JP5989354B2 - Image diagnosis support apparatus and method of operating image diagnosis support apparatus - Google Patents
Image diagnosis support apparatus and method of operating image diagnosis support apparatus Download PDFInfo
- Publication number
- JP5989354B2 JP5989354B2 JP2012029469A JP2012029469A JP5989354B2 JP 5989354 B2 JP5989354 B2 JP 5989354B2 JP 2012029469 A JP2012029469 A JP 2012029469A JP 2012029469 A JP2012029469 A JP 2012029469A JP 5989354 B2 JP5989354 B2 JP 5989354B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- patient
- healthy person
- brain
- region
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims description 41
- 238000000034 method Methods 0.000 title claims description 33
- 210000004556 brain Anatomy 0.000 claims description 99
- 230000002159 abnormal effect Effects 0.000 claims description 80
- 210000004884 grey matter Anatomy 0.000 claims description 78
- 238000006243 chemical reaction Methods 0.000 claims description 58
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 57
- 206010008118 cerebral infarction Diseases 0.000 claims description 17
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 14
- 206010003694 Atrophy Diseases 0.000 claims description 10
- 230000037444 atrophy Effects 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 10
- 206010028980 Neoplasm Diseases 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000010412 perfusion Effects 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims 2
- 238000002600 positron emission tomography Methods 0.000 description 41
- 238000002595 magnetic resonance imaging Methods 0.000 description 37
- 238000002591 computed tomography Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000002059 diagnostic imaging Methods 0.000 description 11
- 208000003174 Brain Neoplasms Diseases 0.000 description 10
- 208000024827 Alzheimer disease Diseases 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 9
- 230000017531 blood circulation Effects 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000004060 metabolic process Effects 0.000 description 4
- 208000024806 Brain atrophy Diseases 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000004153 glucose metabolism Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 210000004885 white matter Anatomy 0.000 description 3
- 230000003925 brain function Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 1
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 238000001801 Z-test Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 210000000877 corpus callosum Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000001769 parahippocampal gyrus Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Landscapes
- Nuclear Medicine (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本発明は、画像診断支援装置及び画像診断支援装置の作動方法に関する。 The present invention relates to an image diagnosis support apparatus and an operation method of the image diagnosis support apparatus.
近年、認知症患者が増加傾向にあり、その中でもアルツハイマー型認知症が50％を占めている。アルツハイマー型認知症は、βアミロイドたんぱく質が脳の神経細胞に蓄積し、神経細胞が破壊・萎縮することによって脳機能が低下することが原因である。主に、海馬・海馬傍回付近の萎縮が最も早く起こるといわれている。 In recent years, the number of patients with dementia has been increasing. Among them, Alzheimer type dementia accounts for 50%. Alzheimer-type dementia is caused by a decrease in brain function caused by accumulation of β-amyloid protein in neurons in the brain, and destruction and atrophy of the neurons. It is said that atrophy near the hippocampus / hippocampal gyrus occurs mainly the earliest.
現在、アルツハイマー型認知症の画像診断方法として、ＰＥＴ（Positron Emission Tomography）やＳＰＥＣＴ（Single Photon Emission Computed Tomography）といった核医学診断装置を用いて標準脳と患者脳の糖代謝や血流量を比較する方法や、ＭＲＩ（Magnetic Resonance Imaging）やＣＴ（Computed Tomography）を用いて標準脳と患者脳の形態を比較し、脳の萎縮の度合いを評価する方法がある（例えば、非特許文献１）。 Currently, as a diagnostic imaging method for Alzheimer-type dementia, a method for comparing glucose metabolism and blood flow in standard and patient brains using nuclear medicine diagnostic equipment such as PET (Positron Emission Tomography) and SPECT (Single Photon Emission Computed Tomography) Alternatively, there is a method of comparing the morphology of the standard brain and the patient brain using MRI (Magnetic Resonance Imaging) or CT (Computed Tomography) to evaluate the degree of brain atrophy (for example, Non-Patent Document 1).
近年、認知症患者は増加傾向にあり、例えば、２０２０年にはアルツハイマー型認知症患者数は１６７万人に達すると予想されている。また、厚生労働省調査によると、若年性認知症患者は５５歳以上から増加する傾向にあり、アルツハイマー型認知症はその約３分の１を占めている。一方、脳梗塞患者は５０歳以上から年齢が上がるごとに徐々に増加する傾向にあり、脳梗塞患者がアルツハイマー型認知症を発症する頻度も増加すると思われる。 In recent years, the number of patients with dementia has been increasing. For example, the number of patients with Alzheimer-type dementia is expected to reach 1,670,000 in 2020. According to a survey by the Ministry of Health, Labor and Welfare, the number of juvenile dementia patients tends to increase from the age of 55 and over, and Alzheimer-type dementia accounts for about one-third. On the other hand, cerebral infarction patients tend to gradually increase with age from 50 years of age and older, and the frequency of cerebral infarction patients developing Alzheimer-type dementia is also likely to increase.
非特許文献１に示す画像診断支援装置では、患者の脳を撮像したＭＲＩ画像から灰白質領域を抽出し、患者の灰白質と健常者の灰白質とを統計的な指標で比較する解析手法を用いている。しかしながら、患者の脳に脳梗塞や脳腫瘍などの異常部位が含まれると、異常部位を含んだＭＲＩ画像から灰白質領域を正しく抽出できないことが知られている。脳梗塞や脳腫瘍の部分はＭＲＩ画像上では輝度が高く(白く)表示されるため、脳の白質部位を灰白質部位と誤認識し、このため、灰白質領域を正しく抽出できなくなる。 In the diagnostic imaging support apparatus shown in Non-Patent Document 1, an analysis method for extracting a gray matter region from an MRI image obtained by imaging a patient's brain and comparing the patient's gray matter with the gray matter of a healthy person using a statistical index. Used. However, it is known that when the patient's brain includes abnormal sites such as cerebral infarction and brain tumor, the gray matter region cannot be correctly extracted from the MRI image including the abnormal site. The portion of the cerebral infarction or brain tumor is displayed with high brightness (white) on the MRI image, so that the white matter portion of the brain is misrecognized as the gray matter portion, and the gray matter region cannot be correctly extracted.
このため、従来は、ＭＲＩ画像を入力した後、入力画像が異常部位を含んでいるかを肉眼で確認し、入力画像が異常部位を含んでいる場合にはその後の解析を断念していた。 For this reason, conventionally, after inputting an MRI image, whether or not the input image includes an abnormal part is confirmed with the naked eye, and if the input image includes an abnormal part, the subsequent analysis is abandoned.
そこで、入力した画像に脳梗塞や脳腫瘍などの異常部位が含まれている場合であってもアルツハイマー型認知症の診断のための解析を行うことができる画像診断支援装置及び画像診断支援装置の作動方法が要望されている。 Therefore, even when the input image includes an abnormal region such as cerebral infarction or brain tumor , the operation of the image diagnosis support device and the image diagnosis support device that can perform analysis for diagnosis of Alzheimer-type dementia A method is desired.
実施形態の画像診断支援装置は、健常者の脳を撮像した健常者画像を保存する記憶部と、患者の脳を撮像した患者画像を入力する入力部と、前記患者画像にある異常部位を検出する検出部と、前記異常部位の領域の画像を正常部位の領域の画像で置換して置換患者画像を生成する置換部と、前記置換患者画像と前記健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記患者画像を変換して変換患者画像を生成する変換部と、前記変換患者画像と前記健常者画像とを比較して両者の差異を表す差異指標を算出する比較部と、前記差異指標が所定の判定基準外となる基準外領域を求め、前記基準外領域が視認できる表示を前記患者画像に重畳して表示用画像を生成する表示画像生成部と、前記表示用画像を表示する表示部と、を備える。 An image diagnosis support apparatus according to an embodiment detects a healthy part image obtained by imaging a healthy person's brain, an input part that inputs a patient image obtained by imaging a patient's brain, and detects an abnormal part in the patient image. A replacement unit that generates a replacement patient image by replacing the image of the region of the abnormal region with the image of the region of the normal region, the replacement patient image, and the healthy subject image, The position conversion data necessary for alignment is acquired, and the patient image is converted using the position conversion data so that each tissue position of the patient's brain matches each tissue position of the healthy person's brain. A conversion unit that generates a converted patient image; a comparison unit that compares the converted patient image and the healthy person image to calculate a difference index that represents a difference between the converted patient image; and a criterion that the difference index is outside a predetermined criterion The outer area is obtained, and the non-reference area is viewed. It comprises a display image generating unit to a display capable of generating a display image to be superimposed on the patient image, and a display unit for displaying the display image.
以下、本発明の実施形態を添付図面に基づいて説明する。 Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
（１）構成
図１は、本実施形態に係る画像診断支援装置１の機能ブロック図であり、併せて画像診断支援装置１に接続される装置等も図示している。
(1) Configuration FIG. 1 is a functional block diagram of an image diagnosis support apparatus 1 according to the present embodiment, and also illustrates devices connected to the image diagnosis support apparatus 1.
画像診断支援装置１には、ネットワーク１０４を介して、ＭＲＩ（Magnetic Resonance Imaging）装置１００、ＣＴ（Computed Tomography）装置１０１、ＰＥＴ（Positron Emission Tomography）装置１０２、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置１０３等のモダリティが接続されている。 The image diagnosis support apparatus 1 includes an MRI (Magnetic Resonance Imaging) apparatus 100, a CT (Computed Tomography) apparatus 101, a PET (Positron Emission Tomography) apparatus 102, and a SPECT (Single Photon Emission Computed Tomography) apparatus 103 via a network 104. Etc. are connected.
画像診断支援装置１はその内部構成として、入力部１０、検出部２０、置換部３０、記憶部４０、変換部５０、比較部６０、表示画像生成部７０、表示部８０等を有している。 The image diagnosis support apparatus 1 includes an input unit 10, a detection unit 20, a replacement unit 30, a storage unit 40, a conversion unit 50, a comparison unit 60, a display image generation unit 70, a display unit 80, and the like as its internal configuration. .
入力部１０は、各モダリティで撮像した患者画像を病院内ＬＡＮ等のネットワーク１０４を介して入力する。本実施形態の画像診断支援装置１では、主に患者の脳画像を取り扱うため、以下の説明においては、患者画像は患者の頭部を撮像した画像とする。 The input unit 10 inputs a patient image captured by each modality via a network 104 such as a hospital LAN. Since the diagnostic imaging support apparatus 1 of the present embodiment mainly handles a patient's brain image, in the following description, the patient image is an image obtained by imaging the patient's head.
検出部２０は、患者画像に脳梗塞や脳腫瘍等の異常部位がある場合は、これらの異常部位を検出する。置換部３０は、異常部位の領域の画像を正常部位の領域の画像で置換して置換患者画像を生成する。記憶部４０は健常者の脳を撮像した健常者画像を保存する。 If the patient image includes abnormal sites such as cerebral infarction and brain tumor, the detection unit 20 detects these abnormal sites. The replacement unit 30 replaces the image of the abnormal part region with the image of the normal part region to generate a replacement patient image. The memory | storage part 40 preserve | saves the healthy person image which imaged the brain of the healthy person.
変換部５０は、置換患者画像と健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、患者の脳の各組織位置が健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記患者画像を変換して変換患者画像を生成する。位置変換データを取得することと、両者の画像の位置関係が一致するように、取得した位置変換データを用いて一方の画像を変換することを、以下、レジストレーション（画像の位置合わせ）と呼ぶことがある。 The conversion unit 50 acquires position conversion data necessary for anatomical alignment between the replacement patient image and the healthy person image, and each tissue position of the patient's brain matches each tissue position of the healthy person's brain. As described above, the patient image is converted using the position conversion data to generate a converted patient image. The acquisition of position conversion data and the conversion of one image using the acquired position conversion data so that the positional relationship between the two images coincides are hereinafter referred to as registration (image alignment). Sometimes.
比較部６０は、変換部５０で生成した変換患者画像と、記憶部４０に保存されている健常者画像とを比較して両者の差異を表す差異指標を算出する。 The comparison unit 60 compares the converted patient image generated by the conversion unit 50 with the healthy person image stored in the storage unit 40, and calculates a difference index representing the difference between the two.
表示画像生成部７０は、算出した差異指標が所定の判定基準範囲外となる画像領域（基準外領域）を求め、基準外領域が視認できる表示を患者画像に重畳して表示用画像を生成する。また、表示部８０は、生成した表示用画像を表示する。上述した各機能ブロックのより詳細な動作については後述する。 The display image generation unit 70 obtains an image region (non-reference region) where the calculated difference index is outside the predetermined determination reference range, and generates a display image by superimposing a display that allows the non-reference region to be visually recognized on the patient image. . The display unit 80 displays the generated display image. A more detailed operation of each functional block described above will be described later.
図２は、画像診断支援装置１のハードウェア構成例を示すブロック図である。画像診断支援装置１は、有線／無線ＬＡＮインターフェース等からなる入力／出力インターフェース２０１、プロセッサ２０２、液晶ディスプレイパネル等からなるディスプレイ装置２０３、マウスやキーボード等からなるユーザインターフェース２０４、ハードディスクドライブ等からなる記憶装置２０５、ＲＡＭ２０６等を有して構成される。 FIG. 2 is a block diagram illustrating a hardware configuration example of the image diagnosis support apparatus 1. The diagnostic imaging support apparatus 1 includes an input / output interface 201 including a wired / wireless LAN interface, a processor 202, a display device 203 including a liquid crystal display panel, a user interface 204 including a mouse and a keyboard, a storage including a hard disk drive, and the like. A device 205, a RAM 206, and the like are included.
入力／出力インターフェース２０１は図１の入力部１０に対応し、ディスプレイ装置２０３は図１の表示部８０に対応する。また、図１の検出部２０、置換部３０、記憶部４０、変換部５０、比較部６０、及び表示画像生成部７０の各ブロックで実現する機能は、記憶装置２０５に保存されるプログラムコードを、プロセッサ２０２が実行することによって実現される。ＲＡＭ２０６は、プロセッサ２０２のワークエリアとして機能する。 The input / output interface 201 corresponds to the input unit 10 in FIG. 1, and the display device 203 corresponds to the display unit 80 in FIG. The functions realized by the blocks of the detection unit 20, the replacement unit 30, the storage unit 40, the conversion unit 50, the comparison unit 60, and the display image generation unit 70 in FIG. This is realized by the execution of the processor 202. The RAM 206 functions as a work area for the processor 202.
（２）動作（第１の実施形態）
以下、画像診断支援装置１の第１の実施形態の動作について説明する。画像診断支援装置１は、アルツハイマー型認知症等の画像診断を支援する装置である。患者の脳を撮像したＭＲＩ画像やＣＴ画像と、健常者の脳（標準脳）のＭＲＩ画像やＣＴ画像とを用いて患者脳と標準脳の形態を比較し、脳の萎縮の度合いを評価する。また、患者の脳を撮像したＰＥＴ画像やＳＰＥＣＴ画像と、標準脳のＰＥＴ画像やＳＰＥＣＴ画像とを用いて、患者脳と標準脳の糖代謝や血流量などを比較して評価する。
(2) Operation (first embodiment)
Hereinafter, the operation of the first embodiment of the diagnostic imaging support apparatus 1 will be described. The image diagnosis support apparatus 1 is an apparatus that supports image diagnosis such as Alzheimer's dementia. Using the MRI image and CT image obtained by imaging the patient's brain and the MRI image and CT image of the healthy person's brain (standard brain), the patient brain and the standard brain are compared, and the degree of brain atrophy is evaluated. . In addition, by using a PET image or SPECT image obtained by imaging the patient's brain and a PET image or SPECT image of the standard brain, the sugar metabolism, blood flow, etc. of the patient brain and the standard brain are compared and evaluated.
第１の実施形態の動作では、脳の萎縮の度合いを患者脳と標準脳とをＭＲＩ画像を用いて比較する手法を採る。第１の実施形態の動作との比較のため、まず従来の画像診断支援装置の動作の概略と、その問題点について簡単に説明しておく。 In the operation of the first embodiment, a method is used in which the degree of brain atrophy is compared between the patient brain and the standard brain using MRI images. For comparison with the operation of the first embodiment, an outline of the operation of the conventional image diagnosis support apparatus and its problems will be briefly described first.
図３は、非特許文献１等における従来の画像診断支援装置の動作の流れを示す図である。本実施形態と同様に、従来の画像診断支援装置においても健常者の脳画像をデータベースとして保有しており、図３のステップＳＴ１６０において、患者の脳画像と健常者の脳画像とを比較する。ステップＳＴ１００〜ＳＴ１５０は比較のための前処理である。まず、ステップＳＴ１００で患者脳のＭＲＩ画像を入力する。ステップＳＴ１１０では、健常者の脳画像と比較するために、患者の脳画像のボクセルサイズを健常者の脳画像のボクセルサイズに一致させる。 FIG. 3 is a diagram showing a flow of operation of a conventional diagnostic imaging support apparatus in Non-Patent Document 1 or the like. Similarly to the present embodiment, the conventional image diagnosis support apparatus also holds a brain image of a healthy person as a database, and the brain image of the patient is compared with the brain image of the healthy person in step ST160 of FIG. Steps ST100 to ST150 are preprocessing for comparison. First, a patient brain MRI image is input in step ST100. In step ST110, in order to compare with the brain image of the healthy person, the voxel size of the brain image of the patient is matched with the voxel size of the brain image of the healthy person.
次に、ステップＳＴ１２０で患者の脳画像から灰白質領域を抽出する。アルツハイマー型認知症は神経細胞が破壊・萎縮することによって脳機能が低下することが主な原因であり、脳の神経細胞の細胞体は灰白質に在る。そこで、脳画像から灰白質領域を抽出し、患者の灰白質の画像濃度（輝度）と健常者の灰白質の画像濃度（輝度）とを比較することによって患者の脳神経細胞の萎縮や破壊の程度を推定することができる。このために、ステップＳＴ１２０で患者の脳画像から灰白質領域を抽出している。 Next, in step ST120, a gray matter region is extracted from the brain image of the patient. Alzheimer-type dementia is mainly caused by a decrease in brain function due to destruction and atrophy of nerve cells, and the cell bodies of brain nerve cells are in gray matter. Therefore, the degree of atrophy or destruction of the brain neurons of the patient by extracting the gray matter region from the brain image and comparing the image density (luminance) of the patient's gray matter with the image density (luminance) of the gray matter of the healthy subject Can be estimated. For this purpose, a gray matter region is extracted from the brain image of the patient in step ST120.
ステップＳＴ１４０では、患者画像から抽出した灰白質画像の解剖学的標準化を行っている。患者の灰白質画像と、健常者の灰白質画像とを比較するためには、ボクセルサイズの一致だけでは不十分であり、患者と健常者の解剖学的な同一脳組織の位置を予め併せておく必要がある。この位置合わせを画像上で行う処理が解剖学的位置合わせである。具体的には、拡大／縮小や、移動／回転等の線形変換の他、局所的な変形を伴う非線形変換を患者画像に対して施すことによって、患者画像の解剖学的位置関係を健常者画像に一致させる。ステップＳＴ１４０の前後に行われる平滑化（ステップＳＴ１３０、１５０）は、患者の個人差による灰白質の微小形状の違いを弱めるための処理である。 In step ST140, anatomical standardization of the gray matter image extracted from the patient image is performed. In order to compare the gray matter image of the patient with the gray matter image of the healthy subject, it is not sufficient to match the voxel size alone, and the positions of the same anatomical brain tissue of the patient and the healthy subject are combined in advance. It is necessary to keep. The process of performing this alignment on the image is anatomical alignment. More specifically, in addition to linear transformation such as enlargement / reduction and movement / rotation, the patient image is subjected to non-linear transformation with local deformation, so that the anatomical positional relationship of the patient image can be determined. To match. The smoothing performed before and after step ST140 (steps ST130 and 150) is a process for weakening the difference in gray matter micro shape due to individual differences among patients.
このようにして比較のための準備が終わると、ステップＳＴ１６０において、患者の灰白質の画像濃度（輝度）と健常者の灰白質の画像濃度（輝度）とが比較され、両者の差異を表す指標としてのＺ−スコアが、患者画像のボクセル毎に算出される。Ｚ−スコアとは、患者の灰白質画像のボクセル値（ボクセルの輝度）が、健常者の平均ボクセル値からどれだけの標準偏差分離れているかを示す値である。ステップＳＴ１７０では、算出したＺ−スコアを、その大きさに応じて色分けして、患者画像に重ねて表示している。 When the preparation for comparison is completed in this way, in step ST160, the image density (luminance) of the patient's gray matter is compared with the image density (luminance) of the gray matter of the healthy person, and an index representing the difference between the two. Is calculated for each voxel of the patient image. The Z-score is a value indicating how much the standard deviation is separated from the average voxel value of the healthy subject by the voxel value (voxel brightness) of the gray matter image of the patient. In step ST170, the calculated Z-score is color-coded according to its size and displayed superimposed on the patient image.
上述した従来の処理（ステップＳＴ１００〜ＳＴ１７０）では、灰白質抽出処理（ステップＳＴ１２０）が正しく行われることを前提としている。しかしながら、患者の脳に脳梗塞や脳腫瘍などの異常部位が含まれると、異常部位を含んだＭＲＩ画像から灰白質領域を正しく抽出できない。脳梗塞や脳腫瘍の部分はＭＲＩ画像上では輝度が高く(白く)表示されるため、脳の白質部位を灰白質部位と誤認識し、このため、灰白質領域を正しく抽出できなくなる。図４は、上記の従来の問題点を模式的に示す図である。 In the above-described conventional processing (steps ST100 to ST170), it is assumed that the gray matter extraction processing (step ST120) is correctly performed. However, if the patient's brain contains abnormal sites such as cerebral infarction and brain tumor, the gray matter region cannot be correctly extracted from the MRI image including the abnormal site. The portion of the cerebral infarction or brain tumor is displayed with high brightness (white) on the MRI image, so that the white matter portion of the brain is misrecognized as the gray matter portion, and the gray matter region cannot be correctly extracted. FIG. 4 is a diagram schematically showing the conventional problem described above.
図４（ａ）は、脳梗塞や脳腫瘍等の異常部位を含まない脳のＭＲＩ画像（アキシャル画像）から灰白質領域を抽出する例であり、この場合、灰白質領域は正しく抽出される。一方、図４（ｂ）は、脳梗塞や脳腫瘍等の異常部位を含む脳のＭＲＩ画像（同じくアキシャル画像）から灰白質領域を抽出する例である。この場合、異常部位と灰白質とが分離できず、異常部位を含んだ領域が灰白質領域として誤抽出されてしまう。なお、通常のＭＲＩ画像では、背景が黒であり灰白質領域が白（高輝度）として表示されるが、図４では（以降の図も同様）、説明の便宜上、白黒の輝度を逆転させ、背景を白色とし灰白質の色を黒っぽい色で表現している。 FIG. 4A shows an example in which a gray matter region is extracted from an MRI image (axial image) of the brain that does not include an abnormal site such as a cerebral infarction or a brain tumor. In this case, the gray matter region is correctly extracted. On the other hand, FIG. 4B is an example in which a gray matter region is extracted from an MRI image (also an axial image) of the brain including abnormal sites such as cerebral infarction and brain tumor. In this case, the abnormal part and the gray matter cannot be separated, and the region including the abnormal part is erroneously extracted as the gray matter region. In a normal MRI image, the background is black and the gray matter area is displayed as white (high brightness). However, in FIG. 4 (the same applies to the following figures), the black and white brightness is reversed for convenience of explanation. The background is white and grayish color is expressed in blackish color.
このように、患者脳に脳梗塞や脳腫瘍などの異常部位があると、評価すべき本来の灰白質領域が誤って抽出され、ステップＳＴ１３０以降の処理において信頼性の有る結果を得ることができなくなる。このため、従来は、ＭＲＩ画像を入力した後、入力画像が異常部位を含んでいるかを肉眼で確認し、入力画像が異常部位を含んでいる場合にはその後の解析を断念していた。 Thus, if there is an abnormal site such as a cerebral infarction or a brain tumor in the patient brain, the original gray matter region to be evaluated is erroneously extracted, and it becomes impossible to obtain a reliable result in the processing after step ST130. . For this reason, conventionally, after inputting an MRI image, whether or not the input image includes an abnormal part is confirmed with the naked eye, and if the input image includes an abnormal part, the subsequent analysis is abandoned.
第１の実施形態に係る画像診断支援装置１は、上記のような従来の不都合を解消するものである。 The diagnostic imaging support apparatus 1 according to the first embodiment solves the conventional inconvenience as described above.
図５は、第１の実施形態に係る画像診断支援装置１の処理の流れを示す図である。まず、ステップＳＴ１において、患者脳をＭＲＩ装置１００で撮像したＭＲＩ患者画像を入力する。ここで入力するＭＲＩ画像は、Ｔ１強調画像やＴ２強調画像といった形態画像の他、好ましくはＤＷＩ（拡散強調画像）画像、ＰＷＩ（灌流強調画像）画像、ＭＲＡ（Magnetic Resonance Angiography）画像を含む。ＤＷＩ画像、ＰＷＩ画像、及びＭＲＡ画像は、後述するように患者の脳画像における脳梗塞や脳腫瘍といった異常部位を検出するために使用される画像であり、健常者との比較に用いられる画像はＴ１強調画像やＴ２強調画像といった形態画像である。したがって、以下特に明示しない限りは、患者画像（或いはＭＲＩ患者画像）という場合は、Ｔ１強調画像やＴ２強調画像といった形態画像を指すものとする。 FIG. 5 is a diagram illustrating a processing flow of the diagnostic imaging support apparatus 1 according to the first embodiment. First, in step ST1, an MRI patient image obtained by imaging the patient brain with the MRI apparatus 100 is input. The MRI image input here preferably includes a DWI (diffusion weighted image) image, a PWI (perfusion weighted image) image, and an MRA (Magnetic Resonance Angiography) image in addition to morphological images such as a T1 weighted image and a T2 weighted image. The DWI image, the PWI image, and the MRA image are images used to detect abnormal sites such as cerebral infarction and brain tumor in a patient's brain image, as will be described later. The image used for comparison with a healthy person is T1. It is a morphological image such as an enhanced image or a T2 enhanced image. Therefore, unless otherwise specified below, a patient image (or MRI patient image) refers to a morphological image such as a T1-weighted image or a T2-weighted image.
ステップＳＴ２では入力したＭＲＩ患者画像から異常部位を検出する。ステップＳＴ３では、検出した異常部位の領域の画像を正常部位の領域の画像で置換して置換患者画像を生成する。 In step ST2, an abnormal site is detected from the input MRI patient image. In step ST3, the detected abnormal part region image is replaced with a normal part region image to generate a replacement patient image.
図６は、ステップＳＴ２、ＳＴ３の詳細な処理フローを示す図である。図６のステップＳＴ２１では、入力した患者画像（頭部画像）から脳領域を抽出する。 FIG. 6 is a diagram showing a detailed processing flow of steps ST2 and ST3. In step ST21 of FIG. 6, a brain region is extracted from the input patient image (head image).
次に、ステップＳＴ２２において異常部位の抽出を行う。患者画像に脳梗塞部位が含まれている場合は、ＤＷＩ画像とＰＷＩ画像を用いて、公知の灌流強調画像／拡散強調画像ミスマッチ法により梗塞部位を特定する。患者画像に腫瘍が含まれている場合は、ＭＲＡ画像を用いて、同じく公知のリージョングローイング法により腫瘍部位を特定する。 Next, an abnormal part is extracted in step ST22. If the patient image includes a cerebral infarction site, the infarct site is identified by a known perfusion weighted image / diffusion weighted image mismatch method using the DWI image and the PWI image. If the patient image includes a tumor, the MRA image is used to specify the tumor site by the same known region growing method.
一方、ステップＳＴ２３において患者脳を右脳と左脳に分割する。そして、ステップＳＴ２４において、分割した右脳と左脳の外形形状が略対称となるように、右脳の輪郭と左脳の輪郭を一致させるよう、右脳又は左脳のいずれか一方の形状を他方に合わせる。この処理を右脳と左脳の輪郭レジストレーションと呼ぶ。 On the other hand, in step ST23, the patient brain is divided into a right brain and a left brain. Then, in step ST24, the shape of either the right brain or the left brain is matched with the other so that the contours of the right brain and the left brain coincide with each other so that the outer shapes of the divided right and left brains are substantially symmetrical. This process is called right and left brain contour registration.
そして、ステップＳＴ２５において、脳梁を軸に脳を折り畳んだとき、左脳と右脳とで異常部位が重なるか否かを判定する。つまり、異常部位が、患者脳の右脳と左脳において対称となる位置の両方に存在するのか、或いは一方のみに存在するのかを判定する。 In step ST25, when the brain is folded around the corpus callosum, it is determined whether or not the abnormal region overlaps between the left brain and the right brain. That is, it is determined whether the abnormal site exists in both the right and left brains of the patient brain, or in only one of them.
図７は、輪郭レジストレーション以降の置換処理の概念を示す図である。図７（ａ）に示すように、異常部位が患者脳の右脳と左脳において対称となる位置の一方のみに存在する場合（片側異常の場合）は、他方の位置にある正常部位の領域の画像で前記異常部位の領域の画像を置換する（ステップＳＴ２６）。 FIG. 7 is a diagram showing the concept of replacement processing after contour registration. As shown in FIG. 7A, when the abnormal part exists only in one of the symmetrical positions in the right and left brains of the patient brain (in the case of an abnormality on one side), an image of the region of the normal part in the other position To replace the image of the region of the abnormal part (step ST26).
一方、図７（ｂ）に示すように、異常部位が患者脳の右脳と左脳において対称となる位置の両方に存在する場合（両側異常の場合）は、記憶部４０に保存されている健常者画像から患者画像の異常部位の位置に該当する領域にある正常部位の画像を抽出し、異常部位の領域の画像を、抽出した正常部位の画像で置換する（ステップＳＴ２８）。なお、この置換に先立ち、健常者脳と患者脳とで輪郭レジストレーションを行い、健常者脳の輪郭形状と患者脳の輪郭形状とが合致するように健常者画像を変換しておく（ステップＳＴ２７）。 On the other hand, as shown in FIG. 7B, when the abnormal part exists in both the right and left brains of the patient brain in a symmetrical position (in the case of bilateral abnormality), the healthy person stored in the storage unit 40 An image of a normal part in the region corresponding to the position of the abnormal part of the patient image is extracted from the image, and the image of the abnormal part is replaced with the extracted image of the normal part (step ST28). Prior to this replacement, contour registration is performed between the healthy subject brain and the patient brain, and the healthy subject image is converted so that the contour shape of the healthy subject brain matches the contour shape of the patient brain (step ST27). ).
上記のように、患者画像の異常部位を、同じ患者画像の対称位置にある正常部位と置換した画像、或いは、健常者画像の対応する位置にある正常部位と置換した画像を、以下、置換患者画像と呼ぶ。 As described above, an image obtained by replacing an abnormal part of a patient image with a normal part at a symmetric position of the same patient image or an image obtained by replacing a normal part at a corresponding position of a healthy person image is hereinafter referred to as a replacement patient. Called an image.
図５に戻る。ステップＳＴ４〜ステップＳＴ１３までの処理について、以下、図８〜図１０に示す、模式的な脳のアキシャル画像を参照しつつ説明する。 Returning to FIG. The processes from step ST4 to step ST13 will be described below with reference to schematic brain axial images shown in FIGS.
図８の左上の画像Ａが入力された患者画像Ａであり、画像ＢがステップＳＴ２、ＳＴ３の置換処理によって生成される置換患者画像である。置換患者画像Ｂは、患者画像Ａの右上にある異常部位が正常部位で置換された画像である。 The upper left image A in FIG. 8 is the input patient image A, and the image B is the replacement patient image generated by the replacement processing in steps ST2 and ST3. The replacement patient image B is an image in which the abnormal part at the upper right of the patient image A is replaced with a normal part.
ステップＳＴ４では、患者画像Ａと健常者画像とをボクセル単位で比較するために、ボクセルサイズを等しくする等大化処理を行う。次のステップＳＴ５では、置換患者画像Ｂに対して、灰白質領域、白質領域、脳脊髄液領域の分割を行って灰白質抽出を行う。分割処理は、例えば、k-means法等の公知技術を用いることができる。各領域に分割した後、灰白質領域のみを抽出する。図８の画像Ｃが、置換患者画像Ｂから灰白質領域のみが抽出された患者灰白質画像Ｃである。 In step ST4, in order to compare the patient image A and the healthy subject image in units of voxels, an equalization process for equalizing the voxel sizes is performed. In the next step ST5, gray matter extraction is performed on the replacement patient image B by dividing the gray matter region, the white matter region, and the cerebrospinal fluid region. For the division processing, for example, a known technique such as a k-means method can be used. After dividing into each region, only the gray matter region is extracted. An image C in FIG. 8 is a patient gray matter image C in which only the gray matter region is extracted from the replacement patient image B.
ステップＳＴ６では、患者灰白質画像Ｃに対して公知のフィルタ処理を行って平滑化する。平滑化は、患者の個人差による灰白質の微小形状の違いを弱めるための処理である。 In step ST6, the patient gray matter image C is smoothed by performing known filter processing. Smoothing is a process for weakening the difference in gray matter shape due to individual differences among patients.
記憶部４０には、健常者画像と共に、健常者画像から灰白質領域が抽出された健常者灰白質画像Ｄも保存されている。ステップＳＴ７では、この健常者灰白質画像Ｄと患者灰白質画像Ｃとから位置変換データを取得する。位置変換データは、健常者灰白質画像Ｄと患者灰白質画像Ｃにおいて解剖学的に同じとみなせる組織同士の位置の差を、ボクセル毎、或いは適宜の大きさで画像を分割した格子毎に、ベクトルとして求めたデータである。位置変換データは、ボクセル毎、或いは格子毎のベクトルの集合、即ちベクトル場であり、Warp Fieldとも呼ばれる。図８のＥは、この位置変換データ（Warp Field）の概念を模式的に示したものである。 In the storage unit 40, a healthy person gray matter image D in which a gray matter region is extracted from the healthy person image is stored together with the healthy person image. In step ST7, position conversion data is acquired from the healthy person gray matter image D and the patient gray matter image C. The position conversion data is the difference in position between tissues that can be considered anatomically the same in the healthy subject gray matter image D and the patient gray matter image C, for each voxel or for each lattice obtained by dividing the image by an appropriate size. Data obtained as a vector. The position conversion data is a set of vectors for each voxel or grid, that is, a vector field, and is also called a Warp Field. E in FIG. 8 schematically shows the concept of the position conversion data (Warp Field).
他方、異常部位を含む患者画像Ａ（図９の画像Ａ）に対しても、ステップＳＴ４〜ＳＴ６同様に、ボクセル等大化処理（ステップＳＴ８）、灰白質抽出処理（ステップＳＴ９）、及び平滑化処理（ステップＳＴ１０）が行われる。ステップＳＴ９の灰白質抽出処理は異常部位を含む患者画像Ａに対して行われるため、図４で説明したように異常部位が灰白質と誤認され得る。この結果、図９の画像Ｆに示すように、抽出された患者灰白質画像Ｆは、異常部位領域を含んだ画像となる。 On the other hand, voxel equalization processing (step ST8), gray matter extraction processing (step ST9), and smoothing are performed on the patient image A including the abnormal site (image A in FIG. 9) as in steps ST4 to ST6. Processing (step ST10) is performed. Since the gray matter extraction process in step ST9 is performed on the patient image A including the abnormal part, the abnormal part may be mistaken for the gray matter as described in FIG. As a result, as shown in the image F of FIG. 9, the extracted patient gray matter image F is an image including an abnormal region.
ステップＳＴ１１では、先のステップＳＴ７で取得された位置変換データ（Warp Field）を用いて、患者画像変換処理を行う。この結果、患者灰白質画像Ｆは変形され、患者灰白質画像Ｆの脳の各組織位置は、健常者灰白質画像Ｄの脳の各組織位置に合致するようなる。この変形された画像が、図９に示す変換患者画像Ｇである。 In step ST11, patient image conversion processing is performed using the position conversion data (Warp Field) acquired in the previous step ST7. As a result, the patient gray matter image F is deformed, and each tissue position of the brain of the patient gray matter image F matches the tissue position of the brain of the healthy subject gray matter image D. This transformed image is a converted patient image G shown in FIG.
ステップＳＴ１２では、健常者灰白質画像Ｄと変換患者画像Ｇとを比較して、両者の差異を表す差異指標を算出する。差異指標の一例としては、非特許文献１等でも用いられているＺ−スコアがある。Ｚ−スコアは、患者の灰白質画像のボクセル値（ボクセルの輝度）が、健常者の平均ボクセル値からどれだけの標準偏差分離れているかを示す値である。変換患者画像Ｇのボクセル値をＸ、健常者の平均ボクセル値をμ、健常者のボクセル値の標準偏差をσとすると、Ｚ−スコアは、
Ｚ−スコア＝（μ−Ｘ）／σ （式１）
で表すことができる。データベース（記憶部４０）には、複数の健常者の健常者灰白質画像Ｄが保存されており、健常者の平均ボクセル値μと標準偏差σは、健常者灰白質画像Ｄの各ボクセル位置（或いは所定の各局所）における複数健常者のボクセル値から求めた平均値と標準偏差である。
In step ST12, the healthy person gray matter image D and the converted patient image G are compared, and a difference index representing the difference between the two is calculated. As an example of the difference index, there is a Z-score that is also used in Non-Patent Document 1 and the like. The Z-score is a value indicating how much the standard deviation is separated from the average voxel value of the healthy subject by the voxel value (voxel luminance) of the gray matter image of the patient. Assuming that the voxel value of the transformed patient image G is X, the average voxel value of healthy subjects is μ, and the standard deviation of voxel values of healthy subjects is σ, the Z-score is
Z-score = (μ−X) / σ (Formula 1)
Can be expressed as A healthy person gray matter image D of a plurality of healthy persons is stored in the database (storage unit 40), and the average voxel value μ and the standard deviation σ of the healthy person are the voxel positions ( Alternatively, the average value and the standard deviation obtained from the voxel values of a plurality of healthy persons in each predetermined local area).
（式１）に示すＺ−スコアは、一般的なＺ−検定で用いられるものと類似した値である。Ｚ−スコアが大きい程、即ち、患者の灰白質画像のボクセル値Ｘが健常者の灰白質画像の平均ボクセル値μより小さいほど、患者の灰白質の萎縮の程度が大きいと考えることがきる。また、Ｚ−スコアが所定の閾値、例えば、２より大きい領域は、その患者の灰白質が縮小している領域であると考えることもできる。 The Z-score shown in (Formula 1) is a value similar to that used in a general Z-test. It can be considered that the greater the Z-score, that is, the smaller the average voxel value μ of the gray matter image of the healthy person, the greater the degree of atrophy of the patient's gray matter. Further, a region where the Z-score is larger than a predetermined threshold, for example, 2 can be considered as a region where the gray matter of the patient is reduced.
そこで、Ｚ−スコアが所定の閾値よりも大きい領域（基準外領域）を抽出し、その領域を健常者灰白質画像Ｄと変換患者画像Ｇとの比較結果を示す画像Ｈに表現している。 Therefore, an area (non-reference area) whose Z-score is larger than a predetermined threshold is extracted, and the area is expressed as an image H indicating a comparison result between the healthy person gray matter image D and the converted patient image G.
一方、変換患者画像Ｇの異常部位と健常者灰白質画像Ｄの対応する部位とを比較して求めたＺ−スコアは、その値の大小に関わらず信頼性のない、或いは信頼性の低い値である。そこで、異常部位に該当する領域を識別できるように画像Ｈに表現している。 On the other hand, the Z-score obtained by comparing the abnormal part of the converted patient image G with the corresponding part of the gray matter image D of the healthy person is an unreliable or unreliable value regardless of the magnitude of the value. It is. Therefore, the region corresponding to the abnormal part is expressed in the image H so that it can be identified.
最後に、ステップＳＴ１３では、比較結果画像Ｈを患者画像Ａの形状に位置あわせし、図１０に示すように、患者画像Ａに重畳して表示用画像Ｊ或いは表示用画像Ｋを生成している。表示用画像Ｊ、Ｋでは、Ｚ−スコアが所定の閾値を超える領域をカラー表示し、さらにＺ−スコアの値に応じて色分けすることにより、灰白質が萎縮した領域と、萎縮の程度が表示用画像Ｊ、Ｋから一目瞭然となるようにしている。また、異常部位におけるＺ−スコアが仮に高かったとしても、その値は信頼できないことを瞬時に知らしめるため、異常部位の領域を強調表示している。例えば、異常領域の範囲を囲む表示や（表示用画像Ｊ）、異常領域の内部を削除（ブランク表示）する（表示用画像Ｋ）等の強調表示を行っている。 Finally, in step ST13, the comparison result image H is aligned with the shape of the patient image A, and the display image J or the display image K is generated by being superimposed on the patient image A as shown in FIG. . In the display images J and K, the area where the Z-score exceeds the predetermined threshold is displayed in color, and further, the color is classified according to the value of the Z-score, thereby displaying the area where the gray matter is atrophy and the degree of atrophy. The images J and K are clearly visible. Further, even if the Z-score in the abnormal part is high, the region of the abnormal part is highlighted in order to instantly notify that the value is not reliable. For example, display that surrounds the range of the abnormal region (display image J) and highlighting such as deleting the inside of the abnormal region (blank display) (display image K) are performed.
なお、上記処理のうち、ステップＳＴ２の処理を図１の検出部２０、ステップＳＴ３の処理を置換部３０、ステップＳＴ４〜ステップＳＴ１１までの処理を変換部５０、ステップＳＴ１２の処理を比較部６０、ステップＳＴ１３の処理を表示画像生成部７０で行っている。 Of the above processes, the process of step ST2 is the detection unit 20 in FIG. 1, the process of step ST3 is the replacement unit 30, the process from step ST4 to step ST11 is the conversion unit 50, the process of step ST12 is the comparison unit 60, The display image generation unit 70 performs the process of step ST13.
上述した第１の実施形態に係る画像診断支援装置１では、異常部位の検出と正常部位への置換が自動的に行われるため、患者脳に異常部位が含まれるか否かを事前に肉眼で確認する必要が無い。また、異常部位が正常部位で置換された患者灰白質画像Ｃと健常者灰白質画像Ｄとから位置変換データ（Warp Field）を取得しているため、入力した患者画像Ａに脳梗塞や腫瘍などがあってもこれらの影響を受けない正しい位置変換データ（Warp Field）を得ることができる。その結果、健常者灰白質画像Ｄとの比較の対象となる変換患者画像Ｇを高い信頼性で生成することができ、灰白質萎縮の程度を示す差異指標（Ｚ−スコア）も高い信頼性で算出することが可能となる。 In the diagnostic imaging support apparatus 1 according to the first embodiment described above, since the detection of the abnormal part and the replacement with the normal part are automatically performed, whether or not the abnormal part is included in the patient brain with the naked eye in advance. There is no need to check. In addition, since position conversion data (Warp Field) is acquired from the patient gray matter image C and the healthy subject gray matter image D in which the abnormal part is replaced with the normal part, cerebral infarction, tumor, etc. are included in the input patient image A. Even if there is, correct position conversion data (Warp Field) that is not affected by these can be obtained. As a result, the transformed patient image G to be compared with the gray matter image D of the healthy person can be generated with high reliability, and the difference index (Z-score) indicating the degree of gray matter atrophy is also highly reliable. It is possible to calculate.
（３）動作（第２の実施形態）
前述した第１の実施形態では、萎縮の度合いを算出する処理において、患者画像と健常者画像のいずれにおいてもＭＲＩ画像を利用している。これに対して、第２の実施形態では、患者画像と健常者画像の位置合わせに必要な位置変換データ（Warp Field）は、第１の実施形態と同様にＭＲＩ患者画像とＭＲＩ健常者画像を用いて取得するものの、取得した位置変換データ（Warp Field）を用いて変換する対象は、ＭＲＩ患者画像ではなく、ＰＥＴ装置１０２で撮像したＰＥＴ画像（或いはＳＰＥＣＴ装置１０３で撮像したＳＰＥＣＴ画像）である。
(3) Operation (second embodiment)
In the first embodiment described above, in the process of calculating the degree of atrophy, MRI images are used for both patient images and healthy subject images. On the other hand, in the second embodiment, the position conversion data (Warp Field) necessary for the alignment of the patient image and the healthy person image is the same as in the first embodiment, as the MRI patient image and the MRI healthy person image. The object to be converted using the acquired position conversion data (Warp Field) is not an MRI patient image but a PET image captured by the PET apparatus 102 (or a SPECT image captured by the SPECT apparatus 103). .
第２の実施形態では、ＭＲＩ患者画像とは別に患者のＰＥＴ画像（或いはＳＰＥＣＴ画像）を入力し、入力したＰＥＴ患者画像（或いはＳＰＥＣＴ患者画像）を健常者のＰＥＴ画像（或いはＳＰＥＣＴ患者画像）に合致するように変換する。そして、変換したＰＥＴ患者画象（或いはＳＰＥＣＴ患者画像）と健常者のＰＥＴ画像（或いはＳＰＥＣＴ画像）とを比較し、両者の差異指標を算出する。例えば、ＰＥＴ画像の場合は両者の糖代謝量の差を差異指標として算出する。また、ＳＰＥＣＴ画像の場合は両者の血流量の差を差異指標として算出する。 In the second embodiment, a PET image (or SPECT image) of a patient is input separately from an MRI patient image, and the input PET patient image (or SPECT patient image) is converted into a PET image (or SPECT patient image) of a healthy person. Convert to match. Then, the converted PET patient image (or SPECT patient image) is compared with the PET image (or SPECT image) of a healthy person, and a difference index between them is calculated. For example, in the case of a PET image, the difference between both sugar metabolisms is calculated as a difference index. In the case of a SPECT image, the difference in blood flow between the two is calculated as a difference index.
図１１は、第２の実施形態に係る画像診断支援装置１の処理の流れを示す図である。ステップＳＴ５０では、第１の実施形態と同様にＭＲＩ患者画像を入力する一方、患者のＰＥＴ画像又はＳＰＥＣＴ画像を入力する。図１１において（図１２も同様）、「ＰＥＴ／ＳＰＥＣＴ」の表記は、「ＰＥＴ又はＳＰＥＣＴ」の意である。 FIG. 11 is a diagram illustrating a processing flow of the diagnostic imaging support apparatus 1 according to the second embodiment. In step ST50, the MRI patient image is input as in the first embodiment, while the patient's PET image or SPECT image is input. In FIG. 11 (also in FIG. 12), the notation “PET / SPECT” means “PET or SPECT”.
ステップＳＴ２〜ステップＳＴ７までの処理は図５等で説明した処理と同じであるため、説明を省略する。 The processing from step ST2 to step ST7 is the same as the processing described with reference to FIG.
ステップＳＴ７の処理により、ＭＲＩ置換患者画像とＭＲＩ健常者画像との各組織の位置の差を表す位置変換データ（１）（Warp Field(1)）が取得される。 By the process of step ST7, position conversion data (1) (Warp Field (1)) representing the difference in position of each tissue between the MRI replacement patient image and the MRI healthy person image is acquired.
一方、ステップＳＴ５１では、入力したＰＥＴ／ＳＰＥＣＴ患者画像と、ステップＳＴ３で生成したＭＲＩ置換患者画像とのレジストレーションを行う。このレジストレーションにより、ＰＥＴ／ＳＰＥＣＴ患者画像とＭＲＩ置換患者画像との各組織の位置の差を表す位置変換データ（２）（Warp Field(2)）が取得される。 On the other hand, in step ST51, registration is performed between the input PET / SPECT patient image and the MRI replacement patient image generated in step ST3. By this registration, position conversion data (2) (Warp Field (2)) representing a difference in position of each tissue between the PET / SPECT patient image and the MRI replacement patient image is acquired.
ステップＳＴ５２では、位置変換データ（１）と位置変換データ（２）とを用いて、ＰＥＴ／ＳＰＥＣＴ患者画像をＰＥＴ／ＳＰＥＣＴ健常者画像に合致させるための変換を行い、ＰＥＴ／ＳＰＥＣＴ変換患者画像を生成する。なお、ＰＥＴ／ＳＰＥＣＴ健常者画像とＭＲＩ健常者画像は共に記憶部４０に保存されており、ＭＲＩ健常者画像との間はレジストレーションが既になされているものとする。 In step ST52, the position conversion data (1) and the position conversion data (2) are used to perform conversion for matching the PET / SPECT patient image with the PET / SPECT healthy person image, and the PET / SPECT converted patient image Generate. It is assumed that both the PET / SPECT healthy person image and the MRI healthy person image are stored in the storage unit 40, and registration with the MRI healthy person image has already been made.
ステップＳＴ５３では、ＰＥＴ／ＳＰＥＣＴ変換患者画像とＰＥＴ／ＳＰＥＣＴ健常者画像とが比較され、両者の差異を表す指標として、糖代謝量の差や血流量の差がボクセル毎に算出される。そして、糖代謝量の差や血流量の差が、所定の範囲を超える領域を基準外領域として求める。 In step ST53, the PET / SPECT converted patient image and the PET / SPECT healthy subject image are compared, and a difference in glucose metabolism and a difference in blood flow are calculated for each voxel as an index representing the difference between the two. Then, a region where the difference in sugar metabolism or the difference in blood flow exceeds a predetermined range is determined as a non-reference region.
そして、ステップＳＴ５４において、算出された基準外領域が差異指標値の大きさに応じて色分けされ、ＰＥＴ／ＳＰＥＣＴ患者画像に重畳されて表示される。 In step ST54, the calculated non-reference region is color-coded according to the magnitude of the difference index value, and is displayed superimposed on the PET / SPECT patient image.
（４）動作（第３の実施形態）
上記の第２の実施形態と第３の実施形態とでは、患者画像と健常者画像の位置合わせに必要な位置変換データ（Warp Field）を、ＭＲＩ画像を用いず、ＣＴ装置１０１で撮像したＣＴ画像から取得している点において相違する。しかしながら、比較対象は第２の実施形態と同様に、ＰＥＴ／ＳＰＥＣＴ患者画像とＰＥＴ／ＳＰＥＣＴ健常者画像である。
(4) Operation (Third Embodiment)
In the second embodiment and the third embodiment described above, CT obtained by using the CT apparatus 101 for position conversion data (Warp Field) necessary for alignment of a patient image and a healthy person image without using an MRI image It differs in that it is acquired from the image. However, the comparison target is the PET / SPECT patient image and the PET / SPECT healthy subject image, as in the second embodiment.
図１２は、第３の実施形態に係る画像診断支援装置１の処理の流れを示す図である。ステップＳＴ６０では、ＣＴ患者画像とＰＥＴ／ＳＰＥＣＴ患者画像を入力する。このうち、ＣＴ患者画像は位置変換データを取得するために使用される。 FIG. 12 is a diagram illustrating a processing flow of the diagnostic imaging support apparatus 1 according to the third embodiment. In step ST60, a CT patient image and a PET / SPECT patient image are input. Among these, the CT patient image is used to acquire position conversion data.
ステップＳＴ６１、ＳＴ６２では、入力したＣＴ患者画像の脳梗塞等の異常部位を公知の技術を用いて検出し、検出した異常部位を正常部位で置換する処理を行う。ステップＳＴ６１、ＳＴ６２の処理は、処理対象がＣＴ画像とＭＲＩ画像とで異なるものの、処理の内容自体は第１、第２の実施形態（ステップＳＴ２、ＳＴ３）と同じである。即ち、片側異常の場合には、同じＣＴ患者画像の対称位置にある正常部位を抽出して異常部位と置換する。両側異常の場合には、記憶部４０に保存しているＣＴ健常者画像から対応する正常部位を抽出して異常部位と置換する。 In steps ST61 and ST62, an abnormal region such as cerebral infarction in the input CT patient image is detected using a known technique, and the detected abnormal region is replaced with a normal region. The processing of steps ST61 and ST62 is the same as that of the first and second embodiments (steps ST2 and ST3), although the processing object differs between the CT image and the MRI image. That is, in the case of an abnormality on one side, a normal part at the symmetrical position of the same CT patient image is extracted and replaced with the abnormal part. In the case of abnormalities on both sides, the corresponding normal part is extracted from the CT healthy subject image stored in the storage unit 40 and replaced with the abnormal part.
ステップＳＴ６３では、ステップＳＴ６２で生成されたＣＴ置換患者画像と、記憶部４０に保存しているＣＴ健常者画像との間でレジストレーションを行い、両者の位置合わせに必要な位置変換データ（１）(Warp Field(1))を取得する。 In step ST63, registration is performed between the CT replacement patient image generated in step ST62 and the CT healthy subject image stored in the storage unit 40, and the position conversion data (1) necessary for the alignment between the two. Get (Warp Field (1)).
一方、ステップＳＴ６４では、ＣＴ置換患者画像と、入力したＰＥＴ／ＳＰＥＣＴ患者画像との間でレジストレーションを行い、両者の位置合わせに必要な位置変換データ（２）(Warp Field(2))を取得する。 On the other hand, in step ST64, registration is performed between the CT replacement patient image and the input PET / SPECT patient image, and position conversion data (2) (Warp Field (2)) necessary for the registration of both is obtained. To do.
そして、ステップＳＴ６５において、位置変換データ（１）と位置変換データ（２）とを用いて、ＰＥＴ／ＳＰＥＣＴ患者画像をＰＥＴ／ＳＰＥＣＴ健常者画像に合致させるための変換を行い、ＰＥＴ／ＳＰＥＣＴ変換患者画像を生成する。なお、ＰＥＴ／ＳＰＥＣＴ健常者画像とＣＴ健常者画像は共に記憶部４０に保存されており、両者の間はレジストレーションが既になされているものとする。 In step ST65, the position conversion data (1) and the position conversion data (2) are used to perform conversion for matching the PET / SPECT patient image with the PET / SPECT healthy person image, and the PET / SPECT conversion patient. Generate an image. It is assumed that both the PET / SPECT healthy person image and the CT healthy person image are stored in the storage unit 40, and registration between them has already been made.
ステップＳＴ５３、ステップＳＴ５４の処理は第２の実施形態と同じである。ステップＳＴ５３において、ＰＥＴ／ＳＰＥＣＴ変換患者画像とＰＥＴ／ＳＰＥＣＴ健常者画像とが比較され、両者の差異を表す指標として、糖代謝量の差や血流量の差がボクセル毎に算出される。そして、糖代謝量の差や血流量の差が、所定の範囲を超える領域を基準外領域として求める。また、ステップＳＴ５４において、算出された基準外領域が差異指標値の大きさに応じて色分けされ、ＰＥＴ／ＳＰＥＣＴ患者画像に重畳されて表示される。 The processing of step ST53 and step ST54 is the same as that of the second embodiment. In step ST53, the PET / SPECT converted patient image and the PET / SPECT healthy subject image are compared, and a difference in glucose metabolism and a difference in blood flow are calculated for each voxel as an index representing the difference between the two. Then, a region where the difference in sugar metabolism or the difference in blood flow exceeds a predetermined range is determined as a non-reference region. In step ST54, the calculated non-reference region is color-coded according to the magnitude of the difference index value, and is displayed superimposed on the PET / SPECT patient image.
第２、第３の実施形態では、患者のＰＥＴ／ＳＰＥＣＴ画像と、健常者のＰＥＴ／ＳＰＥＣＴ画像とを比較する際に位置変換データ（１）と位置変換データ（２）を用いている。そして、位置変換データ（１）と位置変換データ（２）は、いずれも異常部位が正常部位で置換された置換患者画像に基づいて取得される。異常部位は自動的に検出されて正常部位と置換されるため、患者の脳画像に異常部位が含まれていたとしても、異常部位を事前に肉眼で観察する必要がない。また、位置変換データ（１）と位置変換データ（２）は、異常部位の影響を受けていないため、ＰＥＴ／ＳＰＥＣＴ患者画像を高い精度でＰＥＴ／ＳＰＥＣＴ健常者画像に変換することが可能となり、両者の比較において信頼性の高い差異指標を算出することができる。 In the second and third embodiments, position conversion data (1) and position conversion data (2) are used when comparing a PET / SPECT image of a patient with a PET / SPECT image of a healthy person. The position conversion data (1) and the position conversion data (2) are both acquired based on the replacement patient image in which the abnormal part is replaced with the normal part. Since the abnormal part is automatically detected and replaced with the normal part, even if the abnormal part is included in the brain image of the patient, it is not necessary to observe the abnormal part with the naked eye in advance. Further, since the position conversion data (1) and the position conversion data (2) are not affected by the abnormal part, it becomes possible to convert a PET / SPECT patient image into a PET / SPECT healthy person image with high accuracy, A highly reliable difference index can be calculated in the comparison between the two.
なお、本発明は上記の実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせても良い。 Note that the present invention is not limited to the above-described embodiments as they are, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage. In addition, various inventions can be formed by appropriately combining a plurality of components disclosed in the embodiment. For example, some components may be deleted from all the components shown in the embodiment. Furthermore, the constituent elements over different embodiments may be appropriately combined.
１ 画像診断支援装置
１０ 入力部
２０ 検出部
３０ 置換部
４０ 記憶部
５０ 変換部
６０ 比較部
７０ 表示画像生成部
８０ 表示部
1 Image Diagnosis Support Device 10 Input Unit 20 Detection Unit 30 Replacement Unit 40 Storage Unit 50 Conversion Unit 60 Comparison Unit 70 Display Image Generation Unit 80 Display Unit
Claims (19)
患者の脳を撮像した患者画像を入力する入力部と、
前記患者画像にある異常部位を検出する検出部と、
前記異常部位の領域の画像を正常部位の領域の画像で置換して置換患者画像を生成する置換部と、
前記置換患者画像と前記健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記患者画像を変換して変換患者画像を生成する変換部と、
前記変換患者画像と前記健常者画像とを比較して両者の差異を表す差異指標を算出する比較部と、
前記差異指標が所定の判定基準外となる基準外領域を求め、前記基準外領域が視認できる表示を前記患者画像に重畳して表示用画像を生成する表示画像生成部と、
前記表示用画像を表示する表示部と、
を備えたことを特徴とする画像診断支援装置。 A storage unit for storing a healthy person image obtained by imaging the brain of a healthy person;
An input unit for inputting a patient image obtained by imaging the patient's brain;
A detection unit for detecting an abnormal site in the patient image;
A replacement unit that generates a replacement patient image by replacing the image of the region of the abnormal region with the image of the region of the normal region;
From the replacement patient image and the healthy person image, position conversion data necessary for anatomical positioning of both is obtained, and each tissue position of the patient's brain matches each tissue position of the healthy person's brain. A conversion unit that converts the patient image using the position conversion data to generate a converted patient image,
A comparison unit that compares the converted patient image and the healthy person image to calculate a difference index that represents the difference between the two,
A display image generation unit that obtains a non-reference region where the difference index is outside a predetermined determination criterion, and generates a display image by superimposing a display that allows the non-reference region to be visually recognized on the patient image;
A display unit for displaying the display image;
An image diagnosis support apparatus comprising:
前記異常部位が、前記患者脳の右脳と左脳において対称となる位置の両方に存在するか否かを判定し、前記異常部位が前記対称となる位置の一方のみに存在する場合は、他方の位置にある正常部位の領域の画像で前記異常部位の領域の画像を置換する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The replacement part is:
It is determined whether or not the abnormal site exists in both the symmetric positions in the right and left brains of the patient brain, and when the abnormal site exists in only one of the symmetric positions, the other position Replacing the image of the region of the abnormal part with the image of the region of the normal part in
The image diagnosis support apparatus according to claim 1.
前記異常部位が、前記患者脳の右脳と左脳において対称となる位置の両方に存在するか否かを判定し、前記異常部位が前記対称となる位置の両方に存在する場合は、前記健常者画像から前記異常部位の位置に該当する領域の正常部位の画像を抽出し、前記異常部位の領域の画像を、抽出した前記正常部位の画像で置換する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The replacement part is:
It is determined whether or not the abnormal part exists in both the symmetric positions in the right and left brains of the patient brain, and when the abnormal part exists in both the symmetric positions, the image of the healthy person Extracting an image of a normal part of the region corresponding to the position of the abnormal part from, replacing the image of the region of the abnormal part with the extracted image of the normal part,
The image diagnosis support apparatus according to claim 1.
前記患者画像の脳の輪郭と前記健常者画像の脳の輪郭とが合致するように前記健常者画像を変換し、変換した前記健常者画像から前記正常部位を抽出する、
ことを特徴とする請求項３に記載の画像診断支援装置。 The replacement part is:
Converting the healthy person image so that the brain outline of the patient image and the brain outline of the healthy person image match, and extracting the normal part from the converted healthy person image;
The image diagnosis support apparatus according to claim 3.
前記異常部位の領域が識別できる表示を前記表示用画像に対してさらに付加する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The display image generation unit
A display that can identify the region of the abnormal part is further added to the display image.
The image diagnosis support apparatus according to claim 1.
前記異常部位の領域が削除された前記表示用画像を生成する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The display image generation unit
Generating the display image in which the region of the abnormal part is deleted;
The image diagnosis support apparatus according to claim 1.
前記差異指標の大きさに応じて前記基準外領域を色付けする、
ことを特徴とする請求項１に記載の画像診断支援装置。 The display image generation unit
Coloring the non-reference region according to the size of the difference index;
The image diagnosis support apparatus according to claim 1.
前記患者画像に含まれる異常部位は脳梗塞部位であり、
前記検出部は、灌流強調画像／拡散強調画像ミスマッチ法を用いて前記脳梗塞部位を検出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 Both the patient image and the healthy person image are MRI images,
The abnormal site included in the patient image is a cerebral infarction site,
The detection unit detects the cerebral infarction site using a perfusion weighted image / diffusion weighted image mismatch method,
The image diagnosis support apparatus according to claim 1.
前記患者画像に含まれる異常部位は腫瘍部位であり、
前記検出部は、リージョングローイング法を用いて前記腫瘍部位を検出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 Both the patient image and the healthy person image are MRI images,
The abnormal site included in the patient image is a tumor site,
The detection unit detects the tumor site using a region growing method,
The image diagnosis support apparatus according to claim 1.
前記変換部は、
前記置換患者画像から灰白質領域を抽出して生成した置換灰白質患者画像と、前記健常者画像から灰白質領域を抽出して生成した灰白質健常者画像とを用いて前記位置変換データを取得し、この位置変換データを用いて前記灰白質患者画像を変換して変換灰白質患者画像を生成し、
前記比較部は、前記変換灰白質患者画像と前記灰白質健常者画像とを比較する、
ことを特徴とする請求項１に記載の画像診断支援装置。 Both the patient image and the healthy person image are MRI images,
The converter is
The position conversion data is acquired using a replacement gray matter patient image generated by extracting a gray matter region from the replacement patient image, and a gray matter healthy subject image generated by extracting a gray matter region from the healthy subject image. And converting the gray matter patient image using the position conversion data to generate a converted gray matter patient image,
The comparison unit compares the converted gray matter patient image and the gray matter healthy subject image,
The image diagnosis support apparatus according to claim 1.
ことを特徴とする請求項１０に記載の画像診断支援装置。 The difference index calculated by the comparison unit is an index indicating the degree of atrophy of the patient's gray matter relative to the gray matter of a healthy person.
The image diagnosis support apparatus according to claim 10.
ことを特徴とする請求項１１に記載の画像診断支援装置。 The index is determined for each brain local average value and standard deviation of the gray matter concentration of the healthy person from the gray matter healthy subject image, the gray matter concentration of the patient obtained from the converted gray matter patient image Z-score value indicating how far the average deviation of gray matter is in standard deviation.
The image diagnosis support apparatus according to claim 11.
前記入力部から入力される前記患者画像は、ＭＲＩ装置で撮像されたＭＲＩ患者画像とＰＥＴ装置で撮像されたＰＥＴ患者画像とを含む画像であり、
前記検出部は、前記ＭＲＩ患者画像にある異常部位を検出し、
前記置換部は、検出された前記ＭＲＩ患者画像の異常部位と前記ＭＲＩ健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記ＰＥＴ患者画像を変換してＰＥＴ変換患者画像を生成し、
前記比較部は、前記ＰＥＴ変換患者画像と前記ＰＥＴ健常者画像とを比較して両者の差異を表す差異指標を算出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The healthy person image stored in the storage unit is an image including an MRI healthy person image captured by an MRI apparatus and a PET healthy person image captured by a PET apparatus,
The patient image input from the input unit is an image including an MRI patient image captured by an MRI apparatus and a PET patient image captured by a PET apparatus,
The detection unit detects an abnormal site in the MRI patient image,
The replacement unit acquires position conversion data necessary for anatomical alignment between the detected abnormal part of the MRI patient image and the healthy MRI image, and each tissue position of the patient's brain is Converting the PET patient image using the position conversion data so as to match each tissue position of the brain of the healthy person to generate a PET converted patient image;
The comparison unit compares the PET transformed patient image and the PET healthy subject image to calculate a difference index representing a difference between the two,
The image diagnosis support apparatus according to claim 1.
前記入力部から入力される前記患者画像は、ＭＲＩ装置で撮像されたＭＲＩ患者画像と
ＳＰＥＣＴ装置で撮像されたＳＰＥＣＴ患者画像とを含む画像であり、
前記検出部は、前記ＭＲＩ患者画像にある異常部位を検出し、
前記置換部は、検出された前記ＭＲＩ患者画像の異常部位と前記ＭＲＩ健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記ＳＰＥＣＴ患者画像を変換してＳＰＥＣＴ変換患者画像を生成し、
前記比較部は、前記ＳＰＥＣＴ変換患者画像と前記ＳＰＥＣＴ健常者画像とを比較して両者の差異を表す差異指標を算出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The healthy person image stored in the storage unit is an image including an MRI healthy person image captured by an MRI apparatus and a SPECT healthy person image captured by a SPECT apparatus,
The patient image input from the input unit is an image including an MRI patient image captured by an MRI apparatus and a SPECT patient image captured by a SPECT apparatus,
The detection unit detects an abnormal site in the MRI patient image,
The replacement unit acquires position conversion data necessary for anatomical alignment between the detected abnormal part of the MRI patient image and the healthy MRI image, and each tissue position of the patient's brain is The SPECT patient image is generated by converting the SPECT patient image using the position conversion data so as to match each tissue position of the brain of the healthy person,
The comparison unit compares the SPECT converted patient image and the SPECT healthy subject image to calculate a difference index representing a difference between the two,
The image diagnosis support apparatus according to claim 1.
前記入力部から入力される前記患者画像は、ＣＴ装置で撮像されたＣＴ患者画像とＰＥＴ装置で撮像されたＰＥＴ患者画像とを含む画像であり、
前記検出部は、前記ＣＴ患者画像にある異常部位を検出し、
前記置換部は、検出された前記ＣＴ患者画像の異常部位と前記ＣＴ健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記ＰＥＴ患者画像を変換してＰＥＴ変換患者画像を生成し、
前記比較部は、前記ＰＥＴ変換患者画像と前記ＰＥＴ健常者画像とを比較して両者の差異を表す差異指標を算出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The healthy person image stored in the storage unit is an image including a CT healthy person image captured by a CT apparatus and a PET healthy person image captured by a PET apparatus,
The patient image input from the input unit is an image including a CT patient image captured by a CT apparatus and a PET patient image captured by a PET apparatus,
The detection unit detects an abnormal site in the CT patient image,
The replacement unit acquires position conversion data necessary for anatomical alignment between the detected abnormal part of the CT patient image and the healthy CT image, and each tissue position of the patient's brain is Converting the PET patient image using the position conversion data so as to match each tissue position of the brain of the healthy person to generate a PET converted patient image;
The comparison unit compares the PET transformed patient image and the PET healthy subject image to calculate a difference index representing a difference between the two,
The image diagnosis support apparatus according to claim 1.
前記入力部から入力される前記患者画像は、ＣＴ装置で撮像されたＣＴ患者画像とＳＰＥＣＴ装置で撮像されたＳＰＥＣＴ患者画像とを含む画像であり、
前記検出部は、前記ＣＴ患者画像にある異常部位を検出し、
前記置換部は、検出された前記ＣＴ患者画像の異常部位と前記ＣＴ健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記ＳＰＥＣＴ患者画像を変換してＳＰＥＣＴ変換患者画像を生成し、
前記比較部は、前記ＳＰＥＣＴ変換患者画像と前記ＳＰＥＣＴ健常者画像とを比較して両者の差異を表す差異指標を算出する、
ことを特徴とする請求項１に記載の画像診断支援装置。 The healthy person image stored in the storage unit is an image including a CT healthy person image captured by a CT apparatus and a SPECT healthy person image captured by a SPECT apparatus,
The patient image input from the input unit is an image including a CT patient image captured by a CT apparatus and a SPECT patient image captured by a SPECT apparatus,
The detection unit detects an abnormal site in the CT patient image,
The replacement unit acquires position conversion data necessary for anatomical alignment between the detected abnormal part of the CT patient image and the healthy CT image, and each tissue position of the patient's brain is The SPECT patient image is generated by converting the SPECT patient image using the position conversion data so as to match each tissue position of the brain of the healthy person,
The comparison unit compares the SPECT converted patient image and the SPECT healthy subject image to calculate a difference index representing a difference between the two,
The image diagnosis support apparatus according to claim 1.
患者の脳を撮像した患者画像を入力部から入力し、
前記患者画像にある異常部位を検出し、
前記異常部位の領域の画像を正常部位の領域の画像で置換して置換患者画像を生成し、
前記置換患者画像と前記健常者画像とから、両者の解剖学的位置合わせに必要な位置変換データを取得し、前記患者の脳の各組織位置が前記健常者の脳の各組織位置に合致するように、前記位置変換データを用いて前記患者画像を変換して変換患者画像を生成し、
前記変換患者画像と前記健常者画像とを比較して両者の差異を表す差異指標を算出し、
前記差異指標が所定の判定基準外となる基準外領域を求め、前記基準外領域が視認できる表示を前記患者画像に重畳して表示用画像を生成し、
前記表示用画像を表示部に表示する、
ことを特徴とする画像診断支援装置の作動方法。 A healthy person image obtained by imaging the brain of a healthy person is stored in a storage unit,
Enter the patient image of the patient's brain from the input unit,
Detecting an abnormal site in the patient image;
Replacing the image of the region of the abnormal part with the image of the region of the normal part to generate a replacement patient image;
From the replacement patient image and the healthy person image, position conversion data necessary for anatomical positioning of both is obtained, and each tissue position of the patient's brain matches each tissue position of the healthy person's brain. And converting the patient image using the position conversion data to generate a converted patient image,
Comparing the converted patient image and the healthy person image to calculate a difference index representing the difference between the two,
Obtaining a non-reference area where the difference index is outside a predetermined criterion, generating a display image by superimposing a display that allows the non-reference area to be visually recognized on the patient image,
Displaying the display image on a display unit;
An operation method of an image diagnosis support apparatus characterized by the above.
ことを特徴とする請求項１７に記載の画像診断支援装置の作動方法。 A display that can identify the region of the abnormal part is further added to the display image.
The method of operating an image diagnosis support apparatus according to claim 17.
ことを特徴とする請求項１７に記載の画像診断支援装置の作動方法。 Coloring the non-reference region according to the size of the difference index;
The method of operating an image diagnosis support apparatus according to claim 17.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012029469A JP5989354B2 (en) | 2012-02-14 | 2012-02-14 | Image diagnosis support apparatus and method of operating image diagnosis support apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012029469A JP5989354B2 (en) | 2012-02-14 | 2012-02-14 | Image diagnosis support apparatus and method of operating image diagnosis support apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013165765A JP2013165765A (en) | 2013-08-29 |
| JP5989354B2 true JP5989354B2 (en) | 2016-09-07 |
Family
ID=49176745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012029469A Active JP5989354B2 (en) | 2012-02-14 | 2012-02-14 | Image diagnosis support apparatus and method of operating image diagnosis support apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5989354B2 (en) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3092618B1 (en) * | 2014-01-06 | 2018-08-29 | Koninklijke Philips N.V. | Articulated structure registration in magnetic resonance images of the brain |
| JP2017023457A (en) | 2015-07-23 | 2017-02-02 | 東芝メディカルシステムズ株式会社 | Medical image processing apparatus |
| EP3648056A1 (en) * | 2017-06-30 | 2020-05-06 | Fujifilm Corporation | Medical image processing device, method, and program |
| WO2019044078A1 (en) * | 2017-08-28 | 2019-03-07 | 富士フイルム株式会社 | Brain image normalization device, method, and program |
| JP2019154744A (en) * | 2018-03-13 | 2019-09-19 | キヤノンメディカルシステムズ株式会社 | Medical image processing device, medical image diagnostic device, and medical image processing program |
| JP7023162B2 (en) * | 2018-04-03 | 2022-02-21 | 富士フイルム株式会社 | Forecasting device, forecasting method, and forecasting program |
| JP6644335B2 (en) * | 2018-07-31 | 2020-02-12 | 株式会社Ｓｐｌｉｎｋ | Dementia risk presentation system and dementia risk presentation method |
| JP2020032045A (en) | 2018-08-31 | 2020-03-05 | 富士フイルム株式会社 | Learning device, method, and program for discriminator for discriminating infraction region and discriminator for discriminating infraction region, and infraction region discrimination device, method, and program |
| JP7129869B2 (en) | 2018-10-01 | 2022-09-02 | 富士フイルム株式会社 | Disease area extraction device, method and program |
| JP7098498B2 (en) | 2018-10-01 | 2022-07-11 | 富士フイルム株式会社 | Learning device, method and program of discriminator for discriminating disease area, discriminator for discriminating disease area, and disease area discriminator and program |
| JP6590386B1 (en) * | 2018-11-20 | 2019-10-16 | 株式会社アルム | Image processing apparatus, image processing system, and image processing program |
| KR102385890B1 (en) * | 2019-10-11 | 2022-04-12 | 연세대학교 산학협력단 | Method and apparatus for matching brain region between heterogeneous |
| WO2021111658A1 (en) * | 2019-12-05 | 2021-06-10 | 一般社団法人ブレインインパクト | Cognitive impairment prediction device |
| DE112021004926T5 (en) | 2020-09-15 | 2023-07-13 | Fujifilm Corporation | PICTURE CODING DEVICE, PICTURE CODING METHOD, PICTURE CODING PROGRAM, PICTURE DECODING DEVICE, PICTURE DECODING METHOD, PICTURE DECODING PROGRAM, PICTURE PROCESSING DEVICE, LEARNING DEVICE, LEARNING METHOD, TEACHING PROGRAM, SIMILAR PICTURE SEARCH DEVICE, SIMILAR PICTURE SEARCH METHOD, AND SIMILAR PICTURE SEARCH PROGRAM LIGHT PICTURES |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02199586A (en) * | 1989-01-30 | 1990-08-07 | Hitachi Ltd | Method of binarization processing of image for holding shape information |
| JP4499422B2 (en) * | 2002-01-16 | 2010-07-07 | アイ−デント イメージング， インコーポレイテッド | Oral implant template |
| JP3779982B1 (en) * | 2005-02-04 | 2006-05-31 | 国立大学法人岐阜大学 | Medical image processing apparatus and program |
| JP4581088B2 (en) * | 2005-05-17 | 2010-11-17 | 国立大学法人 筑波大学 | Computer-aided diagnosis apparatus and method |
| EP1952340B1 (en) * | 2005-11-21 | 2012-10-24 | Agency for Science, Technology and Research | Superimposing brain atlas images and brain images with delineation of infarct and penumbra for stroke diagnosis |
| JP5107538B2 (en) * | 2006-07-21 | 2012-12-26 | 富士フイルムＲｉファーマ株式会社 | Diagnostic imaging support system and method |
| JP4948985B2 (en) * | 2006-11-17 | 2012-06-06 | 富士フイルムＲｉファーマ株式会社 | Medical image processing apparatus and method |
| JP5430203B2 (en) * | 2009-03-31 | 2014-02-26 | キヤノン株式会社 | Image processing apparatus and image processing method |
| WO2011040473A1 (en) * | 2009-09-29 | 2011-04-07 | 大日本印刷株式会社 | Method, device and program for medical image processing |
| JP5479115B2 (en) * | 2010-01-07 | 2014-04-23 | 株式会社東芝 | Image processing apparatus and magnetic resonance imaging apparatus |
| JP5611614B2 (en) * | 2010-02-18 | 2014-10-22 | 株式会社日立メディコ | Magnetic resonance image analysis apparatus and magnetic resonance image analysis method |
-
2012
- 2012-02-14 JP JP2012029469A patent/JP5989354B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2013165765A (en) | 2013-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5989354B2 (en) | Image diagnosis support apparatus and method of operating image diagnosis support apparatus | |
| Seiger et al. | Cortical thickness estimations of FreeSurfer and the CAT12 toolbox in patients with Alzheimer's disease and healthy controls | |
| JP5699936B2 (en) | Method, apparatus and program for operating medical image processing apparatus | |
| JP5366356B2 (en) | Medical image processing apparatus and medical image processing method | |
| CN110444277B (en) | Multi-mode brain MRI image bidirectional conversion method based on multi-generation and multi-confrontation | |
| US20150043774A1 (en) | Automatic Planning For Medical Imaging | |
| EP2312337A1 (en) | Technique for detecting cranial nerve disease | |
| US20160180526A1 (en) | Image processing apparatus, image processing method, image processing system, and non-transitory computer-readable storage medium | |
| JP2010012176A (en) | Brain disease diagnosis system | |
| Kim et al. | Toward fully automated processing of dynamic susceptibility contrast perfusion MRI for acute ischemic cerebral stroke | |
| US10910101B2 (en) | Image diagnosis support apparatus, image diagnosis support method, and image diagnosis support program | |
| JP6703323B2 (en) | ROI setting technology for biological image inspection | |
| US20200104995A1 (en) | Disease region extraction apparatus, disease region extraction method, and disease region extraction program | |
| JP4721693B2 (en) | Intracranial volume and local brain structure analysis program, recording medium, and intracranial volume and local brain structure analysis method | |
| Chen et al. | A novel framework for sub-acute stroke lesion segmentation based on random forest | |
| Rahim et al. | Integrating multimodal priors in predictive models for the functional characterization of Alzheimer’s disease | |
| Wang et al. | Feature generation and multi-sequence fusion based deep convolutional network for breast tumor diagnosis with missing MR sequences | |
| US20170231591A1 (en) | Method for Evaluating Nuclear Medicine Image of Head | |
| von Spiczak et al. | 3D image fusion of whole‐heart dynamic cardiac MR perfusion and late gadolinium enhancement: intuitive delineation of myocardial hypoperfusion and scar | |
| Maher et al. | Neuroinformatics and analysis of connectomic alterations due to cerebral microhemorrhages in geriatric mild neurotrauma: microhemorrhages in geriatric neurotrauma | |
| JP5565647B2 (en) | Organ region identification method and organ region identification device | |
| JPWO2019044090A1 (en) | Information output device, method and program | |
| Peng et al. | Detection and analysis of T2DM biomarkers from brain MR images using BrainLab | |
| JP5068336B2 (en) | Medical image conversion apparatus and method, and program | |
| Timms et al. | Super High Contrast USPIO‐Enhanced Cerebrovascular Angiography Using Ultrashort Time‐to‐Echo MRI |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150204 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151119 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151215 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20160128 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160209 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160216 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20160511 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20160518 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160512 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160519 |
|
| 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: 20160712 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160810 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5989354 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |