JP7686525B2 - コンピュータプログラム、情報処理方法、及び情報処理装置 - Google Patents

Description

本開示は、医用画像に対する処理に係るコンピュータプログラム、情報処理方法、及び情報処理装置に関する。

医学的検査において、検査対象の画像を直接的に撮像するか、又は、電磁波を利用した測定結果を画像化するなどして得られる画像が診断に利用されている。特に、管腔器官の検査では、画像素子を器官内に移動させて得られる画像を使用する技術が種々利用されている。

管腔器官の中でも特に血管の画像診断は、冠動脈インターベンション（ＰＣＩ：Percutaneous Coronary Intervention）等の施術を安全確実に行なうために必要不可欠である。このため、造影剤を用いて体外から撮影する血管造影技術（angiography ）と併せて、カテーテルを用いたＩＶＵＳ（Intra Vascular Ultra Sound）、ＯＣＴ（Optical Coherence Tomography）／ＯＦＤＩ（Optical Frequency Domain Imaging）等の血管内イメージング技術が普及している。

上述した画像診断では、撮影された医用画像から診断に関する情報を正確に得ることは容易ではない。医用画像の読影を補助するために、画像解析又は機械学習を用い、画像を補正したり、情報を付加したりする技術が種々提案されている（特許文献１等）。

特開２０１２－０７５７０２号公報

カテーテルを用いたイメージング技術では、ノイズの発生、エアトラップ、断線、イメージセンサの回転阻害等により、イメージセンサから取得できる信号から得られる断層画像に問題が生じる場合がある。問題は例えば、断層画像が全体として暗く、断層画像に写るべき器官の部位を判別できないこと、区別し難いアーチファクトが生成されることなどがある。検査を開始するよりも前に、接続不良又は断線等の１回の検査全体に亘って医用画像を得られないような問題が発生している場合は、検査オペレータも気づきやすい。しかしながら、部分的に問題が発生する場合に、これを検査オペレータが検知することは困難であり、全ての画像を確認することも非常に煩雑である。

本開示の目的は、カテーテルを用いて得られる画像に問題がある場合でも、全体の検査を通じて得られる解剖学的特徴に関する情報について、問題発生を認識可能に提示するコンピュータプログラム、情報処理方法、及び情報処理装置を提供することにある。

本開示に係るコンピュータプログラムは、管腔器官に挿入されるカテーテルに備えられたイメージングデバイスによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータに、前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、前記表示される分布上に、問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する処理を実行させる。

本開示に係る情報処理方法は、管腔器官に挿入されるカテーテルに備えられたイメージングデバイスによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータが、前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、前記表示される分布上に、問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する。

本開示に係る情報処理装置は、管腔器官に挿入されるカテーテルに備えられたイメージングデバイスによって検出される信号に基づく前記管腔器官の複数の断層画像を取得する情報処理装置において、前記複数の断層画像それぞれに対する画像処理を実行する処理部を備え、該処理部は、前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、前記表示される分布上に、問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する。

本開示によれば、管腔器官の断層画像に問題がある場合でも、全体の検査を通じて得られる解剖学的特徴に関する情報について提示でき、且つ、表示された情報を視認したオペレータは、問題発生及びその発生箇所を認識することができる。また、発生箇所を認識することで、オペレータは情報を再取得すべきか判断したり、併用している別のモダリティ（血管造影装置など）を用いて当該部の詳細確認を行ったり、といった活用をすることができる。

画像診断装置の構成例を示す図である。 カテーテルの動作を示す説明図である。 画像処理装置の構成を示すブロック図である。 学習済みの第１モデルの概要図である。 検出された境界（輪郭）を示す図である。 学習済みの第２モデルの概要図である。 画像処理装置による情報処理手順の一例を示すフローチャートである。 解剖学的特徴を示すデータの算出方法の概要図である。 表示装置に表示される画面の例を示す。 第２実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。 第２実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。 第２実施形態にて表示装置に表示される画面の例を示す。 第３実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。 第３実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。 解剖学的特徴を示すデータの推測方法の他の例の概要図である。 解剖学的特徴を示すデータの推測方法の他の例の概要図である。 画像生成モデルの概要図である。 第４実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。 第４実施形態における画像処理装置による情報処理手順の一例を示すフローチャートである。

本発明の実施形態に係るコンピュータプログラム、情報処理方法、及び情報処理装置の具体例を、図面を参照しつつ以下に説明する。

（第１実施形態）
図１は、画像診断装置１００の構成例を示す図である。画像診断装置１００は、ＩＶＵＳ法によって血管（管腔器官）の超音波断層像を含む医用画像を生成し、血管内の超音波検査及び診断を行なうための装置である。

画像診断装置１００は、カテーテル１、ＭＤＵ（Motor Drive Unit）２、画像処理装置（情報処理装置）３、表示装置４及び入力装置５を備える。

カテーテル１は、医療用の柔軟性のある管である。カテーテル１は特に、先端部にイメージングデバイス１１を設け、基端からの駆動によって周方向に回転するイメージングカテーテルと呼ばれるものである。イメージングデバイス１１は、ＩＶＵＳ法の場合は超音波振動子及び超音波センサを含む超音波プローブである。ＯＣＴの場合は、近赤外線レーザ及び近赤外線センサ等を含むＯＣＴデバイスである。イメージングデバイス１１は、その他、可視光等の他の波長の電磁波を用いる他のデバイスを用いてもよい。

ＭＤＵ２は、カテーテル１の基端に取り付けられる駆動装置であり、検査オペレータの操作に応じて内部モータを駆動することによって、カテーテル１の動作を制御する。

画像処理装置３は、カテーテル１のイメージングデバイス１１から出力された信号に基づいて、血管の断層像等、複数の医用画像を生成する。画像処理装置３の構成の詳細については後述する。

表示装置４は、液晶表示パネル、有機ＥＬ表示パネル等を用いる。表示装置４は、画像処理装置３によって生成される医用画像と、医用画像に関する情報とを表示する。

入力装置５は、画像処理装置３に対する操作を受け付ける入力インタフェースである。入力装置５は、キーボード、マウス等であってもよいし、表示装置４に内蔵されるタッチパネル、ソフトキー、ハードキー等であってもよい。

図２は、カテーテル１の動作を示す説明図である。図２においてカテーテル１は、血管内に検査オペレータによって、図中に示す冠動脈に挿入されたガイドワイヤＷに沿って、管状の血管Ｌ内に挿入されている。図２中の血管Ｌの拡大図において右部は、カテーテル１及びガイドワイヤＷの挿入箇所から遠位、左部は近位に対応する。

カテーテル１は、ＭＤＵ２の駆動により、図中の矢符で示すように、血管Ｌ内の遠位から近位へ向けて移動し、且つ、周方向に回転しながら、イメージングデバイス１１によって螺旋状に血管内を走査する。

本実施形態の画像診断装置１００では、画像処理装置３が、カテーテル１のイメージングデバイス１１から出力された１走査毎の信号を取得する。１回の走査は、イメージングデバイス１１から検出波を径方向に発し、反射光を検出することであり、螺旋状に走査される。画像処理装置３は、１走査毎の信号を360度分毎に極座標変換することで得られる断層画像（横断面画像）を生成する（図２中、Ｉ１）。断層画像Ｉ１は、フレーム画像ともいう。断層画像Ｉ１の基準点（中心）は、カテーテル１の範囲（画像化されない）に対応する。画像処理装置３は更に、断層画像Ｉ１の基準点を通る直線上の画素値を、カテーテル１が血管の長さ方向（長軸方向）に沿って並べた長軸画像（縦断面画像）を生成する（図２中、Ｉ２）。画像処理装置３は、得られた断層画像Ｉ１、長軸画像Ｉ２に基づいて血管の分岐構造を分析処理し、血管の構造を示す二次元又は三次元画像を、検査オペレータあるいは他の医療従事者が視認可能に出力する。本開示における画像診断装置１００では、イメージングデバイス１１から得られる信号から作成される断層画像Ｉ１に問題がある場合、これを認識可能に表示装置４に表示させる。以下、画像処理装置３が、断層画像Ｉ１に問題がある場合の表示処理について詳細を説明する。

図３は、画像処理装置３の構成を示すブロック図である。画像処理装置３は、コンピュータであり、処理部３０、記憶部３１、及び入出力Ｉ／Ｆ３２を備える。

処理部３０は、一又は複数のＣＰＵ（Central Processing Unit ）、ＭＰＵ（Micro-Processing Unit ）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-purpose computing on graphics processing units）、ＴＰＵ（Tensor Processing Unit）等を含む。処理部３０は、ＲＡＭ（Random Access Memory）等の非一時記憶媒体を内蔵し、処理中に生成したデータを非一時記憶媒体に記憶しつつ、記憶部３１に記憶されているコンピュータプログラム３Ｐに基づき演算を実行する。

記憶部３１は、ハードディスク、フラッシュメモリ等の不揮発性記憶媒体である。記憶部３１は、処理部３０が読み出すコンピュータプログラム３Ｐ、設定データ等を記憶する。また記憶部３１は、学習済みの第１モデル３１Ｍ及び第２モデル３２Ｍを記憶する。

コンピュータプログラム３Ｐ、第１モデル３１Ｍ及び第２モデル３２Ｍは、装置外の非一時記憶媒体９に記憶されたコンピュータプログラム９Ｐ、第１モデル９１Ｍ及び第２モデル９２Ｍを入出力Ｉ／Ｆ３２を介して読み出して複製したものであってもよい。コンピュータプログラム３Ｐ、第１モデル３１Ｍ及び第２モデル３２Ｍは、遠隔のサーバ装置が配信するものを画像処理装置３が図示しない通信部を介して取得し、記憶部３１に記憶したものであってもよい。

入出力Ｉ／Ｆ３２は、カテーテル１、表示装置４及び入力装置５が接続されるインタフェースである。処理部３０は、入出力Ｉ／Ｆ３２を介し、イメージングデバイス１１から出力される信号（デジタルデータ）を取得する。処理部３０は、入出力Ｉ／Ｆ３２を介し、生成した断層画像Ｉ１及び／又は長軸画像Ｉ２を含む画面の画面データを表示装置４へ出力する。処理部３０は、入出力Ｉ／Ｆ３２を介して、入力装置５に入力された操作情報を受け付ける。

図４は、学習済みの第１モデル３１Ｍの概要図である。本開示における第１モデル３１Ｍは、画像が入力された場合に、画像に写っている１又は複数の対象物の領域を示す画像を出力するように学習されたモデルである。第１モデル３１Ｍは例えば、セマンティックセグメンテーション（Semantic Segmentation ）を実施するモデルである。第１モデル３１Ｍは、入力された画像中の各画素に対し、各画素がいずれの対象物が写っている範囲の画素であるかを示すデータをタグ付けした画像を出力するように設計されている。

第１モデル３１Ｍは例えば、図４に示すように、畳み込み層、プーリング層、アップサンプリング層、及びソフトマックス層を対象的に配置した所謂Ｕ－ｎｅｔを用いる。第１モデル３１Ｍは、カテーテル１からの信号によって作成した断層画像Ｉ１が入力された場合に、タグ画像ＩＳを出力する。タグ画像ＩＳは、血管の内腔範囲、血管の中膜を含む血管の内腔境界と血管境界との間に対応する膜範囲、ガイドワイヤＷ及びそれによる反響が写っている範囲、並びにカテーテル１に対応する範囲を、その位置の画素に各々異なる画素値（図４中では異なる種類のハッチング及び無地で示す）によってタグを付したものである。第１モデル３１Ｍは更に、血管に形成されている繊維性プラークの部分、脂質性プラークの部分、石灰化プラークの部分等を識別できてもよい。

第１モデル３１Ｍは上述したようにセマンティックセグメンテーション、Ｕ－ｎｅｔを例示したがこれに限らないことは勿論である。その他、第１モデル３１Ｍは、インスタンスセグメンテーション等による個別認識処理を実現するモデルであってもよい。第１モデル３１Ｍは、Ｕ－ｎｅｔベースに限らず、ＳｅｇＮｅｔ、Ｒ－ＣＮＮ、又は他のエッジ抽出処理との統合モデル等をベースにしたモデル使用してもよい。

処理部３０は、第１モデル３１Ｍに断層画像Ｉ１を入力して得られるタグ画像ＩＳにおける画素値とその画像内の座標とによって、断層画像Ｉ１に写っている血管の内腔境界、及び血管境界をエッジ検出できる。血管境界は、厳密には血管の中膜と外膜との間の外弾性板（ＥＥＭ：External Elastic Membrane ）であって、ＩＶＵＳ法にて画像Ｉ１内で比較的明瞭に低い輝度で写る。図５は、検出された境界（輪郭）を示す図である。図５は、図４に示した断層画像Ｉ１に対し、第１モデル３１Ｍからの出力に基づいて得られる内腔境界を示す曲線Ｂ１と、血管境界を示す曲線Ｂ２とが重畳表示されている状態を示す。

上述のように断層画像Ｉ１を生成し、範囲を識別した結果を補助的に加えて表示することにより、検査オペレータ及び他の医療従事者が、管腔器官内を把握しやすくなる。ただし、第１モデル３１Ｍに入力する断層画像Ｉ１が不良である場合、上述の範囲を識別することは非常に難しい。例えば、イメージングデバイス１１が螺旋状に回転しながら走査動作をする中で、表面にエア（気泡）が付着した場合、生成された画像は画素値（輝度）がゼロに近い暗画像となる。断続的に断線する場合も、イメージングデバイス１１からの信号を元に生成する断層画像Ｉ１も暗画像になる。イメージングデバイス１１の回転が阻害されるような場合（例えば高度に屈曲した血管内をイメージングデバイス１１が通過する場合等）、部分的に暗画像となったり、幾何学模様が一部又は全部に現れた画像となったりする。

そこで本開示の画像処理装置３は、カテーテル１からの信号から得られる断層画像Ｉ１をセグメンテーション用の第１モデル３１Ｍへ入力する前に、断層画像Ｉ１に対して、走査中に問題が発生しているか否かを、第２モデル３２Ｍを利用して検出する。問題が発生していることが検知された場合、本開示の画像処理装置３はまず第１に、その断層画像Ｉ１に対応する長軸上の箇所を提示する画面を生成する。画像処理装置３は、問題が発生している断層画像Ｉ１からの解剖学的特徴を示すデータの導出を回避する。画像処理装置３は、前後で走査された断層画像Ｉ１を用いて問題が発生した箇所の解剖学的特徴を予測してもよい。以下、詳細な処理手順を説明する。

図６は、学習済みの第２モデル３２Ｍの概要図である。本開示における第２モデル３２Ｍは、画像が入力された場合に、画像が走査中に問題が発生しているか否かの確率を示す数値（確度）を出力するように学習されたモデルである。第２モデル３２Ｍは例えば、畳み込み層、プーリング層等を含むＣＮＮ（Convolutional Neural Network）を用いて画像の特徴量を導出するモデルである。第２モデル３２Ｍは、入力層３２１、中間層３２２及び出力層３２３を有する。第２モデル３２Ｍは、問題が発生していると予め判別された画像に「問題発生：１」のタグ、問題が発生していないと予め判別された画像に「問題なし：０」の教師データを与えて中間層３２２におけるパラメータを学習済みである。

なお、第２モデル３２Ｍは、発生している問題の種類を分類する分類モデルであってもよい。問題の種類とは、「エアトラップ」、「断線」、「回転阻害」等であり、画像処理装置３は、これらの結果毎に異なるラベルを付与して予め断層画像Ｉ１を学習し、種類それぞれに対する確度を出力するように中間層３２２のパラメータを学習させてもよい。

本開示では、第１モデル３１Ｍ及び第２モデル３２Ｍは別のモデルとして記載した。しかしながら、第２モデル３２Ｍの出力（問題が発生しているか否かの確率）は、断層画像Ｉ１を入力した第１モデル３１Ｍから得られる確度に代替されてもよい。確度は、セグメンテーションがうまくいったかどうかの信頼性に対応するため、問題が発生している断層画像に対して第１モデル３１Ｍを適用しても、セグメンテーションはうまくいかず、出力される確度は低いことが推定される。つまり、第１モデル３１Ｍ及び第２モデル３２Ｍを、１つの第１モデル３１Ｍで兼用してもよい。この場合、画像処理装置３は、第１モデル３１Ｍに断層画像Ｉ１を入力して得られるタグ画像ＩＳ及び確度を取得し、確度が所定値未満である場合に、タグ画像ＩＳを使用しない。

第１モデル３１Ｍ及び第２モデル３２Ｍを用いた画像処理装置３による処理手順について説明する。図７は、画像処理装置３による情報処理手順の一例を示すフローチャートである。画像処理装置３の処理部３０は、カテーテル１のイメージングデバイス１１から信号が出力されると以下の処理を開始する。

処理部３０は、カテーテル１のイメージングデバイス１１からの信号（データ）を所定量（例えば３６０度分）取得する都度（ステップＳ３０１）、矩形に並べた信号を極座標変換（逆変換）して断層画像Ｉ１を生成する（ステップＳ３０２）。処理部３０は、生成した断層画像Ｉ１を、表示装置４に表示させている画面内にリアルタイムに表示できるように出力する（ステップＳ３０３）。処理部３０は、ステップＳ３０１で取得した信号データと、断層画像Ｉ１とを、長軸上の位置に対応付けて記憶部３１に記憶する（ステップＳ３０４）。ステップＳ３０４で処理部３０は、イメージングデバイス１１の走査角度を記憶してもよい。

処理部３０は、断層画像Ｉ１を第２モデル３２Ｍへ入力する（ステップＳ３０５）。処理部３０は、第１モデル３１Ｍから出力される、問題が発生しているか否かの確率（確度）に基づき、ステップＳ３０２で生成した断層画像Ｉ１に問題があるか否かを判断する（ステップＳ３０６）。

ステップＳ３０６において処理部３０は、第２モデル３２Ｍを用いることなしに、問題があるか否かを判断してもよい。例えば処理部３０は、断層画像Ｉ１の画素値（輝度値）に基づき、８０％以上の画素の画素値が所定の画素値以下であって暗画像であるか否かによって、問題があるか否かを判断する。

問題がないと判断された場合（Ｓ３０６：ＮＯ）、処理部３０は、断層画像Ｉ１を第１モデル３１Ｍへ入力する（ステップＳ３０７）。処理部３０は、第１モデル３１Ｍから出力されるタグ画像ＩＳに基づき、断層画像Ｉ１から得られる解剖学的特徴を示すデータを算出する（ステップＳ３０８）。

ステップＳ３０８において処理部３０は、第１例では、内腔範囲の内腔境界から内側における最大径、最小径、平均内径等の数値を算出する。処理部３０は更に、膜範囲の外側輪郭を血管境界として算出し、その最大径、最小径、及び平均径を算出してもよい。

ステップＳ３０８において処理部３０は、第２例では、第１例同様に内腔境界及び血管境界を算出するとともに、断層画像Ｉ１における内腔境界と血管境界との間の画素値に基づき、繊維性プラーク範囲、脂質性プラーク範囲、石灰化プラーク範囲等を決定してもよい。処理部３０は、繊維性プラーク範囲、脂質性プラーク範囲、又は石灰化プラーク範囲を決定できた場合、その断面積の血管境界内側の面積に対する割合（plaque burden）を算出してもよい。

処理部３０は、ステップＳ３０８で算出した解剖学的特徴を示すデータを、断層画像Ｉ１に対応する長軸上の位置に対応付けて記憶部３１に記憶する（ステップＳ３０９）。

処理部３０は、ステップＳ３０８で算出した解剖学的特徴を示すデータを、表示装置４にて表示中の画面内に出力する（ステップＳ３１０）。ステップＳ３１０において処理部３０は、データの長軸方向に対する推移を示すグラフを出力してもよいし、データの数値を出力してもよい。

処理部３０は、カテーテル１のイメージングデバイス１１による走査を完了したか否かを判断する（ステップＳ３１１）。走査を完了していないと判断された場合（Ｓ３１１：ＮＯ）、処理部３０は、処理をステップＳ３０１へ戻し、次の断層画像Ｉ１を生成する。

走査を完了したと判断された場合（Ｓ３１１：ＹＥＳ）、処理部３０は、走査した血管の長軸方向全体に対するデータの分布を改めて表示し（ステップＳ３１２）、処理を終了する。処理部３０は、データの分布の他、データの数値等も表示させてよい。

ステップＳ３０６にて問題があると判断された場合（Ｓ３０６：ＹＥＳ）、処理部３０は、対象の断層画像Ｉ１に問題が発生していることを示す文字又は画像を、表示装置４にて表示中の画面に出力する（ステップＳ３１３）。処理部３０は、問題が発生していることを、断層画像Ｉ１に対応する長軸上の位置に対応付けて記憶部３１に記憶し（ステップＳ３１４）、処理をステップＳ３１１へ進める。

ステップＳ３１３において処理部３０は例えば、管腔器官の長軸上の位置に対する解剖学的特徴を示すデータの推移を示すグラフ上で、問題が発生している断層画像Ｉ１に対応する位置に、問題発生を示す画像を表示する（図９参照）。

ステップＳ３０８における解剖学的特徴を示すデータの算出について一例を詳細に説明する。図８は、解剖学的特徴を示すデータの算出方法の概要図である。一例において画像処理装置３は、内腔径の平均及びプラーク断面積を算出する。画像処理装置３の処理部３０は、図５に示した内腔境界の内側領域の重心を通る最大径及び最小径を算出し、最大径及び最小径の平均を求めてもよいし、重心を通って内腔境界上の点を結ぶ各線分の平均を求めてもよい。処理部３０は、内腔境界の曲線Ｂ１よりも外側、且つ、血管境界の曲線Ｂ２よりも内側の範囲内で、画素値が小さい（輝度が高い）部分をプラークが写っている範囲として決定する。図８中では、プラークが写っている範囲をハッチングで示している。処理部３０は、内腔境界の曲線Ｂ１よりも外側、且つ、血管境界の曲線Ｂ２よりも内側の範囲の面積に対する、プラーク範囲の割合（Plaque Burden）を算出する。図８の例では処理部３０は例えば、５５％と算出する。

図９は、表示装置４に表示される画面４００の例を示す。図８に示す画面４００は、長軸上の位置を選択するカーソル４０１と、カーソル４０１に対応する位置における断層画像Ｉ１とを含む。画面４００は、解剖学的特徴を示すデータのグラフ４０２及びグラフ４０３を含む。グラフ４０２は、長軸上の位置に対する平均内腔径の分布を示す。グラフ４０２は、横軸に長軸上の位置を示し、縦軸に、各位置における管腔器官の内径の平均（平均内腔径）を示す。グラフ４０３は、長軸上の位置に対するプラーク範囲の割合の分布を示す。グラフ４０３は、横軸に長軸上の位置を示し、縦軸に、各位置におけるプラーク範囲の割合を百分率で示す。

図９の画面４００には、グラフ４０２及びグラフ４０３上に重畳されて、断層画像Ｉ１に問題が発生していたことを示す画像４０４が表示されている。画像４０４により、その長軸上の位置では、断層画像Ｉ１に問題が発生していて、解剖学的特徴を示すデータが算出できなかったことがわかる。画面４００を確認する医療従事者は、その問題が発生していた範囲を認識できると共に、その範囲における内腔径及びプラーク範囲の割合を、前後との連続性から推測することもできる。問題の発生箇所を認識できるため、検査オペレータは情報を再取得すべきか判断したり、併用している別のモダリティ（血管造影装置など）を用いて当該部の詳細確認を行なったりすることもできる。

（第２実施形態）
第１実施形態では、断層画像Ｉ１に問題が発生している場合、その画像に対応する解剖学的特徴を示すデータの算出をしなかった。これに対し、第２実施形態の画像処理装置３は、問題が発生していない断層画像Ｉ１に対してデータを算出した後に、それらのデータから、問題が発生していた断層画像Ｉ１に対応するデータを推測する。

第２実施形態における画像診断装置１００及び画像処理装置３の構成は、画像処理装置３による処理手順の一部以外は同様であるから、同一の符号を付して詳細な説明を省略する。

図１０及び図１１は、第２実施形態における画像処理装置３による情報処理手順の一例を示すフローチャートである。図１０及び図１１のフローチャートに示す処理手順のうち、図７のフローチャートに示した処理手順と共通する手順については同一のステップ番号を付して詳細な説明を省略する。

第２実施形態において画像処理装置３の処理部３０は、ステップＳ３０６にて問題が発生していると判断された場合（Ｓ３０６：ＹＥＳ）、対象の断層画像Ｉ１に問題が発生していることを示す文字又は画像を、表示装置４にて表示中の画面に出力せずに、記憶部３１に記憶し（Ｓ３１４）、処理をステップＳ３１１へ進める。

第２実施形態において画像処理装置３の処理部３０は、ステップＳ３１１で走査を完了したと判断された場合（Ｓ３１１：ＹＥＳ）、問題が発生していることが記憶されている断層画像Ｉ１の位置を読み出す（ステップＳ３２１）。処理部３０は、読み出した位置から遠位側及び近位側、又はいずれか一方の位置において算出されている複数のデータを読み出す（ステップＳ３２２）。処理部３０は、読み出した複数のデータから、問題が発生していることが記憶されている断層画像Ｉ１の位置における、解剖学的特徴を示すデータを推測する処理を実行する（ステップＳ３２３）。

ステップＳ３２３において処理部３０は、遠位側及び近位側の隣接するデータの間をスプライン接続することによってデータを推測してもよい。処理部３０は、遠位側又は近位側で近似曲線（直線）を作成し、対象の位置まで延長させることによってデータを推測してもよい。処理部３０は、遠位側及び近位側の隣接するデータを入力した場合に、算出されていないデータを予測する予測モデルを別途学習しておき、その予測モデルを使用して予測してもよい。

処理部３０は、推測されたデータで、走査した血管の長軸方向全体に対するデータの分布を補完し（ステップＳ３２４）、分布を表示する（Ｓ３１２）。処理部３０は、推測値の範囲を視認できるように、分布における補完された部分を強調する画像を重畳表示させ（ステップＳ３２５）、処理を終了する。

上述の説明において画像処理装置３はステップＳ３２３の処理を、ステップＳ３１１で走査を完了したと判断された後で、実行した。しかしながら、ステップＳ３２３のデータの推測の処理を実行するタイミングはこれに限らない。例えば画像処理装置３は、問題が発生していると判断された時点で、それよりも前に生成した断層画像Ｉ１（遠位側の断層画像Ｉ１）を用いてデータの推測を実行してもよい。その他、画像処理装置３は、問題が発生していると判断された後に、問題が発生していないと判断された断層画像Ｉ１を生成（取得）した時点で、データの推測を実行してもよい。

図１２は、第２実施形態にて表示装置４に表示される画面４００の例を示す。図１２の画面４００は、第１実施形態の画面４００同様に、カーソル４０１、断層画像Ｉ１、グラフ４０２及びグラフ４０３を含む。上述したように、第２実施形態におけるグラフ４０２及びグラフ４０３では、データが欠損しているのではなく、推測によって補完されている。更に、推測値であることを示す枠の画像４０５が重畳表示されている。

画像４０５により、これを視認した検査オペレータ及び他の医療従事者は、画像４０５が表示されている長軸上の位置では、断層画像Ｉ１に問題が発生していて、解剖学的特徴を示すデータが算出できなかったことがわかる。問題の発生箇所を認識できるため、検査オペレータは情報を再取得すべきか判断したり、併用している別のモダリティ（血管造影装置など）を用いて当該部の詳細確認を行なったりすることもできる。更に第２実施形態では、画像４０５で協調されている部分のデータは、算出できなかったが推測されたデータであることを認識できる。医療従事者は、推測されたデータを、参考にすることが可能である。

（第３実施形態）
第３実施形態の画像処理装置３は、問題が発生していない断層画像Ｉ１を用い、問題が発生した断層画像Ｉ１に対応する位置の、本来の断層画像Ｉ１を推測し、推測した断層画像Ｉ１から、解剖学的特徴を示すデータを算出する。

第３実施形態における画像診断装置１００及び画像処理装置３の構成は、画像処理装置３による処理手順の一部以外は同様であるから、同一の符号を付して詳細な説明を省略する。

図１３及び図１４は、第３実施形態における画像処理装置３による情報処理手順の一例を示すフローチャートである。図１３及び図１４のフローチャートに示す処理手順のうち、図７のフローチャートに示す処理手順と共通する手順については同一のステップ番号を付して詳細な説明を省略する。

第３実施形態において画像処理装置３は、断層画像Ｉ１を第１モデル３１Ｍに入力し（Ｓ３０７）、第１モデル３１Ｍから得られるタグ画像ＩＳを、断層画像Ｉ１に対応する長軸上の位置に対応付けて記憶部３１に記憶する（ステップＳ３７８）。処理部３０は、タグ画像ＩＳに基づきデータを算出し（Ｓ３０８）、長軸上の位置に対応付けてデータを記憶し（Ｓ３０９）、出力する（Ｓ３１０）。

第３実施形態において画像処理装置３の処理部３０は、ステップＳ３０６にて問題が発生していると判断された場合（Ｓ３０６：ＹＥＳ）、対象の断層画像Ｉ１に問題が発生していることを示す文字又は画像を、表示装置４にて表示中の画面に出力せずに、記憶部３１に記憶し（Ｓ３１４）、処理をステップＳ３１１へ進める。

処理部３０は、ステップＳ３１１で走査を完了したと判断された場合（Ｓ３１１：ＹＥＳ）、問題が発生していることが記憶されている断層画像Ｉ１の位置を読み出す（ステップＳ３３１）。処理部３０は、読み出した位置から遠位側及び近位側、又はいずれか一方の位置における断層画像Ｉ１を第１モデル３１Ｍに入力した場合の出力（タグ画像ＩＳ）又は算出した輪郭を読み出す（ステップＳ３３２）。処理部３０は、読み出した出力から、問題が発生していることが記憶されている断層画像Ｉ１に対する出力を推測する（ステップＳ３３３）。

ステップＳ３３３において処理部３０は、図４の右上のように出力された、遠位側のタグ画像ＩＳ及び近位側のタグ画像ＩＳの間の中間となる範囲を、出力として推測する。処理部３０は、遠位側のみの複数の出力（範囲）の変位に基づき、又は、近位側のみに複数の出力（範囲）の変位に基づき、予測を求めてもよい。ステップＳ３３３において処理部３０は、第１モデル３１Ｍからの出力に基づいて求められた輪郭（図５）について、遠位側及び近位側との中間となる輪郭を求めてもよい（図１５参照）。

処理部３０は、ステップＳ３３３で推測した出力から、問題が発生していることが記憶されている断層画像Ｉ１の位置における、解剖学的特徴を示すデータを推測する処理を実行する（ステップＳ３３４）。ステップＳ３３４において処理部３０は、推測した出力から、図８に示したように、データを推測する。

処理部３０は、推測されたデータで、走査した血管の長軸方向全体に対するデータの分布を補完し（ステップＳ３３５）、分布を表示する（Ｓ３１２）。処理部３０は、推測値の範囲を視認できるように、分布における補完された部分を強調する画像を重畳表示させ（ステップＳ３３６）、処理を終了する。

図１５は、解剖学的特徴を示すデータの推測方法の他の例の概要図である。処理部３０は、問題が発生して第１モデル３１Ｍに入力できなかった断層画像Ｉ１について、図１５の例では、遠位側及び／又は近位側の断層画像Ｉ１の出力から、出力（範囲）を推測する。図１５に示す例では処理部３０は、１つ遠位側の断層画像Ｉ１についての出力と、１つ近位側の断層画像Ｉ１についての出力との間の中間（平均）を、問題が発生していた断層画像Ｉ１を第１モデル３１Ｍに入力して得られるはずだった出力として推測する。

図１６は、解剖学的特徴を示すデータの推測方法の他の例の概要図である。処理部３０は、問題が発生して第１モデル３１Ｍに入力できなかった断層画像Ｉ１について、図１６の例では、遠位側及び／又は近位側の断層画像Ｉ１に対して算出されている輪郭から、輪郭を推測してもよい。この場合、ステップＳ３７８の第１モデル３１Ｍからの出力の処理は省略されてよい。図１５に示す例では処理部３０は、１つ遠位側の断層画像Ｉ１から得られる輪郭と、１つ近位側の断層画像Ｉ１から得られる輪郭との間の中間を、問題が発生していた断層画像Ｉ１から得られるはずだった輪郭として推測する。

上述の説明において画像処理装置３はステップＳ３２３の処理を、ステップＳ３１１で走査を完了したと判断された後で、実行した。しかしながら、ステップＳ３２３のデータの推測の処理を実行するタイミングはこれに限らない。例えば画像処理装置３は、問題が発生していると判断された時点で、それよりも前に生成した断層画像Ｉ１（遠位側の断層画像Ｉ１）を用いてデータの推測を実行してもよい。その他、画像処理装置３は、問題が発生していると判断された後に、問題が発生していないと判断された断層画像Ｉ１を生成（取得）した時点で、データの推測を実行してもよい。

第３実施形態において出力される画面４００の内容例は、第２実施形態で図１２を参照して説明したものと同様である。第３実施形態でも、画面４００は、グラフ４０２及びグラフ４０３に推測されたデータに対応するプロットが出力されるとともに、そのプロットが推測値であることを示す枠の画像４０５が重畳表示される。

これにより、検査オペレータ及び他の医療従事者は、画像４０５が表示されている長軸上の位置では、断層画像Ｉ１に問題が発生していて、解剖学的特徴を示すデータが算出できなかったことがわかる。問題の発生箇所を認識できるため、検査オペレータは情報を再取得すべきか判断したり、併用している別のモダリティ（血管造影装置など）を用いて当該部の詳細確認を行なったりすることもできる。第３実施形態においても、画像４０５で協調されている部分のデータは、算出できなかったが推測されたデータであることを認識できる。医療従事者は、推測されたデータを、参考にすることが可能である。

（第４実施形態）
第４実施形態では、問題発生と判断された断層画像Ｉ１を入力して画像変換（ＧＡＮ）して疑似的に本来、問題なく生成されるはずであった疑似断層画像Ｉ３を生成し、これを第１モデル３１Ｍへ入力する。

第４実施形態における画像診断装置１００及び画像処理装置３の構成は、画像処理装置３による処理内容の一部以外は同様であるから、同一の符号を付して詳細な説明を省略する。

図１７は、画像生成モデル３３Ｍの概要図である。第４実施形態における処理部３０は、問題が発生していなければ生成されるはずであった疑似断層画像Ｉ３を、画像生成モデル３３Ｍを用いて生成する。画像生成モデル３３Ｍは、転置畳み込み層、畳み込み層、アップサンプリング等のネットワークを適宜組み合わせて画像を出力するように畳み込みニューラルネットワークをベースに構成されている。画像生成モデル３３Ｍは、種となるデータ（潜在変数と呼ばれるデータ、画像、又はテキストデータ等の任意のデータ）が入力された場合に、疑似断層画像Ｉ３を出力するように学習される。種となるデータは、第１モデル３１Ｍからの出力（問題が発生しているか否かの確率又は種類）であってもよい。画像生成モデル３３Ｍは、問題が発生した断層画像Ｉ１よりも近位側又は遠位側の画像を入力した場合に、対象の位置における疑似断層画像Ｉ３を出力するように学習されるオートエンコーダであってもよい。

画像生成モデル３３Ｍは、画像生成モデル３３Ｍによって生成された疑似断層画像Ｉ３と、問題なく生成された断層画像Ｉ１とを判別するように学習される判別モデル３４Ｍと共に、ＧＡＮ（Generative Adversarial Networks）を構成して学習される。判別モデル３４Ｍは、学習されるパラメータにより定義される複数段の畳み込み層を含んで構成されるか、又は更にプーリング層及び全結合層等を含んでもよい。

画像生成モデル３３Ｍは、判別モデル３４Ｍにおける判別の精度が半分、即ち画像生成モデル３３Ｍ由来の疑似断層画像Ｉ３を、断層画像Ｉ１から正確に判別できなくなった、と判断されるまで学習される。これにより、断層画像Ｉ１と解剖学的特徴を示すデータに影響を与えない程度の疑似断層画像Ｉ３を生成することも可能になる。

以下、画像生成モデル３３Ｍを利用して、問題が発生した断層画像Ｉ１に対する解剖学的特徴を示すデータを補完する処理について説明する。

図１８及び図１９は、第４実施形態における画像処理装置３による情報処理手順の一例を示すフローチャートである。図１８及び図１９に示す処理手順のうち、図７のフローチャートに示した処理手順と共通する手順については同一のステップ番号を付して詳細な説明を省略する。

第４実施形態において画像処理装置３の処理部３０は、ステップＳ３０６にて問題が発生していると判断された場合（Ｓ３０６：ＹＥＳ）、対象の断層画像Ｉ１に問題が発生していることを示す文字又は画像を、表示装置４にて表示中の画面に出力せずに、記憶部３１に記憶する（Ｓ３１４）。処理部３０は、対象の断層画像Ｉ１について第１モデル３１Ｍから出力された確率のデータ、又は、先んじて生成されていた問題が発生していない断層画像Ｉ１等、画像生成モデル３３Ｍの種となるデータを取得する（ステップＳ３４１）。処理部３０は、取得したデータを画像生成モデル３３Ｍへ入力し（ステップＳ３４２）、画像生成モデル３３Ｍから、疑似断層画像Ｉ３を取得する（ステップＳ３４３）。処理部３０は、疑似断層画像Ｉ３を、第１モデル３１Ｍへ入力し（ステップＳ３４４）、処理をステップＳ３０８へ進める。

第４実施形態において画像処理装置３の処理部３０は、走査を完了したと判断され（Ｓ３１１：ＹＥＳ）、走査した血管の長軸方向全体に対するデータの分布を改めて表示する（Ｓ３１２）。処理部３０は、表示している分布のうち、問題が発生していることが記憶された断層画像Ｉ１の位置に対応する範囲に、推測値であることを強調する画像を重畳表示させ（ステップＳ３４５）、処理を終了する。

第４実施形態において出力される画面４００の内容例は、第２実施形態で図１２を参照して説明したものと同様である。第４実施形態でも、画面４００は、グラフ４０２及びグラフ４０３に、疑似断層画像Ｉ３から算出された解剖学的特徴を示すデータのプロットが出力されるとともに、そのプロットが推測値であることを示す枠の画像４０５が重畳表示される。

第４実施形態により、血管を走査中に部分的に問題が発生して断層画像Ｉ１がほぼ全体として暗画像となったりする場合であっても、問題が発生した箇所の解剖学的特徴を示すデータを補完することができる。更に、画像４０５が表示されている長軸上の位置では、断層画像Ｉ１に問題が発生していて、推測値であることが検査オペレータ及び他の医療従事者にわかる。医療従事者は、推測されたデータを、参考にすることが可能である。

第１実施形態から第４実施形態では、第１モデル３１Ｍ、第２モデル３２Ｍ及び画像生成モデル３３Ｍは、画像処理装置３の記憶部３１に記憶されて使用されるものとして説明した。しかしながら、画像処理装置３は、ローカルネットワーク又は外部ネットワークを介して第１モデル３１Ｍ、第２モデル３２Ｍ及び画像生成モデル３３Ｍのいずれかを利用可能な構成としてもよい。

第１実施形態から第４実施形態では、カテーテル１と接続される画像処理装置３が、イメージングデバイス１１からの信号に基づきほぼリアルタイムに断層画像Ｉ１を生成し、問題が発生していない断層画像に対して解剖学的特徴を示すデータを求め、表示装置４に表示させるものとして説明した。しかしながら、上述に説明した画像処理装置３による処理は、別途、生成済みの断層画像Ｉ１に対して事後的に行なわれてもよい。つまり、画像処理装置３は、カテーテル１のイメージングデバイス１１に直接的に接続されているとは限らず、イメージングデバイス１１からの信号を取得できればよい。画像処理装置３は、ネットワークを介してイメージングデバイス１１からの信号を記憶した記憶装置を読み出し可能な装置、例えばサーバ装置であってもよい。つまり、図７のフローチャートに示したステップＳ３０１－Ｓ３０４の処理手順を既存の処理装置で実施し、ステップＳ３０５－Ｓ３１４の処理を、該処理装置に接続される画像処理装置３で実行し、処理装置経由で表示装置４に表示させてもよい。

第１実施形態から第４実施形態では、医用画像を冠動脈に対するＩＶＵＳで得られた画像を例に説明した。しかしながら、適用対象はこれに限らず、ＯＣＴ／ＯＦＤＩ等であってもよいし、管腔器官は血管に限らない。

上述のように開示された実施形態は全ての点で例示であって、制限的なものではない。本発明の範囲は、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれる。

１ カテーテル
１１ イメージングデバイス
３ 画像処理装置（情報処理装置）
３０ 処理部
３１ 記憶部
３Ｐ コンピュータプログラム
３１Ｍ 第１モデル
３２Ｍ 第２モデル
３３Ｍ 画像生成モデル
４ 表示装置
４００ 画面
４０１ カーソル
４０２，４０３ グラフ
４０４，４０５ 画像
Ｉ１ 断層画像
Ｉ３ 疑似断層画像

Claims (14)

1. 管腔器官に挿入されるカテーテルに備えられたイメージングデバイスを螺旋状に走査することによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータに、
   前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に、走査中に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、
   前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、
   前記表示される分布上に、走査中に問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する
   処理を実行させるコンピュータプログラム。
2. 前記コンピュータに、
   問題が発生していると判断された断層画像に対応する解剖学的特徴を示すデータを、前記断層画像に対して前記管腔器官の長軸上における遠位側又は近位側の問題が発生していない断層画像から推測し、
   推測したデータにより、前記データの分布を補間する
   処理を実行させる請求項１に記載のコンピュータプログラム。
3. 前記コンピュータに、
   前記データの分布上で、前記分布における補間部分と非補間部分とを識別可能に表示する
   処理を実行させる請求項２に記載のコンピュータプログラム。
4. 前記コンピュータに、
   問題が発生していると判断された断層画像に対応する前記解剖学的特徴を示すデータを、遠位側又は近位側の問題が発生していない断層画像について算出されたデータと連続するように推測する
   処理を実行させる請求項１から３のいずれか１項に記載のコンピュータプログラム。
5. 前記コンピュータに、
   問題が発生していると判断された断層画像に対応する解剖学的特徴を示すデータを推測する処理として、
   前記断層画像に対して遠位側又は近位側における問題が発生していない断層画像を、管腔器官の内腔及び膜を含む異なる範囲に区分したデータを取得し、
   前記データから、問題が発生していると判断された断層画像における前記範囲の区分を推測し、
   推測された各範囲の形状又は大きさから前記問題が発生していると判断された断層画像に対応する解剖学的特徴を示すデータを推測する
   処理を実行させる請求項１から３のいずれか１項に記載のコンピュータプログラム。
6. 前記コンピュータに、
   任意のデータが入力された場合に、問題が発生していないと判断される疑似断層画像を出力するように学習された画像生成モデルを用い、
   問題が発生していると判断された断層画像について、前記画像生成モデルへ前記断層画像に対応するデータを入力して疑似断層画像を生成し、
   生成した疑似断層画像に対し、前記管腔器官における解剖学的特徴を示すデータを算出する
   処理を実行させる請求項１から３のいずれか１項に記載のコンピュータプログラム。
7. 前記コンピュータに、
   断層画像が入力された場合に、該断層画像内における前記管腔器官の内腔及び膜を含む異なる範囲に区分したデータを出力する第１モデルを用い、
   前記複数の断層画像それぞれを前記第１モデルに入力し、該第１モデルから出力されたデータに基づき、区分された範囲の寸法又は形状に基づいて前記管腔器官の解剖学的特徴を示すデータを算出する
   処理を実行させる請求項１から６のいずれか１項に記載のコンピュータプログラム。
8. 前記コンピュータに、
   断層画像が入力された場合に、該断層画像に問題が発生しているか否かを示すデータを出力するように学習された第２モデルを用い、
   前記コンピュータは、
   前記複数の断層画像それぞれを前記第２モデルに入力し、該第２モデルからの出力に基づいて問題が発生しているか否かを判断する
   処理を実行させる請求項１から７のいずれか１項に記載のコンピュータプログラム。
9. 前記コンピュータに、
   断層画像が入力された場合に、該断層画像に発生している問題の種類それぞれに対する確度を出力するように学習された第２モデルを用い、
   前記コンピュータは、
   前記複数の断層画像それぞれを前記第２モデルに入力し、該第２モデルからの出力に基づいて問題が発生しているか否かを判断する
   処理を実行させる請求項１から７のいずれか１項に記載のコンピュータプログラム。
10. 前記問題の種類として、ノイズの発生、エアトラップ、断線、及び回転阻害の内の少なくとも２つを含む、請求項９に記載のコンピュータプログラム。
11. 管腔器官に挿入されるカテーテルに備えられたイメージングデバイスによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータに、
    前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、
    前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、
    問題が発生していると判断された断層画像に対応する解剖学的特徴を示すデータを推測する処理として、
    前記断層画像に対して遠位側又は近位側における問題が発生していない断層画像を、管腔器官の内腔及び膜を含む異なる範囲に区分したデータを取得し、
    前記データから、問題が発生していると判断された断層画像における前記範囲の区分を推測し、
    推測された各範囲の形状又は大きさから前記問題が発生していると判断された断層画像に対応する解剖学的特徴を示すデータを推測し、
    前記表示される分布上に、問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示し、
    処理を実行させるコンピュータプログラム。
12. 管腔器官に挿入されるカテーテルに備えられたイメージングデバイスによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータに、
    前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、
    前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、
    前記表示される分布上に、問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示し、
    任意のデータが入力された場合に、問題が発生していないと判断される疑似断層画像を出力するように学習された画像生成モデルを用い、
    問題が発生していると判断された断層画像について、前記画像生成モデルへ前記断層画像に対応するデータを入力して疑似断層画像を生成し、
    生成した疑似断層画像に対し、前記管腔器官における解剖学的特徴を示すデータを算出する
    処理を実行させるコンピュータプログラム。
13. 管腔器官に挿入されるカテーテルに備えられたイメージングデバイスを螺旋状に走査することによって検出される信号に基づく前記管腔器官の複数の断層画像を取得するコンピュータが、
    前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に、走査中に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、
    前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、
    前記表示される分布上に、走査中に問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する
    情報処理方法。
14. 管腔器官に挿入されるカテーテルに備えられたイメージングデバイスを螺旋状に走査することによって検出される信号に基づく前記管腔器官の複数の断層画像を取得する情報処理装置において、
    前記複数の断層画像それぞれに対する画像処理を実行する処理部を備え、
    該処理部は、
    前記複数の断層画像のうち、該断層画像において前記イメージングデバイスによる検出に、走査中に問題が発生していないと判断される複数の断層画像それぞれに対し、前記管腔器官における解剖学的特徴を示すデータを算出し、
    前記管腔器官の長軸方向に対する前記解剖学的特徴を示すデータの分布を表示し、
    前記表示される分布上に、走査中に問題が発生していると判断された断層画像に対応する箇所を示すオブジェクトを表示する
    情報処理装置。

Images