WO2010013300A1 - 脳神経疾患検出技術 - Google Patents

脳神経疾患検出技術 Download PDF

Info

Publication number
WO2010013300A1
WO2010013300A1 PCT/JP2008/063502 JP2008063502W WO2010013300A1 WO 2010013300 A1 WO2010013300 A1 WO 2010013300A1 JP 2008063502 W JP2008063502 W JP 2008063502W WO 2010013300 A1 WO2010013300 A1 WO 2010013300A1
Authority
WO
WIPO (PCT)
Prior art keywords
region
function
image
disease
interest
Prior art date
Application number
PCT/JP2008/063502
Other languages
English (en)
French (fr)
Inventor
一成 石井
Original Assignee
日本メジフィジックス株式会社
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 日本メジフィジックス株式会社 filed Critical 日本メジフィジックス株式会社
Priority to CA2731657A priority Critical patent/CA2731657A1/en
Priority to JP2008551378A priority patent/JP4302183B1/ja
Priority to US13/056,614 priority patent/US8693746B2/en
Priority to AU2008360162A priority patent/AU2008360162A1/en
Priority to EP08791737A priority patent/EP2312337A4/en
Priority to PCT/JP2008/063502 priority patent/WO2010013300A1/ja
Publication of WO2010013300A1 publication Critical patent/WO2010013300A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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

Definitions

  • the present invention relates to a detection technique for a cranial nerve disease such as Alzheimer's disease and dementia with Lewy bodies.
  • a preferred embodiment thereof is a detection program for an image containing a cranial nerve disease, and an image containing the cranial nerve disease is detected using a computer.
  • a device for detecting an image including a cranial nerve disease is provided.
  • Alzheimer's disease As the elderly population increases, the number of patients with cranial nerve diseases with dementia such as Alzheimer's disease is expected to increase. Since these diseases progress with aging and cause changes in the patient and the surrounding living environment, early diagnosis is important.
  • Diagnosis of cranial nerve disease with such dementia is based on the results of neuropsychological tests, interviews, clinical findings such as Mini ⁇ Mental Status Examination (hereinafter referred to as MMSE), DSM-III-R Or it is performed using a method such as applying to a diagnostic standard such as ICD-10.
  • MMSE Mini ⁇ Mental Status Examination
  • ICD-10 a diagnostic standard
  • image diagnosis such as CT, MRI, and SPECT is combined in the diagnosis in order to improve the correct diagnosis rate.
  • the diagnostic accuracy of diagnostic imaging such as CT, MRI, and SPECT depends on the proficiency level and subjectivity of the reader, and the results vary depending on the facility and the examiner. There was a problem. From such a background, it is desired to use a method that can detect a cranial nerve disease more objectively.
  • Non-patent Document 1 a positron emission tomographic imaging (hereinafter referred to as PET) image by administration of 2- [18F] fluoro-2-deoxy-D-glucose (hereinafter referred to as FDG), which is a glucose metabolism tracer, A method for comparing the normal group and calculating the t value of the pixel value in units of pixels and distinguishing Alzheimer's disease patients from healthy individuals is disclosed (Non-Patent Document 2).
  • PET positron emission tomographic imaging
  • FDG 2- [18F] fluoro-2-deoxy-D-glucose
  • a method capable of objectively detecting early lesions is desired.
  • cranial nerve diseases such as Alzheimer's disease by measuring a local decrease in brain function such as sugar metabolism.
  • a cranial nerve disease such as Alzheimer's disease using a diagnostic image
  • this method is based on comparison with healthy person data, it is necessary to prepare a healthy person database for implementation.
  • the present invention has been made in view of the above circumstances, and a technique for detecting a cranial nerve disease such as Alzheimer's disease or Lewy body dementia from only the head function image of the subject himself / herself without using a healthy subject database.
  • the purpose was to provide.
  • the sensitivity, specificity, and correct diagnosis of the method according to the present invention are used using an image derived from an Alzheimer's disease patient and an image derived from a healthy subject. The rate was determined.
  • the region of interest was set using 123 I-IMP-administered head SPECT images of 20 Alzheimer's disease patients (age 73.6 ⁇ 4.6 years) and 15 healthy subjects (age 60.5 ⁇ 7.1 years). Disease group and healthy group).
  • Each image was anatomically standardized using an iNEUROSTAT program (manufactured by Nippon Physics Co., Ltd.). Next, the pixel value of each image was divided by using the average value of all pixel values in each image to normalize the pixel values (hereinafter collectively referred to as a normalized image).
  • a comparison between groups was performed between the disease group and the healthy group, and a z score representing a decrease in pixel value was obtained for each pixel.
  • the obtained z-score was placed in each pixel, and a threshold value of 3 was used to extract a cluster representing a pixel value decrease region.
  • the largest one was selected and designated as a function-decreasing region 1.
  • a z-score representing an increase was obtained, and a cluster representing an increased region of pixel values was extracted with a threshold value of 3.
  • the largest cluster was selected and designated as function-preserving region 1.
  • the brain template (FIG. 5) stored in the iNEUROSTAT program was compared with the normalized image, and a segment indicating a function-reduced area and a segment indicating a function-preserving area were selected on the template. Each selected segment is compared with the function-decreasing region 1 and the function-preserving region 1, and a region that is substantially common is extracted, and the region-of-interest data corresponding to the function-decreasing region and the function-preserving region (FIG. 9).
  • An image in which the average pixel value of the function-preserving site is determined to be significantly larger than the average pixel value of the function-decreasing site by t-test is an image detected as an Alzheimer's disease patient image, and the other images are detected as healthy subject images The image was made. Based on this result, sensitivity, specificity, and correct diagnosis rate were determined by a known method.
  • the sensitivity, specificity, and correct diagnosis rate were 82.4%, 88.2%, and 85.3%, all showing high values. From the above results, it was confirmed that an image of a patient derived from Alzheimer's disease can be detected objectively and with high accuracy by the method according to the present invention.
  • Each image was anatomically standardized using the iNEUROSTAT program (manufactured by Nippon Physics Co., Ltd.).
  • the standardized image was compared with a brain template (FIG. 5) stored in the iNEUROSTAT program, and the occipital lobe was selected as a segment indicating a function-decreasing site, and used as region-of-interest data.
  • a sensorimotor area was selected as a segment indicating a function-preserving site and used as region-of-interest data.
  • Sensitivity, specificity, and accuracy rate were assessed using 123 I-IMP heads of 15 patients with dementia with Lewy bodies (age 79.0 ⁇ 6.6 years) and 15 healthy subjects (age 60.5 ⁇ 7.1 years).
  • SPECT images were used (hereinafter referred to as the DLB disease group and the healthy subject group, respectively).
  • anatomical standardization was performed using the iNEUROSTAT program, and the region of interest was set for the function-reduced region and the function-preserving region by applying the region-of-interest data obtained above.
  • a pixel value t-test was performed between the reduced function part and the function-preserving part with a risk rate of 5%.
  • An image in which the average pixel value of the function-preserving site is determined to be significantly larger than the average pixel value of the function-decreasing site by t-test is an image detected as a Lewy body dementia image, and the other images are healthy person images As an image detected. Based on this result, sensitivity, specificity, and correct diagnosis rate were determined by a known method.
  • the sensitivity, specificity, and correct diagnosis rate were 73.3%, 86.7%, and 80.0%, all showing high values. From the above results, it was confirmed that Lewy body dementia can be detected objectively and with high accuracy by the method according to the present invention.
  • the function-specific function declines in the head function image, and the function may be preserved even in the disease example.
  • the disease can be detected by comparing the head function image between these regions.
  • the present invention is applied to various cranial nerve diseases having a function-reduced part and a function-preserving part on a head function image. It will be clear that this is possible. Examples of diseases with very high applicability include Alzheimer's disease, Lewy body dementia, frontotemporal dementia, and progressive supranuclear palsy.
  • the present invention makes the work necessary for detecting cranial nerve diseases much easier than before, and brings great benefits to the fields of medical and image analysis programs.
  • region-of-interest data data on a disease-specific functionally reduced site or a function-preserving site
  • the region-of-interest data is used to extract a region for comparison between regions.
  • the site of functional decline and the site of functional preservation can be the parietal lobe and sensorimotor area, respectively.
  • the function-lowering site and the function-preserving site can be the occipital lobe and sensorimotor area, respectively.
  • Interest area data can be obtained by various methods. For example, the results of comparison between groups of head function images derived from a plurality of subjects suffering from cranial nerve disease (hereinafter referred to as disease group) and head function images derived from a plurality of healthy persons (hereinafter referred to as healthy group). Can be obtained on the basis. By using this method, it is possible to set a region of interest in a site where the function is statistically lowered and a site where the function is statistically preserved in the target disease.
  • a method for comparison between groups a known method, for example, a method described in a document (International Publication No. 2007/063656 pamphlet) can be used.
  • each image included in the disease group and the healthy subject group is normalized using an average value of all pixel values for each image.
  • the pixel value of the function-preserving site in the disease group becomes relatively high, and extraction based on comparison between groups becomes easier.
  • the region-of-interest data can be obtained using only the head function image derived from the patient suffering from the cranial nerve disease. Specifically, by setting a threshold value for the pixel value on the head function image, it is possible to use a method of extracting a function-reduced part and a function-preserving part as region-of-interest data.
  • region-of-interest data using a template preset on the standard brain. For example, a segment corresponding to a disease-specific function-reduced part and a function-preserving part is selected from each area data set in advance in Tarailach's brain chart and other brain atlases, etc., and is used as region-of-interest data. The method can be used.
  • region extraction can be performed using region-of-interest data set by two different methods, and a region extracted in common can be used as region-of-interest data.
  • region-of-interest data obtained by combining two or more methods, it can be expected that the accuracy of disease detection is further improved.
  • the region-of-interest data preferably has a function-reduced part or a function-preserving part for an anatomically standardized brain image (standard brain) in order to provide versatility. Therefore, in a preferred embodiment, a head function image of a subject who performs disease detection is also analyzed after anatomical standardization. Or, conversely, the region-of-interest data may be transformed to match the head function image of the subject and used for analysis.
  • Anatomical standardization can be performed using known methods such as literature (Minoshima S. et al., J. Nucl. Med., 1994, 35, p. 1528-37, or Friston K. Brain Mapping, 1995, 2, p.189-210) can be used.
  • region of interest An area where image data is actually compared for disease detection may be referred to as a region of interest in this specification.
  • the region of interest may be a region automatically extracted using the region of interest data described above, but further adjustments may be made automatically or manually.
  • comparison between regions of interest can be performed by comparing pixel values of image data included in each region of interest.
  • image data such as SPECT and PET. Therefore, the presence of a disease can be estimated if the pixel value of the region of interest of the function-reduced part is smaller than a certain value than the pixel value of the region of interest of the function-preserving part.
  • a significance test method such as t test.
  • the average pixel value of the region of interest in the function-preserving region is significantly higher than the average pixel value of the region of interest in the function-reduced region, rather than simply determining whether there is a significant difference. It is preferable to adopt a configuration in which it is determined whether or not it is large. By adopting such a configuration, the error rate of judgment is roughly halved.
  • the embodiment of the present invention includes the following cranial nerve disease image detection apparatus.
  • This device for the functional image of the head, a function-reduced site where the function can be specifically reduced in the cranial nerve disease as a detection target disease, and a function-preserving site where the function can be preserved also in the cranial nerve disease, respectively
  • a region-of-interest setting unit that sets a region of interest, and a significant difference test using pixel values in the region of interest set in each of the reduced function region and the function-preserving region, and the interest of the function-preserving region
  • a disease image detection unit that determines that the detection target disease is present when an average pixel value of the region is significantly larger than an average pixel value of the region of interest for the functionally degraded site.
  • This program is a computer program that can use image data constituting a head function image and operates a computer including a storage means and a CPU, and is executed by the CPU, First memory means for storing image data corresponding to the first area of the head function image; image data corresponding to a second area different from the first area in the same head function image; A second memory means for storing cranial nerve disease detecting means for detecting a cranial nerve disease based on a comparison between image data stored in the first memory means and image data stored in the second memory means; To act as.
  • the first and second memory means may be a memory logically formed on a physical medium by a program. Either one of the first memory means and the second memory means stores image data of a portion whose function can be specifically reduced in a cranial nerve disease as a detection target disease, and the other preserves the function also in the cranial nerve disease. It can be programmed to store image data of possible parts. That is, in a preferred embodiment, the first and second regions are regions of interest set in the aforementioned function-reduced part and function-preserving part, respectively.
  • Still another embodiment of the present invention includes the following method for detecting a cranial nerve disease image.
  • a function-reducing site where the function can be specifically reduced in a cranial nerve disease as a detection target disease, and a function-preserving site where the function can be preserved in the cranial nerve disease, respectively A region-of-interest setting step for setting a region of interest; and a significant difference test using pixel values in the region of interest set for each of the reduced function portion and the function-preserving portion, and the interest for the function-preserving portion
  • Embodiments of the present invention include those that perform anatomical standardization of head function images. Then, the region of interest can be set for the standardized head function image. Conversely, the region-of-interest data set on the standard brain is converted into the shape of the subject's head function image using the inverse transformation method, and the converted region-of-interest data is superimposed on the subject's head function image. Thus, a method of setting a region of interest on the subject's head function image may be used.
  • the region-of-interest data is specific to a disease, it is preferable that the region-of-interest data is configured to be automatically called and applied according to information such as a disease name.
  • FIG. 1A is a diagram showing a configuration in the most preferred mode of the cranial nerve disease image detection device 20 according to the present invention
  • FIG. 2 is a diagram showing an operation in the most preferred mode in the cranial nerve disease image detection device 20 according to the present invention. is there.
  • the cranial nerve disease image detection apparatus 20 according to the present invention can be configured as a computer loaded with a cranial nerve disease image detection program 100 described later.
  • the cranial nerve disease image detection device 20 according to the present invention functionally acquires an image acquisition unit 22 that acquires a head function image from the head function image imaging device 10 such as a SPECT device.
  • FIG. 1B is a diagram for explaining a hardware configuration of the image detection apparatus 20.
  • the image detection device 20 includes a CPU 40, a main storage device 42, an auxiliary storage device 44, and preferably a communication device 46. That is, the image detection device 20 is hardware-related. It can have the same configuration as a general-purpose computer.
  • the auxiliary storage device 44 such as a hard disk stores a program for operating the device 20 as a detection device for a cranial nerve disease image. When this program is executed by the CPU 40, a function necessary for detecting a cranial nerve disease is provided. Is done. That is, all or part of the functions of the image acquisition unit 22, the image standardization unit 24, the ROI setting unit 26, the disease image detection unit 28, and the like are realized using software processing.
  • the image detection device 20 is connected to an auxiliary storage device 50, a display 52, user interfaces 54 to 58, and the like via external interfaces 48a to 48e.
  • the user interfaces 54 to 58 can be, for example, a touch panel 54, a keyboard 56, a mouse 58, and the like.
  • the auxiliary storage device 50 can be an optical disk drive such as a DVD-ROM drive.
  • the touch panel 54 is configured to be integrated with the display 52.
  • the head function image capturing device 10 is connected to the image detection device 20 via the communication device 46, and an image captured by the head function image capturing device 10 is stored in an auxiliary storage device via a network. 44 can be captured.
  • the head function image capturing device 10 various devices capable of acquiring a head function image can be used. Specifically, a SPECT apparatus, a PET apparatus, an MRI apparatus, or a CT apparatus is exemplified.
  • the head function image capturing apparatus 10 includes an image capturing unit 12 and an image reconstruction unit 14.
  • the imaging unit 12 acquires head function image data of the subject.
  • the image reconstruction unit 14 performs an image reconstruction process on the acquired head function image data to generate a head function image.
  • the imaging unit 12 acquires projection data from a subject to whom a radiopharmaceutical such as 99m Tc HMPAO and 123 I IMP has been administered.
  • This projection data corresponds to the head function image data in the present embodiment.
  • the image reconstruction unit 14 performs necessary reconstruction processing on the acquired projection data, and generates a series of tomographic images. This series of tomographic images corresponds to the head function image in the present embodiment. Note that image reconstruction can be performed using a known method.
  • the image acquisition unit 22 acquires the head function image generated by the image reconstruction unit 14 (step S1).
  • the head function image is stored in a computer-readable data format such as DICOM format.
  • the head function image imaging device 10 stores the data in a storage medium such as a DVD, and reads the disk from a reading device (auxiliary storage device). 50). Desirably, it may be moved directly to the auxiliary storage device 44 via the communication device 46 as a computer data signal superimposed on a carrier wave.
  • the auxiliary storage device 44 can be a hard disk, a flash memory, or the like.
  • the image acquisition unit 22 reads head function image data stored in the auxiliary storage device 44 or the auxiliary storage device 50, and forms the software on the main storage device 42 or the auxiliary storage device 44. Store in logical memory area. The stored data is subjected to processing in the next processing block (image standardization unit 24).
  • the image standardization unit 24 performs anatomical standardization processing on the head function image acquired by the image acquisition unit 22, and converts the head function image into a standard brain (step S2).
  • This anatomical standardization process can be performed by a known method such as literature (Minoshima S. et al., J. Nucl. Med., 1994, 35, p.1528-37, or Friston K. J. et al., Human Brain Mapping, 1995, 2, p.189-210).
  • the converted brain image data is stored in a logical memory area formed in software on the main storage device 42 and the auxiliary storage device 44. Depending on the embodiment, the converted brain image data may be displayed on the display 52.
  • the region-of-interest setting unit 26 on the head function image converted into the standard brain, a part where the function can be lowered in the detection target disease (function-decreasing part) and a part where the function is likely to be preserved (function A region of interest is set for each (preservation site) (step S5).
  • the region-of-interest setting unit 26 is coupled to a disease information input unit 32 and a region-of-interest database (described as ROI data in FIG. 1A) 34 stored in the auxiliary storage device 44, 50 or the like.
  • the disease information input unit 32 can accept input from at least one of the user interfaces 54 to 58, and accepts input of detection target disease information represented by a disease name (step S3).
  • the disease information is not particularly limited as long as it is information that can be used to select region-of-interest data from the database. Typically, it can be a common name for cranial nerve disease, but abbreviations, typical symptoms, and the like may be used. In inputting disease information, it is possible to combine known methods related to menu selection, such as displaying disease information in a pull-down menu to enable selection of a target disease.
  • region-of-interest database 34 data on a site to be investigated for each cranial nerve disease, that is, a site where a decrease in function may occur in the disease (function-decreasing site), and the function may also be preserved in the disease
  • Data namely, region-of-interest data
  • the region-of-interest setting unit 26 reads out region-of-interest data corresponding to the detection target disease based on the input disease information (step S4), and corresponds to the region-of-interest data on the head function image converted into the standard brain.
  • a region to be set is set as a region of interest (step S5).
  • the region-of-interest data can be generated by various methods. A method of forming the region of interest data will be described later.
  • the region of interest can be set manually without using automatic setting based on the region of interest data.
  • the operator may automatically or manually adjust the automatically set region of interest.
  • the region of interest can be determined by the operator selecting a desired region on the brain image displayed on the display 52 using the touch panel 54, the mouse 56, or the like.
  • a brain atlas may be displayed on the display 52 so as to be superimposed on the head function image of the subject converted into the standard brain, and a desired region may be selected using the user interfaces 54 to 58 or the like. .
  • the region-of-interest setting unit 26 stores the region-of-interest data set in each of the function-reduced part and the function-preserving part in different logical memories (logical memory areas formed in software on the main storage device 42 and the auxiliary storage device 44). ). The stored image data is used for the next processing.
  • the disease image detection unit 28 performs an image detection process including a cranial nerve disease (step S6).
  • FIG. 3 is a diagram illustrating a process flow in the disease image detection process.
  • the disease image detection unit 28 reads out the data stored in the logical memory in step S5, and performs a significant difference test of the pixel value between the pixel belonging to the function-reduced part and the pixel belonging to the function-preserving part (step S5). S11).
  • the significant difference test can be performed by a known method. In the most preferred embodiment, the t-test can be used as the significance test.
  • the cranial nerve disease whose detection target is the image is It is determined as an image that may exist (step S13).
  • the image is not determined as an image including a cranial nerve disease as a detection target (step S14).
  • the disease image detection unit 28 stores necessary data such as a determination result in the logical memory, and the disease image detection process (step S6) ends.
  • the output unit 30 outputs the result of the detection process performed by the disease image detection unit 28 to the display 52 via the display interface 48b (step S7). You may output to other output devices, such as a printer and a sound production
  • the output format is not particularly limited. For example, the t value and / or the detection result (or both) are displayed on the image, and the average pixel value of the function-preserving part is more significant than the average pixel value of the function-decreasing part. If it is determined that the image is large, it is possible to adopt a format in which the image is provided with a color distinguishable from the others.
  • the region-of-interest data stored in the region-of-interest database can use data set by various methods.
  • a method based on a disease image a method using a template set on a standard brain, and a method based on comparison between a disease group and a healthy group will be described. .
  • region-of-interest data is set based on a disease image.
  • an image derived from a patient suffering from a cranial nerve disease (for example, Alzheimer's disease) to be detected is acquired. It is preferable to use a disease image previously converted into a standard brain.
  • the disease image may be obtained by averaging pixel values for each pixel of a plurality of patient-derived images converted into the standard brain, but a representative example showing a typical image pattern for each disease may be used. good.
  • part are each extracted using a threshold method, and it is set as region-of-interest data.
  • FIGS. 4 (a) and 4 (b) An example of extracting region-of-interest data by this method is shown in FIGS. 4 (a) and 4 (b).
  • FIG. 4 (a) and FIG. 4 (b) show a function-preserving site and a function-decreasing site when Alzheimer's disease is a detection target disease.
  • part may be set using the disease image of the same example, you may set using a separate image, respectively.
  • a method of using a brain template set on the standard brain will be described.
  • a brain template set anatomically on a standard brain is compared with a disease image, and a region (segment) corresponding to a function-reduced part and a function-preserving part is selected.
  • FIGS. 5A to 5G show examples of brain templates.
  • This brain template can be compared with the detection target image, and a segment corresponding to a function-reduced site and a function-preserving site in the disease to be detected can be selected and used as region-of-interest data corresponding to the disease.
  • a method based on comparison between groups between the disease group and the healthy group will be described.
  • a plurality of disease images and a plurality of healthy person images are acquired.
  • comparison between groups is performed for each pixel, and a numerical value (hereinafter referred to as an index value), such as t value or z score, which is an index of change in pixel value Get.
  • an index value such as t value or z score, which is an index of change in pixel value Get.
  • a corresponding index value is displayed on each pixel on the standard brain, and a function-reduced part and a function-preserving part are extracted using the threshold method, and are used as region-of-interest data.
  • the methods exemplified above may be used alone or in combination.
  • a region obtained by overlapping and displaying the regions of interest extracted by the above methods and extracting the common part may be used as the region of interest data.
  • FIG. 6 is a diagram showing the configuration of the most preferred embodiment of the cranial nerve disease image detection program 100 according to the present invention together with the storage medium 200.
  • the neurological disease image detection program 100 includes a main module 110 that supervises processing, an image data acquisition module 120, an image standardization module 130, a disease information input module 140, and a region of interest setting module 150. (In FIG. 6, described as an ROI setting module), a disease image detection module 160, and an output module 170.
  • the neurological disease image detection program 100 is provided by being stored in the storage medium 200.
  • the recording medium 200 include a flexible disk, a hard disk, a CD-ROM, a DVD, and a semiconductor memory.
  • the recording medium 200 By inserting the recording medium 200 storing the cranial nerve disease image detection program 100 into a reading device (for example, the auxiliary storage device 50 in FIG. 1B) provided in the computer, the computer can access the cranial nerve disease image detection program 100.
  • the program 100 can operate as the above-described cranial nerve disease detection apparatus 20.
  • the program 100 may be installed and used in a high-speed storage device such as a hard disk (for example, the auxiliary storage device 44 in FIG. 1B).
  • the neurological disease image detection program 100 according to the present invention may be provided via a network as a computer data signal superimposed on a carrier wave.
  • the image data acquisition module 120 causes the computer to function as the image acquisition unit 22.
  • the image standardization module 130 causes the computer to function as the image standardization unit 24.
  • the disease information input module 140 causes the computer to function as the disease information input unit 32.
  • the region-of-interest setting module 150 causes the computer to function as the region-of-interest setting unit 26.
  • the disease image detection module 160 causes the computer to function as the disease image detection unit 28.
  • the output module 170 causes the computer to function as the output unit 30.
  • module configurations simply represent one of the methods for programming the program 100, and programming methods having functions equivalent to the program 100 are limited to such module configurations. It must be noted that this is not the case.
  • FIG. 7 and 8 are diagrams showing the flow of processing in a preferred embodiment of the method for detecting cranial nerve disease according to the present invention.
  • the cranial nerve disease image detection method according to the present invention can be performed by executing the above-described cranial nerve disease image detection program. However, it is not always necessary to program it, and it may be implemented by giving a command relating to each step directly to the computer.
  • the region of interest used for the significant difference test is set on the head function image subjected to anatomical standardization, but is set on the head function image derived from the subject. There is no particular limitation as long as it can be obtained. For example, for each acquired head function image, a method in which an operator visually sets a function-reduced part and a function-preserving part can be taken.
  • a method of setting a region of interest on the head function image of the subject may be used.
  • the method according to the present invention is a method based on a significant difference test between a disease-specific function-reducing site and a function-preserving site, a function-reducing site and a function-preserving site specific to various diseases, By applying it to the head function image of the subject, it can be applied to other cranial nerve diseases.
  • the figure which shows an example of a function structure of the cranial nerve disease image detection apparatus which concerns on this invention The figure which shows an example of the hardware constitutions of the cranial nerve disease image detection apparatus which concerns on this invention
  • the figure which shows the example of extraction of the region of interest data by this method (a) Function preservation part, (b) Function fall part Figures showing examples of templates: (a) parietal lobe, (b) temporal lobe, (c) sensorimotor area, (d) frontal lobe, (e) occipital lobe, (f) posterior body gyrus, (g) anterior Part-like gyrus
  • the figure which shows an example of a structure of the cranial nerve disease image detection program which concerns on this invention The figure which shows the flow of a process in an example of the cranial nerve disease image detection method which concerns on this invention.
  • Region of interest set in Demonstration Example 1 (a) function-reduced part, (b) function-preserving part

