JPWO2019044077A1 - 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
- JPWO2019044077A1 JPWO2019044077A1 JP2019538974A JP2019538974A JPWO2019044077A1 JP WO2019044077 A1 JPWO2019044077 A1 JP WO2019044077A1 JP 2019538974 A JP2019538974 A JP 2019538974A JP 2019538974 A JP2019538974 A JP 2019538974A JP WO2019044077 A1 JPWO2019044077 A1 JP WO2019044077A1
- Authority
- JP
- Japan
- Prior art keywords
- brain
- image
- brain image
- past
- target
- 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 56
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000004556 brain Anatomy 0.000 claims abstract description 479
- 230000008859 change Effects 0.000 claims abstract description 120
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000003672 processing method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 206010003694 Atrophy Diseases 0.000 abstract description 29
- 230000037444 atrophy Effects 0.000 abstract description 29
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 18
- 206010012289 Dementia Diseases 0.000 description 13
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000032683 aging Effects 0.000 description 5
- 238000002600 positron emission tomography Methods 0.000 description 5
- 101100380339 Brassica napus Bp10 gene Proteins 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000003710 cerebral cortex Anatomy 0.000 description 3
- 230000007423 decrease Effects 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
- 230000002490 cerebral effect Effects 0.000 description 2
- 210000004720 cerebrum Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000000877 corpus callosum Anatomy 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 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
- 230000002123 temporal effect Effects 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
- 208000024806 Brain atrophy Diseases 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
- 210000001638 cerebellum Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000002451 diencephalon Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 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
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 239000000203 mixture Substances 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
- 230000001936 parietal effect Effects 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000001202 rhombencephalon Anatomy 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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]
-
- 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
- G06T7/00—Image analysis
-
- 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
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Neurology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (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、過去の脳画像が複数存在する場合に、脳の萎縮率を精度よく算出できる過去の脳画像を選択できるようにする。画像取得部２１が、同一被検体についての診断対象となる対象脳画像Ｂｔおよび対象脳画像Ｂｔよりも撮影日時が古い複数の過去脳画像Ｂｐｉを取得する。類似度算出部２２が、複数の過去脳画像Ｂｐｉのそれぞれと標準脳画像Ｂｓとの類似度を算出する。選択部２３が、複数の過去脳画像Ｂｐｉから脳の変化量算出のための基準となる基準脳画像Ｂ０を選択する。
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、認知症等に起因する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。また、ある患者に関して、基準となる最も古い過去の医用画像と、その患者の特定部位の現在および近い過去の医用画像を取得し、最も古い過去画像と現在および近い過去の医用画像との差分を抽出し、基準に対する差分の変化率を算出する手法も提案されている（特許文献２参照）。
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３参照）。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、および聴覚等）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で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
同一の患者について、認知症の進行を判断するためには、患者の過去画像と現在の画像とを位置合わせして、脳の領域ごとの委縮率を正確に算出する必要がある。一方、同一の患者について、経過を観察するために複数年に亘って脳の画像を取得している場合、複数の過去画像が存在することとなる。このように、過去画像が複数存在する場合、どの過去画像を選択するかにより、脳の萎縮率が変わってしまう可能性がある。例えば、最新の画像に時間的に最も近い画像を過去画像として選択した場合、脳の萎縮がその過去画像よりも前に始まっていたとすると、正常な時点からの脳の萎縮率を正確に算出することができない。また、時間的に最も古い画像を過去画像として選択した場合、算出した脳の萎縮率には、病気による委縮率と加齢による正常な委縮率とが混在してしまう。したがって、複数の過去画像が存在する場合、過去画像を適切に選択しないと、脳の萎縮率を精度よく算出することができない。
本発明は上記事情に鑑みなされたものであり、過去の脳画像が複数存在する場合に、脳の萎縮率を精度よく算出できる過去の脳画像を選択できるように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、同一被検体についての、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像を取得する画像取得部と、
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出する類似度算出部と、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する選択部とを備える。
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出する類似度算出部と、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する選択部とを備える。
なお、本発明による医用画像処理装置においては、類似度算出部は、複数の標準脳画像と複数の過去脳画像のそれぞれとの類似度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、類似度算出部は、複数の過去脳画像のそれぞれと標準脳画像とを位置合わせし、位置合わせ後の複数の過去脳画像のそれぞれと標準脳画像との相関を類似度として算出するものであってもよい。
ここで、脳の形状および大きさは被検体毎に異なるものとなる。「複数の標準脳画像」とは、形状および大きさが異なる複数の標準脳画像を意味する。
また、本発明による医用画像処理装置においては、対象脳画像と基準脳画像とに基づいて、脳の変化量を算出する変化量算出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、変化量算出部は、対象脳画像と標準脳画像とを位置合わせすることにより、対象脳画像に含まれる脳を複数の領域に分割する分割部と、
対象脳画像と基準脳画像とを位置合わせする位置合わせ部と、
対象脳画像と基準脳画像との位置合わせの結果に基づいて、対象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、基準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ものであってもよい。
対象脳画像と基準脳画像とを位置合わせする位置合わせ部と、
対象脳画像と基準脳画像との位置合わせの結果に基づいて、対象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、基準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、変化量取得部は、対象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、基準脳画像の対応する領域から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、対象脳画像に含まれる脳および基準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、対象脳画像および標準脳画像の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、対象脳画像および標準脳画像の間での第２の位置合わせを行うものであってもよい。
「ランドマーク」とは、対象脳画像および標準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。
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。
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、対象脳画像および基準脳画像の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、対象脳画像および基準脳画像の間での第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、対象脳画像および基準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、対象脳画像および基準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、同一被検体についての、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像を取得し、
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出し、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する。
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出し、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する。
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、
同一被検体についての、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像を取得し、
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出し、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択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、
同一被検体についての、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像を取得し、
複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出し、
複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する処理を実行する。
本発明によれば、同一被検体についての、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像が取得され、複数の過去脳画像のそれぞれと、標準脳画像との類似度が算出される。そして、複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像が基準脳画像として選択される。このようにして選択された基準脳画像は、対象脳画像に時間的に最も近い日時に撮影されているものの、標準脳画像と近い形状および大きさを有するものとなっている。このため、基準脳画像は、複数の過去脳画像のうちの、大きさおよび形状の変化が始まった日時に最も近い日時に取得されたものとなる。したがって、対象脳画像および基準脳画像を用いて算出された脳の変化量は、ほぼ正常な時点を基準とした脳の変化量を表すものとなる。したがって、本発明によれば、過去脳画像が複数存在する場合に、脳の萎縮率を精度よく算出できる過去脳画像を基準脳画像として選択することができる。
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次元の脳画像の画像データが画像保管サーバ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、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、液晶ディスプレイ等のディスプレイ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、液晶ディスプレイ等のディスプレイ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は、ハードディスクドライブ、ＳＳＤ(Solid State Drive)等の記録媒体からなり、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、同一の被検体について撮影日時が異なる複数の脳画像、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、診断対象となる対象脳画像および対象脳画像よりも撮影日時が古い複数の過去脳画像を取得する画像取得処理、複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出する類似度算出処理、複数の過去脳画像から、類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する選択処理、並びに対象脳画像と基準脳画像とに基づいて、脳の変化量を算出する変化量算出処理を規定する。
また、変化量算出処理として、対象脳画像と標準脳画像とを位置合わせすることにより、対象脳画像に含まれる脳を複数の領域に分割する分割処理、対象脳画像と基準脳画像とを位置合わせする位置合わせ処理、対象脳画像と基準脳画像との位置合わせの結果に基づいて、対象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、基準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で、コンピュータは、画像取得部２１、類似度算出部２２、選択部２３、変化量算出部２４、分割部２５、位置合わせ部２６、変化量取得部２７および表示制御部２８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、類似度算出処理、選択処理、変化量算出処理並びに変化量算出処理における分割処理、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、同一被検体についての診断対象となる対象脳画像Ｂｔおよび対象脳画像Ｂｔよりも撮影日時が古い複数の過去脳画像Ｂｐｉ（ｉは２以上）を画像保管サーバ３から取得する。なお、対象脳画像Ｂｔおよび複数の過去脳画像Ｂｐｉ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から対象脳画像Ｂｔおよび複数の過去脳画像Ｂｐｉを取得するようにしてもよい。なお、対象脳画像Ｂｔは、被検体についての最新の脳画像とするが、複数の過去脳画像Ｂｐｉよりも撮影日時が新しければ、これに限定されるものではない。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。
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。
類似度算出部２２は、複数の過去脳画像Ｂｐｉのそれぞれと、標準脳画像Ｂｓとの類似度を算出する。具体的には、類似度算出部２２は、複数の過去脳画像Ｂｐｉのそれぞれと標準脳画像Ｂｓとを位置合わせし、位置合わせ後の複数の過去脳画像Ｂｐｉのそれぞれと標準脳画像Ｂｓとの相関を類似度Ｓｉとして算出する。ここで、位置合わせとしては、標準脳画像Ｂｓまたは過去脳画像Ｂｐｉを平行移動、回転および相似に拡大縮小する剛体位置合わせを用いることができる。また、相関としては、位置合わせ後の標準脳画像Ｂｓと過去脳画像Ｂｐｉとの対応する画素間の差分値の絶対値の総和または差分値の二乗和等を用いることができる。なお、類似度Ｓｉを算出する手法はこれに限定されるものではなく、例えば過去脳画像Ｂｐｉの脳梁域内の画素値のヒストグラムと標準脳画像Ｂｓの脳梁域内の画素値のヒストグラムの相関を類似度Ｓｉとして算出してもよい。また、類似度Ｓｉを算出する手法は、これ以外の任意の手法を用いることができる。
選択部２３は、複数の過去脳画像Ｂｐｉから脳の変化量算出のための基準となる基準脳画像Ｂ０を選択する。
図４は基準脳画像Ｂ０の選択を説明するための図である。なお、ここでは１０個の過去脳画像Ｂｐ１〜Ｂｐ１０が取得され、１０個の類似度Ｓ１〜Ｓ１０が算出されているものとする。また、過去脳画像Ｂｐ１〜Ｂｐ１０は、付与された数字が小さいほど撮影日時が古い、すなわち過去に取得されたものとする。また、図４においては、横軸に日時を、縦軸に類似度を示している。ここで、認知症の患者は、時間の経過に伴って脳が萎縮する。このため、過去脳画像Ｂｐ１〜Ｂｐ１０においては、撮影日時が新しいほど標準脳画像Ｂｓとの類似度が小さくなる。その一方で、撮影日時が古い過去脳画像においては、認知症に起因する脳の萎縮が始まっていなければ、加齢による脳の萎縮が含まれるのみであるため、標準脳画像Ｂｓとの類似度は比較的大きく、かつ経時によっても殆ど変化しない。認知症に起因する脳の萎縮を精度よく算出するためには、脳の大きな変化、すなわち加齢による委縮よりも大きな萎縮が始まった頃の過去脳画像との比較を行うことが重要である。
選択部２３は、複数の過去脳画像Ｂｐｉから、類似度Ｓｉが予め定められたしきい値Ｔｈ１以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像Ｂ０として選択する。例えば、過去脳画像Ｂｐ１〜Ｂｐ１０について算出した類似度Ｓ１〜Ｓ１０が、図４に示すように変化する場合、過去脳画像Ｂｐ１〜Ｂｐ４の類似度Ｓ１〜Ｓ４がしきい値Ｔｈ１より大きいものとなる。また、過去脳画像Ｂｐ１〜Ｂｐ４のうち、対象脳画像Ｂｔすなわち最新の脳画像に撮影日時が最も近い脳画像は、過去脳画像Ｂｐ４である。したがって、選択部２３は、過去脳画像Ｂｐ４を基準脳画像Ｂ０として選択する。
変化量算出部２４は、対象脳画像Ｂｔと基準脳画像Ｂ０とに基づいて、脳の変化量を算出する。以下、変化量の算出について説明する。
変化量算出部２４の分割部２５は、脳の変化量の算出のために、対象脳画像Ｂｔと標準脳画像Ｂｓとを位置合わせすることにより、対象脳画像Ｂｔに含まれる脳を複数の領域に分割する。
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５は対象脳画像Ｂｔを示す図である。図５に示すように、対象脳画像Ｂｔ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。対象脳画像Ｂｔを複数の領域に分割するために、分割部２５は、対象脳画像Ｂｔおよび標準脳画像Ｂｓの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、対象脳画像Ｂｔおよび標準脳画像Ｂｓの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を対象脳画像Ｂｔに位置合わせするものとして説明するが、対象脳画像Ｂｔ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２５は、対象脳画像Ｂｔ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２５は、対象脳画像Ｂｔ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２５は、標準脳画像Ｂｓに含まれるランドマークと、対象脳画像Ｂｔ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２５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、対象脳画像Ｂｔおよび標準脳画像Ｂｓの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２５は、第１の位置合わせ後の標準脳画像Ｂｓの各画素位置を、対象脳画像Ｂｔ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２５は、このようにして標準脳画像Ｂｓを対象脳画像Ｂｔ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対象脳画像Ｂｔに適用することにより、図６に示すように、対象脳画像Ｂｔを複数の領域に分割する。
変化量算出部２４の位置合わせ部２６は、対象脳画像Ｂｔと基準脳画像Ｂ０とを位置合わせする。具体的には、対象脳画像Ｂｔおよび基準脳画像Ｂ０の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、対象脳画像Ｂｔおよび基準脳画像Ｂ０の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、対象脳画像Ｂｔを基準脳画像Ｂ０に位置合わせするものとして説明するが、基準脳画像Ｂ０を対象脳画像Ｂｔ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２６は、対象脳画像Ｂｔおよび基準脳画像Ｂ０からランドマークを抽出する。ランドマークの抽出は、上述した第１の位置合わせと同様に行えばよい。位置合わせ部２６は、対象脳画像Ｂｔおよび基準脳画像Ｂ０の間において、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、対象脳画像Ｂｔに含まれる脳と基準脳画像Ｂ０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７は剛体位置合わせを説明するための図である。なお、図７においては、説明のために、対象脳画像Ｂｔおよび基準脳画像Ｂ０における対応する断層面のスライス画像Ｇｔ，Ｇ０を示している。位置合わせ部２６は、図７に示すように、対象脳画像Ｂｔのスライス画像Ｇｔのランドマークの１つである脳室３１と、基準脳画像Ｂ０のスライス画像Ｇ０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、対象脳画像Ｂｔ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対象脳画像Ｂｔ１（図７においてはスライス画像Ｇｔ１）が取得される。
位置合わせ部２６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、対象脳画像Ｂｔおよび基準脳画像Ｂ０の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、上述した第２の位置合わせと同様に行えばよい。これにより、対象脳画像Ｂｔの各画素における基準脳画像Ｂ０の対応する画素位置への移動ベクトルが取得される。図８は移動ベクトルを示す図である。図８に示すように、対象脳画像Ｂｔ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。
変化量算出部２４の変化量取得部２７は、位置合わせ部２６による位置合わせ結果に基づいて、対象脳画像Ｂｔ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、基準脳画像Ｂ０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２６の位置合わせにより、対象脳画像Ｂｔ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２７は、対象脳画像Ｂｔに含まれる脳の各画素位置における移動ベクトルＶｍを、対象脳画像Ｂｔにおける複数の領域のそれぞれに分類する。これにより、対象脳画像Ｂｔ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、基準脳画像Ｂ０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２７は、対象脳画像Ｂｔ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９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、対象脳画像Ｂｔ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９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。対象脳画像Ｂｔ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２７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２７は、実際には対象脳画像Ｂｔ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２７は、さらに、以下のように容積変化量を算出する。すなわち、対象脳画像Ｂｔ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により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）により表される。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、対象脳画像Ｂｔ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により表され、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、対象脳画像Ｂｔおよび基準脳画像Ｂ０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により表される。
さらに、変化量取得部２７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予め定められたしきい値Ｔｈ２と比較し、容積変化量の絶対値がしきい値Ｔｈ２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２７は、例えばしきい値Ｔｈ２を−１％に設定し、容積変化量の絶対値がしきい値Ｔｈ２よりも大きい領域を異常領域に特定する。
変化量算出部２４の表示制御部２８は、容積変化量をディスプレイ１４に表示する。図１０は容積変化量の表示を説明するための図である。図１０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１０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、本実施形態においては、表示制御部２８を変化量算出部２４の一部の構成としているが、表示制御部２８を変化量算出部２４とは別個に設けるようにしてもよい。
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 。
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１１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の診断対象となる対象脳画像Ｂｔおよび対象脳画像Ｂｔよりも撮影日時が古い複数の過去脳画像Ｂｐｉを取得する（ステップＳＴ１）。次いで、類似度算出部２２が、複数の過去脳画像Ｂｐｉのそれぞれと標準脳画像Ｂｓとの類似度を算出する(ステップＳＴ２)。そして、選択部２３が、複数の過去脳画像Ｂｐｉから脳の変化量算出のための基準となる基準脳画像Ｂ０を選択する(ステップＳＴ３)。
そして、変化量算出部２４の分割部２５が、対象脳画像Ｂｔ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、対象脳画像Ｂｔに含まれる脳を複数の領域に分割する（ステップＳＴ４）。そして、変化量算出部２４の位置合わせ部２６が、対象脳画像Ｂｔと基準脳画像Ｂ０とを位置合わせする（ステップＳＴ５）。
さらに、変化量算出部２４の変化量取得部２７が、位置合わせの結果に基づいて、対象脳画像Ｂｔ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、基準脳画像Ｂ０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ＳＴ６）、さらに、対象脳画像Ｂｔ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、基準脳画像Ｂ０の対応する領域からの容積変化量を算出する（ステップＳＴ７）。そして、変化量算出部２４の表示制御部２８が、容積変化量をディスプレイ１４に表示し（ステップＳＴ８）、処理を終了する。
このように、本実施形態においては、同一被検体についての、診断対象となる対象脳画像Ｂｔおよび複数の過去脳画像Ｂｐｉが取得され、複数の過去脳画像Ｂｐｉのそれぞれと、標準脳画像Ｂｓとの類似度Ｓｉが算出される。そして、複数の過去脳画像Ｂｐｉから、類似度Ｓｉが予め定められたしきい値Ｔｈ１以上となり、かつ現在日時に最も近い撮影日時の過去脳画像が基準脳画像Ｂ０として選択される。このようにして選択された基準脳画像Ｂ０は、対象脳画像Ｂｔに時間的に最も近い日時に撮影されているものの、標準脳画像Ｂｓと近い形状および大きさを有するものとなっている。このため、基準脳画像Ｂ０は、複数の過去脳画像Ｂｐｉのうちの、大きさおよび形状の変化が始まった日時に最も近い日時に取得されたものとなる。したがって、対象脳画像Ｂｔおよび基準脳画像Ｂ０を用いて算出された脳の変化量は、ほぼ正常な時点を基準とした脳の変化量を表すものとなる。したがって、本実施形態によれば、過去脳画像が複数存在する場合に、脳の萎縮率を精度よく算出できる過去脳画像を基準脳画像Ｂ０として選択することができる。
なお、被検体の脳は、年齢および体格等により形状および大きさが異なる。このため、類似度算出部２２において、過去脳画像Ｂｐｉと標準脳画像Ｂｓとの類似度を算出する際に、形状および大きさが異なる複数の標準脳画像Ｂｓとの類似度を算出するようにしてもよい。この場合、形状および大きさが異なる複数の標準脳画像Ｂｓをストレージ１３に記憶しておけばよい。このように、形状および大きさが異なる複数の標準脳画像Ｂｓとの類似度を算出することにより、被検体に応じて適切な形状および大きさの標準脳画像Ｂｓとの類似度を算出することができる。したがって、脳の萎縮率の算出により適した基準脳画像Ｂ０を選択することができる。
また、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、対象脳画像Ｂｔと基準脳画像Ｂ０とにおいて、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、変化量算出部２４の分割部２５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、変化量算出部２４の位置合わせ部２６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、分割部２５における第２の位置合わせとして、標準脳画像Ｂｓおよび対象脳画像Ｂｔ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および対象脳画像Ｂｔ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、位置合わせ部２６における第４の位置合わせとして、対象脳画像Ｂｔおよび基準脳画像Ｂ０の全領域を用いた位置合わせを行っているが、対象脳画像Ｂｔおよび基準脳画像Ｂ０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。
複数の標準脳画像と複数の過去脳画像のそれぞれとの類似度を算出することにより、被検体に応じて適切な標準脳画像との類似度を算出することができる。したがって、脳の萎縮率の算出により適した基準脳画像を選択することができる。
対象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つの領域における基準脳画像の対応する領域からの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し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、対象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し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、対象脳画像と基準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 類似度算出部
２３ 選択部
２４ 変化量算出部
２５ 分割部
２６ 位置合わせ部
２７ 変化量取得部
２８ 表示制御部
３１，３２ 脳室
４０ 領域
４１，４２，４３ 画素
Ｂ０ 基準脳画像
Ｂｔ 対象脳画像
Ｂｐｉ 過去脳画像
Ｂｓ 標準脳画像
Ｇｔ，Ｇ０，Ｇｔ１ 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 類似度算出部
２３ 選択部
２４ 変化量算出部
２５ 分割部
２６ 位置合わせ部
２７ 変化量取得部
２８ 表示制御部
３１，３２ 脳室
４０ 領域
４１，４２，４３ 画素
Ｂ０ 基準脳画像
Ｂｔ 対象脳画像
Ｂｐｉ 過去脳画像
Ｂｓ 標準脳画像
Ｇｔ，Ｇ０，Ｇｔ１ スライス画像
Ｌ１０，Ｌ１１ ラベル
Ｖｍ 移動ベクトル
Claims (14)
- 同一被検体についての、診断対象となる対象脳画像および該対象脳画像よりも撮影日時が古い複数の過去脳画像を取得する画像取得部と、
前記複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出する類似度算出部と、
前記複数の過去脳画像から、前記類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する選択部とを備えた医用画像処理装置。 - 前記類似度算出部は、複数の標準脳画像と前記複数の過去脳画像のそれぞれとの類似度を算出する請求項１に記載の医用画像処理装置。
- 前記類似度算出部は、前記複数の過去脳画像のそれぞれと前記標準脳画像とを位置合わせし、該位置合わせ後の前記複数の過去脳画像のそれぞれと前記標準脳画像との相関を前記類似度として算出する請求項１または２に記載の医用画像処理装置。
- 前記対象脳画像と前記基準脳画像とに基づいて、脳の変化量を算出する変化量算出部をさらに備えた請求項１から３のいずれか１項に記載の医用画像処理装置。
- 前記変化量算出部は、前記対象脳画像と前記標準脳画像とを位置合わせすることにより、前記対象脳画像に含まれる脳を複数の領域に分割する分割部と、
前記対象脳画像と前記基準脳画像とを位置合わせする位置合わせ部と、
前記対象脳画像と前記基準脳画像との位置合わせの結果に基づいて、前記対象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、前記基準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請求項４に記載の医用画像処理装置。 - 前記変化量取得部は、前記対象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、前記基準脳画像の対応する領域からの容積変化量を算出する請求項５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６に記載の医用画像処理装置。
- 前記位置合わせ部は、前記対象脳画像に含まれる脳および前記基準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５から７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、前記対象脳画像および前記標準脳画像の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、前記対象脳画像および前記標準脳画像の間での第２の位置合わせを行う請求項５から８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９に記載の医用画像処理装置。
- 前記位置合わせ部は、前記対象脳画像および前記基準脳画像の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、前記対象脳画像および前記基準脳画像の間での第４の位置合わせを行う請求項５から１０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１１に記載の医用画像処理装置。
- 同一被検体についての、診断対象となる対象脳画像および該対象脳画像よりも撮影日時が古い複数の過去脳画像を取得し、
前記複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出し、
前記複数の過去脳画像から、前記類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択する医用画像処理方法。 - 同一被検体についての、診断対象となる対象脳画像および該対象脳画像よりも撮影日時が古い複数の過去脳画像を取得する手順と、
前記複数の過去脳画像のそれぞれと、標準脳画像との類似度を算出する手順と、
前記複数の過去脳画像から、前記類似度が予め定められたしきい値以上となり、かつ現在日時に最も近い撮影日時の過去脳画像を基準脳画像として選択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 (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017163008 | 2017-08-28 | ||
| JP2017163008 | 2017-08-28 | ||
| PCT/JP2018/020390 WO2019044077A1 (ja) | 2017-08-28 | 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 |
|---|---|
| JPWO2019044077A1 true JPWO2019044077A1 (ja) | 2020-04-09 |
| JP6821036B2 JP6821036B2 (ja) | 2021-01-27 |
Family
ID=65527240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019538974A Active JP6821036B2 (ja) | 2017-08-28 | 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) | US11158054B2 (ja) |
| EP (1) | EP3677181B1 (ja) |
| JP (1) | JP6821036B2 (ja) |
| WO (1) | WO2019044077A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022114006A1 (ja) * | 2020-11-27 | 2022-06-02 | 富士フイルム株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
| CN113724160B (zh) * | 2021-08-26 | 2023-09-05 | 浙江大学医学院附属邵逸夫医院 | 一种脑影像处理方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090292551A1 (en) * | 2008-05-20 | 2009-11-26 | General Electric Company | System and Method for Mapping Structural and Functional Deviations in an Anatomical Region |
| JP2014042684A (ja) * | 2012-08-28 | 2014-03-13 | Dainippon Printing Co Ltd | 医用画像処理装置、およびプログラム |
| JP2016064004A (ja) * | 2014-09-25 | 2016-04-28 | 大日本印刷株式会社 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
| 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 |
| JP2017124039A (ja) * | 2016-01-14 | 2017-07-20 | 東芝メディカルシステムズ株式会社 | 画像処理装置および画像処理プログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP5686220B2 (ja) | 2013-07-01 | 2015-03-18 | 富士ゼロックス株式会社 | 半導体片の製造方法 |
| JP6208243B2 (ja) | 2013-08-27 | 2017-10-04 | 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 |
-
2018
- 2018-05-28 JP JP2019538974A patent/JP6821036B2/ja active Active
- 2018-05-28 EP EP18851813.8A patent/EP3677181B1/en active Active
- 2018-05-28 WO PCT/JP2018/020390 patent/WO2019044077A1/ja unknown
-
2020
- 2020-02-17 US US16/792,322 patent/US11158054B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090292551A1 (en) * | 2008-05-20 | 2009-11-26 | General Electric Company | System and Method for Mapping Structural and Functional Deviations in an Anatomical Region |
| JP2014042684A (ja) * | 2012-08-28 | 2014-03-13 | Dainippon Printing Co Ltd | 医用画像処理装置、およびプログラム |
| JP2016064004A (ja) * | 2014-09-25 | 2016-04-28 | 大日本印刷株式会社 | 医用画像表示処理方法、医用画像表示処理装置およびプログラム |
| 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 |
| JP2017124039A (ja) * | 2016-01-14 | 2017-07-20 | 東芝メディカルシステムズ株式会社 | 画像処理装置および画像処理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3677181A4 (en) | 2020-10-07 |
| EP3677181A1 (en) | 2020-07-08 |
| WO2019044077A1 (ja) | 2019-03-07 |
| EP3677181B1 (en) | 2021-10-13 |
| US11158054B2 (en) | 2021-10-26 |
| JP6821036B2 (ja) | 2021-01-27 |
| US20200184649A1 (en) | 2020-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2016202904A (ja) | 診断支援装置、診断支援システム、情報処理方法、及びプログラム | |
| JP2013545520A (ja) | 画像検索エンジン | |
| US11580642B2 (en) | Disease region extraction apparatus, disease region extraction method, and disease region extraction program | |
| JP6771109B2 (ja) | 医用情報表示装置、方法及びプログラム | |
| JP6945493B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| US11164296B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
| US20200167939A1 (en) | Brain image normalization apparatus, brain image normalization method, and brain image normalization program | |
| US11158054B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
| JP6755406B2 (ja) | 医用画像表示装置、方法及びプログラム | |
| US20190019304A1 (en) | Medical image processing apparatus, method, and program | |
| JP6827120B2 (ja) | 医用情報表示装置、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 | |
| 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 | |
| US12033366B2 (en) | Matching apparatus, matching method, and matching program | |
| US20220044052A1 (en) | Matching apparatus, matching method, and matching program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191018 |
|
| 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: 20201215 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210105 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6821036 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |