合成画像生成部は、
    前記ライブX線画像の収集前に前記第2位置ずれ量にもとづいて前記デバイスマスク画像を基準に前記管画像の生成に用いた画像を仮に位置合わせ変換しておき、前記ライブX線画像の収集が開始されると、前記ライブX線画像が収集されるごとに、仮に位置合わせ変換した前記管画像の生成に用いた画像を前記第1位置ずれ量にもとづいて前記ライブX線画像を基準に位置合わせ変換してから、前記デバイス画像と前記管画像とを合成した合成画像を生成する、
    請求項1記載の医用画像処理装置。
  3. 造影剤投与後の被検体の時系列的な複数のコントラスト画像の各コントラスト画像について、前記各コントラスト画像と造影剤投与前の被検体の画像にもとづくマスク画像との第3位置ずれ量にもとづいて前記各コントラスト画像を基準に前記マスク画像を位置合わせ変換してから前記各コントラスト画像と前記マスク画像とを差分することにより、複数のDSA画像を生成し、前記複数のDSA画像から選択されたDSA画像を前記管画像として前記合成画像生成部に与える管画像生成部、
    をさらに備えた請求項1または2に記載の医用画像処理装置。
  4. 前記管画像生成部は、
    前記複数のDSA画像の各DSA画像と、前記各DSA画像に対応するコントラスト画像と、を関連付けて記憶部に記憶させておき、前記複数のDSA画像から前記管画像が選択されると、当該管画像に対応するコントラスト画像を前記記憶部から取得して、取得したコントラスト画像を前記管画像とともに前記合成画像生成部に与える、
    請求項3記載の医用画像処理装置。
  5. 前記管画像の生成に用いた画像は、前記管画像として選択されたDSA画像に対応するコントラスト画像であり、
    前記合成画像生成部は、
    前記管画像に対応するコントラスト画像と前記デバイスマスク画像との前記第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記管画像を位置合わせ変換してから、前記デバイス画像と前記管画像とを合成した合成画像を生成する、
    請求項4記載の医用画像処理装置。
  6. 前記管画像生成部は、
    前記複数のDSA画像の各DSA画像と、前記各DSA画像に対応する前記各コントラスト画像と前記マスク画像との第3位置ずれ量と、を関連付けて記憶部に記憶させておき、前記複数のDSA画像から前記管画像が選択されると、当該管画像に対応する第3位置ずれ量を前記記憶部から取得して、取得した第3位置ずれ量を前記管画像および前記マスク画像とともに前記合成画像生成部に与える、
    請求項3記載の医用画像処理装置。
  7. 前記管画像の生成に用いた画像は、前記マスク画像であり、
    前記合成画像生成部は、
    前記管画像に対応する前記第3位置ずれ量と、前記マスク画像と前記デバイスマスク画像との前記第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記管画像を位置合わせ変換してから、前記デバイス画像と前記管画像とを合成した合成画像を生成する、
    請求項6記載の医用画像処理装置。
  8. 前記管画像生成部は、
    前記管画像に対応する前記第3位置ずれ量にもとづいて前記管画像に対応するコントラスト画像を基準に前記マスク画像を位置合わせ変換した仮変換マスク画像を生成して、生成した前記仮変換マスク画像を前記管画像とともに前記合成画像生成部に与え、
    前記合成画像生成部は、
    前記仮変換マスク画像と前記デバイスマスク画像との前記第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記管画像を位置合わせ変換してから、前記デバイス画像と前記管画像とを合成した合成画像を生成する、
    請求項7記載の医用画像処理装置。
  9. 造影剤投与後の被検体の時系列的な複数のコントラスト画像にもとづく複数のDSA画像を用いて前記管画像を生成して前記合成画像生成部に与えるとともに、前記管画像の生成に用いた前記複数のDSA画像にもとづく画像または当該複数のDSA画像に対応する複数のコントラスト画像にもとづく画像を、前記管画像の生成に用いた画像として、前記合成画像生成部に与える管画像生成部、
    をさらに備えた請求項1または2に記載の医用画像処理装置。
  10. X線CT装置の血管撮影法により取得された被検体の3次元原画像のボリュームデータと前記3次元原画像にもとづいて生成された3次元血管像のボリュームデータとを取得し、前記ライブX線画像を収集するX線診断装置の撮像系の位置にもとづくレンダリング処理により前記3次元血管像のボリュームデータから前記管画像を生成するとともに、前記撮像系の位置にもとづくレンダリング処理により前記3次元原画像のボリュームデータから前記管画像の生成に用いた画像を生成する管画像生成部、
    をさらに備え、
    前記合成画像生成部は、
    前記3次元原画像のボリュームデータから生成された前記管画像の生成に用いた画像と前記デバイスマスク画像との前記第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記3次元血管像のボリュームデータから生成された前記管画像を位置合わせ変換してから、前記デバイス画像と前記3次元血管像のボリュームデータから生成された前記管画像とを合成した合成画像を生成する、
    請求項1または2に記載の医用画像処理装置。
  11. 磁気共鳴イメージング装置の胆管膵管撮影法により取得された被検体の3次元MR原画像のボリュームデータと前記3次元MR原画像にもとづいて生成された3次元MR管画像のボリュームデータとを取得し、前記ライブX線画像を収集するX線診断装置の撮像系の位置にもとづくレンダリング処理により前記3次元MR管画像のボリュームデータから前記管画像を生成するとともに、前記3次元MR原画像のボリュームデータにもとづいてX線CT画像のボリュームデータをシミュレートし、前記撮像系の位置にもとづくレンダリング処理によりシミュレートされた前記X線CT画像のボリュームデータから前記管画像の生成に用いた画像を生成する管画像生成部、
    をさらに備え、
    前記合成画像生成部は、
    前記3次元MR原画像のボリュームデータにもとづいてシミュレートされた前記X線CT画像のボリュームデータから生成された前記管画像の生成に用いた画像と前記デバイスマスク画像との前記第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記3次元MR管画像のボリュームデータから生成された前記管画像を位置合わせ変換してから、前記デバイス画像と前記3次元MR管画像のボリュームデータから生成された前記管画像とを合成した合成画像を生成する、
    請求項1または2に記載の医用画像処理装置。
  12. 血管画像と手技中に血管に挿入されたデバイスの画像であるデバイス画像との合成を行うX線診断装置であって、
    被検体をX線撮影することによりX線画像を生成する撮影装置と、
    前記撮影装置により撮影されたX線画像にもとづいて被検体の前記血管画像を生成する血管画像生成部と、
    X線撮影にもとづいてリアルタイムに収集されるライブX線画像と前記デバイスを用いた手技の開始前に取得されたX線画像にもとづいて生成されたデバイスマスク画像との第1位置ずれ量にもとづいて前記ライブX線画像を基準に前記デバイスマスク画像を位置合わせ変換してから前記ライブX線画像と前記デバイスマスク画像とを差分することにより、前記デバイス画像を生成するデバイス画像生成部と、
    前記血管画像の生成に用いた画像と前記デバイスマスク画像との第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて前記ライブX線画像を基準に前記血管画像を位置合わせ変換してから、前記デバイス画像と前記血管画像とを合成した合成画像を生成する合成画像生成部と、
    を備えたX線診断装置。
  13. 管状構造物の画像である管画像と手技中に前記管状構造物に挿入されたデバイスの画像であるデバイス画像との合成を行う医用画像処理プログラムであって、コンピュータに、
    X線撮影にもとづいてリアルタイムに収集されるライブX線画像と前記デバイスを用いた手技の開始前に取得されたX線画像にもとづいて生成されたデバイスマスク画像との第1位置ずれ量にもとづいて前記ライブX線画像を基準に前記デバイスマスク画像を位置合わせ変換するステップ、
    当該位置合わせ変換した前記デバイスマスク画像と、前記ライブX線画像と、を差分することにより、前記デバイス画像を生成するステップ、
    前記管画像の生成に用いた画像と前記デバイスマスク画像との第2位置ずれ量と、前記第1位置ずれ量と、にもとづいて、前記ライブX線画像を基準に前記管画像を位置合わせ変換するステップ、および、
    当該位置合わせ変換した前記管画像と、前記デバイス画像と、を合成した合成画像を生成するステップ、
    を実行させるための医用画像処理プログラム。
JP2019047992A 2019-03-15 2019-03-15 医用画像処理装置、x線診断装置および医用画像処理プログラム Active JP7300285B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019047992A JP7300285B2 (ja) 2019-03-15 2019-03-15 医用画像処理装置、x線診断装置および医用画像処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019047992A JP7300285B2 (ja) 2019-03-15 2019-03-15 医用画像処理装置、x線診断装置および医用画像処理プログラム

Publications (2)

Publication Number Publication Date
JP2020146333A JP2020146333A (ja) 2020-09-17
JP7300285B2 true JP7300285B2 (ja) 2023-06-29

Family

ID=72431020

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019047992A Active JP7300285B2 (ja) 2019-03-15 2019-03-15 医用画像処理装置、x線診断装置および医用画像処理プログラム

Country Status (1)

Country Link
JP (1) JP7300285B2 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008212241A (ja) 2007-02-28 2008-09-18 Toshiba Corp X線診断装置及び画像表示方法
JP2011245158A (ja) 2010-05-28 2011-12-08 Toshiba Corp X線画像診断装置
JP2015217052A (ja) 2014-05-15 2015-12-07 株式会社東芝 医用画像処理装置、x線診断装置及び医用画像処理プログラム
JP2019146788A (ja) 2018-02-27 2019-09-05 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008212241A (ja) 2007-02-28 2008-09-18 Toshiba Corp X線診断装置及び画像表示方法
JP2011245158A (ja) 2010-05-28 2011-12-08 Toshiba Corp X線画像診断装置
JP2015217052A (ja) 2014-05-15 2015-12-07 株式会社東芝 医用画像処理装置、x線診断装置及び医用画像処理プログラム
JP2019146788A (ja) 2018-02-27 2019-09-05 キヤノンメディカルシステムズ株式会社 磁気共鳴イメージング装置

Also Published As

Publication number Publication date
JP2020146333A (ja) 2020-09-17

Similar Documents

Publication Publication Date Title
JP7246866B2 (ja) 医用画像処理装置
US11806189B2 (en) Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging
KR102507711B1 (ko) 의료용 화상 처리 장치, 의료용 화상 처리 방법, 및 컴퓨터 판독가능 매체
JP6271097B2 (ja) デジタルサブトラクション血管造影
WO2020183799A1 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
JP2018515197A (ja) 腹腔鏡および内視鏡による2d/2.5d画像データにおけるセマンティックセグメンテーションのための方法およびシステム
JP2019216848A (ja) 医用画像処理装置、医用画像処理方法及びプログラム
WO2020102584A2 (en) Convolutional neural networks for efficient tissue segmentation
JP2020166813A (ja) 医用画像処理装置、医用画像処理方法及びプログラム
WO2021015231A1 (ja) 学習装置、方法およびプログラム、関心領域抽出装置、方法およびプログラム、並びに学習済み抽出モデル
US20210225491A1 (en) Diagnostic image converting apparatus, diagnostic image converting module generating apparatus, diagnostic image recording apparatus, diagnostic image converting method, diagnostic image converting module generating method, diagnostic image recording method, and computer recordable recording medium
US8068665B2 (en) 3D-image processing apparatus, 3D-image processing method, storage medium, and program
JP7490741B2 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
CN108430376B (zh) 提供投影数据集
JP7051595B2 (ja) 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム
Xie et al. Generation of contrast-enhanced CT with residual cycle-consistent generative adversarial network (Res-CycleGAN)
JP7300285B2 (ja) 医用画像処理装置、x線診断装置および医用画像処理プログラム
KR102586483B1 (ko) 인공지능에 의한 의료영상 변환방법 및 그 장치
CN113538419B (zh) 一种图像处理方法和系统
JP5051025B2 (ja) 画像生成装置、プログラム、および画像生成方法
Jeong et al. Deep-learning-based registration of diagnostic angiogram and live fluoroscopy for percutaneous coronary intervention
CN110852993B (zh) 一种造影剂作用下的成像方法与设备
CN112790778A (zh) 采集错误对齐
KR20200057463A (ko) 진단 영상 변환 장치, 진단 영상 변환모듈 생성 장치, 진단 영상 촬영 장치, 진단 영상 변환 방법, 진단 영상 변환모듈 생성 방법, 진단 영상 촬영 방법, 및 컴퓨터 판독 가능한 기록매체
CN109199418B (zh) 至少一个特征变量的可视化

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220127

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230110

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230309

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: 20230523

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230619

R150 Certificate of patent or registration of utility model

Ref document number: 7300285

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150