JP6296385B2 - 医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラム - Google Patents

Description

本発明は、医用画像診断装置により取得した画像データから目的領域を高精度に抽出する医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラムに関する。

近年、Ｘ線コンピュータ断層撮影（ＣＴ：Computer Tomography）装置や核磁気共鳴撮影（ＭＲＩ：Magnetic Resonance Imaging）装置、陽電子放射断層撮影（ＰＥＴ：Positron Emission Tomography）装置等の医用画像診断装置で取得して再構成した二次元の断層画像や三次元画像から、病変部を発見し、またその病変部の状態を観察して、疾病の有無や進行状況の診断を行うことが行われている。

これらの装置によって撮像される画像は、画像中のある点に関する濃度情報（画素の濃度情報）で表現され、濃度情報から目的領域、例えば臓器等に注目し、病変の有無などの診断にもちいられる。

医用画像診断装置により大量の画像を取得することが可能になったため、医師が腫瘍診断をするためには、膨大な労力が必要になってきている。このような診断にかかる労力の増加は、見落としや誤診などを招くこともあるため、少しでも軽減する事が望まれている。そのため、腫瘍などの目的領域を自動抽出する技術（ＣＡＤ：Computer Aided Detection）や、その技術を搭載した装置が提案されている（例えば、特許文献１参照）。

また、ＣＴ画像などの濃淡画像からの目的領域の抽出は、セグメンテーション（分離）技術として、以下のような様々な手法（１）〜（８）が提案されている。
（１） 画像の輝度（濃度）ヒストグラムから、適する２値化の閾値を決定して、領域を分離する方法。
（２） 画像の輝度（濃度）の勾配（グレーディエント）やラプラシアン、ラプラシアンゼロクロッシング点を利用して境界領域を抽出する方法。
（３） 何らか方法で初期的に決定した境界線を逐次最適化する動的輪郭抽出法（スネーク法）。
（４） 出発点と終了点を決め、その間をあらかじめ決めた評価関数が小さく（又は、大きく）なるように、画素を逐次追跡し境界を決定する方法。
（５） 対象領域内の各画素から、各方向へ触手を伸ばし、出発画素との輝度（濃度）値差が、閾値以上である点（リーチ点）の分布状態から境界を決定するリーチ点探索法。
（６） 造影剤投入後の時間経過（時相）とともにコントラストの異なる画像を取得し、時相毎の濃度特徴、すなわち、多時相関濃度特徴を利用する方法。
（７） 肺がん領域の抽出にみられるような、ウエーブレット変換と平滑化による腫瘍領域抽出法。
（８） 変形可能三（二）次元曲面を解析的に決定し所期画像とし、弾性変形などの仮定の下、目標領域の形状を求める方法。

特開２０１２−２４５０８５号公報

ところで、上記手法（１）では、異なる領域間のヒストグラムの分離が良好でない場合、適する２値化の閾値を決定するのは容易でない。

また、上記手法（２）では、輝度勾配、ラプラシアンの値は、境界以外でも雑音として大きく、境界との区別が容易でない。

また、上記手法（３）では、所期形状の決定、逐次変形のためのパラメータが多く、かつ対象画像に適する値の決定が難しく、異なる画像間でロバストネス（頑強性）が低い。

また、上記手法（４）では、画像間で共通の評価関数の決定ができない。また、結果が出発点と終端点の選択に大きく左右される。

また、上記手法（５）では、処理回数が対象画素数の二乗に比例するため、処理時間が画像毎（特に三次元で）に大きく異なる。また、汎用的な閾値の決定は容易でない。

また、上記手法（６）では、異時相関の画像位置合わせが容易でなく、その誤差が検出精度に大きく影響する。

また、上記手法（７）では、大きさ、形状の異なる対象領域に適するウエーブレットの選択と平滑化の程度の決定が未確定である。

また、上記手法（８）では、対象画像に適する変形パラメータと変形法の設定が容易でない。

本件発明者等は、上述の如き従来の手法（１）〜（８）全てについて、目的領域の抽出を行う場合の閾値など各種パラメータを汎用的に決定することを試みるが、画像毎に濃度分布及び目的領域と非目的領域との間のコントラストなどが大きく異なるのが通常で、それらの変化への処理の頑強性を確保する必要があるが、そのための汎用的パラメータの決定は、実際には困難である。

特に、三次元で目的領域を決定する場合には、直接三次元データを処理することが多いが、処理プログラムが複雑となり処理時間が増大するのが一般的である。

そこで、本発明の目的は、上述の如き従来の実情に鑑み、Ｘ線コンピュータ断層撮影（ＣＴ：Computer Tomography）装置や核磁気共鳴撮影（ＭＲＩ：Magnetic Resonance Imaging）装置、陽電子放射断層撮影（ＰＥＴ：Positron Emission Tomography）装置等の医用画像診断装置で取得した複数の三次元断層画像から、簡単な操作で、二次元又は三次元の目的領域を短時間で抽出することができるようにした医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラムを提供することにある。

本発明の他の目的、本発明によって得られる具体的な利点は、以下に説明される実施の形態の説明から一層明らかにされる。

本発明では、医用画像診断装置で取得した複数の二次元断層画像から、目的領域（例えば、肝臓内の肝臓細胞癌等）を自動抽出して、二次元又は三次元の目的領域を抽出するにあたり、簡単な手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行い、上記前処理により取得したデータを用いて二次元又は三次元の目的領域を自動的に抽出する画像処理を行う。上記画像処理では、濃度分布の正規分布への近似処理と、ｂａｙｓ則による統計的領域抽出処理と、大局的及び局所的統計検定による目的領域修正処理と、三次元化するための二次元画像上での繰り返し処理を既抽出領域を拡大・縮小下中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理を行う。

すなわち、本発明は、医用画像処理装置であって、手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理部と、上記前処理部により取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理部とを備え、上記前処理部は、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付ける機能を有し、上記画像処理部は、上記前処理部により取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理機能と、上記正規分布近似処理機能により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出機能と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（ｎ個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理機能とを有することを特徴とすることを特徴とする。

本発明に係る医用画像処理装置において、上記前処理部は、取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理機能を有するものとすることができる。

さらに、本発明に係る医用画像処理装置において、上記画像処理部は、抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理機能を有するものとすることができる。

本発明は、医用目的領域抽出方法であって、手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理ステップと、上記前処理ステップにより取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理ステップとを有し、上記前処理ステップでは、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付け、上記画像処理ステップでは、上記前処理ステップにより取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理と、上記正規分布近似処理により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（ｎ個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理とを行うことを特徴とする。

本発明に係る医用目的領域抽出方法において、上記前処理ステップでは、取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理を行うものとすることができる。

さらに、本発明に係る医用目的領域抽出方法において、上記画像処理ステップでは、抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理を行うものとすることができる。

本発明は、医用画像処理装置に搭載されるコンピュータにより実行される医用目的領域抽出処理プログラムであって、上記コンピュータを、手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理部と、上記前処理部により取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理部とし機能させ、上記前処理部は、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付ける機能を有し、上記画像処理部は、上記前処理部により取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理機能と、上記正規分布近似処理機能により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出機能と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（ｎ個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理機能とを有することを特徴とする。

本発明に係る医用目的領域抽出処理プログラムは、取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理機能を有する上記前処理部として上記コンピュータを機能させるものとすることができる。

さらに、本発明に係る医用目的領域抽出処理プログラムは、抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理機能を有する上記画像処理部として上記コンピュータを機能させるものとすることができる。

本発明によれば、簡単な手動操作による指定入力を受け付けて、医用画像診断装置で取得した複数の二次元断層画像から、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行い、上記前処理により取得したデータを用いて二次元又は三次元の目的領域を自動的に抽出する画像処理を行うことにより、所望の目的領域を短時間で抽出することができる。

上記画像処理では、濃度分布の正規分布への近似処理と、ｂａｙｓ則による統計的領域抽出処理と、大局的及び局所的統計検定による目的領域修正処理と、三次元化するための二次元画像上での繰り返し処理を既抽出領域を拡大・縮小下中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理を行うことにより、所望の目的領域を短時間で的確に抽出することができる。

したがって、Ｘ線コンピュータ断層撮影（ＣＴ：Computer Tomography）装置や核磁気共鳴撮影（ＭＲＩ：Magnetic Resonance Imaging）装置、陽電子放射断層撮影（ＰＥＴ：Positron Emission Tomography）装置等の医用画像診断装置で取得した複数の二次元断層画像から、簡単な操作で、二次元又は三次元の目的領域を短時間で抽出することができるようにした医用画像処理装置、その医用目的領域抽出方法及び医用目的領域抽出処理プログラムを提供することができる。

本発明を適用した医用画像処理装置の構成を示すブロック図である 上記医用画像処理装置における前処理部の処理内容を示すフローチャートである。 上記前処理部における目的画像選択処理の内容を示すフローチャートである。 上記目的画像選択処理における表示部による表示内容を示す図であり、（Ａ)は初期画面を示し、(Ｂ)は処理画像決定入力受付処理の際の表示内容を示している。 上記前処理部における領域とデータの取得処理の内容を示すフローチャートである。 上記領域とデータの取得処理における表示部による表示内容を示す図であり、（Ａ)は目的領域指定入力受付処理の際の表示内容を示し、(Ｂ)は目的外領域指定入力受付処理の際の表示内容を示している。 上記医用画像処理装置における画像処理部の処理内容を示すフローチャートである。 上記画像処理部においてＨｃｃデータとＬｉｖｅｒデータから作成される各近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}を示す図であり、（Ａ)は前処理部における利用画像輝度調節処理が施されたＨｃｃデータとＬｉｖｅｒデータから作成された各近似正規分布を示し、(Ｂ)は利用画像輝度調節処理が施されていないＨｃｃデータとＬｉｖｅｒデータから作成された各近似正規分布を示している。 上記画像処理部における閾値決定・領域抽出処理の内容を示すフローチャートである。 上記閾値決定・領域抽出処理において作成されるヒストグラムの一例を示す図である。 上記画像処理部におけるＹＺ面上での領域抽出処理の内容を示すフローチャートである。 上記ＹＺ面上での領域抽出処理における表示部による表示内容を示す図であり、（Ａ）目的候補領域（Ｈｃｃ１）を示し、(Ｂ)は上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を示し、(Ｃ)は上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を穴埋めしたものを示し、（Ｄ）は目的外候補領域（Ｌｉｖｅｒ１）を示し、（Ｅ）は（Ｄ）に（Ｃ）を加えた、目的候補領域を内包する目的外候補領域を示す。（Ｆ）は（Ｅ）を穴埋めして２値化したものを示し、（Ｇ）は最終目的外領域を示す。 上記画像処理部におけるＸＺ面上でのＸ方向の大きさの抽出処理の内容を示すフローチャートである。 上記ＸＺ面上でのＸ方向の大きさの抽出処理における表示部による表示内容を示す図であり、（Ａ)は目的領域（Ｈｃｃ）の選択受け付画面を示し、(Ｂ)は選択された目的領域（Ｈｃｃ）の画像を示している。 上記ＸＺ面上でのＸ方向の大きさの抽出処理における表示部による表示内容を示す図であり、（Ａ)は長さの指定入力受け付け画面を示し、(Ｂ)は長さの計測画面を示している。 上記画像処理部におけるＸＹ面上での目的領域抽出処理の内容を示すフローチャートである。 上記ＸＹ面上での目的領域抽出処理における表示部による表示内容を示す図であり、（Ａ)は目的領域（Ｈｃｃ）と目的外候補領域（Ｌｉｖｅｒ）の抽出画面を示し、(Ｂ)は抽出対象画面を示し、（Ｃ)は目的領域（Ｈｃｃ）の最大面積の検出画面を示し、（Ｄ)は領域（Liver for Data）設定画面を示している。 上記ＸＹ面上での目的領域抽出処理に使用されるヒストグラムの一例を示す図である。 上記ＸＹ面上での目的領域抽出処理における表示部による表示内容を示す図であり、（Ａ）は抽出された目的領域を原画像上に重畳して示したもの、(Ｂ)は抽出された目的外領域を示しているが、目的領域との関係をも示すために上記目的領域をも重畳して示している。 上記画像処理部における目的領域修正処理の内容を示すフローチャートである。 上記目的領域修正処理における大局的目的領域抽修正処理の内容を示すフローチャートである。 上記大局的目的領域修正処理における表示部による表示内容を示す図であり、（Ａ)は既に検出した目的領域（Ｈｃｃ）を示し、(Ｂ)は目的領域（Ｈｃｃ）を拡大した検定実行領域を示している。 上記目的領域修正処理における局所的目的領域抽修正処理の内容を示すフローチャートである。 上記局所的目的領域抽修正処理における表示部による表示内容を示す図であり、（Ａ)は既に検出した目的領域（Ｈｃｃ）を示し、(Ｂ)は目的領域（Ｈｃｃ）を拡大した検定実行領域を示している。 上記局所的目的領域修正処理における表示部による表示内容を示す図である。 上記局所的目的領域修正処理における表示部による表示内容を示す図である。 上記画像処理部における異なるＺ上での二領域連続抽出処理の内容を示すフローチャートである。 上記異なるＺ上での二領域連続抽出処理における表示部による表示内容を示す図であり、（Ａ)は目的候補領域（Ｈｃｃ）を示し、(Ｂ)は目的外候補領域（Ｌｉｖｅｒ）を示している。 上記異なるＺ上での二領域連続抽出処理に使用されるヒストグラムの一例を示す図である。 上記画像処理部における新目的領域探索範囲決定処理の内容を示すフローチャートである。 上記新目的領域探索範囲決定処理における表示部による表示内容を示す図であり、（Ａ)は中間領域（Ｉ_Ｈｃｃ）を示し、(Ｂ)は領域分離処理の実行画面を示し、（Ｃ)は新しい目的領域（Ｈｃｃ_ＮＥＷ）を示し、(Ｄ)は抽出結果を示している。 上記新目的領域探索範囲決定処理におけるＺ上下方向の探索終了決定処理の内容を示すフローチャートである。 上記画像処理部における三次元表示処理の内容を示すフローチャートである。 上記三次元表示処理に使用されるＺ方向の連続抽出結果を示す図であり、（Ａ)は異なるＺ上方向の連続抽出結果の一例を示し、（Ｂ)はＺ下方向の連続抽出結果の一例を示す図である。 上記三次元表示処理による表示結果を示す図であり、三次元の表示画面を示し、二次元の表示画面を示している。 特徴量の抽出を説明に供する図であり、（Ａ）は術前の二次元腹部ＣＴ画像を示し、（Ｂ）は抽出した肝臓癌を示している。 二次元形状評価で用いた癌のくぼみを領域の塗り潰し処理を三次元に適用した場合を示す図であり、（Ａ）はくぼみ領域の塗り潰した画像を示し、（Ｂ）塗り潰し前の画像を示し、（Ｃ）はくぼみ領域を示している。 上記医用画像処理装置における凸部領域の抽出についての説明に供する図であり、（Ａ）は水平断面画像を示し、（Ｂ）は自動抽出された癌領域を積層し構成した状態を示し、（Ｃ）は臓癌の三次元画像を示している。 中点法による内接円の半径算出についての説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は構造要素（円）を示し、（Ｃ）は収縮結果を示している。 凸部領域の抽出処理の説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は描画された内接円を示し、（Ｃ）は抽出された凸部領域を示している。 癌の三次元画像との差分を凸部領域として抽出処理の説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は構造要素（球）を示し、（Ｃ）は２画素削った凸部領域を示している。 門脈侵襲（ｖｐ）の有無を正解（学習パターン）として１つ抜き法で２クラス（ｖｐ０／ｖｐ１）に分類した判別結果を示す図である。 判別結果のクラスごとにカプランマイヤー法により作成した生存曲線を示す図である。 「原発性肝癌取り扱い規約」で規定されている肉眼分類を示す図である。 病理標本写真の画像を示す図である 癌領域の色による分類を示す図であり、（ａ）は白い癌、（ｃ）は緑色の癌（胆汁が多い）、（ｄ）はピンク色の癌、（ｅ）は黒い癌、（ｆ）は出血している領域を示している。 肝癌領域を示す図であり、（ａ）は赤い肝癌領域、と図４７の（ｂ）は肝硬変が起きている白くなた領域、（ｃ）は肝臓の淵を示している。 その他の領域を示す図であり、（ａ）はスケール、（ｂ）は背景の青い台、（ｃ）は光の反射を示している。 エッジ保存平滑化処理の説明に供する図であり、（ａ）はエッジ保存平滑化処理適用前の画像を示し、（ｂ）はエッジ保存平滑化処理適用後の画像を示している。 マハラノビスの汎距離により未知データを最も確率の高いクラスとする判別分析を行った結果を示す図である。 第１の特徴量Rate_Ａ（肝硬変領域周囲の肝臓領域と癌領域の比率）と第２の特徴量Rate_Ｂ（癌を含む肝臓領域と癌領域の比率）の２変量で肝硬変の判別分析を行った結果を示す図である。 第２の特徴量Rate_Ｂ（癌を含む肝臓領域と癌領域の比率）と（第３の特徴量Rate_Ａピンク色の癌領域周囲の癌領域の比率）の２変量でピンク色の癌の判別分析を行った結果を示す図である。 黒い癌、出血、光の反射領域の判別に供する図である。

以下、本発明を実施するための最良の形態について、図面を参照しながら詳細に説明する。

本発明は、例えば図１のブロック図に示すような構成の医用画像処理装置１００に適用される。

この医用画像処理装置１００は、制御部１０、前処理部２０、画像処理部３０、入力部４０、記憶部５０、表示部６０等からなる。この医用画像処理装置１００は、所定の処理プログラムがインストールされたコンピュータシステムであって、上記制御部１０により、上記処理プログラムにしたがって、上記前処理部２０や画像処理部３０の動作を制御するようになっている。

この医用画像処理装置１００は、医用画像診断装置で取得した複数の二次元断層画像から二次元又は三次元の目的領域を抽出する医用画像処理装置であって、医用画像診断装置で取得した複数の二次元断層画像を取り込んで記憶部５０に記憶する機能を有し、本実施の形態では、例えばＸ線コンピュータ断層撮影（ＣＴ：Computer Tomography）装置により取得された多数枚のＣＴ画像が予め記憶部５０に記憶されているものとして説明する。

この医用画像処理装置１００における前処理部２０による処理内容を図２のフローチャートに示すように、上記制御部１０は、上記処理プログラムにしたがって上記前処理部２０の動作を制御して、上記前処理部２０により目的画像選択処理（Ｓ１）、領域とデータ取得処理（Ｓ２）を行う。

すなわち、上記前処理部２０は、目的画像選択機能及び領域とデータ取得機能を有する。

上記前処理部２０における目的画像選択処理（Ｓ１）では、図３のフローチャートに示すように、初期画面表示処理（Ｓ１１）、相の選択入力受付処理（Ｓ１２）、処理画像決定入力受付処理（Ｓ１３）を行う。

初期画面表示処理（Ｓ１１）では、図４の（Ａ）に示すように、上記記憶部５０から読み出されるＹＺ（矢状）断面、ＸＹ（水平）断面、ＸＺ（頭額）断面の三断面画像Ａ１，Ａ２，Ａ３を患者番号や画素サイズ、画像スライス厚さなどの属性情報Ａ４とともに表示部６０により同時表示する。

相の選択入力受付処理（Ｓ１２）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、上記属性情報Ａ４とともに表示される選択ボタンによる選択操作入力により、異なる相の撮像条件の下での画像から目的達成に適する条件の「相」が選択される。

処理画像決定入力受付処理（Ｓ１３）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、表示部６０による表示画面内の画像選択ための点線位置（カーソル）あるいは＋，−ボタンＡ５の操作により、図４の（Ｂ）に示すように、処理対象として最適な画像が選択される。表示部６０による表示画面には、選択位置情報Ａ６が表示される。

上記前処理部２０は、入力部４０による手動操作入力を受け付けて、目的画像選択処理（Ｓ１）により処理対象として最適な画像が選択されると、次の領域とデータ取得処理（Ｓ２）を行う。

上記前処理部２０における領域とデータ取得処理（Ｓ２）では、図５のフローチャートに示すように、利用画像輝度調節処理（Ｓ２１）、目的領域指定入力受付処理（Ｓ２２）、目的領域の画像データ取得処理（Ｓ２３）、目的外領域指定入力受付処理（Ｓ２４）、目的外領域の画像データ取得処理（Ｓ２５）を行う。

利用画像輝度調節処理（Ｓ２１）では、上記記憶部５０から読み出す画像の輝度範囲を調整し、輝度０〜２５５レベルに内に納める。

目的領域指定入力受付処理（Ｓ２２）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、処理対象の断面を選択し、図６の（Ａ）に示すように表示部６０による表示画面に表示されているＹＺ面上で、目的領域（Ｈｃｃ）内部に、対角上の二点を選択し、二点を結ぶ線分が目的領域（Ｈｃｃ）を大略含む対角線となるようにする。そして、図６の（Ｂ）に示すように、その対角線Ｌ１で決定される矩形を適宜拡大（あるいは縮小）して、仮の目的領域（Ｈｃｃ）とする

そして、目的領域の画像データ取得処理（Ｓ２３）では、上記対角線Ｌ１に沿った各ＸＹ面上での周辺の画素の輝度値データをＨｃｃデータとして取得する。

次の目的外領域指定入力受付処理（Ｓ２４）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、図６の（Ｂ）に示すように表示部６０による表示画面に表示されているＹＺ面上で、目的外領域（Ｌｉｖｅｒ）内部に対角上の二点を選択する。

そして、目的外領域の画像データ取得処理（Ｓ２５）では、上記二点を結ぶ線分Ｌ２に沿った各ＸＹ面上での周辺の画素の輝度値データをＬｉｖｅｒデータとして取得する。

次に、上記制御部１０は、上記前処理部２０による目的画像選択処理（Ｓ１）と領域とデータ取得処理（Ｓ２）が終了すると、上記画像処理部３０による画像処理の制御を行う。

すなわち、この医用画像処理装置１００における画像処理部３０による処理内容を図７のフローチャートに示すように、上記制御部１０は、上記処理プログラムにしたがって上記画像処理部３０の動作を制御して、ヒストグラムの生成と正規分布近似処理（Ｓ３）、閾値決定・領域抽出処理（Ｓ４）、目的領域修正処理（Ｓ５）、連続二領域抽出処理（Ｓ６）、探索終了決定処理（Ｓ７）、三次元表示処理（Ｓ８）を行う。

上記画像処理部３０によるヒストグラムの生成と正規分布近似処理（Ｓ３）では、上記前処理部２０により得られたＨｃｃデータとＬｉｖｅｒデータ、すなわち、上記対角線Ｌ１に沿った各ＸＹ面上での周辺の画素の輝度値データと、上記線分Ｌ２に沿った各ＸＹ面上での周辺の画素の輝度値データの、ヒストグラムと各平均、分散を求め、それらから目的領域（Ｈｃｃ）の画素の輝度分布の近似正規分布Ｈ_Ｈｃｃ及び目的外領域（Ｌｉｖｅｒ）の画素の輝度分布の近似正規分布Ｈ_{Ｌｉｖｅｒ}を作成して、表示部６０による表示画面に表示する。

ここで、上記画像処理部３０によるヒストグラムの生成と正規分布近似処理（Ｓ３）では、上記前処理部２０における利用画像輝度調節処理（Ｓ２１）が施されたＨｃｃデータとＬｉｖｅｒデータから各近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}を作成するので、作成される各近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}は、例えば図８の（Ａ）に示すように、輝度０〜２５５レベルに内に全体が収められた正しく近似されたものとなる。

なお、上記利用画像輝度調節処理（Ｓ２１）が施されていないＨｃｃデータとＬｉｖｅｒデータから各近似正規分布Ｈ_Ｈｃｃ’，Ｈ_{Ｌｉｖｅｒ}’を作成した場合、例えば図８の（Ｂ）に示すように、輝度０〜２５５レベルに内に一部が収まらず正しく近似されないため、この後に続く閾値決定・領域抽出処理（Ｓ４）における目的領域抽出の頑強性に大きく影響を与えることになる。

上記画像処理部３０における閾値決定・領域抽出処理（Ｓ４）では、図９のフローチャートに示すように、Ｂａｙｓ則に基づく閾値決定処理（Ｓ４１）、ＹＺ（矢状断）面上での領域抽出処理（Ｓ４２）、ＸＺ（頭額断）面上でのＸ方向の大きさ抽出処理（Ｓ４３）、ＸＹ（水平断）面上での領域抽出処理（Ｓ４４）、次のＸＹ（水平断）面上での領域抽出処理（Ｓ４５）、ＸＹ（水平断）面上での領域抽出処理（Ｓ４６）、ＸＺ（頭額断）面上でのＺ方向の大きさ抽出処理（Ｓ４７）、ＸＺ（頭額断）面上での領域抽出処理（Ｓ４８）、ＸＹ（水平断）面上での領域抽出処理（Ｓ４９）を行う。

Ｂａｙｓ則に基づく閾値決定処理（Ｓ４１）、では、上記ヒストグラムの生成と正規分布近似処理（Ｓ３）により求めた２つの近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}を用いて、これら２つの近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}の交点を求め、 Ｂａｙｓ則での二値化閾値（iEqual）とする。

ここで、Ｂａｙｓ則に基づく領域分割処理は、例えば図１０に示すように、異なる正規分布する輝度からなる画像を二値化するとき、その交点を二値化閾値（iEqual）とし、それ以上を１、未満を０とするものである。このＢａｙｓ則に基づく領域分割処理では、図１０において、本来は低輝度領域に属するが高輝度と判定される誤差（Err1）と本来は高輝度領域に属するが低輝度と判定される誤差（Err2）の和（ErrT）が論理的に最小となる。

ＹＺ（矢状断）面上での領域抽出処理（Ｓ４２）では、図１１のフローチャートに示すように、目的領域（Ｈｃｃ）と目的外領域（Ｌｉｖｅｒ）の候補領域抽出処理（Ｓ４２１）、最終目的外領域決定処理（Ｓ４２２）、目的領域を囲む矩形領域決定処理（Ｓ４２３）を行う。

上記候補領域抽出処理（Ｓ４２１）では、上記Ｂａｙｓ則に基づく閾値決定処理（Ｓ４１）、により決定されたＹＺ（矢状断）面上での二値化閾値（iEqual）により、目的候補領域（Ｈｃｃ１）と目的外候補領域（Ｌｉｖｅｒ１）をそれぞれ抽出する。

例えば図１２の（Ａ）に示す目的候補領域（Ｈｃｃ１）を示す画像から、図１２の（Ｂ）に示す上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を得て、図１２の（Ｈ）に示すように、その内部を穴埋めして２値化した目的領域（Ｈｃｃ２）とする。

例えば図１２の（Ａ）に示す目的候補領域（Ｈｃｃ１）を示す画像から、図１２の（Ｂ）に示す上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を得て、図１２の（Ｃ）に示すように、その内部を穴埋めして２値化した目的領域（Ｈｃｃ２）とする。

次の最終目的外領域決定処理（Ｓ４２２）では、上記候補領域抽出処理（Ｓ４２１）により抽出された例えば図１２の（Ａ）に示す目的候補領域（Ｈｃｃ１）を示す画像から、図１２の（Ｂ）に示す上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を得て、図１２の（Ｃ）に示すように、その内部を穴埋めして２値化した目的領域（Ｈｃｃ２）とするとともに、上記候補領域抽出処理（Ｓ４２１）により抽出された例えば図１２の（Ｄ）に示す目的外候補領域（Ｌｉｖｅｒ１）を示す画像に図１２の（Ｃ）に示す上記目的候補領域（Ｈｃｃ１）内の最大面積を抽出した画像を加えることにより、図１２の（Ｅ）に示すように、上記目的候補領域を内包する目的外候補領域を決定し、図１２の（Ｆ）に示すように、その内部を穴埋めして２値化後、図１２の（Ｇ）に示すように、目的領域でも目的外領域でも無い、例えば雑音あるいは血管領域を除いた最終目的外領域とする。

そして、矩形領域決定処理（Ｓ４２３）では、上記候補領域抽出処理（Ｓ４２１）により決定された図１２の（Ｃ）に示す二値化した目的領域（Ｈｃｃ２）に基づいて、図１２の（Ｈ）に示すように、目的領域（Ｈｃｃ２）を囲む矩形領域を決定する。

また、ＸＺ（頭額断）面上でのＸ方向の大きさ抽出処理（Ｓ４３）では、図１３のフローチャートに示すように、ＸＺ面上で目的領域（Ｈｃｃ）の選択入力を受け付ける選択入力受付処理（Ｓ４３１）、選択された目的領域（Ｈｃｃ）内のＸ（水平）方向の長さの指定入力を受け付ける長さ指定入力受付処理（Ｓ４３２）、選択された目的領域（Ｈｃｃ）内のＸ（水平）方向の幅情報を計測する幅情報計測処理（Ｓ４３３）、Ｘ（水平）方向の幅情報を保存する幅情報保存処理（Ｓ４３４）を行う。

すなわち、上記画像処理部３０は、選択入力受付処理（Ｓ４３１）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、図１４の（Ａ）に示すように、表示部６０により表示される画面上のメニューバー内のプルダウンメニューＰによる目的領域（Ｈｃｃ）の選択を受け付け、図１５の（Ｂ）に示すように、選択された目的領域（Ｈｃｃ）の画像を別のウインドウ上に表示する

次の長さ指定入力受付処理（Ｓ４３２）では、入力部４０のマウスやキーボードなどの入力デバイスによる操作入力を受け付け、図１５の（Ａ）に示すように、選択された目的領域（Ｈｃｃ）内のＸ（水平）方向の長さの指定入力を受け付け、指定された長さの線分Ｌ３を描画する。

次の幅情報計測処理（Ｓ４３３）では、図１５の（Ｂ）に示すように、上記長さ指定入力受付処理（Ｓ４３２）により指定された線分Ｌ３の長さを計測して、上記目的領域（Ｈｃｃ）のＸ（水平）方向の幅情報を得る。

なお、上記長さ指定入力受付処理（Ｓ４３２）において多少傾斜して線分Ｌ３が指定された場合にも、上記幅情報計測処理（Ｓ４３３）では、上記目的領域（Ｈｃｃ）のＸ（水平）方向の長さのみを計測するようにしている。

そして、次の幅情報保存処理（Ｓ４３４）では、上記幅情報計測処理（Ｓ４３３）により得られた上記目的領域（Ｈｃｃ）のＸ（水平）方向の長さ（幅情報）を１２０％に延長して、その両端位置をＸmin，Xmaxとして、上記目的領域（Ｈｃｃ）の大きさを示す位置情報Ｘmin，Xmax，Ymin，Ymax，Zmin，Zmaxを保存する。

また、次のＸＹ（水平断）面上での領域抽出処理（Ｓ４４）では、領域抽出処理（Ｓ４４１）、領域制限枠処理（Ｓ４４２）、領域最大面積検出処理（Ｓ４４３）、目的外領域設定処理（Ｓ４４４）、正規分布近似処理（Ｓ４４５）、閾値決定処理Ｓ４４６）、領域抽出処理（Ｓ４４７）を行う。

領域抽出処理（Ｓ４４１）では、図１７の（Ａ）に示すように、注目Ｚ断面上でＹＺ面と同一基準で目的領域（Ｈｃｃ）と目的外候補領域（Ｌｉｖｅｒ）を抽出する。

次の域制限枠処理（Ｓ４４２）では、図１７の（Ｂ）に示すように、位置情報Ｘmin，Xmax，Ymin，Ymax，Zmin，Zmaxにより示される目的領域（Ｈｃｃ）の大きさを示す矩形枠を拡張し、目的領域（Ｈｃｃ）付近の矩形枠Ｓ内のみを抽出対象とする処理を行う。

次の領域最大面積検出処理（Ｓ４４３）では、図１７の（Ｃ）に示すように、上記矩形枠Ｓ内にある目的領域（Ｈｃｃ）の最大面積（XYHccMaxYZ）を検出する。

次の目的外領域設定処理（Ｓ４４４）では、図１７の（Ｄ）に示すように、新しく目的外領域の輝度データを取得する領域（Liver for Data）を設定する。

以上の説明は、図９に示したBays則に基づく閾値決定処理（Ｓ４1）を、先ず始めにＹＺ面上で行うＹＺ（矢状断）面上での領域抽出処理（Ｓ４２）を採用する場合についてのべたものであり、この処理終了後には、後述する正規分布近似処理（Ｓ４４５）の処理へ移行する。

一方、図９に示すBays則に基づく閾値決定処理（Ｓ４1）を、先ず始めに上述したＸＹ（水平断）面上での領域抽出処理（Ｓ４６）を行う方法を採用することも出来るから、その場合は、上述のＹＺ（矢状断）面上での領域抽出処理（Ｓ４２）と同様の処理を、対応する適切な面を対象としてＸＹ（水平断）面上での領域抽出処理（Ｓ４６）として実施する。

上記のように先ず始めにＸＹ面上から処理を開始したときは、ＸＹ面上での目的領域とそれを囲む矩形領域すなわちＸおよびＹ方向の目的領域の大きさが検出されるので、ＸＺ（頭額断）面上でのＺ方向の大きさ抽出処理（Ｓ４７）により目的領域のＺ方向の大きさを決定する。この処理終了後には、後述する正規分布近似処理（Ｓ４４５）へ移行する。

一方、図９に示す，Bays則に基づく閾値決定処理（Ｓ４1）を、先ず始めにＸＺ（頭額断）面上での領域抽出処理（Ｓ４８）を行う方法を採用することも出来るから、その場合は，上述のＹＺ（矢状断）面上での領域抽出処理（Ｓ４２）の処理と同様の処理を、対応する適切な面を対象としてＸＺ（頭額断）面上での領域抽出処理（Ｓ４８）として実施する。

上記のように先ず始めにＸＺ面上から処理を開始したときは、ＸＺ面上での目的領域とそれを囲む矩形領域すなわちＸおよびＺ方向の目的領域の大きさが検出されるので、ＸＹ（水平断）面上でのＹ方向の大きさ抽出処理（Ｓ４９）により目的領域のＹ方向の大きさを決定する。この処理終了後には、次の正規分布近似処理（Ｓ４４５）の処理へ移行する。

次の正規分布近似処理（Ｓ４４５）では、上記目的外領域設定処理（Ｓ４４４）により設定された領域（Liver for Data）と上記領域最大面積検出処理（Ｓ４４３）により検出された目的領域（Ｈｃｃ）の最大面積（XYHccMaxYZ）の新しい輝度データのヒストグラムから、次に処理する画像の目的領域（Ｈｃｃ）の画素の輝度分布の近似正規分布Ｈ_Ｈｃｃ及び目的外領域（Ｌｉｖｅｒ）の画素の輝度分布の近似正規分布Ｈ_{Ｌｉｖｅｒ}を作成する。

次の閾値決定処理Ｓ４４６では、上記正規分布近似処理（Ｓ４４５）により作成した目的領域（Ｈｃｃ）の画素の輝度分布の近似正規分布Ｈ_Ｈｃｃ及び目的外領域（Ｌｉｖｅｒ）の画素の輝度分布の近似正規分布Ｈ_{Ｌｉｖｅｒ}を用いて、図１８に示すように、これら２つの近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}の交点を求め、 Ｂａｙｓ則での二値化閾値（iEqual）とするＢａｙｓ則に基づく領域分割（二値化）の閾値（iEqual）を決定する処理を行う。

そして、次の領域抽出処理（Ｓ４４７）では、上記閾値決定処理Ｓ４４６により決定した二値化閾値（iEqual）を用いて、図１９に示すように、ＸＹ面内で新しい２つの領域を抽出する処理を行う。

また、上記画像処理部３０は、目的領域修正処理（Ｓ５）では、図２０のフローチャートに示すように、大局的目的領域修正処理（Ｓ５１）と局所的目的領域修正処理（Ｓ５２）を行う。

大局的目的領域修正処理５１では、図２１のフローチャートに示すように、検定必要性決定処理（Ｓ５１１）、検定棄却基準設定処理（Ｓ５１２）、検定実行設定処理（Ｓ５１３）、検定領域探索処理（Ｓ５１４）、母集団データ取得処理（Ｓ５１５）、検定実行処理（Ｓ５１６）、目的領域修正処理（Ｓ５１７）、矩形領域決定処理（Ｓ５１１）を行う。

まず、検定必要性決定処理（Ｓ５１１）では、ヒストグラムによる全誤差の値により検定の必要性を決定する。検定不要の場合には、検定前の結果を利用するものとする。

次の検定棄却基準設定処理（Ｓ５１２）では、二領域のヒストグラムから求めたトータル誤差の大きさに基づいて検定棄却基準を設定する。

次の検定実行設定処理（Ｓ５１３）では、図２２の（Ａ）に示すように既に検出した目的領域（Ｈｃｃ）を用いて、図２２の（Ｂ）に示すように目的領域（Ｈｃｃ）を拡大し、検定実行領域（Act）を目的領域周辺のみとする設定を行う。

次の検定領域探索処理（Ｓ５１４）では、上記検定実行設定処理（Ｓ５１３）により設定された検定実行領域（Act）内の画素をラスタースキャンにより順次探査する。

次の母集団データ取得処理（Ｓ５１５）では、既に目的領域として決定された領域内を母集団として、母平均、母標準偏差を求める処理を行う。

次の検定実行処理（Ｓ５１６）では、検定対象画素周辺のｎ個の画素の平均値と母集団の母平均、母標準偏差を用いてＺ検定を行い、棄却されれば当該画素は目的領域と見なす処理を行う。

次の目的領域修正処理（Ｓ５１７）では、上記検定実行処理（Ｓ５１６）による検定結果に基づいて目的領域を修正処理する処理を行う。

次の矩形領域決定処理（Ｓ５１１）では、目的領域修正処理（Ｓ５１７）により域修正処理が施されたあるＺでのＸＹ面上で決定した目的領域を囲む矩形領域を決定し、この矩形領域内の目的領域を基に、上下のＺの各ＸＹ面上で目的領域を決定する。このようにして決定されたあるＺでの目的領域を初期目的領域とする。

局所目的領域修正処理５１では、図２３のフローチャートに示すように、検定必要性決定処理（Ｓ５２１）、検定棄却基準設定処理（Ｓ５２２）、検定実行設定処理（Ｓ５２３）、検定領域探索処理（Ｓ５２４）、検定対象画素決定処理（Ｓ５２５）、母集団データ取得処理（Ｓ５２６）、検定実行処理（Ｓ５２７）、目的領域修正処理（Ｓ５２８）、矩形領域決定処理（Ｓ５２９）を行う。

まず、検定必要性決定処理（Ｓ５２１）では、ヒストグラムによる全誤差の値により検定の必要性を決定する。検定不要の場合には、検定前の結果を利用するものとする。

次の検定棄却基準設定処理（Ｓ５２２）では、二領域のヒストグラムから求めたトータル誤差の大きさに基づいて検定棄却基準を設定する。

次の検定実行設定処理（Ｓ５２３）では、図２４の（Ａ）に示すように既に検出した目的領域（Ｈｃｃ）を用いて、図２４の（Ｂ）に示すように目的領域（Ｈｃｃ）を拡大し、検定実行領域（Act）を目的領域周辺のみとする設定を行う。

次の検定領域探索処理（Ｓ５２４）では、上記検定実行設定処理（Ｓ５２３）により設定された検定実行領域（Act）内の画素のみを順次探査する。

次の検定対象画素決定処理（Ｓ５２５）では、上記検定実行領域（Act）内の検定未実施画素を決定し，当該画素を検定対象として処理し、処理終了後に検定済み画素として登録することを順次実施し、上記検定実行領域（Act）内画素の全ての検定を実施する。

次の母集団データ取得処理（Ｓ５２６）では、検定対象画素及びその周辺の複数個（ｎ個）の画素のデータを取得するための領域内及び既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素のデータを局所検定用母集団データとして取得するための領域内を決定する処理を行う。

次の検定実行処理（Ｓ５２７）では、上記検定対象画素周辺のｎ個の画素の平均値および上記局所検定用母集団データの平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、棄却されれば当該画素は目的領域と見なす処理を行う。

次の目的領域修正処理（Ｓ５２８）では、図２５に示すように、上記検定実行処理（Ｓ５２７）による検定結果に基づいて目的領域（Ｈｃｃ）を修正処理する処理を行う。

次の矩形領域決定処理（Ｓ５２９）では、目的領域修正処理（Ｓ５２８）により域修正処理が施されたあるＺでのＸＹ面上で決定した目的領域を囲む矩形領域Ｓを図２６に示すように決定し、この矩形領域Ｓ内の目的領域（Ｈｃｃ）を基に、上下のＺの各ＸＹ面上で目的領域（Ｈｃｃ）を決定する。このようにして決定されたあるＺでの目的領域（Ｈｃｃ）を初期目的領域とする。

また、上記画像処理部３０は、連続二領域抽出処理（Ｓ６）では、図２７のフローチャートに示すように、初期目的領域画面設定処理（Ｓ６１）、二領域連続抽出処理（Ｓ６２）、新Ｚでの二領域連続抽出処理（Ｓ６３）、新閾値採用可否決定処理（Ｓ６４）、新目的領域探索範囲決定処理（Ｓ６５）、探索終了決定処理（Ｓ６６）を行う。

初期目的領域画面設定処理（Ｓ６１）では、初期Ｚでの目的領域を初期目的領域画面として設定する処理を行う。

次の二領域連続抽出処理（Ｓ６２）では、図２８の（Ａ）、（Ｂ）に示すように、Ｚ方向に処理する平面を変えながら連続的に目的候補領域（Ｈｃｃ）と目的外候補領域（Ｌｉｖｅｒ）の二領域を抽出する処理を行う。

次の新Ｚでの二領域連続抽出処理（Ｓ６３）では、旧Ｚ上（最初は初期目的領域、次からは１つ前の目的領域）の二領域データを用いて、新Ｚ上のＸＹ面上で新たに目的領域（Ｈｃｃ）と目的外領域（Ｌｉｖｅｒ）の二領域を抽出する処理を行う。

次の新閾値採用可否決定処理（Ｓ６４）では、旧目的領域の大きさ（換算直径）がある値より小さい場合は旧閾値をそのまま用い、そうでないときには、図２９に示すように、上記新たな目的候補領域（Ｈｃｃ）と目的外候補領域（Ｌｉｖｅｒ）の二領域のデータのヒストグラムの近似正規分布Ｈ_Ｈｃｃ，Ｈ_{Ｌｉｖｅｒ}から二値化用の新閾値（iEqual）を決定して用いる処理を行う。

次の新目的領域探索範囲決定処理（Ｓ６５）では、図３０のフローチャートに示すように、中間領域決定処理（Ｓ６５１）、領域分離処理（Ｓ６５２）、新領域追加処理（Ｓ６５３）、抽出結果表示処理（Ｓ６５４）を行う。

中間領域決定処理（Ｓ６５１）では、図３１の（Ａ）に示すように、旧目的領域（Ｈｃｃ_ＯＬＤ）を収縮・拡大した中間領域（Ｉ_Ｈｃｃ）を決定する処理を行う。

次の領域分離処理（Ｓ６５２）では、図３１の（Ｂ）に示すように、上記中間領域決定処理（Ｓ６５１）で決定した中間領域（Ｉ_Ｈｃｃ）内でのみＢａｙｓ則で領域分離処理を行う。

次の新領域追加処理（Ｓ６５３）では、図３１の（Ｃ）に示すように、上記領域分離処理（Ｓ６５２）で分離された領域内新領域を上記旧目的領域（Ｈｃｃ_ＯＬＤ）に追加した新しい目的領域（Ｈｃｃ_ＮＥＷ）とする処理を行う。

そして、次の抽出結果表示処理（Ｓ６５４）では、図３１の（Ｄ）に示すように、異なるＺでの抽出結果を原画像とともに表示する処理を行う。

探索終了決定処理（Ｓ７）では、図３２のフローチャートに示すように、目的領域抽出処理（Ｓ７１）、終了条件決定処理（Ｓ７２）、目的領域抽出処理（Ｓ７３）を行う。

目的領域抽出処理（Ｓ７１）では、Ｚ上方向に複数枚の二次元目的画像を抽出する処理を行う。

終了条件決定処理（Ｓ７２）では、ＹＺ面で求めた目的画像の大きさ（高さ）により終了条件を決定する処理を行う。

目的領域抽出処理（Ｓ７３）では、Ｚ下方向に複数枚の二次元目的画像を抽出する処理を行う。

三次元表示処理（Ｓ８）では、図３３のフローチャートに示すように、三次元行列への収納処理（Ｓ８１）、表示処理（Ｓ８２）を行う。

三次元行列への収納処理（Ｓ８１）では、複数枚の二次元目的領域抽出結果を三次元行列に収納する処理を行う。

次の表示処理（Ｓ８２）では、上記収納処理（Ｓ８１）により複数枚の二次元目的領域抽出結果が収納された三次元行列、例えば図３４の（Ａ）に示すような異なるＺでのＺ上方向の連続抽出結果や図３４の（Ｂ）に示すような異なるＺでのＺ下方向の連続抽出結果が収納された三次元行列を用いて、図３５の（Ａ）や（Ｂ）に示すように、目的領域を三次元表示する処理を行う。

上述の如き医用画像処理装置１００では、制御部１０が処理プログラムにしたがって前処理部２０の動作を制御して、上記前処理部２０で上記目的画像選択処理（Ｓ１）、領域とデータ取得処理（Ｓ２）を行うことにより、簡単な手動操作による指定入力を受け付けて、医用画像診断装置で取得した複数の二次元断層画像から、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得し、上記前処理により取得したデータを用いて二次元又は三次元の目的領域を自動的に抽出する画像処理を画像処理部３０で行うことにより、所望の目的領域を短時間で抽出することができる。そして、上記制御部１０が処理プログラムにしたがって上記画像処理部３０の動作を制御して、濃度分布の正規分布への近似処理（Ｓ３）と、ｂａｙｓ則による統計的領域抽出処理（Ｓ４）と、大局的及び局所的統計検定による目的領域修正処理（Ｓ５）と、三次元化するための二次元画像上での繰り返し処理を既抽出領域を拡大・縮小下中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理（Ｓ６）とを行うことにより、所望の目的領域を短時間で的確に抽出することができる。

上記処理プログラムにしたがって上記制御部１０により動作を制御される上記前処理部２０及び画像処理部３０の各種機能は、医用画像処理装置に搭載されるコンピュータが医用目的領域抽出処理プログラムを実行することによって、当該コンピュータにより実現することができ、Ｘ線コンピュータ断層撮影（ＣＴ：Computer Tomography）装置や核磁気共鳴撮影（ＭＲＩ：Magnetic Resonance Imaging）装置、陽電子放射断層撮影（ＰＥＴ：Positron Emission Tomography）装置等の医用画像診断装置に上記医用目的領域抽出処理プログラムをインストールすることにより、医用画像診断装置で取得した複数の二次元断層画像から、簡単な操作で、二次元又は三次元の目的領域を短時間で抽出することができる。

上述の如き医用画像処理装置１００により抽出された二次元又は三次元の目的領域（Ｈｃｃ）の画像データは、例えば肝癌の評価・分類のために、上記目的領域（Ｈｃｃ）の輪郭等の特徴量が抽出される。
なお、医用画像処理装置１００おける、上記前処理部２０は、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力として、対角線により特定される矩形領域の入力を受け付けるようにしたが、矩形領域に限定されることなく、多角形、任意形状の閉曲面、円など他の形状の領域であってもよい。

目的領域（Ｈｃｃ）の特徴量の抽出は、例えば、次のようにして行われる。

以下特徴量の抽出について、お送りいただいた２件の予稿原稿の内容を記載する。
ここで、本件発明者等は、例えば図３６の（Ａ）に示すような術前の二次元腹部ＣＴ画像から抽出した図３６の（Ｂ）に示すような肝臓癌境界のくぼみ特徴が、術後の生存曲線とよく対応するという結果を得ている。

しかし、ＣＴ画像の一枚ではみることができない凹凸が多数存在しているので、肝臓癌の三次元像を用いた形状評価を行う。

また、図３７の（Ａ）、（Ｂ）、（Ｃ）は二次元形状評価で用いた癌のくぼみを領域の塗り潰し処理を三次元に適用した場合を示す図であり、（Ａ）はくぼみ領域の塗り潰した画像を示し、（Ｂ）塗り潰し前の画像を示し、（Ｃ）はくぼみ領域を示している。図３７の（Ａ）、（Ｂ）、（Ｃ）に示すように、二次元形状評価で用いた癌のくぼみを領域の塗り潰し処理を三次元に適用した場合、時間計算量はＯ（ｍ^２ｎ^２）（ｍ：スライス数、ｎ：画像一枚あたりの輪郭画素数）となるため、実際の医療現場で使うシステムとしては実用的でない。

そこで、ここでは、術前腹部ＣＴ画像から抽出された肝臓癌三次元画像と内接球の差分を凸部領域特徴として抽出する。

すなわち、この医用画像処理装置１００では、図３８の（Ａ）、（Ｂ）、（Ｃ）に示すように水平断面画像毎に自動抽出された癌領域を積層し構成した肝臓癌の三次元画像を利用して、癌の三次元像から求めた内接球と癌との差分により凸部領域を抽出する。図３８は、上記医用画像処理装置１００における凸部領域の抽出についての説明に供する図であり、（Ａ）は水平断面画像を示し、（Ｂ）は自動抽出された癌領域を積層し構成した状態を示し、（Ｃ）は臓癌の三次元画像を示している。

内接球と癌との差分による凸部領域の抽出の説明に先駆けて、二次元（内接円）で原理を説明する。

ここでいう内接円とは「ある図形内に描ける最大の円」である。そのため、１つの図形に対して内接円が複数存在する場合がある。

中点法による内接円の半径算出では、中点法を利用して対象図形内を走査させた円が、図形内に収まれば半径を増加、図形内に収まらなければ半券を減少させて、収束したときの値を内接円の半径とする。図形内に収まるか否かは、図３９の（Ａ）、（Ｂ）、（Ｃ）に示すように、対象画像の円の構造要素で収縮した画像に残る自画素の有無で判定する。中点法による内接円の半径算出についての説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は構造要素（円）を示し、（Ｃ）は収縮結果を示している。

以下に、中心法の初期条件を示す。
ｒ_１＝０
ｒ_２＝√（（ｘSize／２）^２＋（ｙSize／２）^２）
許容誤差：１画素、ｒ_１：半径の最小範囲、ｒ_２：半径の最大範囲、 ｘSize：画像の横幅、ｙSize：画像の縦幅

また、対象図形から次の手順で内接円の中心を求める。

すなわち、
（手順１）上記中点法による内接円の半径算出で求めた半経の円を収縮し、
（手順２）残った１画素に対して（手順１）の円構造要素で膨張する。

しかし、画像の量子化誤差や１つの図形に対して内接円が複数存在する場合があり、（手順１）で残った数だけ中心候補点が存在するので、図４０の（Ａ）、（Ｂ）、（Ｃ）に示すように、対象画像の重心から最も近い中心候補点を内接円の中心として描画する。図４０は、凸部領域の抽出の説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は描画された内接円を示し、（Ｃ）は抽出された凸部領域を示している。

そして、対称図形を二次元画像から三次元画像に、収縮・膨張で用いた構造要素を円から球に替えることで内接球を作成して、図４１の（Ａ）、（Ｂ）、（Ｃ）に示すように、癌の三次元画像との差分を凸部領域として抽出する。図４１は、癌の三次元画像との差分を凸部領域として抽出処理の説明に供する図であり、（Ａ）は対象図形を示し、（Ｂ）は構造要素（球）を示し、（Ｃ）は２画素削った凸部領域を示している。

凸部領域は、画像の量子化誤差の影響を考慮して、内接球＋その外側から２画素削った領域とする。

内接球の作成における時間計算量はＯ（ｍｎ）（ｍ：スライス数、ｎ：画像一枚あたりの輪郭画素数）となることから、くぼみ領域の塗り潰し処理よりも実用的である。

臨床的有用性を次の検証ステップにしたがって検証したところ、肝臓癌の三次元形状特徴が臨床データを分類することに有用であるとの検証結果が得られている。

検証ステップ１：抽出した癌の凸部領域から三次元形状特徴量をもとめる。
検証ステップ２：術後に分かる情報を学習パターンとした識別関数を作成する。
検証ステップ３：未知パターン（２７症例）を識別関数で分離する。
検証ステップ４：カプランマイヤー法により生存曲線を作成する。
検証ステップ５：生存曲線間の有意差を検定する。

ここで、術後に分かる情報として門脈侵襲（ｖｐ）を利用した。門脈侵襲（ｖｐ）は、癌が門脈に入り込んで通常の血流とは逆方向に癌が伸びていく現象のことであり、術後に分かる予後因子で医学的に有用とされている。

また、抽出した三次元凸部領域から形状評価に用いる特徴量として、「癌境界の複雑度」と「癌の大きさ」を表す特徴量をそれぞれ用いた。

また、門脈侵襲（ｖｐ）の有無がよく別れる分離度の最も大きい特徴量として、次の式（１）で示される癌と凸部領域の体積比を用いた。

さらに、「癌の大きさ」を表す特徴量として、次の式（２）で示される癌の球相当の半径ｒを用いた。

そして、門脈侵襲（ｖｐ）の有無を正解（学習パターン）として全２７症例を１つ抜き法で２クラス（ｖｐ０／ｖｐ１）に分類したところ、図４２に示すような判別結果が得られた。

合計判別的中率は７４％（ｖｐ０の判別的中率は８２％、ｖｐ１の判別的中率は７５％）であり、医学的に見て十分に高い数値となっている。

判別結果のクラスごとにカプランマイヤー法により生存曲線を作成し、ロクランク検定で図４３に示すクラス間の有意さを検討したところ、有意水準Ｐ＝０．０５０未満の有意確率Ｐ＝０．０４８となったことから、このクラス間には有意差があるといえる。

すなわち、肝臓癌の三次元形状特徴が臨床データを分類することに有用である。

したがって、対象画像の主成分分析から内接円又は内接球を近似し、対象境界との差の領域を特徴量とすることができる。また、内接円又は内接球に替えて、内接楕円又は内接楕円体近似するようにしてもよい。

なお、二元の場合には、主成分分析による近似円あるは近似楕円求め、対象境界との差の領域を凹凸特徴とするようにしてもよい。

また、対象画像の曲座標表示とその周波数解析から近似円，近似楕円と凹凸特徴を求めるようにすることもできる。

すなわち、直流分，基本周波数成分から，近似円直径，近似円中心を求めることができる。また、直流分，基本周波数成分,第２高調波成分から近似楕円，近似楕円中心を求めることができる。

また、近似楕円と対象境界との差の領域を凹凸特徴とする場合に、対象境界の曲座標表示とその周波数解析-高周波数成分より凹凸特徴を求めるようにしてもよい。

また、対象画像のフーリエ記述子表示とその周波数解析から近似円，近似楕円と凹凸特徴を求めるようにすることもできる。

また、対象画像の内接円，外接円を高速に求める方法とそれらを利用した凹凸特徴抽出法としては、モロホロジー演算により対象画像の内接円，外接円を高速に求める方法、内接円と対象画像境界との差の領域を凹凸特徴として求める方法、外接円と対象画像境界との差の領域を凹凸特徴として求める方法、上記２つの特徴を併用する方法などがある。

また、三次元の場合には、三次元画像が複数の２次元画像の集合からなる場合を前提とし、多くの３次元画像はそのような構造と思われるが、そうでない場合は，そのように分解してから利用すれば良く、その分解は容易である。

例えば、三次元の場合には、複数の二次元平面上で上記各種の手法を適用し得られた各面上での特徴を複合的に取り扱う。複合特徴として，平均値，中央値，再頻値など通常の統計的量が容易に考えられる。

また、従来から，医師ら専門家は，対象領域の「最大割面＝最も対象領域の面積が大きくなる面」を探索し、その面上で解析・診断を行う習慣がある。しかし，例えばCT画像では，一般的に水平断面の集合が提供され、三次元化されることなく利用され、限られた条件下での「最大割面」を利用せざるを得なかったが、三次元画像中で対象領域の面積が大きくなる最大割面抽出法を採用することができる。

三次元画像を構成する３断面，典型的には水平断面，矢状断面，頭額断面の各断面上での、対象領域最大面積を検出しその中の最大となるものを抽出するものとする。

三次元画像中での対象画像の最長軸を抽出し（例えば境界画素同士を全て連結した線分の最長を求めれば良い）その軸周りでの最大面積を求める。また、三次元対象画像の第一主成分，第２主成分が作る最大割面とする。求められた最大割面上で上記２の２次元面上での特徴の全てが適用可能である．

三次元の場合には、対象画像の主成分分析から近似球又は近似楕円体を求め、近似球又は近似楕円体と対象境界との差の領域を凹凸特徴とすることができる。

このときの特徴量は２次元で採用されたものの３次元化したものが全て適用可能である。

また、対象画像の内接球，外接球を高速に求める方法とそれらを利用した凹凸特徴抽出法としては、モロホロジー演算により対象画像の内接球，外接球を高速に求める方法、内接球と対象画像境界との差の領域を凹凸特徴として求める方法、外接球と対象画像境界との差の領域を凹凸特徴として求める方法等を採用することができる。

さらに、この医用画像処理装置１００では、摘出後の癌を最大径で切除して撮像したカラー画像を取り込んで、門脈侵襲（ｖｐ）の有無を評価することにより、癌の悪性度の客観的、定量的な形態分類を行う機能を有している。

肝癌患者の予後推定方法の１つとして、癌を含む肝臓の一部分を切除し、「原発性肝癌取り扱い規約」で規定されている図４４に示す肉眼分類に従って形態分類を行う方法が知られているが、この医用画像処理装置１００では、３５０症例について摘出後の癌を最大径で切除して撮像した図４５に示すようなカラー画像（ＲＧＢ各２５６階調）の病理標本写真の解析を行い、門脈侵襲（ｖｐ）の有無を評価することにより、癌の悪性度の客観的、定量的な形態分類を次のようにして行うようにした。

すなわち、癌は分化度（癌細胞の成熟度）や巻き込む領域により、色が異なるので、医師が提示した癌の特徴をもとに、図４６の（ａ）〜（ｆ）に示すように、（ａ）白い癌、（ｃ）緑色の癌（胆汁が多い）、（ｄ）ピンク色の癌、（ｅ）黒い癌、に分ける。なお，癌内部には図４６の（ｆ）に示すように、出血していることもあり、この状態も癌領域に含め、六種類に分類するものとした。

肝癌領域は図４７の（ａ）に示すように赤いが、肝硬変が起きていると図４７の（ｂ）に示すように白くなる。また、図４７の（ｃ）に示すように肝臓の淵は暗く青い台の色が写り込んでいる。

また、その他の領域としては、図４８の（ａ）〜（ｃ）に示すように、（ａ）スケール、（ｂ）背景の青い台、（ｃ）光の反射がある。図４８の（ａ）に示すスケールは黒色で白字である。また、図４８の（ｃ）に示すように、撮影時に生じた光の反射が、癌を含む肝臓内にある。

そして、図４９の（ａ）に示すように癌と肝臓領域の境界が曖昧な部分があるため、前処理としてエッジ保存平滑化処理を行うことにより、図４９の（ｂ）に示すように癌と肝臓領域の境界を強調してから、判別分析による各領域の判別を行った。

癌領域の色の違いにより、癌領域を上記六種類に分類するために、対象画像内の各領域の輝度値を調査したところ、各領域はＲＧＢ三次元空間上でそれぞれ異なる輝度値の分布となることが判明した。そこで、マハラノビスの汎距離により未知データを最も確率の高いクラスとする判別分析を行ったところ、図５０に示すような結果が得られ、癌領域を色の違いにより分類することができた。

このように、色の違いにより癌領域を判別することができるのであるが、ＲＧＢ三次元空間上では各領域に重なりがあり、誤差が生じるので、各領域の連結領域ごとに詳細分類を行う。

まず、肝硬変は白い癌領域と色が似ているが、周囲の領域には肝臓領域が多いため、肝硬変領域周囲の肝臓領域と癌領域の比率を第１の特徴量Rate_Ａとする。第１の特徴量Rate_Ａは、次の式（３）にて示される。

また、撮像時のコントラストにより、ほとんどの白い癌が肝硬変と誤判別される症例があるため、癌を含む肝臓領域と癌領域の比率を第２の特徴量Rate_Ｂとする。第２の特徴量Rate_Ｂは、次の式（４）にて示される。

そして、図５１に示すように、上記第１の特徴量Rate_Ａと第２の特徴量Rate_Ｂの２変量で肝硬変の判別分析を行った。

また、ピンク色の癌は肝硬変領域と似ているが、周囲の領域には白い癌領域が多いため、ピンク色の癌領域周囲の癌領域の比率を第３の特徴量Rate_Ｃとする。第３の特徴量Rate_Ｃは、次の式（５）にて示される。

そして、図５２に示すように、上記第２の特徴量Rate_Ｂと第３の特徴量Rate_Ａの２変量でピンク色の癌の判別分析を行った。

また、黒い癌、出血、光の反射領域の周囲は、図５３に示すように、いずれも癌で囲まれているので、黒い癌、出血、光の反射領域の各画素毎に８方向に探索を行い、癌が全方向にあれば癌領域とする。

その後、最大面積連結領域に対して、５×５の構造要素によりオープニング、クロージング、穴埋め処理を行った。

以上の処理により、全３５０症例中の１９２症例、すなわち５４．８％の症例で過抽出率１０％未満かつ未抽出率１０％未満で抽出できた。

それ以外の症例については、ユーザが修正したい輪郭上の候補点を与え、その間の経路をＤＰ法により探索する手法であるNomalized Cost(NC)法により修正を行い、輪郭追跡の際に、濃度勾配が大きく、且つエンドポイントへの距離が小さい経路をとるようにローカルコストを決定した。

これを過抽出率もしくは未抽出率が１０％以上の領域に適用して輪郭補正を行った。

そして、このようにして抽出した癌領域に対して、癌領域の複雑さ、癌の大きさを用いて門脈侵襲（ｖｐ）の有無を判別する。

門脈侵襲（ｖｐ）は、巻き込む門脈の場所によってｖｐ０（巻き込みなし）からｖｐ４まであり、数値が大きいほど悪性である。ｖｐ２以上は術前CT上で肉眼で確認できるので、ｖｐ０とｖｐ１の判別を行うものした。

癌の全体的な複雑さを表す形状特徴量として、
形状特徴量＝１−４πＳ／Ｌ^２
Ｓ：癌面積Ｌ：癌周囲長Ｌ
にて示される１−円形度を用いた。

また、画像から得られる特徴量として、癌の悪性度の使用となる癌の大きさをあらわす特徴量として、癌面積Ｓから
Ｒ＝２√（Ｓ／π）
にて示される円相当直径Ｒを用いた。

ｖｐ０又はｖｐ１である３１９症例に対し、これらの特徴量を適用し、１つ抜き法にて認識率を評価した結果は、医学的に十分に高い、７３．３％であった。

すなわち、上述の如く、癌、肝臓などの色の特徴、周辺領域の特徴、境界修正によって癌領域を抽出し、その輪郭形状の複雑さ、癌の大きさを評価して、医学的に信用できる認識率を得ることができる。

１０ 制御部、２０ 前処理部、３０ 画像処理部、４０ 入力部、５０ 記憶部、６０ 表示部、１００ 医用画像処理装置

Claims (9)

1. 手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理部と、
   上記前処理部により取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理部とを備え、
   上記前処理部は、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付ける機能を有し、
   上記画像処理部は、上記前処理部により取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理機能と、上記正規分布近似処理機能により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出機能と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（n個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理機能とを有する
   ことを特徴とする医用画像処理装置。
2. 上記前処理部は、取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理機能を有することを特徴とする請求項１記載の医用画像処理装置。
3. 上記画像処理部は、抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理機能を有することを特徴とする請求項１又は請求項２に記載の医用画像処理装置。
4. 手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理ステップと、
   上記前処理ステップにより取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理ステップとを有し、
   上記前処理ステップでは、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付け、
   上記画像処理ステップでは、上記前処理ステップにより取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理と、上記正規分布近似処理により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（ｎ個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理とを行う
   ことを特徴とする医用目的領域抽出方法。
5. 上記前処理ステップでは、取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理を行うことを特徴とする請求項４記載の医用目的領域抽出方法。
6. 上記画像処理ステップでは、抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理を行うことを特徴とする請求項４又は請求項５に記載の医用目的領域抽出方法。
7. 医用画像処理装置に搭載されるコンピュータにより実行される医用目的領域抽出処理プログラムであって、
   上記コンピュータを、
   手動操作による指定入力を受け付けて、目的領域のデータと同時にその概略の大きさを取得するとともに、非目的領域のデータを取得する前処理を行う前処理部と、上記前処理部により取得したデータを用いて二次元又は三次元の目的領域を抽出する画像処理部とし機能させ、
   上記前処理部は、処理対象の画像の領域の概略の大きさを指定する手動操作による指定入力を受け付ける機能を有し、
   上記画像処理部は、上記前処理部により取得された目的領域のデータとその概略の大きさを示すデータ及び非目的領域のデータとその概略の大きさを示すデータから、上記目的領域の画素の輝度データのヒストグラムと上記非目的領域の画素の輝度データのヒストグラム生成し、各ヒストグラムを正規分布に近似する正規分布近似処理機能と、上記正規分布近似処理機能により求めた目的領域の近似正規分布と非目的領域の近似正規分布を用いて、Ｂａｙｓ則による領域分割の閾値を決定して、目的領域と非目的領域を抽出する領域抽出機能と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素をラスタースキャンして得られる上記目的領域周辺の複数個の画素の平均値と、既に目的領域として決定された領域内を母集団として求めた母平均及び母標準偏差を用いてＺ検定を行い、その検定結果に基づいて目的領域を修正する大局的目的領域修正処理と、既に検出された目的領域を拡大した目的領域周辺のみを検定実行領域とし、検定実行領域内の画素のみを探索して得られる検定対象画素およびその周辺の複数個（n個）の画素の平均値と、既に目的領域として決定された領域内のみの検定対象画素周辺の複数個（ｍ個＞ｎ個）の画素の平均値と標準偏差を母平均及び母標準偏差として用いＺ検定を行い、その検定結果に基づいて目的領域を修正する局所的目的領域修正処理とを行う目的領域修正処理機能とを有する
   ことを特徴とする医用目的領域抽出処理プログラム。
8. 取得する処理対象の画像の輝度範囲を所定輝度範囲内に収める画像輝度調節処理機能を有する上記前処理部として上記コンピュータを機能させることを特徴とする請求項７記載の医用目的領域抽出処理プログラム。
9. 抽出した目的領域を三次元化するための二次元画像上での繰り返し処理を、既抽出領域を拡大・縮小した中間領域に限定した領域内で行い目的領域を分離する連続的二領域抽出処理機能を有する上記画像処理部として上記コンピュータを機能させることを特徴とする請求項７又は請求項８に記載の医用目的領域抽出処理プログラム。