JP7500360B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7500360B2 JP7500360B2 JP2020153003A JP2020153003A JP7500360B2 JP 7500360 B2 JP7500360 B2 JP 7500360B2 JP 2020153003 A JP2020153003 A JP 2020153003A JP 2020153003 A JP2020153003 A JP 2020153003A JP 7500360 B2 JP7500360 B2 JP 7500360B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- standard
- slippage
- map
- movement
- 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
- 230000010365 information processing Effects 0.000 title claims description 43
- 238000003672 processing method Methods 0.000 title claims description 5
- 210000004072 lung Anatomy 0.000 claims description 121
- 238000004364 calculation method Methods 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 41
- 230000009466 transformation Effects 0.000 claims description 26
- 210000004224 pleura Anatomy 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 89
- 230000008569 process Effects 0.000 description 51
- 238000012360 testing method Methods 0.000 description 39
- 238000007689 inspection Methods 0.000 description 20
- 206010035588 Pleural adhesion Diseases 0.000 description 19
- 238000006243 chemical reaction Methods 0.000 description 19
- 238000003384 imaging method Methods 0.000 description 11
- 230000000241 respiratory effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本発明の第一の実施形態に係る情報処理システムは、医療機関における医師や技師などのユーザに対して、検査対象となる被検体の胸膜の癒着状態の把握、診断を支援する機能を提供する。より具体的には、検査対象となる被検体の肺(対象部位)の運動(移動)に関する特徴量の一種である胸膜の滑り状態について、胸膜の癒着が無い正常症例(標準被検体)との違いを容易に視認できる観察画像を生成する機能を提供する。
ステップS1000において、検査対象画像取得部100(画像取得手段)は、検査画像データベース30から検査対象被検体の肺野を撮影した4DCTデータを取得する。本実施形態のおける4DCTデータとは、時系列の3次元ボリュームデータであり、検査対象被検体の呼吸による動態を撮影したデータである。より具体的には検査対象被検体の吸気位(例えば最大吸気位)と呼気位(例えば最大呼気位)の2時点の3DCTデータで構成される4DCTデータを取得する。言い換えると、検査対象画像取得部100(画像取得手段)は、時相の異なる検査対象被検体の肺野を撮影した複数のデータ(画像を含む)を取得する。本実施形態では吸気位の3DCTデータをI_t_insと表し、呼気位の3DCTデータをI_t_expと表す。またこれらを含む4DCTデータをI_tと表す。本実施形態におけるこれらの3DCTデータには検査対象被検体の肺の全体が撮像されているものとする。
ステップS1020において、検査対象滑り量マップ算出部110(第一の取得手段)は、検査対象被検体の肺(対象部位)の輪郭部における、呼吸による滑り量を表す滑り量マップ(対象部位の移動に関する特徴量)を算出する。本実施形態では検査対象被検体の右肺に関する滑り量マップを算出する場合を例として説明する。呼吸による肺の輪郭部における滑り量(特徴量)について、図3を用いて説明する。図3は肺の吸気位および呼気位の肺のコロナル断面を表す図である。同図の200は、吸気位の肺の輪郭形状を表す。また、202は呼気位の肺の輪郭形状である。このように吸気位と呼気位とでは肺の輪郭形状が異なる。図中の矢印210は、肺輪郭の各位置における呼吸による吸気位から呼気位への肺の移動を表す。また矢印212は、肺輪郭の各位置における呼吸による吸気位から呼気位への胸壁の移動を表す。図の矢印210と矢印212の方向および大きさが示すように、肺輪郭の各位置では呼吸により肺野側と胸壁側との間の胸膜の位置において滑りを伴う運動が生じる。本処理ステップでは、この肺輪郭の各位置における滑りの大きさを算出する。ここで、滑り量の算出には公知の何れの手法を用いても良い。例えば吸気位の画像と呼気位の画像の変形位置合わせを行い、画像上の各点の移動量を算出することにより、算出できる。より具体的には、特許文献1に記載の方法により実施することができる。
