特開 2024-18421 画像処理装置および磁気共鳴イメージング装置

(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】P2024018421

(43)【公開日】2024-02-08

(54)【発明の名称】画像処理装置および磁気共鳴イメージング装置

(51)【国際特許分類】

   A61B 5/055 20060101AFI20240201BHJP

【ＦＩ】

A61B5/055 380

【審査請求】未請求

【請求項の数】15

【出願形態】ＯＬ

(21)【出願番号】P 2022121761

(22)【出願日】2022-07-29

(71)【出願人】

【識別番号】320011683

【氏名又は名称】富士フイルムヘルスケア株式会社

(74)【代理人】

【識別番号】110000888

【氏名又は名称】弁理士法人山王坂特許事務所

(72)【発明者】

【氏名】河田 康雄

(72)【発明者】

【氏名】尾藤 良孝

(72)【発明者】

【氏名】岩田 吉広

(72)【発明者】

【氏名】谷口 拡樹

(72)【発明者】

【氏名】仲山 貴行

(72)【発明者】

【氏名】白勢 竜二

【テーマコード（参考）】

4C096

【Ｆターム（参考）】

4C096AA10

4C096AB36

4C096AC01

4C096AC03

4C096AC05

4C096BA18

4C096BA37

4C096DC19

4C096DC20

4C096DC31

4C096DD16

(57)【要約】

【課題】ＭＲＩ画像から、管状組織の複数種類の病変を抽出する。
【解決手段】血管画像の所定のスライスから、複数の血管像を抽出し、予め定めておいた特定の血管像をさらに抽出する。抽出した複数の血管像に対して第１の処理を施して、複数の血管のいずれかに生じている第１の種類の血管病変を検出する。抽出した特定の血管像に対して予め定めておいた第２の処理を施して、特定の血管に生じている第２の種類の血管病変を検出する。検出した第１の種類の血管病変と、第２の種類の血管病変とを接続されている表示部に表示させる。
【選択図】 図３

【特許請求の範囲】

【請求項1】

磁気共鳴イメージング装置を用いて撮影した血管画像の所定のスライスから、予め定めた複数の血管像を抽出する第１血管抽出部と、
前記第１血管抽出部が抽出した複数の血管像から、予め定めておいた特定の血管像をさらに抽出する第２血管抽出部と、
前記第１血管抽出部が抽出した複数の血管像に対して予め定めておいた第１の処理を施して、前記複数の血管のいずれかに生じている第１の種類の血管病変を検出する第１病変検出部と、
前記第２血管抽出部が抽出した前記特定の血管像に対して予め定めておいた第２の処理を施して、前記特定の血管に生じている第２の種類の血管病変を検出する第２病変検出部と、
前記第１病変検出部の検出した第１の種類の血管病変と、第２病変検出部が検出した第２の種類の血管病変とを接続されている表示部に表示させる表示制御部とを有する画像処理装置。

【請求項2】

請求項１に記載の画像処理装置であって、前記第１病変検出部は、前記第１血管抽出部が抽出した複数の血管像の形状およびサイズの少なくとも一方に基づいて、１以上の第１病変候補領域を検出する第１病変候補検出部と、前記第１病変候補領域が、前記第１の種類の血管病変であるかどうかを判別する第１判別部とを含む
ことを特徴とする画像処理装置。

【請求項3】

請求項２に記載の画像処理装置であって、前記第２病変検出部は、前記第２血管抽出部が抽出した前記特定の血管像の形状およびサイズの少なくとも一方に基づいて、１以上の第２病変候補領域を検出する第２病変候補検出部と、前記第２病変候補領域が、前記第２の種類の血管病変であるかどうかを判別する第２判別部とを含む
ことを特徴とする画像処理装置。

【請求項4】

請求項３に記載の画像処理装置であって、前記第１病変候補検出部は、前記第１血管抽出部が抽出した複数の血管像の形状およびサイズの少なくとも一方が、予め定めておいた第１の基準範囲から外れている領域を、前記第１病変候補領域として検出する
ことを特徴とする画像処理装置。

【請求項5】

請求項４に記載の画像処理装置であって、前記第２病変候補検出部は、前記第２血管抽出部が抽出した前記特定の血管像の形状の形状およびサイズの少なくとも一方が、予め定めておいた第２の基準値から外れている領域を、前記第２病変候補領域として検出する
ことを特徴とする画像処理装置。

【請求項6】

請求項３に記載の画像処理装置であって、前記第１判別部は、前記第１の種類の血管病変を判別するように予め学習した学習済みモデルであり、
前記第２判別部は、前記第２の種類の血管病変を判別するように予め学習した学習済みモデルである
ことを特徴とする画像処理装置。

【請求項7】

請求項１に記載の画像処理装置であって、前記第１の種類の血管病変は、嚢状脳動脈瘤を含む動脈瘤であり、前記第２の種類の血管瘤は、紡錘状脳動脈瘤であることを特徴とする画像処理装置。

【請求項8】

請求項１に記載の画像処理装置であって、前記第１血管抽出部は、内頸動脈と椎骨動脈を含む脳血管像を抽出し、前記第２血管抽出部は、前記特定の血管像として椎骨動脈の像を抽出することを特徴とする画像処理装置。

【請求項9】

請求項１に記載の画像処理装置であって、前記第１血管抽出部は、内頸動脈と椎骨動脈を含む脳血管像を抽出し、前記第２血管抽出部は、前記特定の血管像として椎骨動脈と眼動脈の像を抽出することを特徴とする画像処理装置。

【請求項10】

請求項１に記載の画像処理装置であって、前記第１血管抽出部は、内頸動脈と椎骨動脈と前大脳動脈と全交通動脈とを含む脳血管像を抽出し、前記第２血管抽出部は、前記特定の血管像として、椎骨動脈と前交通動脈の像を抽出することを特徴とする画像処理装置。

【請求項11】

請求項１に記載の画像処理装置であって、前記第１の種類の血管病変および前記第２の種類の血管病変はそれぞれ、動脈瘤、動脈奇形、動脈硬化、静脈瘤、および、静脈奇形を含むことを特徴とする画像処理装置。

【請求項12】

磁気共鳴イメージング装置を用いて撮影した管状組織画像の所定のスライスから、予め定めた複数の管状組織像を抽出する第１管状組織抽出部と、
前記第１管状組織抽出部が抽出した複数の管状組織の像から、予め定めておいた特定の管状組織像をさらに抽出する第２管状組織抽出部と、
前記第１管状組織抽出部が抽出した複数の管状組織の像に対して予め定めておいた第１の処理を施して、前記複数の管状組織のいずれかに生じている第１の種類の管状組織病変を検出する第１病変検出部と、
前記第２管状組織抽出部が抽出した前記特定の管状組織の像に対して予め定めておいた第２の処理を施して、前記特定の管状組織に生じている第２の種類の管状組織病変を検出する第２病変検出部と、
前記第１病変検出部の検出した第１の種類の管状組織病変と、第２病変検出部が検出した第２の種類の管状組織病変とを接続されている表示部に表示させる表示制御部とを有する画像処理装置。

【請求項13】

請求項１２に記載の画像処理装置であって、前記管状組織は、脳動脈、脳静脈、肺動脈、冠動脈、小腸、および、大腸を含むことを特徴とする画像処理装置。

【請求項14】

磁気共鳴イメージング装置を用いて撮影した血管画像の所定のスライスから、予め定めておいた特定の血管像を抽出する血管抽出部と、
前記血管抽出部が抽出した前記特定の血管像に対して予め定めておいた処理を施して、前記特定の血管に生じている特定の種類の血管病変を検出する病変検出部と、
前記病変検出部の検出した特定の血管病変とを接続されている表示部に表示させる表示制御部とを有する画像処理装置。

【請求項15】

請求項１に記載の画像処理装置を備えた磁気共鳴イメージング装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、磁気共鳴イメージング（以下、「ＭＲＩ」という）装置が撮像した画像から、血管や消化管等の管状組織の瘤等の病変を抽出する画像処理技術に関する。

【背景技術】

【0002】

ＭＲＩ装置は、被検体、特に人体の組織を構成する原子核スピンが発生する核磁気共鳴（ＮＭＲ）信号を計測し、その頭部、腹部、四肢等の形態や機能を２次元的に或いは３次元的に画像化する装置である。撮像においては、ＮＭＲ信号には、傾斜磁場によって異なる位相エンコードが付与されるとともに周波数エンコードされて、時部列データとして計測される。計測されたＮＭＲ信号は、２次元又は３次元フーリエ変換されることにより画像に再構成される。

【0003】

また、ＭＲＩ装置を用いて、３Ｄ ＴＯＦ(time of flight)シーケンスにより撮像することにより、造影剤を用いることなく脳血管が高信号で描画された画像を得る血管撮像(MR Angiography)技術が知られている。得られた３Ｄ ＴＯＦ画像をＭＩＰ（最大値投影）法で所望の角度に投影することにより、所望の角度から血管像を見ることができる。

【0004】

脳の動脈に発生する未破裂脳動脈瘤は、脳卒中の原因の一つであり、その発見は重要な課題のひとつである。しかし、脳動脈瘤の大きさや位置によっては、検出が困難な場合がある。そこで、ＭＲＡ画像を用いて、未破裂脳動脈瘤の診断を支援する技術が要望されている。

【0005】

例えば、特許文献１には、ＭＲＡによって血管を描出した第１画像と、Ｔ２＊強調画像等の血栓が描出される第２画像とを用い、第１画像を用いて動脈溜の輪郭を検出し、輪郭を取り囲む周辺領域において血栓が存在するかどうかを第２画像で特定するシステムが開示されている。

【0006】

一方、特許文献２には、脳血管領域が抽出された画像を多重解像度解析し、解像度レベル毎にベクトル集中度を算出し、ベクトル集中度が所定値となる病変部の候補領域でのみ元の画像を再構成した後、正常な血管画像を削除することにより、病変部を検出するシステムが開示されている。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２０１５－１４４７２５号公報

【特許文献2】国際公開第２００７／０２６５９８号

【発明の概要】

【発明が解決しようとする課題】

【0008】

脳動脈瘤には、嚢状脳動脈瘤、紡錘状脳動脈瘤、解離性脳動脈瘤などの形状が異なる複数の種類がある。その形状によって、特徴が異なり、検出が困難な場合がある。

【0009】

また、脳動脈と同様に管状の組織に発生する病変として、肺動脈に発生する動静脈奇形、小腸に発生するクローン病などがあり、これらも、未破裂脳動脈瘤と同様に、検出が困難な場合がある。

【0010】

本願の目的は、ＭＲＩ画像から、管状組織の複数種類の病変を抽出することにある。

【課題を解決するための手段】

【0011】

上記目的を達成するために、本発明の画像処理装置は、磁気共鳴イメージング装置を用いて撮影した血管画像の所定のスライスから、予め定めた複数の血管像を抽出する第１血管抽出部と、第１血管抽出部が抽出した複数の血管像から、予め定めておいた特定の血管像をさらに抽出する第２血管抽出部と、第１血管抽出部が抽出した複数の血管像に対して予め定めておいた第１の処理を施して、複数の血管のいずれかに生じている第１の種類の血管病変を検出する第１病変検出部と、第２血管抽出部が抽出した特定の血管像に対して予め定めておいた第２の処理を施して、特定の血管に生じている第２の種類の血管病変を検出する第２病変検出部と、第１病変検出部の検出した第１の種類の血管病変と、第２病変検出部が検出した第２の種類の血管病変とを接続されている表示部に表示させる表示制御部とを有する。

【発明の効果】

【0012】

本発明によれば、ＭＲＩ装置で撮像した血管画像から、第１の種類の病変と、第２種類の病変を検出し、表示することができるため、医師は、複数の種類の病変を把握することができる。

【図面の簡単な説明】

【0013】

【図1】本発明に係るＭＲＩ装置の全体構成の一例を示すブロック図。

【図2】３Ｄ ＴＯＦの撮影パルスシーケンスの例。

【図3】本発明の実施形態１の画像処理装置の機能ブロック図。

【図4】本発明の実施形態１の画像処理装置の処理を示すフローチャート。

【図5】本発明の実施形態１の画像処理装置の表示画面例を示す図。

【発明を実施するための形態】

【0014】

以下、添付図面に従って本発明の画像処理装置を備えたＭＲＩ装置の実施形態について詳説する。なお、発明の実施形態を説明するための全図において、同一機能を有するものは同一符号を付け、その繰り返しの説明は省略する。

【0015】

本実施形態のＭＲＩ装置は、管状組織の画像を撮影し、管状組織の像を抽出し、管状組織の病変を検出する。管状組織は、例えば、脳動脈、脳静脈、肺動脈、冠動脈、小腸、および、大腸等である。管状組織の病変は、例えば、動脈瘤、動脈奇形、動脈硬化、静脈瘤、静脈奇形、小腸や大腸の腫瘍、および、小腸や大腸の閉塞である。

【0016】

＜＜ＭＲＩ装置の全体概要＞＞
最初に、本発明に係るＭＲＩ装置の一例の全体概要を図１に基づいて説明する。図１は、本発明に係るＭＲＩ装置の一実施形態の全体構成を示すブロック図である。このＭＲＩ装置は、ＮＭＲ現象を利用して被検体の断層画像を得るもので、図１に示すように、ＭＲＩ装置は静磁場発生部２と、傾斜磁場発生部３と、送信部５と、受信部６と、信号処理部７と、シーケンサ４と、演算処理装部（ＣＰＵ）８とを備えて構成される。傾斜磁場発生部３と、送信部５と、受信部６、及び、シーケンサ４を纏めて計測制御部１００と呼ぶ。

【0017】

静磁場発生部２は、被検体１の撮像部位が配置される空間に静磁場を発生させる。静磁場発生部２は、被検体１の周りに配置された、永久磁石方式、常電導方式あるいは超電導方式の静磁場発生源である。静磁場発生源は、垂直磁場方式であれば被検体１の体軸と直交する方向に、水平磁場方式であれば被検体１の体軸方向に均一な静磁場を発生させる。

【0018】

傾斜磁場発生部３は、ＭＲＩ装置の座標部（静止座標部）であるＸ，Ｙ，Ｚの３軸方向に傾斜磁場を印加する傾斜磁場コイル９と、それぞれの傾斜磁場コイルを駆動する傾斜磁場電源１０とを備えて構成され、後述のシーケンサ４からの命令に従ってそれぞれのコイルの傾斜磁場電源１０を駆動することにより、Ｘ，Ｙ，Ｚの３軸方向に傾斜磁場Ｇｘ，Ｇｙ，Ｇｚを印加する。撮像時には、スライス面（撮像断面）に直交する方向にスライス選択傾斜磁場パルス（Ｇｓ）を印加して被検体１に対するスライス面を設定し、そのスライス面に直交して且つ互いに直交する残りの２つの方向に位相エンコード傾斜磁場パルス（Ｇｐ）と周波数エンコード傾斜磁場パルス（Ｇｆ）を印加して、エコー信号にそれぞれの方向の位置情報をエンコードする。

【0019】

送信部５は、被検体１の生体組織を構成する原子の原子核スピンに核磁気共鳴を起こさせるために、被検体１に高周波磁場パルス（以下、「ＲＦパルス」という）を照射するもので、高周波発振器１１と変調器１２と高周波増幅器１３と送信側の高周波コイル（送信コイル）１４ａとを備えて構成される。高周波発振器１１から出力されたＲＦパルスを、後述するシーケンサ４からの指令によるタイミングで変調器１２により振幅変調し、この振幅変調されたＲＦパルスを高周波増幅器１３で増幅した後に被検体１に近接して配置された高周波コイル１４ａに供給する。これにより、高周波コイル１４ａからＲＦパルスが被検体１に照射される。

【0020】

受信部６は、被検体１の生体組織を構成する原子核スピンの核磁気共鳴（ＮＭＲ）により放出されるエコー信号（以下、ＮＭＲ信号）を検出するもので、受信側の高周波コイル（受信コイル）１４ｂと信号増幅器１５と直交位相検波器１６と、Ａ／Ｄ変換器１７とを備えて構成される。

【0021】

送信コイル１４ａから照射された電磁波によって誘起された被検体１の応答のＮＭＲ信号は、被検体１に近接して配置された受信コイル１４ｂで検出され、信号増幅器１５で増幅された後、シーケンサ４からの指令によるタイミングで直交位相検波器１６により直交する二部統の信号に分割され、それぞれがＡ／Ｄ変換器１７でディジタル量に変換されて、信号処理部７に送られる。

【0022】

シーケンサ４は、ＲＦパルスと、傾斜磁場パルスとをある所定のパルスシーケンスに従って、繰り返し印加し、これにより発生したＮＭＲ信号を所定のタイミングで受信させる制御手段である。シーケンサ４は、演算処理部８の制御で動作し、パルスシーケンスに従って、送信部５、傾斜磁場発生部３、および受信部６に種々の命令を送り、被検体１の断層画像の生成に必要なＮＭＲ信号データを収集する。

【0023】

信号処理部７は、各種データ処理と処理結果の表示及び保存等を行うもので、光ディスク１９、磁気ディスク１８等の外部記憶装置と、ＣＲＴ等からなるディスプレイ２０とを有する。

【0024】

受信部６からＮＭＲ信号のデータが演算処理部（ＣＰＵ）８に入力されると、演算処理部８が信号処理および画像再構成等の処理を実行し、被検体１の断層画像を再構成する。演算処理部８は、被検体１の断層画像をディスプレイ２０に表示すると共に、外部記憶装置の磁気ディスク１８等に記録する。

【0025】

操作部２５は、ＭＲＩ装置の各種制御情報や上記信号処理部７で行う処理の制御情報を入力するもので、トラックボール又はマウス２３、及び、キーボード２４から成る。この操作部２５はディスプレイ２０に近接して配置され、操作者がディスプレイ２０を見ながら操作部２５を通してインタラクティブにＭＲＩ装置の各種処理を制御する。

【0026】

なお、図１において、送信側の高周波コイル１４ａと傾斜磁場コイル９は、被検体１が挿入される静磁場発生部２の静磁場空間内に、垂直磁場方式であれば被検体１に対向して、水平磁場方式であれば被検体１を取り囲むようにして設置されている。一方、受信側の高周波コイル１４ｂは、被検体１に対向して、或いは取り囲むように設置されている。なお、上述したように、上記傾斜磁場発生部３、送信部５、受信部６、及びシーケンサ４を纏めて計測制御部１００ともいう。

【0027】

現在ＭＲＩ装置の撮像対象核種は、臨床で普及しているものとしては、被検体の主たる構成物質である水素原子核（プロトン）である。プロトン密度の空間分布や、励起状態の緩和時間の空間分布に関する情報を画像化することで、人体頭部、腹部、四肢等の形態または、機能を２次元もしくは３次元的に撮像する。

【0028】

ＭＲＩを用いた脳血管等の管状組織の画像化するＭＲＡ(Magnetic Resonance Angiography)の手法として、３Ｄ ＴＯＦ（Time of Flight）法のパルスシーケンスがある。図２は３Ｄ ＴＯＦ法のシーケンス図の一例である。図２において、ＲＦは、ＲＦパルス４０１の印加及びＮＭＲ信号４０２の取得のタイミングを示し、Ｇｓ、Ｇｐ及びＧｒは、スライス方向、位相エンコード方向及び読み出し方向の傾斜磁場パルス４０３～４０８の印加タイミングと大きさを示している。３桁の数字のあとのハイフン後の数字は、繰り返し回数を示す数字である。例えば４０２「－１」の「１」は、１回目の繰り返しで印加されるパルス及び取得される信号を示し、「－２」の「２」は、２回目の繰り返しで印加されるパルス及び取得される信号を示す。すなわち、図２の３Ｄ ＴＯＦ法のパルスシーケンスは、スライス方向Ｇｓの傾斜磁場パルス４０３を印加しながら、ＲＦパルス４０１を照射した後、スライス方向Ｇｓの傾斜磁場パルス４０４と位相エンコード方向Ｇｐの傾斜磁場パルス４０５と読み出し方向Ｇｒの傾斜磁場パルス４０８とを印加し、その後読み出し方向の傾斜磁場パルス４０７を印加しながら、ＮＭＲ信号４０２を受信するシーケンスを、所定回数繰り返す。繰り返しのたびに、スライス方向Ｇｓの傾斜磁場パルス４０４の大きさを変化させるとともに、位相エンコード方向Ｇｐの傾斜磁場パルス４０５および４０６の大きさを変化させることにより、スライス位置と位相エンコードを変化させて３Ｄ ＴＯＦ画像の生成に必要なＮＭＲ信号を取得する。

【0029】

なお、小腸、大腸の画像化手法としては、MR Entero-colonography (Magnetic Resonance Enterocolonography)などの手法を用いる。

【0030】

以下、本実施形態のＭＲＩ装置において、演算処理部８が、管状組織の病変を検出する処理について説明する。各実施形態において、演算処理部８は、画像処理装置としても機能する。よって、以下の各実施形態において、演算処理部８を、画像処理装置８とも呼ぶ。

【0031】

＜＜実施形態１＞＞
実施形態１のＭＲＩ装置の画像処理装置８について説明する。図３は、画像処理装置８の機能ブロック図である。

【0032】

実施形態１では、管状組織の病変の一例として、脳動脈の瘤を検出する画像処理装置８について説明する。脳動脈瘤には、嚢状動脈瘤、紡錘状動脈瘤、解離性動脈瘤等の複数の種類があり、形状の特徴や、生じやすい位置が異なる。また、破裂すると命に係わるため、未破裂脳動脈瘤を精度よく検出することが望まれているが、脳には多数の血管があり、それらが複雑に分岐、湾曲、および接続して入り組んだ構造であるため高精度な検出は容易ではない。本実施形態１では、脳動脈において、検出するのが困難な動脈瘤ができやすい特定の血管を予め定めておくことにより、複数の種類の動脈瘤を精度よく検出する。

【0033】

＜画像処理装置８の構造＞
図３に示すように画像処理装置８は、３Ｄ ＴＯＦ法のパルスシーケンスを実行したＭＲＩ装置の受信部６からＮＭＲ信号を受け取って血管画像（３Ｄ画像）を再構成する血管画像再構成部７０と、第１血管抽出部３１と、第２血管抽出部３２と、第１病変検出部４１と、第２病変検出部４２と、表示制御部８０とを備えている。

【0034】

第１血管抽出部３１は、血管画像再構成部７０が再構成した血管画像の予め定めておいた所定のスライスから、予め定めた複数の血管像を抽出する。例えば、脳底の所定のスライスから、解像学的な構造に基づいて２本の内頸動脈と２本の椎骨動脈を抽出するとともに、内頚動脈に連続する脳動脈全体を抽出する。

【0035】

第２血管抽出部３２は、第１血管抽出部３１が抽出した複数の血管の像から、予め定めておいた特定の血管像をさらに抽出する。例えば、第１血管抽出部３１が抽出した２本の内頸動脈と２本の椎骨動脈の血管像から、２本の椎骨動脈の像と、方向を考慮した領域拡張処理を行うことによって、椎骨動脈に連続する後方循環系の血管の像とを抽出する。

【0036】

第１病変検出部４１は、第１血管抽出部が抽出した複数の血管の像に対して予め定めておいた第１の処理を施して、複数の血管のいずれかに生じている第１の種類の血管病変を検出する。

【0037】

例えば、第１病変検出部４１は、第１病変候補検出部５１と、第１判別部６１とを備えている。第１病変候補検出部５１は、第１血管抽出部３１が抽出した複数の血管の像の形状およびサイズの少なくとも一方に基づいて、１以上の第１病変候補領域を検出する。具体的には、第１病変候補検出部５１は、第１血管抽出部３１が抽出した複数の血管の像の形状およびサイズの少なくとも一方が、予め定めておいた第１の基準範囲から外れている領域を、第１病変候補領域として検出する。一例としては、抽出した脳血管に対して、球形度、楕円体の領域を強調する処理を行って、病変の候補領域を検出する。例えば球形度を用いて病変候補領域を検出する手法として、以下の非特許文献１に記載された公知の技術を用いることができる。

【非特許文献1】Ze Jin, Hidetaka Arimura, Shingo Kakeda, et al, A novel ellipsoid convex enhancement filter for boosting the performance in detection of asymptomatic intracranial aneurysms at 3.0T magnetic resonance angiography, IEICE Technical Report vol. 115, no. 401, MI2015-125, pp.257-261, 2016.01.

【0038】

第１判別部６１は、第１病変候補検出部５１が検出した第１病変候補領域が、予め定めておいた第１の種類の血管病変であるかどうかを判別する。例えば、第１判別部６１は、第１病変候補領域が、嚢状脳動脈瘤を含む動脈瘤であるかどうかを判別する。第１判別部６１としては、例えば、第１の種類の血管病変を判別するように予め学習した学習済みモデルを用いることができるが、学習済みモデルに限定されるものではない。

【0039】

一方、第２病変検出部４２は、第２血管抽出部３２が抽出した特定の血管の像に対して、予め定めておいた第２の処理を施して、特定の血管に生じている第２の種類の血管病変を検出する。

【0040】

例えば、第２病変検出部４２は、第２病変候補検出部５２と第２判別部６２とを備えて構成される。第２病変候補検出部５２は、第２血管抽出部３２が抽出した特定の血管の像の形状およびサイズの少なくとも一方に基づいて、１以上の第２病変候補領域を検出する。具体的には、第２血管抽出部３２が抽出した特定の血管の像の形状の、円筒形状からの乖離度が所定値以上の領域を、第２病変候補領域として検出することができる。

【0041】

第２判別部６２は、第２病変候補領域が予め定めておいた第２の種類の血管病変であるかどうかを判別する。例えば、第２判別部６２は、第２病変候補領域が、紡錘状脳動脈瘤を含む動脈瘤であるかどうかを判別する。第２判別部６２としては、例えば、第２の種類の血管病変を判別するように予め学習した学習済みモデルを用いることができるが、学習済みモデルに限定されるものではない。

【0042】

表示制御部８０は、第１病変検出部６１の検出した第１の種類の血管病変と、第２病変検出部６２が検出した第２の種類の血管病変とを接続されているディスプレイ２０に表示させる。

【0043】

＜画像処理装置８の処理＞
画像処理装置８の各部の処理動作を、図４のフローチャートに基づいて詳細に説明する。

【0044】

図４に示した画像処理装置８の処理フローは、予めプログラムとして磁気ディスク１８に記憶されており、演算処理部（ＣＰＵ）８が磁気ディスク１からそのプログラムを読み込んで実行することによりソフトウエアにより実現される。なお、画像処理装置８の一部または全部をハードウエアによって実現することも可能である。例えば、ＡＳＩＣ(Application Specific Integrated Circuit)のようなカスタムＩＣや、ＦＰＧＡ(Field-Programmable Gate Array)のようなプログラマブルＩＣを用いて画像処理装置８の一部または全部を構成し、その機能を実現するように回路設計を行えばよい。

【0045】

（ステップＳ２０１）
血管画像再構成部７０は、ＭＲＡ撮像により取得されたＮＭＲ信号を受け取って、３Ｄの血管画像（ＭＲＡ画像）を再構成する。

【0046】

（ステップＳ２０２）
第１血管抽出部３１は、ステップＳ２０１で再構成されたＭＲＡ画像から、所定のスライスの画像を取得し、当該スライスの画像に含まれる複数の血管像を抽出する。具体的には、脳底の所定のスライスの画像を取得し、信号値（画素値）を閾値処理し、閾値以上の画素値の画素を求める。これにより、当該スライスの画像を横切る４本の動脈像（２本の内頸動脈と２本の椎骨動脈）を抽出する。

【0047】

第１血管抽出部３１は、４本の動脈像（２本の内頸動脈と２本の椎骨動脈）の断面像を、所定のスライスと上方側に隣接するスライスに順次領域拡張していくことにより、４本の動脈像全体を抽出する。また、内頚動脈に連続する脳血管全体をさらに抽出する。

【0048】

（ステップＳ２０３）
第２血管抽出部３２は、ステップＳ２０２で抽出された４本の動脈のうち、特定の血管の像を抽出する。具体的には、ステップＳ２０２で閾値処理後の脳底のスライスに含まれる４本の動脈（２本の内頸動脈と３本の椎骨動脈）のうち、解剖学的に後頭部側の２本を選択する。これにより、椎骨動脈の断面像が選択される。２本の椎骨動脈の断面像を、ステップＳ２０２の所定のスライスと上方側に隣接するスライスに順次領域拡張していくことにより、２本の椎骨動脈像を領域拡張法で抽出しながら、２本の椎骨動脈像の中心軸の被検体の体軸方向に対する傾斜角を算出する。２本の椎骨動脈像のうち少なくとも一方の傾斜角が、予め定めた閾値以上になった場合、椎骨動脈像の抽出を終了する。または、２本の椎骨動脈像が１本に合体したならば、脳底動脈に達したと判断して、椎骨動脈像の抽出を終了する。これにより、椎骨動脈像を抽出することができる。
また、第２血管抽出部３２は、さらに、椎骨動脈に連続する後方循環系の血管の像を領域拡張法により抽出する。

【0049】

なお、第２血管抽出部３２が、２本の椎骨動脈像を抽出する方法は、領域拡張法で抽出する方法に限られず、他の方法を用いてもよい。例えば、Ｕ－ｎｅｔ（深層学習を用いた画像のセグメンテーション手法）という深層学習モデルに、椎骨動脈の判別を予め学習させた学習済みモデルを予め生成しておき、この学習済みモデルに、ステップＳ２０１で再構成したＭＲＡ画像を入力することにより、椎骨動脈像を抽出させることも可能である。

【0050】

（ステップＳ２０４）
第１病変候補検出部５１は、ステップＳ２０２で抽出した２本の内頸動脈と２本の椎骨動脈と、４本の動脈像に連続する脳血管像に対して、形状およびサイズの少なくとも一方が、予め定めておいた第１の基準範囲から外れている領域を、第１病変候補領域（嚢状動脈瘤を含む動脈瘤の可能性がある領域）として検出する。具体的には、血管像の球形度、楕円体の領域を強調する処理を行って、第１病変候補領域を検出する。検出方法は、公知の方法を用いる。例えば、上述の非特許文献１に記載の公知の楕円体強調技術を用いることができる。

【0051】

（ステップＳ２０５）
第２病変候補検出部５２は、ステップＳ２０３で抽出した椎骨動脈像および後方循環系の血管の像の、円筒形状からの乖離度が所定値（第２の基準値）以上の領域を第２病変候補領域（紡錘状動脈瘤の可能性がある領域）として検出する。具体的には例えば、椎骨動脈像の血管の断面の外形をスライスごとに抽出し、直径を求め、例えば平均直径よりも閾値（％）以上大きいスライスを選択し、第２病変候補領域とする。または、断面の外形のいびつ度合（円形からの乖離度）が閾値より大きいスライスや、断面の外形の直径が平均より閾値以上小さくなっているスライスや、断面の外形の非対称の度合いが閾値より大きいスライスを第２病変候補領域としてもよい。

【0052】

（ステップＳ２０６）
第１判定部６１は、ステップ２０４で検出した第１病変候補領域が、予め定めておいた第１の種類の血管病変であるかどうかを判別する。具体的には、第１判別部６１は、第１病変候補領域が、嚢状動脈瘤や、解離性動脈瘤や、紡錘状動脈瘤を含む動脈瘤であるかどうかを判別する。例えば、第１判定部６１は、脳動脈瘤を判別するよう予め学習させた学習済み学習モデルを含み、学習モデルを用いて判別する。

【0053】

学習モデルが機械学習の学習モデルである場合、第１病変候補領域の特徴量（コントラストや球形度など）を算出し、第１病変候補領域の血管像とともに、学習モデルに入力する。

【0054】

学習モデルが、深層学習の学習モデルの場合、第１病変候補領域の血管像を学習モデルに入力する。

【0055】

第１判定部６１の学習モデルとして、機械学習の学習モデルと深層学習の学習モデルの両方を用いてもよい。

【0056】

これにより、第１病変候補領域が、動脈瘤であるかどうかの判定結果（確率等）を学習モデルの出力として得ることができる。

【0057】

（ステップＳ２０７）
第２判定部６２は、ステップ２０５で検出した第２病変候補領域が、予め定めておいた第２の種類の血管病変であるかどうかを判別する。具体的には、第２判別部６２は、第２病変候補領域が、紡錘状動脈瘤であるかどうかを判別する。例えば、第２判定部６１は、紡錘状脳動脈瘤を判別するよう予め学習させた学習済み学習モデルを含み、学習モデルを用いて判別する。

【0058】

学習モデルが機械学習の学習モデルである場合、第２病変候補領域の特徴量（コントラストや球形度など）を算出し、第２病変候補領域の血管像とともに、学習モデルに入力する。

【0059】

学習モデルが、深層学習の学習モデルの場合、第２病変候補領域の血管像を学習モデルに入力する。

【0060】

第２判定部６２の学習モデルとして、機械学習の学習モデルと深層学習の学習モデルの両方を用いてもよい。

【0061】

これにより、第２病変候補領域が、動脈瘤であるかどうかの判定結果（確率等）を学習モデルの出力として得ることができる。

【0062】

（ステップＳ２０８）
表示制御部８０は、ステップＳ２０６において動脈瘤であると判別された第１病変候補領域５０１および、ステップＳ２０７において紡錘状動脈瘤であると判別された第２病変候補領域５０２を、例えば図５のように表示する。機械学習によって、抽出した病変の確率を表す病変スコアとともに、病変候補領域を画像化する。その際、抽出した病変候補を用いて、Radiomics解析を行うことによって、脳動脈瘤が破裂する確率を示してもよい。また、算出したそれらのスコアやリスクに応じて、候補領域の色付け表示や数値表示を行う。

【0063】

＜効果＞
実施形態１の画像処理装置は、脳動脈において、検出するのが困難な動脈瘤（例えば紡錘状動脈瘤）ができやすい特定の血管（例えば椎骨動脈）を定めておき、複数の脳動脈像から特定の血管像を抽出し、複数の脳動脈全体に対する第１病変検出処理とは別に、特定の血管に対する第２病変検出処理を行う。これにより、脳動脈像全体の検出処理により、嚢状動脈瘤等の脳動脈瘤の全般を検出し、特定の血管（椎骨動脈）像に対する検出処理により、紡錘状動脈瘤を検出することができる。よって、形状が異なるために、脳動脈像全体に対する処理では検出しにくい紡錘状動脈瘤を、精度よく検出でき、脳動脈全体の処理で検出した嚢状動脈瘤等と同時に表示することにより、医師は、動脈瘤をその種類に問わず把握できるようになる。

【0064】

＜＜実施形態２＞＞
実施形態２の画像処理装置について説明する。

【0065】

実施形態２の画像処理装置は、実施形態１と同様の構成であり、同様の処理を行うが、特定の血管の種類が実施形態１とは異なっている。実施形態２では、実施形態１の椎骨動脈に加えて、眼動脈の像を特定の血管像として抽出し、その動脈瘤を抽出する。以下、椎骨動脈像と眼動脈像の両方を特定の血管像として抽出する例について説明する。

【0066】

そのため、第２血管抽出部３２は、図４のステップＳ２０３において、特定の血管像として、椎骨動脈の像を抽出するとともに、ステップＳ２０１で再構成したＭＲＡ画像から眼球の像をテンプレート法(Template Matching)やオートクリップ法（Ａｕｔｏｃｌｉｐ）等により眼球の像を抽出し、眼球につながる脳血管を領域拡張法で抽出することにより眼動脈を抽出する。

【0067】

第２病変候補検出部５２は、ステップＳ２０５において、椎骨動脈像の第２病変候補領域を検出するとともに、眼動脈についても、円筒形状からの乖離度が所定値（第２の基準値）以上の領域や、球形度、円形度の閾値を異ならせて抽出した領域を第２病変候補領域として検出する。

【0068】

第２判定部６２は、ステップＳ２０７において、椎骨動脈像の第２病変候補領域が紡錘状動脈瘤であるかどうかを、学習済み学習モデルを用いて判別するとともに、眼動脈についても第２病変候補領域が動脈瘤であるかどうかを、眼動脈瘤を判別するように学習済みの学習モデルを用いて判別する。

【0069】

眼動脈瘤を判別する学習モデルは、眼動脈瘤が高効率で抽出されるように、眼動脈専用の学習し、例えばＣＮＮ(Convolutional Neural Network)の中間層の重みが、眼動脈瘤が抽出されるように設定されている学習モデルを用いる。また、眼動脈専用の学習はしていないが、眼動脈において動脈瘤が判別された場合は、スコア（確率）が低くても表示するように設定した学習モデルを用いてもよい。

【0070】

実施形態２の画像処理装置の他の構成および処理は、実施形態１と同様である。

【0071】

実施形態２の画像処理装置は、脳動脈像全体に対する処理では検出しにくい眼動脈の動脈瘤を、精度よく検出できる。眼動脈の動脈瘤を、眼動脈、内頸動脈に連続する血管および／または椎骨動脈に連続する血管において検出した嚢状動脈瘤等と同時に表示することにより、医師は、動脈瘤を眼動脈も含めて把握できる。

【0072】

＜＜実施形態３＞＞
実施形態３の画像処理装置について説明する。実施形態３では、破裂する可能性の高いことが知られている前交通動脈の動脈瘤を精度よく検出する。

【0073】

実施形態３の画像処理装置は、実施形態１と同様の構成であり、同様の処理を行うが、第１血管抽出部３１は、２本の内頸動脈と、２本の椎骨動脈と、内頸動脈に連続する脳血管全体とに加えて、２本の前大脳動脈と、前交通動脈を抽出する。第２血管抽出部３２は、２本の椎骨動脈の像と、椎骨動脈に連続する後方循環系の血管に加えて、前交通動脈を抽出する点が、実施形態１とは異なっている。

【0074】

例えば、第１血管抽出部３１は、ステップＳ２０２において、２本の内頸動脈と、２本の椎骨動脈と、内頚動脈に連続する脳血管全体とを抽出処理するとともに、ステップＳ２０１で再構成されたＭＲＡ画像から、３次元的に脳梁をテンプレートマッチング法等により抽出する。脳梁の前方の下側のスライスに位置する複数の血管像を閾値処理等により抽出し、複数の血管像のうち、輝度の高い２本の血管像をシード(seed)点として、それぞれ領域拡張法等により血管を抽出する。これにより、２本の前大脳動脈の像が抽出される。第１血管抽出部３１は、抽出した２本の前大脳動脈を連結する血管を領域拡張法等により抽出することにより、前交通動脈を抽出する。

【0075】

第２血管抽出部３２は、ステップＳ２０３において、ステップＳ２０２で抽出された２本の前大脳動脈を連結する血管を領域拡張法等により抽出する。これにより、特定の血管像として、前交通動脈の像が抽出される。

【0076】

第１病変候補検出部５１は、２本の内頸動脈と２本の椎骨動脈と、内頚動脈に連続する脳血管全体に加えて、２本の前大脳動脈像と前交通動脈像に対して、第１病変候補領域（嚢状動脈瘤を含む動脈瘤の可能性がある領域）を検出し、第１判別部６１は、第１病変候補領域が動脈瘤かどうかを学習モデルを用いて判別する。なお、２本の前大脳動脈像と前交通動脈像の動脈瘤の第１病変候補領域の検出の際に用いる第１の基準範囲は、２本の内頸動脈と２本の椎骨動脈の第１病変候補領域の検出の際に用いる第１の基準範囲とは異なる値の範囲を設定することができる。

【0077】

第２病変候補検出部５２は、２本の椎骨動脈の像と、椎骨動脈に連続する後方循環系の血管に加えて、前交通動脈像に対して第２病変候補領域（紡錘状動脈瘤の可能性がある領域）を検出し、第２判別部６２は、第２病変候補領域が動脈瘤かどうかを、紡錘状動脈瘤が高効率で抽出されるように学習済みの学習モデルを用いて判別する。なお、前交通動脈像の第２病変候補領域（紡錘状動脈瘤の可能性がある領域）の検出の際に用いる円筒形状からの乖離度の所定値（第２の基準値）は、２本の椎骨動脈の像と後方循環系の血管像について第２病変候補領域の検出の際に用いる乖離度の所定値（第２の基準値）とは異なる値を設定することができる。

【0078】

実施形態３の画像処理装置の他の構成および処理は、実施形態１と同様である。

【0079】

実施形態３の画像処理装置は、破裂する可能性の高いことが知られている前交通動脈の動脈瘤を、精度よく検出できる。

【0080】

＜＜実施形態４＞＞
実施形態４の画像処理装置について説明する。実施形態１～３では、第２血管抽出部３２が、特定の血管像として、予め定めておいた脳動脈の像を抽出し、脳動脈瘤を検出する構成であったが、特定の血管の像の形状の、円筒形状からの乖離度が所定値（第２の基準値）以上の領域を、第２病変候補領域として検出することにより、脳動脈瘤に限らず、動脈奇形、動脈硬化、静脈瘤、静脈奇形を検出することができる。また、円筒形状からの乖離度に替えて、または、円筒形状からの乖離度に加えて、特定の血管像の表面が滑らかさを用いてもよい。血管像の表面の滑らかではない領域を第２病変候補領域とすることにより、動脈硬化を精度よく検出することができる。

【0081】

実施形態４の画像処理装置の他の構成および処理は、実施形態１と同様である。

【0082】

＜＜実施形態５＞＞
実施形態５の画像処理装置について説明する。実施形態１～４では、脳血管の病変について検出する構成であったが、脳血管に限らず、管状組織であれば、実施形態１～４の脳血管と同様に病変を検出することが可能である。例えば、肺動脈、冠動脈、小腸および大腸などの管状組織を抽出し、円筒形状からの乖離度等により病変候補領域を設定し、実施形態１～４と同様の処理を適用することにより、病変として、小腸や大腸の腫瘍、小腸や大腸の閉塞を検出することが可能である。

【0083】

上述の実施形態１～３においては、特定の血管が予め定められていたが、特定の血管をオペレータが、キーボード２４等のユーザーインタフェースを介して、選択できるように構成することも可能である。

【符号の説明】

【0084】

１ 被検体
２ 静磁場発生部
３ 傾斜磁場発生部
４ シーケンサ
５ 送信部
６ 受信部
７ 信号処理部
８ 演算処理部（画像処理装置）
９ 傾斜磁場コイル
１０ 傾斜磁場電源
１１ 高周波発振器
１２ 変調器
１３ 高周波増幅器
１４ａ 送信側の高周波コイル（送信コイル）
１４ｂ 受信側の高周波コイル（受信コイル）
１５ 信号増幅器
１６ 直交位相検波器
１７ 変換器
１８ 磁気ディスク
１９ 光ディスク
２０ ディスプレイ
２３ マウス
２４ キーボード
２５ 操作部
３１ 第１血管抽出部
３２ 第２血管抽出部
４１ 第１病変検出部
４２ 第２病変検出部
５１ 第１病変候補検出部
５２ 第２病変候補検出部
６１ 第１判別部
６２ 第２判別部
７０ 血管画像再構成部
８０ 表示制御部
Ｇｐ 位相エンコード方向
Ｇｒ 読み出し方向
Ｇｓ スライス方向
１００ 計測制御部
４０１ ＲＦパルス
４０２ ＮＭＲ信号
４０３ 傾斜磁場パルス
４０４ 傾斜磁場パルス
４０５ 傾斜磁場パルス
４０７ 傾斜磁場パルス
４０８ 傾斜磁場パルス
５０１ 第１病変候補領域
５０２ 第２病変候補領域

【図1】

【図2】

【図3】

【図4】

【図5】