JP2014100555A - 画像処理装置、医用画像診断装置及び画像処理プログラム - Google Patents

Abstract

【課題】パーフュージョン画像における解析結果の信頼性を確認することができる画像処理装置、医用画像診断装置及び画像処理プログラムを提供すること。
【解決手段】実施の形態の画像処理装置においては、ノイズ情報取得部が、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定部が、灌流状態が解析される解析対象の組織に対する流入血管におけるＴＤＣと、解析対象の組織の灌流モデルとから、解析対象の組織ＴＤＣを推定する。生成部が、推定された解析対象の組織ＴＤＣと、阻害要因の情報とに基づいて、複数の医用画像データから生成されたパーフュージョン画像の信頼性を判定するための判定情報を生成する。表示制御部が、判定情報を表示部にて表示させるように制御する。
【選択図】図１

Description

本発明の実施の形態は、画像処理装置、医用画像診断装置及び画像処理プログラムに関する。

従来、Ｘ線ＣＴ装置やＭＲＩ装置などによって灌流（Perfusion：パーフュージョン）画像を生成して、例えば、脳組織や、肝臓組織、膵臓組織などにおける血流動態を解析することが行われている。例えば、Ｘ線ＣＴ装置においては、非イオン性ヨード造影剤を投与した被検体の頭部又は腹部を時系列に沿って撮影したＸ線ＣＴ画像からＣＴ値の経時的変化を算出する。そして、Ｘ線ＣＴ装置は、算出したＣＴ値の経時的変化から組織を通過する血流動態を表す指標を組織上にマッピングしたパーフュージョン画像を生成する。しかしながら、上述した従来の技術では、パーフュージョン画像における解析結果の信頼性を確認することが困難であった。

特開２０１０−２１３７６０号公報

本発明が解決しようとする課題は、パーフュージョン画像における解析結果の信頼性を確認することができる画像処理装置、医用画像診断装置及び画像処理プログラムを提供することである。

実施の形態の画像処理装置は、情報取得手段と、推定手段と、生成手段と、表示制御手段とを備える。情報取得手段は、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定手段は、前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する。生成手段は、前記推定手段によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得手段によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。表示制御手段は、前記生成手段によって生成された判定情報を所定の表示部にて表示させるように制御する。

図１は、第１の実施形態に係る画像処理装置の構成の一例を示す図である。 図２は、第１の実施形態に係る灌流モデル記憶部によって記憶される灌流モデルの一例を示す図である。 図３は、第１の実施形態に係るシミュレーション範囲記憶部によって記憶されるシミュレーション範囲の一例を示す図である。 図４は、第１の実施形態に係る推定部による処理の一例を説明するための図である。 図５は、第１の実施形態に係る生成部によるノイズ付加処理の一例を示す図である。 図６は、第１の実施形態に係る生成部によって生成される真値−解析値グラフの一例を示す図である。 図７は、第１の実施形態に係る生成部による信頼性Ｍａｐ生成の一例を説明するための図である。 図８は、第１の実施形態に係る表示制御部による表示制御の第一の例を説明するための図である。 図９は、第１の実施形態に係る表示制御部による表示制御の第二の例を説明するための図である。 図１０は、第１の実施形態に係る画像処理装置による全体処理の手順を示すフローチャートである。 図１１は、第１の実施形態に係る画像処理装置による真値−解析値グラフの生成処理の手順を示すフローチャートである。 図１２は、第２の実施形態に係る表示制御部による表示制御の一例を示す図である。

（第１の実施形態）
図１は、第１の実施形態に係る画像処理装置１００の構成の一例を示す図である。図１に示すように、画像処理装置１００は、入力部１１０と、表示部１２０と、通信部１３０と、記憶部１４０と、制御部１５０とを有する。例えば、画像処理装置１００は、ワークステーションや、任意のパーソナルコンピュータなどであり、図示しない医用画像診断装置や、画像保管装置などとネットワークを介して接続される。医用画像診断装置は、例えば、Ｘ線ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置などである。また、医用画像診断装置は、３次元の医用画像データ（例えば、造影しながら経時的に撮影された頭部や腹部の３次元医用画像データなど）を生成可能である。画像保管装置は、医用画像を保管するデータベースである。具体的には、画像保管装置は、医用画像診断装置から送信された３次元医用画像データを記憶部に格納し、これを保管する。なお、以下では、３次元医用画像データを、ボリュームデータと記す場合がある。

上述した画像処理装置１００と、医用画像診断装置と、画像保管装置とは、例えば、病院内に設置された院内ＬＡＮ（Local Area Network）により、直接的、又は間接的に相互に通信可能な状態となっている。例えば、ＰＡＣＳ（Picture Archiving and Communication System）が導入されている場合、各装置は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）規格に則って、医用画像等を相互に送受信する。

入力部１１０は、マウス、キーボード、トラックボール等であり、画像処理装置１００に対する各種操作の入力を操作者から受け付ける。具体的には、入力部１１０は、パーフュージョン解析に用いられる複数位相のボリュームデータを画像保管装置から取得するための情報の入力などを受け付ける。例えば、入力部１１０は、パーフュージョン解析に用いるためにＸ線ＣＴ装置のダイナミックスキャンによって経時的に撮影された頭部や腹部のボリュームデータを取得するための入力を受け付ける。

表示部１２０は、立体表示モニタとしての液晶パネル等であり、各種情報を表示する。具体的には、表示部１２０は、操作者から各種操作を受け付けるためのＧＵＩ（Graphical User Interface）や、後述する制御部１５０による処理によって生成された表示画像等を表示する。なお、制御部１５０によって生成される表示画像については、後述する。通信部１３０は、ＮＩＣ（Network Interface Card）等であり、他の装置との間で通信を行う。

記憶部１４０は、図１に示すように、画像データ記憶部１４１と、灌流モデル記憶部１４２と、シミュレーション範囲記憶部１４３と、画像記憶部１４４とを有する。例えば、記憶部１４０は、ハードディスク、半導体メモリ素子等であり、各種情報を記憶する。画像データ記憶部１４１は、通信部１３０を介して画像保管装置から取得された複数位相のボリュームデータを記憶する。

灌流モデル記憶部１４２は、解析対象の組織の灌流モデルを記憶する。具体的には、灌流モデル記憶部１４２は、解析対象の組織における血液（造影剤）の流入及び流出を示す灌流モデルを記憶する。図２は、第１の実施形態に係る灌流モデル記憶部１４２によって記憶される灌流モデルの一例を示す図である。例えば、灌流モデル記憶部１４２は、図２に示すように、動脈から組織への血液（造影剤）の流入と、組織からの血液（造影剤）の流出とを示す灌流モデルを記憶する。

ここで、図２に示す「Ｃ_a（ｔ）」は動脈における造影剤の濃度を示し、図２に示す「Ｃ_t（ｔ）」は組織における造影剤の濃度を示す。また、図２に示す「ｋ_a」及び「ｋ_v」は、それぞれ流入及び流出の速度係数を示す。一例を挙げると、「ｋ_a」及び「ｋ_v」は、それぞれパーフュージョン値の「In-flow」及び「Mean transit time」に相当する。なお、図２においては、流入が動脈のみの「single-input one compartment model」を示しているが、これはあくまでも一例であり、例えば、流入が動脈と門脈の２つからなる「Dual-input one compartment model」が用いられる場合がある。すなわち、灌流モデル記憶部１４２は、種々の灌流モデルを記憶しており、これらのモデルはユーザによって任意に記憶させることができる。

図１に戻って、シミュレーション範囲記憶部１４３は、解析対象の組織ごとに灌流の違いを示すパラメータの範囲を記憶する。具体的には、シミュレーション範囲記憶部１４３は、各組織においてパーフュージョン解析を行った場合に示されるであろう血流の情報であるシミュレーション範囲を、組織ごとに記憶する。図３は、第１の実施形態に係るシミュレーション範囲記憶部１４３によって記憶されるシミュレーション範囲の一例を示す図である。

例えば、シミュレーション範囲記憶部１４３は、図３に示すように、組織ごとに「解析（パラメータ）」、「血流量（ｍｌ／ｍｉｎ／１００ｍｌ）」などを対応付けたシミュレーション範囲を記憶する。ここで、図３に示す「解析（パラメータ）」は、パーフュージョン解析のパラメータを示す。また、図３に示す「血流量（ｍｌ／ｍｉｎ／１００ｍｌ）」は、組織の単位体積あたりの単位時間に流れる血流量を示し、例えば、血流量の範囲が記憶される。すなわち、シミュレーション範囲記憶部１４３は、ある組織において所定の解析をおこなった場合の血流量の範囲（例えば、５０〜８０など）を示すシミュレーション範囲を記憶する。

画像記憶部１４４は、後述する制御部１５０の処理中の画像データや、処理によって生成された真値−解析値グラフや、信頼性Ｍａｐ等を記憶する。なお、真値−解析値グラフや、信頼性Ｍａｐなどについては後述する。

図１に戻って、制御部１５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路であり、画像処理装置１００の全体制御を行なう。

例えば、図１に示すように、制御部１５０は、画像取得部１５１と、解析部１５２と、ノイズ情報取得部１５３と、推定部１５４と、生成部１５５と、表示制御部１５６とを有する。そして、制御部１５０は、複数位相のボリュームデータを用いてパーフュージョン解析を実行するとともに、得られた解析結果の信頼性をユーザが確認することを可能にする真値−解析値グラフや、信頼性Ｍａｐを生成する。以下、複数位相のボリュームデータとして、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを用いる場合を一例に挙げて説明する。

画像取得部１５１は、通信部１３０を介して、図示しない画像保管装置からパーフュージョン解析に用いる複数位相のボリュームデータを取得して、画像データ記憶部１４１に格納する。例えば、画像取得部１５１は、入力部１１０を介して操作者から入力された情報に基づいて、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを取得して、画像データ記憶部１４１に格納する。

解析部１５２は、画像取得部１５１によって取得され、画像データ記憶部１４１に記憶された複数位相のボリュームデータを用いて、パーフュージョン解析を実行する。具体的には、解析部１５２は、入力部１１０を介して操作者によって入力されたパラメータ情報に応じたパーフュージョン解析を実行する。例えば、解析部１５２は、解析対象の組織（例えば、脳、腎臓、肝臓など）について、指定された解析パラメータでのパーフュージョン解析を実行する。一例を挙げると、解析部１５２は、脳組織を解析対象とした解析パラメータＣＢＰ（cerebral blood perfusion）の解析を実行する。

ノイズ情報取得部１５３は、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。具体的には、ノイズ情報取得部１５３は、灌流画像の精度に係る阻害要因の情報として、複数の医用画像データに含まれるノイズの情報、アーチファクトの情報又は体動の情報を取得する。また、ノイズ情報取得部１５３は、造影剤によって造影しながら経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。そして、ノイズ情報取得部１５３は、経時的に収集された複数の３次元医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。以下の実施形態では、ノイズ情報取得部１５３が、造影剤によって造影しながら、経時的に収集された複数の３次元画像データに含まれるノイズの情報を取得する場合について説明する。

かかる場合には、ノイズ情報取得部１５３は、解析部１５２によってパーフュージョン解析が実行されたボリュームデータから生成されたＸ線ＣＴ画像の画像ＳＤを算出する。

例えば、ノイズ情報取得部１５３は、複数のボリュームデータにおける任意の領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。一例を挙げると、ノイズ情報取得部１５３は、パーフュージョン解析に用いられた画像上にユーザによって任意に設定されたＲＯＩ（Region of Interest）に含まれる画素値（或いは、画素に対応するボクセルのＣＴ値）から画像ＳＤを算出する。

推定部１５４は、複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、解析対象の組織における前記時間濃度曲線を推定する。具体的には、推定部１５４は、複数の３次元医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における前記造影剤の信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、灌流の違いを示すパラメータごとに、解析対象の組織における前記時間濃度曲線を推定する。例えば、推定部１５４は、解析部１５２によってパーフュージョン解析が実行された組織における血液を流入させる血管のＴＤＣ（Time Density Curve）と、パーフュージョン解析が実行された組織の灌流モデルと、パーフュージョン解析が実行された組織及び解析パラメータに対応するシミュレーション範囲とから、組織におけるＴＤＣを推定する。

図４は、第１の実施形態に係る推定部１５４による処理の一例を説明するための図である。例えば、推定部１５４は、パーフュージョン解析が実行された組織に対応する灌流モデルを灌流モデル記憶部１４２から読み出す。一例を挙げると、推定部１５４は、図２に示す「single-input one compartment model」の灌流モデルを読み出し、流入血管が動脈であることを特定する。

そして、推定部１５４は、図４に示すように、パーフュージョン画像の生成に用いられた複数位相のＸ線ＣＴ画像から動脈ＴＤＣを取得する。一例を挙げると、推定部１５４は、複数位相のＸ線ＣＴ画像の各画素において、画素値が初期の段階（例えば、最初の位相から所定の期間内）で上昇した領域を動脈と判定する。そして、推定部１５４は、判定した領域のＴＤＣを取得する。或いは、推定部１５４は、画像からパターンマッチングなどにより動脈領域を抽出して、抽出した領域のＴＤＣを取得する。

そして、推定部１５４は、取得した流入血管のＴＤＣと、灌流モデルと、解析対象の組織及び解析パラメータに対応するシミュレーション範囲とから組織のＴＤＣを推定する。例えば、推定部１５４は、以下に示す式（１）を用いて組織ＴＤＣを推定する。ここで、式（１）は、図２に示す灌流モデルから導出したものである。すなわち、式（１）における「Ｃ_t（ｔ）」は組織ＴＤＣを示す。また、式（１）における「Ｃ_a（ｔ）」は動脈ＴＤＣを示す。また、式（１）における「ｋ_a」及び「ｋ_v」は、それぞれ「In-flow perfusion」及び「Mean transit time（ＭＴＴ）」を示す。

例えば、推定部１５４は、式（１）に示すように、ＴＤＣが「Ｃ_a（ｔ）」である動脈を介して「ｋ_a」の速度で組織に流入した造影剤から「ｋ_v」の速度で流出する造影剤を差分することで、組織ＴＤＣ「Ｃ_t（ｔ）」（組織の造影剤の濃度）を算出する。

ここで、推定部１５４は、シミュレーション範囲記憶部１４３によって記憶されたシミュレーション範囲（図３参照）に応じて「ｋ_a」及び「ｋ_v」を変化させた場合の組織ＴＤＣをそれぞれ推定する。すなわち、推定部１５４は、解析対象の組織及び解析パラメータから血流量などの情報を取得して、取得した血流量の範囲で「ｋ_a」及び「ｋ_v」を変化させた場合の組織ＴＤＣをそれぞれ推定する。なお、以下、「ｋ_a」及び「ｋ_v」をシミュレーションパラメータと記す。

図１に戻って、生成部１５５は、推定部１５４によって推定された解析対象の組織における時間濃度曲線と、情報取得部によって取得された阻害要因の情報とに基づいて、複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。例えば、生成部１５５は、推定部１５４によってシミュレーションパラメータごとに推定された解析対象の組織における時間濃度曲線と、ノイズ情報取得部１５３によって取得されたノイズ情報とに基づいて、複数の３次元医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。具体的には、生成部１５５は、推定部１５４によって推定された組織ＴＤＣそれぞれに対して、ノイズ情報取得部１５３によって取得された画像ＳＤに相当するノイズを付加する。

図５は、第１の実施形態に係る生成部１５５によるノイズ付加処理の一例を示す図である。図５においては、組織ＴＤＣを示す。例えば、生成部１５５は、図５に示すように、推定部１５４によって推定された組織ＴＤＣ（図５の（Ａ））に対して、ノイズ情報取得手段によって取得された画像ＳＤに相当するノイズを付加させた組織ＴＤＣ（図５の（Ｂ））を生成する。

一例を挙げると、生成部１５５は、推定部１５４によって推定された組織ＴＤＣのＣＴ値（ＨＵ）を、ノイズ情報取得部１５３によって取得された画像ＳＤに相当するＣＴ値（ＨＵ）の範囲で変化させることで、ノイズを付加する。

そして、生成部１５５は、ノイズを付加した組織ＴＤＣを用いたパーフュージョン解析を解析部１５２に実行させて、パーフュージョン画像の信頼性を判定するための判定情報を生成する。具体的には、生成部１５５は、複数のボリュームデータから生成されたパーフュージョン画像における特徴量の誤差範囲を示すグラフを生成する。より具体的には、生成部１５５は、推定部１５４によって推定されたシミュレーションパラメータごとの組織ＴＤＣに対して、ノイズを付加した後にパーフュージョン解析をそれぞれ実行させて、得られた解析値をグラフにプロットした真値−解析値グラフを生成する。

なお、ここで解析部１５２に実行させるパーフュージョン解析の解析パラメータは、信頼性を判定するパーフュージョン画像と同一の解析パラメータである。例えば、解析パラメータがＣＢＰのパーフュージョン画像の信頼性を判定するための判定情報を生成する場合には、解析パラメータは、ＣＢＰである。

図６は、第１の実施形態に係る生成部１５５によって生成される真値−解析値グラフの一例を示す図である。ここで、図６においては、縦軸が、ノイズ付加後の組織ＴＤＣに対してパーフュージョン解析を行った解析値（ｍｌ／ｍｉｎ／１００ｍｌ）を示し、横軸が、シミュレーションパラメータとして用いた真値（ｍｌ／ｍｉｎ／１００ｍｌ）を示す。

例えば、生成部１５５は、図６の上側の図に示すように、１０通りのシミュレーションパラメータで推定された組織ＴＤＣにそれぞれノイズを付加した後にパーフュージョン解析を実行させた解析値をプロットした真値−解析値グラフを生成する。すなわち、図６に示す真値−解析値グラフの生成においては、推定部１５４が、シミュレーションパラメータである血流量を１０通りに変化させた組織ＴＤＣをそれぞれ推定する。生成部１５５は、推定部１５４によって推定された組織ＴＤＣにそれぞれノイズを付加してパーフュージョン解析を実行させる。

ここで、生成部１５５は、同一のシミュレーションパラメータにおける解析値をノイズの影響による変動傾向を正確に反映したものとするために、図６の上側の図に示すように、同一のシミュレーションパラメータの組織ＴＤＣに対して複数回のパーフュージョン解析を実行させる。一例を挙げると、生成部１５５は、１つのシミュレーションパラメータごとに４０回のパーフュージョン解析を実行させる。すなわち、生成部１５５は、推定部１５４によって推定された組織ＴＤＣに対して、ノイズの付加及びパーフュージョン解析の実行を４０回繰り返して実行し、各解析値をグラフにプロットする。

生成部１５５は、シミュレーションパラメータすべてに対して上述した処理を実行することで、図６の上側の図のような真値−解析値グラフを生成する。そして、生成部１５５は、真値−解析値グラフを生成すると、得られた結果の統計処理を実行する。例えば、生成部１５５は、各シミュレーションパラメータにおける解析値の平均値、標準偏差、真値からの誤差などを算出する。一例を挙げると、生成部１５５は、図６の下側の図に示すように、平均値±標準偏差値を算出して、標準偏差内に存在する領域を妥当性範囲として設定する。

ここで、妥当性範囲とは、解析値に対して真値が取りうる値の範囲を意味する。例えば、解析値が「２００（ｍｌ／ｍｉｎ／１００ｍｌ）」であった場合に、真値は「１６０〜２１０（ｍｌ／ｍｉｎ／１００ｍｌ）」となる。言い換えると、真値が「１６０〜２１０」の場合に、解析値として「２００」が算出されうることを意味する。

上述したように、生成部１５５は、真値−解析値グラフを生成するが、例えば、図６の下側に示すグラフを参照した場合に、ユーザは、解析値が大きくなるにつれて、標準偏差が大きくなり、信頼性が低いことを確認することができる。

また、生成部１５５は、真値−解析値を用いて、パーフュージョン画像の各画素における特徴量の誤差を算出し、算出した誤差を示した信頼性表示画像を生成する。図７は、第１の実施形態に係る生成部１５５による信頼性Ｍａｐ生成の一例を説明するための図である。例えば、生成部１５５は、図７に示すように、パーフュージョン画像（Perfusion Map）において、パーフュージョン値（Perfusion値）が「２００」の画素について、真値−解析値グラフから「妥当性範囲：１６０〜２１０」を取得する。

そして、生成部１５５は、取得した「妥当性範囲：１６０〜２１０」について、平均値「１８５：（１６０＋２１０）／２」、及び、妥当性範囲幅「５０：２１０−１６０」を算出する。さらに、生成部１５５は、算出した平均値及び妥当性範囲幅から、解析値「２００」に対応する真値「１８５±２５」を算出して、誤差「±１３．５％（＝２５／１８５×１００）」を算出する。

すなわち、生成部１５５は、解析値が「２００」の画素の真値は「１８５±２５」であり、誤差が「±１３．５％」であることを算出する。ここで、パーフュージョン画像の信頼性は、真値の誤差が小さいほど高くなる。したがって、図７に示すように、誤差「±１３．５％」を不信頼度「１３．５％」として表現することも可能である。

そして、生成部１５５は、図７に示すように、パーフュージョン画像のすべての画素について上述した処理を実行することで、各画素の誤差（不信頼度）を算出し、算出した不信頼度の違いを色で表現した信頼性Ｍａｐを生成する。ここで、生成部１５５によって生成される信頼性Ｍａｐは、単一の色の濃淡で不信頼度の違いを表現してもよく、或いは、複数の色により不信頼度の違いを表現してもよい。

さらに、生成部１５５は、信頼性Ｍａｐを生成する場合に、算出した誤差が所定の値を上回った領域のみを示した信頼性Ｍａｐを生成する。ここで、生成部１５５は、所定の値として、例えば、「５％」を用い、パーフュージョン画像において不信頼度が「５％」を上回った領域のみを示した信頼性Ｍａｐを生成する。

図１に戻って、表示制御部１５６は、生成部１５５によって生成された判定情報を表示部１２０にて表示させるように制御する。具体的には、表示制御部１５６は、生成部１５５によって生成された信頼性Ｍａｐ、及び、パーフュージョン画像に信頼性Ｍａｐを重畳させた重畳画像のうち、少なくとも一方を表示部１２０にて表示させるように制御する。また、表示制御部１５６は、真値−解析値グラフを表示部１２０にて表示させるように制御する。

図８は、第１の実施形態に係る表示制御部１５６による表示制御の第一の例を説明するための図である。ここで、図８においては、（Ａ）に信頼性Ｍａｐ（全範囲表示）、（Ｂ）に信頼性Ｍａｐ（部分範囲表示）、（Ｃ）にパーフュージョン画像を示す。すなわち、図８の（Ａ）においては、パーフュージョン画像の全ての画素について、真値−解析値グラフから各画素の妥当性範囲をそれぞれ取得して、各画素の誤差（不信頼度）を算出し、算出した誤差（不信頼度）に対応する色で各画素を示した信頼性Ｍａｐ（全範囲表示）が示される。また、図８の（Ｂ）においては、信頼性Ｍａｐ（全範囲表示）において、誤差（不信頼度）が所定の値を上回った領域１１を抽出して、領域１１のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。一例を挙げると、領域１１は、誤差（不信頼度）が「５％」を上回った領域を示す。また、図８の（Ｃ）においては、解析されたパーフュージョン画像が示される。

例えば、表示制御部１５６は、図８の（Ｄ）に示すように、不信頼度が所定の値を上回った領域１１が示される信頼性Ｍａｐ（部分範囲表示）をパーフュージョン画像に重畳させた重畳画像を表示部１２０にて表示させる。これにより、ユーザは、パーフュージョン画像において不信頼度が高い領域（信頼度が低い領域）を一目で確認することができる。なお、信頼性Ｍａｐ（部分範囲表示）とは、例えば、パーフュージョン画像において不信頼度が「５％」を上回った領域のみを示した信頼性Ｍａｐである。

また、表示制御部１５６は、図８の（Ａ）に示す信頼性Ｍａｐ（全範囲表示）や、信頼性Ｍａｐ（部分範囲表示）、或いは、信頼性Ｍａｐ（全範囲表示）に信頼性Ｍａｐ（部分範囲表示）を重畳させた重畳画像など、ユーザが指定する画像を単独又は並列で表示部１２０にて表示させる。

また、表示制御部１５６は、同一のＸ線ＣＴ画像が複数の解析パラメータによって解析されたパーフュージョン画像それぞれの解析結果から生成された信頼性Ｍａｐを重畳させて表示させる。図９は、第１の実施形態に係る表示制御部１５６による表示制御の第二の例を説明するための図である。ここで、図９においては、（Ａ１）〜（Ａ３）に異なる解析パラメータによって解析されたパーフュージョン画像の信頼性Ｍａｐ（部分範囲表示）をそれぞれ示し、（Ｂ）にパーフュージョン画像を示す。

すなわち、図９の（Ａ１）においては、Ｘ線ＣＴ画像に対して所定の解析パラメータ（例えば、ＣＢＰ）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１２のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。また、図９の（Ａ２）においては、（Ａ１）にて解析されたＸ線ＣＴ画像と同一のＸ線ＣＴ画像に対して、（Ａ１）とは異なる解析パラメータ（例えば、ＣＢＶ：cerebral blood volume）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１３のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。また、図９の（Ａ３）においては、（Ａ１）及び（Ａ２）にて解析されたＸ線ＣＴ画像と同一のＸ線ＣＴ画像に対して、（Ａ１）及び（Ａ２）とは異なる解析パラメータ（例えば、ＣＢＦ：cerebral blood flow）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１４のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。なお、図９の（Ｂ）に示すパーフュージョン画像は、（Ａ１）〜（Ａ３）に示される信頼性Ｍａｐ（部分範囲表示）が生成されたパーフュージョン画像のいずれを用いてもよい。

例えば、表示制御部１５６は、図９の（Ｃ）に示すように、（Ａ１）の解析パラメータで不信頼度が所定の値を上回った領域１２と、（Ａ２）の解析パラメータで不信頼度が所定の値を上回った領域１３と、（Ａ３）の解析パラメータで不信頼度が所定の値を上回った領域１４をパーフュージョン画像に同時に重畳させた重畳画像を表示部１２０にて表示させる。これにより、ユーザは、例えば、全解析パラメータにおいて信頼性が低い領域や、逆に信頼性が高い領域などを一目で確認することができる。

次に、図１０及び図１１を用いて、第１の実施形態に係る画像処理装置１００の処理について説明する。まず、画像処理装置１００による全体処理の手順を説明する。図１０は、第１の実施形態に係る画像処理装置１００による全体処理の手順を示すフローチャートである。なお、図１０においては、造影しながら経時的に収集された複数のボリュームデータから画像がそれぞれ生成され、画像取得部１５１によって生成された画像が取得された後の処理について示す。

図１０に示すように、第１の実施形態に係る画像処理装置１００においては、画像取得部１５１によって画像が取得されると、解析部１５２が、ユーザによって指定された解析パラメータによるパーフュージョン解析を実行する（ステップＳ１０１）。そして、推定部１５４は、画像取得部１５１によって取得された画像から動脈のＴＤＣを取得し（ステップＳ１０２）、ノイズ情報取得部１５３は、画像ＳＤを算出する（ステップＳ１０３）。

そして、推定部１５４は、灌流モデルを選択して（ステップＳ１０４）、シミュレーション範囲を参照してシミュレーションパラメータの範囲を取得する（ステップＳ１０５）。その後、生成部１５５は、推定部１５４によって推定された組織のＴＤＣにより、シミュレーション計算を実行して、真値−解析値グラフを生成する（ステップＳ１０６）。

表示制御部１５６は、生成部１５５によって生成された真値−解析値グラフを表示部１２０にて表示させる（ステップＳ１０７）。そして、生成部１５５は、パーフュージョン画像の各画素について信頼性を判定して信頼性Ｍａｐを生成する（ステップＳ１０８）。表示制御部１５６は、生成された信頼性Ｍａｐを表示部１２０にて表示させる（ステップＳ１０９）。

なお、図１０に示す処理の一例では、真値−解析値グラフを表示した後、信頼性Ｍａｐを生成して、表示する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、真値−解析値グラフと信頼性Ｍａｐとを生成した後に、それぞれを並列して表示させる場合であってもよい。

次に、真値−解析値グラフの生成処理について説明する。図１１は、第１の実施形態に係る画像処理装置１００による真値−解析値グラフの生成処理の手順を示すフローチャートである。なお、図１１に示す処理は、図１０におけるステップＳ１０６の処理に相当する。

図１０に示すように、第１の実施形態に係る画像処理装置１００においては、シミュレーションパラメータの範囲を取得すると、推定部１５４は、シミュレーションパラメータを設定して（ステップＳ２０１）、組織ＴＤＣを作成（推定）する（ステップＳ２０２）。その後、生成部１５５は、作成された組織ＴＤＣに対してノイズを付加して（ステップＳ２０３）、解析部１５２にパーフュージョン解析を実行させて誤差を計算する（ステップＳ２０４）。

そして、生成部１５５は、真値−解析値グラフに解析値をプロットして（ステップＳ２０５）、解析を所定の回数繰り返して実行したか否かを判定する（ステップＳ２０６）。ここで、解析を所定の回数繰り返して実行していないと判定した場合には（ステップＳ２０６否定）、ステップＳ２０２に戻って、推定部１５４が同一のシミュレーションパラメータで組織ＴＤＣを作成する。

一方、解析を所定の回数繰り返して実行したと判定した場合には（ステップＳ２０６肯定）、生成部１５５は、全シミュレーションパラメータで実行したか否かを判定する（ステップＳ２０７）。ここで、全シミュレーションパラメータで実行していないと判定した場合には（ステップＳ２０７否定）、ステップＳ２０１に戻って、推定部１５４が未解析のシミュレーションパラメータを設定する。

一方、全シミュレーションパラメータで実行したと判定した場合には（ステップＳ２０７肯定）、生成部１５５は、真値−解析値グラフの統計処理を実行して（ステップＳ２０８）、真値−解析値グラフの生成処理を終了する。

上述したように、第１の実施形態によれば、ノイズ情報取得部１５３が、造影剤によって造影しながら経時的に収集された複数のボリュームデータに含まれるノイズの情報を取得する。そして、推定部１５４が、複数のボリュームデータにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における造影剤の信号強度の経時的な遷移を示すＴＤＣと、解析対象の組織の灌流モデルとから、灌流の違いを示すシミュレーションパラメータごとに、解析対象の組織におけるＴＤＣを推定する。そして、生成部１５５が、推定部１５４によってシミュレーションパラメータごとに推定された解析対象の組織におけるＴＤＣと、ノイズ情報取得部１５３によって取得されたノイズ情報とに基づいて、複数のボリュームデータから生成されたパーフュージョン画像の信頼性を判定するための判定情報を生成する。そして、表示制御部１５６が、生成部１５５によって生成された判定情報を表示部１２０にて表示させるように制御する。従って、第１の実施形態に係る画像処理装置１００は、流入血管及び組織のＴＤＣと、画像のノイズとを考慮した信頼性の判定情報を提供することができ、ユーザがパーフュージョン画像における解析結果の信頼性を確認することを可能にする。

また、第１の実施形態によれば、生成部１５５は、複数のボリュームデータから生成されたパーフュージョン画像におけるパーフュージョン値の誤差範囲を示すグラフを生成する。従って、第１の実施形態に係る画像処理装置１００は、パーフュージョン画像の信頼性を容易に確認させる情報を提供することを可能にする。

また、第１の実施形態によれば、生成部１５５は、真値−解析値グラフを用いて、パーフュージョン画像の各画素におけるパーフュージョン値の誤差を算出し、算出した誤差を示した信頼性Ｍａｐを生成する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の確認を一目で実行させることを可能にする。

また、第１の実施形態によれば、生成部１５５は、信頼性Ｍａｐを生成する場合に、算出した誤差が所定の値を上回った領域のみを示した信頼性Ｍａｐ（部分範囲表示）を生成する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の低い領域を一目で確認させることを可能にする。

また、第１の実施形態によれば、表示制御部１５６は、生成部１５５によって生成された信頼性Ｍａｐ、及び、パーフュージョン画像に信頼性Ｍａｐを重畳させた重畳画像のうち、少なくとも一方を表示部１２０にて表示させるように制御する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の低い領域をさらに容易に確認させることを可能にする。

（第２の実施形態）
さて、これまで第１の実施形態について説明したが、上述した第１の実施形態以外にも、種々の異なる形態にて実施されてよいものである。

上述した第１の実施形態においては、真値−解析値グラフと、画像（パーフュージョン画像、信頼性Ｍａｐなど）とを単独、或いは並列で表示させる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、真値−解析値グラフと、画像との関係を表示させることも可能である。

かかる場合には、表示制御部１５６は、パーフュージョン画像、信頼性Ｍａｐ（全範囲表示）、信頼性Ｍａｐ（部分範囲表示）又は重畳画像に含まれる領域と、真値−解析値グラフ上の領域との対応関係を表示部に表示させるように制御する。図１２は、第２の実施形態に係る表示制御部１５６による表示制御の一例を示す図である。ここで、図１２においては、パーフュージョン画像と真値−解析値グラフとの対応関係を示す場合について示す。

例えば、表示制御部１５６は、図１２に示すように、パーフュージョン画像における領域に対応する真値−解析値グラフの領域を表示部１２０にて表示させるように制御する。これにより、例えば、ユーザは、パーフュージョン画像上の所望する領域を指定することで、指定した領域が真値−解析値グラフのどのあたりにあるのかを一目で確認することができる。

上述した第１の実施形態においては、画像処理装置１００がネットワークを介して医用画像診断装置や画像保管装置と接続され、通信部を介して画像を取得する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、操作者が所望する画像データがフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどの記憶媒体を介して、記憶部１４０に格納される場合であっても適用可能である。また、本実施形態は、操作者が所望する画像データを記憶する記憶装置が、記憶部１４０以外に設置される場合であっても適用可能である。

上述した第１の実施形態では、Ｘ線ＣＴ装置によって撮影されＸ線ＣＴ画像を用いる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、ＭＲＩ装置によって撮影されたＭＲ画像を用いる場合であってもよい。

また、上述した第１の実施形態における画像処理装置１００の構成はあくまでも一例であり、各部の統合及び分離は適宜行うことができる。例えば、ノイズ情報取得部１５３と推定部１５４とを統合したり、生成部１５５を、ノイズを付加するノイズ付加部と真値−解析値グラフ及び信頼性Ｍａｐを生成する情報生成部とに分離したりすることが可能である。

上述した第１の実施形態では、灌流画像の精度に係る阻害要因として画像データに含まれるノイズを用いる場合を例に挙げて説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、灌流画像の精度に係る阻害要因として画像データに含まれるアーチファクトの情報や、体動の情報を用いる場合であってもよい。ここで、体動の情報とは、例えば、本来同一位置の画像が撮影されているところ、息止めの失敗などにより撮影された位置が大きく変化した情報などを意味する。上述したアーチファクトの情報及び体動の情報を用いる場合も、ノイズの場合と同様に、画像ＳＤが算出され、同様の処理が実行される。

上述した第１の実施形態では、造影剤によって造影しながら経時的に収集された複数の医用画像を用いる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、非造影の状態で経時的に収集された複数の医用画像を用いる場合であってもよい。かかる場合には、ノイズ情報取得部１５３は、非造影の状態で経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定部１５４は、解析対象の組織に対して血液を流入させる血管における非造影の状態での信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、解析対象の組織における時間濃度曲線を推定する。非造影の画像としては、例えば、非造影ＭＲＡ（Magnetic Resonance Angiography）によって血液を内因性造影剤に見立てて撮像されたＭＲ画像などが挙げられる。

上述した第１の実施形態では、複数の医用画像データに対して画像処理装置１００が処理を実行する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置、Ｘ線診断装置などの医用画像診断装置によって実行される場合であってもよい。かかる場合には、例えば、医用画像診断装置が、制御部１５０を備え、上述した各種処理を実行する。

以上説明したとおり、第１の実施形態及び第２の実施形態によれば、本実施形態の画像処理装置、医用画像診断装置及び画像処理プログラムは、パーフュージョン画像における解析結果の信頼性を確認することを可能にする。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１００ 画像処理装置
１５０ 制御部
１５１ 画像取得部
１５２ 解析部
１５３ ノイズ情報取得部
１５４ 推定部
１５５ 生成部
１５６ 表示制御部

Claims (12)

1. 経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する情報取得手段と、
   前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する推定手段と、
   前記推定手段によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得手段によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する生成手段と、
   前記生成手段によって生成された判定情報を所定の表示部にて表示させるように制御する表示制御手段と、
   を備えたことを特徴とする画像処理装置。
2. 前記生成手段は、前記複数の医用画像データから生成された灌流画像における特徴量の誤差範囲を示すグラフを生成することを特徴とする請求項１に記載の画像処理装置。
3. 前記生成手段は、前記グラフを用いて、前記灌流画像の各画素における前記特徴量の誤差を算出し、算出した誤差を示した信頼性表示画像を生成することを特徴とする請求項２に記載の画像処理装置。
4. 前記生成手段は、前記信頼性表示画像を生成する場合に、算出した誤差が所定の値を上回った領域のみを示した部分信頼性表示画像を生成することを特徴とする請求項３に記載の画像処理装置。
5. 前記表示制御手段は、前記生成手段によって生成された信頼性表示画像、及び、前記灌流画像に前記信頼性表示画像を重畳させた重畳画像のうち、少なくとも一方を前記所定の表示部にて表示させるように制御することを特徴とする請求項３又は４に記載の画像処理装置。
6. 前記表示制御手段は、前記灌流画像、前記信頼性表示画像、前記部分信頼性表示画像又は前記重畳画像に含まれる領域と、前記グラフ上の領域との対応関係を前記所定の表示部に表示させるように制御することを特徴とする請求項２〜５のいずれか１つに記載の画像処理装置。
7. 前記情報取得手段は、前記灌流画像の精度に係る阻害要因の情報として、前記複数の医用画像データに含まれるノイズの情報、アーチファクトの情報又は体動の情報を取得することを特徴とする請求項１〜６のいずれか１つに記載の画像処理装置。
8. 前記情報取得手段は、造影剤によって造影しながら経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
   前記推定手段は、解析対象の組織に対して血液を流入させる血管における前記造影剤の信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定することを特徴とする請求項１〜７のいずれか１つに記載の画像処理装置。
9. 前記情報取得手段は、非造影の状態で経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
   前記推定手段は、解析対象の組織に対して血液を流入させる血管における非造影の状態での信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定することを特徴とする請求項１〜７のいずれか１つに記載の画像処理装置。
10. 前記情報取得手段は、経時的に収集された複数の３次元医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
    前記推定手段は、前記複数の３次元医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定し、
    前記生成手段は、前記推定手段によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得手段によって取得された阻害要因の情報とに基づいて、前記複数の３次元医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成することを特徴とする請求項１〜９のいずれか１つに記載の画像処理装置。
11. 経時的な複数の医用画像データを収集する収集手段と、
    前記収集手段によって収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する情報取得手段と、
    前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する推定手段と、
    前記推定手段によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得手段によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する生成手段と、
    前記生成手段によって生成された判定情報を所定の表示部にて表示させるように制御する表示制御手段と、
    を備えたことを特徴とする医用画像診断装置。
12. 経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する情報取得手順と、
    前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する推定手順と、
    前記推定手順によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得手順によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する生成手順と、
    前記生成手順によって生成された判定情報を所定の表示部にて表示させるように制御する表示制御手順と、
    をコンピュータに実行させることを特徴とする画像処理プログラム。