JP2008012291A - Medical image diagnosis assisting device, and medical image diagnosis assisting program - Google Patents
Medical image diagnosis assisting device, and medical image diagnosis assisting program Download PDFInfo
- Publication number
- JP2008012291A JP2008012291A JP2007147267A JP2007147267A JP2008012291A JP 2008012291 A JP2008012291 A JP 2008012291A JP 2007147267 A JP2007147267 A JP 2007147267A JP 2007147267 A JP2007147267 A JP 2007147267A JP 2008012291 A JP2008012291 A JP 2008012291A
- Authority
- JP
- Japan
- Prior art keywords
- image
- candidate region
- display image
- display
- medical image
- 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
- 238000003745 diagnosis Methods 0.000 title claims description 68
- 230000005856 abnormality Effects 0.000 claims abstract description 39
- 230000002093 peripheral effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 64
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 238000009877 rendering Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 41
- 238000012545 processing Methods 0.000 description 40
- 210000004072 lung Anatomy 0.000 description 24
- 210000004204 blood vessel Anatomy 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 13
- 201000005202 lung cancer Diseases 0.000 description 13
- 208000020816 lung neoplasm Diseases 0.000 description 13
- 230000002685 pulmonary effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 210000000621 bronchi Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000035984 Colonic Polyps Diseases 0.000 description 1
- 201000008450 Intracranial aneurysm Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004323 axial length Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、X線コンピュータ断層撮影装置、X線診断装置、磁気共鳴診断装置、あるいは超音波診断装置などの医用画像診断モダリティを用いて収集された3次元画像に基づく結節状異常または瘤状異常のような解剖学的異常についての診断を支援する医用画像診断支援装置および医用画像診断支援プログラムに関する。 The present invention relates to a nodular abnormality or aneurysm abnormality based on a three-dimensional image collected using a medical image diagnostic modality such as an X-ray computed tomography apparatus, an X-ray diagnostic apparatus, a magnetic resonance diagnostic apparatus, or an ultrasonic diagnostic apparatus. The present invention relates to a medical image diagnosis support apparatus and a medical image diagnosis support program that support diagnosis of anatomical abnormalities such as the above.
現在、日本国で肺癌は悪性腫瘍死の第一位を占めると共に増加の一途を辿っている。このために肺癌に対しては、喫煙対策による予防と並んで早期発見への社会的な要請が強い。日本国の各自治体では、胸部単純X線写真と喀痰細胞診とによる肺癌検診が施行されている。しかし、1998年に出された日本国旧厚生省の「癌検診有効性評価に関する研究班」の報告では、現行の肺癌検診では効果があるとしても、その効果は小さいと結論されている。X線コンピュータ断層撮影法(以下、CTと記す)では、胸部単純X線写真よりも容易に肺野型肺癌を発見できるが、ヘリカルスキャン方式のCT(ヘリカルCT)が現れた1990年以前は撮像時間が長く検診に使用できなかった。しかしヘリカルCTが登場して間もなく、被曝を低減するために比較的低いX線管電流で撮像する方法(以下、低線量ヘリカルCTと記す)が開発され、これを用いた肺癌検診のパイロット研究が日本国および米国で行われた。その結果、低線量ヘリカルCTが胸部単純X線写真を大きく上回る肺癌検出率を有することが実証されている。 Currently, lung cancer occupies the first place in malignant tumor death and continues to increase in Japan. For this reason, there is a strong social demand for early detection of lung cancer as well as prevention by smoking countermeasures. In local governments in Japan, lung cancer screening is performed by chest X-ray and sputum cytology. However, a report from the “Research Group on Cancer Screening Effectiveness Evaluation” published in 1998 by the former Ministry of Health and Welfare in Japan concludes that even if the current lung cancer screening is effective, the effect is small. X-ray computed tomography (hereinafter referred to as CT) can detect lung-type lung cancer more easily than simple chest radiographs, but before 1990, when helical scan CT (helical CT) appeared. The time was too long to be used for screening. However, shortly after the appearance of helical CT, a method of imaging with a relatively low X-ray tube current (hereinafter referred to as low-dose helical CT) was developed to reduce exposure, and a pilot study of lung cancer screening using this method was developed. Made in Japan and the United States. As a result, it has been demonstrated that low-dose helical CT has a lung cancer detection rate that greatly exceeds that of chest radiographs.
一方、ヘリカルCTの撮像に要する時間は、1998年以降のCT検出器の多列化によって短縮され続けている。最新の多検出器列ヘリカルCTでは、ほぼ等方的な1mm未満の解像度で肺全体を10秒未満で撮像可能である。このようなCTの技術革新は、肺癌をより小さな段階で発見できる可能性を拓いている。しかしながら、多検出器列ヘリカルCTは1回のスキャン当り数百枚の画像を生成するため、読影に要する負担が著しく増大するという問題も招いている。 On the other hand, the time required for imaging the helical CT continues to be shortened by the increase in the number of rows of CT detectors since 1998. With the latest multi-detector row helical CT, the entire lung can be imaged in less than 10 seconds with a substantially isotropic resolution of less than 1 mm. Such CT innovations open up the possibility of finding lung cancer at a smaller stage. However, since the multi-detector row helical CT generates several hundred images per scan, there is also a problem that the burden required for interpretation is remarkably increased.
上記の背景より、低線量ヘリカルCTが肺癌検診の方法として確立されるためには、肺癌の見落としを防ぐためのコンピュータによる読影支援診断システム(Computer Assisted Diagnosis:以下、CADと記す)が必要であることが広く認識されている。小さな肺野型肺癌は、CT画像上で結節状異常として現れるため、このような異常の自動的検出は極めて重要なテーマであり、1990年代より様々な研究が行われてきた(例えば、非特許文献1を参照)。
CT画像における肺結節の自動検出に対しては、何らかの方法で結節の候補となる領域(以下、結節候補領域と記す)を抽出し、この結節候補領域を特徴付ける複数の特徴量を求め、これら特徴量に基づいて結節候補領域が結節であるか否かを判定するというアプローチがとられる。しかしながら、結節は肺血管の一部と特徴が類似するため、結節候補領域を特徴付ける特徴量からでは、結節と肺血管とが的確に区別できないことがあった。 For automatic detection of pulmonary nodules in CT images, a nodule candidate region (hereinafter referred to as a nodule candidate region) is extracted by some method, and a plurality of feature quantities characterizing this nodule candidate region are obtained. An approach is taken in which it is determined whether the nodule candidate region is a nodule based on the amount. However, since the nodule has similar characteristics to a part of the pulmonary blood vessel, the nodule and the pulmonary blood vessel may not be accurately distinguished from the feature amount characterizing the nodule candidate region.
このような事情から、結節候補領域が結節であるか否かの最終的な判定は、依然として医師に委ねられている。通常この判定は、断面表示画像だけの観察に基づいて行われる。しかし、この方式では3次元的形状を即座に把握できないため、結節と肺血管の区別に手間取る場合があり、判定の効率が必ずしも良いとは言えない。 For these reasons, it is still left to the doctor to finally determine whether the nodule candidate region is a nodule. Usually, this determination is made based on observation of only the cross-sectional display image. However, in this method, since the three-dimensional shape cannot be immediately grasped, it may take time to distinguish the nodule from the pulmonary blood vessel, and the determination efficiency is not necessarily good.
本発明はこのような事情を考慮してなされたものであり、その目的とするところは、被検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であるか否かを医師が迅速に判定することを可能とすることにある。 The present invention has been made in consideration of such circumstances, and the object of the present invention is to determine whether or not the abnormal candidate region included in the image representing the inside of the subject is an anatomical abnormality such as a nodule. This is to enable a doctor to quickly determine whether or not.
本発明の第1の態様による医用画像診断支援装置は、被検体の内部を表す医用画像を記憶する記憶手段と、前記医用画像に含まれる解剖学的な異常候補領域を特定する手段と、前記医用画像に基づいて、前記異常候補領域とその周辺領域とを互いに区別可能な形態で表す表示画像を生成する生成手段とを備える。 The medical image diagnosis support apparatus according to the first aspect of the present invention includes a storage unit that stores a medical image representing the inside of a subject, a unit that specifies an anatomical abnormality candidate region included in the medical image, Generating means for generating a display image representing the abnormal candidate region and its peripheral region in a form distinguishable from each other based on the medical image;
本発明の第2の態様による医用画像診断支援装置は、被検体の内部を表す医用画像を記憶する記憶手段と、前記医用画像に含まれる解剖学的な異常候補領域を特定する手段と、前記異常候補領域の位置を前記被検体の内部を表す画像中に表す表示画像を生成する生成手段と、前記表示画像に関して行われる解剖学的異常の位置の指定を入力する入力手段と、前記入力手段により入力された位置を前記解剖学的異常の位置として管理する手段とを備える。 The medical image diagnosis support apparatus according to the second aspect of the present invention includes a storage unit that stores a medical image representing the inside of a subject, a unit that specifies an anatomical abnormality candidate region included in the medical image, Generation means for generating a display image representing the position of the abnormality candidate region in an image representing the inside of the subject, input means for inputting designation of a position of an anatomical abnormality performed on the display image, and the input means And a means for managing the position input as the position of the anatomical abnormality.
本発明の第3の態様による医用画像診断支援プログラムは、コンピュータを、被検体の内部を表す医用画像に含まれる解剖学的な異常候補領域を特定する手段と、前記医用画像に基づいて、前記異常候補領域とその周辺領域とを互いに区別可能な形態で表す表示画像を生成する生成手段として機能させる。 The medical image diagnosis support program according to the third aspect of the present invention is based on the medical image based on the medical image and the means for specifying the anatomical abnormality candidate region included in the medical image representing the inside of the subject. It is made to function as a production | generation means which produces | generates the display image which shows an abnormality candidate area | region and its peripheral area in the form which can be distinguished from each other.
本発明の第4の態様による医用画像診断支援プログラムは、コンピュータを、被検体の内部を表す医用画像に含まれる解剖学的な異常候補領域にを特定する手段と、前記医用画像に含まれる解剖学的な異常候補領域の位置を前記被検体の内部を表す画像中に表す表示画像を生成する生成手段と、前記表示画像に関して行われる解剖学的異常の位置の指定を入力する入力手段と、前記入力手段により入力された位置を前記解剖学的異常の位置として管理する手段として機能させる。 According to a fourth aspect of the present invention, there is provided a medical image diagnosis support program for specifying a computer with an anatomical abnormality candidate region included in a medical image representing the inside of a subject, and an anatomy included in the medical image. Generating means for generating a display image representing the position of an anatomical abnormality candidate region in an image representing the inside of the subject, input means for inputting designation of a position of an anatomical abnormality performed with respect to the display image, The position input by the input means is made to function as means for managing the position of the anatomical abnormality.
本発明によれば、被検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であるか否かを医師が迅速に判定することを可能とすることができる。 According to the present invention, it is possible to enable a doctor to quickly determine whether or not an abnormal candidate region included in an image representing the inside of a subject is an anatomical abnormality such as a nodule.
以下、図面を参照して本発明の実施形態について説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
(第1の実施形態)
図1は第1の実施形態に係る医用画像診断支援装置1の構成を示す図である。
(First embodiment)
FIG. 1 is a diagram showing a configuration of a medical image
この図1に示す医用画像診断支援装置1は、マルチスライスCT2により取得された3次元画像データを処理対象とする。医用画像診断支援装置1は、図1に示すように、結節候補領域特定部11、拡張結節候補領域特定部12、判定部13、画像データ処理部14、表示画像生成部15および表示器16を含む。
The medical image diagnosis support
この医用画像診断支援装置1は、例えば汎用のコンピュータ装置を基本ハードウェアとして用いることができる。そして結節候補領域特定部11、拡張結節候補領域特定部12、判定部13、画像データ処理部14および表示画像生成部15は、上記のコンピュータ装置に搭載されたプロセッサに医用画像診断支援プログラムを実行させることにより実現することができる。このときに医用画像診断支援装置1は、上記の医用画像診断支援プログラムが上記のコンピュータ装置に予めインストールされて実現されても良いし、磁気ディスク、光磁気ディスク、光ディスク、半導体メモリなどのようなリムーバブルな記録媒体に記録して、あるいはネットワークを介して上記の医用画像診断支援プログラムを配布し、この医用画像診断支援プログラムを上記のコンピュータ装置にインストールして実現されても良い。なお、上記の各部は、その一部または全てをロジック回路などのハードウェアにより実現することも可能である。また上記の各部のそれぞれは、ハードウェアとソフトウェア制御とを組み合わせて実現することも可能である。
The medical image diagnosis support
結節候補領域特定部11は、処理対象となる3次元画像データが表す画像(以下、処理対象画像と記す)中で、結節であり得る領域(以下、結節候補領域と記す)を特定する。拡張結節候補領域特定部12は、処理対象画像中で、拡張結節候補領域を特定する。拡張結節候補領域は、上記の結節候補領域とそれに連続する周辺領域とを含む。判定部13は、結節候補領域および周辺領域のそれぞれの特徴量に基づいて結節候補領域が結節であるか否かを判定する。画像データ処理部14は、結節候補領域および周辺領域のそれぞれの特徴を分析する。表示画像生成部15は、画像データ処理部14によって分析された特徴とマルチスライスCT2により取得された3次元画像データとに基づいて、医師による読影のために提供する表示画像を生成する。表示器16は、上記の表示画像を表示する。表示器16としては、CRTなどの表示デバイスを利用できる。表示器16は、医用画像診断支援装置1に内蔵せずに、外付けされても良い。
The nodule candidate
次に以上のように構成された医用画像診断支援装置1の動作について説明する。
Next, the operation of the medical image diagnosis support
(結節候補領域および周辺領域の特定)
まず医用画像診断支援装置1は、特願2005−056098として提案された手法を利用して、以下のようにして結節候補領域および周辺領域を特定する。
(Identification of nodule candidate area and surrounding area)
First, the medical image
図2は医用画像診断支援装置1における結節検出のための処理の概略を示すフローチャートである。
FIG. 2 is a flowchart showing an outline of processing for detecting nodules in the medical image
ステップSa1乃至ステップSa6は結節候補領域特定部11による処理である。ステップSa7は拡張結節候補領域特定部12による処理である。ステップSa8乃至ステップSa10は判定部13による処理である。
Steps Sa1 to Sa6 are processing by the nodule candidate
まず、診断対象となる被検体の肺を含む胸部全体をマルチスライスCT2によって撮影する。 First, the entire chest including the lungs of the subject to be diagnosed is imaged by multi-slice CT2.
ステップSa1において結節候補領域特定部11は、上記の撮影によりマルチスライスCT2で取得された3次元画像データを入力し、記憶する。
In step Sa1, the nodule candidate
ステップSa2において結節候補領域特定部11は、上記の3次元画像データが表す処理対象画像から肺に相当する領域を分割する。この処理には、例えば既存の方法を利用可能である。この既存の方法は、典型的には「Hu S, Hoffman EA, Reinhardt JM. Automatic lung segmentation for accurate quantitation of volumetric X-ray CT images. IEEE Trans Med Imaging 2001; 20:490-498」に示される方法である。
In step Sa2, the nodule candidate
ステップSa3において結節候補領域特定部11は、ステップSa2で得た肺領域を、肺血管および結節におよそ相当する前景部とそれ以外の背景部とに二分する。この処理には、例えば既存の適応的閾値処理を適用可能である。この適応的閾値処理は、典型的には「Manay S, Yezzi A. Antigeometric diffusion for adaptive thresholding and fast segmentation. IEEE Trans Image Processing 2003; 12:1310-1323」に示される方法である。図3(a)はマルチスライスCT2で取得された処理対象画像を示す図である。図3(b)は図3(a)に示す処理対象画像から分割された前景部の画像を示す図である。なお、図3(a)に示す円内に結節が存在している。また図3(b)における黒地範囲が肺領域に相当し、この肺領域の中の白抜き領域が肺領域の前景部を表す。
In step Sa3, the nodule candidate
ステップSa4において結節候補領域特定部11は、結節候補領域の中心となり得る仮中心を決定する。まず結節候補領域特定部11は、前景部に属する各ボクセルの値を、各ボクセルから背景部に属するボクセルへの最短距離に応じた値に変換する。例えば図4(a)に示すような形状の前景部が含まれる領域に着目すると、図4(b)に示すボクセルB1は、前景部に属する。そして背景部に属し、かつボクセルB1に最も近いのは、ボクセルB2,B3である。ボクセルB1とボクセルB2,B3との距離(中心点間の距離)は、2ボクセル分である。そこでボクセルB1の値を、図4(b)に示すように「2」とする。この結果図4(b)に示すように、基本的には前景部の内部に行くほど大きな値を有する画像へと変換される。そして結節候補領域特定部11は、この距離変換後の値が極大となる点を、仮中心として決定する。極大の値を持つボクセルが1つのみの場合、仮中心はこのボクセルのボクセル点とする。極大の値を持つボクセルが2つ以上有る場合には、仮中心はこれらのボクセルのボクセル点の重心位置とする。例えば図4(b)では、ボクセルB1とボクセルB4とがともに最大の値を持つから、これらボクセルB1,B4のボクセル点の重心(中間点)Pを仮中心とする。なお通常は、肺領域の画像中に結節であり得る前景部領域が複数存在する。結節候補領域特定部11は、これらの複数の領域についてそれぞれ仮中心を決定する。
In step Sa4, the nodule candidate
以降の処理は、上記の複数の仮中心のそれぞれについて行われるが、それらは同様な処理であるので、以下では1つの仮中心についての処理のみを説明する。 The subsequent processing is performed for each of the plurality of provisional centers. Since these are the same processing, only the processing for one provisional center will be described below.
ステップSa5において結節候補領域特定部11は、仮中心を内在する楕円体モデルを生成する。具体的には、結節候補領域特定部11はまず、上記の仮中心を中心とし、距離変換後の極大値を半径とする球として初期化された楕円体モデルを用意する。図4(c)は、図4(b)のように決定された仮中心Pに対する楕円体モデルを示す図である。図4(c)では、楕円体モデルの断面を破線で示している。そして結節候補領域特定部11は、この楕円体モデルを、画像の有する情報に基づいて変形する。楕円体モデルの変形は、例えば既存の方法に準じて行うことができる。この方法は、典型的には「Staib LH, Duncan JS. Model-based deformable surface finding for medical images. IEEE Trans Med Imaging 1996; 15:720-731」に示される方法である。この方法は、一般の3次元画像におけるフーリエ曲面の変形に関する。なお楕円体は、最も単純なフーリエ閉曲面である。上記の方法による楕円体モデルの変形は、与えられた3次元画像の濃度勾配の大きさに負号をつけたものをペナルティ画像として、このペナルティ画像の値のフーリエ曲面上での積分を最小化するようになされる。ただしここでは、上記の方法の改良として、対象とする3次元画像とLoG(Laplacian-of-Gaussian)フィルタとの畳込みの絶対値に、対象とする3次元画像の濃度勾配の大きさに負号をつけたものを加算して得られる画像をペナルティ画像とする。LoGフィルタは、一種の二次微分を行うものである。一方、濃度勾配は、一次微分フィルタによって得られる。このため、ここで用いるペナルティ画像は、対象とする3次元画像の一次微分フィルタ処理結果と二次微分フィルタ処理結果とを合成したものと言える。
In step Sa5, the nodule candidate
ペナルティ画像の合成過程について、図5を参照しながらさらに詳しく説明する。この合成過程を一次元的に例示するために、結節を貫通する直線に沿った濃度の変動がグラフG1のように表されるとする。なお、グラフG1における中央部の山が結節に相当する。グラフG2としてその形状を示すLoGフィルタを、グラフG1に畳込んだ結果およびその絶対値は、グラフG3およびG4のようになる。一方、グラフG1に示される濃度変動の勾配の大きさに負号をつけると、グラフG5が得られる。そして、グラフG4とグラフG5とを合成することにより、グラフG6が得られる。グラフG5とグラフG6とを比較すると、グラフG6は結節の境界に相当する位置でより明瞭な谷を有しており、ペナルティ値としての使用により適している。なお、図5における破線はゼロを表す基線である。 The process of synthesizing the penalty image will be described in more detail with reference to FIG. In order to illustrate this synthesis process in a one-dimensional manner, it is assumed that the concentration variation along a straight line passing through the nodule is represented as a graph G1. Note that the central mountain in the graph G1 corresponds to a nodule. The result of convolving the LoG filter indicating the shape as the graph G2 into the graph G1 and the absolute value thereof are as shown in the graphs G3 and G4. On the other hand, a graph G5 is obtained by adding a negative sign to the gradient of concentration fluctuation shown in the graph G1. Then, the graph G6 is obtained by combining the graph G4 and the graph G5. Comparing the graph G5 and the graph G6, the graph G6 has a clearer valley at a position corresponding to the boundary of the nodule, and is more suitable for use as a penalty value. In addition, the broken line in FIG. 5 is a base line representing zero.
そして例えば図6に示すように、ペナルティ画像におけるペナルティ値の谷に楕円体モデルが沿うように楕円体モデルを変形する。 Then, for example, as shown in FIG. 6, the ellipsoid model is deformed so that the ellipsoid model follows the valley of the penalty value in the penalty image.
ステップSa6において結節候補領域特定部11は、変形完了後の楕円体モデルに基づいて、距離変換を行っていない元の処理対象画像における結節候補領域を特定する。すなわち、結節候補領域特定部11は、変形完了後の楕円体モデル内に位置し、かつ肺領域前景部に属するボクセルの集合を結節候補領域として特定する。図7(a)は変形完了後の楕円体モデル101を結節とその近傍に当たる処理対象画像の一部分の半透過表示とに重ねて表わした図である。図7(b)に示した構造は図3(a)に示した結節とその近傍における肺領域前景部であり、上記のようにして特定された結節候補領域102を比較的濃い色で示す。
In step Sa6, the nodule candidate
なお、ここで結節候補領域の生成に使用された変形完了後の楕円体モデルを、以降においては当該結節候補領域の生成楕円体モデルと記す。 Here, the ellipsoid model after completion of deformation used for generating the nodule candidate region is hereinafter referred to as a generation ellipsoid model of the nodule candidate region.
ステップSa7において拡張結節候補領域特定部12は、結節候補領域に対応する拡張結節候補領域を決定する。拡張結節候補領域は、当該結節候補領域と重なるか、あるいは当該結節候補領域に連続する構造に相当する領域である。
In step Sa7, the expanded nodule candidate
拡張結節候補領域の特定について、図8を参照しながら詳しく説明する。なお、拡張結節候補領域は3次元的に特定するが、ここでは説明の簡略化のために、過程を2次元的に例示する。 The specification of the expanded nodule candidate region will be described in detail with reference to FIG. Note that the extended nodule candidate region is specified three-dimensionally, but here, the process is illustrated two-dimensionally to simplify the description.
図8(a)はCT画像の小領域を示す。図8(b)はこの小領域における肺領域前景部を灰色で、背景部を白色で示すと共に、楕円を一つ示してある。この楕円が、当該結節候補領域の生成楕円体モデル101を例示するものとして説明を進める。従って図8(b)における円内の灰色の領域が結節候補領域102に相当する。
FIG. 8A shows a small region of the CT image. FIG. 8B shows the lung region foreground portion in this small region in gray, the background portion in white, and one ellipse. The description will proceed assuming that this ellipse is an example of the generated
図8(c)は結節候補領域102を拡大して示す。図8(c)における黒丸は、結節候補領域102の重心102aである。図8(c)で、白い十字で標識されるボクセルは、結節候補領域102に属し、かつ当該結節候補領域102に属さないボクセルと隣接するボクセルである。これら白い十字で標識されるボクセルから成る領域を結節候補領域102の内境界と定義する。黒い十字で標識されるボクセルは、結節候補領域102に属さず、かつ当該結節候補領域102に属するボクセルと隣接するボクセルである。これら黒い十字で標識されるボクセルから成る領域を結節候補領域102の外境界と定義する。また、内境界に属するボクセルの平均濃度を当該結節候補領域102に関する内境界濃度と定義する。同様に、外境界に属するボクセルの平均濃度を当該結節候補領域102に関する外境界濃度と定義する。結節候補領域102に対応する拡張結節候補領域は、内境界濃度と外境界濃度との加重平均(以後、平均境界濃度と記す)を閾値とする閾値処理を経て得られる。この閾値処理では、対象とする3次元画像において平均境界濃度以上の濃度を示しかつ肺領域内に位置するボクセルを「1」、そうでないボクセルを「0」とする3次元配列をまず生成する。この3次元配列における連結成分(値が「1」でありかつ互いに連結したボクセルの集合で、図8(d)の灰色で示した部分)のうち結節候補領域102と共有するボクセルを持つものを図8(e)に示すように結節候補領域102に関する拡張結節候補領域103と定義する。このように、拡張結節候補領域103は、結節候補領域102と、当該結節候補領域102に連続する周辺領域とからなる領域として特定される。なお、結節候補領域102の生成楕円体モデル101(再び図8(f)において楕円として例示してある)の外に位置するボクセルのうち生成楕円体モデル101内に位置するボクセルと隣接するものから成る領域と、拡張結節候補領域に共通する領域とを、拡張結節候補領域臨界部104(図8(f)の黒で示した部分)と定義する。
FIG. 8C shows the
ステップSa8において判定部13は、拡張結節候補領域中の探索基準点を特定する。判定部13は、拡張結節候補領域臨界部104の連結成分と一対一に対応するように探索基準点を生成する。例えば図8(f)における左側の連結成分に対しては、判定部13は以下のように探索基準点を生成する。判定部13は図9(a)に示すように、連結成分に属する各ボクセルに対し、結節候補領域102の重心102aから当該ボクセルに至るベクトル105(以下、遠心ベクトルと記す)の方向へ当該ボクセルを始点とする線分を伸長させ、その終点が拡張結節候補領域103の外に出れば伸長を止める。なお、この時にもし終点が肺領域内になければ、当該ボクセルは考慮の対象外とする。このようにして定めた線分を、遠心方向線分106と称する。判定部13は、図9(b)に示すように複数のボクセルのそれぞれに対して定められる複数の遠心方向線分106のうちで最も長いものを選択する。そして判定部13は、選択した遠心方向線分106の始点を与えるボクセルの位置を当該連結成分に対応する探索基準点107と定める。
In step Sa8, the
ステップSa9において判定部13は、逓減度を計算する。図10は判定部13による逓減度計算の処理手順を示すフローチャートである。この処理の中で拡張結節候補領域の探索が行われるが、この探索における主な操作の様子を図11乃至図14に示す。なお図11,12は結節候補領域が結節に相当する場合を、図13,14は結節候補領域が肺血管に相当する場合をそれぞれ示す。
In step Sa9, the
ステップSb1において判定部13は、拡張結節候補領域103について得られた探索基準点107の集合のうちに未選択の探索基準点107があるか否かを確認する。
In step Sb <b> 1, the
未選択の探索基準点107があるならば判定部13は、ステップSb1からステップSb2へ進む。ステップSb2において判定部13は、上記の探索基準点107の集合のうちから未選択の1つの探索基準点107を選択する。
If there is an unselected
ステップSb3において判定部13は、上記の選択した探索基準点107に基づいて観察基準線および観察基準点を設定する。判定部13は、図11(a)に示すように、結節候補領域102の重心102aを始点とする有向線分を、選択した探索基準点107がその中点となるように設ける。そしてこの線分を観察基準線108と定義する。また判定部13は、重心102a上に観察基準点を設定する。なお観察基準点は固定的なものではなく、後述するように観察基準線の始点から終点の間を移動する。
In step Sb3, the
ステップSb4において判定部13は、観察基準線108に直交し、かつ観察基準点を通る平面を観察平面109として定義する。この上で判定部13は、図11(b)に示すように観察平面内に当該結節候補領域の生成楕円体モデルと観察平面との交線で与えられる楕円で初期化された楕円モデルを設定する。次に判定部13は、ステップSa3で用いられたペナルティ画像の値の楕円モデル上での線積分が最小化するように楕円モデルを変形させる。そして判定部13は、観察平面109における拡張結節候補領域の断面のうち変形完了後の楕円モデルの内部にある部分の面積(以下、楕円モデル内拡張結節候補領域断面と記す)を計算する。図11(b)は変形完了後の楕円モデル110を示す。図11(c)は、図11(b)に含まれる楕円モデル内拡張結節候補領域断面111を示す。
In step Sb4, the
ステップSb5において判定部13は、現在の観察基準点が観察基準線108の中点以前(探索基準点107以前)であるか否かを判断する。
In step Sb5, the
現在の観察基準点が観察基準線108の中点以前であるならば判定部13は、ステップSb5からステップSb6へ進み、そうでないならばステップSb5からステップSb7へ進む。ステップSb6において判定部13は、上記のように計算した楕円モデル内拡張結節候補領域断面の面積を第1積算器に加える。ステップSb7において判定部13は、上記のように計算した楕円モデル内拡張結節候補領域断面の面積を第2積算器に加える。なお、第1積算器および第2積算器は、判定部13に含まれる。また第1積算器および第2積算器は、図10に示す処理の開始時に零で初期化される。
If the current observation reference point is before the midpoint of the
ステップSb8において判定部13は、終了条件が成立しているか否かを確認する。ここでは、終了条件は以下の4つとする。
In step Sb8, the
(第1の終了条件)
観察基準点が、観察基準線の終点に達している。
(First termination condition)
The observation reference point has reached the end point of the observation reference line.
(第2の終了条件)
楕円モデル内拡張結節候補領域断面がなくなっている。
(Second end condition)
The section of the expanded nodule candidate region in the elliptic model is gone.
(第3の終了条件)
図15を参照して説明する。図15は血管に付着した結節の辺縁部付近で観察基準点が図15(a)から図15(b)および図15(b)から図15(c)への二間隔を移動する際に変形完了後の楕円モデルが推移する様子を示している。図15(b)と図15(c)との間で、楕円モデル110の大きさが急に変化している。これは、血管に付着した結節の辺縁部において楕円モデル110の範囲に結節の断面がもはや観察されなくなることにより、すなわち血管の断面のみが観察されるようになることにより起きる。このため、これ以降の探索は無意味であるので、上記の状態の発生を終了条件とする。この終了条件の成立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕円モデルの平均変位(変形前の楕円モデルの周に沿った点列と、これに対応する変形完了後の楕円モデルの周に沿った点列を考え、2つの点列の対応する点の間の平均距離として求められる)を楕円モデルの平均実効半径(変形前の楕円モデルの実効半径と変形完了後の楕円モデルの実効半径の平均値)で割った楕円モデル相対平均変位を計算する。そして、楕円モデル相対平均変位が予め設定したある上限値より大きければ、この終了条件が成立したこととする。
(Third end condition)
This will be described with reference to FIG. FIG. 15 shows a case where the observation reference point moves at two intervals from FIG. 15 (a) to FIG. 15 (b) and FIG. 15 (b) to FIG. 15 (c) near the edge of the nodule attached to the blood vessel. The state where the elliptic model after the transformation is completed is shown. The size of the
(第4の終了条件)
図16を参照して説明する。図16は血管に付着した別の結節についての図である。そして図16(a)は観察基準点が観察基準線の始点付近にある場合を、図16(b)は観察基準点が観察基準線の中点付近にある場合をそれぞれ示している。図16(a)および図16(b)の下段の模式図にあるように、観察平面109に当たる処理対象画像のうち楕円モデル内の部分(以下、楕円モデル内画像と記す)は、その濃度が平面内の座標に応じて線形に変化する成分(以下、楕円モデル内画像線形成分と記す)とそれ以外の成分(以下、楕円モデル内画像非線形成分と記す)とに分解できる。楕円モデルが血管の横断面とおよそ合致しているか、あるいは図16(a)に示すように結節の断面とおよそ合致している場合は、楕円モデル内画像における濃度変動は主として楕円モデル内画像非線形成分の濃度変動によって説明される。ところが図16(b)に示すように楕円モデルが血管の縦断面と血管の中央とから外れて重なる場合等では、楕円モデル内画像における濃度変動の多くが楕円モデル内画像線形成分の濃度変動によって説明される。一般に、血管に付着した結節と血管との移行部で図16(b)に類似する場合が生じ得る。そして、この状態が生じた場合には、これ以降の探索は無意味であるので、上記の状態の発生を終了条件とする。この終了条件の成立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕円モデル内画像非線形成分における濃度の標準偏差を楕円モデル内画像における濃度の標準偏差で割った楕円モデル内画像非線形成分寄与割合を計算する。そして、楕円モデル内画像非線形成分寄与割合が予め設定したある下限値より小さければ、この終了条件が成立したこととする。
(Fourth end condition)
This will be described with reference to FIG. FIG. 16 is a diagram of another nodule attached to the blood vessel. FIG. 16A shows a case where the observation reference point is near the start point of the observation reference line, and FIG. 16B shows a case where the observation reference point is near the midpoint of the observation reference line. As shown in the lower schematic diagrams of FIG. 16A and FIG. 16B, the density of the portion in the elliptic model (hereinafter referred to as the image in the elliptic model) of the processing target image corresponding to the
このような終了条件のいずれも成立していないのならば、判定部13はステップSb8からステップSb9へ進む。ステップSb9において判定部13は、観察基準点を一定の細かい間隔だけ観察基準線108上で移動させる。これにより、観察平面も観察基準点に付随して移動する。この上で判定部13は、ステップSb4以降を繰り返す。これにより判定部13は、楕円モデルを変形させて楕円モデル内拡張結節候補領域断面の面積を計算する過程を、観察基準点を一間隔移動しつつ、終了条件が成立するまで繰り返す。
If none of these end conditions is satisfied, the
終了条件が成立したならば、判定部13はステップSb8からステップSb10へ進む。ステップSb10において判定部13は、第2積算器の値を第1積算器の値で割った商を算出する。この商は、現在選択している探索基準点について、拡張結節候補領域遠位部の同領域近位部に対する体積比を表す。そして判定部13は、このように算出した体積比を記録しておく。こののちに判定部13は、ステップSb1以降を繰り返す。これにより判定部13は、拡張結節候補領域103について得られた全ての探索基準点107のそれぞれに対して体積比を算出し、記録して行く。
If the end condition is satisfied, the
拡張結節候補領域103について得られた全ての探索基準点107のそれぞれに対して体積比の算出を終えたならば、ステップSb1にて未選択の探索基準点が見つからなくなる。そこでこの場合に判定部13は、ステップSb1からステップSb11に進む。なお、拡張結節候補領域103について探索基準点107が1つも得られていない場合には、判定部13は図10の処理を開始した直後に、ステップSb2以降へ進むことなしにステップSb1からステップSb11へ進む。ステップSb11において判定部13は、全ての探索基準点について記録された商のうち最大値を「1」から引いた値を結節候補領域102の逓減度とする。なお、探索基準点107が1つも得られていない場合には、記録された商のうち最大値のは「0」であるとする。
If the calculation of the volume ratio is completed for each of all the
このようにして計算される逓減度は、結節候補領域102とそれに連続する構造との関係を要約する特徴量である。さらに詳しくは、拡張結節候補領域103を結節候補領域102の重心102aから遠心性にある距離にわたって探索することにより求められる、拡張結節候補領域遠位部の拡張結節候補領域領域近位部に対する相対的体積減少度を表す特徴量である。
The degree of reduction calculated in this way is a feature amount that summarizes the relationship between the
以上のように逓減度の計算を終えたならば、判定部13は図2におけるステップSa9からステップSa10へ進む。ステップSa10において判定部13は、結節候補領域102が結節であるか否かを判定する。結節候補領域102が肺血管の一部である場合は、結節候補領域102に対応する拡張結節候補領域103の近位部と遠位部とはともに肺血管の一部に他ならないから、上記の逓減度はあるとしても小さい。すなわち逓減度は零に近くなる。これに対し、結節候補領域102が血管から孤立した結節に相当する場合は、拡張結節候補領域103の遠位部の体積は拡張結節候補領域103の近位部に比較して僅かとなることから逓減度はその最大値である1に近い値となる。判定部13は、逓減度から分かるこのような性質とともに、結節候補領域102の実効径や濃度コントラスト等の比較的単純な特徴量を使用して、上記の判定を行う。
When the calculation of the degree of reduction is completed as described above, the
(読影支援用の画像表示)
画像データ処理部14は、上記のようにして結節であると判定された結節候補領域と、この結節候補領域に関する周辺領域に関する特徴を分析する。そして表示画像生成部15は、上記の特徴を表す表示画像を生成する。この表示画像は、表示器16によって表示される。
(Image display for interpretation support)
The image
(第1の表示画像例)
図17(a)は表示画像200を示す図である。
(First display image example)
FIG. 17A shows a
表示画像生成部15は、結節候補領域の1つをVR(volume rendering)表示する画像201と、周辺領域に関するMPR(multi-planar reconstruction)断面を斜視表示する画像202とを合成して表示画像200を生成する。画像202が表すMPR断面は、アキシャル(axial)断面、サジタル(sagittal)断面、コロナル(coronal)断面、あるいは任意方向(oblique)断面のいずれでも良い。画像202には、領域抽出処理をされていない血管、気管支、あるいは実質構造などを含む。
The display
なお、図17(a)においては、表示画像200における画像201および画像202の配置を模式的に示し、それぞれの画像の詳細については図示を省略している。
In FIG. 17A, the arrangement of the
図17(b)は表示画像210を示す図である。
FIG. 17B is a diagram showing the
表示画像生成部15は、画像202が表すMPR断面を平面表示する画像として画像210を生成する。表示画像生成部15は、表示画像200を単独で表示器16に表示させても良いし、表示画像200と表示画像210とを並べて表示器16に表示させても良い。
The display
なお、図17(b)においては、表示画像210を模式的に示し、その画像の詳細については図示を省略している。
In FIG. 17B, the
表示画像生成部15は、操作者による操作に応じて画像202として表示するMPR断面を面の垂直方向に変化させる。このとき、表示画像210を並列表示しているときには、表示画像210が表すMPR断面も変化させる。
The display
(第2の表示画像例)
図18は表示画像220を示す図である。なお、図18において図17(a)と同一の画像には同一の符号を付し、その詳細な説明は省略する。
(Second display image example)
FIG. 18 is a diagram showing a
表示画像生成部15は、周辺領域に存在する管状構造をVR表示する画像221と、画像201,202とを合成して表示画像220を生成する。管状構造は、結節候補の周辺構造である気管支、血管構造、あるいはスピキュラ(悪性腫瘍特有の針状構造)などであり、画像データ処理部14によって抽出される。画像データ処理部14は、前景部情報を利用するか、あるいは結節候補表面側から領域拡張法(region growing法)などの手法を用いて管状構造を抽出する。表示画像生成部15は、見分け易いように画像221を色付けして表すように表示画像220を生成しても良い。なおスピキュラの長さは一般に20mm以下である。表示画像生成部15は、スピキュラを画像221として表す場合、画像221をその長さに応じて色分けして表すように表示画像220を生成しても良い。
The display
表示画像生成部15は、表示画像220を単独で表示器16に表示させても良いし、表示画像220と図17(b)に示した表示画像210とを並べて表示器16に表示させても良い。
The display
なお、図18においては、表示画像220における画像201,202,221の配置を模式的に示し、それぞれの画像の詳細については図示を省略している。
In FIG. 18, the arrangement of the
(第3の表示画像例)
図19は表示画像230を示す図である。なお図19において、図18に示されるのと同様な画像には、図18で用いているのと同一の符号の末尾に「−1」または「−2」を付与した符号を付し、その詳細な説明は省略する。なお末尾に「−1」が付与された符号が付されているのは、過去に収集された3次元画像データに基づく画像である。末尾に「−2」が付与された符号が付されているのは、最も新しく収集された3次元画像データに基づく画像である。
(Third display image example)
FIG. 19 is a diagram showing a
表示画像生成部15は、画像220−1と画像220−2とを並列させて画像230を生成する。表示画像生成部15は、画像220−2には、結節候補周辺構造の経時変化分を表す画像231を含める。ただし、経時変化分を表す画像は、画像220−1に含めることも可能である。
The display
なお、結節候補周辺構造の経時変化を追跡するには、過去と現在の3次元画像の位置合わせを行う必要がある。このためには、過去画像と現在画像とについて特定された同一の結節候補領域を含む局所的な3次元空間内の結節候補の周辺の血管、あるいは結節候補の周辺の気管支の分岐部を特定し、それらの中の特定構造や特定点を用いて、2つの局所3次元空間の位置合わせを行うことができる。 In order to track the temporal change of the nodule candidate peripheral structure, it is necessary to align the past and current 3D images. For this purpose, a blood vessel around a nodule candidate in a local three-dimensional space including the same nodule candidate region specified for the past image and the current image, or a bronchial bifurcation around the nodule candidate is specified. The two local three-dimensional spaces can be aligned using the specific structures and specific points in them.
なお、図19においては、表示画像230における画像220−1,220−2,231の配置を模式的に示し、それぞれの画像の詳細については図示を省略している。
In FIG. 19, the arrangement of the images 220-1, 220-2, and 231 in the
(第4の表示画像例)
図20は表示画像240を示す図である。
(Example of fourth display image)
FIG. 20 is a diagram showing a
表示画像生成部15は、結節候補領域を含む断面画像241,242に、それらの画像断面と楕円体モデルとの交線である楕円243,244を生成して重畳表示する。また、楕円の中心は同一とし、軸長をより大きくしても良い。
The display
表示画像生成部15は、図7(a)に示すような画像を、画像240と並列表示させるようにしても良い。
The display
(第5の表示画像例)
図21は表示画像250を示す図である。
(Fifth display image example)
FIG. 21 is a view showing a
表示画像生成部15は、結節領域内部の各ボクセル毎の分析値/機能値(例えば、正規化した画像など)を周辺構造のMPR表示断面と同一断面内にカラーにてMPR表示するように表示画像250を生成する。分析値/機能値は、画像データ処理部14によって求められる。分析値/機能値としては、結節候補のフォローアップにおいて、過去画像と現在画像との結節候補領域内部の輝度値(X線CTの場合は、HU(Hounsfield unit)値)の比、あるいは差分値を用いることができる。これはX線CT画像において肺癌もしくはその前駆病変の可能性があるすりガラス陰影(GGO:ground-glass opacity)を経過観察する上で有用な画像となる。
The display
また、結節候補領域内部の輝度値のヒストグラム分析を画像データ処理部14で行い、そのヒストグラム上の特徴的な輝度値の範囲のみを表した表示画像を表示画像生成部15で生成するようにしても良い。このような表示画像は、結節内部の性状を詳細に観察する上で有用である。
Further, histogram analysis of luminance values inside the nodule candidate region is performed by the image
なお、図21においては、分析値/機能値に応じて表示色が変化している様子を模式的に示し、その画像の詳細については図示を省略している。 FIG. 21 schematically shows how the display color changes according to the analysis value / function value, and the details of the image are not shown.
(第6の表示画像例)
図22は表示画像260を示す図である。なお、図22において図17(a)と同一の画像には同一の符号を付し、その詳細な説明は省略する。
(Sixth display image example)
FIG. 22 is a diagram showing a
表示画像生成部15は、結節候補領域の1つをVR表示する画像261と、画像202とを合成して表示画像260を生成する。画像261は、結節の輝度情報であるCT値をオパシティ(opacity)として、機能値をカラー値として割り当てて結節候補領域を表す。図22は3次元の結節候補領域のある線上の輝度値と機能値とを示している。
The display
すなわち、前記のごとく、結節候補のフォローアップにおいて、過去画像と現在画像との結節候補領域内部の輝度値の比、あるいは差分値を機能値として対応させ、現在画像のHU値をオパシティとすることにより、現時点で輝度値が高い部分をより強調してカラー化したボリュームレンダリング画像が得られることになる。 That is, as described above, in the follow-up of the nodule candidate, the ratio or difference value of the luminance value in the nodule candidate region between the past image and the current image is made to correspond as a function value, and the HU value of the current image is set as an opacity. As a result, a volume-rendered image in which a portion having a high luminance value at this time is more emphasized and colored is obtained.
なお、図17から図22に図示したMPR断面画像はある厚みを有する断面のMPR画像(所謂、厚み付MPR画像)やMIP(最大値投影)画像で有っても良い。 Note that the MPR cross-sectional images illustrated in FIGS. 17 to 22 may be MPR images (so-called thickness-added MPR images) or MIP (maximum value projection) images of a cross section having a certain thickness.
(第7の表示画像例)
表示画像生成部15は、結節候補領域の位置を表す表示画像を生成する。このときに表示画像生成部15は、結節候補領域をそのサイズに応じて表示形態を異ならせる。例えば、画像データ処理部14において、上記の結節候補領域のそれぞれに関して、楕円体モデルの3つの軸長の平均値、あるいは3つの軸長の最大値などをそれぞれ結節サイズとして求める。表示画像生成部15は、上記の結節サイズが閾値以上であるか否かに応じて、表示画像に表すか否かや、表示色を変更する。
(Seventh display image example)
The display
なお表示画像生成部15は、上記の結節サイズの経時変化を記録しておき、その変化量が大きい場合には、上記結節サイズが閾値未満であっても表示画像に表すようにしたり、別の表示色を割り当てて表すようにしても良い。
The display
かくして第1の実施形態によれば、判定部13により結節であると判定された結節候補領域およびその周辺領域の特徴を、読影医が容易に目視することが可能となる。そしてこの特徴に基づいて、判定部13により結節であると判定された結節候補領域が本当に結節であるか否かの判断を読影医が行うことができる。
Thus, according to the first embodiment, it is possible for the image interpretation doctor to easily visually check the characteristics of the nodule candidate area determined to be a nodule by the
(第2の実施形態)
図23は第2の実施形態に係る医用画像診断支援装置3の構成を示す図である。なお、図23において図1と同一部分には同一符号を付し、その詳細な説明は省略する。
(Second Embodiment)
FIG. 23 is a diagram showing a configuration of the medical image
この図23に示す医用画像診断支援装置3は、マルチスライスCT2により取得された3次元画像データを処理対象とする。医用画像診断支援装置3は、結節候補領域特定部11、拡張結節候補領域特定部12、判定部13、表示器16、入力部31および表示画像生成部32を含む。すなわち医用画像診断支援装置3は、医用画像診断支援装置1における表示画像生成部15に代えて表示画像生成部32を備えるとともに、入力部31をさらに含む。医用画像診断支援装置3は、画像データ処理部14を含まない。
The medical image
この医用画像診断支援装置3は、例えば汎用のコンピュータ装置を基本ハードウェアとして用いることができる。そして結節候補領域特定部11、拡張結節候補領域特定部12、判定部13および表示画像生成部32は、上記のコンピュータ装置に搭載されたプロセッサに医用画像診断支援プログラムを実行させることにより実現することができる。このときに医用画像診断支援装置3は、上記の医用画像診断支援プログラムが上記のコンピュータ装置に予めインストールされて実現されても良いし、磁気ディスク、光磁気ディスク、光ディスク、半導体メモリなどのようなリムーバブルな記録媒体に記録して、あるいはネットワークを介して上記の医用画像診断支援プログラムを配布し、この医用画像診断支援プログラムを上記のコンピュータ装置にインストールして実現されても良い。なお、上記の各部は、その一部または全てをロジック回路などのハードウェアにより実現することも可能である。また上記の各部のそれぞれは、ハードウェアとソフトウェア制御とを組み合わせて実現することも可能である。
The medical image
入力部31は、表示器16に表示された画像上での任意の位置に関するユーザ指定を入力する。入力部31としては、例えばマウスなどの周知のポインティングデバイスを利用できる。
The
表示画像生成部32は、判定部13での判定結果と、マルチスライスCT2により取得された3次元画像データと、入力部31により入力されたユーザ指示とに基づいて、医師による読影のために提供する表示画像を生成する。
The display
次に以上のように構成された医用画像診断支援装置3の動作について説明する。
Next, the operation of the medical image
結節候補領域および周辺領域の特定は、結節候補領域特定部11、拡張結節候補領域特定部12および判定部13によって第1の実施形態と同様に行われる。
The nodule candidate region and the surrounding region are specified by the nodule candidate
(第1の読影支援処理)
さて、読影医が読影を行う際に表示画像生成部32はまず、アキシャル画像、あるいは直交3断面のMPR画像の何れか1断面の画像などを表す表示画像を3次元画像データに基づいて生成し、表示器16に表示させる。なおここでは、表示画像生成部32は、X線様透視画像などの参照肺野画像を表す表示画像を生成することとする。読影医は、表示器16の表示画像を観察しながら、画像上の結節候補の位置の指定を入力部31により入力する。表示画像生成部32は、入力部31により入力されるユーザ操作に基づいて、読影医が判定した結節候補の位置を判断し、記憶する。この記憶は例えば、医用画像診断支援装置3の基本ハードウェアとして用いている汎用のコンピュータ装置に内蔵または外付けされたハードディスクなどの記憶媒体に、上記の位置を示す情報を書き込むことによって実現することができる。また表示画像生成部32は、読影医が判定した結節候補の位置を表すマークを表示画像に含める。図24は読影医が判定した結節候補の位置を表すマークを含んだ表示画像270の一例を示す図である。この表示画像270は、コロナル方向の参照肺野画像271にマーク272が重畳されて形成されている。マーク272は、読影医が判定した結節候補の位置を表す。マーク272は、実線で表した+状をなし、表示色は黄色である。
(First interpretation support processing)
When the interpretation doctor performs an interpretation, the display
読影医が結節候補の位置を指定し終えたならば、表示画像生成部32は表示画像を例えば図25に示すような表示画像280に更新する。表示画像生成部32は、表示画像270に、マーク281,282を重畳して表示画像280を生成する。マーク281,282は、判定部13によって結節であると判定された結節候補領域の位置を表す。マーク281,282は、破線で表した+状をなし、表示色は、マーク281がオレンジ色、マーク282が青色である。表示画像生成部32は、判定部13によって結節であると判定された結節候補領域の位置のうちで、読影医により指定された位置に対する最短距離が閾値以上である位置をマーク281で表し、上記最短距離が閾値未満である位置をマーク282で表す。かくして、マーク282は、判定部13によって結節であると判定された結節候補領域が、読影医によって指定された結節候補と同一であるとみなせる場合にマーク282を表し、それ以外の場合にマーク281を表す。
When the interpretation doctor finishes specifying the position of the nodule candidate, the display
上記のように最初の読影を行った読影医(以下、第1の読影医と称する)あるいは別の第2の読影医は、表示画像280を観察することにより、第1の読影医による判定結果と、医用画像診断支援装置3による判定結果とのずれを容易に認識することができる。そして第1または第2の読影医は、マーク272,281,282が表されているそれぞれの位置に関して、そこが結節であるか否かを最終判断する。そして第1または第2の読影医は、最終的に結節であると判定した位置の指定を入力部31により入力する。表示画像生成部32は、入力部31により入力されるユーザ操作に基づいて、第1または第2の読影医が判定した結節の位置を判断し、記憶する。なお、マーク282の近辺に結節の位置が指定された場合、このマーク282の位置、マーク282と同一と見なせるマーク272の位置、あるいはこれらマーク282とマーク272との中間点を結節の位置とする。表示画像生成部32は、表示されているマーク272,281,282を選択する形態で結節の位置の指定を受け付けることもできる。この場合には、選択されたマークの位置を結節の位置とすれば良い。また表示画像生成部32は、結節候補の位置として第1の読影医により指定された位置や、判定部13により結節であると判定された位置に関して、それが最終的に結節であると判定されなかった場合には、最終的に結節であると判定された位置とは区別して記憶しておく。なお表示画像生成部32は、最終的に結節であると判定されなかった位置を、結節ではない旨の指定を入力部31を介して受けて決定しても良いし、結節である旨の指示がなされなかった位置として決定しても良い。
The interpretation doctor (hereinafter referred to as the first interpreting doctor) who performed the first interpretation as described above or another second interpreting doctor observes the
第1または第2の読影医が結節の位置を指定し終えたならば、表示画像生成部32は表示画像を例えば図26に示すような表示画像290に更新する。表示画像生成部32は、参照肺野画像271にマーク291を重畳して表示画像290を生成する。マーク291は、第1または第2の読影医が指定した結節の位置を表す。マーク291は、破線で表した+状をなし、表示色は緑色である。
When the first or second interpreting doctor has finished specifying the position of the nodule, the display
なお、表示画像生成部32は、1つの結節の位置が指定される毎に、その位置に表示されていたマーク272,281,282に代えてマーク290を表すように表示画像を更新して行くようにしても良い。
Each time the position of one nodule is designated, the display
読影医による最終判断は、アキシャル画像、あるいは直交3断面のMPR画像のうちの任意の1断面上で画像を観察しながら行われるが、この観察対象となっている断面上に上記のマークが表示可能で、表示画像生成部32は上記のマークの表示を自動的に行う。
The final decision by the interpretation doctor is made while observing an image on any one of an axial image or an MPR image having three orthogonal cross sections, and the above mark is displayed on the cross section to be observed. The display
(第2の読影支援処理)
表示画像生成部32はまず、図27に示すような表示画像300を生成し、表示器16に表示させる。表示画像生成部32は、参照肺野画像271に、マーク301を重畳して表示画像300を生成する。マーク301は、判定部13によって結節であると判定された結節候補領域の位置を表す。マーク301は、破線で表した+状をなし、表示色はオレンジ色である。
(Second interpretation support process)
First, the display
読影医は、表示画像300を観察して、判定部13による判定結果を参考しながら結節の位置を判定する。そして読影医は、最終的に結節であると判定した位置の指定を入力部31により入力する。表示画像生成部32は、入力部31により入力されるユーザ操作に基づいて、第1または第2の読影医が判定した結節の位置を判断し、記憶する。
The interpretation doctor observes the
読影医が結節の位置を指定し終えたならば、表示画像生成部32は表示画像を例えば図28に示すような表示画像310に更新する。表示画像生成部32は、参照肺野画像271にマーク311,312を重畳して表示画像310を生成する。マーク311は、マーク301が表示されていたのと同一の位置に読影医が指定した結節の位置を表す。マーク291は、破線で表した+状をなし、表示色は緑色である。マーク312は、マーク301が表示されていたのとは異なる位置に読影医が指定した結節の位置を表す。マーク312は、実線で表した+状をなし、表示色は緑色である。
When the interpretation doctor has finished specifying the position of the nodule, the display
表示画像生成部32は、判定部13により結節であると判定された位置に関して、それが読影医により結節であると判定されなかった場合には、結節であると判定された位置とは区別して記憶しておく。なお表示画像生成部32は、最終的に結節であると判定されなかった位置を、結節ではない旨の指定を入力部31を介して受けて決定しても良いし、結節である旨の指示がなされなかった位置として決定しても良い。
The display
なお、表示画像生成部32は、1つの結節の位置が指定される毎に、その位置に表示されていたマーク301に代えてマーク311を表したり、新たにマーク312を追加して表すように表示画像を更新して行くようにしても良い。
Each time the position of one nodule is designated, the display
読影医による最終判断は、アキシャル画像、あるいは直交3断面のMPR画像のうちの任意の1断面上で画像を観察しながら行われるが、この観察対象となっている断面上に上記のマークが表示可能であれば、表示画像生成部32は上記のマークの表示を自動的に行う。
The final decision by the interpretation doctor is made while observing an image on any one of an axial image or an MPR image having three orthogonal cross sections, and the above mark is displayed on the cross section to be observed. If possible, the display
かくして第2の実施形態によれば、医用画像診断支援装置3と読影医とによる二重読影や、医用画像診断支援装置3と第1および第2の読影医による多重読影が、容易に行える。
Thus, according to the second embodiment, double interpretation by the medical image
(第3の実施形態)
第3の実施形態に係る医用画像診断支援装置の構成は第2の実施形態に係る医用画像診断支援装置3と同様であるので、その図示は省略する。そして図23を第3の実施形態の説明に流用する。
(Third embodiment)
Since the configuration of the medical image diagnosis support apparatus according to the third embodiment is the same as that of the medical image
第3の実施形態が第2の実施形態と異なるのは、表示画像生成部32での処理である。すなわち、基本ハードウェアとして用いるコンピュータ装置に搭載されたプロセッサに実行させる医用画像診断支援プログラムを変更することによって第3の実施形態の表示画像生成部32が実現される。
The third embodiment differs from the second embodiment in the processing in the display
次に第3の実施形態に係る医用画像診断支援装置3の動作について説明する。
Next, the operation of the medical image
結節候補領域および周辺領域の特定は、結節候補領域特定部11、拡張結節候補領域特定部12および判定部13によって第1の実施形態と同様に行われる。
The nodule candidate region and the surrounding region are specified by the nodule candidate
図29は読影を支援するための表示画像生成部32の処理を示すフローチャートである。
FIG. 29 is a flowchart showing processing of the display
ステップSc1において画像生成部32は、モード設定用のダイアログボックスを表示器16に表示させる。
In step Sc1, the
図30はモード設定用のダイアログボックス320の一例を示す図である。このダイアログボックス320には、ラジオボタン321,322およびOKボタン323を含んでいる。読影医は入力部31を操作して、コンカレントリーダモードを選択する場合にラジオボタン321を、またセカンドリーダモードを選択する場合にラジオボタン322をそれぞれアクティブにした上でOKボタンを押下する。
FIG. 30 shows an example of a
ステップSc2において表示画像生成部32は、ダイアログボックス320での上記のような読影医の操作に応じて、いずれのモードが選択されているかを判断する。そしてセカンドリーダモードが選択されているならば、表示画像生成部32はステップSc2からステップSc3へ進む。ステップSc3において表示画像生成部32は、読影支援処理を実行する。
In step Sc <b> 2, the display
図31は読影支援処理のフローチャートである。 FIG. 31 is a flowchart of the interpretation support process.
ステップSd1において表示画像生成部32は、読影用画面を表示器16に表示させる。
In step Sd1, the display
図32は読影用画面330の一例を示す図である。図32に示すように読影用画面は、VR画像331、VR画像332、アキシャル画像333およびサジタル画像334を含んでいる。
FIG. 32 is a diagram showing an example of the
VR画像331は、肺全体の3次元像を表す。この肺全体の3次元像は、VR表示だけでなく、3次元画像の画素値をコロナル方向に平均加算した投影画像あるいはMIP画像であっても良い。VR画像332は、VR画像331のうちの一部を拡大して示す。VR画像332は、選択されている結節候補の3次元画像を示す。ただし、初期状態においては、結節候補が選択されていないのでVR画像332は例えばブランクとされる。なお、VR画像332は、コロナル画像であっても良い。アキシャル画像333は、VR画像331に含まれる断面指定ライン331aで指定されるアキシャル断面についての断面像を表す。初期状態においては、頭部方向の最上断面に関するものとされる。サジタル画像334は、VR画像331に含まれる断面指定ライン331bで指定されるサジタル断面についての断面像を表す。サジタル画像334に代えて、コロナル画像を用いても良い。
The
サジタル断面画像334の表示方向は、観察する結節候補の位置情報に基づいて自動的に設定される。右肺内にある場合は被検体の右から左への方向、左肺内にある場合は被検体の左から右への方向である。
The display direction of the sagittal
このような読影用画面を表示させた状態で表示画像生成部32は、ステップSd2乃至ステップSd5にて読影医による操作を待ち受ける。
In a state where such an image interpretation screen is displayed, the display
読影医は、断面指定ライン331aまたは断面指定ライン331bを任意にドラッグすることや、断面画像の1つを選択してマウスをドラッグすることなどによって、断面変更を指示することができる。さらに、選択された1つの断面画像を画面340全体となるように拡大表示しても良い。そしてこのような断面変更の指示がなされたならば表示画像生成部32は、ステップSd2からステップSd6へ進む。ステップSd6において表示画像生成部32は、断面指定ライン331aまたは断面指定ライン331bの位置を変更するとともに、それに応じてアキシャル画像333またはサジタル画像334を変更するように読影用画面を更新する。この更新を終えたら、表示画像生成部32はステップSd2乃至ステップSd5の待ち受け状態に戻る。
The image interpretation doctor can instruct a change of the cross section by arbitrarily dragging the cross
一方、読影医はアキシャル画像333、サジタル画像334またはコロナル画像上にて結節と思われる構造を見つけた場合、その構造を含む領域を結節候補として指定する。このように結節候補が指定されたならば表示画像生成部32は、ステップSd3からステップSd7へ進む。ステップSd7において表示画像生成部32は、指定された結節候補の位置などの結節候補情報を登録する。そしてステップSd8において表示画像生成部32は、新たに指定された結節候補を表すマークを含めるように読影用画像を更新する。この更新を終えたら、表示画像生成部32はステップSd2乃至ステップSd5の待ち受け状態に戻る。
On the other hand, when the image interpretation doctor finds a structure that seems to be a nodule on the
図32におけるマーク331c,333a,334aおよび334bがそれぞれ結節候補を表すマークである。マーク331c333a,334aおよび334bの表示色は、いずれも例えば黄色である。
表示中の断面に複数の結節候補が存在する場合、操作者はそのうちの1つを例えばクリックすることによって選択することができる。このように結節候補が選択されたならば表示画像生成部32は、ステップSd4からステップSd9へ進む。ステップSd9において表示画像生成部32は、読影用画面を更新する。この更新では、選択された結節候補を表すマークを選択されている結節候補であることを表すマークに変更する。またこの更新では、選択された結節候補の周辺を表すようにVR画像332を変更する。図32においては、マーク333a,334aが選択された結節候補を表している。マーク334bは、選択されていない結節候補を表している。
When there are a plurality of nodule candidates in the displayed cross section, the operator can select one of them by, for example, clicking. When the nodule candidate is selected in this way, the display
読影医は読影を終えた場合には、終了指示を行う。そうすると表示画像生成部32は、読影支援処理を終了する。
The interpreting doctor gives an end instruction when the interpretation is completed. Then, the display
読影支援処理を終了すると表示画像生成部32は、図29中のステップSc4へと進む。なお、コンカレントリーダモードが選択されているならば、表示画像生成部32はステップSc2からステップSc4へと進む。すなわちコンカレントリーダモードが選択されている場合には、表示画像生成部32は読影支援処理を行わない。
When the interpretation support process is completed, the display
ステップSc4において表示画像生成部32は、ブラウズ支援処理を実行する。
In step Sc4, the display
図33はブラウズ支援処理のフローチャートである。 FIG. 33 is a flowchart of the browse support process.
ステップSe1において表示画像生成部32は、ブラウズ用画面を表示器16に表示させる。
In step Se <b> 1, the display
図34はブラウズ用画面340の一例を示す図である。図34に示すようにブラウズ用画面340は、読影用画像330と同様にVR画像331、VR画像332、アキシャル画像333およびサジタル画像334を含んでいる。ブラウズ用画面340が読影用画像330と異なるのは、読影支援処理にて読影医により指定された結節候補を示したマーク331c,333a,334a,334bの他に、判定部13によって結節であると判定された結節候補領域の位置を表すマーク341a,343a,344a,344bを含んでいる点にある。マーク331c,333a,334a,334bおよびマーク341a,343a,344a,344bの表示色は、それぞれ例えば黄色および青色である。また、マーク343a,344a,344bとしては、そのマークが示す結節候補に関する楕円体モデルとアキシャル画像333またはサジタル画像334の画像断面との交線である楕円を用いている。なお、初期状態におけるブラウズ用画面のアキシャル画像333は、頭部方向の最上断面に関するものとされる。
FIG. 34 is a diagram showing an example of a
このようなブラウズ用画面を表示させた状態で表示画像生成部32は、ステップSe2乃至ステップSe7にて読影医による操作を待ち受ける。なお、ブラウズ支援処理の実行時に操作を行う読影医は、読影支援処理の実行時に操作を行った読影医とは異なることが一般的である。
In a state in which such a browsing screen is displayed, the display
読影医は、断面指定ライン331aまたは断面指定ライン331bを任意にドラッグすることや、断面画像の1つを選択してマウスをドラッグすることなどによって、断面変更を指示することができる。さらに選択された1つの断面画像を画面340全体となるように拡大表示しても良い。そしてこのような断面変更の指示がなされたならば表示画像生成部32は、ステップSe2からステップSe8へ進む。ステップSe8において表示画像生成部32は、断面指定ライン331aまたは断面指定ライン331bの位置を変更するとともに、それに応じてアキシャル画像333またはサジタル画像334を変更するようにブラウズ用画面を更新する。この更新を終えたら、表示画像生成部32はステップSe2乃至ステップSe7の待ち受け状態に戻る。なお、断面の変更は、表示画像生成部32が一定の速度で連続的に行っても良い。このようにすれば、読影医の作業負担を軽減することができる。さらには、読影医の指示に応じた断面変更と自動での断面変更とのいずれを行うかを読影医が選択可能としておけば、読影医のニーズに応じた柔軟な動作が可能となってさらに便利である。
The image interpretation doctor can instruct a change of the cross section by arbitrarily dragging the cross
読影医は表示断面を変更しながら、既に指定されている結節候補を確認して行く。このときに読影医は、必要があるならば既に指定されている結節候補の1つを例えばクリックすることによって選択することができる。このように結節候補が選択されたならば表示画像生成部32は、ステップSe3からステップSe9へ進む。ステップSe9において表示画像生成部32は、ブラウズ用画面を更新する。この更新では、選択された結節候補を表すマークを選択されている結節候補であることを表すマークに変更する。またこの更新では、選択された結節候補の周辺を表すようにVR画像332を変更する。図34においては、マーク333a,334a,343a,344aが選択された結節候補を表している。マーク334b,344bは、選択されていない結節候補を表している。すなわち、判定部13によって結節であると判定された結節候補領域の位置を表すマークのうちでアキシャル画像333上またはサジタル画像334上に表示されるものは、選択されている結節候補を表すマークが実線で、また選択されていない結節候補を表すマークが破線で示される。ブラウズ用画面の更新を終えたら、表示画像生成部32はステップSe2乃至ステップSe7の待ち受け状態に戻る。
The interpreting doctor checks the nodule candidates that have already been specified while changing the display section. At this time, if necessary, the image interpretation doctor can select one of the already designated nodule candidates by, for example, clicking. When the nodule candidate is selected in this way, the display
なお表示画像生成部32は、選択された1つの結節候補とは別のものとして指定されており、かつ前記結節候補との間の最短距離がある閾値未満である別の結節候補が存在するならば、当該別の結節候補を上記の選択された1つの結節候補と同一であると判定する。
The display
読影医は、表示されているマークが画像の確認のために邪魔であるときには、そのマークについての消去を指示する。このようにマークの消去が指示されたならば表示画像生成部32は、ステップSe4からステップSe10へ進む。ステップSe10において表示画像生成部32は、指定されたマークを消去するようにブラウズ用画面を更新する。図35に示すブラウズ用画面350では、ブラウズ用画面340に含まれていたマーク334bが消去されている。なお、マークの消去は一時的なものであり、例えば再表示が指示された場合などに再表示する。ブラウズ用画面の更新を終えたら、表示画像生成部32はステップSe2乃至ステップSe7の待ち受け状態に戻る。
When the displayed mark is an obstacle to confirm the image, the image interpretation doctor instructs to delete the mark. If the deletion of the mark is instructed in this way, the display
読影医は、1つの結節候補についての判定を終えたならば、その結節候補について判定メニューの表示を指示する。このように判定メニューの表示が指示されたならば表示画像生成部32は、ステップSe5からステップSe11へ進む。ステップSe11において表示画像生成部32は、例えば図35に示すように判定メニュー351を表示させる。判定メニュー351には、Acceptボタン、Not AcceptボタンおよびIndeterminateボタンを含んでいる。読影医は、結節候補が結節であると判定した場合にはAcceptボタンを、結節ではないと判定した場合にはNot Acceptボタンを、そしていずれとも判定しない場合にはIndeterminateボタンをそれぞれ押す。そこでステップSe12において表示画像生成部32は、そのようなボタンの押下を受け付けることによって判定結果を入力する。そしてステップSe13において表示画像生成部32は、入力した判定結果を反映してマークを変更するようにブラウズ用画面を更新する。図36に示すブラウズ用画面360では、図34におけるマーク331c,341aの1つずつをマーク361aに、図34におけるマーク333a,343aをマーク363aに、さらに図34におけるマーク334a,344aをマーク364aにそれぞれ変更している。なおマーク361a,363a,364aの表示色は、例えば緑色である。なお、最短距離がある閾値未満であるために同時に選択された複数の結節候補のそれぞれに関するマークは、判定後には上述のように1つのマークに変更される。ブラウズ用画面の更新を終えたら、表示画像生成部32はステップSe2乃至ステップSe7の待ち受け状態に戻る。
When the interpretation doctor completes the determination for one nodule candidate, it instructs the display of the determination menu for that nodule candidate. If the display of the determination menu is instructed in this way, the display
読影医は、以上のように既に指定された結節候補についての確認を行っている際に結節と思われる構造を新たに見つけた場合には、その構造を含む領域を結節候補として指定する。このように結節候補が指定されたならば表示画像生成部32は、ステップSe6からステップSe14へ進む。ステップSe14において表示画像生成部32は、指定された結節候補の位置などの結節候補情報を登録する。そしてステップSe15において表示画像生成部32は、新たに指定された結節候補を表すマークを含めるようにブラウズ用画像を更新する。この更新を終えたら、表示画像生成部32はステップSe2乃至ステップSe7の待ち受け状態に戻る。
When the interpretation doctor finds a new structure that seems to be a nodule while confirming a nodule candidate that has already been specified as described above, it designates a region including the structure as a nodule candidate. When the nodule candidate is designated in this way, the display
読影医は結節候補についての確認を終えた場合には、終了指示を行う。そうすると表示画像生成部32は、ブラウズ支援処理を終了する。
When the interpretation doctor finishes confirming the nodule candidate, the interpretation doctor issues an end instruction. Then, the display
かくして第3の実施形態によれば、セカンドリーダモードでは、医用画像診断支援装置3と第1および第2の読影医による多重読影が容易に行える。またコンカレントリーダモードでは医用画像診断支援装置3と読影医とによる二重読影が容易に行える。
Thus, according to the third embodiment, in the second reader mode, multiple interpretation by the medical image
この実施形態は、次のような種々の変形実施が可能である。 This embodiment can be variously modified as follows.
第1の実施形態においては、判定部13により結節であると判定されなかった結節候補領域についても表示の対象としても良い。
In the first embodiment, a nodule candidate region that is not determined to be a nodule by the
第1の実施形態における第4の表示画像例に係る表示画像は、3つ以上の時間的に異なるタイミングに関する画像を並列表示するものとしても良い。 The display image according to the fourth display image example in the first embodiment may display three or more images related to different timings in parallel.
第1の実施形態における表示画像生成部15は、前述する多数の表示画像例のうちの1つを固定的に適用するようにしても良いし、その際に拡大表示しても良いし、複数の表示画像例を例えばユーザからの要求に応じて選択的に適用しても良い。
The display
第2および第3の実施形態における各種のマークは、他の任意の形状としても良いし、表示色も任意に変更が可能である。また、マークを区別するために、線の太さを変えるなどの他の手法を利用しても良い。 The various marks in the second and third embodiments may have other arbitrary shapes, and the display color can be arbitrarily changed. In order to distinguish marks, other methods such as changing the thickness of the line may be used.
第2の実施形態における表示画像生成部32は、前述する2つの読影支援処理のうちの1つを固定的に適用するようにしても良いし、その際に拡大表示しても良いし、2つの読影支援処理を例えばユーザからの要求に応じて選択的に適用しても良い。
The display
第2の実施形態に示される表示画像に第1の実施形態に示される任意の表示画像を並列表示するようにしても良い。 The arbitrary display image shown in the first embodiment may be displayed in parallel with the display image shown in the second embodiment.
前記各実施形態は、肺癌における結節状異常の判定に関して記載しているが、本発明の手法は、例えば脳血管障害である脳動脈瘤のような血管に連続する瘤状異常に対しても適用可能である。 Each of the above embodiments describes the determination of the nodular abnormality in lung cancer, but the method of the present invention is also applied to an anomaly that continues to a blood vessel such as a cerebral aneurysm that is a cerebrovascular disorder. Is possible.
前記各実施形態では、マルチスライスCT2により取得される3次元画像を処理対象としているが、X線診断装置、磁気共鳴診断装置、あるいは超音波診断装置などの他の診断モダリティを用いて収集された3次元画像を処理対象としても良い。 In each of the above embodiments, a three-dimensional image acquired by the multi-slice CT2 is a processing target, but it is collected using another diagnostic modality such as an X-ray diagnostic apparatus, a magnetic resonance diagnostic apparatus, or an ultrasonic diagnostic apparatus. A three-dimensional image may be processed.
結節候補領域の特定は自動では行わず、ユーザにより指定された結節候補領域についての判定を行うようにしても良い。 The nodule candidate area may not be identified automatically, and the nodule candidate area specified by the user may be determined.
なお、本発明は上記実施形態そのまま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構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。 Note that the present invention is not limited to the above-described embodiment as it is, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage. In addition, various inventions can be formed by appropriately combining a plurality of components disclosed in the embodiment. For example, some components may be deleted from all the components shown in the embodiment. Furthermore, constituent elements over different embodiments may be appropriately combined.
1…医用画像診断支援装置、2…マルチスライスCT、3…医用画像診断支援装置、11…結節候補領域特定部、12…拡張結節候補領域特定部、13…判定部、14…画像データ処理部、15…表示画像生成部、16…表示器、31…入力部、32…表示画像生成部。
DESCRIPTION OF
Claims (15)
前記医用画像に含まれる解剖学的な異常候補領域を特定する手段と、
前記医用画像に基づいて、前記異常候補領域とその周辺領域とを互いに区別可能な形態で表す表示画像を生成する生成手段とを具備したことを特徴とする医用画像診断支援装置。 Storage means for storing a medical image representing the inside of the subject;
Means for identifying an anatomical abnormality candidate region included in the medical image;
A medical image diagnosis support apparatus, comprising: a generation unit configured to generate a display image representing the abnormality candidate region and its peripheral region in a form distinguishable from each other based on the medical image.
前記医用画像に含まれる解剖学的な異常候補領域を特定する手段と、
前記異常候補領域の位置を前記被検体の内部を表す画像中に表す表示画像を生成する生成手段と、
前記表示画像に関して行われる解剖学的異常の位置の指定を入力する入力手段と、
前記入力手段により入力された位置を前記解剖学的異常の位置として管理する手段とを具備したことを特徴とする医用画像診断支援装置。 Storage means for storing a medical image representing the inside of the subject;
Means for identifying an anatomical abnormality candidate region included in the medical image;
Generating means for generating a display image representing the position of the abnormal candidate region in an image representing the inside of the subject;
An input means for inputting designation of a position of an anatomical abnormality performed on the display image;
A medical image diagnosis support apparatus comprising: means for managing the position input by the input means as the position of the anatomical abnormality.
前記異常候補領域に関する第1の特徴量と前記周辺領域に関する第2の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段とをさらに具備し、
前記生成手段は、前記解剖学的異常領域であると判定された前記異常候補領域の位置のみを前記被検体の内部を表す画像中に表す画像として前記表示画像を生成することを特徴とする請求項10に記載の医用画像診断支援装置。 A peripheral region specifying means for specifying a peripheral region continuous with the abnormal candidate region;
Determination means for determining whether or not the abnormal candidate region is an anatomical abnormal region based on the first feature amount related to the abnormal candidate region and the second feature amount related to the peripheral region;
The generation unit generates the display image as an image representing only the position of the abnormal candidate region determined to be the anatomical abnormal region in an image representing the inside of the subject. Item 11. The medical image diagnosis support apparatus according to Item 10.
前記生成手段は、前記第2の入力手段により入力された位置を前記異常候補領域の位置とは区別可能に表す画像として前記表示画像を生成することを特徴とする請求項10に記載の医用画像診断支援装置。 A second input means for inputting designation of a position of a candidate for an anatomical abnormality performed on an image representing the inside of the subject;
The medical image according to claim 10, wherein the generation unit generates the display image as an image representing the position input by the second input unit so as to be distinguishable from the position of the abnormality candidate region. Diagnosis support device.
前記第1のモードでは前記第2の入力手段による入力を行わずに、前記生成部が前記異常候補領域の位置を前記被検体の内部を表す画像中に表す表示画像を生成し、前記第2のモードでは、前記第2の入力手段による入力を行って、前記生成手段が前記第2の入力手段により入力された位置を前記異常候補領域の位置とは区別可能に表す表示画像を生成することを特徴とする請求項12に記載の医用画像診断支援装置。 Means for inputting a selection designation of the first mode and the second mode, and setting the first mode or the second mode according to the selection designation;
In the first mode, the generation unit generates a display image representing the position of the abnormal candidate region in an image representing the inside of the subject without performing input by the second input unit, and the second mode In the mode, the input by the second input unit is performed, and the generation unit generates a display image that represents the position input by the second input unit so as to be distinguishable from the position of the abnormality candidate region. The medical image diagnosis support apparatus according to claim 12.
被検体の内部を表す医用画像に含まれる解剖学的な異常候補領域を特定する手段と、
前記医用画像に基づいて、前記異常候補領域とその周辺領域とを互いに区別可能な形態で表す表示画像を生成する生成手段として機能させることを特徴とする医用画像診断支援プログラム。 Computer
Means for identifying an anatomical abnormality candidate region included in the medical image representing the inside of the subject;
A medical image diagnosis support program that functions as a generation unit that generates a display image representing the abnormality candidate region and its peripheral region in a form that can be distinguished from each other based on the medical image.
被検体の内部を表す医用画像に含まれる解剖学的な異常候補領域を特定する手段と、
前記医用画像に含まれる解剖学的な異常候補領域の位置を前記被検体の内部を表す画像中に表す表示画像を生成する生成手段と、
前記表示画像に関して行われる解剖学的異常の位置の指定を入力する入力手段と、
前記入力手段により入力された位置を前記解剖学的異常の位置として管理する手段として機能させることを特徴とする医用画像診断支援プログラム。 Computer
Means for identifying an anatomical abnormality candidate region included in the medical image representing the inside of the subject;
Generating means for generating a display image representing the position of an anatomical abnormality candidate region included in the medical image in an image representing the inside of the subject;
An input means for inputting designation of a position of an anatomical abnormality performed on the display image;
A medical image diagnosis support program for causing a position input by the input means to function as a means for managing the position of the anatomical abnormality.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007147267A JP5142591B2 (en) | 2006-06-08 | 2007-06-01 | Medical image diagnosis support apparatus and medical image diagnosis support program |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006159423 | 2006-06-08 | ||
JP2006159423 | 2006-06-08 | ||
JP2007147267A JP5142591B2 (en) | 2006-06-08 | 2007-06-01 | Medical image diagnosis support apparatus and medical image diagnosis support program |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012106053A Division JP5344727B2 (en) | 2006-06-08 | 2012-05-07 | Medical image diagnosis support apparatus and medical image diagnosis support program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008012291A true JP2008012291A (en) | 2008-01-24 |
JP5142591B2 JP5142591B2 (en) | 2013-02-13 |
Family
ID=39069893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007147267A Active JP5142591B2 (en) | 2006-06-08 | 2007-06-01 | Medical image diagnosis support apparatus and medical image diagnosis support program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5142591B2 (en) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009273771A (en) * | 2008-05-16 | 2009-11-26 | Toshiba Corp | Image processor |
JP2009279179A (en) * | 2008-05-22 | 2009-12-03 | Toshiba Corp | Image display device and image display program |
JP2010000144A (en) * | 2008-06-18 | 2010-01-07 | Toshiba Corp | Medical image processing apparatus |
JP2011177241A (en) * | 2010-02-26 | 2011-09-15 | Tokyo Univ Of Science | Medical image display controller and program |
US8121376B2 (en) | 2008-03-21 | 2012-02-21 | National University Corporation Kobe University | Diagnostic imaging support processing apparatus and diagnostic imaging support processing program product |
WO2013077381A1 (en) * | 2011-11-25 | 2013-05-30 | オリンパス株式会社 | Image processing device, image processing method, and image processing program |
WO2014157706A1 (en) * | 2013-03-29 | 2014-10-02 | 株式会社 東芝 | Medical image processing device |
JP2017131454A (en) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | Medical image display system, medical image display program and medical image display method |
KR20190095996A (en) * | 2018-02-08 | 2019-08-19 | 주식회사 셀바스에이아이 | Method for predicting cancer suspicious area and device for predicting cancer suspicious area using the same |
US10588581B2 (en) | 2015-09-02 | 2020-03-17 | Fujitsu Limited | Cross-sectional image generating apparatus, cross-sectional image generating method, and recording medium |
CN112184659A (en) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | Lung image processing method, device and equipment |
WO2022153702A1 (en) * | 2021-01-18 | 2022-07-21 | 富士フイルム株式会社 | Medical image display device, method, and program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002245487A (en) * | 2001-02-20 | 2002-08-30 | Toshiba Medical System Co Ltd | Device and method for image display, image processor, and medical image diagnostic device |
JP2005118510A (en) * | 2003-10-15 | 2005-05-12 | Lexi:Kk | Program for measurement and observation of bleeding, tumor, bruise, etc of brain |
-
2007
- 2007-06-01 JP JP2007147267A patent/JP5142591B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002245487A (en) * | 2001-02-20 | 2002-08-30 | Toshiba Medical System Co Ltd | Device and method for image display, image processor, and medical image diagnostic device |
JP2005118510A (en) * | 2003-10-15 | 2005-05-12 | Lexi:Kk | Program for measurement and observation of bleeding, tumor, bruise, etc of brain |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8121376B2 (en) | 2008-03-21 | 2012-02-21 | National University Corporation Kobe University | Diagnostic imaging support processing apparatus and diagnostic imaging support processing program product |
JP2009273771A (en) * | 2008-05-16 | 2009-11-26 | Toshiba Corp | Image processor |
JP2009279179A (en) * | 2008-05-22 | 2009-12-03 | Toshiba Corp | Image display device and image display program |
JP2010000144A (en) * | 2008-06-18 | 2010-01-07 | Toshiba Corp | Medical image processing apparatus |
JP2011177241A (en) * | 2010-02-26 | 2011-09-15 | Tokyo Univ Of Science | Medical image display controller and program |
WO2013077381A1 (en) * | 2011-11-25 | 2013-05-30 | オリンパス株式会社 | Image processing device, image processing method, and image processing program |
JP2013111125A (en) * | 2011-11-25 | 2013-06-10 | Olympus Corp | Image processing device, image processing method, and image processing program |
US10178941B2 (en) | 2011-11-25 | 2019-01-15 | Olympus Corporation | Image processing apparatus, image processing method, and computer-readable recording device |
JP2014198099A (en) * | 2013-03-29 | 2014-10-23 | 株式会社東芝 | Medical image processing apparatus, medical image processing system and medical image diagnostic apparatus |
WO2014157706A1 (en) * | 2013-03-29 | 2014-10-02 | 株式会社 東芝 | Medical image processing device |
US11395601B2 (en) | 2013-03-29 | 2022-07-26 | Canon Medical Systems Corporation | Medical image processing apparatus |
US10588581B2 (en) | 2015-09-02 | 2020-03-17 | Fujitsu Limited | Cross-sectional image generating apparatus, cross-sectional image generating method, and recording medium |
JP2017131454A (en) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | Medical image display system, medical image display program and medical image display method |
KR20190095996A (en) * | 2018-02-08 | 2019-08-19 | 주식회사 셀바스에이아이 | Method for predicting cancer suspicious area and device for predicting cancer suspicious area using the same |
KR102140437B1 (en) | 2018-02-08 | 2020-08-03 | 주식회사 셀바스에이아이 | Method for predicting cancer suspicious area and device for predicting cancer suspicious area using the same |
CN112184659A (en) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | Lung image processing method, device and equipment |
CN112184659B (en) * | 2020-09-24 | 2023-08-25 | 上海健康医学院 | Lung image processing method, device and equipment |
WO2022153702A1 (en) * | 2021-01-18 | 2022-07-21 | 富士フイルム株式会社 | Medical image display device, method, and program |
Also Published As
Publication number | Publication date |
---|---|
JP5142591B2 (en) | 2013-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5344727B2 (en) | Medical image diagnosis support apparatus and medical image diagnosis support program | |
JP5142591B2 (en) | Medical image diagnosis support apparatus and medical image diagnosis support program | |
JP4599191B2 (en) | Diagnostic imaging processing apparatus and diagnostic imaging processing program | |
US7869640B2 (en) | Medical image processing apparatus and medical image processing method | |
JP4253497B2 (en) | Computer-aided diagnosis device | |
US20110054295A1 (en) | Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor | |
JP5566299B2 (en) | Medical image processing apparatus and medical image processing method | |
JP2007537811A (en) | How to detect nodules | |
JP2007202957A (en) | Wall motion measuring device and medical image diagnostic apparatus | |
JP2010528750A (en) | Inspection of tubular structures | |
JP5388614B2 (en) | Medical image processing apparatus, image diagnostic apparatus, and medical image processing program | |
US8121376B2 (en) | Diagnostic imaging support processing apparatus and diagnostic imaging support processing program product | |
JP5670144B2 (en) | Medical image display device and medical image display program | |
JP5066233B2 (en) | Diagnostic imaging processing device | |
Gibbs et al. | 3D path planning and extension for endoscopic guidance | |
JP4336083B2 (en) | Image diagnosis support apparatus and image diagnosis support method | |
Wiemker et al. | Computer-aided detection (CAD) and volumetry of pulmonary nodules on high-resolution CT data | |
JP2009078161A (en) | Image diagnosis supporting device | |
JP6424147B2 (en) | Image processing apparatus, method, and program | |
JP2022073262A (en) | Medical image processing device, medical image processing method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100528 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120507 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20120529 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121023 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121120 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151130 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5142591 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |