JPWO2019003749A1 - 医用画像処理装置、方法およびプログラム - Google Patents
医用画像処理装置、方法およびプログラム Download PDFInfo
- Publication number
- JPWO2019003749A1 JPWO2019003749A1 JP2019526705A JP2019526705A JPWO2019003749A1 JP WO2019003749 A1 JPWO2019003749 A1 JP WO2019003749A1 JP 2019526705 A JP2019526705 A JP 2019526705A JP 2019526705 A JP2019526705 A JP 2019526705A JP WO2019003749 A1 JPWO2019003749 A1 JP WO2019003749A1
- Authority
- JP
- Japan
- Prior art keywords
- brain
- image
- brain image
- alignment
- regions
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 25
- 210000004556 brain Anatomy 0.000 claims abstract description 414
- 230000008859 change Effects 0.000 claims abstract description 91
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 206010012289 Dementia Diseases 0.000 description 10
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 206010003694 Atrophy Diseases 0.000 description 6
- 230000037444 atrophy Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 5
- 208000024806 Brain atrophy Diseases 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000003710 cerebral cortex Anatomy 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 206010008096 Cerebral atrophy Diseases 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000001638 cerebellum Anatomy 0.000 description 2
- 210000004720 cerebrum Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 210000003478 temporal lobe Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 1
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 210000004289 cerebral ventricle Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000002451 diencephalon Anatomy 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002888 effect on disease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000001259 mesencephalon Anatomy 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000001202 rhombencephalon Anatomy 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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]
-
- 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
- A61B6/501—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 the head, e.g. neuroimaging or craniography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Image Analysis (AREA)
Abstract
医用画像処理装置、方法およびプログラムにおいて、同一患者の撮影日時が異なる２つの脳画像間の変化量を精度よく取得する。分割部２２が、被検体の脳を含む第１の脳画像を複数の領域に分割された標準脳画像と位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割する。位置合わせ部２３が、第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像を、第１の脳画像と位置合わせする。変化量取得部２４が、位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する。
Description
本発明は、撮影日時が異なる同一被検体についての脳を含む脳画像を用いて、脳の変化量を求める医用画像処理装置、方法およびプログラムに関するものである。
高齢化社会の到来により、認知症疾患の患者が年々増加している。認知症は脳にアミロイドβと呼ばれるタンパク質が蓄積することによって脳の萎縮が進行し、認知能力が低下することにより発症する。認知症の治療法は存在しないため、脳の萎縮を早期に発見し、認知症の進行を遅らせるための治療を早期に開始することが生活の質を維持する上で重要である。
このような要望に応えるべく、近年、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）およびＰＥＴ（Positron Emission Tomography）等の核医学検査、並びにＣＴ（Computerized Tomography）装置により取得されるＣＴ画像およびＭＲＩ（Magnetic Resonance Imaging）装置により取得されるＭＲＩ画像によって脳の状態に関する情報が取得可能になってきている。例えば、脳の局所的な部位の血流および代謝の低下は、ＳＰＥＣＴおよびＰＥＴの画像を用いて、脳の局所的な部位の経時的な変化を求めることにより発見することができる。
一方、脳の萎縮については、ＭＲＩ画像によって脳の特定部位の容積を求め、容積の経時的な変化を比較することにより発見することができる。例えば、特許文献１には、撮影日時が異なる２つの脳画像の位置合わせを行い、その後２つの脳画像のそれぞれを組織領域（灰白質および白質）に領域分割し、組織領域毎に変化量を取得する手法が提案されている。
一方、例えばブロードマンの脳地図にしたがって領域分割された標準脳画像と、患者の脳画像とを位置合わせして、患者の脳画像を領域分割する手法が提案されている（特許文献２参照）。ここで、ブロードマンの脳地図においては、標準脳の大脳皮質の３次元領域内において、どの領域がどの脳機能（運動、言語、知覚、記憶、視覚、聴覚等）を司っているかが示されている。このように患者の脳画像を領域分割した上で、領域毎の容積の変化量を取得する手法が提案されている（非特許文献１，２）。非特許文献１，２に記載された手法においては、まず、患者の第１の脳画像と標準脳画像とを位置合わせして第１の脳画像を領域分割し、第１の脳画像よりも撮影日時が新しい患者の第２の脳画像と標準脳画像とを位置合わせして第２の脳画像を領域分割する。そして、第１の脳画像および第２の脳画像における対応する領域間における容積の変化量を取得している。
Subregional neuroanatomical change as a biomarker for Alzheimer's disease、Dominic Hollandら、Proceedings of the National Academy of Sciences、106巻、49号、20954-20959頁、2009/12/8
aBEAT: A Toolbox for Consistent Analysis of Longitudinal Adult Brain MRI、Yakang Daiら、Alzheimer's Disease Neuroimaging Initiative、April 3, 2013
ところで、脳の形状および大きさは、人によって大きく異なる。例えば、標準脳と比較して、個人の脳の形状および大きさは、最大で±１５％程度異なるものとなることが知られている。このため、患者の脳画像と標準脳画像とを位置合わせするためには、患者の脳画像を大きく変形する必要が生じる場合がある。一方、認知症による脳の萎縮の程度、すなわち脳の容積の変化量は年に数％である。上記非特許文献１，２に記載は、比較の対象となる患者の第１および第２の脳画像をそれぞれ標準脳画像と位置合わせをしている。この際、標準脳画像に対する第１および第２の脳画像それぞれの位置合わせのための変形の程度が大きくなることにより、変形による誤差も大きくなり。年にわずか数％という脳の変化量を精度よく取得することができない場合がある。
本発明は上記事情に鑑みなされたものであり、同一患者の撮影日時が異なる２つの脳画像間の変化量を精度よく取得することを目的とする。
本発明による医用画像処理装置は、被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割する分割部と、
第１の脳画像と撮影日時が異なる、上記被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせする位置合わせ部と、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する変化量取得部とを備える。
第１の脳画像と撮影日時が異なる、上記被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせする位置合わせ部と、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する変化量取得部とを備える。
なお、本発明による医用画像処理装置においては、変化量取得部は、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての容積変化量を算出するものであってもよい。
また、本発明による医用画像処理装置においては、容積変化量を表示部に表示する表示制御部をさらに備えるものであってもよい。
また、本発明による医用画像処理装置においては、位置合わせ部は、第１の脳画像に含まれる脳および第２の脳画像に含まれる脳における対応する領域間において、対応する画素位置の移動ベクトルを変化量として取得するものであってもよい。
また、本発明による医用画像処理装置においては、分割部は、第１の脳画像および標準脳画像間でのランドマークを用いた第１の位置合わせを行った後に、第１の脳画像および標準脳画像間での第２の位置合わせを行うものであってもよい。
この場合、第１の位置合わせは相似変換による位置合わせであり、第２の位置合わせは非線形変換による位置合わせであってもよい。
第１の位置合わせはランドマークを用いた位置合わせであるが、第２の位置合わせは、標準脳画像および第１の脳画像間での任意の領域を用いた位置合わせである。任意の領域を用いた位置合わせは、例えば、標準脳画像および第１の脳画像間の全領域を用いた位置合わせであってもよく、一部の領域のみを用いた位置合わせであってもよい。
「ランドマーク」とは、脳画像における特徴的な形状を有する領域であり、具体的には脳に含まれる脳溝および脳室等の特徴的な領域の少なくとも１つをランドマークとして用いることができる。
また、本発明による医用画像処理装置においては、位置合わせ部は、第１の脳画像および第２の脳画像間でのランドマークを用いた第３の位置合わせを行った後に、第１の脳画像および第２の脳画像間での第４の位置合わせを行うものであってもよい。
この場合、第３の位置合わせは剛体位置合わせであり、第４の位置合わせは非線形変換による位置合わせであってもよい。
第３の位置合わせはランドマークを用いた位置合わせであるが、第４の位置合わせは、第１の脳画像および第２の脳画像間で任意の領域を用いた位置合わせである。任意の領域を用いた位置合わせは、例えば、第１の脳画像および第２の脳画像間の全領域を用いた位置合わせであってもよく、一部の領域のみを用いた位置合わせであってもよい。
本発明による医用画像処理方法は、被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割し、
第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせし、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する。
第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせし、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する。
なお、本発明による医用画像処理方法をコンピュータに実行させるためのプログラムとして提供してもよい。
本発明による他の医用画像処理装置は、コンピュータに実行させるための命令を記憶するメモリと、
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割し、
第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせし、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する処理を実行する。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割し、
第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と、第１の脳画像とを位置合わせし、
第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する処理を実行する。
本発明によれば、被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とが位置合わせされることにより、第１の脳画像に含まれる脳が複数の領域に分割される。そして、第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と、第１の脳画像とが位置合わせされ、第１の脳画像と第２の脳画像との位置合わせの結果に基づいて第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量が取得される。本発明においては、第２の脳画像は第１の脳画像と位置合わせされるが、第１および第２の脳画像は同一被検体の画像であるため、第２の脳画像をそれほど大きく変形しなくても、第１の脳画像と精度よく位置合わせをすることができる。このため、第１の脳画像および第２の脳画像の双方を標準脳画像と位置合わせする場合と比較して、第１の脳画像に含まれる脳の各領域と、第２の脳画像に含まれる脳の各領域との間のわずかな変化量を精度よく取得することができる。
以下、図面を参照して本発明の実施形態について説明する。図１は、本発明の実施形態による医用画像処理装置を適用した、診断支援システムの概要を示すハードウェア構成図である。図１に示すように、診断支援システムでは、本実施形態による医用画像処理装置１、３次元画像撮影装置２、および画像保管サーバ３が、ネットワーク４を経由して通信可能な状態で接続されている。
３次元画像撮影装置２は、被検体である患者の診断対象となる部位を撮影することにより、その部位を表す３次元画像を医用画像として生成する装置であり、具体的には、ＣＴ装置、ＭＲＩ装置、およびＰＥＴ装置等である。３次元画像撮影装置２により生成された医用画像は画像保管サーバ３に送信され、保存される。なお、本実施形態においては、被検体である患者の診断対象部位は脳であり、３次元画像撮影装置２はＭＲＩ装置であり、被検体の脳を含む頭部のＭＲＩ画像を３次元の脳画像として生成する。
画像保管サーバ３は、各種データを保存して管理するコンピュータであり、大容量外部記憶装置およびデータベース管理用ソフトウェアを備えている。画像保管サーバ３は、有線あるいは無線のネットワーク４を介して他の装置と通信を行い、画像データ等を送受信する。具体的には３次元画像撮影装置２で生成された医用画像の画像データを含む各種データをネットワーク経由で取得し、大容量外部記憶装置等の記録媒体に保存して管理する。なお、画像データの格納形式およびネットワーク４経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）等のプロトコルに基づいている。なお、本実施形態においては、同一の被検体について、撮影日時が異なる複数の３次元の医用画像が画像保管サーバ３に保存されているものとする。また、画像保管サーバ３には、後述する標準脳画像の画像データも保存されているものとする。
医用画像処理装置１は、１台のコンピュータに、本発明の医用画像処理プログラムをインストールしたものである。コンピュータは、診断を行う医師が直接操作するワークステーションまたはパーソナルコンピュータでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。医用画像処理プログラムは、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ−ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。または、ネットワークに接続されたサーバコンピュータの記憶装置、もしくはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて医師が使用するコンピュータにダウンロードされ、インストールされる。
図２は、コンピュータに医用画像処理プログラムをインストールすることにより実現される医用画像処理装置の概略構成を示す図である。図２に示すように、医用画像処理装置１は、標準的なワークステーションの構成として、ＣＰＵ（Central Processing Unit）
１１、メモリ１２およびストレージ１３を備えている。また、医用画像処理装置１には、ディスプレイ１４、並びにキーボードおよびマウス等の入力部１５が接続されている。なお、ディスプレイ１４が表示部に対応する。
１１、メモリ１２およびストレージ１３を備えている。また、医用画像処理装置１には、ディスプレイ１４、並びにキーボードおよびマウス等の入力部１５が接続されている。なお、ディスプレイ１４が表示部に対応する。
ストレージ１３には、ネットワーク４を経由して画像保管サーバ３から取得した、被検体の脳画像、後述する標準脳画像および処理に必要な情報を含む各種情報が記憶されている。
また、メモリ１２には、医用画像処理プログラムが記憶されている。医用画像処理プログラムは、ＣＰＵ１１に実行させる処理として、同一被検体についての脳を含む、撮影日時が異なる第１および第２の脳画像を取得する画像取得処理、被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、第１の脳画像に含まれる脳を複数の領域に分割する分割処理、第１の脳画像と撮影日時が異なる、被検体の脳を含む第２の脳画像と第１の脳画像とを位置合わせする位置合わせ処理、第１の脳画像と第２の脳画像との位置合わせの結果に基づいて、第２の脳画像に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像に含まれる脳における対応する領域からの変化量を取得する変化量取得処理、並びに変化量をディスプレイ１４に表示する表示制御処理を規定する。
そして、ＣＰＵ１１がプログラムに従いこれらの処理を実行することにより、コンピュータは、画像取得部２１、分割部２２、位置合わせ部２３、変化量取得部２４および表示制御部２５として機能する。なお、医用画像処理装置１は、画像取得処理、分割処理、位置合わせ処理、変化量取得処理および表示制御処理をそれぞれ行う複数のプロセッサまたは処理回路を備えるものであってもよい。
画像取得部２１は、同一被検体の脳を含む、撮影日時が異なる２つの脳画像、すなわち第１の脳画像Ｂ１および第２の脳画像Ｂ２を画像保管サーバ３から取得する。なお、第１および第２の脳画像Ｂ１，Ｂ２が既にストレージ１３に記憶されている場合には、画像取得部２１は、ストレージ１３から第１および第２の脳画像Ｂ１，Ｂ２を取得するようにしてもよい。なお、第１の脳画像Ｂ１は、第２の脳画像Ｂ２よりも撮影日時が古いものとする。ここで、本実施形態においては、画像保管サーバ３に保管されているのは被検体の頭部を撮影することにより取得した脳画像であり、頭蓋骨等の脳以外の構造物も含まれる。また、画像取得部２１は、標準脳画像Ｂｓも画像保管サーバ３から取得する。
分割部２２は、第１の脳画像Ｂ１と複数の領域に分割された標準脳画像Ｂｓとを位置合わせすることにより、第１の脳画像Ｂ１に含まれる脳を複数の領域に分割する。ここで、標準脳画像Ｂｓとは、標準的な形状および大きさ、並びに標準的な濃度（画素値）を有する脳、すなわち標準脳を表す３次元の脳画像である。標準脳画像Ｂｓは、複数の健常者の頭部を３次元画像撮影装置により取得した複数の脳画像から脳を抽出し、抽出した複数の脳を平均することにより生成することができる。また、標準脳画像Ｂｓは、コンピュータグラフィックス等により作成されたものであってもよい。また、一人の健常者の脳画像を標準脳画像Ｂｓとして用いてもよい。
また、本実施形態においては、標準脳画像Ｂｓは、複数の領域に分割されている。分割の手法としては、例えば、ブロードマンの脳地図に基づいて、大脳皮質の３次元領域内において、大脳皮質を運動、言語、知覚、記憶、視覚および聴覚等の各機能を司る領域に分割する手法を用いることができる。また、大脳、間脳、中脳、後脳、小脳および延髄の６種類の領域に分割する手法、あるいは大脳を前頭葉、頭頂葉、側頭葉および後頭葉に分類する手法等、公知の任意の手法を用いることができる。なお、単純に脳を等間隔で分割する手法を用いてもよい。図３は標準脳画像の例を示す図である。なお、図３においては、標準脳画像Ｂｓは、ブロードマンの脳地図にしたがって複数の領域に分割されている。
ここで、脳の大きさおよび形状は人により異なる。例えば、標準脳と比較した場合、最大で±１５％程度大きさおよび形状が異なる。図４は第１の脳画像Ｂ１を示す図である。図４に示すように、第１の脳画像Ｂ１は図３に示す標準脳画像Ｂｓと比較して、形状および大きさが異なるものとなっている。第１の脳画像Ｂ１を複数の領域に分割するために、分割部２２は、第１の脳画像Ｂ１および標準脳画像Ｂｓ間でのランドマークを用いた第１の位置合わせを行う。そして、第１の位置合わせを行った後に、第１の脳画像Ｂ１および標準脳画像Ｂｓ間での全領域を用いた第２の位置合わせを行う。なお、ランドマークは、具体的には脳に含まれる脳溝および脳室等の特徴的な領域の少なくとも１つを用いることができる。また、本実施形態においては、標準脳画像Ｂｓを第１の脳画像Ｂ１に位置合わせするものとして説明するが、第１の脳画像Ｂ１を標準脳画像Ｂｓに位置合わせしてもよい。
位置合わせのために、分割部２２は、第１の脳画像Ｂ１および標準脳画像Ｂｓからランドマークを抽出する。ランドマークの抽出は、例えばランドマークを表すテンプレートを用いたテンプレートマッチングにより行ってもよく、画像に含まれるランドマークを判別するように学習がなされた判別器を用いることにより行ってもよい。分割部２２は、第１の脳画像Ｂ１および標準脳画像Ｂｓ間において、対応するランドマークを一致させるように第１の位置合わせを行う。本実施形態において、第１の位置合わせは相似変換による位置合わせである。具体的には、標準脳画像Ｂｓを平行移動、回転および相似に拡大縮小することによる位置合わせである。分割部２２は、標準脳画像Ｂｓに含まれるランドマークと、第１の脳画像Ｂ１に含まれる対応するランドマークとの相関が最大となるように、標準脳画像Ｂｓを相似変換して、第１の位置合わせを行う。
分割部２２は、このようにランドマークを用いた第１の位置合わせを行った後、第１の脳画像Ｂ１および標準脳画像Ｂｓ間での全領域を用いた第２の位置合わせを行う。本実施形態において、第２の位置合わせは非線形変換による位置合わせである。非線形変換による位置合わせとしては、例えばＢスプラインおよびシンプレートスプライン(Thin Plate Spline)等の関数を用いて画素位置を非線形に変換することによる位置合わせが挙げられる。分割部２２は、第１の位置合わせ後の標準脳画像Ｂｓの各画素位置を、第１の脳画像Ｂ１に含まれる対応する画素位置に非線形変換することにより、第２の位置合わせを行う。
分割部２２は、このようにして標準脳画像Ｂｓを第１の脳画像Ｂ１に位置合わせし、標準脳画像Ｂｓにおける分割された領域の境界を第１の脳画像Ｂ１に適用することにより、図５に示すように、第１の脳画像Ｂ１を複数の領域に分割する。
位置合わせ部２３は、第１の脳画像Ｂ１と撮影日時が異なる、被検体の脳を含む第２の脳画像Ｂ２と、第１の脳画像Ｂ１とを位置合わせする。具体的には、第１の脳画像Ｂ１および第２の脳画像Ｂ２間でのランドマークを用いた第３の位置合わせを行った後に、第１の脳画像Ｂ１および第２の脳画像Ｂ２間での全領域を用いた第４の位置合わせを行う。なお、本実施形態においては、第１の脳画像Ｂ１を第２の脳画像Ｂ２に位置合わせするものとして説明するが、第２の脳画像Ｂ２を第１の脳画像Ｂ１に位置合わせしてもよい。
位置合わせのために、位置合わせ部２３は、第１の脳画像Ｂ１および第２の脳画像Ｂ２からランドマークを抽出する。ランドマークの抽出は、分割部２２における第１の位置合わせと同様に行えばよい。位置合わせ部２３は、第１の脳画像Ｂ１および第２の脳画像Ｂ２間において、対応するランドマークを一致させるように第３の位置合わせを行う。ここで、第１の脳画像Ｂ１に含まれる脳と第２の脳画像Ｂ２含まれる脳とは、被検体が同一であるため大きさが一致する。このため、本実施形態において、第３の位置合わせとして、平行移動および回転のみを用いた剛体位置合わせを行う。
図６は剛体位置合わせを説明するための図である。なお、図６においては、説明のために、第１および第２の脳画像Ｂ１，Ｂ２における対応する断層面のスライス画像Ｇ１，Ｇ２を示している。位置合わせ部２３は、図６に示すように、第１の脳画像Ｂ１のスライス画像Ｇ１のランドマークの１つである脳室３１と、第２の脳画像Ｂ２のスライス画像Ｇ２に含まれる対応する脳室３２との相関が最大となるように、第１の脳画像Ｂ１を平行移動および回転して、剛体位置合わせである第３の位置合わせを行う。これにより、第３の位置合わせ済みの第１の脳画像Ｂ１１（図６においてはスライス画像Ｇ１１）が取得される。
位置合わせ部２３は、このようにランドマークを用いた第３の位置合わせを行った後、第１の脳画像Ｂ１および第２の脳画像Ｂ２間での全領域を用いた第４の位置合わせを行う。本実施形態において、第４の位置合わせは非線形変換による位置合わせである。第４の位置合わせは、分割部２２における第２の位置合わせと同様に行えばよい。これにより、第１の脳画像Ｂ１の各画素における第２の脳画像Ｂ２の対応する画素位置への移動ベクトルが取得される。図７は移動ベクトルを示す図である。図７に示すように、第１の脳画像Ｂ１における脳の各画素位置において、移動ベクトルＶｍが取得される。
変化量取得部２４は、位置合わせ部２３における位置合わせ結果に基づいて、第２の脳画像Ｂ２に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像Ｂ１に含まれる脳における対応する領域からの変化量を取得する。本実施形態においては、複数の領域のそれぞれについての変化量を取得するものとする。本実施形態においては、位置合わせ部２３の位置合わせにより、第１の脳画像Ｂ１に含まれる脳の各画素位置において、移動ベクトルＶｍが取得される。変化量取得部２４は、第１の脳画像Ｂ１に含まれる脳の各画素位置における移動ベクトルＶｍを、第１の脳画像Ｂ１における複数の領域のそれぞれに分類する。これにより、第２の脳画像Ｂ２に含まれる脳における複数の領域のそれぞれについての、第１の脳画像Ｂ１に含まれる脳における対応する領域からの変化量を取得する。この場合、変化量は、対応する領域内における対応する画素の移動ベクトルＶｍとなる。さらに、変化量取得部２４は、第２の脳画像Ｂ２に含まれる脳における複数の領域のそれぞれについての容積変化量を算出する。
図８は容積変化量の算出を説明するための図である。ここでは説明のために、第１の脳画像Ｂ１に含まれる１つの領域４０が３つの画素４１，４２，４３からなり、図８における上下方向には画素は移動しなかったものとする。第１の脳画像Ｂ１における３つの画素４１，４２，４３からなる領域Ａ１について、画素４１の移動ベクトルＶ１が左方向に大きさが０．３画素、画素４２の移動ベクトルＶ２が左方向に大きさが０．４画素、画素４３の移動ベクトルＶ３が左方向に大きさが０．８画素であったものとする。
この場合、領域４０の全体は左に移動している。また、画素４１と画素４２との間隔は０．１画素小さくなっている。また、画素４２と画素４３との間隔は０．４画素小さくなっている。このため、変化量取得部２４は、領域４０の画素値の変化量を−０．５画素として算出する。なお、変化量取得部２４は、実際には第１の脳画像Ｂ１における各領域について、ｘ，ｙ，ｚの３軸の方向のそれぞれについての画素値の変化量を算出する。なお、変化量が負の値の場合は領域は萎縮しており、正の値の場合は膨張しているものとなる。
変化量取得部２４は、さらに、以下のように容積変化量を算出する。すなわち、第１の脳画像Ｂ１における各領域について、ｘ，ｙ，ｚの３軸の方向それぞれについて算出された変化量を加算する。そして、これにより得られる加算値を対応する領域内の総画素数で除算することにより、領域の容積の変化率を容積変化量として算出する。この場合、容積変化量は各領域の容積に対する変化の割合（例えば百分率）で表される。なお、容積変化量も、領域が萎縮していれば負の値となり、膨張していれば正の値となる。ここで、負の値となる容積変化量の絶対値が脳の萎縮率となる。
なお、第１の脳画像Ｂ１における各領域について、ｘ，ｙ，ｚの３軸の方向それぞれについて算出された変化量を加算することにより得られる加算値を容積変化量として算出してもよい。この場合、容積変化量は画素値の大きさで表され、領域が萎縮していれば負の値となり、膨張していれば正の値となる。
また、第１および第２の脳画像Ｂ１，Ｂ２においては１画素（すなわち１ボクセル）当たりの体積が予め分かっている。このため、ｘ，ｙ，ｚの３軸の方向それぞれについて算出された変化量を加算し、これにより得られる加算値に１画素当たりの体積を乗算することにより容積変化量を算出してもよい。この場合、容積変化量は容積の変化量の大きさで表される。
さらに、変化量取得部２４は、負の値となった領域について、容積変化量の絶対値、すなわち脳の萎縮率をしきい値Ｔｈ１と比較し、容積変化量の絶対値がしきい値よりも大きい領域を、異常領域に特定してラベルを付与する。ここで、人間の加齢による脳の萎縮率は年に１％未満であるが、認知症の患者では１〜３％程度となる。このため、変化量取得部２４は、例えばしきい値Ｔｈ１を−１％に設定し、容積変化量の絶対値がしきい値Ｔｈ１よりも大きい領域を異常領域に特定する。
表示制御部２５は、容積変化量をディスプレイ１４に表示する。図９は容積変化量の表示を説明するための図である。図９に示すように、ディスプレイ１４には、脳の複数の領域のうちの異常領域Ａ１０，Ａ１１に斜線が付与されており、さらに、容積変化量を示すラベルＬ１０，Ｌ１１が付与される。ここで、図９においては、ラベルＬ１０，Ｌ１１には、容積変化量の絶対値、すなわち脳の萎縮率が示されている。なお、容積変化量の大きさに応じて、各領域を色分けして表示してもよい。
なお、ここでは医師が診断を行うことを前提として、脳における変化量、すなわち萎縮率が大きいと判断された領域を識別可能に表示させたが、認知症の発生の有無を自動で診断し、その結果を表示してもよい。この場合、過去の複数の患者について、領域毎の変化量、すなわち萎縮率および認知症の発生有無を教師データ（正解付きデータ）として機械学習させることにより判別器を作成しておく。そして、本実施形態において算出された新たな患者の領域毎の変化量、すなわち萎縮率を判別器に入力して認知症であるか否かを判別させるようにすればよい 。
また、分割された脳の領域のうち、診断対象の疾患に対する影響が特に大きいと考えられている領域について、他の領域と取り扱いを異なるものとしてもよい。例えば、上述した脳の委縮率が大きいと判断された領域を識別可能に表示する場合、診断対象の疾患に対する影響が特に大きいと考えられている領域を、他の領域と識別可能に表示してもよい。また、上述したように認知症の発生の有無を自動で診断する場合において、診断対象の疾患に対する影響が特に大きいと考えられている領域については、判別器を学習させる際に、教師データの重み付けを大きくするようにしてもよい。なお、疾患に対する影響が特に大きい部位としては海馬、小脳、および側頭葉等が挙げられる。
次いで、本実施形態において行われる処理について説明する。図１０は本実施形態において行われる処理を示すフローチャートである。まず、画像取得部２１が、同一被検体について撮影日時が異なる、被検体の脳を含む第１の脳画像Ｂ１および第２の脳画像Ｂ２を取得する（ステップＳＴ１）。次いで、分割部２２が、第１の脳画像Ｂ１と複数の領域に分割された標準脳画像Ｂｓとを位置合わせすることにより、第１の脳画像Ｂ１に含まれる脳を複数の領域に分割する（ステップＳＴ２）。そして、位置合わせ部２３が、第２の脳画像Ｂ２と第１の脳画像Ｂ１とを位置合わせする（ステップＳＴ３）。
さらに、変化量取得部２４が、位置合わせの結果に基づいて、第２の脳画像Ｂ２に含まれる脳における複数の領域のうちの少なくとも１つの領域についての、第１の脳画像Ｂ１に含まれる脳における対応する領域からの変化量を取得し（ステップＳＴ４）、さらに、第２の脳画像Ｂ２に含まれる脳における複数の領域のうちの少なくとも１つの領域についての容積変化量を算出する（ステップＳＴ５）。そして、表示制御部２５が、容積変化量をディスプレイ１４に表示し（ステップＳＴ６）、処理を終了する。
このように、本実施形態においては、第２の脳画像Ｂ２は第１の脳画像Ｂ１と位置合わせされるが、第１および第２の脳画像Ｂ１，Ｂ２は同一被検体の画像であるため、第２の脳画像Ｂ２をそれほど大きく変形しなくても、第１の脳画像Ｂ１と精度よく位置合わせをすることができる。このため、第１の脳画像Ｂ１および第２の脳画像Ｂ２の双方を標準脳画像Ｂｓと位置合わせする場合と比較して、第１の脳画像Ｂ１に含まれる脳の各領域と、第２の脳画像Ｂ２に含まれる脳の各領域との間のわずかな変化量を精度よく取得することができる。したがって、同一患者の撮影日時が異なる２つの脳画像Ｂ１，Ｂ２間の変化量、さらには容積変化量を精度よく取得することができる。
また、ランドマークを用いた第１の位置合わせおよび第３の位置合わせを行った後に、画像間の全体の領域の位置合わせである第２の位置合わせおよび第４の位置合わせを行うことにより、ランドマークという位置を合わせやすい領域を用いて位置合わせを行った後に、さらなる位置合わせを行うこととなる。このため、第１の脳画像と標準脳画像との位置合わせ、および第１の脳画像と第２の脳画像との位置合わせを効率よく行うことができる。
なお、上記実施形態においては、第３の位置合わせとして剛体位置合わせを行っているが、第１の脳画像Ｂ１と第２の脳画像Ｂ２において、含まれる脳のサイズが異なるものとなる場合がある。このような場合は、第３の位置合わせとして、剛体位置合わせに加えて、拡大縮小を行うようにしてもよい。
また、上記実施形態においては、容積変化量を算出しているが、各領域の変化量のみを算出するようにしてもよい。
また、上記実施形態においては、分割部２２においてランドマークを用いた第１の位置合わせを行った後に第２の位置合わせを行っているが、第２の位置合わせ、すなわち非線形変換による位置合わせのみを行うようにしてもよい。
また、上記実施形態においては、位置合わせ部２３においてランドマークを用いた第３の位置合わせを行った後に第４の位置合わせを行っているが、第４の位置合わせ、すなわち非線形変換による位置合わせのみを行うようにしてもよい。
また、上記実施形態においては、第２の位置合わせとして、標準脳画像Ｂｓおよび第１の脳画像Ｂ１の全領域を用いた位置合わせを行っているが、標準脳画像Ｂｓおよび第１の脳画像Ｂ１の一部の領域を用いた位置合わせを行うようにしてもよい。例えば、脳における個々の分割された領域のみを用いて位置合わせを行うようにしてもよい。
また、上記実施形態においては、第４の位置合わせとして、第１の脳画像Ｂ１および第２の脳画像Ｂ２の全領域を用いた位置合わせを行っているが、第１の脳画像Ｂ１および第２の脳画像Ｂ２の一部の領域を用いた位置合わせを行うようにしてもよい。例えば、脳における個々の分割された領域のみを用いて位置合わせを行うようにしてもよい。
また、上記実施形態においては、被検体のＭＲＩ画像を医用画像として用いているが、ＣＴ画像、ＰＥＴ画像等、ＭＲＩ画像以外の脳画像を用いてもよい。
以下、本実施形態の作用効果について説明する。
第２の脳画像に含まれる脳についての複数の領域のうちの少なくとも１つの領域における容積変化量を取得することにより、各領域の容積変化量を精度よく取得することができる。
ランドマークを用いた第１の位置合わせを行った後に、第２の位置合わせを行うことにより、ランドマークという位置を合わせやすい領域を用いて位置合わせを行った後に、さらなる位置合わせを行うこととなる。このため、第１の脳画像と標準脳画像との位置合わせを効率よく行うことができる。
ランドマークを用いた第３の位置合わせを行った後に、第４の位置合わせを行うことにより、ランドマークという位置を合わせやすい領域を用いて位置合わせを行った後に、さらなる位置合わせを行うこととなる。このため、第１の脳画像と第２の脳画像との位置合わせを効率よく行うことができる。
１ 医用画像処理装置
２ ３次元画像撮影装置
３ 画像保管サーバ
４ ネットワーク
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ ディスプレイ
１５ 入力部
２１ 画像取得部
２２ 分割部
２３ 位置合わせ部
２４ 変化量取得部
２５ 表示制御部
３１，３２ 脳室
４０ 領域
４１，４２，４３ 画素
Ｂ１ 第１の脳画像
Ｂ２ 第２の脳画像
Ｂｓ 標準脳画像
Ｇ１，Ｇ２，Ｇ１１ スライス画像
Ｌ１０，Ｌ１１ ラベル
Ｖｍ 移動ベクトル
２ ３次元画像撮影装置
３ 画像保管サーバ
４ ネットワーク
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ ディスプレイ
１５ 入力部
２１ 画像取得部
２２ 分割部
２３ 位置合わせ部
２４ 変化量取得部
２５ 表示制御部
３１，３２ 脳室
４０ 領域
４１，４２，４３ 画素
Ｂ１ 第１の脳画像
Ｂ２ 第２の脳画像
Ｂｓ 標準脳画像
Ｇ１，Ｇ２，Ｇ１１ スライス画像
Ｌ１０，Ｌ１１ ラベル
Ｖｍ 移動ベクトル
Claims (10)
- 被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、前記第１の脳画像に含まれる脳を複数の領域に分割する分割部と、
前記第１の脳画像と撮影日時が異なる、前記被検体の脳を含む第２の脳画像と、前記第１の脳画像とを位置合わせする位置合わせ部と、
前記第１の脳画像と前記第２の脳画像との位置合わせの結果に基づいて、前記第２の脳画像に含まれる脳における前記複数の領域のうちの少なくとも１つの領域についての、前記第１の脳画像に含まれる脳における対応する領域からの変化量を取得する変化量取得部とを備えた医用画像処理装置。 - 前記変化量取得部は、前記第２の脳画像に含まれる脳における前記複数の領域のうちの少なくとも１つの領域についての容積変化量を算出する請求項１に記載の医用画像処理装置。
- 前記容積変化量を表示部に表示する表示制御部をさらに備えた請求項２に記載の医用画像処理装置。
- 前記位置合わせ部は、前記第１の脳画像に含まれる脳および前記第２の脳画像に含まれる脳における対応する領域間において、対応する画素位置の移動ベクトルを前記変化量として取得する請求項１から３のいずれか１項に記載の医用画像処理装置。
- 前記分割部は、前記第１の脳画像および前記標準脳画像間でのランドマークを用いた第１の位置合わせを行った後に、前記第１の脳画像および前記標準脳画像間での第２の位置合わせを行う請求項１から４のいずれか１項に記載の医用画像処理装置。
- 前記第１の位置合わせは相似変換による位置合わせであり、前記第２の位置合わせは非線形変換による位置合わせである請求項５に記載の医用画像処理装置。
- 前記位置合わせ部は、前記第１の脳画像および前記第２の脳画像間でのランドマークを用いた第３の位置合わせを行った後に、前記第１の脳画像および前記第２の脳画像間での第４の位置合わせを行う請求項１から６のいずれか１項に記載の医用画像処理装置。
- 前記第３の位置合わせは剛体位置合わせであり、前記第４の位置合わせは非線形変換による位置合わせである請求項７に記載の医用画像処理装置。
- 被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、前記第１の脳画像に含まれる脳を複数の領域に分割し、
前記第１の脳画像と撮影日時が異なる、前記被検体の脳を含む第２の脳画像と、前記第１の脳画像とを位置合わせし、
前記第１の脳画像と前記第２の脳画像との位置合わせの結果に基づいて、前記第２の脳画像に含まれる脳における前記複数の領域のうちの少なくとも１つの領域についての、前記第１の脳画像に含まれる脳における対応する領域からの変化量を取得する医用画像処理方法。 - 被検体の脳を含む第１の脳画像と複数の領域に分割された標準脳画像とを位置合わせすることにより、前記第１の脳画像に含まれる脳を複数の領域に分割する手順と、
前記第１の脳画像と撮影日時が異なる、前記被検体の脳を含む第２の脳画像と、前記第１の脳画像とを位置合わせする手順と、
前記第１の脳画像と前記第２の脳画像との位置合わせの結果に基づいて、前記第２の脳画像に含まれる脳における前記複数の領域のうちの少なくとも１つの領域についての、前記第１の脳画像に含まれる脳における対応する領域からの変化量を取得する手順とをコンピュータに実行させる医用画像処理プログラム。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017129245 | 2017-06-30 | ||
| JP2017129245 | 2017-06-30 | ||
| JP2017146568 | 2017-07-28 | ||
| JP2017146568 | 2017-07-28 | ||
| PCT/JP2018/020310 WO2019003749A1 (ja) | 2017-06-30 | 2018-05-28 | 医用画像処理装置、方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2019003749A1 true JPWO2019003749A1 (ja) | 2020-05-21 |
| JP6788113B2 JP6788113B2 (ja) | 2020-11-18 |
Family
ID=64741425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019526705A Active JP6788113B2 (ja) | 2017-06-30 | 2018-05-28 | 医用画像処理装置、方法およびプログラム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11216945B2 (ja) |
| EP (1) | EP3648056A4 (ja) |
| JP (1) | JP6788113B2 (ja) |
| WO (1) | WO2019003749A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022065062A1 (ja) * | 2020-09-28 | 2022-03-31 | 富士フイルム株式会社 | 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07239935A (ja) * | 1992-09-16 | 1995-09-12 | Yukio Kosugi | 非線形画像変換装置および標準画像計算方法 |
| US20100259263A1 (en) * | 2007-11-14 | 2010-10-14 | Dominic Holland | Longitudinal registration of anatomy in magnetic resonance imaging |
| JP2013165765A (ja) * | 2012-02-14 | 2013-08-29 | Toshiba Corp | 画像診断支援装置及び画像診断支援方法 |
| WO2015029135A1 (ja) * | 2013-08-27 | 2015-03-05 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| JP2017023457A (ja) * | 2015-07-23 | 2017-02-02 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8515200B2 (en) * | 2004-10-29 | 2013-08-20 | New York University | System, software arrangement and method for segmenting an image |
| US8600135B2 (en) * | 2007-06-28 | 2013-12-03 | Mayo Foundation For Medical Education And Research | System and method for automatically generating sample points from a series of medical images and identifying a significant region |
| WO2009003198A1 (en) * | 2007-06-28 | 2008-12-31 | Mayo Foundation For Medical Education And Research | System and method for automatically detecting change in a series of medical images of a subject over time |
| JP5355257B2 (ja) | 2009-07-01 | 2013-11-27 | 株式会社東芝 | 医用画像表示装置および医用画像表示方法 |
| US20130050207A1 (en) * | 2011-08-24 | 2013-02-28 | General Electric Company | Method and system for navigating, segmenting, and extracting a three-dimensional image |
| JP6036009B2 (ja) | 2012-08-28 | 2016-11-30 | 大日本印刷株式会社 | 医用画像処理装置、およびプログラム |
-
2018
- 2018-05-28 WO PCT/JP2018/020310 patent/WO2019003749A1/ja active Application Filing
- 2018-05-28 JP JP2019526705A patent/JP6788113B2/ja active Active
- 2018-05-28 EP EP18825135.9A patent/EP3648056A4/en active Pending
-
2019
- 2019-12-11 US US16/711,367 patent/US11216945B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07239935A (ja) * | 1992-09-16 | 1995-09-12 | Yukio Kosugi | 非線形画像変換装置および標準画像計算方法 |
| US20100259263A1 (en) * | 2007-11-14 | 2010-10-14 | Dominic Holland | Longitudinal registration of anatomy in magnetic resonance imaging |
| JP2013165765A (ja) * | 2012-02-14 | 2013-08-29 | Toshiba Corp | 画像診断支援装置及び画像診断支援方法 |
| WO2015029135A1 (ja) * | 2013-08-27 | 2015-03-05 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| JP2017023457A (ja) * | 2015-07-23 | 2017-02-02 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
Non-Patent Citations (1)
| Title |
|---|
| 実践 医用画像解析ハンドブック, vol. 第1版, JPN6018028727, 1 November 2012 (2012-11-01), JP, pages 245 - 246, ISSN: 0004295028 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3648056A1 (en) | 2020-05-06 |
| US20200118267A1 (en) | 2020-04-16 |
| JP6788113B2 (ja) | 2020-11-18 |
| WO2019003749A1 (ja) | 2019-01-03 |
| EP3648056A4 (en) | 2020-05-06 |
| US11216945B2 (en) | 2022-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11580642B2 (en) | Disease region extraction apparatus, disease region extraction method, and disease region extraction program | |
| US11158054B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
| US11164296B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
| US11257227B2 (en) | Brain image normalization apparatus, brain image normalization method, and brain image normalization program | |
| WO2019044095A1 (ja) | 医用情報表示装置、方法及びプログラム | |
| KR20200116278A (ko) | 치과 영상으로부터 피검체의 성별 및 연령을 판정하는 방법 및 이를 이용한 장치 | |
| JP6945493B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| US20190019304A1 (en) | Medical image processing apparatus, method, and program | |
| WO2019044081A1 (ja) | 医用画像表示装置、方法及びプログラム | |
| JP6788113B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| US11315263B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
| JP2019213785A (ja) | 医用画像処理装置、方法およびプログラム | |
| US11335465B2 (en) | Information output apparatus, information output method, and information output program | |
| JP6765396B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| US20220044052A1 (en) | Matching apparatus, matching method, and matching program | |
| US11424022B2 (en) | Method for processing brain images | |
| US20240037739A1 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191018 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200630 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200826 |
|
| 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: 20200929 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201029 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6788113 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |