知財求人 - 知財ポータルサイト「IP Force」
▶ 社会福祉法人兵庫県社会福祉事業団の特許一覧 ▶ 学校法人近畿大学の特許一覧 ▶ 日本メジフィジックス株式会社の特許一覧
特開2023-120734画像処理プログラム、画像処理方法、および画像処理装置
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023120734
(43)【公開日】2023-08-30
(54)【発明の名称】画像処理プログラム、画像処理方法、および画像処理装置
(51)【国際特許分類】
G01T 1/161 20060101AFI20230823BHJP
A61B 6/03 20060101ALI20230823BHJP
A61B 5/055 20060101ALI20230823BHJP
【ＦＩ】
G01T1/161 B
G01T1/161 D
A61B6/03 377
A61B6/03 360B
A61B5/055 380
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2022023746
(22)【出願日】2022-02-18
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｎｅｕｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ Ｖｏｌ．４２３（２０２１）ｄｏｉ：１０．１０１６／ｊ．ｊｎｓ．２０２１．Ａｒｔｉｃｌｅ １１７３６３
(71)【出願人】
【識別番号】000181826
【氏名又は名称】社会福祉法人兵庫県社会福祉事業団
(71)【出願人】
【識別番号】000125347
【氏名又は名称】学校法人近畿大学
(71)【出願人】
【識別番号】000230250
【氏名又は名称】日本メジフィジックス株式会社
(74)【代理人】
【識別番号】100113549
【弁理士】
【氏名又は名称】鈴木 守
(74)【代理人】
【識別番号】100115808
【弁理士】
【氏名又は名称】加藤 真司
(72)【発明者】
【氏名】高橋 竜一
(72)【発明者】
【氏名】石井 一成
(72)【発明者】
【氏名】氏川 正規
【テーマコード（参考）】
4C093
4C096
4C188
【Ｆターム（参考）】
4C093AA25
4C093CA18
4C093DA04
4C093FA35
4C093FF09
4C093FF21
4C093FF37
4C096AA18
4C096AB36
4C096DC33
4C096DC40
4C188EE02
4C188FF04
4C188KK24
4C188KK33
4C188LL13
(57)【要約】 （修正有）
【課題】ＤＡＴの減少を伴う疾患の適切な鑑別に役立つ画像処理技術を提供する。
【解決手段】画像処理プログラムは、ドパミントランスポーター画像の画像処理を行うためのプログラムであって、コンピュータに、被験者のドパミントランスポーター画像を入力する入力ステップ（Ｓ１０）と、線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップ（Ｓ１４）と、ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップ（Ｓ１５）と、ＳＢＲ画像と反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップ（Ｓ１６）と、ＡＩ画像を出力する出力ステップ（Ｓ１９）とを実行させる。
【選択図】図２
【解決手段】画像処理プログラムは、ドパミントランスポーター画像の画像処理を行うためのプログラムであって、コンピュータに、被験者のドパミントランスポーター画像を入力する入力ステップ（Ｓ１０）と、線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップ（Ｓ１４）と、ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップ（Ｓ１５）と、ＳＢＲ画像と反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップ（Ｓ１６）と、ＡＩ画像を出力する出力ステップ（Ｓ１９）とを実行させる。
【選択図】図２
【特許請求の範囲】
【請求項1】
ドパミントランスポーター画像の画像処理を行うためのプログラムであって、コンピュータに、
被験者のドパミントランスポーター画像を入力する入力ステップと、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、
前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、
前記ＡＩ画像を出力する出力ステップと、
を実行させる画像処理プログラム。
被験者のドパミントランスポーター画像を入力する入力ステップと、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、
前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、
前記ＡＩ画像を出力する出力ステップと、
を実行させる画像処理プログラム。
【請求項2】
前記ＡＩ画像生成ステップでは、
｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
の計算を行うことにより、前記ＡＩ画像を生成させる請求項１に記載の画像処理プログラム。
｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
の計算を行うことにより、前記ＡＩ画像を生成させる請求項１に記載の画像処理プログラム。
【請求項3】
前記ＡＩ画像において視床下核領域に関心領域を設定するステップと、
前記視床下核領域のＡＩ指標値を算出するステップと、
を実行させる請求項１または２に記載の画像処理プログラム。
前記視床下核領域のＡＩ指標値を算出するステップと、
を実行させる請求項１または２に記載の画像処理プログラム。
【請求項4】
進行性核上性麻痺患者とパーキンソン病患者のＡＩ指標値を予めＲＯＣ解析して求めたカットオフ値を記憶部から読み出すステップと、
被験者のＡＩ指標値と記憶部から読み出したカットオフ値とを出力するステップと、
を実行させる請求項３に記載の画像処理プログラム。
被験者のＡＩ指標値と記憶部から読み出したカットオフ値とを出力するステップと、
を実行させる請求項３に記載の画像処理プログラム。
【請求項5】
前記入力ステップでは、前記ドパミントランスポーター画像に加え、ＳＰＥＣＴ／ＣＴでドパミントランスポーター画像と共に撮像されたＣＴ画像と、別途撮像されたＭＲＩ画像の入力を受け付け、
ＣＴ画像とＭＲＩ画像との位置合わせを行うステップと、
ＭＲＩ画像の解剖学的標準化を行い、解剖学的標準化を行ったときの変換パラメータを記憶するステップと、
前記変換パラメータを用いて、ドパミントランスポーター画像の解剖学的標準化を行うステップと、
を実行させる、請求項１～４のいずれか１項に記載の画像処理プログラム。
ＣＴ画像とＭＲＩ画像との位置合わせを行うステップと、
ＭＲＩ画像の解剖学的標準化を行い、解剖学的標準化を行ったときの変換パラメータを記憶するステップと、
前記変換パラメータを用いて、ドパミントランスポーター画像の解剖学的標準化を行うステップと、
を実行させる、請求項１～４のいずれか１項に記載の画像処理プログラム。
【請求項6】
画像処理装置によってドパミントランスポーター画像の画像処理を行う方法であって、
被験者のドパミントランスポーター画像を入力する入力ステップと、
前記ドパミントランスポーター画像の解剖学的標準化を行う標準化ステップと、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、
前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、
前記ＡＩ画像を出力する出力ステップと、
を備える画像処理方法。
被験者のドパミントランスポーター画像を入力する入力ステップと、
前記ドパミントランスポーター画像の解剖学的標準化を行う標準化ステップと、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、
前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、
前記ＡＩ画像を出力する出力ステップと、
を備える画像処理方法。
【請求項7】
前記ＡＩ画像生成ステップでは、
｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
の計算を行うことにより、前記ＡＩ画像を生成する請求項６に記載の画像処理方法。
｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
の計算を行うことにより、前記ＡＩ画像を生成する請求項６に記載の画像処理方法。
【請求項8】
前記ＡＩ画像において視床下核領域に関心領域を設定するステップと、
前記視床下核領域のＡＩ指標値を算出するステップと、
を備える請求項６または７に記載の画像処理方法。
前記視床下核領域のＡＩ指標値を算出するステップと、
を備える請求項６または７に記載の画像処理方法。
【請求項9】
進行性核上性麻痺患者とパーキンソン病患者のＡＩ指標値を予めＲＯＣ解析して求めたカットオフ値を記憶部から読み出すステップと、
被験者のＡＩ指標値と記憶部から読み出したカットオフ値とを出力するステップと、
を備える請求項８に記載の画像処理方法。
被験者のＡＩ指標値と記憶部から読み出したカットオフ値とを出力するステップと、
を備える請求項８に記載の画像処理方法。
【請求項10】
前記入力ステップでは、前記ドパミントランスポーター画像に加え、ＳＰＥＣＴ／ＣＴでドパミントランスポーター画像と共に撮像されたＣＴ画像と、別途撮像されたＭＲＩ画像の入力を受け付け、
前記標準化ステップは、
ＣＴ画像とＭＲＩ画像との位置合わせを行うステップと、
ＭＲＩ画像の解剖学的標準化を行い、解剖学的標準化を行ったときの変換パラメータを記憶するステップと、
前記変換パラメータを用いて、ドパミントランスポーター画像の解剖学的標準化を行うステップと、
を備える、請求項６～９のいずれか１項に記載の画像処理方法。
前記標準化ステップは、
ＣＴ画像とＭＲＩ画像との位置合わせを行うステップと、
ＭＲＩ画像の解剖学的標準化を行い、解剖学的標準化を行ったときの変換パラメータを記憶するステップと、
前記変換パラメータを用いて、ドパミントランスポーター画像の解剖学的標準化を行うステップと、
を備える、請求項６～９のいずれか１項に記載の画像処理方法。
【請求項11】
ドパミントランスポーター画像の画像処理を行う装置であって、
被験者のドパミントランスポーター画像を入力する入力部と、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成部と、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転して反転ＳＢＲ画像を生成し、前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成部と、
前記ＡＩ画像を出力する出力部と、
を備える画像処理装置。
被験者のドパミントランスポーター画像を入力する入力部と、
線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成部と、
前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転して反転ＳＢＲ画像を生成し、前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成部と、
前記ＡＩ画像を出力する出力部と、
を備える画像処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、画像処理プログラム、画像処理方法、画像処理装置に関する。
【背景技術】
【0002】
ドパミントランスポーター（ＤＡＴ）は、脳の線条体内に存在する黒質線条体ドパミン神経の終末部に高発現する。パーキンソン病（ＰＤ）、進行性核上性麻痺（ＰＳＰ）などのパーキンソン症候群（ＰＳ）やレビー小体型認知症（ＤＬＢ）では、この発現量が低下することが知られているため、これらの病気の診断には、123Ｉ－ＦＰ－ＣＩＴのようなドパミントランスポーターを画像化する放射性医薬品を用いたＳＰＥＣＴ（単一光子放射断層撮影、Single photon emission computed tomography）検査やＰＥＴ（陽電子放射断層撮影、Positron emission tomography）検査によってドパミントランスポーターの脳内分布の評価が行われる。
【0003】
ドパミントランスポーター画像の定量的指標として、線条体の特異的結合による放射能と非特異的結合による放射能との比が用いられる。この手法の一つとして、例えば、Ｂｏｌｔらによって提唱されたＳＢＲ（Specific binding ratio）が知られている。この手法では、線条体にＶＯＩ（Volume of interest）を設定してＶＯＩのカウント値を得ると共に、例えば小脳のように放射性医薬品の集積が疾患の影響を受けにくい非特異的集積部位のカウント値との比を取って、ＳＢＲを求める。
【0004】
線条体ＳＢＲや線条体ＳＢＲの非対称性指数（ＡＩ、Asymmetry Index）は、パーキンソン病、パーキンソン症候群やレビー小体型認知症などＤＡＴの減少を伴う疾患の診断バイオマーカーとして利用されてきた。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２００８－２６１４４号公報
【特許文献2】特開２０１３－２５００８５号公報
【特許文献3】特開２０１４－５０８３４０号公報
【特許文献4】特開２０２０－０４３９２７号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかし、パーキンソン病や進行性核上性麻痺などのＤＡＴの減少を伴う疾患同士の鑑別においては、線条体のＳＢＲやＡＩは、両疾患とも異常を示すため、正確に鑑別することが困難であった。
【0007】
そこで、本発明は上記背景に鑑み、ＤＡＴの減少を伴う疾患の適切な鑑別に役立つ画像処理技術を提供することを目的とする。
【課題を解決するための手段】
【0008】
本発明の画像処理プログラムは、ドパミントランスポーター画像の画像処理を行うためのプログラムであって、コンピュータに、被験者のドパミントランスポーター画像を入力する入力ステップと、線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、前記ＡＩ画像を出力する出力ステップとを実行させる。
【0009】
このように全脳におけるＳＢＲ画像の非対称性を示すＡＩ画像を生成することにより、ＤＡＴの減少を伴う疾患同士の鑑別を行うための情報を提供できる。
【0010】
本発明の画像処理方法は、画像処理装置によってドパミントランスポーター画像の画像処理を行う方法であって、被験者のドパミントランスポーター画像を入力する入力ステップと、前記ドパミントランスポーター画像の解剖学的標準化を行う標準化ステップと、線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成ステップと、前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する反転ステップと、前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成ステップと、前記ＡＩ画像を出力する出力ステップとを備える。
【0011】
本発明の画像処理装置は、ドパミントランスポーター画像の画像処理を行う装置であって、被験者のドパミントランスポーター画像を入力する入力部と、線条体以外の所定の脳領域へのドパミントランスポーターの集積を非特異的集積とし、前記非特異的集積に対するドパミントランスポーターの集積比を求めて、脳のＳＢＲ画像を生成するＳＢＲ画像生成部と、前記ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転して反転ＳＢＲ画像を生成し、前記ＳＢＲ画像と前記反転ＳＢＲ画像との差に基づいて、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成するＡＩ画像生成部と、前記ＡＩ画像を出力する出力部とを備える。
【発明の効果】
【0012】
本発明は、ＤＡＴ集積の非対称性を示すＡＩ画像を生成することにより、ＤＡＴの減少を伴う疾患同士の鑑別を行うための情報を提供できる。
【図面の簡単な説明】
【0013】
【図1】実施の形態に係る画像処理装置の構成を示す図である。
【図2】画像処理装置によって行われる画像処理方法の処理を示すフローチャートである。
【図3】解剖学的標準化の手順を示す図である。
【図4】ＡＩ画像生成の手順を示す図である。
【図5】グラスブレイン内に表示された患者と健常対照群とのＡＩ画像における群間比較の例を示す図である。
【図6】Ａ群のデータのＲＯＣ曲線を示す図である。
【発明を実施するための形態】
【0014】
本発明において「ドパミントランスポーター画像」とは、被験者に対し放射性ドパミントランスポーター画像化剤を投与して核医学検査を行うことにより取得された脳画像である。放射性ドパミントランスポーター画像化剤としては、例えば123Ｉ－ＦＰ－ＣＩＴ、［18Ｆ］ＦＰ－ＣＩＴ（［18Ｆ］フルオロプロピルカルボメトキシヨードフェニルノルトロパン）、［99ｍＴｃ］ＴＲＯＤＡＴ－１（［99ｍＴｃ］［２－［［２－［［［３－（４－クロロフェニル）－８－メチル－８－アザビシク［３．２．１］オクト－２－イル］メチル］（２－メルカプトエチル）アミノ］エチル］－アミノ］エタンチオレート－（３－）－Ｎ２，Ｎ２’，Ｓ２，Ｓ２’］オキソ－［１Ｒ－（エキソ－エキソ）］）、［11Ｃ］ＣＦＴ（（１Ｓ，５Ｒ）－３β－（４－フルオロフェニル）－８－［１１Ｃ］メチル－８－アザビシクロ［３．２．１］オクタン－２β－カルボン酸メチル）、［123Ｉ］β－ＣＩＴ（（２β－カルボメトキシ－３β－（４－［123Ｉ］ヨードフェニル）トロパン）が挙げられる。
【0015】
以下、本発明の実施の形態に係る画像処理プログラム、画像処理方法および画像処理装置１について説明する。以下の説明では、画像処理装置１について最初に説明する。
図１は、実施の形態に係る画像処理装置１の構成を示す図である。画像処理装置１は、入力部１０と演算処理部１１と出力部１２とＭＲＩ標準脳テンプレート１３とを備えている。
図１は、実施の形態に係る画像処理装置１の構成を示す図である。画像処理装置１は、入力部１０と演算処理部１１と出力部１２とＭＲＩ標準脳テンプレート１３とを備えている。
【0016】
入力部１０は、ＳＰＥＣＴ／ＣＴ装置で撮像した123Ｉ－ＦＰ－ＣＩＴ画像（以下、「ＦＰ－ＣＩＴ画像」という）とＣＴ画像の入力を受け付ける。ＦＰ－ＣＩＴ画像とＣＴ画像は、一つの装置で同時に撮像されているので、脳画像の各部位の位置が合っている。また、入力部１０は、同じ被験者のＭＲＩ画像の入力を受け付ける。
【0017】
演算処理部１１は、入力されたＦＰ－ＣＩＴ画像とＣＴ画像とＭＲＩ画像とに基づいて、ＳＢＲ画像の非対称性を示すＡＩ画像を生成すると共に、ＡＩ指標値を算出する機能を有する。演算処理部１１は、標準化部２０と、ＳＢＲ画像生成部２１と、ＡＩ画像生成部２２と、関心領域設定部２３と、ＡＩ指標値算出部２４の各機能を有している。各機能の詳細については、図２を参照して後述する。
【0018】
出力部１２は、演算処理部１１にて生成されたＡＩ画像およびＡＩ指標値を出力する機能を有している。出力部１２のハードウェアは、例えば、演算結果を表示するディスプレイや、演算結果を外部の装置に出力するインターフェースである。
【0019】
ＭＲＩ標準脳テンプレート１３には、脳の特定の位置にある組織を座標で表した標準脳のテンプレートが記憶されている。
【0020】
【0021】
（ステップＳ１０）
画像処理装置１の入力部１０は、ＳＰＥＣＴ／ＣＴ装置で同時に撮像されたＦＰ－ＣＩＴ画像およびＣＴ画像と、別途撮像された同じ被験者のＭＲＩ画像の入力を受け付ける。
画像処理装置１の入力部１０は、ＳＰＥＣＴ／ＣＴ装置で同時に撮像されたＦＰ－ＣＩＴ画像およびＣＴ画像と、別途撮像された同じ被験者のＭＲＩ画像の入力を受け付ける。
【0022】
（ステップＳ１１～Ｓ１３）
画像処理装置１の標準化部２０は、ＦＰ－ＣＩＴ画像を解剖学的標準化する処理を行う。ＦＰ－ＣＩＴ画像は、ＤＡＴが特異的に集積した画像であるため、脳の形態が明確ではない。標準化部２０は、ＦＰ－ＣＩＴ画像と同時撮像されたＣＴ画像と別途撮像されたＭＲＩ画像を利用してＦＰ－ＣＩＴ画像の解剖学的標準化を行う。
画像処理装置１の標準化部２０は、ＦＰ－ＣＩＴ画像を解剖学的標準化する処理を行う。ＦＰ－ＣＩＴ画像は、ＤＡＴが特異的に集積した画像であるため、脳の形態が明確ではない。標準化部２０は、ＦＰ－ＣＩＴ画像と同時撮像されたＣＴ画像と別途撮像されたＭＲＩ画像を利用してＦＰ－ＣＩＴ画像の解剖学的標準化を行う。
【0023】
図３は、解剖学的標準化の手順を示す図である。図３も参照しつつ、図２に示す動作について説明する。図３において、ＣＴ画像とＦＰ－ＣＩＴ画像は、ＳＰＥＣＴ／ＣＴ装置で同時撮像された画像である。ＭＲＩ画像は、別途撮像された同じ被験者のＭＲＩ画像である。標準化部２０は、ＣＴ画像をＭＲＩ画像に位置合わせ（co-registration）する（Ｓ１１）。
【0024】
標準化部２０は、図３に示すように、ＭＲＩ画像を解剖学的標準化し、このときに解剖学的標準化に用いた変換パラメータを取得する（Ｓ１２）。標準化部２０は、ＭＲＩ画像の解剖学的標準化で得た変換パラメータを用いて、ＦＰ－ＣＩＴ画像の解剖学的標準化を行う（Ｓ１３）。
【0025】
ＦＰ－ＣＩＴ画像とＣＴ画像は同時に撮像されたものであり、脳画像の位置があっているので、ＣＴ画像と位置合わせされたＭＲＩ画像の変換パラメータを用いることで、ＦＰ－ＣＩＴ画像を解剖学的標準化できる。
【0026】
ここでは、ＭＲＩ画像を用いて解剖学的標準化を行う例を挙げているが、ＭＲＩ画像を用いることは必須ではない。ＣＴ画像の解剖学的標準化を行って変換パラメータを求め、当該変換パラメータを用いてＦＰ－ＣＩＴ画像の解剖学的標準化を行ってもよい。なお、本実施の形態では、ＳＰＥＣＴ／ＣＴ装置で撮像されたＦＰ－ＣＩＴ画像とＣＴ画像を用いているが、ＦＰ－ＣＩＴ画像のみを取得した場合には、別の方法によって解剖学的標準化を行ってもよい。
【0027】
（ステップＳ１４）
画像処理装置１のＳＢＲ画像生成部２１は、標準化されたＦＰ－ＣＩＴ画像に基づいてＳＢＲ画像を生成する。ＳＢＲ画像は、全脳におけるＤＡＴのＳＢＲをピクセル単位で示す画像である。ＤＡＴは線条体に特異的に集積するだけでなく、線条体以外にも非特異的に集積するが、ＳＢＲ画像は非特異的集積に対するＤＡＴの集積比を求めて生成した画像である。
画像処理装置１のＳＢＲ画像生成部２１は、標準化されたＦＰ－ＣＩＴ画像に基づいてＳＢＲ画像を生成する。ＳＢＲ画像は、全脳におけるＤＡＴのＳＢＲをピクセル単位で示す画像である。ＤＡＴは線条体に特異的に集積するだけでなく、線条体以外にも非特異的に集積するが、ＳＢＲ画像は非特異的集積に対するＤＡＴの集積比を求めて生成した画像である。
【0028】
ＳＢＲ画像生成部２１は、線条体以外の所定の脳領域へのＤＡＴの集積を非特異的集積として求める。本実施の形態では、所定の領域として小脳の領域を用いる。ＳＢＲ画像生成部２１は、次式による計算を行ってＳＢＲ画像を生成する。
ＳＢＲ画像＝（原画像－平均小脳カウント）／（平均小脳カウント）
ＳＢＲ画像＝（原画像－平均小脳カウント）／（平均小脳カウント）
【0029】
（ステップＳ１５～Ｓ１６）
画像処理装置１のＡＩ画像生成部２２は、ＳＢＲ画像に基づいて、ＳＢＲ画像の非対称性を示すＡＩ画像を生成する。
画像処理装置１のＡＩ画像生成部２２は、ＳＢＲ画像に基づいて、ＳＢＲ画像の非対称性を示すＡＩ画像を生成する。
【0030】
図４は、ＡＩ画像生成の手順を示す図である。図４も参照しつつ、図２に示す動作について説明する。ＡＩ画像生成部２２は、ＳＢＲ画像の脳の対称軸を基準としてＳＢＲ画像を反転し、反転ＳＢＲ画像を生成する（Ｓ１５）。図４においてＳＢＲ画像がＳＢＲ画像生成部２１で生成されたＳＢＲ画像である。ＳＢＲ画像の右側に、ＳＢＲ画像を反転させた反転ＳＢＲ画像を示している。
【0031】
ＡＩ画像生成部２２は、ＳＢＲ画像と反転ＳＢＲ画像との差に基づいて、次式により、被験者のＳＢＲ画像の非対称性を示すＡＩ画像を生成する（Ｓ１６）。
ＡＩ画像＝｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
ＡＩ画像＝｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
【0032】
（ステップＳ１７）
画像処理装置１の関心領域設定部２３は、ＡＩ画像において本実施の形態では視床下核領域に関心領域を設定する。ＡＩ画像は、解剖学的標準化がなされた標準脳であるので、一例として、ＭＲＩ標準脳テンプレート１３から視床下核領域の座標データを読み出し、当該座標データを用いることで、視床下核領域に関心領域を設定することができる。なお、関心領域の設定は、ユーザーに行わせるようにしてもよい。この場合、関心領域設定部２３は、関心領域を指定するための画面を表示し、ユーザーから関心領域の設定を受け付ける。この際、ＭＲＩ標準脳テンプレート１３から読みだした視床下核領域をデフォルトで示してもよい。なお、本実施の形態では視床下核領域に関心領域を設定したが、視床下核領域以外の領域に関心領域を設定してもよい。
画像処理装置１の関心領域設定部２３は、ＡＩ画像において本実施の形態では視床下核領域に関心領域を設定する。ＡＩ画像は、解剖学的標準化がなされた標準脳であるので、一例として、ＭＲＩ標準脳テンプレート１３から視床下核領域の座標データを読み出し、当該座標データを用いることで、視床下核領域に関心領域を設定することができる。なお、関心領域の設定は、ユーザーに行わせるようにしてもよい。この場合、関心領域設定部２３は、関心領域を指定するための画面を表示し、ユーザーから関心領域の設定を受け付ける。この際、ＭＲＩ標準脳テンプレート１３から読みだした視床下核領域をデフォルトで示してもよい。なお、本実施の形態では視床下核領域に関心領域を設定したが、視床下核領域以外の領域に関心領域を設定してもよい。
【0033】
（ステップＳ１８）
画像処理装置１のＡＩ指標値算出部２４は、関心領域として設定された視床下核領域のＡＩ指標値を算出する。ＡＩ指標値は、視床下核領域におけるＤＡＴの集積の非対称性を評価する指標である。ＡＩ指標値算出部２４は、視床下核領域内の関心領域のＡＩの平均をとることでＡＩ指標値を求める。
画像処理装置１のＡＩ指標値算出部２４は、関心領域として設定された視床下核領域のＡＩ指標値を算出する。ＡＩ指標値は、視床下核領域におけるＤＡＴの集積の非対称性を評価する指標である。ＡＩ指標値算出部２４は、視床下核領域内の関心領域のＡＩの平均をとることでＡＩ指標値を求める。
【0034】
（ステップＳ１９）
画像処理装置１の出力部１２は、ＡＩ画像とＡＩ指標値のデータをディスプレイに出力する。これにより、ユーザーは、ＡＩ画像とＡＩ指標値のデータに基づいてＤＡＴの減少を伴う疾患同士の鑑別に役立つ情報を提供することができる。
画像処理装置１の出力部１２は、ＡＩ画像とＡＩ指標値のデータをディスプレイに出力する。これにより、ユーザーは、ＡＩ画像とＡＩ指標値のデータに基づいてＤＡＴの減少を伴う疾患同士の鑑別に役立つ情報を提供することができる。
【0035】
なお、ＡＩ指標値を出力する際に、進行性核上性麻痺とパーキンソン病の鑑別の評価基準であるＲＯＣ解析のカットオフ値を併せて出力することとしてもよい。この場合、進行性核上性麻痺患者とパーキンソン病患者のＡＩ指標値を予めＲＯＣ解析して求めたカットオフ値を記憶部に記憶しておく。出力部１２は、カットオフ値を記憶部から読み出し、ＡＩ指標値と共にカットオフ値を出力する。このように被験者のＡＩ指標値と共に鑑別の目安となるカットオフ値を出力することで、進行性核上性麻痺とパーキンソン病の鑑別に役立つ。
【0036】
以上、本実施の形態の画像処理装置１および画像処理方法について説明した。上記した画像処理装置１のハードウェアの例は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスク、ディスプレイ、キーボード、マウス、通信インターフェース等を備えたコンピュータである。上記した演算処理部１１の各機能を実現するモジュールを有するプログラムをＲＡＭまたはＲＯＭに格納しておき、ＣＰＵによって当該プログラムを実行することによって、上記した画像処理装置１が実現される。本実施の形態のプログラムは、コンピュータに、上記した画像処理方法の各ステップを実行させるプログラムである。
【実施例0037】
次に、本実施の形態の画像処理装置を用いた画像処理の実施例について説明する。
（実施例１）
［被験者］
次の（１）（２）の基準を満たす患者を対象とした。
（１）２０１８年４月から２０１９年１２月までの間に兵庫県立リハビリテーション西播磨病院にて123Ｉ－ＦＰ－ＣＩＴによるＤＡＴシンチグラフィが行われ、国際運動障害学会のprobable ＰＤの診断基準を満たしたＰＤ患者と、リチャードソン症候群を伴う probable ＰＳＰの診断基準を満たしたＰＳＰ患者。
（２）生年、性別、臨床診断の結果、脳３Ｄ－ＭＲＩ検査結果、ＤＡＴシンチグラフィから作成されたＡＩ画像、ミニメンタルステート検査（ＭＭＳＥ）結果、Hoehn-Yahrの重症度分類の結果が診療録から入手できる患者。
（実施例１）
［被験者］
次の（１）（２）の基準を満たす患者を対象とした。
（１）２０１８年４月から２０１９年１２月までの間に兵庫県立リハビリテーション西播磨病院にて123Ｉ－ＦＰ－ＣＩＴによるＤＡＴシンチグラフィが行われ、国際運動障害学会のprobable ＰＤの診断基準を満たしたＰＤ患者と、リチャードソン症候群を伴う probable ＰＳＰの診断基準を満たしたＰＳＰ患者。
（２）生年、性別、臨床診断の結果、脳３Ｄ－ＭＲＩ検査結果、ＤＡＴシンチグラフィから作成されたＡＩ画像、ミニメンタルステート検査（ＭＭＳＥ）結果、Hoehn-Yahrの重症度分類の結果が診療録から入手できる患者。
【0038】
上記基準で選択された被験者は、健常者２０名、レビー小体型認知症患者６４名、パーキンソン病患者１１１名、リチャードソン症候群の進行性核上性麻痺患者１８名である。
【0039】
［ＳＰＥＣＴ／ＣＴ］
被験者に１６７ＭＢｑの123Ｉ－ＦＰ－ＣＩＴを静注した。123Ｉ－ＦＰ－ＣＩＴの静注から１８０分後に、ＦＰ－ＣＩＴ画像とＣＴ画像を同時撮像した。この撮像には、拡張型低エネルギー汎用コリメータを備えたデュアルヘッドOptima NM/CT 640ガンマカメラ（ＧＥ，Ｂｏｓｔｏｎ，ＭＡ）を用いた。続いて、撮像により取得した画像データに対し、散乱補正とＣＴ画像による減弱補正を行った。画素サイズは3.05mm×3.05mm、マトリックス＝128×128であった。
被験者に１６７ＭＢｑの123Ｉ－ＦＰ－ＣＩＴを静注した。123Ｉ－ＦＰ－ＣＩＴの静注から１８０分後に、ＦＰ－ＣＩＴ画像とＣＴ画像を同時撮像した。この撮像には、拡張型低エネルギー汎用コリメータを備えたデュアルヘッドOptima NM/CT 640ガンマカメラ（ＧＥ，Ｂｏｓｔｏｎ，ＭＡ）を用いた。続いて、撮像により取得した画像データに対し、散乱補正とＣＴ画像による減弱補正を行った。画素サイズは3.05mm×3.05mm、マトリックス＝128×128であった。
【0040】
［画像処理］
ＦＰ－ＣＩＴ画像の解剖学的位置合わせ、解剖学的標準化、統計処理は、Statistical Parametric Mapping for Windows, version 12（SPM 12; Wellcome Department of Cognitive Neurology, London, United Kingdom）を用いて実施した。
ＦＰ－ＣＩＴ画像の解剖学的位置合わせ、解剖学的標準化、統計処理は、Statistical Parametric Mapping for Windows, version 12（SPM 12; Wellcome Department of Cognitive Neurology, London, United Kingdom）を用いて実施した。
【0041】
計算と画像マトリックスの操作は、MATLAB（登録商標） R2015a（Math Works Inc.、Natick、MA、USA）を用いて行った。各患者のＲＯＩベースのＳＢＲとＡＩは、Tossici-Bolt法（SBRBolt）を用いて求めた。
【0042】
［ＳＢＲ画像とＡＩ画像の生成］
画像処理装置は、ＣＴ画像を対応するＭＲＩ画像に位置合わせした。次に、画像処理装置は、ＭＲＩ画像のＤＡＲＴＥＬ（diffeomorphic anatomical registration through exponentiated Lie algebra）変換プロセスを通じて作成した変換パラメータを用いて解剖学的標準脳に変換した。画像処理装置は、ＭＲＩ画像の解剖学的標準化で得た変換パラメータを用いて、ＦＰ－ＣＩＴ画像の解剖学的標準化を行った。
画像処理装置は、ＣＴ画像を対応するＭＲＩ画像に位置合わせした。次に、画像処理装置は、ＭＲＩ画像のＤＡＲＴＥＬ（diffeomorphic anatomical registration through exponentiated Lie algebra）変換プロセスを通じて作成した変換パラメータを用いて解剖学的標準脳に変換した。画像処理装置は、ＭＲＩ画像の解剖学的標準化で得た変換パラメータを用いて、ＦＰ－ＣＩＴ画像の解剖学的標準化を行った。
【0043】
同時に、画像処理装置は、次式により標準定位空間におけるＳＢＲ画像を作成した。ＤＡＴの非特異的集積部位として、小脳の平均カウントを用いた。
ＳＢＲ画像＝（原画像－平均小脳カウント）／（平均小脳カウント）
ＳＢＲ画像＝（原画像－平均小脳カウント）／（平均小脳カウント）
【0044】
次に、画像処理装置は、正規化したＳＢＲ画像をＸ軸方向に反転して反転ＳＢＲ画像を作成し、続いて、以下の式に従ってＡＩ画像を作成した。
ＡＩ画像＝｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
ＡＩ画像＝｜ＳＢＲ画像－反転ＳＢＲ画像｜／｛（ＳＢＲ画像＋反転ＳＢＲ画像）／２｝
【0045】
ピクセル単位の比較のため、ＡＩ画像は等方性８ｍｍガウスカーネルを用いて平滑化し、Ｓ／Ｎ比を高め、個人間の解剖学的差異を補正した。ＳＢＲ画像は、元の画像が群間比較で許容できるＳ／Ｎ比を達成したため、平滑化は行わなかった。年齢、性別、罹病期間を攪乱変数とした一元配置分散分析を行い、群間比較を行った。皮質領域は、ＤＡＴがまばらに存在し、ＦＰ－ＣＩＴ画像では正確に測定できないため、マスクにより解析から除外した。
【0046】
脳領域は、ＳＰＭ１２に実装されたNeuromorphometricsのアトラスを用いて同定した。視床下核領域は、モントリオール神経研究所の視床下核の座標に関するレビュー（G. de Hollander, M.C. Keuken, B.U. Forstmann,「The subcortical cocktail problem; mixed signals from the subthalamic nucleus and substantia nigra,」PLoS One 10 (3) (2015), e0120572, https://doi.org/10.1371/journal.pone.0120572.）のアプローチで同定した。
【0047】
［結果］
図５は、グラスブレイン内に表示された患者と健常対照群とのＡＩ画像における群間比較の例を示す図である。図５（ａ）は、パーキンソン病患者と健常対照者との比較を示す。図５（ａ）では、パーキンソン病患者と健常対照者とを比較して、パーキンソン病患者の方が値が高かったピクセルを表示している。パーキンソン病では、両側の前島（anterior insula）から被殻、前脳基底部にかけてｒＡＩの増加を示した。
図５は、グラスブレイン内に表示された患者と健常対照群とのＡＩ画像における群間比較の例を示す図である。図５（ａ）は、パーキンソン病患者と健常対照者との比較を示す。図５（ａ）では、パーキンソン病患者と健常対照者とを比較して、パーキンソン病患者の方が値が高かったピクセルを表示している。パーキンソン病では、両側の前島（anterior insula）から被殻、前脳基底部にかけてｒＡＩの増加を示した。
【0048】
図５（ｂ）は進行性核上性麻痺患者と健常対照者との比較を示す図である。図５（ｂ）では、進行性核上性麻痺患者と健常対照者とを比較して、進行性核上性麻痺患者の方が値が高かったピクセルを表示している。進行性核上性麻痺では、視床下核、中脳に広がる被殻でｒＡＩの増加を示した。
【0049】
図５（ｃ）はパーキンソン病患者と核上性麻痺患者との比較を示す。図５（ｂ）では、進行性核上性麻痺患者とパーキンソン病患者とを比較して、進行性核上性麻痺患者の方が値が高かったピクセルを表示している。パーキンソン病患者と比較して、進行性核上性麻痺患者では視床下核でｒＡＩの増加を示した。
【0050】
（実施例２）
［被験者］
実施例１と同じである。
［ＳＰＥＣＴ／ＣＴ］
実施例１と同じである。
［ＳＢＲとＡＩ画像の生成］
実施例１と同じである。
［被験者］
実施例１と同じである。
［ＳＰＥＣＴ／ＣＴ］
実施例１と同じである。
［ＳＢＲとＡＩ画像の生成］
実施例１と同じである。
【0051】
［ＲＯＣ解析］
進行性核上性麻痺患者とパーキンソン病患者の視床下核領域のＡＩ指標値を求め、ＲＯＣ解析を行った。ＰＤ群とＰＳＰ群のＡＩ指標値を用いて両疾患鑑別のＲＯＣ曲線を作成し、鑑別のためのＡＩ指標値のカットオフ値、感度、特異度を算出した。ＲＯＣ解析には、ＥＺＲ（Easy R）（Bone Marrow Transplantation 2013: 48, 452-458）を用いた。なお、ＲＯＣ解析には、Statistical Package for the Social Sciences （SPSS, version 23, IBM, Armonk, NY, USA）又はJMPを用いてもよい。
進行性核上性麻痺患者とパーキンソン病患者の視床下核領域のＡＩ指標値を求め、ＲＯＣ解析を行った。ＰＤ群とＰＳＰ群のＡＩ指標値を用いて両疾患鑑別のＲＯＣ曲線を作成し、鑑別のためのＡＩ指標値のカットオフ値、感度、特異度を算出した。ＲＯＣ解析には、ＥＺＲ（Easy R）（Bone Marrow Transplantation 2013: 48, 452-458）を用いた。なお、ＲＯＣ解析には、Statistical Package for the Social Sciences （SPSS, version 23, IBM, Armonk, NY, USA）又はJMPを用いてもよい。
【0052】
ＰＤ１１１例、ＰＳＰ１８例から、Ａ群（ＰＤ５６例とＰＳＰ９例）、Ｂ群（ＰＤ５５例とＰＳＰ９例）を、無作為に抽出した。Ａ群のＲＯＣ解析の結果に基づいてカットオフ値を定めた。
【0053】
図６は、Ａ群のデータのＲＯＣ曲線を示す図である。カットオフ値が０．２８３のときに、感度１００％、特異度７８．６％、ＡＵＣが０．８８７となった。Ａ群で定めたカットオフ値（０．２８３）を用いてＢ群のＰＳＰとＰＤの鑑別した際の感度、特異度を算出した。
【0054】
［結果］
Ａ群のＲＯＣ解析の結果に基づいて設定したカットオフ値（０．２８３）を用いた鑑別診断精度を表１に示す。
この結果に示されるように、ＰＳＰ陽性の感度は８８．９％、特異度は７２．７％と良好な鑑別診断精度が得られた。
Ａ群のＲＯＣ解析の結果に基づいて設定したカットオフ値（０．２８３）を用いた鑑別診断精度を表１に示す。
【表1】
【産業上の利用可能性】
【0055】
本発明は、ドパミントランスポーター画像の解析に有用である。
【符号の説明】
【0056】
１ 画像処理装置
１０ 入力部
１１ 演算処理部
１２ 出力部
１３ ＭＲＩ標準脳テンプレート
２０ 標準化部
２１ ＳＢＲ画像生成部
２２ ＡＩ画像生成部
２３ 関心領域設定部
２４ ＡＩ指標値算出部
１０ 入力部
１１ 演算処理部
１２ 出力部
１３ ＭＲＩ標準脳テンプレート
２０ 標準化部
２１ ＳＢＲ画像生成部
２２ ＡＩ画像生成部
２３ 関心領域設定部
２４ ＡＩ指標値算出部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
