JP2019075123A - Image processing apparatus and medical image taking apparatus - Google Patents
Image processing apparatus and medical image taking apparatus Download PDFInfo
- Publication number
- JP2019075123A JP2019075123A JP2018195917A JP2018195917A JP2019075123A JP 2019075123 A JP2019075123 A JP 2019075123A JP 2018195917 A JP2018195917 A JP 2018195917A JP 2018195917 A JP2018195917 A JP 2018195917A JP 2019075123 A JP2019075123 A JP 2019075123A
- Authority
- JP
- Japan
- Prior art keywords
- region
- pixels
- function
- image processing
- processing apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 136
- 239000013598 vector Substances 0.000 claims description 54
- 230000033001 locomotion Effects 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 44
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000002059 diagnostic imaging Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 207
- 210000004072 lung Anatomy 0.000 description 93
- 238000011156 evaluation Methods 0.000 description 47
- 238000012986 modification Methods 0.000 description 31
- 230000004048 modification Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 18
- 238000012854 evaluation process Methods 0.000 description 17
- 210000004224 pleura Anatomy 0.000 description 15
- 238000001514 detection method Methods 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000009877 rendering Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000001370 mediastinum Anatomy 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000007675 cardiac surgery Methods 0.000 description 1
- 238000004581 coalescence Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明の実施形態は、画像処理装置及び医用画像撮像装置に関する。 Embodiments of the present invention relate to an image processing apparatus and a medical imaging apparatus.
従来、被検体の呼吸時の動画像から、肺の壁側胸膜と臓側胸膜との癒着の状態を評価する医用画像撮像装置がある。 Conventionally, there is a medical imaging apparatus that evaluates the state of adhesion between the wall side pleura of the lung and the visceral pleura from a moving image of a subject during breathing.
本発明が解決しようとする課題は、精度良く付着の状態を評価することができる画像処理装置及び医用画像撮像装置を提供することである。 The problem to be solved by the present invention is to provide an image processing apparatus and a medical imaging apparatus capable of accurately evaluating the state of adhesion.
実施形態の画像処理装置は、取得部と、第１の算出部とを備える。取得部は、複数の時相において被検体の対象部位を含んで撮像された複数の画像を取得する。第１の算出部は、画像における第１の領域及び第２の領域の境界を跨いで所定方向に並んだ画像の複数の画素における、複数の時相の画像間での移動情報に基づいて、第１の領域に係る第１のクラス又は第１の領域と所定方向に隣り合う第２の領域に係る第２のクラスへ複数の画素のそれぞれを分類する際の分類情報から、第１の領域に対応する被検体の第１の部位と第２の領域に対応する被検体の第２の部位との境界における付着の状態を示す指標を算出する。 The image processing apparatus according to the embodiment includes an acquisition unit and a first calculation unit. The acquisition unit acquires a plurality of images captured including a target site of the subject in a plurality of time phases. The first calculation unit is based on movement information among images of a plurality of time phases in a plurality of pixels of an image aligned in a predetermined direction across the boundary of the first region and the second region in the image. From the classification information at the time of classifying each of the plurality of pixels into the second class related to the first class related to the first area or the second area adjacent to the first area in the predetermined direction, the first area An index indicating the state of adhesion at the boundary between the first portion of the subject corresponding to and the second portion of the subject corresponding to the second region is calculated.
以下、図面を参照して、実施形態に係る画像処理装置及び医用画像撮像装置を説明する。また、一つの実施形態に記載した内容は、原則として他の実施形態にも同様に適用される。 Hereinafter, an image processing apparatus and a medical imaging apparatus according to an embodiment will be described with reference to the drawings. In addition, the contents described in one embodiment apply in principle to the other embodiments as well.
なお、医用画像撮像装置とは、被検体を撮像して医用画像を生成する医用画像診断装置の総称である。例えば、医用画像撮像装置には、Ｘ線ＣＴ装置が含まれる。以下の実施形態では、開示の技術がＸ線ＣＴ装置に適用される場合を説明するが、他の医用画像撮像装置（例えば、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）装置、Ｘ線アンギオ装置、ＰＥＴ（Positron Emission Tomography）装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置等）にも同様に適用可能である。 The medical imaging apparatus is a generic term for a medical image diagnostic apparatus that images a subject and generates a medical image. For example, the medical imaging apparatus includes an X-ray CT apparatus. In the following embodiments, the case where the disclosed technology is applied to an X-ray CT apparatus will be described, but other medical imaging apparatus (for example, Magnetic Resonance Imaging (MRI) apparatus, X-ray angiography apparatus, The present invention is similarly applicable to PET (Positron Emission Tomography) apparatus, SPECT (Single Photon Emission Computed Tomography) apparatus, and the like.
（第１の実施形態）
図１は、第１の実施形態に係るＸ線ＣＴ装置１の構成の一例を示す図である。図１に示すように、第１の実施形態に係るＸ線ＣＴ装置１は、架台装置１０と、寝台装置２０と、コンソール装置３０とを有する。架台装置１０、寝台装置２０、及びコンソール装置３０は、互いに通信可能に接続される。
First Embodiment
FIG. 1 is a view showing an example of the arrangement of an
なお、本実施形態では、非チルト状態での回転フレーム１３の回転軸又は寝台装置２０の天板２３の長手方向を「Ｚ軸方向」と定義する。また、Ｚ軸方向に直交し、床面に対し水平である軸方向を「Ｘ軸方向」と定義する。また、Ｚ軸方向に直交し、床面に対し垂直である軸方向を「Ｙ軸方向」と定義する。
In the present embodiment, the rotational axis of the
架台装置１０は、被検体（患者）ＰにＸ線を照射し、被検体Ｐを透過したＸ線を検出して、コンソール装置３０に出力する装置である。架台装置１０は、Ｘ線管１１と、Ｘ線検出器１２と、回転フレーム１３と、制御装置１４と、ウェッジ１５と、コリメータ１６と、ＤＡＳ（Data Acquisition System）１７と、Ｘ線高電圧装置１８とを有する。
The
Ｘ線管１１は、Ｘ線高電圧装置１８からの高電圧の印加により、陰極（フィラメント）から陽極（ターゲット）に向けて熱電子を照射する真空管である。Ｘ線管１１は、熱電子を陽極に衝突させることにより、Ｘ線を発生させる。
The
ウェッジ１５は、Ｘ線管１１から照射されたＸ線量を調節するためのフィルタである。具体的には、ウェッジ１５は、Ｘ線管１１から被検体Ｐへ照射されるＸ線の分布が、予め定められた分布になるように、Ｘ線管１１から照射されたＸ線を透過して減衰するフィルタである。例えば、ウェッジ１５は、所定のターゲット角度や所定の厚みとなるようにアルミニウムを加工したフィルタである。なお、ウェッジ１５は、ウェッジフィルタ（wedge filter）や、ボウタイフィルタ（bow-tie filter）とも呼ばれる。
The
コリメータ１６は、ウェッジ１５を透過したＸ線の照射範囲を絞り込むための鉛板等である。コリメータ１６は、複数の鉛板等を組み合わせることで、スリット状に形成される。
The
Ｘ線検出器１２は、Ｘ線管１１から照射され、被検体Ｐを通過したＸ線を検出し、当該Ｘ線量に対応した電気信号をＤＡＳ１７へ出力する。Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心として１つの円弧に沿ってチャネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。Ｘ線検出器１２は、例えば、チャネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（列方向又はroｗ方向とも称される）に複数配列された構造を有する。
The
また、Ｘ線検出器１２は、例えば、グリッドと、シンチレータアレイと、光センサアレイとを有する間接変換型の検出器である。シンチレータアレイは、複数のシンチレータを有し、シンチレータは、入射Ｘ線量に応じた光子量の光を出力するシンチレータ結晶を有する。グリッドは、シンチレータアレイのＸ線入射側の面に配置され、散乱Ｘ線を吸収する機能を有するＸ線遮蔽板を有する。光センサアレイは、シンチレータからの光量に応じた電気信号を出力する機能を有し、例えば、光電子増倍管（Photomultiplier Tube：ＰＭＴ）等の光センサを有する。なお、Ｘ線検出器１２は、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。
The
Ｘ線高電圧装置１８は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１に印加する高電圧を発生する機能を有する高電圧発生装置と、Ｘ線管１１が照射するＸ線出力に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であっても構わない。なお、Ｘ線高電圧装置１８は、後述する回転フレーム１３に設けられてもよいし、架台装置１０の固定フレーム（図示しない）側に設けられても構わない。なお、固定フレームは、回転フレーム１３を回転可能に支持するフレームである。
The X-ray
ＤＡＳ１７は、Ｘ線検出器１２の各Ｘ線検出素子から出力される電気信号に対して増幅処理を行う増幅器と、電気信号をデジタル信号に変換するＡ／Ｄ変換器とを有し、検出データを生成する。ＤＡＳ１７が生成した検出データは、コンソール装置３０へと転送される。
The
回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを対向支持し、後述する制御装置１４によってＸ線管１１とＸ線検出器１２とを回転させる円環状のフレームである。なお、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２に加えて、Ｘ線高電圧装置１８やＤＡＳ１７を更に備えて支持する。ＤＡＳ１７が生成した検出データは、回転フレーム１３に設けられた発光ダイオード（light emitting diode:ＬＥＤ）を有する送信機から光通信によって架台装置１０の非回転部分（例えば固定フレーム）に設けられたフォトダイオードを有する受信機に送信され、コンソール装置３０へ転送される。なお、回転フレーム１３から架台装置１０の非回転部分への検出データの送信方法は、前述の光通信に限らず、非接触型のデータ伝送であれば如何なる方式を採用しても構わない。
The rotating
制御装置１４は、ＣＰＵ（Central Processing Unit）等を有する処理回路と、モータ及びアクチュエータ等の駆動機構とを有する。制御装置１４は、コンソール装置３０又は架台装置１０に取り付けられた入力インターフェースからの入力信号を受けて、架台装置１０及び寝台装置２０の動作制御を行う機能を有する。例えば、制御装置１４は、入力信号を受けて回転フレーム１３を回転させる制御や、架台装置１０をチルトさせる制御、及び寝台装置２０及び天板２３を動作させる制御を行う。なお、架台装置１０をチルトさせる制御は、架台装置１０に取り付けられた入力インターフェースによって入力される傾斜角度（チルト角度）情報により、制御装置１４がＸ軸方向に平行な軸を中心に回転フレーム１３を回転させることによって実現される。なお、制御装置１４は、架台装置１０に設けられてもよいし、コンソール装置３０に設けられても構わない。
The
寝台装置２０は、スキャン対象である被検体Ｐを載置、移動させる装置であり、基台２１と、寝台駆動装置２２と、天板２３と、支持フレーム２４とを備えている。基台２１は、支持フレーム２４を鉛直方向に移動可能に支持する筐体である。寝台駆動装置２２は、被検体Ｐが載置された天板２３を天板２３の長軸方向に移動するモータあるいはアクチュエータである。支持フレーム２４の上面に設けられた天板２３は、被検体Ｐが載置される板である。なお、寝台駆動装置２２は、天板２３に加え、支持フレーム２４を天板２３の長軸方向に移動してもよい。
The
コンソール装置３０は、操作者によるＸ線ＣＴ装置１の操作を受け付けるとともに、架台装置１０によって収集された検出データを用いてＣＴ画像データを再構成する装置である。コンソール装置３０は、図１に示すように、メモリ３１と、ディスプレイ３２と、入力インターフェース３３と、処理回路３４とを有する。メモリ３１、ディスプレイ３２、入力インターフェース３３、及び処理回路３４は、互いに通信可能に接続される。
The
メモリ３１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。メモリ３１は、例えば、投影データやＣＴ画像データを記憶する。
The
ディスプレイ３２は、各種の情報を表示する。例えば、ディスプレイ３２は、処理回路３４によって生成された医用画像（ＣＴ画像）や、操作者からの各種操作を受け付けるためのＧＵＩ（Graphical User Interface）等を出力する。例えば、ディスプレイ３２は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイである。
The
入力インターフェース３３は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路３４に出力する。例えば、入力インターフェース３３は、投影データを収集する際の収集条件や、ＣＴ画像データを再構成する際の再構成条件、ＣＴ画像から後処理画像を生成する際の画像処理条件等を操作者から受け付ける。例えば、入力インターフェース３３は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック等により実現される。
The
処理回路３４は、Ｘ線ＣＴ装置１全体の動作を制御する。例えば、処理回路３４は、システム制御機能３４１、前処理機能３４２、再構成処理機能３４３、及び画像処理機能３４４を実行する。更に、本実施形態では、処理回路３４は、セグメンテーション機能３４５、実行機能３４６、評価機能３４７及び色割当機能３４８をも実行する。処理回路３４は、プロセッサにより実現される。セグメンテーション機能３４５は、セグメンテーション処理部の一例である。実行機能３４６は、実行部及び第２の算出部の一例である。評価機能３４７は、評価部、算出部及び第１の算出部の一例である。
The
ここで、例えば、処理回路３４の構成要素であるシステム制御機能３４１、前処理機能３４２、再構成処理機能３４３、画像処理機能３４４、セグメンテーション機能３４５、実行機能３４６、評価機能３４７及び色割当機能３４８の各機能は、コンピュータによって実行可能なプログラムの形態でメモリ３１に記憶されている。処理回路３４は、各プログラムをメモリ３１から読み出し、読み出した各プログラムを実行することで、各機能を実現する。換言すると、各プログラムを読み出した状態の処理回路３４は、図１の処理回路３４内に示された各機能を有することとなる。
Here, for example, a
また、単一の処理回路３４にて、上述した各機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路３４を構成し、各プロセッサがプログラムを実行することにより機能を実現するものとしても構わない。
In addition, although it has been described that each of the functions described above is realized by a
また、「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、又は、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、又は、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサはメモリ３１に保存されたプログラムを読み出し実行することで機能を実現する。なお、メモリ３１にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。なお、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。更に、複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。
Further, the term “processor” means, for example, a central processing unit (CPU), a graphics processing unit (GPU), an application specific integrated circuit (ASIC), or a programmable logic device (for example, simple programmable logic) It means a circuit such as a device (Simple Programmable Logic Device: SPLD), Complex Programmable Logic Device (CPLD), or Field Programmable Gate Array (FPGA). The processor implements a function by reading and executing a program stored in the
システム制御機能３４１は、入力インターフェース３３を介して操作者から受け付けた入力操作に基づいて、処理回路３４の各種機能を制御する。例えば、システム制御機能３４１は、Ｘ線ＣＴ装置１において実行されるＣＴスキャンを制御する。また、システム制御機能３４１は、前処理機能３４２、再構成処理機能３４３、及び画像処理機能３４４を制御することで、コンソール装置３０におけるＣＴ画像データの生成や表示を制御する。かかる表示制御を行うシステム制御機能３４１は、表示制御部の一例である。
The
前処理機能３４２は、ＤＡＳ１７から出力された検出データに対して対数変換処理やオフセット補正処理、チャネル間の感度補正処理、ビームハードニング補正等の前処理を施したデータを生成する。なお、前処理前のデータ（検出データ）および前処理後のデータを総称して投影データと称する場合もある。
The
再構成処理機能３４３は、前処理機能３４２にて生成された投影データに対して、フィルタ補正逆投影法や逐次近似再構成法等を用いた再構成処理を行ってＣＴ画像データ（再構成画像データ）を生成する。
The
画像処理機能３４４は、入力インターフェース３３を介して操作者から受け付けた入力操作に基づいて、再構成処理機能３４３によって生成されたＣＴ画像データを公知の方法により、任意断面の断層像データや３次元画像データに変換する。なお、３次元画像データは、複数の画素（ボクセル）により構成される。
The
また、本実施形態では、画像処理機能３４４は、複数の時相のＣＴ画像データを、複数の時相の３次元画像データに変換する。このような複数の時相の３次元画像データは、いわゆる４次元画像データであり、例えば、被検体Ｐの対象部位を含む同一の領域を異なる時相で複数回ＣＴスキャンされることにより得られる。
Further, in the present embodiment, the
なお、４次元画像データは、上述した再構成処理機能３４３により生成されてもよい。例えば、本実施形態に係る画像処理機能３４４又は再構成処理機能３４３は、複数の時相において被検体Ｐの対象部位を含んで撮像された４次元画像データを生成する。すなわち、４次元画像データは、被検体Ｐの対象部位が撮像されることにより得られるデータである。画像処理機能３４４及び再構成処理機能３４３は、生成部の一例である。
The four-dimensional image data may be generated by the
セグメンテーション機能３４５、実行機能３４６、評価機能３４７及び色割当機能３４８の詳細については後述する。
Details of the segmentation function 345, the
ところで、肺癌などの腫瘍の摘出手術において、肺葉又は肺区域単位で肺野実質を切除する場合がある。この場合、肺野実質から胸膜を剥離した上で、肺野実質を切除する必要があるが、通常は、胸膜に手術具を押し当てるだけで、簡単に、肺野実質から胸膜を剥離することができる。しかしながら、肺野実質に胸膜が付着している場合、付着箇所を焼きながら、肺野実質から胸膜を剥がす必要がある。なお、「付着」は、例えば、組織と組織とがくっつくことを表す。「付着」には、一の部位を構成する組織と、他の部位を構成する組織とがくっつくこと、及び、同一の部位を構成する一の組織と他の組織とがくっつくことが含まれる。また、「付着」には、「癒着」及び「浸潤」が包含されるものとする。 By the way, in the removal operation of a tumor such as lung cancer, the lung parenchyma may be resected in the lung lobe or lung area unit. In this case, after removing the pleura from the lung parenchyma, it is necessary to remove the lung parenchyma, but usually, simply by pressing the surgical instrument against the pleura, easily exfoliating the pleura from the lung parenchyma Can. However, when the pleura adheres to the lung parenchyma, it is necessary to peel the pleura from the lung parenchyma while burning the adhesion site. Here, “adhesion” means, for example, that tissues are attached to each other. "Attachment" includes the adhesion of a tissue constituting one part to a tissue constituting another part, and the adhesion of one tissue to another tissue constituting the same part. Also, “adhesion” includes “adhesion” and “infiltration”.
そこで、例えば、摘出手術の直前に、超音波診断装置により、被検体の肺野及び胸膜が描出された超音波画像をリアルタイムでディスプレイに表示させることで、術者に、肺野に胸膜が付着しているか否かを判別させることが考えられる。しかしながら、この場合には、例えば、肋骨の裏側や被検体の心臓付近などの超音波が届かない範囲では、術者は、付着しているか否かを判別することが困難である。また、縦隔側に付着が存在する場合，心臓外科の応援が必要になる場合がある。しかしながら、縦隔には超音波が届きにくく、付着の程度が分からないため、心臓外科に属する医師に応援を要請するタイミングが遅くなる。 Therefore, for example, the pleural membrane adheres to the lung field to the operator by displaying an ultrasound image in which the lung field and pleura of the subject are visualized in real time by the ultrasonic diagnostic apparatus immediately before the removal operation. It is conceivable to determine whether or not the However, in this case, for example, it is difficult for the operator to determine whether or not they are attached, in a range in which ultrasonic waves do not reach, such as the back side of a rib or the vicinity of the heart of a subject. In addition, if adhesions exist on the mediastinum, support for cardiac surgery may be required. However, it is difficult for ultrasound to reach the mediastinum and the degree of adhesion is unknown, so the timing for requesting a doctor who belongs to a heart surgery to support is delayed.
このような問題は、肺野に胸膜が付着している場合に限られず、他の対象部位において付着が発生している場合にも同様に起こりうる。例えば、かかる問題は、胸膜を構成する壁側胸膜に臓側胸膜が付着している場合にも、同様に起こりうる。 Such a problem is not limited to the case where the pleura adheres to the lung field, but may occur similarly when the adhesion occurs at other target sites. For example, such a problem may occur similarly when the visceral pleura adheres to the parietal pleura constituting the pleura.
そこで、例えば、画像処理装置を、超音波が届かない範囲でも癒着の状態を判別することが可能なように、以下に説明するように構成することが考えられる。例えば、２つの対象部位のそれぞれに基準点を設定し、２つの基準点の移動ベクトルの差分の大きさが閾値以下である場合に、２つの対象部位が癒着していると判定するように画像処理装置を構成することが考えられる。以下、このような医用画像処理装置を比較例に係る画像処理装置として説明する。 Therefore, for example, it may be considered that the image processing apparatus is configured as described below so that the state of adhesion can be determined even in a range in which the ultrasonic waves do not reach. For example, when a reference point is set for each of two target sites, and the magnitude of the difference between the movement vectors of the two reference points is equal to or less than a threshold, the image is determined to determine that the two target sites are adhering. It is conceivable to configure the processing device. Hereinafter, such a medical image processing apparatus will be described as an image processing apparatus according to a comparative example.
しかしながら、被検体の呼吸量は、個人差が大きい。このため、被検体の呼吸量が比較的少ない場合には、癒着していないにもかかわらず、２つの基準点の移動ベクトルの差分の大きさが閾値以下となる場合がある。この場合には、比較例に係る画像処理装置では、癒着していると誤って判定される可能性がある。 However, the respiratory rate of the subject is largely different among individuals. For this reason, when the respiration volume of the subject is relatively small, the magnitude of the difference between the movement vectors of the two reference points may be equal to or less than the threshold value even though adhesion does not occur. In this case, the image processing apparatus according to the comparative example may erroneously determine that adhesion has occurred.
また、例えば、２つの対象部位が１点で癒着している場合には、２つの基準点の移動ベクトルの差分の大きさが閾値より大きくなる場合がある。例えば、１点で癒着している場合には、一方の対象部位に対して他方の対象部位が振り子のように相対的に移動するため、一方の対象部位の移動の影響をほとんど受けることなく、他方の対象部位が移動する。この場合には、比較例に係る画像処理装置では、癒着しているにも関わらず、癒着していないと誤って判定される可能性がある。 In addition, for example, when two target sites are adhered at one point, the magnitude of the difference between the movement vectors of the two reference points may be larger than the threshold. For example, in the case of adhesion at one point, the other target site moves relative to one target site like a pendulum, and therefore, is hardly affected by the movement of one target site. The other target site moves. In this case, the image processing apparatus according to the comparative example may erroneously determine that adhesion has not occurred despite adhesion.
そこで、第１の実施形態に係るＸ線ＣＴ装置１は、付着の対象判定である１つ以上の部位（対象部位）の付着の状態を精度良く評価するために、以下に説明する評価処理を実行する。なお、対象部位の付着の状態とは、例えば、対象部位を構成する組織と組織とが、くっついている状態を示す。以下の説明では、付着の状態の一例として癒着の状態を評価する場合を説明するが、同様の方法で、浸潤の状態等のその他の付着の状態を評価してもよい。
Therefore, the
図２は、第１の実施形態に係る評価処理の一例の流れを示すフローチャートである。評価処理は、例えば、入力インターフェース３３により評価処理を実行するための指示が受け付けられた場合に、システム制御機能３４１、画像処理機能３４４、セグメンテーション機能３４５、実行機能３４６、評価機能３４７及び色割当機能３４８により実行される。
FIG. 2 is a flowchart showing a flow of an example of evaluation processing according to the first embodiment. In the evaluation process, for example, when an instruction to execute the evaluation process is accepted by the
図２に示すステップＳ１０１は、セグメンテーション機能３４５に対応するステップである。ステップＳ１０１は、処理回路３４がメモリ３１からセグメンテーション機能３４５に対応するプログラムを呼び出し実行することにより、セグメンテーション機能３４５が実現されるステップである。ステップＳ１０２〜Ｓ１０５，Ｓ１０７は、実行機能３４６に対応するステップである。ステップＳ１０２〜Ｓ１０５，Ｓ１０７は、処理回路３４がメモリ３１から実行機能３４６に対応するプログラムを呼び出し実行することにより、実行機能３４６が実現されるステップである。
Step S101 shown in FIG. 2 is a step corresponding to the segmentation function 345. Step S101 is a step in which the segmentation function 345 is realized by the
ステップＳ１０６は、評価機能３４７に対応するステップである。ステップＳ１０６は、処理回路３４がメモリ３１から評価機能３４７に対応するプログラムを呼び出し実行することにより、評価機能３４７が実現されるステップである。ステップＳ１０８は、色割当機能３４８に対応するステップである。ステップＳ１０８は、処理回路３４がメモリ３１から色割当機能３４８に対応するプログラムを呼び出し実行することにより、色割当機能３４８が実現されるステップである。
Step S106 is a step corresponding to the
ステップＳ１０９は、画像処理機能３４４に対応するステップである。ステップＳ１０９は、処理回路３４がメモリ３１から画像処理機能３４４に対応するプログラムを呼び出し実行することにより、画像処理機能３４４が実現されるステップである。ステップＳ１１０は、システム制御機能３４１に対応するステップである。ステップＳ１１０は、処理回路３４がメモリ３１からシステム制御機能３４１に対応するプログラムを呼び出し実行することにより、システム制御機能３４１が実現されるステップである。
Step S109 is a step corresponding to the
なお、評価処理が実行される前に、癒着の判定対象である対象部位が描出された複数の時相の３次元画像データが予めメモリ３１に記憶されている。また、以下の説明では、対象部位が、肺野、及び、肺野外の部位である場合を説明する。肺野外の部位は、胸膜を含む。しかしながら、対象部位は、これに限られず、例えば、対象部位は、壁側胸膜及び臓側胸膜であってもよい。また、複数の時相の３次元画像データとして、Ｔ（Ｔは自然数）フレーム分の３次元画像データがメモリ３１に記憶されている。本実施形態では、Ｋ（Ｋ＝１，・・・Ｔ）番目の時相の３次元画像データは、Ｋ番目のフレームの３次元画像データに対応する。
Note that, before the evaluation process is performed, three-dimensional image data of a plurality of time phases in which a target portion that is a determination target of adhesion is depicted is stored in the
図２に示すように、セグメンテーション機能３４５は、１つの時相の３次元画像データに対して、公知のセグメンテーション処理を実行して、３次元画像データの全領域から肺野の領域及び肺野外の部位の領域を抽出する（ステップＳ１０１）。 As shown in FIG. 2, the segmentation function 345 executes known segmentation processing on three-dimensional image data of one phase, and the whole region of the three-dimensional image data to the region of the lung field and the lung field. The region of the part is extracted (step S101).
例えば、ステップＳ１０１では、セグメンテーション機能３４５は、メモリ３１に記憶された複数の時相の３次元画像データを取得する。そして、セグメンテーション機能３４５は、複数の時相の３次元画像データのうち、所定の時相の３次元画像データを選択する。
For example, in step S101, the segmentation function 345 acquires three-dimensional image data of a plurality of time phases stored in the
図３は、第１の実施形態に係る評価処理の一例を説明するための図である。例えば、セグメンテーション機能３４５は、１番目の時相の３次元画像データ４０を選択する。以下、所定の時相として１番目の時相の３次元画像データ４０が選択された場合を例に挙げて説明する。そして、セグメンテーション機能３４５は、選択した１番目の時相の３次元画像データ４０に対して、セグメンテーション処理を実行して、肺野の領域４１及び肺野外の部位の領域４２を抽出する。すなわち、セグメンテーション機能３４５は、３次元画像データ４０が示す画像から肺野の領域４１及び肺野外の部位の領域４２を抽出するためのセグメンテーション処理を実行する。なお、肺野外の部位の領域４２は、第１の領域の一例である。また、肺野の領域４１は、第２の領域の一例である。また、肺野の領域４１は、肺野外の部位の領域４２と、境界４３の法線方向に隣り合う領域である。また、肺野外の部位は、第１の部位の一例である。また、肺野は、第２の部位の一例である。
FIG. 3 is a diagram for explaining an example of the evaluation process according to the first embodiment. For example, the segmentation function 345 selects
そして、実行機能３４６は、肺野の領域４１と肺野外の部位の領域４２との間の境界４３に、１次元の関心領域（Region of Interest；ROI）４４を設定する（ステップＳ１０２）。具体例を挙げて説明すると、実行機能３４６は、境界４３の法線方向に関心領域４４の長手方向が沿うように、かつ、関心領域４４内に境界４３の一部が含まれるように、関心領域４４を設定する。このように、１次元の関心領域４４の長手方向と境界４３とが互いに垂直になるように、関心領域４４が設定される。そして、このようにして設定された関心領域４４には、１次元状に並んだ複数の画素４５が含まれることとなる。すなわち、３次元画像データ４０が示す画像の複数の画素４５は、肺野の領域４１及び肺野外の部位の領域４２の境界４３を跨いで、境界４３の法線方向に並んでいる。ここで、境界４３の法線方向は、所定方向の一例である。なお、本実施形態では、実行機能３４６は、関心領域４４の長手方向の中央部分が境界４３に位置するように関心領域４４を設定する。しかしながら、実行機能３４６は、関心領域４４の長手方向の中央部分が境界４３に位置しないように関心領域４４を設定してもよい。
Then, the
図３に示すように、例えば、関心領域４４の長手方向の長さが４０ｍｍである場合には、４０ｍｍの長さに亘って並んだ複数の画素４５が関心領域４４内に含まれることとなる。以下、関心領域４４の長さが、４０ｍｍである場合について説明するが、４０ｍｍに限られず、他の値であってもよい。
As shown in FIG. 3, for example, when the length in the longitudinal direction of the region of
そして、実行機能３４６は、関心領域４４の全領域から、境界４３を中心とする所定の領域を除去することにより、関心領域４４を再定義する（ステップＳ１０３）。例えば、ステップＳ１０３では、図３に示すように、ステップＳ１０２で定義された関心領域４４の全領域から、境界４３を中心とする関心領域４４の長手方向の１０ｍｍの範囲の領域を除去し、除去されずに残った領域を、新たな関心領域４４とする。
Then, the
図３に示すように、再定義された関心領域４４には、１４個の画素４５が含まれることとなる。以下、関心領域４４に含まれる画素４５の数が、１４個である場合について説明するが、関心領域４４に含まれる画素４５の数は、これに限られない。再定義された関心領域４４に含まれる画素４５は、ステップＳ１０４以降での各種の処理に用いられる。
As shown in FIG. 3, the redefined region of
なお、実行機能３４６は、ステップＳ１０３での関心領域４４を再定義する処理を省略してもよい。この場合、ステップＳ１０２において設定された関心領域４４内の複数の画素４５が、ステップＳ１０４以降での各種の処理に用いられる。
The
そして、実行機能３４６は、複数の画素４５を複数のクラスタにクラスタリングするためのクラスタリング処理の一部の処理を実行することにより、ステップＳ１０４及びＳ１０５の各処理を実行する。なお、クラスタは、クラスとも称される。本実施形態では、実行機能３４６は、クラスタリング処理の一例であるグラフカット（グラフカット処理、グラフカット法）の一部の処理を実行する。
Then, the
図４は、第１の実施形態に係る評価処理の一例を説明するための図である。具体例を挙げて説明すると、図４に示すように、実行機能３４６は、ノード５１〜６６を備えるグラフ５０を生成する（ステップＳ１０４）。グラフ５０は、例えば、図３に示す１４個の画素４５のそれぞれを、１４個のノード５１〜６４のそれぞれとするグラフである。なお、図４において、１４個のノード５１〜６４のうち、８個のノード５４〜６１の図示が省略されている。
FIG. 4 is a diagram for explaining an example of the evaluation process according to the first embodiment. Describing with a specific example, as shown in FIG. 4, the
例えば、ノード５１は、図３において左から１番目の画素４５に対応する。他のノード５２〜６４についても同様である。すなわち、図４において、左から右にかけて１４個並んだ複数のノード５１〜６４のうち、左からｊ（ｊ＝１，２，・・・１４）番目のノードは、図３において左からｊ番目の画素４５に対応する。以下の説明では、図３において左からｊ番目の画素４５を「ｊ番目画素」と称し、図４において複数のノード５１〜６４のうち左からｊ番目のノードを「ｊ番目ノード」と称する場合がある。
For example, the
ノード６５は、境界４３よりも外側に位置する肺野外の部位の領域４２に対応する。また、ノード６６は、境界４３よりも内側に位置する肺野の領域４１に対応する。
The
また、複数のノード５１〜６４のそれぞれと、ノード６５とは、ライン（線分）で結ばれている。同様に、複数のノード５１〜６４のそれぞれと、ノード６６も、ラインで結ばれている。また、隣接する２つのノードもラインで結ばれている。ここで、隣接する２つのノードとは、例えば、ｎ（ｎ＝１，２，・・・１３）番目ノード、及び、（ｎ＋１）番目ノードを指す。
In addition, each of the plurality of
ステップＳ１０４では、実行機能３４６は、各ラインに対して重みを設定する。まず、複数のノード５１〜６４のそれぞれと、ノード６５とを結ぶラインに設定される重みＰ（ｌｊ＿０）について説明する。重みＰ（ｌｊ＿０）は、ｊ番目ノードとノード６５とを結ぶラインに設定される。なお、重みＰ（ｌｊ＿０）は、後述する第１のクラスタ及び後述する第２のクラスタへ複数の画素４５のそれぞれを分類する際のコストに係る値の一例である。例えば、重みＰ（ｌｊ＿０）は、下記の式（１）で示される。
In step S104, the
ここで、式（１）において、ｐ（ｌｊ）は、例えば、「０」以上、「１」以下の値である。ｐ（ｌｊ）について具体例を挙げて説明する。上述したように、ノード６５が肺野外の部位の領域４２に対応する。このため、図３に示す肺野外の部位の領域４２に位置する７個の画素４５に対応するノード５１〜５７のそれぞれとノード６５とを結ぶラインに対して、比較的高い値が重みＰ（ｌｊ＿０）に設定されるように、実行機能３４６は、次の処理を行う。すなわち、実行機能３４６は、式（１）において、ｐ（ｌｊ）に「０．００１」を代入する。
Here, in the formula (1), p (l j ) is, for example, a value of “0” or more and “1” or less. A specific example is given and demonstrated about p (l j ). As mentioned above,
一方、図３に示す肺野外の部位の領域４２に位置しない７個の画素４５に対応するノード５８〜６４のそれぞれとノード６５とを結ぶラインに対して、比較的低い値が重みＰ（ｌｊ＿０）に設定されるように、実行機能３４６は、次の処理を行う。すなわち、実行機能３４６は、式（１）において、ｐ（ｌｊ）に「０．９９９」を代入する。
On the other hand, for the line connecting each of the nodes 58 to 64 corresponding to the seven
次に、複数のノード５１〜６４のそれぞれと、ノード６６とを結ぶラインに設定される重みＰ（ｌｊ＿１）について説明する。重みＰ（ｌｊ＿１）は、ｊ番目ノードとノード６６とを結ぶラインに設定される。なお、重みＰ（ｌｊ＿１）は、後述する第１のクラスタ及び後述する第２のクラスタへ複数の画素４５のそれぞれを分類する際のコストに係る値の一例である。例えば、重みＰ（ｌｊ＿１）は、下記の式（２）で示される。
Next, the weight P (l j — 1) set for the line connecting each of the plurality of
ここで、式（２）におけるｐ（ｌｊ）について具体例を挙げて説明する。上述したように、ノード６６が肺野の領域４１に対応する。このため、図３に示す肺野の領域４１に位置する７個の画素４５に対応するノード５８〜６４のそれぞれとノード６６とを結ぶラインに対して、比較的高い値が重みＰ（ｌｊ＿１）に設定されるように、実行機能３４６は、次の処理を行う。すなわち、実行機能３４６は、式（２）において、ｐ（ｌｊ）に「０．９９９」を代入する。
Here, p (l j ) in the formula (2) will be described by giving a specific example. As described above, the
一方、図３に示す肺野の領域４１に位置しない７個の画素４５に対応するノード５１〜５７のそれぞれとノード６６とを結ぶラインに対して、比較的低い値が重みＰ（ｌｊ＿１）に設定されるように、実行機能３４６は、次の処理を行う。すなわち、実行機能３４６は、式（２）において、ｐ（ｌｊ）に「０．００１」を代入する。
On the other hand, for the line connecting each of the
以上のことから、実行機能３４６は、ｊ番目ノードについての重みＰ（ｌｊ＿０）及び重みＰ（ｌｊ＿１）を算出する際に、式（１）及び式（２）において、ｐ（ｌｊ）に共通の値を代入する。
From the above, when the
次に、隣接する２つのノードを結ぶラインに対して設定される重みＧ（ｎ，ｎ＋１）について説明する。重みＧ（ｎ，ｎ＋１）は、ｎ番目ノード及び（ｎ＋１）番目ノードを結ぶラインに設定される。例えば、重みＧ（ｎ，ｎ＋１）は、下記の式（３）で示される。 Next, the weight G (n, n + 1) set for the line connecting two adjacent nodes will be described. The weight G (n, n + 1) is set to a line connecting the n-th node and the (n + 1) -th node. For example, the weight G (n, n + 1) is expressed by the following equation (3).
ここで、式（３）において、「Ｎ」は、再定義された関心領域４４に含まれる画素４５の個数を指す。具体例を挙げると、本実施形態では、「Ｎ」の値は、「１４」である。
また、式（３）におけるｇ（ｎ，ｎ＋１）は、下記の式（４）で示される。
Here, in the equation (3), “N” indicates the number of
Further, g (n, n + 1) in the equation (3) is represented by the following equation (4).
ここで、式（４）において、Ｘｎ＿ｉは、ｎ番目画素の動きベクトル（移動ベクトル）を示す。具体的には、Ｘｎ＿ｉは、ｉ（ｉ＝１，２，・・・Ｔ−１）番目のフレームの３次元画像データにおけるｎ番目画素の位置から、（ｉ＋１）番目のフレームの３次元画像データにおけるｎ番目画素の位置に向かうベクトルを指す。 Here, in the equation (4), X n — i indicates a motion vector (movement vector) of the n-th pixel. Specifically, X n_i is, i (i = 1,2, ··· T-1) th from the position of the n-th pixel in the three-dimensional image data of a frame, (i + 1) th frame of the 3D image Points to a vector toward the position of the nth pixel in the data.
Ｘ（ｎ＋１）＿ｉについても同様である。具体的には、Ｘ（ｎ＋１）＿ｉは、図３において左から（ｎ＋１）番目画素の動きベクトルを示す。例えば、Ｘ（ｎ＋１）＿ｉは、ｉ番目のフレームの３次元画像データにおける（ｎ＋１）番目画素の位置から、（ｉ＋１）番目のフレームの３次元画像データにおける（ｎ＋１）番目画素の位置に向かうベクトルを指す。 The same applies to X (n + 1) _i . Specifically, X (n + 1) _i indicates the motion vector of the (n + 1) th pixel from the left in FIG. For example, X (n + 1) _i is a vector directed from the position of the (n + 1) th pixel in the three-dimensional image data of the ith frame to the position of the (n + 1) th pixel in the (i + 1) th frame Point to
本実施形態では、実行機能３４６は、複数の画素４５のそれぞれの位置を、１番目のフレームの３次元画像データからＴ番目のフレームの３次元画像データまで追跡することにより、上述した動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉを算出することができる。このようにして、実行機能３４６は、複数の画素４５における、複数の時相の画像間での動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉを算出する。なお、動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉは、移動情報の一例である。
In the present embodiment, the
図５は、第１の実施形態に係る評価処理の一例を説明するための図である。図５及び式（４）に示すように、実行機能３４６は、時間軸上で隣接する全ての３次元画像データ間で、動きベクトルＸｎ＿ｉと動きベクトルＸ（ｎ＋１）＿ｉとの差分ベクトル（Ｘｎ＿ｉ−Ｘ（ｎ＋１）＿ｉ）の大きさを算出する。そして、実行機能３４６は、式（４）に示すように、算出した複数の差分ベクトル（Ｘｎ＿ｉ−Ｘ（ｎ＋１）＿ｉ）の大きさの総和を、時間軸上で隣接する全ての３次元画像データ間の数（Ｔ−１）で除することで、ｇ（ｎ，ｎ＋１）を算出する。
FIG. 5 is a diagram for explaining an example of the evaluation process according to the first embodiment. As shown in FIG. 5 and the equation (4), the execution function 346 calculates a difference vector (X ) between the motion vector X n — i and the motion vector X (n + 1) — i between all adjacent three-dimensional image data on the time axis. Calculate the size of n_i -X (n + 1) _i ). Then,
隣接する２つの画素（ｎ番目画素及び（ｎ＋１）番目画素）４５が同じように動く場合には、ｇ（ｎ，ｎ＋１）の値は、比較的小さくなる。このような場合に、隣接する２つの画素４５のうち一方の画素４５が肺野の領域４１に位置する画素であり、他方の画素４５が肺野外の部位の領域４２に位置する画素であると考えられる。又は、隣接する２つの画素４５が、共に、肺野の領域４１又は肺野外の部位の領域４２に位置する画素であると考えられる。ｇ（ｎ，ｎ＋１）の値が比較的小さく、一方の画素４５が肺野の領域４１に位置し、他方の画素４５が肺野外の部位の領域４２に位置する場合には、被検体Ｐの肺野と肺野外の部位とが癒着していると考えられる。
If two adjacent pixels (the nth pixel and the (n + 1) th pixel) 45 move in the same manner, the value of g (n, n + 1) is relatively small. In such a case, if one of the two
一方、隣接する２つの画素４５の動きが比較的大きく異なる場合には、ｇ（ｎ，ｎ＋１）の値は、比較的大きくなる。このような場合には、隣接する２つの画素４５のうち一方の画素４５が肺野の領域４１に位置する画素であり、他方の画素４５が肺野外の部位の領域４２に位置する画素であり、肺野と肺野外の部位とが癒着していないと考えられる。
On the other hand, when the motions of two
なお、式（３）におけるｇ（ｒ，ｒ＋１）についてもｇ（ｎ，ｎ＋１）と同様である。 The same applies to g (r, r + 1) in equation (3) as to g (n, n + 1).
ここで、一般的なグラフカット処理（グラフカット法）では、最終的に複数の画素を複数のクラスタに分類するために、複数のライン（以下、カットラインと称する）のそれぞれによりグラフがカットされ、カットライン毎にエネルギーが算出される。そして、一般的なグラフカット処理では、カットライン毎に算出されたエネルギーのうち、最小のエネルギーとなるカットラインに基づいて、各画素が各クラスタに分類されるクラスタリングが行われる。 Here, in a general graph cut process (graph cut method), a graph is cut by each of a plurality of lines (hereinafter referred to as a cut line) in order to finally classify a plurality of pixels into a plurality of clusters. Energy is calculated for each cut line. Then, in the general graph cut processing, clustering is performed in which each pixel is classified into each cluster based on the cut line which is the minimum energy among the energy calculated for each cut line.
一方、本実施形態では、実行機能３４６は、グラフカット処理の一部の処理を行っているものの、最終的に各画素４５を各クラスタに分類するクラスタリングを行わない。実行機能３４６は、下記の式（５）により、グラフ５０をカットするカットラインごとに、エネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）を算出する（ステップＳ１０５）。
On the other hand, in the present embodiment, although the
なお、式（５）における「γ」は、正の値の係数である。 In addition, "(gamma)" in Formula (5) is a coefficient of a positive value.
また、式（５）におけるＬｃ（ｃ＝１，２，・・・，Ｎ）には、カットラインが、ｃ番目ノードとノード６５とを結ぶラインに交差する場合には、「０」が設定される。一方、Ｌｃには、カットラインが、ｃ番目ノードとノード６６とを結ぶラインに交差する場合には、「１」が設定される。
Further, Lc (c = 1, 2,..., N) in the equation (5) is set to “0” when the cut line intersects with a line connecting the c-th node and the
また、式（５）における「ｗ」には、カットラインが、ｃ番目ノードと（ｃ＋１）番目ノードとを結ぶラインと交差する場合に、「ｃ」が設定される。また、カットラインが、複数のノード５１〜６４のうちの隣接する２つのノードを結ぶいずれのラインに対しても交差しない場合には、「１」から「Ｎ−１」までの正の整数以外の所定値（例えば負の整数である「−１」）が設定される。
Further, “c” is set to “w” in the equation (5) when the cut line intersects with a line connecting the c-th node and the (c + 1) th node. If the cut line does not intersect any of the plurality of
また、式（５）における「Ｅｄ（Ｌ１，Ｌ２，・・・，ＬＮ）」は、下記の式（６）により示される。 Further, “E d (L 1 , L 2 ,..., L N )” in the formula (5) is represented by the following formula (6).
「Ｅｄ（Ｌ１，Ｌ２，・・・，ＬＮ）」は、データ項とも称され、各画素４５の画素値（ＣＴ値）に基づくエネルギーを指す。かかるエネルギーは、カットラインに基づく肺野の領域と肺野外の部位の領域との境界が、実際の被検体Ｐの肺野の領域と肺野外の部位の領域との境界である可能性が高いほど小さくなる。
“E d (L 1 , L 2 ,..., L N )” is also referred to as a data term, and indicates energy based on the pixel value (CT value) of each
また、式（５）における「Ｅｓ（ｗ）」は、下記の式（７）により示される。 Moreover, "E s (w)" in Formula (5) is shown by following formula (7).
「Ｅｓ（ｗ）」は、平滑化項とも称され、上述したデータ項とは独立して、境界の滑らかさを考慮したエネルギーを指す。例えば、データ項のみではＣＴ値しか考慮しないため、ノイズに弱く、境界が滑らかでない可能性がある。しかしながら、平滑化項の存在により、境界が滑らかになる。なお、「Ｅｓ（ｗ）」において、「ｗ」に上述した所定値、例えば、−１が設定された「Ｅｓ（−１）」の値は「０」となる。 “Es (w)”, also referred to as a smoothing term, refers to energy that takes into account the smoothness of the boundaries, independently of the data terms described above. For example, since the data term alone considers only the CT value, it may be susceptible to noise and the boundary may not be smooth. However, the presence of the smoothing term smoothes the boundary. In "E s (w)", the value of "E s (-1)" in which the predetermined value described above is set to "w", for example, -1 is "0".
また、被検体Ｐの肺野と肺野外の部位とが癒着していると考えられる場合には、上述したように、ｇ（ｎ，ｎ＋１）の値は、比較的小さくなる。そして、ｇ（ｎ，ｎ＋１）の値が小さくなると、平滑化項の値が大きくなる。一方、被検体Ｐの肺野と肺野外の部位とが癒着していないと考えられる場合には、ｇ（ｎ，ｎ＋１）の値が比較的大きくなり、平滑化項の値が小さくなる。 Further, when it is considered that the lung field of the subject P and the site in the lung field are adhered, as described above, the value of g (n, n + 1) is relatively small. Then, as the value of g (n, n + 1) decreases, the value of the smoothing term increases. On the other hand, when it is considered that the lung field of the subject P and the site in the lung field are not adhered, the value of g (n, n + 1) becomes relatively large, and the value of the smoothing term becomes small.
図６及び図７は、第１の実施形態に係るカットラインの一例を説明するための図である。図６に示すように、例えば、実行機能３４６は、グラフ５０をカットライン７０によりカットする。カットライン７０は、肺野外の部位の領域４２に対応するクラスタ（第１のクラスタ）に、１番目画素及び２番目画素が属し、かつ、肺野の領域４１に対応するクラスタ（第２のクラスタ）に、３番目画素〜１４番目画素が属するように、１４個の画素４５を分類するためのラインである。なお、第１のクラスタは、第１のクラスとも称される。また、第２のクラスタは、第２のクラスとも称される。
6 and 7 are views for explaining an example of a cut line according to the first embodiment. As shown in FIG. 6, for example, the
また、図７に示すように、実行機能３４６は、グラフ５０をカットライン７１によりカットする。カットライン７１は、第２のクラスタに、１番目画素〜１４番目画素が属するように、１４個の画素４５を分類するためのラインである。また、実行機能３４６は、グラフ５０をカットライン７２によりカットする。カットライン７２は、第１のクラスタに、１番目画素〜１４番目画素が属するように、１４個の画素４５を分類するためのラインである。図７に示すように、カットライン７１及びカットライン７２は、複数のノード５１〜６４のうちの隣接する２つのノードを結ぶいずれのラインに対しても交差しない。
Further, as shown in FIG. 7, the
本実施形態では、実行機能３４６は、ｃ番目ノードと（ｃ＋１）番目ノードとを結ぶラインに交差する１３本のカットライン、及び、上述した２本のカットライン７１及びカットライン７２の合計１５本のカットラインのそれぞれで、グラフ５０をカットする。
In the present embodiment, the
そして、実行機能３４６は、カットライン毎に、式（５）により、エネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）を算出する。なお、上述したように、本実施形態では、実行機能３４６は、カットライン毎にエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）を算出するものの、各画素４５を各クラスタに分類するクラスタリングを行わない。
Then, the
ステップＳ１０４，Ｓ１０５では、実行機能３４６は、対象部位における境界４３を含む関心領域４４内の複数の画素４５のそれぞれの動きベクトルに基づいて、複数の画素４５を複数のクラスタに分類するクラスタリング処理の一部の処理を実行する。例えば、実行機能３４６は、クラスタリング処理の一部の処理として、複数の画素４５のそれぞれの動きベクトルを算出し、算出した複数の動きベクトルに基づいて、複数の画素４５において、隣接する２つの画素４５ごとに、当該２つの画素４５の２つの動きベクトルの差分ベクトル（Ｘｎ＿ｉ−Ｘ（ｎ＋１）＿ｉ）の大きさを算出する処理を実行する。ここでいう隣接する２つの画素４５は、境界４３の法線方向に互いに隣り合う画素である。
In steps S104 and S105, the
また、ステップＳ１０４，Ｓ１０５では、実行機能３４６は、動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉに基づいて、肺野外の部位の領域４２に係る第１のクラスタ又は肺野の領域４１に係る第２のクラスタへ複数の画素４５のそれぞれを分類する際のエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）を算出する。エネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）は、分類情報の一例である。また、エネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）は、第１のクラスタ及び第２のクラスタへ複数の画素４５のそれぞれを分類する際のコストに係る値の一例でもある。
In step S104, S105,
そして、評価機能３４７は、癒着の状態を示す指標を算出する（ステップＳ１０６）。具体例を挙げて説明する。評価機能３４７は、例えば、下記の式（８）により、癒着の状態を示す指標として、確率ｐを算出する。
Then, the
なお、式（８）における右辺の項の分母は、１５本のカットラインについての１５個のｅｘｐ（−Ｅ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ））の総和を表す。
Note that the denominator of the right side terms in equation (8) represents the sum of the 15 pieces of the 15 for
また、式（８）の右辺の項の分子におけるｅｘｐ（−Ｅ（０，・・・，０，−１））は、上述したカットライン７１のエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）であり、Ｌ１＝Ｌ２＝・・・＝ＬＮ＝０であり、ｗ＝−１である。
Further, exp (-E (0, ..., 0, -1)) in the numerator of the term on the right side of the equation (8) is the energy E (L 1 , L 2 , ... of the
また、式（８）の右辺の項の分子におけるｅｘｐ（−Ｅ（１，・・・，１，−１））は、上述したカットライン７２のエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）であり、Ｌ１＝Ｌ２＝・・・＝ＬＮ＝１であり、ｗ＝−１である。 Further, exp (-E (1,..., 1, -1)) in the numerator of the term on the right side of the equation (8) is the energy E (L 1 , L 2 ,. , L N , w), L 1 = L 2 =... = L N = 1 and w = −1.
確率ｐは、「０」以上「１」以下の小さい値である。確率ｐは、例えば、関心領域４４内の複数の画素４５をクラスタリングした際に、複数の画素４５が１つのクラスタ（第１のクラスタ又は第２のクラスタ）に属する確率である。このように、確率ｐは、対象部位である肺野に肺野外の部位が癒着している可能性を示す値である。確率ｐの値が「１」に近づくほど、癒着している可能性が高くなる。なお、確率ｐは、癒着の程度を示すものではない。
The probability p is a small value between “0” and “1”. The probability p is, for example, a probability that the plurality of
上述したように、ステップＳ１０６では、式（８）が示すように、評価機能３４７は、エネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）から、肺野外の部位の領域４２に対応する被検体Ｐの肺野外の部位と、肺野の領域４１に対応する被検体Ｐの肺野との境界４３における癒着の状態を示す指標を算出する。
As described above, in step S106, as indicated by equation (8), the
また、ステップＳ１０６では、評価機能３４７は、ステップＳ１０４で算出された差分ベクトル（Ｘｎ＿ｉ−Ｘ（ｎ＋１）＿ｉ）の大きさに基づくエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）に基づいて指標を算出する。すなわち、評価機能３４７は、算出された差分ベクトル（Ｘｎ＿ｉ−Ｘ（ｎ＋１）＿ｉ）の大きさに基づいて、指標を算出する。
In step S106,
図８〜１３は、第１の実施形態に係る評価処理の一例を説明するための図である。図８〜１３には、肺野の領域４１と肺野外の部位の領域４２との境界４３の一部を含むように設定された関心領域４４が示されている。図８〜１３は、関心領域４４を再定義するステップＳ１０３の処理が省略された場合を示す。すなわち、図８〜１３は、１つの１次元の関心領域４４が設定された場合を示す。
8 to 13 are diagrams for explaining an example of the evaluation process according to the first embodiment. 8 to 13 show a region of
図８に示す３次元画像データ４０は、呼吸量が比較的多い被検体Ｐの肺野及び肺野外の部位を含んで撮像されたデータである。図９には、図８に示す関心領域４４内の複数の画素４５の動きベクトルの向き（方向）及び大きさを示す複数の矢印が示されている。図９では、複数の動きベクトルの向きが略２方向で統一されている。また、図９では、複数の動きベクトルの大きさが比較的大きい。これは、被検体Ｐの呼吸量が比較的多いからである。
The three-
一方、図１０に示す３次元画像データ４０は、呼吸量が比較的少ない被検体Ｐの肺野及び肺野外の部位を含んで撮像されたデータである。図１１には、図１０に示す関心領域４４内の複数の画素４５の動きベクトルの向き及び大きさを示す複数の矢印が示されている。図１１では、図９と同様に、複数の動きベクトルの向きが略２方向で統一されている。ただし、図１１では、複数の動きベクトルの大きさが比較的小さい。これは、被検体Ｐの呼吸量が比較的少ないからである。
On the other hand, the three-
また、図１２に示す３次元画像データ４０は、１点で癒着された肺野及び肺野外の部位を含んで撮像されたデータである。図１３には、図１２に示す関心領域４４内の複数の画素４５の動きベクトルの向き及び大きさを示す複数の矢印が示されている。図１３では、複数の動きベクトルの向き及び大きさは、不均一である。これは、被検体Ｐの肺野及び肺野外の部位が１点で癒着されており、例えば、肺野に対して肺野外の部位が振り子のように相対的に移動しているからである。
Further, the three-
本実施形態では、評価機能３４７が、複数の画素４５の動きベクトルの類似性に基づいて、癒着している可能性を示す確率ｐを算出する。例えば、評価機能３４７は、複数の動きベクトルの向き及び大きさが、均一である場合には、肺野の領域４１及び肺野外の部位の領域４２が癒着して動いていると考えられるため、「１」に近い確率ｐを算出する。例えば、評価機能３４７は、複数の動きベクトルの向きが略同一（略１方向）であり、大きさが略同一である場合には、「１」に近い確率ｐを算出する。
In the present embodiment, the
また、評価機能３４７は、略同じ大きさの複数の動きベクトルの向きが、略２方向である場合には、肺野の領域４１及び肺野外の部位の領域４２が互いに独立して動いていると考えられるため、「０」に近い確率ｐを算出する。例えば、図９及び図１０に示すように被検体Ｐの呼吸量が比較的多い場合にも、図１１及び図１２に示すように被検体Ｐの呼吸量が比較的少ない場合にも、評価機能３４７は、「０」に近い確率ｐを算出する。したがって、第１の実施形態によれば、呼吸量が、比較的多い場合のみならず、比較的少ない場合であっても、精度良く、癒着の状態を評価することができる。
In addition, in the
また、評価機能３４７は、複数の動きベクトルの向き及び大きさが、不均一である場合には、「１」に近い確率ｐを算出する。例えば、図１２及び図１３に示すように、被検体Ｐの肺野及び肺野外の部位が１点で癒着されている場合には、複数の動きベクトルの向き及び大きさが不均一であり、１つのクラスタに複数の画素４５が属することが適切であると考えられるので、評価機能３４７は、「１」に近い確率ｐを算出する。したがって、第１の実施形態によれば、被検体Ｐの肺野及び肺野外の部位が１点で癒着されている場合であっても、精度良く、癒着の状態を評価することができる。
Further, the
このように、ステップＳ１０６では、評価機能３４７は、クラスタリング処理の一部の処理の結果に基づいて、関心領域４４内での対象部位の癒着の状態を評価する。また、評価機能３４７は、クラスタリング処理の一部の処理の結果に基づいて、複数の画素４５をクラスタリングした際に、複数の画素４５が１つのクラスタに属する確率ｐを癒着の状態を示す指標として算出する。なお、評価機能３４７は、クラスタリング処理の一部の処理の結果に基づいて、複数の画素４５をクラスタリングした際に、複数の画素４５が複数（例えば２つ）のクラスタに属する確率（１−ｐ）を癒着の状態を示す指標として算出してもよい。すなわち、評価機能３４７は、２つのクラスタ（上述した第１のクラスタ及び第２のクラスタ）へ複数の画素４５を分類する際に、複数の画素４５が同一のクラスタに属する確率ｐに基づいて、指標を算出し、癒着の状態を評価してもよい。
Thus, in step S106, the
また、ステップＳ１０６では、評価機能３４７は、動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉに基づく、重みＰ（ｌｊ＿０）、重みＰ（ｌｊ＿１）及びエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）により、確率ｐを算出し、確率ｐに基づいて指標を算出する。
Further, in step S106, the
また、ステップＳ１０６では、評価機能３４７は、ステップＳ１０４で算出された動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉの差分ベクトルの大きさに基づくエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）により、指標を算出する。
Further, in step S106, the
そして、評価機能３４７は、関心領域４４内の１４個の画素４５に、確率ｐを対応付ける。例えば、評価機能３４７は、各画素４５を識別するための識別情報と確率ｐとが対応付けられた対応情報を生成し、生成した対応情報をメモリ３１に格納する。
Then, the
そして、実行機能３４６は、境界４３の全部分に亘って関心領域４４を設定したか否かを判定する（ステップＳ１０７）。全部分に亘って関心領域４４を設定していないと判定した場合（ステップＳ１０７：Ｎｏ）には、実行機能３４６は、ステップＳ１０２に戻り、境界４３の全部分のうち関心領域４４を未設定の部分に、関心領域４４を設定する。そして、ステップＳ１０３〜Ｓ１０６の各処理が、境界４３の全部分に亘って関心領域４４を設定していると実行機能３４６により判定されるまで、繰り返し実行される。
Then, the
一方、全部分に亘って関心領域４４を設定したと実行機能３４６により判定された場合（ステップＳ１０７：Ｙｅｓ）には、色割当機能３４８は、３次元画像データを構成する複数の画素のそれぞれに対して確率ｐに応じた色を割り当てる（ステップＳ１０８）。
On the other hand, when it is determined by the
例えば、色割当機能３４８は、メモリ３１に記憶された対応情報を取得する。そして、色割当機能３４８は、対応情報が示す識別情報と確率ｐとの対応関係にしたがって、各画素に色を割り当てる。具体的には、色割当機能３４８は、識別情報が示す画素に対して、当該画素に対応する確率ｐに応じた色を割り当てる。例えば、色割当機能３４８は、確率ｐが「１」に近づくほど赤色に近い色を画素に割り当て、確率ｐが「０」に近づくほど青色に近い色を割り当ててもよい。また、色割当機能３４８は、確率ｐが対応付けられていない画素については、所定の色を割り当ててもよい。ここで、所定の色とは、例えば、確率ｐに応じて画素に割り当てられる色以外の色が挙げられる。
For example, the
そして、画像処理機能３４４は、色が割り当てられた３次元画像データに基づいて、表示用の２次元画像データを生成する（ステップＳ１０９）。例えば、画像処理機能３４４は、３次元画像データに対してサーフェスレンダリングを行い、表示用の２次元画像データとしてサーフェスレンダリング画像データを生成する。
Then, the
そして、システム制御機能３４１は、ディスプレイ３２に表示用の２次元画像データが示す画像を表示させ（ステップＳ１１０）、評価処理を終了する。図１４は、第１の実施形態に係る表示用の２次元画像データが示す画像の一例を示す図である。例えば、図１４に示すように、システム制御機能３４１は、サーフェスレンダリング画像データが示すサーフェスレンダリング画像８０をディスプレイ３２に表示させる。このようにして、システム制御機能３４１は、評価機能３４７により評価された評価結果をディスプレイ３２に表示させる。これにより、サーフェスレンダリング画像８０を確認した操作者は、対象部位のどの部分が癒着している可能性が高いかを容易に把握することができる。
Then, the
以上、第１の実施形態に係るＸ線ＣＴ装置１について説明した。Ｘ線ＣＴ装置１によれば、上述したように、精度良く付着の状態を評価することができる。
The
（第１の実施形態の第１の変形例）
上述した第１の実施形態では、１次元の関心領域４４が設定される場合について説明したが、関心領域４４は、１次元でなく、例えば、２次元又は３次元であってもよい。そこで、このような変形例を第１の実施形態の第１の変形例として説明する。第１の変形例では、Ｘ線ＣＴ装置１は、２次元又は３次元の関心領域４４内の画素を用いて、第１の実施形態と同様の処理を行う。
First Modification of First Embodiment
In the first embodiment described above, the case where the one-dimensional region of
例えば、第１の変形例では、２次元の関心領域４４内には、境界４３の法線方向に沿って１次元状に並ぶ複数の画素から構成される画素列が、境界４３の法線方向と直交する方向に複数並んでいる。そこで、第１の変形例では、Ｘ線ＣＴ装置１は、第１の実施形態において１次元状に並んだ複数の画素４５に対して行った処理と同様の処理を、複数の画素列のそれぞれに対して行う。
For example, in the first modification, in the two-dimensional region of
また、３次元の関心領域４４が設定される場合においても、実行機能３４６は、２次元の関心領域４４が設定される場合の処理と同様の処理を行う。したがって、第１の変形例によれば、第１の実施形態と同様の効果を奏する。
Further, even in the case where the three-dimensional region of
（第１の実施形態の第２の変形例）
また、上述した第１の実施形態及び第１の変形例では、実行機能３４６が、クラスタリング処理の一部の処理を実行する場合について説明したが、クラスタリング処理の全処理を実行してもよい。この場合、実行機能３４６は、１５本のカットラインのそれぞれに対して算出したエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）の中から、最小のエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）に対応するカットラインにより、各画素４５を各クラスタに分類するクラスタリングを行う。すなわち、実行機能３４６は、クラスタリング処理の全処理を実行する。
Second Modification of First Embodiment
In the first embodiment and the first modification described above, the
このように、実行機能３４６は、動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉに基づくエネルギーＥ（Ｌ１，Ｌ２，・・・，ＬＮ，ｗ）に基づいて、第１のクラスタ又は第２のクラスタへ複数の画素４５のそれぞれを分類するクラスタリング処理を実行する。すなわち、実行機能３４６は、動きベクトルＸｎ＿ｉ及び動きベクトルＸ（ｎ＋１）＿ｉに基づいて、クラスタリング処理を実行する。
Thus, the
また、Ｘ線ＣＴ装置１は、クラスタリング処理の全処理を実行する場合には、クラスタリング処理の結果を用いて、確率ｐの確からしさを示す信頼度を算出してもよい。そこで、このような変形例を第１の実施形態の第２の変形例として説明する。
When the
図１５及び図１６は、第２の変形例に係るＸ線ＣＴ装置が実行する処理の一例を説明するための図である。図１５には、セグメンテーション機能３４５により３次元画像データ４０から抽出された肺野の領域４１及び肺野外の部位の領域４２が示されている。また、図１５には、実行機能３４６により第１のクラスタに分類された画素４５が位置する領域８２、及び、第２のクラスタに分類された画素４５が位置する領域８１が示されている。
FIG. 15 and FIG. 16 are diagrams for explaining an example of processing executed by the X-ray CT apparatus according to the second modification. In FIG. 15, the
そして、第２の変形例では、評価機能３４７は、肺野の領域４１と肺野外の部位の領域４２との境界４３と、領域８１と領域８２との境界８３との一致度を、確率ｐの確からしさを示す信頼度として算出する。なお、評価機能３４７は、一致度を算出する方法として、公知の技術を用いる。
Then, in the second modified example, the
ここで、境界４３と境界８３との一致度が高いと、クラスタリング処理の結果とセグメンテーション処理の結果との一致度も高くなる。クラスタリング処理の結果とセグメンテーション処理の結果との一致度が高いほど、クラスタリング処理の結果の確からしさを示す信頼度が高くなる。クラスタリング処理の結果の確からしさを示す信頼度が高くなると、確率ｐの確からしさを示す信頼度も高くなる。
Here, when the degree of coincidence between the
そこで、第２の変形例に係る評価機能３４７は、境界４３と境界８３との一致度を、確率ｐの確からしさを示す信頼度として算出する。
Therefore, the
また、実行機能３４６により、関心領域４４内の全ての画素４５が第２のクラスタに属するように画素４５が分類された場合について説明する。この場合には、図１６に示すように、第２のクラスタに属する画素４５が位置する領域８４はあるが、第１のクラスタに属する画素４５が位置する領域はない。このため、領域８４と第１のクラスタに属する画素４５が位置する領域との境界はない。このように、境界がない場合には、評価機能３４７は、確率ｐの確からしさを示す信頼度として、所定値、例えば、「０」を算出する。同様に、評価機能３４７は、実行機能３４６により関心領域４４内の全ての画素４５が第１のクラスタに属するように画素４５が分類された場合にも、所定値、例えば、「０」を算出する。
Further, the case where the
このようにして、評価機能３４７は、セグメンテーション処理の結果及びクラスタリング処理の結果に基づいて、癒着の状態の評価結果の信頼度を算出する。
Thus, the
そして、第２の変形例に係るシステム制御機能３４１は、算出した信頼度を、ディスプレイ３２に表示させる。
The
以上、第２の変形例に係るＸ線ＣＴ装置１について説明した。第２の変形例によれば、確率ｐの確からしさを示す信頼度を定量的に表示することができる。このため、第２の変形例によれば、操作者に、確率ｐの確からしさを、より確実に把握させることができる。
The
（第２の実施形態）
ここで、第１の実施形態、第１の変形例又は第２の変形例に係るＸ線ＣＴ装置１の機能を、Ｘ線ＣＴ装置１とネットワークを介して接続された画像処理装置に持たせることができる。このような実施形態を第２の実施形態として、図１７を用いて説明する。
Second Embodiment
Here, the function of the
図１７は、第２の実施形態に係る画像処理装置を含むシステムの構成の一例を示す図である。図１７の例に示すシステムは、Ｘ線ＣＴ装置６００と、画像保管装置７００と、画像表示装置８００と、画像処理装置９００とを有する。Ｘ線ＣＴ装置６００と、画像保管装置７００と、画像表示装置８００と、画像処理装置９００とは、例えば、病院内に設置された院内ＬＡＮ（Local Area Network）５００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６００〜９００は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）規格に則って、画像等を相互に送受信する。
FIG. 17 is a diagram showing an example of the configuration of a system including the image processing apparatus according to the second embodiment. The system shown in the example of FIG. 17 includes an X-ray CT apparatus 600, an image storage apparatus 700, an
Ｘ線ＣＴ装置６００は、第１の実施形態、第１の変形例又は第２の変形例に係るＸ線ＣＴ装置１である。Ｘ線ＣＴ装置６００は、４次元画像データ（Ｔフレーム分の３次元画像データ）を画像処理装置９００に送信する。
The X-ray CT apparatus 600 is the
画像保管装置７００は、Ｘ線ＣＴ装置６００および画像処理装置９００により生成された表示用の２次元画像データを保管するデータベースである。
The image storage device 700 is a database for storing two-dimensional image data for display generated by the X-ray CT apparatus 600 and the
画像処理装置９００は、ワークステーションであり、第１の実施形態、第１の変形例又は第２の変形例に係るＸ線ＣＴ装置１の機能を有する。画像処理装置９００は、Ｘ線ＣＴ装置６００から送信されたＴフレーム分の３次元画像データを用いて、第１の実施形態、第１の変形例又は第２の変形例に係るＸ線ＣＴ装置１が実行する処理と同様の処理を行う。
The
画像処理装置９００は、入力インターフェース９０１、ディスプレイ９０２、メモリ９０３及び処理回路９０４を有する。
The
入力インターフェース９０１は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インターフェース９０１は、処理回路９０４に接続されており、操作者から受け取った入力操作を電気信号へ変換し処理回路９０４へと出力する。例えば、入力インターフェース９０１は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インターフェース、及び音声入力インターフェース等によって実現される。なお、本明細書において、入力インターフェース９０１は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路９０４へ出力する電気信号の処理回路も入力インターフェース９０１の例に含まれる。
The input interface 901 receives an input operation of various instructions and various information from the operator. Specifically, the input interface 901 is connected to the
ディスプレイ９０２は、各種情報及び各種画像を表示する。具体的には、ディスプレイ９０２は、処理回路９０４に接続されており、処理回路９０４から送られる各種情報及び各種画像のデータを表示用の電気信号に変換して出力する。例えば、ディスプレイ９０２は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。
The display 902 displays various information and various images. Specifically, the display 902 is connected to the
メモリ９０３は、各種データを記憶する。具体的には、メモリ９０３は、各種の画像を記憶する。例えば、メモリ９０３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。
The
処理回路９０４は、画像処理装置９００の全体制御を行う。例えば、処理回路９０４は、Ｘ線ＣＴ装置６００から送信されたＴフレーム分の３次元画像データを受信すると、受信した３次元画像データをメモリ９０３に格納する。処理回路９０４は、プロセッサにより実現される。処理回路９０４は、取得機能９０４ａ、セグメンテーション機能９０４ｂ、実行機能９０４ｃ、評価機能９０４ｄ、色割当機能９０４ｅ、表示制御機能９０４ｆ及び画像処理機能９０４ｇを有する。取得機能９０４ａは、取得部の一例である。セグメンテーション機能９０４ｂは、セグメンテーション処理部の一例である。実行機能９０４ｃは、実行部及び第２の算出部の一例である。評価機能９０４ｄは、評価部、算出部及び第１の算出部の一例である。表示制御機能９０４ｆは、表示制御部の一例である。画像処理機能９０４ｇは、生成部の一例である。
The
ここで、例えば、処理回路９０４の構成要素である取得機能９０４ａ、セグメンテーション機能９０４ｂ、実行機能９０４ｃ、評価機能９０４ｄ、色割当機能９０４ｅ、表示制御機能９０４ｆ及び画像処理機能９０４ｇの各機能は、コンピュータによって実行可能なプログラムの形態でメモリ９０３に記憶されている。処理回路９０４は、各プログラムをメモリ９０３から読み出し、読み出した各プログラムを実行することで、各機能を実現する。換言すると、各プログラムを読み出した状態の処理回路９０４は、図１７の処理回路９０４内に示された各機能を有することとなる。
Here, for example, the respective functions of an
取得機能９０４ａは、メモリ９０３に記憶されたＴフレーム分の３次元画像データを取得する。すなわち、取得機能９０４ａは、複数の時相において被検体Ｐの対象部位を含んで撮像された複数の３次元画像データを取得する。
The
セグメンテーション機能９０４ｂは、上述したステップＳ１０１の処理と同様の処理を実行する。実行機能９０４ｃは、上述したステップＳ１０２〜Ｓ１０５，Ｓ１０７の処理と同様の処理を実行する。評価機能９０４ｄは、上述したステップＳ１０６の処理と同様の処理を実行する。
The
色割当機能９０４ｅは、上述したステップＳ１０８の処理と同様の処理を実行する。画像処理機能９０４ｇは、上述したステップＳ１０９の処理と同様の処理を実行する。表示制御機能９０４ｆは、上述したステップＳ１１０の処理と同様の処理を実行する。 The color assignment function 904 e executes the same process as the process of step S 108 described above. The image processing function 904g executes the same process as the process of step S109 described above. The display control function 904 f performs the same process as the process of step S <b> 110 described above.
以上、第２の実施形態に係る画像処理装置９００について説明した。画像処理装置９００によれば、第１の実施形態、第１の変形例及び第２の変形例と同様に、精度良く付着の状態を評価することができる。
The
以上説明した少なくともひとつの実施形態又は変形例によれば、精度良く付着の状態を評価することができる。 According to at least one embodiment or modification described above, the state of adhesion can be evaluated accurately.
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。 While certain embodiments of the present invention have been described, these embodiments have been presented by way of example only, and are not intended to limit the scope of the invention. These embodiments can be implemented in other various forms, and various omissions, replacements, and modifications can be made without departing from the scope of the invention. These embodiments and modifications thereof are included in the invention described in the claims and the equivalents thereof as well as included in the scope and the gist of the invention.
９００ 画像処理装置
９０４ａ 取得機能
９０４ｄ 評価機能
900
Claims (8)
前記画像における第１の領域及び第２の領域の境界を跨いで所定方向に並んだ前記画像の複数の画素における、前記複数の時相の画像間での移動情報に基づいて、前記第１の領域に係る第１のクラス又は当該第１の領域と前記所定方向に隣り合う第２の領域に係る第２のクラスへ前記複数の画素のそれぞれを分類する際の分類情報から、前記第１の領域に対応する前記被検体の第１の部位と前記第２の領域に対応する前記被検体の第２の部位との前記境界における付着の状態を示す指標を算出する第１の算出部と、
を備える、画像処理装置。 An acquisition unit configured to acquire a plurality of images captured including a target site of a subject in a plurality of time phases;
The first of the plurality of pixels of the image arranged in a predetermined direction across the boundary of the first region and the second region in the image, based on movement information among the images of the plurality of time phases. According to classification information at the time of classifying each of the plurality of pixels into a first class relating to a region or a second class relating to a second region adjacent to the first region in the predetermined direction, the first information A first calculation unit that calculates an index indicating a state of adhesion at the boundary between the first portion of the subject corresponding to the region and the second portion of the subject corresponding to the second region;
An image processing apparatus comprising:
前記第１の算出部は、前記差分ベクトルの大きさに基づいて、前記指標を算出する、請求項１〜３のいずれか１つに記載の画像処理装置。 The motion vector of each of the plurality of pixels is calculated as the movement information, and based on the calculated plurality of motion vectors, two of the two pixels are adjacent to each other in the predetermined direction in the plurality of pixels. And a second calculation unit that calculates the magnitude of the difference vector of two motion vectors,
The image processing apparatus according to any one of claims 1 to 3, wherein the first calculation unit calculates the index based on the magnitude of the difference vector.
前記第２の算出部は、前記移動情報に基づいて、前記第１のクラス又は前記第２のクラスへ前記複数の画素のそれぞれを分類するクラスタリング処理を実行し、
前記第１の算出部は、前記セグメンテーション処理の結果及び前記クラスタリング処理の結果に基づいて、前記指標の信頼度を算出する、
請求項４に記載の画像処理装置。 The image processing apparatus further comprises a segmentation processing unit that executes segmentation processing for extracting the first area and the second area from the image.
The second calculation unit executes clustering processing for classifying each of the plurality of pixels into the first class or the second class based on the movement information
The first calculation unit calculates the reliability of the index based on the result of the segmentation process and the result of the clustering process.
The image processing apparatus according to claim 4.
前記画像上における第１の領域及び第２の領域の境界を跨いで所定方向に並んだ前記画像の複数の画素における、前記複数の時相の画像間での移動情報に基づいて、前記第１の領域に係る第１のクラス又は当該第１の領域と前記所定方向に隣り合う第２の領域に係る第２のクラスへ前記複数の画素のそれぞれを分類する際の分類情報から、前記第１の領域に対応する前記被検体の第１の部位と前記第２の領域に対応する前記被検体の第２の部位との前記境界における付着の状態を示す指標を算出する算出部と、
を備える、医用画像撮像装置。 A generation unit that generates a plurality of images captured including a target site of the subject in a plurality of time phases;
The first image based on movement information among the images of the plurality of time phases in a plurality of pixels of the image arranged in a predetermined direction across the boundary of the first region and the second region on the image. The first class according to the first area or the second area according to the first area and the second area adjacent to the second area according to the classification information when classifying each of the plurality of pixels A calculation unit that calculates an index indicating a state of adhesion at the boundary between the first region of the subject corresponding to the region of the second region and the second region of the object corresponding to the second region;
A medical imaging apparatus comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/162,986 US11138735B2 (en) | 2017-10-17 | 2018-10-17 | Image processing apparatus and medical image taking apparatus |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017201218 | 2017-10-17 | ||
| JP2017201218 | 2017-10-17 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019075123A true JP2019075123A (en) | 2019-05-16 |
| JP7166870B2 JP7166870B2 (en) | 2022-11-08 |
Family
ID=66544337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018195917A Active JP7166870B2 (en) | 2017-10-17 | 2018-10-17 | Image processing device and medical imaging device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7166870B2 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012070588A1 (en) * | 2010-11-25 | 2012-05-31 | 株式会社日立メディコ | Ultrasound moving image processing method, device and program |
| JP2012213604A (en) * | 2011-03-29 | 2012-11-08 | Toshiba Corp | X-ray ct apparatus, and image processing method |
-
2018
- 2018-10-17 JP JP2018195917A patent/JP7166870B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012070588A1 (en) * | 2010-11-25 | 2012-05-31 | 株式会社日立メディコ | Ultrasound moving image processing method, device and program |
| JP2012213604A (en) * | 2011-03-29 | 2012-11-08 | Toshiba Corp | X-ray ct apparatus, and image processing method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7166870B2 (en) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10628972B2 (en) | Diagnostic imaging method and apparatus, and recording medium thereof | |
| US10143433B2 (en) | Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus | |
| US10052077B2 (en) | Tomography imaging apparatus and method | |
| US20200245966A1 (en) | Medical imaging apparatus and control method of the same | |
| JP7262933B2 (en) | Medical information processing system, medical information processing device, radiological diagnostic device, ultrasonic diagnostic device, learning data production method and program | |
| JP7341803B2 (en) | X-ray CT equipment, medical image processing equipment, and X-ray CT systems | |
| US9836861B2 (en) | Tomography apparatus and method of reconstructing tomography image | |
| US10339675B2 (en) | Tomography apparatus and method for reconstructing tomography image thereof | |
| US11138735B2 (en) | Image processing apparatus and medical image taking apparatus | |
| JP2016147062A (en) | X-ray computer tomographic imaging device and medical image processor | |
| JP6526428B2 (en) | Medical image processing apparatus, medical image processing method and medical image diagnostic apparatus | |
| JP7313818B2 (en) | MEDICAL IMAGE PROCESSING APPARATUS, MEDICAL IMAGE DIAGNOSTIC APPARATUS, AND MEDICAL IMAGE PROCESSING METHOD | |
| US10176568B2 (en) | Tomographic apparatus and method | |
| JP7166870B2 (en) | Image processing device and medical imaging device | |
| JP6598653B2 (en) | Medical information processing apparatus and medical information processing system | |
| CN110881993B (en) | X-ray CT apparatus, medical image processing apparatus, and X-ray CT system | |
| JP2008267913A (en) | Nuclear medicine diagnostic apparatus and diagnostic system used for same | |
| JP2020141721A (en) | Medical data collection device and medical diagnostic system | |
| JP2020065593A (en) | Medical image processing device, x-ray diagnostic device and medical image processing program | |
| US20240062371A1 (en) | Information processing method, medical image diagnostic apparatus, and information processing system including deep learning for optimal cardiac phase selection | |
| JP7510775B2 (en) | Medical image processing device and medical image diagnostic device | |
| JP7473313B2 (en) | Medical image processing device, medical image processing method, and medical image processing program | |
| US20240225582A1 (en) | Medical image processing apparatus, medical image processing method, and storage medium | |
| JP6923414B2 (en) | X-ray computed tomography equipment, medical imaging equipment, and programs | |
| JP2024098862A (en) | Medical image processing device, medical image processing method and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210824 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220819 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220927 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221026 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7166870 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |