WO2012029928A1 - 医用画像処理装置 - Google Patents

医用画像処理装置 Download PDF

Info

Publication number
WO2012029928A1
WO2012029928A1 PCT/JP2011/069953 JP2011069953W WO2012029928A1 WO 2012029928 A1 WO2012029928 A1 WO 2012029928A1 JP 2011069953 W JP2011069953 W JP 2011069953W WO 2012029928 A1 WO2012029928 A1 WO 2012029928A1
Authority
WO
WIPO (PCT)
Prior art keywords
perfusion
map
medical image
types
image processing
Prior art date
Application number
PCT/JP2011/069953
Other languages
English (en)
French (fr)
Inventor
慎太郎 舟迫
達郎 前田
藤澤　恭子
Original Assignee
株式会社 東芝
東芝メディカルシステムズ株式会社
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 株式会社 東芝, 東芝メディカルシステムズ株式会社 filed Critical 株式会社 東芝
Priority to CN201180002010.3A priority Critical patent/CN102834055B/zh
Priority to US13/356,155 priority patent/US8724869B2/en
Publication of WO2012029928A1 publication Critical patent/WO2012029928A1/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
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • Embodiments of the present invention relate to a medical image processing apparatus.
  • Perfusion Analysis of blood perfusion
  • TDC time concentration curve
  • Do the transfer coefficient between the time concentration curve (TDC) for arteries flowing into the organ and the time concentration curve for organ tissue
  • the nutrition and functional blood vessels of the abdominal organ vary from organ to organ, so a perfusion model and analysis model selected according to the target organ from multiple types of perfusion models (fraction models) and analysis models The analysis is performed using the combination type of.
  • the perfusion index has low suitability in areas other than the organ area corresponding to the selected perfusion model and analysis model. Although it is necessary to exclude from the perfusion diagnosis in the area concerned, the area can not be clearly recognized.
  • the tissue in the abdominal region is a collection of soft tissues with small differences in CT values, so division of the organ region from the CT image is not highly suitable.
  • the purpose is to help improve the diagnostic accuracy of perfusion analysis.
  • a medical image processing apparatus includes a storage unit that stores data of a series of medical images obtained by imaging a plurality of times with the same site at different times with respect to a subject, that is, dynamic scan or cine scan;
  • the time concentration curve generation unit generates a plurality of time concentration curves respectively corresponding to a plurality of pixels from the series of medical images, a specific time concentration curve in the plurality of time concentration curves, and a plurality of types of perfusion models
  • An approximation processing unit for approximating each of the plurality of time concentration curves together with adjustment of at least one parameter of each of the perfusion models, with convolution of each of the plurality of response functions each having a plurality of fitted shapes, In the plurality of types of perfusion models based on a plurality of approximation errors respectively corresponding to the plurality of pixels by the approximation processing unit; Generating a corresponding plurality kinds of suitability index map and a suitability index map generation unit Re respectively.
  • FIG. 1 is a view showing the arrangement of an X-ray computed tomography apparatus including a medical image processing apparatus according to the present embodiment.
  • FIG. 2 is a flow chart showing an image processing procedure according to the present embodiment.
  • FIG. 3 is a flowchart showing an image processing procedure according to the present embodiment following FIG.
  • FIG. 4 is a diagram showing an example of TDC generated in S13 of FIG.
  • FIG. 5 is a diagram showing a brain model (One compartment model) stored in the perfusion analysis model storage unit of FIG.
  • FIG. 6 is a diagram showing a dual-input one compartment model stored in the perfusion analysis model storage unit of FIG.
  • FIG. 7 is a diagram showing a pancreas model (Open two compartment model) stored in the perfusion analysis model storage unit of FIG.
  • FIG. 8 is a diagram showing a spleen model (Open two compartment model) stored in the perfusion analysis model storage unit of FIG.
  • FIG. 9 is a diagram showing a kidney model (Open two compartment model) stored in the perfusion analysis model storage unit of FIG.
  • FIG. 10 is a view showing an example of a perfusion map using a spleen model generated at S14 of FIG. 2 and a perfusion map using a liver model.
  • FIG. 11 is a view showing an example of an AIC map using a spleen model generated in S15 of FIG. 2 and an AIC map using a liver model.
  • FIG. 12 is a diagram showing an example of the minimum AIC map generated in S16 of FIG.
  • FIG. 13 is a view showing an example of the area map generated in S17 of FIG.
  • FIG. 14 is a view showing an example of the synthetic perfusion map generated in S18 of FIG.
  • FIG. 15 is a view showing various display functions of the synthetic perfusion map according to S20-S25
  • the medical image processing apparatus handles data of a series of medical images obtained by performing imaging a plurality of times, that is, dynamic scan or cine scan, while changing the time on the same site with respect to a subject.
  • the time density curve generation unit generates a plurality of time density curves respectively corresponding to a plurality of pixels from the series of medical images.
  • the approximation processing unit has each perfusion model have a convolution of a specific time concentration curve in a plurality of time concentration curves and a plurality of response functions respectively having a plurality of shapes respectively adapted to a plurality of types of perfusion models.
  • the suitability index map generation unit generates a plurality of types of compatibility index maps respectively corresponding to a plurality of types of perfusion models based on a plurality of approximation errors respectively corresponding to a plurality of pixels by the approximation processing unit.
  • This embodiment mainly relates to an arbitrary portion of the subject, and a series of a plurality of medical images collected sequentially in time regarding the abdomen where typically the effects of the embodiment can be expected to be most exerted. From the above, it relates to the technical field of calculating an index representing blood flow dynamics of organ tissue for each pixel, that is, a perfusion index, and generating a perfusion map as a spatial distribution of the perfusion index.
  • the medical image handled in the present embodiment is not limited to the tomographic image by the X-ray computer tomography apparatus, but is single photon emission tomography apparatus (SPECT), positron emission tomography apparatus (PET), magnetic resonance imaging apparatus (MRI)
  • SPECT single photon emission tomography apparatus
  • PET positron emission tomography apparatus
  • MRI magnetic resonance imaging apparatus
  • the medical image acquired by any modality of the ultrasonic diagnostic apparatus may be used.
  • SPECT single photon emission tomography apparatus
  • PET positron emission tomography apparatus
  • MRI magnetic
  • FIG. 1 shows a medical image processing apparatus according to the present embodiment together with an X-ray computed tomography apparatus.
  • the gantry unit 100 has a rotating ring 102 that is rotatably supported. On the rotating ring 102, an X-ray tube 101, a high voltage generator 109, a two-dimensional detector 103, and a data acquisition circuit 104 (DAS: Data Acquisition System) are mounted.
  • a high voltage generator 109 is connected to the X-ray tube 101 via a slip ring mechanism 108.
  • a preprocessing unit 106 is connected to the data acquisition circuit 104 via a noncontact data transmission unit 105 using optical or electromagnetic elements.
  • the preprocessing unit 106 converts raw data output from the data acquisition circuit 104 into projection data by analog / digital conversion processing and various correction processing.
  • the data storage unit 112 stores projection data.
  • the image reconstruction processing unit 118 reconstructs tomographic image data based on the projection data.
  • the data storage unit 112 stores tomographic image data.
  • so-called dynamic scanning is performed by continuous rotation of the rotation frame 102 with the abdomen of the subject as an imaging target under the control of the host controller 110.
  • data of a series of plural tomographic images collected continuously in time with respect to the same stair of the subject's abdomen is generated and stored in the tomographic image storage unit 112.
  • the medical image processing apparatus includes the following components in addition to the data storage unit 112.
  • the TDC generation unit 121 generates, for each pixel, a temporal change of CT values illustrated in FIG. 4, generally, a time density curve (TDC) from data of a series of tomographic images.
  • the data storage unit 112 stores TDC data.
  • the perfusion analysis model storage unit 122 one of a plurality of types of perfusion analysis models is associated with each of a plurality of organs included in the subject.
  • the perfusion analysis model includes, for example, the number of compartments on hemodynamics (compartment) in a single organ, the number of blood vessels flowing into the organ (input), the presence or absence of openness between the compartments in the organ (Open), the organ "One compartment model (single compartment model)", “Dual-input one compartment model (two inflow / single compartment model)", "Open two compartment” from the viewpoint of leakage from other blood vessels It is differentiated into a plurality of types, such as model (gap two-section model) and "leakage open two compartment model (leakage two-section model)".
  • the normal brain tissue can be assumed to be a one compartment model because the contrast agent does not flow out of the blood vessel by the blood-brain barrier (BBB).
  • BBB blood-brain barrier
  • the liver consists of two input curves consisting of an artery and a portal vein, which can be assumed to be a dual-input one compartment model.
  • the pancreas area is an organ with very fast outflow of contrast agent. If you ignore Interstitial, you may be able to analyze easily with One compartment model, but I would like to say that it is Two compartment model.
  • the spleen region can freely move back and forth between blood vessels (Plasma) and extravascular fluid (Interstitial), and can be assumed to be an Open two compartment model.
  • the uterine tumor area can freely move back and forth between blood vessels (Plasma) and extravascular fluid (Interstitial), and can be assumed to be an Open two compartment model.
  • the cervical tumor region can freely move between blood vessels (Plasma) and extravascular fluid (Interstitial), and can be assumed to be an Open two compartment model.
  • the position of inflow and outflow blood vessels for each organ it is necessary to specify the position of inflow and outflow blood vessels for each organ, and information on the position of the inflowing blood vessel is associated with each of a plurality of organs in the perfusion analysis model storage unit 122 for each organ.
  • information on the position of the inflowing blood vessel is associated with each of a plurality of organs in the perfusion analysis model storage unit 122 for each organ.
  • information on arteries, portal veins and veins is associated.
  • the operator can designate the inflow and outflow blood vessels on the image according to the information for identifying the inflow and outflow blood vessels.
  • the perfusion analysis processing unit 123 generates a plurality of perfusion maps respectively corresponding to a plurality of perfusion models using data of a series of tomographic images, information of inflow and outflow blood vessels, and a plurality of perfusion models defined in advance.
  • Each perfusion model is a response function that defines the relationship between the temporal change in inflow to the corresponding organ and the temporal change in blood flow in the tissue in the organ.
  • the plurality of response functions have a plurality of shapes respectively adapted to a plurality of types of perfusion models.
  • Each transfer function has at least one parameter.
  • the inflow of blood to each organ is given by a time density curve of a specific pixel on an artery in the tomographic image or an average time density curve of a specific pixel and peripheral pixels.
  • the temporal change in blood flow rate for the tissue of the organ is given by the temporal concentration curve for each of a plurality of pixels on the tissue in the organ.
  • the time density curve for a specific pixel is convoluted with the transfer function in the time direction either linearly or non-linearly.
  • the convoluted time-density curve is approximated to the time-density curve of each and every pixel in the image, ie the error between the two is minimized. Parameters are adjusted. When this approximation error is small, the adaptability to the transfer function is high.
  • a plurality of transfer functions are respectively defined corresponding to a plurality of types of organs. Each transfer function is constructed according to the input / output mechanism of blood flow in the corresponding organ. The plurality of transfer functions have basic shapes that are different from one another. The basic shape is maintained even when the transfer function parameters are changed.
  • the blood flow mechanism of an organ is represented by a transfer function as a single rectangular function.
  • the blood flow mechanism of other organs is represented by a transfer function in which a plurality of functions such as a rectangular function and a natural function are combined. The blood flow mechanism of various organs will be described later.
  • the temporal concentration change of the bloodstream flowing into the organ as an input function used in the approximation processing is typically generated from a series of tomographic images, but is not limited thereto.
  • a standard time concentration change of the corresponding organ is prepared in advance, and the convolution of the standard time concentration change and the transfer function is made for each pixel from the series of tomographic images. It may be made to approximate to the generated time concentration change. In this case, the approximation error suggests a decline in organ function.
  • the time-density curve for a specific pixel on an artery is represented by an input function Ca (t)
  • the time-density curve of tissue for all pixels is represented by an output function Ct (t)
  • the transfer function is represented by MTF
  • the convolution process is *.
  • the parameters of MTF are determined such that Ca (t) * MTF approximates Ct (t), that is, the least squares sum of the errors of Ca (t) * MTF with respect to Ct (t) is minimized.
  • MTF perfusion indexes
  • CBP represents a unit volume in capillary of brain tissue and blood flow per unit time [ml / 100 ml / min]
  • CBV represents blood volume per unit volume in brain tissue [ml / 100 ml],
  • MTT is It represents the average blood transit time (seconds) of capillaries.
  • a spatial model of perfusion index (referred to as a perfusion map for the spleen model) in which all pixels are individually analyzed using the spleen model.
  • a residual error map concerning the error sum when approximating the transfer function or the square root (residual) of the error sum is also generated for each perfusion model.
  • the perfusion analysis processing unit 123 generates a plurality of residual maps as well as a plurality of perfusion maps corresponding to a plurality of organs included in the site in the perfusion analysis process.
  • the AIC map generation unit 124 generates a plurality of AIC maps respectively corresponding to a plurality of residual maps corresponding to a plurality of organs included in the site.
  • AIC is an example of a statistical fitness index for perfusion index calculated based on an error of approximation processing of perfusion analysis
  • AIC map is a spatial distribution of AIC.
  • AIC is an abbreviation of An Information Criterion, and includes Akaike Information Criterion and Bayesian Information Criterion. For example, the Akaike Information Criterion is given as follows.
  • AIC -2 ⁇ (maximum log likelihood-number of free parameters)
  • the number of free parameters is a constant in the least squares method.
  • the AIC map processing unit 125 selects the most suitable value for each pixel from the plurality of AIC maps respectively corresponding to a plurality of organs, here the minimum value (minimum AIC), and selects the value of the selected minimum AIC as a pixel value. Generate a single minimal AIC map that represents that spatial distribution.
  • the AIC map processing unit 125 also performs clustering / labeling processing and contour extraction processing on the minimum AIC map, identifies a blood vessel or each organ area, and generates an area map in which the blood vessel or organ area is divided.
  • the perfusion map synthesis unit 126 partially combines a plurality of perfusion maps according to the region map generated by the AIC map processing unit 125 to generate a single perfusion map (synthetic perfusion map).
  • the synthetic perfusion map shows its spatial distribution with respect to the perfusion index values that are compatible for each perfusion model.
  • the display control unit 127 performs processing necessary to display the synthetic perfusion map on the display device 116. Further, processing according to the display mode of the synthetic perfusion map is performed in accordance with an instruction regarding various displays input from the operator via the input device 115.
  • Data of a specific series of tomographic images to be subjected to perfusion processing are read out from the data storage unit 112 to the TDC generation unit 121 according to the instruction of the operator input via the input device 115 (S11).
  • Data of a plurality of perfusion models relating to a diagnosis site to be attributed to data of a series of tomographic images, for example, a plurality of organs corresponding to the abdomen is read out from the perfusion analysis model storage unit 122 to the perfusion analysis processing unit 123 (S12).
  • the perfusion analysis processing unit 123 is supplied with a plurality of time concentration curves (TDC) related to all the pixels generated from the series of tomographic images by the TDC generation unit 121 (S13).
  • TDC time concentration curves
  • the perfusion analysis processing unit 123 generates a perfusion map (see FIG. 10) corresponding to the liver model based on a plurality of time concentration curves (TDCs) for all pixels using the liver model (S14). At the same time, a residual map corresponding to the liver model is generated. Similarly, a perfusion map corresponding to the spleen model is generated based on multiple temporal concentration curves (TDCs) for all pixels using the spleen model, and a residual map corresponding to the spleen model is generated.
  • TDCs time concentration curves
  • the AIC map generation unit 124 generates an AIC map (see FIG. 11) corresponding to the liver model from the residual map corresponding to the liver model (S15). Similarly, from the residual map corresponding to the spleen model, an AIC map corresponding to the spleen model is generated. As shown in FIG. 12, the AIC map processing unit 125 selects the minimum value of the AIC value of the AIC map corresponding to the liver model and the AIC value of the AIC map corresponding to the liver model for each pixel, and the minimum AIC map Are generated (S16). The AIC map processing unit 125 applies clustering / labeling processing and contour extraction processing to the minimum AIC map, and as shown in FIG. 13, an area map in which blood vessels and organ areas are divided is generated (S17). The area map is obtained by dividing the blood vessel or organ area based on the fitness index for each perfusion model.
  • a plurality of perfusion maps are partially combined to generate a single perfusion map (synthetic perfusion map) (S18).
  • the synthetic perfusion map is displayed in shades or colors on the display device 116 under the control of the display control unit 127 (S19).
  • the display control unit 127 can execute processing corresponding to various display instructions as shown by S20 to S25 in FIG. 3 and illustrated in FIG.
  • the display control unit 127 When the operator inputs an instruction to display the area division frame, the display control unit 127 generates an area division frame for dividing the organ area according to the area map, and superimposes this on the synthetic perfusion map and displays it (see FIG. S20).
  • the display control unit 127 continues the arbitrary tomographic image in the series of tomographic images, for example, the tomographic image of the last frame or the series of tomographic images as it is. And displayed as a moving image superimposed on the synthetic perfusion map (or the instructed perfusion map) (S21).
  • the display control unit 127 When the “display condition individual adjustment instruction” is input from the operator, the display control unit 127 performs an operation corresponding to the display setting conditions such as the display window adjustment scale and the look-up table selection box on the display screen of the synthetic perfusion map. A box is displayed, the display window is adjusted with respect to the organ area selected by the operator, and the lookup table is switched (S22). Thus, display conditions can be adjusted individually for each organ region.
  • the display control unit 127 displays the TDC corresponding to the designated point as it is on the same screen as the synthetic perfusion map as it is (S23).
  • the display control unit 127 When a region of interest (ROI) is set on the synthetic perfusion map by the operator, the display control unit 127 generates and displays an average TDC from a plurality of TDCs corresponding to the ROI, and also displays an average perfusion index in the ROI. Calculate and display (S24).
  • the display control unit 127 When a command to “do not display a region of low suitability” is input from the operator, the display control unit 127 does not generate a synthetic perfusion map for a region showing an AIC value higher than a predetermined threshold on the minimum AIC map. Display (S25). When a command to “specify a blood vessel area” is input from the operator, the display control unit 127 generates a mask mark in a unique mode such as hatching corresponding to the blood vessel area identified on the area map. Superimpose on the synthetic perfusion map (S26). At this time, the blood vessel region is excluded from the calculation of the ROI. It is possible to easily recognize a region of low blood vessel region confirmation or analysis accuracy and discriminate a false positive.
  • optimal analysis conditions and display conditions can be set individually by dividing the blood vessel and each tissue into regions.
  • DESCRIPTION OF SYMBOLS 100 ... Gantry part, 101 ... X-ray tube, 102 ... Rotation ring, 103 ... Two-dimensional detector, 104 ... Data acquisition circuit, 105 ... Noncontact data transmission apparatus, 106 ... Preprocessor, 108 ... Slip ring mechanism, 109 ... high voltage generator, 110 ... host controller, 112 ... data storage unit, 116 ... display device, 118 ... image reconstruction processor, 121 ... TDC generator, 122 ... perfusion analysis model storage unit, 123 ... perfusion analysis processor 124: AIC map generation unit 125: AIC map processing unit 126: perfusion map synthesis unit 126, 127: display control unit.

Abstract

　灌流解析の診断精度向上を支援すること。　医用画像処理装置は、被検体に関する一連の医用画像のデータを扱う。時間濃度曲線発生部は、一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する。近似処理部は、複数の時間濃度曲線中の特定の時間濃度曲線と、複数種類の灌流モデル各々とのコンボリューションを、灌流モデル各々が有する少なくとも一つのパラメータの調整を伴って複数の時間濃度曲線各々に対して近似させる。適合性指標マップ発生部は、近似処理部による複数の画素にそれぞれ対応する複数の近似誤差に基づいて、複数種類の灌流モデルにそれぞれ対応する複数種類の適合性指標マップを発生する。

Description

医用画像処理装置
　本発明の実施形態は、医用画像処理装置に関する。
　血流灌流(Perfusion)の解析は臓器の機能診断に非常に有効である。灌流解析では、臓器に流入する動脈に関する時間濃度曲線（ＴＤＣ）と臓器組織に関する時間濃度曲線との間の移行係数を例えば最小二乗法により近似的に同定し、同定した移行係数から灌流指標を計算する。
　例えば脳の灌流解析と異なり、腹部臓器の栄養および機能血管は臓器ごとにさまざまであるため、複数種類の灌流モデル（分画モデル）および解析モデルから対象臓器に応じて選択した灌流モデルおよび解析モデルの組み合わせの種類を用いて解析が行われる。
　従って、選択した灌流モデルおよび解析モデルに対応する臓器領域以外の領域では灌流指標はその適合性が低い。当該領域では灌流診断から除外する必要があるが、その領域を明りょうに認識することができない。一般的に、腹部領域の組織はＣＴ値の差異が小さい軟部組織の集合体であるため、ＣＴ画像から臓器領域を区分してもその適合性は高くはない。
特開２００７－１４４１３９号公報
　目的は、灌流解析の診断精度向上を支援することにある。
　本実施形態に係る医用画像処理装置は、被検体に対して同一部位を時間を変えて複数回撮像、つまりダイナミックスキャン又はシネスキャンして得られる一連の医用画像のデータを記憶する記憶部と、前記一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する時間濃度曲線発生部と、前記複数の時間濃度曲線中の特定の時間濃度曲線と、複数種類の灌流モデルにそれぞれ適合した複数の形状をそれぞれ有する複数の応答関数各々とのコンボリューションを、前記灌流モデル各々が有する少なくとも一つのパラメータの調整を伴って前記複数の時間濃度曲線各々に対して近似させる近似処理部と、前記近似処理部による前記複数の画素にそれぞれ対応する複数の近似誤差に基づいて、前記複数種類の灌流モデルにそれぞれ対応する複数種類の適合性指標マップを発生する適合性指標マップ発生部とを具備する。
　灌流解析の診断精度の向上が支援されることができる。
図１は、本実施形態に係る医用画像処理装置を含むＸ線コンピュータ断層撮影装置の構成を示す図である。 図２は、本実施形態による画像処理手順を示す流れ図である。 図３は、図２に続く本実施形態による画像処理手順を示す流れ図である。 図４は、図２のＳ１３で生成されるＴＤＣの一例を示す図である。 図５は、図１の灌流解析モデル記憶部に記憶される脳モデル(One compartment model)を示す図である。 図６は、図１の灌流解析モデル記憶部に記憶される肝臓モデル(Dual-input one compartment model)を示す図である。 図７は、図１の灌流解析モデル記憶部に記憶される膵臓モデル(Open two compartment model)を示す図である。 図８は、図１の灌流解析モデル記憶部に記憶される脾臓モデル(Open two compartment model)を示す図である。 図９は、図１の灌流解析モデル記憶部に記憶される腎臓モデル(Open two compartment model)を示す図である。 図１０は、図２のＳ１４で生成される脾臓モデルを用いた灌流マップと肝臓モデルを用いた灌流マップの一例を示す図である。 図１１は、図２のＳ１５で生成される脾臓モデルを用いたＡＩＣマップと肝臓モデルを用いたＡＩＣマップの一例を示す図である。 図１２は、図２のＳ１６で生成される最小ＡＩＣマップの一例を示す図である。 図１３は、図２のＳ１７で生成される領域マップの一例を示す図である。 図１４は、図２のＳ１８で生成される合成灌流マップの一例を示す図である。 図１５は、図２のＳ２０－Ｓ２５による合成灌流マップの各種表示機能を示す図である。
　以下、図面を参照しながら本実施形態に係る医用画像処理装置を説明する。本実施形態に係る医用画像処理装置は、被検体に対して同一部位を時間を変えて複数回撮像、つまりダイナミックスキャン又はシネスキャンして得られる一連の医用画像のデータを扱う。時間濃度曲線発生部は、一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する。近似処理部は、複数の時間濃度曲線中の特定の時間濃度曲線と、複数種類の灌流モデルにそれぞれ適合した複数の形状をそれぞれ有する複数の応答関数各々とのコンボリューションを、灌流モデル各々が有する少なくとも一つのパラメータの調整を伴って複数の時間濃度曲線各々に対して近似させる。適合性指標マップ発生部は、近似処理部による複数の画素にそれぞれ対応する複数の近似誤差に基づいて、複数種類の灌流モデルにそれぞれ対応する複数種類の適合性指標マップを発生する。
　本実施形態は、主に被検体の任意部位、典型的には本実施形態の作用効果がもっとも発揮されると想定され得る腹部に関する時間的に連続して収集された一連の複数枚の医用画像から、画素毎に臓器組織の血流動態を表す指標、つまり灌流指標を計算し、灌流指標の空間的分布としての灌流マップを生成する技術分野に関る。本実施形態で扱う医用画像としては、Ｘ線コンピュータトモグラフィ装置による断層画像に限定されず、シングルフォトンエミッショントモグラフィ装置（ＳＰＥＣＴ）、ポジトロンエミッショントモグラフィ装置（ＰＥＴ）、磁気共鳴イメージング装置（ＭＲＩ）、超音波診断装置のいずれのモダリティで収集された医用画像でも良い。ここでは、本実施形態では、Ｘ線コンピュータトモグラフィ装置による断層画像を扱うものとして説明する。
　図１には、本実施形態に係る医用画像処理装置をＸ線コンピュータ断層撮影装置と共に示している。ガントリ部１００は、回転自在に支持される回転リング１０２を有する。回転リング１０２には、Ｘ線管１０１、高電圧発生装置１０９、２次元検出器１０３、データ収集回路１０４（ＤＡＳ；Ｄａｔａ Ａｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅｍ）が搭載される。Ｘ線管１０１にはスリップリング機構１０８を介して高電圧発生装置１０９が接続される。データ収集回路１０４には光学的又は電磁的要素を用いた非接触データ伝送装置１０５を介して前処理装置１０６が接続される。前処理装置１０６はデータ収集回路１０４から出力される生データを、アナログ／ディジタル変換処理及び各種補正処理により投影データに変換する。データ記憶部１１２は投影データを記憶する。画像再構成処理部１１８は、投影データに基づいて断層画像データを再構成する。データ記憶部１１２は断層画像データを記憶する。なお、本実施形態では、ホストコントローラ１１０の制御のもとで、被検体の腹部を撮影対象として、回転フレーム１０２の連続的な回転により、いわゆるダイナミックスキャンが実行される。それにより被検体腹部の同一段面に関して時間的に連続して収集された一連の複数枚の断層画像のデータが発生され、断層画像記憶部１１２に記憶される。
　本実施形態に係る医用画像処理装置は、データ記憶部１１２の他、次の構成要素から構成される。ＴＤＣ発生部１２１は、一連の断層画像のデータから図４に例示するＣＴ値の時間変化、一般的には時間濃度曲線（ＴＤＣ；Time Density Curve）を画素毎に発生する。データ記憶部１１２はＴＤＣデータを記憶する。灌流解析モデル記憶部１２２には、被検体に含まれる複数の臓器にそれぞれに対して複数種類の灌流解析モデルのいずれかが関連付けらている。
　図５～図９に灌流解析モデルの一例を示している。灌流解析モデルには、例えば単一臓器内における血液動態上の区画数(compartment)、当該臓器への流入血管本数(input)、当該臓器内区画間での間隙性の有無(Open)、当該臓器の血管以外からの漏出性の有無(leakage)等の観点から“One compartment model（単一区画モデル）”、“Dual-input one compartment model（２流入／単一区画モデル）”、“Open two compartment model（間隙性２区画モデル）”、“leakage open two compartment model（漏出間隙性２区画モデル）”などの複数種類のタイプに分化される。正常脳組織は脳血液関門（BBB: blood-brain barrier）により造影剤が血管外に流出しないため、One compartment modelと仮定することができる。肝臓は、動脈および門脈の２本からなるInput curveからなり、Dual-input one compartment modelと仮定することができる。膵臓領域は、造影剤の流出が非常に早い臓器。 Interstitialを無視すれば、One compartment modelで簡便に解析が可能かもしれないが、本命はTwo compartment modelと考える。脾臓領域は血管内（Plasma）・血管外液（Interstitial）間を自由に行き来することができ、Open two compartment modelと仮定することができる。子宮腫瘍領域は血管内（Plasma）・血管外液（Interstitial）間を自由に行き来することができ、Open two compartment modelと仮定することができる。頸部腫瘍領域は血管内（Plasma）・血管外液（Interstitial）間を自由に行き来することができ、Open two compartment modelと仮定することができる。
　また灌流解析には臓器ごとに流入出血管の位置を特定する必要があり、臓器ごとに流入血管の位置に関する情報が、灌流解析モデル記憶部１２２において複数の臓器それぞれに対して関連付けられる。例えば肝臓であれば動脈と門脈と静脈とに関する情報が関連付けられる。操作者は流入出血管を特定する情報に従って画像上に流入出血管を指定することができる。
　灌流解析処理部１２３は、一連の断層画像のデータと、流入出血管の情報と、予め規定された複数の灌流モデルとを用いて、複数の灌流モデルにそれぞれ対応する複数の灌流マップを生成する。各灌流モデルは、対応する臓器へ流入する流入量の時間変化と、当該臓器内の組織における血流量の時間変化との間の関係を規定する応答関数である。複数の応答関数は、複数種類の灌流モデルにそれぞれ適合した複数の形状をそれぞれ有する。なお、応答関数の代表例としてここでは「伝達関数」を扱うものとして説明する。各伝達関数は、少なくとも一つのパラメータを有する。各臓器への血液の流入は、断層画像内の動脈上の特定画素に関する時間濃度曲線、又は特定画素及び周辺画素に関する平均時間濃度曲線により与えられる。当該臓器の組織に関する血流量の時間変化は、当該臓器内の組織上の複数の画素各々に関する時間濃度曲線により与えられる。特定画素に関する時間濃度曲線は、時間方向に伝達関数を線形又は非線形にコンボリュートされる。本実施形態では、コンボリュートされた時間濃度曲線が、当該画像内のすべての画素各々の時間濃度曲線に対して近似される、つまり両者の間の誤差が最小化されるように、伝達関数のパラメータが調整される。この近似誤差が小さいとき、当該伝達関数に対する適合性が高い。高い適合性を示す画素の組織は、当該伝達関数に対応する臓器内の組織である可能性が高い。近似誤差が大きいとき、当該伝達関数に対する適合性が低い。低い適合性を示す画素の組織は、当該伝達関数に対応する臓器内の組織である可能性が低い。複数の伝達関数は複数種類の臓器にそれぞれ対応して既定される。各伝達関数は、対応する臓器における血流の入出力メカニズムに従って構築される。複数の伝達関数は、相互に相違する基本的形状を有する。伝達関数のパラメータが変更されたときでさえ、基本的形状は維持される。ある臓器の血流メカニズムは単一の矩形関数としての伝達関数で表現される。他の臓器の血流メカニズムは矩形関数と自然関数などの複数の関数が組み合わされた伝達関数で表現される。様々な臓器の血流メカニズムは後述する。
　なお、近似処理で用いられる入力関数としての臓器へ流入する血流の時間濃度変化は、典型的には、一連の断層画像から発生されるが、それに限定されない。灌流モデル毎に、それぞれのモデルが対応する臓器の標準的な時間濃度変化を予め用意しておき、この標準的な時間濃度変化と伝達関数とのコンボリューションを、一連の断層画像から画素毎に発生された時間濃度変化に近似させるようにしても良い。この場合、近似誤差は臓器の機能低下を示唆する。
　動脈上の特定画素に関する時間濃度曲線を入力関数Ｃa(t)、すべての画素に関する組織の時間濃度曲線を出力関数Ｃt(t)、伝達関数をＭＴＦ、コンボリューション処理を＊とする。Ｃa(t)＊ＭＴＦが、Ｃt(t)に近似するように、つまりＣt(t)に対するＣa(t)＊ＭＴＦの誤差の最小二乗和が最小になるようにＭＴＦのパラメータを決定する。パラメータが決定された伝達関数ＭＴＦから、例えば脳組織であればその血流動態を表す灌流指標（ＣＢＰ、ＣＢＶ、ＭＴＴ）が計算される。ＣＢＰは、脳組織の毛細血管内の単位体積及び単位時間あたりの血流量［ml/１００ml/miｎ］を表し、ＣＢＶは、脳組織内の単位体積あたりの血液量［ml/１００ml］、ＭＴＴは毛細血管の血液平均通過時間［秒］を表す。
　灌流解析処理部１２３による灌流解析処理により、肝臓モデルと脾臓モデルとを用いるとき、肝臓モデルを用いて解析対象医用画像内の全画素を個々に解析した灌流指標の空間モデル（肝臓モデルに関する灌流マップという）と、脾臓モデルを用いて全画素を個々に解析した灌流指標の空間モデル（脾臓モデルに関する灌流マップという）とがそれぞれ発生される。また灌流解析処理部１２３による灌流解析処理により、伝達関数を近似する際の誤差総和又は誤差の二乗和の平方根（残差）に関する残差マップも灌流モデル毎にそれぞれ発生される。灌流解析処理部１２３は、灌流解析処理の中で、部位に含まれる複数の臓器に対応する複数の灌流マップとともに、複数の残差マップも生成する。
　ＡＩＣマップ生成部１２４は、部位に含まれる複数の臓器に対応する複数の残差マップからそれぞれ対応する複数のＡＩＣマップを生成する。ＡＩＣは、灌流解析の近似処理の誤差に基づいて計算される、灌流指標に関する統計的適合性指標の一例であり、ＡＩＣマップとはＡＩＣの空間分布である。ＡＩＣは、情報量規準(An Information Crterion)の略称であり、赤池情報量規準やベイズ情報量規準などがある。例えば赤池情報量規準は、次の通り与えられる。
ＡＩＣ＝－２・（最大対数尤度－自由パラメータ数)
　自由パラメータ数は最小二乗法では定数である。ＡＩＣでは、その値が低いほど、適合性が高い、適合性が高いとほぼ認定出来る。つまり、ＡＩＣマップでＡＩＣ値が低い領域はその灌流解析に用いた灌流モデルに対する適合性が高く、ＡＩＣ値が高い領域はその灌流解析に用いた灌流モデルに対する適合性が低いといえる。
　ＡＩＣマップ処理部１２５は、複数の臓器にそれぞれ対応する複数のＡＩＣマップから画素毎に最も適合性の高い値、ここでは最小値（最小ＡＩＣ）を選択し、選択した最小ＡＩＣの値を画素値とするその空間分布を表す単一の最小ＡＩＣマップを生成する。またＡＩＣマップ処理部１２５は、最小ＡＩＣマップにクラスタリング・ラベリング処理および輪郭抽出処理を行い、血管や各臓器領域を同定し、血管や臓器領域を区分した領域マップを生成する。
　灌流マップ合成部１２６は、ＡＩＣマップ処理部１２５で生成された領域マップに従って、複数の灌流マップを部分的に貼り合わせて単一の灌流マップ（合成灌流マップ）を発生する。要するに、合成灌流マップは、各灌流モデルに対する適合性の高い灌流指標値に関するその空間分布を示している。
　表示制御部１２７は、表示装置１１６に合成灌流マップを表示するために必要な処理をする。また入力デバイス１１５を介して操作者から入力された各種表示に関する指令に従って、合成灌流マップの表示態様に応じた処理をする。
　図２、図３には本実施形態による灌流解析処理の処理手順を示している。入力デバイス１１５を介して入力された操作者の指令に従ってデータ記憶部１１２から灌流処理対象としての特定の一連の断層画像のデータがＴＤＣ発生部１２１に読み出される（Ｓ１１）。一連の断層画像のデータに属性される診断部位、例えば腹部に対応する複数の臓器に係る複数の灌流モデルのデータが灌流解析モデル記憶部１２２から灌流解析処理部１２３に読み出される（Ｓ１２）。ここでは説明の便宜上、肝臓モデルと脾臓モデルが読み出されると仮定する。また灌流解析処理部１２３には、ＴＤＣ発生部１２１で一連の断層画像から生成されたその全画素に関する複数の時間濃度曲線（ＴＤＣ）が供給される（Ｓ１３）。
　灌流解析処理部１２３では、肝臓モデルを用いて全画素に関する複数の時間濃度曲線（ＴＤＣ）に基づいて肝臓モデルに対応する灌流マップ（図１０参照）が生成される（Ｓ１４）。それとともに肝臓モデルに対応する残差マップが生成される。同様に、脾臓モデルを用いて全画素に関する複数の時間濃度曲線（ＴＤＣ）に基づいて脾臓モデルに対応する灌流マップが生成され、脾臓モデルに対応する残差マップが生成される。
　次に、ＡＩＣマップ生成部１２４により、肝臓モデルに対応する残差マップから、肝臓モデルに対応するＡＩＣマップ（図１１参照）が生成される（Ｓ１５）。同様に脾臓モデルに対応する残差マップから、脾臓モデルに対応するＡＩＣマップが生成される。ＡＩＣマップ処理部１２５により、図１２に示すように、肝臓モデルに対応するＡＩＣマップのＡＩＣ値と、肝臓モデルに対応するＡＩＣマップのＡＩＣ値との最小値が画素毎に選択され、最小ＡＩＣマップが生成される（Ｓ１６）。ＡＩＣマップ処理部１２５において、最小ＡＩＣマップに対してクラスタリング・ラベリング処理および輪郭抽出処理がかけられ、図１３に示すように、血管や臓器領域が区分された領域マップが生成される（Ｓ１７）。領域マップは、各灌流モデルに対する適合性指標に基づいて、血管や臓器領域を区分したものである。
　灌流マップ合成部１２６により、図１４に示すように、ＡＩＣマップ処理部１２５で生成された領域マップに従って、複数の灌流マップが部分的に貼り合わされて単一の灌流マップ（合成灌流マップ）が発生される（Ｓ１８）。合成灌流マップは、表示制御部１２７の制御のもとで表示装置１１６に濃淡又はカラーで表示される（Ｓ１９）。
　この表示に際しては、表示制御部１２７は、図３にＳ２０－Ｓ２５で示し、図１５に例示するように、各種表示指示に対して対応する処理を実行することができる。操作者から「領域区分枠の表示指示」が入力されたとき、表示制御部１２７は、領域マップに従って臓器領域を区分する領域区分枠を生成し、これを合成灌流マップに重畳して表示する（Ｓ２０）。操作者から「断層画像の重畳表示指示」が入力されたとき、表示制御部１２７は、一連の断層画像中の任意の一枚、例えば最後のフレームの断層画像、又は一連の断層画像をそのまま連続的に表示して動画として、合成灌流マップ（又は指示された灌流マップ）に重畳して表示する（Ｓ２１）。操作者から「表示条件個別調整指示」が入力されたとき、表示制御部１２７は、合成灌流マップの表示画面に表示ウインドウ調整スケール及びルックアップテーブル選択ボックス等の表示設定可能な条件に対応する操作ボックスを表示させ、操作者により選択された臓器領域に対して表示ウインドウを調整し、またルックアップテーブルを切り替える（Ｓ２２）。このように臓器領域毎に個別に表示条件を調整することができる。
　操作者から合成灌流マップ上の任意の点が指定されたとき、表示制御部１２７では、当該指定点に対応するＴＤＣをそのままグラフとして合成灌流マップと同じ画面にそれと並べて表示する（Ｓ２３）。操作者から合成灌流マップ上に関心領域（ＲＯＩ）が設定されたとき、表示制御部１２７では、当該ＲＯＩに対応する複数のＴＤＣから平均ＴＤＣを生成し表示し、またＲＯＩ内の平均灌流指標を計算し表示する（Ｓ２４）。
　操作者から「適合性の低い領域を表示しない」との指令が入力されたとき、表示制御部１２７では、最小ＡＩＣマップ上で所定の閾値よりも高いＡＩＣ値を示す領域について合成灌流マップを非表示にする（Ｓ２５）。操作者から「血管領域を明示する」との指令が入力されたとき、表示制御部１２７では、領域マップ上で同定された血管領域に対応する網掛け等の特異な態様のマスクマークを発生し合成灌流マップに重畳する（Ｓ２６）。この際、血管領域は上記ＲＯＩの計算から除外される。容易に血管領域の確認もしくは解析精度が低い領域を認識して、擬陽性を判別することができる。
　このように今まで個別に解析・出力していた灌流マップを同時に表示することにより、読影がしやすくなり誤診をする確率が低くなる。また、血管と各組織の領域分けを行うことで最適な解析条件・表示条件を個別に設定することができる。
　本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
　灌流解析の診断精度の向上が必要とされる技術分野で利用されることができる。
　１００…ガントリ部、１０１…Ｘ線管、１０２…回転リング、１０３…２次元検出器、１０４…データ収集回路、１０５…非接触データ伝送装置、１０６…前処理装置、１０８…スリップリング機構、１０９…高電圧発生装置、１１０…ホストコントローラ、１１２…データ記憶部、１１６…表示装置、１１８…画像再構成処理部、１２１…ＴＤＣ発生部、１２２…灌流解析モデル記憶部、１２３…灌流解析処理部、１２４…ＡＩＣマップ生成部、１２５…ＡＩＣマップ処理部、１２６…灌流マップ合成部１２６、１２７…表示制御部。

Claims (14)

  1. 　被検体に関する一連の医用画像のデータを記憶する記憶部と、
    　前記一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する時間濃度曲線発生部と、
    　前記複数の時間濃度曲線中の特定の時間濃度曲線と、複数種類の灌流モデルにそれぞれ適合した複数の形状をそれぞれ有する複数の応答関数各々とのコンボリューションを、前記灌流モデル各々が有する少なくとも一つのパラメータの調整を伴って前記複数の時間濃度曲線各々に対して近似させる近似処理部と、
    　前記近似処理部による前記複数の画素にそれぞれ対応する複数の近似誤差に基づいて、前記複数種類の灌流モデルにそれぞれ対応する複数種類の適合性指標マップを発生する適合性指標マップ発生部とを具備する医用画像処理装置。
  2. 　前記複数種類の灌流モデルは、複数の臓器にそれぞれ対応する複数の伝達関数であり、
    　前記複数の伝達関数はそれぞれ対応する臓器における血液の流入と流出との間の関係に基づいて既定される請求項１記載の医用画像処理装置。
  3. 　前記パラメータに基づいて、前記複数種類の灌流モデルにそれぞれ対応する複数種類の灌流マップを発生する灌流マップ発生部をさらに備える請求項２記載の医用画像処理装置。
  4. 　前記複数種類の適合性指標マップに基づいて、前記複数種類の灌流マップを切り張りして単一の灌流マップを発生する灌流マップ合成部をさらに備える請求項３記載の医用画像処理装置。
  5. 　前記複数種類の適合性指標マップに基づいて、最も高い適合性指標値の空間分布を表す高適合性指標マップを発生する高適合性指標マップ発生部をさらに備える請求項３記載の医用画像処理装置。
  6. 　前記高適合性指標マップ発生部は、前記高適合性指標マップに基づいて、前記複数の臓器の区分を表す区分マップを発生する請求項５記載の医用画像処理装置。
  7. 　前記区分マップは前記単一の灌流マップに重畳表示されることを特徴とする請求項６記載の医用画像処理装置。
  8. 　前記表示された灌流マップは、前記区分マップに従って表示態様が区分毎に相違される請求項７記載の医用画像処理装置。
  9. 　前記表示された灌流マップは、前記高適合性指標マップ上での閾値未満の適合性指標値を示す領域を表すマーカを重ねられる請求項７記載の医用画像処理装置。
  10. 　前記表示された灌流マップにおいて、前記高適合性指標マップ上での閾値未満の適合性指標値を示す領域に対応する部分が非表示に設定されることを特徴とする請求項７記載の医用画像処理装置。
  11. 　前記区分マップには前記区分の境界を示す境界線が重ねられる請求項７記載の医用画像処理装置。
  12. 　前記適合性指標マップの少なくとも一つは、前記灌流マップの少なくとも一つとともに表示される請求項６記載の医用画像処理装置。
  13. 　被検体に関する一連の医用画像のデータを記憶する記憶部と、
    　前記一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する時間濃度曲線発生部と、
    　前記複数の時間濃度曲線各々に対して、複数種類の灌流モデル各々と標準的時間濃度曲線とのコンボリューションを、前記灌流モデル各々が有する少なくとも一つのパラメータの調整を伴って近似させる近似処理部と、
    　前記コンボリューションの近似誤差に基づいて、前記複数種類の灌流モデルにそれぞれ対応する複数種類の適合性指標マップを発生する適合性指標マップ発生部とを具備する医用画像処理装置。
  14. 　被検体に関する一連の医用画像のデータを記憶する記憶部と、
    　前記一連の医用画像から複数の画素にそれぞれ対応する複数の時間濃度曲線を発生する時間濃度曲線発生部と、
    　前記複数の時間濃度曲線各々に対して、特定臓器の血流メカニズムを表す伝達関数と標準的時間濃度曲線とのコンボリューションを、前記伝達関数が有する少なくとも一つのパラメータの調整を伴って近似させる近似処理部と、
    　前記近似処理部による近似誤差に基づいて前記近似誤差に応じた指標に関するマップを発生するマップ発生部とを具備する医用画像処理装置。
PCT/JP2011/069953 2010-09-01 2011-09-01 医用画像処理装置 WO2012029928A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201180002010.3A CN102834055B (zh) 2010-09-01 2011-09-01 医用图像处理装置
US13/356,155 US8724869B2 (en) 2010-09-01 2012-01-23 Medical image processing apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010196047 2010-09-01
JP2010-196047 2010-09-01

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US13/356,155 Continuation US8724869B2 (en) 2010-09-01 2012-01-23 Medical image processing apparatus

Publications (1)

Publication Number Publication Date
WO2012029928A1 true WO2012029928A1 (ja) 2012-03-08

Family

ID=45773003

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/069953 WO2012029928A1 (ja) 2010-09-01 2011-09-01 医用画像処理装置

Country Status (4)

Country Link
US (1) US8724869B2 (ja)
JP (1) JP5897284B2 (ja)
CN (1) CN102834055B (ja)
WO (1) WO2012029928A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014221118A (ja) * 2013-05-13 2014-11-27 東芝メディカルシステムズ株式会社 医用画像撮影解析装置

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217398B (zh) * 2013-05-29 2017-07-14 东芝医疗系统株式会社 图像处理装置、图像处理方法和医学图像设备
JP6320758B2 (ja) * 2014-01-06 2018-05-09 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、ｘ線診断装置及び医用画像処理プログラム
US9613246B1 (en) 2014-09-16 2017-04-04 Apple Inc. Multiple scan element array ultrasonic biometric scanner
US9952095B1 (en) 2014-09-29 2018-04-24 Apple Inc. Methods and systems for modulation and demodulation of optical signals
US9607203B1 (en) 2014-09-30 2017-03-28 Apple Inc. Biometric sensing device with discrete ultrasonic transducers
US9904836B2 (en) 2014-09-30 2018-02-27 Apple Inc. Reducing edge effects within segmented acoustic imaging systems
US9979955B1 (en) 2014-09-30 2018-05-22 Apple Inc. Calibration methods for near-field acoustic imaging systems
US10133904B2 (en) 2014-09-30 2018-11-20 Apple Inc. Fully-addressable sensor array for acoustic imaging systems
US9984271B1 (en) 2014-09-30 2018-05-29 Apple Inc. Ultrasonic fingerprint sensor in display bezel
US9747488B2 (en) 2014-09-30 2017-08-29 Apple Inc. Active sensing element for acoustic imaging systems
FR3027115B1 (fr) * 2014-10-13 2019-05-10 Olea Medical Systeme et procede pour estimer une quantite d'interet d'un systeme dynamique artere/tissu/veine
WO2016084373A1 (ja) * 2014-11-27 2016-06-02 国立大学法人広島大学 シミュレータ、該シミュレータを備える注入装置又は撮像システム、及びシミュレーションプログラム
US10024942B2 (en) 2015-03-11 2018-07-17 Siemens Healthcare Gmbh Magnetic resonance method and apparatus to generate a residual map as an indicator of signal model consistency
WO2016161308A1 (en) * 2015-04-02 2016-10-06 Heartflow, Inc. Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics
US11048902B2 (en) 2015-08-20 2021-06-29 Appple Inc. Acoustic imaging system architecture
US10325136B1 (en) 2015-09-29 2019-06-18 Apple Inc. Acoustic imaging of user input surfaces
CN105809670B (zh) * 2016-02-29 2019-07-19 上海联影医疗科技有限公司 灌注分析方法
JP7039938B2 (ja) * 2017-06-27 2022-03-23 ソニーグループ株式会社 情報処理装置および方法、並びに、情報処理システム
CN107296627B (zh) * 2017-07-14 2020-05-26 深圳市德力凯医疗设备股份有限公司 脑血流自动调节指数的输出方法、存储介质及超声设备
CN107194200A (zh) * 2017-07-14 2017-09-22 深圳市德力凯医疗设备股份有限公司 一种超声系统数据的选段方法、存储介质及超声设备
US10802651B2 (en) 2018-01-30 2020-10-13 Apple Inc. Ultrasonic touch detection through display
US11399779B2 (en) * 2018-05-16 2022-08-02 Case Western Reserve University System-independent quantitative perfusion imaging

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003116843A (ja) * 2001-10-16 2003-04-22 Toshiba Corp 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体
JP2003190148A (ja) * 2001-10-16 2003-07-08 Toshiba Corp 局所血流動態に関するインデックスを演算する方法及び装置
JP2003325472A (ja) * 2002-05-13 2003-11-18 Toshiba Corp Ｍｒｉ装置、フロー定量化装置、及びａｓｌイメージングにおけるフロー定量化方法
JP2005095340A (ja) * 2003-09-24 2005-04-14 Toshiba Corp 血流解析装置及び血流解析方法
JP2007526071A (ja) * 2004-03-04 2007-09-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 灌流画像の処理のための装置及び方法
WO2009112538A1 (en) * 2008-03-11 2009-09-17 Karolinska Institutet Innovations Ab A computer-based method and system for imaging-based dynamic function evaluation of an organ
JP2010213760A (ja) * 2009-03-13 2010-09-30 Toshiba Corp 画像処理装置および画像処理プログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0117187D0 (en) * 2001-07-13 2001-09-05 Isis Innovations Ltd Magnetic resonance imaging
EP1302163B1 (en) * 2001-10-16 2006-07-05 Kabushiki Kaisha Toshiba Apparatus for calculating an index of local blood flows
US7054406B2 (en) * 2002-09-05 2006-05-30 Kabushiki Kaisha Toshiba X-ray CT apparatus and method of measuring CT values
US20040218794A1 (en) * 2003-05-01 2004-11-04 Yi-Hsuan Kao Method for processing perfusion images
DE10335663A1 (de) * 2003-08-04 2005-03-10 Siemens Ag Verfahren zur automatischen Kalibrierung von Perfusionsparameterbildern
US7912269B2 (en) * 2004-03-31 2011-03-22 Kabushiki Kaisha Toshiba Medical image processing apparatus and method of processing medical image
WO2006086442A2 (en) * 2005-02-08 2006-08-17 Case Western Reserve University Method of detecting abnormal tissue
EP1780651A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method and system for automatic processing and evaluation of images, particularly diagnostic images
JP2007144139A (ja) 2005-11-02 2007-06-14 Toshiba Corp Ｘ線コンピュータ断層撮影装置及び画像処理装置
JP5536974B2 (ja) * 2006-11-08 2014-07-02 株式会社東芝 Ｘ線診断装置及び画像処理装置
JP4714228B2 (ja) 2008-01-21 2011-06-29 株式会社東芝 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体
EP2087836B1 (en) * 2008-02-07 2012-04-04 Pulsion Medical Systems AG Apparatus and method for determining a physiological parameter
JP5322548B2 (ja) * 2008-09-17 2013-10-23 株式会社東芝 Ｘ線ｃｔ装置、医用画像処理装置および医用画像処理プログラム
JP5361410B2 (ja) * 2009-01-22 2013-12-04 株式会社東芝 画像処理装置
FR2952452B1 (fr) * 2009-11-09 2016-01-08 Olea Medical Procede pour estimer des parametres hemodynamiques par estimation conjointe des parametres d'un modele global de perfusion contraint
US20110150309A1 (en) * 2009-11-27 2011-06-23 University Health Network Method and system for managing imaging data, and associated devices and compounds

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003116843A (ja) * 2001-10-16 2003-04-22 Toshiba Corp 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体
JP2003190148A (ja) * 2001-10-16 2003-07-08 Toshiba Corp 局所血流動態に関するインデックスを演算する方法及び装置
JP2003325472A (ja) * 2002-05-13 2003-11-18 Toshiba Corp Ｍｒｉ装置、フロー定量化装置、及びａｓｌイメージングにおけるフロー定量化方法
JP2005095340A (ja) * 2003-09-24 2005-04-14 Toshiba Corp 血流解析装置及び血流解析方法
JP2007526071A (ja) * 2004-03-04 2007-09-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 灌流画像の処理のための装置及び方法
WO2009112538A1 (en) * 2008-03-11 2009-09-17 Karolinska Institutet Innovations Ab A computer-based method and system for imaging-based dynamic function evaluation of an organ
JP2010213760A (ja) * 2009-03-13 2010-09-30 Toshiba Corp 画像処理装置および画像処理プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014221118A (ja) * 2013-05-13 2014-11-27 東芝メディカルシステムズ株式会社 医用画像撮影解析装置

Also Published As

Publication number Publication date
US8724869B2 (en) 2014-05-13
CN102834055A (zh) 2012-12-19
JP2012071124A (ja) 2012-04-12
US20120121145A1 (en) 2012-05-17
CN102834055B (zh) 2015-04-08
JP5897284B2 (ja) 2016-03-30

Similar Documents

Publication Publication Date Title
WO2012029928A1 (ja) 医用画像処理装置
JP6175073B2 (ja) 最適なデバイスナビゲーションのための血管系ビューのリアルタイム表示
JP4653542B2 (ja) 画像処理装置
US8611989B2 (en) Multi-planar reconstruction lumen imaging method and apparatus
US7339587B2 (en) Method for medical imaging and image processing, computed tomography machine, workstation and computer program product
US10238356B2 (en) X-ray computed tomography apparatus and medical image display apparatus
US10098602B2 (en) Apparatus and method for processing a medical image of a body lumen
WO2014050838A1 (ja) Ｘ線診断装置および医用画像処理装置
US20080008366A1 (en) Simultaneous visualization, analysis and navigation of multi-modality medical imaging data
JP2005199041A (ja) Ｃｔ血管造影法における構造を領域分割する方法及び装置
US9836861B2 (en) Tomography apparatus and method of reconstructing tomography image
US20120176412A1 (en) Method and system for improved medical image analysis
JP2007144139A (ja) Ｘ線コンピュータ断層撮影装置及び画像処理装置
US20140015836A1 (en) System and method for generating and displaying a 2d projection from a 3d or 4d dataset
US8542894B2 (en) Method and device for post-processing measured values registered by way of an imaging system
US9737278B2 (en) Methods and systems for multi-window imaging
JP2007054147A (ja) 画像診断・治療支援装置
US7116808B2 (en) Method for producing an image sequence from volume datasets
KR102273022B1 (ko) 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법
JP6498516B2 (ja) 医用画像処理装置及びｘ線ｃｔ装置
US20240127450A1 (en) Medical image processing apparatus and non-transitory computer readable medium
US20230101778A1 (en) X-ray diagnostic apparatus and computer program product
JP2018000943A (ja) 医用画像診断装置及び医用画像処理装置
JP2009018029A (ja) 医用画像処理装置及び医用画像診断装置
ROMMAN Computer, Physics, and Clinical Applications of Spectral Computed Tomography

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201180002010.3

Country of ref document: CN

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

Ref document number: 11821943

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11821943

Country of ref document: EP

Kind code of ref document: A1