JP2018015022A - 医用画像処理装置 - Google Patents

Abstract

【課題】複数の構造物が重なっている画像から対象物を精度良く抽出する。【解決手段】複数の構造物が含まれる医用画像処理装置において、事前情報として解剖学的な位置に基づく特定の構造物の輪郭線の集合からなる事前形状モデルを保存する保存手段２３と、事前形状モデルを医用画像内に配置する基準位置抽出手段２１と、医用画像に対して、配置された事前形状モデルの複数の輪郭線と重合する位置において、画像特徴量を計算する計算手段と、配置された事前形状モデルの輪郭線と画像特徴量とに基づいて特定の構造物の候補点を検出することで特定の構造物の輪郭線を抽出する抽出手段とを備えている。【選択図】図２

Description

本発明は、医用画像処理装置に関する。

医療の分野では、ＣＲ（Computed Radiography）装置、ＦＰＤ（Flat Panel Detector）装置、ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置等のモダリティにおいて生成された医用画像を表示して、医師が身体の所定部分を観察する読影診断が行われている。

特許文献１においては、画像処理装置が、医用画像に対して、勾配強度を基に輪郭エッジ候補を検出し、当該エッジ候補の中から輪郭位置を自動で選択し、注目部位の抽出を行っていた。

また、特許文献２では、画像処理装置が、予め、撮影して得た複数の胸部画像の肋骨形状から統計的手法を用いて生成した複数の肋骨モデル形状を用意し、被写体を撮影した胸部画像から被写体肋骨形状を抽出し、当該被写体肋骨形状に最も類似する肋骨モデル形状を特定し、最も類似するこの肋骨モデル形状を被写体を撮影した肋骨形状と推定していた。

特許第５６８３８８８号公報 特開２００６−１７５０３６号公報

しかしながら、特許文献１のように、勾配強度に基づいてエッジ候補を検出し、エッジ候補の中から最適な輪郭位置を抽出する方法の場合、図１４（Ａ）のように、胸部単純Ｘ線画像などの複数の構造物が重なっている医用画像に適用すると、図１４（Ｂ）のように、当該複数の構造物のエッジが連結してしまい、正確に輪郭位置を抽出することが困難であった。

また、特許文献２では、抽出された被写体肋骨形状と類似する肋骨モデル形状を探索する手法が提案されているが、肋骨モデル形状との類似性が比較される被写体肋骨形状を精度良く検出すること自体が難しいので、類似するモデルを正確に探索することは困難であった。

本発明は、複数の構造物が重なっている画像から対象物を精度良く抽出することを課題とする。

請求項１記載の発明は、複数の構造物が含まれる医用画像を処理する医用画像処理装置において、
事前情報として解剖学的な位置に基づく特定の構造物の輪郭線の集合からなる事前形状モデルを保存する保存手段と、
前記事前形状モデルを前記医用画像内に配置する基準位置抽出手段と、
前記医用画像に対して、前記配置された事前形状モデルの複数の前記輪郭線と重合する位置において、画像特徴量を計算する計算手段と、
前記事前形状モデルの前記輪郭線と前記画像特徴量とに基づいて前記特定の構造物の候補点を検出することで前記特定の構造物の輪郭線を抽出する抽出手段とを備えることを特徴とする。

請求項２記載の発明は、請求項１記載の医用画像処理装置において、
前記事前形状モデルの複数の前記輪郭線は、特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする。

請求項３記載の発明は、請求項２記載の医用画像処理装置において、
前記事前形状モデルは年齢ごとに用意され、
前記年齢ごとの事前形状モデルの複数の前記輪郭線は、年齢ごとに特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする。

請求項４記載の発明は、請求項２記載の医用画像処理装置において、
前記事前形状モデルは性別ごとに用意され、
前記性別ごとの事前形状モデルの複数の前記輪郭線は、性別ごとに特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする。

請求項５記載の発明は、請求項１から４のいずれか一項に記載の医用画像処理装置において、
前記保存手段に保存された事前形状モデルを、前記抽出手段が抽出した前記特定の構造物に基づいて、前記複数の輪郭線を補正した新たな事前形状モデルに更新する更新手段を備え、
前記更新手段による更新後は、前記基準位置抽出手段と前記計算手段と前記抽出手段とは、前記新たな事前形状モデルを利用することを特徴とする。

請求項６記載の発明は、請求項５記載の医用画像処理装置において、
前記更新手段は、前記保存手段に保存された事前形状モデルと前記抽出手段が抽出した前記特定の構造物との位置の差に基づいて、前記事前形状モデルの複数の輪郭線を補正することを特徴とする。

請求項７記載の発明は、請求項５又は６記載の医用画像処理装置において、
前記更新手段は、前記保存手段に保存された事前形状モデルの所定の輪郭線との一致度が高かった、前記抽出手段が抽出した前記特定の構造物に基づいて、前記事前形状モデルの複数の輪郭線を補正することを特徴とする。

請求項８記載の発明は、請求項１から７のいずれか一項に記載の医用画像処理装置において、
前記医用画像は、胸部単純Ｘ線画像であることを特徴とする。

請求項９記載の発明は、請求項１から８のいずれか一項に記載の医用画像処理装置において、
前記特定の構造物は、骨であることを特徴とする。

以上のように、本発明によれば、複数の構造物が重なっている画像から対象物を精度良く抽出することが可能となる。

本実施形態に係るＸ線画像システムの全体構成を示す図である。 図１の医用画像処理装置の機能的構成を示すブロック図である。 制御部により実行される構造物抽出処理のフローチャートを示す。 事前形状モデル画像を示す図である。 図５（Ａ）は胸部単純Ｘ線画像を示す図であり、図５（Ｂ）は胸部単純Ｘ線画像から抽出した肺野領域を示す図である。 図６（Ａ）は事前形状モデル画像を配置した胸部単純Ｘ線画像を示す図であり、図６（Ｂ）は図６（Ａ）の矩形領域の拡大図を示す。 一次微分を行って得られたＸ線画像の肺野領域内の特徴量画像を示す図である。 特徴量画像に事前形状モデル画像を重ねた画像を示す図である。 事前形状モデル画像の輪郭線モデルから抽出した肋骨の輪郭線候補モデルを示す図である。 肋骨の輪郭線候補モデルにより特徴量画像から検出された極大点示す図である。 図１０の極大点の点群を結んだ実際の肋骨の輪郭線を示す図である。 事前形状モデル回帰工程において、実際の肋骨の輪郭線との位置差に基づいて肋骨の輪郭線候補モデルに行う補正を示す図である。 肋骨の輪郭線モデルが全体的に補正された新たな事前形状モデル画像を示す図である。 図１４（Ａ）は複数の構造物が重なっている胸部単純Ｘ線画像を示す図であり、図１４（Ｂ）は図１４（Ａ）の画像を勾配強度に基づいてエッジ候補を検出した場合の処理結果を示す図である。

以下、図面を参照して本発明の実施形態について説明する。ただし、発明の範囲は、図示例に限定されない。

［Ｘ線画像システムの構成］
まず、構成を説明する。
図１に、本実施形態に係るＸ線画像システム１００を示す。Ｘ線画像システム１００は、医療施設に適用されるシステムであり、Ｘ線撮影装置１と医用画像処理装置２とが、例えば、ＬＡＮ（Local Area Network）等の通信ネットワークＮによりデータ送受信可能に接続されて構成されている。

Ｘ線撮影装置１は、ＦＰＤ（Flat Panel Detector）装置、ＣＲ（Computed Radiography）装置等により構成される。Ｘ線撮影装置１は、Ｘ線源とＸ線検出器（ＦＰＤやＣＲカセッテ）を有し、これらの間に配置された被写体にＸ線を照射し、被写体を透過したＸ線を検出してデジタルの医用画像を生成し、医用画像処理装置２に出力する。なお、医用画像には、患者情報、撮影部位、撮影日等が対応付けられて医用画像処理装置２に出力される。

医用画像処理装置２は、Ｘ線撮影装置１から入力された医用画像に各種処理を施して読影用に表示する画像処理装置である。医用画像処理装置２は、図２に示すように、制御部２１、ＲＡＭ２２、記憶部２３、操作部２４、表示部２５、通信部２６等を備えて構成されており、各部はバス２７により接続されている。

制御部２１は、ＣＰＵ（Central Processing Unit）等により構成され、記憶部２３に記憶されているシステムプログラムや処理プログラム等の各種プログラムを読み出してＲＡＭ２２に展開し、展開されたプログラムに従って後述する構造物抽出処理をはじめとする各種処理を実行することで、「基準位置抽出手段」、「計算手段」及び「抽出手段」として機能する。

ＲＡＭ２２は、制御部２１により実行制御される各種処理において、記憶部２３から読み出された制御部２１で実行可能な各種プログラム、入力若しくは出力データ、及びパラメーター等の一時的に記憶するワークエリアを形成する。

記憶部２３は、ＨＤＤ（Hard Disk Drive）や半導体の不揮発性メモリー等により構成される。記憶部２３には、前述のように各種プログラムやプログラムの実行に必要なデータ（例えば、後述する事前形状モデルを表すデータ等）が記憶されている。つまり、この記憶部２３は、事前形状モデルを保存する「保存手段」として機能する。
また、記憶部２３には、Ｘ線撮影装置１から入力され医用画像処理装置２において画像処理された医用画像、医用画像処理装置２において生成された構造物抽出後の医用画像等を患者情報、撮影部位、日付等に対応付けて記憶する画像ＤＢ２３１が設けられている。

操作部２４は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードで押下操作されたキーの押下信号とマウスによる操作信号とを、入力信号として制御部２１に出力する。

表示部２５は、例えば、ＣＲＴ（Cathode Ray Tube）やＬＣＤ（Liquid Crystal Display）等のモニターを備えて構成されており、制御部２１から入力される表示信号の指示に従って、各種画面を表示する。

通信部２６は、ネットワークインターフェース等により構成され、スイッチングハブを介して通信ネットワークＮに接続された外部機器との間でデータの送受信を行う。

［Ｘ線画像システム１００の動作］
次に、Ｘ線画像システム１００の動作について説明する。
まず、Ｘ線撮影装置１において被写体の撮影が行われる。このとき、Ｘ線源とＸ線検出器とが対向する位置となるようにＸ線源やＸ線検出器の位置が調整されるとともに、これらの間に被写体部位がポジショニングされて撮影が行われる。被写体部位が胸部である場合は、Ｘ線源とＸ線検出器との間に、例えば、被写体の背側がＸ線源側を向くようにしてポジショニングが行われ、Ｘ線撮影が行われる。撮影により得られた医用画像には、患者情報、撮影部位（被写体部位）、撮影日時等が付帯情報として対応付けられて通信ネットワークＮを介して医用画像処理装置２に送信される。

医用画像処理装置２においては、通信部２６によりＸ線撮影装置１からの医用画像が受信されると、制御部２１により、受信された医用画像に構造物抽出処理が施され、患者情報、撮影部位、撮影日時等と対応付けられて画像ＤＢ２３１に記憶されるとともに、表示部２５に表示される。

［構造物抽出処理］
本実施形態において、Ｘ線撮影装置１において生成された医用画像の画素値（信号値）は、医用画像の濃度に対応している。ここでは、濃度が高い（黒に近い）ほど低い画素値で、濃度が低い（白に近い）ほど高い画素値で表現されていることとして説明する。
構造物抽出処理では、取り扱う医用画像として、被写体部位が胸部であって、造影剤を使用しない単純Ｘ線画像とする。また、抽出すべき構造物は胸部肋骨である。

以下、構造物抽出処理について説明する。
図３に、制御部２１により実行される構造物抽出処理のフローチャートを示す。構造物抽出処理は、制御部２１と記憶部２３に記憶されているプログラムとの協働により実行される。

［構造物抽出処理：形状モデル配置工程］
構造物抽出処理において、まず、制御部２１は、形状モデル配置工程を実行する（ステップＳ１）。
形状モデル配置工程では、構造物抽出の実行エリアとなる医用画像としての胸部単純Ｘ線画像（以下、単に「Ｘ線画像」という）Ｇ内の適正な位置に、抽出対象となる肋骨の輪郭線を模した輪郭線モデルの画像を二次元平面上に敷き詰めた事前形状モデル画像Ｋを配置する。
このため、制御部２１は、Ｘ線画像Ｇ（図５（Ａ）参照）を配置エリアの対象としてＲＡＭ２２に入力すると共に、事前形状モデル画像Ｋを配置する対象としてＲＡＭ２２に入力する。

ここで、事前形状モデル画像Ｋを図４に示す。この事前形状モデル画像Ｋは、前述したように、肋骨の輪郭線モデルの画像を二次元平面上に敷き詰めてなる。この事前形状モデル画像Ｋは、肺野内における解剖学的な位置に配置された複数の肋骨の輪郭線の集合から構成されている。
即ち、この事前形状モデル画像Ｋは、数多くの胸部の実写画像に基づいて肋骨をモデリングし、そこから肋骨の輪郭線を抽出すると共に、抽出された数多くの肋骨の輪郭線を統計的な処理に基づいて形成したものである。

事前形状モデル画像Ｋを構成する肋骨の輪郭線の一つ一つの輪郭線モデルの画像は、肺野内の各位置において、統計的に典型的に現れる肋骨の輪郭線を示している。即ち、肺野内における当該輪郭線モデルの画像と同じ位置又はその近傍には、数多くの胸部の実写画像において肋骨の輪郭線が抽出されており、これら同位置又は近傍の位置で抽出された複数の実写画像の輪郭線に対して、平均化或いはこれらの中央値から代表的形状を選出する等の統計的処理を施して得られた曲線を輪郭線モデルとしている。

そして、事前形状モデル画像Ｋの肋骨の輪郭線モデルの画像は、いずれも、その曲線上に位置する複数の画素から構成されており、これらの画素の一つ一つには、当該画素位置における輪郭線の傾き方向を示すベクトル情報が格納されている。
また、事前形状モデル画像Ｋは、後述する画像特徴量抽出工程における必要性から、肺野の領域内において、極力、隙間が生じないようにより多くの輪郭線モデルの画像が密に用意されており、肺野の領域内の全ての画素がいずれかの輪郭線モデルの画像に属することが望ましい。しかしながら、いずれかの輪郭線モデルの画像にも属さない隙間となる画素が生じた場合には、当該隙間の画素については、画欠を埋める補完処理等の手法により近隣の画素のベクトル情報から求めた補完的なベクトル情報が格納されている。

制御部２１は、上記事前形状モデル画像Ｋを適正に配置するために、図５（Ａ）に示すＸ線画像Ｇから肺野領域を抽出する。
図５（Ｂ）は図５（Ａ）のＸ線画像Ｇから抽出した肺野領域Ｈを示している。
肺野領域Ｈは、公知の手法を用いて抽出することができる。この抽出方法として、例えば、特開平８−３３５２７１号公報に記載されているように、胸部のＸ線画像Ｇの水平方向及び垂直方向を順次走査してそれぞれの方向における信号値のプロファイルを作成し、プロファイルにおける変曲点に基づいて肺野領域Ｈの外縁部を抽出する手法を用いることができる。
そして、制御部２１は、肺野領域Ｈが定まると、当該肺野領域Ｈから定まる肺尖部Ｈ１の位置に事前形状モデル画像Ｋの上端部が一致するように、Ｘ線画像Ｇの上に事前形状モデル画像Ｋを配置する。なお、この際、肺野領域Ｈの上下幅や左右幅の大きさに応じて、事前形状モデル画像Ｋのサイズ調節を行っても良い。

このように、Ｘ線画像Ｇの上に事前形状モデル画像Ｋを配置することにより、制御部２１は「基準位置抽出手段」として機能する。

［構造物抽出処理：画像特徴量抽出工程］
次に、制御部２１は、画像特徴量抽出工程を実行する（ステップＳ３）。
この画像特徴量抽出工程では、Ｘ線画像Ｇの肺野領域内の各画素の画素値に対して、当該各画素と位置が一致する事前形状モデル画像Ｋの肋骨の輪郭線モデルに基づいて一次微分を行い、Ｘ線画像Ｇの肺野領域内の各画素について特徴量を算出する。

即ち、図６（Ａ）に示す矩形領域Ｗを例に説明すると、当該矩形領域Ｗを拡大して示した図６（Ｂ）のように、Ｘ線画像Ｇの肺野領域内の画素Ａを通る事前形状モデル画像Ｋの肋骨の輪郭線モデルＣにおける画素Ａと位置が一致する画素に格納された輪郭線の傾き方向を示すベクトル情報から、当該傾き方向に直交する方向ｄを求め、この直交する方向ｄに向かって画素Ａの画素値に対して一次微分を行う。

図７は、Ｘ線画像Ｇの肺野領域内の全画素について上記一次微分を行って得られたＸ線画像Ｇの肺野領域内の特徴量画像Ｔである。
なお、前述したように、事前形状モデル画像Ｋは、エリア全体が肋骨の輪郭線モデルＣで埋まっておらず、隙間が生じ得るが、当該隙間となる画素についても、補完的なベクトル情報が格納されているので、Ｘ線画像Ｇの肺野領域内の画素Ａがこのような隙間となる画素と重なっている場合でも、一次微分を行う方向を取得することができ、Ｘ線画像Ｇの肺野領域内の全画素について一次微分を行うことが可能である。

このように、Ｘ線画像Ｇに対して一次微分を行って画像特徴量を計算することにより、制御部２１は「計算手段」として機能する。

事前形状モデル画像Ｋの肋骨の輪郭線モデルＣは数多くの現実の肋骨の輪郭線を統計的に処理して得られたものであることから、Ｘ線画像Ｇの肺野領域内における肋骨の輪郭線は、位置が等しい肋骨の輪郭線モデルＣとその方向が一致又は近似する可能性が高くなる。
このように、Ｘ線画像Ｇの肺野領域内における、肋骨の輪郭線モデルＣとその方向が一致又は近似する線は、それに直交する方向の一次微分によって周囲とのコントラストが強調される。他方、Ｘ線画像Ｇの肺野領域内における肋骨の輪郭線以外の線は、肋骨の輪郭線モデルＣとその方向が一致又は近似する可能性が低くなるので、上記一次微分によって周囲とのコントラストは低下を生じる。
従って、Ｘ線画像Ｇの肺野領域内の特徴量画像Ｔは、Ｘ線画像Ｇの肺野領域内の肋骨の輪郭線のコントラストを高めることができる。
なお、上記の説明では、一次微分を行うことで特徴量画像Ｔを算出する場合を例示しているが、これに限らず、Ｘ線画像Ｇの肺野領域内の画素Ａを通る事前形状モデル画像Ｋの肋骨の輪郭線モデルＣにおける画素Ａと位置が一致する画素に格納された輪郭線の傾き方向に直交する方向ｄに沿って画素Ａの画素値に対して二次微分や位相限定相関法による位相情報の算出を行うことにより特徴量画像Ｔの算出を行っても良い。

［構造物抽出処理：構造物候補モデル抽出工程］
次に、制御部２１は、構造物候補モデル抽出工程を実行する（ステップＳ５）。
この構造物候補モデル抽出工程では、事前形状モデル画像Ｋの複数の肋骨の輪郭線モデルＣの中から構造物候補モデルである肋骨の輪郭線候補モデルＣＡを抽出する。
即ち、図８に示すように、特徴量画像Ｔに事前形状モデル画像Ｋを重ね、特徴量画像Ｔにおける各輪郭線モデルＣの画素と同じ位置の画素の特徴量を求め、肋骨の輪郭線モデルＣごとに特徴量の平均値を算出し、当該特徴量の平均値が予め定められた所定の閾値よりも高い値又は予め定められた閾値よりも低い値を示した肋骨の輪郭線モデルＣを肋骨の輪郭線候補モデルＣＡとして抽出する。

図９は、図８から抽出した肋骨の輪郭線候補モデルＣＡ以外の輪郭線モデルＣを除去した図である。
事前形状モデル画像Ｋ中に無数にある肋骨の輪郭線モデルＣの中で、この肋骨の輪郭線候補モデルＣＡの近傍に、Ｘ線画像Ｇの中の実際の肋骨の輪郭線が存在するといえる。

なお、Ｘ線画像Ｇの中の実際の肋骨の輪郭線は、周囲よりも濃度が低く（画素値が高く）なって線状となるものと、周囲よりも濃度が高く（画素値が低く）なって線状となるものとがある。そして、特徴量の平均値が予め定められた所定の閾値よりも高い値となって抽出された肋骨の輪郭線候補モデルＣＡは、周囲よりも濃度が低く（画素値が高く）なって線状となった実際の肋骨の輪郭線に対応し、特徴量の平均値が予め定められた所定の閾値よりも低い値となって抽出された肋骨の輪郭線候補モデルＣＡは、周囲よりも濃度が高く（画素値が低く）なって線状となった実際の肋骨の輪郭線に対応している。
そして、図９では、特徴量の平均値が予め定められた所定の閾値よりも高い値となって抽出された肋骨の輪郭線候補モデルＣＡのみを表しており、特徴量の平均値が予め定められた所定の閾値よりも低い値となって抽出された肋骨の輪郭線候補モデルＣＡの図示は省略している。

［構造物抽出処理：構造物検出工程］
次に、制御部２１は、構造物検出工程を実行する（ステップＳ７）。
この構造物検出工程では、肋骨の輪郭線候補モデルＣＡを使って構造物である実際の肋骨の輪郭線を抽出する。
まず、特徴量画像Ｔの各画素について、それぞれの肋骨の輪郭線候補モデルＣＡ付近（ＣＡに対して規定の距離範囲内）の位置で、前述した一次微分と同じ方向について画素値が極大値又は極小値となる極大点と極小点を検出する。図１０は検出された極大点を例示した図である。
そして、図１１に示すように、これらの点群を結んだ曲線が実際の肋骨の輪郭線Ｒである。なお、極小点の点群を結んだ肋骨の輪郭線Ｒは図示を省略している。

このように、事前形状モデル画像Ｋの輪郭線である肋骨の輪郭線候補モデルＣＡと画像特徴量画像とに基づいて候補点となる極大点及び極小点を検出することで実際の肋骨の輪郭線Ｒを抽出することにより、制御部２１は「抽出手段」として機能する。

前述したように、事前形状モデル画像Ｋの肋骨の輪郭線候補モデルＣＡの近傍に、Ｘ線画像Ｇの中の実際の肋骨の輪郭線Ｒが存在する蓋然性が高く、特徴量画像Ｔの極大点又は極小点は、構造物の縁部、即ち輪郭線を示す蓋然性が高い。従って、これら双方の条件を満たす点を検出することで肋骨の輪郭線Ｒをより高い精度で検出することができる。

［構造物抽出処理：事前形状モデル回帰工程］
次に、制御部２１は、事前形状モデル回帰工程を実行する。
この事前形状モデル回帰工程では、事前形状モデル画像Ｋにおける肋骨の輪郭線候補モデルＣＡとこれに基づいて検出された実際の肋骨の輪郭線Ｒとの位置差を比較する（ステップＳ９）。
そして、これらの位置差が予め定められた閾値よりも大きかった場合には（ステップＳ９：ＹＥＳ）、各輪郭線モデルＣを修正し、事前形状モデル画像Ｋの更新処理を行う（ステップＳ１１）。

このように、記憶部２３に保存された事前形状モデル画像Ｋを、構造物検出工程において抽出された実際の肋骨の輪郭線Ｒに基づいて、複数の輪郭線モデルＣを補正した新たな事前形状モデル画像Ｋに更新することにより、制御部２１は「更新手段」として機能する。

図１２に示すように、制御部２１は、肋骨の輪郭線候補モデルＣＡとこれらに対応する実際の肋骨の輪郭線Ｒとを比較し、肋骨の輪郭線候補モデルＣＡを構成する各画素の点を実際の肋骨の輪郭線Ｒ上の各点に合わせるように或いは一定の比率で近づけるように修正する。

輪郭線モデルＣは、SNAKESと呼ばれる動的輪郭線モデルを構成しており、輪郭線モデルを構成する画素同士が弾性的制約を受けて連結されている。従って、肋骨の輪郭線候補モデルＣＡを構成する各画素の点を実際の肋骨の輪郭線Ｒ上の各点に合わせるように或いは一定の比率で近づけるように修正する場合、モデルＣＡの画素全体が徐変するように修正される。
また、輪郭線モデルＣの一部の輪郭線候補モデルＣＡについて修正を行った場合でも、周囲の他の輪郭線モデルＣは、修正された輪郭線候補モデルＣＡと接触したり、交差を生じたりしないように、その画素位置が徐変される。従って、一部の輪郭線候補モデルＣＡについて修正を行っても、その距離に応じて周囲の多くの輪郭線モデルＣについても連鎖的に補正が行われる。

このようにして、全体的に補正された新たな事前形状モデル画像Ｋは、図１３に示すように、全体的にＸ線画像Ｇの複数の肋骨の輪郭線に近い輪郭線モデルＣを得ることが出来る。なお、図１３では輪郭線モデルＣの一部を省略して図示している。そして、この新たな事前形状モデル画像Ｋは、記憶部２３内の従前の事前形状モデル画像Ｋと置き換えられる。そして、新たな事前形状モデル画像Ｋが次回以降の構造物抽出処理に利用される。
なお、ステップＳ９において、事前形状モデル画像Ｋにおける肋骨の輪郭線候補モデルＣＡとこれに基づいて検出された実際の肋骨の輪郭線Ｒとの位置差が十分に小さく、事前形状モデル画像Ｋの精度が十分に高い場合には（ステップＳ９：ＮＯ）、事前形状モデル画像Ｋの更新処理が行われることなく、構造物抽出処理が終了となる。

［実施形態の技術的効果］
以上のように、Ｘ線画像システム１００は、医用画像処理装置２の制御部２１が、事前形状モデル画像ＫをＸ線画像Ｇ内に配置する基準位置抽出手段と、Ｘ線画像Ｇに対して、配置された事前形状モデル画像Ｋの複数の輪郭線モデルＣと重合する位置において当該輪郭線モデルＣに直交する方向に微分を行い、画像特徴量を計算する計算手段と、配置された事前形状モデル画像Ｋの輪郭線モデルＣと画像特徴量とに基づいて肋骨の輪郭線の候補点（極大点及び極小点）を検出することで実際の肋骨の輪郭線Ｒを抽出する抽出手段として機能するので、Ｘ線画像Ｇ内で統計的に肋骨の輪郭線が存在することを示す肋骨の輪郭線モデルＣの位置近傍での当該輪郭線モデルＣに沿った線のコントラストを、輪郭線モデルＣに沿っていない他の線に比べて効果的に高めることができ、複数の構造物が重なっているＸ線画像Ｇから対象物である肋骨の輪郭線を効果的且つ正確に抽出することが可能となる。

特に、上記事前形状モデル画像Ｋの複数の輪郭線モデルＣは、肋骨を含んだ胸部単純Ｘ線の実写画像をモデリングし、統計的に処理したものであることから、肋骨の輪郭線を統計的に検出する蓋然性が高い位置に輪郭線モデルＣを配置することができ、検出精度の向上を図ることが可能である。

また、制御部２１は、記憶部２３に保存された事前形状モデル画像Ｋを、構造物検出工程で抽出された実際の肋骨の輪郭線Ｒに基づいて、複数の輪郭線モデルＣを補正した新たな事前形状モデル画像Ｋに更新し、当該更新後は、形状モデル配置工程、画像特徴量抽出工程、構造物候補モデル抽出工程及び構造物検出工程において、新たな事前形状モデル画像Ｋを利用するので、実際の肋骨の輪郭線に即した、より検出の蓋然性が高い位置に輪郭線モデルＣを配置することができ、検出精度のさらなる向上を図ることが可能である。

特に、事前形状モデル画像Ｋの更新は、記憶部２３に保存された事前形状モデル画像Ｋと構造物検出工程で抽出された実際の肋骨の輪郭線Ｒとの位置の差に基づいて、事前形状モデル画像Ｋの複数の輪郭線モデルＣを補正するので、実際に検出された肋骨の輪郭線の位置を良く反映した位置に輪郭線モデルＣを配置することができ、検出精度のさらなる向上を図ることが可能である。

［その他］
なお、上述した本実施形態における記述は、本発明に係る好適な一例であり、これに限定されるものではない。

例えば、事前形状モデル画像Ｋは、記憶部２３に年齢別に用意し、Ｘ線画像Ｇの被写体となる患者の年齢を予め操作部２４から入力すると、制御部２１は、その年齢に対応する事前形状モデル画像Ｋを利用して、形状モデル配置工程、画像特徴量抽出工程、構造物候補モデル抽出工程、構造物検出工程及び事前形状モデル回帰工程を実行するように構成しても良い。
また、同様に、事前形状モデル画像Ｋを、記憶部２３に性別ごとに用意し、Ｘ線画像Ｇの被写体となる患者の性別を予め操作部２４から入力すると、制御部２１は、その性別に対応する事前形状モデル画像Ｋを利用して、形状モデル配置工程、画像特徴量抽出工程、構造物候補モデル抽出工程、構造物検出工程及び事前形状モデル回帰工程を実行するように構成しても良い。
さらに、性別ごとに年齢別の事前形状モデル画像Ｋを記憶部２３に用意し、Ｘ線画像Ｇの被写体となる患者の年齢及び性別を予め操作部２４から入力すると、制御部２１は、その年齢及び性別に対応する事前形状モデル画像Ｋを利用して、形状モデル配置工程、画像特徴量抽出工程、構造物候補モデル抽出工程、構造物検出工程及び事前形状モデル回帰工程を実行するように構成しても良い。
その他、身長や胸囲などの体格別の事前形状モデル画像Ｋを用意して、対応する事前形状モデル画像Ｋを利用して構造物抽出処理を行っても良い。また、上記と同様に、年齢、性別、体格に全てに応じて事前形状モデル画像Ｋを用意して利用することも可能である。
このように、事前形状モデル画像Ｋを分類化して事前に用意し、対応する事前形状モデル画像Ｋを構造物抽出処理に利用することで、検出精度のさらなる向上を図ることが可能である。

また、肋骨のように、特定の構造物が複数箇所に存在する場合に、毎回の構造物抽出処理において、例えば、上から何本目の肋骨の検出精度が高いか又は低いかのように、複数箇所の構造物ごとに検出精度の高低を統計的に記録する。
そして、記憶部２３に保存された事前形状モデル画像Ｋを、このような統計的な情報に基づいて検出精度の高い構造物（肋骨）の実際の輪郭線Ｒと輪郭線候補モデルＣＡとの位置差の優先度を高くして補正し、検出精度の低い構造物（肋骨）の実際の輪郭線Ｒと輪郭線候補モデルＣＡとの位置差の優先度を低くして補正を行い更新するようにしても良い。

また、構造物抽出処理で取り扱う医用画像として、被写体部位を胸部としているが、身体の他の部位でも良く、また、抽出すべき構造物は胸部肋骨に限らず他の骨であっても良いことは言うまでもない。

その他、Ｘ線画像システムを構成する各装置の細部構成及び細部動作に関しても、発明の趣旨を逸脱することのない範囲で適宜変更可能である。

１ Ｘ線撮影装置
２ 医用画像処理装置
２１ 制御部（基準位置抽出手段、計算手段、抽出手段、更新手段）
２３ 記憶部（保存手段）
２４ 操作部
２５ 表示部
２６ 通信部
２７ バス
１００ Ｘ線画像システム
Ａ 画素
Ｃ 輪郭線モデル
ＣＡ 輪郭線候補モデル
Ｇ 胸部単純Ｘ線画像
Ｈ 肺野領域
Ｈ１ 肺尖部
Ｋ 事前形状モデル画像
Ｒ 輪郭線
Ｔ 特徴量画像

Claims (9)

1. 複数の構造物が含まれる医用画像を処理する医用画像処理装置において、
   事前情報として解剖学的な位置に基づく特定の構造物の輪郭線の集合からなる事前形状モデルを保存する保存手段と、
   前記事前形状モデルを前記医用画像内に配置する基準位置抽出手段と、
   前記医用画像に対して、前記配置された事前形状モデルの複数の前記輪郭線と重合する位置において、画像特徴量を計算する計算手段と、
   前記事前形状モデルの前記輪郭線と前記画像特徴量とに基づいて前記特定の構造物の候補点を検出することで前記特定の構造物の輪郭線を抽出する抽出手段とを備えることを特徴とする医用画像処理装置。
2. 前記事前形状モデルの複数の前記輪郭線は、特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする請求項１記載の医用画像処理装置。
3. 前記事前形状モデルは年齢ごとに用意され、
   前記年齢ごとの事前形状モデルの複数の前記輪郭線は、年齢ごとに特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする請求項２記載の医用画像処理装置。
4. 前記事前形状モデルは性別ごとに用意され、
   前記性別ごとの事前形状モデルの複数の前記輪郭線は、性別ごとに特定の構造物の実写画像をモデリングし、統計的に処理したものであることを特徴とする請求項２記載の医用画像処理装置。
5. 前記保存手段に保存された事前形状モデルを、前記抽出手段が抽出した前記特定の構造物に基づいて、前記複数の輪郭線を補正した新たな事前形状モデルに更新する更新手段を備え、
   前記更新手段による更新後は、前記基準位置抽出手段と前記計算手段と前記抽出手段とは、前記新たな事前形状モデルを利用することを特徴とする請求項１から４のいずれか一項に記載の医用画像処理装置。
6. 前記更新手段は、前記保存手段に保存された事前形状モデルと前記抽出手段が抽出した前記特定の構造物との位置の差に基づいて、前記事前形状モデルの複数の輪郭線を補正することを特徴とする請求項５記載の医用画像処理装置。
7. 前記更新手段は、前記保存手段に保存された事前形状モデルの所定の輪郭線との一致度が高かった、前記抽出手段が抽出した前記特定の構造物に基づいて、前記事前形状モデルの複数の輪郭線を補正することを特徴とする請求項５又は６記載の医用画像処理装置。
8. 前記医用画像は、胸部単純Ｘ線画像であることを特徴とする請求項１から７のいずれか一項に記載の医用画像処理装置。
9. 前記特定の構造物は、骨であることを特徴とする請求項１から８のいずれか一項に記載の医用画像処理装置。