JP6738003B1 - Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム - Google Patents
Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム Download PDFInfo
- Publication number
- JP6738003B1 JP6738003B1 JP2019197187A JP2019197187A JP6738003B1 JP 6738003 B1 JP6738003 B1 JP 6738003B1 JP 2019197187 A JP2019197187 A JP 2019197187A JP 2019197187 A JP2019197187 A JP 2019197187A JP 6738003 B1 JP6738003 B1 JP 6738003B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- label
- region
- specific
- specific large
- 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
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
図1はMRI画像に基づいて対象の解剖学的部位を抽出する装置の一構成例を示している。この実施例では対象は脳であり,MRI脳画像に基づいて最終的に特定の部位(の画像)を抽出し,その体積を測定する。その意味では,この実施例の解剖学的部位抽出装置を脳体積測定装置ということもできる。もちろん処理結果の脳画像を表示するので脳体積測定,表示装置といってもよい。以下,解剖学的部位抽出装置を脳部位抽出装置と略称する。
脳アトラスとは脳(画像)を解剖面に沿って部分に分けた(区切った)ときの各部分と境界(線,面)とを示す図(地図)であり,全脳アトラス,または単にアトラスともいう。
現在公開されているMRI画像の脳アトラスは欧米人の脳画像に基づくものである。人種等によって脳アトラスにかなりの違いがあるので,日本人の脳の解析には日本人の脳アトラスの準備が望まれている。また,脳形態には個人差もあるのでこの点も考慮する必要がある。
解剖学的部位抽出装置10の処理部11には,MRI装置20において取得された解析対象者の脳のMRI画像データが,通信により,または記録媒体23からの読取りにより入力する。このMRI画像は一般にはT1強調像の画像であり,複数枚(たとえば 100枚)のDICOM規格の2次元画像から構成される(DICOM:Digital Imaging and Communications in Medicine)。処理部11は複数枚の2次元画像データを用いて3次元画像データ(3次元空間内の画素(ボクセル)の集合によって表わされる)を作成する。この変換にはNIFTIフォーマット(形式)への変換が一般的であり(NIFTI:The Neuroimaging Informatics Technology Initiative),これにより脳画像データ1ファイルとして取扱い可能となる。すなわち,後述する各種演算,処理,横断面画像の作成などが容易に行なえる。解析対象者個人脳3次元画像データは記憶部12の解析対象個人脳3次元画像データ記憶領域に記憶される。
解析対象個人脳3次元画像は全脳画像であり,頭蓋画像も含んでいるので,その全脳画像から頭蓋内画像を抽出する。さらに抽出した脳画像を灰白質画像(灰白質の事後確率マップ)と,白質画像(白質の事後確率マップ)と脳脊髄液画像(脳脊髄液の事後確率マップ)とに分離(セグメンテーション)する(図6,ステップS1)。この処理は,脳のMRI画像処理に広く用いられているSPMというソフトウェア内のCAT12というツールボックスの機能を用いて行うことができる(ベイズ推定による,灰白質,白質,脳脊髄液の事後確率マップの算出)(事後確率マップは画像データと同じ意味である)。
白質病変は白質であるにもかかわらず,MRI画像上では灰白質画像の信号値に近いので,灰白質画像中に白く(高信号領域)現われ,白質画像中に現われないことがある。これを白質病変マップを用いて,修正するのが灰白質,白質画像の補正(修正)処理である(図6,ステップS2)。
解析対象個人脳をMNI標準脳大部位アトラスを用いて大部位に分割する(図6,ステップS3)(特定部位対象画像生成手段)(部位分割手段)。
上記「3.ラベル画像の作成」で述べたように,日本人のN個(この実施例ではN=30)の全脳大部位アトラスが用手的に作成されている。上述のように,全脳大部位アトラスはできるだけ広範囲に脳の解剖学的形状を網羅するよう選択されている。全脳大部位アトラスに含まれる大部位の数Mは,この実施例では39である。大部位ラベル画像の選択(選別)処理(図6,ステップS4)は,M個の大部位ごとに行なわれる。
ダーテル(Dartel)法は,図11に示すように,対象個人脳(大部位)画像および上で選択されたm個(5つ)の大部位ラベル画像から(これらを入力として)変形場強度が大きくならない方法で中間画像(ダーテルテンプレート)を作成するものである(図6,ステップS5)。一例として比較的低次の非線形変換であるBスプライン曲線関数を用いて画像位置合わせのための変形を行い,この変形後の画像を対象として再度変形させるというように,複数回の変形を繰返すことにより,精度の高い変形が行える。また,比較的低次の非線形関数を用いることにより変形場強度を大きくしなくてすむ。作成された中間画像は記憶部12の中間画像記憶領域に記憶される。中間画像も特定の1または複数の大部位についてのみ作成してもよいし,すべての大部位について作成してもよい。
L1gm:大部位灰白質ラベル画像(1番目)
TMPgm:灰白質のテンプレート画像
である。
Taggm:解析対象の大部位(灰白質)画像
である。
G-1・F1 式(3)
は大部位ラベル画像(1番目)の解析対象画像への画像変形(解析対象個人脳へ変形させた大部位ラベル画像(1番目))を表わす。同様に解析対象画像から変形させた大部位ラベル画像(2,3,4,5番目)が得られる。
大部位ラベル画像はその中に含まれる小部位に分割されている。逆にいえば,用手的に特定した特定の小部位の集合が大部位である。ラベル画像データには1ボクセルごとにそのボクセルがどの部位に属するかの識別符号(番号)が付けられている。領域推定の領域はここでは小部位(ROI:Region Of Interest:解剖学的関心領域)の意味である。もちろん,大部位を推定領域としてもよい。なお,図12では便宜的に大部位の画像が図示されている。
脳画像全体ではなく,部位(大部位)を単位として,複数の大部位ラベル画像の選択,ダーテルテンプレートの作成の処理を行い,これらの一連の処理に基づいて関心領域(小部位)の推定を行っており,かなり精度の高い結果が期待されるが,若干の誤差が残るのは避けられない。
誤差が補正された領域の画像と灰白質,白質および脳脊髄液の画像(事後確率マップ)を比較し,灰白質,白質の領域に存在する脳脊髄液の領域を灰白質,白質の領域とする処理を施す(図6,ステップS8)。これはセグメンテーションの事後確率マップの誤抽出の補正を目的とするものである。この補正処理もすべての部位について行っても,必要な部位についてのみ行ってもよい。補正後の画像は記憶部12に記憶される。
補正により最終的に灰白質領域となったボクセルに基づいて所望の領域(解剖学的関心領域)(1または複数の小部位)の体積を求める。より厳密には所望の領域内の灰白質の事後確率の積算を同領域の体積と定義しこれを求める(図6,ステップS9)(体積測定手段)。体積測定は特定の一または複数の領域についてのみ行ってもよいし,すべての部位について行ってもよい。体積測定結果は記憶部12の体積測定結果記憶領域に記憶される。
必要に応じて,表示プログラムにしたがって,表示部12に処理結果の画像が表示される。処理の途上の画像を表示してもよい。最終的に体積測定の対象となった解剖学的関心領域を表示することもできる。また,入力された解析対象個人脳3次元画像,分割された大部位領域画像,中間画像,演算修正された画像,灰白質補正された画像を,その全脳部分について色分けした形態で表示することも,または個々の部位(大部位,小部位)ごとに表示することもできる。
11 処理部
12 記憶部
13 表示部
14 入出力部
15 通信制御部
Claims (16)
- 解剖学的関心領域の単位としての複数の小部位と,1または複数の小部位を解剖学的知識に基づいて結合した複数の大部位の大,小部位ラベル画像をそれぞれ含み,各部位に属するボクセルにラベルがそれぞれ付けられている,あらかじめ用意された形状が異なる対象物についての第1の数のラベル画像を記憶するラベル画像記憶手段,
特定大部位を含む複数の大部位が明示された標準的画像を用いて,所与の対象MRI画像を複数の大部位に分割して上記特定の大部位に対応する特定大部位対象画像を生成する特定大部位対象画像生成手段,
上記ラベル画像記憶手段に記憶された第1の数のラベル画像から上記特定大部位対象画像に対応してそれと類似性の高い第2の数の特定大部位ラベル画像を選択する特定大部位ラベル画像選択手段,および
上記選択された第2の数の特定大部位ラベル画像のそれぞれの上記特定大部位対象画像への画像変形において得られる変形後の第2の数の特定大部位ラベル画像から,それらの画像に含まれるボクセルのラベルに基づいて,特定大部位内に含まれる関心領域を最もよく表わす1または複数の小部位の画像部分を抽出する関心領域抽出手段,
を備えるMRI画像に基づく解剖学的部位の抽出装置。 - 上記関心領域抽出手段によって抽出された画像部分の内容の体積を測定する体積測定手段をさらに備える請求項1に記載の抽出装置。
- 上記関心領域抽出手段によって抽出された画像部分の画像を表示する表示手段,をさらに備える請求項1または2に記載の抽出装置。
- 上記特定大部位ラベル画像は,複数の部位が明示された標準的画像を,所与のラベル画像用MRI画像に画像位置合わせを行って生成されたものである,請求項1から3のいずれか一項に記載の抽出装置。
- 所与の対象MRI画像が脳のMRI画像である,請求項1から4のいずれか一項に記載の抽出装置。
- ラベル画像記憶手段が,解剖学的関心領域の単位としての複数の小部位と,1または複数の小部位を解剖学的知識に基づいて結合した複数の大部位の大,小部位ラベル画像をそれぞれ含み,各部位に属するボクセルにラベルがそれぞれ付けられている,あらかじめ用意された形状が異なる対象物についての第1の数のラベル画像を記憶し,
特定大部位対象画像生成手段が,特定大部位を含む複数の大部位が明示された標準的画像を用いて,所与の対象MRI画像を複数の大部位に分割して上記特定の大部位に対応する特定大部位対象画像を生成し,
特定大部位ラベル画像選択手段が,上記ラベル画像記憶手段に記憶された第1の数のラベル画像から上記特定大部位対象画像に対応してそれと類似性の高い第2の数の特定大部位ラベル画像を選択し,そして
関心領域抽出手段が,上記選択された第2の数の特定大部位ラベル画像のそれぞれの上記特定大部位対象画像への画像変形において得られる変形後の第2の数の特定大部位ラベル画像から,それらの画像に含まれるボクセルのラベルに基づいて,特定大部位内に含まれる関心領域を最もよく表わす1または複数の小部位の画像部分を抽出する,
MRI画像に基づく解剖学的部位の抽出方法。 - 体積測定手段が上記関心領域抽出手段によって抽出された画像部分の内部の体積を測定する,請求項6に記載の抽出方法。
- 表示手段が,上記関心領域抽出手段によって抽出された画像部分の画像を表示する,請求項6または7に記載の抽出方法。
- 上記特定大部位ラベル画像は,複数の部位が明示された標準的画像を,所与のラベル画像用MRI画像に画像位置合わせを行って生成されたものである,請求項6から8のいずれか一項に記載の抽出方法。
- 所与の対象MRI画像が脳のMRI画像である,請求項6から9のいずれか一項に記載の抽出方法。
- 解剖学的関心領域の単位としての複数の小部位と,1または複数の小部位を解剖学的知識に基づいて結合した複数の大部位の大,小部位ラベル画像をそれぞれ含み,各部位に属するボクセルにラベルがそれぞれ付けられている,あらかじめ用意された形状が異なる対象物についての第1の数のラベル画像がラベル画像記憶手段に記憶されており,
抽出プログラムが,
特定大部位を含む複数の大部位が明示された標準的画像を用いて,所与の対象MRI画像を複数の大部位に分割して上記特定の大部位に対応する特定大部位対象画像を生成し,
上記ラベル画像記憶手段に記憶された第1の数のラベル画像から上記特定大部位対象画像に対応してそれと類似性の高い第2の数の特定大部位ラベル画像を選択し,そして
上記選択された第2の数の特定大部位ラベル画像のそれぞれの上記特定大部位対象画像への画像変形において得られる変形後の第2の数の特定大部位ラベル画像から,それらの画像に含まれるボクセルのラベルに基づいて,特定大部位内に含まれる関心領域を最もよく表わす1または複数の小部位の画像部分を抽出するようにコンピュータを制御する,
MRI画像に基づく解剖学的部位の抽出プログラム。 - さらに,上記抽出された画像部位の内部の体積を測定するようにコンピュータを制御する,
請求項11に記載の抽出プログラム。 - さらに,上記抽出された画像部分の画像を表示装置に表示するようにコンピュータを制御する,請求項11または12に記載の抽出プログラム。
- 上記特定大部位ラベル画像は,複数の部位が明示された標準的画像を,所与のラベル画像用MRI画像に画像位置合わせを行って生成されたものである,請求項11から13のいずれか一項に記載の抽出プログラム。
- 所与の対象MRI画像が脳のMRI画像である,請求項11から14のいずれか一項に記載の抽出プログラム。
- 請求項11から15のいずれか一項に記載の抽出プログラムをコンピュータ読取り可能に記録した媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019197187A JP6738003B1 (ja) | 2019-10-30 | 2019-10-30 | Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019197187A JP6738003B1 (ja) | 2019-10-30 | 2019-10-30 | Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6738003B1 true JP6738003B1 (ja) | 2020-08-12 |
JP2021069574A JP2021069574A (ja) | 2021-05-06 |
Family
ID=71949389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019197187A Active JP6738003B1 (ja) | 2019-10-30 | 2019-10-30 | Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6738003B1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3486615B2 (ja) * | 2001-05-22 | 2004-01-13 | 畦元 将吾 | 医療用画像の領域抽出方法 |
US9818200B2 (en) * | 2013-11-14 | 2017-11-14 | Toshiba Medical Systems Corporation | Apparatus and method for multi-atlas based segmentation of medical image data |
WO2015085320A1 (en) * | 2013-12-06 | 2015-06-11 | The Johns Hopkins University | Methods and systems for analyzing anatomy from multiple granularity levels |
US10223794B2 (en) * | 2014-03-28 | 2019-03-05 | Koninklijke Philips N.V. | Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation |
CN104997528B (zh) * | 2014-04-21 | 2018-03-27 | 东芝医疗***株式会社 | X 射线计算机断层拍摄装置以及拍摄条件设定辅助装置 |
US10504252B2 (en) * | 2014-12-15 | 2019-12-10 | Canon Medical Systems Corporation | Method of, and apparatus for, registration and segmentation of medical imaging data |
-
2019
- 2019-10-30 JP JP2019197187A patent/JP6738003B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021069574A (ja) | 2021-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2422318B1 (en) | Quantification of medical image data | |
Collins et al. | Towards accurate, automatic segmentation of the hippocampus and amygdala from MRI by augmenting ANIMAL with a template library and label fusion | |
CN109166133B (zh) | 基于关键点检测和深度学习的软组织器官图像分割方法 | |
US9275456B2 (en) | Image search engine | |
JP4744883B2 (ja) | 画像位置合わせ方法及び医用画像データ処理装置 | |
EP3286727B1 (en) | Whole body image registration method and method for analyzing images thereof | |
Jafari-Khouzani et al. | Dataset of magnetic resonance images of nonepileptic subjects and temporal lobe epilepsy patients for validation of hippocampal segmentation techniques | |
Dunås et al. | A stereotactic probabilistic atlas for the major cerebral arteries | |
Han et al. | A deep network for joint registration and reconstruction of images with pathologies | |
US20190019304A1 (en) | Medical image processing apparatus, method, and program | |
WO2019044082A1 (ja) | 医用画像処理装置、方法およびプログラム | |
WO2019044078A1 (ja) | 脳画像正規化装置、方法およびプログラム | |
JP6738003B1 (ja) | Mri画像に基づく解剖学的部位の抽出装置,方法,プログラム | |
JP6821036B2 (ja) | 医用画像処理装置、方法およびプログラム | |
JP6739658B2 (ja) | 医用画像処理装置、方法およびプログラム | |
US11216945B2 (en) | Image processing for calculation of amount of change of brain | |
Roy et al. | A useful approach towards 3D representation of brain abnormality from its 2D MRI slides with a volumetric exclamation | |
Lee et al. | Learning-based multi-atlas segmentation of the lungs and lobes in proton MR images | |
US20140309517A1 (en) | Method of Automatically Analyzing Brain Fiber Tracts Information | |
Sederevičius et al. | A robust intensity distribution alignment for harmonization of T1w intensity values | |
US12033366B2 (en) | Matching apparatus, matching method, and matching program | |
US20220044052A1 (en) | Matching apparatus, matching method, and matching program | |
CN108784705B (zh) | 一种关节图像高性能分析方法 | |
Davatzikos | Voxel‐Based Morphometric Analysis Using Shape Transformations | |
Chang | Multimodal Image Registration Using a Viscous Fluid Model with the Bhattacharyya Distance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191030 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191030 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20191106 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191211 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200324 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200519 |
|
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: 20200623 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200626 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6738003 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |