JP2008073332A - Medical image processor, image processing method and program - Google Patents

Medical image processor, image processing method and program Download PDF

Info

Publication number
JP2008073332A
JP2008073332A JP2006257617A JP2006257617A JP2008073332A JP 2008073332 A JP2008073332 A JP 2008073332A JP 2006257617 A JP2006257617 A JP 2006257617A JP 2006257617 A JP2006257617 A JP 2006257617A JP 2008073332 A JP2008073332 A JP 2008073332A
Authority
JP
Japan
Prior art keywords
blood vessel
image
abnormal
length
relative
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
Application number
JP2006257617A
Other languages
Japanese (ja)
Other versions
JP3928977B1 (en
Inventor
Hiroshi Fujita
廣志 藤田
Ryoichi Uchiyama
良一 内山
Hitoshi Futamura
仁 二村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gifu University NUC
Konica Minolta Medical and Graphic Inc
Original Assignee
Gifu University NUC
Konica Minolta Medical and Graphic Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gifu University NUC, Konica Minolta Medical and Graphic Inc filed Critical Gifu University NUC
Priority to JP2006257617A priority Critical patent/JP3928977B1/en
Priority to PCT/JP2006/319304 priority patent/WO2008035446A1/en
Application granted granted Critical
Publication of JP3928977B1 publication Critical patent/JP3928977B1/en
Publication of JP2008073332A publication Critical patent/JP2008073332A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Artificial Intelligence (AREA)
  • Vascular Medicine (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a medical image processor automatically detecting abnormal blood vessel candidates with the high possibility of occlusion in brain MRA images. <P>SOLUTION: After performing the processing of thinning to blood vessel images to which blood vessel part names are attached, the length of each blood vessel is calculated. From the calculated length of each blood vessel, a ratio occupied by the length of each blood vessel in the length of the entire blood vessels is calculated further, the calculated ratio and a normal value are compared, and thus the presence/absence of an occlusive blood vessel and an occlusive blood vessel part name are detected. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、ＭＲＡ画像において閉塞が起こっている血管部位を自動検出する医用画像処理装置、画像処理方法及びプログラムに関する。   The present invention relates to a medical image processing apparatus, an image processing method, and a program for automatically detecting a vascular site where occlusion occurs in an MRA image.

磁気共鳴断層撮影（ＭＲＩ；Magnetic Resonance Imaging）装置の高性能化と普及に伴い、脳ドックの検査数が急速に増加している。脳ドッグの目的としては、血管の閉塞や狭窄、未破裂動脈瘤等の脳血管疾患に係る危険因子を早期に発見することで、発見された危険因子の発症あるいは進行を防止することにある。   As the performance of magnetic resonance tomography (MRI) apparatus increases and becomes widespread, the number of brain dock examinations is rapidly increasing. The purpose of the brain dog is to prevent the onset or progression of the discovered risk factor by early discovering risk factors related to cerebrovascular diseases such as occlusion and stenosis of blood vessels and unruptured aneurysms.

ＭＲＩ装置では、血管内の血液の流れを画像化するＭＲＡ（Magnetic Resonance Angiography）画像を生成することができ、このＭＲＡ画像から血管の閉塞や狭窄、未破裂動脈瘤等の異常を発見することができる。
しかし、閉塞、狭窄や未破裂動脈瘤が極微小である場合、生成された画像から当該異常部位を視覚により識別することが困難である。また、たとえ識別できたとしても、多くの読影時間が必要となることから、医師の疲労による見落としが生じてしまう場合がある。 The MRI apparatus can generate an MRA (Magnetic Resonance Angiography) image that images the blood flow in the blood vessel, and can detect abnormalities such as occlusion, stenosis, and unruptured aneurysm from the MRA image. it can.
However, when the occlusion, stenosis, or unruptured aneurysm is extremely small, it is difficult to visually identify the abnormal site from the generated image. Moreover, even if it can be identified, a lot of interpretation time is required, which may cause oversight due to doctor fatigue.

そこで、識別し難い複数の血管部位が交差する領域について、交差している後方の血管像の輝度を低下させることにより手前の血管像の識別を容易にする、ＭＲＡ画像の表示方法に関する技術が開示されている（特許文献１参照）。また、ＭＲＩによる血管像から計測された血管の直径と、基準となる血管の直径とを比較することにより、狭窄の検出を自動的に行う方法及び装置に関する技術が開示されている（特許文献２参照）。
特開平５−２７７０９１号公報 特開２００４−３２９９２９号公報 Accordingly, a technique related to a display method of an MRA image that makes it easy to identify a preceding blood vessel image by reducing the luminance of the blood vessel image behind the intersecting blood vessel image in a region where a plurality of blood vessel sites that are difficult to identify intersect is disclosed. (See Patent Document 1). Further, a technique related to a method and apparatus for automatically detecting stenosis by comparing the diameter of a blood vessel measured from a blood vessel image by MRI and the diameter of a blood vessel serving as a reference is disclosed (Patent Document 2). reference).
Japanese Patent Laid-Open No. 5-277091 JP 2004-329929 A

しかしながら、上記特許文献１に記載の方法では、医師が観察したい手前の血管像において、更に手前に他の血管像が交差している場合にはその血管像を除去することができない。したがって、必ずしも所望の血管像のみを抽出して観察することが出来るとは限らず、交差部分については詳細な観察が困難となる。また、特許文献２に記載の方法では、血管の狭窄や動脈瘤を自動的に検出する技術ではあっても、血管の「閉塞」を自動的に検出する技術に関するものではない。さらに、特許文献２に記載の方法では、異常血管の有無を検出することは出来ても、特許文献１について上述しているように、血管像が交差していた場合にはどの血管部位について異常が起こっているのかが不明確となる場合がある。   However, in the method described in Patent Document 1, if a blood vessel image in front of a doctor wants to observe and another blood vessel image intersects further in front, the blood vessel image cannot be removed. Therefore, it is not always possible to extract and observe only a desired blood vessel image, and it is difficult to observe in detail at the intersection. Further, the method described in Patent Document 2 is a technique for automatically detecting a stenosis or an aneurysm of a blood vessel, but does not relate to a technique for automatically detecting “occlusion” of a blood vessel. Furthermore, in the method described in Patent Document 2, although the presence or absence of an abnormal blood vessel can be detected, as described above in Patent Document 1, if a blood vessel image intersects, which blood vessel part is abnormal It may be unclear what happens.

本発明の課題は、閉塞が発生している可能性が高い異常血管部位を自動検出する機能を備えた医用画像処理装置を提供することにある。   An object of the present invention is to provide a medical image processing apparatus having a function of automatically detecting an abnormal blood vessel site having a high possibility of occurrence of occlusion.

請求項１に記載の発明は、
検査対象画像から血管像を抽出する抽出手段と、
前記血管像と血管像に含まれる一又は複数の血管部位が予め特定された参照画像とを比較し、その比較結果に基づいて前記血管像に含まれる一又は複数の血管部位を判別する血管判別手段と、
前記血管判別手段により判別された各血管部位のそれぞれにつき相対的血管長を算出し、各相対的血管長を特徴量として用い判別分析した結果に基づいて異常血管部位を検出する異常血管検出手段と、
を備えることを特徴としている。 The invention described in claim 1
Extracting means for extracting a blood vessel image from the examination target image;
A blood vessel discrimination that compares the blood vessel image with a reference image in which one or more blood vessel portions included in the blood vessel image are specified in advance, and determines one or more blood vessel portions included in the blood vessel image based on the comparison result Means,
An abnormal blood vessel detecting means for calculating a relative blood vessel length for each of the blood vessel portions discriminated by the blood vessel discriminating means and detecting an abnormal blood vessel portion based on a result of discriminant analysis using each relative blood vessel length as a feature amount; ,
It is characterized by having.

請求項２に記載の発明は、請求項１に記載の発明において、
前記検査対象画像を表示する表示手段と、
前記表示された検査対象画像において前記検出された異常血管部位を識別表示させる表示制御手段と、
を備えることを特徴としている。 The invention according to claim 2 is the invention according to claim 1,
Display means for displaying the inspection object image;
Display control means for identifying and displaying the detected abnormal blood vessel site in the displayed examination image;
It is characterized by having.

請求項３に記載の発明は、請求項２に記載の発明において、
前記参照画像は、各血管部位についてその血管名が定められており、
前記異常血管検出手段は、前記参照画像に基づいて前記検出された異常血管部位の血管名を判別し、
前記表示制御手段は、前記判別された異常血管の血管名を識別表示された前記異常血管に対応付けて表示することを特徴としている。 The invention according to claim 3 is the invention according to claim 2,
In the reference image, the blood vessel name is determined for each blood vessel site,
The abnormal blood vessel detecting means determines a blood vessel name of the detected abnormal blood vessel site based on the reference image;
The display control means displays the identified abnormal blood vessel name in association with the abnormal blood vessel identified and displayed.

請求項４に記載の発明は、請求項１〜３の何れか一項に記載の発明において、
前記異常血管検出手段は、前記算出された各血管部位の相対的血管長を、正常症例における各血管部位の相対的血管長と比較することにより異常血管部位の有無を検出することを特徴としている。 The invention according to claim 4 is the invention according to any one of claims 1 to 3,
The abnormal blood vessel detection means detects the presence or absence of an abnormal blood vessel portion by comparing the calculated relative blood vessel length of each blood vessel portion with the relative blood vessel length of each blood vessel portion in a normal case. .

請求項５に記載の発明は、請求項１〜４の何れか一項に記載の発明において、
前記異常血管検出手段は、前記血管像に対し細線化処理を施し、当該処理画像を用いて各血管部位の相対的血管長を算出することを特徴としている。 The invention according to claim 5 is the invention according to any one of claims 1 to 4,
The abnormal blood vessel detecting means performs thinning processing on the blood vessel image, and calculates a relative blood vessel length of each blood vessel site using the processed image.

請求項６に記載の発明は、請求項１〜５の何れか一項に記載の発明において、
前記検査対象画像は、ＭＲＡ画像であり、
前記異常血管検出手段は、閉塞が発生した異常血管部位を検出することを特徴としている。 The invention according to claim 6 is the invention according to any one of claims 1 to 5,
The inspection object image is an MRA image,
The abnormal blood vessel detection means detects an abnormal blood vessel site where an occlusion has occurred.

請求項７に記載の発明は、請求項１〜６の何れか一項に記載の発明において、
前記異常血管検出手段により検出された異常血管部位に関する情報を、当該検出に用いた相対的血管長の情報と対応付けて記憶する記憶手段を備え、
前記表示制御手段は、前記記憶手段により対応付けて記憶された相対的血管長の情報を２次元空間に分布させて前記表示手段上に表示させ、さらにこの前記２次元空間に分布する何れかの相対的血管長の情報が指定されると、当該指定された相対的血管長の情報に対応付けられた前記異常血管部位に関する情報を前記記憶手段から取得して前記表示手段上に表示させることを特徴としている。 The invention according to claim 7 is the invention according to any one of claims 1 to 6,
Storage means for storing information related to the abnormal blood vessel site detected by the abnormal blood vessel detection means in association with information on the relative blood vessel length used for the detection;
The display control means distributes relative blood vessel length information stored in association with the storage means in a two-dimensional space, displays the information on the display means, and further distributes the information in the two-dimensional space. When the relative blood vessel length information is designated, the information on the abnormal blood vessel part associated with the designated relative blood vessel length information is acquired from the storage means and displayed on the display means. It is a feature.

請求項８に記載の発明は、請求項１〜６の何れか一項に記載の発明において、
異常血管部位に関する情報と特徴量とを対応付けて記憶する記憶手段と、
前記特徴量を座標空間にプロットしたときの、該座標空間における前記検査対象画像の特徴量との距離が所定範囲内にある、前記記憶手段に記憶された特徴量と対応付けられた異常血管部位に関する情報を検索する検索手段とを有することを特徴としている。 The invention according to claim 8 is the invention according to any one of claims 1 to 6,
Storage means for storing information on abnormal blood vessel sites and feature quantities in association with each other;
The abnormal blood vessel site associated with the feature quantity stored in the storage means, when the feature quantity is plotted in the coordinate space, the distance from the feature quantity of the inspection target image in the coordinate space is within a predetermined range And a search means for searching for information related to.

請求項９に記載の発明は、
前記抽出手段により、検査対象画像から血管像を抽出する抽出工程と、
前記血管判別手段により、前記血管像と血管像に含まれる一又は複数の血管部位が予め特定された参照画像とを比較し、その比較結果に基づいて前記血管像に含まれる一又は複数の血管部位を判別する判別工程と、
前記異常血管検出手段により、前記血管判別手段により判別された各血管部位のそれぞれにつき相対的血管長を算出し、各相対的血管長を判別分析した結果に基づいて異常血管部位を検出する検出工程と、
を含むことを特徴としている。 The invention according to claim 9 is:
An extraction step of extracting a blood vessel image from the examination target image by the extraction means;
The blood vessel discrimination unit compares the blood vessel image with a reference image in which one or more blood vessel parts included in the blood vessel image are specified in advance, and based on the comparison result, one or more blood vessels included in the blood vessel image A discrimination step for discriminating a site;
A detecting step of calculating a relative blood vessel length for each of the blood vessel portions discriminated by the blood vessel discriminating unit and detecting an abnormal blood vessel portion based on a result of discriminating and analyzing each relative blood vessel length by the abnormal blood vessel detecting unit. When,
It is characterized by including.

請求項１０に記載の発明は、請求項９に記載の発明において
コンピュータに、画像処理方法を実行させるプログラムであることを特徴としている。 A tenth aspect of the present invention is the program according to the ninth aspect of the present invention, characterized in that it is a program for causing a computer to execute an image processing method.

請求項１、９、１０に記載の発明によれば、
検査対象画像における血管像から各血管部位の血管長が算出され、全血管の血管長に対する各血管部位の血管長の割合（相対的血管長）がさらに算出される。このような複数の血管部位との関係で求めた相対的血管長は、ある一つの血管部位でその血管長に変化があれば他の血管部位の相対的血管長に大きな変化をもたらすこととなる。よって、算出された各相対的血管長を特徴量として用い判別分析することにより、対象血管像の各血管部位に異常を伴っている可能性が高い異常血管部位が含まれるか否かを検出することができるとともに、その異常血管部位は何れの血管部位であるかを特定することが可能となる。 According to invention of Claim 1, 9, 10,
The blood vessel length of each blood vessel part is calculated from the blood vessel image in the examination target image, and the ratio of the blood vessel length of each blood vessel part to the blood vessel length of all blood vessels (relative blood vessel length) is further calculated. The relative blood vessel length obtained in relation to such a plurality of blood vessel sites will cause a large change in the relative blood vessel length of other blood vessel sites if there is a change in the blood vessel length in one blood vessel site. . Therefore, by discriminating and analyzing each calculated relative blood vessel length as a feature amount, it is detected whether or not an abnormal blood vessel portion that is likely to be abnormal is included in each blood vessel portion of the target blood vessel image. In addition, it is possible to identify which vascular site is the abnormal vascular site.

請求項２の発明によれば、
検査対象画像及び検査対象画像から検出され異常血管部位画像表示されることで、医師や技師等の閲覧者にとって視覚的に把握し易くなり、異常血管の形状や大きさ等の認識が容易となる。血管像は複数の血管部位が重なり合うことが多い。よって、検出された異常血管部位のみを識別表示することにより、医師は注目したい異常血管部位のみ観察することが可能となる。 According to the invention of claim 2,
By being detected from the inspection target image and the inspection target image and displaying the abnormal blood vessel region image, it is easy for a viewer such as a doctor or engineer to visually grasp, and the shape or size of the abnormal blood vessel can be easily recognized. . In a blood vessel image, a plurality of blood vessel sites often overlap. Therefore, by identifying and displaying only the detected abnormal blood vessel site, the doctor can observe only the abnormal blood vessel site that he / she wants to pay attention to.

請求項３に記載の発明によれば、
対象血管像に各血管部位の名称が付帯され、表示される。これにより、医師は容易に各血管部位の名称を把握することができる。また、血管像が複雑に重なり合う２次元画像上において、血管部位の誤認識を防止することができる。 According to invention of Claim 3,
The name of each blood vessel part is attached to the target blood vessel image and displayed. Thereby, the doctor can grasp | ascertain the name of each blood-vessel site | part easily. In addition, it is possible to prevent erroneous recognition of a blood vessel site on a two-dimensional image in which blood vessel images overlap in a complicated manner.

請求項４に記載の発明によれば、
対象血管像から算出した各血管の相対的血管長と、別に算出した基準となる相対的血管長とを比較することにより、対象血管像の各血管に異常を伴う血管が含まれるか否かが検出される。異常血管が検出された場合、その旨が医師や技師等の閲覧者に通知される。これにより、読影が困難な検査対象画像の場合や医師の疲労等によって、異常血管部位を見落とすことを防止することができる。 According to invention of Claim 4,
By comparing the relative blood vessel length of each blood vessel calculated from the target blood vessel image with the reference relative blood vessel length calculated separately, whether or not each blood vessel in the target blood vessel image includes an abnormal blood vessel is determined. Detected. When an abnormal blood vessel is detected, a notice to that effect is notified to a viewer such as a doctor or an engineer. Thereby, it is possible to prevent an abnormal blood vessel site from being overlooked due to an examination object image that is difficult to interpret or due to fatigue of a doctor or the like.

請求項５に記載の発明によれば、
検査対象画像から抽出した血管像について細線化を施す。血管の長さの算出には血管の太さが大きく影響し、血管の太さは被写体によって個人差が大きい。よって、血管像については細線化処理を施すことにより、血管像の中心部分のみを用いて血管の長さを算出することができ、血管の長さの算出に対する個人差の影響を最小限にすることができる。従って、血管像における各血管部位の相対的血管長を精度良く算出することができる。 According to the invention of claim 5,
Thinning is performed on the blood vessel image extracted from the examination target image. The calculation of the length of the blood vessel greatly affects the thickness of the blood vessel, and the thickness of the blood vessel varies greatly depending on the subject. Therefore, by thinning the blood vessel image, the length of the blood vessel can be calculated using only the central portion of the blood vessel image, and the influence of individual differences on the calculation of the blood vessel length is minimized. be able to. Therefore, the relative blood vessel length of each blood vessel part in the blood vessel image can be calculated with high accuracy.

請求項６に記載の発明によれば、
血管の異常が特に閉塞であった場合に、閉塞が起こっている血管部位を検出することができる。 According to the invention of claim 6,
When the abnormality of the blood vessel is particularly occlusion, the vascular site where the occlusion occurs can be detected.

請求項７、８に記載の発明によれば、
記憶手段により、異常血管検出手段が過去に算出した相対的血管長のデータを血管像等と対応付けて記憶することができる。記憶された複数のデータの内、一又は複数のデータが表示制御手段により表示される。操作者は、表示された過去のデータに基づき、現在検出された症例と類似する過去の症例を容易に検索することができる。医師は、検索された症例に基づいて、現在検出された異常血管部位に対する適切な処置を図ることができる。 According to invention of Claim 7, 8,
The storage means can store the relative blood vessel length data calculated in the past by the abnormal blood vessel detection means in association with the blood vessel image or the like. Among the plurality of stored data, one or a plurality of data is displayed by the display control means. The operator can easily search for past cases similar to the currently detected case based on the displayed past data. Based on the retrieved cases, the doctor can take appropriate measures for the abnormal blood vessel site that is currently detected.

以下、本発明に係る医用画像処理装置について最適な実施形態の構成及び動作について図面を用いて詳細に説明する。   Hereinafter, the configuration and operation of an optimal embodiment of a medical image processing apparatus according to the present invention will be described in detail with reference to the drawings.

図１に、本実施形態における医用画像処理装置１０の内部構成を示す。図１に示すように、医用画像処理装置１０は制御部１１、操作部１２、表示部１３、記憶部１４、通信部１５から構成される。本実施形態においては、制御部１１が抽出手段、血管判別手段、異常血管判別手段、表示制御手段、検索手段の各手段として機能する。また、表示部１３は表示手段として、記憶部１４は記憶手段として機能する。その他、操作部１２、通信部１５は、上述した各手段の指示により動作する。   FIG. 1 shows an internal configuration of a medical image processing apparatus 10 in the present embodiment. As shown in FIG. 1, the medical image processing apparatus 10 includes a control unit 11, an operation unit 12, a display unit 13, a storage unit 14, and a communication unit 15. In the present embodiment, the control unit 11 functions as each unit of an extraction unit, a blood vessel discrimination unit, an abnormal blood vessel discrimination unit, a display control unit, and a search unit. The display unit 13 functions as a display unit, and the storage unit 14 functions as a storage unit. In addition, the operation unit 12 and the communication unit 15 operate according to instructions from the above-described units.

制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成され、記憶部１４に格納されている所定のプログラムをＲＡＭに展開し、当該プログラムとの協働により処理動作を統括的に制御する。   The control unit 11 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), and the like, expands a predetermined program stored in the storage unit 14 to the RAM, and performs a processing operation in cooperation with the program. Control all over.

操作部１２は、数字キー、文字キー、機能キー等を備えたキーボードや、マウス等を備えて構成され、操作されたキーに対応する操作信号を制御部１１に出力する。   The operation unit 12 includes a keyboard having numeric keys, character keys, function keys, and the like, a mouse, and the like, and outputs an operation signal corresponding to the operated key to the control unit 11.

表示部１３は、ＬＣＤ（Liquid Crystal Display）等を備えて構成され、制御部１１の表示制御に従って、医用画像や操作画面等の各種表示情報を表示する。なお、表示部１３は、操作部１２と一体型のタッチパネルを構成する態様としてもよい。   The display unit 13 includes an LCD (Liquid Crystal Display) or the like, and displays various display information such as medical images and operation screens in accordance with display control of the control unit 11. Note that the display unit 13 may be configured as an integrated touch panel with the operation unit 12.

記憶部１４は、システムプログラムの他、制御部１１により実行される制御プログラムや画像処理プログラム等の各種プログラムを備え、各プログラムの実行に必要な各種パラメータを記憶し、実行された後に処理されたデータ等を記憶する。また、過去の症例の異常血管部位に関する情報と、該症例において算出された特徴量である相対的血管長とを対応付けて記憶する。なお、相対的血管長については後述する。   The storage unit 14 includes various programs such as a control program executed by the control unit 11 and an image processing program in addition to the system program, stores various parameters necessary for the execution of each program, and is processed after being executed. Store data etc. In addition, information related to abnormal blood vessel sites in the past cases is stored in association with the relative blood vessel length that is the feature amount calculated in the case. The relative blood vessel length will be described later.

通信部１５は、ネットワークインターフェイスカードやモデム等の通信用のインターフェイスを備えて構成される。医用画像処理装置１０により画像生成された医用画像が、通信部１５を介してプリンタサーバや画像サーバ、ビューワ等の外部装置へ送信される。   The communication unit 15 includes a communication interface such as a network interface card or a modem. A medical image generated by the medical image processing apparatus 10 is transmitted to an external device such as a printer server, an image server, or a viewer via the communication unit 15.

次に、図２、図４、図１１のフローチャートを参照して上述した医用画像処理装置１０の動作について説明する。なお、以下に説明するフローチャートにおける各処理は、制御部１１と記憶部１４に記憶された各種のプログラムとの協働により実行される。   Next, the operation of the medical image processing apparatus 10 described above will be described with reference to the flowcharts of FIGS. Each process in the flowchart described below is executed in cooperation with the control unit 11 and various programs stored in the storage unit 14.

まず、図２のフローチャートを参照して、本発明に係る医用画像処理装置１０の処理の概要について説明する。
大略して各血管部位の名付けを行う「血管部位判別処理」（ステップＳ１〜Ｓ４）と、閉塞等の異常血管候補を検出する「異常血管検出処理」（ステップＳ５〜Ｓ８）とで構成されている。
本実施形態において、ステップＳ１が抽出工程、ステップＳ２〜Ｓ４、ステップＳ１１〜Ｓ１７が判別工程、ステップＳ５〜Ｓ８、ステップＳ２１〜Ｓ３０が検出工程に対応している。 First, the outline of the process of the medical image processing apparatus 10 according to the present invention will be described with reference to the flowchart of FIG.
This is composed of “blood vessel part discrimination processing” (steps S1 to S4) for naming each blood vessel part in short, and “abnormal blood vessel detection processing” (steps S5 to S8) for detecting abnormal blood vessel candidates such as occlusions. Yes.
In the present embodiment, step S1 corresponds to the extraction process, steps S2 to S4, steps S11 to S17 correspond to the determination process, and steps S5 to S8 and steps S21 to S30 correspond to the detection process.

詳細については後述するが、血管部位判別処理では、まず制御部１１により検査対象となる３次元ＭＲＡ画像（以下「対象画像」）が入力される（ステップＳ１）。制御部１１では入力された対象画像から血管像（以下「対象血管像」）が抽出され、この対象血管像を血管の部位が予め設定されている参照画像（図３参照）と比較するために、当該対象画像について、平行移動、回転を伴う各画像処理が施される（ステップＳ２）。制御部１１では、対象血管像と参照画像とが比較され（ステップＳ３）、その比較結果に基づいて対象血管像に含まれる複数の血管部位が判別される。その後、参照画像に設定されている各血管部位の名称の情報が原画像である対象画像のヘッダ領域に書き込まれ、付帯される（ステップＳ４）。   Although details will be described later, in the blood vessel region determination process, first, a three-dimensional MRA image (hereinafter referred to as “target image”) to be examined is input by the control unit 11 (step S1). In the control unit 11, a blood vessel image (hereinafter referred to as “target blood vessel image”) is extracted from the input target image, and this target blood vessel image is compared with a reference image (see FIG. 3) in which a blood vessel part is set in advance. The target image is subjected to image processing with translation and rotation (step S2). In the control unit 11, the target blood vessel image and the reference image are compared (step S3), and a plurality of blood vessel parts included in the target blood vessel image are determined based on the comparison result. After that, information on the names of the blood vessel parts set in the reference image is written in the header area of the target image that is the original image and attached (step S4).

さらに、異常血管検出処理では、制御部１１により全ての血管部位の長さにおける各血管部位の長さの割合（以下「相対的血管長」）が個別的に算出される（ステップＳ５）。算出された各相対的血管長は、正常症例における各血管部位の長さの割合（以下「正常値」）と比較される（ステップＳ６）。なお、ここでいう正常値とは、正常かつ平均的な健康状態であると医師により認定された被写体の３次元ＭＲＡ画像から算出された相対的血管長である。   Further, in the abnormal blood vessel detection processing, the ratio of the length of each blood vessel part to the length of all blood vessel parts (hereinafter referred to as “relative blood vessel length”) is calculated individually by the control unit 11 (step S5). Each calculated relative blood vessel length is compared with the ratio of the length of each blood vessel site in a normal case (hereinafter, “normal value”) (step S6). The normal value here is a relative blood vessel length calculated from a three-dimensional MRA image of a subject recognized by a doctor as being in a normal and average health state.

制御部１１では、比較の結果、対象血管像から算出された各相対的血管長が、正常値と所定値以上の差異がある場合、当該所定値以上となる血管部位において閉塞がある可能性が高いと判断され、当該血管部位が異常血管候補として検出される（ステップＳ７）。
ＭＲＡ画像は血管の流れを撮影するものである。閉塞が発生している血管は血液が流れないため、ＭＲＡ画像においては血管像として画像化されないこととなる。よって、閉塞が発生している場合には正常な場合に比して各相対的血管長のバランスが大きく崩れていることが考えられる。本実施形態では、各相対的血管長を求め、これを正常症例の各相対的血管長（正常値）と比較することにより、閉塞の可能性が高い異常血管候補を検出するものである。
次いで、制御部１１において上記３次元ＭＲＡ画像の付帯情報に基づいて、異常血管候補の名称が判別されると（ステップＳ８）、本処理は終了する。 As a result of the comparison, if the relative blood vessel length calculated from the target blood vessel image is different from the normal value by a predetermined value or more, there is a possibility that there is a blockage in the blood vessel part that is the predetermined value or more. It is determined that the blood vessel portion is high, and the blood vessel part is detected as an abnormal blood vessel candidate (step S7).
The MRA image is an image of blood flow. Since blood does not flow through the blood vessel in which the blockage has occurred, the MRA image is not imaged as a blood vessel image. Therefore, it can be considered that when the occlusion occurs, the balance of the relative blood vessel lengths is greatly lost as compared with the normal case. In this embodiment, each relative blood vessel length is obtained and compared with each relative blood vessel length (normal value) of a normal case, thereby detecting an abnormal blood vessel candidate having a high possibility of occlusion.
Next, when the name of the abnormal blood vessel candidate is determined on the basis of the incidental information of the three-dimensional MRA image in the control unit 11 (step S8), the process ends.

閉塞が発生している可能性が高い血管部位の名称を医師に提示することで、読影に要する時間の短縮化や医師の疲労による異常部位の見落とし防止等を図ることができる。また、異常レベルの数値化（相対的血管長の算出）により、異常の中でも特に重篤であるか否かの判断をすることができる。具体的には、正常値との比較により、正常値との差が大きいほど異常の程度が大きい（重篤である）ことを示す。さらに、異常血管検出処理により算出された、過去の相対的血管長に関するデータを図示しないデータベース等に格納しておくことで、現在検出した症例に類似した過去の症例を検索する際に利用することができる。過去の類似症例の経過観察結果から、現在の症例に対して適切な処置を図ることができる。   By providing the doctor with the name of a blood vessel part that is highly likely to be occluded, it is possible to shorten the time required for interpretation and prevent oversight of an abnormal part due to fatigue of the doctor. In addition, it is possible to determine whether or not the abnormality is particularly serious by quantifying the abnormal level (calculating the relative blood vessel length). Specifically, the comparison with the normal value indicates that the greater the difference from the normal value, the greater the degree of abnormality (seriousness). Furthermore, by storing data related to past relative blood vessel lengths calculated by abnormal blood vessel detection processing in a database (not shown) or the like, it can be used when searching for past cases similar to the currently detected case. Can do. Appropriate treatment for the current case can be achieved from the past observation results of similar cases.

ここで、図３を参照して、上述した血管部位判別処理において用いる参照画像について説明する。
参照画像は、図３（ａ）に示すように、３次元ＭＲＡ画像上の血管像について、一又は複数の血管部位の位置及びその名称が予め設定されたものである。ここで、血管部位とは解剖学上の血管の分類をいい、血管部位の位置とは当該血管部位に属するボクセルの位置をいう。 Here, with reference to FIG. 3, the reference image used in the blood vessel part discrimination process described above will be described.
As shown in FIG. 3A, the reference image is obtained by presetting positions and names of one or a plurality of blood vessel portions in a blood vessel image on the three-dimensional MRA image. Here, the blood vessel part refers to anatomical blood vessel classification, and the position of the blood vessel part refers to the position of the voxel belonging to the blood vessel part.

図３（ａ）では、血管像に含まれる８つの血管部位（前大脳動脈ＡＣ、右中大脳動脈ＲＣ、左中脳動脈ＬＣ、右内頸動脈ＲＩ、左内頸動脈ＬＩ、右後大脳動脈ＲＰ、左後大脳動脈ＬＰ、脳底動脈ＢＡ）についてその位置及び血管部位の名称を設定した例を示している。なお、図３（ａ）では８つの血管部位のうち、３つの血管部位（右中大脳動脈ＲＣ、前大脳動脈ＡＣ、脳底動脈ＢＡ）についてのみ名称を示しているが、８つ全ての血管部位について名称は設定される。   In FIG. 3A, eight vascular sites (anterior cerebral artery AC, right middle cerebral artery RC, left middle cerebral artery LC, right internal carotid artery RI, left internal carotid artery LI, right posterior cerebral artery included in the vascular image are shown. An example is shown in which the positions of RP, left posterior cerebral artery LP, and basilar artery BA) and the names of blood vessel sites are set. FIG. 3 (a) shows only the names of three of the eight blood vessel sites (the right middle cerebral artery RC, the anterior cerebral artery AC, and the basilar artery BA). A name is set for the part.

参照画像ｇ２は、参照画像用に選択された、図３（ｂ）に示すような頭部ＭＲＡ画像ｇ１の３次元データから作成される。まず、この３次元データからある間隔毎にアキシャル画像（体軸に垂直な面でボクセルを切り出した２次元断層画像）を作成する。そして、一のアキシャル画像において医師の指摘に基づき、手動操作により各血管部位に属するボクセルを指定し、さらにその血管部位の名称を指定する。これを体軸方向に位置を変えてスライスした各アキシャル画像について繰り返すことにより、３次元データを構成する全ボクセルのうち、各血管部位に属するボクセルの位置及び血管部位の名称を設定することができる。   The reference image g2 is created from the three-dimensional data of the head MRA image g1 selected for the reference image as shown in FIG. First, an axial image (a two-dimensional tomographic image in which voxels are cut out in a plane perpendicular to the body axis) is created from this three-dimensional data at certain intervals. Based on the doctor's indication in one axial image, a voxel belonging to each blood vessel part is designated by manual operation, and further, the name of the blood vessel part is designated. By repeating this for each axial image sliced by changing the position in the body axis direction, it is possible to set the position of the voxel belonging to each blood vessel part and the name of the blood vessel part among all the voxels constituting the three-dimensional data. .

また、参照画像ｇ２には血管の屈曲点、終局点、血管部位同士の交差点等の特徴的な箇所においてランドマークのボクセルが設定される。ランドマークは対象画像と参照画像との位置合わせに使用されるものであるが、詳細な説明は後述する。ランドマークについても医師の指摘に基づく手動操作に応じて設定される。   In the reference image g2, landmark voxels are set at characteristic points such as a blood vessel bending point, an end point, and an intersection of blood vessel parts. The landmark is used for alignment between the target image and the reference image, and will be described in detail later. The landmark is also set according to a manual operation based on a doctor's indication.

以上のようにして作成された参照画像ｇ２は、記憶部１４に保存される。
なお、参照画像ｇ２の作成は医用画像処理装置１０の制御部１１で行ってもよいし、外部で作成されたものを記憶部１４に保存することとしてもよい。また、血管像に含まれる８つの血管部位を示すため、図３（ａ）では各血管部位を識別表示したが、実際の参照画像ｇ２は背景が黒（低信号値）、血管像が白（高信号値）と２値化された画像である。そして、各血管部位に属するボクセルの位置情報、名称の情報及びランドマークであるボクセルの位置情報は、参照画像に付帯されている、或いは参照画像と対応付けて別ファイルとして記憶部１４に保存される。 The reference image g2 created as described above is stored in the storage unit 14.
The reference image g2 may be created by the control unit 11 of the medical image processing apparatus 10, or an externally created image may be stored in the storage unit 14. Further, in order to show eight blood vessel parts included in the blood vessel image, each blood vessel part is identified and displayed in FIG. 3A, but the actual reference image g2 has a black background (low signal value) and a white blood vessel image (low signal value). High signal value) and a binarized image. Then, the position information of the voxels belonging to each blood vessel part, the name information, and the position information of the voxels that are landmarks are attached to the reference image or stored in the storage unit 14 as separate files in association with the reference image. The

次に、図４のフローチャートを参照して血管部位判別処理について具体的に説明する。
医用画像処理装置１０では、まず対象画像に対して制御部１１により正規化処理が施される（ステップＳ１１）。
対象画像として用いられるＭＲＡ画像は、血液の流れを画像化したものであるため、被写体や撮影条件によってボクセルが等サイズではない直方体となったり、ボクセル値の最大値、最小値にばらつきが生じたりする。そこで、対象画像に関する前提条件を統一するため、正規化処理を施す。 Next, the blood vessel part determination process will be specifically described with reference to the flowchart of FIG.
In the medical image processing apparatus 10, a normalization process is first performed on the target image by the control unit 11 (step S11).
Since the MRA image used as the target image is an image of the blood flow, the voxel may be a cuboid that is not the same size or the maximum and minimum values of the voxel value may vary depending on the subject and imaging conditions. To do. Therefore, normalization processing is performed to unify the preconditions regarding the target image.

正規化処理では、まずボクセルを構成する全ての辺が等サイズとなるように線形補間法により対象画像が変換される。次に、対象画像の全てのボクセルのボクセル値についてヒストグラムが作成され、ヒストグラムの上位５％以上のボクセル値を１０２４、最小のボクセル値を０として、対象画像の全てのボクセル値が０〜１０２４の階調に線形変換される。このとき、ボクセル値が高信号値であるほど濃度値１０２４に近く、低信号値であるほど濃度値０に近くなるように変換される。なお、濃度階調のレンジは、０〜１０２４に限らず適宜設定可能である。   In the normalization process, first, the target image is converted by linear interpolation so that all sides constituting the voxel have the same size. Next, a histogram is created for the voxel values of all the voxels of the target image. The voxel values of the top 5% or more of the histogram are set to 1024, the minimum voxel value is set to 0, and all the voxel values of the target image are 0 to 1024. Linear conversion to gradation. At this time, the higher the voxel value, the closer to the density value 1024, and the lower the signal value, the closer to the density value 0. The density gradation range is not limited to 0 to 1024 and can be set as appropriate.

図５に、正規化処理の一例を示す。
図５（ａ）に示す対象画像ｇ３、図５（ｂ）に示す対象画像ｇ４はそれぞれ異なる患者を被写体としたものである。そのため、対象画像ｇ３から得られたヒストグラムｈ１（図５（ａ）参照）と、対象画像ｇ４から得られたヒストグラムｈ３（図５（ｂ）参照）とでは、２つの極大点があるという特徴が共通するが、そのボクセル値の範囲にかなり相違があり、全体としてヒストグラム特性が異なるものとなっていることが分かる。このようなヒストグラム特性を有する対象画像ｇ３、ｇ４について上記の正規化処理を施した後に再度ヒストグラムを作成すると、図５（ａ）に示すヒストグラムｈ２、図５（ｂ）に示すヒストグラムｈ４がそれぞれ得られる。ヒストグラムｈ２、ｈ４から分かるように、正規化処理によって各対象画像ｇ３、ｇ４のヒストグラム特性がほぼ同じものとなっている。 FIG. 5 shows an example of normalization processing.
The target image g3 shown in FIG. 5 (a) and the target image g4 shown in FIG. 5 (b) are different subjects as subjects. Therefore, the histogram h1 obtained from the target image g3 (see FIG. 5A) and the histogram h3 obtained from the target image g4 (see FIG. 5B) have two local maximum points. Although common, there is a considerable difference in the range of the voxel values, and it can be seen that the histogram characteristics are different as a whole. When the above normalization processing is performed on the target images g3 and g4 having such histogram characteristics and the histogram is created again, the histogram h2 shown in FIG. 5A and the histogram h4 shown in FIG. 5B are obtained. It is done. As can be seen from the histograms h2 and h4, the histogram characteristics of the target images g3 and g4 are substantially the same by the normalization process.

正規化処理を終えると、制御部１１では当該正規化された対象画像から血管像が抽出される（ステップＳ１２）。
まず、対象画像について閾値処理が施され、２値化が行われる。一般的に、ＭＲＡ画像では、図６（ａ）に示すように血管像は白く、その他の組織部分は黒っぽく表示されるため、２値化画像では血管像はその他の領域とは異なる値となる。よって、領域拡張法により血管像と同程度の信号値を有する領域の抽出を行う。 When the normalization process is finished, the control unit 11 extracts a blood vessel image from the normalized target image (step S12).
First, threshold processing is performed on the target image, and binarization is performed. In general, in the MRA image, as shown in FIG. 6A, the blood vessel image is displayed in white and the other tissue portions are displayed in black. Therefore, in the binarized image, the blood vessel image has a value different from other regions. . Therefore, the region having the same signal value as the blood vessel image is extracted by the region expansion method.

領域拡張法では、２値化画像を用いて始点となるボクセル（最も白く高濃度値のボクセル）を決定し、２値化処理前の対象画像においてその始点と決定されたボクセルの近傍２６ボクセルを調べ、ある判定条件（例えば、濃度値が５００以上であること）を満たす近傍ボクセルを血管像と判断する。そして、この血管像と判断された近傍ボクセルについても上記と同様の処理を繰り返す。このように、領域を拡張しながら判定条件を満たすボクセルを順次抽出することにより、血管像の画像領域を抽出することができる。   In the region expansion method, a voxel that is a starting point (whitest and high density value voxel) is determined using a binarized image, and 26 voxels in the vicinity of the voxel determined as the starting point in the target image before binarization processing are determined. A nearby voxel satisfying a certain determination condition (for example, having a density value of 500 or more) is determined as a blood vessel image. Then, the same processing as described above is repeated for the neighboring voxels determined to be the blood vessel image. In this manner, the image region of the blood vessel image can be extracted by sequentially extracting the voxels that satisfy the determination condition while expanding the region.

図６（ｂ）に、血管像を抽出した対象血管像ｇ６を示す。
対象血管像ｇ６は、図６（ａ）に示す正規化後の対象画像ｇ５から血管像を抽出し、当該血管像の領域を白（濃度値１０２４）、その他の領域を黒（濃度値０）で２値化したものである。 FIG. 6B shows a target blood vessel image g6 from which a blood vessel image is extracted.
For the target blood vessel image g6, a blood vessel image is extracted from the normalized target image g5 shown in FIG. 6A, the region of the blood vessel image is white (density value 1024), and the other regions are black (density value 0). And binarized.

次に、制御部１１では、対象血管像の位置と参照画像の血管像の位置とを略一致させるため、各画像の重心位置を元に位置合わせが行われる（ステップＳ１３）。重心位置は、血管像に属する全てのボクセルの重心となるボクセルの位置である。   Next, in order to make the position of the target blood vessel image and the position of the blood vessel image of the reference image substantially coincide with each other, the control unit 11 performs alignment based on the position of the center of gravity of each image (step S13). The center-of-gravity position is the position of the voxel that is the center of gravity of all the voxels belonging to the blood vessel image.

図７を参照して、具体的に説明する。
図７（ａ）は、位置合わせ前の対象血管像と参照画像とを重ね合わせた図である。図７（ａ）から単に対象血管像と参照画像を合わせただけではそれぞれの血管像の位置が一致していないことが分かる。
そこで、制御部１１では、図７（ａ）に示すように対象血管像の重心Ｐ（ｘ１、ｙ１、ｚ１）、参照画像の重心Ｑ（ｘ２、ｙ２、ｚ２）の位置が求められる。次いで、この重心位置Ｐ、Ｑが一致するように、対象血管像又は参照画像が平行移動される。平行移動により各重心位置Ｐ、Ｑを一致させた結果が、図７（ｂ）に示す図である。図７（ｂ）から対象血管像と参照画像の位置が大まかに一致していることが分かる。 A specific description will be given with reference to FIG.
FIG. 7A is a diagram in which the target blood vessel image and the reference image before alignment are superimposed. It can be seen from FIG. 7A that the positions of the respective blood vessel images do not coincide by simply combining the target blood vessel image and the reference image.
Therefore, the control unit 11 obtains the positions of the center of gravity P (x1, y1, z1) of the target blood vessel image and the center of gravity Q (x2, y2, z2) of the reference image as shown in FIG. Subsequently, the target blood vessel image or the reference image is translated so that the barycentric positions P and Q coincide with each other. FIG. 7B shows the result of matching the barycentric positions P and Q by translation. It can be seen from FIG. 7B that the positions of the target blood vessel image and the reference image roughly match.

さらに、精度よく位置合わせを行うため、制御部１１では対象血管像について剛体変形が行われる（ステップＳ１４）。
まず、剛体変形の前処理として相互相関係数を用いた対応点の検索が行われる。剛体変形は、位置合わせを行う２つの画像についてそれぞれ複数の対応点を設定し、この２つの画像において設定された対応点がそれぞれ一致するように一方の画像を変換するものである。ここでは、参照画像において予め定められているランドマークのボクセルと、局所的に画像特性が類似する対象血管像のボクセルが対応点として設定される。画像特性の類似性は、対象血管像と参照画像について相互相関係数が求められ、この相互相関係数に基づいて判断される。 Further, in order to perform alignment with high accuracy, the control unit 11 performs rigid body deformation on the target blood vessel image (step S14).
First, a corresponding point search using a cross-correlation coefficient is performed as preprocessing for rigid body deformation. In rigid deformation, a plurality of corresponding points are set for two images to be aligned, and one image is converted so that the corresponding points set in the two images coincide with each other. Here, landmark voxels determined in advance in the reference image and voxels of the target blood vessel image having locally similar image characteristics are set as corresponding points. The similarity of image characteristics is determined based on a cross-correlation coefficient obtained for the target blood vessel image and the reference image.

具体的には、図８（ａ）に示すように、予め参照画像ｇ７の血管像において設定されている１２点のランドマークに対応する対応点が対象血管像から検索される。対応点の検索時には、図８（ｂ）に示すように、対象血管像ｇ８において、参照画像ｇ７の各ランドマークと対応する位置のボクセルを開始点とし、対象血管像ｇ８及び参照画像ｇ７において当該開始点及びランドマークのボクセルからＸ軸、Ｙ軸、Ｚ軸方向に−１０〜＋１０ボクセルの範囲（２１×２１×２１ボクセルの立方領域）内のボクセルが探索され、各ボクセルについて、下記式（１）により相互相関係数Ｃ（以下「相関値Ｃ」）が算出される。
上記式（１）においてＡ（ｉ，ｊ，ｋ）は参照画像ｇ７のボクセル位置、Ｂ（ｉ，ｊ，ｋ）は対象血管像ｇ８のボクセル位置を示す。ＩＪＫは探索領域のサイズを示し、ＩＪＫ＝２１×２１×２１である。 Specifically, as shown in FIG. 8A, corresponding points corresponding to 12 landmarks set in advance in the blood vessel image of the reference image g7 are searched from the target blood vessel image. When searching for corresponding points, as shown in FIG. 8B, in the target blood vessel image g8, the voxel at the position corresponding to each landmark of the reference image g7 is used as the start point, and the target blood vessel image g8 and the reference image g7 Voxels within a range of −10 to +10 voxels in the X-axis, Y-axis, and Z-axis directions (21 × 21 × 21 voxel cubic region) are searched from the starting point and landmark voxels, and for each voxel, the following formula ( 1), a cross-correlation coefficient C (hereinafter referred to as “correlation value C”) is calculated.
In the above equation (1), A (i, j, k) indicates the voxel position of the reference image g7, and B (i, j, k) indicates the voxel position of the target blood vessel image g8. IJK indicates the size of the search area, and IJK = 21 × 21 × 21.

また、α、βは、それぞれ参照画像ｇ７、対象血管像ｇ８における探索領域内のボクセル値の平均値であり、下記式（２）、（３）により示される。σＡ、σＢは、それぞれ参照画像ｇ７、対象血管像ｇ８における探索領域内のボクセル値の標準偏差であり、下記式（４）、（５）により示される。
Α and β are average values of the voxel values in the search region in the reference image g7 and the target blood vessel image g8, respectively, and are represented by the following equations (2) and (3). σ A and σ B are standard deviations of voxel values in the search region in the reference image g7 and the target blood vessel image g8, respectively, and are expressed by the following equations (4) and (5).

相関値Ｃは−１．０〜１．０の値域を持ち、最大値１．０に近いほど、参照画像ｇ７と対象血管像ｇ８の画像特性が類似していることを示す。
そこで、最も大きな相関値Ｃをとるボクセルの位置が、参照画像ｇ７のランドマークに対応する対象血管像ｇ８の対応点として設定される。 The correlation value C has a range of −1.0 to 1.0, and the closer to the maximum value 1.0, the more similar the image characteristics of the reference image g7 and the target blood vessel image g8 are.
Therefore, the position of the voxel having the largest correlation value C is set as the corresponding point of the target blood vessel image g8 corresponding to the landmark of the reference image g7.

対応点が設定されると、制御部１１ではこの対応点に基づき、対象血管像ｇ８に対して剛体変形を施すことにより、対象血管像ｇ８と参照画像ｇ７との位置合わせが行われる。剛体変形は、アフィン変換の一つであり、回転、平行移動により座標変換を行うものである。位置合わせは、最小二乗法を用いた剛体変形を複数回繰り返すＩＣＰ（Iterative Closest Point）アルゴリズムにより対象血管像ｇ８の対応点が参照画像ｇ７のランドマークに一致するように行われる。このアルゴリズムによれば、剛体変形を行う毎に、参照画像のランドマークと対象血管像の対応点における距離の最小二乗誤差を算出し、当該最小二乗誤差がある閾値を超える等の終了条件を満たすまで剛体変形が繰り返される。なお、剛体変形に代えてアフィン変換（回転、平行移動に加えて拡大縮小を行う変換方法）を行うこととしてもよい。   When the corresponding point is set, the control unit 11 aligns the target blood vessel image g8 and the reference image g7 by applying a rigid deformation to the target blood vessel image g8 based on the corresponding point. Rigid body deformation is one of affine transformations, in which coordinate transformation is performed by rotation and translation. The alignment is performed so that the corresponding point of the target blood vessel image g8 coincides with the landmark of the reference image g7 by an ICP (Iterative Closest Point) algorithm that repeats rigid body deformation using the least square method a plurality of times. According to this algorithm, every time a rigid body is deformed, the least square error of the distance at the corresponding point between the landmark of the reference image and the target blood vessel image is calculated, and the end condition such that the least square error exceeds a certain threshold condition is satisfied. The rigid body deformation is repeated until. Instead of the rigid body deformation, affine transformation (a transformation method that performs enlargement / reduction in addition to rotation and translation) may be performed.

次いで、参照画像に基づき、剛体変形により位置合わせされた対象血管像に含まれる各血管部位が制御部１１において判別される（ステップＳ１５）。
まず、参照画像の各血管部位に属するボクセル全てを対象に（以下「対象ボクセル」）、対象血管像における一の注目ボクセルとのユークリッド距離の２乗が求められる。そして、その求めたユークリッド距離が最短となる対象ボクセルが属する血管部位が、注目ボクセルが属する血管部位であると判断される。またこのとき、対象ボクセルに設定されている血管部位の名称から、注目ボクセルの血管部位の名称が判断される。 Next, based on the reference image, each blood vessel part included in the target blood vessel image aligned by rigid body deformation is determined by the control unit 11 (step S15).
First, the square of the Euclidean distance from one target voxel in the target blood vessel image is obtained for all the voxels belonging to each blood vessel part of the reference image (hereinafter “target voxel”). Then, it is determined that the blood vessel part to which the target voxel having the shortest Euclidean distance belongs is the blood vessel part to which the target voxel belongs. At this time, the name of the blood vessel part of the target voxel is determined from the name of the blood vessel part set in the target voxel.

対象血管像の血管像を構成する全てのボクセルに対し、注目ボクセルを設定して上記の処理を行い、全ボクセルについて対応する血管部位が判別されると、その判別された血管部位に属するボクセルの位置、血管部位の名称を示す血管部位情報が制御部１１により生成され、対象画像に付帯される（ステップＳ１６）。
例えば、位置（ｘ３、ｙ３、ｚ３）のボクセルは前大脳動脈の血管部位であると判別された場合、そのボクセル位置「（ｘ３，ｙ３、ｚ３）」のボクセルは血管名称「前大脳動脈」の血管部位であることを示す血管部位情報が対象画像のヘッダ領域に格納されることで付帯される。 For all the voxels constituting the blood vessel image of the target blood vessel image, the target voxel is set and the above processing is performed. When the corresponding blood vessel part is determined for all the voxels, the voxel belonging to the determined blood vessel part is determined. Blood vessel part information indicating the position and name of the blood vessel part is generated by the control unit 11 and attached to the target image (step S16).
For example, when it is determined that the voxel at the position (x3, y3, z3) is a blood vessel part of the anterior cerebral artery, the voxel at the position “(x3, y3, z3)” has the blood vessel name “anterior cerebral artery”. The blood vessel part information indicating the blood vessel part is attached by being stored in the header area of the target image.

図９に、血管部位の判別結果を示す。
図９（ａ）に示す対象血管像ｇ９と図９（ｂ）に示す対象血管像ｇ１１は、それぞれ異なる被写体から得られた画像であり、図９（ａ）に示す画像ｇ１０、図９（ｂ）に示す画像ｇ１２はそれぞれ対象血管像ｇ９、ｇ１１から各血管部位が判別され、その血管部位毎に色を変えて識別表示した画像である。画像ｇ１０、ｇ１２から、剛体変形による位置合わせを行うことにより、画像ｇ１０、ｇ１２の血管像が異なる形態（血管の位置、大きさ、延在方向等）であるにも拘わらず、同じように血管部位を識別できていることが分かる。 FIG. 9 shows the discrimination result of the blood vessel site.
The target blood vessel image g9 shown in FIG. 9 (a) and the target blood vessel image g11 shown in FIG. 9 (b) are images obtained from different subjects, and the image g10 and FIG. 9 (b) shown in FIG. ) Is an image in which each blood vessel part is discriminated from each of the target blood vessel images g9 and g11, and the color is changed for each blood vessel part. By performing alignment by rigid body deformation from the images g10 and g12, the blood vessel images are the same even though the blood vessel images of the images g10 and g12 have different forms (blood vessel position, size, extending direction, etc.). It can be seen that the part can be identified.

以上が、対象画像における血管部位を判別し、その血管部位情報を付帯するまでの流れである。そして、このような対象画像について操作部１２を介して表示指示操作がなされると、制御部１１により対象画像にＭＩＰ（Maximum Intensity Projection）処理が施されてＭＩＰ画像が生成され、表示部１３上に表示される（以下、ＭＩＰ画像の表示をＭＩＰ表示という）。
なお、ＭＩＰ法とは、３次元的に構築された画像データに対し任意の視点方向に投影処理を行うことで投影経路中の最大値を投影面（２次元面）に表示する手法であり、断層像だけでは全体としての連続性が把握し難い場合に有効な手法である。 The above is a flow from determining a blood vessel part in the target image to attaching the blood vessel part information. When a display instruction operation is performed on the target image via the operation unit 12, the control unit 11 performs MIP (Maximum Intensity Projection) processing on the target image to generate a MIP image. (Hereinafter, the display of the MIP image is referred to as MIP display).
The MIP method is a method for displaying the maximum value in the projection path on the projection plane (two-dimensional plane) by performing projection processing on the image data constructed three-dimensionally in an arbitrary viewpoint direction. This is an effective method when it is difficult to grasp continuity as a whole only by tomographic images.

対象画像がＭＩＰ表示された状態においてさらに血管部位の識別表示の指示操作がなされると、制御部１１では対象画像に付帯されている血管部位情報が参照され、この血管部位情報に基づき、ＭＩＰ画像中の血管像において各血管部位が識別可能となるように表示制御が行われる（ステップＳ１７）。   When an instruction operation for identifying and displaying a blood vessel part is performed in a state where the target image is displayed in MIP, the control unit 11 refers to blood vessel part information attached to the target image, and based on this blood vessel part information, the MIP image Display control is performed so that each blood vessel part can be identified in the blood vessel image in the middle (step S17).

例えば、血管部位情報に基づいて各血管部位のボクセル位置及び名称が判別されると、制御部１１では、ＭＩＰ画像において前大脳動脈ＡＣの血管部位に属するボクセルには青色、脳底動脈ＢＡの血管部位に属するボクセルには緑色等、血管部位毎に判別された位置にあるボクセルに血管部位毎の色が設定される。そして、対象画像のＭＩＰ画像に当該設定色を反映させる。さらにその血管部位の名称を指示すアノテーション画像が作成されてＭＩＰ画像の対応する血管部位に合成される。   For example, when the voxel position and name of each blood vessel part are determined based on the blood vessel part information, the control unit 11 determines that the voxel belonging to the blood vessel part of the anterior cerebral artery AC in the MIP image is blue and the blood vessel of the basilar artery BA. A color for each blood vessel part is set to a voxel at a position determined for each blood vessel part such as green for the voxel belonging to the part. Then, the set color is reflected in the MIP image of the target image. Further, an annotation image indicating the name of the blood vessel part is created and synthesized with the corresponding blood vessel part of the MIP image.

図１０に、識別表示例を示す。
図１０においてＭＩＰ画像ｇ１３は対象画像が頭部上方向からＭＩＰ表示されたものである。このＭＩＰ画像ｇ１３が表示された状態で各血管部位の識別表示が指示操作されると、識別表示画像ｇ１４が表示される。識別表示画像ｇ１４は、対象血管像において８種類の血管部位にそれぞれ異なる色を付す等して、各血管部位を識別表示したものである。識別表示画像ｇ１４において、医師によりある血管部位が選択操作されると、制御部１１の表示制御により当該選択された血管部位に関連づけて「脳底動脈」等の血管部位の名称を示すアノテーションｍが表示される。 FIG. 10 shows an example of identification display.
In FIG. 10, a MIP image g13 is a target image that is displayed in MIP from above the head. When the identification display of each blood vessel part is instructed with the MIP image g13 displayed, an identification display image g14 is displayed. The identification display image g14 is obtained by identifying and displaying each blood vessel part by giving different colors to the eight kinds of blood vessel parts in the target blood vessel image. In the identification display image g14, when a doctor selects a blood vessel part, an annotation m indicating the name of the blood vessel part such as “basal artery” is associated with the selected blood vessel part by display control of the control unit 11. Is displayed.

上記頭部上方向のＭＩＰ画像ｇ１３に対して、側面方向からのＭＩＰ表示が指示されると、制御部１１により側面方向に応じたＭＩＰ画像ｇ１５が作成されて、表示される。ＭＩＰ画像ｇ１５では、手前側の血管像と後方側の血管像とが重なり合っており、観察しづらい表示となっている。このようなＭＩＰ画像ｇ１５においても、血管部位の識別表示が可能である。血管部位情報を参照することにより、何れのボクセルが何れの血管部位に該当するのかを判別することができるため、ＭＩＰ表示の観察方向の変動によらず、識別表示すべきボクセルを特定できるからである。   When MIP display from the side surface direction is instructed with respect to the MIP image g13 in the head upward direction, the control unit 11 creates and displays an MIP image g15 corresponding to the side surface direction. In the MIP image g15, the blood vessel image on the near side and the blood vessel image on the rear side overlap each other, and the display is difficult to observe. Even in such an MIP image g15, the blood vessel part can be identified and displayed. Since it is possible to determine which voxel corresponds to which blood vessel part by referring to the blood vessel part information, the voxel to be identified and displayed can be specified regardless of the change in the observation direction of the MIP display. is there.

ＭＩＰ画像ｇ１５に対応する識別表示画像は画像ｇ１６である。この識別表示画像ｇ１６においては、何れかの血管部位のみを抽出して表示することが可能である。
制御部１１では、操作部１２を介して何れか一の血管部位が選択操作されると、当該選択された血管部位のボクセルの輝度のみを投影させたＭＩＰ画像、つまり対象画像のＭＩＰ画像ｇ１５から選択された血管部位のみが抽出された血管選択画像ｇ１７が表示される。血管選択画像ｇ１７では、選択された血管部位のみＭＩＰ表示され、その他の血管部位が非表示とされているため、医師は関心のある血管部位のみに注目して観察することができる。 The identification display image corresponding to the MIP image g15 is the image g16. In this identification display image g16, it is possible to extract and display only one of the blood vessel sites.
When any one blood vessel part is selected and operated via the operation unit 12, the control unit 11 projects from the MIP image in which only the luminance of the voxel of the selected blood vessel part is projected, that is, the MIP image g15 of the target image. A blood vessel selection image g17 in which only the selected blood vessel site is extracted is displayed. In the blood vessel selection image g17, only the selected blood vessel part is displayed in MIP and the other blood vessel parts are not displayed, so that the doctor can observe only the blood vessel part of interest.

また、これら表示された画像ｇ１３〜ｇ１７は、同一画面上に並べて表示することとしてもよいし、一画面一画像として切替表示することとしてもよい。前者の場合、ＭＩＰ画像ｇ１３と識別表示画像ｇ１４、血管選択画像ｇ１７等とを比較観察することが可能となるし、後者の場合は全画面表示で各画像ｇ１３〜ｇ１７を観察することができ、詳細を観察しやすくなる。   The displayed images g13 to g17 may be displayed side by side on the same screen, or may be switched and displayed as one image per screen. In the former case, the MIP image g13, the identification display image g14, the blood vessel selection image g17, and the like can be compared and observed. In the latter case, the images g13 to g17 can be observed on a full screen display. It becomes easier to observe details.

次に、図１１のフローチャートを参照して、異常血管検出処理について具体的に説明する。
上述した血管部位判別処理の後、制御部１１により対象血管像に対して細線化処理が施される（ステップＳ２１）。細線化とは、一定の太さのある図形を、屈曲点、終局点、血管部位同士の交差点等の特徴的な箇所を除いて、太さ１の線図形に変換する処理をいう。後段の処理において血管の長さを算出するがこの長さは血管領域を構成するボクセル数によって算出されるものである。血管領域は同じ血管部位であっても被写体によって個人差が生じる。細線化処理はこの血管領域の個人差を最小限とするために行うものである。 Next, the abnormal blood vessel detection processing will be specifically described with reference to the flowchart of FIG.
After the blood vessel part discrimination process described above, the control unit 11 performs a thinning process on the target blood vessel image (step S21). Thinning refers to a process of converting a figure having a certain thickness into a line figure having a thickness of 1 except for characteristic points such as an inflection point, an end point, and an intersection of blood vessel sites. In the subsequent processing, the length of the blood vessel is calculated, and this length is calculated by the number of voxels constituting the blood vessel region. Even if the blood vessel region is the same blood vessel region, individual differences occur depending on the subject. The thinning process is performed to minimize individual differences in the blood vessel region.

具体的には、まず、血管領域を抽出した２値画像（血管領域の濃度値が１、背景の濃度値が０となる画像）に対して、２乗ユークリッド距離変換を行う。ユークリッド距離変換された画像とは、入力画像の全てが０の値となるボクセル（以下「０ボクセル」）から注目ボクセルまでの距離の最小値の２乗で定義される画像である。境界ボクセル（注目ボクセルの２６近傍に１以上の０ボクセルが存在する）中で最小の距離をもつ画像を抽出し、それらのボクセルをその近傍の０ボクセルの配置によって９種類に分類する。分類した一のボクセルについて、同一種類の境界ボクセルの消去可能性を判定し、消去可能なボクセルを逐次的に消去（０ボクセルに変更）する。９種類の境界ボクセルの各々について上述と同様の処理を行い、消去可能ボクセルが存在するまで繰り返すことで細線化の処理が実行される。なお、細線化については上記以外の何れの方法を適宜適用してもよく、例えば、文献「Saito T, Toriwaki J. A sequential thinning algorithm for three dimensional digital pictures using the Euclidean distance transformation. Proceedings of the 9th Scandinavian Conference on Image Analysis SCIA 95. Uppsala, Sweden 1995;507-516.」に記載されている３次元画像における細線化処理が、いわゆる当業者において知られている。   Specifically, first, square Euclidean distance conversion is performed on a binary image obtained by extracting a blood vessel region (an image having a blood vessel region density value of 1 and a background density value of 0). The Euclidean distance-converted image is an image defined by the square of the minimum value of the distance from the voxel (hereinafter “0 voxel”) in which all the input images have a value of 0 to the target voxel. Images having the minimum distance are extracted from boundary voxels (one or more 0 voxels exist in the vicinity of 26 of the target voxel), and these voxels are classified into nine types according to the arrangement of the 0 voxels in the vicinity. The erasability of the same kind of boundary voxel is determined for one classified voxel, and the erasable voxels are sequentially erased (changed to 0 voxel). The thinning process is executed by performing the same process as described above for each of the nine types of boundary voxels and repeating until there is an erasable voxel. For thinning, any method other than the above may be applied as appropriate, for example, the literature `` Saito T, Toriwaki J. A sequential thinning algorithm for three dimensional digital pictures using the Euclidean distance transformation.Proceedings of the 9th Scandinavian A thinning process in a three-dimensional image described in “Conference on Image Analysis SCIA 95. Uppsala, Sweden 1995; 507-516” is known to those skilled in the art.

図１２に、細線化処理の結果例を示す。
図１２（ａ）には、正常かつ平均的な健康状態である被写体の血管像（以下「正常血管像」）ｇ１８、ｇ１９を示し、図１２（ｂ）には、閉塞を伴った被写体の血管像（以下「閉塞血管像」）ｇ１９、ｇ２０を示す。また、血管像ｇ１８、ｇ２０は細線化処理を施す前のものであり、血管像ｇ１９、ｇ２１は細線化処理を施した後のものである。正常血管像ｇ１９と閉塞血管像ｇ２１とを比較すると、例えば、右中大脳動脈ＲＣの血管の長さの違いが明確に表示されていることが分かる。 FIG. 12 shows an example of the result of the thinning process.
FIG. 12A shows blood vessel images (hereinafter “normal blood vessel images”) g18 and g19 of a subject in a normal and average health state, and FIG. 12B shows blood vessels of the subject with obstruction. Images (hereinafter “occluded blood vessel images”) g19 and g20 are shown. The blood vessel images g18 and g20 are those before the thinning process, and the blood vessel images g19 and g21 are those after the thinning process. Comparing the normal blood vessel image g19 and the occluded blood vessel image g21, for example, it can be seen that the difference in the length of the blood vessel of the right middle cerebral artery RC is clearly displayed.

細線化処理が施されると、制御部１１により細線化処理された閉塞血管像ｇ２１から各血管部位における血管の長さが算出される（ステップＳ２２）。
具体的には、細線化処理が施されることにより、血管の芯線画像（血管を細線化して得られた血管の中央部分（芯）が１ボクセルでその他のボクセルが０ボクセルとなった画像）が取得される。取得された芯線画像から、１ボクセルのボクセル数をカウントすることにより血管の長さが算出される。 When the thinning process is performed, the length of the blood vessel in each blood vessel part is calculated from the occluded blood vessel image g21 thinned by the control unit 11 (step S22).
Specifically, by performing the thinning process, the blood vessel core image (image in which the central portion (core) of the blood vessel obtained by thinning the blood vessel is 1 voxel and the other voxels are 0 voxels) Is acquired. The length of the blood vessel is calculated by counting the number of voxels of one voxel from the acquired core line image.

次に、制御部１１により相対的血管長が算出される（ステップＳ２３）。相対血管長は全血管部位の長さに対する各血管部位の長さの比率である。全血管部位の長さは、ステップＳ２２において算出した各血管部位の長さの総和を求めることにより算出される。ここでは、血管判別処理において上述した８つの血管（前大脳動脈ＡＣ、右中大脳動脈ＲＣ、左中脳動脈ＬＣ、右内頸動脈ＲＩ、左内頸動脈ＬＩ、右後大脳動脈ＲＰ、左後大脳動脈ＬＰ、脳底動脈ＢＡ）の８つの血管部位の各相対的血管長を算出する例を説明する。   Next, the relative blood vessel length is calculated by the control unit 11 (step S23). The relative blood vessel length is a ratio of the length of each blood vessel portion to the length of all blood vessel portions. The length of all blood vessel parts is calculated by obtaining the sum of the lengths of the respective blood vessel parts calculated in step S22. Here, the eight blood vessels described above in the blood vessel discrimination process (anterior cerebral artery AC, right middle cerebral artery RC, left middle cerebral artery LC, right internal carotid artery RI, left internal carotid artery LI, right posterior cerebral artery RP, left rear cerebral artery RP) An example in which the relative vascular lengths of the eight vascular sites of the cerebral artery LP and the basilar artery BA are calculated will be described.

図１３に、複数の被写体において算出された相対的血管長の一例を示す。正常かつ平均的な健康状態である被写体の正常血管像から算出された各相対的血管長（正常値）は、異なる被写体同士であっても同程度の割合となる（例えば、図１３に示すように被写体Ａ〜Ｃの前大脳動脈ＡＣの割合は同程度である）。一方、閉塞を伴った被写体の血管像から算出された各相対的血管長は、閉塞が発生している血管部位の割合が著しく小さくなるとともに、その他の正常な血管部位の割合が大きくなり、各相対的血管長のバランスが大きく崩れている。これは閉塞が生じた血管部位の長さが短くなると、全血管長を占める閉塞の血管部位の長さの比率が小さくなるに伴い、その他の正常な血管部位の比率が大きくなるためである。図１３では、被写体Ｄは右中大脳動脈ＲＣ、被写体Ｅは前大脳動脈ＡＣ及び左後大脳動脈ＬＰにそれぞれ閉塞が起こっている可能性を確認することができる。   FIG. 13 shows an example of relative blood vessel lengths calculated for a plurality of subjects. Each relative blood vessel length (normal value) calculated from the normal blood vessel image of the subject in the normal and average health state is the same ratio even in different subjects (for example, as shown in FIG. 13). The ratio of the anterior cerebral artery AC of subjects A to C is about the same). On the other hand, each relative blood vessel length calculated from the blood vessel image of the subject with the occlusion significantly decreases the proportion of the vascular portion where the occlusion occurs, and increases the proportion of the other normal vascular portions. The balance of relative vessel length is greatly broken. This is because when the length of the occluded blood vessel portion is shortened, the ratio of the length of the occluded blood vessel portion occupying the entire blood vessel length is reduced, and the proportion of other normal blood vessel portions is increased. In FIG. 13, it can be confirmed that the subject D has a right middle cerebral artery RC, and the subject E has a possibility that the anterior cerebral artery AC and the left posterior cerebral artery LP are occluded.

次に、図１４、１５を参照して、算出された相対的血管長をある任意の座標系に分布させる処理について、以下に説明する。
正常血管像から算出された各相対的血管長（正常値）と、閉塞血管像から算出された各相対的血管長（閉塞値）との分布の様子から、各血管部位が正常か否かを容易に判断する事ができる。さらに、閉塞値同士が近い位置に分布する場合、当該分布の範囲内にある閉塞値を、過去の類似症例として容易に検索することができる。 Next, a process for distributing the calculated relative blood vessel length in a certain arbitrary coordinate system will be described with reference to FIGS.
Based on the distribution of each relative blood vessel length (normal value) calculated from the normal blood vessel image and each relative blood vessel length (occlusion value) calculated from the occluded blood vessel image, it is determined whether or not each blood vessel part is normal. Can be easily judged. Furthermore, when the obstruction values are distributed at positions close to each other, the obstruction values within the distribution range can be easily retrieved as past similar cases.

制御部１１では、上述したステップ２３の処理により算出した８つの相対的血管長が８つの特微量として８次元空間にプロットされる（ステップＳ２４）。
図１４（ａ）に、３つの相対的血管長を特微量として３次元空間にプロットした分布図を示す。なお、説明の便宜上、ここでは３つの相対的血管長を基に３次元空間にプロットする例を示したが、実際には上述したように、８つの相対的血管長を要素として８次元空間にプロットするものとする。また、図１４（ｂ）は、３つの相対的血管長における正常な被写体Ａ〜Ｃと、閉塞を伴う被写体Ｄ、Ｅを示す。 In the control unit 11, the eight relative blood vessel lengths calculated by the processing in step 23 described above are plotted in the eight-dimensional space as eight feature amounts (step S24).
FIG. 14A shows a distribution diagram in which the three relative blood vessel lengths are plotted as a feature amount in a three-dimensional space. For convenience of explanation, an example of plotting in a three-dimensional space based on three relative blood vessel lengths has been shown here, but actually, as described above, eight relative blood vessel lengths are used as elements in an eight-dimensional space. Shall be plotted. FIG. 14B shows normal subjects A to C at three relative blood vessel lengths and subjects D and E with obstruction.

図１４（ａ）のＰＡ〜ＰＣは、正常血管像ｇ１９から算出された正常値の特微量の分布である。正常値では、各相対的血管長が一定のバランスを保っているため、ＰＡ〜ＰＣは互いに近い位置に分布し、一定の範囲Ｎ（以下「正常範囲Ｎ」）を構成する。
一方、ＰＤ、ＰＥは閉塞値の分布であり、正常範囲Ｎから一定の離れた距離の位置に分布することとなる。よって、ＰＤ又はＰＥから、正常範囲Ｎまでのユークリッド距離が制御部１１により計算され、計算された距離が所定値を超える分布については閉塞の可能性が高いと判断される。 PA to PC in FIG. 14A is a distribution of extraordinary amounts of normal values calculated from the normal blood vessel image g19. At normal values, the relative blood vessel lengths maintain a certain balance, so PA to PC are distributed at positions close to each other, and constitute a certain range N (hereinafter “normal range N”).
On the other hand, PD and PE are distributions of occlusion values, and are distributed at positions at a certain distance from the normal range N. Therefore, the Euclidean distance from the PD or PE to the normal range N is calculated by the control unit 11, and it is determined that there is a high possibility of blockage for a distribution in which the calculated distance exceeds a predetermined value.

次に、図１５を参照して、特微量がプロットされた多次元空間を、２次元空間に変換する処理について説明する。２次元空間へと変換することにより、表示部１３に表示した場合には、視覚的に正常値と閉塞値との分布の様子を認識することができる。また、分布する閉塞値の中でも、過去の類似症例を検索することが容易となる。   Next, with reference to FIG. 15, processing for converting a multidimensional space in which features are plotted into a two-dimensional space will be described. By converting to a two-dimensional space, when displayed on the display unit 13, it is possible to visually recognize the distribution of normal values and closed values. Moreover, it becomes easy to search for past similar cases among the distributed occlusion values.

制御部１１では主成分分析により特微量空間である８次元空間を２次元空間へと変換する（ステップＳ２５）。
主成分分析とは、相関関係にある複数の要素を合成、圧縮して複数の成分を一つの成分とし、その特性を求める方法である。ここで施される主成分分析は、８つの相対的血管長を圧縮して一つの成分を算出し、その特性を２次元空間上にプロットする。プロットされた位置は、８つの特微量の内全てが同一でない限りは、同一の場所にプロットされることはない。 The control unit 11 converts the 8-dimensional space, which is the extra space, into a 2-dimensional space by principal component analysis (step S25).
Principal component analysis is a method of combining and compressing a plurality of correlated elements into a plurality of components as one component and determining their characteristics. In the principal component analysis performed here, eight relative blood vessel lengths are compressed to calculate one component, and its characteristics are plotted on a two-dimensional space. The plotted positions are not plotted at the same location unless all of the eight features are the same.

図１５（ａ）は、８次元空間を主成分分析により２次元空間に変換した分布図であり、複数の正常値（ＰＡ〜ＰＣ、ＰＡａ〜ＰＣａ）及び閉塞値（ＰＤ、ＰＥ、ＰＤａ、ＰＥａ）が２次元空間にプロットされている。なお、座標空間にプロットされている正常値及び閉塞値は、記憶部１４に記憶された過去症例及び検査対象画像に基づくものである。
図１４（ａ）と同様に、正常値は正常値同士近い位置となるような正常範囲Ｎ内に分布し、一方で閉塞値は正常範囲Ｎから離れた閉塞範囲ＡＮに分布する。閉塞範囲ＡＮ内でも、閉塞値同士で近い距離（所定範囲）に分布する場合もある。閉塞値同士が近い位置に分布しているということは、閉塞が発生した血管部位が同じであり、かつ閉塞の起きている程度（相対的血管長）も同程度であることを意味する。 FIG. 15A is a distribution diagram obtained by converting an 8-dimensional space into a 2-dimensional space by principal component analysis, and includes a plurality of normal values (PA to PC, PAa to PCa) and occlusion values (PD, PE, PDa, PEa). ) Is plotted in a two-dimensional space. Note that the normal value and the occlusion value plotted in the coordinate space are based on the past case and the examination target image stored in the storage unit 14.
14A, the normal values are distributed in the normal range N that is close to the normal values, while the block values are distributed in the block range AN that is away from the normal range N. Even within the blockage range AN, the blockage values may be distributed at a close distance (predetermined range). The fact that the occlusion values are distributed at close positions means that the blood vessel sites where the occlusion occurs are the same and the degree of occlusion (relative blood vessel length) is also the same.

ところで、８次元空間に分布している特微量を２次元空間に分布させて、表示部１３により表示させる利点は、視覚的に認識することが容易となることである。また、過去の類似症例について検索したい場合には、例えば、プロットされている所望の個所を操作部１２が備えるマウス等（図示省略）でクリックする。操作部１２から指示を受けた制御部１１の表示制御により、当該クリック操作された特徴量に該当する過去の類似症例が表示部１３に表示される。
図１５（ｂ）に、プロットされている所望の個所をマウス等でクリックした場合における表示画面の一例を示す。操作者がマウス等で、相対的血管長の情報となるプロット個所Ｐをクリックすると、相対的血管長の情報と対応付けられて記憶部１４に記憶されている異常血管部位に関する情報Ｉが画面に表示される。異常血管部位に関する情報Ｉとは、例えば、異常血管部位名、相対的血管長、閉塞血管像等の各情報である。
このように、表示部１３に過去の類似症例が表示される態様とすることで、過去症例のデータについて簡易に検索することができる。 By the way, the advantage of displaying the special amount distributed in the 8-dimensional space in the 2-dimensional space and displaying it on the display unit 13 is that it is easy to visually recognize. In addition, when searching for past similar cases, for example, a desired portion plotted is clicked with a mouse or the like (not shown) provided in the operation unit 12. The past similar cases corresponding to the clicked feature amount are displayed on the display unit 13 by the display control of the control unit 11 receiving the instruction from the operation unit 12.
FIG. 15B shows an example of a display screen when a desired portion plotted is clicked with a mouse or the like. When the operator clicks the plot portion P, which is information on relative blood vessel length, with a mouse or the like, information I regarding the abnormal blood vessel site stored in the storage unit 14 in association with the information on relative blood vessel length is displayed on the screen. Is displayed. The information I regarding the abnormal blood vessel site is, for example, information such as the name of the abnormal blood vessel site, the relative blood vessel length, and the occluded blood vessel image.
In this way, by setting the display unit 13 to display past similar cases, it is possible to easily search for past case data.

次に、主成分分析により２次元空間に分布された特微量について、更に２次識別器（ＱＤＡ；Quadratic Discriminant Analysis）処理を施す（ステップＳ２６）。
図１５（ｃ）は、ＱＤＡを用いた判別分析により正常値（ＰＡ〜ＰＣ、ＰＡａ〜ＰＣａ）と閉塞値（ＰＤ、ＰＥ、ＰＤａ、ＰＥａ）とを判別した一例である。 Next, secondary features (QDA; Quadratic Discriminant Analysis) are further applied to the feature quantities distributed in the two-dimensional space by principal component analysis (step S26).
FIG. 15C is an example in which normal values (PA to PC, PAa to PCa) and occlusion values (PD, PE, PDa, PEa) are discriminated by discriminant analysis using QDA.

ＱＤＡとは、正常値と閉塞値とから特微量を抽出し、特微量空間での正常値の分布と閉塞値との分布とを２次曲面で分離することにより、一方を正常値クラスＮａ、他方を閉塞値クラスＡＮａとして判別する方法である。なお、２次曲面は下記式（６）により表すことができる。
ここで，Xはすべての候補の特徴量ベクトルである。(MA, ΣA)と(MN, ΣN)はそれぞれ閉塞値と正常値の平均特徴量ベクトルと特徴量の共分散行列を表す。ＱＤＡは，８つの特徴量によって測定された特徴量空間を，２つのクラス，すなわち正常値クラスＮａと閉塞値クラスＡＮａに分割する識別境界Ｍを生成する。ＱＤＡによる識別境界は，識別関数によって与えられる２次曲面である。識別関数Ｍの出力値は、閉塞値の可能性を示す。したがって、識別関数Ｍの出力を閾値処理することによって特微量を正常値クラスＮａと閉塞値クラスＡＮａに分類することができる。また、識別関数Ｍの出力値の閾値を変化させることにより、閉塞値の検出性能を任意に決定することができる。
なお、本実施形態においては識別器としてＱＤＡを用いることにしたが、これに限らず、ニューラルネットワークやサポートベクタマシン等を用いてもよい。 QDA is a method of extracting a feature amount from a normal value and a blockage value, and separating a distribution of the normal value and the blockage value in the feature space by a quadratic surface, so that one is a normal value class Na, This is a method of discriminating the other as the blocking value class ANa. The quadric surface can be expressed by the following formula (6).
Here, X is a feature vector of all candidates. (M A , Σ A ) and (M N , Σ N ) represent an average feature vector of occlusion values and normal values, and a covariance matrix of feature values, respectively. The QDA generates an identification boundary M that divides the feature amount space measured by the eight feature amounts into two classes, that is, a normal value class Na and an occlusion value class ANa. The discrimination boundary by QDA is a quadric surface given by the discrimination function. The output value of the discriminant function M indicates the possibility of an occlusion value. Therefore, by performing threshold processing on the output of the discriminant function M, it is possible to classify the feature amount into the normal value class Na and the blockage value class ANa. Further, by changing the threshold value of the output value of the discrimination function M, it is possible to arbitrarily determine the blocking value detection performance.
In this embodiment, the QDA is used as the discriminator. However, the present invention is not limited to this, and a neural network, a support vector machine, or the like may be used.

ＱＤＡにより生成された識別境界Ｍにより、主成分分析による表示に加えて閉塞分布をより視覚的に把握することができ、正常値と閉塞値の区分けも容易となる。表示部１３に表示されたプロット値の内、操作者が操作部１２により任意に選択したプロット値（或いは、対象画像から取得されたプロット値）が正常値か閉塞値かは、識別境界Ｍとの比較により、制御部１１によって判断される（ステップＳ２７）。   With the identification boundary M generated by QDA, the blockage distribution can be more visually grasped in addition to the display by the principal component analysis, and the normal value and the blockage value can be easily distinguished. Among the plot values displayed on the display unit 13, whether the plot value arbitrarily selected by the operator using the operation unit 12 (or the plot value acquired from the target image) is a normal value or an occlusion value is determined by the identification boundary M and Is determined by the control unit 11 (step S27).

選択されたプロット値が識別境界Ｍよりも小さいと判断された場合（ステップＳ２７；Ｎｏ）、すなわち正常値クラスＮａである場合には、当該プロット値は正常値であると認識される。なお、このような判別分析により制御部１１において当該判断、認識する他、図１５（ａ）〜（ｃ）に示す分布図を表示部１３に表示する態様とした場合であれば、操作者（医師）による人為的な判断、認識が可能である。   When it is determined that the selected plot value is smaller than the identification boundary M (step S27; No), that is, when it is the normal value class Na, the plot value is recognized as a normal value. In addition to the determination and recognition by the control unit 11 through such discriminant analysis, if the distribution map shown in FIGS. 15A to 15C is displayed on the display unit 13, the operator ( (Physician) can be artificially judged and recognized.

選択されたプロット値が識別境界Ｍよりも大きいと判断された場合（ステップＳ２７；Ｙｅｓ）、すなわち閉塞値クラスＡＮａである場合には、当該プロット値は閉塞値であると認識される（ステップＳ２８）。閉塞値と認識されたプロット値については、以下に説明する血管部位の検出処理へと移行する。   If it is determined that the selected plot value is larger than the identification boundary M (step S27; Yes), that is, if the selected plot value is the blockage value class ANa, the plot value is recognized as a blockage value (step S28). ). For the plot value recognized as the occlusion value, the process proceeds to the blood vessel site detection process described below.

図１６に、血管部位判別処理により対応付けられた各血管部位名（前大脳動脈ＡＣ、右中大脳動脈ＲＣ、左中脳動脈ＬＣ、右内頸動脈ＲＩ、左内頸動脈ＬＩ、右後大脳動脈ＲＰ、左後大脳動脈ＬＰ、脳底動脈ＢＡ）と、異常血管検出処理により算出された各相対的血管長とが対応付けられた検査対象値の一例を示す。また、同様の対応付けが正常値についても実行される（以下、対応付けされた正常値を「正常対象値」という）ものとする。検査対象値及び正常対象値は、特微量空間においてプロットされた特徴量に、各血管部位名を対応付けたものである。なお、当該対応付け及び以下に説明する処理は、制御部１１により実行される。 FIG. 16 shows the names of blood vessels associated with the blood vessel region discrimination process (anterior cerebral artery AC, right middle cerebral artery RC, left middle cerebral artery LC, right internal carotid artery RI, left internal carotid artery LI, right posterior cerebrum). An example of the inspection target value in which the artery RP, the left posterior cerebral artery LP, the basilar artery BA) and the relative blood vessel lengths calculated by the abnormal blood vessel detection processing are associated with each other is shown. Further, it is assumed that the same association is executed for normal values (hereinafter, the associated normal value is referred to as “normal target value”). The inspection target value and the normal target value are obtained by associating each blood vessel part name with the feature amount plotted in the special amount space. The association and the process described below are executed by the control unit 11.

検査対象値と正常対象値が比較されることで、どの血管部位に閉塞が発生している可能性が高いかが検出され（ステップＳ２９）、閉塞が発生している可能性が高い血管部位名が検出された場合には、操作者に対して検出した血管部位名が通知されることとなる。
操作者に対する通知手段として、上述した「血管判別処理」におけるステップＳ１７と同様の処理を行う。具体的には、閉塞が発生している可能性が高い血管部位名にのみアノテーションｍが表示されるように表示制御が行われる（図１０のｇ１４参照）。操作者に対して当該血管部位名の表示がなされ（ステップＳ３０）、本処理は終了する。 By comparing the inspection target value with the normal target value, it is detected which vascular part is highly likely to be blocked (step S29), and the vascular part name that is highly likely to be blocked is detected. When detected, the detected blood vessel part name is notified to the operator.
As a notification means for the operator, the same processing as step S17 in the above-described “blood vessel discrimination processing” is performed. Specifically, the display control is performed so that the annotation m is displayed only on the blood vessel part name that is highly likely to be occluded (see g14 in FIG. 10). The blood vessel part name is displayed to the operator (step S30), and this process ends.

以上のように、本実施形態によれば、制御部１１により対象画像の相対的血管長が算出され、算出された相対的血管長を用いて正常値を基準とする判別分析が行われる。判別分析の結果、閉塞血管の有無及び閉塞血管部位名が検出される。検出された閉塞血管部位名が、読影医師や閲覧者等に提示されることにより、複雑なＭＲＡ画像について読影する際の、読影時間の短縮化、閉塞血管の見落とし防止等を図ることができる。   As described above, according to the present embodiment, the control unit 11 calculates the relative blood vessel length of the target image, and performs the discriminant analysis based on the normal value using the calculated relative blood vessel length. As a result of the discriminant analysis, the presence / absence of the occluded blood vessel and the name of the occluded blood vessel site are detected. By presenting the detected occluded blood vessel site name to an interpreting doctor, a viewer, or the like, it is possible to shorten the interpretation time and prevent oversight of the occluded blood vessel when interpreting a complex MRA image.

複数の血管部位との関係で求めた相対的血管長によって判別分析を行うことにより、閉塞血管部位の検出が容易となる。これは、ある一つの血管部位でその血管長に変化があれば他の血管部位の相対的血管長に大きな変化をもたらすこととなるためである。よって、算出された各相対的血管長を判別分析すると、閉塞血管部位が含まれている場合には正常値ではなく閉塞値のほうへ分布しやすくなり、閉塞血管部位が含まれているか否かの判断が容易となる。また、同じ閉塞値側に偏って分布する場合でも、閉塞が発生している血管部位毎に分布に偏りが生じる。従って、何れの閉塞値に近いかを判断することにより、閉塞が発生した血管部位を特定することも可能である。   By performing discriminant analysis based on the relative blood vessel lengths obtained in relation to a plurality of blood vessel parts, it becomes easy to detect an obstructed blood vessel part. This is because if there is a change in the blood vessel length at one blood vessel site, it will cause a great change in the relative blood vessel length of the other blood vessel site. Therefore, when the calculated relative blood vessel length is discriminated and analyzed, when the occluded blood vessel part is included, it becomes easy to be distributed toward the occlusion value instead of the normal value. Judgment becomes easier. Even when the distribution is biased toward the same occlusion value, the distribution is biased for each blood vessel site where the blockage occurs. Therefore, it is possible to specify the blood vessel site where the occlusion has occurred by determining which occlusion value is close to.

また、８つの相対的血管長を特微量として８次元空間へプロットし、主成分分析した結果に基づいて２次元空間へと変換する。これにより、正常値の分布と閉塞値の分布とを視覚的に認識することが容易となる。更には、過去の類似症例についての検索を行う場合には、特微量空間において対象検査値と近い位置にプロットされたものについて検索すればよく、検索効率の向上を図ることができる。   In addition, eight relative blood vessel lengths are plotted as special features in an eight-dimensional space, and converted into a two-dimensional space based on the result of principal component analysis. This makes it easy to visually recognize the distribution of normal values and the distribution of occlusion values. Furthermore, when searching for past similar cases, it is only necessary to search for a case plotted in a position close to the target test value in the special trace space, and the search efficiency can be improved.

また、血管判別処理によれば、画像上の血管像に含まれる８つの血管部位の位置及び名称を予め定めた参照画像と対象画像とを、その血管像について位置合わせすることにより、対象血管像に含まれる各血管部位の位置及び名称を判別する。そして、この位置及び名称の情報を血管部位情報として対象画像に付帯させるので、対象画像のＭＩＰ表示を行う際には当該血管部位情報に基づき、各血管部位を容易に判別することができ、各血管部位の識別表示が可能となる。従って、医師は対象画像における特定の血管部位に注目して対象画像を観察することが可能となり、読影効率の向上を図ることができる。   Further, according to the blood vessel discrimination processing, the target blood vessel image is obtained by aligning the reference image and the target image in which the positions and names of the eight blood vessel portions included in the blood vessel image on the image are determined in advance with respect to the blood vessel image. The position and name of each blood vessel part included in the are determined. Since the position and name information is attached to the target image as blood vessel part information, each blood vessel part can be easily determined based on the blood vessel part information when performing MIP display of the target image. The blood vessel part can be identified and displayed. Therefore, the doctor can observe the target image while paying attention to a specific blood vessel site in the target image, and can improve the interpretation efficiency.

ＭＩＰ表示を行う際、そのＭＩＰ表示を行う方向によっては複数の血管部位が重複し、注目したい血管部位に対する観察が困難となる場合がある。
しかしながら、本処理を施すことにより各血管部位の識別表示が可能となるため、医師は各血管部位についての位置や名称を容易に特定することができ、読影作業の効率化を図ることができる。 When performing MIP display, depending on the direction in which the MIP display is performed, a plurality of blood vessel portions may overlap, and it may be difficult to observe the blood vessel portion to be noticed.
However, by performing this processing, each blood vessel part can be identified and displayed. Therefore, the doctor can easily specify the position and name of each blood vessel part, and the interpretation work can be made more efficient.

また、識別表示された各血管部位のうち、任意の血管部位の選択操作に応じて、当該選択された血管部位のみを抽出して表示したターゲットＭＩＰ画像を作成し、表示するので、医師は注目したい血管部位のみを観察することが可能となる。よって、複数の血管部位の重複を解消することができ、動脈瘤の多発部位等、ある血管部位に特定して観察を行うことができる。   In addition, a target MIP image in which only the selected blood vessel part is extracted and displayed in response to an operation for selecting an arbitrary blood vessel part among the identified blood vessel parts is generated and displayed. It is possible to observe only the desired blood vessel site. Therefore, duplication of a plurality of blood vessel sites can be eliminated, and observation can be performed by specifying a specific blood vessel site such as a site where multiple aneurysms occur.

また、対象画像と参照画像の血管像の位置合わせを行う際には、まず重心位置に基づいて大まかな位置合わせを行った後、相互相関係数により対象画像に剛体変形を施して対象画像の血管像の特徴点を参照画像の血管像の対応する特徴点に一致するように細かな位置合わせを行う。   When aligning the target image and the blood vessel image of the reference image, first the rough alignment is performed based on the position of the center of gravity, and then the target image is rigidly deformed by the cross-correlation coefficient to obtain the target image. Fine alignment is performed so that the feature points of the blood vessel image coincide with the corresponding feature points of the blood vessel image of the reference image.

異なる被写体（患者）であっても主要な血管部位の形態（血管の長さや延在方向、太さ等）は概ね共通するが、主要でない細い血管部位についてはその形態に個体差が生じるため、血管部位の形態は被写体によって様々なものとなる。
しかしながら、本処理のように最終的に剛体変形により血管像の主な屈曲点等の特徴点の位置を合わせこむことにより、対象画像中の各血管部位がどのような形態を呈していても、精度よく参照画像の血管部位と対応させることができる。従って、被写体によらず一律に血管部位を判別することができ、汎用性が高い。 Even in different subjects (patients), the shape of the main blood vessel site (the length, extension direction, thickness, etc.) of the blood vessel is generally the same. The shape of the blood vessel site varies depending on the subject.
However, by aligning the positions of feature points such as the main inflection points of the blood vessel image finally by rigid deformation as in this process, no matter what form each blood vessel part in the target image takes, It is possible to accurately correspond to the blood vessel portion of the reference image. Therefore, it is possible to determine the blood vessel part uniformly regardless of the subject, and the versatility is high.

さらに、位置合わせは２段階（重心位置に基づくものと、剛体変形によるもの）で行うので、血管部位を判別する判別精度を向上させることができる。また、剛体変形の前に重心位置により位置合わせを行っておくことにより、剛体変形に係る処理時間の短縮化を図ることができ、処理効率が良い。   Furthermore, since alignment is performed in two stages (based on the center of gravity position and based on rigid body deformation), it is possible to improve the determination accuracy for determining the blood vessel site. In addition, by performing alignment based on the position of the center of gravity before the rigid body deformation, it is possible to shorten the processing time related to the rigid body deformation, and the processing efficiency is good.

なお、上記実施形態における医用画像処理装置１０の細部構成及び詳細動作に関しては、本発明の趣旨を逸脱しない範囲であれば適宜変更可能であり、本実施形態に限られない。例えば、本実施形態では、対象血管像から各相対的血管長を算出し、算出した各相対的血管長を２次元の特微量空間にプロットする。プロットした検査対象値と、正常対象値と比較することとにより閉塞血管の有無及び血管部位名を検出することとしたが、これに限らず、２次元空間に変換せずに、算出した検査対象値を記憶部１４に予め記憶された正常対象値と比較することにより閉塞血管部位を検出する態様としてもよい。   Note that the detailed configuration and detailed operation of the medical image processing apparatus 10 in the above embodiment can be appropriately changed as long as they do not depart from the spirit of the present invention, and are not limited to this embodiment. For example, in the present embodiment, each relative blood vessel length is calculated from the target blood vessel image, and each calculated relative blood vessel length is plotted in a two-dimensional characteristic amount space. By comparing the plotted test target value with the normal target value, the presence / absence of the occluded blood vessel and the blood vessel part name are detected, but not limited to this, the test target calculated without being converted into a two-dimensional space It is good also as an aspect which detects an obstruction | occlusion blood vessel site | part by comparing a value with the normal object value previously memorize | stored in the memory | storage part 14.

また、上述した実施形態は、本発明を適用した好適な一例であり、これに限定されない。例えば、ＭＲＡ画像を用いた例を説明したが、造影剤を用いて血管を撮影した造影ＭＲＡ画像等、他の撮影方法によるＭＲＩ画像を用いてもよい。また、ＣＴＡ（Computed Tomography Angiography）、ＤＳＡ（Digital Subtraction Angiography）等、他の撮影装置により血管が撮影された画像を用いることとしてもよい。   Moreover, embodiment mentioned above is a suitable example to which this invention is applied, and is not limited to this. For example, although an example using an MRA image has been described, an MRI image obtained by another imaging method such as a contrast MRA image obtained by imaging a blood vessel using a contrast agent may be used. Moreover, it is good also as using the image which image | photographed the blood vessel with other imaging devices, such as CTA (Computed Tomography Angiography) and DSA (Digital Subtraction Angiography).

本発明に係る医用画像処理装置１０の内部構成を示す図である。1 is a diagram showing an internal configuration of a medical image processing apparatus 10 according to the present invention. 本発明に係る医用画像処理装置１０の処理の概要について説明するフローチャートである。It is a flowchart explaining the outline | summary of a process of the medical image processing apparatus 10 which concerns on this invention. 参照画像を示す図である。It is a figure which shows a reference image. 血管部位判別処理について説明するフローチャートである。It is a flowchart explaining a blood vessel site | part discrimination | determination process. 正規化処理の一例を示す図である。It is a figure which shows an example of a normalization process. ２値化画像の一例を示す図である。It is a figure which shows an example of a binarized image. 位置合わせ前の対象血管像と参照画像とを重ね合わせた図である。It is the figure which overlap | superposed the target blood vessel image and the reference image before alignment. 参照画像におけるランドマークと、血管抽出画像における対応点を示す図である。It is a figure which shows the landmark in a reference image, and the corresponding point in a blood vessel extraction image. 血管抽出画像とその血管部位の判別結果を示す図である。It is a figure which shows the discrimination result of the blood vessel extraction image and its blood vessel part. 対象画像において判別された各血管部位の識別表示例を示す図である。It is a figure which shows the example of an identification display of each blood-vessel site | part discriminate | determined in the target image. 異常血管検出処理について説明するフローチャートである。It is a flowchart explaining an abnormal blood vessel detection process. 細線化処理の一例を示す図である。It is a figure which shows an example of a thinning process. 複数の被写体において算出された相対的血管長の一例を示す図である。It is a figure which shows an example of the relative blood vessel length calculated in the some to-be-photographed object. ３次元の特微量として３次元空間にプロットした分布を示す図である。It is a figure which shows the distribution plotted in the three-dimensional space as a three-dimensional feature amount. ２次元空間に変換した後の分布を示す図である。It is a figure which shows distribution after converting into two-dimensional space. 各血管部位名と、各相対的血管長とを対応付けた一例を示す図である。It is a figure which shows an example which matched each blood-vessel part name and each relative blood-vessel length.

符号の説明Explanation of symbols

１０ 医用画像処理装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 記憶部
１５ 通信部 DESCRIPTION OF SYMBOLS 10 Medical image processing apparatus 11 Control part 12 Operation part 13 Display part 14 Storage part 15 Communication part

Claims (10)

検査対象画像から血管像を抽出する抽出手段と、
前記血管像と血管像に含まれる一又は複数の血管部位が予め特定された参照画像とを比較し、その比較結果に基づいて前記血管像に含まれる一又は複数の血管部位を判別する血管判別手段と、
前記血管判別手段により判別された各血管部位のそれぞれにつき相対的血管長を算出し、各相対的血管長を特徴量として用い判別分析した結果に基づいて異常血管部位を検出する異常血管検出手段と、
を備えることを特徴とする医用画像処理装置。 Extracting means for extracting a blood vessel image from the examination target image;
A blood vessel discrimination that compares the blood vessel image with a reference image in which one or more blood vessel portions included in the blood vessel image are specified in advance, and determines one or more blood vessel portions included in the blood vessel image based on the comparison result Means,
An abnormal blood vessel detecting means for calculating a relative blood vessel length for each of the blood vessel portions discriminated by the blood vessel discriminating means and detecting an abnormal blood vessel portion based on a result of discriminant analysis using each relative blood vessel length as a feature amount; ,
A medical image processing apparatus comprising: 前記検査対象画像を表示する表示手段と、
前記表示された検査対象画像において前記検出された異常血管部位を識別表示させる表示制御手段と、
を備えることを特徴とする請求項１に記載の医用画像処理装置。 Display means for displaying the inspection object image;
Display control means for identifying and displaying the detected abnormal blood vessel site in the displayed examination image;
The medical image processing apparatus according to claim 1, further comprising: 前記参照画像は、各血管部位についてその血管名が定められており、
前記異常血管検出手段は、前記参照画像に基づいて前記検出された異常血管部位の血管名を判別し、
前記表示制御手段は、前記判別された異常血管の血管名を識別表示された前記異常血管に対応付けて表示することを特徴とする請求項２に記載の医用画像処理装置。 In the reference image, the blood vessel name is determined for each blood vessel site,
The abnormal blood vessel detecting means determines a blood vessel name of the detected abnormal blood vessel site based on the reference image;
The medical image processing apparatus according to claim 2, wherein the display control unit displays a blood vessel name of the determined abnormal blood vessel in association with the abnormal blood vessel identified and displayed. 前記異常血管検出手段は、前記算出された各血管部位の相対的血管長を、正常症例における各血管部位の相対的血管長と比較することにより異常血管部位の有無を検出することを特徴とする請求項１〜３の何れか一項に記載の医用画像処理装置。   The abnormal blood vessel detection means detects the presence or absence of an abnormal blood vessel portion by comparing the calculated relative blood vessel length of each blood vessel portion with the relative blood vessel length of each blood vessel portion in a normal case. The medical image processing apparatus according to any one of claims 1 to 3. 前記異常血管検出手段は、前記血管像に対し細線化処理を施し、当該処理画像を用いて各血管部位の相対的血管長を算出することを特徴とする請求項１〜４の何れか一項に記載の医用画像処理装置。   The abnormal blood vessel detection unit performs thinning processing on the blood vessel image, and calculates a relative blood vessel length of each blood vessel site using the processed image. The medical image processing apparatus described in 1. 前記検査対象画像は、ＭＲＡ画像であり、
前記異常血管検出手段は、閉塞が発生した異常血管部位を検出することを特徴とする請求項１〜５の何れか一項に記載の医用画像処理装置。 The inspection object image is an MRA image,
The medical image processing apparatus according to any one of claims 1 to 5, wherein the abnormal blood vessel detection unit detects an abnormal blood vessel site where an occlusion has occurred. 前記異常血管検出手段により検出された異常血管部位に関する情報を、当該検出に用いた相対的血管長の情報と対応付けて記憶する記憶手段を備え、
前記表示制御手段は、前記記憶手段により対応付けて記憶された相対的血管長の情報を２次元空間に分布させて前記表示手段上に表示させ、さらにこの前記２次元空間に分布する何れかの相対的血管長の情報が指定されると、当該指定された相対的血管長の情報に対応付けられた前記異常血管部位に関する情報を前記記憶手段から取得して前記表示手段上に表示させることを特徴とする請求項１〜６の何れか一項に記載の医用画像処理装置。 Storage means for storing information related to the abnormal blood vessel site detected by the abnormal blood vessel detection means in association with information on the relative blood vessel length used for the detection;
The display control means distributes relative blood vessel length information stored in association with the storage means in a two-dimensional space, displays the information on the display means, and further distributes the information in the two-dimensional space. When the relative blood vessel length information is designated, the information on the abnormal blood vessel part associated with the designated relative blood vessel length information is acquired from the storage means and displayed on the display means. The medical image processing device according to claim 1, wherein the medical image processing device is a medical image processing device. 異常血管部位に関する情報と特徴量とを対応付けて記憶する記憶手段と、
前記特徴量を座標空間にプロットしたときの、該座標空間における前記検査対象画像の特徴量との距離が所定範囲内にある、前記記憶手段に記憶された特徴量と対応付けられた異常血管部位に関する情報を検索する検索手段とを有することを特徴とする請求項１〜６の何れか一項に記載の医用画像処理装置。 Storage means for storing information on abnormal blood vessel sites and feature quantities in association with each other;
The abnormal blood vessel site associated with the feature quantity stored in the storage means, when the feature quantity is plotted in the coordinate space, the distance from the feature quantity of the inspection target image in the coordinate space is within a predetermined range The medical image processing apparatus according to claim 1, further comprising a search unit that searches for information related to the information. 前記抽出手段により、検査対象画像から血管像を抽出する抽出工程と、
前記血管判別手段により、前記血管像と血管像に含まれる一又は複数の血管部位が予め特定された参照画像とを比較し、その比較結果に基づいて前記血管像に含まれる一又は複数の血管部位を判別する判別工程と、
前記異常血管検出手段により、前記血管判別手段により判別された各血管部位のそれぞれにつき相対的血管長を算出し、各相対的血管長を判別分析した結果に基づいて異常血管部位を検出する検出工程と、
を含むことを特徴とする画像処理方法。 An extraction step of extracting a blood vessel image from the examination target image by the extraction means;
The blood vessel discrimination unit compares the blood vessel image with a reference image in which one or more blood vessel parts included in the blood vessel image are specified in advance, and based on the comparison result, one or more blood vessels included in the blood vessel image A discrimination step for discriminating a site;
A detecting step of calculating a relative blood vessel length for each of the blood vessel portions discriminated by the blood vessel discriminating unit and detecting an abnormal blood vessel portion based on a result of discriminating and analyzing each relative blood vessel length by the abnormal blood vessel detecting unit. When,
An image processing method comprising: コンピュータに、請求項９に記載の画像処理方法を実行させるプログラム。   A program for causing a computer to execute the image processing method according to claim 9.
JP2006257617A 2006-09-22 2006-09-22 Medical image processing apparatus, image processing method, and program Active JP3928977B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2006257617A JP3928977B1 (en) 2006-09-22 2006-09-22 Medical image processing apparatus, image processing method, and program
PCT/JP2006/319304 WO2008035446A1 (en) 2006-09-22 2006-09-28 Medical image processor and image processing method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006257617A JP3928977B1 (en) 2006-09-22 2006-09-22 Medical image processing apparatus, image processing method, and program

Publications (2)

Publication Number Publication Date
JP3928977B1 JP3928977B1 (en) 2007-06-13
JP2008073332A true JP2008073332A (en) 2008-04-03

Family

ID=38212161

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006257617A Active JP3928977B1 (en) 2006-09-22 2006-09-22 Medical image processing apparatus, image processing method, and program

Country Status (2)

Country Link
JP (1) JP3928977B1 (en)
WO (1) WO2008035446A1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008302090A (en) * 2007-06-08 2008-12-18 Fujifilm Corp Medical image display apparatus and program
JP2009240359A (en) * 2008-03-28 2009-10-22 Kazunori Urasawa Image analysis apparatus and the image analysis method
JP2012115658A (en) * 2010-11-12 2012-06-21 Toshiba Corp Diagnostic imaging apparatus
JP2013533507A (en) * 2010-06-29 2013-08-22 ライカ マイクロシステムス ツェーエムエス ゲーエムベーハー Method and apparatus for imaging sample structure by optical microscopy
JP2016073501A (en) * 2014-10-07 2016-05-12 株式会社東芝 Medical image processing apparatus and x-ray diagnostic apparatus
KR101793499B1 (en) 2016-07-13 2017-11-06 연세대학교 산학협력단 A method for extracting an aorta using a geometric information of a z-axial image
KR20200027202A (en) * 2018-09-04 2020-03-12 부산대학교 산학협력단 Method and Apparatus for Interpretation of Magnifying Endoscopy Images of Esophageal Cancer using Computer Aided Diagnostic System

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5677770B2 (en) * 2009-06-25 2015-02-25 オリンパス株式会社 Medical diagnosis support device, virtual microscope system, and specimen support member
JP6871007B2 (en) * 2017-02-13 2021-05-12 キヤノンメディカルシステムズ株式会社 Medical image processing equipment and medical diagnostic imaging system
JP7271277B2 (en) * 2019-04-10 2023-05-11 キヤノンメディカルシステムズ株式会社 Medical image processing device and medical image processing system

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4393016B2 (en) * 2000-06-30 2010-01-06 株式会社日立メディコ Diagnostic imaging support device
JP4298258B2 (en) * 2002-10-11 2009-07-15 株式会社日立メディコ Medical image display device

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008302090A (en) * 2007-06-08 2008-12-18 Fujifilm Corp Medical image display apparatus and program
JP4492645B2 (en) * 2007-06-08 2010-06-30 富士フイルム株式会社 Medical image display apparatus and program
JP2009240359A (en) * 2008-03-28 2009-10-22 Kazunori Urasawa Image analysis apparatus and the image analysis method
JP4746068B2 (en) * 2008-03-28 2011-08-10 一史 浦澤 Image analysis apparatus and image analysis method
JP2013533507A (en) * 2010-06-29 2013-08-22 ライカ マイクロシステムス ツェーエムエス ゲーエムベーハー Method and apparatus for imaging sample structure by optical microscopy
US9772485B2 (en) 2010-06-29 2017-09-26 Leica Microsystems Cms Gmbh Method and device for light-microscopic imaging of a sample structure
JP2012115658A (en) * 2010-11-12 2012-06-21 Toshiba Corp Diagnostic imaging apparatus
JP2018011983A (en) * 2010-11-12 2018-01-25 東芝メディカルシステムズ株式会社 Diagnostic imaging apparatus
JP2016073501A (en) * 2014-10-07 2016-05-12 株式会社東芝 Medical image processing apparatus and x-ray diagnostic apparatus
KR101793499B1 (en) 2016-07-13 2017-11-06 연세대학교 산학협력단 A method for extracting an aorta using a geometric information of a z-axial image
KR20200027202A (en) * 2018-09-04 2020-03-12 부산대학교 산학협력단 Method and Apparatus for Interpretation of Magnifying Endoscopy Images of Esophageal Cancer using Computer Aided Diagnostic System
KR102223263B1 (en) 2018-09-04 2021-03-04 부산대학교 산학협력단 Method and Apparatus for Interpretation of Magnifying Endoscopy Images of Esophageal Cancer using Computer Aided Diagnostic System

Also Published As

Publication number Publication date
WO2008035446A1 (en) 2008-03-27
JP3928977B1 (en) 2007-06-13

Similar Documents

Publication Publication Date Title
JP3928977B1 (en) Medical image processing apparatus, image processing method, and program
CN104584018B (en) Automated detection and retrieval of prior annotations relevant for efficient viewing and reporting of imaging studies
JP4139869B2 (en) Medical image processing device
US8116574B2 (en) Result filter and method for selecting the result data of an application for automatic pattern recognition
JP4253497B2 (en) Computer-aided diagnosis device
JP4026158B1 (en) Interpretation support device, interpretation support method and program
US7133546B2 (en) Digital medical image analysis
US7978897B2 (en) Computer-aided image diagnostic processing device and computer-aided image diagnostic processing program product
JP3928978B1 (en) Medical image processing apparatus, medical image processing method, and program
US9289183B2 (en) Interactive display of computer aided detection results in combination with quantitative prompts
JP4911029B2 (en) Abnormal shadow candidate detection method, abnormal shadow candidate detection device
US20080008371A1 (en) Considerations when colon segmentation differs between CAD processing and visualization
WO2011074207A1 (en) Image registration
US8285013B2 (en) Method and apparatus for detecting abnormal patterns within diagnosis target image utilizing the past positions of abnormal patterns
WO2011008906A1 (en) Computer-aided detection (cad) of intracranial aneurysms
EP2116974B1 (en) Statistics collection for lesion segmentation
US7486812B2 (en) Shape estimates and temporal registration of lesions and nodules
JP5566299B2 (en) Medical image processing apparatus and medical image processing method
US7203350B2 (en) Display for computer-aided diagnosis of mammograms
WO2010121146A2 (en) Aneurysm detection
EP2196958A2 (en) Image processing method, image processing apparatus, and image processing program
US11200443B2 (en) Image processing apparatus, image processing method, and image processing system
JP2009226043A (en) Medical image processor and method for detecting abnormal shadow
JP2019170881A (en) Computer program, classification device, classification method, image output device, and operation method of image output device
US20230099284A1 (en) System and method for prognosis management based on medical information of patient

Legal Events

Date Code Title Description
TRDD Decision of grant or rejection written
A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20070302

R150 Certificate of patent or registration of utility model

Ref document number: 3928977

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100316

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110316

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120316

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130316

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140316

Year of fee payment: 7

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313115

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

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

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350