JP2018000374A - 画像処理装置およびプログラム - Google Patents

Abstract

【課題】読影者に関わらず読影精度を向上させることが可能な技術を提供する。【解決手段】画像処理装置は、３Ｄ画像Ｉ１、Ｉ２、およびＩ３の位置合せを行う位置合せ手段を有している。また、画像処理装置は、位置合せが行われた３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３ごとに、撮影部位ＩＰ内の部分Ｑに対応するボクセル値を求め、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３ごとに求められた部分Ｑに対応するボクセル値Ｓ１、Ｓ２、およびＳ３に基づいて、撮影部位の疾患の種類を特定する特定手段を有している。【選択図】図５

Description

本発明は、画像を処理する画像処理装置、およびこの画像処理装置に適用されるプログラムに関する。

ＣＴ／ＭＲ検査において高速撮像が可能になったことにより、多時相のダイナミックスキャン（dynamic scan）による検査が普及している（例えば、特許文献１参照）。

特開２０１４−０１２１３３号公報

多時相のダイナミックスキャンを実行することにより疾患の鑑別診断が可能になるという臨床上の利点がある。しかし、時相間の濃染の変化がわかりにくい場合もあり、読影者によっては異なる診断を行う可能性があるという問題がある。

このような事情により、読影者に関わらず読影精度を向上させることが可能な技術が望まれている。

本発明の第１の観点は、異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置であって、
前記画像ごとに、前記撮影部位内の第１の部分に対応するボクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するボクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定手段を有する画像処理装置である。

本発明の第２の観点は、異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置であって、
前記画像ごとに、前記撮影部位内の第１の部分に対応するピクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するピクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定手段を有する画像処理装置である。

本発明の第３の観点は、異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置に適用されるプログラムであって、
前記画像ごとに、前記撮影部位内の第１の部分に対応するボクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するボクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定処理をコンピュータに実行させるためのプログラムである。

本発明の第４の観点は、異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置に適用されるプログラムであって、
前記画像ごとに、前記撮影部位内の第１の部分に対応するピクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するピクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定処理をコンピュータに実行させるためのプログラムである。

異なる時相における複数の画像の各々に対して、撮影部位内の第１の部分に対応するボクセル値又はピクセル値を求め、画像ごとに求められた前記第１の部分に対応するボクセル値又はピクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定している。したがって、読影者に関わらず読影精度を向上させることが可能となる。

第１の形態に係る画像処理装置１のハードウェア（hardware）的な構成を概略的に示す図である。 画像処理装置１の機能ブロック（block）図を示す図である。 第１の形態における診断方法を実行するためのフローを示す図である。 画像処理装置１に入力された複数の画像を概略的に示す図である。 ３Ｄ画像Ｉ１、Ｉ２、およびＩ３を前処理することにより得られた画像を概略的に示す図である。 ３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３に現れる造影パターンの説明図である。 テーブルの説明図である。 診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３を概略的に示す図である。 第２の形態の画像処理装置１における機能ブロック図である。 第２の形態において実行されるフローを示す図である。 ３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３に、それぞれ、Ｒ階調、Ｇ階調、およびＢ階調を割り当てることにより得られた画像を概略的に示す図である。 テーブルの説明図である。 第３の形態の画像処理装置１における機能ブロック図である。 第３の形態において実行されるフローを示す図である。 合成画像ＤＦを概略的に示す図である。 表示装置に表示された合成画像ＤＦと診断支援画像ＤＳを概略的に示す図である。 合成画像ＤＦおよび診断支援画像ＤＳの一例を示す図である。

以下、発明を実施するための形態について説明するが、本発明は、以下の形態に限定されることはない。

（１）第１の形態
図１は、第１の形態に係る画像処理装置１のハードウェア（hardware）的な構成を概略的に示す図である。画像処理装置１は、例えば、コンピュータにより構成することができる。画像処理装置１は記憶部Ｍに接続されている。画像処理装置１は、コンピュータ読取り可能な記憶部Ｍに記憶されているプログラムを読み込んで各処理を実行することができる。記憶部Ｍには、コンピュータＣは、ネットワーク（network）Ｎからプログラムをダウンロード（download）して実行することもできる。

図２は、画像処理装置１の機能ブロック（block）図を示す図である。図示の如く、画像処理装置１は、機能ブロックとして、前処理手段２と、位置合せ手段３と、ＲＯＩ設定手段４と、特定手段５とを有する。本例では、コンピュータに所定のプログラムを実行させることにより、当該コンピュータをこれら各部として機能させる。

前処理手段２は、画像処理装置１に読み込まれた画像に対して前処理を行う。前処理としては、平滑化処理などを行うことができる。
位置合せ手段３は、画像処理装置１に読み込まれた複数の画像の位置合せを行う。
ＲＯＩ設定手段４は、関心領域（ＲＯＩ）を設定する。ＲＯＩ設定手段４は、ユーザ（例えば、読影医）により入力された情報に基づいてＲＯＩを設定することができる。また、ＲＯＩ設定手段４は、ユーザによる入力情報を用いずに、セグメンテーション法などを用いてＲＯＩを設定することもできる。
特定手段５は、異なる時相における複数の画像に基づいて、撮影部位の疾患の種類を特定する。疾患の種類の特定方法については後で詳述する。
以下に、画像処理装置１を用いて疾患の鑑別診断を行う例について説明する。

図３は、第１の形態における診断方法を実行するためのフローを示す図である。
ステップＳＴ１では、画像処理装置１に、処理対象の複数の画像が入力される。本形態では、処理対象の複数の画像として、被検者を造影撮像することにより得られた異なる時相における複数の画像が入力されるとする。複数の画像は、例えば、ネットワークＮを介して、画像処理装置１に入力される。図４に、画像処理装置１に入力された複数の画像を概略的に示す。図４では、画像処理装置１に、３Ｄ画像Ｉ１、Ｉ２、およびＩ３が入力された例が示されているが、３Ｄ画像の代わりに、２Ｄ画像でもよい。３Ｄ画像Ｉ１、Ｉ２、およびＩ３は、被検者の肝臓を含む撮影部位ＩＰを造影撮影することにより得られた画像である。３Ｄ画像Ｉ１、Ｉ２、およびＩ３は、それぞれ、第１の時相Ｐ１、第２の時相Ｐ２、および第３の時相Ｐ３における３Ｄ画像を表している。ここでは、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３は、グレースケールの画像であるとする。３Ｄ画像Ｉ１、Ｉ２、およびＩ３を入力した後、ステップＳＴ２に進む。

ステップＳＴ２では、前処理手段２（図２参照）が３Ｄ画像Ｉ１、Ｉ２、およびＩ３に対して前処理を行う。図５は、３Ｄ画像Ｉ１、Ｉ２、およびＩ３を前処理することにより得られた画像を概略的に示す図である。図５では、前処理された後の３Ｄ画像が、符号「ＩＭ１」、「ＩＭ２」、および「ＩＭ３」で示されている。３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３に示されたボクセルＱ１、Ｑ２、およびＱ３は、撮影部位ＩＰ内の部分Ｑに対応する点を表している。前処理としては、例えば、以下の３つの処理のうちの一つ以上の処理を実行することができる。

−平滑化処理
−ヒストグラムの平滑化によるコントラスト強調の処理
−異なる時相間において、ダイナミックレンジ（最小値から最大値までの範囲）を同一にするための処理

図６は、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３に現れる造影パターンの説明図である。
図６には、肝臓の疾患の造影パターンとして、疾患Ｘの造影パターン、疾患Ｙの造影パターン、および疾患Ｚの造影パターンが概略的に示されている。

図６（ａ）は、肝臓に疾患Ｘがみられる場合の造影パターンの説明図である。
図６（ａ）では、説明の便宜上、肝臓を横切る断面ＣＳの画像Ｄ１、Ｄ２、およびＤ３が概略的に示されている。
疾患Ｘの場合、第１の時相Ｐ１の断面画像Ｄ１において腫瘍全体が強く強調され、第２の時相Ｐ２の断面画像Ｄ２において腫瘍全体が中程度に強調され、第３の時相Ｐ３の断面画像Ｄ３では腫瘍全体が肝実質よりも低輝度値を持っている。

図６の（ｂ）は、肝臓に疾患Ｙがみられる場合の造影パターンの説明図である。
図６（ｂ）でも、図６（ａ）と同様に、肝臓を横切る断面ＣＳの画像Ｄ１、Ｄ２、およびＤ３が概略的に示されている。
疾患Ｙの場合、第１の時相Ｐ１の断面画像Ｄ１において、腫瘍は、肝実質よりも低輝度値を持ち、かつ辺縁部から中心部にむかうほど、より低輝度値となる。更に、第２の時相Ｐ２の断面画像Ｄ２において腫瘍辺縁部はわずかに肝実質よりも高輝度値を持ち、かつ辺縁部から中心部にむかうにしたがって低輝度値となる。第３の時相Ｐ３の断面画像Ｄ３では腫瘍は肝実質よりも低輝度値を持ち、かつ辺縁部から中心部に向かうにしたがって、より低輝度値となる。

図６の（ｃ）は、肝臓に疾患Ｚがみられる場合の造影パターンの説明図である。
図６（ｃ）でも、図６（ａ）および（ｂ）と同様に、肝臓を横切る断面ＣＳの画像Ｄ１、Ｄ２、およびＤ３が概略的に示されている。
疾患Ｚの場合、第１の時相Ｐ１の断面画像Ｄ１において腫瘍は肝実質よりも高輝度値を持ち、かつ中心部から辺縁部にむかうほどより高輝度値となる。更に、第２の時相Ｐ２の断面画像Ｄ２では、腫瘍全体が中程度に強調される。第３の時相Ｐ３の断面画像Ｄ３では腫瘍全体が肝実質よりも低輝度値を持つ。

このように、一般的に、肝腫瘍における造影パターンは、疾患の種類に応じて異なる。本願発明者は、この点に着目し、被検体の造影パターンがどの疾患の造影パターンに当てはまるのかを特定することができれば、疾患の種類を特定できることを見出した。以下、疾患の造影パターンの特定方法について具体的に説明する。
ステップＳＴ２において前処理を行った後、ステップＳＴ３に進む。

ステップＳＴ３では、位置合せ手段３（図２参照）が、前処理が実行された３Ｄ画像の位置合せを行う。

スキャン中は被検体の撮影部位は動かないことが理想であるが、実際には、撮影部位が全く動かないようにすることはできない。そこで、時相間における３Ｄ画像の位置ずれをできるだけ小さくするために、ステップＳＴ３において、前処理が実行された３Ｄ画像の位置合せを行う。位置合せのアルゴリズムとしては、相互情報量、標準勾配場、相互相関係数、ポイントセット法などの公知のアルゴリズムを用いることができる。位置合せを行った後、ステップＳＴ４に進む。

ステップＳＴ４では、読影者が、ＲＯＩを設定するか否かを判定する。読影の対象が３Ｄ画像全体の場合には、ＲＯＩは不要である。この場合、ステップＳＴ６に進む。一方、読影の対象が、画像中の特定の部位（例えば、所定の臓器、あるいは、所定の臓器内の特定の部位）である場合、ＲＯＩを設定した方が、病変の観察がしやすい画像になる。そこで、読影の対象が、画像の中の特定の部位の場合、ＲＯＩを設定するために、ステップＳＴ５に進む。

以下では、先ず、ＲＯＩを設定しないと判定された場合について説明する。したがって、ステップＳＴ６に進む。

ステップＳＴ６では、特定手段５（図２参照）が、疾患の種類を特定する。第１の形態では、複数の疾患の各々と画像のボクセル値との対応関係を表すテーブルを用いて、疾患の種類を特定するための処理が行われる。このテーブルは、鑑別診断を行う前に予め用意されている。以下に、テーブルについて説明する。

図７はテーブルの説明図である。
テーブルは、２つのカラム１および２を有している。

カラム１はｎ種類の疾患を表している。第１の形態では、説明の便宜上、ｎ＝３、即ち、疾患の種類として、３つの疾患Ｘ、Ｙ、およびＺが示されている。

カラム２は、時相ごとに、各疾患に対応する画像のボクセル値の範囲を示している。以下、各疾患とボクセル値の範囲との関係について説明する。

（１）疾患Ｘとボクセル値の範囲との関係について
先ず、時相Ｐ１における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ１における３Ｄ画像のボクセル値を「Ｓ１」で表すと、時相Ｐ１に対して、疾患Ｘに対応するボクセル値Ｓ１の範囲Ｘ１は、以下のように表される。
範囲Ｘ１：ＳＸ_１１≦Ｓ１≦ＳＸ_１２
ここで、ＳＸ_１１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ１におけるボクセル値の下限値
ＳＸ_１２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ１におけるボクセル値の上限値

次に、時相Ｐ２における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ２における３Ｄ画像のボクセル値を「Ｓ２」で表すと、時相Ｐ２に対して、疾患Ｘに対応するボクセル値Ｓ２の範囲Ｘ２は、以下のように表される。
範囲Ｘ２：ＳＸ_２１≦Ｓ２≦ＳＸ_２２
ここで、ＳＸ_２１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ２におけるボクセル値の下限値
ＳＸ_２２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ２におけるボクセル値の上限値

次に、時相Ｐ３における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ３における３Ｄ画像のボクセル値を「Ｓ３」で表すと、時相Ｐ３に対して、疾患Ｘに対応するボクセル値Ｓ３の範囲Ｘ３は、以下のように表される。
範囲Ｘ３：ＳＸ_３１≦Ｓ３≦ＳＸ_３２
ここで、ＳＸ_３１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ３におけるボクセル値の下限値
ＳＸ_３２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ３におけるボクセル値の上限値

例えば、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３の、撮影部位ＩＰ内の部分Ｑに対応するボクセルＱ１、Ｑ２、およびＱ３に着目し（図５参照）、ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３について考える。ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｘ１、Ｘ２、およびＸ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｘが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｘに対応するボクセル値の範囲から外れている場合、疾患Ｘの恐れは低いと判定される。

（２）疾患Ｙとボクセル値の範囲との関係について
疾患Ｙの場合、時相Ｐ１に対するボクセル値Ｓ１の範囲Ｙ１、時相Ｐ２に対するボクセル値Ｓ２の範囲Ｙ２、および時相Ｐ３に対するボクセル値Ｓ３の範囲Ｙ３は、以下のように表される。
範囲Ｙ１：ＳＹ_１１≦Ｓ１≦ＳＹ_１２
範囲Ｙ２：ＳＹ_２１≦Ｓ２≦ＳＹ_２２
範囲Ｙ３：ＳＹ_３１≦Ｓ３≦ＳＹ_３２

ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｙ１、Ｙ２、およびＹ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｙが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｙに対応するボクセル値の範囲から外れている場合、疾患Ｙの恐れは低いと判定される。

（３）疾患Ｚとボクセル値の範囲との関係について
疾患Ｚの場合、時相Ｐ１に対するボクセル値Ｓ１の範囲Ｚ１、時相Ｐ２に対するボクセル値Ｓ２の範囲Ｚ２、および時相Ｐ３に対するボクセル値Ｓ３の範囲Ｚ３は、以下のように表される。
範囲Ｚ１：ＳＺ_１１≦Ｓ１≦ＳＺ_１２
範囲Ｚ２：ＳＺ_２１≦Ｓ２≦ＳＺ_２２
範囲Ｚ３：ＳＺ_３１≦Ｓ３≦ＳＺ_３２

ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｚ１、Ｚ２、およびＺ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｚが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｚに対応するボクセル値の範囲から外れている場合、疾患Ｚの恐れは低いと判定される。

したがって、撮影部位ＩＰ内の部分Ｑに対応するボクセル値（Ｓ１，Ｓ２，Ｓ３）が、疾患Ｘ、Ｙ、およびＺのうちのどの疾患のボクセル値に該当するかを判定することにより、撮影部位ＩＰ内の部分Ｑに生じている疾患の種類を特定することができる。尚、上記の説明では、撮影部位ＩＰ内の部分Ｑについて説明したが、ステップＳＴ６では、撮影部位ＩＰ内の各部分について、ボクセル値（Ｓ１，Ｓ２,Ｓ３）が、疾患Ｘ、Ｙ、およびＺのうちのどの疾患のボクセル値に該当するかを判定する。したがって、撮影部位ＩＰ内に疾患Ｘ、Ｙ、およびＺが生じているか否かを判定することができる。
この判定を行った後、ステップＳＴ７に進む。

ステップＳＴ７では、表示装置に、ステップＳＴ６の判定結果を反映した診断支援画像が表示される。図８に、診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３を概略的に示す。診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３は、それぞれ、時相Ｐ１、Ｐ２、およびＰ３において、肝臓を横切る断面画像を表している。各診断支援画像には、疾患が生じている部分（疾患部）ｒ０と、疾患名（図８では、「疾患Ｘ」）が示されている。したがって、読影者は、診断支援画像を参照することにより、被検体の疾患の種類を認識することができる。

尚、上記の説明では、ステップＳＴ４（図３参照）においてＲＯＩを設定しないと判定された例について説明されている。次に、ステップＳＴ４において、ＲＯＩを設定すると判定された例について説明する。

ステップＳＴ４においてＲＯＩを設定すると判定された場合、ステップＳＴ５に進む。

ステップＳＴ５では、ＲＯＩが設定される。ＲＯＩを設定する場合、ユーザは、例えば、描画ツールを用いてＲＯＩを設定するための情報を入力する。ＲＯＩ設定手段４（図２参照）は、入力された情報に基づいて、ＲＯＩの範囲を設定する。尚、描画ツールを用いずに、ＲＯＩ設定手段４が、例えば、領域拡張法やレベルセット法、エッジ検出に基づく手法などのセグメンテーション（segmentation）手法を用いることにより、ＲＯＩを設定してもよい。また、各時相の画像の各々に閾値を設定して、該当するボクセル群をＲＯＩとしてもよい。閾値には、ＣＴ画像のように臓器ごとに一般的なＣＴ値がわかっている場合はその既知の値を設定してもよく、あるいはヒストグラム解析から閾値を設定してもよい。ＲＯＩは、各時相に対して1個ずつ設定してもよく、全時相に対して共通のＲＯＩを使用してもよい。臓器や病変の種類によって最適なセグメンテーション手法は異なるため、検査対象に応じて適宜使い分けできるようなシステムである事が望ましい。例えば臓器や病変の種類、撮像シーケンスに応じて、ＲＯＩの作成に使用するセグメンテーション手法を個別に設定しておけばよい。ＲＯＩを設定した後、ステップＳＴ６に進む。

ステップＳＴ６では、特定手段５は、ステップＳＴ５で設定されたＲＯＩの範囲内で疾患の種類を特定するための処理を行う。疾患の種類を特定した後、ステップＳＴ７に進み、診断支援画像が表示され、フローが終了する。

第１の形態では、テーブル（図７参照）に基づいて、時相ごとに、画像のボクセル値が、各疾患に対応したボクセル値の範囲に含まれているか否かを判定することにより、疾患の種類を特定している。したがって、読影者の経験や勘に頼らずに疾患を特定することができるので、診断の客観性や再現性を向上させることができ、読影精度を格段に向上させることができる。また、第１の形態では、診断支援画像が表示される（図８参照）。診断支援画像には、疾患部（病変）ｒ０が示されているので、読影者は、撮影部位における疾患の位置を視覚的に容易に認識することができる。

（２）第２の形態
図９は、第２の形態の画像処理装置１における機能ブロック図である。
第２の形態では、画像処理装置１は、前処理手段２〜特定手段５を有している。前処理手段２〜特定手段５のうち、前処理手段２、位置合せ手段３、およびＲＯＩ設定手段４は、第１の形態と同じであるので、説明は省略し、割当手段４１および特定手段５について説明する。

割当手段４１は、第１の時相Ｐ１における画像にＲ階調を割り当て、第２の時相Ｐ
２における画像にＧ階調を割り当て、第３の時相Ｐ３における画像にＢ階調を割り当てる。

特定手段５は、割当手段４１によりＲＧＢの階調が割り当てられた後の画像に基づいて、疾患の種類を特定する。疾患の種類の特定方法については後で詳述する。

図１０は、第２の形態において実行されるフローを示す図である。
ステップＳＴ１〜ＳＴ４は、第１の形態と同じであるので詳しい説明は省略する。ステップＳＴ４では、ＲＯＩを設定するか否かが判定される。ＲＯＩを設定しない場合は、ステップＳＴ５１に進む。一方、ＲＯＩを設定する場合は、ステップＳＴ５に進み、ＲＯＩが設定される。ＲＯＩの設定方法は、第１の形態と同様に、ユーザが任意に設定してもよく、自動的に設定してもよい。ＲＯＩを設定した後、ステップＳＴ５１に進む。

ステップＳＴ５１では、割当手段４１（図９参照）が、各時相の画像に対して、赤,緑,青（Ｒ，Ｇ，Ｂ）のいずれかの表示色を割り当てる。通例として、ＣＴやＭＲなどの医用画像は８−１６ビット程度の白黒階調（グレースケール）で表示するが、第２の形態では白黒階調にＲ，Ｇ，Ｂのいずれかの階調を割り当てる。例えば第１の時相Ｐ１の３Ｄ画像ＩＭ１にＲ階調を、第２の時相Ｐ２の３Ｄ画像ＩＭ２にＧ階調を、第３の時相Ｐ３の３Ｄ画像ＩＭ３にＢ階調を割り当てる。図１１は、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３に、それぞれ、Ｒ階調、Ｇ階調、およびＢ階調を割り当てることにより得られた画像を概略的に示す図である。図１１では、各階調が割り当てられた後の３Ｄ画像が、符号「ＩＭＲ」、「ＩＭＧ」、および「ＩＭＢ」で示されている。３Ｄ赤画像ＩＭＲ、３Ｄ緑画像ＩＭＧ、および３Ｄ青画像ＩＭＢに示されたボクセルＱ１、Ｑ２、およびＱ３は、撮影部位ＩＰ内の部分Ｑに対応する点を表している。
ＲＧＢの階調を割り当てた後、ステップＳＴ６に進む。

ステップＳＴ６では、特定手段５（図９参照）が、疾患の種類を特定する。第２の形態では、複数の疾患の各々と画像のボクセル値との対応関係を表すテーブル(図１２参照)を用いて、疾患の種類を特定するための処理が行われる。このテーブルは、鑑別診断を行う前に予め用意されている。以下に、第２の形態で使用されるテーブルについて説明する。

図１２はテーブルの説明図である。
テーブルはカラム１および２を有している。

カラム１はｎ種類の疾患を表している。第２の形態でも、第１の形態と同様に、ｎ＝３、即ち、疾患の種類として、３つの疾患Ｘ、Ｙ、およびＺが示されている。
カラム２には、時相ごとに、各疾患に対応したボクセル値の範囲を示している。以下、各疾患とボクセル値の範囲との関係について説明する。

（１）疾患Ｘとボクセル値の範囲との関係について
先ず、時相Ｐ１における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ１における３Ｄ赤画像のボクセル値を「Ｓ１」で表すと、時相Ｐ１に対して、疾患Ｘに対応するボクセル値Ｓ１の範囲Ｘ１は、以下のように表される。
範囲Ｘ１（Ｒ階調）：ＳＸ_Ｒ１≦Ｓ１≦ＳＸ_Ｒ２
ここで、ＳＸ_Ｒ１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ１におけるボクセル値の下限値
ＳＸ_Ｒ２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ１におけるボクセル値の上限値

次に、時相Ｐ２における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ２における３Ｄ緑画像のボクセル値を「Ｓ２」で表すと、時相Ｐ２に対して、疾患Ｘに対応するボクセル値Ｓ２の範囲Ｘ２は、以下のように表される。
範囲Ｘ２（Ｇ階調）：ＳＸ_Ｇ１≦Ｓ２≦ＳＸ_Ｇ２
ここで、ＳＸ_Ｇ１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ２におけるボクセル値の下限値
ＳＸ_Ｇ２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ２におけるボクセル値の上限値

次に、時相Ｐ３における疾患Ｘとボクセル値の範囲との関係について考える。時相Ｐ３における３Ｄ青画像のボクセル値を「Ｓ３」で表すと、時相Ｐ３に対して、疾患Ｘに対応するボクセル値Ｓ３の範囲Ｘ３は、以下のように表される。
範囲Ｘ３（Ｂ階調）：ＳＸ_Ｂ１≦Ｓ３≦ＳＸ_Ｂ２
ここで、ＳＸ_Ｂ１：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ３におけるボクセル値の下限値
ＳＸ_Ｂ２：疾患Ｘの恐れがあると考えられる場合の
時相Ｐ３におけるボクセル値の上限値

例えば、３Ｄ赤画像ＩＭＲ、３Ｄ緑画像ＩＭＧ、および３Ｄ青画像ＩＭＢの、撮影部位ＩＰ内の部分Ｑに対応するボクセルＱ１、Ｑ２、およびＱ３に着目し（図１１参照）、ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３について考える。ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｘ１、Ｘ２、およびＸ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｘが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｘに対応するボクセル値の範囲から外れている場合、疾患Ｘの恐れは低いと判定される。

（２）疾患Ｙとボクセル値の範囲との関係について
疾患Ｙの場合、時相Ｐ１に対するボクセル値Ｓ１の範囲Ｙ１、時相Ｐ２に対するボクセル値Ｓ２の範囲Ｙ２、および時相Ｐ３に対するボクセル値Ｓ３の範囲Ｙ３は、以下のように表される。
範囲Ｙ１（Ｒ階調）：ＳＹ_Ｒ１≦Ｓ１≦ＳＹ_Ｒ２
範囲Ｙ２（Ｇ階調）：ＳＹ_Ｇ１≦Ｓ２≦ＳＹ_Ｇ２
範囲Ｙ３（Ｂ階調）：ＳＹ_Ｂ１≦Ｓ３≦ＳＹ_Ｂ２

ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｙ１、Ｙ２、およびＹ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｙが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｙに対応するボクセル値の範囲から外れている場合、疾患Ｙの恐れは低いと判定される。

（３）疾患Ｚとボクセル値の範囲との関係について
疾患Ｚの場合、時相Ｐ１に対するボクセル値Ｓ１の範囲Ｚ１、時相Ｐ２に対するボクセル値Ｓ２の範囲Ｚ２、および時相Ｐ３に対するボクセル値Ｓ３の範囲Ｚ３は、以下のように表される。
範囲Ｚ１（Ｒ階調）：ＳＺ_Ｒ１≦Ｓ１≦ＳＺ_Ｒ２
範囲Ｚ２（Ｇ階調）：ＳＺ_Ｇ１≦Ｓ２≦ＳＺ_Ｇ２
範囲Ｚ３（Ｂ階調）：ＳＺ_Ｂ１≦Ｓ３≦ＳＺ_Ｂ２

ボクセルＱ１、Ｑ２、およびＱ３におけるボクセル値Ｓ１、Ｓ２、およびＳ３が、それぞれ、上記の範囲Ｚ１、Ｚ２、およびＺ３に含まれている場合、撮影部位ＩＰ内の部分Ｑは、疾患Ｚが生じている恐れが高いと判定される。一方、ボクセル値Ｓ１、Ｓ２、およびＳ３のうちの一つでも、疾患Ｚに対応するボクセル値の範囲から外れている場合、疾患Ｚの恐れは低いと判定される。

したがって、撮影部位ＩＰ内の部分Ｑに対応するボクセル値（Ｓ１，Ｓ２，Ｓ３）が、疾患Ｘ、Ｙ、およびＺのうちのどの疾患のボクセル値に該当するかを判定することにより、撮影部位ＩＰ内の部分Ｑに生じている疾患の種類を特定することができる。尚、上記の説明では、撮影部位ＩＰ内の部分Ｑについて説明したが、ステップＳＴ６では、撮影部位ＩＰ内の各部分について、ボクセル値（Ｓ１，Ｓ２,Ｓ３）が、疾患Ｘ、Ｙ、およびＺのうちのどの疾患のボクセル値に該当するかを判定する。したがって、撮影部位ＩＰ内に疾患Ｘ、Ｙ、およびＺが生じているか否かを判定することができる。尚、ステップＳＴ５でＲＯＩが設定されている場合は、ＲＯＩの範囲内のみで、ボクセル値（Ｓ１，Ｓ２,Ｓ３）が、疾患Ｘ、Ｙ、およびＺのうちのどの疾患のボクセル値に該当するかが判定される。この判定を行った後、ステップＳＴ７に進む。

ステップＳＴ７では、ステップＳＴ６の判定結果を反映した診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３（図８参照）が出力される。第２の形態では、診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３は、それぞれ、Ｒ階調、Ｇ階調、およびＢ階調が割り当てられた画像として表示される。診断支援画像が表示されたら、フローが終了する。

第２の形態では、テーブル（図１２参照）に基づいて、時相ごとに、画像のボクセル値が、各疾患に対応したボクセル値の範囲に含まれているか否かを判定することにより、疾患の種類を特定している。したがって、第２の形態でも、第１の形態と同様に、読影者の経験や勘に頼らずに疾患を特定することができるので、診断の客観性や再現性を向上させることができ、読影精度を格段に向上させることができる。また、第２の形態では、診断支援画像ＤＳ１、ＤＳ２、およびＤＳ３は、異なる色が割り当てられている。したがって、読影者は、診断支援画像を比較することにより、３つの時相のうちのどの時相で撮影部位内のどの部分が造影剤で染まったのかを、確認することができる。

また、第２の形態では、３Ｄ画像ＩＭ１、ＩＭ２、およびＩＭ３の白黒階調（グレースケール）にＲＧＢの各階調を割り当て（ステップＳＴ５１）、テーブル（図１２参照）を用いて疾患の種類を特定している（ステップＳＴ６）。一般に、グレースケール画像上でのボクセル値のダイナミックレンジは、医用装置や撮影条件によってばらつきがあるので、グレースケール画像のボクセル値に基づいて疾患の種類を特定する場合、医用装置や撮影条件ごとにテーブル（図７参照）を用意する必要がある。これに対して、第２の形態では、上記のように、ＲＧＢの各階調が割り当てられているので、ボクセル値を標準化することができる。したがって、第２の形態では、疾患の種類を特定するために用いるテーブルの個数が少なくて済むという利点がある。更に、ボクセル値が標準化されているので、診断精度や再現性の向上も期待できる。

（３）第３の形態
図１３は、第３の形態の画像処理装置１における機能ブロック図である。
第３の形態では、画像処理装置１は、前処理手段２〜決定手段５３を有している。前処理手段２〜決定手段５３のうち、前処理手段２、位置合せ手段３、ＲＯＩ設定手段４、割当手段４１、および特定手段５は、第２の形態と同じであるので、説明は省略し、不透明度設定手段５１、合成手段５２、および決定手段５３について説明する。

不透明度設定手段５１は、Ｒ，Ｇ，Ｂのいずれかの階調で表示される各時相の画像に対して不透明度(transparency)を設定する。合成手段５２は、Ｒ，Ｇ，Ｂの階調で表示される各時相の画像を合成し、合成画像を生成する。決定手段５３は、合成画像および診断支援画像を生成するために使用される背景画像を決定する。

尚、各手段５１、５２、および５３のより詳細な機能については、画像処理装置１における処理の流れを説明する際に併せて述べる。

図１４は、第３の形態において実行されるフローを示す図である。
ステップＳＴ１〜ＳＴ４は、第１の形態と同じであるので詳しい説明は省略する。ステップＳＴ４では、ＲＯＩを設定するか否かが判定される。ＲＯＩを設定しない場合は、ステップＳＴ５１に進む。一方、ＲＯＩを設定する場合は、ステップＳＴ５に進む。ここでは、先ず、ＲＯＩを設定しない場合について説明する。したがって、ステップＳＴ５１に進む。

ステップＳＴ５１では、割当手段４１（図１３参照）が、各時相の画像に対して、赤,緑,青（Ｒ，Ｇ，Ｂ）のいずれかの表示色を割り当てる。表示色の割当方法は、第２の形態と同様である。したがって、図１１に示すように、３Ｄ赤画像ＩＭＲ、３Ｄ緑画像ＩＭＧ、および３Ｄ青画像ＩＭＢが生成される。ＲＧＢの階調を割り当てた後、ステップＳＴ６に進む。

ステップＳＴ６では、特定手段５（図１３参照）が疾患の種類を特定する。疾患の種類の特定方法は、第２の形態と同様であるので、説明は省略する。疾患を特定した後、ステップＳＴ６１に進む。

ステップＳＴ６１では、不透明度設定手段５１（図１３参照）が、Ｒ，Ｇ，Ｂのいずれかの階調で表示される各時相の画像に対して不透明度を設定する（重みを設定する）。不透明度は、Ｒ，Ｇ，Ｂで表示される各時相の画像に対して１／３ずつ均等に設定してもよく、所定の時相における不透明度を他の時相における不透明度よりも高い値に設定してもよい。例えば第２の時相の画像において病変が特徴的に描出されている場合には、第２の時相の画像に対する不透明度を高く設定することができる。

尚、各時相の画像において、コントラストノイズ比（ＣＮＲ）や信号ノイズ比（ＳＮＲ）が一定であるとは限らない。このような場合、ＣＮＲやＳＮＲに応じて不透明度を変更することが望ましい。例えば、以下の式に基づいて、ＣＮＲと不透明度の積算値が各時相で一定値になるように設定することで、実質的に均等な重みが設定される。
ＣＮＲ_１ｘＴ_１＝ＣＮＲ_２ｘＴ_２＝ＣＮＲ_３ｘＴ_３
Ｔ_１＋Ｔ_２＋Ｔ_３＝１
ここで、ＣＮＲ_ｋ：ｋ番目の時相のコントラストノイズ比
Ｔ_ｋ：ｋ番目の時相の不透明度

不透明度を設定した後、ステップＳＴ６２に進む。

ステップＳＴ６２では、合成手段５２（図１３参照）が、３Ｄ赤画像ＩＭＲ（第１の時相Ｐ１）、３Ｄ緑画像ＩＭＧ（第２の時相Ｐ２）、および３Ｄ青画像ＩＭＢ（第３の時相Ｐ３）を合成し、合成画像を作成する。合成画像におけるＲＧＢ値は次式で決定される。
Ｒ_Ｆ＝Ｔ_１ｘＶ_１
Ｇ_Ｆ＝Ｔ_２ｘＶ_２
Ｂ_Ｆ＝Ｔ_３ｘＶ_３
ここで、Ｒ_Ｆ，Ｇ_Ｆ，Ｂ_Ｆ：合成画像におけるＲＧＢ成分
Ｖｋ：ｋ番目の時相の画像のボクセル値

図１５に、合成画像ＤＦを概略的に示す。合成画像ＤＦを作成した後、ステップＳＴ７に進む。

ステップＳＴ７では、表示装置に、合成画像ＤＦと診断支援画像ＤＳが表示される。図１６に、表示装置に表示された合成画像ＤＦと診断支援画像ＤＳを概略的に示す。診断支援画像ＤＳは、合成画像ＤＦに「疾患Ｘ」の文字を重ねることにより得られた画像を表している。合成画像ＤＦと診断支援画像ＤＳが表示されたら、フローが終了する。

第３の形態では、第２の形態と同様に、テーブル（図１２参照）に基づいて、時相ごとに、画像のボクセル値が、各疾患に対応したボクセル値の範囲に含まれているか否かを判定することにより、疾患の種類を特定している。したがって、読影者の経験や勘に頼らずに疾患を特定することができるので、診断の客観性や再現性を向上させることができ、読影精度を格段に向上させることができる。また、第３の形態では、合成画像ＤＦおよび診断支援画像ＤＳは、ＲＧＢ画像として表示される。したがって、読影者は、３つの時相それぞれの画像を比較しなくても読影ができるので、読影に必要な時間を短縮することができ、読影効率を向上させることが可能となる。

尚、上記の例では、ステップＳＴ４（図１４参照）においてＲＯＩを設定しないと決定された場合について説明されている。次に、ステップＳＴ４においてＲＯＩを設定すると決定された場合について説明する。

ステップＳＴ４において、ＲＯＩを設定すると決定された場合、ステップＳＴ５に進む。ステップＳＴ５では、ＲＯＩ設定手段４（図１３参照）がＲＯＩを設定する。ＲＯＩは、描画ツールを用いて設定してもよいし、描画ツールを用いずに、セグメンテーション手法などを用いて設定してもよい。ＲＯＩを設定した後、ステップＳＴ５０に進む。

ステップＳＴ５０では、決定手段５３（図１３参照）が、後述する合成画像ＤＦおよび診断支援画像ＤＳ（図１７参照）を生成するときに使用される背景画像ＤＢを決定する。決定手段５３は、例えば、ステップＳＴ１で読み出された３Ｄ画像のうちのいずれかの時相の３Ｄ画像や、全時相の加算平均画像など任意の演算画像を、背景画像ＤＢとして決定することができる。背景画像ＤＢを決定した後、ステップＳＴ５１に進む。ステップＳＴ５１では、ＲＧＢが割り当てられ（図１１参照）、ＲＧＢを割り当てた後、ステップＳＴ６に進む。ステップＳＴ６では、特定手段５は、ステップＳＴ５で設定されたＲＯＩの範囲内のみで、疾患の種類を特定するための処理を行う。疾患の種類を特定した後、ステップＳＴ６１で不透明度を設定し、ステップＳＴ６２に進む。ステップＳＴ６２では、合成手段５２が、ステップＳＴ５０で決定された背景画像を用いて合成画像を作成する。合成画像を作成した後、ステップＳＴ７に進む。ステップＳＴ７では、合成画像ＤＦおよび診断支援画像ＤＳが表示される。図１７に、合成画像ＤＦおよび診断支援画像ＤＳの一例を示す。合成画像ＤＦは、ステップＳＴ５０で選択された背景画像ＤＢに、疾患部ｒ０の画像部分を重ねることにより生成される画像である。また、診断支援画像ＤＳは、合成画像ＤＦに、疾患名（疾患Ｘ）を付加することにより生成された画像である。合成画像ＤＦおよび診断支援画像ＤＳでは、背景画像ＤＢに疾患部ｒ０が重ねられているので、読影者は、疾患が現れている領域と疾患が現れていない領域とを視覚的に容易に区別することができる。

尚、第３の形態では不透明度Ｔｋが設定されているが、不透明度Ｔｋの値は、読影者によって手動で変更できるようにすることが望ましい。不透明度Ｔｋの値を変更できるようにすることによって、合成画像ＤＦおよび診断支援画像ＤＳのＲＧＢの明るさを、色ごとに個別に変更することができる。したがって、読影者は、不透明度Ｔｋの値を調整することにより、合成画像ＤＦおよび診断支援画像ＤＳの明るさを、疾患を視覚的に認識するのに適した明るさに調整することが可能となる。

第１〜第３の形態では、３時相の画像に基づいて疾患を特定する例について説明されている。しかし、本発明は、３時相の画像に限定されることはなく、ｍ（≧２）時相の画像に基づいて疾患を特定する場合に適用することができる。

第１〜第３の形態では、造影撮影により得られた複数の画像に基づいて疾患を特定する例について説明されている。しかし、本発明では、疾患を特定するために使用される画像は、異なる時相において得られた画像であればよく、造影撮影により得られた画像に限定されることは無い。

尚、第１〜第３の形態の画像処理装置１に、第１の形態で使用されているテーブルの情報を更新するための更新手段を備えてもよい。テーブルの情報を更新することにより、疾患の種類を、より高い精度で特定することが可能となる。テーブルの情報の更新は、ユーザが手動で行ってもよく、機械学習の手法を用いて自動的に行ってもよい。

また、第１〜第３の形態では、３Ｄ画像に基づいて鑑別診断を行う方法について説明されている。しかし、３Ｄ画像の代わりに２Ｄ画像に基づいて鑑別診断を行ってもよい。２Ｄ画像を用いる場合には、各時相の２Ｄ画像のピクセル値に基づいて、疾患の種類を特定することができる。尚、２Ｄ画像を用いる場合には、各疾患とピクセル値の範囲との対応関係を表すテーブルを用いることにより、撮影部位の疾患の種類を特定することができる。

１ 画像処理装置
２ 前処理手段
３ 位置合せ手段
４ ＲＯＩ設定手段
５ 特定手段
４１ 割当手段
５１ 不透明度設定手段
５２ 合成手段
５３ 決定手段

Claims (13)

1. 異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置であって、
   前記画像ごとに、前記撮影部位内の第１の部分に対応するボクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するボクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定手段を有する画像処理装置。
2. 前記特定手段は、
   前記時相ごとに複数の疾患の各々とボクセル値との対応関係を表すテーブルを用いて、前記画像ごとに求められた前記第１の部分に対応するボクセル値が、前記複数の疾患のうちのどの疾患のボクセル値に該当するかを判定し、この判定結果に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する、請求項１に記載の画像処理装置。
3. 前記撮影部位の関心領域を設定する設定手段を有し、
   前記特定手段は、
   前記画像ごとに、前記関心領域内の第１の部分に対応するボクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するボクセル値に基づいて、前記関心領域内の前記第１の部分における疾患の種類を特定する、請求項１又は２に記載の画像処理装置。
4. 異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置であって、
   前記画像ごとに、前記撮影部位内の第１の部分に対応するピクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するピクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定手段を有する画像処理装置。
5. 前記特定手段は、
   前記時相ごとに複数の疾患の各々とピクセル値との対応関係を表すテーブルを用いて、前記画像ごとに求められた前記第１の部分に対応するピクセル値が、前記複数の疾患のうちのどの疾患のピクセル値に該当するかを判定し、この判定結果に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する、請求項４に記載の画像処理装置。
6. 前記撮影部位の関心領域を設定する設定手段を有し、
   前記特定手段は、
   前記画像ごとに、前記関心領域内の第１の部分に対応するピクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するピクセル値に基づいて、前記関心領域の第１の部分における疾患の種類を特定する、請求項４又は５に記載の画像処理装置。
7. 前記複数の画像の各々はグレースケールの画像である、請求項１〜６のうちのいずれか一項に記載の画像処理装置。
8. 前記複数の画像の各々は、グレースケールの画像に色の情報が割り当てられることにより得られる画像である、請求項１〜６のうちのいずれか一項に記載の画像処理装置。
9. 前記複数の画像は、赤の色の情報が割り当てられた赤画像、緑の色の情報が割り当てられた緑画像、青の色の情報が割り当てられた青画像を含む、請求項８に記載の画像処理装置。
10. 前記複数の画像を位置合せする位置合せ手段を有し、
    前記特定手段は、
    位置合せされた前記複数の画像に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する、請求項１〜９のうちのいずれか一項に記載の画像処理装置。
11. 前記テーブルに含まれる情報を更新する更新手段を有する、請求項１〜１０のうちのいずれか一項に記載の画像処理装置。
12. 異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置に適用されるプログラムであって、
    前記画像ごとに、前記撮影部位内の第１の部分に対応するボクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するボクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定処理、
    をコンピュータに実行させるためのプログラム。
13. 異なる時相において得られた撮影部位の複数の画像を処理する画像処理装置に適用されるプログラムであって、
    前記画像ごとに、前記撮影部位内の第１の部分に対応するピクセル値を求め、前記画像ごとに求められた前記第１の部分に対応するピクセル値に基づいて、前記撮影部位の前記第１の部分における疾患の種類を特定する特定処理、
    をコンピュータに実行させるためのプログラム。