JP7429437B2 - Image processing device, image processing method, and image processing program - Google Patents
Image processing device, image processing method, and image processing program Download PDFInfo
- Publication number
- JP7429437B2 JP7429437B2 JP2020094164A JP2020094164A JP7429437B2 JP 7429437 B2 JP7429437 B2 JP 7429437B2 JP 2020094164 A JP2020094164 A JP 2020094164A JP 2020094164 A JP2020094164 A JP 2020094164A JP 7429437 B2 JP7429437 B2 JP 7429437B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- image data
- value
- pixel
- pixel value
- 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
- 238000003672 processing method Methods 0.000 title claims description 19
- 238000000034 method Methods 0.000 claims description 35
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 238000009792 diffusion process Methods 0.000 claims description 17
- 230000001629 suppression Effects 0.000 claims description 8
- 238000002595 magnetic resonance imaging Methods 0.000 description 45
- 206010028980 Neoplasm Diseases 0.000 description 30
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- 210000000954 sacrococcygeal region Anatomy 0.000 description 3
- 208000018084 Bone neoplasm Diseases 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 206010001323 adrenal adenoma Diseases 0.000 description 2
- 208000015234 adrenal cortex adenoma Diseases 0.000 description 2
- 208000024447 adrenal gland neoplasm Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 230000001394 metastastic effect Effects 0.000 description 2
- 206010061289 metastatic neoplasm Diseases 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- RGCLLPNLLBQHPF-HJWRWDBZSA-N phosphamidon Chemical compound CCN(CC)C(=O)C(\Cl)=C(/C)OP(=O)(OC)OC RGCLLPNLLBQHPF-HJWRWDBZSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010053235 Adrenal mass Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 230000005653 Brownian motion process Effects 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002597 diffusion-weighted imaging Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000003394 haemopoietic effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Description
本発明は、核磁気共鳴画像撮影装置(以下、MRI装置と称する)等の画像処理装置、画像処理方法および画像処理プログラムに関し、詳しくは、被検体のMRI画像の画像領域を区分する手法およびそれにより注目される部位における状態評価の支援を行う手法に関するものである。 The present invention relates to an image processing apparatus such as a nuclear magnetic resonance imaging apparatus (hereinafter referred to as an MRI apparatus), an image processing method, and an image processing program, and more particularly, the present invention relates to a method for dividing image regions of an MRI image of a subject and its method. The present invention relates to a method for supporting condition evaluation in areas that attract attention.
MRI画像においてはT1強調画像やT2強調画像等に代表されるように様々なコントラストの画像を得ることができる。近年では水素原子(プロトン)の拡散制限に着目した「拡散強調画像(Diffusion Weighted Image:DWIとも称する)」を撮影することが可能になり、脳梗塞の描出や腫瘍の検出に利用されている。特に全身を撮影する拡散強調画像(Body DWIまたはDWIBS)は全身の腫瘍を検索する目的で開発され、前立腺癌や乳癌で生じる転移性骨腫瘍の描出や評価に用いられるようになった。また傾斜磁場強度(b値)を変調させ、得られる2つの拡散強調画像から拡散係数(ADC)を計算可能であり、この強度が細胞密度に関連するとされ、腫瘍の悪性度判断が可能とされている。 In MRI images, images with various contrasts can be obtained, such as T1-weighted images and T2-weighted images. In recent years, it has become possible to take diffusion-weighted images (also known as DWI), which focus on the diffusion restriction of hydrogen atoms (protons), and are used to visualize cerebral infarctions and detect tumors. In particular, diffusion-weighted imaging (Body DWI or DWIBS), which images the whole body, was developed to detect tumors throughout the body, and has come to be used to visualize and evaluate metastatic bone tumors caused by prostate cancer and breast cancer. It is also possible to calculate the diffusion coefficient (ADC) from the two diffusion-weighted images obtained by modulating the gradient magnetic field strength (b value), and this strength is said to be related to cell density, making it possible to judge the malignancy of a tumor. ing.
このようなMRI画像を用いて診断に資する手法において、部位や状態の特定においていくつかの課題があった。例えば、高い傾斜磁場強度で撮影された拡散強調画像では、一般に腫瘍の信号が高く、それ以外の領域は信号が消去されるため低く表示される。この時、高い信号値を持つ領域において腫瘍は拡散係数(ADC)が低いレベルであることが多い。しかし、正常組織である赤色髄(幼児に見られる正常な造血組織であり、通常は、大人になるに連れて脂質に富む黄色髄に変化するが、種々の要因で大人になってから黄色髄から赤色髄に変化することがある。黄色髄は完全なる脂肪組織で、赤色髄は脂肪組織と水が混在する。)は腫瘍と同程度の高い信号を持ち、かつADCも腫瘍と同程度に低いレベルであることが知られている。
このため拡散強調画像により腫瘍の検索を行おうとしても、正常組織である赤色髄と腫瘍の判別、特定が難しい。
In such a method that contributes to diagnosis using MRI images, there have been several problems in identifying regions and conditions. For example, in a diffusion-weighted image taken with a high gradient magnetic field strength, the signal of a tumor is generally high, and the signals in other areas are erased, so the signal is displayed low. At this time, tumors often have low levels of diffusion coefficient (ADC) in areas with high signal values. However, the red pulp, which is a normal tissue (a normal hematopoietic tissue found in infants, normally changes to a lipid-rich yellow pulp as they grow up, but due to various factors, the yellow pulp becomes yellow as they become adults). The yellow pulp is completely adipose tissue, and the red pulp is a mixture of adipose tissue and water.) has a signal as high as that of a tumor, and has an ADC as high as that of a tumor known to be at low levels.
For this reason, even if an attempt is made to search for a tumor using diffusion-weighted images, it is difficult to distinguish and identify the red pulp, which is normal tissue, and the tumor.
これに対してMRIの脂肪抑制法である「水/脂肪信号相殺法(位相差法、WFS法、DIXON法等)」による判別法が提案されている(下記非特許文献1を参照)。これは組織中の微量な脂肪分を判別する手法で、画像診断分野では副腎腫瘍と副腎腺腫の鑑別に用いられる事が多い。これは一般的に腫瘍は組織中に脂肪を含まないため「脂肪分を検出できれば副腎腫瘍を否定できる」という概念に基づいて利用されていることによる。この用法を転移性骨腫瘍で行うことで、腫瘍と赤色髄の鑑別が可能になると言われている。 In contrast, a discrimination method using a "water/fat signal cancellation method (phase difference method, WFS method, DIXON method, etc.)", which is a fat suppression method for MRI, has been proposed (see Non-Patent Document 1 below). This is a method for determining minute amounts of fat in tissues, and is often used in the field of diagnostic imaging to differentiate between adrenal tumors and adrenal adenomas. This is because tumors generally do not contain fat in their tissues, so this method is used based on the concept that ``if fat can be detected, adrenal gland tumors can be ruled out.'' It is said that by applying this method to metastatic bone tumors, it becomes possible to differentiate between tumors and red pulp.
MRI装置は一度の検査撮影で種類の異なる複数のコントラスト画像を同時に取得できることが利点であり、近年の画像診断技術の進歩に大きく貢献するものとなっている(下記非特許文献2を参照)。例えば、一般的には脂肪分と水分の両者を強調するT2強調画像、脂肪分のみを強調するT1強調画像、さらにそれぞれの画像から脂肪分や水分の信号を低減させた脂肪抑制画像や水抑制画像等を一度の撮影によって得ることができ、被検者の関心領域についてのこれらの複数の画像を用いて診断を支援する手法が知られている。 An MRI apparatus has the advantage of being able to simultaneously acquire a plurality of contrast images of different types in a single examination, and has greatly contributed to the advancement of image diagnostic technology in recent years (see Non-Patent Document 2 below). For example, in general, there are T2-weighted images that emphasize both fat and water, T1-weighted images that emphasize only fat, and fat-suppressed images and water-suppressed images that reduce fat and water signals from each image. 2. Description of the Related Art A method is known in which an image or the like can be obtained by taking a single image, and a diagnosis is supported using a plurality of images of a region of interest of a subject.
ところで、上述した「水/脂肪信号相殺法」は、水素原子であるプロトンが周囲の状態(一様性)によって信号が変化することを利用しており、例えば、あるピクセルの周囲組織が「水のみ」あるいは「脂肪のみ」という一様な状態と、「水と脂肪が混ざっている」という不一様な状態では信号値が互いに異なることを利用している。すなわち、腫瘍は「周囲が水のみの状態」と解釈することができ、赤色髄は「水と脂肪が混ざっている状態」と解釈することができるため、両者の間の信号状態が互いに異なることで両者を判別することができる。 By the way, the above-mentioned "water/fat signal cancellation method" utilizes the fact that the signal of protons, which are hydrogen atoms, changes depending on the surrounding conditions (uniformity). It takes advantage of the fact that the signal values are different between a uniform state such as "only fat" or "only fat" and a non-uniform state such as "water and fat mixed." In other words, a tumor can be interpreted as having only water surrounding it, and a red pulp can be interpreted as having a mixture of water and fat, so the signal states between the two are different. You can distinguish between the two.
上記「水/脂肪信号相殺法」においては、水と脂肪の原子スピン回転周期が一致する瞬間である「in phase(イン・フェイズ)」の画像と、回転周期が真逆の瞬間で、最も不一致な瞬間である「out of Phase(アウト・オブ・フェイズ)」の画像とで信号値が互いに異なる。すなわち、in phaseでは水と脂肪のスピンが一致するためどちらも信号値が強調されるのに対して、out of Phaseではスピンが不一致なので同じピクセル内に水と脂肪が混在した場合は互いの信号が打ち消されて低下する。これらを比較することで脂肪の存在が明らかになり腫瘍と赤色髄の判定を行うことが可能となると考えられる。この状態を判別するために、MRI装置では、同じ関心領域の「in phase画像」と「out of Phase画像」の2種類の画像データを一度の撮影で取得する。 In the above-mentioned "water/fat signal cancellation method," the "in phase" image, which is the moment when the atomic spin rotation periods of water and fat match, and the moment when the rotation periods are exactly opposite, the most discrepant. The signal values are different from the "out of phase" image, which is the moment when the signal changes. In other words, in the in-phase, the spins of water and fat match, so the signal values of both are emphasized, whereas in the out-of-phase, the spins do not match, so if water and fat coexist in the same pixel, the signals of each other will be emphasized. is canceled out and decreases. By comparing these, it is thought that the presence of fat will be revealed and it will be possible to determine whether it is a tumor or a red pulp. In order to determine this state, the MRI apparatus acquires two types of image data, an "in phase image" and an "out of phase image", of the same region of interest at one time.
しかしながら、これまでは前述のように、in phase画像とout of Phase画像の信号状態が互いに異なることから、注目部位が腫瘍と赤色髄のいずれであるかを判別することはできても、視覚的に客観的な指標がないため、どの範囲まで腫瘍が拡がっているか等の診断は、どうしても医師の主観による視覚的判断に委ねられていた。このため、正確な診断が難しくなるという虞があった。
本発明は、上記事情に鑑みなされたものであり、医師の主観による視覚的判断のみに頼ることなく、画像データに基づき明確で客観的な診断を可能にし得る、画像処理装置、画像処理方法および画像処理プログラムを提供することを目的とするものである。
However, as mentioned above, since the signal states of the in-phase image and the out-of-phase image are different from each other, it has been possible to determine whether the target site is a tumor or the red pulp, but it is difficult to visually Because there are no objective indicators for cancer, diagnosis, such as how far a tumor has spread, has always been left to the subjective visual judgment of doctors. For this reason, there was a fear that accurate diagnosis would become difficult.
The present invention was made in view of the above circumstances, and provides an image processing device, an image processing method, and an image processing device that can make a clear and objective diagnosis based on image data without relying solely on a doctor's subjective visual judgment. Its purpose is to provide an image processing program.
また、本発明の画像処理装置は、
同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る差分画像演算部と、
該差分画像演算部により演算された該差分画像データの各画素値に基づいて統計情報を算出する統計情報算出部と、
該統計情報算出部により算出された該統計情報に基づき、差分画像の各画素を2つのグループに区分するしきい値を算出するしきい値算出部と、
該しきい値算出部から算出されたしきい値に基づき、該差分画像の各画素を2つのグループに区分する画素グループ区分部と、
区分された前記グループ毎に、そのグループに含まれる各画素に該グループ固有の値を画素値として付与し、画素値置換画像を得る画素値置換え部と、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する被検体部位状態判別部と、
を備えたことを特徴とするものである。
なお、上記および下述する「領域情報」とは、種々の定義に係る画像領域とすることが可能であり、任意に特定された画像領域を称するものとする。
Further, the image processing device of the present invention includes:
a difference image calculation unit that obtains difference image data by calculating difference values between corresponding pixels for two types of MRI image data taken of the same subject part;
a statistical information calculation unit that calculates statistical information based on each pixel value of the difference image data calculated by the difference image calculation unit;
a threshold calculation unit that calculates a threshold for dividing each pixel of the difference image into two groups based on the statistical information calculated by the statistical information calculation unit;
a pixel group classification unit that classifies each pixel of the difference image into two groups based on the threshold calculated by the threshold calculation unit;
a pixel value replacement unit that gives a value unique to each group as a pixel value to each pixel included in the group for each divided group, and obtains a pixel value replacement image;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, a subject part state determination unit that determines the state of the subject part for each pixel;
It is characterized by having the following.
Note that the "area information" described above and below can be an image area according to various definitions, and refers to an arbitrarily specified image area.
この場合において、前記所定の医用画像データは、拡散強調画像データまたは拡散強調画像により特定された領域情報とすることができる。
また、上記いずれかの画像処理装置において、前記2種類のMRI画像データが、MRI脂肪抑制法である水/脂肪信号相殺法におけるin Phase、およびout of Phaseの画像データとすることができる。
In this case, the predetermined medical image data may be diffusion weighted image data or area information specified by the diffusion weighted image.
Furthermore, in any of the image processing apparatuses described above, the two types of MRI image data can be in-phase and out-of-phase image data in a water/fat signal cancellation method, which is an MRI fat suppression method.
また、本発明の画像処理方法は、
同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得、
得られた該差分画像データの各画素値に基づいて統計情報を算出し、
算出された該統計情報に基づき、差分画像の各画素を2つのグループに区分するしきい値を算出し、
算出された該しきい値に基づき、該差分画像の各画素を2つのグループに区分し、
区分された前記グループ毎に、そのグループに含まれる各画素にそのグループ固有の値を画素値として付与し、画素値置換画像を得、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する、
ことを特徴とするものである。
Furthermore, the image processing method of the present invention includes:
For two types of MRI image data taken of the same subject part, calculate the difference value between corresponding pixels to obtain difference image data,
Calculating statistical information based on each pixel value of the obtained difference image data,
Based on the calculated statistical information, calculate a threshold for dividing each pixel of the difference image into two groups,
Based on the calculated threshold, each pixel of the difference image is divided into two groups,
For each divided group, a value specific to that group is given to each pixel included in that group as a pixel value, and a pixel value replaced image is obtained;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, determining the state of the subject part for each pixel;
It is characterized by this.
さらに、本発明の画像処理プログラムは、
コンピュータに、
同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る機能と、
得られた該差分画像データの各画素値に基づいて統計情報を算出する機能と、
算出された該統計情報に基づき、差分画像の各画素値を2つのグループに区分するしきい値を算出する機能と、
算出された該しきい値に基づき、該差分画像の各画素値を2つのグループに区分する機能と、
区分された前記グループ毎に、そのグループに含まれる各画素にそのグループ固有の値を画素値として付与し、画素値置換画像を得る機能と、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する機能と、
を実行せしめることを特徴とするものである。
Furthermore, the image processing program of the present invention includes:
to the computer,
A function to obtain difference image data by calculating a difference value between corresponding pixels for two types of MRI image data taken of the same subject part;
a function of calculating statistical information based on each pixel value of the obtained difference image data;
a function of calculating a threshold value for dividing each pixel value of the difference image into two groups based on the calculated statistical information;
a function of dividing each pixel value of the difference image into two groups based on the calculated threshold;
a function of assigning a group-specific value to each pixel included in the group as a pixel value for each of the divided groups, and obtaining a pixel value replaced image;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, a function of determining the state of the subject part for each pixel;
It is characterized by causing the execution of the following.
本発明の画像処理装置、画像処理方法および画像処理プログラムによれば、同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る差分画像演算部を設けており、2つの画像データ間でほとんど変化がなければ、その差分値は0に近い値となり、一方、変化が大きければ、その差分値は0から大きく外れた値とすることができる。 According to the image processing device , image processing method, and image processing program of the present invention, difference values are calculated between corresponding pixels of two types of MRI image data taken of the same subject part, and the difference image data is generated. If there is almost no change between two image data, the difference value will be a value close to 0. On the other hand, if the change is large, the difference value will be a value far away from 0. It can be done.
ただし、この差分値は、2つの画像の位置ずれ等によって若干ばらつくことになるので、統計情報算出部と、しきい値算出部を用いて、各画素値毎の差分値を、統計情報によるしきい値に基づき、差分値が0に近い「範囲内」と、差分値が0から大きく外れた「範囲外」の2つのグループに区分することで、2つの画像の間で、信号変化がない画素を正確にかつ客観的に特定することができる。 However, since this difference value will vary slightly due to the positional shift between the two images, a statistical information calculation section and a threshold calculation section are used to calculate the difference value for each pixel value based on the statistical information. Based on the threshold, there is no signal change between the two images by dividing them into two groups: "within range" where the difference value is close to 0, and "outside range" where the difference value is far away from 0. Pixels can be identified accurately and objectively.
さらに、画素値置換え部により、上記2つのグループの各画素の画素値をそのグループ固有の値に置き換えて、差分画像を2値化した画素値置換画像を得ることにより、信号変化の有り、無しを、より正確、かつ客観的に区分することができる。また、この差分画像を他の医用画像の信号値と対比させる場合等にも、その対比が容易となる。 Furthermore, the pixel value replacement unit replaces the pixel value of each pixel in the two groups with a value unique to that group, and by obtaining a pixel value replacement image in which the difference image is binarized, it is possible to determine whether there is a signal change or not. can be classified more accurately and objectively. Further, when this difference image is compared with signal values of other medical images, the comparison becomes easy.
また、本発明の画像処理装置、画像処理方法および画像処理プログラムによれば、上記2種類のMRI画像データとは異なる医用画像のデータから得られる信号値または領域情報と、上記画素値置換画像のデータから得られる信号値または領域情報に基づいて、被検体部位の画素毎に被検体部位の状態を判別することにより、被検者の撮影部位(関心領域)の状態を明確かつ客観的に判別することができ、例えば、赤色髄の部位と腫瘍の部位の拡がり等も明確に判定することが可能である。 Further, according to the image processing device, image processing method, and image processing program of the present invention , the signal value or region information obtained from medical image data different from the above two types of MRI image data, and the above pixel value replacement. By determining the state of the subject part for each pixel of the subject part based on the signal value or region information obtained from image data, the state of the subject's imaged part (region of interest) can be clearly and objectively determined. For example, it is possible to clearly determine the spread of the red pulp site and tumor site.
以下、本発明の実施形態に係る画像処理装置、画像処理方法、および画像処理プログラムについて説明する。
<実施例1>
まず、図1のブロック図を用いて、本発明の実施例1に係る画像処理装置の主要構成を説明する。
この画像処理装置50は、磁気共鳴画像撮影装置(以下、MRI装置と称する)により被検体の関心領域を撮影した2種類のMRI画像データを読み込むメモリ手段100と、このメモリ手段100に格納された2種類のMRI画像データ(本実施例においては、水/脂肪信号相殺法(位相差法、WFS法、DIXON法等)によるin phase画像データおよびout of Phase画像データ)を読み出し、該MRI画像データに演算処理を施す演算処理手段200と、この演算処理手段200において、演算処理が施されたMRI画像データを表示するモニタ手段300とを備えている。
An image processing apparatus, an image processing method, and an image processing program according to embodiments of the present invention will be described below.
<Example 1>
First, the main configuration of an image processing apparatus according to a first embodiment of the present invention will be explained using the block diagram of FIG.
This image processing device 50 includes a memory means 100 for reading two types of MRI image data obtained by photographing a region of interest of a subject using a magnetic resonance imaging device (hereinafter referred to as an MRI device), and a
また、演算処理手段200は、CPUやハードディスクメモリ等のハードウエアと、プログラムからなるソフトウエアとにより構成されており、同一の被検体の関心領域(部位)を撮影し、メモリ手段100に格納された2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る差分画像演算部201と、演算された差分画像データの各画素値(以下、ピクセル値とも称する)の平均値や標準偏差値等の統計情報を算出する統計情報算出部202と、この統計情報に基づき、差分画像の各ピクセル値を2つのグループに区分するしきい値を算出するしきい値算出部203と、算出されたしきい値に基づき、差分画像の各ピクセル値を2つのグループに区分する画素グループ区分部204と、区分されたグループ毎に、そのグループに含まれる各画素にそのグループ固有の画素値を付与して画素値置換画像を得る画素値置換え部205を備えている。
Further, the arithmetic processing means 200 is composed of hardware such as a CPU and hard disk memory, and software consisting of a program. a difference
なお、画像処理装置50の一般的な装置としてのハードウエア概略構成(必ずしも図面に記載されてはいない)は、CPUや、上述したハードディスクメモリ等のメモリ手段100、表示メモリ、表示装置、マウス、マウスに接続されたコントローラ、キーボード、ネットワークアダプタ等が、バスケーブルによって信号の送受をし得るように接続されており、ネットワークを介してMRI装置や医用画像データベースとの信号の送受信が可能となるように接続されている。 Note that the general hardware configuration of the image processing device 50 (not necessarily shown in the drawings) includes a CPU, a memory means 100 such as the above-mentioned hard disk memory, a display memory, a display device, a mouse, The controller, keyboard, network adapter, etc. connected to the mouse are connected to the bus cable so that they can send and receive signals, and it is possible to send and receive signals to and from the MRI device and medical image database via the network. It is connected to the.
CPUは、ハードディスクメモリや光ディスクメモリ等の記憶装置に格納されるプログラムやプログラムの実行に必要な医用画像情報等のデータをメモリ手段100や主メモリに送信し実行する。
医用画像情報は、LAN等のネットワークを介し、医用画像データベースや、MRI装置から取得される。一方、表示メモリは、液晶ディスプレイやEL等のモニタ手段300に表示するための表示データを一時格納する。
The CPU transmits programs stored in a storage device such as a hard disk memory or an optical disk memory, and data such as medical image information necessary for executing the program to the memory means 100 or the main memory and executes them.
Medical image information is acquired from a medical image database or an MRI apparatus via a network such as a LAN. On the other hand, the display memory temporarily stores display data to be displayed on the monitor means 300 such as a liquid crystal display or EL.
マウスやキーボードは、オペレータが画像処理装置50に対して操作して指示を行うものであり、コントローラは、マウスの状態を検出して、表示モニタ上のマウスポインタの位置を取得し、取得した位置情報等をCPUへ出力する。また、ネットワークアダプタは、画像処理装置50をLAN、電話回線、インターネット等のネットワークに接続するためのものである。 The mouse and keyboard are used by an operator to issue instructions to the image processing device 50, and the controller detects the state of the mouse, obtains the position of the mouse pointer on the display monitor, and displays the obtained position. Outputs information etc. to the CPU. Further, the network adapter is for connecting the image processing device 50 to a network such as a LAN, a telephone line, or the Internet.
本実施例においては、MRI装置にて、被検体の関心領域の画像データを抽出するために必要なin phase画像データ(第1のMRI画像データ)、およびout of Phase画像データ(第2のMRI画像データ)を一度の撮影で取得し、そのディジタル画像データがメモリ手段100に格納され、所定のタイミングで、演算処理手段200に出力されるようになっている。
ここで、in phase画像データおよびout of Phase画像データとは、MRI脂肪抑制法である水/脂肪信号相殺法におけるin Phase画像データおよびout of Phase画像データを意味する。
In this embodiment, an MRI apparatus uses in-phase image data (first MRI image data) and out-of-phase image data (second MRI image data) necessary for extracting image data of a region of interest of a subject. The digital image data is stored in the memory means 100 and output to the arithmetic processing means 200 at a predetermined timing.
Here, in phase image data and out of phase image data mean in phase image data and out of phase image data in the water/fat signal cancellation method, which is an MRI fat suppression method.
次に、図2のフローチャートを用いて、本発明の実施例1に係る画像処理方法について説明する。なお、本実施例に係る画像処理方法の各処理は、図1に示す画像処理装置50を用いて行われる。
上述したように、本実施例方法ではin phase画像データとout of Phase画像データが用いられる。
Next, the image processing method according to the first embodiment of the present invention will be described using the flowchart of FIG. Note that each process of the image processing method according to this embodiment is performed using the image processing apparatus 50 shown in FIG.
As described above, in-phase image data and out-of-phase image data are used in the method of this embodiment.
まず、概略について説明すると、MRI装置により被検者の身体の関心領域を撮影して得られた、in phase画像データとout of Phase画像データをメモリ手段100に入力させる(S1)。メモリ手段100に入力されたin phase画像データとout of Phase画像データを、スライスの各画素毎に差分し、差分画像を得る(S2)。 First, to explain the outline, in-phase image data and out-of-phase image data obtained by photographing a region of interest of a subject's body using an MRI apparatus are input into the memory means 100 (S1). The in-phase image data and the out-of-phase image data input to the memory means 100 are subtracted for each pixel of the slice to obtain a difference image (S2).
次に、撮影範囲である差分画像全体のピクセル値を集計し、その集計したピクセル値における平均値と標準偏差値を計算し統計情報を算出する。さらに、算出された平均値と標準偏差値により、平均値Aから標準偏差値σを引き算した値A-σと、足し算した値A+σを求め、上記差分値に対するしきい値を決定する(S3)。
このしきい値によって平均値に近い(0に近い)範囲(範囲内に属する画素)と、平均値から遠い(0付近から外れた)範囲(範囲外に属する画素)を決定する(S4)。
Next, the pixel values of the entire difference image that is the imaging range are totaled, and the average value and standard deviation value of the total pixel values are calculated to calculate statistical information. Furthermore, from the calculated average value and standard deviation value, the value A-σ, which is obtained by subtracting the standard deviation value σ from the average value A, and the value A+σ, which is added, are determined, and the threshold value for the above-mentioned difference value is determined ( S3).
Based on this threshold value, a range (pixels belonging to the range) close to the average value (close to 0) and a range (pixels belonging to the outside of the range) far from the average value (deviating from around 0) are determined (S4).
この後、範囲内に属する画素のピクセル値を、特定のピクセル値pに置換え、一方、範囲外に属する画素のピクセル値を、ピクセル値pとは異なる、特定のピクセル値qに置換え、画素値置換画像を得る画素値置換え処理を施す(S5)。
以下、上記各ステップS1~S5について、適宜図面を用いて、より具体的に説明する。ステップS1は、図3(A)の写真によって表され、ステップS2は、図4(A)の写真によって表され、ステップS3は、しきい値の計算式(1)によって表され、ステップS4は、図5のグラフによって表され、ステップS5は図6(A)の写真によって表される。ただし、図3(A)、図4(A)および図6(A)の写真は、出願用図面として表した場合、必ずしも明瞭に視認されないことから、その写真の内容のエッセンスのみを表した模式図を、それぞれ図3(B)、図4(B)および図6(B)に表す。
After this, the pixel value of the pixel belonging to the range is replaced with a specific pixel value p, while the pixel value of the pixel belonging to the outside of the range is replaced with a specific pixel value q different from the pixel value p, and the pixel value Pixel value replacement processing is performed to obtain a replacement image (S5).
Each of the above steps S1 to S5 will be explained in more detail below using appropriate drawings. Step S1 is represented by the photograph in FIG. 3(A), step S2 is represented by the photograph in FIG. 4(A), step S3 is represented by the threshold calculation formula (1), and step S4 is represented by the photograph in FIG. , is represented by the graph in FIG. 5, and step S5 is represented by the photograph in FIG. 6(A). However, since the photographs in Figures 3(A), 4(A), and 6(A) are not necessarily clearly visible when shown as application drawings, they are schematic diagrams that only represent the essence of the content of the photographs. The diagrams are shown in FIG. 3(B), FIG. 4(B), and FIG. 6(B), respectively.
まず、ステップS1を、図3(A)および図3(B)を用いて説明する。図3(A)は、被検者の腰部MRI画像であって(a)はin phase画像を示すものであり、(b)はout of Phase画像を示すものである。図3(B)(a)は図3(A)(a)の模式図であり、図3(B)(b)は図3(A)(b)の模式図である。
図3(B)(a)および図3(B)(b)に示すように、被検者10の関心領域において、仙骨部3の画像左部分に赤色髄1の領域が、仙骨部3の画像右部分に腫瘍2の領域が存在している。このような2つの画像をメモリ手段100に格納(アップロード)する。
First, step S1 will be explained using FIG. 3(A) and FIG. 3(B). FIG. 3(A) is a lumbar MRI image of a subject, in which (a) shows an in-phase image, and (b) shows an out-of-phase image. 3(B)(a) is a schematic diagram of FIG. 3(A)(a), and FIG. 3(B)(b) is a schematic diagram of FIG. 3(A)(b).
As shown in FIGS. 3(B)(a) and 3(B)(b), in the region of interest of the subject 10, the area of the red pulp 1 is located in the left part of the image of the sacral region 3; The region of tumor 2 is present in the right part of the image. These two images are stored (uploaded) in the memory means 100.
ここで、in phase画像データとは、水と脂肪の原子スピン回転周期が一致する瞬間のデータであり、一方、out of Phase画像データとは、in phaseと回転周期が真逆で、最も不一致な瞬間であるout of Phaseにおける画像データである。in phaseでは水と脂肪のスピンが一致することで、いずれも信号値が強調されるが、out of Phaseではスピンが不一致なので、水と脂肪が混在するピクセルにおいて互いの信号を打ち消し合って、信号値は減少するとされる。 Here, in-phase image data is the data at the moment when the atomic spin rotation periods of water and fat match, while out-of-phase image data is the data at the moment when the atomic spin rotation periods of water and fat are the opposite, and the rotation period is the opposite of that of in phase, and is the most mismatched data. This is image data at an instantaneous out-of-phase. In the in phase, the spins of water and fat match, which emphasizes the signal values, but in the out of phase, the spins do not match, so in pixels where water and fat coexist, their signals cancel each other out, and the signal The value is said to decrease.
