WO2014077360A1 - システム及び導出方法 - Google Patents

システム及び導出方法 Download PDF

Info

Publication number
WO2014077360A1
WO2014077360A1 PCT/JP2013/080894 JP2013080894W WO2014077360A1 WO 2014077360 A1 WO2014077360 A1 WO 2014077360A1 JP 2013080894 W JP2013080894 W JP 2013080894W WO 2014077360 A1 WO2014077360 A1 WO 2014077360A1
Authority
WO
WIPO (PCT)
Prior art keywords
aneurysm
degree
distortion
evaluation
identifying
Prior art date
Application number
PCT/JP2013/080894
Other languages
English (en)
French (fr)
Inventor
大石　悟
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 CN201380003368.7A priority Critical patent/CN103957807B/zh
Publication of WO2014077360A1 publication Critical patent/WO2014077360A1/ja
Priority to US14/337,695 priority patent/US9345442B2/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • 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
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Definitions

  • Embodiments of the present invention relate to a system and a derivation method.
  • rupture risk the risk of rupture
  • follow-up the risk of rupture
  • an aneurysm image is taken by CTA (computed tomography angiography) or MRI (magnetic resonance imaging), and the shape of the aneurysm is visually determined based on the image. This is an evaluation method.
  • the second method is a method of analyzing the blood flow to the aneurysm with a computer based on the above-mentioned image and evaluating the shear stress (WSS: wall shear shear) of the inner wall.
  • the object is to provide a system and a derivation method that can analyze the shape, size, or distortion of an aneurysm that reduces the pressure on the inner wall.
  • the system according to the embodiment includes a memory, an aneurysm identification means, a distortion degree evaluation means, and a rupture risk analysis means.
  • the memory stores medical image data.
  • the aneurysm identification means identifies an aneurysm in the medical image data.
  • the distortion degree evaluation means quantitatively evaluates the distortion degree of the aneurysm.
  • the rupture risk deriving means derives the rupture risk of the aneurysm from the result of the evaluation.
  • FIG. 1 is a schematic diagram showing a system and its peripheral configuration according to the first embodiment.
  • FIG. 2 is a schematic diagram illustrating an aneurysm, an ellipsoid, and a difference between the two in the same embodiment.
  • FIG. 3 is a flowchart for explaining the operation in the embodiment.
  • FIG. 4 is a schematic diagram for explaining an example of an aneurysm extraction operation in the embodiment.
  • FIG. 5 is a schematic diagram for explaining an example of ellipsoid approximation in the embodiment.
  • FIG. 6 is a flowchart for explaining the operation in the second embodiment.
  • FIG. 7 is a flowchart for explaining the operation of the modification of the embodiment.
  • FIG. 8 is a flowchart for explaining the operation in the third embodiment.
  • FIG. 1 is a schematic diagram showing a system and its peripheral configuration according to the first embodiment.
  • FIG. 2 is a schematic diagram illustrating an aneurysm, an ellipsoid, and
  • FIG. 9 is a schematic diagram for explaining a difference between both images in the embodiment.
  • FIG. 10 is a flowchart for explaining the operation in the fourth embodiment.
  • FIG. 11 is a flowchart for explaining the operation in the fifth embodiment.
  • FIG. 12 is a flowchart for explaining the operation in the sixth embodiment.
  • FIG. 13A is a schematic diagram for explaining an effect in the embodiment.
  • FIG. 13B is a schematic diagram for explaining an effect in the embodiment.
  • FIG. 13C is a schematic diagram for explaining an effect in the embodiment.
  • system can be implemented with either a hardware configuration or a combination configuration of hardware resources and software.
  • software of the combined configuration a program that is installed in advance on a computer from a network or a storage medium and causes the computer to realize each function of the system is used.
  • system may be read as “rupture risk derivation system” or “derivation system”.
  • derivative may be read as “analysis” or the like.
  • FIG. 1 is a schematic diagram showing a system and its peripheral configuration according to the first embodiment.
  • the system includes a medical image workstation 10 and a monitor device 14.
  • a medical image workstation 10 includes a hard disk 11, a computer 12, and a network I / F (for example, an Ethernet (registered trademark) card) 13.
  • I / F for example, an Ethernet (registered trademark) card
  • the hard disk 11 stores analysis software (program) 11s and medical three-dimensional image (medical image data) 11g.
  • the computer 12 includes a main memory 12m and a processor 12p.
  • the processor 12p reads the analysis software 11s and the medical three-dimensional image 11g in the hard disk 11 to the main memory 12m, and executes the processing of the analysis software 11s.
  • the processor 12p acquires the medical three-dimensional image 11g from the PACS (picture-archiving-communication-system) system 20, CT (computed-tomography) apparatus 30, MRI apparatus 40, etc. via the network I / F 13 via the network, and stores it in the hard disk 11. Keep it.
  • PACS picture-archiving-communication-system
  • CT computed-tomography
  • MRI apparatus 40 etc.
  • the processor 12p acquires the medical three-dimensional image 11g from the PACS (picture-archiving-communication-system) system 20, CT (computed-tomography) apparatus 30, MRI apparatus 40, etc. via the network I / F 13 via the network, and stores it in the hard disk 11. Keep it.
  • the processor 12p transfers the medical 3D image 11g to the main memory 12m without storing it in the hard disk 11, executes the analysis software 11s read from the hard disk 11, and executes the medical 3D image 11g in the main memory 12m. May be analyzed.
  • the analysis software 11s is executed by the processor 12p, and includes a program for causing the computer 12 to realize an aneurysm identification function, a distortion degree evaluation function, and a rupture risk derivation function.
  • the aneurysm identification function is a function for identifying an aneurysm in a medical image.
  • the distortion degree evaluation function is a function that quantitatively evaluates the degree of distortion of the aneurysm.
  • the distortion degree evaluation function uses an ellipsoid approximation function that approximates the shape of the aneurysm An with an ellipsoid El, and a difference d between the aneurysm and the ellipsoid El as a distortion degree. And a difference evaluation function to be evaluated.
  • the rupture risk deriving function is a function for deriving the rupture risk of the aneurysm An from the result of the evaluation.
  • the evaluation result by the distortion degree evaluation function and the derivation result by the burst risk derivation function are displayed on the monitor device 14.
  • the processor 12p reads the analysis software 11s in the hard disk 11 to the main memory 12m and executes it by the operation of the operator.
  • the processor 12p reads the medical three-dimensional image 11g to be analyzed from the hard disk 11 to the main memory 12m by the operation of the operator. Further, it is assumed that the processor 12p sends the medical three-dimensional image 11g to the monitor device 14, and the monitor device 14 displays the medical three-dimensional image 11g.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST11).
  • the aneurysm An may be extracted manually by an operator using a graphical user interface (GUI) (not shown). Further, as shown in FIG. 4, the extraction of the aneurysm An automatically determines the neck NK by designating the line segment L passing through the center An0 of the aneurysm An and the center Pv0 of the parent blood vessel PV, and the neck NK Therefore, semi-automatic processing for recognizing the center side of the aneurysm An as the aneurysm An may be used.
  • GUI graphical user interface
  • the aneurysm An may be extracted by a method of automatically recognizing the aneurysm An by finding a branch that is cut off in the middle of blood vessel thinning and analyzing a change in the thickness of the branch.
  • the method for extracting these aneurysms An is the same in the following embodiments.
  • the processor 12p approximates the aneurysm An extracted in step ST11 with an ellipsoid El (ST12).
  • the approximation is performed so that the error E is minimized in the x-axis, y-axis, and z-axis orthogonal coordinate systems (x 0 , y 0 , z 0 ), (a, Perform by identifying b, c) and ( ⁇ x , ⁇ y , ⁇ z ).
  • (x 0 , y 0 , z 0 ) represents the center coordinates of the aneurysm An and the ellipsoid El.
  • (A, b, c) represents a length that is half the diameter in the x-axis, y-axis, and z-axis directions.
  • (A, b, c) and ( ⁇ x , ⁇ y , ⁇ z ) represent rotation angles in the x-axis, y-axis, and z-axis directions.
  • An (x, y, z) represents the extracted aneurysm, which is 1 if it is an aneurysm, and 0 otherwise.
  • El (x, y, z) is an ellipsoidal expression, which is 1 when the following is satisfied, and 0 otherwise.
  • the processor 12p compares the shape of the ellipsoid El with the shape of the aneurysm An and evaluates the difference d between the aneurysm and the ellipsoid El as the degree of distortion (ST13).
  • the shape of the ellipsoid El and the shape of the aneurysm An are subtracted, and the thickness at each surface position of the residual is obtained as the degree of distortion.
  • the processor 12p generates image data in which the thickness region corresponding to the obtained thickness is overlaid on the surface of the aneurysm An as a color region or a high luminance region, and sends this image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST14).
  • the processor 12p calculates a ratio between the shortest diameter and the longest diameter using a, b, and c obtained by the ellipsoidal expression, and outputs this ratio to the monitor device 14 as the degree of distortion of the entire aneurysm An. May be.
  • the processor 12p derives the risk of rupture of the aneurysm An from the evaluation result of the degree of distortion, and sends the derived result to the monitor device 14.
  • the rupture risk is derived as “high”, “medium”, or “low” depending on the magnitude of the difference d.
  • the range of the difference d and the burst risk “high”, “medium”, and “low” may be set in advance in the analysis software 11s in association with each other.
  • the following embodiments are the same, and the range of the evaluation result and the derivation result of the rupture risk are set in advance in the analysis software 11s in association with each other.
  • the monitor device 14 displays a rupture risk derivation result.
  • the aneurysm An in the medical three-dimensional image (medical image data) 11g is identified, the degree of distortion of the aneurysm An is quantitatively evaluated, and the aneurysm An is determined from the evaluation result.
  • the distortion of the aneurysm An that reduces the pressure on the inner wall can be analyzed by the configuration for deriving the rupture risk.
  • the above-described effect can be obtained with high accuracy and speed by the configuration in which the shape of the aneurysm An is approximated by the ellipsoid El and the difference between the aneurysm An and the ellipsoid El is evaluated as the degree of distortion. Can do.
  • the shape of the aneurysm An is approximated by an ellipsoid El, for example, the above-described effect can be obtained with higher accuracy than when approximated by a sphere.
  • the shape of the aneurysm An is approximated by an ellipsoid El, for example, the above-described effect can be quickly obtained as compared to the case of approximating by a multisphere having overlapping spheres having different sizes.
  • the second embodiment is a modification of the “distortion degree evaluation function” in the first embodiment.
  • the “distortion degree evaluation function” instead of the “ellipsoid approximation function” and the “difference evaluation function” described above, the “distortion degree evaluation function” includes a surface identification function for identifying the surface of the aneurysm An, and the surface contact surface And a contact surface change degree evaluation function for evaluating the degree of change of the contact surface as a degree of distortion.
  • the contact surface calculation function includes a function of approximating the surface with a curved surface, a function of identifying the first contact surface of the curved surface, and a function of identifying a plurality of second contact surfaces in the vicinity of the first contact surface. You may go out.
  • the contact surface change degree evaluation function may include a function of calculating an error between a plane identified by averaging the plurality of second contact surfaces and the first contact surface as a change degree.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST21).
  • the processor 12p identifies the boundary of the aneurysm An as the surface (ST22).
  • the processor 12p calculates the contact surface of the identified surface (ST23 to ST24). For example, the processor 12p approximates the identified surface with a multidimensional curved surface equation (ST23), and identifies (calculates) the tangent surface from this curved surface equation (ST24).
  • the processor 12p compares the identified contact surface with a nearby contact surface. Further, an error between the plane and the contact surface identified by averaging the adjacent contact surfaces is evaluated as the degree of distortion (ST25).
  • the processor 12p After that, the processor 12p generates image data in which the contact surface having the evaluated degree of distortion is superimposed on the surface of the aneurysm An as a color region or a high luminance region, and sends this image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST26).
  • the processor 12p derives the risk of rupture of the aneurysm An from the evaluation result of the degree of distortion, and sends the derived result to the monitor device 14.
  • the monitor device 14 displays the rupture risk derivation result.
  • the configuration for evaluating the degree of distortion is replaced with a configuration for identifying the surface of the aneurysm An, calculating the tangent surface, and evaluating the degree of change of the tangent surface as the degree of distortion. ing. Even when such a configuration is used, as in the first embodiment, it is possible to analyze the distortion of the aneurysm An that reduces the pressure on the inner wall.
  • the “tangent surface calculation function” includes a function of identifying the center of the aneurysm from the surface, a function of calculating the first vector connecting the center of the aneurysm and the surface, A function of calculating a plurality of second vectors connecting the center and a plurality of surfaces in the vicinity of the surface, and the “tangential surface change degree evaluation function” and a vector identified by averaging the plurality of second vectors It may be modified so as to include a function of calculating an error from one vector as a degree of change.
  • steps ST21 to ST22 are executed as described above.
  • the processor 12p calculates the contact surface of the identified surface (ST23 'to ST24').
  • the processor 12p identifies the center of gravity of the aneurysm An as the center point from the identified surface (ST23 '), and calculates the first vector connecting the center point and the surface as the normal line (ST24').
  • the processor 12p evaluates the error between the vector identified by averaging the normals on the nearby surfaces and the normal as the degree of distortion (ST25 ').
  • the processor 12p generates image data in which the surface having the evaluated degree of distortion is superimposed on the surface of the aneurysm An as a color region or a high luminance region, and sends the image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST26 ').
  • step ST26 ' The operation after step ST26 'is as described above.
  • the third embodiment is a modification of the “distortion degree evaluation function” in the first embodiment.
  • a “distortion degree evaluation function” instead of the above-described “ellipsoid approximation function” and “difference evaluation function”, creates an image by performing contraction processing and expansion processing on an aneurysm image. And a function for comparing the created image with the image before the contraction process and the expansion process and evaluating the difference between the two images as the degree of distortion.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST31).
  • the processor 12p performs N contraction processes on the image of the aneurysm An (ST32).
  • One contraction process is expressed by the following equation.
  • the processor 12p performs N expansion processes on the contracted image (ST33).
  • One expansion process is expressed by the following equation.
  • the processor 12p compares the image created by performing the contraction / expansion processing with the original aneurysm An image (ST34), and evaluates the difference between the two images as the degree of distortion.
  • the processor 12p generates image data in which the region having the evaluated degree of distortion is overlaid on the surface of the aneurysm An as a color region or a high luminance region, and sends this image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST35).
  • step ST35 the explosion risk derivation operation and the derivation result display operation are performed in the same manner as described above.
  • steps ST32 to ST34 for example, when one contraction / expansion processing is performed on the image shown in FIG. 9A, the image shown in FIG. 9C is created.
  • the difference between the original image shown in (a) of FIG. 9 and the image after the contraction / expansion processing shown in (c) of FIG. 9 is taken, the original image is obtained as shown in (d) of FIG. A protruding portion or a recessed portion (that is, a distortion portion) is extracted.
  • the present embodiment is not limited to this.
  • the contraction / expansion processing is performed N times each, and the difference is displayed in different colors, so that a portion extracted as a difference with a small value of N is a portion with a large distortion
  • the degree of distortion can be quantified by assuming that a part extracted as a difference with a large value of N is a part with little distortion.
  • the configuration for evaluating the degree of distortion is performed by performing contraction processing and expansion processing on the image of the aneurysm An, and creating the image and the contraction processing and expansion processing.
  • the configuration is such that the image before comparison is compared and the degree of distortion is calculated based on the difference between the two images. Even when such a configuration is used, as in the first embodiment, it is possible to analyze the distortion of the aneurysm An that reduces the pressure on the inner wall.
  • the fourth embodiment is a modification of the “distortion degree evaluation function” in the first embodiment.
  • a “distortion degree evaluation function” is a function of creating an image by applying a low-pass filter to an aneurysm image; A function of comparing the created image with an image before applying the low-pass filter and evaluating a difference between the two images as a degree of distortion is included.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST41).
  • the processor 12p creates an image by applying a low-pass filter to the image of the aneurysm An (ST42).
  • the processor 12p compares the created image with the image before applying the low-pass filter, and identifies the difference between the two images (ST43).
  • the processor 12p evaluates the difference between both images as the degree of distortion (ST44). Thereafter, the processor 12p generates image data in which the region having the evaluated degree of distortion is overlaid on the surface of the aneurysm An as a color region or a high luminance region, and sends this image data to the monitor device 14. The monitor device 14 displays this image data (ST45).
  • step ST45 the explosion risk derivation operation and the derivation result display operation are performed in the same manner as described above.
  • a plurality of low-pass filters used in the above-described step ST42 are prepared depending on the degree.
  • steps ST43 to ST44 the processing result of the light low-pass filter (with less blur) is compared with the original aneurysm, and the difference is used as a distortion portion. Record.
  • the processing result of the low-pass filter (which has a lot of blur), which becomes gradually stronger, is compared with the original aneurysm, and the difference is recorded as a distortion portion.
  • the part extracted as a difference in the first stage is recorded as a part having a high degree of distortion
  • the part extracted as a difference in stages is recorded as a part having a lower degree of distortion, and displayed in different colors. For example, a portion with a high degree of distortion is displayed in red, a portion with a low degree of distortion is displayed in blue, and a halfway step is displayed in yellow.
  • the configuration for evaluating the degree of distortion creates an image by applying a low-pass filter to the image of the aneurysm An, and the created image and the image before the low-pass filter are applied. In comparison, the difference between the two images is evaluated as the degree of distortion. Even when such a configuration is used, as in the first embodiment, it is possible to analyze the distortion of the aneurysm An that reduces the pressure on the inner wall.
  • the fifth embodiment is a modification of the “distortion degree evaluation function” in the first embodiment.
  • the “distortion degree evaluation function” instead of the above-described “ellipsoid approximation function” and “difference evaluation function”, extracts the surface shape of the aneurysm An and smoothes the surface shape. And a function for comparing the smoothed surface shape with the surface shape before the smoothing and calculating the degree of distortion based on the error between the two.
  • step ST51 is the same as the operation from the start to step ST11 in the first embodiment.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST51).
  • the processor 12p identifies the boundary of the aneurysm An as the surface (ST52).
  • the processor 12p performs smoothing on the identified surface (ST53). Smoothing may be performed by fitting a low-order curved surface or by using a curved surface approximation function such as B-SPLINE.
  • the processor 12p evaluates the degree of distortion according to the error based on the error between the smoothed curved surface and the surface (ST54). For example, it is evaluated that the degree of distortion is large in proportion to the magnitude of the error.
  • the processor 12p generates image data in which the region having the evaluated degree of distortion is overlaid on the surface of the aneurysm An as a color region or a high luminance region, and sends this image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST55).
  • step ST55 the explosion risk derivation operation and the derivation result display operation are performed in the same manner as described above.
  • the configuration for evaluating the degree of distortion is obtained by extracting the surface shape of the aneurysm An, smoothing the surface shape, the smoothed surface shape, and the surface shape before the smoothing. And a configuration that evaluates the degree of distortion according to the error between the two. Even when such a configuration is used, as in the first embodiment, it is possible to analyze the distortion of the aneurysm An that reduces the pressure on the inner wall.
  • the sixth embodiment is a modification of the first embodiment.
  • the computer 12 uses the blood vessel identification function for identifying the parent blood vessel in which the aneurysm has occurred, the inclination between the aneurysm and the parent blood vessel. It is a program for realizing an inclination evaluation function that quantitatively evaluates.
  • the inclination evaluation function includes the function of approximating the shape of the aneurysm with an ellipsoid, the function of identifying the inclination of the parent blood vessel, and the function of calculating the angle formed by the inclination of the parent blood vessel and the diameter of the ellipsoid. It may include a function of determining an angle formed most perpendicular to the angle as an inclination between the aneurysm and the parent blood vessel.
  • the processor 12p extracts the aneurysm An from the medical three-dimensional image 11g in the main memory 12m (ST61), and approximates the aneurysm An with an ellipsoid El (ST62).
  • the processor 12p identifies the inclination of the parent blood vessel in which the aneurysm An has occurred (ST63).
  • the process of identifying the inclination of the parent blood vessel may be performed by deleting the aneurysm An from the medical three-dimensional image 11g and then performing thinning in the vicinity of the position of the aneurysm An to identify the inclination. May be.
  • the processor 12p calculates an angle formed by the identified inclination and each axis of the ellipsoid (ST64), and among the formed angles, the most perpendicular angle is determined as an angle formed by the aneurysm and the parent blood vessel ( evaluate.
  • the processor 12p generates image data in which the determined angle value is expressed in the vicinity of the neck of the aneurysm An, and sends this image data to the monitor device 14.
  • the monitor device 14 displays this image data (ST65).
  • step ST65 the explosion risk derivation operation and the derivation result display operation are performed in the same manner as described above.
  • the aneurysm An in the medical three-dimensional image 11g is identified, the parent blood vessel in which the aneurysm An is generated is identified, and the inclination between the aneurysm An and the parent blood vessel is quantified.
  • the configuration of deriving the rupture risk of the aneurysm An from the result of the evaluation can analyze the shape of the aneurysm An that reduces the pressure on the inner wall.
  • the shape shown in FIG. 13A or 13B when the direction of blood flow is also considered, the shape shown in FIG. 13A is more likely to enter the aneurysm An than the shape shown in FIG. 13B. The pressure is unlikely to decrease.
  • the direction of blood flow may be determined by the processor 12p so as to flow from the thicker side of the parent blood vessel Pv to the thinner side, or may be designated by the operator.
  • the seventh embodiment is a modification of the first to sixth embodiments.
  • the “aneurysm identification function” of the above-described program includes a function of identifying an aneurysm An at the same position in two or more medical three-dimensional images 11g in the same subject.
  • the seventh embodiment is a modification of the first to fifth embodiments
  • the above-described “distortion degree evaluation function” is a function for evaluating a change in the distortion degree of the identified aneurysm An. Is included.
  • the above-described program is a program that further causes the computer 12 to function as a size evaluation function and an output function.
  • the size evaluation function is a function for evaluating a change in the size (eg, volume, surface area) of the identified aneurysm An.
  • the output function is a function that outputs one of the evaluation results of the size evaluation function and the distortion degree evaluation function, or both evaluation results.
  • the above-described “inclination evaluation function” has a function of evaluating a change in the inclination ⁇ between the identified aneurysm An and the parent blood vessel Pv. Contains.
  • the above-described program is a program that further causes the computer 12 to function as a size evaluation function and an output function.
  • the size evaluation function is a function for evaluating a change in the size of the identified aneurysm An.
  • the output function is a function for outputting one of the size evaluation function and the inclination evaluation function, or both evaluation results.
  • the processor 12p extracts the aneurysm An from the plurality of medical three-dimensional images 11g, and uses the volume of the aneurysm An and the distortion degree (or the first degree calculated using any of the first to fifth embodiments described above).
  • the evaluation result is displayed on the monitor device 14 so that it can be compared with the inclination calculated using the sixth embodiment.
  • time may be displayed on the horizontal axis of the graph
  • volume may be displayed on the vertical axis of the graph
  • degree of distortion (or slope) of the entire aneurysm An or the maximum value of local distortion may be displayed.
  • the degree of distortion (or slope) of the entire aneurysm An or the maximum value of local distortion may be displayed.
  • the volume and the degree of distortion may be displayed as desired.
  • either or both of the volume and inclination may be displayed as desired.
  • the processor 12p identifies, for example, the center of the aneurysm An, maps the local degree of distortion to the polar coordinates from the center, calculates the ratio or rate of change of the degree of distortion at different times, and calculates the calculation result to the monitor device 14. May be displayed.
  • the ratio r or change rate r c different times t 1, strain rate d 1 of t 2, d 2, for example, may be calculated as follows (where, t 1 ⁇ t 2).
  • the processor 12p identifies the center of the aneurysm An, identifies the distance from the center in the polar coordinate system from the center, calculates the ratio or change rate of the distances at different times in the same manner as described above, and calculates the calculation result. You may display on the monitor apparatus 14. FIG.
  • the aneurysm An in the medical three-dimensional image 11g is identified, the degree of distortion (or inclination) of the aneurysm An is quantitatively evaluated, and the aneurysm An is determined from the evaluation result.
  • the distortion (or shape) of the aneurysm An that reduces the pressure on the inner wall can be analyzed.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

　実施形態に係るシステムは、メモリ、動脈瘤同定手段、歪み度評価手段及び破裂リスク解析手段を具備する。前記メモリは、医用画像データを記憶する。前記動脈瘤同定手段は、前記医用画像データにおける動脈瘤を同定する。前記歪み度評価手段は、前記動脈瘤の歪み度を定量的に評価する。前記破裂リスク導出手段は、前記評価の結果から当該動脈瘤の破裂リスクを導出する。

Description

システム及び導出方法
　本発明の実施形態は、システム及び導出方法に関する。
　頭部動脈瘤は、一般に、破裂の危険性（以下、破裂リスクという）が高い場合には手術が行われ、破裂リスクが低い場合には投薬によるフォロー（経過観察）が行われる。頭部動脈瘤のフォローの際には、動脈瘤の形態を評価するための様々な方式が用いられている。
　第１の方式は、ＣＴＡ（computed tomography angiography: ＣＴ血管造影）又はＭＲＩ（magnetic resonance imaging: 磁気共鳴撮影）により動脈瘤の画像を撮影し、当該画像に基づいて、動脈瘤の形状を視覚的に評価する手法である。
　第２の方式は、前述した画像に基づいて、動脈瘤への血流をコンピュータで解析し、内壁のせん断ストレス（WSS: wall shear stress）を評価する手法である。
Dhar S, Tremmel M, Mocco J, Yamamoto J, Siddiqui AH, Hopkins LN, Kim M, Meng H: "Morphology Parameters for Intracranial Aneurysm Rupture Risk Assessment.", Neurosurgery, 63:185-197, 2008.
　頭部動脈瘤は、血流による内壁への過大な圧力（stress）で発生し、圧力の低下によって内壁が脆くなって破裂することが近年の研究によって分かってきている。
　従って、本発明者の検討によれば、動脈瘤の破裂リスクを解析（導出）する際には、内壁への圧力を低下させるような動脈瘤の形状、大きさ又は歪みを解析することが有用である。
　しかしながら、このような動脈瘤の形状、大きさ又は歪みを解析する手法は未だ提案されていない。
　目的は、内壁への圧力を低下させるような動脈瘤の形状、大きさ又は歪みを解析し得るシステム及び導出方法を提供することである。
　実施形態に係るシステムは、メモリ、動脈瘤同定手段、歪み度評価手段及び破裂リスク解析手段を具備する。
　前記メモリは、医用画像データを記憶する。
　前記動脈瘤同定手段は、前記医用画像データにおける動脈瘤を同定する。
　前記歪み度評価手段は、前記動脈瘤の歪み度を定量的に評価する。
　前記破裂リスク導出手段は、前記評価の結果から当該動脈瘤の破裂リスクを導出する。
図１は、第１の実施形態に係るシステム及びその周辺構成を示す模式図である。 図２は、同実施形態における動脈瘤、楕円体及び両者の差異を示す模式図である。 図３は、同実施形態における動作を説明するためのフローチャートである。 図４は、同実施形態における動脈瘤の抽出動作の一例を説明するための模式図である。 図５は、同実施形態における楕円体近似の一例を説明するための模式図である。 図６は、第２の実施形態における動作を説明するためのフローチャートである。 図７は、同実施形態の変形例の動作を説明するためのフローチャートである。 図８は、第３の実施形態における動作を説明するためのフローチャートである。 図９は、同実施形態における両画像の差分を説明するための模式図である。 図１０は、第４の実施形態における動作を説明するためのフローチャートである。 図１１は、第５の実施形態における動作を説明するためのフローチャートである。 図１２は、第６の実施形態における動作を説明するためのフローチャートである。 図１３Ａは、同実施形態における効果を説明するための模式図である。 図１３Ｂは、同実施形態における効果を説明するための模式図である。 図１３Ｃは、同実施形態における効果を説明するための模式図である。
　以下、図面を参照しながら各実施形態に係わるシステム及び導出方法を説明する。以下のシステムは、それぞれハードウェア構成、又はハードウェア資源とソフトウェアとの組合せ構成のいずれでも実施可能となっている。組合せ構成のソフトウェアとしては、予めネットワーク又は記憶媒体からコンピュータにインストールされ、システムの各機能を当該コンピュータに実現させるためのプログラムが用いられる。なお、「システム」の用語は、「破裂リスク導出システム」又は「導出システム」等と読み替えてもよい。また、「導出」の用語は、「解析」等と読み替えてもよい。
　＜第１の実施形態＞
　図１は第１の実施形態に係るシステム及びその周辺構成を示す模式図である。システムは、医用画像ワークステーション１０及びモニタ装置１４によって構成されている。医用画像ワークステーション１０の内部にはハードディスク１１、コンピュータ１２及びネットワークＩ／Ｆ（例えば、Ethernet（登録商標） Cardなど）１３がある。
　ハードディスク１１には解析用ソフトウェア（プログラム）１１ｓと医用三次元画像（医用画像データ）１１ｇが保管されている。コンピュータ１２は、メインメモリ１２ｍ及びプロセッサ１２ｐを備えている。
　プロセッサ１２ｐは、ハードディスク１１内の解析用ソフトウェア１１ｓと医用三次元画像１１ｇをメインメモリ１２ｍに読み出して解析用ソフトウェア１１ｓの処理を実行する。
　プロセッサ１２ｐは、医用三次元画像１１ｇをネットワークＩ／Ｆ１３によりネットワークを介してＰＡＣＳ(picture archiving communication system)システム２０、ＣＴ(computed tomography)装置３０、ＭＲＩ装置４０などから取得し、ハードディスク１１に保管しておく。
　但し、プロセッサ１２ｐは、医用三次元画像１１ｇをハードディスク１１に保管せずにメインメモリ１２ｍに転送し、ハードディスク１１から読み出した解析用ソフトウェア１１ｓを実行して、メインメモリ１２ｍ内の医用三次元画像１１ｇを解析しても良い。
　なお、解析用ソフトウェア１１ｓは、プロセッサ１２ｐに実行され、コンピュータ１２に動脈瘤同定機能、歪み度評価機能及び破裂リスク導出機能を実現させるためのプログラムを含んでいる。
　ここで、動脈瘤同定機能は、医用画像における動脈瘤を同定する機能である。
　歪み度評価機能は、動脈瘤の歪み度を定量的に評価する機能である。本実施形態において、歪み度評価機能は、図２に示すように、動脈瘤Ａｎの形状を楕円体Ｅｌで近似する楕円体近似機能と、動脈瘤と楕円体Ｅｌとの差異ｄを歪み度として評価する差異評価機能とを含んでいる。
　破裂リスク導出機能は、評価の結果から当該動脈瘤Ａｎの破裂リスクを導出する機能である。また、歪み度評価機能による評価の結果、及び破裂リスク導出機能による導出結果は、モニタ装置１４に表示される。
　次に、以上のように構成されたシステムの動作について図３のフローチャート及び図４乃至図５の模式図を用いて説明する。なお、システムの医用画像ワークステーション１０は、操作者の操作により、プロセッサ１２ｐがハードディスク１１内の解析用ソフトウェア１１ｓをメインメモリ１２ｍに読み出して実行しているものとする。また、医用画像ワークステーション１０は、操作者の操作により、プロセッサ１２ｐが、解析対象の医用三次元画像１１ｇをハードディスク１１からメインメモリ１２ｍに読み出しているものとする。さらに、プロセッサ１２ｐは、この医用三次元画像１１ｇをモニタ装置１４に送出し、モニタ装置１４は、この医用三次元画像１１ｇを表示しているものとする。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出する（ＳＴ１１）。動脈瘤Ａｎの抽出は、図示しないＧＵＩ(graphical user interface)で操作者がマニュアルで抽出しても良い。また、動脈瘤Ａｎの抽出は、図４に示すように、動脈瘤Ａｎの中心Ａｎ0と親血管ＰＶの中心Ｐｖ0を通る線分Ｌを指定することで自動的にネックＮＫを判断し、ネックＮＫから動脈瘤Ａｎの中心側を動脈瘤Ａｎと認識する半自動処理でも良い。また、動脈瘤Ａｎの抽出は、血管の細線化を行って途中で切れている枝を発見し、その枝の太さの変化を解析することで動脈瘤Ａｎを自動認識する方法でも良い。これらの動脈瘤Ａｎの抽出手法は、以下の各実施形態でも同様である。
　次に、プロセッサ１２ｐは、ステップＳＴ１１で抽出した動脈瘤Ａｎを楕円体Ｅｌで近似する（ＳＴ１２）。近似は、図５及び以下の式に示すように、ｘ軸、ｙ軸、ｚ軸の直交座標系において、誤差Ｅを最小化するように（ｘ0，ｙ0，ｚ0）、（ａ，ｂ，ｃ）及び（θｘ，θｙ，θｚ）を同定することにより、実行する。なお、（ｘ0，ｙ0，ｚ0）は、動脈瘤Ａｎ及び楕円体Ｅｌの中心座標を表す。（ａ，ｂ，ｃ）は、ｘ軸、ｙ軸、ｚ軸方向の径の半分の長さを表す。（ａ，ｂ，ｃ）、（θｘ，θｙ，θｚ）は、ｘ軸、ｙ軸、ｚ軸方向の回転角を表す。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ａｎ（ｘ，ｙ，ｚ）は抽出した動脈瘤を表し、動脈瘤であれば１、それ以外は０となる。Ｅｌ（ｘ，ｙ，ｚ）は楕円体の式で、以下を満足する時に１となり、それ以外は０である。
Figure JPOXMLDOC01-appb-M000002
　続いて、プロセッサ１２ｐは、楕円体Ｅｌの形状と動脈瘤Ａｎの形状とを比較し、動脈瘤と楕円体Ｅｌとの差異ｄを歪み度として評価する（ＳＴ１３）。評価方法としては、例えば、楕円体Ｅｌの形状と動脈瘤Ａｎの形状とをサブトラクションし、残差の各表面位置における厚さを歪み度として求める。
　しかる後、プロセッサ１２ｐは、求めた厚さに相当する厚み領域をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ１４）。
　また、プロセッサ１２ｐは、楕円体の式で求めたａ，ｂ，ｃを用い、最短径と最長径との比を算出し、この比を動脈瘤Ａｎ全体の歪み度としてモニタ装置１４に出力しても良い。
　最後に、プロセッサ１２ｐは、歪み度の評価結果から当該動脈瘤Ａｎの破裂リスクを導出し、導出結果をモニタ装置１４に送出する。破裂リスクは、例えば、動脈瘤と楕円体Ｅｌとの差異ｄを歪み度としたとき、差異ｄの大きさに応じて「高」、「中」又は「低」と導出される。なお、差異ｄの範囲と、破裂リスクの「高」、「中」及び「低」とは、予め関連付けて解析用ソフトウェア１１ｓに設定しておけばよい。以下の各実施形態も同様であり、評価結果の範囲と破裂リスクの導出結果とは予め関連付けて解析用ソフトウェア１１ｓに設定しておくものとする。また、モニタ装置１４は、破裂リスクの導出結果を表示する。
　上述したように本実施形態によれば、医用三次元画像（医用画像データ）１１ｇにおける動脈瘤Ａｎを同定し、動脈瘤Ａｎの歪み度を定量的に評価し、評価の結果から当該動脈瘤Ａｎの破裂リスクを導出する構成により、内壁への圧力を低下させるような動脈瘤Ａｎの歪みを解析することができる。
　補足すると、動脈瘤Ａｎの形状に歪みがあると、歪みの箇所で血流が淀んで内壁への圧力が低下すると考えられる。また、近年の研究によれば、圧力の低下により、破裂が生じる。すなわち、歪みが圧力の低下をもたらし、圧力の低下が破裂をもたらすので、歪み度の定量的な評価結果に応じて、破裂リスクを導出することができる。
　また、本実施形態では、動脈瘤Ａｎの形状を楕円体Ｅｌで近似し、動脈瘤Ａｎと楕円体Ｅｌとの差異を歪み度として評価する構成により、前述した効果を高精度かつ迅速に得ることができる。補足すると、動脈瘤Ａｎの形状を楕円体Ｅｌで近似するため、例えば、球体で近似する場合に比べ、前述した効果を高精度に得ることができる。また、動脈瘤Ａｎの形状を楕円体Ｅｌで近似するため、例えば、大きさの異なる球体を重ねた多重球体で近似する場合に比べ、前述した効果を迅速に得ることができる。
　＜第２の実施形態＞
　次に、第２の実施形態に係るシステムについて図１を用いて説明する。なお、前述した部分と同一部分についてはその詳しい説明を省略し、ここでは異なる部分について主に述べる。また、以下の各実施形態も同様にして重複した部分の説明を省略する。
　第２の実施形態は、第１の実施形態における「歪み度評価機能」の変形例である。第２の実施形態は、前述した「楕円体近似機能」及び「差異評価機能」に代えて、「歪み度評価機能」が、動脈瘤Ａｎの表面を同定する表面同定機能と、表面の接面を算出する接面算出機能と、接面の変化度を歪み度として評価する接面変化度評価機能とを含んでいる。
　ここで、接面算出機能は、表面を曲面で近似する機能と、曲面の第１接面を同定する機能と、第１接面の近傍の複数の第２接面を同定する機能とを含んでいてもよい。
　また、接面変化度評価機能は、当該複数の第２接面を平均して同定した平面と第１接面との誤差を変化度として算出する機能を含んでいてもよい。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について図６のフローチャートを用いて説明する。なお、開始時からステップＳＴ２１までの動作は、第１の実施形態における開始時からステップＳＴ１１までの動作と同様である。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出する（ＳＴ２１）。
　次に、プロセッサ１２ｐは、動脈瘤Ａｎの境界を表面として同定する（ＳＴ２２）。
　また、プロセッサ１２ｐは、同定した表面の接面を算出する（ＳＴ２３～ＳＴ２４）。例えば、プロセッサ１２ｐは、同定した表面を多次元の曲面式で近似し（ＳＴ２３）、この曲面式から接面を同定（算出）する（ＳＴ２４）。
　さらに、プロセッサ１２ｐは、同定した接面を近傍の接面と比較する。また、近傍の接面を平均して同定した平面と接面との誤差を歪み度として評価する（ＳＴ２５）。
　しかる後、プロセッサ１２ｐは、評価した歪み度をもつ接面をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ２６）。
　以下、前述同様に、プロセッサ１２ｐは、歪み度の評価結果から当該動脈瘤Ａｎの破裂リスクを導出し、導出結果をモニタ装置１４に送出する。モニタ装置１４は、破裂リスクの導出結果を表示する。
　上述したように本実施形態によれば、歪み度を評価する構成を、動脈瘤Ａｎの表面を同定し、表面の接面を算出し、接面の変化度を歪み度として評価する構成に代えている。このような構成に代えた場合でも、第１の実施形態と同様に、内壁への圧力を低下させるような動脈瘤Ａｎの歪みを解析することができる。
　なお、第２の実施形態は、「接面算出機能」が、表面から動脈瘤の中心を同定する機能と、動脈瘤の中心と表面とを結ぶ第１ベクトルを算出する機能と、動脈瘤の中心と当該表面の近傍の複数の表面とを結ぶ複数の第２ベクトルを算出する機能とを含み、「接面変化度評価機能」が、複数の第２ベクトルを平均して同定したベクトルと第１ベクトルとの誤差を変化度として算出する機能を含むように、変形してもよい。
　この変形例の場合、図７に示すように、ステップＳＴ２１～ＳＴ２２は、前述した通りに実行される。次に、プロセッサ１２ｐは、同定した表面の接面を算出する（ＳＴ２３’～ＳＴ２４’）。ここで、プロセッサ１２ｐは、同定した表面から動脈瘤Ａｎの重心を中心点として同定し（ＳＴ２３’）、この中心点と表面とを結ぶ第１ベクトルを法線として算出する（ＳＴ２４’）。
　さらに、プロセッサ１２ｐは、近傍の表面における法線を平均して同定したベクトルと法線との誤差を歪み度として評価する（ＳＴ２５’）。
　しかる後、プロセッサ１２ｐは、評価した歪み度をもつ表面をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ２６’）。
　なお、ステップＳＴ２６’の終了後の動作は、前述した通りである。
　このような変形例としても、第２の実施形態と同様の効果を得ることができる。
　＜第３の実施形態＞
　次に、第３の実施形態に係るシステムについて図１を用いて説明する。
　第３の実施形態は、第１の実施形態における「歪み度評価機能」の変形例である。第３の実施形態は、前述した「楕円体近似機能」及び「差異評価機能」に代えて、「歪み度評価機能」が、動脈瘤の画像に収縮処理及び拡張処理を施して画像を作成する手段と、当該作成した画像と当該収縮処理及び拡張処理を施す前の画像とを比較し、両画像の差分を歪み度として評価する機能とを含んでいる。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について図８のフローチャートを用いて説明する。なお、開始時からステップＳＴ３１までの動作は、第１の実施形態における開始時からステップＳＴ１１までの動作と同様である。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出する（ＳＴ３１）。
　次に、プロセッサ１２ｐは、動脈瘤Ａｎの画像にＮ回の収縮処理を施す（ＳＴ３２）。１回の収縮処理は以下の式によって表わされる。
Figure JPOXMLDOC01-appb-M000003
　ここで、f(i,j,k)では、動脈瘤は１、それ以外の領域は０を示している。
　次に、プロセッサ１２ｐは、収縮処理された画像にＮ回の拡張処理を施す（ＳＴ３３）。１回の拡張処理は以下の式によって表わされる。
Figure JPOXMLDOC01-appb-M000004
　さらに、プロセッサ１２ｐは、収縮・拡張処理を施して作成した画像と元の動脈瘤Ａｎの画像とを比較し（ＳＴ３４）、両画像の差分を歪み度として評価する。
　しかる後、プロセッサ１２ｐは、評価した歪み度をもつ領域をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ３５）。
　ステップＳＴ３５の後、破裂リスクの導出動作及び導出結果の表示動作は、前述同様に実行される。
　なお、上述したステップＳＴ３２～ＳＴ３４の処理においては、例えば、図９の（ａ）に示す画像に１回の収縮処理・拡張処理を施した場合、図９の（ｃ）に示す画像が作成される。図９の（ａ）に示す元の画像と、図９の（ｃ）に示す収縮・拡張処理後の画像との差分をとると、図９の（ｄ）に示すように、元の画像で突出した部分やへこんだ部分（即ち、歪みの部分）が抽出される。
　また、ここでは１回の収縮・拡張処理をした場合について説明したが、本実施形態は、これに限定されない。本実施形態によれば、例えば、収縮・拡張処理をそれぞれＮ回ずつ行い、その差分を別々のカラーで表示することにより、Ｎが小さい値で差異として抽出された部分を歪みが大きい部分とし、Ｎが大きい値で差異として抽出された部分を歪みが少ない部分として、歪み度を定量化できる。
　上述したように本実施形態によれば、歪み度を評価する構成を、動脈瘤Ａｎの画像に収縮処理及び拡張処理を施して画像を作成し、当該作成した画像と当該収縮処理及び拡張処理を施す前の画像とを比較し、両画像の差分に基づいて歪み度を算出する構成に代えている。このような構成に代えた場合でも、第１の実施形態と同様に、内壁への圧力を低下させるような動脈瘤Ａｎの歪みを解析することができる。
　＜第４の実施形態＞
　次に、第４の実施形態に係るシステムについて図１を用いて説明する。
　第４の実施形態は、第１の実施形態における「歪み度評価機能」の変形例である。第４の実施形態は、前述した「楕円体近似機能」及び「差異評価機能」に代えて、「歪み度評価機能」が、動脈瘤の画像にローパスフィルタをかけて画像を作成する機能と、当該作成した画像と当該ローパスフィルタをかける前の画像とを比較し、両画像の差異を歪み度として評価する機能とを含んでいる。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について図１０のフローチャートを用いて説明する。なお、開始時からステップＳＴ４１までの動作は、第１の実施形態における開始時からステップＳＴ１１までの動作と同様である。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出する（ＳＴ４１）。
　次に、プロセッサ１２ｐは、動脈瘤Ａｎの画像にローパスフィルタをかけて画像を作成する（ＳＴ４２）。
　また、プロセッサ１２ｐは、当該作成した画像と、当該ローパスフィルタをかける前の画像とを比較し、両画像の差異を同定する（ＳＴ４３）。
　続いて、プロセッサ１２ｐは、両画像の差異を歪み度として評価する（ＳＴ４４）
　しかる後、プロセッサ１２ｐは、評価した歪み度をもつ領域をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ４５）。
　ステップＳＴ４５の後、破裂リスクの導出動作及び導出結果の表示動作は、前述同様に実行される。
　なお、上述したステップＳＴ４２で用いるローパスフィルタは程度によって複数用意し、ステップＳＴ４３～ＳＴ４４では、軽いローパスフィルタ（ぼけの少ない）の処理結果と元の動脈瘤とを比較し、その差分を歪み部分として記録する。同様に、段々と程度の強くなるローパスフィルタ（ぼけの多い）の処理結果と元の動脈瘤とを比較し、その差分を歪み部分として記録する。ここで最初の段階で差異として抽出された部分を歪み度が大きい部分として、段階的に差異として抽出された部分を歪み度がより少ない部分として記録し、別々のカラーで表示する。例えば歪み度が大きい部分を赤で、歪み度が少ない部分を青で、その途中段階は黄色などで表示する。
　上述したように本実施形態によれば、歪み度を評価する構成を、動脈瘤Ａｎの画像にローパスフィルタをかけて画像を作成し、当該作成した画像と当該ローパスフィルタをかける前の画像とを比較し、両画像の差異を歪み度として評価する構成に代えている。このような構成に代えた場合でも、第１の実施形態と同様に、内壁への圧力を低下させるような動脈瘤Ａｎの歪みを解析することができる。
　＜第５の実施形態＞
　次に、第５の実施形態に係るシステムについて図１を用いて説明する。
　第５の実施形態は、第１の実施形態における「歪み度評価機能」の変形例である。第５の実施形態は、前述した「楕円体近似機能」及び「差異評価機能」に代えて、「歪み度評価機能」が、動脈瘤Ａｎの表面形状を抽出する機能と、当該表面形状をスムージングするスムージング機能と、当該スムージングした表面形状と当該スムージングをする前の表面形状とを比較し、両者の誤差に基づいて歪み度を算出する機能とを含んでいる。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について図１１のフローチャートを用いて説明する。なお、開始時からステップＳＴ５１までの動作は、第１の実施形態における開始時からステップＳＴ１１までの動作と同様である。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出する（ＳＴ５１）。
　次に、プロセッサ１２ｐは、動脈瘤Ａｎの境界を表面として同定する（ＳＴ５２）。
　また、プロセッサ１２ｐは、同定した表面に対しスムージングをかける（ＳＴ５３）。スムージングは低次の曲面をフィッティングしても良いし、Ｂ－ＳＰＬＩＮＥのような曲面近似関数を用いてスムージングしても良い。
　また、プロセッサ１２ｐは、スムージングされた曲面と表面との誤差に基づき、誤差に応じて歪み度を評価する（ＳＴ５４）。例えば、誤差の大きさに比例して歪み度も大きい旨を評価する。
　しかる後、プロセッサ１２ｐは、評価した歪み度をもつ領域をカラー領域又は高輝度領域として動脈瘤Ａｎの表面に重ね合わせた画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ５５）。
　ステップＳＴ５５の後、破裂リスクの導出動作及び導出結果の表示動作は、前述同様に実行される。
　上述したように本実施形態によれば、歪み度を評価する構成を、動脈瘤Ａｎの表面形状を抽出し、当該表面形状をスムージングし、当該スムージングした表面形状と当該スムージングをする前の表面形状とを比較し、両者の誤差に応じて歪み度を評価する構成に代えている。このような構成に代えた場合でも、第１の実施形態と同様に、内壁への圧力を低下させるような動脈瘤Ａｎの歪みを解析することができる。
　＜第６の実施形態＞
　次に、第６の実施形態に係るシステムについて図１を用いて説明する。
　第６の実施形態は、第１の実施形態の変形例である。第６の実施形態では、前述したプログラムが「歪み度評価機能」に代えて、コンピュータ１２を、動脈瘤が発生している親血管を同定する血管同定機能、当該動脈瘤と親血管との傾きを定量的に評価する傾き評価機能を実現させるためのプログラムとなっている。
　ここで、傾き評価機能は、動脈瘤の形状を楕円体で近似する機能と、親血管の傾きを同定する機能と、親血管の傾きと楕円体の径のなす角を算出する機能と、なす角の中で最も垂直に近いなす角を、動脈瘤と親血管との傾きとして決定する機能とを含んでいてもよい。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について図１２のフローチャートを用いて説明する。なお、開始時からステップＳＴ６２までの動作は、第１の実施形態における開始時からステップＳＴ１２までの動作と同様である。
　プロセッサ１２ｐは、メインメモリ１２ｍ内の医用三次元画像１１ｇから動脈瘤Ａｎを抽出し（ＳＴ６１）、当該動脈瘤Ａｎを楕円体Ｅｌで近似する（ＳＴ６２）。
　また、プロセッサ１２ｐは、動脈瘤Ａｎが発生している親血管の傾きを同定する（ＳＴ６３）。親血管の傾きを同定する処理は、医用三次元画像１１ｇから動脈瘤Ａｎを削除した後、動脈瘤Ａｎの位置の近傍で細線化を行って傾き同定しても良いし、操作者が指定しても良い。
　さらに、プロセッサ１２ｐは、同定した傾きと楕円体の各軸とのなす角を算出し（ＳＴ６４）、当該なす角のうち、最も垂直に近い角を動脈瘤と親血管とのなす角として決定（評価）する。
　また、プロセッサ１２ｐは、決定したなす角の値を動脈瘤Ａｎのネック近傍に表した画像データを生成し、この画像データをモニタ装置１４に送出する。モニタ装置１４は、この画像データを表示する（ＳＴ６５）。
　ステップＳＴ６５の後、破裂リスクの導出動作及び導出結果の表示動作は、前述同様に実行される。
　上述したように本実施形態によれば、医用三次元画像１１ｇにおける動脈瘤Ａｎを同定し、動脈瘤Ａｎが発生している親血管を同定し、当該動脈瘤Ａｎと親血管との傾きを定量的に評価し、評価の結果から当該動脈瘤Ａｎの破裂リスクを導出する構成により、内壁への圧力を低下させるような動脈瘤Ａｎの形状を解析することができる。
　補足すると、図１３Ａ又は図１３Ｂに示すように、動脈瘤Ａｎが親血管Ｐｖから傾きφが小さい形状であると、動脈瘤Ａｎの先端の箇所で血流が淀んで内壁への圧力が低下すると考えられる（逆に、図１３Ｃに示すように、傾きφが大きいと、血流が淀まず、圧力が低下しないと考えられる）。また、近年の研究によれば、圧力の低下により、破裂が生じる。すなわち、親血管Ｐｖとの傾きφが小さい形状が圧力の低下をもたらし、圧力の低下が破裂をもたらすので、動脈瘤Ａｎの形状の定量的な評価結果に応じて、破裂リスクを導出することができる。また、図１３Ａ又は図１３Ｂに示す形状において、血流の方向も考慮する場合には、図１３Ａに示す形状の方が、図１３Ｂに示す形状よりも血流が動脈瘤Ａｎに入りやすいので、圧力が低下しにくいと考えられる。ここで、血流の方向は、例えば親血管Ｐｖの太い方から細い方に流れるようにプロセッサ１２ｐが判定してもよく、あるいは操作者が指定してもよい。
　＜第７の実施形態＞
　次に、第７の実施形態に係るシステムについて図１を用いて説明する。
　第７の実施形態は、第１～第６の各実施形態の変形例である。第７の実施形態では、前述したプログラムの「動脈瘤同定機能」が、同一の被検体における２つ以上の医用三次元画像１１ｇにおける同一位置の動脈瘤Ａｎを同定する機能を含んでいる。
　ここで、第７の実施形態が第１～第５の各実施形態の変形例である場合、前述した「歪み度評価機能」が、同定された動脈瘤Ａｎの歪み度の変化を評価する機能を含んでいる。
　また、前述したプログラムが、コンピュータ１２を、大きさ評価機能、出力機能として更に機能させるプログラムとなっている。大きさ評価機能は、同定された動脈瘤Ａｎの大きさ（例、体積、表面積）の変化を評価する機能である。出力機能は、大きさ評価機能及び歪み度評価機能のいずれか一方の評価結果、又は両方の評価結果を出力する機能である。
　一方、第７の実施形態が第６の実施形態の変形例である場合、前述した「傾き評価機能」が、同定された動脈瘤Ａｎと親血管Ｐｖとの傾きφの変化を評価する機能を含んでいる。
　また、前述したプログラムが、コンピュータ１２を、大きさ評価機能、出力機能として更に機能させるプログラムとなっている。大きさ評価機能は、同定された動脈瘤Ａｎの大きさの変化を評価する機能である。出力機能は、大きさ評価機能及び傾き評価機能のいずれか一方の評価結果、又は両方の評価結果を出力する機能である。
　他の構成は、第１の実施形態と同様である。
　次に、以上のように構成されたシステムの動作について説明する。
　プロセッサ１２ｐは、複数の医用三次元画像１１ｇから動脈瘤Ａｎを抽出し、この動脈瘤Ａｎの体積と、前述した第１～第５の実施形態のいずれかを用いて算出した歪み度（又は第６の実施形態を用いて算出した傾き）とを比較できるように、評価結果をモニタ装置１４に表示する。
　例えばグラフの横軸に時間、グラフの縦軸に体積、動脈瘤Ａｎ全体の歪み度（又は傾き）あるいは局所的な歪み度の最大値を表示しても良い。なお、体積及び歪み度は、所望に応じて、いずれか一方又は両方を表示すればよい。同様に、体積及び傾きは、所望に応じて、いずれか一方又は両方を表示すればよい。
　また、プロセッサ１２ｐは、例えば動脈瘤Ａｎの中心を同定し、中心からの極座標に局所的な歪み度をマッピングし、異なる時間の歪み度の比率又は変化率を計算し、計算結果をモニタ装置１４に表示しても良い。ここで、異なる時間ｔ1，ｔ2の歪み度ｄ1，ｄ2の比率ｒ又は変化率ｒcは、例えば、次のように計算すればよい（但し、ｔ1＜ｔ2）。
ｒ＝ｄ2／ｄ1 
ｒc＝（ｄ2－ｄ1）／（ｔ2－ｔ1）
　２つの医用三次元画像１１ｇの比較の場合は、最新の動脈瘤Ａｎの画像表面に比率又は変化率に応じたカラー領域を重ね合わせて表示すると、歪み度の変化が良く分かる。
　あるいは、プロセッサ１２ｐは、動脈瘤Ａｎの中心を同定し、中心からの極座標系に中心からの距離を同定し、異なる時間での距離同士の比率又は変化率を前述同様に計算し、計算結果をモニタ装置１４に表示しても良い。
　上述したように本実施形態によれば、第１～第６の各実施形態の効果に加え、評価結果の時間による変化を表示することができる。
　以上説明した少なくとも一つの実施形態によれば、医用三次元画像１１ｇにおける動脈瘤Ａｎを同定し、動脈瘤Ａｎの歪み度（又は傾き）を定量的に評価し、評価の結果から当該動脈瘤Ａｎの破裂リスクを導出する構成により、内壁への圧力を低下させるような動脈瘤Ａｎの歪み（又は形状）を解析することができる。
　なお、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。

Claims (15)

  1. 　医用画像データを記憶するメモリと、
    　前記医用画像データにおける動脈瘤を同定する動脈瘤同定手段と、
    　前記動脈瘤の歪み度を定量的に評価する歪み度評価手段と、
    　前記評価の結果から当該動脈瘤の破裂リスクを導出する破裂リスク導出手段と、
    　を具備するシステム。
  2. 　請求項１に記載のシステムにおいて、
    　前記歪み度評価手段は、
    　前記動脈瘤の形状を楕円体で近似する楕円体近似手段と、
    　前記動脈瘤と前記楕円体との差異を歪み度として評価する差異評価手段と、
    　を含んでいるシステム。
  3. 　請求項１に記載のシステムにおいて、
    　前記歪み度評価手段は、
    　前記動脈瘤の表面を同定する表面同定手段と、
    　前記表面の接面を算出する接面算出手段と、
    　前記接面の変化度を歪み度として評価する接面変化度評価手段と、
    　を含んでいるシステム。
  4. 　請求項３に記載のシステムにおいて、
    　前記接面算出手段は、
    　前記表面を曲面で近似する手段と、
    　前記曲面の第１接面を同定する手段と
    　前記第１接面の近傍の複数の第２接面を同定する手段と、
    　を含み、
    　前記接面変化度評価手段は、
    　前記複数の第２接面を平均して同定した平面と前記第１接面との誤差を前記変化度として算出する手段、
    　を含んでいるシステム。
  5. 　請求項３に記載のシステムにおいて、
    　前記接面算出手段は、
    　前記表面から前記動脈瘤の中心を同定する手段と、
    　前記動脈瘤の中心と前記表面とを結ぶ第１ベクトルを算出する手段と、
    　前記動脈瘤の中心と前記表面の近傍の複数の表面とを結ぶ複数の第２ベクトルを算出する手段と、
    　を含み、
    　前記接面変化度評価手段は、
    　前記複数の第２ベクトルを平均して同定したベクトルと前記第１ベクトルとの誤差を前記変化度として算出する手段、
    　を含んでいるシステム。
  6. 　請求項１に記載のシステムにおいて、
    　前記歪み度評価手段は、
    　前記動脈瘤の画像に収縮処理及び拡張処理を施して画像を作成する手段と、
    　前記作成した画像と前記収縮処理及び拡張処理を施す前の画像とを比較し、両画像の差分を前記歪み度として評価する手段、
    　を含んでいるシステム。
  7. 　請求項１に記載のシステムにおいて、
    　前記歪み度評価手段は、
    　前記動脈瘤の画像にローパスフィルタをかけて画像を作成する手段と、
    　前記作成した画像と前記ローパスフィルタをかける前の画像とを比較し、両画像の差異を前記歪み度として評価する手段と、
    　を含んでいるシステム。
  8. 　請求項１に記載のシステムにおいて、
    　前記歪み度評価手段は、
    　前記動脈瘤の表面形状を抽出する手段と、
    　前記表面形状をスムージングするスムージング手段と、
    　前記スムージングした表面形状と前記スムージングをする前の表面形状とを比較し、両者の誤差に応じて前記歪み度を評価する手段と、
    　を含んでいるシステム。
  9. 　請求項１に記載のシステムにおいて、
    　前記動脈瘤同定手段は、同一の被検体における２つ以上の医用画像データにおける同一位置の動脈瘤を同定する手段を含み、
    　前記歪み度評価手段は、前記同定された動脈瘤の歪み度の変化を評価する手段を含み、
    　前記同定された動脈瘤の大きさの変化を評価する大きさ評価手段と、
    　前記大きさ評価手段及び前記歪み度評価手段のいずれか一方の評価結果、又は両方の評価結果を出力する出力手段と、
    　を具備するシステム。
  10. 　請求項１に記載のシステムにおいて、
    　ネットワークを介して前記医用画像データを取得する画像取得手段を備え、
    　前記メモリは、前記取得された医用画像データを記憶するシステム。
  11. 　医用画像データを記憶するメモリと、
    　前記医用画像データにおける動脈瘤を同定する動脈瘤同定手段と、
    　前記動脈瘤が発生している親血管を同定する血管同定手段と、
    　前記動脈瘤と親血管との傾きを定量的に評価する傾き評価手段と、
    　を具備するシステム。
  12. 　請求項１１に記載のシステムにおいて、
    　前記傾き評価手段は、
    　前記動脈瘤の形状を楕円体で近似する手段と、
    　前記親血管の傾きを同定する手段と、
    　前記親血管の傾きと前記楕円体の径のなす角を算出する手段と、
    　前記なす角の中で最も垂直に近いなす角を、前記動脈瘤と親血管との傾きとして決定する手段と
    　を含んでいるシステム。
  13. 　請求項１１に記載のシステムにおいて、
    　前記動脈瘤同定手段は、同一の被検体における２つ以上の医用画像データにおける同一位置の動脈瘤を同定する手段を含み、
    　前記傾き評価手段は、前記同定された動脈瘤と親血管との傾きの変化を評価する手段を含み、
    　前記同定された動脈瘤の大きさの変化を評価する大きさ評価手段と、
    　前記大きさ評価手段及び前記傾き評価手段のいずれか一方の評価結果、又は両方の評価結果を出力する出力手段と、
    　を具備するシステム。
  14. 　請求項１３に記載のシステムにおいて、
    　前記評価結果は、前記変化を示すグラフ、又は前記変化を示す変化率若しくは比率のいずれか一方、又は両方を含んでいるシステム。
  15. 　医用画像データを記憶するメモリを備えたシステムが実行する導出方法であって、
    　前記医用画像データにおける動脈瘤を同定することと、
    　前記動脈瘤の歪み度を定量的に評価することと、
    　前記評価の結果から当該動脈瘤の破裂リスクを導出することと、
    　を具備する導出方法。
PCT/JP2013/080894 2012-11-15 2013-11-15 システム及び導出方法 WO2014077360A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201380003368.7A CN103957807B (zh) 2012-11-15 2013-11-15 导出系统及评价系统
US14/337,695 US9345442B2 (en) 2012-11-15 2014-07-22 System and derivation method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-251416 2012-11-15
JP2012251416A JP6230782B2 (ja) 2012-11-15 2012-11-15 動脈瘤破裂リスク解析プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/337,695 Continuation US9345442B2 (en) 2012-11-15 2014-07-22 System and derivation method

Publications (1)

Publication Number Publication Date
WO2014077360A1 true WO2014077360A1 (ja) 2014-05-22

Family

ID=50731269

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/080894 WO2014077360A1 (ja) 2012-11-15 2013-11-15 システム及び導出方法

Country Status (4)

Country Link
US (1) US9345442B2 (ja)
JP (1) JP6230782B2 (ja)
CN (1) CN103957807B (ja)
WO (1) WO2014077360A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017208242A1 (en) 2016-06-02 2017-12-07 Aneuscreen Ltd. Method and system for monitoring a condition of cerebral aneurysms
JP7500091B2 (ja) 2022-07-21 2024-06-17 株式会社マックスネット 脳動脈瘤の瘤ネック平面の生成方法とコンピュータプログラム

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6647796B2 (ja) * 2015-04-15 2020-02-14 キヤノンメディカルシステムズ株式会社 画像処理装置及びｘ線診断装置
US10869644B2 (en) * 2016-07-30 2020-12-22 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting lower limb vasculature
CN106859620B (zh) * 2017-01-16 2019-06-18 清华大学 一种动脉血管瘤破裂预警系统及其预警方法
FR3062498B1 (fr) 2017-02-02 2019-06-07 Casis - Cardiac Simulation & Imaging Software Systeme et procede pour l'evaluation de risques vasculaires
JP6774520B2 (ja) * 2019-04-05 2020-10-28 有限会社 ライブエイド 血管瘤の破裂リスク評価方法、評価装置およびプログラム
JP7271277B2 (ja) * 2019-04-10 2023-05-11 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理システム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005278690A (ja) * 2004-03-26 2005-10-13 Hiroshima Industrial Promotion Organization コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム
JP2008278930A (ja) * 2007-05-08 2008-11-20 Hitachi Medical Corp 血管画像表示方法と装置
US20100284587A1 (en) * 2009-04-17 2010-11-11 Malek Adel M Aneurysm detection
JP2012110444A (ja) * 2010-11-22 2012-06-14 Toshiba Corp 動脈瘤診断支援装置及び制御プログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5175552B2 (ja) * 2004-12-17 2013-04-03 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 動脈瘤の三次元モデルから動脈瘤の物理特性を予測するためのシステム及び方法
JP4585907B2 (ja) * 2005-04-28 2010-11-24 株式会社イシダ Ｘ線検査装置
CA2723670A1 (en) * 2007-05-15 2008-11-20 Centre Hospitalier De L'universite De Montreal A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
DE102007026519A1 (de) * 2007-06-08 2008-12-18 Siemens Ag Verfahren zur Bestimmung eines Rupturrisikos wenigstens eines Aneurysmas eines Patienten und zugehöriges System
US8116542B2 (en) * 2008-05-09 2012-02-14 General Electric Company Determining hazard of an aneurysm by change determination
JP2010207531A (ja) * 2009-03-12 2010-09-24 Toshiba Corp Ｍｒｉ装置及びデータ処理装置
US8891843B2 (en) * 2010-08-17 2014-11-18 Kabushiki Kaisha Toshiba Medical image diagnosis apparatus
US10079003B2 (en) * 2011-06-02 2018-09-18 The Research Foundation For The State University Of New York Method and device for imaging a region of interest

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005278690A (ja) * 2004-03-26 2005-10-13 Hiroshima Industrial Promotion Organization コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム
JP2008278930A (ja) * 2007-05-08 2008-11-20 Hitachi Medical Corp 血管画像表示方法と装置
US20100284587A1 (en) * 2009-04-17 2010-11-11 Malek Adel M Aneurysm detection
JP2012110444A (ja) * 2010-11-22 2012-06-14 Toshiba Corp 動脈瘤診断支援装置及び制御プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YOSHITAKA MASUTANI ET AL: "FUNDAMENTAL STUDIES FOR SHAPE IRREGULARITY QUANTIFICATION OF CEREBRAL ANEURYSM:EXPERIMENTAL STUDY FOR IMAGE RESOLUTION DEPENDENCY OF SHAPE FEATURES", IEICE TECHNICAL REPORT MI2007-91, 2008, pages 143 - 146 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017208242A1 (en) 2016-06-02 2017-12-07 Aneuscreen Ltd. Method and system for monitoring a condition of cerebral aneurysms
US10987003B2 (en) 2016-06-02 2021-04-27 Aneuscreen Ltd. Method and system for classifying an individual as having or not having disposition for formation of cerebral aneurysm
US11583187B2 (en) 2016-06-02 2023-02-21 Aneuscreen Ltd. Method and system for monitoring a condition of cerebral aneurysms
EP4233706A2 (en) 2016-06-02 2023-08-30 Aneuscreen Ltd. Method and system for monitoring a condition of cerebral aneurysms
JP7500091B2 (ja) 2022-07-21 2024-06-17 株式会社マックスネット 脳動脈瘤の瘤ネック平面の生成方法とコンピュータプログラム

Also Published As

Publication number Publication date
CN103957807A (zh) 2014-07-30
JP6230782B2 (ja) 2017-11-15
US9345442B2 (en) 2016-05-24
US20140334678A1 (en) 2014-11-13
CN103957807B (zh) 2016-06-29
JP2014097237A (ja) 2014-05-29

Similar Documents

Publication Publication Date Title
WO2014077360A1 (ja) システム及び導出方法
JP6487001B2 (ja) 動脈瘤破裂リスク解析プログラム及びシステム
KR102014364B1 (ko) 수술영상을 이용한 출혈 평가 방법 및 장치
JP5197029B2 (ja) 医用画像処理装置
US8417009B2 (en) Apparatus, method, and computer readable medium for assisting medical image diagnosis using 3-D images representing internal structure
US20160180526A1 (en) Image processing apparatus, image processing method, image processing system, and non-transitory computer-readable storage medium
US20120237094A1 (en) Network construction apparatus, method and program
US20120327075A1 (en) System for rapid and accurate quantitative assessment of traumatic brain injury
JP6600356B2 (ja) 画像処理装置、内視鏡装置及びプログラム
WO2011008906A1 (en) Computer-aided detection (cad) of intracranial aneurysms
JP2017018234A (ja) 血管画像処理装置、血管画像処理プログラム、および血管画像処理方法
Saalfeld et al. Semiautomatic neck curve reconstruction for intracranial aneurysm rupture risk assessment based on morphological parameters
US20160019706A1 (en) Image processing apparatus, image processing method, and storage medium
WO2010047324A1 (ja) 医用画像処理装置、及び医用画像処理方法
JP2016147026A (ja) 画像処理装置、画像処理方法およびプログラム
CN105279731A (zh) 图像处理装置及图像处理方法
JP2009226043A (ja) 医用画像処理装置及び異常陰影検出方法
KR20210098381A (ko) 병변 이미지 시각화 장치 및 방법
JP2009294955A (ja) 画像処理装置、画像処理方法、画像処理プログラムおよび同プログラムを記録した記録媒体。
JP5833578B2 (ja) 神経精神医学障害に関する規範的なデータセット
US8774483B2 (en) Image processing method, image processing apparatus and program
KR101185728B1 (ko) 의료영상에서의 세그멘테이션 방법 및 그 장치
US10579895B2 (en) Information processing apparatus, extraction method, and medium
US20130158398A1 (en) Medical imaging diagnosis apparatus and medical imaging diagnosis method for providing diagnostic basis
US10984294B2 (en) Apparatus for identifying objects from an object class

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: 13855894

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: 13855894

Country of ref document: EP

Kind code of ref document: A1