JP6877868B2 - 画像処理装置、画像処理方法および画像処理プログラム - Google Patents

Description

本発明の実施形態は、画像処理装置、画像処理方法および画像処理プログラムに関する。

コンピュータ断層撮影（ＣＴ）は、Ｘ線を使用して３次元の画像データを取得する医用撮像において使用されている。ＣＴスキャンから取得される３次元ＣＴ画像データは、３次元に配列された複数のボクセルを有する。各ボクセルは、Ｘ線の減衰量に応じた画素値を有する。Ｘ線の減衰量は、ハンスフィールドユニット（ＨＵ）により規定されたＣＴ値として表現される。ここで、０ＨＵは水のＣＴ値である。

ＣＴを使用して冠状動脈疾患を診断するためのアプリケーションが開発されている。そのようなアプリケーションは、血管内に存在するアテローム硬化性心疾患の範囲を特定するために使用される。

ＣＴ画像で描出される血管領域の画素値を増大させるために造影剤が使用されている。冠状動脈疾患を診断するための技法として、造影剤を用いない非造影心臓ＣＴスキャンと、造影剤を用いる造影心臓ＣＴスキャンとを使用する。非造影心臓ＣＴスキャンは、造影剤により造影されていない心臓を対象としたＣＴスキャンである。非造影心臓ＣＴスキャンは、カルシウムスコアリングスキャンを含む場合がある。造影心臓ＣＴスキャンは、造影剤により造影された心臓を対象とするＣＴスキャンである。２つのスキャンにより得られた画像は、例えば、自動非線形位置合わせ処理または自動線形位置合わせ処理を使用して、位置合わせされる。差分画像は、造影スキャンによる画像と被造影スキャンによる画像との対応点同士での画素値の差分により生成される。差分画像は、例えば、血管の状態を評価するために使用される。

単一の非造影カルシウムスコアリングスキャンでは、石灰沈着領域およびステント領域が描出されるが、血管領域は他の軟部組織領域と区別がつかない場合がある。単一の造影ＣＴスキャンにより取得された画像では、造影剤により強調された血液に関する画像領域（造影血管領域）のハンスフィールド値は、石灰沈着領域およびステント領域についてのハンスフィールド値と重複する場合がある。造影ＣＴスキャンにより取得された画像（造影画像）が標準のウィンドウレベルまたは色マッピング技法を使用して表示された場合、造影血管領域と石灰沈着領域またはステント領域とを視覚的に区別することは困難である。

造影血管領域が石灰沈着領域やステント領域と区別して描出されている場合、冠状動脈疾患の範囲を特定し、血管狭窄（血管の異常な収縮または狭窄）を測定することが可能である。造影画像と非造影画像とを差分することにより、造影画像と非造影画像とに共通の特徴、例えば、骨領域や軟部組織領域を除去し、造影剤によって強調されている画素領域を残すことができる。

図１は、既知の差分処理を示すフローチャートである。ステップ１０で、非造影画像（造影前画像）１００と造影画像（造影後画像）１０１とが非剛体レジストレーションを使用して同一座標同士を対応付ける。変形場１０２は非剛体レジストレーションにより取得される。変形場１０２は、非造影画像１００の座標系における座標を、造影画像１０１の座標系における座標に関係付けるものである。

ステップ１２において、非剛体レジストレーションを実行した非造影画像（位置合わせされた造影前画像）１０３が、変形場１０２を非造影画像１００に適用して生成される。位置合わせされた非造影画像１０３に含まれる各点の解剖学的特徴は、造影画像１０１に含まれる同座標の対応点の解剖学的特徴に一致する。

ステップ１４において、造影画像１０１の各画素のハンスフィールド値を、位置合わせされた非造影画像１０３に含まれる同一座標の各画素のハンスフィールド値により減算することにより生成される。

ステップ１６において、差分画像１０４にレンダリング処理が施されて、レンダリング処理後の差分画像１０５が生成される。以降、レンダリングされた差分画像１０５を、単にレンダリング画像１０５と記載する。

レンダリング画像１０５としては、例えば、二次元スライス、二次元マルチプレーナレンダリング（ＭＰＲ）画像、スラブＭＰＲ画像、湾曲ＭＰＲ（ＣＰＲ）画像、陰影ボリュームレンダリング（ＳＶＲ）画像、または画素投影（ＩＰ）画像（例えば、最大画素投影（ＭＩＰ）画像、最小画素投影（ＭｉｎＩＰ）画像、もしくは平均画素投影（Ａｖｅｒａｇｅ）画像）である。

レンダリング画像１０５は、例えば、グレースケール画像であり、所定のピクセルのグレースケール値は、位置合わせされた非造影画像の各画素の画素値と造影画像の各対応画素の画素値との差分に対応する。各画素のグレースケール値は差分値に対応するので、差分画像１０４は、非造影画像１００および造影画像１０１よりも少ない情報しか含んでいない。例えば、差分値「５」は、５ＨＵのＣＴ値と１０ＨＵのＣＴ値との組合せからも得られるし、１０５ＨＵのＣＴ値と１１０ＨＵのＣＴ値との組み合わせからも得られる。

差分画像は読影しづらい。例えば、単一チャネルのグレースケールにより規定された差分画像を読影するとき、血管内の実際の閉塞または狭窄と不正確な位置合わせにより生じるアーティファクトとを区別することは困難である。図２は、重度に石灰化した冠状動脈が描画された差分画像を示す。重度に石灰化した冠状動脈に関する画像領域は、破線の楕円１７でマーキングされている。破線の楕円１７でマーキングされた部分は、狭窄と画像アーティファクトとの区別困難性のため、読影が困難である。血管に多くの石灰沈着が存在する場合、当該血管に造影剤が流れているか否かを判別することは困難である。

セグメント化は、画像内を所定の特徴を有する画素に分割し、画像内の所定の構造を表す画素を当該構造ごとに分類するプロセスである。ここで、画素は、２次元の画像要素（ピクセル）と３次元の画像要素（ボクセル）との総称を意味するものとする。セグメント化は、更に、画像の残りの部分から画素を分離することをさらに含む場合がある。構造は、例えば、血管もしくは臓器などの解剖学的構造、またはステントなどの人工構造である。構造を表す画素を識別及び分離することにより、構造に関係する情報のさらなる処理、例えば、構造の測定を容易にしたり、または画像内の他の構造とは異なる方法で構造をレンダリングすることを容易にしたりすることができる。

血管のセグメント化は、血管の病変領域、例えば、石灰沈着領域を識別する際に使用される。例えば、冠状動脈内の狭窄測定を実行するために、血管腔および血管壁の正確なセグメント化が必要とされる。

特に冠状動脈血管では、正確で堅牢な血管のセグメント化を取得することが困難である。小さい血管は、検出器の解像度の限界に近い場合があり、従って、セグメント化することが困難である。血管壁のセグメント化は、例えば、血管壁の画素値と他の軟部組織の画素値とが類似しているため困難である。差分画像において血管領域を分類するためには、位置合わせが正確に行われる必要があり、また、位置合わせ誤差を認識する手法は確立されていない。

自動または半自動の血管追跡アルゴリズムは、画像に含まれる血管領域を追跡するために使用される。しかしながら、造影画像内の血管領域を追跡しセグメント化することは、造影剤により強調された血管腔に関する画像領域（以下、血管腔領域）の画素値と石灰沈着内のカルシウムに関する画像領域（以下、カルシウム領域）の画素値との類似性のため、困難である。

ブルーミングは石灰沈着を不明瞭にする場合があり、特に石灰沈着領域またはステント領域が存在する場合、管腔の分類を複雑にする場合がある。ブルーミングは、石灰沈着（またはステント）領域をその本当の物理的範囲よりも大きく見せる画像アーティファクトである。ブルーミングは、例えば、ビームハードニングおよび動きなどのアーティファクトの組合せに起因する。ブルーミングは、非造影画像よりも造影画像の方がより顕著であることが知られている。

図３Ａおよび図３Ｂは、造影画像上で実施された既知の冠状動脈血管のセグメント化方法の結果を示す。大きいカルシウム沈着がセグメント化されるべき血管内に存在する。図３Ａおよび図３Ｂは、造影剤が流入している冠状動脈血管を示す、冠状動脈コンピュータ断層撮影血管造影（ＣＣＴＡ）画像を示す。図３Ａは、血管領域の芯線が直線に沿うように変形されたＣＣＴＡ画像を示す。図３Ｂは、芯線に直交する断面に関するＣＣＴＡ画像を示す。図３Ａと図３Ｂとに示すように、大きいカルシウム沈着領域２０は高い画素を有している。

管腔のセグメント化は、既知の冠状動脈血管のセグメント化方法を使用して、図３Ａおよび図３Ｂに対応する画像上で実行されている。セグメント化の境界は、線１８として図３Ａおよび図３Ｂの各々で示される。

管腔の範囲が、同じ画像データを使用して臨床医によって評価された。自動的にセグメント化された管腔の境界１８は、臨床医によって評価された管腔のエリアよりも小さいと見出された。既知のセグメント化方法においては、血管腔のサイズは、造影されたセットのこの既知のセグメント化方法では、比較的大きいカルシウム沈着領域２０の影響により過小評価されてしまう。

このため、臨床医が自動又は半自動セグメント化法に完全なる信用を望むという状況には至っていない。自動または半自動の血管セグメント化が管腔を過小評価または過大評価する場合、セグメント化アルゴリズムの結果は、臨床医に利益をもたらさない場合がある。

実施形態の目的は、セグメント化の精度の向上を可能とする画像処理装置と、当該画像処理装置に用いられる画像処理方法と、画像処理プログラムとを提供することにある。

本実施形態に係る画像処理装置は、異なる時刻に撮影された同一の撮影部位に関する第１医用画像と第２医用画像とを記憶する記憶部と、同一座標における前記第１医用画像の画素値と前記第２医用画像の画素値との組み合わせの頻度を表す数値データを生成する生成部と、前記生成された数値データを利用して、前記第２医用画像を複数の画像領域に区分するセグメント部と、を具備する。

図１は、従来の差分処理を示すフローチャートである。 図２は、重度に石灰化した動脈を強調表示した差分画像を示す図である。 図３Ａは、造影画像内の例示的な既知の血管セグメント化の結果を示す図である。 図３Ｂは、造影画像内の例示的な既知の血管セグメント化の結果を示す図である。 図４は、本実施形態に係る画像処理装置を示すブロック図である。 図５は、本実施形態に係る画像処理装置において実行される処理を示すフローチャートである。 図６は、分類された管腔領域と非強調領域と位置ずれ領域とブルーミング領域とを示すジョイントヒストグラムである。 図７Ａは、図６のジョイントヒストグラム上にマッピングされるべき色を示すカラーモデルを示す図である。 図７Ｂは、図６に示すジョイントヒストグラムと図７Ａに示すカラーモデルとのオーバーレイ画像を示す図である。 図８は、カラーモデルを使用して色付けされた画像の一例を示す図である。 図９は、カラーモデルを使用して色付けされた画像の一例を示す図である。 図１０は、ブルーミング領域を示す血管腔の画像を示す図である。 図１１は、本実施形態に係る画像処理装置において実行される処理を示すフローチャートである。 図１２は、図１１に示す処理の具体例を示すフローチャートである。 図１３は、分類処理が適用された撮像された血管を示す概略図である。

以下、図面を参照しながら、本実施形態に係る画像処理装置を説明する。なお、以下の説明において、略同一の機能および構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

図４は、本実施形態に係る画像処理装置３０を示す図である。図４に示すように、画像処理装置３０は、計算装置３２を備える。計算装置３２は、パーソナルコンピュータ（ＰＣ）またはワークステーション等である。計算装置３２は、ＣＴスキャナ３４、１つまたは複数のディスプレイ３６、およびコンピュータキーボード、マウス、またはトラックボールなどの１つまたは複数の入力インターフェイス回路３８に接続される。

ＣＴスキャナ３４は、被検体をＸ線でＣＴスキャンすることにより投影データを収集し、収集された投影データに基づいて当該被検体に関するＣＴ画像を再構成する。本実施形態においてＣＴスキャナ３４は、異なる時刻に撮影された同一の撮影部位に関する第１の医用画像と第２の医用画像とを発生する。例えば、ＣＴスキャナ３４は、同一の被検体を対象として、造影剤により造影された撮影部位をＣＴスキャンすることにより造影ＣＴスキャンを実行し、造影剤により造影されていない撮影部位をＣＴスキャンすることにより非造影ＣＴスキャンを実行する。撮影部位としては、如何なる部位であっても良い。造影スキャン及び非造影スキャンの場合は、任意の適切な血管系、例えば、心臓、頭または首、流出液または肺が適当である。ＣＴスキャナ３４は、造影ＣＴスキャンにより収集された投影データに基づいて造影画像を再構成し、非造影ＣＴスキャンにより収集された投影データに基づいて非造影画像を再構成する。造影ＣＴスキャンと非造影ＣＴスキャンとは何れのスキャンが先に行われても良い。ＣＴスキャナ３４は、造影画像及び非造影画像として、一枚の画像を再構成しても良いし、時系列の画像を再構成しても良い。なお、本実施形態においてＣＴスキャナ３４は、画像として、２次元座標空間において配列された複数のピクセルから構成されるスライスであっても良いし、３次元座標空間において配列された複数のボクセルから構成されるボリュームであっても良い。ＣＴスキャナ３４は、任意の他の撮像様式におけるスキャナ、例えば、ＭＲＩ（磁気共鳴撮像）スキャナ、Ｘ線スキャナ、ＰＥＴ（陽電子放出断層撮影）スキャナ、またはＳＰＥＣＴ（単光子放出コンピュータ断層撮影）スキャナであってもよい。

異なる時刻に撮影された同一の撮影部位に関する第１の医用画像と第２の医用画像とは、造影画像と非造影画像とに限定されない。例えば、第１の医用画像は術前画像であり、第２の医用画像は術後画像であっても良い。術前画像は、ＣＴスキャナ３４により、手術前の被検体をＣＴスキャンすることにより収集された投影データに基づいて再構成される。術後画像は、ＣＴスキャナ３４により、手術後の被検体をＣＴスキャンすることにより収集された投影データに基づいて再構成される。なお、以下の説明を具体的に行うため、第１の医用画像は造影画像であり第２の医用画像は非造影画像であるとする。

本実施形態では、ＣＴスキャナ３４によって収集された画像のセットは、メモリ４０に記憶され、当該メモリ４０から計算装置３２に提供される。なお、画像のセットは、画像保管通信システム（ＰＡＣＳ）の一部を形成するリモートデータストア（図示せず）から供給されてもよい。また、メモリ４０またはリモートデータストアは、任意の適切な形態のメモリストレージを備えてもよい。

計算装置３２は、画像データを自動または半自動で処理するための処理リソースを含む。計算装置３２は、図５を参照して下記に記載される方法と、図１１および図１２を参照して下記に記載される方法とを実施するように構成された、様々なソフトウェアモジュールまたは他のソフトウェア構成要素をロードし実行する働きをする、中央処理装置（ＣＰＵ）４２を備える。

計算装置３２は、受信回路４４と処理回路４５とを備える。本実施形態では、処理回路４５は、ハードウェア資源として、ＣＰＵやＭＰＵ等のプロセッサと、ＲＯＭやＲＡＭ等のメモリとを含む。当該処理回路４５のメモリは、処理回路４５における複数の機能を実現するための複数の対応プログラムを記憶する。例えば、処理回路４５は、メモリから対応するプログラムを読み出して実行することにより、生成機能４６と、位置合わせ機能４８と、レンダリング機能５０と、セグメント機能５２とを実現する。

生成機能４６により処理回路４５は、同一座標における造影画像の画素値と非造影画像の画素値との組み合わせの頻度を表す数値データを生成する。数値データは、具体的には、造影画像の画素値と非造影画像の画素値との組み合わせの頻度を、当該造影画像の画素値と当該非造影画像の画素値とを２軸とする２次元直交座標系で視覚的に表現したジョイントヒストグラムである。なお、本実施形態に係る数値データとしては、ジョイントヒストグラムに限定されず、造影画像の画素値と非造影画像の画素値との組み合わせの頻度を、２次元直交座標系で視覚的に表現しない形式のデータであっても良い。以下、本実施形態において数値データは、ジョイントヒストグラムであるとする。

位置合わせ機能４８により処理回路４５は、当該造影画像と当該非造影画像とを位置合わせする。例えば、処理回路４５は、造影画像に対して非造影画像を位置合わせすることにより、位置合わせされた非造影画像を生成する。

セグメント機能５２により処理回路４５は、生成されたジョイントヒストグラムを用いて、造影画像又は非造影画像に含まれる複数の領域を分類する。処理回路４５は、具体的には、造影画像を、アーティファクト領域と非アーティファクト領域とに分類する。処理回路４５は、は、アーティファクト領域と非アーティファクト領域とを各領域に対応する尤度により分類する。処理回路４５は、アーティファクト領域として位置ずれ領域とブルーミング領域とに分類する。また、処理回路４５は、非アーティファクト領域として造影領域と非造影領域とに分類する。造影領域は管腔領域であり、非造影領域は管壁領域である。

レンダリング機能５０により処理回路４５は、造影画像又は非造影画像にレンダリング処理を施して２次元の表示画像（以下、レンダリング画像と呼ぶ）を生成する。本実施形態において処理回路４５は、当該複数の領域に関する分類を用いて、当該分類された複数の領域を視覚的に識別可能なレンダリング画像を造影画像又は非造影画像に基づいて生成する。

本実施形態では、受信回路４４および処理回路４５は、図５を参照して下記に記載される方法と、図１１および図１２を参照して下記に記載される方法とを実施するように実行可能なコンピュータ可読命令を有するコンピュータプログラムを用いて、各々計算装置３２に実装される。しかしながら、上記複数の機能は、１つまたは複数のＡＳＩＣ（特定用途向け集積回路）またはＦＰＧＡ（フィールドプログラマブルゲートアレイ）等により実現してもよい。

また、計算装置３２は、ハードウェア資源として、ハードドライブと、ＲＡＭ、ＲＯＭ、データバス、様々なデバイスドライバを含むオペレーティングシステム、およびグラフィックスカードを含むハードウェアデバイスを含むＰＣの他の構成要素とを含む。

図４に示す画像処理装置は、図５のフローチャートで概観として示された一連のステップを実施するように構成される。また、図４に示す画像処理装置は、図１１または図１２のフローチャートで概観として示された一連のステップを実施するように構成される。

図５を参照すると、ステップ１０で、受信回路４４は、メモリ４０から、またはリモートデータストアから、または直接ＣＴスキャナ３４から、非造影画像１００セットと、造影画像１０１のセットとを受信する。非造影画像１００および造影画像１０１は、被検体の領域を表す。本実施形態では、例えば、領域は冠状動脈であり、被検体は人間の患者である。非造影画像１００は、患者の冠状動脈のカルシウムスコアスキャンにより収集される。造影画像１０１は、同じ患者の冠状動脈を表すボリュームデータを含む。

なお、非造影画像は、完全に造影剤が存在しない撮影部位を対象とする画像に限定されず、造影画像に比して、著しく低い濃度の造影剤が存在する撮影部位を対象とする画像であっても良い。このような非造影画像としては、例えば、灌流画像が含まれる。また、非造影画像は、臨床的に関心のある部位に造影剤が存在しないが、臨床的に関心のない部位に造影剤が存在する画像であっても良い。例えば、冠状動脈血管画像では、造影剤は心臓の中に存在する場合があるが、冠状動脈血管にまだ到達していない場合がある。

また、任意の２つ以上の適切なスキャンからの任意の画像を使用してもよい。両方のスキャンは、造影剤が存在する。例えば、灌流データからの２つのスキャンが使用される。

受信回路４４は、動的造影（ＤＣＥ）撮像から、例えば、肝臓のＤＣＥスキャンから収集された画像のセットを受信してもよい。肝臓のＤＣＥスキャンでは、造影部分は、ＤＣＥ撮像の様々な位相を通って動き回る。

本実施形態において非造影画像１００と造影画像１０１とは、ＣＴ画像として記載しているが、これに限定されない。非造影画像１００と造影画像１０１とは、例えば、ＭＲ画像であっても良い。また、非造影画像はＣＴ画像又はＭＲ画像のうちの一方の画像であり、造影画像は他方の画像であっても良い。ＭＲ画像は、ＣＴ画像において同じＨＵ値を有する組織を区別することができる。

受信回路４４は、非造影画像１００と造影画像１０１とを処理回路４５に供給する。位置合わせ機能４８において処理回路４５は、非造影画像１００と造影画像１０１とにレジストレーションを実行して変形場１０２を生成する。そして処理回路４５は、生成された変形場１０２を非造影画像１００又は造影画像１０１の一方の画像に適用して当該画像を他方の画像に一致するように整形する。これにより造影画像と非造影画像とが位置合わせされる。

具体的には、処理回路４５は、非造影画像１００と造影画像１０１とに対して非剛体レジストレーションを実行する。レジストレーションは、非造影画像１００と造影画像１０１とに含まれる解剖学的に一致する画素を対応づける処理である。例えば、任意の適切な非剛体レジストレーションとして、Ｒａｚｅｔｏ，Ｍ．、Ｍｏｈｒ，Ｂ．、Ａｒａｋｉｔａ，Ｋ．、Ｓｃｈｕｉｊｆ，Ｊ．Ｄ．、Ｆｕｃｈｓ，Ａ．、Ｋｕｈｌ，Ｊ．Ｔ．、Ｃｈｅｎ，Ｍ．Ｙ．、およびＫｏｆｏｅｄ，Ｋ．Ｆ．、「Ａｃｃｕｒａｔｅ， ｆｕｌｌｙ−ａｕｔｏｍａｔｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉｅｓ ｆｏｒ ｖｏｌｕｍｅｔｒｉｃ ＣＴ ｄｉｇｉｔａｌ ｓｕｂｔｒａｃｔｉｏｎ ａｎｇｉｏｇｒａｐｈｙ」、Ｐｒｏｃ．ＳＰＩＥ９０３４，９０３４３Ｆ−９０３４３Ｆ−７（２０１４）に記載された方法が使用される。

なお、レジストレーションは、任意の適切なレジストレーション、例えば、非剛体レジストレーション、剛体レジストレーション、またはアフィンレジストレーションのうちの任意の適切な方法を使用して、実施されてもよい。また、レジストレーションは、特定の解剖学的構造（例えば、冠状動脈）に調整される。

非剛体レジストレーションにより処理回路４５は、非造影画像１００と造影画像１０１とに基づく変形場１０２を生成する。変形場１０２は、互いに解剖学的に一致する非造影画像１００の画素と造影画像１０１の画素との対応関係を、画素毎に規定するマップである。

ステップ１２において処理回路４５は、位置合わせ機能４８として、変形場１０２を非造影画像１００に適用して、位置合わせされた非造影画像１０３を生成する。位置合わせされた非造影画像１０３と造影画像１０１との同一座標の画素は、解剖学的にも一致することとなる。なお、上記の例においては、変形場１０２を造影前画像１００に適用するとしたが、本実施形態はこれに限定されない。例えば、変形場１０２を造影後画像１０１に適用しても良い。ここで、本実施形態では、位置合わせされた非造影画像１０３がステップ１２で予め計算されるが、これに限定されない。位置合わせされた非造影画像１０３は、予め計算しなくてもよい。この場合、位置合わせされた非造影画像１０３のキャッシュされたバージョンが記憶されず、変形場１０２および非造影画像１００は、必要に応じて非造影画像の適切なサンプルを生成するために使用される。

また、非造影画像１００と造影画像１０１とは、受信回路４４によって受信される前に予め位置合わせされていても良い。この場合、位置合わせはステップ１０とステップ１２とは省略可能である。また、非造影画像１００と造影画像１０１とが位置合わせ処理を施さなくとも位置合わせされている場合にもステップ１０とステップ１２とは省略可能である。

また、本実施形態では、非造影画像１０３と造影画像１０１とは、別々の画像セットであるとしたが、これに限定されない。非造影画像１０３と造影画像１０１とは、一個の画像セットに含まれても良い。

ステップ６０において処理回路４５は、位置合わせされた非造影画像１０３と造影画像１０１とを受信する。処理回路４５は、レンダリングの際、メモリ４０等からカラーモデル１０７を受信する。カラーモデル１０７は、画素値とレンダリングパラメータとを関連づける。カラーモデル１０７としては、画素値とレンダリングパラメータとを関連づけた関数であっても良いし、テーブルであっても良いし、視覚的に表現したマップであっても良い。レンダリングパラメータとしては、色および不透明度が適当である。カラーモデル１０７は、２以上の次元を有する。

ステップ６０において処理回路４５は、具体的には、位置合わせされた非造影画像１０３からの画素値と造影画像１０１からの画素値とに基づいてジョイントヒストグラムを生成し、ジョイントヒストグラムを用いて造影画像１０１又は非造影画像１０３を複数の領域に分割し、カラーモデルを利用して、分割された領域に色が割り当てられたレンダリング画像１０８を、造影画像１０１又は非造影画像１０３から生成する。

ここで、処理回路４５におけるセグメント機能５２と、上記ジョイントヒストグラムとカラーモデルとについて詳述する。

ジョイントヒストグラムは、位置合わせされた非造影画像１０３からの画素値と造影画像１０１からの画素値との組み合わせの頻度分布を示すものと定義する。

図６は、当該ジョイントヒストグラムの一例である。ジョイントヒストグラムの縦軸は、第１の画素値（位置合わせされた非造影画像１０３内の画素値）をハンスフィールドユニット（ＨＵ）で表す。ジョイントヒストグラムの横軸は、第２の画素値（造影画像１０１内の画素値）をハンスフィールドユニット（ＨＵ）で表す。

ジョイントヒストグラムは、等しいサイズの複数のビンを備える。各画素は、ジョイントヒストグラム内の２次元ビンに収まる第１の画素値と第２の画素値（非造影画像の画素と造影画像の画素）とを有する。画像データ内の各画素は、第１の画素値と第２の画素値とのペアに対応するビンに割り当てられると言うことができる。各画素は、第１の画素対第２の画素の２次元分布上のそれぞれの位置を有する。

ビン内の画素の数は、図６においてハッチングによって表される。実際にはハッチングは色値に対応する。例えば、画素を含んでいないビンは白色である。少しの画素しか含んでいないビンはライトグレーであり、より多くの画素が追加されるにつれて、ビンはより暗いグレーなる。非常に多数の画素を含んでいるビンは、オレンジで色付けされる。

ジョイントヒストグラムには、各画素の第１の画素値（位置合わせされた非造影画像１０３内の画素）対画素の第２の画素値（造影画像１０１内の画素）がプロットされる。様々な材料（例えば、様々な組織型）は、様々な第１の画素および様々な第２の画素のうちの少なくとも１つを有する場合がある。従って、様々なタイプを表す画素は、ジョイントヒストグラムの様々な領域内のビンに割り振られる場合がある。同じ組織型を表す複数の画素は、ジョイントヒストグラムの特定のエリア内のクラスタを形成する。

２つの非造影画像の画素の画素値がジョイントヒストグラムプロット上にプロットされた場合、値は対角線上に群がることが予想される。空気を表す画素はプロットの左上（両方のスキャンの低画素）にある、軟部組織はプロットの中央にある、骨は右下（両方のスキャンの高画素）に向かうビンの中に位置することが予想される。

造影剤が加えられたとき、（様々な量の造影剤により造影された画素の軸に沿った異なる位置を有する）軟部組織の値から右に延在する棘突起が、ジョイントヒストグラムプロット内で見られる場合がある。

本実施形態では、所定の組織型を表す画素が、ジョイントヒストグラム内で二次元ガウス分布を有する点のクラスタを形成し、二次元ガウス関数はクラスタに適合して分布を決定するという仮定が行われる。

同様に、特定の画像アーティファクトに起因する画素は、ジョイントヒストグラムの特定の領域で発生する場合があり、所定のタイプの画像アーティファクトに起因する画素は、ジョイントヒストグラム内で二次元ガウス分布を有する点のクラスタを形成すると仮定される。二次元ガウス関数はクラスタに適合して分布を決定する。

処理回路４５は、セグメント機能５２として、造影領域（例えば、管腔）、非造影領域（例えば、管壁）、ブルーミング領域、および位置ずれ領域にそれぞれ対応する分布を示す４つのガウス分布の各々について、平均と分散と重みとを決定する。分布について、平均と分散と重みとを決定することによって、処理回路４５は、ジョイントヒストグラム上の点点の対応するクラスタの各々について、各クラスタ領域を特定する。各クラスタ領域は、点の対応するクラスタの位置と範囲とを表すことができる。

本実施形態では、処理回路４５は、期待値最大化（ＥＭ）アルゴリズムと連携してｋ平均アルゴリズムを使用して、ガウス分布の平均と分散と重みとを決定する。他の実施形態では、平均と分散と重みとを決定するために、任意の適切な技法が使用される場合がある。ある実施形態では、二次元分布はガウス型ではない場合がある。

４つの決定されたガウス分布（管腔領域、非造影領域、ブルーミング領域、および位置ずれ領域）は、図６の４つの楕円７０、７２、７４、および７６によって示され、引き続き下記で考察される。楕円７０、７２、７４、７６は、決定されたガウス分布を正確には示さないが、むしろガウス分布が起きる対象領域の一般的なインジケータである。

管腔領域に対応する管腔分布（楕円７０）は、造影血管領域を表す画素の分布である。造影剤は血液の画素を強調するために行われるので、造影血管領域を表す画素は、非造影画像よりも造影画像の方が高い値を有すると予想される。造影剤の量は、血管内または血管間で変化する場合があり、画素強調量も変化する場合がある。従って、造影血管領域に対応する画素は、横軸に平行して位置する棘突起としてジョイントヒストグラムプロット上で群がると予想される。

非造影領域に対応する非強調領域分布（楕円７２）は、画素値が非造影ＣＴスキャンと造影ＣＴスキャンとの間で実質的に変化しない、すなわち、非造影画像の画素の画素値と造影画像の画素の画素値とが略等しい。画素値が略等しい画素は、ジョイントヒストグラムの対角線上またはその周囲に位置する。ノイズ又は位置ずれの結果として、対角線からのばらつきが発生する場合がある。

ブルーミング領域に対応するブルーミング分布（楕円７４）は、造影画像の画素の画素値が非造影画像の画素の画素値よりも大きいが、造影画像の画素の画素値が非造影画素の予想される画素値範囲から外れている画素の分布である。ブルーミング分布は、ブルーミングを表す画素を含み、位置ずれによってもたらされた画素の増大を伴う画素も含む。ブルーミングは、非造影画像の中よりも造影画像の中の方が大きいと予想される。

位置ずれ領域に対応する位置ずれ分布（楕円７６）は、造影画像の画素の画素値が非造影画像の画素の画素値よりも小さい画素の分布である。造影剤が加えられたときいかなる解剖学的領域も画素が下がるべきとは予想されないので、非造影ＣＴスキャンと造影ＣＴスキャンとの間の画素の低下を表す画素は、潜在的に位置合わせが正確でないエリアと一致する場合がある。すなわち、非造影ＣＴスキャン内の画素が造影ＣＴスキャン内の画素に対応すると予想される画素よりも高い画素を有する場合、それは、画素間の対応関係（位置合わせ）が誤って決定された場合である。

画像内の対象（例えば、石灰沈着）の位置がずれた場合、非造影画像から造影画像に画素が上がるように見える対象の一方の側にある画素、および非造影画像から造影画像に画素が下がるように見える対象の他方の側にある画素が存在する。実際には、画素に変化はないが、石灰沈着の一部である画素が石灰沈着の一部ではない画素に誤ってマッピングされている結果をもたらす、位置合わせにおけるエラーが存在する場合がある。

４つのガウス分布について平均、分散、および重みが決定されると、処理回路４５は、セグメント機能５２として、決定された分布（ヒストグラム上の点のクラスタの各々の決定された位置および範囲）を使用して、カラーモデル１０７を決定する。カラーモデル１０７は、画素値のペア（非造影の画素、造影された画素）への色値のマッピングである。カラーモデルを使用して画像がレンダリングされたとき、１つの分布の一部である画素は、別の分布の一部である画素と区別される。

本実施形態では、処理回路４５は、ジョイントヒストグラム上の複数の領域（領域８０、８２、８４、および８６）を特定することによって、カラーモデル１０７を決定する。カラーモデル１０７は図７Ａに表される。領域８０は、ジョイントヒストグラムの三角形の領域である。領域８０は、非造影画像から造影画像への画素の低下を表す画素を含む。領域８０は、少なくとも一部の位置ずれ分布７６を含む。領域８２は、ジョイントヒストグラムの三角形の領域である。領域８２は、強調された軟部組織を表す画素を含む。領域８２は、少なくとも一部の管腔分布７０を含み、管腔分布７０を参照して位置が特定される。領域８４は、造影画像内における造影領域であり。領域８４は、少なくとも一部の管腔分布７０、特に高造影のエリアを含む。領域８６は、非造影画像と造影画像との間の画素の増大を有する画素を代表し、その非造影画素は血液の非造影画素よりも高い。領域８６は、少なくとも一部のブルーミング分布７４を含む。

図７Ｂは、図７Ａのカラーモデルにオーバーレイされた図６のジョイントヒストグラムを示す。本実施形態では、例えば、領域８０は緑色で色付けされ、領域８２は赤色で色付けされ、領域８４は黄色で色付けされ、領域８６はマゼンタで色付けされる。赤色と黄色は、主要な造影部分を示すために使用される。

さらに、本実施形態では、セグメント機能５２において処理回路４５は、カラーモデルを２段階で生成する。例えば、Ｘ軸とＹ軸についてウィンドウ／レベルの勾配の特定のペアについての平均グレー値に対応するグレースケールレイヤを生成する。

次に、処理回路４５は、簡単な三角形メッシュを使用して第２のレイヤを生成する。三角形メッシュの各頂点は、色と不透明度の値を有する。第２のレイヤ内の画素は、各々三角形メッシュ内で含有する頂点間を補間することによって決定されたそれらの色と不透明度とを有する。

さらに、第２のレイヤは、グレースケールテーブル上に合成されて、最終的なカラーモデルを与える。第１のレイヤと第２のレイヤの合成は、アルファブレンディングを備える場合がある。グレースケールレイヤは、非造影の領域を、標準の二次元スライスビューアで見るときの同領域と同様に見せる。

なお、カラーモデルは、自動または手動である任意の適切な方法を使用して生成されてもよい。

ジョイントヒストグラムの各領域は、領域内の色のばらつき、例えば、領域の縁部の色よりも領域の中心の色が明るい場合がある。他の実施形態では、任意の色または光学特性が使用される。例えば、色だけでなく、領域がくすみ、光沢、または透明にされる場合がある。ジョイントヒストグラムの特定された領域は重なる場合があり、その場合、色または光学特性は任意の適切な方式で合成される場合がある。例えば、色は平均化される場合がある。本実施形態では、色ブレンディングは、ヒストグラムの所定の領域への接近を表す。

また、セグメント機能５２において処理回路４５は、ＸおよびＹにおけるグレーススケール勾配を特定する。当該グレーススケール勾配は、カラーモデル１０７に含まれる。勾配は、通常、画素データのフルレンジをカバーしないが、値が対象のレンジにわたって変化するように構成される場合がある。本実施形態では、勾配（線形変化）が使用されるが、これに限定されず、非線形変化が使用される場合がある。対象のレンジを特定することは、ウィンドウレベリングと呼ばれる場合がある。セグメント機能５２において処理回路４５は、画像データに対してウィンドウレベリングを実施して、グレーススケール勾配を特定することができる。カラーモデル１０７は、位置合わせされた非造影画像１０３、造影画像１０１、又は位置合わせされた非造影画像１０３と造影画像１０１との組合せのいずれかのウィンドウレベリングされたビューを表示するように設定される。

本実施形態においてカラーモデル１０７は、位置合わせされた非造影画像１０３および造影画像１０１に基づいて決定される。なお、カラーモデル１０７は、ユーザにより全体的または部分的に決定される場合がある。例えば、ディスプレイ３６にジョイントヒストグラムを表示する。ユーザは、目に見える先端と棘突起とを見出し、例えば、入力インターフェイス回路３８を使用して領域を強調表示することによって、ジョイントヒストグラムの適切な領域の境界を画定する。処理回路４５は、セグメント機能５２として、ユーザによって画定された領域に基づいて、領域８０と領域８２と領域８４と領域８６とを特定する。

本実施形態では、４つのガウス分布がジョイントヒストグラムから決定される。他の実施形態では、任意の適切な数の分布が決定される場合がある。各分布は、ジョイントヒストグラムの任意の適切な領域、例えば、組織型を表す画素を含んでいる任意の領域、またはアーティファクトを表す画素を含んでいる任意の領域を表す場合がある。

なお、セグメント機能５２により管腔領域、非造影領域、ブルーミング領域、及び位置ずれ領域の分布を決定し、ジョイントヒストグラムにそれらの分布の図を表示してもよい。ユーザは、当該決定された分布に基づいて、カラーモデルの領域、例えば、色付けされた領域を特定する。

決定されたカラーモデル１０７は、入力値（第１の画素値、第２の画素値）の各画素をそれぞれの色値にマッピングするテーブルとして記憶される。他の実施形態では、カラーモデルは任意の適切なフォーマットで記憶される場合がある。例えば、領域８０、８２、８４、および８６の範囲は、第１の画素値と第２の画素値の関数のセットとして記憶される場合がある。例えば、図７Ａに示されたカラーモデル１０７の場合、三角形のセットが記憶される場合があり、各色値は三角形から再構成される場合がある。任意の適切なテーブルまたは関数が使用される場合がある。

本実施形態では、カラーモデル１０７が予め計算されるが、これに限定されないカラーモデル１０７は、予め計算されなくてもよい。特定のビューをレンダリングする必要があるカラーモデル１０７は、必要に応じて計算される。

また、カラーモデルのレンジは、適切なデータレンジにクランプされて、テーブルが大きくなりすぎることを予防する。また、カラーモデルは低減された解像度で計算され、必要な値を導出するためにレンダリング中に補間が使用される場合がある。

処理回路４５は、レンダリング機能５０として、ステップ６０でスライスの画像をレンダリングする。結果として生じたレンダリング画像１０８は、非造影画像と造影画像の両方から導出された情報を含む。

スライスの画像をレンダリングするために、処理回路４５は、レンダリング機能５０として、各々がレンダリングされた画像のそれぞれの画素に対応する、画像ボリューム内の点のセットを決定する。点は対象のスライスに位置する。

本実施形態では、スライス上の点は、位置合わせされた非造影画像１０３内、または造影画像１０１内で決定される場合がある。位置合わせされた非造影画像１０３および造影画像１０１は、同じ座標系を有する。他の実施形態では、スライス上の点は、造影画像１０１内で識別され、変形場１０２は、非造影画像１００内の対応する点を決定するために使用される。

処理回路４５は、レンダリング機能５０として、画素ごとに、（例えば、隣接する画素の画素を補間することによって）位置合わせされた非造影画像１０３内の対応する点についての第１の画素値と、造影画像１０１内の対応する点についての第２の画素値とを検索する。次いで、処理回路４５は、レンダリング機能５０として、その点にある第１の画素値と第２の画素値とを使用して、テーブルに索引を付ける。画素用の出力色が決定される。画素用の出力色は、画素のペアに関連付けられた色値である。

出力色＝ｔａｂｌｅ（ｐｏｓｔ，ｐｒｅ） …（１）
ここで、ｔａｂｌｅはカラーモデルを表すテーブルであり、ｐｒｅは位置合わせされた非造影画像１０３内の点の画素値であり、ｐｏｓｔは造影画像１０１内の点の画素値である。従って、カラーモデル１０７は、両方のボリューム内の対応する点のハンスフィールド値に基づいて、画素を色付けするために使用される。

本実施形態において色は各画素にレンダリングパラメータの一つとして割り当てられる。他の実施形態では、他の光学特性、例えば、明るさ、テクスチャ、不透明度、透明度、陰影、艶消し面効果、又は光沢面効果が、レンダリングパラメータとして、各画素に割り当てられても良い。

レンダリング画像１０８は、位置合わせされた非造影画像１０３と造影画像１０１の両方からの情報を含む融合ビューを提供する。レンダリング画像１０８は、従来の差分画像よりも多くの情報コンテンツを有することができる。

複数の領域を特定し、様々な領域に様々な色および光学特性のうちの少なくとも１つを割り当てることによって、様々な組織型およびアーティファクトのうちの少なくとも１つは、レンダリング画像１０８内で視覚的に区別される。第１の組織型またはアーティファクトは、ジョイントヒストグラムの第１の領域に入る画素を有することができる。第２の組織型またはアーティファクトは、ジョイントヒストグラムの第２の領域に入る画素を有することができる。第１の領域内の点を第２の領域内の点と異なるように色付けすることによって、第１の組織型またはアーティファクトは、レンダリング画像１０８内で第２の組織型またはアーティファクトと視覚的に区別される。

レンダリング画像１０８の一例を図８に示す。図８は、造影剤の吸収率（赤色および黄色）と、ブルーミング（マゼンタ）とを含み、位置ずれ（緑色）を含まない、カラーモデルを使用して色付けされた大動脈の画像を示す。図８の画像内の各画素は、位置合わせされた非造影画像１０３内の対応する点の第１の画素値および造影画像１０１内の対応する点の第２の画素値に基づいて色付けされる。低い造影剤の吸収率の領域は赤色で色付けされる。高い造影剤の吸収率の領域は黄色で色付けされる。最初の画素値が隣接するブルームアーティファクトによって影響を受けるコントラクト吸収率の領域は、マゼンタで色付けされる。

第１の画素値と第２の画素値の間に著しい差異が存在しないところでは、グレースケール値が使用される。グレースケール勾配は、非造影画像および造影画像の中のウィンドウレベルのブレンドに基づく。

図９は、図７Ａのカラーモデルを使用して色付けされた大動脈のさらなる画像である。緑色のエリアは位置合わせの問題を示す。図９の例では、非造影ＣＴスキャンと造影ＣＴスキャンとの間で動きが発生している。動きによって影響を受けた石灰沈着は、非造影ＣＴスキャンに比べて造影ＣＴスキャン内の低下した画素の領域を有する。石灰沈着の誤った位置合わせにより、石灰沈着の一方の側が緑色（画素の低下）になり、石灰沈着の他方の側がマゼンタまたはオレンジ（画素の増大）になる。少し緑色を伴うマゼンタは、位置合わせエラーが存在せず、それ故マゼンタのエリアが位置ずれではなくブルーミングを表す可能性があることを意味する。

非造影画像と造影画像は、単一の視覚化で合成される。一般的に言えば、図９のグレースケール値は、位置ずれしていない非造影画像に対応する。本実施形態では、グレースケール値の画素は、非造影画像からの画素値と造影画像からの画素値の合成である。他の実施形態では、グレースケール値は、被造影画像、造影画像、または非造影画像と造影画像との間のブレンドを示すように構成される場合がある。

図７Ａのカラーモデル内にグレースケール勾配のみが存在した場合、結果として生じた画像１０８は、従来の差分のウィンドウレベル化されたＭＰＲ画像のように見える。カラーモデル１０７を使用して色を追加することによって、より多くの情報がユーザに提供される。

本実施形態では、レンダリング画像１０８は二次元スライスであるが、他の実施形態では、レンダリングされた画像は、任意の適切なタイプの画像、例えば、二次元スライス、二次元マルチプレーナレンダリング（ＭＰＲ）画像、スラブＭＰＲ画像、湾曲ＭＰＲ画像、陰影ボリュームレンダリング（ＳＶＲ）画像、またはＩＰ画像である。

本実施形態では、色値は、レンダリング画像１０８の画素に対応する、スライス上の点についてのみ決定される。他の実施形態では、色値（または他の光学特性）は、画像内の任意の適切な画素または点について決定される場合がある。

ここで、色値は、造影画像１０１（または位置合わせされた非造影画像１０３）の３次元領域内の点について取得され、レンダリング画像１０８の画素ごとの色値は、３次元領域内の複数の点についての色値を合成することによって取得されてもよい。例えば、スラブの画像は、複数のスライスからの点を合成することによって取得されてもよい。

本実施形態では、カラーモデルは、位置合わせされた非造影画像１０３内の対応する画素を有する造影画像１０１内の全ての画素を代表したジョイントヒストグラムを使用して決定されたが、これに限定されない。ジョイントヒストグラムおよびカラーモデルのうちの少なくとも１つは、画像データを使用して決定されてもよい。例えば、ジョイントヒストグラムは、レンダリングされるべきスライスの一部である画素のみをプロットし、カラーモデルは、ジョイントヒストグラム内の画素に基づいて決定してもよい。また、ジョイントヒストグラムは、造影画像の１つまたは複数のセグメント化された領域からの画素のみをプロットする場合がある。一例では、ジョイントヒストグラムは、セグメント化された冠状動脈の周囲の領域内にある画素のみをプロットしてもよい。

図５の実施形態では、セグメント機能５２として、ジョイントヒストグラムからカラーモデル１０７を自動的に決定するが、これに限定されない。セグメント機能５２として、既存のカラーモデルをロードする場合があり、処理対象画像からカラーモデルを決定しなくてもよい。

また、カラーモデル１０７は、図５の処理より前に決定される。例えば、カラーモデル１０７は、図５の処理で撮像された患者とは異なる１人または複数の患者からのデータを使用して決定されてもよい。予め１人の患者または複数の患者により構成されるグループにより決定されたカラーモデル１０７は、さらなる患者からのデータの視覚化で使用される。

また、最初のカラーモデルは、ジョイントヒストグラム分析を使用することによって、検討中のスキャンに適合する場合がある。クラスタ分析（例えば、ｋ平均と期待値最大化とに適合するガウス型混合モデル）は、造影棘突起の位置と範囲とを見出すために使用される場合があり、赤黄勾配の位置決めが実施される。

カラーモデルを使用して色付けされたレンダリング画像１０８は、ディスプレイ３６上に表示される。なお、ユーザは、視覚化の態様を制御することができる。例えば、ユーザは、レンダリング画像１０８に割り当てられた色および光学特性のうちの少なくとも１つの一部または全部の寄与を制御することができる。具体的には、ユーザは、赤色、黄色、マゼンタ、および緑色が画像内で表示される範囲を制御することができる。いくつかの状況では、ユーザは、下にあるグレースケール値を見ることができるように、これらの色を完全に除去することを望む場合がある。また、赤色と、黄色と、マゼンタと、緑色とを除去すると、ユーザが見るために使用される、従来の差分画像がもたらされる。ユーザは、下にある画像が非造影ＣＴスキャンと造影ＣＴスキャンとの間で減衰されるように、グレースケールマッピングを制御することができる。

ユーザは、任意の適切な方法により、例えば、スライダを使用すること、プリセットを選択すること、またはサムネイル間で選択することにより、視覚化を制御することができる。いくつかの実施形態では、スライダは、画像に適用される色のレベル（例えば、緑色、黄色、赤色、およびマゼンタ）を制御するために使用される。スライダは、色のオーバーレイの重要度を制御することができる。例えば、ユーザは、スライダを動かして、画像内の色の量を低減することができる。なお、ユーザは、各色のレベルを個別に制御することができる。例えば、ユーザが位置ずれを見出すことに特に関心がある場合、ユーザは、画像の緑色のエリアの明るさを上げることができる。

レンダリングされた画像内のグレースケールマッピングは、非造影画像、造影画像、または非造影画像と造影画像の合成を表す場合がある。また、スライダは、グレースケールマッピングを制御するために使用され手もよい。スライダの一端で、色は非コントラスト画像にオーバーレイされる。スライダの他端で、色は造影画像にオーバーレイされる。スライダの中央では、色は造影と非造影の合成を使用する画像（例えば、差分値を使用する画像）にオーバーレイされる。それによって、ユーザは、レンダリング画像１０８に対する第１の画素値と第２の画素値の相対的な寄与を制御することができる。

カラーモデルによって決定された色を使用する視覚化は、従来のグレースケール差分画像よりも直観的な解釈を提供することができる。カルシウムはやはり見ることができ、造影血管領域から区別することも容易である。いくつかの困難なケースでは、色の視覚化は、従来のグレースケール差分画像よりも読み取ることが容易である。グレースケール差分画像を読み取るよりも、色付けされた視覚化を読み取る方が速く習得することができる。色付けされた視覚化は、慢性閉塞を見るときに使用される場合がある。いくつかの状況では、冠状動脈疾患は、色付けされた視覚化を使用して診断が容易になる。

図５の方法は、両方のチャネル（造影と非造影）を保存し、従って、通常のサブトラクション画像よりも多くの情報を保持する視覚化を提供することができる。スカラーの視覚化ではなくマルチチャネルの視覚化を使用することによって、ユーザは、位置合わせに自信がないところを識別することが可能である。図５の方法は、管腔よりもブルーミングの視覚化を可能にすることができる。

なお、単一の様式からの２つの画像セット用の共通基準系を生成する位置合わせエンジンと、両方のデータセット内の対応する点をサンプリングしてデータ値のペアを生成し、データ値のペアを使用してカラーモデルを検索して処理されたデータ値を生成し、表示用画像を生成する間処理されたデータ値を使用するためのレンダリングエンジンとを備える、造影血管を視覚化する方法を提供してもよい。

２つの画像セットのうちの第１のデータセットは、造影画像である。２つの画像のうちの第２のデータセットは、非造影画像である。レンダリングエンジンは、二次元スライスビューア、ＭＰＲスラブ、湾曲スラブ、ＩＰ、またはＳＶＲのうちの１つを出力するものである。

カラーモデルは、ジョイントヒストグラム内の識別されたクラスタが異なって色付けされるようにセットアップされる。識別されたクラスタは、造影血管領域、ブルーミングアーティファクト、および位置合わせの不正確さを示す。

カラーモデルは、非造影ＣＴスキャン、造影ＣＴスキャン、または非造影ＣＴスキャンと造影ＣＴスキャンの両方の重み付けされたブレンドのウィンドウレベル化されたビューを示すようにセットアップされる。なお、２次元カラーモデルは、非造影画像と造影画像とを合成する場合に使用され、１次元カラーモデルは、非造影画像と造影画像とを個別に表示する場合に使用されてもよい。

ジョイントヒストグラム内の分布の決定（例えば、図５を参照して上述された管腔領域、非強調領域、ブルーミング領域および位置ずれ領域の分布の決定）は、いくつかの実施形態についてここで記載されるように、レンダリングで使用されるだけでなく、またはその代わりに、血管セグメント化処理への入力として使用される場合がある。

図４のシステムは、図１１で概観として示された一連のステップを実施するように構成される。より詳細に一実施形態を示すフローチャートは、図１２で提示される。

図１１および図１２は、各々、組織がヒストグラムから分類され、カルシウムの別の分類も実施されるプロセスを示すフローチャートである。しかしながら、他の実施形態では、全ての組織はヒストグラムから分類され、別のカルシウムの分類は実施されない。

図１１のステップ２１０で、受信回路４４は、非造影画像１００と、造影画像１０１とを受信する。本実施形態では、非造影画像１００は、患者の冠状動脈のカルシウムスコアスキャンから取得され、造影画像１０１は、患者の冠状動脈のＣＣＴＡスキャンから取得された造影画像である。

なお、任意の非造影画像および造影画像が使用されてもよい。また、受信回路４４によって受信された画像データは、ＤＣＥスキャンからの画像データ、例えば、肝臓ＤＣＥスキャンで肝臓血管を表す画像データであってもよい。受信回路４４は、非造影画像１００と造影画像１０１とを処理回路４５に渡す。

ステップ２２０において処理回路４５は、非造影画像１００を造影画像１０１と位置合わせする。任意の適切な位置合わせ方法が使用される場合がある。本実施形態において処理回路４５は、非剛体レジストレーションステップと剛体レジストレーションステップの組合せを実施する。本実施形態で使用される位置合わせ方法は、Ｒａｚｅｔｏ，Ｍ．、Ｍｏｈｒ，Ｂ．、Ａｒａｋｉｔａ，Ｋ．、Ｓｃｈｕｉｊｆ，Ｊ．Ｄ．、Ｆｕｃｈｓ，Ａ．、Ｋｕｈｌ，Ｊ．Ｔ．、Ｃｈｅｎ，Ｍ．Ｙ．、およびＫｏｆｏｅｄ，Ｋ．Ｆ．、「Ａｃｃｕｒａｔｅ， ｆｕｌｌｙ−ａｕｔｏｍａｔｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉｅｓ ｆｏｒ ｖｏｌｕｍｅｔｒｉｃ ＣＴ ｄｉｇｉｔａｌ ｓｕｂｔｒａｃｔｉｏｎ ａｎｇｉｏｇｒａｐｈｙ」、Ｐｒｏｃ．ＳＰＩＥ９０３４，９０３４３Ｆ−９０３４３Ｆ−７（２０１４）に記載されている。

ステップ２３０において処理回路４５は、、非造影画像内のカルシウム領域とブルーミング領域とを分類する。非造影画像内の画素は２つのクラスに分類される。第１のクラスは、カルシウム領域またはブルーミング領域のいずれかを表す。画素第２のクラスは、カルシウム領域またはブルーミング領域のいずれかを表さない。画素なお、非造影画像内の画素は、カルシウム領域を表すクラスと、ブルーミング領域を表すクラスと、カルシウム領域もブルーミング領域も表さないクラスという、３つのクラスに分離されてもよい。

ステップ２４０において処理回路４５は、図６を参照して上述されたように、ジョイントヒストグラムを生成する。

ステップ２５０において処理回路４５は、ジョイントヒストグラムを使用して、管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域への画素の自動分類を実施する。ジョイントヒストグラム内の任意の適切な分類方法が使用される。

ステップ２６０において処理回路４５は、ステップ２３０からのカルシウム領域およびブルーミング領域の分類と、ステップ２５０からの管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域の分類とを使用して、血管をセグメント化する。

ステップ２３０から２６０は、米国特許出願第１４／０９９０９２号に記載されたプロセスと同じまたは同様の、分類処理とセグメント化処理とを備える。

図１２は、本実施形態に係る画像処理装置の処理のステップを示す、より詳細なフローチャートである。

ステップ３１０において受信回路４４は、非造影画像と造影画像とを受信し、ステップ３２０において処理回路４５は、位置合わせ機能４８として、非造影画像と造影画像とを位置合わせする。処理回路４５は、位置合わせを使用して位置合わせされた非造影画像１０３を生成する。

ステップ３２２において処理回路４５は、効率的な活性輪郭アルゴリズムを使用して、造影画像１０１内の血管を概略的にセグメント化する。概略的なセグメント化は、対象ではない材料を表す画素、例えば、空気または骨を表す画素を除去するために使用される。概略的なセグメント化により、血管壁が他の軟部組織と区別されることが可能になる。

なお、概略的なセグメント化を実施するために、任意のセグメント化方法が使用されてもよい。概略的なセグメント化技法は、血管追跡の任意の適切な方法である血管追跡方法を含む。さらに、概略的なセグメント化は実施されなくてもよい。

概略的なセグメント化により、造影画像内のどの画素が血管の一部であるかの推定がもたらされる。その推定は正確ではない場合があり、血管の周囲の何らかの軟部組織を含む。処理回路４５は、血管の概略的なセグメント化の一部を含む造影画像内の画素を出力する。

ステップ３２３において処理回路４５は、概略的なセグメント化によって決定された造影画像１０１内の画素に対応する、位置合わせされた非造影画像１０３内の画素を識別する。

処理回路４５は、概略的なセグメント化に形態学的拡張（本実施形態では、２倍の拡張）を適用する。処理回路４５は、位置合わせされた非造影画像１０３の画素を識別する。拡張後に非造影画像１００内の画素は、カルシウム領域とブルーミング領域の分類を実施するために使用される画素である。

なお、異なる形態学的拡張が使用されても良いし、形態学的拡張が使用されなくても良い。

ステップ３３０において処理回路４５は、非造影画像１００内のカルシウム領域とブルーミング領域との分類を実施する。ステップ３３０の分類は、図１２のステップ３３２から３３６を含む。本実施形態では、分類方法は教師なし分類方法であるが、これに限定されない。教師ありなしにかかわらず、任意の適切な分類方法が使用されてもよい。

ステップ３３２において処理回路４５は、ステップ３２３の形態学的拡張で決定された画素を使用する。処理回路４５は、カルシウム領域もブルーミング領域も表さない画素から、カルシウム領域とブルーミング領域との画素を分割するために使用される画素の閾値を決定する。本実施形態では、閾値は、ベイズ情報量基準（ＢＩＣ）技法を使用して、異なる候補の閾値のどちらかに決めることによって見出される。なお、異なる形態の情報量基準が使用されても良いし、閾値を決定する任意の他の適切な方法が使用されても良い。

まず、処理回路４５は、候補の閾値を決定する。例えば、ステップ３２３の形態学的拡張で決定された画素の画素値の画素最大値と最小値とを識別し、異なる複数の候補の閾値を決定する。各候補の閾値は、最小画素値よりも大きく、最大画素値よりも小さい値に設定される。

次に処理回路４５は、モデルの有限のセットを規定する。各モデルは、候補の閾値のうちの異なる閾値を使用して、ステップ３２３からの画素を区分する。２つの区分の各々の中のデータに、適切な分布、例えば、ガウス分布が適合する。処理回路４５は、モデルごとに、閾値の関数として、２つの区分またはサブグループに対してＢＩＣを計算する。それによって、処理回路４５は、モデルの有限のセットの各々についてＢＩＣ測定値を取得する。処理回路４５は、閾値に対するＢＩＣ測定値のグラフを生成する。処理回路４５は、閾値が他の画素からカルシウム領域とブルーミング領域の画素を最良に分割するモデルとして、ＢＩＣ測定値グラフの最大値に対応するモデルを選択する。処理回路４５は、カルシウム領域とブルーミング領域の分類のさらなるステップで使用される閾値として、ＢＩＣ測定値グラフの最大値に対応する候補の閾値を設定する。

ステップ３３３において処理回路４５は、ステップ３３２からの閾値を非造影画像に適用し、閾値より上のステップ３２３からの画素内の画素を識別する。処理回路４５は、識別された画素をカルシウム領域またはブルーミング領域の画素としてフラグ付け、または場合によってはマークすることができる。本実施形態では、処理回路４５は、カルシウム領域またはブルーミング領域として識別された画素のセットを規定する。

ステップ３３４において処理回路４５は、連結成分分析を使用して、造影画像内の個々の領域を識別し、領域の各々は、個々のカルシウム沈着およびブルーミングのうちの少なくとも１つの領域である。各領域は、複数の連結画素を備える。連結成分分析処理は、代表カルシウム領域または代表ブルーミング領域として識別された画素に適用される。連結成分分析は、連結画素間のクラスタの各々を別々の領域として識別する。連結画素の領域を識別するために、任意の適切な連結成分分析処理が使用される場合がある。

連結成分分析により、ステップ２２３で識別された非造影画像からの画素内で、個別のカルシウム領域またはブルーミング領域の識別されたセットがもたらされる。

ステップ３３５において処理回路４５は、カルシウム領域ごとの画素分布を、ｋ平均および期待値最大化（ＥＭ）のうちの少なくとも１つを使用してガウス型に適合させる。ｋ平均アルゴリズムは、「Ｓｏｍｅ ｍｅｔｈｏｄｓ ｆｏｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｍｕｌｔｉｖａｒｉａｔｅ ｏｂｓｅｒｖａｔｉｏｎｓ」（Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｉｆｔｈ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍａｔｈ，Ｓｔａｔｉｓｔｉｃｓ，ａｎｄ Ｐｒｏｂａｂｉｌｉｔｙ，ｐａｇｅｓ ２８１−２９７，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃａｌｉｆｏｒｎｉａ Ｐｒｅｓｓ，１９６７）におけるＪＢ ＭｃＱｕｅｅｎ、ならびに「Ｓｏｍｅ ｅｘｔｅｎｓｉｏｎ ｏｆ ｔｈｅ ｋ−ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ」（ＡＩ Ｍｅｍｏ １３９０，Ｍａｓｓａｃｈｕｓｅｔｔｓ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｃａｍｂｒｉｄｇｅ，ＭＡ，１９９３）においてＪ ＭａｒｒｏｑｕｉｎおよびＦ Ｇｉｒｏｓｉによって記述されている。期待値最大化（ＥＭ）アルゴリズムは、「Ｔｈｅ ｅｘｐｅｃｔａｔｉｏｎ−ｍａｘｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ」 （Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｍａｇａｚｉｎｅ，ＩＥＥＥ，ｖｏｌ．１３，ｐａｇｅｓ ４７−６０，Ｎｏｖｅｍｂｅｒ １９９６）においてＴＫ Ｍｏｏｎによって記述されている。

また、任意の適切な適合する関数が使用されるがこれに限定されない。各画素分布は、ガウス型ではなく代替の分布に適合する。

ステップ３３６において処理回路４５は、非造影画像内の画素ごとに、適合する分布に基づいて、画素がカルシウム領域またはブルーミング領域を表す尤度を規定する。これで、ステップ３３０（位置合わせされた非造影画像１０３内のカルシウム領域とブルーミング領域の分類）を終了する。

ステップ３３７は、ステップ３３０の前、後、又は同時に実行される。ステップ３３７において処理回路４５は、として、図１２のステップ３２３の形態学的拡張で決定された画素を使用する。処理回路４５は、ステップ３２２の概略的なセグメント化の拡張である、ステップ３２３の形態学的拡張で決定された画素を採用する。処理回路４５は、画素によって表された血管を、血管の長さに沿った複数のセクションに分割する。図１３は、血管壁１４２と血管腔１４４とを備える撮像された血管１４０の一部を通る概略横断面を示す。血管は、破線によって示された複数の隣接セクション１４６に分割されている。

図１２のステップ３３８において処理回路４５は、互いに隣接する複数のセクションを血管領域に分類する。例えば、図１３において５つのセクションの各々は、僅かに重複している。ステップ３３９において処理回路４５は、ガウスカーネル１５０を各血管領域に適用し、重み付けされた画素のセットを生成する。

ステップ３４０において処理回路４５は、各血管領域を対象として非造影画像と造影画像とに基づいて画素ジョイントヒストグラムを生成する。ジョイントヒストグラムは、図６のジョイントヒストグラムと同様であるので、ジョイントグラムの生成の説明については省略する。

ステップ３５０において処理回路４５は、４つの分布である、管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域の各々の平均と分散と重みとを決定する。管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域の分布は、図６を参照して上述されたように描画される。各組織型（またはブルーミングまたは位置ずれ）は、ジョイントヒストグラム内の二次元ガウス分布を有するという仮定が行われる。本実施形態では、ｋ平均アルゴリズムは、４つのガウス分布全ての平均と分散と重みとを決定するために、期待値最大化アルゴリズムと連携して使用される。これによりジョイントヒストグラム内の点の各々の対応するクラスタについての位置と範囲とが決定される。なお、各分布についての平均と分散と重みとを決定するために、任意の適切な技法が使用されてもよい。分布はガウス型ではない場合がある。４つよりも多いかまたは少ない分布が決定され、分布は様々な組織型およびアーティファクトのうちの少なくとも１つを表す。

本実施形態において処理回路４５は、その血管領域用のジョイントヒストグラムを使用して、所定の血管領域内の血管腔および血管壁のガウス分布について、平均と分散と重みとを決定する。管腔領域と管壁領域の分類は、各血管領域内で独立して実施される。しかしながら、位置ずれ領域およびブルーミング領域の場合、特定の血管領域内でガウス分布を適合させるには不十分な統計データが存在する場合がある。従って、位置ずれ領域およびブルーミング領域についての分布は、血管樹全体用の画素を備えるジョイントヒストグラムに適合する。また、血管核領域の場合、統計データは、血管腔および血管壁に適合させるのに十分であるが、血管核領域内で位置ずれまたはブルーミングに適合させるには十分ではない場合がある。従って、そのような場合、本実施形態では、ブルーミングおよび位置ずれは、血管樹全体を使用して広域的に適合することができる。

なお、ブルーミング領域または位置ずれ領域は、分類された管腔領域および管壁領域のうちの少なくとも１つの分布からのオフセットである、ヒストグラムの固定領域を使用して識別される。例えば、所定の血管核領域のジョイントヒストグラム内のブルーミング領域についての分布は、管腔分布の中心から所定の距離に固定サイズの分布を位置付けることによって決定される場合があり、管腔分布は、血管核領域用のジョイントヒストグラムに適合させることによって決定されている。

ステップ３５２において処理回路４５は、計算された血管領域の各々の尤度（または確率）に基づいて、各画素に管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域の各々についての尤度（または確率）を割り当てる。

本実施形態において処理回路４５は、ステップ２５０の尤度に従って、画素ごとに、画素が管腔領域を表す尤度と画素が管壁領域を表す尤度と画素がブルーミング領域を表す尤度と画素が位置ずれ領域を表す尤度とを規定する。従って、セグメント機能５２として、非造影画像内の画素Ｉと造影画像内の画素Ｊとを有する所定の画素が、所定の組織型（またはブルーミングまたは位置ずれ）の画素である尤度を構築する。

ステップ３６０において処理回路４５は、ステップ３３６において取得されたカルシウム領域またはブルーミング領域についての尤度または確率と、ステップ３５２で取得された管腔領域、管壁領域、ブルーミング領域、および位置ずれ領域についての分類とを使用する。

管腔領域とカルシウム領域とブルーミング領域との間を区別すると、ブルーミングクラスの特別な処置（例えば、重み付けまたはモデル化）が可能になる。いくつかの追加の診断がブルーミングから行われる場合がある。例えば、ブルーミングデータは、物理モデルの中、または機械学習技法を使用してデータから習得されるモデルの中で使用される場合がある。そのようなモデルは、石灰沈着と管腔とを分離する助けになる場合があり、より正確なセグメント化、またはより正確な計算の推定につながる場合があり、狭窄の程度のより正確な推定につながる場合がある。

図１０は、カルシウム領域とブルーミング領域が存在する非造影画像を示す。ジョイントヒストグラムを使用して管腔領域とブルーミング領域とを分離すると、血管外部のブルーミング（例えば、図１０の領域９０）が管腔内へのブルーミング領域（例えば、図１０の領域９２）と区別されることが可能になる場合がある。

画素が尤度または確率を割り当てられると、それらの尤度または確率は、画素データを備えるデータセットから各特定の型の画素をセグメント化するために使用される。本実施形態では、各型の画素がセグメント化されたデータセットは、位置合わせされた非造影画像１０３と造影画像１０１との両方から画像データを組み込む、合成されたデータセットである。

本実施形態では、画素がセグメント化されたデータセットは、位置合わせされた非造影画像１０３および造影画像１０１からの画素の全てを備える。セグメント化は、全データセットからのデータを使用し、概略的なセグメント化に限定されない。他の実施形態では、画素がセグメント化されたデータは、図１２のステップ２２２で概略的にセグメント化された画素のみ、または任意の他の適切な画素を備える。

管腔のセグメント化は、レベル設定手法を使用して実施される。管腔のセグメント化用のレベル設定技法は、Ｍｏｈｒ Ｂ、Ｍａｓｏｏｄ Ｓ、Ｐｌａｋａｓ Ｃ、２０１２、「Ａｃｃｕｒａｔｅ ｌｕｍｅｎ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｓｔｅｎｏｓｉｓ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｉｎ ｃｏｒｏｎａｒｙ ＣＴＡ」、Ｐｒｏｃ． ｏｆ ＭＩＣＣＡＩ Ｗｏｒｋｓｈｏｐ 「３Ｄ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｍａｇｉｎｇ：ａ ＭＩＣＣＡＩ Ｓｅｇｍｅｎｔａｔｉｏｎ Ｃｈａｌｌｅｎｇｅ」に記述されている。全ての分類（ジョイントヒストグラムからの管腔領域、管壁領域、位置ずれ領域、およびブルーミング領域、ならびに非造影画像からのカルシウム領域およびブルーミング領域）は、レベル設定を駆動する速度関数を重み付けするために使用される。速度関数は、全ての決定された尤度を使用する。従って、速度関数は、取得された分類に応じて決定される。

レベル設定は、セグメント化を実現するために解決される。レベル設定処理は、各個の画素を組織型（または位置ずれまたはブルーミング）に割り当てる。セグメント機能５２において処理回路４５は、血管腔に割り当てられた画素を抽出する。

処理回路４５は、位置ずれ領域の分類に基づいて、セグメント化用の推定信頼レベルを決定する。多数の画素が位置ずれクラスに分類された場合、推定信頼レベルは低く、少数の画素のみが位置ずれクラスに分類された場合、推定信頼レベルは高いといえる。

位置ずれの分類により、推定信頼性がセグメント化に適用されることが可能になる場合がある。位置ずれの識別により、異常なセグメント化が防止される場合がある。

代替の実施形態では、ステップ６０で、任意の適切なセグメント化方法、例えば、活性輪郭方法が使用される場合がある。

セグメント化の結果は、ユーザに表示される。セグメント化の結果は、任意の適切なさらなるプロセスに供給される。

本実施形態では、図１２の処理のステップ３２２から３６０は、単一の血管のセグメント化を記載する。図１２の処理のステップ３２２から３６０は、画像データ内の他の血管について繰り返されても良い。

セグメント化の正確性と堅牢性とを改善すると、臨床の信頼性が増加する場合がある。自動セグメント化の正確性と堅牢性とを改善すると、堅牢な自動微分技法、例えば、狭窄の検出および数量化が可能になる場合もある。

二次元分布（例えば、ジョイントヒストグラム）を使用すると、１次元分布を使用して識別されるよりも多くのクラスが識別される。本実施形態では、２次元が使用されるので、ジョイントヒストグラムでは、ブルーミング領域は管腔領域から分離される。ジョイントヒストグラムを使用して、管腔領域と管壁領域と位置ずれ領域とブルーミング領域とを識別すると、１次元分布を使用して（位置ずれ領域とブルーミング領域を識別せずに）管腔領域と管壁領域とを分離するときに達成されるよりも良好な管腔領域と管壁領域の分離が可能になる場合がある。

また、非造影画像と造影画像の両方を使用して血管をセグメント化する方法を提供し、方法は、位置合わせされた非造影画像および造影画像から二次元ジョイントヒストグラムを構築することと、二次元ジョイントヒストグラムを使用して管腔領域と、管壁領域と、ブルーミング領域と、位置ずれ領域とを分類することとを備える。

また、概略的な血管のセグメント化が実施される。組織の分類は、概略的な血管のセグメント化に制限される。概略的なセグメント化は、カーネルに基づいた（重なった領域である）領域に分割される。管腔領域と管壁領域の分類は、教師なし習得技法を使用して分布を適合させることによって、各領域内で独立して実施される。

分布はガウス型であると仮定される場合がある。教師なし習得技法は、ｋ平均および期待値最大化のうちの少なくとも１つである。

セグメント化は、組織分類尤度分布を平衡化する速度関数を有するレベル設定を使用して実施される。ブルーミングクラスに特定の処置（例えば、追加のモデル化、重み付けなど）が適用される場合がある。位置ずれの分類は、セグメント化の推定信頼性に寄与する。ブルーミングは、管腔信号およびそれ以外に寄与するとき、個別に分類される。ブルーミング、位置ずれなどは、分類された管腔／壁の分布からの固定領域オフセットを使用して識別（仮定）される。

上記には、ＣＴデータのレンダリングまたはセグメント化に関して実施形態が記載されているが、これに限定されない。任意の適切なタイプの医用画像データ、例えば、Ｘ線データ、ＭＲＩデータ、ＰＥＴデータ、またはＳＰＥＣＴデータをレンダリングまたはセグメント化するために使用される。医用画像データは、獣医学の画像データを含む。非造影画像および差分画像からのデータに関して実施形態が記載されているが、様々な特徴が分類される任意の画像タイプが使用されてもよい。医用画像データは、体の任意の部分に関する。

上記の実施形態においてジョイントヒストグラムは、第１の医用画像の画素値と第２の医用画像の画素値とにより規定される２次元分布であるとした。しかしながら、本実施形態はこれに限定されない。すなわち、本実施形態に係るジョイントヒストグラムは、３以上の次元を有しても良い。

図４の装置は、図５の視覚化方法と図１２のセグメント化方法の両方を実施するように構成されるが、他の実施形態では、装置は、図１２の方法を実施し、図５の方法を実施しないように構成される場合がある（例えば、レンダリング機能５０が処理回路４５から除外される場合がある）。

（総括）
上記の説明の通り、本実施形態に係る画像処理装置３０は、少なくともメモリ４０と処理回路４５とを有する。メモリ４０は、異なる時刻に撮影された同一の撮影部位に関する第１医用画像と第２医用画像とを記憶する。処理回路４５は、同一座標における第１医用画像の画素値と第２医用画像の画素値との組み合わせの頻度を表す数値データを生成する。そして処理回路４５は、生成された数値データを利用して、第２医用画像を複数の画像領域に区分する。

上記構成によれば、同一座標における第１医用画像の画素値と第２医用画像の画素値との組み合わせの頻度を表す数値データを用いることで、例えば、画像内における血管腔領域、血管壁領域、石灰沈着領域、ブルーミング領域、ステント領域等を自動的かつ正確にセグメント化することができる。

かくして、セグメント化の精度の向上を可能とする画像処理装置と、当該画像処理装置に用いられる画像処理方法および画像処理プログラムとを提供することができる。

特定のユニットが本明細書で記載されたが、代替の実施形態では、これらのユニットのうちの１つまたは複数の機能は、単一のユニット、処理リソース、もしくは他の構成要素によって提供されるか、または単一のユニットによって提供される機能は、組み合わされた２つ以上のユニットによって提供される。単一のユニットへの参照は、そのような構成要素が互いに離れていようとなかろうと、そのユニットの機能を提供する複数の構成要素を包含し、複数のユニットへの参照は、それらのユニットの機能を提供する単一の構成要素を包含する。

いくつかの実施形態が記載されているが、これらの実施形態は単に例として提示されており、本発明の範囲を限定するものではない。当然、本明細書に記載された新規の方法およびシステムは、様々な他の形態で具現化される場合があり、さらに、本発明の趣旨から逸脱することなく、本明細書に記載された方法およびシステムの形態における様々な省略、代用、および改変が行われる場合がある。添付の特許請求の範囲およびそれらの均等物は、そのような形態および修正形態を、本発明の範囲内に入るようにカバーするものである。

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。これら新規な実施形態は、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ともに、特許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。

３０…画像処理装置、３２…計算装置、３４…ＣＴスキャナ、３８…入力インターフェイス回路、４０…メモリ、４４…受信回路、４５…処理回路、４６…生成機能、４８…位置合わせ機能、５０…レンダリング機能、５２…セグメント機能、１００…非造影画像（造影前画像）、１０１…造影画像（造影後画像）、１０２…変形場、１０３…位置合わせされた非造影画像、１０４…差分画像、１０５…レンダリング画像、１０７…カラーモデル、１０８…レンダリング画像、１４０…血管、１４２…血管壁、１４４…血管腔、１４６…隣接セクション。

Claims (16)

1. 異なる時刻に撮影された同一の撮影部位に関する非造影画像と造影画像とを記憶する記憶部と、
   前記非造影画像と前記造影画像とを位置合わせする位置合わせ部と、
   前記位置合わせ後の非造影画像の画素値と前記造影画像の画素値との組み合わせの頻度を、前記位置合わせ後の非造影画像の画素値と前記造影画像の画素値とを２軸とする２次元直交座標系で視覚的に表現したジョイントヒストグラムを生成する生成部と、
   前記生成されたジョイントヒストグラムを利用して、前記非造影画像の画素値よりも前記造影画像の画素値のほうが小さい前記非造影画像と前記造影画像との対応領域を位置ずれ領域に区分し、前記非造影画像の画素値よりも前記造影画像の画素値のほうが大きい前記非造影画像と前記造影画像との対応領域の一部をブルーミング領域に区分するセグメント部と、
   を具備する、画像処理装置。
2. 前記セグメント部は、前記ジョイントヒストグラムにプロットされる造影画像の画素の画素値と造影画像の画素の画素値とが略等しい略対角線上にある領域を非アーティファクト領域として区分し、前記略対角線上の領域から外れた領域をアーティファクト領域として区分する請求項１記載の画像処理装置。
3. 前記セグメント部は、
   非造影画像のほうが造影画像よりも画素値が大きい領域を位置ずれ領域として区分し、造影画像のほうが非造影画像よりも画素値が大きい領域をブルーミング領域として区分し、
   前記ジョイントヒストグラムにプロットされる造影画像の画素の画素値と造影画像の画素の画素値とが略等しい略対角線上の領域を非造影領域として区分し、前記略対角線上の領域から前記造影画像の画素値に関する軸と並行して延在する、造影画像の画素値が非造影画像の画素値よりも大きい棘突起の領域を、造影領域として区分する請求項１記載の画像処理装置。
4. 前記造影領域は管腔領域であり、前記非造影領域は管壁領域である請求項３記載の画像処理装置。
5. 前記非造影画像は造影前画像であり、前記造影画像は造影後画像である請求項１記載の画像処理装置。
6. 前記非造影画像は術前画像であり、前記造影画像は術後画像である請求項１記載の画像処理装置。
7. 前記造影画像に基づいて、前記区分された複数の画像領域を視覚的に識別可能なレンダリング画像を生成する画像生成部をさらに具備する請求項１記載の画像処理装置。
8. 前記画像生成部は、前記区分された複数の画像領域のうち少なくとも一つの領域に、色と光学特性とのうち少なくとも１つを割り当てる請求項７記載の画像処理装置。
9. 前記画像生成部は、前記区分された複数の領域の位置および範囲に応じて、前記色と前記光学特性とのうち少なくとも１つを割り当てる位置および範囲を決定する請求項８記載の画像処理装置。
10. 前記画像生成部は、前記色および光学特性のうち少なくとも１つを割り当てるためのモデルを用いて、前記区分された複数の画像領域に、前記色と前記光学特性とのうち少なくとも１つを割り当てる位置および範囲を決定する請求項９記載の画像処理装置。
11. 前記画像生成部は、前記色および光学特性のうち少なくとも１つに関するテーブルを用いて、前記区分された複数の画像領域に、前記色と前記光学特性とのうち少なくとも１つを割り当てる位置および範囲を決定する請求項９記載の画像処理装置。
12. 前記画像生成部は、ユーザによる入力に応答して、前記レンダリング画像に割り当てられた色と光学特性とのうち少なくとも１つを変更する請求項７記載の画像処理装置。
13. 前記画像生成部は、ユーザによる入力に応答して、前記レンダリング画像のウィンドウレベルとウィンドウ幅とのうち少なくとも１つを変更する請求項７記載の画像処理装置。
14. 前記画像生成部は、前記光学特性として、明るさと、テクスチャと、不透明度と、透明度と、陰影と、艶消し面効果と、光沢面効果とのうちの少なくとも１つを割り当てる請求項８記載の画像処理装置。
15. 位置合わせ手段が、非造影画像と造影画像とを位置合わせし、
    生成手段が、前記位置合わせ後の非造影画像の画素値と造影画像の画素値との組み合わせの頻度を、前記位置合わせ後の非造影画像の画素値と前記造影画像の画素値とを２軸とする２次元直交座標系で視覚的に表現したジョイントヒストグラムを生成し、
    セグメント手段が、前記生成されたジョイントヒストグラムを利用して、前記非造影画像の画素値よりも前記造影画像の画素値のほうが小さい前記非造影画像と前記造影画像との対応領域を位置ずれ領域に区分し、前記非造影画像の画素値よりも前記造影画像の画素値のほうが大きい前記非造影画像と前記造影画像との対応領域の一部をブルーミング領域に区分する、画像処理方法。
16. コンピュータに、
    非造影画像と造影画像とを位置合わせする位置合わせ機能と、
    前記位置合わせ後の非造影画像の画素値と造影画像の画素値との組み合わせの頻度を、前記位置合わせ後の非造影画像の画素値と前記造影画像の画素値とを２軸とする２次元直交座標系で視覚的に表現したジョイントヒストグラムを生成する生成機能と、
    前記生成されたジョイントヒストグラムを利用して、前記非造影画像の画素値よりも前記造影画像の画素値のほうが小さい前記非造影画像と前記造影画像との対応領域を位置ずれ領域に区分し、前記非造影画像の画素値よりも前記造影画像の画素値のほうが大きい前記非造影画像と前記造影画像との対応領域の一部をブルーミング領域に区分するセグメント機能とを実現させるための画像処理プログラム。

Images