JP7443197B2 - 医用画像処理装置、システム及び方法 - Google Patents

医用画像処理装置、システム及び方法 Download PDF

Info

Publication number
JP7443197B2
JP7443197B2 JP2020141793A JP2020141793A JP7443197B2 JP 7443197 B2 JP7443197 B2 JP 7443197B2 JP 2020141793 A JP2020141793 A JP 2020141793A JP 2020141793 A JP2020141793 A JP 2020141793A JP 7443197 B2 JP7443197 B2 JP 7443197B2
Authority
JP
Japan
Prior art keywords
index
parameter
medical image
image processing
weighting coefficient
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
JP2020141793A
Other languages
English (en)
Other versions
JP2022037581A (ja
Inventor
卓弥 坂口
和正 荒木田
秀明 石井
昂彦 西岡
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 JP2020141793A priority Critical patent/JP7443197B2/ja
Priority to US17/411,473 priority patent/US20220068468A1/en
Priority to DE202021104560.4U priority patent/DE202021104560U1/de
Priority to DE102021122004.1A priority patent/DE102021122004A1/de
Publication of JP2022037581A publication Critical patent/JP2022037581A/ja
Application granted granted Critical
Publication of JP7443197B2 publication Critical patent/JP7443197B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Description

本明細書及び図面に開示の実施形態は、医用画像処理装置、システム及び方法に関する。
従来、心臓の虚血性心疾患を有する患者数は多く、高齢化や生活習慣病の広がりによって増加している。この虚血性心疾患のリスクを評価する指標として、狭窄率などの形状指標や、Fractional Flow Reserve(ＦＦＲ：冠血流予備量比)などの指標が知られている。
特許第６４９５０３７号公報
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、リスク評価の精度を向上させることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置付けることもできる。
実施形態に係る医用画像処理装置は、取得部と、設定部と、算出部とを備える。取得部は、被検体の冠動脈における力に関する第１のパラメータと、前記冠動脈における形状、性状および流体抵抗のうち少なくとも１つに関する第２のパラメータとを取得する。設定部は、前記第１のパラメータ及び前記第２のパラメータのうち少なくとも一方に対して、前記冠動脈の解剖学的位置に対応付けた重み付け係数を設定する。算出部は、前記第１のパラメータと前記第２のパラメータと前記重み付け係数とに基づいて、前記被検体のリスクに関する指標を算出する。
図１は、第１の実施形態に係る医用画像処理システム及び医用画像処理装置の構成例を示す図である。 図２は、第１の実施形態に係る医用画像処理装置による処理の概要を説明するための図である。 図３は、第１の実施形態に係る算出機能による総合指標の算出の一例を説明するための図である。 図４は、第１の実施形態に係る血管のセグメントの一例を示す図である。 図５は、第１の実施形態に係る算出機能による重み付け係数を用いた指標の算出例を説明するための図である。 図６は、第１の実施形態に係る算出機能による指標の算出例を説明するための図である。 図７Ａは、第１の実施形態に係る表示制御機能による表示の一例を示す図である 図７Ｂは、第１の実施形態に係る表示制御機能による表示の一例を示す図である 図８は、第１の実施形態に係る表示制御機能による表示の一例を示す図である。 図９は、第１の実施形態に係る医用画像処理装置の処理回路が有する各処理機能によって行われる処理の処理手順を示すフローチャートである。
以下、図面を参照しながら、医用画像処理装置、システム及び方法の実施形態について詳細に説明する。なお、本願に係る医用情報処理装置及び医用情報処理方法は、以下に示す実施形態によって限定されるものではない。また、実施形態は、処理内容に矛盾が生じない範囲で他の実施形態や従来技術との組み合わせが可能である。
（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システム及び医用画像処理装置の構成例を示す図である。
例えば、図１に示すように、本実施形態に係る医用画像処理システム１００は、Ｘ線ＣＴ（Computed Tomography）装置１１０と、医用画像保管装置１２０と、医用情報表示装置１３０と、医用画像処理装置１４０とを含む。ここで、各装置及びシステムは、ネットワーク１５０を介して通信可能に接続されている。
なお、医用画像処理システム１００は、Ｘ線ＣＴ装置１１０の他に、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）装置や超音波診断装置、ＰＥＴ（Positron Emission Tomography）装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置等の他の医用画像診断装置をさらに含んでもよい。また、医用画像処理システム１００は、電子カルテシステムや、ＨＩＳ（Hospital Information System）やＲＩＳ（Radiology Information System）等の他のシステムをさらに含んでもよい。
Ｘ線ＣＴ装置１１０は、被検体に関するＣＴ画像を生成する。具体的には、Ｘ線ＣＴ装置１１０は、被検体を囲む円軌道上でＸ線管及びＸ線検出器を旋回移動させることで、被検体を透過したＸ線の分布を表す投影データを収集する。そして、Ｘ線ＣＴ装置１１０は、収集された投影データに基づいて、ＣＴ画像を生成する。
医用画像保管装置１２０は、被検体に関する各種の医用画像を保管する。具体的には、医用画像保管装置１２０は、ネットワーク１６０を介してＸ線ＣＴ装置１１０からＣＴ画像を取得し、当該ＣＴ画像を自装置内の記憶回路に記憶させて保管する。例えば、医用画像保管装置１２０は、サーバやワークステーション等のコンピュータ機器によって実現される。また、例えば、医用画像保管装置１２０は、ＰＡＣＳ（Picture Archiving and Communication System）等によって実現され、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）に準拠した形式でＣＴ画像を保管する。
医用情報表示装置１３０は、被検体に関する各種の医用情報を表示する。具体的には、医用情報表示装置１３０は、ネットワーク１５０を介して医用画像保管装置１２０からＣＴ画像や画像処理の処理結果等の医用情報を取得し、当該医用情報を自装置内のディスプレイに表示する。例えば、医用情報表示装置１３０は、ワークステーションやパーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。
医用画像処理装置１４０は、被検体に関する各種の画像処理を行う。具体的には、医用画像処理装置１４０は、ネットワーク１５０を介してＸ線ＣＴ装置１１０又は医用画像保管装置１２０からＣＴ画像を取得し、当該ＣＴ画像を用いて各種の画像処理を行う。また、医用画像処理装置１４０は、医用画像処理システム１００に接続された各種装置及び各種システムから種々の医用情報を取得する。例えば、医用画像処理装置１４０は、サーバやワークステーション等のコンピュータ機器によって実現される。
例えば、医用画像処理装置１４０は、ネットワーク（NetWork：ＮＷ）インタフェース１４１と、記憶回路１４２と、入力インタフェース１４３と、ディスプレイ１４４と、処理回路１４５とを備える。
ＮＷインタフェース１４１は、医用画像処理装置１４０と、ネットワーク１５０を介して接続された他の装置、システムとの間で送受信される各種データの伝送及び通信を制御する。具体的には、ＮＷインタフェース１４１は、処理回路１４５に接続されており、他の装置、システムから受信したデータを処理回路１４５に出力、又は、処理回路１４５から出力されたデータを他の装置、システムに送信する。例えば、ＮＷインタフェース１４１は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。
記憶回路１４２は、各種データ及び各種プログラムを記憶する。具体的には、記憶回路１４２は、処理回路１４５に接続されており、処理回路１４５から入力されたデータを記憶、又は、記憶しているデータを読み出して処理回路１４５に出力する。例えば、記憶回路１４２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。
入力インタフェース１４３は、利用者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース１４３は、処理回路１４５に接続されており、利用者から受け取った入力操作を電気信号へ変換して処理回路１４５に出力する。例えば、入力インタフェース１４３は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース１４３は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１４３の例に含まれる。
ディスプレイ１４４は、各種情報及び各種データを表示する。具体的には、ディスプレイ１４４は、処理回路１４５に接続されており、処理回路１４５から出力された各種情報及び各種データを表示する。例えば、ディスプレイ１４４は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬディスプレイ、プラズマディスプレイ、タッチパネル等によって実現される。
処理回路１４５は、医用画像処理装置１４０の全体を制御する。例えば、処理回路１４５は、入力インタフェース１４３を介して利用者から受け付けた入力操作に応じて、各種処理を行う。例えば、処理回路１４５は、他の装置やシステムから送信されたデータをＮＷインタフェース１４１から入力し、入力したデータを記憶回路１４２に記憶する。また、例えば、処理回路１４５は、記憶回路１４２から入力したデータをＮＷインタフェース１４１に出力することで、当該データを他の装置やシステムに送信する。また、例えば、処理回路１４５は、記憶回路１４２から入力したデータをディスプレイ１４４に表示する。
例えば、処理回路１４５は、図１に示すように、取得機能１４５ａと、設定機能１４５ｂと、算出機能１４５ｃと、表示情報生成機能１４５ｄと、表示制御機能１４５ｅとを実行する。ここで、取得機能１４５ａは、取得部の一例である。また、設定機能１４５ｂは、設定部の一例である。また、算出機能１４５ｃは、算出部の一例である。また、表示制御機能１４５ｅは、表示制御部の一例である。
ここで、処理回路１４５は、例えば、プロセッサによって実現される。その場合に、上述した各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１４２に記憶される。そして、処理回路１４５は、記憶回路１４２に記憶された各プログラムを読み出して実行することで、各プログラムに対応する機能を実現する。換言すると、処理回路１４５は、各プログラムを読み出した状態で、図１に示した各処理機能を有することとなる。
なお、処理回路１４５は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサがプログラムを実行することによって各処理機能を実現するものとしてもよい。また、処理回路１４５が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、処理回路１４５が有する各処理機能は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。また、ここでは、各処理機能に対応するプログラムが単一の記憶回路１４２に記憶される場合の例を説明したが、実施形態はこれに限られない。例えば、各処理機能に対応するプログラムが複数の記憶回路が分散して記憶され、処理回路１４５が、各記憶回路から各プログラムを読み出して実行する構成としても構わない。
以上、本実施形態に係る医用画像処理システム１００及び医用画像処理装置１４０の構成例について説明した。例えば、本実施形態に係る医用画像処理システム１００及び医用画像処理装置１４０は、病院や診療所等の医療施設に設置され、医師等の利用者によって行われる心臓疾患に関する診断や治療計画の策定等を支援する。
ここで、本実施形態に係る医用画像処理システム１００及び医用画像処理装置１４０は、種別の異なる複数の指標を用いて、被検体のリスクを評価する指標を提供する。具体的には、医用画像処理装置１４０は、形状に関する指標、力に関する指標、組成（性状）に関する指標、灌流（流体抵抗）に関する指標のうち少なくとも２つを用いて被検体のリスクを評価する指標を算出する。すなわち、医用画像処理装置１４０は、種々の指標を用いた統合的な指標を算出することで、複合的な要因を考慮した指標を提供する。
上述したように、虚血性心疾患のリスクを評価する指標として、狭窄率や、ＦＦＲなどの指標が知られている。しかしながら、現実的には、虚血性心疾患のリスクには種々の要因が関係しており、それら複数の要因によって虚血性心疾患のリスクが決まっている。そこで、本実施形態に係る医用画像処理装置１４０は、それら複数の要因を考慮した指標を提供する。
図２は、第１の実施形態に係る医用画像処理装置１４０による処理の概要を説明するための図である。図２に示すように、医用画像処理装置１４０は、被検体に関する種々の情報の入力を受け付け、被検体のリスクを評価するための総合指標「ＩＮＤＥＸ」を算出し、算出した「ＩＮＤＥＸ」を種々の出力先に出力する。
例えば、医用画像処理装置１４０は、図２に示すように、被検体情報や、スキャン情報、再構成情報を取得する。ここで、被検体情報は、被検体の属性や、既往歴などの情報である。また、スキャン情報は、被検体から収集した生データなどである。また、再構成情報は、画像再構成における条件などである。
また、医用画像処理装置１４０は、図２に示すように、生データから生成された画像データ（例えば、ボリュームデータ等）に基づく組成情報、セグメント情報、解析情報を取得する。ここで、組成情報は、例えば、冠動脈や心筋の組織における性状を示す情報である。また、セグメント情報は、例えば、冠動脈や心筋の形状を示す情報である。また、解析情報は、流体に関する解析情報であり、例えば、冠動脈における血流に関する解析結果、心筋における灌流の解析結果などの情報である。
そして、医用画像処理装置１４０は、取得した情報を用いて被検体のリスクを評価するための指標を算出する。具体的には、医用画像処理装置１４０は、被検体の現在の状態、予後、或いは、治療効果に関する総合指標である「ＩＮＤＥＸ」を算出する。ここで、医用画像処理装置１４０は、ＩＮＤＥＸの算出に際して、種別の異なる複数の指標を用いる。具体的には、医用画像処理装置１４０は、形状に関する指標、力に関する指標、組成（性状）に関する指標、灌流に関する指標のうち少なくとも２つを用いて「ＩＮＤＥＸ」を算出する。
すなわち、医用画像処理装置１４０は、算出する総合指標の種別に応じた複数の指標を取得し、取得した複数の指標から総合指標「ＩＮＤＥＸ」を算出する。ここで、医用画像処理装置１４０は、「ＩＮＤＥＸ」の算出に用いる複数の指標に対して重み付けを行うことで、より精度の高い総合指標を算出することもできる。
そして、医用画像処理装置１４０は、算出した総合指標を種々の出力先に出力する。例えば、医用画像処理装置１４０は、種々の表示形態でディスプレイ１４４にて表示させたり、データベースに保管させたり、レポートに出力させたりする。
以下、情報の入力、総合指標「ＩＮＤＥＸ」の算出、及び、総合指標「ＩＮＤＥＸ」の出力に関する詳細について説明する。なお、以下では、情報の入力、総合指標の算出、総合指標の出力のそれぞれについて、種々の処理例を記載するが、これらの処理例は、任意に組み合わせて実施することが可能である。
（情報の入力）
取得機能１４５ａは、医用画像処理システム１００に接続された他の装置、システムから被検体に関する種々の情報を取得する。具体的には、取得機能１４５ａは、被検体情報、スキャン情報、再構成情報、画像データに基づく組成情報、セグメント情報、および、解析情報を取得する。
例えば、取得機能１４５ａは、医用画像処理システム１００に接続された他の装置、システムから被検体の属性や既往歴などを含む被検体情報を取得する。また、例えば、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む種々の医用画像診断装置から被検体のスキャン情報、再構成情報、画像データなどを取得する。また、取得機能１４５ａは、医用画像保管装置１２０から被検体の画像データを取得する。
また、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む種々の医用画像診断装置や、医用画像処理システム１００に接続された他の装置から画像データに基づく組成情報、セグメント情報、及び、解析情報を取得する。すなわち、取得機能１４５ａは、他の装置によって解析された冠動脈や心筋の組織における性状を示す情報や、他の装置によって計測された冠動脈や心筋の形状を示す情報、他の装置によって解析された流体に関する解析情報を取得する。
例えば、取得機能１４５ａは、冠動脈や心筋の組織における性状を示す情報として、カルシウムスコア（calcium score）や、プラークボリューム（Plaque Volume）、石灰化の硬さや分布（cluster）などの指標を医用画像処理システム１００に接続された他の装置から取得する。また、例えば、取得機能１４５ａは、冠動脈や心筋の形状を示す情報として、体積、重量、分岐数、断面積、直径、曲率、狭窄率（％ＤＳ）などの指標を医用画像処理システム１００に接続された他の装置から取得する。
また、例えば、取得機能１４５ａは、流体に関する解析情報として、力に関する指標及び灌流に関する指標を取得する。一例を挙げると、取得機能１４５ａは、力に関する指標として、圧力、ＦＦＲ、ＷＳＳ（wall shear stress）などの指標を医用画像処理システム１００に接続された他の装置から取得する。また、例えば、取得機能１４５ａは、灌流に関する指標として、ＣＴＰ（CT Perfusion）、灌流面積（Territory）、ＣＦＲ(Coronary Flow Reserve)などの指標を医用画像処理システム１００に接続された他の装置から取得する。なお、これらの指標は、画像データに基づいて算出されたものであってもよく、或いは、医用機器（例えば、Pressure Wireなど）によって計測された値に基づいて算出されたものでもよい。ここで、血管の圧力は、例えば、血管内のある１点での血流による圧力として取得されてもよいし、所定の長さ（例えば、１０ｍｍ程度）の範囲における各点の圧力を平均した値が取得されてもよい。
上述したように、取得機能１４５ａは、医用画像処理システム１００に接続された他の装置から種々の情報を取得するが、画像データに基づいて上記した指標を算出することもできる。具体的には、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む種々の医用画像診断装置や、医用画像保管装置１２０から取得した画像データを解析することで、組成情報、セグメント情報、及び、解析情報を算出することができる。
例えば、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む医用画像診断装置によって収集された画像データに基づいて、カルシウムスコアや、プラークボリューム、石灰化の分布や硬さなどの指標を測定する。なお、これらの測定は、例えば、ＣＴ値などを用いた既知の手法によって実行される。
また、例えば、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む医用画像診断装置によって収集された画像データに基づいて、冠動脈や心筋における体積、重量、分岐数、断面積、直径、曲率、狭窄率（％ＤＳ）、歪みなどの指標を測定する。なお、これらの測定は、例えば、画素値や解剖学的特徴点などを用いた既知の手法によって実行される。
また、例えば、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む医用画像診断装置によって収集された画像データに基づいて、圧力、ＦＦＲ、ＷＳＳなどの指標を算出する。なお、これらの指標の算出は、例えば、流体解析（Computational Fluid Dynamics：ＣＦＤ）や人工知能（Artificial Intelligence：ＡＩ）等を用いた既知の手法によって実行される。
また、例えば、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む医用画像診断装置によって収集された画像データに基づいて、ＣＴＰ、Territory、ＣＦＲなどの指標を算出する。なお、これらの指標の算出は、例えば、Perfusion解析や、流体解析、人工知能等を用いた既知の手法によって実行される。
なお、上記した性状を示す指標、形状を示す指標、力を示す指標、及び、灌流を示す指標の例はあくまでも一例であり、各種別において上記以外の指標が取得される場合でもよい。
上述したように、取得機能１４５ａは、被検体情報、スキャン情報、再構成情報、画像データに基づく組成情報、セグメント情報、および、解析情報を取得することができる。医用画像処理装置１４０は、取得機能１４５ａによって取得された情報を入力として、ＩＮＤＥＸを算出する。なお、取得機能１４５ａによる情報の取得は、上記した情報の全てを取得する場合に限られず、算出する総合指標に応じて適宜選択的に行われる場合でもよい。すなわち、取得機能１４５ａは、算出される総合指標に必要な情報を選択的に取得することができる。
（総合指標の算出）
算出機能１４５ｃは、取得機能１４５ａによって取得された情報に基づいて、被検体のリスクを評価するための総合指標「ＩＮＤＥＸ」を算出する。具体的には、性状を示す指標、形状を示す指標、力を示す指標、及び、灌流を示す指標のうち少なくとも２つの指標を用いた指標を総合指標として算出する。より具体的には、算出機能１４５ｃは、算出する総合指標の種別に応じて決められた複数の指標を用いて総合指標を算出する。なお、算出機能１４５ｃは、設定機能１４５ｂによって設定される重み付け係数を用いた総合指標を算出することもできるが、これについては、後に詳述する。
例えば、算出機能１４５ｃは、冠動脈の性状に関する指標（カルシウムスコアや、プラークボリューム、石灰化の分布や硬さなど）、冠動脈及び心筋の形状に関する指標（体積、重量、分岐数、断面積、直径、曲率、狭窄率（％ＤＳ）など）、冠動脈における力に関する指標（圧力、ＦＦＲ、ＷＳＳなど）、及び、心筋における灌流に関する指標（ＣＴＰ、Territory、ＣＦＲなど）のうち、少なくとも２つ以上の指標を用いて総合指標を算出する。
ここで、算出機能１４５ｃによって算出される総合指標は、上記した４つのカテゴリー（性状に関する指標、形状に関する指標、力に関する指標、灌流に関する指標）から２種類以上の指標が用いられていればよく、各カテゴリーに属する指標からいくつの指標が用いられる場合でもよい。例えば、形状を示す指標から「狭窄率」が用いられ、力を示す指標から「ＦＦＲ」と「ＷＳＳ」が用いられて、総合指標が算出される場合でもよい。
また、算出機能１４５ｃによって算出される総合指標は、上記した４つのカテゴリーから２種類以上の指標が用いられるが、上記した４つのカテゴリーが分類され、分類されたカテゴリーから選択された指標が用いられてもよい。例えば、４つのカテゴリーが、画像データから直接測定される形状に関する指標（１次指標）と、画像データに対して解析処理を施すことで算出される性状、力、及び、灌流に関する指標（２次指標）とに分類され、１次指標と２次指標とからそれぞれ選択された指標が用いられてもよい。
また、算出機能１４５ｃによって算出される総合指標は、冠動脈に関する指標と、心筋に関する指標とが含まれるように算出されてもよい。具体的には、算出機能１４５ｃは、心筋の機能指標を用いて総合指標を算出することができる。例えば、算出機能１４５ｃは、冠動脈に関する指標として「狭窄率」を用い、心筋に関する指標として「ＣＴＰ」や、「Territory」を用いて総合指標を算出する。
また、算出機能１４５ｃは、被検体の心筋の拍動によって生じる力に関する指標をさらに用いて総合指標を算出することができる。例えば、算出機能１４５ｃは、被検体の心臓の収縮力や、拍動による冠動脈の動きの力を用いて総合指標を算出する。一例を挙げると、取得機能１４５ａは、Ｘ線ＣＴ装置１１０を含む医用画像診断装置によって収集された画像データに基づくストレイン解析などにより、心筋や冠動脈の歪みの指標を測定する。算出機能１４５ｃは、取得機能１４５ａによって算出された位置ごとの歪みの指標を用いて総合指標を算出する。
例えば、算出機能１４５ｃは、取得機能１４５ａによって取得された冠動脈に関する指標（形状、性状、力、灌流）及び心筋の拍動によって生じる力に関する指標を用いて総合指標を算出する。
算出機能１４５ｃは、算出する総合指標の種類に応じて、用いる指標を変えることができる。例えば、算出機能１４５ｃは、「プラーク破裂に関するリスクを評価するための総合指標」や「虚血に関するリスクを評価するための総合指標」などのように、疾患別の総合指標を算出することができる。また、例えば、算出機能１４５ｃは、「血管に関するリスクを評価するための総合指標」や「心筋に関するリスクを評価するための総合指標」などのように、領域（部位）別の総合指標を算出することができる。
上述したように、算出機能１４５ｃは、種別の異なる複数の指標を用いて被検体のリスクを評価するための総合指標を算出する。ここで、算出機能１４５ｃは、入力に応じて、画素ごと、血管枝ごと、及び、被検体ごとに総合指標を算出することができる。例えば、算出機能１４５ｃは、画素ごとに算出された指標を用いて、画素ごと（位置ごと）に総合指標を算出することができる。また、算出機能１４５ｃは、血管枝ごとに算出された指標値を用いて血管枝ごとに総合指標を算出することができる。また、算出機能１４５ｃは、被検体の各位置で算出された総合指標をまとめて被検体ごとの総合指標を算出することができる。
以下、算出機能１４５ｃによる総合指標「ＩＮＤＥＸ」の算出例について説明する。例えば、算出機能１４５ｃは、以下の式（１）に示す計算モデルに基づいて、総合指標「ＩＮＤＥＸ」を算出する。
Figure 0007443197000001
例えば、算出機能１４５ｃは、式（１）に示すように、「％ＤＳ（Diameter Stenosis）」、「Pressure」、「ＦＦＲ」、「ＷＳＳ」、「Territory」、「ＣＦＲ」、「calcium score」、「plaque volume」、及び「cluster」の関数により総合指標を算出する。
すなわち、算出機能１４５ｃは、以下の式（２）に示すように、４つのカテゴリー（性状に関する指標、形状に関する指標、力に関する指標、灌流に関する指標）から選択された２種類以上の指標を「ｘ」とした関数により総合指標を算出する。
Figure 0007443197000002
ここで、算出機能１４５ｃは、各指標に対して重み付け係数をかけた総合指標を算出することができる。例えば、算出機能１４５ｃは、以下の式（３）に示すように、各指標の値「Ｘｉ」に対して指標ごとの重み付け係数「ａｉ」をかけ、それらを加算することにより総合指標「ＩＮＤＥＸ」を算出する。
Figure 0007443197000003
この重み付け係数は、設定機能１４５ｂによって設定される。設定機能１４５ｂは、指標の特徴に応じて、指標それぞれの重み付け係数を設定することができる。具体的には、設定機能１４５ｂは、指標の取得方法や、算出する総合指標の種別、指標の取得位置、指標の種別などに基づいて、指標それぞれの重み付け係数を設定する。
例えば、設定機能１４５ｂは、画像データから直接測定される指標（１次指標）か、或いは、画像データに対して解析処理を施すことで算出される指標（２次指標）かによって、重み付け係数を設定する。一例を挙げると、設定機能１４５ｂは、画像データから直接得られる数値である１次指標に対して高い重み付け係数を設定し、画像データから得られた数値に対してモデルなどを用いて計算や推定を行った２次指標に対して、１次指標よりも低い重み付け係数を設定する。
例えば、ＣＴ画像の場合、画像データから直接得られるのは形状に関する指標のみである。そこで、設定機能１４５ｂは、形状に関する指標（例えば、狭窄率など）に対してより高い重み付け係数を設定する。これにより、画像データから直接測定された値そのものを重視した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、算出される総合指標の種類に応じて、各指標に対する重み付け係数を設定する。例えば、設定機能１４５ｂは、「プラーク破裂に関するリスクを評価するための総合指標」や「虚血に関するリスクを評価するための総合指標」などのように、疾患別の総合指標が算出される場合に、疾患の要因となる因果関係が強い指標ほど大きい重み付け係数を設定する。また、例えば、設定機能１４５ｂは、「血管に関するリスクを評価するための総合指標」や「心筋に関するリスクを評価するための総合指標」などのように、領域（部位）別の総合指標を算出する場合、その部位への関連度が高い指標ほど大きい重み付け係数を設定する。
また、例えば、設定機能１４５ｂは、冠動脈の解剖学的位置に対応付けた重み付け係数を設定する。すなわち、設定機能１４５ｂは、位置ごとに異なる重み付け係数を設定することができる。
一例を挙げると、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、冠動脈の起始部側における重み付けが末梢側における重み付けよりも大きくなるように設定する。すなわち、設定機能１４５ｂは、冠動脈における上流ではＦＦＲに対する重み付け係数を大きくし、下流ではＦＦＲに対する重み付け係数を小さくする。例えば、設定機能１４５ｂは、ＦＦＲに対して設定する重み付け係数として、上流側から下流側に向かって段階的に小さくなる重み付け係数を設定する。
冠動脈は、上流ほど心筋の支配領域が広いため、狭窄によってＦＦＲの値が小さくなった場合の心筋に与える影響が上流ほど大きい。したがって、上流ほど重み付け係数を大きくすることにより、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、冠動脈の短軸断面の面積に比例した重み付け係数を、ＦＦＲに対して設定する。すなわち、設定機能１４５ｂは、冠動脈の短軸断面の面積が広い位置ではＦＦＲに対する重み付け係数を大きくし、冠動脈の短軸断面の面積が狭い位置ではＦＦＲに対する重み付け係数を小さくする。例えば、設定機能１４５ｂは、ＦＦＲに対して設定する重み付け係数として、冠動脈の短軸断面の面積が狭くなるに従って段階的に小さくなる重み付け係数を設定する。
冠動脈は、断面積が広いほど血流量が多く、断面積が狭いほど血流量が少ないため、狭窄によってＦＦＲの値が小さくなった場合の心筋に与える影響は、断面積が広い位置ほど大きい。したがって、冠動脈の短軸断面の面積が大きくなるほど重み付け係数を大きくすることにより、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、冠動脈による灌流面積に比例した重み付け係数を、ＦＦＲに対して設定する。すなわち、設定機能１４５ｂは、冠動脈において、血液を供給する面積（Territory）が広い位置（広い面積に対して血液を供給する冠動脈上の位置）ではＦＦＲに対する重み付け係数を大きくし、血液を供給する面積が狭い位置（狭い面積に対して血液を供給する冠動脈上の位置）ではＦＦＲに対する重み付け係数を小さくする。例えば、設定機能１４５ｂは、ＦＦＲに対して設定する重み付け係数として、Territoryの値が小さくなるに従って段階的に小さくなる重み付け係数を設定する。
血液を供給する面積が広い位置ほど、狭窄によってＦＦＲの値が小さくなった場合のその支配領域への血流供給不足に与える影響が大きく、面積が狭い位置ほど、狭窄によってＦＦＲの値が小さくなった場合のその支配領域への血流供給不足に与える影響が小さい。したがって、灌流面積が広いほど重み付け係数を大きくすることにより、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、冠動脈の枝ごとに異なる重み付け係数を設定する。一例を挙げると、設定機能１４５ｂは、左冠動脈前下行枝（Left anterior descending coronary artery：ＬＡＤ）では重み付け係数を大きくし、右冠動脈（Right Coronary Artery：ＲＣＡ）では重み付け係数を小さくする。一般に、ＬＡＤでは灌流面積が広く、ＲＣＡでは灌流面積が狭い。したがって、ＬＡＤにおける重み付け係数を大きくすることにより、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、冠動脈のセグメントごとに異なる重み付け係数を設定する。一例を挙げると、設定機能１４５ｂは、ＡＨＡ（American Heart Association）分類において、起始部側の番号のセグメントほど重み付け係数を大きくし、末梢側の番号のセグメントほど重み付け係数を小さくする。すなわち、起始部側の番号のセグメントほど支配領域が大きいため、起始部側の番号のセグメントでの重み付け係数を大きくすることにより、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
また、例えば、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、心筋に対する冠動脈の位置に応じて異なる重み付け係数を設定する。一例を挙げると、設定機能１４５ｂは、左心室に対応する心筋に対して血液を供給する冠動脈のセグメントにおける重み付け係数を、他のセグメントにおける重み付け係数よりも大きくなるように設定する。左心室は体循環に対して血液を拍出するため、左心室に対応する心筋に対して血液を供給する冠動脈に狭窄が生じた場合の心筋運動に与える影響が大きい。したがって、左心室に対応する心筋に対して血液を供給する冠動脈のセグメントにおける重み付け係数を、他のセグメントにおける重み付け係数よりも大きくなるように設定することで、狭窄による心臓全体に与える影響を的確に表現した総合指標を算出することができる。
なお、上述した例では、設定機能１４５ｂが、ＦＦＲに対する重み付け係数を設定する場合について説明した。しかしながら、設定機能１４５ｂは、ＷＳＳや圧力などの他の力に関する指標、形状に関する指標、性状に関する指標、灌流に関する指標について、それぞれ重み付け係数を設定することができる。
また、上述した例では、設定機能１４５ｂが、冠動脈に関する指標に対して重み付け係数を設定する場合について説明した。しかしながら、設定機能１４５ｂは、心筋に関する指標に対しても同様に、重み付け係数を設定することができる。例えば、設定機能１４５ｂは、ＣＴＰや、ＣＦＲなどの指標に対して、算出する総合指標の種別や、指標の取得位置などに応じた重み付け係数を設定することができる。
一例を挙げると、設定機能１４５ｂは、ＣＴＰやＣＦＲなどの灌流に関する指標について、左心室に対応する心筋では重み付け係数を大きくし、それ以外の心筋では重み付け係数を小さくする。
上述したように、設定機能１４５ｂは、指標の取得方法や、算出する総合指標の種別、指標の取得位置、指標の種別などに基づいて、指標それぞれの重み付け係数を設定する。ここで、各指標に対する重み付け係数は、条件ごとに予め設定されて記憶回路１４２によって記憶され、設定機能１４５ｂが、条件に応じた重み付け係数を読み出して設定する場合でもよい。
また、設定機能１４５ｂは、入力インタフェース１４３を介して入力された重み付け係数を指標に設定する場合でもよい。かかる場合には、入力インタフェース１４３は、重み付け係数を設定する指標の選択操作、選択した指標に対する重み付け係数の値を入力する入力操作などの操作を受け付ける。設定機能１４５ｂは、入力インタフェース１４３によって受け付けた入力操作に応じて、各指標に対して重み付け係数を設定する。なお、入力インタフェース１４３は、重み付け係数の値を１つずつ受け付ける場合でもよく、或いは、複数の指標に対する複数の重み付け係数の値をセットで受け付ける場合でもよい。
例えば、ＦＦＲを重視したい場合は、ユーザは、入力インタフェース１４３を操作して、ＦＦＲへの重み付け係数を極端に高くし、それ以外の指標に対する重み付け係数を極端に小さくする。ここで、医用画像処理装置１４０は、入力インタフェース１４３を介した入力操作を受け付けるために、総合指標の算出に用いる指標と、各指標に対する重み付け係数が目視可能となるＵＩ（User Interface）を備えることができる。
上述したように、算出機能１４５ｃは、種別の異なる複数の指標を用いて総合指標を算出することができる。またさらに、算出機能１４５ｃは、設定機能１４５ｂによって設定された各指標の重み付け係数を用いて総合指標を算出することができる。
ここで、算出機能１４５ｃによる総合指標の算出は、例えば、上記した式（１）～（３）により実施されるが、人工知能（ＡＩ）を用いることで実施される場合でもよい。かかる場合には、まず、各指標を計測した被検体に対して、正解となる総合指標の値をマニュアルで指定し、各指標と総合指標の値との関係が学習する学習ステップによって学習済みモデルが生成される。
なお、上記した学習ステップは、例えば、公知である非特許文献「クリストファー M. ビショップ（Christopher M. Bishop）著、「パターン認識と機械学習（Pattern recognition and machine learning）」、（米国）、第１版、スプリンガー（Springer）、2006年、P.225-290」に記載のニューラルネットワーク（Neural Network）などを適用することができる。また、学習ステップは、上記したニューラルネットワーク以外のアルゴリズムを適宜適用することができる。
図３は、第１の実施形態に係る算出機能１４５ｃによる総合指標の算出の一例を説明するための図である。ここで、図３においては、学習済みモデルが、「％ＤＳ」、「Pressure」、「ＦＦＲ」、「ＷＳＳ」、「Territory」、「ＣＦＲ」、「calcium score」、「plaque volume」及び「cluster」と、正解となる総合指標の値とを学習用データとして用いて生成されたニューラルネットワークによって構成される場合について示す。なお、図３に示すノード数や、エッジのつながり方はあくまでも一例であり、本実施形態に係る学習済みモデルは図３に限定されるものではない。
例えば、算出機能１４５ｃは、取得機能１４５ａによって取得された被検体の「％ＤＳ」、「Pressure」、「ＦＦＲ」、「ＷＳＳ」、「Territory」、「ＣＦＲ」、「calcium score」、「plaque volume」及び「cluster」の値を、図３に示す学習済みモデルに入力させることで、単一の出力層から「ＩＮＤＥＸ」を出力させる。
ここで、「ＩＮＤＥＸ」の算出に重み付け係数をかける場合、例えば、ニューラルネットワークの各ノードが重み付けになる。かかる場合には、例えば、重み付け係数を変更するためのＵＩは、ニューラルネットワークにおけるノードが視認可能となるように表示される。また、この場合、ユーザの理解を容易にするため、ニューラルネットワークの中間層における段数を少なくするように、ニューラルネットワークが構築されてもよい。
以下、算出機能１４５ｃによるＩＮＤＥＸの算出の例を説明する。上述したように、算出機能１４５ｃは、総合指標「ＩＮＤＥＸ」の値を、被検体ごと、血管枝ごと、血管のセグメントごと、画像の各点ごとに算出することができる。
例えば、被検体ごとのＩＮＤＥＸを算出する場合、算出機能１４５ｃは、複数の位置について算出したＩＮＤＥＸを統合することで、被検体のＩＮＤＥＸを算出する。以下、冠動脈における左冠動脈前下行枝（ＬＡＤ）における指標と、右冠動脈（ＲＣＡ）における指標と、左回旋枝（Left Circumflex Coronary Artery：ＬＣＸ）における指標とを統合することで、被検体のＩＮＤＥＸを算出する場合について説明する。
例えば、ＬＡＤにおけるＦＦＲと、ＲＣＡにおけるＦＦＲと、ＬＣＸにおけるＦＦＲを統合する場合、算出機能１４５ｃは、以下の式（４）に示すように、ＬＡＤにおけるＦＦＲを示す「ＦＦＲLAD」と、ＲＣＡにおけるＦＦＲを示す「ＦＦＲRCA」と、ＬＣＸにおけるＦＦＲを示す「ＦＦＲLCX」とを乗算することで、各血管枝の値を統合する。
Figure 0007443197000004
ここで、算出機能１４５ｃは、各血管枝の値として、平均値などの値を用いることができるが、以下の式（５）に示すように、各血管枝におけるＦＦＲの最低値を用いることもできる。
Figure 0007443197000005
そして、算出機能１４５ｃは、以下の式（６）に示すように、例えば、各血管枝におけるＦＦＲの値と、各血管枝の灌流面積「Ａ」の値とを用いて、被検体のリスクを評価する総合指標「ＩＮＤＥＸ」を算出する。なお、式（６）における「ＡLAD」は、ＬＡＤの灌流面積を示し、「ＡRCA」は、ＲＣＡの灌流面積を示し、「ＡLCX」は、ＬＣＸの灌流面積を示す。
Figure 0007443197000006
例えば、算出機能１４５ｃは、式（６）に示すように、「ＦＦＲLAD」と「ＡLAD」との乗算値と、「ＦＦＲLCX」と「ＡLCX」との乗算値と、「ＦＦＲRCA」と「ＡRCA」との乗算値とを乗算することで、「ＩＮＤＥＸ」を算出する。ここで、各指標に重み付け係数をかける場合には、算出機能１４５ｃは、各血管枝のＦＦＲや灌流面積の値に対して、上記した各条件に応じて設定された重み付け係数をかける。
また、例えば、血管枝ごとのＩＮＤＥＸを算出する場合、算出機能１４５ｃは、以下の式（７）に示すように、ＬＡＤにおける総合指標「ＩＮＤＥＸLAD」として「ＦＦＲLAD」と「ＡLAD」との乗算値を算出する。また、算出機能１４５ｃは、ＬＣＸにおける総合指標「ＩＮＤＥＸLCX」として「ＦＦＲLCX」と「ＡLCX」との乗算値を算出する。また、算出機能１４５ｃは、ＲＣＡにおける総合指標「ＩＮＤＥＸRCA」として、「ＦＦＲRCA」と「ＡRCA」との乗算値を算出する。ここで、各指標に重み付け係数をかける場合には、算出機能１４５ｃは、各血管枝のＦＦＲや灌流面積の値に対して、上記した各条件に応じて設定された重み付け係数をかける。
Figure 0007443197000007
また、例えば、血管のセグメントごとのＩＮＤＥＸを算出する場合、算出機能１４５ｃは、血管のセグメントごとに、種別の異なる複数の指標を用いた総合指標を算出する。図４は、第１の実施形態に係る血管のセグメントの一例を示す図である。ここで、図４においては、ＡＨＡ分類による冠動脈のセグメントを示す。また、図４における各番号は、セグメントの番号を示す。
例えば、算出機能１４５ｃは、図４に示す各セグメントにおける総合指標をそれぞれ算出することができる。一例を挙げると、算出機能１４５ｃは、各セグメント（＃１～＃１５）について、ＦＦＲの代表値と、灌流面積とを乗算した総合指標をそれぞれ算出する。ここで、各指標に重み付け係数をかける場合には、算出機能１４５ｃは、各セグメントのＦＦＲや灌流面積の値に対して、上記した各条件に応じて設定された重み付け係数をかける。
また、例えば、画像の位置ごとのＩＮＤＥＸを算出する場合、算出機能１４５ｃは、画素ごとに、種別の異なる複数の指標を用いた総合指標を算出する。一例を挙げると、算出機能１４５ｃは、冠動脈の心線に沿った各位置のＦＦＲの値に対して冠動脈の解剖学的位置に基づく重み付け係数をかけ値を算出し、冠動脈の心線に沿った各位置の断面積に対して面積に基づく重み付け係数をかけた値を算出し、ＦＦＲに関する値と断面積に関する値とをさらに乗算することで、位置ごとの総合指標を算出する。
以下、重み付け係数を用いた総合指標の算出の例について説明する。図５は、第１の実施形態に係る算出機能１４５ｃによる重み付け係数を用いた指標の算出例を説明するための図である。ここで、図５においては、ＦＦＲに対して重み付け係数をかけた場合の値の変化を示す。また、図５では、ＬＡＤにおけるＦＦＲと、ＬＣＸにおけるＦＦＲに対して、血管枝ごとの重み付け係数と、血管における位置ごとの重み付け係数とをかけた場合の値を示す。
例えば、ＬＡＤにおけるＦＦＲの値が「０．７」であり、ＬＣＸにおけるＦＦＲの値が「０．５」であるとする。かかる場合、ＦＦＲのみの比較では、ＬＣＸにおけるリスクが高いと評価される。これに対して、算出機能１４５ｃは、図５に示すように、血管枝ごとの重み付け係数（Blanch risk）と、血管における位置ごとの重み付け係数（Location risk）とを乗算することで、トータルのリスク（Total risk）を算出する。
例えば、算出機能１４５ｃは、ＬＣＸにおけるＦＦＲの値に対して、「Blanch risk：１」と「Location risk：１」とを乗算することで、「Total risk：２」を算出する。なお、数値が高いほどリスクが高くなるように評価するため、ＦＦＲの値は逆数を用いている。
また、算出機能１４５ｃは、ＬＡＤにおけるＦＦＲの値に対して、「Blanch risk：２」と「Location risk：２」とを乗算することで、「Total risk：５．７」を算出する。ここで、ＬＡＤは、ＬＣＸと比較して灌流面積が広いため、上記算出例では、血管枝ごとの重み付け係数（Blanch risk）がＬＣＸよりも高く設定されている。また、ＬＡＤにおいてＦＦＲの値が取得された位置が、ＬＣＸよりも上流側であるため、上記算出例では、血管における位置ごとの重み付け係数（Location risk）がＬＣＸよりも高く設定されている。
図５に示すように、重み付け係数を用いた場合、ＬＡＤにおける「Total risk」が「５．７」となり、ＬＣＸにおける「Total risk：２」よりも高い値となる。すなわち、重み付け係数を用いた場合、ＬＣＸよりもＬＡＤにおけるリスクが高いと評価される。このように、重み付け係数を用いることで、指標のみの比較とは異なる評価を行うことができる。
算出機能１４５ｃは、図５に示すように、重み付け係数を用いて指標（図５ではＦＦＲ）に重み付けを行う。算出機能１４５ｃは、総合指標の算出に用いるその他の指標についても同様に重み付け係数をかけることができ、それらの指標を用いて総合指標を算出する。なお、重み付け係数は、総合指標を算出するための指標全てにかけなくてもよい。すなわち、総合指標の算出に用いられる複数の指標のうち、一部にのみ重み付け係数がかけられる場合でもよい。
上述したように、算出機能１４５ｃは、種別が異なる複数の指標と、重み付け係数とを用いて、総合指標を算出する。ここで、算出機能１４５ｃは、最後に出力する総合指標の種類によって、各指標にかける重み付け係数を変えることができる。例えば、算出機能１４５ｃは、心筋虚血リスクを評価する総合指標を算出する場合と、血管リスクを評価する総合指標を算出する場合とで、異なる重み付け係数を用いる。
一例を挙げると、血管を治療したい場合には、血管治療リスクに関する総合指標の表示が求められる。かかる場合には、算出機能１４５ｃは、血管の直径と血管の硬さに対して高い重み付け係数をかける。ここで、血管の硬さの指標は、例えば、「calcium score」や、「plaque volume」などである。
また、例えば、心筋を治療したい場合には、心筋治療リスクに関する総合指標の表示が求められる。かかる場合には、算出機能１４５ｃは、心筋の体積、梗塞領域の割合、灌流面積、などに高い重み付け係数をかける。
このように、算出機能１４５ｃは、最後に算出する総合指標の種類（ユーザの目的）ごと、被検体ごと、被検体の属性ごとに、重み付け係数を変えた総合指標を算出することができる。これにより、算出機能１４５ｃは、同一のアルゴリズムで動作し、重み付け係数が異なるだけで、被検体それぞれについて、異なる目的の指標を同一のシステムで実現することができる。
例えば、急性期の現在の状態を評価するための総合指標を算出する場合、算出機能１４５ｃは、例えば、血管血流量に重みをおいて総合指標を算出するように設定された重み付け係数を用いて総合指標を算出する。また、慢性期の虚血の状態を評価するための総合指標を算出する場合、算出機能１４５ｃは、例えば、心筋血流量に重みをおいて総合指標を算出するように設定された重み付け係数を用いて総合指標を算出する。また、慢性期の虚血リスクを評価するための総合指標を算出する場合、算出機能１４５ｃは、例えば、プラークに重みをおいて総合指標を出力するように設定された重み付け係数を用いて総合指標を算出する。
上述した実施形態では、被検体ごと、血管枝ごと、血管のセグメントごと、及び、位置ごとに総合指標を算出する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、時間ごとの総合指標を算出する場合でもよい。かかる場合には、例えば、算出機能１４５ｃは、心位相ごと（例えば、収縮期及び拡張期）の総合指標を算出することができる。一例を挙げると、算出機能１４５ｃは、収縮期において取得された指標を用いて収縮期における総合指標を算出し、拡張期において取得された指標を用いて拡張期における総合指標を算出する。
また、上述した実施形態では、現在の状態の総合指標の算出について説明した。しかしながら、実施形態はこれに限定されるものではなく、治療を行った場合の総合指標を算出する場合でもよい。具体的には、算出機能１４５ｃは、治療によって形状や血流に関する指標が変更させられる場合、変更後の指標を用いて総合指標を算出することができる。
図６は、第１の実施形態に係る算出機能による指標の算出例を説明するための図である。ここで、図６においては、ＦＦＲの値に対して治療に基づく補正をかけた場合の値の変化を示す。例えば、冠動脈の上流側の領域Ｒ３におけるＦＦＲの値が「０．７」であり、下流の領域Ｒ４におけるＦＦＲの値が「０．７」であるとする。かかる場合、ＦＦＲのみの比較では、領域Ｒ３及び領域Ｒ４で同程度のリスクと評価される。これに対して、図６に示すように、冠動脈バイパス術(Coronary Artery bypass Grafting：ＣＡＢＧ)によって領域Ｒ３と領域Ｒ４との間にバイパスが形成されている場合には、算出機能１４５ｃは、バイパスによる補正（ＣＡＢＧ補正）を行う。
例えば、算出機能１４５ｃは、領域Ｒ３におけるＦＦＲの値「０．７」に対して、「ＣＡＢＧ補正：０．５」を乗算することで、「Total risk：０．７」を算出する。ここで、バイパスによって領域Ｒ３の下流に血液が供給されることから、領域Ｒ３の狭窄のリスクが低くなるように補正が行われる。また、算出機能１４５ｃは、領域Ｒ４におけるＦＦＲの値「０．７」に対して、「ＣＡＢＧ補正：１」を乗算することで、「Total risk：１．４３」を算出する。なお、数値が高いほどリスクが高くなるように評価するため、ＦＦＲの値は逆数を用いている。
図６に示すように、治療による補正を用いた場合、領域Ｒ３における狭窄の「Total risk」が「０．７」となり、領域Ｒ４における狭窄の「Total risk：１．４３」よりも低い値となる。すなわち、治療による補正を用いた場合、領域Ｒ４における狭窄よりも領域Ｒ３における狭窄におけるリスクが低いと評価される。このように、治療による補正を用いることで、指標のみの比較とは異なる評価を行うことができる。
ここで、図６では、治療後の状態における総合指標を算出する場合について説明したが、実施形態はこれに限定されるものではなく、治療前に治療効果のシミュレーションを行う場合でもよい。例えば、治療によって形状や血流に関する指標を変更させられる場合、治療したい範囲や内容が入力されると、算出機能１４５ｃは、入力内容に合わせて冠動脈形状や血流に関する指標を変化させ、変化させた際の総合指標を算出する。これにより、算出機能１４５ｃは、治療による総合指標の変動を予測算出することができる。
例えば、ステント留置やＣＢＧＡによるバイパス形成による治療の場合、元データの冠動脈形状が変更される。また、例えば、薬剤投与による治療の場合、冠動脈へ流入する血流量や圧力が、元の数値から変更される。このような指標の変更は、実施される治療に関連する指標に対して実施される。すなわち、治療に応じて、１～複数種類の指標が変更される。例えば、ＣＡＢＧによりバイパスが形成して血流のパスを変更しつつ、薬剤により血流量を改善する場合、算出機能１４５ｃは、これらに関連する複数の指標について、変更を行う。
また、算出機能１４５ｃは、治療の内容や位置を少しずつ変更しながら上記したシミュレーションを繰り返すことで、治療効果の高い治療の内容や位置を特定することもできる。一例を挙げると、算出機能１４５ｃは、ＣＢＧＡによるバイパス形成の位置、及び、薬剤投与の条件を少しずつ変更しながら、総合指標をそれぞれ算出する。そして、算出機能１４５ｃは、算出した総合指標の値が閾値以下となるバイパス形成の位置、及び、薬剤投与の条件を特定する。なお、この特定されたバイパス形成の位置、及び、薬剤投与の条件は、治療効果の高い治療プランとしてユーザに提示されてもよい。
また、上記した例では、治療の内容や位置によって指標を変化させることで、最適な治療プランを特定する場合について説明したが、実施形態はこれに限定されるものではなく、時間経過に伴う指標の変化に基づいて、予後の総合指標を算出することもできる。なお予後に関する総合指標としては、例えば、ＱＯＬ（Quality of Life）に関する総合指標や、ＭＡＣＥ（Major Advanced Cardiac Event）に関する総合指標などである。
例えば、算出機能１４５ｃは、労作時の血流量の増加や、加齢による血管硬化に基づいて、関連する指標の変動を予測し、予測した変動に応じた総合指標を算出する。一例を挙げると、算出機能１４５ｃは、被検体の属性情報に基づいて、労作時の血流量の増加や、加齢による血管硬化の程度を推定する。そして、算出機能１４５ｃは、推定した労作時の血流量の増加や、加齢による血管硬化の程度に基づいて、関連する指標の変動を予測する。さらに、算出機能１４５ｃは、変動後の指標を用いて総合指標を算出する。これにより、例えば、総合指標が閾値を超える（リスクが高くなる）時期を推定することができる。
また、算出機能１４５ｃは、総合指標を算出した複数の指標のうち、総合指標の変化に大きく寄与する指標を特定することができる。これにより、算出機能１４５ｃは、総合指標の変化を、特定した指標の経過から推定することができる。例えば、算出機能１４５ｃは、重み付け係数の情報に基づいて、総合指標の変化に大きく寄与する指標を特定する。そして、算出機能１４５ｃは、特定した指標に関連する項目の経時変化を被検体の属性情報に基づいて推定し、推定した変化から総合指標が閾値を超える時期を推定する。
一例を挙げると、算出機能１４５ｃは、総合指標の変化に大きく寄与する指標としてＦＦＲを特定した場合に、ＦＦＲに関連する項目（プラークの形成、石灰化など）の経時変化を被検体の属性情報に基づいて推定する。そして、算出機能１４５ｃは、推定した項目の経時変化から、閾値を超える時期を推定する。
上述したように、算出機能１４５ｃは、種別の異なる複数の指標を用いて総合指標を算出する。ここで、算出機能１４５ｃによって算出される総合指標のいくつかの例を記載する。
例えば、算出機能１４５ｃは、「圧力×断面積」の比を総合指標として算出することができる。一例を挙げると、算出機能１４５ｃは、「ＩＮＤＥＸ＝（Ｐｄ×Ａｄ）／（Ｐａ×Ａａ）」を算出する。ここで、「Ｐｄ」は、病変（例えば、狭窄）を挟んで末梢側の圧力を示し、「Ａｄ」は、「Ｐｄ」の位置における短軸断面の面積を示す。また、「Ｐａ」は、病変（例えば、狭窄）を挟んで起始部側の圧力を示し、「Ａａ」は、「Ｐａ」の位置における短軸断面の面積を示す。
また、例えば、算出機能１４５ｃは、「圧力×流量」の比を総合指標として算出することができる。一例を挙げると、算出機能１４５ｃは、「ＩＮＤＥＸ＝（Ｐｄ×Ｑ）／（Ｐａ×Ｑ）」を算出する。ここで、「Ｑ」は、流量を示す。
また、例えば、算出機能１４５ｃは、「圧力／流量」の比を総合指標として算出することができる。一例を挙げると、算出機能１４５ｃは、「ＩＮＤＥＸ＝（Ｐｄ／Ｑ）／（Ｐａ／Ｑ）」を算出する。
また、例えば、算出機能１４５ｃは、以下の式（８）に示す圧力の比を総合指標として算出することができる。ここで、式（８）における「ｉＦＲ」は、安静状態時のＦＦＲを示す。また、式（８）における「Ｐm」は計測点における圧力を示し、「Ｐ0」は静圧を示し、「Ｐd」は病変（例えば、狭窄）を挟んで末梢側の圧力を示し、「Ｐa」は病変（例えば、狭窄）を挟んで起始部側の圧力を示す。
Figure 0007443197000008
また、例えば、算出機能１４５ｃは、以下の式（９）に示す圧力と心線のＣＴ値を用いて総合指標を算出することができる。ここで、式（９）における「Ｐm」は計測点における圧力を示し、「Ｐa」は病変（例えば、狭窄）を挟んで起始部側の圧力を示し、「ＴＡＧm」は、計測点に対応する芯線上の位置のＣＴ値を示し、「ＴＡＧa」は、「Ｐa」を計測した位置に対応する芯線上の位置のＣＴ値を示す。
Figure 0007443197000009
以上、算出機能１４５ｃによる総合指標の算出について説明した。算出機能１４５ｃによって算出された総合指標は、種々の形態で出力される。
（総合指標の出力）
表示情報生成機能１４５ｄは、表示用の各種情報を生成する。具体的には、表示情報生成機能１４５ｄは、表示用の画像や、総合指標を参照するための参照情報を生成する。例えば、表示情報生成機能１４５ｄは、冠動脈ＣＴ画像における冠動脈の血管領域を三次元的に再構成することで、冠動脈の三次元画像を生成する。例えば、表示情報生成機能１４５ｄは、ＶＲ画像、ＳＲ画像、ＣＰＲ（Curved Planer Reconstruction）画像、ＭＰＲ（Multi Planer Reconstruction）画像、ＳＰＲ（Stretched Multi Planer Reconstruction）画像などを生成する。
また、例えば、表示情報生成機能１４５ｄは、総合指標を参照するための参照情報として、総合指標に含まれる各指標の値を反映させたマップを生成する。一例を挙げると、表示情報生成機能１４５ｄは、総合指標に含まれる各指標の値を反映させた２次元のマップを生成する。
表示制御機能１４５ｅは、表示情報生成機能１４５ｄによって生成された表示用の各種情報を、ディスプレイ１４４に表示させる。具体的には、表示制御機能１４５ｅは、表示用の画像や、総合指標を参照するための参照情報をディスプレイ１４４に表示させる。
例えば、表示制御機能１４５ｅは、算出機能１４５ｃによって算出された総合指標の空間分布を示した画像を表示する。図７Ａ及び図７Ｂは、第１の実施形態に係る表示制御機能１４５ｅによる表示の一例を示す図である。
例えば、図７Ａに示すように、表示制御機能１４５ｅは、冠動脈上の各位置において算出された総合指標の値に応じた色で、冠動脈の各位置を示したカラー画像を表示させる。また、例えば、図７Ｂに示すように、表示制御機能１４５ｅは、心筋の各位置において算出された総合指標の値に応じた色で、心筋の各位置を示したカラー画像を表示させる。
また、表示制御機能１４５ｅは、総合指標を参照するための参照情報として、総合指標に含まれる各指標の値を反映させたマップを表示させる。例えば、表示制御機能１４５ｅは、横軸に第１のパラメータを示し、縦軸に第２のパラメータを示した２次元のマップを表示させる。
図８は、第１の実施形態に係る表示制御機能１４５ｅによる表示の一例を示す図である。例えば、表示制御機能１４５ｅは、図８に示すように、横軸にＦＦＲを示し、縦軸にＣＦＲを示し、総合指標の値に応じた色でグラフ内がカラー化されたカラーマップを表示させる。ここで、例えば、総合指標の算出に２種類の指標のみが用いられている場合、表示制御機能１４５ｅは、総合指標の値のみに応じた色でグラフ内がカラー化されたカラーマップを表示させる。
一方、総合指標の算出に３種類以上の指標が用いられている場合、表示制御機能１４５ｅは、総合指標の算出に用いられた指標のうち、重み付け係数が高い２つの指標を縦軸及び横軸で示した２次元のマップを表示させる。そして、表示制御機能１４５ｅは、縦軸及び横軸に示した指標以外の指標の値が反映されたカラーマップを表示させる。
例えば、３種類の指標を用いて総合指標が算出され、図８で示すカラーマップで情報を表示する場合、表示制御機能１４５ｅは、ＦＦＲの値とＣＦＲの値に応じて区分された４つの区域に対して、総合指標の値に応じた色を割り当てる。さらに、表示制御機能１４５ｅは、３つめの指標の値に応じたグラデーションを４つの区域に対して施すことで、３つ目の指標の値について識別可能とする。
なお、図８においては、グラフ内を４つに区分し、それらを総合指標の値に応じてカラー化させる場合について示しているが、実施形態はこれに限定されるものではなく、グラフ内を５つ以上に区分する場合でもよい。また、グラフ内の区分は、直線で区切られるだけでなく、総合指標の値と、縦軸で示した指標の値及び横軸で示した指標の値との関係に応じて、曲線で区切られてもよい。
また、表示制御機能１４５ｅは、図７Ａ及び図７Ｂで示した画像と、図８で示したマップとを連動させて表示させることもできる。例えば、表示制御機能１４５ｅは、図８に示すように、画像中で指定された位置に対応するマップ上の位置にマーカーＭ１を表示させる。またさらに、表示制御機能１４５ｅは、マーカーＭ１とともに、総合指標の値と、総合指標の算出に用いた指標の値とを表示させることもできる。
次に、図９を用いて、医用画像処理装置１４０の処理手順について説明する。図９は、第１の実施形態に係る医用画像処理装置１４０の処理回路１４５が有する各処理機能によって行われる処理の処理手順を示すフローチャートである。
例えば、図９に示すように、取得機能１４５ａは、入力インタフェース１４３を介して利用者から処理を開始する指示を受け付けた場合に、医用画像処理システム１００に接続された他の装置、システムから種別の異なる複数のパラメータ（指標）を取得する（ステップＳ１０１）。ここで、取得機能１４５ａは、取得した画像データからパラメータ（指標）を算出することで、取得することもできる。この処理は、例えば、処理回路１４５が、取得機能１４５ａに対応するプログラムを記憶回路１４２から呼び出して実行することにより実現される。
続いて、算出機能１４５ｃは、取得機能１４５ａによって取得された複数パラメータを用いて「ＩＮＤＥＸ」を算出する（ステップＳ１０２）。そして、算出機能１４５ｃは、重み付け係数の変更操作を受け付けたか否かを判定する（ステップＳ１０３）。ここで、変更操作を受け付けた場合（ステップＳ１０３、肯定）、算出機能１４５ｃは、変更後の重み付け係数で「ＩＮＤＥＸ」を算出する（ステップＳ１０４）。この処理は、例えば、処理回路１４５が、算出機能１４５ｃに対応するプログラムを記憶回路１４２から呼び出して実行することにより実現される。
続いて、表示制御機能１４５ｅは、ステップＳ１０２又はステップＳ１０４で算出された「ＩＮＤＥＸ」を表示させる（ステップＳ１０５）この処理は、例えば、処理回路１４５が、表示制御機能１４５ｅに対応するプログラムを記憶回路１４２から呼び出して実行することにより実現される。
上述したように、第１の実施形態によれば、取得機能１４５ａは、被検体の冠動脈における流体に関する第１のパラメータと、冠動脈における形状および性状のうち少なくとも１つに関する第２のパラメータとを取得する。設定機能１４５ｂは、第１のパラメータ及び第２のパラメータのうち少なくとも一方に対して、冠動脈の解剖学的位置に対応付けた重み付け係数を設定する。算出機能１４５ｃは、第１のパラメータと第２のパラメータと重み付け係数とに基づいて、被検体のリスクに関する指標を算出する。したがって、第１の実施形態に係る医用画像処理装置１４０は、心臓に与える影響を的確に表現した総合指標を算出することができ、リスク評価の精度を向上させることを可能にする。
また、第１の実施形態によれば、取得機能１４５ａは、第１のパラメータとして、前記被検体の冠動脈の画像に基づいて取得されたＦＦＲを取得する。したがって、医用画像処理装置１４０は、ＦＦＲに加えて、冠動脈における形状と性状とを組み合わせた総合指標を算出することができ、リスク評価の精度を向上させることを可能にする。
また、第１の実施形態によれば、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、冠動脈の起始部側における重み付けが末梢側における重み付けよりも大きくなるように設定する。したがって、第１の実施形態に係る医用画像処理装置１４０は、支配領域が広い位置の重み付けが大きくなるように重み付け係数を設定することができ、心臓に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、設定機能１４５ｂは、冠動脈の短軸断面の面積に比例した重み付け係数を、ＦＦＲに対して設定する。したがって、第１の実施形態に係る医用画像処理装置１４０は、血流量の多い位置の重み付け係数を大きくすることができ、心臓に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、設定機能１４５ｂは、冠動脈による灌流面積に比例した重み付け係数を、ＦＦＲに対して設定する。したがって、第１の実施形態に係る医用画像処理装置１４０は、血流量の減少が与える影響が大きい位置ほど重み付け係数を大きくすることができ、心臓に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、設定機能１４５ｂは、ＦＦＲに対する重み付け係数として、冠動脈の枝ごとに異なる重み付け係数を設定する。したがって、第１の実施形態に係る医用画像処理装置１４０は、灌流面積に応じた重み付け係数を設定することができ、心臓に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、取得機能１４５ａは、被検体の心筋に関する第３のパラメータをさらに取得する。算出機能１４５ｃは、第１のパラメータと第２のパラメータと重み付け係数と第３のパラメータとに基づいて、被検体のリスクに関する指標を算出する。したがって、第１の実施形態に係る医用画像処理装置１４０は、冠動脈に関する指標と心筋に関する指標とを含む総合指標を算出することができ、心臓全体に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、設定機能１４５ｂは、第３のパラメータに対して、心筋の解剖学的位置に対応付けた重み付けをさらに設定する。したがって、第１の実施形態に係る医用画像処理装置１４０は、心臓に与える影響をより的確に表現させることを可能にする。
また、第１の実施形態によれば、取得機能１４５ａは、被検体の心筋の拍動によって生じる力に関する第４のパラメータをさらに取得する。算出機能１４５ｃは、第４のパラメータをさらに用いて、被検体のリスクに関する指標を算出する。したがって、第１の実施形態に係る医用画像処理装置１４０は、冠動脈に関する指標と心筋の拍動によって生じる力に関する指標とを含む総合指標を算出することができ、心臓全体に与える影響をより的確に表現した総合指標を算出することを可能にする。
また、第１の実施形態によれば、表示制御機能１４５ｅは、算出機能１４５ｃによって算出された指標の空間分布を示す画像を表示させる。したがって、第１の実施形態に係る医用画像処理装置１４０は、総合指標の分布を観察し易い形態で表示させることを可能にする。
また、第１の実施形態によれば、表示制御機能１４５ｅは、算出機能１４５ｃによって算出された指標に含まれる第１のパラメータの値及び第２のパラメータの値を反映させたマップを表示させる。したがって、第１の実施形態に係る医用画像処理装置１４０は、総合指標と、算出に用いられた指標とを同時に観察することを可能にする。
また、第１の実施形態によれば、取得機能１４５ａは、被検体の冠動脈に関する第１のパラメータと、被検体の心筋あるいは心筋の拍動に関する第２のパラメータとを取得する。設定機能１４５ｂは、第１のパラメータ及び第２のパラメータのうち少なくとも一方に対して、冠動脈の解剖学的位置に対応付けた重み付け係数を設定する。算出機能１４５ｃは、第１のパラメータと第２のパラメータと重み付け係数とに基づいて、被検体のリスクに関する指標を算出する。したがって、第１の実施形態に係る医用画像処理装置１４０は、心臓に与える影響を的確に表現した総合指標を算出することができ、リスク評価の精度を向上させることを可能にする。
（他の実施形態）
上述した実施形態では、総合指標に関する情報を医用画像処理装置１４０のディスプレイ１４４に表示させる場合の例を説明したが、実施形態はこれに限定されるものではない。例えば、総合指標に関する情報を医用情報表示装置１３０のディスプレイに表示させる場合でもよい。
上述した実施形態では、本明細書における取得部、設定部、算出部及び表示制御部を、それぞれ、処理回路の取得機能、設定機能、算出機能及び表示制御機能によって実現する場合の例を説明したが、実施形態はこれに限られない。例えば、本明細書における取得部、設定部、算出部及び表示制御部は、実施形態で述べた取得機能、設定機能、算出機能及び表示制御機能によって実現する他にも、ハードウェアのみ、ソフトウェアのみ、又は、ハードウェアとソフトウェアとの混合によって同機能を実現するものであっても構わない。
また、上述した実施形態の説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、又は、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（例えば、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）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。ここで、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。
ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な非一過性の記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることによって提供又は配布されてもよい。例えば、このプログラムは、上述した各処理機能を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。
また、上述した実施形態及び変形例において、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散又は統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散又は統合して構成することができる。更に、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。
また、上述した実施形態及び変形例において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部又は一部を手動的に行なうこともでき、或いは、手動的に行なわれるものとして説明した処理の全部又は一部を公知の方法で自動的に行なうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
以上説明した少なくとも一つの実施形態によれば、リスク指標の精度を向上させることができる。
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。
１００ 医用画像処理システム
１３０ 医用情報表示装置
１４０ 医用画像処理装置
１４５ 処理回路
１４５ａ 取得機能
１４５ｂ 設定機能
１４５ｃ 算出機能
１４５ｅ 表示制御機能

Claims (14)

  1. 被検体の冠動脈における力に関する第１のパラメータと、前記冠動脈における形状、性状および流体抵抗のうち少なくとも１つに関する第２のパラメータとを取得する取得部と、
    前記第１のパラメータ及び前記第２のパラメータのうち少なくとも一方に対して、前記冠動脈の解剖学的位置に対応付けた重み付け係数を設定する設定部と、
    前記第１のパラメータと前記第２のパラメータと前記重み付け係数とに基づいて、前記被検体のリスクに関する指標を算出する算出部と、
    を備える、医用画像処理装置。
  2. 前記取得部は、前記第１のパラメータとして、前記被検体の冠動脈の画像に基づいて取得された冠血流予備量比を取得する、請求項１に記載の医用画像処理装置。
  3. 前記設定部は、前記冠血流予備量比に対する重み付け係数として、前記冠動脈の起始部側における重み付けが末梢側における重み付けよりも大きくなるように設定する、請求項２に記載の医用画像処理装置。
  4. 前記設定部は、前記冠動脈の短軸断面の面積に比例した重み付け係数を、前記冠血流予備量比に対して設定する、請求項２に記載の医用画像処理装置。
  5. 前記設定部は、前記冠動脈による灌流面積に比例した重み付け係数を、前記冠血流予備量比に対して設定する、請求項２に記載の医用画像処理装置。
  6. 前記設定部は、前記冠血流予備量比に対する重み付け係数として、前記冠動脈の枝ごとに異なる重み付け係数を設定する、請求項２に記載の医用画像処理装置。
  7. 前記取得部は、前記被検体の心筋に関する第３のパラメータをさらに取得し、
    前記算出部は、前記第１のパラメータと前記第２のパラメータと前記重み付け係数と前記第３のパラメータとに基づいて、前記被検体のリスクに関する指標を算出する、請求項１～６のいずれか１つに記載の医用画像処理装置。
  8. 前記設定部は、前記第３のパラメータに対して、前記心筋の解剖学的位置に対応付けた重み付けをさらに設定する、請求項７に記載の医用画像処理装置。
  9. 前記取得部は、前記被検体の心筋の拍動によって生じる力に関する第４のパラメータをさらに取得し、
    前記算出部は、前記第４のパラメータをさらに用いて、前記被検体のリスクに関する指標を算出する、請求項１～８のいずれか１つに記載の医用画像処理装置。
  10. 前記算出部によって算出された指標の空間分布を示す画像を表示させる表示制御部をさらに備える、請求項１～９のいずれか１つに記載の医用画像処理装置。
  11. 前記算出部によって算出された指標に含まれる第１のパラメータの値及び第２のパラメータの値を反映させたマップを表示させる表示制御部をさらに備える、請求項１～１０のいずれか１つに記載の医用画像処理装置。
  12. 被検体の冠動脈に関する第１のパラメータと、前記被検体の心筋あるいは心筋の拍動に関する第２のパラメータとを取得する取得部と、
    前記第１のパラメータ及び前記第２のパラメータのうち少なくとも一方に対して、前記冠動脈の解剖学的位置に対応付けた重み付け係数を設定する設定部と、
    前記第１のパラメータと前記第２のパラメータと前記重み付け係数とに基づいて、前記被検体のリスクに関する指標を算出する算出部と、
    を備える、医用画像処理装置。
  13. 医用画像処理装置と、医用情報表示装置とを含む医用画像処理システムであって、
    前記医用画像処理装置が、
    被検体の冠動脈における力に関する第１のパラメータと、前記冠動脈における形状、性状および流体抵抗のうち少なくとも１つに関する第２のパラメータとを取得する取得部と、
    前記第１のパラメータ及び前記第２のパラメータのうち少なくとも一方に対して、前記冠動脈の解剖学的位置に対応付けた重み付け係数を設定する設定部と、
    前記第１のパラメータと前記第２のパラメータと前記重み付け係数とに基づいて、前記被検体のリスクに関する指標を算出する算出部と、
    を備える、医用画像処理システム。
  14. 被検体の冠動脈における力に関する第１のパラメータと、前記冠動脈における形状、性状および流体抵抗のうち少なくとも１つに関する第２のパラメータとを取得し、
    前記第１のパラメータ及び前記第２のパラメータのうち少なくとも一方に対して、前記冠動脈の解剖学的位置に対応付けた重み付け係数を設定し、
    前記第１のパラメータと前記第２のパラメータと前記重み付け係数とに基づいて、前記被検体のリスクに関する指標を算出する、
    ことを含む、医用画像処理方法。
JP2020141793A 2020-08-25 2020-08-25 医用画像処理装置、システム及び方法 Active JP7443197B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020141793A JP7443197B2 (ja) 2020-08-25 2020-08-25 医用画像処理装置、システム及び方法
US17/411,473 US20220068468A1 (en) 2020-08-25 2021-08-25 Medical image processing apparatus, system, and method
DE202021104560.4U DE202021104560U1 (de) 2020-08-25 2021-08-25 Medizinische Bildverarbeitungsvorrichtung und System
DE102021122004.1A DE102021122004A1 (de) 2020-08-25 2021-08-25 Medizinische Bildverarbeitungsvorrichtung, System und Verfahren

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020141793A JP7443197B2 (ja) 2020-08-25 2020-08-25 医用画像処理装置、システム及び方法

Publications (2)

Publication Number Publication Date
JP2022037581A JP2022037581A (ja) 2022-03-09
JP7443197B2 true JP7443197B2 (ja) 2024-03-05

Family

ID=80113172

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020141793A Active JP7443197B2 (ja) 2020-08-25 2020-08-25 医用画像処理装置、システム及び方法

Country Status (3)

Country Link
US (1) US20220068468A1 (ja)
JP (1) JP7443197B2 (ja)
DE (2) DE102021122004A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007129493A1 (ja) 2006-05-02 2007-11-15 National University Corporation Nagoya University 医療画像観察支援装置
US20140249399A1 (en) 2013-03-04 2014-09-04 Siemens Aktiengesellschaft Determining Functional Severity of Stenosis
US20140355859A1 (en) 2010-08-12 2014-12-04 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP2014532509A (ja) 2011-11-07 2014-12-08 パイエオン インコーポレイテッドＰａｉｅｏｎ Ｉｎｃ． 心臓機構を検知および分析するための方法およびシステム
JP2014534822A (ja) 2011-10-14 2014-12-25 富士フイルム株式会社 モデルに基づいた冠動脈のカルシウムスコアリング
JP2015519942A (ja) 2012-05-14 2015-07-16 コーニンクレッカ フィリップス エヌ ヴェ 血管の狭窄のための冠血流予備量比（ｆｆｒ）値の決定
US9195801B1 (en) 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
JP2019181290A (ja) 2015-07-17 2019-10-24 ハートフロー， インコーポレイテッド 造影剤分布予測及び測定を使用してプラーク及び／または狭窄性病変の重症度を評価するシステム及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7224967B2 (ja) 2019-03-05 2023-02-20 株式会社マキタ アップライト集じん機

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007129493A1 (ja) 2006-05-02 2007-11-15 National University Corporation Nagoya University 医療画像観察支援装置
US20140355859A1 (en) 2010-08-12 2014-12-04 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP2014534822A (ja) 2011-10-14 2014-12-25 富士フイルム株式会社 モデルに基づいた冠動脈のカルシウムスコアリング
JP2014532509A (ja) 2011-11-07 2014-12-08 パイエオン インコーポレイテッドＰａｉｅｏｎ Ｉｎｃ． 心臓機構を検知および分析するための方法およびシステム
JP2015519942A (ja) 2012-05-14 2015-07-16 コーニンクレッカ フィリップス エヌ ヴェ 血管の狭窄のための冠血流予備量比（ｆｆｒ）値の決定
US20140249399A1 (en) 2013-03-04 2014-09-04 Siemens Aktiengesellschaft Determining Functional Severity of Stenosis
US9195801B1 (en) 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
JP2019181290A (ja) 2015-07-17 2019-10-24 ハートフロー， インコーポレイテッド 造影剤分布予測及び測定を使用してプラーク及び／または狭窄性病変の重症度を評価するシステム及び方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Manabu Kashiwagi et al.，" Combination of Lesion Stenosis and Myocardial Supply Area Assessed by Coronary Computed Tomography Angiography for Prediction of Myocardial Ischemia "，International Heart Journal，2019年，Vol.60,No.6，p.1238-1244，DOI: 10.1536/ihj.19-141

Also Published As

Publication number Publication date
JP2022037581A (ja) 2022-03-09
DE102021122004A1 (de) 2022-03-03
US20220068468A1 (en) 2022-03-03
DE202021104560U1 (de) 2022-01-19

Similar Documents

Publication Publication Date Title
US11854704B2 (en) Systems and methods for anatomical modeling using information obtained from a medical procedure
JP6751170B2 (ja) 血流特性のモデリングにおける感度解析方法及びシステム
JP6221000B2 (ja) 患者の心血管情報を決定するためのシステムおよびシステムの作動方法
EP3127026B1 (en) Systems and methods for determining blood flow characteristics using flow ratio
JP6667999B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US10134129B2 (en) Method and system for hemodynamic computation in coronary arteries
KR102527582B1 (ko) 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법
KR20160038038A (ko) 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템
JP2018509971A (ja) 定量的フロー分析のための方法および装置
CN112673433A (zh) 基于心肌呈色特性计算用于虚拟FFR和iFR计算的边界条件
JP2022076477A (ja) 医用情報処理装置、医用情報処理システム及び医用情報処理方法
JP2021114139A (ja) 医用情報処理装置及び医用情報処理プログラム
JP7443197B2 (ja) 医用画像処理装置、システム及び方法
JP2022073363A (ja) 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム
CN113164131A (zh) 针对血液动力学模拟的最相关的x射线图像选择
US20220068469A1 (en) Medical image processing apparatus, system, and method
JP2022090798A (ja) 解析装置、解析システム及び解析方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230626

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231228

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: 20240123

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240221

R150 Certificate of patent or registration of utility model

Ref document number: 7443197

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150