WO2010055815A1 - 医用画像処理装置及び方法 - Google Patents

医用画像処理装置及び方法 Download PDF

Info

Publication number
WO2010055815A1
WO2010055815A1 PCT/JP2009/069076 JP2009069076W WO2010055815A1 WO 2010055815 A1 WO2010055815 A1 WO 2010055815A1 JP 2009069076 W JP2009069076 W JP 2009069076W WO 2010055815 A1 WO2010055815 A1 WO 2010055815A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood vessel
region
contour
image processing
signal value
Prior art date
Application number
PCT/JP2009/069076
Other languages
English (en)
French (fr)
Inventor
菜緒子 中山
Original Assignee
株式会社 日立メディコ
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 株式会社 日立メディコ filed Critical 株式会社 日立メディコ
Priority to JP2010537765A priority Critical patent/JP5536664B2/ja
Priority to US13/128,556 priority patent/US8582844B2/en
Publication of WO2010055815A1 publication Critical patent/WO2010055815A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/12—Devices for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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 a medical image processing apparatus and method for performing blood vessel analysis processing.
  • CAD Computer-aided detection
  • Patent Document 1 or Patent Document 2 discloses a technique for analyzing and displaying a stenosis rate of a blood vessel.
  • the shape of a temporary normal blood vessel is estimated based on the blood vessel shape information generated from the image data, and the cross-sectional area and the size of the diameter of the blood vessel and the temporary normal blood vessel are compared to narrow the stenosis. The area is detected and the stenosis rate is calculated.
  • Patent Document 2 the torsion of the blood vessel shape is corrected, the shape of the temporary normal blood vessel is estimated based on the corrected blood vessel shape, the stenosis portion is detected using the blood vessel and the temporary normal blood vessel, and the stenosis rate is calculated. Calculated.
  • coronary events such as unstable angina pectoris and myocardial infarction may occur due to rupture of atherosclerotic plaque. That is, in a series of processes (atherosclerosis process) in which atherosclerotic plaques begin to form on the vessel wall, the vessel wall thickens outward, and gradually calcifies (atherosclerosis process), vascular stenosis occurs at the end of the atherosclerosis process It is said that it does not appear as stenosis of blood vessels in the previous stage.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a medical image processing apparatus and method capable of evaluating a blood vessel marginal abnormality that does not appear as stenosis.
  • the present invention provides an extraction means for extracting a blood vessel region from medical image data, and a blood vessel margin including a blood vessel contour point of the blood vessel region extracted by the extraction means and a periphery of the blood vessel contour point.
  • a detection means for performing an evaluation on the shape or signal value distribution information and detecting an abnormal part based on the evaluation result, and a display means for displaying information on the abnormal part detected by the detection means.
  • a medical image processing apparatus is characterized.
  • the evaluation on the shape or signal value distribution information is performed by the first blood vessel region composed of the blood vessel contour point of the blood vessel region and the peripheral portion of the blood vessel contour point extracted by the extracting means, and the blood vessel contour point of the blood vessel region. Based on whether the shape differs from the second blood vessel region formed from, the detection means performs a comparative evaluation on the shape or signal value distribution information for the first and second blood vessel region, the evaluation result An abnormal part is detected based on the above.
  • the extraction means as the blood vessel region, respectively extract a first blood vessel region including a high signal region having a signal value higher than a predetermined value, and a second blood vessel region not including the high signal region
  • the detection means performs a comparative evaluation on the shape or signal value distribution information for the first and second blood vessel regions, and detects an abnormal portion based on the evaluation result.
  • the detecting means evaluates the smoothness of the distribution in the blood vessel core direction and the smoothness of the distribution on the cross section orthogonal to the blood vessel core line for the blood vessel contour point, and based on the evaluation result, the blood vessel margin Detect abnormal parts.
  • the image processing apparatus further includes expanded contour setting means for setting an expanded contour line that is expanded outside by a predetermined range from the blood vessel region extracted by the extracting means, and the detecting means is an expansion set by the expanded contour line setting means.
  • the signal value on the contour line is evaluated, and the abnormal part of the blood vessel margin is detected based on the evaluation result.
  • a plurality of normal sections are set as reference sections from the blood vessel region extracted by the extraction unit, and reference shapes and reference signal value distribution information of other sections are generated based on the set plurality of reference sections.
  • Reference detecting means is further provided, and the detecting means compares and evaluates the reference shape and reference signal value distribution information of each cross section generated by the reference generating means and the actual shape and signal value distribution information of the cross section. The abnormal part is detected based on the evaluation result.
  • the detection means further evaluates the stenosis of the blood vessel, and the display means displays the abnormal part that appears as stenosis and the abnormal part that does not appear as stenosis in different display formats.
  • Hardware configuration diagram showing the overall configuration of the image processing system 1 A flowchart showing the overall flow of image processing executed by the medical image processing apparatus 100 The figure which shows the example of a display screen at the time of blood vessel abnormality part detection processing execution The figure explaining extraction of a vascular region The flowchart explaining the flow of the process regarding the abnormal blood vessel detection executed by the medical image processing apparatus 100 The figure explaining the evaluation of the smoothness of the blood vessel contour point in the blood vessel cross section (direction orthogonal to the blood vessel core line) The figure explaining the evaluation of the smoothness of the blood vessel outline point in the blood vessel longitudinal section (blood vessel core line direction) The figure explaining the expansion outline set near the blood vessel region Flowchart showing the flow of abnormal blood vessel portion detection processing in the second embodiment Diagram explaining the reference contour
  • FIG. 1 is a hardware configuration diagram showing the overall configuration of the image processing system 1.
  • the image processing system 1 includes a medical image processing device 100 having a display device 107 and an input device 109, an image database 111 connected to the medical image processing device 100 via a network 110, and a medical image. And an imaging device 112.
  • the medical image processing apparatus 100 is a computer for image diagnosis installed in a hospital or the like, and as a computer detection support apparatus (CAD) that analyzes medical images, detects lesion candidates from the shadows, and presents them to the doctor It functions.
  • CAD computer detection support apparatus
  • the medical image processing apparatus 100 includes a CPU 101 (Central Processing Unit) 101, a main memory 102, a storage device 103, a communication interface (communication I / F) 104, a display memory 105, an interface with an external device such as a mouse 108 (I / F). ) 106, and each unit is connected via a bus 107.
  • CPU 101 Central Processing Unit
  • main memory 102 main memory
  • storage device 103 main memory
  • communication interface communication I / F
  • display memory 105 a display memory 105
  • an interface with an external device such as a mouse 108 (I / F). )
  • the CPU 101 calls a program stored in the main memory 102 or the storage device 103 to the work memory area on the RAM of the main memory 102 and executes it, and drives and controls each unit connected via the bus 107 to perform medical image processing. Various processes performed by the apparatus 100 are realized.
  • the CPU 101 extracts a blood vessel region based on the medical image data, and executes processing to be described later relating to detection of an abnormal portion of the blood vessel margin (see FIGS. 2 and 5).
  • the main memory 102 is composed of ROM (Read Only Memory), RAM (Random Access Memory), and the like.
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the ROM permanently holds a computer boot program, a BIOS program, data, and the like.
  • the RAM temporarily holds programs, data, and the like loaded from the ROM, the storage device 103, and the like, and includes a work area that the CPU 101 uses for performing various processes.
  • the storage device 103 is a storage device that reads / writes data to / from an HDD (hard disk drive) or other recording medium, and stores programs executed by the CPU 101, data necessary for program execution, an OS (operating system), and the like. .
  • As for the program a control program corresponding to the OS and an application program are stored. Each of these program codes is read by the CPU 101 as necessary, transferred to the RAM of the main memory 102, and executed as various means.
  • the communication I / F 104 includes a communication control device, a communication port, and the like, and mediates communication between the medical image processing apparatus 100 and the network 110.
  • the communication I / F 104 performs communication control with the image database 111, another computer, or a medical image photographing apparatus 112 such as an X-ray CT apparatus or an MRI apparatus via the network 110.
  • the I / F 106 is a port for connecting a peripheral device, and transmits / receives data to / from the peripheral device.
  • an input device such as a mouse 108 may be connected via the I / F 106.
  • the display memory 105 is a buffer that temporarily stores display data input from the CPU 101.
  • the accumulated display data is output to the display device 107 at a predetermined timing.
  • the display device 107 includes a display device such as a liquid crystal panel and a CRT monitor, and a logic circuit for executing display processing in cooperation with the display device, and is connected to the CPU 101 via the display memory 105.
  • the display device 107 displays the display data stored in the display memory 105 under the control of the CPU 101 on the display device.
  • the input device 109 is an input device such as a keyboard, for example, and outputs various instructions and information input by the operator to the CPU 101.
  • the operator interactively operates the medical image processing apparatus 100 using external devices such as the display device 107, the input device 109, and the mouse 108.
  • the network 110 includes various communication networks such as a LAN (Local Area Network), a WAN (Wide Area Network), an intranet, the Internet, and the like, and is connected to the medical image processing apparatus 100 with the image database 111, a server, other information devices, and the like. Mediate.
  • LAN Local Area Network
  • WAN Wide Area Network
  • intranet the Internet
  • the image database 111 stores and stores medical images taken by the medical image photographing device 112, and is provided in a server such as a hospital or a medical center, for example.
  • the image database 111 is configured to be connected to the medical image processing apparatus 100 via the network 110, but the image database 111 is provided in, for example, the storage device 103 in the medical image processing apparatus 100. You may do it.
  • medical images handled by the image processing system 1 of the present embodiment are tomographic images taken by an X-ray CT apparatus at a plurality of slice positions in the body axis direction, and 3D images (three-dimensional images) obtained by stacking these tomographic images.
  • the present invention is not limited to this, and a tomographic image or a 3D image taken with an MRI apparatus or the like may be used.
  • an image in which a blood vessel region is three-dimensionally displayed is a blood vessel 3D image 38
  • a cross-sectional image orthogonal to the blood vessel core line is a blood vessel cross-sectional image 35
  • a vertical cross-sectional image along the blood vessel core line is a blood vessel vertical cross-sectional image 31.
  • Etc. see FIG. 3).
  • FIG. 2 is a flowchart showing the overall flow of image processing executed by the medical image processing apparatus 100.
  • FIG. 3 is a diagram illustrating an example of a display screen when the abnormal blood vessel portion detection process is executed.
  • FIG. 4 is a diagram for explaining extraction of a blood vessel region.
  • FIG. 5 is a flowchart for explaining a flow of processing relating to abnormal blood vessel detection performed by the medical image processing apparatus 100.
  • FIG. 6 is a diagram for explaining the evaluation of the smoothness of the blood vessel contour points in the blood vessel cross-sectional image 35.
  • FIG. 7 is a diagram for explaining the evaluation of the smoothness of the blood vessel contour points in the blood vessel longitudinal cross-sectional image 31.
  • FIG. FIG. 8 is a diagram for explaining an expanded contour set in the vicinity of a blood vessel region.
  • the CPU 101 of the medical image processing apparatus 100 reads a program and data related to image processing and abnormal blood vessel detection processing from the main memory 102, and executes image processing and abnormal blood vessel detection processing based on the program and data.
  • the image data is fetched from the image database 111 or the like via the network 110 and the communication I / F 104 and stored in the storage device 103 of the medical image processing apparatus 100.
  • the CPU 101 of the medical image processing apparatus 100 reads and displays image data.
  • the CPU 101 reads out the selected image data from the storage device 103 in accordance with an instruction input by operating the input device 109 or the mouse 108, and displays the selected image data on the display device 107 (step S101).
  • image data including a blood vessel region is selected.
  • the image displayed at this stage is a blood vessel 3D image 38 (see FIG. 3) in which a plurality of tomographic images are stacked.
  • the CPU 101 displays the blood vessel core line of the blood vessel and a plurality of blood vessel contour points in each cross section orthogonal to the blood vessel core line. Is extracted as a blood vessel region.
  • the blood vessel core line is the center line of the blood vessel, and is extracted by, for example, the Bessel tracking method. Specifically, when an operator designates a start point, an end point, and a passage point by a mouse operation or the like in a blood vessel displayed on the display screen, the CPU 101 tracks the inside of the blood vessel between the designated points, and the blood vessel core line To extract. The CPU 101 is orthogonal to the extracted blood vessel core line. A plurality of blood vessel contour points are extracted for each cross section.
  • the CPU 101 displays the extracted blood vessel core line on the blood vessel 3D image 38 as shown in FIG. 3 when the blood vessel core line and the blood vessel contour point are extracted.
  • the display device 107 displays the blood vessel longitudinal cross-sectional image 31 and the blood vessel cross-sectional image 35 along the blood vessel core line.
  • the CPU 101 when extracting the blood vessel contour point, the CPU 101 has a contour 36A (first blood vessel region) including a high signal region 36C having a signal value higher than a predetermined signal value, and a high signal An outline 36B (second blood vessel region) that does not include the region 36C is extracted.
  • first blood vessel region including a high signal region 36C having a signal value higher than a predetermined signal value
  • second blood vessel region that does not include the region 36C is extracted.
  • the hatched range is the high signal area 36C
  • the dotted line is the outline 36A including the high signal area 36C
  • the solid line is the outline 36B not including the high signal area 36C.
  • the CT value of a high-calcified region of about 350 to 1000
  • the CT value of a contrasted region is 130
  • the CT value of the blood vessel wall (non-contrast region) is about 50 to 130.
  • the blood vessel contour point is a point that becomes a boundary between the contrast region or the high signal region 36C and the blood vessel wall (non-contrast region), and the blood vessel contour line 36 is a line that connects each blood vessel contour point on the same cross section. is there.
  • the CPU 101 refers to CT value distribution information on a plurality of lines extending from the blood vessel core line 37 in each direction on the cross section for a certain blood vessel cross-sectional image 35.
  • a point having a CT value greater than the predetermined CT value ⁇ is defined as a high signal region 36C, and a region having a CT value equal to or smaller than the predetermined CT value ⁇ and greater than the CT value ⁇ serving as a blood vessel wall is defined as a contrast region.
  • the CPU 101 extracts the region including the contrast region and the high signal region 36C as the “first region (contour line 36A)” and extracts the region that is the contrast region but does not include the high signal region 36C as the “second region”. (Contour line 36B) ".
  • the CT value ⁇ used as the threshold value of the high signal region 36C and the CT value ⁇ of the blood vessel wall are either preset values, values calculated by the CPU 101, or values input by the operator from the input device 109 or the like. May be used.
  • the CPU 101 may superimpose and display the two extracted contour lines 36A and 36B on the blood vessel cross-sectional image 35 displayed on the display device 107.
  • the CPU 101 calculates blood vessel information such as the cross-sectional area and diameter of each contour line 36A, 36B, circularity, CT value based on the extracted blood vessel region (blood vessel core line 37, blood vessel contour line 36), It is stored in the main memory 102 (step S3).
  • the CPU 101 may display the calculated blood vessel information in the blood vessel information display area 34 as shown in FIG.
  • the display mode of the blood vessel information may be displayed not only as a numerical value display but also as a blood vessel information graph 34g in which numerical values are graphed. Further, according to the value of each blood vessel information, color mapping display may be performed on the blood vessel longitudinal cross-sectional image 31, the blood vessel cross-sectional image 35, the blood vessel 3D image 38, or the like.
  • the CPU 101 evaluates the presence or absence of the blood vessel stenosis, the stenosis rate, the shape of the blood vessel margin and the CT value distribution information based on the calculated blood vessel information, and detects an abnormal part based on the evaluation result (step S4; described later).
  • the CPU 101 displays the detected abnormal part information on the display device 107 (step S5).
  • the CPU 101 displays the stenosis site, CT value, etc. calculated in step S4 as numerical values, graphs, and color mapping in accordance with the numerical values.
  • the CPU 101 highlights the detected position of the abnormal part with a color display or a graphic tool such as an arrow.
  • the CPU 101 displays the display in different display formats for the abnormal portion that appears as stenosis and the abnormal portion that does not appear as stenosis but appears abnormal in shape and CT value distribution information.
  • step S4 of FIG. 2 the abnormal blood vessel detection processing in step S4 of FIG. 2 will be described in detail.
  • a blood vessel core line is extracted, and based on the extracted core wire, a region (contour line) including a high signal region as shown in FIG. 36A) and a region (contour line 36B) not including the high signal region are extracted.
  • the CPU 101 reads the blood vessel information calculated in step S3 of FIG. 2 (step S101). Further, by comparing the shapes of the two contour lines 36A and 36B extracted in step S2 of FIG. 2 (step S102), the lumen narrowed portion (high signal constricted portion) of the blood vessel is detected (step S103). The lumen stenosis corresponds to the high signal region 36C here.
  • the shapes of the two contour lines 36A, 36B for example, the difference in cross-sectional area of each region (contour lines 36A, 36B) is obtained, and when the difference is equal to or greater than a predetermined value, the lumen constriction portion (abnormal portion) It may be detected as. Further, instead of a difference in cross-sectional area, another feature amount regarding the shape may be compared.
  • the CPU 101 executes processing for detecting an abnormality in the blood vessel contour shape for the other part where the lumen constriction portion is not detected for the contour line 36A including the high signal region (step S104). Specifically, the CPU 101 evaluates the smoothness of the contour line 36A in the blood vessel cross-sectional image 35 orthogonal to the blood vessel core line 37 and the smoothness of the contour line 33 in the blood vessel longitudinal cross-sectional image 31 along the blood vessel core line 37.
  • the smoothness of the contour line 36A in the blood vessel cross-sectional image 35 is from the blood vessel core line 37 to a plurality of contour points on the contour line 36A as indicated by arrows Y1, Y2, Y3, Y4, Y5, Y6, and Y7 shown in FIG. , And the evaluation is performed using the calculated variation in distance and the circularity of the contour 36A.
  • the CPU 101 detects a cross-sectional position where the distance variation or the circularity value is a predetermined threshold value or more as an abnormal contour portion. For example, dispersion or standard deviation may be used as the variation in distance.
  • the smoothness of the outline 36A in the blood vessel cross section 35 is evaluated for each cross section position 32 (see FIG. 3).
  • the smoothness of the contour line 33 in the longitudinal section image 31 of the blood vessel is determined by the blood vessel contour line 33 from each point on the blood vessel core line 37 as indicated by the horizontal arrows Y11, Y12, Y13, Y14, Y15, Y16, Y17 in FIG.
  • the distance to is calculated. Since the blood vessel is narrowing toward the end, a plurality of evaluation ranges 71a, 71b, 71c,... Are set in the core line direction, and the variation in distance within each evaluation range is evaluated.
  • the CPU 101 detects an evaluation range in which the distance variation value is a predetermined threshold value or more as an abnormal contour portion.
  • dispersion or standard deviation may be used.
  • the smoothness of the contour line 33 in the core line direction is evaluated for a plurality of blood vessel longitudinal section images 31 that are rotated and displayed with the core line as an axis.
  • the CPU 101 detects the presence / absence of an abnormal CT value for the blood vessel margin within a predetermined distance from the contour line 33 (step S105). That is, as shown in FIG. 8, the CPU 101 sets an extended contour line 81 (that is, a blood vessel edge) in the vicinity of the blood vessel contour line 33. Then, the CPU 101 calculates the average of the CT values at each point on the extended contour 81, calculates the difference between the calculated average CT value and the CT value at each contour point on the extended contour 81, and calculates the calculated difference. Is detected as an abnormal portion of the CT value.
  • the range of the peripheral edge of the blood vessel is a distance range corresponding to the target blood vessel.
  • unhardened plaque appears in a range expanded about 0.5 mm to a blood vessel having a thickness of about 3 to 4 mm. Therefore, for example, in the case of a blood vessel of about 3 to 4 mm close to the starting portion, the extended contour line 81 may be set to about 0.5 mm or about 5 pixels outside the contour line 33.
  • the range of the blood vessel margin may be determined based on the ratio of the thickness of the blood vessel instead of the distance. Note that the range of the blood vessel margin may be a preset value, a value calculated by the CPU 101, or a value input by the operator from the input device 109 or the like.
  • step S104 and step S105 makes it possible to detect uncured plaque from the blood vessel region image (The 54th Annual Meeting of the Japanese Society of Cardiology Fireside Symposium 5: Clinical best using 64-slice multi-slice CT) Front “Cardiovascular diagnosis by multi-slice CT”, pp. 15-20).
  • the CPU 101 of the medical image processing apparatus 100 creates a high signal region 36C having a CT value higher than a predetermined value based on the read medical image data.
  • An area including the contour line 36A and an area not including the high signal area 36C (contour line 36B) are extracted, and the shapes (for example, cross-sectional areas) of the extracted contour lines 36A and 36B are compared.
  • Detected plaque (lumen stenosis).
  • the smoothness of the distribution in the blood vessel core line direction and the smoothness of the distribution on the cross section orthogonal to the blood vessel core line are each evaluated, and a part having a predetermined variation is detected as an abnormal part.
  • the CPU 101 sets an expanded contour line 81 in which the blood vessel contour points are expanded outward by a predetermined range, and evaluates the CT value on the set expanded contour line 81, so that it does not harden at the peripheral portion of the blood vessel. Detect abnormal parts such as plaque. Then, the CPU 101 displays the detected abnormal part on the blood vessel image.
  • the signal value is expressed as a CT value.
  • a luminance value is used as the signal value.
  • the specific numerical value of the distance (or pixel value) set as the CT value and the expanded contour line is an example, and if the blood vessel to be evaluated is different, an appropriate value should be set for each Good.
  • a region including a high signal region having a signal value higher than a predetermined value as a blood vessel region is defined as a first blood vessel region, and a region not including the high signal region as a blood vessel region is defined as a second blood vessel region.
  • the region formed of the blood vessel contour point of the blood vessel region and the peripheral portion of the blood vessel contour point may be the first blood vessel region, and the region formed from the blood vessel contour point of the blood vessel region may be the second blood vessel region. That is, the evaluation related to the shape or signal value distribution information is performed by the first blood vessel region composed of the blood vessel contour point of the blood vessel region extracted by the extracting unit and the peripheral portion of the blood vessel contour point, and the blood vessel contour point of the blood vessel region. This may be performed based on whether the shape of the second blood vessel region formed from the above is different.
  • FIG. 9 is a flowchart showing the flow of abnormal blood vessel portion detection processing in the second embodiment
  • FIG. 10 is a diagram for explaining the reference contour line.
  • the abnormal blood vessel detection process shown in the flowchart of FIG. 9 is performed in the abnormal part detection step (step S4) of the image processing shown in FIG.
  • the CPU 101 reads the blood vessel information calculated in step S3 of FIG. 2 (step S201), and first detects an abnormal portion of the contour line (step S202).
  • the detection of the abnormal portion of the contour line is performed in step S102 (calculation of the cross-sectional area difference between the region including the high signal region and the region not including it) or step S104 (smooth contour) in the first embodiment (FIG. 5). It is sufficient to perform the same processing as in (Evaluation).
  • CPU101 detects at least two cross sections where the contour shape is normal and the standard deviation of the CT value in the contour is below a certain value before and after the detected abnormal part of the contour line, and these are used as a reference.
  • a cross section is set (step S203).
  • the reference cross section may be set by the operator operating the mouse 108 or the input device 109 while referring to the displayed blood vessel image.
  • the cross-sectional images 35a and 35d are estimated to be normal among the blood vessel cross-sectional images 35a, 35b, 35c and 35d.
  • the CPU 101 extracts blood vessel contours from the cross-sectional images 35a and 35d estimated to be normal, and sets the extracted blood vessel contours as reference contours 90a and 90d.
  • the CPU 101 creates reference contour lines 91b and 91c at the respective cross-sectional positions by linear interpolation based on the reference contour lines 90a and 90d (step S204). Then, for each of the cross-sectional images 35a, 35b, 35c, and 35d, the actual contour lines 36a, 36b, 36c, and 36d extracted in step S2 of FIG. 2 and the steps S203 to S204 of FIG. 9 were set or created.
  • the reference contour lines 90a, 91b, 91c, 90d for example, feature quantities representing shapes such as cross-sectional areas are compared to detect thickened portions / stenosis portions (step S206).
  • the contour lines 36a, 36b, 36c, and 36d may be either a contour line including a high signal region or a contour line not including a high signal region.
  • the CPU 101 calculates a difference in standard deviation of CT values in the contour line between the contour line in the reference cross section and the adjacent contour lines in other cross sections (step S207), and the difference is a predetermined value.
  • the threshold is abnormal, it is detected as an abnormal CT value portion within the contour (step S208).
  • the difference between the standard deviation of the CT value in the actual contour line 36a of the reference cross section 35a and the standard deviation of the CT value in the contour line 36b in the adjacent cross section 35b is calculated.
  • the standard deviation is taken as an example to represent the difference between the CT values, but it may be the difference between the average CT value, the maximum CT value, and the minimum CT value within the contour line.
  • the CPU 101 detects the presence / absence of an abnormal CT value for a blood vessel margin within a predetermined distance range from the contour line (step S209).
  • step S209 as in step S105 of FIG. 5, an expanded contour 81 is set in the vicinity of the blood vessel contour 33, the average of CT values of each point on the expanded contour 81 is calculated, and the calculated average CT value And a difference in CT value between each contour point on the extended contour line 81 and a point where the calculated difference is equal to or greater than a predetermined threshold is detected as an abnormal portion of the CT value.
  • the contour line 36c of the cross-sectional image 35c has a shape that is not detected as an abnormal part in the abnormal part detection process of the first embodiment or the abnormal contour part detection process of step S202 of FIG. Although shown, it is thickened as a whole as compared with the front and rear cross sections 35b and 35d.
  • an abnormality in shape cross-sectional area, etc.
  • the CPU 101 of the medical image processing apparatus 100 uses the cross-sectional images estimated to be normal from the blood vessel cross-sectional images 35a, 35b, 35c, and 35d at the respective cross-sectional positions as the reference cross-section 35a, It is set to 35d, and blood vessel contour lines in the reference cross section are extracted and set as reference contour lines 90a and 90d.
  • reference contour lines 91b and 91c in other cross sections are created from blood vessel contour lines 90a and 90d in at least two reference cross sections.
  • contours 36a, 36b, 36c, 36d actually extracted from the cross-sectional images 35a, 35b, 35c, 35d and the corresponding reference contours 90a, 91b, 91c, 90d are compared with each other, When the difference is large, it is detected as a stenosis site.
  • the CT value distribution information in the contour line 36a (or 36d) in the reference cross section 35a (or 35d) is compared with the CT value distribution information in the contour line 36b (or 36c) at the adjacent cross-sectional position, and the CT value is compared.
  • a cross section with a large difference in distribution information is detected as an abnormal CT value portion in the contour.
  • an extended contour line extended outside the predetermined range from the extracted contour line 33 is set, and an abnormal part of the CT value of each point on the extended contour line is detected as a marginal part CT value abnormal part.
  • the medical image processing apparatus 100 of the first embodiment it is possible to accurately detect, as an abnormal part, a part where the entire blood vessel is thickened and the shape and CT value distribution are not detected as abnormal. become.
  • the reference contour line can be set or created from the target blood vessel image, more accurate evaluation can be performed for each blood vessel.
  • reference cross section is a horizontal cross section.
  • a reference cross section for a vertical cross section may be set.
  • 1 image processing system 100 medical image processing device, 101 CPU, 102 main memory, 103 storage device, 104 communication I / F, 105 display memory, 106 I / F, 107 display device, 108 mouse (external device), 109 input Device, 110 network, 111 image database, 31 blood vessel longitudinal section image, 33 blood vessel contour line in blood vessel longitudinal section image, 35 blood vessel cross section image, 37 blood vessel core line, 36 blood vessel contour line in blood vessel cross section image, 36A high signal area Including blood vessel contour line, 36B blood vessel contour line not including high signal area, 81 extended contour line, 90a, 90d reference contour line, 91a, 91d reference contour line created by interpolation

Abstract

　医用画像データから血管領域を抽出する抽出手段と、 　前記抽出手段により抽出された血管領域の血管輪郭点と血管輪郭点周辺とを含む血管辺縁部について、形状または信号値分布情報に関する評価を行い、評価結果に基づいて異常部を検出する検出手段と、 　前記検出手段によって検出された異常部についての情報を表示する表示手段と、を備える。

Description

医用画像処理装置及び方法
　本発明は、血管の解析処理を行う医用画像処理装置及び方法に関する。
　従来から医用診断に利用される画像としては、例えばX線CT(Computed Tomography)装置やMRI(Magnetic Resonance Imaging)装置等によって撮影される被検体の断層像等が知られている。また、このような医用画像をコンピュータを用いて解析し、その陰影の中から病変候補を検出して医師に提示するコンピュータ検出支援装置(Computer-Aided Detection；以下、CADという)が開発されている。CADは、病変部の形状特性や濃度特性に基づいて、病変部と推測される画像領域(以下、病変候補領域という)を自動的に検出するものであり、医師の負担を軽減させている。
　例えば、特許文献1または特許文献2では、血管の狭窄率を解析し、表示させる手法が開示されている。具体的には、特許文献1では、画像データから生成された血管形状情報に基づいて、仮正常血管の形状を推定し、血管と仮正常血管の断面積や径の大きさを比較して狭窄部を検出し、狭窄率を算出している。
　また、特許文献2では、血管形状のねじれを補正し、補正後の血管形状に基づいて仮正常血管の形状を推定し、血管と仮正常血管とを用いて狭窄部を検出し、狭窄率を算出している。
特開2006-198708号公報 特開2005-162787号公報
　しかしながら、血管内腔の狭小化が見られない時点でも、アテロームプラークの破綻によって不安定狭心症や心筋梗塞といった冠動脈イベント(急性冠動脈症候群)を発症する可能性があることが指摘されている。すなわち、血管壁にアテロームプラークが形成され始め、血管壁が外側に向かって肥厚し、次第に石灰化する一連のプロセス(アテローム硬化プロセス)において、血管の内腔狭窄が生じるのは、アテローム硬化プロセス末期であり、それ以前の段階では血管の狭窄としては表れないとされている。
　本発明は、以上の問題点に鑑みてなされたものであり、狭窄としては表れない血管辺縁部の異常についても評価可能な医用画像処理装置及び方法を提供することを目的とする。
　前述した目的を達成するため、本発明は、医用画像データから血管領域を抽出する抽出手段と、前記抽出手段により抽出された血管領域の血管輪郭点と血管輪郭点周辺とを含む血管辺縁部について、形状または信号値分布情報に関する評価を行い、評価結果に基づいて異常部を検出する検出手段と、前記検出手段によって検出された異常部についての情報を表示する表示手段と、を備えることを特徴とする医用画像処理装置である。
　また、前記形状または信号値分布情報に関する評価は、前記抽出手段により抽出された前記血管領域の血管輪郭点と血管輪郭点周辺部とから成る第1の血管領域と、前記血管領域の血管輪郭点から形成される第2の血管領域との形状が異なるかに基づいて行い、前記検出手段は、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出する。
　また、前記抽出手段は、前記血管領域として、所定値より高い信号値を有する高信号領域を含む第1の血管領域と、高信号領域を含まない第2の血管領域と、をそれぞれ抽出し、前記検出手段は、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出する。
　また、前記検出手段は、前記血管輪郭点について、血管芯線方向の分布の滑らかさと、血管芯線と直交する断面上での分布の滑らかさと、をそれぞれ評価し、評価結果に基づいて、血管辺縁部の異常部を検出する。
　また、前記抽出手段により抽出された血管領域から、外部に所定範囲拡張した拡張輪郭線を設定する拡張輪郭線設定手段を更に備え、前記検出手段は、前記拡張輪郭線設定手段によって設定された拡張輪郭線上の信号値を評価し、評価結果に基づいて、血管辺縁部の異常部を検出する。
　また、前記抽出手段により抽出された血管領域から、複数の正常な断面を基準断面として設定し、設定した複数の基準断面に基づいて、他の断面の基準形状及び基準信号値分布情報を生成する基準生成手段を更に備え、前記検出手段は、前記基準生成手段によって生成された各断面の基準形状及び基準信号値分布情報と、該断面の実際の形状及び信号値分布情報と、を比較評価し、評価結果に基づいて異常部を検出する。
　また、前記検出手段は、更に血管の狭窄を評価し、前記表示手段は、狭窄として表れる異常部位と、狭窄としては表れない異常部位とを、それぞれ異なる表示形式で表示させる。
　本発明によれば、狭窄としては表れない血管辺縁部の異常についても評価可能な医用画像処理装置及び方法を提供できる。
画像処理システム1の全体構成を示すハードウエア構成図 医用画像処理装置100が実行する画像処理全体の流れを示すフローチャート 血管異常部検出処理実行時の表示画面例を示す図 血管領域の抽出について説明する図 医用画像処理装置100が実行する血管異常部検出に関する処理の流れを説明するフローチャート 血管横断面(血管芯線と直交する方向)における血管輪郭点の滑らかさの評価について説明する図 血管縦断面(血管芯線方向)における血管輪郭点の滑らかさの評価について説明する図 血管領域近傍に設定される拡張輪郭線を説明する図 第2の実施の形態における血管異常部検出処理の流れを示すフローチャート 基準輪郭線について説明する図
　以下、添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。
　(第1の実施の形態)
　まず、本発明の医用画像処理装置を適用した画像処理システム1の構成について説明する。
　図1は、画像処理システム1の全体構成を示すハードウエア構成図である。
　図1に示すように、画像処理システム1は、表示装置107、入力装置109を有する医用画像処理装置100と、医用画像処理装置100にネットワーク110を介して接続される画像データベース111と、医用画像撮影装置112とを備える。
　医用画像処理装置100は、病院等に設置される画像診断用のコンピュータであり、医用画像を解析し、その陰影の中から病変候補を検出して医師に提示するコンピュータ検出支援装置(CAD)として機能するものである。
　医用画像処理装置100は、CPU101(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス107を介して接続されている。
　CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス107を介して接続された各部を駆動制御し、医用画像処理装置100が行う各種処理を実現する。
　また、CPU101は、医用画像データに基づいて、血管領域を抽出し、血管辺縁部の異常部検出に関する後述する処理を実行する(図2、図5参照)。
　主メモリ102は、ROM(Read Only Memory)、RAM(Random Access Memory)等により構成される。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持している。また、RAMは、ROM、記憶装置103等からロードしたプログラム、データ等を一時的に保持するとともに、CPU101が各種処理を行う為に使用するワークエリアを備える。
　記憶装置103は、HDD(ハードディスクドライブ)や他の記録媒体へのデータの読み書きを行う記憶装置であり、CPU101が実行するプログラム、プログラム実行に必要なデータ、OS(オペレーティングシステム)等が格納される。プログラムに関しては、OSに相当する制御プログラムや、アプリケーションプログラムが格納されている。これらの各プログラムコードは、CPU101により必要に応じて読み出されて主メモリ102のRAMに移され、各種の手段として実行される。
　通信I/F104は、通信制御装置、通信ポート等を有し、医用画像処理装置100とネットワーク110との通信を媒介する。また通信I/F104は、ネットワーク110を介して、画像データベース111や、他のコンピュータ、或いは、X線CT装置、MRI装置等の医用画像撮影装置112との通信制御を行う。
　I/F106は、周辺機器を接続させるためのポートであり、周辺機器とのデータの送受信を行う。例えば、マウス108等の入力装置等をI/F106を介して接続させるようにしてもよい。
　表示メモリ105は、CPU101から入力される表示データを一時的に蓄積するバッファである。蓄積された表示データは所定のタイミングで表示装置107に出力される。
　表示装置107は、液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路で構成され、表示メモリ105を介してCPU101に接続される。表示装置107はCPU101の制御により表示メモリ105に蓄積された表示データをディスプレイ装置に表示する。
　入力装置109は、例えば、キーボード等の入力装置であり、操作者によって入力される各種の指示や情報をCPU101に出力する。操作者は、表示装置107、入力装置109、及びマウス108等の外部機器を使用して対話的に医用画像処理装置100を操作する。
　ネットワーク110は、LAN(Local Area Network)、WAN(Wide Area Network)、イントラネット、インターネット等の各種通信網を含み、画像データベース111やサーバ、他の情報機器等と医用画像処理装置100との通信接続を媒介する。
　画像データベース111は、医用画像撮影装置112によって撮影された医用画像を蓄積して記憶するものであり、例えば病院や医療センター等のサーバ等に設けられる。図1に示す画像処理システム1では、画像データベース111はネットワーク110を介して医用画像処理装置100に接続される構成であるが、医用画像処理装置100内の例えば記憶装置103に画像データベース111を設けるようにしてもよい。
　なお、本実施の形態の画像処理システム1で扱う医用画像は、X線CT装置によって撮影された、体軸方向の複数スライス位置における断層像や、これらの断層像を積み上げた3D画像(3次元ボリューム画像)等とするが、これに限定されるものではなく、MRI装置等で撮影された断層像や3D画像としてもよい。また、以下の説明において、血管領域を3次元表示した画像を血管3D画像38、血管芯線に直交する横断面像を血管横断面像35、血管芯線に沿った縦断面像を血管縦断面像31等と呼ぶ(図3参照)。
　次に、図2～図8を参照しながら、画像処理システム100の動作について説明する。
　図2は、医用画像処理装置100が実行する画像処理全体の流れを示すフローチャートである。　
　図3は、血管異常部検出処理実行時の表示画面例を示す図である。　
　図4は、血管領域の抽出について説明する図である。　
　図5は、医用画像処理装置100が実行する血管異常部検出に関する処理の流れを説明するフローチャートである。　
　図6は、血管横断面像35における血管輪郭点の滑らかさの評価について説明する図である。　
　図7は、血管縦断面像31における血管輪郭点の滑らかさの評価について説明する図である。　
　図8は、血管領域近傍に設定される拡張輪郭線を説明する図である。
　医用画像処理装置100のCPU101は、主メモリ102から画像処理や血管異常部検出処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて画像処理、血管異常部検出処理を実行する。
　なお、以下の画像処理の実行開始に際して、画像データは画像データベース111等からネットワーク110及び通信I/F104を介して取り込まれ、医用画像処理装置100の記憶装置103に記憶されているものとする。
　図2の画像処理において、まず医用画像処理装置100のCPU101は、画像データを読み込み、表示する処理を行う。CPU101は、入力装置109またはマウス108等の操作により入力された指示に従って、選択された画像データを記憶装置103から読み出し、表示装置107に表示させる(ステップS101)。
　本実施の形態では、血管領域を含む画像データが選択されるものとする。また、この段階で表示する画像は、複数の断層像を積み上げた血管3D像38(図3参照)とする。
　次に、表示された血管3D像38へのマウス操作等によって操作者から所望の血管が指定されると、CPU101は、その血管の血管芯線や血管芯線に直交する各断面における複数の血管輪郭点を含む領域を、血管領域として抽出する。
　ここで、血管芯線とは血管の中心線であり、例えばベッセルトラッキング法等によって抽出される。具体的には、表示画面上に表示される血管内に、操作者がマウス操作等によって始点、終点、及び通過点を指定すると、CPU101は指定された点間の血管内をトラッキングし、血管芯線を抽出する。また、CPU101は抽出した血管芯線に直交する。各断面について、血管輪郭点を複数抽出する。
　CPU101は、血管芯線や血管輪郭点を抽出した段階で、図3に示すように、抽出した血管芯線を、血管3D像38に表示させる。また、血管芯線に沿った血管縦断面像31や、血管横断面像35を表示装置107に表示させる。
　ここで、図4を参照して、血管輪郭点の抽出について説明する。　
　第1の実施の形態では、CPU101は、血管輪郭点を抽出する際、所定の信号値より高い信号値を有する高信号領域36Cを含む輪郭線36A(第1の血管領域)と、高信号の領域36Cを含まない輪郭線36B(第2の血管領域)と、をそれぞれ抽出する。
　図4において、斜線で示す範囲は高信号領域36C、点線は高信号領域36Cを含む輪郭線36A、実線は高信号領域36Cを含まない輪郭線36Bである。
　血管をX線CT装置によって撮影する際は、造影剤が注入されているため、血管内部は血管外部の造影剤の注入されない領域と比較して、高い信号値が表れている。また、プラークが硬化し、石灰化した部分は、造影剤の注入された領域よりも高い信号値が表れる。
　具体的には、造影の状態(量や撮影タイミング)等によって上述のCT値は異なるが、例えば石灰化した高信号の領域のCT値は350～1000程度、造影された領域のCT値は130～350程度、血管壁(非造影領域)のCT値は50～130程度、とされている。
　血管輪郭点とは、造影領域または高信号領域36Cと、血管壁(非造影領域)との境界となる点であり、血管輪郭線36とは、同一断面上の各血管輪郭点を結ぶ線である。
　CPU101は、ある血管横断面像35について、血管芯線37から断面上の各方向に伸ばした複数の線上のCT値分布情報を参照する。そして、所定のCT値αより大きいCT値を有する点を高信号領域36Cとし、所定CT値α以下であって、血管壁となるCT値βより大きいCT値を有する領域を造影領域とする。CPU101は、造影領域と高信号領域36Cとを含む領域を、「第1の領域(輪郭線36A)」として抽出し、造影領域であるが高信号領域36Cを含まない領域を「第2の領域(輪郭線36B)」として抽出する。なお、高信号領域36Cの閾値として用いるCT値αや、血管壁のCT値βは、予め設定された値、またはCPU101が算出した値、もしくは操作者が入力装置109等から入力した値のいずれを用いてもよい。
　CPU101は、抽出した2つの輪郭線36A、36Bを、表示装置107に表示されている血管横断面像35上に重ねて表示するようにしてもよい。
　次に、CPU101は、抽出した血管領域(血管芯線37、血管輪郭線36)をもとに、各輪郭線36A、36Bの断面積や径、円形度、CT値等の血管情報を算出し、主メモリ102に保持する(ステップS3)。
　この段階で、図3に示すように、CPU101は算出した血管情報を血管情報表示領域34に表示してもよい。なお、血管情報の表示形態は、数値表示だけでなく、数値をグラフ化した血管情報グラフ34gのように表示してもよい。また、各血管情報の値に応じて、血管縦断面像31、血管横断面像35、または血管3D像38等にカラーマッピング表示を行うようにしてもよい。
　次に、CPU101は、算出した血管情報に基づいて、血管の狭窄の有無や狭窄率、血管辺縁部の形状及びCT値分布情報を評価し、評価結果に基づいて異常部を検出する(ステップS4；後述)。CPU101は、検出された異常部の情報を表示装置107に表示する(ステップS5)。ステップS5の異常部情報の表示処理において、CPU101は、ステップS4で算出した狭窄部位やCT値等を数値やグラフ、数値に応じたカラーマッピング表示を行う。またCPU101は、検出した異常部の位置をカラー表示や、矢印などのグラフィックツールで強調表示するものとする。また、CPU101は、狭窄として表れている異常部と、狭窄としては表れないが形状やCT値分布情報に異常が表れている異常部とで、それぞれ異なる表示形式で表示させる。
　次に、図5を参照して、図2のステップS4の血管異常部検出処理について、詳述する。
　第1の実施形態では、図2の血管領域抽出ステップ(ステップS2)において、まず血管芯線を抽出し、抽出した芯線に基づいて、図4に示すような、高信号領域を含む領域(輪郭線36A)と、高信号領域を含まない領域(輪郭線36B)と、を抽出する。
　図5のフローチャートに示すように、CPU101は、図2のステップS3で算出した血管情報を読み込む(ステップS101)。また、図2のステップS2で抽出した2つの輪郭線36A、36Bについて、形状を比較することにより(ステップS102)、血管の内腔狭窄部(高信号狭窄部)を検出する(ステップS103)。内腔狭窄部は、ここでは高信号領域36Cに相当する。2つの輪郭線36A、36Bの形状の比較としては、例えば各領域(輪郭線36A、36B)の断面積の差を求め、差が所定値以上となる場合に、内腔狭窄部(異常部)として検出することとすればよい。また、断面積の差ではなく、形状についての他の特徴量の比較を行うこととしてもよい。
　次に、CPU101は、高信号領域を含む輪郭線36Aについて、内腔狭窄部が検出されない他の部位に対して、血管輪郭形状の異常を検出する処理を実行する(ステップS104)。具体的には、CPU101は、血管芯線37に直交する血管横断面像35における輪郭線36Aの滑らかさと、血管芯線37に沿った血管縦断面像31における輪郭線33の滑らかさと、を評価する。
　血管横断面像35における輪郭線36Aの滑らかさは、図6に示す矢印Y1、Y2、Y3、Y4、Y5、Y6、Y7のように、血管芯線37から輪郭線36A上の複数の輪郭点までの距離を算出し、算出した距離のばらつきや、輪郭線36Aの円形度を用いて評価するものとする。CPU101は、距離のばらつきや円形度の値が所定の閾値以上の値を示す断面位置を輪郭異常部として検出する。距離のばらつきは、例えば分散や標準偏差等を用いればよい。
　血管横断面35における輪郭線36Aの滑らかさは、各断面位置32(図3参照)について、評価されるものとする。
　血管縦断面像31における輪郭線33の滑らかさは、図7の横向きの矢印Y11、Y12、Y13、Y14、Y15、Y16、Y17に示すように、血管芯線37上の各点から血管輪郭線33までの距離を算出する。血管は末端部にむけて細くなっているため、芯線方向に複数の評価範囲71a、71b、71c、・・・を設定し、各評価範囲内での距離のばらつきを評価する。CPU101は、距離のばらつきの値が所定の閾値以上の値を示す評価範囲を、輪郭異常部として検出する。距離のばらつきは、血管横断面像35でのものと同様に、例えば分散や標準偏差等を用いればよい。
　芯線方向の輪郭線33の滑らかさは、芯線を軸として回転表示させた複数の血管縦断面像31について、評価されるものとする。
　更に、CPU101は、輪郭線33から所定距離範囲内の血管辺縁部について、CT値の異常の有無を検出する(ステップS105)。すなわち、CPU101は、図8に示すように、血管輪郭線33の近傍に拡張輪郭線81(すなわち、血管辺縁部)を設定する。
そして、CPU101は、拡張輪郭線81上の各点のCT値の平均を算出し、算出した平均CT値と拡張輪郭線81上の各輪郭点におけるCT値との差を算出し、算出した差が所定の閾値以上となる点をCT値の異常部として検出する。
　ここで、血管辺縁部の範囲(拡張輪郭線の位置)は、対象とする血管に応じた距離範囲とすることが望ましい。冠動脈主幹部では、3～4mm程度の太さの血管に対して、0．5mm程度外部に拡張した範囲に、硬化していないプラーク(アテロームプラーク)が表れることが知られている。そのため、拡張輪郭線81は、例えば起始部に近い3～4mm程度の血管では、輪郭線33から約0．5mm程度または5ピクセル程度外側に設定すればよい。また、距離ではなく、血管の太さとの割合で血管辺縁部の範囲を決定するようにしてもよい。なお、血管辺縁部の範囲は、予め設定された値、またはCPU101が算出した値、もしくは操作者が入力装置109等から入力した値のいずれを用いてもよい。
　アテローム硬化プロセスの早期の段階では、血管壁の肥厚という形で血管構造の改変が行われることが知られている。ステップS104やステップS105の処理によって、血管領域の画像から、硬化していないプラークが検出できるようになる(第54回日本心臓病学会学術集会Fireside Symposium 5：64列マルチスライスCTを用いた臨床最前線”Cardiovascular diagnosis by multi-slice CT”、第15～20頁)。
　以上説明したように、第1の実施の形態の画像処理システム1において、医用画像処理装置100のCPU101は、読み込んだ医用画像データに基づいて、所定値より高いCT値を有する高信号領域36Cを含む領域(輪郭線36A)と、高信号領域36Cを含まない領域(輪郭線36B)と、をそれぞれ抽出し、抽出した各輪郭線36A、36Bの形状(例えば、断面積)を比較し、石灰化したプラーク(内腔狭窄部)を検出する。また、血管輪郭点について、血管芯線方向の分布の滑らかさと、血管芯線と直交する断面上での分布の滑らかさと、をそれぞれ評価し、所定のばらつきがある部位を異常部として検出する。
　更に、CPU101は血管輪郭点を所定の範囲だけ外側に拡張した拡張輪郭線81を設定し、設定した拡張輪郭線81上のCT値を評価することにより、血管辺縁部に表れる硬化していないプラーク等の異常部を検出する。そして、CPU101は、検出した異常部を、血管画像上に表示する。
　従って、血管の異常部を診断する際に、血管の内腔狭窄を検出するのみならず、血管辺縁部に表れる未だ石灰化していないプラーク等が検出可能となる。その結果、アテローム硬化プロセスにおける比較的初期の段階での異常を含む、血管の総合的な評価が可能となり、血管解析の精度が向上する。
　なお、上述の説明では、CT画像から異常部等を検出しているため、信号値の表記はCT値としているが、MRI画像等を利用する場合は、信号値として輝度値を用いることとする。
　また、CT値や拡張輪郭線として設定する距離(またはピクセル値)の具体的な数値は、一例であり、評価対象とする血管が異なる場合は、各々について適切な値を設定するものとすればよい。
　また、本実施の形態において、血管領域として所定値より高い信号値を有する高信号領域を含む領域を第1の血管領域、血管領域として高信号領域を含まない領域を第2の血管領域としたが、血管領域の血管輪郭点と血管輪郭点周辺部とから成る領域を第1の血管領域、前記血管領域の血管輪郭点から形成される領域を第2の血管領域としもよい。すなわち、前記形状または信号値分布情報に関する評価は、前記抽出手段により抽出された前記血管領域の血管輪郭点と血管輪郭点周辺部とから成る第1の血管領域と、前記血管領域の血管輪郭点から形成される第2の血管領域との形状が異なるかに基づいて行っても良い。
　(第2の実施の形態)
　次に、第2の実施の形態の画像処理システム1について説明する。第2の実施の形態の画像処理システム1のハードウエア構成は、図1の第1の実施の形態の画像処理システム1と同一であるので説明を省略し、同一の各部については同一の符号を付して説明する。
　図9は、第2の実施の形態における血管異常部検出処理の流れを示すフローチャートであり、図10は、基準輪郭線について説明する図である。
　第2の実施形態では、図2に示す画像処理の異常部検出ステップ(ステップS4)において、図9のフローチャートに示す血管異常部検出処理を行う。
　図9に示すように、CPU101は、図2のステップS3で算出した血管情報を読み込み(ステップS201)、まず輪郭線の異常部を検出する(ステップS202)。輪郭線の異常部の検出は、第1の実施の形態(図5)におけるステップS102(高信号領域を含む領域と含まない領域との断面積差の算出)やステップS104(輪郭線の滑らかさの評価)と同様の処理を行うものとすればよい。CPU101は、検出した輪郭線の異常部の前後で、輪郭線の形状に異常がなく、輪郭内のCT値の標準偏差が一定以下の値を示す断面を、少なくとも2断面検出し、これらを基準断面として設定する(ステップS203)。
　以下の説明では、血管横断面像35について、基準断面を設定する例を説明することとする。なお、基準断面は、操作者が、表示されている血管画像を参照しながらマウス108や入力装置109を操作して設定するようにしてもよい。
　図10に示す例では、血管横断面像35a、35b、35c、35dのうち、横断面像35a、35dが正常であると推定されているものとする。CPU101は正常と推定された横断面像35a、35dから、それぞれ血管輪郭線を抽出し、抽出した血管輪郭線を基準輪郭線90a、90dとする。
　CPU101は、基準輪郭線90a、90dに基づいて、線形補間により各横断面位置における基準輪郭線91b、91cを作成する(ステップS204)。そして、各横断面像35a、35b、35c、35dについて、図2のステップS2で抽出された実際の輪郭線36a、36b、36c、36dと、図9のステップS203～S204で設定または作成された基準輪郭線90a、91b、91c、90dと、について、例えば断面積等、形状を表す特徴量を比較し、肥厚部・狭窄部を検出する(ステップS206)。ここで、輪郭線36a、36b、36c、36dは、高信号領域を含む輪郭線、高信号領域を含まない輪郭線のいずれでもよい。
　また、CPU101は、基準断面における輪郭線と、その他の断面における輪郭線のうち隣接するものと、について、輪郭線内のCT値の標準偏差の差を算出し(ステップS207)、差が所定の閾値異常となる場合は、輪郭内CT値異常部として検出する(ステップS208)。具体的には、図10に示すように、基準断面35aの実際の輪郭線36a内のCT値の標準偏差と、隣接する断面35bにおける輪郭線36b内のCT値の標準偏差と、の差を算出し、差が所定の閾値以上となる場合に、輪郭内CT値異常部として検出する。ここでは、CT値の差を表すものとして、標準偏差を一例に挙げているが、輪郭線内の平均CT値、最大CT値、最小CT値の差としてもよい。
　また、CPU101は、輪郭線から所定距離範囲内の血管辺縁部について、CT値の異常の有無を検出する(ステップS209)。ステップS209では、図5のステップS105と同様に、血管輪郭線33の近傍に拡張輪郭線81を設定し、拡張輪郭線81上の各点のCT値の平均を算出し、算出した平均CT値と拡張輪郭線81上の各輪郭点とのCT値の差を算出し、算出した差が所定の閾値以上となる点をCT値の異常部として検出する。
　図10の例では、横断面像35cの輪郭線36cは、第1の実施の形態の異常部検出処理や、図9のステップS202の輪郭異常部検出処理においては、異常部として検出されない形状を示しているが、前後の断面35b、35dと比較すると、全体に肥厚している。第2の実施の形態のように、基準輪郭線91cを生成し、生成された基準輪郭線91cと実際の輪郭線36cとを比較すれば、形状(断面積等)の異常が検出されるようになる。
　以上説明したように、第2の実施の形態では、医用画像処理装置100のCPU101は、各断面位置における血管断面像35a、35b、35c、35dから正常と推定される断面像を基準断面35a、35dに設定し、基準断面における血管輪郭線を抽出して、基準輪郭線90a、90dとする。また、ひとつの血管について、少なくとも二つの基準断面における血管輪郭線90a、90dから、他の断面における基準輪郭線91b、91cを作成する。そして、実際に各断面像35a、35b、35c、35dから抽出された輪郭線36a、36b、36c、36dと、対応する基準輪郭線90a、91b、91c、90dと、の形状をそれぞれ比較し、差が大きい場合は、狭窄部位として検出する。
　また、基準断面35a(または35d)における輪郭線36a(または36d)内のCT値分布情報と、隣接する断面位置における輪郭線36b(または36c)内のCT値分布情報とを比較し、CT値分布情報の差が大きい断面を、輪郭内CT値異常部として検出する。更に、抽出された輪郭線33から所定範囲外側に拡張した拡張輪郭線を設定し、拡張輪郭線上の各点のCT値についての異常部を辺縁部CT値異常部として検出する。
　従って、第1の実施の形態の医用画像処理装置100において得られる効果に加え、血管全体が肥厚し、形状やCT値分布は異常として検出されないような部位を、的確に異常部として検出できるようになる。また、基準輪郭線を、対象とする血管画像から設定または作成できるため、個々の血管について、より正確な評価を行うことが可能となる。
　なお、上述の説明において、基準断面は横断面とする例を示したが、縦断面についての基準断面を設定するようにしてもよい。
　以上、本発明に係る画像処理装置の好適な実施形態について説明したが、本発明は、上述の実施形態に限定されるものではない。例えば、第1及び第2の実施の形態において説明した手法を適宜組み合わせるようにしてもよい。また、当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
　1　画像処理システム、100　医用画像処理装置、101　CPU、102　主メモリ、103　記憶装置、104　通信I/F、105　表示メモリ、106　I/F、107　表示装置、108　マウス(外部機器)、109　入力装置、110　ネットワーク、111　画像データベース、31　血管縦断面像、33　血管縦断面像における血管輪郭線、35　血管横断面像、37　血管芯線、36　血管横断面像における血管輪郭線、36A　高信号領域を含む血管輪郭線、36B　高信号領域を含まない血管輪郭線、81　拡張輪郭線、90a、90d　基準輪郭線、91a、91d　補間により作成された基準輪郭線

Claims (14)

  1. 　医用画像データから血管領域を抽出する抽出手段と、
    　前記抽出手段により抽出された血管領域の血管輪郭点と血管輪郭点周辺とを含む血管辺縁部について、形状または信号値分布情報に関する評価を行い、評価結果に基づいて異常部を検出する検出手段と、
    　前記検出手段によって検出された異常部についての情報を表示する表示手段と、を備えることを特徴とする医用画像処理装置。
  2. 　前記形状または信号値分布情報に関する評価は、前記抽出手段により抽出された前記血管領域の血管輪郭点と血管輪郭点周辺部とから成る第1の血管領域と、前記血管領域の血管輪郭点から形成される第2の血管領域との形状が異なるかに基づいて行い、
    　前記検出手段は、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出することを特徴とする請求項1に記載の医用画像処理装置。
  3. 　前記抽出手段は、前記血管領域として、所定値より高い信号値を有する高信号領域を含む第1の血管領域と、高信号領域を含まない第2の血管領域と、をそれぞれ抽出し、
    　前記検出手段は、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出することを特徴とする請求項1に記載の医用画像処理装置。
  4. 　前記検出手段は、前記血管輪郭点について、血管芯線方向の分布の滑らかさと、血管芯線と直交する断面上での分布の滑らかさと、をそれぞれ評価し、評価結果に基づいて、血管辺縁部の異常部を検出することを特徴とする請求項1に記載の医用画像処理装置。
  5. 　前記抽出手段により抽出された血管領域から、外部に所定範囲拡張した拡張輪郭線を設定する拡張輪郭線設定手段を更に備え、
    　前記検出手段は、前記拡張輪郭線設定手段によって設定された拡張輪郭線上の信号値を評価し、評価結果に基づいて、血管辺縁部の異常部を検出することを特徴とする請求項1に記載の医用画像処理装置。
  6. 　前記抽出手段により抽出された血管領域から、複数の正常な断面を基準断面として設定し、設定した複数の基準断面に基づいて、他の断面の基準形状及び基準信号値分布情報を生成する基準生成手段を更に備え、
    　前記検出手段は、前記基準生成手段によって生成された各断面の基準形状及び基準信号値分布情報と、該断面の実際の形状及び信号値分布情報と、を比較評価し、評価結果に基づいて異常部を検出することを特徴とする請求項1に記載の医用画像処理装置。
  7. 　前記検出手段は、更に血管の狭窄を評価し、前記表示手段は、狭窄として表れる異常部位と、狭窄としては表れない異常部位とを、それぞれ異なる表示形式で表示させることを特徴とする請求項1に記載の医用画像処理装置。
  8. 　医用画像データから血管領域を抽出する抽出ステップと、
    　前記抽出ステップにより抽出された血管領域の血管輪郭点と血管輪郭点周辺とを含む血管辺縁部について、形状または信号値分布情報に関する評価を行い、評価結果に基づいて異常部を検出する検出ステップと、
    　前記検出ステップによって検出された異常部についての情報を表示する表示ステップと、を備えることを特徴とする医用画像処理方法。
  9. 　前記形状または信号値分布情報に関する評価は、前記抽出手段により抽出された前記血管領域の血管輪郭点と血管輪郭点周辺部とから成る第1の血管領域と、前記血管領域の血管輪郭点から形成される第2の血管領域との形状が異なるかに基づいて行い、
    　前記検出ステップは、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出することを特徴とする請求項8に記載の医用画像処理方法。
  10. 　前記抽出ステップは、前記血管領域として、所定値より高い信号値を有する高信号領域を含む第1の血管領域と、高信号領域を含まない第2の血管領域と、をそれぞれ抽出し、
    　前記検出ステップは、前記第1及び第2の血管領域について、形状または信号値分布情報に関する比較評価を行い、評価結果に基づいて異常部を検出することを特徴とする請求項8に記載の医用画像処理方法。
  11. 　前記検出ステップは、前記血管輪郭点について、血管芯線方向の分布の滑らかさと、血管芯線と直交する断面上での分布の滑らかさと、をそれぞれ評価し、評価結果に基づいて、血管辺縁部の異常部を検出することを特徴とする請求項8に記載の医用画像処理方法。
  12. 　前記抽出方法により抽出された血管領域から、外部に所定範囲拡張した拡張輪郭線を設定する拡張輪郭線設定ステップを更に備え、
    　前記検出ステップは、前記拡張輪郭線設定ステップによって設定された拡張輪郭線上の信号値を評価し、評価結果に基づいて、血管辺縁部の異常部を検出することを特徴とする請求項8に記載の医用画像処理方法。
  13. 　前記抽出ステップにより抽出された血管領域から、複数の正常な断面を基準断面として設定し、設定した複数の基準断面に基づいて、他の断面の基準形状及び基準信号値分布情報を生成する基準生成ステップを更に備え、
    　前記検出ステップは、前記基準生成ステップによって生成された各断面の基準形状及び基準信号値分布情報と、該断面の実際の形状及び信号値分布情報と、を比較評価し、評価結果に基づいて異常部を検出することを特徴とする請求項8に記載の医用画像処理方法。
  14. 　前記検出ステップは、更に血管の狭窄を評価し、前記表示ステップは、狭窄として表れる異常部位と、狭窄としては表れない異常部位とを、それぞれ異なる表示形式で表示させることを特徴とする請求項8に記載の医用画像処理方法。
PCT/JP2009/069076 2008-11-13 2009-11-10 医用画像処理装置及び方法 WO2010055815A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2010537765A JP5536664B2 (ja) 2008-11-13 2009-11-10 医用画像処理装置及び方法
US13/128,556 US8582844B2 (en) 2008-11-13 2009-11-10 Medical image processing device and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2008290873 2008-11-13
JP2008-290873 2008-11-13

Publications (1)

Publication Number Publication Date
WO2010055815A1 true WO2010055815A1 (ja) 2010-05-20

Family

ID=42169949

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/069076 WO2010055815A1 (ja) 2008-11-13 2009-11-10 医用画像処理装置及び方法

Country Status (3)

Country Link
US (1) US8582844B2 (ja)
JP (1) JP5536664B2 (ja)
WO (1) WO2010055815A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011040014A1 (ja) * 2009-09-30 2011-04-07 富士フイルム株式会社 診断支援システム、診断支援プログラムおよび診断支援方法
CN102630151A (zh) * 2010-11-12 2012-08-08 株式会社东芝 图像诊断装置
US20140378850A1 (en) * 2013-06-24 2014-12-25 Toshiba Medical Systems Corporation Method of, and apparatus for, processing volumetric image data
EP2413285A3 (en) * 2010-07-28 2017-04-19 Fujifilm Corporation Diagnosis assisting apparatus, diagnosis assisting program, and diagnosis assisting method
JP2017074320A (ja) * 2015-10-16 2017-04-20 キヤノンマーケティングジャパン株式会社 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法
JP2017148283A (ja) * 2016-02-25 2017-08-31 富士フイルム株式会社 評価装置、方法およびプログラム
JP2018202158A (ja) * 2017-05-31 2018-12-27 株式会社根本杏林堂 血管画像処理システムおよび血管画像処理方法
JP7365093B1 (ja) 2023-05-08 2023-10-19 康博 中島 医用画像処理装置、医用画像処理プログラムおよび医用画像処理方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102113900B (zh) * 2010-01-05 2015-07-15 深圳迈瑞生物医疗电子股份有限公司 彩色血流动态帧相关方法和装置
US20140176661A1 (en) * 2012-12-21 2014-06-26 G. Anthony Reina System and method for surgical telementoring and training with virtualized telestration and haptic holograms, including metadata tagging, encapsulation and saving multi-modal streaming medical imagery together with multi-dimensional [4-d] virtual mesh and multi-sensory annotation in standard file formats used for digital imaging and communications in medicine (dicom)
JP6411073B2 (ja) * 2014-06-02 2018-10-24 キヤノンメディカルシステムズ株式会社 医用画像処理装置および医用画像処理方法
JP2016158916A (ja) * 2015-03-03 2016-09-05 キヤノンマーケティングジャパン株式会社 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法
EP3626161A1 (en) * 2018-09-24 2020-03-25 Christie Medical Holdings, Inc. Ir/nir imaging with discrete scale comparator objects
CN111476750B (zh) * 2019-01-04 2023-09-26 宁波舜宇光电信息有限公司 对成像模组进行污点检测的方法、装置、系统及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004283373A (ja) * 2003-03-20 2004-10-14 Toshiba Corp 管腔状構造体の解析処理装置
WO2005117712A1 (ja) * 2004-06-03 2005-12-15 Hitachi Medical Corporation 画像診断支援方法及び画像診断支援装置
JP2006075602A (ja) * 2004-09-09 2006-03-23 Siemens Ag 血管構造の３ｄ画像データセットからなるプラーク沈着の可視化方法
JP2006167287A (ja) * 2004-12-17 2006-06-29 Toshiba Corp 血管狭窄率解析システム
JP2007275141A (ja) * 2006-04-03 2007-10-25 Hitachi Medical Corp 画像表示装置
WO2007129616A1 (ja) * 2006-05-02 2007-11-15 National University Corporation Nagoya University 内視鏡挿入支援システム及び内視鏡挿入支援方法
JP2008067991A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 画像診断装置、管腔物情報表示装置及び管腔物情報表示方法
JP2008126070A (ja) * 2006-11-22 2008-06-05 General Electric Co <Ge> 血管プラーク・ビューを自動的に識別して表示する方法及びシステム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5125410A (en) * 1989-10-13 1992-06-30 Olympus Optical Co., Ltd. Integrated ultrasonic diagnosis device utilizing intra-blood-vessel probe
JP3577417B2 (ja) * 1998-08-18 2004-10-13 博志 松本 冠状動脈病変診断装置および診断方法
AU6754900A (en) * 1999-08-03 2001-02-19 Biophysica, Llc Spectroscopic systems and methods for detecting tissue properties
CN1929781A (zh) * 2003-08-21 2007-03-14 依斯克姆公司 用于脉管斑块检测和分析的自动化方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004283373A (ja) * 2003-03-20 2004-10-14 Toshiba Corp 管腔状構造体の解析処理装置
WO2005117712A1 (ja) * 2004-06-03 2005-12-15 Hitachi Medical Corporation 画像診断支援方法及び画像診断支援装置
JP2006075602A (ja) * 2004-09-09 2006-03-23 Siemens Ag 血管構造の３ｄ画像データセットからなるプラーク沈着の可視化方法
JP2006167287A (ja) * 2004-12-17 2006-06-29 Toshiba Corp 血管狭窄率解析システム
JP2007275141A (ja) * 2006-04-03 2007-10-25 Hitachi Medical Corp 画像表示装置
WO2007129616A1 (ja) * 2006-05-02 2007-11-15 National University Corporation Nagoya University 内視鏡挿入支援システム及び内視鏡挿入支援方法
JP2008067991A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 画像診断装置、管腔物情報表示装置及び管腔物情報表示方法
JP2008126070A (ja) * 2006-11-22 2008-06-05 General Electric Co <Ge> 血管プラーク・ビューを自動的に識別して表示する方法及びシステム

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011040014A1 (ja) * 2009-09-30 2011-04-07 富士フイルム株式会社 診断支援システム、診断支援プログラムおよび診断支援方法
US8744151B2 (en) 2009-09-30 2014-06-03 Fujifilm Corporation Diagnosis assisting system, diagnosis assisting program and diagnosis assisting method
EP2413285A3 (en) * 2010-07-28 2017-04-19 Fujifilm Corporation Diagnosis assisting apparatus, diagnosis assisting program, and diagnosis assisting method
CN102630151A (zh) * 2010-11-12 2012-08-08 株式会社东芝 图像诊断装置
US8903146B2 (en) 2010-11-12 2014-12-02 Kabushiki Kaisha Toshiba Image diagnosis apparatus
US20140378850A1 (en) * 2013-06-24 2014-12-25 Toshiba Medical Systems Corporation Method of, and apparatus for, processing volumetric image data
US9974442B2 (en) 2013-06-24 2018-05-22 Toshiba Medical Systems Corporation Method of, and apparatus for, processing volumetric image data
JP2017074320A (ja) * 2015-10-16 2017-04-20 キヤノンマーケティングジャパン株式会社 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法
JP2017148283A (ja) * 2016-02-25 2017-08-31 富士フイルム株式会社 評価装置、方法およびプログラム
JP2018202158A (ja) * 2017-05-31 2018-12-27 株式会社根本杏林堂 血管画像処理システムおよび血管画像処理方法
JP7202595B2 (ja) 2017-05-31 2023-01-12 株式会社根本杏林堂 血管画像処理システムおよび血管画像処理方法
JP7365093B1 (ja) 2023-05-08 2023-10-19 康博 中島 医用画像処理装置、医用画像処理プログラムおよび医用画像処理方法

Also Published As

Publication number Publication date
US20110235878A1 (en) 2011-09-29
JP5536664B2 (ja) 2014-07-02
JPWO2010055815A1 (ja) 2012-04-12
US8582844B2 (en) 2013-11-12

Similar Documents

Publication Publication Date Title
JP5536664B2 (ja) 医用画像処理装置及び方法
US9323887B2 (en) Device and computed tomography scanner for determining and visualizing the perfusion of the myocardial muscle
Wang et al. Application of 3-dimensional computed tomographic image guidance to WATCHMAN implantation and impact on early operator learning curve: single-center experience
JP5566370B2 (ja) 医用画像処理装置及び方法
To et al. Clinical utility of multimodality LA imaging: assessment of size, function, and structure
EP3308710B1 (en) Blood vessel image processing apparatus, blood vessel image processing program, and blood vessel image processing method
US20110001761A1 (en) Diagnosis assisting apparatus, diagnosis assisting method, and storage medium in which a diagnosis assisting program is recorded
JP2010246776A (ja) 診断支援装置、診断支援プログラムおよび診断支援方法
JP5658686B2 (ja) 貫壁性のかん流の勾配の画像分析
JP5700964B2 (ja) 医用画像処理装置、方法およびプログラム
JP5279995B2 (ja) 領域確定装置
CN111210401A (zh) 根据医学图像的主动脉自动检测和量化
Liu et al. Extraction of coronary atherosclerotic plaques from computed tomography imaging: a review of recent methods
JP5388614B2 (ja) 医用画像処理装置、画像診断装置および医用画像処理プログラム
JP2006500099A (ja) 画像データ情報の表示
JP2010115317A (ja) 画像処理装置
Queiros et al. Multi-centre validation of an automatic algorithm for fast 4D myocardial segmentation in cine CMR datasets
Seitun et al. Cardiac CT perfusion and FFRCTA: pathophysiological features in ischemic heart disease
Van Hamersvelt et al. Diagnostic performance of on-site coronary CT angiography–derived fractional flow reserve based on patient-specific lumped parameter models
US8331638B2 (en) Creation of motion compensated MRI M-mode images of the myocardial wall
JP2004283583A (ja) 画像形成医療検査装置の作動方法
Varga-Szemes et al. Computed tomography assessment of coronary atherosclerosis: from threshold-based evaluation to histologically validated plaque quantification
Jia et al. Stacom-slawt challenge: left atrial wall segmentation and thickness measurement using region growing and marker-controlled geodesic active contour
Dougherty et al. Use of an Optical Flow Method for the Analysis of Serial CT Lung Images1
WO2013121679A1 (ja) 領域抽出処理システム

Legal Events

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

Ref document number: 09826063

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2010537765

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13128556

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 09826063

Country of ref document: EP

Kind code of ref document: A1