JP2007135858A - 画像処理装置 - Google Patents

Abstract

【課題】３次元医療画像診断の妨げとなる骨領域を除去することで、診断に適した医療画像を作成する画像処理装置を提供する。
【解決手段】画像処理装置の制御部７は、医用画像撮影装置で撮影された被検体の複数のスライス画像を読み込み（Ｓ１００１）、肺野領域に相当する基準スライス画像を選定する。当該基準スライス画像を基にして、体表に近い領域に位置する骨（肋骨等）を抽出するための骨抽出領域を、体領域から肺野領域を差分して得る（Ｓ１００２）。制御部７は、読み込んだ複数のスライス画像から大動脈領域を抽出し（Ｓ１００３）、当該大動脈領域を骨領域と区別する。制御部７は、読み込んだ複数のスライス画像毎に骨抽出領域を重ねて当該骨抽出領域の画素値を検索して骨領域を抽出する（Ｓ１００４）。骨領域を除外した複数のスライス画像を再構成して、目的とする臓器（例えば肝臓）のみの３次元表示画像を得る（Ｓ１００５）。
【選択図】図２

Description

本発明は、ＣＴ（Computed Tomography）装置、Ｘ線装置、ＭＲＩ（Magnetic Resonance Imaging）装置等の医用画像診断装置から得られた被検体の断層像を含む医用画像を表示する画像処理装置に係り、特に被検体の臓器等を抽出表示する画像処理装置に関する。

医用画像診断装置によって得られる医用画像は、腫瘍の発見や外科手術のための治療計画画像として用いられている。腹部領域等はカテーテルを被検体に挿入し、造影剤を注入して撮影を行うことで、血管や腫瘍を画像化する。また、肝臓では造影剤が動脈に流入している時相、門脈に流入している時相、肝臓実質に流入している時相を別々に撮影し、それぞれの時相で造影剤が流入している領域を抽出して、外科手術の際の計画画像としている。

診断及び治療計画で用いられる画像は２次元の断層像が主であるが、近年マルチスライスＣＴの導入により画像枚数が増大し、読影の負担が大きくなるという問題点から３次元画像を診断画像として用いる場合も多くなっている。特に、肝臓領域の検査では複数の時相画像データを撮影するため、３次元画像診断は読影負担を軽減する点で効果が大きい。最近では診断対象となる部位や臓器のみを抽出（セグメンテーション）して３次元画像を提示する技術がある。

肝臓領域において、肝動脈時相の画像データセットから肝動脈を抽出し、さらに抽出した肝動脈の位置情報を基に肝実質時相の画像データセット内の肝実質を検出する技術がある（特許文献１参照）。

また、肝動脈時相の画像データセットと肝実質時相の画像データセットの濃度分布より、肝臓領域を抽出する方法もある（特許文献２参照）。

特開２００４−３３７２５７号公報 特開２００２−３４５８０７号公報

しかしながら、肝臓領域を抽出する技術は、肝動脈を造影した動脈相データセットと肝実質を造影した肝実質データセットの２つのデータセットが必要となり、単一の時相のデータセットでの抽出は行われていない。従って複数の時相データを撮影しない場合は、肝臓の画像抽出を行うことはできない。肝臓の画像抽出を行わないで３次元画像を作成した場合は、肋骨等の骨領域が肝臓の周囲を取り囲むように存在しているため、診断の妨げとなる。

また、複数のデータセットを取得するには、被検体を複数回撮像する必要があり、被曝量の増加による安全性、および撮像時間増大による被検体への負担が大きいという問題点があった。

また、肋骨等の表示を除外しようとしても、骨と造影剤のＣＴ値が非常に近いため、閾値処理や、オパシティ（透過度）の設定変更では肋骨のみを区別することが困難であるという問題点があった。

本発明は、このような問題を鑑みてなされたもので、その目的とするところは、３次元医療画像診断の妨げとなる骨領域を除去することで、診断に適した医療画像を作成する画像処理装置を提供することである。

前述した目的を達成するための本発明は、画像診断装置により撮像した被検体の複数の断層画像を保持する保持部と、前記保持部に保持された前記断層画像を演算処理する演算処理部と、前記被検体の撮像画像が表示される表示部と、を備える画像処理装置であって、前記演算処理部は、前記複数の断層画像から空気領域の画素数が所定数より大きい基準断層画像を選定する基準断層画像選定手段と、前記基準断層画像において、前記被検体の体内領域から前記空気領域を包含する１つの閉領域を除いた領域を骨抽出領域として算出する骨抽出領域算出手段と、前記複数の断層画像毎に、前記骨抽出領域算出手段により算出した前記骨抽出領域内に位置し骨を示す画素値の画素を開始点として領域拡張処理を行って骨領域を算出する骨領域算出手段と、前記複数の断層画像から前記骨領域算出手段により算出された前記骨領域を除去した骨除去画像を作成する骨除去画像作成手段と、前記骨除去画像作成手段により作成された前記骨除去画像を再構成し、前記骨が除去された前記被検体の３次元画像を前記表示部に表示させる骨除去３次元表示手段と、を具備することを特徴とする画像処理装置である。

画像診断装置は、ＣＴ装置、Ｘ線装置、ＭＲＩ装置等の放射線を用いて被検体内部を撮像し画像化する医療装置である。

断層画像は、上記画像診断装置で被検体の断面構造を画像として描出した２次元画像である。被検体の断面位置をずらして複数の断層画像を得、当該複数の断層画像を再構成することで３次元画像を得ることが可能になる。

空気領域は、撮像画像の外部領域、及びほとんどが空気からなる肺野領域である。Ｘ線吸収係数から算出する空気のＣＴ値は−１０００（ＨＵ：Hounsfield Unit）であり、他の部分（骨や臓器等）と区別して抽出することができる。尚、水のＣＴ値は０（ＨＵ）、骨や造影血管等のＣＴ値は約１０００（ＨＵ）を示す。

基準断層画像は、複数の断層画像のうち、空気領域の画素数が所定数より大きい（例えば空気領域の画素数が複数の断層画像のうちの最大数を示す。）断層画像を、基準断層画像として選定する。即ち、肺野領域の中央付近を撮像した断層画像が基準断層画像として選定されることが望ましい。

体内領域とは、被検体の臓器や骨等を含む体内を示す領域である。
骨抽出領域とは、体内領域から肺野領域（体内の空気領域）を除外した領域であり、骨（肋骨や背骨部分）が含まれている領域である。

領域拡張処理とは、例えば骨を示す画素値の画素を開始点として、連続する画素から骨を示す画素値を有する画素を抽出して該当する領域を拡張していく処理である。領域拡張処理で得られた領域は骨領域として抽出される。

骨除去画像は、断層画像から上記骨領域を除去した領域である。複数の断層画像を３Ｄ画像として構築する際に、当該骨除去画像である複数の断層画像を用いることで、肋骨等に囲まれた臓器等を、肋骨を除去した状態で表示させることができる。

本発明による画像処理装置は、断層画像から空気領域の画素数が所定数より大きい基準断層画像を選定し、当該基準断層画像において、被検体の体内領域から空気領域を包含する１つの閉領域を除いた領域を骨抽出領域として算出し、複数の断層画像毎に、骨抽出領域内に位置し骨を示す画素値の画素を開始点として領域拡張処理を行って骨領域を算出する。更に、画像処理装置は、複数の断層画像から骨領域を除去した骨除去画像を作成し、当該骨除去画像を再構成して骨が除去された被検体の３次元画像を表示部に表示させる。

望ましくは、前記演算処理部は、さらに、前記複数の断層画像毎に、造影血管を示す画素値の領域であって所定の円形度を有する領域を血管領域として算出する血管領域算出手段を具備し、前記骨領域算出手段は、前記血管領域算出手段により算出された前記血管領域を前記領域拡張処理の対象から除外する。

本発明による画像処理装置は、基準断層画像から骨抽出領域を算出し、断層画像に当該骨抽出領域を適用して骨領域を算出する。更に複数の断層画像から骨領域を除去した骨除去画像を作成し、目的とする臓器の３次元画像を得ることができる。臓器のみの３次元画像を表示するために、時相の異なる撮像画像を必要としないので、撮像時間の迅速化、及び被検体の安全性の向上が可能となる。

本発明によれば、３次元医療画像診断の妨げとなる骨領域を除去することで、診断に適した医療画像を作成する画像処理装置を提供することができる。

以下に、図面に基づいて本発明に係る画像処理装置の好ましい実施の形態を詳細に説明する。図１は、本発明の一実施形態による画像処理装置の構成を示す図である。

（１．画像処理装置１の構成）
画像処理装置１は、各構成要素の動作を制御するＣＰＵ（Central Processing Unit：中央処理装置）等の制御部７と、画像処理装置１の制御プログラムが格納された主メモリ９と、ＨＤＤ（Hard Disc Drive）等のデータ記憶部１１と、インターネット等のネットワーク３に接続する通信部１３と、被検体の画像データを一時記憶する表示メモリ１５と、当該表示メモリ１５からの画像データに基づいて画像を表示するＣＲＴや液晶表示装置等の画像表示装置５と、マウスやタッチパネルやキーボード等の入力部１７等と、上記各構成要素をデータ送受可能に接続するシステムバス２１とから構成される。

主メモリ９は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等であり、例えば制御部７は、ＲＯＭに格納される画像処理装置１の制御プログラムをＲＡＭにロードして実行する。

データ記憶部１１は、画像処理装置１に内蔵又は外付けされたＨＤＤ（Hard Disc Drive）等であり、画像処理装置１が読み込んだ画像データや、加工が行われた画像データを格納する。

通信部１３は、画像処理装置１をネットワーク３、電話回線等の公衆回線、ＬＡＮネットワーク、有線等の専用回線等に接続するネットワークアダプタである。

入力部１７は、画像表示装置５上のソフトスイッチを操作するためのマウス、トラックボール、タッチパネル等のポインティングデバイス、及びポインティングデバイスコントローラと、各種パラメータ設定用のキーやスイッチを備えたキーボード等である。

画像処理装置１は、ネットワーク３を介して外部の医用画像撮影装置２３や画像データベース２５と接続して画像データ等を送受信する。医用画像撮影装置２３は、例えばＸ線ＣＴ装置、Ｘ線装置、ＭＲＩ装置等である。画像データベース２５には、例えば当該医用画像撮影装置２３等で取得された画像データを格納しても良い。
また、画像処理装置１は、医用画像撮影装置２３と一体化された構成であっても良い。

（２．処理手順）
図２は、画像処理装置１によって被検体の肺野領域及び腹部領域を撮像した断層画像の、骨領域を除外する処理の概要を示すフローチャートである。制御部７は、当該フローチャートに従って断層画像の画像処理を行う。

（２−１．画像読み込み）
制御部７は、医用画像撮影装置２３によって撮影された被検体の医用画像データセットを、ネットワーク３経由で当該医用画像撮影装置２３から読み出して画像処理装置１の主メモリ９に格納する（図２のステップ１００１）。或いは一時的にデータ記憶部１１に格納するようにしても良い。また、医用画像撮影装置２３によって撮影され一旦外部の画像データベース２５に格納された当該医用画像データセットを、ネットワーク３経由で画像処理装置１に読み込むようにしても良い。また、図示していないが、リムーバブルな記憶メディアに格納された医用画像データセットを、画像処理装置１に読み込むようにしても良い。

図４は、医用画像撮影装置２３によって撮影された被検体２７の医用画像データセットを示す。図４において、医用画像データセットとは、被検体２７の肺野２９と腹部３１の領域をＣＴ装置で撮影した数枚から数百枚の断層像であるスライス画像３３である。

（２−２．骨抽出領域の算出）
診断で注目したい血管や肝臓実質に造影剤を満たした場合、造影血管や造影肝臓と、骨領域とは画素のＣＴ値が近似した値を持つ。従って骨領域を除外する場合に、単純な画素の閾値処理や領域拡張処理を行うと、骨領域と共に造影血管や造影肝臓の領域も抽出されてしまう。

従って、本実施の形態では、骨領域と、血管及び肝臓領域とを区別するために、骨領域を抽出する範囲を設定する。肺野２９や腹部３１の骨領域は体表付近に存在するという性質を用いて、体表付近に存在する高いＣＴ値を持つ領域のみを骨抽出領域として抽出する。

骨抽出領域は、医用画像スライスセットであるスライス画像３３（図４参照）のうち、肺野２９部分のスライス画像３３の中から基準スライス画像３３−ｋを選定し、体内を示す領域から肺を示す領域を差分した領域を骨抽出領域として算出するものとする。

図３は、骨抽出領域の算出（図２のステップ１００２）の処理の詳細を示すフローチャートである。以下、図３に従って骨抽出領域の算出の処理について説明する。尚、関連する図４乃至図１４については順次説明する。

まず、制御部７は主メモリ９に格納したスライス画像３３（図４参照）から、検索の先頭になるスライス画像３３−１を検索する（ステップ２００１）。即ち、取得したスライス画像３３が肺野２９側から順に並んでいるか、腹部３１側から順に並んでいるか不明であるので、次に説明する処理を行うことで肺野２９側を抽出するものとする。

制御部７は、スライス画像３３の先頭スライス画像３３−１と、最後尾スライス画像３３−ｘに対してそれぞれ、画素のＣＴ値に対する画素数を示すヒストグラムを求める。

図５（ａ）は、図４の肺野２９に相当する肺野スライス画像３３−ｍの一例を示し、図５（ｂ）は当該肺野スライス画像３３−ｍの、ＣＴ値４５と画素数４３を示すヒストグラムである。同様に図６（ａ）は、図４の腹部３１に相当する腹部スライス画像３３−ｐの一例を示し、図６（ｂ）は当該腹部スライス画像３３−ｐの、ＣＴ値４５と画素数４３を示すヒストグラムである。

図５（ｂ）、図６（ｂ）に示すヒストグラムにおいて、ＣＴ値４５は、Ｘ線吸収係数の換算値であり、空気のＣＴ値４５は「−１０００ ＨＵ」、水のＣＴ値４５は「０ ＨＵ」、骨のＣＴ値４５は「約１０００ ＨＵ」、体内の臓器のＣＴ値４５は例えば肝臓、心臓等は数１０ＨＵ、脂肪はマイナス数１００ＨＵ等の値を示す。

例えば肺野スライス画像３３−ｍ（図５（ａ）参照）に示すように、ほとんどが空気から成る肺３７の領域は空気領域４７の画素数４３が多い。従って、先頭スライス画像３３−１と、最後尾スライス画像３３−ｘのヒストグラムを比較して空気領域４７（ＣＴ値４５が「−１０００ ＨＵ」）の多い方を検索の開始スライス画像として選択する。

即ち、制御部７は開始スライス画像として、肺野２９上部を示す先頭スライス画像３３−１を選択する。引き続き制御部７は順次スライス画像３３の空気領域４７を示す画素数４３を比較していき、空気領域４７を示す画素数４３が所定値を下回ったら、腹部３１領域を示すスライス画像３３であると判断して検索を中止し、肺野２９領域を示すスライス画像３３−１〜３３−ｎのみを抽出する（ステップ２００２）。即ち図４に示す、肺野２９領域を示す先頭スライス画像３３−１から、肺底部を示す肺底部スライス画像３３−ｎを抽出する。尚、肺野２９領域と腹部３１領域との境界となる、空気領域４７の画素数４３は事前に所定値が設定されていても良いし、操作者が変更するようにしても良い。

次に制御部７は、肺野２９領域を示すスライス画像３３−１〜３３−ｎの中から、最も空気領域４７を示す画素数４３の多いスライス画像３３を、基準スライス画像３３−ｋとして設定する（ステップ２００３）。基準スライス画像３３−ｋとして空気領域４７の多い肺中央部のスライス画像３３を選択することで、体表に近い骨抽出領域を簡単に抽出することが可能になる。尚、空気領域４７の画素数４３がスライス画像３３のうちの最大数に限らず、所定の画素数より多いスライス画像３３であれば、基準スライス画像３３−ｋとして選択することができる。

次に制御部７は、基準スライス画像３３−ｋに対して、画素のＣＴ値４５に閾値を設定して、空気領域４７と、被検体２７の体領域５１とを区別する（ステップ２００４）。

図７に、基準スライス画像３３−ｋの画素値を２値化した基準スライス画像（２値化）４９を示す。基準スライス画像（２値化）４９は、空気領域４７として被検体２７の肺と体外の領域が例えば値「１」を示し、体領域５１として被検体２７の肺以外の体内を示す領域が例えば値「０」として識別される。

次に、制御部７は、識別された空気領域４７のうち、画素数の少ない領域を体内の空気領域、即ち肺野として識別する（ステップ２００５）。

図８は、空気領域４７を体外の空気領域４７−１、体内の空気領域４７−２、４７−３として示す図である。制御部７は、空気領域４７−１〜４７−３の画素数を比較して、ある所定値以上の画素数を持つ領域は体外の空気領域４７−１、一定値未満の画素数を持つ領域を体内の空気領域４７−２、４７−３として識別する。図９は、識別された体内の空気領域４７−２、４７−３を示す図である。

次に、制御部７は被検体２７の肺以外の体内を示す体領域５１（図７の斜線部参照）と、体内の空気領域４７−２、４７−３（図９の斜線部参照）とを合成して、体内領域５３とする（ステップ２００６）。図１０は、被検体２７の体内である体内領域５３を示す図である。

次に制御部７は、ステップ２００６で求めた体内領域５３の重心５５を算出する（ステップ２００７）。重心５５は、画素の座標重心であり、画素座標の平均として算出する。

次に、制御部７は、体内領域５３の重心５５を基準にして、肺野の境界５７を求め、境界５７の点を結んだ閉曲線内の領域を肺野領域５９とする（ステップ２００８）。肺野領域５９を求める手順を以下に説明する。

図１１は、体内領域５３の重心５５を基準にして肺野の境界５７を求める図を示す。即ち、重心５５から一定の角度間隔で放射状に画素を検索していき、画素値が空気領域４７から体領域５１に変わる点を境界５７−１、５７−２、・・５７−ｎ、・・５７−ｘとして求める。尚、重心５５からの同一放射線上に、空気領域４７から体領域５１に変わる点が複数得られる場合は、最も重心５５から離れた点を境界５７として選択するものとする。

図１２は、更に検索点を増やして求めた境界５７（５７−１〜５７−ｘ）の点を補間処理によって結んだ領域を示す。補間処理は、線形補間でも非線形補間でも良い。

図１３は、境界５７の点を結んだ閉曲線内の領域を肺野領域５９として抽出した図を示す。

次に制御部７は、体内領域５３（図１０の斜線部参照）から肺野領域５９（図１３の斜線部参照）を差分して残った領域を骨抽出領域６１とする（ステップ２００９）。図１４に示す斜線部は、ステップ２００９で得られる骨抽出領域６１を示す。

以上、ステップ２００１乃至ステップ２００９の処理で、肺野２９の基準スライス画像３３−ｋを基にして、被検体２７の体表付近にある骨抽出領域６１を算出することができる。制御部７は算出した骨抽出領域６１のデータを、主メモリ９或いはデータ記憶部１１に格納する。

（２−３．大動脈領域の抽出）
次に、図２に戻り、制御部７は、大動脈領域の抽出を行う（ステップ１００３）。例えば、被検体２７の腹部３１の領域におけるスライス画像３３の中には、脊椎（骨領域）と、腹部大動脈とが連結しているように撮像される画像がある。特に、造影剤を使用している場合には、大動脈と骨領域とのＣＴ値が近い値を示す。従ってこの場合、脊椎（骨領域）を後に説明する領域拡張法によって骨領域として抽出しようとしても大動脈も一緒に抽出されてしまう。

ステップ１００３は、骨領域を抽出する前に、大動脈領域を予め抽出し、骨領域と大動脈領域とを識別するための処理である。

図１５は、大動脈領域の抽出（図２のステップ１００３）の処理の詳細を示すフローチャートである。以下、図１５に従って大動脈領域の抽出の処理について説明する。尚、関連する図１６乃至図２２については順次説明する。

まず、制御部７は、図３のステップ２００３で求めた基準スライス画像３３−ｋにおいて、体内領域の重心５５を中心に関心領域（ＲＯＩ）６３を設定する（ステップ３００１）。

図１６は矩形の関心領域６３、図１７は円形の関心領域６３を示す。関心領域６３の形状は矩形でも円形でも良いが、大きさは体内領域５３より小さく設定する。関心領域６３の形状・大きさは予め設定されているが、操作者が設定変更することもできる。

次に制御部７は、設定した関心領域６３の範囲内で、画素が所定値以上のＣＴ値を持つ領域を抽出する。図１８は、画素が所定値以上のＣＴ値を持つ領域６４−１、６４−２を示す図である。図１８によると、領域６４−１と領域６４−２とが抽出されるが、ＣＴ値が近似しているのでＣＴ値だけではどちらが大動脈領域かを判別することはできない。

次に制御部７は、抽出領域６４−１、６４−２に対してそれぞれ画素数と輪郭を形成する画素数を求める。求めた画素数をＮ、輪郭画素数をＬとして、円形度ｅを式（１）によって算出する。
ｅ＝４πＮ／Ｌ^２………………（１）
スライス画像３３に撮像される大動脈領域は形状が円に近似していることから、式（１）で求めた円形度が一定値以上の領域を大動脈領域として抽出する（ステップ３００２）。従って、例えば図１８では、円形度が一定値以上を示す抽出領域６４−１が大動脈領域として認識される。

次に制御部７は、抽出した大動脈領域の情報（画素数、円形度、重心座標、半径）を算出する（ステップ３００３）。図１９、図２０は、大動脈領域の半径算出を説明する図である。

大動脈領域として認識された、図１８に示す抽出領域６４−１を、大動脈領域６５として図１９に示す。大動脈領域６５の円重心点６７は座標重心として算出し、円重心点６７を中心として大動脈領域６５内部に円半径７１を有する円を描く。円周６９上にある画素値を調べ、造影した大動脈領域に相当する高いＣＴ値を有する画素の個数を求める。当該高いＣＴ値を有する画素数の、円周６９上の全画素数に対する割合を求める。尚、図１９に示す円周６９上の点は、全て大動脈領域６５にあるので、全ての画素が高いＣＴ値を示し、円周６９上の全画素数に対する高いＣＴ値を有する画素の割合は１００％である。

制御部７は、円半径７１を徐々に大きくしていくと、大動脈領域６５の外（即ち画素のＣＴ値は体内領域５３を示す低い値になる。）に配される円周６９上の画素数が増し、高いＣＴ値を有する画素数の円周６９上の全画素数に対する割合が減少していく。

図２０に示すように、高いＣＴ値を有する画素数の、円周６９上の全画素数に対する割合がある所定値未満になったら、制御部７はその時の半径を当該大動脈領域６５の半径として格納する。

尚、大動脈領域６５の画素数は、高いＣＴ値を有する大動脈領域６５の画素数を算出して得る。円形度は、前述の式（１）で算出する。重心座標は、座標重心の演算により円重心点６７として算出する。

次に、制御部７は、ステップ３００３で算出した大動脈領域情報（画素数、円形度、重心座標、半径）を基に、当該大動脈領域と認識された領域を、再度、大動脈領域かどうかを判定する（ステップ３００４）。即ち、ステップ３００３で算出した大動脈領域６５の画素数が予め設定した一定値より少なければ、その領域は大動脈領域ではないと判断し（ステップ３００４のＮＯ）、大動脈抽出処理を終了する。

また、ステップ３００３で算出した大動脈領域６５の円形度が予め設定した一定値より小さければ、その領域は大動脈領域ではないと判断し（ステップ３００４のＮＯ）、大動脈抽出処理を終了する。

ステップ３００３で算出した画素数、及び円形度が一定値より大きければ、その領域を大動脈領域であると判断し（ステップ３００４のＹＥＳ）、次のステップ３００５に進む。

次に、制御部７は、基準スライス画像３３−ｋに連続する次のスライス画像３３−ｍに対し、基準スライス画像３３−ｋの円重心点６７−１と同じ位置に円重心点６７−２を配する（ステップ３００５）。

図２１は、次スライス画像３３−ｍの円重心点６７−２の配置を示す図である。即ち、基準スライス画像３３−ｋの円重心点６７−１を、基準スライス画像３３−ｋと次スライス画像３３−ｍを上方から投影した際に同じ位置に適用し、次スライス画像３３−ｍの円重心点６７−２として配置する。

次に制御部７は、基準スライス画像３３−ｋの円半径７１−１をＲとすると、Ｒより小さい半径、例えば０．７×Ｒの半径７１−２を有する円を、次スライス画像３３−ｍの円重心点６７−２を中心として設定する（ステップ３００６）。

図２２（ａ）、（ｂ）は、次スライス画像３３−ｍの大動脈領域６５−２の抽出を説明する図である。図２２（ａ）は、実線で大動脈領域６５−２を、破線でステップ３００６で設定された円半径７１−２を有する円を示す。

制御部７は、円半径７１−２を増加させ、円周６９−２上の画素が高ＣＴ値を示す画素数の、円周６９−２上の全画素数に対する割合が一定値未満（割合は０％としても良い。）になった際の円内領域を、大動脈領域抽出範囲７３として決定する（ステップ３００７）。図２２（ｂ）に、大動脈領域６５−２と、当該大動脈領域６５−２を包含する大動脈領域抽出範囲７３とを示す。

次に制御部７は、図２２（ｂ）に示す大動脈領域抽出範囲７３の中で、円重心点６７−２を開始点として、領域拡張法によりＣＴ値の高い領域を大動脈領域６５−２として抽出する（ステップ３００８）。

ステップ３００３の処理の戻り、抽出された次スライス画像３３−ｍの大動脈領域６５−２について、大動脈領域情報（画素数、円形度、重心座標、半径）を算出する。尚、図２２（ｂ）を参照すると、抽出された大動脈領域６５−２の重心座標は、円重心点６７−２とは異なる位置に再設定される。

以上のようにして、ステップ３００４で大動脈領域ではないと判定されるまで、繰り返して次々にスライス画像３３の大動脈領域を抽出する。尚、ステップ３００１で、図４に示す基準スライス画像３３−ｋから大動脈領域の抽出を開始し、被検体２７の腹部３１に向けて肺底部スライス画像３３−ｎの大動脈領域を抽出し、更に大動脈領域が検出されなくなるまで最後尾スライス画像３３−ｘに向けて大動脈領域の抽出を行う。また、基準スライス画像３３−ｋから先頭スライス画像３３−１に向けても、同様に大動脈領域の検出を行う。

このようにして得られる各スライス画像３３の大動脈領域のデータは、主メモリ９又はデータ記憶部１１に格納される。当該複数のスライス画像３３の大動脈領域のデータを再構成することにより、被検体２７の大動脈のみを３次元的に表示することも可能となる。

尚、大動脈領域抽出の最初のステップ（図１５のステップ３００１）において、基準スライス画像３３−ｋを用いるのは、基準スライス画像３３−ｋを抽出する肺野２９の中央部付近は、一般的に脊椎（背骨）と大動脈とが離れているので、大動脈領域の分離が容易であるという理由による。従って、順次スライス画像３３の大動脈領域を抽出する過程において、脊椎と大動脈領域とが連結している場合でも、基準スライス画像３３−ｋでの解析結果を利用することで、大動脈領域を的確に判別することが可能になる。

（２−４．骨領域抽出）
次に、図２に戻り、制御部７は骨領域抽出を行う（ステップ１００４）。即ち、ステップ１００２の骨抽出領域の算出で求めた骨抽出領域６１（図１４の斜線部参照）の範囲内で、骨に相当する高いＣＴ値を持つ画素を検索し、その画素を開始点として領域拡張法により近接する骨領域を抽出していく。

図２３は、骨領域抽出（図２のステップ１００４）の処理の詳細を示すフローチャートである。以下、図２３に従って骨領域抽出の処理について説明する。尚、関連する図２４乃至図２７については順次説明する。

まず制御部７は、被検体２７のスライス画像３３にステップ１００２で基準スライス画像３３−ｋを基にして求めた骨抽出領域６１を重ね（ステップ４００１）、スライス画像３３の骨抽出領域６１内の高いＣＴ値を持つ画素を検索する（ステップ４００２）。スライス画像３３のうちの、例えば先頭スライス画像３３−１から順次処理を行う。

図２４は、スライス画像３３に重ねた骨抽出領域６１内で、高いＣＴ値を持つ画像を検索する図を示す。検索方向７５に従って高いＣＴ値を持つ画像を検索する。

次に制御部７は、ステップ４００２の処理で取得した画素を開始点７７として、領域拡張法により高いＣＴ値を持つ連結領域を骨領域７９として抽出する（ステップ４００３）。尚、連結領域の一部が骨抽出領域６１外であっても、骨抽出領域６１内から連結していれば、骨領域７９として抽出する。図２５は、連結領域の一部が骨抽出領域６１外にある場合を示す。図２５では、連結領域の一部は骨抽出領域６１内から連結しているので骨領域７９として抽出される。

制御部７は、全ての骨抽出領域６１について、開始点７７の検索を行い、骨領域７９を抽出する（ステップ４００４）。尚、骨抽出領域６１の開始点７７を検索する際に、開始点７７が一度抽出した骨領域７９に含まれる場合は既に骨領域７９として抽出済みであるので、次の開始点検索に移る。

また、開始点７７の検索、及び開始点７７から領域拡張を行う際に、画素が図２のステップ１００３で求めた大動脈領域に含まれる画素であった場合は、当該画素は骨領域７９としては抽出しないものとする。

図２６は、骨領域７９抽出から除外する大動脈領域６５を示す図である。骨抽出領域６１内の大動脈領域６５に含まれる画素は高いＣＴ値を示すので、骨領域７９の開始点７７の検索、及び開始点７７からの領域拡張時に検出される。制御部７は、検出された画素が大動脈領域６５に含まれる場合には、当該画素を抽出から除外する。

制御部７は、順次スライス画像３３について骨領域７９の抽出を繰り返し（ステップ４００５のＮＯからステップ４００１に戻る）、全てのスライス画像３３の骨領域７９抽出を行う（ステップ４００５のＹＥＳ）。

図２７は、骨領域抽出（図２のステップ１００４）の処理を行い、スライス画像３３において抽出される骨領域７９を示す図である。即ち、制御部７は、画像読み込み（図２のステップ１００１）を行った全てのスライス画像３３（図４参照）について、それぞれの骨領域７９抽出を行う。制御部７は、スライス画像３３毎の抽出した骨領域７９データを主メモリ９又はデータ記憶部１１に格納する。

（２−５．画像表示）
図２に戻り、制御部７は、上記の方法で抽出した骨領域７９を除外したスライス画像３３のデータを表示メモリ１５に送り、ＣＲＴや液晶表示装置等の画像表示装置５に表示させる（図２のステップ１００５）。

図２８は、骨領域７９のデータを除外処理して表示される肝臓８３の３次元画像８１である。即ち、図２８の肝臓８３の表示は、被検体２７の全スライス画像３３について上記説明した骨領域７９除外処理を行い、腹部３１の肝臓８３付近に相当する複数のスライス画像３３を再構成して得られる。

特に肝臓８３領域は、造影剤を使用すると、造影肝臓のＣＴ値が骨のＣＴ値と近似しているので、通常、骨領域７９を除外することは容易ではない。従って本実施の形態による骨領域７９除外方法は、肋骨等に囲まれた臓器等を、肋骨を除外した状態で表示することができ、診断に適した医療画像を得ることができる。

尚、画像表示装置５には、アキシャル像（輪切り）、サジタル像（矢状断）、コロナル像（冠状断）等の２次元画像や、複数の画像データを再構成して作成するボリュームレンダリング像や、サーフェスレンダリング像等の３次元画像を表示する。

（３．その他）
尚、本実施の形態の処理を行うことにより、被検体２７を撮像した複数のスライス画像３３はそれぞれ、大動脈領域６５、骨領域７９が識別される。従って画像表示装置５に、スライス画像３３を表示する際に、大動脈領域６５、骨領域７９、その他の臓器４１等を例えば色を変えることで区別して表示させるようにしても良い。

また、例えば複数のスライス画像３３の骨領域７９のみを再構成して骨領域７９の３次元画像を表示させる等、領域を識別することで様々なバリエーションで画像表示を行うことが可能になる。

本実施の形態の処理を行うことで得られた大動脈領域６５、骨領域７９に関するデータ、及び再構築された複数のスライス画像３３に関するデータ等は、画像処理装置１のデータ記憶部１１（図１参照）に格納しても良いし、ネットワーク３等を経由して他の画像データベース２５に格納しても良い。また、上記データを記憶メディア（図示しない）に格納しても良い。

（４．効果等）
このように、本実施の形態では、被検体２７のスライス画像３３から３次元画像診断の妨げとなる骨領域７９を除去することにより、診断に適した３次元画像を得て、的確な医療診断が可能になる。

また、骨領域除去方法に時相の異なる複数の断層画像を必要としないので、撮像時間の短縮効果、及び被曝量の低減による被検体の安全性の向上効果がある。

また、診断に適した３次元画像が提供できるため、医療従事者の医療診断の信頼性を向上させることができ、診断ミスを低減し、医療業務の効率化を図る効果がある。

尚、本発明の技術的範囲は、前述した実施の形態に限られるものではない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

本実施の形態における画像処理装置１の構成を示す図 画像処理装置１の処理手順を示すフローチャート 骨抽出領域の算出（Ｓ１００２）の手順を示すフローチャート 被検体２７とスライス画像３３を示す図 （ａ）肺野スライス画像３３−ｍを示す図、（ｂ）肺野スライス画像３３−ｍのＣＴ値・画素数を示す図 （ａ）腹部スライス画像３３−ｐを示す図、（ｂ）腹部スライス画像３３−ｐのＣＴ値・画素数を示す図 基準スライス画像４９の２値化を示す図 空気領域４７−１〜４７−３を示す図 体内の空気領域４７−２、４７−３を示す図 体内領域５３を示す図 肺野の境界５７を示す図 肺野の境界５７を示す図 肺野領域５９を示す図 骨抽出領域６１を示す図 大動脈領域抽出（Ｓ１００３）の手順を示すフローチャート 関心領域６３の設定を示す図 関心領域６３の設定を示す図 高ＣＴ値領域６５、６７を示す図 大動脈領域６５の抽出を示す図 大動脈領域６５の抽出を示す図 次スライス画像３３−ｍの大動脈抽出を示す図 次スライス画像３３−ｍの大動脈抽出を示す図 骨領域抽出（Ｓ１００４）の手順を示すフローチャート 骨領域７９抽出方法を示す図 骨領域７９抽出方法を示す図 骨抽出から除外する大動脈領域６５を示す図 抽出された骨領域７９を示す図 骨領域７９を除外した３次元画像８１を示す図

符号の説明

１………画像処理装置
３………ネットワーク
５………画像表示装置
７………制御部
９………主メモリ
１１………データ記憶部
１３………通信部
１５………表示メモリ
１７………入力部
２１………システムバス
２３………医用画像撮影装置
２５………画像データベース
２７………被検体
２９………肺野
３１………腹部
３３………スライス画像
３３−１………先頭スライス画像
３３−ｋ………基準スライス画像
３３−ｎ………肺底部スライス画像
３３−ｘ………最後尾スライス画像
３５………骨
３７………肺
３９………大動脈
４１………臓器
４３………画素数
４５………ＣＴ値
４７、４７−１〜４７−３………空気領域
４９………基準スライス画像（２値化）
５１………体領域
５３………体内領域
５５………重心
５７−１〜５７−ｘ………境界
５９………肺野領域
６１………骨抽出領域
６３………関心領域
６４−１、６４−２………抽出領域
６５………大動脈領域
６７、６７−１、６７−２………円重心点
６９、６９−１〜６９−３………円周
７１、７１−１〜７１−３………円半径
７３………大動脈領域抽出範囲
７５………検索方向
７７………開始点
７９………骨領域
８１………３次元画像
８３………肝臓

Claims (2)

1. 画像診断装置により撮像した被検体の複数の断層画像を保持する保持部と、前記保持部に保持された前記断層画像を演算処理する演算処理部と、前記被検体の撮像画像が表示される表示部と、を備える画像処理装置であって、
   前記演算処理部は、
   前記複数の断層画像から空気領域の画素数が所定数より大きい基準断層画像を選定する基準断層画像選定手段と、
   前記基準断層画像において、前記被検体の体内領域から前記空気領域を包含する１つの閉領域を除いた領域を骨抽出領域として算出する骨抽出領域算出手段と、
   前記複数の断層画像毎に、前記骨抽出領域算出手段により算出した前記骨抽出領域内に位置し骨を示す画素値の画素を開始点として領域拡張処理を行って骨領域を算出する骨領域算出手段と、
   前記複数の断層画像から前記骨領域算出手段により算出された前記骨領域を除去した骨除去画像を作成する骨除去画像作成手段と、
   前記骨除去画像作成手段により作成された前記骨除去画像を再構成し、前記骨が除去された前記被検体の３次元画像を前記表示部に表示させる骨除去３次元表示手段と、
   を具備することを特徴とする画像処理装置。
2. 前記演算処理部は、さらに、前記複数の断層画像毎に、造影血管を示す画素値の領域であって所定の円形度を有する領域を血管領域として算出する血管領域算出手段を具備し、
   前記骨領域算出手段は、前記血管領域算出手段により算出された前記血管領域を前記領域拡張処理の対象から除外することを特徴とする請求項１に記載の画像処理装置。

Images