WO2006013883A1 - 脳内出血／くも膜下出血診断支援システム - Google Patents

脳内出血／くも膜下出血診断支援システム Download PDF

Info

Publication number
WO2006013883A1
WO2006013883A1 PCT/JP2005/014189 JP2005014189W WO2006013883A1 WO 2006013883 A1 WO2006013883 A1 WO 2006013883A1 JP 2005014189 W JP2005014189 W JP 2005014189W WO 2006013883 A1 WO2006013883 A1 WO 2006013883A1
Authority
WO
WIPO (PCT)
Prior art keywords
region
brain
image
hemorrhage
diagnosis support
Prior art date
Application number
PCT/JP2005/014189
Other languages
English (en)
French (fr)
Inventor
Akio Doi
Takashi Inoue
Original Assignee
Japan Science And Technology Agency
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Japan Science And Technology Agency filed Critical Japan Science And Technology Agency
Publication of WO2006013883A1 publication Critical patent/WO2006013883A1/ja

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Definitions

  • the present invention relates to an intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system, and more particularly, to an intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system that calculates the degree of intracerebral hemorrhage Z subarachnoid hemorrhage based on a patient's brain image. .
  • Intracerebral hemorrhage and subarachnoid hemorrhage are diseases with a very high mortality rate, and sequelae such as involuntary half-body tend to remain. For this reason, an emergency treatment by a doctor is necessary.
  • a diagnosis of intracerebral hemorrhage z subarachnoid hemorrhage is made. This diagnosis is generally performed by performing a CT (Computed Tomography) / MR (Magnetic Resonance) examination of the head and visually checking the results.
  • CT Computer Tomography
  • MR Magnetic Resonance
  • Patent Document 1 JP 2001-198112 A
  • Intracerebral hemorrhage When there is a small amount of Z subarachnoid hemorrhage (in the case of subarachnoid hemorrhage), it is a problem that it is too late due to a misdiagnosis by a doctor. Such misdiagnosis is particularly likely in emergency hospitals (such as medical institutions) where specialized neurosurgeons are not employed. That is, aneurysms are generally less than 90% concentrated near the branch of the main artery (eg, internal carotid artery), but are otherwise difficult to identify. In the case of a small amount of bleeding, it is difficult to specify the position of the MRI image.
  • An object of the present invention is to provide a diagnosis support system for intracerebral hemorrhage z subarachnoid hemorrhage that calculates the degree of intracerebral hemorrhage Z subarachnoid hemorrhage based on an image of the brain of a patient.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system of the present invention includes an image capturing unit that acquires an image of a patient's brain, and luminance of a brain wrinkle region and a brain non-uniform region in the brain image. And a risk level calculation unit for calculating the degree of bleeding.
  • the bleeding is intracerebral hemorrhage or subarachnoid hemorrhage.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system further comprises a cerebral region detection unit for determining a cerebral region from the image of the brain.
  • the cerebral region detection unit obtains a cerebral region from the brain image by a region expansion method.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system Further, by obtaining the difference between the convex hull and the brain region in the cerebral region obtained from the brain image, the wrinkle region of the brain And a wrinkle region detection unit for detecting a non-uniform region of the brain.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system power Further, from the image of the brain, a cerebral region detection unit for obtaining a cerebral region, and a difference between the convex hull and the brain region in the cerebral region are obtained. And a wrinkle region detecting unit for detecting the wrinkle region of the brain and the non-uniform region of the brain.
  • the image of the patient's brain is composed of a plurality of two-dimensional images, and the cerebral region is obtained for each of the two-dimensional images, Based on this, a wrinkle region of the brain and a non-uniform region of the brain are detected, and the degree of bleeding is calculated based on the brightness of the image in the wrinkle region and non-uniform region of the brain.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system further comprises a blood vessel removing unit that removes a blood vessel region from the wrinkle region and a non-uniform region of the brain, and the risk calculating unit includes the blood vessel The degree of bleeding is calculated based on the brightness of the wrinkled area and the non-uniform brain area.
  • the risk level calculation unit calculates the risk level of bleeding based on the degree of bleeding.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system further includes a display device for displaying an image of the brain of the patient, and the display device has a risk of bleeding for each of the two-dimensional images. Is higher than a predetermined value, and a two-dimensional image is displayed so as to be specified.
  • intracerebral hemorrhage is performed, for example, for each two-dimensional image in the brain, based on the brightness of the wrinkle region of the brain and the nonuniform region of the brain.
  • the degree of bleeding such as subarachnoid hemorrhage is calculated.
  • an image of a patient's brain is obtained, a cerebral area is obtained, and a difference between the convex hull and the brain area in the cerebral area is obtained to detect a wrinkle area and a non-uniform brain area.
  • the blood vessel region is removed from the wrinkle region and the non-uniform region of the brain according to the above, and the degree of bleeding is calculated based on the brightness of the image thus obtained, or the risk of bleeding is calculated, The risk of bleeding is higher than a predetermined value.
  • an aneurysm other than the vicinity of a branch of a major artery for example, the internal carotid artery
  • the risk of intracerebral hemorrhage Z subarachnoid hemorrhage can be estimated by computer for every two-dimensional image in the brain.
  • diagnosis of intracerebral hemorrhage Z subarachnoid hemorrhage can be supported, for example, in a medical institution where a specialized neurosurgeon is not working, and misdiagnosis in the hospital can be prevented. Therefore, even in the case of minute intracerebral hemorrhage Z subarachnoid hemorrhage, it is possible to prevent misdiagnosis by a doctor and to avoid delaying treatment.
  • FIG. 1 is a block diagram of an intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system.
  • FIG. 2 is an explanatory diagram of intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support.
  • FIG. 3 is a flowchart of the diagnosis support process for intracerebral hemorrhage Z subarachnoid hemorrhage.
  • Figure 4 is an explanatory diagram of intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support.
  • FIG. 5 is an explanatory view of intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support.
  • FIG. 6 is an explanatory view of intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support.
  • FIG. 7 is an explanatory view of intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support.
  • FIG. 1 is a configuration diagram of the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system, and shows the configuration of the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system of the present invention.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system of the present invention includes an image acquisition device 1, a diagnosis support device 2, and a display device 3.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system or diagnosis support apparatus 2 according to the present invention is used to support the diagnosis of minute intracerebral hemorrhage Z subarachnoid hemorrhage in the same manner as an experienced neurosurgeon. Focus on the cerebral sulcus (brain wrinkles) in each tomographic image (cross-sectional image), that is, a slice (two-dimensional image).
  • the image acquisition device 1 is a device that acquires an image of a patient's brain, and in this example, includes a well-known MR device. As a result, a brain image (image data) in a known data format (for example, DIC OM) is obtained from the image acquisition device 1.
  • the image acquisition device 1 is an X-ray CT device, A device that can obtain a two-dimensional image (plane image) of the human brain by well-known tomography or the like, such as a positron CT device.
  • DICOM is a data format mainly used in MR and CT devices. By following DICOM, not only image data but also related information such as patient information and imaging date / time can be obtained.
  • the diagnosis support apparatus 2 receives a brain image (image data) according to a predetermined data format (for example, DICOM) from the image acquisition apparatus 1, and holds it in an image memory (not shown).
  • the diagnostic support device 2 and the image acquisition device 1 may be directly connected by a cable or the like, or may be connected via a network such as a wireless or wired LAN (Local Area Network) or the Internet. good.
  • the image acquisition device 1 may be installed in a plurality of hospitals without specialized neurosurgeons, the diagnosis support device 2 may be installed in a hospital with specialized neurosurgeons, and these may be connected via a network.
  • the display device 3 may be provided in both the neurosurgeon! /, The hospital and the neurosurgeon! /, And the hospital.
  • the diagnosis support apparatus 2 includes a cerebral region detection unit 21, a wrinkle region detection unit 22, a blood vessel removal unit 23, and a risk degree calculation unit 24.
  • Each of these processing units 21 to 24 stores a processing program for executing the processing resident in the main memory (not shown) of the diagnosis support apparatus 2 which is a computer, as a CPU (not shown) of the diagnosis support apparatus 2. Realized by executing above.
  • the cerebral area detection unit 21 obtains a “cerebral area” from the brain image (image data) held in the image memory by a known means.
  • the cerebral region detection unit 21 obtains a cerebral region from a brain image by, for example, a well-known region growing method.
  • the region expansion method is a method of dividing a region by sequentially executing a process of merging into a single region when the small region of interest and the small region (or pixel) adjacent to it have the same characteristics. It is a technique to do.
  • the “same feature” means that the pixels in the region are similar in the image data. Specifically, when the image data is, for example, a 256-tone monochrome image, It is necessary that “pixel values are similar” and “positions are close to each other”, and the range can be determined empirically.
  • the wrinkle region detection unit 22 obtains a difference between the “convex hull” and the “brain region” in the cerebral region obtained from the brain image, thereby obtaining “brain wrinkle region” and “brain defect”. Detect ⁇ uniform area '' To do.
  • the remaining regions after excluding the convex hull region are the wrinkle region of the brain and the non-uniform region of the brain.
  • the brain region refers to a region (uniform region) that has similar pixel values and is a group, and does not include a region such as “hippocampus”, for example.
  • the non-uniform region of the brain refers to a region such as the hippocampus.
  • 2D Active Net which is a two-dimensional deformation model
  • 2D Active Net (to be precise, “network model using energy minimization principle”) gives a circular net as the initial shape, and the network is located at the site to be extracted by repeating the process based on the energy minimization principle. It is to approach.
  • 2D Active Net see, for example, “Sakagami, Yamamoto” Dynamic Network Model Active Net and its Application to Domain Extraction, Television Journal, Vol.
  • a brain region (a uniform region, in this example, the cerebral region obtained earlier) is used as an energy image, and 2D Activity Net is applied to this to create a region where the brain region is bundled with rubber bands, That is, the (approximate) convex hull is obtained. Then, by obtaining the difference between the inside of the region and the brain region, it is possible to detect “brain wrinkle region” and “brain non-uniform region”.
  • FIG. 2 (A) is an initial image and shows a brain region (uniform region).
  • Figure 2 (B) shows the image when the process based on the energy minimization principle is repeated 400 times.
  • Figure 2 (C) shows the image when the above process is repeated 800 times.
  • Figure 2 (D) shows an image when the above process is repeated 2000 times. From Fig. 2 (D), it can be seen that "brain wrinkle region” and "brain non-uniform region" were detected.
  • the convex hull (region) obtained by using 2D Active Net is not a convex hull in a strict sense. In other words, the convex hull obtained by using 2D Active Net partially bites into the actual convex hull, and therefore the proximity value of the convex hull (region) is obtained.
  • the blood vessel removing unit 23 removes the "blood vessel region" from the wrinkled region of the brain and the non-uniform region of the brain. Except.
  • the reason for removing the blood vessel region is that the blood vessel (which is a round tube in the tomographic slice) becomes very white (high brightness) in the case of an MRI image, so this part should be removed first This is because the accuracy of detection of bleeding can be improved. In the case of an image obtained by a CT apparatus, this does not occur, so there is no need to remove the blood vessel region.
  • the blood vessel region has a round shape with high brightness in the slice of tomography.
  • a region having a value larger than the threshold value can be removed as a blood vessel region using a predetermined threshold value. That is, the pixel value of the image data of the blood vessel region is changed to a value that is the same as or similar to the pixel value of the surrounding region (or an average value thereof).
  • the region where the “blood vessel region” is removed from the wrinkle region of the brain and the non-uniform region of the brain that is, the “region of the wrinkle of the brain” and the “remaining region where the luminance values are not uniform” S is found.
  • the “remaining area where the luminance value is uniform” is the part of the brain area (or cerebral area) that is almost uniform and connected! /, The pixel area subtracted (connected and connected) It is.
  • the risk level calculation unit 24 calculates the degree of bleeding based on the brightness of the image (original image, in this case, MRI image) in the wrinkled region of the brain and the non-uniform region of the brain. Calculate the risk. Therefore, the bleeding for which the degree of bleeding is calculated is intracerebral bleeding or subarachnoid bleeding. Specifically, in this example, the risk level calculation unit 24 creates the degree of bleeding as a histogram as shown in FIG. For example, when the image data is a monochrome image of, for example, 256 gradations, a histogram is created by counting the number of pixels having each pixel value in the region.
  • the risk level calculation unit 24 calculates the degree of bleeding based on the luminance of the wrinkled area of the brain from which the blood vessel area has been removed and the uneven area of the brain (histogram). Create a ram).
  • the non-bleeding area is a black pixel
  • the bleeding area is a white pixel.
  • the risk level calculation unit 24 further calculates the risk level of bleeding based on the calculated degree of bleeding (histogram). Therefore, the risk of intracerebral hemorrhage or subarachnoid hemorrhage is calculated.
  • a threshold value for calculating (determining) the degree of risk is input from outside the diagnosis support apparatus 2. In this example, the threshold value is determined with reference to the aforementioned histogram.
  • the threshold is set by inputting the external force of the diagnosis support apparatus 2 each time, based on the result of creating the histogram. It may be set automatically based on this.
  • the risk calculating unit 24 uses the boundary when the histogram has a boundary as shown in FIG. 5 as the threshold, and when the histogram has no boundary as shown in FIG. The value at the right end of the distribution may be adopted.
  • an image of a patient's brain also has a plurality of continuous two-dimensional image forces obtained by tomography. Therefore, for each two-dimensional image, a cerebral region is obtained, and based on this, a wrinkle region of the brain and a non-uniform region of the brain are detected, and a wrinkle region of the brain and a non-uniform region of the brain as necessary.
  • the force also removes the blood vessel region, calculates the degree of bleeding based on the brightness of the wrinkled region of the brain and the uneven region of the brain, and calculates the risk of bleeding.
  • the display device 3 displays, for example, for each two-dimensional image, a two-dimensional image in which the risk of intracerebral hemorrhage Z subarachnoid hemorrhage is higher than a predetermined value. As a result, for each two-dimensional image, a determination can be made and an indication of a part at risk of bleeding can be displayed. In this example, as will be described later, since the presence or absence of bleeding can be determined only by the shape of the histogram, the display device 3 displays the calculated intracerebral hemorrhage Z subarachnoid hemorrhage (histogram) together with the risk level. You can omit the display of either force V or displacement.
  • Fig. 3 is a process flow for diagnosing intracerebral hemorrhage Z subarachnoid hemorrhage, and cerebral hemorrhage according to the present invention.
  • Intracerebral hemorrhage in Z subarachnoid hemorrhage diagnosis support system An example of Z subarachnoid hemorrhage diagnosis support processing is shown.
  • the image acquisition device 1 acquires an MRI image (two-dimensional image) of the patient's brain (step S1) and transmits it to the diagnosis support device 2.
  • the cerebral region detection unit 21 determines the cerebral region of the patient's brain using the region expansion method (step S2), and the wrinkle region detection unit 22 detects the convex hull in the calculated cerebral region.
  • the brain region are detected by detecting the difference between the cerebral wrinkle region and the brain non-uniform region (step S3).
  • the blood vessel region is removed (Step S4), and the risk calculation unit 24 calculates the degree of intracerebral hemorrhage Z subarachnoid hemorrhage (histogram) based on the brightness in the wrinkled and non-uniform regions of the brain. Further, the risk of intracerebral hemorrhage Z subarachnoid hemorrhage is calculated (step S5), and the calculation result is transmitted to display device 3. Receiving this, the display device 3 displays the calculation result (histogram and risk level) for each two-dimensional image (step S6).
  • FIGS. 4 to 7 show actual diagnosis support for intracerebral hemorrhage Z subarachnoid hemorrhage in the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system of the present invention.
  • FIG. 4A is an original image of the patient's brain read by the MR apparatus that is the image acquisition apparatus 1.
  • the image size is 460 dots x 460 dots.
  • This original image (MRI image) is image data taken the next day for a patient who actually developed subarachnoid hemorrhage.
  • Fig. 4 (B) is an image after segmentation of the cerebral region using the region expansion method.
  • the seed point was selected interactively, the global parameter was set to 20, and the local parameter was set to 10.
  • an image of the converged net region can be obtained as shown in Fig. 4 (C).
  • the convex hull of the brain region is obtained as shown in FIG. 4 (D).
  • the parameters at this time were 30 X 100 for the mesh shape and 2000 times for the number of repetitions, and a, j8, and ⁇ were 1.0, 1.0, and 0.5, respectively.
  • the 2D Active Net program is written in OpenGL, and the image of the convex hull shown in Fig. 4 (D) was obtained by painting the inside of the image net as the application result.
  • FIG. 5 is a histogram of the region obtained in FIG. 4E (that is, all pixels of the difference mask).
  • the horizontal axis is the pixel value (1 to 256 gradations, but one part is omitted), and the vertical axis is the number of pixels having the pixel value (the same in FIG. 7). .
  • a portion with a high luminance value ie, a bleeding portion
  • a low portion ie, a normal portion
  • the part with high luminance value is the part that is bleeding
  • the right peak of the two peaks is the bleeding part
  • the pixel value is approximately “at 256 gradations”. If it is about 120 ”, it can be seen that the patient is bleeding. Therefore, by using the pixel value as a threshold value, the bleeding site can be easily specified in pixel units.
  • the “risk level” is calculated using the total number of pixels of the difference mask as the denominator and the number of pixels higher than the threshold as the numerator.
  • the boundary of the histogram is the threshold value (90).
  • the degree of risk in this image was "0.489476".
  • the total number of pixels was “20904”, which was higher than the threshold and the number of pixels was “10232”.
  • FIGS. For comparison, when the present invention is applied to an MRI image of a healthy person, the results are as shown in FIGS. That is, an image of the cerebral region shown in FIG. 6 (B) is obtained from the original image of the patient's brain (image size is 256 dots x 256 dots) read by the MR device shown in FIG. 6 (A).
  • image size is 256 dots x 256 dots
  • 2D Active Net the image of Fig. 6 (C) is obtained, and based on this, an image of a convex hull (not shown) is obtained, and this and an image of the cerebral region (Fig. 6 (B)).
  • the image obtained by taking the difference from the image is the image in Fig. 6 (D).
  • the threshold value (100) is used as the rightmost part of the distribution as a guide.
  • the risk level was “0.029474”. That is, about 1Z16 It turns out that it is a risk. In this way, the presence or absence of intracerebral hemorrhage Z subarachnoid hemorrhage can be judged from the risk level.
  • the intracerebral hemorrhage Z subarachnoid hemorrhage diagnosis support system as in the case of an experienced neurosurgeon, focusing on the cerebral sulcus (brain wrinkles), Based on the brightness of the image in the region, the degree of hemorrhage such as intracerebral hemorrhage z subarachnoid hemorrhage or the risk of bleeding can be calculated.
  • the risk of Z subarachnoid hemorrhage can be estimated by a computer.For example, in a hospital where specialized neurosurgeons are not working, it is possible to support the diagnosis of Z subarachnoid hemorrhage. In the case of intracerebral hemorrhage Z subarachnoid blood, it is possible to prevent misdiagnosis by a doctor and avoid delays in treatment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

　脳内出血／くも膜下出血診断支援システムは、患者の脳の画像を取得する画像取得装置（１）と、脳の画像から大脳領域を求める大脳領域検出部（２１）と、大脳領域における凸包と脳領域の差分を求めることにより脳のしわの領域及び脳の不均一な領域を検出するしわ領域検出部（２２）と、しわの領域及び脳の不均一な領域から血管領域を取り除く血管除去部（２３）と、血管領域の取り除かれたしわの領域及び脳の不均一な領域の輝度に基づいて、出血の度合いを算出する危険度算出部（２４）とを備える。

Description

明 細 書
脳内出血 Zくも膜下出血診断支援システム
技術分野
[oooi] 本発明は、脳内出血 Zくも膜下出血診断支援システムに関し、特に、患者の脳の 画像に基づいて、脳内出血 Zくも膜下出血の度合いを算出する脳内出血 Zくも膜下 出血診断支援システムに関する。
背景技術
[0002] 脳内出血及びくも膜下出血は、非常に死亡率の高い病気で、半身不随などの後遺 症が残りやすい。このため、医師による緊急な処置が必要である。この処置に先立つ て、脳内出血 zくも膜下出血力否かの診断が行われる。この診断は、一般に、頭部 の CT (Computed Tomography ) /MR (Magnetic Resonance)検査を行い、その結果 を医師が目視することにより行う。
[0003] なお、脳内出血を検出する技術として、例えば、生体光計測により得た情報を画像 診断装置により得た形態画像上に表示することにより、脳内出血を検出する技術が 提案されて ヽる (特許文献 1参照)。
特許文献 1 :特開 2001—198112号公報
発明の開示
発明が解決しょうとする課題
[0004] 脳内出血 Zくも膜下出血による出血が少量である場合 (微小なくも膜下出血の場合 ) ,医師による誤診断により手遅れになることが問題になっている。このような誤診断 は、専門の脳神経外科医が勤務していない救急病院 (等の医療機関)で、特に起こり やすい。即ち、動脈瘤は、一般に、約 90%弱が主要な動脈 (例えば、内頸動脈)の 分岐付近に集中するが、それ以外は特定が困難である。また、少量の出血の場合、 MRI画像カゝらその位置を特定することも困難である。一方、一度破裂した動脈瘤は 再出血しやすぐその場合、更に生命の危険が増大し、また、強度の後遺症が残る。 以上から、患者の例えば 2次元 MRI画像等に基づいて、脳内出血 Zくも膜下出血の 危険度を、 2次元画像毎にコンピュータにより推定する、診断支援が望まれている。 [0005] 本発明は、患者の脳の画像に基づいて、脳内出血 Zくも膜下出血の度合いを算出 する脳内出血 zくも膜下出血診断支援システムを提供することを目的とする。
課題を解決するための手段
[0006] 本発明の脳内出血 Zくも膜下出血診断支援システムは、患者の脳の画像を取得す る画像撮影部と、前記脳の画像における脳のしわの領域及び脳の不均一な領域の 輝度に基づいて、出血の度合いを算出する危険度算出部とを備える。
[0007] 好ましくは、本発明の脳内出血 Zくも膜下出血診断支援システムにおいて、前記出 血は、脳内出血又はくも膜下出血である。
[0008] 好ましくは、当該脳内出血 Zくも膜下出血診断支援システム力 更に、前記脳の画 像から、大脳領域を求める大脳領域検出部を備える。
[0009] 好ましくは、本発明の脳内出血 Zくも膜下出血診断支援システムにおいて、前記大 脳領域検出部は領域拡張法により前記脳の画像から大脳領域を求める。
[ooio] 好ましくは、当該脳内出血 Zくも膜下出血診断支援システム力 更に、前記脳の画 像から求められた大脳領域における凸包と脳領域との差分を求めることにより、前記 脳のしわの領域及び脳の不均一な領域を検出するしわ領域検出部を備える。
[ooii] 好ましくは、当該脳内出血 Zくも膜下出血診断支援システム力 更に、前記脳の画 像から、大脳領域を求める大脳領域検出部と、前記大脳領域における凸包と脳領域 との差分を求めることにより、前記脳のしわの領域及び脳の不均一な領域を検出する しわ領域検出部とを備える。
[0012] 好ましくは、本発明の脳内出血 Zくも膜下出血診断支援システムにおいて、前記患 者の脳の画像は、複数の 2次元画像からなり、前記 2次元画像毎に、前記大脳領域 を求め、これに基づいて脳のしわの領域及び脳の不均一な領域を検出し、前記脳の しわの領域及び脳の不均一な領域における当該画像の輝度に基づいて出血の度合 いを算出する。
[0013] 好ましくは、当該脳内出血 Zくも膜下出血診断支援システム力 更に、前記しわの 領域及び脳の不均一な領域から血管領域を取り除く血管除去部を備え、前記危険 度算出部が、前記血管領域の取り除かれた前記しわの領域及び脳の不均一な領域 の輝度に基づいて、出血の度合いを算出する。 [0014] 好ましくは、本発明の脳内出血 Zくも膜下出血診断支援システムにおいて、前記危 険度算出部が、前記出血の度合いに基づいて、出血の危険度を算出する。
[0015] 好ましくは、当該脳内出血 Zくも膜下出血診断支援システムが、更に、前記患者の 脳の画像を表示する表示装置を備え、前記表示装置が、前記 2次元画像毎に、出血 の危険度が所定の値よりも高 、2次元画像を特定するように表示する。
発明の効果
[0016] 経験のある脳神経外科医は、微小なくも膜下出血を診断する場合、断層撮影の各 スライス（2次元画像）につ ヽて大脳の脳溝 (脳のしわ）に着目することが、本発明者 による経験のある脳神経外科医へのヒアリング（聞き取り調査）により判明している。そ こで、本発明者は、各画像の脳領域全体を評価するのではなぐ脳溝領域に着目す ることにより、脳内出血やくも膜下出血の有無の診断精度を高めることができると考え た。
[0017] 本発明の脳内出血 Zくも膜下出血診断支援システムによれば、脳のしわの領域及 び脳の不均一な領域の輝度に基づいて、例えば脳内の 2次元画像毎に、脳内出血 又はくも膜下出血等の出血の度合いを算出する。この時、例えば、患者の脳の画像 を取得し、大脳領域を求め、大脳領域における凸包と脳領域の差分を求めることによ りしわの領域及び脳の不均一な領域を検出し、必要に応じてしわの領域及び脳の不 均一な領域から血管領域を取り除き、このようにして得た画像の輝度に基づいて、出 血の度合いを算出し、又は、出血の危険度を算出し、出血の危険度が所定の値より も高 ヽ 2次元画像を特定するように表示する。
[0018] これにより、患者の脳の画像 (例えば 2次元 MRI画像）に基づいて、特定が困難とさ れる主要な動脈 (例えば、内頸動脈)の分岐付近以外の動脈瘤や少量の出血の場 合でも、脳内出血 Zくも膜下出血の危険度を、脳内の 2次元画像毎に、コンピュータ により推定することができる。この結果、例えば専門の脳神経外科医が勤務していな い医療機関等において、脳内出血 Zくも膜下出血の診断を支援することができ、当 該病院等における誤診断を防止することができる。従って、微小な脳内出血 Zくも膜 下出血の場合でも、医師による誤診断を防止し、処置が手遅れになることを回避する ことができる。 図面の簡単な説明
[0019] [図 1]図 1は脳内出血 Zくも膜下出血診断支援システム構成図である。
[図 2]図 2は脳内出血 Zくも膜下出血診断支援説明図である。
[図 3]図 3は脳内出血 Zくも膜下出血診断支援処理フローである。
圆 4]図 4は脳内出血 Zくも膜下出血診断支援説明図である。
[図 5]図 5は脳内出血 Zくも膜下出血診断支援説明図である。
[図 6]図 6は脳内出血 Zくも膜下出血診断支援説明図である。
[図 7]図 7は脳内出血 Zくも膜下出血診断支援説明図である。
符号の説明
[0020] 1 画像取得装置
2 診断支援装置
3 表示装置
21 大脳領域検出部
22 しわ領域検出部
23 血管除去部
24 危険度算出部
発明を実施するための最良の形態
[0021] 図 1は、脳内出血 Zくも膜下出血診断支援システム構成図であり、本発明の脳内出 血 Zくも膜下出血診断支援システムの構成を示す。
[0022] 本発明の脳内出血 Zくも膜下出血診断支援システムは、画像取得装置 1、診断支 援装置 2、表示装置 3を備える。本発明の脳内出血 Zくも膜下出血診断支援システム 又は診断支援装置 2は、前述のように、経験のある脳神経外科医と同様に、微小な 脳内出血 Zくも膜下出血の診断支援をするために、脳の（断層撮影)画像における 各断層画像 (断面方向の画像)即ちスライス（2次元画像）につ 、て大脳の脳溝 (脳の しわ）に着目する。
[0023] 画像取得装置 1は、患者の脳の画像を取得する装置であり、この例では周知の MR 装置からなる。これにより、画像取得装置 1からは、周知のデータ形式 (例えば、 DIC OM)の脳の画像 (画像データ）が得られる。なお、画像取得装置 1は、 X線 CT装置、 ポジトロン CT装置等のように、周知の断層撮影等により、人間の脳の 2次元画像 (平 面の画像）を得られる装置であっても良い。また、 DICOMは、主として MR装置及び CT装置において使用されるデータ形式であり、 DICOMに従うことにより、画像デー タのみならず、患者情報や撮影日時等の関連情報をも得ることができる。
[0024] 診断支援装置 2は、画像取得装置 1から所定のデータ形式 (例えば DICOM)に従 う脳の画像 (画像データ)を受信し、これを画像メモリ（図示せず）に保持する。診断支 援装置 2と画像取得装置 1との間は、直接ケーブル等で接続されていても良ぐ無線 又は有線の LAN (Local Area Network)やインターネット等のネットワークを介して接 続されていても良い。例えば、画像取得装置 1を専門の脳神経外科医のいない複数 の病院に設置し、診断支援装置 2を専門の脳神経外科医のいる病院に設置し、これ らの間をネットワークで接続するようにしても良い。この場合、表示装置 3は、脳神経 外科医の!/、な 、病院及び脳神経外科医の!/、る病院の双方に設けても良 、。
[0025] 診断支援装置 2は、大脳領域検出部 21、しわ領域検出部 22、血管除去部 23、危 険度算出部 24を備える。これらの各処理部 21〜24は、コンピュータである診断支援 装置 2の主メモリ（図示せず)上に常駐する当該処理を実行する処理プログラムを、診 断支援装置 2の CPU (図示せず)上で実行することにより実現される。
[0026] 大脳領域検出部 21は、画像メモリに保持して ヽる前記脳の画像 (画像データ)から 、周知の手段により「大脳領域」を求める。この例では、大脳領域検出部 21は、例え ば周知の領域拡張法 (region growing法）により、脳の画像から大脳領域を求める。領 域拡張法とは、注目している小領域とそれに隣接する小領域 (あるいは画素）が互い に同じ特徴を持つとき、一つの領域に統合する処理を順次実行していくことにより領 域分割を行う手法である。この例において、「同じ特徴」とは、画像データにおいて当 該領域の画素同士が似ていることを言い、具体的には、当該画像データが例えば 25 6階調のモノクロ画像である場合において、「画素値が類似していること」及び「お互 い（の位置）が近接していること」が必要であり、その範囲は経験的に定めることがで きる。
[0027] しわ領域検出部 22は、脳の画像から求められた大脳領域における「凸包」と「脳領 域」との差分を求めることにより、「脳のしわの領域」及び「脳の不均一な領域」を検出 する。即ち、凸包である領域から脳領域である (脳領域と重なる)領域を除いて残った 領域が、脳のしわの領域及び脳の不均一な領域である。ここで、脳領域とは、画素値 が類似しており、ひとかたまりになった領域 (均一な領域)を言い、例えば「海馬」等の 領域を含まない。従って、脳の不均一な領域とは、例えば海馬等の領域を言う。この ように、脳のしわの領域のみならず脳の不均一な領域をも検出対象とすることにより、 出血の可能性のある部分を漏れなく検出できるので、出血の度合い及び危険度の判 断が誤った結果となることを防止することができる。
[0028] 凸包を求める際には、 2次元の変形モデルである 2D Active Netを利用した。 2D A ctive Net (正確には、「エネルギー最小化原理を用いた網モデル」）は、円状の網を 初期形状として与え、エネルギー最小化原理に基づく処理の繰り返しによって抽出し たい部位に網が近づいていくというものである。 2D Active Netについては、例えば「 坂上、山本"動的な網のモデル Active Netとその領域抽出への応用"テレビジョン学 会誌、 Vol.45, Νο.10, ρρ.1153-1163,(1991)」及び「小原俊、藤原俊朗、松田浩一、土 井章男〃圧力エネルギーを考慮した Active Netモデルとその適用〃情報処理学会グ ラフィックスと CAD夏の研究会、 ppl-4, 2001/9」に詳しい。具体的には、脳領域 (均 一な領域、この例では先に求めた大脳領域）をエネルギー画像としてこれに 2D Activ e Netを適用することにより、脳領域を輪ゴムで束ねたような領域、即ち、（およその） 凸包 (の領域)が求まる。そして、当該領域の内部と脳領域との差分を求めることによ り、「脳のしわの領域」及び「脳の不均一な領域」を検出することができる。
[0029] 2D Active Netの適用の一例を図 2に示す。図 2において、図 2 (A)は初期画像で あり、脳領域 (均一な領域)を示す。図 2 (B)はエネルギー最小化原理に基づく処理 を 400回繰り返した場合の画像を示す。図 2 (C)は前記処理を 800回繰り返した場合 の画像を示す。図 2 (D)は前記処理を 2000回繰り返した場合の画像を示す。図 2 (D )から、「脳のしわの領域」及び「脳の不均一な領域」が検出されたことが判る。
[0030] なお、 2D Active Netの利用により求めた凸包（の領域）は、厳密な意味での凸包 にはならない。即ち、 2D Active Netの利用により求めた凸包は実際の凸包に一部 食い込んでおり、従って、凸包（の領域）の近接値を求めていることになる。
[0031] 血管除去部 23は、脳のしわの領域及び脳の不均一な領域から「血管領域」を取り 除く。血管領域を除去する理由は、血管（断層撮影のスライスにおいては丸い形管と なる）は、 MRI画像の場合、非常に白くなる（高輝度となる）ので、この部分は先に除 去した方が出血の検出の精度を向上することができるためである。なお、 CT装置に より得た画像の場合には、このようなことがなぐ従って、血管領域を除去する必要は ない。
[0032] 前述のように、血管領域は、断層撮影のスライスにおいては高輝度の丸い形となる 。 MRI画像の場合、そのように高輝度な領域は血管領域のみであるので、所定の閾 値を用いて、当該閾値よりも大きな値の領域を血管領域として除去することができる。 即ち、血管領域の画像データの画素値を、周囲の領域の画素値 (又はその平均値） と同一又は類似の値に変更する。これにより、脳のしわの領域及び脳の不均一な領 域から「血管領域」を除去した領域、即ち、「脳のしわの領域」及び「輝度の値が均一 でな 、残りの領域」力 S求まる。「輝度の値が均一でな 、残りの領域」は、脳の領域 (又 は大脳領域)から、ほぼ均一でかつ連結して!/、る（繋がって 、る)画素領域を差し引 いた部分である。
[0033] 危険度算出部 24は、脳のしわの領域及び脳の不均一な領域における当該画像（ 原画像、この場合は MRI画像)の輝度に基づいて、出血の度合いを算出し、出血の 危険度を算出する。従って、出血の度合いが算出される対象となる出血は、脳内出 血又はくも膜下出血である。具体的には、この例では、危険度算出部 24は、後述す る図 5に示すように、出血の度合いをヒストグラムとして作成する。例えば、当該画像 データが例えば 256階調のモノクロ画像である場合において、当該領域において各 々の画素値をとる画素の数をカウントすることにより、ヒストグラムを作成する。
[0034] この例では、実際には、危険度算出部 24が、血管領域の取り除かれた脳のしわの 領域及び脳の不均一な領域の輝度に基づいて、出血の度合いを算出する（ヒストグ ラムを作成する)。これらの領域においては、 MRI画像の場合、出血していない領域 は黒い画素となり、出血している領域は白い画素となる。本発明によれば、脳の不均 一な領域（内部の領域）についても出血の度合いを算出することにより、出血があつ ても脳のしわの領域に血液が流れ込まない場合を考慮することができる。これにより、 前述のように、出血の判断を誤ることを防止することができる。 [0035] この例では、危険度算出部 24は、更に、算出した出血の度合い (ヒストグラム）に基 づいて、出血の危険度を算出する。従って、脳内出血又はくも膜下出血の危険度が 算出される。これにより、患者の脳の画像を出血の有無について解析した結果を表 示する際に、解析結果をより判り易く表示することができる。この時、後述するように、 危険度を算出 (判定)するための閾値が診断支援装置 2の外部から入力される。この 例では、当該閾値は、前述のヒストグラムを参照して決定される。
[0036] なお、閾値を、ヒストグラムを作成した結果に基づ 、て、その都度、診断支援装置 2 の外部力も入力することにより設定しているが、この閾値を当該ヒストグラムを作成し た結果に基づいて自動的に設定するようにしても良い。例えば、危険度算出部 24が 、当該閾値として、ヒストグラムが図 5に示すように境目を持つ場合には当該境目を採 用し、ヒストグラムが図 7に示すように境目を持たない場合には当該分布の右端の値 を採用するようにしても良い。
[0037] 実際には、患者の脳の画像は、断層撮影により得られた連続した複数の 2次元画 像力もなる。従って、 2次元画像毎に、大脳領域を求め、これに基づいて脳のしわの 領域及び脳の不均一な領域を検出し、必要に応じて脳のしわの領域及び脳の不均 一な領域力も血管領域を取り除き、脳のしわの領域及び脳の不均一な領域の輝度に 基づいて出血の度合いを算出し、また、出血の危険度を算出する。
[0038] 表示装置 3は、例えば、 2次元画像毎に、脳内出血 Zくも膜下出血の危険度が所 定の値よりも高い 2次元画像を特定するように表示する。これにより、 2次元画像毎に 、判定を行い、出血の危険性のある部位の指示を表示することができる。なお、この 例では、後述するように、ヒストグラムの形状のみでも出血の有無を判定できるので、 表示装置 3が、危険度と共に、算出した脳内出血 Zくも膜下出血の度合い (ヒストグラ ム）を表示する力 V、ずれか一方の表示を省略しても良 、。
[0039] また、後述するように、ヒストグラムを用いて画素単位で出血部位を特定することが 可能であるので、危険度算出部 24が、当該出血部位と特定した画素を、画像取得装 置 1が取得した脳の画像（2次元画像）に重ねた画像を作成し、これを表示装置 3が 表示するようにしても良い。この時、当該出血部位と特定した画素を、例えば赤色に して表示するようにしても良 、。 [0040] 図 3は、脳内出血 Zくも膜下出血診断支援処理フローであり、本発明の脳内出血
Zくも膜下出血診断支援システムにおける脳内出血 Zくも膜下出血診断支援処理の 一例を示す。図 3において、画像取得装置 1が患者の脳の MRI画像（2次元画像)を 取得し (ステップ S1)、診断支援装置 2に送信する。これを受信した診断支援装置 2 において、大脳領域検出部 21が領域拡張法を用いて患者の脳の大脳領域を求め（ ステップ S2)、しわ領域検出部 22が、求めた大脳領域内の凸包と脳領域の差分を取 ることにより、脳のしわの領域及び脳の不均一な領域を検出し (ステップ S3)、血管除 去部 23が脳のしわの領域及び脳の不均一な領域力も血管領域の部分を取り除き (ス テツプ S4)、危険度算出部 24が脳のしわの領域及び脳の不均一な領域における輝 度に基づいて、脳内出血 Zくも膜下出血の度合い (ヒストグラム)を算出し、更に、脳 内出血 Zくも膜下出血の危険度を算出し (ステップ S5)、更に、当該算出結果を表示 装置 3に送信する。これを受信した表示装置 3が、 2次元画像毎に、当該算出結果 (ヒ ストグラム及び危険度）を表示する (ステップ S6)。
[0041] 図 4〜図 7は、本発明の脳内出血 Zくも膜下出血診断支援システムにおける脳内 出血 Zくも膜下出血診断支援の実際を示す。
[0042] 図 4 (A)は、画像取得装置 1である MR装置により読み取った患者の脳の原画像で ある。画像サイズは 460ドット X 460ドットである。この原画像 (MRI画像）は、実際に くも膜下出血を発症した患者について、翌日に撮像した画像データである。
[0043] 図 4 (B)は、領域拡張法を用いて、大脳領域をセグメンテーションした後の画像であ る。このときのパラメータは、シード点を対話的に選択し、グローバルパラメータを 20、 ローカルパラメータを 10とした。
[0044] 図 4 (B)の画像に対して 2D Active Netを適用することにより、図 4 (C)のように、収 束したネットの領域の画像を求めることができる。この図 4 (C)の画像から、図 4 (D)に 示すように、脳領域の凸包を求める。この際のパラメータは、網の形状が 30 X 100、 反復回数力 ^2000回であり、 a、 j8、 γは、各々、 ί列えば、 1. 0、 1. 0、 0. 5とした。 2D Active Netのプログラムは OpenGLで記述されており、適用結果である画像の網の内 部を塗りつぶすことによって、図 4 (D)に示す凸包の画像を得た。
[0045] この凸包の画像（図 4 (D)の画像）と大脳領域の画像（図 4 (B)の画像）との差分を 取った画像が図 4 (E)の画像である。この処理により、「脳のしわの部分を含んだ領域 」（即ち、脳のしわの領域及び脳の不均一な領域)を抽出することができる。
[0046] 次に、しわの部分を含んだ領域に対応する MRI画像の画素値から、出血の有無（ 及びその度合い）を推定する。図 5は、図 4 (E)で得られた領域 (即ち、差分マスクの 全画素）のヒストグラムである。図 5において、横軸は画素値（1〜256階調であるが、 1部省略して 、る）であり、縦軸は当該画素値をとる画素の数である（図 7において同 じ)。図 5に示すように、輝度の値の高い部分 (即ち、出血している部分）と低い部分（ 即ち、正常な部分)とが分離されていることが判る。また、輝度の値の高い部分が出 血している部分であるので、図 5から、 2個のピークの内の右側のピークが出血部分 であり、画素値が（256階調において）およそ「120」程度であれば出血していることが 判る。従って、当該画素値を閾値として用いることにより、出血部位を画素単位で容 易に特定することも可能である。
[0047] 次に、差分マスクの全画素数を分母とし、閾値より高い画素の数を分子としたものを 「危険度」として算出する。この例では、ヒストグラムの境目を閾値（90)とした。この結 果、この画像（図 4 (A)の画像）における危険度は、「0. 489476」となった。なお、全 画素数は「20904」であり、閾値より高 、画素数は「10232」であった。
[0048] ここで、比較のために、健常者の MRI画像に本発明を適用すると、図 6及び図 7に 示すようになる。即ち、図 6 (A)に示す MR装置により読み取った患者の脳の原画像（ 画像サイズは 256ドット X 256ドット）から、図 6 (B)に示す大脳領域の画像を得て、こ れに対して 2D Active Netを適用することにより図 6 (C)の画像を求め、これに基づい て凸包の画像（図示せず)を得て、これと大脳領域の画像（図 6 (B)の画像）との差分 を取った画像が図 6 (D)の画像である。前述のように、図 6 (D)で得られた領域のヒス トグラムを求めると、図 7に示すようになる。図 7のヒストグラムにおいては、出血の部分 が無いため、輝度分布は 1力所に集中しており、また、その輝度も低ぐ図 5とは明ら かに異なることが判る。このように、前述のヒストグラムを取った時点で、そのグラフに より出血の有無がある程度判別することができることが判る。
[0049] 図 7のヒストグラムには、その境目がな 、ので、一応の目安として分布の右端の部分 を閾値（100)とした。この結果、危険度は「0. 029474」となった。即ち、約 1Z16の 危険度であることが判る。このように、危険度からも十分に脳内出血 Zくも膜下出血の 有無を判断することができる。
産業上の利用可能性
以上説明したように、本発明によれば、脳内出血 Zくも膜下出血診断支援システム において、経験のある脳神経外科医と同様に、大脳の脳溝 (脳のしわ）に着目して、 当該脳のしわの領域における当該画像の輝度に基づいて、脳内出血 zくも膜下出 血等の出血の度合いを算出し、又は、出血の危険度を算出することにより、患者の脳 の画像に基づいて、脳内出血 Zくも膜下出血の危険度をコンピュータにより推定する ことができ、例えば専門の脳神経外科医が勤務していない病院等において、脳内出 血 Zくも膜下出血の診断を支援することができ、たとえ微小な脳内出血 Zくも膜下出 血の場合でも、医師による誤診断を防止し、処置が手遅れになることを回避すること ができる。

Claims

請求の範囲
[1] 患者の脳の画像を取得する画像撮影部と、
前記脳の画像における脳のしわの領域及び脳の不均一な領域の輝度に基づいて 、出血の度合いを算出する危険度算出部とを備える
ことを特徴とする脳内出血 Zくも膜下出血診断支援システム。
[2] 前記出血は、脳内出血又はくも膜下出血である
ことを特徴とする請求項 1に記載の脳内出血 Zくも膜下出血診断支援システム。
[3] 当該脳内出血 Zくも膜下出血診断支援システムが、更に、
前記脳の画像から、大脳領域を求める大脳領域検出部を備える
ことを特徴とする請求項 1に記載の脳内出血 Zくも膜下出血診断支援システム。
[4] 前記大脳領域検出部は領域拡張法により前記脳の画像力 大脳領域を求める ことを特徴とする請求項 3に記載の脳内出血 Zくも膜下出血診断支援システム。
[5] 当該脳内出血 Zくも膜下出血診断支援システムが、更に、
前記脳の画像力 求められた大脳領域における凸包と脳領域との差分を求めるこ とにより、前記脳のしわの領域及び脳の不均一な領域を検出するしわ領域検出部を 備える
ことを特徴とする請求項 1に記載の脳内出血 Zくも膜下出血診断支援システム。
[6] 当該脳内出血 Zくも膜下出血診断支援システムが、更に、
前記脳の画像から、大脳領域を求める大脳領域検出部と、
前記大脳領域における凸包と脳領域との差分を求めることにより、前記脳のしわの 領域及び脳の不均一な領域を検出するしわ領域検出部とを備える
ことを特徴とする請求項 1に記載の脳内出血 Zくも膜下出血診断支援システム。
[7] 前記患者の脳の画像は、複数の 2次元画像からなり、
前記 2次元画像毎に、前記大脳領域を求め、これに基づいて脳のしわの領域及び 脳の不均一な領域を検出し、前記脳のしわの領域及び脳の不均一な領域における 当該画像の輝度に基づいて出血の度合いを算出する
ことを特徴とする請求項 6に記載の脳内出血 Zくも膜下出血診断支援システム。
[8] 当該脳内出血 Zくも膜下出血診断支援システムが、更に、 前記しわの領域及び脳の不均一な領域力 血管領域を取り除く血管除去部を備え 前記危険度算出部が、前記血管領域の取り除かれた前記しわの領域及び脳の不 均一な領域の輝度に基づいて、出血の度合いを算出する
ことを特徴とする請求項 5乃至 7のいずれかに記載の脳内出血 Zくも膜下出血診断 支援システム。
[9] 前記危険度算出部が、前記出血の度合いに基づいて、出血の危険度を算出する ことを特徴とする請求項 1に記載の脳内出血 Zくも膜下出血診断支援システム。
[10] 当該脳内出血 Zくも膜下出血診断支援システムが、更に、
前記患者の脳の画像を表示する表示装置を備え、
前記表示装置が、前記 2次元画像毎に、出血の危険度が所定の値よりも高い 2次 元画像を特定するように表示する
ことを特徴とする請求項 9に記載の脳内出血 Zくも膜下出血診断支援システム。
PCT/JP2005/014189 2004-08-05 2005-08-03 脳内出血／くも膜下出血診断支援システム WO2006013883A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004229435A JP2006043200A (ja) 2004-08-05 2004-08-05 脳内出血／くも膜下出血診断支援システム
JP2004-229435 2004-08-05

Publications (1)

Publication Number Publication Date
WO2006013883A1 true WO2006013883A1 (ja) 2006-02-09

Family

ID=35787164

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2005/014189 WO2006013883A1 (ja) 2004-08-05 2005-08-03 脳内出血／くも膜下出血診断支援システム

Country Status (2)

Country Link
JP (1) JP2006043200A (ja)
WO (1) WO2006013883A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007114238A1 (ja) * 2006-03-30 2007-10-11 National University Corporation Shizuoka University 脳萎縮判定装置、脳萎縮判定方法及び脳萎縮判定プログラム

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5383486B2 (ja) * 2006-06-13 2014-01-08 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 脳出血部位セグメンテーションする装置の作動方法および装置
EP2432384B1 (en) * 2009-05-18 2015-07-15 Koninklijke Philips N.V. Arrangement for detecting magnetic particles and for monitoring bleeding
US9044194B2 (en) 2010-08-27 2015-06-02 Konica Minolta, Inc. Thoracic diagnosis assistance system and computer readable storage medium
CN103068312B (zh) * 2010-08-27 2015-07-15 柯尼卡美能达医疗印刷器材株式会社 诊断支援系统以及图像处理方法
JP6775944B2 (ja) 2015-12-14 2020-10-28 キヤノンメディカルシステムズ株式会社 画像処理装置
EP3228266B1 (en) 2016-04-07 2021-02-24 Universitätsmedizin der Johannes Gutenberg-Universität Mainz A device for ultrasonic-accelerated hematoma lysis or thrombolysis of intracerebral or intraventricular hemorrhages or hematomas
JP6945493B2 (ja) * 2018-05-09 2021-10-06 富士フイルム株式会社 医用画像処理装置、方法およびプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03140140A (ja) * 1989-10-27 1991-06-14 Hitachi Ltd 領域抽出手法
JP2004195080A (ja) * 2002-12-20 2004-07-15 Fuji Photo Film Co Ltd 異常陰影検出装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03140140A (ja) * 1989-10-27 1991-06-14 Hitachi Ltd 領域抽出手法
JP2004195080A (ja) * 2002-12-20 2004-07-15 Fuji Photo Film Co Ltd 異常陰影検出装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SAITO N. ET AL: "Nokekkan Shogai Gazo Shindan", vol. 21, no. 8, 25 July 2001 (2001-07-25), pages 835 - 842, XP002998955 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007114238A1 (ja) * 2006-03-30 2007-10-11 National University Corporation Shizuoka University 脳萎縮判定装置、脳萎縮判定方法及び脳萎縮判定プログラム
US8112144B2 (en) 2006-03-30 2012-02-07 National University Corporation Shizuoka University Apparatus for determining brain atrophy, method of determining brain atrophy and program for determining brain atrophy
JP5186620B2 (ja) * 2006-03-30 2013-04-17 国立大学法人静岡大学 脳萎縮判定装置、脳萎縮判定方法及び脳萎縮判定プログラム

Also Published As

Publication number Publication date
JP2006043200A (ja) 2006-02-16

Similar Documents

Publication Publication Date Title
JP6175071B2 (ja) 胸部画像の処理及び表示
JP5643304B2 (ja) 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法
US10896507B2 (en) Techniques of deformation analysis for quantification of vascular enlargement
WO2006013883A1 (ja) 脳内出血／くも膜下出血診断支援システム
US10098602B2 (en) Apparatus and method for processing a medical image of a body lumen
JP2020506012A (ja) 脳卒中の診断及び予後予測方法並びにシステム
EP2925216B1 (en) Stenosis therapy planning
US10769779B2 (en) Method for increasing reading efficiency in medical image reading process using gaze information of user and apparatus using the same
JP5658686B2 (ja) 貫壁性のかん流の勾配の画像分析
US8705830B2 (en) Method and device for processing 3-D image data of a skull
JP5181124B2 (ja) 動脈瘤計測方法、及びその装置並びにコンピュータプログラム
KR102060895B1 (ko) 의료 영상 생성 방법 및 디바이스
JP2007275318A (ja) 画像表示装置、画像表示方法およびそのプログラム
JP5388638B2 (ja) 画像処理装置および画像処理プログラム
Fenner et al. Towards radiological diagnosis of abdominal adhesions based on motion signatures derived from sequences of cine-MRI images
EP2613167B1 (en) Diagnostic imaging apparatus and method of operating the same
Wolf et al. Focal cervical spinal stenosis causes mechanical strain on the entire cervical spinal cord tissue–A prospective controlled, matched-pair analysis based on phase-contrast MRI
JP4575821B2 (ja) 子宮の蠕動運動を可視化するための画像処理装置、画像処理方法および画像診断支援システム、ならびにそのためのコンピュータプログラムおよびそれを記録した記録媒体
WO2009145170A1 (ja) 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
US20200202501A1 (en) Image-processing of image datasets of patients
JP2010099348A (ja) 医用画像処理装置
CN111862312B (zh) 一种脑部血管显示装置及方法
JP2006051170A (ja) 画像診断装置、頭部虚血部位解析システム、頭部虚血部位解析プログラムおよび頭部虚血部位解析方法
Lee et al. Increasing visual perception brain stroke detection system
Węgliński et al. Image segmentation algorithms for diagnosis support of hydrocephalus in children

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS KE KG KM KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NG NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SM SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU LV MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase