JP2003190148A - 局所血流動態に関するインデックスを演算する方法及び装置 - Google Patents

Abstract

(57)【要約】 【課題】ＣＢＰスタディにより得られるマップの診断効
率を向上すること。 【解決手段】特定部位内の動脈に関する第１時間濃度曲
線と、特定部位内の組織に関する第２時間濃度曲線が、
造影剤を注入された被検体の特定部位に関する連続的な
複数の画像から作成される。動脈各々に対する組織の局
所血流動態を表す伝達関数が、伝達関数と第１時間濃度
曲線とのコンボルーションに対する第２時間濃度曲線の
残差が最小化するようにカーブフィッティングにより計
算される。伝達関数から、動脈各々に対する局所血流動
態に関するインデックスが計算される。動脈に対応する
インデックスのマップが作成され、これらインデックス
のマップが、第１時間濃度曲線各々に対する残差に従っ
て、１つのマップに合成される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、脳組織等の局所血
流動態に関するインデックスの演算方法及び演算装置に
関する。

【０００２】

【従来の技術】Ｘ線ＣＴ検査では、単純ＣＴ像から形態
情報を、また造影ＣＴによるダイナミックスキャンで病
巣の周りの血流の動態情報をそれぞれ視覚情報として得
ることができる。近年、マルチスライスＣＴによる高速
スキャンが可能になり益々造影ＣＴのダイナミックスキ
ャンの活用範囲が拡大していくものと考えられる。

【０００３】その一つの方向性として、脳組織内の毛細
血管の血流動態に関するインデックスを演算するための
ＣＢＰスタディと呼ばれる方法がある。ＣＢＰスタディ
では、組織内の局所的な血流動態、つまり局所組織内の
毛細血管を通過する血流の動態を定量的に表すＣＢＰ、
ＣＢＶ、ＭＴＴ、Ｅｒｒ等のインデックスを求め、また
これらインデックスのマップを出力する。

【０００４】ＣＢＰは、脳組織の毛細血管内の単位体積
及び単位時間あたりの血流量［ml/１００ml/miｎ］を表
し、ＣＢＶは、脳組織内の単位体積あたりの血液量［ml
/１００ml］、ＭＴＴは毛細血管の血液平均通過時間
［秒］を表し、Ｅｒｒは伝達関数を近似する際の残差の
総和又は残差の２乗和の平方根を表している。

【０００５】これら脳組織中の毛細血管の血流動態を定
量的に表しているインデックスＣＢＰ、ＣＢＶ、ＭＴＴ
は、脳虚血卒中が発症してからの経過時間情報とととも
に、虚血性脳血管障害の病体鑑別、毛細血管の拡大の有
無、血流速などの評価のための有益な情報として期待さ
れている。例えば、一般に虚血性の脳血管障害では、提
供する動脈の血圧が低下し、その血管内の血流速の低下
が見られる。その結果、ＣＢＶは一定でも、ＭＴＴが延
長し、ＣＢＰは低下する。また、脳梗塞超急性期では、
血圧低下による血流速の低下を補うために、毛細血管を
拡張させ、血流速を増加させることにより、血流量ＣＢ
Ｐの低下を抑制しようとする働き（オートレギュレーシ
ョン）がある。従って、ＭＴＴが延長することにより、
ＣＢＰが低下しても、ＣＢＶが増加していれば、毛細血
管の再開通の可能性を示唆する情報となる。

【０００６】ＣＢＰスタディではトレーサーとして脳血
管透過性を持たない造影剤、例えばヨード造影剤が使用
される。ヨード造影剤は例えばインジェクターにより肘
静脈から注入される。インジェクターにより静注された
ヨード造影剤は、心臓、肺を経由して、脳動脈へ流れ込
む。そして、造影剤は、脳動脈から、脳組織内の毛細血
管を経て、脳静脈へと流れ出ていく。このとき、ヨード
造影剤は正常な脳組織内の毛細血管では血管外へ漏れ出
ることなく通過する。図１はこの様子を模式的に示して
いる。

【０００７】造影剤の通過の様子をダイナミックＣＴで
撮影して、その連続画像から、脳動脈上の画素の時間濃
度曲線Ｃａ（ｔ）、脳組織（毛細血管）上の画素の時間
濃度曲線Ｃｉ（ｔ）、脳静脈上の画素の時間濃度曲線Ｃ
ｓｓｓ（ｔ）をそれぞれ測定する。

【０００８】ここで、ＣＢＰスタディでは、脳動脈の濃
度時間曲線Ｃａ（ｔ）と脳組織の濃度時間曲線Ｃｉ
（ｔ）との間で成り立つ理想的な関係を解析モデルとし
ている。脳組織に入る直前の血管から造影剤を注入した
場合、脳組織の単位体積（１画素）内の時間濃度曲線は
立ち上がりが垂直で、しばらくは一定の値を維持し、そ
の後、急勾配で立ち下がる形になる。これを矩形関数で
近似する（ｂｏｘ−ＭＴＦ法：ｂｏｘ−Ｍｏｄｕｌａｔ
ｉｏｎ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ ｍｅｔ
ｈｏｄ）。

【０００９】つまり、脳動脈の時間濃度曲線Ｃａ（ｔ）
を入力関数、脳組織の時間濃度曲線Ｃｉ（ｔ）を出力関
数として、入力関数と出力関数との間の伝達関数を矩形
関数で近似する。伝達関数は、トレーサーが毛細血管を
通過する過程を表している。

【００１０】ＣＢＰスタディの問題は次の通りである。
上記ＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒｒの各インデックス
は、各画素（x,y,z）ごとに算出されるので、その値を
画素値とする画像を構成することができ、このような画
像をマップと呼ぶ。たとえばＲ種のインデックスが得ら
れる場合、Ｒ枚のマップが構成できる。このようにして
作成されたＲ枚のマップは、各画素がベクトル値をとる
１枚のマップ（ベクトル値マップ）と見なすことができ
る。すなわち、次のように表せる。 Ｖ_ｋ（x,y,z）＝<Ｐ_ｋ,１（x,y,z）, Ｐ_ｋ,２（x,y,
z）, ... , Ｐ_ｋ,Ｒ（x,y,z）> 例えばＣＢＰスタディでは、典型的には、Ｒ＝４とし、
Ｐ_ｋ,１（x,y,z）はＣＢＰの値を、Ｐ_ｋ,２（x,y,z）は
ＣＢＶの値を、Ｐ_ｋ,３（x,y,z）はＭＴＴの値を、Ｐ
_ｋ,４（x,y,z）は残差Ｅｒｒの値を表すように構成でき
る。

【００１１】このようなベクトル値マップＶ_ｋは、参照
した脳動脈の時間濃度曲線Ｃａ（ｔ）_ｋごとに作成され
る。例えば、左右の中大脳動脈、前大脳動脈、後大脳動
脈から脳動脈の時間濃度曲線を得たとするとＫ＝６、さ
らに病変部周辺にある動脈数カ所から脳動脈の時間濃度
曲線を得たとすると、Ｋ＝１０〜１５程度になる。

【００１２】このように脳動脈の時間濃度曲線Ｃａ
（ｔ）_ｋ （ｋ＝１,２，・・・，Ｋ）の数Ｋが大きい場
合に、結果として得られるベクトル値マップＶ_ｋ（ｋ＝
１,２，・・・，Ｋ）の枚数が多いために、観察するの
に不便である。すなわち通常のグレースケール画像ある
いはカラースケール画像として観察しようとすれば、一
つのマップがＲ枚の画像から構成され、これがＫ組ある
のだから、合計Ｋ×Ｒ枚の画像を比較しなくてはならな
い。さらに、どの部位がどの動脈によって栄養されてい
るのかは必ずしも自明でなく、解剖学的知識を用いて、
各部位ごとにどのマップＶ_ｋ（ｋ＝１,２，・・・，
Ｋ）を観察するべきかを判断しなくてはならない。特に
脳梗塞等の脳血管障害を生じている症例においては、組
織を支配（depend）しているのがどの動脈かは、必ずし
も解剖学的知識とは一致せず、異常な支配がしばしば見
られる。これらの問題によって、ベクトル値マップの読
影が難しいという問題点がある。

【００１３】また、マルチスライスＣＴ、あるいはボリ
ュームＣＴによって撮影されたダイナミックＣＴ画像に
おいては、さらに多数の動脈が観察される。これは同じ
動脈が複数のスライス中で観察できるからである。これ
らの動脈の断層像全部について脳動脈の時間濃度曲線を
作ると非常に数が多くなる。

【００１４】また、ＣＢＰスタディには次のような問題
もある。肘静脈に、ボーラスインジェクションを行った
場合、ＣＴで観察される造影効果は、血液のＣＴ値（造
影されない時数十ＨＵ）が最大数百ＨＵに上昇する。し
かし、脳血流を有効に解析するためには造影効果を高々
数パーセント以内の誤差で計測できなくてはならない。
すなわち、血液の造影効果（ＣＴ値の上昇）が２０〜４
０ＨＵ程度であってもこれを検出できる必要がある。

【００１５】単位体積の脳組織中に占める毛細血管の体
積比率は高々３〜４パーセント程度である。従って、血
液のＣＴ値が２０〜４０ＨＵ上昇した場合、脳組織の平
均ＣＴ値は、０．５〜１．５ＨＵ程度上昇するに過ぎな
い。

【００１６】ＣＴ画像ではノイズの標準偏差（ｓｄ）
は、照射Ｘ線量の平方根に反比例し、典型的な照射条件
においてｓｄは例えば５〜１０ＨＵ程度である。従っ
て、０．５ＨＵの造影効果を検出するためには、Ｘ線量
を１０〜１００倍程度増やさねばならず、これは患者の
被曝線量が著しく大きくなることを意味する。また、ダ
イナミックＣＴにおいては同一箇所を数十回に渡って撮
影するのであるから、撮影箇所に於ける皮膚の被曝は通
常の数百〜数千倍に至ることになり、炎症・脱毛・壊死
・発癌等の放射線障害を考慮すると、現実的ではない。

【００１７】むしろダイナミックＣＴにおいてはＸ線量
を通常の撮影よりも減らさなくてはならない。一般に、
１スキャン当たりのＸ線量を例えば通常の１／２〜１／
１０程度に減じることが行われる。これによって、通常
の１回のＣＴ撮影に比べて数倍〜２０倍程度のＸ線被曝
に留めることができ、これは放射線障害を生じない程度
である。しかし、このようなＸ線量を低減したＣＴ画像
において、ｓｄは例えば１５〜２０ＨＵ程度であり、
０．５〜１．５ＨＵ程度の造影効果は到底検出できな
い。

【００１８】そこで、画像のノイズ成分を抑制すること
が、ＣＢＰスタディでは重要な課題の１つである。その
ため、１）スライス厚を厚くする、２）近隣画素を平均
化する、３）画像を平滑化処理に通す、が一般的に取り
うる方策である。しかしこれらには以下のような問題点
がある。

【００１９】“スライス厚を厚くする”ために、撮影時
にスライス厚を厚く設定するか、連続する薄いスライス
の画像数枚を平均して厚いスライスの画像を生成する。
スライス厚に比例して画素当たりのＸ線量が増えるた
め、画像ノイズのｓｄは、スライス厚の平方根に反比例
して小さくなる。しかしながら、スライス厚を厚くする
ことによって、パーシャルボリューム効果が生じ、すな
わち１個の画素が、一様な脳組織を表しておらず、複数
の組織（白質、灰白質、血管、脳溝、脳室など）の平均
的なＣＴ値を表すことになる確率が大きくなり、解析結
果として得られる脳血流量等の値の誤差が大きくなる。

【００２０】特に血管の影響を含む画素は、正常な解析
が不可能である。このためスライス厚を厚くすると、不
正確で、しかも解析不可能な画素を沢山含む非常に品質
の悪い結果しか得られなくなる。

【００２１】“近隣画素を平均化する”では、空間解像
度が或る程度犠牲になる。例えば一辺がｎ個の画素から
なる正方形の領域（ｎ×ｎ個の画素を含む）の平均値を
求め、これをその正方形全体の平均ＣＴ値とし、このよ
うな正方形を画素とみなし、これを敷き詰めて「画素束
ね画像」を構成する。もとの画像が例えば一辺５１２個
の画素からなる（５１２×５１２個の画素を含む）と
し、ｎ＝２とすれば、「画素束ね画像」は一辺（５１２
／２）個の画素から構成される（２５６×２５６個の画
素を含む）画像となる。この方法によれば、ノイズは、
ｎに反比例して減少させることが可能である。さらに、
解析対象となる画素の数が１／（ｎ×ｎ）倍になるた
め、計算量も小さくなるという利点がある。

【００２２】しかしながら、ｎを大きくすると、空間解
像度が低下し、それに伴ってパーシャルボリューム効果
が生じ、すなわち１個の画素が、一様な脳組織を表して
居らず、複数の組織（白質、灰白質、血管、脳溝、脳室
など）の平均的なＣＴ値を表すことになる確率が大きく
なり、解析結果として得られる脳血流量等の値の誤差が
大きくなる。特に血管の影響を含む画素は、正常な解析
が不可能である。このため、ｎを大きくすると、空間解
像度が低く、不正確で、しかも解析不可能な画素を沢山
含む非常に品質の悪い結果しか得られなくなる。このた
め、実用上は、ｎ＝２〜４程度が限界であり、これだけ
では十分なノイズ抑制効果が得られない。

【００２３】また、画像の平滑化、すなわち１枚のＣＴ
画像ごとに、２次元の空間フィルタを作用させて平滑化
を行う方法を用いると、十分なノイズ抑制効果と引き換
えに、空間解像度が著しく損なわれる。特に、太い血管
（動脈・静脈）が存在する箇所に近接している画素に
は、太い血管において生じた造影効果の影響が及ぶこと
になり、これらの画素の時間濃度曲線は正しくなくなっ
てしまう。従ってごく軽度の平滑化を行うに留めねばな
らない。ここで、ごく軽度の平滑化を行うに際して重要
なのは、画像フィルタのサイズをごく小さくする事、例
えば、３×３程度に設定することである。３×３の平滑
化フィルタを用いて最大の画像ノイズ抑制効果を得よう
とすると、その上限は、ノイズｓｄを１／３に低減する
ことであり、それ以上にノイズを抑制するのは不可能で
ある。従って十分なノイズ抑制効果は得られない。

【００２４】一方、時間的平滑化、すなわち各画素につ
いて得られた時間濃度曲線を曲線とみなして、これを１
次元フィルターで平滑化する手法を用いると、十分なノ
イズ抑制効果を得ようとすると時間分解能を著しく損な
う。元来、ＣＢＰスタディでダイナミックＣＴを行うの
は短いサンプリング周期で撮影を行うことによって高い
時間分解能を得て、時間濃度曲線の僅かで速い変化（特
に生理学的構造に起因する平滑化効果がどの程度生じて
いるか）を精密に計測することが目的であるから、時間
的平滑化は全く適当でない。

【００２５】

【発明が解決しようとする課題】本発明の目的は、ＣＢ
Ｐスタディにより得られるマップの診断効率を向上する
ことにある。本発明の他の目的は、空間及び時間分解能
の低下を抑えて、ノイズを抑制することにより、ＣＢＰ
スタディの解析精度を向上することにある。

【００２６】

【課題を解決するための手段】本発明の第１局面は、造
影剤を注入された被検体の特定部位に関する連続的な複
数の画像から、前記特定部位内の動脈に関する第１時間
濃度曲線と、前記特定部位内の組織に関する第２時間濃
度曲線を作成し、前記動脈各々に対する前記組織の局所
血流動態を表す伝達関数を、前記伝達関数と第１時間濃
度曲線とのコンボルーションに対する前記第２時間濃度
曲線の残差が最小化するようにカーブフィッティングに
より計算し、前記伝達関数から、前記動脈各々に対する
前記局所血流動態に関するインデックスを計算し、前記
動脈に対応する前記インデックスのマップを作成し、前
記インデックスのマップを、前記第１時間濃度曲線各々
に対する残差に従って、１つのマップに合成することに
ある。本発明の第２局面は、造影剤を注入された被検体
の特定部位に関する連続的な複数の画像から、前記特定
部位内の動脈に関する第１時間濃度曲線と、前記特定部
位内の組織に関する第２時間濃度曲線を作成し、前記第
２時間濃度曲線各々に対して最もフィッティングする前
記第１時間濃度曲線の一を選択することにより、前記組
織各々の局所血流動態が従属する可能性が最も高い前記
動脈の一を特定し、前記組織ごとに特定された動脈の一
に基づいて前記動脈の従属域を区別するマップを作成す
ることにある。本発明の第３局面は、造影剤を注入され
た被検体の特定部位に関する連続的な複数の画像からノ
イズを低減するために、画素間の類似度に応じた重みを
使って前記複数の画像をフィルタし、前記ノイズ低減さ
れた複数の画像から、前記特定部位内の動脈に関する第
１時間濃度曲線と、前記特定部位内の組織に関する第２
時間濃度曲線を作成し、前記動脈各々に対する前記組織
の局所血流動態を表す伝達関数を、前記伝達関数と第１
時間濃度曲線とのコンボルーションに対する前記第２時
間濃度曲線の残差が最小化するようにカーブフィッティ
ングにより計算し、前記伝達関数から、前記動脈各々に
対する前記局所血流動態に関するインデックスを計算す
ることにある。

【００２７】

【発明の実施の形態】以下、図面を参照して本発明を好
ましい実施形態により説明する。本実施形態の特徴とし
ては、ＣＢＰスタディにより生成される多くのインデッ
クスマップを１枚に合成することにより、ＣＢＰスタデ
ィの診断効率を向上すること、さらにコヒーレントフィ
ルタを用いることにより、ノイズの低減と、空間及び時
間分解能の低下抑制とを両立することによりインデック
スの精度を向上することにある。

【００２８】なお、本実施形態は、被検体の特定部位に
関する時間的に連続する複数枚の画像から、局所の血流
動態を表すインデックスを計算する方法及び装置に関す
るものであり、対象となる複数の画像を発生するモダリ
ティは、特定装置に限定されることは無く、例えば、Ｘ
線コンピュータトモグラフィ装置（Ｘ線ＣＴ装置）、シ
ングルフォトンエミッショントモグラフィ装置（ＳＰＥ
ＣＴ）、ポジトロンエミッショントモグラフィ装置（Ｐ
ＥＴ）、磁気共鳴イメージング装置（ＭＲＩ）のいずれ
でも良い。なお、ここでは、Ｘ線ＣＴ装置を例に説明す
る。

【００２９】（装置構成）図２には、本実施形態に係る
Ｘ線ＣＴ装置の構成を示している。Ｘ線ＣＴ装置は、ガ
ントリ部１０とコンピュータ装置２０とから構成され
る。ガントリ部１０は、Ｘ線管１０１、高電圧発生装置
１０１ａ、Ｘ線検出器１０２、データ収集部１０３（Ｄ
ＡＳ；Ｄａｔａ Ａｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅ
ｍ）とを有する。Ｘ線管１０１とＸ線検出器１０２と
は、高速で且つ連続的に回転する図示しない回転リング
に被検体Ｐを挟んで互いに対向する位置に搭載される。

【００３０】コンピュータ装置２０は、画像処理装置３
０と、画像表示部１０７と、入力部１０９とから構成さ
れる。画像処理装置３０は、制御部１０８を中枢とし
て、データ収集部１０３から出力される生データを補正
処理等を経て投影データに変換する前処理部１０４、投
影データを記憶するメモリ部１０５、投影データからＣ
Ｔ画像データを再構成する画像再構成部１０６、ＣＴ画
像データを保管する記憶装置１０Ｍ、ＣＴ画像データに
対してコヒーレントフィルタ処理を実行するコヒーレン
トフィルタ処理部１１０、及びコヒーレントフィルタ処
理を受けたＣＴ画像データを使ってＣＢＰスタディ処理
を実行するＣＢＰスタディ処理部１２０とから構成され
る。

【００３１】コヒーレントフィルタ処理部１１０は、分
散値推定部１１１、重み関数演算部１１２、画素値演算
部（コヒーレントフィルタ部）１１３とから構成され
る。これら分散値推定部１１１、重み関数演算部１１
２、画素値演算部１１３の機能については後述するコヒ
ーレントフィルタ処理の詳細説明の中で説明する。

【００３２】ＣＢＰスタディ処理部１２０は、ＲＯＩ設
定支援部１２１、時間濃度曲線作成部１２２、脳動脈時
間濃度曲線補正部１２３、ＭＴＦ処理部１２４、インデ
ックス計算部１２５、マップ作成部１２６、マップ合成
部１２７から構成される。

【００３３】ＲＯＩ設定支援部１２１は、ＣＴ画像上に
脳動脈や脳静脈に対して関心領域ＲＯＩを設定する作業
を支援するための情報（脳動脈ＲＯＩのためのＡＴマッ
プ、ＰＴマップ、ＴＴマップ等）を作成し提供する。

【００３４】なお、脳動脈ＲＯＩは、例えば前大脳動脈
（ＡＣＡ）、中大脳動脈（ＭＣＡ）、後大脳動脈（ＰＣ
Ａ）を対象として、左脳、右脳それぞれの領域に個別に
設定される。従って、この例では左右に３個ずつ、合計
６個の脳動脈ＲＯＩが設定される。また、脳動脈の時間
濃度曲線Ｃａ（ｔ）を補正するために、他の時間濃度曲
線Ｃｓｓｓ（ｔ）が利用される。この時間濃度曲線Ｃｓ
ｓｓ（ｔ）は、パーシャルボリュームを含まない画素が
存在するのに充分に太い血管上に設定されたＲＯＩに関
して作成される。Ｃｓｓｓ（ｔ）のＲＯＩは、例えば、
脳血管の中で最も太い上矢状静脈洞に設定される。

【００３５】時間濃度曲線作成部１２２は、記憶装置１
０Ｍに記憶されているダイナミックＣＴ画像データ（時
間的に連続した複数枚の画像データ）から脳動脈、脳静
脈及び脳組織（毛細血管）に関する時間濃度曲線を作成
する。なお、脳動脈の時間濃度曲線Ｃａ（ｔ）は、設定
された例えば６つの脳動脈ＲＯＩに関して個々に作成さ
れる。脳静脈の時間濃度曲線Ｃｓｓｓ（ｔ）は、上矢状
静脈洞に設定された脳静脈ＲＯＩに関して作成される。
また、脳組織の時間濃度曲線Ｃｉ（ｔ）は、脳組織上の
全画素を対象として画素ごとに作成される。

【００３６】脳動脈時間濃度曲線補正部１２３は、ノイ
ズやパーシャルボリューム効果の影響を除去するため
に、脳動脈の時間濃度曲線Ｃａ（ｔ）を、上矢状静脈洞
の時間濃度曲線Ｃｓｓｓ（ｔ）に基づいて補正する。こ
の補正方法については後述する。ＭＴＦ処理部１２４
は、補正された脳動脈の時間濃度曲線Ｃａ（ｔ）と、脳
組織の時間濃度曲線Ｃｉ（ｔ）とに基づいて、ｂｏｘ−
ＭＴＦ法により、伝達関数ＭＴＦを、脳組織領域内の全
画素を対象として画素ごとに計算する。

【００３７】インデックス計算部１２５は、計算された
伝達関数ＭＴＦから脳組織の血流動態を表すインデック
ス（ＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒｒ）を、脳組織領域
内の全画素を対象として画素ごと計算する。マップ作成
部１２６は、計算されたインデックス各々のマップを、
脳動脈（ＡＣＡ，ＭＣＡ，ＰＣＡ）ごとに生成する。マ
ップは、各スライスに関して、インデックスの種類（＝
４）×脳動脈の数（ＡＣＡ，ＭＣＡ，ＰＣＡの３つ）＝
１２種類作成される。マルチスライスでは、そのスライ
ス数倍の種類のマップが作成される。この膨大な枚数の
マップの枚数を合成処理により減らして診断効率を向上
させるためにマップ合成部１２７が設けられている。

【００３８】以下に、コヒーレントフィルタ処理とＣＢ
Ｐスタディ処理について順番に説明する。コヒーレント
フィルタの原理について簡単に説明すると、近傍の例え
ば３×３等の局所内画素を加重平均し、その加重平均値
を局所中心画素の値とすることを基本として、周辺画素
各々の重みを中心画素と周辺画素との間の類似度に従っ
て変えることを特徴としたものである。ここで言う類似
度とは、画素間で、解剖学的に近い組織、具体的には同
じ脳動脈の支配下にある脳組織（毛細血管）どうしであ
る可能性の度合いを示す指標であり、この類似度が高い
画素に対しては高い重みを与え、逆に類似度が低い画素
に対してはゼロに近い低い重みを与えることにより、ノ
イズ抑制を果たしながらも、空間分解能の低下を抑制す
ることを可能としている。なお、以下では、類似度は、
適宜、適合度又は危険率に言い換えられる。

【００３９】本実施形態では、脳血管透過性を持たない
造影剤、例えばヨード造影剤を注入（静注）された被検
体の脳を撮影対象として連続的に取得した複数のＣＴ画
像（ダイナミックＣＴ画像）を用いて、各画素の時間濃
度曲線の比較により類似度を計算する。そのため類似度
の確からしさは、サンプリング周波数、つまり単位時間
あたりの画像枚数と、サンプリング数、つまり全画像枚
数とに依存して決まる。そこでスキャン間隔を例えば
０．５秒に短縮することが効果的である。

【００４０】（コヒーレントフィルタ） （コヒーレントフィルタの一般的説明） （画素値ｖ（ｘ）） 一般に、カメラやＣＴスキャナ等の撮像手段を介して取
得されたデジタル画像は、複数の画素（ｐｉｘｅｌ）か
ら構成されている（あるいは、当該画像をそのような画
素の集合として考えることができる。）。以下の説明で
は、当該画素の位置をベクトルｘ（すなわち座標値のベ
クトル）として表し、画素ｘが有する値（例えば濃淡を
表わす数値、ＣＴ値ＨＵ）をＫ次元ベクトルとして表
す。２次元画像の場合、画素ｘとは画像上における位置
を表す座標値（ｘ、ｙ）を示す２次元ベクトルである。
ある画素ｘについて定義される「画素値ｖ（ｘ）」を、 ｖ（ｘ）＝（ｖ_１（ｘ），ｖ_２（ｘ），…，ｖ_Ｋ（ｘ）） … （１） と表記する。なお、この（１）式の右辺における、ｖ_１
（ｘ），ｖ_２（ｘ），…，ｖ_Ｋ（ｘ）それぞれを、以下
では、画素ｘについての「スカラー値」と呼ぶことにす
る。

【００４１】例えば、画像が「カラー画像」であると
き、各画素が、それぞれ三原色（赤，緑，青）の明るさ
（スカラー値）を有することから、これら各画素の画素
値ｖ（ｘ）は、その次元がＫ＝３のベクトルであると考
えることができる。すなわち上記（１）式の右辺各項添
え字が例えば「赤」，「緑」及び「青」に対応付けられ
る。また例えば、画像がＫ枚の静止画像から構成される
動画像であって、第ｎ番目の画像の各画素はスカラー値
ｖ_ｎ（ｘ）を持つという場合には、Ｋ枚の静止画像上、
共通の同一点（同一座標）の画素ｘの持つ画素値（スカ
ラー値）を並べて構成される、Ｋ次元ベクトル値ｖ
_ｎ（ｘ）＝（ｖ_１（ｘ），ｖ_２（ｘ），…，ｖ _Ｋ（ｘ）
が以下で述べるベクトル値としての画素値である。

【００４２】（類似度（適合度又は危険率）と重み）上
記画素ｘに対して、適当な周辺画素の集合Ｎ（ｘ）を考
える（この集合Ｎ（ｘ）は画素ｘを含んでよい。）。次
に、中心画素ｘに対するＮ（ｘ）の要素である周辺画素
ｙの重みｗ（ｐ（ｘ，ｙ））を考える。この重みｗ（ｐ
（ｘ，ｙ））は、次に記す性質を有する。

【００４３】（類似度ｐ（ｘ，ｙ））まず、重みｗ（ｐ
（ｘ，ｙ））の値を左右する関数ｐ（ｘ，ｙ）の意味に
ついて述べる。このｐ（ｘ，ｙ）は、本実施形態にいう
「類似度」を定量化する手段であり、一般的にいえば、
中心画素ｘと周辺画素ｙ∈Ｎ（ｘ）とが、何らかの意味
でどの程度類似しているか（例えば、両画素ｘ及びｙの
上記画素値ｖ（ｘ）及びｖ（ｙ）間に認められる統計的
差異の程度）を示す具体的数値を与える。

【００４４】より具体的には例えば、ｐ（ｘ，ｙ）が大
きな値を示すときには、画素ｘと画素ｙとの間に、「統
計的に有意な差がなく（つまり類似度が高い）」、類似
である可能性が高いと判断され、ｐ（ｘ，ｙ）が小さい
値を示すときには、画素ｘと画素ｙとの間に、「統計的
に有意な差があり（つまり類似度が低い）」、の如く判
断されるということである。

【００４５】ところで、画素値ｖ（ｘ）及びｖ（ｙ）
（ないしスカラー値ｖ_１（ｘ），…，ｖ_Ｋ（ｘ）及びｖ
_１（ｙ），…，ｖ_Ｋ（ｙ））には、必ずノイズが含まれ
ている。例えば、画像がＣＣＤ撮像素子により取得され
た場合を考えると、それを構成する各画素については、
素子内の暗電流や外界から入射する光量の不規則変動に
起因するノイズ等が存在する。

【００４６】このようなノイズは、一般に、全画素につ
いてまちまちな値をとるため、画素ｘと画素ｙとが、仮
に（外界における）同一物体を反映したものである場合
であっても、実際に観測される画像上では、同一の値を
持たないことがある。このことを逆にいえば、いずれも
同一物体を反映した画素ｘと画素ｙにおいて、それぞれ
のノイズを除去した状況を仮に想定すれば、これらは該
同一物体を表象するものとして画像上に表示され（＝そ
のように認識され）るし、また、両者は本来同一の（あ
るいはごく近い）画素値を有する。

【００４７】そこで、上述したノイズの性質を踏まえ、
上記のｐ（ｘ，ｙ）に関し、統計的検定法でよく知られ
ている「帰無仮説」の概念を用いると、このｐ（ｘ，
ｙ）については、具体的に次のように言うことができ
る。すなわち、帰無仮説Ｈ「画素ｘと画素ｙとはそれぞ
れのノイズを除去した場合に同一の画素値を有する」言
いかえれば「ｖ（ｘ）＝ｖ（ｙ）、ただし、両画素のノ
イズに起因する差異を除く」を立てる（つまり、このよ
うな命題が成立する場合、「両画素ｘ及びｙとの間の類
似度が高い（適合度が大きい）」と考える。）と、関数
ｐ（ｘ，ｙ）は、この仮説Ｈを棄却する場合の危険率
（あるいは、有意水準）として構成できる（この場合、
ｐ（ｘ，ｙ）は、その値域が[０，１]であるような関数
として定義される（ｐ（ｘ，ｙ）∈[０，１]））。

【００４８】したがって、危険率ｐ（ｘ，ｙ）が大きい
場合、すなわち棄却が誤りである危険性が大きい場合に
は上記仮説Ｈを満たす可能性が高いといえ、逆に小さい
場合、すなわち棄却が誤りである危険性が小さい場合に
は仮説Ｈを満たさない可能性が高いということができる
（なお、統計的検定における周知事項ではあるが、仮説
Ｈが「棄却」されないといっても、それが「真」である
ことを意味するわけではない。この場合、仮説Ｈが示す
命題が、否定し得ないことを意味するに過ぎない）。

【００４９】（重みｗ（ｐ（ｘ，ｙ）））さて、重みｗ
（ｐ（ｘ，ｙ））は、その表され方から明らかな通り、
上記したような危険率ｐ（ｘ，ｙ）の関数（より一般に
は、適合度の関数（適合度をρ（ｘ，ｙ）とすれば、ｗ
（ρ（ｘ，ｙ））となるように構成できる）であり、ま
た、この重みｗ（ｐ（ｘ，ｙ））を求めるため、ｘ及び
ｙの組み合わせそれぞれについて求められた危険率ｐ
（ｘ，ｙ）に作用させる重み関数ｗは、一般的にいう
と、上記「棄却」を具現化する作用を有するものであ
る。具体的には、危険率ｐ（ｘ，ｙ）が大きい場合には
重み関数ｗの値、すなわち重みｗ（ｐ（ｘ，ｙ））が大
きな正の値をとり、その逆の場合には小さな正の値（又
は“０”）をとる、というように調整されている（重み
関数ｗの具体的形式については後述する。）。つまり、
重みｗ（ｐ（ｘ，ｙ））は、画素ｘと画素ｙとが、上記
仮説Ｈに示される命題を満たすらしい場合には、大きい
値をとり、その逆の場合には小さい値をとる。一例とし
て特に、ｗのとりうる値が”０”かまたは”０”でない
一定値の２通りしかないように構成してもよい。

【００５０】なお、以上までに述べた仮説Ｈ、危険率ｐ
（ｘ，ｙ）、重みｗ（ｐ（ｘ，ｙ））間の関係をまとめ
ると、帰無仮説Ｈが正しい可能性が高いとき、類似度ｐ
も高くなり、その画素に与える重みｗを高くし、一方、
帰無仮説Ｈが正しい可能性が低いとき、類似度ｐも低く
なり、その画素に与える重みｗを低くする。このように
加重平均値への寄与度（重み）を類似度に応じて変える
ことにより、分解能の低下を抑えながら、ノイズを効果
的に抑制することが可能となる。また、重み関数ｗ
（ｔ）は、より一般に、「ｔ∈[０，１］で定義される
非負の単調増加関数」ということができ、また、該ｗ
（ｔ）の満たすべき性質は、少なくともそのようであれ
ばよい。

【００５１】（コヒーレントフィルタ処理）以上までの
説明により、「コヒーレントフィルタ」は次のように導
かれる。すなわちまず、画像を構成するある画素ｘに対
し、集合Ｎ（ｘ）の要素たる画素ｙのすべてについて上
記した重みｗ（ｐ（ｘ，ｙ））を計算する。次に、これ
ら複数の重みｗ（ｐ（ｘ，ｙ））を用いて、当該画素ｘ
を構成する新たなスカラー値ｖ´_ｋ（ｘ）を、以下の
（２）式で計算する。すなわち、

【数１】 ただし、ｋ＝１，２，…，Ｋである。そして、この式で
求められたｖ´_ｋ（ｘ）を用いて、当該画素ｘの変換後
の画素値（新たな画素値）ｖ´（ｘ）を、 ｖ´（ｘ）＝（ｖ´_１（ｘ），ｖ´_２（ｘ），…，ｖ´_Ｋ（ｘ）） … （３） として構成する。

【００５２】ここに、上記（２）式で表される、画素値
ｖ（ｙ）＝（ｖ_１（ｙ），ｖ_２（ｙ），…，ｖ
_Ｋ（ｙ））（ｙ＝ｘである場合を含む。）を、ｖ´
（ｘ）＝（ｖ´_１（ｘ），ｖ´_２（ｘ），…，ｖ´
_Ｋ（ｘ））に変換するフィルタが、「コヒーレントフィ
ルタ」の形式である。これはその表式から明らかな通
り、画素値を構成するスカラー値ｖ_ｋ（ｙ）の重み付け
平均値を表している。

【００５３】このような処理は、以下のような結果をも
たらす。すなわち、ノイズを除かれた画素ｘの画素値ｖ
´（ｘ）と同一の画素値をとることが確からしい（＝上
記仮説Ｈの命題を満たす可能性が高い）画素ｙの寄与度
を高めた重み付け平均値ｖ´ _ｋ（ｘ）から構成されたベ
クトルを表すこととなる。また、このような画素ｙが十
分な数存在するならば、画素値ｖ´（ｘ）は、画素ｘが
本来有すべきその真値から外れることなく、上記したよ
うな平均化の作用によりノイズを抑制しながらも、分解
能は低下しない値を有することとなる。

【００５４】なお、危険率ｐ（ｘ，ｙ）が小さく、した
がって、帰無仮説Ｈが「棄却」され、重みｗ（ｐ（ｘ，
ｙ））が小さくなるような場合であっても、上記記述か
らもわかる通り、必ずしもこれを完全に「棄却」すると
は限らない。このようなことは、後述する重み関数ｗの
具体的形式に依存するところであるが、危険率ｐ（ｘ，
ｙ）が“０”（＝０％）に近いような場合でも、ｗ（ｐ
（ｘ，ｙ））≠０（ただし、ｐ（ｘ，ｙ）が“１”に近
い場合に比べて、より小さな正の値ではある。）として
よい（なお、ｐ（ｘ，ｙ）＝１である場合とは、後述す
るように、ｖ（ｘ）＝ｖ（ｙ）のときである。）。

【００５５】すなわち、完全な棄却ということではな
く、小さな寄与は認めるように構成してもよいというこ
とである（なおこのような場合に、ｗ（ｐ（ｘ，ｙ））
＝０とするのであれば、完全な棄却を行うのと同義であ
る。

【００５６】このような処理は、一般的に次のように言
える。すなわち、ある画像を構成する複数の画素ｘが存
在するとき、この画素ｘとある任意の画素ｙ（上記では
ｙ∈Ｎ（ｘ）とされた）との適合度ｐ（ｘ，ｙ）を定量
化し、該適合度が大きい場合には、画素値ｖ（ｙ）を利
用した重み付き平均化処理において、当該画素ｙの大き
な寄与を認め、適合度が小さい場合には小さな寄与しか
認めないようにすることで、当該画素ｘのノイズを有効
に抑制する画像処理方法である、といえる。いわば、画
素ｘと画素ｙとが「似たもの同士」のときには、該画素
ｙを前記平均化処理に、より貢献させ、「似ていないも
の同士」のときには、該画素ｙを全く又は殆ど無視する
（重みをゼロ又はその近似値）、と言い換えてもよい。

【００５７】このような処理を画像全体に施すことによ
り、画像のぼけ、つまり空間的分解能の低下を殆ど生じ
ることなく、極めて高いノイズ抑制効果を発揮すること
ができる。また、ノイズ抑制という用途に限定せず、例
えばパターン認識の分野においても、重み関数、あるい
はコヒーレントフィルタを好適な具体的形式にすること
によって、優れた効果を発揮することができる。

【００５８】ここで上記した「ダイナミックＣＴ」撮影
とは、上記Ｘ線管１０１及びＸ線検出器１０２が被検体
Ｐの同一部位を反復撮影（反復スキャン、連続回転型Ｃ
Ｔ装置では、連続回転による反復撮影がしばしば行われ
る。）して次々に投影データを取得するとともに、該投
影データに基づいて次々に再構成処理を行って時系列的
な一連の画像を得る撮影方式のことをいう（この場合、
画像表示部１０７における画像表示は、例えば図示しな
いカウンタ等によって、その画像の元となった投影デー
タ収集に係るスキャン開始点又は終点から一定時間後に
行われるように制御される）。

【００５９】したがって、このように取得・表示される
画像は、映画等と同様に時系列的な複数枚の静止画像か
らなる、いわゆる動画像となる。なお、このような撮影
方式は、典型的には、被検体Ｐに対し造影剤を注入し、
その経時変化を観察・解析して、例えば血管における狭
窄や閉塞等その他病変部の病態を分析するために用いら
れる。また、造影剤投与の前後２回だけに限り同一部位
のＣＴ撮影を行う方式も、広義のダイナミックＣＴ撮影
と考えることができる。

【００６０】さて、従来においては、上記のような「ダ
イナミックＣＴ」撮影時、例えばＫ回の撮影を実施する
間に被検体Ｐに何らかの変化（例えば、造影剤の濃度変
化や呼吸動等が一般的に考えられる）があった場合、空
間解像度を損なわず画像ノイズを抑制するためには、時
間方向の平滑化を行うほかなかった。その結果、時間分
解能が損なわれるという弊害は避け得なかった。

【００６１】ところが、ダイナミックＣＴ撮影により取
得される画像は、上述したように動画像であって、時間
的変化を仔細に観察する目的で撮影を行うものであるか
ら、その時間分解能が損なわれるというのは、本来、好
ましい状況とは言えない。

【００６２】コヒーレントフィルタを利用すれば、時間
分解能を損ねず、Ｋ枚の静止画像のすべて（複数枚の画
像）からノイズを抑制することが可能な、次のようなダ
イナミック・コヒーレントフィルタ処理を実施すること
ができる。

【００６３】まず、上記のようにして得られた動画像た
るＫ枚の静止画像につき定義される画素ｘについては、
既に述べたように、画素値ｖ（ｘ）として、 ｖ（ｘ）＝（ｖ_１（ｘ），ｖ_２（ｘ），…，ｖ_Ｋ（ｘ）） … （１再掲） を構成することができる。ここで右辺各項における添え
字１，２，…，Ｋは、Ｋ枚の各静止画像の通し番号であ
る。

【００６４】次に、この場合における重み関数ｗ１の具
体的形式を、例えば次の（４）式により与える。

【００６５】

【数２】

【００６６】ただし、ｙ∈Ｎ（ｘ）であって、かつ、こ
の集合Ｎ（ｘ）は、画素ｘにつき任意に設定してよい
（＝どのような基準によって設定してもよい。）。しか
し実際上は、画素ｘと該画素ｘから遠く離れた位置にあ
る画素ｙとが仮説「ｖ（ｘ）＝ｖ（ｙ）。ただし、両画
素のノイズに起因する差異を除く」を満たす可能性は一
般に低いといえるから、集合Ｎ（ｘ）をｘに近接してい
る画素の集合という基準で限定することは、演算速度向
上等の実用的な意義がある。

【００６７】したがってここでは、その一例として、集
合Ｎ（ｘ）を、当該画素ｘを中心としたその周囲の矩形
状エリアに含まれる画素の集合、とする。より具体的
に、集合Ｎ（ｘ）としては、例えば、いま注目している
静止画像一枚を構成する全画素が１２８×１２８画素で
あるような場合に、前記画素ｘを中心とした３×３画素
分のエリアとしたり、また、５１２×５１２画素である
ような場合に、当該画素ｘを中心とした１３×１３画素
分のエリア等としてもよい。

【００６８】また、上記（４）式におけるσ_ｋは、ｋ枚
目の静止画像の各画素が、そのどれにも共通な一定の程
度で有するものと仮定して推定されたノイズの標準偏差
であり、一方Ｃは、重みｗ１（ｐ（ｘ，ｙ））が、上記
（４）式に代入された場合における作用の程度を決定す
る調節可能なパラメータである。

【００６９】以下、これらσ_ｋ及びＣについての説明を
順に行う。まず、（４）式におけるσ_ｋについて説明す
る（以下では、分散σ_ｋ ^２として説明する）。このσ_ｋ
^２は、上述したように、ｋ枚目の静止画像上の各画素の
スカラー値が有するノイズ成分の分散である。そしてま
た、上記（４）式における分散σ_ｋ ^２は、ｋ枚目の画像
の各画素のスカラー値について一定値たる分散σ_ｋ ^２を
持つノイズを含んでいるものと仮定して推定したもので
ある。一般に、このような仮定は、次に記すようなこと
を背景として、十分な正当性を持つ。

【００７０】被検体Ｐの大きさ、Ｘ線管１０１及びＸ線
検出器１０２、再構成部１０６等の構造が一定で、か
つ、照射Ｘ線のエネルギを一定にした状態では、ＣＴ画
像のノイズは、照射Ｘ線量、すなわちこれと比例関係に
あるＸ線管１０１における管電流と照射時間との積（い
わゆる管電流時間積（ｍＡ・ｓ））によって決定され
る。

【００７１】一方、ＣＴ画像のノイズは加法的であり、
概ねガウス分布に従うことも知られている。すなわち、
ある画素ｘの画素値ｖ（ｘ）を構成する任意のスカラー
値ｖ _ｎ（ｘ）（ｎ＝１，２，…，Ｋ）について、その真
値（ノイズの寄与分を除去した値）をｖ_ｎ ^０（ｘ）とす
ると、これらの差の値ｖ_ｎ（ｘ）−ｖ_ｎ ^０（ｘ）は、概
ね平均０、分散σ_ｋ ^２のガウス分布に従う（なお、照射
Ｘ線量ないし管電流時間積ｍＡ・ｓとノイズの分散σ_ｋ
^２とは、概ね反比例関係にある。）。

【００７２】また、この分散σ_ｋ ^２は、画素ｘの位置そ
のもの（上で述べたように、例えば各座標値ｘ＝（ｘ，
ｙ））にも依存するが、通常のＸ線ＣＴ装置１００にお
いては、Ｘ線管１０１及びＸ線検出器１０２の間に、Ｘ
線照射量を調節する物理的なＸ線フィルタ（例えば銅箔
や金属塊等により構成された、いわゆる「ウェッジ」あ
るいは「Ｘ線フィルタ」と呼称されるもの）を備えてい
るため、これを無視することができる。なぜならばウェ
ッジは、被検体Ｐが水とほぼ同じ密度を持つ物質から構
成されていることを利用して、どのＸ線検出器１０２に
おいても同程度のＸ線量が検出されるよう、照射される
Ｘ線の一部を減弱する作用を有するものである。従って
このようなウェッジによれば、結果的に、ノイズの分散
σ_ｋ ^２を画素ｘの位置に殆ど依らない概ね一定値にする
効果を生じるからである（ちなみに、このウェッジは、
一般に、Ｘ線検出器１０２のダイナミックレンジを有効
に利用することを本来の目的として設置されるものであ
る）。

【００７３】以上のことから、ダイナミックＣＴ撮影に
より取得されたＫ枚の静止画像上においては、ｋ枚目の
静止画像上におけるすべての画素について、分散σ_ｋ ^２
がほぼ一定であると推定することは妥当である。むろ
ん、画素ごとに分散が異なる場合について本実施形態を
拡張することも容易に推考できる。

【００７４】さて次に、上記（４）式を具体的に演算す
るためには、その分散σ_ｋ ^２として、どのような数値を
あてるか、が問題となる。このようなことが問題となる
のは、通常、ノイズの分布の形は想定できても（上記で
はガウス分布）、分散σ_ｋ ^２の具体値は不明であること
が多いからである。

【００７５】更に、一般的に、毎回の撮影毎に照射線量
（Ｘ線管電流×照射時間（ｍＡ・ｓ））を変更して撮影
を行ってもよく、この場合、画像毎に分散σ_ｋ ^２は異な
る。

【００７６】さて、ｋ枚目の画像（ｋ＝１，２，…，
Ｋ）に於いて各画素のスカラー値が持つノイズの分散を
σ_ｋ ^２とし、ｋ枚目の画像の撮影に用いた照射線量をＲ
_ｋとするとき、σ_ｋ ^２はＲ_ｋに比例する。従って少なく
ともひとつのｋ＝ｋ_０についてσｋ_O ^２が指定できれ
ば、他のｋに関しても、

【数３】 によってσ_ｋ ^２を正確に推定することができる。

【００７７】本実施形態に於いては少なくともひとつの
ｋについて、以下のような方法でσ _ｋ ^２の具体的数値の
推定を行うことができる。

【００７８】Ｋ回の撮影のうち、被検体Ｐに殆ど変化が
なかったと仮定することのできるＮ回（１＜Ｎ≦Ｋ）の
画像を用いて、実測により、分散σ_ｋ ^２に対する期待値
Ｅ[σ_ｋ ^２]を求める方法が有効である。以下説明を簡単
にするために、これらＮ枚の画像における照射線量は同
じであり、従ってｋ＝１，２，…Ｎに関してσ_ｋ ^２は一
定（σ^２と書く）と仮定する。これらＮ枚の画像におけ
る、ある画素ｘ_ｆの画素値ｖ（ｘ_ｆ）を構成する各スカ
ラー値ｖ_１（ｘ_ｆ），ｖ_２（ｘ_ｆ），…，ｖ _Ｋ（ｘ_ｆ）
が含むノイズは、上述したように平均０、分散σ^２のガ
ウス分布に従うと予想されるから、これらの平均値を以
下の（６）式、

【数４】 を用いると、真の分散σ^２に対する期待値Ｅ[σ^２]を、

【数５】 として求めることができる。そして、この分散の期待値
Ｅ[σ^２]は、上述した通り、Ｋ枚すべての静止画像上の
全画素ｘにつき妥当するものと考えることができ、真の
分散σ^２の代用として用いるのに、一定程度以上確から
しさが保証された値である。したがって、上記（４）式
の実際の演算においては、このＥ[σ^２]を（４）式のσ
^２に代入すればよい。

【００７９】なお、このようなＥ[σ^２]は、より具体的
には、Ｋ枚の静止画像中、例えば１枚目と２枚目の静止
画像に基づく実測値により求めてもよい（上記（６）及
び（７）式で言えば、Ｎ＝２とすることに該当す
る。）。また、上記（６）及び（７）式の実際の演算に
供される画素ｘ_ｆについては、例えば、空気や骨が撮像
されている部分を除いた適当な画素ｘ_ｆのみを選定する
（複数選定した場合は得られるＥ[σ^２]すべての平均を
とる）等といった工夫を施してもよい。さらに、その他
一般的には、被検体Ｐの動きによる影響を抑える工夫等
を施すと尚よい。

【００８０】これらＮ枚の画像の撮影において照射線量
が一定でない場合においても、σ_ｋ ^２がＲ_ｋに比例する
ことを利用して正しくσ_ｋ ^２を推定することは容易に推
考できるであろう。

【００８１】さて次に、上記（４）式におけるパラメー
タＣについての説明を行う。まず、（４）式において
は、上記一般的形態で述べた危険率ｐ（ｘ，ｙ）の考え
方が、以下のように含まれている。すなわち、（４）式
の右辺分子における根号内の表式は、いわゆるχ二乗分
布に従うとされる当該χ^２値に一致するものであり、こ
れを（２σ）^２で除し、括弧の全体をｅの肩に置いた値
は、危険率ｐ１（ｘ，ｙ）そのものである。つまり、

【数６】 そして、上記（４）式は、この（８）式のように表され
るｐ１（ｘ，ｙ）に関し、

【数７】 としたものに他ならない。尚、Ａは定数でｐ１が（０〜
１）の値になるように規格化されたものである。

【００８２】結局、（４）式においては、上記したよう
な一般的形態で述べた危険率ｐ（ｘ，ｙ）が陽には表示
されてはいないが、重みｗ１（ｐ（ｘ，ｙ））の実態
は、上述したように、まさしく危険率（＝ｐ１（ｘ，
ｙ））の関数であると見ることができ（（９）式）、す
なわち「適合度の関数」である（ただし、危険率と適合
度とは、上述したように、一方が増えれば他方も増加す
る関係にある）。

【００８３】そして、上記（９）式からわかるように、
パラメータＣは、重みｗ１（ｐ（ｘ，ｙ））が、危険率
ｐ１（ｘ，ｙ）にどの程度敏感に反応するかを決める効
果がある。つまり、Ｃを大きくすると、ｐ１（ｘ，ｙ）
がわずかに小さくなるだけで、ｗ１（ｐ（ｘ，ｙ））は
０に近づく。また、Ｃを小さくするとそのような過敏な
反応を抑制することができる。なお、Ｃとして、具体的
には１乃至１０程度とすればよく、好適にはＣ＝３とす
るとよい。

【００８４】本実施形態においては、中心画素ｘと周辺
画素ｙとの間の類似判定、言い換えると、両画素ｘ及び
ｙに関する上述した帰無仮説Ｈの棄却の判定は、上述し
たことから明らかなように、上記危険率ｐ１（ｘ，ｙ）
に基づいて、いわゆるχ二乗検定法（統計的検定法）に
よって決定されている。

【００８５】また、上記（４）式の表式からわかるよう
に、本発明においては、危険率ｐ（ｘ，ｙ）をｘ，ｙの
組み合わせそれぞれについて計算した後、重みｗ（ｐ
（ｘ，ｙ））を求めるといった手順を踏む必要は必ずし
もなく、危険率ｐ（ｘ，ｙ）を具体的に求めずに、合成
関数としての（ｗ°ｐ）を、直接計算する構成としても
よい。

【００８６】以上述べたように、分散σ^２の推定をし
（例えば、（７）式のＥ[σ^２]）、かつ、パラメータＣ
を適当に決める（例えば、Ｃ＝３）ことにより、（４）
式を用いて、ある画素ｘにつき定義される集合Ｎ（ｘ）
（上述したように、例えば画素ｘを中心とした３×３画
素分のエリア等）に含まれるすべての画素ｙについて、
具体的な重みｗ１（ｐ（ｘ，ｙ））を求めることができ
る。後は、上記（２）式におけるｗ（ｐ（ｘ，ｙ））に
代えて、このｗ１（ｐ（ｘ，ｙ））を用いることによ
り、コヒーレントフィルタの具体的な数値演算を実施す
ることが可能となる。そしてその結果、時間分解能は勿
論のこと、空間分解能をも損なわずに、ノイズを強く抑
制した画素値ｖ´（ｘ）＝（ｖ´_１（ｘ），ｖ´
_２（ｘ），…，ｖ´ _Ｋ（ｘ））（＝（３）式）、すなわ
ちそのようなＫ枚の静止画像ないし動画像を、得ること
ができる。

【００８７】このような画像処理を、概念的に把握しや
すいよう図示したものが、図３（ａ）乃至図３（ｃ）で
ある。すなわちまず、図３（ａ）においては、１，２，
…，Ｋ枚ある静止画像において、ある画素ｘにつき、該
画素ｘを中心とした３×３画素分の矩形状エリアＮ
^３×３（ｘ）が想定されている。この矩形状エリアＮ
^{３× ３}（ｘ）の左角隅における画素を、ｙ_１とすれば、
この画素ｙ_１は、画素値ｖ（ｙ_１）を有している。

【００８８】そして、この画素値ｖ（ｙ_１）を構成する
スカラー値ｖ_１（ｙ_１），ｖ_２（ｙ _１），…，ｖ_Ｋ（ｙ
_１）と画素値ｖ（ｘ）におけるスカラー値ｖ_１（ｘ），
ｖ_２（ｘ），…，ｖ_Ｋ（ｘ）とのそれぞれにより、上記
（４）式によって重みｗ１（ｐ（ｘ，ｙ_１））が計算さ
れる（図３（ｂ））。また、矩形状エリアＮ
^３×３（ｘ）の残る画素ｙ_２，…，ｙ_８についても同様
で、結局図３（ｂ）に示すように、ｗ１（ｐ（ｘ，
ｙ_１）），…，ｗ１（ｐ（ｘ，ｙ_８））及び、ｗ１（ｐ
（ｘ，ｘ））が得られる。この場合、（８）式より危険
率ｐ（ｘ，ｘ）は、“１”であり、したがって重みｗ１
（ｐ（ｘ，ｘ））も、（９）式より“１”である（＝最
大の重み付けがされている）。

【００８９】次に、このようにして得られた、重みｗ１
（ｐ（ｘ，ｙ_１）），…，ｗ１（ｐ（ｘ，ｙ_８）），ｗ
１（ｐ（ｘ，ｘ））を、対応する画素の、ｋ枚目の画像
におけるスカラー値ｖ_ｋ（ｙ_１），ｖ_ｋ（ｙ_２），…，
ｖ_ｋ（ｙ_８），ｖ_ｋ（ｘ）にそれぞれ乗算して総和を取
り（上記（２）式における分子に該当する。）、これを
矩形状エリアＮ^３×３（ｘ）に関する重みｗ１の総和
（同じく（２）式の分母に該当する。）により除せば、
当該ｋ枚目の画像における画素ｘについての、ノイズが
抑制されたスカラー値ｖ´_ｋ（ｘ）を求めることができ
る（図３（ｃ））。また、ｋ＝１，２，…，Ｋのすべて
の画像につき、同じ重みｗ１（ｐ（ｘ，ｙ _１）），…，
ｗ１（ｐ（ｘ，ｙ_８）），ｗ１（ｐ（ｘ，ｘ））を用い
て、ノイズが抑制されたスカラー値ｖ´_ｋ（ｘ）を求め
ることによって、画素ｘにおけるノイズが抑制された画
素値ｖ´_ｋ（ｘ）＝（ｖ´_１（ｘ），ｖ´_２（ｘ），
…，ｖ´_Ｋ（ｘ））が得られる。すべての画素ｘにつ
き、上記演算を繰り返せば、ノイズを抑制したＫ枚の画
像が得られる。

【００９０】このようにしてコヒーレントフィルタで算
出された画素値ｖ´（ｘ）で構成される画像では、オリ
ジナル画像で見られたランダムなノイズが、十分に抑制
される。

【００９１】なお、以上までに述べた各処理は、例えば
図４（ａ），図４（ｂ）に示すようなフローチャートに
則ってこれを行えばよく、また、当該各処理に係る演算
・画像表示等を実際のＸ線ＣＴ装置１００上で実現する
ためには、例えば、図２に示すように、分散値推定部１
１１、重み演算部１１２及び画素値演算部１１３により
構成される画像処理部１１０を設けて、これを実施すれ
ばよい。

【００９２】このうち重み演算部１１２は、上述した手
順通り、画素値ｖ（ｘ）及びｖ（ｙ）から直接重みｗ１
（ｐ（ｘ，ｙ））を求める構成となっている。したがっ
て当該演算部１１２は、危険率ｐ１（ｘ，ｙ）の値を具
体的に求めることなく、重みを直接に求める装置であ
る。なお、上記したような構成ではなく、具体的に危険
率ｐ１（ｘ，ｙ）の値を求める危険率演算部（適合度定
量化部）と、その出力に基づいて重みｗ１（ｐ（ｘ，
ｙ））を求める重み演算部という、二段の手順を踏む構
成としてもよい。いずれにせよ、重み演算部１１２は、
分散値推定部１１１により推定された分散σ^２と、ｖ
（ｘ）及びｖ（ｙ）を用いて重みｗ１（ｐ（ｘ，ｙ））
を算出する。

【００９３】また、画素値演算部１１３は、画素値ｖ
（ｘ）及びｖ（ｙ）、並びに重み演算部１１２により数
値演算された重みｗ１（ｐ（ｘ，ｙ））を使って、画素
値ｖ´（ｘ）を演算する。すなわち当該演算部１１３
は、元となる画像のノイズを抑制する処理、すなわちコ
ヒーレントフィルタの適用を実際に行う（以下、これを
「コヒーレントフィルタをかける」と表現する）。

【００９４】上記のようなダイナミック・コヒーレント
フィルタ処理においてＫ枚の静止画像から構成される動
画像に、コヒーレントフィルタをかける場合には、上記
画像処理部１１０における処理は、一旦すべての静止画
像を再構成した後、これらを上記記憶装置１０Ｍに蓄
え、後処理として後にこれらに対してコヒーレントフィ
ルタをかけるようにしてもよいが、本実施形態はこのよ
うな形態に限定されるものではなく、上述した連続スキ
ャン、連続投影データ収集、連続再構成及び連続表示と
いう流れの中で、コヒーレントフィルタをかける処理を
リアルタイムに実施する（以下、これを「リアルタイム
・コヒーレントフィルタ処理」と呼ぶ。）のでもよい。

【００９５】リアルタイム・コヒーレントフィルタ処理
の好ましい実施形態においては、新しい画像が撮影され
再構成されるたびに、以下のような処理を行う。最初に
得られた画像（画像番号１）から最新の画像（画像番号
Ｍ）までのうち、画像番号Ｍ，Ｍ−１，…，Ｍ−Ｋ＋１
を持つＫ枚の静止画像上、共通の同一点（同一座標）の
画素ｘの持つ画素値（スカラー値）を並べてＫ次元ベク
トル値ｖ（ｘ）＝（ｖ _Ｍ（ｘ），ｖ_Ｍ−１（ｘ），…，
ｖ_{Ｍ−Ｋ＋１}（ｘ））を構成する。こうして、上記の
「ダイナミック・コヒーレントフィルタ処理」と全く同
様にコヒーレントフィルタをかけることができる。ただ
し、画素値演算部１１３は実際には画素値ｖ´（ｘ）の
全ての要素を計算するのではなく、最新の画像（画像番
号Ｍ）に対応するスカラー値ｖ_Ｍ´（ｘ）だけを計算す
る。この結果、計算速度が向上するので、リアルタイム
でノイズが抑制された最新の画像を表示できる。

【００９６】この「リアルタイム・コヒーレントフィル
タ処理」の別の好ましい実施形態として、最初のＫ枚の
画像が得られた時点で、上記と全く同様にコヒーレント
フィルタをかけてｖ_１´（ｘ），…，ｖ_Ｋ´（ｘ）を求
めておき、以後は、Ｋ次元ベクトル値を画像番号Ｍ，Ｍ
−１，…，Ｍ−Ｋ＋１を持つＫ枚の静止画像を用いてｖ
（ｘ）＝（ｖ_Ｍ（ｘ），ｖ_Ｍ−１´（ｘ），…，ｖ
_{Ｍ−Ｋ＋１}´（ｘ））によって構成し、これに対して上
記のリアルタイム・コヒーレントフィルタ処理を適用す
るように構成してもよい。なお、これらのリアルタイム
・コヒーレントフィルタ処理の際に画素値ベクトルｖ
（ｘ）の次元Ｋを、マニュアル設定、あるいは自動設定
によって、随時変更できるように構成しておくと便利で
ある。

【００９７】このようにコヒーレントフィルタにより、
空間及び時間分解能を低下させることなく、ノイズだけ
を効果的に抑制したＣＴ画像を使ってＣＢＰスタディを
実行し、組織内の局所的な血流動態、つまり局所組織内
の毛細血管を通過する血流の動態を定量的に解析し、そ
の局所血流動態を表すインデックス（ＣＢＰ、ＣＢＶ、
ＭＴＴ、Ｅｒｒ）を求めることにより、その精度及び信
頼性の向上が期待できる。

【００９８】以上のように分解能の低下を抑え、ノイズ
を除去した画像に対してＣＢＰスタディ処理が実施され
る。 （ＣＢＰスタディ）上述したように、ＣＢＰスタディで
は、脳組織内の”毛細血管を通過する血流”の動態を定
量的に表すＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒｒのインデッ
クスを求め、またこれらインデックスの空間的分布を表
すマップを出力する。

【００９９】ＣＢＰ：脳組織の毛細血管内の単位体積及
び単位時間あたりの血流量［ml/１００ml/miｎ］ ＣＢＶ：脳組織内の単位体積あたりの血液量［ml/１０
０ml］ ＭＴＴ：毛細血管の血液平均通過時間［秒］ Ｅｒｒ：解析モデルからの実測値のずれ残差の指標 なお、残差Ｅｒｒが低いことは、参照脳動脈から支配を
受けている可能性が高いことを意味し、逆に、残差Ｅｒ
ｒが高いことは、参照脳動脈から支配を受けている可能
性が低いことを意味している。

【０１００】ＣＢＰスタディでは、トレーサーとして脳
血管透過性を持たない造影剤、たとえばヨード造影剤が
使用される。インジェクターにより肘静脈から急速に注
入されたヨード造影剤は、心臓、肺を経由して、脳動脈
から流れ込む。そして、脳動脈から、脳組織内の毛細血
管を経て、脳静脈へと流れ出ていく。このとき、脳血管
透過性を持たない造影剤、たとえばヨード造影剤は正常
な脳組織内の毛細血管では造影剤は血管外へ漏れ出るこ
となく通過する。

【０１０１】造影剤の通過の様子をダイナミックＣＴで
連続的に撮影して、その連続画像から、脳動脈上の画素
の時間濃度曲線Ｃａ（ｔ）、毛細血管を含む脳組織上の
画素の時間濃度曲線Ｃｉ（ｔ）、脳静脈上の画素の時間
濃度曲線Ｃｓｓｓ（ｔ）をそれぞれ測定する。

【０１０２】ＣＢＰスタディでは、造影剤の血中濃度に
ついて脳組織に近い脳血管の血中濃度の時間曲線Ｃａ
（ｔ）と、毛細血管の血中濃度の時間曲線Ｃｉ（ｔ）と
の間で成り立つ理想的な関係を解析モデルとして採用す
る。つまり脳組織に入る直前の血管から造影剤を注入し
た場合、毛細血管を含む脳組織単位体積（１画素）内の
時間濃度曲線は垂直に立ち上がり、一定値を維持し、そ
して若干の勾配を持って立ち下がる。これは、矩形関数
で近似することができる（ｂｏｘ−ＭＴＦ法：ｂｏｘ−
Ｍｏｄｕｌａｔｉｏｎ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔ
ｉｏｎ ｍｅｔｈｏｄ）。

【０１０３】脳動脈血中時間濃度曲線Ｃａ（ｔ）を入力
関数、脳組織の時間濃度曲線Ｃｉ（ｔ）を出力関数とし
て、毛細血管を通過する過程の特徴を、矩形関数で表さ
れる伝達関数として求めることができる。

【０１０４】（具体的な手順）図５、図６には、本実施
形態によるＣＢＰスタディの典型的手順を示している。
まず、肘静脈等の血管にボーラスインジェクション（造
影剤を一気に投与する）を行い、その直後あるいは直前
からダイナミックＣＴ（同じ箇所を反復して撮影する）
を行う。最も典型的な手技として、肘静脈へボーラスイ
ンジェクションを行った場合、概ね２０〜４０秒の間、
例えば０．５〜２秒間隔で撮影を繰り返す。ダイナミッ
クＣＴで得たＮ枚のＣＴ画像のうちのｊ枚目の各ピクセ
ル（ｘ、ｙ）のＣＴ値をｖ（ｘ、ｙ、ｊ）とする。これ
はこの画素（ｘ、ｙ）における時間濃度曲線（滑らかな
曲線である）ｆ（ｔ、ｘ、ｙ）をサンプリングしたもの
に他ならない。

【０１０５】まず、前処理として、ステップＳ１で、Ｃ
Ｔ画像各々から、明らかに脳組織以外の組織であること
が判別される画素を、解析対象から除外する。すなわ
ち、脳組織のＣＴ値として考えられる範囲（例えばＣＴ
値１０〜６０ＨＵ）に入らない値を示す画素は、空気や
骨、脂肪などに対応する画素であり、脳血流の定量とは
関係ないのでこれらは無視して良い。この解析範囲は、
デフォルトとして、１０〜６０ＨＵに設定されるが、入
力部１０９を介して任意に設定可能である。

【０１０６】また、前処理として、ステップＳ２で、造
影効果の初期化が行われる。各画素に於ける造影効果
（ＣＴ値の上昇）を得るためには、各画素（ｘ，ｙ）に
ついて、その画素に対応する組織に造影剤が到達する以
前の画像（一般に複数枚得られる）を、通し番号１，
２，…Ｋで表すと、その時間的平均値は、

【数８】 を求め、この値をｂ（ｘ，ｙ）とする。そして、ｊ＝Ｋ
＋１、Ｋ＋２、…，Ｎの各画像の画素値ｖ（ｘ，ｙ，
ｊ）について、 ｑ（ｘ，ｙ，ｊ）＝ｖ（ｘ，ｙ，ｊ）−ｂ（ｘ，ｙ） ｊ＜Ｋについて ｑ（ｘ，ｙ，ｊ）＝０ とすればよい。処理を簡単にするためには、どの画素に
関しても同じＫを採用しても良い。こうして得られたｑ
（ｘ，ｙ，ｊ）は、滑らかな連続曲線の時間濃度曲線ｑ
（ｔ，ｘ，ｙ）をｔ＝ｔ１，ｔ２，…ｔＮにおいてサン
プリングしたものに他ならないと考えることができる。
このｑ（ｔ，ｘ，ｙ）を用いて脳血流の定量解析を行
う。

【０１０７】定量解析にあたってはまず、右脳エリアと
左脳エリアをＣＴ画像上で分離することができる。上述
したようにＣＢＰスタディでは、毛細血管の血流動態の
様子を、脳動脈の時間濃度曲線Ｃａ（ｔ）に対する脳組
織の時間濃度曲線Ｃｉ（ｔ）の伝達関数ＭＴＦとして求
めるものであり、従って、解析対象の脳組織が、参照曲
線Ｃａ（ｔ）の脳動脈の支配下にないならば、計算して
も無駄である。少なくとも左脳と右脳とでそれぞれ別々
の脳動脈の時間濃度曲線Ｃａ（ｔ）を使って個別に解析
する、つまり左脳の脳動脈の時間濃度曲線Ｃａ（ｔ）は
同じ左脳の脳組織の解析にだけ使用し、同様に、右脳の
脳動脈の時間濃度曲線Ｃａ（ｔ）は同じ右脳の脳組織の
解析にだけ使用することは無駄な計算を減らす効果があ
る。

【０１０８】脳を左脳エリアと右脳エリアとを分割する
ために、図７に示すように、ＣＴ画像上に分割線が画面
上に図形として重ねて表示される（Ｓ３）。分割線が最
初は画像中央に表示されるように構成しても良い。操作
者は、画像を参照して、分割線を移動し、また分割線を
構成する複数の構成点を移動して任意に屈曲させること
により、左右エリアを分割する。

【０１０９】このように脳を左脳エリアと右脳エリアと
に分けて、それぞれのエリアに解析範囲を限局すること
で、解析処理工数を減らすことができる。つまり左脳の
脳動脈（左ＡＣＡ、左ＭＣＡ、左ＰＣＡ）の時間濃度曲
線Ｃａ（ｔ）は左脳エリアの解析（伝達関数最適化処
理）にだけ使用し、同様に、右脳の脳動脈（右ＡＣＡ、
右ＭＣＡ、右ＰＣＡ）の時間濃度曲線Ｃａ（ｔ）は同じ
右脳の脳組織の解析にだけ使用する。解析処理工数を減
らすために、左脳エリアと右脳エリアをそれぞれさらに
領域分割し、さらに狭いエリアに解析処理を限局しても
良い。

【０１１０】この領域分割には、幾何学図法、例えばボ
ロノイ図法が採用される。ボロノイ図法は、周知の通
り、病院、店舗、消防署等の施設の最適な配置等の分野
によりよく用いられる手法であり、平面上に配置された
多数点（店舗等に相当、母点）からの距離に応じて平面
を複数の勢力域に分割することを特徴とする。

【０１１１】図８に示すように、本実施形態では、ボロ
ノイ図法は、左脳エリアと右脳エリアとで個別に適用さ
れる。左脳エリアは、左ＡＣＡ、左ＭＣＡ、左ＰＣＡを
３つの母点として、左ＡＣＡの勢力域と、左ＭＣＡの勢
力域と、左ＰＣＡの勢力域とに分割される。左ＡＣＡ、
左ＭＣＡ、左ＰＣＡに対応する３つの母点を通過する円
の中心にボロノイ点を設定する。ボロノイ点を中心とし
て、左ＡＣＡと左ＭＣＡの２つの母点の垂直二等分線
と、左ＭＣＡと左ＰＣＡの２つの母点の垂直二等分線
と、左ＡＣＡと左ＰＣＡの２つの母点の垂直二等分線と
が連結される。これら垂直二等分線により左脳エリアが
３つの勢力域に分割される。同様に、右脳エリアは、右
ＡＣＡ、右ＭＣＡ、右ＰＣＡを３つの母点として、右Ａ
ＣＡの勢力域と、右ＭＣＡの勢力域と、右ＰＣＡの勢力
域とに分割される。

【０１１２】左ＡＣＡの時間濃度曲線Ｃａ（ｔ）に対す
る脳組織の時間濃度曲線Ｃｉ（ｔ）の伝達関数ＭＴＦ
を、左ＡＣＡの勢力域に限局して画素ごとに求める。同
様に、左ＭＣＡ、左ＰＣＡ、右ＡＣＡ、右ＭＣＡ、右Ｐ
ＣＡに対してそれぞれの勢力域に限局して画素ごとに伝
達関数ＭＴＦを求める。

【０１１３】このように左脳エリアと右脳エリアとをそ
れぞれ複数の勢力域に分割して、それぞれの勢力域に解
析範囲を限局することで、解析処理工数をさらに減らす
ことができる。

【０１１４】次に、ＣＴ画像上で脳動脈上に脳動脈ＲＯ
Ｉを設定するのであるが、この設定の精度を向上し且つ
容易にするためにＲＯＩ設定支援部１２１により支援マ
ップが作成され、ＣＴ画像とは別に、またはＣＴ画像に
重ねて表示される（Ｓ４）。支援マップとしては、図９
（ａ）乃至図９（ｃ）に示すように、例えば、ＡＴ（ア
ピアランスタイム）マップ、ＰＴ（ピークタイム）マッ
プ、ＴＴ（トランジットタイム）マップがあげられる。
各画素について、図１０に示すように、造影前の任意の
時刻（例えばデータ収集開始時刻）Ｔ０から造影剤濃度
がピークｐｅａｋの数パーセント（例えば１パーセン
ト）に達する時刻までの時間ＡＴ、時刻Ｔ０から造影剤
濃度がピークに達した時刻までの時間（ピークタイム）
ＰＴ、又は造影剤の移動時間を例えば半値幅で表すＴＴ
が計算され、マップとして生成され表示される。デフォ
ルトでは、これらＡＴマップ、ＰＴマップ、ＴＴマップ
の全種類が生成され表示されるようになっているが、任
意の１種類、又は任意の２種類を操作者が選択すること
が可能である。

【０１１５】これら数値は脳動脈では他の組織と比較し
て高い値で現れる傾向にあるので、その値を中心とした
値を持つ画素だけを表示するよう設定されたカラールッ
クアップテーブルを通してカラー表示させることで、脳
動脈の場所を容易に識別し、脳動脈ＲＯＩを正確に設定
することが可能となる（Ｓ５）。典型的には、左右脳エ
リアそれぞれに、脳動脈ＲＯＩは、前大脳動脈（ＡＣ
Ａ）、中大脳動脈（ＭＣＡ）、後大脳動脈（ＰＣＡ）の
３箇所ずつ設定される。

【０１１６】なお、マルチスライス、撮影の場合、例え
ば隣接する４枚のスライスを解析対象とする場合、図１
１に示すように、その各スライスで個々に脳動脈ＲＯＩ
を設定することは作業負担が大きいばかりで、解析を行
う上では必要のない作業である。従って、ある任意の１
スライスで設定した脳動脈ＲＯＩを他のスライスにも共
用する。または、後述するコヒーレントレグレッション
法を使って全スライスで共通に用いることのできる脳動
脈の時間濃度曲線Ｃａ（ｔ）を作成するようにしてもよ
い。

【０１１７】次に、設定された脳動脈ＲＯＩ各々に関し
て時間濃度曲線Ｃａ（ｔ）が、ダイナミックＣＴによる
連続画像データから時間濃度曲線作成部１２２により作
成される（Ｓ６）。

【０１１８】ここで、画素サイズに比べて、脳動脈は非
常に細いものが多く、しかも一般にＣＴの撮影スライス
に対して直交していないため、画像上のどの画素も正確
に動脈血のＣＴ値を表しておらず、１画素が脳動脈と他
の組織との混在により構成され、そのパーシャルボリュ
ーム効果のためにそれよりも低い造影効果しか示さない
ことがほとんどである。また、動脈をパーシャルボリュ
ームとして含むこれらの画素において、画像ノイズが大
きい。特に脳梗塞を生じている部位の動脈等において
は、造影効果が比較的小さいために、ノイズの影響は甚
大である。画像ノイズに関しては上述したコヒーレント
フィルタにより抑制されているものの、パーシャルボリ
ューム効果の影響は依然として残存している。

【０１１９】この問題は、脳動脈の時間濃度曲線は、単
一のスライス画像において計測するのではなく、その動
脈を含む立体内の画素を用いて後述するコヒーレントレ
グレッション法を適用することで抑制することが可能で
ある。従って、上述したコヒーレントフィルタ法に代え
て、この段階でコヒーレントレグレッション法を適用す
るようにしてもよい。

【０１２０】また、この方式によれば、動脈ごとにそれ
に対応する唯一のスライス像の時間濃度曲線が得られ、
従って、撮影範囲内にある全スライス中の任意の部位の
解析に利用することができ、これによって、特定の動脈
について、その脳動脈の時間濃度曲線が最も明瞭に得ら
れるスライスを選んで、その脳動脈の時間濃度曲線を全
スライスに適用することができ、脳動脈の時間濃度曲線
の数を減らすことができる。

【０１２１】（コヒーレントレグレッション法）上記時
間濃度曲線の作成では、パーシャルボリューム効果、ラ
ンダムノイズの影響を除去することが重要である。ま
ず、「時間濃度曲線」とは、上記ダイナミックＣＴ画像
中の特定の部位におけるＣＴ値（濃度値）の経時的変化
を表す曲線である。ことに、上記医用画像診断装置にお
いては、人体組織等における血流動態や代謝機能等の詳
細を調べる事を目的として、人体の特定組織内の造影剤
濃度等の経時的変化を時間濃度曲線として計測すること
が行われている。また、天体観測等においては、特定の
天体の光度変化等を解析する目的で、時間濃度曲線が用
いられる。より形式的に明示すると、すなわち、時間濃
度曲線とは、時刻ｔ_ｋにおけるある部位の濃度値をｄ_ｋ
とするとき、対の列｛＜ｔ_ｋ，ｄ_ｋ＞（ｋ＝１，２，・
・・，Ｋ）｝として表現される。また、時間濃度曲線の
多くの用途においては、必ずしもｄ_ｋの絶対的な値が必
要なのではなく、むしろ最初の画像１を基準とする増分
（ｄ_ｋ−ｄ_１）だけが得られれば十分である。さらにそ
のような用途のうちの多くでは、単に（ｄ_ｋ−ｄ_１）に
比例するデータ Ａ（ｄ_ｋ−ｄ_１）（ここにＡは未知の
定数）だけが得られれば十分である。この場合には、従
って、対の列｛＜ｔ_ｋ，Ａ（ｄ_ｋ−ｄ_１）＞（ｋ＝１，
２，・・・，Ｋ）｝が、求める時間濃度曲線である。

【０１２２】このような時間濃度曲線を求めるために
は、原理的には、上記ダイナミックＣＴ画像を構成する
各画像ｋ（ｋ＝１，２，・・・，Ｋ）における、該時間
濃度曲線を測定しようとする部位に含まれる画素ｘのス
カラー値ｖ_ｋ（ｘ）を用いて、対の列｛＜ｔ_ｋ，ｖ
_ｋ（ｘ）＞｝あるいは、｛＜ｔ_ｋ，Ａ（ｖ_ｋ（ｘ）−ｖ
_１（ｘ））＞｝を構成すればよい。

【０１２３】しかし、実用においては、上記医用画像診
断装置等によって撮影されたダイナミックＣＴ画像にラ
ンダムなノイズが含まれているために、本来測定しよう
とする時間濃度曲線を正確に求められないという問題が
ある。

【０１２４】さらに、実用においては、これらのダイナ
ミックＣＴ画像においては、いわゆる「パーシャルボリ
ューム効果」が生じる。パーシャルボリューム効果と
は、すなわち、被検体内の微小な物体の像は、画像上で
は少数個の画素によって表現されるが、これら少数個の
画素には、被検体内の隣接する物体の像も影響を与える
ため、これら少数個の画素の画素値は（本来計測しよう
とする濃度値の変動に比例するものの）比較的小さな変
動しか示さない、という現象である。言い換えれば、こ
れら少数個の画素の画素値は僅かな信号しか含まない。
従って、パーシャルボリューム効果が生じている場合に
は、どの画素ｘを取っても対の列｛＜ｔ_ｋ，ｖ_ｋ（ｘ）
＞（ｋ＝１，２，・・・，Ｋ）｝は非常に信号レベルが
低く、本来計測しようとしているのではない組織におけ
る濃度値の変化の影響を受け、さらにランダムなノイズ
が存在するために、本来測定しようとする時間濃度曲線
｛＜ｔ_ｋ，ｄ_ｋ＞｝を正確に求められないという問題が
ある。

【０１２５】そこで、従来は、ランダムなノイズを抑制
するために、時間的又は空間的平滑化を用いていたが、
時間平均を行うと時間分解能が損なわれてしまい、ま
た、空間平均を行うと、本来の該測定しようとする部位
以外の部位の濃度の経時変化が計測値に混入するという
問題点があった。このような問題点を解決し、より正確
な時間濃度曲線を得るために、コヒーレントフィルタを
採用する。

【０１２６】まず、本実施形態のコヒーレントフィルタ
において用いるべき、帰無仮説について説明する。計測
しようとする部位における真の時間濃度曲線を｛＜
ｔ_ｋ，ｄ _ｋ＞（ｋ＝１，２，・・・，Ｋ）｝であると仮
定するとき、その一次変換である｛＜ｔ_ｋ，Ａ（ｄ_ｋ−
ｄ_１）＞（ｋ＝１，２，・・・，Ｋ）｝（だたしＡは未
知の係数）を計測することを目的とする場合において、
計測しようとする部位に概ね相当する画素の集合Ｒを設
定する。この集合Ｒの要素である任意の画素ｘ∈Ｒにつ
いて、条件Ｑ：「もし、この画素ｘが上記真の時間濃度
曲線を良く反映し、しかも他の部位の経時的濃度変化の
影響をほとんど受けていない」のであれば、ベクトル値
としての画素値ｖ（ｘ）＝（ｖ_１（ｘ），ｖ
_２（ｘ），．．．，ｖ_Ｋ（ｘ））について、パーシャル
ボリューム効果およびランダムノイズの影響を考慮する
ことによって、 ｖ_ｋ（ｘ）＝ｐ（ｘ） ｄ_ｋ＋ｑ（ｘ）＋γ_ｋ（ｘ） …（１１） （ｋ＝１，２，・・・，Ｋ）が成り立つと仮定すること
ができる。ここに、ｐ（ｘ）およびｑ（ｘ）は、画素ｘ
ごとに異なるが画像番号ｋ（すなわち撮影時刻ｔ_ｋに相
当）によっては変化しない未知の係数であり、パーシャ
ルボリューム効果をモデル化したものである。またγ_ｋ
（ｘ）はランダムなノイズをモデル化したものであっ
て、画素ｘごとに、しかも画像番号ｋごとに値が異なる
が、その期待値は０であり、またその統計分布は画素ｘ
にも画像番号ｋにも依存しない。

【０１２７】以上の仮定によれば、該集合Ｒの要素であ
る任意の２個の画素ｘ，ｙに関して、もし「画素ｘ，ｙ
が共に上記の条件Ｑを満たす。」という命題が成り立つ
のであれば、次式の関係が成り立つことが証明できる。

【０１２８】 ｖ_ｋ（ｘ）＝ａ_１ｖ_ｋ（ｙ）＋ａ_２＋ξ_ｋ （ｋ＝１，２，・・・，Ｋ） … （１２） ここに、ａ_１およびａ_２は、画素の組ｘ，ｙごとに異な
るが画像番号ｋ（すなわち撮影時刻ｔ_ｋ）によっては変
化しない未知の係数である。またξ_ｋはランダムなノイ
ズであって、画素の組ｘ，ｙごとに、しかも画像番号ｋ
ごとに値が異なるが、その期待値は０である。

【０１２９】（１２）式は以下のようにして導かれる。
すなわち、ｘにｙを代入して得られる式 ｖ_ｋ（ｙ）＝ ｐ（ｙ） ｄ_ｋ＋ｑ（ｙ）＋γ_ｋ（ｙ）… （１３） を変形すると、

【数９】 とおくことによって、（１２）式が導かれる。ここで、
（１６）式のａ_１とａ_２は、パーシャルボリューム効果
を現すパラメータであり、また（１６）式のξ_ｋは、ラ
ンダムなノイズを表す。

【０１３０】以上から、「画素ｘ，ｙが共に条件Ｑを満
たす。」という命題は、帰無仮説Ｈ _０´「ｖ_ｋ（ｘ）＝
ａ_１ｖ_ｋ（ｙ）＋ａ_２＋ξ_ｋ （ｋ＝１，…，Ｋ）で
ある。」と等価であることが示された。

【０１３１】次に帰無仮説Ｈ_０´「ｖ_ｋ（ｘ）＝ａ_１ｖ
_ｋ（ｙ）＋ａ_２＋ξ_ｋ （ｋ＝１，…，Ｋ）であ
る。」を、実質的に等価であり、かつ実際に検定できる
形式の命題に変換する方法について述べる。この帰無仮
説を改めて数学的に厳密な表現で述べると、帰無仮説Ｈ
_０´「ある定数ａ_１およびａ_２が存在して、ξ_ｋ＝ｖ_ｋ
（ｘ）−ａ_１ｖ_ｋ（ｙ）−ａ_２（ｋ＝１，…，Ｋ）は平
均０、分散（σ^２ｈ（ａ_１））の正規分布に従う。」と
なる。ここに係数ｈ（ａ_１）は、 ｈ（ａ_１）＝１＋ａ_１ ^２ … （１７） である。（１７）式はａ_１とξ_ｋの定義である（１６）
式、および、ランダム変数に関する分散の持つ一般的な
性質から直ちに導かれる。また、上記の分散σ^２の値
は、簡便かつ実用上十分正確に推定できる。

【０１３２】以上から、もし、上記の定数ａ_１およびａ
_２を決定することができれば、上記の帰無仮説Ｈ_０´を
検定することが可能である。そして実際上は、これらの
定数の最適な推定値ａ_１ ^〜およびａ_２ ^〜が得られれば十
分である。

【０１３３】このような、定数ａ_１およびａ_２の最適な
推定値の算出には、公知の当てはめ法（fitting）がそ
のまま利用できる。そこで、以下では、そのような当て
はめ法の典型的な具体例として、線形最小二乗法を用い
る場合における概要を説明する。線形最小二乗法を本実
施形態に適用するには、単に、上記の帰無仮説のξ_ｋの
二乗和をＳ（ａ）として、すなわち

【数１０】 を定義する。Ｓ（ａ）の値は定数ベクトルａ＝（ａ_１，
ａ_２）、すなわち上記の定数ａ_１およびａ_２、の値に依
存する。このＳ（ａ）が最小の値を取るような定数ベク
トルａを算出すれば、定数ａ_１およびａ_２に関する、不
偏推定の意味での最適な推定値ａ_１ ^〜およびａ_２ ^〜が得
られる。なお、線形最小二乗法の具体的な計算方法とし
ては、様々な公知の方法を利用することができ、しか
も、これら公知の計算方法はいずれも非常に簡単であ
り、必要な計算時間はごく僅かである。

【０１３４】このようにして、上記の定数ａ_１，ａ_２の
最適な推定値ａ_１ ^〜，ａ_２ ^〜を算出した結果、次式で定
義される残差 ｒ_ｋ ^〜（ｘ，ｙ）＝ｖ_ｋ（ｘ）−ａ_１ ^〜ｖ_ｋ（ｙ）−ａ_２ ^〜 …（１９） を具体的に計算することができる。従って、この残差ｒ
_ｋ ^〜を用いて、上記の帰無仮説Ｈ_０´を、実質的に等価
な帰無仮説Ｈ_０”「ｒ_ｋ ^〜（ｘ，ｙ）（ｋ＝１，…，
Ｋ）は平均０、分散（１＋（ａ_１ ^〜）^２）σ^２の正規分
布に従う。」と言い換えることができる。これは、実際
に検定の計算を実行可能な具体的命題である。

【０１３５】なお、さらに、ベクトルによる表現

【数１１】 （ただし、ベクトルａ及びξは画素の組ｘ，ｙに依存す
る。）を導入し、また、次式 ｆ（ａ^~，ｖ（ｙ））＝ａ_１ ^〜ｖ（ｙ）＋ａ_２ ^〜 … （２１） で定義されるベクトル値関数ｆを用いて帰無仮説Ｈ_０´
を言い換えると、帰無仮説Ｈ_０”は「ｖ（ｘ）＝ｆ（ａ
^~，ｖ（ｙ））＋ξ、（ただし、ξは平均０、分散（１
＋（ａ_１ ^〜）^２）σ^２の正規分布に従う。）」となり、
これは上述した帰無仮説Ｈ_０と全く同じ形式である。す
なわち、本実施形態は上述したコヒーレントフィルタの
一変形例であることは明らかである。なお、ここで、上
記ｆ（ａ^~，ｖ（ｙ））とは、すなわち、画素ｙの画素
値ｖ（ｙ）に対して、パーシャルボリューム効果を現す
パラメータａを最適に調節して、画素ｘの画素値ｖ
（ｘ）と最も高い適合度を持つように変換したものを意
味する。

【０１３６】次に、本実施形態において、上記の帰無仮
説Ｈ_０”を用いて、コヒーレントフィルタによって時間
濃度曲線を求める方法について説明する。計測しようと
する部位に概ね相当する画素の集合Ｒについて、この集
合Ｒに含まれるあるひとつの画素ｘ∈Ｒについて、集合
Ｒの要素である全ての画素y∈Ｒに対して、以下の計算
を行う。すなわち、上記の方法を用いて実際に残差ｒ_ｋ
^〜（ｘ，ｙ）（ｋ＝１，…，Ｋ）を算出し、次に、上記
の帰無仮説Ｈ_０”「ｒ_ｋ ^〜（ｘ，ｙ）（ｋ＝１，…，
Ｋ）は平均０、分散（１＋（ａ_１ ^〜）^２）σ^２の正規分
布に従う。」を棄却する場合の危険率ｐ（ｘ，ｙ）ない
し重みｗ（ｐ（ｘ，ｙ））を具体的に計算する。そし
て、重み付き平均ｖ´_ｋ（ｘ）を下式（２２）によって
計算し、画素ｘにおける時間濃度曲線｛＜ｔ_ｋ，ｖ´_ｋ
（ｘ）−ｖ´_１（ｘ）＞（ｋ＝１，２，・・・，Ｋ）｝
を構成する。

【０１３７】

【数１２】

【０１３８】こうして得られた時間濃度曲線は、画素ｘ
における真の時間濃度曲線｛＜ｔ_ｋ，ｄ_ｋ＞｝の一次変
換である｛＜ｔ_ｋ，Ａ（ｄ_ｋ−ｄ_１）＞｝（だたしＡは
未知の係数）を近似している計測値であり、しかも、重
み付き平均の効果によって、ランダムなノイズが抑制さ
れている。また、他の画素ｙの画素値ベクトルに対して
は、式から明らかなように、パーシャルボリューム効果
の影響を補正したものが用いられている。さらに、本実
施形態はコヒーレントフィルタの共通の特徴である「時
間平均を全く使用せず、また空間平均を画素ｘとの適合
度に基づく重みを使って計算する」という性質を有す
る。従って、本実施形態によって、時間分解能を損なわ
ず、パーシャルボリューム効果の影響を抑制し、しかも
ランダムなノイズが抑制された時間濃度曲線を得ること
ができる。なお、このようにして時間濃度曲線を求める
方式を、特に「コヒーレントレグレッション法」と称
す。

【０１３９】次に、具体的に、医療用のＸ線ＣＴにおけ
るダイナミックＣＴ撮影等で得られたダイナミックＣＴ
画像における、時間濃度曲線の臨床的利用の一例を説明
する。この応用例では、造影剤を血管に急速に注入しな
がら、ダイナミックＣＴ等の撮影を行い、人体組織中に
存在する動脈の像の濃度変化を時間濃度曲線として計測
することによって、当該組織における血流動態を診断し
ようとするものである。

【０１４０】この応用例において、多くの場合、人体組
織中の動脈は一般に非常に細いために、ＣＴによる断層
画像上に現れる動脈の像は、パーシャルボリューム効果
を生じる。さらに、像にはランダムなノイズが含まれて
いることは言うまでもない。このため、従来の方法で
は、動脈に関する十分に正確な時間濃度曲線を得ること
は困難であり、強いて計測を行えば、動脈に関する真の
時間濃度曲線＜ｔ_ｋ，Ｄ _ｋ＞の一次変換である＜ｔ_ｋ，
Ａ（Ｄ_ｋ−Ｄ_１）＞（ここにＤ_ｋは動脈の像に相当する
一群の画素の、時刻ｔ_ｋにおける（スカラー値である）
画素値を表す。また、ｋ＝１，２，・・・，Ｋ）をある
程度近似する測定値＜ｔ_ｋ，（ｖ_ｋ（ｘ）−ｖ
_１（ｘ））＞しか得られなかった。この測定値はランダ
ムなノイズを含む。また、パーシャルボリューム効果の
影響のために、係数Ａは未知のままである。

【０１４１】そこで、＜ｔ_ｋ，Ａ（D_ｋ−D_１）＞を十分
に近似する測定値＜ｔ_ｋ，（ｖ´_ｋ（ｘ）−ｖ´
_１（ｘ））＞（ｋ＝１，２，・・・，Ｋ）を得ることが
できる。一方、同じ断層画像上で観察できる静脈の中に
は、相当に太いものが存在し、従ってそれらの静脈に関
しては、従来の方法で、時間濃度曲線の十分に良い近似
値＜ｔ_ｋ，（Ｊ_ｋ−Ｊ_１）＞（ｋ＝１，２，・・・，
Ｋ）を得ることができる。ここにＪ_ｋは静脈の像に相当
する一群の画素の、時刻ｔ_ｋにおける画素値を表す。

【０１４２】ところで、血液循環に関する時間濃度曲線
においては、命題Ｓ:「もし、時刻ｔ_１における血中の
造影剤濃度が０であるならば、どの血管ｄに関する時間
濃度曲線＜ｔ_ｋ，（ｄ_ｋ-ｄ_１）＞も、その曲線下面積
（ＡＵＣ：Area Under Curve）が一致する」という性質
が成り立つことが知られている。ここで言う曲線下面積
とは、時間濃度曲線＜ｔ_ｋ，（ｄ_ｋ-ｄ_１）＞の時間tに
関する積分を意味する。

【０１４３】従って、ある血管ｄに関する時間濃度曲線
＜ｔ_ｋ，（ｄ_ｋ-ｄ_１）＞の曲線下面積ＡＵＣ（ｄ）
は、例えば次式によって近似的に計算することができ
る。

【０１４４】

【数１３】

【０１４５】従って、静脈に関して従来の方法で得られ
た時間濃度曲線｛＜ｔ_ｋ，（Ｊ_ｋ-Ｊ_１）＞｝に関する
曲線下面積ＡＵＣ（Ｊ）を（２２）式を用いて計算する
ことができる。（ｄにＪを代入すればよい。）また、動
脈に関して、仮に、時間濃度曲線｛＜ｔ_ｋ，（D_ｋ−
D_１）＞｝が知られていれば、曲線下面積ＡＵＣ（D）を
（１８）式を用いて同様に計算することができ、しかも
上記命題Ｓに従って、 ＡＵＣ（D）≒ＡＵＣ（Ｊ） … （２４） が成り立つ筈である。しかし、実際には、時間濃度曲線
＜ｔ_ｋ，（D_ｋ−D_１）＞は未知であるため、ＡＵＣ
（D）は計算できない。

【０１４６】一方、本実施形態に係る方式で得られた時
間濃度曲線＜ｔ_ｋ，（ｖ´_ｋ（ｘ）−ｖ´_１（ｘ））＞
は、＜ｔ_ｋ，Ａ（D_ｋ−D_１）＞を近似するものであり、
後者は未知の係数Ａを含んでいる。このため、｛＜
ｔ_ｋ，（ｖ´_ｋ（ｘ）−ｖ´_１（ｘ））＞｝から（２
３）式を用いて具体的に計算できる曲線下面積ＡＵＣ
（ｖ´）は、ＡＵＣ（D）のちょうどＡ倍でなくてはな
らない。すなわち、 ＡＵＣ（ｖ´）≒Ａ・ＡＵＣ（D） … （２５） である。すなわち、（２４）式と（２５）式から、 Ａ≒ＡＵＣ（ｖ´）／ＡＵＣ（Ｊ） … （２６） という関係が成り立つ。（２６）式の右辺は（２３）式
を用いて具体的に計算できるため、未知であった係数Ａ
の値が具体的に決定できる。そこで、この係数Ａの値を
用いて時間濃度曲線＜ｔ_ｋ，（ｖ´_ｋ（ｘ）−ｖ´
_１（ｘ））／Ａ＞を構成すれば、これは、動脈の時間濃
度曲線＜ｔ_ｋ，（D_ｋ−D_１）＞を近似するものに他なら
ない。このように、曲線下面積を用いて、未知であった
定数Ａの値を決定した時間濃度曲線を構成する方法を
「ＡＵＣ法」と呼ぶ。

【０１４７】以上から、ダイナミックＣＴ撮影等で得ら
れたダイナミックＣＴ画像における、時間濃度曲線の臨
床的利用において、上記コヒーレントレグレッション法
に、さらに上記ＡＵＣ法を組み合わせることによって、
従来の方法では計測が困難あるいは不可能であった、細
い動脈の時間濃度曲線に関しても、パーシャルボリュー
ム効果およびランダムなノイズの影響を排除し、しか
も、未知の定数Ａを含まない測定値が得られる。

【０１４８】なお、もちろんＡＵＣ法は、単独で従来の
方法で計測された動脈に関する時間濃度曲線＜ｔ_ｋ，
（ｖ´_ｋ（ｘ）−ｖ´_１（ｘ））＞に対しても適用で
き、（ランダムなノイズやパーシャルボリューム効果の
影響は排除できないものの、）未知であった定数Ａの値
を決定した時間濃度曲線を構成できる。

【０１４９】（上矢状静脈洞の時間濃度曲線を使った脳
動脈の時間濃度曲線の補正（パーシャルボリューム効果
の影響を抑圧））パーシャルボリュームの影響を抑圧す
るために、このコヒーレントレグレッションに代えて又
は併用して、上矢状静脈洞の時間濃度曲線Ｃｓｓｓ
（ｔ）を使って脳動脈の時間濃度曲線Ｃａ（ｔ）を補正
するようにしてもよい。

【０１５０】まず、図５のステップＳ７において、図１
２に示すように、ＣＴ画像上で上矢状静脈洞を取り囲む
ように大き目に上矢状静脈洞ＲＯＩを設定する。上矢状
静脈洞は動脈に比べて大きく、また位置も比較的固定し
ているので、上矢状静脈洞ＲＯＩ設定は容易である。こ
の大き目の上矢状静脈洞ＲＯＩには、複数の画素が含ま
れている。

【０１５１】次に、上矢状静脈洞ＲＯＩの中の全ての画
素がその全域に渡って上矢状静脈洞に含まれるように、
上矢状静脈洞ＲＯＩを縮小処理する（Ｓ８）。縮小処理
としては、例えば、まず、上矢状静脈洞ＲＯＩ内の画素
各々について、しきい値処理（二値化）を実行し、ＲＯ
Ｉ内の二値マップ（“０”，“１”）を作成する。当該
しきい値は、上矢状静脈洞の像を、その周辺の組織や骨
の像と分離する値に設定される。“１”は上矢状静脈洞
の像上の画素であることを表し、“０”は周辺の組織や
骨の像上の画素であることを表している。この二値マッ
プの各画素（中心画素）を、その近傍４または８画素の
値に従って、置換する。中心画素が“１”であって、且
つ、近傍４または８画素全てが“１”である場合のみ、
中心画素の値を“１”に維持する。つまり、中心画素が
“０”である場合はもちろん、たとえ“１”であったと
しても、近傍４または８画素のなかの１つでも“０”を
示しているときには、当該中心画素の値を“０”に置換
する。従って、上矢状静脈洞ＲＯＩは、上矢状静脈洞の
像の外形よりも、少なくとも１画素分縮小される。それ
により縮小処理を受けた上矢状静脈洞ＲＯＩの中の全て
の画素は、上矢状静脈洞像上の画素であるという条件を
高い確度で実現され得る。

【０１５２】また、この手法に代えて、時間濃度曲線の
曲線下面積ＡＵＣを使って上矢状静脈洞ＲＯＩを修正す
るようにしてもよい。この場合、大き目のＲＯＩを探索
範囲として、その中の画素各々について時間濃度曲線の
曲線下面積ＡＵＣを計算する。造影効果により上矢状静
脈洞像上の画素の曲線下面積ＡＵＣは、周辺画素のそれ
に比べて明らかに高値を示す。従って、この曲線下面積
ＡＵＣに対してしきい値処理を実行することにより、Ｒ
ＯＩの中から上矢状静脈洞像上の画素だけを選別するこ
とができる。

【０１５３】このようにしていずれかの手法又は両手法
を併用してアンド条件によりピックアップされた上矢状
静脈洞像上であるという確度の高い複数の画素に対し
て、各画素の時間濃度曲線が平均化され、上矢状静脈洞
の時間濃度曲線Ｃｓｓｓ（ｔ）が作成される（Ｓ９）。

【０１５４】ここで、ヨード造影剤は血液脳関門(Blood
Brain Barrier)を通過しないので、原理的に、ヨード
濃度は脳動脈と脳静脈とで変化しない、つまり、上矢状
静脈洞の時間濃度曲線Ｃｓｓｓ（ｔ）の曲線下面積ＡＵ
Ｃは、Ｓ６で作成した脳動脈の時間濃度曲線Ｃａ（ｔ）
の曲線下面積ＡＵＣに略等価になる。従って、図１３に
示すように、上矢状静脈洞の時間濃度曲線Ｃｓｓｓ
（ｔ）の曲線下面積ＡＵＣｓｓｓに対して、Ｓ６で作成
した脳動脈の時間濃度曲線Ｃａ（ｔ）の曲線下面積ＡＵ
Ｃａが略等価になるように、Ｓ６で作成した脳動脈の時
間濃度曲線Ｃａ（ｔ）の各時刻値に、ＡＵＣ（ｓｓｓ／
ＡＵＣａ）を乗算することで補正する（Ｓ１０）。

【０１５５】次に、以上のようにノイズ及びパーシャル
ボリューム効果が抑圧された図１４（ａ）に示す脳動脈
の時間濃度曲線Ｃａ（ｔ）を使って、脳組織（毛細血
管）の血流動態の様子を定量化する。そのためにまず、
脳組織上の各画素について、図１４（ｂ）に示す時間濃
度曲線Ｃｉ（ｔ）が作成される（Ｓ１１）。

【０１５６】次に、Ｓ１２に示すように、左右エリアで
別々の脳動脈時間濃度曲線Ｃａ（ｔ）を使って、画素ご
とに、脳動脈時間濃度曲線Ｃａ（ｔ）を入力関数、脳組
織の時間濃度曲線Ｃｉ（ｔ）を出力関数として、トレー
サーが毛細血管を通過する過程の特徴を、伝達関数ＭＴ
Ｆとして求める。つまり、左エリアの脳組織の時間濃度
曲線Ｃｉ（ｔ）に対しては同じ左エリアの脳動脈の時間
濃度曲線Ｃａ（ｔ）を使い、また右エリアの脳組織の時
間濃度曲線Ｃｉ（ｔ）に対しては同じ右エリアの脳動脈
の時間濃度曲線Ｃａ（ｔ）を使って、伝達関数ＭＴＦを
求める。また、上述したように脳動脈時間濃度曲線Ｃａ
（ｔ）は、ＡＣＡ，ＭＣＡ，ＰＣＡごとに作成されるの
で、各Ｃａ（ｔ）ごとに伝達関数ＭＴＦの計算が繰り返
される。

【０１５７】ここでは、図１５に示すように、脳動脈の
時間濃度曲線Ｃａ（ｔ）と、毛細血管の時間濃度曲線Ｃ
ｉ（ｔ）との間で成り立つ理想的な関係を解析モデルと
して用いてｂｏｘ−ＭＴＦ法を適用する。

【０１５８】図１６にｂｏｘ−ＭＴＦ法の原理を示して
いる。脳動脈の時間濃度曲線Ｃａ（ｔ）と、矩形関数で
表される伝達関数ｂｏｘ−ＭＴＦとのコンボルーション
Ｃｉ´（ｔ）と、Ｓ１１で作成した実測Ｃｉ（ｔ）との
残差を評価し、その残差の二乗和を減少させるように伝
達関数ｂｏｘ−ＭＴＦを修正する。この手続き(procedu
re)ルーチンを繰り返すことで、残差を最小化させる。

【０１５９】残差を最小化する伝達関数ｂｏｘ−ＭＴＦ
に基づいて、図１５に示すように、ＣＢＰ、ＣＢＶ、Ｍ
ＴＴが計算され（Ｓ１３）、またＳ１２で最小化した残
差の二乗和をＥｒｒとして出力する。厳密には、 ＣＢＰ＝ＣＢＰ ＣＢＶ＝（１−Ｈｔ）／（１−ｂ＊Ｈｔ）＊ＣＢＶ' ＭＴＴ＝（１−Ｈｔ）／（１−ｂ＊Ｈｔ）＊ＭＴＴ' で補正される。ここで、Ｈｔは大血管のヘマトクリット
値であり、ｂ＊Ｈｔは末梢血管のヘマトクリット値（一
般的にはｂは０．７程度）である。

【０１６０】なお、残差は、ｙ_ｉ(x)−ｆ(t_ｉ,x)で与え
られる。ｙ_ｉ(x)は、時刻ｔ_ｉにおけるボクセルｘのス
カラー値を表し、脳組織の時間濃度曲線に対応する。ｆ
(t_ｉ,x)は、ボクセルｘのベクトル画素値に対してフィ
ッティングされたモデルの時刻ｔ_ｉにおけるスカラー値
を表し、伝達関数と脳動脈の時間濃度曲線とのコンボル
ーションに対応する。Ｅｒｒは、伝達関数を近似する際
の残差の２乗和の平方根であり、例えば次式に示すよう
に計算される。

【０１６１】

【数１４】

【０１６２】ここで、Ｓは定数であり、例えばＳ＝Ｎ−
ｐとする。ｐは、自由度、すなわち近似されるモデルｆ
に含まれるパラメータの数を表している。ｗ(t_ｉ)は時
刻t_ｉにおける残差がＥｒｒに寄与する度合いを決める
重み係数である。例えば、ｗ(t _ｉ)は、ｉに依存しない
で、１等の固定値としても良いし、 ｗ(t_ｉ)＝αｅ^{-ti ２ /β} として、｜ｔ_ｉ｜が大きいほど、重みｗが緩やかに小さ
くなるように構成し、時間が経つにつれて残差がＥｒｒ
にあまり寄与しなくなるようにしてもよい。

【０１６３】こうしてｂｏｘ−ＭＴＦ法により得られた
伝達関数から計算されたＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒ
ｒに対して、図１７に示すように、個々に出力範囲（適
正範囲）が設定される（Ｓ１４）。それぞれ対応する出
力範囲内の値を持つ画素については、その値が維持さ
れ、出力範囲外の値を持つ画素にはその値から、例えば
表示上で黒に対応する値に置換される（Ｓ１５）。

【０１６４】次に、図１８（ａ）乃至図１８（ｄ）に示
すように、出力適正化を受けたＣＢＰ、ＣＢＶ、ＭＴ
Ｔ、Ｅｒｒからそれぞれのマップが生成される（Ｓ１
６）。ＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒｒのインデックス
は、前大脳動脈ＡＣＡ，中大脳動脈ＭＣＡ，後大脳動脈
ＰＣＡごと、しかも各スライスに対して個々に計算され
る。従って、マップは、１スライスでも、図１９に示す
ように、４×３＝１２枚になる。設定する脳動脈数を増
加すれば、その増加数の４倍でマップは増える。このよ
うな多くのマップを総合的に評価することは現実的では
ない。そこで、マップ枚数を減少させるために、マップ
を合成する（Ｓ１７）。

【０１６５】図２０に示すように、合成方法としては、
前大脳動脈ＡＣＡのＣＢＰマップと、中大脳動脈ＭＣＡ
のＣＢＰマップと、後大脳動脈ＰＣＡのＣＢＰマップと
を、前大脳動脈ＡＣＡの残差Ｅｒｒ、中大脳動脈ＭＣＡ
の残差Ｅｒｒ、後大脳動脈ＰＣＡの残差Ｅｒｒに基づい
て合成する。例えば前大脳動脈ＡＣＡの時間濃度曲線Ｃ
ａ（ｔ）とその支配下にある脳組織の時間濃度曲線Ｃｉ
（ｔ）とから伝達関数ＭＴＦを求めた場合、その残差Ｅ
ｒｒは比較的少なく、逆に、支配下にない脳組織の時間
濃度曲線Ｃｉ（ｔ）から伝達関数ＭＴＦを求めた場合、
その残差Ｅｒｒは比較的多くなる。つまり、残差Ｅｒｒ
は各脳動脈の支配可能性を表している。

【０１６６】従って、各画素ごとに、前大脳動脈ＡＣＡ
のＣＢＰ値と、中大脳動脈ＭＣＡのＣＢＰ値と、後大脳
動脈ＰＣＡのＣＢＰ値との中から、最も残差Ｅｒｒの低
い値に対応するＣＢＰ値をその画素の値として選択す
る。こうして合成されたマップは、前大脳動脈ＡＣＡ，
中大脳動脈ＭＣＡ，後大脳動脈ＰＣＡの支配下にある可
能性の高い脳組織のＣＢＰ値から構成される。他のイン
デックスＣＢＶ、ＭＴＴのマップ合成についても同様で
ある。

【０１６７】ここで、マップ合成について以下に詳細に
説明する。動脈に対応する位置にある画素から得られる
時間濃度曲線は動脈血中造影剤濃度を反映しており、こ
れに上記したコヒーレントレグレッション法等を適用し
て正確な動脈血中造影剤濃度の時間濃度曲線を得ること
ができる。このような脳動脈の時間濃度曲線は動脈ごと
に作成可能であり、それぞれ血行状態によって違いがあ
る。特に脳血管障害等を起こしている症例に於いてはこ
の違いが著しい場合がある。例えばＫ箇所の動脈で得た
脳動脈の時間濃度曲線をＡ_ｋ（t） （ｋ＝１,２，・・
・，Ｋ）で表すことにする。

【０１６８】ある組織の時間濃度曲線を、その組織を栄
養している（支配している）動脈の脳動脈の時間濃度曲
線と比較することによって、当該組織に於ける微小循環
（毛細血管系の構造、機能）を反映するＣＢＰ等のイン
デックスを得ることが出来る。これらのインデックスは
各部位（x,y,z）ごとに算出されるので、その値を画素
値とする画像を構成することができ、このような画像
が、インデックスマップである。例えばＲ種類（典型的
には上述したようにＣＢＰ，ＣＢＶ，ＭＴＴ，Ｅｒｒの
４種）のインデックスが得られる場合、Ｒ枚のマップが
構成できる。このようにして作成されたＲ枚のマップ
は、各画素がベクトル値をとる１枚のマップ（ベクトル
値マップ）と見なすことができる。すなわち、 Ｖ_ｋ（x,y,z） ＝ <Ｐ_ｋ,１（x,y,z）, Ｐ_ｋ,２（x,y,
z）, ... , Ｐ_ｋ,Ｒ（x,y,z）> となる。

【０１６９】例えばＣＢＰスタディでは、典型的には上
述したようにＲ＝４とし、Ｐ_ｋ,１（x,y）はＣＢＰの値
を、Ｐ_ｋ,２（x,y,z）はＣＢＶの値を、Ｐ_ｋ,３（x,y,
z）はＭＴＴの値を、Ｐ_ｋ,４（x,y,z）は残差Ｅｒｒの
値を表すように構成できる。

【０１７０】部位（x,y,z）の内で、解析の対象となる
臓器に対応していないことが明らかであるようなものは
初めから解析の対象外とし、Ｐ_ｋ,r（x,y）には解析対
象外を示す特殊な値を代入するとよい（上記ステップＳ
１４，Ｓ１５）。そのような値として、負で絶対値が大
きい値を用いると便利である。或いは、ベクトルＶ
_ｋ（x,y,z）に追加されるべきさらにもう一個の要素と
して、Ｐ_ｋ,Ｒ+１（x,y,z）＝（（x,y,z）が解析対象外
であれば０, さもなくば１）というマップを作っても良
い。このようなマップは「マスク」と呼ばれる。

【０１７１】このようなベクトル値マップＶ_ｋは、参照
した脳動脈の時間濃度曲線Ａ_ｋごとに作成される。例え
ば、左右の中大脳動脈、前大脳動脈、後大脳動脈から脳
動脈の時間濃度曲線を得たとするとＫ＝６、さらにおよ
び病変部周辺にある動脈数カ所から脳動脈の時間濃度曲
線を得たとすると、Ｋ＝１０〜１５程度になる。

【０１７２】このうち、右半球にある動脈から得られた
脳動脈の時間濃度曲線は右半球に属する部位（x,y,z）
の解析にだけ、また左半球にある動脈から得られた脳動
脈の時間濃度曲線は左半球に属する部位（x,y,z）の解
析にだけ、用いられるべきである。そこで、右半球と左
半球の境目（正中線）を直線、曲線もしくは折れ線、或
いは平面、曲面等として操作者が指定し、それぞれの半
球ごとにマップを作るように構成するのが望ましい。し
かしそれでもなお、片側の半球ごとにＫ＝３〜１０程度
の数の脳動脈の時間濃度曲線が存在しうる。

【０１７３】このように脳動脈の時間濃度曲線Ａ_ｋ
（ｋ＝１,２，・・・，Ｋ）の数Ｋが大きい場合に、結
果として得られるベクトル値マップＶ_ｋ（ｋ＝１,２，
・・・，Ｋ）の枚数が多いために、観察するのに不便で
ある。すなわち通常のグレースケール画像あるいはカラ
ースケール画像として観察しようとすれば、一つのマッ
プがＲ枚の画像から構成され、これがＫ組あるのだか
ら、合計Ｋ×Ｒ枚の画像を比較しなくてはならない。さ
らに、どの部位がどの動脈によって栄養されているのか
は必ずしも自明でなく、解剖学的知識を用いて、各部位
ごとにどのマップＶ_ｋ（ｋ＝１,２，・・・，Ｋ）を観
察するべきかを判断しなくてはならない。特に脳梗塞等
の脳血管障害を生じている症例においては、組織を支配
しているのがどの動脈かは、必ずしも解剖学的知識とは
一致せず、異常な支配がしばしば見られる。これらの問
題によって、ベクトル値マップの読影が難しいという問
題点がある。

【０１７４】この問題を解決するために、マップ合成を
行う。つまり、残差マップを利用して、Ｋ個のベクトル
値マップＶ_ｋ（ｋ＝１,２，・・・，Ｋ）を一つのベク
トル値マップＶに集約する。例えば、Ｐ_ｋ,Ｒ（x,y,z）
が残差マップである場合に、Ｖ（x,y,z） ＝ Ｖ_ｋ（x,
y,z） ただしｋ はｋ＝１,２，・・・，Ｋのうちで｜Ｐ
_ｋ,Ｒ（x,y,z）｜が最小であるようなｋとする。

【０１７５】また、各部位においてｋ＝１,２，・・
・，Ｋのうちどれが採用されたかを示すためのマップ Ｐ_０（x,y,z）＝（ｋ＝１,２，・・・，Ｋのうちで｜Ｐ
_ｋ,Ｒ（x,y,z）｜が最小であるようなｋ） を追加することもできる。

【０１７６】この方式によれば、すなわち通常のグレー
スケール画像あるいはカラースケール画像として観察し
ようとするときＲ枚ないしＲ+１枚の画像を観察すれば
よい。

【０１７７】この方式によれば、本来脳動脈の時間濃度
曲線Ａ_ｊを使って算出されるべき部位（x,y,z）におい
て誤ってＡ_ｋを使った算出結果が用いられる可能性があ
る。しかしながらこのような誤りが生じるには、Ｖ（x,
y,z）の定義から明らかなように、｜Ｐ_ｋ,Ｒ（x,y,z）
｜<｜Ｐ_j,Ｒ（x,y,z）｜となることが必要であり、この
ような関係は、Ａ_ｊとＡ_ｋが極めて類似している場合に
しか生じない。このため、部位（x,y,z）においてはＶ
_ｋ（x,y,z）とＶ_j（x,y,z）は元々類似していると考え
られ、この誤りによって、Ｖ（x,y,z）の解釈に誤りが
生じる可能性はほとんどない。

【０１７８】実際にこの方法を適用すると、Ａ_ｊとＡ_ｋ
が極めて類似している場合にだけ、概ね一様であると思
われる組織内において、部位ごとにＰ_０（x,y,z）＝ｋ
であったりＰ_０（x,y,z）＝jであったりすることが起こ
り、そのときＰ_ｋ,r（x,y,z）≒Ｐ_j,r（x,y,z） （r＝
１,２,...,Ｒ）であって、どちらを採用しても結果はほ
とんど違いがないことが観察される。

【０１７９】逆に、特定の動脈に支配されている組織で
あって、それに対応する脳動脈の時間濃度曲線Ａ_ｋが他
のカーブと似ていない場合には、本方式を用いることに
よって、当該組織中の部位（x,y,z）においてはほぼ確
実に、しかも自動的にＶ_ｋ（x,y,z）が選択される。従
って、上記Ｐ_０（x,y,z）を観察することによって、解
剖学的知識なしに、どの組織がどの動脈の支配を受けて
いるかを観察することができる。

【０１８０】ここで、図６に戻る。図２１（ａ）乃至図
２１（ｄ）に示すように、以上のように合成された、又
は各脳動脈で単独のＣＢＰマップ、ＣＢＶマップ、ＭＴ
Ｔマップ、Ｅｒｒマップに対して、複数画素を含む関心
領域ＲＯＩを設定し（Ｓ１８）、そのＲＯＩ内の画素値
（ＣＢＰ値，ＣＢＶ値、ＭＴＴ値、Ｅｒｒ値）の平均値
（ＣＢＰ平均値、ＣＢＶ平均値、ＭＴＴ平均値、Ｅｒｒ
平均値）を計算し（Ｓ１９）、その平均値を診断材料と
することがある。この平均化に際して、上記ステップＳ
１４でＣＢＰ、ＣＢＶ、ＭＴＴ、Ｅｒｒ各々に対して適
正範囲を設定し、その範囲内の値を維持し、その範囲か
ら外れた値は、例えば黒色表現に対応した最小値に置換
したので、この置換した値を含めて平均化すると、その
平均値には当然にして誤差が含まれてしまう。そのため
この平均化処理にあたっては、適正範囲内の値だけを選
択して、または置換した値を除外して、平均化処理をす
ることが必要である。

【０１８１】また、この平均化のための関心領域ＲＯＩ
の設定にあたっては、ＣＢＰマップ、ＣＢＶマップ、Ｍ
ＴＴマップ、Ｅｒｒマップのいずれかのマップ上で当該
関心領域ＲＯＩを設定すれば、そのＲＯＩが他のマップ
にも共通で用いられるようになっており、、ＲＯＩ設定
作業の簡素化を図り、また、同じＲＯＩに関する平均値
（ＣＢＰ平均値、ＣＢＶ平均値、ＭＴＴ平均値、Ｅｒｒ
平均値）の計算を可能としている。

【０１８２】ここで、上述したように、ある脳動脈の時
間濃度曲線に対するある組織の時間濃度曲線の最小残差
Ｅｒｒは、その脳動脈がその組織をどの程度、支配して
いるか、つまりその脳動脈がその組織への血流供給をど
の程度担っているかを表している。換言すると、その組
織がその脳動脈からどの程度、従属しているか、つまり
その脳組織がその脳動脈からどの程度血流供給を受けて
いるかを表している。小さい残差Ｅｒｒに対応する脳動
脈は、その画素の脳組織に対する支配可能性が高いこと
を表し、大きい残差Ｅｒｒに対応する脳動脈は、その画
素の脳組織に対する支配可能性が低いことを表してい
る。従って、残差Ｅｒｒから画素ごとに支配可能性の高
い脳動脈をラベルで区別したマップ、つまり前大脳動脈
ＡＣＡの支配可能性の高い領域と、中大脳動脈ＭＣＡの
支配可能性の高い領域と、後大脳動脈ＰＣＡの支配可能
性の高い領域とを区別した支配マップを生成することが
できる。

【０１８３】図２２に示すように、脳の左右エリアそれ
ぞれについて、前大脳動脈ＡＣＡの残差Ｅｒｒと、中大
脳動脈ＭＣＡの残差Ｅｒｒと、後大脳動脈ＰＣＡの残差
Ｅｒｒとを画素ごとに比較する。最も小さい残差を示す
脳動脈（ＡＣＡ，ＭＣＡ又はＰＣＡ）が当該画素の脳組
織を支配している可能性の最も高いことを表している。
画素ごとに、最も支配可能性が高い、つまり残差Ｅｒｒ
が最も小さい値を示す脳動脈を特定する。特定した脳動
脈に対応するラベルを各画素に与える。

【０１８４】図２３に、生成した支配マップの例を示
す。この支配マップは、ラベルを色や濃淡で区別して表
示される。また、インデックスマップを任意のラベルで
フィルタすることにより、図２４（ａ），図２４
（ｂ），図２４（ｃ）に示すように、インデックスマッ
プから、脳動脈（ＡＣＡ，ＭＣＡ又はＰＣＡ）ごとにそ
の支配可能性の高い領域を抽出することができる。

【０１８５】以上のように本実施形態によれば、コヒー
レントフィルタ又はコヒーレントレグレッションによ
り、空間及び時間分解能の低下を抑えて、ノイズを抑制
し、それによりＣＢＰスタディの解析精度を向上するこ
とができる。

【０１８６】（変形例）本発明は、上述した実施形態に
限定されるものではなく、実施段階ではその要旨を逸脱
しない範囲で種々変形して実施することが可能である。
さらに、上記実施形態には種々の段階が含まれており、
開示される複数の構成要件における適宜な組み合わせに
より種々の発明が抽出され得る。例えば、実施形態に示
される全構成要件から幾つかの構成要件が削除されても
よい。

【０１８７】

【発明の効果】本発明によれば、ＣＢＰスタディにより
得られるマップの診断効率を向上することができる。

【図面の簡単な説明】

【図１】ＣＢＰスタディの原理説明図。

【図２】本発明の実施形態に係る脳組織内毛細血管の血
流動態に関するインデックス演算装置の構成を示すブロ
ック図。

【図３】本実施形態のコヒーレントフィルタによる画像
処理の説明図。

【図４】本実施形態におけるコヒーレントフィルタによ
るノイズ抑制処理の流れを示すフローチャート。

【図５】本実施形態におけるインデックス演算処理全体
の前半部のフローチャート。

【図６】本実施形態におけるインデックス演算処理全体
の後半部のフローチャート。

【図７】図５のステップＳ３の分割線の一例を示す図。

【図８】図６のステップＳ１２の処理工数を減少させる
ために用いられるボロノイ図上の各脳動脈の勢力域を示
す図。

【図９】図５のステップＳ４のＡＴマップ，ＰＴマッ
プ，ＴＴマップを示す図。

【図１０】図５のステップＳ４のＡＴ，ＰＴ，ＴＴを示
す図。

【図１１】図５のステップＳ６でスライス間で共通され
る脳動脈ＲＯＩを示す図。

【図１２】図５のステップＳ７で設定される上矢状静脈
洞ＲＯＩを示す図。

【図１３】図５のステップＳ１０の脳動脈の時間濃度曲
線の補正に関する補足図。

【図１４】図５のステップＳ１０、Ｓ１１で作成された
脳動脈の時間濃度曲線Ｃａ（ｔ）と脳組織の時間濃度曲
線Ｃｉ（ｔ）との一例を示す図。

【図１５】図６のステップＳ１２のｂｏｘ−ＭＴＦ法の
原理説明図。

【図１６】図６のステップＳ１２のｂｏｘ−ＭＴＦ処理
の説明図。

【図１７】図６のステップＳ１４の各インデックスの出
力範囲設定画面の一例を示す図。

【図１８】図６のステップＳ１６で作成されたＣＢＰ，
ＣＢＶ，ＭＴＴ，Ｅｒｒの各マップの一例を示す図。

【図１９】図６のステップＳ１６で脳動脈ごとに作成さ
れたＣＢＰマップ，ＣＢＶマップ，ＭＴＴマップ，Ｅｒ
ｒマップを一覧で表示した図。

【図２０】図６のステップＳ１７のマップ合成法を説明
するための図。

【図２１】図６のステップＳ１９で計算された平均値の
表示例を示す図。

【図２２】図６のステップＳ１７において、画素（局所
組織）ごとに支配可能性の高い脳動脈（ＡＣＡ，ＭＣ
Ａ，ＰＣＡ）をラベルにより区別したマップ（支配マッ
プ）の生成方法を示す図。

【図２３】図２２の生成法により生成された支配マップ
の例を示す図。

【図２４】支配マップを使ってフィルタしたＣＢＰマッ
プを示す図。

【符号の説明】

１０…ガントリ部、 ２０…コンピュータ装置、 ３０…画像処理装置、 １０１…Ｘ線管、 １０１ａ…高電圧発生装置、 １０２…Ｘ線検出器、 １０３…データ収集部、 １０４…前処理部、 １０５…メモリ部、 １０６…画像再構成部、 １０Ｍ…記憶装置、 １０７…画像表示部、 １０８…制御部、 １０９…入力部、 １１０…コヒーレントフィルタ処理部、 １１１…分散値推定部、 １１２…重み関数演算部、 １１３…画素値演算部（コヒーレントフィルタ部）、 １２０…ＣＢＰスタディ処理部、 １２１…ＲＯＩ設定支援部、 １２２…時間濃度曲線作成部、 １２３…脳動脈時間濃度曲線補正部、 １２４…ＭＴＦ処理部、 １２５…インデックス計算部、 １２６…マップ作成部、 １２７…マップ合成部。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 4C093 AA22 AA24 BA09 DA02 DA04 FD03 FD05 FD12 FF28 FG01 FG14 FG16

Claims (23)

【特許請求の範囲】
1. 【請求項１】 造影剤を注入された被検体の特定部位に
   関する連続的な複数の画像から、前記特定部位内の動脈
   に関する第１時間濃度曲線と、前記特定部位内の組織に
   関する第２時間濃度曲線を作成し、 前記動脈各々に対する前記組織の局所血流動態を表す伝
   達関数を、前記伝達関数と第１時間濃度曲線とのコンボ
   ルーションに対する前記第２時間濃度曲線の残差が最小
   化するようにカーブフィッティングにより計算し、 前記伝達関数から、前記動脈各々に対する前記局所血流
   動態に関するインデックスを計算し、 前記動脈に対応する前記インデックスのマップを作成
   し、 前記インデックスのマップを、前記第１時間濃度曲線各
   々に対する残差に従って、１つのマップに合成すること
   を特徴とするインデックス計算方法。
2. 【請求項２】 前記特定部位は、脳であることを特徴と
   する請求項１のインデックス計算方法。
3. 【請求項３】 前記インデックスとして、脳組織の単位
   体積及び単位時間あたりの血流量、脳組織内の単位体積
   あたりの血液量、脳組織の血流平均通過時間の少なくと
   も１つが計算されることを特徴とする請求項２のインデ
   ックス計算方法。
4. 【請求項４】 前記伝達関数は、前記脳の左エリアと右
   エリアとで別々に計算されることを特徴とする請求項２
   記載のインデックス計算方法。
5. 【請求項５】 前記伝達関数は、前記脳の領域を幾何学
   的手法により分割した前記動脈の勢力域で別々に計算さ
   れることを特徴とする請求項２記載のインデックス計算
   方法。
6. 【請求項６】 前記幾何学的手法は、ボロノイ図法であ
   ることを特徴とする請求項５記載のインデックス計算方
   法。
7. 【請求項７】 前記画像から作成された静脈に関する時
   間濃度曲線に基づいて、前記動脈に関する第１時間濃度
   曲線を補正することを特徴とする請求項２記載のインデ
   ックス計算方法。
8. 【請求項８】 前記静脈の時間濃度曲線の曲線下面積
   に、前記第１時間濃度曲線の時間濃度曲線の曲線下面積
   が略等価になるように、前記第１時間濃度曲線が補正さ
   れることを特徴とする請求項７記載のインデックス計算
   方法。
9. 【請求項９】 前記静脈の時間濃度曲線は、前記静脈の
   領域内の複数画素に関する平均濃度から作成されること
   を特徴とする請求項７記載のインデックス計算方法。
10. 【請求項１０】 前記動脈の設定を支援するために、前
    記画像を構成する複数の画素各々の時間濃度曲線の特性
    値を計算し、特性値マップを表示することを特徴とする
    請求項１記載のインデックス計算方法。
11. 【請求項１１】 前記特性値は、アピエランスタイム、
    ピークタイム又はトランジットタイムであることを特徴
    とする請求項１０記載のインデックス計算方法。
12. 【請求項１２】 前記インデックスの値が所定範囲から
    外れているとき、前記インデックスの値を黒、その近似
    色又は読影に使用しない色に対応する所定の値に置き換
    えることを特徴とする請求項１記載のインデックス計算
    方法。
13. 【請求項１３】 造影剤を注入された被検体の特定部位
    に関する連続的な複数の画像から、前記特定部位内の動
    脈に関する第１時間濃度曲線と、前記特定部位内の組織
    に関する第２時間濃度曲線を作成し、 前記第２時間濃度曲線各々に対して最もフィッティング
    する前記第１時間濃度曲線の一を選択することにより、
    前記組織各々の局所血流動態が従属する可能性が最も高
    い前記動脈の一を特定し、 前記組織ごとに特定された動脈の一に基づいて前記動脈
    の従属域を区別するマップを作成することを特徴とする
    方法。
14. 【請求項１４】 前記マップを前記動脈の従属域を色で
    区別して表示することを特徴とする請求項１３の方法。
15. 【請求項１５】 前記マップに基づいて、前記動脈に対
    応する前記局所血流動態を表すインデックスに関するイ
    ンデックスマップを合成することを特徴とする請求項１
    ３の方法。
16. 【請求項１６】 造影剤を注入された被検体の特定部位
    に関する連続的な複数の画像からノイズを低減するため
    に、画素間の類似度に応じた重みを使って前記複数の画
    像をフィルタし、 前記ノイズ低減された複数の画像から、前記特定部位内
    の動脈に関する第１時間濃度曲線と、前記特定部位内の
    組織に関する第２時間濃度曲線を作成し、 前記動脈各々に対する前記組織の局所血流動態を表す伝
    達関数を、前記伝達関数と第１時間濃度曲線とのコンボ
    ルーションに対する前記第２時間濃度曲線の残差が最小
    化するようにカーブフィッティングにより計算し、 前記伝達関数から、前記動脈各々に対する前記局所血流
    動態に関するインデックスを計算することを特徴とする
    インデックス計算方法。
17. 【請求項１７】 前記画素間の類似度は、画素間の時間
    濃度曲線の差に基づいて決定されることを特徴とする請
    求項１６の方法。
18. 【請求項１８】 前記画素間の類似度は、画素間の時間
    濃度曲線の差と前記ノイズの分散期待値とに基づいて決
    定されることを特徴とする請求項１６の方法。
19. 【請求項１９】 前記画像を構成する画素各々の画素値
    は、周辺画素との前記重みによる重み付け平均に置き換
    えられることを特徴とする請求項１６の方法。
20. 【請求項２０】 前記伝達関数は、矩形関数であること
    を特徴とする請求項１６記載のインデックス計算方法。
21. 【請求項２１】 造影剤を注入された被検体の特定部位
    に関する連続的な複数の画像から、前記特定部位内の動
    脈に関する第１時間濃度曲線と、前記特定部位内の組織
    に関する第２時間濃度曲線を作成する時間濃度曲線作成
    部と、 前記動脈各々に対する前記組織の局所血流動態を表す伝
    達関数を、前記伝達関数と第１時間濃度曲線とのコンボ
    ルーションに対する前記第２時間濃度曲線の残差が最小
    化するようにカーブフィッティングにより計算する伝達
    関数計算部と、 前記伝達関数から、前記動脈各々に対する前記局所血流
    動態に関するインデックスを計算するインデックス計算
    部と、 前記動脈に対応する前記インデックスのマップを作成す
    るマップ作成部と、 前記インデックスのマップを、前記動脈各々に対する残
    差に従って、１つのマップに合成するマップ合成部とを
    具備することを特徴とするインデックス計算装置。
22. 【請求項２２】 造影剤を注入された被検体の特定部位
    に関する連続的な複数の画像から、前記特定部位内の動
    脈に関する第１時間濃度曲線と、前記特定部位内の組織
    に関する第２時間濃度曲線を作成する時間濃度曲線作成
    部と、 前記第２時間濃度曲線各々に対して最もフィッティング
    する前記第１時間濃度曲線の一を選択することにより、
    前記組織各々が従属する可能性が最も高い前記動脈の一
    を特定する手段と、 前記組織ごとに特定された動脈の一に基づいて前記動脈
    の従属域を区別するマップを作成するマップ作成部とを
    具備することを特徴とする装置。
23. 【請求項２３】 造影剤を注入された被検体の特定部位
    に関する連続的な複数の画像からノイズを低減するため
    に、画素間の類似度に応じた重みを使って前記複数の画
    像をフィルタするフィルタ部と、 前記ノイズ低減された複数の画像から、前記特定部位内
    の動脈に関する第１時間濃度曲線と、前記特定部位内の
    組織に関する第２時間濃度曲線を作成する時間濃度曲線
    作成部と、 前記動脈各々に対する前記組織の局所血流動態を表す伝
    達関数を、前記伝達関数と第１時間濃度曲線とのコンボ
    ルーションに対する前記第２時間濃度曲線の残差が最小
    化するようにカーブフィッティングにより計算する伝達
    関数計算部と、 前記伝達関数から、前記動脈各々に対する前記局所血流
    動態に関するインデックスを計算することを特徴とする
    局所血流動態に関するインデックスを計算するインデッ
    クス計算部とを具備するインデックス計算装置。