JP5100261B2 - 腫瘍診断支援システム - Google Patents

Description

本発明は、悪性腫瘍の診断を支援する技術に関する。

悪性腫瘍は、多くの国で死亡の主要因の一つとなっている。しかし、近年の医療技術の発展により、腫瘍を早期発見できれば、早期治療によって高い生存率を維持できるようになってきている。そこで、早期発見率を高めるべく、Ｘ線診断装置やＭＲＩ装置や超音波診断装置や核医学診断装置等の画像診断装置が発達し、画像診断装置の時間的及び空間的解像度の向上によって高いレベルで被検体の腫瘍を撮影することができるようになった。しかし、腫瘍の撮影成功率を高める反面、医用画像を撮影する間隔であるスライス厚はますます薄くなり、結果、腫瘍発見のために参照すべき医用画像のデータ数は膨大になってきている。医師が画像診断できるデータ量には限界がある。また、膨大な量の画像診断を行うことは、かなりの疲労感を生み、解釈ミスや見落としが生じてしまうおそれがある。

そこで、医師の画像診断を支援すべく、コンピュータを利用して腫瘍の陰影を医用画像から検出する腫瘍診断支援システムが提供されている（例えば、「特許文献１」及び「特許文献２」参照。）。腫瘍診断支援システムは、ＣＡＤシステム（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｔｅｃｔｉｏｎ）とも呼ばれる。

しかし、従来の腫瘍診断支援システムでは、腫瘍が誤って陽性と判断される偽陽性率が多いため、悪性腫瘍と医師が判断するために予めスクリーニングして候補を絞るスクリーニングツールとして使用されることに限定されている。

医師による画像診断の効率の良さ、精度の良さを追求するには、この腫瘍診断支援システムの偽陽性率を低下させることが必要である。

特開２００６−２３９００５号公報 特開２００７−１２５１６９号公報

本発明は、以上の問題点に鑑みてなされたものであって、その目的は、腫瘍診断支援システムの偽陽性率を低下させる技術を提供することにある。

上記課題を解決するために、本発明の第１の態様は、医用画像から腫瘍像を検出する検出手段と、検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、前記蛇行度を視認可能に出力する出力手段と、を備え、前記算出手段は、前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、前記蛇行度として、前記血管セグメントと前記平滑曲線との離間長の分散を算出する分散算出手段と、を含むこと、を特徴とする。

また、上記課題を解決するために、本発明の第２の態様は、医用画像から腫瘍像を検出する検出手段と、検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、前記蛇行度を視認可能に出力する出力手段と、を備え、前記算出手段は、前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、前記蛇行度として、前記血管セグメントと前記平滑曲線との離間長の平均若しくは合計又は最大を算出する離間長算出手段と、を含むこと、を特徴とする。

前記蛇行度としては、前記血管セグメントとこの血管セグメントの血管延び形状を平滑化した平滑曲線との離間長の分散、前記血管セグメントの長さと前記血管セグメントの始端から終端までの距離との比、前記血管セグメントと平滑曲線との離間長の平均若しくは合計又は最大、前記血管セグメントと平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換して得られる周波数帯域のピーク周波数又は重心周波数、同様の変換により得られる周波数帯全域に亘る成分の大きさの積分値と所定周波数帯域の成分の大きさの積分値との比、又は同様の変換により得られる周波数帯全域の成分の大きさの積分値の所定割合を有する周波数分布帯の上限又は下限の周波数値とすることができる。

前記分岐度としては、前記血管像の分岐数、又は前記各分岐点の平均分岐角度とすることができる。

また、前記分離手段は、前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、前記算出手段は、前記血管セグメントと前記平滑曲線との離間長の分散、前記血管セグメントの長さと前記血管セグメントの始端から終端までの距離との比、前記血管セグメントと平滑曲線との離間長の平均若しくは合計又は最大、前記血管セグメントと平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換して得られる周波数帯域のピーク周波数又は重心周波数、同様の変換により得られる周波数帯全域に亘る成分の大きさの積分値と所定周波数帯域の成分の大きさの積分値との比、又は同様の変換により得られる周波数帯全域の成分の大きさの積分値の所定割合を有する周波数分布帯の上限又は下限の周波数値、各血管セグメントの長さの合計と始端と終端との距離の合計の比、各血管セグメントの始端と終端との距離の平均、又は各血管セグメントの長さの合計又は平均を、グループ値として前記グループ毎に算出し、蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記グループ値を重み付けした正規化値を算出するようにしてもよい。

また、前記腫瘍像からの距離に応じて医用画像の空間を複数領域に分割する分割手段を含み、前記算出手段は、前記血管像の分岐数、又は前記各分岐点の平均分岐角度を前記領域毎に取得し、前記分岐度として、前記領域と前記腫瘍像との代表距離に応じて重み付けした正規化値を算出するようにしてもよい。

本発明によっては、医用画像から腫瘍像の周囲に存在する血管像を抽出し、血管像の蛇行度を算出するようにした。また、血管像に存在する各分岐点の分岐度を算出するようにした。これにより、悪性腫瘍の周囲の血管は、曲がりくねりや分岐が複雑化するという知見に基づいて、血管の蛇行度や分岐度を腫瘍の悪性指標とすることができ、腫瘍診断支援システムによる偽陽性率を低下させることができる。

また、血管の蛇行度や分岐度を腫瘍像からの距離に応じて重み付け補正することにより、悪性腫瘍の血管への影響は腫瘍に近ければ近いほど受けやすいという知見に基づき、血管の蛇行度や分岐度をより正確な腫瘍の悪性指標とすることができ、腫瘍診断支援システムによる偽陽性率をさらに低下させることができる。

以下、本発明に係る腫瘍診断支援技術の好適な各実施形態について、図面を参照しながら詳細に説明する。

（基本構成）
図１は、腫瘍診断支援を実施する腫瘍診断支援システムの構成を示すブロック図である。腫瘍診断支援システムは、ワークステーション１に入出力装置として入力装置２と表示装置３又は印刷装置４とを接続した構成を有する。

ワークステーション１は、所謂コンピュータであり、内部に演算制御部５と主記憶部６と外部記憶部７を備える。外部記憶部７は、例えばＨＤＤ（Hard Disk Drive）であり、データやプログラムを記憶する。この外部記憶部７には、オペレーティングシステムプログラム及び腫瘍診断支援プログラムが記憶されている。演算制御部５は、ＣＰＵ等（Central Processing Unitやグラフィックチップ）であり、腫瘍診断支援プログラムを適宜解読及び実行して、演算及び周辺装置の制御をする。主記憶部６は、ＲＡＭ（Random Access Memory）であり、演算制御部５のワークエリアとして演算結果やデータや腫瘍診断支援プログラムが展開される。

入力装置２は、キーボードやホイールトラッキング機能を有するマウス等であり、利用者の操作に応じて操作信号を演算制御部５へ出力する。表示装置３は、ＬＣＤ（Liquid Crystal Display）ディスプレイあるいはＣＲＴ(Cathode Ray Tube)ディスプレイであり、演算制御部５が作成した描画データを画面上に視認可能に出力する。印刷装置４は、演算制御部５が作成した描画データに従って紙媒体に画像を形成するプリンタである。

この腫瘍診断支援システムは、外部記憶部７に記憶された腫瘍診断支援プログラムを演算制御部５が解読及び実行することにより、医用画像内に存在する腫瘍像の周囲にある血管像の形状からその蛇行度や分岐度を悪性腫瘍指標として算出する。この蛇行度や分岐度の算出及び視認可能な出力により、腫瘍像が悪性のものか良性のものかの医師による判断を支援し、又はこの算出された蛇行度や分岐度から悪性のものか良性のものかを判定する。

蛇行度は、血管の曲がりくねりの度合いである。分岐度は、血管ツリーが枝状に分岐する度合いである。

図２は、良性腫瘍とその周辺に存在する血管像を示す模式図であり、図３は、悪性腫瘍とその周辺に存在する血管像を示す模式図である。図２及び図３に示すように、悪性腫瘍１００ｂの周辺に存在する血管像２００ｂは、良性腫瘍１００ａの周辺に存在する血管像２００ａと比べて、血管が複雑に分岐し、また血管が蛇行していることがわかる。悪性腫瘍１００ｂは、周囲組織を集めて成長するため、腫瘍周囲領域に血管が集まり、その結果、その血管像２００ｂは曲がりくねり、血管の密度が高くなる。血管の密度が高いと、悪性腫瘍周囲の血管の分岐度合いが高く見える。この曲がりくねり度合い及び分岐の度合いは、悪性腫瘍に近くなればなるほど高くなる傾向がある。

本実施形態の腫瘍診断支援システムでは、悪性腫瘍１００ｂの血管に及ぼす影響を蛇行及び分岐の観点から捉え、腫瘍が悪性か良性か判定又は判定の支援をするものである。

以下、蛇行度による判定又は判定支援の技術と、分岐度による判定又は判定支援の技術とに分けて説明する。

（蛇行度算出のための腫瘍診断支援システム）
図４は、蛇行度を算出する腫瘍診断支援システムを示す機能ブロック図である。コンピュータで構成されるシステムを腫瘍診断支援プログラムの起動により実現される機能を主体として示したものである。

この腫瘍診断支援システムは、医用画像から腫瘍像検出し、腫瘍像の周囲に存在する血管像を抽出し、血管像をセグメントに分けて抽出し、セグメント毎に蛇行度を算出し、蛇行度から悪性又は良性を判定し、蛇行度及び判定結果を視認可能に出力する。

腫瘍像の検出構成としては、医用画像記憶部１０と腫瘍像検出部２０と腫瘍像中心点記憶部２５を備える。

医用画像記憶部１０は、外部記憶部７を含み構成される。この医用画像記憶部１０は、医用画像を記憶する。医用画像は、被検体をＸ線診断装置、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置、又は核医学診断装置で撮影して得た被検体内の画像である。腫瘍像とその周囲の血管像が存在する画像であり、２次元画像又は３次元画像である。

腫瘍像検出部２０は、表示装置３と入力装置２と演算制御部５を含み構成される。また、腫瘍像中心点記憶部２５は、主記憶部６を含み構成される。この腫瘍像検出部２０は、医用画像から腫瘍像を検出し、その中心点の座標を算出する。表示装置３に医用画像を表示させ、入力装置２を用いて腫瘍像上の一点が指定されると、その点を中心に領域拡張法等により腫瘍像の形状を特定する。腫瘍像の形状を特定すると、腫瘍像を構成する各ボクセルの座標位置の平均等を取り、腫瘍像の中心点を算出する。腫瘍像の検出は、この腫瘍像が悪性か良性かを判断するために周囲の血管像を抽出する基点を得るためであり、中心点の座標がこの基点となる。中心点の座標は、腫瘍像中心点記憶部２５に記憶される。

血管像の抽出構成としては、血管像抽出部３０とセンターライン記憶部３５を備える。

血管像抽出部３０は、表示装置３と入力装置２と演算制御部５を含み構成される。センターライン記憶部３５は、主記憶部６を含み構成される。この血管像抽出部３０は、血管像を抽出し、血管像のセンターラインを算出する。医用画像を表示させ、入力装置２を用いて血管像上の一点が指定されると、その点を中心に領域拡張法等により血管像の形状を特定する。形状を特定する血管像の範囲は、腫瘍像中心点記憶部２５に記憶された腫瘍像の中心点を中心に、腫瘍像により血管形状に影響を及ぼす所定範囲である。血管像のセンターラインは、細線化法等により算出する。算出されたセンターラインは、センターライン記憶部３５に記憶される。このセンターラインが血管の延び形状を示す。

血管像をセグメントに分ける構成としては、セグメント分離部４０とセグメント記憶部４５を備える。

セグメント分離部４０は、演算制御部５を含み構成される。また、セグメント記憶部４５は、主記憶部６を含み構成される。このセグメント分離部４０は、血管像を血管セグメントに分割する。血管セグメントは、枝状に拡がる血管像の隣り合う二つ分岐点間に存在する分岐のないセンターラインである。分岐が血管の曲がりくねり認識に及ぼす影響を排除して血管の蛇行度を算出するためである。

蛇行度を算出する構成としては、蛇行度算出部５０と平滑曲線記憶部５４と蛇行度記憶部５８とを備える。

蛇行度算出部５０は、演算制御部５を含み構成される。この蛇行度算出部５０は、血管セグメントの曲がりくねり形状から蛇行度を算出する。蛇行度は、後述するように、曲がりくねりする血管セグメントの延び形状を平滑化した平滑曲線と血管セグメントのセンターラインとの離間長の分散、離間長の平均、離間長の合計、若しくは離間長の最大値、又は血管セグメントの長さと始端から終端までの距離の比、又は血管セグメントの空間周波数スペクトルにより示されるピーク周波数、重心周波数、全体積分値と所定周波数領域の積分値の比、若しくは全体積分値の所定割合に相当する積分値に対応する周波数である。蛇行度算出部５０は、予め血管セグメントの延び形状を平滑化した平滑曲線を生成する。生成した平滑曲線は、平滑曲線記憶部５４に記憶され、蛇行度算出時に呼び出す。平滑曲線記憶部５４は、主記憶部６を含み構成される。算出した蛇行度は、蛇行度記憶部５８に記憶される。蛇行度記憶部５８は、外部記憶部７を含み構成される。

蛇行度から腫瘍の悪性又は良性を判定する構成としては、判定部６０と閾値記憶部６５とを備え、出力構成として出力部７０を備える。

判定部６０は、演算制御部５を含み構成される。閾値記憶部６５は、外部記憶部７を含み構成される。この判定部６０は、閾値記憶部６５に予め記憶されている閾値と蛇行度を比較して腫瘍の悪性又は良性を判定する。

出力部７０は、表示装置３又は印刷装置４を含み構成される。この出力部７０は、算出された蛇行度と悪性又は良性の判定結果とを視認可能に出力する。

図５は、この腫瘍診断支援システムにより実施される腫瘍診断支援動作を示す概略フローチャートである。

まず、腫瘍診断支援システムは、医用画像記憶部１０より医用画像を読み出して表示装置３に表示する（Ｓ０１）。表示画面上には、医用画像と表示画面上の位置を指定するためのカーソルが表示される。カーソルは、入力装置２を用いた方向指示操作に応じて移動先が再描画される。

腫瘍像検出部２０は、腫瘍像が選択されると（Ｓ０２）、その腫瘍像を形状特定して検出する（Ｓ０３）。

図６は、腫瘍像検出と血管像抽出を示す模式図である。腫瘍像の選択は、入力装置２を用いて行われる。利用者には、入力装置２を用いてカーソルを腫瘍像上に位置させ、腫瘍像上の一点を指し示してもらう。入力装置２による方向指示操作によってカーソルが腫瘍像上に位置し、決定ボタンの押下により腫瘍像上の一点が指し示されると、腫瘍像検出部２０は、指し示された一点を中心に領域拡張法により腫瘍像の形状を特定する。

領域拡張法は、確定された領域を中心に周囲のボクセルの画素値を調べ、画素値が所定値以上であれば、確定された領域に組み込むものである。この領域の確定及びさらにその周囲の画素値検索を繰り返し、確定された領域を徐々に拡張していく。所定値は、腫瘍像組織が存在することを示す閾値であり、医用画像がグレースケールであれば、組織と非組織の境界値、又は指し示された一点の画素値である。画素値を調べるボクセルは、確定された領域の境界に位置するボクセルの周囲２３点のうち、非確定の領域に位置するボクセルである。周囲の画素値を検索し、何れのボクセルも所定値未満となったところで腫瘍像の検出を終了する。

腫瘍像を検出すると、腫瘍像検出部２０は、検出された腫瘍像の中心点を算出する（Ｓ０４）。中心点が算出されると、血管像抽出部３０は、中心点を中心に関心領域を定める（Ｓ０５）。

腫瘍像の中心点は、簡便には、腫瘍像を構成する各ボクセルの座標の平均を取る。血管像抽出部３０は、図６に示すように、中心点を中心に所定範囲を関心領域とする。尚、この関心領域の決定は、関心領域の境界点をカーソルで選択させるようにしてマニュアルで行うようにしても良い。関心領域は、血管像を抽出する範囲である。

関心領域が定められると、血管像抽出部３０は、関心領域内に存在する腫瘍像周囲の血管像を抽出する（Ｓ０６）。血管像の抽出は、入力装置２を用いて指し示された血管上の一点から領域拡張法により行う。

血管像が抽出されると、血管像抽出部３０は、血管像のセンターラインを特定する（Ｓ０７）。

血管像のセンターラインは、血管像を細線化することで特定し、血管の延び形状が表れる。細線化は、血管像の輪郭に位置するボクセルを徐々に血管像から除くことによりなされる。血管像を構成するボクセルの連続性が途切れる手前まで、輪郭に位置するボクセルを徐々に排除して輪郭を狭めていく。

血管像のセンターラインが特定されると、セグメント分離部４０は、血管像をセグメント化して血管セグメントに分ける（Ｓ０８）。各血管セグメントは、セグメント記憶部４５に記憶される。

セグメント分離部４０は、血管像として、センターラインを読み出し、センターラインを分岐点で分割し、血管セグメントを取得する。分岐点は、読み出したセンターラインの始端からセンターラインに沿って判断点を走査し、判断点毎に判断される。判断点を通り、かつセンターラインに垂直な所定ボクセル分の線上にセンターラインを構成する複数のボクセルが存在するか否か判断する。判断の結果、センターラインを構成する複数のボクセルが存在すれば、その手前の判断点を分岐点とする。

血管像を血管セグメントに分けると、蛇行度算出部５０は、各血管セグメントを順次セグメント記憶部４５から読み出し、各血管セグメントについて後述する蛇行度を算出する処理を行う（Ｓ０９）。

蛇行度が算出されると、判定部６０は、閾値記憶部６５から閾値を読み出し、蛇行度と閾値とを比較する（Ｓ１０）。比較の結果、閾値以上となる蛇行度があると（Ｓ１０，Ｙｅｓ）、出力部７０は、蛇行度記憶部５８に記憶されている各蛇行度とともに、「悪性の疑いあり」との悪性の判断結果を示す文字列を出力する（Ｓ１１）。一方、閾値以上となる蛇行度がない場合（Ｓ１０，Ｎｏ）、出力部７０は、蛇行度記憶部５８に記憶されている各蛇行度とともに、「良性の可能性あり」との判断結果を示す文字列を出力する（Ｓ１２）。

（蛇行度算出の第１の実施例：離間長の分散）
次に蛇行度算出部５０による第１の実施例を説明する。

図７は、第１の実施例による蛇行度算出の模式図である。図７に示すように、この蛇行度算出部５０は、蛇行度として、血管セグメントの平滑曲線２２０とセンターライン２１０との各離間長２３０の分散を算出する。

平滑曲線２２０は、血管セグメントの延び形状を平滑化した曲線である。センターライン２１０の各点を制御点としてＢスプライン曲線を生成することにより得られる。若しくは、センターライン２１０の各ボクセルを順次基準点として、機順点を含むその周囲のボクセルの座標値の移動平均座標を基準点に対する平滑曲線２２０上の点としてもよい。

各離間長２３０は、センターライン２１０上の各点から平滑曲線までの距離である。センターライン２１０上の各点を順次調査点とし、平滑曲線２２０へ向けて複数角度のラインを引く。このラインの長さのうち、最小値を調査点における離間長とする。

分散は、統計学上の標本分散である。各離間長２３０を標本とし、標本平均から標本がどれだけずれているかを示す。即ち、蛇行度算出部５０は、各離間長２３０の平均をとって標本平均を求め、標本平均と各離間長２３０の差の２乗を平均した値を蛇行度とする。

図８は、この第１の実施例による蛇行度算出部５０の蛇行度算出動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線を算出する（Ｓ２１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ２２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度として、これら離間長２３０の分散を算出する（Ｓ２３）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第２の実施例：離間長の平均）
次に蛇行度算出部５０による第２の実施例を説明する。第２の実施例に係る蛇行度算出部５０は、蛇行度として、平滑曲線２２０とセンターライン２１０の離間長２３０の平均を算出する。

図９は、第２の実施例に係る蛇行度算出部５０の蛇行度算出動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ３１）。この平滑曲線は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ３２）。

センターライン２１０上の各点における離間長を算出すると、蛇行度として、これら離間長２３０の平均を算出する（Ｓ３３）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第３の実施例：離間長の合計）
次に蛇行度算出部５０による第３の実施例を説明する。第３の実施例に係る蛇行度算出部５０は、蛇行度として、平滑曲線２２０とセンターライン２１０の離間長２３０の合計を算出する。

図１０は、第３の実施例に係る蛇行度算出部５０の蛇行度算出動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ４１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ４２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度として、これら離間長２３０の合計を算出する（Ｓ４３）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第４の実施例：離間長の最大）
次に蛇行度算出部５０による第４の実施例を説明する。第４の実施例に係る蛇行度算出部５０は、蛇行度として、平滑曲線２２０とセンターライン２１０の離間長２３０の最大値を抽出する。

図１１は、第４の実施例に係る蛇行度算出部５０の蛇行度算出動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ５１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ５２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度として、これら離間長２３０から最大値を抽出する（Ｓ５３）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第５の実施例：距離と長さの比）
次に蛇行度算出部５０による第５の実施例を説明する。

図１２は、第５の実施例による蛇行度算出の模式図である。図１２に示すように、この蛇行度算出部５０は、蛇行度として、血管セグメントの距離２５０と全長２４０の比を算出する。血管セグメントの距離２５０は、センターラインの始端と終端のとを直線的に結んだ距離である。血管セグメントの全長２４０は、センターラインの長さである。

図１３は、第５の実施例に係る蛇行度算出部５０の蛇行度算出動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の始端及び終端の座標を読み出し、始端及び始端の座標から血管セグメントの始端と終端の距離２５０を算出する（Ｓ６１）。

次に、血管セグメントのセンターライン２１０上の各点間の距離を累積していき、血管セグメントの全長２４０を算出する（Ｓ６２）。

血管セグメントの始端と終端の距離２５０及び全長２４０を算出すると、蛇行度として、距離２５０と全長２４０の比を算出する（Ｓ６３）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第６の実施例：ピーク周波数）
次に蛇行度算出部５０による第６の実施例を説明する。

第６の実施例に係る蛇行度算出部５０は、蛇行度として、血管セグメントの空間周波数スペクトルからピーク値を有する周波数を抽出する。図１４は、この第６の実施例に係る蛇行度算出部５０の動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ７１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ７２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度算出部５０は、血管セグメントの延び形状を示すセンターライン２１０と平滑曲線２２０とから離間長曲線２６０を生成する（Ｓ７３）。

図１５は、蛇行度算出部５０により生成される離間長曲線を示す図である。離間長曲線２６０は、センターライン２１０上の各点から平滑曲線２２０までの離間長２３０を始端から終端までの各距離に対応させてプロットしたものである。

離間長曲線２６０を生成すると、蛇行度算出部５０は、離間長曲線２６０をフーリエ変換等により空間周波数領域のデータに変換することによって、血管セグメントの空間周波数スペクトルを得る（Ｓ７４）。

図１６は、離間長曲線２６０を空間周波数領域に変換して得られたスペクトル図である。このスペクトルは、周波数に対応させて周波数成分の大きさをプロットしたものである。周波数成分の大きさは、その周波数がどの程度出現しているかを表す。高周波数帯域にスペクトルが出現している場合、血管セグメントは、複雑に蛇行していることを示している。

空間周波数領域に変換すると、蛇行度算出部５０は、蛇行度として、図１６に示すスペクトルから、周波数成分の大きさのピーク値Ｐｖを有するピーク周波数Ｐｆを検索する（Ｓ７５）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第７の実施例：重心周波数）
次に蛇行度算出部５０による第７の実施例を説明する。

第７の実施例に係る蛇行度算出部５０は、蛇行度として、血管セグメントの空間周波数スペクトルの重心周波数を抽出する。重心周波数は、空間周波数スペクトルの包絡線と周波枢軸とに囲まれる領域の重心に対応する周波数である。図１７は、この第７の実施例に係る蛇行度算出部５０の動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ８１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ８２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度算出部５０は、平滑曲線２２０を算出してから、血管セグメントの延び形状を示すセンターライン２１０と平滑曲線２２０とから離間長曲線２６０を生成する（Ｓ８３）。

離間長曲線２６０を生成すると、蛇行度算出部５０は、離間長曲線２６０をフーリエ変換等により空間周波数領域に変換する（Ｓ８４）。

空間周波数領域に変換すると、蛇行度算出部５０は、蛇行度として、空間周波数スペクトルから重心周波数を算出する（Ｓ８５）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第８の実施例：スペクトル全体と高周波数帯の積分比）
次に蛇行度算出部５０による第８の実施例を説明する。

第８の実施例に係る蛇行度算出部５０は、蛇行度として、血管セグメントの空間周波数スペクトルが示す周波数帯域全域と所定波数帯域における成分の大きさの積分比を算出する。図１８は、この第８の実施例に係る蛇行度算出部５０の動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ９１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点に対して、順次離間長２３０を算出する（Ｓ９２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度算出部５０は、平滑曲線２２０を算出してから、血管セグメントの延び形状を示すセンターライン２１０と平滑曲線２２０とから離間長曲線２６０を生成する（Ｓ９３）。

離間長曲線２６０を生成すると、蛇行度算出部５０は、離間長曲線２６０をフーリエ変換等により空間周波数領域に変換する（Ｓ９４）。

図１９は、全体積分値と所定帯積分値を示す空間周波数スペクトルの模式図である。周波数分解すると、蛇行度算出部５０は、空間周波数スペクトルの周波数帯全域に亘りその周波数成分の大きさを積分し、全体積分値ＩＶａを得る（Ｓ９５）。全体積分値ＩＶａは、空間周波数スペクトルの包絡線と周波数軸とにより囲まれる面積である。さらに、蛇行度算出部５０は、空間周波数スペクトルの所定周波数帯域ｆｒに亘りその周波数成分の大きさを積分し、所定帯積分値ＩＶｐを得る（Ｓ９６）。所定帯積分値ＩＶｐは、空間周波数スペクトルの所定周波数帯域ｆｒに対応する包絡線部分と周波枢軸とに囲まれる面積である。

蛇行度算出部５０は、この所定周波数帯域ｆｒの上限周波数Ｈｆ及び下限周波数Ｌｆを、予め定められた値として記憶している。蛇行度算出のためには、この所定周波数帯域ｆｒは、高周波数帯域となるように上限周波数Ｈｆ及び下限周波数Ｌｆを記憶しておくことが好ましい。

全体積分値ＩＶａ及び所定帯積分値ＩＶｐを得ると、蛇行度算出部５０は、蛇行度として、全体積分値ＩＶａと所定帯積分値ＩＶｐの比を算出する（Ｓ９７）。この蛇行度を各血管セグメントに対して算出する。算出した蛇行度は、蛇行度記憶部５８に記憶しておく。

（蛇行度算出の第９の実施例：所定割合の積分値を有する周波数帯域の上限又は下限）
次に蛇行度算出部５０による第９の実施例を説明する。

第９の実施例に係る蛇行度算出部５０は、蛇行度として、所定割合の積分値を有する周波数帯域の上限又は下限の周波数値を算出する。所定割合は、周波数帯全域に亘る周波数成分の大きさの積分値に対する割合である。図２０は、この第９の実施例に係る蛇行度算出部５０の動作を示すフローチャートである。

まず、蛇行度算出部５０は、センターライン２１０の各点を制御点として、Ｂスプライン法により血管セグメントの延び形状を平滑化した平滑曲線２２０を算出する（Ｓ１０１）。この平滑曲線２２０は、平滑曲線記憶部５４に記憶しておく。

次に、血管セグメントのセンターライン２１０上の各点について、順次離間長２３０を算出する（Ｓ１０２）。

センターライン２１０上の各点における離間長２３０を算出すると、蛇行度算出部５０は、平滑曲線２２０を算出してから、血管セグメントの延び形状を示すセンターライン２１０と平滑曲線２２０とから離間長曲線２６０を生成する（Ｓ１０３）。

離間長曲線２６０を生成すると、蛇行度算出部５０は、離間長曲線２６０をフーリエ変換等により空間周波数領域に変換する（Ｓ１０４）。図２１は、全体積分値ＩＶａと調査積分値ＩＶｒ及び調査周波数Ｒｆを示す空間周波数スペクトルの模式図である。

空間周波数領域に変換すると、蛇行度算出部５０は、空間周波数スペクトルの周波数帯全域に亘りその周波数成分の大きさを積分し、全体積分値ＩＶａを得る（Ｓ１０５）。全体積分値ＩＶａは、空間周波数スペクトルの包絡線と周波数軸とにより囲まれる面積である。

さらに、蛇行度算出部５０は、空間周波数スペクトルが示す最高周波数Ｍａｘｆよりも低い所定の調査周波数Ｒｆを設定し（Ｓ１０６）、最高周波数Ｍａｘｆと調査周波数Ｒｆとの間の周波数帯域について、その周波数帯域に亘る周波数成分の大きさを積分した調査積分値ＩＶｒを得る（Ｓ１０７）。調査周波数Ｒｆの初期値は、予め外部記憶部７に記憶されている。調査積分値ＩＶｒは、最高周波数Ｍａｘｆを始端及び調査周波数Ｒｆを終端とする空間周波数スペクトルの包絡線部分と周波数軸とにより囲まれる面積である。

ついで、全体積分値ＩＶａと調査積分値ＩＶｒの比を算出し（Ｓ１０８）、算出した比が所定割合であるか否かを判断する（Ｓ１０９）。所定割合に対応する値は、予め外部記憶部７に記憶されている。例えば、所定割合は、５０％である。

算出した比が所定割合よりも小さければ（Ｓ１０９，Ｎｏ）、調査周波数Ｒｆをさらに所定周波数分低い周波数に設定し直し（Ｓ１１０）、Ｓ１０７〜Ｓ１１０を繰り返す。即ち、この調査周波数Ｒｆは、最高周波数Ｍａｘｆと調査周波数Ｒｆとの間の周波数帯域の下限周波数となる。

算出した比が所定割合と同一値であれば（Ｓ１０９，Ｙｅｓ）、設定されている調査周波数Ｒｆを蛇行度とし、蛇行度記憶部５８に記憶しておく（Ｓ１１１）。

尚、空間周波数スペクトルの最低周波数と調査周波数Ｒｆとの間の周波数帯としてもよく、その場合、調査周波数Ｒｆは、この周波数帯の上限周波数となる。

以上、この腫瘍診断支援システムでは、蛇行度を各実施例の何れかにおいて算出し、判定部６０で蛇行度と閾値とを比較することで、腫瘍像が悪性か良性かを判定し、出力部７０で蛇行度とともに判定結果を視認可能に出力する。

（分岐度算出のための腫瘍診断支援システム）
次に、腫瘍診断の支援のために腫瘍像の周囲に存在する血管像の分岐度を算出する技術について説明する。

図２２は、分岐度を算出する腫瘍診断支援システムを示す機能ブロック図である。コンピュータで構成されるシステムを腫瘍診断支援プログラムの起動により実現される機能を主体として示したものである。

この腫瘍診断支援システムは、医用画像から腫瘍像検出し、腫瘍像の周囲に存在する血管像を抽出し、血管像に分岐度を算出し、分岐度から悪性又は良性を判定し、分岐度及び判定結果を視認可能に出力する。

腫瘍像の検出構成、血管像の抽出構成、蛇行度から腫瘍の悪性又は良性を判定する構成、出力構成については、蛇行度算出のための腫瘍診断支援システムと同一であり、医用画像記憶部１０、腫瘍像検出部２０、腫瘍像中心点記憶部２５、血管像抽出部３０、センターライン記憶部３５、判定部６０、閾値記憶部６５、出力部７０を備える。

分岐度を算出する構成としては、分岐度算出部８０と分岐度記憶部８５とを備える。

分岐度算出部８０は、表示装置３と演算制御部５を含み構成される。この分岐度算出部８０は、血管像の分岐から分岐度を算出する。分岐度は、後述するように、分岐数、又は平均分岐角度である。分岐度は、血管像を一端から他端へ向けて走査することにより行われる。血管像の一端は、心臓に近い側とし、医用画像を表示して、入力装置２を用いて利用者により指定される。算出した分岐度は、分岐度記憶部８５に記憶される。分岐度記憶部８５は、外部記憶部７を含み構成される。

図２３は、この腫瘍診断支援システムにより実施される腫瘍診断支援動作を示す概略フローチャートである。

まず、腫瘍診断支援システムは、医用画像記憶部１０より医用画像を読み出して表示装置３に表示する（Ｓ１２１）。腫瘍像検出部２０は、腫瘍像が選択されると（Ｓ１２２）、その腫瘍像を形状特定して検出する（Ｓ１２３）。

腫瘍像を検出すると、腫瘍像検出部２０は、検出された腫瘍像の中心点を算出する（Ｓ１２４）。中心点が算出されると、血管像抽出部３０は、中心点を中心に関心領域を定める（Ｓ１２５）。関心領域が定められると、血管像抽出部３０は、関心領域内に存在する腫瘍像周囲の血管像を抽出する（Ｓ１２６）。

血管像が抽出されると、血管像抽出部３０は、血管像のセンターラインを特定する（Ｓ１２７）。

血管像のセンターラインが特定されると、分岐度算出部８０は、血管像のセンターラインをセンターライン記憶部３５から読み出し、センターラインの各分岐点から後述する分岐度を算出する処理を行う（Ｓ１２８）。

分岐度が算出されると、判定部６０は、閾値記憶部６５から閾値を読み出し、分岐度と閾値とを比較する（Ｓ１２９）。比較の結果、閾値以上となる分岐度があると（Ｓ１２９，Ｙｅｓ）、出力部７０は、分岐度記憶部８５に記憶されている各分岐度とともに、「悪性の疑いあり」との悪性の判断結果を示す文字列を出力する（Ｓ１３０）。一方、閾値以上となる分岐度がない場合（Ｓ１２９，Ｎｏ）、出力部７０は、分岐度記憶部８５に記憶されている各分岐度とともに、「良性の可能性あり」との判断結果を示す文字列を出力する（Ｓ１３１）。

（分岐度算出の第１の実施例：分岐数）
次に分岐度算出部８０による分岐度算出の第１の実施例を説明する。

図２４は、第１の実施例による分岐度算出の模式図である。血管像は、枝状に血管が分岐して構成されている。分岐度算出部８０は、血管像から分岐点２７０を検出して、分岐点２７０の数をカウントする。センターライン２１０の一端を上流として下流に向けて調査点２８０を順次移行させて分岐点２７０を検索する。センターライン２１０の一端は、心臓に近い側の端２９０に決定する。分岐点２７０が見つかると、分岐数をカウントアップする。

図２５は、この第１の実施例による分岐度算出部８０の分岐度算出動作を示すフローチャートである。

まず、分岐度算出部８０は、分岐点２７０と走査済み点と未走査点を記憶する記憶エリアを主記憶部６に確保し、また分岐数を０に初期化しておき、医用画像を表示する（Ｓ１４１）。走査済み点は、分岐点の先のセンターライン上の点であって、すでに調査点２８０となった点である。未走査点は、分岐点の先のセンターライン上の点であって、未だ調査点２８０となっていない点である。

医用画像から血管像の心臓に近い側の端２９０が入力装置２を用いて指定されると（Ｓ１４２）、センターライン２１０の指定された側の一端を上流として調査点２８０に設定する（Ｓ１４３）。利用者は、関心領域の外から既に血管像が複数以上に分岐、又は関心領域に複数の血管像が存在する場合は、血管像の心臓に近い側の端を全て指定する。

調査点２８０を設定すると、その調査点２８０に対するセンターライン２１０の下流側隣接点をカウントし（Ｓ１４４）、カウントにより得られたカウント数から１減じた数を分岐数に加える（Ｓ１４５）。カウント数が１である場合は、分岐点ではなく、カウント数が０となるため、分岐数に変化はない。

カウント及び分岐数の更新が終了すると、調査点２８０をセンターライン２１０上の一つ下流側に移行する。

このとき、カウント数が２以上であると（Ｓ１４６，Ｙｅｓ）、走査済み点を除き最も座標値が最も小さい隣接点に調査点２８０を移行し、未走査点としての記憶を削除する（Ｓ１４７）。座標値は、例えばスカラー量である。そして、新たに設定された調査点２８０を走査済み点、未だ走査されていない分岐先の点を未走査点として記憶エリアに記憶する（Ｓ１４８）。新たに走査済み点と未走査点を記憶すると、Ｓ１４４〜Ｓ１４８を繰り返し、分岐点のカウントをしていく。

カウント数が２以上でない場合（Ｓ１４６，Ｎｏ）、即ち調査点２８０が分岐点２７０でない場合、調査点２８０をセンターライン２１０上の一つ下流側に移行できるか判断する（Ｓ１４９）。

調査点２８０の一つ下流側にセンターライン２１０上の点が存在する場合（Ｓ１４９，Ｙｅｓ）、存在する隣接点に調査点２８０を移行し（Ｓ１５０）、Ｓ１４４〜Ｓ１４８を繰り返す。

調査点２８０の一つ下流側にセンターライン２１０上の点が存在しない場合（Ｓ１４９，Ｎｏ）、即ち調査点２８０がセンターライン２１０の下流側他端に到達した場合、未走査点が存在するか判断する（Ｓ１５１）。未走査点が存在する場合（Ｓ１５１，Ｙｅｓ）、一番下流側にある最下位の未走査点に調査点２８０し（Ｓ１５２）、Ｓ１４４〜Ｓ１４８を繰り返す。

一方、未走査点が存在しない場合（Ｓ１５１，Ｎｏ）、分岐数のカウントを終了する。カウントされた分岐数は、分岐度として分岐度記憶部８５に記憶される。

（分岐度算出の第２の実施例：平均分岐角度）
次に分岐度算出部８０による第２の実施例を説明する。

図２６は、第２の実施例による分岐度算出の模式図である。血管像は、枝状に血管が分岐して構成されている。分岐度算出部８０は、血管像から分岐点２７０を検出して、その分岐点２７０の分岐角度３００を算出する。各分岐点２７０について分岐角度３００を算出し、分岐度として、平均分岐角度を取得する。

分岐角度３００は、分岐点２７０から延びる２本のセンターライン２１０がなす角度である。支流のセンターライン２１０上にある分岐点２７０から所定ボクセル分離れた支流点３１０の座標を取得し、分岐点２７０の座標及び２つの支流点３１０の座標から分岐角度３００を算出する。

図２７は、この第２の実施例による分岐度算出部８０の分岐度算出動作を示すフローチャートである。

まず、分岐度算出部８０は、センターライン２１０上に調査点２８０を走らせ、分岐点２７０を順次検出する（Ｓ１６１）。検出した分岐点２７０の座標は、主記憶部６に一時記憶しておく。

分岐点２７０を検出すると、分岐点２７０から支流するセンターライン２１０上にある分岐点２７０から所定ボクセル分離れた支流点３００の座標を取得する（Ｓ１６２）。２つの支流点３１０の座標を取得すると、分岐点２７０と２つの支流点３１０の座標からセンターライン２１０の２つの支流がなす分岐角度３００を各分岐点２７０について順次算出する（Ｓ１６３）。

全分岐点２７０について分岐角度３００を算出すると（Ｓ１６４，Ｙｅｓ）、算出した全分岐角度３００の平均をとり、分岐度として、平均分岐角度を取得する（Ｓ１６５）。算出された平均分岐角度は、分岐度として分岐度記憶部８５に記憶される。

以上、この腫瘍診断支援システムでは、分岐度を各実施例の何れかにおいて算出し、判定部６０で分岐度と閾値とを比較することで、腫瘍像が悪性か良性かを判定し、出力部７０で分岐度とともに判定結果を視認可能に出力する。

（蛇行度及び分岐度の算出変形例）
次に、上記した蛇行度及び分岐度の変形例について説明する。

悪性腫瘍は、周辺組織を集めて成長するが、この周辺組織に対する影響は、悪性腫瘍との距離に比例する。即ち、悪性腫瘍に近ければ近いほど、周辺組織の凝集率は高まる傾向にある。従って、蛇行度や分岐度も悪性腫瘍に近ければ近いほど高まる傾向にある。そこで、蛇行度及び分岐度の算出変形例に係る腫瘍診断支援システムでは、腫瘍像と蛇行度や分岐度の算出箇所との距離に応じて蛇行度や分岐度を重み付け補正して、蛇行度や分岐度が悪性腫瘍に近ければ近いほど高まる傾向を悪性又は良性の判断支援又は判定に加味する。

図２８は、本変形例に係る蛇行度算出のための腫瘍診断支援システムの機能ブロック図である。本変形例に係る腫瘍診断支援システムでは、セグメント分離部４０の処理と蛇行度算出部５０との間に、グループ分割部９０を備え、腫瘍像との距離に応じて同一領域内にある血管セグメントや血管像の部分を同一グループに分ける。このグループ分割部９０は、演算制御部５を含み構成される。本変形例に係る分岐度算出のための腫瘍診断支援システムにおいても、血管像抽出部３０の処理と分岐度算出部８０の処理との間にグループ分割部９０を備える。

そして、蛇行度算出部５０は、グループの平均や合計や最大をとり、グループの蛇行度合いを示す値を算出する。さらに、この算出した値をグループと腫瘍像との代表距離に応じて重み付けし、蛇行度とする。また、分岐度算出部８０は、領域毎の分岐度合いを示す値を算出し、領域と腫瘍像との代表距離に応じてこの値を重み付けし、分岐度とする。

図２９は、蛇行度及び分岐度の算出変形例に係る殻空間分割を示す模式図である。図２９に示すように、蛇行度及び分岐度の算出にあたり、医用画像の空間を腫瘍像を中心として同心円上に複数の殻空間４００ａ，４００ｂ，４００ｃ・・・に分ける。殻空間４００ａ，４００ｂ，４００ｃは、最内殻空間４００ａから最外殻空間４００ｃまで複数段階に区分けされ、それぞれ所定の厚みを有する。

同一の殻に収まる血管セグメントは、腫瘍像から同一距離の範囲内にある一グループとして、グループ分けされる。血管像は、複数の殻により分割され、同一殻に収まる血管像の部分は、腫瘍像から同一の距離にある領域として分割される。

尚、分割は、殻空間４００ａ，４００ｂ，４００ｃ・・・の占める領域を示す殻空間情報を殻空間毎に記憶することによってなされる。殻空間情報は、腫瘍像と殻空間の腫瘍像側の境界との距離と、腫瘍像と殻空間の腫瘍像とは反対側の境界との距離により構成される。

図３０は、重み付け値を記憶するテーブルである。蛇行度算出部５０及び分岐度算出部８０は、この重み付け値を記憶するテーブルを予め記憶している。このテーブルは、複数の殻空間４００ａ，４００ｂ，４００ｃ・・・のうち一つを識別する識別情報と重み付け値を対応付けて記憶している。重み付け値は、殻空間４００ａ，４００ｂ，４００ｃ・・・の腫瘍像からの距離に応じて比例させた値である。腫瘍像からの距離が近ければ近いほど悪性腫瘍の影響を受けるため、近い距離にあるグループを重要視するものである。殻空間４００ａ，４００ｂ，４００ｃ・・・が有する所定の厚みのうちの例えば中心位置を代表距離として、殻空間の腫瘍像からの距離とする。

蛇行度算出部５０は、殻空間情報を読み出して、殻空間情報で示される殻空間４００ａ，４００ｂ，４００ｃ・・・内に存在する血管セグメントについて、血管セグメントと平滑曲線との離間長の分散、血管セグメントの長さと血管セグメントの始端から終端までの距離との比、血管セグメントと平滑曲線との離間長の平均若しくは合計又は最大、血管セグメントと平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数に変換して得られる周波数帯域のピーク周波数又は重心周波数、同様の変換により得られる周波数帯全域に亘る成分の大きさの積分値と所定周波数帯域の積分値との比、同様の変換により得られる周波数全域の成分の大きさの積分値の所定割合を有する周波数帯域の上限又は下限の周波数値、各血管セグメントの長さの合計と始端と終端との距離の合計の比、各血管セグメントの始端と終端との距離の平均、又は各血管セグメントの長さの合計又は平均を算出する。

尚、各血管セグメントの長さの合計と始端と終端との距離の合計の比、各血管セグメントの始端と終端との距離の平均、又は各血管セグメントの長さの合計又は平均については、上記した血管セグメントの長さ及び始端と終端との距離の算出方法により行われる。即ち、各血管セグメントの長さの合計と始端と終端との距離の合計の比は、各血管セグメントの長さを算出して合計し、各血管セグメントの始端と終端との距離を算出して合計し、長さの合計値と距離の合計値の比を取る。各血管セグメントの始端と終端との距離の平均は、各血管セグメントの始端と終端との距離を算出し、算出した各距離の平均を取る。各血管セグメントの長さの合計又は平均については、各血管セグメントの長さを算出して合計し、又は算出した各長さの合計を取る。

同様に、分岐度算出部８０は、殻空間情報を読み出して、殻空間情報で示される殻空間４００ａ，４００ｂ，４００ｃ・・・内に存在する血管像の部分について、血管像の分岐数、又は各分岐点の平均分岐角度を領域毎に取得する。

この算出を、各殻空間情報を順次読み出して、各殻空間情報で示される殻空間４００ａ，４００ｂ，４００ｃ・・・内に存在する血管セグメントや血管像の部分について行う。

そして、重み付け値を記憶するテーブルを読み出し、殻空間情報が示している殻空間４００ａ，４００ｂ，４００ｃ・・・の何れかに対応する識別情報と対になった重み付け値を算出した値に乗じて正規化し、この正規化された値を蛇行度又は分岐度とする。

図３１は、この蛇行度及び分岐度の算出変形例に係る算出動作を示すフローチャートである。尚、本説明では、各血管セグメントの長さの合計と始端と終端との距離の合計の比を基に蛇行度を算出する技術について説明するが、その他の蛇行度や分岐度の算出は、基となる数値の算出については、上記した各実施例と同様である。

まず、グループ分割部９０は、腫瘍像中心点記憶部２５から腫瘍像の中心点を読み出し、腫瘍像からの距離に応じて医用画像の空間を複数の殻空間４００ａ，４００ｂ，４００ｃ・・・に分割する（Ｓ１７１）。殻空間４００ａ，４００ｂ，４００ｃ・・・に分割すると、同一の殻空間に属することにより腫瘍像から同一距離範囲内にある血管セグメントを同一グループに関連づける（Ｓ１７２）。

グループ分けがなされると、蛇行度算出部５０は、同一グループに関連づけられた各血管セグメントについて長さと始端から終端までの距離を算出する（Ｓ１７３）。次に、各長さの値を合計し、各距離の値を合計し、長さの合計と距離の合計の比を算出する（Ｓ１７４）。

比を算出すると、蛇行度算出部５０は、重み付け値を記憶するテーブルを読み出し（Ｓ１７５）、比を算出したグループに対応する重み付け値をテーブルから取得する（Ｓ１７６）。

重み付け値を取得すると、蛇行度として、算出した比に重み付け値を乗じて、算出した比を腫瘍像からの距離に応じて正規化した値を得る（Ｓ１７７）。取得した蛇行度は、蛇行度記憶部５８に記憶される。

全てのグループについて蛇行度を算出すると（Ｓ１７８，Ｙｅｓ）、蛇行度算出の処理を終了し、まだ蛇行度が算出されていないグループがあると（Ｓ１７８，Ｎｏ）、まだ蛇行度が算出されていないグループについてＳ１７３〜Ｓ１７７を繰り返す。

このように、医用画像から腫瘍像の周囲に存在する血管像を抽出し、血管像の蛇行度を算出するようにした。また、血管像に存在する各分岐点の分岐度を算出するようにした。これにより、悪性腫瘍の周囲の血管は、曲がりくねりや分岐が複雑化するという知見に基づいて、血管の蛇行度や分岐度を腫瘍の悪性指標とすることができ、腫瘍診断支援システムによる偽陽性率を低下させることができる。

また、血管の曲がりくねりや分岐の度合いを腫瘍像からの距離に応じて重み付けして蛇行度や分岐度を算出するようにした。これにより、悪性腫瘍の血管への影響は、腫瘍に近ければ近いほど受けやすいという知見に基づき、血管の蛇行度や分岐度をより正確な腫瘍の悪性指標とすることができ、腫瘍診断支援システムによる偽陽性率をさらに低下させることができる。

腫瘍診断支援を実施する腫瘍診断支援システムの構成を示すブロック図である。 良性腫瘍とその周辺に存在する血管像を示す模式図である。 悪性腫瘍とその周辺に存在する血管像を示す模式図である。 蛇行度を算出する腫瘍診断支援システムを示す機能ブロック図である。 蛇行度を算出する腫瘍診断支援システムにより実施される腫瘍診断支援動作を示す概略フローチャートである。 腫瘍像検出と血管像抽出を示す模式図である。 第１の実施例による蛇行度算出の模式図である。 第１の実施例による蛇行度算出動作を示すフローチャートである。 第２の実施例に係る蛇行度算出動作を示すフローチャートである。 第３の実施例に係る蛇行度算出動作を示すフローチャートである。 第４の実施例に係る蛇行度算出動作を示すフローチャートである。 第５の実施例による蛇行度算出の模式図である。 第５の実施例に係る蛇行度算出動作を示すフローチャートである。 第６の実施例に係る蛇行度算出動作を示すフローチャートである。 離間長曲線を示す図である。 離間長曲線を周波数分解して得られたスペクトル図である。 第７の実施例に係る蛇行度算出動作を示すフローチャートである。 第８の実施例に係る蛇行度算出動作を示すフローチャートである。 全体積分値と所定帯積分値を示す空間周波数スペクトルの模式図である。 第９の実施例に係る蛇行度算出動作を示すフローチャートである。 全体積分値と調査積分値及び調査周波数を示す空間周波数スペクトルの模式図である。 分岐度を算出する腫瘍診断支援システムを示す機能ブロック図である。 分岐度算出に係る腫瘍診断支援システムにより実施される腫瘍診断支援動作を示す概略フローチャートである。 第１の実施例による分岐度算出の模式図である。 第１の実施例による分岐度算出動作を示すフローチャートである。 第２の実施例による分岐度算出の模式図である。 第２の実施例による分岐度算出動作を示すフローチャートである。 蛇行度及び分岐度の算出変形例に係る腫瘍診断支援システムの機能ブロック図である。 蛇行度及び分岐度の算出変形例に係る殻空間分割を示す模式図である。 重み付け値を記憶するテーブルである。 蛇行度及び分岐度の算出変形例に係る算出動作を示すフローチャートである。

符号の説明

１ ワークステーション
２ 入力装置
３ 表示装置
４ 印刷装置
５ 演算制御部
６ 主記憶部
７ 外部記憶部
１０ 医用画像記憶部
２０ 腫瘍像検出部
２５ 腫瘍像中心点記憶部
３０ 血管像抽出部
３５ センターライン記憶部
４０ セグメント分離部
４５ セグメント記憶部
５０ 蛇行度算出部
５４ 平滑曲線記憶部
５８ 蛇行度記憶部
６０ 判定部
６５ 閾値記憶部
７０ 出力部
８０ 分岐度算出部
８５ 分岐度記憶部
１００ａ 良性腫瘍
１００ｂ 亜癖腫瘍
２００ａ，２００ｂ 血管像
２１０ センターライン
２２０ 平滑曲線
２３０ 離間長
２４０ 長さ
２５０ 距離
２６０ 離間長曲線
２７０ 分岐点
２８０ 調査点
２９０ 心臓に近い端
３００ 分岐角度
３１０ 支流点
Ｐｖ ピーク値
Ｐｆ ピーク周波数
Ｌｆ 上限周波数
Ｈｆ 下限周波数
Ｒｆ 調査周波数
Ｍａｘｆ 最高周波数
ｆｒ 所定周波数帯
ＩＶａ 全体積分値
ＩＶｐ 所定帯積分値
ＩＶｒ 調査積分値

Claims (16)

1. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記蛇行度として、前記血管セグメントと前記平滑曲線との離間長の分散を算出する分散算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
2. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記蛇行度として、前記血管セグメントと前記平滑曲線との離間長の平均若しくは合計又は最大を算出する離間長算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
3. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
   前記蛇行度として、前記変換により得られる周波数分布から、ピーク周波数又は重心周波数を抽出する周波数抽出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
4. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
   前記蛇行度として、前記変換により得られる周波数分布から、周波数帯全域に亘る成分の大きさの積分値と所定周波数帯域に亘る成分の大きさの積分値との比を算出する周波数算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
5. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
   前記蛇行度として、前記変換により得られる周波数分布から、周波数帯全域に亘る成分の大きさの積分値の所定割合を有する周波数帯域の上限又は下限の周波数値を算出する周波数算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
6. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記分離手段は、
   前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との離間長の分散を算出する分散算出手段と、
   前記分散の平均若しくは合計又は最大の値を前記グループ毎に算出するグループ値算出手段と、
   前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
7. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記分離手段は、
   前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との離間長の平均若しくは合計又は最大の値をグループ毎に算出するグループ値算出手段と、
   前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
8. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記分離手段は、
   前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
   前記変換により得られる周波数分布から、ピーク周波数又は重心周波数の平均又は最大の値をグループ毎に算出するグループ値算出手段と、
   前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
9. 医用画像から腫瘍像を検出する検出手段と、
   検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
   抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
   前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
   前記蛇行度を視認可能に出力する出力手段と、
   を備え、
   前記分離手段は、
   前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
   前記算出手段は、
   前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
   前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
   前記変換により得られる周波数分布から、周波数帯全域に亘る成分の大きさの積分値と所定周波数帯域に亘る成分の大きさの積分値との比の平均又は最大の値をグループ毎に算出するグループ値算出手段と、
   前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
   を含むこと、
   を特徴とする腫瘍診断支援システム。
10. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    を備え、
    前記分離手段は、
    前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
    前記算出手段は、
    前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出する曲線算出手段と、
    前記血管セグメントと前記平滑曲線との始端から終端までの各距離に対する離間長を示す離間長曲線を空間周波数領域に変換する周波数変換手段と、
    前記変換により得られる周波数分布から、周波数帯全域に亘る成分の大きさの積分値の所定割合を有する周波数帯域の上限又は下限の周波数値の平均又は最大の値をグループ毎に算出するグループ値算出手段と、
    前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
11. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    を備え、
    前記分離手段は、
    前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
    前記算出手段は、
    前記血管セグメントの長さの合計をグループ毎に算出する全体長算出手段と、
    前記血管セグメントの始端と終端との距離の合計をグループ毎に算出する全体距離算出手段と、
    同一グループの前記長さの合計と前記距離の合計との比を算出するグループ値算出手段と、
    前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記比を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
12. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    を備え、
    前記分離手段は、
    前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
    前記算出手段は、
    前記血管セグメントの始端と終端との距離の平均値をグループ毎に算出するグループ値算出手段と、
    前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記平均値を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
13. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    を備え、
    前記分離手段は、
    前記血管セグメントを、前記腫瘍像から同一距離範囲内毎にグループ分けするグループ化手段を含み、
    前記算出手段は、
    前記血管セグメントの長さの合計又は平均の値をグループ毎に算出するグループ値算出手段と、
    前記蛇行度として、前記グループと前記腫瘍像との代表距離に応じて前記値を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
14. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    前記腫瘍像からの距離に応じて医用画像の空間を複数領域に分割する分割手段と、
    を備え、
    前記算出手段は、
    前記血管像の分岐数を前記領域毎にカウントするカウント手段と、
    前記分岐度として、前記領域と前記腫瘍像との代表距離に応じて前記分岐数を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
15. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    前記腫瘍像からの距離に応じて医用画像の空間を複数領域に分割する分割手段と、
    を備え、
    前記算出手段は、
    前記分岐点の分岐角度の平均値を前記領域毎に算出する分岐角度算出手段と、
    前記分岐度として、前記領域と前記腫瘍像との代表距離に応じて前記平均値を重み付けした正規化値を算出する正規化値算出手段と、
    を含むこと、
    を特徴とする腫瘍診断支援システム。
16. 医用画像から腫瘍像を検出する検出手段と、
    検出した腫瘍像の周囲に存在する血管像を抽出する抽出手段と、
    抽出した血管像を血管分岐点に基づいて分離して血管セグメントに分ける分離手段と、
    前記各血管セグメントの蛇行度を悪性腫瘍指標として算出する算出手段と、
    前記蛇行度を視認可能に出力する出力手段と、
    を備え、
    前記算出手段は、前記血管セグメントの血管延び形状を平滑化した平滑曲線を算出し、前記平滑曲線と血管セグメントのセンターラインを用いて蛇行度を求めること、
    を特徴とする腫瘍診断支援システム。