JP7689942B2 - 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置 - Google Patents

医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置 Download PDF

Info

Publication number
JP7689942B2
JP7689942B2 JP2022198382A JP2022198382A JP7689942B2 JP 7689942 B2 JP7689942 B2 JP 7689942B2 JP 2022198382 A JP2022198382 A JP 2022198382A JP 2022198382 A JP2022198382 A JP 2022198382A JP 7689942 B2 JP7689942 B2 JP 7689942B2
Authority
JP
Japan
Prior art keywords
region
analysis
interest
blood vessel
fluid analysis
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
JP2022198382A
Other languages
English (en)
Other versions
JP2023021266A (ja
JP2023021266A5 (ja
Inventor
ホイ イエマン
マナーク ジョセフ
和正 荒木田
ヤオ ジンウ
ベゼルマン ジェームス
ゴリン ヴィクター
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
Publication of JP2023021266A publication Critical patent/JP2023021266A/ja
Publication of JP2023021266A5 publication Critical patent/JP2023021266A5/ja
Priority to JP2025088812A priority Critical patent/JP2025113442A/ja
Application granted granted Critical
Publication of JP7689942B2 publication Critical patent/JP7689942B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)

Description

本発明の実施形態は、医用画像処理装置、医用画像処理方法及びＸ線ＣＴ装置に関する。
従来、Ｘ線ＣＴ（Computed Tomography）装置やＭＲＩ（Magnetic Resonance Imaging）装置等の医用画像診断装置によって収集された画像データを用いて、シミュレーションによって血流の流体解析を行う技術が知られている。
米国特許出願公開第２０１４／０２４９７８４号明細書 米国特許出願公開第２０１５／０１１２１９１号明細書
本発明が解決しようとする課題は、血流の流体解析をより高い精度で行うことができる医用画像処理装置、医用画像処理方法及びＸ線ＣＴ装置を提供することである。
実施形態に係る医用画像処理装置は、取得部と、特定部と、解析部とを備える。取得部は、被検体の血管を含む画像データを取得する。特定部は、前記画像データを用いて前記血管に関する解析を行い、当該解析によって求められた前記血管に関する解析結果の空間分布に基づいて、前記血管における関心領域を特定する。解析部は、前記関心領域以外の領域について、第１の精度の流体解析を行い、前記関心領域について、前記第１の精度より高い第２の精度の流体解析を行う。
図１は、第１の実施形態に係る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って行われる流体解析の処理手順を示すフローチャートである。 図３は、第１の実施形態に係る特定機能によって生成される解析モデルの一例を示す図である。 図４は、第１の実施形態に係る特定機能によって表示される解析結果及び関心領域の一例を示す図である。 図５は、第１の実施形態に係る解析機能によって生成される合成モデルの一例を示す図である。 図６は、第１の実施形態に係る特定機能によって表示される解析結果及び関心領域の他の例を示す図である。 図７は、第１の実施形態に係る解析機能によって表示される最終結果の一例を示す図である。 図８は、第１の実施形態の第１の変形例に係る医用画像処理装置によって行われる流体解析の処理手順を示すフローチャートである。 図９は、第１の実施形態の第４の変形例に係る解析機能によって行われる解析モデルの空間補間の一例を示す図である。 図１０は、第１の実施形態の第５の変形例に係る解析機能によって行われる流体解析の一例を示す図である。 図１１は、第１の実施形態の第７の変形例に係る特定機能によって行われる血管の分枝に関する警告表示の一例を示す図である。 図１２は、第２の実施形態に係るＸ線ＣＴ装置の構成の一例を示す図である。
以下、図面を参照しながら、医用画像処理装置、医用画像処理方法及びＸ線ＣＴ装置の実施形態について詳細に説明する。
（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装置１００は、ネットワーク２００を介して、Ｘ線ＣＴ（Computed Tomography）装置３００及び医用画像保管装置４００と相互に通信可能に接続される。なお、医用画像処理装置１００は、ネットワーク２００を介して、ＭＲＩ（Magnetic Resonance Imaging）装置やＸ線診断装置、超音波診断装置、ＰＥＴ（Positron Emission Tomography）装置等の他の医用画像診断装置にさらに接続されてもよい。
Ｘ線ＣＴ装置３００は、被検体に関するＣＴ画像データを収集する。具体的には、Ｘ線ＣＴ装置３００は、被検体を略中心にＸ線管及びＸ線検出器を旋回移動させ、被検体を透過したＸ線を検出して投影データを収集する。そして、Ｘ線ＣＴ装置３００は、収集された投影データに基づいて、２次元又は３次元ＣＴ画像データを生成する。
医用画像保管装置４００は、ネットワーク２００を介して、Ｘ線ＣＴ装置３００からＣＴ画像データや投影データを取得し、取得したＣＴ画像データや投影データを装置内又は装置外に設けられた記憶回路に記憶させる。例えば、医用画像保管装置４００は、サーバ装置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１００は、ネットワーク２００を介してＸ線ＣＴ装置３００又は医用画像保管装置４００からＣＴ画像データを取得し、取得したＣＴ画像データに対して各種画像処理を行う。医用画像処理装置１００は、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１００は、Ｉ／Ｆ（インターフェース）回路１１０と、記憶回路１２０と、入力回路１３０と、ディスプレイ１４０と、処理回路１５０とを有する。
Ｉ／Ｆ回路１１０は、処理回路１５０に接続され、Ｘ線ＣＴ装置３００及び医用画像保管装置４００との間で行われる各種データの伝送及び通信を制御する。本実施形態では、Ｉ／Ｆ回路１１０は、Ｘ線ＣＴ装置３００又は医用画像保管装置４００からＣＴ画像データを受信し、受信したＣＴ画像データを処理回路１５０に出力する。例えば、Ｉ／Ｆ回路１１０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１２０は、処理回路１５０に接続され、各種データを記憶する。本実施形態では、記憶回路１２０は、Ｘ線ＣＴ装置３００又は医用画像保管装置４００から受信したＣＴ画像データを記憶する。例えば、記憶回路１２０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。
入力回路１３０は、処理回路１５０に接続され、操作者から受け付けた入力操作を電気信号に変換して処理回路１５０に出力する。例えば、入力回路１３０は、トラックボール、スイッチボタン、マウス、キーボード、タッチパネル等によって実現される。
ディスプレイ１４０は、処理回路１５０に接続され、処理回路１５０から出力される各種情報及び各種画像データを表示する。例えば、ディスプレイ１４０は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。
処理回路１５０は、入力回路１３０を介して操作者から受け付けた入力操作に応じて、医用画像処理装置１００が有する各構成要素を制御する。具体的には、処理回路１５０は、Ｉ／Ｆ回路１１０から出力されるＣＴ画像データを記憶回路１２０に記憶させる。また、処理回路１５０は、記憶回路１２０からＣＴ画像データを読み出し、ディスプレイ１４０に表示する。例えば、処理回路１５０は、プロセッサによって実現される。
以上、本実施形態に係る医用画像処理装置１００の全体構成について説明した。このような構成のもと、本実施形態に係る医用画像処理装置１００は、被検体の血管を含む３次元のＣＴ画像データを用いて、シミュレーションによって血流の流体解析を行う機能を有する。例えば、本実施形態に係る医用画像処理装置１００は、冠動脈の狭窄を診断又は治療する際に用いられる。
ここで、一般的に、冠動脈の狭窄は多面的な問題を有しているため、冠動脈の狭窄の評価が行われる際には、多数の情報が必要とされる。これに対し、流体解析によって血流の動態をシミュレーションすることで、狭窄の重症度を同定することができる。しかし、一般的に、流体解析で行われるシミュレーションは、血管の幾何学的形状や血流のパターンが複雑な場合に、解析結果の精度が低くなることがあり得る。
このようなことから、本実施形態に係る医用画像処理装置１００は、血流の流体解析をより高い精度で行うことができるように構成されている。なお、本実施形態に係る医用画像処理装置１００は、診断又は治療の対象が冠動脈である場合だけでなく、例えば、脳や肝臓等の他の臓器の血管が対象となる場合でも、同様に用いることが可能である。
具体的には、本実施形態に係る医用画像処理装置１００では、処理回路１５０が、取得機能１５１と、特定機能１５２と、解析機能１５３とを有する。なお、取得機能１５１は、特許請求の範囲における取得部の一例である。また、特定機能１５２は、特許請求の範囲における特定部の一例である。また、解析機能１５３は、特許請求の範囲における解析部の一例である。
取得機能１５１は、被検体の血管を含む３次元のＣＴ画像データを取得する。具体的には、取得機能１５１は、Ｘ線ＣＴ装置３００又は医用画像保管装置４００からＣＴ画像データを取得し、取得したＣＴ画像データを記憶回路１２０に記憶させる。
特定機能１５２は、ＣＴ画像データを用いて血管に関する解析を行い、当該解析によって求められた血管に関する解析結果の空間分布に基づいて、被検体の血管における関心領域を特定する。具体的には、特定機能１５２は、取得機能１５１によって取得されたＣＴ画像データを記憶回路１２０から読み出し、読み出したＣＴ画像データを用いて解析を行う。そして、特定機能１５２は、解析の解析結果に基づいて、ＣＴ画像に含まれる血管における関心領域を特定する。
解析機能１５３は、関心領域以外の領域について、第１の精度の流体解析を行い、関心領域について、第１の精度より高い第２の精度の流体解析を行う。具体的には、解析機能１５３は、取得機能１５１によって取得されたＣＴ画像データを用いて、特定機能１５２によって特定された関心領域に基づいて、関心領域以外の領域については第１の精度の流体解析を行い、関心領域については第１の精度より高い第２の精度の流体解析を行う。
このように、本実施形態に係る医用画像処理装置１００は、血管に関する解析の解析結果に基づいて、血管における関心領域を特定し、特定した関心領域について、関心領域以外の領域と比べて精度が高い流体解析を行う。これにより、本実施形態によれば、血流の流体解析をより高い精度で行うことができる。
ここで、上述した各処理機能は、例えば、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１２０に記憶される。処理回路１５０は、各プログラムを記憶回路１２０から読み出し、読み出した各プログラムを実行することで、各プログラムに対応する処理機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１５０は、図１に示した各処理機能を有することとなる。
なお、図１では、上述した各処理機能が単一の処理回路１５０によって実現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、処理回路１５０は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、処理回路１５０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。
以下、本実施形態に係る医用画像処理装置１００によって行われる処理について、より詳細に説明する。なお、本実施形態では、特定機能１５２が、血管に関する解析として、流体解析を行う場合の例を説明する。
図２は、第１の実施形態に係る医用画像処理装置１００によって行われる流体解析の処理手順を示すフローチャートである。
例えば、図２に示すように、本実施形態では、まず、取得機能１５１が、Ｘ線ＣＴ装置３００又は医用画像保管装置４００から、被検体の血管を含む３次元のＣＴ画像データを取得する（ステップＳ１０１）。具体的には、取得機能１５１は、入力回路１３０を介して操作者から流体解析の開始を指示する操作を受け付けた場合に、操作者によって指定された被検体について、当該被検体の血管を含むＣＴ画像データを取得する。
続いて、特定機能１５２が、取得機能１５１によって取得されたＣＴ画像データを用いて、流体解析を実行する。具体的には、特定機能１５２は、ＣＴ画像データに含まれる血管全体について、予め決められた所定の精度の流体解析を行う。ここで、特定機能１５２は、有限要素法を用いたシミュレーションによって流体解析を行う。
まず、特定機能１５２は、ＣＴ画像データに基づいて、予め決められた所定の精度で、当該ＣＴ画像データに含まれる血管全体の解析モデルを生成する（ステップＳ１０２）。
図３は、第１の実施形態に係る特定機能１５２によって生成される解析モデルの一例を示す図である。例えば、図３に示すように、特定機能１５２は、ＣＴ画像データに含まれる血管の形状を複数の三角形のメッシュに分割することで、血管の解析モデル３１を生成する。ここで、特定機能１５２は、上述した所定の精度で流体解析が行われるように、解析モデルにおけるメッシュの密度を設定する。
その後、特定機能１５２は、生成した解析モデルを用いて流体解析を実行する（ステップＳ１０３）。具体的には、特定機能１５２は、流体解析の解析結果として、血流パラメータの値を算出する。ここで、血流パラメータは、例えば、ＦＦＲ（Fractional Flow Reserve）である。なお、血流パラメータとしては、ＦＦＲの他にも各種のパラメータを用いることができる。例えば、血流パラメータは、血流の速度（blood flow velocity）、流速勾配（velocity gradient）、圧力（pressure）、圧力勾配（pressure gradient）、圧力比（pressure ratio）、渦度（vorticity）、運動エネルギー（kinetic energy）、乱流強度（turbulence intensity）、せん断応力（shear stress）、せん断応力勾配（shear stress gradient）等である。
続いて、特定機能１５２は、流体解析の解析結果に基づいて、被検体の血管における関心領域を特定する（ステップＳ１０４）。具体的には、特定機能１５２は、流体解析によって解析結果として得られた血流パラメータの値が正常な範囲を外れている領域を関心領域として特定する。なお、ここでいう正常な範囲は、上述した各種の血流パラメータごとに予め決められており、解析に用いられる血流パラメータの種類に応じて、対応する範囲が適宜に用いられる。
その後、特定機能１５２は、流体解析の解析結果及び関心領域をディスプレイ１４０に表示する（ステップＳ１０５）。そして、特定機能１５２は、入力回路１３０を介して、関心領域を変更する操作と、関心領域の解析を実行するか否かを指示する操作とを操作者から受け付ける。
図４は、第１の実施形態に係る特定機能１５２によって表示される解析結果及び関心領域の一例を示す図である。例えば、図４に示すように、特定機能１５２は、解析モデルの形状を表すグラフィック４１をディスプレイ１４０に表示する。そして、特定機能１５２は、解析モデルを表すグラフィック４１上に、流体解析によって得られた血流パラメータの値の分布を示す情報を表示する。例えば、特定機能１５２は、血流パラメータの各値に異なる色を割り当て、関心領域内における血流パラメータの値の空間的な分布に応じて、解析モデルを表すグラフィック４１に色を付ける。また、特定機能１５２は、解析モデルを表すグラフィック４１上に、特定した関心領域の範囲を示すグラフィック４２を表示する。ここで、特定機能１５２は、関心領域を変更する操作を受け付けた場合には、受け付けた操作に応じて関心領域の範囲を変更し、解析モデルを表すグラフィック４１上に、変更後の関心領域を表すグラフィック４２を表示する。
そして、特定機能１５２によって、関心領域の解析を実行することを指示する操作が受け付けられた場合には（ステップＳ１０６，Ｙｅｓ）、解析機能１５３が、その時点で設定されている関心領域に基づいて、流体解析を実行する。ここで、解析機能１５３は、特定機能１５２と同様に、有限要素法を用いたシミュレーションによって流体解析を行う。
ここで、１回目の流体解析では、解析機能１５３は、関心領域以外の領域について、特定機能１５２によって行われた流体解析と同じ所定の精度の流体解析を行い、関心領域について、当該所定の精度より高い精度の流体解析を行う。
このとき、解析機能１５３は、流体解析で用いられる解析モデルの基になる画像データの空間解像度を高めることで、当該所定の精度より高い精度の流体解析を行う。また、解析機能１５３は、流体解析の計算コストを増やすことで、当該所定の精度より高い精度の流体解析を行う。例えば、解析機能１５３は、有限要素法の解析モデルにおけるメッシュの密度を高めることで、流体解析の計算コストを増やす。
具体的には、解析機能１５３は、Ｘ線ＣＴ装置３００に対して、その時点で関心領域が設定されている範囲を拡大した３次元のＣＴ画像データを再構成するように要求することによって、関心領域を拡大再構成したＣＴ画像データをＸ線ＣＴ装置３００から取得する（ステップＳ１０７）。これにより、関心領域について空間解像度が高められたＣＴ画像データが得られる。
続いて、解析機能１５３は、関心領域を拡大再構成したＣＴ画像データに基づいて、特定機能１５２によって行われた流体解析で用いられた解析モデルよりメッシュの密度を高めた関心領域の解析モデルを生成する（ステップＳ１０８）。
なお、ここで、解析機能１５３は、関心領域を拡大再構成したＣＴ画像データを用いるのではなく、特定機能１５２によって行われた流体解析で用いられた解析モデルのメッシュをより細かく設定することで、メッシュの密度を高めた関心領域の解析モデルを生成してもよい。この場合には、関心領域を拡大再構成したＣＴ画像データの取得は不要になる。さらに、この場合には、解析機能１５３は、メッシュの密度を高めた解析モデルを生成した後に、生成した解析モデルをＣＴ画像データと比較することで、メッシュを修正してもよい。
その後、解析機能１５３は、前述した所定の精度で生成された血管全体の解析モデルにおける関心領域以外の部分と、当該所定の精度より高い精度で生成された関心領域の解析モデルとを連結した合成モデルを生成する（ステップＳ１０９）。
図５は、第１の実施形態に係る解析機能１５３によって生成される合成モデルの一例を示す図である。例えば、図５に示すように、解析機能１５３は、血管全体の解析モデル３１における関心領域以外の部分３１ａ、３１ｂ及び３１ｃと、関心領域の解析モデル５１とを連結した合成モデルを生成する。このような合成モデルを用いることによって、関心領域については、関心領域以外の部分と比べて、より精度が高い流体解析が行われることになる。
そして、解析機能１５３は、生成した合成モデルを用いて、血管全体の流体解析を実行する（ステップＳ１１０）。
その後、特定機能１５２が、新たに行われた流体解析によって得られた解析結果に基づいて、再度、関心領域を特定し（ステップＳ１０４）、流体解析の解析結果及び関心領域をディスプレイ１４０に表示する（ステップＳ１０５）。
図６は、第１の実施形態に係る特定機能１５２によって表示される解析結果及び関心領域の他の例を示す図である。例えば、図６に示すように、特定機能１５２は、図４に示した例と同様に、解析モデルの形状を表すグラフィック４１と、流体解析によって得られた血流パラメータの値の分布を示す情報と、関心領域を表すグラフィック４２とを表示する。ここで表示される解析モデルの形状を表すグラフィック４１は、新たに行われた流体解析で用いられた合成モデルに基づいて表示される。また、血流パラメータの値の分布を示す情報は、新たに行われた流体解析によって得られた解析結果に基づいて表示される。また、関心領域を表すグラフィック４２は、最後に設定された関心領域に基づいて表示される。
操作者は、ディスプレイ１４０に表示された流体解析の解析結果を参照することで、流体解析を再度実行するか否かを判断することができる。そして、特定機能１５２によって、再度、関心領域の解析を実行することを指示する操作が受け付けられた場合には（ステップＳ１０６，Ｙｅｓ）、解析機能１５３が、その時点で設定されている関心領域に基づいて、再度、流体解析を実行する。
ここで、２回目以降の流体解析では、解析機能１５３は、関心領域以外の領域について、前回行った流体解析と同じ精度の流体解析を行い、関心領域について、前回行った流体解析の精度より高い精度の流体解析を行う。
このとき、解析機能１５３は、流体解析で用いられる解析モデルの基になる画像データの空間解像度を高めることで、前回行った流体解析の精度より高い精度の流体解析を行う。また、解析機能１５３は、流体解析の計算コストを増やすことで、前回行った流体解析の精度より高い精度の流体解析を行う。例えば、解析機能１５３は、有限要素法の解析モデルにおけるメッシュの密度を高めることで、流体解析の計算コストを増やす。