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Neurology (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Nuclear Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

　本発明の実施形態の一例では、頭部機能画像を用い、疾患特異的に機能が低下しうる領域と、疾患例においても機能が温存されうる領域との間において、画素値の有意差検定を行う。そして、有意差検定の結果、機能温存部位の平均画素値が機能低下部位の平均画素値より有意に大きいと判定された画像を、脳神経疾患を含む画像として検出する。この実施例によれば、健常者データベースを用いることなく脳神経疾患画像を客観的に検出することが可能となる。

Description

脳神経疾患検出技術
　本発明は、アルツハイマー病、レビー小体型認知症を初めとする脳神経疾患の検出技術に関し、その好適な実施形態は脳神経疾患を含む画像の検出プログラム、コンピュータを用いて前記脳神経疾患を含む画像を検出する方法、および脳神経疾患を含む画像を検出するための装置に関する。
　高齢者人口の増加に伴い、アルツハイマー病を初めとする認知症を伴う脳神経疾患の患者数は増加することが予想されている。これらの疾患は、加齢に伴って進行して患者及びその周囲の生活環境に変化をもたらすため、早期に診断することは重要である。
　このような認知症を伴う脳神経疾患の診断は、例えば、Mini Mental Status Examination（以下、MMSEとする）に代表されるような神経心理検査、問診、臨床所見等における結果を、DSM-III-RまたはICD-10といった診断基準にあてはめるといった方法を用いて行われる。しかし、このような診断は特異度が必ずしも高くないため、その診断においては、正診率を向上させるためにCT、MRI、SPECTといった画像診断が組み合わされている。しかしこのような画像診断を組み合わせた場合であっても、CT、MRI、SPECTといった画像診断の診断精度は読影者の習熟度や主観に依存するため、その結果が施設や検査実施者によりばらつくといった問題があった。このような背景により、より客観的に脳神経疾患を検出し得る方法を用いることが望まれている。
　認知症を伴う脳神経疾患においては、脳血流量や糖代謝速度といった脳機能が部分的に低下していることが、近年の研究により明らかとなった（非特許文献１）。これを利用し、糖代謝のトレーサーである、２－［１８F］フルオロ－２－デオキシ－D－グルコース（以下、FDGとする）投与による陽電子放出型断層撮像（以下、PETという）画像を用い、正常群との比較を行って画素値のt値をピクセル単位で算出し、アルツハイマー病患者を健常者と区別するための方法が開示されている（非特許文献２）。
　また、国際公開第2007/063656号パンフレットには、被験者画像上で予め設定した関心領域内の画素につき、健常者データベースとの比較に基づくｔ値またはｚスコアを算出し、得られたｔ値またはｚスコアに一定の閾値を設定することにより、脳神経疾患に基づく画像を早期且つ客観的に検出するための方法等が開示されている（特許文献１）。
Kazunari Ishii, "Clinical application of positron emission tomography for diagnosis of dementia", Annals. of Nuclear Medicine, 2002, 16(8), p.515-525 K. Herholz et al., "Discrimination between Alzheimer dementia and controls by automated analysis of multicenter FDG PET", NeuroImage, 2002, 17, p.302-316 国際公開第2007/063656号パンフレット
　上記のように、脳神経疾患においては、早期病変を客観的に検出し得る方法が望まれている。Herholz等により開示されたように、糖代謝等のような脳機能の局所的な低下を測定することにより、アルツハイマー病を初めとする脳神経疾患を検出することが可能である。しかし、診断画像を用いてアルツハイマー病を初めとする脳神経疾患の検出を行うためには、当該脳神経疾患を他と区別して検出するための条件を定める必要がある。また、この方法は健常者データとの比較に基づく方法であるので、実施にあたっては、健常者データベースを用意する必要がある。
　国際公開第2007/063656号パンフレットに開示された方法によれば、アルツハイマー病を初めとする脳神経疾患に基づく画像を、他と区別して客観的に検出することが可能である。しかしこの方法も、上述したHerholz等により開示された方法と同様、健常者データとの比較に基づく方法であるので、実施にあたっては、健常者データベースを用意する必要がある。
　ところが、一般に、病院等において画像検査を行う被験者は何らかの病変を有していることが多いため、健常者の画像データベースを収集することは容易ではない。従って、脳神経疾患患者の画像を健常者の画像と峻別して検出する方法としては、健常者データベースを用いることなく、客観的且つ精度良く検出し得る方法を用いることが好ましいが、これまでにその様な方法は開示されていなかった。
　本発明は上記事情に鑑みてなされたものであり、健常者データベースを用いることなく、被験者自身の頭部機能画像のみから、アルツハイマー病やレビー小体型認知症等の脳神経疾患を検出するための技術を提供することを目的とした。
　本願発明者が検討を重ねた結果、頭部機能画像においては、疾患特異的に機能が低下する可能性が高い領域（以下、機能低下部位と言うことがある）と、疾患例においても機能が温存されている可能性が高い領域（以下、機能温存部位と言うことがある）とが存在し、機能低下部位と機能温存部位との間で画素値を比較することにより、健常者データベースを用いることなく脳神経疾患が存在すると思われる画像を客観的に検出することが可能であることを発見した。
　この発見に基づけば、同じ被験者の同じ頭部機能画像を用いて脳神経疾患の判定が可能となる。すなわち、健常者データベースを用意することを要せず、被験者由来の画像のみを用いて、脳神経疾患を含む画像を検出することが可能となる。
［実証例１：アルツハイマー病患者の画像の検出例］
　上記の方法で脳神経疾患の検出が可能であることを証明するための一例として、アルツハイマー病患者由来の画像と健常者由来の画像を用い、本発明に係る方法の感度、特異度、および正診率を求めた。
（関心領域の設定）
　関心領域の設定には、20例のアルツハイマー病患者（年齢73.6±4.6歳）および15例の健常者（年齢60.5±7.1歳）の123I-IMP投与頭部SPECT画像を用いた（以下、それぞれ疾患群および健常者群という）。
　各画像につき、iNEUROSTATログラム（日本メジフィジックス株式会社製）を用いて解剖学的標準化を行った。次いで、それぞれの画像における全画素値の平均値を用いて、各画像の画素値を除し、画素値の正規化を行った（以下、総称して正規化画像という）。
　この画像を用い、疾患群と健常者群との間で群間比較を行って、画素値の低下を表すｚスコアを画素ごとに求めた。求めたｚスコアを各画素に配置し、閾値を3として画素値の低下領域を表すクラスターを抽出した。得られたクラスターの中で、最も大きなものを選択し、機能低下領域１とした。同様に、増加を表すｚスコアを求め、閾値を3として画素値の増加領域を表すクラスターを抽出した。得られたクラスターの中で、最も大きなクラスターを選択し、機能温存領域１とした。
　別に、iNEUROSTATプログラムに格納されている脳テンプレート（図５）を、前記正規化画像と比較し、機能低下領域を示すセグメントと、機能温存領域を示すセグメントとを、前記テンプレート上で選択した。選択した各セグメントと、前記機能低下領域１ならびに前記機能温存領域１との比較を行い、実質的に共通している領域を抽出して、機能低下部位ならびに機能温存部位に対応した関心領域データとした（図９）。
（アルツハイマー病患者の画像検出における感度、特異度、および正診率の評価）
　感度、特異度、および正診率の評価には、17例のアルツハイマー病患者（年齢60.1±8.2歳）および17例の健常者（年齢61.1±7.3歳）の123I-IMP投与頭部SPECT画像を用いた。各画像につき、iNEUROSTATプログラムを用いて解剖学的標準化を行い、上記で求めた関心領域データを適用して機能低下部位と機能温存部位とにそれぞれ関心領域を設定した。各画像につき、機能低下部位と機能温存部位との間で、危険率を5%とした画素値のｔ検定を行った。ｔ検定によって機能温存部位の平均画素値が機能低下部位の平均画素値より有意に大きいと判定された画像を、アルツハイマー病患者画像として検出された画像とし、それ以外の画像を健常者画像として検出された画像とした。この結果を基に、公知の方法にて、感度、特異度、および正診率を求めた。
　感度、特異度、および正診率は、それぞれ82.4%、88.2%および85.3%と、いずれも高い値を示していた。以上の結果から、本発明に係る方法により、客観的かつ高い精度で、アルツハイマー病由来の患者の画像を検出し得ることが確認された。
［実証例２：レビー小体型痴呆症の検出例］
　本発明に基づく方法で脳神経疾患の検出が可能であることを証明するための更に別の一例として、レビー小体型痴呆症患者由来の画像と健常者由来の画像を用い、本発明を用いた当該疾患の検出における感度、特異度、および正診率を求めた。
（関心領域の設定）
　関心領域の設定には、15例のレビー小体型痴呆症患者（年齢79.0±6.6歳）の123I-IMP投与頭部SPECT画像を用いた。
　各画像につき、iNEUROSTATプログラム（日本メジフィジックス株式会社製）を用いて解剖学的標準化を行った。この標準化後の画像につき、iNEUROSTATプログラム内に格納されている脳テンプレート（図５）との比較を行い、機能低下部位を示すセグメントとして後頭葉を選択し、関心領域データとした。同様に、機能温存部位を示すセグメントとして感覚運動野を選択し、関心領域データとした。
（レビー小体型痴呆症患者の画像検出における感度、特異度、および正診率の評価）
　感度、特異度、および正診率の評価には、15例のレビー小体型痴呆症患者（年齢79.0±6.6歳）および15例の健常者（年齢60.5±7.1歳）の123I-IMP投与頭部SPECT画像を用いた（以下、それぞれDLB疾患群および健常者群という）。各画像につき、iNEUROSTATプログラムを用いて解剖学的標準化を行い、上記で求めた関心領域データを適用して機能低下部位と機能温存部位とにそれぞれ関心領域を設定した。各画像につき、機能低下部位と機能温存部位との間で、危険率を5%とした画素値のｔ検定を行った。ｔ検定によって機能温存部位の平均画素値が機能低下部位の平均画素値より有意に大きいと判定された画像を、レビー小体型痴呆症画像として検出された画像とし、それ以外の画像を健常者画像として検出された画像とした。この結果を基に、公知の方法にて、感度、特異度、および正診率を求めた。
　感度、特異度、および正診率は、それぞれ73.3%、86.7%および80.0%と、いずれも高い値を示していた。以上の結果から、本発明に係る方法により、客観的かつ高い精度で、レビー小体型痴呆症を検出し得ることが確認された。
　以上の２つの例から理解されうるように、脳神経疾患には、頭部機能画像において、疾患特異的に機能が低下する可能性が高い領域と、疾患例においても機能が温存されている可能性が高い領域とを有するものがあり、かかる疾患の場合には、これらの領域間で頭部機能画像を比較することにより、疾患の検出が可能となる。本明細書に紹介する実証例はアルツハイマー病とレビー小体型痴呆症の２例のみであるが、本発明は、頭部機能画像上で機能低下部位と機能温存部位を有する様々な脳神経疾患に適用しうることは明らかであろう。適用可能性が極めて高い疾患の例として、アルツハイマー病、レビー小体型認知症、前頭側頭型認知症、進行性核上性麻痺などがある。
　また重要なことは、疾患特異的な機能低下部位や機能温存部位を同定するには、健常者のデータがあった方が好ましい場合もあるが、一旦それが同定されれば、もはや健常者のデータは不要であり、被験者由来の画像のみを用いて疾患の検出が可能となることである。これらの部位の同定作業は、一般の病院で行う必要はなく、専門の研究機関で行われれば済むことである。ある疾患に特異的な機能低下部位や機能温存部位が一旦同定され、そのデータが利用可能とされれば、本発明に基づく装置の所有者は、従来のように健常者データベースを構築することを要せず、当該データを用いて直ちに関連疾患の判定作業を開始することができるだろう。
　このように、本発明は、脳神経疾患の検出に必要な作業を従来に比べて非常に容易とするものであり、医療及び画像解析プログラムの分野へ大きな利益をもたらすものである。
　疾患特異的な機能低下部位や機能温存部位のデータを、本明細書において、関心領域データと称することがある。これまでの説明から分かるように、関心領域データは、領域間比較を行う領域を抽出するために用いられる。アルツハイマー病においては、機能低下部位ならびに機能温存部位を、それぞれ、頭頂葉ならびに感覚運動野とすることができる。レビー小体型痴呆症を対象とした場合には、機能低下部位ならびに機能温存部位を、それぞれ、後頭葉ならびに感覚運動野とすることができる。前述のように、ある施設において一旦関心領域データを得ることができれば、他の施設で同じ実験をする必要性は著しく減少し、そのデータは別の施設でも利用可能である。
　関心領域データは、種々の方法により得ることができる。例えば、脳神経疾患に罹患した複数の被験者由来の頭部機能画像（以下、疾患群という）と、複数の健常者由来の頭部機能画像（以下、健常者群という）との群間比較結果に基づいて得ることができる。この方法を用いることにより、対象疾患において、統計的に機能が低下している部位と、統計的に機能が温存されている部位とに関心領域を設定することができる。群間比較の方法は、公知の方法、例えば、文献（国際公開第2007/063656号パンフレット）に記載の方法を用いることができる。このとき、疾患群および健常者群に含まれる各画像は、画像ごとの全画素値の平均値を用いて正規化されたものを用いることが好ましい。正規化操作を行うことにより、疾患群における機能温存部位の画素値が相対的に高くなり、群間比較に基づく抽出が、より容易になる。
　また、脳神経疾患に罹患した患者由来の頭部機能画像のみを用いて関心領域データを得ることができる。具体的には、頭部機能画像上で画素値に閾値を設定することにより、機能低下部位と機能温存部位とを抽出して関心領域データとするといった方法を用いることができる。
　さらに、標準脳上で予め設定されたテンプレートを用いて関心領域データを得ることも可能である。例えば、タライラッハの脳図譜やその他の脳アトラス等において予め設定された各領域データの中から、疾患特異的な機能低下部位と機能温存部位とに対応するセグメントを選択し、関心領域データとするといった方法を用いることができる。
　なお、上に例示した関心領域データの設定方法は、それぞれ単独で用いても良いが、２つ以上の方法を組み合わせて用いても良い。例えば、２種類の異なる方法にて設定された関心領域データを用いてそれぞれ領域抽出を行い、共通して抽出された領域を関心領域データとすることができる。このように、２つ以上の方法を組み合わせて得られた関心領域データを用いることにより、疾患検出の精度をより向上させることが期待できる。
　関心領域データは、汎用性を持たせるため、解剖学的に標準化された脳画像（標準脳）に対して機能低下部位や機能温存部位を特定しているものであることが望ましい。従って、好ましい態様において、疾患検出を行う被験者の頭部機能画像も、解剖学的標準化を行った上で解析が行われる。または、逆に、関心領域データを被験者の頭部機能画像に合わせるように変形した上で、解析に用いるようにしてもよい。解剖学的標準化は、公知の方法、例えば、文献（Minoshima S. et al., J. Nucl. Med., 1994, 35, p.1528-37、または、Friston K. J. et al., Human Brain Mapping, 1995, 2, p.189-210）に記載の方法を用いることができる。
　疾患検出のために実際に画像データの比較を行う領域を、本明細書において、関心領域と称することがある。関心領域は、上記の関心領域データを利用して自動抽出した領域としてもよいが、自動又は手動でさらなる調整を加えてもよい。
　実施形態によっては、関心領域間の比較は、各関心領域に含まれる画像データの画素値を比較することによって行うことができる。通常、疾患を有する被験者の頭部機能画像では、血流や糖代謝が部分的に減少することから、SPECTやPET等の画像データ上において、当該領域は他の領域よりも暗く写る。従って、機能低下部位の関心領域の画素値が機能温存部位の関心領域の画素値よりも一定以上小さければ、疾患の存在が推定できる。ただし、単純に平均値等を比較してもノイズ等により判断を誤る可能性があるので、ｔ検定等の有意差検定の手法を用いて比較を行うことが好ましい。また、その際には、単に有意差の有無のみを判定するといった構成とするよりも、機能温存部位の関心領域の平均画素値が機能低下部位の関心領域の平均画素値と比較して有意に大きいか否かを判定するといった構成にすることが好ましい。このような構成とすることにより、判断の誤り率はおおまかに言って半分になる。
　本発明の実施形態は、次のような脳神経疾患画像検出装置を含む。この装置は、前記頭部機能画像に対し、検出対象疾患とした脳神経疾患において特異的に機能が低下しうる機能低下部位と、当該脳神経疾患においても機能が温存されうる機能温存部位とに、それぞれ関心領域を設定する関心領域設定部と、前記機能低下部位及び前記機能温存部位のそれぞれに設定された前記関心領域内の画素値を用いて有意差検定を行い、前記機能温存部位についての前記関心領域の平均画素値が前記機能低下部位についての前記関心領域の平均画素値より有意に大きい場合に前記検出対象疾患が存在すると判定する疾患画像検出部と、を備える。
　また本発明の別の実施形態は、次のようなコンピュータ・プログラムを含む。このプログラムは、頭部機能画像を構成する画像データを利用可能であり、記憶手段とCPUとを具備するコンピュータを動作させるためのコンピュータ・プログラムであって、前記CPUで実行されることにより、該コンピュータを、頭部機能画像の第１の領域に対応する画像データを格納する第１のメモリ手段；同じ前記頭部機能画像において前記第１の領域とは異なる第２の領域に対応する画像データを格納する第２のメモリ手段；前記第１のメモリ手段に格納される画像データと前記第２のメモリ手段に格納される画像データとの比較に基づき脳神経疾患の検出を行う脳神経疾患検出手段；として動作させる。
　好適な実施形態において上記第１及び第２のメモリ手段は、プログラムによって物理媒体上に論理的に形成されるメモリであることができる。第１及び第２のメモリ手段のいずれか一方に、検出対象疾患とした脳神経疾患において特異的に機能が低下しうる部位の画像データを保存し、もう一方には当該脳神経疾患においても機能が温存されうる部位の画像データを保存するようにプログラムすることができる。すなわち好適な実施形態において、上記第１及び第２の領域は、前述の機能低下部位及び機能温存部位にそれぞれ設定された関心領域である。
　本発明のさらに別の実施形態は、次のような脳神経疾患画像の検出方法を含む。この方法は、前記頭部機能画像に対し、検出対象疾患とした脳神経疾患において特異的に機能が低下しうる機能低下部位と、当該脳神経疾患においても機能が温存されうる機能温存部位とに、それぞれ関心領域を設定する関心領域設定ステップと、前記機能低下部位及び前記機能温存部位とのそれぞれについて設定された関心領域内の画素値を用いて有意差検定を行い、前記機能温存部位についての前記関心領域の平均画素値が前記機能低下部位についての前記関心領域の平均画素値より有意に大きいと判定された場合、前記検出対象疾患が存在すると判定する疾患画像検出ステップと、を含む。
　本発明の各実施形態は、頭部機能画像の解剖学的標準化を行うものを含む。すると、関心領域の設定は、標準化された頭部機能画像に対して行なうこととすることができる。逆に、標準脳上にて設定された関心領域データを逆変換の方法を用いて被験者の頭部機能画像の形状に変換し、変換後の関心領域データを被験者の頭部機能画像に重ねることにより、被験者の頭部機能画像上で関心領域を設定するといった手法を用いてもよい。
　前述のように、関心領域データは疾患に特異的であるから、疾患名等の情報に応じて自動的に呼び出されて適用されるように構成されることが好ましい。
　本発明の好適な実施形態のいくつかは、添付の特許請求の範囲に特定されている。しかし本発明の実施形態は、特許請求の範囲や明細書及び図面に明示的に記載されるものに限定されず、本発明の思想を逸脱することなく、様々な形態をとることが可能である。本発明は、本願特許請求の範囲や明細書及び図面に明示的に開示されるか否かにかかわらず、これらの書類から教示されうるあらゆる新規かつ有益な構成を、その範囲に含むものである。
　以下に、本発明に係る脳神経疾患を含む画像の検出技術の実施例につき、図面を参照して詳しく説明する。なお、以下に示す例は、あくまでも最良と思われる例について説明するものであり、本発明の内容はこれらの記載により何ら限定されるものではない。
　図１Ａは、本発明に係る脳神経疾患画像検出装置２０における、最も好ましい態様における構成を示す図、図２は、本発明に係る脳神経疾患画像検出装置２０における、最も好ましい態様における動作を示す図である。本発明に係る脳神経疾患画像検出装置２０は、後述する脳神経疾患画像検出プログラム１００を読み込んだコンピュータとして、構成することができる。図１Ａに示すように、本発明に係る脳神経疾患画像検出装置２０は、機能的に、SPECT装置等の頭部機能画像撮像装置１０から頭部機能画像を取得する画像取得部２２と、取得した頭部機能画像につき解剖学的標準化を行う画像標準化部２４と、標準化後の頭部機能画像上において関心領域を設定する関心領域設定部（図１Ａでは、ROI設定部と記載）２６と、前記頭部機能画像が検出対象疾患画像に該当するか否かを判断する疾患画像検出部２８と、検出結果を出力する出力部３０とを有している。
　図１Ｂは、画像検出装置２０のハードウェア構成を説明するための図である。図１Ｂに描かれるように、画像検出装置２０は、ＣＰＵ４０，主記憶装置４２，補助記憶装置４４，それに望ましくは通信装置４６等を備えており、すなわち画像検出装置２０は、ハードウェア的には汎用のコンピュータと同様の構成を有することができる。ハードディスク等の補助記憶装置４４には装置２０を脳神経疾患画像の検出装置として動作させるためのプログラムが格納されており、このプログラムがＣＰＵ４０で実行されることにより、脳神経疾患検出に必要な機能が提供される。すなわち、画像取得部２２，画像標準化部２４，ROI設定部２６，疾患画像検出部２８等の機能は、その全部または一部がソフトウェア処理を用いて実現される。
　好ましい態様において、画像検出装置２０には、外部インタフェース４８ａ～４８ｅを介して補助記憶装置５０，ディスプレイ５２，ユーザインタフェース５４～５８等が接続されている。ユーザインタフェース５４～５８は、例えばタッチパネル５４，キーボード５６，マウス５８などとすることができる。補助記憶装置５０は、例えばＤＶＤ－ＲＯＭドライブ等の光学ディスクドライブとすることができる。実施形態によって、タッチパネル５４は、ディスプレイ５２に一体化されて構成される。好適な実施形態において、頭部機能画像撮像装置１０は、通信装置４６を介して画像検出装置２０に接続されており、頭部機能画像撮像装置１０で撮影した画像を、ネットワーク経由で補助記憶装置４４に取り込むことが可能となっている。
　以下、主に図１Ａを用いて本実施例を説明する。頭部機能画像撮像装置１０としては、頭部機能画像を取得し得る種々の装置を用いることができる。具体的には、SPECT装置、PET装置、MRI装置、または、CT装置が例示される。頭部機能画像撮像装置１０は、撮像部１２と画像再構成部１４とを有している。撮像部１２は、被験者における頭部機能画像データを取得する。画像再構成部１４は、取得した頭部機能画像データに画像再構成処理を施し、頭部機能画像を生成する。SPECT装置の場合を例にとり説明すると、撮像部１２は、99mTc HMPAO及び123I IMPを初めとする放射性医薬品が投与された被験者から、投影データを取得する。この投影データが、本実施の形態における頭部機能画像データに相当する。画像再構成部１４は、取得された投影データに必要な再構成処理を施し、一連の断層画像を生成する。この一連の断層画像が、本実施の形態における頭部機能画像に相当する。なお、画像再構成は、公知の方法を用いて行うことができる。
　画像取得部２２は、画像再構成部１４にて生成された頭部機能画像を取得する（ステップS1）。頭部機能画像は、例えば、DICOM形式のような、コンピュータで読み取り可能なデータ形式で保存される。この保存された頭部機能画像データを画像検出装置２０に移動するには、頭部機能画像撮像装置１０の側でＤＶＤ等の記憶媒体にデータを格納し、そのディスクを読み取り装置（補助記憶装置５０）に挿入することで行うことができる。また望ましくは、搬送波に重畳されたコンピュータデータ信号として、通信装置４６を介して補助記憶装置４４へ直接移動してもよい。前述のように、補助記憶装置４４はハードディスクやフラッシュメモリ等であることができる。好適な実施形態において、画像取得部２２は、補助記憶装置４４や補助記憶装置５０に格納されている頭部機能画像データを読み取り、主記憶装置４２や補助記憶装置４４上にソフトウェア的に形成した論理的なメモリ領域に格納する。格納されたデータは次の処理ブロック（画像標準化部２４）での処理に供される。
　画像標準化部２４は、画像取得部２２により取得された頭部機能画像に解剖学的標準化処理を行い、頭部機能画像を標準脳へ変換する（ステップS2）。この解剖学的標準化処理は、公知の方法、例えば文献（Minoshima S. et al., J. Nucl. Med., 1994, 35, p.1528-37、または、Friston K. J. et al., Human Brain Mapping, 1995, 2, p.189-210）記載の方法により行うことができる。変換後の脳画像データは、主記憶装置４２や補助記憶装置４４上にソフトウェア的に形成された論理的なメモリ領域に格納される。実施例によっては、変換後の脳画像データをディスプレイ５２上に表示することとしてもよい。
　関心領域設定部２６は、標準脳に変換された頭部機能画像上で、検出対象疾患において機能の低下が起こりうる部位（機能低下部位）と機能が温存されている可能性が高い部位（機能温存部位）とのそれぞれに、関心領域を設定する（ステップS5）。好ましい態様において、関心領域設定部２６は、疾患情報入力部３２と、補助記憶装置４４や５０等に格納される関心領域データベース（図１ＡではROIデータと記載）３４とに結合している。
　疾患情報入力部３２はユーザインタフェース５４～５８の少なくともいずれかからの入力を受け入れることができ、疾患名に代表される、検出対象疾患情報の入力を受け付ける（ステップS3）。疾患情報は、前記データベースからの関心領域データの選択に用い得る情報である限り、特に限定されない。典型的には脳神経疾患の慣用名とすることができるが、略称や典型的な症状等を用いてもよい。疾患情報の入力においては、疾患情報をプルダウンメニュー表示して対象疾患を選択可能とする等といった、メニュー選択に関する公知の方法を組み合わせることも可能である。
　関心領域データベース３４には、各脳神経疾患について調査対象とすべき部位についてのデータ、すなわち当該疾患において機能の低下が起こりうる部位（機能低下部位）と、当該疾患においても機能が温存されている可能性が高い部位に（機能温存部位）ついてのデータ（すなわち関心領域データ）が、疾患情報と関連付けて記憶されている。関心領域設定部２６は、入力された疾患情報に基づき、検出対象疾患に対応した関心領域データを読み出し（ステップS4）、標準脳に変換された前記頭部機能画像上において当該関心領域データに対応する領域を、関心領域として設定する（ステップS5）。なお、関心領域データは、種々の方法にて形成されたものを用いることができる。関心領域データの形成方法については、後述する。
　また実施形態によっては、関心領域の設定を、関心領域データによる自動設定によらずに手動で行うように構成することもできる。または、自動設定された関心領域を操作者が自動または手動にて調整することを可能としてもよい。例えば、ディスプレイ５２上に表示された脳画像上の所望の領域を、操作者がタッチパネル５４やマウス５６等を用いて選択することにより、関心領域を決定するように構成することができる。また、ディスプレイ５２上に、標準脳に変換された被験者の頭部機能画像に重ねて脳アトラスを表示させ、ユーザインタフェース５４～５８等を用いて所望の領域を選択できるように構成してもよい。
　関心領域設定部２６は、機能低下部位・機能温存部位それぞれに設定された関心領域データを、それぞれ異なる論理メモリ（主記憶装置４２や補助記憶装置４４上にソフトウェア的に形成した論理的なメモリ領域）に格納する。格納された画像データは、次の処理に供される。
　疾患画像検出部２８は、脳神経疾患を含む画像の検出処理を行う（ステップS6）。図３は、疾患画像検出処理における処理の流れを示す図である。疾患画像検出部２８は、ステップＳ５で論理メモリにそれぞれ格納されたデータを読み出し、機能低下部位に属する画素と、機能温存部位に属する画素との間で、画素値の有意差検定を行う（ステップS11）。有意差検定は公知の方法にて行うことができる。最も好ましい態様において、有意差検定は、ｔ検定を用いることができる。この有意差検定の結果、機能温存部位の平均画素値が機能低下部位の平均画素値より有意に大きいと判定された場合（ステップS12でyes）には、当該画像を検出対象とした脳神経疾患が存在する可能性のある画像として判定する（ステップS13）。一方、有意に大きいと判定されなかった場合（ステップS12でno）には、当該画像は検出対象とした脳神経疾患を含む画像としては判定しない（ステップS14）。疾患画像検出部２８は、判定結果など必要なデータを論理メモリに格納し、疾患画像検出処理（ステップS6）が終了する。
　出力部３０は、疾患画像検出部２８にて行った検出処理の結果を、ディスプレイインタフェース４８ｂを介してディスプレイ５２へ出力する（ステップS7）。プリンタや音響生成装置など、他の出力装置へ出力してもよい。出力の形式は特に限定する必要は無く、例えば、ｔ値または検出結果（あるいはその両方）を画像上に表示するといった形式や、機能温存部位の平均画素値が機能低下部位の平均画素値より有意に大きいと判定された場合、その画像に他と区別する色を配するといった形式とすることができる。
　上述の通り、関心領域データベースに格納された関心領域データは、種々の方法により設定されたものを用いることができる。以下に、関心領域データの設定方法の一例として、疾患画像に基づく方法、標準脳上に設定したテンプレートを用いる方法、疾患群と健常者群との群間比較に基づく方法のそれぞれにつき、説明する。
　まず、疾患画像に基づいて関心領域データを設定する場合について説明する。この例では、まず初めに、検出対象となる脳神経疾患（例えば、アルツハイマー病）に罹患した患者由来の画像を取得する。疾患画像は、予め標準脳に変換したものを用いることが好ましい。疾患画像は、標準脳に変換された複数の患者由来画像について画素ごとに画素値を平均したものを用いても良いが、各疾患について典型的な画像パターンを示す代表的な一例を用いても良い。取得した疾患画像につき、閾値法を用いて、機能低下部位と、機能温存部位とをそれぞれ抽出し、関心領域データとする。本法による関心領域データの抽出例を、図４(a)および図４(b)に示す。図４(a)および図４(b)は、アルツハイマー病を検出対象疾患とした場合における、機能温存部位と、機能低下部位とをそれぞれ示している。
なお、機能低下部位と機能温存部位に対応する各関心領域は、同一例の疾患画像を用いて設定しても良いが、それぞれ別々の画像を用いて設定しても良い。
　次に、標準脳上に設定された脳テンプレートを用いる方法について説明する。この方法では、標準脳上にて解剖学的に設定された脳テンプレートを疾患画像と比較し、機能低下部位と機能温存部位とに対応する領域（セグメント）を選択する。図５(a)～(g)に、脳テンプレートの一例を示す。この脳テンプレートを検出対象画像と比較し、検出対象の疾患における機能低下部位ならびに機能温存部位とに対応するセグメントを選択し、当該疾患に対応した関心領域データとすることができる。
　次いで、疾患群と健常者群との間の群間比較に基づく方法について説明する。この方法では、初めに、複数の疾患画像と、複数の健常者画像とを取得する。取得した各画像につき、解剖学的標準化を行った後、画素ごとに群間比較をおこなって、ｔ値あるいはｚスコアといった、画素値の変化量の指標となる数値（以下、指標値とする）を得る。標準脳上の各画素に、それぞれ対応する指標値を表示し、閾値法を用いて、機能低下部位と、機能温存部位とをそれぞれ抽出し、関心領域データとする。
　なお、上に例示した方法は、それぞれ単独で用いても良いが、各方法を組み合わせて用いても良い。例えば、上記各方法にて抽出された関心領域を重ね合わせて表示し、共通部分を抽出することによって得られた領域を、関心領域データとして用いても良い。このように2以上の方法を組み合わせることにより、疾患画像検出の精度をより向上させることが可能となる。
　次に、本発明に係る脳神経疾患の検出プログラムについて説明する。図６は、本発明に係る脳神経疾患画像検出プログラム１００の最も好ましい態様における構成を、記憶媒体２００と共に示す図である。
　好ましい態様において、本発明に係る脳神経疾患画像検出プログラム１００は、処理を統括するメインモジュール１１０と、画像データ取得モジュール１２０と、画像標準化モジュール１３０と、疾患情報入力モジュール１４０と、関心領域設定モジュール１５０（図６では、ROI設定モジュールと記載）と、疾患画像検出モジュール１６０と、出力モジュール１７０とにより構成される。
　好ましい実施態様において、脳神経疾患画像検出プログラム１００は、記憶媒体２００に格納されて提供される。記録媒体２００としては、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ、半導体メモリ等が例示される。脳神経疾患画像検出プログラム１００が格納された記録媒体２００をコンピュータに備えられた読取装置（例えば図１Ｂにおける補助記憶装置５０）に挿入することにより、コンピュータが脳神経疾患画像検出プログラム１００にアクセス可能になり、当該プログラム１００によって、上述した脳神経疾患の検出装置２０として動作することが可能となる。むろん、プログラム１００をハードディスク等の高速な記憶装置（例えば図１Ｂにおける補助記憶装置４４）にインストールして利用することとしてもよい。本発明に係る脳神経疾患画像検出プログラム１００は、搬送波に重畳されたコンピュータデータ信号として、ネットワークを介して提供されるものであっても良い。
　画像データ取得モジュール１２０は、コンピュータを、画像取得部２２として機能させる。画像標準化モジュール１３０は、コンピュータを、画像標準化部２４として機能させる。疾患情報入力モジュール１４０は、コンピュータを、疾患情報入力部３２として機能させる。関心領域設定モジュール１５０は、コンピュータを、関心領域設定部２６として機能させる。疾患画像検出モジュール１６０は、コンピュータを、疾患画像検出部２８として機能させる。出力モジュール１７０は、コンピュータを、出力部３０として機能させる。
　なお、これらのモジュール構成は、プログラム１００をプログラミングするための方法の一つを簡単に表したに過ぎず、プログラム１００と同等の機能を有するプログラミングの方法は、このようなモジュール構成に限られるものではないことには留意されねばならない。
　次に、本発明に係る脳神経疾患画像検出方法について説明する。図７および図８は、本発明に係る脳神経疾患の検出方法の、好ましい態様における処理の流れを示す図である。この図から理解されるように、本発明に係る脳神経疾患画像検出方法は、上述した脳神経疾患画像検出プログラムを実行させることによって、行うことができる。ただし、必ずしもプログラム化する必要は無く、各ステップに係る指令を直接コンピュータに与えることにより実施しても良い。
　以上、本発明の好適な実施形態のいくつかの例を図面を用いて説明してきたが、本発明の実施形態はこれらの例に限定されるわけではなく、本発明の思想を逸脱せずに、様々な形態を取り得ることは言うまでもない。例えば、上述の例では、有意差検定に用いる関心領域を、解剖学的標準化を行った頭部機能画像上にて設定されたものとしているが、被験者由来の頭部機能画像上にて設定され得るものである限りにおいて、特に限定する必要はない。例えば、取得された頭部機能画像ごとに、オペレータが目視にて機能低下部位並びに機能温存部位とを設定するといった方法をとることもできる。また、標準脳上にて設定された関心領域データを逆変換の方法を用いて被験者の頭部機能画像の形状に変換し、変換後の関心領域データを被験者の頭部機能画像に重ねることにより、被験者の頭部機能画像上で関心領域を設定するといった方法を用いてもよい。
　本発明に係る方法は、疾患特異的な機能低下部位と機能温存部位との間での有意差検定に基づく方法であるので、種々の疾患に特異的な機能低下部位と機能温存部位とを、被験者の頭部機能画像にあてはめることにより、他の脳神経疾患にも応用することが可能である。
本発明に係る脳神経疾患画像検出装置の機能構成の一例を示す図 本発明に係る脳神経疾患画像検出装置のハードウェア構成の一例を示す図 本発明に係る脳神経疾患画像検出装置の動作の一例を示す図 本発明に係る脳神経疾患画像検出装置の疾患画像検出処理における処理の流れの一例を示す図 本法による関心領域データの抽出例を示す図：（ａ）機能温存部、（ｂ）機能低下部 テンプレートの一例を示す図：（ａ）頭頂葉、（ｂ）側頭葉、（ｃ）感覚運動野、（ｄ）前頭葉、（ｅ）後頭葉、（ｆ）後部体状回、（ｇ）前部体状回 本発明に係る脳神経疾患画像検出プログラムの構成の一例を示す図 本発明に係る脳神経疾患画像検出方法の一例における処理の流れを示す図 本発明に係る脳神経疾患画像検出方法の一例における疾患画像検出処理の流れを示す図 実証例１にて設定した関心領域：（ａ）機能低下部、（ｂ）機能温存部
符号の説明
１０　　　頭部機能画像撮像装置
１２　　　撮像部
１４　　　画像再構成部
２０　　　脳神経疾患画像検出装置
２２　　　画像取得部
２４　　　画像標準化部
２６　　　関心領域設定部
２８　　　疾患画像検出部
３０　　　出力部
３２　　　疾患情報入力部
３４　　　関心領域データ
１００　　脳神経疾患画像検出プログラム
１１０　　メインモジュール
１２０　　画像データ取得モジュール
１３０　　画像標準化モジュール
１４０　　疾患情報入力モジュール
１５０　　関心領域設定モジュール
１６０　　疾患画像検出モジュール
１７０　　出力モジュール
２００　　記憶媒体

Claims (17)

  1. 　頭部機能画像を利用可能な脳神経疾患検出装置であって、
    　前記頭部機能画像に対し、検出対象疾患とした脳神経疾患において特異的に機能が低下しうる機能低下部位と、当該脳神経疾患においても機能が温存されうる機能温存部位とに、それぞれ関心領域を設定する関心領域設定部と、　
    　前記機能低下部位及び前記機能温存部位のそれぞれに設定された前記関心領域内の画素値を用いて有意差検定を行い、前記機能温存部位についての前記関心領域の平均画素値が前記機能低下部位についての前記関心領域の平均画素値より有意に大きい場合に前記検出対象疾患が存在すると判定する疾患画像検出部と、
    を備える、脳神経疾患検出装置。
  2. 　前記関心領域データを疾患情報と関連付けて格納した関心領域データベースをさらに備え、
    　前記関心領域設定部は、前記検出対象疾患とした疾患の疾患情報に基づいて前記関心領域データベースから前記関心領域データを読み出し、該読み出した関心領域データに基づいて、前記機能低下部位及び前記機能温存部位にそれぞれ関心領域を設定するように構成される、請求項１に記載の脳神経疾患検出装置。
  3. 　前記検出対象疾患がアルツハイマー病である場合、前記機能低下部位として頭頂葉を設定し、前記機能温存部位として感覚運動野を設定する、請求項１または２に記載の脳神経疾患検出装置。
  4. 　前記検出対象疾患がレビー小体型痴呆症である場合、前記機能低下部位として後頭葉を設定し、前記機能温存部位として感覚運動野を設定する、請求項１から３のいずれかに記載の脳神経疾患患者の画像の検出装置。
  5. 　前記頭部機能画像につき解剖学的標準化を行う画像標準化部をさらに備え、
    　前記関心領域設定部は、前記画像標準化部によって解剖学的標準化を行った前記頭部機能画像上で、前記検出対象疾患とした脳神経疾患における前記機能低下部位及び前記機能温存部位にそれぞれ関心領域を設定するように構成される、請求項1から４のいずれかに記載の脳神経疾患検出装置。
  6. 　前記頭部機能画像につき解剖学的標準化を行い、該解剖学的標準化における変換パラメータを取得する画像標準化部をさらに備え、
    　前記関心領域設定部が、前記変換パラメータを用いて前記関心領域データを変換することにより前記関心領域データの形状を前記頭部機能画像の脳形状に合わせ、該変換した前記関心領域データを、前記解剖学的標準化を行わない前記頭部機能画像に適用することにより、前記機能低下部位及び前記機能温存部位にそれぞれ関心領域を設定するように構成される、請求項１から４のいずれかに記載の脳神経疾患検出装置。
  7. 　頭部機能画像を構成する画像データを利用可能であり、記憶手段とCPUとを具備するコンピュータを動作させるためのコンピュータ・プログラムであって、前記CPUで実行されることにより、該コンピュータを、
    ・　頭部機能画像の第１の領域に対応する画像データを格納する第１のメモリ手段；
    ・　同じ前記頭部機能画像において前記第１の領域とは異なる第２の領域に対応する画像データを格納する第２のメモリ手段；
    ・　前記第１のメモリ手段に格納される画像データと前記第２のメモリ手段に格納される画像データとの比較に基づき脳神経疾患の検出を行う脳神経疾患検出手段；
    として動作させる、コンピュータ・プログラム。
  8. 　前記第１のメモリ手段に格納される画像データは、検出対象疾患とする脳神経疾患において特異的に機能が低下しうる機能低下部位に対応した画像データであり、
    　前記第２のメモリ手段に格納される画像データは、前記検出対象疾患とする脳神経疾患においても機能が温存されうる前記機能温存部位に対応した画像データであって、
    　前記第１のメモリ手段に格納される画像データの平均画素値と、前記第２のメモリ手段に格納される画像データの平均画素値との差が有意であるか否かの検定を行い、前記第２のメモリ手段に格納される画像データの平均画素値が、前記第１のメモリ手段に格納される画像データの平均画素値よりも優位に大きい場合に前記検出対象疾患とする脳神経疾患が存在すると判定するように前記コンピュータを動作させる、請求項７に記載のコンピュータ・プログラム。
  9. 　前記コンピュータが具備するユーザインタフェースを通じたオペレータの入力に応じて、前記第１及び前記第２の領域を設定するように前記コンピュータを動作させる、請求項７または８に記載のコンピュータ・プログラム。
  10. 　前記プログラムは、前記第１及び前記第２の領域の設定するための情報である関心領域データを利用可能であり、
    　前記プログラムは、前記関心領域データを用いて、前記頭部機能画像に対する前記第１及び前記第２の領域の設定を行うように前記コンピュータを動作させる、請求項７から９のいずれかに記載のコンピュータ・プログラム。
  11. 　前記第１及び前記第２の領域を、検出対象とする脳神経疾患の種類に応じて設定するように前記コンピュータを動作させる、請求項１０に記載のコンピュータ・プログラム。
  12. 　前記検出対象とする脳神経疾患がアルツハイマー病である場合、前記第１の領域を頭頂葉に、前記第２の領域は感覚運動野を設定するように前記コンピュータを動作させる、請求項１０または１１のいずれかに記載のコンピュータ・プログラム。
  13. 　前記検出対象とする脳神経疾患がレビー小体型痴呆症である場合、前記第１の領域を後頭葉に、前記第２の領域を感覚運動野に設定するように前記コンピュータを動作させる、請求項１０から１１のいずれかに記載のコンピュータ・プログラム。
  14. 　前記関心領域データが解剖学的に標準化された脳に対して作成されたデータである場合、前記頭部機能画像に対して解剖学的標準化を行い、標準化された前記頭部機能画像に対して前記第１及び前記第２の領域の設定を行うように、前記コンピュータを動作させる、請求項１０から１３のいずれかに記載のコンピュータ・プログラム。
  15. 　前記関心領域データが解剖学的に標準化された脳に対して作成されたデータである場合、前記頭部機能画像に対して解剖学的標準化を行うことにより、該解剖学的標準化のための変換パラメータを取得すると共に、該変換パラメータを用いて前記関心領域データを変換して前記頭部機能画像の脳形状に合わせ、該変換後の前記関心領域データを用いて、解剖学的標準化を行っていない前記頭部機能画像に対して前記第１及び前記第２の領域の設定を行うように、前記コンピュータを動作させる、請求項１０から１３のいずれかに記載のコンピュータ・プログラム。
  16. 　請求項７から１４のいずれかに記載のコンピュータ・プログラムを内臓の記憶手段に格納する、脳神経疾患検出のためのコンピュータ装置。
  17. 　頭部機能画像に対し、検出対象疾患とした脳神経疾患において特異的に機能が低下しうる機能低下部位と、当該脳神経疾患においても機能が温存されうる機能温存部位とに、それぞれ関心領域を設定することと、
    　前記機能低下部位及び前記機能温存部位のそれぞれに設定された前記関心領域内の画素値を用いて有意差検定を行い、前記機能温存部位についての前記関心領域の平均画素値が前記機能低下部位についての前記関心領域の平均画素値より有意に大きい場合に、前記検出対象疾患が存在すると判定することと、
    を含む、脳神経疾患画像の検出方法。
PCT/JP2008/063502 2008-07-28 2008-07-28 脳神経疾患検出技術 WO2010013300A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CA2731657A CA2731657A1 (en) 2008-07-28 2008-07-28 Technique for detecting neurodegenerative disorders
JP2008551378A JP4302183B1 (ja) 2008-07-28 2008-07-28 脳神経疾患検出技術
US13/056,614 US8693746B2 (en) 2008-07-28 2008-07-28 Technique for detecting neurodegenerative disorders
AU2008360162A AU2008360162A1 (en) 2008-07-28 2008-07-28 Technique for Detecting Neurodegenerative Disorders
EP08791737A EP2312337A4 (en) 2008-07-28 2008-07-28 TECHNIQUE FOR DETECTING CRANIAL NERVE DISEASE
PCT/JP2008/063502 WO2010013300A1 (ja) 2008-07-28 2008-07-28 脳神経疾患検出技術

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2008/063502 WO2010013300A1 (ja) 2008-07-28 2008-07-28 脳神経疾患検出技術

Publications (1)

Publication Number Publication Date
WO2010013300A1 true WO2010013300A1 (ja) 2010-02-04

Family

ID=40972387

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2008/063502 WO2010013300A1 (ja) 2008-07-28 2008-07-28 脳神経疾患検出技術

Country Status (6)

Country Link
US (1) US8693746B2 (ja)
EP (1) EP2312337A4 (ja)
JP (1) JP4302183B1 (ja)
AU (1) AU2008360162A1 (ja)
CA (1) CA2731657A1 (ja)
WO (1) WO2010013300A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012020547A1 (ja) * 2010-08-11 2012-02-16 富士フイルム株式会社 画像診断支援装置、方法及びプログラム
JP2012191599A (ja) * 2011-02-23 2012-10-04 Konica Minolta Medical & Graphic Inc 放射線画像撮影システム
JP2014006130A (ja) * 2012-06-22 2014-01-16 Fujifilm Ri Pharma Co Ltd 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法
JP2015054218A (ja) * 2013-09-13 2015-03-23 株式会社東芝 磁気共鳴イメージング装置及び画像処理装置
JP2017058287A (ja) * 2015-09-17 2017-03-23 公益財団法人先端医療振興財団 生体の画像検査のためのｒｏｉの設定技術
JP2018197651A (ja) * 2017-05-22 2018-12-13 富士フイルムＲｉファーマ株式会社 疾患鑑別支援装置およびコンピュータプログラム
KR20190041411A (ko) 2017-10-12 2019-04-22 니혼 메디피직스 가부시키가이샤 화상 처리 장치, 화상 처리 방법 및 프로그램

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8934685B2 (en) * 2010-09-21 2015-01-13 General Electric Company System and method for analyzing and visualizing local clinical features
US9332954B2 (en) * 2013-03-15 2016-05-10 Jacqueline K. Vestevich Systems and methods for evaluating a brain scan
TWI503103B (zh) * 2013-04-12 2015-10-11 Inst Nuclear Energy Res A method of stimulating the formation of brain cognitive response images
EP3539079A1 (en) * 2016-11-08 2019-09-18 Koninklijke Philips N.V. Apparatus for the detection of opacities in x-ray images
US10628662B2 (en) * 2018-04-05 2020-04-21 International Business Machines Corporation Automated and unsupervised curation of image datasets

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10512784A (ja) * 1995-01-27 1998-12-08 イーデルベルグ，デービッド 患者スクリーニング用マーカー
JP2005237441A (ja) * 2004-02-24 2005-09-08 Kokuritsu Seishin Shinkei Center 脳疾患の診断支援方法及び装置
JP2006204641A (ja) * 2005-01-28 2006-08-10 Daiichi Radioisotope Labs Ltd 画像診断支援システム
US20070063656A1 (en) 2005-09-16 2007-03-22 Istvan Wursching Compact fluorescent lamp and method for manufacturing
WO2007063656A1 (ja) * 2005-11-30 2007-06-07 Nihon Medi-Physics Co., Ltd. 頭部変性疾患の検出方法、検出プログラム、及び検出装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5262945A (en) * 1991-08-09 1993-11-16 The United States Of America As Represented By The Department Of Health And Human Services Method for quantification of brain volume from magnetic resonance images
US20060276462A1 (en) * 2003-01-13 2006-12-07 Deadwyler Sam A Method of treating cognitive decline due to sleep deprivation and stress
US20050215889A1 (en) * 2004-03-29 2005-09-29 The Board of Supervisory of Louisiana State University Methods for using pet measured metabolism to determine cognitive impairment
JP2006051170A (ja) 2004-08-11 2006-02-23 Toshiba Corp 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
EP1872603B1 (en) * 2005-03-02 2011-01-26 Roamware, Inc. Dynamic generation of csi for outbound roamers
NL1033122C2 (nl) 2006-12-22 2008-06-24 Stork P M T B V Werkwijze en inrichting voor het gescheiden oogsten van rugvel en rugvlees van een karkasdeel van geslacht gevogelte.
US8180125B2 (en) * 2008-05-20 2012-05-15 General Electric Company Medical data processing and visualization technique
WO2009146388A1 (en) * 2008-05-28 2009-12-03 The Trustees Of Columbia University In The City Of New York Voxel-based methods for assessing subjects using positron emission tomography
CN102171725B (zh) * 2008-10-07 2017-05-03 皇家飞利浦电子股份有限公司 脑室分析
US20110103656A1 (en) * 2009-04-17 2011-05-05 Gheorghe Iordanescu Quantification of Plaques in Neuroimages
US20110129131A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data and disease profiles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10512784A (ja) * 1995-01-27 1998-12-08 イーデルベルグ，デービッド 患者スクリーニング用マーカー
JP2005237441A (ja) * 2004-02-24 2005-09-08 Kokuritsu Seishin Shinkei Center 脳疾患の診断支援方法及び装置
JP2006204641A (ja) * 2005-01-28 2006-08-10 Daiichi Radioisotope Labs Ltd 画像診断支援システム
US20070063656A1 (en) 2005-09-16 2007-03-22 Istvan Wursching Compact fluorescent lamp and method for manufacturing
WO2007063656A1 (ja) * 2005-11-30 2007-06-07 Nihon Medi-Physics Co., Ltd. 頭部変性疾患の検出方法、検出プログラム、及び検出装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FRISTON K. J. ET AL., HUMAN BRAIN MAPPING, vol. 2, 1995, pages 189 - 210
K. HERHOLZ ET AL.: "Discrimination between Alzheimer dementia and controls by automated analysis of multicenter FDG PET", NEUROLMAGE, vol. 17, 2002, pages 302 - 316
KAZUNARI ISHII: "Clinical application of positron emission tomography for diagnosis of dementia", ANNALS. OF NUCLEAR MEDICINE, vol. 16, no. 8, 2002, pages 515 - 525
MINOSHIMA S. ET AL., J. NUCL. MED., vol. 35, 1994, pages 1528 - 37
See also references of EP2312337A4 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012020547A1 (ja) * 2010-08-11 2012-02-16 富士フイルム株式会社 画像診断支援装置、方法及びプログラム
JP2012034988A (ja) * 2010-08-11 2012-02-23 Fujifilm Corp 画像診断支援装置、方法及びプログラム
US9655579B2 (en) 2010-08-11 2017-05-23 Fujifilm Corporation Image-based diagnosis assistance apparatus, method and program
JP2012191599A (ja) * 2011-02-23 2012-10-04 Konica Minolta Medical & Graphic Inc 放射線画像撮影システム
JP2014006130A (ja) * 2012-06-22 2014-01-16 Fujifilm Ri Pharma Co Ltd 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法
JP2015054218A (ja) * 2013-09-13 2015-03-23 株式会社東芝 磁気共鳴イメージング装置及び画像処理装置
JP2017058287A (ja) * 2015-09-17 2017-03-23 公益財団法人先端医療振興財団 生体の画像検査のためのｒｏｉの設定技術
JP2018197651A (ja) * 2017-05-22 2018-12-13 富士フイルムＲｉファーマ株式会社 疾患鑑別支援装置およびコンピュータプログラム
KR20190041411A (ko) 2017-10-12 2019-04-22 니혼 메디피직스 가부시키가이샤 화상 처리 장치, 화상 처리 방법 및 프로그램
JP2019074343A (ja) * 2017-10-12 2019-05-16 日本メジフィジックス株式会社 画像処理装置、画像処理方法およびプログラム

Also Published As

Publication number Publication date
US20110188719A1 (en) 2011-08-04
EP2312337A4 (en) 2012-03-28
US8693746B2 (en) 2014-04-08
AU2008360162A1 (en) 2010-02-04
JP4302183B1 (ja) 2009-07-22
JPWO2010013300A1 (ja) 2012-01-05
CA2731657A1 (en) 2010-02-04
EP2312337A1 (en) 2011-04-20

Similar Documents

Publication Publication Date Title
JP4302183B1 (ja) 脳神経疾患検出技術
US8676294B2 (en) Brain disease diagnosis system
US8165362B2 (en) Neurodegenerative disease detection method, detecting program, and detector
JP4162242B2 (ja) 画像診断支援システム
JP5068519B2 (ja) 悪性腫瘍を自動的に特徴評価するルーチンを含む機械読み取り可能な媒体及び装置
JP4824321B2 (ja) 画像データの解析システム、方法及びコンピュータプログラム
Rosario et al. Inter-rater reliability of manual and automated region-of-interest delineation for PiB PET
JP2006320387A (ja) 計算機支援診断装置および方法
JP4454212B2 (ja) 画像関連データ処理方法
JP5107538B2 (ja) 画像診断支援システム及び方法
JP4685078B2 (ja) 画像診断支援システム
JP2006158791A (ja) 頭蓋内容積および局所脳構造物解析プログラム、記録媒体および頭蓋内容積および局所脳構造物解析方法
JP4964450B2 (ja) 画像処理方法、画像処理プログラム、及び画像処理装置
JP5061150B2 (ja) データ処理方法、画像データ処理装置、及びコンピュータプログラム
JP2004239782A (ja) 脳画像データ処理システム、方法、プログラムおよび記録媒体
TW201625181A (zh) 頭部核醫學圖像的評價法
JP6995642B2 (ja) 画像処理装置、画像処理方法およびプログラム
JP5910809B2 (ja) 心筋部画像診断に用いるコントロールデータベースの作成装置、作成方法及び作成プログラム。
JP2018044849A (ja) コントロールデータベース生成装置、コントロールデータベース生成方法、およびプログラム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2008551378

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08791737

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2731657

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 2008360162

Country of ref document: AU

WWE Wipo information: entry into national phase

Ref document number: 2008791737

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2008360162

Country of ref document: AU

Date of ref document: 20080728

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13056614

Country of ref document: US