JPWO2012073769A1

JPWO2012073769A1 - 画像処理装置及び画像処理方法

Info

Publication number: JPWO2012073769A1
Application number: JP2012546799A
Authority: JP
Inventors: 後藤　良洋; 良洋後藤
Original assignee: Hitachi Medical Corp
Current assignee: Hitachi Healthcare Manufacturing Ltd
Priority date: 2010-11-29
Filing date: 2011-11-24
Publication date: 2014-05-19
Anticipated expiration: 2031-11-24
Also published as: US20130243288A1; US8958616B2; WO2012073769A1; CN103228214B; JP5943353B2; CN103228214A

Abstract

複数ある処理アルゴリズムの中から、処理対象とする画像の部位及び処理目的に応じて最適な処理アルゴリズムを選択して適用することが可能な画像処理装置を提供するために、基準とする画像について、着目領域の重心を中心として画素値を積算した基準特性曲線データを算出し、該基準特性曲線データと処理目的に応じた処理アルゴリズムとを少なくとも部位別に対応付けて予めアルゴリズムテーブル2に記憶しておく。また、CPU101は、処理対象とする画像について、上述の特性曲線データ(対象特性曲線データ)を算出し、アルゴリズムテーブル2に記憶された基準特性曲線データとの比較結果に基づいて、最も相関の高い基準特性曲線データに対応付けられている処理アルゴリズムをアルゴリズムテーブル2から選択し、画像処理を行う。

Description

本発明は、CT画像、MR画像、US画像等、医用画像に対する画像処理に関する。

従来より、CT(Computed Tomography)画像、MR(Magnetic Resonance)画像、US(Ultrasound)画像等の医用画像を用いた診断が行われている。また、これらの医用画像から観察対象となる部位を抽出したり、不必要な領域を除去したりして診断に都合のよい画像を作成するための各種画像処理手法が提案されている。また、医用画像から異常陰影を検出するCAD(Computer Aided Diagnosis)と呼ばれるコンピュータ支援診断装置も開発されている。このように医用画像に対する種々の処理目的に対応した処理アルゴリズムが多数開発されている。

ところで、医用画像は撮影部位や検査の種類に応じて異なる特徴を示す。このため、同じ処理目的であっても部位に応じて異なるプロセスで処理を行う方が効率がよい。例えば、医用画像から異常陰影を検出する際は、撮影部位や診断内容に応じて異なる異常陰影検出アルゴリズムが適用される。例えば、頭部と腹部とでは異なる異常陰影検出アルゴリズムが適用される。医用画像に適切な異常陰影検出アルゴリズムを選択する装置として、例えば、特許文献1に示す異常陰影検出装置等が提案されている。

特許文献1では、被検体の部位毎に異常陰影検出アルゴリズムを記憶しておき、医用画像から異常陰影を検出する際は、異なる日時で撮影した解剖学的に同一部位の断層像のセットを作成し、各セットの断層像同士で差分をとり、また、その断層像の被検体部位を識別し、識別された部位に対する異常陰影検出アルゴリズムを選択して適用する異常陰影検出装置について記載されている。

特許第4401121号公報

しかしながら、上述の特許文献1では医用画像から撮影部位を識別する際に、対象とする画像(断層像)の前後の断層像との連続性や、特定画素値範囲の画素の分布形状等から判断していた。例えば頭部であるか否かは頭蓋骨に対応するCT値の高い楕円状の領域が画像に存在するか否かによって判断していた。また、頸部であるか否かは頭部スライスから連続的な領域であるか否かによって判断していた。また、胸部か否かはCT値がマイナス900以下で中空の閉領域が存在するか否かによって判断していた(特許文献1の明細書段落［0031］〜［0036］)。

また、撮影部位が同一で処理目的が同一であっても、画像の種類(検査の種類、撮影手法の種類、造影剤の有無等)が異なる場合には、別の処理アルゴリズムを適用した方が処理時間が短縮される場合がある。例えば、造影剤を使用しないで撮影した画像と造影剤を使用して撮影した画像とでは異なる特徴を示すため、異なる処理アルゴリズムとした方が高速に処理を行えることがある。

本発明は、以上の問題点に鑑みてなされたものであり、複数ある処理アルゴリズムの中から、処理対象とする画像の部位及び処理目的に応じて最適な処理アルゴリズムを選択して適用することが可能な画像処理装置等を提供することを目的とする。

前述した目的を達成するために、第1の発明は、医用画像に対して所定の処理アルゴリズムを適用して画像処理を行う画像処理装置であって、基準とする画像について、着目領域の任意の点を中心として画素値を演算した基準特性曲線データを算出し、該基準特性曲線データと部位とを対応付けて予め記憶する記憶部と、処理対象とする画像について、着目領域の任意の点を中心として画素値を演算した対象特性曲線データを算出する算出部と、前記算出部により算出された対象特性曲線データと前記記憶部に記憶された基準特性曲線データとを比較する比較部と、前記比較部による比較の結果、前記対象特性曲線データと相関の高い基準特性曲線データに対応付けて記憶されている処理アルゴリズムを前記記憶部から選択する選択部と、前記選択部により選択された部位に応じた処理アルゴリズムを適用した画像処理を行う画像処理部と、を備えることを特徴とする画像処理装置である。

第2の発明は、医用画像に対して所定の処理アルゴリズムを適用して画像処理を行う画像処理方法であって、基準とする画像について、着目領域の任意の点を中心として画素値を演算した基準特性曲線データを算出し、該基準特性曲線データと部位とを対応付けて予め記憶する記憶ステップと、処理対象とする画像について、着目領域の任意の点を中心として画素値を演算した対象特性曲線データを算出する算出ステップと、前記算出ステップにより算出された対象特性曲線データと前記記憶ステップに記憶された基準特性曲線データとを比較する比較ステップと、前記比較ステップによる比較の結果、前記対象特性曲線データと相関の高い基準特性曲線データに対応付けて記憶されている処理アルゴリズムを前記記憶ステップから選択する選択ステップと、前記選択ステップにより選択された部位に応じた処理アルゴリズムを適用した画像処理を行う画像処理ステップと、を備えることを特徴とする画像処理方法である。

本発明により、複数ある処理アルゴリズムの中から、処理対象とする画像の部位及び処理目的に応じて最適な処理アルゴリズムを選択して適用することが可能な画像処理装置等を提供できる。

画像処理装置100の全体構成を示す図本発明に係る画像処理装置100に記憶されるアルゴリズムテーブル2の一例を示す図アルゴリズム選択処理の流れを説明するフローチャート (a)CT画像からの動径上画素値データの取得を説明する図、(b)二値画像からの動径上画素値データの取得を説明する図、(a)二値画像からの円周上画素値データの取得を説明する図 (a)胸部断層像(造影剤なし)30の一例、(b)胸部断層像(造影剤なし)30の二値画像から抽出された動径上画素値データ3Aの一例、(c)胸部断層像(造影剤なし)30の二値画像から抽出された円周上画素値データ3Bの一例 (a)胸部断層像(造影剤あり)40の一例、(b)胸部断層像(造影剤あり)40の二値画像から抽出された動径上画素値データ4Aの一例、(c)胸部断層像(造影剤なし)40の二値画像から抽出された円周上画素値データ4Bの一例 (a)胸部上部端断層像(造影剤なし)50の一例、(b)胸部上部端断層像(造影剤なし)50の二値画像から抽出された動径上画素値データ5Aの一例、(c)胸部上部端断層像(造影剤なし)50の二値画像から抽出された円周上画素値データ5Bの一例 (a)腹部断層像(造影剤あり)60の一例、(b)腹部断層像(造影剤あり)60の二値画像から抽出された動径上画素値データ6Aの一例、(c)腹部断層像(造影剤あり)60の二値画像から抽出された円周上画素値データ6Bの一例断層像の部位を示す部位提示画像82について説明する図造影剤あり胸部画像について適用する肋骨抽出アルゴリズムの一例造影剤あり胸部画像の肋骨抽出アルゴリズムについて説明する図 (a)肋骨除去処理前の胸部MIP画像91(b)肋骨除去処理後の胸部MIP画像92 造影剤なし胸部画像について適用する肋骨抽出アルゴリズムの一例造影剤なし胸部画像から肋骨を除去して構成されたMIP画像93 ノイズ除去処理を説明するフローチャート特性曲線データ抽出の別の例(渦巻き状) 特性曲線データ抽出の別の例(動径の中心を被検体外に設定した例) 第2の実施の形態のアルゴリズムテーブル200の一例を示す図画像211から算出した基準特性曲線データ(動径上画素値データ311)の一例画像211から算出した基準特性曲線データ(円周上画素値データ312)の一例画像211から算出した基準特性曲線データ(x方向加算データ313、y方向加算データ314)の一例頭部天辺部の断面図213の模式図頭部眼球付近の断面図214の模式図胸部断面図215の模式図脚部断面図216の模式図第2の実施の形態のアルゴリズム選択処理の流れを説明するフローチャート

以下図面に基づいて、本発明の実施形態を詳細に説明する。
［第1の実施の形態］
まず、図1を参照して、本発明の画像処理装置100を適用する画像処理システム1の構成について説明する。

図1に示すように、画像処理システム1は、表示装置107、入力装置109を有する画像処理装置100と、画像処理装置100にネットワーク110を介して接続される画像データベース111と、医用画像撮影装置112とを備える。

画像処理装置100は、画像生成、画像解析等の処理を行うコンピュータである。

画像処理装置100は、図1に示すように、CPU(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス113を介して接続されている。

CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス113を介して接続された各部を駆動制御し、画像処理装置100が行う各種処理を実現する。

また、第1の実施の形態において、CPU101は、処理対象とする画像に対して目的とする処理を行う際に、後述するアルゴリズム選択処理(図3)を実行し、最適な処理アルゴリズムを選択して適用する。アルゴリズム選択処理については後述する。

主メモリ102は、ROM(Read Only Memory)、RAM(Random Access Memory)等により構成される。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持している。また、RAMは、ROM、記憶装置103等からロードしたプログラム、データ等を一時的に保持するとともに、CPU101が各種処理を行う為に使用するワークエリアを備える。

記憶装置103は、HDD(ハードディスクドライブ)や他の記録媒体へのデータの読み書きを行う記憶装置であり、CPU101が実行するプログラム、プログラム実行に必要なデータ、OS(オペレーティングシステム)等が格納される。プログラムに関しては、OSに相当する制御プログラムや、アプリケーションプログラムが格納されている。これらの各プログラムコードは、CPU101により必要に応じて読み出されて主メモリ102のRAMに移され、各種の手段として実行される。

また、記憶装置103には、図2に示すアルゴリズムテーブル2が格納されている。

図2に示すように、アルゴリズムテーブル2には、基準とする画像から算出された基準特性曲線データD1，D2，・・・と処理アルゴリズムA1，A2，・・・とが対応付けて登録されている。基準特性曲線データD1，D2，・・・は少なくとも部位(位置番号P1，P2，・・・)別に算出される。好ましくは部位に加え、画像の種類(検査の種類、撮影手法の種類)別に算出される。画像の種類としては、例えば造影剤の有無が挙げられる。このようなアルゴリズムテーブル2が、処理目的別に複数用意される。

基準特性曲線データD1，D2，・・・は、後述するアルゴリズム選択処理において対象特性曲線データとの比較の基準となるデータである。

また、基準特性曲線データD1，D2，・・・は、着目領域の重心を中心として断層像の画素値分布を演算した特性曲線である。

具体的には、
(1)着目領域の重心を中心として回転する動径A上の各点の画素値を回転角度θ毎に積算した動径上画素値データ(図4(a)、(b)参照)、
(2)着目領域の重心を中心とする円周B上の各点の画素値を半径Ri毎に積算した円周上画素値データ(図4(c)参照)、
(3)着目領域の重心を中心とする楕円円周上の各点の画素値を楕円の径(短径または長径のいずれか)Re毎に積算した楕円上画素値データ(不図示)
(4)着目領域の重心を中心として回転する動径A上の各点の画素値に、例えば重心からの距離に応じた重み係数を乗じて回転角度θ毎に重み付け加算した動径上画素値データ、
(5)着目領域の重心を中心とする円周B上の各点の画素値に、例えば動径Aの回転角に応じた重み係数を乗じて、半径Ri毎に重み付け加算した円周上画素値データ、
等が、上述の基準特性曲線データとして算出される。

なお、基準特性曲線データは、頭部、頸部、胸部、腹部、腰部、脚部等の各部位から代表的な1断面について算出するようにしてもよいし、各部位について複数断面分算出してもよい。各部位の複数断面の基準特性曲線データを算出し、アルゴリズムテーブル2に登録しておけば、対象特性曲線データとの比較の際に、対象断面のみならず、前後の断面との比較を行うことも可能となり、より正確に比較結果を得ることが可能となる。

図2において、A1，A2，A3，A4，・・・はアルゴリズムの識別番号であり、N1，N2，N3，N4，・・・は基準特性曲線データD1，D2，D3，D4，・・・のサンプリング点数であり、P1，P2，P3，P4，・・・は基準特性曲線データD1，D2，D3，D4，・・・の基となる画像の解剖学的な位置を表す番号であり、D1，D2，D3，D4，・・・は基準特性曲線データである。

基準特性曲線データD1，D2，D3，D4，・・・のサンプリング点数は、規格化のために用いられるものである。すなわち、基準特性曲線データと比較される対象特性曲線データとのサンプリング点数を同数となるように規格化すれば被検体の体格差によらず正確に比較できるようになる。

アルゴリズムテーブル2に登録されている各処理アルゴリズムは記憶装置103に記憶されている。

通信I/F104は、通信制御装置、通信ポート等を有し、画像処理装置100とネットワーク110との通信を媒介する。また通信I/F104は、ネットワーク110を介して、画像データベース111や、他のコンピュータ、或いは、X線CT装置、MRI装置等の医用画像撮影装置112との通信制御を行う。

I/F106は、周辺機器を接続させるためのポートであり、周辺機器とのデータの送受信を行う。例えば、マウス108やスタイラスペン等のポインティングデバイスをI/F106を介して接続させるようにしてもよい。

表示メモリ105は、CPU101から入力される表示データを一時的に蓄積するバッファである。蓄積された表示データは所定のタイミングで表示装置107に出力される。

表示装置107は、液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路で構成され、表示メモリ105を介してCPU101に接続される。表示装置107はCPU101の制御により表示メモリ105に蓄積された表示データを表示する。

入力装置109は、例えば、キーボード等の入力装置であり、操作者によって入力される各種の指示や情報をCPU101に出力する。操作者は、表示装置107、入力装置109、及びマウス108等の外部機器を使用して対話的に画像処理装置100を操作する。

なお、表示装置107及び入力装置109は、例えば、タッチパネルディスプレイのように一体となっていてもよい。この場合、入力装置109のキーボード配列がタッチパネルディスプレイに表示される。

ネットワーク110は、LAN(Local Area Network)、WAN(Wide Area Network)、イントラネット、インターネット等の各種通信網を含み、画像データベース111やサーバ、他の情報機器等と画像処理装置100との通信接続を媒介する。

画像データベース111は、医用画像撮影装置112によって撮影された画像データを蓄積して記憶するものである。図1に示す画像処理システム1では、画像データベース111はネットワーク110を介して画像処理装置100に接続される構成であるが、画像処理装置100内の例えば記憶装置103に画像データベース111を設けるようにしてもよい。

次に、図3〜図17を参照して、第1の実施の形態に係る画像処理装置100の動作について説明する。

画像処理装置100のCPU101は、主メモリ102から図2に示すアルゴリズム選択処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて処理を実行する。

なお、以下の処理の実行開始に際して、基準とする画像についての基準特性曲線データD1，D2，D3，D4，・・・が算出され、図2に示すように記憶装置103のアルゴリズムテーブル2に登録されているものとする。また、部位及び画像の種類(例えば造影剤の有無等)別に、適用すべき処理アルゴリズムA1，A2，A3，A4，・・・が基準特性曲線データD1，D2，D3，D4，・・・に対応付けて登録されている。

また、演算対象とする画像(断層像)のデータは画像データベース111等からネットワーク110及び通信I/F104を介して取り込まれ、画像処理装置100の記憶装置103に記憶されているものとする。

画像は、X線CT装置、MRI装置、超音波装置等により撮影された画像である。以下の例では、2次元のアキシャルCT画像を用いるものとするが、コロナル画像、サジタル画像を利用することも可能である。

画像処理装置100のCPU101は、まず処理対象とする画像(CT画像)を取り込み、取り込んだ画像について特性曲線データを求める(ステップS1)。以下、処理対象とする画像について算出される特性曲線データを対象特性曲線データという。

ここで、特性曲線データの算出について説明する。

第1の実施の形態において、特性曲線(基準特性曲線データ、対象特性曲線データ)は着目領域の重心を中心として画像の画素値分布を積算したものである。

また以下の説明では、着目領域を被検体領域とし、動径Aや円周Bの中心を被検体領域の重心とする例について説明するが、着目領域を背骨領域とする等、特定の臓器を着目領域としてもよい。

動径上画素値データを特性曲線として取得する場合、図4(a)に示すように、CPU101は、着目領域の重心を中心として回転する動径Aを画像30上に設定し、動径A上の各点の画素値(図4(a)ではCT値)を回転角度θ毎に積算する。すると、図5(b)、図6(b)、図7(b)、図8(b)等に示すような回転角度θに対する画素値の積算値(動径上画素値データ)を得る。図5(b)、図6(b)、図7(b)、図8(b)は、横軸をθ、縦軸を積算値で表した動径上画素値データ3A，4A、5A、6Aの例である。回転角度θの幅は任意であるが、例えば、π/180［rad］毎とする。

また、図4(b)に示すように対象とする画像を所定の閾値によって二値化し、二値化した断層像(二値画像31)について動径上の各画素値(「1」または「0」)を積算することにより動径上画素値データを算出してもよい。二値画像31から動径上画素値データを算出する方が加算処理が容易であるため高速に処理できる。

また、円周上画素値データを特性曲線データとして取得する場合、図4(c)に示すように、CPU101は、着目領域の重心を中心とする円周Bを画像30または二値画像31上に設定し、円周B上の各点の画素値を半径Ri毎に積算する。すると、図5(c)、図6(c)、図7(c)、図8(c)等に示すような半径Riに対する画素値の積算値(円周上画素値データ)を得る。図5(c)、図6(c)、図7(c)、図8(c)は、横軸をRi、縦軸を積算値で表した円周上画素値データ3B，4B、5B、6Bの例である。半径Riの刻み幅は任意であるが、例えば、1画素毎とする。図4(c)は、二値画像31の各画素値(「1」または「0」)を積算した例であるが、CT画像から円周上画素値データを取得してもよい(不図示)。

また、上述の円周上画素値データの円Bを楕円とし、楕円上画素値データを特性曲線データとして取得してもよい。この場合、CPU101は、楕円円周上の各点の画素値を楕円の径(短径または長径のいずれか)Re毎に積算し、横軸をRe、縦軸を積算値で表した楕円上画素値データを生成する。楕円上画素値データについても動径上画素値データ、円周上画素値データと同様に、CT値または二値のいずれを演算対象として特性曲線データを取得してもよい(不図示)。

また、CT値を積算する場合、CPU101はCT値に依存する重み係数を乗じて加算するようにしてもよい。例えば、全画素で最大のCT値の逆数を重み係数として各画素値に乗じれば、加算値を小さくできるため、オーバーフローを防ぐことができる。

また被検体の体格に対応するため、被検体重心(動径Aの中心)から体表までの長さを規格化、すなわち体表までのサンプリング点数を規格化することが望ましい。または、サンプリング点数が異なる場合は、後述するステップS2(比較処理)において基準特性曲線との相関を計算する際に補間演算を行って、同じサンプリング点数とするようにしてもよい。

このように特性曲線データを規格化することにより、被検体画像が基準特性曲線データの基となる基準断層像と体格差があっても正確に比較することが可能となる。

図5〜図8は、部位の異なる断層像について算出した特性曲線データの例を示す図である。

図5(a)は、造影剤なし胸部断層像30であり、図5(b)は図5(a)の造影剤なし胸部断層像30の二値画像から抽出された動径上画素値データ3Aであり、図5(c)は図5(a)の造影剤なし胸部断層像30の二値画像から抽出された円周上画素値データ3Bである。

また、図6(a)は造影剤あり胸部断層像40であり、図6(b)は図6(a)の造影剤あり胸部断層像40の二値画像から抽出された動径上画素値データ4Aであり、図6(c)は図6(a)の造影剤あり胸部断層像40の二値画像から抽出された円周上画素値データ4Bである。

また、図7(a)は造影剤なし胸部上部端断層像50であり、図7(b)は図7(a)の造影剤なし胸部上部端断層像50の二値画像から抽出された動径上画素値データ5Aであり、図7(c)は図7(a)の造影剤なし胸部上部端断層像50の二値画像から抽出された円周上画素値データ5Bである。

また、図8(a)は造影剤あり腹部断層像60であり、図8(b)は図8(a)の造影剤あり腹部断層像60の二値画像から抽出された動径上画素値データ6Aであり、図8(c)は図8(a)の造影剤あり腹部断層像60の二値画像から抽出された円周上画素値データ6Bである。

図5〜図8に示すように、動径上画素値データ3A〜6A、円周上画素値データ3B〜6Bはそれぞれ部位及び造影剤の有無に応じて異なる曲線となる。図示しないが、楕円上画素値データについてもそれぞれ部位及び造影剤の有無に応じて異なる曲線を示す。

すなわち、例えば同じ胸部であっても、胸部の上部(肺尖部)か中央部かによって特性曲線は異なり、胸部と腹部とではさらに大きく差異が生じる。

頭部、頸部、腰部、脚部、足部等の他の部位の特性曲線データも同様に算出できる。

ステップS1において、対象特性曲線データ(動径上画素値データ、円周上画素値データ、或いは楕円上画素値データのうち少なくともいずれか一つ)を算出すると、次にCPU101は、記憶装置103に記憶されている各基準特性曲線データとステップS1において算出した対象特性曲線データとを比較する(ステップS2)。

ステップS2の比較処理は、例えば、対象特性曲線データと基準特性曲線データとの相関の大きさを算出することにより行う。

相関の大きさは、例えば、以下の式(1)に示すピアソンの積率相関係数を用いて算出できる。

また、より簡単に比較するには、例えば以下の式(2)、式(3)のいずれかを用いて各特性曲線データの間の曲線間距離を算出し、距離の最小となるものを最も相関が大きいものとしてもよい。

また、基準特性曲線データと対象特性曲線データとの比較は、動径上画素値データ(以下、A(θ)と表記することもある)同士、円周上画素値データ(以下、B(R)と表記することもある)同士、或いは楕円上画素値データ(以下、C(Re)と表記することもある)同士のように、同種の特性曲線データ同士を比較するようにしてもよいし、種類の異なる複数の特性曲線データを1本の曲線に結合して(例えば、A(θ)＋B(R)＋C(Re))、互いに比較するようにしてもよい。

また、胸部画像と腹部画像については、どちらも背骨が写っていて特徴にはならないので、これらの領域についての動径上画素値データは使用しないものとしてもよい。または、これらの領域の動径上画素値データに小さい重み係数WAを掛けて、動径上画素値データA(θ)、円周上画素値データB(R)、及び楕円上画素値データC(Re)を結合した曲線(WA×A(θ)＋WB×B(R)＋WC×C(Re))を比較してもよい。

次に、CPU101は、ステップS2における比較の結果、対象特性曲線データと相関が大きい基準特性曲線データに対応付けられている処理アルゴリズムをアルゴリズムテーブル2から選択する(ステップS3)。すなわち、上述の式(1)の積率相関係数の最も大きい基準特性曲線データ、或いは、上述の式(2)、(3)の曲線間距離の最も小さい基準特性曲線データに対応付けられている処理アルゴリズムを選択する。

また、CPU101は、ステップS2における比較の結果、対象特性曲線データと相関が大きい基準特性曲線データに対応付けられている位置番号(図2のアルゴリズムテーブル2のP1，P2，・・・)を取得し、その位置番号の部位を示す部位提示画像82を表示する(ステップS4)。

部位提示画像82の一例を図9に示す。
図9に示すように、表示装置107の表示画面には図9左図に示す画像処理操作画面が表示されるものとする。画像処理操作画面には、処理対象とする画像81、演算開始を指示する「演算」ボタン83、処理の終了を指示する「終了」ボタン84、上述の部位提示画像82等が表示される。また、図示しないが、画像処理操作画面において処理対象とする画像の選択、処理目的の選択等の操作を受け付ける操作ボタンや入力欄が設けられていてもよい。例えば、全身の断層像から骨を抽出する画像処理を行う場合、ユーザが処理対象を「全身」として選択すると、CPU101は全身の一連の断層像81を画像データベース111から取得する。また、処理目的として「骨抽出」が選択され(不図示)、「演算」ボタンが押下操作されると、図3のアルゴリズム選択処理が開始され、ステップS1の特性曲線算出処理、ステップS2の特性曲線の比較処理、ステップS3のアルゴリズム選択処理が行われる。すなわち、1枚目の断層像から順に対象特性曲線データが算出され、処理目的「骨抽出」のアルゴリズムテーブル2に格納されている全ての基準特性曲線データD1，D2，・・・と比較され、最も相関の高い基準特性曲線データに対応付けられている処理アルゴリズムが選択される。また、CPU101はステップS2の比較処理の結果に基づいて、処理中の断層像の部位(例えば、位置番号「P4」)を求め、人体画像等の上に該当位置85を明示した部位提示画像82を作成して表示する。
なお、ステップS4の部位提示画像82の表示処理は、省略してもよい。

その後、CPU101は、ステップS3にて選択された処理アルゴリズムを処理対象とする処理中の断層像81に適用し、画像処理を行う(ステップS5)。

上述のステップS2の比較処理において断層像81の対象特性曲線データが「造影剤あり」かつ「胸部」の基準特性曲線データとの相関が高いと判断された場合には、ステップS3で図10の処理アルゴリズムが選択される。また、ステップS2の比較処理で「造影剤なし」かつ「胸部」の基準特性曲線データとの相関が高いと判断された場合には、ステップS3で図13の処理アルゴリズムが選択されて適用される。

図10の「造影剤あり」肋骨抽出アルゴリズムでは、まず、対象とする画像を閾値処理し(ステップS21)、図11(a)の閾値処理後画像71に示すように、肋骨、石灰化領域、背骨、造影剤ありの高濃度領域を抽出する。

次に、CPU101は、抽出された領域のうち、面積最大の領域を予め削除する(ステップS22)。処理結果は、図11(b)の画像72のようになる。面積最大の領域を予め削除することにより、次ステップにて設定される楕円帯に接触しやすい領域が事前に除去される。

更に、肋骨と背骨だけを抽出するために、CPU101は肋骨領域に最もよくフィットする補助図形74を設定する。図11の例では、左右端の骨位置情報及び上下端の骨位置情報から、補助図形74として図11(c)に示すような楕円帯が設定される(ステップS23)。CPU101は、補助図形(楕円帯)74に接触する領域を骨領域として抽出する(ステップS24)。

この肋骨抽出処理の処理結果を参照すれば、他の軟部組織等の処理を行う際に骨領域を除去した処理を行うことができる。例えば、抽出された骨領域情報を使用して原CT画像の骨領域にマイナス100等の特定値を上書きすれば、骨領域が除去された画像を生成できる。例えば、図12(a)は胸部のMIP(maximum intensity projection)画像91であるが、図10の肋骨抽出処理によって抽出された骨領域情報を用いて、原CT画像(造影剤あり)の骨領域に特定の画素値(例えば、マイナス100等)を上書きし、これを各断面の断層像について繰り返し、骨除去された一連の断層像(ボリューム画像)を生成する。そして、骨除去された一連の断層像(ボリューム画像)を用いてMIP画像92を構成すると、図12(b)に示すような、肋骨が除去されたMIP画像92が生成される。
MIP画像に限らず、3次元画像の生成やその他の処理にも適用できる。

また例えば、図13の「造影剤なし」肋骨抽出アルゴリズムでは、まず、対象とする断層像を閾値処理し(ステップS31)、図14(a)の閾値処理後画像93に示すように、骨領域と石灰化領域を抽出する。

次に、CPU101は、肋骨領域に最もよくフィットする補助図形74を設定する。補助図形は、図7の例と同様に設定される(ステップS32)。CPU101は、補助図形(楕円帯)74に接触する領域を骨領域として抽出する(ステップS33)。

この「造影剤なし」肋骨抽出処理の処理結果を参照し、抽出された骨領域情報を使用して原CT画像の骨領域にマイナス100等の特定値を上書きすれば、他の軟部組織等の画像処理を行う際に、骨領域が除去された画像を生成できる。例えば、図13の肋骨抽出処理によって抽出された骨領域情報を用いて、原CT画像(造影剤なし)の骨領域に特定の画素値(例えば、マイナス100等)を上書きし、これを各断面の断層像について繰り返し、骨除去された一連の断層像(ボリューム画像)を生成する。そして、骨除去された一連の断層像を用いてMIP画像93を構成すると、図14に示すような、肋骨が除去され、石灰化領域が描画されたMIP画像93が生成される。

処理アルゴリズムは、図10や図13に示すような臓器抽出アルゴリズムの他、処理目的に応じて、臓器除去アルゴリズム、異常陰影検出アルゴリズム、異常陰影形状解析アルゴリズム、異常陰影の濃度解析アルゴリズム、ノイズ除去アルゴリズム等としてもよい。
これらの処理アルゴリズムは、いずれも基準特性曲線データと対応付けて該当する処理目的のアルゴリズムテーブル2に登録される。

また、これらの処理アルゴリズムは、更に造影剤の有無等の画像の種類別に用意されることが望ましい。

例えば、処理目的として「ノイズ除去」が選択された場合は、ノイズ除去アルゴリズムが部位別に複数登録されたアルゴリズムテーブル2を参照して図15のアルゴリズム選択処理が行われる。

図15に示すように、まず、CPU101は、処理対象とする画像について特性曲線データ(動径上画素値データ、円周上画素値データ、及び楕円上画素値データのいずれか一つ以上)を抽出し(ステップS41)、「ノイズ除去」用のアルゴリズムテーブル2に登録されている各基準特性曲線データと比較して、最も近い(相関の高い)アルゴリズムを選択する(ステップS42)。そして、選択されたアルゴリズムを処理対象とする画像に適用する(ステップS43)。比較の結果、胸部画像と判定された場合には、ノイズフィルタとしてメジアンフィルタを採用したり、脚部画像と判定された場合には平滑化処理を行ったりすればよい。

更に、各処理アルゴリズムにて利用するパラメータを、部位別、画像の種類別、または処理目的別に基準特性曲線データに対応付けてアルゴリズムテーブル2に登録しておくことが望ましい。

例えば、図10や図13に示す肋骨抽出アルゴリズムにおいて、閾値処理(ステップS21、ステップS31)の閾値を、部位や造影剤の有無によってそれぞれ予め登録しておくようにしてもよい。

また、処理アルゴリズムは同じで使用するパラメータが異なる場合があるが、この場合もアルゴリズムテーブル2に基準特性曲線データに対応付けて使用するパラメータを予め登録すればよい。

以上説明したように、第1の実施の形態の画像処理装置100は、基準とする画像について、着目領域の重心を中心として画素値を積算した基準特性曲線データを算出し、該基準特性曲線データと処理目的に応じた処理アルゴリズムとを少なくとも部位別に対応付けて予めアルゴリズムテーブル2に記憶しておく。また、CPU101は、処理対象とする画像について、着目領域の重心を中心として画素値を積算した対象特性曲線データを算出し、算出した対象特性曲線データとアルゴリズムテーブル2に記憶された基準特性曲線データとを比較し、比較結果に基づいて、対象特性曲線データと最も相関の高い基準特性曲線データに対応付けられている処理アルゴリズムをアルゴリズムテーブル2から選択し、選択された処理アルゴリズムを適用した画像処理を行う。

また、基準特性曲線データ及び対象特性曲線データは、断層像の着目領域の重心を中心とする動径A上の画素値を動径Aの回転角度θ毎に加算した動径上画素値データとする。

また、基準特性曲線データ及び対象特性曲線データは、断層像の着目領域の重心を中心とする円周B上の画素値を半径R毎に加算した円周上画素値データとしてもよい。

また、基準特性曲線データ及び対象特性曲線データは、断層像の着目領域の重心を中心とする楕円円周上の画素値を該楕円の径毎に加算した楕円上画素値データとしてもよい。

このように、断層像から動径上画素値データ、円周上画素値データ、または楕円上画素値データのような画像の画素値分布の特徴を表す特性曲線データから少なくとも被検体の部位を特定して適切な処理アルゴリズムを選択して画像処理を行うことが可能となる。画像の部位に適した処理アルゴリズムを適用できるため、効率よく処理を行うことが可能となり、処理速度を高速化できる。また、処理対象とする画像が全身にわたる場合でも、部位に応じて適切な処理アルゴリズムを適用できるため、効率のよい画像処理を行えるようになる。

また、部位に加え、例えば造影剤の有無等の画像の種類別に、処理アルゴリズムを基準特性曲線データと対応付けて記憶しておけば、同一部位であっても画像の種類に応じて最適な処理アルゴリズムを適用できる。このため、更に処理速度を高速化できる。

更に処理アルゴリズムにて利用するパラメータについても、基準特性曲線データに対応付けてアルゴリズムテーブル2に登録しておけば、画像に最適なパラメータ及び処理アルゴリズムを用いて処理を行えるため、処理を正確に行えるようになる。

また、基準特性曲線データと対象特性曲線データとの比較結果に基づいて、処理対象とする断層像の位置情報を取得し、該位置情報を示す部位提示画像82を生成し、表示するようにすれば、ユーザは断層像の位置を容易に確認できるようになり、利便性の高い操作環境を提供できる。

また、上述の特性曲線データは、断層像の画素値(CT値)を積算して求めてもよいし、断層像を二値化した二値画像の画素値(「1」または「0」)を積算して求めてもよい。

二値画像の画素値を積算する場合は、加算処理が容易となるため、処理速度が高速となる。

また、画素値(CT値)を積算する場合には、オーバーフローを防ぐため、CT値に依存する重み係数を掛けて加算するようにしてもよい。

また、算出した特性曲線データはサンプリング点数を規格化することが望ましい。或いは、相関度を計算する際に補間によりサンプリング点数を同点数として演算することが望ましい。このように、サンプリング点数を揃えることにより、被検体の体格差等に依存せずに正確に相関度を求めることが可能となる。

次に、第1の実施の形態にて医用画像から抽出(算出)される特性曲線データの別の例について説明する。

図16に示すように、特性曲線データを、着目領域の重心を中心とし、渦巻き状曲線D上の画素値をサンプリングした配列データとしてもよい。図16(a)に示すように、CT画像からCT値をサンプリングしてもよいし、図16(b)に示すように、二値化した二値画像の画素値(「1」または「0」)をサンプリングしてもよい。図16(a)から得られる特性曲線データの一例は、横軸を渦巻き状曲線の曲線長、縦軸をCT画像からサンプリングされたCT値とCT値に依存する重み係数とを乗じた値として描かれる曲線である。また図16(b)から得られる特性曲線データの一例は、横軸を渦巻き状曲線の曲線長、縦軸を1または0の画素値として描かれる曲線である。

この例のように渦巻き状に画素値をサンプリングした特性曲線データは、画素値を積算しないで算出されるため、高速に特性曲線データを抽出できる。また、要求する処理速度に応じてサンプリング点数を粗くとるようにすれば、更に高速に特性曲線データを抽出できる。

また、特性曲線データを算出する際に使用する動径、円周、楕円の原点を体外に設定してもよい。

図17(a)の例は、被検体下側に接する直線と左側に接する直線との交点とを原点とする動径Eを設定し、CT画像30から動径E上のCT値を回転角度θ毎に積算する例を示している。

また、図17(b)の例は、被検体下側に接する直線と左側に接する直線との交点とを原点とする動径Eを設定し、二値画像31から動径E上の二値を回転角度θ毎に積算する例を示している。

また、図17(c)の例は、被検体下側に接する直線と左側に接する直線との交点とを原点とする円周Fを設定し、二値画像31から円周F上の二値を半径Ri毎に積算する例を示している。

このように、特性曲線データを抽出するための動径、円周、楕円の原点の位置は任意である。

また、特性曲線データを算出する際に使用する動径の形状は直線に限定する必要はない。例えば、臓器形状に沿って湾曲した曲線の動径を設定すれば、より特徴的な特性曲線データを求めることも可能である。

［第2の実施の形態］
次に、第2の実施の形態に係る画像処理装置100(画像処理システム1)について説明する。

第2の実施の形態の画像処理装置100のハードウエア構成は図1に示す第1の実施の形態の画像処理装置100と同一である。第1の実施の形態の画像処理装置100と同一の構成要素については、同一の符号を付し、重複説明を省略するものとする。

第2の実施の形態の画像処理装置100のCPU101は、処理対象とする画像(以下、処理画像)に対して目的とする処理を行う際に、後述するアルゴリズム選択処理(図26参照)を実行し、最適な処理アルゴリズムを選択して適用する。

また、第2の実施の形態の画像処理装置100の記憶装置103には、図18に示すアルゴリズムテーブル200が記憶されている。

図18に示すアルゴリズムテーブル200は、基準画像の特徴を示す基準特性曲線データと、処理目的に応じた処理アルゴリズムとが部位別に対応付けて記憶されている。更に、基準画像の解剖学的特徴と処理アルゴリズムとが対応付けて記憶されている。

基準画像とは、各部位、各画像種別の画像のうち、特徴抽出或いは比較の基準となる画像である。後述するアルゴリズム選択処理では、基準画像から予め求められている解剖学的特徴や特性曲線(基準特性曲線データ)等が、処理画像の解剖学的特徴や特性曲線と比較され、その結果、処理画像の被検体部位や画像種別が判定される。

基準特性曲線データとしては、第1の実施の形態において説明した基準特性曲線データを用いればよい。すなわち、(1)基準画像211の着目領域の重心を中心として回転する動径上の各点の画素値を回転角度θ毎に積算した動径上画素値データ311(図19参照)、(2)基準画像211の着目領域の重心を中心とする円周上の各点の画素値を半径Ri毎に積算した円周上画素値データ312(図20参照)とすればよい。

また、第1の実施の形態に示すように、(3)着目領域の重心を中心とする楕円円周上の各点の画素値を楕円の径(短径または長径のいずれか)Re毎に積算した楕円上画素値データ、(4)着目領域の重心を中心として回転する動径上の各点の画素値に、例えば重心からの距離に応じた重み係数を乗じて回転角度θ毎に重み付け加算した動径上画素値データ、(5)着目領域の重心を中心とする円周上の各点の画素値に、例えば動径の回転角に応じた重み係数を乗じて、半径Ri毎に重み付け加算した円周上画素値データ、等を上述の基準特性曲線データとして利用してもよい。

更に、図21に示すように、基準特性曲線データとして、基準画像211のx方向同列にある画素の画素値を加算した曲線(x方向加算データ313)、基準画像211のy方向同列にある画素の画素値を加算した曲線(y方向加算データ314)等を基準特性曲線データとして用いてもよい。

ここで、解剖学的特徴について説明する。

解剖学的特徴とは、被検体の体軸方向の部位毎にそれぞれ表れる画像の特徴である。部位とは、例えば、脚部、腹部、胸部、肩部、頚部、頭部等である。

画像の濃度分布から、骨の配置や被検体に対する骨の割合、或いは空気領域の存在を認識できる。例えば、図22、図23に示す画像213、214は脳の画像であり、符号213b、214bは骨領域であるが、脳の中心付近213aには骨が存在しないという解剖学的特徴がある(ただし、石灰化した領域が若干存在する場合がある)。すなわち、一般には、被検体中心付近に存在する高濃度領域の割合から脳の画像か否かを判断できる。

ただし、頭部は、図22の画像213に示すような天辺部と、図23の画像214に示すような眼球付近とで、画像処理に適用するアルゴリズムを変えた方がよい場合がある。
したがって、頭部の解剖学的特徴を示す画像であっても、更に部位を細分化して、各部で異なる処理アルゴリズムを適用すべきである。

また、図24は肺野を示す画像215である。

図24に示すように、肺野では被検体内部にCT値(画素値)が小さく、面積としては極めて大きな空気領域215a，215bが存在するという解剖学的特徴がある。

また、図25は、脚部を示す画像216である。

図25に示すように、脚部では左右にほぼ等しい面積を有する2つの骨領域216a，216bと、左右の骨領域の間に骨の全くない領域216cとが存在するという解剖学的特徴がある。

このように、解剖学的特徴から直ちに部位が判断でき、適用すべき処理アルゴリズムが1対1で決定できる場合がある。

また、部位によっては、更に細分化された部位または画像種別に応じて、画像処理の際に適用すべき処理アルゴリズムが異なる場合もある。

また、画像から解剖学的特徴を見出せないものもある。

第2の実施の形態では、特性曲線による処理アルゴリズム選択に先立ち、まず、細分化された部位や画像種別等により処理アルゴリズムを変更しなくてもよい特定の部位の画像についてはその解剖学的特徴から適用すべき処理アルゴリズムを1対1で決定する。また、細分化された部位や画像種別等により処理アルゴリズムを変更すべき画像については、特性曲線を算出し、算出した特性曲線と解剖学的特徴によって決定される特定の複数の基準特性曲線データとの相関判定を行って、その結果により適用すべき処理アルゴリズムを決定する。更に、解剖学的特徴と処理アルゴリズムとが関連付けられていない画像については、その画像から算出される特性曲線と基準特性曲線データとの相関判定を行って、その結果により適用すべき処理アルゴリズムを決定する。

第2の実施の形態のアルゴリズムテーブル200について、図18を参照して説明する。
アルゴリズムテーブル200には、アルゴリズムと解剖学的特徴とが1対1で対応付けられるアルゴリズムA21，A22，A23・・・、1対多(グループ)で対応付けられるアルゴリズムAn_01，An_02，An_03，・・・、及びその他(解剖学的特徴との対応付けがないもの)のアルゴリズムAm，Am＋1，・・・が格納されている。

例えば、アルゴリズムA21，A22，A23・・・は、それぞれ解剖学的特徴C21、C22，C23と1対1で対応付けられている。後述するアルゴリズム選択処理(図26参照)では、処理画像から抽出した解剖学的特徴が、アルゴリズムと1対1で対応付けられているものである場合は、直ちに対応付けられた処理アルゴリズムを選択し、画像処理に適用する。

また、アルゴリズムAn_01，An_02，An_03，An_04，An＋1_01，An＋1_02，・・・は、解剖学的特徴と1対多の関係で対応付けられている。解剖学的特徴Cnを示す部位(図18の例では胸部)は、体軸方向上部と下部とでそれぞれ適用すべきアルゴリズムが異なり、更に造影剤の有無によってもそれぞれ適用すべきアルゴリズムが異なる。そのため、より正確な部位や造影剤の有無を画像の特徴から判定するために、図19〜図21等に示す特性曲線を用いる。基準特性曲線データとアルゴリズムとは1対1の関係で対応付けられている。後述するアルゴリズム選択処理では、処理画像から抽出した解剖学的特徴Cnが、アルゴリズムと1対多で対応付けられているものである場合は、解剖学的特徴Cnに対応付けられている複数の基準特性曲線データD21〜D24と処理画像から算出される特性曲線との相関判定を行って、相関度の高い基準特性曲線データを決定し、その基準特性曲線データに対応付けられているアルゴリズムを選択し、適用する。

また、アルゴリズムAm，Am＋1，・・・は、いずれの解剖学的特徴とも対応付けられていない。ただし、アルゴリズムAm，Am＋1は、基準特性曲線データDm，Dm＋1，・・・と1対1で対応付けられている。

後述するアルゴリズム選択処理では、処理画像から特定の解剖学的特徴を抽出できない場合には、処理画像から算出される特性曲線と、いずれの解剖学的特徴とも対応付けられていない基準特性曲線データDm，Dm＋1，・・・との相関判定を行って、相関度の高い基準特性曲線データを決定し、その基準特性曲線データに対応付けられているアルゴリズムを選択し、適用する。

次に、図26を参照して、第2の実施の形態の画像処理装置100の動作について説明する。
画像処理装置100のCPU101は、主メモリ102から図26に示すアルゴリズム選択処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて処理を実行する。

画像処理装置100のCPU101は、まず処理対象とする画像(CT画像)を取り込み、取り込んだ画像について解剖学的特徴を求める(ステップS51)。

次に、CPU101は、ステップS51で求めた解剖学的特徴が、アルゴリズムと1対1で対応付けられている特定の解剖学的特徴であるかを判定する。すなわち、ステップS51で求めた解剖学的特徴が、特徴C21であれば(ステップS52；Yes)、アルゴリズムテーブル200からこの解剖学的特徴C21と1対1で対応付けられているアルゴリズムA21を選択する(ステップS53)。また、ステップS51で求めた解剖学的特徴が、特徴C22であれば(ステップS54；Yes)、アルゴリズムテーブル200からこの解剖学的特徴C22と1対1で対応付けられているアルゴリズムA22を選択し(ステップS55)、ステップS51で求めた解剖学的特徴が、特徴C23であれば(ステップS56)、アルゴリズムテーブル200からこの解剖学的特徴C23と1対1で対応付けられているアルゴリズムA23を選択する(ステップS57)。

このように、まず、アルゴリズムと1対1で対応付けられている解剖学的特徴があれば、その解剖学的特徴に基づいてアルゴリズムを直ちに選択する。

ステップS51で求めた解剖学的特徴が、アルゴリズムと1対1で対応付けられている特定の解剖学的特徴と一致しなかった場合は(ステップS52，S53，S54のNo)、次に、CPU101は、処理画像について所定の特性曲線を算出する(ステップS58)。以下、処理対象とする画像について算出される特性曲線を対象特性曲線データという。ここで算出する対象特性曲線データは、アルゴリズムテーブル200に格納されている基準特性曲線データと同じ種類の特性曲線データとする。例えば、アルゴリズムテーブル200に格納されている基準特性曲線データが図19(b)に示すような、動径上画素値データ311である場合は、ステップS58でも同様の動径上画素値データ311を求めればよい。

CPU101は、ステップS51で算出した解剖学的特徴が、アルゴリズムと1対多(グループ)の関係で対応付けられているもの(すなわち、細分化された部位または画像種別によって異なるアルゴリズムを適用すべきもの)について、まず、どの解剖学的特徴を示すかを判定し、更にステップS58で算出した対象特性曲線データと、該当する解剖学的特徴に対応付けられているグループ内の基準特性曲線データとの相関判定を行って、アルゴリズムを選択する。

すなわち、ステップS51で算出した処理画像の解剖学的特徴が、特徴Cnであれば(ステップS59；Yes)、この解剖学的特徴Cnに対応付けられている複数の基準特性曲線データD21〜D24と、ステップS58で算出した対象特性曲線データとの相関判定を行う(ステップS60)。そして、相関度の高い基準特性曲線データに対応付けられているアルゴリズムをアルゴリズムテーブル200から選択する(ステップS61)。

同様に、ステップS51で算出した処理画像の解剖学的特徴が、特徴Cn＋1であれば(ステップS62；Yes)、この解剖学的特徴Cn＋1に対応付けられている複数の基準特性曲線データD25〜D26と、ステップS58で算出した対象特性曲線データとの相関判定を行う(ステップS63)。そして、相関度の高い基準特性曲線データに対応付けられているアルゴリズムをアルゴリズムテーブル200から選択する(ステップS61)。

ステップS51で求めた解剖学的特徴が、いずれのアルゴリズムとも対応付けられないものである場合は(ステップS62；No)、CPU101は、アルゴリズムテーブル200を参照し、残りの基準特性曲線データDm，Dm＋1，・・・(いずれの解剖学的特徴とも対応付けられていないもの)と、ステップS58で算出した対象特性曲線データとの相関判定を行い、相関度の高い基準特性曲線データに対応付けられているアルゴリズムをアルゴリズムテーブル200から選択する(ステップS64)。
以上のようにして、画像に適用すべき処理アルゴリズムが選択される。

なお、上述の処理手順において、ステップS59〜ステップS62の処理は必ずしも設けなくてもよく、解剖学的特徴による1対1でのアルゴリズム選択(ステップS51〜S57)の後、処理画像の特性曲線を算出し、この対象特性曲線データと、アルゴリズムテーブル200内の基準特性曲線データとの相関判定を行ってアルゴリズムを決定するようにしてもよい。

以上説明したように、第2の実施の形態の画像処理装置100は、基準画像の解剖学的特徴または基準特性曲線データと処理アルゴリズムとを対応付けて記憶したアルゴリズムテーブル200を有する。そして、アルゴリズム選択処理において、まず、CPU101は、処理画像から解剖学的特徴を抽出し、抽出された解剖学的特徴に対して1対1で対応付けられている処理アルゴリズムをアルゴリズムテーブル200から選択する。抽出された解剖学的特徴に対して処理アルゴリズムが1対1で対応付けられていない場合は、処理画像から画像の特徴を示す特性曲線を算出し、算出された特性曲線と相関の高い基準特性曲線データを決定し、決定された基準特性曲線データに対応付けられている処理アルゴリズムをアルゴリズムテーブル200から選択する。

したがって、解剖学的特徴から適用すべき処理アルゴリズムが直ちに決定できる場合には、処理画像の特性曲線の算出や、対象特性曲線データと基準特性曲線データとの相関判定等の処理が省略できるため、演算を高速に行うことができるようになる。

更に、解剖学的特徴から特定される部位が更に複数の部位に細分化されるか、または複数の画像種別に細分化される場合は、アルゴリズムテーブル200は、細分化された部位または画像種別毎に基準特性曲線データをグループ化して該当する解剖学的特徴に対応付けて記憶しておき、アルゴリズム選択処理において、処理画像から抽出された解剖学的特徴に対して処理アルゴリズムが1対1で対応付けられていない場合は、まず、当該解剖学的特徴に該当するグループに含まれる複数の基準特性曲線データをアルゴリズムテーブル200から読み出し、読み出された複数の基準特性曲線データのうち、特性曲線と相関の高い基準特性曲線データを決定し、決定された基準特性曲線データに対応付けられている処理アルゴリズムをアルゴリズムテーブル200から選択する。

アルゴリズムテーブル200には、解剖学的特徴に該当するグループに含まれる複数の基準特性曲線データを予め定義されているため、相関判定を行う基準特性曲線を限定でき、無駄な相関判定処理を省くことができ、更に演算の高速化を図ることが可能となる。

以上、添付図面を参照しながら本発明に係る画像処理装置の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

1 画像処理システム、100 画像処理装置、101 CPU、102 主メモリ、103 記憶装置、104 通信I/F、105 表示メモリ、106 I/F、107 表示装置、108 マウス、109 入力装置、2 アルゴリズムテーブル、30 胸部断層像(造影剤なし)、40 胸部断層像(造影剤あり)、50 胸部上部端断層像(造影剤なし)、60 腹部断層像(造影剤あり)、3A，4A，5A，6A 動径上画素値データ、3B，4B，5B，6B 円周上画素値データ、82 部位提示画像、91 造影剤あり胸部画像から構成される肋骨除去処理前のMIP画像、92 造影剤あり胸部画像から構成される肋骨除去処理後のMIP画像、93 造影剤なし胸部画像から構成される肋骨除去処理後のMIP画像、A 特性曲線データ抽出用の動径、B 特性曲線データ抽出用の円周、C 特性曲線データ抽出用の曲線(渦巻き状)、E 特性曲線データ抽出用の動径(原点が体外)、F 特性曲線データ抽出用の円周(原点が体外)、200 アルゴリズムテーブル、211〜215画像、311 動径上画素値データ、312 円周上画素値データ、313 x方向加算データ、314 y方向加算データ

画像処理装置100の全体構成を示す図本発明に係る画像処理装置100に記憶されるアルゴリズムテーブル2の一例を示す図アルゴリズム選択処理の流れを説明するフローチャート (a)CT画像からの動径上画素値データの取得を説明する図、(b)二値画像からの動径上画素値データの取得を説明する図、(c)二値画像からの円周上画素値データの取得を説明する図 (a)胸部断層像(造影剤なし)30の一例、(b)胸部断層像(造影剤なし)30の二値画像から抽出された動径上画素値データ3Aの一例、(c)胸部断層像(造影剤なし)30の二値画像から抽出された円周上画素値データ3Bの一例 (a)胸部断層像(造影剤あり)40の一例、(b)胸部断層像(造影剤あり)40の二値画像から抽出された動径上画素値データ4Aの一例、(c)胸部断層像(造影剤なし)40の二値画像から抽出された円周上画素値データ4Bの一例 (a)胸部上部端断層像(造影剤なし)50の一例、(b)胸部上部端断層像(造影剤なし)50の二値画像から抽出された動径上画素値データ5Aの一例、(c)胸部上部端断層像(造影剤なし)50の二値画像から抽出された円周上画素値データ5Bの一例 (a)腹部断層像(造影剤あり)60の一例、(b)腹部断層像(造影剤あり)60の二値画像から抽出された動径上画素値データ6Aの一例、(c)腹部断層像(造影剤あり)60の二値画像から抽出された円周上画素値データ6Bの一例断層像の部位を示す部位提示画像82について説明する図造影剤あり胸部画像について適用する肋骨抽出アルゴリズムの一例造影剤あり胸部画像の肋骨抽出アルゴリズムについて説明する図 (a)肋骨除去処理前の胸部MIP画像91(b)肋骨除去処理後の胸部MIP画像92 造影剤なし胸部画像について適用する肋骨抽出アルゴリズムの一例造影剤なし胸部画像から肋骨を除去して構成されたMIP画像93 ノイズ除去処理を説明するフローチャート特性曲線データ抽出の別の例(渦巻き状) 特性曲線データ抽出の別の例(動径の中心を被検体外に設定した例) 第2の実施の形態のアルゴリズムテーブル200の一例を示す図画像211から算出した基準特性曲線データ(動径上画素値データ311)の一例画像211から算出した基準特性曲線データ(円周上画素値データ312)の一例画像211から算出した基準特性曲線データ(x方向加算データ313、y方向加算データ314)の一例頭部天辺部の断面図213の模式図頭部眼球付近の断面図214の模式図胸部断面図215の模式図脚部断面図216の模式図第2の実施の形態のアルゴリズム選択処理の流れを説明するフローチャート

Claims

医用画像に対して所定の処理アルゴリズムを適用して画像処理を行う画像処理装置であって、
基準とする画像について、着目領域の任意の点を中心として画素値を演算した基準特性曲線データを算出し、該基準特性曲線データと部位とを対応付けて予め記憶する記憶部と、
処理対象とする画像について、着目領域の任意の点を中心として画素値を演算した対象特性曲線データを算出する算出部と、
前記算出部により算出された対象特性曲線データと前記記憶部に記憶された基準特性曲線データとを比較する比較部と、
前記比較部による比較の結果に基づき、前記対象特性曲線データと相関の高い基準特性曲線データに対応付けて記憶されている部位を前記記憶部から選択する選択部と、
前記選択部により選択された部位に応じた処理アルゴリズムを適用した画像処理を行う画像処理部と、
を備えることを特徴とする画像処理装置。
前記基準特性曲線データ及び前記対象特性曲線データは、
前記画像の着目領域の重心を中心とする動径上の画素値を動径の回転角度毎に加算した動径上画素値データであることを特徴とする請求項1に記載の画像処理装置。
前記基準特性曲線データ及び前記対象特性曲線データは、
前記画像の着目領域の重心を中心とする円周上の画素値を半径毎に加算した円周上画素値データであることを特徴とする請求項1に記載の画像処理装置。
前記基準特性曲線データ及び前記対象特性曲線データは、
前記画像の着目領域の重心を中心とする楕円円周上の画素値を該楕円の径毎に加算した楕円上画素値データであることを特徴とする請求項1に記載の画像処理装置。
前記基準特性曲線データは、造影剤の有無別に取得され、前記部位別及び画像の種類別に処理アルゴリズムと対応付けて前記記憶部に記憶されることを特徴とする請求項1に記載の画像処理装置。
前記記憶部は、前記処理アルゴリズムにて利用するパラメータを更に前記基準特性曲線データに対応付けて記憶することを特徴とする請求項1に記載の画像処理装置。
前記比較部による比較結果に基づいて、前記処理対象とする画像の位置情報を取得し、該位置情報を示す部位提示画像を表示する表示部を更に備えることを特徴とする請求項1に記載の画像処理装置。
前記比較部は、
対象とする画像を含む一連の断面位置の画像について、それぞれ対象特性曲線データと基準特性曲線データとを比較することを特徴とする請求項1に記載の画像処理装置。
前記比較部は、
前記相関を前記基準特性曲線データと前記対象特性曲線データとの曲線間距離に基づいて求めることを特徴とする請求項1に記載の画像処理装置。
前記基準特性曲線データ及び前記対象特性曲線データは、前記対象とする画像の画素値を重み付け加算し、または該画像を二値化した二値画像の画素値を積算して算出されることを特徴とする請求項1に記載の画像処理装置。
前記記憶部は、更に、前記基準画像の解剖学的特徴と前記処理アルゴリズムとを対応付けて記憶し、
前記選択部は、前記比較結果に基づく選択に先立ち、前記処理対象とする画像から前記解剖学的特徴を抽出し、抽出された前記解剖学的特徴に対して1対1で対応付けられている前記処理アルゴリズムを前記記憶部から選択することを特徴とする請求項1に記載の画像処理装置。
前記解剖学的特徴から特定される部位が更に複数の部位に細分化されるか、または複数の画像種別に細分化される場合は、
前記記憶部は、細分化された部位または画像種別毎に前記基準特性曲線データをグループ化して該当する前記解剖学的特徴に対応付けて記憶し、
前記選択部は、前記処理対象とする画像から抽出された前記解剖学的特徴に対して前記処理アルゴリズムが1対1で対応付けられていない場合は、まず、当該解剖学的特徴に該当するグループに含まれる複数の前記基準特性曲線データを前記記憶部から読み出し、読み出された複数の前記基準特性曲線データのうち、前記対象特性曲線データと相関の高い前記基準特性曲線データを決定し、決定された前記基準特性曲線データに対応付けられている前記処理アルゴリズムを前記記憶部から選択することを特徴とする請求項11に記載の画像処理装置。
前記解剖学的特徴は、被検体中央付近に存在する骨領域の割合、被検体の面積に対する肺野領域の割合、又は、2つの骨領域が存在し、該2つの骨領域の間に骨の無い領域が存在すること、のいずれかであることを特徴とする請求項11に記載の画像処理装置。
医用画像に対して所定の処理アルゴリズムを適用して画像処理を行う画像処理方法であって、
基準とする画像について、着目領域の任意の点を中心として画素値を演算した基準特性曲線データを算出し、該基準特性曲線データと部位とを対応付けて予め記憶する記憶ステップと、
処理対象とする画像について、着目領域の任意の点を中心として画素値を演算した対象特性曲線データを算出する算出ステップと、
前記算出ステップにより算出された対象特性曲線データと前記記憶ステップに記憶された基準特性曲線データとを比較する比較ステップと、
前記比較ステップによる比較の結果、前記対象特性曲線データと相関の高い基準特性曲線データに対応付けて記憶されている処理アルゴリズムを前記記憶ステップから選択する選択ステップと、
前記選択ステップにより選択された部位に応じた処理アルゴリズムを適用した画像処理を行う画像処理ステップと、を備えることを特徴とする画像処理方法。