JP2019213785A - 医用画像処理装置、方法およびプログラム - Google Patents

Abstract

【課題】医用画像処理装置、方法およびプログラムにおいて、頭部のＣＴ画像等の医用画像を用いて、くも膜下出血が疑われる領域を精度よく抽出できるようにする。【解決手段】画像取得部２１が、被検体の脳画像Ｂ０を取得する。候補領域抽出部２２が、脳画像Ｂ０における出血発症候補領域を抽出する。領域特定部２３が、出血発症候補領域４２の境界４４より内側の第１の領域５１、出血発症候補領域４２における第１の領域５１以外の第２の領域５２、および出血発症候補領域４２の境界４４より外側の第３の領域５３を特定する。判定部２４が、第１の領域５１の信号値Ｑ１、第２の領域５２の信号値Ｑ２および第３の領域５３の信号値Ｑ３を比較して、出血発症候補領域４２が出血領域であるか否かを判定する。【選択図】図２

Description

本発明は、頭部のＣＴ(Computed Tomography）画像等の脳画像において、くも膜下出血が疑われる出血領域を判定する医用画像処理装置、方法およびプログラムに関するものである。

近年、ＣＴ装置およびＭＲＩ（Magnetic Resonance Imaging）装置等の医療機器の進歩により、より質の高い高解像度の医用画像を用いての画像診断が可能となってきている。とくに、対象部位を脳とした場合において、ＣＴ画像およびＭＲＩ画像等を用いた画像診断により、脳梗塞および脳出血等の血管障害を起こしている領域を特定することができるため、特定した結果に基づいて適切な治療が行われるようになってきている。

ところで、くも膜下出血は再出血率が高い疾患であり、軽度な出血であっても、適切な治療が施されなかった場合、再出血率は１か月以内に約５０%とも言われている。さらに、再出血時の方が重篤化する確率が高くなるため、発症の見落とし防止および再出血の予防が重要である。ここで、くも膜下出血が疑われる患者に対しては、頭部のＣＴ画像を用いた画像診断が第一選択とされるケースが多い。このため、ＣＴ画像を用いて疾患の状況を正確に診断することが、早期治療を実現する上で非常に重要である。

一般に、出血領域はＣＴ画像上において周囲の領域と比較して高いＣＴ値を示す。また、くも膜下出血は脳槽および脳室等の、脳脊髄液が灌流している場所で発生する。ここで、脳脊髄液が存在する領域はＣＴ画像において低ＣＴ値となる。このため、脳槽および脳室という本来低ＣＴ値となる領域において、高ＣＴ値の領域が存在する場合、くも膜下出血が発症していると診断することができる。

一方、くも膜下出血において見落とされやすい症例の一つに、「くも膜下出血の発症後、数日が経過しており、血液がウォッシュアウトされている症例」が挙げられる。ウォッシュアウトとは、脳脊髄液中に混入した血液が、時間の経過により髄液循環によって洗い流されることである。くも膜下出血は、脳槽および脳室等の脳脊髄液が灌流している場所で発生する出血であるため、ウォッシュアウトが発生する確率が高い。

ウォッシュアウトが起こった患者の場合、ＣＴ画像上において脳槽および脳室に残存している血液を発見することにより、くも膜下出血の発症を確認することができる、しかしながら、とくに血液が脳槽および脳室等の辺縁部に僅かにしか残存していない場合、脳槽の大部分が高ＣＴ値となっている発症初期に比べて、くも膜下出血を見落とす確率が高くなる。

このため、ＣＴ画像において、脳出血部位が含まれる可能性のある領域のＣＴ値および領域の大きさに基づいて、領域が脳出血部位か否かを判定し、脳出血部位と判定された領域以外の領域のうち、ＣＴ画像における脳出血部位の可能性がある領域（以下、出血発症候補領域とする）について、出血発症候補領域とその周辺の領域とのＣＴ値の差または出血発症候補領域のＣＴ値に基づいて、出血発症候補領域が脳出血部位か否かを判定する手法が提案されている（特許文献１参照）。ウォッシュアウトは脳槽および脳室に発生するため、特許文献１に記載された手法を用いることにより、ウォッシュアウトが発生しているか否かを判定することができる。

