JP7325310B2 - 医用画像処理装置、医用画像解析装置、及び、標準画像作成プログラム - Google Patents

Description

本発明は、医用撮像装置で取得した画像を用いて検査対象の形態や機能等を解析するための医用画像処理装置に関し、特に解析に必要な標準画像を作成する技術に関する。

脳形態解析や脳機能解析の分野では、多数の医用画像を用いて、検査対象の所定部位の体積変化などを統計解析（ＲＯＩ解析）し、様々な脳疾患や個体差などを解明する技術が開発されており、解析の基本技術として画像処理が不可欠になっている。

脳解析では、関心領域（ＲＯＩ）の解析を実施する際に、解剖学的標準化が行われる。解剖学的標準化（空間正規化或いは空間標準化とも呼ばれる）は、解析の対象である画像、例えば脳画像を標準脳座標の画像に変換する処理である。標準脳は、予め取得した多数の被験者の脳ＭＲＩ画像から算出された平均的な形状・大きさの脳画像であり、海馬や被殻などの脳の各組織のＲＯＩの位置や範囲が指定されている。一般に脳の形状や大きさには固体差があるが、これを標準脳に変換しておくことで、互いに比較することができ統計解析の対象となりうる。

解剖学的標準化では、通常、計測した脳画像（計測画像）をセグメンテーションして、例えば白質と灰白質のマップを作成し、それを元に標準脳座標の画像に変換するための変換マップ（変位場行列或いは変換行列）を作成し、その変換マップを計測画像に適用し、標準脳座標に変換した画像（変換後画像あるいは標準化脳画像）を得る。変換の手法としては、アフィン変換や非剛体レジストレーションなどの手法が一般的に知られており、さらに精度を高めた手法としてＤＡＲＴＥＬ法が提案されている（非特許文献１）。ＤＡＲＴＥＬ法では、施設毎に計測した複数の画像から中間テンプレートを作成しておき、解析の対象となる計測画像を中間テンプレート（ダーテルテンプレート）に変換した後、予め保持している標準脳画像に対し、非剛体レジストレーションを行うというものである。この中間テンプレートは、施設毎に標準化した、いわば中間的な標準脳画像であり、計測画像を直接標準脳画像にレジストレーションするのではなく、中間的な標準脳画像に変換してからレジストレーションすることで、施設毎の画像のばらつきなどの影響を排除し、レジストレーションの精度を高めることができる。

さらに、脳画像のＲＯＩ解析において、このＤＡＲＴＥＬ法を用いて、脳画像の空間標準化を行うことが特許文献１に開示されている。また特許文献１には、白質や灰白質のテンプレート（標準脳テンプレート）を年齢層別や性別毎に作成することが記載されている。

特許第５６０１３７８号公報（段落００７５）

Ａｓｈｂｕｒｎｅｒ Ｊ． "Ａ ｆａｓｔ ｄｅｆｆｅｏｍｏｒｐｈｉｃ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ"， Ｎｅｕｒｏｉｍａｇｅ ２００７； ３８， ９５－１１３

しかし、医用画像は個人差が大きく、特に、計測した脳画像に脳室異常などの形状変化が大きい領域があると精度のよい変換マップを作成することが困難であり、従来方法では、標準脳変換に失敗することがあった。また計測画像に白質病変や脳腫瘍があると変換マップ作成のためのセグメンテーションで誤認識を生じ、標準脳変換に失敗する。変換に失敗した計測画像は解析対象外となる。

本発明は、計測画像に形状変化の大きい領域があったり、他の組織との誤認を生じるような病変等があったりする場合にも適切に解剖学的標準化を行うことができ、これにより多くの被験者のＲＯＩ解析を可能にする技術を提供することを課題とする。

本発明の第一の態様では、標準脳の作成の際に、多数の画像データをそれらの解剖学的特徴やその類似性或いは属性などをもとに複数の群に分類し、群毎に中間的な変換画像と変換マップである中間テンプレートを算出し、中間テンプレート算出と中間的な変換画像の作成とを分類の数を漸減しながら繰り返すことで最終的な標準画像を作成する。

また本発明の第二の態様では、標準画像を作成する際に経由した分類の段階（分類経路）と同じ経路を辿りながら、各段階で算出された中間テンプレートを用いて、特定の対象についての計測画像の標準画像への変換処理（空間標準化）或いは標準画像から計測画像への変換処理を行う。本明細書では、両方の変換処理を総括して空間標準化という。またそれらを用いた解析については、前者を標準脳解析、後者を個人脳解析という。

すなわち本発明の医用画像処理装置は、医用画像の統計解析に用いる標準画像を作成する標準画像作成部を備えた医用画像処理装置であって、前記標準画像作成部は、多数の医用画像を、複数の群に分類する画像分類部と、群毎に中間テンプレートを算出するテンプレート算出部と、前記複数の群のそれぞれを構成する画像に対し、群毎の中間テンプレートへの変換処理を行い、変換画像を算出する変換処理部と、を有し、前記変換処理部が算出した変換画像に対し、群の数を減少させながら、前記テンプレート算出部による群毎の中間テンプレートの算出と前記変換処理部による変換画像の算出とを繰り返し、前記群の数が最小となったときに、その群について前記テンプレート算出部が算出したテンプレートを前記標準画像とする。

また本発明の医用画像処理装置は、前記画像分類部による分類経路、前記テンプレート算出部が算出した前記群毎の中間テンプレートを記憶する記憶部と、所定の医用画像を前記標準画像に変換処理した標準化画像、または、前記標準画像を前記所定の医用画像に逆変換処理した逆変換標準画像を用いて、前記所定の医用画像を統計解析する解析部と、をさらに備え、前記変換処理部は、前記記憶部に記憶された前記分類経路に従って、前記中間テンプレートを用いた変換処理を繰り返し行い、前記標準化画像または前記逆変換標準画像を算出する。

本発明によれば、分類に従って、群の数を減らしながら中間テンプレートの算出を繰り返し、最終的に算出されるテンプレートを用いて標準画像を作成する。このように作成された標準画像を用いて所定の医用画像（計測画像）の空間標準化を行う場合、標準画像を作成する繰り返し演算の際に経由した分類の経路を辿ることにより、計測画像中に、形状変化が大きい領域がある画像や病変画像が含まれている場合にも、精度のよい空間標準化を行うことができ、標準画像を用いた医用画像解析の精度を向上することができる。

脳画像解析装置の全体構成を示す図。 画像処理部の機能ブロック図。 脳画像解析装置の処理を示す図。 第一実施形態の標準画像作成部の処理を模式的に示す図。 第一実施形態における空間標準化部の処理フローを示す図。 第一実施形態の空間標準化部の処理を模式的に示す図。 第二実施形態における空間標準化部の処理フローを示す図。 第三実施形態の画像処理部の構成を示すブロック図。 第三実施形態における画像処理部の処理フローを示す図。 ユーザーインターフェイス画面の一例を示す図。

以下、本発明の医用画像解析装置及び医用画像処理装置の実施形態を説明する。ここでは医用画像が脳画像であり、医用画像解析装置が脳画像解析装置である場合を例に説明する。

脳画像解析装置１００は、多数の被験者の脳画像を用いてその解析を行う装置であり、図１に示すように、医用画像の取り込みを行う画像取得部１０と、医用画像に対し画像変換等の処理を行う画像処理部２０と、医用画像の形態や機能の統計解析を行う統計解析部３０と、取り込んだ医用画像や各部の処理途中のデータ等を格納する記憶部４０とを備え、さらにユーザーに対し画像や必要な情報を提示するための表示装置や入力装置を有するＵＩ部５０を備えていてもよい。

脳画像解析装置１００が扱う脳画像としてはＭＲＩ画像（例えばＴ１強調画像）、ＰＥＴ画像、ＣＴ画像、超音波画像など医用撮像装置で取得した画像や、それらから算出した定量値を画素値とする計算画像を対象とすることができ、脳画像解析装置１００は、これら医用撮像装置に付属した装置であってもよいし、医用撮像装置とは独立した装置であってもよい。また脳画像解析装置１００の機能の一部、例えば画像処理部２０及び統計解析部３０の少なくとも一方を、脳画像解析装置１００とは異なる画像処理装置（不図示）で実現してもよい。

脳画像解析装置１００あるいは上記機能を実現する画像処理装置が、医用撮像装置とは独立した装置である場合、脳画像解析装置１００はネットワーク等を介して医用撮像装置３００或いは多数の医用画像を格納した医用画像データベース５００に接続されており、医用撮像装置３００或いは医用画像データベース５００から所望の画像を取得し、解析を行う。

画像処理部２０は、多数の被験者の脳画像を用いて、変換行列（変換マップともいう）を用いた画像変換を経て標準脳を作成する標準脳画像作成部２０Ａとしての機能、及び、特定の被検体について計測した画像（以下、計測画像という）に対し、標準画像の作成の際に作成した中間テンプレートや変換行列を用いて計測画像を標準画像に対しレジストレーションし標準化画像を作成する機能、或いは作成した標準脳画像を、その作成に用いた変換行列の逆行列を用いて画像変換を行い、逆変換標準脳画像を作成する機能（空間標準化部２０Ｂとしての機能）を有する。

画像処理部２０は、標準脳画像作成部２０Ａとしての機能を達成するため、図２に示すように、多数の被験者の脳画像を形態的な類似性（脳や脳組織のサイズ、疾患の有無など）や被験者の属性（性別、年齢、人種等）をもとに複数の画像群に分類する画像分類部２１０と、複数の画像群のそれぞれについて、群を構成する画像から、それらの標準画像であるテンプレート（中間テンプレート）を算出するテンプレート算出部２２０と、各画像をテンプレートにレジストレーションするための変換行列を算出し、この変換行列を各画像に適用して、中間的な変換画像を作成する変換処理部２４０と、を備える。さらに、群の分類や再分類を行うために、画像分類部２１０とは別に、群間の類似度を算出する類似度算出部２３０を備えていてもよい。

さらに、画像処理部２０は、上記各部の演算を繰り返し行うよう制御する繰り返し演算部２５０を備える。繰り返し演算部２５０は、群毎に、変換処理部２４０が作成した変換画像（中間変換画像）に対し、分類される群の数を減らしながら、群の数が１になるまで、減らした群毎にテンプレート算出部２２０によるテンプレートの算出、変換行列の算出及び変換処理を繰り返す。画像処理部２０（標準画像作成部２０Ａ）は、最終的に、群の数が最小となったときに、つまり群が一つになったときに、その群について算出されたテンプレートを標準画像（標準脳画像）テンプレートとする。このような繰り返し演算において、分類の群毎に且つ繰り返し毎に算出された中間テンプレートは、群及び繰り返し回数の情報とともに、例えば、記憶部４０に格納される。

また画像処理部２０は、空間標準化部２０Ｂとしての機能を達成するために、上述したテンプレート算出部２２０、変換処理部２４０のほかに、計測脳画像が画像分類部２１０による分類に従っていずれかの群に属するかを決定するとともに、標準脳画像作成の際に、その群の画像を出発点として複数の変換画像を経て標準脳画像に至った分類の各段階（分類経路）を決定する分類判定部２１１を備える。なお、分類判定部２１１で行う処理は、基本的に画像分類部２１０で行う処理と同様であり、画像分類部２１０が分類判定部２１１の機能を兼ねることができる。

画像処理部２０は、分類判定部２１１の判定結果に従って、計測画像に対し、分類の各段階で算出された変換行列を用いた変換処理を繰り返し、標準画像に対するレジストレーションを行う。レジストレーションには、計測脳画像に対し解剖学的標準化（標準脳の座標への変換）を行って解析する方法（第一の方法）、及び、標準脳を計測脳画像の座標への変換（個人脳への逆変換）を行って解析する方法（第二の方法）のいずれを採用してもよい。第二の方法でレジストレーションを行う場合には、画像処理部２０は、第一の方法とは逆方向の変換行列（逆変換マップ）を算出し、これを中間テンプレートに適用する。このため、画像処理部２０は変換マップや逆変換マップを算出する変換マップ算出部２６０を備える。

さらに画像処理部２０は、後述する統計解析部３０においてＲＯＩ解析を行うために、医用画像にＲＯＩを設定する関心領域設定部２７０を備えている。関心領域設定部２７０は、医用画像の各領域の画素値を用いて領域の特徴を抽出し、自動でＲＯＩを設定する。
なお図３に示す画像処理部２０の各機能の一部は、画像処理部が行う処理に応じて省略することが可能である。

統計解析部３０は、所定の被検体について計測した脳画像（以下、計測脳画像という）について、画像処理部２０が作成した最終的なテンプレートに対して設定された脳の各部位の領域を表す脳アトラスを適用して、解析を行う。統計解析部３０における解析は、従来の脳解析の手法と同様であり、例えば、ＳＳＰ（Ｓｔａｔｉｓｔｉｃａｌ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇ）や３ＤＳＳＰ（３－Ｄｉｍｅｎｓｉｏｎａｌ Ｓｔｅｒｅｏｔａｃｔｉｃ Ｓｕｒｆａｃｅ Ｐｒｏｊｅｃｔｉｏｎ）など公知のソフトウェアで実現可能である。従って本明細書では手法について詳述しないが、例えば、これら手法を用いて特定のＲＯＩ（白質や灰白質、その他の脳組織）の容量について、ｔ－検定、相関分析などを行い、容量の平均値からのずれ、左右差、病変の有無などを解析する。統計解析部３０は、解析により得た値（ｚ値など）を画素値とする画像を作成してもよい。

画像処理部２０（標準脳画像作成部２０Ａ）あるいは統計解析部３０が作成した標準脳画像や、統計解析部３０の解析結果などは表示装置に表示させてもよい。例えばＵＩ部５０は、画像分類部２１０による分類経路、テンプレート算出部２２０が算出した各群の中間テンプレートなどをユーザーに提示してもよい。これによりユーザーは、繰り返し演算或いはその際算出されるテンプレートの遷移を確認することができる。また標準脳作成部２０及び統計解析部３０の処理や表示装置における表示に関し、ＵＩ部５０を介してユーザーから条件や指令などを受付けることも可能である。

上述した画像処理部２０及び統計解析部３０の機能は、ＣＰＵ或いはＧＰＵ及びメモリ（記憶部４０）を備えた汎用のコンピュータでソフトウェアとして実現することができるが、一部の演算等はＡＳＩＣやＦＰＧＡなどのＰＣＤ（プログラマブルロジックデバイス）で実現してもよい。

次に上述した脳画像解析装置１００における画像処理部２０の処理を説明する。画像処理部２０の処理は、標準脳画像を作成するステップと、所定の画像について標準脳画像との間でレジストレーションを行うステップとを含む。標準脳画像を作成する手順は、図３に示すように多数の画像を、複数の群に分類するステップＳ３０１、群毎に中間テンプレートを算出するステップＳ３０２、複数の群のそれぞれを構成する画像に対し、群毎の中間テンプレートへの変換処理を行い、変換画像を算出するステップＳ３０３、群の数を減らすように群を再分類し（Ｓ３０４、Ｓ３０５）、新たな群の変換画像に対し、群毎の中間テンプレートの算出と変換画像の算出とを繰り返すステップＳ３０６を含み、群の数が最小となったときに、即ちステップＳ３０２で算出されるテンプレートが一つになったときに、そのテンプレートを標準画像のテンプレートとする。

所定の画像について標準化を行う手順は、２つの手法、所定の画像を標準脳画像にレジストレーションする手法（第一の手法）と標準脳画像を所定の画像（個人脳）にレジストレーションする手法（第二の手法）、のいずれかを取りえる。いずれの手法の場合にも、標準脳画像を作成するステップにおいて、分類の群に応じて決まる分類経路と同じ経路を、標準化の際に通るように繰り返し処理を行って標準化する。この際、標準脳画像を作成する際に、各段階で算出された中間テンプレート及び変換処理の際に求められた変換行列を用いて、変換処理を繰り返す。なお図示していないが、標準化後に、脳画像解析において一般的な技術である平滑化処理を行ってもよい。これにより位置の誤差と個人差を減らすことができ、またＳＮ比が向上する。

その後、統計解析部３０は、第一の手法でレジストレーションを行った場合には、所定の医用画像を標準画像に変換処理した標準化画像を用いて、ＲＯＩ毎に統計解析を行う。また第二の手法でレジストレーションを行った場合には、標準脳画像を所定の医用画像に逆変換処理した逆変換標準画像を用いて、所定の医用画像を統計解析する。

本実施形態の脳画像解析装置１００によれば、分類される群の数を減らしながら分類を繰り返し、分類された群毎に中間テンプレートを算出し、最終的に一つのテンプレートを得る。計測画像を最終的なテンプレートにレジストレーションして空間標準化を行う際にも、繰り返しの各段階で同じ中間テンプレートへの変換処理を行うことにより、精度のよい空間標準化を行うことができる。これにより統計解析の精度を向上することができる。

以下、画像処理部２０の処理の実施形態を説明する。以下の実施形態において、特に断らない限りは装置の構成は上述した実施形態の構成と同じである。

＜第１実施形態＞
本実施形態は、空間標準化において第一の手法を用いる。以下、本実施形態における画像処理部２０の処理を前述の図３及び図４～図６を参照して説明する。図４は、標準画像作成部２０Ａの処理、図５及び図６は、空間標準化部２０Ｂの処理を示している。

まず画像取得部１０が、医用撮像装置３００或いは医用画像データベース５００から多数の被験者の脳画像を取り込む。多数の被験者の脳画像は、例えば、ＭＲＩ装置で取得したＴ１強調画像である。これら画像は、予め、３Ｄ画像において断面位置の撮像タイミングのずれにより生じる信号強度の変化の補正（ＳＴＣ：Ｓｌｉｃｅ Ｔｉｍｉｎｎｇ Ｃｏｒｒｅｃｔｉｏｎ）や体動アーチファクト補正などを施しておくことが好ましい。

画像分類部２１０は、多数の脳画像をその属性により分類する（Ｓ３０１）。分類の仕方は、脳或いは脳室の大きさなどの解剖学的特徴、年齢、性別などの可変量（パラメータ）をもとに分類してもよいし、自己組織化マップ（ＳＯＭ）や決定木（Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ）などのアルゴリズムを用いた分類であってもよい。解剖学的特徴による分類は、病変の有無を含めてもよい。例えば、計測画像をセグメンテーションすることにより得られる白質画像と灰白質画像とを用いて脳室の大きさの標準値からのずれから脳室異常（正常圧水頭症）を判定する、白質の画素値から白質病変や脳腫瘍を判定する、などの手法を用いることができる。さらにＡＩアルゴリズム等を用いて画像の特徴から脳の局所的出血を検出することも可能である。

分類によって生じる群の数は、２以上であれば特に限定されず、上述したアルゴリズムを用いる場合には、群の数を予め設定しておくことができる。図４に示す例では、Ｍ個の画像をＬ個の群に分類した状態を示している。

ついでテンプレート算出部２２０が、画像群ごとに、群に含まれる画像を用いて中間テンプレートを作成する（Ｓ３０２）。中間テンプレートは、群に含まれる画像のうち最も標準的な形状を持つ画像であり、例えば、群内の２つの画像の輪郭を重ね合わせるための変形パラメータ（変換行列）を総当り的に求め、変形パラメータを平均した値に最も近い変形パラメータとなる画像をその群の標準画像（中間テンプレート）とする。画像どうしの重ね合わせのための変換処理には、アフィン変換、非剛体変換、ＤＡＲＴＥＬ法などの非線形変換など公知の手法を採用することができる。

前者の方法の場合、収束計算の初期条件を最適化して適切な変換が行われるようにするため、特定しやすい脳部位の位置を反映する確率分布を使って制限条件を導入する。具体的には、変換行列を求める処理に先立って、脳画像のセグメンテーション処理を行い、例えば、白質、灰白質などの領域に分け、これらのセグメンテーション画像を作成しておく。このセグメンテーション画像について画像間の変形パラメータを求める。
こうして得られた中間テンプレート（中間的な標準画像）は、記憶部４０に格納される。

次に、変換処理部２４０が、画像群内の各画像に対し、ステップＳ３０２で作成した中間テンプレートを用いて、１回目の変換画像を作成する（Ｓ３０３）。この処理は、計測画像を中間テンプレートに対しレジストレーションする処理であり、中間テンプレートを求めるときと同様に、アフィン変換、非剛体変換、ＤＡＲＴＥＬ法などの非線形変換など公知の空間標準化の手法を採用することができる。この場合にも、計測画像は、セグメンテーション画像を用いることができ、それにより、セグメンテーション画像を用いることにより、組織確率マップ毎に制約をかけて変換することになるので、計算が発散せず、計算効率を向上させることができる。変換行列は、変換パラメータの位置毎の値をマップ化したものであり、レジストレーションの過程で計測画像毎に求められる。ステップＳ３０３で求めた変換行列（１回目の変換行列）は、中間テンプレートとともに記憶部４０に記憶される。得られる変換画像は、形状は中間テンプレートと概ね一致しているが、細部の形状差や画素値で表される組織情報はそのまま保持されている。この処理により、もとの画像の数と同数（Ｍ個）の変換画像が得られる。

繰り返し演算部２５０は、こうして得られた変換画像に対し、さらに画像分類部２１０による分類と、テンプレート算出部２２０による中間テンプレートの算出と、変換処理部２４０による変換処理とを繰り返す（Ｓ３０４）。ここで画像分類部２１０による分類は、最初の群の数をＬとすると、次の分類では群の数がＬより少なくなるように分類を行う。群の数は、クラスタリングのアルゴリズムを用いる場合には、アルゴリズムにおいて群の数が漸減するように設定する。この場合、類似度算出部２３０が群間の類似度を算出しておき、類似度の高い群どうしを合体することにより、群の数を漸減する。類似度の算出は、残差二乗和（ＳＳＤ）や正規化相互相関（ＮＣＣ）、相互情報量（ＭＩ）などの公知の手法により行うことができる。また分類後にその都度、類似度を算出するのではなく、再分類の規則を予め決めておくことも可能である。

またパラメータのような可変量をもとに分類する場合は、分類に使用するパラメータの数や種類を変化させてもよい。例えば１回目（Ｓ３０１）では、３つのパラメータ（性別、年齢及び脳の大きさ）を組み合わせて分類し、２回目の分類では、そのうちの１ないし２のパラメータを用いて大分類するというように、ツリー構造の下段から上段へと向かうように分類する。また繰り返し毎に類似度の算出と再分類を行う場合には、１回目の分類とそれ以降の分類では、分類の手法を異ならせてもよい。例えば、１回目はパラメータを用いて分類し、２回目移行はクラスタリングのアルゴリズムを採用してもよい。

繰り返し演算では、変換画像を群の要素とする新たな画像群（Ｌより少ない数の群）について、群ごとに、ステップＳ３０２と同様の手法で中間テンプレート（２回目の中間テンプレート）を作成し、群に含まれる個々の画像（１回目の変換画像）をこの中間テンプレートに変換処理して変換画像（２回目の変換画像）を作成する。即ち、２回目の処理では、新たな画像群の数と同数の中間テンプレートが作成され、もとの計測脳画像と同数の変換画像が作成される。繰り返し演算部２５０は、上述した群数を減らす再分類と中間テンプレートの算出と変換画像の作成処理とを、群の数が１つになるまで繰り返す。その結果、繰り返し回数がＮ回であるとすると、一つの群（Ｍ個のＮ回目変換画像からなる画像群）について一つのテンプレートが得られる。このテンプレートを最終テンプレート（標準画像）とする。
さらにこの最終テンプレートを、Ｔａｌａｉｒａｃｈ（タレイラック）座標やＭＩＮＩ標準座標等の標準テンプレートに変換してもよい。標準画像作成部２０Ａは、最終テンプレートに脳地図（アトラス）を当てはめることで各組織の領域（ＲＯＩ）が設定される。
以上のステップが標準画像作成部２０Ａの処理である。

空間標準化部２０Ｂは、所定の被検体について取得した計測脳画像について、標準脳画像作成部２０Ａが作成した標準脳画像と繰り返し演算の過程で得られた中間テンプレートを用いて空間標準化を行う。まず、図５に示すように、画像取得部１０が、対象となる計測脳画像を取り込む（Ｓ５０１）。画像分類部２１０又は分類判定部２１１は、取り込んだ計測脳画像について、標準画像作成時の分類手法に従って、いずれの群に属するかを決定する（Ｓ５０２）。即ち、計測脳画像の解剖学的特徴或いは属性（パラメータ）に応じて分類を行い、計測脳画像が属する群を決定する。図６に示す例では、計測脳画像は、Ｌ群のうち群２に分類されている。

計測脳画像が属する群が決定されると、変換処理部２４０は、記憶部４０に記憶された、計測脳画像をその群の中間テンプレート（１回目）に変換し、１回目の変換画像を作成する（Ｓ５０３）。この１回目の変換画像について、標準脳作成時の繰り返し２回目の画像分類部２１０による再分類の群を決定する。決定した群の中間テンプレート、即ち２回目の中間テンプレートを記憶部４０から読み出し、１回目の変換画像に適用し、２回目の変換画像を作成する。同様にして、分類の群が最小値になるまで、分類（群決定）と中間テンプレートを用いた変換処理とを繰り返し、最終テンプレート（Ｎ回目のテンプレート）に変換処理された変換画像を取得する（Ｓ５０５）。この変換画像は、標準脳作成ステップ（図３）で最終的に作成された標準脳画像の座標に変換された画像（標準脳変換画像）、即ち形状が概ね一致し、且つ画素値で表される組織情報はもとの計測脳画像の情報がそのまま保持された画像である。また標準脳画像との細部の形状差は残っているので、これを解消するために、必要に応じて平滑化処理や画素値補正（Modulation）処理などを施してもよい。

統計解析部３０は最終的な変換画像のセグメンテーション画像を用いて、標準脳画像と比較し、組織（ＲＯＩ）、例えば白質や灰白質内の画素値の平均値、中央値、標準偏差等の統計量を算出する。これらの統計量から、例えば被検体のＲＯＩの容量の偏差など脳疾患の診断に有用な情報を得ることができる。

本実施形態によれば、計測画像の分類結果に基づいて、標準脳画像作成において計測画像が属する群の画像から標準脳画像までに経過する繰り返し経路と同じ経路を辿って空間標準化を行うことにより、群毎の差異の影響を受けることなく、精度のよい空間標準化を行うことができる。これにより統計解析の精度を高めることができる。

＜第２実施形態＞
本実施形態は、空間標準化において第二の手法（個人脳への逆変換）を用いる。標準脳画像作成ステップは、図３及び図４に示す第１実施形態における手順と同様であるので、説明を省略し、空間標準化部２０Ｂの手順を、図７を参照して説明する。

空間標準化部２０Ｂは、画像取得部１０が、対象となる計測脳画像を取り込むと（Ｓ７０１）、画像分類部２１０（分類判定部２１１）は、取り込んだ計測脳画像について、標準画像作成時の分類手法に従って、いずれの群に属するかを決定し（Ｓ７０２）、決定した群が標準画像作成までの繰り返し処理において経過する再分類の群を決定する。繰り返し数がＮ回であるとすると、１～Ｎ個の群を決定する。標準画像作成の最後（Ｎ回目）の繰り返しの群の数は１個である。

計測脳画像が属する群とその経路が決定されると、変換マップ算出部２６０が、決定した各群の中間テンプレートを用いて、繰り返しにおいて隣接する群の中間テンプレートどうしの変換マップを算出する。即ち、１回目の中間テンプレートから２回目の中間テンプレートへの変換マップ、２回目の中間テンプレートから３回目の中間テンプレートへの変換マップ、・・・Ｎ－１回目の中間テンプレートからＮ回目の中間テンプレートへの変換マップを算出する（Ｓ７０３）。ついで変換マップ算出部２６０は、これら変換マップの逆変換マップを算出する（Ｓ７０４）。これによりＮ－１個の逆変換マップが得られる。この逆変換マップを用いて、変換処理部２４０は、標準画像作成部２０Ａが作成した標準画像（最終テンプレート或はそれをさらに標準テンプレートに変換したもの）に対し順次逆変換を行い、逆変換標準画像を作成する（Ｓ７０５）。

こうして得られる逆変換標準画像は、今、解析対象としている計測画像と形状が概ね一致する画像であり、画素値で表される組織情報はもとの標準脳画像の情報がそのまま保持されている。第１実施形態と同様に、逆変換標準画像に対し、必要に応じて平滑化処理を施してもよい。その後、逆変換標準画像と計測画像とを比較することで、計測画像の容量の差などの統計値を求めることができる。

本実施形態においても、第１実施形態と同様に空間標準化の精度を高めることができる。また本実施形態によれば、変換によって生じる誤差がＲＯＩの位置と形状のみになるので、ＲＯＩ解析時の信号値（平均値等）の誤差が低減するという効果がある。

＜第３実施形態＞
第１及び第２実施形態では、医用画像をそのまま用いて分類し、標準画像を作成或いは画像の標準化を行ったが、本実施形態は計測画像に対し、補正を行ってから分類を行う。例えば、医用画像の分類を行う際に、その解剖学的特徴等を用いて異常領域の有無を判定した場合、画像補正部により異常領域を補正する。補正の対象とする画像は、標準画像を作成するための多数の画像であるが、空間標準化の対象となる計測画像に対しても補正を行ってもよい。

本実施形態の画像処理部２０は、図８に示すように、図２に示す構成に加え、画像補正部２８０と、画像に含まれる異常部位や疾患部位を抽出するために特徴抽出部２９０とを備えている。それ以外の構成は第１実施形態或いは第２実施形態と同様であるので、それらと異なる点を中心に本実施形態を説明する。図９に本実施形態の処理の流れを示す。

画像処理部２０に医用画像、例えば脳画像を取り込まれると、特徴抽出部２９０が異常部位を検出する（Ｓ９０１）。特徴抽出部２９０は、第１実施形態の画像分類部２１０における解剖学的特徴による分類と同様に、画像のセグメンテーション画像、例えば白質画像及び灰白質画像、の画素値や大きさ標準値のずれから脳室異常や白質病変や脳腫瘍の有無と位置を判定し、異常領域を抽出してもよいし、ディープラーニング等のＡＩアルゴリズムを用いて異常領域を抽出してもよい。ＡＩアルゴリズムは、教師データなしで異常を判定するものでもよいし、入力データに対し所定の病変や異常を出力するように学習された教師データありのＡＩアルゴリズムを用いてもよい。

画像補正部２８０は、特徴抽出部２９０が抽出した病変や異常と特定された領域の画素値を、正常組織の画素値で置換することにより画像を補正する（Ｓ９０２）。病変や異常領域の周辺領域は正常組織とみなすことができるので、周辺領域の画素値で置換する。置換に用いる周辺領域の画素について別の組織を排除する処理を加えてもよい。

このように画像に対し補正を行った後、図３に示すフローに従って、繰り返し演算を行って標準画像作成を行うこと（Ｓ９０３、Ｓ９０４）は第１及び第２実施形態と同様である。図９では標準化画像作成の手順を示したが、空間標準化についても、取り込んだ医用画像に対し、ステップＳ９０１とＳ９０２の処理を行った後に、図５又は図７に示すフローに従って空間標準化を行う。

すなわち、計測画像の空間標準化においても、解析の対象である計測画像に対し、特徴抽出部２９０により異常部位の抽出を行い、異常部位があった場合には正常組織の画素の画素値を用いた補正を行った後、分類判定部２１１（或いは画像分類部２１０）による群の決定を行い、分類に従って中間テンプレートへの変換処理を繰り返し（第１実施形態の手法）、或いは標準脳画像の逆変換処理を繰り返し（第２実施形態の手法）、空間標準化を行う。

なお図９では、異常領域を補正した後に画像分類部２１０による分類を行う場合を示したが、まず画像分類部２１０において異常部位の有無を含めて分類を行い、異常部位がある群に分類された画像群について、画像補正部２８０による補正を行ってもよい。この場合、補正後の医用画像について、再度、画像分類部２１０による分類を行い、標準画像作成のステップに進んでもよい。

本実施形態によれば、解剖学的特徴による分類だけでは、分類毎の類似度を精度よく決定できないような異常や病変がある場合についても、データを統計から排除することなく標準画像作成と標準画像を用いた空間標準化を行って、統計解析に利用することができる。

以上、第１から第３の実施形態を説明したが、これらのいずれの処理を行うかはデフォルトで装置に設定しておいてもよいし、ユーザーが任意に選択可能にしてもよい。ユーザー設定を受付けるＵＩ部５０の設定画面５０Ａの一例を図１０に示す。ここでは、画像取込、繰り返し演算、補正、解析などの各処理を示すボックスが表示されており、いずれかのボックスを選択すると、プルダウン方式或は別な画面が開き、その処理の選択或は条件設定を行うことができる。例えば、「解析」ボックスを選択すると、第１の実施形態による処理とするか、即ち標準脳で解析を行うか、第２の実施形態による処理とするか、即ち個人脳で解析を行うかを選択するボックスが表示され、ユーザーの選択を受付ける。画像処理部２０はこのユーザー選択に従って、標準脳の作成後に標準脳への変換或は標準脳の個人脳への逆変換のいずれかを行い、統計解析部３０に渡す。また「補正」ボックスを選択することで、補正を行うか否かが選択可能となる。さらに「画像取込」ボックスにより、表示された画像の取り込みをユーザーが指定したり、「繰り返し演算」の繰り返し回数をユーザーが設定したりするようにしてもよい。
このようなＵＩ画面を設けることで処理の自由度を高めることができる。

１０：、２０：画像処理部、３０：統計解析部、４０：記憶部、５０：ＵＩ部、１００：脳画像解析装置、２１０：画像分類部、２２０：テンプレート算出部、２３０：類似度算出部、２４０：変換処理部、２５０：繰り返し演算部、２６０：変換マップ算出部、２７０：関心領域設定部、２８０：画像補正部、２９０：特徴抽出部、３００：医用画像撮像装置、５００：医用画像データベース

Claims (15)

1. 医用画像の統計解析に用いる標準画像を作成する標準画像作成部を備えた医用画像処理装置であって、
   前記標準画像作成部は、
   多数の医用画像を、複数の群に分類する画像分類部と、
   群毎に中間テンプレートを算出するテンプレート算出部と、
   前記複数の群のそれぞれを構成する画像に対し、群毎の中間テンプレートへの変換処理を行い、変換画像を算出する変換処理部と、を有し、
   前記変換処理部が算出した変換画像に対し、群の数を減少させながら、前記テンプレート算出部による群毎の中間テンプレートの算出と前記変換処理部による変換画像の算出とを繰り返し、前記群の数が一つになったときに、当該群について前記テンプレート算出部が算出したテンプレートを前記標準画像とすることを特徴とする医用画像処理装置。
2. 請求項１に記載の医用画像処理装置であって、
   前記画像分類部は、画像から得られる解剖学的特徴、及び、検査対象の年齢、性別、体格を含む検査対象の属性のうち、少なくとも一つを用いて分類を行うことを特徴とする医用画像処理装置。
3. 請求項１に記載の医用画像処理装置であって、
   前記標準画像作成部は、前記画像分類部が分類した群間の類似性に基づき、繰り返し毎に類似度の高い群を結合して前記群の数を減少させることを特徴とする医用画像処理装置。
4. 請求項１に記載の医用画像処理装置であって、
   前記画像分類部における分類の構造はツリー構造であって、
   前記標準画像作成部は、ツリー構造の下部から上部に向かって繰り返し処理を行い、前記群の数を減少させることを特徴とする医用画像処理装置。
5. 請求項１に記載の医用画像処理装置であって、
   前記画像分類部は、繰り返し演算の際に、前記変換画像に対し再分類を行うことを特徴とする医用画像処理装置。
6. 請求項１に記載の医用画像処理装置であって、
   繰り返し演算における前記画像分類部による分類経路、及び、前記テンプレート算出部が算出した前記群毎の中間テンプレートを記憶する記憶部と、
   所定の医用画像を前記標準画像に変換処理した標準化画像、または、前記標準画像を前記所定の医用画像に逆変換処理した逆変換標準画像を用いて、前記所定の医用画像を統計解析する解析部と、をさらに備え、
   前記標準画像作成部は、前記記憶部に記憶された前記分類経路に従って、前記中間テンプレートを用いた変換処理を繰り返し行い、前記標準化画像または前記逆変換標準画像を算出することを特徴とする医用画像処理装置。
7. 請求項６に記載の医用画像処理装置であって、
   前記画像分類部は、前記所定の医用画像を前記複数の群のいずれの群に分類し、
   前記変換処理部は、前記所定の医用画像に対し、前記画像分類部の分類に従って、前記中間テンプレートを用いた変換画像の算出を繰り返し、前記所定の医用画像の標準化画像を作成することを特徴とする医用画像処理装置。
8. 請求項６に記載の医用画像処理装置であって、
   前記画像分類部は、前記所定の医用画像を前記複数の群のいずれの群に分類し、
   前記変換処理部は、前記画像分類部の分類に従って、前記標準画像に対し、前記標準画像を作成する際の前記変換処理部による変換とは逆の変換処理を繰り返し、前記所定の医用画像に逆変換処理した逆変換標準画像を作成することを特徴とする医用画像処理装置。
9. 請求項１に記載の医用画像処理装置であって、
   前記医用画像を、繰り返し演算に先立って補正する画像補正部をさらに備えたことを特徴とする医用画像処理装置。
10. 請求項９に記載の医用画像処理装置であって、
    前記画像補正部は、前記医用画像の異常領域を抽出する特徴抽出部を備え、
    前記特徴抽出部が抽出した異常領域の画素を周辺領域の画素の画素値で置換して補正することを特徴とする医用画像処理装置。
11. 請求項９に記載の医用画像処理装置であって、
    前記画像補正部は、前記医用画像を前記画像分類部が分類する前に補正することを特徴とする医用画像処理装置。
12. 請求項９に記載の医用画像処理装置であって、
    前記画像補正部は、前記医用画像を前記画像分類部が分類した後に補正し、前記画像分類部は前記画像補正部が補正した後の医用画像を再分類することを特徴とする医用画像処理装置。
13. 医用画像の解析に用いる標準画像を作成する標準画像作成部と、前記医用画像を前記標準画像に変換処理した標準化画像、または、前記標準画像を前記医用画像に逆変換処理した逆変換標準画像を用いて、統計解析する解析部と、を備えた医用画像解析装置であって、
    前記標準画像作成部は、
    複数の医用画像を、複数の群に分類する画像分類部と、
    群毎に中間テンプレートを算出するテンプレート算出部と、
    前記複数の群のそれぞれを構成する画像に対し、群毎の中間テンプレートへの変換処理を行い、変換画像を算出する変換処理部と、を有し、
    前記変換処理部が作成した変換画像に対し、群の数を減少させながら、前記テンプレート算出部による群毎の中間テンプレートの算出と前記変換処理部による変換画像の算出とを繰り返し、前記群の数が一つになったときに、当該群について前記テンプレート算出部が算出したテンプレートを標準画像とすることを特徴とする医用画像解析装置。
14. 請求項１３に記載の医用画像解析装置であって、
    前記解析部による解析が、前記標準化画像を用いた解析か、前記逆変換標準画像を用いた解析か、のユーザ指定を受付けるユーザーインタフェイス部をさらに備えることを特徴とする医用画像解析装置。
15. 多数の医用画像を用いて、標準画像を作成する標準画像作成プログラムであって、
    前記多数の医用画像を、複数の群に分類するステップ、
    群毎に中間テンプレートを算出するステップ、
    前記複数の群のそれぞれを構成する画像に対し、群毎の中間テンプレートへの変換処理を行い、変換画像を算出するステップ、
    前記変換画像に対し、群の数を減少させながら、群毎の中間テンプレートの算出と変換画像の算出とを繰り返すステップ、及び、
    前記群の数が一つになったときに、当該群について算出したテンプレートを標準画像のテンプレートとするステップをコンピュータに実行させる標準画像作成プログラム。

Images