WO2014112338A1 - 医用画像処理装置および方法並びにプログラム - Google Patents

医用画像処理装置および方法並びにプログラム Download PDF

Info

Publication number
WO2014112338A1
WO2014112338A1 PCT/JP2014/000076 JP2014000076W WO2014112338A1 WO 2014112338 A1 WO2014112338 A1 WO 2014112338A1 JP 2014000076 W JP2014000076 W JP 2014000076W WO 2014112338 A1 WO2014112338 A1 WO 2014112338A1
Authority
WO
WIPO (PCT)
Prior art keywords
region
medical image
image data
extraction
left ventricular
Prior art date
Application number
PCT/JP2014/000076
Other languages
English (en)
French (fr)
Inventor
赤堀　貞登
Original Assignee
富士フイルム株式会社
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 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Publication of WO2014112338A1 publication Critical patent/WO2014112338A1/ja
Priority to US14/800,704 priority Critical patent/US10019804B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20101—Interactive definition of point of interest, landmark or seed
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20128—Atlas-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Definitions

  • the present invention relates to a medical image processing apparatus, method, and program for extracting a left ventricular region, a right ventricular region, and the like from medical image data including a heart image.
  • Non-patent Documents 1 to 3 Conventionally, various methods for extracting a region such as the left ventricle of a heart from medical images such as CT (Computed Tomography), MRI (Magnetic Resonance Imaging), and ultrasound images have been proposed (Non-patent Documents 1 to 3). reference).
  • cardiac functions such as ejection fraction, end-diastolic volume, end-systolic volume, stroke volume, cardiac output, and myocardial weight are further analyzed. be able to.
  • Non-Patent Document 1 and Non-Patent Document 2 propose a method of simultaneously extracting a plurality of rooms in the heart.
  • Non-Patent Document 3 by extracting each room individually, variations are made smaller than when each room is extracted simultaneously from the entire heart.
  • an object of the present invention is to provide a medical image processing apparatus, method, and program capable of extracting each region corresponding to each room of the heart with high accuracy.
  • the medical image processing apparatus of the present invention extracts a medical image data acquisition unit that acquires medical image data including a heart image, and a left ventricular region of the heart in the medical image data acquired by the medical image data acquisition unit, A region extraction processing unit that performs region extraction processing for extracting at least one of the right ventricular region, the left atrial region, and the right atrial region of the heart based on the extraction result of the left ventricular region; To do.
  • the region extraction processing unit can limit the pixels of the medical image data to be subjected to region extraction processing based on the extraction result of the left ventricular region.
  • the region extraction processing unit can perform region extraction processing by setting an evaluation function based on the extraction result of the left ventricular region and obtaining an optimal solution of the evaluation function.
  • the region extraction processing unit can extract the right atrial region or the left atrial region after extracting the right ventricular region based on the extraction result of the left ventricular region.
  • the medical image data acquisition unit acquires a plurality of medical image data having different phases in one cardiac cycle of a beating heart
  • the region extraction processing unit sets one of the plurality of medical image data in the expansion period.
  • a left ventricular region in one piece of medical image data is extracted, and at least one of a right ventricular region, a left atrial region, and a right atrial region in one piece of medical image data in a diastole is extracted based on the extraction result of the left ventricular region.
  • One region is extracted, and based on the extraction result of one piece of medical image data in the expansion period, at least one region in the medical image data having a phase other than one piece of medical image data in the expansion period is extracted. it can.
  • the region extraction processing unit extracts a region of the left ventricular region in one piece of medical image data at the end diastole from the plurality of medical image data, and based on the extraction result of the left ventricular region, At least one region of the right ventricular region, the left atrial region, and the right atrial region in one piece of medical image data is extracted, and 1 in the end diastole is based on the extraction result of one piece of medical image data in the end diastole.
  • the at least one region in the medical image data having a phase other than the sheet of medical image data can be extracted.
  • the region extraction processing unit accepts manual correction of the contour point of the region, and sets the corrected contour point as the corrected contour point. Based on this, it is possible to perform again the region extraction process of the medical image data having a phase other than the one medical image data in the expansion period.
  • the region extraction processing unit can detect a plurality of landmarks on the medical image data and extract a left ventricular region based on the detected result of the detected landmarks.
  • the region extraction processing unit may detect that the left ventricle region or the at least one region cannot be extracted or the extracted left ventricular region or the at least one region is abnormal based on the detection results of the plurality of landmarks. In some cases, manual correction of the landmark is accepted, and the region extraction process can be performed again based on the corrected landmark.
  • the region extraction processing unit accepts manual correction of the contour point of the left ventricular region, and based on the corrected contour point, the region of the left ventricular region The extraction process can be performed again.
  • three-dimensional image data can be used as medical image data.
  • the medical image processing method of the present invention acquires medical image data for acquiring medical image data including a heart image, extracts a left ventricular region of the heart in the acquired medical image data, and extracts the left ventricular region. Based on the above, at least one of the right ventricular region, the left atrial region, and the right atrial region of the heart is extracted.
  • the medical image processing program of the present invention uses a computer to extract a medical image data acquisition unit that acquires medical image data including a heart image and a left ventricular region of the heart in the medical image data acquired by the medical image data acquisition unit. And, based on the extraction result of the left ventricle region, to function as a region extraction processing unit that performs region extraction processing for extracting at least one of the right ventricular region, the left atrial region, and the right atrial region of the heart.
  • medical image data including a heart image is acquired, the left ventricular region of the heart in the acquired medical image data is extracted, and the extraction result of the left ventricular region Since at least one of the right ventricular region, left atrial region, and right atrial region of the heart is extracted based on the above, each region of the heart can be extracted with high accuracy.
  • the shape of the left ventricle region of the heart is relatively simple, it can be extracted with high accuracy by extracting it alone. Then, by extracting the other region using the extraction result of the left ventricle region as reliable information, the extraction accuracy of the other region can be improved, and the extraction error can be reduced.
  • FIG. 1 is a block diagram showing a schematic configuration of a medical image diagnosis support system using an embodiment of a medical image processing apparatus and method and a program according to the present invention.
  • FIG. 1 Flowchart for explaining the operation of a medical image diagnosis support system using an embodiment of the medical image processing apparatus and method and program of the present invention.
  • the figure which shows an example of medical image data containing the image of a heart The figure which shows the left ventricle area
  • the figure which shows an example of the several landmark M on medical image data The figure which shows an example of the several landmark M on medical image data Diagram for explaining region extraction processing using the graph cut method
  • region extraction process using an atlas image The figure for demonstrating the method to perform the area
  • FIG. 1 is a block diagram showing a schematic configuration of a medical image diagnosis support system using this embodiment.
  • the medical image diagnosis support system 1 of the present embodiment includes a medical image processing device 10, a display 20, an input device 30, and a medical image data storage server 40, as shown in FIG.
  • the medical image processing apparatus 10 is configured by installing the medical image processing program of the present embodiment in a computer.
  • the medical image processing apparatus 10 includes a central processing unit (CPU) and a semiconductor memory, a hard disk in which the medical image processing program of this embodiment is installed, a storage device such as an SSD (Solid State Drive), and the like.
  • the medical image data acquisition unit 11, the region extraction processing unit 12, and the display control unit 13 as illustrated in FIG. 1 are configured by hardware. Then, the respective units operate by the medical image processing program installed in the hard disk being executed by the central processing unit.
  • the medical image data acquisition unit 11 acquires medical image data including a heart image taken in advance.
  • medical image data for example, tomographic image data output from a CT apparatus, an MRI apparatus, an MS (Multi-Slice) CT apparatus, a cone beam CT apparatus, an ultrasonic imaging apparatus, or the like, reconstructed from this tomographic image data
  • volume data There is volume data.
  • the medical image data is stored in advance together with the identification information of the subject in the medical image data storage server 40, and the medical image data acquisition unit 11 uses the medical information corresponding to the identification information of the subject input through the input device 30.
  • the image data is read from the medical image data storage server 40.
  • the region extraction processing unit 12 performs region extraction processing using the graph cut method on the medical image data acquired by the medical image data acquisition unit 11. Then, the region extraction processing unit 12 performs region extraction processing to first extract the left ventricular region of the heart in the medical image data, and then, based on the extraction result of the left ventricular region, the right ventricular region of the heart Extracting at least one region of the left atrial region and the right atrial region. In the present embodiment, the left ventricle region is extracted, then the right ventricle region is extracted, and then the left atrial region and the right atrial region are extracted in this order. A specific method for extracting these areas will be described in detail later.
  • the display control unit 13 displays on the display 20 the tomographic image data acquired by the medical image data acquisition unit 11 and the voxel model or surface model obtained by performing volume rendering or surface rendering on the volume data.
  • the display control unit 13 receives the extraction result of each region in the region extraction processing unit 12, and displays an image in which each region is color-coded on the display 20 based on the extraction result.
  • the color-coded images are displayed superimposed on the tomographic image, voxel model, or surface model.
  • the input device 30 receives a user's input of predetermined information, and is constituted by a pointing device such as a keyboard or a mouse.
  • the identification information of the subject is input in the input device 30, and the medical image data acquisition unit 11 of the medical image processing apparatus 10 converts the medical image data corresponding to the input identification information of the subject to the medical image data. It is read from the storage server 40 and acquired (S10). Here, it is assumed that medical image data captured by the CT apparatus is read out and acquired.
  • FIG. 3 shows an example of medical image data including a heart image acquired by the medical image data acquisition unit 11.
  • FIG. 4 shows the left ventricular region LV of the heart in the medical image data shown in FIG.
  • a plurality of landmarks M on the medical image data are designated and set by the user using the input device 30.
  • the number of landmarks M it is desirable to set and input at least three points as shown in FIG.
  • the position of the landmark M a position of a mitral valve or an aortic valve existing in the left ventricular region of the heart, a position of the apex of the left ventricular region, or the like is designated and inputted.
  • the user sets and inputs the landmark M.
  • the present invention is not limited to this, and the mitral valve, the aortic valve, the apex position of the left ventricular region, and the like are automatically detected using pattern matching. You may make it extract to.
  • the landmark M is also used when extracting the right ventricular region, left atrial region, and right atrial region of the heart. Assume that five landmarks M as shown in FIG. For the remaining two points, for example, the position of the tricuspid valve and the position of the heart base near the entrance of the aorta and superior vena cava are set automatically or manually.
  • the region extraction processing unit 12 sets an initial region of the left ventricular region based on the position information of the landmark M set and input by the user or automatically extracted.
  • the initial region of the left ventricle region is a region in which the left ventricle region is roughly extracted.
  • various known methods can be used.
  • the left ventricular region has a conical shape, and has a simple shape as compared with other right ventricular regions and left and right atrial regions, and therefore can be extracted with high accuracy.
  • the method described in Non-Patent Document 3 described above may be used.
  • the initial region of the left ventricle region may be set using atlas image data including a heart image.
  • the atlas image data is created by a doctor using a general anatomical chart, for example, and represents a typical heart shape.
  • the region extraction processing unit 12 uses the landmark set and input automatically or manually on the atlas image data and the landmark M shown in FIG. 6 set and input on the medical image data to be extracted. Used to perform rough alignment between these image data.
  • the landmark on the atlas image data is set automatically or manually as a landmark corresponding to the landmark M shown in FIG.
  • non-rigid alignment is performed to obtain the correspondence between the pixels of the two image data as a matching function.
  • a region on the medical image data corresponding to the left ventricular region which is the correct region on the atlas image data is obtained, and this region is set as the initial region of the left ventricular region.
  • the region extraction processing unit 12 generates a graphical model in the graph cut method using the pixels in the initial region of the left ventricular region extracted as described above and the pixels around the initial region as extraction target pixels. To do. Then, the final left ventricular region is extracted by performing region extraction processing using the graph cut method.
  • region extraction processing using the graph cut method will be described.
  • the region extraction processing unit 12 includes a node N ijk that represents each pixel to be processed as described above, and a node S that represents a label that each pixel can take (here, the left ventricular region and other regions), T, which is a link that connects T, n-link that is a link that connects nodes of adjacent pixels, and a node N ijk that represents each pixel and a node S that represents a left ventricular region or a node T that represents a region other than the left ventricular region.
  • a graphical model composed of -link is generated (see the left figure in FIG. 7; however, FIG. 7 shows the division of a two-dimensional area for easy understanding).
  • n-link represents the probability that adjacent pixels are voxels in the same region, and the probability can be obtained based on, for example, a difference in pixel values between the adjacent pixels.
  • the t-link connecting the node N ijk representing each pixel and the node T representing a region other than the left ventricular region represents the probability that the pixel is a pixel included in the surrounding region other than the left ventricular region.
  • the t-link connecting the node N ijk representing each pixel and the node S representing the left ventricular region represents the probability that the pixel is a pixel included in the left ventricular region.
  • n-link and t-link can be expressed as a cost function representing the likelihood.
  • region are extracted separately as a left ventricle area
  • the t-link connecting the node N ijk and the node T representing the area other than the contrast area is, for example, a CT value around the contrast area where the pixel value is statistically acquired in advance. It can be calculated based on the determination result of whether or not it is within the range of values.
  • the t-link connecting the node N ijk and the node S representing the contrast area is based on, for example, a determination result of whether or not the pixel value is within the CT value range of the contrast area statistically acquired in advance. Can be calculated.
  • one of two t-links connecting a node representing each pixel and a node S representing a contrast region or a node T representing a region other than the contrast region is cut, and adjacent pixels having different labels are connected to each other.
  • the n-link to be connected it is divided into a contrast region and a region other than the contrast region (see the right diagram in FIG. 7).
  • optimal region division can be performed by minimizing the total cost of all t-links and n-links to be cut. That is, when the cost function of t-link is fv (Xv) and the cost function of n-link is fuv (Xu, Yv), the region is divided so that the total cost E (x) in the following equation is minimized.
  • the t-link that connects the node N ijk and the node T representing the region other than the myocardial region is, for example, a CT value around the myocardial region in which the pixel value is statistically acquired in advance. It can be calculated based on the determination result of whether or not it is within the range of values.
  • the t-link connecting the node N ijk and the node S representing the myocardial region is based on, for example, a determination result of whether or not the pixel value is statistically within the CT value range of the myocardial region acquired in advance. Can be calculated.
  • one of the two t-links connecting the node representing each pixel and the node S representing the myocardial region or the node T representing other than the myocardial region is cut, and nodes of adjacent pixels having different labels are connected to each other.
  • the n-link to be connected it is divided into a myocardial region and a region other than the myocardial region. Also at this time, it is possible to perform appropriate region division by minimizing the total cost of all t-links and n-links to be cut, that is, by obtaining an optimal solution.
  • the region extraction processing unit 12 extracts the contrast region and the myocardial region constituting the left ventricular region by the graph cut method, thereby obtaining the final left ventricular region LV that combines these regions. To do.
  • the region extraction processing unit 12 extracts the right ventricular region of the heart based on the extraction result of the left ventricular region as described above (S14).
  • the region extraction processing unit 12 first sets an initial region of the right ventricular region using atlas image data including a heart image, as in the case of extracting the left ventricular region.
  • the region extraction processing unit 12 uses the pixels in the initial region of the right ventricular region extracted as described above and the pixels around the initial region as extraction processing target pixels to generate a graphical model in the graph cut method. Generate. Then, the region extraction processing unit 12 extracts the final right ventricular region RV by performing region extraction processing using the graph cut method, and at this time, performs region extraction processing using the extraction result of the left ventricular region. .
  • the region extraction processing unit 12 sets the above-described cost function fv (Xv) (corresponding to the evaluation function) so as to assign a relatively large cost to the pixels extracted as the left ventricular region LV. This prevents the pixels extracted as the left ventricular region from being extracted as pixels of the right ventricular region.
  • the contents of the region extraction process by the graph cut method other than the setting of the cost function fv (Xv) described above are the same as the region extraction process of the left ventricular region described above.
  • the cost function for the pixels extracted as the left ventricular region is controlled as a method using the extraction result of the left ventricular region.
  • the present invention is not limited to this.
  • the above-described graphical model is created.
  • the graphical model may be created by excluding the pixels extracted as the left ventricular region.
  • the region extraction processing unit 12 extracts the left atrial region of the heart based on the extraction result of the left ventricular region and the right ventricular region as described above (S16).
  • the region extraction processing unit 12 sets the initial region of the left atrial region using the atlas image data in the same manner as when the right ventricular region is extracted.
  • the region extraction processing unit 12 sets a graphical model in the graph cut method using the pixels in the initial region of the left atrial region extracted as described above and the pixels around the initial region as extraction target pixels. Generate. Then, the region extraction processing unit 12 extracts a final left atrial region by performing region extraction processing using a graph cut method. At this time, region extraction is performed using the extraction results of the left ventricular region and the right ventricular region. Process.
  • the region extraction processing unit 12 uses the above-described cost function fv (Xv) so as to assign a relatively large cost to the pixels extracted as the left ventricular region and the pixels extracted as the right ventricular region.
  • the pixel extracted as the left ventricular region and the pixel extracted as the right ventricular region are not extracted as pixels of the left atrial region.
  • the contents of the region extraction process by the graph cut method other than the setting of the cost function fv (Xv) described above are the same as the region extraction process described above.
  • the graphical model when extracting the left atrial region, when creating the graphical model, may be created by excluding the pixels extracted as the left ventricular region and the pixels extracted as the right ventricular region. Good.
  • the region extraction processing unit 12 extracts the right atrial region of the heart based on the extraction results of the left ventricular region, the right ventricular region, and the left atrial region as described above (S18).
  • the region extraction processing unit 12 sets the initial region of the right atrial region using the atlas image data in the same manner as when the right ventricular region is extracted.
  • the region extraction processing unit 12 sets a graphical model in the graph cut method using the pixels in the initial region of the right atrial region extracted as described above and the pixels around the initial region as extraction target pixels. Generate. Then, the region extraction processing unit 12 extracts a final right atrial region by performing region extraction processing using a graph cut method. At this time, the extraction results of the left ventricular region, the right ventricular region, and the left atrial region are extracted. Use this to perform region extraction processing.
  • the region extraction processing unit 12 assigns a relatively large cost to the pixels extracted as the left ventricular region, the pixels extracted as the right ventricular region, and the pixels extracted as the left atrial region.
  • the cost function fv (Xv) described above the pixel extracted as the left ventricular region, the pixel extracted as the right ventricular region, and the pixel extracted as the left atrial region are not extracted as pixels of the right atrial region.
  • the contents of the region extraction process by the graph cut method other than the setting of the cost function fv (Xv) described above are the same as the region extraction process described above.
  • the region extraction processing unit 12 extracts the left ventricular region, the right ventricular region, the left atrial region, and the right atrial region in this order. Then, the region extraction processing unit 12 outputs the extraction result to the display control unit 13.
  • the display control unit 13 Based on the input extraction result, the display control unit 13 generates images color-coded in the left ventricle region LV, the right ventricular region RV, the left atrial region LA, and the right atrial region RA, as shown in FIG. Then, an image obtained by superimposing the generated color-coded image on the medical image is displayed on the display 20.
  • medical image data including a heart image is acquired, the left ventricle region of the heart in the acquired medical image data is independently extracted, and the extraction result of the left ventricular region is extracted. Since at least one of the right ventricular region, left atrial region, and right atrial region of the heart is extracted based on the above, each region of the heart can be extracted with high accuracy.
  • the shape of the left ventricle region of the heart is relatively simple, it can be extracted with high accuracy by extracting it alone. Then, by extracting the other region using the extraction result of the left ventricle region as reliable information, the extraction accuracy of the other region can be improved, and the extraction error can be reduced.
  • the right ventricle region is then extracted.
  • the right ventricular region is a region adjacent to the left ventricular region in the largest range. Therefore, by using the extraction result of the left ventricle region, it is possible to effectively prevent over-extraction to the left ventricle region side or insufficient extraction of the right ventricle region.
  • the left atrial region is extracted first among the left atrial region and the right atrial region.
  • the right atrial region may be extracted first. Good.
  • the extraction result of the left ventricular region and the right ventricular region is used, and when extracting the left atrial region, the left ventricular region, the right ventricular region, and the right atrial region are extracted.
  • the extraction result may be used.
  • the region extraction processing by the graph cut method is performed.
  • the region extraction processing is limited to this. It is not a thing.
  • the final right ventricular region may be extracted by performing region extraction processing using the atlas image data used when extracting the initial region in the above description.
  • non-rigid registration is performed between the atlas image data and the medical image data to be extracted to obtain the correspondence between the pixels of the two image data as a matching function. . Then, the pixels extracted as the left ventricle region at this time are excluded from the target pixels when the matching function is obtained.
  • region extraction processing using atlas image data may be performed in the same manner as described above.
  • the pixel extracted as the left ventricular region and the pixel extracted as the right ventricular region are excluded from the target pixels when obtaining the matching function
  • the right atrial region When extracting a pixel, a pixel extracted as the left ventricular region, a pixel extracted as the right ventricular region, and a pixel extracted as the left atrial region are excluded from the target pixels when obtaining the matching function. That's fine.
  • the region extraction processing using the dynamic contour model is performed. Also good.
  • an evaluation function is defined, and an optimal solution is obtained by calculating the evaluation function while changing the position of the contour point of the extraction target region.
  • Region extraction processing using an active contour model is a well-known method. For example, “Eito:“ Overview of Active Contour Model Snakes ”, Medical Imaging Technology, vol. 12, no.1, pp.9-15. , 1994 "and” M. Kass, A. Wilin, D.
  • Eint is a term indicating internal energy, and is a term for controlling the smoothness of the contour.
  • Eimage is a term indicating image energy, and is a term for controlling the position of the contour to a position where the luminance change is large.
  • Econ is a term indicating external energy. For example, when a part of the contour is to be fixed by external designation, the difference term between the point v (s) on the contour and the designated point p (v (s)- p) 2 should be added.
  • the evaluation value deteriorates when a contour point enters the left ventricular region as Econ, which is a term indicating external energy.
  • a penalty term may be provided. Thereby, extraction mistakes can be suppressed.
  • region extraction processing using an active contour model may be performed in the same manner as described above.
  • the evaluation value is deteriorated when a contour point enters the left ventricular region and the right ventricular region as Econ which is a term indicating external energy.
  • Econ which is a term indicating external energy
  • Econ which is a term indicating external energy
  • a penalty term that deteriorates the evaluation value may be provided.
  • the medical image data acquisition unit 11 acquires a plurality of medical image data having different phases in one cardiac cycle of the beating heart, and the left and right ventricular regions and the left and right atrial regions are obtained from the plurality of medical image data. May be extracted.
  • one piece of medical image data in the expansion period is selected from among a plurality of pieces of medical image data having different phases.
  • the medical image data in the end diastole phase can be said to be medical image data more suitable for region extraction in that the movement is small and the shape is stable.
  • medical image data in other phases in the diastole may be used.
  • the left ventricle region LV is first extracted by the same method as described above.
  • the right ventricular region RV, the left atrial region LA, and the right atrial region RA in the medical image data in the end diastole phase are extracted by the same method as described above.
  • the left and right ventricular regions LV and RV and the left and right atrial regions LA and RA in the phase of the medical image data other than the single medical image data are extracted.
  • the correspondence between the pixels of the two image data is obtained as a matching function.
  • the left and right ventricular regions LV and RV and the left and right atrial regions LA and RA on the medical image data in the end diastole phase other than the one medical image data are obtained, and these regions are extracted as left and right ventricular regions LV and RV and left and right atrial regions LA and RA.
  • the method for extracting the left and right ventricular regions LV and RV and the left and right atrial regions LA and RA of the medical image data in a phase other than the medical image data in the end diastole phase is not limited to the above method.
  • the extraction results of the left and right ventricular regions LV and RV and the left and right atrial regions LA and RA of the medical image data of the phase are used as initial regions of the left and right ventricular regions LV and RV and the left and right atrial regions LA and RA of the medical image data of the other phases.
  • the final left and right ventricular regions LV and RV and left and right atrial regions LA and RA may be extracted using the graph cut method described above.
  • the region extraction processing unit 12 accepts manual correction of the landmark position set when the above-described initial region is obtained, and the corrected landmark The initial region may be extracted again based on the position of the region, and the region extraction process described above may be performed again.
  • a correction acceptance screen on which medical image data before region extraction processing is displayed again is displayed on the display 20, and the user inputs settings using the input device 30. You can do it.
  • the region extraction processing unit 12 accepts manual correction of the contour point of the left ventricular region, and uses the left ventricular region after the correction to use the right ventricular region.
  • the left atrial region and the right atrial region may be extracted.
  • the manual correction of the contour point of the left ventricular region may be performed by the user using the input device 30 for setting.
  • the region extraction processing unit 12 manually performs the contour point of each region on the medical image data in the end diastole phase.
  • the correction may be received, and the right ventricular region, the left atrial region, and the right atrial region on the medical image data of a phase other than the single medical image data may be extracted using each region after the correction.
  • the user may set and input using the input device 30.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Cardiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

【課題】心臓の画像を含む医用画像データから心臓の各部屋に対応する各領域を高精度に抽出する。 【解決手段】心臓の画像を含む医用画像データを取得する医用画像データ取得部（１１）と、医用画像データ取得部（１１）によって取得された医用画像データにおける心臓の左心室領域を抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出する領域抽出処理を行う領域抽出処理部（１２）とを備える。

Description

医用画像処理装置および方法並びにプログラム
　本発明は、心臓の画像を含む医用画像データから左心室領域や右心室領域などを抽出する医用画像処理装置および方法並びにプログラムに関するものである。
　従来、ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、超音波画像などの医用画像から心臓の左心室などの領域を抽出する方法が種々提案されている（非特許文献１～非特許文献３参照）。
　また、近年では、空間３次元に時間軸も加えた４次元の医用画像が取得できるようになり、具体的には、心臓の１心拍の間に複数の３次元画像が取得できるまでになっている。このような心臓の複数の３次元画像を解析することにより、駆出率、拡張末期容積、収縮末期容積、１回拍出量、心拍出量、心筋重量などといった心臓の機能をさらに解析することができる。
　心臓には４つの部屋があり、臨床上もっとも重要とされる左心室の自動抽出がもっとも盛んに研究されてきたが、現在は、右心室や左右心房も研究対象となってきている。そして、これらの部屋の自動抽出精度を向上させることが医師の修正作業負荷を減らすことになる。
Hortense A. Kirisli, Michiel Schaap, Stefan Klein, Lisan A. Neefjes, Annick C. Weustink, Theo Van Walsum, Wiro J. Niessen: "Fully automatic cardiac segmentation from 3D CTA data: a multi-atlas based approach", Proc. SPIE 7623, Medical Imaging 2010: Image Processing, 762305 (March 12, 2010) Johannes Ulen, Petter Strandmark, Fredrik Kahl: "Optimization for Multi-Region Segmentation of Cardiac MRI", STACOM'11 Proceedings of the Second international conference on Statistical Atlases and Computational Models of the Heart: imaging and modelling challenges, pp. 129-138, 2011 Y. Zheng, A. Barbu, B. Georgescu, M. Scheuering, D. Comaniciu: "Four-Chamber Heart Modeling and Automatic Segmentation for 3D Cardiac CT Volume Using Marginal Space Learning and Steerable Features", IEEE Transactions on Medical Imaging Vol.27 No.11, pp. 1668-1681, 2008
　ここで、非特許文献１および非特許文献２には、心臓における複数の部屋を同時に抽出する方法が提案されている。
　しかしながら、心臓の各部屋のそれぞれの形状には個人差があるため、その組み合わせパターンは非常に膨大になる。したがって、非特許文献１や非特許文献２に記載の方法のように、複数の部屋を同時に抽出するためにはその膨大なバリエーションに対処する必要があるが、このような膨大な組み合わせパターンを表現するのは困難であるため、高精度に各部屋を同時に抽出することは難しい。特にアトラス画像や、Active Shape Modelなどといった主成分モデルのようなトレーニング画像を用いた形状モデルを用いる場合には、精度を出すのが困難である。
　また、非特許文献３は、各部屋を個別に抽出することで、心臓全体から各部屋を同時に抽出する場合よりもバリエーションが小さくなるようにしている。
　しかしながら、個々の部屋の抽出処理で対処すべきバリエーションを小さくすることによって精度を出しやすくなるが、一方、個々の処理で抽出ミスが生じた場合には、各部屋の抽出結果に不整合が生じる問題がある。
　本発明は、上記事情に鑑み、心臓の各部屋に対応する各領域を高精度に抽出することができる医用画像処理装置および方法並びにプログラムを提供することを目的とするものである。
　本発明の医用画像処理装置は、心臓の画像を含む医用画像データを取得する医用画像データ取得部と、医用画像データ取得部によって取得された医用画像データにおける心臓の左心室領域を抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出する領域抽出処理を行う領域抽出処理部とを備えたことを特徴とする。
　また、上記本発明の医用画像処理装置においては、領域抽出処理部を、左心室領域の抽出結果に基づいて、領域抽出処理の対象の医用画像データの画素を限定するものとできる。
　また、領域抽出処理部を、左心室領域の抽出結果に基づいて評価関数を設定し、その評価関数の最適解を求めることによって領域抽出処理を行うものとできる。
　また、領域抽出処理部を、左心室領域の抽出結果に基づいて、右心室領域を抽出した後、右心房領域または左心房領域を抽出するものとできる。
　また、医用画像データ取得部を、拍動する心臓の一心周期における異なる位相の複数の医用画像データを取得するものとし、領域抽出処理部を、上記複数の医用画像データのうちの拡張期の１枚の医用画像データにおける左心室領域を抽出し、その左心室領域の抽出結果に基づいて、拡張期の１枚の医用画像データにおける右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出し、その拡張期の１枚の医用画像データの抽出結果に基づいて、拡張期の１枚の医用画像データ以外の位相の医用画像データにおける上記少なくとも１つの領域を抽出するものとできる。
　また、領域抽出処理部を、上記複数の医用画像データのうちの拡張末期の１枚の医用画像データにおける左心室領域の領域を抽出し、その左心室領域の抽出結果に基づいて、拡張末期の１枚の医用画像データにおける右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出し、その拡張末期の１枚の医用画像データの抽出結果に基づいて、拡張末期の１枚の医用画像データ以外の位相の医用画像データにおける上記少なくとも１つの領域を抽出するものとできる。
　また、領域抽出処理部を、拡張期の１枚の医用画像データの各領域の抽出結果に異常がある場合には、その領域の輪郭点の手動による修正を受け付け、その修正後の輪郭点に基づいて、拡張期の１枚の医用画像データ以外の位相の医用画像データの領域抽出処理を再度行うものとできる。
　また、領域抽出処理部を、医用画像データ上における複数のランドマークを検出し、その検出したランドマークの検出結果に基づいて左心室領域を抽出するものとできる。
　また、領域抽出処理部を、複数のランドマークの検出結果に基づいて、左心室領域または上記少なくとも１つの領域が抽出できなかった場合または抽出された左心室領域または上記少なくとも１つの領域に異常がある場合には、ランドマークの手動による修正を受け付け、その修正後のランドマークに基づいて、領域抽出処理を再度行うものとできる。
　また、領域抽出処理部を、抽出された左心室領域が異常である場合には、左心室領域の輪郭点の手動による修正を受け付け、その修正後の輪郭点に基づいて、左心室領域の領域抽出処理を再度行うものとできる。
　また、医用画像データとして、３次元画像データを用いることができる。
　本発明の医用画像処理方法は、心臓の画像を含む医用画像データを取得する医用画像データを取得し、その取得した医用画像データにおける心臓の左心室領域を抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出することを特徴とする。
　本発明の医用画像処理プログラムは、コンピュータを、心臓の画像を含む医用画像データを取得する医用画像データ取得部と、医用画像データ取得部によって取得された医用画像データにおける心臓の左心室領域を抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出する領域抽出処理を行う領域抽出処理部として機能させることを特徴とする。
　本発明の医用画像処理装置および方法並びにプログラムによれば、心臓の画像を含む医用画像データを取得し、その取得した医用画像データにおける心臓の左心室領域を抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出するようにしたので、心臓の各領域を高精度に抽出することができる。
　すなわち、心臓の左心室領域については、その形状が比較的単純であるため、単独で抽出することによって高精度に抽出することができる。そして、この左心室領域の抽出結果を信頼できる情報として利用してその他の領域を抽出することによって、その他の領域の抽出精度を向上させることができ、抽出ミスを低減することができる。
本発明の医用画像処理装置および方法並びにプログラムの一実施形態を用いた医用画像診断支援システムの概略構成を示すブロック図 本発明の医用画像処理装置および方法並びにプログラムの一実施形態を用いた医用画像診断支援システムの作用を説明するためのフローチャート 心臓の画像を含む医用画像データの一例を示す図 図３に示す医用画像データにおける心臓の左心室領域ＬＶを示す図 医用画像データ上の複数のランドマークＭの一例を示す図 医用画像データ上の複数のランドマークＭの一例を示す図 グラフカット法を用いた領域抽出処理を説明するための図 医用画像データ上における左心室領域ＬＶ、右心室領域ＲＶ、左心房領域ＬＡおよび右心房領域ＲＡの一例を示す図 アトラス画像を用いた領域抽出処理を説明するための図 拡張フェーズの１枚の医用画像データの抽出結果を用いて、その１枚の医用画像データ以外のフェーズの医用画像データの領域抽出処理を行う方法を説明するための図
　以下、本発明の医用画像処理装置および方法並びにプログラムの一実施形態を用いた医用画像診断支援システムについて、図面を参照しながら詳細に説明する。図１は、本実施形態を用いた医用画像診断支援システムの概略構成を示すブロック図である。
　本実施形態の医用画像診断支援システム１は、図１に示すように、医用画像処理装置１０と、ディスプレイ２０と、入力装置３０と、医用画像データ保管サーバ４０とを備えている。
　医用画像処理装置１０は、コンピュータに本実施形態の医用画像処理プログラムをインストールすることによって構成されたものである。 
　医用画像処理装置１０は、中央処理装置（ＣＰＵ）および半導体メモリや、本実施形態の医用画像処理プログラムがインストールされたハードディスクやＳＳＤ(Solid State Drive)等のストレージデバイスなどを備えており、これらのハードウェアによって、図１に示すような医用画像データ取得部１１、領域抽出処理部１２および表示制御部１３が構成されている。そして、ハードディスクにインストールされた医用画像処理プログラムが中央処理装置によって実行されることによって上記各部がそれぞれ動作する。
　医用画像データ取得部１１は、予め撮影された心臓の画像を含む医用画像データを取得するものである。医用画像データとしては、たとえばＣＴ装置、ＭＲＩ装置、ＭＳ（Multi Slice）ＣＴ装置、コーンビームＣＴ装置、超音波画像撮影装置などから出力された断層画像データや、この断層画像データから再構成されたボリュームデータなどがある。医用画像データは、医用画像データ保管サーバ４０に被検者の識別情報とともに予め保管されており、医用画像データ取得部１１は、入力装置３０において入力された被検者の識別情報に対応する医用画像データを医用画像データ保管サーバ４０から読み出すものである。
　領域抽出処理部１２は、医用画像データ取得部１１によって取得された医用画像データに対してグラフカット法を用いた領域抽出処理を施すものである。そして、領域抽出処理部１２は、領域抽出処理を行うことによって、まず、医用画像データにおける心臓の左心室領域を抽出し、その後、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域の少なくとも１つの領域を抽出するものである。なお、本実施形態においては、左心室領域を抽出した後、右心室領域を抽出し、その後、左心房領域、右心房領域の順でそれぞれの領域を抽出するものとする。これらの領域の具体的な抽出方法については、後で詳述する。
　表示制御部１３は、医用画像データ取得部１１によって取得された断層画像データや、ボリュームデータに対してボリュームレンダリングやサーフェスレンダリングを施したボクセルモデルまたはサーフェスモデルをディスプレイ２０に表示させるものである。
　また、表示制御部１３は、領域抽出処理部１２における各領域の抽出結果が入力され、その抽出結果に基づいて、各領域を色分けした画像をディスプレイ２０に表示させるものである。なお、本実施形態においては、色分けした画像は、断層画像やボクセルモデルやサーフェスモデルに重ね合わせて表示される。
　入力装置３０は、使用者の所定の情報の入力を受け付けるものであり、たとえばキーボードやマウスなどのポインティングデバイスによって構成されるものである。
　次に、本発明の一実施形態を用いた医用画像診断支援システムの作用について、図２に示すフローチャートを参照しながら説明する。
　まず、入力装置３０において被検者の識別情報が入力され、医用画像処理装置１０の医用画像データ取得部１１は、その入力された被検者の識別情報に対応する医用画像データを医用画像データ保管サーバ４０から読み出して取得する（Ｓ１０）。なお、ここでは、医用画像データとしてＣＴ装置によって撮影されたものを読み出して取得するものとする。
　医用画像データ取得部１１によって取得された医用画像データは、領域抽出処理部１２に入力され、領域抽出処理部１２は、入力された医用画像データに対して領域抽出処理を施すことによって、最初に医用画像データにおける心臓の左心室領域を抽出する（Ｓ１２）。図３は、医用画像データ取得部１１によって取得された心臓の画像を含む医用画像データの一例を示すものある。また、図４は、図３に示す医用画像データにおける心臓の左心室領域ＬＶを示すものである。
　具体的には、図５に示すように、まずユーザによって入力装置３０を用いて医用画像データ上における複数のランドマークＭが指定されて、設定入力される。ランドマークＭの数については、図５に示すように、少なくとも３点を設定入力することが望ましい。ランドマークＭの位置としては、心臓の左心室領域に存在する僧帽弁や大動脈弁などの位置や、左心室領域の尖端の位置などが指定されて設定入力される。なお、本実施形態においては、ユーザがランドマークＭを設定入力するようにしたが、これに限らず、僧帽弁や大動脈弁や左心室領域の尖端位置などを、パターンマッチングを用いて自動的に抽出するようにしてもよい。
　また、本実施形態においては、後で詳述するように、心臓の右心室領域、左心房領域および右心房領域を抽出する際にも、ランドマークＭが用いられるので、実際には、図６に示すような５点のランドマークＭが設定されるものとする。残りの２点については、たとえば三尖弁の位置や、大動脈と上大静脈の入り口近傍である心基部の位置などが自動または手動で設定される。
　そして、領域抽出処理部１２は、ユーザによって設定入力された、または自動的に抽出されたランドマークＭの位置情報に基づいて、左心室領域の初期領域を設定する。なお、左心室領域の初期領域とは、左心室領域をおおまかに抽出した領域である。ランドマークＭを用いた初期領域の抽出方法については、種々の公知な方法を用いることができる。左心室領域は円錐形状であり、他の右心室領域や左右の心房領域と比較すると単純な形状をしているので高精度に抽出することができる。なお、左心室領域を抽出する方法としては、上述した非特許文献３に記載の方法を用いるようにしてもよい。
　また、心臓の画像を含むアトラス画像データを用いて左心室領域の初期領域を設定するようにしてもよい。なお、アトラス画像データとは、たとえば一般的な解剖図などを用いて医師などが作成したものであり、典型的な心臓の形を表すものである。
　具体的には、領域抽出処理部１２は、アトラス画像データ上において自動または手動によって設定入力されたランドマークと、抽出対象の医用画像データ上において設定入力された図６に示すランドマークＭとを用いて、これらの画像データ間の粗い位置合わせを行う。なお、アトラス画像データ上におけるランドマークは、図６に示すランドマークＭに対応するランドマークとして自動または手動で設定されるものである。
　そして、上述した粗い位置合わせの後、非剛体位置合わせを行うことによって２つの画像データの画素間の対応関係をマッチング関数として求める。次いで、そのマッチング関数を用いて、アトラス画像データ上における正解領域である左心室領域に対応する医用画像データ上の領域を求め、この領域を左心室領域の初期領域として設定する。
　次いで、領域抽出処理部１２は、上述したようにして抽出した左心室領域の初期領域内の画素と、初期領域の周囲の画素とを抽出処理対象の画素として、グラフカット法におけるグラフィカルモデルを生成する。そして、グラフカット法を用いた領域抽出処理を行うことによって最終的な左心室領域を抽出するが、以下、このグラフカット法を用いた領域抽出処理について説明する。
　具体的には、領域抽出処理部１２は、上述した処理対象の各画素を表すノードＮｉｊｋと、各画素が取り得るラベル（ここでは、左心室領域とそれ以外の領域）を表すノードＳ、Ｔと、隣接する画素のノード同士をつなぐリンクであるｎ－ｌｉｎｋと、各画素を表すノードＮｉｊｋと左心室領域を表すノードＳまたは左心室領域以外を表すノードＴとをつなぐリンクであるｔ－ｌｉｎｋとから構成されるグラフィカルモデルを生成する（図７の左図を参照。ただし、図７では理解を容易にするため、２次元領域の分割を示している）。
　ここで、ｎ－ｌｉｎｋは、隣接する画素が同一領域のボクセルである確からしさを表すものであり、その確からしさは、たとえばそれらの隣接する画素間の画素値の差に基づいて求めることができる。各画素を表すノードＮｉｊｋと左心室領域以外の領域を表すノードＴをつなぐｔ－ｌｉｎｋは、その画素が左心室領域以外の周囲の領域に含まれる画素である確からしさを表すものである。また、各画素を表すノードＮｉｊｋと左心室領域を表すノードＳをつなぐｔ－ｌｉｎｋは、その画素が左心室領域に含まれる画素である確からしさを表すものである。
　なお、上述したｎ－ｌｉｎｋやｔ－ｌｉｎｋは、確からしさを表すコスト関数として表現することができる。
　そして、本実施形態においては、左心室領域として、左心室領域を構成する造影領域と心筋領域とを別々に抽出する。
　したがって、造影領域を抽出する際には、ノードＮｉｊｋと造影領域以外の領域を表すノードＴをつなぐｔ－ｌｉｎｋは、たとえば、画素値が、統計的に予め取得された造影領域の周囲のＣＴ値の範囲内であるか否かの判定結果に基づいて算出することができる。また、ノードＮｉｊｋと造影領域を表すノードＳをつなぐｔ－ｌｉｎｋは、たとえば、画素値が、統計的に予め取得された造影領域のＣＴ値の範囲内であるか否かの判定結果に基づいて算出することができる。
　そして、各画素を表すノードと、造影領域を表すノードＳまたは造影領域以外を表すノードＴとをつなぐ２つのｔ－ｌｉｎｋのうち片方を切断するとともに、異なるラベルを有する隣接する画素のノード同士をつなぐｎ－ｌｉｎｋを切断することにより、造影領域と造影領域以外に分割する（図７の右図を参照）。このとき、切断する全てのｔ－ｌｉｎｋおよびｎ－ｌｉｎｋのコストの合計が最小になるようにすることにより、最適な領域分割をすることができる。すなわち、ｔ－ｌｉｎｋのコスト関数をfv(Xv)、ｎ－ｌｉｎｋのコスト関数をfuv(Xu,Yv)とした場合、下式のコストの合計E(x)が最小となるように領域分割される。
Figure JPOXMLDOC01-appb-M000001
　また、心筋領域を抽出する際には、ノードＮｉｊｋと心筋領域以外の領域を表すノードＴをつなぐｔ－ｌｉｎｋは、たとえば、画素値が、統計的に予め取得された心筋領域の周囲のＣＴ値の範囲内であるか否かの判定結果に基づいて算出することができる。また、ノードＮｉｊｋと心筋領域を表すノードＳをつなぐｔ－ｌｉｎｋは、たとえば、画素値が、統計的に予め取得された心筋領域のＣＴ値の範囲内であるか否かの判定結果に基づいて算出することができる。
　そして、各画素を表すノードと、心筋領域を表すノードＳまたは心筋領域以外を表すノードＴとをつなぐ２つのｔ－ｌｉｎｋのうち片方を切断するとともに、異なるラベルを有する隣接する画素のノード同士をつなぐｎ－ｌｉｎｋを切断することにより、心筋領域と心筋領域以外に分割する。このときも、切断する全てのｔ－ｌｉｎｋおよびｎ－ｌｉｎｋのコストの合計が最小になるようにすることにより、すなわち最適解を求めることにより、適切な領域分割をすることができる。
　上述したようにして、領域抽出処理部１２は、左心室領域を構成する造影領域と心筋領域とをグラフカット法により抽出することによって、これらの領域を合わせた最終的な左心室領域ＬＶを取得する。
　次に、領域抽出処理部１２は、上述したような左心室領域の抽出結果に基づいて、心臓の右心室領域を抽出する（Ｓ１４）。
　領域抽出処理部１２は、まず、左心室領域を抽出した際と同様に、心臓の画像を含むアトラス画像データを用いて右心室領域の初期領域を設定する。
　次に、領域抽出処理部１２は、上述したようにして抽出した右心室領域の初期領域内の画素と、初期領域の周囲の画素とを抽出処理対象の画素として、グラフカット法におけるグラフィカルモデルを生成する。そして、領域抽出処理部１２は、グラフカット法を用いた領域抽出処理を行うことによって最終的な右心室領域ＲＶを抽出するが、このとき左心室領域の抽出結果を用いて領域抽出処理を行う。
　具体的には、領域抽出処理部１２は、左心室領域ＬＶとして抽出された画素に対して相対的に大きなコストを割り当てるように上述したコスト関数fv(Xv)（評価関数に相当する）を設定することによって、左心室領域として抽出された画素が、右心室領域の画素として抽出されないようにする。なお、上述したコスト関数fv(Xv)の設定以外のグラフカット法による領域抽出処理の内容については、上述した左心室領域の領域抽出処理と同様である。
　また、上記説明では、左心室領域の抽出結果を用いる方法として、左心室領域として抽出された画素に対するコスト関数を制御するようにしたが、これに限らず、たとえば、上述したグラフィカルモデルを作成する際、左心室領域として抽出された画素を除外してグラフィカルモデルを作成するようにしてもよい。
　次に、領域抽出処理部１２は、上述したような左心室領域と右心室領域の抽出結果に基づいて、心臓の左心房領域を抽出する（Ｓ１６）。
　領域抽出処理部１２は、右心室領域を抽出した際と同様に、アトラス画像データを用いて左心房領域の初期領域を設定する。
　次に、領域抽出処理部１２は、上述したようにして抽出した左心房領域の初期領域内の画素と、初期領域の周囲の画素とを抽出処理対象の画素として、グラフカット法におけるグラフィカルモデルを生成する。そして、領域抽出処理部１２は、グラフカット法を用いた領域抽出処理を行うことによって最終的な左心房領域を抽出するが、このとき左心室領域と右心室領域の抽出結果を用いて領域抽出処理を行う。
　具体的には、領域抽出処理部１２は、左心室領域として抽出された画素と右心室領域として抽出された画素に対して相対的に大きなコストを割り当てるように上述したコスト関数fv(Xv)を設定することによって、左心室領域として抽出された画素と右心室領域として抽出された画素とが、左心房領域の画素として抽出されないようにする。なお、上述したコスト関数fv(Xv)の設定以外のグラフカット法による領域抽出処理の内容については、上述した領域抽出処理と同様である。
　また、左心房領域を抽出する際においても、グラフィカルモデルを作成する際、左心室領域として抽出された画素と右心室領域として抽出された画素とを除外してグラフィカルモデルを作成するようにしてもよい。
　次に、領域抽出処理部１２は、上述したような左心室領域と右心室領域と左心房領域の抽出結果に基づいて、心臓の右心房領域を抽出する（Ｓ１８）。
　領域抽出処理部１２は、右心室領域を抽出した際と同様に、アトラス画像データを用いて右心房領域の初期領域を設定する。
　次に、領域抽出処理部１２は、上述したようにして抽出した右心房領域の初期領域内の画素と、初期領域の周囲の画素とを抽出処理対象の画素として、グラフカット法におけるグラフィカルモデルを生成する。そして、領域抽出処理部１２は、グラフカット法を用いた領域抽出処理を行うことによって最終的な右心房領域を抽出するが、このとき左心室領域と右心室領域と左心房領域の抽出結果を用いて領域抽出処理を行う。
　具体的には、領域抽出処理部１２は、左心室領域として抽出された画素と右心室領域として抽出された画素と左心房領域として抽出された画素に対して相対的に大きなコストを割り当てるように上述したコスト関数fv(Xv)を設定することによって、左心室領域として抽出された画素と右心室領域として抽出された画素と左心房領域として抽出された画素が、右心房領域の画素として抽出されないようにする。なお、上述したコスト関数fv(Xv)の設定以外のグラフカット法による領域抽出処理の内容については、上述した領域抽出処理と同様である。
　また、右心房領域を抽出する際においても、グラフィカルモデルを作成する際、左心室領域として抽出された画素と右心室領域として抽出された画素と左心房領域として抽出された画素とを除外してグラフィカルモデルを作成するようにしてもよい。
　上述したようにして、領域抽出処理部１２は、左心室領域、右心室領域、左心房領域、右心房領域をこの順で抽出する。そして、領域抽出処理部１２は、その抽出結果を表示制御部１３に出力する。
　表示制御部１３は、入力された抽出結果に基づいて、図８に示すように、左心室領域ＬＶと右心室領域ＲＶと左心房領域ＬＡと右心房領域ＲＡとでそれぞれ色分けされた画像を生成し、その生成した色分け画像を医用画像に重ねた画像をディスプレイ２０に表示させる。
　上記実施形態の医用画像診断支援システム１よれば、心臓の画像を含む医用画像データを取得し、その取得した医用画像データにおける心臓の左心室領域を単独で抽出し、その左心室領域の抽出結果に基づいて、心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出するようにしたので、心臓の各領域を高精度に抽出することができる。
　すなわち、心臓の左心室領域については、その形状が比較的単純であるため、単独で抽出することによって高精度に抽出することができる。そして、この左心室領域の抽出結果を信頼できる情報として利用してその他の領域を抽出することによって、その他の領域の抽出精度を向上させることができ、抽出ミスを低減することができる。
　また、上記実施形態においては、上述したように左心室領域を抽出した後、次に、右心室領域を抽出するようにしている。右心室領域は、左心室領域と最も大きい範囲で隣接する領域である。したがって、左心室領域の抽出結果を用いることによって、左心室領域側への過抽出や、右心室領域の抽出不足を効果的に防止することができる。
　また、上記実施形態においては、右心室領域を抽出した後、左心房領域と右心房領域のうち左心房領域を先に抽出するようにしたが、右心房領域を先に抽出するようにしてもよい。その場合、右心房領域を抽出する際には、左心室領域と右心室領域の抽出結果を用いるようにし、左心房領域を抽出する際には、左心室領域と右心室領域と右心房領域の抽出結果を用いるようにすればよい。
　また、上記実施形態においては、左心室領域の抽出結果を用いて右心室領域を抽出する際、グラフカット法による領域抽出処理を行うようにしたが、領域抽出処理としては、これに限定されるものではない。たとえば、上記説明において初期領域を抽出する際に用いたアトラス画像データを用いた領域抽出処理を行って最終的な右心室領域を抽出するようにしてもよい。
　具体的には、図９に示すように、アトラス画像データと抽出対象の医用画像データとの間で非剛体位置合わせを行うことによって、２つの画像データの画素間の対応関係をマッチング関数として求める。そして、このとき左心室領域として抽出された画素を、マッチング関数を求める際の対象画素から除外するようにする。
　次いで、上記のようにした求めたマッチング関数を用いて、アトラス画像データ上における正解領域である右心室領域ＲＶに対応する医用画像データ上の領域を求め、この領域を最終的な右心室領域ＲＶとして抽出する。
　また、左心房領域および右心房領域を抽出する際にも、上記と同様に、アトラス画像データを用いた領域抽出処理を行うようにしてもよい。この場合、左心房領域を抽出する際には、左心室領域として抽出された画素と右心室領域として抽出された画素とを、マッチング関数を求める際の対象画素から除外するようにし、右心房領域を抽出する際には、左心室領域として抽出された画素と右心室領域として抽出された画素と左心房領域として抽出された画素とを、マッチング関数を求める際の対象画素から除外するようにすればよい。
　また、左心室領域の抽出結果を用いて右心室領域を抽出する際、上述したアトラス画像データを用いた領域抽出処理の他にも、動的輪郭モデルを用いた領域抽出処理を行うようにしてもよい。動的輪郭モデルを用いた領域抽出処理においては、評価関数が定義され、抽出対象領域の輪郭点の位置を変化させながら評価関数を演算することによって最適解が求められる。動的輪郭モデルを用いた領域抽出処理は、既に公知な方法であり、たとえば「栄藤：“動的輪郭モデルSnakesの概観”，Medical Imaging Technology, vol. 12, no.1, pp.9-15, 1994」に記載の方法や、「M. Kass, A. Wilin, D. Terzopoulos:“Snakes: Active contour models”, International Journal of Computer Vision, vol. 1, pp. 312-331, 1988」に記載の方法を用いることができる。評価関数は、下式に示すように、輪郭v(s)=(x(s), y(s))に対して３つの項で定義される。
Figure JPOXMLDOC01-appb-M000002
　なお、Eintは、内部エネルギーを示す項であり、輪郭の滑らかさをコントロールする項である。Eimageは、画像エネルギーを示す項であり、輪郭の位置を、輝度変化の大きな位置にコントロールする項である。Econは、外部エネルギーを示す項であり、たとえば外部からの指定によって輪郭の一部を固定したい場合には、輪郭上の点v(s)と指定点pとの差分項（v(s)-p）2を加えるようにすれば良い。
　そして、左心室領域の抽出結果を用いて右心室領域の領域抽出処理を行う際には、外部エネルギーを示す項であるEconとして、左心室領域内に輪郭点が侵入した際に評価値を悪化させるようなペナルティ項を設けるようにすればよい。これにより抽出ミスを抑制することができる。
　また、左心房領域および右心房領域を抽出する際にも、上記と同様に、動的輪郭モデルを用いた領域抽出処理を行うようにしてもよい。この場合、左心房領域の領域抽出処理を行う際には、外部エネルギーを示す項であるEconとして、左心室領域内および右心室領域内に輪郭点が侵入した際に評価値を悪化させるようなペナルティ項を設け、右心房領域の領域抽出処理を行う際には、外部エネルギーを示す項であるEconとして、左心室領域内と右心室領域内と左心房領域内に輪郭点が侵入した際に評価値を悪化させるようなペナルティ項を設けるようにすればよい。
　また、上記実施形態においては、医用画像データ取得部１１によって、拍動する心臓の一心周期における異なる位相の複数の医用画像データを取得し、この複数の医用画像データから左右心室領域および左右心房領域を抽出するようにしてもよい。
　その際には、まず、図１０に示すように、異なる位相の複数の医用画像データのうちの拡張期における１枚の医用画像データを選択する。具体的には、拡張末期のフェーズの医用画像データを選択することが望ましい。拡張末期のフェーズの医用画像データは、動きが小さく形状も安定する点で、領域抽出により適した医用画像データといえる。ただし、拡張末期のフェーズの医用画像データに限らず、拡張期のその他のフェーズの医用画像データを用いるようにしてもよい。
　そして、その選択した拡張末期のフェーズの医用画像データに基づいて、上記と同様の方法により、まず左心室領域ＬＶを抽出する。次に、その左心室領域ＬＶの抽出結果を用いて、上記と同様の方法により、拡張末期のフェーズの医用画像データにおける右心室領域ＲＶ、左心房領域ＬＡおよび右心房領域ＲＡを抽出する。
　次いで、拡張末期のフェーズの医用画像データの抽出結果に基づいて、その１枚の医用画像データ以外のフェーズの医用画像データにおける左右心室領域ＬＶ，ＲＶと左右心房領域ＬＡ，ＲＡを抽出する。
　具体的には、拡張末期のフェーズの医用画像データとそれ以外のフェーズの医用画像データとの間で非剛体位置合わせを行うことによって、２つの画像データの画素間の対応関係をマッチング関数として求める。
　次いで、上記のようにした求めたマッチング関数を用いて、拡張末期のフェーズの医用画像データ上における左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡに対応するその１枚の医用画像データ以外のフェーズの医用画像データ上の領域を求め、この領域を、左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡとして抽出する。
　なお、拡張末期のフェーズの医用画像データ以外のフェーズの医用画像データの左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡを抽出する方法としては、上記の方法に限らず、たとえば、拡張末期のフェーズの医用画像データの左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡの抽出結果を、それ以外のフェーズの医用画像データの左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡの初期領域として設定し、その後、上述したグラフカット法を利用して、最終的な左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡを抽出するようにしてもよい。
　上述したように、拡張期の１枚の医用画像データ上における左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡの抽出結果を用いて、その１枚の医用画像データ以外のフェーズの医用画像データの領域抽出を行うことによって、より簡易な処理によってその他のフェーズの医用画像データの領域抽出を行うことができる。
　また、上記実施形態においては、上述したようにして左右心室領域ＬＶ，ＲＶおよび左右心房領域ＬＡ，ＲＡの領域抽出処理を行った結果、領域抽出ができなかった場合や抽出した領域の位置が大きくずれている場合には、たとえばメッセージなどの表示を行い、領域抽出処理部１２が、上述した初期領域を求めた際に設定したランドマークの位置の手動による修正を受け付け、その修正後のランドマークの位置に基づいて改めて初期領域を抽出し、上述した領域抽出処理を再度行うようにしてもよい。ランドマークの位置の手動による修正を受け付ける方法としては、たとえば、領域抽出処理前の医用画像データを再度表示した修正受付画面をディスプレイ２０に表示させ、ユーザが入力装置３０を用いて設定入力するようにすればよい。
　また、左心室領域の抽出結果に異常がある場合には、領域抽出処理部１２が、左心室領域の輪郭点の手動による修正を受け付け、その修正後の左心室領域を用いて、右心室領域、左心房領域および右心房領域を抽出するようにしてもよい。左心室領域の輪郭点の手動による修正については、ユーザが入力装置３０を用いて設定入力するようにすればよい。
　また、上述した拡張末期のフェーズの医用画像データ上における領域抽出結果に異常がある場合には、領域抽出処理部１２が、拡張末期のフェーズの医用画像データ上における各領域の輪郭点の手動による修正を受け付け、その修正後の各領域を用いて、その１枚の医用画像データ以外のフェーズの医用画像データ上における右心室領域、左心房領域および右心房領域を抽出するようにしてもよい。各領域の輪郭点の手動による修正については、ユーザが入力装置３０を用いて設定入力するようにすればよい。
　上述したようにして手動による修正を受け付けることによって、修正の手間を減らすことができる。

Claims (13)

  1. 　心臓の画像を含む医用画像データを取得する医用画像データ取得部と、
    　該医用画像データ取得部によって取得された医用画像データにおける前記心臓の左心室領域を抽出し、該左心室領域の抽出結果に基づいて、前記心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出する領域抽出処理を行う領域抽出処理部とを備えたことを特徴とする医用画像処理装置。
  2. 　前記領域抽出処理部が、前記左心室領域の抽出結果に基づいて、前記領域抽出処理の対象の前記医用画像データの画素を限定するものであることを特徴とする請求項１記載の医用画像処理装置。
  3. 　前記領域抽出処理部が、前記左心室領域の抽出結果に基づいて評価関数を設定し、該評価関数の最適解を求めることによって前記領域抽出処理を行うものであることを特徴とする請求項１記載の医用画像処理装置。
  4. 　前記領域抽出処理部が、前記左心室領域の抽出結果に基づいて、前記右心室領域を抽出した後、前記右心房領域または前記左心房領域を抽出するものであることを特徴とする請求項１から３いずれか１項記載の医用画像処理装置。
  5. 　前記医用画像データ取得部が、拍動する前記心臓の一心周期における異なる位相の複数の医用画像データを取得するものであり、
    　前記領域抽出処理部が、前記複数の医用画像データのうちの拡張期の１枚の医用画像データにおける前記左心室領域を抽出し、該左心室領域の抽出結果に基づいて、前記拡張期の１枚の医用画像データにおける右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出し、
    　該拡張期の１枚の医用画像データの抽出結果に基づいて、前記拡張期の１枚の医用画像データ以外の位相の医用画像データにおける前記少なくとも１つの領域を抽出するものであることを特徴とする請求項１から４いずれか１項記載の医用画像処理装置。
  6. 　前記領域抽出処理部が、前記複数の医用画像データのうちの拡張末期の１枚の医用画像データにおける前記左心室領域の領域を抽出し、該左心室領域の抽出結果に基づいて、前記拡張末期の１枚の医用画像データにおける右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出し、
    　該拡張末期の１枚の医用画像データの抽出結果に基づいて、前記拡張末期の１枚の医用画像データ以外の位相の医用画像データにおける前記少なくとも１つの領域を抽出するものであることを特徴とする請求項５記載の医用画像処理装置。
  7. 　前記領域抽出処理部が、前記拡張期の１枚の医用画像データの各領域の抽出結果に異常がある場合には、該領域の輪郭点の手動による修正を受け付け、該修正後の輪郭点に基づいて、前記拡張期の１枚の医用画像データ以外の位相の医用画像データの領域抽出処理を再度行うものであることを特徴とする請求項５記載の医用画像処理装置。
  8. 　前記領域抽出処理部が、前記医用画像データ上における複数のランドマークを検出し、該検出したランドマークの検出結果に基づいて前記左心室領域を抽出するものであることを特徴とする請求項１から７いずれか１項記載の医用画像処理装置。
  9. 　前記領域抽出処理部が、前記複数のランドマークの検出結果に基づいて、前記左心室領域または前記少なくとも１つの領域が抽出できなかった場合または抽出された前記左心室領域または前記少なくとも１つの領域に異常がある場合には、前記ランドマークの手動による修正を受け付け、該修正後のランドマークに基づいて、前記領域抽出処理を再度行うものであることを特徴とする請求項８記載の医用画像処理装置。
  10. 　前記領域抽出処理部が、抽出された前記左心室領域が異常である場合には、前記左心室領域の輪郭点の手動による修正を受け付け、該修正後の輪郭点に基づいて、前記左心室領域の領域抽出処理を再度行うものであることを特徴とする請求項１から９いずれか１項記載の医用画像処理装置。
  11. 　前記医用画像データが、３次元画像データであることを特徴とする請求項１から１０いずれか１項記載の医用画像処理装置。
  12. 　心臓の画像を含む医用画像データを取得する医用画像データを取得し、
    　該取得した医用画像データにおける前記心臓の左心室領域を抽出し、該左心室領域の抽出結果に基づいて、前記心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出することを特徴とする医用画像処理方法。
  13. 　コンピュータを、
    心臓の画像を含む医用画像データを取得する医用画像データ取得部と、
    　該医用画像データ取得部によって取得された医用画像データにおける前記心臓の左心室領域を抽出し、該左心室領域の抽出結果に基づいて、前記心臓の右心室領域、左心房領域および右心房領域のうちの少なくとも１つの領域を抽出する領域抽出処理を行う領域抽出処理部として機能させることを特徴とする医用画像処理プログラム。
PCT/JP2014/000076 2013-01-16 2014-01-10 医用画像処理装置および方法並びにプログラム WO2014112338A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/800,704 US10019804B2 (en) 2013-01-16 2015-07-16 Medical image processing apparatus, method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013005050A JP6195714B2 (ja) 2013-01-16 2013-01-16 医用画像処理装置および方法並びにプログラム
JP2013-005050 2013-01-16

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/800,704 Continuation US10019804B2 (en) 2013-01-16 2015-07-16 Medical image processing apparatus, method, and program

Publications (1)

Publication Number Publication Date
WO2014112338A1 true WO2014112338A1 (ja) 2014-07-24

Family

ID=51209436

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/000076 WO2014112338A1 (ja) 2013-01-16 2014-01-10 医用画像処理装置および方法並びにプログラム

Country Status (3)

Country Link
US (1) US10019804B2 (ja)
JP (1) JP6195714B2 (ja)
WO (1) WO2014112338A1 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5946221B2 (ja) * 2013-06-11 2016-07-05 富士フイルム株式会社 輪郭修正装置、方法およびプログラム
JP6411183B2 (ja) * 2014-11-13 2018-10-24 キヤノンメディカルシステムズ株式会社 医用画像診断装置、画像処理装置及び画像処理プログラム
JP6643827B2 (ja) * 2015-07-31 2020-02-12 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP6611660B2 (ja) * 2016-04-13 2019-11-27 富士フイルム株式会社 画像位置合わせ装置および方法並びにプログラム
KR101831340B1 (ko) 2016-09-07 2018-02-23 서울여자대학교 산학협력단 복부 컴퓨터 단층촬영영상에서 다중 확률 아틀라스 기반 형상제한 그래프-컷을 사용한 신실질 자동 분할 방법 및 장치
JP6740910B2 (ja) 2017-01-13 2020-08-19 コニカミノルタ株式会社 動態画像処理システム
US11562487B2 (en) * 2017-10-18 2023-01-24 Koninklijke Philips N.V. Landmark visualization for medical image segmentation
JP6807981B2 (ja) * 2019-05-22 2021-01-06 富士フイルム株式会社 画像位置合わせ装置および方法並びにプログラム
CN110543912B (zh) * 2019-09-02 2021-10-01 李肯立 自动获取胎儿关键切面超声视频中心动周期视频的方法
WO2023193290A1 (zh) * 2022-04-08 2023-10-12 胡冠彤 面向体外心脏模拟器的医学成像系统和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007044346A (ja) * 2005-08-11 2007-02-22 Toshiba Corp 医用画像処理装置における関心領域の経時的特定方法及び医用画像処理装置
WO2012153539A1 (ja) * 2011-05-11 2012-11-15 株式会社 東芝 医用画像処理装置とその方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6961454B2 (en) * 2001-10-04 2005-11-01 Siemens Corporation Research, Inc. System and method for segmenting the left ventricle in a cardiac MR image
US20090161926A1 (en) * 2007-02-13 2009-06-25 Siemens Corporate Research, Inc. Semi-automatic Segmentation of Cardiac Ultrasound Images using a Dynamic Model of the Left Ventricle
US8139838B2 (en) * 2008-05-22 2012-03-20 Siemens Aktiengesellschaft System and method for generating MR myocardial perfusion maps without user interaction
US8218839B2 (en) * 2008-05-23 2012-07-10 Siemens Aktiengesellschaft Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging
EP2522279A4 (en) * 2010-01-07 2016-11-30 Hitachi Ltd DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES
US8781552B2 (en) * 2011-10-12 2014-07-15 Siemens Aktiengesellschaft Localization of aorta and left atrium from magnetic resonance imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007044346A (ja) * 2005-08-11 2007-02-22 Toshiba Corp 医用画像処理装置における関心領域の経時的特定方法及び医用画像処理装置
WO2012153539A1 (ja) * 2011-05-11 2012-11-15 株式会社 東芝 医用画像処理装置とその方法

Also Published As

Publication number Publication date
JP6195714B2 (ja) 2017-09-13
US10019804B2 (en) 2018-07-10
US20150317799A1 (en) 2015-11-05
JP2014135990A (ja) 2014-07-28

Similar Documents

Publication Publication Date Title
JP6195714B2 (ja) 医用画像処理装置および方法並びにプログラム
Kirisli et al. Fully automatic cardiac segmentation from 3D CTA data: a multi-atlas based approach
Noothout et al. Deep learning-based regression and classification for automatic landmark localization in medical images
JP6058093B2 (ja) 医療用画像のコンピュータ支援による解析装置、および、医療用画像解析のためのコンピュータプログラム
Zhuang et al. Multiatlas whole heart segmentation of CT data using conditional entropy for atlas ranking and selection
JP4918048B2 (ja) 画像処理装置及び方法
US9931790B2 (en) Method and system for advanced transcatheter aortic valve implantation planning
JP5347003B2 (ja) 医用画像処理装置および方法ならびにプログラム
JP5438029B2 (ja) 短軸遅延強調心臓ｍｒｉの自動三次元セグメント化
EP2916738B1 (en) Lung, lobe, and fissure imaging systems and methods
US8867822B2 (en) Model-based coronary artery calcium scoring
US8948484B2 (en) Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition
JP5777070B2 (ja) 領域抽出装置、領域抽出方法および領域抽出プログラム
Elattar et al. Automatic segmentation of the aortic root in CT angiography of candidate patients for transcatheter aortic valve implantation
JP2009112468A (ja) 画像位置合わせ装置及びその方法並びに画像位置合わせプログラム
JP2020049204A (ja) ボリューメトリック画像のシーケンスから動的解析をするための方法、デバイス、およびシステム
Fritz et al. Automatic segmentation of the left ventricle and computation of diagnostic parameters using regiongrowing and a statistical model
Chen et al. Automatic extraction of 3D dynamic left ventricle model from 2D rotational angiocardiogram
Vera et al. Similarity enhancement for automatic segmentation of cardiac structures in computed tomography volumes
O’Donnell et al. Comprehensive cardiovascular image analysis using MR and CT at Siemens Corporate Research
Medina et al. Left ventricle myocardium segmentation in multi-slice computerized tomography
Zhao et al. Robust shape-constrained active contour for whole heart segmentation in 3-D CT images for radiotherapy planning
Müller et al. Interventional heart wall motion analysis with cardiac C-arm CT systems
Meyer et al. Fully automatic segmentation of complex organ systems: example of trachea, esophagus and heart segmentation in CT images
Alvén et al. Überatlas: Robust speed-up of feature-based registration and multi-atlas segmentation

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: 14740742

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: 14740742

Country of ref document: EP

Kind code of ref document: A1