具体的には、解析機能１５３は、１回目の流体解析を行った際と同様に、関心領域を拡大再構成したＣＴ画像データをＸ線ＣＴ装置３００から取得する（ステップＳ１０７）。そして、解析機能１５３は、取得したＣＴ画像データを用いて、前回行った流体解析で用いられた解析モデルよりメッシュの密度を高めた関心領域の解析モデルを生成する（ステップＳ１０８）。
その後、解析機能１５３は、前回行った流体解析用に生成された血管全体の解析モデルにおける関心領域以外の部分と、新たな流体解析用に生成された関心領域の解析モデルとを連結した合成モデルを生成する（ステップＳ１０９）。そして、解析機能１５３は、生成した合成モデルを用いて、血管全体の流体解析を実行する（ステップＳ１１０）。
こうして、解析機能１５３は、特定機能１５２によって、関心領域の解析を実行することを指示する操作が受け付けられている間は（ステップＳ１０６，Ｙｅｓ）、流体解析の実行を繰り返す。そして、特定機能１５２によって関心領域の解析を実行しないことを指示する操作が受け付けられた場合には（ステップＳ１０６，Ｎｏ）、解析機能１５３は、最後に行った流体解析の結果を最終結果としてディスプレイ１４０に表示する（ステップＳ１１１）。
図７は、第１の実施形態に係る解析機能１５３によって表示される最終結果の一例を示す図である。例えば、図７に示すように、解析機能１５３は、最終結果として、図４及び６に示した例と同様に、解析モデルの形状を表すグラフィック４１と、流体解析によって得られた血流パラメータの値の分布を示す情報と、関心領域を表すグラフィック４２とを表示する。ここで表示される解析モデルの形状を表すグラフィック４１は、最後に行われた流体解析で用いられた合成モデルに基づいて表示される。また、血流パラメータの値の分布を示す情報は、最後に行われた流体解析の結果に基づいて表示される。また、関心領域を表すグラフィック４２は、最後に設定された関心領域に基づいて表示される。
さらに、例えば、解析機能１５３は、最終結果として、血管の解析モデルに関する幾何学形状パラメータの値を示す情報を表示する。ここで、幾何学形状パラメータ（Vascular geometric parameters）は、例えば、血管芯線（centerline）、血管断面積（coronary vessel lumen area）、血管径（coronary vessel diameter （size））、血管最小内腔断面積（minimal luminal area）、血管最小内腔径（minimal luminal diameter （size））、血管断面積に対する血管最小内腔断面積の比率（ratio of minimal luminal area to coronary vessel area）、血管径に対する血管最小内腔径の比率（ratio of minimal luminal diameter to coronary vessel size）、血管長に沿った血管断面積の変化（change of coronary vessel area along the vessel length）、予め決められた基準断面積に対する血管断面積の割合（percentage of coronary vessel area to a pre-defined referenced area）等である。
例えば、特定機能１５２は、血流パラメータと同様に、幾何学形状パラメータの各値に異なる色を割り当て、関心領域内における幾何学形状パラメータの値の空間的な分布に応じて、解析モデルを表すグラフィック４１に色を付ける。
ここで、例えば、特定機能１５２は、入力回路１３０を介して、血流パラメータに関する情報及び幾何学形状パラメータに関する情報それぞれについて、表示又は非表示を選択する操作を操作者から受け付ける。そして、特定機能１５２は、受け付けた操作に応じて、操作者によって選択された情報を、解析モデルを表すグラフィック４１上に表示する。例えば、図７に示すように、特定機能１５２は、血流パラメータ及び幾何学形状パラメータそれぞれについて、表示又は非表示を選択するためのチェックボックスをディスプレイ１４０に表示することで、操作者から各情報の表示又は非表示を選択する操作を受け付ける。
なお、上述した各ステップは、例えば、処理回路１５０が、各機能に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。具体的には、ステップＳ１０１は、例えば、処理回路１５０が取得機能１５１に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。また、ステップＳ１０２～Ｓ１０６は、例えば、処理回路１５０が特定機能１５２に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。また、ステップＳ１０７～Ｓ１１１は、例えば、処理回路１５０が解析機能１５３に対応する所定のプログラムを記憶回路１２０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の実施形態では、医用画像処理装置１００は、流体解析の解析結果に基づいて、血管における関心領域を特定し、特定した関心領域について、関心領域以外の領域と比べて精度が高い流体解析を行う。したがって、本実施形態によれば、血流の流体解析をより高い精度で行うことができる。
なお、上述した第１の実施形態は適宜に変形して実施することも可能である。以下では、第１の実施形態に係る複数の変形例について説明する。なお、各変形例に係る医用画像処理装置の構成は、基本的には、図１に示した構成と同様であるため、以下では、第１の実施形態で説明した内容と異なる点を中心に説明する。
（第１の実施形態の第１の変形例）
例えば、上述した第１の実施形態では、特定機能１５２が、血管に関する解析として、流体解析を行い、当該流体解析の解析結果に基づいて、被検体の血管における関心領域を特定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、特定機能１５２は、血管に関する解析として、画像解析を行い、当該画像解析の解析結果に基づいて、関心領域を特定してもよい。
図８は、第１の実施形態の第１の変形例に係る医用画像処理装置１００によって行われる流体解析の処理手順を示すフローチャートである。
例えば、図８に示すように、本変形例では、まず、取得機能１５１が、第１の実施形態と同様に、Ｘ線ＣＴ装置３００又は医用画像保管装置４００から、被検体の血管を含む３次元のＣＴ画像データを取得する（ステップＳ２０１）。
続いて、特定機能１５２が、取得機能１５１によって取得されたＣＴ画像データを用いて、画像解析を実行する（ステップＳ２０２）。ここで、特定機能１５２は、ＣＴ画像データに含まれる画素値に基づいて画像解析を行うことによって、血管に生じている異常領域を特定する。例えば、特定機能１５２は、カルシウム等の病変組織が所定量を超えて発生している領域や、アーティファクトが発生している領域、血管の径が所定の閾値より小さい領域等を異常領域として特定する。
続いて、特定機能１５２は、画像解析の解析結果に基づいて、被検体の血管における関心領域を特定する（ステップＳ２０３）。例えば、特定機能１５２は、画像解析によって得られた異常領域を関心領域として特定する。
その後、特定機能１５２は、画像解析の解析結果及び関心領域をディスプレイ１４０に表示する（ステップＳ２０４）。ここで、特定機能１５２は、第１の実施形態と同様に、入力回路１３０を介して、関心領域を変更する操作と、関心領域の解析を実行するか否かを指示する操作とを操作者から受け付ける。
例えば、特定機能１５２は、図４に示した例と同様に、解析モデルの形状を表すグラフィック４１をディスプレイ１４０に表示する。そして、特定機能１５２は、解析モデルを表すグラフィック４１上に、画像解析によって病変と判定された領域を示す情報や、アーティファクトが発生していると判定された領域を示す情報を表示する。例えば、特定機能１５２は、解析モデルを表すグラフィック４１上で、画像解析によって病変と判定された領域や、アーティファクトが発生していると判定された領域に色を付ける。また、特定機能１５２は、解析モデルを表すグラフィック４１上に、特定した関心領域の範囲を示すグラフィック４２を表示する。ここで、特定機能１５２は、関心領域を変更する操作を受け付けた場合には、受け付けた操作に応じて関心領域の範囲を変更し、解析モデルを表すグラフィック４１上に、変更後の関心領域を表すグラフィック４２を表示する。
そして、特定機能１５２によって、関心領域の解析を実行することを指示する操作が受け付けられた場合には（ステップＳ２０５，Ｙｅｓ）、解析機能１５３が、その時点で設定されている関心領域に基づいて、流体解析を実行する。ここで、解析機能１５３は、第１の実施形態と同様に、有限要素法を用いたシミュレーションによって流体解析を行う。
ここで、１回目の流体解析では、解析機能１５３は、関心領域以外の領域について、予め決められた所定の精度の流体解析を行い、関心領域について、当該所定の精度より高い精度の流体解析を行う。
このとき、解析機能１５３は、流体解析で用いられる解析モデルの基になる画像データの空間解像度を高めることで、当該所定の精度より高い精度の流体解析を行う。また、解析機能１５３は、流体解析の計算コストを増やすことで、当該所定の精度より高い精度の流体解析を行う。例えば、解析機能１５３は、有限要素法の解析モデルにおけるメッシュの密度を高めることで、流体解析の計算コストを増やす。
具体的には、解析機能１５３は、第１の実施形態と同様に、Ｘ線ＣＴ装置３００に対して、その時点で関心領域が設定されている範囲を拡大した３次元のＣＴ画像データを再構成するように要求することによって、関心領域を拡大再構成したＣＴ画像データをＸ線ＣＴ装置３００から取得する（ステップＳ２０６）。
続いて、解析機能１５３は、特定機能１５２によって行われた画像解析で用いられたＣＴ画像データに基づいて、前述した所定の精度で、当該ＣＴ画像データに含まれる血管における関心領域以外の領域の解析モデルを生成する（ステップＳ２０７）。さらに、解析機能１５３は、関心領域を拡大再構成したＣＴ画像データに基づいて、前述した所定の精度で生成された解析モデルよりメッシュの密度を高めた関心領域の解析モデルを生成する（ステップＳ２０８）。
その後、解析機能１５３は、前述した所定の精度で生成された関心領域以外の領域の解析モデルと、当該所定の精度より高い精度で生成された関心領域の解析モデルとを連結した合成モデルを生成する（ステップＳ２０９）。このような合成モデルを用いることによって、第１の実施形態と同様に、関心領域については、関心領域以外の部分と比べて、より精度が高い流体解析が行われることになる。
そして、解析機能１５３は、生成した合成モデルを用いて、血管全体の流体解析を実行する（ステップＳ２１０）。
その後、特定機能１５２が、新たに行われた流体解析によって得られた解析結果に基づいて、再度、関心領域を特定し（ステップＳ２０３）、流体解析の解析結果及び関心領域をディスプレイ１４０に表示する（ステップＳ２０４）。
操作者は、第１の実施形態と同様に、ディスプレイ１４０に表示された流体解析の解析結果を参照することで、流体解析を再度実行するか否かを判断することができる。そして、特定機能１５２によって、再度、関心領域の解析を実行することを指示する操作が受け付けられた場合には（ステップＳ２０５，Ｙｅｓ）、解析機能１５３が、その時点で設定されている関心領域に基づいて、再度、流体解析を実行する。
ここで、２回目以降の流体解析では、解析機能１５３は、関心領域以外の領域については、前回行った流体解析と同じ精度の流体解析を行い、関心領域については、前回行った流体解析の精度より高い精度の流体解析を行う。
このとき、解析機能１５３は、流体解析で用いられる解析モデルの基になる画像データの空間解像度を高めることで、前回行った流体解析の精度より高い精度の流体解析を行う。また、解析機能１５３は、流体解析の計算コストを増やすことで、前回行った流体解析の精度より高い精度の流体解析を行う。例えば、解析機能１５３は、有限要素法の解析モデルにおけるメッシュの密度を高めることで、流体解析の計算コストを増やす。
具体的には、解析機能１５３は、１回目の流体解析を行った際と同様に、関心領域を拡大再構成したＣＴ画像データをＸ線ＣＴ装置３００から取得する（ステップＳ２０６）。そして、解析機能１５３は、特定機能１５２によって行われた画像解析で用いられたＣＴ画像データを用いて、血管における関心領域以外の領域について、前述した所定の精度で流体解析の解析モデルを生成する（ステップＳ２０７）。また、解析機能１５３は、取得したＣＴ画像データを用いて、前回行った流体解析で用いられた解析モデルよりメッシュの密度を高めた関心領域の解析モデルを生成する（ステップＳ２０８）。
その後、解析機能１５３は、前述した所定の精度で生成された関心領域以外の領域の解析モデルと、当該所定の精度より高い精度で生成された関心領域の解析モデルとを連結した合成モデルを生成する（ステップＳ２０９）。そして、解析機能１５３は、生成した合成モデルを用いて、血管全体の流体解析を実行する（ステップＳ２１０）。
こうして、解析機能１５３は、特定機能１５２によって、関心領域の解析を実行することを指示する操作が受け付けられている間は（ステップＳ２０５，Ｙｅｓ）、流体解析の実行を繰り返す。そして、特定機能１５２によって関心領域の解析を実行しないことを指示する操作が受け付けられた場合には（ステップＳ２０５，Ｎｏ）、解析機能１５３は、最後に行った流体解析の結果を最終結果としてディスプレイ１４０に表示する（ステップＳ２１１）。例えば、解析機能１５３は、図７に示した例と同様に、最終結果を表示する。
なお、上述した各ステップは、例えば、処理回路１５０が、各機能に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。具体的には、ステップＳ２０１は、例えば、処理回路１５０が取得機能１５１に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。また、ステップＳ２０２～Ｓ２０５は、例えば、処理回路１５０が特定機能１５２に対応する所定のプログラムを記憶回路１２０から呼び出して実行することにより実現される。また、ステップＳ２０６～Ｓ２１１は、例えば、処理回路１５０が解析機能１５３に対応する所定のプログラムを記憶回路１２０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の実施形態の第１の変形例では、医用画像処理装置１００は、画像解析の解析結果に基づいて、血管における関心領域を特定し、特定した関心領域について、関心領域以外の領域と比べて精度が高い流体解析を行う。したがって、本変形例によれば、血流の流体解析をより高い精度で行うことができる。
（第１の実施形態の第２の変形例）
また、上述した第１の変形例では、特定機能１５２が、自動的に画像解析を行う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、特定機能１５２は、操作者から受け付けた操作に応じて血管解析を行う機能を有していてもよい。
本変形例では、特定機能１５２は、血管に関する解析として、操作者から受け付けた操作に応じて血管の構造を解析する血管解析を行い、当該血管解析の解析結果として得られた異常領域を関心領域として特定する。
具体的には、特定機能１５２は、操作者から受け付けた操作に応じて、ＣＴ画像データに描出されている血管から血管芯線や血管壁、分岐形状等の情報を抽出し、抽出した情報に基づいて、狭窄が発生している領域や狭窄率等を同定する。
例えば、特定機能１５２は、操作者から受け付けた操作に応じて血管の狭窄率を同定し、当該狭窄率が所定の閾値を超えている範囲を関心領域として特定する。例えば、特定機能１５２は、狭窄率が５０％以上である領域を関心領域として特定する。
そして、本変形例では、解析機能１５３が、特定機能１５２によって関心領域の特定が行われている間に、流体解析を開始するようにしてもよい。この場合には、解析機能１５３は、特定機能１５２によって関心領域が特定された時点で、関心領域以外の領域について、それまでに流体解析が終わっている流体解析の結果を流用する。これにより、血管の流体解析にかかる時間を短縮することができる。
（第１の実施形態の第３の変形例）
また、上述した第１の実施形態及び変形例では、解析機能１５３が、有限要素法の解析モデルにおけるメッシュの密度を高めることで、流体解析の計算コストを増やす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、解析機能１５３は、１次元解析を３次元解析に変更することで、流体解析の計算コストを増やしてもよい。または、解析機能１５３は、流体解析で行われる逐次演算の収束回数を増やすことで、流体解析の計算コストを増やしてもよい。
（第１の実施形態の第４の変形例）
また、上述した第１の実施形態及び変形例では、解析機能１５３が、関心領域以外の領域に関する解析モデルと関心領域に関する解析モデルとを連結して合成モデルを生成することとしたが、解析機能１５３は、合成モデルを生成する際に、解析モデルとの連結部分に空間補間を施すことで、当該解析モデルを滑らかに連結させるようにしてもよい。
図９は、第１の実施形態の第４の変形例に係る解析機能１５３によって行われる解析モデルの空間補間の一例を示す図である。図９に示す複数の点は、それぞれ、有限要素法の解析モデルにおけるメッシュの接点を示している。ここで、図９の上側に示す４つの接点９１ａ～９１ｄは、関心領域以外の領域に関する解析モデルに設定された接点を示している。また、図９の下側に示す５つの接点９１ｅ～９１ｉは、関心領域に関する解析モデルに設定された接点を示している。
例えば、図９に示すように、関心領域に関する解析モデルでは、関心領域以外の領域の解析モデルと比べて、メッシュが細かく設定されるため、各接点の間隔が狭くなる。このため、合成モデルが生成された際には、パーシャルボリューム効果等によって、解析モデルの連結部分において、接点の位置がずれることがあり得る。例えば、図９に示すように、関心領域以外の領域に関する解析モデルの連結側の端部に位置する接点９１ｄと、関心領域に関する解析モデルの連結側の端部に位置する接点９１ｅとの間に、ずれが生じることがあり得る。
このような場合に、解析機能１５３は、解析モデルとの連結部分にスプライン補間等の方法を用いて空間補間を施すことで、当該解析モデルを滑らかに連結させる。例えば、図９に示すように、解析機能１５３は、関心領域以外の領域に関する解析モデルの連結側の端部に位置する接点９１ｄの代わりに、それ以外の各接点の位置に基づいて、新たな接点９１ｊを補間する。これにより、関心領域に関する解析モデルと関心領域以外の領域の解析モデルとを滑らかに連結することができ、合成モデルを用いた流体解析の精度を向上させることができる。
（第１の実施形態の第５の変形例）
また、上述した第１の実施形態及び変形例では、解析機能１５３が、合成モデルを用いて流体解析を行うこととしたが、合成モデルにおける関心領域より上流側にある領域については、前回の流体解析で用いられた解析モデルが用いられるため、流体解析の結果も前回から変わらないことになる。
そこで、解析機能１５３は、合成モデルを用いて流体解析を行う際に、関心領域以外の領域のうちの関心領域より上流側に位置する領域については、前回行われた流体解析によって得られた解析結果を用いることで、流体解析の計算を省略してもよい。
図１０は、第１の実施形態の第５の変形例に係る解析機能１５３によって行われる流体解析の一例を示す図である。図１０の左側及び右側に示す図は、血管全体の合成モデル１０１を示しており、破線の矢印が血流の流れの方向を示している。また、図１０の右側に示す図において、両矢印で示す範囲は、合成モデル１０１における関心領域Ｒの範囲を示している。
例えば、図１０に示す例では、解析機能１５３は、関心領域Ｒ以外の領域のうちの関心領域Ｒより上流側に位置する領域Ｒｕについて、前回行われた流体解析によって得られた解析結果を用いることで、流体解析の計算を省略する。また、解析機能１５３は、関心領域Ｒ、及び、関心領域以外の領域のうちの関心領域Ｒより下流側に位置する領域Ｒｄについて、合成モデル１０１を用いて新たに流体解析を行う。これにより、血管の流体解析にかかる時間を短縮することができる。
（第１の実施形態の第６の変形例）
また、上述した第１の実施形態及び変形例では、特定機能１５２が、血管に関する解析の解析結果をディスプレイ１４０に表示することとしたが、特定機能１５２は、流体解析及び画像解析の両方を行い、画像解析の解析結果に基づいて、流体解析によって得られた解析結果の信頼度をさらに表示してもよい。
具体的には、特定機能１５２は、第１の実施形態と同様に、取得機能１５１によって取得されたＣＴ画像データを用いて流体解析を行う。また、特定機能１５２は、第１の変形例と同様に、取得機能１５１によって取得されたＣＴ画像データを用いて画像解析を行い、血管に生じている異常領域を特定する。例えば、特定機能１５２は、カルシウム等の病変組織が所定量を超えて発生している領域や、モーションアーティファクトやバンディングアーティファクト等のアーティファクトが発生している領域、血管の径が所定の閾値より小さい領域等を異常領域として特定する。
そして、特定機能１５２は、第１の実施形態と同様に、流体解析の解析結果及び関心領域をディスプレイ１４０に表示する。さらに、特定機能１５２は、流体解析の解析結果と一緒に、画像解析の結果として得られた解析値に基づいて、血管の各位置における流体解析の信頼度を算出し、算出した信頼度を流体解析の解析結果とともにディスプレイ１４０に表示する。
例えば、特定機能１５２は、カルシウム等の病変組織の量や、アーティファクトが発生している量、血管径に基づいて、血管の各位置における流体解析の信頼度を算出する。そして、特定機能１５２は、例えば、図４に示したように、解析モデルの形状を表すグラフィック４１上に血流パラメータの値の分布を示す情報を表示したうえで、算出した信頼度を示す情報を当該グラフィック４１上にさらに表示する。例えば、特定機能１５２は、信頼度の各値に異なる色を割り当て、血管における信頼度の空間的な分布に応じて、解析モデルを表すグラフィック４１に色を付ける。または、特定機能１５２は、解析モデルを表すグラフィック４１上、又は、当該グラフィック４１の近傍に、信頼度を表す数値を表示してもよい。これにより、操作者に対して、流体解析を再度実行するか否かを決める際の参考となる情報を提示することができる。
（第１の実施形態の第７の変形例）
さらに、特定機能１５２は、血管に所定の閾値より太い分枝が含まれており、かつ、当該分枝の領域における信頼度が所定の閾値より低い場合に、警告を報知してもよい。
図１１は、第１の実施形態の第７の変形例に係る特定機能１５２によって行われる血管の分枝に関する警告表示の一例を示す図である。例えば、図１１に示すように、特定機能１５２は、取得機能１５１によって取得されたＣＴ画像データに基づいて、血管１１１から分岐する血管である分枝１１２を検出し、検出した分枝１１２と血管１１１とが接続する箇所における分枝１１２の血管径Ｄを算出する。そして、例えば、取得機能１５１は、算出した分枝１１２の血管径Ｄが３ｍｍ以上であった場合に、血管１１１と分枝１１２との接続箇所を含み、かつ、流体解析の信頼度が所定の閾値より低い領域があるか否かを検出する。そして、取得機能１５１は、該当する領域Ｒｂがあった場合には、流体解析の解析結果とともに、当該領域Ｒｂを示す情報と、警告用のメッセージとをディスプレイ１４０に表示する。
一般的に、シミュレーションによる流体解析では、血管が細い場合や、血管が分岐している場合は、解析結果の精度が低くなることがあり得る。言い換えると、血管がある程度太いにもかかわらず、解析結果の信頼度が低い場合は、流体解析が正確に行われていない可能性がある。本変形例では、そのような場合に、操作者に対して、流体解析を再度行うことを促すことができる。
（第１の実施形態の第８の変形例）
また、上述した第１の実施形態及び変形例では、関心領域を拡大再構成したＣＴ画像データに基づいて、メッシュの密度を高めた関心領域の解析モデルを生成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、解析機能１５３は、関心領域を拡大再構成したＣＴ画像データを取得する代わりに、ＣＴ画像データに対して画像補正を行った後に、補正後の画像データを用いて、精度を高めた流体解析を行うようにしてもよい。
この場合には、解析機能１５３は、関心領域を拡大再構成したＣＴ画像データに基づいて、メッシュの密度を高めた関心領域の解析モデルを生成するのではなく、ＣＴ画像データに対して画像補正を行った後に、補正後の画像データに基づいて、メッシュの密度を高めた関心領域の解析モデルを生成する。例えば、解析機能１５３は、ＣＴ画像データに対して、モーションアーティファクト補正や、バンディングアーティファクト補正、位相補正等の所定の画像補正を行う。
（第１の実施形態の第９の変形例）
さらに、解析機能１５３は、上述した画像補正として、所定の画像補正を行うのではなく、複数の種類の画像補正の中から選択された画像補正を行うようにしてもよい。この場合には、例えば、各画像補正の内容は、予めデータベース化されて記憶回路１２０に記憶される。ここでいう画像補正の内容としては、例えば、血管壁の補正や偽狭窄の補正、画素値の変化のスムージング等が挙げられる。
そして、例えば、解析機能１５３は、操作者によってデータベースの中から選択された画像補正を行う。または、解析機能１５３は、予めＣＴ画像データの解析結果と画像補正の種類とを対応付けたパターンに従って、画像解析や流体解析の解析結果に応じてデータベースの中から適切な画像補正を自動的に選択し、選択した画像補正を行ってもよい。これにより、流体解析の精度を高めることができる。
（第１の実施形態の第１０の変形例）
また、上述した第１の実施形態及び変形例では、取得機能１５１が、Ｘ線ＣＴ装置３００又は医用画像保管装置４００からＣＴ画像データを取得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、取得機能１５１は、ＣＴ画像データを取得する代わりに、ＣＴ画像データの基になる投影データを取得してもよい。
この場合には、取得機能１５１は、被検体の血管を含む３次元のＣＴ画像データの基になる投影データをＸ線ＣＴ装置３００又は医用画像保管装置４００から取得し、取得した投影データを記憶回路１２０に記憶させる。そして、特定機能１５２及び解析機能１５３が、それぞれ、血管に関する解析を行う際に、記憶回路１２０から投影データを読み出し、読み出した投影データから解析に用いるＣＴ画像データを再構成又は拡大再構成する。
または、取得機能１５１は、第１の実施形態と同様にＣＴ画像データを取得し、特定機能１５２及び解析機能１５３が、当該ＣＴ画像データを記憶回路１２０から読み出し、読み出したＣＴ画像データを用いて、解析に用いるＣＴ画像データを生成してもよい。例えば、血管に関する解析を行う際に、フォワードプロジェクション等の方法によってＣＴ画像データを投影データに戻し、それにより得られた投影データから解析に用いるＣＴ画像データを再構成又は拡大再構成する。
（第１の実施形態の第１１の変形例）
また、上述した第１の実施形態及び変形例では、医用画像処理装置１００が、自装置に備えられたディスプレイ１４０に流体解析の結果を表示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、医用画像処理装置１００は、ネットワーク２００を介して接続された医用画像表示装置に解析結果を出力してもよい。
近年では、操作者が用いるクライアント装置には必要最小限の処理を実行させ、大部分の処理をサーバ装置に実行させるシンクライアント（Thin Client）の形態で、医用画像処理システムが構築される場合もある。例えば、このような医用画像処理システムにおいて、サーバ装置が有する処理回路が、上述した第１の実施形態及び変形例で説明した医用画像処理装置１００と同様の構成を有し、クライアント装置（医用画像表示装置）が、医用画像処理装置１００によって行われた解析の結果を医用画像処理装置１００から取得して表示してもよい。例えば、クライアント装置は、予め装置にインストールされた汎用的なブラウザ等によって、解析結果を表示する。
（第１の実施形態の第１２の変形例）
また、上述した第１の実施形態及び変形例では、被検体に関する画像データとして、Ｘ線ＣＴ装置３００によって収集されたＣＴ画像データを用い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、被検体に関する画像データとして、他の医用画像診断装置によって収集された画像データが用いられてもよい。ここでいう医用画像診断装置は、例えば、ＭＲＩ装置やＸ線診断装置、超音波診断装置、ＰＥＴ装置等である。
（第２の実施形態）
また、上述した第１の実施形態及び変形例では、医用画像処理装置１００が各種処理を実行する場合について説明したが、実施形態はこれに限られない。例えば、Ｘ線ＣＴ装置３００によって、上述した各種処理が実行されてもよい。以下では、このような例を第２の実施形態として説明する。
図１２は、第２の実施形態に係るＸ線ＣＴ装置３００の構成の一例を示す図である。例えば、図１に示すように、本実施形態に係るＸ線ＣＴ装置３００は、架台３１０と、寝台３２０と、コンソール３３０とを有する。
架台３１０は、被検体Ｓ（患者）にＸ線を照射し、被検体Ｓを透過したＸ線を検出して、コンソール３３０に出力する装置である。例えば、架台３１０は、Ｘ線発生装置３１１と、Ｘ線照射制御回路３１２と、検出器３１３と、回転フレーム３１４と、架台駆動回路３１５と、データ収集回路３１６とを有する。
Ｘ線発生装置３１１は、Ｘ線を発生し、発生したＸ線を被検体Ｓへ照射する。例えば、Ｘ線発生装置３１１は、Ｘ線管３１１ａと、ウェッジ３１１ｂと、コリメータ３１１ｃとを有する。
Ｘ線管３１１ａは、Ｘ線を発生する。例えば、Ｘ線管３１１ａは、真空管であり、図示しない高電圧発生装置から供給される高電圧によってＸ線を発生する。また、Ｘ線管３１１ａは、ファン角及びコーン角を持って広がるＸ線を発生する。
ウェッジ３１１ｂは、Ｘ線管３１１ａから曝射されたＸ線のＸ線量を調節するためのＸ線フィルタである。具体的には、ウェッジ３１１ｂは、Ｘ線管３１１ａから被検体Ｓへ照射されるＸ線が予め定められた分布になるように、Ｘ線管３１１ａから曝射されたＸ線を透過して減衰するフィルタである。例えば、ウェッジ３１１ｂは、所定のターゲット角度や所定の厚みとなるようにアルミニウムを加工したフィルタである。なお、ウェッジ３１１ｂは、ウェッジフィルタ（wedge filter）や、ボウタイフィルタ（bow-tie filter）とも呼ばれる。
コリメータ３１１ｃは、後述するＸ線照射制御回路３１２による制御のもと、ウェッジ３１１ｂによってＸ線量が調節されたＸ線の照射範囲を絞り込むためのスリットである。
Ｘ線照射制御回路３１２は、後述するスキャン制御回路３３３による制御のもと、Ｘ線発生装置３１１を制御する。例えば、Ｘ線照射制御回路３１２は、図示しない高電圧発生装置を制御して、Ｘ線発生装置３１１が有するＸ線管３１１ａに高電圧を供給する。また、Ｘ線照射制御回路３１２は、Ｘ線管３１１ａに供給する管電圧や管電流を調整することで、被検体Ｓに対して照射されるＸ線量を調整する。また、Ｘ線照射制御回路３１２は、Ｘ線発生装置３１１が有するウェッジ３１１ｂの切り替えを行う。また、Ｘ線照射制御回路３１２は、Ｘ線発生装置３１１が有するコリメータ３１１ｃの開口度を調整することにより、Ｘ線の照射範囲（ファン角やコーン角）を調整する。
検出器３１３は、Ｘ線管３１１ａから発生したＸ線を検出する。例えば、検出器３１３は、被検体Ｓを透過したＸ線を検出する２次元アレイ型検出器（面検出器）であり、複数チャンネル分のＸ線検出素子を配してなる検出素子列が被検体Ｓの体軸方向（図１に示すＺ軸方向）に沿って複数列配列されている。具体的には、本実施形態における検出器３１３は、被検体Ｓの体軸方向に沿って３２０列など多列に配列されたＸ線検出素子を有し、例えば、被検体Ｓの肺や心臓を含む範囲など、広範囲に被検体Ｓを透過したＸ線を検出することが可能である。
回転フレーム３１４は、円環状に形成されたフレームであり、Ｘ線発生装置３１１と検出器３１３とを被検体Ｓを挟んで対向するように支持する。
架台駆動回路３１５は、後述するスキャン制御回路３３３による制御のもと、回転フレーム３１４を回転駆動させることによって、被検体Ｓを中心とした円軌道上でＸ線発生装置３１１と検出器３１３とを旋回させる。
データ収集回路３１６は、後述するスキャン制御回路３３３による制御のもと、検出器３１３が検出したＸ線の検出データから投影データを収集する。データ収集回路３１６は、ＤＡＳ（Data Acquisition System）とも呼ばれる。例えば、データ収集回路３１６は、検出器３１３により検出されたＸ線強度分布データに対して、増幅処理やＡ／Ｄ変換処理、チャンネル間の感度補正処理等を行なって投影データを生成し、生成した投影データを後述するコンソール３３０に送信する。なお、チャンネル間の感度補正処理は、後述する前処理回路３３４が行なってもよい。
寝台３２０は、被検体Ｓを載せる装置であり、図１に示すように、被検体Ｓが載置される天板３２１と、寝台駆動装置３２２とを有する。寝台駆動装置３２２は、天板３２１をＺ軸方向へ移動して、被検体Ｓを回転フレーム３１４内に移動させる。
架台３１０は、例えば、天板３２１を連続的に移動させながら回転フレーム３１４を回転させて被検体Ｓを螺旋状にスキャンするヘリカルスキャンを実行する。または、架台３１０は、天板３２１を移動させた後に被検体Ｓの位置を固定したままで回転フレーム３１４を回転させて被検体Ｓを円軌道にてスキャンするコンベンショナルスキャンを実行する。または、架台３１０は、天板３２１の位置を一定間隔で移動させてコンベンショナルスキャンを複数の撮影位置で行うステップアンドシュート方式を実行する。
コンソール３３０は、操作者によるＸ線ＣＴ装置３００の操作を受け付けるとともに、架台３１０によって収集された投影データを用いてＣＴ画像データを再構成する装置である。コンソール３３０は、図１に示すように、入力回路３３１と、ディスプレイ３３２と、スキャン制御回路３３３と、前処理回路３３４と、記憶回路３３５と、画像再構成回路３３６と、処理回路３３７とを有する。
入力回路３３１は、Ｘ線ＣＴ装置３００の操作者が各種指示や各種設定の入力に用いるマウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック等を有し、操作者から受け付けた指示や設定の情報を、処理回路３３７に転送する。例えば、入力回路３３１は、操作者から、ＣＴ画像データの撮影条件や、ＣＴ画像データを再構成する際の再構成条件、ＣＴ画像データに対する画像処理条件等を受け付ける。また、入力回路３３１は、画像上の部位や、関心領域などの所定の領域を指定するための指定操作を受け付ける。
ディスプレイ３３２は、操作者によって参照されるモニタであり、処理回路３３７による制御のもと、ＣＴ画像データから生成されたＣＴ画像を操作者に表示したり、入力回路３３１を介して操作者から各種指示や各種設定等を受け付けるためのＧＵＩ（Graphical User Interface）を表示したりする。
スキャン制御回路３３３は、処理回路３３７による制御のもと、Ｘ線照射制御回路３１２、架台駆動回路３１５、データ収集回路３１６及び寝台駆動装置３２２の動作を制御することで、架台３１０における投影データの収集処理を制御する。
前処理回路３３４は、データ収集回路３１６によって生成された投影データに対して、対数変換処理と、オフセット補正、感度補正及びビームハードニング補正等の補正処理とを行なって、補正済みの投影データを生成する。具体的には、前処理回路３３４は、データ収集回路３１６によって生成された投影データについて、補正済みの投影データを生成して、記憶回路３３５に格納する。
記憶回路３３５は、各種データを記憶する。例えば、記憶回路３３５は、前処理回路３３４によって生成された投影データ、及び、後述する画像再構成回路３３６によって生成されるＣＴ画像データを記憶する。また、記憶回路３３５は、後述する処理回路３３７によって実行される処理の結果として生成される各種データを記憶する。
画像再構成回路３３６は、記憶回路３３５によって記憶された投影データを用いてＣＴ画像データを再構成する。例えば、画像再構成回路３３６は、ＦＢＰ（Filtered Back Projection）法等を用いた逆投影処理によって、ＣＴ画像データを再構成する。または、例えば、画像再構成回路３３６は、逐次近似法を用いて、ＣＴ画像データを再構成する。また、画像再構成回路３３６は、ＣＴ画像データに対して各種画像処理を行うことで、各種のＣＴ画像を生成する。そして、画像再構成回路３３６は、再構成したＣＴ画像データや、各種画像処理により生成したＣＴ画像を記憶回路３３５に格納する。なお、画像再構成回路３３６は、特許請求の範囲における再構成部の一例である。
処理回路３３７は、架台３１０、寝台３２０及びコンソール３３０の動作を制御することによって、Ｘ線ＣＴ装置３００の全体制御を行う。具体的には、処理回路３３７は、スキャン制御回路３３３を制御することで、架台３１０で行なわれるＣＴスキャンを制御する。また、処理回路３３７は、画像再構成回路３３６を制御することで、コンソール３３０における画像再構成処理や画像生成処理を制御する。また、処理回路３３７は、記憶回路３３５が記憶する各種ＣＴ画像を、ディスプレイ３３２に表示するように制御する。
このような構成のもと、本実施形態に係るＸ線ＣＴ装置３００では、処理回路３３７が、取得機能３３７ａと、特定機能３３７ｂと、解析機能３３７ｃとを有する。なお、特定機能３３７ｂは、特許請求の範囲における特定部の一例である。また、解析機能３３７ｃは、特許請求の範囲における解析部の一例である。
取得機能３３７ａは、上述した第１の実施形態又は変形例で説明した取得機能１５１と同様の処理を実行する。ただし、上述した第１の実施形態及び変形例では、取得機能１５１が、Ｘ線ＣＴ装置３００又は医用画像保管装置４００からＣＴ画像データ又は投影データを取得したのに対し、本実施形態に係る取得機能３３７ａは、記憶回路３３５からＣＴ画像データ又は投影データを取得する。
特定機能３３７ｂは、上述した第１の実施形態又は変形例で説明した特定機能１５２と同様の処理を実行する。
解析機能３３７ｃは、上述した第１の実施形態又は変形例で説明した解析機能１５３と同様の処理を実行する。
また、本実施形態では、入力回路３３１、ディスプレイ３３２及び記憶回路３３５が、それぞれ、上述した第１の実施形態で説明した入力回路１３０、ディスプレイ１４０及び記憶回路１２０と同様の機能を含む。
上述した第２の実施形態によれば、第１の実施形態と同様に、血流の流体解析をより高い精度で行うことができる。
なお、上述した実施形態では、単一の処理回路（処理回路１５０、処理回路３３７）によって各処理機能が実現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、当該処理回路は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、当該処理回路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。
なお、上述した各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り提供又は配布されてもよい。例えば、このプログラムは、後述する各機能部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。
以上説明した少なくとも１つの実施形態によれば、血流の流体解析をより高い精度で行うことができる。
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。
以上の実施形態に関し、発明の一側面及び選択的な特徴として以下の付記を開示する。
（付記１）
被検体の血管を含む画像データを取得する取得部と、
前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定する特定部と、
前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する解析部と
を備える、医用画像処理装置。
（付記２）
前記解析部は、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域について、第１の空間解像度で前記第１の精度の流体解析を行い、前記血管における前記関心領域について、前記第１の空間解像度より高い第２の空間解像度で前記第２の精度の流体解析を行う、
付記１に記載の医用画像処理装置。
（付記３）
前記解析部は、流体解析の計算コストを増やすことで、前記第１の精度より高い第２の精度の流体解析を行う、
付記１又は２に記載の医用画像処理装置。
（付記４）
前記解析部は、有限要素法を用いたシミュレーションによって前記第１の精度の流体解析及び前記第２の精度の流体解析を行い、解析モデルにおけるメッシュの密度を高めることで、前記計算コストを増やす、
付記３に記載の医用画像処理装置。
（付記５）
前記解析部は、前記メッシュの密度を高めた解析モデルを生成した後に、当該解析モデルを前記画像データと比較することで、前記メッシュを修正する、
付記４に記載の医用画像処理装置。
（付記６）
前記解析部は、流体解析で行われる逐次演算の収束回数を増やすことで、前記計算コストを増やす、
付記３に記載の医用画像処理装置。
（付記７）
前記解析部は、前記第１の精度で生成された血管全体の解析モデルにおける前記関心領域以外の部分と、前記第２の精度で生成された前記関心領域の解析モデルとを連結して前記合成モデルを生成し、当該合成モデルを用いて、前記関心領域より下流側に位置する領域及び前記関心領域について流体解析を行う、
付記１～６のいずれか一つに記載の医用画像処理装置。
（付記８）
前記解析部は、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと、前記第２の精度で生成された前記関心領域の解析モデルとを連結して前記合成モデルを生成し、当該合成モデルを用いて、前記関心領域より下流側に位置する領域及び前記関心領域について流体解析を行う、
付記１～６のいずれか一つに記載の医用画像処理装置。
（付記９）
前記解析部は、前記合成モデルを生成する際に、前記第１の精度の解析モデルと前記第２の精度の解析モデルとの連結部分に空間補間を施すことで、当該解析モデルを滑らかに連結させる、
付記７又は８に記載の医用画像処理装置。
（付記１０）
前記解析部は、前記合成モデルを用いて流体解析を行う際に、前記関心領域より上流側に位置する領域について、前記第１の精度の流体解析によって得られた前記解析結果を用いることで、流体解析の計算を省略する、
付記９に記載の医用画像処理装置。
（付記１１）
前記特定部は、前記画像データを用いた流体解析を行い、当該流体解析の解析結果として得られた血流パラメータの値が正常な範囲を外れている領域を前記関心領域として特定する、
付記１～１０のいずれか一つに記載の医用画像処理装置。
（付記１２）
前記特定部は、前記画像データを用いた流体解析及び画像解析をそれぞれ行い、前記画像解析の解析結果に基づいて、前記流体解析によって得られた解析結果の信頼度を表示する、
付記１～１１のいずれか一つに記載の医用画像処理装置。
（付記１３）
前記特定部は、前記血管に所定の閾値より太い血管の分枝が含まれており、かつ、当該分枝の領域における前記信頼度が所定の閾値より低い場合に、警告を報知する、
付記１２に記載の医用画像処理装置。
（付記１４）
前記解析部は、前記画像データに対して画像補正を行った後に、補正後の画像データを用いて前記第２の精度の流体解析を行う、
付記１～１３のいずれか一つに記載の医用画像処理装置。
（付記１５）
前記解析部は、前記画像補正として、複数の種類の画像補正の中から選択された画像補正を行う、
付記１４に記載の医用画像処理装置。
（付記１６）
被検体の血管を含む画像データを取得し、
前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定し、
前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する
ことを含む、医用画像処理方法。
（付記１７）
被検体の血管を含む画像データを再構成する再構成部と、
前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定する特定部と、
前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する解析部と
を備える、Ｘ線ＣＴ装置。
１００ 医用画像処理装置
１５０ 処理回路
１５１ 取得機能
１５２ 特定機能
１５３ 解析機能

Claims (10)

  1. 被検体の血管を含む画像データを取得する取得部と、
    前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定する特定部と、
    前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する解析部と
    を備え、
    前記特定部は、前記画像データを用いて、前記血管に関する画像解析を行うことで前記流体解析に関する信頼度を算出し、前記画像データに基づいて、前記血管から分岐する血管である分枝を検出し、当該分枝と前記血管との接続箇所における前記分枝の血管径を算出し、当該血管径が所定の閾値以上であった場合に、前記接続箇所を含む、前記流体解析の信頼度が低い領域を示す情報と、警告用のメッセージとを表示する、
    医用画像処理装置。
  2. 前記解析部は、前記流体解析によって得られた血流パラメータの空間的な分布を示す情報及び前記血管に関する幾何学形状パラメータの空間的な分布示す情報を、各パラメータの値に応じて前記血管の形状を表すグラフィックを色付けすることによって表示する、
    請求項１に記載の医用画像処理装置。
  3. 前記特定部は、前記画像データを用いて画像解析を行うことによって、前記血管において病変組織が所定量を超えて発生している領域、アーチファクトが発生している領域、及び、前記血管の径が所定の閾値より小さい領域のいずれかを前記関心領域として特定する、
    請求項１又は２に記載の医用画像処理装置。
  4. 前記特定部は、前記画像データに描出されている前記血管から血管芯線、血管壁又は分岐形状の情報を抽出し、抽出した情報に基づいて、狭窄が発生している領域又は狭窄率を同定し、同定した領域又は同定した狭窄率が所定の閾値を超えている領域を前記関心領域として特定する、
    請求項１又は２に記載の医用画像処理装置。
  5. 前記解析部は、前記特定部によって前記関心領域の特定が行われている間に、前記流体解析を開始する、
    請求項１～４のいずれか一つに記載の医用画像処理装置。
  6. 前記解析部は、前記特定部によって前記関心領域が特定された時点で、前記関心領域以外の領域について、当該時点までに終わっている流体解析の結果を流用する、
    請求項５に記載の医用画像処理装置。
  7. 前記特定部は、前記画像データを用いて画像解析を行うことによって、前記血管における病変組織の量、アーチファクトが発生している量又は前記血管の径を取得し、取得した病変組織の量、アーチファクトが発生している量又は前記血管の径に基づいて、前記血管の各位置における前記流体解析の信頼度を算出し、算出した信頼度を示す情報を表示する、
    請求項１～６のいずれか一つに記載の医用画像処理装置。
  8. 前記特定部は、前記信頼度の空間的な分布を示す情報を、前記信頼度の値に応じて前記血管の形状を表すグラフィックを色付けすることによって表示する、又は、前記信頼度を示す数値を、前記血管の形状を表すグラフィック上若しくは当該グラフィックの近傍に表示する、
    請求項７に記載の医用画像処理装置。
  9. 被検体の血管を含む画像データを取得し、
    前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定し、
    前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する
    ことを含み、
    前記関心領域を特定することは、前記画像データを用いて、前記血管に関する画像解析を行うことで前記流体解析に関する信頼度を算出し、前記画像データに基づいて、前記血管から分岐する血管である分枝を検出し、当該分枝と前記血管との接続箇所における前記分枝の血管径を算出し、当該血管径が所定の閾値以上であった場合に、前記接続箇所を含む、前記流体解析の信頼度が低い領域を示す情報と、警告用のメッセージとを表示することを含む、
    医用画像処理方法。
  10. 被検体の血管を含む画像データを再構成する再構成部と、
    前記画像データを用いた第１の精度の流体解析を行うことによって求められた血流パラメータの第１の空間分布に基づいて、前記血管における関心領域を特定する特定部と、
    前記血管における前記関心領域以外の領域のうちの前記関心領域より上流側に位置する領域については、前記第１の精度の流体解析により得られた解析結果を用い、前記血管における前記関心領域以外の領域のうちの前記関心領域より下流側に位置する領域及び前記関心領域については、前記第１の精度で生成された前記関心領域以外の領域の解析モデルと前記第１の精度より高い第２の精度で生成された前記関心領域の解析モデルとを合成した合成モデルを用いて流体解析を行うことによって、前記血流パラメータの空間分布を求めることで、前記血流パラメータの前記第１の空間分布を第２の空間分布に更新する解析部と
    を備え、
    前記特定部は、前記画像データを用いて、前記血管に関する画像解析を行うことで前記流体解析に関する信頼度を算出し、前記画像データに基づいて、前記血管から分岐する血管である分枝を検出し、当該分枝と前記血管との接続箇所における前記分枝の血管径を算出し、当該血管径が所定の閾値以上であった場合に、前記接続箇所を含む、前記流体解析の信頼度が低い領域を示す情報と、警告用のメッセージとを表示する、
    Ｘ線ＣＴ装置。
JP2022198382A 2016-11-23 2022-12-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置 Active JP7689942B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2025088812A JP2025113442A (ja) 2016-11-23 2025-05-28 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

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/360,135 US10163209B2 (en) 2016-11-23 2016-11-23 Medical image processing apparatus, medical image processing method, and X-ray CT apparatus
US15/360,135 2016-11-23
JP2017116162A JP7195725B2 (ja) 2016-11-23 2017-06-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2017116162A Division JP7195725B2 (ja) 2016-11-23 2017-06-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2025088812A Division JP2025113442A (ja) 2016-11-23 2025-05-28 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

Publications (3)

Publication Number Publication Date
JP2023021266A JP2023021266A (ja) 2023-02-10
JP2023021266A5 JP2023021266A5 (ja) 2023-11-06
JP7689942B2 true JP7689942B2 (ja) 2025-06-09

Family

ID=62147124

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2017116162A Active JP7195725B2 (ja) 2016-11-23 2017-06-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置
JP2022198382A Active JP7689942B2 (ja) 2016-11-23 2022-12-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置
JP2025088812A Pending JP2025113442A (ja) 2016-11-23 2025-05-28 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

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2017116162A Active JP7195725B2 (ja) 2016-11-23 2017-06-13 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2025088812A Pending JP2025113442A (ja) 2016-11-23 2025-05-28 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

Country Status (2)

Country Link
US (6) US10163209B2 (ja)
JP (3) JP7195725B2 (ja)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
JP7099963B2 (ja) 2016-05-16 2022-07-12 キャスワークス リミテッド 画像からの血管の選択方法
EP4300419A3 (en) 2016-05-16 2024-04-03 Cathworks Ltd. System for vascular assessment
US10163209B2 (en) * 2016-11-23 2018-12-25 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image processing method, and X-ray CT apparatus
US11523744B2 (en) * 2017-03-31 2022-12-13 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based FFR
JP6831463B2 (ja) * 2017-07-14 2021-02-17 富士フイルム株式会社 医療画像処理装置、内視鏡システム、診断支援装置、並びに医療業務支援装置
JP2019076526A (ja) 2017-10-25 2019-05-23 テルモ株式会社 治療方法
US11523788B2 (en) * 2018-01-11 2022-12-13 Canon Medical Systems Corporation Medical information processing apparatus, medical information processing system, and medical information processing method
JP7160659B2 (ja) * 2018-01-11 2022-10-25 キヤノンメディカルシステムズ株式会社 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
JP7314183B2 (ja) * 2018-06-15 2023-07-25 パイ メディカル イメージング ビー ヴイ 定量的血行動態フロー分析のための方法および装置
US11406339B2 (en) * 2018-11-16 2022-08-09 Wisconsin Alumni Research Foundation System and method for determining vascular velocity using medical imaging
EP3948886B1 (en) 2019-04-01 2025-10-29 CathWorks Ltd. Methods and apparatus for angiographic image selection
EP3756547A1 (en) * 2019-06-28 2020-12-30 Koninklijke Philips N.V. Automated coronary angiography analysis
US12039685B2 (en) 2019-09-23 2024-07-16 Cathworks Ltd. Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device
CN110675717B (zh) * 2019-10-10 2021-09-14 吉林大学 一种模拟血管狭窄及血栓的仿生设备
CN114287042A (zh) * 2019-10-29 2022-04-05 未艾医疗技术(深圳)有限公司 基于vrds ai脑部影像的分析方法和相关装置
CN111553908B (zh) * 2020-04-30 2021-07-13 赤峰学院附属医院 颅颌面信息的分析方法及装置、电子设备、计算机存储介质
CN111657883B (zh) * 2020-06-03 2021-05-04 北京理工大学 基于序列造影的冠脉syntax分数自动计算方法与系统
CN112150376B (zh) * 2020-08-21 2023-08-15 深圳睿心智能医疗科技有限公司 血管医学影像分析方法、装置、计算机设备和存储介质
US12437874B2 (en) * 2020-11-09 2025-10-07 Canon Medical Systems Corporation Medical information processing apparatus, medical information processing system, and medical information processing method
US12315076B1 (en) 2021-09-22 2025-05-27 Cathworks Ltd. Four-dimensional motion analysis of a patient's coronary arteries and myocardial wall
CN118985005A (zh) 2022-02-10 2024-11-19 凯思沃克斯有限公司 用于基于机器学习的传感器分析和血管树分割的系统和方法
CN114677503A (zh) * 2022-03-10 2022-06-28 上海联影医疗科技股份有限公司 感兴趣区域检测方法、装置、计算机设备和存储介质
US12446965B2 (en) 2023-08-09 2025-10-21 Cathworks Ltd. Enhanced user interface and crosstalk analysis for vascular index measurement
US12531159B2 (en) 2023-08-09 2026-01-20 Cathworks Ltd. Post-PCI coronary analysis
US12567489B2 (en) 2024-06-12 2026-03-03 Cathworks Ltd. Systems and methods for displaying distal fractional flow reserve values in vascular analysis

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7195725B2 (ja) 2016-11-23 2022-12-26 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995026006A1 (en) * 1994-03-23 1995-09-28 Silverman Sidney I Method for generating and accessing patient specific health index
JP2002222433A (ja) 2001-01-29 2002-08-09 Namco Ltd ゲームシステム、プログラム及び情報記憶媒体
EP1662974A4 (en) * 2003-08-21 2009-06-03 Ischem Corp AUTOMATED SYSTEMS AND SYSTEMS FOR VASCULAR PLATE DETECTION AND ANALYSIS
JP4795694B2 (ja) * 2004-06-11 2011-10-19 株式会社東芝 Ｘ線ｃｔ装置および心筋パーフュージョン像生成システム
WO2007058997A2 (en) * 2005-11-11 2007-05-24 The University Of Houston System Scoring method for imaging-based detection of vulnerable patients
US8542900B2 (en) * 2007-03-08 2013-09-24 Sync-Rx Ltd. Automatic reduction of interfering elements from an image stream of a moving organ
JP5446074B2 (ja) * 2007-06-11 2014-03-19 株式会社日立製作所 血流の計測および評価装置
CN102172330B (zh) * 2007-07-10 2013-03-27 株式会社东芝 X射线摄影装置以及图像处理显示装置
US9687515B2 (en) 2007-11-19 2017-06-27 Transgene S.A. Poxviral oncolytic vectors
JP5558672B2 (ja) 2008-03-19 2014-07-23 株式会社東芝 画像処理装置及びｘ線コンピュータ断層撮影装置
JP5683868B2 (ja) * 2009-10-08 2015-03-11 株式会社東芝 超音波診断装置、超音波画像処理装置、超音波画像処理方法、及び超音波画像処理プログラム
JP5501999B2 (ja) * 2011-03-08 2014-05-28 富士フイルム株式会社 超音波診断装置および弾性指標信頼性判定方法
CA2850476A1 (en) 2011-08-26 2013-03-07 EBM Corporation Bloodstream simulation system for simulating blood vessel treatment effect, method therefor, and computer software program
EP3127474B1 (en) * 2012-03-12 2021-11-10 Kabushiki Kaisha Topcon Image displaying apparatus and image displaying method
US8548778B1 (en) * 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
US9625548B2 (en) * 2012-06-19 2017-04-18 The Johns Hopkins University System and method for magnetic resonance imaging of intracranial vessel walls
JP5704354B2 (ja) 2012-11-16 2015-04-22 株式会社三洋物産 遊技機
JP2014100249A (ja) * 2012-11-19 2014-06-05 Toshiba Corp 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
JP6334902B2 (ja) 2012-11-30 2018-05-30 キヤノンメディカルシステムズ株式会社 医用画像処理装置
JP6091870B2 (ja) * 2012-12-07 2017-03-08 東芝メディカルシステムズ株式会社 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
US9424395B2 (en) 2013-03-04 2016-08-23 Heartflow, Inc. Method and system for sensitivity analysis in modeling blood flow characteristics
US8824752B1 (en) 2013-03-15 2014-09-02 Heartflow, Inc. Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics
US10595806B2 (en) 2013-10-22 2020-03-24 Koninklijke Philips N.V. Fractional flow reserve (FFR) index with adaptive boundary condition parameters
JP6667999B2 (ja) * 2014-05-16 2020-03-18 キヤノンメディカルシステムズ株式会社 画像処理装置、画像処理方法、及びプログラム
WO2015194545A1 (ja) * 2014-06-19 2015-12-23 株式会社 日立メディコ Ｘ線ｃｔ装置及び画像再構成方法
US10512416B2 (en) * 2014-11-12 2019-12-24 Oxford University Innovation Limited Estimation of blood flow rates
JP6394377B2 (ja) 2014-12-25 2018-09-26 サミー株式会社 ぱちんこ遊技機
JP6762305B2 (ja) 2015-01-28 2020-09-30 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 解剖学的構造の有限要素モデリング
JP6513413B2 (ja) 2015-02-13 2019-05-15 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び磁気共鳴イメージング装置
JP6818492B2 (ja) * 2015-10-05 2021-01-20 キヤノンメディカルシステムズ株式会社 画像処理装置、画像処理方法、及びプログラム
JP6671946B2 (ja) * 2015-12-11 2020-03-25 キヤノン株式会社 情報取得装置、撮像装置及び情報取得方法
US10159448B2 (en) * 2016-06-06 2018-12-25 Toshiba Medical Systems Corporation X-ray CT apparatus, medical information processing apparatus, and medical information processing method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7195725B2 (ja) 2016-11-23 2022-12-26 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置

Also Published As

Publication number Publication date
JP2025113442A (ja) 2025-08-01
US20250054153A1 (en) 2025-02-13
US20190266729A1 (en) 2019-08-29
US10346984B2 (en) 2019-07-09
US12165326B2 (en) 2024-12-10
US11450001B2 (en) 2022-09-20
JP2018083056A (ja) 2018-05-31
JP7195725B2 (ja) 2022-12-26
US20220383494A1 (en) 2022-12-01
US20200242770A1 (en) 2020-07-30
US10163209B2 (en) 2018-12-25
US20180144475A1 (en) 2018-05-24
US20180330503A1 (en) 2018-11-15
US10650522B2 (en) 2020-05-12
JP2023021266A (ja) 2023-02-10

Similar Documents

Publication Publication Date Title
JP7689942B2 (ja) 医用画像処理装置、医用画像処理方法及びｘ線ｃｔ装置
US20250064419A1 (en) Fractional flow reserve apparatus, system, and method
US12121385B2 (en) Medical image-processing apparatus, x-ray CT apparatus, and medical image-processing method performing fluid analysis to switch displayed color information
JP7032111B2 (ja) 医用画像処理装置、ｘ線ｃｔ装置及び医用画像処理プログラム
JP6981807B2 (ja) 医用情報処理装置、ｘ線ｃｔ装置、医用情報処理プログラム、医用情報処理方法及び医用情報処理システム
CN105101879A (zh) X射线ct装置及ct图像显示方法
JP7160659B2 (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
JP2018027307A (ja) 医用情報処理装置及びｘ線ｃｔ装置
JP6933498B2 (ja) 医用情報処理装置、ｘ線ｃｔ装置及び医用情報処理プログラム
US10842446B2 (en) Medical information processing apparatus, X-ray CT apparatus, and medical information processing method
US10159448B2 (en) X-ray CT apparatus, medical information processing apparatus, and medical information processing method
US20250064420A1 (en) Medical image processing apparatus, recording medium, and system
JP6873831B2 (ja) 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
WO2013187461A1 (ja) Ｘ線ｃｔ装置及び画像再構成方法
JP7258474B2 (ja) Ｘ線ｃｔ装置及び放射線治療システム
JP6943616B2 (ja) Ｘ線ｃｔ装置、医用情報処理装置及び医用情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231026

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240123

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20240322

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240523

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240821

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20241018

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20241218

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250206

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: 20250430

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250528

R150 Certificate of patent or registration of utility model

Ref document number: 7689942

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150