特表２００９−５３９５１０号公報

しかしながら、くも膜下出血を発症した出血領域においてウォッシュアウトが発生した場合、出血領域の大部分が正常な構造に戻っている。したがって、ＣＴ画像においては、ウォッシュアウトが発生した領域と正常な領域との区別がつきにくい。上記特許文献１に記載された手法は、出血発症候補領域とその周辺の領域との信号値に基づいて出血領域か否かを判定している。このため、ウォッシュアウトにより出血領域の大部分が正常な構造に戻っている場合、特許文献１に記載された手法では、出血領域であるか否かを正確に判定することができない。

本発明は上記事情に鑑みなされたものであり、出血発症候補領域が出血領域であるか否かを精度よく判定できるようにすることを目的とする。

本発明による医用画像処理装置は、被検体の脳を含む３次元の脳画像を取得する画像取得部と、
脳画像における出血発症候補領域を抽出する候補領域抽出部と、
出血発症候補領域の境界より内側の第１の領域、出血発症候補領域における第１の領域以外の第２の領域、および出血発症候補領域の境界より外側の第３の領域を特定する領域特定部と、
第１の領域の信号値、第２の領域の信号値および第３の領域の信号値を比較して、出血発症候補領域が出血領域であるか否かを判定する判定部とを備える。

なお、本発明による医用画像処理装置においては、判定部は、第２の領域において、第１の領域の信号値より高く、かつ第３の領域の信号値よりも高い信号値の領域が存在する場合、出血発症候補領域を出血領域と判定するものであってもよい。

また、本発明による医用画像処理装置においては、候補領域抽出部は、標準的な脳画像である標準脳画像と脳画像とを位置合わせして出血発症候補領域を抽出するものであってもよい。

標準脳画像とは、平均的な脳の構造を表す画像であり、複数の健常者の頭部をＣＴ装置およびＭＲＩ装置等の撮影装置により撮影することにより取得された複数の医用画像から脳の領域を抽出し、抽出された複数の脳の領域を平均することにより作成される。また、標準脳画像は、コンピュータグラフィックス等により作成されたものであってもよい。また、一人の健常者の脳画像を標準脳画像として用いてもよい。

また、本発明による医用画像処理装置においては、出血発症候補領域は、脳における脳槽および脳室の少なくとも一方であってもよい。

また、本発明による医用画像処理装置においては、脳画像は、ＣＴ装置により取得されたＣＴ画像であってもよい。

また、本発明による医用画像処理装置においては、出血領域が特定されたことを表す出血領域情報を表示部に表示する表示制御部をさらに備えるものであってもよい。

本発明による医用画像処理方法は、被検体の脳を含む３次元の脳画像を取得し、
脳画像における出血発症候補領域を抽出し、
出血発症候補領域の境界より内側の第１の領域、出血発症候補領域における第１の領域以外の第２の領域、および出血発症候補領域の境界より外側の第３の領域を特定し、
第１の領域の信号値、第２の領域の信号値および第３の領域の信号値を比較して、出血発症候補領域が出血領域であるか否かを判定する。

なお、本発明による医用画像処理方法をコンピュータに実行させるためのプログラムとして提供してもよい。

本発明による他の医用画像処理装置は、コンピュータに実行させるための命令を記憶するメモリと、
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
被検体の脳を含む３次元の脳画像を取得し、
脳画像における出血発症候補領域を抽出し、
出血発症候補領域の境界より内側の第１の領域、出血発症候補領域における第１の領域以外の第２の領域、および出血発症候補領域の境界より外側の第３の領域を特定し、
第１の領域の信号値、第２の領域の信号値および第３の領域の信号値を比較して、出血発症候補領域が出血領域であるか否かを判定する処理を実行する。

本発明によれば、被検体の脳を含む３次元の脳画像が取得され、脳画像における出血発症候補領域が抽出される。そして、出血発症候補領域の境界より内側の第１の領域、出血発症候補領域における第１の領域以外の第２の領域、および出血発症候補領域の境界より外側の第３の領域が特定される。ここで、出血領域においてウォッシュアウトが発生した場合、出血領域の大部分が正常な構造に戻っている。しかしながら、出血領域の境界よりも内側の領域の信号値、出血領域内における内側の領域の外側の領域の信号値、および出血領域によりも外側の領域の信号値を比較すれば、出血が生じていない場合と、出血が生じ、かつウォッシュアウトが発生した場合とで、各領域の信号値に差が発生する。このため、上述した第１の領域の信号値、第２の領域の信号値および第３の領域の信号値を比較することにより、出血発症候補領域が出血領域であるか否かを判定することができる。したがって、本発明によれば、ウォッシュアウトが発生していても、出血発症候補領域が出血領域であるか否かを精度よく判定することができる。

本発明の実施形態による医用画像処理装置を適用した、診断支援システムの概要を示すハードウェア構成図 本発明の実施形態による医用画像処理装置の概略構成を示す図 標準脳画像を示す図 被検体の脳画像を示す図 脳画像から抽出された出血発症候補領域を示す図 第１〜第３の領域の特定を説明するための図 エロージョン処理およびダイレーション処理の構造要素を示す図 ディスプレイに表示された脳画像を示す図 本実施形態において行われる処理を示すフローチャート 出血発症候補領域の他の例を示す図 第１〜第３の領域の特定を説明するための図

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。図１は、本発明の実施形態による医用画像処理装置を適用した、診断支援システムの概要を示すハードウェア構成図である。図１に示すように、診断支援システムでは、本実施形態による医用画像処理装置１、３次元画像撮影装置２、および画像保管サーバ３が、ネットワーク４を経由して通信可能な状態で接続されている。

３次元画像撮影装置２は、被検体の診断対象となる部位を撮影することにより、その部位を表す３次元画像を生成する装置であり、具体的には、ＣＴ装置、ＭＲＩ装置、およびＰＥＴ（Positron Emission Tomography）装置等である。３次元画像撮影装置２により生成された３次元画像は画像保管サーバ３に送信され、保存される。なお、本実施形態においては、被検体である患者の診断対象部位は脳であり、３次元画像撮影装置２はＣＴ装置であり、被検体の脳を含む頭部のＣＴ画像を３次元の脳画像Ｂ０として生成する。

画像保管サーバ３は、各種データを保存して管理するコンピュータであり、大容量外部記憶装置およびデータベース管理用ソフトウェアを備えている。画像保管サーバ３は、有線あるいは無線のネットワーク４を介して他の装置と通信を行い、画像データ等を送受信する。具体的には３次元画像撮影装置２で生成された脳画像Ｂ０の画像データを含む各種データをネットワーク経由で取得し、大容量外部記憶装置等の記録媒体に保存して管理する。なお、画像データの格納形式およびネットワーク４経由での各装置間の通信は、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）等のプロトコルに基づいている。

医用画像処理装置１は、１台のコンピュータに、本発明の医用画像処理プログラムをインストールしたものである。コンピュータは、診断を行う医師が直接操作するワークステーションまたはパーソナルコンピュータでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。医用画像処理プログラムは、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ−ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。または、ネットワークに接続されたサーバコンピュータの記憶装置、もしくはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて医師が使用するコンピュータにダウンロードされ、インストールされる。

図２は、コンピュータに医用画像処理プログラムをインストールすることにより実現される医用画像処理装置の概略構成を示す図である。図２に示すように、医用画像処理装置１は、標準的なワークステーションの構成として、ＣＰＵ（Central Processing Unit）１１、メモリ１２およびストレージ１３を備えている。また、医用画像処理装置１には、ディスプレイ１４、並びにキーボードおよびマウス等の入力部１５が接続されている。なお、ディスプレイ１４が表示部に対応する。

ストレージ１３には、ハードディスクドライブ等からなり、ネットワーク４を経由して画像保管サーバ３から取得した、被検体の脳画像、並びに処理に必要な情報を含む各種情報が記憶されている。

また、メモリ１２には、医用画像処理プログラムが記憶されている。医用画像処理プログラムは、ＣＰＵ１１に実行させる処理として、被検体の脳画像Ｂ０を取得する画像取得処理、脳画像Ｂ０における出血発症候補領域を抽出する候補領域抽出処理、出血発症候補領域の境界より内側の第１の領域、出血発症候補領域における第１の領域以外の第２の領域、および出血発症候補領域の境界より外側の第３の領域を特定する領域特定処理、第１の領域の信号値、第２の領域の信号値および第３の領域の信号値を比較して、出血発症候補領域が出血領域であるか否かを判定する判定処理、並びに出血領域が特定されたことを表す出血領域情報をディスプレイ１４に表示する表示制御処理を規定する。

そして、ＣＰＵ１１がプログラムに従いこれらの処理を実行することで、コンピュータは、画像取得部２１、候補領域抽出部２２、領域特定部２３、判定部２４および表示制御部２５として機能する。なお、本実施形態においては、ＣＰＵ１１が医用画像処理プログラムによって、各部の機能を実行するようにしたが、ソフトウェアを実行して各種の処理部として機能する汎用的なプロセッサとしては、ＣＰＵ１１の他、ＦＰＧＡ (Field Programmable Gate Array)等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）を用いることができる。また、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等により、各部の処理を実行するようにしてもよい。

１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、またはＣＰＵとＦＰＧＡの組み合わせ等）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（circuitry）である。

画像取得部２１は、被検体の脳の脳画像Ｂ０を画像保管サーバ３から取得する。なお、脳画像Ｂ０が既にストレージ１３に記憶されている場合には、画像取得部２１は、ストレージ１３から脳画像Ｂ０を取得するようにしてもよい。

候補領域抽出部２２は、脳画像Ｂ０における出血発症候補領域を抽出する。ここで、出血発症候補領域としては、脳槽および脳室が挙げられるが、本実施形態においては、脳室を出血発症候補領域とする。このために、候補領域抽出部２２は、脳画像Ｂ０における脳室領域を出血発症候補領域として抽出する。具体的には、候補領域抽出部２２は、標準脳画像と脳画像Ｂ０とを位置合わせして出血発症候補領域を抽出する。標準脳画像は、複数の健常者の頭部をＣＴ装置により取得した複数のＣＴ画像から脳領域を抽出して複数の脳画像を生成し、複数の脳画像を平均することにより生成された脳画像である。なお、脳領域としては、本実施形態においては、脳実質および頭蓋骨を含むものとするが、脳実質のみを含むものであってもよい。図３は標準脳画像を示す図である。なお、標準脳画像Ｂｓは脳を表す３次元画像であるが、説明のために図３においては、あるアキシャル断面における脳の断層画像を示している。図３に示すように、標準脳画像Ｂｓには、頭蓋骨３０および脳実質３１が含まれ、脳実質３１に脳室領域３２が含まれる。なお、実際には、脳実質３１には脳槽等の他の解剖学的領域が含まれるが、図３には脳室領域３２のみを示す。また、標準脳画像Ｂｓの画像データは、画像保管サーバ３またはストレージ１３に保存されており、候補領域抽出部２２が、画像保管サーバ３またはストレージ１３から取得する。

なお、標準脳画像Ｂｓは、コンピュータグラフィックス等により作成されたものであってもよい。また、一人の健常者の脳画像を標準脳画像Ｂｓとして用いてもよい。

図３に示すように、標準脳画像Ｂｓにおいては、頭蓋骨３０は非常に高いＣＴ値を有するために白く高輝度で示され、脳実質３１はグレーで示される。また、脳室領域３２は髄液が満たされており、非常に低いＣＴ値を有するため黒く低輝度で示されている。

ここで、頭部の形状および大きさは、被検体に応じて異なる。例えば図４に示すように、被検体の脳画像Ｂ０に含まれる脳の形状および大きさは、図３に示す標準脳画像Ｂｓに含まれる脳の形状および大きさと異なる。なお、図４においては頭蓋骨４０および脳実質４１のみを示し、脳室は省略している。また、脳画像Ｂ０は脳を表す３次元画像であるが、説明のために図４においては、あるアキシャル断面における脳の断層画像を示している。以降の説明においても、脳画像Ｂ０については断層画像として示すものとする。

候補領域抽出部２２は、脳画像Ｂ０から出血発症候補領域を抽出するために、脳画像Ｂ０と標準脳画像Ｂｓとの位置合わせを行う。位置合わせは、３次元の脳画像Ｂ０および３次元の標準脳画像Ｂｓ間において行われる。位置合わせの手法としては、標準脳画像Ｂｓおよび脳画像Ｂ０間でのランドマークを用いた第１の位置合わせをまず行う。そして、第１の位置合わせを行った後に、標準脳画像Ｂｓおよび脳画像Ｂ０間での全領域を用いた第２の位置合わせを行う。なお、ランドマークとしては、具体的には脳に含まれる脳溝および脳室等の特徴的な領域の少なくとも１つを用いることができる。

候補領域抽出部２２は、標準脳画像Ｂｓおよび脳画像Ｂ０間において、対応するランドマークを一致させるように第１の位置合わせを行う。本実施形態において、第１の位置合わせは相似変換による位置合わせである。具体的には、脳画像Ｂ０を平行移動、回転および相似に拡大縮小することによる位置合わせである。候補領域抽出部２２は、標準脳画像Ｂｓに含まれるランドマークと、脳画像Ｂ０に含まれる標準脳画像Ｂｓのランドマークに対応するランドマークとの相関が最大となるように、脳画像Ｂ０を相似変換して、第１の位置合わせを行う。

候補領域抽出部２２は、このようにランドマークを用いた第１の位置合わせを行った後、標準脳画像Ｂｓおよび脳画像Ｂ０間での全領域を用いた第２の位置合わせを行う。本実施形態において、第２の位置合わせは非線形変換による位置合わせである。非線形変換による位置合わせとしては、例えばＢスプラインおよびシンプレートスプライン(Thin Plate Spline)等の関数を用いて画素位置を非線形に変換することによる位置合わせが挙げられる。候補領域抽出部２２は、第１の位置合わせ後の脳画像Ｂ０の各画素位置を、標準脳画像Ｂｓに含まれる対応する画素位置に非線形変換することにより、第２の位置合わせを行う。

このように位置合わせを行うことにより、脳画像Ｂ０における脳室領域と、標準脳画像Ｂｓにおける脳室領域３２とを対応づけることができる。そして、候補領域抽出部２２は、脳画像Ｂ０における標準脳画像Ｂｓの脳室領域３２と対応づけられた領域を、脳画像Ｂ０の出血発症候補領域４２として抽出する。図５は脳画像Ｂ０から抽出された出血発症候補領域を示す図である。図５に示すように、脳画像Ｂ０においては、出血発症候補領域４２が抽出されている。なお、図５においては、出血発症候補領域４２を黒色で示している。また、図５においては、出血発症候補領域４２内において、高いＣＴ値を有する領域４３が含まれる。

領域特定部２３は、出血発症候補領域４２の境界より内側の第１の領域、出血発症候補領域４２における第１の領域以外の第２の領域、および出血発症候補領域４２の境界より外側の第３の領域を特定する。図６は領域の特定を説明するための図である。なお、図６においては、図５における右側の出血発症候補領域４２のみを２次元で示している。まず、領域特定部２３は、図６に示すように、出血発症候補領域４２の境界４４を特定する。そして、出血発症候補領域４２の境界４４に対してエロージョン処理を行うことにより、出血発症候補領域４２をその内側へ縮小する。エロージョン処理は、図７に示すような構造要素を用いて、出血発症候補領域４２の境界４４を中心とした所定の幅の中の最小値を検索する処理である。なお、図７においては構造要素を２次元で示しているが、脳画像Ｂ０は３次元画像であるため、実際には３次元の構造要素を用いる。図７に示す構造要素を用いたエロージョン処理を１回行うことにより、出血発症候補領域４２は内側に１画素縮小される。そして、領域特定部２３は、エロージョン処理をあらかじめ定められた回数行うことにより、出血発症候補領域４２の境界４４より内側の第１の領域５１を生成する。なお、第１の領域５１は、出血発症候補領域４２において縮小した境界４５により囲まれる領域である。

領域特定部２３は、第１の領域５１を生成すると、出血発症候補領域４２から第１の領域５１を除外した第２の領域５２を生成する。第２の領域５２は、出血発症候補領域４２の境界４４および縮小した境界４５により囲まれる領域である。

一方、領域特定部２３は、出血発症候補領域４２の境界４４に対してダイレーション処理を行うことにより、出血発症候補領域４２をその外側へ拡大する。ダイレーション処理は、図７に示すような構造要素を用いて、出血発症候補領域４２の境界４４を中心とした所定の幅の中の最大値を検索する処理である。図７に示す構造要素を用いたダイレーション処理を１回行うことにより、出血発症候補領域４２は外側に１画素拡大される。そして、領域特定部２３は、ダイレーション処理をあらかじめ定められた回数行うことにより、出血発症候補領域４２の境界４４より外側の第３の領域５３を生成する。第３の領域５３は、出血発症候補領域４２の境界４４と拡大した境界４６とに囲まれる領域である。

判定部２４は、第１の領域５１の信号値（すなわちＣＴ値）Ｑ１、第２の領域５２の信号値Ｑ２および第３の領域５３の信号値Ｑ３を比較して、出血発症候補領域が出血領域であるか否かを判定する。本実施形態においては、判定部２４は、第１の領域５１、第２の領域５２および第３の領域５３のそれぞれの信号値Ｑ１，Ｑ２，Ｑ３として、各領域内に含まれるＣＴ値の平均値を算出する。

ここで、図５に示すように、脳室内において出血が生じた後にウォッシュアウトが発生すると、脳室全体が低ＣＴ値となる。しかしながら、ウォッシュアウトが発生した場合であっても、脳室の境界近傍には、出血に起因する高ＣＴ値の領域が出現する。このような出血に起因する高ＣＴ値の領域は、脳実質の領域よりも高ＣＴ値となる。このため、第２の領域５２の信号値Ｑ２＞第１の領域５１の信号値Ｑ１であり、かつ第２の領域５２の信号値Ｑ２＞第３の領域５３の信号値Ｑ３である場合、出血に起因する高ＣＴ値の領域が脳室内に存在することとなる。したがって、本実施形態においては、判定部２４は、第２の領域５２の信号値Ｑ２＞第１の領域５１の信号値Ｑ１であり、かつ第２の領域５２の信号値Ｑ２＞第３の領域５３の信号値Ｑ３であるか否かを判定する。この判定が肯定された場合、判定部２４は、出血発症候補領域４２が出血領域であると判定する。この判定が否定された場合、判定部２４は、出血発症候補領域４２が出血領域でないと判定する。

表示制御部２５は、出血領域が特定されたことを表す出血領域情報をディスプレイ１４に表示する。図８はディスプレイに表示された脳画像Ｂ０を示す図である。図８に示すように、ディスプレイ１４には、脳画像Ｂ０および左脳室が出血領域であることを表すテキスト５０が、出血領域情報として表示されている。なお、図８においては説明のために図５に示す断層画像を脳画像Ｂ０として示している。このように出血領域情報であることを表すテキスト５０をディスプレイ１４に表示することにより、医師は被検体の脳画像Ｂ０における出血発症候補領域４２を注意深く観察することができるため、出血発症候補領域が出血領域であるか否かを容易に認識することができる。

なお、出血領域が特定されたことを表す情報としては、テキスト５０に限定されるものではなく、記号およびアイコン等のテキスト以外の情報であってもよい。

次いで、本実施形態において行われる処理について説明する。図９は本実施形態において行われる処理を示すフローチャートである。まず、画像取得部２１が、被検体の脳画像Ｂ０を取得する（ステップＳＴ１）。次いで、候補領域抽出部２２が、脳画像Ｂ０における出血発症候補領域４２を抽出する（ステップＳＴ２）。続いて、領域特定部２３が、出血発症候補領域４２の境界４４より内側の第１の領域５１、出血発症候補領域４２における第１の領域５１以外の第２の領域５２、および出血発症候補領域４２の境界４４より外側の第３の領域５３を特定する（領域特定；ステップＳＴ３）。そして、判定部２４が、第１の領域５１の信号値Ｑ１、第２の領域５２の信号値Ｑ２および第３の領域５３の信号値Ｑ３を比較して、出血発症候補領域４２が出血領域であるか否かを判定する（ステップＳＴ４）。さらに表示制御部２５が、出血領域が特定されたことを表す出血領域情報をディスプレイ１４に表示し（ステップＳＴ５）、処理を終了する。

このように、本実施形態においては、脳画像Ｂ０を取得し、脳画像Ｂ０における出血発症候補領域４２を抽出し、第１〜第３の領域５１〜５３を特定するようにした。ここで、出血領域においてウォッシュアウトが発生した場合、出血領域の大部分が正常な構造に戻っている。しかしながら、出血領域の境界よりも内側の領域の信号値、出血領域内における内側の領域の外側の領域の信号値、および出血領域によりも外側の領域の信号値を比較すれば、出血が生じていない場合と、出血が生じ、かつウォッシュアウトが発生した場合とで、各領域の信号値に差が発生する。このため、上述した第１の領域５１の信号値Ｑ１、第２の領域５２の信号値Ｑ２および第３の領域５３の信号値Ｑ３を比較することにより、出血発症候補領域４２が出血領域であるか否かを判定することができる。したがって、本実施形態によれば、ウォッシュアウトが発生していても、出血発症候補領域４２が出血領域であるか否かを精度よく判定することができる。

なお、上記実施形態においては、出血発症候補領域４２を脳室としたが、候補領域抽出部２２において、脳槽を出血発症候補領域として抽出してもよい。図１０は脳画像Ｂ０における脳槽領域の抽出を説明するための図である。図１０に示すように脳画像Ｂ０には頭蓋骨６０および脳実質６１が含まれる。脳槽領域についても、脳画像Ｂ０と標準脳画像Ｂｓとを位置合わせることにより、脳槽領域を出血発症候補領域として抽出することができる。図１０においては、脳画像Ｂ０から脳実質６１内における３つの脳槽領域が出血発症候補領域６２，６３，６４が抽出されている。なお、出血発症候補領域６３は破線で示す輪郭が実際の脳槽領域の輪郭に対応するが、低ＣＴ値の領域は実際の脳槽領域の輪郭よりも小さくなっている。これは出血後にウォッシュアウトが発生しているためである。

この場合、領域特定部２３は、すべての出血発症候補領域６２，６３，６４に対して、第１の領域、第２の領域および第３の領域を特定する。出血発症候補領域６３に対して特定した第１〜第３の領域を図１１に示す。図１１に示すように、脳室の場合と同様に、脳槽領域である出血発症候補領域６３に対して、第１の領域７１、第２の領域７２および第３の領域７３が特定される。

ここで、図１０に示すように、出血後にウォッシュアウトが発生すると、脳室領域を出血発症候補領域４２として抽出した場合と同様に、第２の領域７２の信号値Ｑ２＞第１の領域７１の信号値Ｑ１であり、かつ第２の領域７２の信号値Ｑ２＞第３の領域７３の信号値Ｑ３となる。このため、脳槽領域を出血発症候補領域６２，６３，６４として抽出した場合も、脳室領域を出血発症候補領域として抽出した場合と同様に、出血発症候補領域６２，６３，６４が出血領域であるか否かを判定することができる。

また、上記実施形態において、脳室および脳槽の双方を出血発症候補領域として抽出してもよいことはもちろんである。

また、上記実施形態においては、候補領域抽出部２２において、標準脳画像Ｂｓを用いて脳画像Ｂ０から出血発症候補領域４２を抽出しているが、標準脳画像Ｂｓを用いることなく、脳画像Ｂ０から出血発症候補領域４２を抽出してもよい。例えば、脳室および脳槽は脳の内部において、頭蓋骨を基準とした絶対的な位置がほぼ決まっている。このため、頭蓋骨を基準とした脳室および脳槽の絶対的な位置の情報を用いて、脳画像Ｂ０から出血発症候補領域４２を抽出してもよい。また、脳画像Ｂ０に対してしきい値処理を行うことにより、出血発症候補領域４２を抽出するようにしてもよい。また、出血発症候補領域４２における任意の点をシード点として特定し、グラフカット法を用いて出血発症候補領域４２を抽出するようにしてもよい。

また、上記実施形態においては、判定部２４において、第２の領域の信号値Ｑ２＞第１の領域の信号値Ｑ１であり、かつ第２の領域の信号値Ｑ２＞第３の領域の信号値Ｑ３の場合に、出血発症候補領域が出血領域であると判定しているが、これに限定されるものではない。例えば、第１の領域の信号値の分布（以下信号値分布とする）、第２の領域の信号値分布および第３の領域の信号値分布に基づいて、出血発症候補領域が出血領域であるか否かを判定してもよい。

具体的には、判定部２４は、第１の領域の信号値分布である第１の信号値分布、第２の領域の信号値分布である第２の信号値分布および第３の領域の信号値分布である第３の信号値分布を算出し、第１〜第３の信号値分布を、正規分布の確率密度関数にフィッティングする。なお、第１の信号値分布は第１の領域内の信号値のヒストグラム、第２の信号値分布は第２の領域内の信号値のヒストグラム、第３の信号値分布は第３の領域内の信号値の度ヒストグラムを用いる。

ここで、第１〜第３の領域内の全画素の信号値をサンプルとして集計すると、第１〜第３の領域内の信号値の平均値および分散値を算出することができる。平均値および分散値が求まれば、正規分布の確率密度関数を一意に定義することができる。このため、判定部２４は、第１〜第３の領域内の信号値に基づいて、第１〜第３の領域についての確率密度関数（以下、第１〜第３の確率密度関数とする）を算出する。

そして、判定部２４は、第１の信号値分布を第１の確率密度関数にフィッティングし、第２の信号値分布を第２の確率密度関数にフィッティングし、第３の信号値分布を第３の確率密度関数にフィッティングする。さらに、判定部２４は、フィッティングされた第１の信号値分布とフィッティングされた第２の信号値分布との正規分布の相違を表す指標値（第１の指標値とする）、およびフィッティングされた第２の信号値分布とフィッティングされた第３の信号値分布との正規分布の相違を表す指標値（第２の指標値とする）を算出する。相違を表す指標値としては、例えばKL(Kullback-Leibler)-divergence（カルバック・ライブラー情報量）を用いることができる。そして、第１の指標値が予め定められたしきい値Ｔｈ１を超え、かつ第２の指標値があらかじめ定められたしきい値Ｔｈ２を超えた場合に、出血発症候補領域を出血領域と判定する。

また、判定部２４を、第１〜第３の領域における信号値のヒストグラムを入力とし、出血領域であるか否かを判別するように機械学習がなされた判別器を有するものとしてもよい。なお、機械学習の手法としては、サポートベクタマシン（ＳＶＭ(Support Vector Machine)）、ディープニューラルネットワーク（ＤＮＮ(Deep Neural Network)）、畳み込みニューラルネットワーク（ＣＮＮ(Convolutional Neural Network)）、およびリカレントニューラルネットワーク（ＲＮＮ(Recurrent Neural Network)）等を用いることができる。

また、上記実施形態においては、被検体のＣＴ画像を脳画像Ｂ０として用いているが、ＭＲＩ画像およびＰＥＴ画像等のＣＴ画像以外の医用画像においても、正常な脳槽領域と出血した脳槽領域とで画素値が異なるものとなる。このため、ＣＴ画像以外の医用画像を脳画像Ｂ０として用いてもよい。

１ 医用画像処理装置
２ ３次元画像撮影装置
３ 画像保管サーバ
４ ネットワーク
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ ディスプレイ
１５ 入力部
２１ 画像取得部
２２ 候補領域抽出部
２３ 領域特定部
２４ 判定部
２５ 表示制御部
３０，４０，６０ 頭蓋骨
３１，４１，６１ 脳実質
３２ 脳室領域
４２ 出血発症候補領域
４３ 高輝度の領域
４４，４５，４６ 境界
５１，７１ 第１の領域
５２，７２ 第２の領域
５３，７３ 第３の領域
６１，６２，６３ 脳槽領域
Ｂ０ 脳画像
Ｂｓ 標準脳画像

Claims (8)

1. 被検体の脳を含む３次元の脳画像を取得する画像取得部と、
   前記脳画像における出血発症候補領域を抽出する候補領域抽出部と、
   前記出血発症候補領域の境界より内側の第１の領域、前記出血発症候補領域における前記第１の領域以外の第２の領域、および前記出血発症候補領域の境界より外側の第３の領域を特定する領域特定部と、
   前記第１の領域の信号値、前記第２の領域の信号値および前記第３の領域の信号値を比較して、前記出血発症候補領域が出血領域であるか否かを判定する判定部とを備えた医用画像処理装置。
2. 前記判定部は、前記第２の領域において、前記第１の領域の信号値より高く、かつ前記第３の領域の信号値よりも高い信号値の領域が存在する場合、前記出血発症候補領域を前記出血領域と判定する請求項１に記載の医用画像処理装置。
3. 前記候補領域抽出部は、標準的な脳画像である標準脳画像と前記脳画像とを位置合わせして前記出血発症候補領域を抽出する請求項１または２に記載の医用画像処理装置。
4. 前記出血発症候補領域は、脳における脳槽および脳室の少なくとも一方である請求項１から３のいずれか１項に記載の医用画像処理装置。
5. 前記脳画像は、ＣＴ装置により取得されたＣＴ画像である請求項１から４のいずれか１項に記載の医用画像処理装置。
6. 前記出血領域が特定されたことを表す出血領域情報を表示部に表示する表示制御部をさらに備えた請求項１から５のいずれか１項に記載の医用画像処理装置。
7. 被検体の脳を含む３次元の脳画像を取得し、
   前記脳画像における出血発症候補領域を抽出し、
   前記出血発症候補領域の境界より内側の第１の領域、前記出血発症候補領域における前記第１の領域以外の第２の領域、および前記出血発症候補領域の境界より外側の第３の領域を特定し、
   前記第１の領域の信号値、前記第２の領域の信号値および前記第３の領域の信号値を比較して、前記出血発症候補領域が出血領域であるか否かを判定する医用画像処理方法。
8. 被検体の脳を含む３次元の脳画像を取得する手順と、
   前記脳画像における出血発症候補領域を抽出する手順と、
   前記出血発症候補領域の境界より内側の第１の領域、前記出血発症候補領域における前記第１の領域以外の第２の領域、および前記出血発症候補領域の境界より外側の第３の領域を特定する手順と、
   前記第１の領域の信号値、前記第２の領域の信号値および前記第３の領域の信号値を比較して、前記出血発症候補領域が出血領域であるか否かを判定する手順とをコンピュータに実行させる医用画像処理プログラム。