ステップS1040において、情報処理装置10は、胸膜癒着の無い複数の被検体(標準被検体)の滑り量の情報を検査画像データベース30から取得し、それらの平均値を算出することで、標準滑り量(標準特徴量)マップを取得する。本実施形態における標準滑り量マップは、検査対象被検体と異なる被検体であり、かつ胸膜での癒着が無い被検体の滑り量マップを平均化処理することにより取得する。この標準滑り量マップは癒着の無い被検体での平均的な滑り量を表すものである。
ステップS10400において、正常症例データ取得部120は、検査画像データベース30から、複数の正常症例(胸膜癒着の無い症例)の滑り量マップを取得する。本実施形態の検査画像データベース30には複数の被検体に関する検査画像と付帯情報が保持されている。この付帯情報には当該被検体の滑り量マップや、胸膜での癒着の有無に関する診断情報が含まれる。本処理ステップでは、正常症例データ取得部120が、検査画像データベース30に対して、「正常症例(胸膜癒着無し)」という条件で検索を行い、検索の結果として抽出された症例の4DCTを含む検査画像および付帯情報である滑り量マップを取得する。本実施形態では、正常症例としてM個の症例が抽出されたものとし、M個の症例の夫々の4DCTデータをI_n_j(1≦j≦M)、滑り量マップをS_n_j(1≦j≦M)と表記する。本実施形態では、検査対象被検体の右肺を対象としており、前記正常症例の滑り量マップS_n_j(1≦j≦M)も正常症例の右肺の滑り量マップである場合について説明する。また、各症例の4DCTデータをI_n_j(1≦j≦M)は、各症例の吸気位の3DCTデータI_n_ins_j(1≦j≦M)および、呼気位の3DCTデータI_n_exp_j(1≦j≦M)を含むものとする。ここで、4DCTデータI_n_j、3DCTデータI_n_ins_j、I_n_exp_jおよび滑り量マップS_n_jの夫々のデータの形態はステップS1000で説明した検査対象被検体の各データと同様の形態とする。
ステップS10402において標準滑り量マップ算出部130は、ステップS10400で取得した4DCTデータI_n_j(1≦j≦M)に含まれる吸気位の3DCTデータI_n_ins_j(1≦j≦M)に基づき、正常症例の夫々における解剖学特徴を取得する。本実施形態では具体例として肺輪郭、肺尖位置および肺底位置を取得する場合について説明する。これらの取得は公知の臓器セグメンテーション技術や形状解析技術を用いて実行できる。これ以外にも、ユーザによる手動操作により、これらの位置を取得できる仕組みを備え、それに基づき取得するようにしても良い。本実施形態では肺尖位置および肺底位置を吸気位の3DCTデータI_n_ins_j(1≦j≦M)上の三次元位置情報として取得する。肺底位置の取得は、具体的には肺野と横隔膜が接する肺底面上で肺尖位置から最も離れた点の位置を取得するようにできる。これ以外にも肺底面の輪郭上の複数の点の中から、肺尖からの距離が平均的な点の位置や、被検体の背側の点などを選択して取得するようにしても良い。以上の処理により取得した肺輪郭をL_n_j(1≦j≦M)、肺尖位置をPt_n_j(1≦j≦M)、肺底位置をPb_n_j(1≦j≦M)と表記する。
ステップS10404において標準滑り量マップ算出部130(第二の取得手段)は、ステップS10402で取得した正常症例の夫々の肺輪郭、肺尖位置および肺底位置に基づき、各症例の吸気位の3DCTの画像空間で算出された滑り量(標準被検体の特徴量)マップを基準空間(第一の基準空間)に座標変換する。ここで、基準空間とは対象部位である肺の位置または形状に関するパラメータを座標軸に設定した座標系であり、基準空間への座標変換は、複数の正常症例の夫々を、解剖学的に略一致させる座標変換であり、症例毎に異なる座標変換である。本実施形態では基準空間への座標変換の具体的な一例として、肺尖位置からの測地線距離および、肺尖位置を中心とした体軸周りの方位の2つのパラメータで表される基準空間の座標系に座標変換する場合について図5を用いて詳しく説明する。
ステップS10406において標準滑り量マップ算出部130は、ステップS10404で基準空間に座標変換した各正常症例の滑り量マップS’_n_j(1≦j≦M)を統合し、標準滑り量(標準特徴量)マップを算出する処理を実行する。本実施形態では標準滑り量マップをR’_nと表記する。本実施形態では、複数の正常症例の滑り量マップを統合する演算として平均値算出演算を用いる場合を例として説明する。具体的には数1の計算により標準滑り量マップR’_nを算出する。
ステップS1060において、滑り特性値算出部140は、ステップS1020で算出した検査対象被検体の滑り量マップS_tと、ステップS1040で算出した標準滑り量マップR’_nとの比較により検査対象被検体の滑り量に関する特性値(対象部位の移動に関する特性値)マップを算出する。図6は本ステップの処理フローをより詳しい説明する図である。以下、図6に沿って、ステップS1060の処理の詳細な流れについて説明する。
ステップS10600において、滑り特性値算出部140(算出手段)は、ステップS1000で取得した検査対象症例の4DCTデータから吸気位の肺輪郭、肺尖位置および肺底位置を取得する処理を実行する。この処理は、正常症例を対象として実行するステップS10402と同様の処理であり、ここでは詳細な説明は省略する。この処理により取得した肺輪郭をL_t、肺尖位置をPt_t、肺底位置をPb_tと表記する。
ステップS10602において、滑り特性値算出部140は、ステップS10600で取得した肺輪郭、肺尖位置および肺底位置に基づいて、ステップS1020で取得した検査対象被検体の滑り量(特徴量)マップS_tを基準空間(第二の基準空間)に座標変換する処理を実行する。ここで、基準空間とはステップS1040で取得した標準滑り量マップR’_nの空間であり、肺尖位置からの測地線距離dおよび、肺尖位置を中心とした体軸周りの方位Φの2つのパラメータで表される空間である。本処理ステップが実行する座標変換は、正常症例を対象としてステップS10404で実行した処理と同様の処理により実行される。ここでは詳細な説明を省略する。
ステップS10604において、滑り特性値算出部140(算出手段)は、ステップS10602で算出した座標変換後の検査対象被検体の滑り量マップS’_tと、ステップS1040で算出した標準滑り量マップR’_nとの比較演算を行い、検査対象症例の胸膜の滑りに関する特性値マップC’_tを算出する処理を実行する。本実施形態では比較演算としてS’_tとR’_nの比の対数を算出する処理を実行する。具体的には数2の計算により特性値マップC’_tを算出する。
ステップS10604において、滑り特性値算出部140は、ステップS10604で算出した基準空間における特性値マップC’_tを、検査対象被検体の吸気位の3DCTデータの空間に座標変換する処理を実行する。この処理はステップS10602で実行した座標変換とは逆の座標変換として実行される。所与の座標変換の逆変換は公知のいかなる方法で実行してよい。ここでは詳細な説明は省略する。この処理により、検査対象被検体の吸気位の3DCTデータの画像空間に座標変換された特性値マップC_tを取得する。
ステップS1080において表示制御部150(表示制御手段)は、ステップS1060で算出した検査対象被検体の特性値マップを表示装置60(表示手段)に表示させるための制御を行う。具体的には特性値マップC_tを観察するための画像(観察画像)を生成し、その画像を表示装置60に表示させるように制御を行う。観察画像は、例えば、検査対象被検体の3次元の肺野輪郭形状上に、特性値マップC_tをグレースケールやカラーマップなどで階調変換したサーフェースレンダリング画像として生成するようにできる。また4DCTデータI_tのボリュームレンダリング画像を生成し、その画像に前記サーフェースレンダリング画像を重畳して観察画像を生成しても良い。これ以外にも、ユーザの操作等に応じて4DCTデータI_tから任意の断面画像を生成し、その断面画像の肺輪郭の位置に、特性値マップC_tをカラーマップなどで階調変換した画素値を重畳して観察画像を生成しても良い。また、特性値マップC_tを表示するだけでなく、ステップS1020で取得した滑り量マップS_tも表示するようにしても良い。この場合、特性値マップC_tと滑り量マップS_tとを並べた観察画像を生成しても良いし、ユーザ操作等に基づいて、これらを切り替えて表示できる仕組みを備えても良い。上述の方法は本発明の一例に過ぎず、如何なる方法で特性値マップを表示しても、または表示自体を行わなくても、本発明の一実施形態となりうる。
本実施形態におけるステップS10604の処理として、検査対象被検体の滑り量マップS’_tの値と標準滑り量マップR’_nの値との比の対数により特性値マップC’_tを算出する場合を具体的な一例として説明したが、本発明の実施はこれに限らない。例えば、より簡便な方法として、S’_tとR’_nの差分演算によりC’_tを算出するようにしても良い。また、ステップS1040の処理として複数の正常症例の滑り量の平均値として標準滑り量マップを算出する場合を例として説明したが、本発明の実施はこれに限らない。例えば、前記平均値の算出に加えて、複数の正常症例の滑り量の分散値のマップも算出しても良い。この場合、ステップS10604の比較演算として、検査対象被検体の滑り量と前記平均値との間のマハラノビス距離(平均値との差を分散値で除した値)を算出し、これを特性値としても良い。これによれば、正常症例の滑り量のばらつきを反映した特性値が算出できるため、より診断に有用な観察画像が提供できる効果がある。これ以外にも複数の正常症例の滑り量に対する検査対象被検体の滑り量のパーセンタイル値を特性値として算出してもよく、前記同様に診断に有用な観察画像が提供できる効果がある。上記以外にも、正常症例の滑り量の分布に対する、検査対象被検体の滑り量の間の距離(逸脱度)を算出する方法は様々にあり、いずれの方法も本発明の一実施形態となりうる。
本実施形態では、検査対象被検体の滑り量マップの算出処理を実行した後に標準滑り量マップの算出処理を実行する場合を例として説明したが、本発明の実施はこれに限らない。例えば、検査対象被検体の滑り量のマップ算出処理を実行する前に、標準滑り量マップの算出処理を実行しても良い。また本発明の実施は、標準滑り量マップの算出処理と、検査対象被検体の滑り量マップの算出処理とを一連の処理として実行する場合に限らない。例えば、複数の正常症例を処理対象とする標準滑り量マップの算出処理を事前に実行し、その処理結果である標準滑り量マップを検査画像データベースに保存するようにできる。また、検査対象症例の特性値を算出する際に標準滑り量マップを検査画像データベースから読み出して利用するようにできる。以上の方法によれば、検査対象被検体を対象とした処理を実行する前に標準滑り量マップの作成処理を済ませておくことができるため、検査対象被検体の特性値の算出を迅速に行える効果がある。
本実施形態では検査対象被検体の右肺(コロナル画像で左側)の特性値を算出し観察画像を生成する場合を例として説明したが、本発明の実施はこれに限らない。例えば検査対象被検体の左肺を対象とする場合にも同様に適用できる。この場合、ステップS1040の処理では正常症例の左肺の滑り量に基づいて標準滑り量マップを生成するようにできる。または正常症例の右肺と左肺の夫々の標準滑り量マップを予め生成しておき、検査対象被検体の検査対象とする肺が右肺であるか左肺であるかに応じて、使用する標準滑り量マップを選択するようにしても良い。または、上記の方法により生成した右肺、左肺の両方の標準滑り量マップを用いて、検査対象被検体の右肺と左肺の両方を処理するようにしても良い。
本実施形態のステップS1080の処理において、情報処理装置10はさらに、ユーザが検査対象被検体の胸膜の癒着状態を診断した結果を取得できるようにしても良い。この時、診断結果が「癒着無し」である場合には、検査画像データベース30に記録するデータに、胸膜の癒着が無い症例であることを表す付帯情報を追加するようにできる。これによれば、本実施形態の検査対象被検体以外の被検体を対象として本発明を実施する際に、本実施形態が検査対象とした被検体の4DCTデータI_tおよび滑り量マップS_tを正常症例のデータとして用いることができる。
本実施形態では、検査対象被検体を撮影した4DCTデータには同被検体の肺の全体が撮像されている場合を例として説明したが、本発明の実施はこれに限らない。例えば、検査対象被検体を撮影した4DCTデータは同被検体の肺の一部(例えば肺の上部のみ、または中間部のみ、または下部のみなど)を撮影領域とするデータであってもよい。この場合、本実施例のステップS10600の処理として、画像処理によって直接的に肺輪郭、肺尖位置、肺底位置の全てを取得するのは困難であるため、以下のような処理を実行する。すなわち、撮影領域内に含まれる肺輪郭、肺尖位置、肺底位置の一部に加えて、気管支や骨など撮影領域内の他の解剖学的特徴の位置等に基づき、撮影領域外の肺輪郭、肺尖位置、肺底位置を推定するようにできる。具体的には、標準的な人体の肺の形状、サイズ、解剖学的特徴の位置関係など人体の構造に関する事前知識に基づいて推定を行うのが望ましい。より具体的には肺全体を含む標準的な人体モデルに対して検査対象被検体の撮影データを位置合わせすることで推定を行うことができる。この場合、検査対象被検体の身長、体重、体格、性別等の属性情報に基づいて適切な人体モデルを選択または生成し、それに基づいて推定を行うのがより望ましい。以上の方法によれば、肺の一部のみを撮影領域とした被検体を検査対象被検体とすることができる。
本実施形態では、胸膜に癒着の無い複数の正常例に関する滑り量マップに基づいて標準滑り量マップを算出する場合を例として説明したが、本発明の実施はこれに限らない。例えば、標準滑り量マップの算出に用いる被検体には胸膜に癒着の無い被検体だけではなく、胸膜に癒着の有る被検体が含まれていても良い。より具体的には、ステップS10400において検査画像データベース30から滑り量マップを取得する際には、必ずしも「正常症例(胸膜癒着無し)」の条件で検索を行う必要は無い。この場合、ステップS10406の処理としては、複数の滑り量マップの平均値を算出に代えて、中央値の算出を行うなど、胸膜癒着の有る症例が混在することによる影響を低減できる方法を用いるのが望ましい。これによれば、胸膜癒着の有無が不明な症例も用いて標準滑り量マップを生成することができるため、より簡便な仕組みで適用範囲の広い情報処理システムを提供できる効果がある。
本発明の第二の実施形態について説明する。第一の実施形態では、複数の正常症例の滑り度マップを肺尖からの測地線距離と肺尖位置を中心とした体軸周りの方位の2パラメータで表す基準空間に座標変換して標準滑り度マップを算出する例を説明した。しかし、本発明の実施はこれに限らない。第二の実施形態では、複数の正常症例の滑り度マップを検査対象被検体の吸気位の3DCTデータの画像空間に座標変換して標準滑り量マップを算出する場合を例として説明する。
ステップS2000において、情報処理装置10は、第一実施形態のステップS1000と同様の処理を実行する。詳細な説明は省略する。
ステップS2020において、情報処理装置10は、第一実施形態のステップS1020と同様の処理を実行する。詳細な説明は省略する。
ステップS1040において、情報処理装置10は、胸膜癒着の無い複数の被検体の滑り量の情報を検査画像データベース30から取得し、それらの平均値を算出することで、標準滑り量マップを取得する。本実施形態における標準滑り量マップは第一の実施形態とは異なり、検査対象被検体の吸気位の3DCTデータI_t_insの画像座標系に生成される。
ステップS20400において、正常症例データ取得部120は、第一実施形態のステップS1020と同様の処理を実行する。詳細な説明は省略する。
ステップS20404において標準滑り量マップ算出部130は、ステップS20400で取得した複数の正常症例の滑り量マップS_n_j(1≦j≦M)の夫々を、検査対象被検体の吸気位の3DCTデータI_t_insの画像座標系に座標変換する。この座標変換は、各正常症例の吸気位の3DCTデータI_n_ins_j(1≦j≦M)の夫々と、検査対象被検体の吸気位の3DCTデータI_t_insとの間の画像間位置合わせにより算出される。3DCTデータの画像間位置合わせの方法は公知の任意の方法を用いて実行できるが、各画像間で解剖学的特徴を略一致させる位置合わせを行うことが望ましい。本実施形態では検査対象被検体の肺輪郭と正常症例の肺輪郭とを略一致させる形状間位置合わせにより実行する。以上の方法で算出した座標変換により正常症例の滑り量マップS_n_j(1≦j≦M)の夫々を座標変換し、座標変換後の正常症例の滑り量マップS’’_n_j(1≦j≦M)を算出する。本実施形態では座標変換により正常症例の滑り量マップS’’_n_j(1≦j≦M)の夫々を検査対象被検体の滑り量マップS_tと同程度の粒度で離散化された3次元ボリュームデータとして保持するものとする。
ステップS20406において標準滑り量マップ算出部130は、ステップS20404で座標変換した各正常症例の滑り量マップS’’_n_j(1≦j≦M)を統合し、標準滑り量マップを算出する処理を実行する。本実施形態では標準滑り量マップをR’’_nと表記する。本実施形態では、複数の正常症例の滑り量マップを統合する演算として平均値算出演算を用いる場合を例として説明する。具体的には数3の計算により標準滑り量マップR’’_nを算出する。
ステップS2060において、滑り特性値算出部140は、ステップS2020で算出した検査対象被検体の滑り量マップS_tと、ステップS2040で算出した標準滑り量マップR’’_nとの比較により検査対象被検体の滑り量に関する特性値マップC_tを算出する。
ステップS2080において表示制御部150は、第一の実施形態のステップS1080と同様の処理を実行する。ここでは詳細な説明は省略する。
本実施形態では、複数の正常症例の滑り量マップの夫々を検査対象被検体の吸気位の肺輪郭に位置合わせ(座標変換)して標準滑り量マップを生成する場合を例として説明したが、本発明の実施はこれに限らない。例えば、複数の正常症例の滑り量マップの夫々を平均的な肺形状に位置合わせして標準滑り量マップを生成するようにしても良い。この場合、ステップS2060での処理として、前記標準滑り量マップを検査対象被検体の肺と解剖学的特徴が略一致するように位置合わせした後に特性値の算出(比較演算)するのが望ましい。以上の方法によれば、検査対象被検体の肺が手術等によって部分切除されている場合など、正常症例と大きく肺輪郭の形状が異なる場合でも頑健に標準滑り量マップを生成できる効果がある。
本発明の第三の実施形態について説明する。第一の実施形態と異なり、検査対象被検体と属性等が類似する正常症例の滑り量に基づいて標準滑り量マップを生成する。
本実施形態におけるステップS10400の処理として、標準滑り量マップ算出部130は、第一の実施形態と同様に検査画像データベース30から、複数の正常症例(胸膜癒着の無い症例)の滑り量マップを取得する。ただし、検査画像データベース30に保持されている複数の被検体のうち、検査対象被検体の属性等に類似する症例に限定して処理が行われる。具体的には、検査対象被検体の年齢、性別、既往歴、伸長、体重、体格、人種等の属性情報に基づき、これと類似する属性を持つ被検体に限定して処理を行う。より具体的には、検査対象被検体と性別、人種の属性が一致し、それ以外の属性の一致度が高い所定数の被検体(または一致度が所定の閾値を超える被検体)、に限定して処理を行うようにできる。また前記の属性情報に限らず、例えば検査対象被検体と肺野体積、肺輪郭形状などが類似する被検体に限定しても良い。このとき、特に肺の呼吸運動の特性が類似する被検体に限定されるようにすることが望ましい。正常症例を限定する際の選択の基準は、上記の例に限らず他の基準を用いても良い。
本実施形態では、検査対象被検体と属性等が類似する検査対象被検体以外の被検体の滑り量に基づいて標準滑り量マップを取得する方法を例として説明したが、本発明の実施はこれに限らない。例えば、検査対象被検体と同一被検体の過去の滑り量マップを標準滑り量マップとして用いるようにしても良い。これによれば、検査対象被検体の胸膜の滑り量に関する経時的な変化を捉えた特性値マップが生成され、同経時変化を視認しやすい観察画像を提供できる効果がある。すなわち、過去には無く新たに発生した胸膜の癒着の有無等を視認しやすい観察画像を提供できる効果がある。
上記の説明では本発明の実施形態の一例として人体の胸膜(肺の表面)の滑り量を対象として本発明を実施する場合の例について説明したが、本発明の実施はこれに限らない。例えば、本発明の実施は、呼吸運動による肺表面の動き(移動量)を対象として実施しても良い。この場合、上記の説明での滑り量の算出処理(例えば第一実施形態のステップS1020など)に代えて、肺の動き量の算出処理を行うことで実施可能である。肺の動き量を対象とする場合には、例えば、吸気位の3DCTデータと呼気位の3DCTデータの間の肺の領域に関する位置合わせを行うことで、肺の動き量を算出することができる。ここで、肺の動き量は動きの距離(スカラー値)でも良いし、動きのベクトルでも良い。肺の動きのベクトルを対象とする場合には、3次元空間中の各軸方向の夫々の移動量について独立に処理を行い、それらの結果を統合して特性値を算出するようにしても良い。これ以外にも、3次元空間中の動きのベクトルを動きの距離と方位に分離し、夫々について独立に処理を行い、それらの結果を統合して特性値を算出するようにしても良い。
上述した複数の変形例のうち少なくとも二つを組み合わせることも可能である。
30 検査画像データベース
40 検査画像撮影装置
50 LAN
60 表示装置
100 検査対象画像取得部(画像取得手段)
110 検査対象滑り量マップ算出部(第一の取得手段)
120 正常症例データ取得部
130 標準滑り量マップ情報算出部(第二の取得手段)
140 滑り特性値算出部(算出手段)
150 表示制御部(表示制御手段)
Claims (17)
- 画像座標系で構成される画像空間における被検体の対象部位の移動に関する特徴量を取得する第一の取得手段と、
前記画像空間における前記被検体とは異なる標準被検体の対象部位の移動に関する特徴量を、前記画像空間から、前記対象部位の輪郭上の位置に基づき算出されるパラメータを座標軸に設定した基準空間に座標変換し、座標変換後の特徴量に基づいて標準特徴量を取得する第二の取得手段と、
前記被検体の対象部位の移動に関する特徴量と前記標準特徴量に基づき、前記被検体の対象部位の移動に関する特性値を算出する算出手段と、
を有することを特徴とする情報処理装置。 - 前記対象部位は肺であることを特徴とする請求項1に記載の情報処理装置。
- 前記第一の取得手段は被検体の肺の移動に関する特徴量として前記被検体の胸膜の滑り量を取得し、
前記第二の取得手段は前記標準被検体の肺の移動に関する特徴量として前記標準被検体の胸膜の滑り量を取得し、
前記算出手段は前記被検体の肺の移動に関する特性値として胸膜の滑りに関する特性値を算出する、
ことを特徴とする請求項2に記載の情報処理装置。 - 前記算出手段は、前記被検体の特徴量を前記基準空間に座標変換し、変換後の前記被検体の特徴量および前記標準特徴量に基づいて前記特性値を算出する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第二の取得手段または前記算出手段は、前記被検体の肺の左右の別に基づいて座標変換の処理方法を切り替える
ことを特徴とする請求項2に記載の情報処理装置。 - 前記第二の取得手段は、前記被検体の属性に関する情報に基づき、前記標準特徴量を取得する対象の標準被検体を複数の標準被検体から選択する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記座標変換は、前記標準被検体の肺尖または肺底の位置に基づいて行う
ことを特徴とする請求項2に記載の情報処理装置。 - 表示手段に前記特性値を表示させる表示制御手段を更に有することを特徴とする請求項1乃至7のいずれか1項に記載の情報処理装置。
- 前記表示制御手段は、前記被検体の特徴量と共に前記特性値を表示させることを特徴とする請求項8に記載の情報処理装置。
- 前記基準空間は、前記対象部位の輪郭上の位置を表す座標系から構成される空間であることを特徴とする請求項1乃至8のいずれか1項に記載の情報処理装置。
- 前記パラメータは、前記対象部位の輪郭と、肺尖位置と、肺底位置と、に基づいて算出されることを特徴とする請求項2または3に記載の情報処理装置。
- 前記算出手段は、前記被検体の対象部位の移動に関する特徴量を、前記基準空間に座標変換し、前記基準空間上で前記標準特徴量と比較することにより、前記特性値を算出することを特徴とする請求項1乃至11のいずれか一項に記載の画像処理装置。
- 前記算出手段は、前記標準特徴量を、前記画像空間に座標変換し、前記画像空間上で前記被検体の対象部位の移動に関する特徴量と比較することにより、前記特性値を算出することを特徴とする請求項1乃至11のいずれか一項に記載の画像処理装置。
- 画像座標系で構成される画像空間における標準被検体の肺の胸膜の移動に関する特徴量を、肺の輪郭上の位置に基づき算出されるパラメータを座標軸に設定した基準空間に座標変換し、座標変換後の特徴量に基づいて算出することで標準特徴量を取得する取得手段を有することを特徴とする情報処理装置。
- 画像座標系で構成される画像空間における被検体の対象部位の移動に関する特徴量を取得する第一の取得工程と、
前記画像空間における前記被検体とは異なる標準被検体の対象部位の移動に関する特徴量を、前記画像空間から、前記対象部位の輪郭上の位置に基づき算出されるパラメータを座標軸に設定した基準空間に座標変換し、座標変換後の特徴量に基づいて標準特徴量を取得する第二の取得工程と、
前記被検体の対象部位の移動に関する特徴量と前記標準特徴量に基づき、前記被検体の対象部位の移動に関する特性値を算出する算出工程とを有すること
を特徴とする情報処理方法。 - 前記対象部位は肺であることを特徴とする請求項15に記載の情報処理方法。
- 請求項15または16に記載の情報処理方法を実行させるプログラムを格納した記憶媒体。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020153003A JP7500360B2 (ja) | 2020-09-11 | 2020-09-11 | 情報処理装置、情報処理方法、及びプログラム |
US17/468,475 US20220084206A1 (en) | 2020-09-11 | 2021-09-07 | Information processing apparatus, information processing method, and non-transitory storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020153003A JP7500360B2 (ja) | 2020-09-11 | 2020-09-11 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022047220A JP2022047220A (ja) | 2022-03-24 |
JP7500360B2 true JP7500360B2 (ja) | 2024-06-17 |
Family
ID=80626881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020153003A Active JP7500360B2 (ja) | 2020-09-11 | 2020-09-11 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220084206A1 (ja) |
JP (1) | JP7500360B2 (ja) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012213604A (ja) | 2011-03-29 | 2012-11-08 | Toshiba Corp | X線ct装置及び画像処理方法 |
WO2013076927A1 (ja) | 2011-11-24 | 2013-05-30 | パナソニック株式会社 | 診断支援装置および診断支援方法 |
JP2016067832A (ja) | 2014-10-01 | 2016-05-09 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法 |
JP2017219984A (ja) | 2016-06-07 | 2017-12-14 | 大日本印刷株式会社 | 画像検索システム、画像辞書生成システム、画像処理システム及びプログラム |
JP2018158022A (ja) | 2017-03-23 | 2018-10-11 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置及び医用画像処理装置 |
US20180368731A1 (en) | 2016-02-15 | 2018-12-27 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and recording medium recording same |
WO2019044082A1 (ja) | 2017-08-28 | 2019-03-07 | 富士フイルム株式会社 | 医用画像処理装置、方法およびプログラム |
JP2019063328A (ja) | 2017-10-03 | 2019-04-25 | コニカミノルタ株式会社 | 動態画像処理装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220108544A1 (en) * | 2019-01-30 | 2022-04-07 | Sony Group Corporation | Object detection apparatus, system and method |
-
2020
- 2020-09-11 JP JP2020153003A patent/JP7500360B2/ja active Active
-
2021
- 2021-09-07 US US17/468,475 patent/US20220084206A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012213604A (ja) | 2011-03-29 | 2012-11-08 | Toshiba Corp | X線ct装置及び画像処理方法 |
WO2013076927A1 (ja) | 2011-11-24 | 2013-05-30 | パナソニック株式会社 | 診断支援装置および診断支援方法 |
JP2016067832A (ja) | 2014-10-01 | 2016-05-09 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法 |
US20180368731A1 (en) | 2016-02-15 | 2018-12-27 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and recording medium recording same |
JP2017219984A (ja) | 2016-06-07 | 2017-12-14 | 大日本印刷株式会社 | 画像検索システム、画像辞書生成システム、画像処理システム及びプログラム |
JP2018158022A (ja) | 2017-03-23 | 2018-10-11 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置及び医用画像処理装置 |
WO2019044082A1 (ja) | 2017-08-28 | 2019-03-07 | 富士フイルム株式会社 | 医用画像処理装置、方法およびプログラム |
JP2019063328A (ja) | 2017-10-03 | 2019-04-25 | コニカミノルタ株式会社 | 動態画像処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220084206A1 (en) | 2022-03-17 |
JP2022047220A (ja) | 2022-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4818846B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
US9117287B2 (en) | Image analysis apparatus, method, and program | |
US9480456B2 (en) | Image processing apparatus that simultaneously displays two regions of interest on a body mark, processing method thereof and storage medium | |
JP6049202B2 (ja) | 画像処理装置、方法、及びプログラム | |
JP2012205899A (ja) | 3次元的モデルを利用した身体臓器の映像生成方法及び装置並びにコンピュータ読み取り可能な記録媒体 | |
JP5812841B2 (ja) | 画像診断支援装置、画像診断支援方法、画像診断支援プログラム | |
JP2011212312A (ja) | 医用画像診断支援装置および方法、並びにプログラム | |
JP5995408B2 (ja) | 情報処理装置、撮影システム、情報処理方法および情報処理をコンピュータに実行させるためのプログラム | |
JP6131161B2 (ja) | 画像位置合わせ装置、方法、およびプログラム、並びに3次元変形モデル生成方法 | |
JP5415245B2 (ja) | 医用画像表示装置および方法並びにプログラム | |
JP6824078B2 (ja) | 内視鏡位置特定装置、方法およびプログラム | |
Deligianni et al. | Nonrigid 2-D/3-D registration for patient specific bronchoscopy simulation with statistical shape modeling: Phantom validation | |
JP6995535B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
US20230316550A1 (en) | Image processing device, method, and program | |
JP7409624B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP7500360B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2011024913A (ja) | 医用画像処理装置、医用画像処理プログラム、及びx線ct装置 | |
JP6967983B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2019180899A (ja) | 医用画像処理装置 | |
JP2022052210A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2022109778A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
WO2020138136A1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2022023564A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6748762B2 (ja) | 医用画像処理装置、医用画像処理方法 | |
US20240016365A1 (en) | Image processing device, method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230906 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231213 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240416 |
|
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: 20240507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240605 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7500360 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |