JP5977158B2 - 検出装置、磁気共鳴装置、検出方法、およびプログラム - Google Patents

Description

本発明は、被検体の第１の部位と第２の部位との境界の位置を検出する検出装置、その検出装置を適用した磁気共鳴装置、被検体の第１の部位と第２の部位との境界の位置を検出する検出方法、および被検体の第１の部位と第２の部位との境界の位置を検出するためのプログラムに関する。

被検体の呼吸により体動する部位を撮影する方法として、被検体の呼吸信号を取得するためのナビゲータシーケンスを用いた方法が知られている（特許文献１参照）。

特開２０１１−１９３８８４号公報

ナビゲータシーケンスを用いて被検体の呼吸信号を取得する場合、ナビゲータエコーを収集するためのナビゲータ領域を設定する必要がある。ナビゲータ領域は、例えば、肺と肝臓との境界に設定される。肝臓は被検体の呼吸によって動くので、肺と肝臓との境界にナビゲータ領域を設定することによって、被検体の呼吸信号を収集することができる。ナビゲータ領域を設定する方法の一例としては、事前に画像データを取得しておき、オペレータがその画像データを見ながら、肺と肝臓との境界を探し出し、ナビゲータ領域を設定する方法がある。しかし、この方法では、オペレータ自身が肺と肝臓との境界を探し出さなければならず、オペレータにとっては煩雑な作業となる。そこで、肺と肝臓との境界を自動的に検出する技術の開発が試みられているが、境界の検出精度を向上させることは難しいという問題がある。したがって、境界の検出精度を向上させることができる技術が望まれている。

本発明の第１の観点は、被検体の第１の部位と第２の部位との境界の位置を検出する検出装置であって、
前記第１の部位と前記第２の部位とを横切る第１の断面の画像データに基づいて、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出手段と、
機械学習のアルゴリズムを用いて作成された識別器を用いて、前記複数の候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定手段と、
を有する検出装置である。

本発明の第２の観点は、被検体の第１の部位と第２の部位との境界の位置を検出する磁気共鳴装置であって、
前記第１の部位と前記第２の部位とを横切る第１の断面の画像データに基づいて、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出手段と、
機械学習のアルゴリズムを用いて作成された識別器を用いて、前記複数の候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定手段と、
を有する磁気共鳴装置である。

本発明の第３の観点は、被検体の第１の部位と第２の部位との境界の位置を検出する検出方法であって、
前記第１の部位と前記第２の部位とを横切る第１の断面の画像データに基づいて、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出ステップと、
機械学習のアルゴリズムを用いて作成された識別器を用いて、前記複数の候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定ステップと、
を有する検出方法である。

本発明の第４の観点は、被検体の第１の部位と第２の部位との境界の位置を検出する検出装置のプログラムであって、
前記第１の部位と前記第２の部位とを横切る第１の断面の画像データに基づいて、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出処理と、
機械学習のアルゴリズムを用いて作成された識別器を用いて、前記複数の候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定処理と、
を計算機に実行させるためのプログラムである。

機械学習のアルゴリズムを用いて作成された識別器を用いて、複数の候補ピクセルの中から境界に位置するピクセルを特定するので、境界の位置の検出精度を向上させることができる。

本発明の第１の形態の磁気共鳴装置の概略図である。 第１の形態で実行されるスキャンを示す図である。 撮影部位を概略的に示す図である。 第１の形態において被検体を撮影するときのフローを示す図である。 ローカライザスキャンＬＳの説明図である。 ローカライザスキャンＬＳの説明図である。 被検体の肝臓のＡＰ方向の範囲を決定するときの説明図である。 被検体の体内領域の中で、肝臓の上端が位置する可能性が高いＲＬ方向の範囲を決定するときの説明図である。 肝臓のＡＰ方向の範囲Ｔ_０に含まれているコロナル画像データを示す図である。 画像データＤＣ_ｉ〜ＤＣ_ｋそれぞれについて作成された投影プロファイルＦ_ｉ〜Ｆ_ｋを概略的に示す図である。 投影プロファイルＦ_ｉに現れる段差の位置を検出する方法の説明図である。 投影プロファイルＦ_ｊに対して、相関が最大となるときのバイナリテンプレートＢＴの位置を概略的に示す図である。 バイナリテンプレートＢＴにより検出された投影プロファイルＦ_ｉ〜Ｆ_ｋの段差の位置ｂ_ｉ〜ｂ_ｋを概略的に示す図である。 肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を概略的に示す図である。 微分画像データＤＩ_ｉ〜ＤＩ_ｋを概略的に示す図である。 コロナル面ＣＯ_ｊの中から、肺と肝臓との境界に位置するピクセルの候補を抽出する方法の説明図である。 抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む方法の一例の説明図である。 候補ピクセルｘ_ａ〜ｘ_ｅそれぞれについて領域ＶおよびＷを設定し、３つの条件１〜３を満たすか否かを判断するときの説明図である。 検索領域Ｒｓの中から絞り込まれた候補ピクセルを概略的に示す図である。 肝臓の境界に位置しているピクセルを識別する方法の一例の説明図である。 本形態で使用される識別器の説明図である。 コロナル面ＣＯ_ｊの検索領域Ｒｓ内において特定されたピクセルを概略的に示す図である。 コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに特定されたピクセルの集合Setｉ〜Setｋを概略的に示す図である。 ピクセルの集合Setｉ〜Setｋの中から、ナビゲータ領域の位置を決定するときに使用されるピクセルの集合を選択するときの説明図である。 前処理の説明図である。 動的計画法の処理を行う前のピクセルの集合Setｊと、動的計画法の処理を実行した後のピクセルの集合Setｊ′を概略的に示す図である。 フィッティング処理の説明図である。 最もＳ方向側に位置するピクセルを検出するときの説明図である。 ナビゲータ領域Ｒ_ｎａｖの位置を概略的に示す図である。 第２の形態においてピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する方法の説明図である。

以下、発明を実施するための形態について説明するが、本発明は、以下の形態に限定されることはない。

（１）第１の形態
図１は、本発明の第１の形態の磁気共鳴装置の概略図である。
磁気共鳴装置（以下、「ＭＲ装置」と呼ぶ。ＭＲ：Magnetic Resonance）１００は、マグネット２、テーブル３、受信コイル４などを有している。

マグネット２は、被検体１１が収容されるボア２１を有している。また、マグネット２は、超伝導コイル２２と、勾配コイル２３と、ＲＦコイル２４とを有している。超伝導コイル２２は静磁場を印加し、勾配コイル２３は勾配磁場を印加し、ＲＦコイル２４はＲＦパルスを送信する。尚、超伝導コイル２２の代わりに、永久磁石を用いてもよい。

テーブル３は、被検体１１を支持するクレードル３ａを有している。クレードル３ａは、ボア２１内に移動できるように構成されている。クレードル３ａによって、被検体１１はボア２１に搬送される。
受信コイル４は、被検体１１に取り付けられており、被検体１１からの磁気共鳴信号を受信する。

ＭＲ装置１００は、更に、送信器５、勾配磁場電源６、受信器７、制御部８、操作部９、および表示部１０などを有している。
送信器５はＲＦコイル２４に電流を供給し、勾配磁場電源６は勾配コイル２３に電流を供給する。
受信器７は、受信コイル４から受け取った信号に対して、検波などの信号処理を実行する。

制御部８は、表示部１０に必要な情報を伝送したり、受信器７から受け取ったデータに基づいて画像を再構成するなど、ＭＲ装置１００の各種の動作を実現するように、ＭＲ装置１００の各部の動作を制御する。制御部８は、画像データ作成手段８１〜ナビゲータ領域決定手段８８などを有している。

画像データ作成手段８１は、被検体１１の撮影部位の画像データを作成する。
脂肪除去手段８２は、画像データ作成手段８１が作成した画像データから、脂肪を除去する。
ＡＰ範囲決定手段８３は、被検体１１の肝臓のＡＰ方向の範囲を決定する。
ＲＬ範囲決定手段８４は、肝臓の上端が位置する可能性の高いＲＬ方向の範囲を決定する。
ＳＩ範囲決定手段８５は、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を決定する。
ピクセル抽出手段８６は、肺と肝臓との境界に位置するピクセルの候補となる候補ピクセルを抽出する。
ピクセル特定手段８７は、ピクセル絞込み手段８７ａと、識別手段８７ｂとを有している。ピクセル絞込み手段８７ａは、抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む。識別手段８７ｂは、識別器を用いて、絞り込まれたピクセルの中から、肺と肝臓との境界に位置するピクセルを特定する。
ナビゲータ領域決定手段８８は、特定されたピクセルに基づいて、ナビゲータ領域の位置を決定する。

制御部８は、画像データ作成手段８１〜ナビゲータ領域決定手段８８を構成する一例であり、所定のプログラムを実行することにより、これらの手段として機能する。尚、制御部８は検出装置に相当する。

操作部９は、オペレータにより操作され、種々の情報を制御部８に入力する。表示部１０は種々の情報を表示する。
ＭＲ装置１００は、上記のように構成されている。

図２は第１の形態で実行されるスキャンを示す図、図３は撮影部位を概略的に示す図である。
本形態では、ローカライザスキャンＬＳと本スキャンＭＳなどが実行される。

ローカライザスキャンＬＳは、ナビゲータ領域Ｒ_ｎａｖ（図３参照）を設定するために実行されるスキャンである。ナビゲータ領域Ｒ_ｎａｖは、被検体の呼吸信号を収集するために設定される領域である。本スキャンＭＳは、ナビゲータ領域Ｒ_ｎａｖから呼吸信号を収集するとともに、肝臓を含む部位の画像データを収集する。以下に、ローカライザスキャンＬＳおよび本スキャンＭＳを実行するときのフローについて説明する。

図４は、第１の形態において被検体を撮影するときのフローを示す図である。
ステップＳＴ１では、ローカライザスキャンＬＳ（図２参照）を実行する。

図５および図６は、ローカライザスキャンＬＳの説明図である。
ローカライザスキャンＬＳでは、肝臓を含む撮影部位を横切る複数のコロナル面ＣＯ_１〜ＣＯ_ｎのスキャン（図５参照）と、肝臓を含む撮影部位を横切る複数のアキシャル面ＡＸ_１〜ＡＸ_ｍのスキャン（図６参照）が実行される。画像データ作成手段８１（図１参照）は、ローカライザスキャンＬＳにより収集されたデータに基づいて、コロナル面ＣＯ_１〜ＣＯ_ｎの画像データＤＣ_１〜ＤＣ_ｎと、アキシャル面ＡＸ_１〜ＡＸ_ｍの画像データＤＡ_１〜ＤＡ_ｍを作成する。以下では、コロナル面の画像データを「コロナル画像データ」と呼び、アキシャル面の画像データを「アキシャル画像データ」と呼ぶ。コロナル画像データＤＣ_１〜ＤＣ_ｎおよびアキシャル画像データＤＡ_１〜ＤＡ_ｍを作成した後、ステップＳＴ２に進む。

ステップＳＴ２では、脂肪除去手段８２（図１参照）が、コロナル画像データＤＣ_１〜ＤＣ_ｎおよびアキシャル画像データＤＡ_１〜ＤＡ_ｍから脂肪を除去する。脂肪は高信号であるので、脂肪を除去するための閾値を事前に設定しておき、ピクセル値が閾値よりも大きいピクセルを検出することにより、脂肪を除去することができる。脂肪を除去した後、ステップＳＴ３に進む。

ステップＳＴ３では、ＡＰ範囲決定手段８３（図１参照）が、アキシャル画像データＤＡ_１〜ＤＡ_ｍ（図６参照）に基づいて、被検体の肝臓のＡＰ方向の範囲を決定する。

図７は、被検体の肝臓のＡＰ方向の範囲を決定するときの説明図である。
ＡＰ範囲決定手段８３は、先ず、アキシャル面ＡＸ_１〜ＡＸ_ｍごとに、被検体の体内領域のＡＰ方向の範囲Ｔ_１〜Ｔ_ｍを求める。被検体の体外領域は低信号であるが、被検体の体内領域は高信号となるので、信号値の違いから、アキシャル面ＡＸ_１〜ＡＸ_ｍごとに、被検体の体内領域のＡＰ方向の範囲Ｔ_１〜Ｔ_ｍを求めることができる。

次に、ＡＰ範囲決定手段８３は、これらの範囲Ｔ_１〜Ｔ_ｍに基づいて、肝臓のＡＰ方向の範囲Ｔ_０を決定する。被検体の体内領域に対する肝臓のＡＰ方向の位置は大よそ決まっているので、範囲Ｔ_１〜Ｔ_ｍの情報から、肝臓のＡＰ方向の範囲Ｔ_０を決定することができる。この決定方法の一例としては、例えば、範囲Ｔ_１〜Ｔ_ｍの中から一つの範囲Ｔ_ｊを選択し、範囲Ｔ_ｊの中央部分を、肝臓のＡＰ方向の範囲Ｔ_０として決定する方法がある。肝臓のＡＰ方向の範囲Ｔ_０を決定した後、ステップＳＴ４に進む。

ステップＳＴ４では、ＲＬ範囲決定手段８４（図１参照）が、アキシャル画像データＤＡ_１〜ＤＡ_ｍ（図６参照）に基づいて、被検体の体内領域の中から、肝臓の上端が位置する可能性の高いＲＬ方向の範囲を決定する。

図８は、被検体の体内領域の中で、肝臓の上端が位置する可能性が高いＲＬ方向の範囲を決定するときの説明図である。

ＲＬ範囲決定手段８４は、先ず、各アキシャル面ＡＸ_１〜ＡＸ_ｍにおける被検体の体内領域のＲＬ方向の範囲Ｗ_１〜Ｗ_ｍを求める。被検体の体外領域は低信号であるが、被検体の体内領域は高信号となるので、信号値の違いから、アキシャル面ＡＸ_１〜ＡＸ_ｍごとに、被検体の体内領域のＲＬ方向の範囲Ｗ_１〜Ｗ_ｍを求めることができる。ＲＬ範囲決定手段８４は、これらの範囲Ｗ_１〜Ｗ_ｍに基づいて、肝臓の上端が位置する可能性が高いＲＬ方向の範囲Ｗ_ＲＬを決定する。一般的に、肝臓の上端は被検体の右半身側に位置しているので、範囲Ｗ_１〜Ｗ_ｍの情報から、肝臓の上端が位置する可能性が高いＲＬ方向の範囲Ｗ_ＲＬを求めることができる。肝臓の上端が位置する可能性が高いＲＬ方向の範囲Ｗ_ＲＬを決定した後、ステップＳＴ５に進む。

ステップＳＴ５では、コロナル画像データＤＣ_１〜ＤＣ_ｎの中で、肝臓のＡＰ方向の範囲Ｔ_０に含まれているコロナル画像データを選択する。図９に、肝臓のＡＰ方向の範囲Ｔ_０に含まれているコロナル画像データを示す。本形態では、コロナル画像データＤＣ_ｉ〜ＤＣ_ｋが、肝臓のＡＰ方向の範囲Ｔ_０に含まれているとする。肝臓のＡＰ方向の範囲Ｔ_０に含まれているコロナル画像データＤＣ_ｉ〜ＤＣ_ｋを選択した後、ステップＳＴ６に進む。

ステップＳＴ６では、ＳＩ範囲決定手段８５（図１参照）が、ステップＳＴ５で選択されたコロナル画像データＤＣ_ｉ〜ＤＣ_ｋごとに、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を決定する。この範囲は、以下のようにして決定する。

ＳＩ範囲決定手段８５は、先ず、コロナル画像データＤＣ_ｉ〜ＤＣ_ｋについて、ピクセル値をＲＬ方向に加算することにより得られる投影プロファイルを作成する。図１０に、画像データＤＣ_ｉ〜ＤＣ_ｋそれぞれについて作成された投影プロファイルＦ_ｉ〜Ｆ_ｋを概略的に示す。肝臓は高信号であるが、肺は低信号であるので、肺と肝臓とを横切るコロナル画像データの投影プロファイルを作成すると、肺側で加算値が小さくなり、肝臓側で加算値が大きくなる。このような加算値の違いにより、投影プロファイルＦ_ｉ〜Ｆ_ｋには、ＳＩ方向に加算値の段差が現れる。したがって、投影プロファイルＦ_ｉ〜Ｆ_ｋに現れる段差の位置を検出することにより、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を求めることが可能となる。次に、投影プロファイルＦ_ｉ〜Ｆ_ｋに現れる段差の位置を検出する方法について説明する。尚、どの投影プロファイルであっても、段差の位置の検出方法は同じであるので、以下では、投影プロファイルＦ_ｉ〜Ｆ_ｋのうちの投影プロファイルＦ_ｊを取り上げ、投影プロファイルＦ_ｊに現れる段差の位置を検出する方法について説明する。

図１１は、投影プロファイルＦ_ｊに現れる段差の位置を検出する方法の説明図である。
本形態では、バイナリテンプレートＢＴを使用して、投影プロファイルＦ_ｊの段差を検出する。バイナリテンプレートＢＴは、値「１」と値「０」とによる信号値の段差Δｓを有するテンプレートである。投影プロファイルＦ_ｊの段差を検出する場合、バイナリテンプレートＢＴを、投影プロファイルＦ_ｊの肺側から肝臓側に向かって少しずつ移動させ、バイナリテンプレートＢＴを移動させるたびに、バイナリテンプレートＢＴと投影プロファイルＦ_ｉとの相関を算出する。バイナリテンプレートＢＴは段差Δｓを有しているので、相関が最大となるときのバイナリテンプレートＢＴの位置を特定することにより、投影プロファイルＦ_ｊに現れる段差の位置を検出することができる。図１２に、投影プロファイルＦ_ｊに対して、相関が最大となるときのバイナリテンプレートＢＴの位置を概略的に示す。図１２では、バイナリテンプレートＢＴが位置ｂ_ｊに到達したときに、投影プロファイルＦ_ｊとバイナリテンプレートＢＴとの相関が最大になっている。したがって、コロナル画像データＤＣ_ｊにおける肝臓の上端は、ＳＩ方向に関しては、位置ｂ_ｊの周辺に存在していることがわかる。

尚、図１１および図１２では、投影プロファイルＦ_ｊの段差の位置を検出する方法について説明したが、その他の投影プロファイルについても、バイナリテンプレートＢＴとの相関を算出し、相関が最大となるときのバイナリテンプレートＢＴの位置を特定することにより、段差の位置を検出することができる。図１３に、バイナリテンプレートＢＴにより検出された投影プロファイルＦ_ｉ〜Ｆ_ｋの段差の位置ｂ_ｉ〜ｂ_ｋを概略的に示す。各投影プロファイルＦ_ｉ〜Ｆ_ｋの段差の位置ｂ_ｉ〜ｂ_ｋを検出した後、検出された段差の位置ｂ_ｉ〜ｂ_ｋを基準にして、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を決定する（図１４参照）。

図１４は、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲を概略的に示す図である。
ＳＩ範囲決定手段８５は、検出された段差の位置ｂ_ｉ〜ｂ_ｋを基準として、肺側に幅ｗ１の範囲を規定し、肝臓側に幅ｗ２の範囲を規定する。このようにしてコロナル画像データＤＣ_ｉ〜ＤＣ_ｋごとに規定された範囲が、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲Ｗ_ＳＩ＿ｉ〜Ｗ_ＳＩ＿ｋとして決定される。幅ｗ１およびｗ２は、被検体を撮影する前に予め設定された値であり、例えば数ｃｍとすることができる。コロナル画像データＤＣ_ｉ〜ＤＣ_ｋごとに、肺と肝臓との境界が位置する可能性の高いＳＩ方向の範囲Ｗ_ＳＩ＿ｉ〜Ｗ_ＳＩ＿ｋを決定した後、ステップＳＴ７に進む。

ステップＳＴ７では、コロナル画像データＤＣ_ｉ〜ＤＣ_ｋを微分し、微分画像データを作成する。図１５に微分画像データＤＩ_ｉ〜ＤＩ_ｋを概略的に示す。尚、微分値には正の値と負の値が存在しているが、図１５では、説明の便宜上、微分値を絶対値で表した場合の微分画像データＤＩ_ｉ〜ＤＩ_ｋを示してある。

コロナル画像データＤＣ_ｉ〜ＤＣ_ｋでは、肝臓のピクセルのピクセル値と、肺のピクセルのピクセル値との差が大きい。したがって、コロナル画像データＤＣ_ｉ〜ＤＣ_ｋを微分すると、肺と肝臓との境界に位置するピクセルの微分値は大きくなる。これに対し、肝臓の内側のピクセルの微分値や、肺の内側のピクセルの微分値は小さくなる。したがって、微分画像データＤＩ_ｉ〜ＤＩ_ｋを作成することにより、肺と肝臓との境界に位置するピクセルを強調して描出することができる。図１５の微分画像データＤＩ_ｉ〜ＤＩ_ｋでは、白の部分は微分値が大きく、黒の部分は微分値が小さいことを示している。コロナル面ＣＯ_ｉ〜ＣＯ_ｋの微分画像データＤＩ_ｉ〜ＤＩ_ｋを作成した後、ステップＳＴ８に進む。

ステップＳＴ８では、ピクセル抽出手段８６（図１参照）が、微分画像データＤＩ_ｉ〜ＤＩ_ｋに基づいて、コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに、肺と肝臓との境界に位置するピクセルの候補を抽出する。以下に、肺の上端に位置するピクセルの候補を抽出する方法について説明する。尚、この抽出方法は、どのコロナル面でも同じであるので、以下では、コロナル面ＣＯ_ｉ〜ＣＯ_ｋのうちのコロナル面ＣＯ_ｊを取り上げ、コロナル面ＣＯ_ｊから、肺と肝臓との境界に位置するピクセルの候補を抽出する方法について説明する。

図１６は、コロナル面ＣＯ_ｊの中から、肺と肝臓との境界に位置するピクセルの候補を抽出する方法の説明図である。
ピクセル抽出手段８６は、先ず、微分画像データＤＩ_ｊ上に、ピクセルの検索が行われる領域（以下、「検索領域」と呼ぶ）Ｒｓを設定する。検索領域Ｒｓは、ステップＳＴ４で求めたＲＬ方向の範囲Ｗ_ＲＬと（図８参照）ステップＳＴ６で求めたＳＩ方向の範囲Ｗ_ＳＩ＿ｊとの重なる領域として設定される。

次に、ピクセル抽出手段８６は、微分画像データＤＩ_ｊ上に、検索領域Ｒｓを横切るＳＩ方向のラインＬを考え、ラインＬ上のピクセルの微分値のプロファイルを求める。図１６では、ＲＬ方向の座標値Ｐ＝Ｐ_ｃのラインＬ上の微分値のプロファイルが示されている。尚、実際には、微分値には、正の値と負の値が存在するが、図１６では、説明の便宜上、正の微分値のみを考えることにする。

先に説明したように、肺と肝臓との境界に位置するピクセルの微分値は大きくなる。したがって、プロファイルの検索領域Ｒｓ内に現れるピークを検出することにより、肺と肝臓との境界に位置するピクセルの候補を抽出することができる。図１６では、微分値のプロファイルに、５つのピークａ〜ｅが現れている。したがって、ピークａ〜ｅに対応するピクセルｘ_ａ〜ｘ_ｅが、肺と肝臓との境界に位置するピクセルの候補（以下、「候補ピクセル」と呼ぶことがある）となる。

上記の説明では、座標値Ｐ＝ＰｃのラインＬ上において候補ピクセルを抽出する方法について説明したが、ラインＬがＰｃ以外の座標値であっても、同様の方法で候補ピクセルを抽出することができる。したがって、ラインＬのＲＬ方向の座標値Ｐを検索領域Ｒｓの中で変更し、各座標値ＰのラインＬ上における微分値のプロファイルを求め、各プロファイルごとにピークを検出することにより、検索領域Ｒｓの中から、肺と肝臓との境界に位置するピクセルの候補を抽出することができる。

また、図１６では、コロナル面ＣＯ_ｊから候補ピクセルを抽出する場合について説明されているが、他のコロナル面から候補ピクセルを抽出する場合も同じ方法で抽出することができる。したがって、各コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに、肺と肝臓との境界に位置するピクセルの候補を抽出することができる。候補ピクセルを抽出した後、ステップＳＴ９に進む。

ステップＳＴ９では、ピクセル特定手段８７（図１参照）が、抽出された候補ピクセルの中から、肺と肝臓との境界に位置するピクセルを特定する。以下に、肺と肝臓との境界に位置するピクセルの特定方法について説明する。ステップＳＴ９は、２つのステップＳＴ９１およびＳＴ９２を有しているので、以下に、順に説明する。

ステップＳＴ９１では、ピクセル絞込み手段８７ａ（図１参照）が、抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む。例えば、図１６を参照すると、座標値Ｐ＝ＰｃのラインＬ上において、５つの候補ピクセルｘ_ａ〜ｘ_ｅが抽出されている。候補ピクセルｘ_ａ〜ｘ_ｅのうち、肺と肝臓との境界に位置しているピクセルは、候補ピクセルｘ_ｄであり、残りの候補ピクセルｘ_ａ、ｘ_ｂ、ｘ_ｃ、およびｘ_ｅは、肺と肝臓との境界には位置していない。そこで、本形態では、抽出された候補ピクセルｘ_ａ〜ｘ_ｅの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む。以下に、ピクセルを絞り込む方法について説明する。

図１７は、抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む方法の一例の説明図である。
先ず、コロナル画像データＤＣの中に、肺と肝臓との境界に位置しているピクセルを考える。ここでは、肺と肝臓との境界に位置しているピクセルを、符号「ｘ」で示してある。

次に、ピクセルｘに対して、肺側に領域Ｖを設定し、肝臓側に領域Ｗを設定する。領域ＶおよびＷの大きさは、ｎ×ｍのピクセルサイズである。図１７では、５×５のピクセルサイズの例が示されている。そして、領域Ｖに含まれるピクセルのピクセル値の平均値Ｍ１と、領域Ｗに含まれるピクセルのピクセル値の平均値Ｍ２とを求める。

一般的に、肺の領域のピクセルは、ピクセル値が小さくなり、一方、肝臓の領域のピクセルは、ピクセル値が大きくなる傾向がある。したがって、領域Ｖにおけるピクセル値の平均値Ｍ１と、領域Ｗにおけるピクセル値の平均値Ｍ２とを比較すると、以下の関係が成り立つと考えられる。
Ｍ１＜Ｍ２ ・・・（１）

また、領域Ｖは肺側に位置している。肺に含まれているピクセルのピクセル値は小さくなる傾向があるので、領域Ｖにおけるピクセル値の平均値Ｍ１が取り得る値はある程度絞り込むことができる。具体的には、ピクセル値の平均値Ｍ１は、以下の式で表される範囲に含まれる可能性が高いと考えられる。
ｐ＜Ｍ１＜ｑ ・・・（２）
ここで、ｐ：平均値Ｍ１として許容することが可能な値の下限値
ｑ：平均値Ｍ１として許容することが可能な値の上限値

下限値ｐおよび上限値ｑは、例えば、複数の人間を実際にスキャンして取得された画像データの肺のピクセル値を参考にして決定される値である。

更に、領域Ｗは肝臓側に位置している。肝臓に含まれているピクセルのピクセル値は大きくなる傾向があるので、領域Ｗにおけるピクセル値の平均値Ｍ２が取り得る値はある程度絞り込むことができる。具体的には、ピクセル値の平均値Ｍ２は、以下の式で表される範囲に含まれる可能性が高いと考えられる。
ｒ＜Ｍ２＜ｓ ・・・（３）
ここで、ｒ：平均値Ｍ２として許容することが可能な値の下限値
ｓ：平均値Ｍ２として許容することが可能な値の上限値

下限値ｒおよび上限値ｓは、例えば、複数の人間を実際にスキャンして取得された画像データの肝臓のピクセル値を参考にして決定される値である。

つまり、ピクセルｘが肺と肝臓との境界に位置している場合、領域Ｖにおけるピクセル値の平均値Ｍ１と、領域Ｗにおけるピクセル値の平均値Ｍ２は、以下の条件１〜３を満たすと考えられる。
（条件１）Ｍ１＜Ｍ２
（条件２）ｐ＜Ｍ１＜ｑ
（条件３）ｒ＜Ｍ２＜ｓ

したがって、３つの条件１〜３を全て満たすピクセルを探し出すことができれば、抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込むことができる。そこで、本形態では、候補ピクセルｘ_ａ〜ｘ_ｅそれぞれについて領域ＶおよびＷを設定し、３つの条件１〜３を満たすか否かを判断する（図１８参照）。

図１８は、候補ピクセルｘ_ａ〜ｘ_ｅそれぞれについて領域ＶおよびＷを設定し、３つの条件１〜３を満たすか否かを判断するときの説明図である。尚、この判断方法はどの候補ピクセルでも同じであるので、図１８では、候補ピクセルｘ_ａ〜ｘ_ｅのうち、代表して２つの候補ピクセルｘ_ａおよびｘ_ｄを取り上げて説明する。

ピクセル絞込み手段８７ａは、先ず、コロナル画像データＤＣ_ｉ上で候補ピクセルｘ_ａおよびｘ_ｄの位置を検出する。そして、候補ピクセルｘ_ａおよびｘ_ｄそれぞれについて領域ＶおよびＷを設定し、ピクセル値の平均値Ｍ１およびＭ２を算出する。

候補ピクセルｘ_ｄに対して領域ＶおよびＷを設定した場合（拡大図（ａ）参照）、領域Ｖは肺側に位置しており、領域Ｗは肝臓側に位置している。したがって、候補ピクセルｘ_ｄの場合、ピクセル値の平均値Ｍ１およびＭ２は、条件１〜３を全て満たすと考えられる。

しかし、候補ピクセルｘ_ａに対して領域ＶおよびＷを設定した場合（拡大図（ｂ）参照）、領域Ｖだけでなく領域Ｗも肺側に位置しているので、条件３を満たさないと考えられる。

したがって、３つの条件１〜３を満たす候補ピクセルを特定することにより、抽出された候補ピクセルｘ_ａ〜ｘ_ｅの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込むことができる。ここでは、候補ピクセルｘ_ａ〜ｘ_ｅのうち、候補ピクセルｘ_ｂ、ｘ_ｃ、ｘ_ｄが上記の３つの条件１〜３を満たしたとする。したがって、候補ピクセルｘ_ｂ、ｘ_ｃ、ｘ_ｄが、肺と肝臓との境界に位置する可能性の高いピクセルとして選択される。

上記の説明では、座標値Ｐ＝ＰｃのラインＬ上で抽出された候補ピクセルｘ_ａ〜ｘ_ｅの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む方法について記載されている。しかし、Ｐｃ以外の座標値のラインＬ上で２つ以上の候補ピクセルが抽出されている場合も、同様の方法で、肝臓の境界に位置する可能性の高いピクセルを絞り込むことができる。したがって、検索領域Ｒｓの全ての候補ピクセルから、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込むことができる。図１９に、検索領域Ｒｓの中から絞り込まれた候補ピクセルを概略的に示す。図１９では、絞り込まれた候補ピクセルを「○」で示してある。
ピクセルを絞り込んだ後、ステップＳＴ９２に進む。

ステップＳＴ９２では、識別手段８７ｂ（図１参照）が、絞り込まれた候補ピクセルの中から、肺と肝臓との境界に位置するピクセルを特定する。例えば、図１９を参照すると、座標値Ｐ＝Ｐｃのライン上では、３つの候補ピクセルｘ_ｂ、ｘ_ｃ、ｘ_ｄに絞り込まれている。しかし、候補ピクセルｘ_ｂ、ｘ_ｃ、ｘ_ｄのうち、肺と肝臓との境界に位置しているピクセルは、候補ピクセルｘ_ｄであり、候補ピクセルｘ_ｂおよびｘ_ｃは肺と肝臓との境界には位置していない。したがって、肺と肝臓との境界に位置していないピクセルも、候補ピクセルとして絞り込まれていることがわかる。そこで、絞り込まれた候補ピクセルｘ_ｂ、ｘ_ｃ、ｘ_ｄのうち、どのピクセルが肺と肝臓との境界に位置しているのかを識別する必要がある。以下に、この識別方法について説明する。

図２０は、肝臓の境界に位置しているピクセルを識別する方法の一例の説明図である。
先ず、候補ピクセルｘ_ｂを中心として、ウインドウＷを設定する。ウインドウＷの大きさは、ｎ×ｍのピクセルサイズ（例えば、１９×１９のピクセルサイズ）である。そして、識別器を用いて、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する。以下に、本形態で使用される識別器について説明する。

図２１は、本形態で使用される識別器の説明図である。
識別器Ｃ_ｉ（ｉ＝１〜ｎ）は、被検体を撮影する前に予め準備されている。本形態では、識別器Ｃ_ｉは、機械学習のアルゴリズムであるAdaBoostを用いて作成されている。具体的には、教師データ（例えば、実際の人間の肺と肝臓とを横切る断面の画像データ）を用意し、AdaBoostで教師データを学習させることにより、肺と肝臓との境界を検出するのに適した識別器Ｃ_ｉを作成している。

識別器Ｃ_ｉは、ウインドウＷの中の領域Ｒ_ｉのピクセル値が所定の条件を満たしているか否かを判断する。具体的には、領域Ｒ_ｉの中に２つのサブ領域ａ_ｉおよびｂ_ｉを考え、サブ領域ａ_ｉのピクセル値とサブ領域ｂ_ｉのピクセル値が、以下の式（４）を満たしているか否かを判断する。そして、識別器Ｃ_ｉは、判断結果に応じた出力値ＯＵＴ_ｉを出力する。本形態では、式（４）を満たす場合、出力値ＯＵＴ_ｉ＝１を出力し、式（４）を満たさない場合、出力値ＯＵＴ_ｉ＝０を出力する。
ＶＡ_ｉ−ＶＢ_ｉ＞ＴＨ_ｉ ・・・（４）

ここで、ＶＡ_ｉ：サブ領域ａ_ｉ内の各ピクセルの平均値
ＶＢ_ｉ：サブ領域ｂ_ｉ内の各ピクセルの平均値
ＴＨ_ｉ：AdaBoostにより求められる領域Ｒ_ｉの閾値

例えば、ｉ＝１の識別器Ｃ_１は、式（４）のｉをｉ＝１と設定し、領域Ｒ_１内のサブ領域ａ_１のピクセル値とサブ領域ｂ_１のピクセル値が、式（４）を満たしているか否かを判断する。そして、識別器Ｃ_１は、式（４）を満たす場合ＯＵＴ_１＝１を出力し、式（４）を満たさない場合ＯＵＴ_１＝０を出力する。

以下同様に、ｉ＝２〜ｎの識別器Ｃ_２〜Ｃ_ｎは、式（４）のｉをｉ＝２〜ｎと設定し、式（４）を満たしているか否かを判断する。そして、識別器Ｃ_２〜Ｃ_ｎは、式（４）を満たす場合ＯＵＴ_ｉ＝１を出力し、式（４）を満たさない場合ＯＵＴ_ｉ＝０を出力する。

次に、識別手段８７ｂは、識別器Ｃ_１〜Ｃ_ｎの出力値ＯＵＴ_１〜ＯＵＴ_ｎ（「１」又は「０」）のうち半分以上の出力値が「１」を出力したか否かを判断する。出力値ＯＵＴ_１〜ＯＵＴ_ｎのうち半分以上の出力値が「１」の場合、識別手段８７ｂは、ピクセルが肺と肝臓との境界に位置していることを表す判定結果trueを出力する。一方、出力値ＯＵＴ_１〜ＯＵＴ_ｎのうち半分以上の出力値が「１」でない場合、識別手段８７ｂは、ピクセルが肺と肝臓との境界に位置していないことを表す判定結果falseを出力する。図２１では、ピクセルｘ_ｂに関する判定結果（true or false）について示されているが、他のピクセルｘ_ｃおよびｘ_ｄについてもウインドウＷを設定し、識別器Ｃ_１〜Ｃ_ｎを用いて判定結果（true or false）を求める。したがって、ピクセルｘ_ｂ、ｘ_ｃ、およびｘ_ｄの各々について、ピクセルが肺と肝臓との境界に位置しているか否かを判定することができる。ここでは、ピクセルｘ_ｂおよびｘ_ｃの判定結果はfalseであるが、ピクセルｘ_ｄの判定結果はtrueであるとする。したがって、ピクセルｘ_ｄが肺と肝臓との境界に位置していると判断することができる。

AdaBoostで作成される識別器Ｃ_１〜Ｃ_ｎは、個別にみると弱い識別器である。しかし、これらの識別器Ｃ_１〜Ｃ_ｎを組み合わせて使用することにより、高い識別能力を得ることができる。したがって、上記の識別器Ｃ_１〜Ｃ_ｎを用いることにより、肺と肝臓との境界に位置しているピクセルの検出精度を高めることができる。

図２０および図２１では、座標値Ｐ＝Ｐ_ｃのラインＬ上で絞り込まれた候補ピクセルｘ_ｂ、ｘ_ｃ、およびｘ_ｄの中から、肺と肝臓との境界に位置するピクセルｘ_ｄを識別する方法について説明されている。しかし、Ｐ_ｃ以外の座標値のラインＬ上で絞り込まれた候補ピクセルについても、同様の方法で、肺と肝臓との境界に位置するピクセルを識別することができる。したがって、検索領域Ｒｓの候補ピクセルの中から、肺と肝臓との境界に位置するピクセルを特定することができる。図２２に、コロナル面ＣＯ_ｊの検索領域Ｒｓ内において特定されたピクセルを概略的に示す。図２２では、特定されたピクセルの集合を、符号「Setｊ」で示してある。尚、特定されたピクセルの中には、肝臓と肺との境界に位置しないピクセルＮも存在するので、ピクセルＮを、肺と肝臓との境界に位置するピクセルから除外する必要がある。ピクセルＮを、肺と肝臓との境界に位置するピクセルから除外する方法としては、微分画像データにおけるピクセルＮの微分値を使用する方法がある。一般的には、肺と肝臓との境界に位置しないピクセルの微分値の絶対値は、肺と肝臓との境界に位置するピクセルの微分値の絶対値よりも小さくなる傾向がある。したがって、ピクセルの微分値の絶対値が大きいか小さいかを判断するための閾値を用意しておき、ピクセルＮの微分値の絶対値が閾値より小さいか否かを判断することにより、ピクセルＮが肺と肝臓との境界に位置しているか否かを判断することができる。

上記の説明では、コロナル面ＣＯ_ｊにおいて肺と肝臓との境界に位置するピクセルを特定する場合について説明されているが、他のコロナル面において肺と肝臓との境界に位置するピクセルを特定する場合も、同じ方法で特定することができる。したがって、コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに、肺と肝臓との境界に位置するピクセルを特定することができる。図２３に、コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに特定されたピクセルの集合Setｉ〜Setｋを概略的に示す。肺と肝臓との境界に位置するピクセルを特定した後、ステップＳＴ１０に進む。

ステップＳＴ１０では、ナビゲータ領域決定手段８８（図１参照）が、ナビゲータ領域の位置を決定する。以下に、ステップＳＴ１０の各ステップＳＴ１０１〜ＳＴ１０４について説明する。

ステップＳＴ１０１では、ナビゲータ領域決定手段８８は、コロナル面ＣＯ_ｉ〜ＣＯ_ｋにおけるピクセルの集合Setｉ〜Setｋ（図２３参照）の中から、ナビゲータ領域の位置を決定するときに使用されるピクセルの集合を選択する（図２４参照）。

図２４は、ピクセルの集合Setｉ〜Setｋの中から、ナビゲータ領域の位置を決定するときに使用されるピクセルの集合を選択するときの説明図である。図２４では、説明の便宜上、ピクセルの集合Setｉ〜Setｋのうち、代表して、ピクセルの集合Setｉ、Setｊ、およびSetｋのみが示されている。

本形態では、ピクセルの集合Setｉ〜Setｋの中で、最もＳ側に位置するピクセルの集合を、ナビゲータ領域の位置を決定するときに使用されるピクセルの集合として選択する。図２４を参照すると、ピクセルの集合Setｉ〜Setｋの中で、最もＳ側に位置するピクセルの集合は、Setｊである。したがって、ナビゲータ領域決定手段８８は、ピクセルの集合Setｉ〜Setｋの中から、コロナル面ＣＯ_ｊにおけるピクセルの集合Setｊを選択する。ピクセルの集合Setｊを選択した後、ステップＳＴ１０２に進む。

ステップＳＴ１０２では、ナビゲータ領域決定手段８８は、選択したピクセルの集合Setｊに対して前処理を行う（図２５参照）。

図２５は、前処理の説明図である。
肺と肝臓との境界は連続的に繋がっている。したがって、図２５（ａ）に示すように、ピクセルの集合Setｊは、理想的には連続的に繋がっているはずである。しかし、実際には、理想的なピクセルの集合Setｊが得られない場合がある。その例が、図２５（ｂ）に示してある。図２５（ｂ）では、座標値Ｐ＝Ｐ_ｔ、Ｐ_ｕ、Ｐ_ｖにおいてピクセルの切れ目が存在しており、また、座標値Ｐ＝Ｐ_ｇにおいて２つのピクセルｘ_ｇ１およびｘ_ｇ２が肺と肝臓との境界に位置するピクセルとして特定されている。

そこで、ナビゲータ領域決定手段８８は、ピクセルの集合Setｊを連続的に繋げるための処理を行う。ピクセルの集合Setｊを繋ぐ方法としては、例えば動的計画法を用いることができる。動的計画法では、先ず、最もＲ側に位置するピクセルｘ_１を始点とし、最もＬ側に位置するピクセルｘ_ｚを終点として、始点と終点とを繋ぐ複数の経路を考える。そして、各径路ごとに、ピクセルの微分値の逆数の加算値を計算し、この加算値が最小になるときの径路を特定し、特定された径路上のピクセルを、切れ目を繋ぐピクセルとして用いる。図２６に、動的計画法の処理を行う前のピクセルの集合Setｊと、動的計画法の処理を実行した後のピクセルの集合Setｊ′を概略的に示す。このように、動的計画法を用いることにより、ピクセルを繋ぐことができる。ピクセルを繋いだ後、ステップＳＴ１０３に進む。

ステップＳＴ１０３では、ナビゲータ領域決定手段８８が、ピクセルの集合Setｊ′に対して、フィッティング処理を行う（図２７参照）。

図２７は、フィッティング処理の説明図である。
図２７（ａ）は、フィッティング処理前のピクセルの集合Setｊ′を示し、図２７（ｂ）は、フィッティング処理後のピクセルの集合Setｊ″を示す図である。

フィッティング処理を行うことにより、ピクセルの集合Setｊ′に、肺と肝臓との境界には本来は見られないような不自然な屈曲部ｃがあっても、修正することができる。フィッティングとしては、例えば、多項式フィッティング（例えば、２次式フィッティング）を用いることができる。フィッティング処理を実行した後、ステップＳＴ１０４に進む。

ステップＳＴ１０４では、フィッティング処理後のピクセルの集合Setｊ″の中から、最もＳ方向側に位置するピクセルを検出する（図２８参照）。

図２８は、最もＳ方向側に位置するピクセルを検出するときの説明図である。
図２８では、最もＳ方向側に位置するピクセルの座標値Ｑは、Ｑ＝ｑ_１である。尚、座標値ｑ_１のピクセルは、複数個存在している。この場合、複数のピクセルの中から、いずれか一つのピクセルを検出する。本形態では、座標値ｑ_１のピクセルの中から最もＲ側に位置するピクセルｘ_ｆを検出する。このようにして検出されたピクセルｘ_ｆの位置が、ナビゲータ領域Ｒ_ｎａｖの位置として決定される。図２９に、ナビゲータ領域Ｒ_ｎａｖの位置を概略的に示す。ピクセルｘ_ｆのＲＬ方向の座標値ＰはＰ＝Ｐ_ｆであり、ＳＩ方向の座標値ＱはＱ＝ｑ_１である。また、ピクセルｘ_ｆはコロナル面ＣＯ_ｊに含まれているので、コロナル面ＣＯ_ｊのＡＰ方向の座標値が、ピクセルｘ_ｆのＡＰ方向の座標値となる。したがって、ピクセルｘ_ｆの３方向（ＲＬ方向、ＳＩ方向、およびＡＰ方向）の座標値が求められているので、ピクセルｘ_ｆの位置にナビゲータ領域Ｒ_ｎａｖを設定することができる。また、最もＲ側に位置するピクセルｘ_ａの位置を、ナビゲータ領域Ｒ_ｎａｖの位置とすることにより、ナビゲータ領域Ｒ_ｎａｖを心臓から離すことができるので、心拍動による呼吸信号の劣化を低減することもできる。ナビゲータ領域Ｒ_ｎａｖの位置を決定した後、ステップＳＴ１１に進む。

ステップＳＴ１１では、本スキャンを実行する。本スキャンでは、ナビゲータ領域Ｒ_ｎａｖから呼吸信号を収集するためのナビゲータシーケンスと、肝臓を含む部位の画像データを収集するためのイメージングシーケンスが実行される。本スキャンが終了したら、フローを終了する。

本形態では、肺と肝臓とを横切るコロナル面の画像データ（コロナル画像データ）に基づいて、肺と肝臓との境界に位置するピクセルの候補となる候補ピクセルを抽出する。次に、抽出された候補ピクセルの中から、肺と肝臓との境界に位置する可能性が高い候補ピクセルを絞り込む。そして、絞り込まれた候補ピクセルの中から、Adaboostにより作成された識別器Ｃ_１〜Ｃ_ｎを用いて、肺と肝臓との境界に位置するピクセルを特定している。識別器Ｃ_１〜Ｃ_ｎを組み合わせて使用することにより、高い識別能力を得ることができるので、肺と肝臓との境界に位置するピクセルの検出精度を高めることができる。また、各コロナル面ＣＯ_ｉ〜ＣＯ_ｋごとに特定されたピクセルの集合Setｉ〜Setｋに基づいてナビゲータ領域Ｒ_ｎａｖの位置を決定するので、肺と肝臓との境界にナビゲータ領域を設定することができ、良好な呼吸信号を取得することが可能となる。更に、オペレータはナビゲータ領域の位置を探し出す必要がないので、オペレータの作業負担を軽減することもできる。

本形態では、候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高いピクセルを絞り込む場合、領域Ｖのピクセルのピクセル値の平均値Ｍ１と、領域Ｗのピクセルのピクセル値の平均値Ｍ２とを用いている（図１７および図１８参照）。しかし、肺と肝臓との境界に位置するピクセルを絞り込むことができるのであれば、ピクセル値の平均値とは別の特徴量を用いてもよい。例えば、領域Ｖのピクセルのピクセル値の中央値（メジアン）と、領域Ｗのピクセルのピクセル値の中央値（メジアン）とを用いてもよい。

本形態では、候補ピクセルの中から、肺と肝臓との境界に位置する可能性の高い候補ピクセルを絞り込み、絞り込まれた候補ピクセルに対して識別器を適用し、肺と肝臓との境界に位置するピクセルを特定している。しかし、候補ピクセルを絞り込む処理を行わずに、全ての候補ピクセルに対して識別器を適用し、肺と肝臓との境界に位置するピクセルを特定してもよい。

本形態では、肺と肝臓との境界にナビゲータ領域を設定する例について説明されているが、本発明は、肺と肝臓との境界にナビゲータ領域を設定する場合に限定されることはなく、別の境界にナビゲータ領域を設定する場合にも適用することができる。

本形態では、ローカライザスキャンＬＳにおいて、ｎ枚のコロナル面ＣＯ_１〜ＣＯ_ｎの画像データを取得しているが、肝臓と肺とを横切る１枚のコロナル面の画像データのみを取得してもよい。ただし、より最適な位置にナビゲータ領域Ｒ_ｎａｖを位置決めするためには、ローカライザスキャンＬＳにおいて、複数枚のコロナル面の画像データを取得することが望ましい。

本形態では、識別器Ｃ_ｉは、式（４）を用いて、ピクセルが肺と肝臓との境界に位置しているか否かを判断している。しかし、式（４）とは別の式を用いて、ピクセルが肺と肝臓との境界に位置しているか否かを判断してもよい。

本形態では、ローカライザスキャンＬＳにおいて、ｍ枚のアキシャル面ＡＸ_１〜ＡＸ_ｍの画像データを取得している。しかし、肝臓を横切る１枚のアキシャル面の画像データのみを取得し、肝臓のＡＰ方向の範囲Ｔ_０や（図７参照）、肝臓の上端が位置する可能性の高いＲＬ方向の範囲Ｗ_ＲＬ（図８参照）を求めてもよい。

本形態では、コロナル画像データに基づいて、ナビゲータ領域Ｒ_ｎａｖの位置を決定しているが、コロナル面とは別の面（例えば、コロナル面に対して斜めに交差するオブリーク面）の画像データに基づいてナビゲータ領域Ｒ_ｎａｖの位置を決定してもよい。

本形態では、ステップＳＴ２で脂肪を除去した後に、ステップＳＴ３に進んでいるが、ステップＳＴ２の脂肪除去を行わずに、ステップＳＴ３に進んでもよい。

（２）第２の形態
以下、第２の形態について、図４に示すフローを参照しながら、説明する。尚、第２の形態のＭＲ装置のハードウェア構成は、第１の形態と同じである。

ステップＳＴ１〜ステップＳＴ８およびステップＳＴ９１は第１の形態と同じであるので、説明は省略する。ステップＳＴ９１において、候補ピクセルを絞り込んだ後（図１９参照）、ステップＳＴ９２に進む。

ステップＳＴ９２では、絞り込んだ候補ピクセルの中から、肺と肝臓との境界に位置するピクセルを特定する。以下に、特定方法について説明する。

先ず、図２０に示すように、候補ピクセルｘ_ｂを中心として、ウインドウＷを設定する。ウインドウＷの大きさは、ｎ×ｍのピクセルサイズ（例えば、１９×１９のピクセルサイズ）である。ウインドウＷを設定する点は、第１の形態と同じである。ウインドウＷを設定した後、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する（図３０参照）。

図３０は、第２の形態においてピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する方法の説明図である。
識別手段８７ｂ（図１参照）は、識別器Ｃを用いて、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する。識別器Ｃは、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断するために、式ｙを用いている。式ｙは、ウインドウＷ内の各ピクセルのピクセル値ｘ_１１〜ｘ_ｍｎを変数として含んでいる。また、式ｙは、係数Ｆ_１〜Ｆ_ｚも含んでいる。この係数Ｆ_１〜Ｆ_ｚは、機械学習のアルゴリズムであるサポートベクターマシン（Support Vector Machine）を用いて事前に決定されている。この係数Ｆ_１〜Ｆ_ｚは、例えば以下の手順で決定することができる。

先ず、教師データを用意する。教師データは、例えば、実際の人間の肺と肝臓とを横切る断面の画像データである。そして、教師データを２種類のデータ（肺と肝臓との境界に位置するピクセルのデータと、肺と肝臓との境界に位置しないピクセルのデータ）に分離するための超平面を求める。このとき、超平面が最大のマージンを持つように係数Ｆ_１〜Ｆ_ｚの値が求められる。

識別器Ｃは、このようにして求められた係数Ｆ_１〜Ｆ_ｚを含む式ｙを用いて、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断する。具体的には、識別器Ｃは、式ｙに、ウインドウＷの各ピクセルのピクセル値ｘ_１１〜ｘ_ｍｎを代入する。ピクセルｘ_ｂが肺と肝臓との境界に位置している場合、ｙ＝１になるが、ピクセルｘ_ｂが肺と肝臓との境界に位置していない場合、ｙ＝０となる。したがって、ｙの値から、ピクセルｘ_ｂが肺と肝臓との境界に位置しているか否かを判断することができる。図３０では、ピクセルｘ_ｂについて説明されている。しかし、他のピクセルｘ_ｃ、ｘ_ｄについても、ピクセルｘ_ｃ、ｘ_ｄを中心としたウインドウＷを設定し、ウインドウＷ内のピクセルのピクセル値を式ｙに代入することにより、肺と肝臓との境界に位置しているか否かを判断することができる。ここでは、ピクセルｘ_ｂおよびｘ_ｃはｙ＝０であるが、ピクセルｘ_ｄはｙ＝１となる。したがって、ピクセルｘ_ｄが肺と肝臓との境界に位置していると判断することができる。

このようにして、検索領域Ｒｓの候補ピクセルの中から、肺と肝臓との境界に位置するピクセルを特定することができる。肺と肝臓との境界に位置するピクセルを特定したら、ステップＳＴ１０およびＳＴ１１に進み、フローを終了する。

第２の形態では、サポートベクターマシンにより式ｙの係数Ｆ_１〜Ｆ_ｚを求めている。係数Ｆ_１〜Ｆ_ｚは、超平面が最大のマージンを持つように決定されているので、肺と肝臓との境界に位置するピクセルの検出精度を高めることができる。

尚、第１の形態では、機械学習のアルゴリズムとしてAdaBoostが用いられており、第２の形態では、機械学習のアルゴリズムとしてサポートベクターマシンが使用されている。しかし、機械学習のアルゴリズムは、これらに限定されることはなく、例えば、ニューラルネットワークを用いてもよい。

２ マグネット
３ テーブル
３ａ クレードル
４ 受信コイル
５ 送信器
６ 勾配磁場電源
７ 受信器
８ 制御部
９ 操作部
１０ 表示部
１１ 被検体
２１ ボア
２２ 超伝導コイル
２３ 勾配コイル
２４ ＲＦコイル
８１ 画像データ作成手段
８２ 脂肪除去手段
８３ ＡＰ範囲決定手段
８４ ＲＬ範囲決定手段
８５ ＳＩ範囲決定手段
８６ ピクセル抽出手段
８７ ピクセル特定手段
８７ａ ピクセル絞込み手段
８７ｂ 識別手段
８８ ナビゲータ領域決定手段

Claims (22)

1. 被検体の呼吸により動く第１の部位と前記被検体の呼吸により動く第２の部位との境界の位置を検出する検出装置であって、
   前記第１の部位と前記第２の部位とを横切る複数の第１の断面の各々の画像データに基づいて、前記第１の断面ごとに、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出手段と、
   前記候補ピクセルに対して第１の領域と第２の領域とを設定し、前記第１の領域に含まれるピクセルのピクセル値と、前記第２の領域に含まれるピクセルのピクセル値とに基づいて、前記複数の候補ピクセルの中から、前記境界に位置する可能性が高いピクセルを絞り込み、機械学習のアルゴリズムを用いて作成された識別器を用いて、絞り込まれた候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定手段であって、前記第１の断面ごとに、前記境界に位置するピクセルの集合を特定するピクセル特定手段と、
   を有し、
   前記第１の断面ごとに特定されたピクセルの集合のうちの一つの集合は、被検体の呼吸信号を得るためのナビゲータ領域の位置を決定するために使用されるピクセルの集合として選択され、
   選択されたピクセルの集合にピクセルの切れ目がある場合、前記ピクセルの切れ目が繋がれ、
   前記ピクセルの切れ目が繋がれた後のピクセルの集合が、前記ナビゲータ領域の位置を決定するために用いられる検出装置。
2. 前記識別器は、
   AdaBoostで教師データを学習させることにより作成されている、請求項１に記載の検出装置。
3. 前記識別器は、
   サポートベクターマシンで教師データを学習させることにより作成されている、請求項１に記載の検出装置。
4. 前記ピクセル特定手段により特定されたピクセルに基づいて、前記ナビゲータ領域の位置を決定するナビゲータ領域決定手段、
   を有する請求項１〜３のうちのいずれか一項に記載の検出装置。
5. 前記ナビゲータ領域決定手段は、
   前記第１の断面ごとに特定されたピクセルの集合から、前記ナビゲータ領域の位置を決定するために使用されるピクセルの集合を選択し、選択されたピクセルの集合に基づいて、前記ナビゲータ領域の位置を決定する、請求項４に記載の検出装置。
6. 前記ナビゲータ領域決定手段は、
   選択されたピクセルの集合に、ピクセルの切れ目があるか否かを判断し、前記ピクセルの切れ目がある場合、前記ピクセルの切れ目を繋ぎ、前記ピクセルの切れ目が繋がれた後のピクセルの集合に基づいて、前記ナビゲータ領域の位置を決定する、請求項５に記載の検出装置。
7. 前記ナビゲータ領域決定手段は、
   前記ピクセルの切れ目が繋がれた後のピクセルの集合に対してフィッティング処理を行い、フィッティング処理された後のピクセルの集合に基づいて、前記ナビゲータ領域の位置を決定する、請求項６に記載の検出装置。
8. 前記ナビゲータ領域決定手段は、
   前記フィッティング処理された後のピクセルの集合の中から、いずれか一つのピクセルを、前記ナビゲータ領域の位置として決定する、請求項７に記載の検出装置。
9. 前記第１の断面の画像データは微分画像データである、請求項１〜８のうちのいずれか一項に記載の検出装置。
10. 前記ピクセル抽出手段は、
    前記微分画像データを用いて、前記境界を横切るライン上のピクセルの微分値のプロファイルを求め、前記プロファイルに基づいて、前記候補ピクセルを抽出する、請求項９に記載の検出装置。
11. 前記ピクセル特定手段は、
    前記ライン上において２つ以上の候補ピクセルが抽出された場合、前記２つ以上の候補ピクセルの中から、前記境界に位置する可能性が高いピクセルを絞り込む、請求項１０に記載の検出装置。
12. 前記ピクセル特定手段は、
    前記第１の領域に含まれるピクセルのピクセル値の平均値と、前記第２の領域に含まれるピクセルのピクセル値の平均値とに基づいて、前記境界に位置する可能性が高いピクセルを絞り込む、請求項１〜１１のうちのいずれか一項に記載の検出装置。
13. 前記ピクセル特定手段は、
    前記第１の領域に含まれるピクセルのピクセル値の中央値と、前記第２の領域に含まれるピクセルのピクセル値の中央値とに基づいて、前記境界に位置する可能性が高いピクセルを絞り込む、請求項１〜１１のうちのいずれか一項に記載の検出装置。
14. 前記ピクセル抽出手段は、
    前記境界を含む検索領域を求め、前記検索領域の中から前記候補ピクセルを抽出する、請求項１〜１３のうちのいずれか一項に記載の検出装置。
15. 前記検索領域を求める場合、前記第１の断面と交差する第２の断面の画像データが用いられる、請求項１４に記載の検出装置。
16. 前記第１の断面はコロナル面である、請求項１〜１５のうちのいずれか一項に記載の検出装置。
17. 前記第１の断面はコロナル面であり、前記第２の断面はアキシャル面である、請求項１５に記載の検出装置。
18. 前記画像データは、脂肪が除去された画像データである、請求項１〜１７のうちのいずれか一項に記載の検出装置。
19. 前記第１の部位は肺を含み、前記第２の部位は肝臓を含む、請求項１〜１８のうちのいずれか一項に記載の検出装置。
20. 被検体の呼吸により動く第１の部位と前記被検体の呼吸により動く第２の部位との境界の位置を検出する磁気共鳴装置であって、
    前記第１の部位と前記第２の部位とを横切る複数の第１の断面の各々の画像データに基づいて、前記第１の断面ごとに、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出手段と、
    前記候補ピクセルに対して第１の領域と第２の領域とを設定し、前記第１の領域に含まれるピクセルのピクセル値と、前記第２の領域に含まれるピクセルのピクセル値とに基づいて、前記複数の候補ピクセルの中から、前記境界に位置する可能性が高いピクセルを絞り込み、機械学習のアルゴリズムを用いて作成された識別器を用いて、絞り込まれた候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定手段であって、前記第１の断面ごとに、前記境界に位置するピクセルの集合を特定するピクセル特定手段と、
    を有し、
    前記第１の断面ごとに特定されたピクセルの集合のうちの一つの集合は、被検体の呼吸信号を得るためのナビゲータ領域の位置を決定するために使用されるピクセルの集合として選択され、
    選択されたピクセルの集合にピクセルの切れ目がある場合、前記ピクセルの切れ目が繋がれ、
    前記ピクセルの切れ目が繋がれた後のピクセルの集合が、前記ナビゲータ領域の位置を決定するために用いられる磁気共鳴装置。
21. 被検体の呼吸により動く第１の部位と前記被検体の呼吸により動く第２の部位との境界の位置を検出する検出方法であって、
    前記第１の部位と前記第２の部位とを横切る複数の第１の断面の各々の画像データに基づいて、前記第１の断面ごとに、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出ステップと、
    前記候補ピクセルに対して第１の領域と第２の領域とを設定し、前記第１の領域に含まれるピクセルのピクセル値と、前記第２の領域に含まれるピクセルのピクセル値とに基づいて、前記複数の候補ピクセルの中から、前記境界に位置する可能性が高いピクセルを絞り込み、機械学習のアルゴリズムを用いて作成された識別器を用いて、絞り込まれた候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定ステップであって、前記第１の断面ごとに、前記境界に位置するピクセルの集合を特定するピクセル特定ステップと、
    を有し、
    前記第１の断面ごとに特定されたピクセルの集合のうちの一つの集合は、被検体の呼吸信号を得るためのナビゲータ領域の位置を決定するために使用されるピクセルの集合として選択され、
    選択されたピクセルの集合にピクセルの切れ目がある場合、前記ピクセルの切れ目が繋がれ、
    前記ピクセルの切れ目が繋がれた後のピクセルの集合が、前記ナビゲータ領域の位置を決定するために用いられる検出方法。
22. 被検体の呼吸により動く第１の部位と前記被検体の呼吸により動く第２の部位との境界の位置を検出する検出装置のプログラムであって、
    前記第１の部位と前記第２の部位とを横切る複数の第１の断面の各々の画像データに基づいて、前記第１の断面ごとに、前記境界に位置するピクセルの候補となる複数の候補ピクセルを抽出するピクセル抽出処理と、
    前記候補ピクセルに対して第１の領域と第２の領域とを設定し、前記第１の領域に含まれるピクセルのピクセル値と、前記第２の領域に含まれるピクセルのピクセル値とに基づいて、前記複数の候補ピクセルの中から、前記境界に位置する可能性が高いピクセルを絞り込み、機械学習のアルゴリズムを用いて作成された識別器を用いて、絞り込まれた候補ピクセルの中から前記境界に位置するピクセルを特定するピクセル特定処理であって、前記第１の断面ごとに、前記境界に位置するピクセルの集合を特定するピクセル特定処理と、
    を計算機に実行させるためのプログラムであり、
    前記第１の断面ごとに特定されたピクセルの集合のうちの一つの集合は、被検体の呼吸信号を得るためのナビゲータ領域の位置を決定するために使用されるピクセルの集合として選択され、
    選択されたピクセルの集合にピクセルの切れ目がある場合、前記ピクセルの切れ目が繋がれ、
    前記ピクセルの切れ目が繋がれた後のピクセルの集合が、前記ナビゲータ領域の位置を決定するために用いられるプログラム。
    
    

Images