WO2014065340A1 - 画像処理装置、医用画像診断装置及び画像処理方法 - Google Patents

画像処理装置、医用画像診断装置及び画像処理方法 Download PDF

Info

Publication number
WO2014065340A1
WO2014065340A1 PCT/JP2013/078742 JP2013078742W WO2014065340A1 WO 2014065340 A1 WO2014065340 A1 WO 2014065340A1 JP 2013078742 W JP2013078742 W JP 2013078742W WO 2014065340 A1 WO2014065340 A1 WO 2014065340A1
Authority
WO
WIPO (PCT)
Prior art keywords
perfusion
image
unit
information
tissue
Prior art date
Application number
PCT/JP2013/078742
Other languages
English (en)
French (fr)
Inventor
慎太郎 舟迫
Original Assignee
株式会社東芝
東芝メディカルシステムズ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社東芝, 東芝メディカルシステムズ株式会社 filed Critical 株式会社東芝
Publication of WO2014065340A1 publication Critical patent/WO2014065340A1/ja
Priority to US14/680,201 priority Critical patent/US9460509B2/en

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0275—Measuring blood flow using tracers, e.g. dye dilution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0275—Measuring blood flow using tracers, e.g. dye dilution
    • A61B5/02755—Radioactive tracers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56366—Perfusion imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Definitions

  • Embodiments described herein relate generally to an image processing apparatus, a medical image diagnostic apparatus, and an image processing method.
  • a perfusion image is generated by an X-ray CT apparatus, an MRI apparatus, or the like, and blood flow dynamics in, for example, a brain tissue, a liver tissue, a pancreas tissue, or the like is analyzed.
  • a temporal change in CT value is calculated from an X-ray CT image obtained by photographing a head or abdomen of a subject administered with a nonionic iodine contrast agent in time series.
  • the X-ray CT apparatus generates a perfusion image in which an index representing the blood flow dynamics passing through the tissue is mapped on the tissue from the temporal change of the calculated CT value.
  • the problem to be solved by the present invention is to provide an image processing apparatus, a medical image diagnostic apparatus and an image processing method capable of confirming the reliability of the analysis result in the perfusion image.
  • the image processing apparatus includes an information acquisition unit, an estimation unit, a generation unit, and a display control unit.
  • the information acquisition unit acquires information on an obstruction factor related to the accuracy of the perfusion image included in the plurality of medical image data collected over time.
  • the estimation unit includes a time concentration curve indicating a temporal transition of signal intensity in a blood vessel that flows blood into an analysis target tissue whose perfusion state is analyzed in the plurality of medical image data, and the analysis target tissue The time concentration curve in the tissue to be analyzed is estimated from the perfusion model.
  • the generation unit is generated from the plurality of medical image data based on the time concentration curve in the analysis target tissue estimated by the estimation unit and information on the inhibition factor acquired by the information acquisition unit. Determination information for determining the reliability of the perfusion image is generated.
  • the display control unit controls the determination information generated by the generation unit to be displayed on a predetermined display unit.
  • FIG. 1 is a diagram illustrating an example of the configuration of the image processing apparatus according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of a perfusion model stored by the perfusion model storage unit according to the first embodiment.
  • FIG. 3 is a diagram illustrating an example of a simulation range stored by the simulation range storage unit according to the first embodiment.
  • FIG. 4 is a diagram for explaining an example of processing by the estimation unit according to the first embodiment.
  • FIG. 5 is a diagram illustrating an example of noise addition processing by the generation unit according to the first embodiment.
  • FIG. 6 is a diagram illustrating an example of a true value-analysis value graph generated by the generation unit according to the first embodiment.
  • FIG. 7 is a diagram for explaining an example of reliability Map generation by the generation unit according to the first embodiment.
  • FIG. 1 is a diagram illustrating an example of the configuration of the image processing apparatus according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of a perfusion model stored by the perfusion model storage
  • FIG. 8 is a diagram for explaining a first example of display control by the display control unit according to the first embodiment.
  • FIG. 9 is a diagram for explaining a second example of display control by the display control unit according to the first embodiment.
  • FIG. 10 is a flowchart illustrating a procedure of overall processing performed by the image processing apparatus according to the first embodiment.
  • FIG. 11 is a flowchart showing a procedure of processing for generating a true value-analyzed value graph by the image processing apparatus according to the first embodiment.
  • FIG. 12 is a diagram illustrating an example of display control by the display control unit according to the second embodiment.
  • FIG. 1 is a diagram illustrating an example of a configuration of an image processing apparatus 100 according to the first embodiment.
  • the image processing apparatus 100 includes an input unit 110, a display unit 120, a communication unit 130, a storage unit 140, and a control unit 150.
  • the image processing apparatus 100 is a workstation, an arbitrary personal computer, or the like, and is connected to a medical image diagnosis apparatus or an image storage apparatus (not shown) via a network.
  • the medical image diagnostic apparatus is, for example, an X-ray CT (Computed Tomography) apparatus, an MRI (Magnetic Resonance Imaging) apparatus, or the like.
  • the medical image diagnostic apparatus can generate three-dimensional medical image data (for example, three-dimensional medical image data of the head and abdomen taken over time while contrasting).
  • the image storage device is a database that stores medical images. Specifically, the image storage device stores the three-dimensional medical image data transmitted from the medical image diagnostic device in the storage unit and stores it.
  • the three-dimensional medical image data may be referred to as volume data.
  • the above-described image processing apparatus 100, medical image diagnostic apparatus, and image storage apparatus can communicate with each other directly or indirectly via, for example, a hospital LAN (Local Area Network) installed in a hospital. It has become.
  • a hospital LAN Local Area Network
  • PACS Picture Archiving and Communication System
  • each device transmits and receives medical images and the like according to DICOM (Digital Imaging and Communications in Medicine) standards.
  • DICOM Digital Imaging and Communications in Medicine
  • the input unit 110 is a mouse, a keyboard, a trackball, or the like, and receives input of various operations on the image processing apparatus 100 from an operator. Specifically, the input unit 110 receives input of information for acquiring volume data of a plurality of phases used for perfusion analysis from the image storage device. For example, the input unit 110 accepts an input for acquiring volume data of the head and abdomen taken over time by dynamic scanning of the X-ray CT apparatus for use in perfusion analysis.
  • the display unit 120 is a liquid crystal panel or the like as a stereoscopic display monitor, and displays various information. Specifically, the display unit 120 displays a GUI (Graphical User Interface) for receiving various operations from the operator, a display image generated by processing by the control unit 150 described later, and the like. The display image generated by the control unit 150 will be described later.
  • the communication unit 130 is a NIC (Network Interface Card) or the like, and communicates with other devices.
  • the storage unit 140 includes an image data storage unit 141, a perfusion model storage unit 142, a simulation range storage unit 143, and an image storage unit 144.
  • the storage unit 140 is a hard disk, a semiconductor memory element, or the like, and stores various types of information.
  • the image data storage unit 141 stores multi-phase volume data acquired from the image storage device via the communication unit 130.
  • the perfusion model storage unit 142 stores a perfusion model of the tissue to be analyzed. Specifically, the perfusion model storage unit 142 stores a perfusion model indicating inflow and outflow of blood (contrast medium) in the tissue to be analyzed.
  • FIG. 2 is a diagram illustrating an example of a perfusion model stored by the perfusion model storage unit 142 according to the first embodiment. For example, as shown in FIG. 2, the perfusion model storage unit 142 stores a perfusion model indicating inflow of blood (contrast medium) from the artery to the tissue and outflow of blood (contrast medium) from the tissue.
  • C a (t) indicates the concentration of the contrast agent in the artery
  • C t (t) indicates the concentration of the contrast agent in the tissue
  • k a ” and “k v ” shown in FIG. 2 indicate inflow and outflow rate coefficients, respectively.
  • “k a ” and “k v ” correspond to perfusion values “In-flow” and “Mean transit time”, respectively.
  • FIG. 2 “single-input one compartment model” in which the inflow is only an artery is shown, but this is only an example.
  • “Dual-input” in which the inflow is composed of an artery and a portal vein.
  • One compartment model may be used. That is, the perfusion model storage unit 142 stores various perfusion models, and these models can be arbitrarily stored by the user.
  • the simulation range storage unit 143 stores a parameter range indicating a difference in perfusion for each tissue to be analyzed. Specifically, the simulation range storage unit 143 stores, for each tissue, a simulation range that is blood flow information that will be displayed when perfusion analysis is performed in each tissue.
  • FIG. 3 is a diagram illustrating an example of a simulation range stored by the simulation range storage unit 143 according to the first embodiment.
  • the simulation range storage unit 143 stores a simulation range in which “analysis (parameter)”, “blood flow (ml / min / 100 ml)” and the like are associated with each tissue.
  • “analysis (parameter)” shown in FIG. 3 indicates a perfusion analysis parameter.
  • blood flow volume (ml / min / 100 ml)” shown in FIG. 3 indicates the blood flow volume flowing per unit time per unit volume of the tissue, and stores, for example, a range of blood flow volume. That is, the simulation range storage unit 143 stores a simulation range indicating a blood flow range (for example, 50 to 80, etc.) when a predetermined analysis is performed in a certain tissue.
  • the image storage unit 144 stores image data being processed by the control unit 150, which will be described later, a true value-analysis value graph generated by the processing, a reliability map, and the like.
  • a true value-analyzed value graph, the reliability map, and the like will be described later.
  • control unit 150 is, for example, an electronic circuit such as a CPU (Central Processing Unit) or MPU (Micro Processing Unit), an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or FPGA (Field Programmable Gate Array). The overall control of the image processing apparatus 100 is performed.
  • CPU Central Processing Unit
  • MPU Micro Processing Unit
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • the control unit 150 includes an image acquisition unit 151, an analysis unit 152, a noise information acquisition unit 153, an estimation unit 154, a generation unit 155, and a display control unit 156. Then, the control unit 150 performs perfusion analysis using volume data of a plurality of phases, and also provides a true value-analysis value graph that enables the user to confirm the reliability of the obtained analysis result, A sex Map is generated.
  • volume data taken with time by an X-ray CT apparatus is used as volume data of a plurality of phases will be described as an example.
  • the image acquisition unit 151 acquires multi-phase volume data used for perfusion analysis from an image storage device (not shown) via the communication unit 130 and stores the acquired volume data in the image data storage unit 141.
  • the image acquisition unit 151 acquires volume data taken over time by the X-ray CT apparatus based on information input from the operator via the input unit 110 and stores the volume data in the image data storage unit 141. To do.
  • the analysis unit 152 performs perfusion analysis using the multiple phase volume data acquired by the image acquisition unit 151 and stored in the image data storage unit 141. Specifically, the analysis unit 152 performs perfusion analysis according to the parameter information input by the operator via the input unit 110. For example, the analysis unit 152 performs perfusion analysis on the analysis target tissue (for example, brain, kidney, liver, etc.) with the specified analysis parameter. For example, the analysis unit 152 performs analysis of an analysis parameter CBP (cerebral blood perfusion) with brain tissue as an analysis target.
  • CBP Cerebral blood perfusion
  • the noise information acquisition unit 153 acquires information on an obstruction factor related to the accuracy of the perfusion image included in the plurality of medical image data collected over time. Specifically, the noise information acquisition unit 153 acquires noise information, artifact information, or body movement information included in a plurality of medical image data as information on an inhibition factor related to the accuracy of the perfusion image. In addition, the noise information acquisition unit 153 acquires information on the inhibition factor related to the accuracy of the perfusion image included in the plurality of medical image data collected over time while contrasting with the contrast agent. And the noise information acquisition part 153 acquires the information of the obstruction factor which concerns on the precision of the perfusion image contained in several 3D medical image data collected with time. In the following embodiment, a case will be described in which the noise information acquisition unit 153 acquires noise information included in a plurality of three-dimensional image data collected over time while contrasting with a contrast agent.
  • the noise information acquisition unit 153 calculates the image SD of the X-ray CT image generated from the volume data on which the perfusion analysis is performed by the analysis unit 152.
  • the noise information acquisition unit 153 calculates noise included in the volume data using an arbitrary area in the plurality of volume data.
  • the noise information acquisition unit 153 may include a pixel value (or voxel CT corresponding to a pixel) included in an ROI (Region of Interest) arbitrarily set by the user on the image used for perfusion analysis.
  • Image SD is calculated from (value).
  • the estimation unit 154 includes a time concentration curve indicating a temporal transition of signal intensity in a blood vessel that causes blood to flow into an analysis target tissue whose perfusion state is analyzed using a plurality of medical image data, and an analysis target tissue.
  • the time concentration curve in the tissue to be analyzed is estimated from the perfusion model.
  • the estimation unit 154 performs a temporal transition of the signal strength of the contrast agent in a blood vessel that flows blood into an analysis target tissue whose perfusion state is analyzed using a plurality of three-dimensional medical image data.
  • the time concentration curve in the analysis target tissue is estimated for each parameter indicating a difference in perfusion from the time concentration curve shown and the perfusion model of the analysis target tissue.
  • the estimation unit 154 includes a TDC (Time Density Curve) for blood flowing into the tissue in which the perfusion analysis is performed by the analysis unit 152, a perfusion model of the tissue in which the perfusion analysis is performed, and a perfusion analysis.
  • the TDC in the tissue is estimated from the tissue in which is executed and the simulation range corresponding to the analysis parameter.
  • FIG. 4 is a diagram for explaining an example of processing by the estimation unit 154 according to the first embodiment.
  • the estimation unit 154 reads the perfusion model corresponding to the tissue on which the perfusion analysis has been performed from the perfusion model storage unit 142.
  • the estimation unit 154 reads the perfusion model of “single-input one compartment model” shown in FIG. 2 and specifies that the inflow blood vessel is an artery.
  • the estimation unit 154 acquires the artery TDC from the X-ray CT image having a plurality of phases used for generating the perfusion image. For example, the estimation unit 154 determines that an area where the pixel value has increased in an initial stage (for example, within a predetermined period from the first phase) is an artery in each pixel of the X-ray CT image having a plurality of phases. And the estimation part 154 acquires TDC of the determined area
  • the estimation unit 154 estimates the tissue TDC from the acquired inflow blood vessel TDC, the perfusion model, and the simulation range corresponding to the tissue to be analyzed and the analysis parameter. For example, the estimation unit 154 estimates the tissue TDC using the following equation (1).
  • equation (1) is derived from the perfusion model shown in FIG. That is, “C t (t)” in Equation (1) indicates the tissue TDC. Further, “C a (t)” in the equation (1) indicates an arterial TDC. Further, “k a ” and “k v ” in Equation (1) indicate “In-flow perfusion” and “Mean transit time (MTT)”, respectively.
  • TDC from “C a (t)” contrast agent through the arteries to flow into the tissue at a rate of "k a” is the “k v”
  • the tissue TDC “C t (t)” concentration of the contrast medium in the tissue) is calculated by subtracting the contrast medium flowing out at a speed.
  • the estimation unit 154 estimates the tissue TDC when “k a ” and “k v ” are changed according to the simulation range (see FIG. 3) stored by the simulation range storage unit 143. That is, the estimation unit 154 obtains information such as blood flow from the tissues and the analysis parameters to be analyzed, the organization TDC in the case of changing the "k a” and "k v” in the range of acquired blood flow Estimate each.
  • simulation parameters “k a ” and “k v ” are referred to as simulation parameters.
  • the generation unit 155 generates a plurality of pieces of medical image data based on the time concentration curve in the analysis target tissue estimated by the estimation unit 154 and the information on the inhibition factor acquired by the information acquisition unit. Determination information for determining the reliability of the generated perfusion image is generated. For example, the generation unit 155 generates a plurality of three-dimensional medical images based on the time density curve in the analysis target tissue estimated for each simulation parameter by the estimation unit 154 and the noise information acquired by the noise information acquisition unit 153. Determination information for determining the reliability of the perfusion image generated from the data is generated. Specifically, the generation unit 155 adds noise corresponding to the image SD acquired by the noise information acquisition unit 153 to each tissue TDC estimated by the estimation unit 154.
  • FIG. 5 is a diagram illustrating an example of noise addition processing by the generation unit 155 according to the first embodiment.
  • tissue TDC is shown.
  • the generation unit 155 generates noise corresponding to the image SD acquired by the noise information acquisition unit with respect to the tissue TDC estimated by the estimation unit 154 (FIG. 5A).
  • the added tissue TDC ((B) in FIG. 5) is generated.
  • the generation unit 155 changes the CT value (HU) of the tissue TDC estimated by the estimation unit 154 in the range of the CT value (HU) corresponding to the image SD acquired by the noise information acquisition unit 153. To add noise.
  • the generation unit 155 causes the analysis unit 152 to perform perfusion analysis using the tissue TDC to which noise is added, and generates determination information for determining the reliability of the perfusion image. Specifically, the generation unit 155 generates a graph indicating the error range of the feature amount in the perfusion image generated from a plurality of volume data. More specifically, the generation unit 155 performs perfusion analysis after adding noise to the tissue TDC for each simulation parameter estimated by the estimation unit 154, and graphs the obtained analysis values. A plotted true value-analysis value graph is generated.
  • analysis parameters of the perfusion analysis to be executed by the analysis unit 152 are the same analysis parameters as the perfusion image for determining the reliability.
  • the analysis parameter is CBP.
  • FIG. 6 is a diagram illustrating an example of a true value-analysis value graph generated by the generation unit 155 according to the first embodiment.
  • the vertical axis indicates the analysis value (ml / min / 100 ml) obtained by performing the perfusion analysis on the tissue TDC after the addition of noise, and the horizontal axis indicates the true value used as the simulation parameter. (Ml / min / 100 ml).
  • the generation unit 155 adds the noise to the tissue TDC estimated with the 10 simulation parameters and then plots the analysis value obtained by performing the perfusion analysis. -Generate an analysis value graph. That is, in the generation of the true value-analytical value graph shown in FIG. 6, the estimation unit 154 estimates each tissue TDC in which the blood flow that is the simulation parameter is changed in 10 ways. The generation unit 155 adds perturbation to the tissue TDC estimated by the estimation unit 154 and performs perfusion analysis.
  • the generation unit 155 has the same simulation parameter organization as shown in the upper diagram of FIG. 6 in order to accurately reflect the variation tendency due to the influence of noise in the analysis value in the same simulation parameter.
  • a plurality of perfusion analyzes are performed on the TDC.
  • the generation unit 155 causes perfusion analysis to be performed 40 times for each simulation parameter. That is, the generation unit 155 repeatedly performs noise addition and perfusion analysis for the tissue TDC estimated by the estimation unit 154 40 times, and plots each analysis value on a graph.
  • the generating unit 155 generates the true value-analyzed value graph as shown in the upper diagram of FIG. 6 by executing the above-described processing on all the simulation parameters. Then, when the generation unit 155 generates a true value-analysis value graph, the generation unit 155 performs statistical processing of the obtained result. For example, the generation unit 155 calculates an average value, a standard deviation, an error from a true value, and the like of analysis values in each simulation parameter. For example, as illustrated in the lower diagram of FIG. 6, the generation unit 155 calculates an average value ⁇ standard deviation value and sets a region existing within the standard deviation as a validity range.
  • the validity range means the range of values that the true value can take for the analysis value. For example, when the analysis value is “200 (ml / min / 100 ml)”, the true value is “160 to 210 (ml / min / 100 ml)”. In other words, when the true value is “160 to 210”, it means that “200” can be calculated as the analysis value.
  • the generation unit 155 generates a true value-analytical value graph. For example, when referring to the graph shown in the lower side of FIG. 6, the user increases the standard deviation as the analytical value increases. It can be confirmed that it is large and has low reliability.
  • FIG. 7 is a diagram for explaining an example of reliability Map generation by the generation unit 155 according to the first embodiment. For example, as illustrated in FIG. 7, the generation unit 155 determines, from the true value-analysis value graph, a “validity range: for a pixel having a perfusion value (Perfusion value) of“ 200 ”in a perfusion image (Perfusion Map). 160-210 ".
  • the generation unit 155 calculates that the true value of the pixel having the analysis value “200” is “185 ⁇ 25” and the error is “ ⁇ 13.5%”.
  • the reliability of the perfusion image increases as the true value error decreases. Therefore, as shown in FIG. 7, the error “ ⁇ 13.5%” can be expressed as the unreliability “13.5%”.
  • the generation unit 155 calculates the error (unreliability) of each pixel by performing the above-described processing on all the pixels of the perfusion image, and calculates the reliability of the calculated unreliability.
  • a reliability Map that expresses the difference in color is generated.
  • the reliability Map generated by the generation unit 155 may express the difference in unreliability by the density of a single color, or may express the difference in reliability by a plurality of colors. Good.
  • the generation unit 155 when generating the reliability map, the generation unit 155 generates a reliability map that indicates only a region where the calculated error exceeds a predetermined value.
  • the generation unit 155 uses, for example, “5%” as a predetermined value, and generates a reliability Map that indicates only a region where the unreliability exceeds “5%” in the perfusion image.
  • the display control unit 156 controls the display unit 120 to display the determination information generated by the generation unit 155. Specifically, the display control unit 156 causes the display unit 120 to display at least one of the reliability map generated by the generation unit 155 and the superimposed image obtained by superimposing the reliability map on the perfusion image. To control. In addition, the display control unit 156 controls the display unit 120 to display the true value-analysis value graph.
  • FIG. 8 is a diagram for explaining a first example of display control by the display control unit 156 according to the first embodiment.
  • (A) shows the reliability map (full range display)
  • (B) shows the reliability map (partial range display)
  • (C) shows the perfusion image. That is, in FIG. 8A, for each pixel of the perfusion image, the validity range of each pixel is obtained from the true value-analysis value graph, and the error (unreliability) of each pixel is calculated. Then, a reliability Map (entire range display) indicating each pixel in a color corresponding to the calculated error (unreliability) is shown. Further, in FIG.
  • the reliability Map (entire range display)
  • the region 11 in which the error (unreliability) exceeds a predetermined value is extracted, and the reliability Map showing only the region 11 is extracted.
  • Partial range display is displayed. For example, a region 11 indicates a region where an error (unreliability) exceeds “5%”.
  • FIG. 8C the analyzed perfusion image is shown.
  • the display control unit 156 superimposes a reliability Map (partial range display) indicating the region 11 where the unreliability exceeds a predetermined value on the perfusion image.
  • the superimposed image is displayed on the display unit 120.
  • the reliability map is, for example, a reliability map that indicates only a region where the unreliability exceeds “5%” in the perfusion image.
  • the display control unit 156 displays the reliability Map (reliability Map (full range display), reliability Map (full range display), or reliability Map (full range display) shown in FIG.
  • FIG. 9 is a diagram for explaining a second example of display control by the display control unit 156 according to the first embodiment.
  • (A1) to (A3) show the reliability Map (partial range display) of the perfusion image analyzed by different analysis parameters
  • (B) shows the perfusion image.
  • (A1) of FIG. 9 the unreliability is calculated for all pixels of the perfusion image analyzed with a predetermined analysis parameter (for example, CBP) for the X-ray CT image, and the calculated unreliability is calculated.
  • the reliability Map (partial range display) showing only the region 12 where the value exceeds a predetermined value is shown.
  • an analysis parameter different from (A1) for example, CBV: cerebral blood volume
  • the unreliability is calculated for all the pixels of the perfusion image analyzed in (1), and the reliability Map (partial range display) showing only the region 13 where the calculated unreliability exceeds a predetermined value is shown.
  • analysis parameters different from (A1) and (A2) For example, a reliability map (partial) indicating only the region 14 in which the calculated unreliability exceeds a predetermined value for all pixels of the perfusion image analyzed by CBF (cerebral blood flow). Range display).
  • the perfusion image shown in (B) of FIG. 9 may be any of the perfusion images generated with the reliability Map (partial range display) shown in (A1) to (A3).
  • the display control unit 156 displays the region 12 in which the unreliability exceeds a predetermined value in the analysis parameter (A1), and the unreliability in the analysis parameter (A2).
  • the display unit 120 displays a superimposed image obtained by simultaneously superimposing the region 13 in which the value exceeds the predetermined value and the region 14 in which the unreliability exceeds the predetermined value in the analysis parameter (A3) on the perfusion image.
  • FIG. 10 is a flowchart illustrating a procedure of overall processing performed by the image processing apparatus 100 according to the first embodiment.
  • FIG. 10 shows processing after images are generated from a plurality of volume data collected over time while contrasting and the images generated by the image acquisition unit 151 are acquired.
  • the analysis unit 152 performs perfusion analysis using an analysis parameter specified by the user. Execute (Step S101). Then, the estimation unit 154 acquires the TDC of the artery from the image acquired by the image acquisition unit 151 (step S102), and the noise information acquisition unit 153 calculates the image SD (step S103).
  • the estimation unit 154 selects a perfusion model (step S104), and acquires a simulation parameter range by referring to the simulation range (step S105). Thereafter, the generation unit 155 performs simulation calculation using the TDC of the tissue estimated by the estimation unit 154 to generate a true value-analysis value graph (step S106).
  • the display control unit 156 causes the display unit 120 to display the true value-analysis value graph generated by the generation unit 155 (step S107). Then, the generation unit 155 determines the reliability for each pixel of the perfusion image and generates a reliability Map (step S108). The display control unit 156 displays the generated reliability map on the display unit 120 (step S109).
  • the embodiment is not limited to this.
  • a true value-analyzed value graph and a reliability map may be displayed in parallel.
  • FIG. 11 is a flowchart illustrating a procedure of processing for generating a true value-analyzed value graph by the image processing apparatus 100 according to the first embodiment.
  • the process shown in FIG. 11 corresponds to the process of step S106 in FIG.
  • the estimation unit 154 sets the simulation parameter (step S201) and creates a tissue TDC ( (Step S202). Thereafter, the generation unit 155 adds noise to the created tissue TDC (step S203), causes the analysis unit 152 to perform perfusion analysis, and calculates an error (step S204).
  • the generation unit 155 plots the analysis value on the true value-analysis value graph (step S205), and determines whether the analysis is repeated a predetermined number of times (step S206). If it is determined that the analysis has not been repeated a predetermined number of times (No at Step S206), the process returns to Step S202, and the estimation unit 154 creates a tissue TDC with the same simulation parameters.
  • Step S207 determines whether or not the analysis has been performed with all simulation parameters.
  • the process returns to Step S201, and the estimation unit 154 sets an unanalyzed simulation parameter.
  • Step S207 if it is determined that all simulation parameters have been executed (Yes at Step S207), the generation unit 155 executes a statistical process of the true value-analyzed value graph (Step S208), The generation process ends.
  • the noise information acquisition unit 153 acquires noise information included in a plurality of volume data collected over time while contrasting with a contrast agent.
  • the estimation unit 154 includes a TDC indicating a temporal transition of the signal strength of the contrast medium in a blood vessel that flows blood into the analysis target tissue whose perfusion state is analyzed using a plurality of volume data, and an analysis target The TDC in the tissue to be analyzed is estimated for each simulation parameter indicating the difference in perfusion from the tissue perfusion model.
  • the generation unit 155 is generated from the plurality of volume data based on the TDC in the analysis target tissue estimated for each simulation parameter by the estimation unit 154 and the noise information acquired by the noise information acquisition unit 153.
  • Determination information for determining the reliability of the perfusion image is generated. Then, the display control unit 156 controls the display unit 120 to display the determination information generated by the generation unit 155. Therefore, the image processing apparatus 100 according to the first embodiment can provide reliability determination information in consideration of TDC of the inflowing blood vessels and tissues and image noise, and the user can analyze the analysis result in the perfusion image. It is possible to confirm the reliability of the.
  • the generation unit 155 generates a graph indicating an error range of perfusion values in a perfusion image generated from a plurality of volume data. Therefore, the image processing apparatus 100 according to the first embodiment can provide information for easily confirming the reliability of the perfusion image.
  • the generation unit 155 calculates an error of the perfusion value in each pixel of the perfusion image using the true value-analysis value graph, and the reliability indicating the calculated error. Generate Map. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to perform reliability confirmation at a glance.
  • the generation unit 155 when generating the reliability map, the generation unit 155 generates a reliability map (partial range display) indicating only a region where the calculated error exceeds a predetermined value. To do. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to check at a glance a region with low reliability.
  • the display control unit 156 displays at least one of the reliability map generated by the generation unit 155 and the superimposed image in which the reliability map is superimposed on the perfusion image. Control is performed so as to be displayed by the unit 120. Therefore, the image processing apparatus 100 according to the first embodiment makes it possible to more easily check an area with low reliability.
  • the embodiment is not limited to this, and for example, it is possible to display a relationship between a true value-analysis value graph and an image.
  • the display control unit 156 includes a region included in the perfusion image, reliability Map (full range display), reliability Map (partial range display), or the superimposed image, and a region on the true value-analysis value graph. Control is performed so that the corresponding relationship is displayed on the display unit.
  • FIG. 12 is a diagram illustrating an example of display control by the display control unit 156 according to the second embodiment. Here, FIG. 12 shows a case where the correspondence relationship between the perfusion image and the true value-analysis value graph is shown.
  • the display control unit 156 controls the display unit 120 to display a true value-analysis value graph region corresponding to the region in the perfusion image.
  • the user can confirm at a glance where the specified region is in the true value-analysis value graph by designating a desired region on the perfusion image.
  • the image processing apparatus 100 is connected to a medical image diagnostic apparatus or an image storage apparatus via a network and acquires an image via a communication unit.
  • image data desired by the operator is stored in the storage unit 140 via a storage medium such as a flexible disk (FD), CD-ROM, MO, or DVD. Even if it is done, it is applicable. Further, the present embodiment is applicable even when a storage device that stores image data desired by the operator is installed in a place other than the storage unit 140.
  • the configuration of the image processing apparatus 100 in the first embodiment described above is merely an example, and the integration and separation of each unit can be appropriately performed.
  • the noise information acquisition unit 153 and the estimation unit 154 are integrated, or the generation unit 155 is separated into a noise addition unit that adds noise and an information generation unit that generates a true value-analysis value graph and a reliability Map. It is possible to
  • noise included in image data is used as an inhibition factor related to the accuracy of a perfusion image
  • the embodiment is not limited to this.
  • artifact information included in the image data or body movement information may be used as an obstruction factor related to the accuracy of the perfusion image.
  • the body movement information means, for example, information in which an image at the same position is originally photographed, but the photographed position is greatly changed due to a failure in breath holding or the like. Even when the above-described artifact information and body movement information are used, the image SD is calculated and the same processing is executed as in the case of noise.
  • the embodiment is not limited to this.
  • a plurality of medical images collected over time in a non-contrast state may be used.
  • the noise information acquisition unit 153 acquires information on an inhibition factor related to the accuracy of the perfusion image included in the plurality of medical image data collected over time in a non-contrast state.
  • the estimation unit 154 analyzes the analysis target from the time concentration curve indicating the temporal transition of the signal intensity in the non-contrast state in the blood vessel that flows blood into the analysis target tissue and the perfusion model of the analysis target tissue. Estimate the time-concentration curve in the tissue.
  • non-contrast images include MR images obtained by imaging blood as an intrinsic contrast agent by non-contrast MRA (Magnetic Resonance Angiography).
  • the embodiment is not limited to this, and may be executed by a medical image diagnostic apparatus such as an X-ray CT apparatus, an MRI apparatus, an ultrasonic diagnostic apparatus, or an X-ray diagnostic apparatus.
  • the medical image diagnostic apparatus includes the control unit 150 and executes the various processes described above.
  • the image processing apparatus, the medical image diagnostic apparatus, and the image processing method of this embodiment confirm the reliability of the analysis result in the perfusion image. Make it possible.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Hematology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

　実施の形態の画像処理装置（１００）においては、ノイズ情報取得部（１５３）が、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定部（１５４）が、灌流状態が解析される解析対象の組織に対する流入血管におけるＴＤＣと、解析対象の組織の灌流モデルとから、解析対象の組織ＴＤＣを推定する。生成部（１５５）が、推定された解析対象の組織ＴＤＣと、阻害要因の情報とに基づいて、複数の医用画像データから生成されたパーフュージョン画像の信頼性を判定するための判定情報を生成する。表示制御部（１５６）が、判定情報を表示部にて表示させるように制御する。

Description

画像処理装置、医用画像診断装置及び画像処理方法
　本発明の実施の形態は、画像処理装置、医用画像診断装置及び画像処理方法に関する。
　従来、Ｘ線ＣＴ装置やＭＲＩ装置などによって灌流（Perfusion：パーフュージョン）画像を生成して、例えば、脳組織や、肝臓組織、膵臓組織などにおける血流動態を解析することが行われている。例えば、Ｘ線ＣＴ装置においては、非イオン性ヨード造影剤を投与した被検体の頭部又は腹部を時系列に沿って撮影したＸ線ＣＴ画像からＣＴ値の経時的変化を算出する。そして、Ｘ線ＣＴ装置は、算出したＣＴ値の経時的変化から組織を通過する血流動態を表す指標を組織上にマッピングしたパーフュージョン画像を生成する。しかしながら、上述した従来の技術では、パーフュージョン画像における解析結果の信頼性を確認することが困難であった。
特開２０１０－２１３７６０号公報
　本発明が解決しようとする課題は、パーフュージョン画像における解析結果の信頼性を確認することができる画像処理装置、医用画像診断装置及び画像処理方法を提供することである。
　実施の形態の画像処理装置は、情報取得部と、推定部と、生成部と、表示制御部とを備える。情報取得部は、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定部は、前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する。生成部は、前記推定部によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得部によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。表示制御部は、前記生成部によって生成された判定情報を所定の表示部にて表示させるように制御する。
図１は、第１の実施形態に係る画像処理装置の構成の一例を示す図である。 図２は、第１の実施形態に係る灌流モデル記憶部によって記憶される灌流モデルの一例を示す図である。 図３は、第１の実施形態に係るシミュレーション範囲記憶部によって記憶されるシミュレーション範囲の一例を示す図である。 図４は、第１の実施形態に係る推定部による処理の一例を説明するための図である。 図５は、第１の実施形態に係る生成部によるノイズ付加処理の一例を示す図である。 図６は、第１の実施形態に係る生成部によって生成される真値－解析値グラフの一例を示す図である。 図７は、第１の実施形態に係る生成部による信頼性Ｍａｐ生成の一例を説明するための図である。 図８は、第１の実施形態に係る表示制御部による表示制御の第一の例を説明するための図である。 図９は、第１の実施形態に係る表示制御部による表示制御の第二の例を説明するための図である。 図１０は、第１の実施形態に係る画像処理装置による全体処理の手順を示すフローチャートである。 図１１は、第１の実施形態に係る画像処理装置による真値－解析値グラフの生成処理の手順を示すフローチャートである。 図１２は、第２の実施形態に係る表示制御部による表示制御の一例を示す図である。
　（第１の実施形態）
　図１は、第１の実施形態に係る画像処理装置１００の構成の一例を示す図である。図１に示すように、画像処理装置１００は、入力部１１０と、表示部１２０と、通信部１３０と、記憶部１４０と、制御部１５０とを有する。例えば、画像処理装置１００は、ワークステーションや、任意のパーソナルコンピュータなどであり、図示しない医用画像診断装置や、画像保管装置などとネットワークを介して接続される。医用画像診断装置は、例えば、Ｘ線ＣＴ（Computed　Tomography）装置、ＭＲＩ（Magnetic　Resonance　Imaging）装置などである。また、医用画像診断装置は、３次元の医用画像データ（例えば、造影しながら経時的に撮影された頭部や腹部の３次元医用画像データなど）を生成可能である。画像保管装置は、医用画像を保管するデータベースである。具体的には、画像保管装置は、医用画像診断装置から送信された３次元医用画像データを記憶部に格納し、これを保管する。なお、以下では、３次元医用画像データを、ボリュームデータと記す場合がある。
　上述した画像処理装置１００と、医用画像診断装置と、画像保管装置とは、例えば、病院内に設置された院内ＬＡＮ（Local　Area　Network）により、直接的、又は間接的に相互に通信可能な状態となっている。例えば、ＰＡＣＳ（Picture　Archiving　and　Communication　System）が導入されている場合、各装置は、ＤＩＣＯＭ（Digital　Imaging　and　Communications　in　Medicine）規格に則って、医用画像等を相互に送受信する。
　入力部１１０は、マウス、キーボード、トラックボール等であり、画像処理装置１００に対する各種操作の入力を操作者から受け付ける。具体的には、入力部１１０は、パーフュージョン解析に用いられる複数位相のボリュームデータを画像保管装置から取得するための情報の入力などを受け付ける。例えば、入力部１１０は、パーフュージョン解析に用いるためにＸ線ＣＴ装置のダイナミックスキャンによって経時的に撮影された頭部や腹部のボリュームデータを取得するための入力を受け付ける。
　表示部１２０は、立体表示モニタとしての液晶パネル等であり、各種情報を表示する。具体的には、表示部１２０は、操作者から各種操作を受け付けるためのＧＵＩ（Graphical　User　Interface）や、後述する制御部１５０による処理によって生成された表示画像等を表示する。なお、制御部１５０によって生成される表示画像については、後述する。通信部１３０は、ＮＩＣ（Network　Interface　Card）等であり、他の装置との間で通信を行う。
　記憶部１４０は、図１に示すように、画像データ記憶部１４１と、灌流モデル記憶部１４２と、シミュレーション範囲記憶部１４３と、画像記憶部１４４とを有する。例えば、記憶部１４０は、ハードディスク、半導体メモリ素子等であり、各種情報を記憶する。画像データ記憶部１４１は、通信部１３０を介して画像保管装置から取得された複数位相のボリュームデータを記憶する。
　灌流モデル記憶部１４２は、解析対象の組織の灌流モデルを記憶する。具体的には、灌流モデル記憶部１４２は、解析対象の組織における血液（造影剤）の流入及び流出を示す灌流モデルを記憶する。図２は、第１の実施形態に係る灌流モデル記憶部１４２によって記憶される灌流モデルの一例を示す図である。例えば、灌流モデル記憶部１４２は、図２に示すように、動脈から組織への血液（造影剤）の流入と、組織からの血液（造影剤）の流出とを示す灌流モデルを記憶する。
　ここで、図２に示す「Ｃa（ｔ）」は動脈における造影剤の濃度を示し、図２に示す「Ｃt（ｔ）」は組織における造影剤の濃度を示す。また、図２に示す「ｋa」及び「ｋv」は、それぞれ流入及び流出の速度係数を示す。一例を挙げると、「ｋa」及び「ｋv」は、それぞれパーフュージョン値の「In-flow」及び「Mean　transit　time」に相当する。なお、図２においては、流入が動脈のみの「single-input　one　compartment　model」を示しているが、これはあくまでも一例であり、例えば、流入が動脈と門脈の２つからなる「Dual-input　one　compartment　model」が用いられる場合がある。すなわち、灌流モデル記憶部１４２は、種々の灌流モデルを記憶しており、これらのモデルはユーザによって任意に記憶させることができる。
　図１に戻って、シミュレーション範囲記憶部１４３は、解析対象の組織ごとに灌流の違いを示すパラメータの範囲を記憶する。具体的には、シミュレーション範囲記憶部１４３は、各組織においてパーフュージョン解析を行った場合に示されるであろう血流の情報であるシミュレーション範囲を、組織ごとに記憶する。図３は、第１の実施形態に係るシミュレーション範囲記憶部１４３によって記憶されるシミュレーション範囲の一例を示す図である。
　例えば、シミュレーション範囲記憶部１４３は、図３に示すように、組織ごとに「解析（パラメータ）」、「血流量（ｍｌ／ｍｉｎ／１００ｍｌ）」などを対応付けたシミュレーション範囲を記憶する。ここで、図３に示す「解析（パラメータ）」は、パーフュージョン解析のパラメータを示す。また、図３に示す「血流量（ｍｌ／ｍｉｎ／１００ｍｌ）」は、組織の単位体積あたりの単位時間に流れる血流量を示し、例えば、血流量の範囲が記憶される。すなわち、シミュレーション範囲記憶部１４３は、ある組織において所定の解析をおこなった場合の血流量の範囲（例えば、５０～８０など）を示すシミュレーション範囲を記憶する。
　画像記憶部１４４は、後述する制御部１５０の処理中の画像データや、処理によって生成された真値－解析値グラフや、信頼性Ｍａｐ等を記憶する。なお、真値－解析値グラフや、信頼性Ｍａｐなどについては後述する。
　図１に戻って、制御部１５０は、例えば、ＣＰＵ（Central　Processing　Unit）やＭＰＵ（Micro　Processing　Unit）等の電子回路、ＡＳＩＣ（Application　Specific　Integrated　Circuit）やＦＰＧＡ（Field　Programmable　Gate　Array）等の集積回路であり、画像処理装置１００の全体制御を行なう。
　例えば、図１に示すように、制御部１５０は、画像取得部１５１と、解析部１５２と、ノイズ情報取得部１５３と、推定部１５４と、生成部１５５と、表示制御部１５６とを有する。そして、制御部１５０は、複数位相のボリュームデータを用いてパーフュージョン解析を実行するとともに、得られた解析結果の信頼性をユーザが確認することを可能にする真値－解析値グラフや、信頼性Ｍａｐを生成する。以下、複数位相のボリュームデータとして、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを用いる場合を一例に挙げて説明する。
　画像取得部１５１は、通信部１３０を介して、図示しない画像保管装置からパーフュージョン解析に用いる複数位相のボリュームデータを取得して、画像データ記憶部１４１に格納する。例えば、画像取得部１５１は、入力部１１０を介して操作者から入力された情報に基づいて、Ｘ線ＣＴ装置によって経時的に撮影されたボリュームデータを取得して、画像データ記憶部１４１に格納する。
　解析部１５２は、画像取得部１５１によって取得され、画像データ記憶部１４１に記憶された複数位相のボリュームデータを用いて、パーフュージョン解析を実行する。具体的には、解析部１５２は、入力部１１０を介して操作者によって入力されたパラメータ情報に応じたパーフュージョン解析を実行する。例えば、解析部１５２は、解析対象の組織（例えば、脳、腎臓、肝臓など）について、指定された解析パラメータでのパーフュージョン解析を実行する。一例を挙げると、解析部１５２は、脳組織を解析対象とした解析パラメータＣＢＰ（cerebral　blood　perfusion）の解析を実行する。
　ノイズ情報取得部１５３は、経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。具体的には、ノイズ情報取得部１５３は、灌流画像の精度に係る阻害要因の情報として、複数の医用画像データに含まれるノイズの情報、アーチファクトの情報又は体動の情報を取得する。また、ノイズ情報取得部１５３は、造影剤によって造影しながら経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。そして、ノイズ情報取得部１５３は、経時的に収集された複数の３次元医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。以下の実施形態では、ノイズ情報取得部１５３が、造影剤によって造影しながら、経時的に収集された複数の３次元画像データに含まれるノイズの情報を取得する場合について説明する。
　かかる場合には、ノイズ情報取得部１５３は、解析部１５２によってパーフュージョン解析が実行されたボリュームデータから生成されたＸ線ＣＴ画像の画像ＳＤを算出する。
　例えば、ノイズ情報取得部１５３は、複数のボリュームデータにおける任意の領域を用いてボリュームデータに含まれるノイズをそれぞれ算出する。一例を挙げると、ノイズ情報取得部１５３は、パーフュージョン解析に用いられた画像上にユーザによって任意に設定されたＲＯＩ（Region　of　Interest）に含まれる画素値（或いは、画素に対応するボクセルのＣＴ値）から画像ＳＤを算出する。
　推定部１５４は、複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、解析対象の組織における前記時間濃度曲線を推定する。具体的には、推定部１５４は、複数の３次元医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における前記造影剤の信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、灌流の違いを示すパラメータごとに、解析対象の組織における前記時間濃度曲線を推定する。例えば、推定部１５４は、解析部１５２によってパーフュージョン解析が実行された組織における血液を流入させる血管のＴＤＣ（Time　Density　Curve）と、パーフュージョン解析が実行された組織の灌流モデルと、パーフュージョン解析が実行された組織及び解析パラメータに対応するシミュレーション範囲とから、組織におけるＴＤＣを推定する。
　図４は、第１の実施形態に係る推定部１５４による処理の一例を説明するための図である。例えば、推定部１５４は、パーフュージョン解析が実行された組織に対応する灌流モデルを灌流モデル記憶部１４２から読み出す。一例を挙げると、推定部１５４は、図２に示す「single-input　one　compartment　model」の灌流モデルを読み出し、流入血管が動脈であることを特定する。
　そして、推定部１５４は、図４に示すように、パーフュージョン画像の生成に用いられた複数位相のＸ線ＣＴ画像から動脈ＴＤＣを取得する。一例を挙げると、推定部１５４は、複数位相のＸ線ＣＴ画像の各画素において、画素値が初期の段階（例えば、最初の位相から所定の期間内）で上昇した領域を動脈と判定する。そして、推定部１５４は、判定した領域のＴＤＣを取得する。或いは、推定部１５４は、画像からパターンマッチングなどにより動脈領域を抽出して、抽出した領域のＴＤＣを取得する。
　そして、推定部１５４は、取得した流入血管のＴＤＣと、灌流モデルと、解析対象の組織及び解析パラメータに対応するシミュレーション範囲とから組織のＴＤＣを推定する。例えば、推定部１５４は、以下に示す式（１）を用いて組織ＴＤＣを推定する。ここで、式（１）は、図２に示す灌流モデルから導出したものである。すなわち、式（１）における「Ｃt（ｔ）」は組織ＴＤＣを示す。また、式（１）における「Ｃa（ｔ）」は動脈ＴＤＣを示す。また、式（１）における「ｋa」及び「ｋv」は、それぞれ「In-flow　perfusion」及び「Mean　transit　time（ＭＴＴ）」を示す。
Figure JPOXMLDOC01-appb-M000001
　例えば、推定部１５４は、式（１）に示すように、ＴＤＣが「Ｃa（ｔ）」である動脈を介して「ｋa」の速度で組織に流入した造影剤から「ｋv」の速度で流出する造影剤を差分することで、組織ＴＤＣ「Ｃt（ｔ）」（組織の造影剤の濃度）を算出する。
　ここで、推定部１５４は、シミュレーション範囲記憶部１４３によって記憶されたシミュレーション範囲（図３参照）に応じて「ｋa」及び「ｋv」を変化させた場合の組織ＴＤＣをそれぞれ推定する。すなわち、推定部１５４は、解析対象の組織及び解析パラメータから血流量などの情報を取得して、取得した血流量の範囲で「ｋa」及び「ｋv」を変化させた場合の組織ＴＤＣをそれぞれ推定する。なお、以下、「ｋa」及び「ｋv」をシミュレーションパラメータと記す。
　図１に戻って、生成部１５５は、推定部１５４によって推定された解析対象の組織における時間濃度曲線と、情報取得部によって取得された阻害要因の情報とに基づいて、複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。例えば、生成部１５５は、推定部１５４によってシミュレーションパラメータごとに推定された解析対象の組織における時間濃度曲線と、ノイズ情報取得部１５３によって取得されたノイズ情報とに基づいて、複数の３次元医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する。具体的には、生成部１５５は、推定部１５４によって推定された組織ＴＤＣそれぞれに対して、ノイズ情報取得部１５３によって取得された画像ＳＤに相当するノイズを付加する。
　図５は、第１の実施形態に係る生成部１５５によるノイズ付加処理の一例を示す図である。図５においては、組織ＴＤＣを示す。例えば、生成部１５５は、図５に示すように、推定部１５４によって推定された組織ＴＤＣ（図５の（Ａ））に対して、ノイズ情報取得手段によって取得された画像ＳＤに相当するノイズを付加させた組織ＴＤＣ（図５の（Ｂ））を生成する。
　一例を挙げると、生成部１５５は、推定部１５４によって推定された組織ＴＤＣのＣＴ値（ＨＵ）を、ノイズ情報取得部１５３によって取得された画像ＳＤに相当するＣＴ値（ＨＵ）の範囲で変化させることで、ノイズを付加する。
　そして、生成部１５５は、ノイズを付加した組織ＴＤＣを用いたパーフュージョン解析を解析部１５２に実行させて、パーフュージョン画像の信頼性を判定するための判定情報を生成する。具体的には、生成部１５５は、複数のボリュームデータから生成されたパーフュージョン画像における特徴量の誤差範囲を示すグラフを生成する。より具体的には、生成部１５５は、推定部１５４によって推定されたシミュレーションパラメータごとの組織ＴＤＣに対して、ノイズを付加した後にパーフュージョン解析をそれぞれ実行させて、得られた解析値をグラフにプロットした真値－解析値グラフを生成する。
　なお、ここで解析部１５２に実行させるパーフュージョン解析の解析パラメータは、信頼性を判定するパーフュージョン画像と同一の解析パラメータである。例えば、解析パラメータがＣＢＰのパーフュージョン画像の信頼性を判定するための判定情報を生成する場合には、解析パラメータは、ＣＢＰである。
　図６は、第１の実施形態に係る生成部１５５によって生成される真値－解析値グラフの一例を示す図である。ここで、図６においては、縦軸が、ノイズ付加後の組織ＴＤＣに対してパーフュージョン解析を行った解析値（ｍｌ／ｍｉｎ／１００ｍｌ）を示し、横軸が、シミュレーションパラメータとして用いた真値（ｍｌ／ｍｉｎ／１００ｍｌ）を示す。
　例えば、生成部１５５は、図６の上側の図に示すように、１０通りのシミュレーションパラメータで推定された組織ＴＤＣにそれぞれノイズを付加した後にパーフュージョン解析を実行させた解析値をプロットした真値－解析値グラフを生成する。すなわち、図６に示す真値－解析値グラフの生成においては、推定部１５４が、シミュレーションパラメータである血流量を１０通りに変化させた組織ＴＤＣをそれぞれ推定する。生成部１５５は、推定部１５４によって推定された組織ＴＤＣにそれぞれノイズを付加してパーフュージョン解析を実行させる。
　ここで、生成部１５５は、同一のシミュレーションパラメータにおける解析値をノイズの影響による変動傾向を正確に反映したものとするために、図６の上側の図に示すように、同一のシミュレーションパラメータの組織ＴＤＣに対して複数回のパーフュージョン解析を実行させる。一例を挙げると、生成部１５５は、１つのシミュレーションパラメータごとに４０回のパーフュージョン解析を実行させる。すなわち、生成部１５５は、推定部１５４によって推定された組織ＴＤＣに対して、ノイズの付加及びパーフュージョン解析の実行を４０回繰り返して実行し、各解析値をグラフにプロットする。
　生成部１５５は、シミュレーションパラメータすべてに対して上述した処理を実行することで、図６の上側の図のような真値－解析値グラフを生成する。そして、生成部１５５は、真値－解析値グラフを生成すると、得られた結果の統計処理を実行する。例えば、生成部１５５は、各シミュレーションパラメータにおける解析値の平均値、標準偏差、真値からの誤差などを算出する。一例を挙げると、生成部１５５は、図６の下側の図に示すように、平均値±標準偏差値を算出して、標準偏差内に存在する領域を妥当性範囲として設定する。
　ここで、妥当性範囲とは、解析値に対して真値が取りうる値の範囲を意味する。例えば、解析値が「２００（ｍｌ／ｍｉｎ／１００ｍｌ）」であった場合に、真値は「１６０～２１０（ｍｌ／ｍｉｎ／１００ｍｌ）」となる。言い換えると、真値が「１６０～２１０」の場合に、解析値として「２００」が算出されうることを意味する。
　上述したように、生成部１５５は、真値－解析値グラフを生成するが、例えば、図６の下側に示すグラフを参照した場合に、ユーザは、解析値が大きくなるにつれて、標準偏差が大きくなり、信頼性が低いことを確認することができる。
　また、生成部１５５は、真値－解析値を用いて、パーフュージョン画像の各画素における特徴量の誤差を算出し、算出した誤差を示した信頼性表示画像を生成する。図７は、第１の実施形態に係る生成部１５５による信頼性Ｍａｐ生成の一例を説明するための図である。例えば、生成部１５５は、図７に示すように、パーフュージョン画像（Perfusion　Map）において、パーフュージョン値（Perfusion値）が「２００」の画素について、真値－解析値グラフから「妥当性範囲：１６０～２１０」を取得する。
　そして、生成部１５５は、取得した「妥当性範囲：１６０～２１０」について、平均値「１８５：（１６０＋２１０）／２」、及び、妥当性範囲幅「５０：２１０－１６０」を算出する。さらに、生成部１５５は、算出した平均値及び妥当性範囲幅から、解析値「２００」に対応する真値「１８５±２５」を算出して、誤差「±１３．５％（＝２５／１８５×１００）」を算出する。
　すなわち、生成部１５５は、解析値が「２００」の画素の真値は「１８５±２５」であり、誤差が「±１３．５％」であることを算出する。ここで、パーフュージョン画像の信頼性は、真値の誤差が小さいほど高くなる。したがって、図７に示すように、誤差「±１３．５％」を不信頼度「１３．５％」として表現することも可能である。
　そして、生成部１５５は、図７に示すように、パーフュージョン画像のすべての画素について上述した処理を実行することで、各画素の誤差（不信頼度）を算出し、算出した不信頼度の違いを色で表現した信頼性Ｍａｐを生成する。ここで、生成部１５５によって生成される信頼性Ｍａｐは、単一の色の濃淡で不信頼度の違いを表現してもよく、或いは、複数の色により不信頼度の違いを表現してもよい。
　さらに、生成部１５５は、信頼性Ｍａｐを生成する場合に、算出した誤差が所定の値を上回った領域のみを示した信頼性Ｍａｐを生成する。ここで、生成部１５５は、所定の値として、例えば、「５％」を用い、パーフュージョン画像において不信頼度が「５％」を上回った領域のみを示した信頼性Ｍａｐを生成する。
　図１に戻って、表示制御部１５６は、生成部１５５によって生成された判定情報を表示部１２０にて表示させるように制御する。具体的には、表示制御部１５６は、生成部１５５によって生成された信頼性Ｍａｐ、及び、パーフュージョン画像に信頼性Ｍａｐを重畳させた重畳画像のうち、少なくとも一方を表示部１２０にて表示させるように制御する。また、表示制御部１５６は、真値－解析値グラフを表示部１２０にて表示させるように制御する。
　図８は、第１の実施形態に係る表示制御部１５６による表示制御の第一の例を説明するための図である。ここで、図８においては、（Ａ）に信頼性Ｍａｐ（全範囲表示）、（Ｂ）に信頼性Ｍａｐ（部分範囲表示）、（Ｃ）にパーフュージョン画像を示す。すなわち、図８の（Ａ）においては、パーフュージョン画像の全ての画素について、真値－解析値グラフから各画素の妥当性範囲をそれぞれ取得して、各画素の誤差（不信頼度）を算出し、算出した誤差（不信頼度）に対応する色で各画素を示した信頼性Ｍａｐ（全範囲表示）が示される。また、図８の（Ｂ）においては、信頼性Ｍａｐ（全範囲表示）において、誤差（不信頼度）が所定の値を上回った領域１１を抽出して、領域１１のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。一例を挙げると、領域１１は、誤差（不信頼度）が「５％」を上回った領域を示す。また、図８の（Ｃ）においては、解析されたパーフュージョン画像が示される。
　例えば、表示制御部１５６は、図８の（Ｄ）に示すように、不信頼度が所定の値を上回った領域１１が示される信頼性Ｍａｐ（部分範囲表示）をパーフュージョン画像に重畳させた重畳画像を表示部１２０にて表示させる。これにより、ユーザは、パーフュージョン画像において不信頼度が高い領域（信頼度が低い領域）を一目で確認することができる。なお、信頼性Ｍａｐ（部分範囲表示）とは、例えば、パーフュージョン画像において不信頼度が「５％」を上回った領域のみを示した信頼性Ｍａｐである。
　また、表示制御部１５６は、図８の（Ａ）に示す信頼性Ｍａｐ（全範囲表示）や、信頼性Ｍａｐ（部分範囲表示）、或いは、信頼性Ｍａｐ（全範囲表示）に信頼性Ｍａｐ（部分範囲表示）を重畳させた重畳画像など、ユーザが指定する画像を単独又は並列で表示部１２０にて表示させる。
　また、表示制御部１５６は、同一のＸ線ＣＴ画像が複数の解析パラメータによって解析されたパーフュージョン画像それぞれの解析結果から生成された信頼性Ｍａｐを重畳させて表示させる。図９は、第１の実施形態に係る表示制御部１５６による表示制御の第二の例を説明するための図である。ここで、図９においては、（Ａ１）～（Ａ３）に異なる解析パラメータによって解析されたパーフュージョン画像の信頼性Ｍａｐ（部分範囲表示）をそれぞれ示し、（Ｂ）にパーフュージョン画像を示す。
　すなわち、図９の（Ａ１）においては、Ｘ線ＣＴ画像に対して所定の解析パラメータ（例えば、ＣＢＰ）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１２のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。また、図９の（Ａ２）においては、（Ａ１）にて解析されたＸ線ＣＴ画像と同一のＸ線ＣＴ画像に対して、（Ａ１）とは異なる解析パラメータ（例えば、ＣＢＶ：cerebral　blood　volume）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１３のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。また、図９の（Ａ３）においては、（Ａ１）及び（Ａ２）にて解析されたＸ線ＣＴ画像と同一のＸ線ＣＴ画像に対して、（Ａ１）及び（Ａ２）とは異なる解析パラメータ（例えば、ＣＢＦ：cerebral　blood　flow）で解析したパーフュージョン画像のすべての画素について不信頼度を算出し、算出した不信頼度が所定の値を上回った領域１４のみを示した信頼性Ｍａｐ（部分範囲表示）が示される。なお、図９の（Ｂ）に示すパーフュージョン画像は、（Ａ１）～（Ａ３）に示される信頼性Ｍａｐ（部分範囲表示）が生成されたパーフュージョン画像のいずれを用いてもよい。
　例えば、表示制御部１５６は、図９の（Ｃ）に示すように、（Ａ１）の解析パラメータで不信頼度が所定の値を上回った領域１２と、（Ａ２）の解析パラメータで不信頼度が所定の値を上回った領域１３と、（Ａ３）の解析パラメータで不信頼度が所定の値を上回った領域１４をパーフュージョン画像に同時に重畳させた重畳画像を表示部１２０にて表示させる。これにより、ユーザは、例えば、全解析パラメータにおいて信頼性が低い領域や、逆に信頼性が高い領域などを一目で確認することができる。
　次に、図１０及び図１１を用いて、第１の実施形態に係る画像処理装置１００の処理について説明する。まず、画像処理装置１００による全体処理の手順を説明する。図１０は、第１の実施形態に係る画像処理装置１００による全体処理の手順を示すフローチャートである。なお、図１０においては、造影しながら経時的に収集された複数のボリュームデータから画像がそれぞれ生成され、画像取得部１５１によって生成された画像が取得された後の処理について示す。
　図１０に示すように、第１の実施形態に係る画像処理装置１００においては、画像取得部１５１によって画像が取得されると、解析部１５２が、ユーザによって指定された解析パラメータによるパーフュージョン解析を実行する（ステップＳ１０１）。そして、推定部１５４は、画像取得部１５１によって取得された画像から動脈のＴＤＣを取得し（ステップＳ１０２）、ノイズ情報取得部１５３は、画像ＳＤを算出する（ステップＳ１０３）。
　そして、推定部１５４は、灌流モデルを選択して（ステップＳ１０４）、シミュレーション範囲を参照してシミュレーションパラメータの範囲を取得する（ステップＳ１０５）。その後、生成部１５５は、推定部１５４によって推定された組織のＴＤＣにより、シミュレーション計算を実行して、真値－解析値グラフを生成する（ステップＳ１０６）。
　表示制御部１５６は、生成部１５５によって生成された真値－解析値グラフを表示部１２０にて表示させる（ステップＳ１０７）。そして、生成部１５５は、パーフュージョン画像の各画素について信頼性を判定して信頼性Ｍａｐを生成する（ステップＳ１０８）。表示制御部１５６は、生成された信頼性Ｍａｐを表示部１２０にて表示させる（ステップＳ１０９）。
　なお、図１０に示す処理の一例では、真値－解析値グラフを表示した後、信頼性Ｍａｐを生成して、表示する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、真値－解析値グラフと信頼性Ｍａｐとを生成した後に、それぞれを並列して表示させる場合であってもよい。
　次に、真値－解析値グラフの生成処理について説明する。図１１は、第１の実施形態に係る画像処理装置１００による真値－解析値グラフの生成処理の手順を示すフローチャートである。なお、図１１に示す処理は、図１０におけるステップＳ１０６の処理に相当する。
　図１０に示すように、第１の実施形態に係る画像処理装置１００においては、シミュレーションパラメータの範囲を取得すると、推定部１５４は、シミュレーションパラメータを設定して（ステップＳ２０１）、組織ＴＤＣを作成（推定）する（ステップＳ２０２）。その後、生成部１５５は、作成された組織ＴＤＣに対してノイズを付加して（ステップＳ２０３）、解析部１５２にパーフュージョン解析を実行させて誤差を計算する（ステップＳ２０４）。
　そして、生成部１５５は、真値－解析値グラフに解析値をプロットして（ステップＳ２０５）、解析を所定の回数繰り返して実行したか否かを判定する（ステップＳ２０６）。ここで、解析を所定の回数繰り返して実行していないと判定した場合には（ステップＳ２０６否定）、ステップＳ２０２に戻って、推定部１５４が同一のシミュレーションパラメータで組織ＴＤＣを作成する。
　一方、解析を所定の回数繰り返して実行したと判定した場合には（ステップＳ２０６肯定）、生成部１５５は、全シミュレーションパラメータで実行したか否かを判定する（ステップＳ２０７）。ここで、全シミュレーションパラメータで実行していないと判定した場合には（ステップＳ２０７否定）、ステップＳ２０１に戻って、推定部１５４が未解析のシミュレーションパラメータを設定する。
　一方、全シミュレーションパラメータで実行したと判定した場合には（ステップＳ２０７肯定）、生成部１５５は、真値－解析値グラフの統計処理を実行して（ステップＳ２０８）、真値－解析値グラフの生成処理を終了する。
　上述したように、第１の実施形態によれば、ノイズ情報取得部１５３が、造影剤によって造影しながら経時的に収集された複数のボリュームデータに含まれるノイズの情報を取得する。そして、推定部１５４が、複数のボリュームデータにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における造影剤の信号強度の経時的な遷移を示すＴＤＣと、解析対象の組織の灌流モデルとから、灌流の違いを示すシミュレーションパラメータごとに、解析対象の組織におけるＴＤＣを推定する。そして、生成部１５５が、推定部１５４によってシミュレーションパラメータごとに推定された解析対象の組織におけるＴＤＣと、ノイズ情報取得部１５３によって取得されたノイズ情報とに基づいて、複数のボリュームデータから生成されたパーフュージョン画像の信頼性を判定するための判定情報を生成する。そして、表示制御部１５６が、生成部１５５によって生成された判定情報を表示部１２０にて表示させるように制御する。従って、第１の実施形態に係る画像処理装置１００は、流入血管及び組織のＴＤＣと、画像のノイズとを考慮した信頼性の判定情報を提供することができ、ユーザがパーフュージョン画像における解析結果の信頼性を確認することを可能にする。
　また、第１の実施形態によれば、生成部１５５は、複数のボリュームデータから生成されたパーフュージョン画像におけるパーフュージョン値の誤差範囲を示すグラフを生成する。従って、第１の実施形態に係る画像処理装置１００は、パーフュージョン画像の信頼性を容易に確認させる情報を提供することを可能にする。
　また、第１の実施形態によれば、生成部１５５は、真値－解析値グラフを用いて、パーフュージョン画像の各画素におけるパーフュージョン値の誤差を算出し、算出した誤差を示した信頼性Ｍａｐを生成する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の確認を一目で実行させることを可能にする。
　また、第１の実施形態によれば、生成部１５５は、信頼性Ｍａｐを生成する場合に、算出した誤差が所定の値を上回った領域のみを示した信頼性Ｍａｐ（部分範囲表示）を生成する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の低い領域を一目で確認させることを可能にする。
　また、第１の実施形態によれば、表示制御部１５６は、生成部１５５によって生成された信頼性Ｍａｐ、及び、パーフュージョン画像に信頼性Ｍａｐを重畳させた重畳画像のうち、少なくとも一方を表示部１２０にて表示させるように制御する。従って、第１の実施形態に係る画像処理装置１００は、信頼性の低い領域をさらに容易に確認させることを可能にする。
　（第２の実施形態）
　さて、これまで第１の実施形態について説明したが、上述した第１の実施形態以外にも、種々の異なる形態にて実施されてよいものである。
　上述した第１の実施形態においては、真値－解析値グラフと、画像（パーフュージョン画像、信頼性Ｍａｐなど）とを単独、或いは並列で表示させる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、真値－解析値グラフと、画像との関係を表示させることも可能である。
　かかる場合には、表示制御部１５６は、パーフュージョン画像、信頼性Ｍａｐ（全範囲表示）、信頼性Ｍａｐ（部分範囲表示）又は重畳画像に含まれる領域と、真値－解析値グラフ上の領域との対応関係を表示部に表示させるように制御する。図１２は、第２の実施形態に係る表示制御部１５６による表示制御の一例を示す図である。ここで、図１２においては、パーフュージョン画像と真値－解析値グラフとの対応関係を示す場合について示す。
　例えば、表示制御部１５６は、図１２に示すように、パーフュージョン画像における領域に対応する真値－解析値グラフの領域を表示部１２０にて表示させるように制御する。これにより、例えば、ユーザは、パーフュージョン画像上の所望する領域を指定することで、指定した領域が真値－解析値グラフのどのあたりにあるのかを一目で確認することができる。
　上述した第１の実施形態においては、画像処理装置１００がネットワークを介して医用画像診断装置や画像保管装置と接続され、通信部を介して画像を取得する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、操作者が所望する画像データがフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤなどの記憶媒体を介して、記憶部１４０に格納される場合であっても適用可能である。また、本実施形態は、操作者が所望する画像データを記憶する記憶装置が、記憶部１４０以外に設置される場合であっても適用可能である。
　上述した第１の実施形態では、Ｘ線ＣＴ装置によって撮影されＸ線ＣＴ画像を用いる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、ＭＲＩ装置によって撮影されたＭＲ画像を用いる場合であってもよい。
　また、上述した第１の実施形態における画像処理装置１００の構成はあくまでも一例であり、各部の統合及び分離は適宜行うことができる。例えば、ノイズ情報取得部１５３と推定部１５４とを統合したり、生成部１５５を、ノイズを付加するノイズ付加部と真値－解析値グラフ及び信頼性Ｍａｐを生成する情報生成部とに分離したりすることが可能である。
　上述した第１の実施形態では、灌流画像の精度に係る阻害要因として画像データに含まれるノイズを用いる場合を例に挙げて説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、灌流画像の精度に係る阻害要因として画像データに含まれるアーチファクトの情報や、体動の情報を用いる場合であってもよい。ここで、体動の情報とは、例えば、本来同一位置の画像が撮影されているところ、息止めの失敗などにより撮影された位置が大きく変化した情報などを意味する。上述したアーチファクトの情報及び体動の情報を用いる場合も、ノイズの場合と同様に、画像ＳＤが算出され、同様の処理が実行される。
　上述した第１の実施形態では、造影剤によって造影しながら経時的に収集された複数の医用画像を用いる場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、非造影の状態で経時的に収集された複数の医用画像を用いる場合であってもよい。かかる場合には、ノイズ情報取得部１５３は、非造影の状態で経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する。推定部１５４は、解析対象の組織に対して血液を流入させる血管における非造影の状態での信号強度の経時的な遷移を示す時間濃度曲線と、解析対象の組織の灌流モデルとから、解析対象の組織における時間濃度曲線を推定する。非造影の画像としては、例えば、非造影ＭＲＡ（Magnetic　Resonance　Angiography）によって血液を内因性造影剤に見立てて撮像されたＭＲ画像などが挙げられる。
　上述した第１の実施形態では、複数の医用画像データに対して画像処理装置１００が処理を実行する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置、Ｘ線診断装置などの医用画像診断装置によって実行される場合であってもよい。かかる場合には、例えば、医用画像診断装置が、制御部１５０を備え、上述した各種処理を実行する。
　以上説明したとおり、第１の実施形態及び第２の実施形態によれば、本実施形態の画像処理装置、医用画像診断装置及び画像処理方法は、パーフュージョン画像における解析結果の信頼性を確認することを可能にする。
　本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、請求の範囲に記載された発明とその均等の範囲に含まれるものである。

Claims (12)

  1. 　経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する情報取得部と、
    　前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する推定部と、
    　前記推定部によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得部によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する生成部と、
    　前記生成部によって生成された判定情報を所定の表示部にて表示させるように制御する表示制御部と、
    　を備える、画像処理装置。
  2. 　前記生成部は、前記複数の医用画像データから生成された灌流画像における特徴量の誤差範囲を示すグラフを生成する、請求項１に記載の画像処理装置。
  3. 　前記生成部は、前記グラフを用いて、前記灌流画像の各画素における前記特徴量の誤差を算出し、算出した誤差を示した信頼性表示画像を生成する、請求項２に記載の画像処理装置。
  4. 　前記生成部は、前記信頼性表示画像を生成する場合に、算出した誤差が所定の値を上回った領域のみを示した部分信頼性表示画像を生成する、請求項３に記載の画像処理装置。
  5. 　前記表示制御部は、前記生成部によって生成された信頼性表示画像、及び、前記灌流画像に前記信頼性表示画像を重畳させた重畳画像のうち、少なくとも一方を前記所定の表示部にて表示させるように制御する、請求項３又は４に記載の画像処理装置。
  6. 　前記表示制御部は、前記灌流画像、前記信頼性表示画像、前記部分信頼性表示画像又は重畳画像に含まれる領域と、前記グラフ上の領域との対応関係を前記所定の表示部に表示させるように制御する、請求項５に記載の画像処理装置。
  7. 　前記情報取得部は、前記灌流画像の精度に係る阻害要因の情報として、前記複数の医用画像データに含まれるノイズの情報、アーチファクトの情報又は体動の情報を取得する、請求項１に記載の画像処理装置。
  8. 　前記情報取得部は、造影剤によって造影しながら経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
    　前記推定部は、解析対象の組織に対して血液を流入させる血管における前記造影剤の信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する、請求項１に記載の画像処理装置。
  9. 　前記情報取得部は、非造影の状態で経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
    　前記推定部は、解析対象の組織に対して血液を流入させる血管における非造影の状態での信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する、請求項１に記載の画像処理装置。
  10. 　前記情報取得部は、経時的に収集された複数の３次元医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
    　前記推定部は、前記複数の３次元医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定し、
    　前記生成部は、前記推定部によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得部によって取得された阻害要因の情報とに基づいて、前記複数の３次元医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する、請求項１に記載の画像処理装置。
  11. 　経時的な複数の医用画像データを収集する収集部と、
    　前記収集部によって収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得する情報取得部と、
    　前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定する推定部と、
    　前記推定部によって推定された前記解析対象の組織における前記時間濃度曲線と、前記情報取得部によって取得された阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成する生成部と、
    　前記生成部によって生成された判定情報を所定の表示部にて表示させるように制御する表示制御部と、
    　を備える、医用画像診断装置。
  12. 　画像処理装置によって実行される画像処理方法であって、
    　経時的に収集された複数の医用画像データに含まれる灌流画像の精度に係る阻害要因の情報を取得し、
    　前記複数の医用画像データにて灌流状態が解析される解析対象の組織に対して血液を流入させる血管における信号強度の経時的な遷移を示す時間濃度曲線と、前記解析対象の組織の灌流モデルとから、前記解析対象の組織における前記時間濃度曲線を推定し、
    　前記解析対象の組織における前記時間濃度曲線と、前記阻害要因の情報とに基づいて、前記複数の医用画像データから生成された灌流画像の信頼性を判定するための判定情報を生成し、
    　前記判定情報を所定の表示部にて表示させるように制御する、
    　ことを含む画像処理方法。
PCT/JP2013/078742 2012-10-23 2013-10-23 画像処理装置、医用画像診断装置及び画像処理方法 WO2014065340A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/680,201 US9460509B2 (en) 2012-10-23 2015-04-07 Image processing apparatus, medical image diagnosis apparatus, and image processing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012233609 2012-10-23
JP2012-233609 2012-10-23

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/680,201 Continuation US9460509B2 (en) 2012-10-23 2015-04-07 Image processing apparatus, medical image diagnosis apparatus, and image processing method

Publications (1)

Publication Number Publication Date
WO2014065340A1 true WO2014065340A1 (ja) 2014-05-01

Family

ID=50544715

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/078742 WO2014065340A1 (ja) 2012-10-23 2013-10-23 画像処理装置、医用画像診断装置及び画像処理方法

Country Status (3)

Country Link
US (1) US9460509B2 (ja)
JP (1) JP2014100555A (ja)
WO (1) WO2014065340A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9607385B2 (en) 2014-09-09 2017-03-28 Neusoft Medical Systems Co., Ltd. Adjusting monitored region in tracking scan
WO2017056996A1 (ja) * 2015-09-30 2017-04-06 株式会社日立製作所 磁気共鳴イメージング装置、および、画像処理装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9659350B2 (en) * 2014-01-31 2017-05-23 Morpho, Inc. Image processing device and image processing method for image correction, and non-transitory computer readable recording medium thereof
US10555773B2 (en) * 2014-11-27 2020-02-11 Hiroshima University Simulator, injection device or imaging system provided with simulator, and simulation program
US10383590B2 (en) * 2015-09-28 2019-08-20 General Electric Company Methods and systems for adaptive scan control
CN105678762B (zh) * 2016-01-06 2019-04-02 四川大学 一种基于图像信息的缺血性脑卒中治疗监测***
JP6570460B2 (ja) 2016-02-25 2019-09-04 富士フイルム株式会社 評価装置、方法およびプログラム
TWI697686B (zh) * 2019-06-20 2020-07-01 臺北榮民總醫院 基於磁振造影分析腦組織成分的系統與方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007525250A (ja) * 2003-06-02 2007-09-06 ザ・ジェネラル・ホスピタル・コーポレイション 組織血流の遅延−補償型算出方法
JP2007536048A (ja) * 2004-05-04 2007-12-13 スティフテルセン ウニヴァズィテッフォースクニング ベルゲン Ｍｒ画像化方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1585058B1 (en) * 2004-03-31 2008-12-10 Kabushiki Kaisha Toshiba Medical image processing apparatus and method of processing medical image
US8326400B2 (en) 2004-05-04 2012-12-04 Stiftelsen Universitetsforskning Bergen Method of MR imaging
JP5794752B2 (ja) * 2007-07-24 2015-10-14 株式会社東芝 Ｘ線コンピュータ断層撮影装置及び画像処理装置
JP5234905B2 (ja) * 2007-11-20 2013-07-10 東芝メディカルシステムズ株式会社 Ｘ線ｃｔ装置および心筋パーフュージョン像生成システム
JP5322548B2 (ja) * 2008-09-17 2013-10-23 株式会社東芝 Ｘ線ｃｔ装置、医用画像処理装置および医用画像処理プログラム
US9421330B2 (en) * 2008-11-03 2016-08-23 Bayer Healthcare Llc Mitigation of contrast-induced nephropathy
JP5361410B2 (ja) * 2009-01-22 2013-12-04 株式会社東芝 画像処理装置
JP5388638B2 (ja) 2009-03-13 2014-01-15 株式会社東芝 画像処理装置および画像処理プログラム
JP5491929B2 (ja) * 2009-04-10 2014-05-14 株式会社東芝 Ｘ線診断装置及びその方法
JP5491914B2 (ja) * 2009-04-28 2014-05-14 株式会社東芝 画像表示装置およびｘ線診断装置
JP5643580B2 (ja) * 2009-11-27 2014-12-17 株式会社東芝 血流動態解析装置、血流動態解析プログラム、流体解析装置及び流体解析プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007525250A (ja) * 2003-06-02 2007-09-06 ザ・ジェネラル・ホスピタル・コーポレイション 組織血流の遅延−補償型算出方法
JP2007536048A (ja) * 2004-05-04 2007-12-13 スティフテルセン ウニヴァズィテッフォースクニング ベルゲン Ｍｒ画像化方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9607385B2 (en) 2014-09-09 2017-03-28 Neusoft Medical Systems Co., Ltd. Adjusting monitored region in tracking scan
WO2017056996A1 (ja) * 2015-09-30 2017-04-06 株式会社日立製作所 磁気共鳴イメージング装置、および、画像処理装置
JP2017064175A (ja) * 2015-09-30 2017-04-06 株式会社日立製作所 磁気共鳴イメージング装置、および、画像処理装置

Also Published As

Publication number Publication date
US9460509B2 (en) 2016-10-04
US20150221089A1 (en) 2015-08-06
JP2014100555A (ja) 2014-06-05

Similar Documents

Publication Publication Date Title
WO2014065340A1 (ja) 画像処理装置、医用画像診断装置及び画像処理方法
EP3545837B1 (en) Medical image providing apparatus and medical image processing method of the same
JP2022065067A (ja) 灌流デジタルサブトラクション血管造影
JP2019162470A (ja) 血管セグメント化
JP6448918B2 (ja) 画像処理装置、方法、及び医用画像診断装置
JP2011131041A (ja) 血流動態解析装置、血流動態解析プログラム、流体解析装置及び流体解析プログラム
US8913812B2 (en) Medical image processing apparatus
US9905001B2 (en) Image processing apparatus and image processing method
Eck et al. The role of acquisition and quantification methods in myocardial blood flow estimability for myocardial perfusion imaging CT
JP6843048B2 (ja) Ｘ線治療介入における塞栓物質の自動視覚化
US10482597B2 (en) Automated method for tissue-based contrast media arrival detection for dynamic contrast enhanced MRI
JP6934948B2 (ja) 流体解析装置および流体解析装置の作動方法並びに流体解析プログラム
JP2010178849A (ja) 医用画像処理装置
WO2013121679A1 (ja) 領域抽出処理システム
JP2014046109A (ja) 医用画像処理装置
US10977792B2 (en) Quantitative evaluation of time-varying data
JP5989498B2 (ja) 画像処理装置及びプログラム
KR101638597B1 (ko) 의료 영상 처리 방법 및 그 장치
US10847262B2 (en) Medical image processing apparatus, medical image processing method and medical image processing system
JP7502125B2 (ja) 医用画像処理装置、医用画像処理システム、及び、医用画像処理方法
JP7059391B2 (ja) 流体解析装置、方法およびプログラム
Forkert et al. AnToNIa: A software tool for the hemodynamic analysis of cerebral vascular malformations using 3D and 4D MRA image sequences
JP6411072B2 (ja) 医用画像処理装置、医用画像処理方法およびプログラム
Sakkalis et al. A software prototype for the assessment of tumor treatment response using diffusion and perfusion MR imaging
KR20160031775A (ko) Tof mra 혈관벽에서의 신호 강도 구배 벡터 분석을 통한 혈류 방향 추출 방법 및 이를 적용한 의료 영상 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13849938

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13849938

Country of ref document: EP

Kind code of ref document: A1