CN104582579A - 图像处理装置及椎管评价方法 - Google Patents
图像处理装置及椎管评价方法 Download PDFInfo
- Publication number
- CN104582579A CN104582579A CN201380043940.2A CN201380043940A CN104582579A CN 104582579 A CN104582579 A CN 104582579A CN 201380043940 A CN201380043940 A CN 201380043940A CN 104582579 A CN104582579 A CN 104582579A
- Authority
- CN
- China
- Prior art keywords
- image
- section
- mentioned
- vertebra
- evaluation
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 115
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 71
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 39
- 239000000284 extract Substances 0.000 claims abstract description 20
- 208000037804 stenosis Diseases 0.000 claims description 35
- 230000036262 stenosis Effects 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 24
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 210000000988 bone and bone Anatomy 0.000 description 47
- 210000004204 blood vessel Anatomy 0.000 description 16
- 230000005484 gravity Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012854 evaluation process Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 230000005055 memory storage Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 210000000746 body region Anatomy 0.000 description 7
- 210000003205 muscle Anatomy 0.000 description 7
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 210000003815 abdominal wall Anatomy 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 210000003164 cauda equina Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- A61B6/505—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 bone
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
为了提供能够基于椎骨区域在图像上的形状来确定作为椎管狭窄的评价对象的断面位置,并能够在确定出的位置处对椎管的狭窄进行评价的图像处理装置以及椎管评价方法,图像处理装置(100)从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域,针对各椎骨区域,在每个断面中计算出被检测体前后方向的长度。此外,基于计算出的各椎骨区域的被检测体前后方向的长度来确定包含棘突的断面,将确定出的断面的位置作为分析对象部位来对椎管的狭窄进行评价,并显示评价结果。由此,能够针对间隙多而很难在图像上呈现闭合空间且呈各种形状的椎管区域进行狭窄的评价。
Description
技术领域
本发明涉及图像处理装置以及椎管评价方法,详细来说涉及对椎管狭窄进行评价的处理中的分析对象位置的确定。
背景技术
在现有技术中,已开发了计算机辅助诊断***(CAD:ComputerAidedDiagnosis),该计算机辅助诊断***从通过X射线CT(ComputedTomography)装置、MRI(Magnetic Resonance Imaging)装置、超声波图像诊断装置等拍摄到的医用图像中检测异常部位并进行输出。例如,在以血管作为对象的情况下,提出了自动检测血管的狭窄,并计算出狭窄率等指标的方法(例如,参照专利文献1)。在专利文献1中记载了血管狭窄率分析***,该血管狭窄率分析***从图像数据中收集血管芯线、血管正交断面上的血管轮廓点等与血管形状相关的信息,基于收集到的信息来校正血管的扭曲并计算出局部的狭窄率。
希望利用这样的基于计算机的图像诊断技术,对椎管野进行狭窄等异常的自动检测。
在先技术文献
专利文献
专利文献1:JP特开2006-167287号公报
发明内容
发明要解决的课题
但是,很难将血管的狭窄评价方法直接应用于椎管中。原因是,在CT图像等中椎管区域不一定表现为闭合空间。这是因为,脊椎是多个椎骨相连的结构,并且各椎骨的形状也很复杂。另一方面,在对血管进行评价时,血管正交断面的无论哪个断面都会形成闭合空间。因此,虽然对于血管来说可以将所有断面作为分析对象,但是对于脊椎来说,必须首先从拍摄了脊椎的图像中确定适于椎管的评价的断面。
本发明鉴于以上的问题点而完成,其目的在于,提供一种能够基于椎骨区域在图像上的形状而确定作为椎管狭窄的评价对象的断面位置,并能够在确定出的位置处对椎管的狭窄进行评价的图像处理装置以及椎管评价方法。
用于解决课题的手段
为了达成上述目的,第1发明是一种图像处理装置,特征在于,具备:提取部,从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域;计算部,针对由上述提取部提取出的椎骨区域,在每个断面中计算出被检测体前后方向的长度;断面确定部,在由上述计算部计算出的椎骨区域的被检测体前后方向的长度大于规定的基准值的情况下,确定为是包含棘突的断面;椎管狭窄评价部,将由上述断面确定部确定出的断面的位置作为分析对象部位,对椎管的狭窄进行评价;以及显示部,显示上述椎管狭窄评价部的评价结果。
第2发明是一种使用计算机来对椎管狭窄进行评价的椎管评价方法,其特征在于,包括:提取步骤,从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域;计算步骤,针对提取出的椎骨区域,在每个断面中计算出被检测体前后方向的长度;确定步骤,在计算出的椎骨区域的被检测体前后方向的长度大于规定的基准值的情况下,确定为是包含棘突的断面;评价步骤,将在确定上述断面的步骤中确定出的断面的位置作为分析对象部位,对椎管的狭窄进行评价;以及显示步骤,显示上述评价步骤的评价结果。
发明效果
根据本发明的图像处理装置以及椎管评价方法,能够基于椎骨区域在图像上的形状,特别是将包含棘突的图像确定为椎管的分析对象,在确定出的位置处对椎管的狭窄进行评价。
附图说明
图1是表示图像处理装置100的整体结构的图。
图2是说明本发明涉及的图像处理装置100所执行的椎管狭窄评价处理的流程的流程图。
图3是说明按每个切片(slice)提取椎骨区域时的椎骨区域提取处理的流程的流程图。
图4是说明图3的椎骨区域提取处理中的各阶段的提取区域的图。
图5是提取出的椎骨区域的典型的图像模式。
图6是说明图5所示的各图像模式中的椎骨区域的被检测体前后方向的长度的图。
图7是说明椎骨区域的被检测体前后方向的长度的计算方法的图。
图8是在切片方向上将各断面的椎骨区域的被检测体前后方向的长度进行排列而得到的曲线图。
图9是说明椎管分析处理的流程的流程图。
图10是说明分析处理中的椎体分离处理的图。
图11是关于包含闭合空间的椎骨图像的椎管评价指标的计算例。
图12是关于不存在闭合空间的椎骨图像的椎管评价指标的计算例。
图13是关于包含闭合空间的椎骨图像的椎管评价指标的其他计算例。
图14是评价结果显示画面80的例子。
图15是评价结果显示画面80a的例子。
图16是评价结果显示画面80b的例子。
图17是说明在与椎体的倾斜度相应的断面提取椎骨区域时的椎骨区域提取处理的流程的流程图。
图18是说明图17的椎骨区域提取处理中的步骤S401、S402的图。
图19是说明图17的椎骨区域提取处理中的步骤S403、S404的图。
图20是表示对不存在闭合空间的椎骨图像描绘追加线而生成了闭合空间的例子的图。
图21是表示对不存在闭合空间的椎骨图像设定内切椭圆作为闭合空间的例子的图。
具体实施方式
以下,基于附图,详细说明本发明所涉及的图像处理装置以及椎管狭窄评价方法的实施方式。
[第1实施方式]
首先,参照图1,说明应用了本发明的图像处理装置100的图像处理***1的结构。
如图1所示,图像处理***1具备:具有显示装置107和输入装置109的图像处理装置100;经由网络110而与图像处理装置100连接的图像数据库111;以及医用图像摄影装置112。
图像处理装置100是进行图像生成、图像分析等处理的计算机。例如,包括设置在医院等的医用图像处理装置。
如图1所示,图像处理装置100具备CPU(Central Processing Unit)101、主存储器102、存储装置103、通信接口(通信I/F)104、与显示存储器105及鼠标108等***设备连接的接口(I/F)106,经由总线113而连接各部分。
CPU101将保存在主存储器102或者存储装置103等中的程序调取到主存储器102的RAM上的工作存储区域来执行,对经由总线113而连接的各部分进行驱动控制,实现图像处理装置100所进行的各种处理。
此外,在后述的椎管狭窄评价处理(参照图2)中,CPU101进行从拍摄被检测体的脊椎的至少一部分而得到的一系列断层像组中确定作为椎管狭窄的评价对象的位置的处理。然后,基于确定出的位置的图像,求取用于评价椎管的狭窄的各种指标,并在显示画面上显示评价结果、表示狭窄部位的图像。作为狭窄的评价对象的断面位置的确定、狭窄的评价指标的运算等各处理的详细情况将在后面讲述。
主存储器102由ROM(Read Only Memory)、RAM(Random AccessMemory)等构成。ROM永久地保存计算机的引导程序、BIOS等程序、数据等。此外,RAM临时保存从ROM、存储装置103等加载的程序、数据等,并且具备CPU101为进行各种处理而使用的工作存储区域。
存储装置103是进行向HDD(硬盘驱动器)、其他记录介质读写数据的存储装置,保存CPU101所执行的程序、程序执行所需的数据、OS(操作***)等。关于程序,保存有与OS相当的控制程序、应用程序。这些各程序代码被CPU101按照需要而读出并转移到主存储器102的RAM中,作为各种部件来执行。
通信I/F104具有通信控制装置、通信端口等,对图像处理装置100与网络110之间的通信进行中介。此外,通信I/F104经由网络110来进行与图像数据库111、其他计算机、或者X射线CT装置、MRI装置等医用图像摄影装置112之间的通信控制。
I/F106是用于连接***设备的端口,进行与***设备之间的数据的收发。例如,可以经由I/F106来连接鼠标108、记录笔等指示设备。
显示存储器105是临时蓄积从CPU101输入的显示数据的缓冲器。Z规定的时刻将蓄积的显示数据输出到显示装置107。
显示装置107由液晶面板、CRT监视器等显示装置和用于与显示装置协作来执行显示处理的逻辑电路构成,经由显示存储器105而与CPU101连接。显示装置107通过CPU101的控制来显示蓄积在显示存储器105中的显示数据。
输入装置109例如是键盘等输入装置,将由操作者输入的各种指示、信息输出到CPU101。操作者使用显示装置107、输入装置109以及鼠标108等***设备以对话方式操作图像处理装置100。
网络110包括LAN(Local Area Network)、WAN(Wide Area Network)、内部网、互联网等各种通信网,对图像数据库111、服务器、其他信息设备等与图像处理装置100之间的通信连接进行中介。
图像数据库111蓄积并存储由医用图像摄影装置112拍摄的图像数据。在图1所示的图像处理***1中,图像数据库111虽然构成为经由网络110而与图像处理装置100连接,但是也可以将图像数据库111设置在图像处理装置100内的例如存储装置103中。
接着,参照图2~图16来说明第1实施方式的图像处理装置100的动作。
图像处理装置100的CPU101从主存储器102读出与图2的椎管狭窄评价处理相关的程序以及数据,并基于该程序以及数据来执行处理。
另外,在开始执行椎管狭窄评价处理时,从图像数据库111等经由网络110以及通信I/F104,取入作为运算对象的一系列断层像组的数据,并存储在图像处理装置100的存储装置103中。
在图2的椎管狭窄评价处理中,首先,图像处理装置100的CPU101读取包含脊椎的至少一部分的一系列断层像组,作为输入图像数据(步骤S101)。读取的图像最好是CT图像。
在此,说明脊椎的构造和表现为CT图像的特征。
脊椎是多个椎骨连结而成的。即,脊椎是从头侧开始由7个颈椎、12个胸椎、5个腰椎相连结,在其下方有荐椎、尾骨。各椎骨由椎体、椎孔以及棘突等构成。椎体是位于椎骨的前方(腹侧)的圆柱状的部分。椎孔是从被检测体的前方(腹侧)看去位于椎体的背后的空间。连结多个椎骨且椎孔相连,则形成管。将该管称为椎管。在椎管中有脊髓、马尾神经通过。椎弓是位于椎骨的后方(背侧)的弓状部分。椎体虽然是简单的形状,但是椎弓的形状很复杂。椎弓中有椎弓与上下其他椎骨之间的关节面,并且有以椎体为中心的左右的上关节突起、下关节突起、横突起和向一个背侧延伸的棘突。在相邻的椎体彼此之间存在富有弹性的椎间盘。这样,在脊椎中有很多间隙。因此,在CT图像上闭合空间的区域很少。
CPU101从读取到的一系列断层像组中提取椎骨区域(步骤S102)。参照图3~图5来说明椎骨区域的提取处理。在第1实施方式中,将与体轴正交的断面处的图像、即在步骤S101中获取到的各断层像直接作为提取源的图像来提取椎骨区域。
如图3的流程图所示,在椎骨区域提取处理中,首先,CPU101从各断层像中提取体区域(步骤S201)。所谓体区域的提取是指,将被检测体区域与周围区域分离,仅提取被检测体区域的处理。CPU101对各断层像进行阈值处理,生成二值化图像。阈值处理中使用的阈值可以使用预先设定的值,也可以是基于断层像的像素值的直方图求取出的值。
接着,CPU101进行对生成的二值化图像的不连续的区域分别赋予标号的标签处理,将附加了标签的区域中最大面积的区域提取为计算对象区域。之后,根据需要,实施噪声去除处理、填补处理(对应当提取却未提取的像素进行再次提取的处理)等,作为体区域来提取。
接着,CPU101从提取出的体区域中提取椎骨区域(步骤S202)。在椎骨区域提取处理中,CPU101首先根据可使腹壁肌肉层明确分离的最佳阈值来进行阈值处理,生成二值化图像。腹壁肌肉层的CT值通常为“-50”至“100”的范围。如上所述,阈值可以利用预先设定的值,也可以利用基于断层像的CT值的直方图而计算出的值。由于背骨具有比体区域的重心点更靠背侧这样的特征,所以CPU101从表示腹壁肌肉层的二值化图像中提取背骨周边的肌肉区域。图4(a)是表示提取了腹壁肌肉层的阶段的2值化图像21的图,图4(b)是表示仅提取了背骨周边的肌肉区域的阶段的2值化图像22的图。
CPU101从提取出的背骨周边的肌肉区域中提取椎骨区域。这里的阈值设为可使骨头明确分离的最佳值。另外,骨的CT值通常为“500”至“1000”的范围。与上述的阈值处理同样地,阈值可以利用预先设定的值,也可以利用基于断层像的CT值的直方图而计算出的值。图4(c)是表示从断层像中提取出的椎骨区域的图像23。
若针对某断层像的椎骨区域提取结束,则CPU101判定是否对所有切片实施了椎骨区域的提取处理(步骤S203),如果未对所有切片实施(步骤S203:“否”),则返回步骤S201。若对所有切片结束了椎骨区域的提取处理(步骤S203:“是”),则进入图2的步骤S103。
在此,参照图5来说明从断层像中提取的椎骨区域的形状的典型模式。
图5的各图像51、52、53是在步骤S102的椎骨提取处理中提取出的椎骨区域的二值化图像,例如,将骨区域的像素值设为“1”,将其他区域的像素值设为“0”。在各图像51、52、53中,由斜线示出的部分表示骨区域。
另外,在以下的说明中将表示椎骨区域的二值化图像称为椎骨图像(图5的图像51、52、53)。
如图5所示,在CT图像中,椎骨区域可以取各种形状。这是因为,椎骨的形状复杂,人体的脊椎呈S形,且各椎骨倾斜地被连结。
在图5(a)的椎骨图像51中,在图像上部可以观察到椎体,在图像下部可以观察到椎弓(横突起以及棘突),在图像中央可以观察到表示椎管的闭合空间。
关于图5(b)的椎骨图像52,虽然在图像上部存在看上去像椎体的部分,且在图像下部存在看上去像棘突的部分,但是图像中央并没有形成闭合空间,而是形成了开放空间。
关于图5(c)的椎骨图像53,虽然在图像上部存在看上去像椎体的部分,且在左右存在看上去像椎弓的横突起的部分,但是在图像下部并不存在表示棘突的部分。此外,虽然能够在图像中央部观察到表示椎管的区域,但是该区域也形成了开放空间,无法清楚地确定椎管的范围。
此外,虽然未图示,但是有时还会出现如下现象:存在于椎骨与椎骨之间的椎间盘很难反映在CT图像中,在其位置恰好成为断面位置的情况下,椎体等也不会明确出现在图像内现。
这样,在拍摄脊椎而得到的一系列断层像组之中同时存在适于椎管狭窄评价的图像和不适于椎管狭窄评价的图像。因此,在本发明中,从这些断层像组之中确定适于进行椎管狭窄的评价的断面位置。
为此,首先,CPU101计算从各断层像中提取出的椎骨区域的被检测体前后方向的长度(图2的步骤S103)。
所谓椎骨区域的被检测体前后方向的长度是指,将经过椎骨区域重心的直线上的腹侧的端点与背侧的端点相连结的距离。CT断层像由于通常是腹侧为上且背侧为下,所以图像的上下方向同连结被检测体的腹侧与背侧的方向、即被检测体前后方向一致。其中,在椎骨发生了倾斜的情况下、或对椎骨区域提取的原始图像使用任意断面的图像的情况下,图像的上下方向与被检测体前后方向不一定一致。在该情况下,求取椎骨区域的重心以及倾斜度,决定惯性主轴,并求取位于惯性主轴上的椎骨区域的端点间的距离即可。
图6是说明图5所示的各椎骨图像51、52、53中的椎骨区域的被检测体前后方向上长度的计算方法的图。在图6的各图中,设成了椎骨区域的惯性主轴62与图像的上下方向一致。
如图6(a)所示,在椎骨图像51中,双向箭头63a的长度成为椎骨区域的被检测体前后方向的长度。即,将经过椎骨区域重心61的直线上的腹侧的端点与背侧的端点之间的距离设为椎骨区域的被检测体前后方向的长度。在该长度63a中,包含图像上部的椎体、图像下部的棘突、图像中央部的闭合空间(椎管)的长度。
如图6(b)所示,在椎骨图像52中,双向箭头63b的长度成为椎骨区域的被检测体前后方向的长度。与图6(a)同样地,将经过椎骨区域重心61的直线上的腹侧的端点与背侧的端点之间的距离设为椎骨区域的被检测体前后方向的长度。在该长度63b包含图像上部的椎体、图像下部的棘突、图像中央部的骨头以外的空间(椎管)的长度。
在图6(c)所示的椎骨图像53中,双向箭头63c的长度成为椎骨区域的被检测体前后方向的长度。在椎骨图像53中不存在棘突的区域。因此,经过椎骨区域重心61的直线上的腹侧的端点与背侧的端点之间的距离仅包含位于图像上部的椎骨区域的长度。
另外,如上所述,椎骨区域的被检测体前后方向的长度的计算方法并不限于根据腹侧以及背侧的各端点的坐标值来求取两点间距离的方法,也可以使用其他计算方法。例如,也可以求取行程长度(run length)。所谓行程长度通常意味着同一像素值连续的部分的长度(像素数),在本说明书中意味着“某区域(椎骨区域)的长度(像素数)”。在以下的说明中,为了与通常意义上的行程长度区别开来,称为“填补行程长度”。所谓填补行程长度是指,例如如图5(a)、图5(b)所示,在椎骨区域内含有骨区域以外的部分的情况下,将该骨区域以外的部分变换(填补)成骨头的像素值,从而作为一个整体区域来计算出的长度。
具体来说,在如图6(a)所示那样的在内部有闭合空间的椎骨区域中,经过重心且连结腹侧与背侧的直线(惯性主轴62)上的像素值包含“1”、“0”、“1”的部分。即,在骨区域的内部,存在骨头以外的区域65。在该情况下,如图7(a)所示,CPU101对直至椎骨区域的腹侧的端点和背侧的端点为止的像素进行填补处理(将像素值“0”变换成“1”)的同时,对像素数进行计数。将该计数值设为填补行程长度RL。
同样地,针对如图6(b)所示那样在中央有开放空间的椎骨区域,CPU101也对直至椎骨区域的腹侧的端点和背侧的端点为止的像素进行填补处理(将像素值“0”变换成“1”)的同时,对像素数进行计数,求取填补行程长度。
在图6(c)所示那样的没有棘突的椎骨区域中,惯性主轴62上的像素值从一端起是“1”、“0”。即,像素值为“0”的区域没有夹在像素值为“1”的区域中。在该情况下,仅在像素值为“1”的区域对像素数进行计数,将计数值设为椎骨区域的行程长度。
此外,如图7(b)所示,也可以针对惯性主轴上的骨区域,分别求取通常意义上的行程长度RL1、RL2(像素值“1”连续的长度),并将它们的和(RL1+RL2)设为椎骨区域的被检测体前后方向的长度。
这样,CPU101针对所有的断面(断层像)使用上述的两点间距离、填补行程长度、或者行程长度之和等,来求取椎骨区域的被检测体前后方向的长度。并且,基于求取的椎骨区域的被检测体前后方向的长度,确定包含棘突的断面(图2的步骤S104)。
参照图8来说明图2的步骤S104的断面确定处理。
图8的曲线图的纵轴是切片位置,横轴是在步骤S104中计算出的椎骨区域的被检测体前后方向的长度。椎骨区域的被检测体前后方向的长度可以设为上述的两点间距离、填补行程长度以及行程长度之和当中的任意的值。此外,图8所示的虚线90是用于判定有无棘突的基准曲线。
针对在步骤S103中计算出的椎骨区域的被检测体前后方向的长度,如果观察到切片位置处的变化,则如图8所示,存在局部突出的切片位置。这意味着:在包含棘突的切片位置处,椎骨区域的被检测体前后方向的长度突出且变大,在其他切片位置处变小。利用该特征,CPU101将椎骨区域的被检测体前后方向的长度比规定的基准值变大的切片位置确定为包含棘突的断面。
另外,用于判定是否为包含棘突的断面的基准值例如可设为椎骨区域的被检测体前后方向的长度在所有切片上的平均值。或者,也可以采用滚球法(rolling ball)、高次样条(higher order spline)插值等来求取表示椎体的标准长度的曲线(图8的虚线90),并将求取到的曲线设为基准值(基准曲线)。所谓滚球法是指,沿着曲线使规定直径的球虚拟地进行滚动,基于此时球的外表面所描绘的轨迹来决定曲线的方法。
此外,由于椎体的大小随着部位(颈部、胸部、腰部等)的不同而不同,所以可以将椎骨区域的被检测体前后方向的长度的最大值的半值设为基准值。在该情况下,将基准值设定成低于上述平均值,能够防止断面的特定的遗漏。
在通过步骤S104的处理确定出包含棘突的断面后,接着,CPU101基于所确定的断面的断层像来对椎管进行分析,评价狭窄(图2的步骤S105)。
参照图9来说明图2的步骤S105的椎管分析处理。
在图9所示的椎管分析处理中,求取作为分析对象部位的断面中的椎管形状的左右偏差,作为评价指标。
在对椎管的断面形状的左右偏差进行评价时,例如求取左右距椎骨区域的重心的距离相同的各位置处的椎体与椎弓之间的距离、即椎管的粗细,由此评价左右存在何种程度的不同。
因此,CPU101首先针对作为分析对象的断面(在步骤S104中确定出的包含棘突的断面)之中在椎骨区域包含闭合空间的断面,进行从椎弓分离椎体的处理(步骤S301)。
例如,如图10(a)所示的椎骨图像51那样,针对在内部存在闭合空间的椎骨区域,CPU101执行步骤S301的椎体分离处理。图5(b)所示的椎骨图像52已经将椎体区域分离,所以可以不进行步骤S301的分离处理。
在步骤S301的椎体分离处理中,CPU101以椎骨区域的重心61作为搜索开始点,在图像的上下方向(纵向)上扫描椎骨区域,由此确定椎管区域。椎管区域是椎骨区域内部除骨头以外的区域(闭合空间)。然后,CPU101在比椎管区域的上端更靠上部侧的骨区域(椎体)中设定分离线67。
具体来说,例如,针对包含图10(a)所示那样形状的椎骨区域的椎骨图像51,如图10(b)所示那样,将椎骨区域的重心61的周围的像素值“0”的空间设为椎管区域40。然后,求取接近椎管区域40的上侧的骨区域(椎体)的形状的椭圆。即,将连结椎管区域40的上端点41与其上部的椎体区域的腹侧(上侧)的端点42的距离设为短轴直径a1,将比上端点41更靠上侧的椎骨区域的横向的最长宽度设为长轴直径b1,由此设定椭圆。将表示椭圆且落在骨区域的线设为分离线67。
另外,椎体分离处理并不限于基于椭圆近似的方法,也可以采用其他方法。
例如,也可以通过高次曲线近似来求取将椎管区域的上端点41与椎体(椎骨区域的上部)的边缘的曲线相连结的平滑的曲线,将该曲线设为分离线67。
接着,CPU101设定评价开始点P以及搜索范围(步骤S302)。评价开始点P例如是椎管区域40的中央最下端点。CPU101从棘突的最下端点开始朝向图像上(纵)方向扫描椎骨区域,将像素值为0的点、即椎管区域的中央最下端点设定为评价开始点P。此外,例如,如图11的直线Le以及直线Re所示,在椎管区域为闭合空间时,搜索范围设为闭合空间的宽度即可。
此外,如图12所示,在椎管区域为开放空间的情况下,将椎体侧的骨区域(上侧)与棘突侧的骨区域(下侧)之间的距离大于规定值的范围设为搜索范围即可。
若设定了评价开始点P以及搜索范围,则CPU101执行分析处理(步骤S303)。在步骤S303的分析处理中,首先,CPU101以评价开始点P作为基点,测量左右相同距离的各位置处的椎管的粗细,并进行比较。例如,如图11以及图12的箭头所示,椎管的粗细是从椎管的下端部至椎体的下端部(在图11中是分离线67)为止的图像上下方向的距离。CPU101在评价开始点P距左右的距离相同的位置彼此之间,对求取的距离进行比较。
在图11以及图12的例子中,如配置在左右侧距评价开始点P的距离相同的位置处的各箭头(实线箭头彼此、单点划线箭头彼此、虚线箭头彼此、…),在左右侧距评价开始点P的距离相同的位置之间比较椎管的粗细(箭头的长度)。当左右侧距评价开始点P的距离相同的位置处的椎管的粗细在左右存在规定比例以上的不同时,推断为是椎弓或椎体的一部分压迫了椎管等。
之后,CPU101求取表示椎管的粗细在左右达到了何种程度的不同的比率,作为评价指标。或者,也可以是,以从评价开始点P引出的中央线为边界,求取椎管的右侧区域和左侧区域的面积,计算出面积比来作为评价指标。
此外,在由闭合空间来表示椎管区域的椎骨图像51中,如图13所示,也可以不设定分离线67,而是在闭合空间的内部求取上下方向的距离,并在左右侧距评价开始点P的距离相同的位置之间进行比较。
这样,若在步骤S303中评价指标的计算结束,则CPU101判定是否针对所有的评价对象断面实施了分析(步骤S304),当存在还未实施分析的评价对象断面的情况下(步骤S304:“否”),重复执行步骤S301~步骤S303的处理。
在针对所有的评价对象断面实施了分析的情况下(步骤S304:“是”),进入图2的步骤S106。
在图2的步骤S106中,CPU101显示步骤S105(图9的椎管分析处理)的评价结果(步骤S106)。图14~图16是表示评价结果的显示例的图。
在图14所示的评价结果显示画面80中,设置有操作输入区域81、评价对象图像显示区域82、脊椎图像显示区域83、评价结果列表显示区域84等。
操作输入区域81中设置有用于输入图像分析所涉及的各种操作的按钮、按键、输入栏等。例如,设置有:用于指定作为处理对象的图像的发送按钮;输入在二值化处理中所使用的阈值的输入栏;调整所显示的图像的尺寸、CT值范围的按钮;以及用于调整其他各种参数的按钮等。
在评价对象图像显示区域82中显示在操作输入区域81中指定的断层像、作为处理对象的图像等。
在脊椎图像显示区域83中显示表示脊椎的至少一部分的脊椎图像。例如,可以设为将纵轴作为被检测体的体轴方向且将横轴作为被检测体前后方向的径向图像、或将沿着脊椎的面设为断面的CPR(Curved PlanarReconstruction)图像。在图14的例子中,显示了将纵向作为被检测体的体轴方向且将横向作为被检测体前后方向的脊椎的径向图像。
此外,也可以采用颜色、标记等来强调显示脊椎图像的各椎骨之中检测到狭窄等异常的椎骨83a、83b。
在评价结果列表显示区域84中显示以数值来表示某断面上的椎管狭窄的评价结果的评价结果列表。例如,在评价对象图像显示区域82中显示针对显示中的断面的评价结果列表。在图14所示的例子中,在评价结果列表中依次示出了在左右侧距评价开始点P的距离相同的各点处的椎管的粗细的左右比之中值从大到小的左右比。具体来说,记载了以下情况:在从评价开始点P起左右相距1cm的位置处,椎管的粗细产生了“3.33%”的偏差,在从评价开始点P起左右相距2cm的位置处,椎管的粗细产生了“2.29%”的偏差。
若借助鼠标等对显示于脊椎图像显示区域83的脊椎图像指示任意的椎骨,则CPU101可以将包含该椎骨的图像(断层像)显示于评价对象图像显示区域82。此外,也可以将该断层像中的椎管狭窄的评价结果显示于评价结果列表显示区域84。
另外,图14的评价结果列表的内容是一个例子,显示在椎管分析处理(图9)中分析出的各种评价指标、与该评价结果相应的内容。
此外,也可以如图15所示的评价结果显示画面80a那样,显示椎管区域的展开图像。
在图15所示的评价结果显示画面80a中,设置有操作输入区域81、评价对象图像显示区域82、脊椎图像显示区域83、展开图像显示区域85等。对于图14的评价结果显示画面80来说,虽然脊椎图像显示区域83的布局位置不同,但是操作输入区域81、评价对象图像显示区域82以及脊椎图像显示区域83的显示内容与图14的评价结果显示画面80相同。
在图15的评价结果显示画面80a中,在展开图像显示区域85中显示有脊椎(椎管)的展开图像。所谓展开图像是指,在长轴方向上虚拟地切开椎管,将管内部各点的像素值投影到平面上的对应的各点而得到的图像。通过显示展开图像,能够视觉辨认椎管内部的钙化状况等。此外,也可以针对存在狭窄等异常的部位,强调显示脊椎图像显示区域83的脊椎图像对应的椎骨83b、展开图像显示区域85的展开图像对应的部位85a。
此外,也可以如图16所示的评价结果显示画面80b那样,显示被检测体的整体图像87,并在整体图像87上示出显示于脊椎图像显示区域83的范围88。整体图像87可以设为拍摄CT时得到的扫描图像(scanogram)、标准的人体图解等。
此外,也可以在评价结果列表显示区域84中与评价结果的列表一起显示表示存在狭窄等异常情况的警报显示86。
若显示了椎管狭窄的评价结果,则CPU101判定是否存在下一串断层像(图2的步骤S107),在存在下一串断层像的情况下(步骤S107:“是”),返回步骤S101,针对下一串断层像重复执行步骤S101~步骤S106的处理。
在不存在下一串断层像的情况下(步骤S107:“否”),结束椎管狭窄评价处理。
如以上所说明的,第1实施方式的图像处理装置100从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域,针对椎骨区域在每个断面中计算出被检测体前后方向的长度,基于计算出的椎骨区域的被检测体前后方向的长度,确定包含棘突部的断面,将确定出的断面位置作为分析对象部位来评价椎管的狭窄,并显示评价结果。
由此,由于能够针对在图像上形成各种形状的椎管区域,从处理对象中去掉不适于评价的断面来执行运算,所以能够使用计算机等图像处理装置100来进行椎管狭窄的评价。
此外,也能够针对间隙多而很难在图像上呈现闭合空间或呈各种形状的椎管区域进行狭窄的评价。
此外,在作为分析对象部位的断面中,在提取出的椎骨区域的内部存在表示椎管的闭合空间的情况下,基于闭合空间的形状来评价椎管的狭窄。或者,在推测为椎体的椎管侧的边缘的位置处设定分离线,比较在左右侧距椎管的中央距离相同的位置处的分离线与椎弓之间的距离。由此,能够对作为分析对象部位的断面中的椎管的粗细的左右偏差进行评价。
在评价结果显示画面中,显示在在体轴方向上示出脊椎的脊椎图像,并识别显示判断为存在狭窄的椎骨。此外,也可以显示椎管的展开图像,在展开图像中也识别显示出判断为有狭窄的部位。此外,也可以以列表方式显示评价结果,或在检测到狭窄等异常的情况下进行警报显示。
由此,能够基于CT图像等断层像组,使用计算机来自动评价椎管的狭窄,从而提示评价结果。特别是,由于将作为评价对象的断面确定为包含棘突的断面,所以能够去掉不适当的图像后作为评价对象,由此可高效地得到评价结果。
[第2实施方式]
接着,参照图17~图19,说明本发明的第2实施方式。
在第1实施方式中,从与体轴正交的各断层像中提取椎骨区域,并基于提取出的椎骨区域的被检测体前后方向的长度来确定了评价椎管的狭窄的断面位置。但是,由于脊椎呈S形,所以各椎骨以分别具有某种程度的倾斜的方式相连着。
因此,在从与体轴正交的各断层像中提取出椎骨区域的情况下,有时因椎体的倾斜方式,会成为难以评价椎管狭窄的角度。
因此,在第2实施方式中,生成与各椎体正交的椎骨断面图像,从生成的椎骨断面图像中提取椎骨区域。因此,容易基于提取出的椎骨区域所表示的形状来评价椎管的狭窄。
以下,说明本发明的第2实施方式。
在第2实施方式中,特别说明第1实施方式中的椎管狭窄评价处理(参照图2)的步骤中步骤S102的椎骨区域的提取处理所涉及的其他例子。
作为处理对象的脊椎的断层像组的获取、提取出的椎骨区域的被检测体前后方向的长度的计算、包含棘突的断面的确定、狭窄的评价以及评价结果的显示等中,除了椎骨区域的提取处理以外,各处理与第1实施方式相同。在以下的说明中,省略与第1实施方式重复的说明,仅说明不同的部分(椎骨区域的提取处理)。
如图17的流程图所示,第2实施方式的图像处理装置100的CPU101首先基于拍摄被检测体的脊椎而得到的一系列断层像组,生成脊椎图像31(步骤S401)。所谓脊椎图像31是指沿着脊椎的断面的图像。例如,生成图18(a)所示那样的CPR图像的脊椎图像31。或者,也可以为了使处理快速化而设为径向图像。
图18(a)是表示在步骤S401中生成的脊椎图像31的一例的图。横轴是Y方向(被检测体前后方向),纵轴是体轴方向,图像左侧是腹侧,右侧是背侧。如图18(a)所示,在脊椎图像31中多个椎骨12相连。椎骨12在腹侧具有椎体13,在背侧具有椎弓15以及棘突16,在椎体13与椎弓15之间存在椎孔14。此外,在椎骨与椎骨之间存在椎间盘17。椎孔14以及椎间盘17是骨头以外的区域。
CPU101从在步骤S401中生成的脊椎图像31中提取椎体区域(步骤S402)。即,CPU101通过阈值处理,将在步骤S401中生成的脊椎图像31二值化。二值化所采用的阈值设为将骨区域与骨头以外的部分分离的CT值。在生成的二值化图像中,例如,将骨区域设为“1”,将其他区域设为“0”。然后,CPU101在生成的二值化图像的骨区域之中提取腹侧的骨区域。
由于仅提取腹侧的骨区域,所以首先,CPU101在体轴方向上扫描骨区域。
并且,在扫描的像素为骨区域以外的像素值为“0”的情况下,变换为骨区域(像素值“1”)。由此,使不连续地存在的骨区域相连结。这样,在图像内生成2个规定长度以上的骨区域。CPU101将这些连结区域之中腹侧的区域合并提取为椎体区域。
接着,CPU101将提取出的椎体区域返回连结前的状态,通过标签处理来分别单独地识别各椎体。标签处理的结果如图18(b)所示。对各椎骨附加“1”、“2”、“3”、“4”、“5”、“6”这样的标号。
CPU101针对贴标签后的各椎体,求取以下的椎体指标(步骤S403)。要求取的椎体指标是椎体的高度、宽度、面积、重心、倾斜度等。
图19(a)是说明椎体指标的图。
图19(a)是放大了图18(b)所示的多个椎体之中的一个椎体13的图。横轴是Y方向,纵轴是体轴方向,与图垂直的方向是X方向。图中用虚线表示的直线Yp是与Y轴平行的线。
椎体13的高度以及宽度可通过搜索椎体周围来计算。
椎体13的面积可通过将计算出的高度与宽度相乘来求取。
椎体13的重心Q可根据计算出的面积来计算。
椎体13的倾斜度θ例如是椎体13的下边(直线R-R’)与平行线Yp之间的角度。
若求取了椎体指标,则CPU101接着基于椎体指标,生成与椎体的倾斜度相应的椎骨断面图像(步骤S404)。作为生成椎骨断面图像的方法的一个例子,例如,决定经过椎体13重心Q且使相对于Y轴的倾斜度成为根据上述椎体指标求取的倾斜度θ的断面D1,从原始的断层像组中获取与断面D1相关的像素值数据,由此生成断面图像。该椎骨断面图像针对各椎体至少生成一个即可,但是也可以生成多个。
在生成多个椎骨断面图像时,设定与上述断面D1平行的第2断面D2、第3断面D3。将断面D1与断面D2、D3之间的距离d设为比椎体13的高度的一半值还短的距离。此外,也可以将所有椎体高度的平均与作为对象的椎体13的高度之差设为系数,由此决定距离d。或者,也可以将所有椎体的面积的平均与作为对象的椎体13的面积之差设为系数,由此决定距离d。
这样,如果考虑其他椎体的椎体指标来决定椎骨断面图像的断面位置,则能够生成在各椎体中类似的椎骨断面图像。由此,即使在无法针对作为对象的椎体获得适当的评价用图像(用于评价椎管狭窄的图像)的情况下,也容易将其他椎骨断面图像的信息作为参考来推测椎管的形状,或者进行插值。
CPU101根据所生成的椎骨断面图像来生成表示椎骨区域的二值化图像。在二值化中所采用的阈值与步骤S302相同,是将骨区域与骨头以外的部分分离的CT值。此外,生成的二值化图像例如将骨区域设为“1”,将其他区域设为“0”。
作为例子,根据图19(b)的断面D1来生成图5(a)的椎骨图像51,根据图19的断面D2来生成图5(b)的椎骨图像52,并根据图19的断面D3来生成图5(c)的椎骨图像53。
通过以上的处理,若生成了与椎体的倾斜度相应的椎骨断面图像,则CPU101基于生成的椎骨断面图像,执行图2的步骤S103~S107的处理。即,CPU101基于通过图17的椎骨区域提取处理生成的椎骨断面图像,计算出椎骨区域的被检测体前后方向的长度,并基于计算出的长度来确定包含棘突的椎骨断面图像,基于确定出的椎骨断面图像来计算与椎管狭窄相关的各种指标并进行评价,显示评价结果。
由此,由于能够考虑各椎体的倾斜度来生成容易评价椎管的狭窄的图像,所以能够得到精度良好的评价结果。此外,如果还将其他椎体的信息(椎体指标)作为参考,在适当的断面中生成椎骨断面图像,则能够生成在各椎骨中类似的椎骨断面图像。由此,以后的步骤中的椎管的评价处理就变得更简单。此外,容易将其他椎体的椎骨断面图像的信息作为参考来对作为处理对象的图像的椎管的形状进行插值,或进行推测。
[第3实施方式]
在第3实施方式中,说明椎管的评价步骤(图2的步骤S106)中的其他评价例。
在第1以及第2方式中,确定了包含棘突的图像,主要将成为闭合空间的椎管作为了评价对象。但是,即使在图像上没有将表示椎管的闭合空间清楚地表现出来,只要能够根据其他椎体的图像等来推测椎管的位置,也能够包含在评价对象中。
因此,在第3实施方式中,例如,通过插值来对图5(b)、(c)所示那样未包含闭合空间的椎骨图像52、53描绘表示椎管的闭合空间,并基于插值图像来分析椎管粗细在左右的偏差、狭窄程度等。
另外,对在第1实施方式中使用的与体轴方向正交的断层像以及在第2实施方式中使用的椎骨断面图像中的任一个,都能适用闭合空间的插值处理。
图像处理装置100的CPU101若得到了图5所示的椎骨图像51、52、53,则求取椎骨区域的形状的特征。作为特征,求取有无闭合空间、有无横向闭合、有无纵向闭合。
CPU101在纵向以及横向上扫描椎骨图像51、52、53,在骨区域的内部存在骨头以外的区域的情况下,认为存在闭合空间。具体来说,在横向上进行扫描的结果,当存在像素值为“1(骨头)”、“0(其他)”、“1(骨头)”这样顺序的像素列的情况下,认为有横向闭合。同样地,在纵向上进行扫描的结果,当存在像素值为“1(骨)”、“0(其他)”、“1(骨)”这样顺序的像素列的情况下,认为有纵向闭合。
判定为,在图5(a)的椎骨图像51中存在闭合空间,在图5(b)的椎骨图像52中存在纵向闭合,在图5(c)的椎骨图像53中存在横向闭合。
接着,CPU101执行用于对在纵向或者横向上存在闭合的椎骨图像52、53生成闭合空间的插值处理。作为插值处理的方法的一个例子,有将存在于某距离值以内的两个骨区域彼此相连接的方法等。
图20(a)是针对图5(b)所示的在纵向上存在闭合的椎骨图像52的插值图像52a。如图20(a)所示,CPU101在图像上部的椎体与图像下部的棘突之间描绘追加线68a、68b。
图20(b)是针对图5(c)所示的在横向上存在闭合的椎骨图像53的插值图像53a。如图20(b)所示,CPU101在靠近骨区域下部的部分描绘追加线68c。
这样,借助插值来对不存在闭合空间的椎骨图像52、53生成闭合空间,从而针对在第1实施方式中属于评价对象外的图5(b)、图5(c)那样不包含棘突的图像也能够进行椎管的评价。
此外,通过生成闭合空间,在评价椎管的狭窄时,能够应用例如血管等管状脏器的狭窄评价方法。作为管状脏器的狭窄评价方法的公知例子,例如有专利文献1等。在专利文献1中记载了以下技术:收集血管芯线、血管正交断面上的血管轮廓点等与血管的形状相关的信息,基于收集到的信息,校正血管的扭曲,计算出局部的狭窄率。
另外,闭合空间(椎管区域)的生成方法不限于上述那样基于追加线的插值。例如,可以根据不存在闭合空间的椎骨图像52、53的形状来生成与周围的骨区域内切的椭圆(内切椭圆)。然后,将生成的内切椭圆假定为各椎骨图像的椎管,由此计算狭窄的位置、狭窄范围、狭窄的程度。
参照图21来说明内切椭圆。
图21(a)示出了与图5(b)的椎骨图像52相对应的内切椭圆71的计算例,图21(b)示出了与图5(c)的椎骨图像53相对应的内切椭圆72的计算例。
CPU101根据图21(a)所示的椎骨图像52,求取椎体(图像上侧的骨区域)的最下点P1、椎弓(图像上侧的骨区域)的上侧的曲线L2、左右椎弓与椎体的距离最短的直线L3、L4。然后,生成曲线L2之内被直线L3和L4夹持的范围的点和与点P1相连的椭圆71。其中,将生成的椭圆71内的与骨区域重叠的部分识别为从闭合空间(椎管)中去除了的区域。
此外,针对图21(b)所示的椎骨图像53,CPU101根据椎骨图像53,设定经过椎体的最下点的直线L5,并在虽然被骨区域包围但是一部分未闭合的区域(开放空间)内的宽度最大的位置处设定直线L6,在以直线L6为轴而与直线L5线对称的位置处设定直线L7。此外,为了生成使开放空间最大的四边形,设定与直线L5、L7垂直的直线L8、L9。然后,生成与直线L5、L7、L8、L9内切的椭圆72。其中,将所生成的椭圆72内的与骨区域重叠的部分识别为从闭合空间(椎管)中去除了的区域。
CPU101针对根据内切椭圆71、72而识别出的椎管区域(闭合空间),采用上述那样公知的方法来计算出狭窄的位置、狭窄范围、狭窄的程度。
如以上所说明的,在第3实施方式中,通过插值等来对不包含闭合空间的椎骨图像求取表示椎管的闭合空间,在椎骨图像内生成闭合空间。由此,能够将在血管等的狭窄评价中所使用的公知的评价方法应用到椎管的狭窄评价中。
以上,在参照附图来说明了本发明所涉及的图像处理装置的优选实施方式,但是本发明并不限于这些例子。只要是本领域的技术人员,在本申请所公开的技术思想的范畴内,显然能够想到各种变更例或修正例,并且了解这些变更例或修正例也当然属于本发明的技术范围。
符号说明:
1 图像处理***,100 图像处理装置,101 CPU,102 主存储器,103 存储装置,104 通信I/F,105 显示存储器,106 I/F,107 显示装置,108 鼠标,109 输入装置,110 网络,111 图像数据库,112医用图像摄影装置,113 总线,12 椎骨,13 椎体,14 椎孔,15 椎弓,16 棘突,21、22 2值化图像,23 表示椎骨区域的图像,31 脊椎图像,32 椎体的标签图像,40 椎管区域,41 椎管区域的上端点,42 椎骨区域的腹侧的端点,51、52、53 椎骨图像,52a、53a 插值图像,61 重心,62 惯性主轴,63a、63b、63c 椎骨区域的被检测体前后方向的长度,65 骨头以外的区域,67 分离线,68a、68b、68c 追加线,71、72 内切椭圆,80、80a、80b 评价结果显示画面,81 操作输入区域,82 评价对象图像显示区域,83 脊椎图像显示区域,83a、83b 检测到异常的椎骨,84 评价结果列表显示区域,85 展开图像显示区域,85a 有异常的部位,86 警报显示,87 被检测体的整体图像,88 显示于脊椎图像显示区域83的范围,90 基准曲线。
Claims (11)
1.一种图像处理装置,其特征在于,具备:
提取部,从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域;
计算部,针对由上述提取部提取出的椎骨区域,在每个断面中计算出被检测体前后方向的长度;
断面确定部,在由上述计算部计算出的椎骨区域的被检测体前后方向的长度大于规定的基准值的情况下,确定为是包含棘突的断面;
椎管狭窄评价部,将由上述断面确定部确定出的断面的位置作为分析对象部位,对椎管的狭窄进行评价;以及
显示部,显示上述椎管狭窄评价部的评价结果。
2.根据权利要求1所述的图像处理装置,其特征在于,
上述提取部针对各断层像分别提取上述椎骨区域,
上述计算部针对从上述各断层像中提取出的各椎骨区域分别计算被检测体前后方向的长度。
3.根据权利要求1所述的图像处理装置,其特征在于,
上述提取部基于上述一系列断层像组来生成与椎体从水平轴起的倾斜度相应的断面上的椎骨断面图像,从生成的椎骨断面图像中提取上述椎骨区域,
上述计算部针对从上述椎骨断面图像中提取出的各椎骨区域分别计算被检测体前后方向的长度。
4.根据权利要求1所述的图像处理装置,其特征在于,
在作为上述分析对象部位的断面中,在提取出的椎骨区域的内部存在表示椎管的闭合空间的情况下,上述椎管狭窄评价部基于上述闭合空间的形状来评价椎管的狭窄。
5.根据权利要求1所述的图像处理装置,其特征在于,
在作为上述分析对象部位的断面中,在上述椎骨区域的内部不存在表示椎管的闭合空间的情况下,上述椎管狭窄评价部通过插值,根据上述椎骨区域的形状来求取表示椎管的闭合空间,基于通过上述插值而求取的闭合空间的形状来评价椎管的狭窄。
6.根据权利要求1所述的图像处理装置,其特征在于,
上述椎管狭窄评价部对作为上述分析对象部位的断面中的椎管的粗细的左右偏差进行评价,作为与狭窄相关的评价指标。
7.根据权利要求1所述的图像处理装置,其特征在于,
上述显示部显示椎骨在体轴方向上相连的脊椎图像,在上述脊椎图像中识别显示由上述椎管狭窄评价部判断为存在狭窄的椎骨。
8.根据权利要求1所述的图像处理装置,其特征在于,
上述显示部显示椎管的展开图像,在上述展开图像中识别显示由上述椎管狭窄评价部判断为存在狭窄的部位。
9.根据权利要求1所述的图像处理装置,其特征在于,
上述显示部对上述评价结果进行列表显示。
10.根据权利要求1所述的图像处理装置,其特征在于,
上述显示部显示由上述断面确定部确定出的断面的断层像。
11.一种椎管评价方法,使用计算机对椎管的狭窄进行评价,该椎管评价方法的特征在于,包括:
提取步骤,从拍摄脊椎的至少一部分而得到的一系列断层像组中提取椎骨区域;
计算步骤,针对提取出的椎骨区域,在每个断面中计算出被检测体前后方向的长度;
确定步骤,在计算出的椎骨区域的被检测体前后方向的长度大于规定的基准值的情况下,确定为是包含棘突的断面;
评价步骤,将在确定上述断面的步骤中确定出的断面的位置作为分析对象部位来评价椎管的狭窄;以及
显示步骤,显示上述评价步骤的评价结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012-233822 | 2012-10-23 | ||
JP2012233822 | 2012-10-23 | ||
PCT/JP2013/078688 WO2014065317A1 (ja) | 2012-10-23 | 2013-10-23 | 画像処理装置及び脊柱管評価方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104582579A true CN104582579A (zh) | 2015-04-29 |
CN104582579B CN104582579B (zh) | 2017-05-17 |
Family
ID=50544692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380043940.2A Expired - Fee Related CN104582579B (zh) | 2012-10-23 | 2013-10-23 | 图像处理装置及椎管评价方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9594975B2 (zh) |
JP (1) | JP6257092B2 (zh) |
CN (1) | CN104582579B (zh) |
WO (1) | WO2014065317A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633521A (zh) * | 2017-07-31 | 2018-01-26 | 深圳联影医疗科技有限公司 | 一种脊椎识别和命名***、方法及装置 |
CN105342641B (zh) * | 2015-11-20 | 2018-07-06 | 深圳开立生物医疗科技股份有限公司 | 一种超声成像方法、装置及其超声设备 |
CN109965910A (zh) * | 2019-04-12 | 2019-07-05 | 东南大学 | 一种基于三维超声脊柱体数据的矢状面投影成像方法 |
WO2021078040A1 (zh) * | 2019-10-21 | 2021-04-29 | 推想医疗科技股份有限公司 | 一种病灶的定位方法及装置 |
WO2021081850A1 (zh) * | 2019-10-30 | 2021-05-06 | 未艾医疗技术(深圳)有限公司 | 基于vrds 4d医学影像的脊椎疾病识别方法及相关装置 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8953865B2 (en) * | 2011-03-03 | 2015-02-10 | Hitachi Medical Corporation | Medical image processing device and medical image processing method |
WO2014144782A2 (en) | 2013-03-15 | 2014-09-18 | Ancera, Inc. | Systems and methods for active particle separation |
WO2014145765A1 (en) | 2013-03-15 | 2014-09-18 | Ancera, Inc. | Systems and methods for bead-based assays in ferrofluids |
JP6411073B2 (ja) * | 2014-06-02 | 2018-10-24 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像処理方法 |
WO2016210348A2 (en) | 2015-06-26 | 2016-12-29 | Ancera, Inc. | Background defocusing and clearing in ferrofluid-based capture assays |
JP2017158842A (ja) * | 2016-03-10 | 2017-09-14 | 透 本田 | 椎体変形診断装置、情報処理方法、及びプログラム |
JP6862310B2 (ja) * | 2017-08-10 | 2021-04-21 | 株式会社日立製作所 | パラメータ推定方法及びx線ctシステム |
US10885629B2 (en) * | 2018-01-31 | 2021-01-05 | Ricoh Company, Ltd. | Medical image processing apparatus, medical image processing method, medium, and medical image processing system |
JP7143118B2 (ja) * | 2018-05-23 | 2022-09-28 | 浜松ホトニクス株式会社 | 大腰筋領域画定装置および大腰筋領域画定方法 |
WO2020236847A1 (en) * | 2019-05-22 | 2020-11-26 | Theseus Al, Inc. | Method and system for analysis of spine anatomy and spine disease |
CN111063424B (zh) * | 2019-12-25 | 2023-09-19 | 上海联影医疗科技股份有限公司 | 一种椎间盘数据处理方法、装置、电子设备及存储介质 |
KR102348827B1 (ko) * | 2020-01-29 | 2022-01-07 | 원광보건대학교 산학협력단 | 3차원 컴퓨터단층촬영을 이용한 신경공협착율 제공방법 |
US11450435B2 (en) | 2020-04-07 | 2022-09-20 | Mazor Robotics Ltd. | Spinal stenosis detection and generation of spinal decompression plan |
US11426119B2 (en) | 2020-04-10 | 2022-08-30 | Warsaw Orthopedic, Inc. | Assessment of spinal column integrity |
CN111493918B (zh) * | 2020-04-24 | 2022-08-26 | 杭州健培科技有限公司 | 腰椎ct影像的观测面自动定位方法、应用方法及设备 |
CN112308821B (zh) * | 2020-09-27 | 2023-06-16 | 杭州依图医疗技术有限公司 | 一种椎骨检测方法及计算机设备 |
WO2023195242A1 (ja) * | 2022-04-04 | 2023-10-12 | 株式会社島津製作所 | X線画像処理装置、x線画像処理方法、および、プログラム |
WO2023195243A1 (ja) * | 2022-04-04 | 2023-10-12 | 株式会社島津製作所 | X線画像処理装置、x線画像処理方法、および、プログラム |
CN117745722B (zh) * | 2024-02-20 | 2024-04-30 | 北京大学 | 一种医疗健康体检大数据优化增强方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04146731A (ja) * | 1990-10-11 | 1992-05-20 | Hitachi Ltd | 画像計測方式 |
JP2010029482A (ja) * | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | Mriを用いた脊椎・椎体病変の経過観察レポート自動作成診断支援システム |
JP2011131040A (ja) * | 2009-11-27 | 2011-07-07 | Fujifilm Corp | 椎骨セグメンテーション装置、方法及びプログラム |
WO2012118109A1 (ja) * | 2011-03-03 | 2012-09-07 | 株式会社 日立メディコ | 医用画像処理装置及び医用画像処理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007007803B4 (de) * | 2007-02-16 | 2015-03-26 | Siemens Aktiengesellschaft | Verfahren zur automatischen Auswertung tomographischer Bilddatensätze, Tomographiesystem und Bildschirmarbeitsplatz |
US20090100105A1 (en) * | 2007-10-12 | 2009-04-16 | 3Dr Laboratories, Llc | Methods and Systems for Facilitating Image Post-Processing |
US9020235B2 (en) * | 2010-05-21 | 2015-04-28 | Siemens Medical Solutions Usa, Inc. | Systems and methods for viewing and analyzing anatomical structures |
EP2639763B1 (en) * | 2012-03-15 | 2015-10-21 | Agfa Healthcare | Method, Apparatus and System for Localizing a Spine |
US9218657B2 (en) * | 2012-06-12 | 2015-12-22 | Country View Medical Center | Method of obtaining and analyzing data from an upright MRI from the spinal region of a subject |
KR102245189B1 (ko) * | 2014-03-06 | 2021-04-28 | 삼성메디슨 주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
US9763706B2 (en) * | 2014-08-14 | 2017-09-19 | FloSpine, LLC | Interspinous fusion device |
-
2013
- 2013-10-23 CN CN201380043940.2A patent/CN104582579B/zh not_active Expired - Fee Related
- 2013-10-23 US US14/430,716 patent/US9594975B2/en not_active Expired - Fee Related
- 2013-10-23 JP JP2014543321A patent/JP6257092B2/ja active Active
- 2013-10-23 WO PCT/JP2013/078688 patent/WO2014065317A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04146731A (ja) * | 1990-10-11 | 1992-05-20 | Hitachi Ltd | 画像計測方式 |
JP2010029482A (ja) * | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | Mriを用いた脊椎・椎体病変の経過観察レポート自動作成診断支援システム |
JP2011131040A (ja) * | 2009-11-27 | 2011-07-07 | Fujifilm Corp | 椎骨セグメンテーション装置、方法及びプログラム |
WO2012118109A1 (ja) * | 2011-03-03 | 2012-09-07 | 株式会社 日立メディコ | 医用画像処理装置及び医用画像処理方法 |
Non-Patent Citations (1)
Title |
---|
J.ABBAS ET AL.: "Degenerative lumbar spinal stenosis and lumbar spine configuration", 《EUROPEAN SPINE JOURNAL》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105342641B (zh) * | 2015-11-20 | 2018-07-06 | 深圳开立生物医疗科技股份有限公司 | 一种超声成像方法、装置及其超声设备 |
CN107633521A (zh) * | 2017-07-31 | 2018-01-26 | 深圳联影医疗科技有限公司 | 一种脊椎识别和命名***、方法及装置 |
WO2019023891A1 (en) * | 2017-07-31 | 2019-02-07 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEMS AND METHODS FOR AUTOMATIC SEGMENTATION AND IDENTIFICATION OF VERTEBRA IN MEDICAL IMAGES |
CN109965910A (zh) * | 2019-04-12 | 2019-07-05 | 东南大学 | 一种基于三维超声脊柱体数据的矢状面投影成像方法 |
CN109965910B (zh) * | 2019-04-12 | 2021-07-02 | 东南大学 | 一种基于三维超声脊柱体数据的矢状面投影成像方法 |
WO2021078040A1 (zh) * | 2019-10-21 | 2021-04-29 | 推想医疗科技股份有限公司 | 一种病灶的定位方法及装置 |
WO2021081850A1 (zh) * | 2019-10-30 | 2021-05-06 | 未艾医疗技术(深圳)有限公司 | 基于vrds 4d医学影像的脊椎疾病识别方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6257092B2 (ja) | 2018-01-10 |
US9594975B2 (en) | 2017-03-14 |
JPWO2014065317A1 (ja) | 2016-09-08 |
CN104582579B (zh) | 2017-05-17 |
US20150248593A1 (en) | 2015-09-03 |
WO2014065317A1 (ja) | 2014-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104582579A (zh) | 图像处理装置及椎管评价方法 | |
US8953865B2 (en) | Medical image processing device and medical image processing method | |
Labelle et al. | Seeing the spine in 3D: how will it change what we do? | |
US8254652B2 (en) | Apparatus, method and system for computer tomography image processing | |
CN105705096B (zh) | 用于显示医学图像的方法和设备 | |
US7231073B2 (en) | Medical image processing apparatus with a function of measurement on a medical image | |
US8696603B2 (en) | System for measuring space width of joint, method for measuring space width of joint and recording medium | |
JP5486197B2 (ja) | 椎骨中心検出装置および方法並びにプログラム | |
US20110164798A1 (en) | Apparatus, method, and program for detecting three dimenmsional abdominal cavity regions | |
EP2639763B1 (en) | Method, Apparatus and System for Localizing a Spine | |
US8384735B2 (en) | Image display apparatus, image display control method, and computer readable medium having an image display control program recorded therein | |
CN101005803B (zh) | 灵活融合3dra-ct的方法 | |
JP2003520658A (ja) | 脊柱の幾何学的データを抽出する方法及びシステム | |
EP2196958A2 (en) | Image processing method, image processing apparatus, and image processing program | |
US9773309B2 (en) | Method of obtaining and analyzing data from an upright MRI from the spinal region of a subject | |
CN113284090B (zh) | 一种脊柱侧弯检测方法与医疗平台 | |
US7684600B2 (en) | Method and apparatus for calculating 3D volume of cerebral hemorrhage | |
JP4849449B2 (ja) | 医用画像診断支援装置 | |
JP6115643B2 (ja) | 画像処理方法 | |
US20230169644A1 (en) | Computer vision system and method for assessing orthopedic spine condition | |
US20090003677A1 (en) | Image processing apparatus, image processing method and recording medium | |
Herrmann et al. | A new computer-aided technique for analysis of lateral cervical radiographs in postoperative patients with degenerative disease | |
Song et al. | A novel iterative matching scheme based on homography method for X-ray image | |
Adibatti et al. | Design and performance analysis of Cobb angle measurement from X-ray images | |
CN113951873A (zh) | 一种基于x光图像的脊柱侧弯角度检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160720 Address after: Tokyo, Japan, Japan Applicant after: Hitachi Ltd. Address before: Japan Tokyo Chiyoda District Kanda four chome 14 No. 1 Applicant before: Hitachi Medical Corporation |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 Termination date: 20201023 |