次に、ステップS2を、図4(A)および図4(B)を用いて説明する。図4(A)は、図3(A)(a)に示すin phase画像と、図3(A)(b)に示すout of Phase画像をスライス画像毎に減算して得た差分画像を示すものである。また、図4(B)は図4(A)の模式図である。
図4(B)から明らかなように、赤色髄1においては、仙骨部3や腫瘍2の領域と比べて、白(または黒)のレベルが極端に高くなる。
すなわち、赤色髄1においては、脂肪と水が混在しているため、in phase画像とout of Phase画像との信号変化が大きく、これらの差分画像において信号値が高くなる。
その一方、腫瘍2においては、周囲が水のみとみなすことができるため、in phase画像とout of Phase画像との信号変化が小さく、これらの差分画像において信号値は0付近となる。
これにより、赤色髄1の領域の信号レベルが極端に高くなり、腫瘍2と区別することが可能である。
なお、被検者10の輪郭は、差分画像では必ずしも定かではなくなるので、図4(B)の模式図面上では破線で表すようにしている。図4以降の対応図面についても同様である。
Next, step S2 will be explained using FIG. 4(A) and FIG. 4(B). FIG. 4(A) shows a difference image obtained by subtracting the in phase image shown in FIG. 3(A)(a) and the out of phase image shown in FIG. 3(A)(b) for each slice image. It is something. Moreover, FIG. 4(B) is a schematic diagram of FIG. 4(A).
As is clear from FIG. 4(B), the white (or black) level in the red pulp 1 is extremely high compared to the sacral region 3 and the tumor 2 region.
That is, in the red pulp 1, since fat and water are mixed, the signal change between the in-phase image and the out-of-phase image is large, and the signal value becomes high in the difference image.
On the other hand, since the tumor 2 can be considered to be surrounded by only water, the signal change between the in-phase image and the out-of-phase image is small, and the signal value in these difference images is around 0.
As a result, the signal level in the area of the red pulp 1 becomes extremely high, making it possible to distinguish it from the tumor 2.
Note that since the outline of the subject 10 is not necessarily clear in the difference image, it is represented by a broken line on the schematic drawing of FIG. 4(B). The same applies to the corresponding drawings from FIG. 4 onwards.
次に、ステップS3について説明する。
ステップS2によって得られた、各スライス画像における、差分画像全体の各ピクセル値を集計し、集計したピクセル値の平均値と標準偏差値を計算し統計情報を算出する。
ここで、平均値をA、標準偏差値をσとおくと、平均値Aから標準偏差値σを引き算した値A-σと、足し算した値A+σを上記差分値に対するしきい値Dとして得る。
例えば、平均値Aが14.28、標準偏差値σが31.12とすると、しきい値Dは下式(1)にて得られる。
D=14.28±31.12 (1)
すなわち、この場合のしきい値Dは、-16.84および45.40となる。
Next, step S3 will be explained.
The pixel values of the entire difference image in each slice image obtained in step S2 are totaled, and the average value and standard deviation value of the total pixel values are calculated to calculate statistical information.
Here, if the average value is A and the standard deviation value is σ, then the value A - σ obtained by subtracting the standard deviation value σ from the average value A, and the added value A + σ are used as the threshold value D for the above difference value. obtain.
For example, if the average value A is 14.28 and the standard deviation value σ is 31.12, the threshold value D is obtained by the following formula (1).
D=14.28±31.12 (1)
That is, the threshold D in this case is -16.84 and 45.40.
次に、ステップS4を、図5を用いて説明する。この図5は、各スライス画像における、差分画像全体の各画素のピクセル値を集計し、その集計に係る各画素を、横軸を差分ピクセル値(差分信号値)、縦軸をピクセル数とした2軸平面上にプロットしたものである。このように各画素をプロットすると、一般に、平均値付近に急峻なピークが現れる。次に、図5に示すように、このグラフ上で、横軸のしきい値Dに相当する差分ピクセル値、すなわち、-16.84および45.40の値で、縦の区切り線を引き、-16.8以上、かつ45.4以下の区分を「範囲内」、-16.84未満および45.40より大きい区分を「範囲外」として、範囲を決定する。 Next, step S4 will be explained using FIG. 5. In this figure, the pixel values of each pixel of the entire difference image in each slice image are totaled, and the horizontal axis is the difference pixel value (difference signal value) and the vertical axis is the number of pixels. It is plotted on a biaxial plane. When each pixel is plotted in this way, a steep peak generally appears near the average value. Next, as shown in FIG. 5, vertical dividing lines are drawn on this graph at the difference pixel values corresponding to the threshold value D on the horizontal axis, that is, the values of -16.84 and 45.40, and if -16.8 or more, The range is determined by determining the range as being 45.4 or less as "within range", and as being less than -16.84 and greater than 45.40 as "out of range".
次に、ステップS5を、図6(A)および図6(B)を用いて説明する。図6(A)は、ステップ4で得られた区分(グループ)に基づき、各区分毎に、各ピクセル値(差分画素値)をグループ固有の値に置換して得られた画素値置換画像を示すものである。また、図6(B)は図6(A)の模式図である。
置換するグループ固有の値としては任意の値とすることが可能であるが、例えば、「範囲内」の区分においては各画素値(差分画素値)を0の値で置き換えるようにし、「範囲外」の区分においては各画素値(差分画素値)を100の値で置き換えるようにする。
Next, step S5 will be explained using FIG. 6(A) and FIG. 6(B). FIG. 6(A) shows a pixel value replacement image obtained by replacing each pixel value (difference pixel value) with a group-specific value for each division based on the divisions (groups) obtained in step 4. It shows. Moreover, FIG. 6(B) is a schematic diagram of FIG. 6(A).
The value specific to the group to be replaced can be any value, but for example, in the "within range" category, each pixel value (difference pixel value) is replaced with a value of 0; '', each pixel value (difference pixel value) is replaced with a value of 100.
このようにして得られた画素値置換画像は、図6(A)に示すように、白と黒に2値化され、2つの区分に明確に分けられる。すなわち、図6(B)に示すように、赤色髄1の領域のみを白(100の値)に設定することができ、腫瘍2の領域(0の値)と明確に判別することが可能であり、種々の診断に応用することが可能である。 The pixel value replaced image thus obtained is binarized into white and black, and is clearly divided into two sections, as shown in FIG. 6(A). In other words, as shown in FIG. 6(B), only the area of red pulp 1 can be set to white (value of 100) and can be clearly distinguished from the area of tumor 2 (value of 0). It can be applied to various diagnoses.
上記実施例においては、統計情報として平均値と標準偏差値を用いてしきい値を算出しているが、この統計情報として、その他の情報を用いてしきい値を計算してもよい。例えば、平均値に替えて中央値や最頻値を用いてもよいし、標準偏差値に替えて四分位範囲(25パーセンタイルと75パーセンタイルの距離値)を用いてもよい。またそれらの統計情報に任意の係数をかけることで重み付けして計算された値をしきい値としてもよい。 In the above embodiment, the threshold value is calculated using the average value and the standard deviation value as the statistical information, but the threshold value may be calculated using other information as the statistical information. For example, the median value or mode may be used instead of the average value, or the interquartile range (distance value between the 25th percentile and 75th percentile) may be used instead of the standard deviation value. Further, a value calculated by weighting the statistical information by multiplying it by an arbitrary coefficient may be used as the threshold value.
<実施例2>
次に、図7のブロック図に、本発明の実施例2に係る画像処理装置50aの主要構成を示す。この実施例2に係る画像処理装置50aについては、上述した実施例1に係る画像処理装置50と類似した構成とされているが、主に、演算処理手段200aが被検体部位状態判別部206aを有している点において異なっている。したがって、説明の重複、繁雑化を避けるため、実施例2においては、演算処理手段200aの被検体部位状態判別部206aのみについて詳しく説明し、その余は、基本的に実施例1に係る画像処理装置50において説明した内容を適用するものとする。また、実施例2において実施例1と共通する部材については、実施例1の部材の符号にaを付した符号を付して表すものとする(ただし、被検体部位状態判別部についてもaを付した符号にて表している)。
<Example 2>
Next, the block diagram of FIG. 7 shows the main configuration of an image processing device 50a according to a second embodiment of the present invention. The image processing device 50a according to the second embodiment has a configuration similar to that of the image processing device 50 according to the first embodiment described above, but the arithmetic processing means 200a mainly controls the subject part
実施例2における演算処理手段200aは、実施例1と同様に、同一の被検体の関心領域(部位)を撮影し、メモリ手段100aに格納された、in phase画像とout of Phase画像からなる2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る差分画像演算部201aと、演算された差分画像データの各ピクセル値の平均値や標準偏差値等の統計情報を算出する統計情報算出部202aと、この統計情報に基づき、差分画像の各ピクセル値を2つのグループに区分するしきい値を算出するしきい値算出部203aと、算出されたしきい値に基づき、差分画像の各ピクセル値を2つのグループに区分する画素グループ区分部204aと、区分されたグループ毎に、そのグループに含まれる各画素にそのグループ固有のピクセル値を付与して画素値置換画像を得る画素値置換え部205aを備えている。
Similar to the first embodiment, the arithmetic processing means 200a in the second embodiment photographs the region of interest (part) of the same subject and generates two images consisting of an in-phase image and an out-of-phase image, which are stored in the memory means 100a. A difference
そして、実施例1とは異なり、画素値置換え部205aにおいて、上述した「範囲内」と「範囲外」の2つの区分に分けられ、2値化画像に置き換えられた画素値置換画像のデータ、および、第3の医療画像(本実施例においてはMRI画像である拡散強調画像)の情報に基づいて、被検体の部位(関心領域)の状態を判別する被検体部位状態判別部206aが設けられている。
Unlike the first embodiment, the data of the pixel value replaced image is divided into the two categories "within range" and "outside of range" and replaced with a binarized image in the pixel
すなわち、被検体部位状態判別部206aにおいては、図6(A)、図6(B)に示された、画素値置換画像のデータ、およびMRI装置にて取得された、この被検体の部位(関心領域)の拡散強調画像(以下、DWIと称する)のデータに基づき、この被検体の部位における赤色髄1と腫瘍2の判定を自動的に行い、診断支援に資する処理が行われる。
上記DWIは、MRI装置にて、上述したin phase画像データおよびout of Phase画像データと同一部位、かつ同時刻における被検体の画像データとして取得されたものであり、メモリ手段100aに一旦、格納されたものである。
That is, the subject part
The above-mentioned DWI is obtained as image data of the subject at the same site and at the same time as the above-mentioned in phase image data and out of phase image data, and is temporarily stored in the memory means 100a. It is something that
そもそも、DWIとは、分子のブラウン運動の程度を画像化したものであって、運動の大きなもの程、低信号で表わされる。撮像法としては、パルスシーケンスと交差するように互いに逆方向となる大きな傾斜磁場(MPG)を印可し、それにより動いていたスピンがリフェーズできなくなった際のMPGの影響の強さの値(b値)を測定する。基本的にはDWIもT2強調画像であるため、T2強調画像で高信号な自由度の高い病変は、DWIでも高信号となる。 To begin with, DWI is an image of the degree of Brownian motion of molecules, and the greater the motion, the lower the signal. The imaging method involves applying a large gradient magnetic field (MPG) in opposite directions so as to intersect with the pulse sequence, and measuring the strength of the MPG influence (b value). Basically, DWI is also a T2-weighted image, so a lesion with a high degree of freedom that has a high signal on a T2-weighted image will also have a high signal on DWI.
このように、画素値置換え部205aから得られた画素値置換画像と、腫瘍2および赤色髄1等を他の部位よりも高い信号値として表すDWIとに基づいて被検体部位状態判別部206aにおいて、腫瘍2と赤色髄1の判別が自動的に行われ、診断を支援する内容が出力される。
In this way, the subject part
次に、図8のフローチャートを用いて、本発明の実施例2に係る画像処理方法について説明する。なお、本実施例に係る画像処理方法の各処理は、図7に示す画像処理装置50aを用いて行われる。
この実施例2に係る画像処理方法については、上述した実施例1に係る画像処理方法と類似したステップを有しているが、本実施例においては、ステップS6における処理のみが追加されている。
Next, an image processing method according to a second embodiment of the present invention will be described using the flowchart of FIG. Note that each process of the image processing method according to this embodiment is performed using an image processing apparatus 50a shown in FIG.
The image processing method according to the second embodiment has steps similar to the image processing method according to the first embodiment described above, but in this embodiment, only the process in step S6 is added.
このステップS6を、図9(A)および図9(B)、および図10を用いて説明する。図9(A)および図10は、被検者の腰部MRI画像であって(a)は画素値置換画像を示すものであり、(b)はDWI(拡散強調画像)を示すものである。図9(B)(a)は図9(A)(a)の模式図であり、図9(B)(b)は図9(A)(b)の模式図である。
図9(A)(b)および図9(B)(b)に示すように、拡散強調画像において高信号(矢印部分)であり、かつ図9(A)(a)および図9(B)(a)に示すように、画素値置換画像において「範囲内(ピクセル値が0に置き換えられている)」である領域(矢印部分)は腫瘍2と判定することが可能である。
This step S6 will be explained using FIG. 9(A), FIG. 9(B), and FIG. 10. FIGS. 9A and 10 are MRI images of the subject's lower back, in which (a) shows a pixel value replacement image, and (b) shows a DWI (diffusion weighted image). 9(B)(a) is a schematic diagram of FIG. 9(A)(a), and FIG. 9(B)(b) is a schematic diagram of FIG. 9(A)(b).
As shown in FIG. 9(A)(b) and FIG. 9(B)(b), there is a high signal (arrow portion) in the diffusion weighted image, and FIG. 9(A)(a) and FIG. 9(B) As shown in (a), in the pixel value replaced image, an area (arrow portion) that is "within the range (pixel values are replaced with 0)" can be determined to be tumor 2.
一方、図10(b)に示すように、拡散強調画像において高信号である領域(矢印部分)であり、かつ図10(a)に示すように、画素値置換画像において「範囲外(ピクセル値が100に置き換えられている)」である領域(矢印部分)は赤色髄1と判定することが可能である。 On the other hand, as shown in FIG. 10(b), there is a high signal area (arrow area) in the diffusion weighted image, and as shown in FIG. is replaced with 100)" (arrow portion) can be determined to be red pulp 1.
したがって、本実施例においては、ステップS6の処理を施すことにより、被検者10の部位(関心領域)における状態を判別することでき、特に、赤色髄1の部位と腫瘍2の部位を明確に区別することができるともに各部位の拡がり等についても明瞭、かつ客観的に判別可能である。 Therefore, in this embodiment, by performing the process of step S6, it is possible to determine the state of the site (region of interest) of the subject 10, and in particular, clearly distinguish the site of the red pulp 1 and the site of the tumor 2. Not only can they be distinguished, but also the spread of each part can be clearly and objectively determined.
また、前述したin phase画像、out of Phase画像、これら2つの差分画像、および拡散強調画像からなる4つの画像は、DICOM規格に含まれる情報(Slice location)であることから、同一検査であれば、同一部位(臓器)はそれぞれ同一位置(同一座標)の画素に存在するため、特別な位置合わせ技術を用いることなく、画像間で同一位置(同一座標)の画素を容易に特定することが可能である。 In addition, since the four images consisting of the above-mentioned in phase image, out of phase image, these two difference images, and diffusion weighted image are information (Slice location) included in the DICOM standard, if they are the same examination, , since the same parts (organs) exist in pixels at the same position (same coordinates), it is possible to easily identify pixels at the same position (same coordinates) between images without using special positioning technology. It is.
また、in phase画像とout of Phase画像の差分画像を得る際に、不要な領域(被検者10の体外の空気領域等)をマスクした状態(削除した状態)にした上で、画像間で対応する画素のピクセル値の差分演算を行うことも考えられる。不要な領域を予め削除した状態で本実施例手法の処理を行うことで、より精度の高い範囲の特定が可能になる。 In addition, when obtaining a differential image between an in-phase image and an out-of-phase image, unnecessary areas (such as the air area outside the body of the subject 10) are masked (deleted), and then the difference between the images is It is also conceivable to perform a difference calculation between pixel values of corresponding pixels. By performing the processing according to the method of this embodiment with unnecessary areas deleted in advance, it becomes possible to specify a range with higher accuracy.
なお、本発明の実施例に係る画像処理プログラムは、上記実施例1および実施例2に係る画像処理装置50、50aにおいて使用されるプログラムであり下記のように構成されている。
すなわち、コンピュータに、同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る機能と、得られた該差分画像データの各ピクセル値に基づいて統計情報を算出する機能と、算出された該統計情報に基づき、前記差分画像の各ピクセル値を2つのグループに区分するしきい値を算出する機能と、算出された該しきい値に基づき、前記差分画像の各ピクセル値を2つのグループに区分する機能と、区分された前記グループ毎に、そのグループに含まれる各画素にそのグループ固有の値をピクセル値として付与し、画素値置換画像を得る機能と、前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する機能と、を実行せしめる、ように構成されている。
The image processing program according to the embodiment of the present invention is a program used in the image processing apparatuses 50 and 50a according to the first embodiment and the second embodiment, and is configured as follows.
That is, the computer has a function to calculate difference values between corresponding pixels for two types of MRI image data taken of the same subject part, and obtains difference image data, and a function to obtain difference image data for each of the obtained difference image data. a function of calculating statistical information based on pixel values; a function of calculating a threshold value for dividing each pixel value of the difference image into two groups based on the calculated statistical information; A function of dividing each pixel value of the difference image into two groups based on a threshold value, and for each divided group, assigning a value unique to that group as a pixel value to each pixel included in that group, a function of obtaining a pixel value replaced image; signal values or region information obtained from predetermined medical image data of a type different from the two types of MRI image data; and signal values or region information obtained from data of the pixel value replaced image. The present invention is configured to execute a function of determining the state of the subject part for each pixel of the subject part based on the information.
なお、本発明の画像処理装置、画像処理方法および画像処理プログラムとしては、上記実施形態のものに限られるものではなく、その他の種々の態様の変更が可能である。
例えば、上記各実施例においては、2種類のMRI画像データとして、水/脂肪信号相殺法によるin phase画像データおよびout of Phase画像データを用いているが、これに替えてT1強調画像データおよびT2強調画像データとすることができる。その他、上記とは異なる脂肪抑制法である非選択的脂肪抑制(STIR)や周波数選択的脂肪抑制(CHESS)における脂肪抑制前後の2つの画像としたり、異なるb値による2つの拡散強調画像やADC画像とすることも可能である。
Note that the image processing apparatus, image processing method, and image processing program of the present invention are not limited to those of the above embodiments, and various other changes can be made.
For example, in each of the above embodiments, in-phase image data and out-of-phase image data based on the water/fat signal cancellation method are used as two types of MRI image data, but instead of this, T1-weighted image data and T2-weighted image data are used. It can be enhanced image data. In addition, there are two images before and after fat suppression in non-selective fat suppression (STIR) and frequency-selective fat suppression (CHESS), which are different fat suppression methods from the above, two diffusion-weighted images with different b values, and ADC. It is also possible to use an image.
また、上述した実施例2においては所定の医用画像データとしてMRI画像である拡散強調画像を用いているが、これに替えて造影MRI画像を用いてもよいし、MRI画像以外のCT画像やPET画像を用いてもよい。 Further, in the second embodiment described above, a diffusion weighted image which is an MRI image is used as the predetermined medical image data, but a contrast-enhanced MRI image may be used instead of this, or a CT image other than an MRI image or a PET image may be used. Images may also be used.
また、上記各実施例においては、被検体の関心領域における、赤色髄と腫瘍を区別あるいは判別する装置、方法およびプログラムについて説明しているが、本発明の画像処理装置、画像処理方法および画像処理プログラムは、これら両者を区別あるいは判別する場合に限られるものではなく、被検体における、その他の種々の組織を区別あるいは判別する場合に用いることが可能である。 Further, in each of the above embodiments, an apparatus, method, and program for distinguishing or discriminating between red pulp and a tumor in a region of interest of a subject are described, but the image processing apparatus, image processing method, and image processing method of the present invention The program is not limited to distinguishing or discriminating between these two, but can be used to distinguish or distinguish various other tissues in a subject.
1 赤色髄
2 腫瘍
3 仙骨部
10 被検者
50、50a 画像処理装置
100、100a メモリ手段
200、200a 演算処理手段
201、201a 差分画像演算部
202、202a 統計情報算出部
203、203a しきい値算出部
204、204a 画素グループ区分部
205、205a 画素値置換え部
206a 被検体部位状態判別部
300、300a モニタ手段
1 Red pulp 2 Tumor 3 Sacral region 10 Subject 50, 50a
Claims (5)
該差分画像演算部により演算された該差分画像データの各画素値に基づいて統計情報を算出する統計情報算出部と、
該統計情報算出部により算出された該統計情報に基づき、差分画像の各画素を2つのグループに区分するしきい値を算出するしきい値算出部と、
該しきい値算出部から算出されたしきい値に基づき、該差分画像の各画素を2つのグループに区分する画素グループ区分部と、
区分された前記グループ毎に、そのグループに含まれる各画素に該グループ固有の値を画素値として付与し、画素値置換画像を得る画素値置換え部と、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する被検体部位状態判別部と、
を備えたことを特徴とする画像処理装置。 a difference image calculation unit that obtains difference image data by calculating difference values between corresponding pixels for two types of MRI image data taken of the same subject part;
a statistical information calculation unit that calculates statistical information based on each pixel value of the difference image data calculated by the difference image calculation unit;
a threshold calculation unit that calculates a threshold for dividing each pixel of the difference image into two groups based on the statistical information calculated by the statistical information calculation unit;
a pixel group classification unit that classifies each pixel of the difference image into two groups based on the threshold calculated by the threshold calculation unit;
a pixel value replacement unit that gives a value unique to each group as a pixel value to each pixel included in the group for each divided group, and obtains a pixel value replacement image;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, a subject part state determination unit that determines the state of the subject part for each pixel;
An image processing device comprising:
得られた該差分画像データの各画素値に基づいて統計情報を算出し、
算出された該統計情報に基づき、差分画像の各画素を2つのグループに区分するしきい値を算出し、
算出された該しきい値に基づき、該差分画像の各画素を2つのグループに区分し、
区分された前記グループ毎に、そのグループに含まれる各画素にそのグループ固有の値を画素値として付与し、画素値置換画像を得、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する、
ことを特徴とする画像処理方法。 For two types of MRI image data taken of the same subject part, calculate the difference value between corresponding pixels to obtain difference image data,
Calculating statistical information based on each pixel value of the obtained difference image data,
Based on the calculated statistical information, calculate a threshold for dividing each pixel of the difference image into two groups,
Based on the calculated threshold, each pixel of the difference image is divided into two groups,
For each divided group, a value unique to that group is given to each pixel included in that group as a pixel value, and a pixel value replaced image is obtained;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, determining the state of the subject part for each pixel;
An image processing method characterized by:
同一の被検体部位を撮影した、2種類のMRI画像データについて、対応する画素同士の差分値を演算して差分画像データを得る機能と、
得られた該差分画像データの各画素値に基づいて統計情報を算出する機能と、
算出された該統計情報に基づき、差分画像の各画素値を2つのグループに区分するしきい値を算出する機能と、
算出された該しきい値に基づき、該差分画像の各画素値を2つのグループに区分する機能と、
区分された前記グループ毎に、そのグループに含まれる各画素にそのグループ固有の値を画素値として付与し、画素値置換画像を得る機能と、
前記2種類のMRI画像データとは異なる種類の所定の医用画像データから得られる信号値または領域情報と、前記画素値置換画像のデータから得られる信号値または領域情報に基づいて、前記被検体部位の画素毎に該被検体部位の状態を判別する機能と、
を実行せしめることを特徴とする画像処理プログラム。 to the computer,
A function to obtain difference image data by calculating a difference value between corresponding pixels for two types of MRI image data taken of the same subject part;
a function of calculating statistical information based on each pixel value of the obtained difference image data;
a function of calculating a threshold value for dividing each pixel value of the difference image into two groups based on the calculated statistical information;
a function of dividing each pixel value of the difference image into two groups based on the calculated threshold;
a function of assigning a group-specific value to each pixel included in the group as a pixel value for each of the divided groups, and obtaining a pixel value replaced image;
Based on the signal value or region information obtained from a type of predetermined medical image data different from the two types of MRI image data, and the signal value or region information obtained from the data of the pixel value replaced image, a function of determining the state of the subject part for each pixel;
An image processing program that executes.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020094164A JP7429437B2 (en) | 2020-05-29 | 2020-05-29 | Image processing device, image processing method, and image processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020094164A JP7429437B2 (en) | 2020-05-29 | 2020-05-29 | Image processing device, image processing method, and image processing program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021186233A JP2021186233A (en) | 2021-12-13 |
JP7429437B2 true JP7429437B2 (en) | 2024-02-08 |
Family
ID=78850741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020094164A Active JP7429437B2 (en) | 2020-05-29 | 2020-05-29 | Image processing device, image processing method, and image processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7429437B2 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002306441A (en) | 2000-08-11 | 2002-10-22 | Hitachi Medical Corp | Magnetic resonance imaging apparatus |
US20090230960A1 (en) | 2008-03-13 | 2009-09-17 | Michael Deimling | Method and magnetic resonance system to generate a fat-reduced, spatially resolved magnetic resonance spectrum |
JP2012066129A (en) | 2006-06-20 | 2012-04-05 | Toshiba Corp | Magnetic resonance imaging system |
JP2013223723A (en) | 2012-04-19 | 2013-10-31 | General Electric Co <Ge> | Attenuation correction in positron emission tomography using magnetic resonance imaging |
WO2014125876A1 (en) | 2013-02-12 | 2014-08-21 | 株式会社 日立メディコ | Magnetic resonance imaging device and processing method thereof |
JP2015517375A (en) | 2012-05-23 | 2015-06-22 | コーニンクレッカ フィリップス エヌ ヴェ | Multi Echo PRESTO |
-
2020
- 2020-05-29 JP JP2020094164A patent/JP7429437B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002306441A (en) | 2000-08-11 | 2002-10-22 | Hitachi Medical Corp | Magnetic resonance imaging apparatus |
JP2012066129A (en) | 2006-06-20 | 2012-04-05 | Toshiba Corp | Magnetic resonance imaging system |
US20090230960A1 (en) | 2008-03-13 | 2009-09-17 | Michael Deimling | Method and magnetic resonance system to generate a fat-reduced, spatially resolved magnetic resonance spectrum |
JP2013223723A (en) | 2012-04-19 | 2013-10-31 | General Electric Co <Ge> | Attenuation correction in positron emission tomography using magnetic resonance imaging |
JP2015517375A (en) | 2012-05-23 | 2015-06-22 | コーニンクレッカ フィリップス エヌ ヴェ | Multi Echo PRESTO |
WO2014125876A1 (en) | 2013-02-12 | 2014-08-21 | 株式会社 日立メディコ | Magnetic resonance imaging device and processing method thereof |
Also Published As
Publication number | Publication date |
---|---|
JP2021186233A (en) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Partridge et al. | Diffusion tensor magnetic resonance imaging of the normal breast | |
Wu et al. | ADC measurements in diffuse large B-cell lymphoma and follicular lymphoma: a DWI and cellularity study | |
Re et al. | Enhancing pancreatic adenocarcinoma delineation in diffusion derived intravoxel incoherent motion f‐maps through automatic vessel and duct segmentation | |
US10379189B2 (en) | Simultaneous magnetic resonance angiography and perfusion with nuclear magnetic resonance fingerprinting | |
Hoang et al. | Diffusion-weighted imaging for head and neck squamous cell carcinoma: quantifying repeatability to understand early treatment-induced change | |
Adams et al. | Native T1 mapping as an in vivo biomarker for the identification of higher-grade renal cell carcinoma: correlation with histopathological findings | |
Obmann et al. | Liver MR relaxometry at 3T–segmental normal T1 and T2* values in patients without focal or diffuse liver disease and in patients with increased liver fat and elevated liver stiffness | |
Ge et al. | Feasibility and reproducibility of T2 mapping and DWI for identifying malignant lymph nodes in rectal cancer | |
Bickelhaupt et al. | On a fractional order calculus model in diffusion weighted breast imaging to differentiate between malignant and benign breast lesions detected on X-ray screening mammography | |
Cashmore et al. | Clinical quantitative MRI and the need for metrology | |
Wu et al. | Differentiation of diffuse large B-cell lymphoma from follicular lymphoma using texture analysis on conventional MR images at 3.0 Tesla | |
Lavini et al. | Model‐based, semiquantitative and time intensity curve shape analysis of dynamic contrast‐enhanced MRI: A comparison in patients undergoing antiangiogenic treatment for recurrent glioma | |
Andreassen et al. | Discrimination of breast cancer from healthy breast tissue using a three-component diffusion-weighted MRI model | |
Zeilinger et al. | Impact of post-processing methods on apparent diffusion coefficient values | |
McCammack et al. | In vivo prostate cancer detection and grading using restriction spectrum imaging-MRI | |
Rodríguez‐Soto et al. | Characterization of the diffusion signal of breast tissues using multi‐exponential models | |
JP6991728B2 (en) | Image processing device, magnetic resonance imaging device and image processing method | |
Huang et al. | Multi-parametric magnetic resonance imaging-based radiomics analysis of cervical cancer for preoperative prediction of lymphovascular space invasion | |
TW202033159A (en) | Image processing method, device and system, electronic apparatus, and computer readable storage medium | |
Crombé et al. | Assessment of repeatability, reproducibility, and performances of T2 mapping‐based radiomics features: a comparative study | |
Barwick et al. | Repeatability and reproducibility of apparent diffusion coefficient and fat fraction measurement of focal myeloma lesions on whole body magnetic resonance imaging | |
Guo et al. | Multi‐planar, multi‐contrast and multi‐time point analysis tool (MOCHA) for intracranial vessel wall characterization | |
Cicero et al. | DWI ratios: New indexes for Crohn’s disease activity at magnetic resonance enterography? | |
Zhang et al. | Application of magnetic resonance fingerprinting to differentiate grade I transitional and fibrous meningiomas from meningothelial meningiomas | |
CN110785123A (en) | Three-dimensional quantitative detection of intra-voxel incoherent motion MRI of tissue abnormalities using improved data processing techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230405 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231026 |
|
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: 20240111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7429437 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |